文章信息
- 王慧芳, 饶恩明, 肖燚, 严岩, 卢慧婷, 朱捷缘.
- WANG Huifang, RAO Enming, XIAO Yi, YAN Yan, LU Huiting, ZHU Jieyuan.
- 基于多风险源胁迫的西南地区生态风险评价
- Ecological risk assessment in Southwest China based on multiple risk sources
- 生态学报. 2018, 38(24): 8992-9000
- Acta Ecologica Sinica. 2018, 38(24): 8992-9000
- http://dx.doi.org/10.5846/stxb201808211778
-
文章历史
- 收稿日期: 2018-08-21
- 修订日期: 2018-11-16
2. 中国科学院大学资源与环境学院, 北京 100049;
3. 四川师范大学地理与资源科学学院, 成都 610000;
4. 中国科学院城市环境研究所, 城市环境与健康重点实验室, 厦门 361021
2. College of Resources and Environment, University of Chinese Academy of Sciences, Beijing 100049, China;
3. College of Geography and Resources Science, Sichuan Normal University, Chengdou 610000, China;
4. Key Laboratory of Urban Environment and Health, Institute of Urban Environment, Chinese Academy of Sciences, Xiamen 361021, China
生态风险是指一定区域内自然灾害和人类活动形成的多种胁迫因子对复合生态系统造成不利影响的可能性, 包括生态系统内部某种因素或整体的健康、生产力、遗传结构、经济价值和美学价值的减少[1-2]。生态风险评价是运用生态学、地理学、环境学等多学科知识, 采用数学、GIS等技术手段来预测和评估风险源对生态系统造成损害的概率和程度, 是根据有限已有资料预测未知后果的过程, 对区域生态安全建设、资源管理具有重要的指示意义[3-5]。
20世纪末期生态风险评价由化学污染物风险评价、人体健康风险评价转向区域生态风险评价, 并与景观生态学与流域生态学结合得到了快速的发展。评价对象从单一的个体、种群扩展为区域, 评价内容由最初的单因子单风险评价、多因子单风险评价逐步向多因子多风险评价演化[6-7]。目前, 国内外学者运用相对生态风险模型(RRM)、USEPA模型、遥感和GIS空间分析等技术对区域生态风险进行研究并取得了较大的进展。如Angela M和Suzanne M运用相对风险模型[8-10], 通过分析风险源与风险受体之间的关系, 对科多罗斯河流域及俄勒冈朗德河流域进行了生态风险评价。卢亚灵运用USEPA模型, 采用风险受体分析—风险源分析—生态系统易损性分析—风险表征的思路对渤海五省进行风险评价[1]。许妍、张雅洲、许工学等利用遥感与GIS技术对太湖流域、南四湖、辽河三角洲进行了生态风险评价[11-13]。但由于区域尺度大且生态系统复杂, 评价过程中风险源危险性及各指标的计算仍有较大的进步空间。
西南地区位于我国三大灾害带中沿江灾害带与山前灾害带的交汇部位, 特殊的地形和多变的气候以及快速的城镇化使生态系统面临着多种风险源的胁迫。本文以西南地区为研究对象, 从风险源危险性、生态系统潜在损失度、生态系统易损性3个方面分别建立单一风险评价模型, 利用GIS空间叠加分析对区域综合生态风险进行计算。研究结果可为区域生态风险防范和环境管理提供科学依据。
1 研究区概况与数据来源 1.1 研究区概况西南地区包括四川、云南、贵州、广西、重庆五省以及青海和西藏的部分县市, 总面积217.8万km2。该地区处于我国第一阶梯和第三阶梯的过渡带, 以高原、山地和丘陵为主, 地貌类型多样, 地形高差悬殊, 是我国地形最复杂的地区[14]。境内有雅鲁藏布江、金沙江、怒江、澜沧江及长江等重要水系, 气候类型为亚热带季风气候和高原山地气候, 年均降雨量20—2100 mm, 降水时空分异较大, 主要集中在5—9月。生物种类和生态系统类型丰富, 约有20000多种高等植物和2000余种脊椎动物生活在此, 北半球主要生态系统均可以在这里找到(图 1), 是我国重要的生态屏障和生态脆弱区。
1.2 数据来源生态系统类型数据(30 m)来自中国科学院遥感与数字地球研究所;气象数据来源于中国气象局气象中心;DEM(30 m)来自中国科学院计算机网络信息中心地理空间数据云平台;土壤数据来源于基于世界土壤数据库(HWSD)的中国土壤数据集(http://westdc.westgis.ac.cn);地震频率数据来源于中国地震网;气象灾害数据来自中国气象灾害大典; 人口数据和GDP数据来自2015年各省统计年鉴。所以空间数据分析前统一投影方式为WGS_1984_Albers, 数据精度均重采样为250 m×250 m。
2 研究方法基于西南地区的本底特征, 将风险源分为自然灾害风险源和人类活动风险源, 选择森林、灌丛、草地、湿地、农田、裸地、城镇7类生态系统为风险受体, 从风险源危险性、生态系统易损性、生态系统潜在损失度三个层面构建风险评价模型[1, 15]。其中风险源危险性通过相关影响因子进行定量评估所得, 生态系统易损性由环境脆弱性和景观结构脆弱性构成, 生态系统潜在损失用生态系统质量表征。风险计算公式为:
式中, Ri为第i种风险的风险值, Di为第i种风险源的危险性, Vu为生态系统易损性, Va生态系统潜在损失。先对单一风险进行评价, 把各风险评价结果分为少风险、低风险、中风险、高风险4个等级, 通过GIS空间分析得到西南地区综合生态风险等级。
2.1 风险源危险性(Di)风险源指可能对生态系统造成不利影响的一种或多种风险来源, 包括自然灾害和人类活动两大类。本文选取干旱、洪涝、地震、滑坡、泥石流、石漠化、水土流失为自然灾害风险源, 其中干旱、洪水、地震危险性用近50年来灾害发生的频率表示, 滑坡[16-17]、泥石流[18-21]、水土流失[22-27]、石漠化[28-31]危险性用敏感性评价结果表征。人类活动风险源选择人口压力、经济压力、水污染、土壤污染四类, 人口压力和经济压力危险性用人口密度和GDP密度表示, 水污染、土壤污染危险性通过相关影响因子定量评估所得[32](表 1)。
评价指标 Evaluation index |
评价模型 Evaluation model |
评价因子 Evaluation factor |
参数说明 Parameter description |
||
自然灾害风险源 | 地震频率 | FE=n1/50 | 地震次数 | FE为地震频率, n1为近50年地震发生的次数 | |
干旱频率 | FG=n2/50 | 干旱次数 | FG为干旱频率, n2为近50年干旱发生的次数 | ||
洪涝频率 | FF=n3/50 | 洪水次数 | FF为洪涝频率, n3为近50洪涝发生的次数 | ||
滑坡敏感性 | 地形起伏度、地震烈度、生态系统类型、年降雨量、坡度、离断层线距离 | SL为滑坡敏感性, xi为第i个影响因子的量化值, ai为第i个影响因子的权重 | |||
风险源危险性(Di) Danger of risk source(Di) |
泥石流敏感性 | 坡度、坡向、生态系统类型、地震烈度、年降雨量、小流域面积、离断层线距离、日最大降雨量 | SD为滑坡敏感性, xi为第i个影响因子的量化值, ai为第i个影响因子的权重 | ||
水土流失敏感性 | SA=R×K×LS×C | 降雨侵蚀力、土壤可蚀因子、地形因子、植被覆盖因子 | SA:土壤侵蚀模数(t hm-2 a-1), R:降雨侵蚀力因子(MJ mm/hm-2 h-1 a-1), K:土壤可蚀性因子(t hm-2 h hm-2 MJ-1 mm-1), LS:地形因子, C:植被覆盖因子 | ||
石漠化敏感性 | 岩性、生态系统类型、植被覆盖度、坡度 | SRj为j空间单元石漠化敏感性指数, Ci为i因素敏感性等级值 | |||
人类活动风险源 | 人口密度 | DP=P/A | 县域人口数、县域面积 | DP为人口密度, P为以县为单位的人口数(人), A为县域的面积(km2) | |
GDP密度 | DG=G/A | 县域GDP、县域面积 | DG为GDP密度, G为以县为单位的GDP(元), A为县域的面积(km2) | ||
水污染 | Pw=DW×(DI+DR+F) | 水体密度、工业用地密度、建成区密度、化肥使用量 | PW为水污染的危险性值, DW为水体密度、DI为工业用地密度、DR为建成区密度、F为单位面积化肥使用量 | ||
土壤污染 | Ps=F+DI+DR+DM | 化肥使用量、工业用地密度、建成区密度、采矿场密度 | PS为土壤污染危险性值, F为单位面积化肥使用量、DI为工业用地密度、DR为建成区密度, DM为采矿场密度 | ||
生态系统易损性(Vu) Ecosystem vulnerability (Vu) |
环境脆弱性 | 地形因子、地表因子、气象因子、人口因子 | EV为环境脆弱性, xi为第i个影响因子的量化值, ai为第i个影响因子的权重 | ||
景观结构脆弱性 | 斑块密度、景观分离度、景观干扰度 | LVI为景观结构脆弱性值, PD为斑块密度指数, DIVISION为景观分离度指数、LDI景观干扰度指数 | |||
生态系统潜在损失(Va) Potential ecosystem loss(Va) |
生态系统质量 | 森林生态系统生物量、森林生态系统顶级群落像元生物量、草原生态系统植被覆盖度、草原生态系统顶级群落像元植被覆盖度 | RBDi为森林或草地生态系统i像元的相对生态系统质量密度。生态系统类型为森林时, Bi为第i像元的生物量、CCB为森林生态系统顶级群落像元的生物量;生态系统类型为草原时, Bi为第i像元的植被覆盖度、CCB为草地生态系统顶级群落像元的植被覆盖度 |
生态系统易损性表示风险源胁迫下生态系统表现出的易损程度, 易损性值越大, 生态系统稳定性和抵抗外界干扰的能力越弱。本文从环境脆弱性和景观结构脆弱性两面入手, 环境脆弱性考虑地貌、地表、气候和人口4类指标[1], 其中地貌因子包括高程、坡度、起伏度, 地表因子用植被覆盖度表示, 气象因子以干燥度指数表征, 人口因子用人口密度表示, 首先将高程、坡度、相对高度进行加权叠加, 得到地貌环境脆弱性。再将地貌、地表、气候、人类影响因子进行加权叠加得到环境脆弱性结果[33]。景观结构脆弱性选择斑块密度、景观分离度、景观干扰度3个指标, 计算各类生态系统3个景观指数后, 分别对所获得景观指数标准化, 计算其平均值[34-35], 然后将结果赋给各个生态系统类型得到西南地区景观结构脆弱性结果, 环境脆弱性与景观结构脆弱性值进行叠加得到生态系统易损性指数(表 1)。
2.3 生态系统潜在损失度(Va)风险源胁迫下生态系统结构和功能可能受到损害, 从而导致物质迁移、能量流动、信息传递等生态过程发生改变, 进而使生态系统面临不同程度的损失。生态系统质量指一定时间、空间范围内生态系统的整体或部分组分的质量, 是反映生态环境质量和服务功能的重要指标[36-38], 本文用其表示风险源胁迫下生态系统的潜在损失度。主要以生物量数据和植被覆盖度数据为基础, 结合植被区划数据, 对西南地区生态系统质量进行计算[30], 通过研究区实地调查, 将结果划分为5个等级(表 1)。
3 研究结果与分析 3.1 风险源危险性分析(1) 自然灾害风险源
地震危险性较高的地区主要分布在西藏东南部、云南西部以及川西高原, 这些地区分布在龙门山、鲜水河、龙陵-澜沧等断裂带附近, 地质活动频繁, 地震灾害频发。干旱危险性较高的地区主要集中在贵州省的东北部, 广西省的南部, 重庆和云南省的大部, 这与近年来全球气候变暖导致这些地区温度升高、降雨量减少有关。洪涝危险性较高的地区主要分布在四川盆地, 广西的西部, 云贵高原和重庆市的大部, 主要原因是西南地区降雨时空分布差异较大, 汛期这些地方降雨量大且易出现暴雨。滑坡泥石流在西藏的东南部、四川中西部、云南省南部、广西北部危险性较高, 原因是这些地区地质构造不稳定, 山高坡陡, 降雨量大, 孕育了极敏感的受灾环境。石漠化危险性较高的地区主要分布在贵州的西部和南部、云南东部、广西西北部, 这些地区是我国典型的喀斯特地区, 碳酸盐岩分布广且极易淋溶, 在降雨和人类活动的作用下易发生石漠化。水土流失危险性较高的地区主要集中在川滇黔交界、四川盆地北部、云南西部, 这些地区生态环境复杂, 石灰岩、红壤、黄壤、紫色土、黄棕壤所占比例比较大, 土壤可蚀性高, 在降雨的作用下易发生水土流失(图 2)。
(2) 人类活动风险源
西南地区人口和GDP空间分布极为不均匀, 大多集中在东部地势平缓的山间盆地, 其中成都、重庆两个城市的人口平均密度高达万人/平方公里以上, GDP位于全国前列, 对生态系统造成的压力尤为突出。水污染和土壤污染危险性较高的地区主要分布在成都平原、贵州西部山地、重庆市西部、南宁、昆明及周边城市, 原因是这些地方农业较为发达、工业规模较大、人口高度聚集, 对周围生态环境造成了巨大的压力(图 3)。
3.2 生态系统易损性分析西南环境脆弱性较高的地区主要分布在青藏高原和川西高原, 四川盆地、贵州、广西、云南大部分地区生态环境良好, 脆弱性较低。景观结构脆弱性较高的地区主要集中在人为活动较为剧烈的东部地区, 原因是城市化的作用下, 自然景观被不断分割分散, 斑块间距不断增加, 导致景观格局指数较高。生态系统易损性较高的地区主要集中在青藏高原北部、川西北山区、三江源地区、西藏山南和林芝地区东部及南部(图 4)。
3.3 生态系统潜在损失度分析生态系统潜在损失度较高的区域主要分布在川西高原、三江源、念青唐古拉山及云南的无量山和哀牢山等地, 这些地区植被生长良好, 生物量和植被覆盖度较高, 生态系统质量较好(图 5)。西藏和青海的北部地区主要分布着草原和裸地生态系统, 生态环境恶劣, 植被覆盖度较低, 生态系统质量较差, 生态系统潜在损失度较低。
3.4 生态风险结果分析结果表明, 西南地区高风险面积为17.02万km2, 占研究区总面积7.4%, 主要分布在四川的邛崃山、岷山、大渡河流域, 云南的无量山和哀牢山及西藏念青唐古拉峰以南地区, 这些地区地势起伏悬殊、降水充沛、生态环境复杂, 自然灾害易发, 再加上生态系统易损性较大, 生态系统质量较高, 所以生态风险较高;成都、重庆、昆明、贵阳、南宁等城市及其周边由于人类活动频繁、人地作用强烈, 生态风险也较高。中风险区分布较广, 面积为48.24 km2, 占研究区总面积的20.6%, 除西部高寒荒漠、中部和东部的山间盆地外, 大部分区域均有中风险区分布。低风险和少风险区面积为162.3 km2, 占研究区总面积的69%, 主要分布在西藏和青海的北部地区(图 6)。
4 结论与讨论本文针对西南地区面临的多种风险, 从风险源危险性、生态系统易损性、生态系潜在损失度三个方面构建了生态风险评价模型。结果表明:
(1) 西南地区高生态风险区主要沿着念青唐古拉山、横断山脉、邛崃山、哀牢山、无量山、金沙江、怒江、澜沧江、大渡河等山脉和水系分布, 这些地区生态环境复杂, 自然灾害易发, 应加强滑坡、泥石流等地质灾害的防控与监测, 尽量降低灾害造成的损失, 继续推进天保工程、退耕还林工程, 降低生态系统脆弱性, 提高抗风险能力。
(2) 成都、重庆、昆明、南宁等城市及周边地区是西南地区人口高聚集地, 人类活动频繁, 人地作用强烈, 生态风险也较高, 应提高土地利用效率, 控制人类过度开发, 优化产业结构和空间布局, 推广有机农业, 降低人口和经济压力对生态系统的影响。
(3) 藏北和青海北部的草原、荒漠地区生态风险等级较低, 但是由于环境脆弱性较高, 一旦受到风险源胁迫, 难以得到恢复和重建。因此应该加强生态环境建设, 预防本来脆弱的, 生态环境遭到破坏, 防患于未然。
本文在研究方法上, 用环境脆弱性和景观结构脆弱性表征易损性, 用生态系统质量表征潜在损失, 诠释了生态系统结构与过程的互馈关系, 有利于在基理层面上理解风险受体受到风险源胁迫时的状态变化。然而, 由于区域生态系统的复杂性, 本研究仍存在不足:风险源危险性评价过程中指标分级和取值仍存在较大的不确定性, 需结合专家、当地居民和政府部门意见进行修正;从理论上讲, 不同风险源胁迫下生态系统的受损程度是不同的, 但是目前区域多风险源和多生态系统相互作用背景下, 生态系统受损程度的差异仍然较难甄别, 今后研究应重点关注风险源胁迫下生态系统结构与功能互作关系, 进一步探讨生态系统受损程度的差异;生态系统潜在损失度方面, 单用生态系统质量表征生态系统潜在损失显得不够全面, 如经济、文化等方面的损失考虑较少, 需进一步完善;由于风险间相互作用的复杂性, 综合风险分析过程中各风险的权重设定仍存在较大的不确定性, 所以应结合野外调查进一步优化。
[1] | 卢亚灵, 徐丽芬, 马宗文, 颜磊, 许工学. 环渤海五省市生态风险评价. 生态学杂志, 2012, 31(1): 227–234. |
[2] | 曾建军, 邹明亮, 郭建军, 李凯, 杨超, 陈冠光, 岳东霞.生态风险评价研究进展综述.环境监测管理与技术, 2017, 29(1): 1-5, 10-10. http://www.cnki.com.cn/Article/CJFDTotal-HJJS201701001.htm |
[3] | 周婷, 蒙吉军. 区域生态风险评价方法研究进展. 生态学杂志, 2009, 28(4): 762–767. |
[4] | Kanwar P, Bowden W B, Greenhalgh S. A regional ecological risk assessment of the Kaipara Harbour, New Zealand, using a relative risk model. Human and Ecological Risk Assessment:An International Journal, 2015, 21(4): 1123–1146. DOI:10.1080/10807039.2014.976046 |
[5] | Chen Q Y, Liu J L. Development process and perspective on ecological risk assessment. Acta Ecologica Sinica, 2014, 34(5): 239–245. DOI:10.1016/j.chnaes.2014.05.005 |
[6] | 孙洪波, 杨桂山, 苏伟忠, 万荣荣. 生态风险评价研究进展. 生态学杂志, 2009, 28(2): 335–341. |
[7] | Landis W G. Twenty years before and hence; ecological risk assessment at multiple scales with multiple stressors and multiple endpoints. Human and Ecological Risk Assessment:An International Journal, 2003, 9(5): 1317–1326. DOI:10.1080/10807030390248500 |
[8] | Chen S Q, Chen B, Fath B D. Ecological risk assessment on the system scale:a review of state-of-the-art models and future perspectives. Ecological Modelling, 2013, 250: 25–33. DOI:10.1016/j.ecolmodel.2012.10.015 |
[9] | Obery A M, Landis W G. A regional multiple stressor risk assessment of the Codorus creek watershed applying the relative risk model. Human and Ecological Risk Assessment:An International Journal, 2002, 8(2): 405–428. DOI:10.1080/20028091056980 |
[10] | Anderson S M, Landis W G. A pilot application of regional scale risk assessment to the forestry management of the upper Grande Ronde Watershed, Oregon. Human and Ecological Risk Assessment:An International Journal, 2012, 18(4): 705–732. DOI:10.1080/10807039.2012.688696 |
[11] | 付在毅, 许学工, 林辉平, 王宪礼. 辽河三角洲湿地区域生态风险评价. 生态学报, 2001, 21(3): 365–373. DOI:10.3321/j.issn:1000-0933.2001.03.004 |
[12] | 张雅洲, 谢小平. 基于RS和GIS的南四湖生态风险评价. 生态学报, 2015, 35(5): 1371–1377. |
[13] | 徐羽, 钟业喜, 冯兴华, 徐丽婷, 郑林. 鄱阳湖流域土地利用生态风险格局. 生态学报, 2016, 36(23): 7850–7857. |
[14] | 丁俊, 魏伦武, 赖绍民, 郑万模, 倪师军, 张成江.我国西南地区城市地质灾害与防治对策.中国地质灾害与防治学报, 2004, 15(S1): 119-122, 146-146. http://www.cnki.com.cn/Article/CJFDTotal-ZGDH2004S1026.htm |
[15] | 许妍, 高俊峰, 郭建科. 太湖流域生态风险评价. 生态学报, 2013, 33(9): 2896–2906. |
[16] | 祁元, 刘勇, 杨正华, 徐瑱, 方苗. 基于GIS的兰州滑坡与泥石流灾害危险性分析. 冰川冻土, 2012, 34(1): 96–104. |
[17] | 杜悦悦, 彭建, 赵士权, 胡智超, 王仰麟. 西南山地滑坡灾害生态风险评价——以大理白族自治州为例. 地理学报, 2016, 71(9): 1544–1561. |
[18] | Ohlmacher G C, Davis J C. Using multiple logistic regression and GIS technology to predict landslide hazard in northeast Kansas, USA. Engineering Geology, 2003, 69(3/4): 331–343. |
[19] | Lee S, Pradhan B. Probabilistic landslide hazards and risk mapping on Penang Island, Malaysia. Journal of Earth System Science, 2006, 115(6): 661–672. DOI:10.1007/s12040-006-0004-0 |
[20] | 王春山, 巴仁基, 周洪福, 刘宇杰, 邓国仕.四川省石棉县县城泥石流灾害风险评估.水土保持研究, 2014, 21(4): 219-223, 228-228. http://www.cnki.com.cn/Article/CJFDTotal-STBY201404044.htm |
[21] | 铁永波, 唐川.汶川县城泥石流灾害风险评价研究.灾害学, 2010, 25(4): 43-47, 53-53. http://www.cnki.com.cn/Article/CJFDTotal-ZHXU201004010.htm |
[22] | 王效科, 欧阳志云, 肖寒, 苗鸿, 傅伯杰. 中国水土流失敏感性分布规律及其区划研究. 生态学报, 2001, 21(1): 14–19. DOI:10.3321/j.issn:1000-0933.2001.01.003 |
[23] | 王娇, 程维明, 祁生林, 周成虎, 张文杰, 仝迟鸣. 基于USLE和GIS的水土流失敏感性空间分析——以河北太行山区为例. 地理研究, 2014, 33(4): 614–624. |
[24] | 李晓松, 吴炳方, 王浩, 张瑾. 区域尺度海河流域水土流失风险评估. 遥感学报, 2011, 15(2): 372–387. |
[25] | Rao E M, Ouyang Z Y, Yu X X, Xiao Y. Spatial patterns and impacts of soil conservation service in China. Geomorphology, 2014, 207: 64–70. DOI:10.1016/j.geomorph.2013.10.027 |
[26] | Rao E M, Xiao Y, Ouyang Z Y, Zheng H. Changes in ecosystem service of soil conservation between 2000 and 2010 and its driving factors in southwestern China. Chinese Geographical Science, 2016, 26(2): 165–173. DOI:10.1007/s11769-015-0759-9 |
[27] | 谢余初, 巩杰, 赵彩霞. 甘肃白龙江流域水土流失的景观生态风险评价. 生态学杂志, 2014, 33(3): 702–708. |
[28] | Jiang Z C, Lian Y Q, Qin X Q. Rocky desertification in Southwest China:impacts, causes, and restoration. Earth-Science Reviews, 2014, 132: 1–12. DOI:10.1016/j.earscirev.2014.01.005 |
[29] | Yang Q Q, Wang K L, Zhang C H, Yue Y M, Tian R C, Fan F D. Spatio-temporal evolution of rocky desertification and its driving forces in karst areas of Northwestern Guangxi, China. Environmental Earth Sciences, 2011, 64(2): 383–393. DOI:10.1007/s12665-010-0861-3 |
[30] | 肖荣波, 欧阳志云, 王效科, 赵同谦. 中国西南地区石漠化敏感性评价及其空间分析. 生态学杂志, 2005, 24(5): 551–554. DOI:10.3321/j.issn:1000-4890.2005.05.018 |
[31] | 赖长鸿, 覃家作, 张文, 刘波, 蔡凡隆, 李绪佳. 四川省石漠化敏感性评价及其空间分布特征. 水土保持研究, 2013, 20(4): 99–104. |
[32] | 张小飞, 王如松, 李正国, 李锋, 吴健生, 黄锦楼, 于盈盈. 城市综合生态风险评价——以淮北市城区为例. 生态学报, 2011, 31(20): 6204–6214. |
[33] | 许学工, 颜磊, 徐丽芬, 卢亚灵, 马禄义. 中国自然灾害生态风险评价. 北京大学学报.自然科学版, 2011, 47(5): 901–908. |
[34] | 王娟, 崔保山, 姚华荣, 刘世梁. 纵向岭谷区澜沧江流域景观生态安全时空分异特征. 生态学报, 2008, 28(4): 1681–1690. DOI:10.3321/j.issn:1000-0933.2008.04.039 |
[35] | Griffith J A, Martinko E A, Price K P. Landscape structure analysis of Kansas at three scales. Landscape and Urban Planning, 2000, 52(1): 45–61. DOI:10.1016/S0169-2046(00)00112-2 |
[36] | 陈强, 陈云浩, 王萌杰, 蒋卫国, 候鹏, 李营. 2001-2010年洞庭湖生态系统质量遥感综合评价与变化分析. 生态学报, 2015, 35(13): 4347–4356. |
[37] | 潘竟虎, 董磊磊. 2001-2010年疏勒河流域生态系统质量综合评价. 应用生态学报, 2016, 27(9): 2907–2915. |
[38] | 肖洋, 欧阳志云, 王莉雁, 饶恩明, 江陵, 张路. 内蒙古生态系统质量空间特征及其驱动力. 生态学报, 2016, 36(19): 6019–6030. |