广西生态环境敏感性综合评价及其空间分布

把广西生态环境敏感性等级划分为不敏感、轻度敏感、中度敏感、高度敏感、极敏感等5个等级.应用GIS技术,对广西生物多样性及生境敏感性、酸雨敏感性、石漠化敏感性和土壤侵蚀敏感性进行评价,然后进行生态环境敏感性综合评价,为广西生态环境保护和建设提供科学依据.     

基于GIS与RS的工业园区生态敏感性分析——以南昌经济技术开发区为例

在GIS和RS支持下对南昌经济技术开发区进行了敏感性分析和评价,将研究区划分为5个区域,分别为极敏感区、高度敏感区、中度敏感区、轻度敏感区和不敏感区。其中极敏感和高度敏感区域分别占7%和12%,主要分布在赣江沿岸、白水湖周边、学校和居住区;中度、轻度和不敏感区域占81%。最后得出分区保护和治理的建议,为该区今后合理的产业布局、区域生态环境保护提供了科学依据。     

工布自然保护区生态敏感性评价及功能区划

以典型青藏高原的自然保护区生态敏感性评价为例,针对工布保护区存在的生态环境问题及其影响因素,构建了1套适合该区的生态敏感性评价指标体系,并运用层次分析法、聚类分析及GIS技术,对保护区生态敏感性进行评价和功能分区研究.其研究表明:工布自然保护区生态敏感性整体偏高,且西部地区高于东部,其中极敏感区和高度敏感区的面积占保护区总面积的65.6%,中度敏感区占26.8%,轻度敏感区占6.7%,不敏感区(米瑞乡)占0.9%;依据生态敏感性综合评价结果划分的生态功能区与采用定性方法划分的原保护区功能区结果基本一致,表明本文所构建的评价指标体系适用于类似高原地区自然保护区的生态敏感性评价,评价结果可用于保护区的功能区划.     

三峡库区重庆段酸雨敏感性评价及空间分异特征

三峡库区重庆段具有重要的生态地理位置,酸雨是这一地区根本性的生态环境问题之一.以酸雨敏感性机理为基础,运用GIS于RS技术分析了这一特殊生态地理区域酸雨敏感性的高低分布规律及其空间分异特征.结果表明:研究区酸雨以高度敏感为主,其次是中度敏感;各区县中石柱、武隆、万州是酸雨最为敏感的地区,都市区及周边区县主要以轻度以下敏...     

四川德阳地区土壤侵蚀因子与敏感性分析

德阳市地处长江上游生态屏障的最前沿,水土流失不但与本市防汛安全和未来的经济、生态、社会发展密切相关,而且极大地影响着长江中下游各地的可持续发展和相关的重大工程建设.以通用土壤流失方程(USLE)为基础,选择降雨侵蚀力、地形起伏度、土壤质地和植被覆盖等自然因子作为水土流失敏感性的评价指标,根据德阳地区自然环境特征制定评价指标的分级标准,在GIS和RS技术支持下,通过多因子叠加计算得到德阳地区土壤侵蚀敏感性评价的结果,指出了德阳地区极敏感区、高度敏感区、中度敏感区、轻度敏感区和一般敏感区等不同土壤侵蚀敏感区的空间分布,提出了有效控制该地区土壤侵蚀的建议.     

重庆市渝东北地区土壤侵蚀空间分布 (三峡地区资源环境生态研究)

渝东北地区地处重庆市东部的三峡库区地域,位于长江上游生态屏障的最前沿,其水土流失对三峡水利枢纽工程的安全运行和整个长江流域生态安全有着重要影响。选择降雨侵蚀力、地形起伏度、土壤质地和植被覆盖等自然因子作为水土流失敏感性的评价指标,根据重庆市自然环境特征制定评价指标的分级标准,在GIS和RS技术支持下,通过多因子叠加计算得到重庆市水土流失极敏感区面积1159.41km2,占幅员面积的3.93%;高度敏感区面积4892.19km2,占16.59%;中度敏感区面积7014.4km2,占23.79%;轻度敏感区面积2882.97km2,占9.78%;一般敏感区面积13673.94km2,占46.38%。指出了重庆市渝东地区极敏感区、高度敏感区、中度敏感区、轻度敏感区和一般敏感区等不同土壤侵蚀敏感区的空间分布。水土流失极敏感区主要分布于开县、云阳、城口;高度敏感区主要分布于开县、云阳、巫山、奉节、梁平这一带;轻度敏感区主要分布于巫溪、梁平一带。提出了有效控制该地区土壤侵蚀的对策建议。     

基于GIS的喀斯特地区生态环境敏感性评价

以位于贵州省境内的典型喀斯特地区乌江流域为研究对象,以ArcGIS平台为技术支撑,采用单因子与多因子评价相结合的方法,根据乌江流域的具体实际情况及其特有的地形地貌,选取了"4+1"模式,即生态类因子土地利用类型、坡度、水系、植被盖度,地质类因子喀斯特地貌分布等5个评价因子,制定乌江地区的单因子敏感性评价指标。结果表明:1)乌江流域整体敏感性程度较高,中度敏感、重度敏感与极度敏感约占流域总面积的24%、35.66%、15.21%,尤其是流域的中部极为明显。2)流域内东北部地区与西南部地区地形起伏较为平缓,城市建设用地面积大,故生态环境表现出不敏感或轻度敏感,如毕节市七星关区、大方县、纳雍县,以及铜仁市沿河县等地,流域内不敏感约占9.2%、轻度敏感约占15.93%。3)乌江流域内植被覆盖与水环境之间具有极显著的正相关性,坡度与其他各单因子及综合因子间均呈负相关性,流域的土地利用类型对敏感性综合评价起重要作用,两者之间具有极强的、显著的正相关性。     

重庆市生境敏感性评价研究

生境敏感性的综合研究是区域生物多样性保护研究的重要基础性研究.重庆市具有特殊的生态地理位置,生物多样性丰富,借鉴相关研究成果,利用生态系统类型作为指标对重庆市生境敏感性进行了综合分析.研究数据主要采用重庆市植被类型图.研究结果发现,生境敏感性的总体数量特征表现为:生境敏感性从不敏感到极敏感基本呈倒金字塔形分布,生境敏感性以不敏感和轻度敏感区为主,而中度以上敏感地区的面积比也达到了近40%;生态敏感性空间分布的总体特征表现为:渝东北和渝东南生境敏感性高,而中西部地区生境敏感性低;除不敏感和轻度敏感区面积较大,且呈连片分布外,中度以上生境敏感区呈零星斑块状分布,而且空间异质性较高;生境敏感性较高的地区大致呈弧形沿城口-巫溪-巫山-奉节-云阳-万州-石柱-丰都-武隆-南川-万盛-綦江-江津分布.中度以上生境敏感性的分布与重庆市的山地分布具有较高的一致性;生境敏感性与高程相关分析发现,除高度敏感区略有不同外,重庆市生境敏感性与高程基本呈正相关关系.     

安徽省脆弱生态环境区划研究

为了解安徽省生态环境的脆弱特征,对其进行了水土流失、盐渍化、酸雨、水污染和综合生态敏感性评价,结果表明安徽省生态环境敏感性较高,高度敏感和极敏感地区分别占全省面积的33.7%和31.2%。其中,沿淮及淮北平原对水污染和盐渍化比较敏感,水土流失与酸雨敏感区主要分布在江淮分水岭以南的丘陵山地。在敏感性评价基础上,结合GIS技术,初步提出了安徽省脆弱生态环境区划方案,把全省划分为2个脆弱生态区、8个脆弱生态亚区和26个脆弱生态地区。     

榆林地区水土流失敏感性时空特征

用10km×10km的网格,把榆林地区划分为527个单元样地,采用加权和法,计算每个单元的水土流失敏感性指数,并在Arcgis中进行Kriging空间插值,分析水土流失敏感性时空特征。结果表明:全区无不敏感级别。2000年中度敏感区面积占全榆林面积的31.33%。高度敏感区面积占51.808%。极度敏感区占16.862%。2005年中度敏感区面积占35.876%。高度敏感区面积占48.153%。极度敏感区占15.971%。2010年轻度敏感区占0.229%。中度敏感区面积占28.047%。高度敏感区面积占44.176%。极度敏感区面积占27.548%。总体来说,东部水土流失敏感性较高,西部敏感性较低。从2000年到2010年,中度敏感性和高度敏感性面积减少了,而极度敏感性面积增加了。     

基于GIS的临汾市水土流失敏感性评价

基于GIS技术,在分析水土流失敏感性影响因子机理的基础上,选取降水侵蚀力、土壤质地、坡度和植被类型等作为水土流失敏感性的评价指标,对临汾市水土流失敏感性进行综合分级分区评价,并针对各区提出相应的整治对策.结果表明,临汾市水土流失敏感性区域分布较广,中度以上敏感区占研究区面积的71.1%.研究结果可以为区域生态建设和相关政策的制定提供依据.     

基于地理信息系统与人工神经网络耦合技术的产油潜力评价模型

对控制油田产油潜力各种影响因素进行了系统的分析,选择地质构造、储层孔隙度、储层渗透率和原油性质4个因子作为控制油田产油潜力的主控因素。应用地理信息系统(GIS)的空间分析和处理操作功能,构建了各个主控因素的子专题图层,并建立了主控因素与每米采油指数间的非线性人工神经网络(ANN)分析模型,最终提出了评价产油潜力的GIS与ANN耦合模型。应用该评价模型对埕北30潜山油藏的产油潜力进行了评价,并应用灵敏度分析方法对该地区各个主控因素的灵敏度进行了系统分析,有效地解决了人工神经网络难以通过权重系数矩阵来判定各个影响因子影响程度的难题。     

多种模型集成的方法在土壤养分评价中的应用

在吉林省西部长岭县农业生态环境调查的基础上,通过对土壤中有机质、全氮、全磷、全钾、碱解氮、速效磷、速效钾等营养成分进行采样、化验和分析,先用聚类分析模型确定了评价单元,然后用层次分析模型确定了评价因子权重,最后采用模糊综合评价模型进行了土壤养分的综合评价.结果表明,采用多模型集成的方法评价区域土壤养分,结果准确、可靠;长岭县土壤养分水平可分为四类,总体肥力水平较低,养分处于贫乏状态,且分布上呈东高西低的分布规律.     

黄河流域兰州段土壤侵蚀敏感性评价

黄河流域兰州段,由于严重的土壤侵蚀现象,带来的流域生态问题凸显。研究黄河流域兰州段土壤侵蚀敏感性问题,有助于解决该区域黄河流域生态环境保护与治理。选取降雨侵蚀力、土壤可蚀性、坡度、坡长、水土保持措施、植被覆盖6个因子,采用改进的加权土壤侵蚀(the revised universal soil loss equation, RULSE)模型,运用地理信息系统(geographic information system, GIS)和遥感技术评价该区域土壤侵蚀敏感性。结果显示:黄河流域兰州段土壤侵蚀极敏感区和重度敏感区占区域总面积的42.73%,中度敏感区占区域总面积的45.60%,轻度敏感区和不敏感区占区域总面积的11.67%。其中,最敏感区位于兰州市榆中县。研究结果可为黄河流域兰州段合理规划水土资源、生态环境保护和管控预警提供决策支持。     

基于RS和GIS技术的森林立地类型分类研究——以河南省商城县国营黄柏山林场为例

以地形图、土壤类型图、SPOT影像和二类调查数据为数据源,分别利用GIS和遥感技术获取了研究地的立地信息,借助于GIS的空间分析功能,对所选海拔、坡度、坡向、土壤厚度、土壤类型和植被盖度7个因子进行了空间叠加,制作了森林立地分类图,得到了森林立地分类数据库,并对各立地类型的面积进行了统计.结果表明:黄柏山林场面积超过50hm2的立地类型有20个类,这些类以低海拔、黄棕壤、高盖度为主;面积稍小的为高海拔、斜缓坡、高盖度为主的立地类型;而中海拔的立地类型面积都较小.     

地理信息系统应用下的黄土高原地区土壤侵蚀量估算

土壤侵蚀研究的一大核心问题就是土壤侵蚀量的估算。采用美国通用水土流失方程(USLE),利用黄土高原地区DEM数据、气象数据及土地利用类型等数据,对黄土高原地区进行土壤侵蚀量的估算采用USLE模型,运用GIS和RS技术,是一种可行的方法与技术途径。在GIS和RS技术的支持下,实现了USLE中各因子及黄土高原地区土壤侵蚀量的估算,同时结合中国土壤侵蚀强度分级标准进行土壤侵蚀强度的分级。分析结果可为今后黄土高原地区的水土流失的防治措施的制定提供参考。     

Automated soil resources mapping based on decision tree and Bayesian predictive modeling

This article presents two approaches for automated building of knowledge bases of soil resources mapping. These methods used decision tree and Bayesian predictive modeling, respectively to generate knowledge from training data. With these methods, building a knowledge base for automated soil mapping is easier than using the conventional knowledge acquisition approach. The knowledge bases built by these two methods were used by the knowledge classifier for soil type classification of the Longyou area, Zhejiang Province, China using TM bi-temporal imageries and GIS data. To evaluate the performance of the resultant knowledge bases, the classification results were compared to existing soil map based on field survey. The accuracy assessment and analysis of the resultant soil maps suggested that the knowledge bases built by these two methods were of good quality for mapping distribution model of soil classes over the study area.     

集水区径流资源空间变化的模拟与分析

利用高泉沟流域１９８８－１９９５年８年３１个观测小区定位观测的６３次流资料,模拟出了基于ＧＩＳ栅格系统的小区降雨－产综合模型;采用ＡＲＣ／ＩＮＦＯ系统,建立了研究区栅格ＤＭＥ、多年平均降水因子等空间数据库;提出了一种新的基于ＧＩＳ栅格系统的计算集水区总产流量的反演算法,模拟同泉沟流域径流资源的时空变异规律。