新書推薦：
《
365日自我肯定之书：你是你自己人生的主角！增强自我肯定感
》
售價：NT$
356
《
小儿推拿轻松学，脾肺同养百病消
》
售價：NT$
184
《
海洋之思：俄罗斯的海洋观（1997~2021）
》
售價：NT$
653
《
国语（全二册）（中国古代史学丛书）
》
售價：NT$
653
《
新安医学古籍整理发掘研究
》
售價：NT$
500
《
如何提出一个好问题（全新升级版）
》
售價：NT$
561
《
索恩丛书·风雨山河：清季变局中的人物与社会
》
售價：NT$
352
《
外太空巨型星座管控的迫切需求
》
售價：NT$
347
|
| 內容簡介： |
|
《我国北方生态脆弱区生态承载力评价研究》介绍了我国北方生态脆弱区的分布情况，分析了对其生态承载力进行综合评价的研究意义、国内外研究现状以及存在的问题。重点以内蒙古自治区和黄土高原为例，阐述了我国北方生态脆弱区沙漠化程度的监测方法。在综合考虑沙漠化程度的基础上实现了内蒙古自治区生态质量和生态承载力的综合评价，提出了包含综合指数分析、耦合协调度量化、耦合类型识别、协调影响力评估、城市发展阶段分析的生态承载力和城市土地利用效率的耦合协调分析框架。
|
| 目錄：
|
|
目录前言第1章 绪论 11.1 背景及意义 11.2 国内外研究现状 21.2.1 沙漠化遥感监测 21.2.2 生态质量评价研究进展 41.2.3 生态承载力评价研究进展 61.2.4 生态承载力与城市土地利用效率的耦合协调发展 81.2.5 已有研究存在问题 101.3 主要内容与技术路线 111.3.1 主要内容 111.3.2 技术路线 131.4 本书结构 13第2章 生态脆弱区沙漠化程度监测与敏感性评价 162.1 基于二维特征空间的沙漠化监测 162.1.1 研究区概况 162.1.2 数据源 182.1.3 VI-Albedo特征空间 182.1.4 植被指数的选择 192.1.5 黄土高原沙漠化程度监测 202.1.6 黄土高原沙漠化动态评价 222.2 基于三维特征空间的沙漠化监测 292.2.1 研究区概况 292.2.2 数据源 342.3 基于三维特征空间的沙漠化监测指数构建 362.3.1 监测指标 362.3.2 沙漠化监测指数构建原理 382.3.3 沙漠化监测指数适用性评价 392.4 沙漠化程度分级方法评估及精度验证 412.4.1 常见的分级方法 412.4.2 相对指数熵模型 412.4.3 基于相对指数熵模型的分级效果评估 432.4.4 沙漠化程度的分级精度验证 452.4.5 DMI 在区域沙漠化监测中的适用性 462.5 沙漠化敏感性评估 492.5.1 数据源 492.5.2 沙漠化敏感性评价指标体系的构建 502.5.3 沙漠化敏感性时空演变特征分析 552.5.4 沙漠化敏感性影响因素分析 58第3章 生态脆弱区生态质量评价研究 623.1 传统遥感生态指数 623.1.1 指标选择 623.1.2 构建原理 633.2 改进遥感生态指数 653.2.1 改进策略 653.2.2 改进前后遥感生态指数的对比分析 673.3 生态脆弱区生态质量动态评估 713.3.1 生态质量时空分布特征 713.3.2 生态质量变化趋势监测方法 733.3.3 生态质量变化趋势分析 743.3.4 生态质量动态监测的准确性分析 753.4 生态质量的驱动机制分析 763.4.1 多元线性回归 763.4.2 自然因素对生态质量的驱动机制 773.4.3 社会经济发展对生态质量的驱动机制 803.5 生态治理优化分区 823.5.1 生态治理优化分区策略 823.5.2 生态治理分区与建议 83第4章 生态脆弱区生态承载力综合评价 854.1 数据源 854.1.1 遥感数据 854.1.2 土壤数据 854.1.3 气象数据 854.1.4 社会经济数据 864.2 生态承载力评价指标体系 864.2.1 指标选取原则 864.2.2 DPSIR模型 874.2.3 评价指标体系的建立 894.2.4 主要评价指标释义 904.3 评价指标权重的确定 924.3.1 投影寻踪模型 924.3.2 实数编码的加速遗传算法 944.3.3 生态承载力评价指标及子系统的权重 964.4 生态承载力时空演化特征 984.4.1 生态承载力子系统评价指数分析 984.4.2 生态承载力时空演化特征 1004.5 生态承载力的障碍度分析 1044.5.1 障碍度模型 1044.5.2 生态承载力子系统的障碍度分析 1044.5.3 生态承载力的障碍因子分析 107第5章 生态承载力与城市土地利用效率的耦合协调分析 1095.1 城市土地利用效率评估 1095.1.1 超效率DEA模型 1095.1.2 ULUE的时间演变和空间分布特征 1105.2 生态承载力与城市土地利用效率耦合协调度分析 1135.2.1 耦合协调度模型 1135.2.2 生态承载力与城市土地利用效率耦合协调度的时空分异特征 1145.2.3 生态承载力与城市土地利用效率的耦合协调类型分析 1185.3 生态承载力子系统的协调影响力 1205.3.1 协调影响力指标 1205.3.2 生态承载力子系统对整体耦合协调度的影响 1215.4 城市发展阶段分析 1245.4.1 城市各发展阶段的耦合协调机制 1245.4.2 城市发展建议 126第6章 总结与展望 1296.1 总结 1296.2 展望 131参考文献 132
|
| 內容試閱：
|
|
第1章绪论 1.1背景及意义 生态脆弱区又称生态交错区，在我国分布较为广泛，占据陆地面积的55%。已有研究将我国典型生态脆弱区划分为农牧交错带（包括北方农牧交错带和西南山地农牧交错带）、林草交错带、荒漠-绿洲区、黄土高原脆弱区、青藏高原脆弱区和西南岩溶石漠化区6类（陈云等，2021；孙康慧等，2019）。我国北方生态脆弱区自然条件的严酷与生态结构的单一交织，使生态系统自我调节能力薄弱，对外部干扰尤为敏感。此外，干旱、半干旱的气候条件也加剧了水资源短缺的问题，而过度的人类活动，如放牧、开垦等，则进一步加剧了土壤侵蚀、荒漠化等现象。上述问题不仅影响当地居民的生存和发展，也对区域的生态环境造成威胁。陈云等（2021）研究表明我国北方生态脆弱区主要位于黄土高原和内蒙古自治区，因此，以上述地区为例，生态环境综合评价对维护我国北方生态脆弱区的生态安全、实现人类社会可持续发展具有重要意义。 生态承载力（ECC）是评价区域可持续发展能力的关键，已成为社会经济发展规划的重要决策依据之一，对人类的发展起着至关重要的作用（ZhangZ et al.，2023）。改革开放以来，随着社会经济的快速发展，工业化、城镇化的快速推进，人们对自然环境的依赖有所增加，对资源的需求也逐渐提高，从而导致了诸多环境问题，如全球变暖、极端天气和土地退化等（Huang et al.，2021），上述环境问题在一定程度上降低了区域的生态承载能力，严重阻碍了人类生产生活的可持续发展。面对上述问题，要求在推动社会经济发展的同时，必须注重自然资源的合理利用和生态环境的保护，以实现人地关系的协调发展。因此，区域可持续发展不仅需要提高生态的承载能力，还需要考虑生态承载力与社会经济的耦合协调发展。 近年来，区域经济的快速发展以及城市化进程的不断加快，对ECC产生了一定影响。由于城市土地利用效率（ULUE）可以综合反映城市化与经济效率，因此，该指标与ECC之间的耦合协调度是评估区域可持续发展的有效工具。此外，作为ECC综合评价的重要组成部分，干旱-半干旱区的生态质量受到沙漠化等土地退化问题的影响，因此，综合考虑了沙漠化等问题的生态质量评价是准确评估区域ECC的基础。 《联合国防治荒漠化公约》将我国的荒漠化划分为风蚀荒漠化（简称沙漠化）、水蚀荒漠化、盐渍化、冻融荒漠化4种类型。其中，沙漠化是指干旱和半干旱地区由于气候变化和人类活动影响而产生的土地退化现象（XuD et al.，2019），是我国北方主要的荒漠化形式。沙漠化造成了植被减少、生产力下降以及土地退化等诸多生态环境问题，也成为影响内蒙古自治区生态质量的重要因素。由于生态质量是ECC的重要组成部分，且对ECC的大小和稳定性具有重要影响（徐卫华等，2017）。因此，在考虑沙漠化等土地退化问题的基础上实现内蒙古自治区生态质量评价，可以为ECC的量化和评价提供数据基础和参考依据。 在社会经济发展方面，截至2023年我国常住人口的城镇化率达到66.16%，国内生产总值（GDP）超过126万亿元。区域经济的快速发展在一定程度上使得大面积土地遭到破坏，并产生了一系列的生态环境问题（Feng et al.，2021），在一定程度上降低了ECC。此外，社会发展过程中的人口增长造成了建设用地的无序扩张，给区域生态环境带来了巨大压力。而日益严重的环境问题反过来又阻碍了当地的经济发展进程，进而导致人地关系长期处于不协调的状态（Na and Guo，2022）。研究表明，ULUE可以综合反映区域城市化与经济效率，表征社会经济在城镇化过程中的发展水平，评价资源节约型社会的建设程度（WuQ et al.，2022）。 因此，分析干旱-半干旱地区ULUE与ECC之间的耦合协调发展状况可以为可持续发展战略的实施提供科学参考。 1.2国内外研究现状 1.2.1沙漠化遥感监测 作为影响生态质量的重要因素之一，土地沙漠化的监测逐渐引起了众多学者的关注。在早期的沙漠化监测中，统计调查以及模型识别是主要的监测手段（刘庆福，2020）。但是沙漠化过程的复杂性和动态性阻碍了传统方法的评估和监测。而遥感技术具有快速、宏观等传统实地调查难以比拟的优势，为沙漠化研究提供了一种科学有效的监测方法（Ghebrezgabher et al.，2019）。近年来，大多数研究通过地表植被覆盖状况间接反映沙漠化的严重程度，其中，归一化差值植被指数（NDVI）是监测沙漠化*常用的遥感指标，因为随着沙漠化程度的加重，地表植被遭受严重破坏，造成了地表植被覆盖度降低和生物量减少，在遥感图像上表现为植被指数相应降低，而NDVI能有效用于植被的监测和估算。基于此，拉巴等（2019）利用NDVI构建了西藏荒漠化监测模型，利用该模型分析了2000～2017年全区荒漠化时空分布特征和趋势变化。潘霞等（2018）以阿拉善盟为研究区，基于NDVI的数值将土地沙漠化划分为非沙漠化、轻度沙漠化、中度沙漠化、重度沙漠化4个等级，分析了2000～2016年间研究区沙漠化的时空动态演变过程。上述研究为遥感监测土地沙漠化提供了科学依据，然而，考虑到沙漠化演化过程的复杂性，仅利用NDVI无法全面客观地反映土地沙漠化的真实情况。 在沙漠化演化过程中，除植被信息外，地表状况也发生了明显的改变，伴随着地表水分减少以及地表粗糙度下降，在遥感影像上表现为地表反照率（Albedo）的增加。基于此，曾永年等（2006），以及Pan和Li（2013）综合考虑NDVI和Albedo两种指标，基于Albedo-NDVI特征空间构建了沙漠化差值指数（DDI），提取沙漠化信息，分别分析了黄河源区和张掖绿洲及其附近区域的沙漠化状况。目前，DDI已经广泛应用于沙漠化的监测中。刘英等（2019）利用DDI对2000～2016年黄土高原荒漠化进行了动态监测。邹明亮等（2019）利用DDI从整体到局部，分别对玛*县及其黄河沿岸地区近15年的土地荒漠化进行了时空动态分析。刘晓茜等（2020）利用DDI对腾格里沙漠东南缘格林滩绿洲20年间的沙漠化土地进行了动态监测及分析。然而通常情况下，沙漠化地区植被覆盖率不高，且由于土壤背景的影响，NDVI在植被稀疏的情况下不能较好地反映出植被状况，而改进型土壤调整植被指数（MSAVI）考虑了裸土的线性问题，可以减少植被冠层和土壤背景的影响。因此，已有学者利用MSAVI基于特征空间的基本原理在土地退化方面开展了相关的研究。Wu等（2019）利用陆地卫星图像和野外调查数据，建立了基于Albedo-MSAVI特征空间的荒漠化指数模型，分析了半干旱草原地区荒漠化与地表定量参数的关系；卢晶等（2020）利用L and sat遥感影像，采用盐分指数和MSAVI构建了改进型盐渍化监测指数（modified salinization detectionindex，MSDI），对河套灌区沈乌灌域土壤盐渍化进行定量分析与监测；Guo和Wen（2019）选取MSAVI、NDVI、土壤粒度指数、Albedo4个指标，构建5个特征空间，并对不同特征空间模型的精度进行了比较和分析，结果表明Albedo-MSAVI特征空间模型的精度更高。所以，与NDVI相比，MSAVI能够更准确地反映出荒漠化地区的植被状况。 根据上述内容可以看出，目前多基于二维特征空间的基本原理开展沙漠化监测的相关研究，但是土地退化过程受到多种因素的影响。基于此，李艳华等（2015）提出了MSAVI-盐分指数（SI）-湿度指数（WI）三维特征空间，进而建立了土壤盐渍化监测指数模型，其研究结果表明，该模型精度高于3个指数两两构建的二维特征空间，进一步证明了三维特征空间在土地退化监测中的适用性。此外，王树祥等（2021）提出了一种融合植被覆盖度、MSAVI、增强性植被指数3种指标的荒漠化提取模型。而对于土地沙漠化而言，除植被和地表反照率外，沙漠化地物类型中的长石、晶屑以及岩屑等成分占比较大，会导致沙化土地的进一步扩张。而沙化特征指数（SFI）是基于沙化土地与非沙化土地反射光谱特征差异设计的指数，形式简单，求取方便，且提取精度能达到实际工作要求，适合沙化土地的监测（蒙琳，2005）。因此，综合考虑土地沙漠化过程中的植被、地表反照率、土壤沙化等情况，结合多维空间信息可以更加全面反映沙漠化的程度。 上述研究中，通常要对构建的沙漠化遥感指数进行分级来了解研究区沙漠化的严重程度。对数据进行分级的主要目的是在分级后最大限度地保留原始数据的主要特征，并尽可能准确地反映地理现象的空间分布实质（陆效中，1989）。目前常见的分级方法主要包括分位数分级、自然间断点分级、易发性指数分段法等（刘凌波等，2019；Jiang，2013）。但是分级方法的选择会直接影响到监测结果，因此有必要对各个分级方法的分级结果进行科学评估以筛选出*优的数据分级方法。基于此，江南等（2007）基于数理统计和决策理论，提出了用于统计数据分级评价的多属性决策分级评价模型。然而，鉴于该评价模型为单指标评价模型，分级因素呈现一定的单一性，基于此，有学者提出了混合评价模型。Sun等（2017）综合考虑了级别可分性、级内差异性、级间均匀性、分级数量等指标提出了启发式的多指标分级方法，该方法也可以作为一种分级评价方法。目前，地理信息数据分级方法的分级结果评价主要集中在构建多因素的分级评价指标（Koo et al.，2017；Mu and Tong，2019；Wei and Grubesic，2017）。但无论综合何种评价指标，混合评价模型的评价结果都会受到评价指标的影响，且基于信息量的地理数据分级的研究较少。因此，肖佳等（2020）提出了基于相对指数熵的地理信息数据分级评价模型，该模型从原始数据的级内聚集水平与级间离散水平等方面共同评价分级结果，顾及了分级数据的级内与级间两个方面。结果表明，在面向不同分布的数据集时，相对指数熵指标能够反映出不同分级方法的细小差异，准确地指示出*优分级方法。因此，利用相对指数熵模型评估常见分级方法在沙漠化监测中的适用性，可以提高沙漠化严重程度的分级精度，同时也可为生态环境的评价提供科学参考。 1.2.2生态质量评价研究进展 生态质量是指生态环境的优劣程度，在一定程度上影响了ECC的稳定性和调节能力。作为ECC评价的基础，生态质量评价已经得到了学者的广泛关注。近年来，遥感技术的快速发展为生态质量评价提供了多时相、多尺度、多区域的数据，实现了目标定位、定性和定量的描述，并能准确地反映区域生态质量的宏观动态变化状况。目前已有学者基于单一的遥感指标对区域的生态质量进行了定量评估，主要包括植被覆盖度（LiuH et al.，2021）、归一化植被指数（Chen et al.，2022）、归一化建筑裸土指数（normalized difference build and soil index，NDBSI）（Kim et al.，2020）和地表温度（l and surface temperature，LST）（LiH et al.，2022）等。虽然上述指标可以描述生态系统中某单一组分的变化，但是生态系统中任意两个生态组分之间的相互作用都有可能影响整个生态系统，而且各个组分之间也相互依赖、相互影响（Zheng et al.，2022）。因此，综合多个指标可以更全面地描述区域的生态质量（Pariha et al.，2021）。近年来，确定若干生态环境评价因子并获取各个因子的贡献度，以此实现生态质量的定量评价是较为常用的方法。因此，生态质量指标的确定对评价结果产生了直接影响。2006年，我国环境保护部在发布的《生态环境状况评价技术规范》（HJ192—2015）中提出了生态环境状况指数（ecological index，EI），2015年国家环保部门又对EI进行了改进，优化了其评价指标的信息含量，选取植被覆盖指数、土地胁迫指数、水网密度指数、生物丰度指数和污染负荷指数作为构
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
