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
句娇, 李迎超, 王利兵, 等. 水肥耦合效应对栓皮栎苗木生长的影响[J]. 浙江农林大学学报, 2020, 37(4): 673-682. DOI: 10.11833/j.issn.2095-0756.20190456
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
JU Jiao, LI Yingchao, WANG Libing, et al. Coupling effects of soil water and fertilizer application on the growth of Quercus variabilis seedlings[J]. Journal of Zhejiang A&F University, 2020, 37(4): 673-682. DOI: 10.11833/j.issn.2095-0756.20190456
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

摘要

  • 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.]

  • 水分和养分是影响植物生长发育的两大重要因素。水分是植株输送营养的必要条件，养分只有溶解在水中才能被植物吸收，水分状况在很大程度上决定着肥料的有效性、吸收量和利用率[1-3]。在农林生产中，经常通过灌溉或施肥来改善植物的生长状况，但施用过多会造成水资源和肥料浪费，严重时还会导致水体富营养化、土壤盐渍化等环境问题[4]。水肥耦合可以提高水分和肥料的利用效率，还能调节苗木的生理生长过程，达到节水节肥、促进苗木生长的目的[5]。对花椒Zanthoxylum bungeanum[6]和楸树Catalpa bungei[7]进行水肥研究发现：适宜的水肥耦合条件能够促进幼苗生长和养分吸收利用，能显著提高苗木生物量。栓皮栎Quercus variabilis是壳斗科Fagaceae栎属Quercus落叶乔木，是中国温带、暖温带和亚热带地区森林植被的优势树种，是生产木材、软木、栲胶、薪炭、食用菌等的主要原料，也是发展燃料乙醇重要的“非粮”原料[8]，具有很高的经济价值。作为提供大径级无节良材的珍贵乡土树种，栓皮栎在中国水源涵养、水土保持、改善生态环境方面发挥重要的作用[9-10]。栓皮栎在天然林中种群更新困难，育苗成活率低，苗木质量不高，因此深入开展栓皮栎水肥需求规律的研究，对于提高出圃栓皮栎苗木质量具有重要意义。目前，关于栓皮栎苗期水肥需求的研究，主要涉及水分和氮肥单因素及交互效应对苗木生长和养分状况的影响[11-13]。磷、钾肥对植物的生长同样具有重要作用，是植物必需的营养元素之一[7]，但磷、钾元素如何影响栓皮栎苗木生长的研究尚未有相关报道，且有关水肥交互效应如何影响苗高、地径、根系生物量等重要苗木质量指标的研究较少，无法制定精准的灌溉施肥制度。本研究以栓皮栎当年生幼苗为研究对象，采用4因素5水平二次回归通用旋转组合设计进行盆栽试验，通过水肥耦合处理对苗木生长指标的测定，建立其与土壤水分、施氮量、施磷量、施钾量的回归模型，探讨栓皮栎生长对水肥耦合的响应规律，重点探究各生长指标的水肥耦合交互效应，确立最佳水肥组合，以期为栓皮栎苗期的水分管理和合理施肥提供理论依据。

    1.   样地概况及研究材料

    1.1   样地概况

    于2018年4−11月在中国林业科学研究院科研温室(40°00′10″N，116°14′38″E)中进行试验。海拔61 m，研究期间平均气温为24.0 ℃，夜间气温不低于10.0 ℃，白天气温不高于30.0 ℃，光合光子照度为200~1 000 μmol·m−2·s−1，湿度为60%~70%。

    1.2   研究材料

    2017年9−10月，于河南林州随机选取50株健康栓皮栎母树，母树间距不小于20 m，采集到的种子用60 ℃温水持续浸泡2 h杀虫处理后置于阴凉处阴干。对种子进行筛选、消毒，将成熟种子进行沙藏储存。2018年4月挑选已发芽的栓皮栎种子断根并播种，种子播在花盆(内径10 cm，高20 cm)内，培养基质为V(泥炭土)∶V(珍珠岩)=5∶3，基质容重为0.28 g·cm−3，田间持水量18.5%，pH 6.05，速效氮、速效磷、速效钾质量分数分别为74.67、27.17、11.63 mg·kg−1。

    种子播种后到幼苗出苗整齐，统一采用上方喷灌，每天喷水1次，使基质保持湿润。出苗后每隔1周喷洒质量浓度为0.1%的50%多菌灵可湿性粉剂。在培育过程中，采用自然光，所有苗木每周进行1次位置轮换，以减少边缘效应。待5月中旬出苗整齐后开始进行试验，试验处理前测定苗木平均高度和地径分别为16.8 cm和2.09 mm。肥料选用氮肥(尿素，含质量分数为46%的氮)、磷肥(磷酸二氢钠，含质量分数为26%磷)、钾肥(硫酸钾，含质量分数为50%钾)。

    2.   研究方法

    2.1   试验设计

    采用4因素5水平二次回归通用旋转设计(RCCD)，共30个处理。各试验因素和水平编码值见表1，试验结构矩阵见表2。土壤含水率上限设为田间持水量。采用FOM/mts便携式土壤湿度、温度和盐度计测量土壤水分，同时结合称量法进行校正。3 d测定1次土壤含水率，测定时将传感器的探针插入基质中进行测定，得到体积含水量，根据土壤容重，经换算得到质量含水率，测得土壤含水率(占田间持水量的比例)低于下限则灌水。灌水量(mL)=[(田间持水量−土壤含水率)/容重]×盆土质量/水的密度。于5月底到7月底，7 d施氮肥1次，共10次，15 d施1次磷肥和钾肥，共5次[13]。每次施肥量固定，对苗木进行水分补充时将肥料溶于水中施入。此期间为栓皮栎苗木的速生期，水溶肥少量多施，符合植物根系不间断吸收养分的特点，以减少一次性大量施肥造成肥料损失。

    表 1  试验因素和水平编码值
    Table 1  Coded and physical values of experimental factors
    编码水平土壤含水
    率/%    		施氮量/
    (mg·株−1)    		施磷量/
    (mg·株−1)    		施钾量/
    (mg·株−1)
    −2.040 00 0
    −1.050 75.015.0 15.0
    0 60150.030.0 30.0
    1.070225.045.0 45.0
    2.080300.060.0 60.0
    下载: 导出CSV 
    | 显示表格
    表 2  结构矩阵和各处理栓皮栎苗木生长情况
    Table 2  Experimental design matrix and growth of Q. variabilis seedlings under different treatments
    处理x1x2x3x4苗高/cm地径/mm根干质量/g生物量/g叶面积/cm2
    1−1.0−1.0−1.0−1.031.97±0.56 h3.46±0.11 cd3.45±0.03 k6.69±0.18 de291.93±3.41 g
    2 1.0−1.0−1.0−1.038.80±0.85 cd3.82±0.20 bc4.57±0.02 e8.53±0.25 bc364.24±7.36 de
    3−1.0 1.0−1.0−1.030.07±0.75 i3.92±0.10 bc3.84±0.03 i6.90±0.23 de274.35±4.79 h
    4 1.0 1.0−1.0−1.040.20±0.77 c4.15±0.17 ab5.21±0.04 b9.71±0.12 b397.33±10.49 c
    5−1.0−1.0 1.0−1.029.47±0.73 i3.42±0.13 d3.66±0.02 j6.47±0.41 de275.37±5.81 h
    6 1.0−1.0 1.0−1.039.03±0.92 cd3.93±0.19 bc4.74±0.05 d9.18±0.10 bc370.65±7.67 de
    7−1.0 1.0 1.0−1.030.92±0.64 hi3.83±0.16 bc4.10±0.03 h7.33±0.18 cd298.80±10.18 g
    8 1.0 1.0 1.0−1.042.27±0.98 b4.24±0.20 ab5.81±0.04 a10.79±0.11a426.75±13.37 b
    9−1.0−1.0−1.0 1.028.90±0.76 i3.72±0.10 c3.48±0.03 k6.18±0.17 de259.70±11.61 i
    10 1.0−1.0−1.0 1.037.00±0.91 e4.10±0.09 ab4.56±0.05 e8.65±0.11 bc360.34±5.49 e
    11−1.0 1.0−1.0 1.031.30±0.54 hi3.66±0.13 cd3.80±0.03 i6.82±0.16 de276.32±9.52 h
    12 1.0 1.0−1.0 1.039.33±0.85 cd4.03±0.14 b5.29±0.02 b9.95±0.18 ab390.31±6.27 cd
    13−1.0−1.0 1.0 1.030.77±0.66 hi3.61±0.11 cd3.20±0.02 l5.88±0.39 e249.13±6.11 i
    14 1.0−1.0 1.0 1.038.97±0.82 cd4.16±0.17 ab4.67±0.04 d8.94±0.11 bc367.71±11.04 de
    15−1.0 1.0 1.0 1.030.77±0.60 hi3.45±0.12 cd3.78±0.01 i6.96±0.45 de294.75±8.29 g
    16 1.0 1.0 1.0 1.044.57±0.95 a4.04±0.20 b5.75±0.03 a10.99±0.12 a445.03±13.33 a
    17−2.0 0 0 0 26.03±0.67 j3.44±0.14 cd2.60±0.06 m4.85±0.35 e245.46±5.69 i
    18 2.0 0 0 0 43.13±0.99 b4.34±0.26 a5.72±0.05 a10.69±0.35 ab439.87±11.94 ab
    19 0 −2.0 0 0 33.27±0.74 g3.61±0.17 cd3.77±0.04 i7.10±0.19 c272.22±7.48 hi
    20 0 2.0 0 0 36.37±0.70 ef3.82±0.15 bc4.87±0.04 c8.85±0.18 bc339.81±8.12 f
    21 0 0 −2.0 0 31.53±0.64 h3.88±0.16 bc4.13±0.04 h7.48±0.18 c327.63±4.80 f
    22 0 0 2.0 0 33.97±0.77 g3.91±0.19 bc4.50±0.03 ef8.30±0.20 bc334.72±10.71 f
    23 0 0 0 −2.035.50±0.81 f3.92±0.17 bc4.42±0.04 f8.07±0.19 bc335.99±10.88 f
    24 0 0 0 2.036.33±0.58 ef3.88±0.17 bc4.30±0.03 g7.95±0.31 c330.40±12.97 f
    25 0 0 0 0 37.87±0.89 de4.00±0.22 bc4.67±0.03 de8.84±0.18 bc376.50±9.18 d
    26 0 0 0 0 36.77±0.69 ef4.10±0.15 ab4.45±0.04 f8.44±0.20 c356.43±4.59 e
    27 0 0 0 0 38.53±0.78 d4.05±0.12 b4.80±0.03 cd9.05±0.19 bc397.25±4.30 c
    28 0 0 0 0 39.33±0.82 cd4.00±0.16 bc4.70±0.03 d8.82±0.19 bc394.06±12.09 c
    29 0 0 0 0 37.80±0.70 de3.90±0.13 bc4.87±0.04 c9.09±0.21 bc386.09±9.43 cd
    30 0 0 0 0 39.77±0.81 cd3.91±0.09 bc4.70±0.04 d8.85±0.17 bc394.45±6.87 c
    　　说明：x1、x2、x3、x4分别表示土壤含水率、施氮量、施磷量和施钾量的水平编码值；表中数值为平均值±标准误；不同小写字母代　　　　　表各处理间苗木苗高、地径和生物量在0.05水平上差异显著
    下载: 导出CSV 
    | 显示表格

    2.2   指标测定与数据分析

    2018年10月测量每处理苗木的苗高、地径，并对苗木进行破坏性取样。使用LI-3000(LI-COR Inc.，美国)测定叶面积，每处理测15株。随后将待测植株分成根、茎、叶，置于烘箱105 ℃杀青30 min，80 ℃烘干至恒量，称量。用Excel 365和SPSS 23.0进行数据整理，采用Design Expert 8.0.6与Matlab 2018建立模型并进行回归分析和回归系数显著性检验。各指标与土壤含水率和施肥量的回归分析采用如下模型：

    $$\begin{split} y{\rm{ = }}&{b_0}{\rm{ + }}{b_1}{x_{\rm{1}}} + {b_2}{x_2} + {b_3}{x_3}{\rm{ + }}{b_4}{x_4} + {b_1}{b_2}{x_1}{x_2} + {b_1}{b_3}{x_1}{x_3}{\rm{ + }}{b_1}{b_4}{x_1}{x_4} + {b_2}{b_3}{x_2}{x_3} + \\ & {b_2}{b_4}{x_2}{x_4} + {b_3}{b_4}{x_3}{x_4} + {b_{11}}{x_1}^2 + {b_{22}}{x_2}^2 + {b_{33}}{x_3}^2 + {b_{44}}{x_4}^2 \text{。} \end{split} $$

    式(1)中：y表示响应变量，x1、x2、x3、x4分别表示土壤含水率、施氮量、施磷量和施钾量的水平编码值，b表示回归系数[14]。

    3.   结果与分析

    3.1   栓皮栎苗木生长情况分析

    3.1.1   水肥耦合对栓皮栎苗木苗高、地径的影响

    如表2所示：各处理苗木的苗高、地径的趋势总体一致，且存在显著差异(P＜0.05)。低水、低肥处理生长量相对较低，其中处理17苗高、地径、单株叶面积数值最低。高水、高氮处理生长量较大，其中处理8、处理16、处理18苗高为40.20~44.57 cm，处理4、处理8、处理18地径为4.15~4.34 mm。处理8、处理16、处理18的叶面积为426.75~445.03 cm2。总的来说，不同水肥配比对各指标的影响有一定差异，适宜的水肥配比可以促进苗木生长。

    3.1.2   水肥耦合对栓皮栎苗木生物量的影响

    如表2所示：各处理苗木总生物量间存在显著差异，低水、低氮肥的处理生物量较低，其中处理17生物量最低。高水、高氮肥处理生物量较大，其中处理12、处理8、处理16、处理18生物量为9.95~10.99 g，处理8、处理16、处理18的根系生物量为5.72~5.81 g。适宜的灌溉和施肥量对苗木生物量有促进作用，土壤水分含量过低，施肥水平过高或过低都可能抑制苗木生长。

    3.2   回归分析

    以栓皮栎苗木苗高、地径、叶面积、根干质量、总生物量为目标函数，土壤含水率、施氮量、施磷量和施钾量为自变量，运用方差分析和F-test对方程的可靠性和匹配程度进行检验，回归方程均为显著(P＜0.05)，R2为0.950 1~0.981 7，因此，模拟结果与实际情况拟合较好。剔除不显著的回归系数后，模型表达如下：

    $${y_{\text{苗高}}} {\text{=}} 38{\rm{.34 \,+\, 4}}{\rm{.59}}{x_1} \,+\, 0.82{x_2} \,+\, 0.59{x_3} \,+\, 0.66{x_1}{x_2} + 0.61{x_1}{x_3} \,-\, 0.83{x_1}^2 \,-\, 0.70{x_2}^2 \,-\, 1.28{x_3}^2 - 0.49{x_4}^2\text{；}$$ (2)
    $${y_{\text{地径}}} {\text{=}} 3{\rm{.990 \,+\, 0}}{\rm{.220}}{x_{\rm{1}}} \,+\, 0.063{x_2}{\rm{ \,+\, }}0.046{x_1}{x_3} - 0.120{x_2}{x_4} \,-\, 0.026{x_1}^2 \,-\, 0.070{x_2}^2 \,-\, 0.026{x_3}^2 - 0.024{x_4}^2\text{；}$$ (3)
    $$ \begin{split} \!\!\!\!\!\!{y_{\text{叶面积}}}\,{\text{=}}\, &{\rm{ 384}}{\rm{.13 \,+\, 53}}{\rm{.78}}{x_1} \,+\, 16.66{x_2} \,+\, 5.33{x_3} \,+\, 8.03{x_1}{x_2} \,+\, 8.77{x_2}{x_3}\, -\, 9.42{x_1}^2 \,-\, 18.59{x_2}^2 \,-\, 12.30{x_3}^2 - \\ & 11.79{x_4}^2\text{；} \end{split} $$ (4)
    $$ \begin{split} {y_{\text{根干质量}}} {\text{=}} & 4{\rm{.700 + 0}}{\rm{.730}}{x_1} + 0.310{x_2} + 0.094{x_3} + 0.110{x_1}{x_2} + 0.074{x_1}{x_3} + 0.067{x_2}{x_3} - 0.120{x_1}^2 - 0.081{x_2}^2 - \\ & 0.083{x_3}^2 - 0.071{x_4}^2\text{；} \end{split} $$ (5)
    $$ \begin{split} {y_{\text{生物量}}} {\text{=}} & 8{\rm{.85 + 1}}{\rm{.47}}{x_1} \,+\, 0.52{x_2} \,+\, 0.20{x_3} \,+ \,0.21{x_1}{x_2}\, +\, 0.19{x_1}{x_3} + 0.12{x_1}{x_4} + 0.14{x_2}{x_3} - 0.23{x_1}^2 - 0.18{x_2}^2 -\\ & 0.20{x_3}^2 - 0.17{x_4}^2\text{。} \end{split} $$ (6)

    式(2)~(6)中，y表示响应变量，x1、x2、x3、x4分别表示土壤含水率、施氮量、施磷量和施钾量的水平编码值。

    3.2.1   主效应分析

    土壤含水率、施氮量、施磷量对苗高、单株叶面积、根干质量、生物量有显著正效应，效应从高到低依次为土壤含水率、施氮量、施磷量；土壤含水率、施氮量对地径有显著正效应，且土壤含水率效应高于施氮量。施钾量对所有指标的效应不显著，施磷对地径无显著效应。此外，土壤含水率×施氮量、土壤含水率×施磷量对苗高有显著正交互效应，且后者大于前者；土壤含水率×施磷量对地径有显著正交互效应，施氮量×施钾量有显著负交互效应，且施氮量×施钾量的负效应大于土壤含水率×施磷量的正效应；土壤含水率×施氮量、施氮量×施磷量对单株叶面积有显著正交互效应，且后者大于前者；土壤含水率×施氮量、土壤含水率×施磷量、施氮量×施磷量、土壤含水率×施钾量对生物量有显著正交互效应，且从高到低依次为土壤含水率×施氮量、土壤含水率×施磷量、施氮量×施磷量、土壤含水率×施钾量；土壤含水率×施氮量、土壤含水率×施磷量、施氮量×施磷量根系生物量有显著正交互效应，且从高到低依次为土壤含水率×施氮量、土壤含水率×施磷量、施氮量×施磷量。土壤含水率和施氮量的交互效应对植物的生长影响更大。

    3.2.2   单因素效应分析

    为了更直观地分析水肥因素对生长的影响效应，对回归模型进行降维处理，分析各个因素对苗高、地径、单株叶面积、根干质量、生物量的单独效应。如图1所示：氮、磷和钾效应对各指标的影响均为抛物线形状，呈现出先增加后减小的变化趋势，符合“报酬递减”的规律，但各指标达到峰值时对应的土壤水分、施肥量因子不同。当土壤含水率达到一定程度(x1=1.0)时，增长速率减缓。5个指标均随着施氮量的增加而显著增加，当施氮量达到一定水平(x2=1.0)时，苗木的生长会受到抑制，开始出现下降的趋势。磷肥对各指标的影响趋势为先促进后抑制，x3=0.5时，开始对根系生长和总生物量产生抑制作用。在较低水平(x4=−0.5)的钾肥下5个指标均可达到最高值，且x4=2.0时比不施钾肥的苗木生长量和生物量更小。土壤水分对幼苗的生长影响更大，其次为氮肥。增加土壤水分和施肥量可以显著促进幼苗的生长和生物量的积累，但过度灌溉和施肥会限制幼苗生长。

    图 1  土壤含水率、施氮量、施磷量、施钾量对栓皮栎苗高、地径、单株叶面积、根干质量、生物量单因素效应
    Figure 1  Monofactor effects of soil water content, N, P and K fertilizers on stem height, ground diameter, root weight, biomass, leaf area of Q. variabilis seedlings
    下载: 全尺寸图片 幻灯片
    3.2.3   水肥耦合效应分析

    根据各指标的回归方程，对其中效应显著的交互项做耦合效应分析。如图2所示：土壤含水率×施氮量、土壤含水率×施磷量对苗高有显著正效应。苗高随着土壤含水率和施氮量的增加而显著增加，当x1=−2.0、x2=1.5时，苗高达到最大，为45.79 cm。低水分条件下，低磷肥和高磷肥均不利于苗高生长，苗高随着水分和磷肥同时增加而增大，达到一定程度时增加速率减缓，当x1=2.0、x3=0.7时，苗高最大可达44.84 cm。土壤含水率×施磷量对地径有显著正效应。水分较低时，磷肥过高或者过低都会抑制地径生长。水分较高时，添加适量磷肥有利于地径生长，当x1=2.0、x3=1.6，地径可达4.40 mm。施氮量×施钾量对地径有显著负效应，氮肥和钾肥都较低时地径生长受到抑制，但随着氮肥的增加，添加少量钾肥可以促进地径的增加，随后继续添加钾肥会对地径产生显著的抑制作用。

    图 2  水肥耦合对栓皮栎苗木苗高、地径、叶面积、根干质量的影响
    Figure 2  Coupling effects of water and fertilizeron stem height, ground diameter, leaf area, root weight of Q. variabilis seedlings
    下载: 全尺寸图片 幻灯片

    如图2所示：土壤含水率×施氮量、施氮量×施磷量对叶面积有显著正效应。单株叶面积随着水分和氮肥的增加而逐渐增大，当x1=2.0、x2=0.9时，单株叶面积达到最大为467.00 cm2。氮肥和磷肥的交互效应相比水氮交互效应小，且随着氮肥和磷肥的增加，单株叶面积先增加后降低，当x2=0.5、x3=0.4时，单株叶面积最大达到390.00 cm2。

    如图2所示：土壤含水率×施氮量、土壤含水率×施磷量、施氮量×施磷量对根干质量有显著正效应。随着水分和氮肥的同时增加，根干质量逐渐增大，水分较氮肥的影响更大，当x1=2.0、x2=2.0时，根干质量达到最大为6.40 g。水磷交互作用较水氮交互作用小，随着磷肥和水分的增加，根干质量逐渐增大，当x1=2.0、x3=1.2时，根干质量可达最大，为5.80 g。肥料之间的交互作用较水分和肥料的交互作用小，氮肥和磷肥均处于较低水平时根干质量较小，随着施肥量的增加，根干质量呈现出先增大后减小的趋势，当x2=1.3、x3=1.0时，根干质量可达最大为5.10 g。

    如图3所示：土壤含水率×施氮量、土壤含水率×施磷量、土壤含水率×施钾量、施氮量×施磷量对苗木生物量有显著正效应。低水分和氮肥苗木的生物量较小，随着水分和氮肥的增加，生物量逐渐增大，当x1=2.0、x2=2.0时，植株生物量可达到11.95 g。低磷肥和高磷肥均能抑制苗木生长，随着水分和磷肥的增加，生物量呈现先增加后减小的变化趋势，直到x1=1.9、x3=1.4，生物量可以达到11.20 g。低钾肥和高钾肥均会抑制苗木生长，且在低水和高钾肥的条件下生物量较小，当x1=2.0、x4=0.5时，生物量最高可达10.88 g。氮和磷肥的交互作用相对水肥交互作用的影响小，且生物量随施氮量和施磷量的增加先增大后减小；在低水分条件下，过高的磷、钾肥比低磷、钾肥更易对生物量产生抑制作用，当x2=1.7、x3=1.0时，生物量达到最大为9.43 g。适宜的水肥比有利于苗木生长和生物量的积累。

    图 3  水肥耦合对栓皮栎苗木生物量的影响
    Figure 3  Coupling effects of water and fertilizer on biomass of Q. variabilis seedlings
    下载: 全尺寸图片 幻灯片
    3.2.4   模型寻优

    综合各个指标进行多目标决策模型分析，在各因素取−2.0≤x≤2.0时，用计算机对模型进行模拟寻优，以寻求可促进栓皮栎生长量最大化的最佳水肥条件组合。得出当x1=1.9，x2=1.3，x3=0.8，x4=−0.9，即土壤含水率为79%，施氮量为215.3 mg·株−1，施磷量46.0 mg·株−1，施钾量为18.1 mg·株−1，苗木生长可达最优，苗高可达45.14 cm，地径达4.40 mm，根干质量达6.30 g，生物量达11.70 g，单株叶面积可达460.83 cm2。

    4.   讨论

    4.1   水分和施肥单因素效应对栓皮栎苗木生长和生物量的影响

    土壤水分和养分(氮、磷、钾)是影响植物生长的重要因素且发挥着不同的作用[15-16]，并与植物生理生长紧密相关，对植物的生物量积累、光合作用、营养分配和根系生长有着显著影响[17]。本研究中水分、氮肥和磷肥对苗木生长有着显著影响，并且水分大于施氮量和施磷量的影响，这与之前研究结论类似[18-20]。本研究中测定的5个指标均随着土壤含水率的增加而快速增长，当土壤含水率达到一定程度(70%)时，增长速率减缓。5个指标均随着施氮量的增加而显著增加，当施氮量达到一定水平时(大于225.0 mg·株−1)，苗木生长减缓，各指标开始出现下降的趋势。磷肥大于45.0 mg·株−1，开始对苗木生物量产生抑制作用。5个指标均在较低水平的钾肥(22.5 mg·株−1)下达到最高值，但钾肥单因素影响较其他3个因素的影响不显著。这说明合理增施肥料可促进栓皮栎苗木生长发育，施肥量过高会导致土壤水分亏缺，此时再施加肥料会产生拮抗效应，引起水分胁迫，进而使苗木生长受阻。

    4.2   水肥交互效应对栓皮栎苗木生长的影响

    水分与肥料之间的互作效应对栓皮栎苗木的生长影响显著。在一定范围内，土壤含水率×施氮量、土壤含水率×施磷量能产生正向协同效应。高水分和高氮肥有利于栓皮栎的生长，这与杨自立[13]的研究结果不同，可能是因为样地条件和种源地不同而导致的苗木间的差异。然而，水氮交互能够显著影响其他树种的生长状况，如土壤含水率×施氮量对楸树苗高、地径、叶面积、生物量有显著正效应，土壤含水率×施磷量对楸树苗高有显著正效应[7]；土壤含水率×施氮量对尾巨桉Eucalyptus urophylla × E. grandis生物量具有显著正效应[21]。干旱环境中土壤养分会对植物生长产生互作影响，在水分亏缺的条件下，施肥可以提高植物的耐旱能力[22]，如通过氮磷等养分的施入可以补偿小麦Triticum aestivum水分亏缺产生的不良反应，使生长抑制现象得到一定缓解[23]。但也有研究表明，施肥会加剧植物生长后期的水分胁迫[24]。本研究中，土壤含水率×施磷量除叶面积外，对其他4个指标均有显著交互正效应，且在低水分条件下，添加高磷肥比低磷肥更能抑制苗木生长。土壤含水率×施钾量对生物量有正向协同效应，低水分条件下施加氮肥可促进生物量积累，过量施加钾肥会明显产生拮抗作用。较高水分条件下，施加高氮肥、磷肥可促进苗木生长、根生物量和总生物量增加，低钾肥可促进地径增加和生物量的积累。原因是土壤水分增加时，土壤中的有机氮会矿化为更利于植物吸收的铵态氮和硝态氮，让有机态磷矿化为植物可以吸收的无机态磷，并增强钾元素的移动性。而土壤水分缺乏时，各营养元素进入根部会受到影响，各组织中的元素比例会失调，进而植物生长受到抑制[25]。随着水分的增加，适宜的施肥量能够很快促进苗木生长，而养分过量和亏缺都会对植株生长造成伤害。MARIS等[26]研究表明：土壤水分能促进植物对养分的吸收，且在很大程度上决定着养分的吸收，土壤中的养分只有溶解在水中才能被植物吸收，充足的灌溉能显著提高养分吸收的有效性。

    4.3   不同元素交互效应对栓皮栎苗木生长的影响

    除不同肥料与水分之间存在交互效应外，不同肥料之间也存在交互效应。水曲柳Fraxinus mandschurica苗木在氮、磷供给失衡的情况下，不能调整氮磷营养资源，单株总生物量显著下降[27]。枣树Ziziphus jujuba施肥试验也表明：钾肥可促进氮肥的增产，但两者之间存在拮抗效应[28]。此外，在低氮肥条件下，少量的磷肥可使叶面积、根干质量和总生物量达到最大，再继续添加磷肥会对苗木生长产生抑制作用，这与徐有明等[29]对湿地松Pinus elliottii幼林研究的结论类似。在较高水平的氮肥下，适当添加磷肥可促进叶面积、根干质量和总生物量的增加。钾肥与氮肥交互对地径有负效应，即随着氮肥的增加，继续添加钾肥会对地径产生显著抑制效应。原因可能是栓皮栎幼苗对钾肥需求量较小，栓皮栎种子中所含的营养元素已经能够满足其当年生长过程对钾的需求，因此再施用钾肥不会对地径生长产生促进作用。有研究发现：钾肥能缓解氮肥过量所引起的有害作用[30]，这也可能是钾肥产生负效应的原因，但具体原因还有待进一步研究。由此可见，在栓皮栎苗期，应当给予苗木充足的水分，适宜的氮肥和磷肥，在此基础上施加少量钾肥即可满足苗木生长的需求。单一种类的肥料并不能满足苗木生长的需求，需要各种肥料混合以适当的配比进行使用，并供给苗期充足的水分，从而促进植物更好地吸收养分，提高苗木的生长量。

    5.   结论

    土壤水分和氮肥是影响栓皮栎苗木的主要因子，而土壤水分是限制苗木生长的最主要因素。高水和高氮肥可以促进苗木吸收磷和钾，总体而言钾肥对苗木的增产效应较小。因此，本研究综合考虑单因素以及因素之间的耦合效应，对模型进行多目标决策分析得到：栓皮栎苗木苗高、地径、单株叶面积、根干质量和生物量的最大值出现在高水(田间最大持水量的79%)，高氮肥(215.3 mg·株−1)，高磷肥(46.0 mg·株−1)，低钾肥(18.1 mg·株−1)的条件下。

  • 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(6)

    1. 祝洋，刘志应，李新苗，王楠，张娟. 水肥耦合效应对设施番茄生长及水分利用效率的影响. 山东农业科学. 2024(04): 92-101 . 百度学术
    2. 王沛然，张家林，高祥斌，涂佳才. 水肥耦合对‘聊红’椿幼苗生长特性的影响. 山东农业大学学报(自然科学版). 2024(02): 153-161 . 百度学术
    3. 周陈平，林伟，杨敏，邝瑞彬，吴夏明，郭金菊，黄炳雄，魏岳荣. 水肥耦合对香蕉和番木瓜幼苗生长的影响. 中国农学通报. 2024(10): 68-75 . 百度学术
    4. 张晓姗，高嘉，王洪永，王霞，庞薇，陈寅，杜振宇，马风云，马丙尧. 我国栎树引种及其营养生长研究进展. 江苏林业科技. 2024(02): 48-52 . 百度学术
    5. 李潘亭，杜满义，王玥，裴顺祥，辛学兵. 元宝枫幼苗生长及光合特性对水肥耦合的响应. 南京林业大学学报(自然科学版). 2024(05): 113-122 . 百度学术
    6. 廖欢，甘浩天，刘凯，殷星，刘少华，唐新愿，侯振安. 机采棉氮素吸收及产量的最佳水氮组合. 植物营养与肥料学报. 2021(12): 2229-2242 . 百度学术

    其他类型引用(13)

  • 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:  528
  • HTML全文浏览量:  95
  • PDF下载量:  24
  • 被引次数: 19
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

句娇, 李迎超, 王利兵, 等. 水肥耦合效应对栓皮栎苗木生长的影响[J]. 浙江农林大学学报, 2020, 37(4): 673-682. DOI: 10.11833/j.issn.2095-0756.20190456
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
JU Jiao, LI Yingchao, WANG Libing, et al. Coupling effects of soil water and fertilizer application on the growth of Quercus variabilis seedlings[J]. Journal of Zhejiang A&F University, 2020, 37(4): 673-682. DOI: 10.11833/j.issn.2095-0756.20190456
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