以提高生态系统服务为导向的土地利用优化研究--以兰州市为例

分析从1997年到2009年兰州市土地利用类型变化,对其生态系统服务价值进行核算,结果表明,兰州市生态系统服务功能主要表现为土壤形成与保护、维持生物多样性,气候调节等,但土壤形成与保护功能和水文调节功能从1997年开始一直呈下降趋势,由于盲目扩展建设用地而占用生态用地的现象使兰州市生态用地面积不断减少,从而造成生态恶化。以生态系统服务价值作为适应度函数,利用改进的混合蛙跳算法建立土地优化模型,得到生态型、发展型、综合效益型三种优化方案,优化后兰州市生态系统服务价值可达到58.89亿元。优化方案为提高兰州市生态系统服务价值提出以下建议:(1)保证退耕还林、还草的力度,加强南北两山绿化改造。(2)保证耕地、牧草地、园地面积,尽量控制建设用地的扩张。(3)建设用地所占用耕地面积,必须进行补偿,其中开发宜耕未利用地、挖掘土地利用潜力为较好的解决办法。

基于混合蛙跳算法的土地利用格局优化

针对传统的土地优化模型,如线性规划、非线性规划、灰色系统和景观生态学等不能实现土地数量结构和空间结构有效统一的问题,在研究现有智能优化模型,如粒子群算法、遗传算法的基础上,建立基于混合蛙跳算法的土地利用优化模型。该模型以30 m×30 m的地理栅格单元作为基本操作对象,实现土地利用的空间格局优化。以兰州市2014年土地利用格局为基础数据验证优化模型的有效性。在优化前各种地类所产生的生态系统服务价值为5.701×109元,优化后的生态系统服务价值为5.802×109元,优化前土地格局标准紧凑度为0.37,优化后为0.47。优化后牧草地面积增长了8 431 hm2,所提供的生态系统服务价值增长了1.71×108元,林地面积增加了1.453×105 hm2,提供的生态系统服务价值增加了2.49×108元。试验结果表明,该模型能利用青蛙的群体空间分布模拟土地利用空间格局,并能在多目标控制下找到问题的最优解,实现土地利用数量结构和空间结构的有效统一,模型具有较强的全局优化能力以及较快的收敛速度。

基于星载激光雷达数据的森林地上生物量估算方法比较

近年来,星载激光雷达数据已被广泛用于大尺度森林地上生物量估计,但由于其激光光斑采样点不连续,通常使其需要与辅助数据相结合来估算森林地上生物量的连续分布,且估算方法仍存在许多不确定性。研究以祁连山国家公园为样本,结合星载激光雷达ICESat/GLAS数据、Landsat OLI数据和样地调查数据建立了3种基于非参数化算法(普通克里金插值(Ordinary Kriging,OK),支持向量回归(Support Vector regression,SVR)和随机森林(Random forest,RF))的森林地上生物量估算模型,以森林资源清查数据独立验证各模型估计精度。结果发现:3种模型的均方根误差(RMSE)从低到高依次为SVR(19.053 t·hm^(-2))、RF(21.074 t·hm^(-2))和OK(26.362 t·hm^(-2)),平均相对误差(MRE)从低到高依次为SVR(31.890%)、RF(33.314%)和OK(55.398%),且除OK模型外,SVR与RF模型的总体相对误差(TRE)都在可接受的范围内。进一步对SVR与RF模型生成的森林地上生物量空间分布的准确性进行验证,发现相较RF模型,SVR模型生成的森林地上生物量空间分布与森林资源清查数据更为接近。SVR森林地上生物量估计模型在数量精度和分布精度上都表现更优。结果可为今后基于星载激光雷达数据的森林地上生物量估算提供借鉴。

祁连山国家公园森林地上碳密度遥感估算

准确、及时地绘制森林地上碳密度图是了解全球碳循环的必要条件。虽然星载激光雷达(如ICESat/GLAS)数据已被广泛用于估算大尺度的森林地上碳密度分布,但地形坡度对GLAS提取冠层高度精度的影响往往限制了其在山区森林的应用。通过以祁连山国家公园为研究区域,结合GLAS数据、Landsat OLI(Operational land imagery)数据、样地调查数据,对祁连山地区进行区域性的森林地上碳密度估算。首先通过改进后的地形校正模型减小坡度对GLAS数据提取森林冠层高度精度的影响,使得更多的GLAS数据可用于后续的研究;其次将所建立的不同类型森林地上生物量估算模型与相关碳含量转换系数结合,得到GLAS激光光斑(脚印点)的森林地上碳密度;最后利用非参数化算法最大熵(MaxEnt)模型得到祁连山国家公园2018年森林地上碳密度分布图。结果表明:祁连山国家公园2018年平均森林地上碳密度为40.72±6.72 t·hm^(-2),总蓄积量为28.58±4.72 Tg,海拔2770~3770 m区域的森林植被碳储量最大,且阴坡的碳储量明显高于阳坡。采用森林资源清查数据独立验证估算结果的准确性,模型估测均方根误差(Root mean square error,RMSE)为18.946 t·hm^(-2)。本研究结果可以为监测区域乃至国家尺度的森林碳储量变化以及制定可持续的森林管理措施提供依据。此外,本文所采用的方法在山区森林碳储量估算方面也具有较大的潜力。

基于多源遥感数据提高山地森林识别精度--以祁连山国家公园肃南县段为例

本研究旨在探索一种基于多源遥感数据的提高山地森林识别精度的方法。以祁连山国家公园肃南县段为实验区,结合ICESat/GLAS(geoscience laser altimeter system)星载激光雷达数据、Landsat OLI影像、Google Earth高分辨率影像、DEM数据以及样地调查数据,综合利用各数据提供的垂直结构、光谱、季相和地形特征探索基于多源遥感数据的山地森林识别精度提升方法。结果表明:1)将经过地形校正后的GLAS数据提取的垂直结构信息与光谱信息结合能够提高山区复杂地形条件下森林范围识别的精度,相比仅依据光谱特征进行分类,依据光谱及垂直结构综合特征分类时其总体分类精度提高了10.67%。2)地形信息的加入能够尽量全面的考虑到不同地形特征上各森林类型的不同光谱特征,从而提升森林类型的识别精度,且就本研究区域而言,加入坡向信息比海拔信息更能够提高森林类型的分类精度。3)多源多时相遥感影像提供的季相特征能够对不同森林类型的分类提供帮助,而不同的波段组合对分类精度几乎没有影响。研究对探索低成本、高时效、操作方便并具有一定精度保证的山地森林识别方法具有一定的借鉴意义。

基于Web of Science的国际应用生态学研究进展

应用生态学是自然资源管理和生态环境保护最重要的科学技术工具之一.在当前自然资源短缺、环境污染严重、生态系统退化的严峻形势下,对国际应用生态学的理论基础、研究方法、研究热点进行分析,对夯实我国应用生态学的知识基础、指明研究方向、确定战略定位具有重要意义.本文基于文献计量学原理,借助CiteSpace、Carrot^2等信息可视化软件,以Web of Science中1980—2018年国际应用生态学研究领域基于不同检索策略的两个文献数据集合为研究对象,从研究载体、研究力量及研究内容3个维度进行文献时空分布、核心研究力量、研究热点演进以及研究前沿及趋势分析,旨在揭示其学科发展轨迹、研究现状与发展趋势,以期为未来我国的应用生态学研究提供参考.