湛江市农村居民点用地面积变化及驱动力分析

利用湛江市1996—2005年农村居民点用地面积数据及相关社会经济数据,在分析农村居民点用地面积变化的基础上,采用主成分分析法对其进行了驱动力分析。结果表明,近十年来湛江市农村居民点用地总面积呈逐年上升的趋势,而农村居民点人均用地面积总体呈减少趋势。湛江市农村居民点用地面积增加主要集中在徐闻、吴川和市区。湛江市农村居民点用地面积变化主要受农村人口增长、农村经济发展、农业结构调整、农村交通发展和乡镇企业发展等因素的影响。     

彭州市土地利用变化及驱动力分析

依据1992～2003土地利用变更数据，分析彭州市土地利用动态、土地利用程度和土地利用区域差异等变化情况。总结了引起土地利用变化的主要驱动力是地形条件、人口增长、工业化和城镇化、第三产业的发展、交通条件、政策因素等六个方面，并针对目前土地利用中存在的主要问题，提出相应的措施，以期对彭州市社会经济发展提供参考。     

新疆种植业土地利用变化及驱动力研究

种植业土地利用方式是关系农民增收的重要因素.采用主成分分析法,运用定量分析与定性描述的方法,全面分析了新疆 1978～2002年期间种植业土地利用变化的驱动因素.研究表明:影响新疆种植业土地利用规模的主要因素按影响力大小排列为科技进步、农业发展、农产品价格,而影响种植业结构变化的主要因素则有市场因素、粮食生产能力、产业政策.在此基础上,建立多元回归预测模型,为种植业土地合理利用提供评价依据,促进农民增收.     

云南省罗平县土地利用变化及驱动力研究

土地利用问题是实现生态脆弱区环境-经济协调发展的关键所在。选取喀斯特地区的罗平县作为研究对象，将遥感、GIS和多元统计技术结合运用于土地利用变化研究中，对罗平县1990～2001年的土地利用变化情况及驱动力进行了研究。结果表明，罗平县耕地逐年减少；影响耕地变化的主要驱动因子包括人口、经济和社会投资。     

“红树林湿地生态系统生物多样性”主题活动案例

红树林湿地生态系统是典型的具备生物多样性的生态系统。这里不仅可以观察到神奇的“植物胎生现象”、红树的泌盐现象、发达的气生根等,还可以观察到滩涂鱼、招潮蟹以及各种美丽、可爱的鸟类,、所有这些不仅仅给人以美的感受,还是极佳的环境教育资源。     

1960年以来延吉城市土地空间扩展及其驱动力分析

在GIS的支持下提取了延吉城市4个时期的边界信息,分析城市土地空间扩展特征,并进一步研究其扩展驱动力。结果表明,几个时期的城市扩展速度、方向、性质各不相同,而经济、政策等因素是促使城市土地扩展的直接原因。     

广西沿海红树林湿地的生态保护对策

红树林湿地是湿地系统中非常重要而又较特殊的组成部分。广西沿海红树林湿地拥有丰富多样的动植物资源,然而由于不合理的人类活动及对湿地认识的片面性,湿地范围正不断缩小,生态功能和效益日益衰退,因此科学地开发和保护红树林湿地动植物资源显得尤其紧迫。立足于广西沿海红树林湿地的现状和特点,探讨了存在的主要问题,提出了加大科研支持力度、提高公众保护意识、兼顾保护和利用并重等湿地保护措施,争取实现社会经济与生态环境的协调发展。     

广州市不同产业阶段的耕地变化与驱动力

广州市1980-2002年间产业发展可分为两个阶段，即工业化中期（1980-1993年）和工业化后期（1994-2002年）。在这两个产业发展阶段，耕地数最变化存在较大差异：耕地年均减少工业化中期大于后期，变化速度则是后期大于中期，利用效益后期明显优于中期。利用相关分析和主成分分析方法，得出人口增长、经济发展、城市化进程、农业产业结构调整、交通发展是广州市1980-2002年间耕地数量变化的主要驱动力，在不同产业阶段各驱动因子存在差异，其中农业比重、实际利用外资、城市化、客运量等因子差异较为明显，从而导致了不同时期耕地数量变化的差异性。     

我国红树林湿地保护区的现存问题及开发对策

国际重要湿地公约《拉姆萨尔公约》中将湿地定义为＂不仅指所有的天然的、人为的、永久的、暂时的沼泽、潮湿地、泥炭地等静止的或流动的水体,也包括所有的咸水、半咸水、淡水以及低潮线以下不超过6米的地域。＂湿地作为介于陆地生态系统与水生生态系统之间的过渡生态系统,其独特性和多功能性具有很高的生态价值、经济价值和社会价值。它的作用引起了世界的普遍重视,各国都在加强对其的保护管理工作。     

岷江上游生态脆弱性驱动力分析

作为长江上游重要的生态屏障,岷江上游是典型的生态环境脆弱区。选取了测度岷江上游生态脆弱性的20个指标、25个样本年的2500个数据,采用逆向测度法构建了岷江上游生态脆弱性的测度指标体系,运用因子分析法得到了影响岷江上游的六大驱动因子:生态环境背景状况、人口承载与结构水平状况、水土流失状况、土地垦殖与利用状况、产业结构水平状况、投资水平与结构状况,为岷江上游生态脆弱区恢复重建及经济社会发展提供了科学依据。     

县级土地利用动态变化及驱动力分析——以郑州市中牟县为例

以郑州市中牟县为例,利用土地详查和统计数据等资料,建立土地利用动态变化模型,分析了中牟县1996-2008年土地利用数量、速度、程度、区域差异等变化,揭示中牟县土地利用变化特征.同时,采用主成分分析法得出城镇化进程和收入水平提高是影响中牟县土地利用变化的主要驱动因素.     

基于信息熵的武汉城市土地利用空间结构变动分析

借助城市土地利用空间结构的信息熵和均衡度概念,揭示了武汉城市在20世纪90年代土地利用结构的空间变化规律,得出土地利用职能类型收缩、城市用地趋向不均衡发展态势的结论.利用主成分与灰色关联相结合的方法找出影响武汉城市土地利用空间结构变动的主要动力因子,它们分别是城市福利和城市社会结构变化推动因子、城市产业结构变化拉动因子和城市建设与改造压力因子,其中后两个因子是驱动城市土地利用空间发生变化的最显著性因子.     

武汉市新洲区耕地数量变化驱动机制分析

依据武汉市新洲区1996—2004年耕地面积和社会经济统计数据,运用主成分分析和回归分析方法分析了该区耕地面积变化的驱动因素。结果表明,近年来经济发展、人口增长、社会进步、畜牧业及工业发展是新洲区耕地面积减少的主要驱动因素。     

咸宁市咸安区耕地资源变化态势与对策

耕地的减少是咸宁市咸安区面临的一个主要问题.在分析1949～2000年咸安区耕地变化的基础上,应用相关分析法分析了近10年来引起该区耕地变化的原因:人口增加、经济发展及土地管理政策等,并提出了严格控制人口增长,控制城市规模,加强土地管理,切实保护耕地及建立耕地流转制度以推动适度规模经营等措施.     

Wetland Degradation: Its Driving Forces and Environmental Impacts in the Sanjiang Plain,China

This study investigated human-induced long-term wetland degradation that occurred in the Sanjiang Plain. Results from analyzing land-use/land-cover data sets derived from remotely sensed Landsat Multispectral Scanner/Thematic Mapper imagery for four time points showed that wetlands in the Sanjiang Plain have been severely transformed, and the area of wetlands decreased by 38 % from 1976 to 1986, by 16 % from 1986 to 1995, and by 31 % from 1995 to 2005. This study showed that transition to agricultural cultivation accounted for 91 % of wetland losses, whereas transition to grassland and forest accounted for 7 % of the wetlands losses. Institutional strategies and market policies probably exerted great impacts on agricultural practice that directly or indirectly influenced the decrease in wetlands. This study also indicated that an increased population likely led to wetland conversion to cropland by showing a high correlation between population and cropland (R ² = 0.92, P < 0.001). Wetland loss occurred during later time intervals at a low rate. This study suggests that the existing wetland-protection measures in the Sanjiang Plain should be reinforced further because of possible environmental consequences of wetland loss, such as enhanced soil carbon emission, changed hydrological cycling, and regional temperature increase.