近30年天山北坡改进型遥感生态指数时空变化及其驱动因素

天山北坡是西北地区重要的生态功能区和重要经济带,受气候变化和人类活动的影响,脆弱的生态环境面临着巨大挑战,但目前对该地区生态环境质量时空变化、特征及驱动力的认识较少。为此,本文利用改进型遥感生态指数(ERSEI)、空间自相关分析、多元线性回归分析和地理加权分析方法揭示天山北坡1990、2000、2010和2020年4个时期生态环境质量时空变化、特征及其驱动因素。结果表明:(1)1990-2020年天山北坡ERSEI先大幅下降后逐渐恢复并持续上升,生态环境质量逐渐改善并趋于稳定,总体呈“东优西劣”的空间格局;(2)天山北坡生态环境对气候变化较为敏感,温度是ERSEI变化的最重要驱动因子;(3)不同驱动因素对ERSEI的影响存在显著的空间异质性,自然因素对局部ERSEI空间分异起主导作用,人为因素则对年际ERSEI变化产生重要影响。这表明气候变化和人类活动显著影响ERSEI变化,未来应科学规划各类经济活动,减缓气候变化效应,提升天山北坡生态安全和环境可持续性。

基于改进型遥感生态指数探究赣州市生态环境质量及其与城镇化关系

生态环境质量变化及其与城镇化过程的关系是生态文明建设研究的重要内容之一.该文以江西省赣州市为研究区,利用Landsat系列遥感数据,基于Google Earth Engine平台,对其2001-2020年间三个时间节点生态环境质量、城镇化水平及耦合协调度的时空特征进行研究.在原有RSEI基础上,将绿度分量替换为归一化面积植被指数(NAVI),并加入生境分量(HQ),提出改进型遥感生态指数(N_RSEI),评价了研究区的生态环境质量.采用耦合协调度(CCD)模型得到生态环境质量与城镇化之间的CCD,并对CCD进行了空间自相关分析.研究表明:通过平均相关度检验等结果能证明所提出的N_RSEI可更客观准确地对赣州市生态环境质量进行评估;2001-2020年赣州市生态环境质量、城镇化水平、CCD均呈上升趋势,生态环境质量与CCD在空间上呈现出相似的“周高中低,南高北低”,且生态环境质量较差区域呈“三线一点”的分布特点;基于遥感数据的研究较县市尺度可提供更好的细节,能与其他同样是连续分布的因素进行综合分析,为生态环境的保护和可持续发展提供了科学支撑.

利用改进型遥感生态指数的岩溶区生态环境质量评价

本文选取绿度(NDMVI)、湿度(Wet)、石漠化(RDI)和热度(LST)4个指数,构建了改进型遥感生态指数(IRSEI),以实现县域岩溶地区的生态环境质量评价。基于2003与2023年的县域尺度遥感影像与其他地理信息数据,通过若干方面定量对比IRSEI与RSEI指数。结果表明,IRSEI包含了更丰富的山地植被与石漠化状况信息,能够更好地表征和评价岩溶地区生态环境质量,适合作为岩溶地区生态环境质量评价的定量指标。研究区在2003—2023年间,生态环境质量改善和退化情况均有发生,但生态环境质量总体下降了7.46%,生态等级由良变为中等。从空间分布来看,罗平县研究区生态质量差的区域主要分布在北部,生态环境质量优的区域主要分布在中部。

基于谷歌地球引警和改进型遥感生态指数的西安市生态环境质量动态监测

近年来,在经济全球化的背景下,西安市经济迅速增长,生态环境问题日益突出,快速全面地定量监测生态环境质量的时空变化,对指导生态环境保护具有重要意义。基于谷歌地球引警(GEE)平台,筛选2000、2004、2010、2015、2020年及其前后各一年的四季Landsat影像,利用主成分分析基于绿度(NDVI)、热度(LST)、干度(NDSI)、湿度(Wet)和气溶胶光学厚度(AOD)构建改进型遥感生态指数(ARSEI),实现西安市2000—2020年生态环境质量的动态监测,并运用莫兰指数(Moran′s I)探讨西安市生态环境质量的空间自相关。以主成分效果最好的夏季为例,结果表明:(1)构建的ARSEI将大气污染因素考虑在内,第1主成分(PC1)贡献度在83%以上,能较好地集中各指标特征,有助于更加全面地评价研究区生态环境质量;(2)西安市2000—2020年平均ARSEI分别为0.565、0.521、0.572、0.644、0.695,生态环境质量总体呈现先退化后转好的趋势。20年来,生态环境质量较差和极差等级的面积减少了1339.08 km^(2),主要分布在秦岭以北地区,良好和极好等级区面积增加了2241.80 km^(2),主要位于南部的秦岭地区;(3)西安市生态环境质量改善区面积大于退化区,改善和退化情况在各辖区均有发生。2000—2004年退化情况最为严重,占比29.41%,而2010—2015年改善区占比最大,达31.62%;(4)5个年度的全局莫兰指数(Global Moran′s I)均在0.627以上,表明西安市生态环境质量的空间分布具有较强的正相关,呈聚集分布,且以高-高、低-低分布为主。研究基于GEE平台实现了西安市生态环境质量的快速监测,可为生态环境监测与治理保护提供方法借鉴与数据支撑。

对比遥感生态指数与改进型遥感生态指数的应用

以福建省南靖县为例,基于Landsat系列多时相影像数据,分析遥感生态指数(Remote Sensing Ecological Index,RSEI)和改进型遥感生态指数(Modified Remote Sensing Ecological Index,MRSEI)在生态评价研究中的应用,比较2种指数与各指标间的相关性、在生态等级划分中的区别。结果表明:(1)RSEI、MRSEI与各指标相关度均大于各指标平均相关度,说明2种生态指数都比任一单一指标更能反映生态质量;(2)RSEI与各指标之间的相关度、历年平均相关度均高于MRSEI,说明RSEI更具有综合代表性;(3)在区域生态质量等级划分中,RSEI生态等级高于MRSEI的区域多为植被覆盖区,RSEI生态等级低于MRSEI的区域多为建成区,说明基于RSEI的生态质量等级划分比MRSEI更加可信。

基于改进型遥感生态指数的生态系统服务价值评估方法

本文通过构建遥感生态指数(RSEI)与动态栖息地指数相结合的改进型遥感生态指数(DRSEI)作为时空动态调节因子,对国家公园这种具有丰富物种的自然生态系统服务价值评估方法进行了改进。改进型遥感生态指数(DRSEI)作为时空动态调节因子的方法与应用遥感生态指数、净初级生产力指数(NPP)作为时空动态调节因子的方法进行比较分析表明:引入能够表达生态系统生物多样性时空变化特征的动态栖息地指数构建改进型遥感生态指数,由于该指数的空间信息特征更加丰富,且考虑到了区域的生物多样性因子,改进型遥感生态指数(DRSEI)作为时空动态调节因子的生态系统服务价值评估方法可以更加全面客观地反映区域生态系统的结构、功能与过程的时空分异,准确评估生态系统服务时空动态价值,为国家公园生态系统服务价值评估提供了新视角。利用该方法定量评估和分析了武夷山国家公园2017—2021年生态系统服务价值的时空变化状况,2017—2021年武夷山国家公园生态系统服务价值总体呈上升的趋势,呈现较为适当的生态环境保护与资源开发利用状况。

基于改进遥感生态指数的吐鲁番-哈密地区生态环境质量评价及驱动机制分析

吐鲁番市和哈密市是我国盐渍化危害最严重的地区之一,明晰其生态环境变化趋势和驱动机制对吐鲁番-哈密地区生态文明建设具有重要意义。基于Google earth engine(GEE)平台,筛选2005—2020年6—9月Landsat影像,选取绿度(SVAI)、湿度(Wet)、热度(LST)、干度(NDBSI)和盐度(NDSI)构建改进型遥感生态指数(SRSEI)对吐鲁番-哈密地区生态环境进行评估。结果表明:(1)SRSEI使用SAVI代替NDVI并加入盐度指标(NDSI),与RSEI相比有着更高的第一主成分贡献率,能更全面客观地评价吐鲁番-哈密地区生态环境质量。(2)时间尺度上,2005—2020年吐鲁番-哈密地区SRSEI先下降后上升,均值0.49,并在2020年均值达到0.5575,较差和良的面积占比变化显著,较差占比减少了11.54%,良占比增加了30.15%。且未来生态环境变化趋势还将以改善为主;空间尺度上,北部西山台原和中部莫钦乌拉山生态质量多为优和良,较差区域主要集中在南部噶顺戈壁。(3)年均降水量、年均气温和经济生产总值是驱动SRSEI变化的主要控制因子,q值均大于0.092;与单因子对生态环境影响力相比,双因子交互产生的影响力更强,年均降水量∩经济生产总值是驱动吐鲁番-哈密地区生态环境发生变化的最强交互因子。

改进型遥感生态指数及干旱区生态环境评价

利用遥感影像对大尺度区域生态环境质量进行长期、定量、动态监测可为区域可持续发展提供有力的决策支撑。基于遥感生态指数(RSEI),针对干旱区生态环境的地域特点和应用需求,从耦合生态系统组成要素的角度出发提出一种改进型遥感生态指数(ERSEI),即在顾及绿度(NDVI)、湿度(Wet)、干度(NDBSI)、热度(LST)因子的同时,引入综合盐度指标(CSI)和水网密度遥感估算模型(EMW),将盐度和水网密度(WND)纳入生态环境质量评价。在Google Earth Engine(GEE)云计算平台上实现ERSEI并将其应用于地处西北干旱区的呼包鄂榆城市群,结果表明,ERSEI可充分体现干旱区地表细节特征,有力突显了水网对周边环境辐射影响的渐变信息。由呼包鄂榆城市群范围内2000年—2020年间ERSEI的空间测度和时序演变分析发现,生态环境质量较好的区域主要分布在河套平原、大青山一线以及靠近吕梁山的一侧,较差的区域主要集中分布在蒙古高原、库布齐沙漠附近以及毛乌素沙地部分地域,且生态环境质量呈现持续性下降,应作为生态风险预警区加强治理。ERSEI为干旱区生态环境质量常态化监测提供了一种快速有效的新方法。

改进型遥感生态指数与RSEI的对比分析

为了更好对城市生态质量进行监测和评价,构建一个更精确的城市遥感生态指数十分必要。本文结合绿度、湿度、干度、热度和空气质量指标采用主成分分析PCA(Principal Component Analysis)构建改进型遥感生态指数MRSEI(Modified Remote Sensing Ecological Index);利用熵权法计算压力—状态—响应模型PSR(Pressure State Response Model)中各指标的权重,通过加权法获得生态环境指数EI(Eco-environmental Index)与MRSEI和RSEI进行比较。同时,综合绿度、热度、湿度、干度指标利用核主成分分析KPCA(Kernel Principal Component Analysis)构建非线性遥感生态指数NRSEI(Nonlinear Remote Sensing Ecological Index);最后将MRSEI、NRSEI分别与常用的遥感生态指数RSEI(Remote Sensing Ecological Index)进行对比和分析。结果表明,MRSEI可体现空气质量空间分布对城市生态质量的影响,2014年和2017年MRSEI与EI的相关系数分别是0.829和0.857(P<0.01),比RSEI与EI的相关系数分别提高0.035和0.055。在主城区MRSEI和RSEI与EI比较结果表明,MRSEI的平均绝对误差、均方根误差和平均相对误差均小于RSEI,表明MRSEI更适用于城市生态质量评价,空气质量指标对北京市生态环境监测、评价是非常重要的。同时,在实验区KPCA第一主成分贡献率比PCA提高了11.94%—21.45%;各个指标与NRSEI相关系数比与RSEI提高了0.128—0.198;NRSEI可体现生态等级间的过渡,RSEI对生态环境差的区域有时低估,对生态环境优的区域有时高估,NRSEI与遥感影像定性反映的生态状况更加相符。在监测空气质量严峻的北京市生态质量方面,MRSEI优于RSEI;顾及各指标间的弱线性或非线性问题的NRSEI监测生态环境质量效果优于利用线性变换的RSEI。

基于改进遥感生态指数的宁夏生态环境质量时空变化

在遥感生态指数(Remote Sensing Ecological Index,RSEI)的基础上引入PM10作为大气环境质量指标,提出了改进的遥感生态指数(Improved remote sensing ecological index,IRSEI),并基于IRSEI分析了宁夏2000-2020年的生态环境质量时空分布格局与演变,以及宁夏生态环境质量的变化趋势,此外还深入讨论了不同的指标归一化方式对IRSEI结果的影响。结果表明,1)2000-2020年,宁夏生态环境质量呈现“先上升,后下降,又上升”的趋势,21年间IRSEI从0.329上升至0.426,总体上升了约29.48%;空间分布上,生态环境质量等级为“优”和“良”的地区主要分布在宁夏北部、南部以及黄河流域沿岸,生态环境质量等级为“差”和“较差”的区域主要分布在宁夏中部。2)宁夏生态环境质量改善面积远大于退化面积,21年间改善面积占比达到54.42%,且极强改善区域集中在宁夏南部,中部以较强改善为主,退化面积占比为14.98%,主要分布在北部城市区域。3)趋势分析结果表明,宁夏生态环境质量呈改善趋势的区域面积占比达到64.02%,显著改善趋势的面积占比为29.18%,但仍有28.81%的区域呈现显著退化和轻微退化趋势,生态环境质量修复与保护应重点关注呈现退化趋势的区域。4)不同的指标归一化方式对IRSEI影响显著,基于各期数据分别进行指标归一化容易高估生态环境质量较差年份的IRSEI,低估生态环境质量较好年份的IRSEI,基于全局极值的指标归一化方式,能更真实客观地反映不同时期的变化和差异。

基于改进遥感生态指数的山西省及煤炭矿区生态环境分析

遥感生态指数(Remote Sensing Ecology Index,RSEI)是目前生态监测评价中使用较为广泛的一种遥感指数,在矿区生态环境研究中也得到了大量应用。但是其提出是基于城市区域的生态环境分析,对于黄河流域水土侵蚀易发区的适用性尚待研究。黄河流域中游煤炭矿区高强度、大范围开采带来的局部地质环境、生态状况改变,更对该指数的适用性提出了挑战。基于现有遥感生态指数并兼顾地域差异化特点,提出了一种改进型遥感生态指数(Modified Remote Sensing Ecology Index,MRSEI),即在顾及绿度(NDVI)、湿度(WET)、热度(LST)和干度(NDBSI)因子的同时,引入土壤侵蚀模型(The Revised Universal Soil Loss Equation,RUSLE),通过归一化运算获取土壤侵蚀因子(Erosion),并将该因子纳入生态环境质量分析中。通过在谷歌云平台(Google Earth Engine,GEE)上计算MRSEI并将其应用于山西省及煤炭国家规划矿区,结果表明:(1)与传统的RSEI相比,改进的生态指数MRSEI有效集成了绿度、湿度、干度、热度和土壤侵蚀5个生态因子的综合信息,可以更全面客观地揭示山西省及煤炭国家规划矿区生态环境及其变化;(2)2000—2020年,山西省的生态环境质量呈现先恶化后好转的趋势,空间分布特征主要表现为省域东南部生态环境质量较高,而西北、西南区域相对较低。

基于改进型遥感生态距离指数的秀山县生态环境质量评估

快速准确评估区域生态环境质量与变化对于喀斯特石漠化地区的生态监测具有重要意义。通过选取重庆市秀山县为研究区,以1990年、2002年和2016年Landsat5/8影像为主要数据源,提取石漠化指数(RI)、建筑裸土指数(NDSI)、湿度指数(WI)、植被指数(NDVI)建立改进型遥感生态距离指数(MRSEDI),对秀山县生态环境质量及变化进行评估。结果发现:①秀山县1990年、2002年和2016年MRSEDI均值分别为0.617、0.665和0.748,呈现上升趋势;②秀山县1990—2016年间生态环境质量优良等级区域面积呈现上升趋势,优良等级区域面积从1990年的55.94%增加到2016年的82.67%;③26 a间,秀山县大部区域生态环境质量变化情况为变好和不变,其中变好区域占全县面积的54.01%,不变区域占全县面积的34.49%。秀山县生态环境质量较好,且生态环境呈现继续变好趋势,秀山县26 a间一系列生态环境保护措施具有一定成效。

基于RSEI改进模型的生态环境质量评价及驱动机制研究——以湖南省桃江县为例

[目的]为了更好地对丘陵地区生态质量进行监测和评价,构建适用于高植被区的改进型遥感生态指数模型,并探索生态质量的影响因素,为湖南省益阳市桃江县兼顾发展与生态的发展提供科学支撑。[方法]针对植被指数(NDVI)在植被茂密区的饱和性缺陷,借助改进型遥感生态指数(MRSEI)量化了桃江县2000—2021年生态环境质量时序变化,并利用最优化参数的地理探测器模型对植被覆盖度、降水、气温、土地利用、海拔、人口密度等6个影响因子进行了驱动力分析。[结果](1)与遥感生态指数相比,改进的遥感生态指数模型能够避免高植被覆盖区NDVI饱和性缺陷问题,可以更准确地监测桃江县生态环境。(2)研究区2000—2021年5期的MRSEI均值分别为0.77,0.84,0.83,0.75和0.79,生态环境质量整体表现良好,具有转好—转差—转好的变化特征。(3)从生态环境质量成因分析来看,土地利用是影响研究区生态环境质量的关键因子,交互式探测中,土地利用和海拔交互作用最强。[结论]改进的RSEI模型能对高植被地区生态环境质量进行准确的评价。桃江县2000—2021年生态环境质量总体处于良好水平且呈上升趋势。生态环境质量变化主要受到自然和人为因素双重影响。

改进遥感生态指数的宜宾市三江汇合区生态环境评价

城市扩张是宜宾市近年来的主要特征,研究其对生态环境的影响,对城市发展与生态保护具有重要意义。为了更好地评价城市扩张对生态的影响,基于遥感生态指数(remote sensing ecological index,RSEI),构建归一化不透水面和裸土指数替代原有建筑指数作为干度指标,建立了改进型遥感生态指数(improved remote sensing ecological index,IRSEI),耦合对生态具有重要影响的绿度、湿度、温度及改进后的干度指标信息,利用主成分分析法及相关性对IRSEI进行了分析,建立基于IRSEI的宜宾市三江汇合区生态评价模型,对该地区2013—2020年间生态环境做出分析评价。结果表明:IRSEI能够更加精准地反映出干度对生态造成的负面影响,较RSEI在第一主成分分量中能够集中更多有用信息,对城市生态环境质量评测具有更好的适用性。2013年,该区域IRSEI为0.54,生态总体状况一般,原因在于城区扩张严重,破坏了原有植被;2017年,IRSEI为0.67,退耕还林的持续推进以及城区生态的恢复,使得绿度明显上升,因此生态状况较2013年大为好转;2020年,IRSEI为0.63,绿度、湿度以及干度基本与2013年持平,但由于城市扩张带来的热岛效应,温度较2017年有所上升,因此生态水平轻微下降。

基于MRSEI模型的阿勒泰市生态环境时空变化及驱动力分析

为及时、客观、定量地评估新疆阿勒泰市生态环境,研究基于多源遥感数据构建改进型遥感生态指数(MRSEI)结合标准差椭圆和重心迁移模型分析其时空变化特征,并使用地理探测器模型对绿度、干度、湿度、温度和空气质量5个指标进行因子探测。结果表明:(1)2015—2021年,阿勒泰市绿度和湿度指标对于区域内生态环境起显著正相关作用,温度、干度和空气质量这3个指标起显著负相关作用;(2)2015—2021年阿勒泰市MRSEI均值呈上升趋势,空间上,Ⅰ级和Ⅱ级生态指数区域的空间迁移能力较强,Ⅲ~Ⅴ级,即高生态指数区域在空间结构上相对较为稳定。Ⅰ~Ⅳ级生态指数重心总体向北移动,Ⅴ级生态指数重心整体向南移动,表明阿勒泰市南部高生态指数分布增长明显。(3)年份不同,造成生态环境质量改变的主导因子不同,阿勒泰市生态环境质量空间的演变是受到多个因素共同作用的结果。(4)MRSEI和RSEI(遥感生态指数)对阿勒泰市生态监测结果大致趋势一致,两者在空间分布和程度的差异与气溶胶光学厚度(AOD)的空间分布有关,表明了即使在空气质量较好的阿勒泰市AOD对其生态质量在空间分布上仍有影响。2015—2021年,阿勒泰市生态环境受多种因素影响有向南变好的趋势。

宁夏荒漠草原带生态环境质量时空变化及其驱动机制

生态环境质量及其变化评价是生态系统管理的关键依据,也是衡量区域生态文明建设成效的重要指标。宁夏荒漠草原带人工绿洲、旱作农田、荒漠草原、流动沙地并存,加上黄河及其沿岸湿地,山水林田湖草沙景观相对完整,是研究多种生态系统耦合生态环境质量评价的典型区域。以宁夏中部荒漠草原带为例,基于Google Earth Engine(GEE)云平台对2000—2020年Landsat地表反射率图像进行像元间优化重构,计算了区域湿度(WET)、绿度(NDVI)、干度(NDBSI)、热度(LST)四个分量指标,利用土地分类数据核算区域生态系统服务价值(ESV),通过主成分分析法将上述指标加权耦合,构建改进型遥感生态指数(IRSEI),在长时序尺度下对研究区域生态状况进行监测,并明确影响IRSEI的主要驱动因素。结果表明:(1)前两主轴累计贡献率为84.66%,其中NDVI与WET是PC1主要贡献因子;ESV是PC2的主要贡献因子。IRSEI的评价分析中引入ESV减少了分量指标在PC1的聚集现象,将分量指标分散有效反映了IRSEI的多样性。(2)研究区生态系统服务价值呈现稳步增加的趋势,其中调节服务>支持服务>供给服务>文化服务,空间上呈东北高西南低的格局。(3)2000—2020年IRSEI指数均值范围为0.546—0.598,呈现单峰型波动增加趋势,增长率为7.42%。2000—2020年,面积变化由中等与较高级为主转变为较高与高等级为主,其中高等级面积增长率达到84.79%。(4)降水是影响IRSEI分异的主要驱动因素,整体驱动因素上:降水>人口密度>温度>土地利用强度>经济生产总值。海拔则是通过影响气候因子进而间接影响了IRSEI指数。研究评价了2000—2020年宁夏荒漠草原带生态环境质量时空变化特征及驱动机制,为指导区域生态保护修复和可持续发展提供了重要决策参考。

2000—2020年漳河上游生态环境质量动态监测及驱动因素分析

[目的]探究漳河上游生态环境质量时空变化特征及其驱动因素,为该区域生态环境建设与治理提供科学依据。[方法]优化重构2000—2020年漳河上游Landsat影像,基于遥感生态指数(RSEI),引入坡度(slope)、归一化山地植被指数(NDMVI)、颗粒物浓度(DI)3项指标,构建考虑地形和颗粒物影响的改进型遥感生态指数(advanced RSEI,ARSEI)模型,辅以多种空间分析和统计方法对研究区生态环境质量进行定量评价。[结果]①ARSEI具有较好适用性,能够准确地表征漳河上游生态环境质量状况。NDMVI对ARSEI影响最大,DI最小。②研究区生态环境质量整体呈“西南差、东北优”的空间格局,等级以较差和中等为主;研究期内,35.94%的区域表现为改善,并以改善1个等级为主,其中2010—2020年改善最为显著,变化格局呈“整体稳定,局部改变”的特点。③不同类型因子的影响力排序为:模型因子>地形因子>气象因子>社会因子>经济因子;所有影响因子均表现为协同增强作用,NDSI,NDMVI和slope的共同作用下对ARSEI空间异质性的影响最大。[结论]漳河上游2000—2020年ARSEI均值整体呈上升趋势,生态环境质量得到改善,其变化主要驱动因素为绿度和坡度。