2025, Vol. 46
2. 贵州财经大学贵州旅游经济与管理研究院, 贵阳 550025;
3. 贵州师范学院贵州省流域地理国情监测重点实验室, 贵阳 550018
2. Guizhou Institute of Tourism Economy and Management, Guizhou University of Finance and Economics, Guiyang 550025, China;
3. Guizhou Provincial Key Laboratory of Geographic State Monitoring of Watershed, Guizhou Education University, Guiyang 550018, China
生态安全与国家安全及社会发展密切相关, 它不仅是实现人类社会福祉和可持续发展的核心[1, 2], 也在生态安全格局在生态系统服务与人类社会发展之间扮演着关键纽带角色, 构建生态安全格局既是维护生态系统的完整性、稳定性和功能性的自然基础, 对于保障人类永续健康发展也具有重要意义[3, 4]. 当前, 我国仍面临着严峻的生态安全问题[5], 加强生态保护和修复, 维护生态系统稳定与健康, 是现阶段及未来人类社会的重要任务之一[6]. 因此, 深入剖析区域生态安全发展现状, 构建合理且科学的生态安全格局, 为缓解生态系统健康运行与社会经济迅速发展之间的矛盾提供理论支撑与科学依据, 对保障区域生态安全具有重要实践价值.
自20世纪70年代, 国外学者围绕生物多样性保护和生态环境保护进行了有关生态安全的探讨与研究[7~9]. 国内自愈孔坚[10]首次提出生态安全格局的概念以来, 陈相标等[11]学者以生态源地-阻力面-生态廊道-生态节点为研究范式, 开展了大量关于生态安全格局的探索, 研究对象囊括了省[12]、市[13, 14]、县[15]以及流域[16]、山地[17]和高原湖泊等[18], 并且主要集中在我国非喀斯特地区；从研究方法上来看, 以电路理论[19~21]、蚁群算法[22]、水文分析工具[23]、最小累积阻力模型(minimal cumulative resistance, MCR)和重力模型[3, 24]为主, 其中, MCR模型因能够更好地反映生态安全格局和生态过程的内在联系, 且能够根据阻力面权重生成最佳路径, 用于识别和提取潜在生态廊道, 被广泛应用于土地利用变化、生物多样性保护以及城市规划等多个领域. 目前, 已有研究中, 应如何科学准确地识别生态源地以及修正生态阻力系数仍面临着科学标准需统一的困境, 有关生态廊道建设宽度和等级排序的确定研究略显不足. 此外, 本研究主要聚焦于城市化建设相对成熟、经济发展水平较高的地区, 而对于经济相对滞后, 自然条件复杂、生态环境脆弱且人地矛盾突出的喀斯特地区的相关研究鲜见报道.
南明河流域作为长江上游重要的生态屏障, 位于我国贵州省中部的城市生态功能区, 它不仅是典型的喀斯特流域, 也是一条长距离流经城市的流域, 在城市生态环境发展过程中发挥着水源涵养、土壤保持和改善城市生态环境等重要生态作用. 自21世纪初以来, 随着流域内社会经济的快速发展, 流域面临水质污染、水土流失和生态系统服务功能退化等生态问题, 流域的生态安全及可持续发展受到严重影响. 尽管已有部分学者对流域内的生态问题开展了相关研究, 但侧重关注流域水环境与水生态和水质污染及治理问题等方面, 而在生态安全诊断及生态网络优化策略等方面仍未得到有效补充. 本研究采用InVEST模型测算南明河流域2000~2020年水源涵养、土壤保持和固碳释氧这3项生态系统服务, 阐明其时空动态演变态势, 通过叠加生态系统服务重要性、生态敏感性和景观连通性评价结果识别生态源地, 借助ArcGIS软件对各阻力因子图层进行分级处理并确定研究区综合阻力面；基于电路理论, 运用Linkage Mapper工具箱中的Linkage Pathways Build Network and Map Linkages模块提取生态廊道, Pinchpoint Mapper模块和Barrier Mapper模块识别生态节点, 构建南明河流域生态安全格局, 以期为遏制南明河流域生态环境退化, 维护生态系统稳定, 提高生态安全水平与保障区域可持续发展提供科学参考.
1 材料与方法 1.1 研究区概况南明河流域地处贵州省中部社会、经济、文化中心地带, 地理位置为106°40′~107°05′E, 26°20′~26°40′N, 流域面积2 158 km2, 平均海拔1 246 m, 地势总体上表现为东北高、西南部低(图 1), 年均降水量1 248.32 mm, 年均气温15.8℃. 流域内喀斯特地貌极为发育, 占流域总面积的93.17%, 植被类型主要包括阔叶林、针叶林以及灌丛草坡等, 土壤类型以黄壤、石灰土和水稻土为主. 近年来, 随着城市化进程的加速推进, 流域内水土流失、生态系统服务功能退化等生态问题日益凸显, 给当地的生态环境与可持续发展带来了严峻挑战.
|
图 1 南明河流域地理位置与土地利用现状 Fig. 1 Geographical location and current status of land utilization in the Nanming River Basin |
本研究所使用的数据包括空间数据(土地利用、DEM、土壤、河流道路、NDVI和气象数据)和文献资料数据(碳密度)两大部分. 其中, 土地利用数据通过在地理空间数据云平台(http://www.gscloud.cn/)获取了3期遥感影像数据, 具体包括2000年和2010年Landsat TM影像, 以及2020年Landsat 8遥感影像, 分辨率为30 m. 利用ENVI5.3软件对获取的遥感影像进行辐射定标、大气校正、几何校正、裁剪和拼接等预处理, 结合高分辨率遥感影像资源3号、谷歌影像与野外实地调查, 完成土地利用数据修正, 在充分考虑南明河流域的实际情况的基础上, 采用监督分类方法将其分为水域、耕地、草地、林地以及建设用地；借助ArcGIS软件技术对DEM数据、土壤数据、河流道路信息以及NDVI数据进行了裁剪、投影转换以及重采样等预处理, 其中2020年DEM数据来源于地理空间数据云(https://www.gscloud.cn)ASTERG DEM 30 m数据；土壤数据来源于(联合国粮食及农业组织(FAO)和国际系统分析研究所(IIASA)建立的土壤数据库(HWSD)；河流道路数据来源于国家基础地理信息中心(https://www.webmap.cn)；2000~2020年归一化植被指数(NDVI)数据(分辨率为250 m)来源于美国地质调查局(USGS陆地过程分布式数据档案中心(https://lpdaac.usgs.gov)MOD13Q1产品；2000~2020年气象数据来源于中国气象数据网(https://data.cma.cn), 本文选取研究区及临近地区13个气象站的日资料, 采用反距离插值方法对数据进行空间栅格化；碳密度数据基于前人研究结果(表 1), 结合气象数据修正得到. 本研究数据借助ArcGIS软件投影统一为CGCS2000_3_Degree _GK_CM_111E, 经研究区边界矢量数据裁剪后, 统一重采样为30 m×30 m空间栅格数据.
|
表 1 土地利用类型碳密度/t·hm-2 Table 1 Carbon density of land use types /t·hm-2 |
1.3 研究方法 1.3.1 生态系统服务重要性评价
生态系统服务是指人类从生态系统中获得的各种物质及产品的总称[28]. 根据南明河流域实际情况, 本文重点选择了对研究区生态环境较为关键的水源涵养、土壤保持和固碳释氧这3个方面进行评价. 根据不同权重将3个生态系统功能进行分权叠加得到生态系统服务重要性评价.
1.3.1.1 水源涵养水源涵养服务供给量通过InVEST模型产水模块计算, 其原理为降水量与实际蒸散量之差, 利用InVEST模型的Water Yield模块计算[29], 公式如下：
|
(1) |
式中, Yx、Ax和Px分别表示栅格x的年产水量(mm)、年实际蒸散量(mm)和年降水量(mm).
1.3.1.2 土壤保持土壤保持服务是指地表生物对径流地表水或对降水截留, 以便维持土壤结构, 改善土壤功能[30], 利用InVEST模型的SDR模块计算水土保持, 公式如下：
|
(2) |
|
(3) |
|
(4) |
式中, RK表示裸地的土壤侵蚀量；UL表示实施了管理措施或有植被覆盖的土壤侵蚀量；R表示降雨侵蚀因子；K表示土壤可蚀性因子；L和S表示地形因子；C表示植被覆盖与管理因子；P表示水土保持措施因子.
1.3.1.3 固碳释氧陆地生态系统中的碳功能对区域气候的稳定起到至关重要的影响, 这种影响主要体现在碳循环和生态系统的功能方面, 生态系统中的碳固定和循环与生态系统的功能以及人类福祉密切相关[31]. 利用InVEST模型的Carbon模块计算流域碳储量[32, 33], 公式如下：
|
(5) |
式中, Ctotal、Cabove、Cbelow、Csoil和Cdead分别表示生态系统碳储量、地上部分碳储量、地下部分碳储量、土壤碳储量和死亡有机物碳储量.
在不同区域气候条件的影响下, 碳密度表现出明显地域差异性. 已有研究表明, 生物量碳密度与土壤有机碳密度及年降水量呈正相关, 而与年均气温存在弱相关关系[34]. 为提高碳储量估算的准确性, 本文通过选取南明河流域附近的13个气象站点, 获取实测的年均降水量和年均气温数据, 基于贵阳市和贵州东南部黎平县的年均降水量和年均气温数据对碳密度进行修正(表 2), 公式如下：
|
(6) |
|
(7) |
|
(8) |
式中, CSP表示基于年降水量得到的土壤碳密度(kg·m-2), CBP和CBT分别表示基于年降水量和年均气温得到的生物量碳密度(kg·m-2), MAP表示年均降水量(mm), MAT表示年均气温(℃).
将研究区、黎平县以及贵阳市的年均气温值和年均降水量值代入上述公式, 计算两者比值, 即为碳密度修正系数, 将其与已有研究中的碳密度值相乘, 即可得到研究区的碳密度数据(表 2), 公式如下：
|
|
表 2 南明河流域碳密度修正数据/t·hm-2 Table 2 Correction data of carbon density in Nanming River Basin /t·hm-2 |
|
(9) |
|
(10) |
|
(11) |
|
(12) |
式中, KBP表示生物量碳密度年降水量因子修正系数；KBT表示生物量碳密度年均气温因子修正系数；KB表示生物量碳密度修正系数；KS表示土壤碳密度修正系数；C'和C″分别表示区域C'和C″相应数据.
1.3.2 生态敏感性评价生态敏感性是衡量生态环境对人为活动响应程度的指标[35], 本文针对研究区实际情况, 选定土壤可蚀性因子、地表植被覆盖度、土地利用现状、坡度和坡长作为评价因子, 采用多因子综合叠加分析法, 将单个因子进行标准化处理, 利用变异系数法测算各因子权重(表 3), 通过加权求和法将每个因子权重与相应的数值进行计算, 利用自然断点法进行重分类, 将研究区划分为极度敏感、高度敏感、中度敏感、低度敏感和不敏感等5个等级, 进而得到研究区的生态敏感性评价结果.
|
|
表 3 生态敏感性各因子权重 Table 3 Weight of each factor of ecological sensitivity |
1.3.3 形态学空间格局分析(MSPA)
形态学空间格局分析(morphological spatial pattern analysis, MSPA)指在空间形态上, 对土地利用数据进行识别、处理和分类, 以获取对维持景观连通性具有重要意义的斑块类型[36]. 本文以2000~2020年土地利用现状数据为基础, 利用ArcGIS 10.8重分类工具将林地、草地、水域作为分析前景数据并赋值2；将耕地、建设用地作为背景数据并赋值1；如有丢失则设字节为0, 进而形成二值化栅格图. 运用Guidos Toolbox软件进行MSPA分析, 共识别出7种不同的景观类型(核心区、岛状斑块、孔隙、边缘区、环岛区、桥接区和支线), 并对分析结果的面积、斑块数量进行统计. 核心区斑块数量随着面积的增加先减少后趋于平稳, 当斑块面积到达10 km2后, 斑块数量呈现出平缓变化趋势. 因此, 本文设定最小面积阈值为10 km2, 以剔出细碎分散的小斑块, 提取核心区面积大于10 km2的区域作为景观连通性指数分析的源数据.
1.3.4 景观连通性评价景观连通性作为定量衡量景观之间连接和延续程度的量化指标, 是生态源地识别及评价的重要参数[37], 其中, 整体连通性指数(IIC)、可能连通性指数(PC)和斑块重要程度指数(dPC)在识别生态源地时具有重要价值, 公式如下：
|
(13) |
|
(14) |
|
(15) |
式中, n表示斑块数；ai和aj分别表示斑块i和j的面积；AL表示景观总面积；p*ij表示物种在斑块i和j中分散的最大概率；nlij表示斑块i和j之间的最小成本路径数. PC表示某一景观的可能连接度指数；dPC表示斑块的重要程度, PCremove表示删除某斑块后的可能连接度指数.
本文借助Conefor 2.6软件和Conefor Inputs for ArcGIS 10.x插件, 将核心区面积大于10 km2的区域斑块间连通距离设为5 000 m, 连通概率设为0.5, 计算得到斑块重要性指数(dPC)值, 通过自然断点法将其重要性分5个等级, 为构建生态源地提供了基础性依据.
1.3.5 阻力面构建阻力面是构建生态安全格局的基础, 能反映物种迁移过程中的受阻程度, 根据前人研究成果[20], 结合南明河流域具体情况、数据的可获取性及可操作性, 本文选取土地利用类型、NDVI、DEM、坡度、距铁路距离、距公路距离和距河流距离作为阻力因子, 经ArcGIS软件分级处理并统一阻力值于1~5之间, 采用变异系数法确定其权重(表 4), 基于权重将各因子图层叠加获得最终阻力面.
|
|
表 4 2000~2020年南明河流域阻力因子及权重 Table 4 Resistance factors and weights in Nanming River Basin from 2000 to 2020 |
1.3.6 生态组分识别 1.3.6.1 生态廊道的提取
本文基于最小成本路径法, 借助ArcGIS软件的Linkage Mapper工具箱中的Linkage Pathways Build Network and Map Linkages工具识别生态廊道, 在计算过程中, 将成本加权距离阈值设置为200 km, 计算得到生态廊道.
1.3.6.2 生态节点识别本文采用Linkage Mapper工具箱, 基于已创建的生态廊道, 调用Circuitscape程序进行生态夹点和生态障碍点识别, 其中, Pinchpoint Mapper模块中的“all-to-one”模式被用于提取高值区作为生态夹点；Barrier Mapper模块则被用于半径范围在50~500 m之间、步长为300 m的参数, 同时基于“Maximum”模式进行运算, 以提取高值区作为生态障碍点.
1.3.7 变异系数法变异系数法反映指标数据本身的变化信息, 是一种客观的指标权重确定方法[38]. 变异系数是一个无量纲量, 相较于先前学者所运用的层次分析法等赋权方法, 变异系数法的优势在于, 其作为一种客观的赋权方法, 能够有效消除不同指标量纲所带来的影响, 公式为：
|
(16) |
式中, S表示评价因子的标准差；x则表示该因子的平均值. 各项指标的权重计算见式(17).
|
(17) |
式中, CVi表示某一因子的变异系数；
由1.3.1节所述方法分析得到南明河流域生态系统服务重要性评价结果, 运用自然断点法将其重要性划分为5个等级(表 5). 通过InVEST模型的Water Yield、Sediment Delivery Ratio和Carbon模块分别计算得到2000~2020年南明河流域的水源涵养、土壤保持以及固碳释氧功能的重要性评价结果(图 2). 2000年、2010年和2020年水源涵养高度重要和极重要斑块面积之和分别为536.76、698.49和505.89 km2, 分别占研究区面积的25.56%、33.25%和24.11%. 2000~2020年, 水源涵养高度重要和极重要的区域主要集中在流域的东北部, 该区域土地利用类型以林地、耕地和草地为主, 植被覆盖率较高, 易于涵养水源. 2000~2020年, 水源涵养一般重要性斑块面积分别为259.92、292.95和372.87 km2, 约占研究区面积的12.37%、13.95%和17.77%, 主要分布在以建设用地为主要土地利用类型的流域西南部地区, 在城市化进程加快以及人类活动的干扰下, 此区域的水源涵养功能较弱. 2000年、2010年和2020年土壤保持高度重要和极重要斑块面积之和分别为12.84、13.04和13.60 km2, 均仅占研究区面积0.60%左右, 土壤保持高度重要和极重要的区域主要分布在流域下游, 该区域地势起伏较大, 部分地区降雨侵蚀力较高. 土壤保持一般重要性斑块面积分别为1 502.90、1 498.92和1 488.68 km2, 占研究区面积的71.18%、71.00%和70.51%, 广泛分布在流域中上游的花溪区、云岩区等植被覆盖度低且降雨侵蚀高的地区. 进入21世纪以来, 南明河流域的固碳释氧高度重要和极重要斑块面积之和分别为1 629.04、1 587.52和1 463.9 km2, 占研究区面积均超过68%, 主要分布在流域的中下游地区, 该区域的人类干预较少, 土地利用类型以林地、草地和耕地为主.
|
|
表 5 2000~2020年生态系统服务功能重要性 Table 5 Importance of ecosystem service functions from 2000 to 2020 |
|
图 2 2000~2020年生态系统服务功能分布 Fig. 2 Distribution of ecosystem service functions from 2000 to 2020 |
整体上看, 2000~2020年, 南明河流域生态中等重要及以上面积之和分别为967.14、1 289.16和1 306.17 km2, 分别占研究区面积的46.83%、62.43%和63.33%(表 6), 总体生态环境较好, 大部分地区的生态系统服务功能重要性为中等重要及以上为主, 大致呈由西南部向东北部增长的演变趋势, 极重要区主要分布在南明河流域下游东北部(图 3), 该地区植被覆盖度较高, 流域上游的重要性普遍较低, 表明南明河流域中下游的整体生态系统服务能力较强, 可为南明河流域可持续发展提供较多的生态功能.
|
|
表 6 生态系统服务重要性评价结果 Table 6 Importance evaluation results of ecosystem services |
|
图 3 2000~2020年生态系统服务重要性评价 Fig. 3 Evaluation of the importance of ecosystem services from 2000 to 2020 |
近20 a来, 研究区的生态敏感性整体上呈现由西南向东北部递增的变化趋势, 生态敏感性以低度敏感为主, 其斑块面积占研究区面积分别为34.97%、34.87%和35.04%(表 7), 主要集中分布在流域中上游地区, 该区域土地利用类型主要以耕地、建设用地为主, 受人为活动影响较大；此外, 高度敏感斑块面积在研究区所占比例分别达到27.57%、26.90%和30.59%, 该区域植被覆盖度高, 以林地、耕地和草地用地类型为主(图 4). 极度敏感区与高度敏感区对外界干扰表现出高度的敏感性, 加之其生态环境较为脆弱, 一旦受到破坏将难以逆转. 不敏感区主要分布在流域的中上游地区, 同时在流域下游也有小部分的零散分布. 2000~2020年不敏感区斑块面积均值约为347.29 km2, 占比均值达16.68%, 这些不敏感区域主要位于植被覆盖度较低, 人类活动频繁的中心地带, 表明研究区域内部分地区可承受一定强度的开发建设, 但需要避免遭遇严重的干扰活动以保持生态系统的稳定.
|
|
表 7 生态敏感性评价结果 Table 7 Evaluation results of ecological sensitivity |
|
图 4 2000~2020年生态敏感性分布 Fig. 4 Distribution of ecological sensitivity from 2000 to 2020 |
本文运用Guidos Toolbox软件得到2000~2020年研究区MSPA分析结果(图 5), 其中, 核心区面积分别为1 109.03、1 083.88和1 033.07 km2, 占整个分析区域比例均超过80%, 分别为82.97%、83.31%和83.59%. 核心区分布具有较为显著的空间聚集性, 集中分布在流域中下游地区, 该区域土地利用类型以林地、草地、耕地为主, 在空间上分布与生态系统重要性分布大体一致, 斑块密集且相对集中, 连通性较好, 为物种的迁徙、繁殖以及基因交流提供了有利条件, 同时也有利于更有效地实施生态修护和栖息地保护等生态保护措施. 相比之下, 流域上游区域核心斑块数量较少, 分布相对分散, 空间连通性较差, 这种景观格局下的植被覆盖较为稀疏, 难形成连续的生态系统网络, 不仅会对水分的截留和渗透功能产生一定负面影响, 降低水源涵养效果, 还可能加剧土壤侵蚀, 对生物物种之间的物质交流构成较大阻碍；边缘区作为核心区和外围非生态用地的过渡区, 主要分布在流域中上游地区, 面积仅次于核心区, 分别为142.93、142.38和129.70 km2, 表现为逐年下降演变趋势, 这可能导致流域中上游地区生态连通性降低, 造成生态破坏和生物多样性的丧失；此外, 孔隙是核心区内阻碍物种迁移扩散的区域, 2000~2020研究区孔隙面积占整个分析区域比例均为4%左右, 表明研究区内部生态用地斑块边界可能受到外界活动干扰；支线面积占整个分析区域比例约为1%, 表明一定程度上生态廊道的连续性存在中断的问题, 影响斑块之间的有效连接；桥接区作为整个生态网络中的结构性廊道, 面积占比仅维持在0.30%左右, 20 a间呈逐渐增加态势, 表明研究区近年来在生态保护修复工程方面取得了一定成效, 有助于提升生物生存环境水平以及景观连通性；岛状斑块通常是孤立存在的, 整体上呈现出破碎化分布的特点, 使得内部物种与外部物种交流受阻, 增加了物种灭绝风险；环岛区为物种内部的迁移提供路径, 面积分别为0.48、0.35和0.35 km2, 这种分布在一定程度上有利于物种内部能量的流动.
|
图 5 2000~2020年形态学空间格局(MSPA)分析结果 Fig. 5 Analysis results of morphological spatial pattern (MSPA) from 2000 to 2020 |
总的来说, 进入21世纪以来, 研究区域的核心区域面积呈现逐渐减少的趋势, 主要集中在流域的中下游地区. 这一地区的植被覆盖率高且拥有丰富的水资源, 为动植物的生长和动物的栖息提供了有利条件, 对维持生态平衡具有至关重要的作用. 然而, 流域上游的景观格局较为破碎, 岛状斑块、环岛区和桥接区的占比相对有限, 这种破碎化的景观格局增加了生物迁徙的难度, 阻碍了物种间的基因交流和繁殖活动, 对生物多样性以及生态系统服务造成了负面影响.
2.4 景观连通性评价结果通过1.3.4节所提及的方法, 计算出2000~2020年核心区面积大于10 km2斑块的dPC值, 采用自然断点法将其重要性划分为5个等级, 得到景观连通重要性评价结果(表 8). 由表 8可知, 2000~2020年研究区景观连通性极度重要和高度重要斑块主要分布在流域下游, 面积之和分别为775.46、743.73和734.40 km2, 其中, 极度重要斑块面积占研究区总面积比例在近20 a来均在80%左右, 而高度重要斑块仅占研究区核心斑块面积比例分别为7.61%、3.59%和3.32%, 极度重要区主要位于流域下游且占比较大, 其余重要区位于流域中上游且面积较小. 整体看来, 2000~2020年, 研究区景观连通性呈现由流域上游向流域下游逐渐增强趋势(图 6). 流域上游景观连通性较低, 该区域土地利用类型以建设用地为主, 耕地、林地、建设用地交错分布, 人类活动密集程度较高, 经济发展迅速, 导致生态流扩散受到严重阻碍, 不利于物种迁移和物质能量交换；相较于流域上游区域, 中下游地区的景观连通性普遍较强, 该区域土地利用类型以林地、草地、耕地为主, 生态质量状况较好, 这些区域受到人类活动影响相对较小, 物种在此迁移及进行物质能量交换活动阻碍较小, 因此, 本研究推断, 流域上游的景观连通性主要受到人类活动和经济发展的影响, 而流域中下游的景观连通性则更多地受到自然因素的影响, 从而为物种的迁移和物质能量的交换提供了更为有利的条件.
|
|
表 8 景观连通性评价结果 Table 8 Evaluation results of landscape connectivity |
|
图 6 景观连通重要性评价结果 Fig. 6 Evaluation results of landscape connectivity importance |
生态源地是由多个物种和群体组成, 体现不同栖息地特征的自然栖息地, 是物种扩散的源头和重点生态区, 对于保护生物多样性和推动区域可持续发展具有重要意义. 本文在分析了研究区生态系统服务重要性、生态敏感性和景观连通性的基础上, 将3项重要性评价结果叠加, 利用自然断点法将其重要性划分为5个等级(图 7), 为选取生态源地提供基础依据.
|
图 7 2000~2020年重要性叠加结果 Fig. 7 Results of importance superposition from 2000 to 2020 |
生态源地识别过程中, 最小斑块面积选择直接影响斑块数量. 本文采用面积阈值法对源地斑块数量进行分析(表 9), 当面积阈值增加到2 km2之后, 源地斑块数量减少趋势减缓, 剔除面积较小的细碎斑块以减少对生态源地识别的影响. 因此, 本文以2 km2为最小面积阈值进行源地识别, 2000~2020年南明河流域生态源地数量分别为52、52和65个(图 8), 总面积分别为460.36、436.74和435.11 km2, 占研究区总面积21.33%、20.24%和20.16%, 这些生态源地呈斑块状主要集中分布在南明河流域下游生态环境质量较好的地区, 流域中上游段源地斑块数量分布不均且相对分散, 破碎化程度较高, 连通性较差. 2000年、2010年和2020年生态源地的土地利用类型以林地为主, 面积分别为391.41、364.45和371.03 km2, 占生态源地总面积的比例分别为85.02%、83.45%和85.27%, 草地次之, 面积分别为54.77、59.73和52.41 km2, 占生态源地总面积的比例分别为11.90%、13.68%和12.05%, 耕地、水域及建设用地占比相对较低, 三者总面积分别占源地总面积的3.08%、2.87%和2.68%.
|
|
表 9 生态源地最小面积阈值 Table 9 Minimum area threshold for ecological source areas |
|
图 8 2000~2020年生态源地空间分布 Fig. 8 Spatial distribution of ecological source areas from 2000 to 2020 |
运用ArcGIS 10.8重分类工具以及变异系数法得到各因子的权重, 建立2000~2020年生态因子综合阻力面(图 9). 研究结果表明：研究区阻力值总体呈现西南高、东北部较低的分布特征, 低值区主要集中于流域中下游, 该区域土地利用类型以林地、草地为主, 而高值区则集中分布以建设用地为主的流域上游；在空间分布上, 低值区主要分布在下坝、偏坡、东凤镇等地区, 高值区主要分布在小河、金竹镇、石板镇等地区, 阻力值在土地利用类型为建设用地区域达到峰值, 并由内向外呈逐渐减小趋势, 这部分地区植被覆盖度较低, 人类经济活动频繁, 导致对生态扩张综合阻力值较大, 不利于不同生态源地之间的连通性.
|
图 9 2000~2020年综合阻力面 Fig. 9 Comprehensive resistance surface from 2000 to 2020 |
基于识别的生态源地和构建的综合阻力面, 运用Linkage Pathways Build Network and Map Linkages工具识别生态廊道, 最终得到2000年、2010年和2020年生态廊道103、107和164条, 潜在生态廊道13、19和26条(图 10), 总长度为分别为190.75、196.94和269.07 km, 廊道长度最短为2000年与2010年, 长度为0.03 km, 而最长的是2010年的10.47 km. 2000~2020年期间, 在流域下游区域, 生态廊道数量较多, 得益于下游地区阻力较低、高植被覆盖率高和充足的水资源条件, 该区域生态源地数量较多且以短距离廊道为主, 极大地促进了各源地之间物质、能量、信息流动的流通, 降低了流动成本, 提升了流域整体的生态连通性和功能；相对而言, 流域中上游地区生态源地数量较少且分散, 导致该区域廊道数量较少且距离较长, 对生态源地物种之间的流通有较大阻碍.
|
图 10 2000~2020年生态廊道识别 Fig. 10 Ecological corridor identification from 2000 to 2020 |
南明河流域的生态安全格局由生态源地、生态阻力面、生态廊道和生态节点这4个部分共同组成. 生态节点是生态系统中重要的交汇点, 是物种迁徙与信息能量交流的核心区域, 往往位于生态系统中功能较为脆弱的位置. 本研究借助Linkage Mapper工具中的Pinchpoint Mapper模块, 采用“all-to-one”模式测算后提取高值区域为夹点区域(图 11), 分别识别生态夹点151、167和196个. 整体来看, 20 a间研究区生态夹点表现为逐渐增加的演变态势, 其所处区域地类现状以林地、草地和耕地为主, 该区域位置阻力较小, 意味着物种迁徙途中易通过, 是维持生态稳定的重点保护区域；通过Barrier Mapper模块, 选取300 m为半径步长, 基于“Maximum”模式提取高值区域为生态障碍区域(图 12), 分别识别生态障碍点268、288和264个, 其主要集中分布于流域中上游, 该区域土地利用类型以建设用地为主, 人类活动频繁, 生态功能薄弱, 生态阻力值较大且景观连通性较低.
|
图 11 2000~2020年基于Pinchpoint Mapper的生态夹点分析 Fig. 11 Ecological pinch point analysis based on Pinchpoint Mapper from 2000 to 2020 |
|
(a1)、(b1)和(c1)分别表示2000、2010年和2020年未选定改进得分相对于LCD的百分比；(a2)、(b2)和(c2)分别表示2000、2010年和2020年选定改进得分相对于LCD的百分比, LCD表示最小成本距离(leastcost distance) 图 12 2000~2020年基于Barrier Mapper的生态障碍点分析 Fig. 12 Analysis of ecological barrier points based on Barrier Mapper from 2000 to 2020 |
基于“重要性-敏感性-连通性”共识别出南明河流域2000~2020年生态源地52、52和65个、基于生态阻力面系数和Linkage Mapper工具分别提取出116、126和190条生态廊道, 最终分别识别生态节点419、455和460个, 共同构成“点-线-面”相结合的南明河流域生态安全格局.
2000~2020年南明河流域生态安全格局(图 13)分别由52、52、和65个生态源地、116、126和190条生态廊道、以及419、455和460个生态节点构成的点线面网状结构. 生态源地总面积分别为460.36、436.74和435.11 km2, 占研究区总面积的21.33%、20.24%和20.16%, 源地斑块面积较小且分布不均, 主要集中于南明河流域下游区域. 生态廊道能够维持源地间的信息、能量交换, 其分布与生态环境状况密切相关, 集中分布在阻力值较低且植被覆盖度高的研究区东北部, 而西南部区域生态源地数量少, 廊道稀疏且阻力值较高, 导致在研究区内出现景观破碎化现象, 威胁物种的生存与自然环境的稳定, 生态廊道能增强源地之间的连通性, 需加强其建设和保护, 降低物种在源地间迁徙交流的阻碍. 2000~2020年间生态节点总体上呈现逐年递增趋势, 其中生态夹点在流域下游区域分布较多, 该区域生态源地多、阻力值较低, 应在加强对生态节点的保护和建设, 促进物种在源地之间的流动传输, 生态障碍点主要分布在生态源地少、阻力值较高的流域中上游区域, 说明该区域生物在生境斑块间运动受到的阻碍较大, 应当减少人类活动干扰, 加强生态安全建设, 适当清除障碍点, 提高区域连通性, 更好地维护流域生态安全.
|
序号1~3依次展示了2000年、2010年以及2020年研究区东北部(局部)生态安全格局分布状况 图 13 2000~2020年生态安全格局 Fig. 13 Ecological security pattern from 2000 to 2020 |
在生态源地选取过程中, 本文通过叠加生态系统服务重要性、生态敏感性与景观连通重要性评价结果来识别生态源地, 综合考虑了研究区自身地理条件, 以更准确地反映生态系统的整体效益, 避免了单一要素叠加评价方法的不足, 基于上述方法识别得到的生态源地, 其分布情况与林地、草地等生态环境质量较好的区域具有较高重合度, 这一结果与已有研究[39, 40]的结果基本一致；在廊道提取方面, 相比传统使用较为广泛的MCR模型、重力模型等方法, 虽然运行速度较快, 但容易忽略阻力值较小的生态源地, 对路径的方向和长度产生一定的影响, 且操作步骤较为繁琐. 本文以电路理论为基础, 运用Linkage Mapper工具箱并调用Circuitscape程序, 基于电流密度高效提取生态廊道和识别生态节点, 通过采用Linkage Mapper工具能够更好地整合最小累积阻力模型和电路理论, 通过不同模式下生态源地间的电流计算, 完成“夹点”、“障碍点”等分析, 由于运行过程遍及所有栅格, 因此避免了对阻力值较小栅格的忽略, 从而能够更准确地模拟物种迁移状况, 确定生态廊道和生态节点所在的空间位置[41~43]. 研究结果表明：20 a间, 受人类扰动活动和退耕还林等生态恢复措施的影响, 研究区内生态源地、生态廊道、生态夹点数量及廊道总长度呈逐年增加趋势, 且三者分布具有较为显著的空间差异性, 重点集中分布在植被覆盖较高、水资源丰富, 具有良好的生态系统服务功能的地区, 而低植被覆盖且阻力较大的建设用地和耕地区域, 源地分布相对分散, 廊道数量少, 生态障碍点数量较多, 这与已有研究结果相一致[13, 44].
此外, 本研究发现, 相较于已有研究(表 10), 多数学者通常选择采用单期数据对区域生态安全格局现状进行研究, 然而在长时间序列尺度(尤其是自21世纪以来)上对喀斯特地区生态安全格局演变的研讨则略显不足. 本研究基于电路理论, 采用Linkage Mapper工具箱提取的生态廊道和生态节点在空间上的定位更加准确和明晰, 构建的生态网络贯穿南明河流域的上中下游, 包括流域下游以林地、草地为主要土地利用类型的生态质量较好的区域, 流域中上游以建设用地为主的受人类活动影响的区域, 从时间序列上, 连续追踪并揭示了南明河流域进入21世纪以来其生态安全格局动态演变特征, 这一研究结果有助于生态网络的优化, 不仅为南明河流域生态保护与区域生态经济协调发展提供数据支持, 也为促进喀斯特地区生态保护与可持续发展提供科学依据与决策参考.
|
|
表 10 (非)喀斯特地区生态安全格局研究的剖析 Table 10 In-depth analysis of the research on ecological security patterns in (non-)karst regions |
4 展望
本研究采用InVEST模型、Guidos软件和电路理论等方法构建了南明河流域生态安全格局, 综合评估了生态系统服务功能、生态敏感性及景观连通性等因素, 但研究仍面临多重挑战. 首先, 鉴于当前数据获取的难度以及模型应用的局限性, 本文当前阶段仅针对南明河流域内最为关键的3项生态系统服务进行了评估, 未能全面涵盖该流域内的所有生态系统服务；其次, 随着社会环境的变迁, 本文虽已借鉴既有研究成果并结合研究区特性选取了阻力因子, 但可能仍不足以充分覆盖所有潜在影响因素, 如极端天气事件、新技术应用所带来的影响, 因此, 需扩大阻力因子的范围以提升分析的精确度和全面性, 同时着重考虑选取部分具有显著“喀斯特特征”的阻力因子作为研究重点；第三, 研究主要集中探讨研究区内部生态安全格局构建策略, 但在外部性方面给予足够重视. 事实上, 生态系统并非孤立存在, 充分考虑流域周边整体与局部的关系, 系统全面地甄选影响因素, 对于区域生态环境修复治理, 应对生态安全风险挑战是至关重要的. 因此, 下一步研究应注重结合本地和跨区域的视角以识别生态安全问题, 有助于精准制定区域生态环境修复治理方案, 有效应对生态安全风险挑战.
5 结论(1) 2000~2020年南明河流域中等重要及以上斑块面积约为1 187.49 km2, 占研究区比例均值达57.53%, 重要性整体呈现由流域西南部向东北部增长的演变趋势. 重要性等级高的区域是生态系统保护的核心, 应优先采取以封育保护为主的管理措施, 而对于重要性低的区域, 则需依据具体情况, 针对性地开展蓄水保土, 退化栖息地改造等生态修复工程. 南明河流域生态敏感性以低度敏感为主, 总面积约为728.09 km2, 均值约占研究区面积的34.96%；其次为高度敏感, 占比均值约为28.35%. 针对生态敏感性高的区域, 应对开发建设活动严格管控, 同时加强生态修复工程投入, 以维护区域生态平衡. 对于生态敏感性较低的区域, 可充分利用原有的地势地貌进行一定强度的开发建设, 提高土地利用效率.
(2) 近20 a来, 流域景观连通性极度重要斑块面积占研究区面积高达80%, 表明区域景观连通性整体水平较高, 但空间分布上不均衡, 景观连通性重要与极重要地区主要集中在研究区东北部, 不重要地区主要分布在研究区西南部的久安、金竹镇等地. 连通性重要程度的差异与快速城镇化进程以及生态保护工程的实施紧密相关, 在生境质量优良、生态流扩散受阻较小的区域, 应严格采取保护措施, 对于连通性较低的区域, 则需统筹规划和实施生态保护修复工程, 加强生物多样性保护, 促进生态环境稳定的恢复.
(3) 基于“重要性-敏感性-连通性”结果, 共确定2000~2020年南明河流域52、52和65个生态源地, 总面积分别为460.36、436.74和435.11 km2. 基于电路理论, 运用Linkage Mapper工具分别提取生态廊道116、126和190条, 整体上表现出西南部少、东北部较多的分布状况, 基于生态节点识别方法共识别出生态节点419、455和460个, 最终形成以生态源地-生态廊道-生态节点共同组成的“点-线-面”相结合的南明河流域生态安全格局.
| [1] |
江永红, 刘梦媛, 杨春. 数字化对经济增长与生态环境协调发展的驱动机制[J]. 中国人口·资源与环境, 2023, 33(9): 171-181. Jiang Y H, Liu M Y, Yang C. Driving mechanisms of digitalization on the coordinated development of economic growth and the ecological environment[J]. China Population, Resources and Environment, 2023, 33(9): 171-181. |
| [2] |
应凌霄, 孔令桥, 肖燚, 等. 生态安全及其评价方法研究进展[J]. 生态学报, 2022, 42(5): 1679-1692. Ying L X, Kong L Q, Xiao Y, et al. The research progress and prospect of ecological security and its assessing approaches[J]. Acta Ecologica Sinica, 2022, 42(5): 1679-1692. |
| [3] |
姚材仪, 何艳梅, 程建兄, 等. 岷江流域生态安全格局评价与优化——基于最小累积阻力模型和重力模型[J]. 生态学报, 2023, 43(17): 7083-7096. Yao C Y, He Y M, Cheng J X, et al. Evaluation of ecological security pattern and optimization suggestions in Minjiang River Basin based on MCR model and gravity model[J]. Acta Ecologica Sinica, 2023, 43(17): 7083-7096. |
| [4] |
彭建, 赵会娟, 刘焱序, 等. 区域生态安全格局构建研究进展与展望[J]. 地理研究, 2017, 36(3): 407-419. Peng J, Zhao H J, Liu Y X, et al. Research progress and prospect on regional ecological security pattern construction[J]. Geographical Research, 2017, 36(3): 407-419. |
| [5] |
张平江, 党国锋. 基于MCR模型与蚁群算法的洮河流域生态安全格局构建[J]. 生态环境学报, 2023, 32(3): 481-491. Zhang P J, Dang G F. Construction of ecological security pattern of Tao river basin based on MCR model and ant colony algorithm[J]. Ecology and Environmental Sciences, 2023, 32(3): 481-491. |
| [6] |
戴丽, 尹昌应, 毛春艳, 等. 喀斯特山地城市景观格局对城市内涝的影响研究——以贵阳市为例[J]. 贵州师范大学学报(自然科学版), 2024, 42(2): 53-61. Dai L, Yin C Y, Mao C Y, et al. The influence of the landscape pattern on urban waterlogging in Karst mountains—Take Guiyang as an example[J]. Journal of Guizhou Normal University (Natural Sciences), 2024, 42(2): 53-61. |
| [7] | Knaapen J P, Scheffer M, Harms B. Estimating habitat isolation in landscape planning[J]. Landscape and Urban Planning, 1992, 23(1): 1-16. DOI:10.1016/0169-2046(92)90060-D |
| [8] | Ruan W Q, Li Y Q, Zhang S N, et al. Evaluation and drive mechanism of tourism ecological security based on the DPSIR-DEA model[J]. Tourism Management, 2019, 75: 609-625. DOI:10.1016/j.tourman.2019.06.021 |
| [9] | Wang Y, Wu C S, Wang F F, et al. Comprehensive evaluation and prediction of tourism ecological security in droughty area national parks—a case study of Qilian Mountain of Zhangye section, China[J]. Environmental Science and Pollution Research, 2021, 28(13): 16816-16829. DOI:10.1007/s11356-020-12021-2 |
| [10] |
俞孔坚. 生物保护的景观生态安全格局[J]. 生态学报, 1999, 19(1): 8-15. Yu K J. Landscape ecological security patterns in biological conservation[J]. Acta Ecologica Sinica, 1999, 19(1): 8-15. |
| [11] |
陈相标, 丁文荣. 基于生态安全格局的国土空间生态修复关键区域识别——以滇中五大高原湖泊流域为例[J]. 环境工程技术学报, 2023, 13(6): 2248-2260. Chen X B, Ding W R. Identification of key areas for ecological restoration of territorial space based on ecological security pattern: A case of five plateau lake basins in central Yunnan[J]. Journal of Environmental Engineering Technology, 2023, 13(6): 2248-2260. |
| [12] |
翟香, 兰安军, 廖艳梅, 等. 基于生态安全格局的国土空间生态修复关键区域定量识别——以贵州省为例[J]. 水土保持研究, 2022, 29(6): 322-329, 343. Zhai X, Lan A J, Liao Y M, et al. Quantitative identification of key areas of land space ecological restoration based on the ecological security pattern: A case study of Guizhou Province[J]. Research of Soil and Water Conservation, 2022, 29(6): 322-329, 343. |
| [13] |
祁强强, 徐占军. 生态安全格局时空演变分析——以太原城市群为例[J]. 中国环境科学, 2023, 43(11): 5987-5997. Qi Q Q, Xu Z J. Analysis on the spatio-temporal evolution of ecological security patterns: A case study over Taiyuan urban agglomeration[J]. China Environmental Science, 2023, 43(11): 5987-5997. |
| [14] |
方莹, 王静, 黄隆杨, 等. 基于生态安全格局的国土空间生态保护修复关键区域诊断与识别——以烟台市为例[J]. 自然资源学报, 2020, 35(1): 190-203. Fang Y, Wang J, Huang L Y, et al. Determining and identifying key areas of ecosystem preservation and restoration for territorial spatial planning based on ecological security patterns: a case study of Yantai city[J]. Journal of Natural Resources, 2020, 35(1): 190-203. |
| [15] |
黄丽萍, 向芳芳, 陈荣清. 基于生态安全格局的县域国土空间生态保护修复关键区域识别——以抚州市宜黄县为例[J]. 环境工程技术学报, 2023, 13(4): 1334-1344. Huang L P, Xiang F F, Chen R Q. Identification of key areas for ecological protection and restoration of county territorial space based on ecological security pattern: a case study in Yihuang County of Fuzhou City[J]. Journal of Environmental Engineering Technology, 2023, 13(4): 1334-1344. |
| [16] |
许静, 廖星凯, 甘崎旭, 等. 基于MSPA与电路理论的黄河流域甘肃段生态安全格局构建[J]. 生态环境学报, 2023, 32(4): 805-813. Xu J, Liao X K, Gan Q X, et al. Construction of ecological security pattern based on MSPA and circuit theory in Gansu section of the Yellow River Basin[J]. Ecology and Environmental Sciences, 2023, 32(4): 805-813. |
| [17] |
李政, 丁忆, 王亚林, 等. 基于最小累积阻力模型的山地石漠化地区生态安全格局构建: 以重庆市南川区为例[J]. 生态与农村环境学报, 2020, 36(8): 1046-1054. Li Z, Ding Y, Wang Y L, et al. Construction of ecological security pattern in Mountain Rocky Desertification Area based on MCR model: A case study of Nanchuan, Chongqing[J]. Journal of Ecology and Rural Environment, 2020, 36(8): 1046-1054. |
| [18] |
吴映梅, 李琛, 高彬嫔, 等. 高原湖泊城市生态安全格局构建——以大理市为例[J]. 生态学报, 2023, 43(19): 8153-8166. Wu Y M, Li C, Gao B P, et al. Construction of urban ecological security pattern in highland lakes cites: the case of Dali City[J]. Acta Ecologica Sinica, 2023, 43(19): 8153-8166. |
| [19] |
李瑶, 李久林, 储金龙. 基于电路理论的金寨县生态安全格局构建[J]. 生态科学, 2022, 41(2): 227-236. Li Y, Li J L, Chu J L. Construction of ecological security pattern based on circuit theory in Jinzhai County[J]. Ecological Science, 2022, 41(2): 227-236. |
| [20] |
包玉斌, 王耀宗, 路锋, 等. 六盘山区国土空间生态安全格局构建与分区优化[J]. 干旱区研究, 2023, 40(7): 1172-1183. Bao Y B, Wang Y Z, Lu F, et al. Construction of an ecological security pattern and zoning optimization for territorial space in the Liupan Mountain Area[J]. Arid Zone Research, 2023, 40(7): 1172-1183. |
| [21] | Jin L J, Xu Q L, Yi J H, et al. Integrating CVOR-GWLR-Circuit model into construction of ecological security pattern in Yunnan Province, China[J]. Environmental Science and Pollution Research, 2022, 29(54): 81520-81545. DOI:10.1007/s11356-022-21421-5 |
| [22] | Zhao X Q, Yue Q F, Pei J C, et al. Ecological security pattern construction in karst area based on ant algorithm[J]. International Journal of Environmental Research and Public Health, 2021, 18(13). DOI:10.3390/ijerph18136863 |
| [23] |
潘竟虎, 刘晓. 疏勒河流域景观生态风险评价与生态安全格局优化构建[J]. 生态学杂志, 2016, 35(3): 791-799. Pan J H, Liu X. Landscape ecological risk assessment and landscape security pattern optimization in Shule River Basin[J]. Chinese Journal of Ecology, 2016, 35(3): 791-799. |
| [24] |
于成龙, 刘丹, 冯锐, 等. 基于最小累积阻力模型的东北地区生态安全格局构建[J]. 生态学报, 2021, 41(1): 290-301. Yu C L, Liu D, Feng R, et al. Construction of ecological security pattern in Northeast China based on MCR model[J]. Acta Ecologica Sinica, 2021, 41(1): 290-301. |
| [25] |
杨静怡, 吴峰. 贵阳1980-2018年土地覆盖类型及碳储量变化研究[J]. 西南林业大学学报, 2020, 40(4): 115-121. Yang J Y, Wu F. Study on change of land cover type and carbon storage during 1980-2018 in Guiyang[J]. Journal of Southwest Forestry University, 2020, 40(4): 115-121. |
| [26] |
李义平, 蔡宏, 田鹏举, 等. 贵州省黎平县地表覆被变化引起的生态系统碳储量变化[J]. 水土保持通报, 2020, 40(2): 92-99. Li Y P, Cai H, Tian P J, et al. Changes in ecosystem carbon stock caused by land cover conversion in Liping County of Guizhou province[J]. Bulletin of Soil and Water Conservation, 2020, 40(2): 92-99. |
| [27] |
黄国金. 基于InVEST模型喀斯特流域生态系统服务功能评估——以贵州乌江流域中游遵义段为例[D]. 贵阳: 贵州师范大学, 2020. Huang G J. Evaluation of ecosystem services in Karst Basin based on InVEST model: A case study the Zunyi section of the middle reaches of the Wujiang River Basin in Guizhou[D]. Guiyang: Guizhou Normal University, 2020. |
| [28] |
刘春芳, 刘立程, 何瑞东. 黄土丘陵区高标准农田建设的生态系统服务响应研究——以榆中县高标准农田建设项目为例[J]. 中国人口·资源与环境, 2018, 28(12): 124-130. Liu C F, Liu L C, He R D. Ecosystem services response of well-facilitated farmland construction project in Loess Hilly Region: A case study of Yuzhong County[J]. China Population, Resources and Environment, 2018, 28(12): 124-130. |
| [29] |
贾雯霞, 张艳, 崔国屹. 汾河流域生态系统服务供需匹配关系研究[J]. 贵州师范大学学报(自然科学版), 2023, 41(2): 15-23. Jia W X, Zhang Y, Cui G Y. Research on the matching relationship between supply and demand of ecosystem services in the Fenhe River Basin[J]. Journal of Guizhou Normal University (Natural Sciences), 2023, 41(2): 15-23. |
| [30] |
刘月, 赵文武, 贾立志. 土壤保持服务: 概念、评估与展望[J]. 生态学报, 2019, 39(2): 432-440. Liu Y, Zhao W W, Jia L Z. Soil conservation service: concept, assessment, and outlook[J]. Acta Ecologica Sinica, 2019, 39(2): 432-440. |
| [31] |
张云倩, 张晓祥, 陈振杰, 等. 基于InVEST模型的江苏海岸带生态系统碳储量时空变化研究[J]. 水土保持研究, 2016, 23(3): 100-105, 111. Zhang Y Q, Zhang X X, Chen Z J, et al. Research on the spatiotemporal variation of carbon storage in coastal zone ecosystem of Jiangsu Based on InVEST model[J]. Research of Soil and Water Conservation, 2016, 23(3): 100-105, 111. |
| [32] |
吾斯曼江帕茹克, 艾东, 方一舒, 等. 基于InVEST与CA-Markov模型的昆明市碳储量时空演变与预测[J]. 环境科学, 2024, 45(1): 287-299. Wusimanjiang P, Ai D, Fang Y S, et al. Spatial and temporal evolution and prediction of carbon storage in Kunming City based on InVEST and CA-Markov model[J]. Environmental Science, 2024, 45(1): 287-299. |
| [33] |
陈宁, 辛存林, 唐道斌, 等. 中国西北地区多情景土地利用优化与碳储量评估[J]. 环境科学, 2023, 44(8): 4655-4665. Chen N, Xin C L, Tang D B, et al. Multi-scenario land use optimization and carbon storage assessment in northwest China[J]. Environmental Science, 2023, 44(8): 4655-4665. |
| [34] | Raich J W, Nadelhoffer K J. Belowground carbon allocation in forest ecosystems: global trends[J]. Ecology, 1989, 70(5): 1346-1354. DOI:10.2307/1938194 |
| [35] |
迟妍妍, 许开鹏, 王晶晶, 等. 京津冀地区生态空间识别研究[J]. 生态学报, 2018, 38(23): 8555-8563. Chi Y Y, Xu K P, Wang J J, et al. Identifying regional ecological space in Beijing, Tianjin, and Hebei[J]. Acta Ecologica Sinica, 2018, 38(23): 8555-8563. |
| [36] |
陈瑾, 赵超超, 赵青, 等. 基于MSPA分析的福建省生态网络构建[J]. 生态学报, 2023, 43(2): 603-614. Chen J, Zhao C C, Zhao Q, et al. Construction of ecological network in Fujian Province based on morphological spatial pattern analysis[J]. Acta Ecologica Sinica, 2023, 43(2): 603-614. |
| [37] |
王越, 赵雯琳, 刘纯青. 基于MSPA-Conefor-MCR路径的生态网络优化及其构建——以彭泽县为例[J]. 江西农业大学学报, 2022, 44(2): 504-518. Wang Y, Zhao W L, Liu C Q. Optimization and construction of ecological network based on MSPA-Conefor-MCR path: A case study of Pengze county[J]. Acta Agriculturae Universitatis Jiangxiensis, 2022, 44(2): 504-518. |
| [38] |
李云, 刘霁, 姜安民. 基于变异系数法与模糊理论的建筑工人安全能力评价研究[J]. 铁道科学与工程学报, 2020, 17(8): 2162-2170. Li Y, Liu J, Jiang A M. Study on safety ability evaluation of construction workers based on variation coefficient method and fuzzy theory[J]. Journal of Railway Science and Engineering, 2020, 17(8): 2162-2170. |
| [39] |
陈群, 刘平辉, 朱传民. 基于MCR模型的江西省抚州市生态安全格局构建[J]. 水土保持通报, 2022, 42(2): 210-218. Chen Q, Liu P H, Zhu C M. Construction of an ecological security structure in Fuzhou City of Jiangxi Province based on an MCR model[J]. Bulletin of Soil and Water Conservation, 2022, 42(2): 210-218. |
| [40] |
王海云, 匡耀求, 文薪荐, 等. 粤港澳大湾区生态网络构建及廊道优化[J]. 中国环境科学, 2022, 42(5): 2289-2298. Wang H Y, Kuang Y Q, Wen X J, et al. Ecological network construction and corridor optimization in Guangdong-Hong Kong-Macao Greater Bay Area[J]. China Environmental Science, 2022, 42(5): 2289-2298. |
| [41] |
韩王亚, 夏双双, 周维, 等. 基于生态廊道识别的拉萨河流域生态安全格局构建[J]. 生态学报, 2023, 43(21): 8948-8957. Han W Y, Xia S S, Zhou W, et al. Constructing ecological security pattern based on ecological corridor identification in Lhasa River Basin[J]. Acta Ecologica Sinica, 2023, 43(21): 8948-8957. |
| [42] |
覃彬桂, 林伊琳, 赵俊三, 等. 基于InVEST模型和电路理论的昆明市国土空间生态修复关键区域识别[J]. 中国环境科学, 2023, 43(2): 809-820. Qin B G, Lin Y L, Zhao J S, et al. Identification of key areas for the ecological restoration of territorial space in Kunming based on the InVEST model and circuit theory[J]. China Environmental Science, 2023, 43(2): 809-820. |
| [43] |
倪庆琳, 丁忠义, 侯湖平, 等. 基于电路理论的生态格局识别与保护研究——以宁武县为例[J]. 干旱区资源与环境, 2019, 33(5): 67-73. Ni Q L, Ding Z Y, Hou H P, et al. Ecological pattern recognition and protection based on circuit theory[J]. Journal of Arid Land Resources and Environment, 2019, 33(5): 67-73. |
| [44] |
高梦雯, 胡业翠, 李向, 等. 基于生态系统服务重要性和环境敏感性的喀斯特山区生态安全格局构建——以广西河池为例[J]. 生态学报, 2021, 41(7): 2596-2608. Gao M W, Hu Y C, Li X, et al. Construction of ecological security pattern based on the importance of ecosystem services and environmental sensitivity in karst mountainous areas: a case study in Hechi, Guangxi[J]. Acta Ecologica Sinica, 2021, 41(7): 2596-2608. |
| [45] |
杨帅琦, 何文, 王金叶, 等. 基于MCR模型的漓江流域生态安全格局构建[J]. 中国环境科学, 2023, 43(4): 1824-1833. Yang S Q, He W, Wang J Y, et al. Ecological security pattern construction in Lijiang River basin based on MCR model[J]. China Environmental Science, 2023, 43(4): 1824-1833. |