格网尺度下典型旅游城市生态服务价值估算和时空分异特征——以三亚为例

以典型旅游城市三亚市为案例地，利用2006-2018年4期Landsat遥感影像数据，借助ENVI、ArcGIS平台定量识别土地利用演变特征，在1km×1km格网尺度下估算旅游地生态系统服务价值，并结合空间探索性数据分析揭示生态系统服务价值时空分异特征及其与旅游地发展的时空耦合关系。结果表明：（1）2006-2018年间，三亚市生态系统服务价值总量呈逐年下降趋势，由6.73×10⁹元降至5.76×10⁹元，累计减少9.78×10⁸元；（2）空间格局上，三亚市呈"南低北高"空间分异格局，2006-2018年增值区域连片分布于崖州区、天涯区、吉阳区南部区域，且呈逐年减少趋势，减值区域集聚于天涯区东北部、海棠区；（3）空间集聚上，生态系统服务价值截面各年份均呈显著空间正相关且相关性先降后增。高高集聚区位于天涯区北部区域，低低集聚区分布于沿海、海湾地区；（4）旅游发展与生态系统服务价值时空演化特征关联性较强。三亚市天涯区北部林地生态环境良好，生态系统服务价值略有下降但绝对数值稳定，是生态系统服务价值主要来源；旅游发展较为迅速的三亚湾、崖州湾以及海棠湾，相对增值区域较多，但绝对生态系统服务价值损失显著，严重滞后于其他区域。     

城市群生态安全格局构建:概念辨析与理论思考

城市群是城市发展到一定阶段通过城市间物流、人流和能流高度融合而形成的区域性复合生态系统，如何保障城市群生态安全与健康发展成为当前关注的热点问题。本研究系统分析了生态安全、城市生态安全与城市群生态安全的内涵。认为狭义上城市群生态安全侧重于城市群内部生态空间优化和生态系统服务功能提升，重点关注城市群地区生态用地空间优化与"三生空间"（生态、生活及生产空间）的合理布局。广义上的城市群生态安全不仅需要考虑城市群内部生态系统结构和功能协调及其生态系统服务的供需平衡，也需要从区域尺度考虑城市群与其他区域之间的协调关系。城市群生态安全格局构建的目的则是保障城市群内部区域一体化协调发展，满足人们日常生活的基本需求，实现城市群与区域之间物流、能流和人流的有序流通。在城市群生态安全格局构建时，除了遵循生态安全一般性原则外，还需要遵循以下原则：①生态系统服务供需平衡尺度效应；②生态安全保障的阈值效应；③生态安全格局的空间联动效应。最后文章提出了城市群生态安全格局构建的基本思路和技术路径。     

基于SBE法的广东省生态景观林带美景度评价

采用美景度评价法(SBE法)对广东省生态景观林带进行评价，分析影响生态景观林带景观水平的主要因子，探讨生态景观林带景观构成要素与景观质量的关系。结果表明，不同专业、性别、学历、年龄的人群在森林审美态度上具有一致性，其评判结果能够反映森林美景度的实际情况；对53张照片评价SBE值，最大为1.4454，最小为-1.6917；对美景度影响较大的4个因子，即色彩丰富度(X6)、色泽明度(X7)、生活型(X8)、生长状况(X9)，建立的多元线性回归模型是 Y=1.902-0.346X6-0.461X7+ 0.206X8-0.584X9。     

黄海北部大鹿岛鹅耳枥群落特征及其土壤环境解释

为探究黄海北部大鹿岛鹅耳枥群落特征及其与土壤环境因子的关系，以大鹿岛9个鹅耳枥群落的样地调查数据为数据源，采用植物区系成分、物种重要值、物种多样性和径级结构等指标表征群落特征，运用双向指示种分类法(TWINSPAN)和冗余分析方法(RDA)分析其土壤环境影响因子。结果表明：(1)大鹿岛鹅耳枥群落维管植物共计110种，隶属46科84属，包括种子植物44科82属107种和蕨类植物2科2属3种。种子植物区系成分大部分具有温带分布性质。群落乔木层、灌木层和草本层的优势种分别为鹅耳枥(Carpinus turczaninowii)、山花椒(Zanthoxylum schinifolium)和矮丛薹草(Carex callitrichos var.nana),重要值分别为52.84%、34.49%和21.54%。群落乔木层的物种较少，而灌、草层植物种较为丰富，群落尚未达到演替的顶极阶段。鹅耳枥种群径级结构反映出该群落由增长型种群构成。(2)聚类分析将鹅耳枥群落划分为4类群丛，排序分析结果在验证前述聚类分析结果合理性的同时，进一步佐证土层厚度、土壤全磷含量和pH值是影响鹅耳枥群落物种分布的主要土壤环...     

北京温榆河公园不同建成时间城市绿地鸟类群落组成的空间变化与栖息地质量评价

公园作为城市绿地生态系统的重要组成部分，其鸟类群落组成与栖息地质量情况密切相关，是城市环境的重要指示指标。北京温榆河公园于2019年启动建设，是城区最大的生态空间。为了解公园建设过程中鸟类多样性的变化，给公园运行管理提供科学依据，2020年9月—2021年8月对其中2010年已建成的清河营郊野公园、2020年9月新建成的朝阳示范区、规划中尚未建设的温榆河与清河交汇处采用样线法开展鸟类多样性月度调查，并在此基础上结合遥感解译和食源植物多样性调查对鸟类栖息地质量进行评价。共记录到鸟类65种，隶属于13目29科，其中国家二级保护动物4种。温榆河与清河交汇处鸟类丰度、多度和多样性指数最高，Shannon指数平均为2.20±0.30,鸟类栖息地质量评分为优。朝阳示范区保护及受威胁鸟类多样性指数较高，Shannon指数平均为1.89±0.28,鸟类栖息地质量评分为良。清河营郊野公园鸟类多度和丰度最低，Shannon指数平均为1.49±0.27,鸟类栖息地质量评分为优。温榆河与清河交汇处是维持公园生物多样性最重要的点位，在建设中将作为核心区予以保留，减少人工绿地设置。今后公园生物多样性保护与建设中可...     

北京沙尘暴之前世今生

随着春季的来临，“沙尘暴”又成北京关注的焦点。2008年1月24日的新闻联播有这样一则新闻：北京近年来的沙尘暴实际上是尘暴，“沙尘暴”这个伴随北京人多年的词汇，也许将逐渐淡出人们生活，被“尘暴”替代。那么，北京的沙尘暴究竟呈怎样一种发展趋势呢？我们邀请专家对此进行解读。     

Canopy closure estimation in a temperate forest using airborne LiDAR and LANDSAT ETM+ data

Aims　Forest canopy closure is one of the essential factors in forest survey, and plays an important role in forest ecosystem management. It is of great significance to study how to apply LiDAR (light detection and ranging) data efficiently in remote sensing estimation of forest canopy closure. LiDAR can be used to obtain data fast and accurately and therefore be used as training and validation data to estimate forest canopy closure in large spatial scale. It can compensate for the insufficiency (e.g. labor-intensive, time-consuming) of conventional ground survey, and provide foundations to forest inventory.Methods　In this study, we estimated canopy closure of a temperate forest in Genhe forest of Da Hinggan Ling area, Nei Mongol, China, using LiDAR and LANDSAT ETM+ data. Firstly, we calculated the canopy closure from ALS (Airborne Laser Scanning) high density point cloud data. Then, the estimated canopy closure from ALS data was used as training and validation data to modeling and inversion from eight vegetation indices computed from LANDSAT ETM+ data. Three approaches, multi-variable stepwise regression (MSR), random forest (RF) and Cubist, were developed and tested to estimate canopy closure from these vegetation indices, respectively.Important findings The validation results showed that the Cubist model yielded the highest accuracy compared to the other two models (determination coefficient (R²) = 0.722, root mean square error (RMSE) = 0.126, relative root mean square error (rRMSE) = 0.209, estimation accuracy (EA) = 79.883%). The combination of LiDAR data and LANDSAT ETM+ showed great potential to accurately estimate the canopy closure of the temperate forest. However, the model prediction capability needs to be further improved in order to be applied in larger spatial scale. More independent variables from other remotely sensed datasets, e.g. topographic data, texture information from high-resolution imagery, should be added into the model. These variables can help to reduce the influence of optical image, vegetation indices, terrain and shadow and so on. Moreover, the accuracy of the LiDAR-derived canopy closure needs to be further validated in future studies.