东莞市生态状况遥感评价

人类生活质量与城市生态状况与密切相关,生态状况评价研究能为城市生态建设和环境保护提供参考。为了解东莞市的生态状况,以2016年东莞市Landsat8卫星影像为信息源,在遥感和GIS技术支持下,用生态环境状况指数EI法和遥感生态指数RSEI法对比分析2016年东莞市的生态状况。结果表明:生态环境状况指数EI法和遥感生态指数RSEI法生态评价结果差异不显著,遥感生态指数RSEI法能有效地反映东莞市的生态状况;东莞市2016年RSEI指数为0.584,总体生态环境状况趋于良好,生态状况处于"中等"的面积比重最大,为54.35%,"良好"等级的面积次之,为43.43%;东莞市生态状况在空间分布上不均衡,东南部和中南部的山区片和丘陵片生态环境状况较好,市区片和水乡片较差。     

基于改进遥感生态指数的海南岛生态环境质量动态变化

为定量分析海南岛生态环境质量，基于耦合绿度、湿度、干度、热度4项指标的遥感生态指数（Remote sensing ecologicalindex，RSEI），考虑土地利用强度、人口聚集度与坡度对海岛生态系统的影响，增加土地利用、人口分布、地形3项指标，利用主成分分析法构建了改进遥感生态指数（Improved remote sensing ecological index，IRSEI）模型。利用RSEI与IRSEI分别对海南岛2000—2020年的生态环境质量进行动态监测，分析IRSEI的合理性以及两者与生态环境状况指数（Ecological index，EI）的相似性。结果表明：与RSEI相比，IRSEI与EI指数更接近，且具有很好的合理性，IRSEI突出土地利用、人口分布与地形地貌对生态环境质量的影响，可以对海南岛生态环境质量进行准确、客观的评价。2000—2020年间海南岛生态环境质量呈现“下降-上升-下降”的变化趋势，但整体来说，IRSEI均值从0.721上升至0.766，其生态环境质量得到提升。生态环境质量等级为优、良的土地各年份占比均超过89%，等级为差、较差的土地占比极少，二者之和在各年份所占比例均低于1.48%；海南岛中南部地区的生态环境质量高于东部、北部以及环岛地区，生态环境质量总体处于优良水平。生态环境质量提升的区域覆盖面积为12 278.00 km²，占比47.5%，生态环境质量有所下降的区域覆盖面积为3 124.07 km²，占比12.1%；改善地区主要分布在北部和东部，退化地区主要分布在人口密集的环岛沿海城市带。研究构建了适用于海南岛的生态质量评估体系，为海南省生态环境的治理保护和相关政策法规的制定提供科学依据。     

长江上游典型石漠化地区生态环境质量评价

  目的  长江上游石漠化地区影响着整个长江流域的生态安全,在国家大力推行石漠化综合防治下,石漠化形势有明显缓解,但目前缺乏石漠化地区的生态环境质量评价方法,无法实时、定量地进行生态评价。  方法  以长江上游典型石漠化地区云南省会泽县2002、2010、2018年Landsat 5、Landsat 7、Landsat 8卫星影像数据为基础,划分研究区石漠化等级,利用遥感生态指数(RSEI)法对研究区生态环境质量进行定量评价与分析。  结果  ① 2002—2018年,会泽县石漠化状况整体明显改善,石漠化面积减少583.33 km2。②石漠化与生态环境质量呈显著正相关(r2 为0.688~0.873),表明RSEI法评价石漠化地区生态环境质量效果较好。③ 2002、2010、2018年研究区遥感生态指数均值分别为0.458、0.490、0.488,生态环境质量整体表现为中等水平,16 a间生态环境质量优化面积占全县面积的27.42%,生态变差的地区面积占15.09%。④干度指标对遥感生态指数的贡献度不断增加,第一主成分载荷值由?0.029变为?0.622,是制约会泽县生态环境质量优化的重要因素。  结论  2002—2018年,会泽县石漠化状况得到明显改善,生态环境质量呈中等水平,干度是制约生态环境质量优化的重要因素。今后应着重石漠化严重地区的保护。表8参28     

Google Earth Engine平台支持下的南流江流域生态环境质量动态监测

为探究南流江流域2000—2019年生态环境质量的时空变化,利用Google Earth Engine（GEE）平台对2000—2019年南流江流域Landsat影像进行优化重构,并耦合植被绿度、湿度、地表温度、土壤干度等生态环境指标,构建遥感生态指数（RSEI）模型对南流江流域生态环境质量进行监测和评价。结果表明：2000—2019年南流江流域生态环境质量呈现逐年好转的态势,RSEI均值从2000年的0.543 4增长至2019年的0.636 4;南流江流域生态环境质量面积变化主要以中等生态风险等级向良生态等级转移为主,其中流域上游的中生态等级面积占比减少29.90个百分点,下游的良生态等级面积占比增加28.11个百分点。研究表明,使用GEE平台重构年度无云影像,可以对常年多云覆盖区的生态环境质量进行长时序的监测和评价。     

基于遥感生态指数的上海南汇东滩海岸带湿地生态格局变化评价

海岸带湿地作为海陆系统的交错地带,生态功能日益凸显。然而,近年来沿海发达城市为满足经济的高速发展,大规模围垦开发严重挤压了海岸带区域的生态空间。以上海南汇东滩湿地为研究对象,取2000、2006、2012和2018年共4期的Landsat遥感影像,借助遥感生态指数(remote sensing based ecological index,RSEI)对研究区生态格局进行客观、定量、可视化的监测与评价。结果表明:(1)2000、2006、2012和2018年RSEI指数均值分别为0.295、0.227、0.405和0.489,进一步分级处理后,发现研究区生态环境质量主体由"较差"上升为"良好","优"与"较优"等级均有所增加,湿地生态环境质量略向好的方向发展;(2)对2000—2018年间RSEI指数进行差值变化检测,研究区内生态环境状况"变差"、"不变"、"变好"的面积占比分别为12.41%、53.32%和34.27%,以"不变"为主;(3)RSEI可以较好地反映2000—2006与2012—2018年间人类活动造成的海岸带生态频繁变化的现象,具体表现在RSEI指数明显减小与增大,该结果显示RSEI指数对南汇东滩湿地生态分析具有一定适用性。通过生态格局变化的可视化表达,可以较好揭示城市海岸带湿地生态演化进程,避免生态风险,实现城市可持续发展和科学管理。     

融合多传感器时序数据的济南市生态环境时空变化监测及影响因素分析

快速的经济发展和城市化进程对区域生态环境造成了较大的影响。鉴于遥感可以实现大面积同步观测的优点,以遥感为手段评价区域生态环境,探究生态环境时空差异性,对城市的生态文明建设具有重要意义。本文以山东省济南市为例,通过构建基于绿度（NDVI）、湿度(WET)、热度(LST)、干度(NDSI)的遥感生态指数(RSEI),评价了1984年到2018年研究区生态环境的时空变化特征。结果表明：RSEI能较好的反映济南市生态环境质量状况及时空差异;1984—2018年济南市RSEI由0.619 8上升至0.808 0,增幅为30.36%;环境质量等级由以中等和良为主变为以良和优为主,变好的区域主要分布在济南南部丘陵地区,占总面积82.229%,这与济南市积极推进环境保护、鼓励植树造林有关;1984—2018年济南市中心城区RSEI由0.588 2上升至0.729 6,增幅为24.04%;但其中心位置生态环境质量变差趋势明显,城市扩张、建设用地增加、绿化面积缩减是影响环境质量变差的主要原因。     

江西省南昌市生态敏感性空间分异研究

为辨析南昌市潜在的生态问题,把握其生态敏感性空间分异规律,选取与南昌市密切相关的土壤侵蚀、生境、地质灾害和水生态4个因素建立生态敏感性评价指标体系;并基于ArcGIS 10.2平台,采用变异系数法实现指标客观赋权,引入木桶原理解决指标综合适用性问题,结合加权叠加法进行综合评价。结果表明:南昌市生态敏感性总体较高,水生态和地质灾害是其主要的敏感类型,高度敏感区分布范围最广,主要分布在水网密集的中东部地区以及西北部山区,占全市总面积的43.79%;其次为不敏感区,占全市总面积的26.93%,主要分布在南昌市中西部的平原地区;中度敏感区和轻度敏感区紧邻高度敏感区呈带状和片状分布,分别占南昌市总面积的14.56%和14.72%。本评价结果较合理地反映了南昌市生态敏感性的空间分异规律,可为南昌市国土空间的优化配置提供理论依据。     

基于遥感生态指数的阜新市生态环境变化分析

以阜新市为研究区域，利用主成分分析法对影响生态环境的因素进行单因素分析和多重因素的交互作用分析。选取阜新市2007、2013年和2019年的Landsat遥感影像对湿度、绿度、干度和热度4个生态环境影响因素进行提取，并结合主成分分析将多重影响因素耦合为遥感生态指数RSEI，从而对阜新地区进行生态环境质量评价。结果表明，2007-2019年，阜新市RSEI指数总体呈上升趋势，由2007年的0.671增加到2019年的0.687，生态环境指数上升2.32%；研究区域内大部分RSEI等级为中和良的地区，面积占比提高到90.58%；总体来看，生态环境整体向好发展。对于阜新市与RSEI指数相关度最高的是干度分量，因此应重点关注干度分量中建筑指数和土壤指数协同作用对生态环境的影响。     

基于遥感生态指数模型的扬州生态环境质量时空变化分析

遥感影像技术在区域生态质量评测方面具有诸多优于传统方法的优势。基于2006、2013、2017、2020年的Landsat8-OLI影像数据,利用ENVI5.3软件数据处理模块,借助遥感生态指数(RSEI)模型,计算绿度(NDVI)、湿度(WET)、热度(LST)和干度(NDSI) 4个生态指标,对江苏扬州市2006—2020年生态环境质量进行时空变化分析。结果表明：2006—2020年,扬州市RSEI均值从0.549 (2006年)提升到0.555 (2013年),再上升到0.585 (2017年),最后升到0.612 (2020年),整体生态水平等级稳步上升。在空间分布上,扬州市生态环境质量总体上农村区域优于城市建成区,市域范围内,生态等级较好的区域占比逐年上升,生态重心逐渐北移,至2020年,生态质量优势区域主要分布在扬州市域的北部,生态环境质量等级相对较弱的区域主要位于扬州市域南部片区,特别是扬州市区、沿江开发区以及仪征市、江都区等城市建成区的扩大,对区域整体生态环境质量等级产生负面影响。研究期内,扬州市各生态等级的时空波动较明显。总之,扬州市生态水平总体较优,但生态等级不稳定...     

基于生态网络优化的生态保护重要性评价——以陕西省为例

生态保护重要性评价是开展生态保护工作的科学基础。本研究基于自然资源数据库对陕西省生态保护重要性进行评价，在此基础上使用生态网络分析的方法对生态保护重要性评价结果进行优化，进而构建陕西省生态保护空间格局。结果表明：陕西省生态系统调节功能极重要区面积为67 562.30 km²，占全省总面积的32.8%，主要分布在秦巴山地、关山和子午岭地区；生态极敏感区面积为13 260.88 km²，占全省总面积的6.4%，主要位于黄土高原地区。研究区内包括30处生态源地和106处生态节点，呈现出南多北少、西多东少的分布特点，103条生态廊道则以南北纵向分布为主。利用生态网络对生态保护重要性初始评价结果进行优化，识别并增加3.3%生态保护极重要区域。全省生态保护极重要区面积为84 362.30 km²，占全省总面积的40.97%。基于生态保护重要性评价优化结果，可构建点-线-面相结合的网络状生态保护空间格局。本研究通过叠加分析和生态网络相结合的方法构建区域生态保护格局，可以有效提高生态保护与修复区域划定的准确性和科学性。     

云南省县域森林生态安全评价与空间分析

为评估森林生态系统的安全程度,改进传统的压力-状态-响应（PSR）模型并建立了一个包括森林承载和社会压力2类指标的指标体系,以云南省129个区县为样本,运用模糊物元法来评价该省在2000,2005,2010和2015年的森林生态安全。为动态分析森林生态安全的时空变化规律,引入了空间相关分析技术。结果表明:①森林生态安全指数等级最高的区域一般分布在云南省西部和南部,而最差的在云南省东北部和东南部少数区域。②这4个年度的森林生态安全平均值分别为0.353 4,0.377 9,0.311 4和0.458 7,总体呈不断上升趋势。2010年的平均值意外下降主要是因为国内生产总值（GDP）增长速度过快,所以应适当降低经济的发展速度。③从时间变化来看,云南省99.20%的县域森林生态安全指数都呈现明显的上升趋势,其中河口县、屏边县和红河县是改善幅度最大的3个县,这与它们都位于云南省南部的国家重点生态功能区有关。④从空间相关性来看,4个年度全局莫兰指数的P < 0.01,所以云南省各区县森林生态安全指数呈现显著的集聚性,森林生态安全指数高—高集聚的区县一般分布在云南省西部和南部,占比11.63%,而低—低集聚区县主要分布在东南部和东北部,占比10.85%。建议在低值集聚区域限制大型开发,并进行以植树造林和退耕还林等工程为主的生态修复;在高值集聚区域可在不破坏生态的前提下适当放宽发展限制。     

重庆市三峡库区县域生态文明发展水平时空演化

以三峡工程主体所在的重庆市三峡库区22个区县为评价单元,从生态环境、生态经济、生态生活、生态制度、生态文化5个方面选取20项指标建立生态文明评价指标体系,通过熵权法和多因子加权法计算各区县生态文明指数,并运用ArcGIS 10.5软件的自然断点分级法对各区县生态文明发展程度进行空间分级及可视化,分析近10年来重庆市三峡库区生态文明发展水平的时空演化特征,初步揭示库区各区县在生态保护与经济社会发展中的矛盾和短板.研究发现:①2006-2016年,重庆市三峡库区各区县生态文明发展水平整体提高,但各区县增速差距较大.生态文明指数均值由2006年的0.135增长到2016年的0.413,增幅为205.93%,其中增长幅度最大的江北增幅为370.53%,最小的武隆增幅为150.49%.②2006-2016年,重庆市三峡库区生态文明发展水平高低集聚格局基本稳定,但以生态经济为主导优势的新型高值区正在形成.重庆市三峡库区生态文明发展水平高值区主要分布在以巫溪、巫山为集聚中心的库区东北部,以石柱、武隆为集聚中心的库区东南部,以及正在形成的以渝中为中心的主城区;而低值区则主要分布在长江以北的大片区域.     

广州市土地集约利用综合评价

采用层次分析法构建城市土地集约利用评价指标体系,运用熵值法对广州市2006～2010年城市土地集约利用状况进行综合评价。结果表明:2006～2010年广州市土地集约利用指数不断提高,但集约利用水平偏低,土地集约利用潜力较大;经济发展状况是影响城市土地集约利用的最重要因素;社会发展状况和生态环境状况对土地集约利用的影响加强,但仍有提升空间,未来土地集约利用应加大对社会、生态环境的重视与投入。     

基于地理探测器的杨凌示范区生态环境质量影响因素定量分析

以陕西省杨凌示范区为研究区域，利用遥感生态指数模型（RSEI）结果表征区域生态环境质量状况，以地形、气候、土壤、植被、人类活动等因子，以及模型自身的结构因子作为分析因子，应用地理探测器方法，从单因子分析及多因子交互作用分析2个层面，定量探测诸因子对RSEI模型结果的影响程度，进而揭示研究区生态环境质量状况主要的影响因素，以及因子间交互作用的影响方式。结果表明，在单因子分析层面，归一化水汽指数（NDMI）对杨凌示范区RSEI空间分异特征的解释力最强，是研究区生态环境质量状况最重要的影响因素；在多因子交互分析层面:研究区RSEI空间分异特征是多种因子共同作用的结果，所有因子在交互作用下均有协同增强的作用；NDMI与绿度分量协同作用的影响最为显著，解释力高达91.9%；归一化差值不透水面指数（NDISI）与土地利用类型交互作用的解释力，较二者分别作为独立变量时的解释力有极大的提升，非线性增强溢出C值高达0.258。依据以上研究结果，杨凌示范区在未来生态环境规划、管理中，NDMI可作为重要的指标和因子用于指示区域环境质量状况。另外也应重点关注多因素之间的交互作用对区域生态环境质量的影响，特别是城市建设与土地利用方式交互的影响。     

佛山市“三生”用地演变及其驱动因素分析

本文以佛山市为例,利用1990、2000和2016年3期遥感解译数据,建立了基于主导功能的“三生”用地分类体系,借助基尼系数、ESDA、景观格局指数、主成分分析法等方法揭示了经济快速发展地区“三生”用地的演变特征与驱动因素。结果表明:1)1990—2016年,佛山市“三生”用地发生变化面积为1 426.53km2,占土地总面积的37.56%,生活用地持续增加,生产用地显著减少,生态用地保持稳定;2)佛山市生产用地的镇域分布最为均匀,生活用地、生态用地分布差异较大;1990—2016年,生产用地增加、生活用地减少、生态用地增加与减少的全局Moran’s I指数分别为0.212 1、0.144 0、0.401 5和0.260 3,空间分布正相关性显著,呈现出相邻镇街的集中分布,而生产用地减少、生活用地增加的镇域集聚效果不明显;3)1990—2016年,佛山市“三生”用地景观分离度指数、香农多样性和香农均匀度指数分别由3.384 9、0.860 3和0.783 1增至8.259 5、1.083 4和0.986 1,景观异质性增强,空间结构趋于复杂;4)坡度、高程和土壤条件对佛山市生产、生活用地的演变和分布限制性作用较强,对生态用地影响较弱;经济发展、产业结构、居民生活、人口和交通运输是导致佛山市“三生”用地演变的主要社会经济因素。     

废弃工矿区生态修复潜力分析——以水口山镇为例

废弃矿区及工业生产基地是城镇发展中遗留的历史问题，影响着城市空间发展格局，同时也是城市生态用地建设的后备资源。以水口山镇为例，识别城市空间和生态用地两者扩张源地，以土壤重金属综合污染指数、土地类型等9个因子构建阻力面，模拟城市空间与生态源地的水平竞合过程，分析工矿区发展为生态用地的潜力，确定生态修复的优先级分区。结果表明:1）城市与生态空间扩张源地的面积为355.95 hm²和3 880 hm²，分别占总面积的4.13%和45.02%；2）城市空间和生态源地竞合的差值-24 883.7~3 313.76，并呈现出城市中心区向四周减少的趋势，其高值区分布在北部志辉冶炼厂区，低值区集中在南部裸露矿区；3）工矿区可修复的生态用地面积为333.09 hm²，主要分布在金铜冶炼项目等集中的工业园区、康家湾矿区、水口山金属有色公司和部分裸露的采矿区以及尾矿填埋区，且距北部冶炼厂越近的工矿区，其生态修复优先性越高；4）对工矿区内4个优先级区提出治水、治土、植被恢复等不同治理措施与规划策略。研究结果为规划设计以及修复项目在空间尺度上落地和科学治理提供客观依据。     

基于POI数据挖掘的北京市农家乐空间分布特征及其影响因素研究

农家乐是新时期乡村发展的新业态,其空间分布影响区域旅游和乡村发展格局。已有研究主要基于传统调查或统计数据开展,随着互联网电子地图和大数据分析技术的发展,兴趣点(point of interest,POI)数据为农家乐空间分布研究提供了新的数据支撑。基于POI抓取技术获得北京市农家乐空间分布数据,运用加权几何平均算法和多维组合特征对北京市农家乐发展模式进行类型划分,探讨不同类型农家乐空间分布特征及其影响因素。结果表明,农家乐可分为8种类型,包括资源主导型、交通主导型、市场主导型、资源—交通主导型、资源—市场主导型、交通—市场主导型、强综合型和弱综合型,不同类型农家乐的空间分布格局差异显著。资源主导型、资源—交通主导型和弱综合型农家乐呈离散状分布,且主要位于生态涵养区,交通主导型农家乐具有明显的条带状分布特征,市场主导型、资源—市场主导型和交通—市场主导型农家乐呈环状分布,主要位于城市功能拓展区和城市发展新区,强综合型农家乐主导分布在城市功能扩展区。地区生产总值、人均可支配收入和交通通达度等社会经济因素对农家乐空间分布的解释度均在0.1以上且高于自然地理因素的解释度;生态涵养区农家乐以资源...