Urban flooding is caused by multiple factors,which seriously restricts the sustainable development of society.Understanding the driving factors of urban flooding is pivotal to alleviating flood disasters.Although the ...Urban flooding is caused by multiple factors,which seriously restricts the sustainable development of society.Understanding the driving factors of urban flooding is pivotal to alleviating flood disasters.Although the effects of various factors on urban flooding have been extensively evaluated,few studies consider both interregional flood connection and interactions between driving factors.In this study,driving factors of urban flooding were analyzed based on the water tracer method and the optimal parameters-based geographical detector(OPGD).An urban flood simulation model coupled with the water tracer method was constructed to simulate flooding.Furthermore,interregional flood volume connection was analyzed based on simulation results.Subsequently,driving force of urban flooding factors and interactions between them were quantified using the OPGD model.Taking Haidian Island in Hainan Province,China as an example,the coupled model simulation results show that sub-catchment H6 is the region experiencing the most severe flooding and sub-catchment H9 contributes the most to overall flooding in the study area.The results of subsequent driving effect analysis show that elevation is the factor with the maximum single-factor driving force(0.772) and elevation ∩ percentage of building area is the pair of factors with the maximum two-factor driving force(0.968).In addition,the interactions between driving factors have bivariable or nonlinear enhancement effects.The interactions between two factors strengthen the influence of each factor on urban flooding.This study contributes to understanding the cause of urban flooding and provides a reference for urban flood risk mitigation.展开更多
准确估算区域尺度的陆地生态系统碳储量及其驱动因素,对于制定科学合理的土地利用政策具有重要意义。基于土地利用/覆被数据和气象站点数据,运用InVEST(Integrated Valuation of Ecosystem Services and Tradeoffs)模型定量估算了1990-2...准确估算区域尺度的陆地生态系统碳储量及其驱动因素,对于制定科学合理的土地利用政策具有重要意义。基于土地利用/覆被数据和气象站点数据,运用InVEST(Integrated Valuation of Ecosystem Services and Tradeoffs)模型定量估算了1990-2020年黄河流域碳储量的时空分布。通过土地利用转移矩阵和碳储量贡献率分析土地利用变化对碳储量的影响,并采用最优参数地理探测器(OPGD)识别碳储量空间分异性的主要驱动因素。结果表明,1990-2020年间,黄河流域耕地面积减少,而林地、草地、建设用地面积增加,碳储量值呈现波动上升趋势,增加了0.549×10^(8)t,增幅为0.37%,经历了1990-1995年和2005-2010年两个增加阶段,以及1995-2005年和2010-2020年两个减少阶段。碳储量的空间分布具有明显的异质性,碳储量变化呈现零散分布,增减不一的特点。极显著热点区集中在青海、陕西、内蒙古等森林覆盖较广泛的山区,冷点分布在经济发达地区。草地是主要碳储存类型,未利用地转为草地对碳储量贡献最大(73.3%),耕地转为建设用地对碳储量产生最大负效应(−20.8%)。在5 km最优空间尺度和因子最佳空间离散化参数下,单因子和交互探测分别显示,归一化植被指数(NDVI)是碳储量空间分异性的主要驱动因素(20.7%),坡度、降水和日照等因素也具有显著影响;归一化植被指数与高程的组合解释力最强,达到29.0%。综合考虑自然地理和气候因素,因地制宜地制定土地利用政策,平衡城市扩张、农业发展与生态保护,是实现区域碳储量增加的关键。展开更多
在气候变化背景下,模拟土壤侵蚀的时空演变特征并探讨其与气候因子之间的响应,对于应对气候变化和防灾减灾具有重要意义。现有研究主要聚焦于气候变化、坡度及植被恢复等因素对黄土高原土壤侵蚀的影响,但较少同时考虑各驱动因子之间的...在气候变化背景下,模拟土壤侵蚀的时空演变特征并探讨其与气候因子之间的响应,对于应对气候变化和防灾减灾具有重要意义。现有研究主要聚焦于气候变化、坡度及植被恢复等因素对黄土高原土壤侵蚀的影响,但较少同时考虑各驱动因子之间的相互作用及其对土壤侵蚀的直接与间接影响。基于气象站点、土地利用/土地覆被和土壤质地等数据,采用Theil⁃Sen Median趋势和Mann⁃Kendal检验对气候因子的时空变化特征进行了分析,利用InVEST(Integrated Valuation of Ecosystem Services and Tradeoffs)模型模拟了1990年、2000年、2010年和2020年黄土高原土壤侵蚀的时空分布,并通过最优参数地理探测器和偏最小二乘结构方程模型在考虑自然因子和植被因子的基础上,重点对气候因子对土壤侵蚀的影响强度和路径进行分析。结果表明:气候因子时空变化具有阶段性和区域性,降水量在1990—2000年以-55.96 mm/10a的速率下降,而2000—2020年以53.99 mm/10a的速率上升;研究期内年降水量、降水强度指数、大雨日数、强降水量、平均气温和最低气温的增长率分别为26.15 mm/10a、0.26 mm d^(-1)10a^(-1)、0.56 d/10a、15.21 mm/10a、0.32℃/10a和0.40℃/10a。从空间上看,1990—2000年降水量减少区域为86.36%,而2000年以后增加区域达97.42%;2000—2020年,极端降水指标在整个研究区基本为增加;气温上升区域主要分布在东、西部,气候变化呈现明显的暖湿化趋势且降水的极端性增强。1990—2020年,黄土高原土壤侵蚀模数呈现先减少再增加趋势,2020年土壤侵蚀量为2.19亿t。最优参数地理探测器分析显示,坡度、降水和植被覆盖是土壤侵蚀的主要驱动因素,其中降水量对土壤侵蚀的解释力从1990年的0.11在2020年增至0.18。结合偏最小二乘结构方程模型分析结果,温度主要通过影响降水间接影响土壤侵蚀,降水和自然因子对土壤侵蚀有直接正贡献,而植被因子对土壤侵蚀有直接负贡献,但2020年比2010年降低0.02。因此,在气候暖湿化和降水极端化趋势下,其对土壤侵蚀的影响不可忽视,在未来的土壤侵蚀防控和可持续发展中,需将气候适应和区域发展相结合,以应对未来气候变化的挑战。展开更多
陆地生态系统净初级生产力(Net primary productivity,NPP)是衡量植被固碳能力的重要指标。秦岭陕西段作为陕西省及周边地区的重要生态屏障,其NPP时空格局变化及驱动机制对区域碳循环研究具有重要意义。基于GEE获取秦岭陕西段2001—2023...陆地生态系统净初级生产力(Net primary productivity,NPP)是衡量植被固碳能力的重要指标。秦岭陕西段作为陕西省及周边地区的重要生态屏障,其NPP时空格局变化及驱动机制对区域碳循环研究具有重要意义。基于GEE获取秦岭陕西段2001—2023年NPP并分析其时空变化规律,结合最优参数的地理探测器和偏最小二乘法结构方程模型,量化了多元驱动力对NPP时空分异格局的影响。结果表明:研究时段内秦岭陕西段NPP多年均值为602.20 g C m^(-2)a^(-1),年际变化速率为5.57 g C m^(-2)a^(-1)(P<0.01),93.11%的区域NPP呈极显著与显著增加趋势;蒸散、降水和核归一化植被指数是影响NPP空间格局的主要因素,其中蒸散和降水交互作用对NPP的影响最强,其次是蒸散与气温;气候、地形和人类活动可以直接影响NPP,也可以通过植被指数间接影响NPP(例如海拔→人类足迹→蒸散→核归一化植被指数→NPP)。揭示了多元驱动力耦合对秦岭陕西段山地生态系统NPP时空分异格局的作用机制与影响路径,不仅为秦岭陕西段碳循环研究提供了科学依据,还将为其他山地陆地生态系统NPP时空分异格局复杂机制探索提供有益参考。展开更多
长江流域是我国重要的生态屏障,近几十年来,剧烈的气候变化和人类活动改变了长江流域的自然景观,并使其生态系统结构发生改变,生态系统功能退化。采用活力-组织-弹性-生态系统服务功能评价框架,在县域尺度上计算了2000~2020年长江流域...长江流域是我国重要的生态屏障,近几十年来,剧烈的气候变化和人类活动改变了长江流域的自然景观,并使其生态系统结构发生改变,生态系统功能退化。采用活力-组织-弹性-生态系统服务功能评价框架,在县域尺度上计算了2000~2020年长江流域生态系统健康指数(Ecosystem Health Index,EHI),利用空间自相关方法分析了生态系统健康的空间聚集效应,并基于最优参数地理探测器模型和地理加权回归模型揭示了驱动因素的独立效应和联合效应及驱动因素的空间变化特征。结果表明:(1)长江流域生态系统健康水平整体较好,EHI均值为0.545,中下游高于上游,南部高于北部,生态系统水平较高的地区主要分布在林地及其周围,20年间,长江流域的生态系统健康水平呈现改善趋势;(2)研究期内,长江流域生态系统健康水平呈现显著的空间集聚效应,且空间集聚程度呈现减弱趋势;(3)在驱动因子方面,影响长江流域生态系统健康的主导因素是土地利用强度和林地占比,自然因素对流域大部分区域有正向影响,社会经济因素对流域大部分地区有负向影响,且社会经济因素对长江流域生态系统健康的影响力度要大于自然因素。该研究可为长江流域生态系统的保护和管理,促进长江流域可持续协调发展提供理论参考。展开更多
基金supported by the National Natural Science Foundation of China(Grant No.52379019,42477501)the Key Research and Development Program of Ningxia Hui Autonomous Region(Grant No.2022BEG02020).
文摘Urban flooding is caused by multiple factors,which seriously restricts the sustainable development of society.Understanding the driving factors of urban flooding is pivotal to alleviating flood disasters.Although the effects of various factors on urban flooding have been extensively evaluated,few studies consider both interregional flood connection and interactions between driving factors.In this study,driving factors of urban flooding were analyzed based on the water tracer method and the optimal parameters-based geographical detector(OPGD).An urban flood simulation model coupled with the water tracer method was constructed to simulate flooding.Furthermore,interregional flood volume connection was analyzed based on simulation results.Subsequently,driving force of urban flooding factors and interactions between them were quantified using the OPGD model.Taking Haidian Island in Hainan Province,China as an example,the coupled model simulation results show that sub-catchment H6 is the region experiencing the most severe flooding and sub-catchment H9 contributes the most to overall flooding in the study area.The results of subsequent driving effect analysis show that elevation is the factor with the maximum single-factor driving force(0.772) and elevation ∩ percentage of building area is the pair of factors with the maximum two-factor driving force(0.968).In addition,the interactions between driving factors have bivariable or nonlinear enhancement effects.The interactions between two factors strengthen the influence of each factor on urban flooding.This study contributes to understanding the cause of urban flooding and provides a reference for urban flood risk mitigation.
文摘准确估算区域尺度的陆地生态系统碳储量及其驱动因素,对于制定科学合理的土地利用政策具有重要意义。基于土地利用/覆被数据和气象站点数据,运用InVEST(Integrated Valuation of Ecosystem Services and Tradeoffs)模型定量估算了1990-2020年黄河流域碳储量的时空分布。通过土地利用转移矩阵和碳储量贡献率分析土地利用变化对碳储量的影响,并采用最优参数地理探测器(OPGD)识别碳储量空间分异性的主要驱动因素。结果表明,1990-2020年间,黄河流域耕地面积减少,而林地、草地、建设用地面积增加,碳储量值呈现波动上升趋势,增加了0.549×10^(8)t,增幅为0.37%,经历了1990-1995年和2005-2010年两个增加阶段,以及1995-2005年和2010-2020年两个减少阶段。碳储量的空间分布具有明显的异质性,碳储量变化呈现零散分布,增减不一的特点。极显著热点区集中在青海、陕西、内蒙古等森林覆盖较广泛的山区,冷点分布在经济发达地区。草地是主要碳储存类型,未利用地转为草地对碳储量贡献最大(73.3%),耕地转为建设用地对碳储量产生最大负效应(−20.8%)。在5 km最优空间尺度和因子最佳空间离散化参数下,单因子和交互探测分别显示,归一化植被指数(NDVI)是碳储量空间分异性的主要驱动因素(20.7%),坡度、降水和日照等因素也具有显著影响;归一化植被指数与高程的组合解释力最强,达到29.0%。综合考虑自然地理和气候因素,因地制宜地制定土地利用政策,平衡城市扩张、农业发展与生态保护,是实现区域碳储量增加的关键。
文摘在气候变化背景下,模拟土壤侵蚀的时空演变特征并探讨其与气候因子之间的响应,对于应对气候变化和防灾减灾具有重要意义。现有研究主要聚焦于气候变化、坡度及植被恢复等因素对黄土高原土壤侵蚀的影响,但较少同时考虑各驱动因子之间的相互作用及其对土壤侵蚀的直接与间接影响。基于气象站点、土地利用/土地覆被和土壤质地等数据,采用Theil⁃Sen Median趋势和Mann⁃Kendal检验对气候因子的时空变化特征进行了分析,利用InVEST(Integrated Valuation of Ecosystem Services and Tradeoffs)模型模拟了1990年、2000年、2010年和2020年黄土高原土壤侵蚀的时空分布,并通过最优参数地理探测器和偏最小二乘结构方程模型在考虑自然因子和植被因子的基础上,重点对气候因子对土壤侵蚀的影响强度和路径进行分析。结果表明:气候因子时空变化具有阶段性和区域性,降水量在1990—2000年以-55.96 mm/10a的速率下降,而2000—2020年以53.99 mm/10a的速率上升;研究期内年降水量、降水强度指数、大雨日数、强降水量、平均气温和最低气温的增长率分别为26.15 mm/10a、0.26 mm d^(-1)10a^(-1)、0.56 d/10a、15.21 mm/10a、0.32℃/10a和0.40℃/10a。从空间上看,1990—2000年降水量减少区域为86.36%,而2000年以后增加区域达97.42%;2000—2020年,极端降水指标在整个研究区基本为增加;气温上升区域主要分布在东、西部,气候变化呈现明显的暖湿化趋势且降水的极端性增强。1990—2020年,黄土高原土壤侵蚀模数呈现先减少再增加趋势,2020年土壤侵蚀量为2.19亿t。最优参数地理探测器分析显示,坡度、降水和植被覆盖是土壤侵蚀的主要驱动因素,其中降水量对土壤侵蚀的解释力从1990年的0.11在2020年增至0.18。结合偏最小二乘结构方程模型分析结果,温度主要通过影响降水间接影响土壤侵蚀,降水和自然因子对土壤侵蚀有直接正贡献,而植被因子对土壤侵蚀有直接负贡献,但2020年比2010年降低0.02。因此,在气候暖湿化和降水极端化趋势下,其对土壤侵蚀的影响不可忽视,在未来的土壤侵蚀防控和可持续发展中,需将气候适应和区域发展相结合,以应对未来气候变化的挑战。
文摘陆地生态系统净初级生产力(Net primary productivity,NPP)是衡量植被固碳能力的重要指标。秦岭陕西段作为陕西省及周边地区的重要生态屏障,其NPP时空格局变化及驱动机制对区域碳循环研究具有重要意义。基于GEE获取秦岭陕西段2001—2023年NPP并分析其时空变化规律,结合最优参数的地理探测器和偏最小二乘法结构方程模型,量化了多元驱动力对NPP时空分异格局的影响。结果表明:研究时段内秦岭陕西段NPP多年均值为602.20 g C m^(-2)a^(-1),年际变化速率为5.57 g C m^(-2)a^(-1)(P<0.01),93.11%的区域NPP呈极显著与显著增加趋势;蒸散、降水和核归一化植被指数是影响NPP空间格局的主要因素,其中蒸散和降水交互作用对NPP的影响最强,其次是蒸散与气温;气候、地形和人类活动可以直接影响NPP,也可以通过植被指数间接影响NPP(例如海拔→人类足迹→蒸散→核归一化植被指数→NPP)。揭示了多元驱动力耦合对秦岭陕西段山地生态系统NPP时空分异格局的作用机制与影响路径,不仅为秦岭陕西段碳循环研究提供了科学依据,还将为其他山地陆地生态系统NPP时空分异格局复杂机制探索提供有益参考。
文摘长江流域是我国重要的生态屏障,近几十年来,剧烈的气候变化和人类活动改变了长江流域的自然景观,并使其生态系统结构发生改变,生态系统功能退化。采用活力-组织-弹性-生态系统服务功能评价框架,在县域尺度上计算了2000~2020年长江流域生态系统健康指数(Ecosystem Health Index,EHI),利用空间自相关方法分析了生态系统健康的空间聚集效应,并基于最优参数地理探测器模型和地理加权回归模型揭示了驱动因素的独立效应和联合效应及驱动因素的空间变化特征。结果表明:(1)长江流域生态系统健康水平整体较好,EHI均值为0.545,中下游高于上游,南部高于北部,生态系统水平较高的地区主要分布在林地及其周围,20年间,长江流域的生态系统健康水平呈现改善趋势;(2)研究期内,长江流域生态系统健康水平呈现显著的空间集聚效应,且空间集聚程度呈现减弱趋势;(3)在驱动因子方面,影响长江流域生态系统健康的主导因素是土地利用强度和林地占比,自然因素对流域大部分区域有正向影响,社会经济因素对流域大部分地区有负向影响,且社会经济因素对长江流域生态系统健康的影响力度要大于自然因素。该研究可为长江流域生态系统的保护和管理,促进长江流域可持续协调发展提供理论参考。
