四川省九寨沟县地震前后区域生态环境质量评价

基于地理信息系统和遥感数据处理软件平台,对四川省阿坝藏族羌族自治州九寨沟县在2017年8·8地震前后的生态环境质量进行了监测和分析。利用Landsat 8 OLI卫星传感器所获得的2016年(震前)和2017年(震后)的遥感影像数据,提取归一化植被指数、湿度分量、地表温度、归一化土壤指数分别作为绿度、湿度、热度、干度等4个指标,进行主成分分析得到遥感生态指数。根据该指数,可将九寨沟县生态环境质量状况分为优、良、中等、较差和差级。2016年九寨沟县有24.8%处于生态环境质量状况优,2017年震后则下降到19.84%,2017年生态环境质量状况较差和中等的面积占比呈增加趋势,分别占17.99%和33.93%;震中15.5 km缓冲区内生态环境质量状况优的面积占比下降最多,为5.01%;2017年8·8九寨沟地震对震中15.5 km缓冲区的生态环境质量状况有较明显的影响,县界内的三个自然保护区中九寨沟国家级自然保护区受到冲击最大。本研究可为九寨沟地区生态环境监测、灾害评价和恢复重建提供科学依据。     

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.     

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。     

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。     

滦河流域遥感生态指数改进及生态环境质量评价

为明晰流域生态环境质量及其主要影响因素，本研究基于卫星遥感数据，通过耦合绿度、湿度、干度、气溶胶光学厚度4个指标，提出了改进的遥感生态指数(IRSEI)。采用IRSEI对滦河流域生态环境质量进行评价，并分析了影响流域生态环境质量的主要因素。结果表明：2000、2008、2016、2022年，研究区IRSEI分别为0.488、0.532、0.563、0.586,流域整体生态环境质量持续上升，其中，东南地区相对较优、西北地区相对较差，并且东南地区生态环境质量改善而西北地区退化。年降水量、坡度、土地利用、第一产业以及第三产业是影响流域生态环境质量空间分异的关键因子，各因子的交互作用对流域生态环境质量的影响更显著。     

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.     

基于GEE和RSEI的长三角一体化示范区生态环境质量动态评估

生态环境质量变化的及时监测与定量评估,可为区域生态环境协同治理与管控政策制定提供决策支持。本研究基于Landsat5/TM和Landsat8/OLI影像,利用Google Earth Engine(GEE)平台和遥感生态指数(RSEI),综合考虑湿度、绿度、干度和热度等多种生态环境要素,对长三角一体化示范区2000—2020年生态环境质量变化进行了评估,并结合GDP和人口数据分析了社会经济因子对生态环境质量的影响。结果表明：绿度是对研究区生态环境质量贡献率最大的指标,且具有正面效应,而热度指标是引起生态环境质量退化的主要因素;研究区生态环境质量总体上处于中等水平,且呈现平稳上升趋势,其中,青浦区生态环境质量上升趋势明显,而吴江区和嘉善县的生态环境质量略有下降;2000—2020年,研究区生态环境质量提高区域面积占比(30.45%)略高于下降区域(28.35%),良好和优等级区域占比由27.34%增至29.79%,在不同时段,区县间和街镇间差异较为显著;人口增长对生态环境质量具有明显的负面影响,而经济发展并未以牺牲生态环境为代价,二者之间表现为脱钩关系。     

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...     

基于遥感生态指数的新疆玛纳斯湖湿地生态变化评价

以2000、2006和2016年3期的Landsat遥感影像为基础数据源,结合前人研究成果和实地考察,借助RSEI指数,对玛纳斯湖湿地生态环境进行监测和评价。结果表明:利用主成分分析技术集成植被指数、湿度分量、地表温度和土壤指数建立的RSEI指数具有一定的适用性,可较好的对玛纳斯湖湿地生态环境质量状况及其时空变化进行监测和评价。2000、2006和2016年RSEI指数均值分别为0.227、0.183、0.234,对RSEI指数进行分级处理后,发现流域生态环境质量"较差"等级居于主导地位,"优"等级有所增加,湿地生态环境质量向好的方向发展。气候变化和人类活动共同作用于玛纳斯湖湿地产生的生态环境效应,日益增强的人类活动是湿地退化的主要原因,多年来粗放型的农业发展使玛纳斯河流域人口、经济与生态环境之间的关系严重失调。从优化水资源配置角度提出对主要源流流域水土资源大规模开发的同时,应重视尾闾湖泊湿地的生态价值与可持续发展。     

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。     

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.     

基于理想参照系-关键指标的赤水河流域生态系统质量变化趋势分析

赤水河流域是长江上游重要的生态安全屏障,针对赤水河流域经济开发与生态环境保护的突出矛盾,基于MODIS数据产品提取赤水河流域2000—2018年归一化植被指数（NDVI）、叶面积指数（LAI）、表层水分含量指数（SWCI）和陆地表面温度（LST）生态系统质量关键指标,利用ENVI主成分分析构建遥感生态指数（RSEI）,计算赤水河流域2000—2018年生态系统质量,进行Sen+Mann-Kendall趋势分析,并与贵州习水自然保护区林地最优状态下RSEI值进行比较,进而量化区域生态系统质量恢复潜力,为赤水河流域生态恢复、绿水青山就是金山银山重要理论实现提供科学参考。结果表明：RSEI能够很好地反映赤水河流域生态系统质量时空分布特征,且绿度和湿度对赤水河流域生态系统质量起关键作用。赤水河流域RSEI平均值为0.613,高值区域主要分布在下游湿润常绿阔叶林区,中游河谷中山阔叶林林、常绿针叶林区,上游镇雄县、威信县和叙永县交界处的高山常绿针叶林、落叶阔叶林区。赤水河流域近20年生态系统质量以整体以改善为主,但局部仍出现退化现象,其中生态系统质量显著改善面积占总面积的6.12%,轻微改善面积占59.51%,轻微退化面积占23.17%,显著退化面积占1.49%。赤水河流域林地RSEI值与理想参照系RESI值差距在10%以上面积占林地总面积的49.82%,主要分布在大方县、桐梓县、播州区及怀仁市、习水县部分地区。     

滇中湖泊流域生态环境质量监测与评价

九大高原湖泊流域在云南省经济发展中占有举足轻重的地位,其中,滇中五大湖泊流域(滇池、抚仙湖、星云湖、杞麓湖、阳宗海,下文称五湖流域)是云南工农业、旅游业等经济和社会发展最活跃的地区,与流域生态环境质量密切相关。本研究基于遥感生态指数(RSEI)对滇中五湖流域1988—2018年的生态环境质量进行监测和评价。结果表明: 尽管1988—2018年间研究区生态环境质量呈转好趋势,RSEI平均值由0.368增加到0.481,但流域整体生态环境质量欠佳;生态环境质量提高的面积占比57.6%,主要分布在湖泊之间的山地,下降区域主要为湖周的平地区;研究期间,滇池、抚仙湖、阳宗海的生态环境质量持续变好,但近10年,杞麓湖和星云湖的生态环境质量明显变差,各湖泊生态环境质量变化与湖泊水质变化存在一致性。未来生态环境质量的改善还需更多的社会关注和政府投入。     

基于遥感生态指数的道路网络生态效应分析——以福州市为例

以2000年和2016年两期Landsat影像为基础数据源,借助遥感生态指数（RSEI）对福州市生态环境进行评价,在此基础上,从道路缓冲区、城乡梯度带、剖面线三种不同取样方法定量探讨RSEI对路网的响应机制;再以500 m×500 m、1000 m×1000 m、1500 m×1500 m、2000 m×2000 m、2500 m×2500 m、3000 m×3000 m不同尺度的网格划分空间单元,运用全局空间自相关、地理加权回归分析等方法分析了道路核密度（KDE）和RSEI及其之间关系的空间异质性。结果表明：从2000年到2016年,福州市生态环境好的区域面积增幅大于生态环境差的区域面积,生态环境质量向好的方向发展。各类型道路缓冲区的RSEI变化规律都是呈从0 m到3000 m逐渐上升的趋势,其中国道、省道、县道、乡镇道路影响的阈值分别在900、900、450、750 m左右。在城乡梯度分析中,RSEI曲线的变化规律都是随着与行政中心距离的增大而增大,到达一定阈值后趋于平缓,甚至还有小幅度的下降,区级的影响阈值在20 km左右,县级的影响阈值在12 km左右;而KDE曲线的变化规律与RSEI相反,其变化阈值与RSEI正好对应。剖面线所经过的行政中心处,其RSEI为低值,KDE为高值,西北方向的内陆地区RSEI高于东南方向的沿海地区。在多尺度的地理加权回归分析中,1500 m×1500 m和2000 m×2000 m这两个网格单元采样下的空间集聚性较强,空间异质性明显,总体上来看,RSEI与KDE呈现负相关关系,且相关关系存在空间分异,负回归系数主要分布在研究区的中心区域。研究结果可为福州市生态建设和路网规划提供参考依据。     

新区开发建设及其生态效应——以雄安新区为例

雄安新区自2017年设立为国家级新区以来,已进行了大量的开发建设,但迄今尚未见对开发建设所产生的生态效应的研究报道。因此,选取2017年和2020年的Landsat 8影像,分别代表雄安新区未开始建设和建设3年后的两个时期来对此进行对比。利用遥感空间信息技术反演出2017—2020年雄安新区开发建设以来主要地表覆盖类型的变化,并采用遥感生态指数(RSEI)对这些地表覆盖类型变化产生的生态效应进行评估。结果表明：(1)雄安新区2017—2020年间的开发建设已使建筑用地面积增加了60.01 km²,水体面积增加了8.95 km²,植被面积减少了69.29 km²。雄安新区现阶段的开发建设主要集中在区内的容城县和雄县,而安新县的开发强度较小。(2)雄安新区2017—2020年间开发建设的生态效应体现在生态改善面积大于退化面积,生态等级良好以上的面积占比有所提升。因此,新区的生态质量总体略有上升,RSEI均值从0.668上升到0.677。但3个县的表现不一,雄县和安新县的生态有所提升,而容城县则略有下降。(3)雄安新区虽经开发...     

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.