下载:
-
景观格局反映景观要素在空间结构上的特征，可以从不同尺度讨论要素间的相互作用与生态效应[1]，是景观异质性的外在表征。目前，国内外学者对于景观格局的研究主要分为2个方面，即景观格局的空间质异性与时间异质性研究[2]。景观异质性在空间上的表达往往是复杂而连续的，因此以遥感(RS)和地理信息系统(GIS)等方法结合景观格局指数进行讨论，有助于实现格局演变的可视化。在景观生态学中，认为土地即景观[1]。据以往研究来看，土地利用变化可以反映景观格局演变过程，将土地利用同生态环境与自然资源系统相结合进行探讨，成为国内外研究的热点问题[3-4]。伴随3S技术的快速发展，土地利用的空间分异研究取得了长足的进展，土地利用结构分析已应用到城市及山区用地空间扩展[5]、景观组分在地形梯度上的分异[6]、湿地格局分异[7]等诸多方面。神农架林区位于中国地势二、三阶梯过渡地带，是中国重要的气候敏感区和生态环境脆弱地带[8]。20世纪六七十年代间，由于不合理开发导致区域生态环境遭严重破坏，林区政府开始探索绿色可持续发展模式[9]。本研究将基于多源数据，对神农架林区土地利用结构的组成及其时空演变特征与驱动力进行探讨，以探究20世纪90年代以来森林保护工程的成效，同时为林区的生态系统健康评价研究提供参考。
-
神农架林区地处鄂西北山区，是中国唯一以“林区”命名的行政区划，总面积约3 215.80 km2。林区地处31°15′~31°57′N，109°56′~110°58′E，西南部以近东西向的山脉为主，其中最高峰神农顶高3 105.4 m，是华中地区最高点[10]。神农架林区是中国东西植物区系的交汇地带和南北植物区系的过渡地带，其亚热带森林生态系统是全球中纬度地区唯一保存完好的地区，拥有世界上最为丰富的生物多样性[11]，是具有全球意义的基因库，被称为“绿色奇迹”，林区内包括森林、灌丛、草甸和湿地等各类生态系统，具有调节气候、涵养水源、保持水土等重要生态环境服务价值[12]。近年来，以旅游业为主体的第三产业发展迅速，2018年全区旅游收入达57.29亿元，林区内建设用地规模大幅扩张，生态风险有所升高。
-
以1996、2007、2018年Landsat遥感影像为数据基础，影像空间分辨率为30 m，选取每个年份植被状态良好的2景影像，影像的云量均低于2%；相关规划资料详见表1。
表 1 数据资料来源统计
Table 1. Data source statistics
数据类型 数据名称 来源 遥感影像 1996年125/38、126/38 Landsat 5 TM遥感影像 美国地质勘探局网站(http://glovis.usgs.gov/) 2007年125/38、126/38 Landsat 8 OLI遥感影像 2018年125/38、126/38 Landsat 8 OLI遥感影像 相关规划资料 《神农架林区土地利用总体规划(2006−2020年)》 中国神农架林区人民政府 《神农架林区国民经济和社会发展统计公报》 《神农架林区统计年鉴》 中国神农架林区统计局 《神农架国家公园体制试点建设白皮书》 中国神农架国家公园管理局 在ENVI 5.3.1软件中对遥感影像进行预处理，通过对遥感影像的目视判读和对研究区域的实地调查，采用最大似然法对遥感影像进行监督分类。根据研究目的，结合国家标准GB/T 21010−2017《土地利用现状分类》，将神农架林区土地划分为林地、草地、建设用地、耕地和水域等五大类。利用Erdas Imagine 2015软件计算解译精度，结果显示3个年份Kappa系数都达85%以上，符合研究需要。
-
土地利用转移矩阵用于描述不同土地利用类型之间的转移情况，能反映研究时间段内土地利用类型转移的数量与方向[13-15]。其通用公式为
$$ {{A}}_{ij} = \left[ {\begin{array}{*{20}{c}} {A_{11}}&{A_{12}}& \cdots &{A_{1n}}\\ {A_{21}}&{A_{22}}& \cdots &{A_{2n}}\\ \vdots & \vdots & \vdots & \vdots \\ {A_{n1}}&{A_{n2}}& \cdots &{A_{nn}} \end{array}} \right]\text{。} $$ (1) 式(1)中：Aij为土地面积；n为土地利用类型数；i、j为转移前后的土地利用类型。
-
景观格局分布的重心模型用于研究景观格局在空间上的分布情况，而多年份数据的叠加则可以反映景观格局重心在不同时刻的迁移变化，是过程研究中重要的表征指标[16-17]。
重心坐标计算公式为：
$$ X_t = \frac{{\displaystyle\sum\limits _{i = 1}^{n}D_{ti}X_i }}{{\displaystyle\sum\limits _{i = 1}^{n}D_{ti}} }\text{；} $$ (2) $$ Y_{t} = \frac{{\displaystyle\sum\limits _{i = 1}^{n}D_{ti}Y_i }}{{\displaystyle\sum\limits _{i = 1}^{n}D_{ti}} }\text{；} $$ (3) 重心距离迁移公式为：
$$ D = \sqrt {{{\left( {X_{t2} - X_{t1}} \right)}^2} + {{\left( {Y_{t2} - Y_{t1}} \right)}^2}} \text{。} $$ (4) 式(2)~(4)中：Xt、Yt为研究区域内某一景观类型在时间t的重心坐标；Dti为t时刻研究区域内第i个斑块的面积；Xi和Yi表示研究区域的坐标；D为某一景观类型的重心在t1和t2时间段内移动的距离。
-
景观格局指数是描述景观变化的一种定量研究方法，是景观格局结构组成与空间配置信息的集中反映[18-20]。选取8个对于景观结构变化较为敏感的指数：斑块数(NP)、最大斑块指数(LPI)、散布与并列指数(IJI)、聚合度指数(AI)、分离度指数(SPLIT)、景观分割指数(DIVISION)、内聚力指数(COHESION)与香农多样性指数(SHDI)，采用移动窗口法[21-22]，在Fragstats软件中每次移动1个栅格，以900 m大小的移动窗口，计算得到研究区域各指数的空间分布，分析神农架林区景观格局破碎化及多样性特征。
-
从图1和表2可以看出：林地是研究区域最主要的用地类型，占林区总面积的90%以上，22 a间，林地面积累计增加39.34 km2，森林覆盖度呈现增长趋势；草地与耕地面积总体上呈现减少趋势；建设用地面积持续增加，近10 a间增速比较明显，2018年研究区域内建设用地面积与1996年相比增加43.55 km2，这与该地区城镇化建设和旅游的大力发展有关；水域面积累计增加6.75 km2。
图 1 1996、2007、2018年神农架林区土地覆被类型分类示意图
Figure 1. Land cover types in Shennongjia Forestry District basin in 1996, 2007, 2018
表 2 1996、2007、2018年神农架林区土地利用结构表
Table 2. Land use structure in Shennongjia Forestry District basin in 1996, 2007, 2018
年份 林地 草地 建设用地 耕地 水域 面积/km2 比例/% 面积/km2 比例/% 面积/km2 比例/% 面积/km2 比例/% 面积/km2 比例/% 1996 3 006.80 92.95 94.86 2.93 3.49 0.11 129.82 4.01 2.39 0.07 2007 2 994.11 92.78 83.72 2.59 8.06 0.25 141.25 4.38 10.21 0.32 2018 3 046.14 94.09 59.08 1.82 47.05 1.45 75.96 2.35 9.13 0.28 -
由表3可知：1996−2007年，林地转移为其他类型景观的面积变化量最大，主要转移为耕地和草地，转出面积分别为49.29和23.47 km2，而转移为林地最多的景观类型也是耕地和草地，由此可知林地与耕地、草地间相互转移关系密切，90%以上的新增建设用地由林地和耕地转化而来。
表 3 1996−2007年、2007−2018年、1996−2018年神农架林区土地利用转移矩阵
Table 3. Land use transfer matrix in Shennongjia Forestry District of 1996−2007, 2007−2018 and 1996−2018
年份 土地利用类型 2007 林地/km2 草地/km2 建设用地/km2 耕地/km2 水域/km2 1996 林地 2 925.30 23.47 2.83 49.29 5.91 草地 33.50 54.88 0.28 6.17 0.04 建设用地 0.07 0.06 2.04 0.59 0.72 耕地 35.06 5.32 2.85 85.11 1.48 水域 0.18 0.01 0.06 0.09 2.05 年份 土地利用类型 2018 林地/km2 草地/km2 建设用地/km2 耕地/km2 水域/km2 2007 林地 2 949.67 9.40 15.31 17.38 2.36 草地 36.92 42.99 0.93 2.40 0.47 建设用地 0.88 0.06 5.74 1.15 0.23 耕地 56.61 6.60 22.16 54.78 1.09 水域 2.05 0.01 2.91 0.26 4.98 年份 土地利用类型 2018 林地/km2 草地/km2 建设用地/km2 耕地/km2 水域/km2 1996 林地 2 935.21 14.35 25.45 26.35 5.43 草地 48.10 41.39 1.60 3.33 0.45 建设用地 0.16 0.03 2.74 0.26 0.30 耕地 62.47 3.31 16.88 45.94 1.22 水域 0.20 0.01 0.38 0.06 1.73 2007−2018年，林地仍然是转移面积最大的景观类型，主要转移为耕地和建设用地，转移面积分别为17.38和15.31 km2，表明神农架林区在城镇化建设及旅游业发展过程中，仍存在以占用林地作为代价进行开发建设的现象；林地与耕地、草地间仍保持着密切的相互转移关系，而林地的转出面积减少37.05 km2，转入面积增加27.66 km2，林地的总面积增加趋势显著。
-
通过ArcGIS计算，得到1996、2007和2018年神农架林区各个用地类型景观格局分布重心转移的距离、速度和方向(表4)。1996−2018年，研究区域内水域和建设用地重心迁移明显，水域重心在研究时段内持续向西南方向迁移，累计迁移11 745.64 m，其中，1996−2007年迁移速度较快，为829.11 m·a−1，主要是由于大九湖湿地恢复与水库修建导致的；建设用地重心向西南方向迁移10 752.54 m，说明神农架林区的建设向西南发展，尤其是2016年进入国家公园发展的新时代，其范围划定也与建设用地重心的迁移方向相印证；林地具有向东扩张趋势，其重心在研究时间内向东南方向移动5 594.52 m。
表 4 景观类型转移方向与距离
Table 4. Landscape type transfer direction and distance
景观类型 1996−2007 2007−2018 1996−2018 距离/m 速度/(m·a−1) 方向 距离/m 速度/(m·a−1) 方向 距离/m 速度/(m·a−1) 方向 林地 5 674.80 515.89 东南 2 895.32 263.21 东北 5 594.52 254.30 东南 草地 3 088.72 280.79 东南 7 127.86 647.99 西南 5 286.79 240.31 西南 建设用地 9 120.18 829.11 西南 2 926.19 266.02 西北 10 752.54 488.75 西南 耕地 6 124.45 556.77 西南 5 135.85 466.90 东北 1 441.94 65.54 东北 水域 891.62 81.06 西南 2 331.64 211.97 西南 11 745.64 533.89 西南 -
从同年份的同类型景观比较结果(表5)来看：林地斑块个数最少，最大斑块指数与内聚力指数均较高，景观分割指数小于0.2，说明林地斑块的完整性较好，景观破碎化程度低，林地为研究区域的景观基质，而建设用地和水域等类型则以斑块或廊道的形式镶嵌其中。
表 5 神农架林区1996−2018年景观格局指数变化
Table 5. Change of landscape pattern index from 1996 to 2018
年份 景观类型 NP LPI IJI COHESION DIVISION SPLIT AI 1996 林地 372 92.75 52.14 99.99 0.14 1.16 98.67 草地 2 228 0.27 26.27 96.23 1.00 37 674.58 85.72 建设用地 274 0.02 64.51 86.60 1.00 11 459 303.82 72.60 耕地 4 618 0.13 25.90 92.27 1.00 134 702.27 78.60 水域 188 0.03 63.54 90.10 1.00 9 165 348.78 72.24 2007 林地 404 89.47 59.14 99.99 0.20 1.25 98.63 草地 2 470 0.35 34.02 96.06 1.00 35 191.27 85.05 建设用地 610 0.04 79.72 85.51 1.00 4 732 108.88 71.91 耕地 4 732 0.13 40.07 93.86 1.00 85 981.12 77.94 水域 1 013 0.05 70.28 88.06 1.00 2 654 644.95 64.97 2018 林地 292 93.98 85.89 99.99 0.12 1.13 98.84 草地 1 923 0.14 29.42 94.54 1.00 112 169.27 83.75 建设用地 3 168 0.11 66.81 88.65 1.00 522 690.55 70.45 耕地 4 192 0.04 52.17 87.89 1.00 719 999.04 72.54 水域 989 0.04 70.51 88.75 1.00 2 563 736.66 67.51 从不同年份的同类型景观比较结果(表5)来看：林地的景观破碎化程度先增后减，草地、耕地与水域的景观破碎化程度与分散程度在研究时段内呈增加趋势；人类活动使建设用地不断增加并向外扩张，使其破碎化程度在总体上呈上升趋势，但随着城镇化的推进，建设用地景观类型内部也出现了一定程度的整合。
由图2可见：从整体上看，神农架林区景观的破碎度有所降低，趋于整合；从局部来看，东北部区域与中南部区域的破碎化程度加剧，建设用地等人工斑块的扩张导致部分区域景观破碎度升高，而景观多样性也随之呈现扩散趋势；而林区多年来封山育林、人工造林、退耕还林等保护工作的开展，使得部分重点保护区域内林地面积持续增加，在地表覆被类型中占据主导地位，因此这些区域内景观多样性会呈现一定的降低趋势。
图 2 1996−2018年神农架林区景观破碎化与多样性空间分布示意图
Figure 2. Landscape fragmentation and diversity index of Shennongjia Forestry District from 1996 to 2018
-
通过对神农架林区1996−2018年经济发展数据(图3)与景观格局演变特征的分析对比，可知在开发历史较久，受经济增长与人类活动干扰较大的地区，景观格局演变较为显著，如东北部的松柏镇是神农架林区政府的驻地所在，而中南部的木鱼镇是神农架自然保护区管理局的驻地，也是神农架旅游接待服务中心，这些区域的景观破碎化程度呈现出较为明显的升高趋势。近年来旅游业更是逐步成为神农架林区的支柱性产业，2018年林区的旅游总收入接近57.3亿元，约为地区生产总值的2倍。与此同时林区大力开展的旅游配套设施建设及房地产项目开发，使得人工斑块数量显著增加。22 a间林区建设用地面积骤增43.56 km2，所占比例由0.11%提升至1.45%。因此，经济因素对神农架林区景观格局的演变具有重要影响。
图 3 1996−2018年神农架林区地区生产总值与年旅游总收入趋势图
Figure 3. Trend of GDP and total tourism revenue change in Shennongjia Forestry District from 1996 to 2018
-
由图4可见：神农架林区人口数量出现先增后减的趋势；神农坛、天生桥、官门山、大九湖在内的几大主要景区游客接待量逐年上涨，于2018年突破1 587.5万人次。为提高游客接待能力而进行的景区开发，使得区域景观类型发生显著变化，1996−2018年，林地累计向建设用地转移25.45 km2，局部空间与生态环境所承受的压力随之增大。林区于2014年开展“美丽乡村”建设，以村庄布局“减量、聚居”为总体要求，注重农村土地资源综合整治，因此耕地及建设用地中的住宅用地分布有所整合，但旅游服务用地的增加仍然造成了景观破碎化程度的升高。
图 4 1996−2018年神农架林区本地人口数量与年游客接待量趋势图
Figure 4. Local population and annual tourist reception change in Shennongjia Forestry District from 1996 to 2018
-
土地利用结构及变化深受区域政策影响[23]。20世纪60−80年代，采取毁林开荒的开发方式追求经济效益，神农架林区的生态环境遭到严重破坏，森林覆盖率骤降至63.5%。神农架林区于2000年全面启动天然林资源保护工程和退耕还林还草工程[24]，研究时段内耕地向林地、草地转移面积超过65 km2；2003年确立“保护第一，科学规划，合理开发，永续利用”的发展方针，促进生态环境逐步改善，森林覆盖率达90%以上；2011年发布《神农架旅游总体规划》，加快推进神农顶、官门山和天生桥景区配套设施建设，区域内建设用地面积显著增长，同时也与建设用地重心向西南迁移相印证；2016年7月，神农架被正式列入世界自然遗产名录，同年11月，神农架国家公园管理局正式成立，标志着神农架的保护与管理工作步入国家公园新时代[9]。1996−2018年，林区内水域面积累计增加6.75 km2，其中湿地的生态恢复成果得益于大九湖国家湿地公园的建立，湿地科学监测与保护工作在政策的引导下逐渐步入正轨[25-26]。
-
相比于社会经济因素，自然因子的作用在短时间内并非十分显著，但从长远时间看，气候等因子的变化将对区域景观格局产生重大影响。1996−2018年，神农架林区的林地面积显著增加，林地主要由耕地和草地转化而来，除去政策的引导作用，主要依靠自然更新因素完成转化。近年来，神农架林区年降水量及年平均气温均呈较为微弱的增加趋势[27]，小气候条件优越，加之林区内土壤有机质含量丰富，为耕地向林地的演替提供了有利条件。
-
1996−2018年，神农架林区森林覆盖度总体上呈增长趋势，这与前人研究的结果一致[28]。刘家琰等[29]利用SPOT-VEGETATION数据对林区1998−2013年植被覆盖度格局变化进行分析，发现植被覆盖度呈较好增长趋势，整体变化率为1.45%。水域景观面积显著增加，破碎度升高，湿地生态恢复稳中向好，这主要得益于湿地生态保护政策的有效实施，人为因素在过程中起到了决定性作用[24]，在保护优先的政策指导下，林区逐步走上良性循环的绿色发展道路。同时，也有学者对自然因素进行探究，张子一等[30]讨论了个别年份受极端气候与虫害等自然因素，导致常绿植物受灾使其覆盖度有所下降。
城镇化的持续推进与旅游产业的迅速发展，造成了人工斑块对林地、草地等自然景观类型的侵占，景区内旅游基础设施的兴建，对生态环境造成严重的干扰，增大生态压力。建设用地的扩张促使区域内景观破碎度与多样性的增加，生态空间与社会经济空间融合程度不断加深。
由于旅游业的发展需求，连通林区内外的交通建设逐年推进。截至2018年林区内公路里程数达2 048.5 km，其中各大景区范围内公路网建设较为密集，造成林区景观局部破碎化[31]，导致原本连续的生态廊道网络出现生态间隙[32]，阻碍生态流的正常流动，降低了生物迁移的安全性。神农架机场位于林区中西部的红坪镇，于2014年正式通航，机场的落成使得区域内建设用地与耕地面积骤增，分割并部分取代了原有大面积草地斑块，强烈的人工干扰可能会降低区域生态系统的稳定性。
-
1996−2018年，神农架林区土地利用结构变化显著，森林覆盖度总体上呈现增长趋势，湿地生态恢复稳中向好。随着神农架林区对于生态发展政策方针的不断调整与优化，森林保护工程成效日益显现，同时也在逐渐改变生态系统的结构和功能。
景观破碎度在整个研究区域内呈现降低趋势，表明神农架林区景观总体上趋于整合，但局部破碎化程度加剧，林区东北部与中南部区域地表覆被逐渐由原本较为整合的林地景观转变为多种用地类型共存，林区建设用地的持续扩张，社会经济空间与生态空间相互融合。人为因素是引起景观格局变化的主导因素，近年来神农架大力开发的旅游产业造成了人工斑块对自然景观的侵占，其他用地类型向建设用地转化的趋势较明显，将对生态系统安全产生威胁。
Spatial and temporal evolution and driving forces of the landscape pattern in Shennongjia Forestry District
-
摘要:
目的 20世纪90年代以来神农架林区森林保护工程陆续实施，使得神农架林区景观格局发生显著变化。需要分析这些变化及其驱动机制，以探究保护工作成效，同时为林区未来生态环境保护与土地合理利用对策的制定提供参考。 方法 在遥感(RS)和地理信息系统(GIS)技术支持下，以神农架林区为研究对象，选取1996、2007、2018年共3个不同时期的遥感影像为数据源，利用土地利用转移矩阵、景观格局分布重心模型与景观格局指数，定量分析了神农架林区1996−2018年景观格局的时空演变特征及驱动力。 结果 1996−2018年，林地与水域景观处于稳定向好状态，林地是研究区最主要的用地类型，占林区总面积的90%以上；草地与耕地面积总体呈减少趋势，其他土地用地类型向建设用地转化的趋势较明显。神农架林区总体上景观破碎度有所降低，而东北部区域与中南部区域的破碎化程度加剧，景观多样性也随之呈现扩散趋势。经济、人口、政治等是引起景观格局变化的主导因素。 结论 神农架林区退耕还林等生态保护与恢复工程初见成效，景观格局总体趋于整合，局部破碎化加重而景观多样性有所增加，社会经济空间与生态空间相互融合；近年来神农架大力开发的旅游产业造成了人工斑块对自然景观的侵占，对林区生态安全产生威胁。图4表5参32 Abstract:Objective With a quantitative analysis conducted of the changes in the landscape pattern in Shennongjia Forestry District due to the implementation of forest protection projects since 1990s as well as their driving mechanisms, this study is aimed to explore the effectiveness of the conservation in this region and provide a reference for the future ecological environment protection and rational land use. Method Supported by remote sensing (RS) and geographic information system (GIS) technology and taking Shennongjia Forestry District as the research object, with remote sensing images from three different periods of 1996, 2007 and 2018 selected as data sources, this paper has mainly employed land use transfer matrix, landscape pattern distribution center of gravity model and landscape pattern index. Result Between 1996 and 2018, the landscape of forest land and water areas has retained a stable and favorable state while there is a general decrease in the area of grassland and cultivated land showed; There has been a more significant tendency in the conversion of other land types to construction land and such changes mainly attribute to human factors. Conclusion Ecological protection and restoration projects such as returning farmland to forests in Shennongjia Forestry District have been rewarded with a better integrated landscape pattern, enhanced landscape diversity in spite of aggravated local fragmentation as well as more favorable socioeconomic and ecological space. On the other hand, due attention should be paid to threats against ecological security induced by the booming local tourism with various natural landscapes replaced by artificial patches. [Ch, 4 fig. 5 tab. 32 ref.] -
Key words:
- Shennongjia Forestry District /
- land use /
- landscape pattern evolution /
- driving forces
-
森林在陆地生态系统中发挥着重要的碳汇作用。森林生物量的空间精准量化对了解陆地碳储量、碳收支、碳平衡，以及它们与全球气候变化之间的关系具有重要意义[1-3]。森林地上生物量(AGB)为林木干、枝、叶的有机体干质量，不含林木根部、灌木、草本及林下枯枝落叶，是森林生物量的主体部分。近年来，采用遥感技术反演森林AGB展露出巨大的潜力，光学、激光雷达(LiDAR)、被动微波雷达和合成孔径雷达(SAR)等多种遥感数据用于森林AGB的估测，使得森林AGB估测的区域尺度性、经济性及精度等不断提升[3-7]。其中，SAR不受天时、天气的影响，且微波波长较长，在森林中具有较强的穿透能力，因此在获取森林密度、树高、AGB等森林垂直结构因子方面极具潜力[2, 8-10]。SAR估测森林AGB的能力有赖于其工作频率的高低，大量研究证实了低频波段后向散射对森林AGB变化的敏感性更强。在常用于森林监测的微波波段中，频率较低的P波段SAR后向散射系数对森林AGB变化最为敏感[11-13]。目前P波段的研究多基于机载数据展开，且研究区多位于国外，而国内相关研究则开展较少。CARTUS等[1]基于AfriSAR、BioSAR和TropiSAR机载飞行试验，使用P、C、L波段联合进行了森林AGB反演，结果表明P波段与森林结构因子的树干、树枝的相关性较高，P波段的加入有力地提高了反演的准确度和精度。LIAO等[14]使用TropiSAR机载P波段数据，采用层析方法(TomoSAR)将相干幅度、干涉相位和后向散射特征建模对法属圭亚那热带雨林AGB进行了反演，结果表明树高特征的引入可有效提高森林AGB反演精度，决定系数(R2)最高可达0.7。冯琦等[10]使用国产机载P波段数据结合坡度因子，在考虑当地入射角和坡度的情况下建立对数统计模型，对内蒙古根河市生态站的寒温带针叶林进行森林AGB的反演，最高反演精度R2为0.634、均方根误差(RMSE)为12.07 t·hm−2。
现有采用P波段SAR数据进行的森林AGB估测，多集中在采用P波段的后向散射信息、相位和相干性信息，而对于极化信息的利用则较少。由于SAR信息的差异，使得其用于森林AGB估测的方法也差异明显，如采用后向散射信息估测森林地上生物量，多采用线性回归参数模型；而采用相位和相干性信息利用层析技术进行森林AGB估测则多基于植被微波散射模型或电磁波信号模型进行反演。线性回归模型简单灵活，但通常无法表征P波段特征与森林AGB变化之间的复杂关系；植被散射模型或者电磁波信号模型能够体现森林与P波段电磁波之间的部分物理作用机制，但模型较复杂，应用推广困难。
近年来，随着极化SAR数据的丰富，可提取的极化SAR特征涌现，非参数模型被广泛应用于SAR极化特征农作物生长参数的定量反演，并表现出较强的反演能力和较好的应用推广性。鉴于P在森林监测中的潜力，其极化特征在森林AGB估测中并未深入探索，参数模型过于简单、植被微波散射模型理解过于困难，本研究以中国北方典型寒温带森林作为研究对象，使用机载P波段SAR数据，提取多种极化特征，在分析其P波段极化散射特征的基础上，探索采用参数和非参数模型进行森林AGB估测的可行性，旨在明确P波段森林的极化散射特征，探索采用P波段极化SAR数据进行森林AGB估测具体应用的有效方法。
1. 研究区概况
研究区为位于内蒙古呼伦贝尔盟的根河市大兴安岭森林生态系统国家野外科学观测研究站(大兴安岭生态站)，50°49′~50°51′N，121°30′~121°31′E。该研究站是中国纬度最高的森林生态研究站，面积为102 km2。研究区气候类型为典型的寒温带大陆性季风气候。研究区地势相对平缓，区域内80%的坡度小于15°，海拔高度分布在800~1 200 m，森林覆盖率大于75%，主要树种为兴安落叶松Larix gmelinii、白桦Betula platyphylla、樟子松Pinus sylvestris var. mongolica等。
2. 数据获取与预处理
2.1 P波段SAR数据获取与预处理
采用的P波段SAR数据由机载CAMSAR系统获得[15]。通过协议方式获取根河实验区机载P波段全极化(HH/HV/VV/VH) SLC数据。该数据是2013年9月以“奖状Ⅱ”飞机平台，以CASMSAR系统右视观测获取的全极化SAR数据。获取过程中飞行方向为自西向东，飞行高度为5 807 m，获取时间为2013年9月13—16日，极化方式为HH/HV/VH/VV，产品模式为SLC，幅宽为6 km × 7 km，中心入射角为55.058°，距离向分辨率为0.666 m，方位向分辨率为0.625 m。机载P波段SAR数据的预处理关键步骤包括多视处理、正射校正、入射角校正和极化方位角校正。多视视数在距离向和方位向均为3，数据的正射校正、入射校正参考文献[10]；极化方位角校正过程和算法见文献[16]。P波段SAR数据预处理结果、森林AGB抽样点及林分概况见图1。
图 1 P波段SAR数据(A)及其覆盖区样点分布(B)、林分概况(C)Figure 1 P band SAR data (A), the distribution of samples (B) and stand examples (C)2.2 激光雷达(LiDAR)数据获取与预处理
LiDAR获取的数字表面模型(DSM)、数字高程模型(DEM)用于P波段SAR数据的地理编码，由冠层高度模型(CHM)获取的LiDAR森林AGB数据用于反演模型的训练及验证。本研究获取的机载LiDAR数据是将Leica机载雷达系统荷载于“运-5”飞机平台上，于2012年8—9月在根河实验区开展飞行任务。该原始数据密度为5.6个·m−2的点云数据，激光中心波谱值为1550 nm，在初始点云数据的基础上，提取了研究区域高精度的DEM (图2A)、CHM (图2B)和森林AGB(图2C)等衍生产品。DSM、DEM、CHM数据的详细生成方法参考文献[17]，高精度LiDAR森林AGB的详细提取过程与方法参考文献[10,18]。
为保证建模样本和验证样本能够代表整个研究区的森林AGB水平，以高精度LiDAR森林AGB图为基础，按照750 m的空间采样间隔，在ArcGIS中采用交互人工干预(去除道路及裸露地物)的方法选取113个样点(图1B)作为森林AGB反演模型的训练与验证。机载P波段SAR数据覆盖区森林林相不均匀，平均AGB较低，约46.7 t·hm−2，且大于100 t·hm−2的采样点仅有5个。113个样点AGB以10 t·hm−2间隔得分布情况(图1B)：0~10 t·hm−2，3个；＞10~20 t·hm−2，14个；＞20~30 t·hm−2，17个；＞30~40 t·hm−2，17个；＞40~50 t·hm−2，18个；＞50~60 t·hm−2，14个；＞60~70 t·hm−2，10个；＞70~80 t·hm−2，8个；＞80~90 t·hm−2，7个；＞90 t·hm−2，5个。
3. 方法
3.1 森林P波段极化散射特征分析
极化目标分解方法是从全极化数据中提取地物极化信息的有效方法，目前多种极化分解参数在森林类型识别中表现出巨大的潜力。本研究采用目前常用的极化后向散射系数、常用的3种极化分解方法提取极化SAR特征，并基于此分析森林的极化散射特征。提取P波段HH、HV和VV等3个极化的后向散射系数，基于3个后向散射系数的雷达植被指数(RVI)、极化辨别率参数(PDR)；基于Freeman-Durden三分量分解的体散射分量(FVOL)、单次散射分量(FODD)、二次散射分量(FDBL)、体地散射比分量(FD1/FD2，1表示地散射分量是ODD和DBL的和，2表示地散射分量仅为ODD)；基于Yamaguchi的体散射分量(YVOL)、单次散射分量(YODD)、二次散射分量(YDBL)、螺旋体散射分量(YHLX)；基于H-A-ALPHA极化分解的极化散射熵(entropy)、反熵(anisotropy)、散射角(alpha)、目标方位向角(beta)、相位差角1(gamma)、相位差角2(delta)。3种极化分解方法参考文献[19-20]。由于本次飞行试验时并未布设角反射器用于定标，因此本研究使用的后向散射系数值仅有相对含义。
森林在P波段极化特征响应分析的目的是为了确定P波段对森林AGB动态变化敏感的极化特征参数，从而确定有效的极化特征参数进行森林AGB的估测。将研究区的森林AGB划分为A (表示生物量在0~30 t·hm−2变化时对应后向散射系数的箱线变化，均值约20 t·hm−2)，B (31~50 t·hm−2，40 t·hm−2)，C (51~70 t·hm−2，60 t·hm−2)，D (71~90 t·hm−2，80 t·hm−2)，E (＞91 t·hm−2，100 t·hm−2)等5个变化等级，分别制作各等级相应P波段SAR提取参数值的箱线图，分析研究区各极化特征参数对森林AGB动态变化的响应，进而分析其极化散射特征。为了定量的分析各极化特征与森林AGB变化的关系，计算了它们之间的皮尔逊相关系数及显著性水平。
3.2 森林AGB估测方法
3.2.1 多元线性逐步回归模型
多元线性逐步回归模型(MLR)是森林AGB估测中最常用、最经典的方法之一。与常规的线性回归模型相比，MLR可同时完成模型输入参数的优选，进而提高森林AGB估测的效率和精度。MLR是将自变量逐个引入，每次判断自变量对因变量影响的显著性，并对模型中的自变量进行检验，逐个从模型中剔除不显著的变量，从而得到最优模型。即在保证显著性值在0.05以下的情况下，筛选相关性高的特征变量，进而得到因变量的最优估计。MLR的实现算法详见文献[21]。
3.2.2 KNN、SVR、RF非参数模型
KNN[22-25]、SVR[22, 24]和RF[24, 26]是森林AGB估测中常用的非参数模型，与参数模型相比，无固定的模型结构，通常通过数据驱动的方法来确定模型结构并用于森林AGB的估测，因此也称为机器学习方法。在森林AGB估测中，这3种方法各有优势，因此选取这3种方法来探究非参数方法在P波段森林AGB估测中的潜力。
3.3 P波段森林AGB估测结果精度验证
反演结果精度的定量评价通过反演结果与真值之间的决定系数(R2)、均方根误差(RMSE)、平均绝对误差(MAE)、估测精度(Acc)来表征。这4个参数的计算公式参考文献[27]。
4. 结果与分析
4.1 森林P波段极化散射特征分析
本研究获取的P波段中心波长为64 cm，该波段在森林中的穿透性较强。由图3可知：P波段20个SAR特征均表现出对研究区森林AGB变化的敏感性。P波段3种极化方式后向散射系数对森林AGB在0~110 t·hm−2内动态变化的响应与已有研究[28]相似，即后向散射系数的值均随着森林AGB的升高而缓慢增长。在各森林AGB水平中，HH、HV和VV散射能量强度相差并不明显，并且从箱线图(图3)的中值可以看出：HH的单调增长趋势较其他2个极化明显，且异常值较少。这可能是由于P波段波长较长，比较粗树干等圆柱体形状的散射体为森林中的散射体，使得去极化特征明显降低，因此同极化的HH和VV后向散射能量对AGB变化的敏感性明显高于HV[29]。此外，由后向散射系数计算的RVI也随着森林AGB增加而单调增加且未出现饱和现象，并且通过箱线图的宽度变化可以看出：各水平RVI箱宽变化不明显，说明该值对森林结构的变化不敏感，而对森林AGB的变化比较敏感。相比RVI，PDR非单调增长，在不同森林AGB水平，占主导散射的散射体会发生明显变化[30-31]，该现象也可由Freeman-Durden中各个参数随森林AGB变化的响应加以说明。P波段Freeman-Durden分解相关特征中，除FODD和FDBL外，均随着森林AGB的增加而增加，并且2种体地散射比的值均远远大于1。Yamaguchi分解特征对森林AGB的响应趋势与Freeman-Durden分解相关特征的趋势基本一致。P波段H-A-ALPHA分解提取的参数中，散射熵(entropy)随着森林AGB增加而单调增加，而alpha则敏感性不明显。但beta、gamma和delta对森林AGB变化的敏感性则高于散射角alpha。P波段森林的极化散射特征随森林AGB的变化与已有研究中短波长的研究差异明显，说明现有的极化分解建模方法与该森林AGB水平P波段的散射特征有明显差异。
由表1可知：极化分解中表征体散射分量的极化特征与森林AGB变化的显著性较低或不存在显著性，而二次散射特征分量则与森林AGB变化具有强相关性且显著性水平最高。这说明在本研究区，树干与地表形成的二次散射对森林AGB的变化最为敏感，且目前极化分解中的体散模型并不适合P波段研究区森林AGB水平下森林的散射机制。表1的定量分析结果与图4的定性分析结果对比可知：由于各极化参数的值域范围差异明显，图3对森林AGB敏感性较明显的参数在定量分析时相关性并不一定最高，因此图4的分析仅可作为初步参考，对于森林AGB敏感的极化特征参数的分析，仍需要采用皮尔逊系数进行相关性定量分析。
表 1 P波段SAR极化特征与森林AGB相关性分析Table 1 Correlation coefficients of polarization feature and forest AGB特征 R P 特征 R P 特征 R P HH 0.401** 0 F_VOL −0.129 0.173 alpha −0.734** 0 HV −0.249** 0.008 Y_DBL 0.719** 0 beta 0.037 0.696 VV −0.322** 0 Y_ODD 0.323** 0 delta 0.221* 0.018 FD1 −0.453** 0 Y_VOL −0.213* 0.024 gamma 0.314** 0.001 FD2 −0.448** 0 Y_HLX 0.187* 0.047 PDR 0.629** 0 F_DBL 0.650** 0 entropy −0.136 0.151 RVI −0.374** 0 F_ODD 0.303** 0.001 anisotropy 0.436** 0 说明：R代表Pearson相关系数；P代表显著性水平，**代表0.01水平上显著；*代表0.05水平上显著 
图 4 4种模型森林AGB估测与LiDAR抽样点散点图Figure 4 Scatter plots of estimated and LiDAR forest AGB of four models4.2 森林AGB估测结果分析
从表2可知：4种模型中，MLR模型估测结果精度最低，RF精度最高；而KNN和SVR模型的估测精度则相近，R2相同，RMSE、MAE和Acc也基本相同，比RF估测结果的最高值仅低约2%。
表 2 基于4种模型的P波段SAR 森林AGB估测结果Table 2 P band SAR forest AGB inversion using four models波段 反演模型 模型参数 R2 RMSE Acc/% MAE P MLR 显著性为0.0008 0.43 19.16 63.55 16.99 KNN K值为11，欧氏距离 0.54 17.04 71.18 13.44 SVR 惩罚系数7.0 0.54 17.09 71.15 13.45 RF 决策树数为100，树深度为11 0.60 15.98 72.97 12.60 从图4可看出：在整个森林AGB分布中，MLR估测结果分布较其他3种非参数方法分散，在森林AGB大于80 t·hm−2时出现了明显的饱和低估现象。其他3种方法尽管也有低估的现象，但是饱和现象并不明显。此外，本研究中4种方法估测结果的相对误差约30%，而以往区域性森林AGB的估测误差为37%~67%[32]，采用P波段HV后向散射系数的估测结果中，同质性森林地区的相对误差约13%，而异质性地区相对误差则约60%[28]。在采用L-波段极化分解参数进行森林AGB反演研究中，在森林AGB水平低于120 t·hm−2时，后向散射的特征优于3种极化分解的特征，这与本研究中P波段的研究结果基本一致[33]。4种方法的估测结果中均出现了低值高估和高值低估的现象，这与以往采用不同遥感数据源进行森林AGB估测的结果一致[32]。图5中，RF的残差分布最接近高斯分布，尽管峰值出现在10 t·hm−2左右，由于其值分布较窄，因此具有较高的估测精度。KNN和SVR的残差分布图均较为连续，并且分布区间明显高于MLR，但由于正值占比较大，因此总体上呈现高估现象。MLR估测结果的残差分布图在10和20 t·hm−2出现了2个明显的峰值，且所有残差值的分布范围较宽，解释了其估测精度低于其他3种方法的原因。在ENGHART等[34]基于C和L-波段参数和非参数方法森林AGB估测的研究中，也发现MLR的估测结果要略低于非参数模型。然而参数和非参数模型的适用性还受到训练样本大小的影响，因此在训练样本较大时可选择非参数模型进行估测，当样本较小时则可优先选择MLR方法进行森林AGB估测[32]。
图 5 森林AGB估测结果与LiDAR抽样点差值直Figure 5 Histograms of difference between forest AGB estimation results and LiDAR sampling points为了进一步分析P波段极化特征对森林AGB估测的潜力，本研究将研究区森林AGB划分为不同的等级，然后采用4种估测模型中估测结果最优的RF模型进行估测，估测结果见表3。在本研究中将森林AGB划分为3组，其中第1组分别以30、60 t·hm−2为边界划分为3个子组；而第2组和第3组分别以40和50 t·hm−2为界划分为2个子组。由表3可知：分组界限不同，估测精度有明显的差异，分组划分越详细，估测精度(Acc)越高；此外，3种分组情况的估测结果均表明：在森林AGB平均值约45 t·hm−2，最高值不超过120 t·hm−2时，P波段在森林AGB水平较高的分组估测精度较高，如在第1组中，森林AGB大于30 t·hm−2分组的估测精度比小于30 t·hm−2分组的估测精约高5%；而在以50 t·hm−2为分组界限的2组中，森林高AGB组的估测精度比低AGB组的估测精度约高出6%。表3的结果分析表明：待估森林的AGB水平对P波段极化特征进行森林AGB估测的估测精度有明显影响，且P波段极化信息更适合森林AGB较高区域森林AGB的估测。
表 3 基于4种模型的P波段SAR 森林AGB反演情况Table 3 P band SAR forest AGB inversion based on four models序号 AGB分段/
(t·hm−2)R2 RMSE/
(t·hm−2)Acc/% 1 0~30 0.55 4.92 76.12 30~60 0.13 7.95 81.85 ＞60 0.25 14.89 81.57 2 0~50 0.47 8.46 72.15 ＞50 0.30 15.80 78.19 3 0~40 0.48 6.52 74.36 ＞40 0.36 16.21 74.82 5. 结论
针对P波段极化SAR数据在森林AGB估测中的潜力，提取了20个P波段极化SAR参数，探索了森林AGB估测中常用的MLR、KNN、SVR和RF方法在使用P波段极化SAR数据进行森林AGB估测的潜力。结果表明：P波段极化SAR信息在森林AGB估测中具潜力，但估测精度受到待估区域森林AGB水平高低的影响；4种估测方法中，非参数方法的估测结果明显优于MLR估测。P波段森林AGB估测结果中，同样存在AGB低值高估和高值低估的现象，其原因仍需要进一步探索。此外由于本研究区的森林AGB均值为45 t·hm−2，最高值低于120 t·hm−2，所以P波段极化信息在AGB高于120 t·hm−2的森林覆盖区中对森林AGB的估测能力仍有待进一步研究。
-
图 1 1996、2007、2018年神农架林区土地覆被类型分类示意图
Figure 1 Land cover types in Shennongjia Forestry District basin in 1996, 2007, 2018
图 2 1996−2018年神农架林区景观破碎化与多样性空间分布示意图
Figure 2 Landscape fragmentation and diversity index of Shennongjia Forestry District from 1996 to 2018
图 3 1996−2018年神农架林区地区生产总值与年旅游总收入趋势图
Figure 3 Trend of GDP and total tourism revenue change in Shennongjia Forestry District from 1996 to 2018
图 4 1996−2018年神农架林区本地人口数量与年游客接待量趋势图
Figure 4 Local population and annual tourist reception change in Shennongjia Forestry District from 1996 to 2018
表 1 数据资料来源统计
Table 1. Data source statistics
数据类型 数据名称 来源 遥感影像 1996年125/38、126/38 Landsat 5 TM遥感影像 美国地质勘探局网站(http://glovis.usgs.gov/) 2007年125/38、126/38 Landsat 8 OLI遥感影像 2018年125/38、126/38 Landsat 8 OLI遥感影像 相关规划资料 《神农架林区土地利用总体规划(2006−2020年)》 中国神农架林区人民政府 《神农架林区国民经济和社会发展统计公报》 《神农架林区统计年鉴》 中国神农架林区统计局 《神农架国家公园体制试点建设白皮书》 中国神农架国家公园管理局 
下载: 导出CSV
表 2 1996、2007、2018年神农架林区土地利用结构表
Table 2. Land use structure in Shennongjia Forestry District basin in 1996, 2007, 2018
年份 林地 草地 建设用地 耕地 水域 面积/km2 比例/% 面积/km2 比例/% 面积/km2 比例/% 面积/km2 比例/% 面积/km2 比例/% 1996 3 006.80 92.95 94.86 2.93 3.49 0.11 129.82 4.01 2.39 0.07 2007 2 994.11 92.78 83.72 2.59 8.06 0.25 141.25 4.38 10.21 0.32 2018 3 046.14 94.09 59.08 1.82 47.05 1.45 75.96 2.35 9.13 0.28
下载: 导出CSV
表 3 1996−2007年、2007−2018年、1996−2018年神农架林区土地利用转移矩阵
Table 3. Land use transfer matrix in Shennongjia Forestry District of 1996−2007, 2007−2018 and 1996−2018
年份 土地利用类型 2007 林地/km2 草地/km2 建设用地/km2 耕地/km2 水域/km2 1996 林地 2 925.30 23.47 2.83 49.29 5.91 草地 33.50 54.88 0.28 6.17 0.04 建设用地 0.07 0.06 2.04 0.59 0.72 耕地 35.06 5.32 2.85 85.11 1.48 水域 0.18 0.01 0.06 0.09 2.05 年份 土地利用类型 2018 林地/km2 草地/km2 建设用地/km2 耕地/km2 水域/km2 2007 林地 2 949.67 9.40 15.31 17.38 2.36 草地 36.92 42.99 0.93 2.40 0.47 建设用地 0.88 0.06 5.74 1.15 0.23 耕地 56.61 6.60 22.16 54.78 1.09 水域 2.05 0.01 2.91 0.26 4.98 年份 土地利用类型 2018 林地/km2 草地/km2 建设用地/km2 耕地/km2 水域/km2 1996 林地 2 935.21 14.35 25.45 26.35 5.43 草地 48.10 41.39 1.60 3.33 0.45 建设用地 0.16 0.03 2.74 0.26 0.30 耕地 62.47 3.31 16.88 45.94 1.22 水域 0.20 0.01 0.38 0.06 1.73
下载: 导出CSV
表 4 景观类型转移方向与距离
Table 4. Landscape type transfer direction and distance
景观类型 1996−2007 2007−2018 1996−2018 距离/m 速度/(m·a−1) 方向 距离/m 速度/(m·a−1) 方向 距离/m 速度/(m·a−1) 方向 林地 5 674.80 515.89 东南 2 895.32 263.21 东北 5 594.52 254.30 东南 草地 3 088.72 280.79 东南 7 127.86 647.99 西南 5 286.79 240.31 西南 建设用地 9 120.18 829.11 西南 2 926.19 266.02 西北 10 752.54 488.75 西南 耕地 6 124.45 556.77 西南 5 135.85 466.90 东北 1 441.94 65.54 东北 水域 891.62 81.06 西南 2 331.64 211.97 西南 11 745.64 533.89 西南
下载: 导出CSV
表 5 神农架林区1996−2018年景观格局指数变化
Table 5. Change of landscape pattern index from 1996 to 2018
年份 景观类型 NP LPI IJI COHESION DIVISION SPLIT AI 1996 林地 372 92.75 52.14 99.99 0.14 1.16 98.67 草地 2 228 0.27 26.27 96.23 1.00 37 674.58 85.72 建设用地 274 0.02 64.51 86.60 1.00 11 459 303.82 72.60 耕地 4 618 0.13 25.90 92.27 1.00 134 702.27 78.60 水域 188 0.03 63.54 90.10 1.00 9 165 348.78 72.24 2007 林地 404 89.47 59.14 99.99 0.20 1.25 98.63 草地 2 470 0.35 34.02 96.06 1.00 35 191.27 85.05 建设用地 610 0.04 79.72 85.51 1.00 4 732 108.88 71.91 耕地 4 732 0.13 40.07 93.86 1.00 85 981.12 77.94 水域 1 013 0.05 70.28 88.06 1.00 2 654 644.95 64.97 2018 林地 292 93.98 85.89 99.99 0.12 1.13 98.84 草地 1 923 0.14 29.42 94.54 1.00 112 169.27 83.75 建设用地 3 168 0.11 66.81 88.65 1.00 522 690.55 70.45 耕地 4 192 0.04 52.17 87.89 1.00 719 999.04 72.54 水域 989 0.04 70.51 88.75 1.00 2 563 736.66 67.51
下载: 导出CSV
-
[1] 邬建国. 景观生态学: 格局、过程、尺度与等级[M]. 北京: 高等教育出版社, 2001. [2] 张秋菊, 傅伯杰, 陈利顶. 关于景观格局演变研究的几个问题[J]. 地理科学, 2003, 23(3): 264 − 270. ZHANG Qiuju, FU Bojie, CHEN Liding. Several problems about landscape pattern change research [J]. Sci Geogr Sin, 2003, 23(3): 264 − 270. [3] 吕乐婷, 张杰, 彭秋志, 等. 东江流域景观格局演变分析及变化预测[J]. 生态学报, 2019, 39(18): 6850 − 6859. LÜ Leting, ZHANG Jie, PENG Qiuzhi, et al. Landscape pattern analysis and prediction in the Dongjiang River Basin [J]. Acta Ecol Sin, 2019, 39(18): 6850 − 6859. [4] 傅伯杰, 张立伟. 土地利用变化与生态系统服务: 概念、方法与进展[J]. 地理科学进展, 2014, 33(4): 441 − 446. FU Bojie, ZHANG Liwei. Land-use change and ecosystem services: concepts, methods and progress [J]. Prog Geogr, 2014, 33(4): 441 − 446. [5] 姜广辉, 张凤荣, 孔祥斌, 等. 北京山区建设用地扩展空间分异分析[J]. 地理研究, 2006, 25(5): 905 − 912. JIANG Guanghui, ZHANG Fengrong, KONG Xiangbin, et al. The spatial differentiation of construction land expansion in Beijing mountainous area [J]. Geogr Res, 2006, 25(5): 905 − 912. [6] 喻红, 曾辉, 江子瀛. 快速城市化地区景观组分在地形梯度上的分布特征研究[J]. 地理科学, 2001, 21(1): 64 − 69. YU Hong, ZENG Hui, JIANG Ziying. Study on distribution characteristics of landscape elements along the terrain gradient [J]. Sci Geogr Sin, 2001, 21(1): 64 − 69. [7] 恭映璧. 长沙城市湿地景观格局时空演变与驱动机制研究[D]. 长沙: 中南林业科技大学, 2013. GONG Yingbi. The Spatial-Temporal Pattern Evolution of Wetland Landscape and Its Driving Mechanism in Changsha[D]. Changsha: Central South University of Forestry and Technology, 2013. [8] 侯鑫源. 湖北神农架自然保护区不同海拔高度巴山冷杉径向生长对气候的响应[D]. 南京: 南京大学, 2015. HOU Xinyuan. Growth Response of Abies fargesii at Different Altitudes in Shennongjia Nature Reserve of Hubei Province, Southeastern China[D]. Nanjing: Nanjing University, 2015. [9] 袁琴. 神农架林区开发史研究[D]. 杨凌: 西北农林科技大学, 2015. YUAN Qin. The Exploition of Shennongjia Forest Region-Based on History Perspective[D]. Yangling: Northwest A&F University, 2015. [10] 汪正祥, 朱俊林, 宛晶, 等. 神农架林区河流水文特征初步研究[J]. 湖北大学学报(自然科学版), 2013, 35(1): 6 − 10. WANG Zhengxiang, ZHU Junlin, WAN Jing, et al. Preliminary study on hydrologic characteristics of main rivers in Shennongjia Forest Region [J]. J Hubei Univ Nat Sci, 2013, 35(1): 6 − 10. [11] 李成悦. 基于云平台的生态承载力评价系统设计与实现[D]. 武汉: 武汉大学, 2017. LI Chengyue. The Design and Implementation of the Ecological Carrying Capacity Assessment System based on the Cloud Platform[D]. Wuhan: Wuhan University, 2017. [12] 彭建, 王仰麟, 吴健生, 等. 区域生态系统健康评价:研究方法与进展[J]. 生态学报, 2007, 27(11): 4877 − 4885. PENG Jian, WANG Yanglin, WU Jiansheng, et al. Evaluation for regional ecosystem health: methodology and research progress [J]. Acta Ecol Sin, 2007, 27(11): 4877 − 4885. [13] 白根川, 夏建国, 王昌全, 等. 基于地类空间转化趋势模型的眉山市东坡区土地利用转化分析[J]. 资源科学, 2009, 31(10): 1793 − 1799. BAI Genchuan, XIA Jianguo, WANG Changquan, et al. Land use transition in Dongpo District, Meishan City in China based on a tendentious model for analyzing spatial transition of land use types [J]. Resour Sci, 2009, 31(10): 1793 − 1799. [14] 王祺, 蒙吉军, 毛熙彦. 基于邻域相关的漓江流域土地利用多情景模拟与景观格局变化[J]. 地理研究, 2014, 33(6): 1073 − 1084. WANG Qi, MENG Jijun, MAO Xiyan. Scenario simulation and landscape pattern assessment of land use change based on neighborhood analysis and auto-logistic model: a case study of Lijiang River Basin [J]. Geogr Res, 2014, 33(6): 1073 − 1084. [15] 韩会然, 杨成凤, 宋金平. 北京市土地利用变化特征及驱动机制[J]. 经济地理, 2015, 35(5): 148 − 154. HAN Huiran, YANG Chengfeng, SONG Jinping. The spatial-temporal characteristic of land use change in Beijing and its driving mechanism [J]. Econ Geogr, 2015, 35(5): 148 − 154. [16] 谢霞, 王宏卫, 塔西甫拉提·特依拜. 基于RS和GIS的艾比湖区域景观格局动态变化研究[J]. 中国沙漠, 2010, 30(5): 1166 − 1173. XIE Xia, WANG Hongwei, Tashpolat Tiyip. Study on landscape pattern change in Ebinur Lake region based on RS and GIS [J]. J Desert Res, 2010, 30(5): 1166 − 1173. [17] 魏静, 郑小刚, 葛京凤. 石家庄西部太行山区景观格局时空变化[J]. 生态学报, 2007, 27(5): 1993 − 2001. WEI Jing, ZHENG Xiaogang, GE Jingfeng. Spatial and temporal change of landscape pattern in the western Shijiazhuang, Taihang Mountains [J]. Acta Ecol Sin, 2007, 27(5): 1993 − 2001. [18] LIU Xinliang, LI Yong, SHEN Jianlin, et al. Landscape pattern changes at a catchment scale: a case study in the upper Jinjing river catchment in subtropical central China from 1933 to 2005 [J]. Landscape Ecol Eng, 2014, 10(2): 263 − 276. [19] AHLQVIST O, SHORTRIDGE A. Spatial and semantic dimensions of landscape heterogeneity [J]. Landscape Ecol, 2010, 25(4): 573 − 590. [20] 岑晓腾. 土地利用景观格局与生态系统服务价值的关联分析及优化研究[D]. 杭州: 浙江大学, 2016. CEN Xiaoteng. Correlation Analysis and Optimization between Land Use Landscape Patterns and Ecosystem Service Values-a Case Study of South Coast of Hangzhou Bay[D]. Hangzhou: Zhejiang University, 2016. [21] 徐双, 李飞雪, 张卢奔, 等. 长沙市热力景观空间格局演变分析[J]. 生态学报, 2015, 35(11): 3743 − 3754. XU Shuang, LI Feixue, ZHANG Luben, et al. Spatiotemporal changes of thermal environment landscape pattern in Changsha [J]. Acta Ecol Sin, 2015, 35(11): 3743 − 3754. [22] 许倍慎. 江汉平原土地利用景观格局演变及生态安全评价[D]. 武汉: 华中师范大学, 2012. XU Beishen. Study on Landscape Pattern Evolution of Land Use and Ecological Security Assessment in Jianghan Plain[D]. Wuhan: Central China Normal University, 2012. [23] 朱会义, 李秀彬, 何书金, 等. 环渤海地区土地利用的时空变化分析[J]. 地理学报, 2001, 68(3): 253 − 260. ZHU Huiyi, LI Xiubin, HE Shujin, et al. Spatio-temporal change of land use in Bohai Rim [J]. Acta Geogr Sin, 2001, 68(3): 253 − 260. [24] 郭慧, 王兵, 牛香. 中国退耕还林生态效益监测网络构建方法[J]. 水土保持通报, 2014, 34(6): 131 − 133. GUO Hui, WANG Bing, NIU Xiang. Construction method of ecological benefits monitoring network of China Grain for Green Project [J]. Bull Soil Water Conserv, 2014, 34(6): 131 − 133. [25] 李柏山. 水资源开发利用对汉江流域水生态环境影响及生态系统健康评价研究[D]. 武汉: 武汉大学, 2013. LI Boshan. Study of Influence on Water Ecoenvironment and Ecosystem Health Assessment for Water Resources Development and Utilization in Hanjiang River Basin[D]. Wuhan: Wuhan University, 2013. [26] 余璟, 王学雷, 吴宜进, 等. 神农架大九湖景观格局变化与湿地生态恢复对策[J]. 华中农业大学学报, 2008, 25(1): 122 − 126. YU Jing, WANG Xuelei, WU Yijin, et al. Changes of Shennongjia Dajiuhu landscape pattern and the strategies of wetland ecological restoration [J]. J Huazhong Agric Univ, 2008, 25(1): 122 − 126. [27] 陈露, 汪正祥, 雷耘, 等. 1990−2010年神农架林区气候变化特征分析[J]. 湖北大学学报(自然科学版), 2013, 35(1): 11 − 16. CHEN Lu, WANG Zhengxiang, LEI Yun, et al. The characteristic of climate change in Shennongjia forest area from 1990 to 2010 [J]. J Hubei Univ Nat Sci, 2013, 35(1): 11 − 16. [28] 黄靖, 夏智宏. 基于MODIS-EVI数据的神农架林区植被指数变化特征研究[J]. 气象与环境科学, 2013, 36(3): 39 − 43. HUANG Jing, XIA Zhihong. Research on the change characteristics for Shennongjia forest vegetation index based on MODIS-EVI Data [J]. Meteorol Environ Sci, 2013, 36(3): 39 − 43. [29] 刘家琰, 谢宗强, 申国珍, 等. 基于SPOT-VEGETATION数据的神农架林区1998−2013年植被覆盖度格局变化[J]. 生态学报, 2018, 38(11): 3961 − 3969. LIU Jiayan, XIE Zongqiang, SHEN Guozhen, et al. Dynamics and analysis of vegetation fraction changes in Shennongjia Forest District during 1998 to 2013 by using SPOT-VEGETATION NDVI data [J]. Acta Geogr Sin, 2018, 38(11): 3961 − 3969. [30] 张子一, 查玉平, 王少明, 等. 神农架林区华山松大小蠹生物学特性研究[J]. 中国森林病虫, 2015, 34(6): 1 − 4. ZHANG Ziyi, ZHA Yuping, WANG Shaoming, et al. Bionomics of Dendroctonus armandi in Shennongjia Forestry District [J]. For Pest Dis, 2015, 34(6): 1 − 4. [31] 俞飞, 李智勇. 天目山林区景观格局时空变化及驱动因素分析[J]. 浙江农林大学学报, 2020, 37(3): 439 − 446. YU Fei, LI Zhiyong. Forests landscape pattern changes and driving forces in Mount Tianmu [J]. J Zhejiang A&F Univ, 2020, 37(3): 439 − 446. [32] RUSHDI A M A, HASSAN A K. Reliability of migration between habitat patches with heterogeneous ecological corridors [J]. Ecol Mod, 2015, 304: 1 − 10. 期刊类型引用(0)
其他类型引用(8)
-
-
链接本文:
https://zlxb.zafu.edu.cn/article/doi/10.11833/j.issn.2095-0756.20200279
点击查看大图
计量
- 文章访问数: 1809
- HTML全文浏览量: 375
- PDF下载量: 62
- 被引次数: 8
