简介:在对2000-2012年粮食产量数据与耕地面积数据进行动态分析的基础上,引入敏感度分析模型,对2000年以来云南粮食生产与耕地变化的动态关系进行定量评估,从而揭示粮食产量对耕地变化的敏感性特征。研究表明,2000-2003年粮食产量对耕地变化的敏感程度小于0,为不敏感状态;2004-2005年粮食产量对耕地变化的敏感程度为0.11,为低度敏感状态;2006-2012年粮食产量对耕地变化的敏感程度迅速增大到35.68,为高度敏感状态,说明2006年以来粮食产量对耕地变化的敏感度很高,耕地面积的较小变动会造成粮食产量的较大波动。因此,严格区域耕地保护,实行耕地“补占平衡”政策对于保证区域粮食安全具有重要意义。
简介:土壤-植被-大气传输(SVAT)模型对于研究大气水、植物水、地表水、土壤水和地下水的相互作用和相互关系、植物耗水过程与生态需水规律、生态系统与局地气候的反馈机制、土壤水分与植被的相互作用机制,以及生态环境的恢复与重建具有十分重要作用。SVAT模型经过“水桶”模型、生物物理学模型以及生物化学模型3个阶段约半个世纪的发展,已由最初的单层模型发展到双层模型、多层模型,取得了很大的进展。该文总结了SVAT模型主要水热过程的参数化方案,模型的应用研究、比较以及参数化方案的改进,并提出下垫面不均匀性、模型的简化、模型的全面性、模型的验证和比较等亟待进一步改进和完善的问题。
简介:土壤侵蚀过程复杂,很难直接应用土壤侵蚀预报方程进行定量计算。作为一种新的机器学习算法,支持向量机在样本有限的情况下,采用结构风险最小化准则,把学习问题转化为一个二次规划问题,从而得到唯一的全局最优解。首次尝试将最小二乘支持向量机技术用于土壤侵蚀预测,并与BP神经网络的方法进行了对比,取得了较好的预测精度。
简介:基于2000年底和2015年底,长白山森工集团森林资源二类调查数据和森林生态站长期监测数据,利用森林生态系统服务全指标体系,连续观测与清查(简称森林生态连清)体系,采用分布式测算方法,对研究区天然林生态系统,从涵养水源、保育土壤、固碳释氧、林木积累营养物质、净化大气环境和生物多样性保护等6项服务进行评估,量化并揭示长白山森工集团天保工程生态效益的动态变化。结果表明:在天保工程实施后,天然林各项生态系统服务物质量和价值量均呈现增加趋势,物质量增加量分别为涵养水源7.78亿t/a、保育土壤2255.32万t/a、固碳释氧量191.87万t/a、林木积累营养物质6.35万t/a、释放负离子0.22伊1023个/a、吸收污染物量2879.16万kg/a、吸滞PM1(^、物质量122.43万kg/a、吸滞PM2.5总物质量18.38万kg/a;价值量增加381.75亿元/a,6项服务的价值量贡献顺序依次为生物多样性保护>涵养水源>保育土壤>净化大气环境>固碳释氧>林木积累营养物质,其中,生物多样性保护和涵养水源为研究区天然林生态系统服务的主导功能。天保工程实施后,保育土壤功能的生态系统服务价值量增加量最大,占总增加量的27%,涵养水源次之,对该区天然林生态效益影响最大。该研究为天保工程的后续开展提供借鉴和参考,为天然林的经营管理提供科学依据和指导。
简介:山洪灾害常造成重大经济损失甚至人员伤亡。以湖南湘江武水流域为例,基于地理信息系统和遥感技术的水文模型集成系统为山洪预报提供了新的思路,在解译了研究流域2010年土地利用类型数据的基础上,采用HEC-HMS水文模型对武水流域各场次洪水进行模拟预报,利用DEM及流域出口信息划分子流域计算单元,利用遥感影像结合GIS技术提取流域信息,采用SCS径流曲线法进行产流计算,采用SCS单位线法计算直接径流,利用马斯京根法进行河道汇流演进,运用指数退水模型模拟流域基流,并以2000—2008年的17场实测洪水数据进行参数的率定,用2009—2014年的10场典型洪水进行验证。结果表明:模型率定期17场洪水洪峰流量相对误差绝对值均〈20%,模拟合格率达到100%,峰现时差均≤1h,绝对平均Nash效率系数为0.816,率定出的水文参数准确有效;验证期的10场洪水,洪峰流量相对误差合格率达90%,峰现时差均〈1h,Nash效率系数均〉0.7。HEC-HMS水文模型在武水流域模拟效果较好,可应用于该流域山洪预报工作,且相较于多峰洪水,单峰洪水的模拟效果更佳。
简介:利用福建省2002-2007年土地利用变更调查数据,采用改进的TOPSIS方法对福建省土地利用结构合理性、土地利用动态度以及土地利用结构合理性和土地利用类型相关性进行了分析,结果表明:①2002-2007年期间福建省土地利用结构合理度总体较高,在时间上的变化呈波动趋势,2003年土地利用合理性最高;②耕地面积减少量最大,居民点工矿面积增加量最大,年变化速率最快的是交通运输用地;③不同土地利用类型的变化对土地利用结构的合理性影响不同。
简介:根据云南省第3次(1992—1997年)和第5次(2002—2007年)森林资源连续清查数据资料,采用生物量转换因子连续函数法,对云南省森林植被的碳储量、碳密度及其动态变化进行了分析研究。结果显示:近10年来云南省森林总碳储量由1997年的679.10Tg(1Tg=1012g)增长为2007年的884.11Tg,年增长率为2.67%;乔木林的碳密度由1997年的46.80Mg/hm2(1Mg=106g),增长为2007年的50.58Mg/hm2,高于全国的平均碳密度水平。云南省森林以幼、中龄林为主,占全省森林面积的65%以上,说明云南省森林植被具有巨大的固碳潜力。
简介:以晋西黄土区蔡家川流域不同坡向的刺槐和油松林地为研究对象,在2005-2012年对刺槐和油松固定样地0~200cm土层的土壤水分进行定位观测,采用有序样本最优分割法分析刺槐和油松林地土壤水分年内、年际变化规律,探讨降雨分配情况对年内、年际刺槐和油松林地土壤水分变化的影响.结果表明:1)研究区刺槐和油松林地土壤水分年内变化可分为平稳期、波动期、积累期和消退期4个时段,阳坡刺槐林地和油松林地土壤水分条件接近,阴坡刺槐林地土壤水分条件最好;2)在偏早年,油松林地土壤水分亏缺量比刺槐林地小,当偏旱年与正常年相间时,油松林地土壤水分恢复速度比刺槐林地快;3)年内降水分配均匀度与刺槐和油松林地土壤水分年内波动幅度成反比,刺槐和油松林地土壤含水量年际变化滞后于降雨的年际变化.建议在晋西黄土区阳坡种植油松,阴坡种植刺槐.
简介:为了探究三峡库区的建立对乌江流域(重庆段)即重庆东南地区湿地环境产生的影响,以landsat-5TM和landsat8OLI遥感影像为主要数据源,基于eCognition和ArcGIS平台,采用面向对象分类的方法,建立重庆地区乌江流域1995、2005和2015年湿地景观数据库,利用景观动态变化度、景观破碎度及土地利用转移矩阵等方法,分析重庆地区乌江流域内湿地景观近20年的时空变化特征。结果表明:1)重庆地区乌江流域整体湿地景观面积近20年处于增长趋势,动态变化指数最高为水库,最低为水田;2)湿地景观转移以湿地景观内部转移为主,湿地景观与非湿地景观转移为辅,人工湿地增加比重高于天然湿地;3)研究区内景观破碎度呈现先增加后减少的趋势,说明该区域湿地环境先恶化后得到改善;4)1995、2005和2015年,天然湿地景观分维数均低于1.6,人工湿地均高于1.7,说明人工湿地景观格局比天然湿地复杂。天然湿地的稳定性指数远低于人工湿地,且接近于0,说明自然湿地内部空间结构更加脆弱。通过三峡工程及其他水利工程的建设,导致乌江流域(重庆段)湿地景观格局发生变化,对该地区的湿地环境总体改善起到明显的促进作用。随着三峡工程建设、库区蓄水,以及龙潭水利工程、江口电站等水利设施修建,乌江流域内湿地总体面积增加,人工湿地变化较天然湿地更为明显,但天然湿地相比人工湿地更易受外界干扰,应加强相对应的保护措施。研究为保护该地区湿地景观,建立乌江流域湿地生态系统动态监测体系,以及为武陵山区精准扶贫提供技术支持。
简介:基于全球公顷和国家公顷的生态足迹模型,对元阳县2003~2012年的生态足迹和生态承载力以及生态盈余/赤字进行测算。研究表明,元阳县2003~2012年人均生态足迹呈逐年上升趋势,人均生态承载力呈下降趋势;全球公顷模型中,2004年出现生态赤字,人均生态赤字为0.027hm~2,2011年人均生态赤字达到最大值,为1.313hm~2;国家公顷模型中,2012年出现生态赤字,人均生态赤字为0.091hm~2。影响元阳县生态足迹变化因素的分析表明,耕地是元阳县生态足迹的重要组成部分,生产方式较单一,且生态赤字量呈现出递增趋势;建设用地处于盈余状态,草地处于赤字状态,其余土地类型出现不同程度的赤字现象。据此,提出严格保护耕地资源,优化产业结构,控制人口数量,提高人口素质的元阳县可持续发展对策。
简介:为评价农业政策与环境拓展APEX模型在淮河中上游坡面尺度的适宜性,将其应用于淮河中上游的3个径流小区,在采用傅里叶幅度灵敏度检验扩展法进行灵敏度分析的基础上,利用蒙特卡罗模拟结合多目标函数技术自动校正模型,并使用1982—1986年日径流和产沙数据实测值与模拟值评价模型适宜性。结果表明:湿度条件2下的径流曲线数初始值(CN2)、损耗系数(CNIC)、水土保持措施因子(PEC)以及最大径流率-降雨能量调整因子(APM)对产沙模拟影响较大,CN2和CNIC对地表径流模拟影响较大;在模型校正阶段,径流和产沙日平均模拟值的百分误差绝对值(APE)小于20%,纳希-苏特克利夫有效系数(EF)和R2分别大于0.45和0.55;在模型验证阶段,径流和产沙日平均模拟值的APE小于25%,EF和R2分别大于0.4和0.5。这说明APEX模型适用于淮河中上游坡面尺度,可用于评价该地区不同土地管理措施下的水土流失。