重庆市两江新区生态空间识别方法.pdf

第 45 卷 第 4 期2023 年 7 月环 境 影 响 评 价Environmental Impact AssessmentVol.45,No.4Jul.,2023收稿日期:2023-05-10基金项目:县域尺度下重庆丘陵山区生态修复综合评价技术研究(cstc2021jcyj-msxmX1193)作者简介:韩文友(1983),男,湖北荆门人,硕士,正高级工程师,主要研究方向为自然资源监测调查,E-mail 59992103 通讯作者:罗蓉(1996),女,湖北荆门人,硕士,主要研究方向为多源数据融合,E-mail 1304215690 重庆市两江新区生态空间识别方法韩文友1,2,周珉羽1,2,罗蓉21.重庆地质矿产研究院,重庆 401120;2.重庆华地资环科技有限公司,重庆 401120摘要:生态空间是国土空间的重要组成部分,合理识别生态空间有利于维持经济发展和生态保护动态平衡。两江新区为内陆首个国家级开放新区,科学识别两江新区生态空间极为重要。该文基于多源遥感数据构建生态敏感性和生态系统服务功能重要性评价体系,再结合生态用地类型,识别两江新区生态空间范围。主要结论如下:(1)研究区生态敏感性以敏感为主,高度敏感以上区域为 418.55 km2,面积占比为 36.03%。(2)研究区生态系统重要性类型相对较为平均,中等重要以上区域为 706.67 km2,面积占比为 60.85%。(3)该文识别出来的两江新区生态空间面积为 336.78 km2,约占研究区 29%,生态用地类型以林地为主。关键词:数据融合;生态敏感性评价;生态系统服务功能;生态空间划定DOI:10.14068j.ceia.2023.04.010中图分类号:X171.1 文献标识码:A 文章编号:2095-6444(2023)04-0046-08Method of Delimiting Ecological Space in Liangjiang New Area of Chongqing based on Multi-source DataHAN wenyou1,2,ZHOU minyu1,2,LUO rong21.Chongqing Institute of Geology and Mineral Resources,Chongqing 401120,China;2.Chongqing Huadi Zihuan Technology Co.,Ltd.,Chongqing 401120,ChinaAbstract:Ecological space is an important component of national land space,and reasonable identification of ecological space is conducive to maintaining dynamic balance between economic development and ecological protection.Liangjiang New Area is the first national level open new area in inland China,and it is extremely important to scientifically identify the ecological space of Liangjiang New Area.This article constructs an ecological sensitivity and importance evaluation system for ecosystem service functions based on multi-source remote sensing data,and identifies the ecological spatial range of Liangjiang New Area by combining it with ecological land types.The main conclusions are as follows:(1)The ecological sensitivity of the study area is mainly sensitive,with a highly sensitive area of 418.55 km2,accounting for 36.03%.(2)The ecological importance types of the study area are relatively average,with a moderately important area of 706.67 km2,accounting for 60.85%of the area.(3)The ecological space area of Liangjiang New Area identified in this article is 336.78 km2,accounting for about 29%of the research area,the ecological land type is mainly forest land.Keywords:data fusion;ecological sensitivity assessment;ecosystem service functions;ecological space delineation 随着不断加快的工业化和城镇化进程,生态环境日益脆弱,如何加强生态环境保护和建立完善的生态系统管理体系尤为重要1。党中央多次强调全面摸清国土空间本底要素、合理划定三区三线的重要性。生态空间作为国土空间的重要组成部分,合理划定生态空间有利于维持经济发展和生态保护动态平衡,是推进国土空间格局可持续发展的基础2。生态空间是指主体功能为提供生态服务或生态产品、具有自然属性特征的国土区域,目前围绕生态空间的学术研究聚焦于生态空间现状及时空演变过程3、生态用地现状分析4、生态空间格局构建5、生态空间用途管控6等方面。学术界对于如第 4 期韩文友等:重庆市两江新区生态空间识别方法 何划定生态空间还没有形成统一的技术标准。目前关于生态空间的划定方法大致分为两类,一类认为生态空间是林地、草地、湿地、风景名胜区、自然保护区和未利用土地等绿色植物或水体覆盖的类型,可通过多光谱影像来划定,该方法操作简单,但是样本斑块的选取较为主观。另一类则是依据 生态保护红线划定指南 中,基于生态敏感性和生态系统服务功能构建区域自然属性的评价指标体系,从而划分生态空间。其中,生态敏感性是指经过自然及人为因素干扰后区域生态系统自身的稳定性水平7,生态功能重要性反映区域生命系统与环境的动态平衡状况8,基于以上两个方面开展生态空间识别,可以全面地考虑环境和社会要素,该方法目前已经取得了广泛的应用9-10。图 1 研究区概况Fig.1 Overview of the research area 两江新区为内陆首个国家级开放新区,近年来,随着两江新区发展战略地位持续提升和经济的快速发展,生态空间、农业空间和林业空间都遭受到严重挤压。为了维护经济快速发展与环境保护之间的动态平衡,科学识别两江新区的生态空间尤为重要,因此本文以重庆市两江新区为研究对象,从生态系统服务功能和生态敏感性两方面对两江新区开展县域尺度的识别分析,为两江新区生态文明建设和可持续发展筑牢基础,从而推动长江上游生态屏障的构建。1 研究区概况和数据源1.1 研究区概况两江新区地处重庆市主城区长江、嘉陵江交汇处,介于北纬29335429542和东经1062641064535之间,覆盖重庆市渝北区、江北区、北碚区 33 个镇街以及原北部新区、两路寸滩保税港区、两江工业园区等功能经济区。气候类型属亚热带季风湿润气候,地形起伏变化丰富,主要分为丘陵和平地两个层次。研究区土地利用类型以建筑物为主,其次是林地。全区内建设用地规模大,扩张速度快,生态空间和农业空间被挤压,土壤结构遭到破坏,两江消落带的植被也遭受破坏,给生态环境带来一定风险。1.2 数据源本文使用的降水数据来自于国家气象中心提供的 2015 年至 2020 年站点降水数据集。高程数据来源于地理空间数据云提供的 ASTER GDEM 30M 数字高程数据。归一化植被指数(NDVI)来源于地理空间数据云提供的 2020 年 Landsat 8 遥感影像经计算得到。土 壤 类 型 数 据 则 来 源 于 世 界 土 壤 数 据 库74 环 境 影 响 评 价第 45 卷(HWSD),根据砂粒、粉粒、黏粒含量划分土壤质地分布。长时序的 NDVI 数据来源于 LAADS DAAC提供的 MODIS13A1 数据集。土地利用数据来源于2020 年两江新区国土变更调查得到的土地现状数据。人口数据来源于国家统计局提供的 2020 年重庆市县级人口数。所有数据经 ARCGIS 采样成 90m 空间分辨率数据。2 研究方法2.1 生态敏感性因子(1)指标选取本文中生态敏感因子选取考虑了自然因素和人为因素,其中自然因素参考原国家环保总局生态功能区划技术规程以及部分文献11-12,选取了植被覆盖度、降水侵蚀力、地形起伏度、土壤质地等因子;人为因素参考相关学术研究13-14,选取人口密度、土地利用方式敏感因子。其中,降水侵蚀力计算方法参考周伏建建立15的多年 R 值估算方式。各个因子的分级赋值则是参考 生态保护红线划定方法以及相关文献综合判定。(2)权重赋值评价指标权重影响着最终评价结果的准确程度,指标的选择既要考虑到评价因子本身的变异性和相关性,又要考虑到区域生态环境现状,所以本文采用主客观赋权相结合的方式来确定评价指标权重。参考已有的最优组合赋权法的研究,选择将熵权法和专家打分法结合的方法16,熵权法是根据评价因子的相对变化程度对系统的影响来决定因子的权重,这与生态敏感性的作用机理相似。将熵权法与专家法得到的权的平均值作为各个因子的权重值,最后的因子评价指标体系见表 1。(3)生态系统敏感综合评价。本研究将生成的土壤可蚀性因子评价值、降雨侵蚀力评价值、地形起伏度评价值、植被覆盖度评价值、土地利用方式评价值、人口评价值进行加权求和得到总体生态敏感性评价值,最后将加权的结果根据自然断点法分为不敏感、轻度敏感、中度敏感、高度敏感和极敏感 5 个等级。2.2 生态系统服务功能目前,生态系统服务功能常采用模型评估法和净初级生产力(NPP)评估法。其中,模型评估法依赖较大的参数和较大的数据量;定量指标法以 NPP数据为主,依赖参数较少,评价方式较为简单。综合考虑研究区大小和数据可获取情况,本文采用NPP 定量指标法。目前,大多数研究使用 MODIS 遥感影像来获取 NPP,MODIS 有着高时间分辨率的优势,但是对空间细节信息的呈现略显不足,尤其是小尺度的研究。本文将高精度的 Landsat 8 OLI 与长时序的 MODIS13A1 数据基于 ESTARFM(增强型时空自适应反射率融合模型)进行融合,采用校正后的CASA 模型17,来估算获取区域高分辨率的 NPP,从而对生态系统服务功能进行评价。表 1 生态敏感性因子评价指标体系Table 1 The ecological sensitivity evaluation index system生态敏感因子分级标准生态敏感性等级分级赋值权重值降雨侵蚀力600极敏感50.14土壤可蚀性石砾、沙不敏感1粗砂土、细砂土、黏土轻度敏感2面砂土、壤土中度敏感3砂壤土、粉黏土、壤黏土高度敏感4砂粉土、粉土极敏感50.11地形起伏度 LS020不敏感12050轻度敏感250100中度敏感3100300高度敏感4300极敏感50.16植被覆盖度0.8不敏感10.60.8轻度敏感20.40.6中度敏感30.20.4高度敏感40.2极敏感50.16土地利用方式建设用地不敏感1耕地轻度敏感2草地园林中度敏感3水体高度敏感4林地极敏感50.26人口16 000 km2不敏感1600016 000 km2轻度敏感230006000 km2中度敏感310003000 km2高度敏感401000 km2极敏感50.1784第 4 期韩文友等:重庆市两江新区生态空间识别方法 2.2.1 植物净初级生产力估算方法(1)基于 ESTARFM 的数据融合。本文基于ESTARFM18,融合 Landsat 8 与 MODIS 数据构建长时序 Landsat 数据,ESTARFM 模型原理是通过移动窗口内搜索相似像元,通过对相似像元计算加权平均值来预测高分辨率影像的反射率,其公式如下:L(xw2,yw2,tp,B)=L(xw2,yw2,to,B)+Ni=1WiVi(M(xi,yi,tp,B)-M(xi,yi,t0,B)式中,W 为移动窗口大小;(xw2,yw2)为预期时期中心像元坐标;N 表示相似像元个数;(xi,yi)表示第 i 个相似像元的坐标;Wi为第 i 个像元的权重值;Vi为计算得到的第 i 个像元的转换系数。(2)校正的 NPP 估算模型。本文采用 CASA 模型来估算植被 NPP,该模型利用光合有效辐射(APAR)和光能利用率()来表示,公式如下:NPP(x,t)=APAR(x,t)(x,t)式中,APAR(x,t)为像元 x 在 t 月吸收的光合有效辐射(gCm2);(x,t)为像元 x 在 t 月的实际光年利用率,gCm2。APAR 是基于太阳总辐射与光合有效辐射的吸收比例来确定,公式如下:APAR(x,t)=SOL(x,t)FPAR(x,t)0.5 式中,SOL(x,t)表示像元 t 月的太阳总辐射,(gCm2);FPAR(x,t)表示植被对入射光有效辐射的吸收比例,常数 0.5 表示植被所能利用的有效辐射占太阳总辐射的比例19。本文 SOL(x,t)的估算将天文辐射作为研究区来计算研究区太阳总辐射,具体算法参考文献20。植被对太阳的有效辐射吸收比例取决于植被类型和植被覆盖度。本文利用 NASA-MOD15 算法中设计的 NDVI-FPAR 查找表计算每月截取的光合有效辐射比率21。光能利用率则是基于低温和高温以及水分对光能利用率的胁迫作用,公式如下:(x,t)=T1(x,t)T2(x,t)W(x,t)max 式中,T1(x,t)和 T2(x,t)表示低温和高温对光能利用率的胁迫作用,详细计算参考22,W(x,t)反映了有效水分条件对光能利用率的胁迫作用;max是理想状态下的最大光能利用率,(gCMJ),本文取值参考文献18。由于 W(x,t)水分胁迫系数与植被水分含量直接相关,本文通过反演对水分敏感的植被指数(LSWI)来估算 W的变化情况19,公式如下:W(x,t)=1+LSWI1+LSWImax2.2.2 生态系统服务功能评价方法(1)水源涵养功能重要性。水源涵养是生态系统通过自身结构对降水进行截留、渗透、储存,再通过蒸散发来调控水循环,相应公式如下:WR=NPPmean Fsic Fpre(1-Fslo)R 式中,WR 为生态系统水源涵养服务能力指数;NPPmean为植被净初级生产力平均值;Fsic为土壤渗流因子;Fpre为平均降水量因子;Fslo为坡度因子,为了更好呈现生态系统储水能力,本文为与裸地比较,加入森林生态系统减少径流的效益系数 R,该数据参考重庆市重要生态功能区生态系统服务动态变化研究成果。该式中 Fsic、Fslo计算方法参考 生态保护红线划定方法。(2)水土保持功能重要性。水土保持是生态系统通过自身结构减少水蚀导致的土壤侵蚀的作用,其公式为:Spro=NPPmean(1-K)(1-Fslo)式中,Spro为水土保持服务能力指数;NPPmean为植被净初级生产力;Fslo为坡度因子;K 为土壤可蚀性因子。K 计算方法参考 生态保护红线划定方法。(3)生物多样性维护功能重要性。以生物多样性维护服务能力指数作为评估指标,公式为:Sbio=NPPmean Fpre Ftem(1-Falt)式中,Sbio为生物多样性维护服务能力指数;NPPmean为年植被净初级生产力;Fpre为年平均降水量;Ftem为年平均气温;Falt为海拔因子。(4)生态系统综合服务功能评估。ESI=Max ESI1,ESI2,ESI3 式中,ESI 为生态系统综合服务功能评价;ESI1为水源涵养功能重要性评价;ESI2为水土保持功能重要性评价;ESI3为生物多样性功能重要性评价,ESI1、ESI2、ESI3为获取的服务指数经过自然断点法分为 5 级。3 结果与分析3.1 生态敏感性评价本文得到的两江新区生态敏感性评价结果如图94 环 境 影 响 评 价第 45 卷2 所示,统计结果如表 2 所示,研究区生态敏感性以敏感为主,高度敏感以上区域为 418.55 km2,占比为 36.04%,主要分布在研究区地势较高、阔叶林较多的两山地区,以及木耳镇、古路镇的北部区域,这些区域是两江新区重要的生态保育区,生态系统内物种丰富,植被茂盛,雨水充沛,对人为干扰更为敏感。中度敏感区面积为 218.89 km2,占比为18.85%,零散分布于石船镇、古路镇等地。轻度敏感区 域 面 积 为 226.16 km2,约 占 总 评 估 面 积 的19.47%。中轻度敏感区主要分布于水土街道和复兴街道等区域,随着城市开发建设,存在水土流失等潜在风险。不敏感区域面积为 297.83 km2,面积占比为 25.64%,主要分布于地势较低的翠云、观音桥、鸳鸯等城市化水平较高的街道,区域内建筑用地多,土壤层薄。图 2 生态系统敏感性评价图Fig.2 Ecosystemsensitivity assessment map表 2 生态系统敏感性评价统计结果Table 2 Statisticalresults of ecosystem sensitivity assessment重要性分级面积km2占总面积百分比%生态系统敏感性极度敏感224.0819.29高度敏感194.4716.74中度敏感218.8918.85轻度敏感226.1619.47不敏感297.8325.643.2 生态系统服务功能重要性评价(1)NPP 计算结果。为了验证基于 ESTARFM 融合 MODIS 数据和 Landsat8 数据获取的 NDVI 时间序列的精度,选取了 6 幅不同土地利用类型、不同时间的数据进行融合,融合结果如图 3 所示,融合后的 NDVI 数据空间细节信息更为丰富,空间分辨率显著提高,与 OLI NDVI 相比,空间分布趋势基本一致。本文通过计算 ESTARFM-NDVI 与 OLI-NDVI的相关系数与均方根误差来验证融合精度,结果显示融合后的 NDVI 与真实 OLI NDVI 相关系数为0.943,均方根误差为 0.09。本文估算的植物净初级生产力如图 4 所示,研究区平均净初级生产力为 377.70 g C/m2,最大为782.75 g C/m2,NPP 空间信息较为丰富,河流、林地、建设用地等地物间轮廓较为明显,NPP 差异明显。由于研究区无相应的实测 NPP 数据,本文采用MOD17A3 产品用来对比(如图 4),MOD17A3 产品没有城市区域的 NPP 数据,可以看出,融合后的NPP 和 MOD17A3 产品获取的 NPP 空间分布一致,林地区域的 NPP 显著高于其他区域 NPP,融合后的NPP 显著低于 MOD17A3 产品,与不同数据源之间的光谱差异、研究区尺度较小以及 CASA 模型部分参数选取有关。简太敏23基于 CASA 估算的 2007 年重庆市 NPP 平均值为 112.343799.391 g C/m2,张锐24基于 CASA 获取的重庆地区 20022011 年植被NPP 均值为 500.45 g C/m2。可以看出不同的数据源、时间尺度和空间尺度和模型部分参数选取,得到的值差异较大。由于本文生态评价主要体现的是空间上的变化趋势,本文融合的 NPP 可以用来分析生态系统服务功能重要性。(2)生态系统服务功能重要性评价。本文获取的水源涵养功能重要性、水土保持功能重要性、生物多样性功能重要性如图 5 所示,生态系统服务功能重要性综合评价图如图 6 所示,生态系统服务评估统计结果见表 3。水源涵养功能重要性评价:研究区大部分区域都为建筑用地,水源涵养主要表现为不重要,面积约为 550.56 km2,面积占比为47.40%,主要分布在鸳鸯、回兴、翠云等一些街道。面积占比较少的为极重要区,为 98.32 km2,占比 8.47%,主要分布在两山区域以及木耳镇、石船镇、古路镇北部区域,这些区域阔叶林覆盖度较高,径流损失效益少,生态系统储水能力较强。水土保持功能重要性评价:水土保持功能类型面积分布较为平均,不重要区面积约为 298.75 km2,05第 4 期韩文友等:重庆市两江新区生态空间识别方法 占比为25.72%,一般重要区面积为 256.78 km2,占比为 22.11%,不重要区和一般重要区主要分布在鸳鸯、回兴、翠云等一些街道。水土保持功能中等重要以上区域面积为 605.89 km2,其中极重要区面积为 172.98 km2,面积占比为14.89%,主要分布在铜锣山、明月山等生态保育区。图 3 数据融合成果,上图为 ESTARFM 融合后的 NDVI,下图为 OLI 计算得到的 NDVIFig.3 Data fusion results,the above figure shows the NDVI after ESTARFM fusion,and the following figure shows the NDVI calculated by OLI图 4 2020 年研究区年植物净初级生产力(a)经过融合处理过的 NPP(b)MYD17A3HGF 产品Fig.4 Annual net primary productivity of plants in the study area in 2020(a)NPP after fusion treatment(b)MYD17A3HGF products 生物多样性功能重要性评价:生物多样性功能重要性自西南向东北区域递增,主要表现为不重要,面积约为 529.74 km2,占比为 45.61%,分布在鸳鸯、回兴、翠云等一些街道。中等重要以上区域为605.89 km2,其中,极重要区面积约为 172.64 km2,面积占比为14.86%;重要区为 228.65 km2,面积占比为 19.69%。极重要区和重要区主要分布在两山以及木耳镇、古路镇区域等生态保育区,区域内植被类型多、植被生产茂盛,降水充沛。生态系统服务功能综合性评价:研究区生态系统服务功能类型分布较为平均,重要性类型总体呈条带状和斑块状交错分布。不重要区面积约为230.44 km2,面积占比为 19.84%,一般重要区面积为 224.32 km2,面积占比为19.31%,这些区域主要分布在鸳鸯、回兴、翠云、观音桥等一些街道,城市化水平较高,整体生态系统服务功能较弱。生态系统综合服务功能重要及以上区域为 493.05 km2,面积占比为 42.45%,主要分布在石船镇、木耳镇北部、两山地区。其中,重要区面积约为 257.54 km2,面积占比 22.17%,极重要区面积约为 235.50 km2,15 环 境 影 响 评 价第 45 卷面积占比为 20.28%,这些区域地势高,城市化程度较低,植被覆盖度较多,水源涵养能力较强,水土保持能力高,生物多样性价值高。图 5 生态系统服务功能重要性评价(a)水源涵养功能重要性;(b)水土保持功能重要性;(c)生物多样性功能重要性Fig.5 Evaluation of the importance of ecosystem service functions:(a)the importance of water conservation function;(b)the importance of soil and water conservation functions;(c)functional importance of biodiversity表 3 生态系统服务评估统计结果Table 3 Statisticalresults of ecosystem service assessment服务功能重要性分级面积km2占总面积百分比水源涵养极重要98.328.47重要177.4515.28中等重要166.6114.35一般重要168.4914.51不重要550.5647.40水土保持极重要172.9814.89重要228.6519.69中等重要204.2617.59一般重要256.7822.11不重要298.7525.72生物多样性极重要73.506.33重要137.5511.84中等重要172.6414.86一般重要248.0021.35不重要529.7445.61综合服务功能极重要235.5020.28重要257.5422.17中等重要213.6318.39一般重要224.3219.31不重要230.4419.843.3 生态空间提取 研究区内土地利用类型占比最大的是建筑用地和林地,建筑用地为 36.11%,林地为 36.03%,其次为农田,占比约为 19.10%,草地和水系占比相对较少。本文基于 ARCGIS 平台,在生态用地基础上,将生态服务功能重要及以上的区域和生态系统中度敏感以上的区域提取出来,删除面积小于 1 km2的破碎及细小板块,最后获取研究区的生态空间识别结果,如图 7 所示。两江新区生态空间面积为336.78 km2,约占研究区的 29%,主要分布在木耳镇、石船镇、古路镇,生态空间基本以林地为主。图 6 生态系统服务功能重要性综合评价Fig.6 Comprehensive evaluation of the importance of ecosystem service functions图 7 生态空间分布范围Fig.7 Ecological spatial distribution range25第 4 期韩文友等:重庆市两江新区生态空间识别方法 4 结论与讨论生态空间是构建城市生态平衡的国土空间格局的重要基础。本文以重庆市两江新区为研究区,基于多源遥感数据获取了生态敏感性和生态系统服务功能重要性评价值,最后识别两江新区生态空间范围。主要结论如下:(1)研究区生态敏感性以敏感为主,高度敏感以上区域 418.55 km2,占比为 36.03%。(2)研究区生态系统重要性类型分布较为平均,生态系统服务功能中等重要以上区域面积占比为 60.85%。(3)本文中提取的生态空间面积为 336.78 km2,约占研究区的29%,生态用地类型以林地为主。本文对两江新区开展生态空间划定的研究旨为两江新区生态环境本底调查打下基础。不过所采用的基础数据大多都是通过一些数据网站获取,数据分辨率较粗。为此,在评价数据上进行了一些改进,采用了两江新区国土变更调查数据获取更高分辨率的土地利用类型数据。将高精度的 Landsat 8 OLI 与MODIS13A1 数据基于 ESTARFM 模型进行融合,采用改进后的 CASA 模型估算更高分辨的 NPP。但是,对于一些其他类型的数据,如土壤质地数据,则来源于世界土壤数据库(HWSD),分辨率较粗,一定程度影响评价的结果。另外在指标分级上,本文主要参考的是 生态保护红线划定指南,该指标比较适合于大流域大尺度的评价,对于小尺度的生态评价,存在一定误差,因此如何提高数据精度水平和找到更适合中小尺度的指标分级还需要深入研究。参考文献(References):1李振亚,魏伟,周亮,等.基于空间距离指数的中国西北干旱内陆河流域生态敏感性时空演变特征 以石羊河流域为例.生态学报,2019,39(20).2肖红,苏雪云,蒋昌晶,等.基于多源数据的广州市南沙区生态空间识别J.地理空间信息,2022,20(9)8-13.3凌子燕,李延顺,蒋卫国,等.山江海交错带城市群国土三生空间动态变化特征 以广西北部湾城市群为例J.经济地理,2022,42(2)18-24.4李彤,贾宝全,刘文瑞,等.京津冀地区生态用地稳定性格局及其影响因素分析J/OL.生态学报,2022(24)1-182022-10-11.5颜文涛,陈卉,万山霖,等.省级次区域国土生态空间格局构建与管控政策 以川西北生态示范区为例J.上海城市规划,2021(3)8-17.6何玲,贾启建,李超,等.基于生态系统服务价值和生态安全格局的土地利用格局模拟J.农业工程学报,2016,32(3)275-284.7吴献文,陈颖彪.基于自然资源本底数据的珠三角城市群生态敏感性评估分析J.生态环境学报,2021,30(5)8.8徐李麒麟,佘济云.基于 InVEST 模型的自然保护地生态系统服务功能研究J.绿色科技,2022,24(12)198-202,206.9熊善高,秦昌波,于雷,等.基于生态系统服务功能和生态敏感性的生态空间划定研究 以南宁市为例.生态学报,2018,38(22)7899-7911.10 徐华连,高伟龙,陈思,等.基于 GIS 的苏南地区城市生态空间划定 以苏州市为例J.生态学杂志,2020,39(2)614-624.11 刘吉平,任晴,徐艳艳等.吉林省中部农业区生态敏感性评价J.吉林师范大学学报(自然科学版),2021,42(3)115-121.12 王硕.辽宁省生态敏感性评价研究J.国土与自然资源研究,2021,No.190(01)35-38.13 魏柏浩,阿里木江卡斯木,如克亚热合曼,等.天山北坡城市群生态承载力演变与生态敏感性分析J.生态学报,2023,43(4)1399-1411.14 王曦,程三友,李英杰,等.基于 Landsat TM 和 OLI 数据的 30年间土地利用变化及生态敏感性研究 以西安市秦岭段鄠邑区为例J.第四纪研究,2022,42(6)1655-1672.15 周伏建,陈明华,林福兴,等.福建省降雨侵蚀力指标的初步探讨J.福建水土保持,1989(2)58-60.16 陈红光,李晓宁,李晨洋.基于变异系数熵权法的水资源系统恢复力评价 以黑龙江省 20072016 年水资源情况为例J.生态经济,2021,37(1)179-184.17 李传华,曹红娟,范也平,等.基于校正的 CASA 模型 NPP 遥感估算及分析 以河西走廊为例J.生态学报,2019,39(5)1616-1626.18 Zhu X L,Chen J,Gao F,et al.An enhanced spatial and temporal adaptive reflectance fusion model for complex heterogeneous regions.Remote Sens Environ,2010,114 2610-2623.19 朱文泉,陈云浩,徐丹,等.陆地植被净初级生产力计算模型研究进展J.生态学杂志,2005(3)296-300.20 和清华,谢云.我国太阳总辐射气候学计算方法研究J.自然资源学报,2010,25(2)308-319.21 赵芬.基于 CASA 模型的锡林郭勒盟草地净初级生产力遥感估算与验证D.北京 中国农业科学院,2015.22 Field,C.B.,Randerson J.T.,Malmstrom C.M.,et al.Global net primary production:Combining ecology and remote sensing.Remote Sensing of Environment,1995,51(1)74-8.23 简太敏.重庆市植被净初级生产力的遥感估算及分析J.安徽农业科学,2016,44(4)80-82.24 张锐,罗红霞,张茹蓓,等.重庆市植被净初级生产力估算及其生态服务价值评价J.西南大学学报(自然科学版),2015,37(12)40-46.35