基于地理探测器的中国国家级开发区时空演化过程及其驱动力研究

各种类型的开发区是我国改革开放的“试验田”和经济快速发展的重要空间载体,其空间分布格局一直是国内外关注的热点问题,但对其中长时间尺度的空间演化过程研究相对较少,而后者是理解中国经济空间演化的重要基础。运用最邻近指数、核密度指数和地理探测器等方法,总结了中国国家级开发区空间演化的过程及其驱动力因子。研究的主要结论是：各类国家级开发区的时空演化经历了三个阶段,即起步试点阶段、稳步推进阶段和快速推广阶段;政策上实现了从试点探索到面上推广;空间上呈现出从东部沿海向沿江、沿边以及内陆不断拓展,从东部向中西部推进,从省会城市向地级市递进的特征;开发区的时空演化格局是距离、城市等级、经济实力、开放程度等因素综合作用的结果,其中城市等级、开放程度和经济发展水平是核心影响因子,距离和经济密度是次级影响因子;不同类型的开发区核心驱动因子既存在共同性,同时因为定位、功能不同也具有差异性。     

基于MODIS数据的若尔盖草场植被覆盖时空变化分析

一般意义上将反映植被生长状态及植被覆盖度的指示因子称为归一化植被指数(即NDVI),它也是判断基于生物气候特征开展大区域植被和土地覆盖分类的基本手段。利用NDVI的时序数据的进行土地覆盖分类,即提取NDVI时间信号所包含的植被生物学参数,构建起一个包含植被生物学信息的分类特征空间。     

基于参数最优地理探测器的福州市生境质量时空格局与驱动力分析

揭示生境质量的时空演变特征和影响因素可为区域可持续发展提供参考依据。基于2000年、2010年和2020年的土地利用数据,运用InVEST模型、土地利用转移矩阵和参数最优地理探测器等方法,综合分析福州市生境质量时空演变及其驱动因素。结果表明：福州市2000年、2010年和2020年生境质量指数分别为0.812、0.806和0.793,生境质量改善的面积小于生境质量退化的面积,福州主城区和东南沿海区域的生境状况亟须改善。3 km网格为本研究的最佳空间尺度,最佳数据离散化分类数为6,自然间断点法更能解释驱动因素的驱动程度。高程、坡度和夜间灯光是福州市生境质量空间分异的主要影响因素,坡度和夜间灯光的交互作用对生境质量变化的解释力最强。

     

黄河流域植被覆盖度变化及驱动因素

利用Google Earth Engine(GEE)遥感云计算平台通过像元二分模型反演出1999~2019年植被覆盖度,采用一元线性回归和变异系数法来研究FVC的变化趋势特征及其稳定性,通过地理探测器进行植被变化的驱动分析。结果表明:黄河流域FVC总体上西北低东南高;中高和高被覆盖区分别占研究区总面积的21.74%和17.87%;近20a年黄河流域FVC已有较好改善,流域中部植被改善最明显,改善区域占流域总面积的48.52%;FVC的稳定性以较平稳为主。降水、日照时间及相对湿度三个驱动因子对黄河流域FVC影响力最强。各驱动因子对FVC影响存在交互作用,以双因子增强或者非线性增强为主,双因子交互作用增强了单因子的影响;本研究也揭示了促进植被生长的各因子最适宜范围,有助于更好地理解自然和社会因素对植被覆盖变化的影响及其驱动机制。     

基于遥感的青海省植被覆盖时空变化定量分析

使用1km分辨率MODIS NDVI时间序列数据,采用决策树分类、监督分类和非监督分类相结合的综合分类方法,将青海省土地覆盖类型划分为14个类别.这种分类方法重点突出了植被,特别是稀疏植被(包括稀疏草地和稀疏灌丛)的空间分布.在将青海省分为5个高程带的基础上,使用GIS软件的空间分析功能,对青海省2001～2006年的地表植被覆盖在各级高程带上的空间分布和时间序列变化进行了定量分析.结果表明,近5a青海省的植被覆盖有所改善,植被覆盖面积从2001年的370047km2增加到2006年的374576km2,植被覆盖率增加了0.63%.青海省5级高程带中高山地带的植被覆盖率最高,达到67.92%.在青海省各级高程带上,高山地带上中覆盖度草地的分布面积最大,为94003km2.高山地带高覆盖度草地的面积增加最多,为1280km2.5a间植被覆盖变化最大的是高山地带上稀疏草地向中覆盖度草地的转变,转变面积达到15931km2.     

基于GWR模型的渭河流域植被覆盖度时空变化及驱动机理

渭河流域水土流失问题严重,生态环境脆弱,探究其植被覆盖度时空变化及其驱动机理具有重要意义。文章基于MODIS13Q1数据产品,辅以同期自然环境及社会发展数据,采用趋势分析法、空间自相关分析及地理加权回归模型,揭示了2001-2020年县域尺度下渭河流域植被覆盖度的时空变化及驱动机理。结果表明：（1）渭河流域植被覆盖度总体呈现明显上升趋势,年均增长速率为2.04%,空间上呈现出由东南向西北先减后增再减的变动趋势;（2）渭河流域植被覆盖度改善面积占流域总面积的78.81%,等级转移主要发生在相邻等级之间,但跳级转移现象也普遍存在;（3）渭河流域92个县域植被覆盖度呈现出显著的全局空间自相关性,且以H-H空间正相关为主,表明县域间植被覆盖度的提升具有较好空间溢出效应;（4）气温、降水、坡度、日照等因素总体上促进渭河流域植被覆盖度提升,而城镇化率、人口规模以及经济发展水平等因素则显著抑制了植被覆盖度改善,因素影响性质及强度存在空间差异。研究结果可为因地制宜地提高植被覆盖度,综合治理渭河流域提供理论依据。     

基于地理探测器的山西省2000～2020年NPP时空变化特征及驱动力分析

植被净初级生产力(NPP)可以表征植物生长状况,同时也是碳循环研究中不可或缺的要素.应用2000～2020年MODIS NPP产品和山西省高程、坡度、降水、气温、土地利用和人口密度等多源数据,采用趋势分析、相关性分析和地理探测器等方法,探究了山西省及其煤炭国家规划矿区NPP的时空演变特征和驱动因子,结果表明：(1) 2000～2020年山西省NPP总体呈现波动上升趋势,平均上升速率(以C计)为6.7g·(m²·a)^-1.不同用地类型的NPP总量差异表现为：耕地>林地>草地>建设用地>水域>未利用地;(2) NPP变化空间异质性明显,山西省西部和北部区域NPP均值较低,而东部和南部区域NPP均值较高;三大煤炭基地NPP相比较,晋东基地>晋中基地>晋北基地;(3) NPP和降水相关性较高,全省62.2%的区域降水量与NPP变化呈显著相关(P<0.05),主要分布在山西省中部和东部.NPP变化与气温关系较弱,两者显著相关(P<0.05)的区域仅占1.10%;(4)应用地理探测器分析结果显示,不同...     

朱溪流域植被覆盖的时空变化及地形分异特征

分析2003~2011年朱溪流域植被覆盖的时空分布状况及其变化的地形响应特征,为该地区进一步治理水土流失和生态恢复工程提供决策支持。基于RS和GIS技术,采用像元二分法模型计算植被覆盖度,通过植被重心模型、地形响应指数表征其植被覆盖的时空变化规律。(1)朱溪流域植被覆盖度整体呈上升趋势,Ⅳ、Ⅴ类的植被覆盖面积比率已达到区域的62.28%;格局动态上,Ⅰ、Ⅱ类重心向东北方向移动,Ⅲ、Ⅳ、Ⅴ类重心向西南方向移动,表现为流域植被中、西部改善,东部零散退化的空间格局;(2)在海拔0~300m、坡度小于5°和大于35°区域各等级植被覆盖面积变化最显著,治理措施有效到位,而海拔450~500m处I类植被覆盖面积增加,应引起相关注意。8年间该流域植被覆盖有明显改善,各等级植被覆盖变化在不同地形条件下差异明显。     

基于地理探测器的区域植被覆盖度的定量影响——以京津风沙源区为例

植被覆盖度（FVC）是衡量生态环境优秀的重要指标.本文基于MODIS NDVI数据,运用像元二分法模型,估算了2000~2018年京津风沙源区FVC,分析了其时空变化特征.在此基础上,基于地理探测器模型,定量分析了自然因素和人类活动因素等12个因子对京津风沙源区FVC空间分布的影响.结果表明,近20a来京津风沙源区FVC整体上呈增加趋势,增加率为8.2%.空间上,研究区73.7%的区域FVC在增加,其中显著增加的区域主要集中在晋北山地丘陵亚区、燕山丘陵山地水源保护亚区、大兴安岭南部亚区和科尔沁沙地亚区的南部.2000~2018年,降水是影响京津风沙源区FVC空间分布的主要自然因子,解释力为63.3%;年末大牲畜头数是影响FVC空间分布的主要人为因子,解释力为34.8%.自然因素和人类活动之间的双因子交互作用以双协同作用和非线性协同作用为主,表明相对于单因子,自然因素和人类活动间的交互作用对FVC的解释力更强.其中,降水与其他11个因子的交互作用对研究区FVC起主导作用,解释力超过60%.     

基于Google Earth Engine分析黄土高原植被覆盖变化及原因

为探明黄土高原植被覆盖时空变化及其原因,基于Google Earth Engine（GEE）,采用Landsat Surface Reflectance data（陆地卫星地表反射率数据）分析了黄土高原1987~2015年间植被覆盖度的时空变化规律,并借助累积量斜率变化率方法对引起植被覆盖度变化的气候和人为因素进行了量化分析.结果表明：黄土高原年均植被覆盖度由1987年的41.78%增加到2015年的53.23%,增速为0.38%/a（P<0.05）.其中,1987~1999年年均植被覆盖度变化趋势不显著（P>0.05）;而退耕还林还草工程实施以来（2000~2015年）,年均植被覆盖度显著增加（P<0.05）,增速达到0.59%/a.由像元尺度分析,黄土高原72.93%的区域植被覆盖度呈增加趋势,其中38.31%的区域增加趋势显著（P<0.05）.植被覆盖度的变化受气候和人为因素的共同影响,以1987~1999年为基准期,气候变化和人类活动对黄土高原2000~2015年间植被覆盖度变化的相对贡献率分别为23.77%、76.23%,人类活动为引起黄土高原植被覆盖度变化的主要原因.退耕还林还草工程极大地改善了黄土高原的植被覆盖状况,但是城市的扩张使得部分地区的植被覆盖呈显著退化现象.     

江苏省自然资源利用时空变化特征及驱动力分析

基于改进的三维生态足迹模型测度江苏省2009—2016年的人均生态足迹、足迹深度与足迹广度,定量分析江苏省自然资源利用状况的时空变化特征;用改进的T型关联分析探讨江苏省人均生态足迹的驱动因子,并利用灰色预测模型GM(1,1)预测江苏省2019—2022年生态足迹与生态承载力的演变趋势。结果表明:1)2009—2016年,江苏省人均生态足迹、人均生态赤字、足迹深度与足迹广度均呈上升趋势,人均生态承载力略有下降。除建设用地外,耕地、林地、牧草地、水域与化石能源用地均处于生态赤字状态,其中,化石能源用地的生态足迹占全省生态足迹的主要部分;牧草地与水域的足迹深度较高,资源存量透支较为严重;耕地的足迹广度占全省足迹广度的主要部分,其在研究期内略有下降。省内各城市间足迹深度与足迹广度的差异较大,足迹深度表现为苏南＞苏中＞苏北,足迹广度为苏北＞苏中＞苏南。2)引导第三产业发展,提高能源利用效率,增强区域贸易交流能够缓解人均生态足迹的增长;人均GDP的增长、城市化水平以及人口规模的提高促进了生态足迹的增长。3)2019—2022年,江苏省人均生态足迹将进一步增加,人均生态承载力将小幅下降,生态赤字现象将继续存在且总量不断增加,生态环境压力进一步加剧。     

2000~2014年黄土高原植被覆盖时空变化特征及其归因

基于MODIS-NDVI数据,辅以一元线性回归分析、Mann-Kendall检验、Hurst指数等方法,分析了2000~2014年黄土高原植被覆盖时空演变特征及其驱动因素.研究表明:近15年黄土高原NDVI呈显著增加趋势,增速为6.93%/10a(P<0.01);空间上,植被归一化指数,或归一化值被指数Normalized Difference Vegetation Index(NDVI)呈由东南向西北递减的分布格局,高值区主要分布在东南部的土石山区、河谷平原区;同时,500m以下和3500米左右的NDVI值最高;在趋势上,NDVI呈现增加和减小趋势的面积比重分别为88.24%和11.76%;Hurst指数表明研究区未来NDVI变化趋势呈持续性和反持续的比重分别为50.07%和49.93%,其中持续改善和由改善变为退化的面积分别占43.98%和44.28%;降水是影响NDVI变化的主要驱动因子,表现为NDVI随降水的增加而增加;人类活动也是影响NDVI的重要因素,且对NDVI有双重影响.     

北京城市去煤炭化过程及其驱动因素解析

去煤炭化既是能源转型的重要路径,也是能源转型的主要结果。经过20多年的努力,北京市煤炭消费量得到有效控制。系统分析北京市1995—2017年煤炭消费动态变化过程,并利用LMDI方法对2005—2017年的煤炭消费进行分解。结果表明:(1)研究期内北京市煤炭消费相对量(能源结构中的占比)持续下降,绝对量自2005年开始下降,2017年仅有350.5万tce,降幅为83.8%,去煤炭化效果显著。(2)影响因素方面,除经济规模效应外,能源结构、能耗强度与经济结构等因素变化对煤炭消费增长均有抑制作用。在去煤炭化前期经济结构调整贡献较大,后期主要由能源结构改善驱动。(3)分行业而言,电力、热力部门燃煤效率提高、煤改电、煤改气策略实施以及重工业外迁,是实现煤炭消费量削减的关键因素。(4)北京市去煤炭化过程虽对我国其他城市有一定参考作用,但因其自身具有特殊性,较难复制到其他地区。     

1990-2015年朝鲜土地覆被变化及驱动力分析

基于Landsat TM/OLI遥感数据,采用面向对象的图像分析方法,提取1990年和2015年朝鲜土地覆被信息,定量描绘土地覆被变化。结果表明：25年间朝鲜土地覆被共变化1.1×10⁴ km²,林地和湿地分别减少4976.1 km²、203.3 km²,耕地和人工表面分别增加4821.5 km²、80 km²;耕地面积增加明显,94.6%的耕地来源于林地,两者的主要转化区在海拔为100~1000 m、坡度为 8°~35°的坡地;黄海北道的土地覆被变化最显著,其次是平安南道,两江道最不明显。人口增长、经济环境退化和宏观政策的调控等人为因素是推动朝鲜土地覆被变化的主要原因。本文弥补了朝鲜长时间尺度土地覆被变化研究的空白,同时为东北亚地区土地资源可持续利用和生态环境保护奠定了基础。     

甘肃省植被与对流层甲醛关系及影响因素分析

植被可以截获和吸收大气中的颗粒物、SO₂和NO_x等,对大气污染物具有一定净化作用,但也释放大量挥发性有机物,对光化学烟雾污染的形成具有促进作用.以甘肃省为例,利用卫星资料反演手段,解译了2008-2016年NDVI（植被覆盖指数）和对流层HCHO（甲醛）柱浓度,并探讨了二者之间的关系及影响因素.结果表明:①甘肃省2008-2016年NDVI空间分布梯度呈东南向西北递减的趋势,其年际动态不显著,季节性动态显著,与对流层HCHO柱浓度时空分布及动态有一定的相似性.②甘肃省对流层HCHO柱浓度和NDVI的年变化范围分别为7×1015~11×1015 molec/cm2和0.22~0.25,并且二者之间呈显著正相关,相关系数为0.63.③甘肃省NDVI和对流层HCHO柱浓度的分布与气象因素（如辐射、气温和降水量）有关,并且甘肃省中部对流层HCHO柱浓度分布还与甘肃省人类足迹分布特征相似.研究显示:甘肃省中部人类足迹指数高,HCHO主要来源于人类活动;而甘肃省西部和南部人类足迹指数低,HCHO主要来源于自然排放.      

长江上游植被覆盖的时空分异季节变化及其驱动因子研究

以GIMMS/NDVl为基础,结合气候与人类活动数据,研究了1982～2003年间长江上游植被覆盖季节变化的空间分布.结果表明,近22年来,长江上游春季、夏季植被覆盖呈增加趋势,以春季最显著;秋季、冬季植被覆盖呈降低趋势,以秋季降低最显著.春季、夏季降雨与气温的同步增加,致使植被覆盖增加;秋季降雨减少,以及气温的增加导致植被覆盖降低;另外,作物播种面积的增加是春季、夏季植被覆盖增加,秋季、冬季植被覆盖减少的重要原因.春季→夏季→秋季→冬季NDVI增加的区域在窄问上大致呈现低纬度向高纬度转移的趋势.春季、夏季所有植被类型的NDVI均有增加趋势;而秋季所有植被类型的NDVI均降低;冬季植被除针叶林的NDVI略有增长外,其余植被类型的NDVI均降低.     

晋西北地区土地沙漠化时空格局及其驱动因素

利用晋西北地区1975,1991,2000,2015,2019年遥感影像,采用转移矩阵模型、重心迁移模型和主成分分析法,研究晋西北地区土地沙漠化的时空变化及其驱动机制.结果表明：土地沙漠化面积在时间上呈现先增加、后减少的动态趋势,其中1975~1991年沙漠化土地面积增加1495.10km²,非沙漠化土地转移为轻度沙漠化土地面积最大（1506.12km²）;1991~2000年沙漠化土地面积增加689.09km²,轻度沙漠化土地转移为中度沙漠化土地面积最大（11098.72km²）;2000~2015年沙漠化土地面积减少2365.85km²,中度沙漠化土地转移为轻度沙漠化土地面积最大（10569.56km²）;2015~2019年沙漠化土地面积减少1931.39km²,轻度沙漠化土地转移为非沙漠化土地面积最大（1909.93km²）.空间上呈现先偏南、后偏西北的迁移趋势,其中1975~1991年、1991~2000年沙漠化土地重心总体上偏南方向迁移,重度沙漠化土地重心迁移距离最大,分别为19.26,20.06km;2000~2019年沙漠化土地重心向西北迁移,轻度沙漠化土地重心迁移距离最大,为30.29km.1975~2019年晋西北地区土地沙漠化动态变化是自然因素和人为因素共同作用的结果,人口数量和牲畜数量是影响沙漠化土地变化的主要人为因素,大风日数是影响沙漠化土地变化的主要自然因素.     

晋西北地区土地沙漠化时空格局及其驱动因素

利用晋西北地区1975,1991,2000,2015,2019年遥感影像,采用转移矩阵模型、重心迁移模型和主成分分析法,研究晋西北地区土地沙漠化的时空变化及其驱动机制.结果表明：土地沙漠化面积在时间上呈现先增加、后减少的动态趋势,其中1975~1991年沙漠化土地面积增加1495.10km²,非沙漠化土地转移为轻度沙漠化土地面积最大（1506.12km²）;1991~2000年沙漠化土地面积增加689.09km²,轻度沙漠化土地转移为中度沙漠化土地面积最大（11098.72km²）;2000~2015年沙漠化土地面积减少2365.85km²,中度沙漠化土地转移为轻度沙漠化土地面积最大（10569.56km²）;2015~2019年沙漠化土地面积减少1931.39km²,轻度沙漠化土地转移为非沙漠化土地面积最大（1909.93km²）.空间上呈现先偏南、后偏西北的迁移趋势,其中1975~1991年、1991~2000年沙漠化土地重心总体上偏南方向迁移,重度沙漠化土地重心迁移距离最大,分别为19.26,20.06km;2000~2019年沙漠化土地重心向西北迁移,轻度沙漠化土地重心迁移距离最大,为30.29km.1975~2019年晋西北地区土地沙漠化动态变化是自然因素和人为因素共同作用的结果,人口数量和牲畜数量是影响沙漠化土地变化的主要人为因素,大风日数是影响沙漠化土地变化的主要自然因素.