基于植被覆盖率的农村居民点整理潜力估算及实证

为合理估算农村居民点整理潜力,该文提出基于植被覆盖率的农村居民点整理潜力测算新思路.借助植被覆盖率对农村居民点斑块进行分类,通过分析抽样农村居民点斑块的植被覆盖与内部用地结构得到整理潜力修正系数,从而建立基于植被覆盖率修正的农村居民点整理潜力估算模型,并以北京市门头沟区为例展开实证研究.研究结果表明,门头沟区无整理潜力的农村居民点占大多数,具有整理潜力的农村居民点主要集中在经济相对落后的乡镇,并且这部分农村居民点多远离主干道;山区具有中、高整理潜力的农村居民点略多于平原、浅山区,而低整理潜力的农村居民点明显多于平原、浅山区;门头沟区规划整理的农村居民点内部包含有大量农用地,其中建设用地比例只占...

Full description

Saved in:
Bibliographic Details
Published in农业工程学报 Vol. 29; no. 1; pp. 240 - 249
Main Author 朱泰峰 张凤荣 李灿 朱凤凯 曲衍波 李乐 刘建光
Format Journal Article
LanguageChinese
Published 中国农业大学资源与环境学院,国土资源部农用地质量与监控重点实验室,北京 100193 2013
Subjects
农村地区
农村居民点
分层抽样
土地利用
整理
植被指数模型
门头沟区
Mentougou district
门头沟区
rural residential land
consolidation
植被指数模型
land use
农村地区
分层抽样
forest canopy density mapping model (FCD)
土地利用
rural areas
stratified sampling
农村居民点
整理
Online AccessGet full text
ISSN1002-6819
DOI10.3969/j.issn.1002-6819.2013.01.032

Cover

More Information
Summary:为合理估算农村居民点整理潜力,该文提出基于植被覆盖率的农村居民点整理潜力测算新思路.借助植被覆盖率对农村居民点斑块进行分类,通过分析抽样农村居民点斑块的植被覆盖与内部用地结构得到整理潜力修正系数,从而建立基于植被覆盖率修正的农村居民点整理潜力估算模型,并以北京市门头沟区为例展开实证研究.研究结果表明,门头沟区无整理潜力的农村居民点占大多数,具有整理潜力的农村居民点主要集中在经济相对落后的乡镇,并且这部分农村居民点多远离主干道;山区具有中、高整理潜力的农村居民点略多于平原、浅山区,而低整理潜力的农村居民点明显多于平原、浅山区;门头沟区规划整理的农村居民点内部包含有大量农用地,其中建设用地比例只占63.19%~71.54%,但是,第二次土地调查将整个农村居民点都作为建设用地调绘;因而,一些不考虑植被覆盖修正的农村居民点整理潜力测算方法夸大了整理潜力,放大了城乡建设用地增减挂钩的效果.该文为进一步合理估算农村居民点整理理论潜力提供参考.
Bibliography:land use, rural areas, consolidation, forest canopy density mapping model （FCD）, rural residential land, stratified sampling, Mentougou district
11-2047/S
To acquire proper rural residential land consolidation potential, a new approach for estimating rural residential land consolidation potential based on vegetation coverage rate was developed in this study. Firstly, vegetation coverage in research area was classified using FCD model（forrest canopy density mapping model）, which was derived from bio-physical model and developed during ITTO（International Tropical Timber Organization） Project PD32/93 Rev.2（F）, ＂Rehabilitation of Logged-over Forests in Asia-Pacific Region, Sub-project III＂（JOFCA 1991,1993）. Then, high resolution remote sensing （RS） images （in 2009） of typical village samples selected by stratified sampling method were obtained via Google Earth （GE） platform. And further classification was performed to gain inner land use structure of village samples by visual interpretation on the support of ENVI 4
ISSN:1002-6819
DOI:10.3969/j.issn.1002-6819.2013.01.032