基于遙感生態指數的永定礦區生態變化監測與評價

吳志杰, 王猛猛, 陳紹杰, 鄒丹

基于遙感生態指數的永定礦區生態變化監測與評價

吳志杰1,2, 王猛猛2, 陳紹杰1, 鄒丹1

1. 龍巖學院資源工程學院, 福建 龍巖 364012
2. 中國科學院遙感與數字地球研究所, 北京 100094

資源過度開采對區域的負環境效應日益顯著, 不斷造成嚴重的資源、環境與災害問題。以福建省永定礦區為研究區, 利用遙感生態指數(Remote sensing ecology index, RSEI), 基于Landsat-7和Landsat-8影像數據分析永定礦區2002—2014年的生態狀況、時空變化特征及其驅動因素。結果表明: 1)RSEI適用于煤礦區的生態環境監測; 2)自2002年到2014年RSEI均值從0.705降至0.699, 雖然RSEI均值降幅不大, 但RSEI變化空間分異明顯, 盆地四周生態質量在提高, 而煤礦區、石灰石礦區、工業園區和村鎮建筑區生態質量在降低; 3)植被覆蓋度與RSEI之間有較好的對應關系, 植被覆蓋變化是影響生態質量變化的關鍵因素。

遙感生態指數; 生態變化; 礦區; 永定

1 引言

資源過度開采對區域的負環境效應日益顯著,不斷造成嚴重的資源、環境與災害問題, 主要表現在土地退化、地表沉陷、土壤污染與理化特性變化、水資源污染與枯竭、植被破壞和粉塵污染等。遙感技術具有大范圍、長時間序列監測的優勢, 被越來越多地應用于礦區生態環境監測[1]。通過礦區生態環境參數的遙感定量反演, 定期定量地對礦區進行生態環境變化監測就顯得越來越重要[2]。目前, 針對煤礦區環境的監測主要側重于大型煤礦區的土地利用變化、地表沉陷、植被破壞、熱環境影響等單一生態要素遙感反演[2–8], 但對規模小而礦點多的小礦井集中區的生態遙感監測還比較缺乏。事實上, 相對于大型礦區, 小礦井集中區的生態環境狀況由于缺乏完善的監管體系, 而對人類生活的影響更為顯著。許多研究采用權重法將各生態因子加權組合形成綜合遙感生態評價指數[9–13]。徐涵秋于2013年提出一種完全基于遙感信息、集成多種生態因子的遙感生態指數(Remote Sensing Ecology Index, RSEI)[14],用于區域生態環境遙感評價, 既可用于水土流失區生態變化遙感監測[15–16], 又可用于城市生態環境遙感綜合評價[17–21]。該指數的優勢在于無需事先人為確定生態因子的權重, 而是利用主成分分析(Principal Component Analysis, PCA)方法, 根據各個生態因子對各主分量的貢獻度自動地確定, 計算結果具很強的客觀性和穩定性。遙感生態指數與《生態環境狀況評價技術規范》的EI指數具有很好的可比性, 可進行像元級別的生態變化評估。

鑒于此, 本文將區域遙感生態指數(RSEI)應用于礦區生態狀況與變化遙感評估, 快速客觀地對閩西永定礦區進行定量生態環境遙感評價, 分析礦區高速發展期內生態狀況的時空變化特點及其原因,為礦區進一步保護好生態環境提供科學的依據。

2 研究區與遙感數據

2.1研究區概況

永定縣隸屬于福建省龍巖市, 全境群山起伏,最高海拔1503 m, 相對落差1400 m, 氣候屬亞熱帶海洋性季風氣候, 年均氣溫20.1 ℃, 年降雨量達1800 mm。礦產資源豐富, 發現礦產種類36種, 無煙煤、石灰石、紅色花崗巖儲量豐富。其中, 煤炭和石灰石開采區全部散布于東北部的6個鄉鎮, 包括高陂鎮、虎崗鄉、培豐鎮、坎市鎮、撫市鎮和龍潭鎮。本文以該縣東北部6個鄉鎮政區范圍為研究區, 稱為永定礦區, 地理坐標為北緯24°45′—25°05′,東經116°43′—117°04′, 土地面積612 km2, 區內煤炭生產礦井規模小而分布點多。截止2013年底有51家煤礦, 均采用地下開采方式, 累計年產量最高達400萬噸; 還有大量石灰石露天采礦區。

2.2遙感數據與預處理

為動態監測礦區生態狀況及其變化, 遙感數據采用Landsat-8和Landsat-7 ETM+多光譜和熱紅外衛星影像數據, 分別為2014年10月17日Landsat-8 OLI和TIRS、2002年10月8日Landsat-7 ETM+。在影像預處理方面, 首先, 以2014年Landsat-8 OLI影像為基準, 采用最鄰近像元重采樣法對2002年Landsat-7 ETM+影像進行配準, 配準精度小于0.5個像元; 其次, 運用IACM大氣校正模型將Landsat7 ETM+的像元DN值轉換成表觀反射率[22]; 對于Landsat8 OLI, 則使用美國USGS提供的輻射定標公式將像元DN值轉換為表觀反射率。

3 研究方法

3.1遙感生態指數

遙感生態指數(RSEI)將綠度分量(NDVI)、濕度分量(Wet)、干度分量(NDSI)和熱度分量(LST) 4個遙感指數波段組合成新的指數影像后, 并進行主成分分析, 然后將其第一主成分歸一化處理, 即可生成RSEI指數[17]。各生態指標的計算方法如下:

(1) 計算對生態起正面作用的綠度分量和濕度分量。采用歸一化差值植被指數(NDVI)來表示綠度分量(也稱為綠度指數), 其模型為:

對于Landsat-7 ETM+影像數據, 采用經纓帽變換的濕度分量(Wet)來代表濕度分量, 其模型為式(2);而對于Landsat-8 OLI影像數據, 其濕度分量(Wet)的模型應為式(3):

式中,iρ表示相應波段的光譜反射率。

(2) 計算對生態起負面作用的干度分量(NDSI)和熱度分量(LST)。干度分量(也稱為干度指數)采用指數型建筑指數(IBI)和裸土指數(SI)的平均值來表示, 其中SI和IBI模型可參考文獻[23]和[24], 不再贅述。熱度分量(也稱為熱度指數)采用地表溫度(LST)來表示。干度指數和熱度指數的模型分別為:

式中, T=k2/ln(k1/L +1), L=gain×DN+bias, LST為地表溫度, ε為地表比輻射率, IBI為指數型建筑指數, SI為裸土指數, 其它定標參數見表1(數據來源于影像的頭文件)。

(3) RSEI的計算過程

將上述4個遙感指數歸一化處理后, 合成由4個指數波段組成的新影像, 再進行主成分分析; 對第一主成分進一步處理生成遙感生態指數(RSEI), 其值越大表示生態質量越好, 反之, 表示生態質量越差。

若使用ER mapper遙感圖像處理軟件進行主成分分析, 對第一主成分(PC1)需按以下表達式生成初始遙感生態指數(RSEI0), 再進行歸一化處理獲得遙感生態指數(RSEI)。式中, RSEI0min為初始生態指數最小值, RSEI0max為初始生態指數最大值。

若使用ENVI遙感圖像處理軟件進行主成分分析, 其第一主成分值越大表示生態質量越好, 其值越小表示生態質量越差, 因此, 直接將第一主成分歸一化處理生成遙感生態指數(RSEI), 其表達式為:

式中, PC1min為第一主成分最小值, PC1max為第一主成分最大值。

實驗證明, 上述兩種軟件處理結果一致。遙感生態指數(RSEI)最大優勢為無需人為事先確定各生態指標的權重, 確保計算結果的客觀性和可靠性。本研究遙感圖像處理采用ENVI5.1軟件。

3.2遙感生態信息提取

本研究區為永定縣東北部6個鄉鎮政區范圍(永定礦區), 圖1a為福建省永定縣域Landsat-8衛星影像, 其北部紅色框所示位置為永定礦區。圖1b和圖1c分別為永定礦區2002年Landsat-7和2014年的Landsat-8衛星影像。根據公式1–5和公式7提取永定礦區2002年和2014年遙感生態指數(RSEI)。采用ENVI軟件Change Detection功能提取生態變化信息。由于植被是研究區最主要的地表覆蓋類型, 對生態保護起到至關重要的作用, 為對比分析植被覆蓋度與生態指數變化的關系, 運用NDVI像元二分模型估算植被覆蓋度方法[25], 獲取2002年和2014年植被覆蓋度信息。

表1 地表溫度(LST)遙感反演參數表Tab. 1 Parameters for land surface temperature retrieval from imagery

4 結果與討論

4.1礦區典型地物生態指標分析

從研究區各生態指數統計表(表2)可以看出, 兩個年份的第一主成分(PC1)和第二主成分(PC2)對RSEI的貢獻率均較大, 合計超過84%。其中, 第一主成分對RSEI的貢獻度, 2002年為62.39%, 2014年為75.92%, 說明第一主成分包含大部分影像信息特征; 同時, 4個生態因子對PC1的貢獻比較穩定, NDVI和Wet指標在PC1的值均為正值, 表明綠度因子和濕度因子對生態起正環境效應, 而NDSI和LST指標在PC1的值均為負值, 表明干度因子和熱度因子對生態起負環境效應。

研究區地表覆蓋類型有植被、城鎮建筑、煤炭和石灰石礦山、裸土地和水體等地物。一般而言, 非礦區地表建筑或裸土反射率較高, 在影像上呈亮色調; 與此相反, 煤礦區地表由于被黑色煤粉塵所覆蓋, 其地表反射率較低, 呈暗色調。因此, 需要考慮遙感生態指數(RSEI)在煤礦區的適用性問題。從圖2可以看出, 植被的綠度指數和濕度指數明顯高于干度指數和熱度指數; 煤礦山、石灰石礦山、城鎮建筑和裸土地等4種地物的生態指標變化曲線基本一致, 其NDVI均值都明顯低于植被的NDVI均值, 而其NDSI均值明顯高于植被的NDSI均值, 類似地,其LST均值明顯高于植被的LST均值; 此外, 這4種地物的RSEI均值都大大低于植被區域的RSEI均值。表明煤礦山、石灰石礦山、城鎮建筑和裸土都對生態起負面作用。因此, 基于水土流失區的構建的遙感生態指數(RSEI)也適用于對煤礦區生態環境監測。

圖1 研究區遙感影像圖Fig. 1 Satellite images of study area in 2002 and 2014

表2 研究區各生態指標統計值Tab. 2 Principal component value of each ecological index in study area

圖2 典型地物生態指數變化曲線圖Fig. 2 Curve of ecological index for typical features

4.2礦區生態狀況分析

從表3可以看出, 永定礦區的RSEI均值從2002年的0.705下降至2014年0.699, 反映出研究區總體生態環境質量有所降低, 但降幅不大; 干度指數(NDSI)和熱度指數(LST)的特征值絕對值之和均大于綠度指數(NDVI)和濕度指數(Wet)特征值之和,表征干度和熱度對生態的破壞作用強于綠度和濕度對生態的改善作用。若從第一主成分的載荷看,對生態起正面效應的綠度和濕度指數中, 綠度指數的貢獻率更大, 表明植被對提高生態質量的作用更大。

表3 永定縣4個生態指標和遙感生態指數統計Tab. 3 Statistics of 4 ecological indicators and RSEI in Yongding

為了更好地考察生態狀況變化, 參照文獻[14]和[15]提供的生態等級劃分方法, 進一步將RSEI值按等間隔分成5個等級, 表示5種生態狀況, 即差(1級: 0—0.2)、較差(2級: 0.2—0.4)、中(3級: 0.4—0.6)、良好(4級: 0.6—0.8)和優(5級: 0.8—1)5個生態等級。制作遙感生態指數分級圖(圖3a—3b), 并求取各等級面積及其所占比例(表4)。

從表4可以發現, 雖然2002年至2014年總體生態指數變化不大, 但區域內部的生態變化差異較明顯。2002年永定礦區總體的生態狀況以良好(4級)為主, 其面積占比超過79%, 中等及以下生態等級和優秀等級面積占比基本相當, 各占10%。2014年總體生態狀況還是以良好(4級)為主, 但其所占面積比例由2002年的79%下降至2014年的56%, 面積減少了145 km2, 占研究區面積的四分之一; 優等級的面積增加一倍, 而較差生態等級的面積卻增加了6倍之多。這是由于優等級增加部分都處于海拔較高的區域, 基本不受人類活動影響, 由原先中等生態等級變成優生態等級, 雖然生態優等級的面積只增加一倍, 但絕對面積卻增加了81 km2; 同時, 由于2002年至2014年間新增的煤礦山、石灰石開發及工業園建設而導致開發區域的生態等級均由好變差, 生態較差等級的面積由2002年的4.31 km2變成2014年的28.19 km2(圖3中用紅色方框或黑色方框圈定部分)。

4.3礦區生態環境動態變化分析

采用ENVI軟件Change Detection功能檢測2002-2014年RSEI的變化信息, 生成生態變化圖(圖3c)。經過變化檢測, 總共發現了7種變化類別, 包括3種生態改善類別(用+1級、+2級、+3級表示)、3種生態退化類別(用–1級、–2級、–3級表示)和生態未變化類別(用0表示)(表5)。并未檢測到生態質量從最優下降到最差等級, 也未檢測到生態質量從最差等級直接改善到優等級。

圖3 2002、2014年永定礦區生態遙感指數及生態變化(黑色框標識為煤礦區, 紅色框標識為石灰石礦區)Fig. 3 RSEI and its variation in Yongding mine from 2002 and 2014 (The black box is marked as the coal mine, and the red frame is marked as the limestone mine.)

表4 永定礦區各生態級別面積和比例Tab. 4 Area and proportion of each ecological level in study area

從表5可以看出, 自2002年至2014年生態未發生變化的面積占比為65.02%; 生態改善的面積占比為18.06%, 只提高1個生態等級的占18%, 主要分布于研究區邊界海拔較高的區域, 因人類活動干擾較少, 使得生態質量有所改善; 而生態退化的面積占比16.92%, 其生態質量降低1個等級的占13.90%, 下降2個等級以上的約占3%。

圖3a-3b分別為2002年和2014年的生態狀況分級圖, 圖3c為生態變化圖, 紅色調代表生態退化區, 綠色代表生態改善區。從圖3可以表現出2002—2014年生態狀況變化的空間分布特征, 研究區中盆地四周的生態質量有所改善, 而盆地內的生態質量卻在退化, 生態退化的位置主要分布于三類區域:一是中北部新建的工業園區, 二是由紅線框標識的煤礦區和石灰石礦區, 三是新建的村鎮居住用地。因此, 煤炭采運、水泥建材生產、工業園區和村鎮建設工程是區域生態變化的主要驅動力。

4.4礦區植被覆蓋度變化與生態狀況的關系

為考察礦區生態狀況變化與植被覆蓋度的關系,將植被覆蓋度信息按20%間隔將植被覆蓋度均分成5個等級, 即植被覆蓋度低(0—20%)、較低(20%—40%)、中等(40%—60%)、較高(60%—80%)和高(80%—100%)。并仿照土地利用動態變化矩陣的方法, 生成生態指數等級與植被覆蓋度等級之間的轉換矩陣(表6)。

表5 2002-2014年礦區生態變化統計表Tab. 5 Change of ecological situation in study area from 2002 to 2014

從生態指數等級與植被覆蓋度等級的關系矩陣(表6)可以看出, 植被覆蓋度等級與生態指數等級之間有較好的對應關系: RSEI為差或較差等級時, 植被覆蓋度屬低或較低等級; RSEI為良好等級時, 植被覆蓋度屬高或較高等級; 而RSEI為優等級, 植被覆蓋度必為高等級, 反之, 植被覆蓋度為高等級, RSEI卻未必屬優等級。由此可見, 若要提高生態質量, 不僅要提高植被覆蓋度, 而且要降低區域的干度和熱度。2014年生態狀況優等級的面積比2002年增加了81 km2, 由原來植被覆蓋度最高等級區域的生態改善而來。同時, 生態指數中等以下(含中等)的面積卻增加了64 km2, 由原來植被覆蓋度高等級或較高等級區域的生態退化造成的。

因此, 植被覆蓋度變化是反映生態質量變化的關鍵因素, 提高地表植被覆蓋度是提高區域生態質量的重要手段。

5 總結

資源過度開采對區域的負環境效應日益顯著,將區域遙感生態指數(RSEI)應用于礦區生態狀況與變化遙感監測, 能夠快速客觀地對永定礦區2002—2014年的生態變化進行定量遙感評價, 研究結果表明:

1) 基于水土流失區構建的遙感生態指數(RSEI)也適用于對煤礦區進行生態環境監測。雖然煤礦區地表呈暗色調, 其地表反射率較低, 但其熱紅外輻射卻較高, 使煤礦區的干度指數和熱度指數值較高,煤礦山、石灰石礦山與城鎮建筑或裸露地表類似, 都對生態起負面作用。利用遙感生態指數(RSEI)可以對煤礦區生態環境及其動態變化進行監測。

表6 2002年和2014年遙感生態指數與植被覆蓋度的關系矩陣Tab. 6 Relationship matrix of RSEI and FVC in 2002 and 2014

2) 一般傳統的生態環境調查與評估法只能提供區域(如縣域、鎮域)范圍內的生態指數均值, 而利用遙感生態指數(RSEI)可以從像元的微觀角度來監測生態環境變化, 并且可以進行可視化制圖, 不失為一種高效直觀的生態環境監測方法。研究區的遙感生態指數均值從2002年的0.705降至2014年的0.699, 雖然生態指數均值降幅不大, 但生態指數變化空間分異明顯, 盆地四周生態質量在提高, 而煤礦區、石灰石礦區、工業園區和村鎮建筑區生態質量在降低。今后, 還可以將高分辨率影像與Landsat衛星影像相結合, 進一步監測礦區內部的生態狀況與動態變化。

3) 植被覆蓋度等級與生態指數等級之間有較好的對應關系, 表明植被覆蓋變化是影響生態質量變化的關鍵因素。從植被覆蓋度與生態指數等級的對比結果來看, 生態質量越好, 其植被覆蓋度必定越高, 而植被覆蓋度越高, 其生態質量未必越高。因此, 若要提高區域的生態質量, 則既要提高植被覆蓋度, 又要降低區域的熱度和干度指標, 如減少不透水面、搞好水土保持等, 增強土壤蓄積地表水的能力, 提高土壤和植被含水量, 減少礦業或工程建設活動對植被破壞或粉塵污染等。

[1] 彭燕, 何國金, 張兆明, 等. 贛南稀土礦開發區生態環境遙感動態監測與評估[J]. 生態學報, 2016, 36(6): 1–10.

[2] 杜培軍, 鄭輝, 張海榮. 歐共體MINEO項目對我國采礦環境影響綜合監測的啟示[J]. 煤炭學報, 2008, 33(1): 71–75.

[3] 胡召玲, 杜培軍, 趙昕. 徐州煤礦區土地利用變化分析[J].地理學報, 2007, 62(11): 1204–1214.

[4] 畢如田, 白中科, 李華, 等. 大型露天煤礦區土地擾動的時空變化[J]. 應用生態學報, 2007, 18(8): 1908–1912.

[5] 吳立新, 馬保東, 劉善軍. 基于SPOT衛星NDVI數據的神東礦區植被覆蓋動態變化分析[J]. 煤炭學報, 2009, 34(9): 1217–1222.

[6] 卞正富, 雷少剛, 常魯群, 等. 基于遙感影像的荒漠化礦區土壤含水率的影響因素分析[J]. 煤炭學報, 2009, 34(4): 520–525.

[7] 劉培, 杜培軍, 逄云峰. 基于遙感和CA Markov模型的煤礦區熱環境與土地覆蓋變化模擬評價[J]. 煤炭學報, 2012, 37(11): 1847–1853.

[8] 付新雷. 基于神東中心區植被覆蓋變化的多時相遙感監測[J]. 中國環境監測, 2014, 30(2): 186–190.

[9] 周小成, 汪小欽, 江洪, 等. 九龍江流域生態環境質量遙感評價與分析[J]. 地球信息科學學報, 2009, 11(2): 231–236.

[10] 陳強, 陳云浩, 王萌杰, 等. 2001–2010年洞庭湖生態系統質量遙感綜合評價與變化分析[J]. 生態學報, 2015, 35(13): 4347–4356.

[11] 凡 宸, 夏北成, 秦建橋. 基于RS和GIS的縣域生態環境質量綜合評價模型—以惠東縣為例[J]. 生態學雜志, 2013, 32(3): 719–725.

[12] 白艷芬, 馬海州, 張寶成, 等. 基于遙感和GIS技術的青海湖環湖地區生態環境脆弱性評價[J]. 遙感技術與應用, 2009, 24(5): 635–641.

[13] 徐慶勇, 黃玫, 劉洪升, 等. 基于RS和GIS的珠江三角洲生態環境脆弱性綜合評價[J]. 應用生態學, 2011, 22(11): 2987–2995.

[14] 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.

[15] 徐涵秋. 水土流失區生態變化的遙感評估[J]. 農業工程學報, 2013, 29(7): 91–97.

[16] 李粉玲, 常慶瑞, 申健, 等. 黃土高原溝壑區生態環境狀況遙感動態監測—以陜西省富縣為例[J]. 應用生態學報, 2015, 26(12): 3811–3817.

[17] 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.

[18] 徐涵秋, 張好. 海島型城市擴展的生態效應分析—以廈門島為例[J]. 地理科學, 2015, 35(7): 867–872.

[19] 林鐸, 潘文斌. 莆田市城區生態環境評價研究[J]. 環境科學與管理, 2014, 39(9): 179–183.

[20] 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.

[21] 溫小樂, 林征峰, 唐菲. 新興海島型城市建設引發的生態變化遙感分析—以福建平潭綜合實驗區為例[J]. 應用生態學報, 2015, 26(2): 541–547.

[22] 徐涵秋. 基于影像的Landsat TM/ETM+數據正規化技術[J]. 武漢大學學報: 信息科學版, 2007, 32(1): 62–66.

[23] RIKIMARU A, ROY P S, MIYATAKE S. Tropical forest cover density mapping[J]. Tropical Ecology, 2002, 43(1): 39–47.

[24] XU Hanqiu. A new index for delineating built-up land features in satellite imagery[J]. International Journal of Remote Sensing, 2008, 29(14): 4269–4276.

[25] 李苗苗, 吳炳方, 顏長珍, 等. 密云水庫上游植被覆蓋度的遙感估算[J]. 資源科學, 2004, 26(4): 153–159.

Monitoring and evaluation of ecological environment’s spatio-temporal variation in mine based on RSEI — a case of Yongding mine

WU Zhijie1,2, WANG Mengmeng2, CHEN Shaojie1, ZOU Dan1
1.College of Resources Engineering,Longyan University,Longyan364012,China
2.Institute of Remote Sensing and Digital Earth Chinese Academy of Sciences,Beijing100094,China

The over-exploitation of the resources posed obviously negative environmental effects, which has already brought in serious resource, environment and disaster problems. In this study, the remote sensing ecology index (RSEI) of Yongding mine in Fujian Province during 2002 to 2014 was extracted from Landsat-7 and Landsat-8 images, and the ecological situation, the spatial-temporal variation and driving factors of the ecological environment during 2002 to 2014 were analyzed based on the RSEI. The results showed that RSEI was suitable for monitoring ecological environment of the coal mining area, and the mean RSEI value of Yongding mine fell from 0.705 in 2002 to 0.699 in 2014. Although only a small decline in mean RSEI was observed, the RSEI variation obviously presented spatial differentiation, e.g., the ecological environmental quality in the area around the basin was improved while that of coal mines, limestone mines, industrial parks and buildings notably became worse. Moreover, there were strong correlations between RSEI and vegetation coverage, and vegetation coverage was a key factor leading to the variation of ecology environment quality.

RESI; ecological environment variation; mine; Yongding

10.14108/j.cnki.1008-8873.2016.05.027

TP79

A

1008-8873(2016)05-200-08

吳志杰, 王猛猛, 陳紹杰, 等. 基于遙感生態指數的永定礦區生態變化監測與評價[J]. 生態科學, 2016, 35(5): 200-207.

WU Zhijie, WANG Mengmeng, CHEN Shaojie, et al. Monitoring and evaluation of ecological environment’s spatio-temporal variation in mine based on RSEI in Yongding mine[J]. Ecological Science, 2016, 35(5): 200-207.

2016-01-21;

2016-02-04

福建省自然科學基金項目(2012D104)

吳志杰(1971—), 男, 福建漳州人, 碩士, 副教授, 主要從事亞熱帶環境與資源遙感研究, E-mail: wuzhijiefj@163.com