一、全球变化的中国气候-植被分类研究(论文文献综述)
周广胜,王玉辉[1](1999)在《全球变化与气候-植被分类研究和展望》文中进行了进一步梳理对全球变化与陆地生态系统关系研究的核心问题———气候 植被关系的研究进展进行综述和讨论 ,指出气候 植被分类研究 3个阶段的特点 :( 1 )以现实自然植被类型与气候相关性为特征的气候 植被分类研究 ;( 2 )以对植物生理活动具有明显限制作用的气候因子为指标的气候 植被分类研究 ;( 3)综合反映植被的结构和功能变化的气候 植被分类研究 .在此基础上 ,提出了全球变化背景下中国气候 植被分类研究的方向 ,并强调了气候 植被分类研究必须考虑与大气环流模式的耦合 .
孙艳玲,延晓冬[2](2012)在《基于C值和>5℃积温的内蒙古自治区植被-气候分类》文中进行了进一步梳理C值是崔启武(1981)提出的一个水热联系方程的参数,代表了一个地区的干湿状况。本研究根据150个气象站点资料,计算了内蒙古自治区1961—1990年30年平均C值和>5℃积温,并生成空间分布图。结合内蒙古自治区植被地带分布图,绘制了内蒙古10个植被地带的C值和>5℃积温的散点图,较好地表现了内蒙古各植被带与气候指标的关系,并确定了内蒙古各植被带的C值和>5℃积温的界限。根据确定的各个植被带的C值和>5℃积温的界限,模拟了内蒙古自治区植被带的空间分布。通过Kappa一致性检验结果表明,C值与>5℃积温结合可以较好地反映内蒙古植被地带的空间分布状况。作为一个综合气候指标,C值为模拟内蒙古植被带分布提供了重要信息。
倪健[3](1998)在《植被-气候分类指标及其应用》文中提出1引言植被是陆地生态系统的主体,是陆地景观中最显着的和最具特色的组成部分,也是生态系统、气候与土壤亚系统相互联系的枢纽。一般而言,在较大范围或洲际尺度上,气候是决定陆地植被类型及其分布的最主要因素,植被则是地球气候最鲜明的反映和标志[1],植被与气候...
王连喜,杨有林,何雨红,郑有飞[4](2003)在《气候变化和植被关系研究方法探讨》文中提出在对植被与气候关系研究历史回顾的基础上 ,介绍了目前国内外研究气候和植被关系的观测和理论方法 ,同时对国内外相关领域的研究进展也进行了系统介绍。并提出了中国气候与植被关系可能的研究方向
张新时,周广胜,高琼,倪健,唐海萍[5](1997)在《中国全球变化与陆地生态系统关系研究》文中研究说明预测陆地生态系统对大气和气候的反馈作用及在更微观的尺度上预测全球变化对自然和农业生态系统的结构和功能的效应是国际地圈-生物圈计划(IGBP)的核心项目“全球变化与陆地生态系统”(GCTE)的重要研究目标。中国科学家自1985年正式立项开展全球变化研究以来,全面加入了国际全球变化的研究,取得了巨大成果。文章就近年来中国在全球变化与陆地生态系统关系研究方面取得的新进展作了评述,并指出未来中国进行全球变化与陆地生态系统关系研究时拟注重各计划间的交叉及应加强研究的领域
邹松兵[6](2006)在《中国黄土高原潜在植被模拟》文中研究说明人类对自然环境的改造深刻地影响着地球系统的生物地球化学过程,该过程通过生态过程、水文过程和气候过程之间的高度耦合作用,使支撑人类社会经济的自然生态环境系统发生着人类不可预知的变化。为了社会经济的可持续发展,需要理解人类活动对于生态环境系统的影响程度,其基础性工作就是关于潜在自然植被区域分布的探索。为探索中国黄土高原生态环境建设之路,构建本区域可持续发展格局,需要理解以植被为主导的生态系统的原本面貌。从中国黄土高原生态—水文—气候过程的相互耦合联系的角度,本研究进行了气候植被尺度和群系物种尺度上潜在植被分布的规律性探索。 本研究进行了四个方面的工作:1、构建用于进行潜在植被类型分布模拟的气候要素的分布式模型。气候要素主要包括:降水、气温、地面温度、最低气温、最高气温、空气湿度、蒸发及潜在太阳辐射。首先通过对气候要素详细的空间结构模式的探索,提出了中国黄土高原地区的气候分布结构函数;之后对剔除结构性分量后的残差进行详细的空间内插分析和模型比较,最后形成本区域空间分布式气候要素模型。2、采用柯本模型、吉良模型与HOLDRIDGE模型进行本区域的气候植被分类模拟,并对HOLDRIDGE模型进一步分类,形成HOLDRIDGE主要气候植被模型和HOLDRIDGE过渡性气候植被综合模型模型,其中HOLDRIDGE主要气候植被模型与柯本和吉良模型具有可对比性,且模拟效果要好,包含过渡性植被类型的综合模型能模拟出植被型尺度上的中国黄土高原潜在植被分布,模型结果基本上体现了本区域气候控制下的潜在植被类型。3、利用预设预测规则的遗传算法(GARP)、BIOCLIM算法、DOMAIN算法及生态位因子分析算法(ENFA)四种算法对本地区主要的12种地带性植被型中17种典型群系物种进行了潜在空间分布模拟。其中GARP能模拟出物种潜在分布的空间格局;DOMAIN算法与BIOCLIM算法模拟的结果具有相似的结构特征,但DOMAIN算法适合于连续大片分布的物种模拟,BIOCLIM算法在小尺度上具有对潜在物种模拟的良好效果;对于具有明显垂直地带性分布特征的物种,ENFA算法具有其他算法不可比拟的优势。4、根据模拟的结果初步分析了中国黄土高原潜在植被分布的地理空间特征,根据不同类型生态系统典型物种的空间分布态势,提出人类活动干预在本地区植被物种潜在分布具有重要影响的观点,即现代气候条件下,人类活动能导致植被物种地理分布的转型,黄土高原大部具备森林和森林草原存在的气候条件,其生态环境的恢复和治理需要人类活动基于生态规律的积极干预。
赵东升,李双成,吴绍洪[7](2006)在《青藏高原的气候植被模型研究进展》文中研究表明气候植被研究是全球变化研究的重要内容,而模型研究是气候植被研究的重要手段。青藏高原以其特殊的自然环境特点,形成了气候与植被独特的适应机制,为许多通用气候植被模型所不能反映,加之所受到人类活动的干扰相对较少,决定其为植被气候研究的重要实验场地。本文回顾了气候植被模型发展的相关历程,评述了每类模型的特点及其不足。从植被格局研究和植被生产力研究两个方面,对青藏高原的气候植被研究进行了总结和分析,认为模型研究是气候植被研究的重要手段,而青藏高原的研究在这方面还比较落后,同时对青藏高原气候植被模型研究中存在的一些问题,如数据精度、模型的适宜性和结果验证等进行了讨论。认为今后青藏高原气候植被模型研究的重点应是进一步明晰气候植被的关键过程,立足高原环境特点开发有高原特色的气候植被模型。
张雷[8](2011)在《气候变化对中国主要造林树种/自然植被地理分布的影响预估及不确定性分析》文中提出气候变化已经成为一个不可争辩的事实。气候变化通常导致物种分布区在纬向和高程上的迁移。气候变化对植物、植物多样性和植被分布的影响已经越来越受到重视。物种分布模型(SDM),又称为生态位模型(NM)或生境适宜模型,是预估气候变化对物种分布影响的主要工具。随着计算机、统计学和GIS的发展,SDM模型层出不穷,然而对这些模型的相对表现却知之甚少,因此有必要对SDM模型进行对比分析,以便更加可靠的评估气候变化的影响。目前有关研究表明,物种分布模型在模拟预估气候变化对物种分布影响时存在极大不确定性,而且模拟预估的误差来源对不确定性的贡献还不清楚,对降低模拟预估不确定性的方法还知之甚少,因此有必要确认误差主要来源,对各误差来源对不确定性的贡献进行分割,对不同的降低不确定性的方法进行对比分析,以便更有效的利用物种分布模型,增加模型预测的可靠性。当前,为改善区域生态环境、减缓气候变化,中国正在进行大规模的森林植被建设工程,而实施这些林业生态建设工程首要面对的问题就是在哪里造林?选择什么树种造林?物种分布模型通过对物种生境需求的研究,可以有效支撑解决这个问题。本文主要目的就是分析物种分布模拟中的不确定性,评估气候变化对中国主要造林树种和自然植被地理分布的潜在影响,为制定适应气候变化的林业发展对策提供科学支撑。本文主要开展了5个方面的研究:(1)物种分布不存在(Absence)数据取样对模型预测精度的影响;(2)多物种分布模型比较评估; (3)物种分布模拟预估中的不确定性及其不确定性组分的相对贡献;(4)对比分析降低模拟预估不确定性的方法;(5)气候变化对中国主要造林树种和自然植被类型地理分布的影响。主要研究方法与结论:(1)通过概形分析模型(Profile technique, PT)——DOMAIN生成物种(毛竹)生境适宜分布图,选取低适宜性的地区作为物种分布不存在数据,然后应用到分类判别分析模型(Group discrimination technique, GDT)——NeuralEnsembles进行模拟预测,同时分析了分布不存在数据取样大小对模型预测能力的影响。结果表明:基于DOMAIN模型选择物种分布不存在数据有利于提高模型预测精度;模型评估方法——AUC和敏感度(sensitivity)对用于建模的物种不发生数据取样大小不敏感,而Cohen’s k-test值随着分布不存在数据取样的增大逐渐减小。(2)采用8个物种分布模型,9套模型训练数据,3个GCM模型和一个SRES(A2)排放情景,模型分析了中国12个主要造林树种当前基准气候条件下(Baseline,1961-1990)和未来气候条件下3个时间段(2010-2039, 2020s; 2040-2069, 2050s; 2070-2099, 2080s)的潜在分布。共计得到当前分布预测数据72套,未来每个时间段分布数据216套(此处称为组合预测)。采用概形分析模型选择物种不发生数据。采用合作开发的ClimateChina软件进行当前和未来气候数据的降尺度处理。采用Cohen’s k-test、真实技巧统计方法(TSS)和接收机工作特征曲线下的面积(AUC)对模型预测能力进行评估。结果表明:随机森林(RF)、广义线性模型(GLM),广义加法模型(GAM)、多元自适应样条函数(MARS)以及助推法(GBM)预测能力较高,并且几乎不受建模数据之间差异的影响。混合判别分析模型(MDA)对建模数据之间的差异非常敏感,甚至出现建模失败现象。不同模型技术之间、不同树种之间、不同建模数据之间,模型预测精度都存在差异。(3)物种分布模型、建模数据、以及GCM气候情景是物种分布模拟不确定性的主要误差来源。采用三因素方差分析方法对组合预测中的不确定性组分来源进行分割,结果表明,物种分布模型本身导致的差异对模拟预测结果不确定性的贡献最大且所占比例极高,而建模数据之间的差异贡献最小,GCM贡献居中。(4)采用三种方法(平均法、频率法和中值(主成分)法)对组合预测结果进行进行整合集成和一致性趋势分析(此处称为一致性预测方法)。采用Cohen’s k-test和Pearson相关系数对预测结果相似性进行比较分析。结果表明,3种一致性预测方法在预测气候变化导致的树种分布区迁移方向和距离、分布区面积变化比例以及最适宜海拔分布高度变化时差异不明显;但是当前和未来气候条件下空间分布图的相似性分析表明,三种方法之间差异显着,其中平均法和频率法较相似,中值(主成分)法与其它两者差异较大。(5)气候变化将导致中国主要造林树种——华山松、侧柏、杉木、油松、兴安落叶松、红松、华北落叶松和云南松总的潜在分布面积逐渐减少,且分布区逐渐向西北方向迁移。云杉、马尾松未来总潜在适生区面积将逐渐增加。樟子松未来总潜在适生区面积将逐渐减少,随着预测时段的增加分布区先向西北移动,后向东北移动。长白落叶松未来气候条下将向东北方向迁移,随着预测时段的增加总潜在适生区面积先增加后减少。(6)采用随机森林技术建立中国植被-气候分类关系模型。此模型技术能对中国植被类型的空间分布进行较好的模拟,由于中外关于植被分类系统的规则不同,因此克服了国外模型不能完全适宜中国地区的缺点(如高寒荒漠无法表达,Savanna中国不存在)。预估结果表明,未来气候条件下,中国东部森林植被带将逐步向北迁移,其中北方针叶林退缩最显着。青藏高原植被——高寒草甸、高寒草原和高寒荒漠,有趋向暖性化的趋势。森林、温带荒漠面积将增加,温带草地面积逐渐缩小,亚高山常绿灌丛面积缩小。植被空间分布图相似性分析表明,气候变化导致植被分布格局的变化幅度随着时间推移逐渐增强。总体来讲,未来3个GCM气候情景下,植被分布格局对气候变化的响应比较相似。这些结果表明在预测气候变化对物种分布时,要特别关注物种分布模型的选择,同时也强调在研究结果用于资源管理和物种保护时需要提供气候变化对物种分布影响的空间分布图。在利用组合预测方法来降低模拟不确定性的时候,需要重点关注模型的选择和一致性预测方法的选择。开发具有高度可靠性和外推能力的单个物种分布模型是未来物种分布模拟的一个重要挑战。此外,本文构建的植被-气候关系模型可以作为动态植被模型中的生物地理模型模块,或者与生物地球化学模型相耦合,进而预测植被动态。本研究有助于加深对物种分布模拟中不确定性的认识,为制定适应气候变化的林业适应性管理措施提供了理论基础。
杨正宇[9](2002)在《四类气候—植被关系模型的比较研究》文中进行了进一步梳理本研究应用数字地球技术,基于1950年~1980年的全国958个气象站的基本气象数据(包括气象站的经纬度,海拔,月均温,月降水,年均温,年降水,日照时数,日照百分率,风速等,比较了四个不同的根据水、热平衡原理设计的气候—植被关系模型(Penman、模型、Holdridge生命地带系统、和Kira方法Thornthwaite模型)在中国应用的一致性和适用性。结果表明:(1)Penman模型在温带草原区和青藏高原地区的一致性指数超过50%,在青藏高原最出色,最有发展潜力。(2)Thornthwaite模型在热带雨林、季雨林区达到39.72%,可以弥补Holdridg模型在热带地区分类精度的不足。(3)Holdrieg生命地带系统在不同地带间适用性最广;只在热带地区,例如西部季雨林、雨林区域(52)、西部草原亚区域(63)和青藏高原温性荒漠地带(86)以及青藏高原温性草原地带(84)不理想。(4)吉良(Kira)方法在亚热带常绿阔叶林区可与Holdridg模型相媲美;在低海拔和湿润、半湿润地区效果尚可,但在温带荒漠区与青藏高原区的模拟效果与实际相差较远。 这四个传统的分类方法在中国植被区划一级分类上是适用的,Holdridge生命地带系统KAPPA一致性指数达到0.57模拟效果优于其它三者,但在特定地区,如青藏高原,所有模型均需改进优化或启用新的模型因子才能很好地区分植被亚地带,本研究还指出,数字地球技术的应用有助于推动气候—植被关系的研究,尤其在气候—植被指标(气候参数和模型参数)的大范围实的动态监测、气候—植被关系数据的海量信息高效、有序基础管理和功能模型库支撑框架体系方面。
周广胜,张新时[10](1996)在《全球变化的中国气候-植被分类研究》文中研究表明区域潜在蒸散具有作为植被-气候相关分析与分类的综合气候指标的功能。根据区域潜在蒸散对气候-植被分类的热量与水分指标进行了初步探讨,并对中国气候-植被分类进行了初步的定量研究。根据该模式对中国陆地生态系统对全球变化的反应进行了探讨,结果表明我国自然植被在气温增加2℃或4 ℃、降水增加20% 时, 森林和草原的面积都有所减少,且随着温度的升高而减少,沙漠化趋势增强。特别是青藏高原地区对全球气候变化非常敏感,因而可以作为全球变化的先兆区或预警区,具有重要的监测和研究意义
二、全球变化的中国气候-植被分类研究(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、全球变化的中国气候-植被分类研究(论文提纲范文)
(2)基于C值和>5℃积温的内蒙古自治区植被-气候分类(论文提纲范文)
1 材料与方法 |
1.1 气候数据 |
1.2 植被带数据 |
1.3 C值的计算 |
1.3.1 净辐射的计算 |
1.3.2 蒸发的计算 蒸发的计算采用Budyko的经验方程 (Budyko, 1974) : |
2 结果与分析 |
2.1 不同植被带上气候指标界限的确定 |
5 ℃积温的植被带的模拟'>2.2 基于C值和>5 ℃积温的植被带的模拟 |
3 讨 论 |
(4)气候变化和植被关系研究方法探讨(论文提纲范文)
1 引 言 |
2 气候和植被关系观测研究 |
2.1 气候变化对植被影响观测研究 |
2.2 植被对气候反馈作用的观测研究 |
3 气候和植被关系理论研究 |
3.1 气候变化对植被影响模式及模拟 |
3.1.1 非机理模型 |
3.1.2 机理模型 |
3.1.3 模型模拟 |
3.2 植被和气候相互作用模型研究 |
3.2.1 气候-植被模型模拟植被破坏对气候影响 |
3.2.2 气候-植被模型模拟植被改善对气候影响 |
4 中国气候与植被关系研究展望 |
(6)中国黄土高原潜在植被模拟(论文提纲范文)
摘要 |
Abstract |
第一章 引言 |
第一节 论文的选题背景及研究意义 |
第二节 研究目标、内容 |
第三节 技术路线及实验室工作环境 |
第四节 论文的内容组织 |
第二章 研究区概况 |
第一节 中国黄土高原的范围 |
第二节 气候 |
第三节 地貌 |
第四节 植被 |
第五节 土壤 |
第六节 历史时期研究区的植被状况 |
第三章 文献综述 |
第一节 生态区划 |
第二节 植被气候分类 |
第三节 潜在自然植被模拟 |
第四节 预测性植被模拟 |
第五节 黄土高原植被研究现状 |
第四章 研究方法 |
第一节 地统计学概述 |
第二节 气候植被分类模型 |
第三节 物种适宜性模拟 |
第四节 植被分类数据 |
第五章 分布式气候模型 |
第一节 分布式气候模拟概述 |
第二节 气候要素的统计分析 |
第三节 残差空间分布 |
第四节 降水分布式模型 |
第五节 气温分布式模型 |
第六节 空气湿度分布式模型 |
第七节 蒸发分布式模型 |
第八节 潜在太阳辐射 |
第六章 气候植被分类模拟 |
第一节 柯本气候植被分类与吉良气候植被分类 |
第二节 中国黄土高原Holdridge植被分类 |
第三节 气候植被分类模型的讨论 |
第七章 典型植被群落潜在分布模拟 |
第一节 寒温性针叶林典型物种模拟 |
第二节 温性针叶林典型物种模拟 |
第三节 落叶阔叶林典型物种模拟 |
第四节 高寒落叶灌丛典型物种模拟 |
第五节 高寒常绿灌丛典型物种模拟 |
第六节 温性落叶灌丛典型物种模拟 |
第七节 温性草丛典型物种模拟 |
第八节 草甸草原典型物种模拟 |
第九节 典型草原典型物种模拟 |
第十节 荒漠化草原典型物种模拟 |
第十一节 亚—高山草甸典型物种模拟 |
第十二节 沙生植物典型物种模拟 |
第十三节 结论 |
第八章 结论与展望 |
第一节 结论 |
第二节 展望 |
学习工作简历与论文发表 |
后记 |
(7)青藏高原的气候植被模型研究进展(论文提纲范文)
1 气候植被研究的主要模型 |
1.1 统计模型 |
1.2 生物地理模型 |
1.3 生物地球化学模型 |
1.4 耦合模型 |
1.5 动态模型 |
2 青藏高原的特殊性及相关气候植被模型研究 |
2.1 高原的特殊性 |
2.2 青藏高原的气候植被模型研究 |
(1)植被格局的相关研究 |
(2)植被生产力研究 |
3 主要问题与讨论 |
3.1 关于数据 |
3.2 关于模型 |
(8)气候变化对中国主要造林树种/自然植被地理分布的影响预估及不确定性分析(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 选题背景 |
1.1.1 气候变化 |
1.1.2 物种分布区研究的重要性 |
1.1.3 中国植被建设 |
1.1.4 研究目的、意义 |
1.2 国内外研究现状 |
1.2.1 气候变化对物种分布的影响 |
1.2.2 植被-气候分类研究 |
1.3 科学问题与研究内容 |
1.3.1 科学问题 |
1.3.2 研究目标 |
1.3.3 研究内容与技术流程 |
第二章 物种分布不存在数据取样对模型预测精度的影响 |
2.1 前言 |
2.2 材料和方法 |
2.2.1 毛竹地理分布数据 |
2.2.2 预测变量 |
2.2.3 未来气候情景 |
2.2.4 DOMAIN 模型 |
2.2.5 NeuralEnsembles 模型 |
2.2.6 模型耦合 |
2.2.7 模型评估 |
2.2.8 毛竹分布区面积变化和分布区的迁移 |
2.3 结果分析 |
2.3.1 模型预测精度 |
2.3.2 当前潜在分布区及未来气候条件下分布区的迁移 |
2.4 讨论 |
2.5 小结 |
第三章 物种分布模拟预估中的不确定性 |
3.1 前言 |
3.2 材料和方法 |
3.2.1 造林树种 |
3.2.2 环境变量 |
3.2.3 未来气候情景 |
3.2.4 模拟技术 |
3.2.5 数据取样分割建模 |
3.2.6 模型验证 |
3.2.7 土地利用过滤筛 |
3.2.8 分布区变化比较 |
3.3 结果分析 |
3.3.1 模型预测精度 |
3.3.2 分布区迁移变化 |
3.4 讨论 |
3.5 小结 |
第四章 物种分布模拟预估中的不确定性组分分割与制图 |
4.1 前言 |
4.2 材料和方法 |
4.2.1 数据来源 |
4.2.2 变异组分分割与制图方法 |
4.3 结果分析 |
4.3.1 空间分布区的不确定性 |
4.3.2 误差来源对不确定性的贡献 |
4.4 讨论 |
4.5 小结 |
第五章 一致性预测方法比较评估——降低模拟预估的不确定性 |
5.1 前言 |
5.2 材料和方法 |
5.2.1 数据来源 |
5.2.2 一致性预测方法 |
5.2.3 三种一致性预测方法的差异评估 |
5.3 结果分析 |
5.3.1 造林树种分布区迁移 |
5.3.2 三种一致性预测方法下分布区迁移变化的差异 |
5.4 讨论 |
5.5 小结 |
第六章 气候变化对中国自然植被地理分布的影响 |
6.1 前言 |
6.2 材料和方法 |
6.2.1 植被类型划分 |
6.2.2 环境变量 |
6.2.3 气候情景 |
6.2.4 模型构建 |
6.2.5 模型评估 |
6.2.6 植被空间分布格局变化评估 |
6.3 结果分析 |
6.3.1 模型预测精度 |
6.3.2 各植被类型分布区变化 |
6.3.3 植被空间分布格局变化 |
6.4 讨论 |
6.5 小结 |
第七章 结论和展望 |
7.1 结论 |
7.2 展望与挑战 |
参考文献 |
附录Ⅰ |
附录Ⅱ |
致谢 |
(9)四类气候—植被关系模型的比较研究(论文提纲范文)
中文摘要 |
英文摘要 |
第一章 全球变化与气候—植被关系研究 |
第一节 全球气候变化 |
第二节 气候—植被的关系 |
第三节 气候—植被关系研究 |
第二章 中的气候—植被关系研究 |
第一节 中国气候概述 |
第二节 中国气候—植被关系研究 |
第三章 中国气候—植被关系数据库的建立 |
第一节 数字地球 |
第二节 中国气候—植被数据库 |
第四章 模型及其检验算法 |
第五章 中国气候—植被关系分析 |
第六章 结果与讨论 |
附录一: 绘图录入的方法与技术 |
第一节 AutoCAD绘图注意事项 |
第二节 AutoCAD录入矢量的步骤 |
第三节 CADE矢量变换 |
第四节 EDLS功能概述 |
附录二: 绘图基础:AutoCAD命令集详解 |
附录三: 中国气候—植被关系相关图件 |
彩图A-1 中国植被区划 |
彩图A-2 中国年均温 |
彩图A-3 中国年降水 |
彩图B-1 一月均温 |
彩图B-2 二月均温 |
彩图B-3 三月均温 |
彩图B-4 四月均温 |
彩图B-5 五月均温 |
彩图B-6 六月均温 |
彩图B-7 七月均温 |
彩图B-8 八月均温 |
彩图B-9 九月均温 |
彩图B-10 十月均温 |
彩图B-11 十一月均温 |
彩图B-12 十二月均温 |
彩图C-1 一月降水 |
彩图C-2 二月降水 |
彩图C-3 三月降水 |
彩图C-4 四月降水 |
彩图C-5 五月降水 |
彩图C-6 六月降水 |
彩图C-7 七月降水 |
彩图C-8 八月降水 |
彩图C-9 九月降水 |
彩图C-10 十月降水 |
彩图C-11 十一月降水 |
彩图C-12 十二月降水 |
彩图D-1. Thomthwaite模型的APE指数 |
彩图D-2. Thomthwaite模型的IM指数 |
彩图D-3. Thomthwaite模型的IA指数 |
彩图D-4. Thomthwaite模型的IH指数 |
彩图D-5. Holdridge模型的PET指数 |
彩图D-6. Holdridge模型的PER指数 |
彩图D-7. Holdridge模型的BT生物温度 |
彩图D-8. Kira模型的CI指数 |
彩图D-9. Kira模型的WI指数 |
彩图D-10. Kira模型的KI指数 |
彩图D-11. Penman模型的ARD指数 |
彩图D-12. Pemnan模型的ET指数 |
彩图D-13. Holdridge模型模拟中国植被区划 |
彩图D-14. Thomthwaite模型模拟中国植被区划 |
彩图D-15. Kira模型模拟中国植被区划 |
彩图D-16. Penman模型模拟中国植被区划 |
参考文献 |
硕士期间发表文章目录 |
致谢 |
四、全球变化的中国气候-植被分类研究(论文参考文献)
- [1]全球变化与气候-植被分类研究和展望[J]. 周广胜,王玉辉. 科学通报, 1999(24)
- [2]基于C值和>5℃积温的内蒙古自治区植被-气候分类[J]. 孙艳玲,延晓冬. 生态学杂志, 2012(07)
- [3]植被-气候分类指标及其应用[J]. 倪健. 生态学杂志, 1998(05)
- [4]气候变化和植被关系研究方法探讨[J]. 王连喜,杨有林,何雨红,郑有飞. 生态学杂志, 2003(01)
- [5]中国全球变化与陆地生态系统关系研究[J]. 张新时,周广胜,高琼,倪健,唐海萍. 地学前缘, 1997(Z1)
- [6]中国黄土高原潜在植被模拟[D]. 邹松兵. 兰州大学, 2006(09)
- [7]青藏高原的气候植被模型研究进展[J]. 赵东升,李双成,吴绍洪. 地理科学进展, 2006(04)
- [8]气候变化对中国主要造林树种/自然植被地理分布的影响预估及不确定性分析[D]. 张雷. 中国林业科学研究院, 2011(03)
- [9]四类气候—植被关系模型的比较研究[D]. 杨正宇. 中国科学院研究生院(植物研究所), 2002(01)
- [10]全球变化的中国气候-植被分类研究[J]. 周广胜,张新时. 植物学报, 1996(01)