2022, Vol. 42文章信息
- 潘耀, 尹云鹤, 侯文娟, 韩皓爽
- PAN Yao, YIN Yunhe, HOU Wenjuan, HAN Haoshuang
- 基于土地利用及植被覆盖变化的黄河源区生境质量时空变化特征
- Spatiotemporal variation of habitat quality in the Source Region of the Yellow River based on land use and vegetation cover changes
- 生态学报. 2022, 42(19): 7978-7988
- Acta Ecologica Sinica. 2022, 42(19): 7978-7988
- http://dx.doi.org/10.5846/stxb202105131254
-
文章历史
- 收稿日期: 2021-05-13
- 网络出版日期: 2022-05-24
2. 中国科学院大学, 北京 100049
2. University of Chinese Academy of Sciences, Beijing 100049, China
生境质量反映了区域生态系统可提供给系统内动植物生存和延续所需的自然资源的质量[1], 生境质量的高低是衡量生态环境水平好坏的重要指标[2]。盲目的土地开发、建设扩张等引起的大规模土地利用方式、强度及格局的改变, 将可能导致生境破碎化和生境退化[3—4]。因此, 监测评估生境质量的变化对区域生态建设与土地规划具有重要意义[5]。
黄河源区位于青藏高原腹地, 是黄河上游重要的水源涵养区[6], 是打赢脱贫攻坚战的重要区域, 在我国经济社会发展和生态安全建设方面具有十分重要的地位[7]。由于其复杂的地形和独特的高寒地理环境条件下的脆弱生态系统, 对全球变化和人类干预响应十分敏感[8—9]。人类干扰下的黄河源区发生生境退化[10—11], 湖泊面积变化[12]、冰川萎缩[13]、冻土退化[12]、草地退化[14]、荒漠化[12]等生态问题, 且有持续的趋势。为遏制此趋势, 国家自21世纪初在该地区实施了一系列生态保护工程[15]：2002年正式批准西部省区实施“退牧还草”工程, 黄河源区于2011年开始实施第一轮草原生态保护补助奖励政策(2011—2015年)[15], 同时2005年开展三江源区生态保护和建设一期工程[16]。此间区域生长季归一化植被指数(NDVI)总体水平上升[17], 虽然该区域草地退化趋势得到有效遏制[16], 但生态整体退化趋势并未得到根本遏制[18]。由此可见, 分析评估该区2000年及2015年生境质量的变化, 将为青藏高原国家公园建设及生态安全屏障体系优化提供科学支撑, 该研究对于保障区域生态安全具有重要作用。
伴随着人类活动和气候影响不断加剧情况下, 许多区域发现生境质量普遍下降[5]。人类活动主导下的土地利用变化是导致生境质量变化的重要因素之一[19—20]。除了土地利用方式带来的改变之外, 植被类型、结构与生长状况也影响部分区域野生动物物种的适宜性, 成为区域生境质量形成的主要驱动因素[21—23]。不同物种对自然资源的数量和质量有所权衡[24], 物种偏好选择特定植被类型作为生境[25]。植被结构及其垂直异质性与自然资源的多样性和可用性、庇护以及栖息繁殖或产卵场所选择直接相关, 这些特性成为生境适宜性和物种生态位的驱动因素[21]。植被生长状况的空间差异, 被用以考量每个物种当前生境的适宜性[26—27]。然而多数研究围绕土地利用下的生境质量的时空变化开展[28—30], 并且发现NDVI和生境质量之间具有强相关性[31—32], 但较少考虑同一种植被类型生长结构差异下的生境质量[33]。归一化植被指数(NDVI)被认为是揭示植被生长状态及植被覆盖动态的最佳指示因子, 是监测区域植被和生态环境变化的有效指标[6]。在土地利用变化相对较小, NDVI变化较显著的区域背景下, 耦合NDVI与区域土地利用两者评估的生境质量结果与青藏高原总体暖湿的背景相符[34]。本文基于InVEST模型评估结果, 对生境质量的评估中耦合了生长季NDVI为指示因子的植被覆盖, 以此改进生境质量评估结果。
本文利用2000年和2015年的土地利用数据和遥感植被指数数据, 系统定量评估植被状况变化和人类活动共同影响下黄河源区的生境质量变化, 并探讨其变化的影响因素与驱动机制。研究有助于制定青藏高原国家生态安全屏障功能优化措施, 也可为更好地实现人与自然和谐发展提供科学依据。
1 数据与方法 1.1 研究区概况本文的研究区域主要为黄河源区。黄河源区(97°1′—99°14′N, 33°55′—35°28′E, 图 1)位于三江源自然保护区腹地, 地形为中间低、四周高, 该地区平均海拔在4000m以上。黄河源园区位于果洛州玛多县境内, 包括三江源国家级自然保护区的扎陵湖-鄂陵湖和星星海2个自然保护分区。总面积超过1.91万km2, 行政区域涉及玛多县黄河乡、扎陵湖乡、玛查理镇等19个行政村。
|
| 图 1 黄河源区范围示意图 Fig. 1 Location of the Source Region of the Yellow River |
黄河源区属于典型的高原大陆性气候, 特征表现为冷热两季交替、干湿两季分明、年温差小、日温差大、日照时间长、辐射强烈。全年平均气温约-2℃, 年平均降水量约为437mm, 整体由西北向东南递减[35]。
1.2 数据 1.2.1 土地利用数据土地利用数据来源于资源环境科学与数据中心(http://www.resdc.cn/)的2000、2015年全国土地利用现状数据集。该数据集以30m×30m分辨率的遥感数据为基础, 通过人机交互解译方法生成[36]。
1.2.2 道路数据本文使用的国道数据来源于北京大学城市与环境学院地理数据平台(http://geodata.pku.edu.cn)的2000、2015年的交通数据集。
1.2.3 植被指数本研究所采用的2000、2015年植被指数数据为地理空间数据云的500m NDVI月合成产品(http://www.gscloud.cn/)。由于研究区所在的青藏高原独特的气候特点, 采用5月至9月生长季NDVI均值表征植被生长状况[37]。
1.3 方法 1.3.1 生境质量评估InVEST生境质量模型通过识别研究区受到的外界威胁强度和研究区中各类景观对威胁的敏感性, 计算研究区的生境质量[38]。但即使是同一种生境类型, 由于当年的植被生长结构差异不同, 也会造成生境质量区域间的差异[33]。利用生长季NDVI的均值表征植被覆盖, 改进生境质量模型的生境质量结果：
|
(1) |
式中, Qx为栅格x的生境质量, Qi为InVEST生境质量模型评估的生境质量, MNDVI为栅格x的生长季NDVI均值。
InVEST模型计算生境质量, 基于生境类型所受到的总威胁水平, 采用半饱合函数来计算生境质量得分：
|
(2) |
式中, Ht是生境适宜性, K是半饱和常数(通常取值0.05), z为反映空间异质性的尺度参数, Dxj为土地类型t下网格单元格x的总威胁等级[39]。InVEST模型输出生境质量分布, 得分为0—1, 得分越高, 生境质量越高[40]。
计算在土地利用/覆盖(LULC)或生境类型t中栅格x的总威胁水平, 表示如下：
|
(3) |
式中, y是指r威胁栅格图上的所有栅格, Yr是指r威胁栅格图上的一组栅格。wr为威胁R的影响权重(表 1), R为威胁的个数, ry为每个栅格上胁迫因子的个数, irxy为威胁r在栅格x的生境对栅格y的影响, βx为网格单元x的可达性(通常视作1)；Str表示土地类型t对威胁因子r的相对敏感性(表 2)。
|
(4) |
|
(5) |
| 威胁因子 Threat |
最大影响距离/km Maximum impact distance |
权重 Weight |
距离衰减方式 Decay |
| 居住地Settlement | 3 | 1 | 指数 |
| 耕地Farmland | 8 | 0.7 | 线性 |
| 国道Road | 3 | 1 | 线性 |
| 一级地类 First-class type |
二级地类 Second-class type |
生境适宜性 Suitability |
居住地 Settlement |
耕地 Farmland |
国道 Road |
| 耕地Farmland | 旱地 | 0.5 | 0.7 | 0 | 0.6 |
| 林地Foerst land | 有林地 | 1 | 1 | 0.8 | 0.8 |
| 灌木林 | 0.85 | 0.9 | 0.7 | 0.7 | |
| 疏林地 | 0.9 | 1 | 0.8 | 0.8 | |
| 其他林地 | 0.8 | 1 | 0.8 | 0.8 | |
| 草地Grassland | 高覆盖草地 | 0.8 | 0.9 | 0.7 | 0.7 |
| 中覆盖草地 | 0.75 | 0.9 | 0.7 | 0.7 | |
| 低覆盖度草地 | 0.7 | 0.9 | 0.7 | 0.7 | |
| 水域Water area | 河渠 | 0.7 | 1 | 0.8 | 0.8 |
| 湖泊 | 0.7 | 1 | 0.8 | 0.8 | |
| 水库坑塘 | 0.7 | 1 | 0.8 | 0.8 | |
| 滩涂 | 0.7 | 1 | 0.8 | 0.8 | |
| 滩地 | 0.7 | 1 | 0.8 | 0.8 | |
| 永久性冰川雪地 | 0 | 0 | 0 | 0 | |
| 建设用地Built-up land | 居住地(城镇用地、农村居民点) | 0.1 | 0 | 0.3 | 0.3 |
| 其他建设用地 | 0 | 0 | 0 | 0 | |
| 未利用土地Unused land | 沙地 | 0.2 | 0.7 | 0.5 | 0.5 |
| 戈壁 | 0.2 | 0.7 | 0.5 | 0.5 | |
| 盐碱地 | 0.2 | 0.7 | 0.5 | 0.5 | |
| 沼泽地 | 0.7 | 1 | 0.8 | 0.8 | |
| 裸土地 | 0.2 | 0.7 | 0.5 | 0.5 | |
| 裸岩石质地 | 0.2 | 0.7 | 0.5 | 0.5 | |
| 其他 | 0.2 | 0.7 | 0.5 | 0.5 |
式中, dxy为像素x到像素y的距离；dr_max为r威胁的最大作用距离(表 1)。
1.3.2 InVEST生境质量模型参数InVEST基于各土地利用类型受威胁因子的的影响程度计算生境质量。InVEST模型中每个威胁因子数据的栅格单元格都包含一个值, 该值指示威胁的存在(值为1), 或威胁的不存在(值为0)。对黄河源区生境质量产生影响的威胁因子定义为：居住地、耕地、国道。
参考文献取值[41—43], 并结合研究区特征, 综合考虑威胁因子的影响距离及权重(表 1)、不同土地利用类型的生境适宜度及其对不同威胁源的相对敏感程度(表 2)。
1.3.3 全局最小二乘回归(OLS)和地理加权回归(GWR)分析OLS模型普遍用于分析两个或者多个变量的相关关系：
|
(6) |
式中, β0为截距, xk为第k个解释变量的值, βk为第k个解释变量的斜率或回归系数, ε为残差。
地理加权回归允许被解释变量与解释变量之间的关系随空间位置发生变化。GWR模型的结构为[44]：
|
(7) |
式中, (ui, vi)为第i个样本空间单元的地理中心坐标, β0(ui, vi)为位置i的截距, βj(ui, vi)关于独立变量xji局部估计系数, εi(i=1, 2, …, k)是均值为0, 方差为σ2的误差项。
2 结果分析 2.1 黄河源区生境质量时空格局研究区2000年生境质量均值为0.28, 2015年生境质量均值0.32。相较于2000年, 2015年黄河源生境质量总体平均提升11.47%。主要是因为, 较低生境质量(0—0.2)的区域面积下降, 尤其是生境质量最低的区域(0—0.1)减少了2625.98km2。相对中值(>0.2—0.5)的区域面积显著增加, 相对增加了24.72%。生境质量较高值区(>0.5—0.7)面积小幅增加, 相对增加了0.42%(表 3)。
| 分值区间 Value interval |
2000年 | 2015年 | |||
| 面积/km2 Area |
比例/% Ratio |
面积/km2 Area |
比例/% Ratio |
||
| 0—0.1 | 3287.9 | 17.31 | 661.92 | 3.48 | |
| 0.1—0.2 | 2434.27 | 12.82 | 2159.44 | 11.37 | |
| 0.2—0.3 | 4906.91 | 25.83 | 6847.52 | 36.05 | |
| 0.3—0.4 | 5735.88 | 30.20 | 6275.10 | 33.04 | |
| 0.4—0.5 | 1063.74 | 5.60 | 1478.10 | 7.78 | |
| 0.5—0.6 | 23.86 | 0.13 | 30.41 | 0.16 | |
| 0.6—0.7 | 1540.78 | 8.11 | 1540.85 | 8.11 | |
从图 2可以看出, 黄河源区生境质量呈由北向南增加的空间分布特征。研究区生境质量指数的主要构成范围是0.2—0.5, 其次是0.5—0.7的相对高值区以及0—0.2的相对低值区。其中2000年生境质量为0.2—0.5的相对中值区占区域面积的61.63%, 2015年相对中值区的区域面积占比为76.87%。生境质量指数在0.2—0.5之间的区域除北部较少, 均匀分布在研究区。生境质量相对高值区分布在研究区中部及南部, 2000年及2015年相对高值区平均面积占比8.26%。低值区主要分布在北部的布青山, 东北部高海拔区及中东部的黄河沿岸, 2000年及2015年相对低值区平均面积占比22.49%。
|
| 图 2 2000年和2015年黄河源区生境质量空间分布 Fig. 2 Spatial distribution of habitat quality in the Source Region of the Yellow River in 2000 and 2015 |
与2000年相比, 2015年黄河源区约17%的土地面积发生土地利用类型的变化, 约有83%的土地利用类型面积未发生变化(表 4)。未利用土地变化量最大(占土地利用类型增减总面积的49.4%), 其次是草地(48.2%)及水域(2.3%), 其他地类的总变化量相对较小。未利用土地和草地的主导变化是净变化, 净变化量占对应土地利用类型总变化量的89.6%和86.2%, 其中未利用土地以数量的减少为主, 草地以数量的增加为主。其次林地和建设用地的变化也表现为净变化, 净变化量为对应土地利用类型的总变化量。水域的主导变换类型为交换变化, 在2015年部分水域面积损失的同时获得其他土地利用类型转换而来的水域增加面积。
| 年份 Year |
地类 Land use type |
2015 | |||||||
| 耕地 Farmland |
林地 Foerst land |
草地 Grassland |
水域 Water area |
建设用地 Built-up land |
未利用土地 Unused land |
面积减少量/km2 Area decrease |
|||
| 面积占比/% Ratio |
0 | 0.28 | 85.30 | 8.90 | 0.01 | 5.51 | |||
| 耕地 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | |
| 2000 | 林地 | 0.28 | 0 | 53.79 | 0 | 0.05 | 0 | 0 | 0.05 |
| 草地 | 72.47 | 0 | 0 | 13434.57 | 31.98 | 1.73 | 295.77 | 329.47 | |
| 水域 | 8.15 | 0 | 0 | 1.98 | 1545.69 | 0 | 0.97 | 2.96 | |
| 建设用地 | 0 | 0 | 0 | 0 | 0 | 0.15 | 0 | 0 | |
| 未利用土地 | 19.09 | 0 | 0 | 2763.85 | 113.53 | 0.16 | 749.13 | 2877.54 | |
| 面积增加量/km2 | 0 | 0 | 2765.83 | 145.56 | 1.89 | 296.74 | 3210.02 | ||
从总体上来看, 2000年与2015年间黄河源区土地利用类型以草地为主, 其中约20%的面积为水域和未利用土地。地类间的转移主要表现为未利用土地向草地的转移, 相较于2000年, 2015年草地面积增加了17.7%。
2.2.2 植被覆盖空间变化格局2000年及2015年黄河源植被生长季NDVI空间分布如图 3所示, 黄河源区植被覆盖区NDVI总体空间分布格局为南高北低。NDVI小于0.15的区域主要出现在黄河源中东部的沙地, 除此之外, 低值出现在北部布青山附近、西南边缘及东部高海拔山区。植被覆盖在0.3—0.6的区域约占黄河源面积的72%, 主导黄河源区现有NDVI分布格局。其中, 黄河源区林地和草地植被类型的NDVI均值分别为0.56和0.4, 相比2000年, 2015年对应类型的NDVI增幅分别为2.57%及0.95%。
|
| 图 3 黄河源区植被覆盖区2000年和2015年生长季NDVI(其中蓝色区域为水域) Fig. 3 Growing season NDVI in the Source Region of the Yellow River in 2000 and 2015(The blue areas are water) |
为了识别生境质量变化对土地利用变化响应的空间分异特征, 本文建立0.5km×0.5km的单元网格, 利用ArcGIS中的GWR工具以生境质量变化量为因变量, NDVI变化量、土地利用变化量为自变量, 计算分析土地利用类型转移区域因素间的相关关系。黄河源区未利用土地及草地覆盖面积90%以上, 这两种土地利用类型能够代表区域土地利用变化, 但经最小二乘模型计算发现两者具有共线性, 最终选用NDVI、草地变化面积作为自变量进行分析(图 4)。
|
| 图 4 生境质量变化影响因子的GWR模型回归系数空间分布(灰色为背景)(The gray area is the background) Fig. 4 Spatial distribution of the regression coefficients of influencing factors of habitat quality change in the GWR model |
从空间尺度上看, NDVI及草地变化对生境质量影响的空间差异较大。NDVI系数值整体上呈现西高东低, 相对于草地面积变化, NDVI对生境质量的正面影响显著, 回归系数从0.171到1.331, NDVI变化在黄河源生境质量的变化占据重要影响。表明随着植被覆盖的增加, 黄河源区的生境质量受到的正面影响程度逐渐加深。草体变化与生境质量变化总体呈正相关关系, 其回归系数呈由北向南增加的趋势。说明黄河源区草地面积的变化对生境质量的影响从北至南逐渐增强, 从而有必要提高黄河源区南部草地面积以获得更高的生态效益。其中, 黄河源区东南角的邹玛曲、勒那曲、尕拉曲附近, 及岗纳格玛错附近区域的NDVI变化与生境质量变化相关性较强, 生境质量显著增加。NDVI变化与生境质量变化相关性比较小的地方出现在阿涌该马错以东的区域, 该区域位于黄河源区核心保育区的东北端。草地变化与生境质量变化相关性低值出现在北缘布青山前及黄河乡的黄河流域周围, 这与生境质量的相对较低值的范围一致。
3 讨论本文基于土地利用并耦合NDVI所表征的植被覆盖情况, 对黄河源区生境质量进行评价, 研究结果具有合理性。本研究的生境质量结果与Fan等[45]的基于InVEST模型计算的的三江源生境质量研究结果、徐建英等[46]的基于InVEST模型计算的黄河源区在内的生境质量相比较, 具有基本一致的空间分布差异, 呈现自北向南增加的趋势。
从空间分布上来看, 由于本研究考虑NDVI为植被覆盖指示因子对InVEST的生境质量结果进行了改进, 研究植被覆盖变化下的不同时期黄河源区生境质量, 研究区NDVI变化主导了生境质量的空间分布格局。
从时间变化来看, 2000年和2015年间有17%的区域发生了土地利用变化, 主要发生在未利用土地向草地的转移。相较于2000年, 2015年草地面积增加了17.7%。建设用地、道路等生境胁迫因子未发生较大变化。2000年及2015年生境质量的发生变化的主导因子是NDVI的变化。土地利用类型的转移对黄河源区的生境质量变化贡献相对较小, 草地变化与生境变化的最大相关性仅为0.003。相较于2000年, 2005年NDVI平均增幅为3.18%, 区域生境质量均值也从0.28提升为0.32。
目前, 对生境质量的评估从两个方面进行考虑, 一方面是地类本身的生境质量差异, 另一方面考虑人类活动等对生境质量的威胁。多数研究基于InVEST模型开展生境质量评估, 评价人类干扰下的区域生境质量[41]。若考虑不同地类本身带来的生境质量差异, 有学者从不同植被类型有不同的生境适宜度角度开展研究, 利用NDVI修正不同年份的生境适宜性, 将此生境适宜度输入InVEST模型计算生境质量。此方法基于拉萨河流域1990—2015土地覆被变化相对较小, NDVI变化较显著的区域背景, 对不同植被类型各年份的生境适宜度进行修正, 评估生境质量的结果与青藏高原总体暖湿的背景相符[34]。有学者认为即使是同一种土地利用类型但植被生长状况不同, 可将植被生长状况的表征因子改进InVEST模型的生境质量评估结果[33]。此外, 有观点认为应综合考虑NDVI和植被净初级生产力(NPP)作为某一地类为物种提供服务的能力的表征[31]。
模型参数的本地化, 需要结合野外与长期的生态学研究。应用InVEST生境质量模型时, 目前的研究主要依赖于专家知识来定义模型参数[41], 而参数取值的过程不可避免会深受专家主观性的影响。因而需要加强实地和长期的观测研究, 改善生境质量模型参数化方案, 包括对不同土地利用类型的生境适宜性、威胁影响特征和退地利用类型的威胁敏感性参数的优化[47]。对不同的物种, 模型参数应该设置的不同, 因为不同物种对生境及植被覆盖的要求不同[41]。在下一步研究中, 将考虑如何综合不同的植被指标, 评估生境质量。
对于InVEST生境质量模型评估的结果而言, 由于目前生物多样性无法进行定量评估, 很难验证[24]。由于缺乏遥感对区域大尺度生境质量的定量和直接监测指标, 目前只能基于威胁进行间接的生境质量评价[48]。InVEST生境质量模型中, 认为土地利用类型的生境适宜性越高, 受威胁的距离越远, 生境质量越高。这种评估方法是对现实过程的简化, 忽视了许多可变因素和未知过程, 虽然不能很好地反映当地的生物多样性水平, 但结合植被指数, 最终的综合评估结果在一定程度上反映了区域生物多样性维持的能力和受干扰的程度。
4 结论本研究基于2000年和2015年土地利用现状遥感监测数据, 结合NDVI对黄河源区生境质量进行了空间评估, 并揭示了生境质量变化与NDVI变化、土地利用变化之间的空间关系。通过与以专家为基础的方法和明确的空间方法相结合, 本研究以高空间分辨率在黄河源范围内评估生境状况。主要结论如下：
(1) 相对于2000年, 2015年黄河源区生境质量总体提升11.47%, 研究区的南部及中部生境质量增加明显。然而北部的布青山、东北部高海拔区及中东部的黄河沿岸生境质量仍然较低。
(2) 2000年与2015年地类间的转移主要表现为未利用土地向草地的转移, 相较于2000年, 2015年草地面积增加了17.7%。
(3) 研究区植被生长季NDVI总体增加, 平均增幅达3.18%。其中林地和草地植被类型的NDVI均值分别为0.56和0.4, 相比2000年, 2015年对应类型的NDVI增幅分别为2.57%及0.95%。
(4) 空间上, 生境质量和NDVI总体空间分布格局一致, 为南高北低。时间上, NDVI变化主导着区域生境质量的变化。草体面积变化与生境质量变化总体呈正相关关系, 且自北向南两者相关性逐渐增强。
| [1] |
刘孟竹, 张红娟, 王彦芳, 裴宏伟. 基于土地利用的北方农牧交错带生境质量研究. 水土保持研究, 2021, 28(3): 156-162. |
| [2] |
张华, 韩武宏, 宋金岳, 李明. 祁连山国家公园生境质量时空演变. 生态学杂志, 2021, 40(5): 1419-1430. |
| [3] |
Sun X Y, Jiang Z, Liu F, Zhang D Z. Monitoring spatio-temporal dynamics of habitat quality in Nansihu Lake basin, eastern China, from 1980 to 2015. Ecological Indicators, 2019, 102: 716-723. DOI:10.1016/j.ecolind.2019.03.041 |
| [4] |
Luan W F, Li X. Rapid urbanization and its driving mechanism in the Pan-Third Pole region. Science of the Total Environment, 2021, 750: 141270. DOI:10.1016/j.scitotenv.2020.141270 |
| [5] |
Wu R D. China's ecosystems: focus on biodiversity. Science, 2016, 353(6300): 657-657. |
| [6] |
刘启兴, 董国涛, 景海涛, 周俊利, 党素珍, 贾培培. 2000-2016年黄河源区植被NDVI变化趋势及影响因素. 水土保持研究, 2019, 26(3): 86-92. |
| [7] |
习近平. 在黄河流域生态保护和高质量发展座谈会上的讲话. 求是, 2019(20): 4-11. |
| [8] |
孙鸿烈, 郑度, 姚檀栋, 张镱锂. 青藏高原国家生态安全屏障保护与建设. 地理学报, 2012, 67(1): 3-12. |
| [9] |
Hu Y R, Maskey S, Uhlenbrook S. Trends in temperature and rainfall extremes in the Yellow River source region, China. Climatic Change, 2012, 110(1/2): 403-429. |
| [10] |
Liang S, Ge S, Wan L, Zhang J. Can climate change cause the Yellow River to dry up?. Water Resources Research, 2010, 46(2): W02505. |
| [11] |
Pan B Z, Wang Z Y, Li Z W, Yu G A, Xu M Z, Zhao N, Brierley G. An exploratory analysis of benthic macroinvertebrates as indicators of the ecological status of the Upper Yellow and Yangtze Rivers. Journal of Geographical Sciences, 2013, 23(5): 871-882. DOI:10.1007/s11442-013-1050-6 |
| [12] |
Liu J, Milne R I, Cadotte M W, Wu Z Y, Provan J, Zhu G F, Gao L M, Li D Z. Protect Third Pole's fragile ecosystem. Science, 2018, 362(6421): 1368-1368. DOI:10.1126/science.aaw0443 |
| [13] |
Jiang C, Zhang L B. Climate change and its impact on the eco-environment of the three-rivers headwater region on the Tibetan Plateau, China. International Journal of Environmental Research and Public Health, 2015, 12(10): 12057-12081. DOI:10.3390/ijerph121012057 |
| [14] |
Jiang C, Zhang L B. Effect of ecological restoration and climate change on ecosystems: a case study in the Three-Rivers Headwater Region, China. Environmental Monitoring and Assessment, 2016, 188(6): 382. DOI:10.1007/s10661-016-5368-2 |
| [15] |
徐田伟, 赵新全, 耿远月, 王循刚, 毛绍娟, 徐世晓. 黄河源区生态保护与草牧业发展关键技术及优化模式. 资源科学, 2020, 42(3): 508-516. |
| [16] |
邵全琴, 樊江文, 刘纪远, 黄麟, 曹巍, 徐新良, 葛劲松, 吴丹, 李志强, 巩国丽, 聂学敏, 贺添, 王立亚, 邴龙飞, 李其江, 陈卓奇, 张更权, 张良侠, 杨永顺, 杨帆, 周万福, 刘璐璐, 祁永刚, 赵国松, 李愈哲. 三江源生态保护和建设一期工程生态成效评估. 地理学报, 2016, 71(1): 3-20. |
| [17] |
神祥金, 张佳琦, 吕宪国. 青藏高原沼泽湿地植被NDVI时空变化及其对气候变化的响应. 生态学报, 2020, 40(18): 6259-6268. |
| [18] |
邵全琴, 樊江文, 刘纪远, 黄麟, 曹巍, 刘璐璐. 基于目标的三江源生态保护和建设一期工程生态成效评估及政策建议. 中国科学院院刊, 2017, 32(1): 35-44. |
| [19] |
Tang L P, Ke X L, Chen Y Y, Wang L Y, Zhou Q S, Zheng W W, Xiao B Y. Which impacts more seriously on natural habitat loss and degradation? Cropland expansion or urban expansion?. Land Degradation & Development, 2021, 32(2): 946-964. |
| [20] |
Foley J A, DeFries R, Asner G P, Barford C, Bonan G, Carpenter S R, Chapin F S, Coe M T, Daily G C, Gibbs H K, Helkowski J H, Holloway T, Howard E A, Kucharik C J, Monfreda C, Patz J A, Prentice I C, Ramankutty N, Snyder P K. Global consequences of land use. Science, 2005, 309(5734): 570-574. DOI:10.1126/science.1111772 |
| [21] |
Zellweger F, Baltensweiler A, Ginzler C, Roth T, Braunisch V, Bugmann H, Bollmann K. Environmental predictors of species richness in forest landscapes: abiotic factors versus vegetation structure. Journal of Biogeography, 2016, 43(6): 1080-1090. DOI:10.1111/jbi.12696 |
| [22] |
Rechsteiner C, Zellweger F, Gerber A, Breiner F T, Bollmann K. Remotely sensed forest habitat structures improve regional species conservation. Remote Sensing in Ecology and Conservation, 2017, 3(4): 247-258. DOI:10.1002/rse2.46 |
| [23] |
Wilsey C B, Lawler J J, Cimprich D A. Performance of habitat suitability models for the endangered black-capped vireo built with remotely-sensed data. Remote Sensing of Environment, 2012, 119: 35-42. |
| [24] |
Johnson M D. Measuring habitat quality: a review. The Condor, 2007, 109(3): 489-504. |
| [25] |
Münsch T, Helbing F, Fartmann T. Habitat quality determines patch occupancy of two specialist Lepidoptera species in well-connected grasslands. Journal of Insect Conservation, 2019, 23(2): 247-258. |
| [26] |
Marshall E, Valavi R, O'Connor L, Cadenhead N, Southwell D, Wintle B A, Kujala H. Quantifying the impact of vegetation-based metrics on species persistence when choosing offsets for habitat destruction. Conservation Biology, 2021, 35(2): 567-577. |
| [27] |
Yuan W, Wu S Y, Hou S G, Xu Z W, Lu H Y. Normalized Difference Vegetation Index-based assessment of climate change impact on vegetation growth in the humid-arid transition zone in northern China during 1982-2013. International Journal of Climatology, 2019, 39(15): 5583-5598. |
| [28] |
王军, 严有龙, 王金满, 应凌霄, 唐倩. 闽江流域生境质量时空演变特征与预测研究. 生态学报, 2021, 41(14): 5837-5848. |
| [29] |
Hou Y Z, Zhao W W, Liu Y X, Yang S Q, Hu X P, Cherubini F. Relationships of multiple landscape services and their influencing factors on the Qinghai-Tibet Plateau. Landscape Ecology, 2021, 36(7): 1987-2005. |
| [30] |
江伟康, 吴隽宇. 基于地区GDP和人口空间分布的粤港澳大湾区生境质量时空演变研究. 生态学报, 2021, 41(5): 1747-1757. |
| [31] |
彭建, 徐飞雄. 不同格网尺度下的黄山市生境质量差异分析. 地球信息科学学报, 2019, 21(6): 887-897. |
| [32] |
李胜鹏, 柳建玲, 林津, 范胜龙. 基于1980-2018年土地利用变化的福建省生境质量时空演变. 应用生态学报, 2020, 31(12): 4080-4090. |
| [33] |
Zhu C M, Zhang X L, Zhou M M, He S, Gan M Y, Yang L X, Wang K. Impacts of urbanization and landscape pattern on habitat quality using OLS and GWR models in Hangzhou, China. Ecological Indicators, 2020, 117: 106654. |
| [34] |
税燕萍, 卢慧婷, 王慧芳, 严岩, 吴钢. 基于土地覆盖和NDVI变化的拉萨河流域生境质量评估. 生态学报, 2018, 38(24): 8946-8954. |
| [35] |
Liu X F, Zhu X F, Pan Y Z, Zhu W Q, Zhang J S, Zhang D H. Thermal growing season and response of alpine grassland to climate variability across the Three-Rivers Headwater Region, China. Agricultural and Forest Meteorology, 2016, 220: 30-37. |
| [36] |
刘纪远, 宁佳, 匡文慧, 徐新良, 张树文, 颜长珍, 李仁东, 吴世新, 胡云锋, 杜国明, 迟文峰, 潘涛, 宁静. 2010-2015年中国土地利用变化的时空格局与新特征. 地理学报, 2018, 73(5): 789-802. |
| [37] |
Zhang G L, Zhang Y J, Dong J W, Xiao X M. Green-up dates in the Tibetan Plateau have continuously advanced from 1982 to 2011. Proceedings of the National Academy of Sciences of the United States of America, 2013, 110(11): 4309-4314. |
| [38] |
Terrado M, Sabater S, Acuña V. Identifying regions vulnerable to habitat degradation under future irrigation scenarios. Environmental Research Letters, 2016, 11(11): 114025. |
| [39] |
Yang S Q, Zhao W W, Liu Y X, Wang S, Wang J, Zhai R J. Influence of land use change on the ecosystem service trade-offs in the ecological restoration area: dynamics and scenarios in the Yanhe watershed, China. Science of the Total Environment, 2018, 644: 556-566. |
| [40] |
Huang Z D, Bai Y, Alatalo J M, Yang Z Q. Mapping biodiversity conservation priorities for protected areas: a case study in Xishuangbanna Tropical Area, China. Biological Conservation, 2020, 249: 108741. |
| [41] |
Terrado M, Sabater S, Chaplin-Kramer B, Mandle L, Ziv G, Acuña V. Model development for the assessment of terrestrial and aquatic habitat quality in conservation planning. Science of the Total Environment, 2016, 540: 63-70. |
| [42] |
Polasky S, Nelson E, Pennington D, Johnson K A. The impact of land-use change on ecosystem services, biodiversity and returns to landowners: a case study in the State of Minnesota. Environmental and Resource Economics, 2011, 48(2): 219-242. |
| [43] |
Rimal B, Sharma R, Kunwar R, Keshtkar H, Stork N E, Rijal S, Rahman S A, Baral H. Effects of land use and land cover change on ecosystem services in the Koshi River Basin, eastern Nepal. Ecosystem Services, 2019, 38: 100963. |
| [44] |
Brunsdon C, Fotheringham A S, Charlton M E. Geographically weighted regression: a method for exploring spatial nonstationarity. Geographical Analysis, 1996, 28(4): 281-298. |
| [45] |
Fan F F, Liu Y X, Chen J X, Dong J Q. Scenario-based ecological security patterns to indicate landscape sustainability: a case study on the Qinghai-Tibet Plateau. Landscape Ecology, 2021, 36(7): 2175-2188. |
| [46] |
徐建英, 陈吉星, 刘焱序, 樊斐斐, 魏建瑛. "一带一路"地区生态系统服务关系的时空分异与区域响应. 生态学报, 2020, 40(10): 3258-3270. |
| [47] |
Hack J, Molewijk D, Beissler M R. A conceptual approach to modeling the geospatial impact of Typical Urban threats on the Habitat Quality of River Corridors. Remote Sensing, 2020, 12(8): 1345. |
| [48] |
Wang H N, Tang L N, Qiu Q Y, Chen H X. Assessing the impacts of urban expansion on habitat quality by combining the concepts of land use, landscape, and habitat in Two Urban Agglomerations in China. Sustainability, 2020, 12(11): 4346. |