当前位置: 首页 > news >正文

【文献阅读】Land degradation drivers of anthropogenic sand and dust storms

一、研究背景

  • 沙尘暴(Sand and Dust Storms, SDS**)** 传统上被视为干旱区的自然现象,但越来越多证据显示 人类活动 也是其重要驱动因素。
  • 人类活动导致土地退化(Land Degradation, LD),如过度放牧、毁林、不可持续农业、水资源滥用等,使土壤更易受到风蚀。
  • 研究表明,人源性沙尘贡献占全球排放的 19–25%,虽然比例有限,但分布范围广,且在局地和区域尺度上产生严重影响。
  • 以往研究多关注大尺度事件,往往未区分自然与人源沙尘,或缺乏对驱动机制的深入探讨。这限制了政策制定和土地管理的针对性。
  • 因此,本研究的目标是 综述人类活动导致的SDS****案例,探讨其与土地退化的关系,并回顾相关的缓解措施。

二、科学问题

本文试图回答的核心科学问题包括:

  1. 哪些人类驱动因素导致了沙尘暴?
    • 长期不可持续的土地利用(如印度塔尔沙漠、非洲萨赫勒)
    • 放牧与森林砍伐导致的植被退化
    • 不合理农耕(如裸地、翻耕、休耕期风蚀)
    • 工矿、工业与军事活动(如伊拉克、阿富汗、中亚矿区)
  2. 不同气候区和土地利用系统下,人源SDS****的表现如何?
    • 从干旱区到湿润区
    • 从大面积退化生态系统到局部农田或矿山
  3. 现有研究的不足与挑战是什么?
    • 难以区分自然与人源沙尘
    • 缺乏长时间序列与高分辨率数据
    • 缺乏对“源区—受害区—影响”的跨学科整合
  4. 如何通过土地管理和修复来缓解SDS**?**
    • 是否可以将SDS 频率和严重程度作为土地退化与气候脆弱性的指标?

三、研究方法(详细)

本文采用 系统性文献综述(review**)** 的方法,核心思路如下:

  1. 文献检索与筛选
    • 收集了大量关于 人源性沙尘事件 的研究,包括观测、遥感、模拟及案例分析。
    • 仅纳入 明确将沙尘归因于人类活动 的研究;自然湖泊干涸导致的尘源由另一篇综述(Zucca et al. 2021)覆盖,因此不在本文重点。
  2. 地理与情境分类
    根据 **土地退化背景与社会—**生态系统特征,将人源SDS分为四类:
    • 大尺度长期退化热点:如印度塔尔沙漠、非洲萨赫勒、中国内蒙古
    • 广泛的农牧系统:过度放牧和毁林导致植被覆盖下降,如蒙古草原、澳大利亚牧场
    • 农业系统:不合理耕作与裸地管理导致局部、偶发SDS,如欧洲农田、美国南部棉区
    • 技术性活动:采矿、工业、军事行动造成地表裸露与尘源增加

→ 这种分类方式帮助比较不同区域和驱动下SDS的特点。

  1. 案例研究与证据整合
    • 逐一梳理各地区典型案例:
      • 印度塔尔沙漠:毁林+过度放牧 → 古沙丘再活化 → 新德里受害
      • 萨赫勒:人口增加、农牧扩张 → 土地退化 → 撒哈拉尘暴加剧
      • 中国内蒙古:草地退化、农耕扩张 → “风蚀荒漠化” → 沙尘频率与土地退化率呈非线性关系
      • 欧洲农田:春季翻耕或收获后裸地 → 偶发SDS,甚至引发交通事故
      • 中东战争:冲突导致耕地废弃+土壤扰动 → 沙尘增加
    • 同时引入遥感监测、气候数据和模型模拟结果,佐证人类与气候共同作用。
  2. 缓解措施回顾
    • 检视了 成功的土地改良与SDS****治理实践:如印度绿墙、中国“三北防护林”、加拿大草原免耕、南非农田改良。
    • 对比了不同措施的有效性(如草地恢复往往比单纯造林更有效)。

四、研究结论

本文的主要结论:

  1. 人类活动对SDS****的贡献虽小于自然源,但影响范围广、危害大。
    • 图1(印度塔尔沙漠照片)显示大面积退化牧场与农田被沙尘吞没,证明了长期人类压力导致SDS加剧。
    • 图2(MODIS卫星图像)直观展示了不同地区农田裸露期触发沙尘的过程:
      • 美国内布拉斯加州:翻耕裸地引发沙尘羽流
      • 阿根廷布宜诺斯艾利斯省:农田裸地+干旱 → 沙尘暴
      • 澳大利亚新南威尔士:干旱叠加耕作 → 大范围沙尘羽流
        这些图例表明,即便在湿润区或高产农业区,不合理耕作也可能成为重要尘源。
  2. **土地退化—**沙尘暴之间存在典型的正反馈
    • 土地退化 → 植被减少 → 风蚀增强 → 沙尘暴频率和强度上升 → 进一步破坏土地。
    • 在中国内蒙古和蒙古高原,研究发现 **当人为荒漠化面积超过30%**时,沙尘暴频率急剧增加
  3. 人源SDS治理的关键是可持续土地管理(SLM
    • 包括控制放牧强度、保持作物覆盖、免耕/少耕、草地恢复和合理造林。
    • 草地和灌丛恢复 被认为比单纯大规模造林更有效且水资源压力更小。
  4. 未来研究方向
    • 需要更高分辨率的 地面监测与遥感结合,明确区分自然/人源尘源。
    • 加强 跨学科研究,连接源区、气候驱动与健康/经济影响。
    • 探讨 人源SDS****是否可作为土地退化和气候脆弱性的指标
http://www.xdnf.cn/news/1358515.html

相关文章:

  • 《一次高并发场景下疑难Bug的深度排查与复盘》
  • rust语言 (1.88) egui (0.32.1) 学习笔记(逐行注释)(十七)设置主题
  • AI代码生成器全面评测:六个月、500小时测试揭示最强开发助手
  • CI/CD持续集成及持续交付详解
  • 户外广告牌识别误报率↓79%!陌讯多模态融合算法在城市广告合规监测的实战解析
  • TEE-可信执行环境
  • 程序里的依赖和中间件的依赖冲突,怎么解决
  • C++20: std::span
  • 多线程下单例如何保证
  • elasticsearch 7.x elasticsearch是查询的数据量大于10000分页有问题还是es的库总量大于10000分页有?
  • 【软件安全】ARM64、x86、32 位与 64 位架构的区别、定义、应用背景
  • 安装gitlab
  • Dify 从入门到精通(第 53/100 篇):Dify 的分布式架构(进阶篇)
  • 线程整理文档
  • git学习
  • Wagtail CRX 的 Latest Pages Block 高级设置 模版v3.0 以后被阉割了
  • Vue vs React:前端框架的差异与选择
  • 【SpringBoot集成篇】SpringBoot 深度集成 Elasticsearch 搜索引擎指南
  • 代码性能测试——benchmark库
  • 基于Spring Boot与Redis的电商场景面试问答解析
  • Python训练营打卡 DAY 46 通道注意力(SE注意力)
  • 【数据结构】排序算法全解析
  • Linux服务实验
  • [论文阅读] 软件工程 | GPS算法:用“路径摘要”当向导,软件模型检测从此告别“瞎找bug”
  • Kaggle项目:一次 Uber 出行数据分析的完整思路
  • 【机器学习】 11 Mixture models and the EM algorithm
  • 如何捕获组件的异常情况
  • Node.js依赖管理与install及run命令详解
  • Redis实战-缓存的解决方案(一)
  • Flink直接缓冲存储器异常解析与解决方案