EN中文

Journal of Geo-information Science >

2018 , Vol. 20 >Issue 9: 1263 - 1273

DOI: https://doi.org/10.12082/dqxxkx.2018.180153

Development and Pattern Analysis of Mongolian Land Cover Data Products with 30 Meters Resolution

  • WANG Juanle , 1, 3 ,
  • CHENG Kai 1, 2 ,
  • ZHU Junxiang 1 ,
  • LIU Qing 1
Expand
  • 1. State Key Laboratory of Resources and Environmental Information System, Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101, China
  • 2. University of Chinese Academy of Sciences, Beijing 100049, China
  • 3. Jiangsu Center for Collaborative Innovation in Geographical Information Resource Development and Application, Nanjing 210023, China
*Corresponding author: WANG Juanle, E-mail:

Received date: 2018-03-27

  Request revised date: 2018-06-04

  Online published: 2018-09-25

Supported by

Strategic Priority Research Program of the Chinese Academy of Sciences, No.XDA19040501, XDA2003020302)

The 13th Five-year Informatization Plan of Chinese Academy of Sciences, No.XXH13505-07

Construction Project of China Knowledge Center for Engineering Sciences and Technology, No.CKCEST-2018-2-8.

Copyright

《地球信息科学学报》编辑部 所有
Fold

Abstract

Mongolia is an important part of the Mongolian Plateau. Its land cover patterns and changes are of great significance for resources, environment, ecology, and sustainable development of Northeast Asia. In order to address issues such as lack of high accuracy and up-to-date land cover products in this region, we have used images obtained through Landsat thematic mapper and object-oriented classification method to produce data products and analyze the Mongolian land cover patterns. A classification system suitable for Mongolian land cover was first proposed taking characteristics of the Mongolian landscape into consideration. Interpretation algorithms and rules of 10 kinds of natural and artificial features were studied using the object-oriented interpolation method, and a complete remote sensing interpolation technological program suitable for Mongolian land cover mapping was developed. Land cover products for Mongolia for 2010 were obtained by interpretation of individual Landsat scenes. The accuracies of classification of the datasets in the first and second class levels were 92.34% and 80.24%, respectively. The main land cover types in Mongolia consist of barren lands, grasslands, and forests. Out of these, barren lands account for the maximum area (approximately 48.64% of the total area) with concentrated and continuous characteristics, and are mainly distributed in the south and west of Mongolia. The second largest areas are covered by grasslands (42.85% of the total area) with clear regional characteristics, and mainly distributed in the north of Mongolia and near the rivers. Forest areas constitute the smallest part, accounting for only 6.63% of the total area, and are mainly distributed in the mountains of north and northwest Mongolia. The spatial distribution of the land cover presents clear regional differences and land type transitivity. The land cover changes from barren to desert steppe, to real steppe, and finally, to forests as one moves from the south to north. The desert steppe forms a clear separate belt in the central part of Mongolia.

Key words： land cover; data product; remote sensing interpretation; objected-oriented; Mongolia

Cite this article

WANG Juanle , CHENG Kai , ZHU Junxiang , LIU Qing . Development and Pattern Analysis of Mongolian Land Cover Data Products with 30 Meters Resolution[J]. Journal of Geo-information Science, 2018 , 20(9) : 1263 -1273 . DOI: 10.12082/dqxxkx.2018.180153

1 引言

蒙古高原是世界上典型的干旱与半干旱地区[1],是欧亚大陆温性草原的核心区[2,3]。该地区草地资源丰富,地理区位独特,其土地覆盖格局及其变化对于整个东北亚地区的资源环境有着重要影响[4,5]。蒙古国是蒙古高原的重要组成单元,同时又是“一带一路”中蒙俄经济走廊的主要区域[6],近年来已成为东北亚地区研究的热点。作为本区域重要的基础本底数据,各界对蒙古国高精度的土地覆盖数据产品的需求越来越强烈。当前包含蒙古国在内的全球尺度的土地覆盖数据产品有多套。较为常用的如1 km分辨率的美国地质调查局的IGBP-DISCover（现已更新到GLCC版本）、美国马里兰大学（UMD）的Geo Cover、欧洲联合研究中心的GLC2000,960 m分辨率的MODIS每年更新的全球地表覆盖数据产品,300 m分辨率的欧洲空间局的GlobCover 2005年和2009年土地覆盖数据产品[7,8,9]及30 m分辨率的中国国家测绘地理信息局的GlobeLand 30[10]、清华大学的FROM-GLC等[11]数据集。以上数据集,除GlobeLand 30与FROM-GLC分辨率达到30 m,其余数据集精度较低,并不能满足农业、水资源管理和城市规划等应用[12],而GlobeLand 30与FROM-GLC数据集的空间分辨率虽然较高,但其分类体系是从全球尺度出发建立,较少顾及区域特点。
针对这一问题,很多学者根据蒙古国特有的区域及自然资源特点,对如何获取其高精度的土地覆盖产品开展了研究。如田静等[9]基于决策树方法,获取了30 m分辨率的蒙古国中央省土地覆盖数据;乌云娜等[13]基于Landsat TM遥感影像,采用非监督分类方法,研究获取了蒙古国克鲁伦河流域的土地覆盖产品。然而这些研究所获取的数据覆盖范小,不能满足全覆盖的蒙古国土地覆盖数据产品需求。也有一些学者开展了蒙古国大尺度土地覆盖研究,如岳瑞红[14]基于MODIS数据,采用决策树的方法研究获取了1 km分辨率的蒙古高原地区2006年土地覆盖分类产品;吴俊杰[15]利用MODIS/NDVI时间序列数据,采用非监督分类等方法,研究获取了250 m的2007年东北亚地区土地覆盖产品。这些研究的不足之处在于其获取的数据产品空间分辨率较低,且分类系统在刻画蒙古国区域特点上缺乏针对性。以上研究在分类方法上多采用决策树、非监督分类等通用方法,并未形成面向蒙古国区域地理要素特征的分类技术方法,这使得许多数据产品难以得到继承发展和质量更新。
鉴于以上问题,本研究基于Landsat TM遥感影像,采用面向对象遥感影像分类方法,研究适应于蒙古国的土地覆盖分类体系与分类技术方法,解译获取蒙古国高分精度的土地覆盖数据产品,分析其2010年土地覆盖空间分布格局。本研究预期为各界提供一套较高精度的土地覆盖数据产品,为蒙古高原科学研究和“一带一路”中蒙俄经济走廊建设提供支撑。

2 材料与方法

2.1 研究区概况

蒙古国位于北纬42~52°、东经88~120°之间,其东、南、西三面与中国接壤,北面与俄罗斯毗邻,国土面积156.65万km2[16],是世界第二大内陆国家。蒙古国地势高峻,平均海拔1580 m,整体呈现西高东低的地势走向,植被多覆盖在西北部高山区,东南部则以戈壁平原为主[17,18]。蒙古国大部分地区属大陆性草原气候区,冬季严寒、夏季炎热,平均降水量冬季为10~15 mm,夏季为200~250 mm。蒙古国地广人稀,截止2017年3月蒙古国人口311.9万,人口密度不足2人/km2。蒙古国经济以畜牧业和采矿业为主,是亚洲重要的矿产资源输出国,畜牧业和矿业贸易占其GDP的85%左右。研究区范围如图1所示。
Fig. 1 Study area

图1 研究区范围

2.2 数据源与处理

（1）遥感数据。遥感数据源主要选用Landsat TM影像,空间分辨率30 m,从美国地质调查局网站（http://www.usgs.gov/）下载。选取影像时,以2010年8-9月的数据为主,云量小于等于10%。如果2010年的影像质量不理想,则用2009年和2011年的影像代替,最终获取质量良好可用于解译的135景影像（影像行号23-31,列号122-144）。遥感影像预处理主要包括几何校正、图像裁剪、图像增强等操作。
（2）辅助数据。主要包括蒙古国地形数据、蒙古国历史土地覆盖图和沙漠化分布图。地形数据采用30米分辨率的ASTEGDE数据,从国际科学数据平台（http://datamirror.csdb.cn/）下载获取。历史地图数据来源于《蒙古国荒漠化图集》[19]。

3 土地覆盖分类方法与技术流程

3.1 基于蒙古国区域特点的土地覆盖分类系统

针对蒙古国的景观特点,从陆地生态系统特征和遥感制图角度出发,在继承前人研究成果中土地覆盖类型大类的基础上[20,21],根据植被覆盖度的差异将草地划分为草甸草地、典型草地、荒漠草地3个二级草地类;根据土地或石质不同将裸地划分为沙地和裸地2个二级地类,最终建立了蒙古国土地覆盖分类体系（图2）。
Fig. 2 Classification system of land cover in Mongolia

图2 蒙古国土地覆盖分类系统
注：*表示本研究中实际分出的土地覆盖类别,共计10种

3.2 面向对象分类信息提取

面向对象的遥感解译分析技术由Baatz和Schape[22]提出,是一种以目标对象为处理单元的分类方法,其原理是首先根据像元之间的光谱异质性对影像进行多尺度分割与合并,将影像分割成不同大小的同质多边形,然后通过设定规则或者选取样本,对影像进行分类[23,24,25,26]。本研究采用面向对象的分类方法,首先对图像进行多尺度分割,继而利用光谱特征、地物形状和地理环境关系对分割斑块进行类别划分,技术路线如图3所示。此外,由于遥感影像获取的时间、获取角度的差异,为避免由此造成的不同图幅影像之间的分类指标（NDVI、NDWI等）的差异,在分类过程中,本文采用分景处理的策略,即对每一景影像单独进行解译,解译之后再进行结果的拼接等处理。
Fig 3 Technology roadmap based on objected-oriented method

图3 面向对象遥感影像分类技术路线

其中归一化水体指数NDWI[27]与归一化植被指数NDVI[28]的计算公式如下：
NDWI = ( G - SW ) / ( G + SW ) （1）
NDVI = ( NIR - R ) / ( NIR + R ) （2）
式中：G与SW分别表示绿波段与红外波段反射率;NIR与R分别表示近红外波段与红波段反射率。
（1）水体信息提取。水体的反射率从可见光到近红外波段依次降低,在近红外波段反射率几乎为零,而植被在近红外波段反射率很高,据此建立的归一化水体指数NDWI可以有效的抑制植被,而突出水体信息。通过设定NDWI阈值划分出水体。
（2）云及阴影信息提取。虽然在选取影像时限定云含量小于等于10%,但依然在某些影像上存在云斑点、阴影等,造成在分类过程中云与水相互混淆,降低分类精度。为此,本研究通过以下策略区分水体与云及阴影：首先通过目视解译在ArcGIS软件中划分出影像中的云（及阴影）的矢量边界,然后将矢量图层导入eCognition中,分别对不同矢量图层设定NDWI阈值,获取两类地物信息。
（3）农田信息提取。农田是人类开垦过的、形状较为规则的土地覆盖类型,在影像上根据形状特点,较易辨识。但影像在多尺度分割后,农田边界与对象边界往往被混淆。因此,在分类过程中,利用紧致度参数（Compactness）与云及阴影信息提取相同的方法相结合,准确获取农田类型。
（4）植被信息提取。归一化植被指数（NDVI）是提取植被信息的有力工具之一。本研究以NDVI为主要技术方法,在划分出植被信息的基础上,根据研究区植被覆盖特点,进一步利用临近类间距离简化法与DEM数据研究森林与草甸草地信息的提取方法。具体操作为：通过设定NDVI阈值提取出影像中的植被信息;根据森林与草甸草地的NDVI值均较高的特点,采用临近类间距离简化法,通过建立距离河流为一定像元的对象为草甸草地的规则,区分河流沿岸草甸草地与森林;在提取高山地区的森林信息时,以DEM作为辅助数据,通过设定DEM阈值,划分出高山地区森林。
（5）裸土地信息提取。裸土地包括沙地和裸地2个二级地类。根据沙地在研究区内一般成片分布、覆盖度极少但反射率较高的特点,采用亮度值（Brightness）区分沙地和裸地。对于TM影像,沙地在各个波段（除热红外波段）的反射率都较高,通过设定TM1、2、3、4、5、7波段的和大于某一阈值进行提取。
（6）其他信息提取。对于建设用地、湿地、冰雪3类,主要采用目视解译结合人机交互修改的方法完成。
基于以上方法,利用eCognition软件,采用 “Assign class”分类算法,提取蒙古国土地覆盖信息。综合分割尺度大小及分割效率两方面因素,经多次试验将分割尺度设定在20-30,光谱差异分割的最大光谱差异值设置在1-5之间。表1为在对各个类别进行解译过程中的参考阈值。
Tab. 1 Interpretation rules and reference threshold

表1 解译规则及参考阈值

待分类型 规则及参考阈值
水体 NDWI≥0.4
云层 NDWI≤0.4
农田 Compactness≤1.4
森林 NDVI≥0.5;DEM>1800
草甸草地 0.4≤NDVI<0.5;建立与河流小于40 像元的对象为草甸草地的规则
荒漠草地 0.1≤NDVI<0.2
典型草地 0.2≤NDVI<0.4
沙地 Brightness≥600
其他 人机交互,目视解译

3.3 分类后处理

分类后处理的内容主要包括人工手动修改、平滑、图像拼接等处理。采用人机交互修改模式,完成对混分入草地的耕地和建筑用地信息目视解译提取。使用eCognition中的Class Filter工具完成平滑操作,解决分类结果中斑点噪声问题。所有影像均分景完成分类,由于相邻两景影像之间存在约三分之一的重叠区,为保证解译结果精度,实施影像重叠区的分类结果核对,对于分类不一致的地物要素再次更新解译。同样原因,在分景解译结果在进行拼接时,存在同一要素具有两条属性或者不同要素有大面积重叠的问题,造成拼接后面积与实际面积不符。为解决以上问题,在进行拼接前进行拓扑检查,包括重叠检查与空隙检查,拓扑检查的容差设为0.01 m,对检查出的错误进行处理后再次重复进行拓扑检查,直到无错误出现为止。图像拼接处理使用ArcGIS 的Update工具。在完成以上数据分类后处理后,使用误差矩阵（混淆矩阵）方法开展数据产品的精度评价。

4 结果分析

4.1 分类结果评价与比较

蒙古国2010年土地覆盖数据如图4所示。
Fig. 4 Spatial distribution of land cover in Mongolia in 2010

图4 2010年蒙古国土地覆盖空间分布

本研究采用误差矩阵评价方法对数据集进行精度评价。本次精度验证的数据来源主要有3部分构成：2013年野外实测验证点（50个）、从Degree Confluence Program 下载的经纬度交叉位置验证点（119个）、从Google 上获取的高分辨率样点（140个）。验证样点共计309个,其分布如图5所示。
Fig. 5 Spatial distribution of verification points

图5 验证点空间分布图

表2为2010年土地覆盖分类误差矩阵,数据产品的总体分类精度分别为92.34%（一级地类）、80.24%（二级地类）。分别来看,用户精度的高低排序为：农田、草甸草地>水体>裸土地>建设用地>典型草地>森林>荒漠草地>沙地,制图精度的高低排序为：农田、水体、建设用地、沙地>森林>裸土地>典型草地>草甸草地>荒漠草地。对比来看,农田的用户精度与制图精度最高,都达到了100%,因为,农田是在人类活动干预下形成的人工地物,其形状较为规则,通过后期人工目视解译可对其进行有效的划分,保证其分类精度。
Tab. 2 Accuracy of land cover classification

表2 土地覆盖分类评价结果

类型 森林 草甸草地 典型草地 荒漠草地 水体 农田 建设用地 沙地 裸土地
UA 66.67 100.00 80.00 62.16 95.45 100.00 85.71 12.50 91.78
PA 94.12 73.33 75.00 62.16 100.00 100.00 100.00 100.00 82.72
TA 一级：92.34;二级：80.24
将本文生产的数据集产品GlobeLand 30数据产品进行对比,可见本文的数据产品在草地类型方面划分的更为详细,一级类的总体分类精度为92.34%,高于GlobeLand 30的分类精度（83.51%）,且在河流、城镇、耕地等细碎地物刻画上和边境区域的地物准确度上优于GlobeLand 30。同时,与魏云洁等[6]、田静等[9]针对蒙古国的研究结果比较,本数据集的数据产品更细,且精度更高。

4.2 土地覆盖空间分布

4.2.1 整体土地覆盖空间分布特征
蒙古国2010年土地覆盖空间分布及其面积统计见表3。
Tab. 3 Area of land cover

表3 各土地覆盖类型面积

土地覆盖类型 面积/km2 面积比/%
森林 103 668.07 6.63
草甸草地 25 413.07 1.62
典型草地 385 907.27 24.67
荒漠草地 259 077.15 16.56
农田 9 330.58 0.6
水体 17 762.55 1.14
建设用地 495.89 0.03
沙地 1 929.89 0.12
裸土地 748 184.75 47.83
沙漠 11 513.77 0.74
冰雪 1 058.31 0.07
由图4、表3可见,裸土地和草地是面积最大的两种类型,其中裸土地的面积约占蒙古国土地面积的47.83%,是面积最多的土地覆盖类型,草地的面积次之,约占总面积的42.85%,在空间分布上,裸土地和草地具有明显的分界线,其中,裸土地分布比较集中连片,主要分布在蒙古南部和西部;草地分布广泛,主要在北部湿润地区和河流附近,此外,草地的分布也具有明显的地域性,一般在裸土地附近,并在中部地区形成一条明显的荒漠草地条带,条带以南的土地类型以裸土地为主。森林的面积约占总面积的6.63%,是蒙古国第三大土地覆盖类型,但由于受区域内气温和降水条件限制,其主要分布北部地区。蒙古作为传统的游牧民族部落,农耕水平极不发达,农田面积稀少,仅占总面积的0.6%,主要集中在中北部地区。蒙古的建筑用地主要是一些重要城镇的聚集区,空间上分布极少,是蒙古国面积最少的土地覆盖类型,占总面积的0.03%,在空间分布上比较分散。水体的面积占总面积的1.14%,主要以湖泊和河流形式存在,湖泊主要分布在西北部地区,河流则主要集中在中西部地区。永久冰雪主要分布在蒙古境内海拔较高西部地区,面积约占总面积的0.07%。总体来说,蒙古国土地覆盖类型以裸地、草地、森林为主,三者的总面积占了蒙古国总面积的97.43%。在空间格局上具有明显的地类过渡性,空间分布由南向北表现为裸地-荒漠草地-典型草地-森林的分布格局
4.2.2 土地覆盖类型空间分布特征
图6（a）-（f）为2010年蒙古国主要土地覆盖类型空间分布图,各土地覆盖类型的空间分布表现出明显的区域差异。
Fig 6 Spatial distribution of major land cover types in Mongolia in 2010

图6 2010年蒙古国主要土地覆盖类型空间分布

（1）森林。蒙古国森林资源丰富,特别是库苏古尔省、色楞格省等北部地区,是蒙古国重要的木材生产基地。结合图6(a)可以看出,研究区森林类型分布广泛,区域分布特点鲜明,主要分布在蒙古国中西部和北部地区等较为湿润地区,森林资源的分布与气候条件、地形等关系密切。从森林覆被面积统计表可以看出,库苏古尔省、肯特省、色楞格省、布尔干省和中央省是蒙古国的主要森林分布区,四省的森林面积占蒙古国森林总面积的77.01%。由于蒙古国南部非常干旱,几乎没有森林资源分布。
（2）草地。草地是蒙古国的最主要的土地覆盖类型,其面积约占蒙古国土地总面积的42.85%。蒙古国是传统的畜牧大国,畜牧业发达,境内草地资源丰富,分布范围较广。由于蒙古国属于温带大陆性气候区,气候干旱,因此典型草地是其主要草地类型。结合图6（b）可看出,研究区草地类型分布广泛,中部和北部是草地资源优势区域。草甸草地是畜牧业发展中重要的草地资源,其生长条件较为苛刻,在蒙古国草地面积中所占比重较小,主要分布在东方省、后杭爱省、布尔干省、肯特省等北部湿润地区,其他地方较少分布;典型草地是蒙古国主要的草地覆被类型,而且分布非常广泛,主要分布在东方省、中央省、肯特省和库苏古尔省等地;荒漠草地是蒙古国第三大土地覆被类型,荒漠草地对蒙古国草地生态系统的稳定和发展具有重要作用。蒙古国荒漠草地的分布区域特征明显,主要分布在典型草地和裸地之间,主要分布在东方省、苏赫巴托尔省、乌布苏省、扎布汗省和中戈壁省,在空间上形成一条明显的中部分界线。
（3）农田。农田类型在蒙古国所占面积的比重较小,耕地主要以旱地为主。自古以来,蒙古国以其发达的畜牧业著称,而由于气候、地形等因素的影响,致使蒙古国大部分区域并不适合发展农业,进而造成传统的农业、种植业等较为落后。结合图6（c）可看出,研究区耕地类型分布较小,分布区域集中,空间上主要分布于色楞格省和中央省,其中色楞格省的农田面积最大,约占蒙古国农田总面积的35%。
（4）水体。水资源对蒙古国生产生活具有重要作用。作为典型的内陆国家,蒙古国水资源相对紧缺,特别是蒙古国南部、西部等地,年均降水量极少,属典型干旱区;而在蒙古国北部,很多湖泊、河流分布于此,相对比较湿润。蒙古国主要的河流都分布于中部和北部,因此北部地区水资源比较丰富。结合图6（d）,研究区中的水资源集中分布于中、北部等地,特别是库苏古尔和杭爱山区域,有着大量的湖泊、河流等水资源,是蒙古国重要的水源涵养地。南部地区几乎没有河流,只有少量面积较小的湖泊。
（5）建筑用地。建设用地作为典型的人工地物类型,其变迁深受人类活动影响。蒙古国的建设 用地以中心城镇建设用地为主,此外还包括少量的工矿、蒙古包等占用地。蒙古国的建设用地空间 分布比较分散,几乎每个省份都有少量分布。结合图6（e）可看出,研究区的建设用地分布区域鲜明,乌兰巴托市、中央省等中心城市建设用地面积较大,其他各地都非常少。
（6）裸土地。裸地是蒙古国面积最大的土地覆盖二级类型,在蒙古国生态系统中具有重要作用,而且分布非常广泛,主要分布于干旱的南部和西部地区。裸土地主要包括裸地、沙地和沙漠。沙地和沙漠在蒙古国分布较少,而且分布比较集中。结合图6（f）可看出,裸土地空间分布特点鲜明,蒙古国南部和西部是其集中分布区,裸地主要分布在巴彦乌列盖省、科布多省、戈壁阿尔泰省、南戈壁省、东戈壁省、中戈壁省等干旱地区,沙地集中分布在东戈壁省,沙漠则主要分布在戈壁阿尔泰省和扎布汗省。
以上结果表明,蒙古国的主要土地覆盖类型为森林、草地与裸地,其中裸地的面积最大,占总面积的48.64%;草地面积次之,占总面积的42.85%;林地最少,占总面积的6.63%。蒙古国土地覆盖空间格局呈现明显的区域差异与地类过渡性,从南向北依次为裸地、荒漠草地、典型草地、森林类型,其中荒漠草地在中部形成一条明显的分界条带。这与魏云洁等[6]、师华定等[29]的研究成果一致。此外,森林与草地作为蒙古国最主要的两种土地覆盖类型,对于蒙古国的生态环境起着至关重要的作用。本文研制的数据集表明,蒙古国森林的面积约在8%左右,这与Tsogtbaatar[30]的研究结果（8.9%）接近,草地面积约在42%左右,这与魏云洁等[7]的研究成果（47%）相近,但本文数据集在分类精度方面较以上数据更高,且分类体系更详尽。

5 结论

本文根据蒙古国景观格局特点,构建了蒙古国的土地覆盖分类体系,采用面向对象的分类方法,研究了蒙古国各土地覆盖分类信息提取方法,研制了2010年蒙古国土地覆盖数据产品,研究结论如下：
（1）基于蒙古国地表景观生态特点,建立蒙古国土地覆盖遥感分类体系。该体系包括9个一级类（森林、草地、农田、水体、建筑用地、裸地、冰雪、湿地、苔原）,其中草地根据其覆盖度不同,区分为草甸草地、典型草地、荒漠草地3个二级类,裸地根据土质或石质不同,区分为沙地和裸地2个二级类。该分类系统适用于蒙古国土地覆盖信息的提取。
（2）采用面向对象分类技术,建立了蒙古国不同地表覆盖要素提取技术方法。综合运用NDVI、NDWI、对象紧致度、高程、光谱亮度等建立土地覆盖解译技术流程,获得对象尺度分割最佳参数和各类指标阈值。基于该技术流程获得的蒙古国土地覆盖数据产品一级类分类精度为92.34%;二级类分类精度为80.24%。该数据产品较以往研究成果,本数据集分类更细、精度更高,反映出本解译技术方法在本区域的适用性。
（3）2010年土地覆盖数据表明蒙古国的主要土地覆盖类型为森林,草地与裸地,其中裸地的面积最大,占总面积的48.64%;草地面积次之,占总面积的42.85%;林地最少,占总面积的6.63%;蒙古国土地覆盖空间格局展现出明显的区域差异与地类过渡性,北部森林、草地资源丰富,耕地与建设用地主要分布在中北部地区,中部由荒漠草地形成一条明显的界限,南部以裸地覆盖为主、荒漠化严重。
本文在研究中也发现一些难点,希望在后续研究中继续解决：① 本分类体系与中国国内的相关土地覆盖分类体系相近易于与国内相应的土地覆盖数据融合和对比,但与蒙古国自身的分类体系不完全一致,如何协调二者一致是在跨国境土地覆盖研究时首要解决的问题。② 蒙古国的荒漠化草地和裸地的边界难以识别,这是由于该类型所在区域植被稀疏,植被覆盖度极低且受季节性的降雨等气候条件影响明显,如何准确找到这一区域的边界是一个难题。③ 蒙古国在戈壁地区仍然有少量耐旱、短小的灌木林,如何从荒漠草地和裸地中找出这些信息也是一个未来需要解决的科学问题。
致谢：感谢参与2010年蒙古国土地覆盖遥感解译的曹晓明、柏永青、李一凡、高孟绪、赵强、田静、柏中强、郭海会、周玉洁、刘鹏等。感谢蒙古国科学家Jaahanaa Davaadorj, Nyamdavaa Batsaikhan等在本数据集在蒙古国实地调查验证中的贡献。

The authors have declared that no competing interests exist.

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Feng Z D, Zhai X W, Ma Y Z et al. Eolian environmental changes in the northern Mongolian Plateau during the past 35 000 y[J]. Palaeogeogr Palaeocl, 2007,245:505-517.This study focuses on an eolian section (Shaamar section) in the Northern Mongolian Plateau and compares the eolian sequences in the Northern Mongolian Plateau with those along the southern boundary of the Gobi Deserts to better understand the dynamics of the Gobi deserts during the past 65 35,00002 14C yr BP. Only a weak Entisol-like paleosol was formed around 29,00002 14C yr BP in the exposed MIS 3 portion at the Shaamar section, whereas an eolian–colluvium–paleosol sequence at nearby Bureghkanga section exhibits three paleosols formed around 29,00002 14C yr BP, 31,00002 14C yr BP, 34,00002 14C yr BP. Loess–paleosol sequences in the western Siberian Lowland exhibit four paleosols formed from > 40,000 to 25,00002 14C yr BP (i.e., MIS 3). During MIS 2 two Mollisol-like paleosols were formed from 65 25,000 to 65 21,00002 14C yr BP and from 65 16,000 to 65 13,00002 14C yr BP and one Entisol-like paleosol was formed around 950002 14C yr BP at the Shaamar section. The MIS 2 was characterized primarily by silt deposition, except for the interval between 65 21,000 and 65 16,00002 14C yr BP that was dominated by sand deposition. The Holocene began with the Mollisol-like paleosol formation (from 65 8600 to 65 700002 14C yr BP). The mid-Holocene (65 7000 to 65 300002 14C yr BP) was marked by a relatively poor vegetation cover and the late Holocene (since 65 300002 14C yr BP) by the densest vegetation cover of the entire Holocene. In summary, the maximal extent of hyperarid and arid areas (Gobi deserts and Gobi-like) occurred twice: (1) from 65 21,000 to 65 16,00002 14C yr BP and from 65 13,000 to 65 860002 14C yr BP when the dominant eolian deposition conditions extended from 56° N to 33° N or even larger. The extent of hyperarid and arid areas retreated to the area between 38° N and 48° N or even much smaller several times during MIS 3 and during the early Holocene. Considering the uncertainties of dates, it seems that the Holocene bioclimatic conditions might have changed more or less synchronously between the north and the south and that the bioclimatic conditions varied more frequently in the north than in the south during MIS 3. Two Mollisol-like paleosols (IIc: 65 13,000 to 65 16,00002 14C yr BP; and IIIa: 65 21,000 to 65 25,00002 14C yr BP) were well developed during MIS 2 in the north, but no corresponding major paleosols were discovered in the south, suggesting that the climate did not change synchronously during MIS 2. The climates during the stadial–interstadial MIS 3–2 transition (65 25,000 to 65 21,00002 14C yr BP) and during the last glacial maximum-deglacial transition (65 16,000 to 65 13,00002 14C yr BP) were much more humid in the north than in the south.

DOI

[2]
Bao G, Qin Z H, Yuhai Bao et al. NDVI-based long-term vegetation dynamics and its response to climatic change in the Mongolian Plateau[J]. Remote Sensing, 2014,6:8337-8358.

DOI

[3]
Zhao X, Hu H F, Shen H H, et al.Satellite-indicated long-term vegetation changes and their drivers on the Mongolian Plateau[J]. Landscape Ecology, 2015,30:1599-1611.The Mongolian Plateau, comprising the nation of Mongolia and the Inner Mongolia Autonomous Region of China, has been influenced by significant climatic changes and intensive human activities. Previous satellite-based analyses have suggested an increasing tendency in the vegetation cover over recent decades. However, several ground-based observations have indicated a decline in vegetation production. This study aimed to explore long-term changes in vegetation greenness and land surface phenology in relation to changes in temperature and precipitation on the Plateau between 1982 and 2011 using the normalized difference vegetation index (NDVI). Across the Plateau, a significantly positive trend in the growing season (May eptember) NDVI was observed from 1982 to 1998, but since that time, the NDVI has not shown a persistent increase, thus causing an insignificant trend over the entire study period. For the steppe vegetation (a major vegetation type on the Plateau), the NDVI increased significantly in spring but decreased in summer. Precipitation was the dominant factor related to changes in steppe vegetation. Warming in spring contributed to earlier vegetation green-up only in meadow steppe vegetation, implying that water deficiency in typical and desert steppe vegetation may eliminate the effect of warming. Our results also suggest a combined effect of climatic and non-climatic factors and highlight the need to examine the role of regional human activities in the control of vegetation dynamics.

DOI

[4]
Uno I Z, Wang M, Chiba Y S, et al.Dust model intercomparison (DMIP) study over Asia: Overview[J]. Journal of Geophysical Research-atmospheres, 2006,111(2):212-213.An intercomparison study involving eight dust emission/transport models over Asia (DMIP) has been completed. Participating dust models utilize a variety of dust emission schemes, horizontal and vertical resolutions, numerical methods, and different meteorological models. Two huge dust episodes occurred in spring 2002 and were used for the DMIP study. Meteorological parameters, dust emission flux and dust concentration (diameter < 20 m) are compared within the same domain on the basis of PM and NIES lidar measurements. We found that modeled dust concentrations between the 25% and 75% percentiles generally agreed with the PM observations. The model results correctly captured the major dust onset and cessation timing at each observation site. However, the maximum concentration of each model was 2-4 times different. Dust emission fluxes from the Taklimakan Desert and Mongolia differ immensely among the models, indicating that the dust source allocation scheme over these regions differs greatly among the various modeling groups. This suggests the measurements of dust flux and accurate updated land use information are important to improve the models over these regions. The dust vertical concentration profile at Beijing, China, and Nagasaki, Japan, has a large scatter (more than two times different) among the models. For Beijing, the scaled dust profile has a quite similar vertical profile and shows relatively good agreement with the lidar extinction profile. However, for Nagasaki, the scaled dust profiles do not agree. These results indicate that modeling of dust transport and removal processes between China and Japan is another important issue in improving dust modeling.

DOI

[5]
刘清. 中蒙跨边境地区近20年土地覆被格局与变化分析[D].南昌:江西农业大学,2016.

[ Liu Q.Analysis on land cover change in China-Mongolia Trans-boundary areas over 20 years[D]. Nanchang: Jiangxi Agricultural University, 2016. ]

[6]
魏云洁,甄霖,刘雪林,等.1992-2005年蒙古国土地利用变化及其驱动因素[J].应用生态学报,2008,19(9):1995-2002.<FONT face=Verdana>基于1992、2002年遥感图像以及2001、2005年的MODIS影像，结合相关统计资料，<BR>研究了蒙古国土地利用变化的总体特征、土地利用变化的空间差异，并对其驱动因素进行了<BR>分析.结果表明：1992—2005年，研究区耕地和林地面积明显减少，建设用地和未利用土地<BR>面积呈增加趋势，水域面积略有减少，草地面积相对稳定，但质量有所下降；2001—2005年，蒙古国土地利用变化的区域差异明显，西部山区和南部戈壁区北部是全国土地利用变化最集中的区域；研究区土地利用变化的主要驱动力为包括气候变化和自然灾害在内的自然因子以及政策法规、人口增加等社会经济因子.<BR></FONT>

[ Wei Y J, Zhen L, Liu X L et al. Land use change and its driving factors in Mongolia from 1992 to 2005[J]. Chinese Journal of Applied Ecology, 2008,19(9):1995-2002. ]

[7]
Arino O, Gross D, Ranera F, et al.GlobCover: ESA service for global land cover from MERIS[J]. International Geoscience and Remote Sensing, 2007:2412-2415.The Globcover initiative comprises the development and demonstration of a service that in first instance produces a global land cover map for year 2005/2006. Globcover uses MERIS fine resolution (300 m) mode data acquired between mid 2005 and mid 2006 and, for maximum user benefit, the thematic legend is compatible with the UN land cover classification system (LCCS). This new product updates and complements the other existing comparable global products, such as the global land cover map at 1 km resolution for the year 2000 (GLC2000) produced by JRC. It is expected to improve such previous global product, in particular because of the finer spatial resolution. The Globcover project is an initiative of ESA in cooperation with an international network of partner including EEA, FAO, GOFC-GOLD, IGBP, JRC and UNEP.

DOI

[8]
赵萍,冯学智,林广发. SPOT卫星影像居民地信息自动提取的决策树方法研究[J].遥感学报,2003,7(4):309-315.以南京市江宁县为研究区域，首先分析了该区域居民地的影像特征，然后研究了居民地及其背景地物在SPOT―4(Ⅺ)卫星影像4个波段上的光谱特征，并由此探讨了它们在光谱特征上的可分性。研究发现，除道路在光谱特征上与居民地差异不大而难以完全分开外，其它背影地物均可以依据各波段亮度值的大小关系或适当的阈值与居民地分开。但道路和居民地在形状上存在明显差异，因此可以利用形状指数的差异加以去除。最后分析建立了基于光谱特征和形状特征的简单决策树模型，对研究区域居民地信息进行了提取并对结果进行了精度评价。结果表明，该方法的总体提取效果较好，特别是对于面积大于10000m^2的城镇和集村。其提取精度与通常的监督分类方法相比有了很大的提高，只是在水际交界处和道路两侧有误判现象。因此，利用该模型可以将背景地物类型复杂的江南地区的城镇和集村居民地自动提取出来，并且模型受时相影响较小，只是在域值大小上会存在一些差异。

DOI

[ Zhao P, Feng X Z, Lin G F.The decision tree algorithm of automatically extracting residential information from SPOT images[J]. Journal of Remote Sensing, 2003,7(4):309-315. ]

[9]
田静,王卷乐,李一凡,等.基于决策树方法的蒙古高原土地覆盖遥感分类——以蒙古国中央省为例[J].地球信息科学学报,2014,16(3):460-469.lt;p>蒙古高原包括蒙古全部、俄罗斯南部和中国北部部分地区。蒙古高原的土地利用/覆盖格局与变化，对揭示该区域乃至整个东北亚地区的资源、环境和生态特征，促进该区域可持续发展具有重要的现实和科学意义。本文以在蒙古国中央省及其所含首都乌兰巴托市为研究区，利用空间分辨率为30m的TM影像，采取QUEST（Quick Unbiased and Efficient Statistical Tree）决策树方法，通过图像目视解译，获取了研究区2010年土地覆盖分类数据。结果显示，草地占据研究区总面积的70.88%，其次是森林占14.83%、裸地占10.73%、农田占2.98%、水体占0.31%、建筑用地占0.27%、湿地占0.02%。通过野外实地采集的139个GPS验证点进行精度评价发现，一级土地覆盖类型的总体精度可达72.66%。针对草地的二级分类的总体精度有较明显下降，其主要是由于中蒙科学家对于草地类型分类体系的差异所造成的典型草地和荒漠草地的混分。</p>

DOI

[ Tian J, Wang J L, Li Y F, et al.Land cover classification in Mongolian Plateau based on decision tree method: a case study in Tov province, Mongolia[J]. Journal of Geo-information Science, 2014,16(3):460-469. ]

[10]
Chen J, Cao X, Peng S, et al.Analysis and applications of globeLand 30: A review[J]. ISPRS International Journal of Geo-Information, 2017,6(8):230.Abstract: GlobeLand30, donated to the United Nations by China in September 2014, is the first wall-to-wall 30 m global land cover (GLC) data product. GlobeLand30 is widely used by scientists and users around the world. This paper provides a review of the analysis and applications of GlobeLand30 based on its data-downloading statistics and published studies. An average accuracy of 80% for full classes or one single class is achieved by third-party researchers from more than 10 countries through sample-based validation or comparison with existing data. GlobeLand30 has users from more than 120 countries on five continents, and from all five Social Benefit Areas. The significance of GlobeLand30 is demonstrated by a number of published papers dealing with land-cover status and change analysis, cause-and-consequence analysis, and the environmental parameterization of Earth system models. Accordingly, scientific data sharing in the field of geosciences and Earth observation is promoted, and fine-resolution GLC mapping and applications worldwide are stimulated. The future development of GlobeLand30, including comprehensive validation, continuous updating, and monitoring of sustainable development goals, is also discussed.

DOI

[11]
Gong P, Wang J, Yu L, et al.Finer resolution observation and monitoring of global land cover: First mapping results with Landsat TM and ETM+ data[J]. International Journal for Remote Sensing, 2013,34(7):2607-2654.

DOI

[12]
俞乐,王杰,李雪草,等.基于多源数据集成的多分辨率全球地表覆盖制图[J].中国科学:地球科学,2014(8):1646-1660.

[ Yu L, Wang J, Li X C, et al.A multi-resolution global land cover dataset through multisource data aggregation. Science China: Earth Sciences, 2014(8):1646-1660. ]

[13]
乌云娜,许田,山丹.蒙古国克鲁伦河流域土地利用与土地覆盖现状分析[J].大连民族学院学报,2008,10(1):10-12.为构建我国北方疆域生态安全防御体系提供理论依据,以蒙古国克鲁伦河流域作为研究区,利用Path-Row=130-27的TM遥感影像数据,采用PCI、Erdas、ArcGIS等遥感及地理信息系统软件,对近年的土地利用与土地覆盖现状进行分析.通过非监督分类及目视解译,得到调查区林地、草地、灌木林、湿地、农田、水体、城镇七大土地利用类型及其分布特征;探讨了蒙古国克鲁伦河流域土地利用与土地覆盖变化的空间分布规律,得出草地占据主要类型,面积为44.8%,城镇、工矿用地占极小比例,畜牧业是该地区的主要经济活动方式.

DOI

[ Wu Y N, Xu T, Shan D.Analysis on the land use and land cover in Kherlen river basin, Mongolia. Journal of Dalian Nationalities University, 2008,10(1):10-12. ]

[14]
岳瑞红. 基于MODIS数据的蒙古高原土地覆盖分类研究[D].呼和浩特:内蒙古师范大学,2010.

[ Research on land cover classification in Mongolian plateau based on MODIS data[D]. Hohhot: Inner Mongolia Normal University, 2010. ]

[15]
吴俊杰. 基于MODIS植被指数时序数据的东北亚地区土地覆盖分类[D].长春:东北师范大学,2010.

[ Wu J J.Land cover classification of northeast Asia using MODIS/NDVI time-series datasets[D]. Changchun: Northeast Normal University, 2010. ]

[16]
SandraEckert, FabiaHüsler, HanspeterLiniger, et al. Trend analysis of MODIS NDVI time series for detecting land degradation and regeneration in Mongolia[J]. Journal of Arid Environments, 2015,113:16-28.

DOI

[17]
Cao X, Feng Y, Wang J.Remote sensing monitoring the spatio-temporal changes of aridification in the Mongolian Plateau based on the general Ts-NDVI space, 1981-2012[J]. Journal of Earth System Science, 2017,126(4):58.

DOI

[18]
Cao X, Feng Y, Wang J.An improvement of the Ts-NDVI space drought monitoring method and its applications in the Mongolian plateau with MODIS, 2000-2012[J]. Arabian Journal of Geosciences, 2016,9(6):1-14.ABSTRACT A number of geoids with various data and names have been determined up to present day in Turkey. In this paper, all Turkish geoids have been reviewed. For this purpose, ten local geoid models have been examined. These are 1976 Turkish Geoid (TG-76), Turkish Geoid-1991 (TG-91), Turkish Doppler Geoid-1992 (TDG-92), Turkish PseudoWGS84Doppler Geoid-1992 (TPDG-92), Turkish Astrogeodetic Geoid-1994 (TAG-94), Turkish GPS/Leveling Geoid, Updated Turkish Geoid-1999 (TG-99A), Turkish Geoid-2003 (TG-03), Turkish Geoid-2009 (TG-09), and Turkish Hybrid Geoid-2009 (THG-09). Within the numerical applications carried out, 30 test benchmarks of the Turkish National Fundamental GPS Network have been selected and geoid heights from each geoid model over these points have been calculated. Later, all of the models have been compared with each other in terms of the criteria based on their developments and geoid height differences have been calculated using local models at the test points. Through these comparisons, the causes of the inconsistencies between the various geoid models are explored while their overall accuracy is determined as well.

DOI

[19]
D. Bulgan, D. Dash, M. Odbayar et al. Desertification Atlas of Mongolia[M]. Ulaanbaatar Mongolia: Admon, 2014.

[20]
李一凡,王卷乐,祝俊祥.基于地理分区的蒙古国景观格局分析[J].干旱区地理,2016,39(4):817-827.蒙古国是中国的重要邻国，是当前我国实施&ldquo;一带一路&rdquo;、&ldquo;中蒙俄经济走廊&rdquo;的重要地区。认识本区域的地理分区特点和景观格局对于我国在此区域实施&ldquo;走出去&rdquo;战略具有重要意义。以干旱区和半干旱区分界为基础将蒙古国分为五大地理分区，基于2010年30 m分辨率土地覆被数据和实地调查，得到包含草地景观二级分类的蒙古国景观的空间分布，并依此获取并对比了蒙古国整体及各分区在景观水平和斑块类型水平上的多种景观指数。分析指出蒙古国整体上呈现由北向南从森林景观，到典型草地景观和荒漠草地景观，再到裸地景观的分布格局，具有明显的纬向递变规律，各分区呈现出与其雨热、地形特点适应的格局分布；在自然与人文要素的双重影响下，各分区在地理分异规律、资源禀赋和生态环境特点上有显著差异。基于这一认识分区，还在生态环境保护、自然资源管理和城市发展建设等方面提出了相应的资源环境调控政策建议。

[ Li Y F, Wang J L, Zhu J X.Landscape pattern analysis of Mongolia based on the geographical partitions[J]. Arid Land Geography, 2016,39(4):817-827. ]

[21]
王慧捷. 内蒙古近25年来(1980-2005年)土地利用景观格局变化特征[D].大连:辽宁师范大学,2012.

[ Wang H J.Land use and landscape pattern change characteristics in Inner Mongolia in recent 25 years (1980-2005)[D]. Dalian: Liaoning Normal University, 2012. ]

[22]
Baatz M, Schapc A.Object-Oriented and multi-scale image analysis in semantic networks[A]. In:Proc of the 2nd International Symposium on Operationalization of Remote Sensing[C]. August 16-20th 1999. Ecschede ITC.

[23]
任传帅,叶回春,崔贝,等.基于面向对象分类的芒果林遥感提取方法研究[J].资源科学,2017,39(8):1584-1591.

[ Ren C S, Ye H C, Cui B, et al.Acreage estimation of mango orchards using object-oriented classification and remote sensing[J]. Resources Science, 2017,39(8):1584-1591. ]

[24]
马洋洋,张彩霞,张继超,等.辅以NDVI/SLOPE 的面向对象木薯提取方法研究——以广西壮族自治区武鸣县为例[J].地理与地理信息科学,2015,31(1)49-53.

[ Ma Y Y,Zhang C X,Zhang J C,et al.Research on object- oriented classification method assisted with NDVI/SLOPE in extracting cassava: Taking Wuming county for example[J]. Geography and Geo-information Science, 2015,31(1):49-53. ]

[25]
郭亚鸽,于信芳,江东,等.面向对象的森林植被图像识别分类方法[J].地球信息科学学报,2012,14(4):514-522.森林植被信息提取是遥感影像分类中的难点,仅利用光谱信息难以提取森林植被的类型,本文以门头沟区森林植被占主要土地覆被类型为研究对象,选择HJ-1影像面向对象提取不同地物信息。由于研究区地形复杂,采用多尺度分割方法,对不同地物设置不同分割参数,实现不同地物分层提取。根据光谱、纹理及几何等特征选择合适的特征参数,构建隶属度函数,逐级提取研究区的土地覆被类型,并与传统的最大似然法进行对比。结果表明:面向对象的分类方法在门头沟区森林植被二级信息提取的精度为83%,与传统方法相比有了较大的提高。

DOI

[ Guo Y P, Yu X F, Jiang D et al. Study on forest classification based on object-oriented techniques[J]. Journal of Geo-information Science, 2012,14(4):514-522. ]

[26]
曹宝,秦其明,马海建,等.面向对象方法在 SPOT5遥感图像分类中的应用——以北京市海淀区为例[J].地理与地理信息科学,2006,22(2):46-49,54.

[ Cao B, Qin Q M, Ma H J, et al, Application of object-oriented approach to SPOT5 image classification: A case study in Haidian District, Beijing City[J]. Geography and Geo-information Science, 2006,22(2):46-49,54. ]

[27]
Gao B C NDWI-a normalized difference water index for remote sensing of vegetation liquid water from space[J]. Remote Sensing of Environment, 1996,58(3):257-266.

DOI

[28]
Tobu N.Carlson, David A.Riziley. On the relation between NDVI, fractional vegetation cover, and leaf area index[J]. Remote Sensing of Environment, 1997,62(3):241-252.We use a simple radiative transfer model with vegetation, soil, and atmospheric components to illustrate how the normalized difference vegetation index (NDVI), leaf area index (LAI), and fractional vegetation cover are dependent. In particular, we suggest that LAI and fractional vegetation cover may not be independent quantitities, at least when the former is defined without regard to the presence of bare patches between plants, and that the customary variation of LAI with NDVI can be explained as reuslting from a variation in fractional vegetation cover. The following points are made: i) Fractional vegetation cover and LAI are not entirely independnet quatities, depending on how LAI is defined. Care must be taken in using LAI and fractional vegetation cover independently in a model because the former may partially take account of the later; ii) A scaled NDVI taken between the limits of minimum (bare soil) and maximum fractional vegetation cover is insenstive to atmospheric correction for both clear and hazy conditions, at least for viewing angles less than about 20 degrees form nadir; iii) A simple relation between scaled NDVI and fractional vegetation cover, previously described in the literature, is further confirmed by the simulations; iv) The sensitive dependence of LAI and NDVI when the former is below a value of about 2-4 may be viewed as being due to the variation in the bare soil component.

DOI

[29]
师华定,周锡饮,孟凡浩,等. 30年来蒙古国和内蒙古的LUCC区域分异[J].地球信息科学学报,2013,15(5):719-725.本文以欧空局300m土地覆盖数据集为基础,参考20世纪70年代至2005年2期蒙古高原遥感影像,建立20世纪70年代、2005年2期土地利用及动态数据库,结合土地利用变化数量模型,分析了蒙古国与内蒙古的土地利用类型转换情况。对比分析蒙古国和内蒙古近30年来的土地利用变化强度及各地类间的转移变化,揭示2个区域的LUCC分异规律,并对土地变化的驱动力进行分析。结果显示:在自然条件及人类扰动共同作用下,蒙古国及内蒙古均表现出草地面积逐年减少,草地退化趋势明显;裸地面积不断增加,沙漠化现象严重;农田及城镇建设用地面积持续增长;水域面积呈现衰减;未利用地是其他各种土地利用类型增加的主要来源;由于人类扰动差异,蒙古国林地面积略有减少,内蒙古林地面积大幅增加。气候干暖化、人口增长,政策及社会经济发展等是驱动蒙古高原土地利用变化的主要因素。

DOI

[ Shi H D, Zhou X Y, Meng F H, et al.Mongolia and inner Mongolia LUCC regional differentiation over past 30 years[J]. Journal of Geo-information Science, 2013,15(5):719-725. ]

[30]
Tsogtbaatar J, Khudulmur S, Mandakh N, et al.A spatial and temporal assessment of forest cover changes in Mongolia using remotely sensed data[C]. Salt Lake city, USA, IUFRO 2014 congress, Institute of Geoecology, 2014.

Options
Outlines

/

〈 〉