img

官方微信

高级检索

中国沙漠, 2025, 45(1): 1-9 doi: 10.7522/j.issn.1000-694X.2024.00078

共和盆地土地荒漠化敏感性评估

贾虹,, 刘连友, 刘吉夫,

北京师范大学 环境演变与自然灾害教育部重点实验室/防沙治沙教育部工程研究中心/地理科学学部,北京 100875

Desertification sensitivity assessment in the Gonghe Basin

Jia Hong,, Liu Lianyou, Liu Jifu,

Key Laboratory of Environmental Change and Natural Disaster of Ministry of Education / MOE Engineering Research Center of Desertification and Blown-Sand Control / Faculty of Geographical Science,Beijing Normal University,Beijing 100875,China

通讯作者: 刘吉夫(E-mail: liujifu@bnu.edu.cn

收稿日期: 2024-05-13   修回日期: 2024-05-28  

基金资助: 国家自然科学基金项目.  42330502.  42201168
第二次青藏高原综合科学考察研究项目.  2019QZKK0906

Received: 2024-05-13   Revised: 2024-05-28  

作者简介 About authors

贾虹(1995—),女,山西曲沃人,博士研究生,主要从事荒漠化演变及风险评估研究E-mail:782037465@qq.com , E-mail:782037465@qq.com

摘要

共和盆地位于青藏高原气候变化的敏感区域,由于极端的气候条件和不合理的人类活动,正面临严重的荒漠化威胁。基于气候质量指数(CQI)、植被质量指数(VQI)、土壤质量指数(SQI)和管理质量指数(MQI),利用MEDALUS模型,评估共和盆地2000—2020年荒漠化敏感性的时空分布特征,并利用地理探测器模型探究荒漠化敏感性的驱动机制。结果表明:(1)共和盆地土地荒漠化以中高敏感性为主,呈现出中部高、四周低的空间格局。(2)2000—2020年共和盆地荒漠化敏感性显著降低,高、极高荒漠化敏感性的土地面积明显减少。(3)气候质量指数、植被质量指数对荒漠化敏感性的影响高于土壤质量指数和管理质量指数;共和盆地的荒漠化敏感性受自然与人为因素共同影响,植被质量指数与管理质量指数相互作用是荒漠化敏感性的主导因素。

关键词: 荒漠化 ; MEDALUS ; 敏感性评估 ; 地理探测器 ; 共和盆地

Abstract

The Gonghe Basin is located in a sensitive area of climate change on the Qinghai-Tibet Plateau, and is facing serious desertification threats due to extreme climate conditions and irrational human activities. In this study, we used MEDALUS model to evaluate the spatiotemporal variation characteristics of desertification sensitivity from 2000 to 2020 based on the climate quality index (CQI), vegetation quality index (VQI), soil quality index (SQI) and management quality index (MQI), and then analyzed the driving mechanism of desertification sensitivity using Geodetector. The results showed: (1) The land desertification in the study area was mainly characterized by medium to high sensitivity, showing a spatial pattern of high sensitivity in the central region and low sensitivity in the surrounding areas. (2) From 2000 to 2020, the desertification sensitivity of the Gonghe Basin significantly decreased, and the land area with high and extremely high desertification sensitivity had markedly declined. (3) The influence of climate quality index and vegetation quality index on desertification sensitivity was higher than that of soil quality index and management quality index; the desertification sensitivity of Gonghe Basin was affected by both natural and human factors, and the interaction between vegetation quality index and management quality index was the dominant factor of desertification sensitivity.

Keywords: desertification ; MEDALUS ; sensitivity assessment ; Geodetector ; Gonghe Basin

PDF (5693KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

贾虹, 刘连友, 刘吉夫. 共和盆地土地荒漠化敏感性评估. 中国沙漠[J], 2025, 45(1): 1-9 doi:10.7522/j.issn.1000-694X.2024.00078

Jia Hong, Liu Lianyou, Liu Jifu. Desertification sensitivity assessment in the Gonghe Basin. Journal of Desert Research[J], 2025, 45(1): 1-9 doi:10.7522/j.issn.1000-694X.2024.00078

0 引言

荒漠化指在干旱、半干旱和亚湿润干旱地区由于气候变化和人类活动在内的多种因素造成的土地退化1。荒漠化已成为世界严重生态环境问题,每年造成高达5 400亿元的经济损失2-3。中国荒漠化面积已达172.12万km2[4,严重影响社会经济稳定和可持续发展。因此,有效识别最易发生荒漠化的区域,明确荒漠化潜在风险,具有重要意义。

荒漠化敏感性表示发生荒漠化的可能性大小。1994年《联合国防治荒漠化公约》提出对易受荒漠化影响区域的评估及预警要考虑气候、气象、水文、生态等自然因素1。荒漠化敏感性评估常采用MEDALUS模型,最初源于1999年的欧洲联盟资助的地中海荒漠化和土地利用项目(Mediterranean Desertification and Land Use)5,该模型综合了自然和人为因素对土地荒漠化的影响,被广泛用于地中海国家土地荒漠化评估6-9。随后,学者们逐渐改进MEDALUS模型,将其应用于非地中海国家荒漠化敏感性评估,如罗马尼亚10、泰国11、埃及12等,研究尺度逐渐扩大13。中国学者将MEDALUS模型应用于河西走廊14、科尔沁沙地15和中国北方4等地荒漠化敏感性研究16-17。但已有研究多侧重于分析荒漠化敏感性的空间分布特征,有待对荒漠化敏感性的时空特征及不同因子间相互作用对荒漠化敏感性的潜在影响进行深入研究。

共和盆地位于青藏高原气候变化敏感区域,是青藏高原土地荒漠化严重地区18,土地荒漠化已严重威胁龙羊峡水库的安全19,影响当地生态环境建设及社会经济的发展。而以往对共和盆地的研究集中在荒漠化的分布、成因及古环境演化等20-22,缺乏对荒漠化风险的认识。本文基于多源遥感数据,采用MEDALUS模型对共和盆地的荒漠化敏感性进行评估,分析荒漠化敏感性的时空分布特征及驱动机制,为区域荒漠化防治提供科学依据。

1 研究区概况与数据来源

1.1 研究区概况

共和盆地位于青藏高原东北缘,为一个中新生代断陷盆地21,三面环山,包括祁连山、昆仑山和秦岭(图1)。该区海拔2 400~3 200 m,行政区划隶属于青海省共和县、贵南县、兴海县和乌兰县20

图1

图1   研究区位置示意图

注:基于自然资源部标准地图服务网站标准地图(审图号:GS(2020)4619号)制作,底图边界无修改

Fig.1   Location of the study area


共和盆地气候类型为典型的高寒干旱-半干旱大陆性气候22,年平均气温约3.7 ℃,年降水量约310 mm,其中80%的降水在5—9月,并伴有较高的蒸发量。共和盆地盛行强风,春季最大风速达到40 m·s-1,风沙活动频繁。共和盆地的沙丘主要分布于木格滩、塔拉滩以及沙珠玉河尾闾河段,以流动沙丘和半固定沙丘为主,土地荒漠化现象严重21

1.2 数据来源

采用的数据包括DEM数据、土壤质地数据、土壤有机质含量数据、植被覆盖率产品、土地利用分类数据、蒸散发数据、气温和降水数据、人口分布数据(表1)。各数据指标均重采样至30 m空间分辨率,并统一使用 WGS 1984 UTM Zone 47 N投影。

表1   共和盆地土地荒漠化敏感性评估数据

Table 1  Data sources of land desertification sensitivity assessment in the Gonghe Basin

数据类型年份空间分辨率/m来源
DEM202030地理空间数据云(http://www.gscloud.cn)
土壤质地、土壤有机质含量20131 000世界土壤数据库(HWSD V1.2, http://www.fao.org)
NDVI2000—2020250MOD13Q1
植被类型20011 000中国科学院资源环境科学数据中心(https://www.resdc.cn)
土地利用分类2000—202030CLCD (https://doi.org/10.5194/essd-2021-7)
人口分布2000—20201 000World Pop (https://www.worldpop.org/)
气温、降水、风速2000—20201 000国家地球系统科学数据中心(https://www.geodata.cn/)

新窗口打开| 下载CSV


2 研究方法

本文根据MEDALUS模型的原理和指标,结合共和盆地土地荒漠化特点,从气候质量指数、土壤质量指数、植被质量指数和土地管理质量指数4个方面选择11个指标构建土地荒漠化敏感性指数23,并将各指标的敏感性得分设置在1~2,计算出各指标的质量指数,根据4个质量指数的几何平均值获得最终荒漠化敏感性指数并用自然断点法进行分级。

2.1 气候质量指数

气候质量指数反映气候变化对土地荒漠化的影响,本文采用年平均气温、年降水量和年平均风速来评估气候质量指数(表2)。气温、降水是影响荒漠化风险的最重要的因素23。共和盆地长期以来受到风蚀的影响,因此风速会影响荒漠化敏感性。气候质量指数的计算公式如下:

CQI=(T×P×W1/3

式中:CQI为气候质量指数;T为年平均气温;P为年降水量;W为年平均风速。

表2   气候质量指标的分类及其相应权重

Table 2  Factors and weights of climate quality index

指标分级描述权重
年平均气温1<-6 1.00
2-6~-2 1.33
3-2~2 1.67
4>2 2.00
年降水量1>500 mm1.00
2410~500 mm1.33
3320~410 mm1.67
4<320 mm2.00
年平均风速1<1.4 m·s-11.00
21.4~1.7 m·s-11.33
31.7~2 m·s-11.67
4>2 m·s-12.00

新窗口打开| 下载CSV


2.2 植被质量指数

植被在土地荒漠化过程中具有重要作用。本文从侵蚀防护、抗旱性和NDVI 3个方面评估植被质量指数(表3)。用NDVI代表植被覆盖,NDVI越高,荒漠化敏感性越低。不同植被类型对侵蚀和干旱的反应不同24,根据植被类型图计算抗旱性和侵蚀防护这两个指标。植被质量指数的计算公式如下:

VQI=(DR×PE×C1/3

式中:VQI为植被质量指数;DR为抗旱性;PE为侵蚀防护;C为植被覆盖率。

表3   植被质量指标的分类及其相应权重

Table 3  Factors and weights of vegetation quality index

指标分级描述权重
侵蚀防护1针叶林、高山植被、其他1.00
2农田、草原、草甸1.33
3灌丛1.67
4荒漠2.00
抗旱性1针叶林、其他1.00
2农田、高山植被、灌丛1.33
3草原、草甸1.67
4荒漠2.00
NDVI1>0.41.00
20.3~0.41.25
30.2~0.31.50
40.1~0.21.75
5<0.12.00

新窗口打开| 下载CSV


2.3 土壤质量指数

土壤质量指数反映地形和土壤母质对土地荒漠化的影响。本文选取地形坡度、土壤含砂量和土壤有机质含量3个指标评估土壤质量指数(表4)。土壤侵蚀是影响荒漠化的重要因素,坡度越高、土壤含砂量越高、土壤有机质含量越低,土壤越容易受到侵蚀,荒漠化敏感性越高4。土壤质量指数的计算公式如下:

SQI=(T×S×OM1/3

式中:SQI为土壤质量指数;T为土壤含砂量;S为地形坡度;OM为土壤有机质含量。

表4   土壤质量指标的分类及其相应权重

Table 4  Factors and weights of soil quality index

指标类别描述权重
土壤含砂量1<25%1.00
225%~40%1.33
340%~65%1.67
4>65%2.00
地形坡度1<5°1.00
25°~15°1.33
315°~30°1.67
4>30°2.00
土壤有机质含量1>3%1.00
22%~3%1.33
31%~2%1.67
4<1%2.00

新窗口打开| 下载CSV


2.4 管理质量指数

土地管理质量指数反映了人类活动对土地荒漠化的影响。本研究从人口密度与土地利用强度两方面对管理质量指数进行评估(表5)。人口密度反映人类对自然环境的压力,人口密度过大通常会导致土地贫瘠、环境恶化。土地利用强度反映人类对土地的干扰程度10,不合理的土地利用会加重荒漠化程度。管理质量指数的计算公式如下:

MQI=(PD×LU1/2

式中:MQI为管理质量指数;PD为人口密度;LU为土地利用类型。

表5   管理质量指标的分类及其相应权重

Table 5  Factors and weights of land management quality index

指标分级描述权重
人口密度1<2 人·km-21.00
22~5 人·km-21.20
35~10 人·km-21.40
410~20 人·km-21.60
520~40 人·km-21.80
6>40 人·km-22.00
土地利用强度1林地、灌木、湿地、裸地1.00
2草地、水体1.50
3建设用地、农田2.00

新窗口打开| 下载CSV


2.5 荒漠化敏感性指数

荒漠化敏感指数是对气候质量指数、植被质量指数、土壤质量指数和管理质量指数取几何平均值而得:

DSI=(CQI×VQI×SQI×MQI1/4

式中:DSI为荒漠化敏感指数;CQI为气候质量指数;VQI为植被质量指数;SQI为土壤质量指数;MQI为管理质量指数。

2.6 地理探测器

地理探测器作为广泛使用的统计模型,用于揭示空间变异性以及潜在的驱动力,可探测单个因子的空间异质性,还可通过计算空间分布一致性揭示两个因子间潜在的联系25。本研究选取荒漠化敏感性指数为因变量,自变量指标包括气候质量指数、植被质量指数、土壤质量指数、管理质量指数,地理探测器中的因子解释能力由q值表示。计算公式如下:

q=1-h=1LNhσh2Nσ2=1-SSWSST
SSW=h=1LNhσh2
SST=Nσ2

式中:h表示自变量的分层;NhN表示层h和整个区域内的单元数;σh2σ2表示层h和整个区域的离散方差;SSW是指总和层内方差;SST是指区域总离散方差;q是自变量对荒漠化敏感性指数的解释力,q的范围在0到1之间,q值越大表示所选因子解释力越强。

3 结果

3.1 土地荒漠化敏感性的空间特征

共和盆地气候质量指数呈现由东部向西部逐渐增高的趋势(图2A),高气候质量指数的区域分布面积相对较大,占总面积的36.54%,主要分布在盆地的中西部地区。而植被质量指数整体分布由中部向四周降低(图2B),低植被质量指数的地区分布最广,占研究区总面积的61.96%,这些地区植被覆盖度较高,荒漠化风险较低;中部荒漠化严重地区的植被质量指数较高。共和盆地土壤质量指数高的区域分布广泛(图2C),主要位于盆地的中部和东部,约占研究区的67.26%。这些区域以流动沙丘、固定沙丘、灌丛沙丘为主,地表物质疏松且沙源丰富,风沙活动强烈。中等土壤质量指数的地区包含茶卡盐湖周围及盆地的南部,这些区域水资源相对丰富,土壤有机质含量高,农业活动相对较多。共和盆地管理质量指数整体偏低(图2D),低管理质量指数的区域主要分布在共和盆地的西部以及土地荒漠化严重的地区,占研究区总面积的61.95%,这些地区人为干扰程度较小。管理质量指数高的区域仅占研究区域总面积的3.63%,主要分布在共和县、贵南县城中心区以及农村聚落集聚区,人口密度高,土地利用程度高。

图2

图2   2020年共和盆地各质量指数空间分布

注:基于自然资源部标准地图服务网站标准地图(审图号:GS(2020)4619号)制作,底图边界无修改

Fig.2   Spatial distribution of climate quality index (A),vegetation quality index (B), soil quality index (C) and management quality index(D) in the Gonghe Basin in 2020


2000—2020年,共和盆地土地荒漠化敏感性的空间格局变化不大,整体呈现中部高、四周低的分布特征(图3)。2020年荒漠化敏感性低的区域占研究区总面积的16.35%;荒漠化敏感性中等、高的区域分别占总面积的35.25%、26.38%,主要分布在盆地的东部和四周;荒漠化敏感性极高的区域占总面积的22.02%,集中分布在沙珠玉河流域、共和县附近以及塔拉滩附近。整体来看,共和盆地荒漠化敏感性以中高水平为主。

图3

图3   共和盆地2000—2020年荒漠化敏感性指数

注:基于自然资源部标准地图服务网站标准地图(审图号:GS(2020)4619号)制作,底图边界无修改

Fig.3   Desertification sensitivity index map of Gonghe Basin from 2000 to 2020


3.2 土地荒漠化敏感性的时间变化

2000—2020年,不同荒漠化敏感性土地结构变化明显(表6图4)。2000—2010年,荒漠化等级变化尤其明显,高、极高荒漠化敏感性的土地面积分别减少了2 140.58 km2和1 709.19 km2,荒漠化敏感性转移主要由高敏感性转为中等敏感性。2010—2020年,高、极高荒漠化敏感性的土地面积有所增加,分别增加了732.28 km2和1 057.74 km2,荒漠化敏感性转移主要由中等敏感性转为高敏感性,这可能与城镇化发展导致人类活动加剧有关。整体来看,2000—2020年研究区的荒漠化敏感性呈下降趋势,高、极高荒漠化敏感性的土地面积共减少了2 059.75 km2,荒漠化敏感性面积转移主要由高敏感性到中等敏感性、极高敏感性到高敏感性。

表6   共和盆地沙漠化敏感性面积

Table 6  Area statistics of desertification sensitivity in the Gonghe Basin

年份荒漠化敏感性分级
中等极高
20002 721.195 362.166 678.575 051.77
20104 422.067 507.644 537.993 342.58
20203 267.637 042.895 270.274 400.32

新窗口打开| 下载CSV


图4

图4   共和盆地2000—2020年荒漠化敏感性土地转化

Fig.4   The transfer in desertification sensitivity of the Gonghe Basin from 2000 to 2020


4 讨论和建议

4.1 荒漠化敏感性的影响因素

本文以气候质量指数、植被质量指数、土壤质量指数和管理质量指数作为自变量,荒漠化敏感性指数为因变量,使用地理探测器模型进行因子探测及交互探测,探究2000—2020年共和盆地4种质量指数对荒漠化敏感性的影响。单因子探测结果表明气候质量指数、植被质量指数对荒漠化敏感性的影响大于土壤质量指数、管理质量指数(表7),表明气候、植被质量指数是共和盆地荒漠化敏感性的主要影响因素,土壤质量指数次之,管理质量指数的影响程度最低。2000—2020年,气候质量指数的影响呈上升趋势,而植被质量指数的影响呈下降趋势。气候质量指数对共和盆地荒漠化敏感性起直接作用,是最主要的影响因素,共和盆地气候干旱、降水稀少,地形平坦开阔,包含的大量第四纪松散沉积物,如河流、湖泊沉积物和古风成沙22,很容易被风侵蚀26。而植被和土壤是改变荒漠化敏感性最基本的影响因素,高植被覆盖、高土壤质量可以有效抑制土地荒漠化。此外,管理质量指数对荒漠化敏感性起到一定的限制作用27。因此,可通过减少人类活动干扰强度,退耕还林还草,改善土壤有机质,提高共和盆地防沙固沙能力。

表7   地理探测器单因子探测结果

Table 7  Geographical detector results of single factor detection

荒漠化敏感性指数2000年2010年2020年
气候质量指数0.3630.3970.393
植被质量指数0.3980.3200.321
土壤质量指数0.2930.3030.290
管理质量指数0.2320.2210.218

新窗口打开| 下载CSV


研究发现两个因素相互作用后的影响呈非线性增强(图5)。交互探测结果表明,2000—2020年主要交互因子对荒漠化敏感性的影响解释力的顺序为:植被质量指数∩管理质量指数>气候质量指数∩管理质量指数>气候质量指数∩土壤质量指数,其对因变量的解释力均超过58%。与单一因素相比,两个不同影响因素间的相互作用将增加对荒漠化敏感性的解释力28。植被质量指数∩管理质量指数是荒漠化敏感性最主要的影响因素,表明共和盆地的荒漠化敏感性是自然因素和人为因素的综合作用的结果,这与以往对青藏高原29、黄河源头3以及青海湖流域30的荒漠化成因研究相似。然而,本文得到的荒漠化敏感性的主要因素与其他区域有所不同,这可能与研究区域尺度、评估指标的选取以及共和盆地特定地质环境等因素有关14-17

图5

图5   地理探测器交互探测结果(P<0.01)

Fig.5   Geographical detector results of interaction detection (P<0.01)


本文为共和盆地制定有针对性的荒漠化防治策略提供了参考价值和科学依据,但也存在不足。文中荒漠化敏感指数分辨率精确到30 m,但很多数据源分辨率较低,后期将通过野外考察获得更精确的共和盆地荒漠化敏感性相关数据。此外,还应考虑放牧压力、社会经济发展及光伏产业发展导致下垫面变化对荒漠化敏感性的影响,未来应更系统全面地探究共和盆地荒漠化敏感性评估及驱动机制。

4.2 土地荒漠化防治建议

共和盆地的荒漠化敏感性受自然因素与人类活动共同影响。因此,基于本文的研究结果,对共和盆地的荒漠化防治提出以下建议:①通过加强退耕还林还草、禁牧等生态政策,流动沙丘地区进行草方格固沙,盆地四周建立人工防风固沙林,提高植被覆盖率,改善区域局地小气候及土壤质量。②应减少过度放牧、过度灌溉造成的土地退化,在城镇化快速发展的背景下,减少人类活动强度对荒漠化区域的影响。将自然条件与人为条件相结合,建立阻止荒漠化扩大的绿色屏障,有效减少荒漠化风险。

5 结论

共和盆地荒漠化敏感性呈现由中部向周围逐渐降低的空间分布格局,2020年荒漠化敏感性总体处于中高水平,面积约12 191.4 km2,约占总面积的61.63%,主要分布在盆地东部及四周地区。

2000—2020年,共和盆地荒漠化敏感性明显改善。其中2000—2010年高、极高荒漠化敏感性的土地面积减少3 849.77 km2,而2010—2020年荒漠化敏感性高、极高荒漠化敏感性的土地面积略有增加,这与人类活动增强有关。

影响共和盆地土地荒漠化敏感性的4个质量指数中,气候质量指数、植被质量指数是共和盆地土地荒漠化的主要驱动因素。共和盆地土地荒漠化敏感性受自然因素和人类活动共同影响,植被质量指数和管理质量指数的相互作用是主导因素。

参考文献

United Nations Convention to Combat Desertification.

United Nations Convention to Combat Desertification in Countries Experiencing Serious Drought and/or Desertification,Particularly in Africa

[R].Paris,FranceUNDP1994.

[本文引用: 2]

王涛朱震达.

我国沙漠化研究的若干问题:1.沙漠化的概念及其内涵

[J].中国沙漠,2003233):3-8.

[本文引用: 1]

Guo BWei C XYu Yet al.

The dominant influencing factors of desertification changes in the source region of Yellow River:climate change or human activity?

[J].Science of the Total Environment,2022813152512.

[本文引用: 2]

Xu DYou XXia C.

Assessing the spatial-temporal pattern and evolution of areas sensitive to land desertification in North China

[J].Ecological Indicators,201997150-158.

[本文引用: 3]

Kosmas CKirkby MGeeson N.

Manual on Key Indicators of Desertification and Mapping Environmentally Sensitive Areas to Desertification

[R].European Commission199918882.

[本文引用: 1]

Contador J F LSchnabel SGutierrez A Get al.

Mapping sensitivity to land degradation in Extremadura,SW Spain

[J].Land Degradation & Development,2009202):129-144.

[本文引用: 1]

Salvatil LZitti MPerini L.

Fifty years on:long‐term patterns of land sensitivity to desertification in Italy

[J].Land Degradation & Development,2016272):97-107.

Karamesouti MDetsis VKounalaki Aet al.

Land-use and land degradation processes affecting soil resources:evidence from a traditional Mediterranean cropland (Greece)

[J].Catena,201513245-55.

Uzuner ÇDengiz O.

Desertification risk assessment in Turkey based on environmentally sensitive areas

[J].Ecological Indicators,2020114106295.

[本文引用: 1]

Prăvălie RPatriche CSăvulescu Iet al.

Spatial assessment of land sensitivity to degradation across Romania:a quantitative approach based on the modified MEDALUS methodology

[J].Catena,2020187104407.

[本文引用: 2]

Wijitkosum S.

Factor influencing land degradation sensitivity and desertification in a drought prone watershed in Thailand

[J].International Soil and Water Conservation Research,202192):217-228.

[本文引用: 1]

Elnashar AZeng H WWu B F.

Assessment of environmentally sensitive areas to desertification in the blue nile basin driven by the MEDALUS-GEE framework

[J].Science of the Total Environment,2022815152925.

[本文引用: 1]

Jiang LBao AJiapaer Get al.

Monitoring land sensitivity to desertification in Central Asia:convergence or divergence?

[J].Science of the Total Environment,2019658669-683.

[本文引用: 1]

Shao W YWang Q ZGuan Q Yet al.

Environmental sensitivity assessment of land desertification in the Hexi Corridor,China

[J].Catena,2023220106728.

[本文引用: 2]

任雨张勃陈曦东.

科尔沁沙地土地荒漠化敏感性评估

[J].中国沙漠,2023432):159-169.

[本文引用: 1]

吴盈盈王振亭.

疏勒河中下游土地荒漠化敏感性评估

[J].中国沙漠,2022424):163-171.

[本文引用: 1]

Ren YLiu X JZhang Bet al.

Sensitivity assessment of land desertification in China based on multi-source remote sensing

[J].Remote Sensing,20231510):2674.

[本文引用: 2]

董玉祥.

青藏高原沙漠化研究的进展与问题

[J].中国沙漠,1999193):54-58.

[本文引用: 1]

李森颜长珍宋翔.

近30a龙羊峡水库周边地区沙漠化遥感监测

[J].中国沙漠,2011314):836-841.

[本文引用: 1]

张登山.

青海共和盆地土地沙漠化影响因子的定量分析

[J].中国沙漠,2000201):60-63.

[本文引用: 2]

董光荣高尚玉金炯.青海共和盆地土地沙漠化与防治途径[M].北京科学出版社1993166-173.

[本文引用: 2]

徐叔鹰徐德馥石生仁.

青海共和盆地的风沙堆积

[J].中国沙漠,198223):5-12.

[本文引用: 3]

Kosmas CKairis OKaravitis Cet al.

Evaluation and selection of indicators for land degradation and desertification monitoring:methodological approach

[J].Environmental Management,201454951-970.

[本文引用: 2]

李达净许端阳丁雪.

1981-2010年中国北方风蚀气候侵蚀力演变与植被动态响应

[J].水土保持研究,2018252):15-20.

[本文引用: 1]

王劲峰徐成东.

地理探测器:原理与展望

[J].地理学报,2017721):116-134.

[本文引用: 1]

Qiang MJin YLiu Xet al.

Late Pleistocene and Holocene aeolian sedimentation in Gonghe Basin,northeastern Qinghai-Tibetan Plateau:variability,processes,and climatic implications

[J].Quaternary Science Reviews,201613257-73.

[本文引用: 1]

郭泽呈魏伟石培基.

中国西北干旱区土地沙漠化敏感性时空格局

[J].地理学报,2020759):1948-1965.

[本文引用: 1]

姜旭海韩玲白宗璠.

内蒙古自治区沙漠化敏感性时空演变格局和趋势分析

[J].生态学报,2023431):364-378.

[本文引用: 1]

Zhang C LLi QShen Y Pet al.

Monitoring of aeolian desertification on the Qinghai-Tibet Plateau from the 1970s to 2015 using Landsat images

[J].Science of the Total Environment,20186191648-1659.

[本文引用: 1]

Zhou H YHu ZGeng Qet al.

Monitoring and analysis of desertification surrounding Qinghai Lake (China) using remote sensing big data

[J].Environmental Science and Pollution Research,2023307):17420-17436.

[本文引用: 1]

/