基于LMBA策略的鄂尔多斯市生态空间网络优化

在分析鄂尔多斯市生态空间网络拓扑结构和鲁棒性的基础上,提出节点最低和最大介数增加(Low and maximum betweenness addition,LMBA)增边优化策略,同时与采用RA、LDF和SMB 3种增边策略的优化结果进行了对比。结果表明:鄂尔多斯生态空间网络有262个节点、402条边,网络直径为38,节点最大介数为418,最大连通度为25。网络连通度低,重要节点少且均位于网络西部,网络极不均匀,当网络结构遭到破坏时,进行自我恢复的能力比较强,但维持自身连通性的能力非常弱。增边94条后,LMBA策略优化后网络直径为16、节点最大介数为796、最大连通度为49,网络重要节点增多,网络整体效率明显提升;RA、LDF策略也使网络连通度极大增强,SMB策略的网络连通性增强效果不显著,重要节点增多且东移,网络结构比优化前更均匀。遭到攻击后,网络的连接鲁棒性大大增强,恢复鲁棒性也有所提升。与其他策略对比,LMBA策略的连接鲁棒性在两种攻击模式下、节点恢复鲁棒性在随机攻击模式下表现最优,节点恢复鲁棒性在恶意攻击下、边恢复鲁棒性在两种攻击模式下表现较优且稳定,说明该策略网络连通性强、结构均匀,综合表现最优。在遭受攻击过程中,LMBA策略维持自身连通情况的能力较优且稳定,节点和边的恢复能力也较优。

基于光谱特征的雅鲁藏布大峡谷森林枯落物水源涵养能力反演研究

水源涵养是生态系统重要的服务功能,森林作为一种复杂的生态系统,其组成部分对于水源涵养的贡献率各不相同;森林枯落物直接覆盖于地表,既来自于林冠层也抑制土壤层的水分蒸散,因此枯落物层在水源涵养功能中发挥了重要作用。遥感和高光谱技术为远距离识别面状区域的水源涵养能力提供了解决方案,特别在高原地区,遥感是获取地表信息的快速手段。以雅鲁藏布大峡谷为研究区,用ASD(便携式地物)光谱仪测定主要树种(高山松、林芝云杉和川滇高山栎)的叶片高光谱数据并构建植被指数,同时,通过样地采样获取枯落物样本并计算样本的持水拦蓄性能,然后建立植被指数与有效拦蓄量的多元回归模型。在此基础上,基于Sentinel-2影像反演大峡谷主要树种枯落物的水源涵养能力分布情况,最后结合验证点对反演模型进行精度评价。结果显示:(1)三类树种的叶片反射率趋势相似,川滇高山栎的反射率最高,高山松次之,林芝云杉最低;(2)枯落物的有效拦蓄量从大到小排序为:林芝云杉(48.36 t·ha^(-1))>川滇高山栎(39.24 t·ha^(-1))>高山松(32.32 t·ha^(-1))。林芝云杉枯落物的分解程度和蓄积量均最高,因此持水拦蓄能力最强;川滇高山栎的革质叶片不利于分解堆积,进而限制蓄水能力;高山松含有较多油脂,不易被水浸湿,导致持水能力较弱。(3)通过Person相关系数分析和多元线性回归模型得知,叶片蜡质参数和衰减程度越高,枯落物的水源涵养能力越弱;植被生长态势越好、色素和叶片水分含量越高,其水源涵养能力越强。(4)枯落物水源涵养能力反演模型的精度评价结果良好,高山松、林芝云杉和川滇高山栎的样本检验点拟合优度R^(2)分别为0.943,0.815和0.812,均方根误差RMSE分别为1.597,2.270和1.953,表明模型可以用于大峡谷森林枯落物水源涵养能力的预测分布研究。