中国科学院资源环境科学数据中心

合集下载

基于生态安全格局的高原城市生态修复关键区域识别——以昆明市为例

基于生态安全格局的高原城市生态修复关键区域识别——以昆明市为例

第 40 卷 ,第 3 期 2023 年6 月15 日国土资源科技管理Vol. 40,No.3Jun. 15,2023 Scientific and Technological Management of Land and Resourcesdoi:10.3969/j.issn.1009-4210.2023.03.002基于生态安全格局的高原城市生态修复关键区域识别——以昆明市为例刘凤莲,刘 艳(云南财经大学 国土资源与持续发展研究所,云南 昆明 650221)摘 要:构建区域生态安全格局,识别生态修复关键区域,是在生态文明建设背景下,实施区域生态修复、维护区域生态安全、提高区域生态环境质量的重要举措。

本文以典型的高原城市——昆明市为研究区,利用形态学空间格局分析和景观连通性识别生态源地,通过成本路径工具提取生态廊道,运用电路理论确定生态“夹点”、生态障碍点等生态修复关键区域。

研究表明:(1)昆明市生态源地面积总计6721.78km2,占全市总面积的31.99%,主要土地利用类型为林地和水域。

(2)共提取出91条生态廊道,其中重要廊道19条,重要生态廊道集中分布在昆明市的北部。

(3)共识别生态“夹点”75处,面积66.06km2;生态障碍点4处,面积49.24km2;生态断裂点41处。

研究可为昆明市国土空间生态修复关键区域识别和区域生态保护修护工作的开展提供参考。

关键词:生态安全格局;生态修复分区;形态学空间格局分析;电路理论;昆明市中图分类号:X171.4 文献标志码:A 文章编号:1009-4210-(2023)03-017-14 Identification of Key Areas for Ecological Restoration in Plateau Cities Based on the Ecological Security Pattern: A Case Study of KunmingLIU Feng-lian,LIU Yan(Institute of Land & Resources and Sustainable Development,Yunnan University of Finance andEconomics,Kunming 650221,Yunnan,China)Abstract: Constructing a regional ecological security pattern and identifying key areas for ecological restoration were important measures to pursue regional ecological restoration,maintain regional ecological security,and improve the regional ecological environment quality under the context of ecological civilization construction. This paper, taking Kunming,a typical plateau city,as the study area,applied morphological spatial pattern analysis and landscape connectivity to identify ecological source areas,extracted the ecological corridors with the cost path as a tool,and identified the key areas for ecological restoration based on the circuit theory,such as ecological pinch points and ecological barrier points. The 收稿日期:2023-03-16;改回日期:2023-03-30基金项目:云南省教育厅科学研究基金项目(2021J0592);云南财经大学引进人才项目(2022D13)作者简介:刘凤莲(1981—),女,博士,硕士生导师,从事土地利用与区域可持续发展研究。

SWAT模型中天气发生器与数据库构建及其验证

SWAT模型中天气发生器与数据库构建及其验证

(AU); dn 为该年的天数, 从 1 到 365, 二月总被假定为 28 天。 " 由 Perrin de Brichambaut[33]提出的公式计算。
# ! "$ -1
"=sin
0.4sin
2$ 365
( dn - 82)
( 3)
TSR 由公式( 4) [29]给出。
-1
TSR= cos
! - tan%tan! " !
SWAT 模 型 的 最 新 版 本 为 SWAT2005, 该 版 本 已 在 SWAT 官方网站上公布, 其主要特征是对以先前版本一些错误的纠正, 值得一提的是增加了日以下步长的降水量生成器并允许用户定 义天气预测期[27]。前者对于为 SWAT 模型的短期预报打下了基 础。后者允许用户在模拟降水时, 预测期之前降水采用多年平均 值而预测期降水采用预测期平均值来模拟, 这种改进对评价流 域内预测天气的影响非常有用, 如预知近期暴雨的影响可以提 早对水库进行合理的调控。
系数≥0.91, 确定性系数≥0.93, 取得了非常好的模拟效果。结果表明在缺乏详细的气象和土壤数据情况下, 可以构建
SWAT 模型进行水文模拟研究。
关键词: SWAT 模型; 天气发生器; 土壤属性库
中图分类号: P338+.9
文献标识码: A
文章编号: 1000- 0852(2007)05- 0025- 06
3 SWAT 模型数据库构建
3.1 天气发生器 降 雨 量 、平 均 气 温 和 太 阳 辐 射 量 等 参 数 对 水 文 过 程 、作 物 生
长 和 养 分 降 解 、转 化 等 都 具 有 重 要 影 响 。 连 续 的 日 降 雨 量 、日 气 温等气候资料对模型的模拟效果影响显著。然而由于监测站点 数量少和监测数据缺失等原因以及为了模拟气候变化对水文过 程和水体水质的影响, 有必要构建一种用于模拟给定气候条件 下的随机天气模型, 即天气发生器。SWAT 模型内建 WXGEN 天 气发生器[28], 其作用主要有两个[29], 一是用于生成气候数据, 二是 填补缺失的数据。对于美国用户来说, SWAT 模型已内建美国本 土的天气发生器, 而其他国家用户必需另行构建。其主要输入数 据有日降水量、日 最 高 和 最 低 气 温 、日 太 阳 辐 射 量 、日 露 点 温 度 和日平均风速等, 经过统计分析计算得出多年月平均气候特征。 对于日降水量、日 最 高 和 最 低 气 温 、日 平 均 风 速 这 四 个 数 据 , 我 国的气象观测站点一般都有监测项目, 以下主要论述如何估算 日太阳辐射量和露点温度。 3.1.1 辐射日值估算

211261549_基于FY3B-MWRI_数据的东北积雪深度反演

211261549_基于FY3B-MWRI_数据的东北积雪深度反演

文章编号:2095-6835(2023)10-0080-04基于FY3B-MWRI数据的东北积雪深度反演段芸,王星东(河南工业大学信息科学与工程学院,河南郑州450001)摘要:积雪是地球系统冰冻圈5层的主要成分,它有高反射率、高相变潜温和低热传导方式的特点,可以通过影响地表能量平衡来影响气候。

在对积雪深度的反演研究中,许多研究学者都在对算法及模型进行完善,且有较好的反演效果。

由于地区下垫面类型的不同,仅使用单一算法模型进行探测总会与实测数据产生误差。

选择东北3省为研究区,以FY3B-MWRI为数据源,根据研究区域土地利用类型的特征,针对不同下垫面(森林、草地、农田、裸地)使用不同的算法模型,进一步得出更为准确的反演结果。

经验证,本研究方法的雪深反演结果与实测数据的RMSE(均方根误差)为5.99cm,表明该算法对东北3省积雪深度反演取得了较高的精度。

关键词:中国东北部地区;积雪深度反演;被动微波遥感;FY3B-MWRI中图分类号:P343文献标志码:A DOI:10.15913/ki.kjycx.2023.10.023积雪有高反射率、高相变潜热和低导热性等特征[1],通过影响地表能量的平衡来影响气候系统,也是地球系统5层冰层的重要组成部分[2]。

东北3省地处中国的最北面,研究表明东北大部分地区为世界3个最稳定的积雪区[3]。

微波可以穿透一定厚度的积雪,学者们可使用微波遥感技术对积雪深度进行监测[4]。

积雪深度反演算法在国内外早已发展并在不断完善。

CHANG等[5]基于均质积雪的辐射传输方程得到SMMR的雪深反演算法;FOSTER等[6]对Chang算法加以修改,认为植被覆盖率会影响雪深探测,提出了NASA96算法;蒋玲梅等[7]将不同下垫面类型的影响因素加入雪深反演算法中,完善了用于雪深反演的风云业务化算法,根据经验证明取得了较好的反演精度。

FY-3B卫星上的微波成像系统,拥有5个双极性的亮温信道,可以提供全天候的土壤水分、积雪深度及大气湿度等多个方面的信息。

海河流域生长季植被覆盖度时空变化及驱动力分析

海河流域生长季植被覆盖度时空变化及驱动力分析

第30卷第4期2023年8月水土保持研究R e s e a r c ho f S o i l a n d W a t e rC o n s e r v a t i o nV o l .30,N o .4A u g.,2023收稿日期:2022-06-07 修回日期:2022-07-06资助项目:流域水循环模拟与调控国家重点实验室自由探索课题(S K L 2022T S 01);国家重点研发计划(2021Y F C 3200200);国家自然科学基金(52025093,51979284) 第一作者:钤会冉(1997 ),女,河南清丰县人,硕士,研究方向为水文水资源研究㊂E -m a i l :qi a n h u i r a n 123@163.c o m 通信作者:翟家齐(1984 ),男,河南信阳人,博士,正高级工程师,主要从事平原区水循环模拟㊁农业节水潜力评估㊁区域干旱评估研究㊂E -m a i l :j i a qi z h a i @163.c o m h t t p :ʊs t b c y j .p a p e r o n c e .o r gD O I :10.13869/j.c n k i .r s w c .2023.04.037.钤会冉,翟家齐,马梦阳,等.海河流域生长季植被覆盖度时空变化及驱动力分析[J ].水土保持研究,2023,30(4):309-317.Q I A N H u i r a n ,Z H A I J i a q i ,MA M e n g y a n g ,e t a l .T e m p o r a l a n d S p a t i a l V a r i a t i o n o fV e g e t a t i o nC o v e r a g e a n d I t sD r i v i n g F o r c e sD u r i n gt h eG r o w -i n g Se a s o n i nH a i h eR i v e rB a s i n [J ].R e s e a r c hof S o i l a n d W a t e rC o n s e r v a t i o n ,2023,30(4):309-317.海河流域生长季植被覆盖度时空变化及驱动力分析钤会冉1,2,翟家齐2,马梦阳2,赵勇2,凌敏华1,王庆明2(1.郑州大学水利科学与工程学院,郑州450001;2.中国水利水电科学研究院流域水循环模拟与调控国家重点实验室,北京100038)摘 要:[目的]了解海河流域生长季植被覆盖度(F V C )的时空变化及其驱动力,以期为海河流域的生态保护㊁建设与可持续发展提供参考㊂[方法]基于MO D I SN D V I 遥感数据和同时期的18种影响因子,采用趋势分析法和M -K 显著性检验分析了2001 2019年海河流域生长季植被覆盖度的时空变化特征;并利用地理探测器探讨了其空间分异特征与驱动力㊂[结果]2001 2019年海河流域生长季植被覆盖度总体呈显著上升趋势,线性倾向率为0.063/10a ,2011年之后增速减缓㊂空间分布差异明显,植被覆盖度总体较高,仅环渤海湾地带和一些城市区域植被覆盖率较低㊂改善区域的面积远大于退化面积,其中改善部分以极显著改善为主,占流域总面积的60.42%㊂海河流域生长季植被覆盖度的空间分布差异主要由林地比例和林草混合地比例所决定,解释力均在30%以上㊂对海河流域生长季植被覆盖度交互作用解释力最强的是林草混合地比例和农田比例㊂[结论]海河流域植被覆盖度总体显著上升,空间分布差异主要驱动力为林地比例和林草混合地比例㊂关键词:植被覆盖度(F V C );生长季;地理探测器;海河流域中图分类号:Q 948 文献标识码:A 文章编号:1005-3409(2023)04-0309-09T e m p o r a l a n dS p a t i a lV a r i a t i o no fV e g e t a t i o nC o v e r a g e a n d I t sD r i v i n gF o r c e sD u r i n g t h eG r o w i n g Se a s o n i nH a i h eR i v e rB a s i n Q I A N H u i r a n 1,2,Z H A I J i a q i 2,MA M e n g y a n g 2,Z H A O Y o n g 2,L I N G M i n h u a 1,WA N G Q i n g m i n g2(1.S c h o o l o f W a t e rC o n s e r v a n c y E n g i n e e r i n g ,Z h e n g z h o uU n i v e r s i t y ,Z h e n g z h o u 450001,C h i n a ;2.S t a t eK e y L a b o r a t o r y o f S i m u l a t i o na n dR e g u l a t i o no f Wa t e r C y c l e i nR i v e rB a s i n ,C h i n aI n s t i t u t e o f W a t e rR e s o u r c e s a n d H y d r o p o w e rR e s e a r c h ,B e i j i n g 100038,C h i n a )A b s t r a c t :[O b j e c t i v e ]I no r d e rt o p r o v i d er e f e r e n c ef o re c o l o gi c a l p r o t e c t i o n ,c o n s t r u c t i o na n ds u s t a i n a b l e d e v e l o p m e n t o fH a i h eR i v e rB a s i n ,t h e t e m p o r a l a n d s p a t i a l c h a n g e s o f v e g e t a t i o n c o v e r a ge (F V C )i n g r o w -i n g s e a s o na n d i t s d r i v i n gf o r c e sw e r e i n v e s t ig a t e d .[M e th o d s ]B a s e do n MO D I SN D V I r e m o t e s e n si n g da t a a n d 18i n f l u e n c i n g f a c t o r s o f t h e s a m e p e r i o d ,t r e n d a n a l y s i s a n d M -Ks i g n i f i c a n c e t e s tw e r eu s e d t oa n a l yz e t h e s p a t i o t e m p o r a l v a r i a t i o n c h a r a c t e r i s t i c s o f v e g e t a t i o n c o v e r a g e d u r i n g t h e g r o w i n g s e a s o no fH a i h eR i v e r B a s i n f r o m2001t o 2019.T h e s p a t i a l d i f f e r e n t i a t i o n c h a r a c t e r i s t i c s a n dd r i v i n g f o r c e s a r e d i s c u s s e db y me a n s ofg e o g r a phi c d e t e c t o r .[R e s u l t s ]D u r i n g t h e g r o w i n g s e a s o no fH a i h eR i v e rB a s i nf r o m2001t o2019,t h e v e g e t a t i o n c o v e r a g e s h o w e d a s i g n i f i c a n t u p w a r d t r e n d ,w i t ha l i n e a r t e n d e n c y ra t e o f 0.063/d e c a d e ,a n d t h e g r o w t h r a t e s l o w e dd o w na f t e r 2011.T h ev e g e t a t i o nc o v e r a g ew a s r e l a t i v e l y h i g h i n t h eB o h a i B a y ar e aa n d s o m eu r b a na r e a s .T h ea r e ao f i m p r o v e m e n ta r e aw a s m u c hl a r g e r t h a nt h a to fd e gr a d a t i o na r e a ,a n dt h e Copyright ©博看网. All Rights Reserved.i m p r o v e m e n t p a r tw a s d o m i n a t e db y e x t r e m e l y s i g n i f i c a n t i m p r o v e m e n t,a c c o u n t i n g f o r60.42%o f t h e t o t a l b a s i na r e a.T h e s p a t i a l v a r i a t i o no f v e g e t a t i o n c o v e r a g e i n H a i h eR i v e rB a s i nd u r i n g t h e g r o w i n g s e a s o nw a s m a i n l y d e t e r m i n e db y t h e p r o p o r t i o no f f o r e s t l a n da n dt h e p r o p o r t i o no fm i x e df o r e s t-g r a s s l a n d,a n dt h e e x p l a n a t o r yp o w e rw a sm o r e t h a n30%.T h e s t r o n g e s t e x p l a n a t i o n f o r t h e i n t e r a c t i o no f v e g e t a t i o nc o v e r a g e i nH a i h eR i v e rB a s i nd u r i n g t h e g r o w i n g s e a s o nw a s t h e r a t i oo fm i x e d f o r e s t a n d g r a s s l a n d a n d t h e r a t i oo f f a r m l a n d.[C o n c l u s i o n]O v e r a l lv e g e t a t i o nc o v e r a g e i n c r e a s e ds i g n i f i c a n t l y i n H a i h eR i v e rB a s i n,a n dt h e m a i nd r i v i n g f o r c ew a s t h e p r o p o r t i o no f f o r e s t l a n d a n d t h e p r o p o r t i o no fm i x e d f o r e s t a n d g r a s s l a n d. K e y w o r d s:f r a c t i o n a l v e g e t a t i o n c o v e r a g e(F V C);g r o w i n g s e a s o n;g e o g r a p h i c a l d e t e c t o r;H a i h eR i v e rB a s i n植被作为陆地生态系统中一个重要的组成部分,在陆地生态系统物质循环㊁能量流动㊁信息传递等方面起到了重要的枢纽作用[1],既能促进地球生态系统平衡㊁水循环㊁气候变化[2-3],还可以用来监测生态环境变化[4]㊂植被覆盖度(f r a c t i o n a l v e g e t a t i o n c o v e r a g e,F V C)指植被(包括叶㊁茎㊁枝)在地面的垂直投影面积占观测区总面积的百分比[5],其变化能够直接或间接改变陆地地表下垫面属性,进而对气候调节㊁水土保持以及生态系统的稳定性等产生影响[6]㊂因此,开展流域尺度植被覆盖变化研究以及揭示其驱动力机制,有利于深刻认识陆地生态系统内部的相互作用,对进一步掌握生态系统恢复成效具有极大意义[7]㊂目前,国内外学者深入研究了不同区域尺度的植被覆盖时空变化规律,主要集中于海河流域㊁黄土高原地区等植被变化显著的区域[8],多年来一直是生态环境等领域研究的热点㊂对于植被覆盖度时空变化驱动力的研究主要运用多元线性回归分析㊁相关性分析等传统数学统计方法㊂为弥补仅把气温㊁降水等气候因子作为驱动因素来进行归因分析的片面性,国内外学者先后提出了残差趋势法[9]㊁回归模型法[10]㊁基于生物物理过程的模型方法[11]和地理探测器法[12]等,来定量分解气温㊁降水等自然因素和人类活动强度等人为因素对植被变化的相对贡献㊂其中,地理探测器法以统计学原理的空间方差分析为基础,对变量无限性假设,不仅能够检验气候㊁地形㊁人类活动㊁土壤等多种因子是否是形成植被覆盖时空格局的原因,还可以量化不同因子之间的交互作用对植被覆盖空间分布及其变化的影响程度,并且对数据要求低㊁运算速度较快且精确度高,能够极大程度提高归因分析的全面性,被广泛应用于植被N D V I驱动因子的探测中[13-19]㊂海河流域不仅是重要的工农业生产基地,还是我国的政治文化中心,其战略地位十分重要㊂近年来由于气候变化以及人类活动加强等原因,导致其自然灾害频发,生态系统十分脆弱[20]㊂自20世纪80年代以来,持续大规模封山育林育草㊁退耕还林还草㊁坡改梯㊁於地坝等水土保护措施,使得海河流域的植被覆盖度大幅度提升㊂目前,已有学者对该流域植被变化进行了相关研究[21-25],并且,王永财[26]和陈福军[27]等分别利用1998 2011年的S P O T/N D V I数据和2000 2016年MO D I S/N D V I数据对海河流域植被变化及其与气候因子的相关性进行了研究,对海河流域植被变化特征及其与气候的关系有了一定的认识,但对于人类活动㊁地形和土壤性质对植被覆盖的空间分布差异的影响等综合问题缺乏进一步解析㊂因此,本文利用2001 2019年MO D I S/N D V I数据和同时期18种因子,分析海河流域生长季(4 10月)植被覆盖度的时空变化特征,并利用地理探测器探讨其空间分异特征与驱动力,以期为海河流域的生态保护㊁建设与可持续发展提供参考㊂1资料和方法1.1研究区概况海河流域位于112ʎ 120ʎE,35ʎ 43ʎN,西以山西高原与黄河区接界,北以蒙古高原与内陆河接界,南界黄河,东临渤海㊂流域总面积3.182ˑ105k m2,占全国总面积的3.3%,属于半湿润半干旱的温带东亚季风气候区㊂地势总体上为西北高东南低,流域年平均气温1.5~ 14ħ,年平均相对湿度50%~70%;年平均降水量539 m m,属半湿润半干旱地带;流域由海河㊁滦河㊁徒骇马颊河三大水系㊁七大河系和十条骨干河流组成㊂其中,海河水系是主要水系,由北部的蓟运河㊁潮白河㊁北运河㊁永定河和南部的大清河㊁子牙河㊁漳卫河组成;滦河水系包括滦河及冀东沿海诸河;徒骇马颊河水系位于流域最南部,为单独入海的平原河道㊂土壤类型以褐土和棕壤为主㊂土地利用类型见图1㊂1.2数据来源及预处理植被N D V I数据为美国国家航空航天局(N A S A)提供的MO D I S MO D13A3产品,时间分辨率为月,空间分辨率为1k mˑ1k m㊂选取的数据年份范围为2001 2019年,利用A r c G I S10.8对其进行镶嵌㊁格013水土保持研究第30卷Copyright©博看网. All Rights Reserved.式和定义投影等操作,本研究为最大程度消除云㊁雾㊁大气以及非生长季的影响,选取植被生长最为旺盛的生长季(4 10月)作为研究时段㊂利用最大值合成法合成年N D V I 数据;计算植被覆盖度所需要的L A I 数据来自于中分辨率成像光谱仪M O D I S 的500m 分辨率8d合成产品(MO D 15A 2H )㊂研究共选定的18种生长季植被覆盖度空间分布变化潜在影响因子,涵盖气候㊁地形㊁人类活动㊁土壤性质4个方面,数据类型㊁来源及简要说明见表1㊂为使各因子与N D V I 数据具有相同的投影坐标并保持像元大小一致,对其进行裁剪和重采样等预处理㊂按照5k mˑ5k m 格网,利用A r c G I S10.8中的渔网工具生成12818个采样点,并获取采样点对应地理位置的气候㊁人类活动㊁土壤和地形数据㊂为有效地避免人为因素的干扰,利用A r c G I S 中的自然间断法将各因子分为10类㊂图1 海河流域2018年土地利用类型表1 影响因子数据来源及处理因子类型因子符号单位数据来源及处理气候年均降水P R E mm中国气象数据网(h t t p :ʊd a t a .c m a .c n /d a t a /)年均温Tħ年潜在蒸散发P E mm /a G D PG D P 万元/k m 2中国科学院资源环境科学与数据中心(h t t p :ʊw w w.r e s d c .c n /)人口密度P O P人/k m 2林地比例F O %美国国家航空航天局(N A S A )提供的2001 2019年国际地圈-生物圈计划(I G B P )分类㊁空间分辨率为500m 的MO D I S 土地覆盖类型产品(M C D 12Q 1),计算百分比人类活动灌丛比例B U %农田比例F A %草地比例G A %林草混合地比例S A %城镇比例U B%地形D E M D E M m 中国科学院资源环境科学与数据中(h t t p :ʊw w w.r e s d c .c n /)坡度S l o p e (ʎ)基于D E M 数据,采用A r c G I S 10.8S p a t i a lA n a l y s t 工具计算生成坡度栅格数据黏土比例C l a y%联合国粮农组织(F A O )和维也纳国际应用系统研究所(ⅡA S A )所构建的世界和谐土壤数据库(H a r m o n i z e d W o r l dS o i lD a t a b a s e )(HW S D )沙土比例S a n d %土壤性质壤土比例S i l t %有机碳含量O C %碎石含量G r a v e l %1.3 研究方法1.3.1 像元二分模型 采用改进像元二分模型[28]估算海河流域生长季的植被覆盖度㊂假设N D V I 只有植被和土壤两部分组成,N D V I =M ㊃N D V I V -N D V I S(1)M =N D V I -N D V I S N D V I V -N D V I SL A I >3M =N D V I -N D V I SN D V I V -N D V I S2L A I ɤ3ìîíïïïï(2)式中:N D V I V 为纯植被覆盖部分的N D V I 值;N D V I S为纯土壤覆盖部分的N D V I 值;M 为植被覆盖度;L A I 为叶面积指数㊂根据‘土壤侵蚀分级分类标准“(S L 190 2007)对计算得到的生长季植被覆盖度进行分级[29],见表2㊂1.3.2 线性趋势分析 采用一元线性回归分析法,逐像元分析海河流域生长季F V C 的变化趋势,计算公式如下:S l o pe =ðni =1(i -l )(N D V I i -ND V I )ðni =1(i =l )2(3)式中:S l o p e 为生长季F V C 的斜率㊂若值为正,表示海河流域生长季F V C 呈增加趋势;若值为负,则相反;若值为0,则表示没有变化㊂n 为所研究年份的时间跨度,本文n =19;i 为年份;`i 为平均年份;N D V I i 为第i 年的N D V I 值;N D V I 为年均N D V I 值㊂113第4期 钤会冉等:海河流域生长季植被覆盖度时空变化及驱动力分析Copyright ©博看网. All Rights Reserved.表2植被覆盖度等级分类等级裸地(Ⅰ)低覆盖度(Ⅱ)中低覆盖度(Ⅲ)中等覆盖度(Ⅳ)中高覆盖度(Ⅴ)高覆盖度(Ⅵ)植被覆盖度ɤ0.10.1~0.30.3~0.450.45~0.60.6~0.75ȡ0.75采用M a n n a-K e n d a l l检验(M-K检验)判断趋势的显著性,其优点为能够排除少数异常值对数据的干扰[30]㊂因此,本文将M a n n a-K e n d a l l检验与线性趋势分析相结合,根据趋势显著性检验结果将S l o p e趋势分为以下5个等级:极显著退化(S l o p e<0,p<0.01);显著退化(S l o p e<0,0.01ɤpɤ0.05),无显著变化(p>0.05);显著改善(0<S l o p e,0.01ɤpɤ0.05);极显著改善(0<S l o p e,p<0.01)㊂1.3.3地理探测器地理探测器[31]是通过探测事件空间分层异质性来揭示其背后驱动因子的一种统计学方法,空间分层异质性是指区域总方差大于层内方差之和的现象㊂该方法的核心思想为:如果某个自变量X对因变量Y有重要影响,那么自变量X与因变量Y的空间分布就具有一致性㊂地理探测器共有4个模块,分别为:因子探测器㊁交互作用探测器㊁风险探测器和生态探测器㊂本文主要应用地理探测器的因子探测器和交互作用探测器模块㊂利用因子探测器量化气候㊁人类活动㊁地形和土壤等各因子对海河流域生长季F V C的空间分异性的解释程度,其解释力大小用q值衡量,在生成q值的同时会对其进行显著性检验,表达式为:q=1-ðL h=1N hσ2hNσ2=1-S S WS S T(4)其中:S S W=ðl h=1N hσ2h,S S T=Nσ2(5)式中:h为自变量X的分层;N h和N分别为层h内和区域内的单元数;σ2h和σ2分别为第h层的方差和因变量Y的方差;S S W为层内方差之和;S S T为区域总方差㊂q的取值范围为0~1㊂q值越大表明因变量Y的空间分层异质性越强,自变量X对因变量Y的解释力也越强㊂根据q值大小可分析出各因子对海河流域生长季F V C影响的大小,能够直观地判断影响生长季F V C的主导因子㊂利用交互探测器识别不同因子之间的交互作用,即评估两个因子共同对生长季F V C的空间分布作用时,其解释力是增强还是减弱,或这些因子对生长季F V C空间分布的影响是相互独立的㊂评估方法是首先分别计算两种影响因素X1和X2对Y的q值,然后再计算它们交互作用时的q值,对三者之间的q值大小进行比较,主要结果为5种[32]㊂2结果与分析2.1生长季F V C的时空动态变化2.1.1生长季F V C年际变化特征选取每年的生长季F V C平均值代表当年植被覆盖状况,制作生长季F V C年际变化图,见图2㊂2001 2019年海河流域生长季F V C值在0.30~0.48波动,多年生长季F V C值平均值为0.41,最大值出现在2018年为0.46,2001年最小,其值为0.318,总体呈显著上升趋势,线性倾向率为0.063/10a㊂2001 2010年,生长季F V C整体上呈现明显的上升趋势,达到了多年均值水平,线性倾向率为0.087/10a,但在2006年和2010年出现低谷,原因主要是由于该年降水量偏低㊂2011年之后,生长季F V C增速减缓,均超过多年均值水平㊂图2表明,海河流域生长季植被覆盖度ɤ0.1的裸地面积占比由2001年9.85%降低到2019年的3.22%;低覆盖度的面积占比由2001年的30.37%降低到2019年的20.50%;中低植被覆盖度和中等植被覆盖度多年平均面积占比分别为32.87%,27.39%,是研究区生长季植被覆盖度的两种主要类型;中高覆盖度和高覆盖度呈现显著的增加趋势,分别由2001年的1.38%增加到2019年的17.64%和由2001年的0.00%增加到2019年的7.26%㊂总体来说,自海河流域实施持续大规模封山育林育草㊁退耕还林还草㊁坡改梯㊁於地坝等水土保护措施以来,生长季F V C一直呈增长趋势,后期出现增速减缓,主要是因为植被自然演替过程中,自然因素起主导作用㊂2.1.2生长季F V C空间分布及变化特征海河流域生长季植被覆盖度空间分布差异明显(图3A),高覆盖度区域零星分布,主要分布于流域的东北部和彰卫河山区的南部,占流域总面积的1.27%;中高覆盖度区域主要为高产草地㊁密林地用地,面积3.13ˑ104k m2,占流域总面积的9.79%,集中分布于流域东北部㊁太行山一带;中等覆盖度区域主要为中高产草地㊁林地㊁农田用地,主要分布于大清河淀西平原㊁子牙河平原㊁彰卫河平原以及徒骇马颊河区域,面积为9.83ˑ104k m2,占流域总面积的30.66%;中低覆盖度区域由中产草地㊁农田和低郁闭度林地组成,在大清河淀东平原㊁滦河平原和彰卫河山区广泛分布㊁黑龙港及运东平原,子牙河山区㊁大清河山区等均有分布,面积为1.07ˑ105k m2,占流域总面积的33.47%;低覆盖度区域主要分布于永定河山区㊁滦河山区的西北部,面积7.23ˑ104k m2,占流域总面积213水土保持研究第30卷Copyright©博看网. All Rights Reserved.的22.57%;海河流域生长季植被覆盖度小于0.1的裸地区域主要为城市工矿㊁居民用地,面积为7.17ˑ103k m2,占流域总面积的2.24%,主要分布于环渤海湾地区以及一些城市中心区域㊂总体来说生长季F V C大于0.3的区域面积占流域面积的75.19%,植被覆盖度总体较高㊂从图3B C可以看出,2001 2019年各植被覆盖度等级之间相互转化明显,主要为裸地㊁中等㊁中低植被覆盖度等级转为中等至高覆盖度等级㊂其中永定河山区的植被覆盖度得到明显改善,植被覆盖度由2001年的0.14,提升到2019年的0.35,说明山丘区人工生态修复及水土保持工程对提升植被覆盖度作用十分显著㊂综上可知,研究区19年间生长季植被覆盖度总体较高,仅环渤海湾地带和一些城市中心区域生长季植被覆盖度较低㊂图22001-2019年海河流域生长季F V C 年际变化图3海河流域生长季F V C空间分布采用s l o p e趋势分析,对研究区生长季植被覆盖度变化趋势进行分析(图4),s l o p e的值域为-0.447~ 0.347,表明植被变化趋势存在着明显的空间差异,变化速率以0~0.2为主,占流域总面积的81.51%㊂对变化趋势进行M-K显著性检验(图5),海河流域生长季F V C改善区域的面积为2.15ˑ105k m2,占流域的67.28%,远大于退化面积,其中改善部分以极显著改善为主,占流域总面积的60.42%;退化区域占流域的总面积的8.28%,主要位于城市的周围㊂变化不显著的区域主要分布于改善区域和退化区域之间,面积占流域总面积的23.90%㊂综上可知,研究区大部分地区的植被得到了明显改善,但受城市扩张等因素的影响,城市外围区域的植被退化现象较为严重㊂2.2生长季F V C空间分异的驱动力分析2.2.1因子影响力探测分析利用因子探测器计算各因子的q值以量化其对海河流域生长季F V C空间分布的解释程度㊂由结果可见(图6),不同因子对海河流域生长季F V C空间分布的解释能力如下:林地比例(0.3427)>林草混合地比例(0.3346)>年均降水(0.202)>灌丛比例(0.197)>草地比例(0.184)>坡度(0.134)>年潜在蒸散发(0.114)>年均温(0.107)>城镇比例(0.094)>高程(0.089)>G D P(0.074)>壤土比例(0.066)>人口密度313第4期钤会冉等:海河流域生长季植被覆盖度时空变化及驱动力分析Copyright©博看网. All Rights Reserved.(0.064)>沙土比例(0.062)>黏土比例(0.053)>碎石含量(0.051)>有机碳比例(0.040)>农田比例(0.027)㊂各因子对应显著性p值均小于0.01,通过显著性检验㊂综上分析可见:(1)林地比例和林草混合地比例的q值最大,分别达0.3427,0.3346,解释力均在30%以上,因此林地比例和稀疏草地比例是影响海河流域生长季植被覆盖度空间分布的主要影响因子;(2)海河流域的山区和平原区的生长季F V C空间分布的主要影响因子不同㊂林草混合地和林地比例对海河山区生长季植被覆盖度影响最大,解释力均在50%以上,G D P影响最小;农田比例和年潜在蒸散发对海河平原区植被覆盖度的分布影响最大,影响最小的因子是坡度;(3)整体来看,人类活动对海河流域生长季植被覆盖度空间分布的影响是最大的,其次是气候㊁地形,影响最小的是土壤性质㊂图42001-2019年海河流域生长季F V C线性趋势2.2.2因子交互作用探测分析本文进一步对海河流域以及其山区㊁平原区空间分布影响因子进行交互作用探测(表3 5),结果表明,在研究区域,任意两因子的叠加均会增强单因子对海河流域生长季F V C空间分布的解释能力,呈非线性增强或双因子增强作用,不存在独立关系,说明植被生长与生存往往并非受制于单一因素,而是多种因素协同作用的结果㊂由表3可见,交互作用解释力最强的是林草混合地比例和农田比例,它们双因子交互q值达到了0.58,其次是林草混合地比例和人口密度,q值达到了0.50㊂同时,林地比例㊁林草混合地比例和降水量与大多数因子相结合均呈现非线性增强,表明三者对海河流域生长季F V C空间分布影响程度占据主导地位㊂年均降水㊁年均温和年潜在蒸散发与其他因子的交互作用解释力均有显著增加,由其是与林地比例等人类活动因子的交互作用㊂因此,气候因子与人类活动因子共同作用将使生长季F V C空间分布受到更大的影响力度㊂图52001-2019年生长季F V C 线性趋势显著性图6因子探测器结果413水土保持研究第30卷Copyright©博看网. All Rights Reserved.表3 海河流域因子交互作用探测器结果因子P R ET P E G D P P O P F O B U F A G A S A U B D EM S l o p e C l a y S a n d S i l t O C G r a v e lP R E0.22T0.330.10P E 0.400.320.11G D P0.360.230.190.07P O P 0.370.270.210.110.06F O0.500.440.420.430.450.34B U 0.360.260.290.270.280.370.20F A 0.320.280.230.120.130.490.300.03G A 0.300.280.330.320.330.450.330.390.18S A 0.470.460.410.460.500.410.350.580.470.33U B 0.370.250.200.120.140.420.270.150.360.430.09D EM0.350.220.260.200.240.420.250.310.300.440.230.09S l o p e 0.370.270.260.240.280.370.240.380.390.380.230.270.13C l a y0.320.240.200.160.170.360.230.160.260.380.170.200.200.06S a n d 0.300.260.200.170.180.360.230.170.270.360.180.240.210.140.07S i l t 0.300.260.230.170.180.370.250.170.260.380.180.240.220.160.120.07O C 0.280.200.200.130.140.370.230.110.240.380.150.180.200.200.230.210.04G r a v e l 0.280.220.180.150.140.370.240.110.240.380.160.190.200.170.190.150.150.05表4 海河山区因子交互作用探测器结果因子P R E T P EG D PP O PF OB UF AG AS AU BD EMS l o pe C l a yS a n dS i l tO CG r a v e lP R E0.40T0.480.19P E 0.470.390.08G D P0.520.290.140.02P O P 0.530.380.180.050.03F O0.710.630.580.550.550.54B U 0.520.390.370.310.320.600.30F A 0.580.340.190.060.070.580.330.02G A 0.480.380.380.400.470.640.480.590.32S A 0.680.660.610.600.610.700.620.660.650.59U B 0.500.280.140.080.080.560.330.100.450.610.07D EM0.500.340.260.190.240.610.360.230.390.630.230.13S l o p e 0.530.400.330.270.270.610.420.340.530.630.280.390.25C l a y0.490.340.210.150.160.560.380.160.420.620.180.270.320.12S a n d 0.480.340.240.190.210.580.390.220.420.620.210.300.330.240.15S i l t 0.490.360.270.210.230.580.410.230.430.630.220.310.350.270.220.16O C 0.440.280.220.140.180.580.350.170.370.610.170.230.320.300.290.310.11G r a v e l0.480.360.220.150.170.570.370.160.410.620.170.280.330.260.280.280.290.12在海河山区中,降雨㊁林地比例和林草混合地比例与各因子交互均有很强的非线性增强㊂因子间交互作用对海河山区生长季植被覆盖空间分异性解释力大小前六项依次为:降雨ɘ林地比例(0.71)>林草混合地比例ɘ林地比例(0.70)>林草混合地比例ɘ降雨(0.68)>林草混合地比例ɘ农田比例(0.66)>林草混合地比例ɘ年均温(0.655)>林草混合地比例ɘ草地比例(0.65);表明:人类活动对海河流域山区生长季植被覆盖度空间分布具有重要影响,一方面通过退耕还林还草㊁生态保护修复等措施可促进植被覆盖,另一方面通过城镇化建设㊁资源过度开发等行为可破坏植被覆盖[33]㊂在海河平原中,因子间交互作用对生长季植被覆盖空间分异性解释力大小前六项依次为:农田比例ɘ高程(0.653)>农田比例ɘ年潜在蒸散发(0.649)>农田比例ɘ草地比例(0.573)>农田比例ɘ降雨(0.568)>农田比例ɘ坡度(0.560)>农田比例ɘ林地比例(0.558)㊂513第4期 钤会冉等:海河流域生长季植被覆盖度时空变化及驱动力分析Copyright ©博看网. All Rights Reserved.表5 海河平原区因子交互作用探测器结果因子P R ET P E G D P P O P F O B U F A G A S A U B D EM S l o p e C l a y S a n d S i l t O C G r a v e lP R E0.04T0.340.13P E 0.390.420.32G D P0.270.330.440.21P O P 0.390.430.480.400.29F O0.060.150.340.220.330.02B U 0.060.150.340.220.320.020.01F A 0.570.600.650.510.540.560.550.50G A 0.200.290.400.350.380.190.180.570.14S A 0.070.170.350.220.340.030.020.550.190.01U B 0.300.390.510.300.400.260.250.530.380.260.24D EM0.260.310.390.410.460.210.200.650.290.220.460.20S l o p e 0.070.160.350.220.330.030.020.560.200.030.260.210.01C l a y0.160.260.400.270.380.080.080.530.230.090.340.290.090.06S a n d 0.130.260.380.270.370.090.090.530.250.100.340.270.100.140.08S i l t 0.190.280.410.280.370.100.100.530.240.110.350.290.110.200.200.08O C 0.200.260.410.290.400.110.110.540.260.120.350.310.110.240.230.230.09G r a v e l0.160.240.370.270.360.100.100.540.240.100.320.270.100.140.150.180.160.083 讨论和结论3.1 讨论本研究基于地理探测器,对海河流域生长季植被覆盖度空间分布的影响因素进行量化归因分析,结果表明人类活动对海河流域生长季植被覆盖度空间分布的影响是最大的,其次是气候㊁地形,影响最小的是土壤性质㊂海河流域自1980年以来,实施 三北 防护林工程㊁京津风沙源治理工程㊁退耕还林还草工程等一系列生态恢复工程㊁农业化开发和城镇化,使得当地土地利用/覆盖发生剧烈变化,主要表现为海河山区森林面积占比上升,草地和农田面积占比下降,海河平原区农田比例上升,人口密度上升㊂这些人类活动显著影响了植被覆盖度的空间分异规律,并显著增加了植被覆盖度㊂林草混合地比例㊁林地比例和草地比例主要影响了海河山区生长季植被覆盖度空间分布;农田比例㊁人口密度和城镇比例这些人类活动因子主要影响了海河平原区生长季植被覆盖度空间分布㊂年均降水㊁年均温和年潜在蒸散发这些气候因子的动态变化主要决定了生长季植被覆盖度的年际变化;坡度㊁坡向通过影响坡面接受的太阳辐射量和日照时数从而对植被的生长有一定的影响,土壤性质也主要决定了植被覆盖度的空间分异规律㊂各因子交互作用呈双因子增强和非线性增强两种类型,不存在相互独立作用,关于因子间交互作用是如何增强对生长季F V C 空间分异的解释能力还需进行更加深入的讨论㊂3.2 结论(1)年际变化分析显示,2001 2019年海河流域生长季F V C 总体呈显著上升趋势,线性倾向率为0.063/10a ,各等级植被覆盖度转化明显,中高覆盖度和高覆盖度的面积占比呈现显著的增加趋势;(2)空间变化分析显示,生长季F V C 总体较高,仅环渤海湾地带和一些城市区域植被覆盖率较低,海河流域生长季F V C 改善区域的面积为2.15ˑ105k m2,占流域的67.28%,远大于退化面积,其中改善部分以极显著改善为主;(3)因子探测发现,林地比例和稀疏草地比例是影响海河流域生长季F V C 空间分布的主要影响因子;海河流域的山区和平原区的生长季F V C 空间分布的主要影响因子不同;人类活动对海河流域生长季植被覆盖度空间分布的影响是最大的;(4)交互探测发现,2001 2019年,各因子对海河流域生长季植被覆盖变化存在呈双因子增强和非线性增强两种类型的交互作用,不存在相互独立作用或对植被覆盖变化解释力减弱的交互因子㊂参考文献:[1] P e n g W F ,K u a n g T T ,T a oS .Q u a n t i f y i n g in f l u e n c e s o f n a t u r a l f a c t o r s o nv e g e t a t i o nN D V I c h a n g e sb a s e do n g e o g r a ph i c a ld e t e c t o ri n S i c h u a n ,w e s t e r n C h i n a [J ].J o u r n a l o fC l e a n e rP r o d u c t i o n ,2019,233:353-367.[2] G o n g Z ,Z h a oS ,G uJ .C o r r e l a t i o na n a l ys i sb e t w e e n 613 水土保持研究 第30卷Copyright ©博看网. All Rights Reserved.v e g e t a t i o nc o v e r a g ea n dc l i m a t ed r o u g h tc o n d i t i o n si nN o r t hC h i n ad u r i n g2001 2013[J].J o u r n a lo f G e o-g r a p h i c a l S c i e n c e s,2017,27(2):143-160.[3]赵杰,杜自强,武志涛,等.中国温带昼夜增温的季节性变化及其对植被动态的影响[J].地理学报,2018,73(3): 395-404.[4] P a r m e s a nC,Y o h eG.A g l o b a l l y c o h e r e n t f i n g e r p r i n t o fc l i m a t e c h a n g ei m p a c t s a c r o s s n a t u r a l s y s t e m s[J].N a t u r e,2003,421(6918):37-42.[5] G i t e l s o n A A,K a u f m a nYJ,S t a r kR,e t a l.N o v e l a l g o-r i t h m sf o rr e m o t e e s t i m a t i o n o f v e g e t a t i o n f r a c t i o n[J].R e m o t e S e n s i n g o o f E n v i r o n m e n t,2002,80(1):76-87. [6]刘洋,李诚志,刘志辉,等.1982 2013年基于G I MM S-N D V I的新疆植被覆盖时空变化[J].生态学报,2016,36(19):6198-6208.[7]H eB,C h e n Af,J i a n g W G,e ta l.T h er e s p o n s eo fv e g e t a t i o n g r o w t ht os h i f t si nt r e n do ft e m p e r a t u r ei nC h i n a[J].J o u r n a lo f G e o g r a p h i c a lS c i e n c e s,2017,27(7):801-816.[8]陶帅,邝婷婷,彭文甫,等.2000 2015年长江上游N D V I时空变化及驱动力:以宜宾市为例[J].生态学报,2020, 40(14):5029-5043.[9] C h e nT,B a oA,J i a p a e rG,e t a l.D i s e n t a n g l i n g t h e r e l a t i v ei m p a c t so fc l i m a t ec h a n g ea n dh u m a na c t i v i t i e so na r i da n ds e m i a r i d g r a s s l a n d s i nC e n t r a lA s i ad u r i n g19822015[J].S c i e n c eo f t h eT o t a lE n v i r o n m e n t,2019,653(25):1311-1325.[10] L i uY,L i Y,L i S,e t a l.S p a t i a l a n d t e m p o r a l p a t t e r n so f g l o b a lN D V I t r e n d s:c o r r e l a t i o n sw i t hc l i m a t ea n dh u m a nf a c t o r s[J].R e m o t e S e n s i n g,2015,7(10):13233-13250.[11] X uH,W a n g X,Z h a n g X.A l p i n e g r a s s l a n d s r e s p o n s et oc l i m a t i cf a c t o r sa n da n t h r o p o g e n i ca c t i v i t i e so nt h eT i b e t a n P l a t e a u f r o m2000t o2012[J].E c o l o g i c a lE n g i n e e r i n g,2016,92:251-259.[12]陈宽,杨晨晨,白力嘎,等.基于地理探测器的内蒙古自然和人为因素对植被N D V I变化的影响[J].生态学报,2021,41(12):4963-4975.[13]姜萍,胡列群,肖静,等.新疆植被N D V I时空变化及定量归因[J].水土保持研究,2022,29(2):212-220,242.[14]祁鹏卫,张贤.2000 2019年重庆市植被覆盖时空变化特征及其驱动因素分析[J].生态学报,2022,42(13):5427-5436.[15]李晓丽,曹敏,茆杨.基于地理探测器的西南岩溶槽谷区近20年N D V I变化特征及影响因素[J].水土保持学报,2021,35(6):38-44,54.[16]张华,李明,宋金岳,等.基于地理探测器的祁连山国家公园植被N D V I变化驱动因素分析[J].生态学杂志,2021,40(8):2530-2540.[17]彭文甫,张冬梅,罗艳玫,等.自然因子对四川植被N D V I变化的地理探测[J].地理学报,2019,74(9):1758-1776.[18]刘逸滨,刘宝元,成城,等.退耕还林草20年来榆林市植被覆盖度时空变化及影响因素分析[J].水土保持学报,2022,36(2):197-208,218.[19]付含培,王让虎,王晓军.1999 2018年黄河流域N D V I时空变化及驱动力分析[J].水土保持研究,2022,29(2):145-153,162.[20]严登华,袁喆,杨志勇,等.1961年以来海河流域干旱时空变化特征分析[J].水科学进展,2013,24(1):34-41.[21]杨艳丽,孙艳玲,王中良.2000 2013年海河流域植被覆盖的时空变化[J].干旱区资源与环境,2016,30(7):65-70.[22]吴云,曾源,赵炎,等.基于MO D I S数据的海河流域植被覆盖度估算及动态变化分析[J].资源科学,2010,32(7):1417-1424.[23]申丽娜,景悦,孙艳玲,等.基于S P O T数据的海河流域植被覆盖度变化图谱特征[J].天津师范大学学报:自然科学版,2018,38(4):60-67.[24]申丽娜,景悦,孙艳玲,等.海河流域植被覆盖度变化的图谱特征及其地形梯度差异分析[J].天津师范大学学报:自然科学版,2017,37(6):43-49,54. [25]何龙,曾晓明,钱达,等.海河流域近17年植被时空变化及其气候影响因素[J].天津师范大学学报:自然科学版,2020,40(3):54-61,68.[26]王永财,孙艳玲,王中良.1998 2011年海河流域植被覆盖变化及气候因子驱动分析[J].资源科学,2014,36(3):594-602.[27]陈福军,沈彦俊,胡乔利,等.海河流域N D V I对气候变化的响应研究[J].遥感学报,2011,15(2):401-414.[28] S uT,Z h a n g B,H eX,e t a l.R a t i o n a l p l a n n i n g o f l a n du s e c a n m a i n t a i nw a t e r y i e l dw i t h o u t d a m a g i n g e c o l o g i c a ls t a b i l i t y i nu p s t r e a mo f i n l a n d r i v e r:C a s e s t u d y i n t h eH e iR i v e rB a s i no fC h i n a[J].J o u r n a lo fG e o p h y s i c a lR e s e a r c h,2020,125(18):e2020J D032727. [29]中华人民共和国水利部.土壤侵蚀分类分级标准G B/S L190 2007[S].北京:中国水利水电出版社,2008.[30]温晓金,刘焱序,杨新军.恢复力视角下生态型城市植被恢复空间分异及其影响因素:以陕南商洛市为例[J].生态学报,2015,35(13):4377-4389. [31]王劲峰,徐成东.地理探测器:原理与展望[J].地理学报,2017,72(1):116-134.[32]祁鹏卫,张贤.2000 2019年重庆市植被覆盖时空变化特征及其驱动因素[J].生态学报,2022,42(13):5427-5436.[33]杨灿,魏天兴,李亦然,等.黄土高原典型县域植被覆盖度时空变化及地形分异特征[J].生态学杂志,2021,40(6):1830-1838.713第4期钤会冉等:海河流域生长季植被覆盖度时空变化及驱动力分析Copyright©博看网. All Rights Reserved.。

12. 中国科学院数据资源中心存储服务介绍及基础科学数据共享网数据库镜像要求

12. 中国科学院数据资源中心存储服务介绍及基础科学数据共享网数据库镜像要求

Netapp
32
IBM DS4000
IBM DS8000
EMC or HDS
存储虚拟化:在异构环境下建立虚拟化存储管理系统
存储改变不影响应 用
Virtual Disk
Virtual Disk
Virtual Disk
Virtual Disk
一套拷贝服务 适用于所有存 储系统
SAN
Advanced Copy Services
一、数据资源中心环境简介 二、分级存储环境 三、高性能集群存储环境 四、服务器虚拟化 五、存储虚拟化 六、未来展望
3
1. 数据资源中心环境简介
建设概况
面向中国科学院重要数据资产备份、长期保存的需求, 在中国科学院信息化项目的支持下,由中国科学院计算
机网络信息中心承担建成了存储能力 6.42PB 的海量数 据存储与处理设施,成为院信息化基础设施的重要组成
John Webster 存储行业分析家
Illuminata
35
六、未来展望
6.1 未来2年的建设任务 6.2 打造下一代数据中心
36
未来2年的建设目标
北京怀柔
面向科学研究领域
的需求,建成基于
新疆
沈阳
CNGI的分布式存
北京
储平台,形成总容
兰州
量达 22PB 以上 、包括总中心、备
上海
份中心和8个地区
34
存储虚拟化的价值
根据 IDC 统计,部署了服务器虚拟化并结合使用存储 虚拟化的公司平均可获得 387% 的投资回报 (ROI),包 括部署时间在内,不到 10 个月就可以获得回报。
IDC 白皮书 《存储虚拟化的商业价值》
“任何存储虚拟化解决方案的一个最重要的特性就是能够 掩盖复杂性,然后使愈发难以管理的存储变得可管理。”

中国气象站点数据获取的几种方式(值得收藏!)

中国气象站点数据获取的几种方式(值得收藏!)

中国⽓象站点数据获取的⼏种⽅式(值得收藏!)前⾔想要获取如上图中如此密度,到县级别的⽓象站点数据还是不容易,如果你只想点⼀点得直接下载某些站点的数据:/WeatherData/ 1984-2018年12⽉逐⽇逐⽉逐⼗年:⽅便贴⼼1 中科院资源环境科学数据中⼼——中国⽓象要素站点观测逐⽇数据集中国⽓象要素站点观测逐⽇数据集包含了全国2400多个⽓象站点⾃建站以来的⽓压、⽓温、降⽔量、蒸发量、相对湿度、风向风速、⽇照时数和0cm地温要素的⽇值观测数据。

各要素包含的指标数据如下:⽓压包括:平均本站⽓压、⽇最⾼本站⽓压、⽇最低本站⽓压;⽓温包括:平均⽓温、⽇最⾼⽓温、⽇最低⽓温;相对湿度包括:平均相对湿度、最⼩相对湿度;降⽔包括:20-8时降⽔量(夜晚)、8-20时降⽔量(⽩天)、20-20时累计降⽔量;蒸发包括:⼩型蒸发量、⼤型蒸发量;风向风速包括:平均风速、最⼤风速、最⼤风速的风向、极⼤风速、极⼤风速的风向;⽇照时数包括:⽇照时数;0cm地温包括:平均地表⽓温、⽇最⾼地表⽓温、⽇最低地表⽓温。

⽬前数据集已更新到2019年11⽉份。

该数据集⽹站不提供免费下载——有钱⼈的选择2 国家⽓象科学数据中⼼别名中国⽓象数据⽹这⾥数据还挺多能满⾜⼀般需要先最好注册⼀个实名会员我们专注于地⾯⽓象资料:中国地⾯⽓象站逐⼩时观测资料中国国家级地⾯站⼩时值数据,包括⽓温、⽓压、相对湿度、⽔汽压、风、降⽔量等要素⼩时观测值。

中国地⾯⽓象站基本⽓象要素观测资料台站表:SURF_CHN_MUL_HOR_STATION.Xlsx2170个站注意这个是实时数据中国地⾯⽓候资料⽇值数据集(V3.0) 1951-2010'中国地⾯⽓候资料⽇值数据集(V3.0)'包含了中国699个基准、基本⽓象站1951年1⽉以来本站⽓压、⽓温、降⽔量、蒸发量、相对湿度、风向风速、⽇照时数和0cm地温要素的⽇值数据。

数据说明⽂档:SURF_CLI_CHN_MUL_DAY_DOCU_C.Doc元数据说明⽂档:SURF_CLI_CHN_MUL_DAY_META_C.Doc格式说明⽂档:SURF_CLI_CHN_MUL_DAY_FORMAT.Doc台站说明⽂档:SURF_CLI_CHN_MUL_DAY_STATION.Xls中国地⾯⽓候资料⽉值数据集数据集为中国613个基本、基准地⾯⽓象观测站及⾃动站1951--最新⽇值数据集 756个站要素包括:平均本站⽓压、极端最⾼本站⽓压、极端最低本站⽓压、平均⽓温、平均最⾼⽓温、平均最低⽓温、极端最⾼⽓温、极端最低⽓温、平均⽔汽压、平均相对湿度、最⼩相对湿度、降⽔量、平均风速、最⼤风速、最⼤风速的风向、极⼤风速、极⼤风速的风向、最多风向、最多风向出现频率、次多风向、次多风向出现频率、⽇照时数、⽇照百分率。

新疆和田地区水土资源开发利用特征及匹配性分析

新疆和田地区水土资源开发利用特征及匹配性分析

Journal of Water Resources Research 水资源研究, 2023, 12(1), 27-35 Published Online February 2023 in Hans. https:///journal/jwrr https:///10.12677/jwrr.2023.121004新疆和田地区水土资源开发利用 特征及匹配性分析徐永波1,侯一峰2,朱成刚3*1新疆塔里木河流域和田管理局,新疆 和田2新疆大学地理与遥感科学学院,新疆 乌鲁木齐 3中国科学院新疆生态与地理研究所荒漠与绿洲生态国家重点实验室,新疆 乌鲁木齐收稿日期:2022年11月5日;录用日期:2023年2月2日;发布日期:2023年2月24日摘 要水土资源是区域生态系统稳定和安全的重要组成和基础。

本文以和田地区为研究区,采用土地利用转移矩阵和基尼系数方法探究区域水土资源开发利用特征和匹配关系。

结果表明,在过去20年间(2000~2020年),和田地区主要呈耕地和草地面积增加和未利用地面积减少趋势,耕地增长率高达24.02%,且在2000~2010年增加显著,未利用地面积共计减少509.27万亩。

期间主要以草地转变为耕地、林地和建设用地,未利用地不断开发利用转化为耕地和草地为主。

和田地区的耕地和绿洲面积空间具有较大的差异性,各县市人均耕地面积匹配度较好,而人均绿洲面积匹配度较差。

随着社会经济的快速发展,和田地区耕地的不断扩张,需要科学配置水资源,进一步提升水资源利用效率。

关键词和田地区,土地利用,水土资源,匹配系数Characteristics and Matching Analysis of Water and Soil Resources Development and Utilization in Hotan Area, XinjiangYongbo Xu 1, Yifeng Hou 2, Chenggang Zhu 3*1Xinjiang Tarim River Basin Hotan Administration, Hotan Xinjiang2College of Geography and Remote Sensing Sciences, Xinjiang University, Urumqi Xinjiang 3State Key Laboratory of Desert and Oasis Ecology, Xinjiang Institute of Ecology and Geography, Chinese Academy of Sciences, Urumqi Xinjiang作者简介:徐永波,男,高级工程师,主要从事干旱区水资源管理研究,*通讯作者新疆和田地区水土资源开发利用特征及匹配性分析Received: Nov. 5th , 2022; accepted: Feb. 2nd , 2023; published: Feb. 24th , 2023AbstractSoil and water resources are an important component and foundation of regional ecosystem stability and security. This study used the land-use transfer matrix and Gini coefficient method to explore the characteristics and matching relationships of regional soil and water resources development and utiliza-tion in the Hotan area, Xinjiang. The results show that a trend of increasing arable land and grassland area and decreasing unutilized land area in the past 20 years (2000~2020). The growth rate of arable land was as high as 24.02% and increased significantly from 2000 to 2010, and the unutilized land area decreased by 509.27 ten thousand mu in total. The period is mainly dominated by the transformation of grassland into arable land, forest land and construction land, and the continuous development and utili-zation of unused land into arable land and grassland. The spatial variability of arable land and oasis area is large, and the per capita arable land area matches well with each county and city, while the per capita oasis area matches poorly. With the rapid socio-economic development and the continuous expansion of arable land, scientific allocation of water resources is needed to further improve the efficiency of water resources utilization.KeywordsHotan Area, Land-Use, Water and Soil Resources, Matching CoefficientCopyright © 2023 by author(s) and Wuhan University.This work is licensed under the Creative Commons Attribution International License (CC BY 4.0). /licenses/by/4.0/1. 引言土地利用/覆盖变化(LUCC)影响全球区域气候变化[1]、生态环境和生物多样性,在人类与自然环境的关系中发挥重要作用[2],是可持续发展研究的一个重要方面[3],目前已成为全球共同关注的热点问题[4]。

免费资料网站

免费资料网站

中文网站1、奇迹文库/简要介绍: 奇迹文库(/Eprint) 论文预印本项目是由一群中国年轻的科学、教育与技术工作者效仿等模式创办的非赢利性质网站,是专门为中国研究者开发定制的电子文库。

考研资料免费下载:/tag/%E5%85%8D%E8%B4%B9%E4%B8%8B%E8%B D%BD%20/2、查价网:/丰富的信息、直观快捷的服务令我们足不出户就可以找到物美价廉的商品,为我们省钱省时省力!依据平等、公正的原则,提供商品的价格比较、商品的准确信息、商品的相关论坛及每日最低行情快递等多项服务,使我们充分享受互联网的内在价值和魅力。

3、(美国)科技网:/服务及管理;网络技术咨询、网络软件开发;虚拟主机和主机托管;网络前沿技术的研究。

4、/华中数学建模网/news.php中国数学资源网/湖北数学建模网数模在线/home/中国数学建模网国际数模网站/美国杜克大学数学建模网美国数学联合会北峰数模网(浙江师范大学数模研究学会)5、中国湖泊数据库/网站简介:中国主要(河流)流域数据库:包括全国主要流域基本信息库、主要河流代码库、主要流域地理要素、流域内主要自然保护区、化学污染、降雨蒸发、旅游景点、重大事件、以及主要流域位置地图等信息;中国主要水库信息库:包括全国主要水库基本位置、水库所在地区、水库建库时间、正常库容、集水面积、海拔、所属水系等信息。

6、中国自然资源数据库/网站简介:中国自然资源数据库是由中国科学院科学数据库及其应用系统项目提供支持,中科院地理科学与地资源研究所所承建的中国资源、环境、人口、社会经济等相关数据的集合。

库内包括水资源、土地资源、气候资源、生物资源、环境灾害、环境治理、人口、劳动力以及社会经济等方面的数据。

数据按存储格式分为属性(数值)数据、空间(矢量和栅格)数据及其他图形图像数据。

目前,数据量已达6TB。

其中,属性数据库含关系表400多个,数据项8000个,约1000万个数据。

矢量数据包括1:400万及1:100万基础图件。

土地利用程度指数计算公式

土地利用程度指数计算公式

土地利用程度指数计算公式二、数据预处理栅格类型转换我们从中国科学院资源环境科学与数据中心官网上下载下来的土地利用栅格数据是整型的,我们可以利用Reclassify (栅格重分级)工具来将它变为浮点型。

栅格重分类在这里我们发现,土地利用栅格数据里的像元被赋值为一些不连贯的数,我们通过官网上的相关介绍得知其所包含的含义:我们根据表格内容统一将数据分为“耕地、林地、草地、水域、建设用地和未利用地”六类。

我们利用Reclassify(栅格重分级)工具以一级类型编号将它分为六类。

工具位置:Spatial Analyst Tool -> Reclass -> Reclassify打开重分级后的栅格数据属性表,添加一个字段名称为“TDLY”的字段,并设置字段类型为文本型。

键入土地利用类型。

我们对2000年的土地利用栅格数据进行同样的预处理操作。

三、土地利用动态度土地利用动态度模型可定量地反映区域内土地利用数量的变化速度,对预测未来土地利用变化趋势有积极作用,是相关研究常用的分析方法之一。

土地利用动态度可分为单一土地利用动态度和综合土地利用动态度。

单一土地利用动态度单一土地利用动态度反映的是一定时间范围内,研究区某种土地利用类型面积变化的速率,侧重于分析各土地利用类型的变化情况。

其计算公式为:其中K为研究期内某种土地利用类型的动态度,即年变化率;Ui、Uj分别为研究初期及末期某种土地类型的面积;T 为研究时段长度。

综合土地利用动态度综合土地利用动态度描述的是整个区域土地利用变化的总体速度, 可用于土地利用动态变化的区域差异研究。

其计算公式为:其中,L为研究初期第i类土地利用类型的面积;Ui、Uj分别为研究初期及末期某种土地类型的面积;n为土地类型数(n=1,2,3,...),T为研究时段长度。

当T设定为年时,Lc的值就是该研究区土地利用年变化率。

四、土地利用程度综合指数土地利用程度综合指数是反应人类对土地开发利用的程度,是衡量区域土地利用深度和广度的重要指标。

中国陆地生态系统土壤氮矿化速率和硝化速率及影响因素

中国陆地生态系统土壤氮矿化速率和硝化速率及影响因素
NO -3 ⁃N 平均含量在农田生态系统显著高于其他两个生态系统。
表 2 中国南北方土壤理化指标、总矿化速率( N min ) 和总硝化速率( N nit ) 差异
Table 2 Difference of soil physical and chemical parameters, gross nitrogen mineralization rates ( N min ) and gross nitrification rates ( N nit )
地( 牧草、湿地草本和高山草甸) 和农田( 耕作土壤) ( 图 1) [3] 。 植被类型“ 林地” 包括雨林、阔叶林和针叶林;
植被类型“ 草地” 包括多年生草本植物和一年生草本植物;植被类型“ 农田” 包括施肥土壤和未施肥土壤。 以
“ 秦岭—淮河” 为界分为南方和北方( 北方包括降水量小于 800 mm 青藏高原地区) 。
平均含量在南北方地区不存在显著差异。 北方土壤氮
图 1 中国陆地生态系统土壤 N min 和 N nit 已发表文献采样点空间
总转化速率大于南方土壤,N min 和 N nit 比南方土壤分别
高约 80%和ቤተ መጻሕፍቲ ባይዱ21%。 N min ( P = 0.027) 在南北方地区差异
显著,而 N nit( P>0.05) 差异不显著( 表 2) 。
指标和土壤氮总转化速率差异;采用相关分析和逐步回
归分析确定土壤理化指标与氮总转化速率之间的关系,
在一元回归分析中拟合显著的土壤理化指标列为多元
回归参数。 所有统计分析中显著性水平 P<0.05 视为差
异显著。 数据统计分析使用 SPSS 20.0,图形制作使用
Origin 2016 软件。

近30年来若尔盖高寒湿地变化及其对区域气候变化的响应

近30年来若尔盖高寒湿地变化及其对区域气候变化的响应

第36卷第1期2021年2月成都信息工程大学学报JOURNAL OF CHENGDU UNIVERSITY OF INFORMATION TECHNOLOGYVol. 36 No. 1Feb. 2021文章编号:2096-1618(2021 )01办)7347近30年来若尔盖高寒湿地变化及其对区域气候变化的响应杨越\文军、陆宣承、王欣2,田辉2(1.成都信息工程大学大气科学学院高原大气与环境四川省重点实验室,四川成都6丨0225;2.中国科学院 西北生态环境资源研究所中国科学院寒旱区陆面过程与气候变化重点实验室,甘肃兰州730000)摘要:为探究近30年来气候变化对若尔盖高寒湿地面积的影响,利用1987-2016年的5期陆地资源卫星主题 绘图仪及陆地资源卫星陆地成像仪观测数据,使用决策树分类的方法提取若尔盖高寒湿地的湿地面积并分析其变化特征;利用1984-2016年若尔盖、玛曲、红原、阿坝4个气象台站观测数据分析若尔盖区域气候变化特征,探讨湿地面积与气候因子间的相关性。

结果表明:丨987-2016年,若尔盖高寒湿地呈现板块化,总面积减少约902. 16 km2;1984-2016年,若尔盖高寒湿地区域气候有显著的变暖趋势(0.64丈/10 a)。

气温与湿地面积的相关性最高,其次是降水和相对湿度,表明气温是影响若尔盖高寒湿地面积变化的主导气候因子。

关键词:气候变化;陆面过程;若尔盖高寒湿地;气温;响应中图分类号:P461 文献标志码:Adoi:IO. 16836/j. cnki. jcuit.2021.01.0120引言湿地是地球上最大的碳库,可有效控制空气中 c o2的含量,在减缓气候变暖方面发挥重要作用;同时,气候变化对湿地的面积和分布等也有重要影响m。

湿地对气候变化敏感,气候变化会引起湿地水 文、植物群落及生态等功能的变化:2]。

若尔盖高寒湿 地地处全球气候变化关键区——青藏高原的东北部,其涵养水源、降解污染物及管理温室气体等功能对该 区域的气候稳定及生态平衡起关键的屏障作用[3]。

中国科学院资源环境科学数据中心

中国科学院资源环境科学数据中心

三峡工程生态与环境监测系统监测数据使用申请表(试用)数据使用申请表填写说明一、注意事项1.填写《数据使用申请表》前,请务必认真阅读以下的填写说明。

2.《数据使用申请表》填写不全的数据使用申请将不予受理。

3.用户应特别关注“用户保证条款”和“违约责任”。

4.向三峡信息管理中心提交《数据使用申请表》时只需提交上页表格,不必提交此页。

5.请认真阅读《三峡工程生态与环境监测系统数据管理与共享办法》。

二、填写说明1.用户姓名:数据的实际使用者,必须与“用户承诺”中的用户签字一致。

2.所在单位:用户所在的具有法人资格的单位名称,与单位公章一致,同时注明重点站名称。

3.联系电话:办公时间(8:10~17:30)能够接听的电话号码(含区号)。

4.传真:24小时能收到的号码(含区号)。

5.email:经常使用的电子邮件地址。

6.数据内容:明确说明所需要的数据集(或数据项)。

7.空间范围:所需数据覆盖的空间区域量化指标,如监测点名称、行政区代码、经纬度范围等。

8.时间(段):数据所代表的时间或时间段。

9.其它要求:除上述数据需求信息外,用户需要说明的内容。

10.使用目的(1)蓝皮书:开展蓝皮书分析需要相关数据;(2)其它:如科学研究、博士论文、硕士论文、商业应用等。

(3)请注明具体用途。

11.用户签字:与用户姓名一致,即数据的实际使用者。

12.单位负责人(签字):由用户所在单位的主管领导或重点站负责人签字(如果用户所在单位为重点站),不是单位下属的部门领导。

13.审核意见:由三峡信息管理中心进行初步审核,初步审核后提交相应重点站及三峡办。

14.重点站意见:指被申请数据的重点站,由其进行审核,如果不同意,请注明不同意的理由。

15.审批意见:由三峡办主管领导签署。

16.申请表提交时一式三份,签字盖章后提交给三峡信息管理中心。

联系人:朱亮,地址:北京市朝阳区大屯路中科院遥感所9718信箱,邮编100101,email:zhuliang@。

中条山森林碳密度时空变化及其驱动因素分析

中条山森林碳密度时空变化及其驱动因素分析

第37卷第4期2023年8月水土保持学报J o u r n a l o f S o i l a n d W a t e rC o n s e r v a t i o nV o l .37N o .4A u g.,2023收稿日期:2022-11-18资助项目:山西省自然科学基金项目(20210302123449);山西省科技厅 山西省森林生态科学数据共享服务平台项目 (201605D 121017);山西省科技创新人才团队专项(202204051001010);国家自然科学基金项目(41977412) 第一作者:段兰兰(1998-),女,硕士,主要从事生态系统碳循环研究㊂E -m a i l :d u a n o 927@163.c o m 通信作者:严俊霞(1976-),女,副教授,硕士生导师,主要从事生态系统碳循环研究㊂E -m a i l :y jx 422@s x u .e d u .c n 中条山森林碳密度时空变化及其驱动因素分析段兰兰1,刘菊2,贺丽1,王琰1,严俊霞1(1.山西大学黄土高原研究所,太原030006;2.山西省林业和草原科学研究院,太原030012)摘要:森林碳库在全球碳循环中发挥着重要的作用㊂为深入了解山西省中条山区森林植被碳密度的时空动态变化及其影响因素,以2005 2015年3期国家森林资源连续清查数据为基础,通过随机森林和结构方程模型,定量研究了森林植被的碳密度以及各驱动因子对碳密度空间分布的贡献度㊂结果表明:(1)2005年㊁2010年㊁2015年中条山森林植被碳密度和碳储量分别为24.87,26.56,31.42M g C /h m 2和15.89,16.00,20.15T g C ,二者均呈持续增加趋势,年均增长率分别为2.63%和2.68%㊂(2)植被碳密度空间分布特征为高(>100M g C /h m 2)和中高(60~100M g C /h m 2)碳密度样地主要分布在中条山中部和西南部,低碳密度区(<60M g C/h m 2)主要在东北部㊂(3)林龄和年均降雨量是影响研究区植被碳密度空间格局的重要驱动因子,林龄对碳密度的直接正向影响最为显著,年均降雨量通过对林分因子的间接影响进而影响碳密度的空间分布格局㊂关键词:中条山;碳密度;TW I N S P A N 分类;随机森林模型;结构方程模型中图分类号:S 718.55+4.2 文献标识码:A 文章编号:1009-2242(2023)04-0158-08D O I :10.13870/j.c n k i .s t b c x b .2023.04.021S p a t i o -t e m p o r a lV a r i a t i o na n dD r i v i n g F a c t o r s o f F o r e s t C a r b o nD e n s i t y i nZ h o n gt i a oM o u n t a i n s D U A N L a n l a n 1,L I UJ u 2,H EL i 1,WA N G Y a n 1,Y A NJ u n x i a1(1.I n s t i t u t e o f L o e s sP l a t e a u ,S h a n x iU n i v e r s i t y ,T a i yu a n 030006;2.S h a n x iA c a d e m y o f F o r e s t r y a n dG r a s s l a n dS c i e n c e ,T a i yu a n 030012)A b s t r a c t :F o r e s t c a r b o n p o o l p l a y s a n i m p o r t a n t r o l e i nt h e g l o b a l c a r b o nc yc l e .I no rde r t ou n d e r s t a n dt h e t e m p o r a l a n d s p a t i a l d y n a m i c s of c a r b o nd e n s i t y o f f o r e s t v eg e t a t i o na n d i t s i n f l u e n c i n g f a c t o r s i nZh o n g ti a o M o u n t a i n s r e g i o no f S h a n x iP r o v i n c e ,w e q u a n t i t a t i v e l y s t u d i e dt h ec a r b o nd e n s i t y o f f o r e s tv e ge t a t i o na n d t h e c o n t r i b u t i o nof e a c hd r i v i ng f a c t o r t o th e s p a ti a l d i s t r i b u t i o no f c a r b o nd e n s i t y b y u s i n g s t o c h a s t i c f o r e s t a n d s t r u c t u r a l e q u a t i o nm o d e l b a s e do n t h e d a t a o f n a t i o n a l f o r e s t r e s o u r c e s c o n t i n u o u s i n v e n t o r y f r o m2005t o 2015.T h e r e s u l t s s h o w e d t h a t :(1)T h e c a r b o nd e n s i t y a n d c a r b o n s t o r a g e o f f o r e s t v e g e t a t i o n i nZ h o n g -t i a oM o u n t a i n s i n2005,2010a n d 2015w e r e 24.87,26.56,31.42M g C /h m 2a n d 15.89,16.00,20.15T g C ,r e s p e c t i v e l y ,w h i c hs h o w e d a c o n t i n u o u s i n c r e a s i n g t r e n dw i t ha na v e r a g e a n n u a l g r o w t hr a t eo f 2.63%a n d 2.68%,r e s p e c t i v e l y .(2)T h es p a t i a ld i s t r i b u t i o n c h a r a c t e r i s t i c s o fv e g e t a t i o n c a r b o n d e n s i t y w e r ea s f o l l o w s :h i g h (>100M g C /h m 2)a n dm e d i u m -h i g h (60~100M g C /h m 2)c a r b o nd e n s i t yp l o t sw e r em a i n l y d i s t r i b u t e d i n t h ec e n t r a la n ds o u t h w e s to fZ h o n g t i a o M o u n t a i n s ,w h i l el o w c a r b o nd e n s i t yp l o t s (<60M g C /h m 2)w e r em a i n l y d i s t r i b u t e d i nt h en o r t h e a s t .(3)S t a n da g ea n da v e r a g ea n n u a l r a i n f a l lw e r e t w o i m p o r t a n t d r i v i n g f a c t o r sa f f e c t i n g t h es p a t i a l p a t t e r no fv e g e t a t i o nc a r b o nd e n s i t y i nt h es t u d y a r e a .T h e d i r e c t p o s i t i v ee f f e c to fs t a n da g eo nc a r b o nd e n s i t y w a st h e m o s ts i g n i f i c a n t ,a n da v e r a g ea n n u a l r a i n f a l l a f f e c t e d t h e s p a t i a l d i s t r i b u t i o n p a t t e r no f c a r b o nd e n s i t y t h r o u gha n i n d i r e c t e f f e c t o n s t a n d f a c t o r s .K e yw o r d s :Z h o n g t i a o M o u n t a i n s ;C a r b o n d e n s i t y ;TW I N S P A N c l a s s i f i c a t i o n ;R a n d o m F o r e s t M o d e l ;S t r u c t u r a l E qu a t i o n M o d e l Copyright ©博看网. All Rights Reserved.为应对全球气候变化,我国政府提出 二氧化碳排放力求于2030年前达到峰值,努力争取2060年前实现碳中和 的战略目标㊂森林固碳是一种经济实惠且环境友好的减缓大气C O2浓度升高的重要方法,在国际社会中得到广泛认可[1]㊂森林是陆地生态系统的核心,其不仅能够有效治理水土流失和改善生态环境,还是碳库中最大的储存器㊂每年森林固定的碳量占整个陆地生态系统的2/3[2]㊂准确估算森林生态系统的碳储量是提高森林管理效率和制定减排措施的关键,并且一直受到国际社会的广泛关注[3]㊂目前,森林碳储量的估算方法主要有直接测量和间接估计法㊂直接测量精度高,但耗时耗力,对生态系统具有极大的破坏性㊂间接估计主要包括遥感估算㊁模型模拟和样地清查法㊂遥感估算法通过建立植被指数与生物量关系的模型来估算碳储量,其估算精度受变量选择㊁建模方法等因素影响,预测结果无法推广到其他地方[4]㊂模型模拟法通常用于估算国家和全球尺度的森林碳储量,但模型中包含有各种假说,一些生态过程的特征参数不易准确获得,不确定的影响因子太多[4]㊂样地调查法是目前应用最为广泛的碳储量估算方法㊂该方法通过设立固定样地,定期进行抽样调查,得到各类森林林分蓄积量(材积量)㊂然后根据林分蓄积量和生物量建立回归方程推算森林生物量,乘以碳含量系数即可得到森林碳储量㊂在推算森林生物量时一般采用平均生物量法㊁生物量转换因子法㊁生物量转换因子连续函数法等[5-7]㊂李海奎等[8]使用多种方法估算了6个省市的乔木林生物量,包括I P C C法㊁连续函数法和加权生物量回归模型法,结果表明,这些方法都能够得出较为准确的估算结果㊂因此,本研究选用加权生物量回归模型法对森林碳储量进行估算㊂近年来,已有学者[9-11]从不同空间尺度对森林碳储量/碳密度与林分因子㊁生境条件的关系进行了研究㊂林分因子(森林类型㊁林分年龄㊁林分密度㊁郁闭度以及基底面积等)是森林碳储量的重要决定因素[12-13]㊂已有研究[13]表明,森林固碳速率和林龄构成有很强的关系㊂气候变化可以改变物种组成和迁移模式,从而改变森林组成并影响碳的吸收速率[10]㊂优化的森林管理模式可提高碳储量,而其分配策略与环境变化密切相关[11,14]㊂人类的有效干预可以提高陆地生态系统的碳固定能力,通过保护天然林㊁实施退耕还林和退耕还草等重大生态工程,已经为中国陆地生态系统的碳固定贡献了36.8%[15]㊂在山区复杂的森林生态系统中,海拔梯度是物种多样性空间分布格局的决定性因素,各种环境因素如温度㊁降水㊁光照等都随着海拔高度呈现出规律性的变化[10]㊂通常在高海拔区树木生长主要受气温影响,而低海拔区对降水的响应更明显[16-17]㊂目前的研究多采用线性回归㊁相关分析等方法来反映环境因子对森林碳储量/碳密度的影响,然而这些传统的单变量统计方法很难系统揭示自然界中复杂的多变量关系㊂结构方程模型可以同时量化多个变量间的直接和间接因果关系,已成为当前生态学研究的多变量统计方法的主要工具之一[18]㊂中条山位于山西省南部,地处亚热带和暖温带的过渡地带,区内植物资源丰富,有木本植物478种[19]㊂近20多年来,随着天然林保护㊁退耕还林(草)等工程的实施,中条山的森林覆盖率2022年达到82.3%,在水源涵养㊁水土保持㊁净化空气㊁改善小气候方面发挥了极其重要的作用㊂同时,其森林的碳汇功能及其时空格局也随着森林经营活动的实施而发生变化㊂然而,目前对中条山森林的研究主要集中在林分质量㊁树种资源多样性和土壤养分等方面[20-21],对中条山森林碳储量的时空动态及环境驱动机制尚不清楚㊂因此,本文利用3期国家森林资源连续清查数据,采用加权生物量经验回归模型法估算中条山森林碳储量和碳密度,对比分析不同起源㊁林龄和群系的森林碳密度差异,借助随机森林和结构方程模型分析立地㊁林分和气候因子对森林碳密度空间格局的影响,以期为区域实现 双碳 目标,为中条山森林生态系统经营管理提供理论依据㊂1研究数据与方法1.1研究区概况中条山(34ʎ37'15ᵡ 35ʎ39'30ᵡN,110ʎ15'00ᵡ 112ʎ17'30ᵡE)位于山西省南部,横跨临汾㊁运城㊁晋城三市,呈西南 东北走向,长约160k m,宽10~15 k m,海拔1200~2300m㊂中条山属于暖温带半湿润季风气候区,年均气温10~14ħ,年均降水量500~ 900mm,土壤类型垂直分异明显,自下而上分别为山地褐土㊁山地淋溶褐土㊁山地棕壤和山地草甸土㊂地带性植被为暖温带落叶阔叶林,研究区内分布有针叶纯林㊁阔叶纯林㊁针叶混交林㊁阔叶混交林㊁针阔混交林等多种林相[22]㊂1.2数据来源本研究利用中条山国有森林管理局18个林场的第7期(2000-2005年)㊁第8期(2006-2010年)和第9期(2011-2015年)3期国家森林资源清查数据进行,数据由山西省林业和草原科学研究院提供㊂按951第4期段兰兰等:中条山森林碳密度时空变化及其驱动因素分析Copyright©博看网. All Rights Reserved.照国家林业和草原局森林资源调查项目规定[23],每隔4k m随机选取样地,每个样地面积为667m2,共573个样地,其中有林样地323个,研究区总面积为9.97ˑ105h m2(图1)㊂样木胸径5c m起测,在每个样地内,记录立地因子(坡度㊁坡向㊁海拔㊁土层厚度等)和林分因子(胸径㊁树高㊁郁闭度㊁林龄等)㊂年均气温和年均降水量来自于中国科学院资源环境科学数据中心(h t t p s:// w w w.r e s d c.c n),土壤数据来自于国家青藏高原科学数据中心(h t t p s://d a t a.t p d c.a c.c n/z h-h a n s)㊂图1研究区样地布设1.3研究方法1.3.1生物量估算采用加权生物量经验回归模型法来估算单木生物量,计算公式[24]为:W=aˑ(D2H)b式中:W为单木生物量(k g);a㊁b为常数,本文采用李海奎等[24]基于第七次全国森林资源连续清查调查成果中的相关参数;D为样木胸径(c m);H为样木树高(d m);将样地内所有样木的生物量求和得到样地总生物量㊂本研究中,林分生物量仅包括乔木层的生物量(包括活立木地上和地下部分生物量),未包括灌木层㊁草本层㊁凋落物层和枯死木等的生物量㊂1.3.2森林碳密度估算森林碳储量为生物量乘以含碳系数,本研究含碳系数采用国际上普遍用的乔木含碳率转换系数0.5来估算森林碳储量[25]㊂森林碳密度为单位面积的碳储量㊂1.3.3样地群系分类在323个有林样地中,共记录41个树种,通过计算各树种的重要值,排列成41ˑ323 (物种ˑ样方)的重要值矩阵,利用P C-o r d软件对所有树种进行TW I N S P A N分类㊂重要值计算公式为:重要值=相对密度+相对优势度+相对频度式中:相对密度为某一树种在整个样地中的数量占比;相对优势度为某一树种在整个样地中的胸径面积占比;相对频度为某一树种所占的样地数占所有样地数的百分比㊂1.3.4 统计分析使用随机森林(r a n d o mf o r e s t, R F)算法来识别立地因子㊁林分因子和气候因子的重要性㊂R F算法是一种集成方法,它通过创建一个具有二叉划分的分类树集合来扩展标准的分类回归树(C A R T)方法[26]㊂R F算法不能控制模型的内部运行,但其结果能有效解决过度拟合和多重共线性的问题㊂R F在运算过程中,有2个关键的参数:n t r e e和m t r y㊂n t r e e表示决策树的数量,而m t r y用于确定每个树节点上的变量个数㊂在本研究中,n t r e e为1000,m t r y 为3㊂本研究利用R4.2.1中的R a n d o m F o r e s t包执行R F算法评估各驱动因子的重要性㊂在确定主要驱动因子后,利用结构方程模型(s t r u c t u r a l e q u a t i o n m o d e l,S E M)对主要驱动因子的直接和间接效应进行标准化评价㊂首先,对所有驱动因子进行共线性检验,消除共线性㊂其次,基于已有知识和影响因子与碳密度之间的关系,建立植被碳密度的初始模型㊂检验变量的正态性,对变量进行自然对数转换和标准化㊂数据转换后,对模型进行参数化检验,使用卡方检验㊁拟合优度指数(G F I)和比较拟合指数(C F I)检验其拟合优度㊂最后采用卡方检验不显著统计量(p>0.05),G F I>0.95,R M S E A< 0.08,以确定碳密度的最优模型㊂S E M分析使用AMO S25.0进行㊂2结果与分析2.1中条山森林植被碳密度的动态变化研究区3期森林的碳密度分别为24.87,26.56, 31.42M g C/h m2,呈持续增加趋势㊂2005 2010年和2010 2015年碳密度年均增加量分别为0.34, 0.97M g C/h m2(表1),表明2010 2015年研究区的碳密度增加速度快于2005 2010年㊂3期碳密度小于45M g C/h m2范围内的样地个数分别占总样地个数的81.93%,79.73%,73.83%;45~75M g C/h m2的样地个数所占比例分别为11.76%,13.18%,14.64%;高于75M g C/h m2的样地占比分别为6.30%,7.09%, 11.53%㊂2005年㊁2010年㊁2015年研究区植被碳储量分别为15.89,16.00,20.15T g C,呈逐渐增加趋势;2005 2015年植被碳储量年均增加4.26ˑ105M g C,年均增长率为2.68%;平均碳密度年均增加0.65M g C/h m2,年均增长率为2.63%㊂森林年龄结构组成与森林碳密度密切相关,研究区天然林碳密度以成熟林最高,人工林以近熟林最高,二者均以幼龄林碳密度最低,研究区无过熟林(图2),且2005年㊁2010年㊁2015年天然林㊁人工林的平均碳密度均呈逐渐增加趋势㊂通过TW I N S P A N分061水土保持学报第37卷Copyright©博看网. All Rights Reserved.类并依据植物群落分类和命名原则,结合调查结果的生态分析和群落生境特征的优势树种命名群落类型,将研究区的植物群落分成8个群系(表2)㊂从表2可以看出,除群系Ⅴ和Ⅷ碳密度呈先减少后增加的趋势外,其他所有群系2005 2015年的碳密度均呈持续增加趋势,其中群系Ⅱ的碳密度增加最多,为14.14 M g C/h m2;其次是群系Ⅲ,增加13.85M g C/h m2;群系Ⅶ增加最少,为2.48M g C/h m2㊂从林分起源来看,3期天然林群系碳密度平均值显著高于人工林群系㊂在人工林中,各群系碳密度平均值从低到高依次为群系Ⅷ[(6.94ʃ10.62),(5.52ʃ6.56),(9.30ʃ9.82)M g C/h m2)]<群系Ⅶ[(9.36ʃ9.31),(9.69ʃ12.63),(11.83ʃ15.25)M g C/h m2)]<群系Ⅵ[(29.09ʃ35.72),(35.14ʃ42.88),(40.65ʃ48.75)M g C/h m2)];在天然林中,群系Ⅴ的碳密度最低,3期分别为(10.85ʃ16.43),(10.03ʃ16.70),(12.34ʃ18.60)M g C/h m2,群系Ⅲ碳密度平均值最高,分别为(37.26ʃ42.67),(42.50ʃ44.30), (51.11ʃ48.40)M g C/h m2㊂表1不同时期森林清查样地碳密度描述性统计分析参数碳密度/(M g C㊃h m-2)2005年2010年2015年最小值0.050.040.03最大值196.79198.29213.21平均值24.8726.5631.42标准差30.9033.4737.44变异系数1.241.261.19图2不同时期天然林和人工林各龄组植被碳密度表2中条山主要植物群系分类及各群系碳密度分组群系名称起源样地数碳密度/(M g C㊃h m-2) 2005年2010年2015年Ⅰ油松天然林2920.44ʃ18.5225.98ʃ24.4529.40ʃ28.60Ⅱ油松+辽东栎(Q u e r c u sw u t a i s h a n s e a M a r y)天然林3129.70ʃ20.8235.14ʃ26.6443.85ʃ30.80Ⅲ辽东栎+千金榆(C a r p i n u s c o r d a t a B l.)+栓皮栎(Q u e r c u s v a r i a b i l i s B l.)天然林7937.26ʃ42.6742.50ʃ44.3051.11ʃ48.40Ⅳ栓皮栎+青檀木(F o r m.P t e r o c e l t i s t u r c z a n i n o u i i)天然林6220.75ʃ22.1721.41ʃ24.2625.64ʃ27.89Ⅴ侧柏(P l a t y c l a d u s o r i e n t a l i s(L.)F r a n c o)+橿子栎(Q u e r c u s b a r o n i i S k a n)天然林4310.85ʃ16.4310.03ʃ16.7012.34ʃ18.60Ⅵ油松(P i n u s t a b u l i f o r m i s C a r r i e r e)人工林3129.09ʃ35.7235.14ʃ42.8840.65ʃ48.75Ⅶ核桃(J u g l a n s r e g i a L.)+柿树(D i o s p y r o s k a k i T h u n b.)人工林259.36ʃ9.319.69ʃ12.6311.83ʃ15.25Ⅷ刺槐(R o b i n i a p s e u d o a c a c i a L.)+杨树(P o p u l u s L.)人工林236.94ʃ10.625.52ʃ6.569.30ʃ9.82注:表中数据为平均值ʃ标准差㊂2.2中条山森林植被碳密度空间分布由图3可知,2005年㊁2010年㊁2015年高碳密度区(>100M g C/h m2)大量集中在研究区中部,少部分集中在研究区西南部;中高碳密度区(60~100M g C/h m2)也多集中在研究区中部;低碳密度区(<60 M g C/h m2)大量分布在研究区的东北部;并且2005 2015年碳密度大于60M g C/h m2的样地个数有明显增加趋势㊂分时间段来分析中条山森林碳密度变化趋势,由图4可知,2005 2010年和2010 2015年研究区东北部碳密度增加量均小于10M g C/h m2,研究区中部和西南部样地碳密度增加量基本大于10M g C/ h m2;2005 2015年碳密度增加量大于25M g C/ h m2的样地数量明显增加,占总样地的16.10%,且多分布在研究区的中部,西南部也有少量分布㊂2005 2010年和2010 2015年研究区样地碳密度平均年增加速率分别为0.34,0.97M g C/h m2,2005 2015年为0.65M g C/h m2㊂2.3中条山森林植被碳密度空间分布的主要驱动因子利用随机森林模型揭示影响中条山森林植被碳161第4期段兰兰等:中条山森林碳密度时空变化及其驱动因素分析Copyright©博看网. All Rights Reserved.密度变化的主要驱动因子,2005年㊁2010年㊁2015年R F模型分别解释了研究区森林植被碳储量空间分布的45.6%,52.10%和55.92%㊂随机森林分析(图5)表明,林龄㊁郁闭度㊁坡度㊁年均降雨量和群系是植被碳密度最重要的预测因子㊂本研究发现,林分结构因子(林龄㊁郁闭度㊁群系)对植被碳密度影响最大,其次为气候因子(年均降雨量㊁年均气温),土壤物理化学属性(土壤质地㊁土壤容重㊁土壤有机质㊁p H㊁K㊁P 等)对植被碳密度影响较小㊂结构方程模型结果反映生物和非生物因子对植被碳密度空间分布的直接和间接影响(图6),模型分别解释3期植被碳密度变化的49.4%,53.7%,54.7%㊂从直接影响来看,群系㊁坡度㊁郁闭度㊁林龄和年均降雨量对碳密度均有直接作用㊂其中林龄对碳密度的正向影响最为显著,3期的路径系数分别为0.58,0.61, 0.58;坡度对其有显著的负向影响,其路径系数分别为-0.19,-0.19,-0.20㊂从间接影响来看,气候和地形因子主要通过林分因子来影响森林固碳(图6)㊂3期驱动因子的标准化总效应表明林龄是影响植被碳密度变化最重要的驱动因子(图7)㊂图3中条山3期清查期间碳密度注:(a)为2005 2010年碳密度的变化;(b)为2010 2015年碳密度的变化;(c)为2005 2015年碳密度的变化㊂图42005-2015年中条山森林植被碳密度分段时间变化特征注:A g e㊁C D㊁S l o p e㊁S D㊁MA T㊁MA P㊁E L E㊁S OM㊁N㊁p H㊁P㊁S T㊁S B D㊁K㊁A s p e c t和F o r m分别为林龄㊁郁闭度㊁坡度㊁土层厚度㊁年均气温㊁年均降雨量㊁海拔㊁土壤有机质㊁全氮㊁酸碱度㊁全磷㊁土壤质地㊁土壤容重㊁全钾㊁坡向和群系㊂下同㊂图5不同时期各影响因子对森林植被碳密度的相对重要性分析261水土保持学报第37卷Copyright©博看网. All Rights Reserved.注:实线表示正向影响,虚线表示负向影响;***表示有显著影响㊂图6不同时期森林植被碳密度驱动力结构模型注:标准化总效应正值表示直接,负值表示间接效应㊂图7不同时期S E M模型各驱动因子标准化总效应值3讨论3.1中条山森林植被碳密度时间动态变化本研究估算出2005年㊁2010年㊁2015年中条山森林植被碳储量分别为15.89,16.00,20.15T g C,平均碳密度分别为24.87,26.56,31.42M g C/h m2,与山西省[23.89~26.37M g C/h m2(2005年)][27]和山东省[22.26M g C/h m2(2004 2008年)㊁27.24M g C/ h m2(2009 2013年)]的森林平均碳密度[28]基本一致,低于山西太岳山[37.22M g C/h m2(2010年)和44.13M g C/h m2(2015年)][29]和全国森林植被碳密度的平均值[41.32M g C/h m2][30]㊂这种估算结果的差异,可能是由于:(1)研究区年均降水量(470~630 mm)较少;(2)碳密度计算方法不同,本研究使用的是加权生物量回归模型法,而其他研究采用的是改进的蓄积推导法[30]或生物量转换因子连续函数法;(3)中条山地区森林林龄较小,幼龄林和中龄林占比大,成熟林占比小㊂有研究[27,29]表明,在不同时期,中国成熟林面积仅占同期森林总面积的19%~ 33%,但其碳储量在整个森林碳储量中占到40%~ 60%,而幼龄林和中林龄则恰好相反,这也说明中条山森林碳储量有很大的增长空间,固碳潜力较大㊂2005 2015年中条山森林植被碳储量呈逐渐增加趋势,可能与该区域实施退耕还林及生态重建工程有关[31]㊂15年间,中条山森林面积逐渐增加,从6.39ˑ105h m2增加到6.41ˑ105h m2,森林在陆地生态系统中发挥着重要的碳汇功能㊂3.2中条山森林植被碳密度影响因子分析本研究通过分析生物和非生物因子对中条山植被碳密度的影响发现,森林碳密度与林龄㊁起源㊁群系和年均降雨量等条件密切相关,而且这些因子的作用程度也不相同㊂其中林龄是影响中条山植被碳密度变化的主导因子,碳密度随林龄的增加而增加,主要是因为林分在不同生长阶段其生物量不同;林龄可以反映林分的生长发育阶段,在一定阶段上也可以反映森林生物量的多少,这也与张绘芳等[32]的研究结果一致㊂除林龄外,不同起源也影响植被的碳密度,有研究[33]表明,天然林的碳密度高于人工林,这可能是因为二者的生物量分配模式不同㊂随着植物的生长,植物通常将更多的生物量分配给根系,而不是叶片㊂人工林通常是有较多速生树种的幼龄林,它们将更多的生物量分配给树叶,以竞争光照的可用性,而天然林通常是林龄较大的森林,其必须分配更多的生物量给根和茎,以支持其生存[34]㊂这导致天然林的植被碳周转时间相对于人工林更长,从而使天然林的植被361第4期段兰兰等:中条山森林碳密度时空变化及其驱动因素分析Copyright©博看网. All Rights Reserved.碳密度更大,并且本研究结果也再次证明天然林的碳密度水平较高㊂另外,本研究通过对优势树种进行划分发现,不同群系的碳密度存在差异,其中以栎类为主要优势树种的阔叶林对碳储量的贡献最大,且已有研究[35]表明,不同林型的蓄积量和生物量碳汇功能存在差异㊂除林分因子外,本研究发现,气象因子(年均降雨量)与植被碳密度呈正相关关系,这主要是因为适宜的降水可以影响光合酶活性和土壤有机质等多种因素来提高植被生长速率和生物量碳密度[36],这也与辛晓平等[37]的研究结果相一致㊂总体来看,森林植被碳密度受其林分因子(生长特性㊁起源㊁龄组结构㊁郁闭度)㊁气象因子㊁地形因子和土壤因子的综合影响,地理环境条件和人为干扰是导致植被碳密度分布差异的重要原因㊂在本研究中植被碳密度空间分布呈现出区域不均匀现象,表现为中部和西南部碳密度较高,东北最低㊂这主要是由水热分布不均导致的,研究区中部海拔高㊁坡度缓㊁水热环境好,植被类型多为碳密度水平较高的落叶阔叶林和混交林,生物多样性丰富,固碳能力强[38];而东北部年均降雨量较少㊁海拔较低,容易受到人类活动干扰,因此碳密度水平较低[39]㊂其次,天然林大量分布在研究区中部和西南部,而天然林的平均碳密度高于人工林[33]㊂3.3对中条山地区森林碳密度综合管理的启示研究区位于北方土石山区,区内土层薄,水土流失危害大㊂随着天然林保护工程的实施,中条山林区正在经历一个重要的转型时期,从以木材生产为主向保护天然林和建设生态公益林转变㊂根据第九次森林资源清查结果[40],研究区生态公益林面积占乔木林的95.95%,公益林是中条山国有林管理局经营的主体㊂公益林中,防护林(水源涵养林和水土保持林)的面积占到总蓄积的76.79%㊂森林的固碳能力是评价森林生态系统服务价值的重要内容,本文利用3期森林资源清查数据[41]发现,中条山森林植被碳密度随着林龄的增加而逐渐增大,天然林群系的碳密度显著高于人工林群系㊂根据中条山林区 中幼林面积大,占总面积的94.5%;在人工林中,纯林与混交林的面积比例高达8ʒ2,而天然林中,纯林与混交林的面积比例仅为5ʒ5;树种结构不合理,人工林中针叶树面积占79.61%,针阔比例为8ʒ2 [42]的实际情况,在今后的森林经营管理过程中,应加大中幼龄林抚育力度,加大树种结构调整,坚持混交㊁针阔并举㊁以阔为主㊁乡土优先的原则,使生态公益林更好地发挥生态和环境保护功能㊂4结论(1)2005年㊁2010年㊁2015年中条山森林植被碳密度和碳储量分别为24.87,26.56,31.42M g C/h m2和15.89,16.00,20.15T g C,二者均呈持续增加趋势,年均增长率分别为2.63%和2.68%㊂3期天然林群系碳密度均显著高于人工林群系,分别以成熟林和近熟林碳密度最高,幼龄林最低㊂(2)研究区高(>100M g C/h m2)和中高(60~ 100M g C/h m2)碳密度样地主要分布在中部和西南部,低碳密度区(<60M g C/h m2)主要在东北部㊂15年间,16.10%的样地碳密度增加量大于25M g C/h m2,中部和西南部样地碳密度增加量大于东北部㊂(3)林龄和年均降雨量是影响研究区植被碳密度空间格局的重要驱动因子,林龄对碳密度的直接正向影响最为显著,年均降雨量通过对林分因子的间接影响进而影响碳密度的空间分布格局㊂参考文献:[1]朴世龙,岳超,丁金枝,等.试论陆地生态系统碳汇在 碳中和 目标中的作用[J].中国科学:地球科学,2022,52(7):1419-1426.[2] D i x o n R K,S o l o m o n A M,B r o w nS,e ta l.C a r b o np o o l sa n df l u xo f g l o b a l f o r e s te c o s y s t e m s[J].S c i e n c e, 1994,263(5144):185-190.[3] M cK i n l e y DC,R y a nM G,B i r d s e y R A,e t a l.As y n-t h e s i s o f c u r r e n tk n o w l e d g eo n f o r e s t sa n dc a r b o ns t o r-a g e i nt h e U n i t e dS t a t e s[J].E c o l o g i c a lA p p l i c a t i o n s,2011,21:1902-1924.[4] L iT,L iM Y,T i a nL.D y n a m i c s o f c a r b o n s t o r a g e a n di t sd r i v e r si n G u a n g d o n g P r o v i n c ef r o m1979t o2012[J].F o r e s t s,2021,12(11):e1482.[5] F a n g JY,C h e nAP,P e n g C H,e t a l.C h a n g e s i n f o r-e s t b i o m a s sc a r b o ns t o r a g e i nC h i n ab e t w e e n1949a n d1998[J].S c i e n c e,2001,292(5525):2320-2322. [6]方精云,郭兆迪,朴世龙,等.1981-2000年中国陆地植被碳汇的估算[J].中国科学D辑:地球科学,2007,37(6):804-812.[7] G u oZ D,F a n g JY,P a n Y D,e ta l.I n v e n t o r y-b a s e de s t i m a t e s of f o r e s tb i o m a s sc a r b o ns t o c k s i nC h i n a:Ac o m p a r i s o no ft h r e e m e t h od s[J].F o re s t E c o l o g y a n dM a n a g e m e n t,2010,259:1225-1231.[8]李海奎,赵鹏祥,雷渊才,等.基于森林清查资料的乔木林生物量估算方法的比较[J].林业科学,2012,48(5): 44-52.[9] W a n g SQ,Z h o uL,C h e n JM,e t a l.R e l a t i o n s h i p s b e-t w e e nn e t p r i m a r yp r o d u c t i v i t y a n d s t a n d a g e f o r s e v e r a lf o r e s t t y p e s a n d t h e i r i n f l u e n c e o nC h i n a`s c a r b o n b a l a n c e[J].J o u r n a lo f E n v i r o n m e n t a l M a n a g e m e n t,2011,92(6):1651-1662.461水土保持学报第37卷Copyright©博看网. All Rights Reserved.[10] S h a r m aC M,T i w a r i OP,R a n aYS,e t a l.E l e v a t i o n a lb e h a v i o u ro nd o m i n a nc e-d i ve r s i t y,r e g e n e r a t i o n,b i o-m a s sa n dc a r b o ns t o r a g ei nr i d g ef o r e s t so fG a r h w a lH i m a l a y a,I n d i a[J].F o r e s tE c o l o g y a n d M a n a g e m e n t,2018,424:105-120.[11] P e n g W,P u k k a l aT,J i nXJ,e t a l.O p t i m a lm a n a g e-m e n t o f l a r c h(L a r i xo l g e n s i s A.H e n r y)p l a n t a t i o n si nN o r t h e a s tC h i n aw h e n t i m b e r p r o d u c t i o n a n d c a r b o ns t o c ka r ec o n s i d e r e d[J].A n n a l s o f F o r e s t S c i e n c e,2018,75(63):1-15.[12] Y a n g Y H,L u oY Q,F i n z iAC.C a r b o na n dn i t r o g e nd y n a m i c sd u r i n g f o re s ts t a n dd e v e l o p m e n t:A g l o b a ls y n t h e s i s[J].N e wP h y t o l o g i s t,2011,190:977-989.[13] X uL,S h iYJ,F a n g H Y,e t a l.V e g e t a t i o nc a r b o ns t o c k s d r i v e nb y c a n o p y d e n s i t y a n d f o r e s t a g e i ns u b-t r o p i c a l f o r e s t e c o s y s t e m s[J].S c i e n c e o f t h eT o t a l E n-v i r o n m e n t,2018,631/632:619-626.[14] Z h o uR W,L iW J,Z h a n g Y P,e t a l.R e s p o n s e so ft h e c a r b o n s t o r a g e a n d s e q u e s t r a t i o n p o t e n t i a l o f f o r e s tv e g e t a t i o nt ot e m p e r a t u r ei n c r e a s e si n Y u n n a n P r o v-i n c e,S W C h i n a[J].F o r e s t s,2018,9(5):1-15.[15] F a n g JY,Y uG R,L i uL L,e t a l.C l i m a t ec h a n g e,h u m a n i m p a c t s,a n d c a r b o n s e q u e s t r a t i o n i nC h i n a[J].P r o c e e d i n g s o ft h e N a t i o n a l A c a d e m y o f S c i e n c e s,2018,115(16):4015-4020.[16]陈力,尹云鹤,赵东升,等.长白山不同海拔树木生长对气候变化的响应差异[J].生态学报,2014,34(6):1568-1574.[17]赵学鹏,白学平,李俊霞,等.气候变暖背景下不同海拔长白落叶松对气候变化的响应[J].生态学杂志,2019,38(3):637-647.[18]石亚飞,石善恒,黄晓敏.基于R的结构方程模型在生态学中的应用[J].生态学杂志,2022,41(5):1015-1023. [19]梁爱军,孙朝升,闫彩云,等.中条山林区人工林林分质量评价[J].西北林学院学报,2017,32(6):203-209.[20]裴顺祥,法蕾,杜满义,等.中条山油松人工林下物种对群落物种丰富度分布格局的贡献[J].西北植物学报,2021,41(8):1409-1416.[21]廉凯敏,段福军,苗科,等.中条山油松人工林胸径分布规律研究[J].陕西林业科技,2020,48(5):12-15. [22]上官铁梁,张峰,樊龙锁.中条山木本植物区系地理成分分析[J].植物研究,2000,20(2):143-155. [23]国家林业和草原局.G B/T38590-2020森林资源连续清查技术规程[S].北京:中国标准出版社,2020. [24]李海奎,雷渊才.中国森林植被生物量和碳储量评估[M].北京:中国林业出版社,2010:13-25. [25]刘国华,傅伯杰,方精云.中国森林碳动态及其对全球碳平衡的贡献[J].生态学报,2000,20(5):733-740.[26] M a n u e lDB,M a e s t r eFT,R e i c hPB,e t a l.M i c r o b i a ld i ve r s i t y d r i v e sm u l t if u n c t i o n a l i t y i n t e r r e s t r i a l e c o s y s-t e m s[J].N a t u r eC o mm u n i c a t i o n s,2016,7(1):e10541.[27]俞艳霞,张建军,王孟本.山西省森林植被碳储量及其动态变化研究[J].林业资源管理,2008(6):35-39. [28]张春华,居为民,王登杰,等.2004 2013年山东省森林碳储量及其碳汇经济价值[J].生态学报,2018,38(5):1739-1749.[29]伊锋,韩有志,贺自书,等.山西太岳山森林生物量与碳密度研究[J].山西农业科学,2017,45(4):599-602.[30] Z h a oM,Z h o uGS.C a r b o n s t o r a g e o f f o r e s t v e g e t a t i o ni nC h i n aa n di t sr e l a t i o n s h i p w i t hc l i m a t i cf a c t o r s[J].C l i m a t i cC h a n g e,2006,74:175-189.[31] P i a oSL,F a n g JY,C i a i sP.T h ec a r b o nb a l a n c eo ft e r r e s t r i a l e c o s y s t e m s i nC h i n a[J].N a t u r e,2009,458:1009-1013.[32]张绘芳,张景路,侯晓巍,等.新疆天山山区乔木林碳密度变化特征及其影响因素[J].水土保持通报,2021,41(2):122-127.[33] S h i p l e y B,M e z i a n eD.T h e b a l a n c e d-g r o w t hh y p o t h e s i sa n d t h e a l l o m e t r y[J].F u n c t i o n a l E c o l o g y,2002,16(3):326-331.[34] P e i c h lM,A r a i nM A.A l l o m e t r y a n d p a r t i t i o n i n g o f a b o v e-a n db e l o w g r o u n dt r e eb i o m a s si na na g e-s e q u e nc eo fw h i t e p i n ef o r e s t s[J].F o r e s t E c o l o g y a n d M a n a g e-m e n t,2007,253(1/3):68-80.[35] Z h a n g XP,W a n g M B,L i a n g X M.Q u a n t i t a t i v e c l a s-s i f i c a t i o n a n d c a r b o nd e n s i t y o f t h e f o r e s t v e g e t a t i o n i nLül i a n g M o u n t a i n so fC h i n a[J].P l a n tE c o l o g y,2009,201(1):1-9.[36]W e n D,H e N P.F o r e s tc a r b o ns t o r a g ea l o n g t h en o r t h-s o u t h t r a n s e c to fe a s t e r no fC h i n a:S p a t i a l p a t-t e r n s,a l l o c a t i o n,a n d i n f l u e n c i n g f a c t o r s[J].E c o l o g i c a lI n d i c a t o r s,2015,61(61):960-967.[37]辛晓平,丁蕾,程伟,等.北方草地及农牧交错区草地植被碳储量及其影响因素[J].中国农业科学,2020,53(13):2757-2768.[38]曹扬,陈云明,晋蓓,等.陕西省森林植被碳储量㊁碳密度及其空间分布格局[J].干旱区资源与环境,2014,28(9):69-73.[39]潘帅,于澎涛,王彦辉,等.六盘山森林植被碳密度空间分布特征及其成因[J].生态学报,2014,34(22):6666-6677.[40]孙拖焕,梁守伦,樊兰英,等.山西省森林生态连清与生态系统服务功能研究[M].北京:中国林业出版社,2019.[41]梁守伦,刘菊,孙拖焕,等.山西省森林经营规划与全周期森林经营模式[M].北京:中国林业出版社,2018.[42]赵海燕.中条山林区森林健康经营分析[J].山西林业,2014(4):35-36.561第4期段兰兰等:中条山森林碳密度时空变化及其驱动因素分析Copyright©博看网. All Rights Reserved.。

中国科学院地理科学与资源研究所简介

中国科学院地理科学与资源研究所简介

中国科学院地理科学与资源研究所简介中国科学院地理科学与资源研究所是研究陆地表层资源环境与区域可持续发展的公益性研究所,是我国地表过程与要素相互作用基础科学研究的引领机构和资源环境基础科学数据中心,是国家区域发展、资源利用和生态建设重要的思想库和人才库。

中国科学院地理科学与资源研究所成立于1999年9月,依据中国科学院知识创新工程的战略部署,由原中国科学院地理研究所(前身是1940年成立的中国地理研究所)和原中国科学院自然资源综合考察委员会(1956年成立)整合而成。

半个多世纪以来,中国科学院地理科学与资源研究所及其前身——中国科学院地理研究所与自然资源综合考察委员会,为中国地理科学与资源科学的发展做出了开拓性的贡献。

在区域、国家和全球尺度上,围绕社会经济发展目标,在自然资源合理利用、生态环境保护、国土综合整治、区域可持续发展、资源与环境信息系统等重要领域,取得了一批国家级重大科研成果。

在上述重大科学问题和国家需求方面做出了社会公认的、不可替代的贡献,研究成果代表了我国地理科学与资源科学发展的方向与水平。

地理科学与资源研究所现有职工600人,其中科技人员452人,研究员119人、副研究员和其他高级专业技术人员161人。

研究员中,拥有孙鸿烈、阳含熙、刘昌明、郑度、陆大道5位中国科学院院士和石玉林、李文华、孙九林3位中国工程院院士。

地理科学与资源研究所设地理学和生物学博士后流动站,是地理学一级学科与生态学、环境科学和农业经济管理3个二级学科博士学位培养点,以及自然地理学、人文地理学、地图学与地理信息系统、自然资源学、生态学、气象学、环境科学和农业经济管理硕士学位培养点。

目前共有研究生导师173人,其中博士生导师78人,硕士生导师95人;在学研究生597人,在站博士后126人。

连续多次被中国科学院评为博士生重点培养基地。

根据国家战略需求与学科发展规划,研究所逐步建成了由7大重点学科领域构成的科研组织体系,包括自然地理与全球变化研究部、人文地理与区域发展研究部、自然资源与环境安全研究部、资源与环境信息系统国家重点实验室、陆地水循环及地表过程重点实验室、生态系统研究网络观测与模拟重点实验室、农业政策研究中心等“三个研究部、三个重点实验室和一个研究中心”;在各重点学科领域内,依据目前的优势研究方向,共组建有26个学科团队(研究室、中心、站)。

中国耕地空间格局变化对粮食生产的影响

中国耕地空间格局变化对粮食生产的影响

一、前言中国是世界人口大国,在自然条件的约束下不得不面临着以全球9%的耕地养活全球21%人口的困境。

自1994年莱斯特·布朗发表《谁来养活中国》以来,中国的粮食安全问题一直是世界性论题。

受人口和经济增长的影响,中国的食物需求不断增加,仅2010—2016年,中国谷物、谷物粉及大豆的进口量增长了1.65倍,农、林、牧、渔业对外直接投资净额增长了5倍。

根据预测,未来中国食物自给率仍将下降,大豆、谷物及谷物粉和奶制品的进口规模将持续上升。

耕地是粮食生产的基础,过去几十年来,中国的耕地经历了快速的变化。

耕地一旦非农化之后,尤其是转为建设用地之后,下垫面的改变使其很难在短时间内恢复为可耕种状态,因而建设用地扩张侵占耕地的现象引起了许多学者的关注。

比较了中国人口规模较大的城市和集中连片优质农田的分布,发现二者具有高度重合性。

据Tan等对145个大中城市的调查研究,发现城市扩张多是占用优质耕地,1990—2000年这些被城市占用的耕地能够生产的粮食单产相当于全国耕地平均粮食生产水平的1.47倍。

He等计算之后发现,1992—2015年建设用地扩张造成的粮食减产导致了我国粮食自给率下降2%。

在建设用地扩张的过程中,学者注意到农村居民点在人口不断减少的过程中建设用地却快速增长的现象,认为农村建设用地扩张比城市建设用地扩张对耕地减少的影响更大。

与此同时,一些生态脆弱、耕地立地条件较差地区的耕地扩张趋势十分显著。

比如在新疆地区,1990—2015年耕地增加了近53%,2000—2015年内蒙古地区耕地增加近23%。

耕地从复种指数较高、质量较好的南方和中部地区向复种指数较低的西北和东北转移的趋势已经被许多学者注意。

有些学者采用统计年鉴数据或者全国第二次土地调查数据来描述这种耕地空间格局的变化,后来则多以遥感数据,比如Landsat专题绘图仪/增强型绘图仪(TM/ETM)数据、HJ-1卫星电荷耦合器件(CCD)数据等。

地质网站

地质网站

(1)国家官方网站:中国地质调查局/中国国土资源部/中国地质学会/中国地质科学院/中国地质资料馆(可检索)/中国地质图书馆(可检索)/中国科学院国家科学图书馆(可检索)/index.jsp 新国家标准查询-工标网/new/index.jsp中国地质博物馆/index.asp中国地质科学数据网/国家自然科学基金委员会/nsfc2009/index.htm (2)地学综合网站中国地学网/全球矿权网/中国矿产资源网/index.aspx中国有色网/中国物探信息网/石油地质网/煤炭网/(3)百科查询网站地学百科/石油百科/bk/地质学术语查询/pro/view.php?id=880全球矿权网--矿权百科/News/baike.aspx地质词典/(4)地质专业论坛:地学论坛/?fromuid=5310华夏土地论坛/?fromuid=91634科学网-地质/地球化学/地球物理板块/showforum-51.aspx筑龙建筑论坛/forum/中国矿业论坛/,/小木虫论坛-地学板块/html/f261.html化石网论坛/中国陨石爱好者论坛/bbs/东南西北人/dzcn/index.php风雨论坛/forum/index.php地球化学论坛/index.php上帝之眼/index.html岩土论坛/地质工程网论坛(5)地学期刊网站中国地学期刊门户网/期刊界-搜索引擎/《中国地质》/ZTfuwu/QKchuban/XSqikan/ZGdizhi/ 《地质通报》/ZTfuwu/QKchuban/XSqikan/DZtongbao/ 《现代地质》《地质论评》/georev/ch/index.aspx《地质学报》中文版:/dzxb/ch/index.aspx 英文版:/dzxben/ch/index.aspx 《岩石学报》/ysxb/ch/index.aspx《矿床地质》/ch/index.aspx《地球科学》/《地学前缘》/ScienceWeb/magazine/frontiers.asp (6)地学名人博客刘继顺科学网博客/u/yuelugj/刘继顺新浪博客/yuelugj朱志敏科学网博客/u/weah0500/刘玉平科学网博客/u/刘玉平/(7)国外地质网站美国地质调查局/英国地质调查局/美国地质学会/国际地质科学联合会/地质网/(8)地质人才招聘宾果职位搜索引擎/中国地矿人才网/中国矿业人才网/万行矿业人才网/矿产英才网/矿业矿产人才网/(9)地质院校网站中国地质大学(原武汉地质学院、北京地质学院)/ 吉林大学(原长春地质学院)长安大学(原西安地质学院)石家庄经济学院(原河北地质学院)成都理工大学(原成都地质学院)/东华理工大学(原华东地质学院)/桂林理工大学(原桂林地质学校)/中国石油大学(原北京石油学院)北京:/华东:/ 中南大学(原中南矿冶学院)/西安科技大学(原西安矿业学院)/长江大学(原江汉石油学院)/西北大学地质系/jxyd/models/cn/index.htm中山大学地球科学系/南京大学地球科学与工程学院/(10)其他西安交通大学教育资源共享网(其中有MIT共享课程)/地质学英文单词查询的好网站:/dictionary/glossary-a.shtml主页/地球系统科学数据共享平台/Portal/index.jsp,由地理所主管,其中地理所网站还有其他很多共享信息(中科院资源环境科学数据中心,中国生态系统研究网络数据共享系统,中国自然资源数据库,MODIS共享平台,超图免费下载中心,中国科学院大型仪器共享管理系统) 地理所主页/index.jspThinking in Earth by Science 用科学的思维看待地球/数字地质调查技术支持/。

地质人应该知道的一些网站

地质人应该知道的一些网站

一、官方网站:1.全国地质资料馆(可检索)/2.中国地质图书馆(检索)/3.中国地质调查局/4.中国地质学会/5.中国科学院国家科学图书馆(可检索)/index.jsp6.国家科技文献图书中心(国际科学引文数据库)(可检索)/index.jsp二、重要网址:1.中国地学网/2.地学百科/3.中国矿产资源网/index.aspx4.全球矿权网/5.地质学术语查询/pro/view.php?id=8806.GIS空间站/soft/7.中国有色网/8.康奈尔大学White教授经典地球化学书籍免费下载/geology/classes/geo455/Chapters.HTML三、地学类论坛1.科学网论坛-地质/地球化学/地球物理板块/bbs/showforum.aspx?forumid=512.华夏土地论坛:/?fromuid=101641783.地学论坛-中国地学专业论坛/4.中国地球化学家论坛/?fromuid=16455.中国矿业论坛/bbs/6.上帝之眼/index.html7.岩土论坛/四、博客1.刘继顺科学网博客/u/yuelugj/2.刘继顺新浪博客/yuelugj3.朱志敏科学网博客/u/weah0500/4.刘玉平科学网博客/m/user_index1.aspx?userid=27691西安交通大学教育资源共享网(其中有MIT共享课程)/著名地球化学家孙贤鉥经典文献免费下载以及李曙光院士、孙卫东研究员等人的追忆文集/list/xueshu.htm#地质学英文单词查询的好网站:/dictionary/glossary-a.shtml,主页内容也很丰富/地球系统科学数据共享平台/Portal/index.jsp,由地理所主管,其中地理所网站还有其他很多共享信息(中科院资源环境科学数据中心,中国生态系统研究网络数据共享系统,中国自然资源数据库,MODIS共享平台,超图免费下载中心,中国科学院大型仪器共享管理系统)见地理所主页/index.jsp——分——割——线——补充:1:Thinking in Earth by Science 用科学的思维看待地球/ 2:数字地质调查技术支持/。

219408818_基于随机森林的生态地质环境承载力评价

219408818_基于随机森林的生态地质环境承载力评价

doi: 10.3969/j.issn.1007-1903.2023.02.006Vol. 18 No.02 June, 2023第 18 卷 第2期 2023 年 6 月/基于随机森林的生态地质环境承载力评价杜奥林,简季(成都理工大学,四川 成都 610059)摘 要:城市发展是当下研究热点,了解一个城市的生态地质环境承载力,能衡量其地质-生态-经济的协调程度,对指导城市规划发展有重要意义。

结合龙泉山城市森林公园环境现状,从地质环境、生态环境与社会经济3方面选取12个指标,利用随机森林优化主客观权重,测算区域生态地质环境承载力。

研究结果表明:断裂密度与高程是龙泉山城市森林公园最重要的影响因子;研究区总体的生态地质环境承载力表现为中等,并呈中间低、两边高的分布形态,承载力较差的区域主要分布研究区中部,承载力较好的则分布于贾家镇、三岔镇及煎茶镇等区域;随机森林方法的评价结果准确性与可靠性更高,更适合此研究区的生态地质环境承载力评价。

关键词:环境承载力;随机森林;组合权重;龙泉山城市森林公园Bearing capacity evaluation of eco-geological environment withrandom forest methodDU Aolin, JIAN Ji(Chengdu University of Technology, Chengdu 610059, Sichuan, china )Abstract: Urban development is a research hotspot at present, and understanding the bearing capacity of a city's eco-geological environment can measure its degree of geological-ecological-economic coordination, which is of great significance for guiding ur-ban planning and development. Based on the current situation of Longquan Mountain Urban Forest Park, this paper selects 12 in-dicators from the three aspects of geological environment, ecological environment and social economy, and uses the subjective and objective weights of random forest optimization to measure the bearing capacity of the regional eco-geological environment. The results show that the fault density and elevation are the most important influencing factors. The overall bearing capacity of the eco-geological environment in the study area is medium, with a distribution pattern of low bearing capacity in the middle and high bearing capacity on the sides. The random forest method used is highly accurate and reliable, and suitable for the evaluation of bearing capacity of the eco-geological environment in the study area.Keywords: environment bearing capacity; random forest; combined weights; Longquan Mountain Forest Park 随着我国城市化推进与国民经济的快速发展,人们对地质环境的关注日益增加。

中国科学院资源环境科学数据中心

中国科学院资源环境科学数据中心

中国科学院资源环境科学数据中心《数据使用申请表》填写说明一、注意事项1.自2006年3月6日起启用新版《数据使用申请表》,原《数据使用申请表》同时废止。

2.填写《数据使用申请表》前,请务必认真阅读以下的填写说明。

3.《数据使用申请表》填写不全的数据使用申请将不予受理。

4.用户应特别关注“用户保证条款”和“违约责任”。

5.向数据中心提交《数据使用申请表》时只需提交下页的表格,不必提交此页。

二、填写说明1.用户姓名:数据的实际使用者,必须与“用户承诺”中的用户签字一致。

2.所在单位:用户所在的具有法人资格的单位名称,与单位公章一致。

3.联系电话:办公时间(8:00~17:00)能够接听的电话号码(含区号)。

4.email:经常使用的电子邮件地址。

5.数据内容:明确说明所需要的数据集(或数据项)。

6.空间范围:所需数据覆盖的空间区域量化指标,如行政区代码、经纬度范围等。

7.时间(段):数据所代表的时间或时间段。

8.比例尺:矢量数据按实际比例尺填写(如1:100万等);栅格数据填写格网大小(如1km等);属性数据填写区域尺度(如县级、省级等)。

9.格式:填写数据存储格式。

10.其它要求:除上述数据需求信息外,用户需要说明的内容。

11.使用目的(1)政府决策:说明政府机构名称、服务内容、该数据集的作用等;(2)科学研究:说明科研项目来源、名称、批准号、起止时间、负责人、承担单位、研究区域、该数据集在项目中的具体作用等,项目(课题)负责人即为相关负责人;(3)教学示范:说明教学专业、课程名称或内容简介、选课人数等,教研室负责人即为相关负责人;(4)博士论文:论文题目、研究区域、该数据集在论文研究中的具体作用、毕业时间等,导师即为相关负责人;(5)硕士论文:要求同“博士论文”;(6)商业应用:简要说明数据的用途;(7)其它:请注明具体用途,并说明数据集的作用。

12.用户签字:与用户姓名一致,即数据的实际使用者。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
3.用户不得私自有偿、无偿向第三方转让AERSURFACE在线服务系统数据产品及AERSURFACE在线服务系统网站账号,用户应自行承担因违反此要求而导致的责任,同时AERSURFACE团队保留追究上述行为人法律责任的权利。
4.在使用AERSURFACE在线服务系统数据产品的论文、研究报告、产品中,需完整引用AERSURFACE在线服务系统的相关研究成果(数据引用:[1]伯鑫,王刚,田军,杨景朝,高锡章,黄远奕,李时蓓.AERMOD模型地表参数标准化集成系统研究[J].中国环境科学,2015,35(9):2570-2575.),并在致谢中加以声明。如果用户在研究中使用的AERSURFACE在线服务系统数据产品尚未以论文形式发表,AERSURFACE团队成员有权利要求在用户的研究成果上署名。使用AERSURFACE定制数据的研究成果在发表前需获得AERSURFACE团队的同意。
对本协议的解释、修改及更新权均属于AERSURFACE模型团队所有。
用户承诺
我同意以上条款,并保证按此执行。用户签字:年月日
申请者所在单位意见
我单位保证监督该用户按上述要求使用数据,并进行成果标注。
单位负责人(签字):单位(盖章)年月日
1. AERSURFACE团队致力于提供高质量的地表下垫面参数,但不对数据的真实性和准确性负责。使用从本网站获取的地表下垫面参数数据所产生的后果由用户自行承担。
2.请用户妥善保管自己的账号和密码及其他注册资料,如果发现使用者并非账号初始注册人,AERSURFACE团队有权在未经通知的情况下暂停该账号而无需向该账号使用人承担法律责任,由此带来的损失由用户自行承担。
环境保护部环境工程评估中心
(试用版)
用户姓名
所在单位
联系电话
Email
使



1()政府决策2()科学研究3()教学示范4()博士论文
5()硕士论文6()商业应用7()其它(请注明):
项目/ቤተ መጻሕፍቲ ባይዱ题名称
项目/课题来源
应用说明:
相关负责人(签字):




在用户使用AERSURFACE在线服务系统提供的数据产品之前,请务必仔细阅读并同意本协议。用户使用直接从本网站获取或从其他途径获取的AERSURFACE在线服务系统数据产品的行为,都将被视作无条件接受本协议所涉及全部内容。若用户对本协议的任何条款有异议,请停止使用AERSURFACE在线服务系统数据产品。
相关文档
最新文档