ADEARTH

Advances in Earth Science >

2025 , Vol. 40 >Issue 8: 821 - 830

DOI: https://doi.org/10.11867/j.issn.1001-8166.2025.054

Optimization Sampling Schemes for Monitoring Land Gravelization in Desert Areas of Inner Mongolia

  • Hao PEI , 1 ,
  • Hu YE , 2 ,
  • Yanfeng JIANG 3 ,
  • Chengzhen JIA 3 ,
  • Lei FAN 4 ,
  • Kun ZHANG 4 ,
  • Lina XU 2 ,
  • Bailing MIAO 3
Expand
  • 1. Inner Mongolia Meteorological Service, Hohhot 010051, China
  • 2. Inner Mongolia Meteorological Service Center, Hohhot 010051, China
  • 3. Institute of Meteorological Science of Inner Mongolia, Hohhot 010051, China
  • 4. College of Ecology and Environment, Inner Mongolia University, Hohhot 010030, China
YE Hu, research areas include professional meteorological application technology. E-mail:

Received date: 2025-07-17

  Revised date: 2025-07-31

  Online published: 2025-07-29

Supported by

the National Natural Science Foundation of China(32271656)

The Central Guidance for Local Scientific and Technological Development Funding Projects(2024ZY0165)

The Science and Technology Innovation Project of Inner Mongolia Meteorological Bureau(nmqxkjcx202458)

Fold

Abstract

To improve the accuracy of monitoring land gravelization and the efficiency of fieldwork, and further promote the innovation of monitoring methods, a study on the appropriate size and quantity of quadrats was conducted. This study examines the desert region of Inner Mongolia and uses the entropy TOPSIS and Wilcoxon rank sum test methods to determine the optimum sampling scheme for land gravelization monitoring. Based on results using 100 cm×100 cm quadrats as the true values of gravel coverage and surface gravel mass per unit area, new survey areas in the desert regions of Inner Mongolia were selected, and the maximum quadrat was expanded to 200 cm×200 cm to increase the sampling areas and number of quadrats, and optimize the sampling scheme for monitoring land gravelization. The comparative results of the two experiments show that: ① Q25 exhibits good advantages for monitoring suitability, which can improve field work efficiency while ensuring measurement accuracy; ② the appropriate quantity and sizing of quadrats vary significantly with changes in the maximum quadrat size; however, for Q25, the change in appropriate quantity (from 9 to 10) is non-significant, indicating good stability; ③ using Q25, the appropriate coverage for monitoring gravelization is consistent with the results from monitoring surface gravel mass per unit area; this not only simplifies the monitoring process, but also ensures the reliability and comparability of monitoring data.

Key words： Land gravelization monitoring; Sampling scheme for monitoring; Coverage; Gravel mass per unit area; Optimization.

Cite this article

Hao PEI , Hu YE , Yanfeng JIANG , Chengzhen JIA , Lei FAN , Kun ZHANG , Lina XU , Bailing MIAO . Optimization Sampling Schemes for Monitoring Land Gravelization in Desert Areas of Inner Mongolia[J]. Advances in Earth Science, 2025 , 40(8) : 821 -830 . DOI: 10.11867/j.issn.1001-8166.2025.054

1 引 言

土地砾石化（以下简称砾化）即土地表面砾石量或比例增加的过程［1-2］，是土壤物质组成粗粒化［3］过程中典型的地表表征，属于荒漠化的重要类型之一，也是土地退化的显著标志［4-5］。相较于土地沙化，砾化是更为严重的土地退化过程，会导致土壤结构、养分以及地表光谱反射等理化特性恶化，并伴随着不同程度的水土流失，从而对区域生态、生产、生活及人类身心健康产生负面影响［6-7］。
砾石作为重要的地表组成物质广泛分布于地球表面，在自然营力与人为活动的共同驱动下，土地砾化现象普遍发生于干旱、半干旱和半湿润等不同气候区。研究表明［8］，越干旱的区域，土地砾化的面积越大、砾化程度越高。作为一类分布广泛且危害严重的土地退化过程，建立科学系统的土地砾化监测方法体系既具有紧迫性，更具有重要的现实意义。可以为防治、保护和利用砾化土地提供必要的理论支撑和实践指导［9-10］。
土地砾化监测采样方案作为监测方法体系中的重要组成部分［11］，是土地砾化监测研究和实际工作的基础，对于提升土地砾化监测精度与工作效率、减少不必要的取样破坏具有重要意义。然而，当前该领域的研究尚存在明显不足：一方面，现有研究成果主要集中在砾石覆盖度与含量测定［12］、砾石覆盖度与含量的关系［13］、砾化特征［2，14-16］、空间分布［17］及其水文生态效应［18-19］以及砾化的影响因子［20］等方面，尚未涵盖最优采样方案研究；另一方面，尽管在植被监测领域，关于样方适宜大小及数量的研究已有一定的积累［21-25］，但由于植物与砾石在大小、形态和分布格局等特征上存在本质差异，这些成果难以直接应用于土地砾化监测［7］。
在前期的工作中，我们以100 cm×100 cm样方的测量数据作为样地砾石覆盖度和单位面积砾石质量的真实值，开展了内蒙古荒漠区土地砾化监测最优采样方案的探索性研究［7］，旨在通过科学设定土地砾化监测样方的最佳尺度与数量，在提升监测精度与野外效率的同时，为监测方法创新提供关键支撑，进而推动土地砾化监测理论与技术体系的完善。但是由于目前仅获得了单次实验数据，研究结果的科学性与普适性有待进一步验证。为此，本文在全新调查区域布设样地，以确保样本的空间代表性和数据独立性，并将最大样方扩大至200 cm×200 cm，用以增加采样面积和样方数量，从而获得更为精准的实验结果，来验证取样、处理和分析方法的科学性和稳定性，以及样方适宜大小及数量结果的可靠性和适用性，达到优化完善内蒙古荒漠区土地砾化监测采样方案的目的。

2 资料与方法

2.1　研究区概况

研究区位于内蒙古自治区阿拉善盟，地处内蒙古最西部（37.5~42.6°N、93.1~106.6°E），面积约270 000 km2，总体地势南高北低。属典型温带大陆性气候，具有冬寒夏热、干旱少雨、风大沙多、蒸发强烈、日照时数长以及太阳辐射强烈等气候特征，是沙尘暴的重要沙尘源地之一［26-29］。阿拉善盟沙漠和戈壁地貌广泛分布，荒漠化面积占总面积的80％以上，除了沙漠、绿洲和湖底等区域少有砾石外，其他区域，如戈壁、山地和丘陵等均为砾化土地，而且以重度砾化土地为主［14］。阿拉善盟的自然环境独特，拥有丰富的矿产和珍稀动植物资源，同时该地区生态环境恶劣、生态系统脆弱，生态保护、恢复和维持生态平衡就显得尤为重要，直接关系到该区域的生态文明建设和经济社会发展。

2.2　样方布设及指标测量方法

以不同植被类型、砾化程度以及相对平坦开阔的地形条件为样地选择标准，于2024年9月，通过系统踏查研究区代表性地段，最终选取21个工作样地开展野外实地砾石测量样方布设、取样以及室内处理和测量工作。为便于表述，本文采用样方英文首字母“Q”加边长（单位：cm）的命名方式表示不同规格的样方，如10 cm×10 cm记为Q10，25 cm×25 cm记为Q25，以此类推。为了获得更精准、可靠的实验结果，研究采用层级方式设置样方：以200 cm×200 cm为最大样方（Q200，图1），将Q200样方分为16×16个Q25样方（ M x y , x = 1,2 , ⋯ , 16 , y = 1,2 , ⋯ , 16），在每一个Q25样方选取平均状态布设Q10样方（ S x y , x = 1,2 , ⋯ , 16 , y = 1,2 , ⋯ , 16），并在此基础上嵌套布设了Q175、Q150、Q125、Q100、Q75、Q50、Q25和Q10等不同规格的样方，用以确定最优采样方案。样方布设及指标测量方法如下：
图1 200 cm×200 cm样方布设方法

Fig. 1 Design method of 200 cm × 200 cm quadrat

（1）在每个样地内，选择具有平均状态（代表性好）的位置，沿正南正北方向布设Q200样方。
（2）在Q200上用线绳打出25 cm×25 cm网格，对应64个Q25，并在每个Q25中选取平均状态处布设1个Q10。
（3）收集Q10中地表裸露的砾石，使用孔径为2 mm的砾石筛进行筛选，除去细粒物质、土块和枯枝叶等非砾石成分后，将砾石放入塑封袋中密封。
（4）收集Q25中其他部分的地表砾石，过筛后放入另一个塑封袋中，并将之前的Q10塑封袋放入。
（5）回到室内利用测量盘［5］和电子天平测得Q10和Q25的砾石面积和质量，分别计算砾石面积和质量与测量盘面积的比值，得到Q10和Q25的砾石覆盖度和单位面积质量。
（6）由相邻且构成正方形的4个Q25样方的测量结果计算得到Q50的砾石覆盖度与单位面积地表砾石的质量；依此类推得到Q75、Q100、Q125、Q150、Q175和Q200的砾石覆盖度与单位面积地表砾石质量。
依据上述采样流程，每个样地可获取1个Q200、4个Q175、9个Q150、16个Q125、25个Q100、36个Q75、49个Q50、64个Q25和64个Q10样方样本。通过21个样地的重复采样，累计获取各规格样方（Q200~Q10）的样本数量分别为21个、84个、189个、336个、525个、756个、1 029个、1 344个和1 344个。本次研究工作获取样本数量充足，能够为土地砾化监测采样方案的优化提供充足的实证依据。

2.3　砾化程度统计特征值计算

砾化程度统计特征值［5］的计算包括不同样地地表砾石覆盖度，单位面积砾石质量的最大值、最小值、平均值、中位数、标准误、标准差、变异系数、偏度和峰度。通过计算不同规格样方地表砾石覆盖度和单位面积砾石质量的统计特征值，初步分析样本数据的分布特征，并通过不同规格样方与最大尺寸样方之间统计特征值的差异，输入至样方适宜尺寸的确定模型中。

2.4　样方适宜尺寸的确定方法

采用熵值TOPSIS（Technique for Order Preference by Similarity to Ideal Solution）方法进行样方适宜尺寸的确定。熵值TOPSIS是一种基于信息熵理论和距离度量的决策方法，可以将多个指标的决策对象归一化，通过计算其正负理想解的距离，评估不同决策对象的综合性能，找到最优的解决方案［30-31］。计算步骤为：
（1）构建判断矩阵 A：
A = ( a i j ) m × n
式中： a i j表示判断矩阵 A中每一个评价对象的评价指标， i = 1,2 , … , m； j = 1,2 , … , n，即判断矩阵 A由 m个评价对象构成，每个评价对象又由 n个评价指标构成。
（2）对判断矩阵进行归一化处理，得到归一化矩阵 B。
B = ( b i j ) m × n
式中： b i j表示归一化矩阵 B 中每一个评价对象的评价指标。
（3）根据熵的定义，确定评价指标的熵 H i：
H i = -   1 l n m ( ∑ j = 1 m f i j l n   f i j)，其中 f i j= b i j ∑ j = 1 m b i j
式中： f i j表示第j项指标的标准值。
（4）确定评价指标的熵权W：
W = ( ω i ) 1 × n，其中 ω i = 1 - H i n - ∑ j = 1 n H i
式中： ω i表示第i个评价对象的权重。
（5）求出各指标权重集 R = ( r i j ) m × n：
R = B × W
（6）根据熵权法求出的权重集 R，确定理想解 Q +和负理想解 Q -：
Q + = { r 1 + ,   r 2 + ,   ⋯ ,   r n + }
Q - = { r 1 - ,   r 2 - ,   ⋯ ,   r n - }
（7）计算各方案与 Q +和 Q -的距离 S +和 S -：
S + = ∑ j = 1 n ( r i j - r j + ) 2
S - = ∑ j = 1 n ( r i j - r j - ) 2
（8）计算各方案与理想解的相对接近度（即评价指数）：
C i = S i + / ( S i + + S i - )
式中： C i ∈ 0,1，且某方案的 C i越大，说明方案越好。
本文的评价对象为Q10、Q25、Q50、Q75、Q100、Q125、Q150和Q175不同尺寸样方的适宜性，将不同尺寸样方与Q200之间统计特征值的差异及其取样测量的时间差设置为评价指标，建立熵值TOPSIS模型，根据不同尺寸样方的评价指数，确定样方适宜尺寸［7］。

2.5　样方适宜数量的确定方法

采用威尔科克森秩和检验（Wilcoxon rank-sum test）确定样方适宜数量。该方法是一种非参数统计检验方法，基本思路是如果2组数据没有显著差异，那么它们之间的差值应该在正、负两个方向上均匀分布，较适用于数据不满足正态分布或者样本量较小情况下的统计检验。具体计算步骤如下［32］：
（1）将2组样本的所有测量值混合在一起，分配秩次，相同数值的测量值获得相同的秩次，并在它们之间平均分配秩次。
（2）对于每个样本，计算其秩和。
（3）计算 U统计量：
U = n 1 × n 2 + n 1 ( n 1 + 1 ) 2 - R 1
式中： n 1和 n 2分别为2组样本的大小， R 1为第一组样本的秩和。
（4）计算得到U统计量对应的P值，用于判断统计显著性。如果P值小于预先设定的显著性水平（本文设定为0.05），则拒绝零假设，认为2组之间存在显著差异。
通过对不同数量的Q10、Q25、Q50、Q75、Q100、Q125、Q150、Q175与Q200开展威尔科克森秩和检验，利用二者平均值、中位数或分布的差异性概率大小，确定样方适宜数量。

3 结果与分析

3.1　统计特征值分析

不同规格样方所测地表砾石覆盖度和单位面积砾石质量的统计特征值计算结果如表1所列。通过对比分析发现，样方尺寸越小，最大值与最小值之间的差异越大，这表明大样方有效整合了砾石分布的异质性，削弱了极端值的影响，同时也说明小尺寸样方可以较好地反映样地间砾石分布的异质性。平均值和中位数集中趋势稳定，且二者数值接近，说明样本分布不存在显著偏态特征，测量结果不存在异常值干扰，不同规格样方均能有效捕捉样地真实的砾石分布特征。标准误总体上随样方的尺寸增大而增大，可能源于大样方数量减少导致的抽样误差累积，但是Q25的标准误小于Q10。标准差总体表现为单调下降，说明样方越大监测数据越接近平均值，越能反映砾石分布的平均状态。随着样方尺寸的增大，变异系数、偏度和峰度均随之减小，说明测量结果分布更为集中，离散程度越来越小，样本总体趋于正态分布，更密集地分布于平均值附近，略向左偏。
表1 不同规格样方监测砾石覆盖度和单位面积砾石质量统计特征值

Table 1 Statistical characteristics of coverage and gravel mass per unit area monitoring with different quadrant sizes

测量指标 样方尺寸 最小值 最大值 平均值 中位数 标准误 标准差 变异系数 偏度 峰度
砾石覆盖度/% Q10 7.00 100.00 52.70 52.00 0.37 13.40 0.25 0.68 0.13
Q25 17.60 90.80 53.66 53.12 0.34 12.43 0.23 -0.18 0.03
Q50 23.16 83.96 53.96 53.58 0.36 11.48 0.21 -0.57 -0.01
Q75 24.61 81.03 54.15 53.86 0.41 11.33 0.21 -0.63 -0.03
Q100 26.02 77.22 54.19 53.82 0.48 11.10 0.20 -0.71 -0.03
Q125 28.85 76.30 54.20 53.88 0.60 10.98 0.20 -0.76 -0.02
Q150 31.40 74.72 54.16 53.54 0.79 10.90 0.20 -0.79 -0.03
Q175 31.39 74.22 54.07 53.26 1.19 10.88 0.20 -0.71 -0.07
Q200 32.02 73.14 53.66 52.39 2.42 11.10 0.21 -0.57 -0.05
单位面积砾石质量/（g/m2） Q10 440.00 45 550.00 4 187.01 4 065.00 56.85 20.81 0.50 116.33 6.18
Q25 684.80 8 844.80 4 220.91 4 156.00 40.67 14.91 0.35 0.04 -0.03
Q50 944.00 7 627.60 4 243.12 4 200.40 44.46 14.26 0.34 -0.10 -0.18
Q75 1 040.64 7 413.76 4 250.47 4 244.00 51.33 14.11 0.33 -0.10 -0.20
Q100 1 184.96 7 221.12 4 252.18 4 256.16 61.01 13.98 0.33 -0.12 -0.23
Q125 1 274.82 7 191.99 4 255.84 4 247.15 76.04 13.94 0.33 -0.13 -0.23
Q150 1 316.62 7 012.79 4 258.25 4 255.26 101.52 13.96 0.33 -0.14 -0.25
Q175 1 362.21 6 957.31 4 254.24 4 247.96 153.08 14.03 0.33 -0.11 -0.28
Q200 1 372.70 6 955.05 4 220.91 4 194.30 313.01 14.34 0.34 0.16 -0.23

3.2　样方适宜大小的确定

基于熵值TOPSIS法，分别在不考虑时间成本和考虑时间成本2种情景下，对不同规格样方砾石覆盖度和单位面积砾石质量监测的适宜性进行评分，结果如表2所列。
表2 不同规格样方砾石覆盖度和单位面积砾石质量监测适宜性评分

Table 2 Suitability scores for coverage and gravel mass per unit area monitoring with different quadrant sizes

测量指标 样方尺寸 不考虑时间成本 考虑时间成本
砾石覆盖度 Q10 0.39 0.89
Q25 0.38 0.45
Q50 0.31 0.23
Q75 0.29 0.20
Q100 0.32 0.17
Q125 0.36 0.17
Q150 0.52 0.13
Q175 0.78 0.09
单位面积砾石质量 Q10 0.11 0.99
Q25 0.53 0.18
Q50 0.39 0.09
Q75 0.33 0.08
Q100 0.35 0.07
Q125 0.36 0.06
Q150 0.42 0.06
Q175 0.56 0.05
在不考虑时间成本的情景下，评分结果表现出“先降后升”的非线性特征，即样方尺寸<75 cm时，评分随样方尺寸增加呈递减趋势，而当样方尺寸≥75 cm时，评分则随样方尺寸增大而递增。从单位面积砾石质量的评价结果看，不考虑时间成本时Q25的评分结果仅次于Q175，考虑时间成本时Q25的评分结果仅次于Q10。可见，时间成本因素的引入会导致最佳样方尺寸选择的显著变化，同时也凸显了Q25在不同评估条件下较为突出的监测适宜性优势。在前期工作中，以100 cm×100 cm样方测量结果作为样地砾石覆盖度的真实值，同样得出Q25为土地砾化监测适宜样方的结论，说明了Q25的稳定性。
在考虑时间成本的情景下，评分结果呈显著单调递减趋势，这是因为随着样方尺寸的增加，测量面积呈对数增长，工作效率下降，相反样方尺寸越小、工作效率越高，但同时也会带来变异性较大、稳定性差以及测量精度下降的问题。
虽然，较大尺寸的样方可以提高砾石监测精度，但是工作效率下降明显。此外，野外取样会清除地表砾石、破坏原有砾被，打破地表原有的平衡态，加剧土壤的侵蚀，引发二次砾化。一般草本植物监测样方尺寸为100 cm×100 cm，而砾石粒径明显小于草本植物植株冠幅，因此，土地砾化监测的样方尺寸应该在100 cm以下。综上所述，本文认为Q25在提高野外工作效率的同时，可以保证测量精度，在荒漠区土地砾化监测中展现出最优的适用性。

3.3　样方适宜数量的确定

对研究区不同规格样方测量结果依次随机不放回抽取1 000次，分别与样地砾石覆盖度和单位面积砾石质量真实值进行威尔科克森秩和检验，检验结果如图2和图3所示。随着样方数量的增加，未通过检验的抽样次数逐渐下降，通过检验的抽样次数逐渐增加。随着样方尺寸的增加，全部通过检验所需的样方数量逐渐减少。
图2 不同规格样方砾石覆盖度监测威尔科克森秩和检验结果

Fig. 2 The result of Wilcoxon rank-sum test for coverage monitoring with different quadrant sizes

图3 不同规格样方单位面积砾石质量监测威尔科克森秩和检验结果

Fig. 3 The result of Wilcoxon rank-sum test for gravel mass per unit area monitoring with different quadrant sizes

由图2可见，Q10~Q175砾石覆盖度监测结果全部通过检验所需的样方数量依次为33个、10个、9个、7个、3个、2个、1个和1个。样方尺寸由10 cm增加至25 cm时，全部通过检验所需的样方数量快速下降，样方尺寸由25 cm增加至50 cm时，全部通过检验所需的样方数量下降并不明显。
值得指出的是，以100 cm×100 cm样方测量结果作为样地砾石覆盖度的真实值时，得到的土地砾化监测最优采样方案结果显示：Q10~Q75全部通过检验的样方数量依次为10个、9个、4个和2个。由此说明，样地最大样方的设置尺寸与不同规格样方适宜数量密切相关，也就是说，不同规格样方适宜数量会随样地最大样方设置尺寸的变化发生明显变化，尤其是Q10由于其变异性较大，导致其适宜数量随样地最大样方尺寸的增加明显增多。而Q25的适宜数量仅由9个增至10个，变化并不明显，说明了Q25监测结果的稳定性。
由图3可见，Q10~Q175单位面积砾石质量监测结果全部通过检验所需的样方数量依次为23个、10个、3个、5个、3个、1个、1个和1个。随着样方尺寸的增大，全部通过检验所需的样方数量明显下降。但是样方尺寸由50 cm增加至75 cm时，全部通过检验所需的样方数量未降反升，这可能是由于取样方式造成的空间异质性强的样本叠加，从而加剧了样本的空间异质性。
以100 cm×100 cm样方测量结果作为样地单位面积砾石质量真实值，得到的土地砾化监测最优采样方案结果显示：Q10~Q75全部通过检验的样方数量依次为12个、9个、4个和1个。同样，Q25的适宜数量由9个增至10个，监测结果较为稳定。

4 讨 论

土地砾化监测样方的适宜尺寸和数量是通过实测数据的统计分析得到的理论指导值，对于科学开展土地砾化监测评估具有重要意义。本文的研究结果表明，Q25监测结果较为稳定，表现出较为突出的监测适宜性优势，但是土地砾化监测样方尺寸的选择也存在多样化。以Q10为例，从其统计特征值分析可见，虽对局部变异敏感但误差可控，可以通过增加样方数量的方式进行误差校正，从本文研究结果可见，将Q10的样方数量增至23个，即可满足精度要求。此外，采用二次平均状态的思路，即通过认真踏查，避开砾石很多和很少的地段，选择砾石分布的平均状态处作为样地，在样地内二次选择平均状态处布设样方，可以在较少样方的情况下提高取样的代表性，明显降低小样方监测误差。如果采用随机取样，则所需样方数量较大，工作量随之增加。
本文通过来自荒漠区不同样地、不同最大尺寸样方2组数据的分析结果发现，二者具有较强的一致性，这说明了取样、处理和分析方法的科学性和稳定性，以及样方适宜大小及数量结果的可靠性和适用性。但是科学问题的研究往往需要持续探索与不断完善，土地砾化监测也不例外。本文基于内蒙古荒漠区的实证分析，提出了土地砾化监测采样最优方案，但由于不同区域（如其他荒漠区、草原区）在地表砾石分布格局、粒径谱特征及形成机制等方面存在差异，现有成果的普适性仍需通过不同地貌类型区域实验加以验证，以修正和完善监测方法体系，从而提升土地砾化监测技术的科学性与适用性。

5 结 论

随着样方尺寸的增大，会显著削弱监测结果中砾石分布的空间异质性特征，平均值和中位数较为稳定，且二者数值接近，标准误总体呈增大趋势，标准差总体单调下降，变异系数、偏度和峰度均随之减小。
内蒙古荒漠区土地砾化监测样方适宜尺寸为25 cm×25 cm，适宜数量为9~10个。
采用熵值TOPSIS和威尔科克森秩和检验确定样方适宜数量和适宜尺寸，据此构建的内蒙古荒漠区土地砾化监测采样方案，具有一定的稳定性和普适性。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
PEI Hao， WU Hao， GUAN Yanru， et al. Definition of land sandification and its relationship with desertification， grassland degradation and desertification［J］. Meteorology Journal of Inner Mongolia， 2022（1）： 16-23.

裴浩， 吴昊， 关彦如， 等. 土地沙化定义及其沙被、草原退化、荒漠化关系的探讨［J］. 内蒙古气象， 2022（1）： 16-23.

[2]
MIAO Bailing， PEI Hao， JIA Chengzhen， et al. Classification， monitoring indicators and ecologically-based management of gravelization land［J］. Meteorology Journal of Inner Mongolia， 2021（6）： 37-43.

苗百岭， 裴浩， 贾成朕， 等. 砾化土地类型、监测指标及生态治理对策［J］. 内蒙古气象， 2021（6）： 37-43.

[3]
MENG Zhongju， WANG Meng， GAO Yong， et al. Soil coarse graining process based on surface grain size distribution in Xilamuren desert steppe［J］. Research of Soil and Water Conservation， 2017， 24（6）： 22-28.

蒙仲举， 王猛， 高永， 等. 基于土壤粒度参数的荒漠草原地表粗粒化过程［J］. 水土保持研究， 2017， 24（6）： 22-28.

[4]
LIU X N， FAN D X， YU X X， et al. Effects of simulated gravel on hydraulic characteristics of overland flow under varying flow discharges， slope gradients and gravel coverage degrees［J］. Scientific Reports， 2019， 9（1）. DOI： 10.1038/s41598-019-56223-2 .

[5]
YE Hu， PEI Hao， MIAO Bailing， et al. Monitoring and evaluation of land gravel coverage based on secondary average state［J］. Arid Land Geography， 2025， 48（1）： 85-93.

叶虎， 裴浩， 苗百岭， 等. 基于二次平均状态的土地砾化程度监测评估研究［J］. 干旱区地理， 2025， 48（1）： 85-93.

[6]
LIU Shujuan， WEI Xinghu， ZHENG Qianqian， et al. Soil organic carbon contents characteristics in the alpine desert area of Ali， Tibet， China［J］. Journal of Desert Research， 2020， 40（4）： 234-240.

刘淑娟， 魏兴琥， 郑倩倩， 等. 西藏阿里高寒荒漠区土壤有机碳含量特征［J］. 中国沙漠， 2020， 40（4）： 234-240.

[7]
YE Hu， PEI Hao， WANG Ying， et al. Research on the appropriate size and quantity of land gravelization monitoring quadrats in desert areas［J］. Chinese Journal of Applied Ecology， 2025 （in press）.

叶虎， 裴浩， 王盈， 等. 荒漠区土地砾化监测样方适宜大小及数量研究［J］. 应用生态学报，2025（待刊）.

[8]
ZHANG Lanbiao， PEI Hao， HAN Xuri， et al. Comparative analysis of two measurements of land gravel cover in Xilingol grassland［J］. Meteorology Journal of Inner Mongolia， 2023（4）： 14-19.

张岚彪， 裴浩， 韩旭日， 等. 锡林郭勒草原土地砾石覆盖度两种测量方法的对比分析［J］. 内蒙古气象， 2023（4）： 14-19.

[9]
WANG X Y， LI Z X， CAI C F， et al. Effects of rock fragment cover on hydrological response and soil loss from Regosols in a semi-humid environment in south-west China［J］. Geomorphology， 2012， 151： 234-242.

[10]
PEI Hao， ZHU Zongyuan， LIANG Cunzhu， et al. Ecological environment characteristics and environmental protection in Alashan desert area［M］. Beijing： China Meteorological Press， 2011.

裴浩， 朱宗元， 梁存柱， 等. 阿拉善荒漠区生态环境特征与环境保护［M］. 北京： 气象出版社， 2011.

[11]
Inner Mongolia Autonomous Region Meteorological Standardization Technical Committee. Technical guidelines for gravel-mulched land monitoring （ DB15/T 3926-2025）［S］. Hohhot： Market Supervision Administration of Inner Mongolia Autonomous Region， 2025.

内蒙古自治区气象标准化技术委员会. 砾化土地监测技术指南（ DB15/T 3926—2025）［S］. 呼和浩特：内蒙古自治区市场监督管理局， 2025.

[12]
XIE Yingge， LI Xia. Methodology on rock fragments content evaluation： a review［J］. Soils， 2012， 44（1）： 17-22.

解迎革， 李霞. 土壤中砾石含量的测定方法研究进展［J］. 土壤， 2012， 44（1）： 17-22.

[13]
GAO Yang， FU Suhua， LUO Laijun， et al. Study on the relationship between rock fragments cover and weight percentage in Beijing Mountain［J］. Research of Soil and Water Conservation， 2011， 18（4）： 145-149.

高杨， 符素华， 罗来军， 等. 北京山区砾石覆盖度和砾石含量的关系研究［J］. 水土保持研究， 2011， 18（4）： 145-149.

[14]
WEN Wenjie， PEI Hao， BA Gen， et al. Land graveling characteristics and monitoring indicators of the Alxa Plateau［J］. Arid Zone Research， 2023， 40（6）： 926-936.

温文杰， 裴浩， 巴根， 等. 阿拉善高原土地砾化特征及监测指标［J］. 干旱区研究， 2023， 40（6）： 926-936.

[15]
GAO Junliang， GAO Yong， WU Bo， et al. Spatial heterogeneity of topsoil particles in Jartai Gobi， Inner Mongolia［J］. Soils， 2019， 51（1）： 135-141.

高军亮， 高永， 吴波， 等. 戈壁地表土壤颗粒的空间变异特征研究［J］. 土壤， 2019， 51（1）： 135-141.

[16]
MU Yue， FENG Yiming， GAO Xiang， et al. Spatial distribution of gravel characteristics on Gobi Desert surface based on image acquired by unmanned aerial vehicle［J］. Forest Research， 2018， 31（2）： 55-62.

穆悦， 冯益明， 高翔， 等. 基于无人机图像的戈壁表面砾石特征变化研究［J］. 林业科学研究， 2018， 31（2）： 55-62.

[17]
MU Yue. Estimation of multi-scale gravel characteristic parameters and study on spatial distribution patterns on the surface of the Gobi Desert［D］. Beijing： Chinese Academy of Forestry， 2017： 109-111.

穆悦. 戈壁表面多尺度砾石特征参数估算及其空间分布规律研究［D］. 北京： 中国林业科学研究院， 2017： 109-111.

[18]
BAN Y Y， LEI T W， GAO Y， et al. Effect of stone content on water flow velocity over Loess slope： non-frozen soil［J］. Journal of Hydrology， 2017， 549： 525-533.

[19]
BAN Y Y， LEI T W， FENG R， et al. Effect of stone content on water flow velocity over Loess slope： frozen soil［J］. Journal of Hydrology， 2017， 554： 792-799.

[20]
ZHANG Lanbiao， PEI Hao， JIA Chengzhen， et al. Analysis of the distribution characteristics and influencing factors of gravelized land in the Xilingol grassland ［J］. Meteorology Journal of Inner Mongolia， 2025（4）： 28-34.

张岚彪， 裴浩， 贾成朕， 等. 锡林郭勒草原砾化土地分布特征及其影响因子分析［J］. 内蒙古气象， 2025（4）： 28-34.

[21]
SHI Jingjing， LEI Yuancai， ZHAO Tianzhong. Progress in sampling technology and methodology in forest inventory［J］. Forest Research， 2009， 22（1）： 101-108.

史京京， 雷渊才， 赵天忠. 森林资源抽样调查技术方法研究进展［J］. 林业科学研究， 2009， 22（1）： 101-108.

[22]
BORMANN F H. The statistical efficiency of sample plot size and shape in forest ecology［J］. Ecology， 1953， 34（3）： 474-487.

[23]
WIEGERT R G. The selection of an optimum quadrat size for sampling the standing crop of grasses and forbs［J］. Ecology， 1962， 43（1）： 125-129.

[24]
ZHOU Hongmin， HUI Gangying， ZHAO Zhonghua， et al. Studies on the area and the number of the sample for forest structure［J］. Forest Research， 2009， 22（4）： 482-485.

周红敏， 惠刚盈， 赵中华， 等. 森林结构调查中最适样方面积和数量的研究［J］. 林业科学研究， 2009， 22（4）： 482-485.

[25]
ZHAO Zehai， ZU Yuangang， YANG Fengjian， et al. Study on the sampling technique of interspecific association of ligneous plant in Quercus liaotungensis forest in Dongling Mountain［J］. Acta Phytoecologica Sinica， 2003， 27（3）： 396-403.

赵则海， 祖元刚， 杨逢建， 等. 东灵山辽东栎林木本植物种间联结取样技术的研究［J］. 植物生态学报， 2003， 27（3）： 396-403.

[26]
YOU Li， WANG Geli， WU Xuehong， et al. Analyses on duststorm climatic characteristics in Alashan， Inner Mongolia［J］. Plateau Meteorology， 2004， 23（3）： 382-386.

尤莉， 王革丽， 吴学宏， 等. 内蒙古阿拉善地区沙尘暴的气候特征分析［J］. 高原气象， 2004， 23（3）： 382-386.

[27]
WANG T， QU J J， TAN L H， et al. Aeolian sediment transport over the Gobi with high gravel coverage under extremely strong winds in the Hundred Miles windy area along the Lanzhou-Xinjiang High-Speed Railway［J］. Journal of Wind Engineering and Industrial Aerodynamics， 2022， 220. DOI：10.1016/j.jweia.2021.104857 .

[28]
MA Wenyong. Dynamic characteristics and influencing factors of desertification in Inner Mongolia Autonomous Region in recent ten years［D］. Yangling： Northwest A & F University， 2013.

马文勇. 内蒙古自治区近十年沙化动态特征及影响因素分析［D］. 杨凌： 西北农林科技大学， 2013.

[29]
ZHANG Zhengcai， PAN Kaijia， ZHANG Yan， et al. Sand transport characteristics above gobi surface during a dust storm in northern China［J］. Journal of Desert Research， 2023， 43（2）： 130-138.

张正偲， 潘凯佳， 张焱， 等. 中国西北戈壁区沙尘暴过程中近地层风沙运动特征［J］. 中国沙漠， 2023， 43（2）： 130-138.

[30]
LI Yingqiang， LI Zhifeng， YIN Hongchen， et al. Evaluation of regional agricultural economic development level in Gansu Province based on entropy TOPSIS method［J］. Territory & Natural Resources Study， 2021（4）： 58-61.

李映强， 李之凤， 殷鸿琛， 等. 基于熵值TOPSIS法对甘肃省区域农业经济发展水平评价［J］. 国土与自然资源研究， 2021（4）： 58-61.

[31]
ZHAO Jing， WANG Ting， NIU Dongxiao. Improved entropy TOPSIS of knight service evaluation in electric power marketing［J］. Journal of North China Electric Power University， 2004， 31（3）： 68-70.

赵静， 王婷， 牛东晓. 用于评价的改进熵权TOPSIS法［J］. 华北电力大学学报， 2004， 31（3）： 68-70.

[32]
ZHANG L Y， DONG X F. Wilcoxon signed rank test using median ranked set sampling［J］. Chinese Journal of Applied Probability and Statistics， 2013， 29（2）： 113-120.

Options
Outlines

/

〈 〉

Address: No. 8, Tianshui Middle Road, Lanzhou, Gansu
QQ：114723517
Tel：0931-8762293　E-mail：adearth@lzb.ac.cn
陇ICP备2021001824号-5　 甘公网安备62010202000687