删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

基于1987–2017年Landsat数据的海南岛红树林变化数据集

本站小编 Free考研考试/2022-01-02

摘要&关键词
摘要：红树林分布在热带–亚热带地区的海岸带湿地，具有重要的生态及生态经济服务价值。本研究利用1987年、1993年、1998年、2003年、2007年、2013年、2017年共计7期Landsat TM/OLI数据，采用支持向量机分类方法，并结合野外调查资料，获取了1987–2017年海南岛红树林变化数据集。本数据集可用于红树林时空变化分析，以及红树林湿地生态系统恢复、保护和管理的决策支持，为海南省生态环境监管提供基础数据支持。
关键词：海南岛；红树林；Landsat影像；变化监测

Abstract & Keywords
Abstract:?Distributed in the coastal wetlands of tropical and subtropical regions throughout the world, mangrove forests provide important ecological and eco-economical services such as coastal erosion prevention, water purification, nursery habitats for marine fish and shrimp breeding, provision of building materials and medicinal ingredients, and tourist attraction. A dataset of mangrove forests changes from 1987 to 2017 in Hainan Island was developed using Landsat TM/OLI images obtained in 1987, 1993, 1998, 2003, 2007, 2013 and 2017. This dataset was compiled through a support vector machine (SVM) classification method based on ground survey data. It can be used to understand the status and dynamics of mangrove forests, and to support decision-making concerning the restoration, protection and management of mangrove wetland ecosystem. Further, the dataset provides basic data for ecological environment monitoring in Hainan Province.
Keywords:?Hainan Island;?mangrove forests;?Landsat image;?change monitoring

数据库（集）基本信息简介
数据库（集）名称基于1987–2017年Landsat数据的海南岛红树林变化数据集
数据作者廖静娟，甄佳宁
数据通信作者廖静娟（liaojj@radi.ac.cn）
数据时间范围1987–2017年
地理区域海南岛
空间分辨率30 m
数据量4.12 MB
数据格式*.dbf, *.prj, *.shp, *.shx
数据服务系统网址http://www.sciencedb.cn/dataSet/handle/677
基金项目海南省重大科技计划项目（ZDKJ2016021）；国家发展和改革委员会促进大数据发展重大工程（2016-999999-65-01-000696-01）。
数据库（集）组成本数据集由7个海南岛不同红树林分布地点子数据集组成，分别命名为东寨港、清澜港、马袅港、花场湾、新盈港、洋浦港和东方。每个地点子数据集包括7期由Landsat影像提取的红树林分布面积组成。每期数据包括*.dbf, *.prj, *.shp, *.shx 4个文件，示例如下：dongzhaigang1987_mangrove.dbf为东寨港1987年矢量数据dBASE表文件；dongzhaigang1987_mangrove.prj为东寨港1987年矢量数据坐标投影文件；dongzhaigang1987_mangrove.shp为东寨港1987年矢量数据主文件；dongzhaigang1987_mangrove.shx为东寨港1987年矢量数据索引文件。

Dataset Profile
TitleA dataset of mangrove forests changes in Hainan Island based on Landsat data during 1987–2017
Data corresponding authorLiao Jingjuan (liaojj@radi.ac.cn)
Data authorsLiao Jingjuan, Zhen Jianing
Time range1987–2017
Geographical scopeHainan Island
Spatial resolution30 m
Data volume4.12 MB
Data format*.dbf, *.prj, *.shp, *.shx
Data service system<http://www.sciencedb.cn/dataSet/handle/677>
Sources of fundingMajor Science and Technology Program of Hainan Province (ZDKJ2016021); Major Project to Promote Development of Big Data from National Development and Reform Commission (2016-999999-65-01-000696-01).
Dataset compositionThis dataset consists of seven subsets corresponding to seven different mangrove distribution sites in Hainan Island, including Dongzhaigang, Qinglangang, Maliaogang, Huachangwan, Xinyinggang, Yangpugang and Dongfang. Each subset includes mangrove area data of seven phases extracted from Landsat images during 1987-2017. Data of each phase includes four types of files, namely, DBF, PRJ, SHP, and SHX.



引 言
红树林（Mangrove）是分布在热带和亚热带地区海岸潮间带，以红树植物为主的常绿灌木或乔木组成的潮滩湿地木本植被群落，具有独特的海陆过渡特性，是海岸带具有重要的生态、经济、景观价值的湿地生态系统[1,2,3 ]。红树林对全球环境及气候变化具有重要的指示作用，在维持海岸生物多样性、保护海岸带环境、防风固堤、护滩促淤、净化海岸水环境、保护农田村庄等方面发挥着不可替代的作用[4,5,6,7,8,9 ]。同时，红树林也是比较敏感和脆弱的生态系统，容易受自然和人类活动的影响。近半个世纪以来，由于社会经济的迅猛发展和沿海经济区的开发，人类不断侵占和砍伐红树林。水文条件的改变、气候变化和水域污染等原因致使红树林资源急剧减少，全球36%的红树林在1995–2005年期间消失，其破坏和消失的速率大于热带雨林和其他内陆森林[10,11,12,13,14 ]。
在中国，红树林主要分布在大陆南部和东南部海岸带，以及海南岛和台湾西部海岸带，岸线长度约为14000 km。其中，海南岛的红树林湿地资源丰富，分布广泛。在海南岛东北部、南部、西部和东部均有分布，且拥有中国绝大部分红树林品种，群系结构复杂，属典型的东方群系。
红树林由于生长在高盐、高温、极潮和泥沙淤积的极端环境，开展人工野外调查极其不易。因此，利用遥感方法是较为有利的手段。许多研究表明，遥感方法能够快速、准确地获取红树林的分布和动态变化信息[15,16,17,18,19,20 ]，这些研究主要从全球或国家尺度进行红树林的制图研究，获取的数据集多数为某一年度或某个时间段的数据，如Spalding等和Giri等生成的全球2000年的红树林数据集[21-22]，以及Hamilton和Casey生成的2000–2012年全球红树林数据集[23]。最近，Chen等人也利用时间序列的陆地卫星和哨兵数据进行了中国区域红树林制图，生成了2015年中国红树林数据集[24]。海南岛近年来经济发展较快，人类活动和自然等因素对海岸带的影响较大，从而引起红树林发生较大变化。但目前该地区尚缺乏长时间系列的红树林动态变化的数据，为此，我们利用多时相Landsat数据，采用支持向量机分类方法，并结合野外调查，获取了1987–2017年间海南岛红树林变化数据集，为海南省红树林湿地生态系统的恢复、保护和管理提供数据支持和决策参考。

1 ? 数据采集和处理方法
1.1 ? 数据采集
1987–2017年间海南岛红树林变化数据集主要是基于多时相的Landsat影像生成。使用的Landsat影像共39景，全部从美国地质调查局的地球资源观测与科学（USGS/EROS）中心网站（http://www.usgs.gov）下载获取，其中包括1987年、1993年、1998年、2003年和2007年的Landsat TM影像共29景，2013年和2017年的Landsat OLI影像10景。表1列出了这些遥感数据的相关信息。
表1 ? 研究中使用的Landsat影像信息
传感器条带号/行号成像日期成像时间
TM5123/461987.06.2210:23:48
TM5123/461987.09.1010:23:48
TM5124/461987.05.1210:29:00
TM5123/471987.09.1010:26:13
TM5124/471987.12.2210:34:19
TM5125/471988.06.0610:42:22
TM5123/461993.04.0310:21:19
TM5124/461993.06.1310:27:47
TM5123/471993.04.0310:21:43
TM5124/471993.01.0410:27:10
TM5125/471993.10.1010:34:04
TM5123/461998.08.2310:37:38
TM5123/461998.10.2610:37:38
TM5124/461998.04.2410:42:22
TM5123/471998.08.2310:38:03
TM5124/471998.10.1710:44:29
TM5125/471998.10.2410:50:42
TM5123/462003.06.0210:34:37
TM5123/462003.09.1010:34:37
TM7124/462003.05.1610:53:58
TM5123/472003.06.0210:35:01
TM5124/472004.12.2010:51:27
TM5125/472003.04.1310:46:23
TM5123/462007.07.1510:52:45
TM5124/462007.04.0111:00:08
TM5123/472007.07.1510:53:09
TM5124/472007.07.0610:59:24
TM5125/472007.04.2411:06:34
OLI123/462013.12.0611:00:42
OLI124/462013.05.1911:07:17
OLI123/472013.12.0611:01:06
OLI124/472013.10.2611:07:25
OLI125/472013.08.3011:13:54
OLI123/462017.04.2110:58:29
OLI124/462017.08.0211:05:14
OLI123/472017.04.2110:58:53
OLI123/472018.04.0810:58:53
OLI124/472016.03.0811:05:32
OLI125/472017.09.1011:11:57

同时，为了验证多时相Landsat影像提取的数据集，还收集了15景2015年的高分2号（GF-2）数据，该数据从中国高分辨对地观测系统海南数据与应用中心下载获取，空间分辨率分别为1 m和4 m的全色和多光谱数据。此外，分别于2016年12月、2017年3月和2018年1月前往海南岛对红树林湿地种类、物种分布、生长状况和环境要素进行野外调查，共获取野外调查样点386个，其中红树林湿地样点152个，其他土地利用覆盖样点234个。每个样点包括了GPS获取的经纬度坐标、植被类型及土地利用状况等信息。这些样点将用于Landsat影像提取的红树林范围和地表类型分类的验证。

1.2 ? 数据处理
下载的Landsat影像已经过几何纠正，故我们使用ENVI5.3软件对Landsat影像进行辐射定标和大气校正。利用ENVI软件中的FLAASH大气校正模块对Landsat影像进行大气校正。为了保证多时相数据分析在空间参考上的一致性，利用2017年的Landsat OLI影像的短波红外、近红外和红光波段进行波段组合得到的假彩色合成影像，以该假彩色合成影像为基准，对其他6个时相的图像进行配准，配准后的图像之间的平均均方误差小于0.5个像元。同时，对GF-2影像进行正射校正、辐射定标、几何纠正、多光谱与全色波段融合处理，其中采用ERDAS IMAGE 2014软件提供的删减法（Subtractive Resolution Merge）进行图像融合，并在融合之前先利用锐化滤波器对全色图像先进行锐化处理，然后以4∶1比例对GF-2的多光谱和全色图像进行融合，生成空间分辨率为1 m的GF-2融合影像。
根据海南红树林保护区的边界对GF-2融合影像进行裁剪，利用ENVI软件提供的支持向量机分类方法对裁剪后的影像进行分类，得到红树林和其他地表覆盖类型的分类结果。然后根据海南红树林分布特点、野外调查数据和Google Earth影像，人工修正红树林提取有误差的斑块边界，得到2015年海南红树林的最终分类结果。同样利用支持向量机分类器对图像质量较好的2017年Landsat OLI影像进行分类，并利用2015年GF-2影像的分类结果和Google Earth影像对分类后结果进行人工修正，得到分类精度较高的2017年分类结果数据。然后以这期分类结果，逐期提取其他时相的红树林和其他土地利用覆盖信息，最后得到1987年、1993年、1998年、2003年、2007年、2013年和2017年的7期分类结果，依据这7期分类结果，生成7期红树林变化数据集。


2 ? 数据样本描述
2.1 ? 数据集信息
利用1987年、1993年、1998年、2003年、2007年、2013年和2017年7期Landsat影像分类提取得到的7期海南岛主要地区红树林变化数据集包括了海南岛东寨港国家级自然保护区、清澜港省级自然保护区、花场湾、马袅港、新盈港、洋浦港和东方7个地区的红树林变化，各地区分布如图1所示。整个数据集有7个文件夹构成，每个文件夹以上述7个地区命名，除清澜港由会文、铺前和冠南3个片区组成，包括3个下一级文件夹外，其余6个地区均由一个文件夹组成，每个文件夹下分别为7期红树林提取的结果组成，文件格式为shp，命名规则为“地名+年_mangrove.shp”。数据集详细信息如下表2。




图1 ? 海南岛红树林自然保护区位置和分布图（a）新英湾；（b）东寨港；（c）新盈港；（d）花场湾；（e）东方；（f）马袅港；（g）清澜港

表2 ? 海南岛1987–2017年红树林变化数据集信息
序号名称文件数量和大小
1东寨港28个文件，1.24 MB
2清澜港会文28个文件，725 KB
铺前28个文件，376 KB
冠南28个文件，210 KB
3马袅港28个文件，232 KB
4花场湾28个文件，372 KB
5新盈港28个文件，344 KB
6洋浦港28个文件，566 KB
7东方28个文件，113 KB


2.2 ? 数据样本
将数据集在ArcGIS软件中打开，可以得到各个时期的红树林分布面积图，也可用不同时期的数据制作红树林面积变化图。图2和图3分别展示了东寨港1987年的红树林面积分布图和1987–2017年红树林面积变化图。




图2 ? 东寨港1987年红树林分布图




图3 ? 东寨港1987 –2017年红树林面积变化


3 ? 数据质量控制和评估
在本文研究中，利用Kappa系数和混淆矩阵来评价图像分类精度。首先，利用ArcGIS软件的生态地理采样设计工具（Biogeography Branch’s Sampling Design Tool）在8个重点红树林分布区域随机生成采样点，然后以这些采样点为中心，建立半径为9 m的圆形缓冲区。以圆形缓冲区为基础，采用ArcGIS软件建立圆形缓冲区的外接方形多边形。然后，参照Google Earth影像和野外验证点修改这些多边形属性，将其分为红树林和非红树林，并在比较稀疏的区域增加适量多边形，最后利用这些多边形验证点评价红树林的提取精度。分别评价了GF-2和2017年Landsat影像分类结果。其中用于评价GF-2分类结果的验证点数量为607个，包括红树林验证点354个，非红树林研制点253个。得到GF-2分类总精度为99.0%，Kappa系数为0.98。
以GF-2分类结果为基础，采用上述方法随机生成300个红树林验证多边形，然后再以保护区（除去红树林范围）为基础随机生成350个非红树林验证多边形，对2017年Landsat分类结果进行评价。得到2017年Landsat影像分类总精度为98.8%，Kappa系数为0.98。具体评价结果见表3。
表3 ? GF-2和2017年Landsat影像分类结果精度评价
GF-2影像Landsat影像(2017)
OA/ (%)KappaMFN-MFOA/ (%)KappaMFN-MF
PA/ (%)UA/ (%)PA/ (%)UA/ (%)PA/ (%)UA/ (%)PA/ (%)UA/ (%)
99.00.9898.999.499.298.498.80.9898.399.099.198.6

注：OA为总体分类精度；PA为生产精度；UA为用户精度；MF为红树林；N-MF为非红树林。


4 ? 数据使用方法和建议
本数据集是一套比较完整的海南岛近30 a红树林变化数据产品，集中显示了海南岛主要红树林保护区的红树林信息。数据可以在常用的地理信息系统软件（如ArcGIS、MapGIS、MapInfo等）中直接打开使用，也可通过这些软件平台将数据转换成其他交换格式后使用。通过对不同时期数据的统计，可以得到各个区域在1987–2017年间红树林面积变化的信息；也可通过空间叠加分析方式，得到不同时期各区域红树林变化的空间分布特征。本数据集可服务于海南省生态环境监管业务，也可作为关键基础数据用于科学研究，包括分析海南岛红树林动态变化规律、生态环境质量评估和红树林湿地保护、恢复和管理等。

致 谢
感谢项目组在开展野外观测过程中海南省相关行业部门和单位的支持和配合，感谢美国地质调查局地球资源观测与科学中心（USGS/EROS）提供Landsat影像数据。


[1]
张乔民, 张叶春. 华南红树林海岸生物地貌过程研究[J]. 第四纪研究, 1997, 17(4): 344-353.

+?CSCD?·?Baidu Scholar

[2]
林鹏. 中国红树林生态系[M]. 北京: 科学出版社, 1997.

+?CSCD?·?Baidu Scholar

[3]
GIRI C. Observation and monitoring of mangrove forests using remote sensing: opportunities and challenges[J]. Remote Sensing, 2016, 8(9): 783.

+?CSCD?·?Baidu Scholar

[4]
LUGO A E, SNEDAKER S C. The ecology of mangroves[J]. Annual Review of Ecology & Systematics, 1974, 5: 39-64.

+?CSCD?·?Baidu Scholar

[5]
林鹏. 中国红树林研究进展[J]. 厦门大学学报(自然科学版), 2001, 40(2): 592-603.

+?CSCD?·?Baidu Scholar

[6]
GLASER M. Interrelations between mangrove ecosystem, local economy and social sustainability in Caeté Estuary, North Brazil[J]. Wetlands and Management, 2003, 11(4): 265-272.

+?CSCD?·?Baidu Scholar

[7]
MUMBY P J. Connectivity of reef fish between mangroves and coral reefs: Algorithms for the design of reserves at seascape scales[J]. Biological Conservation, 2006, 128(2): 215-222.

+?CSCD?·?Baidu Scholar

[8]
ALONGI D M. Mangrove forests: resilience, protection from tsunamis, and responses to global climate change[J]. Estuarine Coastal Shelf Science, 2008, 76(1): 1-13.

+?CSCD?·?Baidu Scholar

[9]
DONATO D C, KAUFFMAN J B, MURDIYARSO D, et al. Mangroves among the most carbon-rich forests in tropics[J]. Nature Geoscience, 2011, 4(5): 293-297.

+?CSCD?·?Baidu Scholar

[10]
BLASCO F, AIZPURU M, GERS C. Depletion of the mangroves of Continental Asia[J]. Wetlands Ecology & Management, 2001, 9(3):255-266.

+?CSCD?·?Baidu Scholar

[11]
VALIELA I. Mangrove forests: One of the world's threatened major tropical environments[J]. BioScience, 2001, 51(10): 807-815.

+?CSCD?·?Baidu Scholar

[12]
ALONGI, DANIEL M. Present state and future of the world's mangrove forests[J]. Environmental Conservation, 2002, 29(3): 331-349.

+?CSCD?·?Baidu Scholar

[13]
DUKE N C, MEYNECKE J O, DITTMANN S, et al. A world without mangroves? [J]. Science, 2007, 317(5834): 41.

+?CSCD?·?Baidu Scholar

[14]
GIRI C, ZHU Z, TIESZEN L L, et al. Mangrove forest distributions and dynamics (1975&ndash;2005) of the tsunami‐affected region of Asia[J]. Journal of Biogeography, 2008, 35(3): 519-528.

+?CSCD?·?Baidu Scholar

[15]
ABDEL-HAMID A, DUBOVYK O, ELMAGD I A, et al. Mapping mangroves extents on the Red Sea coastline in Egypt using polarimetric SAR and high resolution optical remote sensing data[J]. Sustainability, 2018, 10(3): 646.

+?CSCD?·?Baidu Scholar

[16]
GIRI C, OCHIENG E, TIESZEN L L, et al. Status and distribution of mangrove forests of the world using earth observation satellite data[J]. Global Ecology & Biogeography, 2011, 20(1): 154-159.

+?CSCD?·?Baidu Scholar

[17]
GIRI C, LONG J, ABBAS S, et al. Distribution and dynamics of mangrove forests of South Asia[J]. Journal of Environmental Management, 2015, 148: 101-111.

+?CSCD?·?Baidu Scholar

[18]
KIRUI K B, KAIRO J G, BOSIRE J, et al. Mapping of mangrove forest land cover change the Kenya coastline using Landsat imagery[J]. Ocean & Coastal Management, 2013, 83(10): 19-24.

+?CSCD?·?Baidu Scholar

[19]
LONG J, NAPTON D, GIRI C, et al. A mapping and monitoring assessment of the Philippines' mangrove forests from 1990 to 2010[J]. Journal of Coastal Research, 2013, 30(2): 260-271.

+?CSCD?·?Baidu Scholar

[20]
RAKOTOMAVO A, FROMARD F. Dynamics of mangrove forests in the Mangoky River delta, Madagascar, under the influence natural and human factors[J]. Forest Ecology & Management, 2010, 259(6): 1161-1169.

+?CSCD?·?Baidu Scholar

[21]
SPALDING M, KAINUMA M, COLLINS L. World atlas of mangroves[M]. London, UK: Earthscan, 2010.

+?CSCD?·?Baidu Scholar

[22]
GIRI C, OCHIENG E, TIESZEN L L, et al. Status and distribution of mangrove forests of the world using earth observation satellite data[J]. Global Ecology Biogeography,2011, 20: 154–159.

+?CSCD?·?Baidu Scholar

[23]
HAMILTON S E, CASEY D. Creation of a high spatio-temporal resolution global database of continuous mangrove forest cover for the 21 st century (CGMFC-21)[J]. Global Ecology Biogeography, 2016, 25: 729-738.

+?CSCD?·?Baidu Scholar

[24]
CHEN B, XIAO X, LI X, et al. A mangrove forest map of China in 2015: Analysis of time series Landsat 7/8 and Sentinel-1A imagery in Google Earth Engine cloud computing platform[J]. ISPRS J. Photogrammetry and Remote Sensing, 2017, 131: 104-120.

+?CSCD?·?Baidu Scholar


数据引用格式
廖静娟, 甄佳宁. 基于1987–2017年Landsat数据的海南岛红树林变化数据集[DB/OL]. Science Data Bank, 2018. (2018-11-09). DOI: 10.11922/sciencedb.677.

稿件与作者信息

论文引用格式
廖静娟, 甄佳宁. 基于1987–2017年Landsat数据的海南岛红树林变化数据集[J/OL]. 中国科学数据, 2019, 4(2). (2019-04-16). DOI: 10.11922/csdata.2018.0072.zh.
廖静娟LIAO Jingjuan

主要承担工作：红树林遥感提取方法设计、数据集生产和质量控制。
liaojj@radi.ac.cn
（1966—），女，广西南宁人，博士，研究员，研究方向为微波遥感及应用研究。

甄佳宁ZHEN Jianing

主要承担工作：遥感数据收集与处理、数据集生产和实地验证。
（1988—），女，河北唐山人，博士研究生，研究方向红树林湿地遥感研究。


相关话题/数据 海岸 信息 软件 遥感
  • 领限时大额优惠券,享本站正版考研考试资料!
    大额优惠券
    优惠券领取后72小时内有效，10万种最新考研考试考证类电子打印资料任你选。涵盖全国500余所院校考研专业课、200多种职业资格考试、1100多种经典教材，产品类型包含电子书、题库、全套资料以及视频，无论您是考研复习、考证刷题，还是考前冲刺等，不同类型的产品可满足您学习上的不同需求。 ...
    考试优惠券 本站小编 Free壹佰分学习网 2022-09-19
  • 基于社交媒体的海南风灾监测数据集
    摘要&关键词摘要：台风是威胁人类生存与发展的主要自然灾害之一。有效的涉灾数据是政府开展防灾减灾救灾工作的重要基础。随着互联网的普及，社交媒体作为新兴的灾害数据源已得到广泛的应用。本数据集以受台风影响较重的海南岛为研究区域，基于社交媒体平台收集和整理了2010–2018共8年间的严重侵袭海南岛的14个 ...
    中科院计算机网络信息中心 本站小编 Free考研考试 2022-01-02
  • 1987–2017年海南岛海岸线数据集
    摘要&关键词摘要：利用1987年、1990年、1995年、2000年、2005年、2010年、2015年、2017年共8期40景覆盖海南岛全境的LandsatTM/OLI数据，结合野外调研资料，建立6种海岸线解译标志和提取规则。运用ENVI5.2和ArcGIS10.1软件，通过目视解译与判读，采用数 ...
    中科院计算机网络信息中心 本站小编 Free考研考试 2022-01-02
  • 天宫二号宽波段成像仪青藏高原专题数据集
    摘要&关键词摘要：青藏高原是世界屋脊、亚洲水塔，是地球第三极，以第三极为起点向西扩展的面积约2000万平方公里的泛第三极地区是“一带一路”核心区。目前我国开展的第二次青藏高原综合科学考察研究将揭示青藏高原环境变化机理，优化生态安全屏障体系，对推动青藏高原可持续发展、推进国家生态文明建设、促进全球生态 ...
    中科院计算机网络信息中心 本站小编 Free考研考试 2022-01-02
  • 2013–2017年中巴经济走廊重点区域冰川冰湖分布数据集
    摘要&关键词摘要：中巴经济走廊范围内复杂的地貌地质、独特的水文气候条件以及丰富的高山积雪和冰川分布，为冰川灾害的发育提供了充分的物质条件。但由于地缘因素，在研究区进行野外调查、采集具体研究对象实测数据存在困难。通过遥感技术进行调查研究是获取该地区冰川冰湖变化和发展数据的重要手段。本文根据冰湖的定义并 ...
    中科院计算机网络信息中心 本站小编 Free考研考试 2022-01-02
  • 2017年中巴经济走廊冻土分布数据集
    摘要&关键词摘要：中巴经济走廊穿越帕米尔高原和喀喇昆仑山系，在海拔4000m以上区域广泛发育和分布着多年冻土冻融作用导致的多种地质灾害。研究中巴经济走廊冻土分布和制图是解决其实际工程问题的基础，也对水资源利用、生态安全和边防建设有重要意义。研究区大致空间范围大致为23°47′N–40°55′N，60 ...
    中科院计算机网络信息中心 本站小编 Free考研考试 2022-01-02
  • 2014–2018年中巴经济走廊地表变形数据集
    摘要&关键词摘要：中巴经济走廊北起中国新疆喀什，南至巴基斯坦瓜达尔港，经过兴都库什山脉、喀喇昆仑山脉和喜马拉雅山脉地区，全长3000公里，是一条包括公路、铁路、油气和光缆通道在内的贸易走廊。本数据集基于时序InSAR技术对2014–2018年间覆盖中巴经济走廊全部区域的Sentinel1A数据进行地 ...
    中科院计算机网络信息中心 本站小编 Free考研考试 2022-01-02
  • 1961–2017年中巴经济走廊北端东帕米尔高原极端升温过程数据集
    摘要&关键词摘要：中巴经济走廊北端穿越帕米尔高原，周边地形复杂，生态环境脆弱，灾害多样且频发。极端升温引起的冰雪消融是主要的水文气象灾害之一，备受社会和科学界关注。本文基于中巴经济走廊北端东帕米尔高原中国境内3个长序列观测气象站1961–2017年的逐日气温数据，定义并计算了单站升温日、升温过程（初 ...
    中科院计算机网络信息中心 本站小编 Free考研考试 2022-01-02
  • 盖孜河谷溜石坡调查和易发性分布数据集
    摘要&关键词摘要：中巴公路从帕米尔高原东北缘穿过了公格尔–慕士塔格–昆盖山的冰缘地带，崩塌及其次生灾害溜石坡在盖孜河谷的公路两侧广泛发育，在强大外力作用下的迅速前进容易彻底堵塞交通。已有对中巴公路（国内段）的溜石坡灾害的调查研究，但是少见评价模拟，也未形成溜石坡的分布数据。本研究引入了数据挖掘的原理 ...
    中科院计算机网络信息中心 本站小编 Free考研考试 2022-01-02
  • 2000–2017年中巴经济走廊逐年荒漠化分布数据集
    摘要&关键词摘要：土地荒漠化是目前世界上最为严重的生态环境问题之一。监测土地荒漠化动态变化，掌握其变化规律对防治荒漠化有很重要的意义。中巴经济走廊是“一带一路”的重要组成部分，全长约3000公里，其中1300余公里为严寒高原、干旱和荒漠区段。尤其是在南段，干旱和大面积荒漠是其主要的生态环境约束因素。 ...
    中科院计算机网络信息中心 本站小编 Free考研考试 2022-01-02
  • 中巴经济走廊2013–2018年地表温度高分辨率反演数据集
    摘要&关键词摘要：区域下垫面热力状态是研究防灾减灾、气候变化、环境演变以及人地相互作用等一系列地球科学问题的重要出发点与纽带。地表温度是中巴经济走廊冰川、冻土、水文、生态以及灾害等众多环境问题的关键因子和基础数据。本数据集基于Landsat8卫星热红外波段，采用多模型集成比较的方法，制备了中巴经济走 ...
    中科院计算机网络信息中心 本站小编 Free考研考试 2022-01-02

Free考研考试FreeKaoYan.Com
欢迎来到Free考研考试，"为实现人生的Free而奋斗"

© 2020 FreeKaoYan! . All rights reserved.