Remote sensing monitor on dynamic change in land cover of Jiangshan Xianxialing Provincial Nature Reserve from 1991 to 2021
-
摘要:目的 分析江山仙霞岭省级自然保护区土地覆被动态变化，评估自然保护区生态环境质量状况。方法 以 1991、2001和2021年三期Landsat 遥感影像为数据源，采用最大似然法和转移矩阵对江山仙霞岭省级自然保护区土地覆被动态变化及其转变情况进行分析。结果 ①最大似然法能够较准确地提取保护区土地覆被类型，总体精度在90%以上，阔叶林易被错分为针叶林。保护区土地覆盖类型以阔叶林为主，其次是针叶林和竹林。②1991—2021年，无林地和竹林面积显著减少，分别减少了77.74%和55.91%。阔叶林和针叶林面积显著增加，分别增加了19.26%和114.44%。③保护区土地覆被转入和转出面积最大的类型分别是阔叶林和竹林，分别为
1916 和1201 hm2；阔叶林增加主要来源于竹林和无林地，两者分别占阔叶林转入总面积的53.08%和30.48%。需要对毛竹林入侵针叶林和阔叶林现象加强管控，避免生物多样性退化。结论 近30年江山仙霞岭省级自然保护区植被质量显著提升，自然保护区建设为生态环境和生物多样性保护起到重要作用。-
关键词:
- 江山仙霞岭省级自然保护区 /
- 土地覆被 /
- 遥感监测 /
- 动态变化 /
- 转移特点
Abstract:Objectives The study aimed to analyze the dynamic changes in land cover in Jiangshan Xianxialing Provincial Nature Reserve and evaluate the ecological environment quality of the reserve.Methods The dynamic changes and transfer of land covers in the Xianxialing Provincial Nature Reserve were analyzed using the maximum likelihood method and transfer matrix based on Landsat remote sensing images in 1991, 2001, and 2021.Results (1) The maximum likelihood method can accurately extract land cover types in the nature reserve, with an overall accuracy of over 90%. Broad-leaved forests were easliy misclassified as coniferous forests. The land cover type of the nature reserve was mainly broad-leaved forests, followed by coniferous forests and bamboo forests. (2) From 1991 to 2021, the area of non-forest land and bamboo forest significantly decreased by 77.74% and 55.91%, respectively. The area of broad-leaved and coniferous forests significantly increased by 19.26% and 114.44%, respectively. The largest transfer in and out of land cover types in the nature reserve were broad-leaved forests and bamboo forests with the areas of1916 hm2 and1201 hm2, respectively. (3) The increase in broad-leaved forests mainly came from bamboo forests and non-forest land, accounting for 53.08% and 30.48% of the total increased area of broad-leaved forests, respectively. To avoid biodiversity degradation, it is necessary to strengthen the control of the invasion of bamboo forests into coniferous and broad-leaved forests.Conclusions In the past 30 years, the vegetation quality of the Jiangshan Xianxialing Provincial Nature Reserve has significantly improved, and the construction of the nature reserve has played an important role in protecting the ecological environment and biodiversity. -
自然保护区是生物多样性和珍稀野生动植物保护的主要形式，为野生动植物生存和繁殖提供宝贵栖息地，对维护国家生态安全和生态文明建设起到重要作用[1−2]。土地覆盖时空格局变化对自然保护区生态系统结构和功能产生重要影响，关系到动植物栖息地可持续发展，也是造成保护区内生物多样性变化的主要驱动力[3]。因此，了解自然保护区的土地利用和覆被动态变化，对掌握自然保护区生境质量和科学合理地制定保护和管理措施有着重大意义[4−5]。
传统的自然保护区土地覆被变化调查主要通过实地勘测的方式，不仅调查周期长，消耗人力物力大，而且易受天气影响，缺少时效性。卫星遥感技术具有时效性、覆盖面积广、周期性、快速全面等特点[6−7]，不仅能反映自然保护区土地覆被变化信息，而且能准确获取其时空变化特点和覆被类型转换情况，为自然保护区土地覆盖变化的监测提供了有效技术手段[8]。目前，基于卫星遥感技术对自然保护区进行土地覆被动态变化监测的技术流程已经十分成熟。采用最大似然法[9]、支持向量机[10]、深度学习[11]等遥感图像分类方法提取自然保护区土地覆被信息，构建土地覆被类型转移矩阵和计算动态度，进而分析土地覆被类型时空动态变化和转移特点。国内外学者对基于卫星遥感技术监测自然保护区土地覆被变化已经开展了大量的研究并积累了丰富的经验。顾羊羊等[12]基于Landsat 影像数据对沅江源自然保护区的生态环境质量变化进行监测，研究发现退耕还林还草工程对生态环境质量提升起到促进作用。张琍等[13]对庐山自然保护区的土地覆被变化进行遥感影像解译，结果表明自然保护区植被类型以针叶林、阔叶林为主，且较稳定，而竹林动态变化最大。王琸鑫等[10]对赛罕乌拉国家级自然保护区土地利用变化进行遥感监测，得出1995—2006年自然灾害和人为干扰引起草地面积的大幅减少，随着政府出台政策支持，草地和林地面积得到了快速恢复。
浙江江山仙霞岭省级自然保护区（以下简称仙霞岭自然保护区）是浙闽赣交界山地中生物多样性保护的重要地区，也是浙江省内面积较大的省级自然保护区，具有非常重要的研究价值和保护意义。本研究以仙霞岭自然保护区土地覆被为对象，收集1991、2001和2021年三期Landsat卫星遥感影像，采用最大似然分类方法，获取三期仙霞岭自然保护区的土地覆被信息并进行精度评价，运用ArcGIS软件分析1991—2021年仙霞岭自然保护区内土地覆被动态变化及其转移特点，掌握该保护区覆被类型时空动态变化情况。研究成果可为评估自然保护区生态环境质量状况提供翔实数据，为自然保护区的管理和决策提供依据。
1. 研究区概况
仙霞岭自然保护区于2016年批准建立，位于浙江省衢州市西南部山区，28°15′25″N~28°21′11″N，118°33′42″E~118°41′5″E，平均海拔1 000 m，是森林生态系统类型自然保护区。气候属亚热带湿润季风气候，降雨量充足，降雨集中在3—6月，年均降水量达1 843 mm。地带性群落为典型的中亚热带常绿阔叶林，以木荷（Schima superba Gardn et Champ）、甜槠[（Castanopsis eyrei (Champ ex Benth) Tutch）]为主要建群种。保护区内有野生动物338科2 717种，野生及常见栽培高等植物231科1 743种；有国家重点保护野生动物一级10种、二级35种，国家重点保护野生植物一级1种、二级28种。保护区内珍稀物种众多，具有丰富的动植物资源，是浙江省生物多样性最丰富的地区之一。
2. 数据来源与方法
2.1 遥感影像与处理
采用1991和2001年Landsat5 TM影像以及2021年Landsat8 OLI三期影像，数据下载于美国地质勘探局下属遥感图像数据网站（https://earthexplorer.usgs.gov/）。影像云量覆盖低于10%，采集时间在7—10月，以便减少云层和阴影等因素对遥感图像分类的影响。利用ENVI 5.2遥感软件对三期影像进行辐射校正、几何精校正和边界裁剪处理（图1）。辐射校正包括辐射定标和大气校正，Landsat TM和OLI影像辐射定标方法不同[14]，大气校正采用 ENVI 5.2中的FLASH模块。几何精校正采用多项式模型，几何误差小于0.5个像元。
![]()
图 1 仙霞岭自然保护区Landsat遥感影像Figure 1. Landsat remote sensing images of the Xianxialing nature reserve2.2 图像分类方法
参照森林资源调查数据和保护区土地覆被类型现状，将保护区土地覆被类型分为无林地、竹林、阔叶林、针叶林等4类。选取影像的蓝光、绿光、红光、近红外、短波红外1和短波红外2以及归一化植被指数作为分类特征。结合历史森林资源调查数据和目视解译方法，选取保护区各土地覆被的训练样本，1991、2001和2021年三期训练样本像元总数分别为749，1 114和1 083个。采用最大似然法对三期影像进行监督分类，得到保护区的三期土地覆被分类图。然后，每期影像随机生成400个样本点，采用混淆矩阵计算总体精度和 Kappa系数对分类结果进行精度评价。
2.3 土地覆被动态变化
土地覆被动态度是指单位时间内土地覆被类型面积变化，定量描述研究区域土地覆盖变化的速度[8,10]。土地覆被变化单一动态度能体现研究区域一定时期内某种土地覆被面积变化的状况和变化速度，其计算公式为：
k=Ub−UaUa×1T×100%。 (1) 式中：k为研究时期内某种土地覆被的动态度，其值正负反映土地覆被的增减，正值表示土地覆被面积呈增加趋势，负值则表示降低趋势；Ua和Ub为研究区初期和末期土地覆被类型面积，hm2；T为研究时期长度，a。
2.4 土地覆被转移矩阵
土地覆被转移矩阵能够全面详细地体现土地覆被类型之间转入和转出情况，揭示土地覆被类型转移的数量、来源以及去向，为分析其时空演变过程与机制提供依据[15−16]。通过对三期仙霞岭自然保护区土地覆被类型分类图做栅格转矢量、属性融合等处理，再采用叠加分析、相交计算得到1991—2001年、2001—2021年和1991—2021年3个时期保护区土地覆被转移矩阵。其数学表达式为：
sij={s11s12s21s22⋯s1j⋯s2j⋯S1n⋯s2n⋮⋮si1si2⋮⋮⋯sij⋮⋮⋯sin⋮⋮sn1sn2⋮⋮⋯snj⋮⋮⋯snn}。 (2) 式中：Sij为第i种覆被转换为第j种覆被的面积；n 为研究区域覆被类型的总数目（n = 4)。
3. 研究结果分析
3.1 分类精度评价
基于最大似然法得到的1991、2001和2021年三期保护区土地覆被分类结果（图2），三者的总体精度分别为92.50%，91.00%和91.50%，Kappa系数分别为0.89，0.81和0.83（表1~3）。总体精度和Kappa系数均大于80%，表明分类结果精度较高，满足动态变化和转变分析的要求[10,17]。从用户精度上看，针叶林和竹林分类精度相对较低，主要是由于阔叶林和针叶林以及阔叶林和竹林之间容易混淆，阔叶林被错分为针叶林和竹林，同时针叶林和竹林被错分为阔叶林。
![]()
图 2 自然保护区土地覆被遥感分类Figure 2. Remote sensing classifications of land covers in the nature reserve表 1 1991年遥感分类结果混淆矩阵Table 1. Confusion matrix of remote sensing classification in 1991分类样本 参考样本 无林地 竹林 阔叶林 针叶林 总样本数 用户精度/% 无林地 51 0 0 0 51 100.00 竹林 0 65 3 0 68 95.59 阔叶林 0 4 178 8 190 93.68 针叶林 0 0 15 76 91 83.52 总样本数 51 69 196 84 400 生产者精度/% 100.00 94.20 90.82 90.48 总体精度/% 92.50 Kappa系数 0.89 表 2 2001年遥感分类结果混淆矩阵Table 2. Confusion matrix of remote sensing classification in 2001分类样本 参考样本 无林地 竹林 阔叶林 针叶林 总样本数 用户精度/% 无林地 20 0 0 0 20 100.00 竹林 0 27 7 0 34 79.41 阔叶林 0 3 264 7 274 96.35 针叶林 0 0 19 53 72 73.61 总样本数 20 30 290 60 400 生产者精度/% 100.00 90.00 91.03 88.33 总体精度/% 91.00 Kappa系数 0.81 表 3 2021年遥感分类结果混淆矩阵Table 3. Confusion matrix of remote sensing classification in 2021分类样本 参考样本 无林地 竹林 阔叶林 针叶林 总样本数 用户精度/% 无林地 19 0 0 0 19 100.00 竹林 0 25 7 0 32 78.13 阔叶林 0 2 252 9 263 95.82 针叶林 0 0 16 70 86 81.40 总样本数 19 27 275 79 400 生产者精度/% 100.00 92.59 91.64 88.61 总体精度/% 91.50 Kappa系数 0.83 3.2 土地覆被动态变化分析
根据仙霞岭自然保护区三期土地覆被分类统计结果（图3），可得出保护区植被类型1991年以阔叶林、竹林和无林地为主，2001和2021年以阔叶林和针叶林为主。1991年、2001年和2021年各土地覆被类型中阔叶林的面积最大，分别为
5323 ，5759 和6348 hm2，占总面积的62.82%，67.97%和74.92%；其次是针叶林面积，其面积分别为568，1 385和1 213 hm2，占总面积的6.70%，16.35%和14.38%；竹林面积分别为1 522，950和671 hm2，占总面积的17.96%，11.21%和7.92%；无林地所占面积最小，其面积分别为1060 ，379和236 hm2，占总面积的12.51%，4.47%和2.79%。![]()
图 3 1991—2021年保护区土地覆被类型面积及其比例Figure 3. Area and percentage of the land covers in the nature reserve from 1991 to 20211991—2001年阔叶林和针叶林面积分别增加了8.19%和143.84%，无林地和竹林面积分别减少了64.25%和37.58%（图4）。针叶林、无林地、竹林面积变化速度相对较快，动态度分别为14.38%，−6.43%和−3.76%，而阔叶林动态度仅为0.82%（图5）。2001—2021年，阔叶林面积增长10.23%，其动态度为0.52%；无林地、竹林和针叶林面积分别减少了37.73%，29.37%和12.06%。无林地和竹林面积的变化速度相对较快，动态度分别为−1.89%和−1.47%；针叶林面积变化速度较慢，动态度为−0.60%。
![]()
图 4 1991—2021 年保护区土地覆被类型面积变化及其比例Figure 4. Changes in the area and percentage of the land covers in the nature reserve from 1991 to 2021![]()
图 5 1991—2021 年保护区土地覆被单一动态度Figure 5. Single dynamic attitude of the land covers in the nature reserve from 1991 to 20211991—2021年无林地面积呈现减少趋势，30年内减少824 hm2。竹林面积也呈现减少趋势，共减少851 hm2。阔叶林面积呈现上升趋势，30年内增加1 025 hm2，在所有覆被类型中面积增长量最大。针叶林面积经历了先大幅增加后略减少的过程，1991—2001年增加818 hm2，2001年后呈减少趋势，20年内减少167 hm2。1991—2021年针叶林面积增长比例为114.44%，增长比例和动态度最大；而无林地减少比例最大，30年间减少77.74%。统计结果表明，近30年保护区植被覆盖度呈显著增加趋势，以生物多样性和稳定性较高的阔叶林为主，生态环境质量不断提升。
3.3 土地覆被转移分析
1991—2001年无林地转出833 hm2，其中133 hm2转变为竹林，557 hm2转变为阔叶林，143 hm2转变为针叶林，分别占无林地总转出面积的15.97%，66.87%和17.16%，无林地主要转变为阔叶林（表4）。竹林转出1 152 hm2，其中53 hm2转变为无林地，913 hm2转变为阔叶林，186 hm2转变为针叶林，分别占竹林总转出面积的4.60%，79.25%和16.15%，竹林主要转变为阔叶林。阔叶林转出1 299 hm2，其中399 hm2转变为竹林，818 hm2转变为针叶林，分别占阔叶林总转出面积的30.72%和62.97%。针叶林转出330 hm2，其中48 hm2转变为竹林，265 hm2转变为阔叶林，分别占针叶林总转出面积的14.55%和80.30%。针叶林与阔叶林之间相互转变，阔叶林转变为针叶林的面积比针叶林转变为阔叶林的面积多553 hm2。
表 4 1991—2001年保护区土地覆被转移矩阵Table 4. Transfer matrix of the land covers in the nature reserve from 1991 to 2001单位：hm2 年份 土地利用类型 2001年 总计 无林地 竹林 阔叶林 针叶林 1991年 无林地 227 133 557 143 1 060 竹林 53 370 913 186 1 522 阔叶林 82 399 4024 818 5 323 针叶林 17 48 265 238 568 总计 379 950 5 759 1 385 8 473 2001—2021年无林地转出228 hm2，无林地主要转变为阔叶林，转变面积为135 hm2，占无林地总转出面积的59.21%（表5）。竹林转出663 hm2，其中541 hm2转变为阔叶林，占竹林总转出面积的81.60%。阔叶林转出980 hm2，其中274 hm2转变为竹林，678 hm2转变为针叶林，分别占阔叶林总转出面积的27.96%和69.18%。针叶林转出952 hm2，转变为阔叶林面积达896 hm2，占针叶林总转出面积的94.12%。针叶林转变为阔叶林的面积比阔叶林转变为针叶林的面积多218 hm2。
表 5 2001—2021年保护区土地覆被转移矩阵Table 5. Transfer matrix of the land covers in the nature reserve from 2001 to 2021单位：hm2 年份 土地利用类型 2021年 总计 无林地 竹林 阔叶林 针叶林 2001年 无林地 151 55 135 38 379 竹林 55 288 541 67 950 阔叶林 28 274 4776 678 5 759 针叶林 2 54 896 435 1 385 总计 236 671 6 348 1218 8 473 由表6可知，1991—2021年的30年间仙霞岭自然保护区土地覆被转入和转出面积最大的类型分别是阔叶林和竹林，其中阔叶林转入总面积为1 916 hm2，竹林转出总面积为1 201 hm2。阔叶林的增加主要来源于竹林和无林地，其中1 017 hm2竹林转变为阔叶林，584 hm2无林地转变为阔叶林，分别占阔叶林转入总面积的53.08%和30.48%。竹林和无林地主要转变为阔叶林，转出面积分别占转出总面积的84.68%和65.54%。针叶林转入和转出面积分别为1 012和362 hm2，阔叶林转变为针叶林的面积为683 hm2，占针叶林转入总面积的67.49%；针叶林转变为阔叶林的面积为315 hm2，占针叶林转出总面积的87.02%。阔叶林主要转出类型为针叶林，针叶林面积增加主要来源于阔叶林，针叶林和阔叶林存在相互转变的现象。
表 6 1991—2021年保护区土地覆被转移矩阵Table 6. Transfer matrix of the land covers in the nature reserve from 1991 to 2021单位：hm2 年份 土地利用类型 2021年 总计 无林地 竹林 阔叶林 针叶林 1991年 无林地 169 107 584 200 1060 竹林 55 321 1017 129 1522 阔叶林 10 198 4432 683 5323 针叶林 2 45 315 206 568 总计 236 671 6348 1218 8473 4. 结论与讨论
本课题以1991年、2001年和2021年仙霞岭自然保护区的Landsat遥感影像作为数据源，研究了近30年仙霞岭省级自然保护区土地覆被面积动态变化及其转变情况，得出以下结论：
1）基于Landsat卫星遥感影像，采用最大似然法能够较准确地提取自然保护区无林地、竹林、阔叶林和针叶林这4种土地覆被类型，总体精度在90%以上。针叶林和阔叶林容易混淆，阔叶林易被错分为针叶林。已有研究得出相同的结论：陈军等[18]基于Landsat遥感影像和最大似然法对土地覆被进行分类，得出针叶林存在高估、阔叶林存在低估现象。主要原因是山区受地形影响严重，造成位于阴坡的阔叶林光谱反射率降低，使其与针叶林的反射率更加接近，从而引起阔叶林被错分为针叶林[19]。针叶林和阔叶林出现混分情况非常严重，其主要原因是针叶林和阔叶林并非纯林，针叶林中混有阔叶树，阔叶林中混有针叶树，它们之间的光谱差异小，加上山区地形复杂，“同谱异物、同物异谱”问题突出，增加了相近森林类型分类的难度[20−21]。混交比例、郁闭度和林龄决定了针叶林、阔叶林以及针阔混交林之间的混分程度，这些森林类型混分与针叶树和阔叶树占总蓄积比例密切相关[22]。
2）1991—2021年的30年间，仙霞岭自然保护区土地覆被类型发生显著变化：无林地和竹林面积显著降低，分别降低了77.74%和55.91%；阔叶林和针叶林面积显著增加，分别增加了19.26%和114.44%。保护区以阔叶林为主，阔叶林面积增加量最大，达到1 025 hm2。保护区无林地面积显著降低，表明近30年保护区植被覆盖度呈显著增加趋势，生态环境质量显著提升。这主要得益于政府部门牢固树立和践行“绿水青山就是金山银山”理念，通过人工造林和森林抚育的方式，加强生态修复，持续推进国土绿化。造林树种以杉木等针叶树种和阔叶类珍贵树种为主。
3）1991—2021年的30年间，仙霞岭自然保护区土地覆被转入和转出面积最大的类型是阔叶林和竹林，分别为1 916 和1 201 hm2。阔叶林增加主要来源于竹林和无林地，两者分别占阔叶林转入总面积的53.08%和30.48%。针叶林和阔叶林存在相互转换现象。其主要原因是保护区内存在大量的针阔混交林，本研究未将针阔混交林单独分类，从而造成针叶林和阔叶林混分较严重，出现阔叶林转变为针叶林以及针叶林转变为阔叶林的现象。竹林转变为阔叶林和针叶林的主要原因：一方面是阔叶林和竹林存在混分；另一方面是在2016年以前，林农具有自主采伐和经营的权力。江山市木材产业发达，木材经济效益较高，林农将大量竹林砍伐后种植经济效益更高的杉木和珍贵阔叶树种。研究还得出有198 hm2阔叶林和45 hm2的针叶林转变为竹林，这与竹林具有强大的入侵邻近其他森林类型的能力密切相关。研究发现，毛竹地下茎具有繁衍和拓展能力，会不断地入侵周边群落，导致其他森林类型转变为毛竹林[23−24]。徐道炜[25]发现戴云山自然保护区存在毛竹向杉木扩张现象。白尚斌等[26]和丁丽霞等[27]研究报道天目山国家自然保护区内存在毛竹林向阔叶林蔓延趋势，并建议采取人为干预毛竹林蔓延的措施，防止保护区生物多样性的丧失。因此，在仙霞岭自然保护区处于采伐和经营受限的情况下，要特别关注竹林蔓延入侵其他森林类型问题，采取相应措施以防止出现竹林大面积蔓延现象，保障保护区的生物多样性和生态安全。
-
![]()
图 1 仙霞岭自然保护区Landsat遥感影像
Figure 1. Landsat remote sensing images of the Xianxialing nature reserve
![]()
图 2 自然保护区土地覆被遥感分类
Figure 2. Remote sensing classifications of land covers in the nature reserve
![]()
图 3 1991—2021年保护区土地覆被类型面积及其比例
Figure 3. Area and percentage of the land covers in the nature reserve from 1991 to 2021
![]()
图 4 1991—2021 年保护区土地覆被类型面积变化及其比例
Figure 4. Changes in the area and percentage of the land covers in the nature reserve from 1991 to 2021
![]()
图 5 1991—2021 年保护区土地覆被单一动态度
Figure 5. Single dynamic attitude of the land covers in the nature reserve from 1991 to 2021
表 1 1991年遥感分类结果混淆矩阵
Table 1 Confusion matrix of remote sensing classification in 1991
分类样本 参考样本 无林地 竹林 阔叶林 针叶林 总样本数 用户精度/% 无林地 51 0 0 0 51 100.00 竹林 0 65 3 0 68 95.59 阔叶林 0 4 178 8 190 93.68 针叶林 0 0 15 76 91 83.52 总样本数 51 69 196 84 400 生产者精度/% 100.00 94.20 90.82 90.48 总体精度/% 92.50 Kappa系数 0.89 
下载: 导出CSV
表 2 2001年遥感分类结果混淆矩阵
Table 2 Confusion matrix of remote sensing classification in 2001
分类样本 参考样本 无林地 竹林 阔叶林 针叶林 总样本数 用户精度/% 无林地 20 0 0 0 20 100.00 竹林 0 27 7 0 34 79.41 阔叶林 0 3 264 7 274 96.35 针叶林 0 0 19 53 72 73.61 总样本数 20 30 290 60 400 生产者精度/% 100.00 90.00 91.03 88.33 总体精度/% 91.00 Kappa系数 0.81
下载: 导出CSV
表 3 2021年遥感分类结果混淆矩阵
Table 3 Confusion matrix of remote sensing classification in 2021
分类样本 参考样本 无林地 竹林 阔叶林 针叶林 总样本数 用户精度/% 无林地 19 0 0 0 19 100.00 竹林 0 25 7 0 32 78.13 阔叶林 0 2 252 9 263 95.82 针叶林 0 0 16 70 86 81.40 总样本数 19 27 275 79 400 生产者精度/% 100.00 92.59 91.64 88.61 总体精度/% 91.50 Kappa系数 0.83
下载: 导出CSV
表 4 1991—2001年保护区土地覆被转移矩阵
Table 4 Transfer matrix of the land covers in the nature reserve from 1991 to 2001
单位：hm2 年份 土地利用类型 2001年 总计 无林地 竹林 阔叶林 针叶林 1991年 无林地 227 133 557 143 1 060 竹林 53 370 913 186 1 522 阔叶林 82 399 4024 818 5 323 针叶林 17 48 265 238 568 总计 379 950 5 759 1 385 8 473
下载: 导出CSV
表 5 2001—2021年保护区土地覆被转移矩阵
Table 5 Transfer matrix of the land covers in the nature reserve from 2001 to 2021
单位：hm2 年份 土地利用类型 2021年 总计 无林地 竹林 阔叶林 针叶林 2001年 无林地 151 55 135 38 379 竹林 55 288 541 67 950 阔叶林 28 274 4776 678 5 759 针叶林 2 54 896 435 1 385 总计 236 671 6 348 1218 8 473
下载: 导出CSV
表 6 1991—2021年保护区土地覆被转移矩阵
Table 6 Transfer matrix of the land covers in the nature reserve from 1991 to 2021
单位：hm2 年份 土地利用类型 2021年 总计 无林地 竹林 阔叶林 针叶林 1991年 无林地 169 107 584 200 1060 竹林 55 321 1017 129 1522 阔叶林 10 198 4432 683 5323 针叶林 2 45 315 206 568 总计 236 671 6348 1218 8473
下载: 导出CSV
-
[1] 王燕, 高吉喜, 王金生, 等. 吉林省自然保护区土地利用/覆被变化及生态系统服务价值动态[J]. 水土保持通报, 2014, 34(4): 317−322. DOI: 10.13961/j.cnki.stbctb.2014.04.075. WANG Y, GAO J X, WANG J S, et al. Land use/cover change and variation of ecosystem services value of nature reserves in Jilin Province[J]. Bulletin of Soil and Water Conservation, 2014, 34(4): 317−322. DOI: 10.13961/j.cnki.stbctb.2014.04.075
[2] 钱者东, 夏欣, 张昊楠, 等. 安徽鹞落坪自然保护区乡村聚落空间格局特征及其影响因素分析[J]. 生态与农村环境学报, 2018, 34(12): 1105−1111. DOI: 10.11934/j.issn.1673-4831.2018.12.007. QIAN Z D, XIA X, ZHANG H N, et al. Spatial pattern of rural settlements in Yaoluoping Nature Reserve and its influencing factors[J]. Journal of Ecology and Rural Environment, 2018, 34(12): 1105−1111. DOI: 10.11934/j.issn.1673-4831.2018.12.007
[3] 靳勇超, 王伟, 辛利娟, 等. 辉河国家级自然保护区土地覆盖与景观格局变化分析[J]. 草业科学, 2014, 31(10): 1859−1866. DOI: 10.11829//j.issn.1001-0629.2014-0129. JIN Y C, WANG W, XIN L J, et al. Changes of land-cover and landscape pattern in Huihe National Nature Reserve[J]. Pratacultural Science, 2014, 31(10): 1859−1866. DOI: 10.11829//j.issn.1001-0629.2014-0129
[4] FIGUEROA F, SÁNCHEZ-CORDERO V. Effectiveness of natural protected areas to prevent land use and land cover change in Mexico[J]. Biodiversity and Conservation, 2008, 17(13): 3223−3240. DOI: 10.1007/s10531-008-9423-3.
[5] XU W H, XIAO Y, ZHANG J J, et al. Strengthening protected areas for biodiversity and ecosystem services in China[J]. Proceedings of the National Academy of Sciences of the United States of America, 2017, 114(7): 1601−1606. DOI: 10.1073/pnas.1620503114.
[6] 赵梦雨, 薛亮. 咸阳市生境质量变化遥感监测研究[J]. 遥感技术与应用, 2017, 32(6): 1171−1180. DOI: 10.11873/j.issn.1004-0323.2017.6.1171. ZHAO M Y, XUE L. Monitoring by remote sensing of habitat quality changes in Xianyang city[J]. Remote Sensing Technology and Application, 2017, 32(6): 1171−1180. DOI: 10.11873/j.issn.1004-0323.2017.6.1171
[7] 黄贤峰, 杨永菊, 武艺, 等. 1990—2017年喀斯特自然保护区土地利用变化对生境质量的影响[J]. 水土保持通报, 2018, 38(6): 345−351. DOI: 10.13961/j.cnki.stbctb.2018.06.052. HUANG X F, YANG Y J, WU Y, et al. Land use change and its impact on habitat quality in Karst Nature Reserve from 1990 to 2017[J]. Bulletin of Soil and Water Conservation, 2018, 38(6): 345−351. DOI: 10.13961/j.cnki.stbctb.2018.06.052
[8] 李一琼, 白俊武, 张丽, 等. 海南岛自然保护区地表土地覆盖变化监测[J]. 测绘科学, 2020, 45(7): 82−90. DOI: 10.16251/j.cnki.1009-2307.2020.07.013. LI Y Q, BAI J W, ZHANG L, et al. Monitoring of land cover change in Hainan Island Nature Reserve[J]. Science of Surveying and Mapping, 2020, 45(7): 82−90. DOI: 10.16251/j.cnki.1009-2307.2020.07.013
[9] 胡静, 唐雪海, 黄庆丰, 等. 鹞落坪自然保护区土地利用动态格局研究[J]. 水土保持通报, 2019, 39(6): 246−251,323. DOI: 10.13961/j.cnki.stbctb.2019.06.036. HU J, TANG X H, HUANG Q F, et al. Land use dynamic pattern in Yaoluoping National Nature Reserve[J]. Bulletin of Soil and Water Conservation, 2019, 39(6): 246−251,323. DOI: 10.13961/j.cnki.stbctb.2019.06.036
[10] 王琸鑫, 孙紫英, 周梅, 等. 基于Landsat影像赛罕乌拉国家级自然保护区土地利用变化研究[J]. 内蒙古农业大学学报(自然科学版), 2021, 42(5): 26−31. DOI: 10.16853/j.cnki.1009-3575.2021.05.005. WANG Z X, SUN Z Y, ZHOU M, et al. Research on land use change in Saihanwula National Nature Reserve based on landsat image[J]. Journal of Inner Mongolia Agricultural University (Natural Science Edition), 2021, 42(5): 26−31. DOI: 10.16853/j.cnki.1009-3575.2021.05.005
[11] 吕烨, 史良树, 田燕芹, 等. 湿地遥感分类方法评估: 以玛多湖湿地自然保护区为例[J]. 江苏海洋大学学报(自然科学版), 2022, 31(1): 31−36. DOI: 10.3969/j. issn. 2096-8248.2022. 01.005. LYU Y, SHI L S, TIAN Y Q, et al. Evaluation on classification methods of wetland by remote sensing−a case study of Maduo Lake Wetland Natural Reserve[J]. Journal of Jiangsu Ocean University (Natural Science Edition), 2022, 31(1): 31−36. DOI: 10.3969/j.issn.2096-8248.2022.01.005
[12] 顾羊羊, 黄贤峰, 邹长新, 等. 沅江源自然保护区生境质量变化遥感监测[J]. 生态与农村环境学报, 2019, 35(6): 764−772. DOI: 10.19741/j.issn.1673-4831.2018.0442. GU Y Y, HUANG X F, ZOU C X, et al. Monitoring habitat quality changes in Yuanjiangyuan Nature Reserve based on landsat images[J]. Journal of Ecology and Rural Environment, 2019, 35(6): 764−772. DOI: 10.19741/j.issn.1673-4831.2018.0442
[13] 张琍, 李斌, 阳文静, 等. 基于时序遥感的庐山自然保护区植被分类及其变化分析[J]. 地理科学进展, 2021, 40(4): 703−712. DOI: 10.18306/dlkxjz.2021.04.014. ZHANG L, LI B, YANG W J, et al. Forest vegetation classification and its variation in Lushan Nature Reserve using Proba-V vegetation products[J]. Progress in Geography, 2021, 40(4): 703−712. DOI: 10.18306/dlkxjz.2021.04.014
[14] 徐涵秋. 新型Landsat8卫星影像的反射率和地表温度反演[J]. 地球物理学报, 2015, 58(3): 741−747. DOI: 10.6038/cjg20150304. XU H Q. Retrieval of the reflectance and land surface temperature of the newly-launched Landsat 8 satellite[J]. Chinese Journal of Geophysics, 2015, 58(3): 741−747. DOI: 10.6038/cjg20150304
[15] 张瑞, 徐宗学, 刘晓婉, 等. 1980—2015年雅鲁藏布江流域土地利用时空演变格局分析[J]. 中国农村水利水电, 2019(3): 106−111. DOI: 10.3969/j.issn.1007-2284.2019.03.023. ZHANG R, XU Z X, LIU X W, et al. Spatiotemporal characteristics of land use/cover change for the Yarlung Tsangpo River Basin from 1980 to 2015[J]. China Rural Water and Hydropower, 2019(3): 106−111. DOI: 10.3969/j.issn.1007-2284.2019.03.023
[16] 赵景啟, 满苏尔·沙比提, 艾克旦·依萨克, 等. 1992—2017年托木尔峰国家级自然保护区土地利用-覆被变化及其动态[J]. 东北林业大学学报, 2021, 49(7): 96−101,110. DOI: 10.13759/j.cnki.dlxb.2021.07.017. ZHAO J Q, SABIT M; YISAKE A, Et al. Land use/cover change and its dynamic attitude in Tomur National Nature Reserve from 1992 to 2017[J]. Journal of Northeast Forestry University, 2021, 49(7): 96−101,110. DOI: 10.13759/j.cnki.dlxb.2021.07.017
[17] 张成扬, 赵智杰. 近10年黄河三角洲土地利用/覆盖时空变化特征与驱动因素定量分析[J]. 北京大学学报(自然科学版), 2015, 51(1): 151−158. DOI: 10.13209/j.0479-8023.2015.019. ZHANG C Y, ZHAO Z J. Temporal and spatial change of land use/cover and quantitative analysis on the driving forces in the Yellow River Delta[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2015, 51(1): 151−158. DOI: 10.13209/j.0479-8023.2015.019
[18] 陈军, 邱保印. 基于TM遥感影像的诸暨市森林资源监测[J]. 林业资源管理, 2011(6): 104−109. DOI: 10.13466/j.cnki.lyzygl.2011.06.023. CHEN J, QIU B Y. Forest resources monitoring for Zhuji city based on thematic mapper(TM) imagery[J]. Forest Resources Management, 2011(6): 104−109. DOI: 10.13466/j.cnki.lyzygl.2011.06.023
[19] 徐小军, 杜华强, 周国模, 等. Erf-BP混合像元分解及在森林遥感信息提取中应用[J]. 林业科学, 2011, 47(2): 30−38. DOI: 10.11707/j.1001-7488.20110205. XU X J, DU H Q, ZHOU G M, et al. Spectral mixture analysis based on erf-BP model and applied in extracting forest information[J]. Scientia Silvae Sinicae, 2011, 47(2): 30−38. DOI: 10.11707/j.1001-7488.20110205
[20] 刘旭升, 张晓丽. 基于BP神经网络的森林植被遥感分类研究[J]. 林业资源管理, 2005(1): 51−54. DOI: 10.13466/j.cnki.lyzygl.2005.01.013. LIU X S, ZHANG X L. Remote sensing classification of forest vegetation based on BP artificial neural network[J]. Forest Resources Management, 2005(1): 51−54. DOI: 10.13466/j.cnki.lyzygl.2005.01.013
[21] 李瑾, 王雷光, 郑晨, 等. 云南香格里拉区域尺度森林类型遥感分类评价[J]. 西南林业大学学报(自然科学), 2022, 42(1): 124−132. LI J, WANG L G, ZHENG C, et al. Remote sensing classification and evaluation of regional scale forest types in Shangri-La, Yunnan[J]. Journal of Southwest Forestry University (Natural Sciences), 2022, 42(1): 124−132.
[22] 王晓慧, 张会儒, 庞勇, 等. 天然林保护工程区森林植被类型遥感监测[J]. 林业资源管理, 2023(2): 96−103. DOI: 10.13466/j.cnki.lyzygl.2023.02.013. WANG X H, ZHANG H R, PANG Y, et al. Forest vegetation type monitoring in the natural forest protection project area[J]. Forest Resources Management, 2023(2): 96−103. DOI: 10.13466/j.cnki.lyzygl.2023.02.013
[23] 童冉, 周本智, 姜丽娜, 等. 毛竹入侵对森林植物和土壤的影响研究进展[J]. 生态学报, 2019, 39(11): 3808−3815. DOI: 10.5846/stxb201806131319. TONG R, ZHOU B Z, JIANG L N, et al. Influence of Moso bamboo invasion on forest plants and soil: a review[J]. Acta Ecologica Sinica, 2019, 39(11): 3808−3815. DOI: 10.5846/stxb201806131319
[24] 赵雨虹. 毛竹扩张对常绿阔叶林主要生态功能影响[D]. 北京: 中国林业科学研究院, 2015. ZHAO Y H. Influence of Phyllostachys edulis expansion to evergreen broadleaved forest on significant ecological function[D]. Beijing: Chinese Academy of Forestry, 2015.
[25] 徐道炜. 戴云山自然保护区毛竹向杉木扩张对林分土壤质量及其凋落物分解的影响[D]. 福州: 福建农林大学, 2018. XU D W. Study on the soil quality and litter decomposition in the forest stand of Phyllostachys edulis expansion to the Cunninghamia lanceolata in Daiyun Mountain Nature Reserve[D]. Fuzhou: Fujian Agriculture and Forestry University, 2018.
[26] 白尚斌, 周国模, 王懿祥, 等. 天目山保护区森林群落植物多样性对毛竹入侵的响应及动态变化[J]. 生物多样性, 2013, 21(3): 288−295. DOI: 10.3724/SP.J.1003.2013.08258. BAI S B, ZHOU G M, WANG Y X, et al. Plant species diversity and dynamics in forests invaded by Moso bamboo (Phyllostachys edulis) in Tianmu Mountain Nature Reserve[J]. Biodiversity Science, 2013, 21(3): 288−295. DOI: 10.3724/SP.J.1003.2013.08258
[27] 丁丽霞, 王祖良, 周国模, 等. 天目山国家级自然保护区毛竹林扩张遥感监测[J]. 浙江林学院学报, 2006, 23(3): 297−300. DOI: 10.3969/j.issn.2095-0756.2006.03.012. DING L X, WANG Z L, ZHOU G M, et al. Monitoring Phyllostachys pubescens stands expansion in National Nature Reserve of Mountain Tianmu by remote sensing[J]. Journal of Zhejiang Forestry College, 2006, 23(3): 297−300. DOI: 10.3969/j.issn.2095-0756.2006.03.012
计量
- 文章访问数: 84
- HTML全文浏览量: 10
- PDF下载量: 17
邮件订阅
Rss