本文来源：公众号知天象
渭河流域土地覆盖变化的驱动机制及生态效应分析与模拟
Journal of Environmental Management
一、研究背景
土地覆盖（LC）是对人类活动和自然事件的综合影响作出反应的地球物理表面。土地覆盖变化是全球环境的重要组成部分，既是生态变化的主导因素，也是生态变化的结果。LCC导致生态系统功能和结构的改变，以及地表结构的改变。在过去十年中，60%的生态系统服务已经退化，包括土地退化和碳排放增加等。
随着城市数量和人口的快速增长，持续的LCC将导致农田、林地和草地的不透水表面被侵占。这将导致消费者需求与能源和物质资源可用性之间的不平衡。因此，了解LCC的驱动机制和生态影响可能有助于生态系统的可持续性。
二、主要内容
土地覆盖变化（LCC）既是全球环境变化的结果，也是其原因。本文试图构建一个框架来揭示LCC下不同生态因素的驱动机制和生态效应，并探索未来LCC的生态特征。基于土地扩展分析策略（LEAS）的规则挖掘框架，在斑块生成土地利用模拟（PLUS）模型中分析了LCC的驱动因素。采用邻域分析法和生态效应指数法研究了LCC的多种生态效应。引入基于遥感的生态指数（RSEI）和PLUS和逐步回归模型来探索和预测LCC的综合生态效应。以渭河流域为研究对象，降水、气温、海拔、人口、地下水位深度、靠近政府和高速公路、GDP和表层有机碳是LCC的主要驱动因素。
三、数据与方法
LC数据集取自MODIS产品MCD12Q1（IGBP分类）(https://lpdaac.usgs.gov/products/mcd12q1v061/），分辨率为500m。
推动LCC的因素包括环境和社会经济因素（表1）。NDVI、LST、NPP和WET由MODIS产品获得或计算。数据类型、空间分辨率和时间间隔如表所示。
方法流程如图所示
本研究的名词简称
数据来源
MODIS数据来源
全文的思路框架
四、重要图表
五、重要结论
本研究使用PLUS模型和邻域分析分析了LCC的机制和多种综合生态效应（包括温度、绿色度、生物量形成和RSEI）。此外，基于LC数据和逐步回归模型，建立了区域RSEI预测模型，并与PLUS模型相结合，在空间上揭示了渭河流域未来的生态环境状况。主要结论如下：
（1）2001-2005年LCC程度最小，2011-2015年LCC程度最显著。PW、MF、C/N、UBL、CS、DBF和S面积显著增加，而WB、WS和GL面积显著减少。LCC主要分布在西北黄龙、子午岭、六盘、秦岭和黄土丘陵区。2001年GL的最重要的转出为CL、DBF、S和WS。
（2）在前十大影响因素中，降水和温度是最普遍的。它们影响了七种LC类型，其次是地下水位深度、人口、海拔、靠近政府、GDP和靠近高速公路。
（3）C转化为F在夏季表现出正温度效应，在冬季表现出负温度效应，以及负绿色和生物量形成效应。C向GS的转化在夏季表现出负温度效应，在冬季表现出正温度效应，以及正绿色和生物量形成效应。F向GS的转化在冬季表现出温度效应和负生物量形成效应。
（4）渭河流域的RSEI呈东南高西北低的趋势。其他三种类型转化为C具有最大的生态效应，其次是其他LC类型转化为F、GS和其他类型。预计2030年RSEI将升至0.77。
综上，生态质量等级提高和降低的区域分别集中在子午岭东侧和西侧。这项研究可以支持河流周围资源和环境的协调和可持续发展。
六、讨论
1. 土地覆盖变化
渭河是黄河最大的支流，是黄土区的一部分。因此，该区域中的LC受到了实质性的影响。结果表明，在包括PW、MF、C/N、UBL、CS、DBF和S等自然植被的区域，LC显著增加，但不包括UBL。此外，CL转换为DBF、MF、GL C/N和S，GL转换为CL、DBF、S和MF。
高海拔地区受社会经济活动的影响相对较小，适合自然植被生长。然而，不合适的自然条件，如高海拔和陡坡，使高架地区变得贫瘠。地下水资源相对丰富。随着地下水位深度的减小，WB增加，植被生长。相比之下，地下水位较深、水资源有限的地区容易受到干旱胁迫的影响，这不利于植被生长。
植被往往避开人口和GDP较高的地区，如WS和DBF。相比之下，高速公路附近CS的增加反映了道路建设过程中对生态保护的努力。政策制定者在高速公路和主要道路上的落叶植物林附近增加CS。政府代表着市中心，是UBL和C/N的主要影响者。与市政厅的距离反映了社会经济发展的程度。
2. LCC的生态效应
本研究发现森林在冬季比GS更凉爽。然而，北方森林比其他植被类型更温暖，因为它们的反照率变暖超过了冬季可忽略不计的蒸散冷却。结果还表明，北方森林在夏季比CL更温暖，在冬季更凉爽。这并不排除人类管理实践的影响，如生长季节的冷却灌溉和冬季的温暖覆盖。在绿色和生物量形成的影响中都观察到了相同的可变性。LCC可能改变植被的类型、结构和功能，并进一步改变生产力。
本研究表明，不同的LC类型对应着基于生态系统服务的不同生态类别。排名顺序为水域和湿地、林地、灌木丛、高覆盖草原、中覆盖草原、低覆盖草原、农田、农村居民点、城市居民点、其他建设用地以及沙质、戈壁和裸地。尽管如此，本研究还发现C的等级高于其他类型，因为它的NDVI相对较高。其他类型向C的转化具有最显著的生态效应，因为具有相对较低RSEI的GS和其他类型转化为C。
因此，LCC与区域土地类型转换的综合生态效应是显著的。
小编说
该论文题目为 “ Analysis and simulation of the driving mechanism and ecological effects of land cover change in the Weihe River basin, China ” 于2023年发表在《Journal of Environmental Management》期刊，中科院：环境科学与生态学一区-Top，IF= 8.910。
本研究分析了LCC的驱动机制，并模拟了LCC的生态效应，从单一要素到综合指标，探讨了生态环境要素对LCC的响应关系。本研究将有助于优化LC模式，从而保护生态环境。
引用：Wenjin Xu, Jinxi Song, Yongqing Long, Ruichen Mao, Bin Tang, Bingjie Li, Analysis and simulation of the driving mechanism and ecological effects of land cover change in the Weihe River basin, China, Journal of Environmental Management, Volume 344, 2023, 118320.
转自：“生态遥感前沿”微信公众号
如有侵权，请联系本站删除！
