基于RSEI的丽水市莲都区生态环境时空变化分析.pdf

第42 卷第4期2023年8 月生态环境四川环境SICHUANENVIRONMENTVol.42,No.4August 2023D0I:10.14034/ki.schj.2023.04.029基于RSEI的丽水市莲都区生态环境时空变化分析何柠杉，胡桂萍，姜燕敏，白云霞，尚宇（1.丽水市气象局，浙江丽水32 30 0 0；2.北京雪迪龙科技股份有限公司，北京10 2 2 0 6）摘要：近年来生态文明建设日益重要，生态环境与当地人们的生产生活息息相关。为研究生态环境的时空变化，本文以丽水市莲都区为例，基于遥感生态指数（RSEI），选取2 0 0 2 年、2 0 0 8 年、2 0 14年和2 0 19年丽水市莲都区的遥感影像资料，用主成分分析法集成植被指数、湿度分量、建筑裸土指数、地表温度4个评价指标，研究莲都区2 0 0 2 2019年间的生态环境时空变化。结果表明：（1）2 0 0 2 年、2 0 0 8 年、2 0 14年和2 0 19年RSEI均值分别为0.52 5413、0.526692、0.6 44938.0.6 32 419，总体是上升的趋势；（2）将RSEI分级进一步分析，发现2 0 0 8 2 0 14年莲都区生态环境质量改善良好，进步巨大；(3)2 0 0 2 2 0 19年生态环境差区主要集中在城市建成区以及乡镇的建筑、裸土区域，南城生态环境差区的范围扩张与其城市发展扩张方向趋于一致，除了城区，绝大部分乡镇的生态环境从坏到好的面积是有明显的扩张。运用RSEI可以有效地对生态环境进行时空变化分析，莲都区未来需坚持绿色生态发展之路。关键词：莲都区；遥感生态指数（RSEI）；主成分分析法（PCA）；生态环境时空变化中图分类号：X87Analysis of Temporal and Spatial Changes of Ecological EnvironmentHE Ning-shan,HU Gui-ping,JIANG Yan-min,BAI Yun-xia,SHANG Yu?(1.Lishui Meteorological Bureau,Lishui,Zhejiang 323000,China;2.Beijing SDL Technology Co.,Ltd,Beijing 102206,China)Abstract:In recent years,the construction of ecological civilization has become increasingly important,and the ecologicalenvironment is closely related to the production and life of local people.In order to study the temporal and spatial changes of theecological environment,this paper took Liandu District of Lishui City as an example.Based on the Remote Sensing EcologicalIndex(RSEI),the remote sensing image data of Liandu District of Lishui City in 2002,2008,2014 and 2019 were selected forpreprocessing in ENVI5.1.The principal component analysis(PCA)was utilized to compress the four important ecologicalindicators,which are the normalized difference vegetation index(NDVI),normalized dfference built-up and soil index(NDBSI),wetness component of the tasseled cap transformation(Wet),and land surface temperature(LST)to study the temporal andspatial changes of the ecological environment in Liandu District from 2002 to 2019.The results showed that:(1)From 2002 to2019,the mean values of RSEI were 0.525413,0.526692,0.644938,and 0.632419,respectively,indicating an overallupward trend.(2)After further analysis of RSEI classification,it is found that the ecological environment quality of LianduDistrict has improved well and made great progress from 2008 to 2014.(3)From 2002 to 2019,the areas with poor ecologicalenvironment were mainly concentrated in urban built-up areas,buildings and bare soil areas in townships.The scope expansion ofthe poor ecological environment in Lishui Economic and Technological Development Zone tends to be consistent with theexpansiondirection of its urban development.Except for urban areas,the ecological environment of most townships has expandedsignificantly from bad to good.Using RSEI can effectively analyze the temporal and spatial changes of the ecological environment.Liandu District needs to adhere to the path of green ecological development in the future.Keywords:Liandu district;remote sensing ecological index(RSEI);principal component analysis(PCA);temporal and收稿日期：2 0 2 2-0 6-13基金项目：浙江省丽水市气象局2 0 2 0 年丽水气象科技计划项目（2 0 2 0 0 8 QN）。作者简介：何柠杉（1997），女，河南禹州人，,2 0 19年毕业于南京信息工程大学应用气象学专业，本科，助理工程师，研究方向为生态环境、应用气象。文献标识码：Ain Liandu District,Lishui City based on RSEIspatial changes in the ecological environment 文章编号：10 0 1-36 44(2 0 2 3)0 4-0 2 11-10212引言现代社会的高速发展，使人类活动与生态环境之间的矛盾不断突出，比如气候的不规律变化，由全球气候变暖引发的一系列事件会严重影响人们的生产生活，2 0 2 2 年我国南方地区所经历的大范围持久高温天气是19 6 1年以来我国最强的高温热浪，其范围、持续时间和强度都是有气象记录以来最强的。面对生态环境的不断变化，生态文明建设的重要性日益突出，因此如何客观、有效地对生态环境变化进行监测和分析非常关键。不少学者认为 1 6 遥感技术在环境保护和监测、生态环境评价、景观格局分析、数字城市、土地、海洋等领域都有非常深入的研究和应用，作为一种高新科技手段来获取想要的地球信息。本文选取的遥感生态指数（Re-mote Sensing Based Ecological Index，RSEI）是徐涵秋提出的新型遥感生态指数 2 ，该指数通过主成分分析法集成代表自然因子的评价指标，对RSEI进行分析来监测和评价城市的生态状况。国内近些年来已经有不少学者利用遥感生态指数去监测和分析研究区的生态环境质量变化或基于遥感生态指数构建生态脆弱性评价指标体系：郭泽呈等 6 基于空间主成分分析法和遥感生态指数采用遥感模型计算四大指标，构建了生态脆弱性评价指标体系；单薇等 7 基于多源遥感数据，选取典型土地整治项目，运用主成分分析法构建RSEI模型，反演得到四大指标以及RSEI指数，从而实现对项目区整治过程中生态环境质量变化的检测与分析；王丽春等 8 用RSEI对玛纳斯湖湿地的生态环境进行监测评价；吴志杰等 9 以福建省永定矿区为研究区，利用遥感生态指数，基于Landsat7和Landsat8影像数据分析永定矿区2 0 0 2 2 0 14年的生态状况、时空变化特征及其驱动因素；王士远等 10 利用RSEI对研究区域长白山自然保护区的生态环境进行评价，发现在研究区域内的生态环境质量整体上不断改善。以上各位学者的研究可体现出利用遥感生态指数进行生态环境质量评价的应用较为成熟，本文通过运用遥感影像处理技术，可以较易获取各评价指标，另外用主成分分析法进行权重设置，可以避免因人为的因素而造成权重不均，并且还可以通过制作专题图可直观了解评价结果和动态变化。过去并没有针对丽水市莲都区长时间跨度的生态环境客观分析，本文选择RSEI对莲都区2 0 0 2 2 0 19年的生态环境时空变化进行分析，以期对其未来的生态环境发展提供科学的建议。四川环境1材料与方法1.1研究区概况莲都区是浙江省丽水市辖区，位于瓯江中游，区境介于北纬2 8 0 6 2 8 44和东经11932 12008之间。莲都区地处环山之中，形如莲瓣，地形以丘陵山地为主，总面积150 2 km，在气候上莲都区属于中亚热带季风气候类型，并且具有明显的山地气候特征。近年来丽水市莲都区一直坚持走“绿水青山就是金山银山”的生态发展道路。2 0 0 8 年丽水发布的丽水市生态文明建设纲要（2 0 0 8 一2 0 2 0），提出了生态文明建设的宏观背景、重要意义和现实基础，为更好地研究莲都区的生态环境变化情况，选取2 0 0 2 年、2 0 0 8 年、2 0 14年和2 0 19 年莲都区的遥感影像资料，应用遥感技术进行定量分析。1.2数据来源及预处理本文数据源是Landsat卫星遥感数据，在地理空间数据云（http：/w w w.g s c l o u d.c n）官网下载。数据具体为2 0 0 2 年11月10 日、2 0 0 8 年11月2 6日的Landsat5TM影像数据及2 0 14年10 月2 6 日、2019年11月9 日的Landsat8OLI_TIRS影像数据，选取的影像数据在季节上比较相近，并且时间相隔均在56 年，具有较好的代表性。为处理图像数据中由太阳高度、大气质量等引起的畸变，需要对遥感数据进行预处理 1，主要包括辐射定标、大气校正、图像配准等操作。在2008年和2 0 19 年的遥感影像中，云覆盖量小于5%，为了获取云下的信息，使用同年份较为合适的遥感影像（主要考虑是无云系影响），将云区设为感兴趣区然后进行裁剪镶嵌处理 12 ，使得云层下的地物得以较好的显现。1.3研究方法本文采用徐涵秋 2 提出的遥感生态指数（RSEI）是基于遥感技术建立的，该指数耦合了绿度指标、湿度指标、干度指标和热度指标，这四个指标代表了自然环境中的绿度（G）、湿度（W）、干度（D）、热度（T）。拟建的遥感生态指数可以用这4个指标函数表示，即：RSEI=f(G,W,D,T)1.3.1指标计算（1）绿度指标：用归一化植被指数NDVI代表绿度指标 13，其计算方法为：42卷(1)4期NDVI=（p n i r-Pr e d）/（p n i r-Pr e d)式中：p；代表相应波段的光谱反射率。（2）湿度指标：将湿度分量Wet作为湿度指标 14 16 ，具体表达式为：TM数据：Wet=0.0315plue+0.2021pgren+0.3102pred+0.1594pnir-0.6706p mirl-0.6109pmi2(3)OLI数据：Wet=0.1511pblue+0.1973p gren+0.3283pred+0.3407p ir-0.7117pmi-0.4559p min2(4)(3）干度指标：干度指标由裸土指数（SI）和建筑指数（IBI）合成 2】，即用建筑裸土指数（ND BSI）表示，计算方法如下：NDBSI=(IBI+SI)/2IBI=1（2 p mi r）（p mi r +p n i r）p n i r/（p n i r+pred）+Pg r e o/（p g r e o n +p mi r)/（2 p mi r）/(pmir+pnir)）+p a i r/（p a i r+Pr a）+Pg r e n/（p g r e n+Pmir)/-1(6)SI=（p mi r +p r d）-（p n i r +p u l u e)（p mi r+Preda)+(pair+pulue)-1(7)(4)热度指标：热度指标用地表温度（LST）表示，采用大气校正法进行反演 17 。热红外辐射亮度值的计算如下 18 L=sB(T.）+(1-8)L,+L(8)8为地表比辐射率；T，为地表真实温度（单位：K)；B（T.）为黑体热辐射亮度；LI为大气向上辐射亮度；T为大气在热红外波段的透过率；L,大气向下辐射到达地面后反射的能量；转换得B（T,）的计算方法:B(T)=Lx-LI-T(1-8)L,/T 8其中T。可以用普朗克公式的函数获取：KT,=K,/ln+1B(T,)Ki、K,可从数据头文件获取。在NASA官网（h t t p：/a t m c o r r.g s f c.n a s a.g o v/）可获得大气剖面参数。计算地表比辐射率时，先用Sobrino等 19 提出的NDVI阈值法计算植被覆盖度：Py=（ND VI-ND VIs o i t）/（ND VIe g -ND VIs o i l)(11)NDVIsoil代表裸土或无植被区域的NDVI值，NDVIveg代表全被植被覆盖的NDVI值，分别取经验值 0.0 5 和 0.7 2 0 何柠杉等：基于RSEI的丽水市莲都区生态环境时空变化分析(10)213(2)将地表分为城镇区、自然表面和水体 2 1，水体的比辐射率暂不用计算，因为本研究只针对陆地生态系统，水体部分将会在后期进行掩膜处理，自然表面和城镇区比辐射率计算如下：8 sure=0.9625+0.614P,-0.0461 P,8buildig=0.9589+0.086P,-0.0671 P,1.3.2水体掩膜遥感生态指数RSEI是针对陆地生态系统，因此需要对研究区域的水体进行掩膜处理，采用MNDWI 指数进行水陆分离提取水体 2 2 。MNDWI指数的计算公式为：MNDWI=(Pren-Pasin/(pgren+psuirl)）(14)根据计算公式可以得到增强水体后的图像，制(5)作水体掩膜区，对四个指标进行水体掩膜处理。1.3.3归一化处理由于绿度、湿度、热度、干度4个指标单位的不同，为了避免指标之间量纲不同，造成权重失衡，以及遥感图像因季节的不同造成较大差异，在进行主成分分析需要归一化处理，计算方法如下：NI,=（l,-Im i n）/（Im a x-Im i n)(15)式中，NI、Ii、Im a x 和Imin分别代表：归一化后的数值、指标原始值、各项指标的最大和最小值。1.3.4主成分分析法的原理及应用主成分分析法属于多元统计方法，通过以原自变量的若干线性组合代替原自变量，并确保这些线性组合构成的新自变量（称为主成分）彼此互不相关，从而在不损失或少损失信息的前提下消除多重共线性，并且达到降维目的。在遥感图像处理中主成分分析的目的就是将原来具有相关性的多波段数据通过线性变换的方式重新组合成一组互相无关(9)的综合变量，可依次被称为第一主成分、第二主成分等等，一般第一主成分的方差在7 5%以上就可认为第一主成分包含了大部分信息。ENVI5.1中有自带的工具可以进行主成分分析，主成分分析之后，需要观察第一主成分中绿度指标、湿度指标的特征向量的正负符号。当以上两个指标对应着负的特征向量，需要对用1减去第一主成分，这样才能得到初始的遥感生态指数RSEIo；若以上两个指标对应着正的特征向量，可直接将第一主成分直接作为初始的遥感生态指数RSEIo。以上处理是因为一般情况下植被指数和湿度指数对生态环境起正向作用，而建筑指数和地表温度起反向作用，经过以上处理后，RSEI。数值越(12)(13)214大，即代表的生态环境质量越好。为了对比不同年份的遥感生态指数，有必要对RSEI。进行归一化处理，计算公式如下：RSEI=（RSEI-RSEl o mi n）（RSEl o meRSEIomin)式中：即为所求的遥感生态指数，范围在O，1，RSEI值大小与区域的生态环境质量好坏成正比。2结果与分析年份2002特征值主成分特征值贡献率（%）10.109220.019330.009540.0022四川环境2.1主成分分析结果利用ENVI5.1的主成分分析工具得到了表1和表2 的主成分分析结果，可以发现2 0 0 2 2 0 19年第一主成分的特征值贡献率分别为：7 7.8 8%、(16)78.75%、7 9.54%、7 7.31%，基本都在7 5%以上，可说明第一主成分集成了四个指标的大部分性质，可以用合成的第一主成分来代替四个指标。这种通过指标对主成分分量的贡献率大小客观自动选取，可以在一定程度上避免了人为主观因素造成选取指标集成的差异，从而影响分析结果。表1各指标主成分分析结果Tab.1Result of principal components analysis2008特征值特征值贡献率（%）77.880.108713.750.01876.790.00811.580.002542卷20142019特征值特征值特征值特征值贡献率（%）78.750.100613.580.01835.830.00651.840.0011贡献率（%）79.540.114.450.02025.120.00790.890.001377.3115.586.071.04表2 各指标主成分分析Tab.2Principal components analysis of four factors年份主成分2002PC1PC2PC3PC42008PC1PC2PC3PC42014PC1PC2PC3PC42019PC1PC2PC3PC4NDVI0.1251170.0611420.4806080.8658080.040320.110983-0.62447-0.772080.20056-0.159710.6128510.747451-0.18916-0.163420.606480.75478Wet0.6311290.2190470.690730.2767490.630730.2586750.601549-0.416420.5616950.465737-0.5530.402213-0.580080.4131690.573475-0.40488NDBSI0.551670.52474-0.510210.3999950.5493250.506090.4637350.476510.656320.239390.486960.5242260.6704450.233290.4870080.50883LST0.530740.8203210.177750.1174360.5466210.8152570.182018-0.058580.462090.8368260.2854330.0687580.4221740.8649640.25717-0.086442.2莲都区RSEI时间变化分析通过对2 0 0 2 年、2 0 0 8 年、2 0 14年和2 0 19 年四期的Landsat影像数据处理，计算得到了绿度指标、湿度指标、干度指标和热度指标，表3为四大4期指标归一化后的均值。利用主成分变换得到了遥感生态指数RSEI，表4为各期RSEI的最小值、最大值、均值和标准差，RSEI是经过归一化处理的，各期RSEI的最大值和最小值均为1和0，2 0 0 2 年、2008年、2 0 14年和2 0 19年RSEI的均值分别为0.525413、0.52 6 6 92、0.6 44938、0.6 32 419。研究期间，RSEI均值的变化总体是上升的趋势，2 0 0 2年到2 0 0 8 年RSEI均值略有上升，2 0 0 8 年到2 0 14年RSEI均值上升了2 2.45%，这期间RSEI均值上升的幅度最为明显，而2 0 19 年相对2 0 14年RSEI均值略有下降，分析其主要原因如下：从表2 得知热度指数LST在第一主成分中的荷载值绝对值均在0.40.6 之间，说明在LST对初始的RSEI贡献率是比较可观的，从表3得知2 0 142 0 19 年ND-VI、W e t、ND BSI的变化幅度并不大，这三个指数变化幅度分别为-3.1%、-0.3%、1.6%，而LST的变化幅度为19.91%，说明在2 0 14 2 0 19年指数NDVIWetNDBSILST何柠杉等：基于RSEI的丽水市莲都区生态环境时空变化分析2014年RSEI均值下降。表3各期指标均值Tab.3 The average of four factors in each period2002年0.8218020.6199560.5252560.527051215RSEI 变化的主要影响因素是 LST。有学者认为 2 3 ,气温和地温存在着较好的相关性，为验证LST在20142019年变化的可靠性，查询位于莲都区的丽水国家气象观测站的气象数据，选取2 0 14年和2019年的10 12 月份的月平均气温进行查询（选取此期间数据的原因是考虑到2 0 14年和2 0 19 年所选取的遥感影像资料基本都是在秋冬季节），计算得到2 0 14年和2 0 19年的10 12 月份的月平均气温（单位：）分别为14.9、16，即2 0 14年到2019年10 12 月份的月平均气温上升幅度为7.4%。另外，据莲都年鉴（2 0 2 0）统计，2 0 19年莲都区年平均气温19.3，居历年第3高，并且各季节的平均气温均偏高 2 4。综合以上分析，考虑在全球气候变暖的背景下2 0 19年莲都区气温偏高，这期间LST上升明显，从而使2 0 19年相对2008年2014年0.7807140.8527550.6206670.7258940.5412860.4275720.4898920.3903472019年0.8263560.7235120.4344190.468069表4各期遥感生态指数数据Tab.4RSEI index data of each periodRSEI2002200820142019最小值0000最大值1111均值0.5254130.5266920.6449380.632419标准差0.2191130.2175100.2167280.2197122.3莲都区RSEI空间变化分析为进一步对RSEI指数进行可视化分析，按照该指数创始人徐涵秋的方法 2 将遥感生态指数以级别指数0.2为间隔划分五个等级，如表5，根据此方法，将莲都区四个时期的RSEI进行划分，得到图1，即莲都区2 0 0 2 2 0 19年RSEI分布图。表5生态环境状况分级表Tab.5 The ecological environment grading table差0RSEI0.2较差0.2 RSEI0.4中等0.4 RSEI0.6良0.6RSEI0.8优0.8 良（2 8.43%）较差（2 1.0 9%）优（10.8 2%）差(8.18%);2008年，一般（32.6 5%）良（2 6.97%）较差（2 1.57%）优（11.35%）差(7.46%);2014年，良（40.45%）优（2 6.0 5%）一般（18.13%）较差（10.6 3%）差(4.74%);2019年，良（38.32%）优（2 4.6 1%）一般（2 0.34%）较差（11.9%）差(4.83%)。（2）莲都区不同生态环境状况等级的变化情况：2 0 0 2 2 0 19年莲都区生态环境状况等级为差（1级）和较差（2 级）所占的面积大体上是减少的趋势，特别是2 0 0 8 2 0 14年间，生态环境状况等级为差的面积减小了36.46%，生态环境状况等级为较差的面积减小了50.7 2%，但2 0 142 0 19年有小幅增加；生态环境状况等级一般（3级）所占的面积同样总体上是大体减少的趋势，主要是20082 0 14年间，生态环境状况等级为一般的面积减小了44.47%，2 0 142 0 19年有小幅增加，期间生态环境状况等级为一般的面积增加了12.19%；莲都区生态环境状况等级为良（4级）和优（5级）所占的面积总体上是增加的趋势，特别是2 0 0 8 2 0 14年生态环境状况等级为优的面积增加了12 9.52%，生态环境状况等级为良的面积增加了49.98%，但2 0 142 0 19年有小幅减少。3 结 论本文根据遥感生态指数法对丽水市莲都区的生态环境时空变化进行分析，研究表明：（1）莲都区在2 0 0 2 年、2 0 0 8 年、2 0 14年和2019年RSEI的均值分别为0.52 5413、0.52 6 6 9 2、0.644938、0.6 32 419，RSEI 均值的变化总体是上升的趋势。其中2 0 0 2 年到2 0 0 8 年RSEI均值变化不大，略有上升，2 0 0 8 年到2 0 14年RSEI均值上升的幅度最为明显，2 0 19 年相对2 0 14年RSEI均值略有下降。（2）2 0 0 8 2 0 14年RSEI均值上升的幅度明显，将RSEI分级进一步分析，发现期间莲都区生态环境质量改善良好，进步巨大，这和当地提出并实施的种种保护生态的举措有密切的关系。2 0 0 8年丽水发布的建设纲要大力推进生态公益林建设；党的十八大以来进一步提出“绿色崛起、科学跨越”战略总要求。以上种种举措对当地生态环境220的保护提供了现实的指导和有力的保障。（3）分析2 0 142 0 19年RSEI均值有所下降的原因：在全球气候变暖的背景下2 0 19 年是浙江有气象记录以来的最暖冬季，并且莲都区气温异常偏高，这期间热度指数上升非常明显，对遥感生态指数产生了一定影响。以上分析表明气候变暖可以直接影响生态环境的质量，并往往呈现出负面效应，特别是2 0 2 2 年受全球气候变暖影响，我国南方地区出现了极端高温热浪事件，这极大地影响到人们的生产生活，因此人们呕需关注生态环境变化并采取措施来维护生态平衡。（4）从空间上看，2 0 0 2 2 0 19年生态环境差区主要集中在城市建成区以及乡镇的建筑、裸土区域，南城生态环境差区的范围扩张与其城市发展扩张方向趋于一致，除了城区，绝大部分乡镇的生态环境从坏到好的面积是有明显的扩张，其中2 0 0 82014年扩张的最为明显。（5）以上研究说明利用RSEI可以有效地对生态环境进行时空变化分析，并能够客观、准确地发现影响生态环境变化的主要因素。莲都区未来的发展中依然需要坚持绿色生态发展之路：在城市规划的进程中需融人更多生态理念，在乡镇地区需重视保持森林和植被覆盖率，大力推进生态公益林建设，最后需加强宣传工作，提高公民生态文明意识，推行自然、环保的生活理念。参考文献：1闫琰.遥感技术在矿山区域环境治理中的应用研究以顾桥矿区为例 D.淮南：安徽理工大学,2 0 12：1-3.2行徐涵秋.城市遥感生态指数的创建及其应用J.生态学报，2013,33(24):7853-7862.3李廷山，唐渭，李明奇，等.遥感技术在开发建设项目环境监测中的典型应用一一以郑徐客运专线穿越开封国家森林公园为例 J.四川环境，2 0 2 0,39（1）：18 0-18 6.4胡榆杰，董鑫，李玉杰.基于遥感与GIS的南充市区景观格局动态分析 J.四川环境，2 0 2 1,40（6）：8 1-8 8.5邓地娟，王静雅，谢强，等.基于RS和GIS的万源市生态保护红线划定方法研究 J.四川环境,2 0 2 2,41（1）：18 9-199.6 享郭泽呈,魏伟,庞素菲，等.基于 SPCA和遥感指数的干旱内陆河流域生态脆弱性时空演变及动因分析以石羊河流域为例 J.生态学报，2 0 19,39（7）：2 558-2 57 2.四川环境【7 单薇,金晓斌，孟宪素，等.基于多源遥感数据的土地整治生态环境质量动态监测J.农业工程学报，2 0 19,35（1）：234-242.8王丽春，焦黎，来风兵，等.基于遥感生态指数的新疆玛纳斯湖湿地生态变化评价J.生态学报，2 0 19,39（8）：2 96 3-2972.9吴志杰，王猛猛，陈绍杰，等.基于遥感生态指数的永定矿区生态变化监测与评价 J.生态科学,2 0 16,35（5）：2 0 0-2 0 7.10 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，2 0 16,35（10）：12 6 9-12 7 8.11朱贞榕.基于遥感生态指数（RSEI)的南昌市生态环境质量评价 D.南昌：东华理工大学，2 0 17：2 3-2 4.12聂单南光，程朋根，熊秋林.基于RSEI指数的深圳市生态环境遥感评价 J.江西科学，2 0 2 0,38（5）：6 7 3-6 7 9.13赵鲁青.雅鲁藏布江中下游区域植被绿期和净初级生产力时空格局及其对气候变化的响应 D.上海：华东师范大学，2011:8-9.14Crist EP.ATM tasseled cap equivalent transformation for reflec-tance factor data J.Remote Sensing of Environment,1985,17(3):301-306.15Huang C,Wylie B,Yang L,et al.Derivation of a tasselled captransformation based on Landsat 7 at-satellite reflectance J.In-ternational Journal of Remote Sensing,2002,23(8):8.16余晓芳.基于遥感生态指数的喀斯特地区生态环境质量变化研究以贵阳市为例 D.贵阳：贵州师范大学,2 0 18:18.17陈兴鹃，温新龙，郭磊.基于Landsat8卫星影像的南昌城市热岛效应研究 J.江西农业学报，2 0 17,2 9（3）：10 3-10 8.18董敬宣，曾强，李根生，等.准南煤田大泉湖火区地表温度反演及时空变化特征 J.中国矿业，2 0 18,2 7（1）：16 0-16 4.19 Sobrino J A,Jim M C,Leonardo P.Land surface temperature re-trieval from LANDSAT TM5 J.Remote Sensing of Environ-ment,2004,90(4):434-440.20邓书斌，陈秋锦，杜会建，等.ENVI遥感图像处理方法M.北京：高等教育出版社，2 0 14：42 3-42 4.21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，2 0 0 4,6 1（3）：2 8-32.22徐涵秋.利用改进的归一化差异水体指数（MNDWI）提取水体信息的研究 J.遥感学报，2 0 0 5,9（5）：58 9-595.23 陈超，周广胜.196 12 0 10 年桂林气温和地温的变化特征J.生态学报，2 0 13,33（7）：52 0 43-2 0 53.24莲都年鉴编纂委员会，莲都年鉴（2 0 2 0）M.北京：方志出版社,2 0 2 0:12 2.25国家级经济技术开发区丽水经济技术开发区.丽水市南城区控制性详细规划EB/OLh t t p：/k f q.l i s h u i.g o v.c n/art/2011/3/7/art_1229215571_1941051.html,2011.03.07.42卷