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Google Earth Engine的长三角城市群生态环境变化与城市化特征分析

作为城市发展的最高空间组织形式,城市群在高速城市化进程中将不可避免的对地区生态环境产生胁迫影响。如何平衡生态环境和城市化发展已经成为了值得关注的问题。以长三角城市群为例,基于Google Earth Engine云平台,通过整合日间光学遥感和夜间灯光遥感数据对生态环境状况、城市化强度以及二者在发展过程中的耦合协调特征开展了长时间序列的对比分析。结果表明：1）长三角城市群在过去近20年间的遥感生态环境指数（Remote Sensing-based Ecological Index,RSEI）稳定上升,生态环境呈现出好转的态势,但地区间的差异依旧显著;2）综合灯光指数（Comprehensive Nighttime Light Index,CNLI）能够较为准确的刻画城市群的城市化水平,研究期间内长三角城市群形成了"层次分明"、"由东向西"逐步推进的多层次的城市化格局,其中高强度城市化城市集中在上海市及其周边的无锡、苏州和嘉兴,低强度城市化城市则分布在城市群西部;3）基于CNLI和RSEI指数构建的耦合协调距离模型能够有效的识别出城市群内部城市化与生态环境的耦合协调程度,并根据象限特征将城市群城市划分为良好协调类型、初级协调类型、城市化滞后型和生态环境滞后型城市。     

Google trends data need validation: Comment on Durmuşoğlu (2017)

In a recent article, Durmu?o?lu (2017) proposes the use of Google Trends data to study public understanding of environmental risks and claims such data do not require validation. Here, I show this assumption is false and that some of the terms used by the author fail a validity assessment, ultimately affecting the overall value of the study. Authors and reviewers of studies aiming to take advantage of digital data should adopt an enthusiastic but critical approach, particularly with regards to key assumptions and defining methodological aspects.     

基于Landsat时序影像和LandTrendr算法的森林保护区植被扰动研究——以陕西柴松和太白山保护区为例

跟踪森林自然保护区的森林变化及其时空特征,可为保护区生态保护评价提供科学依据。使用LandTrendr算法和谷歌地球引擎（GEE）的Landsat卫星时间序列数据,描述了柴松和太白山保护区的长期（1984-2018年）森林变化模式。对森林变化像元和稳定像元的总体识别精度达到93%,对扰动年探测的总体精度为89%。在柴松保护区,扰动年发生在2008年左右,大部分扰动由人类活动引起。在太白山保护区,扰动年主要发生在2013年,由自然因素造成。柴松和太白山保护区的森林扰动面积分别为42.74 hm²和23.68 hm²。柴松保护区的扰动斑块数多于太白山,表明柴松保护区自2004年建立后干扰频繁。本研究可以帮助研究人员和决策者了解这两个保护区的森林状况,可为森林生态系统的自然保护区保护评估提供基线信息。     

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。     

基于GEE和BRT的1984—2019年长三角生态绿色一体化发展示范区植被覆盖度变化

长三角生态绿色一体化发展示范区是国家重大战略的区域,生态环境保护是该区域发展的优先本底。探究植被覆盖度(FVC)时空变化有利于更准确地认识生态环境质量状况,对区域绿色可持续发展具有重要意义。本研究基于Google Earth Engine(GEE)云平台,分析了一体化示范区1984—2019年植被覆盖的时空变化特征和变化趋势,并基于增强回归树(BRT)量化不同生态因子对FVC的影响。结果表明: 1984—2019年间,研究区域植被覆盖整体呈先减少后增加的趋势。研究区域植被覆盖空间分布具有阶段性和区域性的特征。植被覆盖以退化为主, 相较于1984年,2019年覆被退化和改善的区域面积占比分别为49.8%和12.8%。其中,覆被退化主要发生于吴江北部、嘉善南部和青浦东北部。人类活动完全削弱了自然因素对FVC的影响。基于研究结果,提出GEE平台是实现植被覆盖常态化监测的有效工具。     

手机版Google Earth定位功能在中药资源普查中应用

样地是中药资源普查系统随机生成的特定区域,样地常地处偏僻地区,使用普通定位系统难以准确、高效地抵达样地点,且在到达样地前无法获取样地周边道路和环境状况信息,给野外调查工作增加了难度。在全国第四次中药资源普查中,我们将样地GPS信息转换为Google Earth地标文件,并导入手机端Google Earth应用中,实现搜寻样地的实时定位功能,直观地显示了卫星地图上的样地信息,为中药资源普查提供更为便捷、高效、直观的样地定位方式。     

Using Google trends data to assess public understanding on the environmental risks

This study proposes a method to assess the public understanding toward themes related to environment, biodiversity conservation and fishery. Since the Internet traffic is seen as the proxy of the public interest, this article analyzes the related Google Trends data to explore the cognitive map of the public. Patterning changes in the search volume (synchronous increase and decrease) were detected by using the association analysis. Weekly search volumes of the United States for the last 5 years have been gathered and were converted into values ranging between –1 and 1, indicating the gradual level of increase/decrease by the time. Apriori algorithm was used to determine the associations between search volumes of the keywords. As a consequence, several patterns were detected with a significant support indicating synchronous increases/decreases of the volumes. Upon the development of cognitive maps based on the detected patterns, it is found that the terms “Environment” and “Pollution” were the most significant and central terms. The search volume of the terms such as “Conservation,” “Ecology,” “Climate change,” “Invasive species” and “Endangered Species” increases as the search increases in the central terms. Therefore, these terms can be seen as the drivers/triggers of the Google search for some central words. It is apparent that the public has awareness of the central terms and further interest should be provoked and fostered on the environment-related concepts.     

基于Google Maps API的烟草种质资源WebGIS开发研究

采用B/S架构,应用ASP.NET技术开发了烟草种质资源WebGIS。该系统采用Google Maps API作为地图服务,其数据库采用Microsoft SQL Server,服务器端程序应用C++语言开发,浏览器端基于XHTML+JavaScript。该系统对地图操作和种质资源查询进行了整合,用户可通过4种类型5种比例的地图,选择感兴趣的区域和范围。其地图标注和地址解析功能直观地展现了种质资源的地理分布状况,以及种质资源所在位置的地址名称和经纬度等。另外,用户还可通过WebGIS的查询功能获得种质资源的详细数据信息。因此,本研究开发的烟草种质资源WebGIS为种质资源的研究与利用提供了新的技术和策略。     

1986—2019年新疆湖泊变化时空特征及趋势分析

干旱区湖泊是区域水资源系统的重要组成部分,不仅在维系区域生态系统平衡上发挥重要支撑作用,而且也对区域气候变化和人类活动具有重要的指示意义。基于Google Earth Engine(GEE)遥感云计算平台,以Landsat 5/7/8卫星遥感影像为主要数据源,分析了1986—2019年新疆维吾尔自治区湖泊数量以及面积变化的时空特征,并从气候要素变化、人类活动干扰等方面初步探讨了新疆湖泊变化的主要原因。结果表明：1986—2019年间,气温升高使得冰川积雪融水增加,新疆湖泊整体上呈现出扩张趋势。然而受人类活动的干扰程度以及地形海拔等因素,这种趋势存在显著的空间差异。全球变暖背景下,由于受到丰富稳定的雪冰融水的补给,受人为干扰较小的青藏高原北部地区湖泊呈现显著扩张。相反由于环天山地区强烈的人类活动以及冰川加速退缩影响,该区域湖泊面积持续高位波动状态。