2 中国科学院大学, 北京 100049
2 University of Chinese Academy of Sciences, Beijing 100049
在气候变化和人类活动的双重作用下,土地利用/覆盖在不同的时间和空间尺度上发生着快速变化,改变了下垫面特征,影响生态系统的物质循环和生理生化过程,成为气候变化的重要驱动力之一(Feddema et al., 2005;Foley et al., 2005)。土地利用/覆盖变化(Land Use/Cover Change,LUCC)及其与气候变化和人类活动的相互作用已经成为全球变化研究关注的重要内容(刘纪远等,2011)。
中国具有复杂多样的自然环境,下垫面类型多样,是全球人类活动改变土地利用方式最剧烈的地区之一,如城市化(何春阳等,2001;Ding and Shi, 2013)、黄土高原退耕还林(信忠保等,2007;张强和王胜,2008;范泽孟等,2013;Fan et al., 2015)等,也是大范围土地覆盖变化最具有代表性的地区之一,其LUCC对区域环境变化产生了重大影响(李巧萍等,2006;高学杰等,2007;毛慧琴等,2011;董思言,2012),是研究LUCC及其影响的理想对象,一直倍受关注(刘纪远和布和敖斯尔,2000;王思远等,2010;华文剑等,2014;Liu et al., 2014)。以前的研究主要侧重于土地资源调查、分区、分类、规划、评价及开发和管理研究(于兴修和杨桂山,2002),数据源主要为历史文档资料、古地图、野外调查/考察资料等,但这些数据存在噪音和遗漏,缺乏直观的空间信息,即使有直观的空间位置信息,也因其时空范围较小,土地覆盖类型划分较粗,时空分辨率较低,精度存在较大误差等问题,对开展不同时空尺度的土地利用变化研究尤其是依赖高时空分辨率输入数据的气候和生态模型模拟工作的参考作用很有限(胡宁科和李新,2012;朱枫等,2012)。
LUCC研究的关键环节是数据平台的建立和完善,这需要以大量的土地利用/覆被变化数据为支持。近几十年来随着卫星、遥感以及计算机技术的快速发展,土地覆盖数据的获取手段由最初的土地调查、定位勘测、文献资料整理等升级到更精细和高效的遥感探测技术(华文剑等,2014),逐渐实现自动化、实时化。虽然可以通过多种手段获取大量数据,但这些数据在时空分辨率、覆盖范围、监测对象等方面有很大的差异(刘纪远等,2011;陈海山等,2015)。众多基于遥感的LUCC数据虽然经过严格的产品质量控制,依然存在植被类型分类误差(史泽鹏等,2012;Olofsson et al., 2013),各种数据之间也存在明显的不一致性(张景华等,2011;Congalton et al., 2014);以中国统计年鉴数据为代表的地面调查数据受到仪器误差、记录误差、调查方法等因素的影响,导致变化的空间位置难以确定,面积测量不准等问题(于兴修和杨桂山,2002),这增加了构建LUCC时空数据平台的难度。目前,多样化的观测手段得到迅速发展,很有必要对多种数据进行对比验证进而分析LUCC的特征,选取多元时空数据对比并进行综合分析是一个新的研究方向。
在当前众多的土地利用/覆盖类型中,森林、城镇用地和耕地是显著受到气候变化和人类活动影响的3种土地利用类型,其变化也是最显著的(Lambin and Geist, 2001;史培军等,2006)。各省级行政区之间由于自然要素(土壤、地形、气候变化等)、技术、经济发展尤其是政策制度等因素的不同(邵景安等,2007;杨梅等,2011),其土地利用/覆盖变化尤其是城镇化水平存在明显的空间差异(王志宝,2011),以省级行政区为单元分析LUCC的特征更有利于区域LUCC驱动力和驱动机制研究。本文选取易受气候变化和人类活动影响的这3种典型土地利用类型(森林、城市和农田),综合对比中国统计年鉴和MODIS两种数据,以行政区域为研究单元得出典型土地利用/覆盖变化的基本特征。
2 数据和方法 2.1 数据介绍MODIS(MODerate-resolution Imaging Spectro-radiometer)土地覆盖数据由美国国家航空航天局(NASA)发射的地球观测系统(EOS)环境遥感卫星Terra(AM-1)和Aqua(PM-1)的中分辨率成像光谱仪反演获得。本文所用MODIS土地覆盖类型按照国际地圈生物圈(IGBP)计划定义分为17类,其空间分辨率为500 m,时间长度为2001~2011共11年。下文中MODIS森林是指常绿针叶林、常绿阔叶林、落叶针叶林、落叶阔叶林和混合林5种森林类型的总和。城市面积是指城区和城市建成区覆盖的所有面积。农田指农田和农田/自然植被镶嵌体之和。
中国统计年鉴(简称年鉴)数据来自于国家统计局,包含了除台湾、香港和澳门外的31个地区(省、市、自治区)的数据。文中用到的各个统计量及其可用时间段如下:森林(2004~2014年)、城市(2008~2014年)、城市建成区(1997~2014年)、农作物播种面积(1997~2014年)、有效灌溉面积(1997~2014年)。为了便于与MODIS数据对比,研究时选取两者的重叠时间段。
年鉴中的森林是指郁闭度0.2以上的乔木林地面积和竹林面积,并包括灌木林地、农田林网及村旁、路旁、水旁、宅旁林木的覆盖面积。城市面积是指城市的城区和县城两部分之和。建成区指城市行政区内成片建设,市政公共设施基本具备的区域,一般是这个城市实际建设用地的范围。农作物播种面积是指不论种植在耕地上还是非耕地上的实际播种农作物的面积。有效灌溉面积指灌溉工程设施基本配套,有一定水源,土地较平整,一般年景可进行正常灌溉的耕地面积。
因MODIS数据和中国统计年鉴中各变量的名称和定义有差异,对应着3个典型类型的变量可分为3组:森林(年鉴森林、MODIS森林),城市(MODIS城市、年鉴城市、年鉴城市建成区)、农田(MODIS农田、年鉴农作物播种面积、年鉴有效灌溉面积)。全国各省(市、区)面积差异很大,因此用覆盖率定量比较各土地类型在不同行政区域的覆盖情况。
2.2 土地利用变化动态度土地利用动态度可反映区域土地利用类型变化的剧烈程度,定量描述区域土地利用变化的速度,对比较土地利用变化的区域差异和预测未来土地利用变化趋势具有指示意义,被广泛用于土地利用变化研究(如,王秀兰和包玉海,1999;朱会义等,2001;史利江等,2012)。单一土地利用类型动态度表示的是研究区一定时间范围内某种土地利用类型的数量变化情况,其表达式为(侍昊等,2012):
$ K = \frac{{{U_{\rm{b}}} - {U_{\rm{a}}}}}{{{U_{\rm{a}}}}} \times \frac{1}{T} \times 100{\rm{\%, }} $ | (1) |
其中,K为研究时段内某一土地利用类型动态度;Ua、Ub分别为研究期开始及研究结束时某一种土地利用类型的数量;T为研究时段长度,当T的时段设定为年时,K的值就是该研究区某种土地利用类型年变化率。
3 结果分析 3.1 MODIS数据和统计年鉴森林对比分析年鉴森林覆盖率从2004年开始统计,但2005~2010年全国各省(市、区)森林覆盖率均和2004年的完全相同,推断2005~2010年统计年鉴森林覆盖率可能是用2004年的数据代替补充,因此本文选取与MODIS时间段(2001~2011年)相对应的,可靠性较高的2004和2011两年的数据比较。图 1a、1b分别是2004年、2011年中国区域各省(市、区)年鉴和MODIS森林覆盖率的比较。两种数据森林覆盖率的数值和变化一致性较好,在2004年、2011年它们的相关系数分别高达0.93和0.92。两种来源不同的数据能一致地表示出中国各省(市、区)森林覆盖率,说明两种数据对中国森林覆盖率的定量描述有一定的可靠性。
由图 2a、2b可知年鉴和MODIS森林覆盖率空间分布具有很好的一致性,森林覆盖率较高的省(市、区)均位于东部地区,新增林地主要集中在黄土高原和南方丘陵区,这与前人用其它数据研究的结果基本一致(刘纪远等,2014)。从图 2c可以看出年鉴森林覆盖率在全国各省(市、区)均增加,而MODIS数据中北京、天津、吉林、黑龙江、上海、江苏的森林覆盖率降低,其它省(市、区)均增加。整体上看,MODIS和年鉴森林覆盖率变化一致性较好,但北京、海南、宁夏、内蒙古、江苏等省(市、区)年鉴森林覆盖增加量明显高于MODIS变化,尤其是北京市,MODIS森林覆盖率减少5.96%,年鉴森林覆盖却增加12.79%,其可能原因是文中采用的MODIS土地覆盖数据集MCD12Q1是合成的年数据,虽可在一定程度上抑制云等噪声的干扰,但在采集过程中易受到气溶胶、太阳高度角、水汽等随机性较强的因素的影响(左玉珊等,2014),会造成数据的年际波动较大;而北京地区的森林类型包括松柏林、刺槐林、杨树、阔叶林等(王光华,2012),而且大部分为山区林地(贾忠奎等,2006),其观测受到地形、地理位置的影响,容易与稀疏林地、郁闭灌丛混淆(高浩,2012),可能造成2004年偏大,2011年偏小,从而森林覆盖率减小。而实际情况中,为改善城市生态环境,促进绿色增长,北京地区开展植树造林工程,特别是2008年“绿色奥运”的规划中提出2007年前大规模增加投入,提高森林覆盖率,使得北京市森林覆盖率在2004~2013年为上升趋势(李波,2011;徐济德,2014),基于此,年鉴中北京地区的森林覆盖率变化更符合实际情况。而云南、福建、广东、湖北等却是MODIS森林覆盖增加量远高于年鉴,其中云南省两种数据差异最突出,年鉴森林覆盖率增加13.86%,而MODIS森林覆盖率增加量为26.31%,接近于年鉴增量的2倍。年鉴和MODIS森林覆盖率变化产生差异的原因是:森林覆盖率变化量是2004年、2011年两年数据之差,如果两个年份数据分别有差异,则差值的差异有可能扩大;而两种数据每个年份的差异来源于年鉴中野外工作量大,人为影响产生的调查误差,和MODIS数据中因同物异谱或同谱异物产生的误差。
MODIS数据中森林包括常绿针叶林、常绿阔叶林、落叶针叶林、落叶阔叶林和混合林共5种,它们相互之间具有相似生态功能和光谱信息。下面以中国森林覆盖率较高的北方内蒙古省和南方广东省为例,检验MODIS遥感监测是否会发生类别间的相互混淆,分析MODIS数据的类别精度。图 3a中显示,内蒙古地区总森林面积在2001~2011年间有较小的年际波动,相邻两年的增减幅度在1%~7%,以混合林、落叶针叶林和落叶阔叶林3种类型为主,而这3种主要类型的年际波动较大。以2009~2010年混合林和落叶针叶林的变化为例,发现混合林仅一年内增长面积为2.42×104 km2,增长率达37%,而恰好落叶针叶林减少量为2.22×104 km2,减少率高达74%。由森林生长的特殊性可知,人为或者自然灾害可能导致森林覆盖急剧减少,但是突然大量增加的可能性很小。而且从图中两个阴影区可以看出,3种主要类型之间存在着此消彼长的关系,可以判断MODIS数据在内蒙古地区的混合林、落叶针叶林和落叶阔叶林之间存在明显的植被类型分类误差。同理,图 3b中显示广东地区的常绿阔叶林和混合林类别间存在此消彼长的特征,应该是两个森林类别间发生了混淆。
综上,MODIS数据能准确地反映森林总体覆盖情况,由于类别精度不够,对于单种森林类型覆盖及变化存在较大误差。
3.2 MODIS数据和统计年鉴城市对比分析通过分析2001~2011年MODIS城市覆盖面积变化(图 4)得,即使城市化进程最快的北京、上海,其城市面积变化也仅为0.14%,而且大部分省(市、区)并没有明显变化,两年的面积几乎一样,因此,MODIS数据没有表征出中国区域近10年来经历的快速城市化发展过程。可能原因是城市面积相对较小,地面地物分布比较复杂;而且受空间分辨率的限制,在离散的不集中的区域MODIS数据的土地覆盖类型分类精度较低(左玉珊等,2014),使监测的面积变化较小,很容易监测不到新城市的扩张,年际变化不明显,故该数据并不能用于区域气候模式模拟城市化的气候效应研究。而年鉴数据中城市面积从2008年开始,它能部分反映出中国东部一些省(市、区)城市面积增加的特征,但在城市化不断深入的情况下,城区的面积应该是不断扩大的,广东、吉林和宁夏面积却出现缩小的情况,原因是这些省(市、区)的城市面积的统计指标在2008年、2011年两个年份有差异,在2008~2009年城市面积是市辖区面积的总和,即包括设市城市的城区和县城部分,之后城市面积不含县城,仅指设市城市城区的面积,统计范围变小。统计年鉴中城市面积数据时间段长度太短,并且指标有变动,因此不适用于分析21世纪以来中国各省(市、区)城市的变化情况。
鉴于MODIS和年鉴中的城市数据均不能合理地分析近十年来中国的城市变化情况,下面用年鉴中城市建成区覆盖率的变化表示城市化过程。城市建成区强调的是城市地域范围。图 5a、5b分别是1997~2011和2004~2011两个时间段内城市建成区覆盖率的空间分布和变化。两个图中显示中国东部尤其是沿海地区城市建成区覆盖率远高于西部地区,中国东部平均城市建成区覆盖率在1997年、2004年、2011年分别为12.6%、21.5%和28.5%,而西部地区在这3个年份则分别为1.3%、2.1%和3.5%。从变化程度上看,1997~2011年间东部城市建成区覆盖率的变化量平均为15.9%,西部地区变化量平均为2.2%,而在2004~2011年这个较短的时间段内,东部城市建成区覆盖率的变化量平均为7%,西部地区变化量平均为1.4%。在1997~2011时段内东部地区的变化与西部变化的差异比在2004~2011时段更明显,表明在较长时间内,中国东部地区的累积城市化进程远高于西部地区。图 5c是1997~2011和2004~2011两个时间段各省(市、区)的城市建成区覆盖率的变化量。1997~2011的变化量接近于2004~2011变化的两倍,并且两个时间段内都是上海最显著,其次为北京、天津、山东、江苏、浙江、广东等地区,这些都体现了黄淮海地区、东南部沿海地区城镇用地呈现明显的加速扩张势态。
由于人为活动的影响,农田具有强烈的季节性和均一植被类型的特性,因此它在MODIS土地覆盖产品中可靠性比较大。因2001~2011年的统计年鉴数据中,农田覆盖面积在部分相邻年份甚至连续几年没有变化,这不仅降低这些年份资料的可靠性,也会影响变化趋势的分析;为了便于将MODIS和年鉴中的变化统一对比,选取2001年、2011年两个可靠性高,并且能代表整个研究时段变化的年份比较分析。首先用MODIS数据分析近10年农田覆盖率的变化。由图 6a可知黄淮海地区农田覆盖率较高,其次为东北地区。2001~2011年各省(市、区)的变化增减不一,除陕西外,西部其它省(市、区)农田覆盖率均降低,而东部大部分省(市、区)增加,尤其是东南部地区,这与前人用其它数据或其它年份比较得出的研究结果(刘纪远等,2014;吴炳方等,2014)有差异,可能原因是农田受人类活动的影响比较大,用两年的数据不能代表十几年的连续变化情况,如果选择的年份不同,很可能得出不同的变化结果。东部北京、河北、辽宁的农田覆盖率减少量分别为9.7%、7.6%、7.4%。
根据年鉴数据分析农作物播种面积覆盖率变化(2011年相对于2001年)可得,31个省(市、区)中,15个省(市、区)农作物播种面积覆盖率增加,另外16个省(市、区)降低。覆盖率增加最多的3个省(区)为河南、黑龙江、宁夏,增加量分别为6.7%、6.2%、4.5%。而降低较多的4个省(市)是上海、浙江、北京、天津,其降低量分别为18.8%、10.5%、8.3%、6.7%。从空间分布上来说(图 6b),东部沿海一带的农作物播种面积均下降。
有效灌溉面积是反映我国农田水利建设的重要指标,而且灌溉通过改变土壤湿度影响气候,它很大程度上体现了人类活动对气候变化的作用强度。图 6c是2001~2011年年鉴有效灌溉面积覆盖率的空间分布及变化量。有效灌溉面积在黄淮海地区最大。2011年与2001年相比,有效灌溉面积覆盖率除了北京、上海、天津、江苏减少外,其他省(市、区)均增加。黑龙江增长最大为4.1%,其次为贵州、安徽、广东、吉林,分别为2.8%、2.3%、2.19%、2.16%。而减少的4个省(市)中上海降低了13.4%,
其次为北京6.95%,江苏和天津分别降低了0.79%、0.78%。这4个省(市)有效灌溉面积减少是由于整个省(市)耕地面积减少导致的,而其它省(市、区)有效灌溉面积的增加也显示了它们抗旱水平的提高。
图 7a、7b分别是2001年、2011年MODIS农田面积、年鉴农作物播种面积和有效灌溉面积3种数据的比较。从图中看出,两个年份中3种数据都有一定的相关性。在2001年,MODIS农田和年鉴农作物播种面积、有效灌溉面积的相关系数分别为0.79、0.77,在2011年,这两个相关系数分别为0.87和0.85。而年鉴农作物播种面积和有效灌溉面积的相关系数在2001年、2011年均高达0.91。
图 7c是2001~2011年3种农田数据在全国各省(市、区)的变化量比较。由于数据来源和指标定义的不同,3个数据仅在北京、贵州、黑龙江、湖北和宁夏等部分省(市、区)有较好的一致性,在其它省(市、区)差异较大。而年鉴农作物播种面积和有效灌溉面积的变化相关性较好,31个省(市、区)的相关系数达0.8。
3.4 3种典型土地利用变化动态度分析根据公式(1)计算出2004~2011年整个中国区域3种典型土地利用类型的年变化动态度(表 1)。结果表明,2004~2011年中国土地利用变化速率很快,其中以年鉴城市建成区的变化速率最大为6.25%;其次为森林,年变化率为3.67%(年鉴)、3.69%(MODIS);耕地由于总量大,土地利用变化部分所占的比例较小,其中MODIS农田是减少的,其动态度为−1.33%;年鉴农作物播种面积和有效灌溉面积均是增加的,他们的增加速率也较小,分别为0.81%、1.79%。这些结果忽略了土地利用变化的内在过程,只反映出土地利用数量上的变化速度。
中国各省(市、区)具体的土地利用类型年动态度结果见表 2。通过分析表 2中的数据,得出以下重要结果。年鉴森林覆盖中青海省增长最快,年动态度高达137.54%,其次为西部的宁夏、新疆,其动态度分别为49.61%、38.89%,这些地区的森林覆盖研究期初始值很小,因此相对变化较大,变化速率也较快。MODIS森林覆盖中西南地区的云南、贵州变化最大,动态度约为12%,其它省(市、区)份的变化相对较小。年鉴城市建成区动态度较大的是重庆(14.46%)、云南(12.53%)和福建(11.41%),而城市化率较高的北京、上海、天津等其增长速率并不是很快,原因是研究初期(2004年)这些地区城市建成区比例已经很高,研究时段内相对变化较小,变化速率也较慢。农田在各省(市、区)的基数均较大,其相对变化量也较小,MODIS农田中23个省(市、区)是减小的,以福建(6.22%)、西藏(6.0%)、北京(5.19%)减小得最快。年鉴农作物播种面积的动态度均在5%以下,其中甘肃(4.94%)、浙江(3.43%)、湖南(3.1%)年增长速率较快。随着各地灌溉设施的增多,全国27个省(市、区)有效灌溉面积增加,尤以黑龙江(11.93%)、贵州(9.4%)、西藏(7.38%)、广东(6.04%)增长得较快。
本文通过综合对比中国统计年鉴和MODIS遥感资料两种数据,以省(市、区)行政区为研究单元对中国区域受气候变化和人类活动影响较大的3种典型土地利用/覆盖类型(森林、城市和农田)的变化特征进行定量分析和比较。主要结论如下:
(1)2004~2011年年鉴和MODIS森林覆盖率在中国各省(市、区)分布和变化整体一致性较好,年鉴和MODIS数据都显示全国大部分省(市、区)份的森林覆盖率均有不同程度的增加,而仅有MODIS数据中的北京、天津、吉林、黑龙江、上海、江苏森林覆盖率降低。北京、海南、宁夏、内蒙古、江苏等省(市、区)年鉴森林覆盖增加量明显高于MODIS变化,而云南、福建、广东、湖北等的MODIS森林覆盖增加量远高于年鉴。MODIS数据能准确反映森林总体覆盖情况,由于类别精度不够,对单种森林类型覆盖及变化存在较大误差。
(2)年鉴表明中国东部城市建成区覆盖率及其增长均远高于西部地区,黄淮海地区、东南部沿海地区城镇用地呈现明显的加速扩张趋势,符合实际情况;但MODIS数据没有表征出中国区域近十年来经历的快速城市化发展过程,可能原因是城市面积较小,且地面地物分布复杂,受空间分辨率的限制,在离散的不集中的区域MODIS数据的土地覆盖类型分类精度较低,导致监测不到新城市的扩张。
(3)MODIS农田面积和年鉴农作物播种面积、有效灌溉面积覆盖率的数值和空间分布均有较好的一致性,都是黄淮海地区覆盖率最大。但在2001~2011年,3种数据变化量的差异较大,尤其是在东部部分省(市、区),MODIS农田面积和年鉴有效灌溉面积增加,而年鉴农作物播种面积减少。
(4)2004~2011年中国土地利用类型变化中年鉴城市建成区的变化速率最大,为6.25%;其次为森林,年变化率为3.67%(年鉴)、3.69%(MODIS);耕地由于总量大,变化部分所占的比例较小,因而MOIDS农田及年鉴农作物播种面积和有效灌溉面积的变化速率均较小。
目前的LUCC研究偏重以遥感、地理信息系统为依托,这些数据存在系统性或者实验性误差,缺少地面验证工作(Liu et al., 2005;Zeledon and Kelly, 2009),未来应该重视通过国土勘测、实地调查等传统方法获得的信息以及充分合理利用中国丰富的历史文献数据资料。下一步工作中,需要发展全新、高效的方法将数据融合,从而为准确刻画LUCC过程提供保障,同时将这些数据集作为下垫面数据,为后面的LUCC驱动力机制和模型模拟研究奠定基础。
[] | 陈海山, 李兴, 华文剑. 2015. 近20年中国土地利用变化影响区域气候的数值模拟[J]. 大气科学, 39(2): 357–369. Chen Haishan, Li Xing, Hua Wenjian. 2015. Numerical simulation of the impact of land use/land cover change over China on regional climates during the last 20 years[J]. Chinese Journal of Atmospheric Sciences, 39(2): 357–369. DOI:10.3878/j.issn.1006-9895.1404.14114 |
[] | Congalton R, Gu J Y, Yadav K, et al. 2014. Global land cover mapping:A review and uncertainty analysis[J]. Remote Sensing, 6(12): 12070–12093. DOI:10.3390/rs61212070 |
[] | Ding H Y, Shi W Z. 2013. Land-use/land-cover change and its influence on surface temperature:A case study in Beijing city[J]. International Journal of Remote Sensing, 34(15): 5503–5517. DOI:10.1080/01431161.2013.792966 |
[] | 董思言. 2012. 土地利用/覆盖变化对中国气候影响的模拟研究[D]. 中国科学院研究生院博士学位论文, 2-4. Dong Siyan. 2012. Modeling study of the land use/cover change's impact on regional climate in China[D]. Ph. D. dissertation (in Chinese), Graduate University of Chinese Academy of Sciences, 2-4. |
[] | Fan X G, Ma Z G, Yang Q, et al. 2015. Land use/land cover changes and regional climate over the Loess Plateau during 2001-2009. Part Ⅰ:Observational evidence[J]. Climatic Change, 129(3-4): 427–440. DOI:10.1007/s10584-014-1069-4 |
[] | 范泽孟, 李婧, 岳天祥. 2013. 黄土高原生态系统过渡带土地覆盖的时空变化分析[J]. 自然资源学报, 28(3): 426–436. Fan Zemeng, Li Jing, Yue Tianxiang. 2013. Spatial-temporal change of land-cover in ecosystem transitional zones on the loess plateau of China[J]. Journal of Natural Resources, 28(3): 426–436. DOI:10.11849/zrzyxb.2013.03.008 |
[] | Feddema J J, Oleson K W, Bonan G B, et al. 2005. The importance of land-cover change in simulating future climates[J]. Science, 310(5754): 1674–1678. DOI:10.1126/science.1118160 |
[] | Foley J A, DeFries R, Asner G P, et al. 2005. Global consequences of land use[J]. Science, 309(5734): 570–574. DOI:10.1126/science.1111772 |
[] | 高浩. 2012. 面向区域模式的土地覆盖空间数据校验[D]. 中国科学院研究生院博士学位论文, 64-66. Gao Hao. 2012. Validation and evaluation of the satellite-derived land cover products for regional climate modeling[D]. Ph. D. dissertation (in Chinese), Graduate University of Chinese Academy of Sciences, 64-66. |
[] | 高学杰, 张冬峰, 陈仲新, 等. 2007. 中国当代土地利用对区域气候影响的数值模拟[J]. 中国科学D辑:地球科学, 37(3): 397–404. Gao Xuejie, Zhang Dongfeng, Chen Zhongxin, et al. 2007. Modeled impacts of current land use in China on regional climate[J]. Science in China Series D:Earth Sciences, 37(3): 397–404. DOI:10.3321/j.issn:1006-9267.2007.03.013 |
[] | 何春阳, 史培军, 陈晋, 等. 2001. 北京地区土地利用/覆盖变化研究[J]. 地理研究, 20(6): 679–687. He Chunyang, Shi Peijun, Chen Jin, et al. 2001. A study on land use/cover change in Beijing area[J]. Geographical Research, 20(6): 679–687. DOI:10.3321/j.issn:1000-0585.2001.06.005 |
[] | 胡宁科, 李新. 2012. 历史时期土地利用变化研究方法综述[J]. 地球科学进展, 27(7): 758–768. DOI:10.11867/j.issn.1001-8166.2012.07.0758 |
[] | 华文剑, 陈海山, 李兴. 2014. 中国土地利用/覆盖变化及其气候效应的研究综述[J]. 地球科学进展, 29(9): 1025–1036. Hua Wenjian, Chen Haishan, Li Xing. 2014. Review of land use and land cover change in China and associated climatic effects[J]. Advances in Earth Science, 29(9): 1025–1036. DOI:10.11867/j.issn.1001-8166.2014.09.1025 |
[] | 贾忠奎, 马履一, 徐程扬, 等. 2006. 北京市森林资源动态及可持续经营对策[J]. 干旱区资源与环境, 20(3): 30–36. Jia Zhongkui, Ma Lvyi, Xu Chengyang, et al. 2006. Analysis on the dynamic changes of forest resources and sustainable development in Beijing[J]. Journal of Arid Land Resources and Environment, 20(3): 30–36. DOI:10.3969/j.issn.1003-7578.2006.03.007 |
[] | Lambin E F, Geist H. 2001. Global land use and land cover change:What have we learned so far[J]. Global Change News Letter, 46(6): 27–30. |
[] | 李波. 2011. 北京市城市林业发展制约因素研究[D]. 北京林业大学硕士学位论文, 28-29. Li Bo. 2011. Research on constraints of urban forest in Beijing[D]. M. S. thesis (in Chinese), Beijing Forestry University, 28-29. |
[] | 李巧萍, 丁一汇, 董文杰. 2006. 中国近代土地利用变化对区域气候影响的数值模拟[J]. 气象学报, 64(3): 257–270. Li Qiaoping, Ding Yihui, Dong Wenjie. 2006. A numerical simulation on impact of historical land-use changes on regional climate in China since 1700[J]. Acta Meteorologica Sinica, 64(3): 257–270. DOI:10.3321/j.issn:0577-6619.2006.03.001 |
[] | 刘纪远, 布和敖斯尔. 2000. 中国土地利用变化现代过程时空特征的研究——基于卫星遥感数据[J]. 第四纪研究, 20(3): 229–239. Liu Jiyuan, Buheaisier. 2000. Study on spatial-temporal feature of model land-use change in China:Using remote sensing techniques[J]. Quaternary Sciences, 20(3): 229–239. DOI:10.3321/j.issn:1001-7410.2000.03.003 |
[] | Liu J Y, Liu M L, Tian H Q, et al. 2005. Spatial and temporal patterns of China's cropland during 1990-2000:An analysis based on Landsat TM data[J]. Remote Sensing of Environment, 98(4): 442–456. DOI:10.1016/j.rse.2005.08.012 |
[] | 刘纪远, 邵全琴, 延晓冬, 等. 2011. 土地利用变化对全球气候影响的研究进展与方法初探[J]. 地球科学进展, 26(10): 1015–1022. Liu Jiyuan, Shao Quanqin, Yan Xiaodong, et al. 2011. An overview of the progress and research framework on the effects of land use change upon global climate[J]. Advances in Earth Science, 26(10): 1015–1022. DOI:10.11867/j.issn.1001-8166.2011.10.1015 |
[] | 刘纪远, 匡文慧, 张增祥, 等. 2014. 20世纪80年代末以来中国土地利用变化的基本特征与空间格局[J]. 地理学报, 69(1): 3–14. Liu Jiyuan, Kuang Wenhui, Zhang Zengxiang, et al. 2014. Spatiotemporal characteristics, patterns and causes of land use changes in China since the late 1980s[J]. Acta Geographica Sinica, 69(1): 3–14. DOI:10.11821/dlxb201401001 |
[] | Liu J Y, Kuang W H, Zhang Z X, et al. 2014. Spatiotemporal characteristics, patterns, and causes of land-use changes in China since the late 1980s[J]. Journal of Geographical Sciences, 24(2): 195–210. DOI:10.1007/s11442-014-1082-6 |
[] | 毛慧琴, 延晓冬, 熊喆. 2011. 土地利用变化对气候影响的研究进展[J]. 气候与环境研究, 16(4): 513–524. Mao Huiqin, Yan Yangbing, Xiong Zhe, et al. 2011. An overview of impacts of land use change on climate[J]. Climatic and Environmental Research, 16(4): 513–524. DOI:10.3878/j.issn.1006-9585.2011.04.12 |
[] | Olofsson P, Foody G M, Stehman S V, et al. 2013. Making better use of accuracy data in land change studies:Estimating accuracy and area and quantifying uncertainty using stratified estimation[J]. Remote Sensing of Environment, 129: 122–131. DOI:10.1016/j.rse.2012.10.031 |
[] | 邵景安, 李阳兵, 魏朝富, 等. 2007. 区域土地利用变化驱动力研究前景展望[J]. 地球科学进展, 22(8): 798–809. Shao Jing'an, Li Yangbing, Wei Chaofu, et al. 2007. The drivers of land use change at regional scale:Assessment and prospects[J]. Advances in Earth Science, 22(8): 798–809. DOI:10.3321/j.issn:1001-8166.2007.08.005 |
[] | 史利江, 王圣云, 姚晓军, 等. 2012. 1994-2006年上海市土地利用时空变化特征及驱动力分析[J]. 长江流域资源与环境, 21(12): 1468–1479. Shi Lijiang, Wang Shengyun, Yao Xiaojun, et al. 2012. Spatial and temporal variation characteristics of land use and its driving force in Shanghai City from 1994 to 2006[J]. Resources and Environment in the Yangtze Basin, 21(12): 1468–1479. |
[] | 史培军, 王静爱, 冯文利, 等. 2006. 中国土地利用/覆盖变化的生态环境安全响应与调控[J]. 地球科学进展, 21(2): 111–119. Shi Peijun, Wang Jing'ai, Feng Wenli, et al. 2006. Response of eco-environmental security to land use/cover changes and adjustment of land use policy and pattern in China[J]. Advances in Earth Science, 21(2): 111–119. DOI:10.3321/j.issn:1001-8166.2006.02.001 |
[] | 侍昊, 薛建辉, 马婉丽. 2012. 1991~2006年无锡市土地利用变化动态度及转换参数分析[J]. 南京林业大学学报(自然科学版), 36(6): 63–68. Shi Hao, Xue Jianhui, Ma Wanli. 2012. Analysis on dynamic degree and transition parameters of land-use type changes in Wuxi city, Jiangsu during 1991-2006[J]. Journal of Nanjing Forestry University (Natural Science Edition), 36(6): 63–68. |
[] | 史泽鹏, 马友华, 王玉佳, 等. 2012. 遥感影像土地利用/覆盖分类方法研究进展[J]. 中国农学通报, 28(12): 273–278. Shi Zepeng, Ma Youhua, Wang Yujia, et al. 2012. Review on the classification methods of land use/cover based on remote sensing image[J]. Chinese Agricultural Science Bulletin, 28(12): 273–278. DOI:10.3969/j.issn.1000-6850.2012.12.050 |
[] | 王光华. 2012. 北京森林植被固碳能力研究[D]. 北京林业大学博士学位论文, 21-25. Wang Guanghua. 2012. Carbon sequestration capability of forest vegetation in Beijing[J]. Ph. D. dissertation (in Chinese), Beijing Forestry University, 21-25. |
[] | 王思远, 刘纪远, 张增祥, 等. 2010. 中国土地利用时空特征分析[J]. 地理学报, 56(6): 631–639. Wang Siyuan, Liu Jiyuan, Zhang Zengxiang, et al. 2010. Analysis on spatial-temporal features of land use in China[J]. Acta Geographica Sinica, 56(6): 631–639. DOI:10.3321/j.issn:0375-5444.2001.06.001 |
[] | 王秀兰, 包玉海. 1999. 土地利用动态变化研究方法探讨[J]. 地理科学进展, 18(1): 81–87. Wang Xiulan, Bao Yuhai. 1999. Study on the methods of land use dynamic change research[J]. Progress in Geography, 18(1): 81–87. DOI:10.3969/j.issn.1007-6301.1999.01.012 |
[] | 王志宝. 2011. 中国人口城镇化的省级行政单元差异分析[J]. 城市发展研究, 18(1): 90–96. Wang Zhibao. 2011. Analysis on differences of provincial-level administrative units' population urbanization in China[J]. Urban Studies, 18(1): 90–96. DOI:10.3969/j.issn.1006-3862.2011.01.015 |
[] | 吴炳方, 苑全治, 颜长珍, 等. 2014. 21世纪前十年的中国土地覆盖变化[J]. 第四纪研究, 34(4): 723–731. Wu Bingfang, Yuan Quanzhi, Yan Changzhen, et al. 2014. Land cover changes of China from 2000 to 2010[J]. Quaternary Sciences, 34(4): 723–731. DOI:10.3969/j.issn.1001-7410.2014.04.04 |
[] | 信忠保, 许炯心, 郑伟. 2007. 气候变化和人类活动对黄土高原植被覆盖变化的影响[J]. 中国科学D辑:地球科学, 37(11): 1504–1514. Xin Zhongbao, Xu Jiongxin, Zheng Wei. 2007. Impacts of climate change and human activities on vegetation change in loess plateau[J]. Science China D:Earth Sciences, 37(11): 1504–1514. DOI:10.3321/j.issn:1006-9267.2007.11.009 |
[] | 徐济德. 2014. 我国第八次森林资源清查结果及分析[J]. 林业经济, 37(3): 6–8. |
[] | 杨梅, 张广录, 侯永平. 2011. 区域土地利用变化驱动力研究进展与展望[J]. 地理与地理信息科学, 27(1): 95–100. Yang Mei, Zhang Guanglu, Hou Yongping. 2011. Advances and prospects of the driving force of regional land use change researches[J]. Geography and Geo-Information Science, 27(1): 95–100. |
[] | 于兴修, 杨桂山. 2002. 中国土地利用/覆被变化研究的现状与问题[J]. 地理科学进展, 21(1): 51–57. Yu Xingxiu, Yang Guishan. 2002. The advances and problems of land use and land cover change research in China[J]. Progress in Geography, 21(1): 51–57. DOI:10.3969/j.issn.1007-6301.2002.01.007 |
[] | Zeledon E B, Kelly N M. 2009. Understanding large-scale deforestation in southern Jinotega, Nicaragua from 1978 to 1999 through the examination of changes in land use and land cover[J]. Journal of Environmental Management, 90(9): 2866–2872. DOI:10.1016/j.jenvman.2008.03.016 |
[] | 张景华, 封志明, 姜鲁光. 2011. 土地利用/土地覆被分类系统研究进展[J]. 资源科学, 33(6): 1195–1203. Zhang Jinghua, Feng Zhiming, Jiang Luguang. 2011. Progress on studies of land use/land cover classification systems[J]. Resources Science, 33(6): 1195–1203. |
[] | 张强, 王胜. 2008. 关于黄土高原陆面过程及其观测试验研究[J]. 地球科学进展, 23(2): 167–173. Zhang Qiang, Wang Sheng. 2008. On land surface processes and its experimental study in Chinese loess plateau[J]. Advances in Earth Science, 23(2): 167–173. DOI:10.3321/j.issn:1001-8166.2008.02.007 |
[] | 朱枫, 崔雪锋, 缪丽娟. 2012. 中国历史时期土地利用数据集的重建方法述评[J]. 地理科学进展, 31(12): 1563–1573. Zhu Feng, Cui Xuefeng, Miao Lijuan. 2012. China's spatially-explicit historical land-use data and its reconstruction methodology[J]. Progress in Geography, 31(12): 1563–1573. DOI:10.11820/dlkxjz.2012.12.001 |
[] | 朱会义, 李秀彬, 何书金, 等. 2001. 环渤海地区土地利用的时空变化分析[J]. 地理学报, 56(3): 253–260. Zhu Huiyi, Li Xiubin, He Shujin, et al. 2001. Spatio-temporal change of land use in Bohai rim[J]. Acta Geographica Sinica, 56(3): 253–260. DOI:10.3321/j.issn:0375-5444.2001.03.001 |
[] | 左玉珊, 王卫, 郝彦莉, 等. 2014. 基于MODIS影像的土地覆被分类研究——以京津冀地区为例[J]. 地理科学进展, 33(11): 1556–1565. Zuo Yushan, Wang Wei, Hao Yanli, et al. 2014. Land cover classification based on MODIS images:Taking the Beijing-Tianjin-Hebei region as an example[J]. Progress in Geography, 33(11): 1556–1565. DOI:10.11820/dlkxjz.2014.09.012 |