下载:
-
自20世纪90年代以来，随着经济发展、城镇化进程，全球性生态问题和区域性环境问题层出不穷，全面客观评价区域生态质量，协调人类社会经济发展与生态环境平衡关系成为关注的重点和热点[1−2]。遥感生态指数是基于生态环境状况指数评价区域生态质量的时空局限性的一种新型遥感生态指数，可减少评价指标获取难度和评价过程的人为主观性[3]。自2013年提出以来，先后在中国北方的哈尔滨[1]、石家庄[4]、雄安新区[5]，东部的义乌[2]、杭州[6]，中西部的重庆[7]、乌鲁木齐[8]、阿克苏[9]，南部的福州[10]、昆明[11]以及一些特殊地理单元[12−15]均有很好的评价示范和应用。但上述研究空间分辨率与研究范围大多没有实现同步提升，多集中于区域中心城市，时间序列也主要在近20 a；其次分析评价也大多集中于主成分分析结果的陈述，最终集成结果遥感生态指数的分级统计、变化监测与建模预测，没有进一步结合其他分析方法深入探究遥感生态指数的空间特征和关系。本研究在农兰萍等[11]、朱泓等[16]、周斯怡等[17]的研究基础上，从云南省省域空间层面和30 a的时间尺度上定量评价生态质量的变化情况，并以莫兰指数分析其空间分布特征，旨在更大时空尺度上作出遥感生态指数的应用拓展，探析区域生态质量变化的原因，以期发挥遥感生态指数的评价效益，为支持云南省生态环境修复及生态文明建设提供服务。
-
云南省属中国西南边境省份(21°08′~29°15′N，97°31′~106°11′E)，地处青藏高原南麓与云贵高原的交界地带，高山、亚高山与河谷、盆地相间，境内气候类型丰富、干湿季节分明、垂直小气候特征明显、生物多样性丰富，兼备亚热带至高山寒温带的各种自然生态群落，属于金沙江-长江、南(北)盘江-珠江、元江-红河、澜沧江-湄公河、怒江-萨尔温江等重要国际国内河流的上游或源头。参照熊俊楠等[18]对云南省区域的划分结果，将下辖16个地州(市)分为7个区域，分别为滇东北、滇东南、滇南、滇西、滇西北、滇西南、滇中。
-
遥感影像源于中国科学院地理空间数据云(
http://www.gscloud.cn )并由美国地质勘探局(USGS)网站(https://earthexplorer.usgs.gov/ )进行补充，选取1990—2020年7期Landsat系列影像，空间分辨率为30 m，选取时间在每年的2—4月，云量控制在10%以下，对于局部缺失的影像再用其余时间的影像及相邻年份的影像替代。所有影像数据通过辐射定标、大气校正、几何校正、图像镶嵌等完成预处理，并按照云南省矢量边界裁剪出所需的研究区。 -
徐涵秋[3]基于遥感信息技术，以代表区域生态质量的4大生态要素(绿度、湿度、干度、热度)，构建以植被指数、湿度分量、建筑指数、裸土指数和地表温度为遥感观测指标的新型遥感生态指数(IRSEI)，即：
$ {{{I}}_{{\rm{RSEI}}}} = f({{{I}}_{{\rm{NDVI}}}},\;{{{I}}_{{\rm{Wet}}}},\;{{{I}}_{{\rm{NDBSI}}}},\;{{{I}}_{{\rm{LST}}}}) $ 。其中：INDVI为植被归一化指数；IWet为湿度分量；INDBSI为土壤指数，即建筑指数、裸土指数的组合；ILST为地表温度。具体各分量计算公式参见文献[3, 17]。为避免人为加权求和所带来的主观性，遥感生态指数模型运用完全自主的主成分变换，集成IRSEI以快速监测和评价区域生态质量。其次，上述观测指标的量纲及数量级存在不统一问题，为避免其对集成结果带来的影响，在集成之前需进行正规化，使其映射到0~1，即[3]：
$ {{I}}_i^* = ({I_i} - {I_{\min }})/({I_{\max }} - {I_{\min }}) $ 。其中：$ {{I}}_i^* $ 为正规化后的观测指标值，Ii为观测指标在像元i处的计算值，Imax为观测指标的最大计算值，Imin为观测指标的最小计算值。鉴于主成分变换结果中INDVI、IWet所代表的生态学意义[19−20]，确定主成分变换结果的第1主成分(PC1)，即为初始遥感生态指数IRSEI0，再次经过正规化即可得到遥感生态指数IRSEI，即：IRSEI=(IRSEI0−IRSEImin)/(IRSEImax−IRSEImin)。其中，IRSEI0为初始遥感生态指数，IRSEImax为初始遥感生态指数的最大值，IRSEImin为初始遥感生态指数的最小值。对于计算结果，可按0.2间隔成5个生态等级，即优(5级，IRSEI＞0.8)，良(4级，0.8≥IRSEI＞0.6)，中等(3级，0.6≥IRSEI＞0.4)，较差(2级，0.4≥IRSEI＞0.2)，差(1级，IRSEI≤0.2)，以进一步量化统计和表征区域生态质量变化。
-
即以一元线性回归模型分析自变量随时间的变化斜率(Islope)，其计算公式参考文献[21]并划分等级标准：明显减小(Islope≤−0.005)、轻度减小(−0.005＜Islope≤−0.002)、基本不变(−0.002＜Islope≤0.002)、轻度增加(0.002＜Islope≤0.005)、显著增加(Islope＞0.005)。
-
即以变异系数(CV)分析自变量的变化，反映数据样本的离散性和波动性，其计算公式参考文献[21]，并划分等级标准：非常稳定(CV≤0.04)、稳定(0.04＜CV≤0.08)、变异较小(0.08＜CV≤0.12)、变异剧烈(CV＞0.12)。
-
为研究遥感生态指数在相邻空间单元上的空间关系，即空间相关性和异质性，引入莫兰指数(Moran’s I)定量评估云南省129个县生态质量的空间自相关程度，并结合P值和Z得分分析其在空间单元上的分布特征。其中，全局莫兰指数(global Moran’s I)在于描述自变量的整体分布情况，局部莫兰指数(local Moran’s I)在于测量局部空间自相关并指出冷点聚集区和热点聚集区，在空间分布上反映遥感生态指数高低值的聚类状态，具体计算公式参考文献[22]。
-
如图1所示：遥感生态指数的计算结果可表征云南省1990—2020年生态质量的动态演变特征。相较于IRSEI不同生态条件下已有的测算结果而言[23]，城市地区IRSEI为0.450~0.590，森林或植被茂盛的地区IRSEI高于0.630，但在土壤侵蚀严重地区IRSEI低至0.180，在沙漠地区IRSEI则低至0.240，可以更好地横向比较云南省生态质量的具体情况。1990年，滇东北、滇东南、滇南、滇西南以及滇中的大部分地区生态质量均达到了优良等级，IRSEI达0.800以上，而滇西、滇西北的高寒山区明显低于省平均水平。之后，随着人口增多导使土地依附性增强，再加上陡坡开荒、过度垦殖、顺坡耕种等不合理的开垦耕作方式，能源获取以及对森林的乱砍乱伐等[24]，至2000年全域生态质量普遍下降，IRSEI省均值从1990年的0.795下降到2000年的0.558。随着退耕还林还草、集体林权制度改革以及石漠化综合治理等生态工程的陆续实施[24]，2005年生态质量得到初步恢复，IRSEI省均值达0.664。2009—2011年连续3 a干旱导致云南曲靖珠江源石漠化面积持续扩展，滇东北、滇东南、滇南地区生态质量普遍下降，IRSEI地区均值跌至0.400以下，其他地区也受到影响。2010年以后，随着城镇化进程及生态修复政策的实施，IRSEI省均值从2010年0.449上升到2020年的0.757，平均每年增长6.86%。
图 1 1990—2020云南省遥感生态指数动态演变特征示意图
Figure 1. Dynamic evolution characteristics of IRSEI in Yunnan Province from 1990 to 2020
-
如图2所示：云南省1990—2020年IRSEI呈先减小、小幅回升后再减小、后又持续增加的变化趋势，并于2000和2010年2次跌至最低水平。其中，省均值2次位于良等级的高位水平，部分地区更是达到了优等级，3次位于良等级的低位水平，2次位于中等水平。从云南省IRSEI分区域统计结果来看，1995、2005、2015年地区均值差异较小，地区均值极差分别为0.013、0.020、0.027；1990年滇西、滇西北略有波动，与省均值的差值分别为0.029、0.090；而在人类活动干扰、连续干旱的影响下，2000、2010年云南省不同地区生态质量均有不同程度的恶化并呈现差异化分布，相较于前1个5 a省均值分别下降9.12%、32.38%，地区均值极差依次为0.093、0.186。
图 2 1990—2020年云南省遥感生态指数时空变化特征
Figure 2. Spatial-temporal variation characteristics of IRSEI in Yunnan Province from 1990 to 2020
从整个研究时间序列来看，云南省IRSEI整体变化为“W”型，整体拟合斜率为−0.008，属于明显减小的变化等级，其中滇西属于轻度减小的变化等级，滇西北属于轻度增加的变化等级，其余皆属于明显减小的变化等级。下降阶段主要在1990—2000年，拟合斜率为−0.119，是明显减小变化等级阈值−0.005的23.8倍，具体表现为全域范围内生态质量普遍下降。低谷阶段主要在2000—2010年，2005年小幅回升后再度下降，拟合斜率为−0.054，属于明显减小的变化等级，其中滇西、滇西北位于−0.05以上，其主要贡献来源于生物多样性的保护及森林保育，而其余地区拟合斜率均小于−0.05，滇东南在岩溶环境影响下达−0.085。恢复阶段主要在2010—2020年，拟合斜率为0.154，是显著增加变化等级阈值0.005的30.8倍，其中滇东南作为石漠分布区中的典型代表，是近10 a生态质量恢复最快的地区，拟合斜率为0.194。
从表1可见：1990—2000年属于生态质量的下降阶段，优良等级(4~5级)所占比例从1990年的95.82%下降到2000年的34.88%，平均每年下降6.09%；1~3级所占比例从1990年的4.18%上升到2000年的65.13%，生态条件变差等级下降面积为3.68×105 km2。1990—2000年云南省生态质量的下降主要表现在优良生态等级的持续下跌，从1990年的4~5级(95.82%)下降到1995年的3~4级(99.97%)，再到2000年的3~4级(96.49%)，其中1995年以4级(68.15%)居多，而2000年以3级(61.73%)居多。
表 1 1990—2020云南省遥感生态指数分类统计表
Table 1. Classification statistics of IRSEI in Yunnan Province from 1990 to 2020
等级 1990年 1995年 2000年 2005年 2010年 2015年 2020年 面积/
km2百分
比/%面积/
km2百分
比/%面积/
km2百分
比/%面积/
km2百分
比/%面积/
km2百分
比/%面积/
km2百分
比/%面积/
km2百分
比/%1 93.35 0.02 2.86 0.00 72.83 0.02 40.43 0.01 3 042.65 0.79 592.76 0.15 2 823.70 0.73 2 453.15 0.12 66.26 0.02 12 979.65 3.38 184.29 0.05 126 806.00 32.98 1 873.63 0.49 2 327.44 0.61 3 15 540.20 4.04 122 142.34 31.82 237 312.70 61.73 72 931.29 18.97 220 653.20 57.40 150 410.82 39.12 38 949.59 10.13 4 135 083.38 35.14 261 597.93 68.15 133 616.73 34.76 310 307.88 80.72 32 746.93 8.52 223 129.75 58.04 157 526.67 40.98 5 233 267.86 60.68 40.89 0.01 456.47 0.12 975.64 0.25 1 190.67 0.31 8 432.58 2.19 182 811.85 47.55 说明：5级为优(IRSEI＞0.8)，4级为良(0.8≥IRSEI＞0.6)，3级为中等(0.6≥IRSEI＞0.4)，2级为较差(0.4≥IRSEI＞0.2)，1级为差(IRSEI≤0.2)。 2000—2010年属于生态质量的低谷阶段，主要表现为2000年的3~4级(96.49%)且以3级居多，初步恢复到2005年3~4级(99.69%)且以4级居多，又在持续干旱因素影响下下降到2010年的2~3级(90.38%)。从空间分布上来看，2000年主要表现为滇东北、滇东南、滇南乃至滇中的局部地区不合理的开垦方式造成水土流失，毁林取薪造成植被破坏，岩溶环境背景的脆弱性进一步凸显；2010年主要表现为连续3 a干旱导致云南曲靖珠江源石漠化面积持续扩展，滇东北、滇东南生态质量均受到影响。
2010—2020年属于生态质量的恢复阶段，主要表现为低位水平生态质量的持续恢复，从2010年的2~3级(90.38%)恢复到2015年的3~4级(97.16%)，再次恢复到2020年的4~5级(88.53%)；生态条件转好等级上升面积为3.75×105 km2，占比为97.56%，而生态质量变差等级下降面积占比仅2.44%。
相较于1990年的初始水平，云南省2020年生态质量整体得到不同程度的恢复，面积为1.59×105 km2，但1~3级的面积占比均有上升，集中于滇东北、滇东南、滇南以及滇中局部的石漠化分布区。
-
从横向统计结果来看：云南省7个区域IRSEI在1995、2005年区域整体变异程度较小，普遍属于稳定和变异较小的变化等级，变异系数极差分别为0.011、0.022；在2000、2010年区域整体波动性较大，变异系数极差分别为0.044、0.106，其中2010年大部分地区超过变异剧烈变化等级阈值0.120的近1倍；滇西、滇西北在1990年与省内其他地区相比波动性较大，变异系数分别为0.115、0.171。从纵向统计结果来看：云南省7个区域以及全省不同年份的IRSEI变异程度均较大，遥感生态指数极差波动范围为0.20~0.50，其中滇东南最大，为0.468，滇西最小，为0.216；变异系数极差波动范围为0.15~0.20，滇南最大，为0.206，滇西南最小，为0.094 (图2)。
如图3所示：在1990—2000年生态质量下降阶段，云南省各区域IRSEI的下降幅度从大到小依次为滇东北、滇东南、滇南、滇中、滇西、滇西南、滇西北；除滇西北(76.32%)外，其余地区生态质量变差等级下降面积占比在90%以上。在2000—2010年生态质量低谷阶段，云南省各区域IRSEI的下降幅度普遍约0.10，其中最大为滇东南(0.169)，最小为滇西北(0.059)，除滇西、滇西北外，其余地区生态质量变差等级下降面积占比在90%以上。在2010—2020年生态质量恢复阶段，云南省各区域IRSEI的上升幅度从大到小依次为滇东南、滇东北、滇南、滇西南、滇中、滇西、滇西北；除滇西北(93.88%)外，其余地区生态条件转好等级上升面积占比在95%以上。从整个研究时间序列看，滇西北IRSEI为上升，而其余地区皆为下降，其中以滇西下降最小(0.005)，而滇南下降最大(0.095)。
图 3 云南省遥感生态指数变化监测分布示意图
Figure 3. Change detection of IRSEI in Yunnan Province
-
1990、1995、2000、2005、2010、2015、2020年，云南省129个县IRSEI的全局莫兰指数分别为0.586、0.225、0.409、0.394、0.374、0.278、0.321，并结合P值和Z得分，说明在99%置信度下IRSEI在相邻空间单元上呈现聚集状态，即区域生态质量具有空间异质性。从整个研究时间序列看，全局莫兰指数呈下降趋势并趋于平缓，说明研究区内县域间IRSEI空间自相关程度不断下降。结合云南省生态质量的动态演变特征，说明研究区内局部县域生态质量的提升使原本的生态高值(或低值)的聚集状态得到了一定程度的缓和。
由图4可知：20世纪90年代，云南省县域层面IRSEI的高值聚类主要分布在滇东北、滇东南以及滇南局部地区，低值聚类主要分布在滇西、滇西北以及滇西南的局部高寒山区。随着滇西、滇西北、滇西南各流域生物多样性的保护，中部哀牢山-无量山、南部热带森林的保育，IRSEI的低值聚类则逐渐转移到了滇东北、滇东南、滇南以及滇中地区，特别是石漠化分布区。在聚集特征上，IRSEI高—高聚集与低—低聚集在空间分布上一般不直接相邻且通过不显著的空间类别进行过渡，说明生态质量外在分布上一般是渐变式的，而内在呈现高值(或低值)的聚集状态。
图 4 1990—2020年云南省县域空间聚类动态演变特征示意图
Figure 4. Dynamic evolution characteristics of county spatial clustering in Yunnan Province from 1990 to 2020
-
在模型发展上，IRSEI自提出以来，已有不同学者结合研究区的特点或自身知识储备对模型进行了一定的拓展改进。王杰等[25]引入盐度指标表征土地盐碱化，构建干旱IRSEI；程琳琳等[26]采用熵权法计算权重并用指数和法计算IRSEI；张华等[15]基于谷歌地球引擎(Google Earth Engine，GEE)获取影像评价祁连山国家公园。在时空尺度上，张立伟等[27]、程志峰等[28]、XU等[23]将评价模型在皖江城市带、苏锡常(苏州-无锡-常州)城市群、福建省等更大尺度作了研究的拓展和应用。在数据分析上，也从主成分分析结果的陈述、4个观测指标的变化与影响、以及最终集成结果IRSEI的分级统计、变化监测与建模预测，拓展到利用地理空间分析IRSEI的空间关系[29]和利用地理探测器探测生态质量变化的驱动因子[7−8]。以上这些不同层面上的发展，均使得评价模型在客观、科学、快速、深入评价区域生态质量方面发挥更大的效益和价值。
但其中有几点值得商榷：①GEE获取影像的时间应该得到严格的限定，以保证反演结果的准确性[20]。②应尝试与拓展在更大空间尺度上的研究或与其他分析方法或软件结合应用。③现有的时间序列多为近20 a，研究的时间周期没有进一步细化，数据的空间分辨率也没有进一步提升，对于生态质量变化的信息表达存在一定局限性。从本研究结果来看，以往对云南省生态质量方面的研究集中在植被覆盖度的变化分析[18, 30]、石漠化地区的环境变化[31]、局部地区/城市生态质量的变化[11, 20]等方面，其空间分辨率与研究范围难以实现同步提升，时间序列也主要在2000年以后，很容易遗漏20世纪90年代初云南省生态质量的高位阶段以及之后10 a的高速下降阶段。
-
植被指数是构成遥感生态指数的关键性指标之一[20]。本研究云南省生态质量动态演变特征与熊俊楠等[18]、谷雷等[30]关于云南省植被覆盖度的空间分布特征存在一定程度的吻合，其中对于2010年由于持续干旱所造成的生态质量下降缺少较为明显的体现，但这在吴月圆等[32]关于云南省近10 a植被的动态监测图中有所体现。本研究结论与赵翠娥等[33]利用生态足迹模型分析昆明市2000—2010年生态环境与发展之间的相互关系，得出“极不安全状态”的结论相类似，与农兰萍等[11]得出昆明市2000—2018年IRSEI平均值为0.51，生态质量处于一般状态(0.4~0.6)的结论相一致。
云南省生态质量及推动变化原因主要分为决定与改变2个层面[34]：决定因子主要指脆弱的岩溶环境背景，是决定石漠化宏观生态关系乃至区域生态质量的首要因子；而改变因子主要指促使区域生态质量发生正向变化(或负向变化)的影响因素。本研究表明：1990、1995、2000、2005、2010、2015、2020年，云南省IRSEI整体变化为“W”型，优良率分别为95.82%、68.16%、34.88%、80.97%、8.83%、60.23%、88.53%，其中生态质量恢复主要为近10 a人为支持下的持续改善，生态条件转好等级上升面积占比97.56%，优良率上升79.70%；生态质量下降分为2个阶段：1990和2010年左右，前者主要受人为因素影响，而后者在人为干扰下灾害因素(干旱)是其中的关键主导因素。
云南省岩溶石漠区原为茂盛的湿性阔叶林、半湿性阔叶林、石灰岩山地灌丛[35]，从遥感观测的角度看，1990年滇东北、滇东南、滇南以及滇中的IRSEI依次为0.806、0.825、0.838、0.819；而今的石漠化景观多为人为活动强烈影响下逐步演变形成的[35]，具体而言云南省省域人口密度从1990年的93.95人·km−2上升到2020年的126.96人·km−2，其中岩溶石漠化区从100.83人·km−2上升到139.13人·km−2，远超岩溶石漠化土地的生态环境承载力。对于灾害因素，2010年云南省省域范围内出现了不同程度的生态质量下降情况，其主要原因在于2009、2010、2011年是特枯水年和偏枯水年，年平均降水量较常年分别偏少24.7%、7.3%、23.0%，且时空分布不均，致使云南曲靖珠江源石漠化面积持续扩展，较2005年净增加2.8 km2，年均扩展率为6.8%，也使其成为第2次石漠化监测重点区域中，唯一的石漠化扩展区。
随着退耕还林、退耕还草等一系列生态工程措施和政策的陆续实施[36−38]，农村能源结构得到调整，生物质能源(薪柴、秸秆)10 a间从44.0%下降到37.2%，农村劳动力人口发生转移，城镇化率从2010年的34.81%上升到2020年的50.05%，以及农村产业结构的改革[39]，使得原本的人为干扰得以减轻，土地承载力得以缓和，植被覆盖得以全面恢复，被破坏的生态系统逐步恢复并向着良性方向发展。
-
云南省在1990—2020年间遥感生态指数整体下降了0.038，拟合斜率为−0.008。相较于2010年的最低水平，2020年云南省遥感生态指数的优良率从8.83%上升到88.53%，生态条件转好等级上升面积为3.75×105 km2，而生态质量变差等级下降面积占比仅为2.44%。从整个研究时间序列看，1990和2010年前后受人为因素和灾害因素的影响而出现生态质量的波动情况，但后续生态质量的提升还存在很大空间，其中应重点关注岩溶石漠化及气象灾害的影响。
Evaluation and evolution characteristics of ecological quality in Yunnan based on long-time series satellite remote sensing
-
摘要:
目的 探析云南省自20世纪90年代以来的生态质量变化，可为进一步保护和建设西南生态安全屏障提供支持。 方法 基于遥感生态指数(IRSEI)和空间自相关分析，从时间和空间2个维度对云南省的生态质量变化规律及特征进行研究。 结果 ①从时间尺度上看，云南省1990—2020年遥感生态指数整体变化为“W”型，呈现先减小、小幅回升后再减小、后又持续增加的变化趋势，并于2000和2010年2次跌至最低水平，30 a间遥感生态指数降低了0.038，线性拟合斜率为−0.008；②从空间尺度上看，云南省7个区域遥感生态指数在1995和2005年区域整体变异程度较小，普遍属于稳定和变异较小的变化等级，在2000和2010年区域整体波动性较大，滇西、滇西北在1990年与省内其他地区相比波动性较大，变异系数分别为0.115、0.171；③在县域尺度上，云南省1990—2020年遥感生态指数空间自相关程度呈下降并趋缓的变化趋势，高值聚类主要由滇东北、滇东南以及滇南地区转移到了滇西、滇西北以及滇西南地区，低值聚类则逐渐转移到了滇东北、滇东南、滇南以及滇中地区，特别是石漠化分布区。 结论 云南省生态质量整体在逐步改善，特别是2010年以后，但仍有提升空间，尤其应重点关注岩溶石漠化及气象灾害对生态质量的影响。图4表1参39 Abstract:Objective This study, with an analysis of the changes of ecological quality in Yunnan Province since the 1990s, is aimed to provide support for the further protection, restoration and promotion of ecological security barriers in Southwest China. Method Remote Sensing based Ecological Index (IRSEI) and spatial auto-correlation analysis were employed to study the regularities and characteristics of ecological quality from two dimensions (time and space). Result (1) In terms of time scale, the overall change of IRSEI in Yunnan Province from 1990 to 2020 is featured with the “W” type, showing a trend of first decreasing, then decreasing after a slight rise, and continuously increasing finally, falling to the lowest level twice in 2000 and 2010 with a general decrease of 0.038 in 30 years and an overall slope of linear fitting of −0.008. (2) In terms of spatial scale, the overall variation of the seven regions’ IRSEI in Yunnan Province is relatively small in 1995 and 2005, with generally stable and minor variation grades but a relatively large fluctuation in 2000 and 2010 and the volatility of Western and Northwestern Yunnan where the coefficient of variation is 0.115 and 0.171 respectively is larger than that of other regions in 1990. (3) At the county scale, the spatial auto-correlation degree of IRSEI in Yunnan Province from 1990 to 2020 shows a tendency of decreasing and gradually slowing down. At the same time, high-high cluster shifts from Northeastern, Southeastern and Southern Yunnan to Western, Northwestern and Southwestern Yunnan, while low-low cluster shifts to Northeastern, Southeastern, Southern and Central Yunnan, especially where rocky desertification is distributed. Conclusion The overall ecological quality of Yunnan Province enjoys a gradual improvement, especially after 2010, of which more attention should be paid to the impact of karst rocky desertification and meteorological disaster on the ecological quality. [Ch, 4 fig. 1 tab. 39 ref.] -
随着环境保护要求的不断提高，环保型木材防腐剂越来越受到重视，此类防腐剂多以高效低毒的有机农药为主成分，配合其他助剂制备成有机型或水基型防腐剂[1-2]。三唑类杀菌剂，如丙环唑、戊唑醇、环丙唑醇、氟环唑和苯醚甲环唑等，既可以单独使用，又可以与铜制剂复配[3-4]，是目前常用的木材防腐剂；这些三唑类杀菌剂杀菌谱不尽相同，作用机制也有所差异，应用较广泛的是丙环唑和戊唑醇[5-6]。常见的木材防霉剂有异噻唑啉酮类如卡松、1,2-苯并异噻唑-3-酮(BIT)、4,5-二氯-2-正辛基-3-异噻唑啉酮(DCOI)等，有机碘类如碘丙炔醇丁基氨甲酸酯(IPBC)，三唑类等[7]，杀菌谱也不尽相同；常用的仓储水果防霉剂如溴菌腈和抑霉唑[8-9]，防霉活性较高，但较少应用于木材防霉。菊酯类杀虫剂是常见的防治白蚁的药剂，具有用量少、成本较低、废弃物易回收、环境相对友好等优点；高效氯氟氰菊酯在菊酯类杀虫剂中活性较高、稳定性较强、耐雨水冲刷性能较好。因含有大量羟基等亲水基团[10]，木材变色、发霉、腐朽、变形等问题频发，品质降低[11-13]，常用亚麻油、桐油、豆油、核桃油等含甘油三脂肪酸酯的植物油[14]和沥青、石蜡等含长链烷烃的矿物油用作木材防水；现代工业多将植物油与动植物蜡等复配成木蜡油[15]，用作木材的表面防水处理剂。如马红霞等[16]使用56号石蜡制备木材防水剂，当石蜡质量浓度为5%时，防水效率可达54%；由此可见，石蜡可作为良好的木材防水剂。液体石蜡是经原油分馏得到的无色无味的液态烃类混合物，室温下为液态，用作防水剂时可省去加热融化环节，节约了能源和时间。木材在使用过程中需要多重保护，如防腐、防霉、防虫和防水等，存在工序繁琐、成本高昂等问题，为满足木材不同生物危害防治需要，本研究拟制备一种同时具有防腐、防霉、防虫和防水多项功能的水基型有机木材保护复合制剂，通过室内抑菌圈法筛选不同杀菌剂的抑菌活性，从中挑选活性较好、杀菌谱互补的防腐成分与防霉成分进行复配，并筛选两者的最佳配比；将其与杀虫成分和防水成分复配，制备成可以兑水自动乳化的乳油制剂。制备的复合制剂稳定性好，兼具防水、防腐、防霉、防白蚁等性能，同时处理工序简单，可达到常规生物危害防治要求的目的，为木材保护提供参考。
1. 材料与方法
1.1 试验材料
1.1.1 杀菌剂、杀虫剂和防水剂
杀菌剂包括氟环唑(FCZ)、戊唑醇(TEB)、丙环唑(PPZ)、苯醚甲环唑(DCZ)、碘丙炔醇丁基氨甲酸酯(IPBC)、溴菌腈(BMN)、抑霉唑(IMZ)。杀虫剂为高效氯氟氰菊酯(CLT)。防水剂为液体石蜡(化妆品级)。以上试剂购自上海麦克林生化科技有限公司。
1.1.2 测试菌种
木材腐朽菌有褐腐菌密粘褶菌Gloeophyllun trabeum、白腐菌彩绒革盖菌Coriolus versicolor。木材混合霉菌有黑曲霉Aspergillus sp.、木霉Trichoderma sp.、青霉Penicillium sp.。木材变色菌可可球二孢Botryodiplodia theobromae。所有菌株均为实验室保存的生物测试标准用菌株。
测试树种为辐射松Pinus radiata。
1.2 试验方法
预实验通过满细胞法确定辐射松边材吸液(水)量为750~850 kg·m−3；根据三唑类药剂防腐有效载药量(200.0~400.0 g·m−3)[17]，换算药剂质量浓度为150.0~300.0 mg·L−1，确定试验用药质量浓度为200.0 mg·L−1。
1.2.1 防腐、防霉成分及配比筛选
通过室内抑菌效果普筛挑选出效果较好且杀菌谱互补的杀菌剂作为防腐和防霉成分。将挑选出的防腐和防霉成分按照不同配比混合进行复配，再次测试室内抑菌效果，确定效果较好的复配比例作为药剂配伍。
1.2.2 室内抑菌圈测试
参照《中华人民共和国药典》的“抗生素微生物检定法”测试抑菌圈。将5种防腐剂(FCZ、TEB、PPZ、DCZ、IPBC)统一配制成质量分数为5.00%的乳油，分别加水稀释到200.0 mg·L−1；防霉剂IMZ配制为400.0 mg·L−1，BMN分别配制为400.0、600.0和800.0 mg·L−1。在各涂满真菌孢子液的马铃薯葡萄糖琼脂(PDA)培养基中，分别摆放4个装有0.3 mL待测药液的牛津杯。随着药液的扩散，培养基上的真菌菌丝会受到抑制形成抑菌圈，抑菌圈直径越大，说明药剂抑菌效果越好。
1.2.3 制剂性能测试
乳液稳定性测试。参照GB/T 1603—2001《农药乳液稳定性测定方法》，在100.0 mL室温标准硬水中慢慢加入不同体积样品，边加入边搅拌，加完后继续搅拌30 s；然后在30 ℃恒温水浴中静置1 h，观察不同稀释倍数下样品乳状液分离情况。无浮油、沉淀或沉油则视为乳液稳定性合格。
防水性能测试。将含液体石蜡质量分数为40.00%的复合制剂分别兑水，稀释液体石蜡质量分数为2.00%、4.00%、8.00%，满细胞法处理试块。辐射松边材尺寸为50 mm×20 mm×10 mm，每组8块试块，室温平衡21 d后称质量，然后蒸馏水浸泡30 min，取出试块，称质量，参照GB/T 1934.1—2009《木材吸水性测定方法》计算吸水率；测量弦向尺寸变化，参照GB/T 29901—2013《木材防水剂的防水效率测试方法》计算防水效率。
室内防腐性能测试。参照GB/T 13942.1—2009《木材耐久性能第1部分：天然耐腐性实验室试验方法》进行。将待测制剂分别兑水稀释5、10、20倍备用，辐射松边材尺寸为20 mm×20 mm×10 mm，每组6块试块，经真空−0.09 MPa处理10 min，常压浸渍10 min，参照标准测试防腐性能。试块质量损失率＜10%，属于Ⅰ级强耐腐；质量损失率为11%~24%，属于Ⅱ级耐腐；质量损失率为25%~44%，属于Ⅲ级稍耐腐；质量损失率＞45%，属于Ⅳ级不耐腐。
室内防霉性能测试。参照GB/T 18261—2013《防霉剂对木材霉菌及变色菌防治效力的试验方法》进行。将待测制剂分别兑水稀释5、10、20倍，辐射松边材尺寸为50 mm×20 mm×10 mm，每组8块试块，参照标准方法处理试块，测试防霉性能。试块表面无菌丝、霉点时，定义侵染值为0；试块表面感染面积＜1/4，定义为1；试块表面感染面积1/4~1/2，定义为2；试块表面感染面积1/2~3/4，定义为3；试块表面感染面积＞3/4，定义为4。
室内防白蚁测试。参照GB/T 18260—2015《木材防腐剂对白蚁毒效实验室试验方法》进行。将待测制剂分别兑水稀释5、10、20倍，辐射松边材尺寸为20 mm×20 mm×10 mm，每组5块试块，参照标准方法处理试块，测试室内防白蚁性能。试块蚁蛀程度为完好无损，定义试样完好等级为10；微痕蛀蚀，定义为9.5；轻微蛀蚀，截面面积＜3%的蛀蚀，定义为9；中等蛀蚀，截面面积3%~10%的蛀蚀，定义为8；中等蛀蚀，截面面积10%~30%的蛀蚀，定义为7；严重蛀蚀，截面面积30%~50%的蛀蚀，定义为6；非常严重蛀蚀，截面面积50%~75%的蛀蚀，定义为4；试块几乎完全被蛀毁，定义完好等级为0。
2. 结果与分析
2.1 有效成分筛选
从表1可以看出：5种防腐剂(FCZ、TEB、PPZ、DCZ和 IPBC)对木材腐朽菌(彩绒革盖菌和密粘褶菌)均具有较好的抑制效果，但FCZ、TEB和PPZ对变色菌(可可球二孢)和混合霉菌几乎没有抑制作用，只有DCZ对可可球二孢有抑制效果，因此优选DCZ作为防腐成分。IPBC和IMZ对所测试菌种均有较好的抑制效果，BMN和IMZ虽然对混合霉菌和变色菌有抑制作用，但抑菌圈均小于IPBC。因此，优先IPBC作为防霉成分。
表 1 各杀菌剂的室内抑菌效果Table 1 Result of inhibition zones test by bactericide杀菌剂 质量浓度/
(mg·L−1)抑菌圈大小/mm 彩绒革
盖菌密粘
褶菌可可球
二孢混合
霉菌FCZ 200.0 ＞45.0 ＞45.0 0 0 TEB 200.0 ＞45.0 ＞45.0 0 0 PPZ 200.0 ＞45.0 ＞45.0 0 0 DCZ 200.0 ＞45.0 ＞45.0 11.4 0 IPBC 200.0 ＞45.0 ＞45.0 34.6 21.9 BMN 800.0 37.2 35.4 12.8 10.6 600.0 38.1 29.0 9.0 9.4 400.0 26.8 31.8 8.3 7.1 IMZ 400.0 39.2 41.6 26.9 12.7 将DCZ和IPBC按质量比1∶1、1∶3、3∶1的比例配制混合药剂，测试DCZ+IPBC复配药剂对腐朽菌和霉菌的抑制效果；将其他3种三唑类防腐药剂(FCZ、TEB和PPZ)与IPBC按照质量比1∶1配制复配药剂，作为对照测试抑菌效果。由表2可以看出：DCZ+IPBC复配药剂对木材腐朽菌、变色菌和混合霉菌的抑制效果较好，其中按照1∶1比例复配的药剂效果最高。相其他三唑类与IPBC的复配药剂，抑菌效果亦有所提高。由此确认防腐/防霉复配药剂，DCZ和IPBC按照1∶1进行配制。
表 2 不同三唑类药剂与IPBC复配的抑菌效果Table 2 Result of inhibition zones test by compounded of different preservatives组分 质量浓度/
(mg·L−1)抑菌圈大小/mm 彩绒革
盖菌密粘
褶菌可可球
二孢混合
霉菌DCZ 200.0 ＞45.0 ＞45.0 11.4 0 DCZ+IPBC 150.0+50.0 ＞45.0 ＞45.0 22.4 15.1 DCZ+IPBC 100.0+100.0 ＞45.0 ＞45.0 31.0 23.6 DCZ+IPBC 50.0+150.0 ＞45.0 ＞45.0 29.1 23.7 IPBC 200.0 ＞45.0 ＞45.0 30.6 21.9 FCZ+IPBC 100.0+100.0 ＞45.0 ＞45.0 25.7 21.8 PPZ+IPBC 100.0+100.0 ＞45.0 ＞45.0 25.8 22.5 TEB+IPBC 100.0+100.0 ＞45.0 ＞45.0 24.0 21.0 为探索CLT对白蚁的防治效果，设计含梯度载药量的辐射松边材室内抗白蚁效果测试，拟定辐射松边材载药量分别为5.0、10.0、15.0、20.0、30.0 g·m−3。由表3可知：试块中CLT载药量达10.9 g·m−3以上时，白蚁蛀蚀完好值＞8.0，质量损失率＜11%，而未添加药剂处理的对照木材，完好值仅4.6，质量损失率＞40%。因此，设计的复合制剂中防虫成分的目标载药量为7.5~30.0 g·m−3。
表 3 不同CLT载药量木材的白蚁蛀蚀结果Table 3 Result of lab anti-termite test of cyhalothrin载药量/
(g·m−3)白蚁蛀蚀
完好值质量损
失率/%载药量/
(g·m−3)白蚁蛀蚀
完好值质量损
失率/%− 4.6 42.9±14.6 15.5 8.0 10.5±1.4 5.3 8.0 11.3±0.7 21.8 9.1 5.2±1.4 10.9 8.6 5.9±1.5 32.1 8.4 5.1±1.9 说明：−表示未添加药剂 综上，本研究设计制备了含苯醚甲环唑、碘丙炔醇丁基氨甲酸酯、高效氯氟氰菊酯、液体石蜡等多种有效成分的木材保护复合制剂，通过调试乳化剂和助溶剂的用量和配比，最终配制出稳定、均相、透明、入水可自乳化的乳油制剂。制剂制备时按比例称取原药和乳化剂，加入助溶剂，充分溶解混匀后加入液体石蜡，搅拌均匀即可。测试使用的制剂为乳油，组成成分质量分数为0.20%苯醚甲环唑、0.20%碘丙炔醇丁基氨甲酸酯、0.02%高效氯氟氰菊酯和40.00%液体石蜡。
2.2 制剂性能测试
2.2.1 乳液稳定性测试
制剂兑水稀释250倍，制剂呈乳白色，初入水时呈乳白色团雾状，可自动扩散，摇匀后呈均匀的乳状液，静置1 h未见分层、析油和沉淀，稳定性可保持3~4 h；过夜后破乳，药液表面有大量浮油，颠倒摇匀后可恢复乳液状，不影响正常使用。
2.2.2 防水性能测试
参照标准方法用该制剂处理辐射松边材，经水浸泡30 min后测试试块的吸水率和防水效率。由表4可知：未添加药剂处理的木材，吸水率为54.7%；随着制剂中石蜡质量分数升高，木材试块中石蜡含量相应增加，试块吸水率依次降低，从43.5%下降到26.6%，木材防水效率则随之增强，从44.4%提升到了77.8%。
表 4 防水剂处理后试块的防水性能Table 4 Efficiency of waterproof稀释
倍数制剂中液体石
蜡质量分数/%试块中液体石
蜡含量/(kg·m−3)吸水
率/%防水效
率/%5 8 49.1 26.6±7.4 77.8±19.1 10 4 19.4 35.0±17.3 68.9±22.1 20 2 10.5 43.5±15.1 44.4±20.6 − 0 0 54.7±5.8 0 说明：−表示未添加药剂 2.2.3 室内耐腐性能测试
由表5可知：未处理木材受白腐菌侵染后质量损失率达75.7%，受褐腐菌侵染质量损失率为19.4%，而所有处理试块质量损失率均低于6%，达到强耐腐。制剂稀释20倍后处理试块，试块中DCZ和IPBC载药量超过71.1 g·m−3，试块质量损失率可达1%，达到Ⅰ级强耐腐。值得注意的是，稀释20倍的药液处理后，试块质量损失率低于稀释5倍的药液，原因是高质量浓度制剂处理后，试块内含有大量的液体石蜡，在长达3个月的试验期内，液体石蜡自动扩散到培养基，试块质量损失增加。但取样现场也发现：高质量浓度制剂处理的试块无腐朽菌菌丝附着生长，说明添加防水剂实际进一步提升了制剂的防腐性能。
表 5 制剂处理后试块的室内耐腐性能Table 5 Result of lab sand block test on sapwood P. radiate稀释
倍数彩绒革盖菌 密粘褶菌 试块DCZ+IPBC
载药量/(g·m−3)质量损
失率/%试块DCZ+IPBC
载药量/(g·m−3)质量损
失率/%5 311.2+311.2 5.5±0.6 320.6+320.6 3.6±0.3 10 150.9+150.9 2.7±0.2 139.0+139.0 3.4±0.4 20 71.2+71.2 0.6±0.1 71.1+71.1 1.0±0.2 − 0 75.7±4.3 0 19.4±2.1 说明：−表示未添加药剂 2.2.4 室内防霉性能测试
参照标准方法用该制剂处理辐射松边材，测试室内防霉效果。由表6可知：未处理木材的霉菌和变色菌侵染值为4，该制剂稀释5倍时，试块表面的DCZ和IPBC含量均达0.165 g·m−2，处理试块变色菌和混合霉菌侵染值均为0，防治效果优良。在实际使用中可根据木材树种的天然耐腐性及所处环境适当增减制剂的用量，以达到理想的防霉效果。
表 6 室内防霉测试结果Table 6 Result of lab mildew proof test稀释
倍数可可球二孢 混合霉菌 DCZ+IPBC载药
量/(g·m−2)侵染值 DCZ+IPBC载药
量/(g·m−2)侵染值 5 0.165+0.165 0 0.202+0.202 0 10 0.106+0.106 1.5 0.148+0.148 0.5 20 0.045+0.045 4.0 0.048+0.048 3.3 − 0 4.0 0 4.0 说明：−表示未添加药剂 2.2.5 室内抗白蚁测试
由表7可知：不同稀释倍数的制剂处理后，试块质量损失率均＜3%，而未添加抗虫剂的对照试块，质量损失率为42.9%；制剂稀释5倍时，试块载药量达29.1 g·m−3，试块白蚁蛀蚀完好值为9.6；稀释20倍时，试块载药量为7.6 g·m−3， 试块白蚁蛀蚀完好值为8.9，而未处理木材的白蚁蛀蚀后完好值仅为4.7，质量损失率达42.9%，显示该制剂的防治白蚁效果优良。结合表3可知：相比单用高效氯氟氰菊酯时，复合制剂处理材在同等载药量下对白蚁的防治效果要好得多；当高效氯氟氰菊酯质量浓度为15.0、30.0 g·m−3时，该复合制剂防治白蚁的效果远远优于单剂，由此可知其他组分的加入起到了增效作用。
表 7 室内抗白蚁测试结果Table 7 Result of lab anti-termite test稀释
倍数木材中高效氯氟氰菊酯
载药量/(g·m−3)质量损
失率/%白蚁蛀蚀
完好值5 29.1 2.8±0.5 9.6 10 14.7 2.6±0.3 9.2 20 7.6 2.5±0.7 8.9 − 0 42.9±14.6 4.7 说明：−表示未添加药剂 3. 讨论
针对不同的木材败坏防治需求，本研究制备了一种具有防腐、防霉、防虫、防水多功能的复合制剂，类型为乳油，有效成分为苯醚甲环唑、碘丙炔醇丁基氨甲酸酯、高效氯氟氰菊酯和液体石蜡。
该制剂兑水稀释后呈乳液状，稳定性可保持3~4 h，符合GB/T 1603—2001 《农药乳液稳定性测定方法》的规定。石蜡作为常见的防水剂被广泛应用，多数所使用的时熔点较高的固体石蜡[18]，而该制剂以液体石蜡为防水组分，优点是室温下即为液体，无需加热融化，缺点是液体石蜡密度较小，相较常规药剂，兑水稀释后稳定性差，药液兑水约 4 h 后就会分层破乳；不过，稍微搅拌即可恢复乳状，基本不影响正常使用。该制剂防水性能较好，然而应注意的是防水剂含量很大，大剂量液体石蜡的使用，存在一定的消防隐患，后期应配合表面阻燃处理。石蜡基防水剂的主要防水机制是通过石蜡的疏水作用[19]，石蜡的使用同时增强了木材的尺寸稳定性[20]，石蜡分子量较大，不易进入木材内部，因此需要将其乳化成细小的乳状液，然而，乳化剂的过量使用可能会有石蜡的疏水性降低的风险，需要在以后的开发中引起重视。结合室内耐腐试验菌丝生长状况可以发现：防水剂液体石蜡的加入，可以明显增加药剂的防腐性能，而木材中石蜡的含量很高，当木材与环境中土壤或者水体接触时，石蜡会从木材中自由扩散到环境中，可能会增加药剂流失的风险。
室内防霉测试结果来看，将制剂稀释 5 倍使用，即辐射松试块苯醚甲环唑和碘丙炔醇丁基氨甲酸酯载药量均为 0.165 g·m −2 时，混合霉菌的生长才能被完全抑制，这与李晓文等[21]的IPBC防霉效果结论一致。室内防霉测试所选的温湿度条件适合霉菌生长，且霉菌的孢子液人为接种，因此，通常可以通过室内防霉测试的药剂，在实际生产中的防霉效果也会很好。
室内防白蚁测试结果可知：制剂稀释 20 倍后，试块受白蚁蛀蚀程度仍较低，质量损失率较小，防蚁性能优异。同时，比较单独使用高效氯氟氰菊酯和添加防水剂后的防白蚁效果可以看出：防水剂的添加明显增加了药剂的防白蚁效果。分析原因可能是石蜡是一种化石能源，白蚁不喜食。
4. 结论
为满足木材不同生物危害防治需要，本研究制备出一种含石蜡水基型有机多功能木材防腐剂，可以一次处理基本满足木材常规保护的要求。该木材保护复合制剂同时具有防腐、防霉、防虫、防水多功能，剂型为乳油，质量分数分别为0.20%的苯醚甲环唑和碘丙炔醇丁基氨甲酸酯、0.02%的高效氯氟氰菊酯和40.00%的液体石蜡。
当环境中生物危害较轻时，可将该复合制剂稀释20倍使用，当生物危害较重时，可将复合制剂稀释5倍甚至直接使用。将制剂稀释5到10倍处理木材，即木材中液体石蜡为25.0~50.0 kg·m−3，苯醚甲环唑和碘丙炔醇丁基氨甲酸酯为150.0~300.0 g·m−3，高效氯氟氰菊酯载药量为15.0~30.0 g·m−3，可满足多大多数生物危害的防治需求。
-
图 1 1990—2020云南省遥感生态指数动态演变特征示意图
Figure 1 Dynamic evolution characteristics of IRSEI in Yunnan Province from 1990 to 2020
图 2 1990—2020年云南省遥感生态指数时空变化特征
Figure 2 Spatial-temporal variation characteristics of IRSEI in Yunnan Province from 1990 to 2020
图 4 1990—2020年云南省县域空间聚类动态演变特征示意图
Figure 4 Dynamic evolution characteristics of county spatial clustering in Yunnan Province from 1990 to 2020
表 1 1990—2020云南省遥感生态指数分类统计表
Table 1. Classification statistics of IRSEI in Yunnan Province from 1990 to 2020
等级 1990年 1995年 2000年 2005年 2010年 2015年 2020年 面积/
km2百分
比/%面积/
km2百分
比/%面积/
km2百分
比/%面积/
km2百分
比/%面积/
km2百分
比/%面积/
km2百分
比/%面积/
km2百分
比/%1 93.35 0.02 2.86 0.00 72.83 0.02 40.43 0.01 3 042.65 0.79 592.76 0.15 2 823.70 0.73 2 453.15 0.12 66.26 0.02 12 979.65 3.38 184.29 0.05 126 806.00 32.98 1 873.63 0.49 2 327.44 0.61 3 15 540.20 4.04 122 142.34 31.82 237 312.70 61.73 72 931.29 18.97 220 653.20 57.40 150 410.82 39.12 38 949.59 10.13 4 135 083.38 35.14 261 597.93 68.15 133 616.73 34.76 310 307.88 80.72 32 746.93 8.52 223 129.75 58.04 157 526.67 40.98 5 233 267.86 60.68 40.89 0.01 456.47 0.12 975.64 0.25 1 190.67 0.31 8 432.58 2.19 182 811.85 47.55 说明：5级为优(IRSEI＞0.8)，4级为良(0.8≥IRSEI＞0.6)，3级为中等(0.6≥IRSEI＞0.4)，2级为较差(0.4≥IRSEI＞0.2)，1级为差(IRSEI≤0.2)。 
下载: 导出CSV
-
[1] 刘玉琴. 基于RS和GIS的哈尔滨市生态环境质量评价与分析[D]. 哈尔滨: 哈尔滨师范大学, 2021. LIU Yuqin. Evaluation and Analysis of Ecological Environment Quality in Harbin Based on RS and GIS [D]. Harbin: Harbin Normal University, 2021. [2] 郑勇. 基于TM数据的生态环境指数提取及变化分析[D]. 南京: 南京林业大学, 2014. ZHENG Yong. Eco-Environment Index Extraction and Change Analysis Based on the TM Data [D]. Nanjing: Nanjing Forestry University, 2014. [3] 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. [4] 吴可人, 高祺, 王让会, 等. 基于RSEI模型的石家庄生态环境质量评价[J]. 地球物理学进展, 2021, 36(3): 968 − 976. WU Keren, GAO Qi, WANG Ranghui, et al. Evaluation of ecological environment quality in Shijiazhuang based on RSEI model [J]. Progress in Geophysics, 2021, 36(3): 968 − 976. [5] 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 Xiongan new area based on remote sensing ecological index [J]. Chinese Journal of Applied Ecology, 2019, 30(1): 277 − 284. [6] 刘智才, 徐涵秋, 李乐, 等. 基于遥感生态指数的杭州市城市生态变化[J]. 应用基础与工程科学学报, 2015, 23(4): 728 − 739. LIU Zhicai, XU Hanqiu, LI Le, et al. Ecological change in the Hangzhou area using the remote sensing based ecological index [J]. Journal of Basic Science and Engineering, 2015, 23(4): 728 − 739. [7] 任彦霓, 周廷刚, 李洪忠, 等. 基于遥感和POI数据的重庆市主城区城市生态环境格局研究[J]. 地球物理学进展, 2021, 36(2): 766 − 778. REN Yanni, ZHOU Tinggang, LI Hongzhong, et al. Research on the urban ecological environment pattern in the main urban area of Chongqing based on remote sensing and POI data [J]. Progress in Geophysics, 2021, 36(2): 766 − 778. [8] 排日海·合力力, 昝梅, 阿里木江·卡斯木. 乌鲁木齐市生态环境遥感评价及驱动因子分析[J]. 干旱区研究, 2021, 38(5): 1484 − 1496. Pariha Helili, ZAN Mei, Alimjan Kasim. Remote sensing evaluation of ecological environment in Urumqi City and analysis of driving factors [J]. Arid Zone Research, 2021, 38(5): 1484 − 1496. [9] 李清云, 杨勇强, 王振锡, 等. 基于TM数据的阿克苏市生态环境质量指数RSEI动态变化分析[J]. 西南农业学报, 2019, 32(7): 1646 − 1651. LI Qingyun, YANG Yongqiang, WANG Zhenxi, et al. Dynamic change analysis of remote sensing ecological index in Akst based on TM data analysis [J]. Southwest China Journal of Agricultural Sciences, 2019, 32(7): 1646 − 1651. [10] HU Xisheng, XU Hanqiu. A new remote sensing index for assessing the spatial heterogeneity in urban ecological quality: a case from Fuzhou City, China [J]. Ecological Indicators, 2018, 89: 11 − 21. [11] 农兰萍, 王金亮. 基于RSEI模型的昆明市生态环境质量动态监测[J]. 生态学杂志, 2020, 39(6): 2042 − 2050. NONG Lanping, WANG Jinliang. Dynamic monitoring of ecological environment quality in Kunming based on RSEI model [J]. Chinese Journal of Ecology, 2020, 39(6): 2042 − 2050. [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]. Chinese Journal of Applied Ecology, 2019, 30(3): 877 − 883. [13] NIE Xinran, HU Zhenqi, ZHU Qi, et al. Research on temporal and spatial resolution and the driving forces of ecological environment quality in Coal Mining areas considering topographic correction [J/OL]. Remote Sensing, 2021, 13(14): 2815[2022-07-01]. doi: 10.3390/rs13142815. [14] JING Yunqing, ZHANG Fei, HE Yufeng, et al. Assessment of spatial and temporal variation of ecological environment quality in Ebinur lake wetland national nature reserve, Xinjiang, China [J/OL]. Ecological Indicators, 2020, 110: 105874[2022-07-01]. doi: 10.1016/j.ecolind.2019.105874. [15] 张华, 宋金岳, 李明, 等. 基于GEE的祁连山国家公园生态环境质量评价及成因分析[J]. 生态学杂志, 2021, 40(6): 1883 − 1894. ZHANG Hua, SONG Jinyue, LI Ming, et al. Eco-environmental quality assessment and cause analysis of Qilian Mountain national park based on GEE [J]. Chinese Journal of Ecology, 2021, 40(6): 1883 − 1894. [16] 朱泓, 王金亮, 程峰, 等. 滇中湖泊流域生态环境质量监测与评价[J]. 应用生态学报, 2020, 31(4): 1289 − 1297. ZHU Hong, WANG Jinliang, CHENG Feng, et al. Monitoring and evaluation of eco-environmental quality of lake basin regions in central Yunnan Province, China [J]. Chinese Journal of Applied Ecology, 2020, 31(4): 1289 − 1297. [17] 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. 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. [18] 熊俊楠, 彭超, 程维明, 等. 基于MODIS-NDVI的云南省植被覆盖度变化分析[J]. 地球信息科学学报, 2018, 20(12): 1830 − 1840. XIONG Junnan, PENG Chao, CHENG Weiming, et al. Analysis of vegetation coverage change in Yunnan Province based on MODIS-NDVI [J]. Journal of Geo-information Science, 2018, 20(12): 1830 − 1840. [19] LI Ning, WANG Jiayao, QIN Fen. The improvement of ecological environment index model RSEI [J/OL]. Arabian Journal of Geosciences, 2020, 13: 403[2022-07-01]. doi: 10.1007/s12517-020-05414-7. [20] 徐涵秋, 邓文慧. MRSEI指数的合理性分析及其与RSEI指数的区别[J]. 遥感技术与应用, 2022, 37(1): 1 − 7. XU Hanqiu, DENG Wenhui. Rationality analysis of MRSEI and its difference with RSEI [J]. Remote Sensing Technology and Application, 2022, 37(1): 1 − 7. [21] 王家录, 李维杰, 王勇, 等. 2005—2014年重庆石漠化地区NDVI的时空变化及其与气候因子相关性分析[J]. 水土保持研究, 2021, 28(2): 217 − 223. WANG Jialu, LI Weijie, WANG Yong, et al. Spatial-temporal variation of NDVI and its responses to hydrothermal condition in rocky desertification area of Chongqing City from 2005 to 2014 [J]. Research of Soil and Water Conservation, 2021, 28(2): 217 − 223. [22] 史舟, 周越. 空间分析理论与实践[M]. 北京: 科学出版社, 2020: 100 − 111. SHI Zhou, ZHOU Yue. Theory and Practice of Spatial Analysis [M]. Beijing: Science Press, 2020: 100 − 111. [23] XU Hanqiu, WANG Yifan, GUAN Huade, et al. Detecting ecological changes with a remote sensing based ecological index (RSEI) produced time series and change vector analysis [J]. Remote Sensing, 2019, 11(20): 2345[2022-07-01]. doi: 10.3390/rs11202345. [24] 罗旭玲, 王世杰, 白晓永, 等. 西南喀斯特地区石漠化时空演变过程分析[J]. 生态学报, 2021, 41(2): 680 − 693. LUO Xuling, WANG Shijie, BAI Xiaoyong, et al. Analysis on the spatio-temporal evolution process of rocky desertification in southwest karst area [J]. Acta Ecologica Sinica, 2021, 41(2): 680 − 693. [25] 王杰, 马佳丽, 解斐斐, 等. 干旱地区遥感生态指数的改进——以乌兰布和沙漠为例[J]. 应用生态学报, 2020, 31(11): 3795 − 3804. WANG Jie, MA Jiali, XIE Feifei, et al. Improvement of remote sensing ecological index in arid regions: taking UIan Buh desert as an example [J]. Chinese Journal of Applied Ecology, 2020, 31(11): 3795 − 3804. [26] 程琳琳, 王振威, 田素锋, 等. 基于改进的遥感生态指数的北京市门头沟区生态环境质量评价[J]. 生态学杂志, 2021, 40(4): 1177 − 1185. CHENG Linlin, WANG Zhenwei, TIAN Sufeng, et al. Evaluation of eco-environmental quality in Mentougou District of Beijing based on improved remote sensing ecological index [J]. Chinese Journal of Ecology, 2021, 40(4): 1177 − 1185. [27] 张立伟, 张运, 黄晨. 皖江城市带近20 年生态环境变化遥感指数分析[J]. 长江流域资源与环境, 2018, 27(5): 1061 − 1070. ZHANG Liwei, ZHANG Yun, HUANG Chen. Remote sensing index analysis on ecological environment changes in the recent 20 years of city belt in Wanjiang [J]. Resources and Environment in the Yangtze Basin, 2018, 27(5): 1061 − 1070. [28] 程志峰, 何祺胜. 基于RSEI的苏锡常城市群生态环境遥感评价[J]. 遥感技术与应用, 2019, 34(3): 531 − 539. CHENG Zhifeng, HE Qisheng. Remote sensing evaluation of the ecological environment of Su-Xi-Chang city group based on remote sensing ecological index (RSEI) [J]. Remote Sensing Technology and Application, 2019, 34(3): 531 − 539. [29] 刘晓颖. 基于遥感指数和地理空间分析的城市生态质量空间异质性评估[D]. 厦门: 厦门理工学院, 2021. LIU Xiaoying. Spatial Heterogeneity Assessment of Urban Ecological Quality Based on Remote Sensing Index and Geographic Spatial Analysis [D]. Xiamen: Xiamen University of Technology, 2021. [30] 谷雷, 岳彩荣, 赵勋, 等. 基于Google Earth Engine的云南省1999—2018年植被覆盖度变化分析[J]. 西部林业科学, 2020, 49(5): 74 − 80. GU Lei, YUE Cairong, ZHAO Xun, et al. Analysis of vegetation coverage change in Yunnan Province from 1999−2018 based on Google Earth Engine [J]. Journal of West China Forestry Science, 2020, 49(5): 74 − 80. [31] 徐红枫, 王妍, 苏倩, 等. 基于Google Earth Engine的云南省典型岩溶地区30年石漠化演变与驱动因子分析[J]. 干旱区资源与环境, 2022, 36(5): 94 − 101. XU Hongfeng, WANG Yan, SU Qian, et al. Evolution of rock desertification and driving factors in typical karst areas of Yunnan Province [J]. Journal of Arid Land Resources and Environment, 2022, 36(5): 94 − 101. [32] 吴月圆, 徐天蜀, 岳彩荣. 基于MODIS/NDVI的云南省近十年植被动态监测分析[J]. 绿色科技, 2013(10): 134 − 135. WU Yueyuan, XU Tianshu, YUE Cairong. Dynamic monitoring and analysis of vegetation in Yunnan Province in recent ten years based on MODIS/NDVI [J]. Journal of Green Science and Technology, 2013(10): 134 − 135. [33] 赵翠娥, 丁文荣. 昆明市2000—2010年的生态足迹动态分析[J]. 中国人口·资源与环境, 2013, 23(增刊1): 99 − 102. ZHAO Cui’e, DING Wenrong. Dynamic analysis of ecological footprint during 2000−2010 of Kunming City [J]. China Population, Resources and Environment, 2013, 23(suppl 1): 99 − 102. [34] JIANG Mao, LIN Yi, CHAN Tingon, et al. Geologic factors leadingly drawing the macroecological pattern of rocky desertification in Southwest China [J/OL]. Scientific Reports, 2020, 10: 1440[2022-07-02]. doi: 10.1038/s41598-020-58550-1. [35] 耿弘. 云南岩溶地区水资源开发利用[M]. 昆明: 云南科技出版社, 2002: 54 − 85. GENG Hong. Water Resource Exploration in Karstic Areas of Yunnan [M]. Kunming: Yunnan Science and Technology Press, 2002: 54 − 85. [36] 周秋文, 韦小茶, 许幼霞, 等. 清水河流域1978—2010年土地利用变化时空特征[J]. 测绘工程, 2016, 25(11): 12 − 17. ZHOU Qiuwen, WEI Xiaocha, XU Youxia, et al. Temporal and spatial characteristics of land use change in Qingshui River Basin from 1978 to 2010 [J]. Engineering of Surveying and Mapping, 2016, 25(11): 12 − 17. [37] 袁道先. 我国岩溶资源环境领域的创新问题[J]. 中国岩溶, 2015, 34(2): 98 − 100. YUAN Daoxian. Scientific innovation in karst resources and environment research field of China [J]. Carsologica Sinica, 2015, 34(2): 98 − 100. [38] 余梦, 李阳兵, 罗光杰. 中国西南岩溶山地石漠化演变趋势[J]. 生态学报, 2022, 42(10): 4267 − 4283. YU Meng, LI Yangbing, LUO Guangjie. Evolution trend of rocky desertification in karst mountainous areas in southwest China [J]. Acta Ecologica Sinica, 2022, 42(10): 4267 − 4283. [39] 吴宁, 李世成, 任晓东, 等. 云南石漠化[M]. 北京: 中国林业出版社, 2020: 78 − 84. WU Ning, LI Shicheng, REN Xiaodong, et al. Rocky Desertification in Yunnan [M]. Beijing: China Forestry Press, 2020: 78 − 84. 期刊类型引用(4)
1. 张景朋，蒋明亮，张斌. 嘧菌酯高效液相色谱分析方法及防腐材抗流失性能研究. 浙江农林大学学报. 2025(01): 185-192 . 
本站查看2. 刘于莜，王小燕，云虹. 生物基防腐技术的研究进展及其在木包装中的应用展望. 包装工程. 2023(03): 8-15 . 百度学术3. 马星霞，乔云飞，黎冬青，王艳华. 古建筑木构件生物危害预防性保护体系框架构建. 木材科学与技术. 2023(01): 83-90 . 百度学术4. 陈利芳，王剑菁，马红霞，谢桂军，高婕. 防腐树脂增强改性木材力学及耐久性能研究. 安徽农业大学学报. 2023(03): 389-395 . 百度学术其他类型引用(0)
-
-
链接本文:
https://zlxb.zafu.edu.cn/article/doi/10.11833/j.issn.2095-0756.20220439
点击查看大图
计量
- 文章访问数: 784
- HTML全文浏览量: 120
- PDF下载量: 73
- 被引次数: 4
