日期：
2023-04-28 21:03:03
来源：学研录收集 编辑：丁小凯
标题 ：Evaluating land ecological security and examining its relationships with driving factors using GIS and generalized additive model期刊 ：Science of The Total EnvironmentDOI: https://doi.org/10.1016/j.scitotenv.2018.03.272一句话总结 ：基于专家打分与克里金插值法 对宁波市的土地生态安全进行了评价，并运用GAM探究了不同因子的影响程度。（1）该研究评估了过去四十年来中国宁波LES的时空模式。 （2）应用了五个级别的LES，包括非常安全、安全、中立、不安全和非常不安全。 （3）自1975年以来，宁波LES一直在恶化，现在市中心非常不安全。 （4）GAM获取LES和驱动因素之间的关系，并确定主导因素。 （5）主要因素是靠近城市基础设施和移动窗口建成区。 （1）土地生态安全（LES）是指土地资源和生态系统的环境健康和可持续性，能够为子孙后代提供稳定的生态服务和生态需求，近年土地利用的变化改变了地表-陆地生物地球化学循环，导致生态系统服务价值下降，并破坏了生态系统生产力。 （2）以往的研究多使用统计数据说明结果，这些数据描述了广泛的地理区域，没有估计特定地点的安全状况。相比之下，来自遥感和地理信息系统的因素可以帮助在空间上可视化评估和绘制LES格局，从而实现跨空间的量化。 （3）以往研究并没有揭示每个主导因素是如何与LES格局相关的。 研究区为宁波市，当地人口增长和经济繁荣导致了城市扩张和植被覆盖率下降，这反过来又影响了宁波的生态系统。其他因素，如土地复垦、工业化、污水和废物排放，对宁波的LES施加了压力。 研究区
（1）该研究定义了五个LES级别：非常不安全、不安全、中立、安全和非常安全（表2），按从不安全到安全的升序排列。分数由0到1之间的实数表示。
（2）邀请了五位专家，根据系统抽样，评估各个时间点（1975年、1990年、2006年、2015年）的LES状况。这些专家得分用作输入数据，以使用克里金插值描绘LES的空间模式图。 （3）为了取得可辩护的结果，邀请了五位来自不同背景的专家对LES进行评分。为了消除专家评估中的主观性，使用五位专家的平均得分作为最终评估得分。我们从2×2km的每个网格中采样一个点，每年获得2678个点，从而在所有四年中获得10712个采样点。 （1）生态系统和环境主要受人类活动的影响，如城市扩张、基础设施建设、景观改造和土地利用，属于空间利用。由于人口增长和快速工业化，对自然和土地资源的需求增加，也给LES带来了巨大压力。 （2）选择了六个驱动因素（表3）来评估LES，其中包括到宁波市中心（Dcity）、市中心（Ddistrict）、主要道路（Droads）和主要污染源（Dcurlet）的距离，以及移动窗口NDBI（Dndbi）和NDVI（Dndvi） 。
（1）广义加性模型（GAM）是广义线性模型和加性模型的结合。该方法使用链接函数来捕捉解释变量的期望和非参数解释变量之间的关系。该方法在分析复杂的非线性关系以实现更好的预测方面具有优势。 （2）使用Akaike信息准则（AIC）来选择具有不同解释变量的适当模型。我们还使用F统计量和p评分来评估每个因素的显著性。GAM是使用R-Gui 3.3构建和评估的。 （1）利用基于逐像素比较的Pontius矩阵来分析1975年至2015年间LES模式的变化。 （2）两个映射之间的差异预算可以链接到“数量”和“分配”。分配包括交换和转移部分，而数量表示两张地图之间相同类别的完全数量差异。分配差异是Exchange和Shift两个组件的总和。当一个像素在第一地图中被分类为类别a，在第二地图中被归类为类别B，同时配对的像素在第一图中被分类成类别B，在第二图中被归类成类别a时，对于一对像素存在交换。分配差异的Shift组件可能与Exchange不同。 （1）结果表明，从1975年到2015年，LES得分的平均值、第一个四分位数、中位数和第三个四分位位数都有所增加，表明LES随着时间的推移逐渐恶化 。 （2）克里格插值生成的LES图显示出显著的空间差异和时间变化 。 （3）从1975年到2015年，宁波的LES从非常安全降级为安全，从安全降级为中立，从不安全降级为非常不安全，表明环境条件恶化 。 （1）从1975年到2015年，宁波的LES从非常安全降级为安全，从安全降级为中立，从不安全降级为非常不安全，表明环境条件恶化 。在整个期间，非常安全的类别减少了37.1%，而其他四个类别增加了。 （1）在GAM中较早地添加了更高的统计显著性因素 。1990年Dcurlet的p值为0.458，表明它在解决LES方面没有统计学意义。同时，AIC值从9143.8增加到9145.2，显示拟合性能的下降。因此，我们在构建1990年GAM时排除了这一驱动因素。其余五个驱动因素在所有四年中都具有统计学意义，因为它们的p值低于0.01 （2）在这四年中的每一年，LES分数都大幅下降，而驱动因素Dndbi增加，分数随着剩余驱动因素Dcity、Ddistrict、Droads、Dcomplet和Dndvi的变化而波动，然而，达到临界距离后，统计置信度下降。
驱动因素与LES评分之间的关系，置信区间为95%（虚线） （1）民营工业化对宁波经济的贡献很大，但也导致了污染影响，加剧了生态问题 。相比之下，2006年至2015年间，北仑区北部（宁波港）的LES已从非常不安全改善为不安全 。这可能归因于生态保护措施和城市公园的建设 。此外，污染可以说是影响LES的最重要因素之一 。 （2）大面积的城市用地可能导致地表温度上升和城市热岛效应 ，使城市在炎热的天气下不太舒适。许多建筑破坏了自然景观，破坏了其完整性，加剧了LES的退化 。 （3）不同领域专家的评价得分在一定程度上不那么客观，但他们的平均得分可能更好地反映与生态系统相关的各个方面。同时，专家评估易于进行，可以量化每个网格的LES。因此，该方法是研究LES的良好选择，这些结果有助于支持生态保护和环境恢复的决策。 （1）本文应用专家评估方法对宁波的LES进行了评估，并绘制了1975年至2015年四个时间点的LES时空模式。本文的一个贡献是使用格网单元对LES进行空间评估和可视化，提供了关于特定位置LES程度和变化的直观信息。 比较不同时间的格局显示，LES随时间的变化很大，表明宁波中心城区及其周边大部分地区的LES持续恶化，但一些地区的生态条件也有所改善 。 （2）本文的另一个主要贡献是量化了因素对LES的影响，揭示了宁波LES的变化 。这为地方政府优化城市规划和实施土地利用法规提供了见解，从而改善环境和生态系统，创造更环保的城市。本文分析适用于研究伴随城市快速发展而发生的LES变化。 （3）全球气候变化和海平面上升将极大地影响宁波等沿海城市的社会适应性 。应该做更多的工作来预测未来的LES模式，并评估海平面上升对沿海地区LES的影响。 PS：点击原文链接查看或输入百度链接下载原文：
https://pan.baidu.com/s/1KKwwAa5aYhJg8mrvYXOdcA?pwd=hytf 提取码: hytf。
—END—
声明：资料源于网络，仅供学习，禁止商用，如有侵权联系我们立即删除。