2. 中国矿业大学资源与地球科学学院, 江苏 徐州 221116;
3. 中国科学院南京地理与湖泊研究所, 江苏 南京 210008
2. School of Resource and Geosciences, China University of Mining and Technology, Xuzhou 221116, China;
3. Nanjing Institute of Geography & Limnology, Chinese Academy of Sciences, Nanjing 210008, China
矿产资源开发对我国经济发展贡献突出, 但煤炭不合理开采会引发土地挖损、土地塌陷和土地压占等表观的直接损伤, 也会间接引起矿区生态系统的紊乱, 从而使得煤矿区植被出现不同程度的退化。这不但影响当地经济社会发展, 而且直接威胁煤矿区自然生态环境[1]。相比井工开采, 露天开采对地面扰动更大, 对地面植被影响更为强烈[2], 因此有必要分析该地区引起植被退化的各项因素, 从而确定其主控因素并实施精准防治。部分学者从土地退化角度围绕其概念、因素、分类和调查等方面[3-4]对煤矿区植被退化开展研究, 有学者运用GIS、遥感等技术评价矿区植被退化并分析植被覆盖的动态变化及影响因素等[5-6], 也有学者从植被退化对环境影响角度开展研究[7]; 但从不同因素视角入手, 分析其对煤矿区植被退化影响的研究尚鲜见。据统计, 中国露天煤矿及采煤废弃地面积已超过200多万hm2, 而只有确定导致露天煤矿区植被退化的主要因素, 才能实现精准预防与治理。因此, 如何确定煤矿区植被退化主要驱动因素具有现实意义。基于2008—2014年胜利矿区和2006—2015年平庄矿区各3期遥感影像, 研究不同因素对植被退化影响力的定量关系并确定主控因素, 以期为露天煤矿区植被退化治理与生态重建提供理论依据。
1 数据与方法 1.1 研究区域胜利矿区和平庄矿区均属内蒙古东部亿吨级煤炭生产基地, 依据《土地复垦质量控制标准》区域类型划分, 两处矿区位于北方草原区。其中, 胜利矿区位于内蒙古自治区锡林郭勒盟锡林浩特市北2~5 km处, 地处胜利苏木和伊利勒特苏木境内, 地理坐标为43°54′15″~44°13′52″ N, 115°24′26″~116°26′30″ E, 海拔为970~1 202 m。矿区属半干旱草原气候区, 地处温带丛生禾草典型草原腹地, 除河滩、丘间洼地和盐化湖盆低地外均为典型草原。平庄矿区位于内蒙古东部赤峰市东20~45 km处, 地处赤峰市元宝山区境内, 地理坐标为41°56′13″~42°33′25″ N, 119°0′32″~119°31′44″ E, 海拔为490~690 m, 属暖温带半干旱大陆性气候区。作为蒙东典型煤矿区, 露天开采对地表产生剧烈扰动, 大量剥离物堆积成的排土场土壤瘠薄, 加之排土过程中重型卡车碾压使地表严重压实, 造成植物扎根困难, 对该地区环境影响较大。两地虽处于不同气候区, 但草原植被退化均严重, 故分析胜利、平庄露天煤矿区植被退化因素, 可为我国干旱半干旱区特别是草原植被退化研究提供一定借鉴。
1.2 数据与预处理研究数据包括Landsat 5 TM与Landsat 8 OIL影像数据、DEM数字高程数据、世界土壤数据库(HWSD)数据、中国地面气候资料月值数据集等。对胜利矿区和平庄矿区各3期无云、雾、条带等影响且植被生长状况良好(7—9月)的遥感影像(表 1)作辐射定标、大气校正和裁剪等预处理。运用ENVI 5.3软件对ASTGTM数字高程数据进行镶嵌和裁剪。利用ArcGIS 10.2软件建立HWSD关联属性表并重采样(分辨率为30 m), 掩膜提取研究区范围; 运用Kriging插值法处理地面气候资料月值数据。
露天煤矿区植被退化受多种因素共同影响, 包括挖损、压占等人为直接因素, 以及土壤侵蚀、沙漠化等间接因素。综合前人成果, 用归一化植被指数(normalized difference vegetation index, NDVI)反映植被退化程度[2, 8]。选取挖损、压占、土壤侵蚀和沙漠化4个因素与NDVI值作熵权灰色关联分析, 从而得出各因素与NDVI值的关联序。
基于ENVI 5.3软件遥感影像解译与ArcGIS 10.2软件数据处理, 运用不同模型提取煤矿区影响因素:(1)通过遥感影像解译得到胜利和平庄露天煤矿区挖损、压占面积[9]。(2)基于通用土壤流失方程RUSLE模型计算煤矿区土壤侵蚀量[10]。(3)构建NDVI-反照率(albedo)特征空间, 定量提取煤矿区沙漠化数据[11]。(4)运用像元二分法模型作像元线性分解, 利用植被与裸土NDVI值并去除异常值, 计算植被覆盖度与整体NDVI值[12]。
灰色关联具有模糊、随机、灰色等优势特征, 符合露天煤矿区植被退化影响因素的评价需求。而熵权法可根据指标变异程度确定客观权重。将熵权法引入灰色关联, 可在有效消除主观因素引起偏差的基础上, 通过数据本身反映信息无序化效用值的权重系数[13]。
(1) 灰色关联分析
以不同年期(i)的不同影响因素(j)建立原始样本数据矩阵, 基于式(1)用Origin 7.0软件对各项指标进行归一化处理, 计算灰色关联系数。
$ \begin{array}{l} \;\;\;\;\;\;\;\;{L_i}\left( j \right) = \\ \frac{{\mathop {{\rm{min}}}\limits_i \;\mathop {{\rm{min}}}\limits_j \left| {{x_0}\left( j \right)-{x_i}\left( j \right)} \right| + \rho \;\mathop {{\rm{max}}}\limits_i \;\mathop {{\rm{max}}}\limits_j \left| {{x_0}\left( j \right)-{x_i}\left( j \right)} \right|}}{{\left| {{x_0}\left( j \right)-{x_i}\left( j \right)} \right| + \rho \;\mathop {{\rm{max}}}\limits_i \;\mathop {{\rm{max}}}\limits_j \left| {{x_0}\left( j \right) - {x_i}\left( j \right)} \right|}}。\end{array} $ | (1) |
式(1)中, Li(j)为关联系数; |x0(j)-xi(j)|为x0(j)与xi(j)的绝对差;
$ {r_{0i}} = \frac{1}{n}\sum\limits_j^n {{L_i}\left( j \right)} 。$ | (2) |
(2) 熵权法因素权重的确定
依据熵权法计算各因素的贡献程度:先采用式(3)计算指标j下指标i的比重(pij); 再运用式(4)~(5)计算因素j的熵值(ej)和熵权(ωj)。
$ {p_{ij}} = \frac{{{r_{ij}}}}{{\sum\limits_{i = 1}^m {{r_{ij}}} }}, $ | (3) |
$ {e_{ij}} =-k\sum\limits_{i = 1}^m {{p_{ij}}{\rm{ln}}\;{p_{ij}}, k = \frac{1}{{{\rm{ln}}\;m}}}, $ | (4) |
$ {\omega _j} = \frac{{1-{e_j}}}{{\sum\limits_{j = 1}^n {\left( {1-{e_j}} \right)} }}。$ | (5) |
(3) 熵权灰色关联度与关联序
采用式(6)计算熵权灰色关联度, 确定影响因素的综合权重与因素的综合熵权关联序, 可较客观地评价导致露天煤矿区植被退化的主控因素。
$ {\gamma _{0i}} = \sum\limits_{j = 1}^n {{\omega _j}{L_i}\left( j \right)} 。$ | (6) |
式(6)中, γ0i为因素i的熵权关联度; ωj为因素j的熵权; Li(j)为因素j的关联系数。
2 结果 2.1 挖损与压占面积状况基于目视解译对胜利矿区和平庄矿区的矿坑、挖损和压占区域判读识别(图 1), 经统计得到矿坑、挖损和压占面积(表 2)。
结果显示, 胜利和平庄矿区露天开采造成较大面积的土地挖损和压占。胜利矿区2008—2011年和2011—2014年土地压占面积分别增加22.9%和51.8%, 而2011—2014年矿坑面积减少46.0%;平庄矿区2006—2010年土地压占面积增加22.6%, 2010—2015年挖损面积增加46.6%。其余年份矿坑、挖损和压占面积变化不大。
2.2 沙漠化状况以胜利矿区和平庄矿区各3期Landsat TM/OLI影像为数据源, 将NDVI与反照率进行归一化处理, 并在2个矿区随机选取样点建立NDVI-反照率回归方程, 构建NDVI-反照率特征空间, 定量提取矿区沙漠化信息。将沙漠化差值指数(desertification differential index, DDI)分为潜在、轻度、中度、重度和极重度沙漠化5个等级[14], 得到胜利、平庄矿区沙漠化等级分布结果(图 2), 矿区沙漠化等级面积及其占比见表 3。胜利矿区2008、2011和2014年DDI值分别为-2.91、-3.77和-2.38, 平庄矿区2006、2010和2015年DDI值分别为-2.03、-2.63和-2.79。
结果显示, 胜利和平庄矿区沙漠化程度不同。2008、2011和2014年胜利矿区中度沙漠化面积占比较大, 分别为42.31%、26.18%和43.01%, 重度、极重度沙漠化面积之和占比为19.54%~28.36%, 潜在、轻度沙漠化面积之和占比为35.16%~45.46%。2006—2015年平庄矿区潜在沙漠化面积占比较大, 2006—2010年中度、重度和极重度沙漠化面积减少, 潜在和轻度沙漠化面积占比分别增加17.28和4.18百分点, 2010—2015年轻度、重度和极重度沙漠化面积分别增加8.91、3.52和10.99百分点, 潜在沙漠化面积占比减少21.48百分点。
2.3 土壤侵蚀状况根据SL 190—2007《土壤侵蚀分类分级标准》和计算所得的土壤侵蚀模数(average erosion modulus, AEM)划分煤矿区土壤侵蚀强度, 经统计得到矿区土壤侵蚀等级面积及其占比(表 4)。经计算, 胜利矿区2008、2011和2014年AEM分别为2 189、839和446, 平庄矿区2006、2010和2015年AEM分别为515、327和268。
胜利和平庄矿区土壤侵蚀在3个时期均以微度、轻度侵蚀为主, 中度及以上侵蚀面积几乎可忽略不计。2008年胜利矿区微度、轻度和中度侵蚀面积占比分别为58.40%、37.26%和3.21%, 中度侵蚀在2008年达到最大值, 在其他年份微度侵蚀面积占比均在83%以上, 微度和轻度侵蚀面积之和占比均在98%以上; 2006年平庄矿区微度、轻度和中度侵蚀面积占比分别为79.72%、15.01%和3.62%, 且2006年中度侵蚀面积占比达最大值, 在其他年份微度侵蚀面积占比均在98%以上。
2.4 植被覆盖度状况运用像元二分法模型作像元线性分解, 利用植被与裸土NDVI值并去除异常值, 制作植被覆盖度等级分布图(图 3)。
表 5显示, 2008、2011和2014年胜利矿区裸土地与低覆盖面积之和占比分别为61.03%、91.61%和86.71%, 而高覆盖、较高覆盖面积之和占比分别为16.71%、4.00%和6.26%, 植被覆盖度很低。2006、2010和2015年平庄矿区裸土地与低覆盖面积之和占比分别为40.70%、23.25%和34.77%, 高覆盖、较高覆盖面积之和占比分别为35.95%、57.42%和37.71%, 植被覆盖相对较好。
运用灰色系统理论分别对影响胜利和平庄2个矿区植被退化的各因素作灰色关联分析, 以NDVI值代表植被退化程度, 研究挖损、压占、土壤侵蚀和沙漠化4个因素与植被退化的关联性。基于各时期各因素平均值(表 6), 对各因素数据进行标准化处理并计算关联性和关联度。运用熵权法确定各项指标熵值和熵权, 计算综合权关联度(表 7)。
结果显示, 胜利矿区植被退化因素熵权灰色关联度从大到小依次为压占、沙漠化、挖损和土壤侵蚀, 而平庄矿区则为挖损、压占、土壤侵蚀和沙漠化。
3 讨论根据熵权灰色关联分析结果, 胜利和平庄矿区不同因素排序不同。胜利矿区植被退化受压占影响最大, 受土壤侵蚀影响最小; 而平庄矿区植被退化受挖损影响最大, 受沙漠化影响最小。卞正富等[8]将4项因素按采矿影响分为直接因素(挖损和压占)和间接因素(土壤侵蚀和沙漠化)。而直接因素对2个煤矿区植被退化影响均较大, 间接因素影响相对较小,故可推断露天煤矿区植被退化主要受直接因素影响。李海东等[2]和姚维岭等[6]提出露天开采方式对煤矿区生态环境最直接、最严重的影响因素是土地挖损和压占, 笔者研究结果与其一致。
胜利和平庄矿区位于内蒙古东部, 属干旱半干旱区域, 生态环境脆弱。在土地挖损和压占面积变化方面, 2008—2014年胜利矿区挖损面积增加6.4%, 压占面积增加86.6%;而2006—2015年平庄矿区挖损面积增加50.2%, 压占面积增加30.4%;2处矿区的挖损和压占面积均呈现递增趋势, 且土地压占面积明显高于挖损面积。笔者研究结果显示, 胜利矿区压占、挖损灰色关联度分别为0.294 7和0.151 0, 关联序分别为1和3, 而平庄矿区压占、挖损灰色关联度分别为0.169 3和0.163 7, 关联序分别为1和2, 可见在胜利和平庄矿区进行露天开采时, 压占和挖损对植被退化影响均较大。因露天开采一般是直接将煤矿从地表开采或在剥离地表覆盖物后开采, 易导致原有植被的大规模砍伐, 且会排出大量松散堆积物并形成大型排土场, 破坏煤矿区地形地貌、土壤、景观和生态等, 引起水土流失加剧、地质灾害频发和土壤水体污染, 在一定程度上佐证了挖损、压占对植被退化的较大干扰。另外, 露天开采影响土地损毁、压占的因素较多, 例如煤炭赋存条件、沉积层的松散程度等。曹银贵等[14]研究表明, 一味追求经济发展而提高煤炭产量, 势必会加剧土地损毁。因此, 露天开采应合理安排调配煤炭产量, 控制生产性投资, 加大对生态环境、技术革新等方面投资, 以期减少土地损毁面积, 从而遏制露天煤矿区植被退化态势。
由于沙漠化、土壤侵蚀是土地退化的一种外在表现形式, 所以即使挖损、压占是造成煤矿区植被退化的主要因素, 也不能忽视沙漠化和土壤侵蚀的影响。例如, 胜利矿区沙漠化熵权关联序为2, 对植被退化影响较大, 仅次于压占。另外, 2008—2014年胜利矿区极重度沙漠化面积增加210.8%, 轻度沙漠化面积增加70.6%, 而重度、潜在沙漠化面积相应减少66.3%和62.4%。另外, 从胜利矿区空间分布变化来看, 重度沙漠化逐步向极重度沙漠化转变, 潜在沙漠化向轻度沙漠化转变, 推测是由于胜利矿区在露天开采时对地表植被破坏使沙漠化不断扩张, 从而导致煤矿区植被退化恶性循环[15]。而平庄矿区极重度沙漠化面积增加50.2%, 轻度沙漠化面积增加89.8%, 重度、中度和潜在沙漠化面积分别减少33.2%、25.6%和19.6%。从分析结果来看, 平庄矿区沙漠化关联度仅为0.103 4, 关联序为4, 植被退化受沙漠化影响较小, 其原因可能与该地区实施防沙治沙、退耕还林还草等战略项目有关[16]。一般来讲, 沙漠化多发生于生态环境脆弱的干旱半干旱地区, 该地区土壤养分和黏粒含量较低,植被难以生长, 故植被与土地均易发生不同程度退化。可通过造林种草、农业复垦和人工养殖等综合性土地修复措施, 增加煤矿区植被覆盖度, 提高煤矿区防沙治沙水平, 缓解煤矿区植被退化。
在土壤侵蚀方面, 胜利矿区2008—2014年以微度、轻度侵蚀为主, 微度、轻度侵蚀面积之和均达总面积的95.0%以上, 在2014年甚至达99.11%, 中度以上侵蚀面积几乎可忽略不计。而平庄矿区2006—2015年则以微度侵蚀为主, 2006、2010和2015年微度侵蚀面积占比分别为79.72%、98.87%和98.78%, 除2006年外轻度及以上侵蚀面积几乎可忽略不计。另外, 胜利和平庄矿区土壤侵蚀熵权关联度分别为0.119 3和0.150 5, 关联序分别为4和3, 说明与该模型其他因素相比, 土壤侵蚀对2处露天煤矿区影响较小, 但这并不意味着可忽略土壤侵蚀。据前人研究[17], 天然草地煤炭开发后再塑地貌易加剧煤矿区土壤侵蚀与水土流失, 导致土壤性状恶化和土地生产力降低, 过程往往伴生植被退化甚至土地退化。故可通过排土场边坡坡面治理、铺设植生带等生态恢复治理方式缓解土壤侵蚀。
综上, 所构建的熵权灰色关联模型可为科学分析露天煤矿区植被退化原因提供依据, 为寻找露天煤矿区植被退化规律奠定基础, 避免植被退化防治工作的盲目性。但需要说明的是, 所设立的植被退化因素分析模型目前仅为一个初步探索, 而影响植被退化的因素很多, 笔者只选取了挖损、压占、沙漠化和土壤侵蚀4个因素, 未讨论其他因素对植被退化可能产生的影响。故在今后的研究中会加强对各因素调查划分的深度与全面性, 使植被退化因素分析更为严密准确。
4 结论熵权灰色关联法分析结果显示, 胜利矿区各因素熵权关联序排序为压占、沙漠化、挖损和土壤侵蚀, 而平庄矿区则为挖损、压占、土壤侵蚀和沙漠化。露天煤矿区植被退化最直接、最严重的影响因素是土地挖损和压占, 故应加大对生态环境等方面投资, 以期降低土地损毁、压占面积, 并有效防止煤矿区植被退化。沙漠化和土壤侵蚀对植被退化影响比挖损、压占小, 但却不容忽视。应在充分考虑沙漠化扩张、土壤风蚀水蚀的基础上, 开展煤矿区植被退化防治, 避免植被退化防治的盲目性。
致谢:在对该文的修改完善过程中, 编辑与两位审稿人提出了重要观点和宝贵意见, 中国矿业大学环境与测绘学院杨永均博士后对英文摘要予以润色, 在此表示衷心感谢。[1] |
沈渭寿, 邹长新, 燕守广, 等. 中国的矿山环境[M]. 北京: 中国环境出版社, 2013: 3.
(0) |
[2] |
李海东, 沈渭寿, 司万童, 等. 中国矿区土地退化因素调查:概念、类型与方法[J]. 生态与农村环境学报, 2015, 31(4): 445-451. [ LI Hai-dong, SHEN Wei-shou, SI Wan-tong, et al. Investigation of Driving Factors of Land Degradation in Mine Areas in China:Concept, Types and Approaches[J]. Journal of Ecology and Rural Environment, 2015, 31(4): 445-451.] (0) |
[3] |
沈渭寿, 曹学章, 沈发云. 中国土地退化的分类与分级[J]. 生态与农村环境学报, 2006, 22(4): 88-93. [ SHEN Wei-shou, CAO Xue-zhang, SHEN Fa-yun. Classification and Grading of Land Degradation in China[J]. Journal of Ecology and Rural Environment, 2006, 22(4): 88-93. DOI:10.3969/j.issn.1673-4831.2006.04.019] (0) |
[4] |
江泽慧. 中国干旱地区土地退化综合监测与评价指标体系建设研究[M]. 北京: 中国林业出版社, 2013: 39-42.
(0) |
[5] |
黄园园, 闫庆武, 雷少刚, 等. 基于GIS的乌海矿区土地退化因素分析[J]. 生态与农村环境学报, 2016, 32(3): 361-366. [ HUANG Yuan-yuan, YAN Qing-wu, LEI Shao-gang, et al. Factors of Land Degradation in Wuhai Mining Area Based on GIS[J]. Journal of Ecology and Rural Environment, 2016, 32(3): 361-366.] (0) |
[6] |
姚维岭, 余江宽, 路云阁. 基于ZY-3卫星数据的神东煤矿区土地退化人为影响因素调查与评价[J]. 生态与农村环境学报, 2016, 32(3): 355-360. [ YAO Wei-ling, YU Jiang-kuan, LU Yun-ge. Investigation and Assessment of Artificial Influencing Factors of Land Degradation in Shendong Coal Mining Area Based on ZY-3 Satellite Data[J]. Journal of Ecology and Rural Environment, 2016, 32(3): 355-360.] (0) |
[7] |
易湘生, 李国胜, 李阔, 等. 长江源区草地植被退化对土壤持水能力影响[J]. 长江流域资源与环境, 2018, 27(4): 907-918. [ YI Xiang-sheng, LI Guo-sheng, LI Kuo, et al. Effect of Grassland Vegetation Degradation on Soil Water Holding Capacity in the Headwaters Area of Yangtze River[J]. Resources and Environment in the Yangtze Basin, 2018, 27(4): 907-918.] (0) |
[8] |
卞正富, 沈渭寿. 西部重点矿区土地退化因素调查[J]. 生态与农村环境学报, 2016, 32(2): 173-177. [ BIAN Zheng-fu, SHEN Wei-shou. Driving Factors of Land Degradation in Major Mining Areas in West China[J]. Journal of Ecology and Rural Environment, 2016, 32(2): 173-177.] (0) |
[9] |
魏也纳. 矿山开采土地压占毁损变化监测及分析:以郑州地区为例[J]. 矿山测量, 2010, 38(3): 75-78. [ WEI Ye-na. Monitoring and Analysis on Change of Land Occupation and Destroyed by Mining:The Case Study of Zhengzhou Area[J]. Mine Surveying, 2010, 38(3): 75-78. DOI:10.3969/j.issn.1001-358X.2010.03.025] (0) |
[10] |
李天宏, 郑丽娜. 基于RUSLE模型的延河流域2001-2010年土壤侵蚀动态变化[J]. 自然资源学报, 2012, 27(7): 1164-1175. [ LI Tian-hong, ZHENG Li-na. Soil Erosion Changes in the Yanhe Watershed From 2001 to 2010 Based on RUSLE Model[J]. Journal of Natural Resources, 2012, 27(7): 1164-1175.] (0) |
[11] |
韩已文, 刘忠, 于学谦, 等. 沙化土地整治背景下的沙漠化监测预警[J]. 农业工程学报, 2017, 33(10): 271-277. [ HAN Yi-wen, LIU Zhong, YU Xue-qian, et al. Desertification Monitoring and Early Warning in Context of Sandy Land Consolidation[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(10): 271-277. DOI:10.11975/j.issn.1002-6819.2017.10.036] (0) |
[12] |
李卓, 孙然好, 张继超, 等. 京津冀城市群地区植被覆盖动态变化时空分析[J]. 生态学报, 2017, 37(22): 7418-7426. [ LI Zhuo, SUN Ran-hao, ZHANG Ji-chao, et al. Temporal-Spatial Analysis of Vegetation Coverage Dynamics in Beijing-Tianjin-Hebei Metropolitan Regions[J]. Acta Ecologica Sinica, 2017, 37(22): 7418-7426.] (0) |
[13] |
王云刚, 周辰, 李辉, 等. 基于熵权灰色关联法的煤与瓦斯突出主控因素分析[J]. 安全与环境学报, 2016, 16(6): 5-9. [ WANG Yun-gang, ZHOU Chen, LI Hui, et al. Analysis of the Dominant Controlling Factors Leading to the Coal and Gas Out-Burst Based on the Entropy Weight and Grey Correlation Method[J]. Journal of Safety and Environment, 2016, 16(6): 5-9.] (0) |
[14] |
曹银贵, 白中科, 周伟, 等. 基于尺度差异的山西省采煤土地损毁影响因素分析[J]. 中国矿业, 2014, 23(8): 75-82. [ CAO Yin-gui, BAI Zhong-ke, ZHOU Wei, et al. Impact Factors of Coal Mining Land Damage at Different Scales in Shanxi Province[J]. China Mining Magazine, 2014, 23(8): 75-82. DOI:10.3969/j.issn.1004-4051.2014.08.019] (0) |
[15] |
丁文广, 赵晨, 陈利珍, 等. 1975-2014年锡林郭勒盟沙漠化时空演变分析[J]. 兰州大学学报(自然科学版), 2017, 53(1): 60-67. [ DING Wen-guang, ZHAO Chen, CHEN Li-zhen, et al. Spatial-Temporal Evolution of Desertification in Xilinguole League During 1975-2014[J]. Journal of Lanzhou University(Natural Science), 2017, 53(1): 60-67.] (0) |
[16] |
周扬, 李宁, 吉中会, 等. 基于SPI指数的1981-2010年内蒙古地区干旱时空分布特征[J]. 自然资源学报, 2013, 28(10): 1694-1706. [ ZHOU Yang, LI Ning, JI Zhong-hui, et al. Temporal and Spatial Patterns of Droughts Based on Standard Precipitation Index (SPI) in Inner Mongolia During 1981-2010[J]. Journal of Natural Resource, 2013, 28(10): 1694-1706. DOI:10.11849/zrzyxb.2013.10.005] (0) |
[17] |
郭建英, 何京丽, 李锦荣, 等. 典型草原大型露天煤矿排土场边坡水蚀控制效果[J]. 农业工程学报, 2015, 31(3): 296-303. [ GUO Jian-ying, HE Jing-li, LI Jin-rong, et al. Effects of Different Measures on Water Erosion Control of Dump Slope at Opencast Coal Mine in Typical Steppe[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(3): 296-303. DOI:10.3969/j.issn.1002-6819.2015.03.040] (0) |