武科大 毕业设计外文翻译 参考Word文件下载.docx
《武科大 毕业设计外文翻译 参考Word文件下载.docx》由会员分享，可在线阅读，更多相关《武科大 毕业设计外文翻译 参考Word文件下载.docx（8页珍藏版）》请在冰豆网上搜索。
随着对土地利用/土地覆盖信息的可用性时代的变迁和需求明显增加，所以才需要有一个标准的分类系统，精确地定义整个印度地区土地利用/土地覆盖和它分类，数据采集的统一的程序和绘图的不同尺度。
目前的审查从而试图把重点放在对作为一个跨学科的研究项目涉及气候，生态和社会经济驱动器，变化的过程和变化的反应和后果的必要步骤改变LULC一个国家目标发展。
关键词：
土地利用，土地覆盖，印度，模型，分类
引言
印度被赐予了宝贵的自然资源供应一个十亿人口和多样生态功能的需求，自独立以来，人口增长了284%（3.63亿至10.33亿），粮食产量增加了386%（0.51亿吨到1.96亿吨），全国有1.5亿公顷农业面积和大约24％的GDP来自农业生产来满足。
在1990至2000年期间，印度森林覆盖损失为每年380.89km2（联合国粮农组织，2000）。
森林和社会制度被整合为他们的薪材，饲料，小林产品和木材的依赖，薪柴作为70%印度人口维持的主要能源资源，每年有1.25亿吨被提取，另外超过一半的牲畜人口（2.7亿）依靠森林放牧资源和每年从森林获得价值R.s65亿-200亿的非木质林产品。
土地利用\土地覆盖在地图和统计数据的形式在信息空间规划，管理和利用土地的农业，林业，牧场，城市工业，环保设备的研究，经济生产等方面是非常重要的。
今天，随着人口增长压力，低人地比例，土地退化增加，需要对土地优化利用承担更大的相关性。
在国家土地使用政策和战略上的最佳土地利用总体规划，并于1985年建立全国土地利用保护委员会（NLUCB）纲要草案明确指出了电子政务的方面的严重关切。
此外，与农业规划的国家应根据农业气候区目前的推力，在表面上证据确凿的需要是对土地利用\土地覆被的空间分布格局，全面的信息，特别是关于可用性在秋收和冬播作物季节的农业用地，在休耕下两个季节和区域裁剪区域，除了其他土地利用\土地覆盖类。
同时，它同样也需要知道整个国家覆盖15个农业气候区的442个区的区域（现在区域的数量是584个）。
这就需要定期的土地使用库存的清查，使土地的类型，空间分布，位置，空间范围，每类土地利用/土地覆盖变化的速度和形式的信息可用。
准备一个最新的，土地利用/土地覆被信息准确的和可靠的在一个连续基础上的大面积区域在及时和具有成本效益的基础上尽可能的利用遥感技术。
今天，土地利用/土地覆盖信息在专题地图，记录和统计数据的形式的可用性不足，并且不提供对不断变化的土地利用方式和过程的最新信息。
多年来，通过各种中央/国家政府部门，机构/组织等作出的努力，是零星的，往往努力是重复的。
在大多数情况下，如报告，数据的收集和可用性之间的时间差距越多，数据往往变得过时。
然而，由印度调查（SOI），国家地图集和专题制图组织（NATMO），土壤调查的国家统计局与土地利用规划（NBSS和LUP），印度的所有土壤的组织工作和土地利用调查（AIS和LUS），中部干旱区研究学会（CAZRI），农业部，沉降观测及土地记录，税务局，全国抽样调查，国有土地使用委员会，城乡规划组织（TCPO）和其他地方的机构在出版地图，报告和统计数据是值得关注的。
印度在利用卫星数据进行土地利用/土地覆被分析的经验主要来自于国家遥感局（NRSA）与不同的机构合作进行的研究。
然而，制图的执行是由于特殊的目的和不同的时间框架，在可以接受的分类方法以统一的尺度的方法制图更为理想。
土地利用/土地覆盖
土地利用受经济的，文化的，政治的，历史的和土地使用权的等多种尺度因素的影响。
另一方面，土地覆盖，是土地如何影响生态系统功能的许多生物物理属性之一（Turner等，1995）。
土地利用被称为人类的活动，并且是在陆地上进行的各种用途。
土地覆盖被称为以天然植被，水体，岩石/土壤，人工覆盖和其他因素结果基于的土地转化。
由于土地利用/土地覆盖两者密切相关并且不是相互排斥的，它们是可以互相转化的，前者的推断是以土地覆盖为基础的并且是上下文的证据。
土地利用/土地覆盖分类系统：
随着对土地利用/土地覆盖信息的可用性时代的变迁和需求明显增加，所以才需要有一个标准的分类系统，精确地定义所有国家和中央直辖区的土地利用/土地覆盖和它的分类，数据采集的统一的程序和绘图的不同尺度。
识到一个国家几个部门对全国范围内的最新的土地利用/土地覆盖地图的需要，作为一个前奏，土地利用/土地覆盖分类系统（有24个类别达到级别2，适合1:
25万比例尺绘制的）是由NRSA，在DOS下开发的，考虑现有的由NATMO，CAZRI，农业部，税务部，AIS和LUS等部门和从卫星图像中获得的细节所采用的土地利用分类。
该分类系统为近40个用户部门/机构的全国讨论提供了概念性框架，并且最终确定被由全国土地利用/土地覆盖分析机构采用接受22倍的分类系统。
土地利用/土地覆盖分析：
对多日卫星数据分析，以识别和映射在秋收和早春季节，在双作物面积作物（秋收和早春季节期间），休耕土地，不同类型的森林，退化状态，水地，水体等作物地的细节。
NRSA在区域遥感中心（RRSC的），国家遥感中心和其他机构的帮助下采用混合方法，视觉以及数字方法完成了这个任务。
超过这个国家的442个区域，其中274区域利用视觉技术分析，同时仍然有168区域采用数字技术，由于数字分析考虑项目要求不同的软件模块被开发并集成到市售的图像分析软件。
通过遥感和地面基础技术生成的面积数据的调解：
土地利用/土地覆盖区域数据源自卫星数据的基准年1988年至1989年在地区层面与经济和统计局，经济及统计局（DES），农业部（MOA）的，印度的政府机构，公布的数字进行比较同期的一致性和兼容性。
首先，通过匹配在这两个不同的土地使用类别到一到一个共同组的比较，其次是通过BES和DES/MOA采用的每个类关于“九倍分类”土地利用的定义/解释比较。
在比较，面积差注意到了关于净播种面积（NAS），把土地向非农业用途和牧场，但在该区的主要差异，观察就播种净面积和土地投入到非农业用途。
在1992年至1993年十年进行的抽样调查结果曾表示，NAS下一年在村里的记录显示是根据上报的10-15％的范围内。
调查还表明，相对于通过BES的报道下的区域遥感派生的非农业使用面积小于3％至5％。
这是由于遗漏小水体和交通网络（用于小规模的卫星数据映射和分辨率）及其面积的佣金主导下的土地利用类，即农业。
因此，从农业土地面积的50％已被添加到该区域下的非农业用途进行比较，该牧场是地面上不存在，可能是由于一段时期这个区域转换为农业。
国家荒地库存项目（NWIP）
直到最近，没有做过任何尝试去准备任何规模呈现出不同类型的印度荒地的分布情况的全面的地图，一些组织和机构开始对荒地的类型和程度的数据的收集和整理，各种政府机构报告的面积变化从38到175万公顷，该地区的相当大的变化突显了利用卫星遥感与空间信息的最新技术来制备一个可靠的数据库。
1985年，航天部国家遥感局（NRSA）以1:
1百万比例尺准备好所有的印度各邦和中央直辖区的开荒地图，通过这个研究，1980-1982年荒地估计总面积约5330万公顷或全国面积的16.2％，印度的州和直辖区的1:
1百万比例尺荒地地图提供荒地面积只有一个预算总额。
由于规模小和相对较差的MSS虚分辨率，小于100公顷的荒地面积无法映射。
此外，发现地图在当地水平的复垦规划用处不大。
1985年，全国荒地发展局（NWDB）通过一个庞大的播种造林的项目为建立每年恢复5百万公顷土地用于薪柴和饲料生产目标，这个项目需要要求一个非常可靠地数据库能够提供荒地的类型，范围，位置和所有权的细节。
荒地分类：
面对不同程度荒地程度的估计，包括基于遥感的NRSA的数据，NWDB必须提供各类荒地的精准的定义变得明显，由NWDB成立了技术工作组提出了包括13类荒地的分类系统，由NRSA准备的1:
1百万比例尺的荒地地图表明有146个地区的荒地覆盖范围超过他们15%的面积。
这些地区被认为是至关重要的（除了边境地区），并在第一阶段和第二阶段（1986-1989）选取作详细的映射。
在第三阶段（1990-92），具有百分之5到百分之15的覆盖率的荒地区被定位并且在第四阶段仍然有中央邦的七个区进行了检查。
在第五段的时候国家剩下的区域已经完成。
由于该项目的工作量是巨大的，所有国家遥感中心和一些中央机构参与了测绘任务。
为了保持一致的标准和统一的制度，荒地绘图程序的手册给映射和最终的绘制细节做准备，由NRSA组织的培训研讨会是为了给参与该项目的科学家以指导。
森林/植被覆盖分析
利用1972年至1975年和1980年至1982年期间，国家遥感局的陆地卫星MSS数据（1989,1985）为整个国家进行1:
100万比例尺植被制图表明森林覆盖率大幅的下降。
随后，印度森林普查（FSI），环境和森林部（MOEF）进行了1981年至1983年印度制图，它在1987年出版。
自1987年以来，该国的森林覆盖率正在每两年由印度森林普查（FSI）利用遥感数据评估。
FSI已进行了七次这样的调查，利用卫星图像和按照FSI（国家森林报告，2001年）的最新报告中提供的总森林覆盖率达国家的地理面积仅为19.39％。
考虑到国家森林政策局在1952森林条件下建议的33.3%，这是一个低的惊人的数字，在1988年重申的国家森林中也是如此。
在丘陵和山区，国家森林政策建议，为了防止水土流失和防治土地退化，并确保脆弱的生态系统的稳定性应该保持森林或林木覆盖三分之二的面积。
该国的森林净覆盖是3896平方千米，增加10098平方千米的森林密度和44平方千米的红树林密度，其中开放的森林已减少6246平方千米。
在当前和在先前评估的不同的邦和中央直辖区的森林覆盖率揭示了安得拉邦，阿鲁纳恰尔邦，印度，古吉拉特邦，哈里亚纳邦，喜马偕尔邦，查谟和克什米尔，卡纳塔克邦，中央邦，马哈拉施特拉邦，奥里萨邦，旁遮普邦，拉贾斯坦邦的状态，泰米尔纳德邦，特里普拉邦，北方邦和西孟加拉邦等州已经登记了增加的森林覆盖率。
阿萨姆邦，比哈尔邦，果阿，喀拉拉邦，曼尼普尔邦，梅加拉亚邦，米佐拉姆邦，那加兰邦，锡金，And3aman和尼科巴群岛和Dardra和纳加尔哈维各州和中央直辖区的森林覆盖率表现为下降，昌迪加尔和达曼和第乌在这两次评估（国家森林报告，2001）中森林覆盖率没有变化。
利用SPOT植被卫星探测器为南亚中央土地覆盖制图：
全球土地覆盖（GLC）2000是一项倡议，以供参与全球/区域研究陆面参数化研究者全球土地覆盖数据集。
这是欧盟委员会联合意大利联合研究中心（JRC）本着为了给跨区域和国家提供一个具有可比性的统一的和一致性的数据作为一个2000年参考的目标。
印度遥感研究所（IIRS），德拉敦，印度已经进行了将南亚中亚地区作为该研究计划的一部分。
这项研究已经执行并获得了中国，斯里兰卡，缅甸，泰国，不丹，尼泊尔和孟加拉等网络支持的参与。
这项研究为南亚地区利用SPOT-4植被探测器和其他辅助信息提供了土地利用/土地覆盖图。
每天的SPOT-4植被数据已经被用来生产5天复合归一化植被指数（NDVI）。
基于五天复合归一化植被指数，给每月（除了雨季）矿的每月最大复合归一化植被指数已经产生。
基于联合国粮食农业组织（FAO）设计的利用土地覆盖分类方案（LCCS）的ISODATA聚类算法的土地利用/土地覆盖和植被指数已被映射。
印度植被生物群落水平的表征利用IRS-WiFS数据：
实现IRS-1C数据集区域层面映射的潜力，植被森林生态系统物候增长的评估一直在德拉敦（IIRS，2004年b）印度遥感研究所（IIRS）当前研究下的ISRO-GBP项目中尝试。
生物地理与地图上的气候数据是用来划定在印度次大陆的生物群落，该产品将为生态生理过程提供基本的投入，该地图服务于自然资源的规划和景观或区域一级的决策这一特定的目的。
植被和土地利用和土地覆盖利用IRS-WiFS数据：
实现LULC在一段时间的重要性，印度的区域一级制图一直在试图利用IRS-WiFS数据来带出景观变化的起因，费率，规模，模式和趋势。
早先的研究已经证明了RS和GIS技术重大贡献的重要栖息地的空间分布图（罗伊和托马尔，2001；
阿玛尔纳特等，2003；
罗伊和布哈拉，2005）.IIRS（2004a）显然已经带来了36个LULC的分类和17个植被类型的描述，并占森林面积的18%仍然为农业和/或其它土地利用的。
IIRS（2004b）每天使用SPOT-4植被遥感卫星数据，以为南亚中央产生基于植被和LULC地图NDVI。
这些投入形成了对区域气候变化研究的主要依据，考虑到毁林/降解，森林破碎化，碳通量，叶面积指数，LAI，NPP评估和区域生态系统功能和监控的变化。
LULC变化和造型方面
关于土地利用和土地覆盖变化模型是可以用来理解和分析社会经济过程与土地开发，农业活动和自然资源管理战略以及这些变化影响生态系统结构和功能之间重要的联系年份的强大工具（图1）。
LULC的长期了解需要提出一个更加动态的结构，明确什么是通常被分成不同的自然和人类系统为一个更加一体化的模式。
在发展中国家，如印度，情景很可能的土地利用和土地覆盖往往是语义上等效即用日志记录导致毁林土地覆盖相关的土地利用活动（兰宾，1997）。
因此，卫星图像通常可以通过使用的土地的生物物理特性的观测来检测土地利用变化。
与此相反发达国家如美国，欧洲LULC不太可能是等价的。
虽然，林业可以建模为一个土地利用活动，以回应经济、社会和人口的驱动程序（莫尔丁等，1999;
。
盖斯特和兰宾，2002年a）该驱动程序不提供直接预测的理解和建模的这个景观所有部分的森林和树木覆盖数量和位置。
图1调查人类生态系统的概念框架（阿格沃尔等人，2001）
LULC模型：
总结大量的案例研究，我们发现，土地利用的变化是由以下基本高水平的组合驱动的原因：
资源的稀缺性导致对资源产量，改变市场之外政策干预，适应能力的丧失以及脆弱性增加和变化的社会和组织，在资源获取和态度方面压力的增加。
目前的复审强调多达19个土地利用变化模型的空间，时间和人力决策特征比较和审查土地利用变化模型（阿格沃尔等人，2001）。
接受调查的模型是：
·
一般生态系统模型（GEM）（菲茨等，1996）
帕塔克森特景观模型（沃伊诺夫等人，1999）
CLUE模型（土地使用及其影响的转换）（威尔得坎普和壁画，1996）
区域示范基地（哈迪和帕克斯，1997年）
单变量空间模型（梅尔滕斯和兰宾，1997）
计量经济学（多项罗吉特机率）模型（科米斯和加里，1996）
空间动态模型（吉尔鲁思;
等人，1995）
空间马尔可夫模型（伍德等人，1997）
CUF（加州城市期货）（兰迪斯和张，1998）
LUCAS（土地利用变化分析系统）（贝里等人，1996）
简单的日志权重（威尔和博尔斯塔，1998）
罗吉特模型（威尔等人，1996）
动态模型（斯沃格，1997）
针对这个，LULC的成员和其它研究团体（特纳等，1995;
莫兰，2000年，劳伦斯等人，2001;
麦康奈尔和莫兰，2001;
麦普斯泰德等，2001;
庞丘斯等，2001;
范德维恩和若特曼斯，2001;
威尔得坎普和兰宾，2001年，阿尔维斯，2002;
盖斯特和兰宾，2002年b;
苏亚雷斯菲略等人，2002,2004;
利曼斯等。
人，2003年;
庞修斯和拜丘，2003年）已经执行了一系列的论文，报告和研讨会。
评论表征和分类的模型是由开莫维斯和安格森（1998）以及拉宾（2003）等人对森林开发的提供，而博客斯特勒和欧文（2000）在经济理论的基础上对土地利用模型进行了解释。
因此，我们认为，土地利用变化的模型可以与重要的土地覆盖的成果（如森林覆盖率）通过利用土地覆被转换模型（如马尔科夫）了解土地利用状况和土地利用变化联系起来。
从推导LU和LUC在时间和空间模型，这是由外生变量驱动，对经济，社会和政策的变化对未来森林植被影响的评估，这些评估将对土地使用管理人员和决策者是有用的。
LULC在印度的情形
在一个令人震惊的需求，制定了量化LULC变化工作在不同的空间和时间尺度外在因素初步知识。
在过去的几十年里土地用途的改变，因为扩张的矿区，增量建设水坝，工业化，城市化等，仅举几例影响的区域作为外部因素。
互联网改变包括种植面积，选择性伐木由于减少森林转变由于人为压力对森林资源和野生动物栖息地的丧失。
研究迄今在印度LULC变化进行分散特别是在像西方和东方高止山脉，喜马拉雅山脉和东北州地区，在西高止山脉在过去几个世纪的变化，景观主要是由于种植园（茶，咖啡，橡胶，柚木等）和一些由于人为压力，梅农和巴瓦（1998）估计西高止山脉在1920-1990年期间森林以每年0.57%的速度毁灭，同时普雷斯德已评估1961-1988年期间喀拉拉邦自然森林的覆盖以每年0.90%的减少。
森林砍伐一直特别密集的南部西高止山脉，在1973年至1995年期间它失去了它森林覆盖的四分之一（桑杰·
贾等人，2000）。
从西高止山脉Agastyamalai地区的数据表明在1920-1960至1960-1990期间森林损失增长了五倍，也表明了速率也可能持续增加（拉梅什等人，1997）。
庞修斯和拜丘研究土地利用变化的格局，并校准和验证印度西高止山脉（1920-1990）的干扰。
阿鲁纳恰尔邦在过去几十年，不仅导致森林覆盖的大规模损失，但也造成了土地覆被变化，其余的栖息地碎裂成无数个孤立的碎片（奈尔，1991;
拉梅什等人，1997;
梅农和巴瓦，1998;
普雷斯德等，1998;
桑杰·
例如，试图尤其是在印度地区模拟植被和土地覆盖，景观尺度的土地覆盖变化（梅农和巴瓦，1998；
Giriraj,2005；
庞丘斯和斯普恩索，2005）作为直接作用的社会经济的变化，土地利用在生物地球物理特征形式的变化以预测区域最容易来计算森林砍伐和生物多样性。
近来，IIRS和NASA使用IRSLISS3卫星数据（IIRS-NRSA，2002），以确定零碎，干扰和生物资源丰富地区主要领域准备整个西高止山脉1：
25万比例尺的植被和土地覆盖制图。
在区域层面有必要开发大型全国性的5年为周期的土地利用/土地覆盖分析来作为自然资源基础设施的一部分，根据这项建议，带出的NR普查报告状态在国家层面每五年考虑到2000-2001年为基年，它涵盖了土地利用/土地覆盖信息或重要的主题，这将解决与灌溉和雨养地区相关的问题，目前休耕，森林类型和不同行政级别，人类定居区和相对于城市，城镇和农村居民点的尺寸变化郁闭度信息的问题的解决，对水体变化的周期性数据干旱发生率的指标作为在该国的一部分，涝/湿地信息动态作为重要的环保设备参数。
结论
在上述背景下，空间和时间明确的监测和评估承担更大的重要性。
国家空间数据库采用农业生态系统的动态监测，增加采矿，产业化和城市化，森林转换，地表水缺乏损失。
这些类型的数据库主要是为重要的天然资源和规划定期国民经济核算，还需要进行土地覆盖和土地利用空间进程的可靠性，可核查和反复的国家监测，这些信息可以被模拟，并用于预测土地利用和土地覆盖变化及其直接和间接影响从而评估的观察和预测变化的社会后果。
最后，它可以向建立数据和信息产品，服务，模式和工具的操作提供给多个用户，例如，科学家，资源管理者和决策者。
升级会员 