土地利用景观格局的地形分异及驱动机制研究
——以张家界市永定区为例
1.
2.
Terrain Differentiation and Driving Mechanism of Land Use Landscape Pattern
——Take Yongding District, Zhangjiajie City as an Example
1.
通讯作者:
收稿日期: 2022-06-06 修回日期: 2023-09-01
基金资助: |
|
Received: 2022-06-06 Revised: 2023-09-01
作者简介 About authors
杨祯琦(1988-),女,湖南龙山人,博士研究生,主要从事激光雷达遥感应用研究E⁃mail:
关键词:
Keywords:
本文引用格式
杨祯琦, 麻明友, 田建林.
YANG Zhenqi, MA Mingyou, TIAN Jianlin.
1 引 言
景观格局变化是影响整个生态系统动态平衡和自我调节能力的重要组成部分和主要原因之一,也是判定人类活动适宜方式和尺度的重要测度指标[1]。RS与 GIS技术因其能给予地理与生态学家以前所未有的量化能力与现实性,特别是在景观格局动态演变分析中具有其他数据类型无可取代的优越性,因此在景观生态学领域被广泛应用[2-3]。杨民英等[4]采用 GIS 和 RS 技术并运用Fragstats 计算景观格局指数,对大春河流域的景观格局演变特征进行了定量分析。陈颐等[5]基于RS与GIS综合分析了莆田市20 a间土地利用与景观格局的结构变化。城市土地利用演变研究不断走向精细化与个性化,单纯对土地利用变化的分析虽能反映城镇化进程中区域土地利用变化的面积及数量特征[6-8],但无法表征整体空间格局各组分的配置关系,因此,土地利用的演变研究逐渐与景观格局演变研究相结合,以从全维度深刻揭示城镇化进程中区域土地利用景观格局随地形演变的特征[9]。
城市与区域土地利用景观格局驱动机制研究由来已久且研究成果颇为丰富,国内外学者对此研究的侧重点也略有不同,欧美地区的学者着重于人类活动对于城市周围土地利用景观格局的影响[10-11],国内学者则更注重城镇化过程中社会经济因素对土地利用景观格局的综合作用分析[12-13]。目前对于区域土地利用景观格局及其驱动机制研究仅仅局限于对几何分布特征的数据描述与定量分析[14-15],缺少对城镇化过程中出现的具体问题的探讨,使得区域土地利用景观格局分析跳脱不出几何特征的研究范式,并且不同区域在不同发展阶段的空间格局发展特征与驱动机制具有较为明显的区域性与差异性,而现在对于区域土地利用景观格局的研究往往套用典型城市的研究方法,缺乏针对性,因此对于特定区域其土地利用景观格局的时空分异研究和动态监测亟待进一步深入。
张家界地处武陵山片区,地形地貌特色鲜明,地形以山地为主,全市山地占比高达75.9 %[16],地貌独特,分布着规模巨大的砂岩地貌,形态层次多样,生物物种丰富,为张家界打造山水资源型城市提供了天然禀赋,也有力促进了张家界旅游经济快速发展[17-19]。近年来,张家界大力推进全域旅游发展,加快旅游资源整合开发,加大文旅基础设施项目建设,热火朝天推动各类经济开发建设,严重威胁了区域生态健康[20]。而永定区作为张家界的旅游核心区,是张家界经济发展最为迅速的区域,同时也是土地利用方式转变方式最为剧烈和生态过程最为复杂的区域。该区域土地资源的供求关系矛盾突出,生态资源的保护与开发如何两者兼顾,人与自然可持续发展成为当前张家界亟待解决的重要问题[21]。
本文旨在通过研究张家界市永定区土地利用景观格局随地形因子分异的变化规律,揭示地形因子与研究区土地利用景观格局的耦合变化过程,以期为研究区土地利用景观格局的优化与管理决策提供参考,研究内容主要包括:①永定区景观格局指数随地形分异的特征统计与分析;②地形因素与山区土地利用景观格局的相关性分析;③研究区土地利用景观格局地形分异及其与于社会因子之间的耦合模型建立。
2 研究区与数据
2.1 研究区概况
永定区地处湖南省西北部与武陵山脉的北支中段,是张家界市辖区之一。地域范围为110°04′~110°55′ E,28°52′~29°25′ N,占地2 183.32 km2,生态保护区域为1 244.99 km2,约占总面积的57.41%。区域内群山起伏、沟谷纵横,相对高差较大,最大高差为1 392.6 m。境内地势总体可分为南北两部分,南部区域向沅水呈梯级递降,北部区域往澧水倾斜,中部地势低且呈半月形盆地形态。永定拥有得天独厚的自然风光和丰富的生态资源,森林覆盖率较高,达71%。中部澧水长达96.8 km,自西向东蜿蜒而下,贯穿境内,总控制流域面积达1 614.29 km2。
图1
2.2 数据来源
遥感数据因其具有多尺度、多波段、多时相及经济性等特点,已成为研究土地利用景观格局变化行之有效的手段。目前在研究中运用的遥感影像的数据类型多样,波段信息、空间分辨率、光谱分辨率、时间分辨率及获取成本等方面均有区别。因此根据本研究的目的和数据的可获取性以及经济性原则,选取Landsat的TM和OLI影像数据作为本研究的基础数据。与其他遥感数据源相比,它具有起始年份早,数据完整,单幅影像覆盖范围广,空间分辨率适中、波段信息丰富的特点。考虑到国家土地利用总体规划修编周期和城市规划编制周期,结合永定区的地理分布特征、植被生长周期状况和社会经济的实际发展情况,从中国科学院资源环境数据中心(http:∥www.resdc.cn)下载2005年、2010年、2015年和2020年4期张家界市永定区土地利用/覆被数据,总体分类精度达90%以上,能够满足研究要求。
永定区的DEM数据(数字高程模型)来自中国科学院计算机网络信息中心,数据来源 NASA 的 ASTERGDEM 数据,空间分辨率为30 m。其他统计数据来源于知网(http:∥www.cnki.net/)各年份《中国城市统计年鉴》、《张家界统计年鉴》、以及张家界市永定区统计局统计公报。
3 研究方法
3.1 遥感影像分类
利用 ENVI5.3软件对经过预处理后的TM /OLI影像进行土地利用景观分类,分类参照景观生态分类标准、国家标准《土地利用现状分类》(GB/T21010-2017),永定区土地利用景观格局的实际情况及研究目的,研究建立了耕地、林地、草地、水域和建设用地5种景观类型,各景观类型的含义如表1所示。
表1 永定区土地利用景观类型分类体系及含义
Table 1
3.2 地形因子分级
永定区景观格局复杂,山丘广布,地形因子对土地利用景观格局的演变影响显著。为获得土地利用景观格局的地形分异规律和特征,由DEM生成永定区地形因子图,并结合永定区实际情况进行地形因子等级划分,具体见图2。其中高程划分为5个等级,即1(<200 m)、2(200~300 m)、3(300~500 m)、4(500~800 m)、5(>800 m);坡度划分为5个等级,即1(<6°)、2(6°~15°)、3(15°~25°)、4(25~35°)、5(>35°);坡向分为9类,即平缓地、北坡、东北坡、东坡、东南坡、南坡、西南坡、西坡、西北坡。
图2
图2
永定区地形因子等级划分图
Fig.2
Classification map of terrain factors in Yongding District
3.3 景观格局指数选取
景观格局指数能够高度概括区域景观格局的信息,表征其结构组成和空间配置方面的差异,也可以定量描述和监测景观空间结构的时空变化情况[5]。按照度量尺度的不同,景观格局指数可以划分为斑块水平指数、类型水平指数和景观水平指数3个层次。实验的研究重点探寻以山水资源为发展依靠的张家界永定区自身土地利用景观格局的演变与城镇扩张、经济的发展、人口的增长和土地政策之间的关系,因此,为了突出考量永定区土地利用景观类型的整体特征,本文参照前人相关研究[22],在选取景观格局指数时遵循以下原则:①整体性原则:实验的研究重点为景观整体空间特征分析,因此仅选择类型水平和景观水平两个层次对景观格局进行分析;②常用性原则:选取使用频次较高、说服力强的指数以便指数理解并与其他研究成果进行对比;③针对性原则:从实际出发,考虑到永定区的生态环境优良且山水文化厚重,针对性的选择景观面积类与表征景观破碎度与生物多样性的指数。类型水平指数由斑块密度(PD)、最大面积指数(LPI)、聚合度指数(AI)组成,景观水平指数由斑块密度(PD*)、最大面积指数(LPI*)、蔓延度指数(CONTAG)、香浓多样性指数(SHDI)、聚合度指数(AI*)组成。各指数的生态学意义和相关算法详见参考文献[23]。为了保证全文土地利用景观类型分类与像元大小的一致性,将景观分类图转换为栅格数据,在Fragstats4.2中选择相应的类型水平指数和景观水平指数进行景观格局指数的计算。
4 结果与分析
4.1 土地利用景观类型地形分布研究
林地是永定区的优势土地利用景观类型,其面积约占研究区的65%,其次是耕地和草地,3种土地利用景观类型的面积之和占总面积97%以上(见表2)。
表2 永定区2005-2020年不同土地利用景观类型面积及比例 (hm2)
Table 2
就高程而言(表3),耕地的主要区域分布在200~800 m之间,面积比超过了75%以上,尤其以300~500 m最为集中,比例在35%以上。林地、草地高度集中区域为300~800 m之间,面积占比分别达到了75%和60%以上。水域的主要分布区域则在200 m以下,面积占比为55%左右,此外,在200~300 m与300~500 m区域分别分布了约25%和10%左右的水域。70%以上的建设用地分布于海拔200 m以下的地区,另外有15%以上和10%左右的建设用地分布于200~300 m与300~500 m的区域。
表3 永定区2005~2020年土地利用景观类型面积高程分布统计表 (hm2)
Table 3
由表4可知,耕地主要分布于0°~6°、6°~15°和15°~25°范围内,6°~15°耕地分布的比例相对较稳定,约为32%。此外,在25°~35°范围仍存在一定比例的耕地分布,在2015年之前其面积比例基本稳定在13%,此后比例降低至10%左右。林地的主要分布范围为6°~15°、15°~25°、25°~35° 3个区间,且其变化相对于其他土地利用景观类型来说相对稳定,研究期内其面积比例分别稳定在21%、33%和24%左右。草地面积在不同的坡度等级分布也相对较稳定(2015-2020年略有波动),且其主要分布与林地类似,主要集中于6°~15°、15°~25°和25°~35° 3个区间范围内,3个区间的草地面积之和占到了草地总面积的84%以上。水域大面积集中于0°~6°区间内,其面积比例接近48%,其他坡度等级上的水域面积变化随着坡度的增加呈现面积逐渐减少的总体趋势,在25°~35°区间出现转折,其面积比例为各个坡度等级水域面积占比的最小值。建设用地与水域的分布类似,大部分集中于0°~6°区间内。
表4 永定区2005~2020年土地利用景观类型面积坡度分布统计表 (hm2)
Table 4
由表5可知,耕地在南坡和东南坡分布面积比最多,东坡和西南坡次之,平缓地面积比最小,其余坡向分布较为均匀。且耕地类型在研究期内各个坡向均呈减少的趋势,尤其以东南坡减少的面积最多。林地类型在平缓地面积占比最小,仅占总面积的1%,在其余坡向的面积分布十分均衡,除西北坡略有微小优势以外,其余坡向面积占比均达到11%左右。在研究期内,林地类型在东坡、东南坡、南坡呈缓慢增加趋势,其余坡向均有少量减少,以西坡和西北坡的面积减少量最高。草地类型在西坡和西北坡面积占比最大,平缓地面积占比最小,研究期内除西坡面积少量增加之外,其余面积均呈减少趋势。水域类型的面积占比最大为平缓地,东南坡与南坡次之,在研究期内,除西南坡面积增加外,其余坡向均呈减少趋势。建设用地的总体分布特征与耕地类似,东南坡和南坡面积占比最大,且在研究区内整体呈增加趋势,尤其以东南坡增加的面积最大。
表5 永定区2005~2020年土地利用景观类型面积坡向分布统计表 (hm2)
Table 5
综上所述,土地利用景观类型的动态变化具有明显的地形分布特征。永定区80%以上的土地面积主要集中于海拔300~800 m与坡度6°~35°的区域,说明永定区土地利用景观类型具有明显的山地梯度特征,平整的土地稀缺,属于典型的山地景观。在研究期内,随着高程和坡度增加,耕地面积不断减少,林地面积增加愈发明显,这是退耕还林政策影响以及高海拔地区不宜耕作的结果。水域绝大部分呈条状分布于永定区中部的低海拔平缓地,建设用地沿河道呈集中连片式分布。根据研究结果可知缓坡耕地与建设用地绝大部分都分布于地势平缓、水资源丰饶的低海拔东南坡及南坡区域,这说明人类聚集地的选择与城市形态发展受到水资源分布以及自然地形的制约。在研究期内,耕地、林地和草地面积在低海拔缓坡区域均有减少,尤其以耕地面积的减少最为明显,而建设用地面积在海拔小于200 m的缓坡区域急速增加,这说明随着经济发展和人口增长,对土地资源的需求愈加强烈,而城镇扩张首先占用城乡结合部位的大部分耕地。
4.2 永定区景观格局指数地形分异分析
永定区类型水平指数的高程分异特征统计表(表6),可以看出耕地PD的高程分异特征在整个研究区内都展现出先增后减的单峰型变化。PD值最大的为海拔200~300 m的区域,说明此区间耕地破碎化较为严重。林地PD在500~800 m区域最低,向上向下逐渐升高并在200~300 m达到峰值。各海拔分区内林地PD变化不大,说明当地管理部门对林地资源的保护工作进展的较好,没有对林地景观造成明显的破坏。但是在海拔300 m以下的林地PD明显高于其他海拔分区,说明林地景观在低海拔区域呈小斑块分布,集聚程度不高,LPI和AI在各区间的数值分布也正好印证了这一点。草地与水域PD的峰值出现在海拔200~300 m区域并且整体偏低。建设用的PD随着高程的增加而不断降低,高值区主要分布在海拔小于200 m的区域。耕地LPI随着海拔的升高逐渐降低,且在海拔小于300 m的区间表现出高度的优势类型分布特征。而在大于300 m的区间内LPI数值最大的是林地景观,且其LPI随着海拔的升高呈现出先减后增的变化,并在海拔500~800 m区间达到最大值。
表6 2005~2020年永定区类型水平指数高程分异特征统计表
Table 6
耕地AI表现为随高程增加而降低的趋势,林地和草地随着高程的增加呈现出聚合分布的特征。水域与建设用地在小于200 m区域聚合程度最高。
通过表7可以看出除了建设用地PD表现出明显的随坡度增加而降低的趋势,其余4类景观类型均伴随着坡度的增加呈现出减—增—减的单峰变化。其中随着坡度增加PD变化最为剧烈的景观类型为林地景观,在0°~6°区间内其PD值高达123,虽然随着坡度的升高其值有所降低,但仍远高于同一坡度区间的其他景观类型。这表明林地景观在坡度分异上表现出极强的景观异质性,景观生态过程极为活跃。耕地在0°~6°坡度区间呈现出明显的LPI高值区,而其他坡度区间的LPI数值很小(在0.2左右)且随着坡度的增加不断降低。林地的LPI在大于35°区间表现出明显的高值区,其LPI值远大于此坡度分区内的其他景观类型,使林地景观成为此区间最具优势的景观类型。在其他坡度区间林地LPI值均较低,特别是0°~6°区间,仅为0.2左右,且在研究期内其值仍在不断降低,这表明在平坦地区林地景观的破碎化程度较高,持续向细粒化景观转化。建设用地在0°~6°区间LPI值变化较大,特别是2015~2020年期间由1.16上升至1.68,这表明建设用地景观类型的图斑面积在空间上呈现出连片的趋势,城镇建设朝组团化发展,此区间建设用地AI值的分布也印证了这一点。
表7 2005~2020年永定区类型水平指数坡度分异特征统计表
Table 7
根据表8可知,在研究期内,除建设用地类型的PD值有明显增加外,其余土地利用景观类型的各类型水平指数(PD、LPI、AI)均保持稳定。对于PD值而言,各景观类型均在平缓地表现出最大斑块密度,其余坡向的PD值都较为平均,坡向分异特征不明显,由此可知各景观类型在平缓地斑块密度较大,景观破碎度较高,人为干扰强。整体而言,各景观类型LPI值均偏低,未表现出明显的坡向分异特征。除水域类型外,各景观类型AI值均在平缓地表现出最低值,在其他坡向AI分异特征不明显。
表8 2005~2020年永定区类型水平指数坡向分异特征统计表
Table 8
综上所述,结合表9可知,不同土地利用类型的景观格局指数也呈现出明显的空间分异特征。林地作为永定区主导景观类型,从整体上来说斑块面积大、联通性好,但在低海拔与低坡度区域斑块密度增加,破碎化程度升高,说明永定区建设用地虽然受到自然地形的制约,但其由于城镇致密化的发展需要,不断侵占阻力较小的低海拔丘陵地区的林地景观,使低海拔平坦区域的林地景观破碎化趋于严重,因此当地管理部门对林地资源的保护工作在此区域内仍需加大力度。耕地景观在农业结构调整和退耕还林以及建设用地占用等的影响下,破碎度不断增强,向不规则化发展,特别是海拔200~300 m、坡度0°~6°范围内的斑块间相互作用最为剧烈。草地类型随海拔和坡度分异的特征不明显,生态状况较好。水域与建设用地的空间分异特征类似,在低海拔和低坡度区域生态稳定性较低,具有随机性和不稳定性,这说明城市的发展重心由中心老城区向外围新城区转移,建设用地不断侵占其他用地类型,斑块面积增大且斑块趋向于规则化,而遗存的耕地、林地、草地斑块镶嵌其中,景观异质性与生物多样性增强。整体来说,无论是类型水平指数还是景观水平指数,其高程与坡度的分异特征明显高于坡向分异特征。
表9 永定区景观水平指数统计表
Table 9
4.3 永定区景观格局演变的地形因素驱动力
由表10可知,耕地、水域、建设用地的PD、LPI、AI均与高程、坡度和坡向呈负相关,且坡度对于耕地和水域的总体影响明显要大于另外两个地形因子,而高程与坡度对于建设用地分布的影响较为显著。林地、草地的PD与高程、坡度和坡向呈负相关,而其LPI、AI均与地形、坡度和坡向呈正相关。林地分布与高程和坡度的相关系数明显大于坡向,说明在适宜林地生长的海拔和坡度上,坡向对于其影响较小,而坡向对于草地的影响明显大于高程和坡度。
表10 类型水平指数与地形因子相关系数
Table 10
4.4 永定区景观格局演变的社会因素驱动力
依据张家界永定区经济统计年鉴、张家界市统计局统计公报等文献资料,并结合永定区土地利用景观格局演变的实际情况,考虑到数据的代表性和可获取性等原则,最终筛选确定本次研究永定区土地利用景观格局演变社会驱动因素指标体系,具体指标包括:城镇化率X1、地区生产总值X2、地方财政收入X3、人均 GDPX4、农林牧渔服务业总产值X5、全年接待国内外游客X6、第一、二、三产业产值占 GDP 比重X7-X9、农村居民人均可支配收入X10。
利用SPSS24.0软件对选取的永定区10个社会驱动因素与景观类型变化面积进行相关性分析,采用定量分析的方法探讨各类社会驱动因素对永定区土地利用景观格局演变的影响程度。结果如表11所示,全年接待国内外游客和第二产业产值占GDP比重其皮尔逊相关系数较低并且仅通过0.05的显著性水平检验,其余驱动因素均通过了0.01的显著性水平检验,其中城镇化率、农林牧渔服务业总产值、第一产业产值占GDP 比重和第三产业产值占GDP比重4个驱动因素的皮尔逊相关系数均大于0.95,地区生产总值、地方财政收入、人均 GDP和农村居民人均可支配收入4个驱动因素的皮尔逊相关系数均大于0.8,这表明8个因子与景观格局演变具有显著相关的关系。
表11 皮尔逊相关性分析
Table 11
选取各土地利用景观类型的面积变化量为因变量,城镇化率、农林牧渔服务业总产值、第一产业产值占GDP 比重、第三产业产值占GDP比重、地区生产总值、地方财政收入、人均 GDP、农村居民人均可支配收入8个因子作为自变量,利用多元逐步回归分析的方法,深入分析2005~2020年永定区景观格局变化的的主要影响因素与影响强度。
由多元逐步回归分析的结果(表12)可知,永定区土地利用景观格局演变分为单因素、双因素和多因素3类驱动类型。草地的演变主要受到地区生产总值这一单因素驱动,农林牧渔服务业总产值、城镇化率双因素驱动建设用的演变,耕地、林地、水域这3类景观类型的演变受到多种因素共同作用的影响。这说明永定区土地利用景观类型演变过程中各驱动因素的影响程度差异性较大且驱动类型多样化,大部分景观类型的演变是多种驱动因素相互作用的结果。从统计结果来看,农林牧渔服务业总产值在各类景观类型驱动因素中出现频次最多,是永定区景观格局演变的主要驱动因素,在各影响类型均具有正向影响。由此可见,永定区景观格局演变主要受经济发展的影响,随着永定区城镇化进程加快和旅游发展水平提高,景观格局变化呈逐渐加大趋势,再加之退耕还林与生态保护建设等政策影响,导致各类景观类型的相互转换,景观要素变化显著。
表12 多元逐步回归分析结果
Table 12
5 结 论
本文通过GIS与RS方法处理与分析了2005~2020年Landsat TM/TIRS-OLI影像数据,提取了张家界市永定区土地利用景观格局随高程、坡度、坡向的分异图像,并结合景观格局指数等方法,揭示了该地区土地利用景观格局随地形分异的规律及其与经济、人为和政策因子之间的联系。研究区内土地利用景观类型的景观格局指数具有明显的地形分异特征,其高程与坡度的分异特征明显高于坡向分异特征。林地作为永定区主导景观类型,从整体上来说斑块面积大,但在低海拔与低坡度区域斑块密度增加,破碎化程度较高,而2005~2020年永定区较高海拔地区的林地景观的扩张导致区域景观多样性的整体增强,而在局部地形上差异明显。耕地景观在农业结构调整和退耕还林以及建设用地占用等的影响下,破碎度不断增强且向不规则化发展,特别是海拔200~300 m、坡度0°~6°范围内其斑块间的相互作用最为剧烈。草地类型随海拔和坡度分异的特征不明显,生态状况较好。水域与建设用地的空间分异特征类似,在低海拔和低坡度区域生态稳定性较低。建设用地景观斑块愈发破碎但聚集度逐渐增强。结合经济、人为和政策因子,进一步揭示永定区土地利用景观格局时空演变的驱动因子,即高程差异作为山地独特的地形特征,对林地、草地和水域3类景观类型演变的关联性较高。耕地与建设用地两类景观类型主要受农林牧渔服务业总产值、农村居民人均可支配收入等社会驱动因素的影响。
6 讨论与展望
鉴于研究区复杂的山地地形特征和以旅游干扰为主等方面的现实情况,本研究只针对了海拔、坡度、坡向3个方面的进行分异统计;景观格局指数选择方面也仅计算了景观水平指数、类型水平指数等8个景观格局指数;同时,因为Landsat TM/TIRS-OLI影像数据的分辨率限定了研究的尺度。这些因素都对研究成果造成一定的局限性。综合考虑地形、气候、经济、政策和社会因素的相互作用,多因子、多尺度、全方位的景观格局分析可以更深入地解析其景观变化的驱动机制,洞见山区旅游城市的景观演替规律,以期更全面地支持研究区土地利用优化和可持续发展的综合决策。
参考文献
Indices of landscape pattern
[J].
Remote sensing assessment of temporal and spatial evolution of wetlands in Liaohe Estuary National Nature Reserve
[J].
辽河口国家级自然保护区湿地时空演变遥感评估
[J].
Remote sensing monitoring of habitat quality change in Xianyang City
[J].
咸阳市生境质量变化遥感监测研究
[J].
Dynamic change of landscape pattern in karst water source area based on GIS and RS: A case study of Dachun River Watershed
[J].
基于GIS和RS的喀斯特水源地景观格局动态变化研究——以大春河小流域为例
[J].
Analysis of land use landscape pattern change in Putian City based on RS and GIS
[J].
Performance evaluation of GEDI and ICESat-2 laser altimeter data for terrain and canopy height retrievals
[J].
Landsat analysis of urban growth: How Tokyo became the world's largest megacity during the last 40years
[J].
Urban growth of the Washington,D.C.-Baltimore,MD metropolitan region from 1984 to 2010 by annual, Landsat-based estimates of impervious cover
[J].
Remote sensing based spatial-temporal monitoring of the changes in coastline mangrove forests in China over the last 40 Years
[J].
Radiometric assessment of ICESat-2 over vegetated surfaces
[J].
Measuring sprawl and its impacts
[J].
Coupling response of human activity intensity and landscape pattern in Three Gorges Reservoir area
[J].
Impact of land use landscape pattern on urban waterlogging disaster risk
[J].
土地利用景观格局对城市内涝灾害风险的影响研究
[J].
Improvement of CLUE-S model and dynamic simulation of land use change - taking Yongding District of Zhangjiajie City as an example
[J].
CLUE-S模型的改进与土地利用变化动态模拟——以张家界市永定区为例
[J].
Simulation and precision evaluation of land use change in villages and towns by CLUE-S model
[J].
Spatial-temporal evolution of land use pattern in Zhangjiajie based on Three-dimensional landscape pattern index
[J].
基于三维景观格局指数的张家界市土地利用格局时空演化
[J].
Landscape ecological risk assessment and ecological security pattern construction of landscape resource-based cities-taking Zhangjiajie City as an example
[J].
山水资源型城市景观生态风险评价及生态安全格局构建——以张家界市为例
[J].
' Landscape City ' concept and current urban construction practice case
[J].
“山水城市”理念与当前城市建设实践案例刍议
[J].
' Landscape City ' and urban development in China in the 21st century-written for the landscape city seminar
[J].
Analysis on the change of landscape pattern in the urbanization process of Pudong New Area in Shanghai
[J].
Research progress and prospect of urban ecological land demand measurement
[J].
城市生态用地需求测算研究进展与展望
[J].
Evaluating the effectiveness of landscape configuration metrics from landscape composition metrics
[J].
邬建国
景观生态学: 格局、过程、尺度与等级. [M].
Advancements in the remote sensing of landscape pattern of urban green spaces and vegetation fragmentation
[J].
Spatial-temporal evolution of complex urban landscape pattern based on remote sensing technology
[J].
Temporal and spatial variations of impervious surface landscape pattern and the driving factors in Xiamen City, China
.[J].
厦门市不透水面景观格局时空变化及驱动力分析
[J].
/
〈 |
|
〉 |
