基于综合视角的县域国土空间冲突测度与功能优化——以江西省宜黄县为例

[目的]测度国土空间冲突强度,分区探讨国土空间冲突管理和优化国土空间利用途径,为县域国土空间可持续开发利用提供新的思路。[方法]以江西省宜黄县为例,通过景观生态指数模型、可开发强度分析、用地现状与适宜性评价叠加3种方法,以“把握景观格局—明确开发强度—摸底适宜性—实现功能优化”综合视角为导向,构建综合视角下国土空间冲突测度模型,识别乡镇尺度下空间显著冲突与区域本位基底相耦合的综合冲突类型区,进而提出功能优化措施。[结果](1)2010—2020年宜黄县城镇化趋势扩大,生态空间的容纳度变低,国土空间主要表现为农业生产空间和生态空间向工矿生产空间和城镇生活空间转移。(2)2010—2020年宜黄县区域空间冲突强度加剧,不同时段和区域下空间冲突强度和分布情况差异显著,可控空间主要分布在南部,轻度和中度冲突在域内分布较为均匀,重度冲突主要分布在北部、中部和东部。(3)根据开发强度和冲突产生诱因,可将宜黄县乡镇划分为地形发展劣势区、城镇开发密集区和自然保护地集中区3类,作为空间功能优化的重点。(4)宜黄县乡镇尺度上空间冲突类型区分布存在差异性,表现为：农业空间与生态空间冲突>城镇空间与生态...     

甘肃省产业空间结构及其生态效应分析

区域产业空间结构与生态环境之间存在着强烈的交互胁迫关系。本文分析了甘肃省产业空间结构特征、不同产业发展对生态环境的影响及产业空间结构的生态环境效应。得出以下结论:(1)甘肃省第一产业分布分散且与农业资源的空间分布态势基本一致,第二产业发展空间高度集中且与矿产资源分布一致,第三产业集中在大中城市和旅游资源丰富的地区;(2)甘肃省产业空间结构的生态环境效应具有明显的空间差异;(3)甘肃省生态环境地域分异与产业空间结构分异交互胁迫,强化了生态环境的地域分异,加剧了生态环境的脆弱性。     

峰丛洼地石漠化区景观格局的形态学特征及空间演变规律

[目的] 探究峰丛洼地石漠化区景观格局的形态学空间分布特征,为揭示峰丛洼地石漠化区景观格局动态变化和生态保护的可持续发展提供理论参考和指导。[方法] 利用形态学空间分析(MSPA)方法对岩溶石漠化景观识别、处理、分类得到核心、环线等互不重叠的7类景观类型,应用景观动态度、景观格局指数、景观转移矩阵和热点分析探究峰丛洼地石漠化区景观格局的形态学时空演变特征。 [结果] ①2000年形态学景观类型分布最广(190.60 km²),2022年分布最少(147.32 km²),在形态学景观类型中核心是研究区内主要的景观类型,2000年面积最大为121.62 km²,2022年面积最少为76.05 km²,主要分布在研究区西北部和南部区域;孤岛在形态学景观类型中面积最小,其面积1990年最少为1.12 km²,2022年最多为3.07 km²,孤岛和分支等景观类型分散分布在各核心之间。 ②研究区形态学景观空间分布趋于分散,且形态学景观多样性、复杂程度和景观破碎化程度增加;研究时段内,形态学景观类型单一动态度分别为0.10,-0.18和-2.13,说明形态学景观面积呈现收缩趋势并且形态学景观类型1990—2000年发育最为剧烈,2000—2010年发育最为平缓。 ③形态学景观类型转移方向主要是核心景观类型转移为边缘和孔隙景观类型,总体来看形态学景观主要转移方向是形态学景观转移为背景,并且背景的转入量大于转出量。高—高聚集区域呈现出向磨合村、老街村和安乐村扩张的趋势,低—低聚集区域呈现出向三光村和老街村扩张的趋势。 [结论] 研究区形态学景观面积处于快速减少阶段且形态学景观类型趋于复杂,核心是主要的形态学景观类型,形态学景观的演变特征主要由核心的变化导致。     

基于GF-1影像的普达措国家公园森林地上生物量遥感估算

精确估算森林地上生物量有利于掌握森林资源碳储量的分布特征,该研究以普达措国家公园为研究区,基于国产高分一号(GF-1)全色多光谱(Panchromatic Multispectral Sensor,PMS)卫星影像和数字高程数据,提取波段信息、植被指数、纹理信息和地形因子,利用多元线性逐步回归、支持向量机、神经网络和随机森林模型,估算森林地上生物量。研究结果表明,基于GF-1影像构建的随机森林模型的精度效果最佳,决定系数为0.77,均方根误差为27.53 t/hm2;普达措国家公园森林地上生物量为7085614t,平均生物量达136.01t/hm2,表明公园内寒温性针叶林发育完好;海拔3 500～4000m区域森林生物量平均值最高,为126.56t/hm2,与生态保护目标分布范围相符;不同坡向生物量存在差异,阴坡和半阴坡平均生物量高出其他坡向20.48%,立地条件较优。研究结果证实基于GF-1优化的生物量经验模型具有对亚高山天然林地上生物量的估算潜力,对区域森林资源的有效科学管理和维护森林生态环境具有重要意义。     

空间自相关性对冬小麦种植面积空间抽样效率的影响

空间抽样是实现区域农作物面积高效估算的重要手段,农作物分布受自然条件等因素影响普遍存在空间自相关性,但以往针对空间相关性对农作物面积抽样效率的影响研究明显不足。该研究选取安徽省凤台县为研究区,通过2017年4月4景GF-1全色多光谱影像(Panchromatic and Multispectral, PMS)与Google Earth高空间分辨率影像相结合提取研究区冬小麦。设计10种抽样单元尺度、3种抽样外推方法、2种相对允许误差和5种样本布局方式,构建多种冬小麦面积空间抽样方案。利用全局莫兰指数(global Moran’s index)评价不种尺度下抽样单元内冬小麦面积比的空间自相关强度,分析空间自相关性对冬小麦面积抽样效率(抽样误差、样本容量和空间布局)的影响。研究结果表明,抽样单元内冬小麦面积比的空间自相关强度随单元尺度的增大而减小,全局莫兰指数相应地由0.75降至0.50。无论在何种尺度下抽样单元内冬小麦面积比都呈显著的空间正相关性;抽样外推冬小麦面积总体的误差随空间自相关强度的减小呈先减小后明显增大的趋势。在10种抽样单元尺度中,当抽样单元尺度为2000m且抽样比为5%时,无论采用何种抽样方法外推总体的误差均为最小(简单随机抽样、系统和分层抽样外推总体的相对误差分别为17.94%、9.48%和1.82%);当相对允许误差设计为5%时,简单随机抽样外推总体所需样本容量随空间自相关强度的降低从660降至56。而分层抽样的样本容量不受空间自相关性的影响;5种样本布局方式中,采用分层随机抽样方式外推冬小麦面积总体的平均相对误差、平均变异系数和均方根误差最小,分别为1.82%、3.19%和0.11×108 m2。该研究可为有空间自相关存在下的农作物面积空间抽样方案合理设计提供参考依据。     

基于多源空间数据的"三生"空间异质性评价与分区划定

为优化"三生"空间评价方法体系,探索海南岛"三生"空间聚集性与协调度特征并制定有效的空间分区方案,该研究从空间异质性角度出发,采用多源空间数据从栅格尺度上对同地类不同地块的"三生"空间功能进行评价,再通过空间自相关及三角坐标图分析乡镇尺度上"三生"空间的聚集性与协调度特征,并为国土空间优化提供相关分区方案。结果表明:1)海南岛生产空间高分值区域集中分布在沿海市县,呈"四周高、中间低,北部高、南部低"的分布特征,且城镇生产空间与农业生产空间有所差异;生活空间高分值区域多集中在各市县城镇范围内,整体呈"小集聚、大分散"的空间格局;生态空间高分值区域集中在中部地区,呈"中间高、四周低,南部高、北部低"的分布格局。2)乡镇尺度上海南岛生产、生活、生态空间功能值的Moran’sI指数分别为0.569,0.221和0.716,表现出空间自相关性特征,据此面向全岛提出基于空间聚集性的"三生"空间分区方案。3)海南岛各乡镇"三生"空间存在较大的协调度差异,高值区以生态主导和"三生"协调型为主,分别占乡镇总数的51.72%与43.97%;低值区则以生态主导型为主,占乡镇总数的72.41%,据此面向全岛提出基于空间协调度的"三生"空间分区方案。该研究有效识别了同地类不同地块"三生"空间的异质性,并从空间聚集性与协调度视角提出"三生"空间分区管制方案,能够为当前国土空间优化提供参考。     

基于高分遥感影像的亚高寒草甸土壤水分含量反演

通过高分卫星遥感影像计算植被供水指数来反演亚高寒草甸土壤水分含量,结合高分辨率遥感影像(GF-2)和中分辨率的遥感影像(Landsat-7)进行土壤水分反演模型建模验证,揭示高分遥感影像结合植被供水指数法在青藏高原东北缘亚高寒草甸草原上的适用性,同时分析研究区土壤水分分布及其影响因素。基于高分二号（GF-2）、Landsat-7影像数据,以甘南藏族自治州当周草原为研究区,利用植被供水指数（VSWI, vegetation supply water index）构建土壤水分反演模型得到研究区土壤水分含量反演图,通过半方差函数及主成分分析法探索研究区土壤水分空间分布及影响因素。结果表明：研究区土壤水分含量分布状态呈现出一定程度的空间变异,体现在整个研究区内以及各个地块之间,土壤水分含量主要介于0.11%~60.44%之间;土壤水分含量与坡度、海拔、坡向、NDVI、地表温度均呈正相关关系,分布主要受NDVI、坡向、坡度、海拔的影响。综上,利用植被供水指数法结合高分遥感影像监测土壤水分含量是可行的,基于GF-2遥感影像所建立的模型拟合度最优,较Landsat-7遥感影像更具优势。     

农业高质量发展的空间分异与影响因素 ——以广东省为例

农业高质量发展是乡村产业振兴的重要表征。广东省特色高效农业走在全国前列,以广东省为例量化评估农业高质量发展水平,可为各地诊断农业发展问题、监测农业高质量进展、支撑完善支持政策提供参考依据。本研究从高效化、绿色化和稳产化3方面构建了农业高质量发展评价模型,借助空间自相关分析方法、双变量空间关联性分析法分析了广东省农业高质量发展空间集聚特征与影响因素。研究发现,广东省农业高质量发展指数呈现“平原区>丘陵区>山地区”的特征,在空间上形成“平原区显著高高集聚、山地丘陵区显著低低集聚”的格局,高效化、绿色化和稳产化3个维度均呈现显著的正向集聚性,且空间集聚格局相似。农业高质量发展水平主要受到人均地区生产总值、高程等因素的影响,凸显农业高质量发展是一个因地制宜、循序渐进的过程,各地需立足本地资源禀赋、产业发展特色与地区经济发展水平综合施策。     

黄河小浪底库区不同人工林水土保持效益研究

采用空间代替时间的方法,通过对黄河小浪底库区不同人工林水土保持效益浅要分析,结果表明:最大吸水率为刺槐>侧柏>20多年生栓皮栎>40多年生栓皮栎,凋落物储量和最大持水量均为20多年生栓皮栎>40多年生栓皮栎>侧柏>刺槐;土壤渗透性能和贮水性能变化较为复杂,侧柏林地的渗透性和贮水性能较其它林地好些,刺槐林地上下层之间变化最大。     

Proximal sensor-enhanced soil mapping in complex soil-landscape areas of Brazil

Portable X-ray fluorescence (pXRF) spectrometry and magnetic susceptibility (MS) via magnetometer have been increasingly used with terrain variables for digital soil mapping. However, this methodology is still emerging in many countries with tropical soils. The objective of this study was to use proximal soil sensor data associated with terrain variables at varying spatial resolutions to predict soil classes using the Random Forest (RF) algorithm. The study was conducted on a 316-ha area featuring highly variable soil classes and complex soil-landscape relationships in Minas Gerais State, Brazil. The overall accuracy and Kappa index were evaluated using soils that were classified at 118 sites, with 90 being used for modeling and 28 for validation. Digital elevation models (DEMs) were created at 5-, 10-, 20-, and 30-m resolutions using contour lines from two sources. The resulting DEMs were processed to generate 12 terrain variables. Total Fe, Ti, and SiO₂ contents were obtained using pXRF, with MS determined via a magnetometer. Soil class prediction was performed using the RF algorithm. The quality of the soil maps improved when using only the five most important covariates and combining proximal sensor data with terrain variables at different spatial resolutions. The finest spatial resolution did not always provide the most accurate maps. The high soil complexity in the area prevented highly accurate predictions. The most important variables influencing the soil mapping were MS, Fe, and Ti. Proximal sensor data associated with terrain information were successfully used to map Brazilian soils at variable spatial resolutions.