下载:
-
生态环境是人类社会可持续发展的基础，随着气候变化和社会经济的快速发展，土地退化、水土流失、生物多样性锐减等生态环境问题日益凸显[1]，这些问题直接威胁到区域的可持续发展。生态安全是人类不受生态破坏与环境污染等影响的保障程度，具有2个方面的内涵：一是自然和半自然生态系统的安全；二是在人的生活、健康、基本权利、社会次序等方面不受威胁的状态[2]。生态安全作为经济繁荣、民生改善最为基础和牢固的构成要素，其以生态环境系统为目标，旨在分析和评价人类活动与自然环境之间的交互作用及其影响[3]。目前，关于生态安全问题的研究，学者们常用的评价方法主要有综合指数法[4]、层次分析法[5]、主成分分析法[6]、变异系数法[7]等；评价模型则主要包括压力-状态-响应模型(PSR模型)[8]及其改进形式的DPSIR、DPSIRM等[9]；同时也有从自然-经济-社会(NES)[9]和经济-环境-社会(EES)[10]等维度构造评价模型。其中，PSR模型是由经济合作与发展组织(OECD)与联合国环境规划署(UNEP)共同提出[11]，用于研究人类与自然环境的关系。PSR模型由于其逻辑思路清晰、理论框架成熟，且考虑了生态系统结构和功能的完整性，以及恢复力、压力和响应水平[12−13]，因此在国内外生态环境评价中运用广泛[14]，并在可持续发展研究环境指标体系的构建方面产生了极好的反响。
在中国当前生态文明建设、新型城镇化建设的新阶段，生态文明的核心理念是人类社会发展必须遵循“人-自然-社会”和谐发展这一规律[15−16]。由于干旱区生态系统具有较为脆弱且易受人为干扰的特点，其平衡极易被打破，这使得干旱区成为了中国生态文明建设的重点关注区域[17]。天山-帕米尔地区作为典型的中国西北内陆干旱区，其独特的地理位置和丰富多样的生态系统将在中国生态安全方面发挥重要的屏障作用，同时天山-帕米尔地区也是丝绸之路经济带、中巴经济走廊起始端的核心区域，其建设对“一带一路”国家的经济发展具有强大的推动作用[18]。在此背景下，如何准确评价区域生态安全状况，并有效针对区域内生态环境问题提出综合解决措施，促进天山-帕米尔地区生态文明和绿色发展的有序推进具有重要的现实意义。
鉴于此，本研究基于PSR模型，以天山-帕米尔地区为研究区，运用熵权法及地理探测器等方法，开展天山-帕米尔地区生态安全评价并揭示影响区域生态安全的关键因子。这即是绿色丝绸之路建设高度关注的研究主题，又是可持续发展的重要议题，同时可为该区域的生态保护与生态建设以及协同发展提供科学依据。
-
天山-帕米尔地区(34°18′26″~45°24′08″N，73°27′58″~96°27′36″E)地处准噶尔盆地南部、帕米尔高原东部、塔里木盆地西南缘，包含新疆维吾尔自治区中部和西南部地区，涵盖了4个地级市、13个县级市、34个县、5个自治县，合计56个行政单元，研究区面积约74.38×104 km2。该区域属温带大陆性气候，干旱少雨，由于自然条件的制约，各区域受人类活动的影响程度有所差异[18]。然而由于旅游业的兴起、工业的发展、政策以及社会人文条件等因素的改变，生态环境也随之受到一定影响，放牧等活动使得草地退化，荒漠化加剧[19]，导致区域内生态安全度降低。天山-帕米尔地区所在的天山北坡经济带，属于新疆社会经济发展的增长极，在国家“一带一路”建设中具有重要的战略地位。天山-帕米尔地区2018年人口为1 551.27万人，区域生产总值为10 300.57亿元。
-
涉及的社会经济、人口、生态建设、环境保护等数据，主要通过《新疆维吾尔自治区统计年鉴》、新疆维吾尔自治区《国民经济和社会发展统计公报》等提供的数据计算获得，选取1990、2000、2010、2018年的数据。所需的1∶10万土地利用矢量数据集，包含6个大类(耕地、林地、草地、湿地、人工表面、其他)，分类体系参考土地覆盖分类系统(LCCS)和联合国政府间气候变化专门委员会(IPCC)分类体系，与中国土地覆被数据集所用分类体系一致[20]。采用分区分层的决策树法，结合土地覆被实际变化，借助e-Cognition遥感解译软件和人工解译等完成，通过样点验证最终精度达93%。
运用极差标准化对数据进行常规预处理。将选取的指标依据对环境的影响划分为正向和负向，正向指标值越大越好，负向指标值越小越好。计算公式为：
$$ {Z_i} = \frac{{{X_i} - {X_{\min }}}}{{{X_{\max }} - {X_{\min }}}} \text{；} $$ (1) $$ {Y_i} = \frac{{{X_{\max }} - {X_i}}}{{{X_{\max }} - {X_{\min }}}} 。 $$ (2) 式(1)~(2)中：Zi、Yi为标准化后该项指标(Xi)在i时段的正向评价指标和负向评价指标；Xi为i时段的指标值；Xmin、Xmax为Xi的最小值和最大值。
-
生态环境质量受到自然和人文2个方面的影响，因此，评价区域生态环境应综合考虑环境、资源、人口、社会经济等多方面的因素。PSR模型的研究思路为人类对生态环境会造成一定的“压力”，在这种“压力”下自然环境发生改变并呈现相应的“状态”，当产生不利的状况时，社会通过政策、法规以及行为规范等做出“响应”。
天山-帕米尔地区是西北干旱区典型的生态脆弱区，以绿洲农业为主，旅游资源丰富，因此在生态安全评价指标选取方面更加侧重人口、旅游收入、耕地用肥等指标。借鉴已有研究成果基础[21−26]，遵循天山-帕米尔地区的区域特点、数据的可获取性以及科学性等原则，共选取20个指标(表1)。
表 1 天山-帕米尔地区生态安全评价体系
Table 1. Evaluation system of ecological security in Tianshan-Pamir region
目标层 准则层 要素层 指标层 指标属性 生态安全综合指数 压力(P) 社会经济压力 人口密度/(人·km−2) 负 人口自然增长率/% 负 人均国内生产总值(GDP)/元 负 国内游客数量增长率/% 负 资源环境压力 单位耕地化肥使用量/(t·hm−2) 负 单位面积废水排放量/(t·km−2) 负 湿地覆盖率/% 正 状态(S) 社会经济状态 区域开发指数/% 负 经济密度/(万元·km−2) 负 旅行社数量增长率/个 负 资源环境状态 草地覆盖率/% 正 森林覆盖率/% 正 原煤消耗/(t·万元−1) 负 人均水资源量/(m3·人−1) 正 响应(R) 社会经济响应 旅游收入占GDP比例/% 负 第三产业占GDP比例/% 正 城镇化水平/% 负 拥有卫生技术人员/人 正 资源环境响应 单位面积环保投入/(万元·km−2) 正 自然保护区数量/个 正 -
目前熵权法、层次分析法以及Delphi法等为常用的赋值方法，为有效地克服专家打分的主观性，本研究采用熵权法对指标进行赋值，根据信息量的大小来确定权重，以避免人为因素带来的误差。具体公式为：
$$ {H_{{i}}} = {{ - }}\frac{{\text{1}}}{{\ln n}}\sum\limits_{j = 1}^n {{X_{ij}}} \ln {X_{ij}} \text{；} $$ (3) $$ {W_i} = \frac{{1 - {H_i}}}{{m - \displaystyle \sum\limits_{i = 1}^m {{H_i}} }} 。 $$ (4) 式(3)~(4)中：
$ {H_i} $ 为第$ i $ 个指标的信息熵；$ {W_i} $ 为第$ i $ 个指标的熵权；$ {X_{ij}} $ 为第$ i $ 个指标下第j个样本的指标占比；$ m $ 为评价指标总数；n为研究单元数量。 -
综合指数法在生态安全的评价中应运最为广泛且成熟，因此采用综合指数法计算天山-帕米尔地区的生态安全综合指数，计算公式如下：
$$ {E_{\rm{S}}}_{{i}} = \sum\limits_{j = 1}^m {{W_j}} {P_{ij}} 。 $$ (5) 式(5)中：ESi为第
$ i $ 研究单元的生态安全综合值；$ {W_j} $ 为第$ j $ 个指标的熵权；$ {P_{ij}} $ 为第$ i $ 研究单元第$ j $ 项指标标准化后的指标值；$ m $ 为指标的数量。为对比反映区域内生态安全的状态和差异，采用自然断裂点法(Jenks)将天山-帕米尔地区区域生态安全划分为5个分级[24−25]。但若每个时期的分类标准不同，则无法比较分析[26]。因此，1990、2000、2010、2018年均采用1990年的分级标准(表2)。
表 2 天山-帕米尔地区生态安全分级标准
Table 2. Classification standard of ecological security in Tianshan-Pamir region
等级 安全等级 生态安全综合指数 生态安全特征描述 Ⅰ 不安全 [0.00~0.19) 压力极大，环境极差，存在严重生态环境问题 Ⅱ 较不安全 [0.19~0.23) 压力较大，环境较差，生态环境处于不稳定状态 Ⅲ 临界安全 [0.23~0.31) 压力接近阈值，环境一般，能发挥基本生态系统功能 Ⅳ 较安全 [0.31~0.49) 压力较小，环境较好，但仍存在部分限制性因素 Ⅴ 安全 [0.49~0.72) 压力很小，环境优越，生态系统功能、结构完善 -
地理探测器用于探测空间分异性，是揭示其驱动因子的一种新的统计学方法，共包括4个因子探测器[27−29]。本研究运用因子探测器来分析20个因子(X)在多大程度上揭示了生态安全的空间分异性(Y)。其表达式为[28−29]：
$$ q = 1 - \frac{{\displaystyle \sum\limits_{h = 1}^L {{N_h}\sigma _h^2} }}{{N{\sigma ^2}}} 。 $$ (6) 式(6)中：
$ h = 1, \cdot \cdot \cdot $ ，L；L为变量Y或因子X的分类或分层；$ {N_h} $ 、$ N $ 分别为层$ h $ 和全区单元数，$ \sigma _h^2 $ 为层$ h $ 的方差、$ {\sigma ^2} $ 为全区$ Y $ 值的方差。q为因子X对变量Y的解释度，取值范围为[0, 1]，值越大说明分异性越明显，解释力就越强，反之则越小。 -
通过计算生态安全综合指数，得到天山-帕米尔地区生态安全时空格局分布图(图1)。从空间上来看，1990年大部分地区生态安全等级处于临界安全及以下，2000年生态安全综合指数略微上升；2010年区域综合指数最高，生态状况最好，生态环境状况改善最为明显，主要发生在帕米尔高原地区；2018年研究区西部地区的生态安全综合值有所下降，其他地区则较稳定。不同行政单元间生态安全等级在空间上的表现差异较大，但由于天山-帕米尔地区的地形地貌并未发生大尺度的变化，因此地区生态安全的分布格局并没有发生明显变化。
图 1 天山-帕米尔地区生态安全时空格局示意图
Figure 1. Spatio-temporal pattern of ecological security in Tianshan-Pamir region
从时间序列上看，1990—2000年研究区处于较安全级的面积增加，临界安全及以上的面积占70%，这说明1990—2000年天山-帕米尔地区生态安全状况在改善；至2010年临界安全及以上的面积占比达80%，处于较安全等级的面积增加约1.5倍，生态环境质量改善尤为明显；2010—2018年安全级面积增加，但较不安全级的面积呈明显的增加趋势，表明2010—2018年生态环境有恶化的趋势(图2)。28 a间，天山-帕米尔地区生态安全的临界安全级及以上的安全级面积占比始终在60%以上，表明生态安全状况总体上处于安全状态，但城市化、工业化、绿洲扩张以及旅游业的发展等行为给生态环境带来的压力不可避免，也存在一些生态破坏的现象。
图 2 天山-帕米尔地区生态安全指数分级面积统计
Figure 2. Area statistic of classification by ecological security index in Tianshan-Pamir region
-
天山-帕米尔地区总体区域生态安全处于临界安全以及较安全状态，全区域平均生态安全综合值变化可分为2个阶段(表3)：第1阶段为1990—2010年，区域平均生态安全综合值上升；第2阶段为2010年以后，全区域平均生态安全综合值略微下降。整体来看，从1990—2018年，天山-帕米尔地区总体区域生态安全呈缓慢上升趋势。
表 3 天山-帕米尔地区生态安全综合指数描述性统计
Table 3. Descriptive statistics of ecological security index in Tianshan-Pamir region
年份 生态安全综合指数 变异系数/% 平均值 最小值 最大值 标准差 1990 0.275 0.171 0.712 0.091 33.14 2000 0.277 0.140 0.523 0.095 34.34 2010 0.307 0.151 0.507 0.083 26.84 2018 0.297 0.165 0.529 0.094 31.82 从3个子系统来说，对区域生态安全的贡献具有明显的规律性，从大到小依次为响应、压力、状态(图3)。1990—2018年，生态安全压力指数呈现出上升—下降—上升的波动变化特征，说明人类活动对生态安全的压力有所上升，经济社会发展的同时忽略了环境保护与治理；生态安全状态指数的变化趋势与生态安全压力指数相似，但状态指数的变化相较于压力指数的变化则相对稳定，表明天山-帕米尔地区生态环境状态对压力的变化反映敏感；而生态安全响应指数则呈现出下降—上升—下降的变化特征，这与国家和地方政府增加了产业结构调整和生态环境保护力度有关。
图 3 天山-帕米尔地区各子系统动态变化
Figure 3. Dynamic changes of subsystems in Tianshan-Pamir region
-
天山-帕米尔地区生态安全在空间上呈现不同的表现力，为进一步探究其影响因素，采用地理探测器来识别关键影响因子[30]。选取q＞0.2的因素作为主导影响因子，得到天山-帕米尔地区生态安全q变化(表4)。结果显示：国内游客数量增长率、人均水资源量、原煤消耗、旅游收入占GDP比例、拥有卫生技术人员数等5个因子对天山-帕米尔地区生态安全的影响较为稳定，这与天山-帕米尔地区旅游业的兴起、工业的发展以及社会人文条件的改善有关。对天山-帕米尔地区生态安全变化产生影响的因子中，压力层占3个，状态层占3个，响应层占4个，表明社会响应对生态安全的影响较大，且对生态安全的提高也最为重要，因此，要更加重视响应反映的速度以及响应建设的牢固程度，这对天山-帕米尔地区生态安全的提升将起到重要的作用。
表 4 不同年份主要影响因子探测结果
Table 4. Detection results of main influencing factors in different years
影响因子 (X) q (Y) 1990年 2000年 2010年 2018年 国内游客数量增长率 0.29 0.46 0.47 0.50 人均GDP − − 0.24 − 湿地覆盖率 0.45 0.23 − 0.22 人均水资源量 0.28 0.45 0.42 0.50 原煤消耗 0.29 0.46 0.47 0.51 旅行社数量增长率 − 0.26 − 0.34 旅游收入占GDP比例 0.29 0.46 0.467 0.51 第三产业占GDP比例 − 0.20 − − 拥有卫生技术人员数 0.29 0.47 0.48 0.51 自然保护区数量 − − − 0.66 说明：−表示q＜0.20 天山-帕米尔地区生态环境的变化是自然和人为因子相互作用的结果，这与前人的研究结论一致[31−32]。其中研究区内的博乐市、精河县、温泉县、塔什库尔干塔吉克自治县（以下简称“塔县”）作为中国新疆干旱区的典型代表城市，生态系统具有脆弱性和敏感性。但在1990—2018年，这些市(县)的生态安全状况都发生了较大转变(图4)，其中博乐市、精河县、温泉县、塔县生态安全状态全部呈现上升趋势，生态安全状态改善显著。从3个子系统变化趋势来看，对生态安全的贡献从大到小依次为响应、状态、压力，与全区域的趋势有所不同。2000年以来，在国家政策方针的指引以及生态文明建设的大力推进下，对环境、医疗卫生、水利工程等投入开始增加，城镇化水平不断提高，第三产业占比逐步提高，自然保护区数量增加，管理力度加强，响应能力的提高缓解了人类活动对环境的压力，从而提高了生态安全等级。
图 4 生态安全动态变化趋势
Figure 4. Dynamic change trend of ecological security
-
本研究显示：不同行政单元间生态安全等级在空间上的表现差异较大，但由于天山-帕米尔地区的地形地貌并未发生大尺度的变化，因此地区生态安全的分布格局并没有发生明显变化。从时间序列上看，天山-帕米尔地区生态安全的临界安全级及以上的面积占比始终在60%以上，表明生态安全总体上处于安全状态；从生态安全指数动态变化分析来看，1990—2018年天山-帕米尔地区区域生态安全总体呈缓慢上升趋势。基于地理探测器方法的分析结果显示：天山-帕米尔地区生态安全在空间上呈现不同的表现力，国内游客数量增长率、人均水资源量、原煤消耗、旅游收入占GDP比例、拥有卫生技术人员数等5个因子对天山-帕米尔地区生态安全的影响较为稳定，主要受到天山-帕米尔地区旅游业的兴起、工业的发展以及社会人文条件的改善等影响。
-
1990—2018年，天山-帕米尔地区生态安全总体上处于安全状态，且呈缓慢上升趋势。为进一步提升天山-帕米尔地区的生态安全，构建生态文明理念下的生态安全格局，要结合当前生态文明建设进程及区域生态与资源本底状况，应继续深入贯彻落实“绿水青山就是金山银山”的理念，在水资源利用红线、生态环境红线等“无形之手”和国家土地政策“有形之手”的共同作用下，维持耕地扩张在可控范围[15−16]；加强统筹山水林田湖草沙系统治理，推进以国家公园为主体的自然保护地体系建设[19]；合理有序发展区域内旅游业，完善相关的政策法规，减轻因旅游业发展而带来的生态压力；建立生态环境监测体系，对工业排放的废弃物等进行实时监测和定期评价；加大生态环保的投资力度，引导资源型城市的转型，以绿色、可持续发展产业代替[18]；将生态文明建设的理念融入经济建设、文化建设和社会建设中，实现天山-帕米尔地区的可持续发展。
Spatio-temporal evolution of ecological security pattern and its influencing factors in Tianshan-Pamir region
-
摘要:
目的 天山-帕米尔地区以其独特的地理位置和丰富多样的生态系统，在中国生态安全方面发挥着重要的屏障作用，但近30 a来区域经济和生态环境发生了很大变化，开展基于自然及人为压力状态下天山-帕米尔地区生态安全格局时空演变及其影响因素研究，为区域生态保护、生态建设以及协同发展提供科学依据。 方法 以天山-帕米尔地区作为研究区，运用压力-状态-响应(PSR)模型以及地理探测器方法，选取20个关键指标，对天山-帕米尔地区1990—2018年的生态安全及其影响因素进行分析。 结果 天山-帕米尔地区区域生态安全的分布格局并没有发生显著变化，但不同市(县)的生态安全等级差异较大；1990—2018年天山-帕米尔地区生态安全处于Ⅲ级及以上的面积占比始终在60%及以上，2010年达80%，区域生态环境改善显著；其中有5个因子对天山-帕米尔地区生态安全的影响较为稳定，其他各因子的影响各有差异；3个子系统影响从大到小依次为响应、压力、状态，状态指数和压力指数变化趋势相似。 结论 天山-帕米尔地区生态安全状况逐步向好，但也存在一些生态破坏的现象。其中博乐市、精河县、温泉县、塔什库尔干塔吉克自治县生态安全状态改善显著，响应能力的提高对缓解生态压力具有较大贡献。图4表4参32 Abstract:Objective Tianshan-Pamir region, with its unique geographical location and rich and diverse ecosystems, plays an important role as a barrier to China’s ecological security. However, great changes had taken place in the regional economy and ecological environment in the past 30 years, and it is urgent to carry out research on the spatiotemporal evolution of ecological security pattern and its influencing factors in Tianshan-Pamir region under natural and human pressure. Method Taking Tianshan-Pamir region as the study area, 20 key indicators were selected to analyze the ecological security and its influencing factors in the region from 1990 to 2018 by using the pressure-state-response (PSR) model and geographical detector method. Result The distribution pattern of regional ecological security in this region did not change significantly, but the ecological security levels of different cities and counties varied greatly. From 1990 to 2018, the area with ecological security of level Ⅲ or above accounted for 60% or more and reached 80% in 2010, indicating significant improvement of regional ecological environment. 5 factors among them had a relatively stable impact on the ecological security of the region, while other factors had different impacts. The influence of the 3 subsystems from large to small was response, pressure and state, and the change trend of state index and pressure index was similar. Conclusion The ecological security in Tianshan-Pamir region is gradually improving, but there are still some damage phenomena. Among them, Bole City, Jinghe County, Wenquan County, and Tashkurgan Tajik Autonomous County have significantly improved their ecological security status, and the improvement of response capacity has a great contribution to alleviating ecological pressure. [Ch, 4 fig. 4 tab. 32 ref.] -
Key words:
- ecological security /
- PSR model /
- geographic detector /
- Tianshan-Pamir region
-
木塑复合材料增材制造是一种新兴的木质材料成型技术，具有成型速度快、材料利用率高、绿色环保等特点。目前木塑复合材料增材制造方式主要包括熔融沉积(fused deposition modelling, FDM)技术[1]、选择性激光烧结(selective laser sintering, SLS)技术[2]和三维打印与胶黏(three dimensional printing and gluing, 3DP)技术[3]。木塑复合材料3DP主要是针对木质纤维物理力学特性，利用微滴喷射与紫外光固化技术，实现木塑粉末材料常温下的高精度成型[4]。成型过程结合了紫外线固化黏结剂(UV胶)常温成型特性和微滴喷射技术高精度、高通量和高驱动频率等特点，解决了传统3D打印中木质纤维不耐高温的问题，为木质材料的3D打印提供新方案。
在3DP工艺中，液滴质量和液滴速度等液滴参数是打印过程的重要变量[5−8]，对3DP成型质量具有重要影响。木塑复合材料3DP中液滴参数受到喷射阀结构和液滴成形过程的影响，存在喷胶量偏大、高速打印液滴冲击导致粉层飞溅等问题，不能完全适应木塑复合材料3DP的成型需求。为实现对阀体结构参数和工艺参数的优化，提高打印过程的精度和稳定性。预试验测定了UV胶黏度、撞针工作速度等关键参数，基于喷射阀结构、撞针位移特性构和UV胶参数，建立了微滴喷射过程的流体体积函数(volume of fluid, VOF)仿真模型，并验证了模型的准确性。基于有限元模拟仿真和试验设计(design of experiment, DOE)方法[9]，通过单因素试验阐释喷射参数对液滴参数的影响过程，得到了合理的仿真参数范围，正交试验得到了最优微滴喷射因素组合，为木塑复合材料3DP微滴喷射过程的研究提供理论模型和数据支持。
1. 材料与方法
1.1 设备与测定装置
采用的木塑复合材料3DP设备为自主设计研发，3DP设备系统主要由铺粉系统、微滴喷射系统、控制系统等部分组成。喷射阀作为喷射系统的重要部件，其工作原理如图1所示。撞针在工作中处于常开状态，用于控制阀体的开闭，其工作过程可分为开阀、下降、关阀和上升等4个阶段，在微滴喷射过程中，下降阶段撞针的动能和关阀阶段的压差是液滴质量产生的主要因素[10]。本研究重点对撞针下降阶段和关阀阶段进行仿真分析。
UV胶(A332，奥斯邦)；科研级旋转流变仪(Kinexus Ultra+，耐驰)；激光位移传感器(LK-G5001，基恩士)；高速相机(FASTCAM NovaS16，活图隆)。
1.2 测定方法
采用旋转流变仪对UV胶进行恒定温度的流变特性测试。UV胶的流变特性曲线如图2所示。UV胶黏度受剪切速率影响明显。打印过程中喷嘴处UV胶的剪切速率高于100 s−1，需要考虑黏度变化对微滴喷射过程的影响[11]。采用激光位移传感器对针阀内撞针位移进行测定，测得撞针稳定振幅为0.185 mm，最大振幅为0.230 mm，撞针位移和时间呈线性关系，因为震荡时间较短，仿真过程中通常将撞针下降速度视为匀速[12]，其速度为0.1~0.9 m·s−1。
1.3 仿真模型
1.3.1 微滴喷射关键参数
根据预试验结果和实际工况，喷射过程中工艺参数如下：UV胶的密度为1 050 kg·m−3，UV胶黏度为0.094γ−0.945 Pa·s (γ指剪切速率)，撞针的下降速度为0.1~0.9 m·s−1，供胶压力为0.1~0.5 MPa。流体在流道内中流动状态可以分为层流和紊流，通常用雷诺数(Re)来表征流体流动情况[13]。取喷嘴处液体的最大流速为0.9 m·s−1，计算喷嘴处的Re远小于2 100，判定UV胶喷射过程流动状态为层流。根据已知公式推知，在微滴喷射过程中，供胶压力、撞针速度、UV胶黏度、喷嘴直径等喷射参数对微滴喷射过程有重要影响[14]。
1.3.2 仿真模型建立
建立包含阀体结构参数和工艺参数的简化喷射阀二维模型如图3所示。其中撞针球头半径(R)为1.00 mm，撞针直径(D)为0.1 mm，喷嘴长度(l)为1.4 mm，腔体高度(h)为5 mm，喷嘴直径(d)0.10~0.30 mm，撞针行程(s)取最大振幅为0.23 mm，阀座锥角(θ)为90°~130°，阀座间隙($ {{\delta}} $)为0.25~0.45 mm，空气域的面积为3 mm×10 mm。将撞针球面壁面设置为动网格，采用UDF中宏函数Define CG_motion控制撞针沿y轴方向匀速下降。为验证阀体结构参数和工艺参数对微滴喷射过程的影响，分别在喷嘴入口和出口处设置压力、流量和速度监测点，设置每一仿真步数为1 μs，输出一次点位的仿真数据。并二维(Q2D)与三维(Q3D)质量流率的计算公式：Q3D =1/2πR Q2D ，以积分换算的方式获得三维液滴的仿真质量参数。
图 3 喷射阀二维模型示意图Figure 3 Schematic diagram of two-dimensional model of needle-type jet valve1.4 仿真模型的验证
模拟属于瞬态模拟，需要进行网格无关性试验，研究网格数量与仿真结果的相关性[15]。取计算时间6 ms处主液滴最大速度验证。当网格密度为0.04、0.08、0.16 mm时液滴速度分别为1.130、1.120和1.122 m·s−1，速度变化范围在2%以内，达到了仿真的要求。为了兼顾仿真效率和准确度，取面网格密度为0.08 mm组进行后续仿真分析。
采用木塑复合材料3DP设备作为液滴发生装置，以A332UV胶作为分散剂，由空压机提供压力，经输气管与胶筒连通，利用高速相机进行图像采集，设置采集频率为5 kHz。高速相机获取液滴的速度范围为0.616~1.080 m·s−1，仿真过程中液滴的速度变化范围为0.730 ~1.120 m·s−1。此外运动初期仿真液滴速度高于液滴实际速度。这主要由撞针运动过程的震荡被仿真简化为匀速运动引起。仿真过程误差小于20%，达到仿真的要求。
1.5 试验设计
以撞针速度、供胶压力、喷嘴直径、阀座锥角和腔体间隙等喷射参数为自变量，选取出口速度、出口压力和质量流率为过程参数，以液滴质量和主液滴速度等液滴参数为评价指标，研究自变量对微滴喷射成形过程的影响。
以单因素试验(表1)结果为基础，选取撞针速度、供胶压力、喷嘴直径3组参数为试验因素设计3因子3水平试验绘制L9(43)正交试验表(表2)。A、B、C分别指代喷嘴直径、撞针速度、供胶压力共3个变量，下标1、2、3分别指代低、中、高共3个参数水平。
表 1 单因素试验各水平取值Table 1 Values for each level of single factor experiment水平 撞针速度/
(m·s−1)驱动气压/
MPa喷嘴直径/
mm阀座锥角/
(º)阀体间隙/
mm1 0.1 0.1 0.10 90 0.25 2 0.3 0.2 0.15 100 0.30 3 0.5 0.3 0.20 110 0.35 4 0.7 0.4 0.25 120 0.40 5 0.9 0.5 0.30 130 0.45 中间组 0.5 0.2 0.20 120 0.35 表 2 正交试验因素表Table 2 Orthogonal experiment table组合
编号喷嘴直径
(A)/mm撞针速度
(B)/(m·s−1)供胶压力
(C)/MPa液滴质量/
μg液滴速度/
(m·s−1)A1B1C1 0.10 0.3 0.1 1.162 2 0.90 A1B2C2 0.10 0.6 0.2 1.162 1 2.20 A1B3C3 0.10 0.9 0.3 1.166 8 3.60 A2B1C2 0.15 0.3 0.2 9.450 7 3.62 A2B2C3 0.15 0.6 0.3 7.299 5 3.38 A2B3C1 0.15 0.9 0.1 2.945 2 2.07 A3B1C3 0.20 0.3 0.3 21.563 4 5.84 A3B2C1 0.20 0.6 0.1 10.426 9 1.68 A3B3C2 0.20 0.9 0.2 12.048 1 3.95 2. 结果与分析
2.1 单因素试验结果
根据UDF函数设定，当撞针速度为0.1、0.3、0.5、0.7、0.9 m·s−1时撞针达到最大行程时间(即撞针与阀座撞击时间点)分别为2.296、0.765、0.458、0.327、0.254 ms。根据仿真试验，因阀座间隙液滴参数的影响较小，故未列出其对液滴参数的影响曲线。
2.1.1 喷嘴直径对微滴喷射的影响
由图4可知：液滴质量的变化率和终值均与喷嘴直径呈正相关。在喷嘴直径小于0.20 mm时，UV胶以液滴形式生成，喷嘴直径与液滴速度呈负相关，当喷嘴直径大于0.20 mm时，UV胶以液柱的形式喷射，出口速度和出口压力的峰值提前。随着喷嘴半径的升高，主液滴断裂时间延后，破碎液滴产生更高的相对初速度，因导致液滴速度呈先升高后降低的变化趋势。
图 4 不同喷嘴直径下液滴质量、液滴速度、出口压力变化线图Figure 4 Droplet mass, droplet velocity and outlet pressure variation diagrams under different nozzle diameters2.1.2 阀座锥角对微滴喷射的影响
图5显示：出口速度和出口压力的峰值大小与液滴阀座锥角呈正相关。UV胶速度和压力在撞针与阀座接触时产生剧烈变化。在下降阶段，阀座锥角对微滴喷射过程影响较小，随着撞针接近阀座，液滴质量急剧变化，且数值大小呈与阀座锥角呈负相关。较小的阀座锥角具有更大的纵向速度分量，可以在撞击过程产生更大的液滴驱动力，从而获得更高的液滴质量和速度。
图 5 不同阀座锥角下液滴质量、液滴速度、出口压力变化线图Figure 5 Droplet mass, droplet velocity and outlet pressure variation diagrams under different valve seat cone angles2.1.3 撞针速度对微滴喷射的影响
图6显示：速度和压力的峰值与撞针速度呈正相关。液滴质量与撞针速度呈负相关，主液滴速度与撞针速度呈正相关。撞针速度与UV胶流体剪切速率呈正相关，根据UV胶流变特性，UV胶流体黏度大幅减小，导致出口速度极值和质量流率随撞针速度升高。随着剪切速率升高，黏度变化范围减小，液滴出口速度和质量流率随撞针速度增高变化不再显著，且由于撞针运动时间的差异(T0.1=9T0.9)，在撞针速度较低时，时间成为影响液滴质量的主要因素，在撞针速度为0.1 m·s−1时，得到较大的液滴质量。
图 6 不同撞针速度下液滴质量、液滴速度、出口压力变化线图Figure 6 Droplet mass, droplet velocity and outlet pressure change line chart under different impact needle velocities2.1.4 供胶压力对微滴喷射的影响
图7A显示：供胶压力与液滴质量呈正相关，主液滴速度则随着供胶压力升高呈现先降低后升高的趋势。由图7B和C可得，供胶压力的主要作用阶段为下降阶段。随着供胶压力增高，下降阶段自喷嘴流出的液滴质量增加。关阀阶段，撞针惯性力成为液滴断裂和喷射的主要驱动力。当供胶压力较高时，在喷嘴处形成的液滴体积增加，相较于低供胶气压组，液滴断裂时间延后，导致主液滴速度产生非规律性变化。
图 7 不同供胶压力下液滴质量、液滴速度、出口压力变化线图Figure 7 Droplet mass, droplet velocity and outlet pressure change line chart under different glue supply pressure由图8可得：阀体锥角较小时，液滴下落过程会产生破碎，不适合UV胶材料的微滴喷射。较小的撞针速度无法驱动UV胶液柱断裂形成稳定液滴，随着撞针速度增加，UV胶黏度减小，流动性增强，因此获得较高的液滴速度。当供胶压力和喷嘴直径过高时，过量液滴在关阀阶段前自喷嘴出口流出，使液滴获得较大的成形体积。根据单因素结论和仿真相图分析，能够实现单液滴喷射的参数范围为：撞针速度0.3~0.9 m·s−1，喷嘴直径0.10~0.20 mm，供胶压力0.1~0.3 MPa，阀座锥角120°~130°。因阀座锥角加工困难，且在范围内液滴质量和主液滴速度变化极小，以最小液滴质量为原则，确定阀座锥角为130°。选取撞针速度、喷嘴直径和供胶压力作为自变量进行正交试验。
2.2 正交试验分析
2.2.1 极差结果分析
如表3所示：以液滴质量为评测标准，3因素的排序为A＞B＞C；以主液滴速度为评价标准，3因素的排序为C＞A＞B。液滴质量的最优标准为A1B3C1，液滴速度的最优标准为A1B2C1。考虑在微滴喷射过程中，液滴质量为主要结果参数，因此按照一定的系数比对极差结果进行折算，得到液滴的最优参数组为A1B3C1。即撞针直径为0.10 mm，撞针速度为0.9 m·s−1，供胶压力为0.1 MPa。
表 3 正交试验极差表Table 3 Orthogonal experiment range table项目 液滴质量 项目 主液滴速度 A B C A B C K1 1.164 10.725 4.845 K1 2.233 3.420 1.550 K2 6.565 6.296 7.554 K2 3.023 2.420 3.257 K3 14.679 5.387 10.010 K3 3.790 3.207 4.240 R 13.516 5.339 5.165 R 1.557 1.000 2.690 2.2.2 方差结果分析
如表4所示：建立了喷射参数关于液滴质量和液滴速度的一次线性回归模型，液滴速度=3.016−0.782A1+0.008A2+0.774A3+0.404B1−0.596B2+0.190B3−1.466C1+0.241C2+1.224C3。液滴质量=7.469−6.306A1+0.904A2+7.210A3+3.256B1−1.173B2−2.083B3−2.625C1+0.084C2+2.540C3。对于液滴质量，各喷头参数的F由大到小分别为A、B、C，可以验证极差的结论，且喷嘴直径是影响液滴质量的显著因素(P＜0.05)。撞针速度和供胶压力对微滴喷射参数影响较小。对于液滴速度，各喷头参数的F由大到小分别为C、A、B，供胶压力是影响液滴速度的显著因素(P＜0.05)。因此在能完成喷射的前提下，减少喷嘴直径和供胶压力，可以得到更小的液滴质量和速度。
表 4 正交试验方差表Table 4 Orthogonal experiment variance table方差来源 液滴质量 液滴速度 df SS MS F P df SS MS F P A 2 277.694 138.847 51.72 0.019 2 3.6351 1.8175 6.75 0.129 B 2 48.948 24.474 9.12 0.099 2 1.6644 0.8322 3.09 0.245 C 2 40.050 20.025 7.46 0.118 2 11.1158 5.5579 20.63 0.046 误差 2 5.369 2.685 2 0.5388 0.2694 合计 8 372.061 8 16.954 0 R2=98.56% $ {R}_{\mathrm{a}\mathrm{d}\mathrm{j}}^{2}=98.56\% $ R2=96.82% $ {R}_{\mathrm{a}\mathrm{d}\mathrm{j}}^{2}=87.29\% $ 说明：df. 自由度；SS. 离差平方和；MS. 均方值。 根据以上分析，获得最优的喷射参数：喷嘴直径为0.10 mm，撞针速度为0.9 m·s−1，供胶压力为0.1 MPa、阀座锥角为130°。经过仿真结果分析，得到液滴质量为0.437 μg，液滴速度为0.96 m·s−1。对比最小数据，液滴速度增加了6%，但是液滴质量缩小62%。综合速度和质量指标，可得到A1B3C1为最优参数组合。
2.2.3 正交试验结果分析
正交试验得到了液滴速度和液滴质量的一次回归模型，验证了喷嘴直径是影响液滴质量的显著因素，供胶压力是影响液滴速度的显著因素，根据极差和方差分析，得到了最优的喷射参数：喷嘴直径为0.10 mm，撞针速度为0.9 m·s−1，供胶压力为0.1 MPa，阀座锥角为130°。
3. 讨论和结论
木塑复合材料 3DP 设备利用撞针式阀体驱动UV胶喷射到塑粉床，将UV胶这种黏结剂喷射与紫外光固化成型结合后，可以大大提高设备打印成型效率。木塑复合材料3DP是一种节能环保的成型技术，在木塑复合材料增材制造方面有很大的应用前景 [4, 16]。本研究针对目前设备存在的喷射稳定度低、喷胶量不易控制等问题，研究了撞针式阀体结构和工艺参数对液滴形成过程及液滴质量的影响，阐释了喷嘴直径、阀体锥角、供胶压力和撞针速度等参数对液滴成形参数的作用机制[17]。仿真试验中选择喷嘴直径0.10 mm、撞针速度0.9 m·s−1、供胶压力0.1 MPa的打印组合，得到0.437 μg液滴质量。相较于喷嘴直径为0.15与0.20 mm试验组，液滴质量得到明显改善。在实际试验中，换用0.10 mm喷嘴直径得到的液滴质量明显降低，且需要保持一定的撞针速度和供胶压力以实现喷射。在打印过程中喷嘴直径减小将增大喷射过程的黏滞力，形成较小的喷胶量，且需要较大的惯性力和供胶压力实现喷射过程，这与仿真结论一致。仿真试验表明对液滴质量影响因素的排序为喷嘴直径＞撞针速度＞供胶压力。实际过程中对于液滴质量的影响因素分别为喷嘴直径＞供胶压力＞撞针速度。可能因为当供胶压力过大时，开阀阶段残余的液滴质量、气道的内部结构均对仿真结果产生了影响，这是仿真模型中未考虑的部分。未来优化仿真过程的结构参数和初始条件，建立包含微滴喷射连续过程的流体体积函数有限元模型，以期实现在更加复杂的工况下分析应用，获得更可靠的研究结论。
本研究得到喷嘴直径是影响液滴质量的显著因素，供胶压力是影响液滴速度的显著因素。获得最优喷射参数组合：喷嘴直径为0.10 mm，撞针速度为0.9 m·s−1，供胶压力为0.1 MPa，阀座锥角为130°。本研究设计的木塑复合材料3DP微滴喷射流体体积函数模型可以实现对UV胶液滴参数的预测，实现对撞针运动过程中阀体参数对速度、体积和压力影响过程的分析，优化了木塑复合材料3DP的打印参数，为木塑复合材料3DP成型参数的研究提供数据基础。
-
图 1 天山-帕米尔地区生态安全时空格局示意图
Figure 1 Spatio-temporal pattern of ecological security in Tianshan-Pamir region
图 2 天山-帕米尔地区生态安全指数分级面积统计
Figure 2 Area statistic of classification by ecological security index in Tianshan-Pamir region
表 1 天山-帕米尔地区生态安全评价体系
Table 1. Evaluation system of ecological security in Tianshan-Pamir region
目标层 准则层 要素层 指标层 指标属性 生态安全综合指数 压力(P) 社会经济压力 人口密度/(人·km−2) 负 人口自然增长率/% 负 人均国内生产总值(GDP)/元 负 国内游客数量增长率/% 负 资源环境压力 单位耕地化肥使用量/(t·hm−2) 负 单位面积废水排放量/(t·km−2) 负 湿地覆盖率/% 正 状态(S) 社会经济状态 区域开发指数/% 负 经济密度/(万元·km−2) 负 旅行社数量增长率/个 负 资源环境状态 草地覆盖率/% 正 森林覆盖率/% 正 原煤消耗/(t·万元−1) 负 人均水资源量/(m3·人−1) 正 响应(R) 社会经济响应 旅游收入占GDP比例/% 负 第三产业占GDP比例/% 正 城镇化水平/% 负 拥有卫生技术人员/人 正 资源环境响应 单位面积环保投入/(万元·km−2) 正 自然保护区数量/个 正 
下载: 导出CSV
表 2 天山-帕米尔地区生态安全分级标准
Table 2. Classification standard of ecological security in Tianshan-Pamir region
等级 安全等级 生态安全综合指数 生态安全特征描述 Ⅰ 不安全 [0.00~0.19) 压力极大，环境极差，存在严重生态环境问题 Ⅱ 较不安全 [0.19~0.23) 压力较大，环境较差，生态环境处于不稳定状态 Ⅲ 临界安全 [0.23~0.31) 压力接近阈值，环境一般，能发挥基本生态系统功能 Ⅳ 较安全 [0.31~0.49) 压力较小，环境较好，但仍存在部分限制性因素 Ⅴ 安全 [0.49~0.72) 压力很小，环境优越，生态系统功能、结构完善
下载: 导出CSV
表 3 天山-帕米尔地区生态安全综合指数描述性统计
Table 3. Descriptive statistics of ecological security index in Tianshan-Pamir region
年份 生态安全综合指数 变异系数/% 平均值 最小值 最大值 标准差 1990 0.275 0.171 0.712 0.091 33.14 2000 0.277 0.140 0.523 0.095 34.34 2010 0.307 0.151 0.507 0.083 26.84 2018 0.297 0.165 0.529 0.094 31.82
下载: 导出CSV
表 4 不同年份主要影响因子探测结果
Table 4. Detection results of main influencing factors in different years
影响因子 (X) q (Y) 1990年 2000年 2010年 2018年 国内游客数量增长率 0.29 0.46 0.47 0.50 人均GDP − − 0.24 − 湿地覆盖率 0.45 0.23 − 0.22 人均水资源量 0.28 0.45 0.42 0.50 原煤消耗 0.29 0.46 0.47 0.51 旅行社数量增长率 − 0.26 − 0.34 旅游收入占GDP比例 0.29 0.46 0.467 0.51 第三产业占GDP比例 − 0.20 − − 拥有卫生技术人员数 0.29 0.47 0.48 0.51 自然保护区数量 − − − 0.66 说明：−表示q＜0.20
下载: 导出CSV
-
[1] 冯琰玮, 甄江红, 马晨阳. 内蒙古生态承载力评价及生态安全格局优化[J]. 地理研究, 2021, 40(4): 1096 − 1110. FENG Yanwei, ZHEN Jianghong, MA Chenyang. Evaluation of ecological carrying capacity and optimization of ecological security pattern in Inner Mongolia [J]. Geographical Research, 2021, 40(4): 1096 − 1110. [2] 肖笃宁, 陈文波, 郭福良. 论生态安全的基本概念和研究内容[J]. 应用生态学报, 2002, 13(3): 354 − 358. XIAO Duning, CHEN Wenbo, GUO Fuliang. On the basic concepts contents of ecological security [J]. Chinese Journal of Applied Ecology, 2002, 13(3): 354 − 358. [3] 崔杨林, 高祥, 董斌, 等. 县域景观生态风险评价[J]. 浙江农林大学学报, 2021, 38(3): 541 − 551. CUI Yanglin, GAO Xiang, DONG Bin, et al. Landscape ecological risk assessment of county [J]. Journal of Zhejiang A&F University, 2021, 38(3): 541 − 551. [4] GAO Sheng, SUN Huihui, ZHAO Lin, et al. Dynamic assessment of island ecological environment sustainability under urbanization based on rough set, synthetic index and catastrophe progression analysis theories [J/OL]. Ocean and Coastal Management, 2019, 178: 104790[2022-06-28]. doi: 10.1016/j.ocecoaman.2019.04.017. [5] SONG Guoba, CHEN Yu, TIAN Meirong, et al. The ecological vulnerability evaluation in southwestern mountain region of China based on GIS and AHP method [J]. Procedia Environmental Sciences, 2010, 2: 465 − 475. [6] 徐涵秋. 城市遥感生态指数的创建及其应用[J]. 生态学报, 2013, 33(24): 7853 − 7862. XU Hanqiu. A remote sensing urban ecological index and its application [J]. Acta Ecologica Sinica, 2013, 33(24): 7853 − 7862. [7] WANG Qiang, LI Siqi, LI Rongrong. Evaluating water resource sustainability in Beijing, China: combining PSR model and matter-element extension method [J]. Journal of Cleaner Production, 2019, 206: 171 − 179. [8] BAI Xiaorui, TANG Jingchun. Ecological security assessment of Tianjin by PSR model [J]. Procedia Environmental Sciences, 2010, 2: 881 − 887. [9] RUAN Wenqi, LI Yongquan, ZHANG Shuning, et al. Evaluation and drive mechanism of tourism ecological security based on the DPSIR-DEA model [J]. Tourism Management, 2019, 75: 609 − 625. [10] 王晶, 原伟鹏, 刘新平. 哈尔滨城市土地生态安全时序评价及预测分析[J]. 干旱区地理, 2018, 41(4): 885 − 892. WANG Jing, YUAB Weipeng, LIU Xinping. Time series evaluation and prediction analysis of urban land ecological security in Harbin City [J]. Arid Land Geography, 2018, 41(4): 885 − 892. [11] 汤旭, 郑洁, 冯彦, 等. 云南省县域森林生态安全评价与空间分析[J]. 浙江农林大学学报, 2018, 35(4): 684 − 694. TANG Xu, ZHENG Jie, FENG Yan, et al. Country-level forest ecological security evaluation and spatial analysis in Yunnan Province [J]. Journal of Zhejiang A&F University, 2018, 35(4): 684 − 694. [12] HAN Baolong, LIU Hongxiao, WANG Rusong. Urban ecological security assessment for cities in the Beijing-Tianjin-Hebei metropolitan region based on fuzzy and entropy methods [J]. Ecological Modelling, 2015, 318(24): 217 − 225. [13] SUN Tengteng, LIN Wenpeng, CHEN Guangsheng, et al. Wetland ecosystem health assessment through integratingremote sensing and inventory data with an assessment model for the Hangzhou Bay [J]. Science of the Total Environment, 2016, 566/567: 627 − 640. [14] LIU Delin, HAO Shilong. Ecosystem health assessment at county-scale using the pressure-state-response framework on the Loess Plateau, China [J/OL]. International Journal of Environmental Research and Public Health, 2017, 14: 2[2022-07-01]. doi: 10.3390/ijerph14010002. [15] 李琛, 高彬嫔, 吴映梅, 等. 基于PLUS模型的山区城镇景观生态风险动态模拟[J]. 浙江农林大学学报, 2022, 39(1): 84 − 94. LI Chen, GAO Binpin, WU Yingmei, et al. Dynamic simulation of landscape ecological risk in mountain towns based on PLUS model [J]. Journal of Zhejiang A&F University, 2022, 39(1): 84 − 94. [16] 于贵瑞, 杨萌, 陈智, 等. 大尺度区域生态环境治理及国家生态安全格局构建的技术途径和战略布局[J]. 应用生态学报, 2021, 32(4): 1141 − 1153. YU Guirui, YANG Meng, CHEN Zhi, et al. Technical approach and strategic plan for large-scale ecological and environmental governance and national ecological security pattern construction [J]. Chinese Journal of Applied Ecology, 2021, 32(4): 1141 − 1153. [17] 艾克旦·依萨克, 满苏尔·沙比提, 阿曼妮萨·库尔班, 等. 阿克苏河流域绿洲生态安全评价及影响因子分析[J]. 环境科学与技术, 2020, 43(7): 217 − 223. Akida Essak, Mansur Sabit, Amannisa Kurban, et al. Ecological security evaluation and impact factor analysis of oasis in Aksu River Basin [J]. Environmental Science &Technology, 2020, 43(7): 217 − 223. [18] 王昌博, 李爱农, 张晓荣, 等. 基于遥感和GIS的中巴经济走廊多发展情景生态风险综合评价[J]. 遥感技术与应用, 2021, 36(1): 65 − 78. WANG Changbo, LI Ainong, ZHANG Xiaorong, et al. Comprehensive assessment of ecological risk in multi-scenarios of China-Pakistan economic corridor based on RS and GIS [J]. Remote Sensing Technology and Application, 2021, 36(1): 65 − 78. [19] 田浩, 刘琳, 张正勇, 等. 天山北坡经济带关键性生态空间评价研究[J]. 生态学报, 2021, 41(1): 401 − 414. TIAN Hao, LIU Lin, ZHANG Zhengyong, et al. Evaluation on the critical ecological space of the economic belt of Tianshan northslope [J]. Acta Ecologica Sinica, 2021, 41(1): 401 − 414. [20] 李鹏辉, 徐丽萍, 刘笑, 等. 基于三维生态足迹模型的天山北麓绿洲生态安全评价[J]. 干旱区研究, 2020, 37(5): 1337 − 1345. LI Penghui, XU Liping, LIU Xiao, et al. Ecological security evaluation of an oasis in the north of the Tianshan Mountains based on three-dimensional ecological footprint model [J]. Arid Zone Research, 2020, 37(5): 1337 − 1345. [21] 张磊, 吴炳方, 李晓松, 等. 基于碳收支的中国土地覆被分类系统[J]. 生态学报, 2014, 34(24): 7158 − 7166. ZHANG Lei, WU Bingfang, LI Xiaosong, et al. Classification system of China land cover for carbon budget [J]. Acta Ecologica Sinica, 2014, 34(24): 7158 − 7166. [22] 徐浩田, 周林飞, 成遣. 基于PSR模型的凌河口湿地生态系统健康评价与预警研究[J]. 生态学报, 2017, 37(24): 8264 − 8274. XU Haotian, ZHOU Linfei, CHENG Qian. Study on ecosystem health evaluation and risk assessment for Linghekou wetlands based on a PSR model [J]. Acta Ecologica Sinica, 2017, 37(24): 8264 − 8274. [23] CHEN Yun, WANG Jinliang. Ecological security early-warning in central Yunnan Province, China, based on the gray model [J/OL]. Ecological Indicators, 2020, 111: 106000[2022-07-02]. doi: 10.1016/j.ecolind.2019.106000. [24] HU Mengmeng, LI Zhaotian, YUAN Mengjiao, et al. Spatial differentiation of ecological security and differentiated management of ecological conservation in the Pearl River Delta, China [J]. Ecological Indicators, 2019, 104: 439 − 448. [25] 李建春, 袁文华. 基于GIS格网模型的银川市土地生态安全评价研究[J]. 自然资源学报, 2017, 32(6): 988 − 1001. LI Jianchun, YUAN Wenhua. Assessment of urban land ecological security in Yinchuan city based on the Grid method [J]. Journal of Natural Resources, 2017, 32(6): 988 − 1001. [26] 田璐, 邱思静, 彭建, 等. 基于PSR框架的内蒙古自治区沙漠化敏感性评估[J]. 地理科学进展, 2018, 37(12): 1682 − 1692. TIAN Lu, QIU Sijing, PENG Jian, et al. Desertification sensitivity evaluation in Inner Mongolia Autonomous Region based on PSR framework [J]. Progress in Geography, 2018, 37(12): 1682 − 1692. [27] 王劲峰, 徐成东. 地理探测器: 原理与展望[J]. 地理学报, 2017, 72(1): 116 − 134. WANG Jinfeng, XU Chengdong. Geodetector: principle and prospective [J]. Acta Geographica Sinica, 2017, 72(1): 116 − 134. [28] 黄木易, 方斌, 岳文泽, 等. 近20 a来巢湖流域生态服务价值空间分异机制的地理探测[J]. 地理研究, 2019, 38(11): 2790 − 2803. HUANG Muyi, FANG Bin, YUE Wenze, et al. Spatial differentiation of ecosystem service values and its geographical detection in Chaohu Basin during 1995−2017 [J]. Geographical Research, 2019, 38(11): 2790 − 2803. [29] WANG Haiying, QIN Fen, XU Chengdong, et al. Evaluating the suitability of urban development land with a Geodetector [J/OL]. Ecological Indicators, 2021, 123: 107339[2022-07-05]. doi: 10.1016/j.ecolind.2021.107339. [30] MA Rui, LIANG Lizhong, KONG Yunfeng, et al. Hotspot detection and socio-ecological factor analysis of asthma hospitalization rate in Guangxi, China [J/OL]. Environmental Research, 2020, 183: 109201[2022-07-05]. doi: 10.1016/j.envres.2020.109201. [31] 袁烨城, 刘海江, 李宝林, 等. 2000—2010年新疆陆地生态系统变化格局与分析[J]. 地球信息科学学报, 2015, 17(3): 300 − 308. YUAN Yecheng, LIU Haijiang, LI Baolin, et al. Study on the change of ecosystem in Xinjiang from 2000 to 2010 [J]. Journal of Geo-information Science, 2015, 17(3): 300 − 308. [32] 宋文杰, 张清, 刘莎莎, 等. 基于LUCC的干旱区人为干扰与生态安全分析——以天山北坡经济带绿洲为例[J]. 干旱区研究, 2018, 35(1): 235 − 242. SONG Wenjie, ZHANG Qing, LIU Shasha, et al. LUCC-based human disturbance and ecological security in arid area: a case study in the economic zone on northern slope of the Tianshan Mountains [J]. Arid Zone Research, 2018, 35(1): 235 − 242. -
-
链接本文:
https://zlxb.zafu.edu.cn/article/doi/10.11833/j.issn.2095-0756.20220458
点击查看大图
计量
- 文章访问数: 906
- HTML全文浏览量: 225
- PDF下载量: 74
- 被引次数: 0
