文章信息
- 张明阳, 王克林, 邓振华, 刘会玉, 岳跃民, 段亚锋
- ZHANG Mingyang, WANG Kelin, DENG Zhenhua, LIU Huiyu, YUE Yuemin, DUANG Yafeng
- 基于RBFN的桂西北喀斯特区植被碳密度空间分布影响因素分析
- Factors influencing the spatial distribution of vegetation carbon density in karst landscapes of Northwest Guangxi:a case study based on radial basis function network model
- 生态学报, 2014, 34(12): 3472-3479
- Acta Ecologica Sinica, 2014, 34(12): 3472-3479
- http://dx.doi.org/10.5846/stxb201308062035
-
文章历史
- 收稿日期:2013-8-6
- 修订日期:2014-4-1
2. 中国科学院环江喀斯特生态系统观测研究站, 环江 547100;
3. 国家电网湖南省电力公司东江水力发电厂, 资兴 423403;
4. 南京师范大学地理科学学院, 南京 210046
2. Huanjiang Observation and Research Station for Karst Ecosystems, Chinese Academy of Sciences, Huanjiang 547100, China;
3. Hunan Dongjiang Hydroelectric Power Plant, State Grid Corporation of China, Zixing 423403, China;
4. College of Geography Science, Nanjing Normal University, Nanjing 210046, China
植被碳储量是估算陆地生态系统与大气间温室气体CO2交换量的关键因子,并成为多个重大科学计划的研究主题[1, 2]。我国西南喀斯特区土层浅薄、土壤总量少,植被碳占碳库的比重远远高于其它类型区,其植被碳储蓄的时空变异特征及其主要影响因素成为喀斯特区域碳循环研究中迫切需要解决的科学问题[3, 4, 5]。同时,20世纪90年代以来,随着国家八七扶贫计划及西部大开发战略的实施,通过实施退耕还林(草)、封山育林、生态移民等措施,西南喀斯特区退化生态系统的恢复重建取得了一定的成效[6, 7, 8]。随着石漠化综合治理试点工程的启动,研究喀斯特区植被固碳效应对评价石漠化综合治理的效益具有重要的科学意义。我国不少学者对西南喀斯特区的碳循环进行了相关研究[9, 10, 11, 12],但绝大部分限于生态系统尺度的植被碳储蓄空间分异特征分析,较少涉及区域植被碳储蓄空间分布及其影响因素探索[13, 14]。因此,探讨喀斯特区域植被碳储蓄空间分布特征及其主要影响因素分析,不仅能为喀斯特区域碳储量估算和石漠化治理的效益评价提供科学参考,而且能为更好地理解喀斯特区域植被碳储量空间分布特征和生态系统管理提供科学依据。
径向基函数网络(Radial Basis Function Network,RBFN)模型是近年来被广泛应用于分类研究的人工神经网络模型之一[15, 16, 17],是利用具有局部隆起的径向基函数来做逼真或分类,相对于其他的神经网络方法,除了具有一般神经网络的优点(如多维非线性映射能力、泛化能力、并行信息处理能力等),还具有很强的聚类分析能力,学习算法简单方便等优点。本文以进行了大量生态移民与退耕还林的桂西北典型喀斯特区为例,在2010年植被碳密度空间分布结果的基础上,通过13个环境因子1377个样点数据,建立径向基函数网络模型[15, 16, 17],对植被碳密度空间分布主要影响因素进行初步探索,以期为深入了解喀斯特区植被碳储蓄空间分布及石漠化治理提供科学参考与理论基础。
1 研究区概况桂西北地处广西西北、云贵高原南麓,介于104°29′—109°09′E,23°41′—25°37′N之间(图 1)[18]。总面积6.94万km2,包括广西河池市11个县(市)和百色市12个县市。属中亚热带南缘季风气候,年均气温19.5℃,年均降水1000mm,时空分布不均。以山地、峰丛洼地为主,山区面积比例大(百色和河池分别30%和59%)。海拔为2000多米至100多米,呈西北向东南降低。喀斯特地貌广为发育,由西向东地貌类型主要为中山、低山和峰丛洼地。成土母岩主要有石灰岩、紫色岩等。
2 数据与方法 2.1 资料来源主要数据是2010年林业清查数据(来源于中南林业勘测设计院),具体做法是采用系统抽样的方法,在五万分之一的地形图上,按照6 km × 8 km的网格进行机械布点,以每个网格的西南交叉点为基准点布设25.82 m×25.82 m的正方形固定样地,每个样地面积0.0667 hm2。本区1444个样地,剔除非林地共有1377个样地数据。数据包括海拔、坡向、坡度、植被类型、林种、地类、植被覆盖度、土壤厚度、腐殖质、石漠化程度、优势树种、胸径、林业蓄积等60多项因子。
软件主要有地理信息系统软件ARCGIS 9.3 和统计软件MATLAB7.01。ARCGIS9.3主要用于植被碳密度的空间分布分析,MATLAB7.01主要用于RBFN模型运行。
2.2 研究方法 2.2.1 植被碳储量及其密度植被碳储蓄主要是采用材积源生物量法和已经建立的回归方程[19, 20],计算生物量,然后通过植被含碳量即含碳率获得。植被碳密度为单位面积的植被碳储量。具体计算和转换方法详见已发表论文基于林业清查资料的桂西北植被碳空间分布及其变化特征[21]。
2.2.2 RBFN原理介绍及其训练算法RBFN(Radial Basis Function Network)由输入层、隐含层和输出层组成三层前向式网络,各层有多个神经元,相邻两层单元之间单方向连接,通过径向基算法来获得隐层权值、确定最终输出值的多层前向监督式网络[15, 16, 17](图 2)。其中:Xk为输入层(k = 1,2,…,N),Vj为隐含层(j = 1,2,…,L),Oi为输出层(i = 1,2,…,M)。Cjk =(Cj1,Cj2,…,Cjn)、Sj 分别表示隐含层单元基函数的中心和宽度,N、L、M分别表示输入、隐含和输出单元的数量。N和M 同输入维数和输出维数相一致,而L采用构造人工神经网络结构或对网络结构进行修改,使之与具体问题相适应来确定隐单元数。
若给定的输入模型式为Xuk,u=1,2,…,p(p为输入模式数),则有隐含单元和输出单元:
式中,Ruj、Vuj都是径向对称非线性函数,称Ruj为Gauss型径向基函数,Vuj为归一化径向基函数。
隐含层是固定不变的非线性变换。Cjk、Sj、Wij需通过学习和训练确定,具体分3 步进行计算:
第一步 确定基函数的中心Cjk,思路是利用一组输入来计算L×N个Cjk,使Cj 尽可能均匀地对数据抽样,在数据密集点Cj也密集,这种方法称为“K-均值聚类法”,是无监督学习法。
第二步 确定基函数的宽度Sj。基函数中心Cj训练完成后可求归一化参数。最常用的是令它们等于基函数中心,与子样本集中样本模式之间的平均距离,即:
第三步 确定从隐含层单元到输出层单元的联接权值Wij。若设相应于Xui的期望输出值为Yui,通常误差测度标准是平方误差最小,即在基函数确定后,ES是Wij的函数,用最小二乘法求解:
2.3 影响因素指标植被碳密度空间分布影响因素分析,遵循代表性、简明性和可获性原则,选取13个指标。
(1)海拔 研究区样点海拔高程范围为92—1876 m。
(2)坡向 分为9个坡向,北(338°—22°),东北(23°—67°),东(68°—112°),东南(113°—157°),南(158°—202°),西南(203°—247°),西(248°—292°),西北(293°—337°),无坡向(坡度<5°),代码分别为1、2、3、4、5、6、7、8和9。
(3)坡位 分为6个坡位,脊(山脉分水线及其两侧各下降垂直高度15m的范围),上(从脊部以下至山谷范围内的山坡三等分后的最上等分部位),中(三等分的中坡位),下(三等分的下坡位),谷(汇水线两侧的谷地,若样地处于2部位中出现的局部山洼,也按山谷记),平地(处在平原和台地上的样地),代码分别为1、2、3、4、5和6。
(4)坡度 研究区样点坡度为0—80°。
(5)土层厚度 研究区样点土层厚度范围为1—180 cm。
(6)腐殖层厚度 研究区样点腐殖层厚度为0—35 cm。
(7)植被总覆盖度 研究区样点植被总覆盖度为10—100%。
(8)地类 即土地类型,根据土地覆盖特征和利用状况综合划定类型,包括林地和非林地2个一级地类,其中林地划分8个二级地类,12个三级地类。研究区地类主要有乔木林、竹林、灌木林、未成林造林地、采伐火烧迹地、无立木林地、宜林荒地、耕地、牧草地、未利用地。
(9)植被类型 有自然植被和栽培植被两大类,针叶林、阔叶林、灌丛和灌草丛类型,具体有暖性针叶林、暖性针阔混交林、落叶阔叶林、常绿落叶阔叶混交林、常绿阔叶林、竹林等。
(10)石漠化程度 石漠化指在热带、亚热带湿润和半湿润地区岩溶极其发育的自然背景下,受人为活动的干扰,使地表植被遭受破坏,造成土壤严重侵蚀,基岩大面积裸露,砾石堆积,地表呈现似荒漠化景观的土地退化乃至土壤消失的现象。研究区石漠化程度有无石漠化、潜在、轻度、中度和重度石漠化,其评定标准详见广西森林资源连续清查复查操作细则 广西森林资源连续清查第七次复查操作细则 。
(11)林种 23个亚林种(水源涵养林、水土保持林、国防林、风景林、用材林、薪炭林、果树木、原材料林、药用林、其它经济林等),标准详见广西森林资源连续清查复查操作规则①。
(12)森林类型 主要有生态公益林和商品林两个类别,生态公益林细分为国家公益林和地方公益林,商品林主要有用材林、薪炭林和经济林。
(13)面积等级 根据样地所确定的地理外延的连片面积大小确定,即地类连片面积大小,面积等级分为7类:面积<1 hm2为1类,1—4.9 hm2为2类,5—9.9 hm2为3类,10—19 hm2为4类,20—49 hm2为5类,50—99 hm2为6类,>100 hm2为7类。研究区地类面积等级1—7均有分布。
3 分析结果 3.1 模型运行概况RBFN模型运行情况较为理想。在1377个总样本中,有效样本有1297个,其中有74.3%(964个)用来训练,25.7%(333个)用来测试。由于检验样本与测试样本中的一个或多个个案有未出现在训练样本中的因素或因变量,因而排除这些个案,本研究因此而排除样本数80个。
本研究中FRBN模型输入层为13个影响因子,输出层有植被碳密度、影响因素标准化重要性及错误函数(表 1)。隐藏层单位数经训练最后确定为516个,激活函数采用的是softmax,错误函数是平方和。模型训练平方和错误为312.205,测试平方和错误为103.278,说明本研究通过FRBN模型来分析植被碳密度空间分布的影响因素,其运行结果比较理想,运行结果可行和适用。
层次 Layer | 具体信息 Information | |
项目 Item | 内容 Content | |
* 由检验数据标准确定:隐藏单位的"最佳"数量为检验数据中产生最小错误的单位 | ||
输入层Input layer | 因子 | 1海拔 |
2坡向 | ||
3坡位 | ||
4坡度 | ||
5土层厚度 | ||
6腐殖层 | ||
7植被总覆盖 | ||
8地类 | ||
9植被类型 | ||
10石漠化程度 | ||
11林种 | ||
12森林类型 | ||
13面积等级 | ||
单位数 | 516 | |
隐藏层Hidden layer | 单位数 | 5* |
激活函数 | Softmax | |
输出层Output layer | 因变量 | Total_c(植被碳密度) |
单位数 | 1 | |
尺度因变量的重标度方法 | 标准化 | |
激活函数 | 恒等 | |
错误函数 | 平方和 |
影响因素 Impact factors | 重要性素 Significance | 标准化重要性/%素 Standard significance | 排序素 Sequences |
海拔Altitude | 0.007 | 2.3 | 13 |
坡向Aspect | 0.016 | 5.5 | 12 |
坡位 Slope position | 0.029 | 10.2 | 10 |
坡度 Slope | 0.018 | 6.3 | 11 |
土层厚度 Soil thickness | 0.036 | 12.6 | 9 |
腐殖层 Humus layer | 0.046 | 16.3 | 6 |
植被总覆盖 Vegetation coverage | 0.036 | 12.6 | 8 |
地类 Land type | 0.285 | 100.0 | 1 |
植被类型 Vegetation type | 0.110 | 38.6 | 4 |
石漠化程度 Degree of rocky desertification | 0.077 | 27.0 | 5 |
林种 Vegetation species | 0.148 | 51.9 | 3 |
森林类型 Forest type | 0.152 | 53.2 | 2 |
面积等级 Area grade | 0.041 | 14.4 | 7 |
研究区在1377个样本数据的基础上,通过RBFN模型分析结果显示,在选取的13个植被碳密度空间分布影响因素中,重要性排序为:地类>森林类型>林种>植被类型>石漠化程度>腐殖层厚度>面积等级>植被总覆盖度>土层厚度>坡位>坡度>坡向>海拔(表 2)。排前4位的地类、森林类型、林种和植被类型因子,其标准化重要性分别在50%以上;其次的石漠化程度、腐殖层厚度、面积等级、植被总覆盖度、土层厚度5个因子,其标准化重要性分别在15%—30%;影响贡献最小的4个地形因子,其标准化重要性仅在2%—11%(图 3)。研究表明地形因子对植被碳密度空间分布的影响有限,更为重要的是土地类型、森林类型、林种和植被类型等可通过人为活动改变的因素,因此生态环境移民、退耕还林等石漠化治理措施对植被碳密度的空间分布应具有重要影响。
同时,研究区植被碳密度与环境因子的相关性进行了分析,在13个影响因子中,与植被碳密度在0.01水平上显著相关的高达12个,只有一个因子(坡度)在0.05水平上显著相关(表 3)。其中土层厚度、腐殖层、植被覆盖度、林种、森林类型、海拔和面积等级与植被碳密度成正相关,在一定程度说明植被碳密度的空间分布受这些环境因素影响,且是正向的影响。坡向、坡位、地类和石漠化程度与植被碳密度成负相关,石漠化程度越高植被碳密度越低;而坡向、坡位、地类与植被碳密度的负相关结果,与代码表示有很大关系,结果显示,坡向高代码的西坡、西北坡,坡位高代码的谷和平地,地类高代码的草地,植被碳密度相对较低。峰丛洼地广为分布的广西喀斯特区植被普遍具有中上坡高、而下坡和低海拔的洼地少的空间分布特征[22, 23, 24]。
影响因素 Impact factors | 相关性 Correlation | 显著性 Significant | 数量 Number |
**在.01 水平(双侧)上显著相关,*在 0.05 水平(双侧)上显著相关 | |||
海拔Altitude | 0.202* * | 0 | 1377 |
坡向Aspect | -0.072* * | 0.007 | 1377 |
坡位 Slope position | -0.160* * | 0 | 1377 |
坡度 Slope | 0.065* | 0.016 | 1377 |
土层厚度 Soil thickness | 0.323* * | 0 | 1377 |
腐殖层 Humus layer | 0.348* * | 0 | 1377 |
植被总覆盖 Vegetation coverage | 0.246* * | 0 | 1377 |
地类 Land type | -0.374* * | 0 | 1377 |
植被类型 Vegetation type | -0.089* * | 0.001 | 1377 |
石漠化程度 Degree of rocky desertification | -0.205* * | 0 | 1377 |
林种 Vegetation species | 0.305* * | 0 | 1377 |
森林类型 Forest type | 0.236* * | 0 | 1377 |
面积等级 Area grade | 0.155* * | 0 | 1377 |
为进一步验证RBFN分析结果,采用因子分析与典范对应分析方法进行初步对比分析。
因子分析中虽然Kaiser-Meyer-Olkin (KMO)度量为0.797,Bartlett 的球形度检验结果表明数据可以作主成分分析(近似卡方为96064.574,df为78,Sig.为0),但方差特征值不够理想,前4个主成分累积方差仅为68.837%(表 4),结果表明仅做主成分分析不太理想,应采用一定的方法对所有因素分析。
成份 Ingredient | 合计 Total | 方差/% Variance | 累积/% Cumulative contribution |
1 地类 Land type | 4.402 | 33.865 | 33.865 |
2 森林类型 Forest type | 2.327 | 17.897 | 51.762 |
3 林种 Vegetation species | 1.178 | 9.064 | 60.825 |
4 植被类型 Vegetation type | 1.041 | 8.011 | 68.837 |
5 石漠化程度 Degree of rocky dsertification | 0.863 | 6.641 | 75.478 |
6 腐殖层 Humus layer | 0.774 | 5.952 | 81.430 |
7 面积等级 Area grade | 0.547 | 4.207 | 85.637 |
8 植被总覆盖 Vegetation coverage | 0.513 | 3.948 | 89.585 |
9 土层厚度 Soil thickness | 0.441 | 3.390 | 92.975 |
10 坡位 Slope position | 0.349 | 2.688 | 95.663 |
11 坡度 Slope | 0.298 | 2.290 | 97.953 |
12 坡向 Aspect | 0.161 | 1.239 | 99.192 |
13 海拔 Altitude | 0.105 | 0.808 | 100.000 |
典范对应分析方法(CCA)是基于单峰模型和对应分析发展而来的一种排序方法,又称环境约束对应分析或多元直接梯度分析,可以直观地看出他们之间的关系[25]。本研究将其应用于植被碳密度与环境条件关系研究,从而进一步验证RBFN分析结果。分析得到,前4个排序轴特征值分别0.337,0.102,0.042和0.019,总特征值为0.641。相关性分别达0.975,0.915,0.938和0.868。表明环境因子与植被碳密度相关性强,却非某一因素起绝对优势(图 4)。
4 结论与讨论本研究基于1377个样本数据,对桂西北影响植被碳密度空间分布的13个因子通过RBFN模型进行了分析,研究表明,对植被碳密度空间分布的影响最为重要的是土地类型、森林类型、林种和植被类型等可通过人为活动改变的因素(标准化重要性分别在50%以上),因此生态环境移民、退耕还林等石漠化治理措施对植被碳密度的空间分布具有重要影响。
研究结果得出的植被碳密度空间分布影响因素的重要性排序是可信的。研究区植被碳密度空间分布大致表现为西部高中东部低,北部高南部低。西部植被碳密度集中在26—36 t/hm2,中东部植被碳密度集中在25—30 t/hm2。这种分布趋势,与植被净第一性生产力NPP的空间分布相符(西部植被覆盖度均值超过60%,NPP均值超过1000g/m2;北部和东部NPP部分区域均值在100g/m2以下)[25, 26]。而且,广西石漠化面积居全国第3位,在10个市76县(市、区)均有分布[23]。主要分布于广西桂中偏西和桂西南地区,如平果、大化、都安、马山、巴马、东兰、凤山、德保、田东县[23],这些县分布在本研究区的中东部和南部。
据2005年石漠化监测调查结果,平果县石山区面积156486.70 hm2,其中石漠化地83366.67 hm2,潜在石漠化地14860 hm2,通过努力,平果县生态环境有了较大改观,全县植树造林和封山育林45333.33 hm2,其中封山育林23793.33 hm2[8]。说明该区生态环境治理人工调控措施效果显著,区域生态环境好转。同时,前期研究结果显示:在20世纪90年代,尤其是在1993—2002年,广西进行了大规模的生态环境移民(约49133户和232705人),地处典型喀斯特区、石漠化显著的平果和东兰,单位面积生态服务功能显著增加[25]。这些前期研究结果再次验证了土地类型、森林类型、林种和植被类型等可通过人为活动改变的因素对区域植被空间分布的重要性,同时间接表明生态环境移民、退耕还林等石漠化治理措施对植被碳密度的空间分布具有重要影响。
本文虽通过RBFN对桂西北喀斯特区植被碳密度的影响因素进行了初步探索,但更为全面和准确的喀斯特区植被碳密度空间分布驱动机制,将依赖于更多因素加以考虑及更广泛的区域对比研究。
致谢: 感谢中国科学院亚热带农业生态研究所徐宪立研究员对本文写作的帮助。
[1] | Dixon R K, Solomon A M, Brown S, Houghton R A, Trexier M C, Wisniewski J. Carbon pools and flux of global forest ecosystems. Science, 1994, 263(5144): 185-190. |
[2] | Piao S L, Fang J Y, Ciais P, Peylin P, Huang Y, Sitch S, Wang T. The carbon balance of terrestrial ecosystems in China. Nature, 2009, 458(7241): 1009-1013. |
[3] | Cao J H, Yuan D X, Pei J G. Karst ecosystem constrained by geological conditions in southwest China. Beijing: Geological Publishing House, 2005. |
[4] | Liu C Q, Jiang Y K, Tao F X, Lang Y C, Li S L. Chemical weathering of carbonate rocks by sulfuric acid and the carbon cycling in southwest China. Geochimica, 2008, 37(4): 404-410. |
[5] | Wang S L, Yeager K M, Wan G J, Liu C Q, Wang Y C, Lu Y C. Carbon export and HCO3 fate in carbonate catchments: a case study in the karst plateau of southwestern China. Applied Geochemistry, 2012, 27(1): 64-72. |
[6] | 11th Five-Year Plan of forestry in Guangxi. State forestry administration, China, 2006-01-17. http://www.forestry.gov.cn/portal/main/s/72/content-385171.html. |
[7] | Rocky desertification was primarily controlled in Guangxi, China. Hechi Daily, 2011-9-14. http://news.hcwang.cn/news/2011914/news008091508.html. |
[8] | Ten-year anniversary of western region development: control of karst rocky desertification for poverty relief in Guangxi. Xinhua News Agency, 2010-01-16. http://www.gov.cn/jrzg/2010-01/16/content_1512432.htm. |
[9] | Zhang W, Chen H S, Wang K L, Hou Y, Zhang J G. Spatial variability of soil organic carbon and available phosphorus in a typical karst depression, northwest of Guangxi. Acta Ecologica Sinica, 2007, 27(12): 5168-5175. |
[10] | Tian D L, Wang X K, Fang X, Yan W D, Ning X B, Wang G J. Carbon storage and spatial distribution in different vegetation restoration patterns in Karsts area, Guizhou province. Scientia Silvae Sinicae, 2011, 47(9): 7-14. |
[11] | Cai G P, Han H Q, Zhang F T, Gao H J, Zhu J. Impacts of land use change on the vegetation carbon storage in Suiyang, Guizhou province in the karst area. Research of Soil and Water Conservation, 2012, 9(4): 122-125. |
[12] | Peng W X, Wang K L, Song G T Q, Zeng F P, Wang J R. Controlling and restoration models of complex degradation of vulnerable karst ecosystem. Acta Ecologica Sinic, 2008, 28(2): 811-820. |
[13] | Luo D H, Xia J, Yuan J W, Zhang Z H, Zhu J D, Ni J. Root biomass of karst vegetation in a mountainous area of southwestern China. Chinese Journal of Plant Ecology, 2010, 34(5): 611-618. |
[14] | Fang J Y, Liu G H, Xu H L. Biomass and net production of forest vegetation in China. Acta Ecologica Sinica, 1996, 16(5): 497-508. |
[15] | Schwenker F, Kestler H A, Palm G. Three learning phases for radial-basis-function networks. Neural Networks, 2001, 14(4): 439-458. |
[16] | Hang Q H, Cai Y L. Hazardous assessment of karst rocky desertification in Guizhou province: an application of the RBFN model. Acta Geographica Sinica, 2005, 60(5): 771-778. |
[17] | Zhang M Y, Wang K L, Zhang C H, Chen H S, Liu H Y, Yue Y M, Luffman I, Qi X K. Using the radial basis function network model to assess rocky desertification in northwest Guangxi, China. Environmental Earth Sciences, 2011, 62(1): 69-76. |
[18] | Zhang M Y, Wang K L, Liu H Y, Zhang C H, Duan Y F. Spatio-temporal variation of vegetation carbon storage and density in karst areas of northwest Guangxi based on remote sensing images. Chinese Journal of Eco-Agriculture, 2013, 21(12): 1545-1553. |
[19] | Huang C D, Zhang J, Yang W Q, Tang X, Zhao A J. Dynamics on forest carbon stock in Sichuan province and Chongqing city. Acta Ecologica Sinica, 2008, 28(3): 966-975. |
[20] | Fang J Y, Chen A P, Zhao S Q, Ci L J. Estimating biomass carbon of China's forests: supplementary notes on report published in science (291: 2320-2322) by Fang et al. (2001). Acta Phytoecologica Sinica, 2002, 26(2): 243-249. |
[21] | Zhang M Y, Luo W J, Liu H Y, Zhang C H, Yue Y M, Wang K L. Spatial distribution and change of vegetation carbon in northwest Guangxi, China on the basis of vegetation inventory data. Acta Ecologica Sinic, 2013, 33(16): 5067-5077. |
[22] | Hu Y C, Liu Y S, Wu P L, Zou X P. Rocky desertification in Guangxi karst mountainous area: its tendency, formation causes and rehabilitation. Transactions of the Chinese Society of Agricultural Engineering, 2008, 24(6): 96-101. |
[23] | Hu B Q, Li L, Jiang S F. Spatial pattern analysis on karst rocky desertification of Guangxi based on landscape spatial method. Earth and Environment, 2005, 33(Suppl): 581-587. |
[24] | Yang C M. A discussion on the remote sensing analysis of karst stone desertization in Guangxi. Remote Sensing for Land & Resources, 2003, 56(2): 34-36, 63-63. |
[25] | Zhang M Y, Wang K L, Chen H S, Zhang C H, Lui H Y, Fan F D. Quantified evaluation and analysis of ecosystem services in karst areas based on remote sensing. Acta Ecologica Sinica, 2009, 29(11): 5891-5901. |
[26] | Zhang M Y, Wang K L, Lui H Y, Chen H S. The characteristic of land changes in ecologically fragile kast Areas: a case study in northwest Guangxi, China. Acta Ecologica Sinica, 2009, 29(6): 3105-3116. |
[3] | 曹建华,袁道先,裴建国. 受地质条件制约的中国西南岩溶生态系统. 北京: 地质出版社,2005. |
[4] | 刘丛强,蒋颖魁,陶发祥,郎赟超,李思亮. 西南喀斯特流域碳酸盐岩的硫酸侵蚀与碳循环. 地球化学,2008,37(4): 404-410. |
[6] | “十一五”广西林业规划. 国家林业局,2006-01-17. http://www.forestry.gov.cn/portal/main/s/72/content-385171.html. |
[7] | 河池市石漠化治理初见成效. 河池日报,2011-9-14. http://news.hcwang.cn/news/2011914/news008091508.html. |
[8] | 西部大开发十周年: 广西石漠化治理拓开扶贫路. 新华社,2010-1-16. http://www.gov.cn/jrzg/2010-01/16/content_1512432.htm. |
[9] | 张伟,陈洪松,王克林,侯娅,张继光. 桂西北喀斯特洼地土壤有机碳和速效磷的空间变异. 生态学报,2007,27(12): 5168-5175. |
[10] | 田大伦,王新凯,方晰,闫文德,宁晓波,王光军. 喀斯特地区不同植被恢复模式幼林生态系统碳储量及其空间分布. 林业科学,2011,47(9): 7-14. |
[11] | 蔡广鹏,韩会庆,张凤太,郜红娟,朱建. 喀斯特地区贵州省绥阳县土地利用/覆被变化对陆地植被碳储量的影响. 水土保持研究,2012,9(4): 122-125. |
[12] | 彭晚霞,王克林,宋同清,曾馥平,王久荣. 喀斯特脆弱生态系统复合退化控制与重建模式研究. 生态学报,2008,28(2): 811-820. |
[13] | 罗东辉,夏婧,袁婧薇,张忠华,祝介东,倪健. 我国西南山地喀斯特植被的根系生物量初探. 植物生态学报,2010,34(5): 611-618. |
[14] | 方精云,刘国华,徐蒿龄. 我国森林植被的生物量和净生产量. 生态学报,1996,16(5): 497-508. |
[16] | 黄秋昊,蔡运龙. 基于RBFN模型的贵州省石漠化危险度评价. 地理学报,2005,60(5): 771-778. |
[18] | 张明阳,王克林,刘会玉,章春华,段亚锋. 基于遥感影像的桂西北喀斯特区植被碳储量及密度时空分异. 中国生态农业学报,2013,21(12):1545-1553. |
[19] | 黄从德,张健,杨万勤,唐宵,赵安玖. 四川省及重庆地区森林植被碳储量动态. 生态学报,2008,28(3): 966-975. |
[20] | 方精云,陈安平,赵淑清,慈龙骏. 中国森林生物量的估算: 对Fang等Science一文(Science,2001,291: 2320-2322)的若干说明. 植物生态学报,2002,26(2): 243-249. |
[21] | 张明阳,罗为检,刘会玉,章春华,岳跃民,王克林. 基于林业清查资料的桂西北植被碳空间分布及其变化特征. 生态学报,2013,33(16): 5067-5077. |
[22] | 胡业翠,刘彦随,吴佩林,邹秀萍. 广西喀斯特山区土地石漠化: 态势、成因与治理. 农业工程学报,2008,24(6): 96-101. |
[23] | 胡宝清,李 玲,蒋树芳. 基于景观空间方法的广西喀斯特石漠化空间格局分析. 地球与环境,2005,33(Z1): 581-587. |
[24] | 杨传明. 广西岩溶石漠化变化规律及强弱程度遥感分析. 国土资源遥感,2003,14(2): 34-36,63-63. |
[25] | 张明阳,王克林,陈洪松,章春华,刘会玉,岳跃民,凡非得. 喀斯特生态系统服务功能遥感定量评估与分析. 生态学报,2009,29(11): 5891-5901. |
[26] | 张明阳,王克林,刘会玉,陈洪松. 喀斯特生态脆弱区桂西北土地变化特征. 生态学报,2009,29(6): 3105-3116. |