一、SPATIAL CORRELATION ANALYSIS BETWEEN KARST ROCKY DESERTIFICATION AND LITHOLOGY IN DU’AN YAO AUTONOMOUS COUNTY IN GUANGXI（论文文献综述）
魏兴琥,刘淑娟,徐喜珍,雷俐,周红艳,梁钊雄[1]（2021）在《粤北岩溶山地土壤地下漏失程度评价指标构建探讨》文中指出为了弥补岩溶区地下土壤漏失程度评价指标体系空白,基于在粤北岩溶区连南县多个岩溶山地采矿断面、公路修建断面实地调查获得的56条裂隙、40个漏斗和多个孔穴的调查数据,以及粤北岩溶丘陵、峰林区英德市岩背镇、九龙镇等40多个样方的地表景观实地调查资料,探讨构建岩溶地下土壤漏失程度评价指标与标准。首先,充分考虑了土壤漏失途径、阶段、各指标的关联性、断面调查数据及数据采集的可操作性等,将定性指标与量化指标结合,采用裂隙、洞穴、漏斗3个一级指标和与溶洞连通度、断面比、密度,洞穴类型、数量、位置,漏斗深宽比、形状、周边裂隙发育情况9个二级指标,构建了岩溶区地下漏失无漏失、轻度漏失、中度漏失、重度漏失分级标准;其次,将基岩、地貌、地形、岩石裸露率、植被结构、类型、盖度和土壤深度等地表景观特征作为地下漏失程度的辅助参考指标,使地下漏失评价与地表石漠化程度评价能够有机结合,共同形成岩溶环境评价的整体系统。
Yanli CHEN,Weihua MO,Yonglin HUANG,Jianfei MO,Xiaohan HUANG,Xiumei WEN[2]（2021）在《Changes in Vegetation and Assessment of Meteorological Conditions in Ecologically Fragile Karst Areas》文中指出Meteorological conditions have an important impact on changes of vegetation in ecologically fragile karst areas.This study aims to explore a method for quantitative evaluation of these meteorological conditions. We analyzed the changing trend of vegetation during 2000–2018 and the correlations between vegetation changes and various meteorological factors in karst rocky areas of Guangxi Zhuang Autonomous Region, China. Key meteorological factors in vegetation areas with varying degrees of improvement were selected and evaluated at seasonal timescale. A quantitative evaluation model of comprehensive influences of meteorological factors on vegetation was built by using the partial least-square regression（PLS）. About 91.45% of the vegetation tended to be improved, while only the rest 8.55% showed a trend of degradation from 2000 to 2018. Areas with evident vegetation improvement were mainly distributed in the middle and northeast, and those with obvious vegetation degradation were scattered. Meteorological factors affecting vegetation were significantly different among the four seasons. Overall, high air humidity, small temperature difference in spring and autumn, and low daily minimum temperature and air pressure were favorable conditions. Low temperature in winter as well as high temperature in summer and autumn were unfavorable conditions. The Climate Vegetation Index（CVI） model was established by PLS using the maximum, minimum, and average temperatures; vapor pressure; rainfall; and air pressure as key meteorological factors. The Enhanced Vegetation Index（EVI） was well fitted by the CVI model, with the average coefficient of determination（r2） and root mean square error（RMSE） of 0.856 and 0.042, respectively. Finally, an assessment model of comprehensive meteorological conditions was built based on the interannual differences in CVI. The meteorological conditions in the study area in 2014 were successfully evaluated by combining the model and selected seasonal key meteorological factors.
姚永慧,索南东主,张俊瑶,胡宇凡,寇志翔[3]（2019）在《2010—2015年贵州省关岭县石漠化时空演变及人类活动影响因素》文中指出石漠化是中国西南喀斯特地区面临的重要环境问题之一,其演化过程和驱动机制分析一直是相关研究领域的难点和热点,尤其是人类活动的影响分析方面仍有待于进一步研究。论文选择贵州石漠化极其严重的关岭县为研究区,利用2010年SPOT5/ALOS数据、2015年的高分一号/资源三号数据等,结合地面调查、采用目视解译的方法获得了2010—2015年石漠化分布、演化过程及驱动因素等信息;在系统分析石漠化的空间分布及演化过程的基础上,着重分析土地利用类型、社会经济水平及石漠化治理工程等人类活动因素对贵州石漠化演化的影响。研究结果表明:①关岭县石漠化土地占有很大比重（2015年占总土地面积的45%以上）且以中度石漠化为主;②石漠化总体上得到明显改善,石漠化土地面积逐年减少,尤其是重度石漠化和极重度石漠化土地明显减少,但仍有部分石漠化土地的状况在恶化。③人类活动对石漠程度和演化过程具有重要的影响,首先,土地利用类型尤其是灌木林、旱地和有林地对石漠化演化起着重要的作用;其次,人口密度较大和GDP较高的地区,石漠化程度也较高且石漠化恢复治理的效果越不明显;另外,关岭县的各类石漠化治理工程取得了显着的成果,约1/3的处于稳定和得到改善的石漠化土地是通过治理工程来实现的。本文查明了土地利用类型、人口及石漠化治理工程与石漠化演化的关系,研究结果可为石漠化治理与生态恢复工作提供科学的依据。
朱昌丽,周忠发,谭玮颐[4]（2019）在《喀斯特山区村域多维贫困空间异质性研究——以盘州市为例》文中认为厘清喀斯特山区贫困人口空间分布及贫困机理是我国全面建成小康社会的关键。基于自然环境、地理区位、经济基础及人力资本4个维度指标测算了盘州市村域多维贫困,并结合GIS技术分析了其空间异质性。结果表明:（1）31.65%的行政村处于多维贫困状态,主要集中分布在盘州市的北部、东部以及零星分布在西部和南部。（2）多维贫困的热点区主要分布在各维度上均未处于冷点区的盘州市北部的乌蒙镇、坪地彝族乡、柏果镇、普古彝族苗族乡以及旧营白族彝族苗族乡东部和竹海镇东南部。（3）4个行政村在各维度上均处于贫困,53个行政村在其中3个维度处于贫困,贫困维度的热点区集中在盘州市北部的乌蒙镇与坪地彝族乡交界处、柏果镇、鸡场坪镇北部、淤泥乡北部、旧营白族彝族苗族乡东部以及竹海镇东南部。（4）根据盘州市实际情况,将各行政村的脆弱维度组合划分为自然条件缺乏型、经济基础缺乏型、人力资本缺乏型、自然经济兼缺型、自然人力兼缺型、经济人力兼缺型、自然经济人力兼缺型和发展友好型8类,并提出相应的脱贫建议。通过对村域多维贫困定量测度和空间异质性研究,明晰了多维贫困的测度方法及其空间分异规律,这对区域全面脱贫和乡村振兴具有重要的现实意义。
王正雄,蒋勇军,张远嘱,段世辉,刘九缠,曾泽,曾思博[5]（2019）在《基于GIS与地理探测器的岩溶槽谷石漠化空间分布及驱动因素分析》文中认为岩溶区土地石漠化已成为中国西部继沙漠化和水土流失后的第三大生态问题,近年来岩溶槽谷区石漠化表现出增加趋势。通过获取槽谷区石漠化、岩性、坡度、海拔、降雨量、土地利用、人口密度和第一产业生产总值等数据,利用GIS空间分析功能和地理探测器模型,探讨了岩溶槽谷区石漠化空间分布特征及驱动因子。主要结论为:①岩溶槽谷区总石漠化面积为21323.7 km2,占研究区土地面积的8.3%,其中轻度、中度和重度石漠化面积分别是11894.8 km2、8615.8 km2和813.1 km2,分别占石漠化面积的55.8%、40.4%和3.8%;②从石漠化的空间分布来看,槽谷区石漠化主要发生在连续性灰岩中,轻度、中度和重度石漠化面积分别为占槽谷区相应石漠化类型面积的22.1%、22.4%和1.9%;槽谷区石漠化主要发生在15°～25°的坡度范围,轻度、中度和重度石漠化面积分别为占槽谷区相应石漠化类型面积的27.1%、18.2%和2.3%;从海拔来看,主要分布于400～800 m范围内,轻度、中度和重度石漠化面积分别为占槽谷区相应石漠化类型面积的24.9%、18.4%和0.2%;从土地利用类型来看,主要发生于山地旱地中;从人口密度来看,集中分布于100～200人/km2中;从第一产业生产总值来看,集中分布于25亿～50亿元中;③地理探测器的因子探测器揭示了岩性（q=0.58）、土地利用（q=0.48）和坡度（q=0.42）3个因子是槽谷区石漠化形成的主要驱动因子,交互式探测器进一步揭示了岩性与土地利用类型（q=0.85）、坡度与土地利用类型的组合（q=0.75）共同驱动槽谷区石漠化的形成。
王晓帆,许尔琪,张红旗,张全景[6]（2018）在《贵州土地石漠化变化及社会经济活动的影响分析》文中提出分析石漠化与社会经济活动的关系及其动态变化,有利于石漠化状况的改善和治理。以往的驱动因子分析对社会经济因素的研究较少,本文以贵州省为研究区,以县域为研究单元,基于2000年和2011年两期石漠化影像,通过空间分析研究了贵州省2000—2011年的石漠化动态变化,并从人口因素、社会发展状况和经济水平、农业生产活动、地形坡度和生态工程建设等5个方面选取23个影响因子,对石漠化的驱动力进行分析。结果表明:1)2000—2011年贵州省石漠化的治理工作取得了一定的成效,石漠化面积总体减少,但中度和重度石漠化面积呈增加趋势,轻度以上石漠化的治理任务还很艰巨;2)23个影响因子与石漠化呈现不同程度的正负相关关系; 3)农业人口比重、农业总产值、人均粮食、人均耕地、耕地比重、15°～25°耕地（岩溶）比重和25°以上耕地（岩溶）比重均与石漠化呈显着正相关,其他因子均与石漠化呈显着负相关,其中农业活动对石漠化的影响最为显着,农业人口比重、农业总产值、人均耕地、15°～25°耕地比重、25°以上耕地比重、15°～25°岩溶比重和25°以上岩溶比重与石漠化的相关系数分别为0.473、0.425、0.291、0.288、0.430、0.338和0.334。研究社会经济活动对石漠化的影响可为石漠化治理提供借鉴和参考。
陈飞[7]（2018）在《典型喀斯特槽谷区石漠化时空演变及驱动力研究》文中指出喀斯特石漠化是中国西南地区最为严重的生态环境问题,建立高效精准的石漠化解译方法和定量评价其演变历史过程及驱动力,对于生态修复和区域的可持续发展具有重要意义和迫切性。本文针对以往石漠化解译方法的缺陷,以1990、1995、2000、2004、2011年TM（Thematic Mapper）遥感影像及2016年OLI（Operational Land Imager）遥感影像为数据源,基于岩性背景切除非喀区域与土地利用类型提取水体、建筑用地等不可能发生石漠化的地类对遥感图像进行预处理再运用CART（a Classification And Regression Tree）决策树分类,建立了一种集高准确度与高效率的石漠化解译方法,并率先将地理探测器引入到石漠化驱动力研究,定量分析了岩性、坡度、常住人口密度、年均降水量等因素对石漠化驱动的贡献率,结果表明:（1）这种方法避免了传统方法经常出现的“石漠化土地发生在非喀斯特、水田、河湖水域和城市道路建设用地等”低级错误的可能;同时大大缩短了解译时间和劳动力成本,也减少了人为误判的可能,具有经济、快速、高效等特点。（2）研究区的石漠化在研究时段内以14.18km2·a-1的演变速率在变化,呈现出“先恶化再好转”的演变过程,其中2004年是重要转折年;演变方式以连变方式为主。（3）对石漠化形成演变影响最大的因子分别是岩性和常驻人口的密度,驱动贡献率分别达到30.17%及25.86%。表明岩性基底是石漠化形成演变的最大自然背景,而常住人口密度是最大人为驱动。在喀斯特石漠化未来情景模拟研究中,本文利用元胞自动机（Cellular Automata,CA）-马尔科夫（Markov）模型,模拟中国西南典型喀斯特槽谷区2011-2021年石漠化时空变化。研究结果显示:（1）利用元胞自动机模型模拟石漠化空间分布,各类型石漠化Kappa验证精度均在0.5以上,达到理论要求,能够较为准确的反映未来石漠化的分布状况。（2）将地理探测器与CA-Markov模型复合使用,可以更为准确地预测石漠化未来演变趋势,减少人为主观选择因子的随意性,降低在预测石漠化未来情景中可能出现错判的可能,确保预测精度。（3）在石漠化整体好转的趋势下,还是存在极少数部分地区石漠化增加并恶化的情况,在恢复治理过程中,须着重考虑这些恶化地区生态环境的变化。综上,本文提出的基于岩性背景与土地利用图再运用CART决策树分类方法的喀斯特石漠化解译方法,可以为同行提供参考,运用该方法体系解译得到的典型喀斯特槽谷区1990-2016年石漠化时空演变数据,以及利用CA-Markov预测的2021年石漠化时空演变数据,可以为同行研究者提供最新的石漠化数据参考。而基于地理探测器的定量分析石漠化驱动力能够更好探寻石漠化发生发展的机制,为受石漠化灾害影响的广大地区更好地制定石漠化防治措施提供依据。
安霞霞[8]（2018）在《喀斯特山区石漠化多源高分遥感定量评估》文中研究说明贵州喀斯特山区因生态环境具有复杂性、脆弱性和多样性,使得地表在长期风化与侵蚀后极易发育成石漠化土地,严重阻碍山区农业生产效率和社会经济的可持续发展,进而威胁山区人民的生存。因此,为能快速、高效、实时开展山区石漠化监测与治理,本文选取贵州省典型喀斯特山区关岭县为研究区,在岩性数据、土层厚度数据、资源三号（ZY3）高分辨影像、Landsat TM5影像、HJ-1A-HSI高光谱影像、RADARSAT-2雷达影像等多种数据源的支持下,借助3S集成技术,综合运用面向对象分类法、对比分析法、层次分析法、熵值法以及加权平均等方法,进行石漠化评价景观单元的划分,基于石漠化评价景观单元开展石漠化程度影响因子定量提取,以及石漠化程度与地表多因子结构定量关系耦合分析,实现关岭县喀斯特山区石漠化信息定量评估,同时,利用经实地核查后得到的真实的石漠化数据对自动化定量提取结果进行精度验证和误差分析。研究结果表明:（1）基于多因子耦合计算得到的景观单元划分结果排除了所有不会发生石漠化土地的区域,研究范围逐步缩小到只针对于石漠化相关单元划分石漠化评价景观单元,更有利于进行后期石漠化高精度定量评估。（2）关岭县石漠化状况土地面积分布特征为石漠化土地分布最多,占喀斯特区总面积的56.09%;非石漠化土地次之,占喀斯特区域总面积的26.65%;潜在石漠化土地分布最少,占喀斯特区域总面积的17.26%;（3）关岭县不同程度石漠化土地面积分布特征表现为:中度石漠化（54.87%）>轻度石漠化（23.52%）>重度石漠化（20.86%）>极重度石漠化（0.75%）;（4）基于多源高分遥感的关岭县石漠化评估总精度为84.41%,Kappa一致性系数为0.798。其中,非石漠化土地用户精度最高,达93.36%,极重度石漠化用户精度最小,为71.87%;中度石漠化生产者精度最高,达90.08%,潜在石漠化生产者精度最低,为74.80%。（5）不同石漠化状况及程度相互之间均存在不同程度的错评现象,且石漠化错评总误差为15.59%。其中非石漠化、潜在石漠化、轻度石漠化、中度石漠化、重度石漠化和极重度石漠化错评误差依次为:6.64%,15.12%,26.54%,11.67%,21.02%,28.13%。
安吉平,王济,蔡雄飞,段志斌,颜蒙蒙[9]（2017）在《西南喀斯特二元结构下土壤流失研究进展(英文)》文中研究说明系统梳理了西南喀斯特二元结构下土壤流失的研究进展,结果表明喀斯特山区土壤侵蚀研究总体起步晚,基础研究落后,已有研究成果多集中在地表侵蚀现状、成因、治理措施等方面。喀斯特二元结构背景下存在地下土壤流失的观点已经得到多数学者的认可,然而受限于研究技术方法 ,缺乏观测数据,地下流失途径、流失量及其危害仍不清楚。因此,寻求必要的技术手段,从流失途径和过程开展野外观测是今后喀斯特二元结构下土壤流失研究的重点。
甘敬民,迟雨蕾,张天龙,朱红春[10]（2016）在《喀斯特地区石漠化的空间格局及演化敏感性分析》文中认为以石漠化发育典型的贵州省为例,运用多因子综合分析、专家打分和层次分析等方法,建立多因素石漠化强度等级评价及石漠化演化敏感性分析地理模型;获取石漠化研究区的遥感及各类专题数据,在此基础上,定量化处理两种地理模型所需计算因子,计算得到贵州省石漠化等级空间分布及石漠化演化敏感性空间分布结果。通过两模型计算结果发现,贵州省石漠化演化敏感性强度与石漠化强度等级空间分布具有较高一致性。本研究得到石漠化空间分布和演化敏感性规律,可为喀斯特石漠化地区的治理与预警提供科学依据。
二、SPATIAL CORRELATION ANALYSIS BETWEEN KARST ROCKY DESERTIFICATION AND LITHOLOGY IN DU’AN YAO AUTONOMOUS COUNTY IN GUANGXI（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、SPATIAL CORRELATION ANALYSIS BETWEEN KARST ROCKY DESERTIFICATION AND LITHOLOGY IN DU’AN YAO AUTONOMOUS COUNTY IN GUANGXI（论文提纲范文）
（1）粤北岩溶山地土壤地下漏失程度评价指标构建探讨（论文提纲范文）
| 1 研究区概况与方法 |
| 1.1 研究区概况 |
| 1.2 调查方法 |
| 2 分级指标构建 |
| 2.1 分级指标构建依据 |
| 2.2 一级指标与二级指标的主要特征 |
| 3 地下漏失程度分级 |
| 3.1 分级标准 |
| 3.2 地表特征景观辅助指标 |
| 4 结论 |
（3）2010—2015年贵州省关岭县石漠化时空演变及人类活动影响因素（论文提纲范文）
| 1 研究区概况 |
| 2 数据来源与研究方法 |
| 2.1 数据来源 |
| 2.2 研究方法 |
| 3 研究结果 |
| 3.1 石漠化的空间分布特征 |
| 3.2 石漠化的变化规律 |
| 3.3 石漠化演化的人类活动驱动因素分析 |
| 4 结论与讨论 |
| 4.1 结论 |
| 4.2 讨论 |
（4）喀斯特山区村域多维贫困空间异质性研究——以盘州市为例（论文提纲范文）
| 1 研究区概况 |
| 2 数据来源与研究方法 |
| 2. 1 数据来源 |
| 2. 2 研究方法 |
| 2.2.1 指标体系建立 |
| 2.2.2 指标权重的确定 |
| 2.2.3 多维贫困识别指数 (MPII) |
| 3 结果与分析 |
| 3. 1 多维贫困识别 |
| 3. 2 多维贫困冷热点分析 |
| 3. 3 贫困维度分析 |
| 3. 4 贫困类型分析 |
| 4 结论与讨论 |
| 4. 1 结论 |
| 4. 2 讨论 |
（5）基于GIS与地理探测器的岩溶槽谷石漠化空间分布及驱动因素分析（论文提纲范文）
| 1 研究区概况 |
| 2 数据来源 |
| 3 研究方法 |
| 3.1 代理变量的选择 |
| 3.2 数据分析 |
| 3.2.1 石漠化等级划分 |
| 3.2.2 岩性划分 |
| 3.2.3 基于地形数据的坡度分析 |
| 3.2.4 基于DEM数据的海拔分析 |
| 3.2.5 气象数据分析 |
| 3.2.6 土地利用数据分析 |
| 3.2.7 人口密度和第一产业生产总值数据处理 |
| 3.2.8 基于GIS的石漠化空间分布分析 |
| 3.3 基于地理探测器的驱动因子分析 |
| 4 结果分析 |
| 4.1 石漠化空间分布现状 |
| 4.2 石漠化在不同岩性中的空间分布 |
| 4.3 石漠化在不同坡度中的空间分布 |
| 4.4 石漠化在不同海拔中的空间分布 |
| 4.5 石漠化在不同降雨量地区中的分布 |
| 4.6 石漠化在不同土地利用类型中的空布 |
| 4.7 石漠化在不同人口密度中的分布 |
| 4.8 石漠化与第一产业生产总值 |
| 5 讨论 |
| 5.1 岩溶槽谷区石漠化空间分布与形成的单一驱动因子分析 |
| 5.1.1 岩性因子对石漠化形成与分布的影响 |
| 5.1.2 土地利用因子对石漠化分布的影响 |
| 5.1.3 坡度对石漠化分布的影响 |
| 5.1.4 第一产业与人口密度对石漠化分布的影响 |
| 5.1.5 海拔因子对石漠化分布的影响 |
| 5.1.6 多年平均降雨因子对石漠化分布的影响 |
| 5.2 岩溶槽谷区石漠化形成与分布的因子组合驱动分析 |
| 5.2.1 岩性及土地利用与石漠化空间分布和形成 |
| 5.2.2 坡度及土地利用与石漠化空间分布和形成 |
| 6 结论 |
（6）贵州土地石漠化变化及社会经济活动的影响分析（论文提纲范文）
| 1 研究区概况、数据来源与研究方法 |
| 1.1 研究区概况 |
| 1.2 数据来源 |
| 1.2.1 影像数据来源 |
| 1.2.2 土地利用数据来源 |
| 1.2.3 统计数据来源 |
| 1.3 研究方法 |
| 1.3.1 格网构建 |
| 1.3.2 影响因子选取 |
| 1.3.3 皮尔逊 (Pearson) 相关系数 |
| 2 结果与分析 |
| 2.1 贵州省土地石漠化时空变化 |
| 2.1.1 贵州省土地石漠化现状及分布 |
| 2.1.2 贵州省石漠化动态变化情况 |
| 2.1.3 石漠化强度演变转移矩阵 |
| 2.2 贵州土地石漠化的驱动因子研究 |
| 3 结论与讨论 |
（7）典型喀斯特槽谷区石漠化时空演变及驱动力研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 喀斯特石漠化时空演变的研究 |
| 1.2.2 喀斯特石漠化驱动力因素研究 |
| 1.3 研究目标、内容及技术路线 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.3.3 技术路线 |
| 1.3.4 拟解决的关键问题 |
| 2 研究材料与方法 |
| 2.1 研究区概况 |
| 2.1.1 地理位置 |
| 2.1.2 地形地貌 |
| 2.1.3 气候水文 |
| 2.1.4 喀斯特石漠化情况 |
| 2.2 数据来源及预处理 |
| 2.2.1 数据来源 |
| 2.2.2 数据预处理 |
| 2.3 研究方法 |
| 2.3.1 喀斯特石漠化解译方法 |
| 2.3.2 喀斯特石漠化土地动态变化特征表达方法 |
| 2.3.3 基于CA-Markov的喀斯特石漠化未来情景预测方法 |
| 2.3.4 地理探测器分析方法 |
| 3 喀斯特石漠化时空演变的总体特征 |
| 3.1 喀斯特石漠化空间上的变化特征 |
| 3.2 喀斯特石漠化时间上的变化特征 |
| 3.3 喀斯特石漠化动态变化特征 |
| 3.3.1 石漠化演变方式 |
| 3.3.2 石漠化演变方向与规模 |
| 3.3.3 石漠化演变速率 |
| 3.3.4 石漠化演变频率 |
| 4 喀斯特石漠化未来情景预测 |
| 4.1 喀斯特石漠化未来情景预测的驱动因子矩阵 |
| 4.2 喀斯特石漠化未来情景总体特征 |
| 4.3 喀斯特石漠化未来情景动态特征 |
| 4.4 预测精度验证 |
| 4.5 小结 |
| 5 基于地理探测器的石漠化驱动力因素分析 |
| 5.1 喀斯特石漠化驱动因子选取 |
| 5.2 喀斯特石漠化各驱动因子的影响力 |
| 5.3 喀斯特石漠化各驱动因子之间的生态风险性 |
| 5.4 喀斯特石漠化各驱动因子之间交互作用 |
| 5.5 小结 |
| 6 结论与讨论 |
| 6.1 喀斯特石漠化解译方法改进 |
| 6.2 喀斯特石漠化的驱动因子研究方法对比 |
| 6.3 喀斯特石漠化时空演变特征原因分析与讨论 |
| 6.4 喀斯特石漠化生态系统恢复重建的启示 |
| 参考文献 |
| 致谢 |
| 攻读学位期间科研及获奖情况 |
（8）喀斯特山区石漠化多源高分遥感定量评估（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究目的与研究意义 |
| 1.2 石漠化概念及分类指标体系研究 |
| 1.3 石漠化遥感评估国内外研究现状 |
| 1.3.1 国外研究现状 |
| 1.3.2 国内研究现状 |
| 1.4 研究内容、技术路线及本文要解决的关键问题 |
| 1.4.1 研究内容 |
| 1.4.2 研究方法及技术路线 |
| 1.4.2.1 研究方法 |
| 1.4.2.2 研究思路与技术路线 |
| 1.4.2.3 本文要解决的关键问题 |
| 第二章 研究区概况及数据来源 |
| 2.1 研究区概况 |
| 2.1.1 研究区地理位置 |
| 2.1.2 自然地理概况 |
| 2.1.3 喀斯特石漠化分布情况 |
| 2.2 数据来源及预处理 |
| 第三章 多源数据支持下的石漠化评价景观单元划分 |
| 3.1 景观单元的概念与划分 |
| 3.1.1 景观单元的概念 |
| 3.1.2 景观单元的划分与划分原则 |
| 3.1.3 石漠化评价景观单元影响因子的确定 |
| 3.2 石漠化评价景观单元影响因子获取与栅格化 |
| 3.2.1 基于面向对象的喀斯特山区土地覆盖因子获取与栅格化 |
| 3.2.2 岩性因子获取与栅格化 |
| 3.3 基于多因子耦合空间聚类的石漠化景观单元划分 |
| 3.3.1 石漠化评价景观单元尺度的划分 |
| 3.3.2 最佳尺度下单因子及多因子耦合空间聚类方法对比分析 |
| 3.3.3 喀斯特山区石漠化评价景观单元划分方法确定 |
| 第四章 石漠化信息多源高分遥感定量反演 |
| 4.1 石漠化程度评价指标选取 |
| 4.1.1 评价指标选取原则 |
| 4.1.2 石漠化程度评价指标确定 |
| 4.2 石漠化程度评价指标光谱特征分析 |
| 4.2.1 植被覆盖度光谱特征分析 |
| 4.2.2 土层厚度光谱特征分析 |
| 4.2.3 基岩裸露率光谱特征分析 |
| 4.3 多源高分遥感支持下石漠化评价指标定量反演提取 |
| 4.3.1 基于TM数据的植被覆盖度提取 |
| 4.3.2 土层厚度因子制图与分析 |
| 4.3.3 基于全极化雷达RADARSAT-2数据的基岩裸露率提取 |
| 4.3.4 基于HJ-1A-HSI高光谱数据的植被类型提取 |
| 第五章 石漠化程度与地表结构定量关系耦合分析 |
| 5.1 石漠化土地确定 |
| 5.2 基于景观单元的石漠化评价指标等级划分 |
| 5.2.1 石漠化评价指标等级划分原则 |
| 5.2.2 石漠化评价指标等级划分与分级值确定 |
| 5.3 石漠化遥感评估指标综合模型建立 |
| 5.3.1 石漠化评价指标权重确定 |
| 5.3.1.1 层次分析法 |
| 5.3.1.2 熵值法 |
| 5.3.1.3 综合权重法 |
| 5.3.2 基于景观单元的关岭县石漠化程度等级划分 |
| 5.4 关岭县石漠化现状评价与精度分析 |
| 5.4.1 基于景观单元的关岭县石漠化状况评价 |
| 5.4.2 基于景观单元的关岭县石漠化程度评价 |
| 5.4.3 精度分析 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 本研究创新之处 |
| 6.3 不足与展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间承担的科研任务与主要成果 |
（10）喀斯特地区石漠化的空间格局及演化敏感性分析（论文提纲范文）
| 1 研究基础 |
| 1.1 研究区概况 |
| 1.2 研究数据 |
| 1.3 研究方法与实验平台 |
| 2 贵州省石漠化空间格局分析 |
| 2.1 石漠化专题信息提取 |
| 2.2 石漠化程度空间等级划分模型的构建 |
| 2.2.1 数据预处理 |
| 2.2.2 石漠化强度等级划分模型的构建 |
| 2.3 基于石漠化等级划分空间格局分析 |
| 3 贵州省石漠化演化敏感性分析 |
| 3.1 水土流失数据的计算 |
| 3.2 石漠化演化敏感性等级划分模型的构建 |
| 3.3 基于石漠化演化敏感性的空间格局分析 |
| 3.4 石漠化分布现状与演化敏感性的关联分析 |
| 4 结论与讨论 |
四、SPATIAL CORRELATION ANALYSIS BETWEEN KARST ROCKY DESERTIFICATION AND LITHOLOGY IN DU’AN YAO AUTONOMOUS COUNTY IN GUANGXI（论文参考文献）
- [1]粤北岩溶山地土壤地下漏失程度评价指标构建探讨[J]. 魏兴琥,刘淑娟,徐喜珍,雷俐,周红艳,梁钊雄. 热带地理, 2021(05)
- [2]Changes in Vegetation and Assessment of Meteorological Conditions in Ecologically Fragile Karst Areas[J]. Yanli CHEN,Weihua MO,Yonglin HUANG,Jianfei MO,Xiaohan HUANG,Xiumei WEN. Journal of Meteorological Research, 2021(01)
- [3]2010—2015年贵州省关岭县石漠化时空演变及人类活动影响因素[J]. 姚永慧,索南东主,张俊瑶,胡宇凡,寇志翔. 地理科学进展, 2019(11)
- [4]喀斯特山区村域多维贫困空间异质性研究——以盘州市为例[J]. 朱昌丽,周忠发,谭玮颐. 山地学报, 2019(03)
- [5]基于GIS与地理探测器的岩溶槽谷石漠化空间分布及驱动因素分析[J]. 王正雄,蒋勇军,张远嘱,段世辉,刘九缠,曾泽,曾思博. 地理学报, 2019(05)
- [6]贵州土地石漠化变化及社会经济活动的影响分析[J]. 王晓帆,许尔琪,张红旗,张全景. 中国生态农业学报, 2018(12)
- [7]典型喀斯特槽谷区石漠化时空演变及驱动力研究[D]. 陈飞. 贵州师范大学, 2018(06)
- [8]喀斯特山区石漠化多源高分遥感定量评估[D]. 安霞霞. 贵州师范大学, 2018(01)
- [9]西南喀斯特二元结构下土壤流失研究进展(英文)[J]. 安吉平,王济,蔡雄飞,段志斌,颜蒙蒙. Agricultural Science & Technology, 2017(08)
- [10]喀斯特地区石漠化的空间格局及演化敏感性分析[J]. 甘敬民,迟雨蕾,张天龙,朱红春. 山东科技大学学报(自然科学版), 2016(04)