水源涵养服务供需安全是保障区域水资源可持续利用和维护生态平衡的重要支撑。基于土壤和水评估工具(Soil and Water Assessment Tool,SWAT)测算新安江上游水源涵养服务供需指数,采用Theil-Sen Median趋势分析、标准差椭圆、探索性空间...水源涵养服务供需安全是保障区域水资源可持续利用和维护生态平衡的重要支撑。基于土壤和水评估工具(Soil and Water Assessment Tool,SWAT)测算新安江上游水源涵养服务供需指数,采用Theil-Sen Median趋势分析、标准差椭圆、探索性空间数据分析方法揭示其时空演变规律,耦合最优参数地理探测器和时空地理加权回归模型,分析新安江上游水源涵养服务供需指数存在时空差异的原因。结果显示:(1)在2002—2020年,新安江上游水源涵养服务供需指数呈螺旋上升趋势,其中极显著上升区域约占1.36%。(2)新安江上游水源涵养服务供需指数的标准差椭圆分布主要走向为“东北—西南”,全局呈逐渐加强的正相关性。(3)人口密度、坡向、土壤含水量分别是人类活动、下垫面、水文气象维度中对新安江上游水源涵养服务供需指数驱动力最强的因子。(4)人口密度对新安江上游各子流域水源涵养服务供需指数的驱动作用始终为负,坡向的驱动作用主要为负,土壤含水量的驱动作用始终为正。研究可为制定流域尺度的水土保持和水资源管理策略提供理论参考。展开更多
准确估算区域尺度的陆地生态系统碳储量及其驱动因素,对于制定科学合理的土地利用政策具有重要意义。基于土地利用/覆被数据和气象站点数据,运用InVEST(Integrated Valuation of Ecosystem Services and Tradeoffs)模型定量估算了1990-2...准确估算区域尺度的陆地生态系统碳储量及其驱动因素,对于制定科学合理的土地利用政策具有重要意义。基于土地利用/覆被数据和气象站点数据,运用InVEST(Integrated Valuation of Ecosystem Services and Tradeoffs)模型定量估算了1990-2020年黄河流域碳储量的时空分布。通过土地利用转移矩阵和碳储量贡献率分析土地利用变化对碳储量的影响,并采用最优参数地理探测器(OPGD)识别碳储量空间分异性的主要驱动因素。结果表明,1990-2020年间,黄河流域耕地面积减少,而林地、草地、建设用地面积增加,碳储量值呈现波动上升趋势,增加了0.549×10^(8)t,增幅为0.37%,经历了1990-1995年和2005-2010年两个增加阶段,以及1995-2005年和2010-2020年两个减少阶段。碳储量的空间分布具有明显的异质性,碳储量变化呈现零散分布,增减不一的特点。极显著热点区集中在青海、陕西、内蒙古等森林覆盖较广泛的山区,冷点分布在经济发达地区。草地是主要碳储存类型,未利用地转为草地对碳储量贡献最大(73.3%),耕地转为建设用地对碳储量产生最大负效应(−20.8%)。在5 km最优空间尺度和因子最佳空间离散化参数下,单因子和交互探测分别显示,归一化植被指数(NDVI)是碳储量空间分异性的主要驱动因素(20.7%),坡度、降水和日照等因素也具有显著影响;归一化植被指数与高程的组合解释力最强,达到29.0%。综合考虑自然地理和气候因素,因地制宜地制定土地利用政策,平衡城市扩张、农业发展与生态保护,是实现区域碳储量增加的关键。展开更多
文摘水源涵养服务供需安全是保障区域水资源可持续利用和维护生态平衡的重要支撑。基于土壤和水评估工具(Soil and Water Assessment Tool,SWAT)测算新安江上游水源涵养服务供需指数,采用Theil-Sen Median趋势分析、标准差椭圆、探索性空间数据分析方法揭示其时空演变规律,耦合最优参数地理探测器和时空地理加权回归模型,分析新安江上游水源涵养服务供需指数存在时空差异的原因。结果显示:(1)在2002—2020年,新安江上游水源涵养服务供需指数呈螺旋上升趋势,其中极显著上升区域约占1.36%。(2)新安江上游水源涵养服务供需指数的标准差椭圆分布主要走向为“东北—西南”,全局呈逐渐加强的正相关性。(3)人口密度、坡向、土壤含水量分别是人类活动、下垫面、水文气象维度中对新安江上游水源涵养服务供需指数驱动力最强的因子。(4)人口密度对新安江上游各子流域水源涵养服务供需指数的驱动作用始终为负,坡向的驱动作用主要为负,土壤含水量的驱动作用始终为正。研究可为制定流域尺度的水土保持和水资源管理策略提供理论参考。
文摘准确估算区域尺度的陆地生态系统碳储量及其驱动因素,对于制定科学合理的土地利用政策具有重要意义。基于土地利用/覆被数据和气象站点数据,运用InVEST(Integrated Valuation of Ecosystem Services and Tradeoffs)模型定量估算了1990-2020年黄河流域碳储量的时空分布。通过土地利用转移矩阵和碳储量贡献率分析土地利用变化对碳储量的影响,并采用最优参数地理探测器(OPGD)识别碳储量空间分异性的主要驱动因素。结果表明,1990-2020年间,黄河流域耕地面积减少,而林地、草地、建设用地面积增加,碳储量值呈现波动上升趋势,增加了0.549×10^(8)t,增幅为0.37%,经历了1990-1995年和2005-2010年两个增加阶段,以及1995-2005年和2010-2020年两个减少阶段。碳储量的空间分布具有明显的异质性,碳储量变化呈现零散分布,增减不一的特点。极显著热点区集中在青海、陕西、内蒙古等森林覆盖较广泛的山区,冷点分布在经济发达地区。草地是主要碳储存类型,未利用地转为草地对碳储量贡献最大(73.3%),耕地转为建设用地对碳储量产生最大负效应(−20.8%)。在5 km最优空间尺度和因子最佳空间离散化参数下,单因子和交互探测分别显示,归一化植被指数(NDVI)是碳储量空间分异性的主要驱动因素(20.7%),坡度、降水和日照等因素也具有显著影响;归一化植被指数与高程的组合解释力最强,达到29.0%。综合考虑自然地理和气候因素,因地制宜地制定土地利用政策,平衡城市扩张、农业发展与生态保护,是实现区域碳储量增加的关键。
