, 彭建Ecological risk assessment of landslide disasters in mountainous areas of Southwest China: A case study in Dali Bai Autonomous Prefecture
DUYueyue, PENGJian通讯作者:
收稿日期:2016-01-7
修回日期:2016-04-15
网络出版日期:2016-11-25
版权声明:2016《地理学报》编辑部本文是开放获取期刊文献，在以下情况下可以自由使用：学术研究、学术交流、科研教学等，但不允许用于商业目的.
基金资助:
作者简介:
-->
展开
摘要
关键词：
Abstract
Keywords：
-->0
PDF (8119KB)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
生态风险是生态系统暴露在某种危险环境状态下的可能性,其中区域生态风险评价关注一定区域内不确定性事故或灾害对生态系统及其组分可能产生的不利作用[1-3],包括风险源（stressors）、风险受体（receptors）、暴露响应过程（exposure and response process）、生态终点（ecological end points）等评价要素[4]。随着生态与环境信息逐渐为决策者重视,生态风险评价中的风险受体由关键物种、种群、群落等自然生态系统组分逐渐拓展到区域社会—经济—自然复合生态系统范畴。风险源也相应地趋于复杂和多元化[5-7],但从风险因子释放胁迫的作用机理看大致可分为自然因素主导或人为活动主导等不同类型。目前,由于人类活动与自然环境关联程度不断加深,人为因素替代自然因素主导环境变化和区域发展日趋成为客观事实[8-9],人类活动直接或主要诱发的生态风险类型往往备受关注,如矿业城市土地损毁[10]、海洋倾倒区沉积物富集[11]、湿地旅游开发[12]、渔业资源管理[13]等。相比之下,传统的自然灾害研究更侧重聚焦人员生命财产的损失风险[14-16],而对生态环境风险关注相对较少。当前全球环境变化下地震、滑坡、泥石流等地质灾害以及低温、雨雪、冰冻等极端天气事件频繁出现,使承灾区域生态系统的结构、功能、安全与健康受到严重损害,极大影响社会经济、生态文明、人类福祉赖以发展的自然根基[17]。作为生态风险评价的一个重要分支,自然灾害生态风险将风险源明确为自然事件或力量为主因并造成损失的各种灾害,以各类自然生态系统为风险受体,并同时关注灾害对人类社会的影响。开展自然灾害生态风险评价,既丰富了偏重人为风险源研究的生态风险评价体系,又拓展了特定灾害易发区特征梳理、生态风险管理调控的新途径。区域生态风险评价是研究较大范围区域中若干不确定性因素胁迫生态系统从而产生负面生态效应的可能性及其大小的过程[18]。作为生态风险评价的组成部分,区域生态风险评价延续了前者的原理和框架,较为经典的是“概率—损失”二维模型[19],其重点关注生态风险事件发生的概率及其可能造成的后果,分别对应风险源的危险性以及风险受体遭受灾害冲击时的潜在损失;但从风险因果链模型视角分析[20],缺乏风险从源到受体暴露响应过程的显性表征。事实上,风险受体暴露于风险源并引发直接响应的“交界环节”在风险因果链模型中至关重要,其背后隐含了区域生态系统格局与过程的互馈、生态系统功能的变化,以及物质流、能量流、信息流在局部受灾区与其背景环境之间的交换状态[4]。暴露响应过程体现了风险受体遭受风险源影响时是否发生损失的敏感性大小,可由区域生态系统的脆弱性来表征。然而,现有的区域生态风险研究对脆弱性和暴露虽有一定表述但尚未给予高度关注,多把脆弱性作为损失的修正因子[21-22],对于脆弱性及暴露响应环节揭示区域生态系统结构与功能互作、格局与过程互馈的重要性有所忽略。
中国西南山地的地质构造活动强烈、地形地貌复杂、气候条件多变,是滑坡等地质灾害的密集高发区域。同时,为缓解快速城市化中的人地矛盾困境,中国山地城镇建设开发活动日益频繁[23-24],更易导致山地地质环境容量超载,加剧地质灾害的发生。云南省大理白族自治州（简称大理州）作为地质灾害频发的典型西南山区,其本身还是生物多样性热点区、生态环境敏感区[25-26]、低丘缓坡建设开发试点区[27]。因此,对大理州地质灾害生态风险的定量评估,对于区域可持续发展尤为重要。基于此,本文以大理州为例,关注风险源、风险受体、暴露响应过程及生态终点,基于“危险性—脆弱性—潜在损失”的生态风险评价三维框架综合度量流域尺度滑坡灾害生态风险,试图通过强调暴露响应过程将区域生态系统结构与功能、格局与过程的关联信息融入到风险评价流程中,从而增强对区域生态风险机理的认知。
2 研究区概况与数据来源
2.1 研究区概况
大理州位于云南省中部偏西、云贵高原与横断山脉的结合部位,全州国土总面积29459 km2,山区面积占90%以上（图1）。全州地势西北高、东南低,地形地貌复杂多样,境内金沙江、澜沧江、怒江、红河等江河及其主干支流沿岸地形尤其陡峻。大面积分布的“红层”软硬间层,导致山体易滑;新构造运动差异性强烈抬升,水流侵蚀强烈;立体气候明显,旱、雨季分明,西北部降雨量大于东南部,雨量随着海拔的增高而增加,形成三崇山、雪邦山、点苍山、鸡足山、无量山、老君山和吊草后山等7个多雨区,降雨量在2400~2500 mm之间。降雨集中且局地差异大,年平均降雨量1053 mm,云龙最多,宾川、祥云两县最少。降雨量大的地区是州内地质灾害最密集地区。
显示原图|下载原图ZIP|生成PPT图1研究区范围及地质灾害点分布
-->Fig. 1The study area and its geological disasters point distribution
-->
大理州属金沙江准地台与三江褶皱区,从前寒武纪至第四纪各时代地层均有出露,以中生界最为发育。大理州主要控制性断裂有：崇山西侧大断裂、澜沧江大断裂、洱海—红河深大断裂、宾川—程海大断裂。这四大断裂带对周围的地形地貌,地层岩性等起控制作用,次一级的断裂全州分部广泛。大理州地震频繁,州内500年间共发生6级以上强震16次,近年来4~6.5级中强度地震活动频繁,因此引发的次生地质灾害也较为严重。据县市规划资料汇总,2010年该州登记在册的地质灾害隐患点总数为779个,其中滑坡512个、泥石流211条、崩塌6个、不稳定斜坡37个、地面塌陷与地裂缝13处（图1）。地质灾害隐患点分布南涧县最多,其次是巍山县、云龙县、永平县、漾濞县,大理市、祥云县、宾川县、弥渡县、洱源县、剑川县及鹤庆县的隐患点数量相对较少。因滑坡点在全州数量最多且分布最为广泛,本文重点关注滑坡灾害。
2.2 数据来源
本文使用数据主要包括土地利用、地质灾害、地震、归一化植被指数（NDVI）、地形、降水、社会经济统计数据等多个数据集。其中,大理州土地利用数据为2010年30 m栅格分辨率的Landsat遥感图像解译结果,影像源自国际科学数据服务平台;DEM数字高程数据为30 m分辨率的栅格,来自中国科学院计算机网络信息中心（地理空间数据云）的GDEM数据集,并由此生成坡度数据;地质灾害类型和断裂带位置矢量化自大理州地质灾害防治相关图件;地震位置取自历史震害资料中1500年以来5级以上地震;NDVI数据源自地理空间数据云平台的MOD13Q1数据集,预处理过程中对2010全年的NDVI产品求年平均;MOD12Q1LUCC_IGBP植被类型数据用于NPP反演、土壤保持、粮食供给的空间化;降水数据源自中国气象科学数据共享网的中国地面累年值日值数据（1981-2010年累年20-20时日降水量）,多年平均后按薄板样条函数插值方法插值得到;岩性数据来自1:250万中国地质图矢量文件;2010年大理州粮食生产统计数据来自于大理州及各县市2011年统计年鉴。流域单元的评价结果则取其境内所有栅格的平均值（全州共计划分出367个小流域）。3 研究方法
生态风险是一定区域内具有不确定性的事故或灾害对生态系统及其组分可能产生的不利影响[4],本文基于风险因果链模型[20],识别风险受体、暴露—响应过程及生态终点,构建“风险（Risk）=危险性（Hazard）×脆弱性（Vulnerability）×损失（Damage）”的生态风险评价三维框架,继而选用典型指标对模型具体化。其中,“危险性”聚焦滑坡灾害发生的概率,基于地理、地质及人为活动等各种因素及其相互组合关系,通过信息量模型完成评价;脆弱性关注自身结构组成等生态学特性所形成对灾害胁迫表现出的易损性质及其敏感性,是风险受体暴露于风险源作用下的直接响应,本文基于生态系统格局来表征;损失是风险因果链模型中的“生态终点”,即灾害产生的不利生态效应,基于多类型生态系统服务定量核算完成评价。3.1 滑坡灾害危险性加权信息量模型
信息量法最早应用于矿产预测领域,随着GIS技术在多学科领域的广泛推广,逐渐应用到地质灾害危险性评价中[28-29],并成为滑坡危险性评价的重要方法之一,其优势是可以综合研究对滑坡灾害发生贡献率最大的“最佳要素组合”,而非停留在单个因素上。信息量法的主要思路是参照滑坡灾害点的现实情况和信息,把反映各种影响区域稳定性因素的实测值转化为信息量值,通过计算各影响因素对研究对象所提供的信息量大小来评价两者之间关系的密切程度,即某因素对当地滑坡发生的贡献大小[28-29]。信息量法本质上属于统计分析方法,不同因素组合下的信息量计算公式为：式中：P(y, X1 X2 X3 …Xn)为灾害因素X1 X2 X3 …Xn 组合条件下灾害现象y发生的概率。
对于影响因素较多的情况,由于因素间组合情况特别多,而样本统计数量有限,通常采用简化办法,对每个单因素的信息量单独计算,继而叠加汇总分析。首先,单独计算各评价因子类别Xi对滑坡灾害发生y提供的信息量Ii(Xi, y)：
式中：P(Xi, y)为滑坡灾害发生y条件下出现某评价因子类别Xi的概率;P(Xi)为研究区内出现某评价因子类别Xi的概率。
公式（2）是信息量法的理论模型,在实际计算过程中,一般采用公式（3）进行信息量计算：
式中：Ni为分布在某特定评价因子类别Xi内的滑坡灾害单元的面积;N为整个研究区内滑坡灾害分布单元的总面积;Si为研究区内含有某评价因子类别Xi的单元面积;S为整个研究区域单元总面积。信息量I可正可负,较大的数值代表某评价因子在该类别下更易引发地质灾害。
其次,计算单个评价单元内的总信息量。一般来说,每个评价单元的影响因素都是多项因素综合的结果,各种因素存在若干状态。对单元各因素的信息量求和,即可确定该单元的总信息量。然而,为避免信息量直接相加时正负数值抵消而可能造成的不确定性,本文将各因素信息量图层极差标准化至[0, 1]后加权叠置得到综合信息量,权重依据AHP法确定。最后根据综合信息量值越大滑坡越易发生的原理,对各个评价单元的综合信息量进行范围划分,最终得到滑坡的危险性区划。
3.2 滑坡灾害危险性评价指标体系
基于大理州滑坡形成规律及其空间分布特征,从地理环境因素、地质构造因素、人类活动因素三个维度,分别选取高程（a）、坡度（b）、岩性（c）、归一化植被指数（d）、多年平均降水量（e）、距离河流距离（f）、地震密度（g）、断裂带距离（h）、距城镇距离（i）、距道路距离（j）等10个具体的滑坡灾害危险性评价指标（图2）。
显示原图|下载原图ZIP|生成PPT图2大理州滑坡灾害危险性指标空间分异
-->Fig. 2Spatial differentiation of landslide hazard indicators in Dail Prefecture
-->
地理环境因素着眼于孕灾环境的稳定性,围绕地形、地貌、土壤、植被、气象、水文等方面,选取高程、坡度、岩性、归一化植被指数、多年平均降水量、距离河流距离共6个指标：① 从灾害发生机制出发,滑坡属于重力地貌类型,高程和坡度直接影响松散堆积层及碎屑物的聚集程度和分布;② 降水是滑坡的重要诱发因素之一,滑坡的发生数量、规模与持续过程降雨及暴雨量等的关系十分明显。降水入渗会减小土体的抗剪强度及土体与基岩的摩擦阻力,并增加土体重度和内部的动水压力,从而诱发地质灾害;③ 植被覆盖及地表水的搬运、侵蚀会影响岸坡稳定性。其中,NDVI是遥感估算植被覆盖度研究中最常用的植被指数,与植被空间分布密度呈良好的线性相关关系,故被选为本文的指标之一;④ 地表水的影响采用距主要河流距离简化表征,岩石结构构造决定斜坡岩土体强度、应力分布、变形破坏特征并提供滑坡发生、发展的物质基础。本文参考中国西南地区的相关研究[30],基于中国1:250万地质图采用矢量数据字段融合（Dissolve）的方法提取研究区岩石类型信息并分为5类岩组[30]（1.白云岩、厚层状流纹岩等;2.石英质砂岩、硅质砾岩等;3.火山碎屑岩、变质玄武岩等;4.泥板岩、夹煤层等;5.粘土、松散堆积物等）（图2c,0表示水体）,同类岩组具有相近的滑坡地质灾害易发特性。地理环境因素刻画滑坡灾害发生的关键内外因,是地域地质稳定性的直接基础,对滑坡危险性的高低影响最大,故在三个维度中给予较高的权重,设为0.7703。
地质构造因素主要包括地震点核密度、距离断裂带距离2个指标。其中,地震对于滑坡的影响主要体现在两个方面：一是由于地震产生的地震力直接作用于斜坡岩土导致滑坡灾害的发生,且脆弱山坡中积累的损害可能会受该地区先前地震遗留的影响[31];二是中国的大陆地震主要受活动构造的控制,易发生地震灾害的环境往往是地质构造极为复杂、断裂发育、岩石破碎,从而间接影响滑坡灾害的发生。本文用地震点核密度代指地震带分布的空间集聚状况。而断裂带对滑坡的影响则表现在活动断裂分布的区域通常为差异运动升降强烈的地区,多形成谷深、坡陡、坡降大等地形地貌,易发生基岩或松散堆积物的滑动,从而导致滑坡灾害的发生。滑坡灾害发生受距离活动断裂带距离的控制,采用ArcGIS提供的缓冲区分析功能生成研究区活动断裂带缓冲区分布图。地质构造因素通过地震、断裂带等历史地质活动造成的现状问题直接或间接影响滑坡发生,在三个维度中权重居中,设为0.1618。
人类活动因素也是加剧地质灾害形成的直接或间接因素。人类工程活动及经济发展如村镇建设、农业活动、道路工程、矿产工程、水利工程等可能影响岩土、增强边坡不稳定性,开荒导致的植被破坏和生态环境恶化也会加剧滑坡等地质灾害的活动强度和活动范围。本文参考数据可获得性,具体选取距城镇距离和距离公路距离2个指标,以反映人类工程活动和经济建设对滑坡灾害的可能影响。在生态脆弱、石漠化严重、同时欲开展山地城镇建设的大理州,一定规模的人类干扰活动可能形成动力诱发,但相比于地质构造营力对区域滑坡影响相对较小,故人类活动因素权重最低,设为0.0679。
3.3 基于景观格局的生态脆弱性
脆弱性是系统面对各类灾害和胁迫时表现出的易损性质[32]。生态系统脆弱性表征生态系统由于自身结构、组成等方面的生态学特性所形成的对外界干扰发生敏感性变化的可能性大小,是生态系统这一风险受体暴露在地质灾害这一风险源作用下的直接响应。生态系统受干扰或胁迫时表现出的脆弱性可用多种手段和方法表征,如土地利用变化[33-34]、景观格局指数[35]、生态足迹[36]等。其中,适宜于较大尺度区域空间分析的景观格局指数法,有利于定量刻画生态系统的异质性以及格局与过程的互馈关系[37],反映结构、功能、过程相互作用下生态系统对灾害胁迫的敏感和适应[22],因而可从一定程度解释区域生态系统所受干扰及脆弱程度。基于不同景观格局指数自身的生态学意义,参考指数间的相关性和景观指数选择的基本原则与技术途径[38],甄选景观水平（landscape level）的香农多样性（Shannon's Diversity Index, SHDI）、斑块密度（Patch Density, PD）、周长面积比分维数（PAFRAC）、景观分离度（Landscape Division Index, DIVISION）4个指数（这些景观格局指数的计算以大理州367个流域为统计单元,基于Fragstats 4.2平台完成,并进行极差标准化）,构建脆弱性综合指数以衡量区域生态系统面临地质灾害干扰时的脆弱性：
式中：VI为综合脆弱性指数,该指数值越大,区域生态系统稳定性和对外界的抗干扰能力越小,暴露在灾害胁迫下时越敏感、越容易引起结构、功能的改变,并越可能导致生态损失。SHDI表示生态系统多样性、复杂程度和变异性,SHDI指数值高的生态系统抵御干扰能力更强;PD表征景观生态系统破碎度,破碎度越大,生态系统抵御干扰的能力越差;DIVISION表示不同类型生态系统分布的分离程度,分离度越大,稳定性越差;PAFRAC反映生态系统地域形状的复杂程度和景观的空间稳定程度,其值一般处于1~2之间,取其倒数<1,分维数的倒数值越趋于1,生态系统斑块几何形状越复杂,自然度越强,生态系统越稳定。
3.4 基于生态系统服务的潜在生态损失
地质灾害风险评价关注的损失通常都是灾害对人员生命财产的威胁,而生态系统服务作为人类从生态系统中的收益,亦是人类福祉的重要表征。生态系统服务是指自然、半自然生态系统及其物种通过结构、过程和功能直接或间接得到的供给、调节等生命支持产品和服务,用以满足和维持人类生活需要的条件和过程。生态系统服务的损失可以作为生态风险对人类福祉影响的重要评判依据。生态系统服务的损失是风险因果链模型中的“生态终点”,即生态系统这一风险受体受到滑坡地质灾害干扰和胁迫后在未来可能表现的状态。特定的生态系统格局有助于土壤保持、水源涵养、防风固沙、生物多样性保护等生态功能的维持,而该格局被破坏后生态风险的增大则直接表现为生态系统服务的下降,进而影响人类福祉的可持续性。本文依据千年生态系统评估提出的生态系统服务分类系统[39],结合大理州生态环境现状,选取支持服务中的净初级生产、调节服务中的土壤保持和水源涵养,以及供给服务中的粮食生产。基于相关数理模型和统计数据分别量化上述4种服务,并将结果的栅格图层经极差标准化后进行空间叠置,得到区域生态系统遭受滑坡灾害发生崩溃时的综合潜在最大损失,即所有生态系统服务均不再提供。
不同生态系统服务的定量方法不同。其中,植被净初级生产力（Gross Primary Productivity, NPP）又称净第一性生产力,指绿色植物在单位时间和单位面积上所积累的有机干物质总量,采用CASA光能利用率模型计算得到[40-42];土壤保持服务采用修正的通用土壤流失方程（Revised Universal Soil Loss Equation, RUSLE）,以潜在土壤侵蚀量与实际土壤侵蚀量的差值计算土壤保持量,实现该项生态系统服务的空间化定量表征[43-44];水源涵养服务评估是基于水量平衡法计算大理州森林水源涵养量[45];粮食供给服务评估则基于大理州县域粮食生产总量及植被指数NDVI完成,即首先基于大理州土地利用现状图提取耕地单独成层,进而利用大理州6-9月夏季最大NDVI将以县域为单位统计的粮食生产总量按照NDVI值的高低分配给耕地栅格。
4 结果与分析
4.1 滑坡地质灾害危险性因子信息量
本文从大理州512个滑坡点中随机选取90%（即460个滑坡点）参与信息量模型的统计,剩余10%的滑坡点用于危险性评价结果的验证。首先将滑坡的影响因子图层分别与460个滑坡点分布图进行叠加分析,得到滑坡与影响因子数据类分布关系的专题图层,并运用GIS技术求取每类影响因子中各个状态的信息量。研究结果表明（表1）,在大理州内,容易诱发滑坡的条件如下：高程小于1800 m,坡度为15°~25°,NDVI小于0.31,岩性为泥板岩、页岩、疏松砂岩、夹煤层火山碎屑、千枚岩等软弱岩石,地震点核密度大于0.008,多年平均降雨量在1100~1150 mm,距离断裂带距离小于1000 m,距离河流距离小于500 m,距离公路距离小于500 m,距离城镇距离小于100 m。总体而言,高强度降雨、松软岩性、低植被覆盖易导致滑坡灾害的发生;地震点和断裂带的扰动以及人类活动影响亦会加剧滑坡灾害的危险性。需要注意的是,表1中各分级阈值的确定主要是基于自然断点法识别各要素与大理州域滑坡灾害空间关联的值域范围,结合相关文献或技术规程,并考虑到因素作用的距离衰减,将阈值调整至临近整数,或者等间隔取值。Tab. 1
表1
表1大理州滑坡灾害危险性评价因子信息量
Tab. 1Results of information values for hazard assessment of landslide disasters in Dali Prefecture
| 评价因子 | 评价因子类别 | 信息量值 | 评价因子 | 评价因子类别 | 信息量值 |
|---|---|---|---|---|---|
| 高程(m) (w=0.1534) | < 1800 | 0.456 | 多年平均 降雨(mm) (w=0.0887) | < 900 | -0.372 |
| 1800~2200 | 0.372 | 900~950 | -0.274 | ||
| 2200~2500 | -0.128 | 950~1000 | -0.355 | ||
| 2500~3000 | -1.613 | 1000~1050 | -0.192 | ||
| > 3000 | -2.746 | 1050~1100 | 0.397 | ||
| 坡度(°) (w=0.1534) | < 8 | -0.454 | 1100~1150 | 1.018 | |
| 8~15 | 0.188 | > 1150 | 0.563 | ||
| 15~25 | 0.209 | 距离断裂带 距离(m) (w=0.1078) | < 1000 | 0.294 | |
| 25~35 | -0.168 | 1000~5000 | -0.139 | ||
| > 35 | -0.739 | 5000~10000 | 0.104 | ||
| NDVI （w=0.0717） | < 0.31 | 0.290 | 10000~20000 | -0.080 | |
| 0.31~0.47 | 0.032 | > 20000 | -0.310 | ||
| 0.47~0.60 | 0.155 | 距离河流 距离(m) （w=0.0597） | < 500 | 0.598 | |
| 0.60~0.73 | 0.033 | 500~1500 | 0.260 | ||
| > 0.73 | -0.324 | 1500~3000 | -0.404 | ||
| 岩性 （w=0.2435） | 0 | -0.793 | 3000~5000 | -0.692 | |
| 1 | -0.087 | > 5000 | -0.813 | ||
| 2 | -0.006 | 距离公路 距离(m) （w=0.0170） | < 500 | 0.636 | |
| 3 | -0.037 | 500~1500 | 0.237 | ||
| 4 | 0.255 | 1500~3000 | -0.240 | ||
| 5 | -0.593 | 3000~5000 | -0.378 | ||
| 地震点 核密度 （w=0.0539） | < 0.002 | -0.314 | > 5000 | -0.611 | |
| 0.002~0.004 | -0.055 | 距离城镇 距离(m) （w=0.0509） | < 100 | 1.450 | |
| 0.004~0.006 | 0.103 | 100~300 | 0.621 | ||
| 0.006~0.008 | 0.271 | 300~500 | -0.330 | ||
| > 0.008 | 0.396 | 500~1000 | -1.647 | ||
| > 1000 | -2.555 | ||||
新窗口打开
就要素自身信息量分布而言,大理州距河流距离、距城镇距离、距公路距离等与滑坡灾害呈负向关联,某空间位置距离河流、城镇、公路越近越容易诱发滑坡。这可能是因为这些区域人口密度相对较大,工农业和城镇建设活动多且集中,人类干扰较强、土层较为松动,因而在同等情况的地理环境和地质构造因素下,发生滑坡灾害的概率更高。大理州高程与滑坡灾害发生亦呈负向关联,高程分带引起水系发育程度、土壤类型、人文活动等的分异,高程越低,地表物质受扰动的可能性增大。例如,研究区海拔1800 m以下地区主要分布在大理州东部和南部,土地利用类型以草地、农田和建设用地等为主,自然植被覆盖较少,平均土壤侵蚀模数相对较高,人口密集,强烈的人类活动加之受到河流强烈的冲刷侵蚀作用,成为滑坡高发区。
大理州NDVI与滑坡灾害整体呈负向关联,NDVI较低区域较容易发生滑坡。这可能与NDVI高值区植被空间分布密度大,保水固土能力强,可抑制水土流失并增强雨水下渗,使岩土体稳定性增强,从而减弱滑坡的发生有关。然而,受其他自然地理要素影响,NDVI中等覆盖时滑坡发生的可能性有所增大,具体表现为第3等级NDVI值的信息量略大于第2等级。进一步统计NDVI第3等级的108个滑坡灾害点地理环境特征发现,尽管具有相对较好的植被覆盖,相对不利的DEM、坡度、降水量等条件的叠加作用最终增大了滑坡危险性。例如,87个灾害点（占比80.56%）DEM处于较易促发滑坡形成的1、2等级（DEM< 2200 m）;49个点的坡度处于较危险的15°~25°范围;30个点的岩性为易引发滑坡的泥板岩、页岩、疏松砂岩、夹煤层、火山碎屑、千枚岩等;且有29个点同时面临降雨因子、距离道路或河流或城镇因子、距离断裂带距离因子,以及地震点核密度、高程、坡度、地层岩性等因子的滑坡灾害高诱发性。
同理,受自然地理要素综合作用的影响,降水、岩性、地震点核密度、距断裂带距离、坡度等指标未表现出对地质灾害完全正向或负向的贡献,而是在该因子特定范围内发挥作用。例如,坡度<15°时,地势平缓,斜坡土体或岩体沿软弱面或软弱带顺坡滑动的重力作用不强;15°~25°坡度范围内,坡面松散堆积物较多,坡面承受重力能力较弱,坡体不稳定,滑坡分布较多;25°以上,植被覆盖较好,同时受河流冲刷侵蚀较弱,滑坡分布反而减少。而在岩性方面,粘土、砂质粘土、松散堆积物等尽管可能相较于泥板岩、页岩、疏松砂岩、夹煤层、火山碎屑、千枚岩等是更好的滑坡物质基础,然而该类岩性在五大类岩性中分布最少,仅占全区面积的6.3%,且这些区域的降雨因素、植被覆盖等相对而言未对滑坡的发育造成严重影响,故对应于该类岩性的滑坡灾害点分布较少,仅有16个,占460个滑坡点的3.48%。
综上所述,滑坡的发生是多项因素综合作用的结果,单因素的信息量用于反映该因素对滑坡贡献的整体性趋势,侧重于揭示统计特征下的表象关联关系,不能剥离其他因素在滑坡发生机理层面的影响。最终用以表征研究区滑坡危险性特征的综合信息量需由各个因素的信息量综合得到,即寻找对滑坡灾害发生贡献率最大的“最佳要素组合”,而非停留在单个因素上。
4.2 滑坡灾害危险性
将10个分图层的信息量做极差标准化后加权叠加,得到研究区滑坡灾害的综合信息量,继而将综合信息量归一化,并利用自然断点法分级,得到栅格尺度的危险性指数图层,级别越高危险性越大（图3）。由图3可看出,大理州滑坡灾害危险性普遍处于中高水平,以4级最多,占全州土地总面积的28.65%,1级危险性仅占8.21%;从空间格局看,危险性整体呈现出西北低东南高的分布特征。全州滑坡灾害4、5级较高危险性区域在东南部的巍山、南涧、祥云等县分布最为广泛;同时,1、2级较低危险性区域则集中在西北端的云龙、洱源和剑川,此3个县较低危险区占该类型总面积的比例高达54.61%。
显示原图|下载原图ZIP|生成PPT图3大理州滑坡灾害危险性空间分异
-->Fig. 3Hazard of landslide disasters in Dali Prefecture
-->
结合危险性指标的空间分异,以南涧彝族自治县和云龙县为例,对地质灾害危险性做进一步分析。南涧地形为高中山地区,除县城为10 km2的盆地外,大部分为河谷、山峦和坡地构成的山区或半山区,具备客观的孕灾环境;高程为873~2983 m,平均海拔1930 m,全县63.1%的面积海拔低于2200 m,处于较易发育滑坡的高程范围;全县年均降雨量高达1134 mm,利于滑坡灾害的发育;同时植被覆盖密度较低,全县平均NDVI仅为0.49,水土流失面积较大;且境内河网密布,澜沧江和元江两大水系衍生出9条干流59条支流,地表水侵蚀作用明显;澜沧江断裂、无量山断裂、维西—乔后断裂在境内呈西北—东南走向穿境而过;同时,全县47.87%的区域地层岩性以相对易诱发滑坡灾害发育的含较多粘性和粉粒的第四类软弱岩石为主;上述因素综合作用导致南涧整体处于滑坡地质灾害高发状态,全县28.57%的面积属于灾害危险性第4等级,第5等级危险区域更是高达61.15%。
云龙县整体地势较高,平均海拔2163 m,69.5%以上区域海拔高于2200 m,属于相对不易发育滑坡的高程范围;岩组构成方面,第四类极易诱发滑坡灾害的岩性区域仅分布有11.93%的面积;全县偏旱少雨,多年平均降雨量仅为985 mm,一定程度上减少了滑坡发生的冲刷侵蚀动力;且植被覆盖密度较高,全县平均NDVI为0.70,为水土保持和坡面稳定性保护起到正向促进作用。综上所述,云龙县整体而言地质灾害危险性相对较低,县内第5等级危险区仅占3.91%,第1、2、3、4级危险区面积比例分别为12.25%、30.47%、31.43%、21.95%,呈现出较为均衡的分布态势。
4.3 生态脆弱性及潜在生态损失
以367个3级流域为基本评价单元,计算综合脆弱性指数并依据自然断点法分为5级,级别越高脆弱性越严重（图4a）,进而借助局部空间自相关Moran's I指数（显著性水平为0.05）分析风险受体生态脆弱性高值与低值的空间聚集程度（图4b）。研究结果表明,承灾体脆弱性第4~5级高值区在全州4个一级流域内均有分布,主要集中在红河流域南部、金沙江流域东南部等人为活动剧烈的流域。脆弱性最低等级（1级）主要分布在大理州受人为干扰较少的北部、东部及全州环外围区域,且脆弱性低值区也更倾向于表现出低—低聚集的状态,如沘江流域、倒流河流域,以及清水河流域东部。同时,脆弱性高—低聚集和低—高聚集的流域在全州分布极少,在生态脆弱性空间自相关显著的61个3级流域中仅有5.58%的面积占比。这一定程度上也印证了流域单元生态系统相互作用的整体性特征。由于地质地貌、土壤水文等自然地理要素在较大尺度背景下属性分布相对连续、空间异质特点相对较低,以及生态过程在非封闭空间的流动,相邻流域往往表现出生态系统结构及抵御干扰脆弱性的相似性。
显示原图|下载原图ZIP|生成PPT图4大理州分流域生态脆弱性等级及空间集聚特征
-->Fig. 4Ecological vulnerability and its spatial agglomeration in Dali Prefecture at watershed level
-->
生态系统服务栅格图层经极差标准化后进行空间叠置和统计计算,得到栅格尺度和流域尺度的潜在生态损失,并采用自然断点法划分为5个等级,等级越高,损失越严重（图5）。研究结果表明,全州潜在生态损失以高中等级为主（图5a）。第5等级主要集中在宾川县和鹤庆县,第1等级主要集中在洱海、剑湖、西湖、茈碧湖,这主要是因为净初级生产、水源涵养、土壤保持服务主要由森林提供,粮食供给主要由耕地提供,水体生态系统服务未重点关注;除此之外,潜在损失的较低等级在祥云县东北部和云龙县西南部相对分布较多。
显示原图|下载原图ZIP|生成PPT图5大理州潜在生态损失
-->Fig. 5Potential ecological damage in Dali Prefecture
-->
就流域尺度而言,潜在生态损失较低等级（1~2级）的流域主要分布在大理州西南部,如永平县境内的银江流域、巍山境内的西河流域等（图5b）。这些流域受地形限制,耕地分布零散,阔叶林相对较多,水源涵养服务和粮食供给服务相对较差。潜在生态损失为第3等级的流域面集中在大理州西北部,如云龙境内的澜沧江流域、漾濞境内的顺濞河流域等。这些流域地形较为起伏,流域所涉及的澜沧江与怒江的高、中山河谷区土壤保持量明显高于东部苍山洱海高原湖盆区;同时,15°~25°坡度带面积比重较大,坡度与水热条件适宜多种植被生长,有利于净初级生产和土壤保持服务优势的发挥。潜在生态损失较高等级（4~5级）的流域集中分布于大理州东北部,如宾川县桑园河流域、鹤庆县中河及落漏河流域等。这些流域地势相对平坦,耕地面积广阔、分布密集,水热条件良好,是大理州主要的粮食供给区,且混交林较多,森林水源涵养效率高、涵养水源量大,故具有较强的粮食供给服务和水源涵养服务（图5c）。
4.4 滑坡灾害生态风险
基于滑坡灾害危险性、生态脆弱性及潜在生态损失,等权重相乘得到流域尺度大理州滑坡灾害生态风险,并按自然断点法分为高、中、低3个等级。同时,对于危险性、脆弱性及潜在损失图层,分别将1~3级合并为低值区,4~5级合并为高值区,从而得到8种生态风险组成类型（图6）,如“高危险—低脆弱—高损失”即表示某流域属于危险性高值区、脆弱性低值区、潜在生态损失高值区。
显示原图|下载原图ZIP|生成PPT图6大理州分流域滑坡灾害生态风险等级及结构
-->Fig. 6Ecological risk levels and structures of landslide disasters in Dali Prefecture at watershed level
-->
从全州范围看,滑坡灾害生态风险低—中—高空间分布从外到内具有一定的圈层结构,且各风险等级的流域面积与流域数量依次减少（图6）。其中,低风险区分布以环大理州外围居多,主要集中在云龙县西南部怒江流域、洱源县黑惠江流域、祥云县东北部清水河流域等。中风险区在空间分布上逐渐向大理州中心聚拢,主要位于云龙县西南部澜沧江流域、永平县中部银江流域、鹤庆县落漏河流域、巍山县西河流域等。高风险区主要集中于宾川县桑园河流域、祥云县渔泡江流域等。
对比各等级风险的结构组成及相应流域数量（图6）可知,高风险区域包括5种风险组成,以三高型“高危险—高脆弱—高损失”和两高型“低危险—高脆弱—高损失”、“高危险—高脆弱—低损失”为主。低风险区域包括7种风险组成,以三低型“低危险—低脆弱—低损失”和两低型“低危险—低脆弱—高损失”、“高危险—低脆弱—低损失”、“低危险—高脆弱—低损失”为主。中风险区域则包括除“高危险—高脆弱—高损失”之外的全部7种类型,且各类型的数量分布相对较均衡。
5 讨论
5.1 滑坡灾害危险性评价结果验证
由于滑坡灾害危险性评价结果的可靠性对于后续灾害风险评价有着直接影响,因而有必要对基于信息量模型的危险性评价结果进行验证。基于90%的已知滑坡点获得危险性栅格图层后,提取10%待验证点的滑坡危险性等级,并假定危险性1~3级为危险性低值区,定义为0,而危险性4~5级为危险性高值区,定义为1,从而得到待验证滑坡点危险程度信息的两个序列样本。其中,序列1表示基于加权信息量模型的危险性评价结果,有较低危险性0和较高危险性1两类;序列2表示待验证滑坡点的实际危险程度,由于这52个滑坡点均为当地地质部门实地调查勘测后所认定的历史滑坡点或严重的滑坡灾害隐患点,故危险等级的真实值应该全部为1。由于序列1和序列2均反映的是52个用于验证的样点信息,故各点危险性程度的模型评价值和实际值可看作处理对象背景一致的一对试验,因而采用平均值的成对T检验验证滑坡危险性评价的可靠性。成对T检验也叫配对T检验,原理是两序列（模型评价值序列X1、实际值序列X2）结果差值与均数为零的总体进行比较,即检验E(X1j~X2j)是否为零。由于各主要影响因素在每一子对内十分接近,能较好控制误差,降低标准误,故其具有较优的检验效应。基于R语言的成对T检验结果显示双尾测验下P值为0.00000774,远小于0.05的置信水平。因此,滑坡灾害危险性的评价值和实际值在95%的置信度水平上无显著差异。也就是说,基于加权信息量模型的大理州滑坡危险性评价结果基本可信。
5.2 滑坡灾害生态风险防范分区
风险防范是指进行风险防范的空间策略,即在风险评价的基础上,针对风险等级及其主导因子的差异,划分风险因子主导区,以期为针对性的风险防范提供指导[10]。本文基于大理州流域尺度3种风险等级、8种风险结构类型,从单要素和多要素组合等多视角切入,开展地质灾害生态风险防范分区研究。一方面,致灾因子与孕灾环境是风险防范的主要考量因素,生态系统服务的潜在损失不在防范措施考虑范围内。这是因为在山区面积占比90%、生态环境脆弱的大理州,自然生态系统结构功能维持越好越利于生态系统稳定,但倘若灾害干扰下生态系统遭受了严重破坏,短时期内该地区的生态系统服务必然损失巨大,因而风险防范需从导致风险的灾害成因而非灾害后果入手,着力于降低危险性和脆弱性。另一方面,基于风险因果链模型及研究区滑坡灾害生态风险组成特征,危险性和脆弱性的考量对于风险空间分异具有重要影响。例如,高生态风险流域分别有98.21%和67.86%的概率与高脆弱、高危险性关联,中生态风险流域分别有64.57%和44.88%的概率与低危险、低脆弱关联（低危险、低脆弱分别是危险性低值区、脆弱性低值区的简称,下同）。因此,重点关注危险性、脆弱性因素对生态风险的主导作用,对全州进行生态风险防范分区,最终把367个流域19种生态风险组合类型划分为4种风险防范类型（图7）：① 对于中、高风险区,高危险性、低脆弱性流域中的风险防范以危险性主导,为避让监测预警区;② 低危险性、高脆弱性流域为生态保护恢复区,风险防范以脆弱性消减主导;③ 高危险性、高脆弱性流域为避让保护兼顾区,强调危险性—脆弱性的综合防范;④ 具有低危险性、低脆弱性的中、高风险流域,以及全部184个低风险流域,因主导因子不明显或生态风险较低,可视为风险防范冷点,主要依托生态系统自身恢复力来抵御灾害、调控风险,为自然适应调控区。
显示原图|下载原图ZIP|生成PPT图7大理州分流域滑坡灾害生态风险防范分区
-->Fig. 7Precaution and governance partitions of ecological risk of landslide disasters in Dali Prefecture at watershed level
-->
统计表明,避让监测预警区、生态保护恢复区、避让保护兼顾区、自然适应调控区的流域个数比例分别为6.54%、17.98%、16.08%、59.40%,流域面积比例则分别为5.66%、17.50%、16.71%、60.13%。相对而言,避让保护兼顾区分布相对集中,主要位于宾川县桑园河流域、祥云县渔泡江流域、南涧县洞寺河南涧河流域;避让监测预警区较为分散,主要位于清水河、窝鹿河、元江、漾濞江等流域内的小部分区域;生态保护恢复区位于澜沧江、顺濞河等流域;自然适应调控区则集中连片分布于大理州西北部云龙、剑川、鹤庆、洱源,以及州域中部的永平、漾濞、大理境内。
基于主导因子的防范分区有利于明确地质灾害生态风险的内在作用机制,有针对性提出防范策略。针对危险性主导的流域,需了解区内致灾因子和孕灾环境,基于遥感数据、专家实测、群众监控开展地质灾害隐患点的巡查排查工作,加强监测预警能力建设,重点关注汛期等时段,以及沟谷溯源侵蚀强烈地段或地质构造活跃区等非常地点,适当采取工程治理或避让搬迁等措施,尽量减少人为建设对原本脆弱地质环境的影响。针对脆弱性主导的流域,需关注流域内的生态保护与恢复,增强生态系统多样性与生态弹性;对于必须建设开发的区域,需顺应原本的地势地貌、降水条件及森林、河流分布,合理设计建设的规模、布局与立体结构,尽量保持大面积生态系统斑块边缘的自然度、减少破碎化,降低风险暴露。对于风险由危险性和脆弱性综合主导的流域,则应兼顾上述两方面的风险防范策略。对于自然适应调控区,目前暂不需要设计过多的人为防范措施,重点借助生态系统自身的抵抗力稳定性与恢复力稳定性实现风险自然调控。
6 结论
本文以大理白族自治州为例,基于“风险=危险性×脆弱性×损失”的风险评价三维框架,采用信息量模型评估滑坡灾害危险性,基于景观格局指数表征生态脆弱性,将生态系统服务纳入风险损失的定量表征,综合度量研究区分流域地质灾害生态风险,并基于风险主导因子完成生态风险防范分区及风险防范策略探讨。结果表明：① 容易诱发大理州滑坡灾害的“优势”条件如下：高程低于1800 m,坡度15°~25°,NDVI小于0.31,岩性为泥板岩、页岩、疏松砂岩、夹煤层、火山碎屑、千枚岩,地震点核密度大于0.008,多年平均降雨1100~1150 mm,距断裂带1000 m内,距离河流、公路500 m内,距城镇距离100 m内。大理州普遍处于滑坡灾害危险性中高水平,且西北低东南高;36.31%的4~5级较高危险性面积分布在巍山、南涧、祥云等县,54.61%的1~2级较低危险性区域集中于云龙、洱源和剑川。② 生态脆弱性4~5级高值区主要集中在红河流域南部、金沙江流域东南部、澜沧江流域中部。生态损失低级流域面积占全流域的43.23%,主要分布于大理州西南部,其水源涵养和粮食供给服务相对较差。生态损失中级流域面积占比28.91%,集中于该州西北部,其净初级生产和土壤保持服务优势明显。生态损失高级流域集中在东北部,具有较强的粮食供给和水源涵养服务。③ 滑坡灾害生态风险呈现低—中—高圈层结构分布,各风险等级的流域面积与数量均依次减少;367个小流域具有“低危险—低脆弱—低损失”“高危险—低脆弱—高损失”等8种风险构成;基于3种风险等级和8种风险结构,最终在大理州划分出4种风险防范类型,即避让监测预警区、生态保护恢复区、避让保护兼顾区、自然适应调控区。本文基于经典的概率—损失模型二维框架,进一步强调风险受体对风险源的暴露响应,构建了生态风险评价的“危险—脆弱—损失”三维框架,为生态风险定量化研究过程中信息的丰富化提供了一定的理论支撑。在研究方法上,由景观格局表征脆弱性,由实地核算的空间化的生态系统服务表征潜在损失,诠释了生态系统格局与过程的互馈关系,有利于在机理层面理解风险受体遭受灾害胁迫时与恢复力相关的状态变化。在评价单元上,使用小流域分水岭这一地表自然界线作为评价单元的边界,保证了单元内自然要素结构与过程的完整性、单元间自然环境的空间异质性,避免了地表自然地理联系的割裂,有利于对风险格局的整体把握和综合分析。
然而,本研究仍然存在一定不足,尤其是风险评价的不确定性分析。进一步研究有必要统筹滑坡地质灾害生态风险评价中不可避免存在的如信息和数据不完整、损失类型多样性、风险源和损失涉及广泛和一些随机出现的干扰等不确定因素,针对不确定性来源,采用贝叶斯网络模拟[46]、蒙特卡洛模拟[47]等方法进行不确定性分析及敏感性分析,以利于决策者根据评价结果的不确定程度提出更科学有效的风险管理对策。
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] | 随着当前中国城市化进程的不断加速,自然灾害对城市生态安全的潜在威胁日趋受到关注。城市景观结构和空间形态影响着城市生态环境问题的产生和解决途径,基于景观格局—过程的城市/区域自然灾害生态风险评价成为城市生态风险及可持续研究的重要方向。在明晰城市自然灾害生态风险基本概念内涵及单一、综合自然灾害作用下城市生态风险评价研究进展的基础上,系统梳理了城市地域自然灾害、生态风险与景观格局—过程之间的逻辑关联,综合探讨了城市景观格局—过程与自然灾害交互作用及其在城市生态风险评价、自然灾害生态风险防范等重点领域的研究进展,并提出城市景观格局—过程与自然灾害生态风险的相互影响机理探索、景观时空尺度分异与城市自然灾害生态风险的不确定性分析、基于景观格局—过程的城市自然灾害生态风险综合评估模型与情景模拟等三大重大研究趋向,以期实现基于景观优化的城市自然灾害和生态风险防范的研究目标。 . 随着当前中国城市化进程的不断加速,自然灾害对城市生态安全的潜在威胁日趋受到关注。城市景观结构和空间形态影响着城市生态环境问题的产生和解决途径,基于景观格局—过程的城市/区域自然灾害生态风险评价成为城市生态风险及可持续研究的重要方向。在明晰城市自然灾害生态风险基本概念内涵及单一、综合自然灾害作用下城市生态风险评价研究进展的基础上,系统梳理了城市地域自然灾害、生态风险与景观格局—过程之间的逻辑关联,综合探讨了城市景观格局—过程与自然灾害交互作用及其在城市生态风险评价、自然灾害生态风险防范等重点领域的研究进展,并提出城市景观格局—过程与自然灾害生态风险的相互影响机理探索、景观时空尺度分异与城市自然灾害生态风险的不确定性分析、基于景观格局—过程的城市自然灾害生态风险综合评估模型与情景模拟等三大重大研究趋向,以期实现基于景观优化的城市自然灾害和生态风险防范的研究目标。 |
| [2] | <p>面向全球城市化进程的快速推进与生物圈环境变化的不断增强,生态风险评价能够明晰制约区域生态持续性的主要生态要素与过程,成为当前自然地理学与宏观生态学应对社会—生态系统综合管理的热点研究领域之一。景观生态学高度关注空间异质性及景观格局—过程互馈,景观生态风险评价则为这一领域提供了新的研究视角。本文明确界定了景观生态风险评价的概念内涵,系统梳理了景观生态风险评价与生态风险评价、区域生态风险评价的异同;从评价对象的类型选择、评价单元的景观意义表征、评价方法的范式统一、评价模型的指数化途径和评价指标权重设定等方面,探讨了国内外景观生态风险评价的近今进展;同时,研究还展望了景观生态风险评价的重点发展方向,即基于景观过程的生态内涵明晰、尺度推绎在风险评价中的应用、评价结果的不确定性分析、耦合非线性生态模型的风险阈值判定、生态系统服务及其价值的整合、源汇景观过程识别与模型综合集成。</p> . <p>面向全球城市化进程的快速推进与生物圈环境变化的不断增强,生态风险评价能够明晰制约区域生态持续性的主要生态要素与过程,成为当前自然地理学与宏观生态学应对社会—生态系统综合管理的热点研究领域之一。景观生态学高度关注空间异质性及景观格局—过程互馈,景观生态风险评价则为这一领域提供了新的研究视角。本文明确界定了景观生态风险评价的概念内涵,系统梳理了景观生态风险评价与生态风险评价、区域生态风险评价的异同;从评价对象的类型选择、评价单元的景观意义表征、评价方法的范式统一、评价模型的指数化途径和评价指标权重设定等方面,探讨了国内外景观生态风险评价的近今进展;同时,研究还展望了景观生态风险评价的重点发展方向,即基于景观过程的生态内涵明晰、尺度推绎在风险评价中的应用、评价结果的不确定性分析、耦合非线性生态模型的风险阈值判定、生态系统服务及其价值的整合、源汇景观过程识别与模型综合集成。</p> |
| [3] | <p>本研究以城市社会—生态系统为风险评价对象,引入生态适应性循环三维框架,将景观生态风险评价指标从单一的景观指数层面扩展至“潜力—连通度—恢复力”三维准则,并以深圳市为研究区,基于有序加权平均（OWA）算法对评价结果进行情景设置。研究结果显示,评价中干扰指标主要影响风险评价结果属性值域,而风险空间格局则受暴露指标制约;深圳全市景观生态风险整体呈现“西高东低”的分布格局,城市新建成区风险最高,大鹏半岛风险最低,羊台山与笔架山公园则是城区内部的相对风险低值区;基于OWA方法设置情景偏好,绘制“忽视”、“正常”及“重视”三种风险情景下的城市景观生态风险图。本研究基于生态适应性循环理念集成社会—生态系统时空动态干扰与暴露指标表征城市景观生态风险,并通过OWA方法变换主观偏好、降低评价不确定性,可以满足不同发展思路下的城市开发布局需求,从而为城市景观发展空间权衡提供决策支持。</p> . <p>本研究以城市社会—生态系统为风险评价对象,引入生态适应性循环三维框架,将景观生态风险评价指标从单一的景观指数层面扩展至“潜力—连通度—恢复力”三维准则,并以深圳市为研究区,基于有序加权平均（OWA）算法对评价结果进行情景设置。研究结果显示,评价中干扰指标主要影响风险评价结果属性值域,而风险空间格局则受暴露指标制约;深圳全市景观生态风险整体呈现“西高东低”的分布格局,城市新建成区风险最高,大鹏半岛风险最低,羊台山与笔架山公园则是城区内部的相对风险低值区;基于OWA方法设置情景偏好,绘制“忽视”、“正常”及“重视”三种风险情景下的城市景观生态风险图。本研究基于生态适应性循环理念集成社会—生态系统时空动态干扰与暴露指标表征城市景观生态风险,并通过OWA方法变换主观偏好、降低评价不确定性,可以满足不同发展思路下的城市开发布局需求,从而为城市景观发展空间权衡提供决策支持。</p> |
| [4] | 本书基于中国生态环境和食物安全面临的风险状况, 建立了综合生态与食物安全风险评价的指标体系, 构建了区域生态和食物安全风险的综合评价模型, 首次编制了中国综合生态和食物安全风险地图, 并选择内蒙古鄂尔多斯市和湖南洞庭湖流域分别进行了生态风险和食物安全风险的识别、评价和制图, 提出了生态和食物安全防范的策略。 本书基于中国生态环境和食物安全面临的风险状况, 建立了综合生态与食物安全风险评价的指标体系, 构建了区域生态和食物安全风险的综合评价模型, 首次编制了中国综合生态和食物安全风险地图, 并选择内蒙古鄂尔多斯市和湖南洞庭湖流域分别进行了生态风险和食物安全风险的识别、评价和制图, 提出了生态和食物安全防范的策略。 |
| [5] | |
| [6] | |
| [7] | The Tunisian environmental legislation that follows the EC Directives requires monitoring of persistent, toxic and bio-accumulated substances commonly considered as hazardous substances. In order to comply with this requirement, samples of sea water, sediment and biota from the urbanized and industrialized coast line of Sfax city are investigated. This study presents the results of petroleum hydrocarbon content, distribution and probable origin (anthropogenic and/or biogenic) in 16 intertidal sediments of Sfax coastal area. Alkane distribution indices and hydrocarbon distribution patterns are used to identify natural and anthropogenic input. Non-aromatic hydrocarbons present a high concentration with a range varying from 180 to 1,400 mu g/g of dry sediment. The total concentrations of polycyclic aromatic hydrocarbons (PAHs) varied from 0.41 to 5.6 mu g/g dry weight. These concentrations are comparable to other marine areas that receive important inputs. n-Alkanes with carbon number ranging from 15 to 35 are identified to be derived from both biogenic and anthropogenic sources in varying proportions. Pristane/phytane ratio shows values lower than 1.4 suggesting the presence of petroleum contamination. This is confirmed by the presence of a large group of unresolved complex mixture and the identification of hopanes with predominant C29 and C30 compounds and steranes with predominance of C27 over C28 and C29 compounds. Ratios of selected PAH concentrations indicate petrogenic and pyrolytic origin of hydrocarbons. Anthropogenic hydrocarbon inputs were more apparent at sites associated with industrial discharges, shipping activities and sewage outfalls. |
| [8] | 3. The present day: A human dominated environment with increasing vulnerability of societies and economies to extreme events and natural variability . The third example, dealing with the history and impact of floods in Bangladesh, shows the increasing vulnerability of an over-exploited and human-dominated ecosystem. Measurements exist for a short time only (decades), historical data allow a prolongation of the record into the last century, and paleo-research provides the long-term record of processes operating over millennia. The long-term paleo-perspective is essential for a better understanding of future potential impacts on an increasingly human-dominated environment. Understanding today's global change processes calls for several new perspectives and synergisms: |
| [9] | As political, economic, and environmental issues increasingly spread across the globe, the science of geography is being rediscovered by scientists, policymakers, and educators alike. Geography has been made a core subject in U.S. schools, and scientists from a variety of disciplines are using analytical tools originally developed by geographers.Rediscovering Geography presents a broad overview of geography's renewed importance in a changing world. Through discussions and highlighted case studies, this book illustrates geography's impact on international trade, environmental change, population growth, information infrastructure, the condition of cities, the spread of AIDS, and much more.The committee examines some of the more significant tools for data collection, storage, analysis, and display, with examples of major contributions made by geographers.Rediscovering Geography provides a blueprint for the future of the discipline, recommending how to strengthen its intellectual and institutional foundation and meet the demand for geographic expertise among professionals and the public. |
| [10] | 为量化矿业城市土地损毁生态风险、提高土地复垦和综合整治有效性，以吉林省辽源市为研究区，提出基于GIS的矿业城市土地损毁生态风险定量评价与空间防范的思路和方法。首先将土地损毁作为直接生态风险源，将土地生态系统作为生态风险受体，借助遥感信息模型与GIS空间分析模型，依次评价土地生态系统的生态敏感性、土地损毁累积作用以及二者间的暴露关系；然后确定综合生态风险值及其等级空间分布，并据此将矿业城市土地利用划分为环境敏感特别保护区、一般生态保护区、生态保育区、生态协调区、生态复垦区、限制发展区、工矿发展区与城镇发展区等八大功能区，各区内生态风险防范措施各有侧重；最后利用2010年城市总体规划图对评价与分区结果进行有效性分析，分析结果表明，辽源市90%以上的规划建设用地属于发展主导区域、70%以上的非规划用地属于生态保护主导区，研究结果与2010年城市规划用地布局范围基本吻合。基于GIS定量方法进行矿业城市土地损毁生态风险分析可空间化土地利用的风险等级与主导风险因素，为制定有针对性的风险防范措施提供了空间信息；也为矿业城市土地复垦规划、土地整理规划与土地利用总体规划的有机结合提供了参考。 . 为量化矿业城市土地损毁生态风险、提高土地复垦和综合整治有效性，以吉林省辽源市为研究区，提出基于GIS的矿业城市土地损毁生态风险定量评价与空间防范的思路和方法。首先将土地损毁作为直接生态风险源，将土地生态系统作为生态风险受体，借助遥感信息模型与GIS空间分析模型，依次评价土地生态系统的生态敏感性、土地损毁累积作用以及二者间的暴露关系；然后确定综合生态风险值及其等级空间分布，并据此将矿业城市土地利用划分为环境敏感特别保护区、一般生态保护区、生态保育区、生态协调区、生态复垦区、限制发展区、工矿发展区与城镇发展区等八大功能区，各区内生态风险防范措施各有侧重；最后利用2010年城市总体规划图对评价与分区结果进行有效性分析，分析结果表明，辽源市90%以上的规划建设用地属于发展主导区域、70%以上的非规划用地属于生态保护主导区，研究结果与2010年城市规划用地布局范围基本吻合。基于GIS定量方法进行矿业城市土地损毁生态风险分析可空间化土地利用的风险等级与主导风险因素，为制定有针对性的风险防范措施提供了空间信息；也为矿业城市土地复垦规划、土地整理规划与土地利用总体规划的有机结合提供了参考。 |
| [11] | 根据2005南海三个重点海洋倾倒区,即九澳岛重点海洋倾倒区、 黄茅岛重点海洋倾倒区、汕头重点海洋倾倒区的监测,分析其表层沉积物重金属的监测资料,采用富集系数法和Hakanson潜在生态危害系数法对其富集度和 潜在生态危害程度进行了分析和评价.结果表明:在三个倾倒区表层沉积物所监测的重金属中,Cu和Pb元素的富集度相对最高,Hg和Cd元素的富集度较低, 从空间上看,潜在生态危害系数评价结果显示,南海三个重点海洋倾倒区表层沉积物中的重金属对海洋生态系统的潜在生态危害非常轻微,均属于轻微潜在生态危害 范畴,其中轻微潜在生态危害程度相对较重的是Cd和Hg元素,Cu和Pb元素的轻微生态危害程度较轻. . 根据2005南海三个重点海洋倾倒区,即九澳岛重点海洋倾倒区、 黄茅岛重点海洋倾倒区、汕头重点海洋倾倒区的监测,分析其表层沉积物重金属的监测资料,采用富集系数法和Hakanson潜在生态危害系数法对其富集度和 潜在生态危害程度进行了分析和评价.结果表明:在三个倾倒区表层沉积物所监测的重金属中,Cu和Pb元素的富集度相对最高,Hg和Cd元素的富集度较低, 从空间上看,潜在生态危害系数评价结果显示,南海三个重点海洋倾倒区表层沉积物中的重金属对海洋生态系统的潜在生态危害非常轻微,均属于轻微潜在生态危害 范畴,其中轻微潜在生态危害程度相对较重的是Cd和Hg元素,Cu和Pb元素的轻微生态危害程度较轻. |
| [12] | 协调好生态环境保护和发展之间关系是生态文明建设的核心,在景区建设初期对旅游开发可能造成的生态风险进行评估有利于防范可能出现的生态环境问题,促进旅游生态环境保护与旅游业可持续发展.本文基于对甘肃省阿万仓湿地生态风险源与风险受体的分析,构建了阿万仓湿地旅游开发的生态风险评价指标体系,运用德尔菲法和风险评估指数法对其旅游开发已经或可能造成的生态风险进行分级,并针对不同风险等级提出管理对策.研究结果表明:旅游开发对阿万仓湿地产生的负面影响中,对当地文化的冲击、植被覆盖率降低、水体污染是最需要重视的问题. . 协调好生态环境保护和发展之间关系是生态文明建设的核心,在景区建设初期对旅游开发可能造成的生态风险进行评估有利于防范可能出现的生态环境问题,促进旅游生态环境保护与旅游业可持续发展.本文基于对甘肃省阿万仓湿地生态风险源与风险受体的分析,构建了阿万仓湿地旅游开发的生态风险评价指标体系,运用德尔菲法和风险评估指数法对其旅游开发已经或可能造成的生态风险进行分级,并针对不同风险等级提出管理对策.研究结果表明:旅游开发对阿万仓湿地产生的负面影响中,对当地文化的冲击、植被覆盖率降低、水体污染是最需要重视的问题. |
| [13] | 渔业资源增殖放流作为国内外水生生物资源养护领域普遍采用的一种做法，其在提升增殖种类资源量的同时，也会给野生资源种类和增殖水域生态系统健康带来诸多生态风险。现阶段，系统评价增殖放流的生态风险、实施有效的生态风险防控已成为构建负责任增殖放流模式的必然要求。本文从种群、群落和生态系统3个层面系统评述国内外渔业资源增殖放流生态风险研究领域的最新进展，阐述相应的生态风险防控措施，以期为我国渔业资源增殖放流的生态风险防控工作提供理论参考。 . 渔业资源增殖放流作为国内外水生生物资源养护领域普遍采用的一种做法，其在提升增殖种类资源量的同时，也会给野生资源种类和增殖水域生态系统健康带来诸多生态风险。现阶段，系统评价增殖放流的生态风险、实施有效的生态风险防控已成为构建负责任增殖放流模式的必然要求。本文从种群、群落和生态系统3个层面系统评述国内外渔业资源增殖放流生态风险研究领域的最新进展，阐述相应的生态风险防控措施，以期为我国渔业资源增殖放流的生态风险防控工作提供理论参考。 |
| [14] | <p> 实现可持续发展，需要加深理解全球环境变化对可更新资源保障能力和灾害发生频率、强度和时空格局的影响。近年来发生在世界各国的巨灾造成了严重的灾情，如2008年中国南方的冰冻雨雪灾害，2007年孟加拉国的台风灾害，2005年的美国卡特里娜飓风等。加强对全球环境变化背景下的综合灾害风险防范研究已成为一个迫切需要解决的可持续发展问题。为此，在CNC-IHDP的领导下，CNC-IHDP-RG工作组向IHDP提出了开展全球环境变化与综合风险防范研究的建议。经过2年多的努力，作为IHDP新一轮国际性核心科学计划——综合风险防范（IHDP-IRG）已经得到IHDP-SC的认可，即将于2009年4月在德国波恩IHDP科学大会期间正式宣布启动。该核心计划为从事风险研究、管理和具体实践方面的全球顶级专家和组织搭建交流平台，并引导未来国际综合风险防范研究从综合灾害风险防范的科学、技术与管理问题入手，通过案例对比，从多学科角度，对综合灾害风险防范的理论和方法进行创新性研究，以推动全球综合减灾实践的深入发展。CNC-IHDP-RG作为这一核心科学计划的倡议、发起和主要组织者，通过该计划的成功实施，不但可以在国际上充分展现我国综合灾害风险研究领域的成果，更将有助于大幅度提升中国在全球环境变化研究中的国际地位。</p> . <p> 实现可持续发展，需要加深理解全球环境变化对可更新资源保障能力和灾害发生频率、强度和时空格局的影响。近年来发生在世界各国的巨灾造成了严重的灾情，如2008年中国南方的冰冻雨雪灾害，2007年孟加拉国的台风灾害，2005年的美国卡特里娜飓风等。加强对全球环境变化背景下的综合灾害风险防范研究已成为一个迫切需要解决的可持续发展问题。为此，在CNC-IHDP的领导下，CNC-IHDP-RG工作组向IHDP提出了开展全球环境变化与综合风险防范研究的建议。经过2年多的努力，作为IHDP新一轮国际性核心科学计划——综合风险防范（IHDP-IRG）已经得到IHDP-SC的认可，即将于2009年4月在德国波恩IHDP科学大会期间正式宣布启动。该核心计划为从事风险研究、管理和具体实践方面的全球顶级专家和组织搭建交流平台，并引导未来国际综合风险防范研究从综合灾害风险防范的科学、技术与管理问题入手，通过案例对比，从多学科角度，对综合灾害风险防范的理论和方法进行创新性研究，以推动全球综合减灾实践的深入发展。CNC-IHDP-RG作为这一核心科学计划的倡议、发起和主要组织者，通过该计划的成功实施，不但可以在国际上充分展现我国综合灾害风险研究领域的成果，更将有助于大幅度提升中国在全球环境变化研究中的国际地位。</p> |
| [15] | 自然灾害风险评估是区域减灾防灾重要的基础工作之一。从风险概念和风险度的表达入手，探讨了 自然灾害风险评估的对象及其构建的指标体系，对主要自然灾害风险评估方法进行了综合比较，并对灾害易损性评估研究进行了总结，认为对灾害风险下的生态系统 易损性关注不多。因此以区域为研究尺度，构建了生态系统灾害风险评估框架，选择危害风险性指数反映灾害危险程度，选择防灾能力指数、承灾能力指数、恢复力 指数等构建了生态系统灾害易损性评估指标体系。在对自然灾害风险评估研究认真梳理的基础上，认为复杂性灾害系统的研究、灾害易损性基础理论及定量方法的探 索、自然灾害风险研究体系的时空尺度的扩展、自然灾害风险评估精度和可信度的提高是未来灾害风险评估值得重视的趋势。 . 自然灾害风险评估是区域减灾防灾重要的基础工作之一。从风险概念和风险度的表达入手，探讨了 自然灾害风险评估的对象及其构建的指标体系，对主要自然灾害风险评估方法进行了综合比较，并对灾害易损性评估研究进行了总结，认为对灾害风险下的生态系统 易损性关注不多。因此以区域为研究尺度，构建了生态系统灾害风险评估框架，选择危害风险性指数反映灾害危险程度，选择防灾能力指数、承灾能力指数、恢复力 指数等构建了生态系统灾害易损性评估指标体系。在对自然灾害风险评估研究认真梳理的基础上，认为复杂性灾害系统的研究、灾害易损性基础理论及定量方法的探 索、自然灾害风险研究体系的时空尺度的扩展、自然灾害风险评估精度和可信度的提高是未来灾害风险评估值得重视的趋势。 |
| [16] | This article explores the role of risk perception in adaptation to stress through comparative case studies of coffee farmers鈥 responses to climatic and non-climatic stressors. We hypothesized that farmers associating these changes with high risk would be more likely to make adaptations than those who saw the events as part of normal variation. Nevertheless, we found that farmers who associated events with high risk were not more likely to engage in specific adaptations. Adaptive responses were more clearly associated with access to land than perception of risk, suggesting that adaptation is more a function of exogenous constraints on decision making than perception. |
| [17] | 汶川大地震的主要影响区位于四川盆地西缘，是四川盆地向青藏高原的过渡地带，地质构造复杂，山高谷深坡陡，是我国生态环境十分脆弱的地区，同时该地区还是具有重要生态服务功能，是长江上游生态安全的重要屏障。汶川大地震不仅造成巨大人员伤亡和财产损失，也对生态系统造成了严重破坏，对区域生态安全带来巨大威胁。研究运用遥感数据和实地调查，评估了地震对生态系统的影响，研究结果表明：（1）汶川大地震造成严重的生态破坏，导致生态系统丧失面积为122136hm2，并形成了包括汶川县、彭州市、绵竹市等10县市的地震生态破坏重灾区。（2）地震导致65,584hm2大熊猫生境丧失，损失比例592％。（3）94.64%的受损生态系统分布在地震烈度IX以上区域，53.82%的受损生态系统分布在海拔2000m以下的区域，66.09%的受损生态系统分布在坡度30~50°之间。地震导致的生态破坏将影响区域生态安全，在恢复重建中要加强生态保护和生态系统的恢复重建。 . 汶川大地震的主要影响区位于四川盆地西缘，是四川盆地向青藏高原的过渡地带，地质构造复杂，山高谷深坡陡，是我国生态环境十分脆弱的地区，同时该地区还是具有重要生态服务功能，是长江上游生态安全的重要屏障。汶川大地震不仅造成巨大人员伤亡和财产损失，也对生态系统造成了严重破坏，对区域生态安全带来巨大威胁。研究运用遥感数据和实地调查，评估了地震对生态系统的影响，研究结果表明：（1）汶川大地震造成严重的生态破坏，导致生态系统丧失面积为122136hm2，并形成了包括汶川县、彭州市、绵竹市等10县市的地震生态破坏重灾区。（2）地震导致65,584hm2大熊猫生境丧失，损失比例592％。（3）94.64%的受损生态系统分布在地震烈度IX以上区域，53.82%的受损生态系统分布在海拔2000m以下的区域，66.09%的受损生态系统分布在坡度30~50°之间。地震导致的生态破坏将影响区域生态安全，在恢复重建中要加强生态保护和生态系统的恢复重建。 |
| [18] | <p>生态风险评价是伴随着环境管理目标和环境观念的转变而逐渐兴起并得到发展的一个新的研究领域,它区别于生态影响评价的重要特征在于其强调不确定性因素的作用,区域生态风险评价所涉及的风险源以及评价受体等都在区域内具有空间异质性,因而比一般生态风险评价更复杂。通过讨论区域生态风险评价的特点和方法论基础,对有关概念和评价的方法步骤进行了理论探讨。</p> . <p>生态风险评价是伴随着环境管理目标和环境观念的转变而逐渐兴起并得到发展的一个新的研究领域,它区别于生态影响评价的重要特征在于其强调不确定性因素的作用,区域生态风险评价所涉及的风险源以及评价受体等都在区域内具有空间异质性,因而比一般生态风险评价更复杂。通过讨论区域生态风险评价的特点和方法论基础,对有关概念和评价的方法步骤进行了理论探讨。</p> |
| [19] | |
| [20] | <p>综合考虑低丘缓坡开发区域自然生态风险及开发建设生态风险,构建了低丘缓坡开发综合生态风险评价框架;并以大理白族自治州为例,基于地质灾害胁迫、土壤侵蚀胁迫定量表征自然生态风险概率,基于污染累积胁迫、资源耗竭胁迫、空间占用胁迫定量表征开发建设生态风险概率,结合生态重要性定量评价低丘缓坡建设开发综合生态风险并探究其空间分布特征;最后结合现状建设开发强度,实现了流域尺度的发展权衡分区。结果表明,就整体区域而言,综合生态风险高值区主要集中在洱海地区以及巍山、弥渡和南涧等县;从用地类型上来说,水域综合生态风险最高,而建设用地最低,林地综合生态风险也较高,但随着离建设用地距离的增大而减小;基于剖面线分析,大理市综合生态风险空间变异受土地利用结构的海拔分异及其与人类活动作用距离等显著影响;由于山脉阻隔,大理州综合生态风险表现出比较明显的区域封闭性。结合现状建设开发强度,在流域尺度上将大理州划分为保护优先区（高风险—高开发）、开发优先区（低风险—低开发）、保护权衡区（高风险—低开发）和开发权衡区（低风险—高开发）四类发展权衡区域,并根据生态风险特征差异,提出建设开发策略,以期为低丘缓坡建设开发生态风险防范及发展权衡提供科学指引。</p> . <p>综合考虑低丘缓坡开发区域自然生态风险及开发建设生态风险,构建了低丘缓坡开发综合生态风险评价框架;并以大理白族自治州为例,基于地质灾害胁迫、土壤侵蚀胁迫定量表征自然生态风险概率,基于污染累积胁迫、资源耗竭胁迫、空间占用胁迫定量表征开发建设生态风险概率,结合生态重要性定量评价低丘缓坡建设开发综合生态风险并探究其空间分布特征;最后结合现状建设开发强度,实现了流域尺度的发展权衡分区。结果表明,就整体区域而言,综合生态风险高值区主要集中在洱海地区以及巍山、弥渡和南涧等县;从用地类型上来说,水域综合生态风险最高,而建设用地最低,林地综合生态风险也较高,但随着离建设用地距离的增大而减小;基于剖面线分析,大理市综合生态风险空间变异受土地利用结构的海拔分异及其与人类活动作用距离等显著影响;由于山脉阻隔,大理州综合生态风险表现出比较明显的区域封闭性。结合现状建设开发强度,在流域尺度上将大理州划分为保护优先区（高风险—高开发）、开发优先区（低风险—低开发）、保护权衡区（高风险—低开发）和开发权衡区（低风险—高开发）四类发展权衡区域,并根据生态风险特征差异,提出建设开发策略,以期为低丘缓坡建设开发生态风险防范及发展权衡提供科学指引。</p> |
| [21] | 以辽宁省锦州湾沿海经济开发区为研究区,利用1992、2000和2007年3个时期的TM遥感影像为数据源,通过计算各景观格局指数,引入生态风险指数,利用GIS和地统计学,对生态风险指数进行采样和空间插值,得到基于景观格局的生态风险分布图。运用相对指标法对生态风险指数进行分级,将研究区域划分为低生态风险区、较低生态风险区、中等生态风险区、较高生态风险区和高生态风险区5个等级,在此基础上通过将不同时期的生态风险图层进行叠加运算,分析了研究区景观生态风险的时空变化情况。结果表明:近15a来研究区生态风险主要以中等程度为主;处于低、较低生态风险程度的区域面积变化不大,空间分布也一直位于西部低山丘陵地区;较高生态风险区域面积增加较为显著,主要发生在兴城市和绥中县东南沿海地区;高生态风险区面积随着未利用地和芦苇湿地等高生态脆弱性景观类型面积的减少而略有下降。 . 以辽宁省锦州湾沿海经济开发区为研究区,利用1992、2000和2007年3个时期的TM遥感影像为数据源,通过计算各景观格局指数,引入生态风险指数,利用GIS和地统计学,对生态风险指数进行采样和空间插值,得到基于景观格局的生态风险分布图。运用相对指标法对生态风险指数进行分级,将研究区域划分为低生态风险区、较低生态风险区、中等生态风险区、较高生态风险区和高生态风险区5个等级,在此基础上通过将不同时期的生态风险图层进行叠加运算,分析了研究区景观生态风险的时空变化情况。结果表明:近15a来研究区生态风险主要以中等程度为主;处于低、较低生态风险程度的区域面积变化不大,空间分布也一直位于西部低山丘陵地区;较高生态风险区域面积增加较为显著,主要发生在兴城市和绥中县东南沿海地区;高生态风险区面积随着未利用地和芦苇湿地等高生态脆弱性景观类型面积的减少而略有下降。 |
| [22] | <div >流域生态风险评价是流域生态保护与环境管理的重要研究内容.开展以人类活动为风险源的生态风险评价，揭示流域生态风险的空间变化规律，对于促进流域生态保护和环境管理及社会发展具有重要的指导意义.本文基于景观格局指数和生态环境脆弱度构建了流域生态风险综合指数，以甘肃白龙江流域2010年土地利用数据为基础，以ArcGIS和Fragstats软件为平台，通过空间采样和地统计空间插值得到白龙江流域生态风险的空间分布规律.结果表明：白龙江流域生态风险空间分布差异明显，总体而言，白龙江流域西北部和北部的生态风险高于流域的西部和南部山区；在白龙江流域各县区中，武都和宕昌县的生态风险较高，迭部县和文县的生态风险较低.今后应加强流域土地利用综合管理和人类活动调控，开展植被恢复和生态重建，降低不合理人为干扰的生态风险和危害，实现流域经济、社会与生态保护的“多赢”，促进区域可持续发展.</div><div > </div> . <div >流域生态风险评价是流域生态保护与环境管理的重要研究内容.开展以人类活动为风险源的生态风险评价，揭示流域生态风险的空间变化规律，对于促进流域生态保护和环境管理及社会发展具有重要的指导意义.本文基于景观格局指数和生态环境脆弱度构建了流域生态风险综合指数，以甘肃白龙江流域2010年土地利用数据为基础，以ArcGIS和Fragstats软件为平台，通过空间采样和地统计空间插值得到白龙江流域生态风险的空间分布规律.结果表明：白龙江流域生态风险空间分布差异明显，总体而言，白龙江流域西北部和北部的生态风险高于流域的西部和南部山区；在白龙江流域各县区中，武都和宕昌县的生态风险较高，迭部县和文县的生态风险较低.今后应加强流域土地利用综合管理和人类活动调控，开展植被恢复和生态重建，降低不合理人为干扰的生态风险和危害，实现流域经济、社会与生态保护的“多赢”，促进区域可持续发展.</div><div > </div> |
| [23] | |
| [24] | |
| [25] | |
| [26] | Minimizing the ecological impact of land development is a fundamental principle of sustainable development. Ecological suitability assessment is the key to realizing sustainability and is also significant for optimizing spatial patterns of territorial development. Especially in mountainous areas where the ecosystem is both vulnerable and important, quantitative evaluation of ecological suitability for land development is particularly important and urgent given current development strategy of urban construction in mountainous areas in China. Taking Dali Bai Autonomous Prefecture, a representative urban construction zone in a mountainous area in Yunnan Province, China, as a study area, and based on the fundamental theory of structural and functional dynamics from landscape ecology, this study has explored the integrated ecological resistance (IER) conceptual model and constructed an index system with aspects of ecological elements, ecological importance, and ecological resilience. The results showed that: (1) the ecological suitability level was higher in the north than in the south and higher in the east than in the west, as well as higher in the Bazi region than in mountainous areas. Dali City, Binchuan County, and Xiangyun County had large ecological suitable zones for development and construction. Foci of ecological resistance having strong ecological constraints were mainly concentrated in Heqing County and in various other places; (2) by combining the integrated ecological resistance and arable land distributions, the study area was zoned into five regions: prior development zone, moderate development zone, potential development zone, restricted development zone, and forbidden development zone. Moderate, potential, and restricted development zones occupied most of the area, accounting for 28.89%, 24.69%, and 21.40%, respectively, whereas prior development zones accounted for only 8.91%; (3) based on the areal proportions of ecological suitability zoning, the 12 counties of Dali Prefecture can be grouped into three categories: prior areas for conservation, comprehensive development areas, and prior areas for development. Xiangyun County and Binchuan County should be regarded as key areas of Dali Prefecture for urban construction in mountainous areas. This research has explored an ecological suitability evaluation system from the perspective of landscape ecology and made fully understanding of ecological suitability factors in the study area, which provided a good reference to ecological suitability evaluation for mountainous area development in the worldwide. |
| [27] | 山区城市在城镇化、粮食安全、生态保护的多重要求下,有必要探索将基本农田以外的低丘缓坡山地开发为建设用地的可行性和限制性.研究选取涵盖景观风险和灾害风险的共12个空间化指标,基于有序加权平均(ordered weighted averaging,OWA)方法,以大理白族自治州为例进行低丘缓坡区域建设开发适宜性评价.通过设置不同位序权重表征评价者偏好,结果表明:在指标风险程度的可信度较高的情况下,农用地、城镇、断裂带、河流等高风险指标权重被加大,空间特征明显;在指标风险程度的可信度较低的情况下,评价结果的空间均质性增强.通过模拟城镇建设导向、维持现有政策、风险控制导向3种适宜性分区情景,得出在城镇建设导向下应优先开发中小城镇,在风险控制导向下应优先保证大城市合理扩展.评价结果可以描述在城市的不同发展阶段如何构建政策权衡后的城镇化空间格局,满足了不同决策思路下的建设用地开发布局需求. . 山区城市在城镇化、粮食安全、生态保护的多重要求下,有必要探索将基本农田以外的低丘缓坡山地开发为建设用地的可行性和限制性.研究选取涵盖景观风险和灾害风险的共12个空间化指标,基于有序加权平均(ordered weighted averaging,OWA)方法,以大理白族自治州为例进行低丘缓坡区域建设开发适宜性评价.通过设置不同位序权重表征评价者偏好,结果表明:在指标风险程度的可信度较高的情况下,农用地、城镇、断裂带、河流等高风险指标权重被加大,空间特征明显;在指标风险程度的可信度较低的情况下,评价结果的空间均质性增强.通过模拟城镇建设导向、维持现有政策、风险控制导向3种适宜性分区情景,得出在城镇建设导向下应优先开发中小城镇,在风险控制导向下应优先保证大城市合理扩展.评价结果可以描述在城市的不同发展阶段如何构建政策权衡后的城镇化空间格局,满足了不同决策思路下的建设用地开发布局需求. |
| [28] | 信息量法是泥石流危险性评价的重要方法之一,本文以甘肃南部白龙 江流域为研究区,根据地形、地貌、地质、环境等条件,选取高程、坡度、岩性、土地利用类型、滑坡点密度、地质构造缓冲区及归一化植被指数(NDVI)等7 个评价因子,进行泥石流灾害危险性评价.文章基于GIS技术的空间分析功能及信息量法的定量分析功能,对各类因子进行分级计算与信息量赋值,生成各评价因 子的信息量图层,并进行叠加分析,最终得到甘肃南部白龙江流域泥石流危险性分区图.结果表明,中度危险区以上的区域包含88.91％的泥石流.随着危险等 级的增加,泥石流沟面积占危险等级面积比也随之增大.在中度危险区、高度危险区和极高度危险区内发生的泥石流面积分别占到各危险等级面积的21.21％、 34.09％和46.00％,分析结果与实际灾害分布特征吻合较好.由此可见,信息量法与GIS技术结合对泥石流灾害进行危险性评价具有较高的准确性. . 信息量法是泥石流危险性评价的重要方法之一,本文以甘肃南部白龙 江流域为研究区,根据地形、地貌、地质、环境等条件,选取高程、坡度、岩性、土地利用类型、滑坡点密度、地质构造缓冲区及归一化植被指数(NDVI)等7 个评价因子,进行泥石流灾害危险性评价.文章基于GIS技术的空间分析功能及信息量法的定量分析功能,对各类因子进行分级计算与信息量赋值,生成各评价因 子的信息量图层,并进行叠加分析,最终得到甘肃南部白龙江流域泥石流危险性分区图.结果表明,中度危险区以上的区域包含88.91％的泥石流.随着危险等 级的增加,泥石流沟面积占危险等级面积比也随之增大.在中度危险区、高度危险区和极高度危险区内发生的泥石流面积分别占到各危险等级面积的21.21％、 34.09％和46.00％,分析结果与实际灾害分布特征吻合较好.由此可见,信息量法与GIS技术结合对泥石流灾害进行危险性评价具有较高的准确性. |
| [29] | . |
| [30] | <a name="Abs1"></a>Southwest China, including the Provinces of Yunnan, Guizhou, Sichuan and Chongqing, is a region with serious debris flow hazards, where 7,561 debris flow sites have been identified. Based on the data from these sites, the distribution regularity of debris flows was analyzed. Earth surface factors that may influence the formation of debris flows were analyzed from the viewpoints of energy and material conditions. Four major earth surface factors were selected: relative relief, stratigraphy, fault density and land-use conditions. With the support of GIS, the research region was divided into 125,177 grid cells and for each cell data for the four factors were collected. Based on this information, the distribution of quantity and the occurrence probability of debris flows and the role of each factor were statistically analyzed. The results should be helpful for the assessment of debris flow hazards and debris flow forecasting in the research region. |
| [31] | |
| [32] | |
| [33] | 本文在分析生态系统脆弱性概念与评价方法基础上,以土地利用变化引起的生态系统服务价值改变为影响力指标,以社会经济发展程度表征社会经济适应能力指标,构建区域土地利用变化对生态系统脆弱性影响评价和和空间表达方法,将生态系统脆弱性研究拓展到人类(社会)—自然(生态、环境)耦合系统的综合分析与评价,以广州市花都区为例,从花都区、乡镇两个空间尺度上进行了评价。结果表明:(1)在1980～1990年、1990～2000年和2000～2005年三个时间段,耕地面积的变化对该区生态系统服务功能影响最为显著;(2)1990～2000年和2000～2005年间,研究区社会经济适应性指数保持为正,两期平均值分别为0.391和0.374;(3)从研究区1990～2000年和2000～2005年两期脆弱性空间分布来看,虽然适应能力的提高在一定程度上缓解了土地利用变化对生态系统的负向影响,但总体呈现脆弱趋势,且脆弱性严重的乡镇数在时间尺度上呈现增加趋势。 . 本文在分析生态系统脆弱性概念与评价方法基础上,以土地利用变化引起的生态系统服务价值改变为影响力指标,以社会经济发展程度表征社会经济适应能力指标,构建区域土地利用变化对生态系统脆弱性影响评价和和空间表达方法,将生态系统脆弱性研究拓展到人类(社会)—自然(生态、环境)耦合系统的综合分析与评价,以广州市花都区为例,从花都区、乡镇两个空间尺度上进行了评价。结果表明:(1)在1980～1990年、1990～2000年和2000～2005年三个时间段,耕地面积的变化对该区生态系统服务功能影响最为显著;(2)1990～2000年和2000～2005年间,研究区社会经济适应性指数保持为正,两期平均值分别为0.391和0.374;(3)从研究区1990～2000年和2000～2005年两期脆弱性空间分布来看,虽然适应能力的提高在一定程度上缓解了土地利用变化对生态系统的负向影响,但总体呈现脆弱趋势,且脆弱性严重的乡镇数在时间尺度上呈现增加趋势。 |
| [34] | <p>以宁夏中部生态脆弱区典型县为研究对象,利用1985、1995、2000年三期TM影像提取的土地利用数据,基于GIS空间统计分析功能,结合土地利用指数及分形模型、景观破碎度等景观分异测度指数,探讨近20年来该县土地利用时空分异特征及其沙漠化响应,结果表明:①土地利用变化整体上表现为中低覆盖度草场减少,林地为先破坏而后治理;②1985~2000年沙地扩展区域从北部风沙地貌区转移到中部波状高原区,尤其是扬黄灌渠附近需加强管理和防治;③草场沙化比例最大,中覆盖度草场沙化集中在北部农作活动密集区,其沙化斑块连通性强,低覆盖度草场沙化大部分紧临原沙地,受自然因素干扰更为明显;④中、低覆盖度草场斑块不稳定性程度较高,中覆盖度草场属该区域中对自然条件变化和人为干扰最为敏感的类型,需要加强管理和建立科学的生态恢复重建格局。</p> . <p>以宁夏中部生态脆弱区典型县为研究对象,利用1985、1995、2000年三期TM影像提取的土地利用数据,基于GIS空间统计分析功能,结合土地利用指数及分形模型、景观破碎度等景观分异测度指数,探讨近20年来该县土地利用时空分异特征及其沙漠化响应,结果表明:①土地利用变化整体上表现为中低覆盖度草场减少,林地为先破坏而后治理;②1985~2000年沙地扩展区域从北部风沙地貌区转移到中部波状高原区,尤其是扬黄灌渠附近需加强管理和防治;③草场沙化比例最大,中覆盖度草场沙化集中在北部农作活动密集区,其沙化斑块连通性强,低覆盖度草场沙化大部分紧临原沙地,受自然因素干扰更为明显;④中、低覆盖度草场斑块不稳定性程度较高,中覆盖度草场属该区域中对自然条件变化和人为干扰最为敏感的类型,需要加强管理和建立科学的生态恢复重建格局。</p> |
| [35] | <div >矿区自然生态系统脆弱性研究不仅对生态资源及生态环境有重要作用，还对资源合理利用及实现区域可持续发展有指导意义。在分析生态脆弱性概念与评价方法的基础上，依循“压力状态响应”评估框架，基于景观格局指数，从自然生态系统压力度、敏感性、恢复力3方面出发构建矿区自然生态系统脆弱性评价指标体系。以辽源市为例，对其进行系统分析与评价。结果表明：各类自然生态系统类型中，辽源市草地的脆弱性最高、林地最低；33个乡镇中，杨木林镇生态脆弱性最高、东丰县县城最低；从4个区县来看，脆弱性大小为龙山区>西安区>东丰县>东辽县；用地分布格局，自然生态环境，采矿、居民点等人为干扰，是影响生态脆弱性空间分异的主要原因。</div><div > </div> . <div >矿区自然生态系统脆弱性研究不仅对生态资源及生态环境有重要作用，还对资源合理利用及实现区域可持续发展有指导意义。在分析生态脆弱性概念与评价方法的基础上，依循“压力状态响应”评估框架，基于景观格局指数，从自然生态系统压力度、敏感性、恢复力3方面出发构建矿区自然生态系统脆弱性评价指标体系。以辽源市为例，对其进行系统分析与评价。结果表明：各类自然生态系统类型中，辽源市草地的脆弱性最高、林地最低；33个乡镇中，杨木林镇生态脆弱性最高、东丰县县城最低；从4个区县来看，脆弱性大小为龙山区>西安区>东丰县>东辽县；用地分布格局，自然生态环境，采矿、居民点等人为干扰，是影响生态脆弱性空间分异的主要原因。</div><div > </div> |
| [36] | 提出运用生态足迹的方法对区域生态脆弱性进行评价的观点,并对吉林省2007年的生态足迹进行了计算.结果表明:生态足迹为1.805975hm2/人,可利用的生态承载力面积为0.663971hm2/人,前者是后者2.72倍,表现为较强的脆弱性.其中,化石燃料的用地需求为1.041998hm2/人,占总需求的57.7%,超出了总的生态承载能力,城市生物资源消费产品的生态足迹为0.464208hm2/人,农村生物资源消费的生态足迹为0.431932hm2/人,前者略高于后者.另外,根据吉林省生态脆弱性的评价结果,提出了本区提高生态承载力,降低生态足迹的具体措施.最后,总结了生态足迹分析方法的优势以及进一步研究的方向. . 提出运用生态足迹的方法对区域生态脆弱性进行评价的观点,并对吉林省2007年的生态足迹进行了计算.结果表明:生态足迹为1.805975hm2/人,可利用的生态承载力面积为0.663971hm2/人,前者是后者2.72倍,表现为较强的脆弱性.其中,化石燃料的用地需求为1.041998hm2/人,占总需求的57.7%,超出了总的生态承载能力,城市生物资源消费产品的生态足迹为0.464208hm2/人,农村生物资源消费的生态足迹为0.431932hm2/人,前者略高于后者.另外,根据吉林省生态脆弱性的评价结果,提出了本区提高生态承载力,降低生态足迹的具体措施.最后,总结了生态足迹分析方法的优势以及进一步研究的方向. |
| [37] | <p>人类的开发活动是造成土地覆盖和景观格局变化的主要原因.村域尺度上高强度的人类开发活动对土地覆盖及景观格局演变的影响规律研究尚不多见.本研究采用2009年的GeoEye-1数据和2014年的WorldView3数据,利用ArcGIS和ENVI,基于面向对象和人机交互的方法解译影像,应用土地利用转移矩阵和景观指数定量研究大理市海东镇低丘缓坡山区改造过程中的土地覆盖变化和景观格局演变.结果表明: 2009年主要土地覆盖类型是林地、水田和旱地,占总面积的82.8%,2014年林地、推平未建地和水田占总面积的70.9%;研究期间,土地利用变化主要由林地、水田和旱地向推平未建地、建设用地转移,尤其是2014年推平未建地面积达531.57 hm<sup>2</sup>,其中,来自林地、旱地和水田的面积分别占42.8%、21.7%和14.2%.景观空间格局演变表现为斑块数量和密度增加,平均斑块面积变小;边缘指数和形状指数增加,斑块形状更加复杂;斑块破碎化,整体构成更加多样化.</p> . <p>人类的开发活动是造成土地覆盖和景观格局变化的主要原因.村域尺度上高强度的人类开发活动对土地覆盖及景观格局演变的影响规律研究尚不多见.本研究采用2009年的GeoEye-1数据和2014年的WorldView3数据,利用ArcGIS和ENVI,基于面向对象和人机交互的方法解译影像,应用土地利用转移矩阵和景观指数定量研究大理市海东镇低丘缓坡山区改造过程中的土地覆盖变化和景观格局演变.结果表明: 2009年主要土地覆盖类型是林地、水田和旱地,占总面积的82.8%,2014年林地、推平未建地和水田占总面积的70.9%;研究期间,土地利用变化主要由林地、水田和旱地向推平未建地、建设用地转移,尤其是2014年推平未建地面积达531.57 hm<sup>2</sup>,其中,来自林地、旱地和水田的面积分别占42.8%、21.7%和14.2%.景观空间格局演变表现为斑块数量和密度增加,平均斑块面积变小;边缘指数和形状指数增加,斑块形状更加复杂;斑块破碎化,整体构成更加多样化.</p> |
| [38] | . The effectiveness of landscape metrics in quantifying spatial patterns is fundamental to metrics assessment. Setting 36 simulated landscapes as sample space and focusing on 23 widely used landscape metrics, their effectiveness in quantifying the complexity of such spatial pattern components as number of patch types, area ratio of patch types and patch aggregation level, were analyzed with the application of the multivariate linear regression analysis method. The results showed that all the metrics were effective in quantifying a certain component of spatial patterns, and proved that what the metrics quantified were not a single component but the complexity of several components of spatial patterns. The study also showed a distinct inconsistency between the performances of landscape metrics in simulated landscapes and the real urban landscape of Shenzhen, China. It was suggested that the inconsistency resulted from the difference of the correlation among spatial pattern components between simulated and real landscapes. After considering the very difference, the changes of all 23 landscape metrics against changing of number of patch types in simulated landscapes were consistent with those in the real landscape. The phenomenon was deduced as the sign effect of spatial pattern components on landscape metrics, which was of great significance to the proper use of landscape metrics. |
| [39] | Abstract: Genre: Book chapter ProdID: 87289 Citation Author: Korner, C.; Ohsawa, M.; et al. Citation Contributing Office: Fort Collins Science Center Citation Datum: Citation Day: Citation Edition: Citation Editor: Hassan, R.; Scholes, R.; Ash, N. Citation End Page: 716 Citation Issue: Citation Keywords: Citation Language: English Citation Larger Work Title: Ecosystems and human well-being: current state and trends, Volume 1 Citation LatN: Citation LatS: Citation LonE: Citation LonW: Citation Month: Citation No Pagination: Citation Number Of Pages: 36 Citation Online Only Flag: Citation Phsyical Description: p. 681-716 Citation Projection: Citation Public Comments: Citation Publisher: Island Press Citation Series: Citation Series Code: Citation Series Number: Citation Search Results Text: Chapter 24. Mountain Systems; 2005; Book chapter; Book; Ecosystems and human well-being: current state and trends, Volume 1; Korner, C.; Ohsawa, M.; et al. Citation Start Page: 681 Citation Volume: 1 Citation Year: 2005 Type: citation/reference Text: Chapter 24. Mountain Systems; 2005; Book chapter; Book; Ecosystems and human well-being: current state and trends, Volume 1; Korner, C.; Ohsawa, M.; et al. URL (THUMBNAIL): http://pubs.er.usgs.gov/thumbnails/outside_thumb.jpg URL (INDEX PAGE): http://www.fort.usgs.gov/Products/Publications/pub_abstract.asp?PubID=21467 Date Other: Sat, 1 Jan 2005 00:00 -0600 Publisher: Island Press |
| [40] | . |
| [41] | |
| [42] | Abstract We have investigated global teleconnections of climate to regional satellite-driven observations for prediction of Amazon ecosystem production, in the form of monthly estimates of net carbon exchange over the period 1982–1998 from the NASA–CASA (Carnegie–Ames–Stanford) biosphere model. This model is driven by observed surface climate and monthly estimates of vegetation leaf area index (LAI) and fraction of absorbed PAR (fraction of photosynthetically active radiation, FPAR) generated from the NOAA satellite advanced very high-resolution radiometer (AVHRR) and similar sensors. Land surface AVHRR data processing using modified moderate-resolution imaging spectroradiometer radiative transfer algorithms includes improved calibration for intra- and intersensor variations, partial atmospheric correction for gaseous absorption and scattering, and correction for stratospheric aerosol effects associated with volcanic eruptions. Results from our analysis suggest that anomalies of net primary production and net ecosystem production predicted from the NASA–CASA model over large areas of the Amazon region east of 60°W longitude are strongly correlated with the Southern Oscillation index. Extensive areas of the south-central Amazon show strong linkages of the FPAR and the NASA–CASA anomaly record to the Arctic Oscillation index, which help confirm a strong relation to southern Atlantic climate anomalies, with associated impacts on Amazon rainfall patterns. Processes are investigated for these teleconnections of global climate to Amazon ecosystem carbon fluxes and regional land surface climate. |
| [43] | Abstract This article discusses research in which the authors applied the Revised Universal Soil Loss Equation (RUSLE), remote sensing, and geographical information system (GIS) to the maping of soil erosion risk in Brazilian Amazonia. Soil map and soil survey data were used to develop the soil erodibility factor ( K ), and a digital elevation model image was used to generate the topographic factor ( LS ). The cover-management factor ( C ) was developed based on vegetation, shade, and soil fraction images derived from spectral mixture analysis of a Landsat Enhanced Thematic Mapper Plus image. Assuming the same climatic conditions and no support practice in the study area, the rainfall–runoff erosivity ( R ) and the support practice ( P ) factors were not used. The majority of the study area has K values of less than 0·2, LS values of less than 2·5, and C values of less than 0·25. A soil erosion risk map with five classes (very low, low, medium, medium-high, and high) was produced based on the simplified RUSLE within the GIS environment, and was linked to land use and land cover (LULC) image to explore relationships between soil erosion risk and LULC distribution. The results indicate that most successional and mature forests are in very low and low erosion risk areas, while agroforestry and pasture are usually associated with medium to high risk areas. This research implies that remote sensing and GIS provide promising tools for evaluating and mapping soil erosion risk in Amazonia. Copyright 漏 2004 John Wiley & Sons, Ltd. |
| [44] | <p>关中—天水经济区是西部大开发规划中提出的需要重点发展的第三个经济区,经济迅速发展的同时带给生态环境巨大压力,因此研究关中—天水经济区的生态系统服务变化以及生态系统服务之间的关系,对经济区的可持续发展具有重要意义。本文测算了2000年至2010年关中—天水经济区的净初级生产力（NPP）、保水量以及土壤侵蚀量——反映狭义上的保土服务功能（减少土壤侵蚀）,引入玫瑰图以及生产可能性边界方法研究这三种生态系统服务之间的权衡和协同关系,并对2030年关中—天水经济区的土地利用类型进行情景模拟,在不同情景下研究净初级生产力（NPP）保水以及土壤侵蚀三者的空间分布和相互之间权衡和协同关系。结果表明：NPP与保水之间存在协同关系,NPP的增加会促进保水量的提高,反过来,保水量的增加有利于NPP的积累;NPP与土壤侵蚀以及保水与土壤侵蚀之间为权衡关系,NPP、保水的增长有利于减少土壤侵蚀,增加土壤保持量;保护情景下获得的NPP与保水量最多,土壤侵蚀量最少,是最优的土地利用类型方案,最有利于生态环境;不同情景下NPP与土壤侵蚀以及保水与土壤侵蚀之间也存在权衡关系。</p> . <p>关中—天水经济区是西部大开发规划中提出的需要重点发展的第三个经济区,经济迅速发展的同时带给生态环境巨大压力,因此研究关中—天水经济区的生态系统服务变化以及生态系统服务之间的关系,对经济区的可持续发展具有重要意义。本文测算了2000年至2010年关中—天水经济区的净初级生产力（NPP）、保水量以及土壤侵蚀量——反映狭义上的保土服务功能（减少土壤侵蚀）,引入玫瑰图以及生产可能性边界方法研究这三种生态系统服务之间的权衡和协同关系,并对2030年关中—天水经济区的土地利用类型进行情景模拟,在不同情景下研究净初级生产力（NPP）保水以及土壤侵蚀三者的空间分布和相互之间权衡和协同关系。结果表明：NPP与保水之间存在协同关系,NPP的增加会促进保水量的提高,反过来,保水量的增加有利于NPP的积累;NPP与土壤侵蚀以及保水与土壤侵蚀之间为权衡关系,NPP、保水的增长有利于减少土壤侵蚀,增加土壤保持量;保护情景下获得的NPP与保水量最多,土壤侵蚀量最少,是最优的土地利用类型方案,最有利于生态环境;不同情景下NPP与土壤侵蚀以及保水与土壤侵蚀之间也存在权衡关系。</p> |
| [45] | 为全面认识与正确评价森林生态系统的水源涵养功能，本文探讨了其概念、表现形式及其计量方法，认为：1）森林的水源涵养功能是一个动态、综合的概念，随着人们对森林水文作用认识的不断深入，其内涵不断丰富扩大，因此森林的水源涵养功能概念存在狭义和广义之分;2）森林的水源涵养功能（广义）有多种表现形式，包括拦蓄降水、调节径流、影响降雨和净化水质等，不过其具体表现形式与研究对象、研究目的以及研究尺度有关;3）目前森林拦蓄降水功能的计量方法主要有土壤蓄水能力法、水量平衡法、年径流量法和多因子回归法等8种，不过这些方法都存在一定的局限性，实际应用中需要综合考虑。 . 为全面认识与正确评价森林生态系统的水源涵养功能，本文探讨了其概念、表现形式及其计量方法，认为：1）森林的水源涵养功能是一个动态、综合的概念，随着人们对森林水文作用认识的不断深入，其内涵不断丰富扩大，因此森林的水源涵养功能概念存在狭义和广义之分;2）森林的水源涵养功能（广义）有多种表现形式，包括拦蓄降水、调节径流、影响降雨和净化水质等，不过其具体表现形式与研究对象、研究目的以及研究尺度有关;3）目前森林拦蓄降水功能的计量方法主要有土壤蓄水能力法、水量平衡法、年径流量法和多因子回归法等8种，不过这些方法都存在一定的局限性，实际应用中需要综合考虑。 |
| [46] | Accurate prediction in complex adaptive systems is difficult. Even in a simple programmed system where all the rules of interaction are known exactly, unexpected behavior can arise. Thus, forecasting in real ecological systems, where system behavior is often poorly understood, requires characterization of the inherent prediction uncertainty. We developed a Bayesian probability network to predict the effect of nitrogen load reductions on eutrophication symptoms in the Neuse River Estuary, NC. The model consists of a set of sub-models, each independently estimated, and capable of probabilistic prediction. Probabilistic forecasts are propagated through the network in accordance with fundamental probability rules. This approach is extremely flexible as it can accommodate information from detailed process-based models, empirically-based models, probabilistic knowledge elicited from experts, or any combination of these sources. Additionally, the Bayesian framework facilitates model updating, in an Adaptive Management context. As management actions to reduce nitrogen inputs become effective the response of system can be monitored and the new data rigorously assimilated into the model via Bayes Theorem. In the Neuse Estuary this latter feature should be particularly informative because the influences of river flow and nitrogen input are highly confounded making their independent effects difficult to estimate. |
| [47] | It has been 10 years since the publication of the relative risk model (RRM) for regional scale ecological risk assessment. The approach has since been used successfully for a variety of freshwater, marine, and terrestrial environments in North America, South America, and Australia. During this period the types of stressors have been expanded to include more than contaminants. Invasive species, habitat loss, stream alteration and blockage, temperature, change in land use, and climate have been incorporated into the assessments. Major developments in the RRM have included the extensive use of geographical information systems, uncertainty analysis using Monte Carlo techniques, and its application to retrospective assessments to determine causation. The future uses of the RRM include assessments for forestry and conservation management, an increasing use in invasive species evaluation, and in sustainability. Developments in risk communication, the use of Bayesian approaches, and in uncertainty analyses are on the horizon. |
