新書推薦：
《
情绪的真相：关于情绪的内在力量
》
售價：HK$
74.8
《
偷偷啃月亮
》
售價：HK$
50.4
《
《阳明先生年谱》明刻本合集对照
》
售價：HK$
140.8
《
女人30+，养气血、调脾胃、防衰老（北京卫视《养生堂》《我是大医生》特邀中医养生专家第七批名老中医沈
》
售價：HK$
61.6
《
征服新世界：西班牙全球帝国之路，1493—1898
》
售價：HK$
96.8
《
不纠结了 摆脱选择焦虑的极简法则 高敏感、优柔寡断、总陷入选择内耗的 纠结星人 自救指南
》
售價：HK$
54.8
《
当战争来敲门（牛津二战史，耶鲁、剑桥大学教授推荐）
》
售價：HK$
96.8
《
初老的身体：更年期新规则指南（第2版）
》
售價：HK$
140.8
|
| 內容簡介： |
|
《近百年农田利用及碳储量时空演变研究：以沱江流域为例》面向农业资源与环境领域需求，基于地理大数据、土地资源学、土壤计量学和空间智能理论与方法，集成机器学习方法和陆地生态系统过程模型，创新性地提出历史农田空间分布重建和农田土壤碳储量时空演变规律模拟方法，全面分析西南传统农业区沱江流域近百年农田利用变化以及碳储量演变规律及关键驱动机制。
|
| 目錄：
|
|
目录第1章 历史土地面积和分布重建概述 11.1 历史土地利用面积重建 21.2 历史土地空间分布重建 21.2.1 历史土地空间分布重建方法 21.2.2 历史农田分布重建数据集 41.3 历史农田利用时空变化研究前沿 5第2章 农田土壤有机碳时空变化研究概述 72.1 土壤碳库与全球气候变化 72.2 农田土壤有机碳影响因素 82.2.1 气候 92.2.2 地形 92.2.3 土壤 102.2.4 土地利用 102.2.5 农田管理 112.3 土壤有机碳时空演变研究方法 132.3.1 以点代面法 142.3.2 计数统计法 142.3.3 数字土壤制图法 142.3.4 过程模型法 152.3.5 结合土壤学科知识的机器学习法 172.4 土壤有机碳过程模型研究前沿 172.4.1 过程模型在土壤有机碳时空模拟中的挑战 172.4.2 过程模型参数优化的改进潜力 18第3章 研究区概况 203.1 沱江流域概况 203.1.1 地理位置与区位条件 203.1.2 自然环境概况 213.1.3 社会经济概况 233.1.4 行政区划沿革 233.2 区域农业发展特征 263.2.1 农田垦殖历程 263.2.2 农业生产状况 263.2.3 种植制度分析 273.2.4 农业要素投入 28第4章 近百年沱江流域农田空间格局重建 294.1 数据来源与预处理 304.1.1 基础数据 304.1.2 数据预处理 314.2 历史农田面积重建 324.2.1 农田重建数据源的甄别 324.2.2 1911—2010年研究单元农田面积重建 344.2.3 典型时间断面的选择 364.3 历史农田空间分布重建 374.3.1 农田空间分布影响因素的选取 374.3.2 农田空间分布影响因素的重要性排序 444.3.3 农田空间分布重建模型的构建 474.3.4 农田面积与遥感数据的调和 494.4 结果与分析 504.4.1 1911—2010年农田面积时序演变特征 504.4.2 1911—2010年农田分布时空变化特征 544.4.3 1911—2010年县域垦殖率特征 604.4.4 历史农田重建结果精度检验 624.4.5 农田时空演变驱动机制分析 654.5 本章小结 66第5章 融合管理因子的沱江流域农田土壤有机碳分布现状预测 685.1 数据来源及预处理 695.1.1 土壤数据 695.1.2 环境协变量数据 695.1.3 农田管理数据 705.2 模型指标筛选 745.3 融合管理因子的机器学习模型 755.4 SOC预测模型精度评价 765.5 结果与分析 775.5.1 土壤有机碳含量及环境变量的描述性统计特征 775.5.2 融合管理因子后的模型模拟精度分析 795.5.3 农田土壤有机碳含量分布现状特征 805.5.4 农田土壤有机碳空间分布驱动因子分析 815.6 本章小结 83第6章 长时序农田土壤有机碳储量演变模拟方法构建 856.1 农田AMG模型简介 866.2 农田AMG模型的改进 876.2.1 基于Rock-Eval 热解分析法的CS/C0校正 876.2.2 潜在矿化速率k0的优化 886.3 农田碳输入量计算 886.4 模型精度评价 906.5 敏感性分析 916.6 结果与分析 916.6.1 农田AMG模型的模拟效果 916.6.2 改进的AMG模型与原模型精度比较 936.6.3 模型参数敏感性分析结果 966.6.4 模型残差分析 976.7 本章小结 100第7章 近百年沱江流域农田土壤有机碳演变模拟 1017.1 数据来源及预处理 1027.1.1 农田空间分布数据 1027.1.2 气候数据 1027.1.3 土壤数据 1037.1.4 农田管理数据 1037.2 区域农田土壤有机碳演变模拟方法 1037.3 模拟结果精度验证流程 1047.4 趋势检验方法及精度评价指标 1067.5 影响因素定量分析情景实验 1067.6 结果与分析 1077.6.1 不同尺度下农田土壤有机碳演变模拟结果验证 1077.6.2 沱江流域1911—2017年农田土壤有机碳储量时间变化分析 1117.6.3 沱江流域1911—2017年农田土壤有机碳储量空间变化分析 1127.6.4 近百年农田土壤有机碳储量变化驱动因子定量分析 1147.7 本章小结 116第8章 沱江流域未来农田土壤固碳减排优化管理策略探讨 1178.1 数据来源及预处理 1198.2 农田生态系统碳氮养分流动量化方法简介 1198.3 流域未来农业发展情景设定 1248.4 未来农田土壤有机碳储量预测 1258.5 结果与分析 1258.5.1 2010—2020年沱江流域农田生产-环境效益年际变化特征 1258.5.2 未来不同情景下的农田环境效益对比 1288.5.3 典型情景下的农田环境效益空间分布特征 1318.5.4 流域未来农田固碳减排优化措施探讨 1338.6 本章小结 135参考文献 136
|
| 內容試閱：
|
|
第1章 历史土地面积和分布重建概述 土地利用与土地覆被变化(land use and land cover change，LUCC)是全球变化研究的核心议题之一，其过程不仅反映了人类活动对陆地生态系统的重要驱动作用，也体现了人地系统的耦合机制(刘纪远等，2014)。由于LUCC的影响具有滞后效应，当前及未来的土地利用格局和生态环境状况往往受到历史土地利用行为的显著影响。因此，研究历史时期的土地利用变化对于理解人类活动如何干预自然生态系统具有重要意义。20世纪90年代以来，在国际地圈生物圈计划(International Geosphere-Biosphere Programme，IGBP)和全球环境变化的人文因素计划(International Human Dimension Programme on Global Environmental Change，IHDP)的共同推动下，历史时期LUCC研究取得了显著进展(刘纪远等，2009)。值得关注的是，农田空间格局作为土地利用系统的基础性要素，成为LUCC研究的关键领域。在生态-经济复合系统中，农田兼具自然过程调控与社会经济反馈的双重功能，这一*特的属性使其成为理解人类活动与自然环境互馈机制的重要研究对象(黄贤金等，2024)。 农田空间格局演变通过多重机制影响地球表层系统(于贵瑞等，2011；成臣等，2015；Molotoks et al.，2018；Zabel et al.，2019)。一方面，农田格局演变直接显著改变了区域水文过程、植被分布格局及土地碳储存能力；另一方面，其通过生物地球化学循环的级联效应对局地乃至全球尺度的气候调节产生深远影响(何冰晶等，2020)。在时间尺度上，农田格局时空演变不仅记录着区域土地利用的历史轨迹，更通过滞后效应持续影响着当前及未来生态系统的结构与功能(傅伯杰和张立伟，2014)。正因如此，农田数据集已发展成为气候变化评估、陆地系统碳循环研究等环境演变研究领域的核心基础数据(刘纪远等，2011)，高精度的历史农田空间格局重建对于深入解析人类活动与生态环境的相互作用机制具有不可或缺的作用(方修琦等，2019)。基于此，重建具有明确时间(定时)、数量(定量)和空间(定位)信息的历史农田空间格局，已成为全球变化研究领域重点关注的核心科学问题之一。 综上所述，农田空间格局重建不仅是全球及区域尺度气候与环境效应评估的关键数据基础，其重建精度还直接决定着相关模拟结果的可靠性。然而，中国的土地利用变化呈现出*特的区域特征，现有全球尺度数据集难以充分满足中国区域环境演变研究需求，且传统适宜性分配方法存在固有局限。因此，亟须深入挖掘中国区域的农田历史信息，构建高精度农田空间分布数据集，为区域和全球碳收支核算、气候评估及生态系统功能量化提供科学依据。 1.1 历史土地利用面积重建 历史土地利用面积重建研究为揭示土地利用变化的时空演变提供了重要数据支撑，已成为理解全球变化和区域生态演变的关键。学界通过直接重建与间接重建相结合的方法，建立了较为完善的重建框架，逐步构建起全球及区域层面的土地利用变化时序数据库，为相关研究奠定重要基础。 目前，主流的历史时期土地利用重建方法可分为三类：文献考据法、环境代用指标反演法和模型反演法。其特征与应用差异如下：①文献考据法，依托丰富的历史文字记载(如地籍档案、税册、游记)与古地图(如鱼鳞图册、地方志图)等资料，较为直接地提取土地利用信息，适用于数据记录较为完整的地区(Dupuis et al.，2011)。例如，有研究利用清代官方地方志及民国时期统计数据，采用线性插值、耕作趋势检验、行政区划调整等方法，重建了中国自1661年以来多个典型年份的省级农田面积(Jin et al.，2015；葛全胜等，2003)。然而，受制于数据的碎片化、空间覆盖度不足以及主观认知偏差等因素，直接利用文献考据法重建历史土地利用面积重建面临较大挑战。②环境代用指标反演法，利用孢粉、炭屑、湖泊沉积物等生物地球化学指标，反演植被类型及演变过程(如利用R值校正法量化花粉-植被关系)。例如，通过对中坝遗址文化堆积物的采集，结合树轮校正与考古年代测定，建立综合剖面时间序列，揭示人类土地利用活动的不同阶段及其变化特征。虽然该方法结合现代地质测年、碳追踪及考古学技术，可以跨越数百年甚至数万年重建土地利用的历史过程，但存在空间分辨率低、多解性等问题。③模型反演法，即基于贝叶斯统计或机器学习算法等模型算法，通过人口数量、经济活动等代理变量，结合合理假设推算土地利用变化，在数据匮乏地区得到广泛应用(Houghton et al.，1991)。尽管该方法在数据不足的情况下能提供合理估算，但其准确性高度依赖于假设条件和推断模型，如何合理选择代理变量并进行假设检验，仍是确保其有效性的关键。 综上，现今已经形成了较为系统的历史时期土地利用面积重建框架，在不同尺度上展开重建工作时，需结合可获取数据源综合确定重建方案，推动历史土地利用重建向“高精度-多机制-全尺度”方向发展。目前，基于行政单元的农田数据重建研究在空间分辨率和精度上存在局限，难以准确反映农田格局的空间异质性，因此，亟须提高数据的空间精细度和实际适用性，以有效支撑环境变化评估和政策制定。 1.2 历史土地空间分布重建 1.2.1 历史土地空间分布重建方法 为满足气候变化与生态环境效应模型对高精度时空数据的迫切需求，土地空间分布重建逐渐成为土地利用/覆被重建的关键环节。该过程通过整合土地面积重建成果与空间分配模型，在遥感技术支持下，将历史统计数据转化为具有空间分辨率的栅格数据集。当前已形成了“自上而下”和“自下而上”相结合的重建方法体系，通过分析历史时期土地利用/覆被的变化过程、机理和驱动机制，结合数学模型对人类土地利用行为进行抽象化处理，核心是将不同时间和空间尺度的土地利用信息转换为统一的栅格数据格式，以便进行进一步分析和模拟。 1.“自上而下”的配置模型 “自上而下”的配置模型基于宏观驱动机制构建空间分配规则，主要包括两种技术路径：一是环境适宜性驱动型，依据气候、土壤、交通等大尺度环境因素评估不同土地利用类型(如农业、城市、森林等)的空间分布适宜性，再通过空间优化技术(如线性规划、遗传算法等)进行*优土地利用配置(Li et al.，2019a；Wei et al.，2019)。该方法假设土地利用变化主要由外部大尺度因素驱动，在空间上具有普遍适用性。二是格局继承驱动型，基于人口密度或现代土地利用格局进行空间配置。该方法假设现代土地利用格局是人类长期改造自然的累积结果，因此，当代的人口密度和土地利用格局能够反映历史时期的土地利用特征。该方法不直接考虑土地适宜性，而是以人口密度或现代土地利用格局作为指示因子，依据其分布特征配置历史时期土地利用类型面积。“自上而下”配置模型常用于大范围的区域规划、土地资源管理及环境政策评估，具有全局性强、计算效率高的优势。然而，该模型在微观层面缺乏对局部因素的细致考量，容易忽视土地利用变化中的个体行为和社会经济动态，从而导致局部模拟结果的精度下降。 2.“自下而上”的演化模型 “自下而上”的演化模型从微观尺度出发，模拟土地利用变化的动态过程。该方法侧重分析个体土地使用者的决策行为及其相互作用，通常采用基于主体建模(agent-based modeling，ABM)等方法，模拟土地市场、政策变动、社会互动等因素对土地利用的影响。在演化模型中，每个土地使用者依据局部环境条件和决策规则选择土地利用方式，系统通过反馈机制逐步推演土地利用格局的演变。“自下而上”演化模型能够揭示局部的非线性动态效应和复杂交互作用，因此适用于需要深入理解土地利用变化驱动机制的研究，如土地市场、政策响应和生态反馈等领域。例如，研究者通过模拟土地利用主体的决策行为，结合土地扩展模式，实现对特定历史时期土地空间分布的重建(龙瀛等，2014；Yang et al.，2016)。“自下而上”演化模型在模拟土地利用主体行为方面具有显著优势，适用于精细化区域重建，可较真实地反映历史时期土地利用格局的变化。然而，该模型计算复杂度较高，尤其在大尺度应用时，需要模拟大量个体行为和交互过程，对计算资源和数据需求较大。此外，模型对高质量局部数据的依赖性较强，数据不足可能影响模拟结果的准确性。 “自上而下”的配置模型和“自下而上”的演化模型各自具有*特的优势与局限。在实际应用中，很多研究者倾向于结合两者的优点，采取混合建模的方式，以便既能考虑到宏观的空间适宜性与规划，又能模拟土地利用变化的局部互动与反馈。通过将两者结合，既可以保证模拟结果的宏观一致性，又能在局部层面捕捉到更精细的动态变化，提升模型的精度与可靠性。例如，在大范围的区域规划中，可以*先使用“自上而下”的配置模型来确定土地利用的大致分布框架，然后在局部区域内应用“自下而上”的演化模型，模拟具体的土地利用变化过程和动态反馈。此外，针对区域尺度的空间重建问题，研究者提出了多种创新性模型：包括采用引力框架的耕地引力模型(林珊珊等，2008)、引入现代垦殖率修正因子的优化模型(李士成等，2012)、约束性元胞自动机模型(龙瀛等，2014)以及系统区分限制性与非限制性因子的耕地分配模型(罗静等，2015)等，为历史土地空间分布重建提供方法参考。 1.2.2 历史农田分布重建数据集 当前学界在构建全球农田数据集方面已取得重要突破，形成了多个具有代表性的数据集体系。其中，全球历史环境数据集(history database of the global environment，HYDE)以全新世为时间跨度，完整记录了全球历史环境变迁；8000 BP—1850 AD(距今8000年前—公元1850年)的森林变化数据集(KK10)聚焦前工业时代人类活动对土地覆盖的影响，系统反映了人类活动与土地利用关系；PJ森林数据集针对过去千年的全球LUCC变化进行详细记录；可持续性与全球环境中心(Center for Sustainability and the Global Environment，CSAGE)构建的全球过去300年土地利用数据集(即SAGE数据集)，则创新性地建立了过去300年全球农用地系统数据框架。这些数据集的建立，为开展长时间尺度的全球气候变化模拟研究奠定了重要的基础支撑。 在具体数据集构建方法上，每个数据集都展现出*特的技术特征。SAGE数据集采用“回溯重建法”，以1992年全球土地利用格局为基准，系统整合各国历史耕地资料，通过精确计算不同历史时期行政单元的耕地覆被比重，结合空间分配算法，最终生成了分辨率为0.5°×0.5°的全球耕地空间分布数据，为1700—1992年的全球耕地变化研究提供了定量依据(Ramankutty and Foley，1999)。HYDE历经3.1～3.3版本的持续更新，在数据构建方法上不断优化，综合考虑现代土地利用格局、人口密度空间分布、土壤特征及水体分布等多元要素，通过赋予不同网格权重，精准模拟了过去12000多年全球耕地与牧草地的历史变迁过程(Goldewijk，2001；Klein Goldewijk et al.，2017)。整个数据集构建过程体现了从单纯数据采集向多元数据融合、从简单统计向复杂模型构建的发展路径。PJ森林数据集建立在HYDE和SAGE数据集基础上，对SAGE数据集中1700—1992年的数据进行修正，并假设1700年前的人均牧草地和人均耕地保持不变，以人口数量变化为基础获得800—1700年的耕地面积数据，并进行网格化处理，生成0.5°×0.5°的全球耕地空间分布数据(Pongratz et al.，2008)。KK10数据集假设伴随着人口数量的增加，质量较高的土地将*先被开垦为耕地而质量较低的土地后被开垦，且气候、土壤等因素也会影响耕地的分布，从
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
暢銷書架
