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。     

黄土高原神府资源开采区生态环境质量时空格局特征

煤炭的开采促进了地区经济发展,同时也影响了当地的生态环境。因资源开采区在监测研究中常忽视了生态环境质量的长时间影响和时空变化。以神府开采区为例,基于Landsat系列遥感数据,使用遥感生态指数、Mann-Kendall检验法、R/S分析法等,对该区2000—2020年间生态环境质量时空格局特征进行时间序列分析和空间格局特征研究。结果表明：研究区域20年的RSEI均值为0.469,生态环境质量多年平均属于中等等级。2000—2020年间神府矿区生态环境质量总体上看有所改善,20年前后波动变化维持在0.523;同时建设用地也不断增加,从107.09km²增加至273.53km²。变化趋势上生态环境质量趋势变优、不显著和变差的面积比例分别约为56.1%、16.3%和27.6%。研究区生态环境可持续性整体上不强,大量区域显示反持续性特征。资源开采活动引发的地质环境问题致使生态环境退化,表现为直接影响区生态环境质量低于间接影响区,平均低2.68%。研究揭示了矿区长时间序列的变化状况与未来变化趋势及可持续性特征,探讨工矿业对生态环境质量的影响,为神府矿区...     

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...     

基于GEE平台的黄河源区生态环境质量动态评价

黄河源区为我国生态脆弱区之一,近年来其生态环境问题备受关注。基于Google Earth Engine (GEE)平台并结合1990—2021年黄河源区Landsat遥感影像,本文综合6个指标(热度、干度、空气质量、绿度、湿度和叶面积指数)构建了遥感生态指数,对该区域生态环境质量动态进行了评价。结果表明：黄河源区热度、干度和空气质量指标对其生态环境质量呈负反馈作用;绿度、湿度和叶面积指数对生态环境质量呈正反馈作用,其中绿度为最关键的影响因素;黄河源区生态环境质量改善区占74.51%,总体呈“南优北劣”的空间格局,1990—2021年生态环境质量总体持续向好;1990—2021年,黄河源区89.75%的生态环境质量变化幅度较小,稳定性较好;Hurst指数分析表明,66.36%的黄河源区生态环境质量具有中强持续性,未来该区生态环境质量将会持续得到改善。     

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.     

长江经济带森林生态安全评价及时空演变研究

由于森林生态系统的安全关系到人类的生存与发展,因此本文以长江经济带1107个区县为研究对象,运用熵权法、ArcGIS和GeoDA软件、重心分析模型、空间相关分析来分析长江经济带森林生态安全指数（ESI）,结论如下：（1）森林状态指数中,权重最高的指标为森林火灾受灾率,其次为森林有害生物成灾率和林地面积比率;在森林压力指数中,权重最高的指标为政府林业投入强度,其次为年度造林比例和自然保护区占比。（2）从全域来看,森林ESI值长江上游 > 中游 > 下游,长江南岸高于北岸。长江经济带森林ESI值总体水平较低,但在2000-2015年间总体呈上升趋势。从各省看,云南省森林ESI值最高,上海市森林ESI值最低。在此15年间,湖南省森林ESI值提高幅度最大（19.77%）,江苏省提高幅度最小（0.76%）。（3）各支流流域森林ESI值排序：赣江 > 沅江 > 金沙江 > 乌江 > 湘江 > 汉江 > 嘉陵江 > 岷江。从2000-2015年,八大流域的森林ESI值总体呈上升趋势,其中湘江流域增长幅度最大（20.87%）,而金沙江流域增长幅度最小（3.6%）。（4）森林ESI值的重心先后经历了在从南往西、从西往东北和从东北往南等过程。（5）长江经济带森林ESI值有较为显著的集聚性,森林ESI值High-High集聚区域主要分布在四川省和云南省,Low-Low集聚区县主要分布在上海、江苏和安徽,其次在湖北江汉平原、四川成都平原较为集中。（6）基于以上分析,本文建议：①应注重森林火灾、病虫害防治、林业投资、植树造林等工作。②从全域看,生态修复的重点应放在长江下游。从支流流域来看,岷江、嘉陵江和汉江流域应重点加强森林修复工作。③应在上海、江苏、安徽等Low-Low集聚区域加强植树造林和退耕还林的力度,而在四川、云南、江西和浙江等High-High集聚区域适当发展木材加工和林下种植等产业。     

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 km²,主要分布在秦岭以北地...     

植被综合生态质量时空变化动态监测评价模型

为了能掌握全国植被综合生态质量的高低及其时空变化,构建了既能反映植被生产力又能反映植被覆盖度的植被综合生态质量指数,建立了植被综合生态质量指数年际对比和多年变化趋势评价模型。利用构建的指数和评价模型,以2017年作为监测评价的当年,以2000—2017年作为评价的多年时段,对全国植被综合生态质量时空变化进行了监测评价。结果表明：（1）2017年全国大部地区植被综合生态质量指数高于2000—2016年多年平均值,生态质量偏好;2017年福建、广西、海南、广东、云南植被综合生态质量位居全国前五位,构建的植被综合生态质量指数及其年际对比模型可以定量反映全国植被综合生态质量的空间差异和年际差异。（2）全国有90.7%的区域2000—2017年植被综合生态质量指数呈提高趋势,东北地区西部、内蒙古东部、华北大部、西北地区东部、西南地区东部、华南西部等地生态质量指数提升明显,构建的植被综合生态质量指数多年变化趋势评价模型可以定量反映植被生态质量的多年变化趋势和幅度。（3）南方大部地区2000—2017年平均年植被综合生态质量指数在50.0以上,北方大部地区在50.0以下;我国中东部大部地区在20.0以上,西部大部地区在20.0以下,表明南方大部地区年植被生态质量好于北方、中东大部好于西部。可见,构建的植被综合生态质量指数及其年际对比和多年变化趋势评价模型,能够监测评价当年和多年全国植被综合生态质量的时空变化,可为掌握全国植被生态质量动态提供模型和方法。     

基于人工神经网络的生态环境质量遥感评价

利用ETM遥感数据提取反映生态环境的植被、土壤亮度、湿度,MODIS地表温度产品提取的热度指数、气象指数及其它地学辅助信息作为神经网络的输入,野外调查标准兴趣区的遥感本底值评分值作为网络输出,建立一个3层结构的BP神经网络生态环境遥感本底值预测模型.利用MATLAB软件对网络进行训练和研究区生态环境遥感本底值的预测输出,并将预测结果按照生态环境遥感本底值分级评分标准进行等级划分.结果表明,总体分类精度达87.8%.利用神经网络方法对生态环境遥感本底值进行预测是可行的.采用先预测再分级的方法不仅能很好地评价区域生态环境质量,而且能够和区域生态环境类型紧密的结合起来.     

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。     

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.     

基于遥感生态指数的阜新市生态质量评估

城市化建设的不断推进及发展给生态环境带来了日益增加的压力,如何多方位、客观准确并且快速地对区域生态环境质量进行评估是目前研究的一个重要方向。以辽宁省阜新市为研究区域,选取2000年、2008年和2016年的遥感影像作为基础研究数据,借助ENVI5.1软件作为数据处理平台,再结合主成分分析方法,借助遥感生态环境质量评价指数RSEI对阜新市的生态质量进行评估。结果表明:2000年、2008年和2016年,阜新市的生态质量总体呈上升趋势;2000—2016年间,研究区RSEI主要由1、2级向3、4、5级转变,生态质量变好和变坏的面积分别占总面积的53.28%和2.38%,生态质量变差的区域主要集中在阜新市东北的风沙区和西南部盆地区;而阜新市西南部盆地区主要是市区,该区生态环境质量变差主要在于近年来的城市快速发展,东北部的风沙区与科尔沁沙地接壤,该区的环境变差在于所处地理位置以及防风固沙林中部分林木出现退化现象等,因此能否在快速城市化建设的同时重视生态环境的保护与修复,成为阜新市生态环境质量变化的重要决定因素。