官冬杰,瞿思佳,楊姍姍,和秀娟
(1.重慶交通大學(xué) 建筑與城市規(guī)劃學(xué)院,重慶 400074;2.北京師范大學(xué) 減災(zāi)與應(yīng)急管理研究院,北京 100875)
近年來,濕地生態(tài)環(huán)境問題凸現(xiàn),水庫的大規(guī)模修建,往往會帶來生物多樣性變化迅速、旅游產(chǎn)業(yè)資源極端惡化和水土流失災(zāi)害加劇等嚴(yán)重威脅著庫區(qū)的生態(tài)安全和生態(tài)景觀的問題,其中,消落帶的生態(tài)環(huán)境問題就是由于水庫水位漲落的影響而出現(xiàn)的。
河岸帶的概念最早出現(xiàn)在1960年,R.R.LOWRANCE[1]認(rèn)為河岸生態(tài)系統(tǒng)是一種具有鮮明特色的濕地類型,往往形成農(nóng)業(yè)帶和河流之間的緩沖區(qū),有助于減少非點源污染,河岸帶可以為水文分析與污染影響分析提供一項重要系統(tǒng)指標(biāo);S. V. GREGORY等[2]通過研究,開始指出河岸帶歸屬于一種生態(tài)系統(tǒng);國內(nèi)最早提出水位漲落帶的研究學(xué)者是劉宗群[3],他將水位漲落帶劃定為由于庫水位的變化,地下水位劇烈升降影響的區(qū)域,并按水文特征分為地下水漲落帶和庫水漲落帶,其中庫水漲落帶就是目前通用的“消落帶”。研究消落帶環(huán)境對更精確的水體范圍提取方法要求更高,目前水體信息提取的方法很多,如許靜等[4]選取Landsat ETM+為數(shù)據(jù)源,詳細(xì)分析了水體與背景地物的波譜特征差異。但是,綜合國內(nèi)外研究現(xiàn)狀,由于技術(shù)的限制,研究通常選擇集中平原、沙漠、城市等較為開闊平坦、地物類型相對較少、土地覆被相對單一以及易于分辨的區(qū)域,而針對水庫消落帶等條帶狀、植物類型豐富多變的研究相對比較少見[5-8];研究模型中像元二分模型是最簡單且應(yīng)用最多的混合像元分解方法,但該模型忽略了地表的復(fù)雜性,選取極值點進(jìn)行估算,對結(jié)果會造成很大的不確定性,而且對于不同的氣候、植被區(qū)域,極值的選取更是重點和難點[9-11]。作為世界最大的人工消落帶,三峽庫區(qū)消落帶研究仍然處于初始階段,研究方向主要集中于生態(tài)環(huán)境問題、土地利用、土壤環(huán)境、生態(tài)重建4個大方向展開[12-15],而研究成果中可用于操作的技術(shù)不多,大部分仍然是理論[16-20]。本研究基于三峽庫區(qū)前期的消落帶研究成果之上,探討三峽庫區(qū)消落帶的植被覆蓋度時空演變研究方法,并利用CA-Markov模型對水庫消落帶植被演變趨勢進(jìn)行模擬,為支持三峽水庫環(huán)境決策提供理論與數(shù)據(jù)依據(jù)。
研究區(qū)三峽水庫涪陵段地處重慶市中東部,屬于三峽庫區(qū)腹地,位于東經(jīng)106°56′-107°43′、北緯29°21′-30°01′之間。東鄰豐都縣,南接南川區(qū)、武隆縣,西連巴南區(qū),北靠長壽區(qū)、墊江縣。幅員面積2 941.46 km2,東西寬74.5 km,南北長70.8 km,多年平均流量達(dá)11 200 m3/s。此外,涪陵區(qū)地處四川盆地和山地過渡地帶,海拔最高1 977 m,最低138 m,多在200~800 m之間。
三峽庫區(qū)消落帶因水位漲落影響植被生長,最繁盛的時間為每年的7—9月份,而根據(jù)Landsat 7傳感器接收影響質(zhì)量,排除云量干擾較大的7月份影像,所以選取每年8—9月份遙感影像數(shù)據(jù)作提取,本研究采用2003、2004、2008、2010、2013年8月或9月的Landsat 7影像數(shù)據(jù)進(jìn)行分析,數(shù)據(jù)來源于地理空間數(shù)據(jù)云的Landsat4-5TM數(shù)據(jù),該數(shù)據(jù)經(jīng)過系統(tǒng)輻射校正和地面控制點幾何校正,并且通過DEM進(jìn)行了地形校正,且大地測量校正依賴于精確的地面控制點和高精度的DEM數(shù)據(jù),詳細(xì)影像信息如表1:
表1 Landsat7 TM/ETM+遙感數(shù)據(jù)源Table 1 TM/ETM+ Landsat7 remote sensing data source
本研究采用的環(huán)境因子數(shù)據(jù)包括三峽水庫2003年5月1日—2013年9月21日的水位數(shù)據(jù)資料,來自三峽水庫觀測站點統(tǒng)計數(shù)據(jù)。
利用特征值法提取同一時期最高水位175 m(2010年10月31日)與最低水位145 m(2010年8月25日)的水體影像,輸出到ArcGIS軟件,求取中間差值矢量圖像,通過剪裁得到具有清晰邊界的涪陵區(qū)內(nèi)三峽水庫消落帶范圍,總面積20.49 km2,具體范圍見圖1。
圖1 三峽水庫消落帶涪陵區(qū)段示意Fig. 1 Schematic diagram of Fuling section of Three Gorges Reservoir
1.4.1 線性混合光譜模型
采用半自動的端元提取方法的PPI算法,在先驗知識的引導(dǎo)下對影像進(jìn)行端元提取,對三峽庫區(qū)消落帶涪陵區(qū)段進(jìn)行植被覆蓋度的估算。主要包括最小噪聲分離變換、純像元指數(shù)計算與N維可視化分析三步驟。在N維可視化分析中通過線性光譜分解模塊(spectral tools)[21-22]實現(xiàn)無約束條件的線性光譜分解模型求解。
1.4.2 波譜角分類模型
經(jīng)過計算分類之后,將錯分以及漏分的像元對象根據(jù)波段432假彩色合成影像手動劃分到各類別中,分類結(jié)果顯示植被空間分布格局,結(jié)果如圖2。分別對5期影像的波譜角分類結(jié)果進(jìn)行Kappa系數(shù)精度驗證,5期影像的平均分類總體精度達(dá)到94.27%,平均Kappa系數(shù)達(dá)到0.925 9,總體而言分類精度較高,但無法避免因為消落帶影像分辨率不高以及選取地物類型較少等因素的影響,因此分類效果較為理想。
圖2 波譜角SAM模型分類結(jié)果Fig. 2 Spectral angle SAM model classification results
結(jié)合三峽水庫涪陵區(qū)消落帶5期濕地植被空間分布格局圖,分析統(tǒng)計每個時期內(nèi)不同濕地土地利用類型的面積和面積比例,結(jié)果如表2。由表2統(tǒng)計可知,2003—2004年1年期間,陸生植物大幅度減少2.5 km2,濕生植物成倍增加,水體面積也減少2.4 km2,這一顯著現(xiàn)象與2003年6月之后三峽工程首次蓄水,雙線五級船閘通航,首批機組發(fā)電進(jìn)入圍堰擋水發(fā)電期事件密切相關(guān);2004—2008年4年期間,三峽工程實行第2次蓄水并且開始首次175 m試驗性蓄水,2008年水庫水位達(dá)到172.8 m,此時陸生植被與濕生植被覆蓋度同時穩(wěn)定降低,面積相差在0.1 km2左右,水體面積與裸露土壤面積增幅達(dá)到9%;2008—2010年2年期間植被長勢良好,陸生與濕生植物比例均有增長,裸露土壤大比例轉(zhuǎn)化為植被覆蓋區(qū),又因降雨充沛的原因,且經(jīng)歷第3次特大洪峰,濕生植物比例上升超過陸生植物;從2010年三峽水庫首次達(dá)到175 m正常蓄水位開始至2013年3年間,每月的出入庫水量恒定,因此各類型面積增減幅度較穩(wěn)定,陸生植物面積增加1.107 km2,濕生植物面積增加0.309 6 km2,裸露土壤面積減少0.279 9 km2,水體面積減少1.136 7 km2??傮w來看,2003—2013年,植被覆蓋度比例均在65%~85%以內(nèi)呈現(xiàn)先小幅降低后又上升的趨勢,生態(tài)環(huán)境變化較穩(wěn)定。
表2 2003—2013年各土地利用類型面積統(tǒng)計Table 2 Statistical table of land use type area from 2003 to 2013
圖3 5期濕地植被空間分布的局部示意與局部對比Fig.3 Local sketch map and local constrast map of spatial distribution of weland vegetation in five phase
由圖3,對5期濕地植被空間分布的西部、中部、東北部和東南部局部對比分析發(fā)現(xiàn):西部2003—2004年陸生植物、水體和裸土大面積地轉(zhuǎn)化為濕生植物,2004—2008年中段濕生植物轉(zhuǎn)化為裸土,2008—2010年濕生植物大部分轉(zhuǎn)化為陸生植物,裸土部分轉(zhuǎn)化為陸生植物,2010—2013年下端部分陸生植物轉(zhuǎn)化為濕生植物,上端部分裸土轉(zhuǎn)化為陸生植物,從10年跨度來看,陸生植物和裸土的數(shù)量沒有太大變化,水體大部分轉(zhuǎn)化為濕生植物;中部2003—2004年濕生植物大面積轉(zhuǎn)化為水體,陸生植物部分轉(zhuǎn)化為濕生植物,2004—2008年濕生植物大部分朝水體轉(zhuǎn)換,靠近水體部分的陸生植物大面積轉(zhuǎn)化為濕生植物,2008—2010年支流水體朝裸土和陸生植物轉(zhuǎn)換,2010—2013年小部分支流的陸生植物由于水體的匯入轉(zhuǎn)化為濕生植物,其余保持較穩(wěn)定狀態(tài),從10年跨度來看,靠近水體部分陸生植物轉(zhuǎn)化為濕生植物,水體中心的濕生植物消失,大致保持穩(wěn)定狀態(tài);東北部2003—2004年下端支流附近陸生植物轉(zhuǎn)化為濕生植物,上端干燥地區(qū)陸生植物和裸土小面積的互相轉(zhuǎn)換,2004—2008年上端大面積的陸生植物轉(zhuǎn)化為裸土,2008—2010年裸土幾乎消失,大面積轉(zhuǎn)化為陸生植物,靠近水體部分轉(zhuǎn)化為濕生植物,2010—2013年,下端支流濕生植物部分轉(zhuǎn)化為水體,其余地類保持穩(wěn)定,從10年跨度來看,裸土幾乎消失,陸生植物大致不變,水體數(shù)量明顯增加;東南部2003—2004年大面積陸生植物和水體朝濕生植物轉(zhuǎn)換,2004—2008年遠(yuǎn)離水體的濕生植物大部分轉(zhuǎn)化為陸生植物,2008—2010年隨著水體匯入支流,濕生植物逐漸取代陸生植物,零星的裸土也轉(zhuǎn)化為濕生植物,2010—2013年中間段濕生植物被水體淹沒轉(zhuǎn)化為水體,陸生植物和濕生植物之間存在部分相互轉(zhuǎn)換,從10年跨度來看,陸生植物大面積減少,減少部分轉(zhuǎn)化為水體和濕生植物。
質(zhì)點的移動可以在一定程度上表現(xiàn)出事物受到外力持續(xù)影響下的變化趨勢,用于分析濕地土地利用格局的空間變化規(guī)律和趨勢,本研究通過ArcGIS空間分析工具獲取每種類型在每1年的質(zhì)心位置(如圖4)。由圖可知:2003—2004年間,陸生植物質(zhì)心向東北方偏移了4.12 km,2004—2008年間又向東南方偏移2.27 km,2008—2010年向西南方偏移6.14 km,2010—2013年又向東北方偏移返回3.52 km,位于2003年質(zhì)心南方,整體偏移形成三角形路線;濕生植物在2003—2004年間,質(zhì)心向正北方偏移僅有0.33 km,于2004—2008年間向西北方偏移1.62 km,2008—2010年向東北方偏移4 km,但在2010—2013年間又向西北偏移2.76 km,整體偏移受到東西方向的牽引,呈現(xiàn)出Z字形特征;裸露土壤質(zhì)心偏移變化最大,整體往北方發(fā)展,在2003—2004年間向西南方偏移14.53 km,2004—2008年間又向東北方回移26.94 km,2008—2010年向西南偏西方偏移10.48 km,在2010—2013年又反折向東北方偏移11.34 km;水體質(zhì)心在2003—2004年間,向西南方偏移了7.99 km,2004—2008年間又繼續(xù)向西南方偏移10.95 km,2008—2010年回轉(zhuǎn)東北方偏移13.98 km,2010—2013年又繼續(xù)向西南方偏移5.81 km,主要發(fā)展趨勢是往西南方向轉(zhuǎn)移。
圖4 不同時期消落帶土地利用類型質(zhì)心轉(zhuǎn)移變化(坐標(biāo)系為WGS_1984_UTM_Zone_48N)Fig. 4 Change of land use type of land use type in different periods (Coordinate system:WGS_1984_UTM_Zone_48N)
本研究采用CA-Markov模型[23-24],通過領(lǐng)域關(guān)系分析,在應(yīng)用馬爾科夫鏈在對未來土地利用數(shù)量結(jié)構(gòu)準(zhǔn)確預(yù)測的基礎(chǔ)上,加強了空間格局的模擬能力。
根據(jù)2008年與2013年消落帶濕地利用類型模擬預(yù)測得到各年的狀態(tài)轉(zhuǎn)移矩陣,圖5是預(yù)測各年消落帶濕地利用類型面積增量統(tǒng)計圖,可以看出,以2013年為基礎(chǔ),對三峽水庫消落帶涪陵段的濕地利用類型分別做5、10、15、20年的預(yù)測。其中,預(yù)測2013—2018年5年間,水體和濕生植物的增加表明頻繁水淹對植物的生長和演化具有很大的影響,長期水淹的陸生植物將逐漸轉(zhuǎn)變?yōu)闈裆参铩6鴱目傮w上來看陸生植物主要變化趨勢是逐年減少,減少量也在逐年降低,濕生植物呈現(xiàn)在2018年先增加,之后逐年減少的趨勢,裸露土壤基本上無變化,保持相對穩(wěn)定水平,水體覆蓋范圍在逐年增加,且增幅較其他類型為最大,某種程度上說明消落帶邊坡穩(wěn)定性較低,受水體作用影響大,有待進(jìn)一步研究。
圖5 各預(yù)測年濕地利用類型面積增量變化統(tǒng)計Fig. 5 Statistical map of incremental change of wetland utilization type area in each forecast year
通過CA-Markov模型計算概率矩陣模擬預(yù)測得到的各年消落帶濕地利用類型布局如圖6,未來消落帶中濕地利用類型中裸露土壤的綜合變化劇烈,說明人為因素干擾很大;陸生植物的綜合變化呈現(xiàn)小幅度的起伏,說明陸生植物的活躍性和穩(wěn)定性較均衡,濕生植物的綜合變化為增-減的模式,與水體的動態(tài)變化趨勢一致,說明濕生植物的變化受到水體變化的直接制約??傮w上4種消落帶土地利用類型的綜合動態(tài)度都在下降,說明各類型的活躍性降低,穩(wěn)定性增強。
本研究以三峽水庫涪陵區(qū)消落帶為研究對象,獲取2003、2004、2008、2010、2013年5期影像,以GIS和RS為基礎(chǔ),結(jié)合計量地理學(xué)、景觀生態(tài)學(xué)等學(xué)科領(lǐng)域知識,在測試確定三峽水庫消落帶方法的基礎(chǔ)上,對涪陵區(qū)段的消落帶植被覆蓋度進(jìn)行提取以及對研究區(qū)濕地利用類型進(jìn)行簡單分類,研究三峽水庫消落帶濕地植被的時空演變過程和分析其時空變化特征,得到以下結(jié)論:
1) 采用特征值法提取出具有清晰邊界的三峽庫區(qū)涪陵段消落帶;利用光譜混合模型估算植被覆蓋度,該方法具有一定物理意義和理論基礎(chǔ),與常用的植被指數(shù)法相比更具優(yōu)勢,該模型的核心是端元選取,雖然五端元模型可以得出最優(yōu)估算結(jié)果,但筆者所研究消落帶區(qū)域范圍過于狹窄,且植被類型較少,因此四端元模型更為適用,能得出最優(yōu)估算效果;通過SAM 模型根據(jù)端元的光譜反射曲線對5期影像進(jìn)行波譜角分類,平均分類總體精度達(dá)到94.27%,平均Kappa系數(shù)達(dá)到0.925 9,分類效果較為理想。
2) 基于GIS軟件的綜合分析、處理工具和可視化功能,展現(xiàn)了三峽水庫消落帶濕地植被在10年間的時空演變過程。結(jié)合三峽水庫涪陵區(qū)實際情況,對濕地利用類型時空特征和質(zhì)心轉(zhuǎn)移變化進(jìn)行分析得出,2004—2013年,植被覆蓋度比例均在65%~85%以內(nèi)呈現(xiàn)先小幅降低后又上升的趨勢,因人為因素影響使得環(huán)境變化劇烈,生態(tài)系統(tǒng)內(nèi)沒有明顯優(yōu)勢類型存在,但植被覆蓋度的穩(wěn)定性在逐年上升。
3) 基于CA-Markov模型以2013年為基礎(chǔ),對三峽水庫消落帶涪陵段的濕地利用類型做5、10、15、20年的預(yù)測,陸生植物主要變化趨勢是逐年減少,減少量逐年降低,濕生植物是2018年前增加,之后逐年減少,裸露土壤基本無變化,保持相對穩(wěn)定水平,水體覆蓋范圍在逐年增加,且增幅較其他類型為最大,某種程度上說明消落帶邊坡穩(wěn)定性較低。
參考文獻(xiàn)(References):
[1] LOWRANCE R R,LEONARD R,SHERIDAN J.Managing riparian ecosystems to control nonpoint pollution[J].JournalofSoil&WaterConservation,1985,40(1):87-91.
[2] GREGORY S V,SWANSON F J,MCKEE W A,et al.An ecosystem perspective of riparian zones-focus on links between land and water[J].BioScience,1991,41(8):540-551.
[3] 劉宗群.三峽水庫水位漲落帶的景觀生態(tài)分析及其對策[J].重慶環(huán)境科學(xué),1993(2):24-28.
LIU Zongqun.Landscape ecological analysis and countermeasures of Three Gorges reservoir water level fluctuation zone[J].ChongqingEnvironmentalScience,1993(2):24-28.
[4] 許靜,陳文惠,陳興偉.圖像機理方法提取水體信息的應(yīng)用分析[J].地球信息科學(xué)學(xué)報,2009,11(1):98-103.
XU Jing, CHEN Wenhui,CHEN Xingwei. Study of water body information extracting metheds based on spectrum characteristics[J].JournalofGeo-InformationScience,2009,11(1):98-103.
[5] QI J,MARSETT R C,MORAN M S,et al.Spatial and temporal dynamics of vegetation in the San Pedro river basin area[J].Agricultural&ForestMeteorology,2000,105(1):55-68.
[6] 熊春妮.基于遙感的廣州市 2005—2014 年植被覆蓋度時空動態(tài)分析[J].城市環(huán)境與城市生態(tài),2015(4):7-10.
XIONG Chunni.Spatial and temporal dynamic analysis of vegetation coverage in Guangzhou city from 2005 to 2014 based on remote sensing[J].UrbanEnvironmentUrbanEcology,2015(4):7-10.
[7] 楊靜雅,李新國,閆凱,等.基于遙感與像元二分模型的新疆和靜縣草地植被覆蓋度時空變化特征研究[J].西北林學(xué)院學(xué)報,2017,32(1):210-217.
YANG Jingya,LI Xinguo,YAN Kai,et al.Temporal and spatial variation characteristics of grassland vegetation coverage in hejing of xinjiang based on remote sensing and dimidiate pixel model[J].JournalofNorthwestForestryUniversity, 2017,32(1):210-217.
[8] 吳柏清,何政偉,閆靜,等.基于遙感與GIS技術(shù)的水電站庫區(qū)植被覆蓋度動態(tài)變化分析[J].水土保持研究,2008,15(3):39-42.
WU Boqing,HE Zhengwei,YAN Jing,et al.Dynamic analysis of vegetation coverage in the reservoir area of hydropower station based on remote sensing and GIS technology[J].ResearchonSoilandwaterconservation,2008,15(3):39-42.
[9] 徐娜,丁建麗,劉海霞.基于NDVI和LSMM的干旱區(qū)植被信息提取研究——以新疆吐魯番市為例[J].測繪與空間地理信息,2012,35(7):52-57.
XU Na,DING Jianli,LIU Haixia.extraction of vegetation information in arid area based on NDVI and LSMM:a case study of Turpan[J].Geomatics&SpatialInformationTechnology,2012,35(7):52-57.
[10] 魏石磊,翟亮,桑會勇,等.像元分解模型的植被覆蓋度遙感估算[J].測繪科學(xué),2016,41(1):139-143.
WEI Shilei,HUO Liang,SANG Huiyong,et al.Remote sensing estimation of vegetation coverage based on pixel decomposition model[J].ScienceofSurveyingandMapping,2016,41(1):139-143.
[11] 江輝,周光文,劉成林.鄱陽湖區(qū)植被覆蓋的遙感動態(tài)研究[J].江西農(nóng)業(yè)學(xué)報,2007,19(1):103-106.
JIANG Hui,ZHOU Guangwen,LIU Chenglin.Study on dynamics of vegetation coverage by remote sensing in poyang lake area[J].ActaAgricultureJiangxi,2007,19(1):103-106.
[12] F OKEKE,A KARNIELI.Methods for fuzzy classification and accuracy assessment of historical aerial photographs for vegetation change analyses.part I:algorithm development[J].InternationalJournalofRemoteSensing,2006,27(1):153-176.
[13] PU RL,GONG P,TIAN Y,et al.Using classification and NDVI differencing methods for monitoring sparse vegetation coverage:a case study of saltcedar in Nevada,USA[J].InternationalJournalofRemoteSensing,2008,29(14):3987-4011.
[14] 瑪麗艷姑麗·阿西穆,塔西甫拉提·特依拜,買買提·沙吾提,等.基于 Markov 模型的植被覆蓋動態(tài)變化預(yù)測研究[J].水土保持研究,2013,20(1):121-125.
ASIMOW-M,TIYIP-T,MAIMAITI-S,et al.Prediction of vegetation cover change based on Markov mode[J].ResearchonSoilandwaterconservation,2013,20(1):121-125.
[15] 程先富,張方方,鄧良,等.安徽省霍山縣植被覆蓋度動態(tài)變化及預(yù)測[J].水土保持通報,2014,34(4):104-109.
CHENG Xianfu,ZHANG Fangfang,DENG Liang,et al.Dynamic change and prediction of vegetation coverage in Huoshan county of Anhui province[J].BulletinofSoilandWaterConservation,2014,34(4):104-109.
[16] 林楠,姜琦剛,張紅紅,等.植被覆蓋變化分析及其預(yù)測方法研究——以吉林東部為例[J].安徽農(nóng)業(yè)科學(xué),2012,40(25):12591-12593.
LIN Nan,JIANG Qigang,ZHANG Honghong,et al.Analysis of vegetation cover change and its prediction method —a case study of eastern Jilin[J].JournalofAnhuiAgriculturalSciences,2012,40(25):12591-12593.
[17] 石亮亮,楊存建.震區(qū)植被覆蓋度動態(tài)變化及其受損研究——以蘆山縣為例[J].四川林業(yè)科技,2014,35(3):21-26.
SHI Liangliang,YANG Cunjian.Study on dynamic change and damage of vegetation coverage in the earthquake area:a case study in lushan county[J].SichuanForestryScience&Technology,2014,35(3):21-26.
[18] 孫雷剛,鄭振華.基于RS的近30年滹沱河流域植被覆蓋度動態(tài)變化研究[J].地理與地理信息科學(xué),2014,30(6):36-40.
SUN Leigang,ZHENG Zhenhua.The dynamic change of Vegetation covered in nearly 30 years of Hutuo river basin based on RS[J].GeographyandGeo-InformationScience,2014,30(6):36-40.
[19] 符靜,秦建新,張猛,等.2001—2013年洞庭湖流域植被覆蓋度時空變化特征[J].地球信息科學(xué)學(xué)報,2016,18(9):1209-1216.
FU Jing,QIN Jianxin,ZHANG Meng,et al.Spatial and temporal variation characteristics research of vegetation coverage in Dongting lake basin during 2001—2013[J].JournalofGeo-InformationScience,2016,18(9):1209-1216.
[20] 高曉惠,相里斌,魏儒義,等.基于光譜分類的端元提取算法研究[J].光譜學(xué)與光譜分析,2011,31(7):1995-1998.
GAO Xiaohui,XIANG Libin,WEI Ruyi,et al.Research on the algorithm of end element extraction based on spectral classification[J].SpectroscopyandSpectralAnalysis,2011,31(7):1995-1998.
[21] 于龍,周宇峰,丁麗霞,等.基于波譜角分類的土地利用動態(tài)監(jiān)測[J].浙江農(nóng)林大學(xué)學(xué)報,2014,31(3):386-393.
YU Long,ZHOU Yufeng,DING Lixia,et al.Dynamic monitoring of land use based on spectral angle classification[J].JournalofZheJiangA&FUnivercity,2014,31(3):386-393.
[22] 湯潔,汪雪格,李昭陽,等.基于 CA-Markov 模型的吉林省西部土地利用景觀格局變化趨勢預(yù)測[J].吉林大學(xué)學(xué)報(地球科學(xué)版),2010,40(2):405-411.
YANG Jie,WANG Xuege,LI Zhaoyang,et al.Prediction of land use landscape pattern change in the west of Jilin province based on CA-Markov model[J].JournalofJilinUniversity(EarthScienceEdition),2010,40(2):405-411.
[23] 王強,劉紅,張躍偉,等.三峽水庫蓄水后典型消落帶植物群落時空動態(tài)——以開縣白夾溪為例[J].重慶師范大學(xué)學(xué)報(自然科學(xué)版),2012,29(3):66-69.
WANG Qiang,LIU Hong,ZHANG Yuewei,et al.Spatial-temporal dynamics of vegetation in the newly created water-level-fluctuation zone of three gorges reservoir:a case study in Baijia stream,Kaixian county,China[J].JournalofChongqingNormalUniversity(NaturalScience),2012,29(3):66-69.
[24] 蒙金華,張正棟,袁宇志,等.基于CA-Markov模型的流溪河流域景觀格局分析及動態(tài)預(yù)測[J].華南師范大學(xué)學(xué)報(自然科學(xué)版),2015,47(4):122-127.
MENG Jinhua,ZHANG Zhidong,YUAN Yuzhi,et al.Landscape pattern analysis and dynamic prediction of river basin based on CA-Markov model[J].JournalofSouthChinaNormalUniversity(NaturalScienceEdition),2015,47(4):122-127.