Temporal and Spatial Characteristics of Land Ecological Vulnerability in Songnen Plain, Heilongjiang Province
-
摘要:目的 松嫩平原作为东北典型黑土地的集中分布区,面临着水土流失、土壤肥力下降等问题。综合评价松嫩平原的土地生态脆弱性,为该区域的土地资源利用和黑土地保障粮食安全提供依据。方法 采用“生态敏感性-生态恢复力-生态压力度”模型(S-R-P模型)和GIS技术,结合层次分析法和综合指数法,构建黑龙江省松嫩平原土地生态脆弱性评价指标体系,对2005、2010、2015、2020年研究区土地生态脆弱性进行评价,分析其各时期等级转化和时空分布特征。结果 黑龙江省内的松嫩平原土地处于轻度脆弱状态,土地生态脆弱性综合指数波动下降。2005 ~ 2020年,微度和轻度脆弱区面积分别增加3.37%和5.16%;中度、重度和极度脆弱区共减少8.53%。轻度脆弱区和微度脆弱区占比最大,主要分布在研究区的东北部和中部,共占80.96%;中度、重度和极度脆弱区主要分布于研究区中西部和南部,总占19.03%;土地生态脆弱性等级保持不变、上升和下降的区域分别占总面积的76.09%、5.52%和18.04%。结论 研究区土地生态脆弱性整体处于轻度脆弱状态且有改善的趋势,但其空间差异明显,需继续提高生态防护措施,加强对黑土地的保护和粮食安全的保障。Abstract:Objective Songnen Plain, as the concentrated distribution area of typical black land in northeast China, is faced with the problems of soil erosion and soil fertility decline. Comprehensive evaluation of land ecological vulnerability in Songnen Plain can provide a basis for land resource utilization and food security in this region.Method The evaluation index system of land ecological vulnerability in Songnen Plain of Heilongjiang Province was constructed by using Sensitivity-ecological, Resilience-ecological Pressure model (S-R-P model) and GIS technology, combined with Analytic Hierarchy Process (AHP) and comprehensive index method. The land ecological vulnerability in the study area was evaluated in 2005, 2010, 2015 and 2020. It also classified the calculated land ecological vulnerability index to express their spatial and temporal distribution and its hierarchical transformation characteristics.Result The study showed that the overall land ecological vulnerability in Songnen Plain was presented in a slightly vulnerability state and the comprehensive index of land ecological vulnerability fluctuated. From 2005 to 2020, the areas of micro and slightly vulnerable area increased by 3.37% and 5.16%, respectively. Moderate, severe and extremely vulnerable areas decreased by 7.04%, 1.46% and 0.03%, respectively. The proportion of micro vulnerable and slightly vulnerable area was the largest, accounting for 80.97%, mainly distributed in the northeast and central part of Songnen Plain. Moderate, severe and extremely vulnerable area were mainly distributed in the midwest and south of Songnen Plain, accounting for 19.03% in total. The areas of land ecological vulnerability remained unchanged, but the increased and decreased areas accounted for 5.52% and 18.04% of the total area.Conclusion The overall land ecological vulnerability in the study area is in a slightly vulnerability state, but the spatial difference is obvious. So the ecological protection measures should be continuously improved to strengthen the protection of black land and the guarantee of food security. This study can provide reference for local zoning management and sustainable development.
-
Keywords:
- Evaluation of land ecological vulnerability /
- S-R-P model /
- GIS /
- Songnen Plain
-
【研究意义】随着人类活动的不断加剧,以气候变化和土地利用变化为代表的全球环境变化日益凸显,生态脆弱性研究已成为全球环境变化和可持续发展研究的热点问题[1-2]。土地生态脆弱性的研究是在生态脆弱性的研究基础上融入土地科学和可持续发展等理论发展起来的[3]。在高强度的人类活动和土地资源的不合理利用下,土地退化、水土流失以及土地生态功能退化等环境问题日益突出,加剧了土地生态系统的脆弱性。土地生态脆弱性研究作为土地可持续利用分析的重要工具,逐渐受到学者的关注[4]。通过对区域土地生态脆弱性的现状和分布特征进行研究,揭示其时空差异的成因,为区域土地生态系统的保护和优化提供科学的依据,为土地资源的合理利用及可持续发展提供建议[5]。【前人研究进展】当前国内外的土地生态脆弱性研究尚未形成独立完整的理论体系和分析框架[6],国外较多研究集中于土地退化、土地可持续利用等方面[7],国内的研究主要集中在土地利用变化所引起的土地退化和土地脆弱性等问题上[8],较少将土地作为一个复杂系统对其本身的生态脆弱性进行评价分析[9]。近年来,脆弱性评价才逐渐被学者运用到土地系统中。研究区域生态脆弱性的评价方法较多,如模糊分析法[10]、主成分分析法[11-12]、数据包络分析法[13]、人工神经网络[14]等,并且随着空间技术的发展,结合遥感和地理信息系统来分析空间数据,可以更好的表达生态脆弱性的空间属性[15];此外,国外还有学者结合景观学构建土地生态脆弱性评价体系[16-17]。根据评价对象的差异,广泛采用的评价指标模型主要有“压力-状态-响应”模型(P-S-R模型)[18]、“暴露-敏感-适应”模型(VSD模型)[19]和“生态敏感性-生态恢复力-生态压力度”模型(S-R-P模型)[20]等。在研究对象方面,目前国内外学者多以经济发达地区[21]、自然保护区[22-23]、山区[24]和矿业城市[25]等作为研究对象进行生态脆弱性评价,较少对粮食主产区进行分析[26]。脆弱性评价是土地生态脆弱性研究的重点,总的来看,有关土地生态脆弱性问题的研究还需进一步深入,理论体系有待进一步完善。
【本研究切入点】当前我国粮食重心北移西进特征明显。松嫩平原分布着占东北典型黑土区耕地面积59%的耕地[27],是优质的产粮基地。随着人口增长和社会经济的快速发展,土地资源的开发利用广度和强度不断提高。在东北松嫩平原区,长期不合理的耕作方式和利用模式,甚至是掠夺式开垦,造成松嫩平原黑土层变薄和有机质含量下降、地下水超采、水土流失、土地盐碱化等生态环境问题大量凸显[28]。目前仍缺乏对松嫩平原的土地生态脆弱性评价的相关研究。开展区域土地生态脆弱性研究,了解当地土地脆弱程度的变化,可以因地制宜地为制定土地资源利用政策和生态脆弱调控措施提供建议[29],进而保障该区域的社会经济与生态环境的可持续发展。【拟解决的问题】本研究以黑龙江省松嫩平原区为研究区域,采用S-R-P模型从生态敏感性、生态恢复力和生态压力度三方面构建土地生态脆弱性评价指标体系,使用层次分析法确定指标权重,并利用GIS技术和综合指数法对评价指标进行加权叠加,对研究区2005 ~ 2020年土地生态脆弱性进行综合评价,揭示研究区土地生态脆弱性的时空分布特征和等级转化特征。
1. 材料与方法
1.1 研究区域概况
松嫩平原位于黑龙江省西南部和吉林省西北部,是我国东北三大平原之一。选取黑龙江省内的松嫩平原(下简称“松嫩平原”)作为研究区域(图1),地理位置为122°38′79″ ~ 128°55′29″ E,44°06′31″ ~ 51°00′02″ N。松嫩平原是我国重要的商品粮生产基地之一,其中耕地面积559 × 104 hm2,土壤肥沃,黑土、黑钙土占60%以上,黑土资源丰富。该地区属于温带大陆性半湿润、半干旱季风气候,自西向东大陆性逐渐增强,冬季严寒干燥,夏季温暖多雨,年平均气温2 ~ 6 ℃,年平均降雨量580 mm。松嫩平原畜牧业发达,天然草场面积达200 × 104 hm2。此外该地区地下石油资源较丰富,拥有我国最大的原油生产基地——大庆油田。由于人类活动的干扰日益剧烈,松嫩平原成为了土地利用的“热点区”和我国北方“生态环境脆弱带”的一部分[30]。
1.2 数据来源及处理
研究利用的数据主要包括地形数据、气象数据、土地利用数据、植被数据、社会经济数据等。地形数据包括高程、坡度、坡向和地形起伏度,由中国科学院资源环境科学数据中心(http://www.resdc.cn/)获取的高程(DEM)数据(分辨率为90 m)提取得到;气象数据包括气温、降水量和相对湿度数据,来源于国家地球系统科学数据中心(http://gre.geodata.cn/)的月平均气温、月平均相对湿度和年平均降水量数据集(2005、2010、2015和2020年,分辨率为1 km);土地利用数据来自中国科学院资源环境科学数据中心(http: //www.resdc.cn/)提供的栅格数据(2005、2010、2015和2020年,分辨率为1 km);归一化植被指数(NDVI)数据(分辨率为30 m)来源于国家生态科学数据中心(http://www.nesdc.org.cn/)的2000 ~ 2020年NDVI数据集,植被覆盖度利用NDVI数据计算得到;社会经济数据包括人口和GDP数据(分辨率为1 km),分别来自WorldPop(https://www.worldpop.org/)和国家青藏高原科学数据中心(https://data.tpdc.ac.cn/)的栅格数据(2005、2010、2015和2020年);固定资产和农药化肥投入数据由《黑龙江统计年鉴》获取得到(2005、2010、2015和2020年);景观破碎度由土地利用数据运用Fragstats软件的移动窗格法计算得到;土壤侵蚀强度采用土壤流失方程(RUSLE)[31]计算得到;生物丰富度和居民点干扰由土地利用数据计算得出。最后将所有基础数据重采样为1km的分辨率以方便计算。
1.3 研究方法
1.3.1 S-R-P模型
S-R-P模型是比较典型的生态脆弱性综合性评价模型。它从生态敏感性、生态恢复力和生态压力度三方面全面客观的评价研究区生态脆弱性的演变规律,基本上能够覆盖生态脆弱性的所有内容[32]。其中生态敏感性是指抗干扰的能力,生态恢复力是指自我恢复能力,生态压力度是指对外界压力和干扰的程度[33]。其在进行评价时的主要机理是先选取评价指标,计算各个指标的权重和指数,将所有指标的指数和权重进行加权求和,计算出生态脆弱性指数[34]。
1.3.2 评价指标选取及权重的确定
本研究基于S-R-P模型,结合松嫩平原土地生态脆弱性现状特点,设置目标层、准则层、要素层、指标层4个层次,选取了16个指标来进行评价,其中包括10个正向指标和6个负向指标(表1)。选取坡度、坡向、高程、地形起伏度、植被覆盖度、景观破碎度、降水量、气温、相对湿度、土壤侵蚀强度10个指标来表示生态敏感性,选取生物丰富度、居民点干扰2个指标表示生态恢复力,人口、GDP、固定资产投资、农药化肥投入4个指标表示生态压力度。
表 1 松嫩平原土地生态脆弱性评价指标及权重Table 1. Assessment index and weight of land ecological vulnerability index in Songnen Plain目标层
Target layer准则层
Criterion layer要素层
Factor layer指标层
Index layer指标性质
Index property权重
Weight土地生态脆弱性评价 生态敏感性 地形因子 坡度 + 0.0195 坡向 + 0.0131 高程 − 0.0131 地形起伏度 + 0.0195 地表因子 植被覆盖度 − 0.1298 景观破碎度 + 0.1298 气象因子 年降水量 − 0.0112 年均气温 − 0.0112 年均相对湿度 − 0.0112 土壤因子 土壤侵蚀强度 + 0.0963 生态恢复力 活力 生物丰富度 − 0.1351 功能 居民点干扰 + 0.0624 生态压力度 人口压力因子 人口密度 + 0.1099 社会压力因子 GDP密度 + 0.1099 固定资产投资 + 0.0417 生产压力因子 农药化肥投入 + 0.0861 本文采用层次分析法来确定权重,能够既定性又定量的分析,可以更加全面准确的计算权重[35]。在计算时,通过分析各指标之间的关系,对指标两两进行比较并构建比较判断矩阵,确定各个指标的权重,最后进行一致性检验,经检验,判断矩阵一致性检验CR < 0.1,具有满意的一致性,说明各指标的权重合理[36]。各指标权重如表1所示。
1.3.3 评价指标标准化
由于各指标数据单位存在差异,在进行综合计算时无法直接叠加。为消除这些差异的影响,采用一定的数学转换,将不同量纲和性质的指标值进行综合处理,转换为0 ~ 1范围内的值。本研究采用极差标准化方法,分别采用式(1)和式(2)对正向和负向指标数据进行处理。正向指标与土地生态脆弱性呈正相关,包括坡度、坡向、地形起伏度、景观破碎度、居民点干扰、人口、GDP、固定资产投资和农药化肥投入,其值越大,脆弱性越大;负向指标与土地生态脆弱性呈负相关,包括高程、植被覆盖度、降水量、气温、相对湿度和生物丰富度,其值越大,脆弱性越小。
$$ {X}_{i}{'}=\frac{{X}_{i}-{X}_{{\rm{min}}}}{{X}_{{\rm{max}}}-{X}_{{\rm{min}}}} $$ (1) $$ {X}_{i}{'}=\frac{{X}_{{\rm{max}}}-{X}_{i}}{{X}_{{\rm{max}}}-{X}_{{\rm{min}}}} $$ (2) 式中:
$ {X}_{i}{'} $ 为第$ i $ 项指标的标准化值,$ {X}_{i} $ 为第$ i $ 项指标的原始值,$ {X}_{{\rm{max}}} $ 为第$ i $ 项指标的最大值,$ {X}_{{\rm{min}}} $ 为第$ i $ 项指标的最小值。1.3.4 土地生态脆弱性综合指数计算
利用S-R-P模型和层次分析法计算得到的各指标权重,在该多指标评价体系中,采用综合指数法,根据公式(3)在ArcGIS中将各指标标准化值进行加权叠加计算,得出研究区土地生态脆弱性综合指数。
$$ EVI={\sum }_{i=1}^{n}{X}_{i}{W}_{i} $$ (3) 式中:
$ EVI $ 为土地生态脆弱性综合评价值,$ {X}_{i} $ 为第$ i $ 项评价指标的标准化值,$ {W}_{i} $ 为第$ i $ 项评价指标的权重值。1.3.5 土地生态脆弱性分级
由于计算出的土地生态脆弱性综合指数是连续的,为表现区域特征,需将其划分为不同等级。在分级时,客观的分析对分级结果十分重要。自然间断法是依据数据本身的自然分组,通过选择分类相似值的类别间隔识别断点,利用数据具有断点这一特性进行分级聚类,可以把类别相近的点聚在一起并将类别之间的差异最大化[37-38]。因此,自然间断法是一种十分客观合理的分类方法。本研究则根据研究区实际情况, 采用自然间断法结合三个时期评价得出的区域土地生态脆弱性综合指数的特点,并参照国内外的现有的生态脆弱性评价标准[39-40],将研究区的土地生态脆弱性分为微度脆弱、轻度脆弱、中度脆弱、重度脆弱和极度脆弱五个等级,具体的土地生态脆弱性分级标准如表2所示。
表 2 土地生态脆弱性分级标准Table 2. Classification criteria for land ecological vulnerability脆弱性程度
Degree of vulnerability指数标准化值
Exponential normalized value分级特征
Characteristics of level微度脆弱区 < 0.21 土地生态系统结构和功能完善,所承受生态压力小,土地生态系统稳定,抗干扰和自我恢复能力强 轻度脆弱区 0.21 ~ 0.29 土地生态系统结构和功能较为完善,所承受生态压力较小,土地生态系统较为稳定,抗干扰和自我恢复能力较强 中度脆弱区 0.29 ~ 0.37 土地生态系统结构和功能尚可维持,所承受生态压力接近生态阈值,土地生态系统不稳定,对外界干扰较为敏感,自我恢复能力较弱 重度脆弱区 0.37 ~ 0.50 土地生态系统结构和功能出现缺陷,所承受生态压力大,生态系统不稳定,对外界干扰敏感性强,受损后恢复难度大 极度脆弱区 > 0.50 土地生态系统结构和功能严重退化,所承受生态压力极大,生态系统极不稳定,对外界干扰极度敏感,受损后恢复难度极大 1.3.6 土地生态脆弱性等级转化矩阵模型
土地生态脆弱性等级转化矩阵可以直观的呈现出各个脆弱性等级在某一时期内变化的具体数量和比例关系,这对于比较各个时期脆弱性等级之间的转移具有积极意义[15]。在ArcGIS中计算出土地生态脆弱性等级转化矩阵,来定量的展现各个时期的土地生态脆弱性水平相互转化的过程,进而分析各个时期土地生态脆弱性的整体特征。土地生态脆弱性转化矩阵的一般形式为:
$$ S_{i j}=\left[\begin{array}{cccc}S_{11} & S_{12} & \cdots & S_{1 n} \\ S_{21} & S_{22} & \cdots & S_{2 n} \\ \vdots & \vdots & \vdots & \vdots \\ S_{n 1} & S_{n 2} & \cdots & S_{n n}\end{array}\right] $$ (4) 式中:
$ S $ 表示土地生态脆弱性等级面积,$ i,j $ 分别为转移初期和末期的土地生态脆弱性等级,$ n $ 表示土地生态脆弱性等级数。2. 结果与分析
2.1 土地生态脆弱性时间变化特征分析
根据综合指数法计算出的土地生态脆弱性指数和分级标准的划分,计算出各个时期研究区土地生态脆弱性面积占比和面积变化(表3)。2005 ~ 2010年,研究区轻度脆弱区面积占比最大,但呈下降的趋势,面积减少2240.88 km2;其次为微度脆弱区和中度脆弱区,微度脆弱区面积有较小幅度减少,中度脆弱区面积增加2249.11 km2;重度和极度脆弱区占比最少,仅占2.77%,但到2010年重度脆弱区面积有小幅度增加。究其原因,主要是由于这段时间区域内西部部分地区城市化进程加快,同时区域耕地和未利用地面积增加,湿地、林地、草地面积减少,原有植被遭到破坏;并且由于盐碱土、沙化土地多分布于此,使得该地区生态脆弱性程度加大;旱地改水田等种植结构的不合理调整,加剧水资源短缺、黑土层有机质下降等问题;地下水超采导致地下漏斗的出现,使区域土地生态环境恶化。2010 ~ 2020年,研究区的土地生态脆弱性整体表现出波动下降的趋势,微度脆弱区和轻度脆弱区面积占比最大且呈逐渐增加的趋势,共增加10.20%,面积增加16041.22 km2;中度脆弱区、重度脆弱区和极度脆弱区面积均大幅减少,分别由20.54%、2.91%、0.09%减少到12.07%、1.20%、0.06%,面积分别减少了13320.49 km2、2681.18 km2、39.54 km2,降低了区域土地生态环境的脆弱性。这主要得益于黑龙江省推出的生态省建设规划,建立了松嫩平原生态保护区,加强对松嫩平原的动植物资源的保护,加大财政支持力度,退耕还林还草,加强湿地的保护和恢复,加强水土流失的治理工作,使得区域的物种丰富度和植被覆盖度等“正向”因子指标值增加,在一定程度上降低了当地整体的生态环境的脆弱性。
表 3 研究区2005 ~ 2020年各个时期土地生态脆弱性面积占比及变化Table 3. The area proportion and change of land ecological vulnerability in each period from 2005 to 2020年份
Year类型
Type微度脆弱区
Micro vulnerable area轻度脆弱区
Slightly vulnerable area中度脆弱区
Moderate vulnerable area重度脆弱区
Severe vulnerable area极度脆弱区
Extremely vulnerable area2005 面积(km2) 42831.74 80051.41 30051.16 4192.19 149.72 占比(%) 27.23 50.90 19.11 2.67 0.10 2010 面积(km2) 42450.04 77810.53 32300.26 4575.54 139.85 占比(%) 26.99 49.47 20.54 2.91 0.09 2015 面积(km2) 44842.28 85077.76 24687.52 2545.26 123.40 占比(%) 28.51 54.09 15.70 1.62 0.08 2020 面积(km2) 48128.57 88173.22 18979.77 1894.36 100.31 占比(%) 30.60 56.06 12.07 1.20 0.06 2005 ~ 2010 面积(km2) −381.71 −2240.88 2249.11 383.35 −9.87 占比(%) −0.24 −1.42 1.43 0.24 −0.01 2010 ~ 2015 面积(km2) 2392.24 7267.23 −7612.74 −2030.28 −16.45 占比(%) 1.52 4.62 −4.84 −1.29 −0.01 2015 ~ 2020 面积(km2) 3286.28 3095.46 −5707.75 −650.90 −23.09 占比(%) 2.09 1.97 −3.63 −0.41 −0.01 2005 ~ 2020 面积(km2) 5296.82 8121.81 −11071.39 −2297.83 −49.41 占比(%) 3.37 5.16 −7.04 −1.46 −0.03 总体来看,到2020年研究区的重度脆弱区和极度脆弱区面积较2005年减少了2347.24 km2,且轻度脆弱区和微度脆弱区增加13418.63 km2,这些变化表明,该地区的生态脆弱性逐渐减轻或向生态稳定方向发展。通过加权平均计算可得2005、2010、2015和2020年研究区土地生态脆弱性指数分别为0.2809、0.2845、0.2530和0.2574,四期的平均土地生态脆弱性指数为0.2691,均处于轻度脆弱状态。从2005到2020年,研究区土地生态脆弱性指数总体减少了0.0235,整体向好发展,但改善速度缓慢。从脆弱区面积和土地生态脆弱性指数的变化趋势来看,研究区在这15年间积极实施的系列土地生态保护和恢复政策效果较明显,使得区域整体土地生态环境压力得到缓解,但仍有部分地区土地生态条件较为恶劣,土地生态脆弱性较难改善。
2.2 土地生态脆弱性空间分布特征分析
为了揭示研究区土地生态脆弱性的空间格局变化,利用 ArcGIS 软件绘制土地生态脆弱性空间分布图(图2)。由图2可以看出,研究区的土地生态脆弱性存在由东北向西南加重的态势,空间差异较为明显,并呈聚集性分布特征。研究区主要以微度脆弱区和轻度脆弱区为主,分布于研究区的东北部和中部,该地区主要发展种植业和林业,植被覆盖度和生物丰富度较高,所承受生态压力较小,生态恢复力较强。中度脆弱区主要分布于研究区中西部及南部的肇州县、肇源县、望奎县、巴彦县、双城市和齐齐哈尔市等区域,该地区的城镇化进程较快,主要为城乡住宅区和农业区,人口和GDP相对密集,旱改水问题大规模凸显,土地沙化、盐碱化程度较高,对外界干扰的敏感度增强,土地生态系统不稳定,自我恢复能力较弱。重度和极度脆弱区在研究区的西南部呈现整体分散、局部集中的态势,与其他地区相比,该地区人口密集,人类活动剧烈,资源开发和土地利用强度大,所承受生态压力大,受损后恢复难度大。
从2005 ~ 2020年间,林甸县、哈尔滨市、巴彦县和望奎县及其周边地区的土地生态脆弱性程度均有转为低脆弱区的趋势,特别是在2010年到2020年高脆弱性面积向低脆弱性面积转化趋势最大,中度脆弱性水平区域明显变小。这主要是由于松花江流域生态环境的综合治理,加强区域的生态恢复和水资源整治,植被覆盖度提高,在水土流失治理上也有了更深的认识。肇州县、肇源县、大庆市和杜尔伯特蒙古族自治区等地区的土地生态脆弱性呈波动下降的趋势,其中大庆市的中度以上脆弱区面积减少最为明显。该区域位于研究区西部,多分布盐碱土、沙化土。由于该区域加强防风固土、内涝区排水系统的建设,使沙化土地和盐碱土地得到改良,土壤有机质得到提升,水资源利用情况得到改善,土壤侵蚀状况也得到缓解,但速度较为缓慢。而齐齐哈尔市、安达市、肇东市以及兰西县的土地生态脆弱性均发生了不同程度的升高,主要是因为这些地区工业化建设和水土流失及土地荒漠化问题加剧,导致一些地区生态斑块产生破碎化现象,生态恢复能力较弱,须重点关注该区域的生态治理。
2.3 土地生态脆弱性等级转化特征分析
通过计算2005 ~ 2010年、2010 ~ 2015年、2015 ~ 2020年和2005 ~ 2020年四个时期的土地生态脆弱性转移矩阵,分析区域土地生态脆弱性水平在一段时间的相互转化关系。将各个时期的土地生态脆弱性等级图进行叠加,在表4中清楚地显示出每个脆弱性等级的具体变化。2005 ~ 2020年,2478.93 km2和59.83 km2的微度脆弱区转化为轻度脆弱区和重度脆弱区;7617.87 km2、5602.75 km2和23.09 km2由轻度脆弱区分别转化为微度脆弱区、中度和重度脆弱区;中度脆弱区除脆弱性没有改变的区域外,其他转化为微度、轻度和重度脆弱区,转化面积分别为217.71 km2、18169.13 km2和473.36 km2;重度脆弱区的717.46 km2、2119.64 km2和41.23 km2分别转化为轻度、中度和极度脆弱区;6.60 km2和59.08 km2的极度脆弱区分别转化为中度和重度脆弱区。类似地,2005 ~ 2010年、2010 ~ 2015年以及2015 ~ 2020年的土地生态脆弱性转化如表4所示。
表 4 2005 ~ 2020土地生态脆弱性转移矩阵(km2)Table 4. Transfer matrix of land ecological vulnerability from 2005 to 2020年份
Year脆弱性程度
Degree of
vulnerability微度脆弱区
Micro vulnerable
area轻度脆弱区
Slightly vulnerable
area中度脆弱区
Moderate vulnerable
area重度脆弱区
Severe vulnerable
area极度脆弱区
Extremely vulnerable
area2005 ~ 2010 微度脆弱区 41912.03 919.72 0.00 0.00 0.00 轻度脆弱区 538.01 73422.55 6090.85 0.00 0.00 中度脆弱区 0.00 3468.26 25587.50 995.40 0.00 重度脆弱区 0.00 0.00 621.92 3539.01 31.26 极度脆弱区 0.00 0.00 0.00 41.13 108.59 2010 ~ 2015 微度脆弱区 41977.84 472.20 0.00 0.00 0.00 轻度脆弱区 2864.44 73608.47 1335.97 1.65 0.00 中度脆弱区 0.00 10964.19 21155.09 180.98 0.00 重度脆弱区 0.00 32.91 2196.46 2313.27 32.91 极度脆弱区 0.00 0.00 0.00 49.36 90.49 2015 ~ 2020 微度脆弱区 42039.62 2742.83 59.84 0.00 0.00 轻度脆弱区 5980.10 72425.47 6668.75 3.44 0.00 中度脆弱区 108.86 12948.84 11083.46 546.37 0.00 重度脆弱区 0.00 56.08 1164.42 1280.23 44.53 极度脆弱区 0.00 0.00 3.30 64.32 55.78 2005 ~ 2020 微度脆弱区 40292.98 2478.93 59.83 0.00 0.00 轻度脆弱区 7617.87 66807.70 5602.75 23.09 0.00 中度脆弱区 217.71 18169.13 11190.96 473.36 0.00 重度脆弱区 0.00 717.46 2119.64 1313.87 41.23 极度脆弱区 0.00 0.00 6.60 84.05 59.08 将区域土地生态脆弱性等级上升、下降和保持不变的面积进行汇总分析(图3),可以看出,2005 ~ 2010年保持不变的区域占总面积的91.92%,脆弱性等级上升和下降的区域分别占总面积的5.11%和2.97%,土地生态脆弱性小幅上升。这一时期轻度脆弱性水平未发生变化的比例最大,约为46.68%。并且轻度脆弱性区域的土地生态脆弱性下降和上升面积分别占总面积的0.34%和3.87%,其变化最大。因此,这种脆弱性水平的变化将导致整个区域生态环境的不确定性,需格外关注。2010 ~ 2015年,有88.47%、1.29%和10.24%的区域脆弱性等级未发生变化、上升和下降,脆弱性下降的比例较大,整个研究区在这一时期的土地生态脆弱性逐渐降低,生态环境逐渐增强。此时,中度脆弱性水平受到降低的百分比最大。2015 ~ 2020年,土地生态脆弱性水平的内部变化特征与上一时期的变化相似,处于不变水平的面积约占总面积的80.68%,处于上升水平的面积约占总面积的6.40%,脆弱性下降的区域占总面积的12.92%。在整个期间,脆弱性下降的区域仍大于脆弱性上升的区域。因此,研究区土地生态脆弱性逐渐降低,生态环境稳定性逐渐改善。但与第一、二期相比,脆弱性水平不变的区域所占比例显著降低,且脆弱性等级下降和上升面积都有所增加,通过比较可以看出,研究区的土地生态脆弱性较第一阶段降低,较第二阶段增加。
在整个研究期间,微度脆弱区和轻度脆弱区面积以转入为主,增加最为显著的为轻度脆弱区,特别是在2020年转入面积最大,主要由中度脆弱区转化而来;中度、重度和极度脆弱区面积以转出为主,减少最为明显的为中度脆弱区,主要向轻度脆弱区转化。重度脆弱性等级和极度脆弱性等级主要转化为中度和重度脆弱性等级,转移特征表现出该区域的土地生态脆弱性呈缓解的趋势。并且在2005 ~ 2020年,脆弱性等级保持不变、上升和下降的区域分别占总面积的76.09%、5.52%和18.04%,因此,这一时期研究区整体土地生态脆弱性逐渐降低,生态环境稳定发展。其中,轻度脆弱区的土地生态脆弱性保持不变和上升的区域面积最大,占总面积的46.06%;中度脆弱区的土地生态脆弱性下降的区域面积最大,占总面积的11.69%。因此,在整个研究区的生态环境中,轻度脆弱性和中度脆弱性水平对维持生态环境稳定至关重要,需要特别关注其变化,从而确定防治重点。
3. 讨论
本研究基于S-R-P模型,对松嫩平原的土地生态脆弱性时空分布及等级转化特征进行了分析。从研究结果来看,2005 ~ 2020年松嫩平原的土地生态脆弱性整体处于轻度脆弱状态,在空间上总体呈现由东北向西南加重的趋势,轻度和微度脆弱区面积占总面积的比重较大,这与Yang[26]、马玉妍[30]、崔宁波[41]等人的研究结果相似。由于东北部地区的自然条件较好、人类活动较少,其生态恢复力也较强,生态状况较好,区域以微度脆弱和轻度脆弱为主,生态脆弱程度也较低;而西南部地区人类活动活跃、人口密集、水资源短缺,生态压力大且恢复难度大,区域以中度脆弱和重度脆弱为主,生态脆弱程度也较高。研究区的土地生态脆弱性在时间上整体向好,部分高脆弱区转化为低脆弱区,区域内的土地生态环境压力得到缓解,表明研究区实施的土地生态保护和恢复政策效果较明显。但其西南部地区的脆弱性程度依然较大并且下降程度较小,所以在未来如何改善当地的土地生态脆弱性是一个关键的问题。
为有效抑制松嫩平原土地生态脆弱性的进一步恶化,须采用强有力的措施来进行分区管控,落实《国家黑土地保护工程实施方案(2021 ~ 2025年)》,减少水土流失与土壤的侵蚀问题,保证松嫩平原上黑土区耕地的可持续利用。从空间上来看,北部脆弱程度较低的微、轻度脆弱区黑土层薄、水土流失严重,有少部分向中度脆弱区转化,要以保育培肥为主攻方向,重点加强水土流失的防治工作,采取“等高横坡改垄”、梯田等措施,加强坡耕地固土保水。中东部脆弱程度较低的微、轻度脆弱区地势平坦,但也有少部分向中度和重度脆弱区转化,土壤有机质普遍下降,要建立轮作制度,实施保护性耕作;积极利用有机肥,培肥地力,抑制黑土地退化。中南部的轻度、中度脆弱区脆弱性程度改善较多,但仍有向中重度脆弱区转化的趋势,其主要位于水田种植区,要控制水稻的种植规模,完善排水工程的建设,推广控制灌溉技术,减少开采地下水,保护地下水资源;也要控制城镇的开发,以恢复植被和培育增肥为主;建设侵蚀沟控制工程,降低土壤侵蚀的压力。位于西部的重度和极度脆弱区较多存在土地沙化、盐碱化以及工业活动较强,土地生态脆弱性向低脆弱区转化较少,要加强农田林网和排水系统建设;严格进行生态空间的用途管制,限制土地资源的开采利用,以保护和恢复为主;推广节水灌溉技术,保护利用地下水;推广秸秆覆盖少耕免耕等技术,防风保水;设置长期监测点位,实时监测土地生态脆弱性程度,实施相应的管控措施。同时在土地生态脆弱性的治理上也要加强政策保障,衔接《东北黑土地保护规划纲要(2017 ~ 2030年)》与《东北黑土地保护性耕作行动计划(2020 ~ 2025年)》等相关政策,推进退耕还草还湿,调整土地利用结构,推广保护性耕作与农牧结合,提高黑土地的肥性、减少土地沙化与水土流失;加强相关政策的宣传引导,广泛宣传推广保护生态与合理利用土地的重要意义,培养人民的生态保护意识和生态价值观。
本研究在指标选取上综合考虑自然因素和人为因素,结合松嫩平原的生态脆弱性特点和人类活动现状,更加科学客观。研究结果能较好地揭示松嫩平原地土地生态脆弱性时空分异规律,具有一定的实践和应用价值。但由于数据来源及分辨率和空间化等问题,指标体系未能全面反映松嫩平原的土地生态脆弱性状况,精确度也有待进一步完善和提高。在此后的研究中将会进一步综合多种赋权方法对评价指标进行赋权,加大指标数据的获取力度,对脆弱性进行分析。
4. 结论
(1)土地生态脆弱性时间变化特征分析结果表明,在研究期内,研究区微度脆弱区和轻度脆弱区面积占比较研究初期上升8.53%;中度、重度和极度脆弱区面积占比较研究初期分别下降7.04%、1.46%和0.03%,整体处于轻度脆弱状态,并具有逐渐下降的趋势。
(2)土地生态脆弱性空间分布特征分析结果表明,研究区土地生态脆弱性空间差异明显,轻度脆弱区和微度脆弱区主要分布在研究区的东北部和中部,分别占比52.63%和28.33%;中度、重度和极度脆弱区主要分布于研究区的中西部和南部,总占19.03%。
(3)土地生态脆弱性转移特征分析结果表明,到2020年研究区中度脆弱区、重度脆弱区和极度脆弱区面积的61.19%、67.68%和60.54%均转化为了低等级的脆弱程度区。脆弱性等级保持不变、上升和下降的区域分别占总面积的76.09%、5.52%和18.04%。高脆弱性区域的面积有所下降,在一定程度上降低了区域土地生态环境的脆弱性。
-
表 1 松嫩平原土地生态脆弱性评价指标及权重
Table 1 Assessment index and weight of land ecological vulnerability index in Songnen Plain
目标层
Target layer准则层
Criterion layer要素层
Factor layer指标层
Index layer指标性质
Index property权重
Weight土地生态脆弱性评价 生态敏感性 地形因子 坡度 + 0.0195 坡向 + 0.0131 高程 − 0.0131 地形起伏度 + 0.0195 地表因子 植被覆盖度 − 0.1298 景观破碎度 + 0.1298 气象因子 年降水量 − 0.0112 年均气温 − 0.0112 年均相对湿度 − 0.0112 土壤因子 土壤侵蚀强度 + 0.0963 生态恢复力 活力 生物丰富度 − 0.1351 功能 居民点干扰 + 0.0624 生态压力度 人口压力因子 人口密度 + 0.1099 社会压力因子 GDP密度 + 0.1099 固定资产投资 + 0.0417 生产压力因子 农药化肥投入 + 0.0861 表 2 土地生态脆弱性分级标准
Table 2 Classification criteria for land ecological vulnerability
脆弱性程度
Degree of vulnerability指数标准化值
Exponential normalized value分级特征
Characteristics of level微度脆弱区 < 0.21 土地生态系统结构和功能完善,所承受生态压力小,土地生态系统稳定,抗干扰和自我恢复能力强 轻度脆弱区 0.21 ~ 0.29 土地生态系统结构和功能较为完善,所承受生态压力较小,土地生态系统较为稳定,抗干扰和自我恢复能力较强 中度脆弱区 0.29 ~ 0.37 土地生态系统结构和功能尚可维持,所承受生态压力接近生态阈值,土地生态系统不稳定,对外界干扰较为敏感,自我恢复能力较弱 重度脆弱区 0.37 ~ 0.50 土地生态系统结构和功能出现缺陷,所承受生态压力大,生态系统不稳定,对外界干扰敏感性强,受损后恢复难度大 极度脆弱区 > 0.50 土地生态系统结构和功能严重退化,所承受生态压力极大,生态系统极不稳定,对外界干扰极度敏感,受损后恢复难度极大 表 3 研究区2005 ~ 2020年各个时期土地生态脆弱性面积占比及变化
Table 3 The area proportion and change of land ecological vulnerability in each period from 2005 to 2020
年份
Year类型
Type微度脆弱区
Micro vulnerable area轻度脆弱区
Slightly vulnerable area中度脆弱区
Moderate vulnerable area重度脆弱区
Severe vulnerable area极度脆弱区
Extremely vulnerable area2005 面积(km2) 42831.74 80051.41 30051.16 4192.19 149.72 占比(%) 27.23 50.90 19.11 2.67 0.10 2010 面积(km2) 42450.04 77810.53 32300.26 4575.54 139.85 占比(%) 26.99 49.47 20.54 2.91 0.09 2015 面积(km2) 44842.28 85077.76 24687.52 2545.26 123.40 占比(%) 28.51 54.09 15.70 1.62 0.08 2020 面积(km2) 48128.57 88173.22 18979.77 1894.36 100.31 占比(%) 30.60 56.06 12.07 1.20 0.06 2005 ~ 2010 面积(km2) −381.71 −2240.88 2249.11 383.35 −9.87 占比(%) −0.24 −1.42 1.43 0.24 −0.01 2010 ~ 2015 面积(km2) 2392.24 7267.23 −7612.74 −2030.28 −16.45 占比(%) 1.52 4.62 −4.84 −1.29 −0.01 2015 ~ 2020 面积(km2) 3286.28 3095.46 −5707.75 −650.90 −23.09 占比(%) 2.09 1.97 −3.63 −0.41 −0.01 2005 ~ 2020 面积(km2) 5296.82 8121.81 −11071.39 −2297.83 −49.41 占比(%) 3.37 5.16 −7.04 −1.46 −0.03 表 4 2005 ~ 2020土地生态脆弱性转移矩阵(km2)
Table 4 Transfer matrix of land ecological vulnerability from 2005 to 2020
年份
Year脆弱性程度
Degree of
vulnerability微度脆弱区
Micro vulnerable
area轻度脆弱区
Slightly vulnerable
area中度脆弱区
Moderate vulnerable
area重度脆弱区
Severe vulnerable
area极度脆弱区
Extremely vulnerable
area2005 ~ 2010 微度脆弱区 41912.03 919.72 0.00 0.00 0.00 轻度脆弱区 538.01 73422.55 6090.85 0.00 0.00 中度脆弱区 0.00 3468.26 25587.50 995.40 0.00 重度脆弱区 0.00 0.00 621.92 3539.01 31.26 极度脆弱区 0.00 0.00 0.00 41.13 108.59 2010 ~ 2015 微度脆弱区 41977.84 472.20 0.00 0.00 0.00 轻度脆弱区 2864.44 73608.47 1335.97 1.65 0.00 中度脆弱区 0.00 10964.19 21155.09 180.98 0.00 重度脆弱区 0.00 32.91 2196.46 2313.27 32.91 极度脆弱区 0.00 0.00 0.00 49.36 90.49 2015 ~ 2020 微度脆弱区 42039.62 2742.83 59.84 0.00 0.00 轻度脆弱区 5980.10 72425.47 6668.75 3.44 0.00 中度脆弱区 108.86 12948.84 11083.46 546.37 0.00 重度脆弱区 0.00 56.08 1164.42 1280.23 44.53 极度脆弱区 0.00 0.00 3.30 64.32 55.78 2005 ~ 2020 微度脆弱区 40292.98 2478.93 59.83 0.00 0.00 轻度脆弱区 7617.87 66807.70 5602.75 23.09 0.00 中度脆弱区 217.71 18169.13 11190.96 473.36 0.00 重度脆弱区 0.00 717.46 2119.64 1313.87 41.23 极度脆弱区 0.00 0.00 6.60 84.05 59.08 -
[1] Adger W N. Vulnerability[J]. Global environmental change, 2006, 16(3): 268 − 281. doi: 10.1016/j.gloenvcha.2006.02.006
[2] 徐广才, 康慕谊, 贺丽娜, 等. 生态脆弱性及其研究进展[J]. 生态学报, 2009, 29(5): 2578 − 2588. doi: 10.3321/j.issn:1000-0933.2009.05.047 [3] 张 帅, 董会忠, 曾文霞. 土地生态系统脆弱性时空演化特征及影响因素−以黄河三角洲高效生态经济区为例[J]. 中国环境科学, 2019, 39(4): 1696 − 1704. doi: 10.3969/j.issn.1000-6923.2019.04.043 [4] 张 龙, 宋 戈, 孟 飞, 等. 宁安市土地生态脆弱性时空变化分析[J]. 水土保持研究, 2014, 21(2): 133 − 137, 143. doi: 10.13869/j.cnki.rswc.2014.02.025 [5] 余文波. 江西省土地生态脆弱性动态评价及其调控对策研究[D]. 南昌: 江西农业大学. 2018. [6] 魏明欢, 胡波洋, 张贵军, 等. 山区县土地生态脆弱性动态变化分析−以青龙满族自治县为例[J]. 水土保持研究, 2018, 25(2): 322 − 327. doi: 10.13869/j.cnki.rswc.2018.02.046 [7] Jabbar M T, Zhou X. Eco-environmental change detection by using remote sensing and GIS techniques: a case study Basrah province, south part of Iraq[J]. Environmental Earth ences, 2011, 64(5): 1397 − 1407. doi: 10.1007/s12665-011-0964-5
[8] 王瑞君, 王仁德, 高士平, 等. 基于GIS的河北省土地沙化脆弱性评价与空间分异[J]. 江苏农业科学, 2016, 44(2): 395 − 398. doi: 10.15889/j.issn.1002-1302.2016.02.115 [9] 王春雨. 云南省土地系统脆弱性评价及时空分异研究[D]. 昆明: 云南财经大学, 2021. [10] 吴春生, 黄 翀, 刘高焕, 等. 基于模糊层次分析法的黄河三角洲生态脆弱性评价[J]. 生态学报, 2018, 38(13): 4584 − 4595. [11] Zou T, Yoshino K. Environmental vulnerability evaluation using a spatial principal components approach in the Daxing’anling region, China[J]. Ecological Indicators, 2017, 78: 405 − 415. doi: 10.1016/j.ecolind.2017.03.039
[12] 张慧琳, 吴攀升, 侯艳军. 五台山地区生态脆弱性评价及其时空变化[J]. 生态与农村环境学报, 2020, 36(8): 1026 − 1035. [13] 裴 欢, 王晓妍, 房世峰. 基于DEA的中国农业旱灾脆弱性评价及时空演变分析[J]. 灾害学, 2015, 30(2): 64 − 69. doi: 10.3969/j.issn.1000-811X.2015.02.012 [14] Džeroski S. Applications of symbolic machine learning to ecological modelling[J]. Ecological modelling, 2001, 146(1-3): 263 − 273. doi: 10.1016/S0304-3800(01)00312-X
[15] Hou K, Tao W, Wang L, et al. Study on hierarchical transformation mechanisms of regional ecological vulnerability and its applicability[J]. Ecological Indicators, 2020, 114: 106343. doi: 10.1016/j.ecolind.2020.106343
[16] Bawa K S, Joseph G, Setty S. Poverty, biodiversity and institutions in forest-agriculture ecotones in the Western Ghats and Eastern Himalaya ranges of India[J]. Agriculture, ecosystems & environment, 2007, 121(3): 287 − 295.
[17] Mörtberg U M, Balfors B, Knol W C. Landscape ecological assessment: A tool for integrating biodiversity issues in strategic environmental assessment and planning[J]. Journal of environmental management, 2007, 82(4): 457 − 470. doi: 10.1016/j.jenvman.2006.01.005
[18] Zhang X C, Ma C, Zhan S F, et al. Evaluation and simulation for ecological risk based on emergy analysis and Pressure-State-Response Model in a coastal city, China[J]. Procedia Environmental Sciences, 2012, 13: 221 − 231. doi: 10.1016/j.proenv.2012.01.021
[19] 周梦云, 蔡永立, 张瑞峰, 等. 宁夏贺兰山国家级自然保护区建立前后区域生态脆弱性时空格局变化研究[J]. 生态科学, 2019, 38(5): 78 − 85. doi: 10.14108/j.cnki.1008-8873.2019.05.011 [20] 贾晶晶, 赵 军, 王建邦, 等. 基于SRP模型的石羊河流域生态脆弱性评价[J]. 干旱区资源与环境, 2020, 34(1): 34 − 41. [21] Hong W, Jiang R, Yang C, et al. Establishing an ecological vulnerability assessment indicator system for spatial recognition and management of ecologically vulnerable areas in highly urbanized regions: A case study of Shenzhen, China[J]. Ecological indicators, 2016, 69: 540 − 547. doi: 10.1016/j.ecolind.2016.05.028
[22] Zhang X, Wang L, Fu X, et al. Ecological vulnerability assessment based on PSSR in Yellow River Delta[J]. Journal of Cleaner Production, 2017, 167: 1106 − 1111. doi: 10.1016/j.jclepro.2017.04.106
[23] 李芮芝, 胡希军, 杜心宇, 等. 基于SRP模型的南雄丹霞梧桐自然保护区生态脆弱性评价[J]. 西北林学院学报, 2021, 36(5): 152 − 160. doi: 10.3969/j.issn.1001-7461.2021.05.23 [24] 刘佳茹, 赵 军, 沈思民, 等. 基于SRP概念模型的祁连山地区生态脆弱性评价[J]. 干旱区地理, 2020, 43(6): 1573 − 1582. [25] Yang H, Zhai G, Zhang Y. Ecological vulnerability assessment and spatial pattern optimization of resource-based cities: a case study of Huaibei City, China[J]. Human and Ecological Risk Assessment:An International Journal, 2021, 27(3): 606 − 625. doi: 10.1080/10807039.2020.1744426
[26] Yijia Yang, Ge Song. Human disturbance changes based on spatiotemporal heterogeneity of regional ecological vulnerability: A case study of Qiqihaer city, northwestern Songnen Plain, China. Journal of Cleaner Production, 2020, 291: 125262.
[27] 《国家黑土地保护工程实施方案(2021 ~ 2025年)》, 中国, 2021. [28] 鞠正山. 重视黑土资源保护, 强化黑土退化防治[J]. 国土资源情报, 2016, (2): 22 − 25. [29] 廖 炜, 李 璐, 吴宜进, 等. 丹江口库区土地利用变化与生态环境脆弱性评价[J]. 自然资源学报, 2011, 26(11): 1879 − 1889. doi: 10.11849/zrzyxb.2011.11.007 [30] 马玉妍, 马艳敏, 于万辉, 等. 松嫩平原土地利用生态安全评价与预测[J]. 水土保持通报, 2014, 34(2): 262 − 266, 325. doi: 10.13961/j.cnki.stbctb.2014.02.054 [31] 陈 峰, 李红波. 基于GIS和RUSLE的滇南山区土壤侵蚀时空演变: 以云南省元阳县为例[J]. 应用生态学报, 2021, 32(2): 629 − 637. [32] 乌宁巴特, 刘新平, 马相平. 叶尔羌河流域土地生态脆弱性差异评价[J]. 干旱区地理, 2020, 43(3): 849 − 858. [33] 齐姗姗, 巩 杰, 钱彩云, 等. 基于SRP模型的甘肃省白龙江流域生态环境脆弱性评价[J]. 水土保持通报, 2017, 37(1): 224 − 228. [34] 李永化, 范 强, 王 雪, 等. 基于SRP模型的自然灾害多发区生态脆弱性时空分异研究――以辽宁省朝阳县为例[J]. 地理科学, 2015, 35(11): 1452 − 1459. [35] 张 泽, 胡宝清, 丘海红, 等. 基于山江海视角与SRP模型的桂西南−北部湾生态环境脆弱性评价[J]. 地球与环境, 2021, 49(3): 297 − 306. [36] Nguyen A K, Liou Y A, Li M H, et al. Zoning eco-environmental vulnerability for environmental management and protection[J]. Ecological Indicators, 2016, 69: 100 − 117. doi: 10.1016/j.ecolind.2016.03.026
[37] 韩继冲, 郭梦迪, 杨青林, 等. 川西北江河源区生态环境脆弱性评价[J]. 湖北农业科学, 2018, 57(9): 20 − 24. [38] Li A, Wang A, Liang S, et al. Eco-environmental vulnerability evaluation in mountainous region using remote sensing and GIS—A case study in the upper reaches of Minjiang River, China[J]. Ecological Modelling, 2006, 192(1-2): 175 − 187. doi: 10.1016/j.ecolmodel.2005.07.005
[39] 邵秋芳, 彭培好, 黄 洁, 等. 长江上游安宁河流域生态环境脆弱性遥感监测[J]. 国土资源遥感, 2016, 28(2): 175 − 181. [40] Si-Yuan W, Jing-Shi L, Cun-Jian Y. Eco-environmental vulnerability evaluation in the Yellow River Basin, China[J]. Pedosphere, 2008, 18(2): 171 − 182.
[41] 崔宁波, 巴雪真. 黑龙江省耕地生态安全压力与农业经济发展的脱钩分析[J]. 水土保持研究, 2021, 28(5): 308 − 315. -
期刊类型引用(4)
1. 李佳,赵光影,闫梦云,张璐璐. 区域内生态脆弱性分析. 安徽农学通报. 2024(15): 78-81 . 百度学术
2. 唐博文,孟凡香,孟波,王瑾,范一鸣. 基于AquaCrop模型的玉米产量与水分利用效率模拟. 南水北调与水利科技(中英文). 2024(06): 1224-1238 . 百度学术
3. 汪勇政,张嘉琦. 基于SRP模型的安徽省生态脆弱性时空分异及其驱动机制. 安徽建筑大学学报. 2024(06): 23-33 . 百度学术
4. 陆晴,廖佳婧,胡慧敏. 基于SRP模型的红壤丘陵区生态脆弱性评价——以江西省赣南地区为例. 上海国土资源. 2023(03): 100-105+156 . 百度学术
其他类型引用(3)