排序方式： 共有41条查询结果，搜索用时 359 毫秒
11.
12.
青藏高原东北部互助县域土地利用变化对粮食安全的影响 总被引：1，自引：0，他引：1
中国既是一个人口大国,又是一个农业大国,粮食安全在国家安全系统中具有重要地位。青藏高原是一个高海拔的少数民族聚居区域,区域粮食安全有其独特性。互助土族自治县是青藏高原东北部主要的农业县之一,同时,又是国家商品粮建设基地和青海省粮、油、肉、蛋、禽生产基地,其土地利用变化对粮食安全的影响具有一定的典型性。利用互助土族自治县1986年土地利用现状详查数据,2000,2005年土地利用变更数据、2008年TM数据,在ERDAS及ArcGIS软件支持下分析了其土地利用变化态势并计算了该县最小人均耕地面积和耕地压力指数,对因土地利用变化引起的粮食安全问题进行分析和评估。结果表明:(1)互助县耕地总量及人均粮食产量均呈现下降趋势,这与近几年的退耕还林(草)工程、基础设施建设及人口增长相关联,而粮食单产呈现上升趋势,表明科学技术的进步在起作用。(2)从粮食生产来看,人均粮食消费水平为300 kg,互助县当前粮食生产能满足其基本需求,人均粮食消费水平为400 kg时,互助县当前粮食生产不能满足其基本需求,表明需要从区外调入粮食。(3)从耕地压力指数来看,近20年来,互助县最小人均耕地面积及耕地压力指数呈现持续增长态势。 相似文献
13.
青藏公路对区域土地利用和景观格局的影响——以格尔木至唐古拉山段为例 总被引：81，自引：8，他引：81
根据1995年和2000年土地利用数据,运用ARC/INFO软件和景观生态学方法,研究了青藏公路沿线格尔木、曲麻莱、治多3个县(市)的土地利用变化和景观格局变化,修订了单一土地利用类型动态度计算公式,重点分析了公路缓冲带的土地利用变化、景观格局变化和建设用地缓冲带的土地利用变化。主要结论如下:①研究区建设用地增加迅速,林地、水域、未利用土地增加,耕地大量减少,草地退化严重,其中曲麻菜县草地减少22.8%,未利用土地增加 43.96%;②景观破碎化程度加剧,分维数、多样性指数和景观破碎度均增加;③与其它交通干线对沿线的 “轴向”影响不同,该段青藏公路以“点”型的辐射效应为标志,且仅仅影响建设用地周围的区域,格尔木市的影响范围是3 km,五道梁的影响范围是1km; ④K=(Ua+Ub－2Uc)Ua－1T-1×100%,可准确地反映单一土地利用类型变化特点。 相似文献
14.
正2018年4月21-26日,全球变化背景下山地发展国际会议(International Conference on Mountain Development in a Context of Global Change with Special Focus on the Himalayas)在尼泊尔加德满都市顺利举行。山区易发生地震、山体滑坡、洪水与泥石流、雪崩等灾害。近年来,全球气候变化不仅对生态系统多样性与服务功能产生了明显影响,还直接或间接地威胁到山区人类社会安全。喜马拉雅山区多处常年冰雪覆盖,被誉为"世界第三极"、"亚洲水塔",地位重要且生 相似文献
15.
16.
县域经济与环境协调发展分析方法——以西藏自治区为例 总被引：1，自引：0，他引：1
环境与经济发展协调问题是环境保护与经济可持续发展中的重要问题.目前有关环境与经济协调程度的分析多是基于人均经济指标与人居环境指标的对比分析.人均指标反映出了经济与环境协调的潜力与可能性,但不能真实地反映区域,尤其是对自然环境依赖程度较大的农区及牧区经济与环境协调的程度.本文在经济与环境协调分析中,加入了反映环境变化的因子,提出了经济与环境协调度概念模型;并利用国土空间开发综合评价指数和归一化植被指数多年变化线性斜率值对指标进行了量化,分析了西藏自治区县域经济与环境协调发展情况,区分了协调县区和不协调县区,从经济与环境协调的角度探讨了各区经济发展的方向.该研究为分析区域经济与环境协调程度提供了新的思路. 相似文献
17.
三江源地区植被指数下降趋势的空间特征及其地理背景 总被引：21，自引：3，他引：18
利用8km分辨率的Pathfinder NOAA/AVHRR-NDVI数据,结合1km分辨率的DEM,1 ∶ 250000道路、居民点、水系数据以及野外调查数据,分析了植被指数变化总体态势、植被指数变化与海拔及与距道路、水源和居民点距离之间的关系,探讨了三江源区1981~2001年间植被指数变化趋势和空间分异特征。结果表明:①三江源地区植被指数变化以下降趋势为主,下降区域占源区总面积的18.92%,增加区域占13.99%;②不同植被和冻土类型下的植被指数下降特征:灌丛区和森林区下降率最高,下降率与各类型区的居民点密度、生计方式有关;植被指数下降程度与冻土类型关系不明显;③植被指数下降的区域差异明显:下降率各区域分别为长江源区13.56%、黄河源区32.51%和澜沧江源区18.1%;④植被指数下降率随着距道路、河流的距离增加而逐渐减小;下降率在距居民点18~24km的缓冲带上达到最高后随着距离增大而下降;植被指数下降率随着海拔高程的升高呈"低－高－低－高"态势,下降率与居民点的分布高度相关。 相似文献
18.
再论青藏高原范围 总被引：5，自引：0，他引：5
伴随青藏高原研究的深入,高原内外多学科研究程度和认识的提高,及地理大数据、地球观测科学和技术的进步,对青藏高原范围提出了新的要求。本研究系统论述了确定青藏高原范围的原则、依据和方法,分析探讨了高原地貌宏观结构（高原面、高原内低盆地与高原边缘河谷低地等）和周围边界各自然地段构成的基本特征。采用ArcMap软件,通过遥感影像和DEM数据及新资料对高原地貌比较研究,实现了1：100万比例尺地图精度的青藏高原范围的界定。研究表明,青藏高原北起西昆仑山-祁连山山脉北麓,南抵喜马拉雅山等山脉南麓,南北最宽达1560 km;西自兴都库什山脉和帕米尔高原西缘,东抵横断山等山脉东缘,东西最长约3360 km;范围为25°59′30″N~40°1′0″N、67°40′37″E~104°40′57″E,总面积为308.34万km2,平均海拔约4320 m。在行政区域上,青藏高原分布于中国、印度、巴基斯坦、塔吉克斯坦、阿富汗、尼泊尔、不丹、缅甸、吉尔吉斯斯坦等9个国家。其中中国境内的青藏高原面积约258.09万km2（占高原总面积的83.7%）,平均海拔约4400 m,分布在西藏、青海、甘肃、四川、云南和新疆等6省区,西藏和青海两省区主体分布在高原范围内（约占高原总面积的60.6%）。 相似文献
19.
1982-2009 年珠穆朗玛峰自然保护区植被指数变化 总被引：6，自引：2，他引：4
植被指数是指示植被变化的重要指标, 本研究基于1982-2009 年珠穆朗玛峰自然保护区(简称珠峰地区)植被指数(NDVI)时间序列数据、土地覆被和野外调查等数据, 采用时序变化趋势和空间分析法, 对珠穆朗玛峰地区植被的时空变化过程及保护区成效进行了定量分析。研究表明:①珠峰地区NDVI分布的总特征是南部和北部高, 中部低。②1982-2009 年珠峰地区NDVI年际变化趋势和空间异质性十分明显:1982-1997 年, 珠峰地区NDVI总体上呈显著上升趋势, 北部地区增幅较大;1998-2009 年, NDVI总体下降(56.96%的NDVI呈下降趋势), 其中, 珠峰地区中部和北部的NDVI下降最为明显, 而南部核心保护区森林和灌丛的NDVI则呈显著上升趋势, 且变化幅度较大。③长时间序列植被指数变化的过程和空间差异性推断:1998 年以来, 天然林保护等生态工程促使珠峰地区保护效果更加明显。 相似文献
20.
1956-2003年拉萨河流域径流变化趋势 总被引：4，自引：1，他引：3
Taking the Lhasa River Basin above Lhasa hydrological station in Tibetan Plateau as a study area, the characteristics of the annual and monthly mean runoff during 1956-2003 were analyzed, based on the hydro-data of the two hydrological stations （Lhasa and Tanggya） and the meteorological data of the three meteorological stations （Damxung, Lhasa and Tanggya）. The trends and the change points of runoff and climate from 1956 to 2003 were detected using the nonparametric Mann-Kendall test and Pettitt-Mann-Whitney change-point statistics. The correlations between runoff and climate change were analyzed using multiple linear regression. The major results could be summarized as follows： （1） The annual mean runoff during the last 50 years is characterized by a great fluctuation and a positive trend with two change points （around 1970 and the early 1980s）, after which the runoff tended to increase and was increasing intensively in the last 20 years. Besides, the monthly mean runoff with a positive trend is centralized in winter half-year （November to April） and some other months （May, July and September）. （2） The trends of the climate change in the study area are generally consistent with the trend of the runoff, but the leading climate factors which aroused the runoff variation are distinct. Precipitation is the dominant factor influencing the annual and monthly mean runoff in summer half year, while temperature is the primary factor in winter season. 相似文献