基于CA-MC模型的滇池流域生态敏感性时空演变特征

杨峻明; 胡恬滋; 李炳蓬; 李东徽; 张敬丽; 黄秋霞; 葛倍辰; 白天

doi:10.12101/j.issn.1004-390X(n).202206058

基于CA-MC模型的滇池流域生态敏感性时空演变特征

杨峻明^1,,
胡恬滋^2,,
李炳蓬¹,
李东徽¹,
张敬丽¹,
黄秋霞¹,
葛倍辰^{1, 3},
白天^1, ,

1.
云南农业大学园林园艺学院，云南昆明 650201
2.
北京农学院园林学院，北京 102206
3.
西南林业大学园林园艺学院，云南昆明 650224

基金项目: 云南省基础研究项目 (202001AU070133)。

详细信息

作者简介:
#对本文贡献等同，为并列第一作者。杨峻明(1999—)，男，四川广安人，在读硕士研究生，主要从事城乡绿地资源建设与管控研究。E-mail：742891286@qq.com

胡恬滋(2000—)，女，四川成都人，在读硕士研究生，主要从事城乡绿地资源规划相关研究。E-mail：2826883499@qq.com

通信作者:
白天(1986—)，男，云南昆明人，博士，讲师，主要从事城乡绿地资源建设与管控和城乡灾害预警研究。E-mail：tbai@ynau.edu.cn

中图分类号: Q141
计量
- 文章访问数: 1743
- HTML全文浏览量: 519
- PDF下载量: 18
出版历程
- 收稿日期: 2022-06-21
- 修回日期: 2023-08-05
- 录用日期: 2023-08-10
- 网络出版日期: 2023-09-15
- 发布日期: 2023-10-09
- 刊出日期: 2023-09-29

摘要:

目的

探究滇池流域近30年间生态敏感性时空演变特征。

方法

定量分析生态因子的相互关系，基于1995年、2005年、2010年和2018年的遥感影像和基础数据，运用CA-MC模型、重心迁移及核密度进行分析。

结果

1995—2018年，滇池流域土地覆盖/利用、河岸缓冲区和景观指数敏感性均呈波动下降趋势，归一化植被指数敏感性总体升高，流域综合生态敏感性呈现高等级向低等级转化的特征。不敏感、轻度敏感和中度敏感性区域面积整体上升，分别增加2.10%、0.47%和11.20%；高度敏感性区域面积波动下降，减少13.77%。各级生态敏感性重心转移及核密度分布差异显著，不敏感和轻度敏感性区域向西北方向迁移，中度敏感和极度敏感性区域向西南方向迁移，高度敏感性区域向东南方向迁移。通过CA-MC模型推演，2018—2026年滇池流域敏感性空间演变，总体敏感性等级缓慢上升。

结论

研究区域生态敏感性演变过程能够及时了解区域生态演变规律，提出生态保护策略。

关键词:

Spatial and Temporal Evolution Characteristic of Ecological Sensitivity of Dianchi Lake Basin Based on CA-MC Model

1.
College of Horticulture and Landscape, Yunnan Agricultural University, Kunming 650201, China
2.
School of Landscape Architecture, Beijing University of Agriculture, Beijing 102206, China
3.
College of Horticulture and Landscape, Southwest Forestry University, Kunming 650224, China

Abstract:

Purpose

To explore the spatial and temporal evolution characteristics of ecological sensitivity in Dianchi Lake Basin during the past 30 years.

Methods

Quantitative analysis was used for the interrelationships among ecological factors, based on remote sensing images and basic data in 1995, 2005, 2010 and 2018, and CA-MC model, migration of gravity center and kernel density estimation were applied.

Results

From 1995 to 2018, the land use and cover change, riparian buffers and landscape indices sensitivities of Dianchi Lake Basin showed a fluctuating decreasing trend, and the normalized difference vegetation index sensitivity increased overall, the comprehensive ecological sensitivity of the basin showed a transformation from high to low level. The area of insensitive, low sensitive and moderate sensitive increased overall, by 2.10%, 0.47% and 11.20%, respectively; the area of high sensitive fluctuated down, decreasing by 13.77%. The center of gravity shifted and kernel density distribution of ecological sensitivity at all levels differed significantly, with the insensitive and low sensitive areas migrated to the northwest, the moderate and extremely sensitive areas migrated to the southwest, and the high sensitive areas migrated to the southeast. The spatial evolution of sensitivity in the Dianchi Lake Basin from 2018 to 2026 is deduced by the CA-MC model, and the overall sensitivity level slowly increases.

Conclusion

The study of regional ecological sensitivity evolution can provide timely understanding of regional ecological evolution patterns and propose ecological protection strategies.

Keywords:

HTML全文

育肥阶段是影响养猪经济效益的主要阶段，不同的育肥方式可显著影响猪的生长性能、胴体性能和肌肉品质，也可影响猪的血液生化指标和血清免疫指标^[1-5]，如放牧饲养的荷包猪总体比舍饲荷包猪偏瘦，花板油明显减少^[6]；放牧饲养降低了松辽黑猪的生长育肥性能和板油率，但肌内脂肪含量和屠宰率要显著高于舍饲组^[7-9]；舍饲宗地花猪的宰前活质量和胴体质量极显著高于放养宗地花猪，失水率则为放养高于舍饲^[10]。

随着人们对优质猪肉的需求日益增加，具有体小皮薄、脂少肉多和肉嫩味美等特点^[11]的藏猪受到越来越多的关注。已有研究表明：舍饲可提高西藏藏猪的个体质量和胴体质量，增加肌内脂肪含量和大理石纹评分，改善肌肉嫩度^[12]；舍饲合作藏猪生长发育快，屠宰性能(宰前活质量、胴体质量、净肉质量等指标)显著高于放牧合作藏猪^[13]。迪庆藏猪是藏猪的种类之一，是世界上分布在海拔最高地区的稀有放牧猪种；原产于云南省迪庆藏族自治州3000~4000 m的高原高寒山区和河谷地带，主要分布于香格里拉市中北部东旺、格咱、洛吉、建塘、小中甸、尼西和五境，以及德钦县奔子栏、羊拉、福山和燕门等地，在毗邻的四川乡城、稻城和德容也有零星分布^[14]；能适应高原低氧冷凉环境。利用藏猪肉制作的藏民特色风味食品琵琶肉味道鲜美，深受藏民及游客喜爱^[15]。但因迪庆藏猪分布区海拔高、气温低和饲料资源匮乏，其养殖一直延续随牛羊放牧、早出晚归的传统放养，以致生长慢，饲料转化率低，养殖周期长，难以实现规模化和集约化生产，成为制约迪庆藏猪养殖效益提高的瓶颈。目前，对迪庆藏猪的研究多集中于其遗传多样性、高原低氧适应性和基本种质特性等^[16-19]，未见育肥方式对迪庆藏猪产肉性能及肉质影响的报道。本研究为提高迪庆藏猪养殖的经济效益，推动其产业开发，研究不同育肥方式对迪庆藏猪生长、胴体及肉质的影响，筛选适宜的迪庆藏猪育肥方式，在保留迪庆藏猪肉质好的同时提高其生长速度和养殖效率，为迪庆藏猪的科学饲养及其开发利用提供依据，对当地转变藏猪养殖方式、保护生态环境、提高养殖效益和促进藏区生猪产业扶贫具有重要的现实意义。

1. 材料与方法

1.1 试验猪只选择及分组

从香格里拉市绿源生态种养专业合作社藏猪养殖场2018年同一批出生的迪庆藏猪中选择胎次相同、出生日期相近的迪庆藏猪26头，经常规免疫后，随机分成2组，每组13头(表1)。试验组在香格里拉市绿源生态种养专业合作社藏猪养殖场用全价配合饲料进行饲喂，日给料3次，自由采食，每天称剩余料量并计算日采食量，自由饮水；对照组由合作社农户按照传统的放养+补饲方式进行育肥，白天随牛羊上山自由觅食，晚上少量补饲青稞粒和玉米粒。2组猪只均在平均体质量达60 kg左右时屠宰。

表 1 试验猪只及分组

Table 1. Experimental pigs and groups

组别 group	数量 sample number	开始体质量/kg initial weight	结束体质量/kg final weight	育肥方式 fattening modes
试验组 experimental group	13	21.16±3.73	60.04±4.14	场养 standardized fattening on the farm
对照组 control group	13	19.43±4.14	67.90±7.47	放养+补饲 stocking + supplementary feeding

下载: 导出CSV

| 显示表格

1.2 测定指标及方法

1.2.1 生长性能、胴体性能、内脏器官和胴体组成

生长性能指标平均日增质量按《种猪生产性能测定规程》^[20](NY/T 822—2004)测定；屠宰率、胴体直长、胴体斜长、平均背膘厚、6~7肋间膘厚、皮厚、眼肌面积、内脏器官和胴体组成(各部位皮率、骨率，脂率和瘦肉率)等胴体性能指标按《瘦肉型猪胴体性状测定技术规范》^[21](NY/T 825—2004)测定。

1.2.2 肉质

pH、肉色、大理石纹、失水率和滴水损失按《猪肉品质测定技术规程》^[22](NY/T 821—2019)测定。

熟肉率的测定和计算：在猪只停止呼吸1~2 h内，取左侧胴体腰大肌，剔除外周肌膜后取中部约50.0 g，用感应量为0.01 g的天平称蒸前质量；置于铝蒸锅内蒸30 min，取出后挂于室内无风处晾15 min后称蒸后质量。

熟肉率=蒸后质量/蒸前质量×100%。

1.2.3 常规营养成分

按GB/T 9696.15—2008中的直接干燥法测定水分及干物质含量、高温灼烧法测定粗灰分含量以及索氏抽提法测定脂肪含量^[23]；按GB 5009.5—2010中的凯氏定氮法测定粗蛋白质含量^[24]。

1.3 数据处理

This page contains the following errors:

error on line 1 at column 1: Start tag expected, '<' not found

Below is a rendering of the page up to the first error.

2. 结果与分析

2.1 育肥方式对迪庆藏猪生长及胴体性能的影响

由表2可知：试验组达到屠宰体质量的时间比对照组提前了133 d，日增质量比对照组提高53.29% (P<0.01)；屠宰率、胴体直长和胴体斜长分别比对照组降低8.71%、14.94%和16.85% (P<0.01)。

表 2 育肥方式对迪庆藏猪生长及胴体的影响

Table 2. Effect of different fattening modes on the growth traits and carcass traits of Diqing Tibetan pigs

指标 index	试验组 experimental group	对照组 control group
育肥时间/d fattening days	146	279
平均日增质量/g average daily gain	266.30±53.90 A	173.73±41.61 B
屠宰率/% dressing percentage	66.03±0.73 B	72.33±1.32 A
胴体直长/cm straight length of carcass	72.30±1.32 B	85.00±2.37 A
胴体斜长/cm oblique length of carcass	58.62±1.09 B	70.50±1.97 A
平均背膘厚/cm average backfat thickness	3.62±0.25 a	3.92±0.45 a
6~7肋间膘厚/cm backfat thickness between the 6^th and 7^th ribs	3.83±0.37 a	3.95±0.67 a
皮厚/cm thickness of skin	0.85±0.46 a	0.83±0.37 a
眼肌面积/cm² acreage of longissimus muscle	14.70±0.87 a	18.22±1.51 a
注：同行不同小写字母表示差异显著(P<0.05)，不同大写字母表示差异极显著(P<0.01)；下同。 Note: Different lowercase letters represent significant differences between groups (P<0.05), different capital letters represent extremely significant differences between groups (P<0.01); the same as below.

下载: 导出CSV

| 显示表格

2.2 育肥方式对迪庆藏猪内脏器官的影响

由表3可知：试验组胃质量率、小肠长、小肠质量和大肠质量分别比对照组降低27.93%、15.41%、56.20%和34.86% (P<0.01)，花油率和板油率分别比对照组提高147.94%和46.59% (P<0.01)。

表 3 不同育肥方式下迪庆藏猪内脏器官的影响

Table 3. Effect of different fattening modes on the visceral organs of Diqing Tibetan pigs

指标 index	试验组 experimental group	对照组 control group
胃质量率/% ratio of stomach weight	0.80±0.04 B	1.11±0.07 A
花油率/% visceral fat rate	4.81±0.47 A	1.94±0.85 B
板油率/% abdominal fat rate	7.30±0.63 A	4.98±1.13 B
小肠长/m length of small intestine	13.23±0.32 B	15.64±0.55 A
大肠长/m length of large intestine	4.12±0.27 a	5.00±0.46 a
小肠质量/kg weight of small intestines	0.53±0.035 B	1.21±0.06 A
大肠质量/kg weight of large intestines	1.14± 0.07 B	1.75±0.13 A

下载: 导出CSV

| 显示表格

2.3 育肥方式对迪庆藏猪胴体各部位组分的影响

由表4可知：试验组胴体皮率和骨率分别比对照组降低38.76% (P<0.05)和32.85% (P<0.01)，脂率提高26.61% (P<0.05)。其中，前躯皮率、骨率和瘦肉率试验组分别比对照组降低21.47% (P<0.05)、41.51% (P<0.01)和11.32% (P<0.05)，脂率提高51.91% (P<0.01)；后躯骨率试验组比对照组降低31.42% (P<0.01)。

表 4 育肥方式对迪庆藏猪胴体各部位组成的影响

Table 4. Effects of different fattening modes on the carcass composition of Diqing Tibetan pigs %

胴体部位 carcass position	指标 index	试验组 experimental group	对照组 control group
前躯 forequarters	皮率 skin rate	8.78±0.50 b	11.18±0.75 a
	骨率 bone rate	7.96±0.44 B	13.61±0.67 A
	瘦肉率 lean rate	43.46±1.35 b	49.01±2.03 a
	脂率 fat ratio	39.80±1.83 A	26.20±2.75 B
中躯 middle torso	皮率 skin rate	13.32±1.00 a	13.27±1.50 a
	骨率 bone rate	4.53±0.85 a	7.36±1.28 a
	瘦肉率 lean rate	31.50±1.73 a	36.14±2.60 a
	脂率 fat ratio	50.65±2.42 a	43.23±3.63 a
后躯 hindquarters	皮率 skin rate	10.40±1.37 a	12.07±2.06 a
	骨率 bone rate	9.58±0.62 B	13.97±0.94 A
	瘦肉率 lean rate	49.95±1.54 a	50.72±2.32 a
	脂率 fat ratio	30.07±1.82 a	23.23±2.74 a
合计 total	皮率 skin rate	3.05±0.36 b	4.98±0.54 a
	骨率 bone rate	7.95±0.57 B	11.84±0.86 A
	瘦肉率 lean rate	43.64±1.30 a	45.70±1.95 a
	脂率 fat ratio	38.54±1.87 a	30.44±2.81 b

下载: 导出CSV

| 显示表格

2.4 饲养方式对迪庆藏猪肉质的影响

由表5可知：试验组肉色和失水率分别比对照组低18.59%和18.40% (P<0.01)，虽然场养和放养两种方式饲养的迪庆藏猪各项肉质指标均在优质肉范围，但对照组肉色更深、保水性能更差。

表 5 育肥方式对迪庆藏猪肉质的影响

Table 5. Effect of different fattening modes on the meat quality of Diqing Tibetan pigs

指标 index	试验组 experimental group	对照组 control group
pH	6.57±0.04 a	6.58±0.07 a
肉色/分 meat color/score	3.46±0.09 B	4.25±0.16 A
大理石纹/分 marbling/score	3.42±0.14 a	3.13±0.25 a
失水率/% water loss rate	20.40±0.71 B	25.00±1.00 A
熟肉率/% cooked meat percentage	65.37±0.92 a	64.45±1.66 a

下载: 导出CSV

| 显示表格

2.5 育肥方式对迪庆藏猪肌肉营养成分的影响

由表6可知：试验组粗蛋白含量比对照组提高10.45% (P<0.05)，肌内脂肪含量比对照组降低46.96% (P<0.01)。

表 6 不同育肥方式下肌肉营养成分的比较

Table 6. The muscle nutritional composition of Diqing Tibetan pigs under different fattening modes %

指标 index	试验组 experimental group	对照组 control group
水分moisture content	68.07±0.92 a	65.2±1.25 a
干物质dry matter	31.92±0.92 a	34.8±1.25 a
粗蛋白crude protein	24.62±0.49 a	22.29±0.67 b
脂肪fat	4.71±0.69 B	8.88±0.95 A
粗灰分crude ash	1.14±0.06 a	1.00±0.08 a

下载: 导出CSV

| 显示表格

3. 讨论

本研究表明：迪庆藏猪采用场养方式育肥，体质量达60 kg左右的时间比传统的放养+补饲方式提前了133 d，日增质量提高53.29%，花油率和板油率提高了 147.94% 和 46.59%，脂率提高26.61%，肉色和失水率降低 18.59%和18.40%，肌内脂肪含量降低46.96%，与已有研究结果^[25-26]基本一致，充分说明迪庆藏猪采用场养方式可提高生长速度，同时因运动量减少等原因，可导致内脏脂肪沉积增加。

本研究中，迪庆藏猪场养的胃质量率、小肠长、小肠质量和大肠质量比放养的降低27.93%、15.41%、56.20%和34.86%，其原因可能是场养条件采食的饲料中粗纤维含量较低，而放养的迪庆藏猪长期在极为粗放环境下自由觅食，经常摄入富含纤维的日粮。杨雪梅等^[27]研究表明：动物消化道的改变是对环境适应性的变化，与营养需求和食物质量有关，肠管的长度直接受食物性质的影响，如长期饲喂干饲料和粗饲料，会使肠的长度增加。强巴央宗等^[11]研究也表明：藏猪胃、肠等消化器官占身体比例较高，这与藏猪放牧生活、耐粗饲特征^[28]有关。

本研究表明：迪庆藏猪场养的胴体直长和斜长分别比放养+补饲降低14.94%和16.85%，胴体皮率和骨率降低38.76%和32.85%，前躯皮率和骨率降低21.47%和41.51%，后躯骨率降低31.42%。迪庆藏猪场养后胴体骨率的降低可能与场养后运动量降低、脂率和皮率增加有关。与场养相比，放养时迪庆藏猪长时间在高海拔的牧场觅食，运动量较大，前肢和后肢因高负荷运动而变得粗壮，骨率提高。杨琼等^[29]研究表明：放养24月龄后屠宰藏猪的皮脂率比12月龄高，故放养后皮率提高可能还与饲养时间较长有关。

与放养+补饲的育肥方式相比，迪庆藏猪场养时肌肉粗蛋白质含量提高10.45%，肌内脂肪含量降低46.96%，肉色评分降低18.59%，与杨蓉等^[30]在柯乐猪上的研究结果基本一致。这可能与迪庆藏猪在场养时摄入的营养物质平衡且数量较多、生长速度较快和饲养时间较短有关，其在屠宰时尚未到达肌内脂肪生长高峰，导致肌肉营养成分中粗蛋白含量增加，肌内脂肪沉积较少，同时，肉中的肌红蛋白含量是猪肉色形成的生理基础，肌红蛋白越多肉色越深^[31]。

4. 结论

迪庆藏猪场养育肥可缩短饲养周期，提高生长速度，提高肌肉粗蛋白质含量，各项肉质指标均在优质肉范围，且肌肉的保水性能、多汁性等还有所提高。因此，提高迪庆藏猪产肉性能的较为理想的育肥方式是标准化场养。

图 1 研究区位置示意图

Figure 1. Location diagram of research area

下载: 全尺寸图片幻灯片

图 2 1995—2018年滇池流域LUCC敏感性

Figure 2. LUCC sensitivity of Dianchi Lake Basin from 1995 to 2018

下载: 全尺寸图片幻灯片

图 3 1995—2018年滇池流域NDVI敏感性

Figure 3. NDVI sensitivity of Dianchi Lake Basin from 1995 to 2018

下载: 全尺寸图片幻灯片

图 4 1995—2018年滇池流域RB敏感性

Figure 4. RB sensitivity of Dianchi Lake Basin from 1995 to 2018

下载: 全尺寸图片幻灯片

图 5 1995—2018年滇池流域LI敏感性

Figure 5. LI sensitivity of Dianchi Lake Basin from 1995 to 2018

下载: 全尺寸图片幻灯片

图 6 1995—2018滇池流域综合生态敏感性

Figure 6. Integrated ecological sensitivity of Dianchi Lake Basin from 1995 to 2018

下载: 全尺寸图片幻灯片

图 7 1995—2018年滇池流域各敏感区重心转移

Figure 7. Center of gravity shift in the sensitive areas of Dianchi Lake Basin from 1995 to 2018

下载: 全尺寸图片幻灯片

图 8 1995—2018年滇池流域生态敏感性核密度

Figure 8. Kernel density estimate of Dianchi Lake Basin from 1995 to 2018

下载: 全尺寸图片幻灯片

图 9 滇池流域2026年综合生态敏感性预测

Figure 9. Predicted integrated ecological sensitivity of Dianchi Lake Basin in 2026

下载: 全尺寸图片幻灯片

表 1 主要数据来源数据库

Table 1 Primary data source database

名称 name	来源 source
土地覆盖/利用 LUCC	中国科学院资源环境科学数据中心 Resource and Environment Science Data Center of Chinese Academy of Sciences
归一化植被指数 NDVI	地理空间数据云Landsat 4-5 TM卫星数字产品、Landsat 8 OIL_TIRS卫星数字产品 geospatial data cloud Landsat 4-5 TM satellite digital product, Landsat 8 OIL_TIRS satellite digital product
河岸缓冲区 RB	地理空间数据云Landsat 4-5 TM卫星数字产品、Landsat 8 OIL_TIRS卫星数字产品 geospatial data cloud Landsat 4-5 TM satellite digital product, Landsat 8 OIL_TIRS satellite digital product
数字高程模型 DEM	SASTER GDEM 30 m DEM (2009)
景观指数 LI	中国科学院资源环境科学数据中心 Resource and Environment Science Data Center of Chinese Academy of Sciences
注/Note: LUCC. land use and cover change, NDVI. normalized difference vegetation index, RB. riparian buffers, DEM. digital elevation model, LI. landscape indices; 下同/the same as below.

下载: 导出CSV

表 2 生态敏感性指数分级标准

Table 2 Classification standard of ecological sensitivity

评价因子 evaluation factors		生态敏感性分级 ecological sensitivity classification
评价因子 evaluation factors		不敏感 insensitive	轻度敏感 low sensitive	中度敏感 moderate sensitive	高度敏感 high sensitive	极度敏感 extremely sensitive
LUCC因子 LUCC factor		建设用地、保留地 construction land, reserved land	耕地、果园、其他农用地 cultivated land, orchard, other agricultural land	草地 grassland	林地 forest	水域 water area
NDVI因子 NDVI factor		≤0.2	0.2~0.4	≥0.4~0.6	≥0.6~0.8	≥0.8
RB因子/m RB factor		≥500	350~500	≥200~300	100~200	≤100
LI因子 LI factor	最大斑块指数 LPI	利用自然断点法分为五级 divided into five levels by using the natural breakpoint method
	平均斑块面积 AREA_MN
	香农多样性指数 SHDI
	香农均匀度指数 SHEI
注/Note: LPI. largest patch index, AREA_MN. mean patch area, SHDI. Shannon’s diversity index, SHEI. Shannon’s evenness index; 下同/ the same as below.

下载: 导出CSV

表 3 1995—2018年滇池流域LUCC敏感性面积及其占比

Table 3 Area and percentage of LUCC sensitivity in Dianchi Lake Basin from 1995 to 2018

区域 region	1995		2005		2010		2018
区域 region	面积/hm² area	占比/% percentage	面积/hm² area	占比/% percentage	面积/hm² area	占比/% percentage	面积/hm² area	占比/% percentage
不敏感 insensitive	27506.79	8.96	30192.63	9.84	38806.49	12.65	62550.57	20.39
轻度敏感 low sensitive	70713.07	23.04	72123.56	23.50	67178.88	21.89	53195.24	17.34
中度敏感 moderate sensitive	59806.14	19.48	60545.23	19.73	52615.82	17.15	47367.86	15.44
高度敏感 high sensitive	114878.94	37.42	109706.19	35.75	114135.36	37.20	110790.79	36.11
极度敏感 extremely sensitive	34059.30	11.10	34278.66	11.17	34107.55	11.12	32937.69	10.73

下载: 导出CSV

表 4 1995—2018年滇池流域NDVI敏感性面积及其占比

Table 4 Area and percentage of NDVI sensitivity in Dianchi Lake Basin from 1995 to 2018

区域 region	1995		2005		2010		2018
区域 region	面积/hm² area	占比/% percentage	面积/hm² area	占比/% percentage	面积/hm² area	占比/% percentage	面积/hm² area	占比/% percentage
不敏感 insensitive	180840.48	58.91	151054.28	49.21	171444.41	55.85	116084.27	37.82
轻度敏感 low sensitive	112314.50	36.59	115605.79	37.66	93479.20	30.45	147976.78	48.21
中度敏感 moderate sensitive	13773.65	4.49	38376.12	12.50	41720.65	13.59	42895.08	13.97
高度敏感 high sensitive	36.06	0.01	1921.04	0.63	318.26	0.10	6.87	0.00
极度敏感 extremely sensitive	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00

下载: 导出CSV

表 5 1995—2018年滇池流域RB敏感性面积及其占比

Table 5 Area and percentage of RB sensitivity in Dianchi Lake Basin from 1995 to 2018

区域 region	1995		2005		2010		2018
区域 region	面积/hm² area	占比/% percentage	面积/hm² area	占比/% percentage	面积/hm² area	占比/% percentage	面积/hm² area	占比/% percentage
不敏感 insensitive	112072.94	36.51	124822.71	40.69	137148.49	44.68	189923.86	61.87
轻度敏感 low sensitive	47525.78	15.48	43526.28	14.19	41269.59	13.44	30802.18	10.03
中度敏感 moderate sensitive	54057.92	17.61	48291.34	15.74	45087.31	14.69	30048.93	9.79
高度敏感 high sensitive	33033.35	10.76	29845.61	9.73	27326.83	8.90	15255.66	4.97
极度敏感 extremely sensitive	60279.49	19.64	60315.86	19.66	56143.03	18.29	40958.18	13.34

下载: 导出CSV

表 6 1995—2018年滇池流域LI敏感性面积及其占比

Table 6 Area and percentage of LI sensitivity in Dianchi Lake Basin from 1995 to 2018

区域 region	1995		2005		2010		2018
区域 region	面积/hm² area	占比/% percentage	面积/hm² area	占比/% percentage	面积/hm² area	占比/% percentage	面积/hm² area	占比/% percentage
不敏感 insensitive	14708.97	4.79	18977.04	6.18	10367.33	3.38	11976.01	3.90
轻度敏感 low sensitive	19392.36	6.32	33127.43	10.80	25219.16	8.22	35858.31	11.68
中度敏感 moderate sensitive	37293.61	12.15	31739.05	10.34	46764.52	15.23	38903.88	12.67
高度敏感 high sensitive	92152.61	30.03	96121.44	31.33	131878.51	42.96	100300.53	32.67
极度敏感 extremely sensitive	143299.25	46.70	126881.79	41.35	92744.37	30.21	119934.75	39.07

下载: 导出CSV

表 7 各因子权重

Table 7 Weight of each factor

一级指标 grade 1	权重 weight	二级指标 grade 2	权重 weight	三级指标 grade 3	权重 weight
综合生态敏感性 integrated ecological sensitivity	1.00	LUCC因子 LUCC factor	0.18	—	0.18
		NDVI因子 NDVI factor	0.21	—	0.21
		RB因子 RB factor	0.18	—	0.18
		LI因子 LI factor	0.43	LPI	0.11
				AREA_MN	0.10
				SHDI	0.12
				SHEI	0.10

下载: 导出CSV

表 8 1995—2018年滇池流域生态敏感性区域面积及其占比

Table 8 Ecologically sensitive area of Dianchi Lake Basin from 1995 to 2018

区域 region	1995		2005		2010		2018
区域 region	面积/hm² area	占比/% percentage	面积/hm² area	占比/% percentage	面积/hm² area	占比/% percentage	面积/hm² area	占比/% percentage
不敏感 insensitive	4625.47	1.51	6073.05	1.98	11664.42	3.80	11085.24	3.61
轻度敏感 low sensitive	64901.16	21.16	73596.05	24.01	101791.05	33.16	66395.15	21.63
中度敏感 moderate sensitive	181756.10	59.27	175937.36	57.40	182591.14	59.48	216311.61	70.47
高度敏感 high sensitive	55388.96	18.06	50872.85	16.60	10767.98	3.51	13180.49	4.29
极度敏感 extremely sensitive	0.94	0.00	7.68	0.00	157.70	0.05	0.33	0.00

下载: 导出CSV

表 9 1995—2018年敏感区重心转移距离

Table 9 Center of gravity shift distance in sensitive areas from 1995 to 2018

区域 region	转移距离/km transfer distance
区域 region	1995—2005	2005—2010	2010—2018
不敏感 insensitive	1.69	16.53	8.63
轻度敏感 low sensitive	5.08	2.94	3.10
中度敏感 moderate sensitive	0.08	3.75	0.45
高度敏感 high sensitive	5.10	1.36	2.99
极度敏感 extremely sensitive	48.99	10.19	33.79

下载: 导出CSV

表 10 2015年滇池流域生态敏感性等级实际栅格与模拟栅格对比

Table 10 Comparison between actual and simulated raster of ecological sensitivity level in Dianchi Lake Basin in 2015

区域 region	2015年实际栅格 2015 actual raster	2015年预测栅格 2015 forecast raster	预测一致性 predictive consistency	准确率/% accuracy
不敏感 insensitive	69226	83109	59891	86.52
轻度敏感 low sensitive	941976	884209	787643	83.62
中度敏感 moderate sensitive	1711023	1910461	1450886	84.80
高度敏感 high sensitive	665854	526134	513284	77.09
极度敏感 extremely sensitive	5	98	4	80.00

下载: 导出CSV

表 11 滇池流域2010—2026生态敏感区变化特征

Table 11 Variation characteristics of Dianchi Lake Basin from 1995 to 2018

区域 region	2026年预测面积/hm² predicted area in 2026	2010—2018		2018—2026
区域 region	2026年预测面积/hm² predicted area in 2026	变化面积/ hm² changed area	变化率/% change rate	变化面积/hm² changed area	变化率/% change rate
不敏感 insensitive	12352.80	−579.18	−0.19	1267.56	0.41
轻度敏感 low sensitive	63905.80	−35395.90	−11.53	−2489.35	−0.81
中度敏感 moderate sensitive	205411.46	33720.47	10.98	−10900.15	−3.55
高度敏感 high sensitive	25290.23	2412.50	0.79	12109.75	3.95
极度敏感 extremely sensitive	12.25	−157.37	−0.05	11.93	0.00

下载: 导出CSV

参考文献(40)

[1]	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[J]. 生态学报, 2018, 38(22): 7899. DOI: 10.5846/stxb201802090351.
[2]	何苏玲, 邹凤琼, 王金亮. 基于AHP和MSE赋权法的龙南县生态敏感性评价[J]. 生态学杂志, 2021, 40(9): 2927. DOI: 10.13292/j.1000-4890.202109.022.
[3]	刘海龙, 王炜桥, 王跃飞, 等. 汾河流域生态敏感性综合评价及时空演变特征[J]. 生态学报, 2021, 41(10): 3952. DOI: 10.5846/stxb202101190204.
[4]	何云玲, 熊巧利, 罗贤, 等. 基于NDVI滇池水华特征的时空变化研究[J]. 生态环境学报, 2019, 28(3): 555. DOI: 10.16258/j.cnki.1674-5906.2019.03.016.
[5]	魏伟, 周陶, 郭泽呈, 等. 基于遥感指数的干旱内陆河流域土地生态敏感性时空演变特征: 以石羊河流域武威市为例[J]. 生态学杂志, 2020, 39(9): 3068. DOI: 10.13292/j.1000-4890.202009.022.
[6]	朱萌, 马孝义, 刘雪娇. 基于马尔科夫模型的武功县土地利用/覆被动态变化研究[J]. 水土保持研究, 2013, 20(5): 64.
[7]	叶娇, 罗莉, 肖志峰. 基于CA-Markov模型的东江流域土地利用动态模拟[J]. 地理空间信息, 2020, 18(9): 102. DOI: 10.3969/j.issn.1672-4623.2020.09.026.
[8]	井云清, 张飞, 张月. 基于CA-Markov模型的艾比湖湿地自然保护区土地利用/覆被变化及预测[J]. 应用生态学报, 2016, 27(11): 3649. DOI: 10.13287/j.1001-9332.201611.027.
[9]	李中杰, 郑一新, 张大为, 等. 滇池流域近20年社会经济发展对水环境的影响[J]. 湖泊科学, 2012, 24(6): 875. DOI: 10.18307/2012.0610.
[10]	王小伦, 刘雁, 张玉, 等. 基于CA-Markov模型的吉林省西部土地利用/覆被变化研究及预测[J]. 科学技术与工程, 2021, 21(19): 7942. DOI: 10.3969/j.issn.1671-1815.2021.19.012.
[11]	李益敏, 管成文, 朱军. 基于GIS的星云湖流域生态敏感性评价[J]. 水土保持研究, 2017, 24(5): 266. DOI: 10.13869/j.cnki.rswc.2017.05.042.
[12]	陈佳楠, 唐代生, 贾剑波. 基于MCE-CA-Markov模型的森林景观格局演变和模拟预测: 以宁乡市为例[J]. 中南林业科技大学学报, 2021, 41(9): 127. DOI: 10.14067/j.cnki.1673-923x.2021.09.014.
[13]	邓伟明, 雷坤, 苏会东, 等. 2008年滇池流域水环境承载力评估[J]. 环境科学研究, 2012, 25(4): 372. DOI: 10.13198/j.res.2012.04.19.dengwm.006.
[14]	刘瑞华, 曹暄林. 滇池20年污染治理实践与探索[J]. 环境科学导刊, 2017, 36(6): 31. DOI: 10.13623/j.cnki.hkdk.2017.06.007.
[15]	黄杰, 王英才, 邓晓庆, 等. 滇池水质及营养状态时空变化特征[J]. 人民长江, 2022, 53(6): 61. DOI: 10.16232/j.cnki.1001-4179.2022.06.009.
[16]	郑丙辉, 郅永宽, 郑凡东, 等. 滇池流域生态环境动态变化研究[J]. 环境科学研究, 2002, 15(2): 16. DOI: 10.13198/j.res.2002.02.18.zhengbh.005.
[17]	冯宁, 毛锋, 李晓阳, 等. 滇池生态安全综合评估研究[J]. 环境科学, 2010, 31(2): 282. DOI: 10.13227/j.hjkx.2010.02.002.
[18]	陈悦, 罗明没, 李尚磷, 等. 基于荧光定量PCR技术分析滇池沉积物产甲烷菌空间分布特征[J]. 云南农业大学学报(自然科学), 2021, 36(1): 132. DOI: 10.12101/j.issn.1004-390X(n).202002015.
[19]	黄贝. 滇池流域森林资源现状分析与评价[J]. 林业建设, 2019(3): 66.
[20]	廖悦, 张刘东, 陈晨, 等. 滇池流域NDVI动态变化特征及其对气候的响应[J]. 农业工程, 2021, 11(9): 34. DOI: 10.3969/j.issn.2095-1795.2021.09.008.
[21]	丁雨賝, 冯长春, 王利伟. 山地区域土地生态红线划定方法与实证研究: 以重庆市涪陵区义和镇为例[J]. 地理科学进展, 2016, 35(7): 851. DOI: 10.18306/dlkxjz.2016.07.006.
[22]	董玉红, 刘世梁, 安南南, 等. 基于景观指数和空间自相关的吉林大安市景观格局动态研究[J]. 自然资源学报, 2015, 30(11): 1860. DOI: 10.11849/zrzyxb.2015.11.007.
[23]	吴金华, 房世峰, 刘宝军, 等. 乌裕尔河—双阳河流域湿地景观格局演变及其驱动机制[J]. 生态学报, 2020, 40(13): 4279. DOI: 10.5846/stxb201911042316.
[24]	邓越, 唐代生, 李裕元, 等. 亚热带典型农林混合流域河岸带景观格局对河流磷输出的影响[J]. 水土保持学报, 2022, 36(3): 64. DOI: 10.13870/j.cnki.stbcxb.2022.03.010.
[25]	汪桂芳, 穆博, 宋培豪, 等. 基于无人机航测的漯河市土地利用景观格局尺度效应[J]. 生态学报, 2018, 38(14): 5158. DOI: 10.5846/stxb201705190927.
[26]	王娜, 李满春, 陈振杰, 等. 生态网络约束下的长沙市景观格局模拟[J]. 水土保持研究, 2022, 29(3): 269. DOI: 10.13869/j.cnki.rswc.2022.03.034.
[27]	黄楚珩, 蒋志云, 杨志广, 等. 基于熵值法和层次分析法的广东省水资源安全评价及影响因素分析[J]. 水资源与水工程学报, 2019, 30(5): 140. DOI: 10.11705/j.issn.1672-643X.2019.05.21.
[28]	沈雨婷, 金洪飞. 中国地方政府债务风险预警体系研究: 基于层次分析法与熵值法分析[J]. 当代财经, 2019(6): 34. DOI: 10.13676/j.cnki.cn36-1030/f.2019.06.004.
[29]	吴帛阳. 基于生态敏感性评价的尧山自然保护区生态保护对策分析研究[D]. 郑州: 郑州大学, 2020.
[30]	XIE Z X, YAN J. Kernel density estimation of traffic accidents in a network space[J]. Computers Environment & Urban Systems, 2008, 32(5): 396. DOI: 10.1016/j.compenvurbsys.2008.05.001.
[31]	ELGAMMAL A, DURAISWAMI R, HARWOOD D, et al. Background and foreground modeling using nonparametric kernel density estimation for visual surveillance[J]. Proceedings of the IEEE, 2002, 90(7): 1151. DOI: 10.1109/JPROC.2002.801448.
[32]	蔡雪娇, 吴志峰, 程炯. 基于核密度估算的路网格局与景观破碎化分析[J]. 生态学杂志, 2012, 31(1): 158. DOI: 10.13292/j.1000-4890.2012.0035.
[33]	张晓娟, 周启刚, 王兆林, 等. 基于MCE-CA-Markov的三峡库区土地利用演变模拟及预测[J]. 农业工程学报, 2017, 33(19): 268. DOI: 10.11975/j.issn.1002-6819.2017.19.035.
[34]	DA CUNHA E R, SANTOS C A G, DA SILVA R M, et al. Future scenarios based on a CA-Markov land use and land cover simulation model for a tropical humid basin in the Cerrado/Atlantic forest ecotone of Brazil[J]. Land Use Policy, 2020, 101(1): 5896. DOI: 10.1016/j.landusepol.2020.105141.
[35]	杨蕴雪, 张艳芳. 基于空间距离指数的延河流域生态敏感性时空演变特征[J]. 自然资源遥感, 2021, 33(3): 229. DOI: 10.6046/zrzyyg.2020281.
[36]	付磊, 李增华. 近20年滇池流域土地利用/覆被变化过程、特征及其生态价值变化研究[J]. 生态经济, 2022, 38(6): 183.
[37]	武泽民, 余哲修, 李瑶, 等. 滇池流域土地利用演变及景观生态安全评价研究[J]. 西南林业大学学报(自然科学), 2021, 41(3): 122. DOI: 10.11929/j.swfu.202004008.
[38]	许冬凡, 张加龙, 鲍瑞, 等. 基于GEE的滇池流域土地覆盖变化及建设用地扩张驱动力分析[J]. 西南林业大学学报(自然科学), 2022, 42(1): 142. DOI: 10.11929/j.swfu.202101026.
[39]	曹钊豪, 张京生, 王鑫宇, 等. 山地城市绿地适宜性评价及布局优化研究: 以新县为例[J]. 环境科学与管理, 2022, 47(3): 35. DOI: 10.3969/j.issn.1673-1212.2022.03.009.
[40]	李振亚, 魏伟, 周亮, 等. 中国陆地生态敏感性时空演变特征[J]. 地理学报, 2022, 77(1): 150. DOI: 10.11821/dlxb202201011.

施引文献(6)

期刊类型引用(4)

1.	李悦燚，任洪辉，高文武，白玛友珠. 藏猪仔猪育肥技术及饲养管理. 现代畜牧科技. 2024(08): 95-97 . 百度学术
2.	董新星，王琳，刘金桥，严达伟，张博，邓俊，张浩，马黎. 大型迪庆藏猪不同生长阶段腹脂代谢功能基因筛选及其调控网络分析. 云南农业大学学报(自然科学). 2023(01): 61-70 . 百度学术
3.	董新星，李昕鹏，聂靖茹，刘诗意，王莉兴，徐红萍，严达伟，马黎. 屠宰体重对大型迪庆藏猪产肉性能、肌肉品质及经济效益的影响. 黑龙江畜牧兽医. 2023(22): 57-62 . 百度学术
4.	王娟，杨繁，杨馨，赵智勇，信爱国，孙强. 云南地方猪产业发展现状初步调查与建议. 养猪. 2022(02): 63-66 . 百度学术

其他类型引用(2)

资源附件(0)

图(9) / 表(11)

计量

文章访问数: 1743
PDF下载量: 18
被引次数: 6

1. 材料与方法
1.1 试验猪只选择及分组
1.2 测定指标及方法
1.2.1 生长性能、胴体性能、内脏器官和胴体组成
1.2.2 肉质
1.2.3 常规营养成分
1.3 数据处理
2. 结果与分析
2.1 育肥方式对迪庆藏猪生长及胴体性能的影响
2.2 育肥方式对迪庆藏猪内脏器官的影响
2.3 育肥方式对迪庆藏猪胴体各部位组分的影响
2.4 饲养方式对迪庆藏猪肉质的影响
2.5 育肥方式对迪庆藏猪肌肉营养成分的影响
3. 讨论
4. 结论

1. 材料与方法
1.1 试验猪只选择及分组
1.2 测定指标及方法
1.2.1 生长性能、胴体性能、内脏器官和胴体组成
1.2.2 肉质
1.2.3 常规营养成分
1.3 数据处理
2. 结果与分析
2.1 育肥方式对迪庆藏猪生长及胴体性能的影响
2.2 育肥方式对迪庆藏猪内脏器官的影响
2.3 育肥方式对迪庆藏猪胴体各部位组分的影响
2.4 饲养方式对迪庆藏猪肉质的影响
2.5 育肥方式对迪庆藏猪肌肉营养成分的影响
3. 讨论
4. 结论

参考文献(40)

施引文献(6)

资源附件(0)

基于CA-MC模型的滇池流域生态敏感性时空演变特征

通信作者: 白天(1986—)，男，云南昆明人，博士，讲师，主要从事城乡绿地资源建设与管控和城乡灾害预警研究。E-mail：tbai@ynau.edu.cn

计量

出版历程