[發明專利]一種高海拔多年凍土區植被類型預測方法

在審

• 申請號: 201710540184.4
• 申請日: 2017-07-05
• 公開（公告）號: CN107330279A
• 公開（公告）日: 2017-11-07
• 發明（設計）人: 王志偉;莫本田;丁磊磊;吳曉東;趙林;王茜;岳廣陽;史建宗;阮璽睿;班騫;馬培杰;陳偉
• 申請（專利權）人: 貴州省草業研究所
• 主分類號: G06F19/00
• 分類號: G06F19/00;G06K9/62
• 代理公司: 西安銘澤知識產權代理事務所(普通合伙)61223
• 代理人: 俞曉明

技術領域

本發明涉及地理學領域，更具體的涉及一種高海拔多年凍土區植被類型預測方法。

背景技術

青藏高原是一個經歷了長期復雜地質作用過程的多階段拼合體，擁有世界上最大面積的高海拔區域，被公認為“世界第三極”，分布有眾多高寒植被，被稱為“高山植物基因庫”。隨著近百年來全球氣溫逐年升高，廣泛分布于青藏高原的多年凍土也存在嚴重的退化現象，而且根據現有研究表明這種趨勢在21世紀仍將持續。多年凍土的退化，會導致位于其上的活動層厚度增加，進而改變土壤中的水、熱環境，對青藏高原多年凍土區的植被生長和分布存在重要的影響作用。當該區域植被和土壤水、熱狀況發生變化時，又會通過下墊面對大氣圈底部的環境產生反作用，進而影響到周邊地區乃至全球的氣候變化。

植被作為一種重要的自然資源，被認為是反映生態環境變化的敏感指示器。它不僅是影響陸面過程下墊面的因素，而且因其對碳的作用，在全球變化中也同樣發揮著巨大作用。氣候變暖后，多年凍土區的植被發生變化會改變地表的一系列特征，如反照率、降水的滲透速度、土壤中的蒸騰和蒸散、以及土壤侵蝕等。以上過程的發生，不僅會極大的影響到水文和氣候系統的循環速率，還會改變多年凍土區活動層的水、熱狀況。為了分析植被和地表條件之間的關系，許多陸面過程模式(Earth System Modelling,ESM)需要用到植被類型信息，將其作為模型的初始輸入參數，如地表模型、水文模型、生物化學模型和全球植被模型。

根據IPCC第一工作組的第四次評估報告可知：近百年內，全球地表氣溫以0.78±0.18℃的速度在持續上升。而全球變暖會導致植被的密度、組成和分布都發生變化。當植被生長狀況發生變化時又會反作用于大氣、土壤等環境因子。模擬未來氣候變化對研究植被生長、分布的意義重大，同樣分析未來植被生長狀況的變更對氣候預測的準確性也提供了更加有效的證據。因此，研究青藏高原多年凍土區植被的分布現狀意義重大，不僅可以為研究氣候變化提供理論支撐，還可以為青藏高原多年凍土區乃至全球的碳循環過程提供關鍵的數據基礎。

氣候系統模式可以有效的定量化表達氣候系統變化規律，是預測未來氣候變化的工具之一。雖然植被類型可以通過生物地理學模型預測，然而全球植被動態模型(Dynamic Global Vegetation Models,DGVM)將青藏高原的植被類型劃分為簡單的幾種，如基于生物地理學的BIOME1，基于生物地球化學的TEM和CENTURY，耦合二者的MAPSS、BIOME3和BIOME4，以及基于生態系統過程的動態模型IBIS和LPJ，以及任繼周院士依據水、熱的客觀過程提出的綜合順序分類法等，在多種植被模型中青藏高原的植被類型一般被預測為凍原(Tundra)，或者冰川、極地沙漠(Ice/Polar desert)，而高原寒冷環境下的特有植被在這些模式中并沒有區分。同時，在MODIS的MCD12產品中發布5種土地利用類型，也未能適宜的區分高原特有植被類型，如對草甸的區分，各類利用類型方案中僅包括灌叢(Shrub lands)、草地(Grasslands)和薩瓦納草原(Savannas)。因此，亟需尋找適合于青藏高原植被類型的預測模型，然后利用氣候系統模式對高海拔多年凍土區的植被類型進行預測。

綜上所述，現有技術中的植被類型預測方法，存在不能將高原寒冷環境下的特有植被區分開的問題。

發明內容

本發明實施例提供一種高海拔多年凍土區植被類型預測方法，用以解決現有技術中存在不能將高原寒冷環境下的特有植被區分開的問題。

本發明實施例提供一種高海拔多年凍土區植被類型預測方法，包括：

獲取青藏高原多年凍土區的植被特征調查數據；其中，所述植被特征調查數據包括490個植被特征調查樣點，且所述490個植被特征調查樣點設置在高寒沼澤草甸、高寒草甸、高寒草原、高寒荒漠和無植被生長的裸地；

獲取19個生物氣候參數；其中，所述生物氣候參數包括：年均溫、溫度平均間距、等溫性、溫度的季節性、最熱月的最大溫、最冷月的最低溫、溫度年間距、最濕潤季節平均溫、最干旱季節平均溫、最溫暖季節平均溫、最寒冷季節平均溫、年均降水、最濕潤月降水、最干旱月降水、降水的季節性、最濕潤季節降水、最干旱季節降水、最溫暖季節降水和最寒冷季節降水；

根據NDVI數據集，獲取4個NDVI參數；其中，所述NDVI參數包括：NDVI平均值、NDVI最大值、NDVI最小值和NDVI間距；