, 周金星, 吴秀芹北京林业大学水土保持学院,水土保持国家林业局重点实验室,北京 100083
Effects of the construction of Qinghai-Tibet railway on the vegetation ecosystem and eco-resilience
LiYansen, ZhouJinxing, WuXiuqin通讯作者:
收稿日期:2017-05-20
修回日期:2017-09-27
网络出版日期:2017-11-20
版权声明:2017《地理研究》编辑部《地理研究》编辑部
基金资助:
作者简介:
-->
展开
摘要
关键词：
Abstract
Keywords：
-->0
PDF (13530KB)元数据多维度评价相关文章收藏文章
本文引用格式导出EndNoteRisBibtex收藏本文-->
1 引言
生态弹性（Ecology Resilience）,也译做“恢复力”和“抗性”[1,2],目前对其定义尚未统一。生态学家Holling 率先提出相关概念,认为其表征“生态系统在受到外界干扰时维持自身功能及所处状态不变的能力”[3,4];Pimm则将“Resilience”看作“恢复力”,认为其表示生态系统被破坏后的恢复速率[5]。近年来,Resilience的应用趋向于抗性（Resistance）与恢复力（Recovery）的综合[6],以Holling的弹性定义应用相对较多。虽然对其进行定量测量存在许多困难,但将生态系统的状态视为动态区间的思路受到广泛关注[7,8]。稳态转变（Regime Shift）被视为生态弹性被突破,系统功能性状发生重要转变的标志[9]。通过对监测生态系统替代变量的稳态转变,诸多****在热带雨林、热带草原[10]、水污染以及珊瑚生态系统变化研究当中取得了较好的应用成果[11,12]。目前弹性研究向生态风险预警、管理等领域发展[13,14],在生态系统可持续管理方面有广阔的前景[15]。青藏高原被称作“世界第三极”,青藏铁路修建区存在高寒缺氧、多年冻土和生态脆弱三大世界性难题,工程全线位于海拔3000 m以上区域,路轨最高点海拔5072 m,是世界上海拔最高、里程最长的高原铁路。格拉段始建于2001年,2006年竣工,2007年通车,其建成改写了西藏自治区不通铁路的历史,对维护国家统一、区域稳定发展及民族团结有重要意义[16,17]。但是由于气候变化和人类活动的加剧,铁路沿线地区土地沙化、黑土滩、植被退化和荒漠化、鼠害和野生动物保护等问题突出,铁路沙害、冻土溶解和热喀斯特发育等问题甚至威胁到铁路正常运营[18-21]。揭示铁路沿线地区植被生态系统类型变化与铁路修建的关系,成为保证青藏高原地区可持续发展、维护青藏铁路正常运营亟待解决的问题。
为揭示铁路修建带来的生态环境影响,诸多****对铁路沿线植被群落特征、地质环境变化和自然灾害风险方面进行了调查研究,基本覆盖了从实地调查到遥感反演,从样地到区域尺度,从环境影响到工程迹地恢复、沿线生态系统恢复力评价等多个方面[21-24],但是也存在遥感时间序列数据使用不充分,对时序变化细节利用不充分等问题。本文基于地理信息系统和遥感技术,根据已有研究[22,25],选取青藏铁路沿线10 km缓冲区范围为研究区,基于多时序Landsat数据,通过构建20年NDVI数据序列,采用序贯t检验方法,对连续年份的青藏铁路沿线NDVI时序的稳态转变进行分析,并依据Walker提出的“弹性维度”[8],获取铁路沿线地区生态弹性,并对其空间分布特性和时空变化特征进行分析,揭示青藏铁路修与运营对周边生态系统的影响,以期揭示沿线植被生态系统变化状况,促进铁路正常运营及该地区社会经济可持续发展。
显示原图|下载原图ZIP|生成PPT图1研究区概况
-->Fig. 1DEM and location of the study area
-->
2 研究方法与数据来源
2.1 研究区概况
青藏铁路格拉段位于青藏高原腹地,起自青海省海西州格尔木市,向南至西藏自治区首府拉萨市,全长1142 km。沿线气候独特、差异显著,北部海拔在3500 m以下,年均温-5~5 ℃之间,年降水50 mm以下;中部海拔均在4000 m以上,呈高原亚寒带气候特征;南部羊八井至拉萨一带年均温在5 ℃左右,年降水400 mm左右,属河谷半干旱农牧区。总体上铁路沿线气候特点为干湿分明,冬长夏短,日照长、降水少,季节变化缓慢;风季与旱季同期,风大沙多,威胁铁路正常运营[21]。铁路全程自北向南经过昆仑山、风火山、唐古拉山等主要山系,跨越格尔木河、长江、扎加藏布、怒江、雅鲁藏布江等五大大水系,面临植被退化、土壤荒漠化、冰川退缩、多年冻退化等问题[26]。2.2 数据来源及处理
归一化植被指数（The Normalized Difference Vegetation Index,NDVI）能够有效识别植被变化信息,是目前使用最广泛的植被指数之一,Landsat系列卫星是当前生态环境研究当中应用最广泛的遥感数据源之一,其重访周期为16天,研究区影像受云、云阴影及条带等问题的影响较为严重[27]。本文基于1995-2014年,共计212景Landsat和56景MODIS影像,通过Fmask云和阴影搜索算法[28],应用重叠替代、时空适应性融合模型（Spatial and Temporal Adaptive Reflectance Fusion Model,STARFM）[29]方法,对研究区Landsat数据的条带、云及云阴影等数据缺失和污染区域进行插补,得到纯净无污染的30 m NDVI数据（图2）。
显示原图|下载原图ZIP|生成PPT图2遥感图像预处理流程图
-->Fig. 2Flowchart of satellite image processing
-->
8月是研究区植被生长最旺盛的时期,最能体现植被的变化,因此集中使用每年8月前后的影像（表1）。根据研究区特点及已有研究成果[30],生态系统类型的划分在沿用原植被类型名称的基础上将沼泽和水体合并为湿地生态系统,栽培植被对应为农田生态系统,无植被地段更名为裸地,将研究区划分为荒漠、裸地、高山植被、灌丛、草原、草甸、农田和湿地八种类型。
Tab. 1
表1
表1数据汇总
Tab. 1Details of data used in our study
| 数据类型 | 数据参数和说明 | 获取时间 | 数据内容 | 分辨率 | 获取方式 | |
|---|---|---|---|---|---|---|
| 数据来源 | 条带号 | |||||
| 影像 | Landsat TM/ETM+ | p136r035、p137r035、p137r036、p137r037、p137r038、p137r039、p138r036、p138r037、p138r038、p138r039 | 1995-2014年 7月下旬-9月上旬 | 当年云覆盖最少 的一期影像 | 30 m | http://glovis.usgs.gov |
| MODIS MOD09 A1 | h25v05、h25v06 | 2000-2014年8月 | 无云影像 | 250 m | https://ladsweb. nasa.gov.com | |
| 铁路路线 | 矢量路线数据 | 2015年12月 | 格拉段铁路路线 | 矢量化 | ||
| 植被类型 | 中国植被类型数据 | 2001年 | 植被类型分布 | http://westdc.westgis.ac.cn | ||
新窗口打开
2.3 研究方法
2.3.1 NDVI变化趋势分析 在环境变化研究中,NDVI的变化趋势反映了生态环境的变化方向和格局[31],有助于了解研究区植被生长的时空变化状况,计算公式为：式中：θslope为变化斜率;n为监测的年数;ci为第i年的年最大NDVI。斜率为负表示NDVI为下降趋势,反之则表示NDVI为上升趋势。
2.3.2 稳态变化探测 一元线性回归无法充分描述NDVI内含的变化阶段及剧烈程度[32],通过稳态变化探测,可对20年间研究区NDVI发生剧烈变化时间、程度及其空间分布有进一步了解,有助于了解研究区各生态系统的关键转变及应对变化的能力[11]。本文采用Rodionov提出的一种序贯t检验方法（sequential t-test testing analysis of regime shifts,STARS）,进行稳态转变探测实现,该方法在气候变化、陆地生态系统变化、水污染和空气污染等领域广泛应用[33, 34],其适用于时间序列较短的稳态转变探测,且在准确度上有了一定的提升。计算流程如图3所示,详细计算方法的实现可以参考相关文献,本文中不再赘述。通过计算稳态转变,可以探测出稳态变化的发生时间、次数、持续时间以及各稳态阶段均值,进而对每一次变化周期的弹性值进行计算。
显示原图|下载原图ZIP|生成PPT图3STARS算法计算流程图
-->Fig. 3Flowchart for STARS
-->
Tab. 2
表2
表2青藏铁路沿线生态系统分布特征
Tab. 2Proportion of different vegetation types in the study area
| 生态系统特征 | 湿地 | 草甸 | 草原 | 农田 | 灌丛 | 荒漠 | 高山植被 | 裸地 |
|---|---|---|---|---|---|---|---|---|
| 面积占比（%） | 5.67 | 58.11 | 16.24 | 0.59 | 4.95 | 4.67 | 6.15 | 3.61 |
| 平均NDVI | 0.379 | 0.332 | 0.211 | 0.369 | 0.316 | 0.099 | 0.242 | 0.090 |
新窗口打开
2.3.3 生态弹性计算 根据Walker等提出的测定弹性维度模型中的稳态范围（Latitude）和阻碍变化的抵抗力（Resistance）的相应概念[8],以稳态持续时间为稳态范围,发生稳态转变的变化程度为抵抗力,构建反映稳态变化难易的变量R作为生态弹性值,即当前稳态与下一稳态时期,NDVI均值变化差异△NDVI与该稳态周期持续间T的比值。如果不处于稳态转变的周期中,则无法计算弹性值,说明该处稳态周期持续时间超出数据可计算年限,因此本文中弹性值的年限为1997-2011年,计算公式为：
R<0为负向转变,R>0为正向转变,R越趋近于0,则说明其两个稳态转变时期变化速率越小,变化表现越稳定,弹性越大。
3 结果分析
3.1 青藏铁路沿线NDVI空间分布特征
青藏铁路沿线10 km地区NDVI空间差异明显,呈“南高北低”的分布特征,NDVI高、低值聚集分布,主要与地形与水热条件有关[30]。格尔木—昆仑山段NDVI为全区最低,大部分区域小于0.1,以裸地和荒漠生态系统为主;昆仑山—扎加藏布段NDVI多在0.1~0.25之间,其中,NDVI的相对高值集聚在昆仑山、五道梁、风火山、开心岭和唐古拉山周边,以草甸、草原和荒漠生态系统为主;扎加藏布以南区域NDVI为全线最高,主要分布有湿地、农田和草甸生态系统。
显示原图|下载原图ZIP|生成PPT图4研究区平均NDVI及植被类型图
-->Fig. 4Spatial distribution of NDVI and vegetation
-->
3.2 青藏铁路沿线NDVI时空变化特征
3.2.1 时间变化特征 根据1995-2014年研究区平均NDVI值,可将变化划分为三个阶段：① 1995-1998年为下降阶段,NDVI以约0.01/a的速率减小;② 1998-2002年为相对稳定的低值期;③ 2003年后,NDVI上升较明显且维持在相对较高水平。从铁路修建期（2001-2006年）看,铁路周边NDVI虽有局部骤减,但研究区整体并没有明显变化。结合已有的青藏铁路对沿线植被影响的研究[23,26],结合“植被距离铁路越远,铁路的影响越弱”的假设,本文建立了0~100 m、100~250 m、250~500 m、500~1000 m、1000~2000 m、2000~5000 m、5000~10000 m共7个距离的缓冲区。发现：① 1995-2001年,各缓冲区NDVI变化同步,但自2001年铁路修建后,不同缓冲区NDVI变化产生分异,在0~100 m范围内,受施工及设施占地影响,NDVI明显低于其他缓冲区;② 在铁路沿线1 km范围内,各缓冲区随着与铁路距离增加,植被生长受抑制的现象逐渐减弱,NDVI值逐级升高;③ 20年间,铁路沿线10 km范围内NDVI变化趋势与青藏高原NDVI变化相一致,约为0.015/10a[36]。铁路修建虽然对沿线生态系统造成了破坏,但因其施工作用面积在研究区的占比不高,对研究区整体NDVI影响不明显,研究区植被生长受整体环境的变化主导（图5）。
显示原图|下载原图ZIP|生成PPT图51995-2014年青藏铁路沿线NDVI变化曲线
-->Fig. 5Variations of the annual NDVI in the study area in 1995-2014
-->
3.2.2 空间演变特征 采用逐象元一元线性回归,分析1995-2014年研究区NDVI变化的空间特征,结合已有对铁路沿线区域的植被变化等级划分方法[37],将结果分为显著减少、轻度减少、保持稳定、轻度增加和显著增加五个等级。结果表明,研究区NDVI整体呈增加趋势,增加和减少趋势各占35.63%和11.75%,增减比约为3
显示原图|下载原图ZIP|生成PPT图61995-2014年青藏铁路沿线NDVI变化趋势
-->Fig. 6Trends of the NDVI change in the study area in 1995-2014
-->
Tab. 3
表3
表31995-2014年研究区NDVI变化类型占比（%）
Tab. 3Proportion of the NDVI change types in the study area in 1995-2014 (%)
| 退化类型 | 变化范围 | 0~100 m | 100~250 m | 250~500 m | 500~1000 m | 1000~2000 m | 2000~5000 m | 5000~10000 m | 全区占比 |
|---|---|---|---|---|---|---|---|---|---|
| 显著退化 | <~0.008 | 10.11 | 2.78 | 2.86 | 2.21 | 1.79 | 2.06 | 2.34 | 2.26 |
| 轻度退化 | -0.008~-0.002 | 22.70 | 12.11 | 11.73 | 11.52 | 10.41 | 9.30 | 8.40 | 9.49 |
| 保持稳定 | -0.002~0.002 | 46.77 | 51.86 | 51.83 | 51.81 | 52.54 | 52.64 | 52.95 | 52.62 |
| 轻度增加 | 0.002~0.008 | 17.72 | 28.46 | 28.87 | 30.21 | 30.47 | 30.06 | 29.71 | 29.8 |
| 显著增加 | >0.008 | 2.70 | 4.80 | 4.71 | 4.25 | 4.79 | 5.93 | 6.60 | 5.83 |
新窗口打开
Tab. 4
表4
表4不同生态系统中变化趋势的占比（%）
Tab. 4Proportion of the NDVI change types in different vegetation types (%)
| 比例 | 湿地 | 草甸 | 草原 | 高山植被 | 灌丛 | 荒漠 | 裸地 | 农田 |
|---|---|---|---|---|---|---|---|---|
| 显著减少 | 5.79 | 2.70 | 0.15 | 1.86 | 3.43 | 0.09 | 0.15 | 9.44 |
| 轻度减少 | 19.87 | 11.22 | 2.95 | 7.35 | 12.74 | 1.23 | 3.81 | 14.92 |
| 保持稳定 | 36.51 | 44.61 | 68.95 | 51.19 | 55.18 | 93.72 | 84.02 | 21.39 |
| 轻度增加 | 28.12 | 35.09 | 23.51 | 34.57 | 22.02 | 4.03 | 10.60 | 34.99 |
| 显著增加 | 9.72 | 6.38 | 4.44 | 5.02 | 6.62 | 0.94 | 1.42 | 19.27 |
新窗口打开
3.3 青藏铁路沿线生态弹性特征
3.3.1 青藏铁路沿线稳态探测 为探讨青藏铁路修建对研究区各生态系统类型稳定性的影响,通过序贯t检验（STARS）探测20年间NDVI的稳态变化,并根据稳态转变探测得到转变次数不同,将研究区按生态系统稳态分为平稳（1次）、波动（2~5次）和剧烈波动（6~9次）区。发现：① 波动区域占40%,其余地区在20年间并未发生或仅发生一次显著的NDVI变化,研究区NDVI变化稳定。② 稳定的区域主要为铁路设施占用区、NDVI高值区以及NDVI极低区。铁路设施占地虽导致NDVI显著减少,但在占用后会长期稳定不变;NDVI极低区,主要为荒漠和裸地生态系统,无论植被破坏或修复,变化都特别细微;NDVI高值区,水热条件优越,或所处位置不易受人类活动的影响,保持稳定[38]。③ 稳态转变剧烈的区域多位于河谷地区、城市周边及NDVI较低的区域。河谷和城市周边受农业耕作和城市扩张的影响,在20年的变化中,波动最大。而NDVI低值区（以昆仑山—唐古拉山段为主）,主要为草原和草甸生态系统,植被脆弱,极易受外界扰动的影响[37]。但研究区生态系统稳态转变的波动,与铁路修建没有明显的空间关系,稳态变化大的区域主要为城市和牧区分布的那曲以南段,铁路修建促进了沿线地区城镇化和经济发展,带来人口、牲畜出栏量和农业相关产业发展从而对当地的植被生长带来了影响,与之相比,铁路修建及运营对沿线植被变化构成的影响则显得较为微弱。
显示原图|下载原图ZIP|生成PPT图7青藏铁路沿线NDVI稳态变化分布图
-->Fig. 7Spatial distribution of the regime shift in the study area
-->
Tab. 5
表5
表5不同NDVI分级稳态转变程度（%）
Tab. 5Regime shift degree with different NDVI ranks (%)
| 稳态转变类型 | 极低(<0.1) | 低(0.1~0.25) | 中等(0.25~0.4) | 高(0.4~0.55) | 极高(>0.55) |
|---|---|---|---|---|---|
| 稳定 | 58.06 | 41.70 | 52.16 | 61.43 | 62.34 |
| 波动 | 25.81 | 33.98 | 29.70 | 26.52 | 26.64 |
| 剧烈波动 | 16.13 | 24.31 | 18.13 | 12.05 | 11.03 |
新窗口打开
3.3.2 青藏铁路沿线生态弹性变化特征 生态弹性反映了生态系统发生稳态转变的难易程度,根据1995-2014年NDVI在各稳态转变的过程中的变化速率和程度计算生态系统弹性,构建弹性—均值图,其中0值为弹性最强,距离0值越远弹性越弱。
弹性通过稳态转变的结果计算而来,因此,其空间分布特征与稳态转变相似,这里不再赘述。从弹性—均值图（图8）可以看出,时间变化上,1997-2011年,研究区各类型生态系统的稳态整体以正向转变居多,与全线NDVI变化趋势相符;大部分生态系统向高弹性方向转变,生态系统应对外界变化的能力增强;裸地和荒漠生态系统的弹性最大,而农田和湿地生态系统的弹性最低,为了便于对各生态系统类型弹性进行直观的对比,通过对1997-2011年各生态系统类型体现的弹性均值进行归一化,得到表6,由高到低排列为：裸地>荒漠>高山植被>草原>草甸>灌丛>湿地>农田。湿地作为弹性较弱的自然生态系统,最易受外界扰动的影响而变化,具有较高的生态保护优先级,应作为生态保护的监测和实施重点;弹性极高的裸地和荒漠生态系统,植被覆盖低,是生态恢复的研究重点,其现状难以改变,是生态修复工作中的难点。
显示原图|下载原图ZIP|生成PPT图8八种生态系统类型NDVI弹性—均值变化图
-->Fig. 8Resilience-Mean NDVI plots of different ecosystems
-->
Tab. 6
表6
表61997-2011年不同生态系统弹性等级
Tab. 6Resilience level in 1997-2011
| 地类 | 裸地 | 荒漠 | 高山植被 | 草原 | 草甸 | 灌丛 | 湿地 | 农田 |
|---|---|---|---|---|---|---|---|---|
| 弹性 | 0.000 | 0.036 | 0.049 | 0.219 | 0.278 | 0.456 | 0.578 | 1.000 |
新窗口打开
4 结论与讨论
4.1 结论
论文采用一元线性回归和序贯t检验的方法,对1995-2014年间青藏铁路格拉段沿线区域的30 m NDVI数据的变化时空特征进行了分析,并基于稳态变化对沿线植被生态系统的弹性进行了探测,结果表明：（1）1995-2014年,青藏铁路沿线10 km范围内NDVI整体“稳中有升”,增速为 0.015/10a,与青藏高原NDVI整体变化基本一致。研究区NDVI变化可分为三个阶段,分别是：1995-1998年为下降阶段;1998-2002年为低值稳定阶段;2003年后,研究区NDVI显著上升,且相对较高的阶段。
（2）从空间上看,沿线10 km范围内,NDVI增加的区域主要有格尔木市区及周边、唐古拉山局部及当雄—拉萨沿线山麓,NDVI减少区域集中在那曲—当雄的牧区、铁路沿线居民点以及铁路及设施占地区。通过对铁路沿线10 km范围构建缓冲区,分析显示,铁路修建影响集中在沿线0~100 m范围内,表现为铁路设施占地破坏植被而引起的NDVI局部骤降;1 km范围内,铁路修建对植被增长有抑制,影响程度随距离增大而减小;1 km范围外,植被生长不受铁路修建的直接影响;铁路沿线10 km范围NDVI在铁路修建前后没有明显变化,铁路修建作用范围集中在沿线1 km范围内。
（3）稳态和弹性的转变结果显示,研究区生态系统稳态剧烈变化区域主要集中在南段河谷、NDVI较低的生态脆弱区和城市及其周边,这些区域普遍存在人类扰动剧烈和生态环境脆弱的特点;变化稳定地区主要为铁路设施占用区、NDVI高值区和NDVI极低值区,铁路设施占用虽然对原生植被破坏较大,但是建成后长年保持稳定;而高NDVI区域对扰动的抵抗力较强,且部分区域位于不易受人类活动干扰的地区。
（4）20年间研究区生态系统弹性整体呈现由低到高的变化,荒漠和裸地生态系统的NDVI值低而弹性高,表示其现状较难改变,植被恢复的难度大;湿地、农田和草甸这类生态系统NDVI较高,但是其弹性较低,易受外界干扰,除农田为人为支持的生态系统以外,湿地和草甸需要进行重点监控与保护。
4.2 讨论
现有对青藏高原植被变化的研究表明,全球变暖对青藏高原生态系统的影响是正面的,植被覆盖率总体上呈增加趋势,但这种影响仍存在时间和空间上的不平衡性[38]。铁路修建后,沿线重点城市以及经济支柱产业的发展速度得到提升,结合《拉萨统计年鉴》和《西藏统计年鉴》的相关数据,进藏游客年均增长21%,地区经济增速长期保持两位数[16],相关区域的重点城市如格尔木、那曲、拉萨等城市扩张明显,拉萨市家畜出栏量在2007-2013年以年均8%的速度增长,自那曲以南段沿线受人类活动影响明显,本文的研究结果与已有的研究结论基本相符[39-43]。目前鲜有针对青藏高原生态弹性及稳态的研究,类似的生态脆弱性等研究在稳定区分布方面与本研究有相似的结论,认为相关生态环境差异决定了稳定区域的空间分布[44],且昆仑山以南区域恢复力明显高于以北区域,应将恢复力脆弱区列为关注的重点[24]。
通过30 m NDVI时间序列数据分析研究区生态环境变化是本文突出的优势,而铁路修建和运营期间沿线样地监测数据时限尚短,植被的生长与降水、土壤、植被类型等多种因素相关[45],尚需进一步对弹性研究的结果及原因进行分析和解释,生态系统内部结构、功能以及气象条件及人类活动变化带来的影响及贡献应该更具体的进行探讨,且由于铁路穿越区气候及地理环境复杂,空间差异大[46],综合探讨会遗漏细节信息,分生态区进行进一步探讨也很有必要。
The authors have declared that no competing interests exist.
参考文献 原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子
| [1] | . |
| [2] | . 作为人类与自然界耦合的社会-生态系统是一种动态等级结构，需要以多尺度的视角进行分析。恢复力作为社会-生态系统的重要属性是指系统进入新状态前可以承受的干扰大小，由此可见系统所受到的干扰在恢复力的研究中至关重要，但由于社会-生态系统的复杂性，目前尚缺乏对干扰定量化研究的案例。选取社会-生态系统运行的驱动因子——干扰作为研究对象，将遥感技术中对植被覆被/变化敏感的NDVI指数作为干扰反馈变量，采用移动窗口运算法则，以一个行政单元(甘肃省榆中县)为研究对象，提出了社会-生态系统多尺度干扰的一种计算方法，从而为评价社会-生态系统恢复力、构建生态保护网络、增强生态系统对环境变化(土地覆被/变化、生境破碎化)的适应能力、探索可操作的社会-生态系统案例研究模式提供了技术支持。 作为人类与自然界耦合的社会-生态系统是一种动态等级结构，需要以多尺度的视角进行分析。恢复力作为社会-生态系统的重要属性是指系统进入新状态前可以承受的干扰大小，由此可见系统所受到的干扰在恢复力的研究中至关重要，但由于社会-生态系统的复杂性，目前尚缺乏对干扰定量化研究的案例。选取社会-生态系统运行的驱动因子——干扰作为研究对象，将遥感技术中对植被覆被/变化敏感的NDVI指数作为干扰反馈变量，采用移动窗口运算法则，以一个行政单元(甘肃省榆中县)为研究对象，提出了社会-生态系统多尺度干扰的一种计算方法，从而为评价社会-生态系统恢复力、构建生态保护网络、增强生态系统对环境变化(土地覆被/变化、生境破碎化)的适应能力、探索可操作的社会-生态系统案例研究模式提供了技术支持。 |
| [3] | |
| [4] | |
| [5] | Early studies suggested that simple ecosystems were less stable than complex ones, but later studies came to the opposite conclusion. Confusion arose because of the many different meanings of ‘complexity’ and ‘stability’. Most of the possible questions about the relationship between stability–complexity have not been asked. Those that have yield a variety of answers. |
| [6] | |
| [7] | Increasingly, the success of management interventions aimed at biodiversity conservation are viewed as being dependent on the ‘resilience’ of the system. Although the term ‘resilience’ is increasingly used by policy makers and environmental managers, the concept of ‘resilience’ remains vague, varied and difficult to quantify. Here we clarify what this concept means from an ecological perspective, and how it can be measured and applied to ecosystem management. We argue that thresholds of disturbance are central to measuring resilience. Thresholds are important because they offer a means to quantify how much disturbance an ecosystem can absorb before switching to another state, and so indicate whether intervention might be necessary to promote the recovery of the pre-disturbance state. We distinguish between helpful resilience, where resilience helps recovery, and unhelpful resilience where it does not, signalling the presence of a threshold and the need for intervention. Data to determine thresholds are not always available and so we consider the potential for indices of functional diversity to act as proxy measures of resilience. We also consider the contributions of connectivity and scale to resilience and how to incorporate these factors into management. We argue that linking thresholds to functional diversity indices may improve our ability to predict the resilience of ecosystems to future, potentially novel, disturbances according to their spatial and temporal scales of influence. Throughout, we provide guidance for the application of the resilience concept to ecosystem management. In doing so, we confirm its usefulness for improving biodiversity conservation in our rapidly changing world. |
| [8] | The concept of resilience has evolved considerably since Holling#8217;s (1973) seminal paper. Different interpretations of what is meant by resilience, however, cause confusion. Resilience of a system needs to be considered in terms of the attributes that govern the system#8217;s dynamics. Three related attributes of social#8211;ecological systems (SESs) determine their future trajectories: resilience, adaptability, and transformability. Resilience (the capacity of a system to absorb disturbance and reorganize while undergoing change so as to still retain essentially the same function, structure, identity, and feedbacks) has four components#8212;latitude, resistance, precariousness, and panarchy#8212;most readily portrayed using the metaphor of a stability landscape. Adaptability is the capacity of actors in the system to influence resilience (in a SES, essentially to manage it). There are four general ways in which this can be done, corresponding to the four aspects of resilience. Transformability is the capacity to create a fundamentally new system when ecological, economic, or social structures make the existing system untenable. The implications of this interpretation of SES dynamics for sustainability science include changing the focus from seeking optimal states and the determinants of maximum sustainable yield (the MSY paradigm), to resilience analysis, adaptive resource management, and adaptive governance. |
| [9] | |
| [10] | It has been suggested that tropical forest and savanna could represent alternative stable states, implying critical transitions at tipping points in response to altered climate or other drivers. So far, evidence for this idea has remained elusive, and integrated climate models assume smooth vegetation responses. We analyzed data on the distribution of tree cover in Africa, Australia, and South America to reveal strong evidence for the existence of three distinct attractors: forest, savanna, and a treeless state. Empirical reconstruction of the basins of attraction indicates that the resilience of the states varies in a universal way with precipitation. These results allow the identification of regions where forest or savanna may most easily tip into an alternative state, and they pave the way to a new generation of coupled climate models. |
| [11] | We review the evidence of regime shifts in terrestrial and aquatic environments in relation to resilience of complex adaptive ecosystems and the functional roles of biological diversity in this context. The evidence reveals that the likelihood of regime shifts may increase when humans reduce resilience by such actions as removing response diversity, removing whole functional groups of species, or removing whole trophic levels; impacting on ecosystems via emissions of waste and pollutants and climate change; and altering the magnitude, frequency, and duration of disturbance regimes. The combined and often synergistic effects of those pressures can make ecosystems more vulnerable to changes that previously could be absorbed. As a consequence, ecosystems may suddenly shift from desired to less desired states in their capacity to generate ecosystem services. Active adaptive management and governance of resilience will be required to sustain desired ecosystem states and transform degraded ecosystems into fundamentally new and more desirable configurations. |
| [12] | Summary Functional redundancy contributes to resilience if different species in the same functional group respond to disturbance in different ways (response diversity). If species in a functional group perform their functional role at different spatial scales (cross-scale redundancy), they are expected to respond differently to scale-specific disturbance. Consequently, variance in the spatial scales over which species perform their functional role may provide a proxy for resilience. Coral reefs are diverse systems that provide key ecosystem services and are subject to increasing anthropogenic disturbances. Algal grazing by herbivorous fish contributes to the maintenance of coral-dominated reefs. To date, there has been little evaluation of the traits driving response diversity among herbivorous fish and how this relates to coral recovery following acute disturbances. Using body size as a proxy for the spatial scale at which fish function, we tested whether cross-scale redundancy in herbivores was an effective indicator of response diversity and coral recovery on 21 reefs monitored through a climate-induced disturbance that caused coral bleaching and widespread coral mortality. When herbivorous fish assemblages that operated over a broader range of spatial scales were present on reefs prior to disturbance, the reefs were more likely to recover to coral-dominated states after the disturbance. After the temperature-induced disturbance, the loss of small herbivores was compensated for through increases in large herbivores. This was indicative of high response diversity and drove the overall increase in herbivore biomass at recovering sites. These compensatory mechanisms were not found at sites where herbivores operated over a narrower range of spatial scales. Synthesis and applications . Cross-scale redundancy provides managers with an indicator of coral reef resilience, although the contribution of cross-scale redundancy to resilience will vary among sites. Maintaining high cross-scale redundancy at a given site requires that no size classes of reef herbivores are disproportionately depleted by fishing. Balanced harvesting, where species are all fished in proportion to their potential production, would help achieve this. |
| [13] | In the vicinity of tipping points—or more precisely bifurcation points— ecosystems recover slowly from small perturbations. Such slowness may be interpreted as a sign of low resilience in the sense that the ecosystem could easily be tipped through a critical transition into a contrasting state. Indicators of this phenomenon of ‘critical slowing down (CSD)’ include a rise in temporal correlation and variance. Such indicators of CSD can provide an early warning signal of a nearby tipping point. Or, they may offer a possibility to rank reefs, lakes or other ecosystems according to their resilience. The fact that CSD may happen across a wide range of complex ecosystems close to tipping points implies a powerful generality. However, indicators of CSD are not manifested in all cases where regime shifts occur. This is because not all regime shifts are associated with tipping points. Here, we review the exploding literature about this issue to provide guidance on what to expect and what not to expect when it comes to the CSD-based early warning signals for critical transitions. |
| [14] | Approaches to natural resource management are often based on a presumed ability to predict probabilistic responses to management and external drivers such as climate. They also tend to assume that the manager is outside the system being managed. However, where the objectives include long-term sustainability, linked social-ecological systems (SESs) behave as complex adaptive systems, with the managers as integral components of the system. Moreover, uncertainties are large and it may be difficult to reduce them as fast as the system changes. Sustainability involves maintaining the functionality of a system when it is perturbed, or maintaining the elements needed to renew or reorganize if a large perturbation radically alters structure and function. The ability to do this is termed #8220;resilience.#8221; This paper presents an evolving approach to analyzing resilience in SESs, as a basis for managing resilience. We propose a framework with four steps, involving close involvement of SES stakeholders. It begins with a stakeholder-led development of a conceptual model of the system, including its historical profile (how it got to be what it is) and preliminary assessments of the drivers of the supply of key ecosystem goods and services. Step 2 deals with identifying the range of unpredictable and uncontrollable drivers, stakeholder visions for the future, and contrasting possible future policies, weaving these three factors into a limited set of future scenarios. Step 3 uses the outputs from steps 1 and 2 to explore the SES for resilience in an iterative way. It generally includes the development of simple models of the system#8217;s dynamics for exploring attributes that affect resilience. Step 4 is a stakeholder evaluation of the process and outcomes in terms of policy and management implications. This approach to resilience analysis is illustrated using two stylized examples. |
| [15] | ABSTRACT Ecosystems are complex and multivariate; hence, methods to assess the dynamics of ecosystems should have the capacity to evaluate multiple indicators simultaneously. Most research on identifying leading indicators of regime shifts has focused on univariate methods and simple models which have limited utility when evaluating real ecosystems, particularly because drivers are often unknown. We discuss some common univariate and multivariate approaches for detecting critical transitions in ecosystems and demonstrate their capabilities via case studies. Synthesis and applications. We illustrate the utility of an information theory-based index for assessing ecosystem dynamics. Trends in this index also provide a sentinel of both abrupt and gradual transitions in ecosystems. |
| [16] | . 青藏铁路运营十年来,为西藏经济社会发展带来了翻天覆地的变化。举办青藏铁路运营十周年系列活动意义十分重大,体现了中国铁路总公司、中国铁道学会对西藏铁路事业发展的关心关怀,体现了产、政、学各界总结提炼高原铁路建设成功经验的责任担当,体现了社会各界珍视青藏铁路建设运营成果、传承并发扬青藏铁路精神的真挚情怀。 青藏铁路运营十年来,为西藏经济社会发展带来了翻天覆地的变化。举办青藏铁路运营十周年系列活动意义十分重大,体现了中国铁路总公司、中国铁道学会对西藏铁路事业发展的关心关怀,体现了产、政、学各界总结提炼高原铁路建设成功经验的责任担当,体现了社会各界珍视青藏铁路建设运营成果、传承并发扬青藏铁路精神的真挚情怀。 |
| [17] | . 以多重风险评估方法为基础, 运用自然灾害风险研究的理论和风险评估模型, 结合青藏铁路沿线历史灾害数据、地图数据、气象数据以及实地调查数据等, 建立了滑坡、泥石流灾害历史致险性和潜在致险性的分析方法, 构建了以2014年青藏铁路沿线数据为基础的物理暴露、应灾能力和脆弱性分析指标体系. 通过对相关24项指标体系综合分析计算, 得出青藏铁路沿线滑坡、泥石流灾害综合风险图. 结果显示: 青藏铁路沿线滑坡、泥石流灾害高危险区有5个区段, 西格段西宁-湟源路段、关角山隧道附近以及格拉段的拉萨河谷路段滑坡、泥石流灾害风险最高; 当雄-羊八井、安多-那曲路段以及唐古拉山-温泉路段属于中等风险; 青藏铁路全线较低风险的路段有3段, 分别是青海湖盆地的海晏-天峻路段、柴达木盆地的锡铁山-南山口路段、青南高原的昆仑山口-清水河路段, 说明格拉段自然灾害风险大于西格段, 西格段滑坡和泥石流分布比较集中, 威胁路段较短, 而格拉段滑坡和泥石流分布较为分散, 威胁线路较长, 其风险高于西格段. 总体来看, 青藏铁路沿线滑坡、泥石流集中分布在山区路段, 高原面、盆地、宽谷路段线程长、区域广, 绝大多数路段基本没有滑坡、泥石流等灾害威胁. 从分析过程和结果来看, 笔者认为青藏铁路沿线滑坡、泥石流灾害的致险性与风险的分析结果能较好的吻合, 说明在青藏铁路沿线滑坡、泥石流风险评估的结果中, 致险性占主导因素. 从总体分布情况来看, 地势平坦的地方均处于低风险区, 说明沿线地形因素是滑坡、泥石流灾害的关键要素之一. 以多重风险评估方法为基础, 运用自然灾害风险研究的理论和风险评估模型, 结合青藏铁路沿线历史灾害数据、地图数据、气象数据以及实地调查数据等, 建立了滑坡、泥石流灾害历史致险性和潜在致险性的分析方法, 构建了以2014年青藏铁路沿线数据为基础的物理暴露、应灾能力和脆弱性分析指标体系. 通过对相关24项指标体系综合分析计算, 得出青藏铁路沿线滑坡、泥石流灾害综合风险图. 结果显示: 青藏铁路沿线滑坡、泥石流灾害高危险区有5个区段, 西格段西宁-湟源路段、关角山隧道附近以及格拉段的拉萨河谷路段滑坡、泥石流灾害风险最高; 当雄-羊八井、安多-那曲路段以及唐古拉山-温泉路段属于中等风险; 青藏铁路全线较低风险的路段有3段, 分别是青海湖盆地的海晏-天峻路段、柴达木盆地的锡铁山-南山口路段、青南高原的昆仑山口-清水河路段, 说明格拉段自然灾害风险大于西格段, 西格段滑坡和泥石流分布比较集中, 威胁路段较短, 而格拉段滑坡和泥石流分布较为分散, 威胁线路较长, 其风险高于西格段. 总体来看, 青藏铁路沿线滑坡、泥石流集中分布在山区路段, 高原面、盆地、宽谷路段线程长、区域广, 绝大多数路段基本没有滑坡、泥石流等灾害威胁. 从分析过程和结果来看, 笔者认为青藏铁路沿线滑坡、泥石流灾害的致险性与风险的分析结果能较好的吻合, 说明在青藏铁路沿线滑坡、泥石流风险评估的结果中, 致险性占主导因素. 从总体分布情况来看, 地势平坦的地方均处于低风险区, 说明沿线地形因素是滑坡、泥石流灾害的关键要素之一. |
| [18] | 61The vane-type and plank-type sand-retaining walls require improvement.61The sand-prevention function will weaken as sand deposition increases over years.61The Qinghai-Tibet Railway has not undergone service interruptions for sand damage.61The sand-damage–prevention measure should be combined to achieve greater efficacy. |
| [19] | . <p>青藏高原高寒荒漠区是以藏羚、藏野驴和野牦牛等为代表的濒危有蹄类野生动物全球的主要分布区域，然而该区域高速公路、铁路等基础设施建设所带来的人为干扰，往往对上述濒危有蹄类迁徙廊道产生干扰及阻隔效应.基于最小费用距离路径原理及其Linkage Mapper模型，本研究模拟识别了青藏高原高寒荒漠区藏羚种群的潜在廊道分布，并依据主要自然保护区(阿尔金、可可西里和羌塘)和廊道之间的关系，将潜在廊道划分为封闭廊道(保护区内部廊道)、连通廊道(保护区之间廊道)、开放廊道(保护区与其外部非保护区区域之间廊道)和外部廊道（保护区区域之外的廊道）4种类型，并比较了它们的空间分布特征及其受扰状况.结果表明：尽管青藏高原高寒荒漠区有蹄类生境及其廊道总体保护状况仍相对较好，但日益增强的人为干扰对连接主要保护区之间部分廊道生态功能的干扰和影响不容忽视；目前划片分区式保护区管理模式不利于对以藏羚羊为代表的濒危有蹄类迁徙廊道进行有效的整体性保护，未来需要建立基于生态完整性和廊道连通性，整合上述3大保护区,建立青藏高原高寒荒漠保护区网络体系，打破保护区间的行政边界割裂和管理体系分割，通过建立保护区之间信息、资源共享以及保护措施的统一协调机制，实现整个高寒荒漠区生态系统、高原珍稀濒危物种的统一保护管理，提升高寒荒漠保护区的整体保护效率.</p> <p>青藏高原高寒荒漠区是以藏羚、藏野驴和野牦牛等为代表的濒危有蹄类野生动物全球的主要分布区域，然而该区域高速公路、铁路等基础设施建设所带来的人为干扰，往往对上述濒危有蹄类迁徙廊道产生干扰及阻隔效应.基于最小费用距离路径原理及其Linkage Mapper模型，本研究模拟识别了青藏高原高寒荒漠区藏羚种群的潜在廊道分布，并依据主要自然保护区(阿尔金、可可西里和羌塘)和廊道之间的关系，将潜在廊道划分为封闭廊道(保护区内部廊道)、连通廊道(保护区之间廊道)、开放廊道(保护区与其外部非保护区区域之间廊道)和外部廊道（保护区区域之外的廊道）4种类型，并比较了它们的空间分布特征及其受扰状况.结果表明：尽管青藏高原高寒荒漠区有蹄类生境及其廊道总体保护状况仍相对较好，但日益增强的人为干扰对连接主要保护区之间部分廊道生态功能的干扰和影响不容忽视；目前划片分区式保护区管理模式不利于对以藏羚羊为代表的濒危有蹄类迁徙廊道进行有效的整体性保护，未来需要建立基于生态完整性和廊道连通性，整合上述3大保护区,建立青藏高原高寒荒漠保护区网络体系，打破保护区间的行政边界割裂和管理体系分割，通过建立保护区之间信息、资源共享以及保护措施的统一协调机制，实现整个高寒荒漠区生态系统、高原珍稀濒危物种的统一保护管理，提升高寒荒漠保护区的整体保护效率.</p> |
| [20] | . 气候变化对生态脆弱区以自然资源为生计基础的农户产生了严重影响,急需寻求有效的适应策略。以地处青藏高原东缘的甘南高原为研究区,基于1963-2013年气象数据分析甘南高原气候变化趋势,采用入户调查数据分析了气候变化对农户生计的影响及农户采取的适应策略,并利用多元线性回归模型和多项logistic回归模型分析了影响农户适应策略选择的因素。结果显示:1近50年甘南高原气温呈增加趋势,倾向率为0.23℃/10 a,降水呈减少趋势,倾向率为-5.21 mm/10a,63.45%的农户认为气候变化对其生计带来了严重影响;2甘南高原农户的适应策略多样化指数为2.65,农户的人力资本、自然资本、金融资本及其对气候变化的严重性感知、适应效能感知及自我效能感知与适应策略多样化程度呈显著正相关;3甘南高原65.30%的农户采取各种组合型策略应对气候变化,尤以采取扩张+调整型组合策略的农户为多,农户的人力资本是影响其适应策略选择的最显著因素,社会资本与气候变化风险感知的影响次之,金融资本及气候变化适应效能感知的影响最弱。最后,提出提高农户适应气候变化能力的对策建议。 气候变化对生态脆弱区以自然资源为生计基础的农户产生了严重影响,急需寻求有效的适应策略。以地处青藏高原东缘的甘南高原为研究区,基于1963-2013年气象数据分析甘南高原气候变化趋势,采用入户调查数据分析了气候变化对农户生计的影响及农户采取的适应策略,并利用多元线性回归模型和多项logistic回归模型分析了影响农户适应策略选择的因素。结果显示:1近50年甘南高原气温呈增加趋势,倾向率为0.23℃/10 a,降水呈减少趋势,倾向率为-5.21 mm/10a,63.45%的农户认为气候变化对其生计带来了严重影响;2甘南高原农户的适应策略多样化指数为2.65,农户的人力资本、自然资本、金融资本及其对气候变化的严重性感知、适应效能感知及自我效能感知与适应策略多样化程度呈显著正相关;3甘南高原65.30%的农户采取各种组合型策略应对气候变化,尤以采取扩张+调整型组合策略的农户为多,农户的人力资本是影响其适应策略选择的最显著因素,社会资本与气候变化风险感知的影响次之,金融资本及气候变化适应效能感知的影响最弱。最后,提出提高农户适应气候变化能力的对策建议。 |
| [21] | 中国科学院寒区旱区环境与工程研究所机构知识库(CASNW OpenIR)以发展机构知识能力和知识管理能力为目标，快速实现对本机构知识资产的收集、长期保存、合理传播利用，积极建设对知识内容进行捕获、转化、传播、利用和审计的能力，逐步建设包括知识内容分析、关系分析和能力审计在内的知识服务能力，开展综合知识管理。 |
| [22] | Large-scale engineering projects such as mines and dams cause ecological damage that can persist after construction is complete. The Qinghai Tibet Railway (QTR) from Golmud to Lhasa was constructed entirely during the Landsat era and began operating in 2006. Therefore, it presents an opportunity for determining both the extent of ecological damage and the time required for some level of natural restoration after a major construction project. We have studied the effect of the QTR construction on vegetation abundance measured using multi-endmember spectral mixture analysis (MESMA) of a time series of Landsat TM/ETM+ images (2001, 2007, 2010) covering the 231 km stretch of the railway from south of Kaixinling Station to north of Chumaerhe Station. We found that the effect of QTR construction on vegetation abundance was limited to within 5.0 km of the tracks, the largest decrease, 2.9%, occurring within 0.125 km of the tracks from 2001 to 2007. There was only 0.4% further decrease in vegetation abundance from 2007 to 2010. We attributed the decrease in vegetation abundance within 0.125 km of the tracks mostly to the accumulation of drifting sand resulting from the barrier of the railway and the measures adopted to keep the sand away from the railway under the prevailing west or northwest winds. It appears that in this sensitive cold desert, vegetation damage was limited to the period of railway construction. |
| [23] | . 为了研究大型工程建设对脆弱生态系统的影响，以青藏高原高寒草甸区铁路工程迹地植被为对象，分别在青藏铁路建设期（2005年8月）、运行期（2009年8月、2013年8月）对工程迹地进行了3次植被群落调查，样地大小10m×40m，在此基础上利用种间关联性分析的方法，通过对群落特征的方差比率（馏）检验χ2检验和Spearman秩相关系数检验，来探讨群落物种总体关联性和主要种种对间关联性。结果显示：（1）2005年群落平均盖度（35．21±4．41）％，群落内共有物种71种，2009年群落平均盖度（33．42±3．01）％，共有物种78种，2013年群落平均盖度（43．41±3．26）％，共有物种85种。（2）对群落物种总体关联性检验发现群落物种总体关联性均表现为显著正相关，关联程度排列为VR2005〉VR2009〉VR2013,群落趋向松散，抗干扰能力弱。（3）对群落主要物种种对间关联性检验发现成对物种间的正、负联结比例总体呈下降趋势，并且达到显著或极显著的种对数百分比也呈下降趋势，群落内物种间联结强度逐渐降低。（4）在高寒草甸区工程迹地植被恢复8a时间里，部分相同种对之间的关联程度发生变化，中生或者湿生植物减少，耐旱植物种类增加，表明铁路沿线由于生境小气候干旱化和土壤紧实度增加，群落组成发生适应性改变，群落处于从逆向演替向正向演替的过渡阶段，应尽量降低放牧等二次干扰，加速其自然恢复进程。研究旨为探索青藏铁路工程迹地植被恢复规律提供参考。 为了研究大型工程建设对脆弱生态系统的影响，以青藏高原高寒草甸区铁路工程迹地植被为对象，分别在青藏铁路建设期（2005年8月）、运行期（2009年8月、2013年8月）对工程迹地进行了3次植被群落调查，样地大小10m×40m，在此基础上利用种间关联性分析的方法，通过对群落特征的方差比率（馏）检验χ2检验和Spearman秩相关系数检验，来探讨群落物种总体关联性和主要种种对间关联性。结果显示：（1）2005年群落平均盖度（35．21±4．41）％，群落内共有物种71种，2009年群落平均盖度（33．42±3．01）％，共有物种78种，2013年群落平均盖度（43．41±3．26）％，共有物种85种。（2）对群落物种总体关联性检验发现群落物种总体关联性均表现为显著正相关，关联程度排列为VR2005〉VR2009〉VR2013,群落趋向松散，抗干扰能力弱。（3）对群落主要物种种对间关联性检验发现成对物种间的正、负联结比例总体呈下降趋势，并且达到显著或极显著的种对数百分比也呈下降趋势，群落内物种间联结强度逐渐降低。（4）在高寒草甸区工程迹地植被恢复8a时间里，部分相同种对之间的关联程度发生变化，中生或者湿生植物减少，耐旱植物种类增加，表明铁路沿线由于生境小气候干旱化和土壤紧实度增加，群落组成发生适应性改变，群落处于从逆向演替向正向演替的过渡阶段，应尽量降低放牧等二次干扰，加速其自然恢复进程。研究旨为探索青藏铁路工程迹地植被恢复规律提供参考。 |
| [24] | . 在明晰生态系统恢复力基本定义及其影响因子性质的基础上，基于地理信息系统（GIS）、均方差决策法和突变级数法，选择物种多样性、群落覆盖度以及群落生物量为指标对青藏铁路穿越区生态系统恢复力进行了定量评估.结果表明：研究区恢复力高值区位于祁连山草甸草原、湟水谷地的针叶林和落叶阔叶林以及唐古拉山以南的嵩草沼泽草甸，而最低值位于柴达木盆地中部和昆仑山山麓.研究区绝大部分区域的生态系统具有强或中等恢复力，整体趋势表现为：在高原面上（昆仑山以南），铁路以北区域的生态系统恢复力等级普遍较低，而在柴达木盆地以东尤其是青海湖地区，表现为铁路以南地区的恢复力等级普遍小于铁路以北地区.通过对生态系统恢复力的评价研究可以找出生态恢复建设的薄弱环节，并确定从哪些方面入手进行恢复更有效，进而可结合脆弱性评价为区域开发提供科学依据，以期避免或尽量减少人为扰动对环境造成的不利影响. 在明晰生态系统恢复力基本定义及其影响因子性质的基础上，基于地理信息系统（GIS）、均方差决策法和突变级数法，选择物种多样性、群落覆盖度以及群落生物量为指标对青藏铁路穿越区生态系统恢复力进行了定量评估.结果表明：研究区恢复力高值区位于祁连山草甸草原、湟水谷地的针叶林和落叶阔叶林以及唐古拉山以南的嵩草沼泽草甸，而最低值位于柴达木盆地中部和昆仑山山麓.研究区绝大部分区域的生态系统具有强或中等恢复力，整体趋势表现为：在高原面上（昆仑山以南），铁路以北区域的生态系统恢复力等级普遍较低，而在柴达木盆地以东尤其是青海湖地区，表现为铁路以南地区的恢复力等级普遍小于铁路以北地区.通过对生态系统恢复力的评价研究可以找出生态恢复建设的薄弱环节，并确定从哪些方面入手进行恢复更有效，进而可结合脆弱性评价为区域开发提供科学依据，以期避免或尽量减少人为扰动对环境造成的不利影响. |
| [25] | . 通过青藏公路格尔木至拉萨段改建完善工程的环境影响评价实践,凝练出以Landsat7 ETM+、Landsat5 TM、Geoeye等遥感影像为数据源,采用数据融合、GIS空间分析、光谱差值法和目视判读法等方法,对施工前后公路沿线土地利用变化信息进行提取,并构建干扰斑块数量、干扰强度和干扰幅度等评价大型线性工程施工期干扰强度的新指标和新思路.结果表明,研究区域内土地利用类型的变化主要是高寒草甸向裸地或建筑的转变,同时也提取出少量植被恢复斑块.变化斑块集中分布在公路两侧10~50m范围内,对区域干扰幅度较小.通过工程监理与实地考察数据的验证,该方法能准确提取评价区域土地利用变化斑块,提出的干扰指标能有效提高变化信息的分析精度. 通过青藏公路格尔木至拉萨段改建完善工程的环境影响评价实践,凝练出以Landsat7 ETM+、Landsat5 TM、Geoeye等遥感影像为数据源,采用数据融合、GIS空间分析、光谱差值法和目视判读法等方法,对施工前后公路沿线土地利用变化信息进行提取,并构建干扰斑块数量、干扰强度和干扰幅度等评价大型线性工程施工期干扰强度的新指标和新思路.结果表明,研究区域内土地利用类型的变化主要是高寒草甸向裸地或建筑的转变,同时也提取出少量植被恢复斑块.变化斑块集中分布在公路两侧10~50m范围内,对区域干扰幅度较小.通过工程监理与实地考察数据的验证,该方法能准确提取评价区域土地利用变化斑块,提出的干扰指标能有效提高变化信息的分析精度. |
| [26] | |
| [27] | . <p>针对已提出的各类云去除方法在实际应用中存在的局限性,将时空数据融合模型引入到云去除方法中。首先基于MODIS数据提供的时间维变化信息和辅助时相TM数据提供的空间信息,应用增强时空适应反射率融合模型(ESTARFM)得到了目标时相似TM合成数据;然后用TM合成数据替换掉目标时相TM影像中被云及其阴影覆盖区域的数据。在修复后的影像中替换区域与非云区域色调基本一致。通过非云区TM合成数据间接对替换云及其阴影区数据的精度进行定量评价。结果表明:相对于真实TM影像,非云区域合成数据各波段均值差异都在1%以内;各波段的相对误差分别为16.29%、12.92%、13.47%、12.87%、9.71%和11.84%,且各波段的相关系数均大于0.7;非云及其阴影区融合影像数据间接表明填补云及阴影区数据各波段的总体精度优于83%。因此,所提出的方法能够修复TM影像中被云及其阴影覆盖区域的数据,提高MODIS与TM数据的利用率。</br></p> <p>针对已提出的各类云去除方法在实际应用中存在的局限性,将时空数据融合模型引入到云去除方法中。首先基于MODIS数据提供的时间维变化信息和辅助时相TM数据提供的空间信息,应用增强时空适应反射率融合模型(ESTARFM)得到了目标时相似TM合成数据;然后用TM合成数据替换掉目标时相TM影像中被云及其阴影覆盖区域的数据。在修复后的影像中替换区域与非云区域色调基本一致。通过非云区TM合成数据间接对替换云及其阴影区数据的精度进行定量评价。结果表明:相对于真实TM影像,非云区域合成数据各波段均值差异都在1%以内;各波段的相对误差分别为16.29%、12.92%、13.47%、12.87%、9.71%和11.84%,且各波段的相关系数均大于0.7;非云及其阴影区融合影像数据间接表明填补云及阴影区数据各波段的总体精度优于83%。因此,所提出的方法能够修复TM影像中被云及其阴影覆盖区域的数据,提高MODIS与TM数据的利用率。</br></p> |
| [28] | A new method called Fmask (Function of mask) for cloud and cloud shadow detection in Landsat imagery is provided. Landsat Top of Atmosphere (TOA) reflectance and Brightness Temperature (BT) are used as inputs. Fmask first uses rules based on cloud physical properties to separate Potential Cloud Pixels (PCPs) and clear-sky pixels. Next, a normalized temperature probability, spectral variability probability, and brightness probability are combined to produce a probability mask for clouds over land and water separately. Then, the PCPs and the cloud probability mask are used together to derive the potential cloud layer. The darkening effect of the cloud shadows in the Near Infrared (NIR) Band is used to generate a potential shadow layer by applying the flood-fill transformation. Subsequently, 3D cloud objects are determined via segmentation of the potential cloud layer and assumption of a constant temperature lapse rate within each cloud object. The view angle of the satellite sensor and the illuminating angle are used to predict possible cloud shadow locations and select the one that has the maximum similarity with the potential cloud shadow mask. If the scene has snow, a snow mask is also produced. For a globally distributed set of reference data, the average Fmask overall cloud accuracy is as high as 96.4%. The goal is development of a cloud and cloud shadow detection algorithm suitable for routine usage with Landsat images. |
| [29] | The 16-day revisit cycle of Landsat has long limited its use for studying global biophysical processes, which evolve rapidly during the growing season. In cloudy areas of the Earth, the problem is compounded, and researchers are fortunate to get two to three clear images per year. At the same time, the coarse resolution of sensors such as the Advanced Very High Resolution Radiometer and Moderate Resolution Imaging Spectroradiometer (MODIS) limits the sensors' ability to quantify biophysical processes in heterogeneous landscapes. In this paper, the authors present a new spatial and temporal adaptive reflectance fusion model (STARFM) algorithm to blend Landsat and MODIS surface reflectance. Using this approach, high-frequency temporal information from MODIS and high-resolution spatial information from Landsat can be blended for applications that require high resolution in both time and space. The MODIS daily 500-m surface reflectance and the 16-day repeat cycle Landsat Enhanced Thematic Mapper Plus (ETM+) 30-m surface reflectance are used to produce a synthetic "daily" surface reflectance product at ETM+ spatial resolution. The authors present results both with simulated (model) data and actual Landsat/MODIS acquisitions. In general, the STARFM accurately predicts surface reflectance at an effective resolution close to that of the ETM+. However, the performance depends on the characteristic patch size of the landscape and degrades somewhat when used on extremely heterogeneous fine-grained landscapes. |
| [30] | . 根据2001-08和2002-08月野外调查数据及2001年1:100万中国植被图、1996年1:400万青藏高原植被区划图和2000年青藏铁路沿线自然保护区分布及功能区界调整图,以青藏公路铁路沿线植被生态系统为研究对象,运用ARCVIEW和ARC/INFO软件研究青藏公路铁路建设对沿线生态系统结构的影响,结论如下:①青藏公路铁路南北跨越9个纬度,东西跨越12个经度,共穿越青东祁连山地草原地带、柴达木山地荒漠地带、青南高寒草甸草原地带、羌塘高寒草原地带、果洛那曲高寒灌丛草甸地带和藏南山地灌丛草原地带6个自然区,对植被类型的统计结果显示了地带性.②青藏公路铁路的建设对生态系统产生直接的切割,使景观更加破碎.③青藏公路铁路的建设直接破坏沿线植被生态系统(主要为50 m缓冲区内),年损失总净初级生产量为30 504.62 t,损失总生物量432 919.25～1 436 104.3 t/a.损失总净初级生产量占1 km缓冲区年净初级生产量535 005.07～535 740.11t/a的百分比为5.70%,占10 km缓冲区年净初级生产量3 408 950.45～3 810 480.92 t/a的0.80～0.89%;损失生物量占1 km缓冲区生物总量7 502 971.85～25 488 342.71 t/a的5.70%,占10 km缓冲区总生物量43 615065.35～164 150 665.37 t/a的0.80%～0.89%. 根据2001-08和2002-08月野外调查数据及2001年1:100万中国植被图、1996年1:400万青藏高原植被区划图和2000年青藏铁路沿线自然保护区分布及功能区界调整图,以青藏公路铁路沿线植被生态系统为研究对象,运用ARCVIEW和ARC/INFO软件研究青藏公路铁路建设对沿线生态系统结构的影响,结论如下:①青藏公路铁路南北跨越9个纬度,东西跨越12个经度,共穿越青东祁连山地草原地带、柴达木山地荒漠地带、青南高寒草甸草原地带、羌塘高寒草原地带、果洛那曲高寒灌丛草甸地带和藏南山地灌丛草原地带6个自然区,对植被类型的统计结果显示了地带性.②青藏公路铁路的建设对生态系统产生直接的切割,使景观更加破碎.③青藏公路铁路的建设直接破坏沿线植被生态系统(主要为50 m缓冲区内),年损失总净初级生产量为30 504.62 t,损失总生物量432 919.25～1 436 104.3 t/a.损失总净初级生产量占1 km缓冲区年净初级生产量535 005.07～535 740.11t/a的百分比为5.70%,占10 km缓冲区年净初级生产量3 408 950.45～3 810 480.92 t/a的0.80～0.89%;损失生物量占1 km缓冲区生物总量7 502 971.85～25 488 342.71 t/a的5.70%,占10 km缓冲区总生物量43 615065.35～164 150 665.37 t/a的0.80%～0.89%. |
| [31] | . 基于MODIS-NDVI数据,辅以一元线性回归分析、Mann-Kendal检验、Hurst指数等方法,分析了2000~2014年黄土高原植被覆盖时空演变特征及其驱动因素.研究表明:近15年黄土高原NDVI呈显著增加趋势,增速为6.93%/10a(P<0.01);空间上,植被归一化指数,或归一化值被指数Normalized Difference Vegetation Index(NDVI)呈由东南向西北递减的分布格局,高值区主要分布在东南部的土石山区、河谷平原区;同时,500m以下和3500米左右的NDVI值最高;在趋势上,NDVI呈现增加和减小趋势的面积比重分别为88.24%和11.76%;Hurst指数表明研究区未来NDVI变化趋势呈持续性和反持续的比重分别为50.07%和49.93%,其中持续改善和由改善变为退化的面积分别占43.98%和44.28%;降水是影响NDVI变化的主要驱动因子,表现为NDVI随降水的增加而增加;人类活动也是影响NDVI的重要因素,且对NDVI有双重影响. 基于MODIS-NDVI数据,辅以一元线性回归分析、Mann-Kendal检验、Hurst指数等方法,分析了2000~2014年黄土高原植被覆盖时空演变特征及其驱动因素.研究表明:近15年黄土高原NDVI呈显著增加趋势,增速为6.93%/10a(P<0.01);空间上,植被归一化指数,或归一化值被指数Normalized Difference Vegetation Index(NDVI)呈由东南向西北递减的分布格局,高值区主要分布在东南部的土石山区、河谷平原区;同时,500m以下和3500米左右的NDVI值最高;在趋势上,NDVI呈现增加和减小趋势的面积比重分别为88.24%和11.76%;Hurst指数表明研究区未来NDVI变化趋势呈持续性和反持续的比重分别为50.07%和49.93%,其中持续改善和由改善变为退化的面积分别占43.98%和44.28%;降水是影响NDVI变化的主要驱动因子,表现为NDVI随降水的增加而增加;人类活动也是影响NDVI的重要因素,且对NDVI有双重影响. |
| [32] | Vegetation plays an important role in regulating the climate system and terrestrial carbon cycle. In recent decades, numerous studies have focused on monitoring vegetation greenness changes at different scales with long-term remote-sensing data. Most previous studies adopted a monotonic linear regression approach (one-piece linear regression) to detect vegetation greenness trends at global and regional scales. However, the monotonic linear regression approach is limited in its ability to detect abrupt changes in vegetation greenness trends because non-monotonic phenomena may exist in these trends. This study applied a piecewise linear regression (PLR) method to detect the non-monotonic trends of vegetation greenness in the Tibetan Plateau from 1982 to 2006. The vegetation greenness was indicated by the normalized difference vegetation index (NDVI) data derived from Global Inventory Modelling and Mapping Studies (GIMMS) Advanced Very High Resolution Radiometer (AVHRR) data. The results implied that the PLR method could detect an abrupt change in the trend with a break point (i.e. the year when the vegetation greenness trend changed abruptly) mainly concentrated in 1989. We chose three typical regions to compare the PLR and monotonic linear regression approach for vegetation trend detection to verify the effectiveness of the PLR method. The PLR method can detect different trends during different periods, but the one-piece linear regression method can only detect monotonic trends. After comparing the results of the two methods for three climatic zones, we found that the greenness trend detected by PLR can be better explained by temperature and precipitation variations. Our results illustrate that the PLR method is superior to the one-piece linear regression method due to its ability to detect non-monotonic trends. It can, therefore, delineate vegetation greenness trends in detail and be applied to other, similar studies. |
| [33] | . |
| [34] | ABSTRACT A common problem of existing methods for regime shift detection is their poor performance at the ends of time-series. Consequently, shifts in environmental and biological indices are usually detected long after their actual appearance. A recently introduced method based on sequential t-test analysis of regime shifts (STARS) treats all incoming data in real time, signals the possibility of a regime shift as soon as possible, then monitors how perception of the magnitude of the shift changes over time. Results of a STARS application to the eastern Bering Sea ecosystem show how the 1989 and 1998 regime shifts manifest themselves in biotic and abiotic indices in comparison with the 1977 shift. 2005 Published by Elsevier Ltd on behalf of International Council for the Exploration of the Sea. |
| [35] | . 原生植被优势种及生物多样性的空间分布特征对于青藏铁路沿线植被恢复和重建具有重要的理论指导意义。在对青藏铁路沿线1142 km设置27个样带、248个样地、2242个样方进行系统调查的基础上,系统研究了青藏铁路沿线植物群落优势种组成及生物多样性空间分布规律。在铁路沿线样方中共出现种子植物305个种与变种,22个灌木种,283个草本种和亚种,分别隶属于40科、134属;优势种种类相对较少,共40种,灌木4种;物种丰富度（S）沿铁路呈南多北少趋势,在高平原地段丰富度相对较高,且随海拔的升降而升降;α多样性指数也呈南多北少趋势,其值的变化主要受到水热条件的影响,而与海拔变化并没有必然的联系;以相邻样带之间的β多样性指数值为依据,将铁路沿线分为6个不同生境区段。 原生植被优势种及生物多样性的空间分布特征对于青藏铁路沿线植被恢复和重建具有重要的理论指导意义。在对青藏铁路沿线1142 km设置27个样带、248个样地、2242个样方进行系统调查的基础上,系统研究了青藏铁路沿线植物群落优势种组成及生物多样性空间分布规律。在铁路沿线样方中共出现种子植物305个种与变种,22个灌木种,283个草本种和亚种,分别隶属于40科、134属;优势种种类相对较少,共40种,灌木4种;物种丰富度（S）沿铁路呈南多北少趋势,在高平原地段丰富度相对较高,且随海拔的升降而升降;α多样性指数也呈南多北少趋势,其值的变化主要受到水热条件的影响,而与海拔变化并没有必然的联系;以相邻样带之间的β多样性指数值为依据,将铁路沿线分为6个不同生境区段。 |
| [36] | |
| [37] | . 在青藏公路与铁路沿途区域，利用1981年至2001年的8km分辨率Pathfinder NOAA/NDVI数据，基于每个象元变化的年植被峰值计算进行了像元水平的线性趋势分析，并运用地理信息系统(GIS)软件研究了区域植被覆盖的空间分布和动态变化特征。主要结论: ①在研究区内, 反映植被覆盖的NDVI值在空间上呈现出两端高中间低的态势，依次是农作区和森林区>高寒草甸>高寒草原>荒漠草原; ②20年间，研究区植被覆盖程度变化总体趋于稳定，覆盖程度呈减少趋势的区域明显高于增加的区域，植被覆盖程度增减因区域而异；植被覆盖程度增加和显著减少地区主要分布在农作区和高寒草甸区，轻微减少地区主要分布在高寒草原和荒漠草原区; ③植被覆盖变化程度在拉萨河谷地、湟水谷地和黄河流域等人类活动比较频繁的区域增减趋势比较明显；而在可可西里地区等人类活动比较少的区域变化轻微。 在青藏公路与铁路沿途区域，利用1981年至2001年的8km分辨率Pathfinder NOAA/NDVI数据，基于每个象元变化的年植被峰值计算进行了像元水平的线性趋势分析，并运用地理信息系统(GIS)软件研究了区域植被覆盖的空间分布和动态变化特征。主要结论: ①在研究区内, 反映植被覆盖的NDVI值在空间上呈现出两端高中间低的态势，依次是农作区和森林区>高寒草甸>高寒草原>荒漠草原; ②20年间，研究区植被覆盖程度变化总体趋于稳定，覆盖程度呈减少趋势的区域明显高于增加的区域，植被覆盖程度增减因区域而异；植被覆盖程度增加和显著减少地区主要分布在农作区和高寒草甸区，轻微减少地区主要分布在高寒草原和荒漠草原区; ③植被覆盖变化程度在拉萨河谷地、湟水谷地和黄河流域等人类活动比较频繁的区域增减趋势比较明显；而在可可西里地区等人类活动比较少的区域变化轻微。 |
| [38] | . 利用2000-2012年的MODIS 增强植被指数（Enhanced Vegetation Index，EVI）数据，结合研究区3个气象台站长期的气象数据，分析了青藏公路沿线植被变化总体趋势，以及不同整修措施对周边植被覆盖带来的不同影响.通过实地考察，选取了16个受工程活动影响的典型路边样方，3个铁路边样方和8个远离公路铁路的自然样方，对比路边和自然样方，分析植被的自我恢复能力以及4个主要影响因子.结果表明：青藏公路沿线植被覆盖变化是在整个气候变化的背景下，叠加了工程活动的影响.植被的恢复能力与其所在路段的地形、植被覆盖度、气候条件、以及工程活动的强度均有关系，抑制植被生长的因素越多，植被恢复越慢. 利用2000-2012年的MODIS 增强植被指数（Enhanced Vegetation Index，EVI）数据，结合研究区3个气象台站长期的气象数据，分析了青藏公路沿线植被变化总体趋势，以及不同整修措施对周边植被覆盖带来的不同影响.通过实地考察，选取了16个受工程活动影响的典型路边样方，3个铁路边样方和8个远离公路铁路的自然样方，对比路边和自然样方，分析植被的自我恢复能力以及4个主要影响因子.结果表明：青藏公路沿线植被覆盖变化是在整个气候变化的背景下，叠加了工程活动的影响.植被的恢复能力与其所在路段的地形、植被覆盖度、气候条件、以及工程活动的强度均有关系，抑制植被生长的因素越多，植被恢复越慢. |
| [39] | . 本文回顾了21世纪青藏高原区域多种气候和环境要素变化预估研究的进展，包括气温、降水、极端天气气候事件、冻土、积雪、冰川、径流和植被等，预估结果主要来自于SRES和RCP情景下气候模式的预估以及物理统计模型的预估．结果表明，未来青藏高原地面气温将升高，21世纪后期增温更显著．总体来说21世纪高原降水以增加为主，极端天气气候事件增加．高原未来冻土面积缩小，冻土活动层厚度增加，积雪日数和积雪深度减少，冰川将以退缩为主．径流的未来变化较复杂，不同流域之间的差异较大，径流在不同流域表现为增加和减少并存．青藏高原植被对气候变化的响应敏感而脆弱，21世纪中后期青藏高原的生长季长度增加，常绿林，森林出现在高原东部和南部，灌丛植被类型将会扩展并入侵高寒草原．根据已有的研究结果，本文对这些气候与环境要素在21世纪中期（2030—2050年）和后期（2080～2100年）的变化进行了综合集成，给出了它们在21世纪中期和后期的可能变化范围． 本文回顾了21世纪青藏高原区域多种气候和环境要素变化预估研究的进展，包括气温、降水、极端天气气候事件、冻土、积雪、冰川、径流和植被等，预估结果主要来自于SRES和RCP情景下气候模式的预估以及物理统计模型的预估．结果表明，未来青藏高原地面气温将升高，21世纪后期增温更显著．总体来说21世纪高原降水以增加为主，极端天气气候事件增加．高原未来冻土面积缩小，冻土活动层厚度增加，积雪日数和积雪深度减少，冰川将以退缩为主．径流的未来变化较复杂，不同流域之间的差异较大，径流在不同流域表现为增加和减少并存．青藏高原植被对气候变化的响应敏感而脆弱，21世纪中后期青藏高原的生长季长度增加，常绿林，森林出现在高原东部和南部，灌丛植被类型将会扩展并入侵高寒草原．根据已有的研究结果，本文对这些气候与环境要素在21世纪中期（2030—2050年）和后期（2080～2100年）的变化进行了综合集成，给出了它们在21世纪中期和后期的可能变化范围． |
| [40] | . |
| [41] | . 导致青藏高原草地退化的因子很多,主要有气候、野生动物和人类活动等。在气候因素中以气温和降水的影响为主,短期内气候的变化不会成为草地退化的主导因素,从长期来看,气候变化与草地退化之间的相互作用可引起草地生态系统的退化;野生动物因素中主要以植食性小哺乳动物的影响为主,其危害程度取决于其种群数量的高低,同时大型野生草食动物对草地退化的影响也不容忽视;人类活动因素中主要以家畜过度放牧为主,在一定程度上,家畜放牧强度的高低直接决定草地的退化程度;草地退化是多种因素综合作用的结果。不同地区导致草地退化的主要因素不尽相同,导致青藏高原草地退化最主要的因子是过度放牧和植食性小哺乳动物种群爆发。针对退化的原因,提出了青藏高原退化草地恢复与管理过程中应注意的事项。 导致青藏高原草地退化的因子很多,主要有气候、野生动物和人类活动等。在气候因素中以气温和降水的影响为主,短期内气候的变化不会成为草地退化的主导因素,从长期来看,气候变化与草地退化之间的相互作用可引起草地生态系统的退化;野生动物因素中主要以植食性小哺乳动物的影响为主,其危害程度取决于其种群数量的高低,同时大型野生草食动物对草地退化的影响也不容忽视;人类活动因素中主要以家畜过度放牧为主,在一定程度上,家畜放牧强度的高低直接决定草地的退化程度;草地退化是多种因素综合作用的结果。不同地区导致草地退化的主要因素不尽相同,导致青藏高原草地退化最主要的因子是过度放牧和植食性小哺乳动物种群爆发。针对退化的原因,提出了青藏高原退化草地恢复与管理过程中应注意的事项。 |
| [42] | . 西藏草地退化造成了生态环境恶化及草地畜牧业生产能力下降.草地资源的公共品特性导致的市场失灵,政府防止草地退化的投入不足,传统观念决定的农牧民行为乏力及粗放经营决定的畜牧业结构不合理是西藏草地退化的主要原因. 西藏草地退化造成了生态环境恶化及草地畜牧业生产能力下降.草地资源的公共品特性导致的市场失灵,政府防止草地退化的投入不足,传统观念决定的农牧民行为乏力及粗放经营决定的畜牧业结构不合理是西藏草地退化的主要原因. |
| [43] | . 在分析青藏高原高寒生态系统形成机制的基础上，构筑了3个层次、10个指标的脆弱性评价指标体系，系统评估了青藏高原生态脆弱性及其区域差异。研究结果表明：青藏高原中、重度以上脆弱区的面积较大，占区域总面积的74．79％。微度、轻度脆弱区主要分布在雅鲁藏布江大拐弯处、藏东南海拔3000m以下的山地、祁连山南坡的西北段和昆仑山北坡、塔里木盆地南缘地带。重度和极度脆弱区集中分布的趋势明显，占全区面积的49．46％，主要分布在黄河源区、柴达木盆地和阿里高原往东32。N附近的带状区域（78。E～92。E）。研究结果有助于全面掌握青藏高原生态系统的脆弱程度及其空间分异特征，对识别高寒区关键脆弱环境因子、提高生态环境治理的针对性有重要意义。 在分析青藏高原高寒生态系统形成机制的基础上，构筑了3个层次、10个指标的脆弱性评价指标体系，系统评估了青藏高原生态脆弱性及其区域差异。研究结果表明：青藏高原中、重度以上脆弱区的面积较大，占区域总面积的74．79％。微度、轻度脆弱区主要分布在雅鲁藏布江大拐弯处、藏东南海拔3000m以下的山地、祁连山南坡的西北段和昆仑山北坡、塔里木盆地南缘地带。重度和极度脆弱区集中分布的趋势明显，占全区面积的49．46％，主要分布在黄河源区、柴达木盆地和阿里高原往东32。N附近的带状区域（78。E～92。E）。研究结果有助于全面掌握青藏高原生态系统的脆弱程度及其空间分异特征，对识别高寒区关键脆弱环境因子、提高生态环境治理的针对性有重要意义。 |
| [44] | . <p>基于生态系统结构、功能、生境的脆弱性评价指标体系,以MODIS为基础数据源,评估了西藏高原自然生态系统的脆弱性,并揭示其空间异质性特征。结果表明：<i>① </i>分别基于气候、结构以及功能指标的西藏高原生态系统脆弱性程度空间分布呈现出相似规律,整体为从东南向西北脆弱性程度逐渐加剧的趋势;而基于地形指标的生态脆弱性则呈现相反的分布格局,说明了相对地形而言,气候因子对于西藏高原生态系统宏观分布状况更为重要;<i>② </i>综合生态系统结构、功能及气候和地形生境特征对脆弱性的影响,全区呈现从东南向西北综合脆弱性水平逐渐升高的趋势,在评估区范围内综合脆弱性等级为中等及以上的地区共占74%,整体脆弱性程度较大,其中综合脆弱性等级为很高水平的地区占了45.8%。明晰西藏高原自然生态系统的脆弱性程度及其空间分布特征,可为典型脆弱生态系统的监测和综合评估提供科学依据,进而有利于青藏地区生态环境治理工作的顺利进行。</p> <p>基于生态系统结构、功能、生境的脆弱性评价指标体系,以MODIS为基础数据源,评估了西藏高原自然生态系统的脆弱性,并揭示其空间异质性特征。结果表明：<i>① </i>分别基于气候、结构以及功能指标的西藏高原生态系统脆弱性程度空间分布呈现出相似规律,整体为从东南向西北脆弱性程度逐渐加剧的趋势;而基于地形指标的生态脆弱性则呈现相反的分布格局,说明了相对地形而言,气候因子对于西藏高原生态系统宏观分布状况更为重要;<i>② </i>综合生态系统结构、功能及气候和地形生境特征对脆弱性的影响,全区呈现从东南向西北综合脆弱性水平逐渐升高的趋势,在评估区范围内综合脆弱性等级为中等及以上的地区共占74%,整体脆弱性程度较大,其中综合脆弱性等级为很高水平的地区占了45.8%。明晰西藏高原自然生态系统的脆弱性程度及其空间分布特征,可为典型脆弱生态系统的监测和综合评估提供科学依据,进而有利于青藏地区生态环境治理工作的顺利进行。</p> |
| [45] | . |
| [46] | . 作为世界第三极的青藏高原,其巨大的块体产生了显著的夏季增温作用,对亚洲乃至全球气候都具有重大影响。但由于高原自然条件严酷,山区气象观测台站很少,气象资料极度匮乏;如果依靠台站数据进行空间插值获得高原气温的空间分布数据,会由于插值点过少而产生较大误差并可能掩盖一些空间信息,因而难以全面反映高原气温的空间分布规律。利用基于MODIS地表温度数据估算的青藏高原气温数据,详细分析各月气温及重要等温线的空间分布格局,并结合林线和雪线数据,初步探讨了高原气温空间分布格局对高原地理生态格局的重要影响。研究表明:1等温线的海拔高度自高原东北部、东部边缘向内部逐渐升高,等温线在高原内部比东部边缘高500~2000 m,表明相同海拔高度上气温自边缘向高原内部逐渐升高。2高原西北部的羌塘高原、可可西里为高原的寒冷区,全年有7个月的气温低于0℃,3~4个月的气温低于-10℃;青藏高原南部(喜马拉雅山北坡—冈底斯山南坡)和中部(冈底斯山北坡—唐古拉山南坡)是高原的温暖区,全年有5个月的气温能达到5~10℃,有3个月的气温能超过10℃,尤其是拉萨—林芝—左贡一带在3500~4000 m以下的地区最冷月均温也能高于0℃。3北半球最高雪线和林线分别分布于高原的西南部和东南部,表明高原气温空间分布特征对本地的地理生态格局具有重要影响。 作为世界第三极的青藏高原,其巨大的块体产生了显著的夏季增温作用,对亚洲乃至全球气候都具有重大影响。但由于高原自然条件严酷,山区气象观测台站很少,气象资料极度匮乏;如果依靠台站数据进行空间插值获得高原气温的空间分布数据,会由于插值点过少而产生较大误差并可能掩盖一些空间信息,因而难以全面反映高原气温的空间分布规律。利用基于MODIS地表温度数据估算的青藏高原气温数据,详细分析各月气温及重要等温线的空间分布格局,并结合林线和雪线数据,初步探讨了高原气温空间分布格局对高原地理生态格局的重要影响。研究表明:1等温线的海拔高度自高原东北部、东部边缘向内部逐渐升高,等温线在高原内部比东部边缘高500~2000 m,表明相同海拔高度上气温自边缘向高原内部逐渐升高。2高原西北部的羌塘高原、可可西里为高原的寒冷区,全年有7个月的气温低于0℃,3~4个月的气温低于-10℃;青藏高原南部(喜马拉雅山北坡—冈底斯山南坡)和中部(冈底斯山北坡—唐古拉山南坡)是高原的温暖区,全年有5个月的气温能达到5~10℃,有3个月的气温能超过10℃,尤其是拉萨—林芝—左贡一带在3500~4000 m以下的地区最冷月均温也能高于0℃。3北半球最高雪线和林线分别分布于高原的西南部和东南部,表明高原气温空间分布特征对本地的地理生态格局具有重要影响。 |
