基于生态系统服务和PSO-SOFM神经网络的中亚水土热资源匹配分区

水土热资源匹配度分区研究对于区域农业规划具有重要意义。中亚地区长期以来缺乏合理的水土热资源管理,已引发了一系列资源环境问题,严重威胁该地区农业生产。目前的研究也较少关注中亚水土热资源匹配分区模式。本研究利用遥感数据,通过量化4种主要生态系统服务(植被固碳、土壤保持、水源供给与涵养及生物多样性保护)的时空分布特征,结合PSO-SOFM(particle swarm optimization,PSO;self-organizing feature map,SOFM)神经网络模型实现中亚水土热资源匹配度分区,并利用Spearman秩相关分析探索不同匹配度分区与生态环境因子的关系,应用偏相关分析确定气温和降水量对中亚地区生态系统服务的影响。结果表明,中亚生态系统服务总体呈东南高、西北低的空间格局,沿山地—绿洲—荒漠方向递减。在2000—2015年间,各类生态系统服务均有不同程度变化,其中植被固碳和土壤保持呈显著下降的面积占整个中亚的84.81%和84.82%;水源供给与涵养以及生物多样性保护服务呈显著下降的面积较少,占比分别为69.48%和19.8%,且这两种生态系统服务在个别地区有增加趋势。PSO-SOFM神经网络模型在中亚水土热资源匹配度分区中表现良好,根据生态系统服务值空间模式,中亚水土热资源匹配度可被划为5大类21个子类分区。在空间尺度,各类匹配度分区之间生态系统服务值有显著差异,降水是影响生态系统服务和匹配度高低的重要限制因子,而气温和土壤因素影响较弱;在时间尺度,降水和各生态系统服务值间呈显著正相关关系的范围更广,而气温对生态系统服务值有显著影响的区域主要集中在哈萨克斯坦北部草地—半荒漠生态敏感区、中亚荒漠生态脆弱区、中亚中部半荒漠生态敏感区以及巴特赫兹—卡拉比尔半荒漠生态敏感区等地。而在其他区域,气温和降水量并非决定生态系统服务值高低的主要因素,生态系统服务值的变化可能与土地开发利用模式有关。结合不同匹配度分区的生态地理条件,本研究可为中亚地区水土资源开发利用、农牧业发展以及生态环境保护提供有用信息。

气温变化条件下融雪速率和土壤水分变化的同步观测试验

气候变化可以改变积雪持续的时间、雪盖储水量及积雪开始融化的时间,从而影响土壤水分时空分配。利用TFACE(temperature free-air controlled enhancement)的增温装置,在中国科学院天山积雪与雪崩研究站的融雪季节进行为期一个月的室外增温试验。试验包括3种处理:自然状态、增温Ⅰ和增温Ⅱ。结果表明:气温的升高和增温区内局部空气热对流加入的黑色粉尘物质加速了积雪的消融;在增温Ⅰ和增温Ⅱ条件下,积雪将提前19 d和25 d消融,相应的各土层土壤水分也出现不同程度的增加。与此同时,土壤水分最大值也提前13 d和22 d。土壤水分极值的提前预示着以融雪水为重要来源、以超渗产流模式为主的河流洪峰的提前,或者超渗产流模式向蓄满产流模式的转变。这将给区域内水资源的时空分布和管理分配带来影响。