厦漳泉新兴都市区生态质量遥感评价

城市生态系统和地表生物物理组分之间存在复杂的潜在非线性关系,这使得城市聚集的都市区生态质量客观评估遇到了技术挑战。针对性选取干度、路网密度、土地利用程度综合指数、植被覆盖率、生态连接度、湿度、热度、生态系统服务价值指数8个城市生态重要影响因子,利用主成分分析进行指标集成建立城市生态评价遥感指数UEQ,并分析不同等级UEQ与地表景观格局指标的定量关系,评价区域一体化背景下厦漳泉新兴都市区生态状况。结果表明,受8个指标综合作用,厦漳泉都市区UEQ均值为0.558,生态指数等级为中等。对比UEQ指数的8个指标分量,对生态质量起正向作用的生态系统服务价值指标值较低,对生态质量起负向作用的干度、土地利用程度综合指数和热度指标值较高,其它4个指标贡献度较低。从空间分布来看,厦漳泉都市区生态质量总体呈“西高东低”的空间格局。东部核心区高不透水面覆盖地区,生态用地的生态效益较低,其生态质量比都市区整体平均值低0.212;西部绿色山地保育带,完整连续的生态用地发挥的生态效益也更高,其平均生态质量比总体平均值高0.104。不透水面斑块小、斑块内部连通度低且斑块聚集度低的区域,其生态质量好于不透水面斑块大、斑块内部高度连通且斑块高度聚集的区域。

中外超大城市生态质量遥感评价

超大城市生态系统和地表生物物理组分之间存在复杂的潜在非线性关系,且其产生的生态效应大于中小城市和乡村地区,这使得超大城市生态质量客观评估遇到了技术挑战。该文针对性选取空气质量指数、路网密度、生态连接度、热度、绿度、干度和湿度7个超大城市生态重要影响因子,利用主成分分析方法实现指标集成和阈值自动设定,建立城市生态评价遥感指数(URSEI),对比快速城市化背景下中国超大城市(北京、上海和广州)与进入城市化后期的发达国家超大城市(伦敦、纽约和东京)的城市生态状况差异。URSEI指数评价结果表明,6个城市URSEI均值分布在0.445~0.542之间,伦敦生态质量最好(URSEI为0.542),其后依次为广州(0.533)、北京(0.517)、纽约(0.511)和上海(0.495),东京最差(0.445)。对比URSEI指数的7个指标分量,伦敦与广州URSEI分量中,对生态质量起正向作用的生态连接度和绿度值较高,对生态质量起负向作用的空气质量指数、路网密度、干度和热度值较低,使得这2个城市的生态质量较好。从空间分布来看,城市中心不透水面覆盖率高,植被覆盖少,生态用地的生态效益较低,热岛效应严重,空气质量差,导致其生态质量差;城市大块绿地覆盖区,绿度和湿度高,干度和热度低,空气质量较好,完整连续的生态用地发挥的生态效益也更高,因而生态质量较好。URSEI指数既能作为一个量化指标来刻画区域生态质量,还可以反映城市空间的生态差异性。

一种基于LiDAR与多光谱数据的城市建筑物绿地环境指数

为建立一种能对城市绿地环境进行综合评价的遥感指数,以匈牙利塞克什白堡市为例,基于机载激光雷达与多光谱影像数据提取城市植被和建筑物的二维、三维信息,利用移动窗口法分别建立评价因子,然后采用加权分析法,综合各因子对城市绿地环境的贡献,创建了城市建筑物绿地环境指数,并将其与传统城市绿地指数进行对比分析。结果表明:相比传统的城市绿地指数,城市建筑物绿地环境指数在考虑城市环境要素二维信息的基础上,能兼顾其三维信息,增加了指数构建的合理性;相比以往的调查评价方法,该指数能更加全面地分析城市绿地环境,克服传统生态计量法由点代面的缺陷;无论是对整个城市还是对不同功能区而言,城市建筑物绿地环境指数在准确反映城市绿地环境状况的基础上,还能体现出城市内部绿地环境之间的差异性。