Resources Science, Volume. 42, Issue 10, 1870(2020)
Figures & Tables(6)
Fig. 1. Framework for the comprehensive regionalization of natural resources
Fig. 2. Technical flowchart for the comprehensive regionalization of natural resources
Fig. 3. The new scheme for the comprehensive regionalization of natural resource
Table 1. Data type and indicators of the comprehensive regionalization of natural resources
View tableView in ArticleTable 1. Data type and indicators of the comprehensive regionalization of natural resources
要素类别 数据类型 指标名称 环境地理数据 气候条件 温度、降水、湿度、风速、日照时数、蒸发量等 地形地貌 地貌类型、海拔、坡度、坡向等 基础地理 国界线、中国各级行政边界（包括省、市、县、乡等）、数字高程模型数据库（DEM）等 土壤 土壤类型、土壤湿度、土壤养分含量（有机质、氮、磷、钾等）、土壤质地、土壤侵蚀类型及分布等 水文 水温、水位、流量、流向、流速、水质、基流量、断流、暴雨径流等 植被生长状况 归一化植被指数（NDVI）、叶面积指数（LAI）、净初级生产力（NPP）等 土地利用 耕地、林地、草地、水域、居民地和未利用土地 陆地生态系统 农田生态系统、森林生态系统、草地生态系统、水体与湿地生态系统、荒漠生态系统、聚落生态系统和其他生态系统 遥感影像数据 航天遥感影像（高、中、低分辨率）、航空摄影成果、无人机影像等 自然资源数据 土地资源 农业地、牧业地、林业地、滩地（沙滩/泥滩）、沙漠（沙地）分布等 森林资源 森林类型及空间分布等 草地资源 草地类型及空间分布等 水资源 河川径流量、地下水储量、流域产水模数等 湿地资源 湖泊、沼泽、河流、滨海湿地等 矿产资源 矿产类型及空间分布等 海域海岛资源 岛屿分布、海岸线长度等 相关区划数据 主要参考区划 生态地理区划、自然地理区划、生态区划、植被区划、气候区划、干湿区划、土壤区划等 其他辅助区划 综合农业区划、草地资源区划、林业区划、水资源区划、全国生态功能区划、 人文地理区划等
Table 2. Commonly used regionalization methods
View tableView in ArticleTable 2. Commonly used regionalization methods
区划方法 主要内涵 优点 不足 德尔菲法 利用函询形式进行的集体匿名思想交流 独立思考判断,集思广益,探索性解决问题 专家间缺少交流,存在主观影响 专家经验法 利用专家丰富的实践经验进行判断 最大限度发挥专家个人能力,操作简单便捷 主观性强,要求具体操作人员熟悉情况 古地理法 通过对丰富的历史研究资料的深入分析,查明其年龄和发展历史 追本溯源,揭示本质 应用缺乏成熟经验,古地理资料缺乏时应用困难 判别分析法 在对对象分类确定的条件下,根据特征值来判别类型 可操作性强,不受尺度大小影响 划分界限有一定的主观性 主成分法 通过矩阵转换计算特征值和特征向量得到主成分,从而减少相关指标数量,适用于区划指标繁杂,相关性高的情况 消除指标间干扰,简化信息,且能客观评定各指标权重 对样本容量要求高,计算过程复杂,极易造成信息损失 加权叠置法 将所有相关数据层面进行叠加产生一个新的数据层面的操作 方便快捷直观实现区划 不同图层间尺度精度难以统一 3S技术分析法 将统计数据、矢量数据和栅格数据等不同数据形式进行空间叠加计算 能做指标的时空动态分析、处理速度快、数据管理便捷 电脑软硬件和人员专业技术要求高 聚类分析法 按照相似性或差异性的指标,对要素或样本进行聚类 简单、直观、适用性强 易受异常值和特殊变量的影响 层次分析法 通过对比确定各层次指标权重,逐层求和,适用于区划指标复杂,结构清晰 层次性强、灵活、简洁 无法摆脱定性判断的主观性和随机性 地理空间分析法 分析各自然要素间的相互关系后进行分区,适用于要素联系紧密,相关度高的区域 关注要素间联系,区划系统性强 各区划的界线经常会相互矛盾,难以协调 深度学习 利用多层非线性信息的处理方法来进行无监督学习或者有监督学习 自适应提取、人工干预少、适用范围广、挖掘精度深度高 多类型数据冲突难以处理,对硬件设施要求高 人工智能 利用计算机科学技术研究,开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统 高效的自学习、自适应和自创造,运算高速、算法优 技术体系不够成熟,大量决策需人工参与 大数据挖掘 通过对大数据聚类、关联分析、分类、预测等,揭示背后隐含的信息、知识、规律 有效挖掘隐藏信息,获取、处理大数据的新技术丰富 数据多源多格式、大量、价值密度低,统一处理难
Table 3. Basic information of the regions delineated by the comprehensive regionalization of natural resources
View tableView in ArticleTable 3. Basic information of the regions delineated by the comprehensive regionalization of natural resources
自然资源大区 面积概况 包括行政范围 主要资源类型及占比 代码 名称 面积/万km2 占比/% 1990年 2018年 Ⅰ 东北林耕自然资源大区 104.12 10.98 黑龙江、辽宁、吉林3省及内蒙古东部地区 森林（44.71%）、耕地（29.61%）、草地（12.81%）、水体与湿地（3.94%） 森林（43.41%）、耕地（34.32%）、草地（7.59%）、水体与湿地（9.18%） Ⅱ 华北草耕自然资源大区 118.47 12.50 河北、山东、北京、天津以及内蒙古东部、河南、安徽、江苏省北部地区 草地（41.10%）、耕地（35.07%）、森林（8.86%）、水体与湿地（3.34%） 草地（38.50%）、耕地（33.40%）、森林（10.3%）、水体与湿地（4.40%） Ⅲ 华东林耕自然资源大区 114.20 12.05 湖北、湖南、江西、浙江和河南、安徽、江苏南部、福建、广西、广东北部、重庆东部 森林（51.62%）、耕地（34.00%）、草地（6.28%）、水体与湿地（5.38%） 森林（52.52%）、耕地（31.46%）、草地（5.81%）、水体与湿地（4.85%） Ⅳ 西南林耕自然资源大区 102.38 10.80 云南、贵州以及陕西南部、甘肃南部、重庆西部、广西西部 森林（47.93%）、耕地（30.97%）、草地（18.88%）、水体与湿地（0.88%） 森林（48.39%）、耕地（30.12%）、草地（18.52%）、水体与湿地（1.11%） Ⅴ 华南森林自然资源大区 28.13 2.97 台湾、海南、广东南部、广西东南部以及福建东南部 森林（59.41%）、耕地（27.27%）、草地（3.87%）、水体与湿地（5.24%） 森林（58.48%）、耕地（24.98%）草地（4.71%）、水体与湿地（4.52%） Ⅵ 西北荒漠自然资源大区 220.34 23.24 新疆、甘肃、宁夏、以及内蒙古西部、陕西北部和山西南部和河南西北角 荒漠（52.42%）、草地（27.278%）、耕地（10.58%）、水体与湿地（1.79%） 荒漠（54.63%）、草地（26.05%）、耕地（11.99%）、水体与湿地（1.26%） Ⅶ 青藏草地自然资源大区 260.39 27.47 西藏、青海、四川西部、以及新疆南部、云南西北部 草地（58.13%）、荒漠（28.89%）、森林（10.21%）、水体与湿地（8.87%） 草地（48.97%）、荒漠（30.61%）、森林（12.82%）、水体与湿地（6.41%）
Tools
Get Citation
Copy Citation Text
Haiyan ZHANG, Jiangwen FAN, Lin HUANG, Yulei TANG, Ying YUE, Yu YANG, Xiaohuang LIU.
Paper Information
Received: Sep. 10, 2020
Accepted: --
Published Online: Apr. 23, 2021
The Author Email: LIU Xiaohuang (liuxh19972004@163.com)
© Copyright 2018-2021 | Chinese Laser Press.
All Rights Reserved 沪ICP备15018463号-20