Institutional Repository of Xinjiang Institute of Ecology and Geography, CAS
Not a member yet
7341 research outputs found
Sort by
Effects of Dew on Growth and Water Utilization of Populus euphratica Seedlings
No full text在干旱、半干旱地区，凝结水作为植物水分来源的重要补充， 对植物的生长和水分利用具有重要意义。然而，在干旱环境下植物叶片是否能够直接吸收利用凝结水目前还缺乏直接的证据。本研究通过双因子控制实验和氢同位素 D 示踪实验来揭示胡杨幼苗生长特性和叶片荧光特征对不同凝结水量的响应，以及胡杨叶片吸收并利用凝结水的过程。实验设计为三种土壤水分梯度， 水分充足80%~85%（s0）、 轻度干旱 60%~65%（s1）、中度干旱 40%~45%（s2），凝结水处理设计为较多凝结水（w2）， 适量凝结水（w1） 和无凝结水（w0）。研究结果表明： 不同土壤水分条件下，胡杨幼苗叶片生物量和总生物量在不同凝结水处理间存在显著差异（p < 0.05）。同时，幼苗的株高和根表面积对不同凝结水量处理均也存在显著差异（p < 0.05）。适量凝结水处理可提高叶片实际光量子产量（ФPSII）、最大光量子产量（Fv/Fm）和相对电子传递速率（ETR）。稳定同位素 D 示踪结果表明：不同干旱胁迫下，凝结水处理过的胡杨幼苗叶片、枝条、茎、根和土壤水中??含量都显著高于未处理组（P < 0.05），其中又以土壤中??含量最高，叶片次之，枝条和茎最低。相对于水分充足和轻度干旱胁迫，中度干旱胁迫下凝结水对胡杨幼苗体内水分和土壤水分的贡献率最高。这表明胡杨幼苗叶片不仅能直接吸收凝结水，而且可以通过体内水分运输通道把大量水分转移到其他部位以及土壤中。综上所述，凝结水不仅能够促进干旱胁迫下胡杨幼苗的生长和发育，而且可以显著提高中度干旱条件下幼苗的叶片荧光参数（ФPSII， ETR）。 胡杨幼苗叶片不但能够吸收凝结水， 而且可以将其转移到植物体内，并转存到土壤中。 显然，胡杨叶片对凝结水的吸收和分配改善了生长季的水分条件，是胡杨应对短期干旱和土壤水分缺乏的一种重要生存策略
Research on Characteristics and Changes of Yardangs Morphological Parameters
No full text雅丹作为一种典型的风蚀地貌，其形态的差异不仅造就了丰富多彩的自然景观，同时反映雅丹发育的不同阶段和所受外营力环境差异。 因此研究雅丹形态，描述形态参数特征， 可以揭示雅丹发育变化特征，同时对地貌学风蚀过程等基础理论研究具有重要意义。本文在前人的研究基础上，选择雅丹形态典型且多样的罗布泊地区作为研究区， 通过 UAV 和遥感影像分别开展雅丹形态信息的采集和提取工作，在此基础上完成了雅丹形态参数体系的构建。借助这一参数体系，通过典型形态雅丹的测量，尝试描述形态参数的基本特征，并在扩大雅丹测量范围后，讨论了由不同类型雅丹形态表现所导致的形态参数变化。本文取得的主要进展与结论如下：（1） 构建了雅丹形态参数体系利用采集得到雅丹形态信息并结合实地的简单测量，首先对雅丹各特征部位及相关名词进行了命名，共得到 23 个雅丹特征部位名词。其次根据以上雅丹特征部位名词，从规模、 形态、 空间分布等形态特征描述角度，阐释了较为科学、完备的雅丹形态参数定义，共定义了 105 个雅丹形态参数，并以这些参数定义为基础，明确了形态参数的测量规范。开展实验性测量检验了参数定义的完整性和测量规范的可行简便性，并对少量参数进行了讨论和补充。在形态参数定义和测量规范成型后，从参数的适用性和特征性两个方面，对各形态参数进行评价工作，从 105 个参数中选取了 29 个参数作为代表性参数，适应大范围雅丹测量工作，最终完成了多层次的雅丹形态参数体系构建。（2） 归纳了形态参数的基本特征并讨论了其各类变化利用雅丹形态参数体系，首先选取典型形态雅丹，然后对所有形态雅丹的形态参数特征开展了描述。结果显示：雅丹长宽比变化并不是线性的（如保持 4 : 1），而是呈现伴随雅丹长度和宽度的增大，逐步变小的变化趋势，具体表现为随着雅丹长度的逐步增大，宽度的增大趋势会显著放缓；雅丹长宽比与其规模（高度）间存在相互关系， 随着雅丹规模的增大，雅丹长度的变化要快于宽度的变化，长度的增加是雅丹长宽比变小的主要原因；邻雅丹数出现 3和 6两个集中分布区间，可能分别指示雅丹间的风蚀沟或风蚀洼地并未展开的雅丹初成聚集阶段以及雅丹间的风蚀沟或风蚀洼地得到发育的雅丹成熟疏离阶段；同时当雅丹规模不断变大时，雅丹之间距离也会随之不断拉大，最终造成雅丹的空间分布由密集转为稀疏，拥挤程度逐步下降。在完成参数数值变化的讨论后，结合不同的雅丹分布区域探讨了形态参数变化的区域差异，结果反映参数可以较好地描述区域雅丹的形态特征，其中楼兰中南部区域的雅丹形态与典型形态雅丹最为相似，从形态参数的变化特征可以推测楼兰南部雅丹处于初成时期，而楼兰中部和北部雅丹分别处于风蚀成熟和纵深发展时期，白龙堆雅丹则可能处于单一风力侵蚀作用下的雅丹发育稳定时期。（3） 描述了雅丹共基座现象结合测量中遇到的风蚀垄岗形态，定义数个雅丹分布在同一个基座体上的形态组合为为雅丹共基座现象。经过形态分析，认识到：雅丹共基座现象具有广泛性，不同高度的共基座雅丹是各自独立风蚀过程的结果，并非指示一个风蚀发展演变序列； 共基座雅丹与典型形态雅丹具有相似性， 是由单一风向风蚀残丘构成的复合型雅丹地貌， 区别并分别测量基座体和共基座雅丹， 可以得到所获得更具有丰富内涵和意义的雅丹形态测量数据；雅丹共基座现象是风蚀深切多层厚层抗风蚀较强地层的结果， 体现了风蚀的纵深发展，直接导致雅丹空间格局已经复杂化，从而影响雅丹形态的变化
Population dynamicof Agrilus mali (Coleoptera:Buprestidae) and Assessment of Control Effiencicy in Yili Xinjiang
No full text苹果小吉丁虫(Agrilus mali Matsumura)属鞘翅目(Coleoptera)、吉丁虫科(Buprestidae)、窄吉丁属(Agrilus)。 自 1993 年， 该虫在新疆野果林中传播蔓延以来， 第三纪孑遗植物-新疆野苹果(Malus sieversii )的生存受到了严重威胁， 目前已处于濒危的境况， 保护与拯救这一珍稀资源已迫在眉睫。然而， 苹果小吉丁虫主要以幼虫蛀干取食危害， 危害隐蔽性强， 防治难度大， 目前在野苹果林仍无高效且大面积应用的适宜方法， 因此筛选有效且适宜的系统防治措施显得十分必要。本文从苹果小吉丁虫与新疆野苹果的相互关系出发， 从区域空间尺度探究了新疆野苹果的生存与苹果小吉丁虫种群动态的关系，并连续三年(2016-2018 年)系统地评估了伊犁地区现有的四种管理策略，以期筛选出最佳的管理措施。 论文主要结论如下：1. 哈萨克斯坦(1969 年和 1970 年) 与伊犁(2016 年和 2017 年)的新疆野苹果种群为衰退型(Deevey-Ⅲ)， 2013 年哈萨克斯坦的种群为稳定型(Deevey-II)， 其中幼龄个体的缺乏是新疆野苹果种群趋于衰退的关键因子， 果实产量的降低可能会降低新疆野苹果土壤种子库的大小， 影响幼龄个体的更新，割草措施也显著影响幼苗的更新，在未割草区域实生苗的数量是割草区的 8 倍。 其次，新疆野苹果种群整体受害处于 1-3 级， 单、丛生间植物受害一致， 无差异。2. 苹果小吉丁虫的成虫和幼虫在平原区(牛场、综合农场)、靠近新疆野苹果林区(库勒村、加工厂)和新疆野苹果林区(阿勒玛塞)间的发育进度存在差异。其中，新疆野苹果林区比栽培园区的虫龄发育晚一个月左右， 在平原区，成虫羽化高峰期在 6-7 月， 而新疆野苹果林区在 7-8 月， 在防治时需要注意分区分时防治；平原区、靠近野苹果林区主要致死因子为未知因子（表现为虫子干瘪），其中平原区缺乏致死因子茧蜂的介入，而野苹果林区生物致死因子(菌类和茧蜂)是关键因子， 在野苹果林区的生物因子致死率为 10.34-18.1%，远高于其他区域； 此外，以 DYMEX 模型模拟的苹果小吉丁虫种群动态与实际相符， 该虫一年发生一代，各龄期发生时间与当年一致，短期预测效果比较好。3. 四种管理策略中，修剪与喷药的结合的效果最佳； 新虫斑密度和新羽化孔密度在两年内（2017-2018 年） 均降低至 0 个·m-1；控制试验表明：最佳修剪窗口时间为每年 9-10 月， 且在该时段实施修剪可避免集中处理残枝。 此外采用修剪和农药处理为核心的果园的虫口密度显著低于废弃果园， 建议废弃果园要及时采取处理以降低虫源， 阻止苹果小吉丁虫在不同区域之间传播（特别是从农区向山区的传播）
Study on cotton yield estimation in Xinjiang using remote sensing integrated with coupled WOFOST model
No full text棉花是我国重要的经济作物。及时准确的估测区域尺度棉花产量，对于合理安排生产，把握市场，增加农民收入，抵御或降低自然灾害等都具有重要的经济和科学意义。作物生长模型通过数学抽象的方式实现对作物生长发育生理过程的定量化描述，成为农作物长势监测、产量估测的重要手段，然而基于点尺度的作物生长模型受限于作物遗传参数、田间管理措施等信息的区域化获取手段匮乏，难以满足区域尺度的应用需求。作物模型本质上是对植株生长发育过程的数学模拟，其初始参数、物质能量转化的数学模拟过程等均存在不确定性，从而对模拟结果的准确性产生影响。 随着遥感信息在农业领域应用的深入，基于遥感技术获取区域尺度作物冠层状态，能够支撑作物生长模型的区域化应用。 通过遥感手段获取的农作物冠层状态信息作为对作物生长状态的客观反映，能够对作物模型的模拟过程进行约束，通过对模拟轨迹的矫正，使模拟结果更加接近实际生长状态。遥感信息与作物生长状态的耦合，能够最大程度的利用二者优势，实现区域尺度作物生长过程的客观表达。数据同化方法在农业领域的应用，为这一耦合过程提供了一个有效方法。针对国内外对遥感信息与 WOFOST 模型耦合研究中区域适用性及同化变量选取的问题，结合新疆棉花产量的区域化估算需求，开展了基于WOFOST 模型的新疆棉花遥感估产研究。主要研究成果如下：（1）基于棉田实验样点的实测光谱反射率数据与实测调查所获取的 LAI、地上生物量、土壤含水量、单产等地面数据，通过对作物遗传参数的全局敏感分析，选取了 SLATB2、 SLATB1、 TSUM1、 SPAN、 TMPFTB2 作为敏感参数集合，结合模型默认值和参考文献，标定 WOFOST 模型初始参数开展模拟，结果表明，模拟初花天数超过实测天数 5 天，相对误差约 7%，成熟天数超过实测天数 3 天，相对误差 2.1%；地上总干物质量及各器官干物质量的模拟方面，相对误差均小于 16%，地上总干物质量相对误差为 6.24%； LAI 模拟方面，模型对整个生长季LAI 模拟结果的线性拟合方程斜率为 0.998，具有较高精度；土壤含水量模拟方面，土壤含水量的模拟值与实测值拟合较好，但模拟值高于实测值，初步完成了WOFOST 模型在新疆棉花模拟的“本地化”工作。（2）选取了新疆棉花主产区沙湾县和阿拉尔市为研究区，综合运用时间序列谐波分析、粗糙集约简方法，通过基于多时相遥感影像的多特征优选，提取了研究区范围内棉花种植的空间分布情况，其生产精度达到 94.92%，用户精度达到 93.75%。（3）基于近红外(Near Infrared, NIR)和红光(Red)波段反射率特征，分析归纳了不同土壤含水量条件在 NIR-R 光谱中间中的分布规律，提出了一种新型的土壤含水量反演方法。在此方法基础上，对研究区土壤含水量进行遥感反演，结果表明，估算的沙湾县与阿拉尔市的土壤水分含量与实测值之间的 R2分别为 0.7186和 0.6776，均方根误差均小于 2%，可以满足模型同化对区域化土壤含水量产品的需求。另外，采用 NDVI 与 LAI 之间的指数关系模型，结合 Landsat-8 OLI 遥感影像，生成了生长季内多个时相棉田 LAI 产品，经地面样点实测数据验证，反演 LAI 与实测值之间的 RMSE 为 0.47 m2/m2。区域 LAI 整体格局符合棉花生长规律。反演结果可以作为同化变量在 WOFOST 模型模拟棉花生长过程中起到矫正作用。（4）在研究区棉花种植范围基础上，采用 SCE-UA 同化算法和 PF 同化算法，设计了两种同化方案以实现遥感反演的土壤含水量及 LAI 产品与本地化后WOFOST 模型的耦合，生成棉花生育期内的土壤含水量和 LAI 同化值，并与田间实测数据进行对比，验证同化精度。在基于 SCE-UA 算法的同化方案下，沙湾县和阿拉尔市的同化土壤含水量与实测值的 R2 分别达到 0.77 和 0.74， LAI 同化值与实测值的 R2 分别达到 0.73 和 0.71，同化产量与实际产量的 R2 分别为 0.56和 0.53， RMSE 分别为 418.57kg/ha 和 469.54kg/ha；在基于 PF 算法的同化方案下，沙湾县和阿拉尔市的同化土壤含水量与实测值的 R2 分别达到 0.75 和 0.71，LAI 同化值与实测值的 R2 分别达到 0.68 和 0.62，同化产量与实际产量的 R2 分别为 0.54 和 0.49。从区域尺度同化结果来看，基于 SCE-UA 同化方案下，沙湾县和阿拉尔市平均同化单产分别为 5634kg/ha 和 5487kg/ha；基于 PF 同化方案下，沙湾县和阿拉尔市平均同化单产分别为 5843kg/ha 和 5365kg/ha，与两研究区的产量统计数据相比，基于 SCE-UA 同化方案的产量估算更准确
Spatiotemporal Changes Characteristics of Vegetation Coverage in Gurbantunggut Desert from 2000 to 2018
No full text本研究基于 2000-2018 年 MODIS EVI 数据提取了古尔班通古特沙漠的植被覆盖度， 并采用一元线性回归、 经验正交函数分解和变异系数分析古尔班通古特沙漠植被覆盖度的时空变化特征， 采用偏相关分析了植被覆盖度对气温和降水的响应， 结合短命植物的生长特点提取了短命植物生长状况的空间分布。 本研究为沙漠分类、制图和数据库的构建提供可靠的数据基础，并且对于沙漠的动态监测、保护及利用具有十分重要的意义。 研究结果表明：（1） 采用像元二分法估算植被覆盖度时， 基于野外实测数据与遥感数据相结合确定的参数估算出的植被覆盖度精度要优于基于累积频率 5%和 95%确定的参数估算出的植被覆盖度的精度。 2000-2018 年古尔班通古特沙漠植被覆盖度最高的区域分布在沙漠西南部， 沙漠南缘的植被覆盖度比沙漠腹地的植被覆盖度要高， 沙漠腹地的东西两侧植被覆盖度最低。（2） 2000-2018 年古尔班通古特沙漠不同沙漠类型的植被覆盖度均呈现显著增加的趋势（p<0.01）， 整个古尔班通古特沙漠植被覆盖度的增长速率为 2.56%/10a， 这表明在 2000-2018 年间古尔班通古特沙漠的植被覆盖状况向好的趋势发展。 古尔班通古特沙漠固定沙丘的植被覆盖度最高， 半固定沙丘的植被覆盖度次之， 流动沙丘的植被覆盖度最低。（3） 古尔班通古特沙漠大部分区域（94.87%） 的植被覆盖度都呈上升的趋势， 仅有 5.13%区域的植被覆盖度呈降低趋势， 其中古尔班通古特沙漠植被覆盖度呈显著增加的区域占整个沙漠面积的比例为 26.01%（p<0.05） ， 0.4%的区域植被覆盖度显著降低（p<0.05） 。 古尔班通古特沙漠植被覆盖度增加的区域主要在沙漠的西部、 南部、 中北部及东部， 减少的区域主要分布在沙漠的北部。 植被覆盖度上升趋势明显的区域主要集中在古尔班通古特沙漠靠近克拉玛依地区的西南部和沙漠南缘。（4） 古尔班通古特沙漠植被覆盖度的整体波动程度不大， 植被覆盖度波动程度较大的区域主要集中在古尔班通古特沙漠的西部、 东部及南部的边缘地区，而沙漠腹地植被覆盖度的稳定性较高。（5） 2000-2015 年古尔班通古特沙漠区域的年均温度和降水呈显著增加的趋势（p<0.05） ， 有 66.46%区域的植被覆盖度与气温呈负相关， 主要分布在古尔班通古特沙漠的北部及西部， 有 33.64%区域的植被覆盖度与温度呈正相关，主要分布在古尔班通古特沙漠的南部及东部； 有 84.5%区域的植被覆盖度与降水呈正相关， 主要分布在古尔班通古特沙漠的西部和东部， 有 15.5%的区域与降水呈负相关， 主要分布在古尔班通古特沙漠的南部及北部。（6） 古尔班通古特沙漠中短命植物分布较多的区域主要分布在古尔班通古特沙漠的南部和中部， 北部次之， 沙漠的西部和东部较低
MODELING LANDSLIDE SUSCEPTIBILITY IN RWANDA,CENTRAL-EASTERN AFRICA
No full text位于非洲东部的内陆型国家卢旺达对气候变化敏感，经常发生洪水、山体滑坡、风暴、雷暴、干旱、火山活动和地震等自然灾害事件。这些自然灾害会引发严重的人员伤亡、 巨大的财产损失， 对各种基础设施损坏和环境造成严重的破坏。 其中， 频繁、剧烈的山体滑坡所造成的危害最大， 是卢旺达境内最为严重的自然灾害。为了实现降低滑坡风险和可持续的管理，很有必要进行敏感性制图， 以检测滑坡易发区域并为灾害风险监测提供信息。众所周知，滑坡敏感性评估和制图是滑坡风险分析中的关键步骤。因此，在滑坡风险管理中，应用适当的方法来生成准确的滑坡敏感图至关重要。本研究旨在利用半定量模型（SMCE-空间多标准评估方法）、 统计模型（证据权重方法 WoE、统计指数法 SI、频率比 FR 以及逻辑回归 LR）和基于过程的方法（稳定性指数映射-SINMAP模型） 对卢旺达进行详细的滑坡敏感性建模， 对不同建模结果进行分析比较并评估其性能。本研究将卢旺达作为研究区，在该区域内进行了实验和实地调查， 准备了 15 个滑坡因果因子图并应用于生成滑坡敏感性图，其中包括地形湿度指数（TWI）、坡度、海拔、 距主要道路的距离、坡度、土地覆被/土地利用、岩性、地形因子（LS）、归一化植被指数（NDVI）、降水量、曲率、河流溪流距离、土壤质地和土壤深度。SINMAP 模型结合 30 米空间分辨率数字高程模型（DEM），使用土壤物理参数（内摩擦角， 渗透性和粘聚力）。基于土壤的这些参数，计算出安全系数（FS）。因此，SMCE 方法采用了七层调节因子，包括土地利用/土地覆被、岩性、土壤深度、坡度、降水、 地震活动和土壤质地。在研究区域内，通过实地调查和已有的记录共确定了 980个历史滑坡遗址并绘制相应的地图。进而将其用于构建模型（训练点）并对模型的性能（测试数据集）进行验证。 应用 SMCE 模型，计算了库存地图调节因子之间的空间相关性。结果表明，约有 42.3％的研究区域呈现为中度和极高的敏感性。滑坡敏感型区域在研究区覆盖总人口的 49.3％。此外，易受影响程度高至极高的区域分别为西部，北部和南部（分别为 40.4％， 22.8％和 21.5％）。然而，卢旺达东部地区受滑坡灾害的影响较小， 滑坡敏感性低（87.8％）， 不存在滑坡高敏感性区域（0％）。研究结果表明，所采用的模型对滑坡敏感性的计算结果合理且准确。 此外， 49.5％的历史滑坡点在模拟结果中属于极高滑坡敏感性区， 进一步证实了该模型在研究区具有良好的适用性和预测能力。通过对 SMCE 和 SINMAP 模型的比较表明， SMCE 方法在预测敏感性方面比SINMAP 方法具有更好的性能。 本研究利用受试者操作特性曲线（ROC / AUC）和其他统计评价因子（包括准确性、 精度和均方根误差（RMSE））验证和比较模型的预测能力。 SMCE 和 SINMAP 的 AUC 值分别为 87.92％和 78.09％。 而且， SMCE 模型具有更高的准确度和精度，分别为 0.77 和 0.734。对于 RMSE 值， SMCE 较 SINMAP 更好，分别为 0.332 和 0.398。总体上， SINMAP 和 SMCE 模型的模拟结果都较为可靠。最后，对四个概率统计模型（FR、 SI、 LR 和 WoE）进行了比较，生成了卢旺达的滑坡敏感性图，并使用受试者操作特性曲线（ROC / AUC） 对其进行了验证。从该研究的结果可以看出， WoE， FR， LR 和 SI 模型对滑坡敏感性的预测率分别为 92.7％、86.9％、 81.2％和 79.5％。 其中， WoE 具有最高的 AUC 值（92.7％），而 SI 的 AUC 值最低（79.5％）。此外，卢旺达 20.42％的（5,048.07 平方公里）区域在模拟结果中为高度易受滑坡影响区，西部地区与其他地区相比更为敏感。 因此，通过对生成的四幅地图的比较可以看出，所有应用模型对卢旺达滑坡敏感性研究都是可靠的。本研究的结果可能对研究区域和具有相似地形和地貌条件的其他区域的滑坡风险缓解有很大的价值。在今后的研究中应该考虑更多的与敏感性制图相关的其他重要条件和因素，尤其是人为因素和降雨强度。该研究提供的结果可为今后的滑坡风险降低和管理提供相关的参考依据