下载:
-
城镇化进程的加快和建设用地的快速扩张，导致城镇区域土地利用结构发生了巨大变化，人地矛盾日益突出，造成植被破坏、水土流失和土地荒漠化等一系列生态问题。如何正确认识土地利用变化对城镇区域生态环境的影响，是国内外研究的一个重要课题。目前有关土地利用变化的生态效应研究多集中于大气环境[1]、水体[2]、土壤[3]等自然环境方面，多采用生态系统服务价值(ESV)[4]、景观生态指数[5-6]、生态环境质量指数(EV)[7]等方法。已有研究发现：快速城镇化导致的土地利用变化会引起水环境恶化、土壤质量改变、植被严重退化等生态环境问题[8−9]；造林绿化和生态修复能降低景观破碎化程度，提高生境质量[10]；人工湖泊、湿地公园的增多会降低陆地生态服务功能，增加湿地生态服务功能[11]。当前研究多集中在传统的城镇化扩张对景观格局和生态效应的影响，对于少数新型化城镇建设中土地利用的转变和生态质量影响的研究并不多见。
雄安新区是承载着“千年大计、国家大事”的创新型城市，始终坚持生态优先、绿色发展的理念，遵循“先植绿、后建城”的建设思路，将森林作为新区有生命的基础设施，设计伴随城市生长的复层、异龄、混交的“千年秀林”，最大限度降低城市建设和发展中建筑不透水面取代地表原有的自然生态系统而形成的生态环境压力。雄安新区城镇化扩张和绿色基底“千年秀林”的建设综合影响着新区的生态环境质量，因此，科学客观地开展生态质量监测评估、评价基础设施建设对生态质量的影响，可为雄安新区后期生态建设和城市管理提供重要依据。本研究以雄安新区3个县为研究区，基于2000、2017和2020年3期土地利用数据，利用遥感生态指数(remote sensing ecological index，RSEI)模型评价生态质量的时空变化特征，剖析土地利用变化对生态质量的影响，揭示土地利用变化的生态效应，以期为优化雄安新区土地利用管理、保护生态环境提供理论支撑。
-
雄安新区地处北京、天津、保定腹地，包括容城、雄县、安新3个县及其周边部分区域，总面积为1 770.00 km2，38°43′~39°10′N、115°38′~116°20′E，四季分明，夏季高温多雨，冬季寒冷干燥，年均气温为12.4 ℃，年均降水量为495.1 mm，属于典型的暖温带季风型半湿润半干旱气候。地处太行山东麓冲洪积平原前缘地带，全境地势西北高，东南低，海拔5~26 m，为缓倾平原，土层深厚，地势开阔。由于白洋淀水域面积较大且影响评价效果，所以本研究剔除雄安新区周边水域，研究区总面积为1 571.69 km2 (图1)。
图 1 雄安新区研究区2020年 Landsat OLI/TIRS 影像示意图
Figure 1. Sketch map of three counties of Xiong’an New Area
-
影像数据来源于地理空间数据云网站(www.gscloud.cn)，参照前人的研究结论[12−13]，4月中下旬至5月上旬为研究区冬小麦Triticum aestivum的拔节生长期，该阶段小麦在遥感影像上表现为“绿地”，且林木在此期间开始展叶生长，因此选取2000年4月22日、2017年5月7日(OLI/TIRS)和2020年4月29日(OLI/TIRS) Landsat遥感影像作为耕地及林地信息提取的数据源，且云量较低(低于10%)，质量完好，空间分辨率为30 m。由于地表反射率会受到光照与大气因素的影响，不同时相的影像存在地形上的变化差异，因此，在计算各分量指标前，需要对这3期影像进行辐射定标[14]、大气校正等预处理。为消除因大气吸收和散射造成的辐射误差，利用FLAASH模型进行大气校正[15]，最后利用雄安新区行政区划矢量数据裁剪出研究区预处理后的影像。
-
参照文献[16]，基于ENVI 5.3平台，采用最大似然法监督分类方法，将研究区土地利用类型分为未利用地、耕地、林地、建设用地和水域等5类。采用误差矩阵精度评价法，利用谷歌地球(Google Earth)高分辨率影像对分类结果进行检验，3期影像监督分类结果总体精度分别为91.26%、90.89%和92.14%，Kappa系数分别为0.84、0.81和0.85，分类效果较好，精度满足研究需求。
-
利用2000、2017和2020年Landsat遥感影像数据，提取湿度分量(WET)、归一化植被指数(NDVI)、地表温度(LST)和归一化建筑-裸土指数(NDSI)，分别代表湿度、绿度、热度和干度指标，构建遥感生态指数(RSEI)，具体方法参照文献[17−21]，并以像元作为评价单元，对雄安新区生态质量变化状况进行评价分析。运用等间距分级方法，将生态质量指数(RSEI)划分为5个等级，即[0, 0.2)、[0.2, 0.4)、[0.4, 0.6)、[0.6, 0.8)和[0.8, 1.0]，分别对应生态质量差、较差、中等、良和优。
-
为揭示雄安新区土地利用变化与生态质量之间时空变化的定量关系，基于ArcGIS 10.4的Fishnet工具，将研究区按1 km×1 km的大小划分网格，剔除边缘的碎小网格后共1 455个网格，利用分区统计功能统计各网格的信息，具体公式参照文献[22]，如下：RLij=ALUij/AGj×100%；RAIj=AEIj/AGj×100%；RADj=AEDj/AGj×100%。其中，RLij为第j个网格内第i种土地利用类型转移方式占网格面积的比例；ALUij为第j个网格内第i种土地利用类型转移方式面积；RAIj(RADj)为第j个网格内生态质量改善(退化)面积占网格面积的比例；AEIj(AEDj)为第j个网格内生态质量改善(退化)面积；AGj为第j个网格的面积。
运用SPSS 21的相关与回归分析方法，分析显著影响雄安新区生态质量改善(退化)的土地利用转移方式，进而拟合两者之间的关系，RAI=f(RLm)或RAD=f(RLn)，揭示土地利用变化的生态质量响应与生态效应。
-
由图2和表1可见：2000—2017年，雄安新区土地利用变化主要为建设用地和未利用地2类用地面积增加，林地、水域和耕地3类用地面积减少，呈“两增三减”的特征，其中2017年大量耕地调整为未利用地进入后期建设规划，未利用地新增326.30 km2，城镇化扩张也增加了建设用地的面积(46.85 km2)。由于新区规划建设和前期城镇化发展，耕地减少最多(354.15 km2)。随着新区规划建设的快速推进，2017—2020年间新区林地(249.23 km2)、水域(23.22 km2)面积快速增多，未利用地则快速减少(268.66 km2)，该阶段林地和水域面积的增加大多与可持续发展，重视生态环境保护，建设千年秀林，南水北调、引黄济淀等水利工程措施保持白洋淀湖体水量有关[23−24]。
图 2 雄安新区2000、2017和2020年土地利用类型空间分布示意图
Figure 2. Spatial distribution map of land use types of Xiong’an New Area in 2000, 2017 and 2020
表 1 雄安新区2000—2020年土地利用面积变化特征
Table 1. Characteristics of land use area change in Xiong’an New Area from 2000 to 2020
土地利用类型 土地面积/km2 土地面积变化量/km2 2000年 2017年 2020年 2000—2017年 2017—2020年 林地 64.70 45.85 295.08 −18.85 249.23 水域 27.48 27.33 50.55 −0.15 23.22 耕地 1 143.04 788.89 771.45 −354.15 −17.44 建设用地 327.09 373.94 387.59 46.85 13.65 未利用地 9.38 335.68 67.02 326.30 −268.66 -
从表2可以看出：PC1中WET、NDVI为正影响指标，LST、NDSI为负影响指标，且各指标对PC1的贡献度表现为NDVI大于WET，NDSI大于LST，表明NDVI和NDSI对雄安新区生态质量的影响较大。此外，WET和NDVI均值呈先下降后上升的趋势，LST和NDSI均值呈先上升后下降的趋势；RSEI由2000年的0.62下降至2017年的0.57，降幅为8.06%，由2017年的0.57上升至2020年的0.59，增幅为3.5%，表明2000—2020年雄安新区生态质量总体呈先下降后上升的趋势。
表 2 雄安新区遥感生态指数主成分分析结果及各指标均值标准差统计结果
Table 2. Principal component analysis of remote sensing ecological index in Xiong’an New Area
指标 PC1 PC2 PC3 PC4 2000年 2017年 2020年 均值±标准差 均值±标准差 均值±标准差 WET 0.51 0.47 −0.52 0.51 0.88±0.04 0.58±0.23 0.67±0.11 NDVI 0.52 −0.02 0.79 0.32 0.65±0.14 0.55±0.26 0.63±0.21 LST −0.42 0.85 0.31 −0.05 0.82±0.13 0.84±0.21 0.57±0.41 NDSI −0.55 −0.24 0.04 0.81 0.25±0.18 0.53±0.22 0.43±0.16 RSEI 0.62±0.14 0.57±0.23 0.59±0.21 说明：WET为湿度分量，NDVI为归一化植被指数，LST为地表温度，NDSI为归一化建筑-裸土指数，RSEI为遥感生态指数。PC1~PC4为主成分1~4。 进一步分析不同生态质量等级的变化情况可以看出(图3和表3)，2000年生态质量以优为主(55.53%)，其次是良(26.19%)；2017年以较差为主(30.44%)，其次为中等(25.20%)，大部分位于雄县；而2020年生态质量差的面积占比仅为0.62%，主要位于容城县。其生态质量的优劣与土地利用使用的结构模式相一致。
图 3 雄安新区2000—2020年生态质量等级分布示意图
Figure 3. Distribution of Ecological Quality Grade of Xiong’an New Area from 2000 to 2020
表 3 2000—2020年雄安新区生态质量等级面积统计
Table 3. Area statistics of ecological quality grades from 2000 to 2020 in Xiong’an New Area
RSEI等级 2000年 2017年 2020年 面积/km2 百分比/% 面积/km2 百分比/% 面积/km2 百分比/% 差 11.83 0.77 19.59 1.34 9.43 0.62 较差 105.02 6.84 445.04 30.44 388.73 25.54 中等 163.89 10.67 368.33 25.20 336.85 22.14 良 402.33 26.19 275.44 18.84 419.68 27.58 优 853.05 55.53 353.47 24.18 367.10 24.12 2000—2017年，雄安新区生态退化面积最多(845.00 km2)，极少区域生态质量改善(142.62 km2)，且主要分布在安新县，在空间上呈“总体退化、局部改善”的特征。2017—2020年，新区生态未改变面积最多(647.57 km2)，且生态改善面积有所增加(473.44 km2)，表明该研究区总体生态质量在这3 a基本维持稳定且有好转趋势。生态质量改善的区域主要分布于雄县，与“千年秀林”的建设有明显关系。该阶段雄安新区更加重视生态保护，生态质量相应改善。
-
由图4和表4可见：2000—2017年雄安新区生态质量改善面积比例(RAI)与建设用地转耕地面积比(RLca)呈极显著正相关(R=0.558，P＜0.001)，与林地转耕地面积比(RLwa)呈极显著正相关(R=0.614，P＜0.001)；2017—2020年RAI与未利用地转耕地面积比(RLua)呈极显著正相关(R=0.753，P＜0.001)，与未利用地转林地面积比(RLuw)呈极显著正相关(R=0.488，P＜0.001)，而RAI与耕地转林地面积比(RLaw)负相关(R=−0.022)，但相关性不显著。回归方程为：yRAI=1.257xRLua +0.196 (R=0.753，P=0.000，R2=0.867)，yRAI=0.727xRLuw+0.267(R=0.488，P=0.000，R2=0.739)。显示在雄安新区(2017—2020年)建设水平和1 km空间尺度下，未利用地转耕地面积比每增加10%，生态质量改善的面积比约增加13%，未利用地转林地面积比每增加10%，生态质量改善的面积比约增加7%。
图 4 雄安新区2000—2020年生态质量变化情况示意图
Figure 4. Changes of ecological quality from 2000 to 2020 in Xiong’an New Area
表 4 雄安新区生态质量等级变化监测统计
Table 4. Statistics of ecological quality grade changes in Xiong’an New Area
类型 级差 2000—2017年 2017—2020年 级面积/km2 类面积/km2 百分比/% 级面积/km2 类面积/km2 百分比/% 生态退化 −4 8.28 845.00 58.18 2.71 335.99 23.06 −3 201.23 45.77 −2 278.32 63.61 −1 357.17 223.90 生态未改变 0 469.37 469.37 32.21 647.57 647.57 44.45 生态改善 1 115.70 142.62 9.83 285.26 473.44 32.49 2 18.49 137.88 3 5.62 48.28 4 2.82 2.02 -
由表5和表6可见：2000—2017年雄安新区生态质量退化区面积比例(RAD)与耕地转未利用地面积比(RLau)呈极显著正相关关系(R=0.714，P＜0.001)，与耕地转建设用地面积比(RLac)呈极显著正相关关系(R=0.289，P＜0.001)；2017—2020年，RAD与RLac呈极显著正相关关系(R=0.535，P＜0.001)，与耕地净退化面积比(AEDa)呈极显著正相关关系(R=0.557，P＜0.001)。回归方程为：yRAD=0.816xRLau +0.437 (R=0.714，P=0.000，R2=0.851)；yRAD=0.696xAEDa +0.124(R=0.557，P=0.000，R2=0.710)。显示在传统城镇化(2000—2017年)建设水平和1 km空间尺度下，耕地转未利用地面积比每增加10%，生态质量的退化面积比约增加8%，而在雄安新区(2017—2020年)建设水平和1 km空间尺度下，耕地面积净退化10%，生态质量退化的面积比约增加7%。
表 5 雄安新区生态改善区主要土地利用类型转移方式面积比相关性分析
Table 5. Correlation analysis of the area ratio of main land use type transfer mode in improved area of Xiong’an New Area
阶段 土地利用类型
转移方式面积比相关
系数双侧显
著性样本数 2000—2017年 RLca 0.558** 0 1 455 RLwa 0.614** 0 1 455 2017—2020年 RLua 0.753** 0 1 455 RLaw −0.022 0.403 1 455 RLuw 0.488** 0 1 455 说明：RLca指建设用地转耕地面积比；RLwa指林地转耕地面积比；RLua指未利用地转耕地面积比；RLaw指耕地转林地面积比；RLuw指未利用地转林地面积比；**表示极显著相关(P＜0.01)。 表 6 雄安新区生态退化区主要土地利用类型转移方式面积比相关性分析
Table 6. Correlation analysis of the area ratio of main land use type transfer mode in deteriorated area of Xiong’an New Area
阶段 土地利用类型
转移方式面积比相关系数 双侧显著性 样本数 2000—2017年 RLau 0.714** 0 1455 RLac 0.289** 0 1455 2017—2020年 RLac 0.535** 0 1455 AEDa 0.557** 0 1455 说明：RLau指耕地转未利用地面积比；RLac指耕地转建设用地面积比；AEDa指耕地净退化面积比；**表示极显著相关(P＜0.01)。 -
本研究采用分辨率为30 m的Landsat遥感影像，并结合Google Earth高分辨率影像对研究区不同时期土地利用分类结果进行修正，3期影像监督分类结果的各类型分类精度和总体精度均＞90%，Kappa系数在0.80以上，表明基于30 m空间分辨率的Landsat遥感影像进行土地利用类型变化监测具有非常高的可靠性。
雄安新区设立前近20 a的生态质量变化趋势与传统城镇化建设带来的生态质量变化趋势相似[25]。雄安新区设立后，生态优先、绿化发展的建设理念使新区从传统的外延扩张模式转变为生态保护与经济社会协调的内敛发展模式，“千年秀林”绿化工程对生态质量的改善起到了很大作用，尤其是雄县东南部区域生态质量提升明显，这与刘礼群等[16]对2014—2020年雄安新区生态系统服务价值增益区域评估一致，安新县由于白洋淀及其周边生态环境的管理严格，生态质量变化相对稳定。土地利用变化会改变区域生态格局并影响生态质量变化，传统城镇建设方式下的土地利用变化会持续造成区域生态环境质量的下降[26]。新区通过未利用地造林、退耕还林等方式建设“千年秀林”绿色基底，显著提高了新区生态质量[27]。
传统城镇化扩张造成建设用地增加，新区成立节点期的耕地转为未利用地，这些都导致了明显的区域生态质量退化。本研究表明：耕地转未利用面积比每增加10%，生态质量的退化面积比约增加8%，这与施婷婷等对建设用地生态评估结果相近[28]。
新区建设阶段，林地的增加、未利用地的减少明显促进了新区生态质量改善，本研究表明：未利用地向林地和耕地的转变能有效提高新区生态质量，这与王志杰等[22]对贵阳花溪的研究结果相近。对于雄安新区而言，生态质量改善是保障生态环境状况的关键原因，植被的恢复与未利用地的合理规划对于雄安新区生态质量的改善具有积极的促进作用。由于新区林地主要由耕地和未利用地转化而来，且新造林时间较短，森林生态系统尚处于早期阶段，土地利用转化带来的生态效益增量还不明显[29]，随着“千年秀林”的生长，雄安新区生态质量将会持续改善。
后续研究将基于Google Earth Engine平台融合多个时相的影像进行信息提取，在分析区域生态质量的影响因素时，应加入生物气候、人类活动等因子，进行全要素分析。
-
本研究发现：2000—2017年，雄安新区土地利用变化面积呈“两增三减”特征，耕地主要转向建设用地和未利用地；2017—2020年，土地利用变化特征与传统城镇化阶段不同，耕地与未利用地主要转向林地。2000—2017年雄安新区生态质量呈明显退化趋势，RSEI均值由2000年的0.62下降到2017年的0.57，在空间上呈“总体退化、局部改善”的特征；2017—2020年雄安新区生态质量呈轻微改善趋势，RSEI均值由2017的0.57上升到2020年的0.59，该研究区总体的生态质量在这3 a基本维持稳定且有好转趋势。生态质量空间分布及其变化与土地利用类型的分布变化在空间上基本吻合。生态质量较好的区域主要分布在耕地、林地等区域，生态质量退化与耕地、林地面积的退化减少和建设用地、未利用地的增加在空间上有直观的对应关系。在当前建设水平和1 km空间尺度下，未利用地转耕地面积比每增加10%，生态质量改善的面积比约增加13%，未利用地转林地面积比增加10%，生态质量改善的面积比约增加7%。这表明对于雄安新区而言，植被的恢复与建设对于生态质量的好转具有积极的促进作用。
Land use change and its impact on ecological quality in Xiong’an New Area
-
摘要:
目的 研究雄安新区建区前后土地利用变化和生态质量动态变化，以期为雄安新区各行业建设和管理提供理论依据和数据支撑。 方法 以雄安新区3个县为研究区，基于2000、2017和2020年3期土地利用数据，利用遥感生态指数(remote sensing ecological index，RSEI)模型评价生态质量的时空变化特征，研究土地利用变化对生态质量的影响，探讨土地利用变化的生态效应。 结果 ①传统城镇化建设阶段(2000—2017年)土地利用类型主要由耕地向建设用地和未利用地转移，新区建设阶段(2017—2020年)土地利用类型主要由耕地和未利用地向林地转移；②2000—2017年雄安新区RSEI均值从0.62下降至0.57，生态质量总体有所退化；2020年RSEI均值增加至0.59，生态质量轻微改善；③土地利用与生态质量的分布和变化在空间上基本一致，林地、耕地面积的增减对生态质量的变化影响显著。在当前建设水平和1 km空间尺度下，未利用地转耕地面积比每增加10%，则生态质量改善的面积比约增加13%；未利用地转林地面积比每增加10%，则生态质量改善的面积比约增加7%。 结论 雄安新区应维护林地和耕地质量和数量，改善雄安新区生态质量，从而有效促进雄安新区可持续健康发展。图4表6参29 Abstract:Objective This study, with an investigation into the dynamics of land use change and ecological quality of Xiong’an New Area, is aimed to provide a theoretical basis and data support for the policy making in this area. Method With all the three counties of Xiong’an New Area included as the study area, on the basis of three intervals of land use data in 2000, 2017 and 2020, the remote sensing ecological index (RSEI) model was employed in the evaluation of the spatial and temporal changes of ecological quality and the exploration of the potential effects of land use changes on ecological quality. Result (1) In the traditional urbanization stage (2000−2017), land use types mainly changed from arable land to construction land or unutilized land whereas in the new area construction stage (2017−2020), the change was mainly from arable land and unutilized land to woodland. (2) From 2000 to 2017, the average value of RSEI in Xiong’an New Area decreased from 0.62 to 0.57, with the overall ecological quality degraded while the average value of RSEI increased to 0.59 in 2020, with the ecological quality improved slightly. (3) With the distribution and changes of land use consistent with ecological quality in space, significant impact was detected of the area changes in woodland and arable land on ecological quality. (4) At the current construction level and 1 km spatial scale, the ecological quality of 13% area ratio was improved with 10% increased area ratio of unutilized land converted to arable land while the ecological quality of 7% area ratio was improved with 10% increased area ratio of unutilized land converted to woodland. Conclusion The optimization of quality and quantity of woodland and arable land can not only help maintain the ecological quality of Xiong’an New Area but also contribute to the sustainable and healthy development of this area. [Ch, 4 fig. 6 tab. 29 ref.] -
抚育间伐是常用的森林管理措施[1]，因伐除林冠相对密集的部分树木，增加了太阳辐射，改变了森林小气候和土壤微生境，必然影响森林生态系统的养分和生物地球化学循环过程，以及该循环过程的核心环节——土壤微生物活动和酶活性。目前，土壤胞外酶研究更多关注于碳、氮和磷循环相关的降解酶，如碳酶[β-葡糖苷酶(BG)、纤维二糖水解酶(CBH)、β-木糖苷酶(BX)]，氮酶[β-1,4-N-乙酰氨基葡萄糖苷酶(NAG)、亮氨酸氨基肽酶(LAP)]和磷酶[酸性或碱性磷酸酶(AcP)]，其活性可作为微生物资源分配的代理指标[2]。在养分循环期间酶活性的相对丰度变化可反映微生物群落的代谢水平。SINSABAUGH等[3]最先通过整合分析发现：在全球尺度上碳、氮和磷循环相关酶计量比接近1∶1∶1，表明土壤酶化学计量比呈稳态性。但也有研究发现：土壤酶化学计量比呈非稳态性[4−6]，说明微生物可能受到能量或关键营养物质(即碳、氮和磷)的限制[7]。
间伐措施对土壤胞外酶活性和酶化学计量的影响仍不确定。如土壤酶活性在森林间伐后会增加[8]、减少[9]或保持不变[10]。大多数研究主要围绕不同间伐强度对酶活性的影响[11]。间伐措施的影响效果还会随森林恢复过程而发生改变。如QIU等[12]对塞罕坝林场内华北落叶松Larix principis-rupprechtii人工林进行间伐恢复9 a后的结果显示：间伐措施显著增加了土壤BG、NAG+LAP和AcP活性。而LULL等[13]对地中海栎Quercus ilex林间伐后5个月至7 a内，氮和磷循环酶的活性并未发生显著改变。间伐处理和林下移除可在短时间内减少微生物对土壤资源的竞争，进而改变酶的活性[14]。但随树木生长速度和土壤养分含量的变化，微生物资源利用策略也发生改变，可能造成微生物受到不同养分的限制[15]。
目前，关于间伐处理对土壤胞外酶活性的研究大多侧重于间伐强度和人工林生态系统的研究，而对天然林生态系统间伐后不同恢复阶段土壤酶活性的研究较少。鉴于此，本研究采用空间代替时间的方法，探讨北亚热带秦岭松栎混交林在抚育间伐后不同恢复时间内林地表层土壤酶活性、酶化学计量比的变化规律，为制定森林可持续经营方案及合理的生态恢复措施提供理论依据。
1. 研究地区与研究方法
1.1 研究区概况
研究区位于陕西省安康市宁东林业局新矿林场(33°20′~33°26′N，108°32′~108°34′E)，地处秦岭山脉，海拔为1 400.0~1 800.0 m。该区属于北亚热带与温带过渡区，年均气温为8.5 ℃，年平均降水量为908.0 mm，土壤为山地棕壤。研究区域为20世纪70年代末采伐后天然更新形成的次生针阔混交林[16]，采取的是低强度间伐和林冠下补植等保护经营作业法。林内主要以油松Pinus tabuliformis、锐齿槲栎Quercus aliena var. acutiserrata、华山松Pinus armandii为主要建群种，伴生有漆树Toxicodendron vernicifluum、小叶女贞Ligustrum quihoui、青榨槭Acer davidii等树种。林下植被以卫矛Euonymus alatus、木姜子Litsea pungens、披针叶薹草Carex lanceolata、龙牙草Agrimonia pilosa、茜草Rubia cordifolia为主。
2021年10月，根据研究区内实际间伐处理、林木生长和分布状况，选择立地条件基本一致的林分，设置3种间伐处理，即未间伐(ck)、间伐恢复5 a (5 a，2018年间伐)和间伐恢复13 a (13 a，2010年间伐)。每个间伐处理设置4块面积为20 m×30 m的样地，共计12块样地。为防止样地之间相互干扰，样方之间的间隔不小于100 m。进行间伐处理后林下物种数量增加，更新了枫杨Pterocarya stenoptera、栗Castanea mollissima、桤木Alnus cremastogyne、灯台树Cornus controversa和胡桃楸Juglans mandshurica等树种。其中各样地内物种丰富度和Shannon-Wiener指数参照刘思泽等[17]的方法计算。样地调查基本概况见表1。
表 1 试验样地基本概况Table 1 Basic survey of test plots间伐后恢
复时间/a海拔/
m株数密度/
(株·hm−2)胸径/
cm郁闭度 物种
丰富度Shannon-Wiener
指数凋落物量/
(t·hm−2·a−1)林内主要树种 ck 1 585.00±61.85 1 420±88 14.60±0.49 0.7 25 2.48 7.01±0.37 油松、锐齿槲栎、华山松、毛樱桃、垂柳、
木姜子、三桠乌药5 1 457.32±13.14 1 208±355 13.80±0.84 0.5 32 2.78 5.69±0.26 锐齿槲栎、栗、油松、白桦、垂柳、
榆树、桤木13 1 757.57±20.17 1 254±207 13.80±1.19 0.6 29 2.68 6.55±0.29 毛樱桃、油松、锐齿槲栎、漆树、水蜡树、
木姜子、灯台树说明：毛樱桃Prunus tomentosa，垂柳Salix babylonica，三桠乌药Lindera obtusiloba，白桦Betula platyphylla，榆树Ulmus pumila，水蜡树Ligustrum obtusifolium。 1.2 采样设计
2023年7月，根据S型取样方法，在ck、5 a、13 a间伐样地内，用直径为3.6 cm的土钻采集0~10 cm的表层土样，为避免样品受到污染，将土壤混合储存于灭菌自封袋中，再用便携冷藏箱带回实验室。在室内充分混匀后过2 mm筛。一份新鲜土样于4 ℃冰箱保存，用于有效氮、土壤酶活性和土壤微生物生物量的测定；另一份土壤样品自然风干，用于其他土壤理化性质的测定。
1.3 测定指标及方法
1.3.1 土壤理化性质测定
土壤含水率采用105 ℃烘干法；土壤pH采用电位法(土水体积质量比为1.0∶2.5)；土壤总氮采用元素分析仪测定；土壤有机碳采用重铬酸钾氧化-外加热法；土壤有效氮指铵态氮和硝态氮的总和，分别采用2 mol·L−1氯化钾浸提-靛酚蓝比色法、氯化钾提取-双波长紫外分光光度法测定；土壤总磷采用硫酸-高氯酸-钼锑抗比色法[18]。微生物生物量碳、氮采用氯仿熏蒸法，使用岛津总有机碳分析仪测定。
1.3.2 土壤胞外酶活性及酶计量的测定与计算
参照SAIYA-CORK等[19]的方法，测定与碳、氮、磷循环密切相关的酶活性，各种土壤酶的名称、简称及底物见表2。其中，水解酶(BG、BX、CBH、NAG、LAP、AcP)活性采用微孔板荧光法，用多功能酶标仪在365 nm波长处激发，450 nm波长处荧光测定；氧化酶(POX、PER)活性采用DOPA-紫外分光光度法，用多功能酶标仪在450 nm波长处测定。
表 2 土壤胞外酶的简称及所用底物Table 2 Soil enzyme along with their enzyme abbreviation and substrate of soil enzyme酶名称 简称 底物 β-葡糖苷酶β-glucosidase BG 4-MUB-β-D-glucoside β-木糖苷酶β-xalosidase BX 4-MUB-β-D-xylopyranoside 纤维二糖水解酶Cellobiohydrolase CBH 4-MUB-β-D-cellobioside β-N-乙酰氨基葡萄糖苷酶β-N-acetylglucosaminidase NAG 4-MUB-N-acetyl-β-D-glucosaminde 亮氨酸氨基肽酶Leucine aminopeptidase LAP L-leucine-7-amido-4 methylcounarin 酸性磷酸酶Acid phosphatase AcP 4-MUB-phosphatase 酚氧化物酶Phenol oxidase POX L-dihydroxyphenylalanine(L-DOPA) 过氧化物酶Peroxidase PER L-dihydroxyphenylalanine(L-DOPA) and H2O2 说明：MUB为甲基伞形酮酰Methylumbelliferyl。 通过计算碳、氮和磷酶活性的比值研究土壤胞外酶化学计量[20]，同时，采用酶计量的载体分析，即用矢量长度(VL)及矢量角(VA)分析间伐处理对微生物能量和营养的相对限制状况[21]，计算公式如下。
$$ {E}_\text{C/N}\text{}\text=\text{}\text{ln}{H}_{\mathrm{B}\mathrm{G}}\text{/ln}\text{(}{H}_{\text{NAG}}\text+{H}_{\text{LAP}}\text{)}\text{;}\text{}\text{}\text{} $$ (1) $$ {E}_\text{C/P}\text{}\text=\text{}\text{ln}{H}_{\text{BG}}\text{/ln}{H}_{{\mathrm{Ac}}\mathrm{P}};\text{}\text{}\text{}\text{}\text{}$$ (2) $$ {E}_\text{N/P}\text{= ln}\text{(}{H}_{\text{NAG}}\text+{H}_{\text{LAP}}\text{)}\text{/ln}{H}_{{\mathrm{Ac}}\mathrm{P}}; $$ (3) $$ {V}_{\text{L}}\text=\text{SQRT}\text{[}\text{(}{E}_\text{C/N}\text{)}^2\text+\text{(}{E}_\text{C/P}\text{)}^2\text{]}\text{;} $$ (4) $$ {V}_{\text{A}}\text=\text{Degrees}\text{[}\text{ATAN2}\text{(}{E}_\text{C/P}\text{,}\text{}{E}_\text{C/N}\text{)}\text{]}\text{。}$$ (5) 式(1)~(5)中：$ {E}_\text{C/N} $、$ {E}_\text{C/P} $、$ {E}_\text{N/P} $分别为土壤碳获取酶/氮获取酶比值、土壤碳获取酶/磷获取酶比值、土壤氮获取酶/磷获取酶比值；$ {H}_{\mathrm{B}\mathrm{G}}\mathrm{、}{H}_{\text{NAG}}\mathrm{、}{H}_{\text{LAP}}\mathrm{、}{H}_{{\mathrm{Ac}}\mathrm{P}} $分别为BG、NAG、LAP、AcP的酶活性；SQRT为平方根函数，Degrees为角度转换函数，ATAN2为反正切函数。VL越大，表明碳限制越严重。VA以45°为分界线，＞45°为磷限制，＜45°为氮限制。偏离程度越大，限制程度越强。
1.4 数据分析
使用SPSS 25.0对不同间伐恢复时间下的土壤理化性质、胞外酶活性、酶化学计量比、酶矢量长度和角度的差异进行单因素方差分析(one-way ANOVA)和最小显著性差异法(LSD)(P＜0.05)；利用Sperman检验分析与土壤酶活性和酶矢量变化显著相关的土壤因子，利用Origin 2021绘图。以酶活性及其矢量作为物种因子，土壤理化性质作为环境因子，利用Canoco 5.0进行冗余分析。通过方差膨胀因子(VIF)判断解释变量之间的线性关系，剔除共线性较强(VIF＞5)的变量，对剩余的pH、有效氮、有机碳和全磷共4个变量进行研究。
2. 结果与分析
2.1 间伐恢复对土壤理化性质的影响
从表3可见：间伐恢复对土壤pH、有效氮、全磷、碳氮比、氮磷比、有机碳、微生物量碳、微生物量氮和微生物量碳氮比均有显著影响(P＜0.05)。恢复5 a的土壤pH显著高于ck (P＜0.05)。恢复13 a的土壤全磷、微生物量碳和微生物量氮均显著高于ck (P＜0.05)，分别是ck的1.28、1.19和1.15倍。土壤有效氮、碳氮比和氮磷比均显著低于ck (P＜0.05)。恢复5 a的土壤有机碳显著降低了25.93% (P＜0.05)，但恢复13 a的土壤有机碳质量分数逐渐恢复至未间伐前水平。间伐恢复对土壤含水率和全氮无显著影响。
表 3 不同间伐恢复时间下土壤理化特性状况Table 3 Soil physical and chemical properties under different thinning treatments间伐后恢复时间/a pH 含水率/% 有效氮/(mg·kg−1) 全氮/(g·kg−1) 全磷/(g·kg−1) 碳氮比 ck 5.48±0.10 b 37.28±4.01 a 21.34±1.96 a 4.58±0.86 a 0.60±0.08 b 10.02±1.16 a 5 5.98±0.13 a 35.10±6.81 a 17.19±0.48 ab 3.28±0.68 a 0.52±0.10 b 9.34±1.41 ab 13 5.76±0.17 ab 40.37±1.67 a 16.56±0.58 b 3.93±0.44 a 0.77±0.07 a 8.55±1.32 b 间伐后恢复时间/a 氮磷比 有机碳/(g·kg−1) 微生物量碳/(g·kg−1) 微生物量氮/(g·kg−1) 微生物量碳氮比 ck 7.49±0.71 a 35.94±3.84 a 1.14±0.04 b 0.20±0.01 b 5.97±0.37 ab 5 6.45±0.95 ab 26.62±2.79 b 1.14±0.09 b 0.22±0.01 ab 5.09±0.13 b 13 5.04±0.34 b 33.33±2.27 ab 1.36±0.02 a 0.23±0.01 a 6.11±0.33 a 说明：数据均为平均值±标准误。不同小写字母表示不同处理间差异显著 (P＜0.05)。 2.2 间伐恢复对土壤酶活性及胞外酶计量比的影响
从图1可见：间伐恢复对不同土壤酶活性的影响并不一致。恢复13 a时土壤BX、AcP和NAG+LAP活性显著下降(P＜0.05)，较ck分别降低了25.39%、22.92%和46.25%，同时土壤BG活性还显著提高(P＜0.05)，是ck的1.34倍(P＜0.05)。土壤氧化酶(POX、PER)和CBH活性变化趋势与前4种酶不同，在恢复5 a时活性最低，在恢复13 a时活性最高。
通过矢量分析发现：VA＞45°，且EN/P＜1、EC/N＞1 (图2A)，表明研究区土壤微生物生长代谢主要受碳和磷共同限制。森林土壤EC/P和EN/P显著偏离1，且随间伐后时间的持续而逐渐恢复或显著增大(P＜0.05，图2B)。VA和VL在3个间伐恢复间均有明显差异(图2C~D)。与ck相比，间伐恢复5 a的VA显著降低了4.42%，13 a的VL是ck的1.13倍(P＜0.05)。表明间伐措施在恢复初期能够缓解土壤微生物受磷限制的状况，而后随恢复时间的持续，微生物受碳限制程度显著增加(P＜0.05)。
图 2 间伐恢复对土壤酶化学计量及酶矢量的影响Figure 2 Effects of thinning treatment on soil enzyme stoichiometry and enzyme vector2.3 土壤酶整体变化和土壤理化性质的相关性分析及冗余分析
相关性分析(表4)表明：水解酶活性与有效氮、有机碳和微生物量碳氮比均呈正相关关系。其中土壤碳获取酶(BG、CBH)与土壤全磷、有机碳、微生物量碳呈显著(P＜0.05)或极显著(P＜0.01)正相关，BX活性与土壤有效氮、微生物量碳氮比呈显著正相关(P＜0.05)。土壤氮获取酶(NAG+LAP)和磷获取酶(AcP)均与土壤有效氮呈极显著正相关(P＜0.01)。酚氧化物酶(PER)除与pH呈显著负相关外(P＜0.05)，还与有机碳、微生物量碳氮比呈极显著正相关(P＜0.01)。VA仅与pH呈极显著负相关(P＜0.01)。VL与全磷和微生物量碳呈显著正相关外(P＜0.05)，还与氮磷比呈极显著负相关(P＜0.01)。
表 4 土壤酶变化与土壤理化性质的相关性分析Table 4 Correlation analysis between soil enzyme changes and soil physical and chemical properties指标 pH IN TP SOC MBC MBC/MBN N/P POX −0.54 −0.29 −0.04 −0.07 0.26 0.30 −0.04 PER −0.65* 0.19 0.32 0.45* 0.22 0.52** 0.21 BG 0.28 0.35 0.73** 0.55** 0.63** 0.38 −0.25 BX −0.53 0.54** −0.01 0.27 0.10 0.45* 0.56 CBH −0.01 0.24 0.46* 0.43* 0.53** 0.65** 0.17 AcP −0.72* 0.57** −0.38 0.06 −0.13 0.22 0.85** NAG+LAP 0.17 0.66** −0.08 0.14 −0.01 0.00 0.60 VA −0.95** 0.01 −0.30 −0.06 −0.04 0.35 0.43 VL 0.45 −0.28 0.70** 0.31 0.48* 0.15 −0.63* 说明：IN为土壤有效氮，TP为土壤全磷，SOC为土壤有机碳，MBC为微生物量碳，MBN为微生物量氮，N/P为氮磷比。POX为酚氧化物酶，PER为过氧化物酶，BG为β-葡糖苷酶，BX为β-木糖苷酶，CBH为纤维二糖水解酶，AcP为酸性磷酸酶，NAG+LAP为氮获取酶(β-N-乙酰氨基葡萄糖苷酶和亮氨酸氨基肽酶总和)，VA为酶矢量角度，VL为酶矢量长度。*表示显著相关(P＜0.05)，**表示极显著相关(P＜0.01)。 冗余分析(图3)表明：剔除存在共线性关系的变量后，pH、有效氮、有机碳和全磷共解释了酶活性和酶矢量变异的73.71%。其中pH和有机碳是对土壤酶整体变化解释度最高的因子，分别解释了变量的48.80%和13.10%，且pH与酶指标变化显著相关(P＜0.05)。
图 3 土壤酶活性与理化性质关系的冗余分析Figure 3 Redundancy analysis of soil enzyme activity and physical and chemical properties3. 讨论
3.1 间伐恢复年限对土壤理化性质及微生物生物量的影响
间伐改变了秦岭松栎混交林表层土壤pH和养分质量分数，但在不同恢复阶段规律不一致。在本研究中，间伐导致pH提高，尤其是间伐恢复5 a后，这与许多学者的研究结果一致。如对云杉Picea crassifolia[22]林和火炬松Pinus taeda[23]林研究表明：间伐减少了针叶凋落物作为有机酸主要输入组分的产生，从而显著提高土壤表层pH。本研究中针叶树种的胸高断面积占比在间伐后有所降低，这在一定程度上能缓解土壤酸化。同时，间伐后土壤含水率、全氮、全磷和有机碳质量分数均呈先减少后逐步恢复的趋势。这可能是因为间伐短期内树冠层郁闭度减小，导致土壤蒸发增强的同时，也促进林下植被的快速生长，加快了土壤水分的消耗[24]。凋落物作为土壤最主要的有机碳源，通过微生物转化为腐殖质的同时也改变了土壤pH，影响凋落物的分解，改变土壤养分水平[25]。相较于ck，间伐恢复5、13 a后，凋落物量分别恢复至81.16%和93.41%，间伐恢复13 a的土壤全氮、全磷和有机碳质量分数有所提高，表明随时间的持续，林分结构及相关生态过程在一定程度上得到恢复。此外，本研究中微生物量碳、氮和土壤有效氮在间伐恢复13 a后的变化趋势不一致，可能因为间伐后林地内出现了栗、桤木和水蜡树等阳性植物，以及毛樱桃、白桦和漆树等阔叶树种，林地内相对多度增加，根系密度和根系分泌物增多，有利于土壤微生物生物量的积累[26]。而林下喜光物种的快速生长[27]，对土壤游离态氮的需求增大，导致土壤有效氮质量分数有所降低。这与周璇等[28]对8年生柳杉Cryptomeria japonica人工林进行间伐后的研究结果一致。
3.2 间伐恢复年限对土壤酶活性的影响
在本研究中，间伐恢复年限导致土壤BX、AcP和NAG+LAP活性显著降低，但对其他土壤酶活性影响趋势不同，如POX、PER、BG和CBH通常在间伐恢复5 a时活性最低，在13 a时恢复到间伐前水平或高于未间伐处理(如BG)。这与其他研究结果相似，但并不完全一致[29−30]。这种结果可能是由于不同的林分环境以及微生物利用资源多寡的差异，导致土壤酶活性对同一干扰方式的不同改变[31]。随着间伐恢复时间的持续，易分解有机物质减少而难降解的碳相对较多[32]，POX、PER和BG、CBH作为土壤中主要的木质素降解酶和纤维素降解酶，其活性得到显著提高，以增强微生物利用顽固性有机碳的能力。这与MEISAM等[33]的研究结果一致。而以分解几丁质和蛋白质、半纤维素等易分解物质为主的NAG+LAP、BX活性的显著降低也映证了SINSABAUGH等[34]的资源分配理论。
土壤胞外酶与土壤养分输入和微生物量等密切相关[35]。通过相关分析发现：BG和CBH活性与微生物量碳、全磷显著正相关，表明土壤微生物数量的变化与碳循环土壤酶活性的变化关系最为密切，而全磷则是磷素限制环境中影响微生物生长的主要因素[7, 16]。有效氮质量分数的减少虽然在一定程度上能促使氮获取酶的产生，但同样也会降低土壤微生物的活性和限制酶促反应底物供应，从而减少部分酶的释放[36]，这与孙鹏跃等[37]的研究结果一致。冗余分析发现：土壤pH也是影响土壤酶活性的主要因素，并与部分酶变化表现出负相关关系，这与多数研究结果是一致的[3]。有研究表明：大多数土壤酶在特定的pH范围(最适值在4.0~5.5)内表现出最大的活性和稳定性，当pH超过这个范围时，酶活性会降低[38]。
3.3 间伐恢复年限对酶化学计量比和微生物养分限制的影响
本研究中所有处理的土壤酶矢量角度均＞45°，符合亚热带地区森林土壤微生物更受磷素限制的理论[39]。同时参与土壤碳、氮和磷循环相关酶计量比偏离了表层土壤中接近1∶1∶1的平均水平[3]，也在一定程度上反映了秦岭区域松栎混交林间伐恢复过程中微生物受碳和磷的共同限制，这与薛悦等[40]对安康市火池塘林区撂荒地恢复过程的研究结果相一致。与未间伐样地相比，间伐后恢复5 a时显著降低的酶矢量角度表征了微生物受到的磷限制减弱，随时间进程减弱效应逐渐消失，林内物种丰富度的提高和凋落物量的增加，促使土壤微生物分泌更多碳获取酶(如BG)来降解有机质，释放磷以供给微生物活动，以缓解磷限制，这些过程都会导致微生物碳限制的进一步增加。相关性分析结果中，酶矢量长度与微生物量碳呈显著正相关，证实了微生物需要更多的碳源来满足代谢活动所耗的能量，这与CUI等[41]的研究结果相似。
4. 结论
间伐改变了松栎混交林区域内的年凋落物总量及针叶与阔叶的凋落量比例，同时改变了林内物种丰富度和林分郁闭度，从而影响了土壤基本理化性质。抚育间伐在一定程度上能够缓解土壤微生物受磷限制的状况，但随恢复时间持续，林内凋落物量逐渐增加使土壤微生物受碳限制更为严重。
-
图 1 雄安新区研究区2020年 Landsat OLI/TIRS 影像示意图
Figure 1 Sketch map of three counties of Xiong’an New Area
图 2 雄安新区2000、2017和2020年土地利用类型空间分布示意图
Figure 2 Spatial distribution map of land use types of Xiong’an New Area in 2000, 2017 and 2020
图 3 雄安新区2000—2020年生态质量等级分布示意图
Figure 3 Distribution of Ecological Quality Grade of Xiong’an New Area from 2000 to 2020
图 4 雄安新区2000—2020年生态质量变化情况示意图
Figure 4 Changes of ecological quality from 2000 to 2020 in Xiong’an New Area
表 1 雄安新区2000—2020年土地利用面积变化特征
Table 1. Characteristics of land use area change in Xiong’an New Area from 2000 to 2020
土地利用类型 土地面积/km2 土地面积变化量/km2 2000年 2017年 2020年 2000—2017年 2017—2020年 林地 64.70 45.85 295.08 −18.85 249.23 水域 27.48 27.33 50.55 −0.15 23.22 耕地 1 143.04 788.89 771.45 −354.15 −17.44 建设用地 327.09 373.94 387.59 46.85 13.65 未利用地 9.38 335.68 67.02 326.30 −268.66 
下载: 导出CSV
表 2 雄安新区遥感生态指数主成分分析结果及各指标均值标准差统计结果
Table 2. Principal component analysis of remote sensing ecological index in Xiong’an New Area
指标 PC1 PC2 PC3 PC4 2000年 2017年 2020年 均值±标准差 均值±标准差 均值±标准差 WET 0.51 0.47 −0.52 0.51 0.88±0.04 0.58±0.23 0.67±0.11 NDVI 0.52 −0.02 0.79 0.32 0.65±0.14 0.55±0.26 0.63±0.21 LST −0.42 0.85 0.31 −0.05 0.82±0.13 0.84±0.21 0.57±0.41 NDSI −0.55 −0.24 0.04 0.81 0.25±0.18 0.53±0.22 0.43±0.16 RSEI 0.62±0.14 0.57±0.23 0.59±0.21 说明：WET为湿度分量，NDVI为归一化植被指数，LST为地表温度，NDSI为归一化建筑-裸土指数，RSEI为遥感生态指数。PC1~PC4为主成分1~4。
下载: 导出CSV
表 3 2000—2020年雄安新区生态质量等级面积统计
Table 3. Area statistics of ecological quality grades from 2000 to 2020 in Xiong’an New Area
RSEI等级 2000年 2017年 2020年 面积/km2 百分比/% 面积/km2 百分比/% 面积/km2 百分比/% 差 11.83 0.77 19.59 1.34 9.43 0.62 较差 105.02 6.84 445.04 30.44 388.73 25.54 中等 163.89 10.67 368.33 25.20 336.85 22.14 良 402.33 26.19 275.44 18.84 419.68 27.58 优 853.05 55.53 353.47 24.18 367.10 24.12
下载: 导出CSV
表 4 雄安新区生态质量等级变化监测统计
Table 4. Statistics of ecological quality grade changes in Xiong’an New Area
类型 级差 2000—2017年 2017—2020年 级面积/km2 类面积/km2 百分比/% 级面积/km2 类面积/km2 百分比/% 生态退化 −4 8.28 845.00 58.18 2.71 335.99 23.06 −3 201.23 45.77 −2 278.32 63.61 −1 357.17 223.90 生态未改变 0 469.37 469.37 32.21 647.57 647.57 44.45 生态改善 1 115.70 142.62 9.83 285.26 473.44 32.49 2 18.49 137.88 3 5.62 48.28 4 2.82 2.02
下载: 导出CSV
表 5 雄安新区生态改善区主要土地利用类型转移方式面积比相关性分析
Table 5. Correlation analysis of the area ratio of main land use type transfer mode in improved area of Xiong’an New Area
阶段 土地利用类型
转移方式面积比相关
系数双侧显
著性样本数 2000—2017年 RLca 0.558** 0 1 455 RLwa 0.614** 0 1 455 2017—2020年 RLua 0.753** 0 1 455 RLaw −0.022 0.403 1 455 RLuw 0.488** 0 1 455 说明：RLca指建设用地转耕地面积比；RLwa指林地转耕地面积比；RLua指未利用地转耕地面积比；RLaw指耕地转林地面积比；RLuw指未利用地转林地面积比；**表示极显著相关(P＜0.01)。
下载: 导出CSV
表 6 雄安新区生态退化区主要土地利用类型转移方式面积比相关性分析
Table 6. Correlation analysis of the area ratio of main land use type transfer mode in deteriorated area of Xiong’an New Area
阶段 土地利用类型
转移方式面积比相关系数 双侧显著性 样本数 2000—2017年 RLau 0.714** 0 1455 RLac 0.289** 0 1455 2017—2020年 RLac 0.535** 0 1455 AEDa 0.557** 0 1455 说明：RLau指耕地转未利用地面积比；RLac指耕地转建设用地面积比；AEDa指耕地净退化面积比；**表示极显著相关(P＜0.01)。
下载: 导出CSV
-
[1] ZHU Jialei, PENNER J E, YU Fangqun, et al. Decrease in radiative forcing by organic aerosol nucleation, climate, and land use change [J]. Nature Communications, 2019, 10(1): 423. [2] DAMANIK-AMBARITA M N, BOETS P, THI H, et al. Impact assessment of local land use on ecological water quality of the Guayas river basin (Ecuador) [J]. Ecological Informatics, 2018, 48: 226 − 237. [3] 任荣秀, 杜章留, 孙义亨, 等. 华北低丘山地不同土地利用方式下土壤团聚体及其有机碳分布特征[J]. 生态学报, 2020, 40(19): 6991 − 6999. REN Rongxiu, DU Zhangliu, SUN Yiheng, et al. Soil aggregate and its organic carbon distribution characteristics at different land use patterns in hilly areas of north China [J]. Acta Ecologica Sinica, 2020, 40(19): 6991 − 6999. [4] DU Xuejun, HUANG Zhonghua. Ecological and environmental effects of land use change in rapid urbanization: the case of Hangzhou, China [J]. Ecological Indicators, 2017, 81: 243 − 251. [5] 侯蕊, 李红波, 高艳丽. 基于景观格局的武汉市江夏区土地利用生态风险评价[J]. 水土保持研究, 2021, 28(1): 323 − 330. HOU Rui, LI Hongbo, GAO Yanli. Ecological risk assessment of land use in Jiangxia district of Wuhan based on landscape pattern [J]. Research of Soil and Water Conservation, 2021, 28(1): 323 − 330. [6] 元冰瑜, 高建华, 池源, 等. 1990—2020年江苏省海岸带景观生态状况指数跨尺度时空特征[J]. 应用生态学报, 2022, 33(2): 489 − 499. YUAN Bingyu, GAO Jianhua, CHI Yuan, et al. Cross-scale spatiotemporal characteristics of landscape ecological conditions index in coastal zone of Jiangsu Province, China during 1990−2020 [J]. Chinese Journal of Applied Ecology, 2022, 33(2): 489 − 499. [7] 苑韶峰, 唐奕钰, 申屠楚宁. 土地利用转型时空演变及其生态环境效应——基于长江经济带127个地级市的实证研究[J]. 经济地理, 2019, 39(9): 174 − 181. YUAN Shaofeng, TANG Yiyu, SHENTU Chuning. Spatiotemporal change of land-use transformation and its eco-environmental response: a case of 127 counties in Yangtze River economic belt [J]. Economic Geography, 2019, 39(9): 174 − 181. [8] 赵锐锋, 姜朋辉, 陈亚宁, 等. 塔里木河干流区土地利用/覆被变化及其生态环境效应[J]. 地理科学, 2012, 32(2): 244 − 250. ZHAO Ruifeng, JIANG Penghui, CHEN Yaning, et al. Land use/cover change and its eco-environment effect in the main stream of Tarim River [J]. Scientia Geographica Sinica, 2012, 32(2): 244 − 250. [9] 刘桂林, 张落成, 张倩. 长三角地区土地利用时空变化对生态系统服务价值的影响[J]. 生态学报, 2014, 34(12): 3311 − 3319. LIU Guilin, ZHANG Luocheng, ZHANG Qian. Spatial and temporal dynamics of land use and its influence on ecosystem service value in Yangtze River Delta [J]. Acta Ecologica Sinica, 2014, 34(12): 3311 − 3319. [10] 刘智方, 唐立娜, 邱全毅, 等. 基于土地利用变化的福建省生境质量时空变化研究[J]. 生态学报, 2017, 37(13): 4538 − 4548. LIU Zhifang, TANG Li’na, QIU Quanyi, et al. Temporal and spatial changes in habitat quality based on land-use change in Fujian Province [J]. Acta Ecologica Sinica, 2017, 37(13): 4538 − 4548. [11] 金声甜, 肖文海, 杨胜苏, 等. 长江经济带土地利用变化及其生态系统响应[J]. 经济地理, 2020, 40(7): 166 − 173. JIN Shengtian, XIAO Wenhai, YANG Shengsu, et al. Land use change and its ecosystem response in the Yangtze River Economic belt [J]. Economic Geography, 2020, 40(7): 166 − 173. [12] 刘吉凯, 钟仕全, 梁文海. 基于多时相Landsat 8 OLI影像的作物种植结构提取[J]. 遥感技术与应用, 2015, 30(4): 775 − 783. LIU Jikai, ZHONG Shiquan, LIANG Wenhai. Extraction on crops planting structure based on multi-temporal Landsat 8 OLI images [J]. Remote Sensing Technology and Application, 2015, 30(4): 775 − 783. [13] 郭力娜, 李帅, 牛振国, 等. 基于物候差和多时相影像的耕地种植结构遥感调查——以唐山玉田为例[J]. 测绘科学, 2019, 44(10): 50 − 58. GUO Li’na, LI Shuai, NIU Zhenguo, et al. Remote sensing investigation of farmland planting structure based on phenological difference and multi-temporal images-taking Yutian in Tangshan as an example [J]. Science of Surveying and Mapping, 2019, 44(10): 50 − 58. [14] 张志杰, 张浩, 常玉光, 等. Landsat系列卫星光学遥感器辐射定标方法综述[J]. 遥感学报, 2015, 19(5): 719 − 732. ZHANG Zhijie, ZHANG Hao, CHANG Yuguang, et al. Review of radiometric calibration methods of Landsat series optical remote sensors [J]. Journal of Remote Sensing, 2015, 19(5): 719 − 732. [15] 陈趁新, 胡昌苗, 霍连志, 等. Landsat TM数据不同辐射校正方法对土地覆盖遥感分类的影响[J]. 遥感学报, 2014, 18(2): 320 − 334. CHEN Chenxin, HU Changmiao, HUO Lianzhi, et al. Effect of different radiation correction methods of Landsat TM data on land-cover remote sensing classification [J]. Journal of Remote Sensing, 2014, 18(2): 320 − 334. [16] 刘礼群, 江坤, 胡智, 等. 雄安新区国土空间开发的生态系统服务价值响应特征[J]. 生态学报, 2022, 42(6): 1 − 14. LIU Liqun, JIANG Kun, HU Zhi, et al. Response characteristics of ecosystem services values in territorial space development of Xiong’an New Area [J]. Acta Geographica Sinica, 2022, 42(6): 1 − 14. [17] YU Tan, XU Shuwen, ZHOU Xinyu, et al. Semi-automatic extraction of the threshold segmentation of coastline based on coastline type [J]. IOP Conference Series:Earth and Environmental Science, 2021, 690(1): 12012 − 12019. [18] 岳辉, 刘英. 基于Landsat 8 TIRS的地表温度反演算法对比分析[J]. 科学技术与工程, 2018, 18(20): 200 − 205. YUE Hui, LIU Ying. Comparison and analysis of land surface temperature retrieval algorithms based on landsat 8 TIRS [J]. Science Technology and Engineering, 2018, 18(20): 200 − 205. [19] 丁凤, 徐涵秋. TM热波段图像的地表温度反演算法与实验分析[J]. 地球信息科学, 2006, 8(3): 125 − 130. DING Feng, XU Hanqiu. Comparison of two new algorithms for retrieving land Surface temperature from landsat TM thermal band [J]. Geo-Information Science, 2006, 8(3): 125 − 130. [20] 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 Environmental Science, 2013, 33(5): 889 − 897. [21] 徐涵秋, 施婷婷, 王美雅, 等. 雄安新区地表覆盖变化及其新区规划的生态响应预测[J]. 生态学报, 2017, 37(19): 6289 − 6301. XU Hanqiu, SHI Tingting, WANG Meiya, et al. Land cover changes in the Xiong’an New Area and a prediction of ecological response to forthcoming regional planning [J]. Acta Ecologica Sinica, 2017, 37(19): 6289 − 6301. [22] 王志杰, 代磊. 黔中喀斯特山地城市土地利用/覆被变化及其生态效应评价——以贵阳市花溪区为例[J]. 生态学报, 2021, 41(9): 3429 − 3440. WANG Zhijie, DAI Lei. Assessment of land use/cover changes and its ecological effect in karst mountainous cities in central Guizhou Province: taking Huaxi District of Guiyang City as a case [J]. Acta Ecologica Sinica, 2021, 41(9): 3429 − 3440. [23] 王凯霖, 李海涛, 吴爱民, 等. 人工补水条件下白洋淀湿地演变研究[J]. 地球学报, 2018, 39(5): 549 − 558. WANG Kailin, LI Haitao, WU Aimin, et al. An analysis of the evolution of Baiyangdian wetlands in Hebei Province with artificial recharge [J]. Acta Geoscientica Sinica, 2018, 39(5): 549 − 558. [24] 马远. 雄安新区城市森林建设的经验和启示[J]. 林业与生态, 2019(6): 23 − 25. MA Yuan. Experience and inspiration of urban forest construction in Xiong’an New Area [J]. Forestry and Ecology, 2019(6): 23 − 25. [25] 杨江燕, 吴田, 潘肖燕, 等. 基于遥感生态指数的雄安新区生态质量评估[J]. 应用生态学报, 2019, 30(1): 277 − 284. YANG Jiangyan, WU Tian, PAN Xiaoyan, et al. Ecological quality assessment of Xiong’an New Area based on remote sensing ecological index [J]. Chinese Journal of Applied Ecology, 2019, 30(1): 277 − 284. [26] 高星, 刘泽伟, 李晨曦, 等. 基于“三生空间”的雄安新区土地利用功能转型与生态环境效应研究[J]. 生态学报, 2020, 40(20): 7113 − 7122. GAO Xing, LIU Zewei, LI Chenxi, et al. Land use function transformation in the Xiong’an New Area based on ecological-production-living spaces and associated eco-environment effects [J]. Acta Ecologica Sinica, 2020, 40(20): 7113 − 7122. [27] 关瑜, 陈影, 潘肖燕, 等. 基于土地利用转型的生态服务交叉敏感性分析——以雄安新区为例[J]. 生态经济, 2021, 37(3): 153 − 160. GUAN Yu, CHEN Ying, PAN Xiaoyan, et al. Cross-sensitivity analysis of ecological services based on land use transition: a case study of Xiong’an New Area [J]. Ecological Economy, 2021, 37(3): 153 − 160. [28] 施婷婷, 徐涵秋, 孙凤琴, 等. 建设项目引发的区域生态变化的遥感评估——以敖江流域为例[J]. 生态学报, 2019, 39(18): 6826 − 6839. SHI Tingting, XU Hanqiu, SUN Fengqin, et al. Remote-sensing-based assessment of regional ecological changes triggered by a construction project: a case study of Aojiang River Watershed [J]. Acta Ecologica Sinica, 2019, 39(18): 6826 − 6839. [29] 金佳莉, 王成, 贾宝全. 北京平原造林后景观格局与热场环境的耦合分析[J]. 应用生态学报, 2018, 29(11): 3723 − 3734. JIN Jiali, WANG Cheng, JIA Baoquan. Coupling analysis of landscape pattern and thermal fields after the afforestation in Beijing plain area [J]. Chinese Journal of Applied Ecology, 2018, 29(11): 3723 − 3734. -
-
链接本文:
https://zlxb.zafu.edu.cn/article/doi/10.11833/j.issn.2095-0756.20220596
点击查看大图
计量
- 文章访问数: 680
- HTML全文浏览量: 251
- PDF下载量: 42
- 被引次数: 0
