联合国政府间气候变化专门委员会指出，2006～2015年全球陆地表面平均气温比1850～1900年上升了1.53℃，未来几十年可能呈现加速上升趋势。随着城市人口的急剧增多，城市用地不断增加，这深刻改变了地表景观及植被碳循环过程，对于维护生态系统碳平衡及气候稳定也具有重要影响。
本书开展城市扩张及气候变化分析，探讨二者对植被活动的影响；提出利用极限学习机方法获取元胞自动机的转换规则。本书对于城市扩张、气候变化和陆地碳循环研究具有一定的科学价值，也可以为政府相关部门提供决策参考。
样章试读
目录
- 前言
第1章 概述 1
1.1 问题的提出 1
1.1.1 陆地碳源/碳汇功能的不确定性 1
1.1.2 陆地碳循环与全球变化关系密切 1
1.1.3 当前国际政治经济环境背景 2
1.2 国内外研究进展 3
1.2.1 气候变化与极端气候研究 3
1.2.2 LUCC和城市扩张研究 5
1.2.3 城市扩张及气候变化对植被活动的影响 7
1.3 主要内容 8
1.3.1 基于CA模型的城市扩张模拟分析 9
1.3.2 极端降水事件监测分析 9
1.3.3 基于卫星遥感的植被活动监测分析 9
1.3.4 极端气候事件及对植被活动的影响分析 10
1.3.5 城市土地利用及城市扩张对植被活动的影响分析 10
1.3.6 城市扩张及气候变化对植被活动的影响 11
1.4 主要框架 11
参考文献 12
第2章 元胞自动机与城市扩张模拟 18
2.1 元胞自动机概述 19
2.2 地理元胞自动机 20
2.3 地理元胞自动机的转换规则获取 22
2.3.1 多准则判断方法 23
2.3.2 逻辑回归方法 24
2.3.3 极限学习机算法 24
2.4 顾及空间相互作用的城市扩张模拟 25
2.4.1 空间相互作用模型 25
2.4.2 ELM-CA模型原理 26
2.4.3 耦合ELM-CA和空间相互作用的城市扩张模拟案例 27
参考文献 32
第3章 极端降水事件的变化及可能原因 35
3.1 概述 35
3.2 数据源及数据处理 37
3.3 研究方法 37
3.3.1 基于POT-GPD方法的极端降水事件识别 37
3.3.2 极端降水频率和极端降水强度指数 39
3.3.3 极端降水事件变化趋势和突变检验 39
3.3.4 基于泊松分布的极端降水事件分析 40
3.3.5 长江流域部分地区极端降水事件的案例分析 41
3.4 1961～2012年长江流域部分地区极端降水变化 42
3.4.1 平均降水量分布 42
3.4.2 极端降水阈值选择 42
3.4.3 平均极端降水强度 44
3.4.4 极端降水频率变化趋势 44
3.5 极端降水变化的归因分析 47
3.5.1 东亚夏季风对极端降水事件的影响 47
3.5.2 极端降水与几个局地因子的关系 48
参考文献 50
第4章 植被健康指数的植被活动监测能力评估及在中国的应用 55
4.1 概述 55
4.2 数据源及数据处理 56
4.3 研究方法 57
4.3.1 利用植被健康指数监测植被活动原理 57
4.3.2 利用植被健康指数监测植被活动的性能评价方法 58
4.3.3 基于植被健康指数的中国植被活动监测 59
4.4 植被健康指数的中国植被活动监测评估 60
4.4.1 中国植被平均生长季长度 60
4.4.2 VCI和VHI的时空变化 60
4.4.3 利用VCI和VHI监测植被活动的性能评价 64
4.4.4 1982～2013年中国植被活动变化 71
参考文献 72
第5章 城市化地区植被初级生产力变化及植被活动分析 75
5.1 研究区和数据 75
5.2 研究方法 77
5.2.1 植被初级生产力估计 77
5.2.2 植被初级生产力变化趋势分析 78
5.2.3 基于灯光数据的城市建成区提取及与植被初级生产力关系分析 78
5.3 2000～2013年长江三角洲地区植被初级生产力的变化趋势 79
5.3.1 植被初级生产力估算精度分析 79
5.3.2 植被初级生产力时间变化趋势 80
5.3.3 植被初级生产力空间变化趋势 80
5.4 城市建成区植被初级生产力的变化及归因分析 81
5.4.1 城市建成区及不同缓冲区植被初级生产力的梯度变化 81
5.4.2 植被初级生产力与城市建成区面积之间关系 83
5.4.3 植被初级生产力与气象驱动因子关系 83
5.4.4 植被初级生产力与建成区绿化覆盖率的变化关系 84
参考文献 85
第6章 植被净初级生产力及植被活动监测分析 87
6.1 植被NPP模型概述 87
6.2 研究方法 89
6.2.1 CASA模型 89
6.2.2 MTCLIM模型 93
6.2.3 BIOME-BGC模型 94
6.2.4 植被NPP的模型估算及城市地区改进应用 98
6.3 基于CASA模型的中国植被NPP模拟 99
6.3.1 数据源及处理 99
6.3.2 最大光能利用率参数校正 100
6.3.3 CASA模型验证 101
6.3.4 中国植被NPP的时空分布模拟 102
6.4 基于BIOME-BGC模型的广东省植被NPP模拟 104
6.4.1 研究区和数据 104
6.4.2 BIOME-BGC模型参数化 105
6.4.3 植被NPP比例因子的计算及验证 107
6.4.4 MTCLIM模型和BIOME-BGC模型的验证 108
6.4.5 广东省植被NPP的时空分布 111
参考文献 112
第7章 中国干旱事件监测及其对植被活动的影响 117
7.1 概述 117
7.2 数据源和研究方法 118
7.2.1 数据源及处理 118
7.2.2 标准化降水指数 118
7.2.3 基于SAI的植被NPP异常指数构建 120
7.2.4 基于SPI和SAI-NPP的干旱事件对植被NPP的影响分析 120
7.2.5 植被NPP和SAI-NPP的可靠性检验 121
7.3 2001～2010年中国干旱事件变化 122
7.4 2001～2010年中国干旱事件对植被NPP的影响 124
参考文献 128
第8章 中国东部南北样带极端气温变化及其对植被活动的影响 131
8.1 研究区和数据 131
8.2 研究方法 133
8.3 中国东部南北样带极端温度时空变化趋势 134
8.3.1 极端温度频率的时间变化趋势 134
8.3.2 极端温度频率的空间变化趋势 135
8.3.3 极端温度强度的时间变化趋势 137
8.3.4 极端温度强度的空间变化趋势 137
8.4 中国东部南北样带植被活动的时空变化规律 138
8.4.1 植被活动的时间变化特征 138
8.4.2 植被活动的空间分布特征 146
8.5 中国东部南北样带极端气候变化对植被的影响 158
8.5.1 极端温度对植被活动的影响 158
8.5.2 不同水分条件下极端气候事件对植被活动的影响 164
8.5.3 不同植被区划下极端气候事件对植被活动的影响 166
参考文献 168
第9章 中国城市土地开发对陆地植被活动的影响 170
9.1 研究区和数据 170
9.2 研究方法 172
9.3 土地利用/土地覆被分布分析 172
9.4 中国陆地植被NPP的时空分布 174
9.4.1 植被NPP的空间分布 174
9.4.2 植被NPP的季节变化 175
9.5 城市土地开发前后中国陆地植被NPP差异 179
参考文献 183
第10章 城市扩张及气候变化对植被活动影响的情景分析 185
10.1 概述 185
10.2 基于情景方法的未来植被NPP模拟 186
10.2.1 基于BIOME-BGC模型的未来植被NPP估算方法 186
10.2.2 基于情景方法的植被NPP模拟 186
10.3 Logistic-CA模型及土地利用模拟 188
10.3.1 实验设计 188
10.3.2 Logistic-CA模型参数化 189
10.3.3 广东省城市扩张模拟 190
10.4 降尺度技术及气候变化分析 192
10.4.1 全球气候变化模式 192
10.4.2 基于降尺度技术的未来气候变化模拟 196
10.4.3 广东省气候变化情景模拟 200
10.4.4 广东省未来气候变化特征 209
10.5 气候变化及城市扩张对植被NPP影响的情景分析 212
10.5.1 气候不变-城市用地不变情景下植被NPP模拟 212
10.5.2 气候变化-城市用地不变情景下植被NPP模拟 214
10.5.3 气候不变-城市用地扩张情景下植被NPP模拟 214
10.5.4 气候变化-城市用地扩张情景下植被NPP模拟 216
参考文献 219
京公网安备 11010102004214号