Scientia Geographica Sinica  2016 , 36 (8): 1219-1226 https://doi.org/10.13249/j.cnki.sgs.2016.08.013

Orginal Article

南四湖湖泊湿地生态环境预警研究

高家骥123, 李雪铭23, 张峰4, 杨俊235, 席建超5

1.大连海洋大学应用技术学院,辽宁 大连 116300
2. 辽宁师范大学城市与环境学院,辽宁 大连 116029
3. 辽宁师范大学人居环境研究中心,辽宁 大连 116029
4. 东北师范大学环境学院,吉林 长春 130024
5. 中国科学院地理科学与资源研究所,北京 100101

Early Warning of Wetland Eco-environmental in Nansihu Lake

Gao Jiaji123, Li Xueming23, Zhang Feng4, Yang Jun235, Xi Jianchao5

1.Applied Technology College of Dalian Ocean University, Dalian 116300, Liaoning,China
2.School of Urban and Environmental Sciences, Liaoning Normal University, Dalian 116029, Liaoning, China
3. The research center of human settlements, Liaoning Normal University, Dalian 116029, Liaoning,China
4. School of Environment, Northeast Normal University, Changchun 130024, Jilin, China
5. Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China

中图分类号:  X43

文献标识码:  A

文章编号:  1000-0690(2016)08-1219-08

通讯作者:  通讯作者:李雪铭,教授。E-mail:lixueming999@163.com

收稿日期: 2015-07-13

修回日期:  2015-10-16

网络出版日期:  2016-08-20

版权声明:  2016 《地理科学》编辑部 本文是开放获取期刊文献,在以下情况下可以自由使用:学术研究、学术交流、科研教学等,但不允许用于商业目的.

基金资助:  国家科技部支撑计划(2012BAC04B00)、国家自然科学基金项目(41671158)、教育部博士点基金项目(20132136110001)和辽宁省优秀人才支持计划(LR2013050)共同资助

作者简介:

作者简介:高家骥(1981-),男,内蒙古呼伦贝尔人,博士研究生,讲师,主要从事城市人居环境研究与城市公共艺术研究。E-mail:18624287676@163.com

展开

摘要

基于南四湖近30 a来多源遥感影像、土地利用、环境监测和实地调查数据,选择1982年、1992年、2002年和2012年4个时间断面,从湿地组织结构、整体功能和社会经济3个方面选取指标,从无警、轻警、中警、重警和巨警5个级别划分警度,采用多级模糊综合评价法进行警度评价,并运用BP神经网络模型对未来10 a警度发展进行预测,研究结果表明: 南四湖湿地生态环境现在处于重警状态,农业化肥、农药污染和工业污染物排放是主要的警报来源; 近30 a来南四湖湿地整体生态环境处于不断恶化趋势,社会经济指标恶化趋势明显,未来10 a各项指标和整体预警度均呈下降趋势,整体水平达到中警状态,社会经济投入的增加是重要影响因子;近10 a环境恶化速度比前20 a有所减缓,社会经济指标恶化速度较快,人类活动的负向干扰仍大于正向干扰。

关键词: 预警 ; 湖泊湿地 ; 生态环境 ; 模糊综合评价 ; 南四湖

Abstract

Currently, as most lake areas in China are under high interference of intensifying human activities, lake ecosystem has been severely damaged and causing serious deterioration of human habitat.. As lake wetland eco-environmental early warning is the key to achieve lake monitoring, environmental management and ecological restoration and it is the further work which is based on ecosystem vulnerability and health assessment as well, a reseach of eco-environmental early warning on Nansihu Lake, China is done in this article. In this study, remote sensing date, land use and environment monitor date in 1982, 1992, 2002 and 2012 were chosen as date base. Then, an index system combine of organization structure, whole function and social economic environment was established. Every index was divided in five grades which include non-alert, light alert, middle alert, heavy alert and giant alert. The fuzzy synthetically judgment model was used as assessment. To predict the state of eco-environmental early warning in 2022, the back propagation algorithm neural network mothod is used. The model’s learning samples are results statistics in 1982, 1992 and 2002 and the testing sample is statistics in 2012. The testing results show that the accuracy meets the requirement and it can be used to make prediction of the early warning state in 2022. The conclusions were as follows: 1) As chemical fertilizer and pesticide issue in agriculture activities and industrial emission were over the environmental capacity. Nansihu wetland was in heavy alert state in 2012. In each under grades indicators system, organization structure indicators system was in middle alert state, whole function indicators system was in heavy alert state and social economic indicators system was in huge alert state; 2) As the little natural precipitation in 2002, the whole wetland has been deteriorating while the social economic environment indexes were getting even worse during the 1980s-2000s. The overall early warning state achieved huge alert state in 2002. In the coming 10 years, either indexes or the whole warning state is getting better because of the increasing investment in ecological restoration. 3) The degradation rate of nearly 10 years was slower than it of earlier 20 years while the social economic environment indexes always keep a high speed, which can be explained by the negative disturb form human beings activities. This research is significant to the environment management of Nansihu wetland and the result can provide scientific reference for lake management and regional sustainable development.

Keywords: warning ; lake wetland ; eco-environment ; fuzzy synthetically judgment model ; Nansihu Lake

0

PDF (6197KB) 元数据 多维度评价 相关文章 收藏文章

本文引用格式 导出 EndNote Ris Bibtex

高家骥, 李雪铭, 张峰, 杨俊, 席建超. 南四湖湖泊湿地生态环境预警研究[J]. , 2016, 36(8): 1219-1226 https://doi.org/10.13249/j.cnki.sgs.2016.08.013

Gao Jiaji, Li Xueming, Zhang Feng, Yang Jun, Xi Jianchao. Early Warning of Wetland Eco-environmental in Nansihu Lake[J]. Scientia Geographica Sinica, 2016, 36(8): 1219-1226 https://doi.org/10.13249/j.cnki.sgs.2016.08.013

湖泊湿地生态系统是一个自然-社会-经济复合系统,其丰富的自然资源和强大的生态服务功能是人类社会发展的资源宝库。生态环境预警的目的在于及时发现生态系统恶化的区域以及恶化的趋势和速度,实现区域的可持续发展。

在生态环境灾害频发的背景下,国内外对生态环境预警的研究日益增多。国外对生态环境预警的研究开始于20世纪70年代中期,大量的环境预警系统已经建立并且投入应用,全球环境监测系统(GEMS)[1]、美国的洪水泛滥预警系统和AGNET系统、英国的苏格兰资源利用研究所提出的ECCO模型以及罗马俱乐部对全球发展的预测研究等[2, 3]。中国学者对生态环境预警方面开展的研究时间较短,但发展十分迅速。傅伯杰院士对生态环境预警的原理和方法进行了探讨,并通过建立指标体系对中国各省区的生态环境状况进行排序和预警研究[4]。陈国阶对生态环境预警评价的基本概念、原则与标准、预警类型以及数学表达形式进行了阐述,并将三峡库区的环境影响预警研究[5]。在理论逐渐建立的基础上,随之开展了大量的实证研究和深入的理论研究。在研究内容上主要集中在生态环境[6~9]、生态安全[10~14]和生态承载力[15~17]预警方面;在研究方法上,从传统的层次分析法、主成分分析法、模糊综合评价法[18]逐步向变权-物元模型分析法[19]、模糊物元法[20]、BP神经网络法、遗传算法、元胞自动机等人工智能算法[13, 14, 21]发展,结合GIS技术在预警系统中的应用[22, 23],进一步满足了预警分析动态性和预测性的要求;在研究对象上,既有对单一生态环境的研究[24],也有针对区域复合生态环境进行的综合预警研究[11, 25]。然而,纵观现有的研究成果,对中国内陆典型湖泊湿地进行的生态环境预警研究较为缺乏,而湿地被誉为“地球之肾”,湖泊湿地在调节局地小气候、涵养水源、提供生物栖息地等方面发挥着重要作用,其生态环境健康状况也直接给区域自然-经济-社会系统的可持续发展带来影响,因此,对湖泊湿地进行生态环境预警研究,对可能发生的环境风险进行提前防范,对区域的健康、可持续发展具有重大现实意义。

南四湖湿地是中国华北地区最大的湖泊湿地,自然资源丰富。由于是陆生和水生生态系统的过渡地带[26],近年来,受到人类活动的影响,周边的造纸、开矿、围湖养殖等不合理的资源开发对湿地生态系统造成很大破坏[27,28],导致湖泊湿地生态服务功能降低、生物多样性减少[29]。南四湖作为南水北调东线工程中重要的调蓄湖泊,如何平衡开发与保护的关系,显得尤为重要。针对南四湖生态环境预警的研究仍未见报道,因此,本文基于模糊综合评价模型和BP神经网络对南四湖湿地生态系统进行预警研究,提出预警对策,对其实现可持续发展具有重大现实意义。

1 研究区域和研究方法

1.1 研究区域

南四湖(116°34′E~117°21′E,34°27′N~35°20′N)位于山东省西南部的济宁市境内,呈北西—南东方向延伸,自北向南由南阳、独山、昭阳和微山4个湖泊连接而成,故称南四湖(图1)。湖区河网密布,最大湖水面积1 266 km2,集水总面积30 453 km2,湖泊平均水深1.46 m。南四湖湿地属于暖温带大陆性季风气候,四季分明,湖内年平均气温14.2℃,沿湖陆地13.7℃,年降水量在750 mm左右[28]。南四湖湿地地区由于其适宜的气候条件和地形条件,陆生植被和水生生物群落多样,是山东省重要的生物宝库和鸟类栖息地,同时是南水北调东线工程的重要调蓄枢纽之一。近年来,随着人类活动负向扰动的加剧,南四湖水质逐年恶化,生物群落负向演替速度加快,富营养化、沼泽化问题严重,水旱灾害频发[29],湿地生态系统健康面临巨大威胁。

图1   研究区位置

Fig.1   The location of study area

1.2 研究方法

1.2.1 数据来源和预处理

遥感数据使用了资源一号02C分辨率2.36 m卫星数据、Landsat 7 ETM+、Landsat 5 TM和Landsat 2 MSS卫星数据,分别是2012年、2002年、1992年和1982年的影像。土地利用数据包括济宁市2002年1∶100 000和2012年1∶10 000土地利用数据。环境数据来自济宁市水文局和环保局对南四湖湿地的监测资料以及课题组对南四湖的实地调查,其他的统计数据来自对应年份的《济宁市统计年鉴》[30]和《山东省统计年鉴》[31]

在ENVI软件平台中,结合2012年、2002年土地利用数据对卫星遥感图像进行人机交互式解译,并根据外业调查结果对关键解译点进行校对,最终得出各年份南四湖湿地类型图(图2),作为预警评价中景观类指标计算的基础。

图2   1982~2012年南四湖湖泊湿地景观分类

Fig.2   Landscape classification map of Nansihu wetland in 1982-2012

1.2.2 模糊综合评价模型

生态环境系统是一个复杂的巨系统,生态环境预警界限具备模糊性,系统内部产生的变化很难用精确的尺度来描述。故引入模糊综合评价的方法,它是在传统的评价模型的基础上,结合模糊数学原理和隶属函数的方法,实现定量和定性综合评价的过程。根据指标层次的不同,又分为单级模糊综合评价和多级模糊综合评价。基本步骤参见文献[28],不再赘述。

1.2.3 BP神经网络

神经网络是一种以模拟神经系统而建立的非线性动力学模型,BP神经网络即误差反向传播神经网络,具有高度自组织性、自学习性和自适应性的特点,在处理非线性问题中有着独特的优势,在预测问题研究中经实践证明比统计方法效果更为理想[32],得到了广泛的应用[15]。BP神经网络模型包括输入层、隐藏层和输出层3个层次,每个层中由神经元作为基本数据处理单元,神经元之间有连线,表现形式为层次之间神经元的权重。通过样本输入的学习过程建立可靠的联系权重,然后即可作为预测的模型。

2 预警评价结果及分析

2.1 预警指标体系

预警指标体系建立的成功与否,是预警结果能否正确反映实际警情的关键所在。根据傅伯杰[3]、陈国阶[5]等人的研究结论,在选取预警指标因子的时候,应注重综合性、代表性、易得性、应用性和动态性的原则重点突出应用性和动态性。根据以上理论和指导原则,总结课题组对南四湖湿地生态系统健康和脆弱性评价的成果,对指标进行进一步筛选和整理,得到南四湖湿地生态环境预警指标体系。

2.2 警度和警限划分

警度和警限的划分是预警分析中的重要组成部分,警度是指警报的程度,通常用不同颜色的警灯来表示,这里分为5个级别,分别为无警、轻警、中警、重警和巨警,分别用绿灯、蓝灯、浅蓝灯、黄灯和红灯来表示,警界限是不同报警程度的界限划分。通过对南四湖当地湿地生态系统的地理环境条件和历史水平的考察,结合相关研究,具体的界限标准划分如表1

表1   南四湖生态环境预警指标量化标准、警度和警灯

Table 1   The alert limits standard, alert degrees and alert lights of Nansihu Lake

指标定级标准
警度无警轻警中警重警巨警
警灯绿灯浅蓝灯蓝灯黄灯红灯
斑块丰富度[8, 10][6, 8][4, 6][2, 4][0, 2]
平均斑块面积[600, 800][500, 600][350, 500][200, 350][0, 200]
归一化植被指数[4, 8][3, 4][2, 3][1, 2][0, 1]
动物种类数[1000, 1250][750, 1000][500, 750][250, 500][0, 250]
植物种类数[750, 1000][500, 750][250, 500][100, 250][0,100]
弹性度指数[0.8, 1.0][0.6, 0.8][0.4, 0.6][0.2, 0.4][0, 0.2]
湿地自然灾害致灾面积[0, 10][10, 30][30, 50][50, 70][70, 100]
景观多样性指数[0.8, 1][0.6, 0.8][0.4, 0.6][0.2, 0.4][0, 0.2]
富营养化指数[0, 30][30, 50][50, 60][60, 70][70, 100]
人类干扰指数[0, 0.2][0.2, 0.4][0.4, 0.6][0.6, 0.8][0.8, 1.0]
GDP年增长率[10, 12.5][8.5, 10][7, 8.5][5, 7][3, 7]
污水处理能力[90, 100][80, 90][50, 80][20, 50][0, 20]
化肥施用强度[0, 200][200, 300][300, 400][400,600][600, 800]
农药使用强度[0, 4][4, 8][8, 12][12, 16][16, 20]
万元GDP COD排放强度[0, 1.5][1.5, 2.25][2.25, 3.0][3.0, 5.0][5.0, 7.0]

新窗口打开

2.3 预警评价结果

根据上述1982年南四湖湖泊湿地生态环境模糊评价指标的隶属度矩阵,首先进行一级综合评价,对各准则层的指标权重集A和对应的隶属度评价矩阵R进行模糊合成运算,即 B=AR,选用的是加权求和的方法:

bj=i=1nairij(1)

式中, bj是评判结果B中的元素, ai是第 i个指标的权重值, rij表示第 i个指标在各准则层的隶属度。运算结果如下:

B1=A1×R1=0.418,0.175,0.139,0.057,0.211B2=A2×R2=0.143,0.219,0.413,0.225,0.000B3=A3×R3=0.450,0.148,0.242,0.073,0.087B=A×R=AB1B2B3=0.337,0.180,0.266,0.118,0.098

(2)

W=B×VT=0.708

综合评价结果表明,1982年南四湖湖泊湿地在0.337的程度上属于无警状态,在0.180的程度上属于轻警状态,在0.266的程度上属于中警状态,0.118的程度属于重警状态,0.098的程度属于巨警状态。根据最大隶属度的原则,可以判断其处于无警状态。

根据同样方法,计算出各个年份的各个准则层以及综合评价结果、预警度以及所处的警度状态(表2~5)。

表2   1982年南四湖湖泊湿地预警评价结果

Table 2   The results of ecological early warning in Nansihu Lake wetland in 1982

指标层警度评语评价结果
无警轻警中警重警巨警
组织结构0.4180.1750.1390.0570.211无警
整体功能0.1430.2190.4130.2250.000中警
社会经济0.4500.1480.2420.0730.087无警
综合0.3370.1800.2660.1180.098无警

新窗口打开

表3   1992年南四湖湖泊湿地预警评价结果

Table 3   The results of ecological early warning in Nansihu Lake wetland in 1992

指标层警度评语评价结果
无警轻警中警重警巨警
组织结构0.1700.4980.1070.1510.074轻警
整体功能0.1710.1160.1540.5380.021重警
社会经济0.3330.1070.2240.0790.170无警
综合0.2260.2370.1630.2550.089重警

新窗口打开

表4   2002年南四湖湖泊湿地预警评价结果

Table 4   The results of ecological early warning in Nansihu Lake wetland in 2002

指标层警度评语评价结果
无警轻警中警重警巨警
组织结构0.1540.0410.0740.4770.254重警
整体功能0.0590.0810.1830.2510.426巨警
社会经济0.0610.1600.3070.1740.297中警
综合0.0910.0950.1900.2980.326巨警

新窗口打开

表5   2012年南四湖湖泊湿地预警评价结果

Table 5   The results of ecological early warning in Nansihu Lake wetland in 2012

指标层警度评语评价结果
无警轻警中警重警巨警
组织结构0.1740.0520.3560.3230.095中警
整体功能0.0790.0550.3090.5510.006重警
社会经济0.0430.1050.0350.3900.427巨警
综合0.0980.0710.2310.4220.179重警

新窗口打开

2.4 BP神经网络预测

用BP神经网络进行预测,首先是建立训练模型,将1982年、1992年和2002年的数据作为检测数据输入,将1992年、2002年和2012年的数据作为输出的结果,进行学习训练,直到由模型输出的2012年各指标数据和实际数据的拟合误差和总体拟合误差达到精度要求时,停止训练,此时的神经网络模型就可用来预测。在本研究建立的BP神经网络中,包括一个输入层,一个隐藏层和一个输出层,其中输入层包括15个节点,代表着15个指标;隐藏层中的节点数根据经验公式得出,以及考虑本研究的实际情况,设置为5;输出层的节点数也是15,代表指标的数量。预测时将1992年,2002年和2012年的实测数据作为输入数据,输出的是2002年,2012年和2022年的指标数据。

将预测得到的数据按照模糊综合评价的方法进行评价,得到的结果如表6所示。

表6   2022年南四湖湖泊湿地预警预测结果

Table 6   The prediction results of ecological early warning in Nansihu Lake wetland in 2022

指标层警度评语评价结果
无警轻警中警重警巨警
组织结构0.1760.1790.3970.1840.063中警
整体功能0.0340.0620.3680.2910.245中警
社会经济0.1330.0150.1610.3890.302重警
综合0.1140.0840.3070.2900.205中警

新窗口打开

2.5 结果分析

2.5.1 现状不良程度预警

以2012年作为南四湖湖泊湿地生态环境的现状年份,根据最大隶属度原则判断其整体状况处于重警状态,具体分析3个准则层,社会经济类指标现状不容乐观,最大隶属度为0.427,处于巨警状态;整体功能类指标处于重警状态,最大隶属度为0.551;组织结构类指标稍好,有0.356的隶属度处于中警状态。从具体的指标层隶属度矩阵分析来看,驱动南四湖湿地生态环境恶化的因子主要是农业生产中使用过量的化肥、农药,以及工业生产中排放的废水对湖泊的面源污染。通过相关文献对南四湖湿地近年来自然水域变化和生态脆弱性的研究结果来分析,自1982年以来,南四湖自然水域年均减少量为17.63 km2,且其减少的水域主要转换为了耕地和其他农用地,湿地自然水域的减少势必对湿地的功能产生影响,而耕地和农用地的增加也说明了人为干扰对系统的负向影响增加,这也造成了南四湖湿地大部分地区处于脆弱地区[31]。除此之外,人类活动的干扰造成的植被的减少也大大超过了南四湖湿地生态环境的承载能力,必须引起重视。

2.5.2 恶化趋势预警

计算出4个年份中各个准则层的预警度,可以得到近30 a来南四湖湿地生态环境预警度的变化趋势图(图3)。通过对图3的分析可以看出,南四湖湿地在这个时期的预警度呈现波动变化趋势,但总体趋势是上升的,即由20世纪80年代的中警状态到90年代的重警,再到21世纪初短期达到了巨警状态,然后回到重警状态。从整体上来看,南四湖生态环境处于严重恶化进程之中。特别是2002年由于严重的旱灾导致湖泊干涸,从而造成预警度的急剧上升,另一方面也反映出了南四湖湿地生态环境变得非常脆弱,从而降低了抵御风险的能力,导致湿地的退化,通过对未来10 a的预测,从图中可看出这种恶化趋势逐步得到了控制,趋于缓和,已经达到了中警状态,仍需继续加以足够的重视。

图3   近30 a来南四湖湿地生态环境预警度变化趋势

Fig.3   The ecological environment early warning degree change trend graph in recent 30 years

结合组织结构、整体功能和社会经济这3方面的指标变化来分析,发现组织结构指标的变化趋势与综合变化趋势具有极高的一致性,从而也说明了湿地组织结构是湿地生态环境状况的直接体现。整体功能指标在前20 a一直处于恶化的趋势,近10 a来,随着人工湿地工程的投入建设,使得湿地功能在逐步地提升,但仍未达到1982年的较好水平,在后10 a的预测中随着南水北调调水的补给,造成南四湖需水量的改变,将对湿地的生物结构带来较大影响,故呈进一步恶化趋势。社会经济的外部指标近30 a来一直处于恶化趋势,主要是由于当地在对经济发展的需求过程中,忽视了生态环境的建设,打破了湿地系统自然生境演替的平衡,加速了湿地生态系统负向演替的速度。虽然投入了一批硬件设施进行治污排污,提高了处理污染的能力,也取得了一定的效果(综合预警度有下降趋势),但是,生态环境的修复并非短时间内一蹴而就,随着对农业化肥、农药的使用量和工业COD的控制,在未来10 a的预测中,该指标会逐渐向好的趋势发展。

2.5.3 恶化速度预警分析

恶化速度预警是建立在恶化趋势分析基础之上的,对于呈现恶化趋势的指标进行恶化速度预警分析,对于趋向好的方向发展的指标则不予考虑。若都以1982年的指标值为背景值来看,各个亚类指标和整体状态都有不同程度的恶化,以2012年为现状值计算出各个指标层的恶化速度,分别为组织结构0.004 3度/a,整体功能0.004 2度/a,社会经济0.012 4度/a,综合0.007 0度/a。其中,在20世纪80、90年代,是南四湖湿地整体功能退化的一个加速阶段,达到了0.012度/a,与此同时,组织结构指标和社会经济指标的恶化速度也分别达到了0.012度/a和0.013度/a,说明这一时期的过度开发资源给南四湖湿地造成了破坏性的影响。很显然,社会经济指标在恶化速度方面仍然是最需要进行关注的一个方面。

3 结论

通过对南四湖湿地生态环境近30 a来的遥感、土地利用以及环境监测和实地考察数据的整理分析,运用模糊综合评价法,对其进行预警评价,结果表明:

1) 南四湖湿地生态环境现状整体警度评价结果为重警,各子指标系统方面:社会经济类指标处于巨警状态,整体功能类指标处于重警状态,组织结构类指标处于中警状态。生态环境并不理想,其中来自外部人类活动干扰的影响较大,主要是工农业生产活动带来的面源污染。

2) 近30 a来,南四湖湿地生态环境整体呈现恶化趋势。2002年由于自然降水稀少而造成严重灾情,警度达到最高的巨警级别。分项指标中,组织结构指标与综合趋势变化保持一致;整体功能指标前20 a恶化,近10 a呈现良好发展趋势;社会经济指标始终恶化。使用BP神经网络模型对未来10 a南四湖湿地生态环境的预测结果表明,到2022年预警度将向良好趋势发展,总体水平达到中警状态。

3) 前20 a各项指标和整体状况的恶化速度均大于近10 a,社会经济指标始终保持较高的恶化速度,虽然警情得以控制并有向好的方向发展的趋势,但是仍然不能忽视人类活动的负向干扰作用。

4 讨论

南水北调工程的通水对南四湖湿地的自然条件将会产生很大的改变,然而,从研究的结果来看,人类的社会经济发展对自然条件的破坏程度才是南四湖湿地生态环境演变的决定性因素,驱动着生态环境的进一步恶化。该研究方法可在今后类似的研究中加以推广应用。另外,由于受到数据来源的限制,本研究所做的动态变化时间尺度是10 a,而且缺少空间上的分异性研究。随着实时监测技术在湖泊管理中的应用和监测网点的加密,在下一步的工作中将会进行更加精确的实时监控、预警研究。为保障南四湖湖泊湿地的生态环境健康发展和南水北调工程的正常运行提供更加有力的支撑。

The authors have declared that no competing interests exist.


参考文献

[1] Munn R E.

Global Environmental Monitoring System (GEMS): Action Plan for Phase I

[M]. SCOPE Secretariat, 1973.

[本文引用: 1]     

[2] De Soyza A G, Whitford W G, Herrick J Eet al.

Early warning indicators of desertification: examples of tests in the Chihuahuan Desert

[J]. Journal of Arid Environments,1998, 39(2):101-112.

https://doi.org/10.1006/jare.1998.0391      URL      [本文引用: 1]      摘要

Perennial grasslands that dominated the south-west United States during the past 10,000 years have been desertified to varying extents. Desertification is a temporal phenomenon, defined in this paper as a change in the scale of the spatial distribution of resources. We report here on several indicators of desertification, using bare patch indices as surrogates for direct measures. A bare patch index based on canopy cover, which is relevant for precipitation and wind-driven erosion, is not equivalent to another bare patch index based on soil surface measurements, which is relevant for overland water flow-driven erosion. Per cent grass cover, per cent long-lived grass cover, per cent cover of vegetative reproducers, and a relative preference index all yielded sensitive indicators of desertification. The usefulness of some indicators, such as organic litter, depends upon recent environmental history. Other indicators, such as per cent cover due to grazing-resistant species, appear not to be sensitive to desertification and need further development. Range site type may also be important in determining indicator responses, where some indicators were sensitive to a range site while others were not. Overall, we have identified several sensitive indicators of desertification based on vegetational characteristics in varied range sites in the northern Chihuahuan Desert.
[3] 傅伯杰.

区域生态环境预警的原理与方法

[J].资源开发与保护, 1991, 7(3):138-141.

URL      [本文引用: 2]     

[Fu Bojie.

Principles and methodology of early warning on regional ecological and environmental issues.

Resources Development and Conservation, 1991,7(3):138-141.]

URL      [本文引用: 2]     

[4] 傅伯杰.

区域生态环境预警的理论及其应用

[J].应用生态学报, 1993, 4(4):436-439.

Magsci      [本文引用: 1]      摘要

本文讨论了区域生态环境预警的原理,提出了以区域持续发展的能力作为区域生态环境预警的综合指标,进一步用承载力、稳定性、缓冲力、生产力和调控力作为衡量区域持续发展的能力。选取自然资源、生态破坏、环境污染和社会经济指标建立区域生态环境评价和预警的指标体系,对我国各省区的生态环境质量进行评价、排序和预警。

[Fu Bojie.

Early warning theory on regional eco- environmental issues and its application.

Chinese Journal of Applied Ecology, 1993,4(4):436-439.]

Magsci      [本文引用: 1]      摘要

本文讨论了区域生态环境预警的原理,提出了以区域持续发展的能力作为区域生态环境预警的综合指标,进一步用承载力、稳定性、缓冲力、生产力和调控力作为衡量区域持续发展的能力。选取自然资源、生态破坏、环境污染和社会经济指标建立区域生态环境评价和预警的指标体系,对我国各省区的生态环境质量进行评价、排序和预警。
[5] 陈国阶.

对环境预警的探讨

[J].重庆环境科学,1996,18(5):1-4.

URL      [本文引用: 2]     

[Chen Guojie.

An approach on environmental warning.

Chongqing Environmental Science, 1996, 18(5):1-4.]

URL      [本文引用: 2]     

[6] Guttal V, ayaprakash C.

Changing skewness: an early warning signal of regime shifts in ecosystems

[J].Ecology Letters,2008,11(5):450-460.

https://doi.org/10.1111/j.1461-0248.2008.01160.x      URL      PMID: 18279354      [本文引用: 1]      摘要

Empirical evidence for large-scale abrupt changes in ecosystems such as lakes and vegetation of semi-arid regions is growing. Such changes, called regime shifts, can lead to degradation of ecological services. We study simple ecological models that show a catastrophic transition as a control parameter is varied and propose a novel early warning signal that exploits two ubiquitous features of ecological systems: nonlinearity and large external fluctuations. Either reduced resilience or increased external fluctuations can tip ecosystems to an alternative stable state. It is shown that changes in asymmetry in the distribution of time series data, quantified by changing skewness, is a model-independent and reliable early warning signal for both routes to regime shifts. Furthermore, using model simulations that mimic field measurements and a simple analysis of real data from abrupt climate change in the Sahara, we study the feasibility of skewness calculations using data available from routine monitoring.
[7] Hackett B, Comerma E, Daniel P et al.

Marine pollution monitoring and prediction

[J].Oceanography,2009,22:168-175.

[8] Dakos V, Scheffer M, Van Nes E H et al.

Slowing down as an early warning signal for abrupt climate change

[J].Proceedings of the National Academy of Sciences, 2008,105(38):14308-14312.

https://doi.org/10.1073/pnas.0802430105      URL      摘要

In the Earth's history, periods of relatively stable climate have often been interrupted by sharp transitions to a contrasting state. One explanation for such events of abrupt change is that they happened when the earth system reached a critical tipping point. However, this remains hard to prove for events in the remote past, and it is even more difficult to predict if and when we might reach a tipping point for abrupt climate change in the future. Here, we analyze eight ancient abrupt climate shifts and show that they were all preceded by a characteristic slowing down of the fluctuations starting well before the actual shift. Such slowing down, measured as increased autocorrelation, can be mathematically shown to be a hallmark of tipping points. Therefore, our results imply independent empirical evidence for the idea that past abrupt shifts were associated with the passing of critical thresholds. Because the mechanism causing slowing down is fundamentally inherent to tipping points, it follows that our way to detect slowing down might be used as a universal early warning signal for upcoming catastrophic change. Because tipping points in ecosystems and other complex systems are notoriously hard to predict in other ways, this is a promising perspective.
[9] Drake J M, Griffen B D.

Early warning signals of extinction in deteriorating environments

[J]. Nature, 2010, 467(7314):456-459.

[本文引用: 1]     

[10] 王耕, 吴伟.

区域生态安全预警指数——以辽河流域为例

[J].生态学报, 2008, 28(8):3535-3542.

Magsci      [本文引用: 1]      摘要

生态安全不仅体现在某个时间段的状态上,还与安全隐患密切相关,区域生态安全是安全状态、隐患因素、演变趋势、时间、空间以及安全主体的函数。只有将其状态和隐患结合起来研究,才能科学而正确地对生态安全未来演变趋势做出判断,实现生态安全危险状态的预警。文章以辽河流域为例提出预警指数测算方法:①确立生态安全状态——隐患综合评价指标体系。②采用数学方法计算安全状态指数。③采用安全评价方法计算隐患指数。④根据多目标决策准则,采用状态指数和和隐患指数的并合方法计算预警评价的结果指数。评价结果与实地考察情况基本一致,可以为决策部门提供生态安全预警依据。

[Wang Geng, Wu Wei.

Research on region ecological security early warning index: a case of Liaohe River watershed.

Acta Ecologica Sinica, 2008,28(8):3535-3542.]

Magsci      [本文引用: 1]      摘要

生态安全不仅体现在某个时间段的状态上,还与安全隐患密切相关,区域生态安全是安全状态、隐患因素、演变趋势、时间、空间以及安全主体的函数。只有将其状态和隐患结合起来研究,才能科学而正确地对生态安全未来演变趋势做出判断,实现生态安全危险状态的预警。文章以辽河流域为例提出预警指数测算方法:①确立生态安全状态——隐患综合评价指标体系。②采用数学方法计算安全状态指数。③采用安全评价方法计算隐患指数。④根据多目标决策准则,采用状态指数和和隐患指数的并合方法计算预警评价的结果指数。评价结果与实地考察情况基本一致,可以为决策部门提供生态安全预警依据。
[11] 周彬, 钟林生, 陈田, .

基于变权模型的舟山群岛生态安全预警

[J]. 应用生态学报, 2015, 26(6):1854-1862.

Magsci      [本文引用: 1]      摘要

<p>生态安全预警是生态安全研究的重要内容,对维护区域生态安全具有重要的指示意义.本文以浙江省舟山群岛为例,基于驱动力、压力、状态、影响、响应(DPSIR)框架模型构建了生态安全预警指标体系,使用变权模型对2000&mdash;2012年舟山市生态安全的预警等级进行测度,并使用马尔科夫预测方法对2013&mdash;2018年生态安全警情进行了预测.结果表明: 变权模型能够有效地满足舟山群岛生态安全动态预警研究需要;2000&mdash;2012年,舟山群岛生态安全预警指数由0.286波动上升至0.484,警度等级从&ldquo;重警&rdquo;演变为&ldquo;中警&rdquo;,指示灯由&ldquo;橙灯&rdquo;演化为&ldquo;黄灯&rdquo;;2013&mdash;2018年,舟山群岛生态安全预警等级预测结果为&ldquo;中警&rdquo;,指示灯为&ldquo;黄灯&rdquo;.研究结果可为维护舟山群岛生态安全提供参考.</p>

[Zhou Bin, Zhong Linsheng, Cehn Tian et al.

Ecological security early-warning in Zhoushan Islands based on variable weight model.

Chinese Journal of Applied Ecology, 2015,26(6):1854-1862.]

Magsci      [本文引用: 1]      摘要

<p>生态安全预警是生态安全研究的重要内容,对维护区域生态安全具有重要的指示意义.本文以浙江省舟山群岛为例,基于驱动力、压力、状态、影响、响应(DPSIR)框架模型构建了生态安全预警指标体系,使用变权模型对2000&mdash;2012年舟山市生态安全的预警等级进行测度,并使用马尔科夫预测方法对2013&mdash;2018年生态安全警情进行了预测.结果表明: 变权模型能够有效地满足舟山群岛生态安全动态预警研究需要;2000&mdash;2012年,舟山群岛生态安全预警指数由0.286波动上升至0.484,警度等级从&ldquo;重警&rdquo;演变为&ldquo;中警&rdquo;,指示灯由&ldquo;橙灯&rdquo;演化为&ldquo;黄灯&rdquo;;2013&mdash;2018年,舟山群岛生态安全预警等级预测结果为&ldquo;中警&rdquo;,指示灯为&ldquo;黄灯&rdquo;.研究结果可为维护舟山群岛生态安全提供参考.</p>
[12] 易武英, 苏维词, 周文龙, .

基于元胞自动机模型的贵阳市花溪区生态安全预警模拟研究

[J]. 浙江农林大学学报, 2015, 32(3):369-375.

https://doi.org/10.11833/j.issn.2095-0756.2015.03.006      Magsci      摘要

<p>基于生态安全理论和景观生态理论,以贵阳市花溪区为研究对象,以专题绘图仪(TM)遥感影像为主要数据源,结合花溪区社会经济统计数据、数字高程模型(DEM)数据、交通数据及部分地貌指标如坡度等数据,选取景观破碎度、景观分离度、景观优势度及景观脆弱度4个核心景观指数构建生态安全预警指数,从景观视角对花溪区进行生态安全预警评价研究。在此基础上,运用元胞自动机(CA)模型对花溪区进行了生态安全预警模拟。结果显示:2020年花溪区生态安全预警模拟指数为2.36,2030年警度略有上升,由2.36上升到2.50,表明研究时段花溪区生态安全受到威胁增加,生态安全状况呈不良的变化趋势,通过对2000年和2010年2个时段的检验,模拟精度达到90%以上。图2表1参21</p>

[Yi Wuying, Su Weici, Zhou Wenlong et al.

An ecological security early warning simulation city based on the CA Model in Huaxi District of Guiyang City, China. Journal of Zhejiang A&F

University, 2015,32(3):369-375.]

https://doi.org/10.11833/j.issn.2095-0756.2015.03.006      Magsci      摘要

<p>基于生态安全理论和景观生态理论,以贵阳市花溪区为研究对象,以专题绘图仪(TM)遥感影像为主要数据源,结合花溪区社会经济统计数据、数字高程模型(DEM)数据、交通数据及部分地貌指标如坡度等数据,选取景观破碎度、景观分离度、景观优势度及景观脆弱度4个核心景观指数构建生态安全预警指数,从景观视角对花溪区进行生态安全预警评价研究。在此基础上,运用元胞自动机(CA)模型对花溪区进行了生态安全预警模拟。结果显示:2020年花溪区生态安全预警模拟指数为2.36,2030年警度略有上升,由2.36上升到2.50,表明研究时段花溪区生态安全受到威胁增加,生态安全状况呈不良的变化趋势,通过对2000年和2010年2个时段的检验,模拟精度达到90%以上。图2表1参21</p>
[13] 徐美, 朱翔, 刘春腊.

基于RBF的湖南省土地生态安全动态预警

[J].地理学报, 2012(10):1411-1422.

https://doi.org/10.11821/xb201210011      URL      [本文引用: 1]      摘要

基于1996-2010年湖南省土地生态安全的相关数据,从压 力、状态、响应3方面构建湖南省土地生态安全预警指标体系,运用RBF模型对2011-2015年湖南省土地生态安全演变趋势进行预测,并结合预警指数和 警度标准对1996-2015年湖南省土地生态安全警情状况进行分析,结果表明:①RBF模型有较高的模拟精度,能够较好地拟合2011-2015年湖南 省土地生态安全各系统的发展趋势.②就各子系统的安全警度而言,1996-2010年湖南省土地生态安全的压力和状态系统的警度呈波动上升趋势,响应系统 的警度呈下降趋势,2011-2015年,压力系统将逐步由“中警”(黄灯)转变为“重警”(橙灯),状态系统将处于“中警”(黄灯)状态,响应系统将处 于“无警”(绿灯)状态.③总体而言,1996-2010年,湖南省土地生态安全警度呈略有下降态势,2011-2015年,预警指数将处于0.42左 右,警度将处于“中警”(黄灯)状态.④影响湖南省土地生态安全的主要因素包括农业经济比重、建设占用耕地面积量、自然灾害受灾面积比重、人均建设用地面 积、第三产业比重、自然保护区面积比重等,是今后调控的重点.

[Xu Mei, Zhu Xiang, Liu Chunla.

Early-warning of land ecological security in Hunan Province based on RBF

. Acta Geographica Sinica, 2012(10):1411-1422.]

https://doi.org/10.11821/xb201210011      URL      [本文引用: 1]      摘要

基于1996-2010年湖南省土地生态安全的相关数据,从压 力、状态、响应3方面构建湖南省土地生态安全预警指标体系,运用RBF模型对2011-2015年湖南省土地生态安全演变趋势进行预测,并结合预警指数和 警度标准对1996-2015年湖南省土地生态安全警情状况进行分析,结果表明:①RBF模型有较高的模拟精度,能够较好地拟合2011-2015年湖南 省土地生态安全各系统的发展趋势.②就各子系统的安全警度而言,1996-2010年湖南省土地生态安全的压力和状态系统的警度呈波动上升趋势,响应系统 的警度呈下降趋势,2011-2015年,压力系统将逐步由“中警”(黄灯)转变为“重警”(橙灯),状态系统将处于“中警”(黄灯)状态,响应系统将处 于“无警”(绿灯)状态.③总体而言,1996-2010年,湖南省土地生态安全警度呈略有下降态势,2011-2015年,预警指数将处于0.42左 右,警度将处于“中警”(黄灯)状态.④影响湖南省土地生态安全的主要因素包括农业经济比重、建设占用耕地面积量、自然灾害受灾面积比重、人均建设用地面 积、第三产业比重、自然保护区面积比重等,是今后调控的重点.
[14] 郑荣宝, 刘毅华, 董玉祥.

广州市土地安全预警系统与RBF评估模型的构建

[J]. 地理科学, 2007, 27(6):774-778.

Magsci      [本文引用: 2]      摘要

土地资源安全预警是区域资源安全研究的重点,通过构建具有实际操作意义的土地资源安全预警系统,可以进行土地资源安全的综合分析,以此来判断城市土地资源安全变化趋势。以广州市为例,应用人工神经网络改进模型(RBF)进行土地资源安全的综合评价,表明广州市土地资源安全已由轻警转为中警状态。实践证明RBF模型对土地资源安全综合评价具有较高的客观性和准确性。

[Zheng Rongbao, Liu Yihua, Dong Yuxiang.

Establishment and assessment of early warning system of land safly based on Radica Basis Function Model in Guangzhou City.

Scientia Geographica Sinica, 2007,27(6):774-778.]

Magsci      [本文引用: 2]      摘要

土地资源安全预警是区域资源安全研究的重点,通过构建具有实际操作意义的土地资源安全预警系统,可以进行土地资源安全的综合分析,以此来判断城市土地资源安全变化趋势。以广州市为例,应用人工神经网络改进模型(RBF)进行土地资源安全的综合评价,表明广州市土地资源安全已由轻警转为中警状态。实践证明RBF模型对土地资源安全综合评价具有较高的客观性和准确性。
[15] 董成森, 陈端吕, 董明辉, .

武陵源风景区生态承载力预警

[J]. 生态学报, 2007, 27(11): 4766-4776.

Magsci      [本文引用: 2]      摘要

随着人类面临的严重环境挑战,可持续发展模式作为全人类共同的选择变得越来越重要。生态承载力作为可持续发展的衡量指标,通过生态承载力水平与生态荷载状况表现出来。可持续承载力预警是以可持续发展为目标进行生态承载力调控。利用主成分分析法、层次分析法构建了武陵源风景区的生态承载力评价指标体系,作为模型的输入层预警指标,并利用状态空间法求算的生态承载指数进行警度区间的划分,通过样本训练、建立BP神经网络模型,进行生态承载预警。从风景区的资源承载、环境承载、生态弹性和生态承压等方面来考虑,析出17个资源类、环境类、社会经济类指标作为评价指标体系。对于武陵源风景区的承载状态,从时间上看,2000年曾出现超载状态,主要是风景区的核心区范围内出现城市化现象所致;从空间上看,协和乡出现超载状态,其主要原因在于资源的开发利用上。基于BP网络模型实现的生态承载力预警,用于预测预报未来的可持续发展的发展状态,可以及时反映可持续状态的调控效果,为区域系统的可持续发展提供科学依据。

[Dong Chengsen, Chen Duanlv,Dong Minghui et al.

Forecasting system for ecological carrying capacity of Wulingyuan Scenic Spot based on ANN.

Acta Ecologica Sinica, 2007,27(11):4766-4776.]

Magsci      [本文引用: 2]      摘要

随着人类面临的严重环境挑战,可持续发展模式作为全人类共同的选择变得越来越重要。生态承载力作为可持续发展的衡量指标,通过生态承载力水平与生态荷载状况表现出来。可持续承载力预警是以可持续发展为目标进行生态承载力调控。利用主成分分析法、层次分析法构建了武陵源风景区的生态承载力评价指标体系,作为模型的输入层预警指标,并利用状态空间法求算的生态承载指数进行警度区间的划分,通过样本训练、建立BP神经网络模型,进行生态承载预警。从风景区的资源承载、环境承载、生态弹性和生态承压等方面来考虑,析出17个资源类、环境类、社会经济类指标作为评价指标体系。对于武陵源风景区的承载状态,从时间上看,2000年曾出现超载状态,主要是风景区的核心区范围内出现城市化现象所致;从空间上看,协和乡出现超载状态,其主要原因在于资源的开发利用上。基于BP网络模型实现的生态承载力预警,用于预测预报未来的可持续发展的发展状态,可以及时反映可持续状态的调控效果,为区域系统的可持续发展提供科学依据。
[16] 熊建新, 陈端吕, 彭保发, .

基于ANN的洞庭湖区生态承载力预警研究

[J]. 中南林业科技大学学报, 2014, 34(2): 102-107.

URL      摘要

生态承载力预警是判定生态系统可持续承载的重要依据.利用状态空 间法和人工神经网络模型对洞庭湖区生态承载力进行预警分析,结果表明:(1)景气预警上,洞庭湖区2001~2010生态承载力整体上处于中警状态,反映 出湖区生态、资源、环境与社会经济发展的协调性较差,生态系统可持续性较弱.洞庭湖区17个区域单元生态承载力出现了重警、中警和轻警三种状态,2001 年、2005年和2010年3个年份的区域差异及变化相当明显.(2)景兆预警上,2015年洞庭湖区生态承载力接近轻警状态,可持续承载能力由弱可持续 向可持续转变;相比2010年,17个区域单元的重警和中警比重分别下降了33.3%和18.2%,轻警比重上升了100%,体现了洞庭湖区国民经济和社 会发展“十二五”规划纲要和环境保护“十二五”发展规划合理,生态环境保护和修复计划有效,生态调控措施得力.(3)利用BP神经网络模型可以科学地预测 预报生态承载力未来发展趋势,判定区域经济、社会和生态的可持续性;模型的应用可靠可行,预警结果可以为区域生态系统的可持续发展提供科学依据.

[Xiong Jianxin, Chen Duanlv, Peng Baofa et al.

Study on forecasting system for ecological carrying capacity of Dongting lake region based on ANN.

Journal of Central South University of Forestry & Technology, 2014,34(2):102-107.]

URL      摘要

生态承载力预警是判定生态系统可持续承载的重要依据.利用状态空 间法和人工神经网络模型对洞庭湖区生态承载力进行预警分析,结果表明:(1)景气预警上,洞庭湖区2001~2010生态承载力整体上处于中警状态,反映 出湖区生态、资源、环境与社会经济发展的协调性较差,生态系统可持续性较弱.洞庭湖区17个区域单元生态承载力出现了重警、中警和轻警三种状态,2001 年、2005年和2010年3个年份的区域差异及变化相当明显.(2)景兆预警上,2015年洞庭湖区生态承载力接近轻警状态,可持续承载能力由弱可持续 向可持续转变;相比2010年,17个区域单元的重警和中警比重分别下降了33.3%和18.2%,轻警比重上升了100%,体现了洞庭湖区国民经济和社 会发展“十二五”规划纲要和环境保护“十二五”发展规划合理,生态环境保护和修复计划有效,生态调控措施得力.(3)利用BP神经网络模型可以科学地预测 预报生态承载力未来发展趋势,判定区域经济、社会和生态的可持续性;模型的应用可靠可行,预警结果可以为区域生态系统的可持续发展提供科学依据.
[17] 卢亚灵, 颜磊, 许学工.

环渤海地区生态脆弱性评价及其空间自相关分析

[J]. 资源科学, 2010, 32(2):303-308.

Magsci      [本文引用: 1]      摘要

基于生态敏感性-生态恢复力-生态压力度概念框架,建立了环渤海地区五省市生态脆弱性评价的指标体系。考虑到指标体系中各评价因子之间可能存在相关性,所以首先在ArcGIS9.2平台上,用主成分分析方法剔除各因子的相关性,并对该区的生态脆弱性进行了评价,然后对脆弱性进行了空间自相关分析。结果表明:生态环境好的、相对不脆弱区主要分布在低山、丘陵等植被状况好、人类活动少的地区;重脆弱区主要分布在农牧交错带、海陆过渡带和城市周围等生态系统不稳定、人类活动剧烈的地区;脆弱区的空间聚集程度呈现出较高的正相关;不同地区之间脆弱性高相关区域主要分布在南部的低脆弱地区,脆弱性低相关区域主要分布在西北部的重脆弱区。

[Lu Yaling, Yan Lei, Xu Xuegong.

Ecological vulnerability assessment and spatial auto-correlation analysis over the Bohai Rim Region.

Resources Science, 2010,32(2):303-308.]

Magsci      [本文引用: 1]      摘要

基于生态敏感性-生态恢复力-生态压力度概念框架,建立了环渤海地区五省市生态脆弱性评价的指标体系。考虑到指标体系中各评价因子之间可能存在相关性,所以首先在ArcGIS9.2平台上,用主成分分析方法剔除各因子的相关性,并对该区的生态脆弱性进行了评价,然后对脆弱性进行了空间自相关分析。结果表明:生态环境好的、相对不脆弱区主要分布在低山、丘陵等植被状况好、人类活动少的地区;重脆弱区主要分布在农牧交错带、海陆过渡带和城市周围等生态系统不稳定、人类活动剧烈的地区;脆弱区的空间聚集程度呈现出较高的正相关;不同地区之间脆弱性高相关区域主要分布在南部的低脆弱地区,脆弱性低相关区域主要分布在西北部的重脆弱区。
[18] 赵艳萍.

农田生态安全预警研究

[D]. 合肥:安徽农业大学, 2007.

[本文引用: 1]     

[Zhao Yanping.Study on Farmland Ecological Security Early-Warning. Hefei: Anhui Agricultural University.]

[本文引用: 1]     

[19] 赵宏波,马延吉.

基于变权-物元分析模型的老工业基地区域生态安全动态预警研究——以吉林省为例

[J].生态学报,2014,(16):4720-4733.

https://doi.org/10.5846/stxb201309042205      URL      [本文引用: 1]      摘要

生态安全预警是生态安全研究的重要内容,对维护区域生态安全具有重要的意义。老工业基地区域生态安全预警研究具有一定的特殊性和典型性,选取吉林省为研究区,基于压力、状态、响应(P-S-R)和生态、环境、经济、社会(E-E-E-S)框架模型构建生态安全预警指标体系,运用变权-物元分析模型对1991—2011年吉林省区域生态安全的预警等级进行了测度,并结合灰色系统GM(1,1)预测模型对2015年、2020年区域生态安全态势进行预测预警。研究结果表明:(1)1991—2011年,吉林省生态安全总体水平呈逐步上升的趋势,区域生态安全预警等级从"巨警"上升为"轻警",指示灯由"红色预警"逐步变为"蓝色预警";(2)2015年,吉林省的生态安全预警等级属于"轻警",指示灯为"蓝色预警",到2020年,吉林省的生态安全预警等级属于"无警",指示灯为"绿色预警",但具有向"轻警"变化的态势;(3)制约吉林省生态安全水平提升的主要因素包括单位面积耕地化肥负荷量、城镇化、人均水资源量、GDP增长率、第一产业占GDP比重等,这些因素应是今后生态环境保护调控的重点,本研究为吉林省经济-生态-社会可持续发展提供参考。

[Zhao Hongbo, Ma Yanji.

Study on early-warning model based on variable weight-matter element analysis for ecological security in old industrial bases: a case study of Jilin Province.

Acta Ecologica Sinica, 2014,(16):4720-4733.]

https://doi.org/10.5846/stxb201309042205      URL      [本文引用: 1]      摘要

生态安全预警是生态安全研究的重要内容,对维护区域生态安全具有重要的意义。老工业基地区域生态安全预警研究具有一定的特殊性和典型性,选取吉林省为研究区,基于压力、状态、响应(P-S-R)和生态、环境、经济、社会(E-E-E-S)框架模型构建生态安全预警指标体系,运用变权-物元分析模型对1991—2011年吉林省区域生态安全的预警等级进行了测度,并结合灰色系统GM(1,1)预测模型对2015年、2020年区域生态安全态势进行预测预警。研究结果表明:(1)1991—2011年,吉林省生态安全总体水平呈逐步上升的趋势,区域生态安全预警等级从"巨警"上升为"轻警",指示灯由"红色预警"逐步变为"蓝色预警";(2)2015年,吉林省的生态安全预警等级属于"轻警",指示灯为"蓝色预警",到2020年,吉林省的生态安全预警等级属于"无警",指示灯为"绿色预警",但具有向"轻警"变化的态势;(3)制约吉林省生态安全水平提升的主要因素包括单位面积耕地化肥负荷量、城镇化、人均水资源量、GDP增长率、第一产业占GDP比重等,这些因素应是今后生态环境保护调控的重点,本研究为吉林省经济-生态-社会可持续发展提供参考。
[20] 符娟林, 乔标.

基于模糊物元的城市化生态预警模型及应用

[J].地球科学进展, 2008, 23(9): 990-995.

Magsci      [本文引用: 1]      摘要

<p>根据模糊物元理论建立了城市化的生态预警模型,将警报级别分为无警、轻警、中警、重警和巨警5级,并从资源预警、生态预警和环境预警3个方面构建河西走廊城市化进程中的生态环境预警指标体系,设立了预警参照标准与预警界限、警灯、警度,对河西走廊进行了实证分析。结果发现,河西走廊及五大地市按照预警指数从大到小的顺序依次为:张掖市、武威市、金昌市、河西走廊、嘉峪关市和酒泉市。其中,河西走廊的生态用水比重、植被覆盖率、人均环境保护费用和万元产值工业SO<sub>2</sub>排放量的景气指数最高,处于重警状态;城市工业用地定额、城市居住用地定额、万元产值工业废水排放量和万元产值工业粉尘排放量的景气指数最低,均处于轻警状态;其它指标均处于中警状态。可见,相对于土地资源和环境污染因素而言,水资源和生态条件已经对河西走廊的城市化产生了较强的束缚作用。</p>

[Fu Juanlin, Qiao Biao.

Ecological Early-warning Model and Its Application in the Process of Urbanization Based on Fuzzy Matter Element Theory.

Advances in Earth Science, 2008,23(9):990-995.]

Magsci      [本文引用: 1]      摘要

<p>根据模糊物元理论建立了城市化的生态预警模型,将警报级别分为无警、轻警、中警、重警和巨警5级,并从资源预警、生态预警和环境预警3个方面构建河西走廊城市化进程中的生态环境预警指标体系,设立了预警参照标准与预警界限、警灯、警度,对河西走廊进行了实证分析。结果发现,河西走廊及五大地市按照预警指数从大到小的顺序依次为:张掖市、武威市、金昌市、河西走廊、嘉峪关市和酒泉市。其中,河西走廊的生态用水比重、植被覆盖率、人均环境保护费用和万元产值工业SO<sub>2</sub>排放量的景气指数最高,处于重警状态;城市工业用地定额、城市居住用地定额、万元产值工业废水排放量和万元产值工业粉尘排放量的景气指数最低,均处于轻警状态;其它指标均处于中警状态。可见,相对于土地资源和环境污染因素而言,水资源和生态条件已经对河西走廊的城市化产生了较强的束缚作用。</p>
[21] 黄佳聪, 高俊峰.

智能算法及其在环境预警中的应用

[J].环境监控与预警, 2010, 2(3):5-8.

https://doi.org/10.3969/j.issn.1674-6732.2010.03.002      URL      [本文引用: 1]      摘要

智能算法具有学习非线性问题的能力,可有效优化环境模型结构与参数,是环境预警的重要工具.重点分析了遗传算法和人工神经网络的相关特征,并以太湖蓝藻水华预报预警为例,介绍其在提高环境模型精度中的应用.

[Huang Jiacong, Gao Junfeng.

Application of Intelligent Algorithm in Environmental Early Forewaring Warning.

Environmental Monitoring and Forewarning, 2010,2(3):5-8.]

https://doi.org/10.3969/j.issn.1674-6732.2010.03.002      URL      [本文引用: 1]      摘要

智能算法具有学习非线性问题的能力,可有效优化环境模型结构与参数,是环境预警的重要工具.重点分析了遗传算法和人工神经网络的相关特征,并以太湖蓝藻水华预报预警为例,介绍其在提高环境模型精度中的应用.
[22] 王耕, 吴伟.

基于GIS的辽河流域水安全预警系统设计

[J].大连理工大学学报,2007,47(2):175-179.

https://doi.org/10.3321/j.issn:1000-8608.2007.02.005      URL      [本文引用: 1]      摘要

水安全具有空间地域性.以辽河流域为例,阐述了基于GIS空间技术的水安全预警的逻辑过程.根据系统目标与原则,初步设计了系统的信息采集、查询与检索、因子评价与分析、动态预测与预警和系统指导管理功能;给出了系统的客户机—浏览器—服务器三层网络结构;构建了数据库.此系统的设计为及时掌握水安全的状态,发布预警信息,适时采取必要的调控措施等提供了科学依据.

[Wang Geng, Wu Wei.

Design of an early warning system of water security f or Liaohe River based on GIS.

Journal of Dalian University of Technology, 2007,47(2):175-179.]

https://doi.org/10.3321/j.issn:1000-8608.2007.02.005      URL      [本文引用: 1]      摘要

水安全具有空间地域性.以辽河流域为例,阐述了基于GIS空间技术的水安全预警的逻辑过程.根据系统目标与原则,初步设计了系统的信息采集、查询与检索、因子评价与分析、动态预测与预警和系统指导管理功能;给出了系统的客户机—浏览器—服务器三层网络结构;构建了数据库.此系统的设计为及时掌握水安全的状态,发布预警信息,适时采取必要的调控措施等提供了科学依据.
[23] Hamre T,Krasemann H,Groom S,et al.

Interoperable web GIS services for marine pollution monitoring and forecasting

[J].Journal of Coastal Conservation,2009,13(1):1-13.

https://doi.org/10.1007/s11852-009-0046-y      Magsci      [本文引用: 1]      摘要

<a name="Abs1"></a>This paper presents services and systems developed in the FP6 InterRisk (Interoperable GMES Services for Environmental Risk Management in Marine and Coastal Areas of Europe) project, which addresses the need for better access to information for risk management in Europe, both in cases of natural hazards and industrial accidents. The overall objective of the project is to develop a pilot system for interoperable GMES monitoring and forecasting services for environmental management in marine and coastal areas. This pilot system is based on established and widely adopted web-GIS standards, in line with INSPIRE recommendations. The pilot is comprised of, among other things, a portal and a web-GIS map viewer, both developed using open source tools. Providers using commercial tools adhering to the adopted standards, however, can also deliver products to the InterRisk pilot. The InterRisk services and system are based on a combination of free and commercial software, and have been demonstrated to end-users in three European areas: Norwegian, UK and Irish waters, and German and Polish waters. Products and services offered in these areas are presented, along with an outline of the technical development of web-GIS clients and portals.
[24] Alfieri L, Salamon P, Pappenberger F et al.

Operational early warning systems for water-related hazards in Europe

[J].Environmental Science & Policy,2012,21:35-49.

https://doi.org/10.1016/j.envsci.2012.01.008      URL      Magsci      [本文引用: 1]      摘要

Preparedness towards natural hazards is a key factor in the reduction of their impact on the society. Recent international initiatives are fostering the development of a culture of risk prevention and the promotion of early warning systems. Numerical weather predictions have become the basis of several flood-related warning systems, enabling the detection of hazardous events with sufficient lead-time to prepare effective emergency and response plans. The objective of this paper is to review current European operational warning systems for water-related hazards induced by severe weather conditions. In details, it includes systems for detecting surface water flooding, flash floods, debris flows, mud flows, rainfall-induced landslides, river floods and coastal floods. Technical features and capabilities of different systems are described, together with some noteworthy examples. The main strengths of each system type are highlighted and suggestions are provided for developing and further improving their overall skills in hazard detection and the mutual coordination. (C) 2012 Elsevier Ltd. All rights reserved.
[25] 许学工.

黄河三角洲生态环境的评估和预警研究

[J].生态学报,1996,16(5):461-468.

Magsci      [本文引用: 1]      摘要

应用生态环境交错带理论分析了黄河三角洲的生态环境。对道夫尼尔计算人对地理环境作用的方法进行修正,提出了“环境潜在指数(E)”求算公式,然后运用此公式对黄河三角洲的生态环境进行了现状评估和预警研究.

[Xu Xuegong.

Study on evaluation and pre-warning of ecological environment in the yellow river delta.

Acta Ecologica Sinica, 1996,16(5):461-468.]

Magsci      [本文引用: 1]      摘要

应用生态环境交错带理论分析了黄河三角洲的生态环境。对道夫尼尔计算人对地理环境作用的方法进行修正,提出了“环境潜在指数(E)”求算公式,然后运用此公式对黄河三角洲的生态环境进行了现状评估和预警研究.
[26] 牛文元.

生态环境脆弱带ECOTONE的基础判定

[J]. 生态学报, 1989, 9(2):97-105.

Magsci      [本文引用: 1]      摘要

ECOTONE为国际生态界最近重新定义的基本概念之一。本文在诠释生态环境脆弱带的定义之后,对其实质及其空间属性作了较全面的逻辑归纳。在进一步研究的基础上,对于生态环境脆弱带作出了独立的函数表达,并且就生态环境脆弱带的宽度指标、重迭度指标、脆弱度指标、综合性指标,提出了较严格的表述形式。它们吸收了生态界面理论,并把系统生态学中的非稳定性理论,广延为辨识“全球变化”的基本手段,从而在生态学理论与应用两个方面,体现了研究的意义和价值。

[Niu Wenyuan.

The discriminatory index with regard to the weakness, overlapness, and ereadth of ecotone.

Acta Ecologica Sinica, 1989,9(2):97-105.]

Magsci      [本文引用: 1]      摘要

ECOTONE为国际生态界最近重新定义的基本概念之一。本文在诠释生态环境脆弱带的定义之后,对其实质及其空间属性作了较全面的逻辑归纳。在进一步研究的基础上,对于生态环境脆弱带作出了独立的函数表达,并且就生态环境脆弱带的宽度指标、重迭度指标、脆弱度指标、综合性指标,提出了较严格的表述形式。它们吸收了生态界面理论,并把系统生态学中的非稳定性理论,广延为辨识“全球变化”的基本手段,从而在生态学理论与应用两个方面,体现了研究的意义和价值。
[27] 李爽, 张祖陆, 孙媛媛.

基于SWAT模型的南四湖流域非点源氮磷污染模拟

[J]. 湖泊科学, 2013, 25(2):236-242.

https://doi.org/10.3969/j.issn.1003-5427.2013.02.009      URL      [本文引用: 1]      摘要

本文利用SWAT模型结合实测数据,对南四湖流域2001-2010年年均非点源氮磷污染进行模拟,分析了南四湖流域非点源氮磷负荷空间分布特征,计算各河流流域对南四湖湖区污染的贡献率,并对非点源氮磷污染严重的关键区进行识别.研究表明:(1)先模拟湖东和湖西的两个典型小流域的非点源氮磷污染,并将模型推及整个南四湖流域,该方法不仅提高了计算效率,且得到了较好的模拟结果.通过对比发现,湖东的模拟效果要好于湖西,一定程度上说明SWAT模型在起伏较大的地区能取得更高的精度.(2)南四湖流域非点源氮磷污染严重,几乎所有区域的氮负荷超标,40%以上的区域磷负荷超标严重.湖东非点源氮磷污染较湖西严重,其中洸府河流域是南四湖湖区非点源氮磷污染的主要贡献者.(3)通过对径流量、泥沙负荷、氮负荷、磷负荷的相关分析可以得出,南四湖流域非点源氮负荷以溶解态为主,随径流进入水体;非点源磷负荷以吸附态为主,随泥沙进入水体.

[Li Shuang, Zhang Zulu, Sun Yuanyuan.

Simulation of non-•point source pollution of nitrogen and phosphorus in Lake Nansi water—shed using SWAT model.

Journal of Lake Science, 2013, 25(2):236-242.]

https://doi.org/10.3969/j.issn.1003-5427.2013.02.009      URL      [本文引用: 1]      摘要

本文利用SWAT模型结合实测数据,对南四湖流域2001-2010年年均非点源氮磷污染进行模拟,分析了南四湖流域非点源氮磷负荷空间分布特征,计算各河流流域对南四湖湖区污染的贡献率,并对非点源氮磷污染严重的关键区进行识别.研究表明:(1)先模拟湖东和湖西的两个典型小流域的非点源氮磷污染,并将模型推及整个南四湖流域,该方法不仅提高了计算效率,且得到了较好的模拟结果.通过对比发现,湖东的模拟效果要好于湖西,一定程度上说明SWAT模型在起伏较大的地区能取得更高的精度.(2)南四湖流域非点源氮磷污染严重,几乎所有区域的氮负荷超标,40%以上的区域磷负荷超标严重.湖东非点源氮磷污染较湖西严重,其中洸府河流域是南四湖湖区非点源氮磷污染的主要贡献者.(3)通过对径流量、泥沙负荷、氮负荷、磷负荷的相关分析可以得出,南四湖流域非点源氮负荷以溶解态为主,随径流进入水体;非点源磷负荷以吸附态为主,随泥沙进入水体.
[28] 沈吉,张祖陆,杨丽原,.南四湖——环境与资源研究[M].北京: 地震出版社,2008.

[本文引用: 2]     

[Shen Ji, Zhang Zulu, Yang Liyuan et al. nansihulakes——environmental and resource studies. Beijing: Seismological Press,2008.]

[本文引用: 2]     

[29] 许吉仁, 董霁红.

1987~2010年南四湖湿地景观格局变化及其驱动力研究

[J]. 湿地科学,2013,11(4):438-445.

https://doi.org/10.3969/j.issn.1672-5948.2013.04.005      URL      [本文引用: 2]      摘要

在遥感和地理信息系统技术支持下,选用5期南四湖湿地TM影像、气象资料和社会经济资料,利用面向对象的K临近分类方法对地物进行监督分类,利用统计方法筛选驱动因子,研究1987~2010年期间南四湖湿地景观格局演变及其驱动力.结果表明,1987~2010年,南四湖天然湿地面积(湖泊、河流、芦苇沼泽、荷田)减少;人工湿地,主要是水产养殖区和水稻田面积不断增加.南四湖湿地景观趋向破碎化,抗干扰的能力和维持自我稳定的能力下降,生物多样性减少;南四湖湿地景观格局受自然和人文驱动力的影响,人文驱动力中人口因素和经济发展水平因素对景观空间格局影响最大,影响因素重要性排序为渔业总产值、第一产业比重、总人口、非农业人口、农民人均纯收入、GDP、人均GDP和第二产业比重.通过湿地景观格局驱动力研究,揭示了南四湖湿地景观格局的变化特征及其与自然因素、人文因素的相互关系,可以为南四湖湿地农业结构调整、环境保护管理提供理论依据,可以为该区域土地利用格局优化提供参考.

[Xu Jiren, Dong Jihong.

Landscape pattern change and its driving force of Nansihu Wetlands during 1987-2010.

Wetland Science, 2013,11(4):438-445.]

https://doi.org/10.3969/j.issn.1672-5948.2013.04.005      URL      [本文引用: 2]      摘要

在遥感和地理信息系统技术支持下,选用5期南四湖湿地TM影像、气象资料和社会经济资料,利用面向对象的K临近分类方法对地物进行监督分类,利用统计方法筛选驱动因子,研究1987~2010年期间南四湖湿地景观格局演变及其驱动力.结果表明,1987~2010年,南四湖天然湿地面积(湖泊、河流、芦苇沼泽、荷田)减少;人工湿地,主要是水产养殖区和水稻田面积不断增加.南四湖湿地景观趋向破碎化,抗干扰的能力和维持自我稳定的能力下降,生物多样性减少;南四湖湿地景观格局受自然和人文驱动力的影响,人文驱动力中人口因素和经济发展水平因素对景观空间格局影响最大,影响因素重要性排序为渔业总产值、第一产业比重、总人口、非农业人口、农民人均纯收入、GDP、人均GDP和第二产业比重.通过湿地景观格局驱动力研究,揭示了南四湖湿地景观格局的变化特征及其与自然因素、人文因素的相互关系,可以为南四湖湿地农业结构调整、环境保护管理提供理论依据,可以为该区域土地利用格局优化提供参考.
[30] 济宁市统计局,国家统计局济宁调查队. 济宁市统计年鉴[M]. 北京:中国统计出版社,1982,1992,2002,2012.

[本文引用: 1]     

[Bureau of statistics of Jining City, Jining investigation team of national bureau of statistics. Jining statistical yearbook. Beijing: China Statistics Press,1982,1992,2002,2012.]

[本文引用: 1]     

[31] 山东省统计局,国家统计局山东调查总队. 山东统计年鉴[M]. 北京:中国统计出版社,1982,1992,2002,2012.

[本文引用: 2]     

[Bureau of statistics of Shandong Province, Shandong investigation team of national bureau of statistics. Shandong statistical yearbook. Beijing: China Statistics Press,1982,1992, 2002, 2012.]

[本文引用: 2]     

/