黑河流域中游地區生態環境變化特征及驅動力

周 沙,黃躍飛,王光謙

(清華大學水沙科學與水利水電工程國家重點實驗室,北京 100084)

黑河流域中游地區生態環境變化特征及驅動力

周 沙,黃躍飛*,王光謙

(清華大學水沙科學與水利水電工程國家重點實驗室,北京 100084)

多角度分析黑河流域中游地區植被覆蓋度時空變化特征,并建立基于演變過程的生態系統灰色關聯度模型,分析生態環境變化的驅動因子.研究表明：1)1999～2008年,平原旱地、低覆蓋草地、有林地年最大歸一化差異植被指數(NDVI)增幅較大,達 0.1～0.2,疏林地2004年后保持高速增長,年最大NDVI增幅0.208,增長了77.6%; 2)張臨高盆地年最大植被覆蓋度線性擬合年均增幅0.0063,生長季節平均植被覆蓋度在小幅波動中呈現穩定增長趨勢,擬合優度達 0.74;甘州區生態治理成效最顯著,年增長幅度集中在0.03～0.3;臨澤縣和高臺縣以增長為主,但局部過渡帶地區下降幅度達 0.1～0.3; 3)植被 7～10月覆蓋度呈現明顯增長趨勢,峰值從 6～7月延遲到7～8月,2007年達0.39;植被覆蓋度分級結構呈現優化趨勢,極低覆蓋度植被逐漸轉化為低覆蓋度植被,2007年相比2000年降低25%以上,高覆蓋度植被1998～2008年間增長約16%; 4)根據3種植被覆蓋度變化與各驅動因子關聯分析,氣象水文因子主要包括降雨量、蒸發量、徑流量,最大關聯度分別為 0.91、-0.83、0.76,社會經濟因子主要包括農作物播種面積、第一產業產值、農業科技水平,最大關聯度分別為-0.81、0.78、0.81.

黑河流域；植被覆蓋度；時空變化特征；灰色關聯度

20世紀 60年代以來,隨著人口的增長和經濟快速發展,黑河流域水土資源開發過度,中游地區水資源短缺、水環境惡化、土壤鹽堿化嚴重.為了遏制黑河流域生態環境不斷惡化的趨勢,21世紀初,國家實施了黑河流域近期治理工程.2001年 8月,甘肅省黑河流域近期治理工程項目陸續實施,加強黑河干流水資源統一管理,在中游地區提高用水效率,建設節水型社會,改善生態環境.2010年10月,項目通過水利部總體竣工驗收,實現了國務院批準的《黑河流域近期治理規劃》目標.

灰色關聯分析是根據比較因子與參考因子之間發展趨勢的相似或相異程度,來判斷因子間關聯程度的一種方法[1].目前測算灰色關聯度的模型很多,如鄧氏關聯度[2]、斜率關聯度[3]、廣義灰色關聯度[4]、灰色綜合關聯度[5]等,但這些模型都存在一個共同的問題,不能反映正、負相關關系,且存在正負積分相互抵消而出現明顯不合理的結果.近年來,也有許多學者提出改進的灰色關聯度模型[6-8],但都存在一定的局限性,難以統一評價氣候水文、社會經濟等多方面因素對于生態環境變化的影響大小.

本文以張臨高盆地為研究區,分析黑河流域中游地區近期治理項目對改善生態環境的作用效果,分別從不同植被覆蓋類型區NDVI變化特征、植被覆蓋度逐年變化特征、空間分布特征、時空統計特征4方面,多角度分析黑河流域中游地區生態環境的變化特征.基于研究區的實際情況,在曹明霞[9]的基礎上,提出了基于演變過程的生態系統灰色關聯度模型,適用于研究干旱區生態環境變化與各影響因子間的關聯度,分析中游地區生態環境變化的驅動力.

1 研究區概況

黑河流域中游張臨高盆地土地資源豐富,是我國西北地區重要的商品糧生產基地,也是黑河徑流的主要利用區.本文研究區包括張掖地區的甘州區、臨澤縣和高臺縣(圖1).研究區屬溫帶大陸性干旱氣候,降雨少而集中于夏季,年均降水量50～250mm,日照充足,蒸發強烈,年均蒸發量2000～3500mm,晝夜溫差很大[10].20世紀90年代以來,張臨高盆地人口逐年增加,從1990年71.05萬人增加到2010年82.75萬人,社會經濟發展十分迅速,地區生產總值從1990年8.78億元增加到2010年147.01億元[11].

圖1 研究區示意Fig.1 The location map of the study area

2 數據與方法

2.1 數據來源

本次研究中,行政邊界、氣候、水文、植被等數據來源于國家自然科學基金委員會“中國西部環境與生態科學數據中心” (http∶//westdc. westgis.ac.cn),包括數據集有“黑河流域行政邊界數據集”、“黑河流域逐日水文觀測數據集”、“黑河流域逐日氣象觀測數據集”[12]、“黑河流域長時間序列SPOT_Vegetation植被數據集(NDVI)”[13].其中,歸一化差異植被指數(NDVI)時間序列為1998年4月～2008年7月.社會經濟數據來源于《甘肅省統計年鑒》(1998-2008年)[14].

2.2 研究方法

基于NDVI時間序列數據,估算有植被覆蓋區域的植被覆蓋度,計算植被覆蓋度變化趨勢,研究生態環境變化特征,并建立生態系統灰色關聯度模型,分析生態環境變化的驅動力.

2.2.1 植被覆蓋度計算 植被覆蓋度是指植被(包括葉、莖、枝)在地面的垂直投影面積占統計區總面積的百分比,常用于植被變化、生態環境研究[15].NDVI 是植被生長狀態及植被覆蓋度的最佳指示因子,其范圍在-1～1之間變動[16].選擇研究區內多年平均年最大NDVI大于0.1的象元,作為有植被覆蓋的區域[17].

NDVI與植被覆蓋分布呈線性相關,根據象元二分模型原理,每個象元的NDVI值可以表示為有植被覆蓋部分的 NDVI與無植被覆蓋部分的NDVI線性組合的形式[18].因此,計算植被覆蓋度(VFC)的公式可表示為∶

式中,N DVIsoil為無植被覆蓋象元的 NDVI,理論上接近 0,但受眾多因素影響,變化范圍一般在-0.1～0.2[19];N DVIveg表示純植被象元的NDVI,隨著植被類型和植被的時空分布而變化.本文采用李苗苗[20]的研究方法計算兩者的值.

2.2.2 植被覆蓋度變化特征計算 計算研究區逐個像元1999～2007年各年的年平均、年最大、生長季節平均的VFC,采用一元線性回歸法計算每個有植被覆蓋網格9年年平均、年最大、生長季節平均植被覆蓋度的總體變化趨勢,用SLOPE線性趨勢線估計其變化幅度,計算公式為[21]∶

式中,VFC可代表1999～2007逐年最大、年平均、年生長季節平均植被覆蓋度,SLOPE表示1999～2007年年平均、年最大、生長季節平均植被覆蓋度的增長值,分別得到總增長幅度及增長百分率為[22]∶

2.2.3 基于演變過程的生態系統灰色關聯度模型 由于干旱區生態環境變化受到自然因素和人類活動的共同影響,自然因素如氣候變化的波動范圍較小,而社會經濟發展一般呈現穩定增長,變化幅度較大.為了協調各驅動因子變化趨勢對生態環境變化的影響,本文基于生態環境因子與驅動因子在研究期內變化的相對斜率,建立基于演變過程的生態系統灰色關聯度模型.模型中定義了完全正相關(灰色關聯度為1)和完全負相關(灰色關聯度為-1)情況的內涵,即參考序列和比較序列存在正、負相關關系(擬合優度為1),能很好地反映因子間的正負相關關系.模型建立各驅動因子與生態環境變化之間的相關程度,從而可以進行生態環境變化的驅動力分析.模型如下∶

說明∶序列X0和序列Xi的灰色關聯度滿足∶當且僅當Xi(t)=為常數),

3 結果與討論

3.1 不同植被覆蓋類型區NDVI變化特征

圖2中,除戈壁區,各類型區年最大NDVI均呈現明顯的增長趨勢,且峰谷的波動與鶯落峽徑流量存在一定的對應關系,如2003、2007年,多數類型區NDVI為波峰年.相比1999年(波谷),平原旱地、低覆蓋草地、有林地均有大幅增長,增長幅度達0.1～0.2.疏林地NDVI在2004年后保持高速增長,4年間增長幅度0.208,增長了77.6%.總體來看,2004年以前,各類型區 NDVI波動較大,2004年后,在小幅波動中呈現穩定增長趨勢,這與黑河干流水量統一調度管理是分不開的.

圖2 各植被類型區年最大NDVI逐年變化Fig.2 The yearly changes of annual maximum NDVI in different vegetation types

分析不同植被覆蓋類型區多年平均 NDVI逐月變化(圖 3),可以看出,張臨高盆地植被的主要生長季節為5～10月,各類型區生長期長度略有差異,但變化趨勢與鶯落峽逐月徑流量基本一致.有林地NDVI峰值最高,其次是高覆蓋草地、灌木林地、中覆蓋草地、平原旱地、低覆蓋度草地、疏林地,戈壁和鹽堿地NDVI全年較低,幾乎無植被覆蓋.峰值代表植被全年生長最好時的情況,在一定程度上說明植被覆蓋狀況的好壞,也是生長開始衰退的時間,除戈壁和鹽堿地,其余各類型區植被到達峰值的時間均為7月.其中,灌木林地非生長季節(11～4月)NDVI最高,0.2左右,幾乎是其它植被類型的2～3倍,可以看出灌木林對改善生態環境的意義重大.平原旱地全年NDVI處于中等水平,且在7月收獲季節一過,NDVI迅速降低,對生態環境不利.

圖3 各植被類型區年最大NDVI逐月變化Fig.3 The monthly changes of annual maximum NDVI in different vegetation types

3.2 植被覆蓋度逐年變化特征

圖4 植被覆蓋度逐年變化Fig.4 The yearly changes of vegetation coverage

分析研究區內年最大、生長季節平均、年平均植被覆蓋度逐年變化情況(圖 4).其中,年最大植被覆蓋度增長速度最快,線性擬合年均增幅0.0063,波動也最大;生長季節平均植被覆蓋度在小幅波動中呈現穩定增長趨勢,擬合優度達0.74.年平均植被覆蓋度略有增長,波動幅度較小.總體來看,經過一系列生態治理,張臨高盆地植被覆蓋度增長趨勢明顯,生態環境逐漸得到改善.

3.3 植被覆蓋度空間分布特征

采用一元線性回歸分析方法計算研究區各象元1999～2007年各年年平均、年最大、生長季節平均植被覆蓋度的變化趨勢線,根據趨勢線斜率計算植被覆蓋度增長幅度和增長百分率,并繪制空間分布圖.其中,生長季節平均植被覆蓋度變化幅度和變化百分率空間分布如圖4所示,未計算區域為多年平均年最大NDVI值小于0.1的區域,作為荒漠區處理.

由圖5可見,生態治理成效最顯著的是張掖市甘州區,植被覆蓋度增加明顯,年增長幅度集中在 0.03～0.3,其后依次是臨澤縣和高臺縣.從植被覆蓋度變化情況來看,高臺縣和臨澤縣北部被荒漠包圍的過渡帶地區,以及沿黑河分布的部分耕地地區,局部年下降幅度達 0.1～0.3,年降低百分率為 20%～60%.隨著過渡帶地區由于可利用的徑流性水資源減少,對降雨性水資源依賴程度大,使得植被生長的峰值情況受到降雨量的限制.

圖5 張臨高盆地1999～2007生長季節平均植被覆蓋度變化幅度及變化百分率Fig.5 The changes in amplitude and percentage changes of growth season average vegetation cover in the study area (1999～2007)

3.4 植被覆蓋度時空統計特征

比較 3種植被覆蓋度的變化度(圖 6),年最大、生長季節平均植被覆蓋度的好轉趨勢較明顯,分別有70%、65%以上分布在0.03～0.3,而年平均植被覆蓋度變化 80%以上分布在 0～0.1,因為植被覆蓋度的變化主要體現在生長季節.從變化百分率來看,年最大植被覆蓋度和生長季節平均植被覆蓋度的變化分布基本一致,兩者的增長百分率分布在20%～60%的比例占50%以上,而年平均植被覆蓋度的好轉趨勢相對較差些.

從生長季節植被覆蓋度變化規律來看(圖7),各年植被覆蓋度到達峰值的時間并不一致,2002年之前,植被覆蓋度偏低,峰值到來時間較早,6～7月植被覆蓋度較高,8月植被覆蓋度已處于明顯下降階段.2002年及之后,植被覆蓋度較高,峰值到達時間較晚,7～8月植被覆蓋度較高,在0.35左右,2003年和2006年峰值出現在8月,2007年峰值達到 0.3924.隨著張臨高盆地灌溉條件的改善,7～10月植被覆蓋度呈現明顯增長趨勢,同時生長季節時間長度有增加趨勢,而植被覆蓋度峰值提高、生長期延長,是區域生態環境改善的標志.

圖6 植被覆蓋度變化幅度、變化百分率分級百分比統計Fig.6 The statistical results of vegetation cover change classification

利用年最大植被覆蓋度(植被覆蓋度峰值數據,采用6級表示法(0～15%、15%～30%、30%～45%、45%～60%、60～75%、75%～100%)進行植被覆蓋度分級統計,研究各級覆蓋度植被面積百分比逐年變化情況.根據分級情況,將植被覆蓋度分為極低、低、中低、中、高中、高植被覆蓋度區.由圖8可以看出,植被覆蓋度變化主要發生在低覆蓋度和極低覆蓋度區,兩者波動幅度較大,互為增減關系,累積面積比占50%以上.高覆蓋度植被呈現明顯增長趨勢,10年間增長了約 16%.中高、中、中低覆蓋度比例在波動中略有下降,三者比例基本相同,累積比例約 34%.整體而言,植被覆蓋度結構呈現優化趨勢,主要體現在高覆蓋度植被比例的增長和極低覆蓋度植被逐漸轉化為低覆蓋度植被,可見張掖市節水灌溉、退耕還林還草等一系列工程措施取得了不錯的成效.

圖7 生長季節植被覆蓋度逐年變化Fig.7 The changes of the vegetation cover from May to October(1998～2007)

圖8 年最大植被覆蓋度分級統計逐年變化Fig.8 The statistical results of yearly maximum vegetation cover classification (1998～2008)

3.5 關聯度計算

應用基于演變過程的生態系統灰色關聯度模型,計算 3種植被覆蓋度與各氣候水文、社會經濟因子之間的關聯度,結果如表1所示.

從年最大、年平均、生長季節平均植被覆蓋度與各影響因子關聯度分析可知,3種植被覆蓋度與各影響因子關聯度基本一致.

針對關聯度 0.5以上的影響因子,根據生長季節平均植被覆蓋度進行排序,正相關影響因子∶降水量>農村用電量>化肥施用折純量>第一產業產值>人均生產總值>鶯落峽徑流量>農業人口;負相關影響因素∶農作物播種面積>蒸發量>第二產業產值.

表1 年最大、年平均、生長季節平均植被覆蓋度與各影響因子關聯度計算結果Table 1 The calculation results of correlation between vegetation coverage and driving factors

圖9 年最大、年平均、生長季節平均植被覆蓋度與各影響因子關聯度分析Fig.9 The calculation results of correlation between vegetation coverage and driving factors

分析各水文氣象因素對植被覆蓋度的影響,蒸發量和降雨量影響較大,其中,蒸發量與年平均植被覆蓋度呈顯著負相關,關聯度達-0.8264;降雨量與生長季節植被覆蓋度顯著正相關,關聯度達0.9071,這與干旱區的氣候特點密不可分,因為植被覆蓋度變化主要發生在以降雨性水資源補給為主的極低、低植被覆蓋區,且植被覆蓋度變化集中在生長季節.實施水量統一調度工程后,徑流量的利用效率提高,鶯落峽來水量與植被覆蓋度的關聯性也較強.

分析各社會經濟因素對植被覆蓋度的影響,第一產業總值、人均生產總值與年最大植被覆蓋度呈現顯著正相關,均為0.75以上,而農作物播種面積與生長季節植被覆蓋度負相關達 0.8以上.2000年之后,張掖市節水型社會建設,不斷優化水資源利用效率,開展退耕還林還草工程,農作物播種面積下降,林牧業得到發展,高覆蓋度植被面積增加約 16%,在第一產業進步的同時促進了生態環境的整體改善.代表農業科技進步的農村用電量和化肥施用折純量與生長季節植被覆蓋度呈顯著正相關關系,關聯度分別達 0.8121、0.7948,這進一步證明了農業技術進步有利于耕地乃至區域植被覆蓋度的提高.而第二產業產值與植被覆蓋度呈現負相關,說明工礦、建筑業等的發展對區域植被覆蓋度有一定的負面影響.

基于生態環境變化特征和驅動力分析,中游地區生態環境在整體改善的基礎上,仍存在不可忽視的問題,比如北部荒漠包圍的過渡帶地區、中部沿黑河分布的條帶狀耕地覆蓋度呈降低趨勢.因此,有必要通過水資源合理配置和調度管理,在不引起耕地區植被覆蓋度降低和農業產量減少的基礎上,保證過渡帶植被生態用水,進一步改善中游地區生態環境.

4 結論

4.1 不同植被覆蓋類型區年最大NDVI呈現逐年增長趨勢.平原旱地、低覆蓋草地、有林地增幅較大,達0.1～0.2,疏林地在2004年后保持高速增長,增幅 0.208,增長了 77.6%.各類型區 NDVI逐月變化趨勢與鶯落峽徑流量基本一致,生長季節集中在5～10月,峰值集中在7月.其中,灌木林地非生長季節 NDVI最高,幾乎是其他類型的2～3倍,對改善生態環境意義重大,而平原旱地在7月收獲季節一過,NDVI迅速降低,對生態環境不利.

4.2 張臨高盆地植被覆蓋度增長趨勢明顯,其中,甘州區生態治理成效最顯著.研究區年最大植被覆蓋度線性擬合年均幅度 0.0063,生長季節平均植被覆蓋度在小幅波動中呈現穩定增長趨勢,擬合優度達0.74.張掖市甘州區,年增長幅度集中在0.03～0.3,其后依次是臨澤縣和高臺縣.其中,高臺縣和臨澤縣北部被荒漠包圍的地區,荒漠化趨勢明顯,局部年下降幅度達 0.1～0.3,年降低百分率達20%～60%.

4.3 從生長季節植被覆蓋度變化規律來看,植被7～10月覆蓋度呈現明顯增長趨勢,峰值從6～7月延遲到7～8月,2007年達0.3924,植被覆蓋度峰值提高、生長期延長,表明區域生態環境有所改善.從年最大植被覆蓋度分級統計來看,植被覆蓋度分級組成結構整體呈現優化趨勢,極低覆蓋度植被逐漸轉化為低覆蓋度植被,2007年相比2000年降低了25%以上,高覆蓋度植被比例的10年間增長約 16%,可以看出張掖市節水灌溉、退耕還林還草等一系列工程取得了不錯的成效.

4.4 根據關聯度模型分析結果,正相關驅動因子主要有降水量、代表農業科技進步的用電量及化肥施用折純量,代表社會經濟發展的第一產業產值、人均生產總值,和徑流性水資源鶯落峽徑流量等;負相關驅動因子主要有農作物播種面積、蒸發量和第二產業產值.氣象水文驅動因子主要是與植被生長可利用水資源相關的降雨量、蒸發量、徑流量等,與3種植被覆蓋度最大關聯度分別為 0.9071、-0.8264、0.7553,社會經濟驅動因子主要是與農業生產相關的農作物播種面積、第一產業產值、農業科技水平等,最大關聯度分別為-0.8052、0.7810、0.8121.

[1] 張北贏,徐學選,劉文兆,等.黃土丘陵區不同土地利用的土壤水分灰色關聯度 [J]. 生態學報, 2008,28(1)：361-366.

[2] 鄧聚龍.灰色系統基本方法 [M]. 湖北：華中理工大學出版社, 1987.

[3] 李宏艷.關于灰色關聯度計算方法的研究 [J]. 系統工程與電子技術, 2004,26(9)：1231-1234.

[4] 虞亞平,王冠中,李大治.廣義灰色關聯度的簡便計算方法 [J].南通大學學報(自然科學版), 2008,7(002)：85-90.

[5] 何滿喜.灰色綜合關聯度及其應用 [J]. 內蒙古師范大學學報(自然科學版), 1999,28(3)：170-173.

[6] 曾光明,曾北危.環境影響綜合評價的灰色關聯分析方法 [J].中國環境科學, 1995,15(4)：247-251.

[7] 黨耀國,劉思峰,劉 斌,等.灰色斜率關聯度的改進 [J]. 中國工程科學, 2004,6(3)：41-44.

[8] 王乃舉,周濤發.礦業城市環境經濟系統耦合評價—以安徽銅陵市為例 [J]. 中國環境科學, 2012,32(7)：1339-1344.

[9] 曹明霞.灰色關聯度模型正負性問題的研究及其改進 [J]. 系統工程與電子技術, 2008,30(6)：1086-1088.

[10] 姜朋輝,趙銳鋒,趙海莉,等.1975年以來黑河中游地區土地利用/覆被變化時空演變 [J]. 生態與農村環境學報, 2012,28(5)：

[11] 甘肅年鑒編委會.甘肅年鑒：1991,2011 [M]. 北京：中國統計出版社, 1991,2011.

[12] 國家氣象信息中心,黑河流域逐日氣象觀測數據集 [Z]. 中國氣象局, 2010.

[13] Janssens Greet,馬明國.中國地區長時間序列 SPOT Vegetation植被指數數據集 [Z]. 2006.

[14] 甘肅年鑒編委會.甘肅年鑒：1999～2009 [M]. 北京：中國統計出版社, 1999-2009.

[15] 李 麗,童立強,李小慧.基于植被覆蓋度的石漠化遙感信息提取方法研究 [J]. 國土資源遙感, 2010,84(2)：59-62.

[16] 周兆葉,儲少林,王志偉,等.基于 NDVI的植被覆蓋度的變化分析-以甘肅省張掖市甘州區為例 [J]. 草業科學, 2008,25(12)：23-29.

[17] Fletcher R S, Escobar D E, Skaria M. Evaluating airborne normalized difference vegetation index imagery for citrus orchard surveys [J]. Hort Technology, 2004,14(1)：91-94.

[18] 劉 琳,姚 波.基于 NDVI象元二分法的植被覆蓋變化監測[J]. 農業工程學報, 2010,26(S1)：230-234.

[19] 杜子濤,占玉林,王長耀.基于NDVI序列影像的植被覆蓋變化研究 [J]. 遙感技術與應用, 2008,23(1)：47-50.

[20] 李苗苗.植被覆蓋度的遙感估算方法研究 [D]. 北京：中國科學院, 2003：49-55.

[21] 楊延征.基于SPOT-VGT NDVI的陜北植被覆蓋時空變化 [J].應用生態學報, 2012,23(7)：1897-1903.

[22] 程國棟.黑河流域水-生態-經濟系統綜合管理研究 [M]. 北京：科學出版社, 2009：559.

Changes in the ecological environment and there determining factors in the middle Heihe River Basin.

ZHOU Sha, HUANG Yue-fei*, WANG Guang-qian
(State Key Laboratory of Hydroscience and Engieering, Tsinghua University, Beijing 100084, China). China Environmental Science, 2014,34(3)：766～773

This paper analyzed several aspects of the spatio-temporal variations in the vegetation cover in the middle Heihe River Basin, and developed a grey correlation model of ecosystem to identify the determining factors. The results demonstrated that 1) the annual maximum normalized difference vegetation index (NDVI) increased considerably in upland, grassland with low vegetation cover, and forested area, by about 0.1～0.2; while sparse woodland has maintained a rapid growth since 2004with the annual maximum NDVI increased by 0.21; 2) the annual maximum vegetation cover for the study area as a whole has increased by 0.0063per annum, the change is most significant in Ganzhou District, where the annual growth was mostly around 0.03～0.3, however, for some oasis-desert transition zones in Linze and Gaotai, the vegetation cover decreased by 0.1～0.3; 3) the vegetation cover from July to October showed significant growth trends, the peak increased and delayed about one month, reaching 0.39in 2007; the hierarchical structure of the annual maximum vegetation cover optimized, the lowest vegetation cover gradually transformed into low vegetation cover, decreased by 25% from 2000to 2007, and the highest vegetation cover increased approximately 16% from 1998to 2008; 4) the results of correlation analysis showed that the main meteorological and hydrological factors were rainfall, evaporation and runoff ,with the maximum correlations of 0.91, -0.83, 0.76, respectively, and that the main socio-economic factors were agricultural acreage, primary industry and the level of agricultural science and technology, with the maximum correlation were -0.81, 0.78, 0.81, respectively.

Heihe River Basin；vegetation cover；spatiotemporal variation；grey correlation model

X171

：A

：1000-6923(2014)03-0766-08

周 沙(1991-),女,湖北孝感人,清華大學博士研究生,主要從事干旱區生態環境與水資源管理研究.發表論文2篇.

2013-07-29

國家自然科學基金(91125018);國家“十二五”科技支撐計劃重點項目(2013BAB05B03);水利部公益性行業科研專項項目(201301081)

* 責任作者, 教授, yuefeihuang@tsinghua.edu.cn