快速檢索        
  農業資源與環境學報  2021, Vol. 38 Issue (6): 1112-1121  DOI: 10.13254/j.jare.2020.0536
0

引用本文  

楊坤士, 盧遠, 翁月梅, 等. Google Earth Engine平臺支持下的南流江流域生態環境質量動態監測[J]. 農業資源與環境學報, 2021, 38(6): 1112-1121.
YANG Kunshi, LU Yuan, WENG Yuemei, et al. Dynamic monitoring of ecological and environmental quality of the Nanliu River basin, supported by Google Earth Engine[J]. Journal of Agricultural Resources and Environment, 2021, 38(6): 1112-1121.

基金項目

國家自然科學基金項目(41661043);廣西自然科學基金項目(2015GXNSFAA139234);廣西科技重點研發計劃(AB16380318);廣西研究生教育創新計劃項目(YCSW2020192)

Project supported

The National Natural Science Foundation of China(41661043); The Natural Science Foundation of Guangxi, China (2015GXNSFAA139234);Special Fund for Key Program of Science and Technology of Guangxi, China(AB16380318);Innovation Project of Guangxi Graduate Education(YCSW2020192)

通信作者

盧遠??E-mail: luyuan.gx@qq.com

作者簡介

楊坤士(1994-), 男, 碩士研究生, 從事生態遙感研究。E-mail: 251215314@qq.com

文章歷史

收稿日期: 2020-09-22
錄用日期: 2021-01-18
Google Earth Engine平臺支持下的南流江流域生態環境質量動態監測
楊坤士1 , 盧遠1,2 , 翁月梅1 , 韋麗珍1     
1. 南寧師范大學地理科學與規劃學院, 南寧 530001;
2. 北部灣環境演變與資源利用教育部重點實驗室, 南寧 530001
摘要: 為探究南流江流域2000—2019年生態環境質量的時空變化,利用Google Earth Engine(GEE)平臺對2000—2019年南流江流域Landsat影像進行優化重構,并耦合植被綠度、濕度、地表溫度、土壤干度等生態環境指標,構建遙感生態指數(RSEI)模型對南流江流域生態環境質量進行監測和評價。結果表明:2000—2019年南流江流域生態環境質量呈現逐年好轉的態勢,RSEI均值從2000年的0.543 4增長至2019年的0.636 4;南流江流域生態環境質量面積變化主要以中等生態風險等級向良生態等級轉移為主,其中流域上游的中生態等級面積占比減少29.90個百分點,下游的良生態等級面積占比增加28.11個百分點。研究表明,使用GEE平臺重構年度無云影像,可以對常年多云覆蓋區的生態環境質量進行長時序的監測和評價。
關鍵詞: 南流江流域    Google Earth Engine    區域生態環境評價    遙感生態指數    生態風險等級    
Dynamic monitoring of ecological and environmental quality of the Nanliu River basin, supported by Google Earth Engine
YANG Kunshi1 , LU Yuan1,2 , WENG Yuemei1 , WEI Lizhen1     
1. School of Geography Science and Planning, Nanning Normal University, Nanning 530001, China;
2. The Key Laboratory of Beibu Gulf Environmental Change and Resource Utilization of the Ministry of Education, Nanning 530001, China
Abstract: To explore the temporal and spatial changes of the ecological and environmental quality in the Nanliu River basin from 2000 to 2019, the Google Earth Engine(GEE) platform was used to optimize the reconstruction of Landsat images of the Nanliu River basin from 2000 to 2019. Coupling the vegetation greenness, humidity, temperature of the earth's surface, soil dryness, and other ecological environment indicators facilitated the construction of a remote sensing ecological index(RSEI) to monitor and evaluate the ecological and environmental quality of the Nanliu River basin. The ecological and environmental quality of the Nanliu River basin showed an improvement year on year from 2000 to 2019. The average RSEI increased from 0.543 4 in 2000 to 0.636 4 in 2019. The transfer of area in the ecological and environmental quality of the Nanliu River basin change was mainly a shift from medium ecological risk grade to good ecological grade. In the upper reaches of the basin, the area of medium ecological grade decreased by 29.90 percent points, and the area of good ecological grade downstream increased by 28.11 percent points. Studies have shown that the use of the GEE platform to reconstruct annual, cloud-free images can facilitate long-term monitoring and evaluation of the ecological environment quality in areas of perennial cloud cover.
Keywords: Nanliu River basin    Google Earth Engine    regional ecological environmental assessment    remote sensing ecological index    ecological risk grade    

區域生態環境質量評價是在特定時間、空間范圍內,對人類活動及社會經濟發展下生態環境的優劣程度進行定性或定量分析和判別[1-2]。當前,生態環境質量評價技術方法已經從20世紀60年代初期對生態環境的單要素調查,發展為綜合多源數據、多環境要素的指標評價[3-5]。隨著我國對生態文明建設重視程度的提高,國家對生態環境保護的投入和治理力度不斷加大,生態環境質量監測受到社會的廣泛關注。衛星遙感技術擁有快速有效獲取地表信息的能力,已被廣泛用于生態環境監測領域[6-7]。遙感生態指數(Remote Sensing Ecological Index,RSEI)是徐涵秋[8-9]于2013年提出的基于衛星遙感影像信息耦合植被綠度、濕度、地表溫度、土壤干度4個指標,通過主成分分析法對區域生態環境質量進行客觀評價的一種生態環境監測方法,同時也是當前區域生態環境監測研究的熱點。劉智才等[10]運用遙感生態環境指數對杭州市1989—2010年城市發展引發的生態環境質量變化進行長時間的監測評價;周玲美等[11]通過獲取內蒙古杭錦旗荒漠地區1992—2017年遙感影像數據,綜合構建遙感生態指數模型,對杭錦旗荒漠地區的生態環境變化進行監測評價;繆鑫輝等[12]選取2000、2009、2017年遙感影像數據構建遙感生態指數模型,對寧波市甬江流域進行生態環境變化分析和動態監測。遙感生態指數集成了遙感影像反演出的各類生態環境指標,對區域生態環境質量監測具有較高的參考性[13-16]。

南流江流域是廣西南部眾多獨流入海河流中流域面積最大的一條河流,地處北部灣經濟區,經濟區的建立給流域帶來了前所未有的發展機遇,同時也給南流江流域生態環境質量帶來巨大挑戰[17-19]。發展帶來的問題嚴重影響該地區生態環境質量,流域生態系統遭受巨大挑戰[20]。當前,運用Google Earth Engine(GEE)平臺對我國南方地區進行高分辨、長時間序列的遙感生態環境監測評價及時空分布特征研究尚屬少見,因此研究南流江流域生態環境質量的監測評價方法具有重要的理論和現實意義。

近年來,一些具有高性能計算能力和大數據處理工具的地理空間數據云計算平臺被廣泛用于地球科學研究[21]。遙感云計算平臺的出現大大改變了傳統地理空間數據存儲、管理和分析方式[22]。鑒于此,借助GEE平臺遙感圖像數據處理優勢,對南流江流域2000—2019年Landsat TM/OLI衛星遙感圖像進行指標運算,構建各個年份遙感生態環境指數模型,對研究區20年來生態環境質量進行監測和評價,及時、準確地掌握南流江流域生態環境質量狀況和變化態勢,以期為南流江流域水土保持、生態治理建設提供參考依據,促進地區資源環境的可持續發展。

1 材料與方法 1.1 研究區概況

南流江是廣西南部入海河流中流域面積最大、服務人口最多、水量最豐富的獨流入海河流,地處21°21′~23°04′N、105°47′~107°41′E之間,發源于北流市與玉林市交界處的大容山區,流域流經玉林市博白縣、欽州市浦北縣以及北海市合浦縣,流域面積9 270 km2(圖 1)。南流江流域是以低山丘陵和沖積平原為主構成的地貌形態,地勢西北部較高,自北向西南傾斜,屬亞熱帶季風氣候,多年平均氣溫穩定在21~23 ℃之間,受沿海季風氣候影響,流域夏季高溫多雨,冬季降雨少而溫涼。

圖 1 南流江流域示意圖 Figure 1 Schematic diagram of Nanliujiang River basin
1.2 數據來源

影像數據來源于美國地質調查局(USGS)發布的2000—2019年Landsat影像數據衛星計劃(https://earthexplorer.usgs.gov/),空間分辨率為30 m,對地觀測重訪周期16 d。在GEE平臺上,Landsat數據可以通過JavaScript API在線訪問研究區范圍內2000-2012年的Landsat 5 TM地表反射率數據集和2013-2019年的Landsat 8 OLI地表反射率數據集,并且GEE平臺內的Landsat數據均采用了LaSRC方法對影像進行大氣表面反射率校正,并對所有影像數據波段進行正射校正,降低了其他要素(云、水體、冰雪、大氣等)對影像的影響,使得影像數據具有良好的輻射度。

由于南流江流域地處低緯度地區,年度影像質量受云、雨遮罩影響較大,無云影像多集中于秋、冬季節,其他時期影像云量覆蓋率高。因此,在GEE平臺上篩選影像時間閾值為9—12月之間的最少云量影像作為基準影像,并將受云遮罩影響的部分影像替換為該年度無云的圖像,并對圖像進行中值提取,消除去云圖像之間的色差等問題,以保障影像數據來源的可靠性。

矢量數據主要包括流域邊界和行政區劃邊界,本研究通過采用ArcMap10.4的Hydrology模塊獲取了研究區的流域邊界,行政區劃邊界來源于2017年版的1:250 000全國基礎地理數據庫(http://www.webmap.cn/)。研究區2000—2019年數據來源、處理情況如表 1所示。

表 1 數據來源與處理平臺 Table 1 Data source and processing platform
1.3 研究方法 1.3.1 GEE平臺分量指標計算

GEE平臺是由美國肯塔基大學與美國地質調查局聯合開發的一個能夠實現PB級地理信息大數據在線分析及可視化的平臺[21]。該平臺具有海量的遙感圖像存檔,包括長時間序列影像集(如Landsat、MODIS等)及其派生的數據產品,并基于JavaScript和Python語言的API接口實現在線處理、分析和可視化等各項工作的開展,相對于傳統的遙感圖像處理方式,可更快速有效地實現大尺度、長時序的地理數據處理和信息挖掘。

由于研究區地處多云雨緯度帶,年度Landsat序列影像集內無云的圖像較少且無云影像時間段也不固定,為此,在GEE平臺上通過遍歷年度時間序列影像集,過濾最小云量影像,調用GEE中Landsat云掩膜算法,對年度時間序列內的圖像進行云像元、云陰影檢測并去除,對去云后影像區域填充年度中無云的圖像,并進行均值擬合得到研究區內年度的最優Landsat圖像數據[23-24]。遙感生態指數技術路線如圖 2所示。

圖 2 GEE平臺下構建遙感生態指數(RSEI)模型技術路線 Figure 2 The technical route of constructing the remote sensing ecological index(RSEI)under the GEE platform

本研究采用徐涵秋[9]所創建的遙感生態指數對南流江流域生態環境質量進行監測與評價,該生態指數是將遙感圖像衍生出的植被綠度、濕度、地表溫度、土壤干度4個直觀反映研究區生態環境狀況的指標,耦合構建遙感生態指數(RSEI)模型。表達式如下:

(1)

式中: NDVI代表植被綠度指標[25];WET代表濕度指標[26];LST代表地表溫度指標[27-28];NDBSI代表土壤干度指標,該指標為土壤指數(SI)和建筑指數(IBI)的平均值[29]。各類生態環境分量運算如表 2所示。

表 2 各類生態環境分量運算公式和說明 Table 2 Calculation formulas and descriptions of various ecological environment components
1.3.2 遙感生態指數模型構建

主成分分析是考察多個變量之間相關性的一種多元統計方法,可以有效地將眾多具有一定關聯性的變量重新組合成少數保留初始變量信息的幾個波段。由于多波段數據之間存在關聯性,主成分分析可以使各波段之間的方差達到最大,從而實現數據降維,達到隔離噪聲的效果。通常而言,第一主成分(PC1)包含各波段數據最大方差百分比,第二主成分(PC2)包含各波段數據第二大方差百分比,依此類推。即PC1包含了各波段之間關聯性最高的信息量??紤]到4個分量指標之間量綱的不一致性,因此,本研究對上述4個分量指標先進行歸一化,將運算的量綱統一為[0, 1]之間,其公式為:

(2)

式中: I(NI)為分量指標歸一化后的結果;I為分量指標值;Imax為分量指標的最大值;Imin為分量指標的最小值。

以各指標之間相關性最優的PC1信息量作為遙感生態指數RSEI的信息量來源。通過GEE平臺的主成分分析拓展模塊(https://developers.google.com/earth-engine/guides/arrays_eigen_analysis)剔除水體指數[30]運算得到的研究區水域后,采用主成分分析方法對歸一化后的4個分量指標構建遙感生態指數模型。提取2000、2005、2010、2015、2019年PC1信息量,并通過歸一化公式處理得到5個年份的遙感生態指數(表 3)。

表 3 各年份第一主成分(PC1)特征值信息 Table 3 Characteristic value information of the first principal component(PC1)in each year
2 結果與分析 2.1 南流江流域生態環境質量整體狀況

通過GEE平臺計算得出南流江流域2000、2005、2010、2015年和2019年的RSEI,對5個不同時期的RSEI進行線性回歸分析,采用最小二乘法進行參數估計,擬合精度達到0.878 5,表現出極顯著的正相關性。由圖 3分析可得,2000—2005年期間RSEI均值出現短暫的下降趨勢,隨后在2010—2019年持續升高。整體而言,2000—2019年南流江流域RSEI指數均值呈現出逐年升高的態勢,表明南流江流域近20年來整體生態環境變化持續向好發展。

圖 3 2000—2019年南流江流域遙感生態指數(RSEI)線性擬合圖 Figure 3 Remote sensing ecological index(RSEI)linear fitting diagram of Nanliujiang basin from 2000 to 2019

為進一步了解南流江流域遙感生態環境質量的空間分布情況,對RSEI進行定量化與可視化分析,依據RSEI值越接近1生態環境越好的原則[8, 31],將5個時期南流江流域RSEI以等間距(0.2)劃分為差(0~ 0.2)、較差(0.2~0.4)、中(0.4~0.6)、良(0.6~0.8)、優(0.8~1)共5個等級,并分別對5個時期各生態等級的面積及其占比進行統計,結果見圖 4。

圖 4 2000—2019年各時期生態等級面積占比 Figure 4 The proportion of each ecological grade area in from 2000 to 2019

由2000—2019年南流江流域RSEI等級分布情況(圖 5)可知,2000—2010年研究區總體生態結構變化不大。2010年之前,研究區總體生態質量以中生態等級為主,面積占比超過60%,其次為生態狀況良等級,面積占比超過25%,其他等級占比均小于15%;但2010年之后,研究區生態質量等級以良生態等級為主,面積占比超過60%。2000—2019年研究區生態質量等級變化主要從中等級變為良等級,且優生態等級面積逐年增加。綜合而言,2000—2019年RSEI生態等級變化呈現出持續向好的趨勢。

圖 5 2000—2019年南流江流域RSEI等級分布 Figure 5 Distribution of RSEI ratings in Nanliujiang basin from 2000 to 2019

空間上,依據流域分水嶺將研究區劃分為上、中、下游流域,探究其生態環境質量變化情況,結果(圖 6)顯示: 上游地區自2000年以來,優生態等級逐年穩定增加;良生態等級面積在2000—2005年下降約5個百分點,并在2010年開始逐年增加;中、較差生態等級在2000—2005年面積變化不明顯,但2010年以后逐年減少;差生態等級面積在2000—2019年減少了一半,5個時期變化呈波動狀態。中游地區較差生態等級面積逐年下降,但2019年面積較2015年有少量增加;中生態等級面積在2000—2005年呈增加趨勢,之后逐年減少,面積占比從2000年的48.15% 下降到2019年的21.53%;良生態等級面積呈現逐年增加的趨勢,2000—2019年面積占比增加了27.93個百分點;優生態等級面積變化呈現先下降后增加趨勢,2000—2019年面積增加261.31 km2,占比提高了5.55個百分點。下游地區優生態等級面積在2000—2019年上升了51.33 km2,呈先減少后增加趨勢;生態良等級20年間呈先減后增的趨勢,2000—2019年面積增加了584.01 km2,占比提高了28.11個百分點;中、較差等級面積在2000—2015年變化不明顯,但2015-2019年中生態等級面積比例下降了20.49個百分點,較差生態等級面積下降9.89個百分點;差生態等級20年間面積占比較低,變化趨勢不明顯。

圖 6 2000—2019年南流江流域上、中、下游生態環境質量分級 Figure 6 The ecological environment quality grade of the upper, middle and lower reaches of the Nanliu River basin from 2000 to 2019
2.2 南流江流域生態環境質量演變分析

由于區域內各等級生態風險區面積減少與增加之間存在相互關聯、相互轉換的方式不是單向性轉移,轉換面積不能定量直觀反映。因此,為了更好地研究各生態等級之間相互轉移的關系,以10年為間隔周期,采用?;鶊D方式,直觀分析2000—2010、2010—2019年間南流江流域的生態環境質量等級面積演變情況(圖 7)。

圖 7 南流江流域2000—2010、2010—2019年生態環境質量等級面積轉移圖 Figure 7 The area transfer map of the ecological environment quality grade in Nanliujiang basin from 2000 to 2010 and 2010 to 2019

圖 7可以得出,2000—2019年南流江流域生態質量總體上呈現持續向好的態勢。2000—2010年南流江流域生態等級面積變化主要表現為: 2010年較2000年差生態等級面積減少了8.37 km2,較差生態等級減少了609.24 km2,主要向中生態等級轉移,轉移面積最多的是由中等級轉為良等級,轉移面積為1 371.87 km2,中生態等級面積變化不明顯,良生態等級面積增加681.35 km2,轉移面積次之的為良生態等級轉為中生態等級,面積為833.63 km2,優生態等級面積較2000年減少了20.53 km2,2000—2010年南流江流域生態質量轉移主要聚集在中生態等級和良生態等級之間的內部轉移交換,表現出生態質量變好趨勢。2010—2019年,隨著《廣西北部灣經濟區發展規劃》的編制出臺,北部灣經濟區建設進入快速發展的階段,與此同時南流江流域生態質量變化也隨之加快。自2010年起,差生態等級面積呈現持續減少的變化態勢,較差生態等級主要是與中生態等級之間進行面積轉移,中生態等級面積變化劇烈,相較2010年,2019年中生態等級向良生態等級面積轉移為2 611.62 km2,占流域總面積的28.59%,良生態等級面積變化來源主要是由中生態等級轉移而來,面積增加1 852 km2,優生態等級面積變化534.97 km2,主要是由良生態等級轉移而來。南流江流域近20年來生態環境質量面積變化情況如表 4所示。等級變差的面積占比減少6.62個百分點,變好的面積占比增加12.83個百分點,不變的情況占流域面積均超過50%,流域生態環境質量在保持原有的基礎上逐年提升。

表 4 南流江流域各年份生態環境質量面積變化 Table 4 Changes in the area of ecological environment quality in each year in the Nanliujiang River basin

總體而言,2000—2019年南流江流域生態環境質量變化主要呈現“緩慢變化-快速變化”的過程,生態環境質量改善明顯。2000—2019年南流江流域整體生態環境質量逐漸好轉。如圖 8所示,生態退化區域主要集中在城市建成區及其緩沖地帶,以人類聚集區和作物耕種區為主,其次在流域下游河口三角洲地勢較為開闊、平坦的地帶。2010年國家住建部批復《廣西北部灣經濟區城鎮群規劃綱要》中指出,將北部灣城鎮群建設成為中國南部地區有影響力和競爭力的城鎮群,南流江流域正是處于玉林-北海都市區建設的重點地區,流域城鎮化建設投入逐年提高,城鎮建設面積也在不斷增加,進而影響了原有生態質量平衡,對生態環境質量退化造成了負面影響。而生態退化不明顯且有好轉的區域主要位于流域六萬大山、大容山南北部等地勢相對較高的山區,該地區以天然林地為主要植被覆蓋類型,邊緣地區得益于近年來生態治理建設的有效實施,人類活動影響降低,并推廣種植了大量的人工經濟林(桉樹),植被恢復明顯。2018年廣西壯族自治區印發了《關于全面加強生態環境保護堅決打好污染防治攻堅戰的實施意見》,此后全區著力解決生態環境問題,生態環境質量得到改善,實現生態環境保護水平同全面建成小康社會目標相適應。由此可見,實施生態環境保護舉措對于生態環境質量有明顯的促進作用。

圖 8 2000—2010、2010—2019年南流江流域RSEI變化檢測 Figure 8 Detection of RSEI changes in Nanliujiang basin from 2000 to 2010 and 2010 to 2019
3 討論

本研究通過耦合南流江流域綠度、濕度、熱度、干度四個生態環境指標,采用主成分分析方法構建遙感生態指數(RSEI)模型,研究表明,南流江RSEI生態風險總體處于低生態風險水平,生態環境質量空間上呈現西南山區高、東北平原地區低的分布,且20年來生態環境質量改善明顯。通過查閱統計年鑒及相關研究文獻可知,2000—2010年南流江流域陸續出現水體氨氮超標等問題,生態治理基礎工程(污水處理廠、水環境治理工程等)加快建設,人類活動和農業生產對自然資源的不合理開發導致流域水土流失加重,流域生態環境質量問題嚴峻,這與本研究得到的2000-2005年南流江流域生態環境質量先下降、2005-2010年逐步改善的變化趨勢基本吻合[17-18]。2010年以來,隨著南流江流域生態治理工程的不斷推進,流域生態環境逐年變好,2013年起廣西開展了“美麗廣西·清潔鄉村”活動,進一步提升了鄉村生態環境質量,尤其在2016年,中央環保督察將南流江污染列入廣西9個生態環境損害責任追究問題之一,南流江生態治理納入自治區重大項目,出臺了《2018年南流江流域水環境綜合治理攻堅方案》后,流域生態環境逐年得到改善[19-20],也從側面驗證了采用主成分分析構建的遙感生態指數模型能夠較好地反映20年間南流江流域生態環境質量變化情況。但本研究未考慮到流域土地利用與生態環境質量之間的驅動因素評估,這也是今后研究的重點。

此外,在采用遙感生態指數對區域生態環境質量進行監測時,各類指標多采用年度觀測影像中質量最優且季節相近的影像數據[11-12],對受云覆蓋較多的低緯度地區的影像,往往會以鄰近年份的優質圖像進行替代[15],這使年度的RSEI的準確性、可比性及研究范圍和尺度受到一定程度的影響。本研究通過Google Earth Engine的云計算平臺,對20年來南流江流域各年份遙感圖像設定時間閾值篩選年度無云或云量最低的影像,采用去云、圖像中值均衡化等改善原始圖像質量,使年度RSEI計算更具有真實性、客觀性。

關于遙感生態指數的4個生態環境指標是否能夠全面代表區域生態質量還有待商榷,可以考慮在今后的研究中增加生態環境的其他指標并進行優化,這也是今后遙感生態指數研究的改進方向。

4 結論

本研究基于Google Earth Engine平臺合成年度南流江流域無云影像,耦合遙感影像綠度、濕度、熱度、干度四個生態環境指標,利用主成分分析法構建南流江流域遙感生態指數模型,并定量分析了2000-2019年廣西南流江流域生態環境質量時空變化特征和空間格局。主要結論如下:

(1) 遙感生態指數耦合的4類生態環境指標的特征值貢獻率均超過65%,表明遙感生態指數包含了4個生態環境指標的主要特征信息,且植被綠度指標和濕度指標與南流江生態環境質量呈正相關,地表溫度指標和土壤干度指標與南流江生態環境質量呈負相關。

(2) 2000—2019年南流江流域生態環境質量整體呈現逐年好轉的趨勢,遙感生態指數均值由2000年的0.543 4增長至2019年的0.636 4,流域生態質量等級較高的區域主要分布在西南山區、東北部山區,等級較低的區域分布在流域南部入海河口及中部平原。

(3) 南流江流域優、中生態等級面積在流域上游變化最為明顯,良、較差生態等級面積變化最明顯區域是流域下游,差生態等級面積變化不明顯。

(4) Google Earth Engine平臺能夠快速、高效地對遙感影像進行預處理,并能夠較好地解決遙感圖像受云覆蓋、影像缺失、色差等問題,在長時間、大尺度的遙感監測研究中具有廣闊的應用前景。

參考文獻
[1]
徐燕, 周華榮. 初論我國生態環境質量評價研究進展[J]. 干旱區地理, 2003(2): 166-172.
XU Y, ZHOU H R. A preliminary study on advances in assessment of eco-environmental quality in China[J]. Arid Land Geography, 2003(2): 166-172. DOI:10.3321/j.issn:1000-6060.2003.02.012
[2]
田佳良. 區域生態環境質量評價研究綜述[J]. 環境保護與循環經濟, 2013, 33(11): 63-66.
TIAN J L. A review of regional ecological environment quality evaluation research[J]. Environmental Protection and Circular Economy, 2013, 33(11): 63-66. DOI:10.3969/j.issn.1674-1021.2013.11.019
[3]
STROBEL C J, BUFFUM H W, SANDRA J. Environmental monotoring and assessment program: Current status of Virginian Province(U. S.) estuaries[J]. Environmental Monitoring and Assessment, 1999, 56: 1-25. DOI:10.1023/A:1005911822444
[4]
謝宏斌. 環境質量評價與預測方法的現狀[J]. 四川環境, 1998, 17(3): 37-40.
XIE H B. A review on the methods of assessment and prediction of environmental quality[J]. Sichuan Environment, 1998, 17(3): 37-40.
[5]
環境保護部. 生態環境狀況評價技術規范: HJ 192-2015[S]. 北京: 環境保護部, 2015.
Ministry of Environment Protection of the PRC. Technical criterion for ecosystem status evaluation: HJ 192-2015[S]. Beijing: Ministry of Environment Protection, 2015.
[6]
鄭勇. 基于TM數據的生態環境指數提取及變化分析[D]. 南京: 南京林業大學, 2014.
ZHENG Y. Eco-environment index extraction and change analysis based on the TM data[D]. Nanjing: Nanjing Forestry University, 2014.
[7]
肖明. GIS在流域生態環境質量評價中的應用[D]. ??? 海南大學, 2011.
XIAO M. The application of GIS in watershed ecological quality evaluation[D]. Haikou: Hainan University, 2011.
[8]
徐涵秋. 區域生態環境變化的遙感評價指數[J]. 中國環境科學, 2013, 33(5): 889-897.
XU H Q. A remote sensing index for assessment of regional ecological changes[J]. China Environmental Science, 2013, 33(5): 889-897. DOI:10.3969/j.issn.1000-6923.2013.05.019
[9]
徐涵秋. 城市遙感生態指數的創建及其應用[J]. 生態學報, 2013, 33(24): 7853-7862.
XU H Q. A remote sensing urban ecological index and its application[J]. Acta Ecologica Sinica, 2013, 33(24): 7853-7862.
[10]
劉智才, 徐涵秋, 李樂, 等. 基于遙感生態指數的杭州市城市生態變化[J]. 應用基礎與工程科學學報, 2015, 23(4): 728-739.
LIU Z C, XU H Q, LI L, et al. Ecological change in the Hangzhou area using the remote sensing based ecological index[J]. Journal of Basic Science and Engineering, 2015, 23(4): 728-739.
[11]
周玲美, 王世航. 內蒙古杭錦旗生態環境時空變化的遙感監測與評價[J]. 應用生態學報, 2020, 31(6): 1999-2006.
ZHOU L M, WANG S H. Remote sensing monitoring and evaluation of spatial and temporal changes of ecological environment in Hangjin Banner, Inner Mongolia, China[J]. Chinese Journal of Applied Ecology, 2020, 31(6): 1999-2006.
[12]
繆鑫輝, 梁勤歐. 基于遙感生態指數的甬江流域生態環境變化分析[J]. 長江流域資源與環境, 2021(2): 427-438.
MIAO X H, LIANG Q O. Analysis of ecological environment changes in Yongjiang River basin based on remote sensing ecological index[J]. Resources and Environment in the Yangtze Basin, 2021(2): 427-438.
[13]
楊江燕, 吳田, 潘肖燕, 等. 基于遙感生態指數的雄安新區生態質量評估[J]. 應用生態學報, 2019, 30(1): 277-284.
YANG J Y, WU T, PAN X Y, et al. Ecological quality assessment of Xiong' an new area based on remote sensing ecological index[J]. Chinese Journal of Applied Ecology, 2019, 30(1): 277-284.
[14]
岳輝, 劉英, 朱蓉. 基于遙感生態指數的神東礦區生態環境變化監測[J]. 水土保持通報, 2019, 39(2): 101-107, 114.
YUE H, LIU Y, ZHU R. Monitoring ecological environment change based on remote sensing ecological index in Shendong mining area[J]. Bulletin of Soil and Water Conservation, 2019, 39(2): 101-107, 114.
[15]
陳煒, 黃慧萍, 田亦陳, 等. 基于Google Earth Engine平臺的三江源地區生態質量動態監測與分析[J]. 地球信息科學學報, 2019, 21(9): 1382-1391.
CHEN W, HUANG H P, TIAN Y C, et al. Monitoring and assessment of the eco-environment quality in the Sanjiangyuan region based on Google Earth Engine[J]. Journal of Geo-information Science, 2019, 21(9): 1382-1391.
[16]
周玄德, 郭華東, 孜比布拉·司馬義, 等. 干旱區綠洲城市遙感生態指數變化監測[J]. 資源科學, 2019, 41(5): 1002-1012.
ZHOU X D, GUO H D, ZIBIBULA-SIMAYI, et al. Change of remote sensing ecological index of an oasis city in the arid area[J]. Resources Science, 2019, 41(5): 1002-1012.
[17]
王丹媛. 基于SWAT模型的南流江流域非點源污染時空特征分析[D]. 南寧: 南寧師范大學, 2019.
WANG D Y. Spatial-temporal analysis of non-point source pollution in Nanliu River basin based on SWAT model[D]. Nanning: Nanning Normal University, 2019.
[18]
段揚, 伍世希. 南流江污染源水落石出造紙廠停產將被索賠[N]. 八桂都市報, 2004-04-06(1版).
DUAN Y, WU S X. The source water of pollution in Nanliu River is revealed and the paper mill will be compensated for suspension of production[N]. Bagui Metropolis Daily, 2004-04-06(1st Edition).
[19]
王子. 廣西南流江流域生態風險評價研究[D]. 南寧: 廣西師范大學, 2014.
WANG Z. Research on ecological risk assessment for the drainage basin of Nanliu River in Guangxi[D]. Nanning: Guangxi Normal University, 2014.
[20]
李彪. 基于GIS和InVEST模型的南流江流域生態系統服務評估[D]. 南寧: 廣西師范大學, 2017.
LI B. Ecosystem services evaluation of Nanliu River basin based on GIS and InVEST model[D]. Nanning: Guangxi Normal University, 2017.
[21]
GORELICK N, HANCHER M, DIXON M, et al. Google Earth Engine: Planetary-scale geospatial analysis for everyone[J]. Remote Sensing of Environment, 2017, 202: 18-27. DOI:10.1016/j.rse.2017.06.031
[22]
SHELESTOV A, LAVRENIUK M, KUSSUL N, et al. Exploring Google Earth Engine platform for big data processing: Classification of multi-temporal satellite imagery for crop mapping[J]. Frontiers in Earth Science, 2017, 5: 17.
[23]
FOGA S, SCARAMUZZA P L, GUO S, et al. Cloud detection algorithm comparison and validation for operational Landsat data products[J]. Remote Sensing of Environment, 2017, 194: 379-390. DOI:10.1016/j.rse.2017.03.026
[24]
ZHU Z, WANG S X, WOODCOCK C E. Improvement and expansion of the Fmask algorithm: Cloud, cloud shadow, and snow detection for Landsats 4-7, 8, and Sentinel 2 images[J]. Remote Sensing of Environment, 2015, 159: 269-277.
[25]
羅春, 劉輝, 戚陸越. 基于遙感指數的生態變化評估——以常寧市為例[J]. 國土資源遙感, 2014, 26(4): 145-150.
LUO C, LIU H, QI L Y. Ecological changes assessment based on remote sensing indices: A case study of Changning City[J]. Remote Sensing for Land & Resources, 2014, 26(4): 145-150.
[26]
BAIG M H A, ZHANG L, SHUAI T, et al. Derivation of a tasselled cap transformation based on Landsat 8 at-satellite reflectance[J]. Remote Sensing Letters, 2014, 5: 423-431.
[27]
YU X L, GUO X L, WU Z C. Land surface temperature retrieval from Landsat 8 TIRS: Comparison between radiative transfer equationbased method, split window algorithm and single channel method[J]. Remote Sensing, 2014, 6(10): 9829-9852.
[28]
SEKERTEKIN A, BONAFONI S. Land surface temperature retrieval from Landsat 5, 7, and 8 over rural areas: Assessment of different retrieval algorithms and emissivity models and toolbox implementation[J]. Remote Sensing, 2020, 12(2): 294.
[29]
朱貞榕. 基于遙感生態指數(RSEI)的南昌市生態環境質量評價[D]. 南昌: 東華理工大學, 2017.
ZHU Z R. Evaluation of ecological environment quality of Nanchang based on remote sensing based ecological index[D]. Nanchang: East China University of Technology, 2017.
[30]
徐涵秋. 利用改進的歸一化差異水體指數(MNDWI)提取水體信息的研究[J]. 遙感學報, 2005(5): 589-595.
XU H Q. A Study on information extraction of water body with the modified normalized difference water index(MNDWI)[J]. Journal of Remote Sensing, 2005(5): 589-595.
[31]
宋慧敏, 薛亮. 基于遙感生態指數模型的渭南市生態環境質量動態監測與分析[J]. 應用生態學報, 2016, 27(12): 3913-3919.
SONG H M, XUE L. Dynamic monitoring and analysis of ecological environment in Weinan City, northwest China based on RSEl model[J]. Chinese Journal of Applied Ecology, 2016, 27(12): 3913-3919.