留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

长江上游典型石漠化地区生态环境质量评价

周斯怡 ,  殷晓洁 ,  汤瑞权 ,  吴鹏飞

downloadPDF
文章导航 > 浙江农林大学学报  > 2022 >  39(4): 783-791
詹小豪, 王旭航, 叶诺楠, 等. 浙江建德典型天然次生林群落主要乔木树种空间分布格局及种间关系[J]. 浙江农林大学学报, 2021, 38(4): 659-670. DOI: 10.11833/j.issn.2095-0756.20200586
引用本文: 周斯怡, 殷晓洁, 汤瑞权, 等. 长江上游典型石漠化地区生态环境质量评价[J]. 浙江农林大学学报, 2022, 39(4): 783-791. DOI: 10.11833/j.issn.2095-0756.20210523
shu
ZHAN Xiaohao, WANG Xuhang, YE Nuonan, et al. Spatial distribution patterns and interspecific relationship of dominant tree species in the tree layer of typical natural secondary forest communities in Jiande, Zhejiang Province[J]. Journal of Zhejiang A&F University, 2021, 38(4): 659-670. DOI: 10.11833/j.issn.2095-0756.20200586
Citation: ZHOU Siyi, YIN Xiaojie, TANG Ruiquan, et al. Evaluation of eco-environmental quality in typical rocky desertification areas in the upper reaches of the Yangtze River[J]. Journal of Zhejiang A&F University, 2022, 39(4): 783-791. DOI: 10.11833/j.issn.2095-0756.20210523
shu

长江上游典型石漠化地区生态环境质量评价

DOI: 10.11833/j.issn.2095-0756.20210523
  • 1.

    西南林业大学 林学院，云南 昆明 650224

  • 2.

    中国林业科学研究院 林业科技信息研究所，北京 100091

基金项目: 云南省农业基础研究联合专项(2018FG001-065)；云南省科技厅应用基础研究计划项目(2018FD048)
详细信息
    作者简介: 周斯怡(ORCID: 0000-0001-7082-9795)，从事石漠化生态变化研究。E-mail: siyi-Zhou@outlook.com
    通信作者: 殷晓洁(ORCID: 0000-0003-1424-0112)，讲师，博士，从事石漠化生态系统变化、全球生态研究。E-mail: xjyinanne@163.com

  • 中图分类号: S719；S714.7

Evaluation of eco-environmental quality in typical rocky desertification areas in the upper reaches of the Yangtze River

  • 1.

    College of Forestry, Southwest Forestry University, Kunming 650224, Yunnan, China

  • 2.

    Research Institute of Forestry Policy and Information, Chinese Academy of Forestry, Beijing 100091, China

HTML全文

  • 摘要:   目的  长江上游石漠化地区影响着整个长江流域的生态安全，在国家大力推行石漠化综合防治下，石漠化形势有明显缓解，但目前缺乏石漠化地区的生态环境质量评价方法，无法实时、定量地进行生态评价。  方法  以长江上游典型石漠化地区云南省会泽县2002、2010、2018年Landsat 5、Landsat 7、Landsat 8卫星影像数据为基础，划分研究区石漠化等级，利用遥感生态指数(RSEI)法对研究区生态环境质量进行定量评价与分析。  结果  ① 2002—2018年，会泽县石漠化状况整体明显改善，石漠化面积减少583.33 km2。②石漠化与生态环境质量呈显著正相关(r2 为0.688~0.873)，表明RSEI法评价石漠化地区生态环境质量效果较好。③ 2002、2010、2018年研究区遥感生态指数均值分别为0.458、0.490、0.488，生态环境质量整体表现为中等水平，16 a间生态环境质量优化面积占全县面积的27.42%，生态变差的地区面积占15.09%。④干度指标对遥感生态指数的贡献度不断增加，第一主成分载荷值由−0.029变为−0.622，是制约会泽县生态环境质量优化的重要因素。  结论  2002—2018年，会泽县石漠化状况得到明显改善，生态环境质量呈中等水平，干度是制约生态环境质量优化的重要因素。今后应着重石漠化严重地区的保护。表8参28
    Abstract:   Objective  The rocky desertification area in the upper reaches of the Yangtze River affects the ecological security of the whole basin. Under the comprehensive control of rocky desertification vigorously implemented by the state, the situation of rocky desertification has been significantly alleviated. But at present, there’s no evaluation method for eco-environmental quality in rocky desertification areas. The objective of this study is to carry out the real-time and quantitative evaluation of eco-environmental quality in rocky desertification areas.   Method  Based on Landsat 5, Landsat 7, and Landsat 8 satellite image data of Huize County, Yunnan Province in 2002, 2010, and 2018, the rocky desertification grades of the study area were divided, and the remote sensing ecological index (RSEI) was used to quantitatively evaluate and analyze the eco-environmental quality of the study area.   Result  (1) From 2002 to 2018, the overall rocky desertification situation in Huize County was significantly improved, and the rocky desertification area decreased by 583.33 km2. (2) There was a significant positive correlation between rocky desertification and eco-environmental quality (r2＝0.688−0.873), indicating that RSEI was effective in evaluating eco-environmental quality in rocky desertification areas. (3) In 2002, 2010, and 2018, the average RSEI value in the study area was 0.458, 0.490, and 0.488 respectively, and the overall eco-environmental quality was at a medium level. The area of eco-environmental quality optimization in 16 years accounted for 27.42% of the total county area, and the area of ecological deterioration accounted for 15.09%. (4) The contribution of dryness index to RSEI was increasing, and the first principal component load value changed from −0.029 to −0.622, which was an important factor restricting the optimization of eco-environmental quality of Huize County.   Conclusion  From 2002 to 2018, the rocky desertification situation in Huize County was significantly improved, and the eco-environmental quality was at a medium level. The dryness index was an important factor restricting the optimization of eco-environmental quality. The protection of rocky desertification areas should be emphasized in the future. [Ch, 8 tab. 28 ref.]

  • 植物种群的空间分布格局是指种群在水平空间上的配置和分布状况[1]，除了种群自身特性和环境条件因素与其形成密切相关外[2]，种间关系也是促使其形成的主要动力之一[3]，在判断植物种间关系时，生态学家们通常会运用种间联结性分析来探究物种之间的内在联系[4]。此外，生态位的重叠程度在一定程度上能够反映物种联结关系以及空间配置关系[5-6]。对植物种间关系及空间分布格局的研究，有助于认识种群与生境的相互关系、空间资源获取能力与生态适应对策，预测群落消长动态，是深入了解维持树木物种共存机制，并了解产生空间格局的过程的重要手段[7-9]，对于正确认识群落的组成、功能及演替规律具有重要意义。次生林是中国森林资源的主体，它既保持着原始森林的物种组成成分与生境，又与原始森林在结构组成、林木生长、生产力、林分环境和生态功能等诸多方面有着显著的不同，原始林退化导致的次生林面积扩大将引起森林生态系统中生物多样性的下降[10]。如何恢复和保护次生林群落的物种多样性成为生态学家面临的重要问题。而对森林木本植物的空间分布格局及种间关系的研究有助于揭示群落结构的形成机制与潜在的生态学过程，对次生林的经营抚育具有一定指导意义[11]。以松林、松阔混交林和常绿阔叶林中幼龄林为主体的天然次生林是浙江省建德市的森林资源主体，主要由被过度干扰破坏的天然林地逐渐恢复、演替而来[12]。次生林中仍保有原始森林的部分物种，但不同类型次生林在群落结构、林木年龄组成、植物生产力及生境等方面都存在显著差异[13]。本研究对浙江建德的次生林群落进行每木调查，分析主要树种间的相互关系及空间分布格局特征，以增强对该区域次生林群落结构特征和空间分布格局的认识，促进区域生物多样性保护与木本植物资源的可持续利用，预测群落的演替方向并探索其驱动力来源，进而为该区域次生林群落的恢复、改造及抚育经营提供依据，更好发挥其生态社会效益。

    1.   研究区概况

    研究区位于浙江省建德市新安江林场(29°29′N，119°16′E)，属亚热带北缘季风气候，温暖湿润，四季分明，年平均气温为16.9 ℃，最冷月平均气温为4.7 ℃，最热月平均气温为29.2 ℃，年均降水量为1 504.0 mm。据《中国植被》区划，该地区森林植被属亚热带常绿阔叶林北部亚地带，地带性植被为常绿阔叶林。主要森林植被类型有常绿阔叶林、落叶阔叶林、常绿落叶阔叶混交林、针阔混交林等[14]。

    2.   研究方法

    2.1   样地设置及调查

    在实地踏查的基础上，在浙江建德典型常绿阔叶林、松阔混交林和松林群落中分别设置面积为100 m×100 m的样地(表1)，用木桩、塑料带进行围封标记。将每块样地划分为25小块(20 m×20 m)，并以此为基本单位对乔木层进行每木调查。记录样地群落类型、海拔、坡度、坡向、土壤等环境因子；记录样方中胸径≥5 cm的木本植物的基础数据，包括种名、树高、胸径、冠幅及其相对应的坐标[15-16]。

    表 1  样地基本信息
    Table 1  Basic information of sample plots
    样地类型海拔/m纬度(N)经度(E)坡度/(°)坡向土壤类型地点
    常绿阔叶林172 29°40′ 119°23′44西红壤杨村桥镇徐坑村　　　
    松阔混交林165 29°28′ 119°12′38南红壤新安江林场朱家埠林区
    松林　　　 90 29°21′ 119°09′33东红壤新安江林场朱家埠林区
    下载: 导出CSV 
    | 显示表格

    2.2   重要值

    重要值(IV)计算[17]：IV=(相对多度+相对显著度+相对频度)/3×100%。

    2.3   生态位重叠

    采用Pianka重叠指数计算物种间的生态位重叠系数，公式[18]如下：

    $${O_{ik}}{\rm{ = }}\mathop \sum \limits_{j = 1}^w \left( {{P_{i\!j}}{P_{k\!j}}} \right) \div \sqrt {{{\left( {\mathop \sum \limits_{j = 1}^w {P_{i\!j}}} \right)}^2}{{\left( {\mathop \sum \limits_{j = 1}^w {P_{k\!j}}} \right)}^2}} \text{。}$$

    其中：Oik为种i和种k的生态位重叠系数[1]；w为划分的资源位总数；Pij和Pkj分别是种i和种k在资源位j中的重要值占该物种在整个资源中总重要值的比例。Oik的值域为[0，1]，当2个种对群落中所有的资源都不存在共享状态时，该种对之间生态位完全不重叠，其值为0；当2个种对群落中所有资源利用完全重叠时，该种对的生态位重叠程度为1，达到最大状态。

    2.4   空间分布格局

    2.4.1   种内空间分布格局

    Ripley’s K(r)函数是进行种内空间分布格局分析的基础函数，公式如下[19]：

    $$ K\left( r \right) = \frac{A}{{{n^2}}}\sum\limits_{p = 1}^n {\sum\limits_q^n {e_{pq}^{ - 1}} } {I_r}{\rm{(}}{u_{pq}}{\rm{)}}\text{。} $$

    其中：r为分析的空间尺度(m)，A为样方面积(m2)，n为植物种个体数，upq表示点p和点q之间的距离(m)；Ir(upq)为指示函数，当upq≤r时，Ir(upq)=1，当upq＞r时，Ir(upq)=0；epq为权重值，用于边缘校正。为了更直观地解释实际的空间格局，通常用Ripley’s L(r)函数表示：

    $$L\left( r \right) = \sqrt {\frac{{K\left( r \right)}}{\text{π} }} {\rm{ - }}r\text{。}$$

    当L(r)=0，种群分布类型为随机分布，对种群的聚集分布研究基于随机分布的基础，以样地中的任意一点为圆心，r为半径画圆，如果在圆中出现的个体数多于随机状态下的个体数，那么表示该种群呈现聚集分布；当圆中出现的个体数少于随机分布状态下的个体数时，该种群呈现均匀分布[20-22]。采用Monte-Carlo模拟99%置信区间，进行结果偏离随机状态的显著性检验。若L(r)值位于置信区间之上，种群呈聚集分布，L(r)值位于置信区间之下，种群呈均匀分布，L(r)值位于置信区间之内，种群呈随机分布[23]。

    2.4.2   种间空间分布格局

    种间空间分布格局基础函数计算公式[24]如下：

    $${K_{12}}\left( r \right) = \frac{A}{{{n_1}{n_2}}}\sum\limits_{g = 1}^n {\sum\limits_f^n {w_{gf}^{ - 1}} } {I_r}({u_{gf}})\text{。}$$

    其中：n1和n2分别为种1和种2的个体数，f和g分别代表种1和种2的个体。同样，用L12(r)取代K12(r)，公式为：

    $${L_{12}}\left( r \right) = \sqrt {\frac{{{K_{12}}\left( r \right)}}{\text{π} }} {\rm{ - }}r\text{。}$$

    当L12(r)=0，表明2个种在r尺度下无关联；当L12(r)＞0，表明两者为空间正关联；当L12(r)＜0，表明两者为空间负相关。采用Monte-Carlo模拟99%置信区间，进行结果偏离随机状态的显著性检验。当L12(r)值位于置信区间之上，2个变量显著正相关；L12(r)值位于置信区间之下，2个变量显著负相关；L12(r)值位于置信区间之内，2个变量相互独立[23]。本研究根据实际样地面积，在参考同类研究及毗邻地区森林群落空间格局研究的基础上[25-26]，将格局分析的尺度限定为0~25.0 m。

    2.5   种间联结

    2.5.1   总体联结性检验

    采用方差比率法来测定各类型次生林群落中主要树种间的总体联结性，并利用统计量W来检验总体联结是否显著，计算公式[27]如下：

    $${V_{\rm{R}}} = \frac{{\dfrac{1}{N}\displaystyle\sum\limits_{z = 1}^N {{{({T_z} - t)}^2}} }}{{\displaystyle\sum\limits_{i = 1}^S {(1 - {P_i})} }}\text{。}$$

    其中：VR为方差比率，N为样方总数，$ T_z $为样方$ z $内出现的目标物种总数；t为样方中物种的平均数，S为总物种数，Pi为物种i的频度。以VR作为不同类型次生林中主要树种总体联结性指数，在独立性零假设条件下，VR期望值为1，即当VR=1时认为种间无联结；若VR＜1则表示物种间存在正联结；若VR＜1则表示物种间存在负联结。对于VR偏离1的显著程度采用统计量W来验证，W=VRN，若$W{\text{＜}}$${\textit{χ}}_{0.95}^2\left( N \right)$或$W{\text{＞}}{\textit{χ}} _{0.05}^2\left( N \right)$则说明种间总体联结性性显著，若${\textit{χ}} _{0.05}^2\left( N \right) {\text{＞}}W {\text{＞}} {\textit{χ}}_{0.95}^2\left( N \right)$则说明种间总体联结性不显著[28]。

    2.5.2   种间联结性分析

    采用经Yates连续校正系数纠正的χ2统计量对种间联结性进行定性研究。公式[18]如下：

    $${\textit{χ} ^2} = \frac{{N{{[ad - bc - 0.5N]}^2}}}{{(a + b)(b + d)(a + c)(c + d)}}\text{。}$$

    其中，N为取样总数，$ a $为2物种均出现的样方数，b、c分别为2个种单独出现的样方数，d为2物种均不出现的样方数。当$ ad-bc=0 $时，2个种相互独立；$ ad-bc{\text{＞}}0 $时，2个种之间呈正联结；$ ad- $bc＜0时，2个种之间呈负联结。${\textit{χ}}^{2}$＜3.841时，表示种间联结性不显著；当3.841＜${\textit{χ}}^{2}$＜6.635时，表示种间联结性显著；当${\textit{χ}}^{2}$＞6.635时，表示种间联结性极显著[17]。为避免出现分母为0无法计算分析的状况，把a、b、c、d凡是为0的都加权为1[29-30]。

    2.5.3   种间相关性测定

    本研究以多度作为Spearman秩相关系数的数量指标，对种对间的线性关系做定量分析，计算公式[31]如下：

    $$r\left( {i,k} \right) = 1 - \frac{{6\displaystyle\sum\limits_{z = 1}^N {{{\left( {{x_{iz}} - {{\bar x}_i}} \right)}^2}} {{\left( {{x_{kz}} - {{\bar x}_k}} \right)}^2}}}{{{N^3} - N}}\text{。}$$

    其中，$ r\left(i,k\right) $是种$ i $和种$ k $在样方$ z $中的Spearman秩相关系数；$ N $为样方总数；$ {x}_{iz} $和$ {x}_{kz} $分别是种$ i $和种$ k $在样方$ z $中的秩；$ {\bar{x}}_{i} $和$ {\bar{x}}_{k} $分别是种$ i $和种$ k $在所有样方中多度的平均值。$ r\left(i,\;k\right) $的值域为[−1, 1]，正值表示正相关，负值表示负相关。

    3.   结果与分析

    3.1   重要值

    根据重要值大于5%选出各植被类型主要树种。常绿阔叶林中主要树种是青冈Cyclobalanopsis glauca、石栎Lithocarpus glaber、苦槠Castanopsis sclerophylla及木荷Schima superba等4种；松阔混交林的主要树种分别是马尾松Pinus massoniana、苦槠、杉木Cunninghamia lanceolata、檵木Loropetalum chinense、石栎等5种；松林的主要树种分别是马尾松、杉木、苦槠、化香Platycarya strobilacea、枫香Liquidambar formosana等5种。

    3.2   生态位重叠

    从表2可以看出：在常绿阔叶林中，主要树种之间生态位重叠程度最高的是木荷-石栎(0.861 4)、其次是苦槠-青冈(0.615 4)，最低的是苦槠-木荷(0.377 2)；在松阔混交林中，重叠程度最高的是檵木-苦槠(0.801 8)，其次是马尾松-石栎(0.753 1)，最低的是石栎-杉木(0.340 9)；在松林中，重叠程度最高的是枫香-化香(0.757 5)，其次是枫香-苦槠(0.720 1)，最低的是苦槠-马尾松(0.442 7)。

    表 2  不同森林类型主要树种生态位重叠数值矩阵
    Table 2  Niche overlap of dominant tree species of different forest types
    常绿阔叶林松阔混交林松林
    树种苦槠木荷青冈树种檵木苦槠马尾松石栎树种枫香化香树苦槠马尾松
    木荷0.377 2苦槠　0.801 8化香　0.757 5
    青冈0.615 40.518 2马尾松0.631 20.632 4苦槠　0.720 10.625 8
    石栎0.421 90.861 40.473 3石栎　0.451 30.458 40.753 1马尾松0.676 90.567 60.442 7
    杉木　0.393 70.521 80.646 20.340 9杉木　0.466 20.470 70.600 10.567 5
    下载: 导出CSV 
    | 显示表格

    3.3   空间分布格局

    3.3.1   种内空间分布格局

    在所有研究样地中，主要树种在0~25.0 m的尺度内均表现为显著的聚集分布(P＜0.05)(图1~3)。

    图 1  常绿阔叶林主要树种空间分布格局
    Figure 1  Spatial distribution pattern of dominant tree species in evergreen broad-leaved forest
    下载: 全尺寸图片 幻灯片
    图 2  松阔混交林主要树种空间分布格局
    Figure 2  Spatial distribution pattern of dominant tree species in mason pine and broad-leaved mixed forest
    下载: 全尺寸图片 幻灯片
    图 3  松林主要树种空间分布格局
    Figure 3  Spatial distribution pattern of dominant tree species in mason pine forest
    下载: 全尺寸图片 幻灯片
    3.3.2   种间空间分布格局

    常绿阔叶林主要树种空间分布格局特征如下(图4)：青冈-石栎在0~25.0 m尺度上均呈现负相关，其中6.0~10.0 m、15.0~17.0 m尺度上负相关达到显著(P＜0.05)；青冈-木荷在0~25.0 m尺度上均为负相关，其中8.0~14.0 m尺度范围内达到显著(P＜0.05)；石栎-木荷在0~25.0 m尺度上均呈现显著的正相关(P＜0.05)。其他种对的空间关联性则以不显著相关为主。

    图 4  常绿阔叶林主要树种间空间分布格局图
    Figure 4  Spatial distribution pattern of dominant tree species in evergreen broad-leaved forest
    下载: 全尺寸图片 幻灯片

    松阔混交林主要树种空间分布格局特征如下(图5)：马尾松-石栎在0~25.0 m尺度上呈现正相关，10.0~25.0 m尺度内达到显著(P＜0.05)；苦槠-石栎在0~20.0 m尺度范围内为正相关，其中7.0~8.0 m尺度上达到显著(P＜0.05)，而在20.0~25.0 m尺度范围内呈现不显著负相关。其他种对的空间关联性以不显著相关或无关联为主。

    图 5  松阔混交林主要树种间空间分布格局图
    Figure 5  Spatial distribution pattern of dominant tree species in mason pine and broad-leaved mixed forest
    下载: 全尺寸图片 幻灯片

    松林主要树种间空间分布格局特征如下(图6)：马尾松-化香在0~25.0 m尺度上为负相关，其中4.0 m时达到显著(P＜0.05)；杉木-苦槠在0~25.0 m尺度范围内为正相关，其中15.0~25.0 m尺度上达到显著(P＜0.05)；杉木-化香在0~25.0 m尺度范围内为负相关，其中7.5~17.0 m尺度上达到显著(P＜0.05)；化香-枫香在0~25.0 m尺度范围内表现为正相关，其中12.0~13.0 m尺度上达到显著(P＜0.05)。除此之外其他种对的空间关联性表现为不显著相关或无关联。

    图 6  松林主要树种间空间分布格局图
    Figure 6  Spatial distribution pattern of dominant tree species in mason pine forest
    下载: 全尺寸图片 幻灯片

    3.4   种间联结

    3.4.1   总体联结性

    各类型次生林的方差比率(表3)结果表明：3种类型次生林主要树种的总体关联性均为不显著正关联。

    表 3  不同森林类型主要树种的总体关联性
    Table 3  Overall interspecific associations among dominant tree species of different forest types
    样地类型方差比率W${\; \textit{χ}^{2}_{0.95}(N)} $，${ \; \textit{χ}^{2}_{0.05}(N)} $结果
    常绿阔叶林1.38934.72214.611, 37.652不显著正关联
    松阔混交林1.39734.93014.611, 37.652不显著正关联
    松林　　　1.19929.96614.611, 37.652不显著正关联
    下载: 导出CSV 
    | 显示表格
    3.4.2   种间联结性检验

    χ2检验结果表明(表4)：样地中所有类型次生林的主要树种种对均呈不显著的正联结(χ2＜3.841，$ ad-bc $＞0)。

    表 4  不同森林类型的种间联结χ2统计量矩阵
    Table 4  Value of χ2 of different forest types
    常绿阔叶林松阔混交林松林
    树种苦槠木荷青冈树种檵木苦槠马尾松杉木树种枫香化香马尾松杉木
    木荷0.001苦槠　1.223化香　0.179
    青冈0.2300.092马尾松1.1031.103马尾松0.2301.103
    石栎0.0390.0010.230杉木　0.0010.0010.010杉木　0.0200.1790.230
    石栎　0.0890.0890.0690.110苦槠　2.2140.0690.0380.368
    下载: 导出CSV 
    | 显示表格
    3.4.3   种间相关性分析

    据图7可知：在常绿阔叶林中，呈负相关的种对有苦槠-木荷、木荷-青冈和青冈-石栎等3对，其中木荷-青冈和青冈-石栎种对的负相关达极显著(P＜0.01)；呈正相关的有苦槠-青冈、苦槠-石栎和木荷-石栎等3对，其中木荷-石栎种对的正相关达到极显著(P＜0.01)。在松阔混交林中，呈现负相关的种对有檵木-杉木、檵木-石栎2对；其余8对均呈正相关，其中马尾松-石栎的正相关达极显著(P＜0.01)。在松林中，呈现负相关的种对有枫香-杉木、化香-马尾松、化香-杉木、化香-苦槠和马尾松-苦槠等5对，其中化香-杉木的负相关达显著(P＜0.05)；其余5对呈正相关，其中枫香-苦槠的正相关达显著(P＜0.05)。

    图 7  不同森林类型种间Spearman秩相关半矩阵图
    Figure 7  Semi-matrix of Spearman’s rank correlation coefficients of dominant tree species of different forest types
    下载: 全尺寸图片 幻灯片

    4.   讨论

    森林在向顶级群落演替的过程中，植物种内空间分布格局一般会由聚集分布渐渐过渡为随机分布[12]，而在本研究中，0~25.0 m尺度上不同类型次生林的主要树种均呈显著(P＜0.05)聚集分布，这说明样地群落还未进入演替成熟期。物种自身的生物学特性是造成群落演替过程中物种聚集分布的主要原因，即相同物种对环境等条件有着相似的需求[32]。样地群落种间生态位重叠程度也能佐证其所处的演替阶段，顶级群落中树种间的生态位重叠程度一般处在较低的水平，即树种间的竞争并不活跃，这是因为经过长时间演替后，群落趋于稳定，内部树种间达到了一种相对平衡的状态[33-34]，主要树种间的生态位重叠程度仍普遍较高，群落整体呈正关联，正相关种对仍有较高占比。这反映了群落中的主要树种具有相似的环境需求和生态适应性，由此造成了样地中主要树种的聚集分布。此外，种子的扩散限制和生境异质性也被认为是影响物种分布的主要因素[20]，样地中主要树种的种子传播方式以重力传播为主，种子传播距离有限，多聚集在母树周围，离母树越远种子越少，这也导致了树种的聚集分布。在松林中，马尾松和杉木作为建群早期先锋种最先入侵林地，在光竞争中占据优势，对光的有效利用是形成林分空间格局的主要决定因素[35]，因而马尾松和杉木与群落中其他优势树种多呈负空间关联。枫香幼树稍耐荫，所以与群落中其他优势树种多呈正空间关联。在松阔混交林中，主要树种间空间关联显著程度较低，这或许与群落中的针叶树种同群落中其他较晚发育起来的常绿阔叶树种产生了垂直分层现象有关，这种垂直分层现象能够减轻群落内的光竞争，进而影响群落内的树种空间分布格局。马尾松和杉木作为早期先锋树种入侵林地后，逐渐改善了立地条件，为其他树种进入群落创造了条件，使得松林能够向松阔混交林方向演替。随后由于马尾松和杉木生物学特性在垂直结构上与其他树种产生了分层现象，加之密度制约和扩散限制等因素[12]共同作用，群落中的常绿阔叶树种逐渐获得更多的环境资源并对针叶树种和落叶阔叶树种的幼苗更新产生负作用，松阔混交林逐渐向常绿阔叶林演替。这种演替机制与XIANG等[9]的研究结果一致，即在不发生干扰的情况下，次生林群落中的不耐荫落叶树种将逐渐被耐荫的常绿阔叶树种所取代。

    通过比较不同森林类型主要树种组成可以发现：3类森林群落的主要树种组成存在差异，落叶阔叶树种枫香和化香仅出现在松林主要树种中，而松阔混交林中已经没有落叶树种，但出现了常绿阔叶树种石栎和檵木。在常绿阔叶林中，主要树种则由木荷及青冈、石栎和苦槠等3种壳斗科Fagaceae树种组成。树种组成的变化是群落演替的结果，森林经营管理可根据此对松林和松阔混交林进行适当抚育，伐除部分针叶树种及清理林内枯立木，改善林分内的光照条件，促进常绿阔叶树种的生长。在常绿阔叶林中，则可通过修枝来改善林内光照条件，也可通过为森林土壤施加养分来改善目标树种的营养状况，通过人为栽种苗木等手段来加快木荷、石栎等目标树种的更新、生长和郁闭，促进森林群落向顶级群落发展并促进生物多样性的恢复。

    本研究通过方差比率法、χ2检验和Spearman秩相关系数检验，对不同类型次生林群落种间的联结性和相关性进行了分析。其中，χ2检验结果是由种对的二元数据转换计算而来，反映的是物种能否共存和共存的概率，不能表达低显著度种对的内在相关性情况和强度。Spearman秩相关系数属定量检验方法，能够在一定程度上检验种对数量关系上的变化，对种对间的相关性及其显著性水平更为敏感。Spearman秩相关系数属定量检验与定性的方差比率法、χ2检验结合使用能够更全面地反映物种的种间关系[36]。

    5.   结论

    通过测度常绿阔叶林、松阔混交林和松林群落中主要树种的生态位重叠程度、空间分布格局和种间联结分析可以发现：本研究各群落乔木层主要树种在空间分布格局中独立性相对较强，物种间虽存在比较相似的环境资源需求，但种间联结关系比较松散，群落演替尚未进入成熟期。此外也可以看出：树种间的空间分布格局、联结性与种群的生态位重叠之间存在密切关联。一般情况下，群落内优势树种种间正联结性越强，其生态位重叠程度越高，种间负联结性越强，生态位重叠程度越低[37]。样地群落的总体关联性检验结果显示：各群落种间总体关联性呈不显著的正相关。χ2检验发现：多数种对都呈不显著的正联结，这与各群落物种生态位重叠程度的分析结果基本吻合。各群落主要树种间的Spearman秩相关分析结果与种间空间关联性结果也有比较一致的表现，这也说明植物种间关系对植物种群空间分布格局的形成有重要意义。本研究可为进一步揭示物种自身生物特性、环境条件及种间关系等综合作用下的种群空间分布格局形成机制提供依据，但群落中植物种间关系及空间分布格局是处在动态变化过程中的，本研究结果仅反映某一特定时间节点的群落状态，有待长期的群落动态监测研究。

  • 表  1  石漠化分级指标赋值

    Table  1.   Assignment of rocky desertification classification index

    赋值分级指标赋值分级指标
    植被覆盖度岩石裸露率坡度/(°)植被覆盖度岩石裸露率坡度/(°)
    00.70~1.000.0~0.30~1560.25~0.500.5~0.722~25
    20.60~0.700.3~0.415~1880.10~0.250.7~0.825~30
    40.50~0.600.4~0.518~22100.00~0.100.8~1.030~90
    下载: 导出CSV

    表  2  会泽县2002—2018年石漠化面积变化

    Table  2.   Area dynamics of different grade rocky desertification in rocky desertification of Huize Country

    石漠化等级面积/km2面积变化/km2年均增长/%
    2002201020182002—20102010—20182002—20182002—20102010—20182002—2018年
    极强度石漠化50.7857.1228.746.34−28.38−22.041.48−8.23−6.87
    强度石漠化　535.23578.16462.1642.93−116.00−73.070.97−2.76−1.82
    中度石漠化　669.23799.47679.75130.24−119.7210.522.25−2.010.20
    轻度石漠化　844.86412.13346.12−432.73−66.01−498.74−8.58−2.16−10.56
    潜在石漠化　170.52282.77328.40112.2545.63157.886.531.898.54
    无石漠化　　103.47244.44528.92140.97284.48425.4511.3410.1322.62
    下载: 导出CSV

    表  3  不同年份研究区生态指标及载荷

    Table  3.   Ecological indicators and loading scores in different years

    年份绿度湿度干度热度遥感生态指数
    均值±标准差PC1均值±标准差PC1均值±标准差PC1均值±标准差PC1
    20020.680±0.0920.3870.484±0.1020.6080.569±0.010−0.0290.495±0.112−0.6930.458±0.127
    20100.696±0.0870.3110.541±0.1460.6980.710±0.086−0.3480.498±0.125−0.5440.490±0.136
    20180.719±0.0950.4270.585±0.0790.3610.601±0.123−0.6220.462±0.124−0.5480.488±0.171
    下载: 导出CSV

    表  4  2002—2018年研究区生态评价等级面积

    Table  4.   Area of leveled ecological assessment in the study area from 2002 to 2018

    生态环境
    质量等级    		200220102018年
    面积/km2占比/%面积/km2占比/%面积/km2占比/%
    差　79.951.3768.341.17102.091.74
    较差1 943.5433.201 552.2926.522 015.8234.44
    中等2 970.3250.742 855.3748.772 119.9036.21
    良好841.5314.371 360.4923.241 368.8723.38
    优　18.690.3217.540.30247.354.23
    下载: 导出CSV

    表  5  研究区各乡镇2018年生态评价等级面积

    Table  5.   Leveled ecological assessment area of each town in 2018

    乡镇各等级面积/km2乡镇各等级面积/km2
    差较差中等良好优差较差中等良好优
    金钟镇　　5.83156.34200.83153.6045.70架车乡1.22118.83107.6751.388.84
    待补镇　　2.9290.38117.22100.6226.36纸厂乡0.7427.5039.9722.788.58
    老厂乡　　0.9833.1370.3740.4021.61者海镇6.41117.84120.26116.917.31
    新街回族乡1.0555.99103.2394.6519.10上村乡0.7757.07109.5798.155.61
    五星乡　　1.1580.3163.5047.0816.03雨碌乡2.6272.1693.8264.035.17
    娜姑镇　　6.06133.4779.7025.7013.00火红乡9.72121.3490.2642.374.99
    迤车镇　　15.52203.46154.6276.3611.38乐业镇4.68143.64141.6668.863.60
    大桥乡　　2.0268.5678.7456.3711.19田坝乡0.62105.33142.8579.652.63
    大海乡　　10.71143.69106.5135.1910.28马路乡12.9275.8169.6331.392.11
    鲁纳乡　　0.4833.9462.6171.4413.36大井镇6.0386.6899.2848.801.19
    矿山镇　　9.6490.3567.6043.149.31
    下载: 导出CSV

    表  6  2002—2018年遥感生态指数变化

    Table  6.   Change of remote sensing ecological index in Huize Country from 2002 to 2018

    类别级差级面积/ km2类面积/km2类占比/%类别级差级面积/ km2类面积/km2类占比/%
    变好 4 0.04 1 605.37 27.42 不变 0 3 365.08 3 365.08 57.48
    3 5.53 变差 −1 877.95 883.58 15.09
    2 136.80 −2 5.63
    1 1 463.00 −3 0.01
    下载: 导出CSV

    表  7  2002—2018年乡镇遥感生态指数变化的面积和占比

    Table  7.   Area and percentage change of each remote sensing ecological index level in each town from 2002 to 2018

    乡镇变好不变变差乡镇变好不变变差
    面积/km2占比/%面积/km2占比/%面积/km2占比/%面积/km2占比/%面积/km2占比/%面积/km2占比/%
    金钟镇　　206.4736.72309.4955.0446.348.24架车乡97.8533.98169.0758.7221.027.30
    待补镇　　136.3240.39170.6050.5530.589.06纸厂乡17.3817.4658.6458.8923.5523.65
    老厂乡　　62.8737.7691.4254.9112.207.33者海镇113.0530.66196.0753.1759.6116.17
    新街回族乡113.8841.56141.2151.5318.936.91上村乡97.0935.81154.5556.9919.537.20
    五星乡　　76.9636.99106.1050.9925.0112.02雨碌乡72.5430.50138.0958.0727.1711.43
    娜姑镇　　40.8315.83166.9164.7150.1919.46火红乡37.1013.81169.2262.9862.3623.21
    迤车镇　　62.6613.58258.8956.12139.7930.30乐业镇64.8317.89218.0860.1779.5321.94
    大桥乡　　69.9932.27121.8656.1925.0311.54田坝乡112.0733.85199.0760.1319.946.02
    大海乡　　58.6619.15190.7462.2556.9818.60马路乡19.6410.24115.0459.9657.1829.80
    鲁纳乡　　71.2339.1799.0554.4811.556.35大井镇25.0310.34161.4166.7155.5422.95
    矿山镇　　48.9222.23129.5758.8941.5518.88
    下载: 导出CSV

    表  8  不同石漠化等级下研究区遥感生态指数变化

    Table  8.   Remote sensing ecological index changes under different rocky desertification grades in the study area

    年份等级极强度石漠化强度石漠化中度石漠化轻度石漠化
    面积/km2占比/%面积/km2占比/%面积/km2占比/%面积/km2占比/%
    2002 差　 2.97 5.85 9.72 1.82 2.92 0.44 1.34 0.16
    较差 34.32 67.59 277.76 51.90 228.80 34.19 145.61 17.23
    中等 11.61 22.86 207.10 38.69 341.36 51.01 491.45 58.17
    良好 1.80 3.54 39.99 7.47 94.17 14.07 202.98 24.03
    优　 0.08 0.16 0.66 0.12 1.98 0.29 3.48 0.41
    2010 差　 10.81 18.93 9.36 1.62 0.15 0.02 0.00 0.00
    较差 36.32 63.59 303.82 52.55 171.90 21.50 2.51 0.61
    中等 8.85 15.49 212.10 36.69 518.79 64.89 225.13 54.62
    良好 1.14 1.99 52.85 9.14 108.43 13.56 183.63 44.56
    优　 0.00 0.00 0.03 0.00 0.20 0.03 0.86 0.21
    2018 差　 9.76 33.96 24.58 5.32 0.86 0.13 0.00 0.00
    较差 14.24 49.55 290.26 62.80 276.22 40.63 5.85 1.69
    中等 4.70 16.35 135.33 29.28 346.45 50.97 202.41 58.48
    良好 0.04 0.14 11.86 2.57 55.77 8.20 134.79 38.94
    优　 0.00 0.00 0.13 0.03 0.45 0.07 3.07 0.89
    下载: 导出CSV
    年份 等级 潜在石漠化 无石漠化 非喀斯特
    面积/km2 占比/% 面积 /km2 占比/% 面积/km2 占比/%
    2002 差　 0.03 0.02 0.06 0.06 57.74 1.65
    较差 10.64 6.24 7.19 6.95 1 256.30 35.76
    中等 83.47 48.95 43.87 42.40 1 817.59 51.74
    良好 74.91 43.93 51.85 50.11 376.65 10.72
    优　 1.47 0.86 0.50 0.48 4.56 0.13
    2010 差　 0.00 0.00 0.00 0.00 44.10 1.26
    较差 0.13 0.04 0.05 0.02 1 047.88 29.83
    中等 72.58 25.67 29.50 12.07 1 812.34 51.59
    良好 203.67 72.03 213.76 87.45 604.67 17.21
    优　 6.39 2.26 1.13 0.46 3.85 0.11
    2018 差　 0.00 0.00 0.00 0.00 63.18 1.80
    较差 0.35 0.11 0.66 0.12 1 443.74 41.10
    中等 47.96 14.60 58.44 11.05 1 342.83 38.22
    良好 217.78 66.32 386.57 73.09 568.28 16.18
    优　 62.31 18.97 83.25 15.74 94.81 2.70
    下载: 导出CSV
  • [1] 姚永慧. 中国西南喀斯特石漠化研究进展与展望[J]. 地理科学进展, 2014, 33(1): 76 − 84.

    YAO Yonghui. Progress and prospect of karst rocky desertification research in southwest China [J]. Prog Geogr, 2014, 33(1): 76 − 84.
    [2] 宋同清, 彭晚霞, 杜虎, 等. 中国西南喀斯特石漠化时空演变特征、发生机制与调控对策[J]. 生态学报, 2014, 34(18): 5328 − 5341.

    SONG Tongqing, PENG Wanxia, DU Hu, et al. Occurrence, spatial-temporal dynamics and regulation strategies of karst rocky desertification in southwest China [J]. Acta Ecol Sin, 2014, 34(18): 5328 − 5341.
    [3] 颜梅春, 王元超. 区域生态环境质量评价研究进展与展望[J]. 生态环境学报, 2012, 21(10): 1781 − 1788.

    YAN Meichun, WANG Yuanchao. Advances in the evaluation of ecological environmental quality [J]. Ecol Environ Sci, 2012, 21(10): 1781 − 1788.
    [4] BADRELDIN N, GOOSSENS R. A satellite-based disturbance index algorithm for monitoring mitigation strategies effects on desertification change in an arid environment [J]. Mitig Adapt Strateg Glob Change, 2015, 20(2): 263 − 276.
    [5] 吴宜进, 赵行双, 奚悦, 等. 基于MODIS的2006—2016年西藏生态质量综合评价及其时空变化[J]. 地理学报, 2019, 74(7): 1438 − 1449.

    WU Yijin, ZHAO Xingshuang, XI Yue, et al. Comprehensive evaluation and spatial-temporal changes of eco-environmental quality based on MODIS in Tibet during 2006−2016 [J]. Acta Geogr Sin, 2019, 74(7): 1438 − 1449.
    [6] 周紫燕, 汪小钦, 丁哲, 等. 新疆生态质量变化趋势遥感分析[J]. 生态学报, 2020, 40(9): 2907 − 2919.

    ZHOU Ziyan, WANG Xiaoqin, DING Zhe, et al. Remote sensing analysis of ecological quality change in Xinjiang [J]. Acta Ecol Sin, 2020, 40(9): 2907 − 2919.
    [7] 徐涵秋. 区域生态环境变化的遥感评价指数[J]. 中国环境科学, 2013, 33(5): 889 − 897.

    XU Hanqiu. A remote sensing index for assessment of regional ecological changes [J]. China Environ Sci, 2013, 33(5): 889 − 897.
    [8] 罗春, 刘辉, 戚陆越. 基于遥感指数的生态变化评估:以常宁市为例[J]. 国土资源遥感, 2014, 26(4): 145 − 150.

    LUO Chun, LIU Hui, QI Luyue. Ecological changes assessment based on remote sensing indices: a case study of Changning City [J]. Remote Sensing Land Resour, 2014, 26(4): 145 − 150.
    [9] 周玄德, 郭华东, 孜比布拉·司马义, 等. 干旱区绿洲城市遥感生态指数变化监测[J]. 资源科学, 2019, 41(5): 1002 − 1012.

    ZHOU Xuande, GUO Huadong, Zibibula Simayi, et al. Change of remote sensing ecological index of an oasis city in the arid area [J]. Resour Sci, 2019, 41(5): 1002 − 1012.
    [10] 吴志杰, 王猛猛, 陈绍杰, 等. 基于遥感生态指数的永定矿区生态变化监测与评价[J]. 生态科学, 2016, 35(5): 200 − 207.

    WU Zhijie, WANG Mengmeng, CHEN Shaojie, et al. Monitoring and evaluation of ecological environment’s spatio- temporal variation in mine based on RSEI in Yongding Mine [J]. Ecol Sci, 2016, 35(5): 200 − 207.
    [11] 王丽春, 焦黎, 来风兵, 等. 基于遥感生态指数的新疆玛纳斯湖湿地生态变化评价[J]. 生态学报, 2019, 39(8): 2963 − 2972.

    WANG Lichun, JIAO Li, LAI Fengbing, et al. Evaluation of ecological changes based on a remote sensing ecological index in a Manas Lake Wetland, Xinjiang [J]. Acta Ecol Sin, 2019, 39(8): 2963 − 2972.
    [12] 蒋超亮, 吴玲, 刘丹, 等. 干旱荒漠区生态环境质量遥感动态监测:以古尔班通古特沙漠为例[J]. 应用生态学报, 2019, 30(3): 877 − 883.

    JIANG Chaoliang, WU Ling, LIU Dan, et al. Dynamic monitoring of eco-environmental quality in arid desert area by remote sensing: taking the Gurbantunggut Desert China as an example [J]. Chin J Appl Ecol, 2019, 30(3): 877 − 883.
    [13] 李粉玲, 常庆瑞, 申健, 等. 黄土高原沟壑区生态环境状况遥感动态监测:以陕西省富县为例[J]. 应用生态学报, 2015, 26(12): 3811 − 3817.

    LI Fenling, CHANG Qingrui, SHEN Jian, et al. Dynamic monitoring of ecological environment in loess hilly and gully region of Loess Plateau based on remote sensing: a case study on Fuxian County in Shaanxi Province, northwest China [J]. Chin J Appl Ecol, 2015, 26(12): 3811 − 3817.
    [14] 杨凤海, 宋佳佳, 赵烨荣, 等. 东北黑土水土流失区生态环境遥感动态监测[J]. 环境科学研究, 2018, 31(9): 1580 − 1587.

    YANG Fenghai, SONG Jiajia, ZHAO Yerong, et al. Dynamic monitoring of ecological environment in black soil erosion area of northeast China based on remote sensing [J]. Res Environ Sci, 2018, 31(9): 1580 − 1587.
    [15] 国家林业与草原局. 中国·岩溶地区石漠化状况公报[EB/OL]. (2018-12-14). http://www.forestry.gov.cn/main/195/20181214/104340783851386.html.

    National Forestry and Grassland Administration. The Status in Karst Rocky Desertification Area in China [EB/OL]. (2018-12-14). http://www.forestry.gov.cn/main/195/20181214/104340783851386.html.
    [16] 熊康宁, 黎平, 周忠发, 等. 喀斯特石漠化的遥感: GIS典型研究: 以贵州省为例[M]. 北京: 地质出版社, 2002.

    XIONG Kangning, LI Ping, ZHOU Zhongfa, et al. Study on Rocky Desertification Based on Remote Sensing and GIS: A Case of Guizhou [M]. Beijing: Geological Publishing House, 2002.
    [17] 习慧鹏, 王世杰, 白晓永, 等. 西南典型喀斯特地区石漠化时空演变特征——以贵州省普定县为例[J]. 生态学报, 2018, 38(24): 8919 − 8933.

    XI Huiping, WANG Shijie, BAI Xiaoyong, et al. Spatio-temporal characteristics of rocky desertification in typical karst areas of southwest China: a case study of Puding County, Guizhou Province [J]. Acta Ecol Sin, 2018, 38(24): 8919 − 8933.
    [18] 甘淑, 袁希平. 滇东南岩溶山地环境遥感调查综合分析研究[M]. 昆明: 云南科技出版社, 2013: 30 − 32.

    GAN Shu, YUAN Xiping. A Comprehensive Analysis of Remote Sensing Survey of Karst Mountain Environment in Southeast Yunnan [M]. Kunming: Yunnan Science and Technology Press, 2013: 30 − 32.
    [19] GOWARD S N, XUE Y, CZAJKOWSKI K P. Evaluating land surface moisture conditions from the remotely sensed temperature/vegetation index measurements [J]. Remote Sensing Environ, 2002, 79(2): 225 − 242.
    [20] TODD S W, HOFFER R M. Responses of spectral indices to variations in vegetation cover and soil background [J]. Photogramm Eng Remote Sensing, 1998, 64(9): 915 − 921.
    [21] CRIST E P. A TM tasseled cap equivalent transformation for reflectance factor data [J]. Remote Sensing Environ, 1985, 17(3): 301 − 306.
    [22] HUANG C, WYLIE B, YANG L, et al. Derivation of a tasseled cap transformation based on Landsat 7 at-satellite reflectance [J]. Int J Remote Sensing, 2002, 23(8): 1741 − 1748.
    [23] BAIG M, ZHANG L, TONG S, et al. Derivation of a tasselled cap transformation based on Landsat 8 at-satellite reflectance [J]. Remote Sensing Lett, 2014, 5(5): 423 − 431.
    [24] RIKIMARU A, ROY P S, MIYATAKE S. Tropical forest cover density mapping [J]. Tropical Ecol, 2002, 43(1): 39 − 47.
    [25] 徐涵秋, 杜丽萍. 遥感建筑用地信息的快速提取[J]. 地球信息科学学报, 2010, 12(4): 574 − 579.

    XU Hanqiu, DU Liping. Fast extraction of built up land information from remote sensing imagery [J]. J Inf Sci, 2010, 12(4): 574 − 579.
    [26] NICHOL J. Remote sensing of urban heat islands by day and night [J]. Photogramm Eng Remote Sensing, 2005, 71(5): 613 − 622.
    [27] RAISSOUNI N, SOBRINO J A. Toward remote sensing methods for land cover dynamic monitoring: application to Morocco [J]. Int J Remote Sensing, 2000, 21(2): 353 − 366.
    [28] 李鹏. 会泽年鉴[M]. 昆明: 云南人民出版社, 2018: 41 − 48.

    LI Peng. Huize Yearbook [M]. Kunming: Yunnan People’s Publishing House, 2018: 41 − 48.
  • [1] 张诗文, 李成荣, 王妍, 武杨.  基于长时序卫星遥感的云南省生态质量评价与演变特征 . 浙江农林大学学报, 2023, 40(3): 579-588. doi: 10.11833/j.issn.2095-0756.20220439
    [2] 陈棋, 张超, 田湘云, 史小蓉, 张玉薇, 王妍.  云南省2000—2020年石漠化时空演变分析 . 浙江农林大学学报, 2023, 40(2): 417-426. doi: 10.11833/j.issn.2095-0756.20210806
    [3] 周杨, 周文斌, 马嘉伟, 阮忠强, 叶正钱, 柳丹.  缙云县某复垦地块土壤环境质量调查及生态风险评价 . 浙江农林大学学报, 2022, 39(2): 388-395. doi: 10.11833/j.issn.2095-0756.20210289
    [4] 杨波, 王邵军, 赵爽, 张路路, 张昆凤, 樊宇翔, 解玲玲, 王郑均, 郭志鹏, 肖博.  丛枝菌根真菌共生对石漠化生境白枪杆生长及光合特性的影响 . 浙江农林大学学报, 2022, 39(5): 1028-1036. doi: 10.11833/j.issn.2095-0756.20210740
    [5] 隋夕然, 吴丽芳, 王妍, 王紫泉, 肖羽芯, 刘云根, 杨波.  滇中岩溶高原不同石漠化程度土壤团聚体养分及酶活性特征 . 浙江农林大学学报, 2022, 39(1): 115-126. doi: 10.11833/j.issn.2095-0756.20210168
    [6] 邵晗, 王虎, 王妍, 徐红枫, 苏倩, 刘云根.  岩溶石漠化地区不同利用方式对土壤肥力和重金属质量分数的影响 . 浙江农林大学学报, 2022, 39(3): 635-643. doi: 10.11833/j.issn.2095-0756.20210437
    [7] 崔杨林, 高祥, 董斌, 位慧敏.  县域景观生态风险评价 . 浙江农林大学学报, 2021, 38(3): 541-551. doi: 10.11833/j.issn.2095-0756.20200461
    [8] 赵勋刚, 胡雨村, 王文辉, 胡云卿.  乌海市生态环境评价及驱动因子分析 . 浙江农林大学学报, 2019, 36(5): 990-998. doi: 10.11833/j.issn.2095-0756.2019.05.019
    [9] 刘鹏, 王妍, 刘宗滨, 郭玉静, 张紫霞, 李乡旺, 杨波.  云南省县域尺度的石漠化分布与区划 . 浙江农林大学学报, 2019, 36(5): 965-973. doi: 10.11833/j.issn.2095-0756.2019.05.016
    [10] 王万同, 王金霞, 付强.  基于遥感的中原城市群区域生态资产评价 . 浙江农林大学学报, 2018, 35(6): 1146-1154. doi: 10.11833/j.issn.2095-0756.2018.06.020
    [11] 张燕如, 梁丽壮, 牛树奎, 韩海荣.  山西省太岳山景观生态质量评价 . 浙江农林大学学报, 2016, 33(4): 599-604. doi: 10.11833/j.issn.2095-0756.2016.04.007
    [12] 吴林世, 曹福祥, 彭继庆, 曹基武, 徐永福, 董旭杰, 胥雯.  湘南石漠化地区植物群落物种多样性 . 浙江农林大学学报, 2016, 33(2): 239-246. doi: 10.11833/j.issn.2095-0756.2016.02.008
    [13] 朱铨.  基于“中国生态环境第一县”品牌的庆元旅游发展策略研究 . 浙江农林大学学报, 2012, 29(3): 435-439. doi: 10.11833/j.issn.2095-0756.2012.03.018
    [14] 韦新良.  乡村森林生态适宜性定量评价技术研究 . 浙江农林大学学报, 2009, 26(1): 1-6.
    [15] 马俊, 韦新良, 尤建林, 徐小军.  生态景观林树种选择定量研究 . 浙江农林大学学报, 2008, 25(5): 578-583.
    [16] 何莹, 韦新良, 蔡霞, 李可追, 王珍.  生态景观林群落结构定量分析 . 浙江农林大学学报, 2007, 24(6): 711-718.
    [17] 姜双林, 姜群华.  浅论中国农业生态环境的法治保障 . 浙江农林大学学报, 2005, 22(4): 438-442.
    [18] 王德炉, 朱守谦, 黄宝龙.  喀斯特石漠化内在影响因素分析 . 浙江农林大学学报, 2005, 22(3): 266-271.
    [19] 吴伟光, 王传昌.  森林生态环境价值评价研究进展 . 浙江农林大学学报, 2002, 19(4): 446-451.
    [20] 陆媛媛, 罗福裕.  遂昌县杉木幼林质量评价 . 浙江农林大学学报, 1993, 10(1): 113-114.

  • 期刊类型引用(4)

    1. 张泽宇，朱明喜，陈昊泽，刘明源，张紫微，郑威. 龙眼DlFNS蛋白的生物信息学分析. 分子植物育种. 2024(01): 61-67 . 百度学术
    2. 杨欣蓉，于旭东，吴繁花，蔡泽坪，罗佳佳，曹佩娜. 菠萝蜜BRI1家族成员生物信息学的预测与对比. 分子植物育种. 2021(01): 100-110 . 百度学术
    3. 宋丽娟，陈冬丽，李留振. 探究几种核桃花芽分化规律及分化时间. 天津农林科技. 2019(02): 37-38 . 百度学术
    4. 张云婷，江雷雨，叶云天，冯琛，孙勃，王小蓉，汤浩茹. 草莓FaCOP1的克隆及其表达特异性分析. 园艺学报. 2017(03): 547-556 . 百度学术

    其他类型引用(1)

  • 加载中
  • 链接本文:

    https://zlxb.zafu.edu.cn/article/doi/10.11833/j.issn.2095-0756.20210523

    https://zlxb.zafu.edu.cn/article/zjnldxxb/2022/4/783

WeChat 点击查看大图
表(9)
计量
  • 文章访问数:  525
  • HTML全文浏览量:  95
  • PDF下载量:  23
  • 被引次数: 5
出版历程
  • 收稿日期:  2021-07-28
  • 修回日期:  2022-02-28
  • 录用日期:  2022-03-03
  • 网络出版日期:  2022-07-20
  • 刊出日期:  2022-08-20

长江上游典型石漠化地区生态环境质量评价

doi: 10.11833/j.issn.2095-0756.20210523
  • 1. 西南林业大学 林学院，云南 昆明 650224
  • 2. 中国林业科学研究院 林业科技信息研究所，北京 100091
    • 基金项目:  云南省农业基础研究联合专项(2018FG001-065)；云南省科技厅应用基础研究计划项目(2018FD048)
    作者简介:

    周斯怡(ORCID: 0000-0001-7082-9795)，从事石漠化生态变化研究。E-mail: siyi-Zhou@outlook.com

    通信作者: 殷晓洁(ORCID: 0000-0003-1424-0112)，讲师，博士，从事石漠化生态系统变化、全球生态研究。E-mail: xjyinanne@163.com
  • 收稿日期: 2021-07-28
  • 录用日期: 2022-03-03
  • 修回日期: 2022-02-28
  • 网络出版日期: 2022-07-20
  • 刊出日期: 2022-08-20

  • 中图分类号: S719；S714.7

摘要:   目的  长江上游石漠化地区影响着整个长江流域的生态安全，在国家大力推行石漠化综合防治下，石漠化形势有明显缓解，但目前缺乏石漠化地区的生态环境质量评价方法，无法实时、定量地进行生态评价。  方法  以长江上游典型石漠化地区云南省会泽县2002、2010、2018年Landsat 5、Landsat 7、Landsat 8卫星影像数据为基础，划分研究区石漠化等级，利用遥感生态指数(RSEI)法对研究区生态环境质量进行定量评价与分析。  结果  ① 2002—2018年，会泽县石漠化状况整体明显改善，石漠化面积减少583.33 km2。②石漠化与生态环境质量呈显著正相关(r2 为0.688~0.873)，表明RSEI法评价石漠化地区生态环境质量效果较好。③ 2002、2010、2018年研究区遥感生态指数均值分别为0.458、0.490、0.488，生态环境质量整体表现为中等水平，16 a间生态环境质量优化面积占全县面积的27.42%，生态变差的地区面积占15.09%。④干度指标对遥感生态指数的贡献度不断增加，第一主成分载荷值由−0.029变为−0.622，是制约会泽县生态环境质量优化的重要因素。  结论  2002—2018年，会泽县石漠化状况得到明显改善，生态环境质量呈中等水平，干度是制约生态环境质量优化的重要因素。今后应着重石漠化严重地区的保护。表8参28

English Abstract

詹小豪, 王旭航, 叶诺楠, 等. 浙江建德典型天然次生林群落主要乔木树种空间分布格局及种间关系[J]. 浙江农林大学学报, 2021, 38(4): 659-670. DOI: 10.11833/j.issn.2095-0756.20200586
引用本文: 周斯怡, 殷晓洁, 汤瑞权, 等. 长江上游典型石漠化地区生态环境质量评价[J]. 浙江农林大学学报, 2022, 39(4): 783-791. DOI: 10.11833/j.issn.2095-0756.20210523
shu
ZHAN Xiaohao, WANG Xuhang, YE Nuonan, et al. Spatial distribution patterns and interspecific relationship of dominant tree species in the tree layer of typical natural secondary forest communities in Jiande, Zhejiang Province[J]. Journal of Zhejiang A&F University, 2021, 38(4): 659-670. DOI: 10.11833/j.issn.2095-0756.20200586
Citation: ZHOU Siyi, YIN Xiaojie, TANG Ruiquan, et al. Evaluation of eco-environmental quality in typical rocky desertification areas in the upper reaches of the Yangtze River[J]. Journal of Zhejiang A&F University, 2022, 39(4): 783-791. DOI: 10.11833/j.issn.2095-0756.20210523
shu

    全文HTML

  • 西南石漠化、西北荒漠化和黄土地区水土流失并称为中国最严重的三大生态问题[1]，其中石漠化主要发生在中国的西南喀斯特区。这些地区本身土层较薄、涵养水源能力较差，加上不合理的人为活动，水土流失加剧、岩石出露加重、土地进一步退化[2]。位于长江上游的西南喀斯特区关乎整个长江流域的水安全、生物多样性安全，具有重要的生态屏障意义，而石漠化导致的当地生态系统功能退化，威胁了西南地区甚至整个长江流域的生态安全。因此，长江上游石漠化地区的生态环境问题是急需解决的重要议题。解决生态环境问题首先需要进行生态环境质量评价，进而分析具体情况找到解决方法。近年来，国内外研究学者针对生态环境质量评价进行了一系列研究[3-6]。自2013年徐秋涵[7]提出遥感生态指数(remote sensing ecological index，RSEI)以来，RSEI法已应用于城市、矿区、湿地、荒漠化和水土流失等地区的生态变化评价研究，在各类研究中均表现出很强的适用性[8-14]。使用RSEI法研究石漠化地区的生态环境质量，可为石漠化地区的定量化生态评价与监测提供借鉴，有助于及时调控人类活动的方向、强度、方式，对石漠化地区因地制宜的治理恢复有较强的指导意义。

    国家林业和草原局第3次石漠化监测报告表明：目前中国石漠化主要涉及8个省份，集中分布在贵州、云南、广西3省(自治区)[15]。云南省曲靖市地处珠江和长江上游，是长江、珠江水系的分水岭，生态区位十分重要。本研究以长江上游典型石漠化地区曲靖市会泽县为研究区，基于2002、2010、2018年遥感影像数据，采用RSEI法监测与评价研究区生态变化，结合不同等级石漠化空间分布数据，分析各等级石漠化地区的生态环境质量，以期为石漠化地区的定量化生态评价提供方法借鉴，为研究区石漠化治理和恢复生态环境提供数据支持。

    • 1.   研究区概况与研究方法

      1.1.   研究区概况

    • 云南省曲靖市会泽县(25°48′~27°04′N，103°03′~103°55′E)位于云南省东北部、金沙江东岸、曲靖市西北部，是石漠化综合治理试点县和石漠化重点监测县。全县地势西高东低，由西向东阶梯状递减，平均海拔为2 220 m。立体气候分布明显，同时存在温带高原季风气候和南亚热带气候至寒温带气候，年平均气温为12.7 ℃，年降水量为800 mm。境内植被以亚高山灌丛、草甸、阔叶类混交林、亚热带稀树草原旱生植被为主。县境内碳酸盐岩分布广泛，多为灰岩和白云岩，为典型的喀斯特山区。

      • 1.2.   数据源及预处理

    • 遥感数据为2002年2月25日Landsat-7 ETM+、2010年2月7日Landsat-5 TM、2018年3月1日Landsat-8 OLI_TIRS等卫星影像数据。数字高程模型数据来自于地理空间数据云(http://www.gscloud.cn)。云南省地质图来自于中国科学院地球化学研究所(http://www.gyig.cas.cn/)的喀斯特数据中心。对原始影像进行辐射校正、大气校正、几何校正等预处理，结合行政区划矢量数据拼接影像并裁剪出研究区。

      • 1.3.   石漠化分级

    • 基于植被覆盖度(VF)、岩石裸露率(RB)、坡度(s)等3个指标，通过综合分析法构建石漠化遥感监测指标体系[16-18]。计算归一化植被指数、归一化岩石指数，并采用像元二分模型分别计算植被覆盖度和岩石裸露率。按照表1分别对植被覆盖度、岩石裸露率、坡度赋值，依据公式计算石漠化综合指标(IR)：IR=0.4VF+0.4RB+0.2s。采用决策树分类法划分石漠化等级：0≤IR≤1为无石漠化、1＜IR≤2为潜在石漠化、2＜IR≤4为轻度石漠化、4＜IR≤6为中度石漠化、6＜IR≤8为强度石漠化、8＜IR≤10为极强度石漠化[18]。依据云南省地质图剔除非喀斯特区，得到石漠化等级分布图。

      表 1  石漠化分级指标赋值

      Table 1.  Assignment of rocky desertification classification index

      赋值分级指标赋值分级指标
      植被覆盖度岩石裸露率坡度/(°)植被覆盖度岩石裸露率坡度/(°)
      00.70~1.000.0~0.30~1560.25~0.500.5~0.722~25
      20.60~0.700.3~0.415~1880.10~0.250.7~0.825~30
      40.50~0.600.4~0.518~22100.00~0.100.8~1.030~90

      • 1.4.   遥感生态指数

    • 采用遥感生态指数(IRSE)进行生态环境质量评价[7]，该指数耦合了绿度、湿度、干度、热度4个指标，分别用归一化植被指数、湿度分量、建筑裸土指数、地表温度表示，通过主成分分析评价当地生态环境。

      • 1.4.1.   绿度指标

    • 植被状况是生态环境质量评价的重要方面。归一化植被指数(INDV)作为应用最广的植被指数，能够很好地反映土地上的植被覆盖状况[19]。计算公式为：INDV=(ρNIR−ρR)/(ρNIR+ρR)。其中：ρNIR和ρR分别为卫星影像数据的近红外和红外波段的反射率。

      • 1.4.2.   湿度指标

    • 缨帽变换得到的第三分量(湿度分量)与植被湿度、土壤湿度紧密相关[20]。利用湿度分量(W)代表湿度指标，计算公式为：W=C1ρB+C2ρG+C3ρR+C4ρNIR+C5ρSWIR1+C6ρSWIR2。其中：ρB、ρG、ρR、ρNIR、ρSWIR1、ρSWIR2分别为卫星影像数据的蓝波段、绿波段、红波段、近红外波段、短波红外1波段、短波红外2波段的反射率。C1~C6为湿度分量的计算系数，对于TM[21]，C1=0.031 5，C2=0.202 1，C3=0.310 2，C4=0.159 4，C5 =−0.680 6，C6=−0.610 9；对于ETM+[22]，C1=0.262 6，C2=0.214 1，C3=0.092 6，C4=0.065 6，C5=−0.762 9，C6=−0.538 8；对于OLI[23]，C1 =0.151 1，C2=0.197 3，C3=0.328 3，C4=0.340 7，C5 =−0.711 7，C6 =−0.455 9。

      • 1.4.3.   干度指标

    • 研究区存在大量石漠化裸土地区，因此干度指标以裸土指数(IS)与建筑指数(IIB)的均值表示，记为建筑裸土指数(INDBS)[24-25]。干度指标对生态环境质量起负面作用。计算公式为：

      $$ I_{\mathrm{S}}=\left[\left(\rho_{\mathrm{SWIR} 1}+\rho_{\mathrm{R}}\right)-\left(\rho_{\mathrm{NIR}}+\rho_{\mathrm{B}}\right)\right] /\left[\left(\rho_{\mathrm{SWIR} 1}+\rho_{\mathrm{R}}\right)+\left(\rho_{\mathrm{NIR}}+\rho_{\mathrm{B}}\right)\right]; $$
      $$ I_{\mathrm{IB}}=\frac{\left[2 \rho_{\mathrm{SWIR} 1} /\left(\rho_{\mathrm{SWIR} 1}+\rho_{\mathrm{NIR}}\right)-\rho_{\mathrm{NIR}} /\left(\rho_{\mathrm{NIR}}+\rho_{\mathrm{R}}\right)-\rho_{\mathrm{G}} / \left(\rho_{\mathrm{G}}+\rho_{\mathrm{SWIR} 1}\right)\right]} {\left[2 \rho_{\mathrm{SWIR} 1} /\left(\rho_{\mathrm{SWIR} 1}+\rho_{\mathrm{NIR}}\right)+\rho_{\mathrm{NIR}} /\left(\rho_{\mathrm{NIR}}+\rho_{\mathrm{R}}\right)+\rho_{\mathrm{G}} /\left(\rho_{\mathrm{G}}+\rho_{\mathrm{SWIR} 1}\right)\right]}; $$
      $$ I_{\mathrm{NDBS}}=\left(I_{\mathrm{S}}+I_{\mathrm{IB}}\right) / 2。 $$
      • 1.4.4.   热度指标

    • 地表温度与植被的生长发育、城市热岛效应等密切相关，因此本研究采用地表温度表示热度指标。热度指标对生态环境质量起负面作用。地表温度的反演采用大气校正法[26]。把卫星传感器接收的辐射亮度Lλ 分为大气向上辐射亮度L↑、地面的真实辐射亮度经过大气层之后到达卫星传感器的能量、大气向下辐射到达地面后反射的能量L↓，得到公式：

      $$ L_{\lambda }=\left[\varepsilon B\left(T_{\mathrm{S}}\right)+(1-\varepsilon) L_{\downarrow}\right] \tau+L^{\uparrow}。 $$

      其中：ε为地表比辐射率；TS卫星传感器处的辐射亮度值；B(TS)为TS下的黑体辐射亮度值；τ为大气在热红外波段的透过率。黑体辐射亮度B(TS)的计算公式为：

      $$ B\left(T_{\mathrm{S}}\right)=\left[L_{\lambda}-L^{\uparrow}-\tau (1-\varepsilon) L_{\downarrow}\right] / \tau \varepsilon 。$$

      地表比辐射率(ε)的计算公式根据植被覆盖度(Fv)分为水体、城镇、自然3部分[27]，εwater为水体地表比辐射率；εbuilding为城镇地表比辐射率；εnatural为自然地表比辐射率。

      $$ \begin{split} &\varepsilon_{\mathrm{water}}=0.995 \; 0,\quad I_{\mathrm{NDV}} \leqslant 0; \\ &\varepsilon_{\text {building }}=0.958 \;9+0.086\; 0 F_{\mathrm{v}}-0.067\; 1 F_{\mathrm{v}}^{2}, \quad 0＜I_{\mathrm{NDV}}＜0.7;\\ & \varepsilon_{\text {natural }}=0.962 \; 5+0.061 \; 4 F_{\mathrm{v}}-0.046\; 1 F_{\mathrm{v}}^{2}, \quad I_{\mathrm{NDV}} \geqslant 0.7。 \end{split}$$

      地表真实温度(TLS)通过普朗克公式求得：

      $$ T_{\mathrm{LS}}=K_{2} / \ln \left[K_{1} / B\left(T_{\mathrm{S}}\right)+1\right]。 $$

      其中：K1、K2分别为定标参数。对于TM数据，K1=607.76 W·m−2·sr−1·μm−1，K2=1 260.56 K；对于ETM+数据，K1=666.09 W·m−2·sr−1·μm−1、K2 = 1 282.71 K；对于TIRS band10数据，K1=774.89 W·m−2·sr−1·μm−1、K2=1 321.08 K。

      • 1.4.5.   遥感生态指数的构建

    • 分别将绿度、湿度、干度、热度4个生态指标正规化，减少因数值大小不同带来的影响，使其值位于[0，1]。采用主成分变换分析集合4个指标的新影像，计算得到第一主成分载荷值(PC1)及相关统计结果。为了便于结果的对比分析，用1−PC1，获得初始遥感生态指数IRSE0，并将其正规化得到遥感生态指数IRSE。IRSE值越大，生态环境质量越好，反之越差。即：

      $$ \begin{split} \;&I_{\mathrm{RSE} 0}= 1-\left\{P_{{C} 1} \;\left[f\left(I_{\mathrm{NDV}},\; W, \; I_{\mathrm{NDBS}},\; T_{\mathrm{LS}}\right)\right]\right\};\\ \;&I_{\mathrm{RSE}}=\left(I_{\mathrm{RSE} 0}-I_{\mathrm{RSE} 0\_\min }\right) /\left(I_{\mathrm{RSE} 0\_ \max} -I_{\mathrm{RSE} 0\_ \min }\right)。 \end{split} $$

      以0.2为间隔将IRSE划分为5个区间[7]，分别代表生态环境质量差(0~0.2)、较差(0.2~0.4)、中等(0.4~0.6)、良好(0.6~0.8)、优(0.8~1.0)。

      • 1.5.   石漠化与生态环境质量的相关性

    • 使用ArcGIS对会泽县进行均匀采样(1 km×1 km)，去除非喀斯特地区后，共得到 2 366个采样点，获得对应点位的IR与IRSE。为使石漠化综合指标大的值代表石漠化程度较低地区，对IR进行归一化，用1减去归一化后的IR，得到转换后的石漠化综合指标(IR0)，对IR0与IRSE进行相关性分析。

    2.   结果分析

      2.1.   石漠化状况分析

    • 由表2可知：2002—2018年，研究区已石漠化地区(极强度、强度、中度、轻度石漠化)面积减少了583.33 km2，占全域面积的24.57%；无石漠化、潜在石漠化面积增加，轻度石漠化面积减少，中度、强度、极强度石漠化面积先增加后减少，研究区内石漠化程度整体得到改善。具体来看，2002—2010年，已石漠化地区面积总体减少了253.22 km2，主要为轻度石漠化面积减少(432.73 km2) ，年均降率为8.58%。2010—2018年，无石漠化面积显著增加，达284.48 km2，年均增率为10.13%；极强度石漠化面积减少了28.38 km2，年均降率为8.23%。

      表 2  会泽县2002—2018年石漠化面积变化

      Table 2.  Area dynamics of different grade rocky desertification in rocky desertification of Huize Country

      石漠化等级面积/km2面积变化/km2年均增长/%
      2002201020182002—20102010—20182002—20182002—20102010—20182002—2018年
      极强度石漠化50.7857.1228.746.34−28.38−22.041.48−8.23−6.87
      强度石漠化　535.23578.16462.1642.93−116.00−73.070.97−2.76−1.82
      中度石漠化　669.23799.47679.75130.24−119.7210.522.25−2.010.20
      轻度石漠化　844.86412.13346.12−432.73−66.01−498.74−8.58−2.16−10.56
      潜在石漠化　170.52282.77328.40112.2545.63157.886.531.898.54
      无石漠化　　103.47244.44528.92140.97284.48425.4511.3410.1322.62

      • 2.2.   生态环境质量总体评价

    • 2002—2018年研究区IRSE均值变化幅度不大，整体呈上升趋势，生态环境质量总体呈中等水平(表3)。16 a间生态等级为优和差的地区均有增加。与2012年相比，2018年研究区IRSE略有所下降，其中绿度指标、湿度指标均为正值，提示此两者对生态环境起到了积极的作用；干度指标、热度指标均为负值，提示此两者对环境起到了消极作用。同时，2002、2010年绿度、湿度的PC1之和大于干度、热度PC1之和的绝对值，表明绿度、湿度对生态环境的改善作用强于干度、热度的负面作用。2018年绿度、湿度的PC1之和小于干度、热度PC1之和的绝对值，表明干度、热度的负面作用强于绿度、湿度的改善作用。16 a间，负面作用的加强主要来自于干度指标，其PC1由−0.029变为−0.622。

      表 3  不同年份研究区生态指标及载荷

      Table 3.  Ecological indicators and loading scores in different years

      年份绿度湿度干度热度遥感生态指数
      均值±标准差PC1均值±标准差PC1均值±标准差PC1均值±标准差PC1
      20020.680±0.0920.3870.484±0.1020.6080.569±0.010−0.0290.495±0.112−0.6930.458±0.127
      20100.696±0.0870.3110.541±0.1460.6980.710±0.086−0.3480.498±0.125−0.5440.490±0.136
      20180.719±0.0950.4270.585±0.0790.3610.601±0.123−0.6220.462±0.124−0.5480.488±0.171

      对不同年份不同生态环境等级地区进行面积统计(表4)可知：16 a间研究区生态环境恶化与优化并存，中等、较差和良好等级地区占比之和均超过了90%，但区域等级异动较大，优和差等级比例不断提高。其中，中等生态等级面积占比始终最高，但逐年来呈减少趋势，16 a间降率达14.53%。较差及以下等级面积先减少后增加，但整体变化幅度不大。良好及优等级面积增加，增幅达12.92%。由表5可知：2018年，生态等级为差的区域主要分布在迤车镇、马路乡、火红乡、矿山镇、者海镇、大井镇、娜姑镇、大海乡，优等级主要分布在老厂乡、五星乡、金钟镇、新街回族乡、待补镇、鲁纳乡。

      表 4  2002—2018年研究区生态评价等级面积

      Table 4.  Area of leveled ecological assessment in the study area from 2002 to 2018

      生态环境
      质量等级      		200220102018年
      面积/km2占比/%面积/km2占比/%面积/km2占比/%
      差　79.951.3768.341.17102.091.74
      较差1 943.5433.201 552.2926.522 015.8234.44
      中等2 970.3250.742 855.3748.772 119.9036.21
      良好841.5314.371 360.4923.241 368.8723.38
      优　18.690.3217.540.30247.354.23

      表 5  研究区各乡镇2018年生态评价等级面积

      Table 5.  Leveled ecological assessment area of each town in 2018

      乡镇各等级面积/km2乡镇各等级面积/km2
      差较差中等良好优差较差中等良好优
      金钟镇　　5.83156.34200.83153.6045.70架车乡1.22118.83107.6751.388.84
      待补镇　　2.9290.38117.22100.6226.36纸厂乡0.7427.5039.9722.788.58
      老厂乡　　0.9833.1370.3740.4021.61者海镇6.41117.84120.26116.917.31
      新街回族乡1.0555.99103.2394.6519.10上村乡0.7757.07109.5798.155.61
      五星乡　　1.1580.3163.5047.0816.03雨碌乡2.6272.1693.8264.035.17
      娜姑镇　　6.06133.4779.7025.7013.00火红乡9.72121.3490.2642.374.99
      迤车镇　　15.52203.46154.6276.3611.38乐业镇4.68143.64141.6668.863.60
      大桥乡　　2.0268.5678.7456.3711.19田坝乡0.62105.33142.8579.652.63
      大海乡　　10.71143.69106.5135.1910.28马路乡12.9275.8169.6331.392.11
      鲁纳乡　　0.4833.9462.6171.4413.36大井镇6.0386.6899.2848.801.19
      矿山镇　　9.6490.3567.6043.149.31

      • 2.3.   生态环境质量动态监测

      2.3.1.   会泽县生态状况变化总体分析

    • 基于遥感生态指数的5个等级，对会泽县2002和2018年遥感生态指数进行差值变化检测，按照级差符号的正、0、负依次归为生态变好、不变、变差。由表6可知： 2002—2018年，研究区生态环境质量等级变好面积为1 605.37 km2，占全域面积的27.42%；生态变差地区面积为883.58 km2，占全域面积的15.09%，可见研究区生态环境总体呈变好趋势。由表7可知：生态环境质量等级变好地区主要分布在老厂乡、五星乡、金钟镇、新街回族乡、待补镇、纳鲁乡、上村乡、架车乡、田坝乡等地。这些乡镇海拔较高，人类活动相对较少，全县范围内大力实施生态环境保护，如天然林保护、公益林补植补造、石漠化治理等，使得生态环境得到了极大改善[28]。生态环境质量等级变差地区主要分布在研究区东北部及西南部等地势较平坦的乡镇，包括纸厂乡、迤车镇、马路乡、火红乡、乐业镇、矿山镇、者海镇、大井镇、娜姑镇、大海乡。这些乡镇大力发展三大产业，国内生产总值猛增，城镇化发展迅速，建设用地激增，一定程度上影响了当地生态状况[28]。

      表 6  2002—2018年遥感生态指数变化

      Table 6.  Change of remote sensing ecological index in Huize Country from 2002 to 2018

      类别级差级面积/ km2类面积/km2类占比/%类别级差级面积/ km2类面积/km2类占比/%
      变好 4 0.04 1 605.37 27.42 不变 0 3 365.08 3 365.08 57.48
      3 5.53 变差 −1 877.95 883.58 15.09
      2 136.80 −2 5.63
      1 1 463.00 −3 0.01

      表 7  2002—2018年乡镇遥感生态指数变化的面积和占比

      Table 7.  Area and percentage change of each remote sensing ecological index level in each town from 2002 to 2018

      乡镇变好不变变差乡镇变好不变变差
      面积/km2占比/%面积/km2占比/%面积/km2占比/%面积/km2占比/%面积/km2占比/%面积/km2占比/%
      金钟镇　　206.4736.72309.4955.0446.348.24架车乡97.8533.98169.0758.7221.027.30
      待补镇　　136.3240.39170.6050.5530.589.06纸厂乡17.3817.4658.6458.8923.5523.65
      老厂乡　　62.8737.7691.4254.9112.207.33者海镇113.0530.66196.0753.1759.6116.17
      新街回族乡113.8841.56141.2151.5318.936.91上村乡97.0935.81154.5556.9919.537.20
      五星乡　　76.9636.99106.1050.9925.0112.02雨碌乡72.5430.50138.0958.0727.1711.43
      娜姑镇　　40.8315.83166.9164.7150.1919.46火红乡37.1013.81169.2262.9862.3623.21
      迤车镇　　62.6613.58258.8956.12139.7930.30乐业镇64.8317.89218.0860.1779.5321.94
      大桥乡　　69.9932.27121.8656.1925.0311.54田坝乡112.0733.85199.0760.1319.946.02
      大海乡　　58.6619.15190.7462.2556.9818.60马路乡19.6410.24115.0459.9657.1829.80
      鲁纳乡　　71.2339.1799.0554.4811.556.35大井镇25.0310.34161.4166.7155.5422.95
      矿山镇　　48.9222.23129.5758.8941.5518.88
      • 2.3.2.   不同等级石漠化地区生态状况变化

    • 由表8可知：极强度石漠化地区，生态环境质量总体较差，强度、中度石漠化地区遥感生态指数等级以较差、中等为主，轻度、潜在石漠化地区等级主要表现为中等、良好，无石漠化地区，生态环境质量主要为良好，而非喀斯特地区，较差、中等、良好等级的占比均较大。可见石漠化与生态环境之间存在一定相关性。2002—2018年，无、潜在、轻度石漠化地区，生态环境均明显好转。其中，无石漠化和潜在石漠化地区，生态环境主要由中等、良好转为良好、优；轻度石漠化地区，生态环境主要由较差、中等、良好转为中等、良好。反之，强度、极强度石漠化地区生态环境质量逐步变差。其中，极强度石漠化地区，生态环境质量为差等级的面积增率达28.11%。这可能与干旱有关。16 a间研究区干度指标 的PC1由−0.029变为−0.622，而湿度指标PC1由0.608下降为0.361 (表3)，均对IRSE产生负面作用，从而表现为以强度、极强度石漠化为代表的干旱地区生态环境质量恶化。因此，在生产建设、生态环境恢复中，应进一步注意石漠化严重地区的保护，减少人为破坏干扰。

      表 8  不同石漠化等级下研究区遥感生态指数变化

      Table 8.  Remote sensing ecological index changes under different rocky desertification grades in the study area

      年份等级极强度石漠化强度石漠化中度石漠化轻度石漠化
      面积/km2占比/%面积/km2占比/%面积/km2占比/%面积/km2占比/%
      2002 差　 2.97 5.85 9.72 1.82 2.92 0.44 1.34 0.16
      较差 34.32 67.59 277.76 51.90 228.80 34.19 145.61 17.23
      中等 11.61 22.86 207.10 38.69 341.36 51.01 491.45 58.17
      良好 1.80 3.54 39.99 7.47 94.17 14.07 202.98 24.03
      优　 0.08 0.16 0.66 0.12 1.98 0.29 3.48 0.41
      2010 差　 10.81 18.93 9.36 1.62 0.15 0.02 0.00 0.00
      较差 36.32 63.59 303.82 52.55 171.90 21.50 2.51 0.61
      中等 8.85 15.49 212.10 36.69 518.79 64.89 225.13 54.62
      良好 1.14 1.99 52.85 9.14 108.43 13.56 183.63 44.56
      优　 0.00 0.00 0.03 0.00 0.20 0.03 0.86 0.21
      2018 差　 9.76 33.96 24.58 5.32 0.86 0.13 0.00 0.00
      较差 14.24 49.55 290.26 62.80 276.22 40.63 5.85 1.69
      中等 4.70 16.35 135.33 29.28 346.45 50.97 202.41 58.48
      良好 0.04 0.14 11.86 2.57 55.77 8.20 134.79 38.94
      优　 0.00 0.00 0.13 0.03 0.45 0.07 3.07 0.89
      年份 等级 潜在石漠化 无石漠化 非喀斯特
      面积/km2 占比/% 面积 /km2 占比/% 面积/km2 占比/%
      2002 差　 0.03 0.02 0.06 0.06 57.74 1.65
      较差 10.64 6.24 7.19 6.95 1 256.30 35.76
      中等 83.47 48.95 43.87 42.40 1 817.59 51.74
      良好 74.91 43.93 51.85 50.11 376.65 10.72
      优　 1.47 0.86 0.50 0.48 4.56 0.13
      2010 差　 0.00 0.00 0.00 0.00 44.10 1.26
      较差 0.13 0.04 0.05 0.02 1 047.88 29.83
      中等 72.58 25.67 29.50 12.07 1 812.34 51.59
      良好 203.67 72.03 213.76 87.45 604.67 17.21
      优　 6.39 2.26 1.13 0.46 3.85 0.11
      2018 差　 0.00 0.00 0.00 0.00 63.18 1.80
      较差 0.35 0.11 0.66 0.12 1 443.74 41.10
      中等 47.96 14.60 58.44 11.05 1 342.83 38.22
      良好 217.78 66.32 386.57 73.09 568.28 16.18
      优　 62.31 18.97 83.25 15.74 94.81 2.70

      分别计算2002、2010、2018年转换后IR0与IRSE的相关性系数可知：2002年两者相关性系数为0.688，2010年为0.750，2018年为0.873，3期均在0.01水平上显著相关。可见，生态环境质量与石漠化之间存在正相关，随着石漠化改善，生态环境质量逐渐向好，即通过RSEI法进行石漠化地区生态环境质量评价具有很好的效果。

    3.   结论

    • 本研究基于2002—2018年Landsat 5、 Landsat 7、Landsat 8卫星影像数据，划分会泽县石漠化等级，并利用遥感生态指数法定量评价会泽县生态环境质量。结果表明：①会泽县石漠化状况整体得到改善，已石漠化地区总面积减少了583.33 km2，其中，轻度石漠化地区面积减少432.73 km2。②干度指标的载荷值绝对值不断增大，PC1载荷值由−0.029变为−0.622，对IRSE的贡献度不断增加，主要为地势平坦地区的城镇化建设用地增加，成为制约会泽县生态环境质量优化的重要因素。③ 2002、2010、2018年遥感生态指数均值分别为0.458、0.490、0.488，生态环境质量整体表现为中等，生态环境呈优化趋势。④会泽县内生态环境质量优化面积占总面积的27.42%，主要分布在老厂乡、五星乡、金钟镇、新街回族乡、待补镇、纳鲁乡、上村乡、架车乡、田坝乡；生态环境质量变差地区面积占总面积的15.09%，分布在纸厂乡、迤车镇、马路乡、火红乡、乐业镇、矿山镇、者海镇、大井镇、娜姑镇、大海乡。⑤石漠化与生态环境质量呈显著正相关，相关性指数为0.688~0.873，表明通过遥感生态指数法评价长江上游典型石漠化地区的生态环境质量效果较好。

参考文献 (28)

目录

  • 全文HTML

  • 1.   研究区概况与研究方法

  • 1.1.   研究区概况

  • 1.2.   数据源及预处理

  • 1.3.   石漠化分级

  • 1.4.   遥感生态指数

  • 1.4.1.   绿度指标
  • 1.4.2.   湿度指标
  • 1.4.3.   干度指标
  • 1.4.4.   热度指标
  • 1.4.5.   遥感生态指数的构建

  • 1.5.   石漠化与生态环境质量的相关性

  • 2.   结果分析

  • 2.1.   石漠化状况分析

  • 2.2.   生态环境质量总体评价

  • 2.3.   生态环境质量动态监测

  • 2.3.1.   会泽县生态状况变化总体分析
  • 2.3.2.   不同等级石漠化地区生态状况变化
  • 3.   结论

/

返回文章
返回

浙ICP备11046845号

版权所有 © 2019 《浙江农林大学学报》编辑部

地址: 浙江省杭州市临安区武肃街666号 邮编: 311300 电话: 0571-63732749

E-Mail: :zlxb@zafu.edu.cn

本系统由 北京仁和汇智信息技术有限公司 开发 技术支持： info@rhhz.net   百度统计