2. 中国科学院中亚生态与环境研究中心,乌鲁木齐 830011;
3. 中国科学院大学,北京 100049
2. Central Asian Center for Ecology and Environmental Research, Chinese Academy of Sciences, Urumqi 830011, China;
3. University of Chinese Academy of Sciences, Beijing 100049, China
随着“一带一路”倡议的实施,中亚各国作为“丝绸之路经济带”建设的核心区,是连接中国与欧洲的重要通道,也是未来重要的潜在资源开发基地,该区域生态安全和社会经济可持续发展,对保障国家安全,培育新的经济增长极,加强邻国合作具有重要的现实意义[1]。中亚干旱半干旱地区生态环境极其脆弱,人类活动加剧和水资源利用不合理使得中亚生态环境不断恶化,水土流失[2]、土壤盐渍化[3]、沙尘暴[4-5]和土地退化[6]等生态问题十分严重,咸海萎缩也成了国际关注的焦点[7]。研究中亚生态承载力,探究近年来生态环境压力的变化情况,评价中亚生态安全状况及生态环境修复状况,对实现区域可持续发展目标、保障“丝绸之路经济带”生态安全,促进资源与环境可持续发展具有重要的战略意义。
生态承载力(ecological carrying capacity, ECC)由承载力演化而来,以高吉喜[8]为首的学者将其定义为“自然资源-生态环境-社会经济”复合生态系统中,生态系统容纳一定的人口及社会经济活动时的自我维持和自我调节能力,其物理意义表现为在一定的人类活动和生态环境状态下,区域能承载更多人类活动或抵御生态环境退化的能力大小,量化潜在开发价值。生态承载力反映人口、资源、环境和社会经济间复杂的耦合关系[9]。常用的计算方法包括生态足迹法[10-13]、供需平衡法[14]、状态空间法[15-16]、自然植被第一性生产力估算法(net primary productivity, NPP法)[17]、系统模型法[18-20]和综合指标评价[21-22]。综合指标评价法结合遥感和地理信息系统技术对生态承载力进行评价,相比于其他方法,可以对研究区内部生态承载力分布进行细化评价,拥有更高的灵活性和适用性,逐渐被学者认可和使用[23]。
已有研究利用生态足迹法对中亚国家生态承载力进行评估,研究表明,中亚生态环境安全整体较差,其中乌兹别克斯坦生态承载力最低[24-25],且资源环境承载力与经济发展水平呈反向变化趋势[26],草地资源尚有发展潜力[27]。有研究者利用NPP和土地利用数据,从自然资源角度对生态承载力进行评价,发现哈萨克斯坦中部生态承载力较弱,东部和北部草原生态承载力较高,而西北部和南部生态承载力退化较为严重[28]。由于数据限制,现有的研究多基于国家层面的结果对比,对中亚内部差异的变化描述较为薄弱;现有像元尺度的研究指标较为单一,对水资源和人类活动因素的描述存在不足,结果的全面性存在局限,对驱动因素的描述集中在自然或人类活动的一侧,对人类活动和气象活动的区分和分离研究薄弱。
本研究利用综合指标评价法,结合多源遥感数据,从“自然资源-生态环境状态-人类社会经济活动”3个方面选取指标,建立一套适用于内陆干旱区生态承载力动态监测的评价指标体系和方法,对中亚5国2001—2019年的生态承载力及其变化情况进行像元尺度的评价和分析,揭示中亚5国生态承载力时空变化特征、趋势及主要驱动因素,由此评价中亚5国生态安全及生态环境恢复状况,为中亚地区生态环境治理、实现区域可持续发展提供科学依据,并为其他类似地区研究提供指标参考。
1 研究区概况及研究方法 1.1 研究区概况中亚5国介于46°E~87°E,35°N~55°N之间(图 1),总面积约4×106 km2,包括塔吉克斯坦、吉尔吉斯斯坦、土库曼斯坦、哈萨克斯坦和乌兹别克斯坦5个国家。已有研究成果表明[29-31],在自然资源环境方面,中亚地区气候类型为典型的温带大陆性气候,是典型的内陆干旱区,降水稀少,蒸发量大,水资源在该区域显得十分重要,但区域内水资源相对匮乏,并且时空分布不均,存在水资源利用不合理的问题;中亚东南部地势较高,西北部地势较低,总体以平原为主,但地形复杂多样;生态环境脆弱,荒漠在区域中南部广布,植被较为稀疏,部分地区已经出现土地退化问题,沙尘、盐尘问题突出。而自从苏联解体后,区域内城市人口不断增长,城镇扩张明显,工业活动主要以油气资源开采为主,在粗放的发展及薄弱的工业基础下,存在一定的环境破坏和环境污染问题。
Download:
|
|
中亚地区幅员辽阔,目前缺少长时间序列统计数据累积,难以构建精细化的生态承载力评价指标体系。遥感大数据和地理信息系统的发展为开展中亚生态安全评价提供了可靠的数据基础。综合研究区特点,本文结合长时间序列的遥感数据,围绕自然资源-生态环境状态-人类社会经济活动,从水热要素、地表要素、地形地貌和人类扰动4个方面,选取降水量、水分盈亏、河网密度、湖泊格局、植被覆盖度指数、土地退化指数、土壤质地、高程、坡度、人口数量、城市与经济发展、近地表沙尘和二氧化硫含量13个指标建立评价指标体系对中亚地区的生态承载力进行评估。其中水分盈亏为降水量和潜在蒸发量的差,城市与经济发展指标利用处理后的连续夜间灯光数据[32-33]表征,帕尔默干旱指数(Palmer drought severity index, PDSI)、近地表沙尘和二氧化硫含量经月均值处理得到年度数据,降水和潜在蒸散发进行月累计合成得到年度数据,河网密度、数字高程模型(digital elevation model, DEM)和土壤质地在研究时间段内变化较小,用获取年份代表所有年份指标,湖泊格局利用每年土地利用数据提取湖泊进行距离分析得到,其他数据均为年数据,所有数据均进行裁切和投影操作,并以植被覆盖度和土地退化指数为基准,重采样至500 m×500 m的空间分辨率,保持数据在空间上的一致性。具体指标及数据源如表 1,表 2所示。
为消除不同指标间的量纲使其具有可比性,本文使用极差法对数据进行标准化,并对不同影响方向的指标分别进行标准化[21, 38],其计算公式分别为
$ \text { 正向指标: } y_{i j}=\frac{x_{i j}-\min \left(x_i\right)}{\max \left(x_i\right)-\min \left(x_i\right)} \text {, } $ | (1) |
$ \text { 负向指标: } y_{i j}=\frac{\max \left(x_i\right)-x_{i j}}{\max \left(x_i\right)-\min \left(x_i\right)} \text {. } $ | (2) |
其中:xij为第i个指标的第j个值,max(xi)为第i个指标实际值的最大值,min(xi)为第i个指标实际值的最小值,yij为第i个指标的第j个值标准化处理后的值。
1.4 指标权重确定常用的指标权重确定方法有层次分析法和熵值法。层次分析法利用已有专家经验对数据指标进行打分,根据打分情况对数据指标进行权重赋予,该方法充分地体现了各指标在指标体系中的作用,但可能会忽略数据本身的客观情况[39]。熵值法通过计算数据指标本身的离散程度,利用信息熵对数据指标进行权重赋予,但缺少专家知识和实践经验的支持,结果可能会出现与现实不一致的情况[40]。本文综合考虑两种方法,进行综合权重赋予,在体现经验因素的基础上,加入指标在不同年份数据本身的变化情况,使结果更贴合实际。层次分析法和熵值法的具体操作流程可参照文献[6, 15],层次分析法和熵值法得到指标权重值分别为wi和wi′,参考前人研究方法[41],利用线性加和的方式对权重进行综合得到最终权重Wi,其公式为
$ W_i=\alpha w_i+(1-\alpha) w_i^{\prime}. $ | (3) |
其中:α表示单个权重对综合权重的贡献度,其确定后的权重满足与各权重差的平方和最小,本文α应取0.5。
1.5 生态承载力计算生态承载力数值根据13个指标和权重(权重如表 3所示),进行加权求和,其计算公式为
$ \mathrm{ECC}=\sum\nolimits_{i=1}^n W_i y_i . $ | (4) |
其中:ECC表示生态承载力值,yi为第i个指标标准化后的结果。
1.6 突变点及变化趋势分析Mann-Kendall(MK)趋势检验及突变分析通常用于时间序列的趋势和突变点分析中[42],本文将采用MK突变分析分离研究时间内的不同变化过程,并利用MK趋势检验对不同变化过程中生态承载力变化趋势进行分析。其中MK趋势检验过程如下:
对任意待检验的序列xi(i=1, 2, ⋯, n),n为待检验序列长度,其统计量S为
$ S=\sum\nolimits_{i=1}^{n-1} \sum\nolimits_{j=i+1}^n \operatorname{sign}\left(x_j-x_i\right) . $ | (5) |
其中:
$ \operatorname{sign}\left(x_j-x_i\right)=\left\{\begin{array}{ll} 1, & x_j>x_i, \\ 0, & x_j=x_i, \\ -1, & x_j <x_i . \end{array}\right. $ | (6) |
其标准化的检验统计量Z为
$ Z=\left\{\begin{array}{ll} \frac{S-1}{\sqrt{\operatorname{var}(S)}}, & S>0, \\ 0, & S=0, \\ \frac{S+1}{\sqrt{\operatorname{var}(S)}}, & S <0 . \end{array}\right. $ | (7) |
其中:
$ \operatorname{var}(S)=n(n-1)(2 n+5) / 18. $ | (8) |
Z服从正态分布,Z>0时存在上升趋势;Z < 0时存在下降趋势,对于给定的显著性水平α,若|Z|≥
在突变点分析中,同样需要计算统计量dk
$ d_k=\sum\nolimits_{i=1}^{n-1} \sum\nolimits_{j=i+1}^n r\left(x_j-x_i\right) . $ | (9) |
其中:
$ r\left(x_j-x_i\right)=\left\{\begin{array}{ll} 1, & x_j>x_i, \\ 0, & x_j \leqslant x_i . \end{array}\right. $ | (10) |
dk的期望(E(dk))和方差(V(dk))为
$ E\left(d_k\right)=\frac{k(k-1)}{4}, $ | (11) |
$ V\left(d_k\right)=\frac{k(k-1)(2 k+5)}{72}. $ | (12) |
最终定义正序统计量Uk为
$ U_k=\frac{d_k-E\left(d_k\right)}{\sqrt{V\left(d_k\right)}} . $ | (13) |
由此构建正序统计量Uk,后构建反向时间序列,计算反向统计量Uf,当两统计量在置信区间内存在交点时,表明该处可能存在突变点。
1.7 残差分析法残差分析法可用于分离气候活动与人类活动对变化区域的影响[43]。由于干旱是影响中亚地区的主要气候活动[44],利用PDSI作为气候活动指标对生态承载力结果进行线性回归,与PDSI高度显著,则该区域生态承载力变化受气候活动影响。生态承载力实际值与回归预测值的差称为残差,残差大于0,则该地区受到人类活动的积极影响;残差小于0,则该地区受到人类活动的消极影响。分析残差变化趋势,残差变化显著,表示该地区人类活动强度发生变化,可能带来生态承载力的变化。由此对生态承载力变化的主要驱动因素进行分类[45],分类标准如表 4所示。
通过上述过程得到中亚地区2001—2019年的生态承载力空间结果,图 2(a)为19 a生态承载力均值空间分布。整体上看,中亚西南部卡拉库姆沙漠和卡孜勒库姆沙漠地区及里海东岸低地生态承载力较低,并由西南地区向北部和东部地区递增,其中哈萨克斯坦北部雨养耕作区和天山地区生态承载力较高。中亚生态承载力MK变化趋势检验结果(图 2(b)和2(c))表明,中亚71.56%的区域生态承载力较为稳定;16.03%的区域生态承载力有轻微提升,7.90%的地区生态承载力显著提升,主要分布在哈萨克丘陵及东哈萨克斯坦州、图尔盖洼地、阿姆河三角洲、锡尔河上游耕作区及土库曼斯坦南部;4.51%的区域生态承载力呈下降趋势,主要分布在图尔盖高原、咸海南部和里海沿岸低地南部。在中亚5国中,吉尔吉斯斯坦和土库曼斯坦生态承载力提升较为明显,显著提升区域分别占9.65%和8.29%,乌兹别克斯坦生态承载力下降较为明显,下降区域占7.17%。不同生态系统中,农田生态系统有8.91%的区域显著提升,占比最多,主要分布在阿姆河三角洲、锡尔河上游耕作区和土库曼斯坦绿洲区;森林生态系统(7.99%)和草地生态系统(7.92%)次之,主要分布在东哈萨克斯坦州和图尔盖洼地;湿地生态系统生态承载力下降明显,8.00%的区域呈显著下降区域,主要分布在咸海南部地区。
Download:
|
|
总的来说,中亚生态承载力提升区域大于下降区域,不同生态系统均有不同程度的提升,湿地生态系统生态承载力下降占比最多。土库曼斯坦和乌兹别克斯坦生态承载力较低,存在一定的生态安全问题,但土库曼斯坦生态承载力提升面积占比多于乌兹别克斯坦。
2.2 生态承载力变化突变点分析中亚5国地区生态承载力均值变化结果(图 3(a))和MK突变检验结果(图 3(b))表明,中亚地区生态承载力在2001—2019年共发生4次突变,分别是2003、2006、2010和2016年;在2001—2003年生态承载力表现出下降趋势,2003—2006年生态承载力有所回升,2006—2010年生态承载力有所下降,2010—2016年生态承载力有较为明显的提升,2016—2019年生态承载力又有所回落。
Download:
|
|
由于2003年与研究开始年份相近且区间起点未知,趋势检验可能存在误差,故分别对中亚地区2003—2006、2006—2010、2010—2016和2016—2019年生态承载力进行趋势分析,变化趋势(图 4)及其占比(图 5)结果表明:2003—2006年生态承载力以提升为主,森林生态系统、草原生态系统和农田生态系统均轻微提升,提升区域占该生态系统的35.31%、22.73%和15.12%,主要分布在东哈萨克斯坦州和图尔盖洼地;2006—2010年生态承载力以下降为主,农田生态系统生态承载力下降明显,下降区域共占20.73%,主要分布在哈萨克斯坦北部雨养耕作区,草原生态系统次之,下降区域共占13.28%,主要分布在哈萨克斯坦中部;2010—2016年生态承载力以提升为主,农田生态系和草原生态系统生态承载力提升明显,提升区域共占25.59%和25.43%,集中在哈萨克斯坦中部;2016—2019年生态承载力以轻微下降为主,其中草地生态系统(14.44%)和农田生态系统(10.39%)下降区域占比较大,主要分布在图尔盖高原、咸海南部和莫因库姆沙漠及其南部地区。
Download:
|
|
Download:
|
|
干旱是引起生态承载力突变和波动的重要原因。已有研究表明[46],1999—2003、2008—2014和2018—2019年是显著发生干旱的时间区间,在该区间内生态承载力表现出下降趋势或处于较低水平,且在2008、2010和2014年发生了严重的干旱事件(2010年干旱事件最为严重)[44],生态承载力在该年份均有不同程度的下降,农田生态系统和草地生态系统生态承载力对干旱更敏感。
2.3 气候与人类活动的相对作用生态承载力与PDSI相关性系数及其显著性(图 6(a))表明,中亚北部大部分地区与南部地区生态承载力与气候因子的相关性较高且高度显著,与2.2节中在干旱发生区间内生态承载力下降的区域大致吻合,进一步证明干旱是影响中亚生态承载力波动的重要因素,干旱对中亚生态承载力的影响主要分布在中亚北部地区。
Download:
|
|
中亚生态承载力变化主要驱动因素分布(图 6(b))及占比(表 5)表明,人类活动是中亚生态承载力改变的主要原因。其中,在生态承载力显著提升的区域,人类活动引起的生态承载力提升区域占生态承载力显著变化区域的41.57%,主要分布在图尔盖洼地,阿姆河三角洲耕作区、锡尔河上游耕作区、楚河流域及土库曼斯坦绿洲区;气候活动引起的生态承载力提升区域占生态承载力显著变化区域的23.67%,主要分布在东哈萨克斯坦州、哈萨克斯坦北部和土库曼斯坦南部;其他因素引起的生态承载力提升占生态承载力显著变化区域的17.25%,主要分布在图尔盖洼地南部;气候与人类活动引起的生态承载力提升区域占生态承载力显著变化区域的6.02%,其分布较为分散,处于气候与人类活动单独影响的过渡区。在生态承载力显著下降的区域,人类活动引起的生态承载力下降占比最大,占生态承载力显著变化区域的4.79%,主要分布在咸海南部、阿姆河三角洲下游至里海沿岸低地;气候活动引起的生态承载力下降区域占生态承载力显著变化区域的2.90%,主要分布在图尔盖高原;气候和人类活动共同引起的生态承载力下降区域分布较为分散,占生态承载力变化区域的1.92%;其他因素引起的生态承载力下降区域占生态承载力变化区域的1.88%,分布在里海沿岸卡拉博加兹湾及以北地区。
本研究利用综合指标评价法评价中亚5国生态承载力状况,并分析其趋势变化及驱动因素。区别于以往的承载力及生态脆弱性等[47-48]研究,该方法以水资源为主要供给,人类活动为主要生态压力,从自然供给、生态环境状态及人类社会经济活动角度建立评价指标体系,得到了基于多源遥感数据的长时序像元尺度的生态承载力空间分布结果,有利于探索中亚生态环境退化程度及可持续发展状态,分析中亚生态安全的空间相关性及差异性,对生态承载力多维及多指标发展,实现长时间序列的生态承载力分析及模拟预测有重要意义。其结果与中亚生态环境状况相符[2-3, 30],生态承载力空间分布特征与已有生态足迹结果一致[25, 28],该方法对中亚5国生态承载力进行长期监测是有效可行的,尤其是适用于缺乏数据的区域。
中亚5国71.56%的区域生态承载力处于相对稳定状态,23.93%的区域呈提升趋势,4.51%的区域呈下降趋势,总的来说大多数地区处于相对稳定状态,而提升区域大于下降区域,总体向好发展。结合生态承载力变化区域及变化原因,认为生态承载力总体向好发展得益于中亚国家对生态环境的政策响应及中亚部分地区气候的暖湿化发展。例如哈萨克斯坦修建拦水大坝保证北咸海水量,使得北咸海地区生态承载力有所上升[7, 49];同时发布禁牧措施后牲畜存栏量相比19世纪90年代下降近一半[50-51],保证了哈萨克斯坦东部草地生长状态,哈萨克丘陵及东哈萨克斯坦州生态承载力上升;而耕作区和绿洲区由于人口扩张、耕地扩张以及种植结构和灌溉方式的改进[52-54],生态承载力有所提高;同时中亚东部气候处于暖湿化发展趋势[55],有利于区域生态承载力的提高。中亚生态承载力下降的原因包含气候原因和不正当的人类活动。图尔盖高原近年来沙尘、盐尘频率增加[4],降水量在该区域显著下降[6],在气候活动影响下生态承载力下降;人类活动的影响主要集中在咸海南部及阿姆河下游至里海沿岸低地地区,水资源不合理利用[49]和粗放的油气开采[51, 56]是引起生态承载力下降的主要人类活动因素。
合理的政策引导和干预,可以更好地统筹经济发展与生态环境间的平衡,中亚5国应该加强统筹规划,加强锡尔河和阿姆河水资源合理利用,以改善咸海南部生态环境,并合理管理油气资源开发,在保护开采区生态环境的基础上进行经济发展。同时注重气候变化带来的负面影响,加强对气候变化的预警和中亚北部农田及草地生态系统的保护,以减小干旱事件对区域生态环境的影响。
4 结论本文利用综合指标评价的方法,使用13个具有代表性的指标,综合层次分析法和熵值法,生成高精度像元尺度的中亚地区生态承载力时序结果,对中亚地区的生态承载力进行评价,结论如下:
1) 中亚生态承载力由西南向北部和东部递增,从各国生态承载力年均值来看,中亚5国生态承载力由高到低分别是吉尔吉斯斯坦、塔吉克斯坦、哈萨克斯坦、乌兹别克斯坦和土库曼斯坦。
2) 中亚71.56%的区域生态承载力处于相对稳定的状态,23.93%的区域生态承载力呈提升趋势,4.51%的区域生态承载力呈下降趋势,生态承载力总体稳定且向好发展,农田生态系统生态承载力提高明显,但湿地生态系统生态承载力下降较为严重。
3) 中亚生态承载力变化分别在2003、2006、2010及2016年发生4次突变,干旱是引起生态承载力突变及波动变化的重要原因,其影响主要集中在中亚北部地区,哈萨克斯坦北部雨养农田生态系统和草地生态系统生态承载力波动较为明显。
4) 中亚生态承载力变化受到人类活动和气候活动共同影响,其中人类活动是影响中亚生态承载力变化的主要驱动因素,其影响区域主要分布在哈萨克丘陵、图尔盖洼地、咸海及耕作区和绿洲区。
5) 咸海南部生态承载力持续下降,需要注重上游水资源合理利用,防止咸海进一步退化;图尔盖高原受到气候活动影响生态承载力下降,需要对该地区生态环境进行政策性的治理和保护。
本研究也存在一定的不足,如降水等数据的重采样可能对结果精度产生影响,像元尺度的研究对政策导向(如禁牧政策、退耕还林政策)等人类活动描述力度不足。若可以更好地模拟出人类活动对水资源的分配和利用程度,结果可能会有所提升,并且对生态承载力变化过程及驱动因素时间变化的研究还有待深入。
[1] |
曾向红. "一带一路"的地缘政治想象与地区合作[J]. 世界经济与政治, 2016(1): 46-71. |
[2] |
周可法, 张清, 陈曦, 等. 中亚干旱区生态环境变化的特点和趋势[J]. 中国科学D辑, 2006, 36(S1): 133-139. Doi:10.3969/j.issn.1674-7240.2006.z1.018 |
[3] |
胡汝骥, 姜逢清, 王亚俊, 等. 中亚(五国)干旱生态地理环境特征[J]. 干旱区研究, 2014, 31(1): 1-12. Doi:10.13866/j.azr.2014.01.001 |
[4] |
Zhang X X, Claiborn C, Lei J Q, et al. Aeolian dust in Central Asia: spatial distribution and temporal variability[J]. Atmospheric Environment, 2020, 238: 117734. Doi:10.1016/j.atmosenv.2020.117734 |
[5] |
Indoitu R, Orlovsky L, Orlovsky N. Dust storms in Central Asia: spatial and temporal variations[J]. Journal of Arid Environments, 2012, 85: 62-70. Doi:10.1016/j.jaridenv.2012.03.018 |
[6] |
Jiang L L, Jiapaer G, Bao A M, et al. Monitoring the long-term desertification process and assessing the relative roles of its drivers in Central Asia[J]. Ecological Indicators, 2019, 104: 195-208. Doi:10.1016/j.ecolind.2019.04.067 |
[7] |
阿布都米吉提·阿布力克木, 葛拥晓, 王亚俊, 等. 咸海的过去、现在与未来[J]. 干旱区研究, 2019, 36(1): 7-18. Doi:10.13866/j.azr.2019.01.02 |
[8] |
高吉喜. 可持续发展理论探索: 生态承载力理论、方法与应用[M]. 北京: 中国环境科学出版社, 2001.
|
[9] |
Du W P, Yan H M, Yang Y Z, et al. Evaluation methods and research trends for ecological carrying capacity[J]. Journal of Resources and Ecology, 2018, 9(2): 115-124. Doi:10.5814/j.issn.1674-764x.2018.02.001 |
[10] |
Peng B H, Li Y, Elahi E, et al. Dynamic evolution of ecological carrying capacity based on the ecological footprint theory: a case study of Jiangsu Province[J]. Ecological Indicators, 2019, 99: 19-26. Doi:10.1016/j.ecolind.2018.12.009 |
[11] |
岳东霞, 陈冠光, 朱敏翔, 等. 近20年疏勒河流域生态承载力和生态需水研究[J]. 生态学报, 2019, 39(14): 5178-5187. Doi:10.5846/stxb201809141989 |
[12] |
周钰, 王亮, 李西灿, 等. 基于生态足迹的格网化生态承载力评价: 以衡水市为例[J]. 测绘通报, 2020(6): 93-98. Doi:10.13474/j.cnki.11-2246.2020.0188 |
[13] |
李菲, 张小平. 甘肃省水资源生态足迹和生态承载力时空特征[J]. 干旱区地理, 2020, 43(6): 1486-1495. Doi:10.12118/j.issn.1000-6060.2020.06.09 |
[14] |
王中根, 夏军. 区域生态环境承载力的量化方法研究[J]. 长江职工大学学报, 1999, 16(4): 9-12. |
[15] |
王维, 张涛, 王晓伟, 等. 长江经济带城市生态承载力时空格局研究[J]. 长江流域资源与环境, 2017, 26(12): 1963-1971. Doi:10.11870/cjlyzyyhj201712004 |
[16] |
裴鹰, 杨俊, 李冰心, 等. 城市边缘区生态承载力时空分异研究: 以甘井子区为例[J]. 生态学报, 2019, 39(5): 1715-1724. Doi:10.5846/stxb201802050306 |
[17] |
鲁凤, 陶菲, 钞振华, 等. 基于净初级生产力的省公顷生态足迹模型参数的计算: 以江苏省为例[J]. 地理与地理信息科学, 2016, 32(2): 83-88. Doi:10.3969/j.issn.1672-0504.2016.02.016 |
[18] |
Fang W, An H Z, Li H J, et al. Urban economy development and ecological carrying capacity: taking Beijing city as the case[J]. Energy Procedia, 2017, 105: 3493-3498. Doi:10.1016/j.egypro.2017.03.801 |
[19] |
荣月静, 郭新亚, 杜世勋, 等. 基于生态系统服务功能及生态敏感性与PSR模型的生态承载力空间分析[J]. 水土保持研究, 2019, 26(1): 323-329. Doi:10.13869/j.cnki.rswc.2019.01.047 |
[20] |
岳东霞, 杨超, 江宝骅, 等. 基于CA-Markov模型的石羊河流域生态承载力时空格局预测[J]. 生态学报, 2019, 39(6): 1993-2003. Doi:10.5846/stxb201711302153 |
[21] |
沈威, 鲁丰先, 秦耀辰, 等. 长江中游城市群城市生态承载力时空格局及其影响因素[J]. 生态学报, 2019, 39(11): 3937-3951. Doi:10.5846/stxb201810212274 |
[22] |
张学渊, 魏伟, 颉斌斌, 等. 西北干旱区生态承载力监测及安全格局构建[J]. 自然资源学报, 2019, 34(11): 2389-2402. |
[23] |
赵东升, 郭彩贇, 郑度, 等. 生态承载力研究进展[J]. 生态学报, 2019, 39(2): 399-410. Doi:10.5846/stxb201712292350 |
[24] |
Li J X, Chen Y N, Xu C C, et al. Evaluation and analysis of ecological security in arid areas of Central Asia based on the emergy ecological footprint (EEF) model[J]. Journal of Cleaner Production, 2019, 235: 664-677. Doi:10.1016/j.jclepro.2019.07.005 |
[25] |
吉力力·阿不都外力, 木巴热克·阿尤普. 基于生态足迹的中亚区域生态安全评价[J]. 地理研究, 2008, 27(6): 1308-1320. Doi:10.3321/j.issn:1000-0585.2008.06.010 |
[26] |
石天戈, 时卉. 中亚五国资源环境承载与经济发展藕合协调性分析[J]. 世界地理研究, 2019, 28(6): 32-41. Doi:10.3969/j.issn.1004-9479.2019.06.2019225 |
[27] |
Zou X P, Song D J, Chen S F. Ecological carrying capacity of grasslands and animal husbandry sustainability in central Asia[J]. Journal of Resources and Ecology, 2019, 10(6): 598-604. Doi:10.5814/j.issn.1674-764x.2019.06.004 |
[28] |
张晓彤, 谭衢霖, 董晓峰, 等. MODIS卫星数据中亚地区生态承载力评价应用[J]. 遥感信息, 2018, 33(4): 55-63. Doi:10.3969/j.issn.1000-3177.2018.04.009 |
[29] |
陈曦, 罗格平. 亚洲中部干旱区生态系统碳循环[M]. 北京: 中国环境出版社, 2015: 18-93.
|
[30] |
吉力力·阿不都外力, 马龙. 中亚环境概论[M]. 北京: 气象出版社, 2015: 18-166.
|
[31] |
杨德刚, 杜宏茹. 中亚经济地理概论[M]. 北京: 气象出版社, 2013: 41-113.
|
[32] |
Li X C, Zhou Y Y. A stepwise calibration of global DMSP/OLS stable nighttime light data (1992-2013)[J]. Remote Sensing, 2017, 9(6): 637. Doi:10.3390/rs9060637 |
[33] |
Zhao M, Zhou Y Y, Li X C, et al. Building a series of consistent night-time light data (1992-2018) in Southeast Asia by integrating DMSP-OLS and NPP-VⅡRS[J]. IEEE Transactions on Geoscience and Remote Sensing, 2020, 58(3): 1843-1856. Doi:10.1109/TGRS.2019.2949797 |
[34] |
吴克宁, 赵瑞. 土壤质地分类及其在我国应用探讨[J]. 土壤学报, 2019, 56(1): 227-241. Doi:10.11766/trxb201803120129 |
[35] |
江威, 何国金, 刘慧婵. NPP/VⅡRS和DMSP/OLS夜光数据模拟社会经济参量对比[J]. 遥感信息, 2016, 31(4): 28-34. Doi:10.3969/j.issn.1000-3177.2016.04.005 |
[36] |
毛卫华, 胡德勇, 曹冉, 等. 利用MODIS产品和DMSP/OLS夜间灯光数据监测城市扩张[J]. 地理研究, 2013, 32(7): 1325-1335. |
[37] |
欧阳志云, 张路, 吴炳方, 等. 基于遥感技术的全国生态系统分类体系[J]. 生态学报, 2015, 35(2): 219-226. Doi:10.5846/stxb201407281527 |
[38] |
杨振民, 刘新平. 新疆阿克苏河流域生态承载力监测及安全格局构建[J]. 干旱区地理, 2021, 44(5): 1489-1499. Doi:10.12118/j.issn.1000-6060.2021.05.29 |
[39] |
虞晓芬, 傅玳. 多指标综合评价方法综述[J]. 统计与决策, 2004(11): 119-121. Doi:10.3969/j.issn.1002-6487.2004.11.066 |
[40] |
杨宇. 多指标综合评价中赋权方法评析[J]. 统计与决策, 2006(13): 17-19. Doi:10.3969/j.issn.1002-6487.2006.13.010 |
[41] |
Wu X L, Hu F. Analysis of ecological carrying capacity using a fuzzy comprehensive evaluation method[J]. Ecological Indicators, 2020, 113: 106243. Doi:10.1016/j.ecolind.2020.106243 |
[42] |
Yu P S, Yang T C, Wu C K. Impact of climate change on water resources in southern Taiwan[J]. Journal of Hydrology, 2002, 260(1-4): 161-175. Doi:10.1016/S0022-1694(01)00614-X |
[43] |
Wessels K J, Bergh F V D, Scholes R J. Limits to detectability of land degradation by trend analysis of vegetation index data[J]. Remote Sensing of Environment, 2012, 125: 10-22. Doi:10.1016/j.rse.2012.06.022 |
[44] |
Guo H, Bao A M, Ndayisaba F, et al. Space-time characterization of drought events and their impacts on vegetation in Central Asia[J]. Journal of Hydrology, 2018, 564: 1165-1178. Doi:10.1016/j.jhydrol.2018.07.081 |
[45] |
武爽, 冯险峰, 孔玲玲, 等. 气候变化及人为干扰对西藏地区草地退化的影响研究[J]. 地理研究, 2021, 40(5): 1265-1279. Doi:10.11821/dlyj020200594 |
[46] |
彭宇, 李发东, 徐宁, 等. 1990—2019年中亚五国干旱状况时空变化特征及大气涛动驱动分析[J]. 中国生态农业学报(中英文), 2021, 29(2): 312-324. Doi:10.13930/j.cnki.cjea.200927 |
[47] |
郭泽呈, 魏伟, 庞素菲, 等. 基于SPCA和遥感指数的干旱内陆河流域生态脆弱性时空演变及动因分析: 以石羊河流域为例[J]. 生态学报, 2019, 39(7): 2558-2572. Doi:10.5846/stxb201805211114 |
[48] |
黎家琦, 武雪玲, 唐诗怡. 压力-状态-响应模型下的生态敏感性分析算法[J]. 测绘科学, 2020, 45(11): 75-83, 106. Doi:10.16251/j.cnki.1009-2307.2020.11.012 |
[49] |
杨雪雯, 王宁练, 陈安安, 等. 中亚干旱区咸海面积变化与人类活动及气候变化的关联研究[J]. 冰川冻土, 2020, 42(2): 681-692. Doi:10.7522/j.issn.1000-0240.2019.0902 |
[50] |
Liu Y R, Li Y P, Yang X, et al. Development of an integrated multivariate trend-frequency analysis method: spatial-temporal characteristics of climate extremes under global warming for Central Asia[J]. Environmental Research, 2021, 195: 110859. Doi:10.1016/j.envres.2021.110859 |
[51] |
Jiang L L, Jiapaer G, Bao A M, et al. Vegetation dynamics and responses to climate change and human activities in Central Asia[J]. Science of the Total Environment, 2017, 599-600: 967-980. Doi:10.1016/j.scitotenv.2017.05.012 |
[52] |
Ruan H W, Yu J J, Wang P, et al. Increased crop water requirements have exacerbated water stress in the arid transboundary rivers of Central Asia[J]. Science of the Total Environment, 2020, 713: 136585. Doi:10.1016/j.scitotenv.2020.136585 |
[53] |
Zou J, Ding J L, Welp M, et al. Using MODIS data to analyse the ecosystem water use efficiency spatial-temporal variations across Central Asia from 2000 to 2014[J]. Environmental Research, 2020, 182: 108985. Doi:10.1016/j.envres.2019.108985 |
[54] |
韩茜. 中亚楚河流域水与植被变化特征研究[D]. 北京: 中国地质大学(北京), 2018.
|
[55] |
Huang X T, Luo G P, Han Q F. Temporospatial patterns of human appropriation of net primary production in Central Asia grasslands[J]. Ecological Indicators, 2018, 91: 555-561. Doi:10.1016/j.ecolind.2018.04.045 |
[56] |
Karnieli A, Gilad U, Ponzet M, et al. Assessing land-cover change and degradation in the Central Asian deserts using satellite image processing and geostatistical methods[J]. Journal of Arid Environments, 2008, 72(11): 2093-2105. Doi:10.1016/j.jaridenv.2008.07.009 |