EN中文

Journal of Geo-information Science >

2015 , Vol. 17 >Issue 11: 1323 - 1332

DOI: https://doi.org/10.3724/SP.J.1047.2015.01323

Spatio-Temporal Characteristics of Land Cover Changes in China During 1990-2010

  • HE Huijuan , 1 ,
  • SHI Xueli , 2, *
Expand
  • 1. Shaanxi Remote-Sensing Information Center for Agriculture, Xi’an 710014, China
  • 2. National Climate Center, Beijing 100081, China
*Corresponding author:SHI Xueli, E-mail:

Received date: 2015-05-04

  Request revised date: 2015-06-01

  Online published: 2015-11-10

Copyright

《地球信息科学学报》编辑部 所有
Fold

Abstract

Based on CG-LTDR datasets, the land cover change and distribution characteristics during 1990-2010 were analyzed in China using the GIS spatial statistical analysis and other mathematical statistics methods. Compared with the reference data of CLUD, CG-LTDR land cover data has a higher classification precision. The new datasets show that the land cover indicates obvious interannual evolutions due to the climate and human activities, especially in the semi-arid and semi-humid areas distributed along Inner Mongolia to Yunnan Province. The synthetic land cover data for 5 years were used to eliminate the interannual fluctuations and to increase accuracy. The results show that the land cover types in China had changed dramatically during 1990-2000 and indicated a relatively smooth pattern during 2000-2010, which is related to the application of national policy and economic development. Among the four major land cover types, the increase of woodland area was the most significant, which is mainly due to the land use transformation from farmland to woodland in the Southeast China, and grassland into woodland in the southwest and northeast part of China. But due to the deforestation and cropland expansion, the coverage of woodland was decreased in some of the Northeast and Northwest China regions. Farmland has the largest coverage in China, while its decreasing trend is mainly caused by its transformation toward woodland and grassland. The most significant decrease of farmland appeared in the south part of China, while a slight increase was revealed in some of the Northern China. The increase of woodland and decrease of farmland were related to the national policy of "returning farmland to forest" and relevant ecological environment constructions. Grassland was mainly distributed in the ecological fragile region, and was prone to convert into other land cover types. Moreover, grassland decreased most evidently around China, because of the changes among different land cover types. To be specific, grassland was turned into woodland in Southwest China. And, grassland and farmland was interactively converted into each other along the conjunction areas from the middle east of Inner Mongolia to the north of Shaanxi Province. Additionally, grassland and bareland was converted interactively along the regions from the northern of Inner Mongolia to Tibetan Plateau. The bareland was mainly located in the Northwest China, while showing an increasing trend due to the degradation of grassland.

Key words： CG-LTDR datasets; long time series; land cover; precision evaluation; dynamic change

Cite this article

HE Huijuan , SHI Xueli . Spatio-Temporal Characteristics of Land Cover Changes in China During 1990-2010[J]. Journal of Geo-information Science, 2015 , 17(11) : 1323 -1332 . DOI: 10.3724/SP.J.1047.2015.01323

1 引言

土地覆盖是指地球表面当前所具有的自然和人为影响所形成的覆盖物[1],其变化能改变地表物理、化学及生物过程,影响地表能量和水汽收支平衡[2-4]。地表覆盖分布及变化是气候变化研究、生态环境评估、地理国情监测、宏观调控分析等不可或缺的重要基础信息[5]。
20世纪80年代后期,随着遥感技术、地理信息系统技术的普及,以及IGBP和HDP两大组织发起的土地利用/覆盖变化（LUCC）研究,促使LUCC的相关研究快速发展[6]。多个国家相继推出了全球及区域尺度的土地覆盖遥感产品,如IGBP DISCover[7]、UMD[8]、GLC2000[9]、MODIS Land Cover[10]、GLOBCOVER2005和GLOBCOVER2009[11]等数据集。与此同时,中国的土地覆盖研究也在迅速发展,逐渐形成了一个以遥感动态信息提取与分析、驱动机理分析、时空过程模拟、生态效应评价为核心的LUCC研究方法体系[12]。刘纪远等[13-14]利用Landsat TM数据并结合环境卫星（HJ-1）的CCD多光谱数据进行补充,采用人机交互方式,制作了中国1980-2010年间5期土地利用数据,并对土地利用变化进行了深入分析。黎治华等[15]基于SPOT NDVI时间序列生成了1999-2009年中国土地覆盖数据,并分析了中国地区土地覆盖动态变化特点。陈军等[16]利用Landsat TM数据,并用环境卫星（HJ-1）和北京1号小卫星（BJ-1）数据以及MODIS NDVI数据进行补充,生成了2000年和2010年30 m空间分辨率全球土地覆盖数据。另外,有些学者[17-22]在比较国外土地覆盖数据产品精度的基础上,利用数据融合等方法生成了中国地区精度更高的土地覆盖数据。
这些数据集极大满足了土地覆盖相关研究的需要,但由于时间和空间分辨率、分类体系及分类精度等的差异,不同数据间较难统一,并没有形成一套统一的逐年变化的长时间序列,因而较难用于分析多年的变化特征。气象行业专项研发的CG-LTDR地表覆盖数据是在整合多方面遥感资源的基础上生成的1982-2011年逐年土地覆盖数据,有统一规范和标准,因此,对于研究中国等不同地区土地覆盖长时间演变过程具有明显的优势。本文将首次以CG-LTDR土地覆盖数据集,分析1990-2010年中国地区近20 a来土地覆盖的时空变化和分布特点。

2 数据与方法

2.1 数据来源与处理

土地覆盖数据产品源于CG-LTDR数据集,是在气象行业专项等计划项目支持下研发的卫星气候数据集。本文选择5 km分辨率1990-2010年逐年变化的土地覆盖数据。
应用该数据前,先通过与其他参考数据的比较来进一步了解数据的性能。土地覆盖数据验证选用中国科学院研制的2000年中国1：10万土地利用数据（CLUD）[13]作为参考数据。CLUD数据主要基于Landsat TM遥感影像目视解译而成,并经过了野外实地考察验证,是中国目前精度最高的土地利用数据。
对参考数据利用面积最大法转换为5 km分辨率的栅格数据与CG-CTDR数据的空间分辨率一致。CG-CTDR数据选择2000年的土地覆盖与参考数据保持时间上的一致。为便于比较,主要选择林地、草地、耕地和荒漠几种主要的土地覆盖类型,作为研究对象,对2种数据的分类系统进行统一与重新分类（表1）。
Tab. 1 The standard of aggregated category

表1 分类系统聚合统一标准

序号 类型 参考数据CLUD 评估数据CG-LTDR
1 林地 有林地、灌木林、疏林地、其他林地 常绿针叶林、落叶针叶林、常绿阔叶林、落叶阔叶林、灌木林
2 草地 高覆盖度草地、中覆盖度草地、低覆盖度草地 稀疏植被、草地、苔原
3 耕地 水田、旱地 耕地、作物-林地混合地
4 裸地 沙地、戈壁、盐碱地、裸土地、裸岩石砾地、其他 沙地
5 其他 永久性冰川雪地、城镇用地、农村居民点、其他建设用地、沼泽地、滩涂、河渠、湖泊、水库坑塘、滩地 冰雪、居民地、湿地、水体

2.2 数据验证方法

混淆矩阵（p）是统计评价分类数据最常用的方法,用于分析不同类别分类结果与参考数据的差异。针对某一类型的评价指标有漏分误差与错分误差,二者值越小,分类精度越高。漏分误差（Ok）是对于参考数据来说,表示实际的类型有多少被错误的分到了其他类别。错分误差（Ck）是对于评估数据来说,表示在所分的类别中有多少实际为其他类型的数据被分入其中。针对分类总体的评估指标有总体分类精度和Kappa系数,二者值越大,分类精度越高。总体分类精度（Pk）为评估数据与参考数据类型相同的概率。Kappa系数（Ka）是采用了一种离散的多元技术,能更好的评价二者之间的吻合程度。上述各方法的具体公式分别为[1,20-22]：
p = ( p ij ) = p 11 ⋯ p n 1 ⋮ ⋱ ⋮ p 1 n ⋯ p nn （1）
O k = 1 - p kk p + k × 100 % （2）
C k = 1 - p kk p k + × 100 % （3）
P k = ∑ k = 1 n p kk N × 100 % （4）
K a = N ∑ k = 1 n p kk - ∑ k = 1 n ( p k + p + k ) N 2 - ∑ k = 1 n ( p k + p + k ) × 100 % （5）
式中,Pij是评估数据中第i类与参考数据第j类的面积;n为类别数量;N为区域总面积;Pkk表示第k类评估数据与参考数据相同（正确分类）的面积;P+k表示参考数据第k类的面积;Pk+表示评估数据第k类的面积。

2.3 时空变化规律的统计方法

转移矩阵[23-24]（c）可监测始末土地覆盖结构的变化特征,反映土地覆盖类型转移方向。土地覆盖面积变化[24-25]的统计方法有：覆盖率（Fki）表示某一时刻某一土地覆盖类型占区域总面积的百分比;变化趋势（Bk）反映某一土地覆盖类型所占面积随时间的变化速率和趋势,是利用线性回归方程拟合的方法求出斜率,即为变化趋势。对区域某一土地覆盖类型来说,面积净变化（Nck）为监测末期与监测初期比较转入面积与转出面积之差占初始面积的百分比;面积总变化（Tck）指转入面积与转出面积之和占初始面积的百分比。而对区域所有土地覆盖类型来说,面积净变化（Nc）为各类型净变化面积之和占区域总面积的百分比;面积总变化（Tc）为各类型总变化面积之和占区域总面积的百分比。动态度[13-15]反映土地覆盖类型变化的强度,单一动态度（Sk）为监测末期某一土地类型转换为其他土地类型面积之和与监测初期这一土地类型面积之比,而综合动态度（S）为所有土地类型单一动态度之和。具体公式为：
c = ( c ij ) = c 11 ⋯ c n 1 ⋮ ⋱ ⋮ c 1 n ⋯ c nn （6）
F ki = U ki N × 100 % （7）
B k = ∑ i = 1 t ( U ki - U k ¯ ) ( x i - x ̅ ) ∑ i = 1 t ( x i - x ̅ ) 2 （8）
N ck = U kb - U ka U ka × 100 % （9）
T ck = Δ U kin + Δ U kout U ka × 100 % （10）
N c = ∑ k = 1 n U kb - U ka N × 100 % （11）
T c = ∑ k = 1 n Δ U kin + Δ U kout ) N × 100 % （12）
S k = Δ U kout U ka × 1 t × 100 % （13）
S = ∑ k = 1 n S k （14）
式中,cij是监测初期第i类与监测末期第j类的面积;n为类别数量;N为区域总面积;t为变化时长;xi为第i时刻;Uki为第i时刻第k类的面积;Uka为监测初期k类的面积;Ukb为监测末期k类的面积;△Ukin为监测末期其他类转为k类的面积;△Ukout为监测末期k类转为其他类的面积。

3 中国土地覆盖时空变化特征分析

3.1 CG-LTDR土地覆盖数据验证

对比CG-LTDR与参考数据的土地覆盖类型空间分布（图1）可看出,CG-LTDR数据能较为准确地反映中国主要土地覆盖类型的分布特征：东北大小兴安岭、长白山、中部的秦岭、东南、中南、西南山地丘陵区域为林地覆盖;东北平原、华北平原、江淮流域、四川盆地为耕地覆盖;内蒙东部至青藏高原及新疆北部为草地覆盖;西北大部分区域为荒漠覆盖,这也与大部分已有的分类结果一致[20-22]。从混淆矩阵也能得到CG-LTDR数据与参考数据有较高的一致性（表2）,统计得到总体分类精度达64.57%,Kappa系数为53.06%。其中,林地和草地错分较少,分别为15.75%和32.67%,荒漠和耕地漏分较少,分别为10.38%和25.63%。引起误差的主要原因有：占总面积10.09%的草地被分为荒漠,主要在中国西北部地区及青藏高原北部;占总面积9.08%的林地被分为耕地,主要在东北-华北-东南一线;占总面积4.85%的草地被分为耕地,并且有3.84%的耕地被分为草地,主要在内蒙东部-山西-陕西中部一线。
Fig. 1 Land cover data comparison

图1 土地覆盖数据比较

Tab.2 Confusion matrix of the CG-LTDR 2000 data and reference data

表2 CG-LTDR 2000年数据与参考数据混淆矩阵（km2）

参考数据 CG-LTDR 2000年数据
林地 草地 耕地 荒漠
林地 139.72 24.13 83.46 0.67
草地 16.12 155.19 44.54 92.67
耕地 8.13 35.29 128.60 0.90
荒漠 1.88 15.88 1.90 169.69
一些学者利用CLUD数据评估了IGBP DISCover、UMD、GLC2000和MODIS Land Cover等常用的土地覆盖数据,其结果都表明错分区域主要位于土地覆盖类型的交错区[20-22],而且这些常用土地覆盖产品的总体分类精度和kappa系数都略低于CG-LTDR数据,因此新的数据能较好地反映实际的地表覆盖状况。另外,CG-LTDR数据有较长的时间序列,对研究土地利用的时空演变更具有优势,因此,本文将以CG-LTDR数据集,分析1990-2010年间中国土地覆盖发生的时空变化。

3.2 中国地区土地覆盖的年际变化特征

从图2可看出,1990-2010年间中国土地覆盖类型发生了明显变化,其中,林地（p<0.001）和荒漠（p<0.005）面积呈明显的增加趋势,而草地（p<0.001）和耕地（p<0.005）面积呈明显减小的趋势,这与黎治华等[15]的研究结论一致。CG-LTDR土地覆盖数据年际间的变化波动较大,特别是在1990-2000年间年际变化幅度较大,这可能与国家政策调控和经济发展有关。
Fig. 2 Temporal evolutions of different CG-LTDR land cover types during 1990-2010

图2 CG-LTDR数据主要土地覆盖类型1990-2010年变化

比较每个像元与前一年土地覆盖的差异,变化计为1,不变计为0,最后累计20年的数值,即可得到1990-2010年间土地覆盖类型转移频次的空间分布。从图3可清楚地看到,土地覆盖类型转移频次最多的地区在云南-内蒙一线（图中红色虚线）,此处为半湿润半干旱地带,降水年际变化较大,气候影响显著,并且人口稠密,土地承载压力较大[15],因而导致土地覆盖类型易于发生变化。与图1（c）比较可看到,变化频次多的区域也与错分区域一致,说明这一区域气候与人为因素的不确定性是导致错分的原因之一,因此仅用一年的数据难以保证分类的精度。
Fig. 3 The transfer frequency of land cover during 1990-2010

图3 1990-2010年间土地覆盖类型转移频次

为更好地分析1990-2010年间土地覆盖类型的转变特征,尤其是消除年际变化的影响,将1990-1994年、1998-2002年、2006-2010年每一个像元5年间出现频次最多的土地覆盖类型作为1990、2000、2010年合成的土地覆盖类型数据。将这种方法得到2000年合成数据与参考数据比较,结果表明,总体分类精度和Kappa系数为67.34%和56.82%,与单独一年的分类精度比较精度有一定提高。下面将主要分析1990、2000、2010年的合成数据。

3.3 中国土地覆盖的空间转变特征

从中国土地覆盖空间分布图来看（图4（a)-（b））,1990-2010年间土地覆盖类型的分布大体一致,没发生变化的区域主要分布在东北大小兴安岭及长白山的大部分林区,西南边界的热带雨林区,东北-华北-江淮一线及四川盆地的耕地区,内蒙中部-青藏高原南部一线的草地区,以及西北荒漠区。21年间我国土地覆盖的变化,总体上表现为林地和荒漠区域增加,耕地和草地区域减少。据统计,林地覆盖率和荒漠覆盖率分别增加了10.66%和2.28%,草地覆盖率和耕地覆盖率分别减少了7.91%和4.93%。1990-2010年间全国土地覆盖类型综合动态度为7.0%,净变化面积12.94%,总变化面积28.74%,1990-2000年和2000-2010年2个时期的变化有差异,这主要与国家政策调控和经济驱动等因素有关[14],前10年（1990-2000年）主要以土地的开发为主,土地覆盖类型变化最大,综合动态度达到12.3%,净变化面积和总变化面积分别为9.33%和23.17%;而后10年（2000-2010年）转变为开发与保护并重,因此变化较为平缓,综合动态度为6.16%,净变化面积和总变化面积分别为3.79%和13.75%。
Fig. 4 Spatial distribution and variations of land covers

图4 不同时期中国土地覆盖的空间分布及变化

从图4（c）的覆盖类型变化及转移矩阵（表3）可看出,1990-2010年间不同土地覆盖类型变化的差异较大,林地的增加最明显,1990-2010年面积净增加了114.52%。其中,1990-2000年间面积增加较多,由1990年的89.45 km2迅速增加至2000年的161.92 km2,面积净增加81.03%,到2010年林地面积增加到191.88 km2,面积净增加18.5%。林地面积增加主要是由东南部大部分耕地及西南和东北部大面积草地转变而来。有小部分地区的林地面积减少,主要是由于树木砍伐（如大小兴安岭地区）和农耕区扩张（新疆部分地区）[14]。中国的耕地总面积最大,1990年为312.84 km2,2010年为265.42 km2,面积减少了47.42 km2。1990-2010年间耕地面积净减少15.16%,动态度为1.76%。由于全国大范围的退耕还林工程和生态保护政策[15],使得耕地转变为林地的面积最多（78.39 km2）,在南部表现最为明显。草地分布在生态环境较为脆弱的地区且最容易发生变化,2000-2010年草地转为林地42.65 km2,转为耕地43.69 km2,转为荒漠30.81 km2,动态度为2.07%。西南地区的草地主要转变为林地,内蒙中东部-陕西北部一线是草耕地交错地区存在草地与耕地间的互相转换,内蒙北部-青藏高原一线的草地荒漠交错区存在草地与荒漠间的互相转换,因而也验证了“生态环境脆弱的地区土地转移概率最高”[15]。受到草地退化等因素的影响,西北荒漠化在进一步加剧,荒漠面积净增加了9.26%,表明裸露土地的增长主要在西北地区[15]。
Tab.3 Transition matrix of the land cover types from 1990 to 2010 (unit: km2)

表3 1990-2010年土地覆盖转移矩阵（km2）

1990年 2010年
林地 草地 耕地 荒漠
林地 70.19 2.43 16.72 0.003
草地 42.65 170.77 43.69 30.81
耕地 78.39 28.65 202.63 0.73
荒漠 0.02 10.84 0.48 221.66

3.4 不同区域各土地覆盖类型的变化特征

下面进一步分析中国不同区域及省（直辖市、自治区）的地表覆盖类型的时间变化特征。
3.4.1 林地的变化特征
1990年东北地区的林地覆盖率最高（35.14%）,2010年增长至38.28%,但中南部植被覆盖率增长更为迅速,从1990年的10.96%增长至2010年的44.80%,超过了东北部的植被覆盖率。1990年没有林地覆盖率超过50%的省份,海南、黑龙江和云南林地覆盖率排前3位,分别为47.07%、43.83%和35.88%;随着中南部和西南部耕地和草地转变为林地,林地覆盖率急速上升,到2000年有5个省的林地覆盖率超过50%,福建、台湾、海南位列前3,分别为71.4%、68.61%和61.61%;2010年林地覆盖率超过50%的省已有8个,其中福建、台湾、广西位列前3,分别为71.14%、67.95%和65.01%。1990-2010年除黑龙江（0.13%）和新疆（0.53%）的林地覆盖率下降外,其他各省林地覆盖率都呈上升趋势,覆盖率上升最快的3个省（区/市）是广西、贵州和重庆,分别增加了50.09%、48.96%和43.75%（图5）。
Fig. 5 Woodland coverage rate changes in different provinces of China from 1990 to 2010

图5 1990-2010年间中国各省（区/市）林地覆盖率变化

3.4.2 耕地的变化特征
华东地区耕地覆盖率一直最高,1990年为82.22%,2000年减少至65.42%,2010年只有60.97%。从1990-2010年间,耕地覆盖率减少了21.25%,而耕地覆盖率减幅最大的是中南地区,1990-2012年间减少了28.06%。尽管大部分地区耕地覆盖率在下降,但西北和华北地区的耕地有小幅增加,增幅分别为0.43%和0.02%。1990年耕地覆盖率超过50%的省达到20个,2000年下降至17个,到2010年只有12个。北方耕地覆盖率较高的山东、江苏、河南等省份,1990-2010年总体较为稳定略有减少,减幅分别为2.57%、2.78%和8.71%;在内蒙、宁夏、黑龙江等省区呈增加趋势,增幅分别为4.35%、3.67%和3.15%。在南方,广西、浙江、福建等省区耕地覆盖率下降幅度明显,分别减少了43.73%、41.65%和35.57%（图6）。
Fig. 6 Farmland coverage rate changes in different provinces of China from 1990 to 2010

图6 1990-2010年间中国各省（区/市）耕地覆盖率变化

3.4.3 草地的变化特征
草地的分布没有大的变动,都表现为西南部草地覆盖率最高,其次是西北和华北（30%左右）,而中南部、东北部和华东地区草地覆盖率相对较小（<10%）。1990-2010年间草地覆盖率在西南部下降幅度最大,达17.58%,其他地区的降幅在2.18%~6.19%之间。1990年有4个省草地覆盖率超过50%,分别为宁夏（73.51%）、四川（64.18%）、青海（61.94%）和西藏（50.29%）,2000年和2010年这4个省草地覆盖率依然最高,但只有宁夏和青海草地覆盖率超过50%。1990-2010年间草地覆盖率在各省主要呈下降趋势,降幅最大的是四川、云南、台湾,降幅分别为31.82%、25.95%和20.66%,而华北的山西、河北、天津及华东的上海、山东、江苏等省（市）都呈小幅上升趋势,其中山西的增幅最大,为13.19%（图7）。
Fig. 7 Grassland coverage rate changes in different provinces of China from 1990 to 2010

图7 1990-2010年间中国各省（区/市）草地覆盖率变化

3.4.4 荒漠的变化特征
西北地区的荒漠面积最大,覆盖率超过了50%,1990-2010年间西北地区荒漠覆盖率增加了3.64%。荒漠覆盖率最高的省（区）市包括新疆、甘肃、西藏和青海等,覆盖率都超过了30%,其中新疆的荒漠覆盖率最高,1990年为67.85%,2010年增至72.21%。1990-2010年间荒漠化趋势最严重的是宁夏,覆盖率增加了6.82%。尽管西北大部分地区的荒漠化加剧,但陕西省的荒漠面积减小了0.2%,这可能与退耕还林等国家政策有关（图8）。
Fig. 8 Bareland coverage rate changes in different provinces of China from 1990 to 2010

图8 1990-2010年间中国各省（区/市）荒漠覆盖率变化

4 结论与讨论

基于CG-LTDR数据集的地表覆盖数据产品,分析研究了1990-2010年间中国土地覆盖时空变化。通过与2000年CLUD的参考数据比较,CG-LTDR数据具有较高的精度,总体分类精度和Kappa系数分别为64.57%和53.06%。利用CG-LTDR数据具有较长的逐年变化时间序列优势,通过转移矩阵、面积变化统计、动态度等GIS空间统计方法,分析了1990-2010年间中国主要土地覆盖类型的分布及变化特征,得到如下结论：
（1）1990-2010年间中国土地覆盖的主要变化趋势是林地和荒漠覆盖率的增加（增幅分别为10.66%和2.28%）,草地和耕地逐年减少（减幅分别为7.91%和4.93%）。云南-内蒙一线的干旱区与湿润区的过渡带土地覆盖类型更易于发生改变。
（2）利用5年合成数据分析1990-2000年与2000-2010年2个时期土地利用变化的差异,结果表明,该变化与国家政策调控和经济驱动有关。1990-2000年主要以土地的开发为主,土地覆盖类型变化最大,综合动态度达12.3%,而2000-2010年转变为开发与保护并重,土地覆盖类型变化较为平缓,综合动态度为6.16%。
（3）1990-2000年间4种主要地表覆盖类型的变化趋势与地区分布不同。林地的变化最明显,全国林区呈增加趋势,面积净增加了114.52%,南部地区增幅最大,1990-2010年间林地覆盖率超过50%的省份从零个增加至8个;而由于树木砍伐和农耕区扩张造成的森林覆盖率减少的地区主要位于黑龙江和新疆。耕地面积大范围下降,尤其是我国南部,这与耕地变为林地和草地有关;新增耕地的重心从东南部向北部转移。林地的增加与耕地的减少都与全国大范围的退耕还林工程和生态保护工作有关。草地的面积减少最多,净减少26.09%,动态度为2.07%,类型转变显著且有局域特性,在西南及东北部分地区主要转变为林地,在内蒙中东部-陕西北部一线,表现为草地与耕地相互转换,内蒙北部-青藏高原一线存在草地与荒漠的互相转换。西北荒漠化趋势在进一步加剧,荒漠面积净增加了9.26%。
研究表明,1990-2010年间中国土地覆盖发生了巨大的变化,尽管政府在发展经济的同时也逐渐加大了对生态环境的保护力度,但仍存在着一些问题,例如,东西部发展不平衡、生态建设与农业发展不协调等。全国范围的生态保护建设使得林地面积明显增加,但林地增加的区域主要在东南部,而较为落后的西北部干旱半干旱区,生态环境相对脆弱、荒漠化和水土流失严重,因此,应加大经济支持力度,根据区域气候环境特征,有效利用现有资源,进一步因地制宜开展植被生态恢复工程。此外,生态建设与农业可持续发展之间存在的矛盾不容忽视,1990-2010年间,中国的耕地面积大幅下降与退耕还林还草等生态保护政策密切相关,但这会对中国粮食生产造成一定的压力。未来可考虑自然环境特点,在不利于耕种的区域加大生态保护力度,而适宜发展农业的区域提高土地利用率,大力发展生态农业。
土地覆盖（变化）与生态环境之间存在复杂的非线性相互作用。气候环境和人为作用决定着土地覆盖类型的分布。随着社会经济的发展,人为作用的影响日益凸现,而土地覆盖变化又会作用于气候、生态、土壤、水资源等环境因素,它们的复杂关系涉及多个学科,需综合利用更多的数据产品和分析方法,并结合数值模拟作进一步分析。CG-LTDR数据集为该方面的研究提供了良好的统一数据源,未来将据此进行更长时段（如1982年以来）、更多地区乃至全球的下垫面覆盖状况分析及其与气候等因子的相关分析研究。

The authors have declared that no competing interests exist.

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
赵时英. 遥感应用分析原理与方法[M].北京:科学出版社,2003.

[2]
Foley J A, DeFries R, Asner G P, et al. Global consequences of land use[J]. Science,2005,309(5734):570-574.Land use has generally been considered a local environmental issue, but it is becoming a force of global importance. Worldwide changes to forests, farmlands, waterways, and air are being driven by the need to provide food, fiber, water, and shelter to more than six billion people. Global croplands, pastures, plantations, and urban areas have expanded in recent decades, accompanied by large increases in energy, water, and fertilizer consumption, along with considerable losses of biodiversity. Such changes in land use have enabled humans to appropriate an increasing share of the planet's resources, but they also potentially undermine the capacity of ecosystems to sustain food production, maintain freshwater and forest resources, regulate climate and air quality, and ameliorate infectious diseases. We face the challenge of managing trade-offs between immediate human needs and maintaining the capacity of the biosphere to provide goods and services in the long term.

DOI PMID

[3]
Sterling S M, Ducharne A, Polcher J.The impact of global land-cover change on the terrestrial water cycle[J]. Nature Climate Change,2012,3(4):385-390.Floods and droughts cause perhaps the most human suffering of all climate-related events; a major goal is to understand how humans alter the incidence and severity of these events by changing the terrestrial water cycle. Here we use over 1,500 estimates of annual evapotranspiration and a database of global land-cover change to project alterations of global scale terrestrial evapotranspiration (TET) from current anthropogenic land-cover change. Geographic modelling reveals that land-cover change reduces annual TET by approximately 3,500kmyr(5%) and that the largest changes in evapotranspiration are associated with wetlands and reservoirs. Land surface model simulations support these evapotranspiration changes, and project increased runoff (7.6%) as a result of land-cover changes. Next we create a synthesis of the major anthropogenic impacts on annual runoff and find that the net result is an increase in annual runoff, although this is uncertain. The results demonstrate that land-cover change alters annual global runoff to a similar or greater extent than other major drivers, affirming the important role of land-cover change in the Earth System. Last, we identify which major anthropogenic drivers to runoff change have a mean global change statistic that masks large regional increases and decreases: land-cover change, changes in meteorological forcing, and direct COeffects on plants.

DOI

[4]
Meyfroidt P, Lambin E F, Erb K, et al.Globalization of land use:Distant drivers of land change and geographic displacement of land use[J]. Current Opinion in Environmental Sustainability,2013,5:1-7.

DOI

[5]
陈军,陈晋,宫鹏,等.全球地表覆盖高分辨率遥感制图[J]. 地理信息世界,2011,9(2):12-14.全球地表覆盖分布及变化是气候 变化研究、生态环境评估、地理国情监测、宏观调控分析等不可或缺的重要基础信息。国际上现有全球五套地表覆盖数据产品的空间分辨率为1 km或300 m,数据精度、分类体系、时空分辨率等均存在不足。为了满足全球变化研究与地球模式模拟的需求,应该研制具有较高时空分辨率、更符合全球变化需要、精度较 好的全球地表覆盖数据产品。本文简要介绍了全球地表覆盖遥感制图的情况和数据产品的不足,讨论了对新一代地表覆盖数据产品的需求,介绍了我国研制全球30 m地表覆盖数据产品的863重点项目。

DOI

[6]
宋乃平,张凤荣,王磊,等.我国土地利用/覆被研究的热点与应用发展问题[J].地球信息科学,2008,10(1):60-66.本文回顾了国内土地利用调查和土地利用／覆被变化（以下简称LUCC）的研究历程，认为20 世纪80年代前的半个世纪，我国以土地调查为主的土地利用研究发展缓慢。到了80年代后，由于遥感技术由实验走向实用、地理信息系统技术的普及，加之 IGBP和HDP两大组织发起的土地利用／覆被变化研究，这一领域的研究得到了极大地推动。目前，该领域存在着技术潮流、驱动力研究潮流、环境效应研究潮 流、景观生态学潮流等热点，这对于推动LUCC的多学科深入研究具有积极作用；指出了土地利用／覆被变化研究中存在的“重技术轻学理”现象、微观机理研究 不足、忽视土地利用替代性研究、土地可持续利用评价针对性不够、研究的服务对象单一等问题，LUCC研究要在克服这些问题中发展；由此提出，在经过一定的 领域拓展、案例积累、技术准备等基础工作之后，我国土地利用／覆被变化研究应针对前述问题，加强理论建设，探索模型建立，拓展区域应用，发挥多学科核心作 用，在理论建设、数学模型表达、机理探讨等方面，为现代地理学做出贡献，为地理学的社会作用和应用拓展更加广阔的空间。

DOI

[7]
Loveland T R, Reed B C.Development of a global land cover characteristics daTablease and IGBP DISCover from 1km AVHRR data[J]. International Journal of Remote Sensing, 2000,216(7):1303-1330.

[8]
Hansen M C,Defries R S.Global land cover classification at 1km spatial resolution using a classification tree approach[J]. International Journal of Remote Sensing, 2000,216(7):1331-1364.

[9]
Bartholomé E, Belward A S.GLC 2000: A new approach to global land cover mapping from Earth Observation data[J]. International Journal of Remote Sensing, 2005,26(9):1959-1977.ABSTRACT A new global land cover database for the year 2000 (GLC2000) has been produced by an international partnership of 30 research groups coordinated by the European Commission&rsquo;s Joint Research Centre. The database contains two levels of land cover information&mdash;detailed, regionally optimized land cover legends for each continent and a less thematically detailed global legend that harmonizes regional legends into one consistent product. The land cover maps are all based on daily data from the VEGETATION sensor on-board SPOT 4, though mapping of some regions involved use of data from other Earth observing sensors to resolve specific issues. Detailed legend definition, image classification and map quality assurance were carried out region by region. The global product was made through aggregation of these. The database is designed to serve users from science programmes, policy makers, environmental convention secretariats, non-governmental organizations and development-aid projects. The regional and global data are available free of charge for all noncommercial applications from http://www.gvm.jrc.it/glc2000.

DOI

[10]
Friedl M A, McIver D K. Global land cover mapping from MODIS:Algorithms and early results[J]. Remote Sensing of Environment, 2002,83(12):287-302.Until recently, advanced very high-resolution radiometer (AVHRR) observations were the only viable source of data for global land cover mapping. While many useful insights have been gained from analyses based on AVHRR data, the availability of moderate resolution imaging spectroradiometer (MODIS) data with greatly improved spectral, spatial, geometric, and radiometric attributes provides significant new opportunities and challenges for remote sensing-based land cover mapping research. In this paper, we describe the algorithms and databases being used to produce the MODIS global land cover product. This product provides maps of global land cover at 1-km spatial resolution using several classification systems, principally that of the IGBP. To generate these maps, a supervised classification methodology is used that exploits a global database of training sites interpreted from high-resolution imagery in association with ancillary data. In addition to the IGBP class at each pixel, the MODIS land cover product provides several other parameters including estimates for the classification confidence associated with the IGBP label, a prediction for the most likely alternative class, and class labels for several other classification schemes that are used by the global modeling community. Initial results based on 5 months of MODIS data are encouraging. At global scales, the distribution of vegetation and land cover types is qualitatively realistic. At regional scales, comparisons among heritage AVHRR products, Landsat TM data, and results from MODIS show that the algorithm is performing well. As a longer time series of data is added to the processing stream and the representation of global land cover in the site database is refined, the quality of the MODIS land cover product will improve accordingly.

DOI

[11]
Arino O, Bicheron P, Achard F, et al.GLOBCOVER:The most detailed portrait of the earth[J]. European Space Agency Bull, 2008,136:24-31.

[12]
邓祥征,邵全琴,李国胜,等.中国LUCC信息学方法体系的结构与应用分析[J].地球信息科学学报,2009,11(4):406-412.LUCC信息学方法体系是集区域自然地理学理论方法与GIS技术于一体的新兴学科领域。该方法体系以遥感、GIS及海量数据采集与处理技术为基础,主要应用于多尺度、多层次的土地利用和土地覆被变化时空过程与格局演替探测与模拟、驱动机理提炼及宏观生态效应分析研究,并在相关专题的案例研究中,得到不断验证、丰富与发展。本文回顾了LUCC信息学方法体系的发展历程,阐明了我国LUCC信息学方法体系的核心方法、技术特征和研究现状。其中,土地利用与土地覆被遥感动态信息提取与分析、驱动机理提炼、时空过程模拟、宏观生态效应评价技术的发展和土地利用与土地覆被研究信息平台的建设及相关技术方法的集成,推动了中国LUCC信息学的形成,并构成了LUCC信息学方法体系的基本结构。

[13]
刘纪远,张增祥.中国近期土地利用变化的空间格局分析[J].中国科学:D辑,2002,32(12):1031-1040.在全球环境变化研究中，土地利用和土地覆被动态越来越被认为是一个关键而迫切的研究课题，依据覆盖中国1990年代末期5a时间间隔的陆地卫星数据资料，研究了土地利用变化的特征和空间分布规律，依据土地利用动态度的概念，在1km格网土地利用变化数据基础上，根据区域近期土地利用动态特点与社会，自然环境综合特征，设计了全国土地利用动态区划图，揭示了土地利用变化过程的空间格局，总体上，传统农作区（包括黄淮海平原，长江三角洲地区和四川盆地等）城镇居民建设用地的扩张侵占了大面积的耕地，而北方农牧交错带与西北绿洲农业区由于生产条件，经济利益和气候变化等方面的原因，耕地开垦现象最为突出，国家退耕还林还草政策的实施效果在局部地区有所体现，但截至2000年，尚未对土地覆被变化产生区域性的影响，此5a期间森林砍伐现象依然比较严峻，本项研究，实现了中国现代土地利用动态区域单元的划分，揭示了中国现代土地利用变化的时间－空间属性并为其特征分析提供了区域格局框架，该项研究是地理科学对研究对象的“空间格局”与“时间过程”特征进行集成研究，揭示研究对象“变化过程的格局”，“以及格局的变化过程”的一次有益的尝试。

DOI

[14]
刘纪远,匡文慧,张增祥,等.20世纪80年代末以来中国土地利用变化的基本特征与空间格局[J].地理学报,2014,69(1):3-14.土地利用/土地覆被变化（LUCC）是人类活动与自然环境相互作用最直接的表现形式，本文采用相同空间分辨率的卫星遥感信息源和相同的技术方法，对中国1980 年代末到2010 年土地利用变化数据进行定期更新。在此基础上，提出并发展土地利用动态区划的方法，研究土地利用变化的空间格局与时空特征。我们发现：1990-2010 年的20 年间，中国土地利用变化表现出明显的时空差异。“南减北增，总量基本持衡，新增耕地的重心逐步由东北向西北移动”是耕地变化的基本特征；“扩展提速，东部为重心，向中西部蔓延”是城乡建设用地变化的基本特征；“林地前减后增，荒漠前增后减，草地持续减少”是非人工土地利用类型变化的主要特征。20 世纪末与21 世纪初两个10 年相比，中国土地利用变化空间格局出现了一些新特征，原有的13 个土地利用变化区划单元演变为15 个单元，且部分区划单元边界发生变化。主要变化格局特征为黄淮海地区、东南部沿海地区、长江中游地区和四川盆地城镇工矿用地呈现明显的加速扩张态势；北方地区耕地开垦重心由东北地区和内蒙古东部转向西北绿洲农业区；东北地区旱作耕地持续转变为水田；内蒙古农牧交错带南部、黄土高原和西南山地退耕还林还草效果初显。近20 年间，尽管气候变化对北方地区的耕地变化有一定的影响，但政策调控和经济驱动仍然是导致我国土地利用变化及其时空差异的主要原因。2000 年后的第一个10 年，土地利用格局变化的人为驱动因素已由单向国土开发为主，转变为开发与保护并重。在空间格局变化的分析方法方面，应用“动态区划法”开展世纪之交两个10 年中国LUCC空间格局变化的分析，有效揭示了20 年来中国LUCC“格局的变化过程”，即动态区划边界的推移、区划单元内部特征的变化与单元的消长等；以及“变化过程的格局”，即土地利用变化过程与特征的分阶段区域差异，清晰刻画了LUCC动态区划中区划单元的消长，单元边界的变动，以及前后10 年的变化强度特征，揭示了土地利用“格局”与“过程”之间的交替转化规律，以及不同类型和区域的变化原因，证明了该分析方法的有效性。

DOI

[15]
黎治华,高志强,高炜,等.中国1999-2009年土地覆盖动态变化的时空特点[J].农业工程学报,2011,27(2):312-322.基于SPOT NDVI时间序列研究中国近10 a来（1999－2009年）土地覆盖动态变化的时空特点。首先，对BISE模型进行改进并对数据进行预处理；其次，结合光谱角分类和最小距离分类算法各自的优势构建了一个新的分类算法（SAM-MDM），并对多年NDVI数据分类和后处理，提高了分类精度，能满足土地覆盖变化趋势分析要求；再次，应用土地覆盖动态度模型和GIS叠加方法分析了全国土地覆盖的时空变化，建立了土地覆盖类型转移概率矩阵；最后，应用马尔科夫（Markov）过程建立了类型转移演化模型，对未来20 a土地覆盖动态变化过程进行了预测。通过该研究探讨了中国土地覆盖近10 a来在时间上的动态变化特点、空间上的变化差异、土地覆盖类型的转移概率分布和未来10～20 a的时空变化趋势。

[16]
陈军,陈晋,廖安平,等.全球30m地表覆盖遥感制图的总体技术[J].测绘学报,2014,43(6):551-557.<p>本文针对全球30米分辨率地表覆盖遥感制图这一世界性难题，提出了以多源影像最优化处理、参考资料服务化整合、覆盖类型精细化提取、产品质量多元化检核为主线的总体研究思路，研发了影像几何与辐射重建、异质异构服务化集成、对象化分层分类、知识化检核处理等主体技术方法；用于制定了相应数据产品规范、生产技术规范，研发了多项生产型软件，用于研制了2000和2010两个基准年的全球）30米地表覆盖数据产品，将空间分辨率提高了1个数量级。</p>

[17]
冉有华,李新,卢玲.基于多源数据融合方法的中国1 km土地覆盖分类制图[J].地球科学进展,2009,24(2):192-202.lt;p>精确的全球及区域土地覆盖数据是陆地表层过程研究的重要基础。在集成研究兴起和多种数据并存的背景下，利用多源信息融合技术进行大尺度土地覆盖制图具有重要的现实意义。证据理论清楚地表达了由于不确定和不完全信息所带来的对命题认识的&ldquo;无知&rdquo;，能够确定相应的假设在目前的认知与知识状态下的确定、不确定和&ldquo;无知&rdquo;程度，是多源数据决策融合的重要方法。基于证据理论，将2000年中国1∶10万土地利用数据、中国植被图集（1∶100万）的植被型分类、中国1∶10万冰川图、中国1∶100万沼泽湿地图和MODIS 2001年土地覆盖产品（MOD12Q1）进行了融合，最终基于最大信任度原则进行决策，产生了新的、IGBP分类系统的2000年中国土地覆盖数据。新的土地覆盖数据在保持了中国土地利用数据的总体精度的同时，补充了中国植被图中对植被类型及植被季相的信息，更新了中国湿地图，增加了中国冰川图最新信息，使分类系统更加通用。</p>

[18]
宋宏利,张晓楠,陈宜金.基于证据理论的多源遥感产品土地覆被分类精度优化[J].农业工程学报,2014,30(14):132-139.针对现有土地覆被遥感产品及融合方法存在的不足，该文提出了一种新的分类体系转换方法，实现了证据理论（Dempster-Shafer）框架下多源产品的集成，并以GEOWIKI、林业调查数据为参考，通过绝对及交叉验证方法对融合结果精度进行了评价。研究结果表明：无论总体精度还是类别精度，融合结果与原始数据相比均有一定提高，说明在融合过程中，吸收了多源数据的类别分布特征，做到了多源数据间的互补。通过融合结果的不确定性分析，总体上融合结果的不确定性较小，但在景观异质性较强区域，融合结果的不确定性显著，不确定性值集中于0.4～0.7之间，这说明如何提高景观异质性区域的土地覆被类别精度，实现该区域数据重构是未来亟需解决的问题。该文所得成果为未来全球或区域尺度土地覆被遥感产品的研制及产品精度验证提供了参考。

[19]
崔林丽,陈昭,尹球,等.基于模糊集合理论的中国区域土地覆盖数据集融合及精度分析[J].长江流域资源与环境,2014,23(11):1627-1632.lt;p>全球土地覆盖的特征及其空间分布的信息是理解人类活动与全球变化之间复杂相互作用的关键信息来源，对全球变化研究至关重要。目前欧美等国家相继研制了全球范围的土地利用覆盖数据集，并对全球科学界免费提供，这些数据集为人类提供了更加准确的、完整的全球土地覆盖信息。然而，全球范围的土地利用覆盖数据集的种类多，特点不一，因此需要结合其优点，以适用于中国陆面。采用了一种基于模糊集合理论的数据融合方法，对主要数据集进行中国区域土地覆盖数据集融合分类重建，并结合高分辨率卫星分类结果进行了一致性检验分析。检验分析表明该方法能够兼容多种数据集的特点，该项成果可用于全国和区域数值模式以及生态环境评价等进一步研究应用</p>

DOI

[20]
冉有华,李新,卢玲.四种常用的全球1 km土地覆盖数据中国区域的精度评价[J].冰川冻土,2009(3):490-500.精确的全球及区域土地覆盖数据 是陆地表层过程研究的重要基础.对数据质量的了解与数据本身同等重要,定量的数据精度评估不仅是对数据本身包含信息的丰富,而且对有助于发现问题,从而促 进土地覆盖制图方法的发展.基于一个新的分类系统(森林、灌木草地、农田、裸地、城市、湿地和水体),以中国1∶10万土地利用数据为参考数据,从类型面 积一致性、空间一致性两方面对4种全球土地覆盖数据集在中国区域的分类精度进行了评价,包括美国地质调查局为国际地圈-生物圈计划的全球土地覆盖数据集 (IGBPDISCover);美国马里兰大学的全球土地覆盖数据集(UMd);欧盟联合研究中心(JRC)空间应用研究所(SAI)的2000年全球土 地覆盖数据产品(GLC2000);MODIS 2000年的土地覆盖数据产品(MOD12Q1).并对4种土地覆盖产品误差的空间和类型分布进行了分析.结果表明:在4种土地覆盖分类产品 中,GLC2000和MODIS土地覆盖数据有更高的整体分类精度,IGBP数据的整体分类精度次之,但是3种数据在局部都存在明显的分类错误;UMd的 分类精度整体最低.通过对4种数据分类精度的空间和类型分布规律的分析,认为4种数据都不能很好的满足陆地表层过程模拟的需要.建议发展土地覆盖类型决策 融合方法,将现存多源土地覆盖分类信息融合起来,制备更高精度的中国土地覆盖分类图.

DOI

[21]
宋宏利,张晓楠.中国区域多源土地覆被遥感产品精度分析与验证[J].农业工程学报,2012,28(22):207-214.国家及区域尺度的土地覆被信息对于解决环境演变、生物多样性保护、生态系统评价及环境建模等一系列问题起着至关重要的作用。该文以中国科学院CHINA2000数据为参考，从国家尺度比较了当前全球4种土地覆被遥感产品的分类精度，以便解释验证数据与参考数据在空间及专题上的一致性和异质性。结果表明：与参考数据相比，4种遥感产品的土地覆被类别的空间分布，从整体上表现出较高的一致性，但在局部区域差异性较大，特别是在景观异质性较强的西南和东南地区；GLC2000遥感产品从相关系数和总体精度方面都表现出与参考数据较好的一致性，其相关系数为0.92，总体精度为55.86%，GLOBCOVER产品则表现出与参考数据较差的一致性；4种产品与参考数据在空间上表现出明显的混淆现象，混淆主要发生于林地、灌木、草地和耕地之间，这表明粗空间分辨率遥感产品在识别叶类土地覆被类型的能力上仍需要改进，该文为中国用户合理利用遥感产品提供了科学合理的依据。

DOI

[22]
刘向培,王汉杰,何明元,等.三种土地覆盖遥感数据在中国区域的精度分析[J].农业工程学报,2013,28(24):252-259.土地覆盖遥感数据的精度分析是数据应用的前提和基础。该文以中国科学院资源环境科学数据中心 提供的2000年中国土地覆盖数据作为参考,基于对土地覆盖类型的归并,在各种土地覆盖类型的分布面积、空间位置等方面分析了GLC2000、MODIS V004和MODIS V005三种数据描述中国土地覆盖状况的能力,并引入差异性指数,深入分析影响土地覆盖数据精度的原因,得到以下主要结论：总体上各数据均能反映中国主要 土地覆盖类型的分布情况,GLC2000、MODIS V004和MODIS V005数据的总体精度分别为62.8%、61.7%和61.9%;3种数据的乔木林地面积较参考数据均偏大,而建筑用地、湿地和水体的面积均偏小;乔木 林地、灌木草地、耕地和裸地冰川的精度较高,建筑用地和湿地的精度较低;GLC2000数据在省级水平上对乔木林地和耕地的描述最准确,MODIS V005数据的平均用户精度和生产者精度最高;土地覆盖数据的精度随着数据差异性指数的增加而降低,随着差异性指数为1的区域面积比例的增加而升 高;MODISV005数据的精度受土地覆盖差异性的影响相对较小。

DOI

[23]
吴琳娜,杨胜天,刘晓燕,等.1976年以来北洛河流域土地利用变化对人类活动程度的响应[J].地理学报,2014,69(1):54-63.土地利用变化是反映人类活动程度的重要因子，分析土地利用时空变化规律，是揭示人类活动程度的有效方式。在遥感和地理信息系统技术的支持下，采用人机交互图像处理方法获取北洛河流域1976 年、1998 年和2010 年土地利用数据；从土地利用变化速度、转移方向和土地利用程度方面，全面分析1976 年以来北洛河流域人类活动作用下的土地利用时空变化规律。结果表明：① 1976-1998 年和1998-2010 年间北洛河流域综合土地利用动态度从0.61 增加到6.66；耕地和草地面积减少，减小速度分别从2.00%和2.69%增加到26.20%和23.33%，林地和城乡工矿居民用地面积增加，前者增加速度从5.93%增加到59.68%，后者增加速度从6.59%减小到3.52%。② 两个时段土地利用类型转移方向都呈现出耕地和草地主要转化为林地，少部分耕地转化为城乡工矿居民用地的特点；③ 流域各县土地利用程度综合变化指数从-2~1 之间，扩大为-27~4 之间。证明流域内人类活动对自然环境的影响逐渐增大；主要表现为耕地、草地、林地和城乡工矿居民用地的相互转化；影响区域主要分布在流域上游吴旗县、富县、甘泉、黄陵县和洛川县；而人类活动作用导致的林地面积增大程度远远大于耕地和草地面积减小和城乡工矿居民用地面积增加程度。

DOI

[24]
任正超,朱华忠,柳小妮.年际尺度上土地覆盖类型时空分异及其对气候和地形的响应[J].农业工程学报,2012,28(15):205-214.为了更加深刻地理解气候和地形条件对土地覆盖的作用机理，该研究以2001年－2009年逐年的MODIS Land Cover（MCD12Q1）为主要数据源，参考中国土地覆盖分类体系整合国际上通用的5种（IGBP、UMD、LAI-fPAR、NPP和PFT）土地覆盖分类体系，分析年际尺度上中国西北干旱半干旱地区的土地覆盖时空分异及其对气候和地形的响应。研究结果表明：IGBP较其他4种更适合年际尺度上干旱半干旱地区土地覆盖的时空分异研究。2001年－2009年，5种分类体系中农田和草地增加，水体湿地和荒漠减少，聚落保持不变，森林有增有减，并且土地覆盖类型间相互发生转换，其在空间上的转移与干旱半干旱地区的自然条件变化和人类活动相适应。6种土地覆盖类型对自然条件的响应与光、热、水在时空格局上的分配以及人类活动作用的强弱相一致。研究结果可为区域或全球土地利用和土地覆盖研究提供参考。

[25]
易扬,信忠保,覃云斌,等.生态植被建设对黄土高原农林复合流域景观格局的影响[J].生态学报,2013,33(19):6277-6286.自1999年以来,黄土高原大规模地实施了退耕还林工程,生态环境呈显著恢复态势。采用2002年和2008年两期Spot5遥感影像,评估了退耕还林工程实施前后黄土高原典型农林复合流域土地利用与景观格局的动态变化。结果表明:在退耕还林工程实施的驱动下,流域土地利用变化剧烈,总变化率高达36.77%,主要变化的土地利用类型包括耕地、果园、幼林地、林地等。28.95%的耕地转为其他土地利用类型,其中48.83%转为果园,44.69%转为幼林地。景观格局变化呈明显的空间分布规律,山腰缓坡区以转化为果园为主,中、高海拔多转化为幼林地。退耕后流域生态景观得以优化,呈现良好发展态势。

DOI

Options
Outlines

/

〈 〉