珠三角城市群生态空间分区方法与管控对策

生态空间管控是维护区域生态安全,解决区域生态供需矛盾的重要手段。生态空间分区一直是生态管控的热点问题,对促进城市群可持续发展具有重要意义。以珠三角城市群为例,基于政策目标、民众需求、专家知识等方面综合构建评价体系,开展了基于生态空间质量和生态系统健康评价的生态空间分区的探索研究。结果表明：珠三角城市群生态空间约占城市群面积的82.8%,生态空间质量好,但生态系统健康水平低。城市尺度肇庆市、深圳市生态空间质量较高,珠海市、中山市生态空间质量较低;惠州市、肇庆市生态系统健康水平较高,佛山市、中山市生态系统健康水平较低。综合生态空间质量和生态系统健康,区域尺度将城市群生态空间分为重点保护区、重点修复区、潜在修复区和生态保育区。重点保护区占生态空间总面积的10.1%,是区域生态源地,应实行最严格的环境保护制度,划定生态保护红线和自然保护地,加强生态建设和生物多样性保护,并加强生态连通性建设,提升区域整体生态系统服务;重点修复区占生态空间总面积的21.6%,以生态修复,实施生态治理工程,推进生态产业为主;潜在修复区占生态空间总面积的13.1%,以保护优先、自然恢复为主,对生态空间进行全面的养护,保护和提升品质,重点提升生态系统服务;生态保育区占生态空间总面积的55.2%,重点实施生态廊道建设,同时加强区域高标准农田建设,在保护生态空间的基础上合理开展生产建设活动。对生态空间分区管控的研究可方便决策者对生态修复空间和生态保护空间进行识别和分类管理,有效指导国土空间规划和区域生态环境管理体系的完善。     

青海省果洛藏族自治州生态敏感性分析

青海省果洛藏族自治州位于黄河源头区,地处高原自然环境恶劣,生态恢复能力差,是生态环境极为脆弱的区域,评价该州生态敏感性,是生态管理与可持续发展的数据基础。以果洛州遥感影像图为数据源,结合实地调查和社会经济等数据,依据该州独特的生态环境现状,建立了符合该州特点的生态敏感性评价指标体系,并采用层次分析法,在GIS支持下,对该州进行了生态敏感性评价。结果表明:果洛藏族自治州的生态敏感性为中度敏感水平,该州西北地区敏感度最高;其中极敏感和高度敏感区占总面积的14.08%,中度敏感区域占总面积的35.14%,轻度敏感区占总面积的30.73%,不敏感区占19.94%;依据生态敏感性综合评价结果将玉树州划分为三个生态功能区,分别根据果洛州生态敏感性综合评价结果,将该州分为三个功能分区:分别为西北部生态保护区、中部草场发展区、东南部生态调节区。研究为该州的生态环境健康发展提供了理论依据。     

三峡库区流域水环境保护分区

流域内不同地域的社会经济发展水平、土地利用状况、植被覆盖程度、与水域的相对位置均对水环境质量存在显著影响.围绕水体保护的核心需求,面向流域空间范围开展水环境保护分区十分必要.本文以三峡库区为研究区,着眼于区域生态环境特征、水体压力-响应特征的空间差异性,基于生态因子叠置法、生态敏感性分析等方法,研究三峡库区水环境保护分区.分区综合考虑了水热条件、地势地貌、生态敏感性等因素,将库区划分为:1)红区,即严格保护区,总面积2924 km2,占库区的5.1%;2)黄区,即一级防护区,总面积10477 km2,占库区的18.4%;3)蓝区,即二级防护区,总面积43599 km2,占库区的76.5%.辨识了红区、黄区和蓝区不同分区的关键环境问题,并有针对性地提出各区的发展方向和水环境保护定位.     

基于生态敏感性评价的烟台市东部海洋经济新区起步区生态规划研究

城市新区是城镇化的重要空间载体,其生态环境面临着开发建设所带来的巨大威胁。城市生态规划是在协同推进新型城镇化和生态文明建设的背景下,实现绿色发展和生态空间山清水秀的重要途径。以烟台市东部海洋经济新区起步区为例,利用RS和GIS技术,对沿海新区城市生态规划进行了研究。通过分析开发建设过程中的生态敏感性因子及其空间分布特征,对区域生态敏感性进行综合评价,将研究区划分为生态高度、中度和轻度敏感区,分别占总面积的48.1%、7.4%和44.5%。在生态敏感性综合评价的基础上,构建"一核、四心、多廊"的区域景观生态格局,并将全区划分为5个生态功能区,分别提出相应的发展指引,以协调生态环境保护和城市发展之间的矛盾。     

基于生态系统服务功能和生态敏感性的自然生态空间管制分区研究

自然生态空间分区管制是国土空间管制的重要组成部分,也是国内外生态环境研究的热点。针对国内自然生态空间用途管制暂处于试点阶段,有关管制的方法有待进一步探究的情况下,旨在通过江西省自然生态空间管制分区,为实现合理保护自然生态资源,促进自然生态系统健康有序发展提供参考。以江西省为研究对象,借助GIS空间分析技术,通过生态系统服务功能重要性和生态敏感性评价,构建二维关联判断矩阵,进行自然生态空间管制分区,并以此提出相关的管制建议。结果表明:江西省自然生态空间总面积为117924.67 km~2,约占全省总面积的70.66%,从空间上可划分为高重要高敏感区、中度重要敏感区和低重要低敏感区3种类型区;其中,高重要高敏感区以生态保护和生态修复为主,实施严格的区域准入措施;中度重要敏感区可依托区域生态资源优势,合理开展以维护、改善生态系统服务功能为主要目的生态经营活动;低重要低敏感区允许在不破坏生态系统结构和功能的前提下,适度开展一定规模的生产建设活动,减少污染排放,增强区域生态功能。全省16个国家自然保护区基本位于高重要高敏感范围内。基于生态系统服务功能与生态敏感性的自然生态空间管制分区可以为自然生态空间管制提供新思路,从而有效推动管制工作的进行。     

佛山市高明区生态安全格局和建设用地扩展预案

城市生态环境问题已上升到生态安全的层面.以人类生存安全和理想人居环境为目标,基于空间数据和统计资料,利用景观安全格局原理和地理信息系统空间分析方法,构建了包含基本保障格局-缓冲格局-最优格局3个级别的水安全格局、地质灾害安全格局、大气安全格局、生物保护安全格局和农田安全格局,叠加得到高明区综合生态安全格局,在此基础上提出了高明区建设用地扩展最优方案和生态功能分区.结果显示,并非生态安全格局水平越高,城乡发展模式越优,缓冲生态安全格局下的高明区建设用地扩展模式,最可能实现生态安全保护与城镇扩展的和谐发展.综合生态安全格局明确了区域的生态环境敏感区和生态服务功能重要区,为区域生态功能分区提供了新的思路.     

GIS支持下上海城市生态敏感性分析

选取影响上海市生态环境的5个敏感性因子(河流湖泊、文物古迹及森林公园、地质灾害、土壤污染和土地利用),利用层次分析法(AHP)确定敏感性因子权重,结合GIS空间分析技术,把5个因子的敏感性划分为高度敏感、中度敏感、低度敏感和不敏感4个等级,最后得到上海城市生态敏感性的空间分布.结果表明:上海城市生态敏感性在空间分布上呈显著差异;不敏感区、低度敏感区、中度敏感区和高度敏感区分别占城市总面积的37.07%、5.94%、38.16%和18.83%.对上海城市生态敏感性进行研究,并提出其分区保护与建设措施,为上海市生态保护和经济发展提供科学参考.     

福建省生态保护重要性评价

生态保护重要性是表征区域生态系统结构和功能重要性程度的综合指标,确定生态保护空间范围是协调保护与发展、保障生态服务持续供给的基础。在明确福建省生态本底和关键生态问题的基础上,综合分析生态服务功能重要性和生态敏感性,构建福建省生态保护重要性评价指标体系,识别具有重要保护意义的生态极重要地区,能够为优化生态保护策略、划定生态红线和主体功能区划提供技术支持。研究结果表明,福建省生态保护极重要区占福建省陆地总面积的38.94%,生态重要性空间格局基本沿福建省闽西大山带、闽中大山带与海岸带分布,其中生态服务功能极重要区面积为3.96万km~2,以生物多样性维护功能和水源涵养功能为主;生态极敏感性区面积占福建省陆地总面积的9.71%,水土流失是主要的生态问题,占福建省陆地总面积的8.93%,土地沙化极敏感区集中在海岸带附近,与海岸侵蚀极敏感区空间范围基本一致。研究建议,生态保护极重要区作为划定生态红线和重点生态功能区的依据,支撑福建省开展有针对性的生态保护,保障和维护生态安全。     

基于遥感和GIS的巢湖流域生态功能分区研究

生态功能分区是区域自然资源科学管理及可持续发展利用的基础。基于生态功能分区原则,考虑流域——子流域完整性进行巢湖流域生态功能分区。在综合分析巢湖流域生态环境基本特征的基础上,确定生态功能分区原则、依据、方法及命名,基于遥感与GIS在数据采集方面及多层面叠加功能的优势,通过遥感数据对研究区土地利用信息的提取以及利用DEM空间分析进行子流域划分等技术手段,探讨了遥感和GIS技术支持下的研究区子流域生态功能划分方法,形成了巢湖流域生态功能分区方案,将全流域分为5个生态功能区和12个生态功能亚区,并阐明了不同生态功能区的生态保护重点与经济社会发展约束。对于新调整行政区划的巢湖流域生态环境综合治理具有重要的现实意义,可为流域产业布局、生态防灾减灾、环境保护与建设规划等提供科学依据。     

基于遥感的广州市城市绿地生态服务功能评价

利用TM卫星影像数据和野外观测数据,运用遥感定量反演模型和知识,提取影响广州市城市绿地生态服务功能的地表参数,如叶面积指数、植被指数、土壤水、地表反照率、地表温度等,然后利用神经网络技术实现对单一因子的城市绿地生态服务功能的评价与分级;在此基础上,利用模糊聚类法对广州市城市绿地生态服务功能进行综合评价。结果表明:广州市城市中心绿地生态服务功能偏弱;绿地在各区分布差异较大,空间布局不够合理。生态服务功能一级的城市绿地面积为2.1km2,仅占研究区域总面积的0.4%,生态服务功能二级、三级和四级的绿地面积占研究区域总面积的比例分别为2.4%、5.0%和2.9%。     

深圳市1988—2007年间湿地景观动态变化及成因分析

城市湿地是城市生态安全体系构成的重要组成部分。以深圳地区为工作区,利用多时段遥感资料和土地利用变更调查数据,进行1988—2007年期间工作区内湿地景观动态变化特征分析,探讨快速城市化背景下湿地景观动态变化的成因。结果表明,研究时段内深圳市湿地总面积损失了35.7%,不同湿地类型及不同行政单元内湿地的动态变化表现出明显差异。建设用地扩张是工作区内湿地损失的主要原因并且其影响表现为一种非均匀过程;功能差异是导致不同湿地类型之间动态变化差异的主要成因;区域社会经济和自然环境条件差异是导致不同行政单元之间湿地动态变化差异的主要影响因素。     

自然灾害胁迫下区域生态脆弱性动态——以四川省清平乡为例

利用四川省绵竹市清平乡2008年“5·12”汶川地震后航空遥感图像和2010年“8·13”特大山洪泥石流灾后无人机低空遥感图像,结合清平乡2006年土地利用现状图、1∶5万地形图与野外调查资料,对清平乡生态脆弱性进行评估和分析.结果表明:清平乡2010年“8· 13”特大山洪泥石流灾后生态不脆弱、一般脆弱、中度脆弱、脆弱和极脆弱区的面积比例分别为1.9％、7.9％、18.7％、23.0％和48.5％,生态极脆弱和生态脆弱区总面积达238.45 km2,占全乡总面积的71.5％,清平乡生态环境整体上已经非常脆弱;受这两次特大自然灾害的胁迫作用,清平乡生态脆弱性明显增强,生态脆弱和极脆弱区面积比“5·12”汶川地震前增加12.4％,生态极脆弱区面积是“5·12”汶川地震前面积的1.67倍;清平乡生态脆弱性动态演化主要表现为生态脆弱性等级由脆弱演化为极脆弱.复杂的地形条件是导致清平乡生态脆弱的关键因素.     

基于遥感生态指数模型的渭南市生态环境质量动态监测与分析

本文基于1995和2015年的Landsat系列遥感影像,利用主成分分析法确定绿度、湿度、干度、热度4个指标的权重,采用遥感生态指数(RSEI)评价模型,对渭南市1995—2015年的生态环境质量进行监测与分析.结果表明: 1995—2015年,渭南市的生态环境质量总体呈上升趋势,RSEI均值由0.489上升至0.556;生态环境改善的地区主要分布在渭南市中部,占总面积的49.6%;生态环境退化的地区主要分布在韩城市部分矿区和渭南市南部区县(秦岭北麓渭南段),仅占总面积的15.4%.研究区生态环境质量受城市规划建设影响较大,但总体上其生态环境质量有所改善,得益于近年来该市对生态环境的关注与投入.     

醴陵市绿色屋顶生态系统服务潜力评估及规划

近年来, 生态系统服务评估逐渐地被运用到城市绿色基础设施的规划建设当中, 发掘能提供高生态效益的绿色屋顶潜力区域是增加城市生态空间有效途径。以提供城市空气净化、雨水截留、生物栖息地、热环境调节四个方面的生态服务为目标, 借助GIS平台确定醴陵市绿色屋顶生态空间潜力区域并提出规划策略, 为醴陵市以绿色屋顶形式完善城市生态空间结构提供参考。研究表明: (1)醴陵市潜在绿色屋顶生态系统服务评估中, 有20.3 km2的区域被划分为高效益服务区域, 约占研究区域面积的63.8%。(2)建筑年龄、结构和资金是小城市建设绿色屋顶的主要限制因素, 现状建筑中, 不适宜改建的建筑约占总建筑面积46.25%, 低限制改建的建筑占15.86%。 (3)通过叠加分析, 提取了高效益区域内的低限制改建建筑, 作为醴陵市绿色屋顶生态空间潜力区域, 面积为0.53 km2。 (4) 结合醴陵市绿地系统规划, 以“生态源地-廊道-节点”为结构, 以“分期规划, 重点建设”、“空间互补, 全域网络”两大原则, 形成“五重要节点、四优先区域、五主要廊道、全域网络”的醴陵市绿色屋顶生态空间格局。所提出的潜力评估和规划策略, 不仅可以为醴陵市建设绿色屋顶、优化城市空间构架提供依据, 还可为其他小城市以绿色屋顶形式增加生态空间的规划建设提供参考。     

Accuracy assessments of the GLOBCOVER dataset using global statistical inventories and FLUXNET site data

The spatio-temporal distribution of land cover provides fundamental data for global climate and environmental change research. In recent decades, five global land cover maps have been produced based on remote sensing data sources and methodologies. Related research have shown that the availability and quality of the first four global land cover datasets are poor at the regional or the continental scale for a variety of reasons. There is still no consensus on the accuracy of the latest global land cover map. Based on comparison of the land cover dataset with the statistical cropland data from FAO and the FLUXNET site data, this paper discusses the accuracy of the fifth global land cover map, namely, the GLOBCOVER dataset, at different spatial scales. At the global scale, the cropland area obtained from the GLOBCOVER dataset is greater than that of the FAO statistical data by 47.06–84.49%, and the land cover types of the GLOBCOVER dataset have a 65.02% consistency with that of the FLUXNET site data. At the continental scale, the difference between cropland areas obtained from the GLOBCOVER dataset and the statistical cropland area vary from ?43.42% to 502.36%; continents that have a more accurate cropland area compared to the FAO statistical data tend to be less consistent with the FLUXNET site data. In general, North America has a higher accuracy and Oceania has a lower accuracy. At the country scale, the accuracy estimates vary sharply over a wide range: between ?100.00% and 190670.37%. It is recommended that future studies should pay careful attention to the data validation step before using the GLOBCOVER dataset for any particular problem. Future studies are also required for the development of a universal land cover classification system and advanced algorithms for remote sensing classification of global land cover maps.     

Implementation of a hierarchical global vegetation classification in ecosystem function models

Abstract. We propose an alternative approach for the currently used biogeographic global vegetation classifications. A hierarchical vegetation classification system is proposed for consistent and routine monitoring of global vegetation. Global vegetation is first defined into six classes based on plant canopy structure and dynamics observable by remote sensing from satellites. Additional biome variability is then represented through a remote sensing derived leaf area index map, and direct climate data sets driving an ecosystem model to compute and map net primary production and evapotranspiration. Simulation results from an ecosystem function model suggest that the six canopy structure-based classes are sufficient to represent global variability in these parameters, provided the spatio-temporal variations in Leaf Area Index and climate are characterized accurately. If a bioclimatically based classification is needed for other purposes, our six class approach can be expanded to a possible 21 classes using archived climatic zones. For example, tropical, subtropical, temperate and boreal labels are defined by absolute minimum temperature. Further separation in each class is possible through changes in water availability defined by precipitation and/or soils. The resulting vegetation classes correspond to many of the existing, conventional global vegetation schemes, yet retain the measure of actual vegetation possible because remote sensing first defines the six biome classes in our classification. Vegetation classifications are no longer an end product but a source of initializing data for global ecosystem function models. Remote sensing with biosphere models directly calculates the ecological functions previously inferred from vegetation classifications, but with higher spatial and temporal accuracy.     

黔中喀斯特山地城市土地利用/覆被变化及其生态效应评价——以贵阳市花溪区为例

快速城市化发展对脆弱喀斯特山地城市生态环境造成严重威胁,系统监测评价城市土地利用/覆被格局变化及其生态效应,协调生态保护与城市发展的关系是新时期喀斯特山地城市生态文明示范城市建设的重要命题。以贵阳市花溪区为对象,以2013年和2018年Landsat ETM/OLI遥感影像为主要数据源,运用遥感和GIS技术,采用遥感生态指数（Remote Sensing Ecological Index,RSEI）模型,在系统分析研究区土地利用/覆被类型和生态环境质量时空动态变化的基础上,剖析土地利用/覆被变化的生态效应。结果表明：（1）2013-2018年花溪区土地利用/覆被格局发生明显变化,形成以林地、建设用地和耕地3种类型占优的格局态势,以耕地的大量减少（减少约15353.37 hm²）且90%转为建设用地或林地、灌木地为主要特征,并伴有局部林地退化（约2683.80 hm²）的现象;（2）5年间,花溪区生态环境质量呈下降趋势,RSEI从2013年的0.622下降到2018年的0.499,下降约20%,反映植被覆盖度和不透水建设用地的绿度指标和干度指标对花溪区生态环境质量的贡献最大;（3）土地利用/覆被与生态环境质量的分布和变化在空间上基本吻合;林地面积或林地与灌木地面积的增减对生态环境质量的变化具有显著影响,林地或林地与灌木地面积增加10%,可使生态质量好转面积增加约15%-20%,或减少生态质量恶化面积约4%;而林地的退化面积增加10%,可导致生态质量恶化面积增加约14%。研究可为喀斯特山地城市国土空间格局优化、城市生态环境改善、生态文明城市建设提供科学依据。     

植物性状研究的机遇与挑战:从器官到群落

植物性状(Plant trait)或植物功能性状(Plant functional trait)通常是指植物对外界环境长期适应与进化后所表现出的可量度、且与生产力优化或环境适应等密切相关的属性。近几十年来,植物性状研究在性状-生产力、性状-养分、性状间相互关系、性状-群落结构维持等方面取得了卓越成就。然而,由于大多数性状调查都是以植物群落内优势种或亚优势种为对象,使其在探讨群落尺度的性状-功能关系、性状数据如何用于改进或优化模型、性状数据如何与遥感连接等问题时,存在空间尺度和量纲不匹配的极大挑战。为了破解上述难题,亟需发展新的、基于单位土地面积的群落性状(Community trait)概念体系、数据源和计算方法等,推动植物性状数据与快速发展的宏观生态学新技术(遥感、模型和通量观测等)相结合,既拓展了植物性状研究范畴,又可推动其更好地服务于区域生态环境问题的解决。所定义的群落性状(如叶片氮含量、磷含量、比叶面积、气孔密度、叶绿素含量等),是在充分考虑群落内所有物种的性状实测数据,再结合比叶面积、生物量异速生长方程和群落结构数据等,推导而成的基于单位土地面积的群落性状。受测试方法的影响,传统的直接算术平均法或相对生物量加权平均法所获得的群落水平的植物性状(如叶片氮含量g/kg或%),虽然可以有效地探讨群落结构维持机制,由于无法实现对群落性状在量纲上向单位土地面积转换,使它很难与模型和遥感数据相匹配。基于单位土地面积的群落性状,可在空间尺度匹配(或量纲匹配)的前提下实现个体水平测定的植物性状数据与生态模型和遥感观测相联系,更好地探讨区域尺度下自然生态系统结构和功能的关系及其对全球变化的响应与适应。同时,它也可更好地建立群落水平的性状-功能的定量关系(非物种水平),为更好地探讨自然群落结构维持机制和生产力优化机制提供了新思路。     

长沙城市斑块湿地资源的时空演变

利用GIS技术,对长沙市1955、1972和1990年地形图湿地数据及2007年长沙市湿地资源普查数据进行提取和分析,选取最具代表性的斑块湿地作为研究对象,从时间与空间、动态与静态、规模与填埋等视角,研究50年来城市斑块湿地生态系统各层次要素的时空演变过程和变化规律.结果表明:(1)时间层次上,长沙城市斑块湿地总面积呈现先增后减、总体增加的态势;斑块湿地面积变化幅度不断加大,速率逐步加快;(2)规模层次上,面积在32 hm2规模以下的斑块湿地呈增加态势,32 hm2规模以上斑块湿地呈减少态势;(3)动态空间层次上,被填埋斑块湿地的比例在建成区和郊区呈相反的演变结果;(4)静态空间层次上,斑块湿地密度在建成区范围和郊区范围演变结果相背.研究显示,伴随着城市化进程,不同时间尺度、不同规模尺度、不同空间属性、不同空间状态的城市斑块湿地常常呈现差异很大、甚至是截然相反的演变结果;无论是动态空间还是静态空间,建成区与郊区的空间分界线往往是城市斑块湿地演变态势的分水岭.     

Ecosystem functional units characterized by satellite observed phenology and productivity gradients: A case study for Europe

The present study demonstrates remote sensing derived phenological and productivity indicators of ecosystem functional dynamism. The indices were derived from SPOT VEGETATION NDVI data on 1 km spatial resolution across the pan-European continent using the Phenolo approach. The phenological and productivity indices explained 78% of the variance in the European ecosystem gradient measured by bio-climatic zones. Along this gradient climatic predictors could only explain 57% of the variance in the satellite metrics. Reclassification of the bio-climatic zones into phenology and productivity related ecosystem functional units (EFUs) selected five metrics related to the cyclic and permanent fraction of productivity, to the background, to the growing season start and the timing of the maximum NDVI value. Along the EFU gradient the climatic predictors explained over 90% of the variance of the remote sensing variables, 30% more than along the bio-climatic gradient. The EFUs showed strong correspondence to 14 land-cover types in Europe and the selected remote sensing metrics explained 86% of the variation in the land-cover classes. These results show that remote sensing derived parameters have tremendous potential for the quantification of ecosystem functional dynamism. Phenological and productivity metrics offer an indicator system for ecosystems that climatic indicators alone cannot manifest. Their potential to monitor the spatial pattern, status and inter-annual variability of ecosystems and vegetation cover can deliver reference status information for future assessments of the impacts of human or climate change induced ecosystem changes.