厘清植被变化及驱动因素,可为生态修复和社会可持续发展提供参考.本研究基于Google Earth Engine平台获取2000-2020年河南省植被覆盖数据,并结合Theil-Sen Median趋势、Mann-Kendall检验和Hurst指数,揭示河南省及其流域分区(海河流域分区、黄河流域分区、淮河流域分区、长江流域分区)植被分布和变化趋势,并联合因子探测及因子交互,从不同尺度探究了自然和人文因素对植被的影响机制.结果表明:研究期间,河南省植被覆盖度(FVC)呈南高北低的分布格局,以中高植被覆盖为主,其中,长江流域分区最好.河南省及各分区FVC变化规律一致,呈波动上升趋势,均以明显改善为主,其中,长江流域分区的改善面积最大.基于Hurst指数,河南省未来植被状况除了淮河流域分区可能持续改善外,其他分区均表现为从改善转向退化.河南省及各分区植被变化是人文因子与自然因子综合作用的结果,因子影响力随时间而改变,主导因子存在地域差异,土地利用/覆盖类型和夜间灯光等人文因素的影响强于海拔、坡度、年均低温等自然因素.因素间的交互作用,尤其是人文与自然因素的交互作用,呈非线性增强关系.

中国北方农牧交错带生态系统敏感脆弱、不稳定,其健康状况受多种因素影响,其中以放牧为代表的人类经济活动影响显著.高强度放牧是造成草地退化的重要原因,草地退化又是影响草原生态系统健康的关键因素.利用归一化植被指数和牲畜量量化放牧压力,并选取合理的模型探究放牧对于中国北方农牧交错带生态健康的影响,确定合理的放牧强度和策略,以实现草畜平衡和区域可持续发展.基于"活力-组织力-弹性-生态服务"(VORS)模型,构建起包括自然、社会等多方面的指标体系,评估了 2000-2015年北方农牧交错带的生态健康系统水平,并采用Moran's I探讨放牧压力和生态系统健康指数的空间相关性,并从普通最小二乘法、地理加权回归模型、时间加权回归模型和时空地理加权回归模型选择最优回归模型,揭示放牧压力对于生态系统健康的影响机制.结果表明:(1)2000-2015年放牧强度格局高值区域主要为内蒙古草原地区,低值区域主要为陕西高原地区.(2)2000-2015年中国北方农牧交错带的生态系统健康指数呈现上升趋势,区域整体处于亚健康状态和一般健康状态.(3)全局双变量Moran's I结果显示在2000-2015年呈现负相关影响关系,但影响力度在变小.(4)多种回归模型相比较,GTWR模型表现最优.2000-2015年,正向驱动空间集中在内蒙古、辽宁以及山西省区县;负向驱动空间集中在陕西省、甘肃等区域,同时影响强度持续增强.研究通过不同区县、不同的草原的反应状况,提出放牧政策的不同实施建议,致力于实现草原资源的可持续利用和生态系统的持续健康.

基于2000-2020年中国西南喀斯特地区的增强型植被指数(EVI)和植被净初级生产力(NPP)数据,将人口压力、农村经济和非农经济等社会经济因素进行细分,利用线性混合模型定量评估各社会经济因素对4和NPP的相对贡献率,探讨社会经济发展与植被恢复之间的关系.结果表明:(1)2000-2020年中国西南喀斯特区植被呈上升趋势.(2)整体社会经济因素对植被恢复的贡献大于自然因素,社会经济因素对EVI的贡献率为26.6％,对NPP的贡献率为41％.(3)在社会经济因素中,非农经济因素对植被恢复的相对贡献率最高,对EVI的贡献率为19.1％,对NPP的贡献率为14.7％.(4)在各细分社会经济因素中,第三产业对植被恢复的相对贡献率最高,其中对EVI和NPP的相对贡献率分别为11.8％和14.7％.综上所述,除了生态工程之外,其余社会经济因素对植被恢复的影响虽然具有间接性或者滞后性,但同样重要不可忽略.

在快速城市化背景下,都市圈正面临生态系统服务供需错配的风险.探究多重供需风险的格局、关系及驱动因素,对支撑区域生态风险的高效管理具有重要意义.以武汉都市圈为例,本研究量化2000、2010和2020年各乡镇6种典型生态系统服务的单一/综合供需风险率,采用自组织特征映射网络与最优参数地理探测器分别识别生态系统服务供需风险簇和综合风险的影响因素.结果表明:2000-2020年间,武汉都市圈典型生态系统服务供需风险空间格局差异明显.粮食供应服务、产水服务、碳固存服务和绿地休憩服务的供需风险均上升,而土壤保持服务和水质净化服务的供需风险下降.综合生态系统服务供需风险由0.41增至0.45,呈"核心区增加、边缘区降低"趋势.研究期间,武汉都市圈存在综合极高风险簇(B,)、综合高风险簇(B2)、水质净化高风险簇(B3)与粮食供应-土壤保持风险簇(B4),风险类型主要由B3簇向B2簇、B2簇向B1簇转化,表明供需风险组合类型增加、强度增强.植被覆盖度、夜间灯光指数和人口密度是综合供需风险空间分异的主要影响因子.基于生态系统服务供需簇开展生态风险评估,可为区域多重风险问题的管控提供高效可靠的途径.

高原城市湿地是高原城市生态系统的重要组成部分,对维护高原城市的经济发展和生态环境建设具有重要作用,但目前针对高原城市湿地植被状况及其影响因素的研究较为缺乏.植被指数是评估植被状况的关键指标之一,通过比较高原城市湿地生态系统中不同植被指数评估地表植被状况,进而探究其对气候变化的响应,可为全球变化背景下高原城市湿地的修复和保护提供重要的参考价值.本研究以青藏高原拉鲁湿地国家级自然保护区为对象,利用Landsat系列影像数据计算2000-2020年植被生长季(5-9月)的归一化植被指数(NDVI)、增强型植被指数(EVI)、比值植被指数(RVI)和植被覆盖度(FVC),通过趋势回归分析揭示过去20年拉鲁湿地3种植被指数和植被覆盖度的时空变化特征,并结合降雨量与温度数据探讨不同植被指数与二者之间的相关性.结果表明:(1)拉鲁湿地FVC整体水平较高,2000-2020年平均FVC为0.57,中部和南部FVC高于北部边缘区域,拉鲁湿地FVC增加区域的面积大于减少区域的面积,且以轻微增加(面积占比32.38％)的变化趋势为主;(2)拉鲁湿地NDVI和RVI反演结果相关性较高(R2=0.92,P＜0.01),且在监测拉鲁湿地FVC方面优于EVI,EVI对高植被覆盖度区域的植被生长状况变化更敏感,NDVI在反演拉鲁湿地植被覆盖中的效果最佳,适应性最高;(3)NDVI、EVI和RVI均与温度呈负相关,而与降雨量呈正相关,且温度对植被指数的影响更大.综上,拉鲁湿地国家级自然保护区2000-2020年FVC呈略微上升趋势,植被指数在空间上均表现为拉鲁湿地中部和南部数值高于北部边缘,NDVI在拉鲁湿地植被反演中的适应性优于RVI与EVI,温度对植被指数的影响大于降雨量,研究结果可为拉鲁湿地国家级自然保护区的保护与修复提供有效的科学依据和数据支撑.

为分析我国热带北缘季雨林的不同演替阶段的群落特征,该研究对广东阳春鹅凰嶂典型季雨林中4种(A、B、C、D)不同植物群落展开调查,对群落的物种组成、多样性和空间结构等进行分析,判断成熟度差异,预测演替方向,并提出优化建议.结果表明:(1)4种群落林层单一,小径级木与下层木占主体地位,具有 1～3 种明显的优势树种.(2)Shannon-Wiener 指数为 2.72～3.74,Simpson 指数为 0.90～0.97,Pielou 均匀度指数为0.74～0.89,各群落多样性特征差异显著.(3)4种群落乔木胸径大小比数为0.49～0.51,角尺度为0.56～0.61,混交度为0.54～0.83,林分空间结构指数为60.57～71.44,林分空间结构距离为53.15～68.53.(4)综合群落基本特征、多样性和空间结构特征的分析得出,各群落的成熟度排名为D＞A＞C＞B.综上认为,4种群落都处于演替前期或中期,乔木个体胸径和树高发展空间较大;群落整体处于中庸生长状态,个体均呈轻微聚集分布,树种表现为中度、强度或极强度混交,空间结构与理想林分存在一定距离.随着成熟度的增加,4种群落都继续以阳性树种作为主要优势树种进行演替,并初步具备该区域地带性顶极群落的典型植被特征;季雨林群落物种多样性提高,并向混交度增加、空间结构优化、稳定性增强的趋势演替.该研究结果为群落构建机制和森林结构优化等提供科学依据.未来应对该区域加强监管与保护,同时应对该地区的植被生态学和生物多样性保护展开广泛监测与深入研究.

台风是影响我国陆地生态系统结构和功能的主要自然灾害之一,尤其对东南沿海地区植被具有明显的干扰效应.为深入了解台风对我国沿海地区植被的影响及其响应,基于MODIS增强型植被指数(Enhanced Vegetation Index,EVI)和叶面积指数(Leaf Area Index,LAI),分析了 2001-2019年间不同等级的台风对植被EVI和LAI的影响,评估台风登陆时植被的抵抗力及台风过后植被的恢复力.结果表明:(1)2001-2019年间,共有70个台风登陆我国东南沿海地区,其中,台风(TY)、强台风(STY)与超强台风(SuperTY)的数量分别为35、26和9个.我国台湾省的台风登陆次数最多,为26个,其次为广东省(20个);(2)在整个研究区范围内,台风(TY)、强台风(STY)与超强台风(SuperTY)登陆后的EVI净变化率分别为4.88％、-7.48％、-1.85％,LAI净变化率分别为22.28％、-65.70％、-17.60％;(3)在经历台风干扰后,沿海地区大部分植被可在3个月之内得到恢复,其中浙江省与广东省植被的恢复时间较长,海南省与台湾省植被的恢复时间较短.研究结果对我国沿海地区森林经营管理和生态环境保护具有重要意义.

目的 描述我国社区自然人群心血管代谢性疾病(cardiovascular metabolic disease,CMD)的流行现状,探讨绿地暴露与CMD的关联及细颗粒物(fine particulate matter,PM2.5)的中介效应.方法 采用多阶段分层整群抽样方法,选取2017—2019年"京津冀地区生活社区自然人群慢性病队列研究"的社区自然人群(≥18岁),采用归一化植被指数(normalized difference vegetation index,NDVI)和增强植被指数(enhanced vegetation index,EVI)评估人群的绿地暴露水平.采用广义线性混合效应模型进行绿地暴露与CMD的关联性分析,并分析PM2.5在其中的中介效应.结果 36 429名研究对象中男16 095名(44.2%),女20 334名(55.8%);年龄18～92岁,平均(51.3±14.7)岁;其中CMD患者18 025例,患病率为49.5%;同时患两种及以上CMD患者6 232例(17.1%),其中高血压合并糖尿病患病率最高,为2 584例(7.1%).绿地与CMD呈负相关(主模型:NDVI500m,OR=0.951,95%CI:0.908～0.995;EVI500m,OR=0.907,95%CI:0.844～0.975).PM2.5在NDVI500m、EVI500m与CMD关联的中介效应占比分别为17.300%、22.370%.结论 我国社区自然人群CMD患病率较高,较高的绿地暴露水平与自然人群CMD患病风险呈负相关,PM2.5在其中发挥中介效应.增加居民住宅周围绿地可能是预防社区自然人群CMD患病的有效措施.

生态系统服务供给能力和权衡/协同关系已被广泛用于生态保护和生态安全分区研究中.但现有分区研究多侧重于生态系统服务供给能力或权衡/协同关系的某一方面,且在分区过程中较少考虑生态系统服务对驱动因素的非线性响应.基于此,以西南地区为例,在对区域土壤保持、产水、净初级生产力(NPP)及粮食供应四类服务供给量和权衡/协同关系进行估算的基础上,构建生态系统服务供给指数、关系指数和综合指数.在对三类指数时空变化特征进行剖析的同时,重点探讨主要驱动因素与生态系统服务综合指数间的约束关系,识别临界阈值,进而明确区域生态安全分区及优化方案.结果显示:(1)2000-2020年,区域生态系统服务供给指数呈上升趋势,体现了生态修复的积极作用;同时,在追求生态系统服务供给能力最大化输出的过程中,造成了区域生态系统服务权衡关系的增强.因此,有必要将生态系统服务供给和权衡/协同关系同时纳入生态安全分区中.(2)空间上,三类指数的低值区高度重合,均位于川西高原;但高值区的分布存在一定差异,供给指数的高值区位于研究区西南角,而关系指数和综合指数的高值区位于研究区东部.(3)自然-社会条件、植被环境条件和社会-经济条件是影响区域生态系统服务综合指数变化的主要因素,三者与综合指数间呈倒"U"型约束关系,即存在明显的阈值效应.且随时间推移,自然-社会条件和植被环境条件对生态系统服务综合指数的约束效应略有收紧.(4)研究区以相对修复区为主,其次是重点修复区和相对安全区,生态安全区面积最小.未来可以对不同分区上的限制因素进行调整以实现区域生态系统服务供给最大和关系最优.

及时准确评估草地产草量对草地资源的科学管理和可持续发展具有重要意义.青藏高原自然环境特殊,气候差异显著,地形复杂,仅依靠遥感信息准确监测草地地上生物量(Aboveground Biomass,AGB)变化有较大限制.基于青藏高原草地AGB野外实测数据与Landsat遥感影像,探索了植被指数表征草地AGB信息的有效性,评估了气象和地形信息对准确估算草地AGB的影响,综合利用气象、地形和遥感信息,在新一代地球科学数据和分析应用平台(Google Earth Engine)上构建了梯度增强回归树草地AGB估算模型,绘制了青藏高原多年草地AGB空间分布图.结果表明:(1)基于单因素遥感因子的线性回归模型仅能解释 8%—40%的草地AGB变化情况,其中绿色归一化植被指数(Green Normalized Difference Vegetation Index,GNDVI)对草地AGB解释能力较强(40%).(2)基于遥感因子构建的梯度增强回归树模型测试集R2为0.57.分别添加气象、地形信息,模型对草地AGB的估测准确性有所提升,测试R2为 0.62 和 0.63.(3)基于气象、地形和遥感因子的多因素估测模型能够提高草地AGB估测精度,经递归特征消除法优选后,基于 13 个特征变量的梯度增强回归树模型拟合效果最好(训练数据集R2 =0.79,RMSE=43.42 g/m2,P＜0.01;测试数据集R2=0.66,RMSE=53.64 g/m2,P＜0.01),可以解释66%草地AGB变化情况.(4)2010 年青藏高原平均AGB为 94.58 g/m2,2015 年 93.63 g/m2,2020 年 100.78 g/m2.青藏高原西北部草地AGB较低,东南部草地AGB较高,整体呈现自西北向东南逐渐增加的分布格局.研究结果为准确估算青藏高原草地产草量和碳储量等研究提供重要参考.