孔繁花,博士,副教授 - 南京大学国际地球系统科学研究所

基于生态安全格局的南京都市区生态控制边界划定徐文彬;尹海伟;孔繁花【期刊名称】《生态学报》【年(卷),期】2017(037)012【摘要】Developing ecological control boundaries is an effective way to protect ecological space,maintain regional ecological security patterns,and control urban sprawl.However,previous studies on the methods to develop ecological control boundaries usually only considered the existing high ecological sensitive areas and neglected potential ecologicalspaces.Potential ecological spaces usually offer significant contribution in maintaining the balance of urban and regional ecosystems via ecological connectivity.By not considering potential ecological spaces,the designated ecological units become isolated habitat islands and the ecological vulnerability of the city or region increases.Taking the Nanjing metropolis district as a case study,and from the perspective of ecological security,the present study attempted to present a new method to develop ecological control boundaries by integrating ecological sensitivity analysis with ecological networks analysis.These ecological control boundaries aimed to protect the existing and potential important ecological spaces simultaneously in the study area.An coo-sensitivity index system was first established by selecting nine indexes bascd on local conditions,with the highly sensitive ecological spaces of the study area obtained with spatialanalysis in Geographical Information System (GIS).The potential ecological networks were developed with the least-cost path method and supported by GIS.The results revealed that:1) ecological sensitivity analysis was effective in identifying the existing high ecological sensitivity spaces,with the spatial pattern of high ecological sensitivity areas demonstrating that no matter how large or small,ecological sensitivity patches are usually isolated and scattered;and 2) by considering the ecological sensitivity areas simultaneously,71 sources,119 important corridors,and 61 key ecological patches were selected to develop the ecological networks.The developed ecological networks can significantly enhance the original landscape connectivity,and can effectively improve overall ecological security both at the urban and regional scales.After the analysis,further suggestions were provided for planning and improvement of the ecological control boundaries in the Nanjing metropolis district.The study indicated that ecological sensitivity analysis could capture the established natural status effectively but neglect the importance of potential ecological connectivity;however,ecological network analysis could make up for this shortcoming perfectly.Therefore,combining ecological sensitivity analysis with ecological networks analysis as performed in the present study is very useful and is a good method to develop ecological control boundaries on different scales.%以南京都市区为例,通过生态敏感性分析获取了研究区既有的高生态敏感空间,采用最小费用路径方法辨识了对研究区具有重要生态意义的潜在生态廊道和生态关键区,采用图谱理论中的景观连接度指数辅助确定生态廊道宽度,构建了研究区潜在的生态网络.在此基础上,整合既有和潜在生态空间,科学划定生态控制边界,实现了研究区现存和潜在的重要自然生态空间保护.研究结果表明:1)生态敏感性分析能够识别出研究区既有的高生态敏感性区域,并指出其呈现出“大而孤立,小且分散,连接性不佳”的空间特征.2)遴选出的71处生态源地、119条重要廊道和61个关键生态斑块共同组成了研究区的生态网络,显著提升了原有生态空间的景观连接性和研究区域的总体生态安全水平.3)生态网络分析可以弥补敏感性分析只考虑既有自然生态空间的局限,二者的组合使用可为不同尺度上生态控制边界的划定提供简明的分析框架.研究结果可为南京都市区生态控制线划定和生态环境保护提供重要的参考,对其他城市生态控制边界的划定也具有一定的借鉴意义.【总页数】10页(P4019-4028)【作者】徐文彬;尹海伟;孔繁花【作者单位】南京大学建筑与城市规划学院,南京210093;南京大学建筑与城市规划学院,南京210093;南京大学国际地球系统科学研究所,南京210023【正文语种】中文【相关文献】1.生态安全格局评价和生态红线划定研究——基于破碎化分析 [J], 赵殿红2.生态安全格局下的城市增长边界划定研究 [J], 吕静; 尹钰博3.生态安全格局下的城市增长边界划定研究 [J], 吕静; 尹钰博4.基于生态安全格局与FLUS模型的丘陵地区中等城市增长边界划定技术研究——以安徽省天长市为例 [J], 章序;叶小群;侯伟5.基于生态安全格局与FLUS模型的丘陵地区中等城市增长边界划定技术研究——以安徽省天长市为例 [J], 章序;叶小群;侯伟因版权原因，仅展示原文概要，查看原文内容请购买。

2023年02月南京大学地理与海洋科学学院孔繁花课题组公开招聘1名地理与海洋科学学院研究系列人员（B02022）考试参考题库【含答案详解】(图片可自由调整大小)全文为Word可编辑，若为PDF皆为盗版，请谨慎购买！卷I一.高等教育法规(共25题)1.新时代党的教育事业发展的根本任务是（）。

A.立德树人B.素质教育C.教育公平D.教育改革答案：A本题解析：暂无解析2.党的十九大首次提出了（）战略。

A.城乡一体化B.实施乡村振兴战略C.社会主义新农村建设D.健康中国答案：B本题解析：暂无解析3.按照我国相关教育法律的规定，教师资格丧失后，（）不得重新申请认定教师资格。

A.3年以内B.终身C.1年以内D.5年以内答案：B本题解析：丧失教师资格后，终身不能重新取得教师资格。

4.所有国家机关及其工作人员、所有社会团体和公民自觉按照教育法律法规的要求行使权利、履行义务，从而使教育法律法规得以实现的活动，即（）。

A.教育法规的制定B.教育法规的适用C.教育法规的实施D.教育法规的遵守答案：D本题解析：暂无解析5.中国特色社会主义制度的最大优势是（）。

A.公有制占主体B.中国共产党领导C.马克思主义指导D.人民代表大会答案：B本题解析：暂无解析6.在我国的实践中，国家规定高等学校的经费开支标准的途径是（）。

A.综合定额B.普通基金C.综合定额加专项补助D.普通基金加专项基金答案：C本题解析：暂无解析7.我国现行高等学校内部管理体制采取的是（）。

A.校长负责制B.党委领导下的校长负责制C.教授委员制D.校务委员会集体负责制答案：B本题解析：我国现行高等学校内部管理体制采取的是党委领导下的校长负责制。

8.我国现行高等学校内部管理体制是（）。

A.校长负责制B.校务委员会集体负责制C.党委领导下的校长负责制D.党委负责制答案：C本题解析：根据我国《高等教育法》的规定，我国现行高等学校的内部管理机制主要是实行党委领导下的校长负责制。

收稿日期:2000203;修订日期:2000207 基金项目:国家自然科学基金资助项目(49471008) 作者简介:宋林华(19422),男,研究员,博士生导师。

1966年毕业于南京大学地质系。

主要从事喀斯特地貌、洞穴学和风景地学研究,在国内外发表论文100余篇,出版编著5本。

文章编号:100726301(2000)0320193210喀斯特地貌研究进展与趋势宋林华(中国科学院地理科学与资源研究所,北京　100101)摘要:我国喀斯特地貌研究在20世纪后半叶取得了巨大进展,特别自80年代,喀斯特与物理、化学、生物学、数学等学科相结合,借助于计算机和先进的测试技术,开辟了许多研究领域,加速了喀斯特地貌理论与应用的发展。

本文着重评述了喀斯特地貌的演化,喀斯特溶蚀强度与速率,深部喀斯特发育机理,生物喀斯特和喀斯特与古环境等方面的新进展,展望了21世纪初将在喀斯特生态系统、古环境与全球变化研究、风景旅游洞穴环境的改善与景观风化的防治、实验和量化喀斯特地貌的研究等方面将得到加强和取得丰硕成果。

关　键　词:喀斯特地貌;研究进展;趋势中图分类号:P 93115 文献标识码:A喀斯特地貌的研究在20世纪取得了巨大进展,特别是90年代,喀斯特与物理、化学、生物学、数学等学科相结合,借助于计算机和先进的测试技术,开辟了许多新的研究领域,加速了喀斯特地貌理论与应用的发展。

1　喀斯特地貌的研究进展111　喀斯特地貌的演化序列我国裸露喀斯特分布面积120×104km 2[1],喀斯特地貌类型众多,特别是代表热带喀斯特的峰林和峰丛景观,成因复杂,景观千姿壮观,尤以广西、贵州、滇东为最[2,3]。

然而这些壮观多姿的喀斯特景观之间是否存在演化序,我国学者进行了较长时间的研究和探索。

目前的喀斯特地貌形态,是喀斯特地貌发育、演化过程中某一阶段地表形态的呈现,是动态演化过程中某一瞬间形态。

喀斯特形态的形成与演化不是静止孤立的,是随着时间和空间的运动而变化[4]。

基于DEM 数据的月表撞击坑自动提取研究闫芮豪1，周 毅2,3，江 飞1，陈 旻4（1.南京大学国际地球系统科学研究所 江苏省地理信息科学重点实验室，江苏 南京 210046；2.陕西师范 大学地理科学与旅游学院，陕西 西安710062；3.地理学国家级实验教学示范中心（陕西师范大学），陕西 西安710062；4.南京师范大学虚拟地理环境教育部重点实验室，江苏 南京 210023）摘 要：提出一种基于地形与形态学的撞击坑自动提取算法，该算法主要利用撞击坑的形态特征进行提取，利用形态学方法提高提取结果的连续性并去除提取结果中的噪声，使提取的撞击坑边界线更为简单，定位更加准确，易于存储与计算。

该算法使用月球勘测轨道器照相机（LROC ）提供的100 m 分辨率DEM 数据进行测试，测试结果显示该算法对于形态较为完整的简单撞击坑提取效果较好，提取的边界线较为准确且能够反映撞击坑的真实形态。

关键词：DEM ；月球撞击坑；自动提取；形态学中图分类号：P237 文献标志码：B文章编号：1672-4623（2019）04-0044-04撞击坑是月表重要的地质构造，可为研究月球现状与演化历史提供直接证据。

而撞击坑边界的提取工作，可为研究撞击坑形成机制、撞击效应等提供丰富信息[1]。

目前计算机自动提取撞击坑的研究众多，且方法多样，根据使用数据的不同，可分为以下三类：1）基于遥感影像的撞击坑提取方法。

这类方法利用撞击坑在光照条件下产生的鲜明明暗特征对撞击坑进行提取。

其方法主要有：撞击坑明暗区匹配法[2]，图像边缘检测法[3-5]，人脸识别法[6]等。

由于计算机图像处理算法较为成熟，这类方法对撞击坑的识别率较高，但由于遥感影像受光照角度影响较大，且后期多使用最小二乘法、霍夫变换等对提取结果进行拟合，导致提取结果与撞击坑真实边缘不相符。

2）基于DEM 的撞击坑提取方法。

这类方法主要利用了DEM 数据中含有的撞击坑形态信息，如近圆形特征[1]、地形曲率特征[7]等对撞击坑进行提取。

海面油膜高光谱遥感信息提取
陆应诚;田庆久;宋鹏飞;李姗姗
【期刊名称】《遥感学报》
【年(卷),期】2009(013)004
【摘要】针对辽东湾海域的Hyperion高光谱遥感数据特点,结合海面油膜光谱与Hyperion影像特征,对该数据进行水陆分离与最小噪声分离(minimum noise fraction,MNF)变换处理,在辽东湾海域MNF波段影像的2D散点图中,海面油膜的出现会在其边缘形成一个异常散点区域,可区分油膜与干扰信息,结合提取的海面油膜端元的MNF波谱,通过混合调制匹配滤波(mixture tuned matched filtering,MTMF)技术,成功地提取研究区海面油膜信息,有效监测海面油膜信息,为海洋环境监测提供新的技术手段.
【总页数】10页(P686-695)
【作者】陆应诚;田庆久;宋鹏飞;李姗姗
【作者单位】南京大学国际地球系统科学研究所,江苏南京,210093;南京大学国际地球系统科学研究所,江苏南京,210093;南京大学国际地球系统科学研究所,江苏南京,210093;南京大学国际地球系统科学研究所,江苏南京,210093
【正文语种】中文
【中图分类】X55
【相关文献】
1.基于生物光学模型的水面薄油膜厚度的高光谱遥感反演实验研究 [J], 肖剑伟;田庆久
2.引入纹理特征的多光谱遥感影像海面油膜信息提取 [J], 王晶;刘湘南
3.海面溢油无人机高光谱遥感检测\r与厚度估算方法 [J], 任广波;过杰;马毅;罗旭东
4.海面溢油自动监测中的油膜与类油膜特征分析 [J], 舒迟; 宋莎莎
5.不同厚度海上油膜高光谱遥感波段敏感性研究 [J], 刘丙新;李颖;张至达;周新因版权原因，仅展示原文概要，查看原文内容请购买。

第25卷第11期2005年11月生 态 学 报ACT A ECOLOGICA SINICA Vo l.25,N o.11No v.,2005济南市城市绿地时空梯度分析尹海伟1,孔繁花2(1.南京大学城市与资源学系,南京　210093; 2.日本广岛大学国际协力研究科,日本广岛　739-8529)基金项目:中国科学院知识创新资助项目(KZCX3-S W-424);国家自然科学基金资助项目(40371038)收稿日期:2004-11-26;修订日期:2005-04-20作者简介:尹海伟(1978～),男,山东青州人,博士生,主要从事城市生态与GIS 研究.E-m ail:qzyinh aiw ei@Foundation item :Project of Chinese Academy of Sciences (No.KZC X3-SW -424),National Natural S cience Foundation of Chin a (No.40371038)Received date :2004-11-26;Accepted date :2005-04-20Biography :YIN Hai-Wei,Ph.D.candidate,main ly engaged in urban ecology and GIS.E-mail:qzyinhaiw ei@摘要:随着社会经济的发展,人们越来越关注生活质量,而具有重要生态和社会经济功能的城市绿地是反映一个城市生活质量的重要指标。

因此,城市绿地空间格局的定量研究就显得尤为重要。

以济南市作为研究区,以RS 和GIS 为技术手段,采用梯度分析和景观指标相结合的方法,在8个方向上从市中心到边缘取样,对研究区1989、1996、2004年的城市绿地空间格局及其变化进行了定量分析。

研究结果表明:(1)基于城市绿地类型图、运用移动窗口所得到的梯度分析结果能够准确的表达城市绿地空间格局及其动态变化;(2)城市绿地时空梯度的动态变化能够反映城市土地利用空间结构及政府政策的影响;(3)梯度分析方法能够实现景观指标的空间化与可视化;(4)局部区域上的景观指标量化与整个景观水平上的量化相比,能够更好的连接景观格局与过程,对进一步分析城市绿地的生态和社会经济功能具有重要意义。

㊀第２１卷㊀第６期２０２３年１２月中㊀国㊀城㊀市㊀林㊀业ＪｏｕｒｎａｌｏｆＣｈｉｎｅｓｅＵｒｂａｎＦｏｒｅｓｔｒｙＶｏｌ ２１㊀Ｎｏ ６Ｄｅｃ ２０２３城市蓝绿空间格局对碳固存的影响测度及关键指标∗袁旸洋１ꎬ２㊀郭㊀蔚１㊀汤思琪１㊀杨明珠１㊀汪瑞军３１㊀东南大学建筑学院㊀南京㊀２１００９６２㊀江苏省城乡与景观数字技术工程中心㊀南京㊀２１００９６３㊀合肥工业大学建筑与艺术学院㊀合肥㊀２３０６０１㊀收稿日期:２０２３－１０－３０∗基金项目:国家自然科学基金重点项目(５１８３８００３)ꎻ东南大学 至善青年学者 支持计划(２２４２０２３Ｒ４０００２)㊀第一作者/通信作者:袁旸洋(１９８７－)ꎬ女ꎬ博士ꎬ副教授ꎬ硕士生导师ꎬ研究方向为风景园林规划设计及理论㊁数字景㊀㊀㊀㊀㊀㊀观技术㊁城市蓝绿空间ꎮＥ－ｍａｉｌ:ｙｙｙ＠ｓｅｕ ｅｄｕ ｃｎ㊀通信作者:汪瑞军(１９８６－)ꎬ男ꎬ博士ꎬ讲师ꎬ研究方向为风景园林规划设计与理论㊁城市绿地生态㊁城乡风貌与环境设㊀㊀㊀㊀㊀㊀计ꎮＥ－ｍａｉｌ:２０２１８００１６２＠ｈｆｕｔ ｅｄｕ ｃｎ摘要: 双碳 背景下城市空间碳汇结构与布局的提升与优化是重要的研究内容ꎮ作为碳汇效益的主要载体ꎬ城市蓝绿空间在增汇减碳方面具有协同作用ꎬ但当下对于城市蓝绿空间整体格局对其碳固存的影响关联研究不足ꎮ文章以合肥中心城区为例ꎬ基于２０００㊁２０１０㊁２０２０年的数据ꎬ在量化城市蓝绿空间格局特征的基础上ꎬ采用机器学习ＸＧＢｏｏｓｔ￣ＳＨＡＰ模型测度与解译城市蓝绿空间格局对碳固存的影响及关键指标ꎮ结果表明:１)城市蓝绿空间格局对碳固存具有影响ꎬ且不同格局特征的影响程度不同ꎮ２)影响碳固存的城市蓝绿空间格局关键指标有斑块层的ＦＲＡＣ㊁ＣＯＮＴＩＧ㊁ＡＲＥＡ和ＥＮＮꎬ类型层的ＥＤ㊁ＣＯＨＥＳＩＯＮ㊁ＤＩＶＩＳＩＯＮ和ＬＳＩꎮ３)蓝绿斑块形状复杂度越高ꎬ越有利于碳汇效益的发挥ꎻ蓝绿空间分布的聚集度越高㊁距离越近㊁连通度越高ꎬ碳汇效益越好ꎮ据此ꎬ提出以碳增汇为目标的城市蓝绿空间格局规划优化策略ꎬ以期为城市蓝绿空间规划与管理提供参考ꎮ关键词:城市蓝绿空间ꎻＮＰＰꎻ景观格局指标ꎻ数字景观技术ꎻＸＧＢｏｏｓｔ￣ＳＨＡＰ模型ＤＯＩ:１０.１２１６９/ｚｇｃｓｌｙ.２０２３.１０.３０.０００１ＡｓｓｅｓｓｉｎｇｔｈｅＩｍｐａｃｔｏｆＵｒｂａｎＢｌｕｅ￣ＧｒｅｅｎＳｐａｃｅＰａｔｔｅｒｎｏｎＣａｒｂｏｎＳｅｑｕｅｓｔｒａｔｉｏｎａｎｄＩｔｓＫｅｙＩｎｄｉｃａｔｏｒｓＹｕａｎＹａｎｇｙａｎｇ１ꎬ２㊀ＧｕｏＷｅｉ１㊀ＴａｎｇＳｉｑｉ１㊀ＹａｎｇＭｉｎｇｚｈｕ１㊀ＷａｎｇＲｕｉｊｕｎ３(１ ＳｃｈｏｏｌｏｆＡｒｃｈｉｔｅｃｔｕｒｅꎬＳｏｕｔｈｅａｓｔＵｎｉｖｅｒｓｉｔｙꎬＮａｎｊｉｎｇ２１００９６ꎬＣｈｉｎａꎻ２ ＪｉａｎｇｓｕＰｒｏｖｉｎｃｉａｌＵｒｂａｎａｎｄＲｕｒａｌＤｉｇｉｔａｌＴｅｃｈｎｏｌｏｇｙＥｎｇｉｎｅｅｒｉｎｇＣｅｎｔｅｒꎬＮａｎｊｉｎｇ２１００９６ꎬＣｈｉｎａꎻ３ ＣｏｌｌｅｇｅｏｆＡｒｃｈｉｔｅｃｔｕｒｅａｎｄＡｒｔꎬＨｅｆｅｉＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙꎬＨｅｆｅｉ２３０６０１ꎬＣｈｉｎａ)Ａｂｓｔｒａｃｔ:Ｉｎｔｈｅｃｏｎｔｅｘｔｏｆ ｄｕａｌｃａｒｂｏｎｇｏａｌｓ ꎬｅｎｈａｎｃｉｎｇａｎｄｏｐｔｉｍｉｚｉｎｇｔｈｅｓｔｒｕｃｔｕｒｅｓａｎｄｌａｙｏｕｔｓｏｆｃａｒｂｏｎｓｉｎｋｉｎｕｒｂａｎｓｐａｃｅｓｉｓａｓｉｇｎｉｆｉｃａｎｔｒｅｓｅａｒｃｈｔｏｐｉｃ.Ｕｒｂａｎｂｌｕｅ￣ｇｒｅｅｎｓｐａｃｅ(ＵＢＧＳ)ꎬｓｅｒｖｉｎｇａｓｔｈｅｐｒｉｍａｒｙｆａｃｉｌｉｔａｔｏｒｓｏｆｃａｒｂｏｎｓｉｎｋｂｅｎｅｆｉｔｓꎬｅｘｅｒｔｓａｓｙｎｅｒｇｉｓｔｉｃｉｎｆｌｕｅｎｃｅｏｎｃａｒｂｏｎｓｅｑｕｅｓｔｒａｔｉｏｎａｎｄｅｍｉｓｓｉｏｎｓｒｅｄｕｃｔｉｏｎ.ＴａｋｉｎｇＨｅｆｅｉ ｓｃｉｔｙｃｏｒｅａｓａｎｉｌｌｕｓｔｒａｔｉｖｅｃａｓｅｓｔｕｄｙꎬｔｈｉｓｐａｐｅｒｅｍｐｌｏｙｓｔｈｅｍａｃｈｉｎｅｌｅａｒｎｉｎｇｍｏｄｅｌꎬＸＧＢｏｏｓｔ￣ＳＨＡＰꎬｔｏｇａｕｇｅａｎｄｅｌｕｃｉｄａｔｅｔｈｅｉｎｆｌｕｅｎｃｅｏｆｔｈｅＵＢＧＳｐａｔｔｅｒｎｏｎｃａｒｂｏｎｓｅｑｕｅｓｔｒａｔｉｏｎａｎｄｔｈｅｉｒｐｉｖｏｔａｌｉｎｄｉｃａｔｏｒｓａｆｔｅｒｑｕａｎｔｉｆｙｉｎｇｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｔｈｅＵＢＧＳｐａｔｔｅｒｎｗｉｔｈｔｈｅｄａｔａｓｐａｎｎｉｎｇｔｈｅｙｅａｒｓ２０００ꎬ２０１０ꎬａｎｄ２０２０.Ｔｈｅｆｉｎｄｉｎｇｓｕｎｖｅｉｌ:１)ＴｈｅＵＢＧＳｐａｔｔｅｒｎｈａｓａｄｉｓｃｅｒｎｉｂｌｅｉｎｆｌｕｅｎｃｅｏｎｃａｒｂｏｎｓｅｑｕｅｓｔｒａｔｉｏｎꎬａｎｄｐａｔｔｅｒｎｓｗｉｔｈｄｉｆｆｅｒｅｎｔｃｈａｒａｃｔｅｒｉｓｔｉｃｓｈａｖｅｖａｒｉｅｄｅｘｔｅｎｔｏｆｉｎｆｌｕｅｎｃｅａｔｔｈａｔꎻ２)ＴｈｅｐｉｖｏｔａｌｉｎｄｉｃａｔｏｒｓｏｆｔｈｅＵＢＧＳｐａｔｔｅｒｎｆｏｒａｓｓｅｓｓｉｎｇｔｈｅｉｎｆｌｕｅｎｃｅｏｎｃａｒｂｏｎｓｅｑｕｅｓｔｒａｔｉｏｎ㊀第６期㊀袁旸洋㊀郭㊀蔚㊀汤思琪ꎬ等:城市蓝绿空间格局对碳固存的影响测度及关键指标㊀㊀ｉｎｃｌｕｄｅｔｈｅｐａｔｃｈ￣ｌｅｖｅｌｍｅｔｒｉｃｓｌｉｋｅＦＲＡＣꎬＣＯＮＴＩＧꎬＡＲＥＡａｎｄＥＮＮꎬａｎｄｔｈｅｃｌａｓｓ￣ｌｅｖｅｌｍｅｔｒｉｃｓｓｕｃｈａｓＥＤꎬＣＯＨＥＳＩＯＮꎬＤＩＶＩＳＩＯＮａｎｄＬＳＩꎻａｎｄ３)Ｈｉｇｈｅｒｃｏｍｐｌｅｘｉｔｙｉｎｔｈｅｓｈａｐｅｏｆｂｌｕｅａｎｄｇｒｅｅｎｐａｔｃｈｅｓｗｉｌｌｂｒｉｎｇｈｉｇｈｅｒｂｅｎｅｆｉｔｓｆｒｏｍｃａｒｂｏｎｓｅｑｕｅｓｔｒａｔｉｏｎꎬａｎｄｌｉｎｅａｒｐａｔｃｈｅｓｅｘｈｉｂｉｔｓｕｂｓｔａｎｔｉａｌｌｙｌｏｗｅｒｃａｒｂｏｎｓｉｎｋｂｅｎｅｆｉｔｓｉｎｃｏｍｐａｒｉｓｏｎｔｏａｒｅａ￣ｓｈａｐｅｄｐａｔｃｈｅｓ.Ｅｎｈａｎｃｅｄａｇｇｒｅｇａｔｉｏｎꎬｃｌｏｓｅｒｐｒｏｘｉｍｉｔｙꎬａｎｄｈｅｉｇｈｔｅｎｅｄｃｏｎｎｅｃｔｉｖｉｔｙｏｆｂｌｕｅａｎｄｇｒｅｅｎｓｐａｃｅｓｃｏｒｒｅｌａｔｅｗｉｔｈｓｕｐｅｒｉｏｒｃａｒｂｏｎｓｉｎｋｂｅｎｅｆｉｔｓ.ＢａｓｅｄｏｎｔｈｉｓꎬｔｈｅｏｐｔｉｍｉｚａｔｉｏｎｓｔｒａｔｅｇｉｅｓｆｏｒＵＢＧＳｐａｔｔｅｒｎｐｌａｎｎｉｎｇａｒｅｐｒｏｐｏｓｅｄｗｉｔｈｔｈｅｃａｒｂｏｎｓｅｑｕｅｓｔｒａｔｉｏｎａｎｄｅｍｉｓｓｉｏｎｒｅｄｕｃｔｉｏｎａｓｔｈｅｇｏａｌꎬｗｉｔｈｔｈｅａｉｍｔｏｐｒｏｖｉｄｅｒｅｆｅｒｅｎｃｅｓｆｏｒｔｈｅｐｌａｎｎｉｎｇａｎｄｍａｎａｇｅｍｅｎｔｏｆｔｈｅＵＢＧＳ.Ｋｅｙｗｏｒｄｓ:ｕｒｂａｎｂｌｕｅ￣ｇｒｅｅｎｓｐａｃｅꎻＮＰＰꎻｌａｎｄｓｃａｐｅｍｅｔｒｉｃꎻｄｉｇｉｔａｌｌａｎｄｓｃａｐｅｔｅｃｈｎｏｌｏｇｙꎻＸＧＢｏｏｓｔ￣ＳＨＡＰｍｏｄｅｌ㊀㊀近年来ＣＯ２等温室气体排放加速全球变暖ꎬ引发了系列环境和社会问题ꎮ为应对气候变化所产生的威胁ꎬ２０１６年«巴黎协定»敦促世界各国通过实际行动减少温室气体排放ꎬ增强固碳能力ꎬ减缓全球变暖的速度[１]ꎮ我国在第７５届联合国大会上提出了碳中和㊁碳达峰战略ꎮ城市虽然仅占全球陆域总面积的３％ꎬ却产生了超过７０％的碳排放[２]ꎮ由此ꎬ城市在我国 双碳 战略的实施中具有关键地位ꎬ推动城市空间碳源汇结构与布局向绿色低碳转型成为当下重要的研究内容ꎮ城市蓝绿空间(Ｕｒｂａｎｂｌｕｅ￣ｇｒｅｅｎｓｐａｃｅꎬＵＢＧＳ)是城市发展过程中留存或新建的绿色空间和蓝色空间的总和ꎬ包括所有自然㊁半自然㊁人工的绿地与水体ꎬ是城市生态系统的重要组成部分[３－４]ꎮ研究表明ꎬ绿色空间是碳汇量最大的贡献者ꎬ其产生的碳汇可以抵消２８％~３７％的ＣＯ２排放量ꎬ而湿地㊁河流㊁湖泊和沼泽等蓝色空间是巨大的碳库ꎮ除了植被㊁土壤的固碳释氧功能ꎬ城市蓝绿空间还可以通过缓解城市热岛效应㊁改善人居环境微气候ꎬ促进居民绿色出行等途径ꎬ间接减少碳排放[５]ꎮ综上ꎬ蓝绿空间具有直接增碳汇㊁间接减碳排的双重生态效益ꎬ是城市中发挥碳汇效益的主要载体[６]ꎮ以往关于城市蓝绿空间碳汇的研究多聚焦绿地和森林的碳汇量估算方法ꎬ包括样地清查法㊁模型估算法[７]㊁遥感反演法[８]和温室气体清查法等ꎮ其中ꎬ基于遥感技术的植被净初级生产力(ＮｅｔＰｒｉｍａｒｙＰｒｏｄｕｃｔｉｖｉｔｙꎬＮＰＰ)[９－１０]估算已广泛应用于区域和城市尺度ꎮ有学者从城乡规划学和生态学的角度ꎬ分析土地利用变化㊁气候变化[１１－１２]㊁城市树种及其生长周期[１３]对城市蓝绿空间碳汇的影响机制ꎮ例如:Ｌｉ等[１４]证明城市中森林面积的增大对ＮＰＰ有正向影响ꎻＹａｎｇ等[１５]研究了ＮＰＰ对土地利用变化的响应认为ꎬ耕地向林地和草地的转换可以有效提高生态系统固碳能力ꎮ景观格局是市域生态空间尺度影响碳汇功能提升的关键因素ꎮ城市蓝㊁绿空间具有相似的自然生态属性ꎬ在生态功能和物质交换㊁能量流动等自然过程中相互影响㊁相互依存ꎬ具有强关联性和整体性[１６]ꎬ共同构成了城市自然碳汇系统ꎮ现有研究多从单一绿色空间中格局及群落构成的角度展开[１７－１８]ꎬ而已有研究证实ꎬ城市水体对绿地的碳汇能力提升具有一定促进作用ꎬ当下关于城市整体蓝绿空间格局对碳汇效益影响的研究有待开展[１９－２０]ꎮ本研究从整体性视角出发ꎬ以合肥中心城区为例ꎬ采用景观格局指标量化２０００㊁２０１０㊁２０２０年城市蓝绿空间格局特征ꎬ基于机器学习的ＸＧＢｏｏｓｔ￣ＳＨＡＰ模型测度蓝绿空间格局特征对ＮＰＰ的影响ꎬ并解译其关键指标ꎬ解析城市蓝绿空间格局特征如何影响碳固存(Ｃａｒｂｏｎｓｅｑｕｅｓｔｒａｔｉｏｎ)ꎬ旨在为高质量发展背景下基于碳增汇目标的城市蓝绿空间格局优化提供参考ꎬ助力城市蓝绿空间融合发展ꎮ１　研究区概况合肥位于安徽省中部(１１７ʎＥꎬ３１ʎＮ)ꎬ属长三角城市群ꎬ天然山水禀赋良好ꎬ呈现 岭湖辉映 的蓝绿交织体系ꎮ平均海拔约３７ ５１ｍꎬ地形以平原和丘陵为主ꎬ属于亚热带湿润季风气候ꎬ冬冷夏热ꎻ年平均气温１５ ７ħꎬ年平均日照２１００ｈ以上ꎻ降雨量近１０００ｍｍꎬ主要集中在５ ６月ꎮ２０００年以来ꎬ合肥城市快速扩张㊁人口增长７㊀㊀㊀㊀中㊀国㊀城㊀市㊀林㊀业㊀第２１卷迅速ꎬ２０２２年迈入了特大城市行列ꎮ在此期间ꎬ合肥市政府重视城市环境建设ꎬ积极响应生态文明建设战略ꎬ出台了一系列政策聚焦于城市环境修复ꎬ蓝绿空间在发展中得到保护与恢复ꎮ从国土区位㊁发展特点㊁自然资源等方面来看ꎬ合肥是长江中下游高密度城市发展的典型代表之一ꎮ本文的研究范围为合肥市中心城区ꎬ即«合肥市国土空间总体规划(２０２１ ２０３５年)»中市辖区范围ꎬ包括蜀山㊁包河㊁瑶海㊁庐阳４个行政区ꎬ总面积为１３１２ ５ｋｍ２ꎮ２㊀研究方法选取２０００㊁２０１０㊁２０２０年的数据进行研究ꎬ以避免单个年份的遥感及气象数据因精度㊁极端气候等因素带来误差ꎮ主要内容包括城市蓝绿空间格局特征量化㊁碳固存计算㊁关键指标分析与解译ꎮ２ １㊀数据获取与处理本研究所采用的数据包括土地利用数据㊁气象数据㊁植被类型数据㊁ＮＤＶＩ数据(表１)ꎮ从地理空间数据云平台(ｈｔｔｐｓ://ｗｗｗ.ｇｓｃｌｏｕｄ.ｃｎ/)获取２０００㊁２０１０年ＬａｎｄｓａｔＴＭ及２０２０年ＬａｎｄｓａｔＯＬＩ共３期遥感影像ꎬ空间分辨率３０ｍꎮ基于ＧｏｏｇｌｅＥａｒｔｈＥｎｇｉｎｅ平台对影像进行辐射定标㊁大气几何校正㊁条带修复等处理ꎮ根据中国土地利用/土地覆盖遥感监测数据分类系统(ＬＵＣＣ)遥感解译处理后的影像ꎬ将其划分为耕地㊁林地㊁草地㊁建设用地㊁水体㊁未利用地６类ꎬ得到各期合肥市土地利用分类数据ꎮ采用Ｋａｐｐａ系数对分类后图像精度评估验证ꎬ总体精确度达到８５％ꎬ高于最低精度要求ꎮ利用ＡｒｃＭａｐ１０ ８软件将林地㊁草地重分类成绿色空间ꎬ将水体重分类成蓝色空间ꎬ获得２０００㊁２０１０与２０２０年合肥中心城区蓝绿空间分布图(图１)ꎮ表１㊀数据来源及处理㊀㊀数据类型㊀㊀㊀㊀㊀㊀㊀数据来源数据精度土地利用数据ＧｏｏｇｌｅＥａｒｔｈＥｎｇｉｎｅ(ｈｔｔｐｓ://ｅａｒｔｈｅｎｇｉｎｅ ｇｏｏｇｌｅ ｃｏｍ/)Ｌａｎｄｓａｔ￣５(２０００年)㊁ｌａｎｄｓａｔ￣７(２０１０年)㊁Ｌａｎｄｓａｔ￣８(２０２０年)３０ｍˑ３０ｍ气象站点数据气温降水日辐射地理遥感生态网(ｈｔｔｐ://ｗｗｗ ｇｉｓｒｓ ｃｎ/)３０ｍˑ３０ｍ植被类型覆盖图地理遥感生态网(ｈｔｔｐ://ｗｗｗ ｇｉｓｒｓ ｃｎ/)３０ｍˑ３０ｍＮＤＶＩ数据ＧｏｏｇｌｅＥａｒｔｈＥｎｇｉｎｅ(ｈｔｔｐｓ://ｅａｒｔｈｅｎｇｉｎｅ ｇｏｏｇｌｅ ｃｏｍ/)Ｌａｎｄｓａｔ￣５(２０００年)㊁ｌａｎｄｓａｔ￣７(２０１０年)㊁Ｌａｎｄｓａｔ￣８(２０２０年)３０ｍˑ３０ｍ图１㊀合肥中心城区蓝绿空间分布２ ２㊀基于ＣＡＳＡ模型的ＮＰＰ计算采用ＮＰＰ表征城市蓝绿空间碳固存能力ꎬ选用ＣＡＳＡ模型进行计算ꎮＣＡＳＡ模型由Ｐｏｔｔｅｒ等[２１]１９９３年提出ꎬ用于表征陆地生态系统中Ｈ２Ｏ㊁Ｃ和Ｎ通量跟随时间演变而不断变化的生态系统过程ꎬ适合区域尺度的ＮＰＰ研究和估算[２２]ꎬ计算公式如下:ＮＰＰｘꎬｔ()＝ＡＰＲＡｘꎬｔ()ˑεｘꎬｔ()(１)㊀㊀式(１)中:ＮＰＰ(ｘꎬｔ)表示像元ｘ在ｔ月的植被净初级生产力(单位:ｇＣ ｍ－２ ａ－１)ꎻＡＰＡＲ(ｘꎬｔ)表示像元ｘ在ｔ月吸收的光合有效辐射(单位:ｇＣ ｍ－２ ｍｏｎｔｈ－１)ꎻε(ｘꎬｔ)表示像元ｘ在ｔ月的实际光能利用率(单位:ｇＣ ＭＪ－１)ꎮ８㊀第６期㊀袁旸洋㊀郭㊀蔚㊀汤思琪ꎬ等:城市蓝绿空间格局对碳固存的影响测度及关键指标㊀㊀植被吸收的光合有效辐射取决于太阳辐射和植物本身的特征ꎬＡＰＲＡ的计算公式如下:ＡＰＲＡｘꎬｔ()＝ＳＯＬｘꎬｔ()ˑＦＰＡＲｘꎬｔ()ˑ０ ５(２)㊀㊀式(２)中:ＳＯＬ(ｘꎬｔ)表示ｔ时期像元ｘ在ｔ月的太阳总辐射(单位:ＭＪ ｍ－２ｍｏｎｔｈ－１)ꎻＦＰＡＲ(ｘꎬｔ)为植被层对入射光合有效辐射的吸收比例ꎻ常数０ ５表示植被所能利用的太阳有效辐射占太阳总辐射的比例ꎮεｘꎬｔ()＝Ｔεｘꎬｔ()ˑＴεｘꎬｔ()ˑＷεｘꎬｔ()ˑεｍａｘ(３)㊀㊀式(３)中:Ｔε１(ｘꎬｔ)和Ｔε２(ｘꎬｔ)分别指月高温㊁月低温对光能利用率的胁迫作用系数ꎻＷε(ｘꎬｔ)为水分胁迫的影响系数ꎻεｍａｘ是理想条件下的最大光能利用率(单位:ｇＣ ＭＪ－１)ꎮ基于ＮＰＰ计算结果ꎬ使用自然断点法对计算结果分级ꎬ得到合肥中心城区３年的ＮＰＰ空间分布(图２)ꎮ图２㊀合肥中心城区２０００㊁２０１０㊁２０２０年ＮＰＰ空间分布２ ３㊀城市蓝绿空间格局特征量化选用斑块层与类型层的景观格局指标量化城市蓝绿空间格局特征(表２)ꎮ斑块层指标强调单个蓝绿斑块的特征ꎬ类型层侧重表征蓝绿空间整体形态特征ꎬ采用Ｆｒａｇｓｔａｔｓ４ ３软件计算ꎮ由于城市区域的蓝绿空间格局表现出高度的空间异质性和尺度依赖性[２３]ꎬ需选取适宜的移动窗口尺度ꎮ通过粒度和幅度分析方法确定６０ｍ为最适合研究区的粒度值ꎬ４００ｍ作为格局计算时移动窗口的大小ꎮ２ ４㊀ＸＧＢｏｏｓｔ模型构建与ＳＨＡＰ方法解译ｅＸｔｒｅｍｅＧｒａｄｉｅｎｔＢｏｏｓｔｉｎｇ(ＸＧ￣Ｂｏｏｓｔ)机器学习模型是由Ｃｈｅｎ等[２４]提出的一种结合监督学习和集成学习方法的极限梯度提升树算法ꎮ针对本研究数据集庞大㊁特征复杂的问题ꎬＸＧＢｏｏｓｔ模型训练结果稳定㊁模型训练效率高ꎬ可很好地避免过拟合现象的发生[２５]ꎮ本研究分别基于斑块层和类型层２类指标及其对应的３年ＮＰＰ值ꎬ构建６个数据集ꎮ以２０２０年为例ꎬ采用ＡｒｃＧＩＳ１０ ７软件的随机取样工具创建随机取样点２００００个ꎬ将斑块层各指标和ＮＰＰ计算值提取至点ꎮ在建立类型层数据集时ꎬ考虑到取样点分布的均匀性及数据量ꎬ创建随机取样点４００００个ꎬ剔除不属于蓝绿空间的点ꎮ为避免模型的过拟合现象发生ꎬ对数据集进行了正则化处理ꎬ将８０％的数据作为训练集㊁２０％的数据作为测试集用于模型验证ꎮ其次ꎬ借助贝叶斯优化方法(Ｔｒｅｅ￣ｓｔｒｕｃｔｕｒｅｄＰａｒｚｅｎＥｓｔｉｍａｔｏｒꎬＴＰＥ)调整ＸＧＢｏｏｓｔ模型超参数ꎬ选取模型中主要超参数ｎ＿ｅｓｔｉｍａｔｏｒｓ㊁ｍａｘ＿ｄｅｐｔｈ㊁ｌｅａｒｎｉｎｇ＿ｒａｔｅ进行优化ꎮ之后ꎬ选择平均绝对误差(ＭｅａｎＡｂｓｏｌｕｔｅＥｒｒｏｒꎬＭＡＥ)㊁均方根误差(ＲｏｏｔＭｅａｎＳｑｕａｒｅｄＥｒｒｏｒꎬＲＭＳＥ)和决定系数(Ｒ２)做为预测效果的评价指标ꎬＲ２越接近１ꎬ表明模型拟合效果越好[２６]ꎮ此外ꎬ利用十折交叉验证法检验模型的泛化能力ꎬ对预测模型精度进行估计[２７]ꎮ验证结果６个数据集的均方根误差ＲＭＳＥ㊁评价绝对误差ＭＡＥ均较小ꎬＲ２值均接近１ꎬ十折交叉验证结果为０ ６９９~０ ９４２ꎬ表明建立的ＸＧＢｏｏｓｔ模型在训练集和测试集上的精度水平符合预期要求ꎮ９㊀㊀㊀㊀中㊀国㊀城㊀市㊀林㊀业㊀第２１卷表２㊀蓝绿空间格局特征指标指标分类指标名称㊀㊀计算公式㊀㊀㊀㊀内涵斑块层面积(ＡＲＥＡ)ＡＲＥＡ＝ａｉｊ１１００００()蓝绿斑块的面积周长(ＰＥＲＩＭ)ＰＥＲＩＭ＝ｐｉｊ斑块的周长ꎬ包括斑块内部孔隙的边缘长度欧式距离(ＥＮＮ)ＥＮＮ＝ðｚｒ＝１ｈｉｊｒｚ斑块边缘与斑块质心之间的平均距离分形维数(ＦＲＡＣ)ＦＲＡＣ＝２ｌｎ０ ２５ｐｉｊ()ｌｎａｉｊ１ɤＦＲＡＣɤ２()空间尺度(斑块大小)范围内的形状复杂性近圆指数(ＣＩＲＣＬＥ)ＳＱＵＡＲＥ＝１－ａｉｊａｓｉｊ[]０ɤＣＩＲＣＬＥɤ１()方形斑块ＣＩＲＣＬＥ＝０ꎬ细长线性斑块ＣＩＲＣＬＥ＝１邻近指数(ＣＯＮＴＩＧ)ＣＯＮＴＩＧ＝ðｚｒ－１ｃｉｊｋａｓｉｊéëêêùûúú－１ｖ－１０ɤＣＯＮＴＩＧɤ１()蓝绿斑块的空间连通性或邻近性类型层面积占比(ＰＬＡＮＤ)ＰＬＡＮＤ＝ðｎｊ＝１ａｉｊＡ每种斑块类型的比例丰度最大斑块指数(ＬＰＩ)ＬＰＩ＝ｍａｘａｉｊ()Ａ１００()空间类型的优势度量边缘密度(ＥＤ)ＥＤ＝ＥＡ在一定程度上表征空间形状复杂度景观形状指数(ＬＳＩ)ＬＳＩ＝０ ２５Ｅ㊀Ａ总边缘或边缘密度的标准化度量聚集度(ＡＩ)ＡＩ＝ｇｉｉｍａｘңｇｉｉ[]１００()蓝绿空间的聚集程度破碎度(ＤＩＶＩＳＩＯＮ)ＤＩＶＩＳＩＯＮ＝Ａ２ðｎｊ＝１ａ２ｉｊ蓝绿空间的破碎程度内聚力指数(ＣＯＨＥＳＩＯＮ)ＣＯＨＥＳＩＯＮ＝１－ðｍｊ＝１Ｐｉｊðｍｊ＝１Ｐｉｊ㊀ａｉｊéëêêùûúú１－１㊀Ａ[]－１１００()(０<ＣＯＨＥＮＳＩＯＮ<１００)蓝绿空间的物理连通性㊀㊀ＳＨＡＰ(ＳＨａｐｌｅｙＡｄｄｉｔｉｖｅｅｘＰｌａｎａｔｉｏｎｓ)方法由Ｌｕｎｄｂｅｒｇ和Ｌｅｅ[２８]提出ꎬ可准确解释机器学习模型中每个特征对结果的贡献度ꎬ提供全局模型和单个特征的局部解释结论ꎬ适用于解译城市蓝绿空间格局多个特征对碳固存的影响关系ꎮ同时ꎬＳＨＡＰ与ＸＧＢｏｏｓｔ集成良好ꎬ可通过ＴｒｅｅＳＨＡＰ算法有效地估计ＳＨＡＰ值[２９]ꎬ公式如下ꎮ＾ｙｉ＝ｓｈａｐ０＋ｓｈａｐＸ１ｉ()＋ｓｈａｐＸ２ｉ()＋＋ｓｈａｐＸｐｉ()(４)㊀㊀式(４)中:ｓｈａｐＸｊｉ()为观测ｉ的第ｊ个特征的ｓｈａｐ值ꎬ表示该特征对预测的边际贡献ꎮ假设一个ＸＧＢｏｏｓｔ模型ꎬ其中一组Ｎ(具有Ｎ个特征)用于预测输出ｖ(Ｎ)ꎮ在ＳＨＡＰ中ꎬ每个特征Φｉ是特征ｉ的贡献ꎬ对模型输出ｖ(Ｎ)的贡献是基于它们的边际贡献分配的ꎬ公式如下:Φｉｖａｌ()＝ðＳɪｘꎬ ｘ{}＼ｘ{}Ｓ!ｐ－Ｓ－１()!ｐ!ｖａｌＳɣｘｊ{}()－ｖａｌＳ()()(５)式(５)中:ｐ是特征的总数ꎻ{ｘｉꎬｘｐ}＼{ｘｊ}是不包括ｘｊ的所有可能的特征组合的集合ꎻＳ是{ｘｉꎬ ｘｐ}＼{ｘｊ}的特征集ꎻｖａｌ(Ｓɣ{ｘｊ})是特征在Ｓ加上特征ｘｊ的模型预测ꎮ３㊀结果与分析３ １㊀特征重要程度斑块层指标重要性排序(图３Ａ)表明ꎬ２０００年前３分别是ＦＲＡＣ㊁ＣＯＮＴＩＧ㊁ＡＲＥＡꎬ２０１０年是ＦＲＡＣ㊁ＥＮＮ㊁ＣＯＮＴＩＧꎬ２０２０年为ＦＲＡＣ㊁ＥＮＮ㊁ＡＲＥＡꎮ综合来看ꎬＦＲＡＣ在３年中ꎬ对ＮＰＰ的影响程度均最高ꎬ说明蓝绿斑块形状的复杂程度对碳固存最为重要ꎮ其次ꎬＣＯＮＴＩＧ在２０００㊁２０１０年ꎬＡＲＥＡ在２０００㊁２０２０年ꎬＥＮＮ在２０１０㊁２０２０年的贡献度排序为前３ꎬ表明蓝绿斑块的邻近度㊁面积㊁距离与碳固存有较强的相关０１㊀第６期㊀袁旸洋㊀郭㊀蔚㊀汤思琪ꎬ等:城市蓝绿空间格局对碳固存的影响测度及关键指标㊀㊀性ꎮ类型层指标重要性表明排名前３(图３Ｂ)分别为:２０００年是ＣＯＨＥＳＩＯＮ㊁ＥＤ㊁ＤＩＶＩＳＩＯＮꎬ２０１０年是ＬＳＩ㊁ＥＤ㊁ＤＩＶＩＳＩＯＮꎬ２０２０年是ＥＤ㊁ＣＯＨＥＳＩＯＮ㊁ＬＳＩꎮＥＤ在３年中ꎬ对ＮＰＰ的影响程度均最高ꎮ由此ꎬ蓝绿空间整体形状的复杂程度是影响碳固存的重要格局特征ꎮＣＯＨＥＳＩＯＮ在２０００㊁２０２０年ꎬＤＩＶＩＳＩＯＮ在２０００㊁２０１０年ꎬＬＳＩ在２０１０㊁２０２０年的重要性排序为前３ꎬ这表明蓝绿空间整体的连通性㊁破碎度㊁形状复杂性对于碳固存有较强的影响ꎮ综上ꎬ从特征重要程度排序可见斑块层中的ＦＲＡＣ㊁ＣＯＮＴＩＧ㊁ＡＲＥＡ和ＥＮＮ是影响碳固存的４个关键指标ꎬ类型层的关键指标是ＥＤ㊁ＣＯＨＥＳＩＯＮ㊁ＤＩＶＩＳＩＯＮ和ＬＳＩꎮ图３㊀城市蓝绿空间格局特征重要程度排序３ ２㊀关键指标分析３ ２ １㊀斑块层指标由图４可知ꎬ３年中ꎬ斑块层指标对ＮＰＰ影响趋势基本相似ꎮ表征斑块形状的ＦＲＡＣ㊁ＣＩＲＣＬＥ中ꎬＦＲＡＣ反映蓝绿斑块的形状ꎬ与ＮＰＰ呈正相关ꎬ即随着单个蓝绿斑块形状复杂程度的增加ꎬ碳固存能力增强ꎮ这可能是生态斑块形状越复杂ꎬ斑块与其他斑块之间的物质和能量信息交换越频繁ꎬ对斑块的生态功能辐射越有利ꎮ城市建成密度较高的区域大量蓝绿空间因受建筑㊁道路等硬质边界的限制ꎬ形状规则ꎬ碳固存能力较弱ꎮ因此ꎬ自然植被覆盖度高㊁人为干扰较少的蓝绿空间斑块ꎬ其形状复杂且受环境影响较小ꎬ斑块内部的生态结构较为稳定ꎬ碳固存能力更高ꎮＣＩＲＣＬＥ表征蓝绿斑块的近圆指数ꎬ与ＮＰＰ呈负相关ꎮＣＩＲＣＬＥ值接近１时ꎬ其形状越接近线形ꎬＮＰＰ值显著降低ꎬ即线形蓝绿斑块的碳固存能力较低ꎮ合肥中心城区的线形蓝绿斑块主要是十五里河㊁南淝河等水体及两侧绿地ꎬ以及道路绿地ꎮ河道等线性蓝绿斑块的碳固存能力较低的原因可能是硬化的河道驳岸阻碍了蓝绿之间的物质交换ꎬ限制了固碳能力的发挥ꎮ而道路绿地碳固存不高的原因可能是由于机动车排放的ＣＯ２浓度过高ꎬ对道路两侧绿化植物的碳固存能力产生一定的胁迫作用ꎮ表征蓝绿斑块分布的ＥＮＮ㊁ＣＯＮＴＩＧ与ＮＰＰ均呈负相关ꎮ其中ꎬＥＮＮ表征蓝绿斑块之间的距离ꎬ其与ＮＰＰ呈负相关ꎬ表明蓝绿斑块在空间分布上呈现更加分散的状态时ꎬ不利于碳固存能力的发挥ꎮＥＮＮ越小意味着城市蓝绿斑块的聚集度越高㊁破碎度越低ꎬ越有利于发挥碳固存能力ꎮＱｉｕ等[３０]研究得出林地聚集有利于ＵＧＩ植被碳吸收ꎬＭｎｇａｄｉ等[３１]认为景观破碎化会引起碳固存能力降低ꎬ与本文的研究结论基本一致ꎮ景观破碎度的增加会直接影响生境质量[３２]ꎬ若蓝绿空间的破碎度过高ꎬ即使植被覆盖程度较高ꎬ也不一定有好的碳固存能力ꎮ究其原因ꎬ一是蓝绿空间的破碎导致彼此联系减弱ꎬ阻断了物质交换与能量流动ꎮ研究表明ꎬ蓝绿空间的结构改变会直接影响植被的固碳功能[３３]ꎬ进而影响生态系统的净初级生产力ꎮ二是蓝绿空间的聚集程度将通过影响１１㊀㊀㊀㊀中㊀国㊀城㊀市㊀林㊀业㊀第２１卷图４㊀斑块层关键影响指标分析温度等植被生长环境ꎬ从而影响固碳能力ꎮ大量研究证实城市绿地的总面积相同情况下更密集的绿地通常比碎片化的更凉爽ꎮ高聚集度的蓝绿空间温度相对较低ꎬ避免了高温对植物光合作用的胁迫ꎬ影响植物的固碳能力[３４]ꎮＣＯＮＴＩＧ表征蓝绿斑块邻近度ꎬ其值在[０ꎬ０ ６]区间ꎬＳＨＡＰ值保持稳定ꎬ但在[０ ６ꎬ１ ０]区间ꎬ随着ＣＯＮＴＩＧ值的增大ꎬＳＨＡＰ值下降ꎮ其原因是:在合肥中心城区内ꎬ绿地中的绿色植物是发挥固碳作用的主体ꎬ而ＣＯＮＴＩＧ较高的区域为巢湖㊁董铺水库㊁大房郢水库等大面积水域ꎬ蓝绿空间中水体占比过大ꎬ导致其固碳量较低ꎮ表征斑块大小的ＡＲＥＡ㊁ＰＥＲＩＭ与ＮＰＰ的相关性趋势相似ꎬ均表现为指标值越大ꎬＳＨＡＰ值２１㊀第６期㊀袁旸洋㊀郭㊀蔚㊀汤思琪ꎬ等:城市蓝绿空间格局对碳固存的影响测度及关键指标㊀㊀越高ꎬ与ＮＰＰ呈正相关ꎬ即蓝绿斑块的面积越大ꎬ有利于碳固存能力提升ꎮ值得注意的是ꎬ当ＡＲＥＡ与ＰＥＲＩＭ的值在０附近时ꎬ对应的ＮＰＰ值变化区间较大ꎮ原因可能有二:一是形状的差异导致相似面积大小的蓝绿斑块碳固存能力有所不同ꎻ另一个是蓝绿斑块中不同的植物种类与群落结构造成了相同面积下碳固存的差异ꎮ因此ꎬ针对城市中尺度较小的蓝绿斑块ꎬ在面积增大受到限制的情况下ꎬ其碳固存能力的提升更应关注斑块形状和空间分布的调控ꎮ３ ２ ２㊀类型层指标表征蓝绿空间形状的ＥＤ㊁ＬＳＩ与ＮＰＰ均呈现正相关(图５)ꎮ其中ꎬＥＤ指标在[０ꎬ１２５]区间的ＮＰＰ值上升趋势加剧ꎬ在[１２５ꎬ２００]区间图５㊀类型层关键影响指标分析３１㊀㊀㊀㊀中㊀国㊀城㊀市㊀林㊀业㊀第２１卷的ＮＰＰ值上升趋势减缓ꎬ表明蓝绿空间的生态效益存在边缘效应ꎬ其与周边环境之间的界面越长ꎬ越有利于碳汇功能的发挥ꎮ同时ꎬＥＤ㊁ＬＳＩ均体现了蓝绿空间形状的复杂程度ꎬ均与ＮＰＰ正相关ꎬ表明蓝绿空间整体形状越复杂㊁固碳效果越好ꎮ其原因在于:蓝绿空间整体的形状复杂度提升ꎬ使之与周围环境间的界面更长[４]ꎬ蓝绿斑块之间㊁蓝绿斑块与其他斑块之间的物质和能量信息交换越频繁ꎬ碳汇效益的辐射范围更广ꎮ此外ꎬ有研究指出不规则的蓝绿斑块形态会降低其冷岛效应ꎬ使环境温度有一定的增加ꎬ从而间接影响植物的固碳作用[３５－３６]ꎮＤＩＶＩＳＩＯＮ和ＡＩ分别表征蓝绿空间破碎度与聚集度ꎮ当ＡＩ值在８０时ꎬＳＨＡＰ值最高ꎬ当[８０ꎬ１００]时ꎬＳＨＡＰ值降低ꎬ即ＮＰＰ降低ꎬ这是因为研究区内ＡＩ值[８０ꎬ１００]的区域为水体ꎬ而水体的碳汇效益明显低于绿地ꎮＤＩＶＩＳＩＯＮ与ＮＰＰ的正负关系不明晰ꎬ原因在于绿地的破碎度较高ꎬ而水体较低ꎬ蓝绿空间碳汇机制的不同对结果造成了一定的影响ꎮ与此类似的是表征蓝绿空间占比的ＰＬＡＮＤꎬ其与ＮＰＰ的关系呈现出一定的波动性ꎬ笔者认为主要原因在于合肥中心城区内蓝绿空间区域中水体的占比较大ꎮＣＯＨＥＳＩＯＮ表征蓝绿空间分布上的连通性ꎬ与ＮＰＰ呈现显著的正相关ꎬ即蓝绿空间的连通度越高ꎬ越有利于碳固存ꎮ这说明城市蓝绿空间的连通性是影响城市生态环境效益的重要因素ꎬ连通性的增加有助于改善城市蓝绿空间的均衡布局ꎬ更好地发挥降温效应ꎬ为植物提供良好的生长环境ꎬ从而增强植物的碳固存ꎻ另一方面ꎬ蓝绿空间连通性的增大可改善土壤水文连通性ꎬ水文通过影响土壤养分含量ꎬ调节植物营养元素浓度从而影响植被生长和固碳效率[３７－３８]ꎮ４　城市蓝绿空间格局优化策略本研究的模型计算结果证实了城市蓝绿空间格局对其碳固存能力存在影响ꎬ指征蓝绿斑块形状的ＦＲＡＣ㊁ＣＯＮＴＩＧ㊁ＡＲＥＡ㊁ＥＮＮ以及表征蓝绿空间关系的ＥＤ㊁ＤＩＶＩＳＩＯＮ㊁ＣＯＨＥＳＩＯＮ㊁ＬＳＩ均是关键的影响指标ꎮ通过提取并比对高碳汇区域(图６)ꎬ据此提出以碳增汇为目标的城市蓝绿空间格局规划优化策略ꎮ图６㊀典型高碳汇蓝绿空间图谱单元㊀㊀１)规划与管理者要重视蓝绿斑块形状的调整与优化ꎮ对于面积较小ꎬ规模受限的蓝绿斑块ꎬ提升其碳固存能力的最重要途径在于形状和分布的调控ꎮ本研究发现蓝绿斑块边缘密度和斑块形状复杂程度对碳固存具有促进作用ꎮ因此ꎬ一方面应针对沿湖沿河地区ꎬ加强岸线保护ꎬ增加边缘式斑块如滨江湿地㊁林地的建设ꎬ合理利用巢湖沿岸的蓝绿空间资源ꎻ同时ꎬ进一步恢复城市发展中被填埋的沟㊁渠㊁小溪等水网末端支流㊁修复边角绿色空间ꎬ增大自然形态的蓝绿空间占４１㊀第６期㊀袁旸洋㊀郭㊀蔚㊀汤思琪ꎬ等:城市蓝绿空间格局对碳固存的影响测度及关键指标㊀㊀比ꎮ另一方面ꎬ针对地块或街区尺度的蓝绿空间设计ꎬ需对蓝绿空间形态进行精细化调控ꎬ避免形状过于规则的蓝绿斑块ꎬ在蓝绿空间与灰色空间之间增加过渡区域ꎬ增大蓝绿空间的渗透作用ꎮ２)提高城市蓝绿空间的聚集度㊁降低破碎度㊁提高连通性ꎮ在市域及城区尺度上ꎬ根据原有蓝绿空间的形态特征及空间组合模式开展针对性地规划设计ꎮ针对较大规模蓝绿斑块ꎬ如大蜀山㊁紫蓬山㊁巢湖等自然林地和水体ꎬ须严守政府制定的生态保护红线ꎬ设立生态核心区ꎬ限制建设用地的扩张ꎬ避免破碎化的发生ꎻ河道㊁道路绿化等线性蓝绿廊道ꎬ应尽量增加其宽度ꎻ关注新增蓝绿空间与周边蓝绿空间之间的连接ꎬ织补城市中心城区蓝绿空间网络ꎬ提升城市蓝绿斑块之间的连通性ꎮ５　结论城市蓝绿空间格局对碳汇效益具有影响ꎬ不同的城市蓝绿空间格局特征对碳汇效益的影响程度不同ꎮ从格局特征的重要性程度来说ꎬ在斑块层中ꎬ城市蓝绿空间格局的ＦＲＡＣ㊁ＣＯＮＴＩＧ㊁ＡＲＥＡ和ＥＮＮ是影响碳固存的４个主要特征ꎻ在类型层中ꎬＥＤ㊁ＣＯＨＥＳＩＯＮ㊁ＤＩＶＩＳＩＯＮ和ＬＳＩ是影响碳固存的４个主要特征ꎮ在形态方面ꎬ城市蓝绿斑块的形态特征较面积特征对碳固存的影响更突出ꎮ在一定阈值内ꎬ城市蓝绿斑块的形状越复杂越有利于其碳固存的发挥ꎬ线性蓝绿空间斑块的碳固存能力明显低于面状蓝绿空间ꎮ此外ꎬ蓝绿斑块之间的距离越大ꎬ其碳固存能力越低ꎮ在分布方面ꎬ蓝绿空间聚集度越高㊁破碎度越低㊁碳汇效益越好ꎮ同时ꎬ蓝绿斑块之间的邻接性越高㊁连通度越高ꎬ碳汇效益越高ꎮ本研究尚存在一定的局限性ꎮ首先ꎬ由于受到遥感数据精度的限制ꎬ以及生态过程复杂性的制约ꎬ城市蓝绿空间碳固存的量化难以做到精准化ꎮ其次ꎬ在更小尺度上ꎬ植物种类㊁树木覆盖度㊁植物群落结构等是影响碳固存的重要因素ꎮ今后可以从多尺度㊁系统化出发ꎬ在关键影响指标研究的基础上ꎬ进一步探究水体对不同植被类型绿地碳固存能力的促进机制ꎬ研究蓝色空间对绿色空间固碳的增效作用ꎮ城市蓝绿空间是复杂且动态变化的三维实体ꎬ未来可将城市蓝绿空间的三维形态特征㊁拓扑空间网络引入研究ꎻ此外ꎬ还可基于城市化进程中蓝绿空间格局演变特征ꎬ探讨城市化对于碳固存的影响ꎬ更加全面深入地分析城市蓝绿空间形态特征与碳固存之间的关联ꎮ参考文献[１]ＧＲＩＭＭＮＢꎬＦＡＥＴＨＳＨꎬＧＯＬＵＢＩＥＷＳＫＩＮＥꎬｅｔａｌ.Ｇｌｏｂａｌｃｈａｎｇｅａｎｄｔｈｅｅｃｏｌｏｇｙｏｆｃｉｔｉｅｓ[Ｊ].Ｓｃｉｅｎｃｅꎬ２００８ꎬ３１９(５８６４):７５６－７６０.[２]ＩｎｔｅｒｇｏｖｅｒｎｍｅｎｔａｌＰａｎｅｌｏｎＣｌｉｍａｔｅＣｈａｎｇｅ(ＩＰＣＣ).Ｃｌｉｍａｔｅｃｈａｎｇｅ２０１３:ｔｈｅｐｈｙｓｉｃａｌｓｃｉｅｎｃｅｂａｓｉｓ.ＣｏｎｔｒｉｂｕｔｉｏｎｏｆｗｏｒｋｉｎｇｇｒｏｕｐＩｔｏｔｈｅｆｉｆｔｈａｓｓｅｓｓｍｅｎｔｒｅｐｏｒｔｏｆｔｈｅｉｎｔｅｒｇｏｖｅｒｎｍｅｎｔａｌｐａｎｅｌｏｎｃｌｉｍａｔｅｃｈａｎｇｅ[Ｃ].ＣａｍｂｒｉｄｇｅＵｎｉｖｅｒｓｉｔｙＰｒｅｓｓꎬ２０１４. [３]周聪惠ꎬ张诗宁ꎬ赵金ꎬ等.城市蓝绿系统一体规划编制的关键问题与对策[Ｊ].规划师ꎬ２０２３ꎬ３９(１１):１０９－１１６. [３]ＹＵＺＷꎬＹＡＮＧＧＹꎬＺＵＯＳＤꎬｅｔａｌ.Ｃｒｉｔｉｃａｌｒｅｖｉｅｗｏｎｔｈｅｃｏｏｌｉｎｇｅｆｆｅｃｔｏｆｕｒｂａｎｂｌｕｅ￣ｇｒｅｅｎｓｐａｃｅ:ａｔｈｒｅｓｈｏｌｄ￣ｓｉｚｅｐｅｒｓｐｅｃｔｉｖｅ[Ｊ].ＵｒｂａｎＦｏｒｅｓｔｒｙ＆ＵｒｂａｎＧｒｅｅｎｉｎｇꎬ２０２０ꎬ４９:１２６６３０. [５]宋菊芳ꎬ江雪妮ꎬ郭贞妮ꎬ等.城市蓝绿空间特征参数与地表温度的关联量化分析[Ｊ].中国城市林业ꎬ２０２３ꎬ２１(１):２０－２６. [６]ＭＩＴＳＣＨＷＪꎬＢＥＲＮＡＬＢꎬＮＡＨＬＩＫＡＭꎬｅｔａｌ.Ｗｅｔｌａｎｄｓꎬｃａｒｂｏｎꎬａｎｄｃｌｉｍａｔｅｃｈａｎｇｅ[Ｊ].ＬａｎｄｓｃａｐｅＥｃｏｌｏｇｙꎬ２０１３ꎬ２８(４):５８３－５９７.[７]ＺＨＡＮＧＹꎬＭＥＮＧＷＱꎬＹＵＮＨＦꎬｅｔａｌ.Ｉｓｕｒｂａｎｇｒｅｅｎｓｐａｃｅａｃａｒｂｏｎｓｉｎｋｏｒｓｏｕｒｃｅ?￣ＡｃａｓｅｓｔｕｄｙｏｆＣｈｉｎａｂａｓｅｄｏｎＬＣＡｍｅｔｈｏｄ[Ｊ].ＥｎｖｉｒｏｎｍｅｎｔａｌＩｍｐａｃｔＡｓｓｅｓｓｍｅｎｔＲｅｖｉｅｗꎬ２０２２ꎬ９４:１０６７６６.[８]ＷＯＬＣＨＪＲꎬＢＹＲＮＥＪꎬＮＥＷＥＬＬＪＰ.Ｕｒｂａｎｇｒｅｅｎｓｐａｃｅꎬｐｕｂｌｉｃｈｅａｌｔｈꎬａｎｄｅｎｖｉｒｏｎｍｅｎｔａｌｊｕｓｔｉｃｅ:ｔｈｅｃｈａｌｌｅｎｇｅｏｆｍａｋｉｎｇｃｉｔｉｅｓ ｊｕｓｔｇｒｅｅｎｅｎｏｕｇｈ [Ｊ].ＬａｎｄｓｃａｐｅａｎｄＵｒｂａｎＰｌａｎｎｉｎｇꎬ２０１４ꎬ１２５:２３４－２４４.[９]ＭＡＪꎬＬＩＸＴꎬＪＩＡＢＱꎬｅｔａｌ.Ｓｐａｔｉａｌｖａｒｉａｔｉｏｎａｎａｌｙｓｉｓｏｆｕｒｂａｎｆｏｒｅｓｔｖｅｇｅｔａｔｉｏｎｃａｒｂｏｎｓｔｏｒａｇｅａｎｄｓｅｑｕｅｓｔｒａｔｉｏｎｉｎｂｕｉｌｔ￣ｕｐａｒｅａｓｏｆＢｅｉｊｉｎｇｂａｓｅｄｏｎｉ￣ＴｒｅｅＥｃｏａｎｄＫｒｉｇｉｎｇ[Ｊ].ＵｒｂａｎＦｏｒｅｓｔｒｙ＆ＵｒｂａｎＧｒｅｅｎｉｎｇꎬ２０２１ꎬ６６:１２７４１３.[１０]ＬＥＥＪＨꎬＫＯＹꎬＭＣＰＨＥＲＳＯＮＥＧ.Ｔｈｅｆｅａｓｉｂｉｌｉｔｙｏｆｒｅｍｏｔｅｌｙｓｅｎｓｅｄｄａｔａｔｏｅｓｔｉｍａｔｅｕｒｂａｎｔｒｅｅｄｉｍｅｎｓｉｏｎｓａｎｄｂｉｏｍａｓｓ[Ｊ].ＵｒｂａｎＦｏｒｅｓｔｒｙ＆ＵｒｂａｎＧｒｅｅｎｉｎｇꎬ２０１６ꎬ１６:２０８－２２０. [１１]ＢＥＬＴＲÁＮ￣ＳＡＮＺＮꎬＲＡＧＧＩＯＪꎬＧＯＮＺＡＬＥＺＳꎬｅｔａｌ.ＣｌｉｍａｔｅｃｈａｎｇｅｌｅａｄｓｔｏｈｉｇｈｅｒＮＰＰａｔｔｈｅｅｎｄｏｆｔｈｅｃｅｎｔｕｒｙｉｎｔｈｅＡｎｔａｒｃｔｉｃＴｕｎｄｒａ:ｒｅｓｐｏｎｓｅｐａｔｔｅｒｎｓｔｈｒｏｕｇｈｔｈｅｌｅｎｓｏｆｌｉｃｈｅｎｓ[Ｊ].ＳｃｉｅｎｃｅｏｆｔｈｅＴｏｔａｌＥｎｖｉｒｏｎｍｅｎｔꎬ２０２２ꎬ８３５:１５５４９５. [１２]ＨＵＹＢꎬＺＨＡＮＧＱꎬＨＵＳＪꎬｅｔａｌ.Ｒｅｓｅａｒｃｈｐｒｏｇｒｅｓｓａｎｄｐｒｏｓｐｅｃｔｓｏｆｅｃｏｓｙｓｔｅｍｃａｒｂｏｎｓｅｑｕｅｓｔｒａｔｉｏｎｕｎｄｅｒｃｌｉｍａｔｅｃｈａｎｇｅ(１９９２－５１㊀㊀㊀㊀中㊀国㊀城㊀市㊀林㊀业㊀第２１卷２０２２)[Ｊ].ＥｃｏｌｏｇｉｃａｌＩｎｄｉｃａｔｏｒｓꎬ２０２２ꎬ１４５:１０９６５６. [１３]ＦＲＡＮＣＩＮＩＧꎬＨＵＩＮꎬＪＵＭＰＰＯＮＥＮＡꎬｅｔａｌ.Ｖｅｇｅｔａｔｉｏｎｔｙｐｅａｎｄａｇｅｍａｔｔｅｒ:ｈｏｗｔｏｏｐｔｉｍｉｚｅｔｈｅｐｒｏｖｉｓｉｏｎｏｆｅｃｏｓｙｓｔｅｍｓｅｒｖｉｃｅｓｉｎｕｒｂａｎｐａｒｋｓ[Ｊ].ＵｒｂａｎＦｏｒｅｓｔｒｙ＆ＵｒｂａｎＧｒｅｅｎｉｎｇꎬ２０２１ꎬ６６:１２７３９２.[１４]ＬＩＸＴꎬＪＩＡＢＱꎬＬＩＦꎬｅｔａｌ.Ｅｆｆｅｃｔｓｏｆｍｕｌｔｉ￣ｓｃａｌｅｓｔｒｕｃｔｕｒｅｏｆｂｌｕｅ￣ｇｒｅｅｎｓｐａｃｅｏｎｕｒｂａｎｆｏｒｅｓｔｃａｒｂｏｎｄｅｎｓｉｔｙ:ＢｅｉｊｉｎｇꎬＣｈｉｎａｃａｓｅｓｔｕｄｙ[Ｊ].ＳｃｉｅｎｃｅｏｆｔｈｅＴｏｔａｌＥｎｖｉｒｏｎｍｅｎｔꎬ２０２３ꎬ８８３:１６３６８２.[１５]ＹＡＮＧＨＦꎬＺＨＯＮＧＸＮꎬＤＥＮＧＳＱꎬｅｔａｌ.ＡｓｓｅｓｓｍｅｎｔｏｆｔｈｅｉｍｐａｃｔｏｆＬＵＣＣｏｎＮＰＰａｎｄｉｔｓｉｎｆｌｕｅｎｃｉｎｇｆａｃｔｏｒｓｉｎｔｈｅＹａｎｇｔｚｅＲｉｖｅｒＢａｓｉｎꎬＣｈｉｎａ[Ｊ].ＣＡＴＥＮＡꎬ２０２１ꎬ２０６:１０５５４２. [１６]成玉宁ꎬ王雪原.城市蓝绿空间融合规划的生态逻辑[Ｊ].中国园林ꎬ２０２３ꎬ３９(１０):３９－４３.[１７]刘颂ꎬ张浩鹏.多尺度城市绿地碳汇实现机理及途径研究进展[Ｊ].风景园林ꎬ２０２２ꎬ２９(１２):５５－５９.[１８]王晶懋ꎬ高洁ꎬ孙婷ꎬ等.双碳目标导向下的绿色生态空间碳汇能力优化设计[Ｊ].中国城市林业ꎬ２０２３ꎬ２１(４):３３－４２. [１９]ＪＩＡＮＧＹꎬＳＵＮＹꎬＬＩＵＹꎬｅｔａｌ.Ｅｘｐｌｏｒｉｎｇｔｈｅｃｏｒｒｅｌａｔｉｏｎｂｅｔｗｅｅｎｗａｔｅｒｂｏｄｉｅｓꎬｇｒｅｅｎｓｐａｃｅｍｏｒｐｈｏｌｏｇｙꎬａｎｄｃａｒｂｏｎｄｉｏｘｉｄｅｃｏｎｃｅｎｔｒａｔｉｏｎｄｉｓｔｒｉｂｕｔｉｏｎｓｉｎａｎｕｒｂａｎｗａｔｅｒｆｒｏｎｔｇｒｅｅｎｓｐａｃｅ:ａｓｉｍｕｌａｔｉｏｎｓｔｕｄｙｂａｓｅｄｏｎｔｈｅｃａｒｂｏｎｃｙｃｌｅ[Ｊ].ＳｕｓｔａｉｎａｂｌｅＣｉｔｉｅｓａｎｄＳｏｃｉｅｔｙꎬ２０２３ꎬ９８:１０４８３１.[２０]武静ꎬ蒋卓利ꎬ吴晓露.城市蓝绿空间的碳汇研究热点与趋势分析[Ｊ].风景园林ꎬ２０２２ꎬ２９(１２):４３－４９.[２１]ＰＯＴＴＥＲＣＳꎬＲＡＮＤＥＲＳＯＮＪＴꎬＦＩＥＬＤＣＢꎬｅｔａｌ.Ｔｅｒｒｅｓｔｒｉａｌｅｃｏｓｙｓｔｅｍｐｒｏｄｕｃｔｉｏｎ:ａｐｒｏｃｅｓｓｍｏｄｅｌｂａｓｅｄｏｎｇｌｏｂａｌｓａｔｅｌｌｉｔｅａｎｄｓｕｒｆａｃｅｄａｔａ[Ｊ].ＧｌｏｂａｌＢｉｏｇｅｏｃｈｅｍｉｃａｌＣｙｃｌｅｓꎬ１９９３ꎬ７(４):８１１－８４１.[２２]朱文泉ꎬ潘耀忠ꎬ张锦水.中国陆地植被净初级生产力遥感估算[Ｊ].植物生态学报ꎬ２００７ꎬ３１(３):４１３－４２４.[２３]邱陈澜ꎬ王彩侠ꎬ章瑞ꎬ等.京津冀城市群生态空间固碳服务功能及其与景观格局的关系特征[Ｊ].生态学报ꎬ２０２２ꎬ４２(２３):９５９０－９６０３.[２４]ＣＨＥＮＴＱꎬＧＵＥＳＴＲＩＮＣ.ＸＧＢｏｏｓｔ:ａｓｃａｌａｂｌｅｔｒｅｅｂｏｏｓｔｉｎｇｓｙｓｔｅｍ[Ｃ]//Ｐｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅ２２ｎｄＡＣＭＳＩＧＫＤＤＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＫｎｏｗｌｅｄｇｅＤｉｓｃｏｖｅｒｙａｎｄＤａｔａＭｉｎｉｎｇ.ＡＣＭꎬ２０１６.[２５]ＹＡＮＧＣꎬＣＨＥＮＭＹꎬＹＵＡＮＱ.ＴｈｅａｐｐｌｉｃａｔｉｏｎｏｆＸＧＢｏｏｓｔａｎｄＳＨＡＰｔｏｅｘａｍｉｎｉｎｇｔｈｅｆａｃｔｏｒｓｉｎｆｒｅｉｇｈｔｔｒｕｃｋ￣ｒｅｌａｔｅｄｃｒａｓｈｅｓ:ａｎｅｘｐｌｏｒａｔｏｒｙａｎａｌｙｓｉｓ[Ｊ].ＡｃｃｉｄｅｎｔＡｎａｌｙｓｉｓ＆Ｐｒｅｖｅｎｔｉｏｎꎬ２０２１ꎬ１５８:１０６１５３.[２６]ＷＡＮＧＳꎬＺＨＯＵＹꎬＹＯＵＸＸꎬｅｔａｌ.ＱｕａｎｔｉｆｉｃａｔｉｏｎｏｆｔｈｅａｎｔａｇｏｎｉｓｔｉｃａｎｄｓｙｎｅｒｇｉｓｔｉｃｅｆｆｅｃｔｓｏｆＰｂ２＋ꎬＣｕ２＋ꎬａｎｄＺｎ２＋ｂｉｏａｃｃｕｍｕｌａｔｉｏｎｂｙｌｉｖｉｎｇＢａｃｉｌｌｕｓｓｕｂｔｉｌｉｓｂｉｏｍａｓｓｕｓｉｎｇＸＧＢｏｏｓｔａｎｄＳＨＡＰ[Ｊ].ＪｏｕｒｎａｌｏｆＨａｚａｒｄｏｕｓＭａｔｅｒｉａｌｓꎬ２０２３ꎬ４４６:１３０６３５.[２７]ＹＥＭꎬＺＨＵＬꎬＬＩＸＪꎬｅｔａｌ.ＥｓｔｉｍａｔｉｏｎｏｆｔｈｅｓｏｉｌａｒｓｅｎｉｃｃｏｎｃｅｎｔｒａｔｉｏｎｕｓｉｎｇａｇｅｏｇｒａｐｈｉｃａｌｌｙｗｅｉｇｈｔｅｄＸＧＢｏｏｓｔｍｏｄｅｌｂａｓｅｄｏｎｈｙｐｅｒｓｐｅｃｔｒａｌｄａｔａ[Ｊ].ＳｃｉｅｎｃｅｏｆｔｈｅＴｏｔａｌＥｎｖｉｒｏｎｍｅｎｔꎬ２０２３ꎬ８５８:１５９７９８.[２８]ＬＵＮＤＢＥＲＧＳＭꎬＬＥＥＳＩ.Ａｕｎｉｆｉｅｄａｐｐｒｏａｃｈｔｏｉｎｔｅｒｐｒｅｔｉｎｇｍｏｄｅｌｐｒｅｄｉｃｔｉｏｎｓ[Ｃ]//Ｐｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅ３１ｓｔＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＮｅｕｒａｌＩｎｆｏｒｍａｔｉｏｎＰｒｏｃｅｓｓｉｎｇＳｙｓｔｅｍｓ.ＡＣＭꎬ２０１７. [２９]ＬＵＮＤＢＥＲＧＳＭꎬＥＲＩＯＮＧＧꎬＬＥＥＳＩ.Ｃｏｎｓｉｓｔｅｎｔｉｎｄｉｖｉｄｕａｌｉｚｅｄｆｅａｔｕｒｅａｔｔｒｉｂｕｔｉｏｎｆｏｒｔｒｅｅｅｎｓｅｍｂｌｅｓ[ＥＢ/ＯＬ].(２０１８－０２－１２) [２０２３－１０－３０].ｈｔｔｐ://ａｒｘｉｖ.ｏｒｇ/ａｂｓ/１８０２.０３８８８.[３０]ＱＩＵＳꎬＦＡＮＧＭＺꎬＹＵＱꎬｅｔａｌ.ＳｔｕｄｙｏｆｓｐａｔｉａｌｔｅｍｐｏｒａｌｃｈａｎｇｅｓｉｎＣｈｉｎｅｓｅｆｏｒｅｓｔｅｃｏ￣ｓｐａｃｅａｎｄｏｐｔｉｍｉｚａｔｉｏｎｓｔｒａｔｅｇｉｅｓｆｏｒｅｎｈａｎｃｉｎｇｃａｒｂｏｎｓｅｑｕｅｓｔｒａｔｉｏｎｃａｐａｃｉｔｙｔｈｒｏｕｇｈｅｃｏｌｏｇｉｃａｌｓｐａｔｉａｌｎｅｔｗｏｒｋｔｈｅｏｒｙ[Ｊ].ＳｃｉｅｎｃｅｏｆｔｈｅＴｏｔａｌＥｎｖｉｒｏｎｍｅｎｔꎬ２０２３ꎬ８５９:１６００３５.[３１]ＭＮＧＡＤＩＭꎬＯＤＩＮＤＩＪꎬＭＵＴＡＮＧＡＯꎬｅｔａｌ.Ｅｓｔｉｍａｔｉｎｇａｂｏｖｅｇｒｏｕｎｄｎｅｔｐｒｉｍａｒｙｐｒｏｄｕｃｔｉｖｉｔｙｏｆｒｅｆｏｒｅｓｔｅｄｔｒｅｅｓｉｎａｎｕｒｂａｎｌａｎｄｓｃａｐｅｕｓｉｎｇｂｉｏｐｈｙｓｉｃａｌｖａｒｉａｂｌｅｓａｎｄｒｅｍｏｔｅｌｙｓｅｎｓｅｄｄａｔａ[Ｊ].ＳｃｉｅｎｃｅｏｆｔｈｅＴｏｔａｌＥｎｖｉｒｏｎｍｅｎｔꎬ２０２２ꎬ８０２:１４９９５８.[３２]ＴＩＡＮＹＨꎬＪＩＭＣＹꎬＷＡＮＧＨＱ.Ａｓｓｅｓｓｉｎｇｔｈｅｌａｎｄｓｃａｐｅａｎｄｅｃｏｌｏｇｉｃａｌｑｕａｌｉｔｙｏｆｕｒｂａｎｇｒｅｅｎｓｐａｃｅｓｉｎａｃｏｍｐａｃｔｃｉｔｙ[Ｊ].ＬａｎｄｓｃａｐｅａｎｄＵｒｂａｎＰｌａｎｎｉｎｇꎬ２０１４ꎬ１２１:９７－１０８. [３３]王敏ꎬ石乔莎.城市绿色碳汇效能影响因素及优化研究[Ｊ].中国城市林业ꎬ２０１５ꎬ１３(４):１－５.[３４]ＥＳＴＯＱＵＥＲＣꎬＭＵＲＡＹＡＭＡＹꎬＭＹＩＮＴＳＷ.Ｅｆｆｅｃｔｓｏｆｌａｎｄｓｃａｐｅｃｏｍｐｏｓｉｔｉｏｎａｎｄｐａｔｔｅｒｎｏｎｌａｎｄｓｕｒｆａｃｅｔｅｍｐｅｒａｔｕｒｅ:ａｎｕｒｂａｎｈｅａｔｉｓｌａｎｄｓｔｕｄｙｉｎｔｈｅｍｅｇａｃｉｔｉｅｓｏｆＳｏｕｔｈｅａｓｔＡｓｉａ[Ｊ].ＳｃｉｅｎｃｅｏｆｔｈｅＴｏｔａｌＥｎｖｉｒｏｎｍｅｎｔꎬ２０１７ꎬ５７７:３４９－３５９.[３５]ＭＡＳＯＵＤＩＭꎬＴＡＮＰＹ.Ｍｕｌｔｉ￣ｙｅａｒｃｏｍｐａｒｉｓｏｎｏｆｔｈｅｅｆｆｅｃｔｓｏｆｓｐａｔｉａｌｐａｔｔｅｒｎｏｆｕｒｂａｎｇｒｅｅｎｓｐａｃｅｓｏｎｕｒｂａｎｌａｎｄｓｕｒｆａｃｅｔｅｍｐｅｒａｔｕｒｅ[Ｊ].ＬａｎｄｓｃａｐｅａｎｄＵｒｂａｎＰｌａｎｎｉｎｇꎬ２０１９ꎬ１８４:４４－５８.[３６]ＬＩＡＯＷꎬＧＵＬＤＭＡＮＮＪＭꎬＨＵＬꎬｅｔａｌ.Ｌｉｎｋｉｎｇｕｒｂａｎｐａｒｋｃｏｏｌｉｓｌａｎｄｅｆｆｅｃｔｓｔｏｔｈｅｌａｎｄｓｃａｐｅｐａｔｔｅｒｎｓｉｎｓｉｄｅａｎｄｏｕｔｓｉｄｅｔｈｅｐａｒｋ:ａｓｉｍｕｌｔａｎｅｏｕｓｅｑｕａｔｉｏｎｍｏｄｅｌｉｎｇａｐｐｒｏａｃｈ[Ｊ].ＬａｎｄｓｃａｐｅａｎｄＵｒｂａｎＰｌａｎｎｉｎｇꎬ２０２３ꎬ２３２:１０４６８１.[３７]ＺＨＡＮＧＱＪꎬＷＡＮＧＺＳꎬＸＩＡＳＸꎬｅｔａｌ.Ｈｙｄｒｏｌｏｇｉｃ￣ｉｎｄｕｃｅｄｃｏｎｃｅｎｔｒａｔｅｄｓｏｉｌｎｕｔｒｉｅｎｔｓａｎｄｉｍｐｒｏｖｅｄｐｌａｎｔｇｒｏｗｔｈｉｎｃｒｅａｓｅｄｃａｒｂｏｎｓｔｏｒａｇｅｉｎａｆｌｏｏｄｐｌａｉｎｗｅｔｌａｎｄｏｖｅｒｗｅｔ￣ｄｒｙａｌｔｅｒｎａｔｉｎｇｚｏｎｅｓ[Ｊ].ＳｃｉｅｎｃｅｏｆｔｈｅＴｏｔａｌＥｎｖｉｒｏｎｍｅｎｔꎬ２０２２ꎬ８２２:１５３５１２. [３８]ＬＩＹꎬＬＩＭＤꎬＺＨＥＮＧＺＣꎬｅｔａｌ.ＴｒｅｎｄｓｉｎｄｒｏｕｇｈｔａｎｄｅｆｆｅｃｔｓｏｎｃａｒｂｏｎｓｅｑｕｅｓｔｒａｔｉｏｎｏｖｅｒｔｈｅＣｈｉｎｅｓｅｍａｉｎｌａｎｄ[Ｊ].ＳｃｉｅｎｃｅｏｆｔｈｅＴｏｔａｌＥｎｖｉｒｏｎｍｅｎｔꎬ２０２３ꎬ８５６:１５９０７５.６１。

第16卷第5期2009年10月水土保持研究Research of Soil and Water ConservationVol.16,No.5Oct.,2009　SW AT模型及其在水环境非点源污染中的应用研究进展3杨菁荟1,张万昌2(1.南京大学国际地球系统科学研究所,南京210093;2.南京大学水科学研究中心,南京210093)摘　要:非点源污染是水环境污染的主要来源之一,其过程机理复杂,应用水环境污染模型模拟是研究非点源污染的重要手段。

SWA T模型是国际上著名的分布式流域水环境模型之一,结合了遥感(RS)、地理信息系统(GIS)技术,能够准确、长时间段连续地模拟复杂流域的各种水环境过程以及气候变化、土地利用类型、管理措施对流域水平衡和非点源污染的影响,为监测、评价、研究流域水环境非点源污染状况提供了强大的支持平台。

在大量调研国内外相关文献的基础上,围绕模型的主要标志性改进及应用成果介绍了SWA T模型的发展历程和现状,论述了模型应用于水环境非点源污染研究的几个主要方面和国内外研究新进展,分析了目前国内应用SWA T模型进行水环境非点源污染研究存在的问题,并对SWA T非点源污染子模型的发展趋势做了展望,以推广这一先进模型在国内的应用范围,提高非点源污染模拟、监测、评价工作的效率及结果的可靠性。

关键词:SWA T;非点源污染;分布式模型;水环境中图分类号:X522 文献标识码:A 文章编号:100523409(2009)0520260207R esearch Progress on SWAT Model and Its Application on W aterE nvironmental Nonpoint Source PollutionYAN G Jing2hui1,ZHAN G Wan2chang2(1.I nternational I nstitute f or Earth S ystem Science,N anj ing Universit y,N anj ing210093,China;2.Center f orH y d rosciences Research,N anj ing Universit y,N anj ing210093,China)Abstract:As one major causes of water environmental contamination,Non2point Source Pollution(N PS) owning to it s co mplex dynamic mechanism has drawn much attention f rom researchers to adopt water envi2 ronmental pollution models as major means for simulation st udies.Soil and Water Assessment Tool (SWA T),developed by U.S.Depart ment of Agricult ure(U SDA),has gained international acceptance as an advanced,interdisciplinary,distributed water environmental model and a st rong platform for simula2 tion,investigation and assessment of watershed N PS.Being integrated wit h techniques of Geograp hic In2 formation Systems(GIS)and Remote Sensing(RS),SWA T is distinguished for it s capabilities of compre2 hensively,continuously,reasonably simulating various long2term water environmental p rocesses in com2 plex meso2or macro2scale watersheds,as well as p redicting t he impact s of climate change,managementp ractices,Land use and cover change(L UCC)on catchment s’water balance and N PS.On t he basis of ex2 tensive investigation of SWA T related literat ures p ublished at home and abroad,wit h great effort s concen2 t rated on tracking t he periodical remarkable imp rovement s of SWA T,t his paper systematically summarizedt he progress of model developing stat us and it s current advancement s.Discussions on successful applications of the model in various watersheds on NPS studies and state2of2the2art research progress were given together with the analysis of main problems and difficulties existed in application practices of SW AT on research of NPS in Chi2 na.Additionally,future development and possible improvements for the NPS sub2model of SW AT were prospec2 ted.The paper was aimed at intensifying appropriate applications of SW AT on NPS studies in China to improve re23收稿日期:2009205208　基金项目:国家水体污染控制与治理科技重大专项(2008ZX07010-010);中科院“百人计划”择优支持项目(8-057493);国家重点基础研究发展规划973项目(2006CB400502,2001CB309404)　作者简介:杨菁荟(1985-),女,甘肃省兰州市人,硕士研究生,主要从事遥感与地理信息系统在水文学中的应用研究。

吴江东部城镇发展格局梯度分析
尹海伟;孔繁花;徐建刚
【期刊名称】《山东师范大学学报（自然科学版）》
【年(卷),期】2007(022)003
【摘要】以吴江东部地区为研究区,利用2000、2003年TM遥感图像解译的景观类型空间数据,在GIS的支持下,基于Fragstats软件平台,采用景观指标和梯度分析相结合的方法,对研究区的景观格局及其变化进行了定量分析.结果表明:1)景观指标能够较好的反映研究区总体的景观格局及其变化特征;2)不同土地利用景观的空间格局及其变化特征差异明显;3)土地利用景观梯度分析能够反映城市化快速发展对景观类型重组的影响.
【总页数】4页(P87-90)
【作者】尹海伟;孔繁花;徐建刚
【作者单位】南京大学城市与区域规划系,210093,南京;南京大学国际地球系统科学研究所,210093,南京;南京大学城市与区域规划系,210093,南京
【正文语种】中文
【中图分类】TU984
【相关文献】
1.吴江东部地区可持续发展的生态足迹分析 [J], 张翔;尹海伟;徐建刚
2.吴江东部地区城镇发展用地生态适宜性评价 [J], 陈昌勇;尹海伟;徐建刚
3.大都市边缘区小城镇整合发展模式研究--以吴江东部临沪地区为例 [J], 张新焕;
徐建刚;马晓冬
4.喀斯特地区城镇绿地景观格局空间梯度分析 [J], 包玉;王志泰;王志杰
5.快速城镇化下旅游海岛景观格局梯度分析——以福建省平潭岛为例 [J], 胡秋凤;陈娟;戴文远;廖李红;姜坤
因版权原因，仅展示原文概要，查看原文内容请购买。

孔繁花，山东日照人，博士，副教授，硕士生导师。

2003 年以来，主持或参与科研项目10余项，以第一作者发表科研论文20余篇，其中SCI收录2 篇，EI收录1篇。

2005 年，曾获山东省优秀硕士论文奖。

2007年，入选南京大学青年骨干教师培养计划。

工作与学习经历2007.12-至今，南京大学国际地球系统科学研究所工作，副教授2006.10－2007.12，南京大学国际地球系统科学研究所工作，讲师2003.9-2006.9，博士，日本广岛大学国际协力研究科2000.9-2003.7，硕士，山东师范大学地理系，中国科学院沈阳应用生态研究所1996.9-2000.7，学士，山东师范大学地理系研究领域：城市景观生态土地利用变化（LUCC）绿地系统规划研究科研项目：国家自然科学基金青年科学基金《满足城市居民与城市生态需求的绿地景观网络构建研究》，2008-2010，主持；国家自然科学基金青年科学基金《城市公共设施可达性与公平性动态变化分析》，2008-2010，骨干参加；江西省发改委《国内外湖区开发利用比较研究》，2008.3-2008.10，骨干参加；南京大学人才引进启动基金《济南城市绿地生态网络构建研究》，2006-2008，主持；日本广岛大学COE项目（The 21st Century Center of Excellence Program at Graduate School for International Development and Cooperation, Hiroshima University)，2003-2006，骨干参与，项目中国研究部分的负责人； 国家自然科学基金《大兴安岭林火迹地植被恢复过程的景观生态学研究》，2003-2005，骨干参加；国家自然科学基金《景观要素空间分布对林火迹地演替过程的影响》，2001-2004，骨干参加；主要科研成果：孔繁花，尹海伟，济南城市绿地生态网络构建，生态学报，2008，V ol.28，4，1711-1719；Fanhua Kong，Haiwei Yin，Nobukazu Nakagoshi，Using GIS and Landscape Metrics in the Hedonic Price Modeling of the Amenity Value of Urban Green Space: a Case Study in Jinan City. China, Landscape and Urban Planning （SCI、EI），2007，V ol.79, 3-4，240-252；Fanhua Kong，Haiwei Yin，Nobukazu Nakagoshi，Using GIS and moving window method in the urban land use spatial pattern analyzing，Geoinformatics 2007，（SPIE、EI检索），Proc. SPIE 6753, 67531Q (2007)；Fanhua Kong，Nobukazu Nakagoshi，Spatial-temporal gradient analysis of urban green spaces in Jinan, China，Landscape and Urban Planning（SCI），2006，V ol.78, 3，147-164；KONG Fan-hua，Nobukazu NAKAGOSHI，YIN Hai-wei，Akira KIKUCHI，Spatial gradient analysis of urban green spaces combined with landscape metrics in Jinan City，Chinese Geographical Science，2005，V ol.15，3，254-261； Fanhua Kong，Nobukazu Nakagoshi，Changes of Urban Green Spaces and Their Driving Forces: a Case Study of Jinan City, China. Journal of International Development and Cooperation，2005，Vol.11, 2，97-109；孔繁花，李秀珍，尹海伟，大兴安岭北坡林火迹地森林景观格局的变化，南京林业大学学报（自然科学版），2005，V ol.29，2，33-38；孔繁花，李秀珍，尹海伟，王绪高，解伏菊，地形对大兴安岭北坡林火迹地森林景观格局影响的梯度分析，生态学报，2004，Vol.24，9，1863-1870；KONG Fan-hua，LI Xiu-zhen，YIN Hai-wei，Landscape change on burned blanks in Daxing’an Mountains，Journal of Forestry Research，2004，V ol.15，1，33-38；KONG Fan-hua，LI Xiu-zhen，ZHAO Shan-lun，YIN Hai-wei，Research advance in forest restoration on the burned blanks，Journal of Forestry Research，2003，V ol.14，2，180-184；孔繁花，李秀珍，王绪高，赵善伦，石秉路，高振岭，大兴安岭林火迹地森林植被恢复研究进展，生态学杂志，2003，V ol.22，2 ，60-64。

基于热红外影像数据的典型居住区常见地表类型热特征分析吴志丰;王业宁;孔繁花;孙然好;陈利顶;占文凤【摘要】城市热岛伴随城市建设产生,并随城市扩展而增强,已成为影响城市居民生活质量的重要因素.估算城市表面显热释放量对城市热环境研究具有现实意义.选取北京市典型居住小区,通过热红外成像仪记录了6种常见下垫面夏季一天中温度变化情况,并反演其显热释放量.结果显示白天人工地表表面温度显著高于气温,人造草坪、沥青和混凝土路面与气温最大温差分别为18、15、11℃.自然地表由于蒸散发作用,其表面温度与气温接近,仅草地与气温温差稍大,最大温差为4℃.不同地表类型表面温度在夜间均低于气温,只有沥青路面全天高于气温.高表面温度形成强烈的显热释放,人造草坪和沥青路面一天内显热释放量最高,达2256W/m2和1913W/m2.太阳辐射是人工地表迅速升温的主要原因,限制人工地表受太阳直射时间将对于降低显热排放及提高热舒适程度将具有显著效果.乔木和水体显热通量最低,只有16 W/m2和7 W/m2,增加乔木和水体面积对于缓解热岛强度具有很大优势.【期刊名称】《生态学报》【年(卷),期】2016(036)017【总页数】11页(P5421-5431)【关键词】城市热岛;热红外影像;居住区;城市表面;热特征【作者】吴志丰;王业宁;孔繁花;孙然好;陈利顶;占文凤【作者单位】中国科学院生态环境研究中心,城市与区域国家重点实验室,北京100085;中国科学院大学,北京100049;中国科学院生态环境研究中心,城市与区域国家重点实验室,北京100085;中国科学院大学,北京100049;南京大学国际地球系统科学研究所,南京210023;中国科学院生态环境研究中心,城市与区域国家重点实验室,北京100085;中国科学院生态环境研究中心,城市与区域国家重点实验室,北京100085;南京大学国际地球系统科学研究所,南京210023【正文语种】中文“城市热岛”是城市市区气温高于周边未建成区的现象[1]。

用于区域气候模式的地形指数空间尺度转换效果分析
雍斌;张万昌;符淙斌
【期刊名称】《自然科学进展》
【年(卷),期】2007(17)3
【摘要】基于0.5°×0.5°的区域气候模式尺度框架,探讨了地形离散和地形平滑分别对地形指数尺度变化的影响程度;分析了地形指数在100和1000 m栅格尺度上的统计相关性,并给出了两者在尺度上的转换关系;在此基础上,阐述了区域尺度和全球尺度下地形指数尺度转换的差异.该研究提高了地形信息在大尺度水文模型中的适用能力,实现了区域气候模式中陆面过程的地形参数精细定量化及其时空模拟尺度的转换匹配.
【总页数】7页(P346-352)
【作者】雍斌;张万昌;符淙斌
【作者单位】南京大学国际地球系统科学研究所,南京,210093;南京大学国际地球系统科学研究所,南京,210093;中国科学院大气物理研究所东亚区域气候-环境重点实验室,全球变化东亚区域研究中心,北京,100029;中国科学院大气物理研究所东亚区域气候-环境重点实验室,全球变化东亚区域研究中心,北京,100029
【正文语种】中文
【中图分类】P4
【相关文献】
1.考虑地形指数尺度转换的陆面水文过程模型TOPX构建及其与区域气候模式RIEMS的耦合应用
2.植被波谱空间尺度效应及尺度转换方法初步研究
3.基于地形指数的混合产流关键土壤变量空间离散方法及其空间尺度效应
4.基于改进型多流向算法的地形指数空间尺度变化分析
5.空间尺度转换与跨尺度信息链接:区域生态水文模拟研究空间尺度转换方法综述(英文)
因版权原因，仅展示原文概要，查看原文内容请购买。

大洋钻探与我国地球科学的发展
汪品先
【期刊名称】《地球物理学进展》
【年(卷),期】1994(9)4
【摘要】１９６８－１９８３年的深海钻探（ＤＳＤＰ）导致了地球科学的革命；１９８５年以来的大洋钻探（ＯＤＰ）正在把地球科学提升到地球系统演化的高度。

本文从地壳与上地幔的成分、结构与动态和大洋与气候变化的原因与效应两方面简述了大洋钻探的学术成果与研究方向，指出大洋钻探与我国地球科学的密切关系。

当前，世界上正在组织＂新世纪大洋钻探＂计划，我国是参与还是旁观？这将在很大程度上决定我国地球科学下世纪的前景。

【总页数】6页(P66-71)
【关键词】大洋钻探;海洋科学;深海钻探
【作者】汪品先
【作者单位】同济大学海洋地质开放实验室
【正文语种】中文
【中图分类】P756.5
【相关文献】
1.挑战地球科学的新前沿 21世纪大洋综合钻探计划(OD21) [J], 刘广志
2.挑战地球科学的新前沿21世纪的大洋综合钻探计划(IODP)(OD21) [J], 刘广志
3.大洋钻探计划：国际地球科学 [J], 张秋明
4.大洋钻探引航地球科学 [J], 邢鸿飞
5.大洋钻探与中国地球科学 [J], 孙枢
因版权原因，仅展示原文概要，查看原文内容请购买。

收稿日期:2004-10-19;修订日期:2005-03-10基金项目:国家自然科学基金项目(40371038)资助。

作者简介:尹海伟(1978-),男,山东青州人,博士研究生,主要从事城市生态与GIS 研究。

E-m ai:l qz y i nhai w e@i 163.co m基于G IS 的吴江东部地区生态敏感性分析尹海伟1,徐建刚1,陈昌勇1,孔繁花2(1.南京大学城市与资源学系,江苏南京210093;2.日本广岛大学国际协力研究科,日本广岛739-8529)摘要:区域可持续发展的基础是生态环境的可持续,而生态敏感性区划是制定生态环境规划的前提和基础。

文章借助G IS 技术,选择有区域代表性的生态因子,采用因子叠加法,对吴江东部地区的生态敏感性进行了深入分析,按生态敏感度的高低将研究区划分为5级:极高敏感区、高敏感区、中敏感区、低敏感区和非敏感区,并提出了分区保护与建设的建议,为研究区生态环境保护和产业经济布局提供有价值的参考。

研究结果表明,极高和高生态敏感区面积占研究区的48.63%,说明研究区生态敏感性总体上很高。

关 键 词:吴江;生态敏感性;G IS中图分类号:TP311.13/X171.7 文献标识码:A 文章编号:1000-0690(2006)01-0064-06生态环境与社会经济发展的矛盾与冲突是目前全世界面临的共同挑战,保护和改善生态环境已经成为当今世界各国和地区日益重视的重大问题。

进行生态敏感性分析,制定生态环境保护规划,指导区域社会经济建设是目前世界各国和地区普遍采用的战略。

所谓生态敏感性是指在不损失或不降低环境质量情况下,生态因子对外界压力或变化的适应能力[1]。

目前国内外对生态系统敏感性的研究日益重视,但主要是针对某一单一的生态环境问题,如关于土壤和生态系统对酸沉降敏感性的分析[2~5],水土流失与土地退化的动态敏感性分析[6~9],大陆架的生态敏感性[10],澳大利亚雨林对选择性伐木的生态敏感性[11]。

２０２３／０３９（１２）：３７０１ ３７１６ＡｃｔａＰｅｔｒｏｌｏｇｉｃａＳｉｎｉｃａ　岩石学报ｄｏｉ：１０．１８６５４／１０００ ０５６９／２０２３．１２．１１牛晓露，刘飞，冯光英等．２０２３．阿拉善地块早古生代岩浆作用成因及构造意义．岩石学报，３９（１２）：３７０１－３７１６，ｄｏｉ：１０．１８６５４／１０００－０５６９／２０２３．１２．１１阿拉善地块早古生代岩浆作用成因及构造意义牛晓露１，２　刘飞１，２　冯光英１，２　徐向珍１，２　杨经绥１，２，３ＮＩＵＸｉａｏＬｕ１，２，ＬＩＵＦｅｉ１，２，ＦＥＮＧＧｕａｎｇＹｉｎｇ１，２，ＸＵＸｉａｎｇＺｈｅｎ１，２ａｎｄＹＡＮＧＪｉｎｇＳｕｉ１，２，３１ 自然资源部深地动力学重点实验室，中国地质科学院地质研究所，北京　１０００３７２ 南方海洋科学与工程广东省实验室（广州），广州　５１１４５８３ 南京大学地球科学与工程学院，南京　２１００２３１ ＫｅｙＬａｂｏｒａｔｏｒｙｏｆＤｅｅｐ ＥａｒｔｈＤｙｎａｍｉｃｓｏｆＭｉｎｉｓｔｒｙｏｆＮａｔｕｒａｌＲｅｓｏｕｒｃｅｓ，ＩｎｓｔｉｔｕｔｅｏｆＧｅｏｌｏｇｙ，ＣｈｉｎｅｓｅＡｃａｄｅｍｙｏｆＧｅｏｌｏｇｉｃａｌＳｃｉｅｎｃｅｓ，Ｂｅｉｊｉｎｇ１０００３７，Ｃｈｉｎａ２ ＳｏｕｔｈｅｒｎＭａｒｉｎｅＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇＧｕａｎｇｄｏｎｇＬａｂｏｒａｔｏｒｙ（Ｇｕａｎｇｚｈｏｕ），Ｇｕａｎｇｚｈｏｕ５１１４５８，Ｃｈｉｎａ３ ＳｃｈｏｏｌｏｆＥａｒｔｈＳｃｉｅｎｃｅｓａｎｄＥｎｇｉｎｅｅｒｉｎｇ，ＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ２１００２３，Ｃｈｉｎａ２０２３ ０８ ０２收稿，２０２３ １０ １０改回ＮｉｕＸＬ，ＬｉｕＦ，ＦｅｎｇＧＹ，ＸｕＸＺａｎｄＹａｎｇＪＳ ２０２３ ＯｒｉｇｉｎａｎｄｔｅｃｔｏｎｉｃｓｉｇｎｉｆｉｃａｎｃｅｏｆｔｈｅＥａｒｌｙＰａｌｅｏｚｏｉｃｍａｇｍａｔｉｓｍｉｎｔｈｅＡｌｘａｂｌｏｃｋ．ＡｃｔａＰｅｔｒｏｌｏｇｉｃａＳｉｎｉｃａ，３９（１２）：３７０１－３７１６，ｄｏｉ：１０．１８６５４／１０００ ０５６９／２０２３．１２．１１Ａｂｓｔｒａｃｔ ＧｅｎｅｔｉｃｓｔｕｄｉｅｓｏｎｔｈｅＥａｒｌｙＰａｌｅｏｚｏｉｃｍａｇｍａｔｉｓｍｉｎｔｈｅＡｌｘａｂｌｏｃｋｉｓｃｒｕｃｉａｌｆｏｒｕｎｄｅｒｓｔａｎｄｉｎｇｔｈｅｉｎｔｅｒａｃｔｉｏｎｐｒｏｃｅｓｓｅｓｂｅｔｗｅｅｎｔｈｅＡｌｘａｂｌｏｃｋａｎｄｔｈｅＰａｌｅｏ ＡｓｉａｎＯｃｅａｎ Ｗｅｈａｖｅｎｅｗｌｙｉｄｅｎｔｉｆｉｅｄａｇｒａｎｉｔｅｉｎｔｒｕｓｉｏｎ（ｔｈｅＧａｓｈｕｎｇｒａｎｉｔｅ）ｅｍｐｌａｃｅｄｉｎＭｉｄｄｌｅＳｉｌｕｒｉａｎ，ｗｉｔｈａｚｉｒｃｏｎＵ Ｐｂａｇｅｏｆ４３２Ｍａ Ｔｈｅｓａｍｐｌｅｓｃｏｌｌｅｃｔｅｄｆｒｏｍｔｈｉｓｇｒａｎｉｔｅａｒｅｗｅａｋｌｙｐｅｒａｌｕｍｉｎｏｕｓ，ｂｅｌｏｎｇｉｎｇｔｏｔｈｅ（ｔ）＝－８ ８～－１９ ４，ｗｈｉｃｈｓｕｇｇｅｓｔｓｔｈａｔｔｈｅＧａｓｈｕｎｇｒａｎｉｔｅｍｅｄｉｕｍ ｈｉｇｈ Ｋｃａｌｃ ａｌｋａｌｉｎｅｓｅｒｉｅｓ，ｗｉｔｈｈｉｇｈＳｒ／ＹｒａｔｉｏｓａｎｄεＨｆｓｈｏｕｌｄｂｅｆｏｒｍｅｄｂｙｍｅｌｔｉｎｇｏｆａｎｃｉｅｎｔｌｏｗｅｒｃｒｕｓｔａｌｒｏｃｋｓ ＢａｓｅｄｏｎｔｈｅｍａｊｏｒａｎｄｔｒａｃｅｅｌｅｍｅｎｔｃｏｍｐｏｓｉｔｉｏｎｓｏｆＬａｔｅＯｒｄｏｖｉｃｉａｎｔｏＥａｒｌｙＤｅｖｏｎｉａｎｍａｇｍａｔｉｃｒｏｃｋｓｉｎｔｈｅＡｌｘａｂｌｏｃｋ，ｔｗｏｇｅｎｅｔｉｃｔｙｐｅｓｏｆｍａｇｍａｔｉｃｒｏｃｋｓｈａｖｅｂｅｅｎｉｄｅｎｔｉｆｉｅｄ：ＴｙｐｅＩ，ｅｍｐｌａｃｅｄｄｕｒｉｎｇＬａｔｅＯｒｄｏｖｉｃｉａｎｔｏＥａｒｌｙａｎｄＭｉｄｄｌｅＳｉｌｕｒｉａｎ，ａｒｅｔｙｐｉｃａｌａｒｃｍａｇｍａｔｉｃｒｏｃｋｓｆｏｒｍｅｄｂｙｐａｒｔｉａｌｍｅｌｔｉｎｇｏｆｍａｎｔｌｅｗｅｄｇｅｍｅｔａｓｏｍａｔｉｚｅｄｂｙｆｌｕｉｄｓｆｒｏｍｓｕｂｄｕｃｔｉｎｇｓｌａｂ；ＴｙｐｅＩＩ，ｅｍｐｌａｃｅｄｄｕｒｉｎｇＭｉｄｄｌｅａｎｄＬａｔｅＳｉｌｕｒｉａｎｔｏＥａｒｌｙＤｅｖｏｎｉａｎ，ａｒｅｃｈａｒａｃｔｅｒｉｚｅｄｂｙｈｉｇｈＳｒ／Ｙｒａｔｉｏｓｒｅｓｕｌｔｅｄｆｒｏｍｐａｒｔｉａｌｍｅｌｔｉｎｇｏｆａｎｃｉｅｎｔｉｎｔｅｒｍｅｄｉａｔｅｔｏｍａｆｉｃｃｒｕｓｔａｌｍａｔｅｒｉａｌｓ ＴｈｅｍａｇｍａｔｉｓｍｉｎｔｈｅＡｌｘａｂｌｏｃｋｔｒａｎｓｉｔｉｏｎｅｄｆｒｏｍｍａｎｔｌｅ ｄｅｒｉｖｅｄｔｙｐｉｃａｌａｒｃｍａｇｍａｔｉｃｒｏｃｋｓｄｕｒｉｎｇＬａｔｅＯｒｄｏｖｉｃｉａｎ ＥａｒｌｙａｎｄＭｉｄｄｌｅＳｉｌｕｒｉａｎｔｏｃｒｕｓｔ ｄｅｒｉｖｅｄｈｉｇｈＳｒ／Ｙ ｔｙｐｅｇｒａｎｉｔｅｓｄｕｒｉｎｇＭｉｄｄｌｅａｎｄＬａｔｅＳｉｌｕｒｉａｎ ＥａｒｌｙＤｅｖｏｎｉａｎ，ａｎｄｔｈｅｎｇｒａｄｕａｌｌｙｄｉｓａｐｐｅａｒｅｄ，ｒｅｆｌｅｃｔｉｎｇｔｈａｔｔｈｅＡｌｘａｂｌｏｃｋｔｒａｎｓｆｏｒｍｅｄｆｒｏｍａｒｅｌａｔｉｖｅｌｙｅｘｔｅｎｓｉｏｎａｌｃｏｎｔｉｎｅｎｔａｌａｒｃｔｏａｃｏｍｐｒｅｓｓｉｏｎａｌａｒｃ ＴｈｉｓｍａｇｍａｔｉｃｅｖｏｌｕｔｉｏｎａｒｙｐｒｏｃｅｓｓｒｅｃｏｒｄｅｄｔｈａｔｅｉｔｈｅｒａｓｕｂｄｕｃｔｉｏｎｏｆＰａｌｅｏ ＡｓｉａｎＯｃｅａｎｂｅｎｅａｔｈｔｈｅＡｌｘａｂｌｏｃｋｗｅｒｅｇｒａｄｕａｌｌｙｗｅａｋｅｎｉｎｇａｎｄｃｅａｓｉｎｇ，ｏｒａｔｒａｎｓｉｔｉｏｎｏｆｔｈｅｓｕｂｄｕｃｔｉｏｎａｎｇｌｅｆｒｏｍｓｔｅｅｐｔｏｆｌａｔｈａｐｐｅｎｅｄｄｕｒｉｎｇｔｈｅＬａｔｅＯｒｄｏｖｉｃｉａｎｔｏＥａｒｌｙＤｅｖｏｎｉａｎ Ｉｎｇｅｎｅｒａｌ，ｔｈｅＡｌｘａｂｌｏｃｋｗａｓｕｎｄｅｒａｎｏｖｅｒａｌｌｉｎｃｒｅａｓｉｎｇｌｙｃｏｍｐｒｅｓｓｉｏｎａｌｄｙｎａｍｉｃｂａｃｋｇｒｏｕｎｄｉｎＥａｒｌｙＰａｌｅｏｚｏｉｃＫｅｙｗｏｒｄｓ Ｍａｇｍａｔｉｓｍ；Ｃｏｎｔｉｎｅｎｔａｌａｒｃ；Ａｒｃｍａｇｍａｔｉｓｍ；ＨｉｇｈＳｒ／Ｙ ｔｙｐｅｇｒａｎｉｔｅ；ＥａｒｌｙＰａｌｅｏｚｏｉｃ；Ａｌｘａｂｌｏｃｋ摘　要 阿拉善地块早古生代岩浆作用的成因研究，对理解阿拉善地块与古亚洲洋相互作用过程至关重要。

suburbs. The change of land use in Nanjing reflects the process of large-scale urban expansion. In the future, the development of land use urbanization in Nanjing needs to pay more attention to the construction of ecological civilization, so as to control the urban expansion and to realize the sustainable and coordinated development of the city.Key words geoscience information graph; land use; dynamic attitude; transfer matrix; urban expansion1引言土地利用/覆被变化表征人类活动对土地及自然生态系统的利用和改造，是全球变化研究的热点问题[1，2]。

土地对城市化发展有着重要作用，为人类的城市化活动提供空间载体，是一切社会生产活动的基础，而面对土地供需矛盾日益严重的态势，正确处理城市可持续协调发展与城市土地扩张二者的关系已成为城市发展急需解决的问题 [3]。

国内许多学者对此进行了大量的研究，郑惠等研究了2009—2018年广西城市化与城市土地集约利用时空耦合协调发展 [3]，吴静等对资源型城市城镇化的进程及土地利用生态风险进行了研究[4]，李睿等探析了城市化背景下黔中多山城市的扩展模式及城市生态问题[5]。

本文以南京市为研究对象，以全球地表覆盖数据产品GlobeLand30的2000年、2010年及2020年三期土地利用覆盖数据为数据源，利用涨落势图谱、土地利用转移矩阵、土地利用类型变化图，选取土地利用动态度、土地利用扩展综合指数及土地利用转入率、转出率等指标分析2000—2020年南京市土地利用数量及空间分布变化，探讨该市土地利用城市化演变趋势，为优化城市国土空间结构、加强空间治理和规划提供科学依据[6]。