北京山区森林叶面积指数季相变化遥感监测

森林叶面积指数(LAI)遥感反演,对于区域环境生态监测具有重要意义。该文以北京市西北山区鹫峰国家森林公园为研究区,获取多时相Landsat5 TM数据,并利用半球形照相机(Hemispherical Photography)同步获取森林LAI。使用3种植被指数(归一化植被指数NDVI、增强植被指数EVI和三梯度差植被指数TGDVI),分别建立单个观测时期及整个时期的LAI反演模型,通过相关性分析筛选出最佳模型。研究表明利用整个时期的LAI建立的模型精度较高,其中最好的是基于NDVI的LAI指数模型。利用该模型反演森林LAI,生成基于时间序列的北京山区森林LAI分布图。该研究进一步分析了阔叶林、针叶林和混交林3种情况,结果表明,与不分植被类型的LAI反演模型精度比较,阔叶林和混交林有所提高,而针叶林稍微下降,但模型精度均达到显著水平。     

岷江上游典型流域叶面积指数的遥感模型及反演

叶面积指数是植被定量遥感的重要参数,区域的时序列叶面积指数揭示了区域生态的演化过程,反演方法上主要是通过植被指数建立相关模型实现的,对于不同地区或不同气候带而言,模型的通用性以及各种植被指数在模型中的灵敏度都需做进一步探讨。以岷江上游典型流域毛儿盖地区为研究区,综合利用Aster和ETM遥感数据、地面实测数据和常规观测数据等资料,研究了植被指数与叶面积指数之间的相关性,以遥感图像中单个像元作为测算单位,对岷江上游毛儿盖地区叶面积指数进行了反演。利用研究区实测数据、生态环境本底遥感调查数据和水文气象数据,对上述模型反演结果进行验证和精度分析。结果表明,归一化植被指数NDVI在反演叶面积指数模型中具有较高的灵敏度,能较真实地反映研究区叶面积指数实际状况。     

基于HJ-1A/BCCD数据的玉米倒伏识别方法

为快速获取大面积玉米倒伏灾情信息,以2012年台风"布拉万"过境导致大面积玉米倒伏的公主岭市为研究区,利用HJ-1A/BCCD数据,对受灾前后倒伏玉米和正常玉米之间的光谱差异进行分析,提取归一化植被指数(NDVI)、比值植被指数(RVI)、增强植被指数(EVI)、差值植被指数(DVI)及4波段光谱反射率主成分,结合地面调查构建基于二元Logistic回归的玉米倒伏识别模型,并进行精度评价和验证。结果表明:玉米倒伏后冠层光谱反射率在可见光-近红外波段均表现为增大,但植被指数减小;二元Logistic回归方法对玉米倒伏识别适用,所建模型中以4波段光谱反射率主成分构建的二元Logistic回归模型对玉米倒伏的识别效果最优,测试集上分类结果的准确率达到96.23%,NDVI和RVI模型次之,准确率为80%左右;将主成分模型应用于公主岭市倒伏玉米识别,结果与灾情实际情况基本一致。基于二元Logistic回归模型对玉米倒伏进行监测的思路和方法可为区域尺度玉米倒伏的多光谱遥感监测提供参考。     

考虑地表粗糙度改进水云模型反演西班牙农田地表土壤含水率

土壤含水率是农业、环境、气象等领域进行建模的重要参数。该研究将微波遥感与光学遥感相结合,利用Sentinel-1数据交叉极化比及变换土壤调节植被指数对地表粗糙度进行估计,构建了一种改进的水云模型(modifiedwatercloud model, MWCM)。分析将NDVI、NDWI和NDWI1725,2200等植被指数作为植被冠层含水率时,水云模型(water cloud model,WCM)及MWCM农田地表土壤含水率的反演精度。结果表明:从总体精度上来看,MWCM的反演精度优于WCM。在不同植被覆盖度情况下:当植被覆盖度为中、低程度(NDVI0.5),MWCM具有较高的反演精度;在较高的植被覆盖度情况下(NDVI≥0.5),WCM与MWCM的反演精度较为接近。MWCM可有效的建立微波后向散射系数与地表土壤水分的关系,提高土壤含水率反演精度,为各种地表覆盖类型的土壤含水率反演提供研究思路及理论支持。     

植被指数估算香格里拉地区植被覆盖度的精度对比分析

利用MOD13Q1数据构建多种植被指数,结合像元二分模型对香格里拉县植被覆盖度进行遥感估算,并通过实测数据和TM影像数据相结合,对估算结果进行精度验证。结果表明:（1）构建的4种植被指数NDVI,EVI,RVI,MSAVI均与研究区实际地表植被覆盖度具有较高的相关性,表明使用遥感方法对香格里拉县进行植被覆盖度的估算是可行的;（2）通过与TM影像进行对比分析,4种植被指数中,利用MSAVI估算的植被覆盖度更接近于香格里拉县的实际情况。     

无人机影像反演玉米冠层LAI和叶绿素含量的参数确定

小型低空无人机（unmanned aerial vehicle, UAV）机动灵活、操作简便，可以按需获取高空间分辨率影像，是育种玉米长势监测的一种重要技术手段。针对UAV影像反演玉米冠层叶面积指数（LAI, Leaf Area Index）和叶绿素含量的参数确定问题，该研究以DJI S1000+无人机为平台，搭载法国Parrot Sequoia相机，获取海南三亚市崖城玉米育种基地的多光谱影像。基于预处理后的UAV影像，采用重采样的方式获得不同分辨率下（0.1～1 m）的不同植被指数，所构建的植被指数包括归一化植被指数（normalized difference vegetation index，NDVI）、叶绿素指数（grassland chlorophyll index，GCI）、比值植被指数（ratio vegetation index，RVI）、归一化红边红指数（normalized difference rededge-red index，NDIrer）、归一化红边绿指数(normalized difference rededge-green index，NDIreg)和重归一化植被指数(renormalized difference vegetation index，RDVI)，通过将不同分辨率下的不同植被指数与地面实测数据进行回归分析，以获得各分辨率下植被指数与冠层LAI和叶绿素含量的关系模型及其决定系数，以决定系数的大小为依据来确定玉米冠层LAI和叶绿素含量反演的最优空间分辨率和最优植被指数。通过试验发现，在分辨率为0.6 m时，NDVI与地面实测LAI之间的决定系数R2为0.80，决定系数达到了最大，利用该分辨率下的NDVI反演得到的LAI验证精度R2达到了0.73；在分辨率为0.1 m时，NDIreg与地面实测叶绿素含量之间的决定系数R2为0.70，决定系数达到了最大，利用该分辨率下的NDIreg反演得到的叶绿素含量验证精度R2达到了0.63。因此得出结论：1）植被指数的选择：① 对于玉米冠层LAI的反演来说，不包含绿波段的植被指数的LAI反演精度较高，这说明绿波段对LAI的变化不敏感；② 对于玉米冠层叶绿素含量反演来说，包含红边波段的植被指数的反演精度较高，因此影像的红边波段对叶绿素含量的变化非常敏感。2）UAV影像空间分辨率的选择：反演LAI的最优分辨率是0.6 m，此时NDVI与实测LAI的决定系数达到最大；反演冠层叶绿素含量的最优分辨率是0.1～0.3 m范围内，此时NDIreg与实测叶绿素含量的决定系数达到最大。该研究可为UAV反演玉米表型参数时的分辨率和植被指数选择提供参考。     

小波分析与支持向量机结合的冬小麦白粉病遥感监测

为利用遥感影像数据在区域尺度上实现快速、准确地监测小麦白粉病的发生、发展情况,该研究基于环境与灾害监测预报小卫星(HJ-1A/1B)数据对地表温度(land surface temperature,LST)进行反演、提取4个波段反射率数据并构建7个植被指数。耦合K-mean和Relief算法对小麦白粉病遥感特征进行筛选。通过支持向量机(support vector machine,SVM)与小波特征(Gabor)结合SVM(Gabor SVM)的方法分别建立河北省晋州市小麦白粉病发生监测模型,并对2种模型的监测精度进行对比。结果表明:归一化植被指数(normalized difference vegetation index,NDVI)、比值植被指数(simple ratio index,SR)和地表温度3种特征参量可较好地表征小麦白粉病的发生情况,Gabor SVM的总体精度达到86.7%,优于SVM的80%。因此,小波分析与支持向量机结合的方法可用于基于卫星遥感影像的大面积病害监测,对提高病害监测精度具有重要应用价值。     

基于MODIS数据的松嫩草原产草量遥感估算模型与空间反演

根据NASA/MODIS遥感数据获得NDVI、RVI、MSAVI和EVI 4种植被指数,结合草原产草量地面实测数据,利用统计分析方法建立松嫩草原产草量遥感估算模型,并进行产草量空间反演和验证,为该区草原产草量合理估算和草原资源管理提供科学依据。相关分析结果表明,前期和同期的4种植被指数均与草原产草量显著相关,其中NDVI相关性最高,EVI相关性最低;松嫩草原产草量最优模拟模型为基于NDVI的S曲线模型,模拟精度达78%。利用该模型反演得到2009年松嫩草原平均鲜草单产为5 717 kg/hm2,折合干草单产1 687 kg/hm2,鲜草总产量为1 885万t,干草总产量为589万t。其中,黑龙江省部分的鲜草总产量为1 356万t,折合干草424万t;吉林省部分的鲜草和干草总产量分别为531万t和166万t。利用植被指数预报未来16 d草原产草量效果较好,其中基于NDVI的幂指数模型预报精度为74%。研究表明,基于植被指数进行松嫩草原产草量研究是可行的。     

夏玉米冠层光合有效辐射垂直分布模型

吸收光合有效辐射分量（FPAR）是研究植被群体光合作用和光能利用的重要参数,弄清冠层内FPAR的垂直分布规律及其与冠层结构等参数之间的定量关系,可以为遥感定量反演冠层FPAR提供模型基础。该文基于平均冠层的辐射传输过程,结合冠层结构建立玉米冠层内FPAR垂直分布计算模型,并就模型的参数如植被组分光学特性、株型、太阳高度角以及天空散射光比例等对FPAR垂直分布结果的影响进行了分析。利用实测结构参数模拟了玉米冠层内FPAR,并与SUNSCAN测量值进行了比较,结果表明模型对封垄后的玉米冠层内FPAR垂直分布的模拟精度较高,RMSE均小于0.18,并能较好地计算封垄前冠层内FPAR的垂直分布趋势。     

利用HJ-1B遥感数据反演西北地区近地表气温

近地表气温是一个重要的气候参数,为了给农业研究提供空间上连续的气温信息,以西北地区为研究区,利用HJ-1B数据运用温度-植被指数方法（temperature-vegetation index, TVX）反演近地表气温。首先采用修正普适性单通道算法反演地表温度,并利用同一地区的MODIS温度产品进行了对比验证,然后利用2010年7月20日、2010年8月28日、2011年8月8日3景影像结合研究区气象站点观测的气温资料推算饱和NDVI值,最后将推算结果应用到2011年8月28日影像,利用气象站点观测资料对TVX方法反演的气温进行了精度验证。结果表明,反演地表温度与 MODIS 温度产品空间分布趋势基本一致,符合研究区的地表覆盖状况;反演气温与反演地表温度空间分布格局具有较好的一致性,可以提供比气象站点观测数据更理想的空间异质性信息;反演气温值比观测值偏高,二者平均绝对误差MAE为2.16 K,均方根误差RMSE为2.72 K。为快速有效获取大范围的气温时空信息提供了一种新思路,对科学指导农业生产、合理利用农业资源具有一定的可参考性。     

基于GF-1与Landsat8 OLI影像的作物种植结构与产量分析

作物种植结构监测和估产是精准农业遥感的重点领域,其研究对于指导作物种植结构和制定农业政策具有重要意义。该文以黑龙江省北安市为研究区,以2015年的Landsat8 OLI和多时相GF-1为遥感数据源,基于物候信息和光谱特征确定的农作物识别关键时期和特征参数,构建面向对象的决策树分类模型,开展作物种植结构监测研究;综合植被光谱指数和地面采样数据,采用逐步回归方法建立产量遥感估算模型。结果表明:多源与多时相的遥感数据可以反映不同农作物的季相特征,应用本文所构建的决策树分类模型,作物分类效果较好,总体精度达87.54%,Kappa系数为0.8115;2015年,北安市的主要作物类型为大豆、玉米、水稻和小麦,面积分别为2204、1955、122和19 km~2,其中大豆的种植面积最大,占作物种植面积的51.24%。基于NDVI、EVI和GNDVI构建的多元回归模型为北安市大豆和玉米产量估算最优模型(R~2=0.823 7,均方根误差135.45 g/m~2,精度80.55%);北安市玉米高产区集中分布在西部,大豆的高产区主要分布在东部;2015年北安市玉米和大豆的单产分别为8 659、2 846 kg/hm~2,总产量分别为16.93×10~8、6.27×10~8 kg。利用作物关键物候期的多源多时相遥感数据能够精确高效地提取作物种植结构,构建的产量估算多元回归模型,为精准农业科学发展提供参考。     

基于改进最大值法合成NDVI的夏玉米物候期遥感监测

利用遥感技术监测农作物物候期,能够及时有效地评估作物生长趋势、提高农情信息化管理水平。本研究利用2016年MODIS 8天合成数据,提出改进的最大值合成法,结合S-G滤波和Logistic函数拟合重构夏玉米生长曲线,最后利用曲率法提取夏玉米的拔节期和成熟期,利用动态阈值法提取夏玉米的出苗期和抽雄期。结果表明:采用本文提取的夏玉米物候期与实测物候期相比,平均误差为2.76 d,其中在抽雄期的绝对误差为1.06 d,运用改进的最大值合成提取作物NDVI时序数据可有效去除连续云雾对植被指数的影响,提高监测作物物候期的准确性,为精准农业提供技术支撑。     

江苏省植被覆盖动态变化及其与气候因子的关系

[目的]研究2000—2013年江苏省植被覆盖状况的时空分布特征,并从年际和季节尺度上分析植被覆盖的空间变化特征以及NDVI与气温、降水量的相关关系和滞后性,以期为区域生态环境监测、生态环境保护和植被可持续发展提供参考。[方法]运用美国国家航空航天局(NASA)发布的2000—2013年MODIS 13Q1级产品(归一化植被指数)和江苏省1999—2013年各气象站点气象资料,采用最大值合成法、趋势线分析法、Person相关分析法和偏相关分析法。[结果](1)14a来,江苏省植被NDVI整体上呈下降趋势,且在时间和空间尺度上有所差异;(2)由于气温、降水量、厄尔尼诺和拉尼娜等事件的影响,NDVI在年际和季节间呈波动性变化;(3)NDVI对降水变化响应的滞后期为1个月,NDVI基本同步于相应气温的变化,仅夏季滞后期为1月。[结论]从时间尺度上看,年际、秋季,NDVI呈下降趋势,而春夏季,NDVI呈上升趋势;从空间尺度上看,江苏省西部的植被覆盖程度明显优于东部沿海和长江中下游平原。NDVI在年际和季节尺度上与气候因子的相关性显著,且与气温的相关性最好。     

基于无人机图像纹理和表型参数的夏玉米水分胁迫诊断

农田水分胁迫是影响作物生长发育和产量品质的重要原因。及时准确地诊断作物水分胁迫状况,对于实现精准灌溉、提高作物抗逆性和产量等具有重要意义。为优化夏玉米水分胁迫诊断方法和提高诊断精度,该研究以夏玉米为对象,利用无人机搭载六通道多光谱传感器获取2022年夏玉米拔节期和抽雄期的遥感影像数据,且同步采集夏玉米气孔导度和表型参数数据,监督分类剔除冗余背景后使用灰度共生矩阵计算得到冠层植被指数和图像纹理信息,通过贝叶斯信息准则和全子集筛选法筛选出敏感的植被指数、图像纹理和表型参数及其组合,结合极限学习机、随机森林和反向传播神经网络3种机器学习方法构建夏玉米气孔导度预估模型,并基于最优气孔导度预估模型绘制夏玉米水分胁迫状况反演图。结果表明,多光谱图像的夏玉米冠层反射率与气孔导度呈弱负相关,植被指数和表型参数与气孔导度呈极显著正相关,不同波段的图像纹理均与气孔导度有较高的相关性,其中550 nm波段最佳。植被指数用于评估植被整体健康和水分状况,图像纹理用于捕捉作物空间分布、纹理和结构特征,表型参数用于立体反映作物生理和形态信息,它们在诊断作物水分胁迫的机理上具有互补性。基于植被指数、图像纹理和表型参数构建的反向传播神经网络模型是夏玉米水分胁迫诊断的最佳模型（决定系数为0.841,均方根误差为0.043 mol/(m²·s),平均绝对误差为0.034 mol/(m²·s) ）,并显著改善了对气孔导度较低值的低估情况。绘制的夏玉米水分胁迫状况反演图呈现出广泛的应用潜力,能够便捷准确地诊断作物水分胁迫状况,以优化灌溉策略,调整资源分配。研究结果可为夏玉米的水分胁迫诊断提供一种可行而准确的方法。     

华北平原夏玉米潜在产量时空演变及其对气候变化的响应

华北平原是我国的粮食主产区,为探讨气候变化可能对该地区粮食产量产生的影响,本文以中国科学院青藏高原研究所的中国区域地面气象要素数据集为基础,对作物生长模型WOFOST(WOrld FOod STudy)进行面域化,模拟华北平原1979—2015年夏玉米的生长情况;利用一元线性回归、经验正交分解(EOF)分析了华北平原夏玉米潜在产量的时空变化,利用逐个栅格相关性分析、奇异值分解(SVD)分析了华北平原不同区域夏玉米潜在产量与全生育期、吐丝前和吐丝后平均温度及日均太阳总辐射的相关性。结果表明,研究区夏玉米潜在产量大致呈现从南向北逐渐升高的特点,大部分地区夏玉米潜在产量为7 000~9 000 kg?hm~(-2);研究区西北部夏玉米潜在产量波动较大,波动较小的地区在北京南部、天津以及河北中部一带,标准差在500 kg?hm~(-2)以下;研究区西北部及河北唐山北部以及山东半岛东部夏玉米潜在产量呈上升趋势,这些地区的夏玉米潜在产量上升幅度大部分在200~600 kg?hm~(-2)?(10a)~(-1);研究区的其余大部分地区夏玉米潜在产量呈下降趋势,其中河北中南部、天津、鲁西北以及皖北的部分区域下降较明显,变化幅度在-250 kg?hm~(-2)?(10a)~(-1)左右。河北西部和东北部、北京西北部以及山东中部和东部等地区的夏玉米潜在产量与气温具有较显著的相关关系,相关系数在0.9以上,这些地区的夏玉米潜在产量在过去37年呈上升趋势,表明这些地区夏玉米潜在产量的增加可能是由气温上升导致的。北京东部和南部、天津、河北中南部及秦皇岛唐山南部、山东、河南东部、皖北和苏北等地区的夏玉米潜在产量与太阳总辐射具有较好的相关关系,相关系数在0.8左右,其中,吐丝后通过显著性检验的区域较吐丝前大,相关系数也较吐丝前大,该区域大部分地区夏玉米潜在产量呈下降趋势,可能是由该区域太阳总辐射下降导致的,且总辐射的下降主要对夏玉米的生殖生长阶段构成影响。总的来说,研究区夏玉米潜在产量上升的区域与温度的上升有关,温度的变化是这些地区夏玉米潜在产量变化的主导因子;研究区夏玉米潜在产量下降的区域与太阳总辐射的下降有关,太阳总辐射的变化是这些地区夏玉米潜在产量变化的主导因子。因此,气候变化背景下针对华北平原不同地区制定不同的合理应对措施显得尤为重要。     

2001-2013年宝鸡地区植被NDVI对气温和降水量的季节响应特征

[目的]研究2001-2013年陕西省宝鸡地区植被变化与气温和降水量的时空变化特征及其相关性,为区域农业发展和区域生态文明建设提供有力支撑.[方法]基于2001-2013年宝鸡地区气温和降水量数据,利用MODIS NDVI数据和11个气象站点实测数据,结合实际调查,采用一元线性回归、标准化处理、相关分析等方法,基于季尺度、参照年尺度分析宝鸡地区植被覆盖季节时空变化及其与气温和降水量的相关性.[结果]夏季植被NDVI增加趋势最为明显,其次为秋季,冬季植被覆盖最差;宝鸡地区四季标准化值NDVI与气温、降水量的变化趋势相接近,其最大值点的出现时间与气温和降水量基本对应.同一季节NDVI与气温的相关系数均高于NDVI与相应季节降水量的相关系数(除夏季);春季NDVI与冬季气温(-0.592)、夏季NDVI与春季降水量(0.640)之间显著相关,表明近13 a来春季植被覆盖变化与冬季气温、夏季植被覆盖与春季降水量的变化较为一致,NDVI与降水之间的滞后关系为0～3个月.[结论]2001-2013年宝鸡地区年均、季NDVI整体均呈增加趋势,8月植被覆盖变化与降水量的变化较为一致,降水量较气温对8月植被生长影响强烈.     

全国农作物叶面积指数遥感估算方法

目前对农作物叶面积指数LAI的遥感估算研究多是针对单一作物或是作物种植结构单一的区域,该文运用大尺度农作物叶面积指数的遥感估算方法,在像元尺度上对4个代表性实验站的LAI与归一化植被指数(NDVI)的相互关系进行了回归分析后,得到4种代表性作物种植结构的LAI估算模型,然后结合全国农作物种植结构数据对模型外推,建立了一个全国尺度的遥感模型,并估算了全国作物LAI。该文使用“863”项目山东遥感应用综合试验中的作物LAI观测数据进行了验证,结果表明该模型较其它估算模型达到了较高的精度,最大相对误差为39%,平均的相对误差为19%。该模型的计算结果已经在“中国农情遥感速报”系统中得到了广泛的应用。     

利用无人机多光谱数据监测玉米对不同灌溉模式的响应差异

[目的]作物水分状况的实时监测对于节水灌溉、缓解我国水资源紧缺具有重要意义.本研究旨在探寻利用无人机多光谱影像数据实时监测玉米干旱胁迫状况的可行性,比较无人机数据和田间实测农学指标对作物干旱胁迫的敏感程度.[方法]大田试验在河北吴桥进行,采用两个玉米品种'富民985'和'郑单958',设置畦灌、滴灌和雨养3种模式.分别...     

1999—2018年河南省植被覆盖时空演变分析

为了研究河南省植被覆盖的时空演变特征,利用slope趋势分析、典型地市分析、典型年份和月份分析、土地利用类型改变对植被覆盖的影响分析等方法,分析了1999—2018年河南省植被覆盖时空演变特征。结果表明:(1)河南省西部和南部植被覆盖改善十分明显,河南省北部和东部有轻微改善,而河南省中部植被覆盖有所退化;(2)河南省NDVI分布具有较强的空间差异性,从南北向来看,NDVI均值中部最低,南部最高,北部次之。从东西向来看,NDVI均值中部最低,东部最高,西部次之。河南省NDVI平均值在空间上呈现两头高中间低的趋势;(3)河南省月尺度的NDVI呈现出明显的季节性,最高值出现在夏季8月,最低值出现在冬季1月。(4)居民用地的增加影响着河南省的植被覆盖状况,并且呈负影响;(5)河南省自从实施“退耕还林”政策后,耕地明显减少、林地增多。由此可以得出,1999—2018年河南省总体植被覆盖率改善,NDVI值增加。     

安徽省植被覆盖度动态变化及其对地形的响应

[目的] 探究安徽省植被覆盖度的时空变化特征与地形的相互关系，为当地资源开发中加强生态环境建设提供理论依据。[方法] 在GIS与RS技术支持下，使用安徽省2001—2019年逐月MODIS/NDVI数据，2001—2019年土地分类数据和安徽省DEM海拔、坡向地形数据，分析植被覆盖度时空变化特征及其与地形因子相互关系。[结果] 安徽省植被覆盖度季节变化特征明显。1月、10—12月，全省植被覆盖度呈现低值，且山区高于平原；2—5月，淮北平原地区植被覆盖度呈现高值，6月迅速减小；7—9月全省范围植被覆盖呈现高值，大部地区植被覆盖度高于0.8，山区平原空间差异最小。全省植被覆盖度年变化率为0.003 9/a，与时间相关性显著（R²=0.814 8）。不同海拔区间内，植被覆盖度四季差异明显。受下垫面地表类型影响，200 m以下植被覆盖度呈现低值，200～350 m植被覆盖度陡然升高，1 250 m以上植被覆盖度呈下降趋势。各坡向四季植被覆盖度夏季>秋季>春季>冬季。北坡、南坡分别为峰值、谷值。南、北向山区植被覆盖度差异呈逐年波动下降趋势，其差异值多年平均值夏季最低（0.009 3），秋季最高（0.014 2），春冬季分别为0.013 9，0.012 5。[结论] 安徽省海拔、坡向显著影响植被覆盖度动态变化特征，需结合地形特点合理开发利用地表资源，并做好生态环境保护工作。