张学通
- 作品数：18 被引量：262H指数：10
- 供职机构：兰州大学草地农业科技学院农业部草地农业生态系统学重点开放实验室更多>>
- 发文基金：国家高技术研究发展计划国家自然科学基金高等学校科技创新工程重大项目更多>>
- 相关领域：农业科学天文地球自动化与计算机技术环境科学与工程更多>>
- 青海省积雪监测与青南牧区雪灾预警研究
- 季节性雪被对水文过程和气候具有重要的作用。积雪覆盖面积的动态变化对水体和能量循环以及社会经济和生态环境均具有重大的影响。而且积雪融水是干旱、半干旱地区生态系统的重要水源。冬春季降雪是制约我国牧区畜牧业发展的重要因素。积雪...
- 张学通
- 关键词：牧区雪灾植被指数积雪深度预警模型
- 文献传递
- 新疆北部MODIS积雪制图算法的分类精度被引量：28
- 2007年
- Terra／MODIS雪被产品在牧区积雪灾害的动态监测中，具有重要的应用价值。利用新疆北部地区2001—2005年4个积雪季的Terra／MOD10A1雪被产品和20个气象台站的观测资料，对比分析了MODIS积雪制图算法的分类精度。结果表明：①在晴空天气条件下，MODIS积雪制图算法分类的总精度达98．5％，积雪分类精度为98．2％，积雪多分误差小于漏分误差。分类精度在不同观测台站之间存在较大的差异，其总精度介于94．0％～100％，积雪分类精度介于77．8％～100％。②MODIS积雪算法的分类精度同海拔、坡度和坡向之间没有稳定的相关关系，雪深和土地覆盖是导致精度差异的主要原因。MODIS无法识别雪深低于0．5cm的积雪；当雪深介于0．5～3cm时，积雪识别精度较低，介于45．2％～76．2％。当雪深大于等于3cm时，积雪识别精度随雪深的增加而增大，平均值达98．6％以上。③MODIS积雪制图算法在草地区的分类精度最高，达98．9％；其次为农田、灌木林和城市与建设用地区，分别为97．9％，97．2％和96．9％。在农区积雪漏分误差低于多分误差，在草地、灌木林和城市与建设用地区则高于多分误差。
- 梁天刚高新华黄晓东张学通
- 关键词：制图MODIS
- 中国农牧交错带生态评价研究被引量：25
- 2009年
- 中国农牧交错带是我国农业种植区与草原畜牧区相连接的生态过渡地带,又称半农半牧区或生态脆弱带。农牧交错带是一个独特而重要的产业界面,是我国最大的气候、生态过渡带,在我国经济、社会发展和环境保护方面具有重要的战略地位。本文对中国农牧交错带生态安全评价的研究是以农牧交错系统特殊的生态状况为基础,考虑到现有的自然环境压力、社会经济压力以及人类的积极影响,选择目前与潜在的压力、对生态系统的影响以及经济社会的响应3个方面作为指标体系和评价标准,对中国农牧交错带生态环境因子以及生态总体状况进行安全评估。因此,根据农牧交错带的特点,基于压力状态响应概念模型,建立了生态安全评价指标体系,以及相应的选取标准,将为农牧交错带生态安全评价研究和生态环境管理实践提供理论基础。
- 王志伟王平王迅张学通陈全功
- 关键词：生态评价生态安全
- 西汉时期我国人口分布空间格局及其成因探讨被引量：4
- 2010年
- 在数字化西汉地图的基础上,结合西汉人口数据,运用GIS软件完成西汉时期人口密度分布和分级图。得出西汉时期我国人口分布空间格局是人口多集中于黄河中下游地区,南方人口较稀少的结论。并在此基础上对其成因进行探讨,西汉时期人口分布的空间格局是在自然因素、政治因素和历史因素的共同作用下形成的。
- 王平王志伟张学通李春娥王迅冯琦胜陈全功
- 关键词：西汉人口密度人口信息系统
- 基于网络的农业专家系统研究进展及前景展望被引量：6
- 2006年
- 随着计算机信息技术的迅猛发展,基于网络的专家系统的开发已成为当前农业专家系统研究的热点。本文通过对基于网络农业专家系统发展的基本概念、主要特征、研究进展及其构建技术的论述,提出当前农业专家系统存在综合性、实用性不强,系统开发工具较少,通用性低、适用对象窄和普及推广不力等方面的问题。系统总结了我国农业专家系统的发展前景:1)三层C／S结构成为网络构建技术的主流,系统智能化进一步提高;2)无线网络技术应用于农业专家系统成为可能;3)基于网络的农业专家系统开发工具必将进一步发扬光大;4)集成3S(GPS、GIS、RS)和多媒体技术的网络农业专家系统应用更加广泛;5)数字电視将成为广大农村地区普及推广农业专家系统的强势媒体工具。
- 刘宝康张学通梁天刚
- 关键词：网络农业专家系统
- 基于AMSR-E数据的青海省雪深遥感监测模型及其精度评价被引量：9
- 2011年
- 基于2002-2008年10至翌年3月6个积雪季的AMSR-E被动微波亮温数据,以青海省为研究区,结合该区43个气象台站实测雪深等气象数据,系统分析雪深模型建立的影响因子,提出研究区样本筛选的方法。对18GHz和36 GHz波段的水平、垂直极化方式的亮温差和实测雪深值进行回归分析,建立了青海省基于AMSR-E亮温数据的雪深反演模型,其回归公式为SD=0.44(Tb18v-Tb36v)+2.03,相关系数达0.65。精度分析结果表明,80%的验证样本反演的雪深和台站实测雪深之间的绝对误差在2 cm(包括2 cm)以内,92%的样本绝对误差在3 cm以内。当雪深小于等于8 cm时,模型反演精度较高,特别是雪深在6～8 cm时,其平均误差仅为0.83 cm,RMSE值为1.77 cm。当雪深大于8 cm时,反演雪深值的误差较大。利用AMSR-E数据反演得到的结果基本能反映青海省雪深变化趋势,但在局部地区反演精度较低。
- 于惠张学通王玮冯琦胜梁天刚
- 关键词：积雪深度AMSR-E亮度温度微波辐射
- 人口分布空间插值及其在农牧交错带中的应用被引量：4
- 2010年
- 以2000年人口普查数据等为基础,分别比较了几种常用插值方法在研究区(巴彦淖尔市)人口分布空间化中的应用,研究表明:5种面插值方法得出的研究区人口总数与研究区统计数据均相差不到0.1%,但是存在相邻两地区在行政区划边界线内外数值非线性巨变的缺点;行政中心点控制下的点插值方法虽然能够克服前述缺点,但是得出的研究区人口总数是统计人口总数的4倍多,此结果显然不能作为人口分布结果;多点控制下的点插值方法得到的人口总数是统计人口总数的3/4,虽然控制点已经足够多,但是仍不能克服前述缺点,也不能作为人口分布的结果;研究区外围调节点控制下的点插值方法得出的人口总数占统计人口总数的98.22%,同时能够克服前述缺点。以这种方法对全国人口数据进行人口分布空间化插值,再将全国人口密度和农牧交错带进行栅格赋值比较,得出人口密度同农牧交错带的一致性为0.6413。因此,人口分布能够作为一个重要的因素应用于农牧交错带的研究中。
- 周小平王志伟张学通李春娥九次力陈全功
- 关键词：GIS人口分布空间插值农牧交错带
- 北疆牧区雪灾预警与风险评估方法被引量：26
- 2008年
- 在分析北疆牧区畜牧业生产与雪灾分布特征的基础上,利用RS、GIS和地面监测资料,从草地抗灾力、家畜承灾体和积雪致灾力3个子系统中选择9个因素作为预警参评因子,用家畜死亡率作为风险评估因子,构建了一个在完全放牧状态下的牧区雪灾预警与风险评估体系和模式.采用多层次综合法和目标线性加权函数法,建立了雪灾预警分级模型、判别模型和风险评估模型,据此可对草地和家畜抵御雪灾的强度和雪灾的风险期望损失进行动态预警与评估.北疆牧区雪灾预警与风险评估模型的精度分别达85%和72%.
- 刘兴元梁天刚郭正刚张学通
- 关键词：风险评估指标体系
- 北疆牧区MODIS积雪产品MOD10A1和MOD10A2的精度分析与评价被引量：93
- 2007年
- 以北疆为研究区,结合气象台站记录的雪情数据,利用地理信息系统方法分析了2004年12月1日至2005年2月28日期间北疆地区90个时相的MODIS每日积雪产品MOD10A1和8日合成产品MOD10A2的积雪分类精度.研究表明：1）当积雪深度≤3 cm时,MOD10A1对积雪的识别率非常低,仅为7.5%;积雪深度为4~6 cm时,积雪识别率达到29.3%;积雪深度为15~20 cm,平均积雪识别率达到45.6%.当积雪深度〉20 cm时,平均积雪识别率为32.2%;2）MOD10A1产品的积雪分类精度受天气状况的严重影响.在晴空状况下,该产品的最大积雪识别率达到58.2%;但是在多云或阴天时,平均积雪识别率仅为17.8%;3）下垫面对MOD10A1的分类结果也会造成影响,在荒漠区MOD10A1的积雪识别率为39.8%,在草原和稀树草原区的积雪识别率为37.2%,农业用地的积雪识别率最低,为29.1%;4）MOD10A2产品可较好的消除云层对地表积雪分类精度的影响,平均积雪识别率达87.5%,可较好的反映地表积雪的分布状况.
- 黄晓东张学通李霞梁天刚
- 基于MOD10A1和AMSR-E的北疆牧区积雪动态监测研究被引量：32
- 2009年
- 准确监测牧区积雪覆盖范围,对有效防灾减灾和牧区畜牧业持续发展具有特别重要的意义.利用积雪产品和气象台站的观测资料,对比分析了北疆地区2002年11月1日-2005年3月31日三个积雪季的AMSR-E 每日雪水当量产品及其与MOD10A1每日积雪分类产品合成的图像MODAE1的积雪识别精度.结果表明,1）AMSR-E每日雪水当量产品的积雪识别率为66.59%,总精度为69.49%;2）利用用户自定义的合成算法计算的合成图像MODAE1,结合了AMSR-E 雪水当量产品不受天气影响和MOD10A1每日积雪产品较高空间分辨率的优点,积雪识别率达76.43%;3）雪深和土地覆盖对合成图像MODAE1的积雪识别率具有重要的影响.在雪深为1-40cm时,合成图像的积雪识别精度随雪深的增加而增大;在雪深为31-40cm 时,积雪识别率可达90.19%;在雪深大于40cm 时,积雪识别率开始下降.在牧区合成图像的积雪识别率可达77.6%,而在开阔的灌丛区积雪识别率略有下降,为72.7%.
- 冯琦胜张学通梁天刚
- 关键词：MODIS
