干旱区生态环境质量的地形梯度效应——以轮台县为例.pdf

江西农业学报 2023，35（10）：103110ActaAgriculturaeJiangxiDOI:10.19386/ki.jxnyxb.2023.10.016干旱区生态环境质量的地形梯度效应以轮台县为例酒江涛1，2，张永健3，景一敏1，李富强1，董婵婵1，4*，巴音达拉1（1.新疆农业大学 林学与风景园林学院，新疆 乌鲁木齐 830052；2.同济大学 建筑与城市规划学院，上海 200092；3.中国地质调查局 乌鲁木齐自然资源综合调查中心，新疆 乌鲁木齐 830057；4.西北农林科技大学 风景园林艺术学院，陕西 杨凌 712100）摘 要:为了揭示地形梯度对干旱区生态环境质量的影响，利用2014、2018和2023年3期Landsatt8OLI遥感影像和数字高程模型（DEM）数据，采用遥感生态指数（RSEI）、主成分分析等方法，分析了轮台县生态环境质量的时空演变规律，并探讨了遥感生态指数在地形梯度上的变化特征。研究结果表明：干度和热度是影响轮台县生态环境质量的主要因素，而湿度和绿度对生态环境质量的影响较小；高海拔地区的生态环境质量较好，在4级地形梯度上生态环境质量最好，而低海拔地区的生态环境质量较差；在20142023年期间，轮台县的整体生态环境质量水平呈现先降后升的趋势，以差和较差等级为主；遥感生态指数等级的变化图谱以稳定型和后期变化型为主。关键词:遥感生态指数；生态环境质量；地形梯度；分布指数；地学信息图谱；轮台县 中图分类号：X171.1 文献标志码：A 文章编号：1001-8581（2023）10-0103-08Topographic Gradient Effect of Ecological Environment Quality in Arid Areas:A Case Study of Luntai County JIUJiang-tao1,2,ZHANGYong-jian3,JINGYi-min1,LIFu-qiang1,DONGChan-chan1,4*,Bayandala1 （1.CollegeofForestryandLandscapeArchitecture,XinjiangAgriculturalUniversity,Urumqi830052,China;2.CollegeofArchitectureandUrbanPlanning,TongjiUniversity,Shanghai200092,China;3.UrumqiNaturalResourcesComprehensiveSurveyCenter,ChinaGeologicalSurvey,Urumqi830057,China;4.CollegeofLandscapeArchitectureandArts,NorthwestA&FUniversity,Yangling712100,China）Abstract:Inordertorevealtheinfluenceoftopographicalgradientsontheecologicalenvironmentqualityinaridregions,thespatialandtemporalevolutionpatternsofecologicalenvironmentqualityinLuntaiCountywasanalyzedbyLandsat8OLIremotesensingimagesanddigitalelevationmodel（DEM）datafrom2014,2018,and2023,remotesensingecologicalindex（RSEI）andprincipalcomponentanalysis,andthechangecharacteristicsofremotesensingecologicalindexontopographicgradientwereexplored.TheresultsshowthataridityandtemperaturearetheprimaryfactorsaffectingtheecologicalenvironmentinLuntaiCounty,whilehumidityandgreennesshavelittleinfluenceonecologicalenvironmentquality.Higher-altitudeareasexhibitbetterecologicalenvironmentquality,andthefourth-leveltopographicalgradienthasthehighestquality.Conversely,lower-altituderegionsexperiencepoorerecologicalconditions.During20142023,theoverallecologicalenvironmentqualityinLuntaiCountyshowedatrendoffirstdecreasingandthenincreasing,predominantlycategorizedas“poor”and“verypoor”withinthecounty.Thespectrumofchangesintheremotesensingecologicalindexpredominantlyfeaturestableandlater-changingtypes.Key words:Remotesensingecologicalindex;Ecologicalenvironmentquality;Topographicgradient;Distributionindex;Geo-informationmapping;LuntaiCounty生态环境质量是当今社会关注的核心问题之一，尤其是在快速城市化和经济发展的背景下，生态环境保护和改善显得尤为迫切1。生态环境质量受到当地自然地理环境和人类活动等多种因素的收稿日期：2023-07-30基金项目：县域高标准农田质量遥感反演及预测（WZD2023PS01-08）；病原菌及其丛枝菌根菌对新疆野苹果幼苗更新的相对重要性（31860127）。作者简介：酒江涛（1991），男，河南洛阳人，讲师，博士研究生，主要从事风景园林规划与设计、大地景观规划与生态修复研究。*通信作者：董婵婵。江 西 农 业 学 报35 卷104共同影响，是人类活动和自然地理环境叠加作用的直接产物2-3，而且陆地的自然表体特征也对生态环境质量有着显著的影响4-5。地形作为自然地理环境的重要组成部分，既会影响水汽、光照等自然因素，也会影响人类利用土地的方式和程度6-7，对区域生态环境质量具有重要的作用8。自1972年6月5日的斯德哥尔摩“联合国人类环境会议”通过 人类环境宣言 以来，国内外学者对生态环境质量的研究不断深入9；为了探究区域生态环境质量的变化特征，前人选用综合指数法、层次分析法、主成分分析法、灰色关联度法、模糊综合评价法等方法10-15构建了评价指标体系。但是迄今国内外对生态环境质量评价指标的选取具有一定的局限性和不全面性。徐涵秋16利用现代遥感技术，以绿度、湿度、干度、热度4项指数为基础，构建了遥感生态指数（RemoteSensing-basedEcologicalIndex，RSEI）的分析方法，该方法能够更加精确、直观、全面地评估研究区域在时空尺度上的生态环境质量，已经得到广泛的应用1720。地形因素对生态环境质量具有重要的影响。陈杭等21将地形因子和遥感生态指数相结合，对比分析了平原区和山区2种地貌类型区域遥感生态指数对水土流失状况的评估能力；酒江涛等22通过计算植被覆盖度和遥感生态指数评估那拉提旅游风景区的生态环境质量，得出高程、坡向和地形起伏度对生态环境质量都有一定的影响。然而，当前学术界还没有对遥感生态指数的时空分布规律与地形梯度效应之间的关系进行研究。干旱区生态环境质量对当地居民的生存环境有着更为直接的影响。新疆轮台县作为塔克拉玛干沙漠北部重要的绿洲城市23，探究其生态环境质量与地形之间的关系对于实现区域土地可持续利用和区域空间永续发展具有重要的现实意义。因此，笔者基于3期Landsat8OLI卫星影像，利用ENVI5.3软件建立遥感生态指数，结合主成分分析法探究了轮台县生态环境质量的时空变化规律，并基于数字高程模型（DEM）数据，采用地形位指数、分布指数、地学信息图谱等方法研究了轮台县遥感生态指数在不同地形梯度上的分布规律，旨在为轮台县乃至环塔克拉玛干沙漠区的城乡发展和环境治理提供科学依据。1 研究区概况本文以轮台县为研究对象。轮台县位于新疆天山南麓巴音郭楞蒙古自治州、塔里木盆地北缘（83 38 85 25 E，41 05 42 32 N），年平均蒸发量2400mm，年平均气温10.9，属于暖温带大陆性干旱气候区，海拔8404681m，总面积14384km2 23。轮台县分南部塔里木河平原区、中部绿洲平原区和北部山区，海拔由北向南倾斜（图1）。人类对土地的无序开发曾使轮台县内胡杨林大面积消失，绿洲生态环境质量深受影响，也使轮台县成为新疆沙尘暴主要的策源地之一24。自2000年生态输水工程综合治理以来，轮台县境内地下水位回升，植被衰退迹象得到了缓解，生态环境逐步得到改善25。84 0 0 E84 30 0 E85 0 0 E85 30 0 E42 0 0 N42 30 0 N41 30 0 N图1 研究区的地理位置及其高程2 研究方法2.1 数据来源与预处理本研究选用的Landsat8OLI遥感影像数据来源于美国地质勘探局官方网站（http:/glovis.usgs.gov/），3期遥感影像数据的具体日期分别为2014年5月18日、2018年5月13日和2023年5月11日，这3个时期均为植物的生长季，从而使结果具有可比性26。数字高程模型（DEM）数据来自地理空间数据云（）GDEMV3的30m分辨率数字高程数据。首先，对3个时期的遥感影像进行辐射定标和FLAASH大气校正；然后，对影像进行配准，将均方根误差控制在0.5个像元之内；最后，使用轮台县行政范围矢量图对处理后的影像进行裁剪，得到轮台县的影像数据（图2）。2.2 遥感生态指数的构建2.2.1 分量指标的选取 遥感生态指数使用绿10 期酒江涛等：干旱区生态环境质量的地形梯度效应以轮台县为例105度、湿度、干度和热度这4个指标综合表征生态环境质量，用归一化植被指数（NDVI）、湿度指数（WET）、干度指数（NDSI）和地表温度（LST）分别表示绿度、湿度、干度和热度2729。本文采用徐涵秋16的方法计算NDVI、WET和NDSI，采用Valor等30-31提出的方法计算LST，计算公式为：NDVI=（N-R）/（N+R）（1）WET=0.1511B+0.1972G+0.3283R+0.3407N-0.7117S1-0.4559S2 （2）NDSI=（SI+IBI）/2 （3）SI=（S1+R）-（B+N）/（S1+R）+（B+N）（4）IBI=2S1+（S1+N）-N/（N+R）+G/（G+S1）/2S1/（S1+N）+N/（N+R）+G/（G+S1）（5）LST=T6/10/1+（6/10T6/10/）ln6/10 （6）T6/10=K2/ln（K1/L6/10+1）（7）L6/10=gainDN+offset（8）式（1）式（8）中：B、G、R、N、S1、S2分别为Landsat8OLI遥感影像的蓝波段、绿波段、红波段、近红外波段、短波红外1波段和短波红外2波段的反射率；为波段的中心波长；K1和K2为定标参数；gain和offset分别为波段的增益和偏置；根据植被指数混合模型30，当NDVI的值在0.100.72之间时，的计算公式为：=vPv+s（1-Pv）+d （9）Pv=（NDVI-NDVImin）/（NDVImax-NDVImin）（10）式（9）式（10）中：Pv为植被覆盖度；d为地形几何形状，对于粗糙表面，d可取均值0.015；当0NDVI0.1时，被看作是纯裸土像元，s=0.960；当NDVI0时，被看作是水体，s取值0.995；当NDVI0.72时，被看作是纯植被像元；v=0.98532。2.2.2 主成分分析 主成分分析法（PCA）可以将众多变量降维为少数若干个综合指标，减弱主观因素对权重的整体影响16。遥感生态指数RSEI并不适于评价水域面积较大的区域，而是对水域面积进行单独提取和计算；因为轮台县的水域面积占比小于1%，所以本研究不需要对水体进行掩膜处理。主成分分析结果中的RSEI值越大表示生态环境质量越好。参照徐涵秋16,33对RSEI的等间隔重分类等级划分方法，本文将RSEI的值以0.2为间隔分为5个等级，从低值到高值分别对应的生态环境质量水平为差、较差、中、良、优。a.2014年b.2018年c.2023年0204060km图2 轮台县的遥感影像2.3 地形位指数地形位指数综合了坡度和高程2个地形因子，可用于定量分析地形与不同等级遥感生态指数之间的关系，其计算公式34为：T=log （E/E1+1）S/S1+1 （11）式（11）中：T表示地形位指数；E表示空间内任意位置的高程值（m）；E1表示研究区的平均高程值（m）；S表示空间内任意位置的坡度（）；S1表示研究区的平均坡度值（）。高程和坡度越小的区域，其地形位指数越小，反之亦然。先根据DEM数据计算出坡度数据；再利用式（11）在ArcGIS10.7软件中计算出轮台县的地形位指数，其空间分布如图3a所示；最后采用等间隔重分类法对地形位指数进行分级，设分级间隔为0.258，共分为5个地形梯度（图3b）。2.4 分布指数分布指数可体现出不同地形梯度上遥感生态指数的等级分布特征，其计算公式34为：江 西 农 业 学 报35 卷106DI=（Sij/Si）/（Sj/S）（12）式（12）中：DI是分布指数；Sij是第i级遥感生态指数在第j级地形梯度上的分布面积（km2）；Si是第i级遥感生态指数的总面积（km2）；Sj是第j级地形梯度的总面积（km2）；S是研究区总面积（km2）。根据分布指数的值，可以判断不同等级的遥感生态指数在特定地形梯度上的分布状况，当DI1时，说明第i级遥感生态指数在第j级地形梯度上的分布属于优势分布，且DI值越大分布优势度越明显，反之亦然。ab图3 研究区的地形位指数与地形梯度2.5 遥感生态指数等级的变化信息图谱利用ArcGIS10.7软件计算得到轮台县不同等级遥感生态指数的变化信息图谱，其数学表达式35为：Y=100C14+10C18+C23 （13）式（13）中：Y是不同等级遥感生态指数的变化图 谱；C14、C18和C23分 别 是2014、2018、2023年 的遥感生态指数等级。将轮台县不同等级遥感生态指数图谱的变化分为以下5种类型：稳定型，指在20142023年期间遥感生态指数的等级保持不变；前期变化型，指在20142018年期间遥感生态指数的等级发生了变化，但在20182023年期间保持不变；后期变化型，指在20142018年期间遥感生态指数的等级保持不变，但在20182023年期间发生了变化；反复变化型，指在2014和2023年遥感生态指数的等级相同，但均与2018年不同；持续变化型，指在2014、2018和2023年3个时期内，遥感生态指数的等级各不相同。3 结果与分析3.1 生态环境质量的变化特征轮台县2014、2018和2023年RSEI的主成分分析结果如表1所示。3个时期PC1的贡献率分别为96.46%、96.28%和94.13%，均大于90.00%，明显地集齐了4个分量的特征信息，表明PC1可以代表4个分量指标和RSEI值。在PC1中，NDVI和WET为正值，说明绿度和湿度起积极作用，为正向指标；而NDSI和LST为负值，说明干度和热度起消极作用，为反向指标。此外，PC2、PC3和PC4的4个分量指标特征值的变化无规律，难以对生态环境质量进行解释。表1 主成分分析结果年份指标PC1PC2PC3PC42014NDVI0.39070.15550.63230.6507WET0.67300.03730.2789-0.6840NDSI-0.56880.53840.5387-0.3106LST-0.2663-0.82740.4819-0.1106特征值0.24820.00550.00250.0011贡献率/%96.462.140.970.432018NDVI0.26640.10870.61530.7339WET0.9103-0.2232-0.3486-0.0051NDSI-0.3154-0.4729-0.53020.6291LST-0.0296-0.84540.4677-0.2562特征值0.26910.00630.00360.0005贡献率/%96.282.251.290.182023NDVI0.32130.13370.67070.6550WET0.3976-0.3666-0.43790.7182NDSI-0.7705-0.5930-0.2331-0.0183LST-0.38080.7043-0.55150.2341特征值0.25020.00900.00530.0013贡献率/%94.133.391.990.49为了便于对比，对PC1的结果进行归一化处理，结果如表2所示。轮台县2014、2018和2023年RSEI的平均值分别为0.7027、0.6817和0.7241；RSEI的平均值在20142018期间下降了2.98%，在20182023年期间增长了6.21%，在20142023年期间增长了3.04%，表明轮台县的生态环境质量水平先降后升。2014、2018和2023年LST荷载的绝对值分别为0.0610、0.0519和0.0601，NDSI荷载的绝对值分别为0.0615、0.0527和0.0543，两者起着主要的消极作用；NDVI荷载的绝对值分别为0.0413、0.0247和0.0306，起着较大的积极作用；WET的荷载值较小，作用不够明显。上述结果说明影响轮台县生态环境质量的因素主要为干度和热度，这与10 期酒江涛等：干旱区生态环境质量的地形梯度效应以轮台县为例107轮台县干燥、高温的环境相符。表2 20142023年轮台县遥感生态指数的变化年份指标均值标准差PC1荷载值2014NDVI0.34120.20310.0413WET0.13020.08640.0147NDSI0.53340.3172-0.0615LST0.52920.3285-0.0610RSEI0.70270.1055/2018NDVI0.24500.15720.0247WET0.09450.06850.0071NDSI0.53490.3222-0.0527LST0.63010.3826-0.0519RSEI0.68170.1186/2023NDVI0.28410.17490.0306WET0.11420.09050.0100NDSI0.56850.3391-0.0543LST0.42430.3348-0.0601RSEI0.72410.1300/参考酒江涛等22的研究，按照相等间隔法对遥感生态指数RSEI进行重分类。由于本研究区的生态环境质量等级以差（RSEI值为00.2）、较差（0.20.4）为主，故在研究生态环境质量等级变化时将较高等级的35级合并为中等（0.41.0）。轮台县生态环境质量等级的变化如图5和表3所示。从图4可以看出：在20142018年，轮台县县城等建设用地的RSEI等级由较差转为差，山区部分土地的RSEI等级由中等转为较差；20182023年，南部大面积区域的RSEI等级由差转为较差，北部山区的RSEI等级也大面积升高，由较差转为中等，但县域范围内的RSEI等级总体上仍为差或较差。从表3可知：轮台县2014和2018年的RSEI等级均以差为主，面积分别占79.88%和83.69%；2023年的RSEI等级以较差为主，面积占62.48%；20142023年，中等以上区域面积占比较小，都不足10%，说明轮台县的生态环境质量较差。20142018年轮台县RSEI的等级略有变化，其中较差和中等以上区域面积略有下降，而差等级区域面积增加了3.81%；20182023年RSEI等级的变化较为明显，其中差等级区域面积减少了55.31%，较差等级区域面积增加了47.03%，中等以上区域面积增加了8.28%，生态环境质量整体略有好转。a.2014年b.2018年c.2023年00.20.20.40.41.0图4 20142023年轮台县遥感生态指数等级的空间分布 表3 20142023年轮台县遥感生态指数等级的变化%RSEI值等级各级面积比例相邻年份面积变化率2014年2018年2023年20142018年20182023年00.2差79.8883.6928.383.81-55.310.20.4较差18.9115.4562.48-3.4647.030.41.0中等1.210.869.14-0.358.283.2 生态环境质量的地形梯度效应为了分析不同等级遥感生态指数在地形梯度上的分布特征，构建了不同地形梯度上遥感生态指数的分布指数图。从图5可以看出：差等（00.2）和中等（0.41.0）遥感生态指数的分布指数在3个研究时期的变化幅度和变化趋势基本相似。其中差等遥感生态指数的优势分布区间主要集中在1级地形梯度上，而极少分布在2级地形梯度上，江 西 农 业 学 报35 卷108之后随着地形梯度等级的升高，分布指数逐步减小，这表明遥感生态指数差等级区域主要分布在海拔较低、坡度较缓的区域，这与轮台县大面积沙漠、戈壁的环境吻合。较差等级（0.20.4）遥感生态指数的分布指数曲线有一定的波动，2014年的优势分布区间主要集中在1、4级地形梯度上，2018年的优势分布区间主要集中在4级地形梯度上，2023年的优势分布区间主要集中在1级地形梯度上，此结果与图4相符。中等遥感生态指数在3个时期的优势分布区间主要集中在4级地形梯度上，说明生态环境质量较好的区域多分布于山区等海拔较高的区域。总体来说，轮台县海拔较低、坡度较缓的区域多为沙漠、戈壁，因此，其差、较差等级遥感生态指数区域多分布于低等级地形梯度上，中等遥感生态指数区域多分布于较高等级地形梯度上。分布指数分布指数分布指数RSEI=00.2RSEI=0.20.4RSEI=0.41.02014年2018年2023年2014年2018年2023年2014年2018年2023年图5 不同地形梯度上遥感生态指数的分布指数3.3 遥感生态指数等级的变化图谱利用ArcGIS10.7软件统计得到了20142023年研究区遥感生态指数等级的变化图谱面积，如表4所示。在研究期间，遥感生态指数等级的变化图谱以后期变化型为主，占研究区面积的57.30%；其次是稳定型，占研究区面积的35.25%；其余3种变化类型的面积占比均低于5%。在后期变化型图谱中，以“差差较差”和“较差较差中等”为主要图谱类型，其中前者的面积占后期变化型图谱总面积的87.20%，说明研究区的遥感生态指数等级主要在差和较差之间变化。稳定型图谱的主要类型为“差差差”和“较差较差较差”，分别占稳定型图谱总面积的80.31%和18.94%，表明在20142023年期间生态环境质量差和较差等级的区域面积保持相对稳定。另外，在前期变化型、反复变化型和持续变化型中，遥感生态指数等级也主要在差、较差和中等之间转换，而良好和优秀等级遥感生态指数区域的面积占比均很小。为了分析各遥感生态指数等级变化图谱在不同地形梯度上的分布特征，构建了不同地形梯度上遥感生态指数变化图谱的分布指数（图6）。整体来说，5种遥感生态指数等级变化图谱的分布指数随着地形梯度的上升均呈减小趋势，在4级地形梯度上略有增加后又减小至最小值，其中稳定型、前期变化型和后期变化型的优势区间均在1级地形梯度上，反复变化型的优势区间在1级和4级地形梯度上，持续变化型的优势区间在4级地形梯度上，说明1级地形梯度上的遥感生态指数的变化更为集中，这与轮台县大面积平坦、低海拔的沙漠戈壁地理环境有关。表4 遥感生态指数等级变化图谱面积的统计结果变化图谱面积比例/%主要图谱类型面积比例/%稳定型35.25差差差80.31较差较差较差18.94前期变化型2.34差较差较差71.41较差中等中等27.13后期变化型57.30差差较差87.20较差较差中等11.70反复变化型4.63较差差较差83.48中等较差中等15.79持续变化型0.48较差差中等40.51较差中等差31.76分布指数图6 不同地形梯度上遥感生态指数变化图谱的分布指数10 期酒江涛等：干旱区生态环境质量的地形梯度效应以轮台县为例1094 结论与建议4.1 结论地形梯度显著影响轮台县的生态环境质量，不同地形梯度上生态环境质量存在明显差异；高海拔地区的生态环境质量较好，随着海拔的升高，生态环境质量逐渐提升，在4级地形梯度上生态环境质量达到最好；低海拔地区的生态环境质量较差，随着海拔的降低，生态环境质量逐渐下降；干度和热度是轮台县生态环境质量的主要影响因素，而湿度和绿度对生态环境质量的影响较小；在20142023年期间，轮台县的整体生态环境质量水平呈现先降后升的趋势，差和较差等级环境质量的区域面积占比很大；遥感生态指数等级的变化图谱以稳定型和后期变化型为主。4.2 讨论地形梯度对生态环境质量的多个方面有着重要影响，包括土壤质量、植被类型和水资源状况等，应通过对各方面的综合研究深入了解地形梯度与生态环境质量之间的关系。随着经济、社会发展和生态环境保护的推进，轮台县生态环境质量的改善值得关注，应紧密结合“两山论”思想，加强生态修复和植被恢复工作，尤其是要在较低海拔地区进行适度的生态治理，以减少人类活动对生态环境的不良影响。轮台县作为天山南麓的重要地区，应充分发挥其生态优势，推动生态旅游和生态农业的发展，实现经济效益和生态效益的双赢。遥感技术在生态环境评价中具有重要作用，今后可以结合更多的遥感数据和方法，进一步提高生态环境质量评估的精度和可靠性；另外，应定期更新遥感数据，以获取更及时的生态环境信息。参考文献：1 李光哲,王浩,曹银璇,等.长株潭城市群生态环境质量时空演变及影响因素分析J/OL.自然资源学报遥感,2023:1-11.(2023-04-25)2023-07-11.https:/ EhnesRB.Land-usechangeaffectssizespectra,energyfluxandecosystemfunctionsinlitterandsoilinvertebratesJ.JournalofAnimalEcology,2019,88(12):1828-1831.3 臧玉珠,刘彦随,杨园园.山区县域土地利用格局变化及其地形梯度效应:以井冈山市为例 J.自然资源学报,2019,34(7):1391-1404.4 路昌,雷国平,周浩,等.挠力河流域土地利用变化及地形梯度效应分析 J.中国土地科学,2017,31(8):53-60,97.5 张丽,王平,段霄,等.大山包地区土地利用的地形梯度效应与空间结构特征 J.水土保持通报,2022,42(2):315-321,388.6 ZhangZM,ZindaJA,YangZJ,etal.Effectsoftopographicattributesonlandscapepatternmetricsbasedonredundancyordinationgradientanalysis J.LandscapeandEcologicalEngineering,2018,14(1):67-77.7 钟德燕,常庆瑞,宋丰骥.黄土丘陵沟壑区土地利用空间分布与地形因子关系研究 J.干旱区资源与环境,2012,26(6):102-107.8 郝庆,单菁菁,邓玲.面向国土空间规划的人居环境自然适宜性评价 J.中国土地科学,2020,34(5):86-93.9 文诗雅,朱大明,付志涛,等.基于遥感生态指数的城市生态环境质量评价:以贵阳市为例 J.国土与自然资源研究,2023(2):51-54.10 MaJ,LiCX,WeiH,etal.Dynamicevaluationofecolo-gicalvulnerabilityintheThreeGorgesReservoirregioninChongqingmunicipality,China J.ActaEcologicaSinica,2015,35(21):7117-7129.11 NanY,JiZ,FengHD,etal.Oneco-securityevaluationintheTumenRiverregionbasedonRS&GIS J.ActaEcologicaSinica,2013,33(15):4790-4798.12 JosephM,WangFH,WangL.GIS-basedassessmentofurbanenvironmentalqualityinPort-au-Prince,Haiti J.HabitatInternational,2014,41:33-40.13 张宪宇,郄晗彤,杨文杰.基于模糊综合评价法的北京永定河水源地生态脆弱性评价 J.环境保护科学,2021,47(3):159-163.14 李文慧,许剑辉,孙彩歌.基于灰色关联度的深圳市生态环境与城市扩展时空演化研究 J.生态环境学报,2021,30(4):880-888.15 田艳芳,周虹宏.上海市城市生态环境质量综合评价J.生态经济,2021,37(6):185-192.16 徐涵秋.城市遥感生态指数的创建及其应用 J.生态学报,2013,33(24):7853-7862.17 吴可人,高祺,王让会,等.基于RSEI模型的石家庄生态环境质量评价 J.地球物理学进展,2021,36(3):968-976.18 王东升,王小磊,雷泽勇.基于遥感生态指数的阜新市生态质量评估 J.生态科学,2020,39(3):88-94.19 BooriMS,ChoudharyK,ParingerR,etal.SpatiotemporalecologicalvulnerabilityanalysiswithstatisticalcorrelationbasedonsatelliteremotesensinginSamara,Russia J.JournalofEnvironmentalManagement,2021,285:112138.20 农兰萍,王金亮.基于RSEI模型的昆明市生态环境质量动态监测 J.生态学杂志,2020,39(6):2042-2050.江 西 农 业 学 报35 卷11021 陈杭,顾哲衍,伊鑫,等.基于地形信息的遥感生态指数在水土保持区域评估中的应用 J.中国水土保持,2023(5):44-49,7.22 酒江涛,董婵婵,母俊景,等.新疆那拉提山地草原风景区生态环境质量评价 J.中国城市林业,2022,20(1):7-14.23 杨延成,阿里木江卡斯木,祖拜旦阿克木,等.干旱区绿洲灌溉条件下生态服务价值研究:以新疆轮台县为例 J.冰川冻土,2019,41(4):1005-1014.24 王世伟,潘存德.干旱区绿洲灌溉条件下不同树龄轮台白杏根系的空间分布 J.应用生态学报,2012,23(9):2353-2360.25 左其亭.博斯腾湖向塔里木河生态输水效果及风险J.地理科学,2006,26(5):5564-5568.26 HuXS,XuHQ.Anewremotesensingindexbasedonthepressure-state-responseframeworktoassessregionalecologicalchange J.EnvironmentalScienceandPollutionResearchInt,2019,26(6):5381-5393.27 刘盼,任春颖,王宗明,等.南瓮河自然保护区生态环境质量遥感评价 J.应用生态学报,2018,29(10):3347-3356.28 王士远,张学霞,朱彤,等.长白山自然保护区生态环境质量的遥感评价 J.地理科学进展,2016,35(10):1269-1278.29 王志超,何新华.基于植被覆盖度和遥感生态指数的成都市锦江区生态质量评估 J.生态与农村环境学报,2021,37(4):492-500.30 ValorE,CasellesV.MappinglandsurfaceemissivityfromNDVI:ApplicationtoEuropean,African,andSouthAmericanareas J.RemoteSensingofEnvironment,1996,57(3):167-184.31 YuXL,GuoXL,WuZC.LandsurfacetemperatureretrievalfromLandsat8TIRS:Comparisonbetweenradiativetransferequation-basedmethod,splitwindowalgorithmandsinglechannelmethod J.RemoteSensing,2014,6(10):9829-9852.32 覃志豪,李文娟,徐斌,等.陆地卫星TM6波段范围内地表比辐射率的估计 J.国土资源遥感,2004(3):28-32.33 徐涵秋.区域生态环境变化的遥感评价指数 J.中国环境科学,2013,33(5):889-897.34 龚熊波,杨波,刘雨先,等.湘西州山区土地利用类型的地形梯度效应与景观格局分析 J.生态科学,2020,39(4):137-144.35 张莹,叶宝鉴,朱志鹏,等.福建省土地利用格局的地形梯度效应分析 J.中国农学通报,2022,38(11):96-105.（责任编辑：黄荣华）