攀西地区干旱脆弱性时空变化评价研究
【学位单位】:成都理工大学
【学位级别】:硕士
【学位年份】:2018
【中图分类】:P426.616
【部分图文】:
第 2 章 研究区概况及数据来源2.1 研究区概况攀西地区,地处川滇结合的四川省西南地区。行政区划主要包括攀枝花市和凉山彝族自治州共计 22 个区县(图 2-1),区域面积约 6.78 万平方公里,人口总计 451.55 万。该地区水能、钒钛、稀土等资源贮藏丰富,是我国开发潜力巨大的工业基地和交通骨架。
12图 2-2 各气象站点地理位置图2.2.3 其它数据土壤数据:主要包括研究区的土壤类型分布,以及每种土壤类型的可蚀性 K值。DEM 数据:为 SRTM3 地形产品数据,分辨率 90 米。土地利用数据:使用 500m 的 MODIS 产品数据 MCD12Q1,该数据将土地类型分为三大类,其中包含自然植被 11 类,土地利用和土地镶嵌 3 类以及无植被土地 3 类。人文与社会数据:主要包括研究区 2008-2012 年的农业人口数量及比重、国
= a + b NDVI (3-5)将(3-4)、(3-5)带入式(3-3)得:TVDI =( )( ) ( )(3-6)上式中,NDVI 为像元对应的归一化植被指数;LST为地表温度;LST 和LST 为像元 NDVI 在特征空间中所对应的最低及最高地表温度,即干边和湿边;a、b 是湿边拟合方程的系数,a 、b 为干边拟合方程系数,都为待定系数通过特征空间线性拟合计算得出。TVDI 是以 NDVI-LST 特征空间分布为基础的,通过绘制 NDVI 与 LST 散点分布图,可发现两者散点图呈现三角形或者梯形分布(Price,1990;Moran et al,1994),如图 3-1 所示。图中梯形四个顶点 a、b、c、d 则代表了 NDVI 和 LST 关系的极端关系,a 代表了 NDVI 低值、地表温度最高的情况,为裸露的干燥土壤;b 点为 NDVI 低值,同时 LST 也为低值的情况,代表植被覆盖度低但土壤含水量高的湿润裸土;c 点具有高 NDVI、低 LST 特点,为植被覆盖度高、土壤含水量也高的湿润土壤;d 点具有植被覆盖度高、地表温度较高,为土壤干燥。
【参考文献】
相关期刊论文 前10条
1 张晓华;毕生;曹永潇;;基于TOPSIS法的陕西省黄河流域干旱综合评价模型[J];南水北调与水利科技;2015年02期
2 王莺;王静;姚玉璧;王劲松;;基于主成分分析的中国南方干旱脆弱性评价[J];生态环境学报;2014年12期
3 汪霞;汪磊;;西南喀斯特地区农业旱灾脆弱性评价——以贵州省为例[J];广东农业科学;2014年22期
4 杨帅;于志岗;苏筠;;中国气象干旱的空间格局特征(1951-2011)[J];干旱区资源与环境;2014年10期
5 韩元元;;基于标准化指数SPI的云南地区干旱评价研究[J];吉林水利;2014年09期
6 尹圆圆;王静爱;黄晓云;雷永登;;全球尺度的旱灾风险评价指标与模型研究进展[J];干旱区研究;2014年04期
7 韩兰英;张强;姚玉璧;李忆平;贾建英;王静;;近60年中国西南地区干旱灾害规律与成因[J];地理学报;2014年05期
8 康永辉;解建仓;黄伟军;周祖昊;;农业干旱脆弱性模糊综合评价[J];中国水土保持科学;2014年02期
9 王跃峰;陈兴伟;陈莹;;基于多时间尺度SPI的闽江流域干湿变化与洪旱事件识别[J];山地学报;2014年01期
10 靳润芳;张竞予;左其亭;;人水关系博弈论研究进展与研究思路探讨[J];南水北调与水利科技;2013年06期
相关硕士学位论文 前6条
1 朱倩文;攀西地区土壤侵蚀空间特征及与影响因子的关系分析[D];南京信息工程大学;2017年
2 李蕊;陕西省干旱脆弱性评价[D];西北农林科技大学;2015年
3 李艳利;基于气象数据和LST-NDVI特征空间的吉林省干旱时空分析[D];东北师范大学;2015年
4 白天路;基于遥感和地面实测水分数据的小流域土壤水分模拟[D];西北大学;2010年
5 崔冬林;近50年中国区域持续性气象干旱事件的客观识别及变化研究[D];兰州大学;2010年
6 夏红霞;山地森林/干旱河谷交错带植被退化特征[D];四川农业大学;2009年
本文编号:2852149
本文链接:https://www.wllwen.com/projectlw/qxxlw/2852149.html