基于RSEI模型的昆明市生态环境质量动态监测

利用遥感技术进行生态环境监测有利于快速了解生态环境的变化过程。以昆明市为研究区,以Landsat TM和OLI影像为数据源,采用主成分分析法,运用集成于绿度、湿度、干度和热度4个指标的遥感生态指数(remote sensing ecological index,RSEI),对昆明市2000—2018年生态环境质量进行了评价。结果表明:RSEI指数能较好地指示区域生态环境状况,研究区RSEI主要是受干度的影响,其次是湿度和绿度,热度对RSEI模型的影响最小; 2000—2018年,昆明市RSEI 5年平均值为0.51,生态环境质量处于一般状态(0.4～0.6),生态环境质量呈现"上升-下降-上升-下降"的波动变化趋势。其中,2010年受干旱因素影响,生态环境质量较其他年份相对较低;昆明市生态环境质量西部优于东部,其中以西南角的生态环境质量最佳。     

干旱荒漠区生态环境质量遥感动态监测——以古尔班通古特沙漠为例

利用遥感生态指数(RSEI)对区域生态变化进行评价,可以快速、高效、客观地获取研究区生态环境变化状况.本研究以两期Landsat数据为数据源,计算研究区绿度、湿度、热度、干度4个生态因子的遥感生态指数,并基于主成分分析法确定其权重,对古尔班通古特沙漠2006—2017年间的生态环境时空格局进行定性和定量评价.结果表明: 湿度和绿度对古尔班通古特沙漠生态环境质量起正面作用,而热度和干度对生态环境质量起负面作用,其中代表绿度指标的归一化植被指数(NDVI)的贡献最大.2006—2017年间,古尔班通古特沙漠的RSEI有所下降,其均值从0.294下降至0.243,降幅达20.1%,研究区的生态环境状况呈现整体变差的趋势.古尔班通古特沙漠中部生态环境较为稳定,东北部植被覆盖密集区及南缘灌溉区生态环境质量变好,沙漠南部及西北部区域生态环境质量变差.     

基于遥感生态指数的雄安新区生态质量评估

城镇化建设的持续推进给生态环境带来的压力日益增加,多方位、客观、准确、快速测算区域生态环境质量是生态学研究的一个重点.本研究从绿度、湿度、热度、干度4方面分别提取了归一化植被指数(NDVI)、湿度指数(WET)、地表温度(LST)、归一化建筑-土壤指数(NDBSI)4个分量指标,采用基于ENVI平台的主成分分析技术集成所选指标,基于新型遥感生态指数(RSEI)对1995—2015年雄安新区生态质量进行评估.结果表明: 1995、2004和2015年,雄安新区的RSEI均值分别为0.724、0.710、0.682,生态质量总体呈下降趋势;1995—2015年间,研究区RSEI主要由4、5级向1、2、3级转变,生态质量改善和恶化的面积分别占总面积的8.9%和20.9%,生态改善区域主要位于雄县东部和南部,主要原因在于该区域大面积的林地和园地受到当地政府的高度重视和严格保护,生态质量恶化区域主要位于城镇外围以及白洋淀周边,原因在于白洋淀水域面积的锐减和城市化的不断推进;RSEI与各分量指标的平均相关系数为0.804,均高于各分量指标间的平均相关系数,表明RSEI能较好地综合各分量指标信息,全面准确反映研究区生态质量状况.     

南瓮河自然保护区生态环境质量遥感评价

运用遥感技术,科学、快速地评价区域生态环境质量,能够为区域生态环境的保护、治理和规划等提供科学依据.本研究以1990、2000和2015年的Landsat TM/OLI/TIRS为数据源,使用主成分分析方法确定湿度分量、归一化植被指数、地表温度和干度指数4个指标的权重,运用遥感生态指数(RSEI)评价模型,对南瓮河自然保护区1990—2015年的生态环境进行评价.结果表明: 遥感生态指数能够较好地反映研究区生态环境质量状况及其时空分异;1990—2015年,保护区 RSEI均值由0.55上升至0.83,生态环境质量优良以上区域面积所占百分比逐年增加,这与该等级中森林所占比例增加有关;保护区生态环境质量变好的区域所占比例高达91.4%,这与保护区的建立及相关工程与非工程防护措施的实施密切相关;核心区、缓冲区北部生态环境质量下降的主要原因是火灾的发生导致森林植被遭到破坏,而道路附近和试验区的东南部生态环境质量的下降与人类活动的干扰密不可分.     

重庆南川区生态环境变化及其对城市不透水面的响应

城市建筑物的扩张使得不透水面挤占了大量的自然生态空间, 利用遥感技术对生态环境进行监测有助于快速掌握区域生态变化过程。以重庆市生态典型示范区南川为研究区, 利用2002、2011、2016年3期多时相Landsat影像, 通过耦合绿度、湿度、干度、热度四个因子, 计算各个时期的遥感生态指数(RSEI), 并采用归一化不透水面指数提取各个年份的不透水面信息, 借助景观格局指数揭示不透水面时空变化对区域生态的影响, 最后结合人类活动范围以及经济、政策等多角度对区域生态环境变化进行分析。结果表明: (1)研究期内南川区的RSEI均值由0.6791下降至0.5712, 再上升到0.6669, 生态环境总体有所恢复。构成RSEI的四个因子中, 对区域生态影响最大的是绿度指数, 其次为干度指数。(2)2002—2016年间研究区不透水面扩张主要以内部填充为主, 不透水面年增长率约为6.31%。(3)不透水面斑块面积较大、聚集度高、结合度强的区域RSEI值低, 生态等级为优的区域相较生态质量差的区域聚集度低12%左右。(4)生态环境与人类活动范围、生态政策具有一定的相关性, 与道路距离每增大100 m, RSEI值提高约0.0149; 积极的生态政策对区域生态环境具有促进作用。总的来说, 合理利用现有不透水面进行建设, 增加不透水面形态的复杂性和分散性, 保护已有植被, 注重经济增长与生态保护相协调是改善区域生态环境的关键。     

基于Google Earth Engine云计算的城市群生态质量长时序动态监测——以粤港澳大湾区为例

人类活动对生态环境的影响日益强烈，及时动态地监测生态现状及其变化信息对城市生态的管理和保护以及可持续发展具有重大意义。遥感生态指数（RSEI）是一种客观、快速和简便的生态质量监测和评价技术，已被广泛应用于生态学研究领域，但在进行大范围长时间监测时往往面临云遮挡和拼接困难的问题。因此，本文基于Google Earth Engine （GEE）平台，对1988-2018年来粤港澳大湾区共3530景Landsat遥感影像进行批量去云，采用中值合成法逐年计算绿度、湿度、干度和热度等遥感指标并利用主成分分析法构建遥感生态指数，评价了该区域近30年生态质量的时空变化。该方法改善了遥感生态指数在大范围长时序监测中数据缺失和拼接困难等问题，增加了时间序列的可比性。研究表明：（1）遥感生态指数能够较好地表征粤港澳大湾区的生态质量，其中绿度和湿度指标与其呈正相关，干度和热度指标与其呈负相关；（2）时间上，三十年间粤港澳大湾区生态质量呈"上升-下降-上升-下降"的波动下降趋势，空间上，生态质量具有明显的空间异质性，主要呈现西北和东北部高和中部低的状态。重度和中度退化区主要集中在区域中部，总体改善区域主要位于西部和东北部，基本不变区域主要包括北部区域以及香港，轻度退化区分布较为分散；（3）基于GEE云计算的图像处理可以较好的改善遥感数据缺失、色差和时间不一致等问题，极大的提高影像处理的效率，扩展了遥感生态指数在大范围长时间序列生态监测中的应用。研究结果可以为提升遥感生态指数适用范围和准确度提供参考，并为快速城市化背景下生态保护和土地管理提供理论依据。     

西安市生态环境及城市发展质量评估

良好的生态环境是推动城市高质量发展的重要基础,决定了城市建设水平与人居环境质量。以西安市为研究区,计算遥感生态指数(RSEI)评估城市生态环境状况;构建城市高质量发展评价指标体系,使用全排列多边形图示法评估城市发展质量;再运用耦合协调度模型分析两者耦合协调度的时间变化趋势。结果表明: 西安市城市生态状况呈南高北低的格局,2010—2020年RSEI整体呈上升趋势,但城内六区的RSEI一直在降低,周边区县的RSEI基本保持不变或有所提升;西安市城市发展质量有所提升,城市发展质量等级为较低级别,城市发展3个子系统的质量提升具有不均衡性,提升幅度为生态子系统>经济子系统>社会子系统;西安市两类指数的耦合协调度提高,协调水平从勉强协调提升为初级协调。     

基于遥感生态指数模型的渭南市生态环境质量动态监测与分析

本文基于1995和2015年的Landsat系列遥感影像,利用主成分分析法确定绿度、湿度、干度、热度4个指标的权重,采用遥感生态指数(RSEI)评价模型,对渭南市1995—2015年的生态环境质量进行监测与分析.结果表明: 1995—2015年,渭南市的生态环境质量总体呈上升趋势,RSEI均值由0.489上升至0.556;生态环境改善的地区主要分布在渭南市中部,占总面积的49.6%;生态环境退化的地区主要分布在韩城市部分矿区和渭南市南部区县(秦岭北麓渭南段),仅占总面积的15.4%.研究区生态环境质量受城市规划建设影响较大,但总体上其生态环境质量有所改善,得益于近年来该市对生态环境的关注与投入.     

陕西省生态环境质量长时序动态监测

生态环境质量可以反映人类社会可持续发展对人类生存环境的影响程度。利用GEE(Google Earth Engine)平台,通过对陕西省的1999—2018年20年的遥感生态指数(Remote Sensing Ecological Index, RSEI)的计算,分析了各指标因子与遥感生态指数的相关性,并对研究区生态环境质量空间变化状况进行了评价。得到以下结论：(1)建立RSEI的模型中,热度指数与地表干度指数与遥感生态指数呈现负相关,植被指数与湿度指数呈现正相关,干度的平均值在遥感生态指标中占比最大,热度最小。(2)陕西省整体的生态环境遥感指数呈现出来升一降一升一降波动上升趋势,分别于1999年上升,2003年下降,再到2005上升,2012年下降。(3)陕西省的生态环境质量主要呈现出,从北到南不断上升,陕北南部的黄龙山与子午岭森林公园高于关中地区,城市地区低于周边地区。(4)1999—2003年,生态环境质量提升与降低面积占比大约都是12%,降低区域主要分布在关中平原。2003—2005年生态环境质量降低面积占比达到了23.8%,其主要分布在陕北毛乌素沙漠地带。2005—2012年生...     

干旱地区遥感生态指数的改进——以乌兰布和沙漠为例

干旱区以荒漠为主要背景,生态环境脆弱,极易受到自然和人为因素的影响。为了定量评价干旱区生态环境质量,基于遥感生态指数(RSEI),针对干旱区对其进行改进,构建了干旱遥感生态指数(ARSEI),该指数耦合了绿度、湿度、盐度、热度以及土地退化度信息。利用ARSEI和RSEI对乌兰布和沙漠2000—2019年生态环境质量进行动态监测和评价,分析两者的差别及在干旱区的适用性。同时分析乌兰布和沙漠生态环境质量时空变化特征及原因。结果表明: ARSEI比RSEI对干旱区生态环境质量具有更好的适用性,ARSEI增强了土地利用类型变化在生态环境质量评价中的作用。2000—2019年,乌兰布和沙漠生态环境质量整体上为差。等级为优、良、中的部分主要分布在沙漠北部,等级为差的部分主要集中在戈壁和沙地处,较差主要在低覆盖度植被区。2000—2019年,乌兰布和沙漠生态环境质量总体变好,沙漠北部城镇或农场生态环境质量变化复杂,变差和变好交替分布。生态农业和沙产业对生态环境质量有明显的改善作用,这是乌兰布和沙漠生态环境质量变化的主要原因。     

黄河流域生态环境质量时空格局与演变趋势

黄河流域是我国重要的生态功能区，在我国经济社会发展和生态安全方面的作用举足轻重。如何及时、准确的获取黄河流域生态环境质量的时空格局与演变趋势，对黄河流域生态环境保护和建设具有重要意义。利用Google Earth Engine（GEE）平台，筛选目标年份及其前后各1年的夏季（6-9月）Landsat遥感影像，去除有云像元，掩膜水体信息，采取中值合成提取绿度、湿度、热度和干度4个生态指标，通过主成分分析快速构建遥感生态指数（RSEI）。结果表明：（1）绿度（NDVI）、湿度（Wet）、热度（LST）和干度（NDSI）4个指标在第1主成分（PC1）上的平均贡献率为89.60%，依据PC1构建遥感生态指数（RSEI）在黄河流域是可行的。（2）1990-2019年，黄河流域RSEI总体呈现出"快速变好→缓慢转好"2个阶段，1990-2000年增长趋势平均为0.005/a，增长率为11.69%，生态环境质量等级由差转为较差（10.18万km²）、较差转为中等（5.69万km²）、中等转为良（7.08万km²）贡献较大；2000-2019年增长趋势平均为0.001/a，增长率仅为3.86%，生态环境质量等级由较差转为差（6.10万km²）、良转为中等（4.09万km²）贡献较大。（3）1990-2019年，黄河流域生态环境质量提升的面积占黄河流域总面积的76.38%，其中显著提升的面积占26.14%；生态环境质量降低的面积占黄河流域总面积23.62%，其中显著降低的面积仅占1.46%。30年来黄河流域生态环境质量整体向好，实施生态工程的黄河上中游地区生态环境质量提升最快，而一些国家重点经济开发区生态环境质量有所恶化，使用GEE平台可以及时、准确的获取黄河流域生态环境质量的时空格局与演变趋势。     

基于改进遥感生态指数的宁夏沿黄平原区生态环境质量评价

区域生态环境质量评价是国民经济建设与可持续性发展规划的基础，是生态学研究的主要方向之一。以土地利用/覆盖数据和Landsat OLI数据为基础，分别在ArcGIS和GEE平台上进行景观多样性指数（Landscape Diversity Index，LDI）与归一化植被指数（Normalized Difference Vegetation Index，NDVI）、湿度（Wet Index，WI）、归一化裸土和建筑指数（Normalized Difference Building-Soil Index，NDBSI）、遥感生态指数（Remote Sensing Based Ecological Index，RSEI）和改进遥感生态指数（Modified Remote Sensing Ecological Index，MRSEI）的计算。在LDI最佳尺度约束下分析表明，宁夏沿黄平原区景观多样性指数具有显著尺度依赖特征（P<0.001），阈值出现在3000 m×3000 m。主成分分析（Principal Component Analysis，PCA）解释了研究区改进遥感生态指数主要受到NDVI和LDI影响，其中NDVI是PC1（特征值贡献率68.98%）的决定因子，特征向量为0.8901；LDI为次要决定因子，特征向量为-0.4146，该分量在MRSEI计算中分值较高。LDI是PC2（特征值贡献率28.76%）的决定因子，特征向量为0.9100；NDVI为次要决定因子，特征向量为0.4056，该分量在MRSEI计算中分值较低。从MRSEI在应用中可信性来看，其在分析中采用LDI替代LST有效地避免了RSEI分析中NDBSI和LST之间存在的生态学意义重复表达和多因子向量投影中的高度聚集。研究区空间异质性主要以"差"和"较差"级别分布在不同土地利用/覆盖类型交错区且以环绕研究区为主要特点。在"差"到"好"梯度上，斑块密度为减少趋势由8.3个/km²减少到5.9个/km²，而平均斑块面积呈增加趋势由0.120 km²增加到0.169 km²。综合来看宁夏沿黄平原区生态环境质量总体MRSEI值为0.0117刚好超过"较好"水平下限。     

建设项目引发的区域生态变化的遥感评估——以敖江流域为例

建筑用地规模的扩大,在很大程度上影响着区域生态质量,制约了区域的可持续发展,利用遥感对地观测技术及时监测区域生态质量具有十分重要的意义。以敖江流域为例,重点研究该流域中的贵安开发区建设项目引发的建筑用地变化及其对区域生态质量的影响。选取2010年建设前的ALOS影像和2016年建设后的GF-1影像,构建基于ALOS和GF-1影像的建筑用地提取模型;采用遥感生态指数(RSEI)来对生态质量进行综合评价,并构建了ALOS和GF-1影像的湿度分量,在此基础上定量分析了区域建筑用地变化及其生态效应。研究表明:2010—2016年间,研究区建筑用地面积显著增加,其中有86%是由于贵安开发区建设引起的。贵安开发区建筑用地的增加导致了区域生态质量的总体下降,其遥感生态指数RSEI均值从建设前的0.787下降到建设后的0.689,降幅达12.4%,生态优良等级所占面积的比例从2010年的91%下降到2016年的79%。定量分析表明,区域建筑用地面积比例与生态质量呈显著负相关关系,建筑用地面积占比每增加10%,其RSEI值将下降0.041。因此,应加强敖江流域生态环境的保护与治理,严格控制沿江的建设开发项目,切实保护好流域的生态环境。     

基于遥感信息的黄土高原主要灌溉农业分布区生态安全特征

生态安全是区域经济社会可持续发展的重要保证。本研究基于2000—2018年间的遥感数据,系统分析了黄土高原4个主要灌溉农业分布区(银川平原、河套平原、汾河谷地和渭河平原)植被覆盖度(FVC)和遥感生态指数(RSEI)的变化特征。结果表明: 2000—2018年间,研究区FVC整体呈下降趋势,但4个不同灌溉农业分布区FVC变化趋势各异。研究区RSEI整体呈下降趋势,其中,银川平原和渭河平原的RSEI下降明显,分别下降0.06和0.07,河套平原的RSEI无明显变化,而汾河谷地的RSEI整体呈上升趋势。4个区域中,银川平原、汾河谷地的生态稳定性较差,河套平原的生态环境较稳定,而渭河平原的生态环境持续退化。研究结果对区域生态环境保护和农业可持续发展具有重要意义。     

Remote sensing-based assessment of ecosystem health by optimizing vigor-organization-resilience model: A case study in Fuzhou City,China

Although remote sensing technology has been used to evaluate regional ecosystem health for a long time, it is still necessary to find a suitable index system to better evaluate ecosystem health. This study aims to improve the ecosystem health measurement ability of remote sensing technology. This research was carried out in Fuzhou under the traditional Vigor-Organization-Resilience (VOR) framework by optimizing and improving the construction method of sub-indexes. Sub-indexes were constructed using spectral index analysis, landscape theoretical ecology model and spatial measurement. Three remote sensing datasets were used (1996, 2008 and 2021) to carry out remote sensing diagnosis of regional ecosystem health in the Fuzhou administrative region. The main research findings and conclusions were as follows. A new comprehensive vigor index (CVI) was developed by the principal component analysis (PCA) based on the four indicators: fractional vegetation cover (FVC), global vegetation moisture index (GVMI), vegetation temperature condition index (VTCI), normalized differential build-up and bare soil index (NDBSI). A new organizational index was constructed based on the landscape index. Four types of indexes, namely landscape heterogeneity (LH), landscape connectivity (LC), the shape characteristics of forest patches (CS) and the connectivity of forest patches (CC) were used as the main factors for calculating the organizational index. A resilience index calculation framework was proposed based on the habitat quality model. The temporal and spatial characteristics of ecosystem health were evaluated and analyzed. The regional ecosystem health value of the whole region reduced gradually, with average values of 0.3521 (1996), 0.3445 (2008) and 0.3345 (2021) respectively. The average reduction rate was 0.0007 per year (1996–2021). The proposed remote sensing diagnosis method provides a complete framework for solving the problems of measuring the dynamic evolution process and characteristics of regional ecosystem health.