基于TM影像的森林地表温度遥感反演

选取海南三亚市的一个典型区域为研究对象,以Landsat TM影像数据进行林地地表温度遥感反演,分析不同森林类型的地表温度差异,以及地表温度与NDVI之间的关系。结果表明:研究区不同森林类型的地表温度有着显著差异;有林地平均地表温度比无林地低0.7℃;天然林平均地表温度比人工林低2.2℃,天然林在缓解城市热岛效应比人工林更具优势;人工林按优势树种平均地表温度由高到低的顺序为芒果龙眼槟榔橡胶桉树;地表温度和NDVI之间存在高度负相关,相关系数为-0.76。     

构筑长株潭现代林业的发展框架

长沙、株洲、湘潭位于湘中腹地,是湖南省政治、经济、文化中心。目前,长株潭经济一体化已成为省委、省政府的中心议题。长株潭现代林业规划,应围绕生态园林城市目标,依托湘江风光带,体现城区绿岛,郊区绿带,以长株潭3市中心(昭山)为圆心,建设3层生态功能圈。     

长沙-株洲-湘潭一体化中道路交通发展目标初探

在提出长株潭道路交通总体规划设想的前提下，分析长沙市路网，提出道路交通发展目标。     

长沙-株洲-湘潭-体化中道路交通发展目标初探

在提出长株潭道路交通总体规划设想的前提下,分析长沙市路网,提出道路交通发展目标.     

长株潭地区农林复合生态系统景观格局调控系统的研究

通过对长株潭地区农林复合生态系统景观格局调控支持系统功能需求进行分析,给出了基于数据仓库技术的决策支持系统设计方案,对设计过程中涉及的决策支持系统的体系结构、技术特点进行了研究,提出了一些新的实现方法,并对2030年长株潭地区的农林景观格局进行了调整,实现优化调控的目标．     

长沙株洲湘潭三市公众绿化意识调查研究

研究结果表明：(1)公众绿地意识的水平在总体上受社会经济发展水平、管理体制、环境保护工作状况、环境宣传教育工作状况等因素的影响;(2)在不同的职业群体中,受教育程度高的职业和企事业干部群体具有较高的绿地意识水平,受教育程度低的公众绿地意识水平较低,个人因素对绿地意识的影响表现出复杂性;(3)在对经济发展和绿地建设优先性的选择上,多数公众认为应优先考虑绿地建设;(4)大多数公众认为自身的参与对城市绿地建设起重要作用,城市的绿地建设正在向体现市民自身喜好的方向发展,同时他们自身也积极投入绿地建设活动中,但有部分公众认为绿地建设的好坏也依赖政府的努力。     

长株潭城市群核心区生态建设初探

针对长株潭城市群核心区生态建设的现状及存在的问题,根据“环境友好型和资源节约型”社会综合配套改革试验区建设总要求,提出系列改革发展措施,以保证长株潭城市群生态建设目标顺利实现。     

森林碳固定能力计算方法及长株潭区域碳年固定量估算

根据森林生态系统碳(CO2)平衡原理方程式[Fc=Nc(植物年净C)+Dc(凋落物C)+Mc(微生物C)+Ec(土壤动物及其它有机物C)-Rs(土壤放出C)],建立了森林生态系统碳(CO2)年固定量计算式:Fc=∑m∑nBEFcij·Xcij·11λi·Mkij·113-0.6Rij·Sij式中:Xcij———森林植物年净生产量;3+113Dcij+∑Hk=1j=1i=1Dcij———凋落物碳(CO2)固定量;Mkij———微生物自身碳素量;Rij———土壤呼吸放出CO2量;Sij———面积;i———森林类型序号;j———地域或土类序号。求算出长株潭地区森林生态系统年CO2固定量为3945.3×104t,是长株潭三市2000年工业燃料燃烧排放CO2总量的2.38倍。森林生态系统碳(CO2)固定能力,变幅在6.784～54.163t/(hm2·a-1)之间,大小排序为毛竹林>国外松林>阔叶林>四旁林>柏木林>马尾松林>杉木林>灌丛疏林>经济林。     

基于Landsat TM遥感数据的山核桃产量预测——以浙江临安市为例

以浙江省临安市的山核桃为研究对象,基于2008—2011年连续4年的样地实测产量为基础,利用每年4个生长时期的Landsat TM遥感数据,系统地分析比较每个生长时期的植被指数与产量的关系。研究结果表明:NDVI在各个生长期均与产量的相关性最高;SAVI与产量的相关性居中,DVI最低。以每个时期的NDVI为因子,建立不同时期山核桃产量的预估模型。各时期模型的预估效果为果实膨大期花芽分化及授粉期采摘至落叶期休眠期。以不同时期的NDVI为因子,利用逐步回归,建立多因子的山核桃产量的预估模型。最优预估模型为y=126.51_(x_2)+26.61_(x_1)+12.56_(x_3)-67.42(R~2=0.642,SEE=12.17),为山核桃产量的预测提供可行,快速,有效的方法。     

基于Landsat TM数据的高山松林生物量研究

以香格里拉地区高山松林为对象,对香格里拉地区高山松林生物量进行了研究。生物量模型以香格里拉地区2009年Landsat-5TM遥感图像数据和2011年野外调查获得的45个样地调查数据为基础,利用遥感数据提取各波段灰度值、植被指数和地学数据共14个因子作为自变量,分别运用逐步回归分析方法和主成分分析方法提取的的主成分建立了以样地实测生物量为因变量的生物量估算的回归模型。两个模型经方差分析及相关性检验,均达到显著相关水平,相关系数R分别为0.519和0.581,可用于高山松林生物量的估测,但是估测精度都较低。其中利用主成分分析建立的模型精度高于利用逐步回归分析法建立的生物量模型。