利用新型遙感生態指數的南寧市環境質量動態變化分析

摘 要：隨著遙感技術的快速發展，利用遙感生態指數（Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ Ｅｃｏｌｏｇｉｃａｌ Ｉｎｄｅｘ，ＲＳＥＩ） 進行區域生態環境質量監測取得了一定進展，但是ＲＳＥＩ 在應用不同區域中很少考慮空氣質量對當地生態環境的影響。針對這一局限性，以南寧市為例，在ＲＳＥＩ 的基礎上，加入能精準監測城區高分辨率空氣質量的差值霾指數（Ｄｉｆｆｅｒｅｎｃｅ Ｈａｚｅ Ｉｎｄｅｘ，ＤＨＩ），構建新型遙感生態指數（ｎｅｗ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ Ｅｃｏｌｏｇｉｃａｌ Ｉｎｄｅｘ，ＲＳＥＩｎｅｗ），隨后對比分析ＲＳＥＩ 與ＲＳＥＩｎｅｗ 的平均相關度和ＰＣ１，驗證了構建的ＲＳＥＩｎｅｗ 模型更具有表征區域生態環境的代表性。利用ＲＳＥＩｎｅｗ 模型對南寧市生態環境質量進行動態變化分析，結果表明，２０１３—２０２１ 年，南寧市生態環境質量得到優化，ＲＳＥＩｎｅｗ 提升了１５％ ，整體生態環境水平處于中等（０． ４ ～０． ６） 以上。

關鍵詞：新型遙感指數；主成分分析；生態環境質量；南寧市

中圖分類號：Ｐ４０７ 文獻標志碼：Ａ 開放科學（資源服務）標識碼（ＯＳＩＤ）：

文章編號：１００３－３１０６（２０２４）０４－０９４７－０７

０ 引言

生態環境質量在要素、結構和功能等方面能較好地體現生態系統的綜合特征［１］，與人類息息相關，是人類生存的基本要素。與只包含非生物因素的環境不同，生態系統是一個復雜的整體系統［２］。如今，城市生態環境質量在城市經濟發展、氣候變化、土地利用和人類健康方面發揮著不可忽視的作用。隨著城鎮化的加劇，嚴重的環境問題如土地退化、氣候變暖、水污染、空氣污染和資源稀缺［３］不僅制約了城鎮化的進一步發展，而且對區域可持續發展極其有害。所以，如何科學地確定城市生態環境質量狀況并提供定量分析是目前研究的急迫需求［４］。

傳統上，生態環境質量評估采用半定量方法，如層次分析法（ＡＨＰ）和加權線性組合法（ＷＬＣ）。這些方法存在主觀性強，當需要許多指標時不太適用等問題［５］，而遙感在某種程度上很好地彌補了傳統半定量方法的缺陷。遙感技術的優勢在于快速、實時、大規模、周期性和重復性地獲取全面的表面信息［６］，已廣泛應用于區域生態質量評估領域。大量學者利用遙感信息提取單一指標，調查生態狀況。例如，Ｉｖｉｔｓ 等［７］使用永久植被分數（ＰＶＦ）來估計安達盧西亞河岸帶的有利和不利生態狀況。Ｊｉｎ 等［８］最先開發了高光譜花指數（ＨＦＩ）來監測青藏高原的開花狀態和花物候學。但是，單一的生態環境評估因子不足以描述復雜的城市生態環境質量，也沒有考慮許多其他生態環境評估因子對生態系統的貢獻。因此，徐涵秋［９］在２０１３ 年首次提出了一個遙感生態指數（Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ Ｅｃｏｌｏｇｉｃａｌ Ｉｎｄｅｘ，ＲＳＥＩ），為生態環境質量分析提供了新的方向。ＲＳＥＩ 基于遙感技術，僅整合了綠、濕、干和熱４ 個容易獲得的生態指標，然后利用主成分分析自動客觀地分配每個指標的權重。它巧妙地解決了之前的問題，在流域［１０－１２］、礦區［１３－１４］、生態脆弱區［１５－１７］、園區［１８－１９］以及城市［２０－２３］等方面得到了普遍應用。

在實際應用中，許多學者對ＲＳＥＩ 進行了不同的調整，如從干度指標著手，李紅星等［２４］對建筑指數和裸土指數的面積比值進行權重分配。潘洪義等［２５］采用增強型建筑和裸土指數構建。張秦瑞等［２６］采用歸一化不透水面和裸土指數代替原有建筑指數。從引入指標著手，楊羽佳等［２７］通過融入人類生活強度指標構建改進城市遙感生態指數（ＩＲＳＥＩ）。范德芹等［２８］針對礦區生態引入植被凈初級生產力ＮＰＰ 指標構建改進型ＲＳＥＩ。萬虹麟等［２９］引入ＰＭ２． ５ 濃度指標構建新型遙感生態指數（ｎｅｗＲｅｍｏｔｅ Ｓｅｎｓｉｎｇ Ｅｃｏｌｏｇｉｃａｌ Ｉｎｄｅｘ，ＲＳＥＩｎｅｗ）。從綠度指標著手，劉索玄等［３０］通過改進型土壤植被指數（ＭＡＳＶＩ）代替歸一化植被指數ＮＤＶＩ 作為綠度指標構建ＲＳＥＩ。

綜上所述，ＲＳＥＩ 自提出以來已得到廣泛應用，并且有許多文獻對其各項指數進行多方面的調整和改進，但可以發現，很少有學者考慮空氣質量對生態環境的影響。目前，城市經濟快速發展的同時，面臨著許多空氣污染問題，例如，霧霾天氣在許多城市占全年的１ ／ ３ 以上，輕、中度污染是霧霾天氣的主要形式。汽車快速增多導致大部分城市嚴重交通擁堵，加劇汽車尾氣排放，車輛尾氣污染取代燃煤成為許多城市ＰＭ２． ５ 的首要貢獻源。因此本文針對這一缺陷，提出了一種ＲＳＥＩｎｅｗ，除了采用原模型的４ 個生態指標外，利用馮海霞等［３１］ 提出的一種基于Ｌａｎｄｓａｔ８ 影像構建的差值霾指數（Ｄｉｆｆｅｒｅｎｃｅ ＨａｚｅＩｎｄｅｘ，ＤＨＩ），加入空氣質量指標，對南寧市的生態環境質量進行監測與評估，分析和研究該地區生態環境的時空動態變化以及預測，可為南寧市日后更加合理的發展提供數據，為區域社會、經濟和生態環境的可持續發展提供新的科學依據。

１ 研究區概況

南寧市簡稱邕，是廣西壯族自治區轄地級市、首府，位于廣西南部，下轄７ 區４ 縣以及代管１ 個縣級市，轄區總面積２． ２１ 萬平方千米。南寧通江達海，水路自邕江而上可至滇黔兩省，順流而下可直達粵港澳，至２０２１ 年末，常住人口城鎮化率６９． ７９％ 。域內以邕江廣大河谷為中心的盆地形態，氣候濕潤、雨量充沛，植物豐富、河系發達，生態空間和本底良好，全市綠化面積覆蓋率近４０％ ，擁有國家級的大明山自然保護區，自治區級的隆安龍虎山自然保護區、南寧市級的邕寧縣南曉鎮那蘭村鷺鳥自然保護區等８ 個自然保護區，以及２ 個國家濕地公園、１ 個國家石漠公園、８ 個森林公園、２ 個風景名勝區，是重要的生態保護城市，對南寧市生態環境質量進行研究具有重要意義。

２ 材料與方法

２． １ 數據及其預處理

本文主要使用２０１３、２０１７、２０２１ 年Ｌａｎｄｓａｔ８ ＯＬＩ衛星影像作為實驗數據，如表１ 所示。Ｌａｎｄｓａｔ８ 衛星是美國Ｌａｎｄｓａｔ 計劃中的最新衛星，于２０１３ 年２ 月發射。其主要搭載了２ 個傳感器，分別是陸地成像儀（ＯＬＩ）和熱紅外傳感器（ＴＩＲＳ）［３２］，設計壽命至少為５ 年。ＯＬＩ 由卡羅拉多的Ｂａｕｅｒ ＡｅｒｏｓｐａｃｅＴｅｃｈｎｏｌｏｇｉｅｓ 開發，有９ 個光譜通道，與以前的傳感器相比，增加了２ 個新波段，本研究引入的ＤＨＩ 使用了其新增的深藍色波段。

ＤＥＭ 影像從地理空間數據云下載（ｈｔｔｐ：∥ｗｗｗ． ｇｓｃｌｏｕｄ． ｃｎ ／ ｓｅａｒｃｈ），每景需要３ ～ ４ 張影像覆蓋整個南寧市，其空間分辨率為３０ ｍ，時間分辨率為１６ ｄ，在ＡｒｃＧＩＳ１０． ６ 軟件中進行鑲嵌裁剪和重分類，在ＥＮＶＩ 軟件中完成輻射校正和大氣校正。因南寧全市流域集水面積在２００ ｋｍ２ 以上的河流有武鳴河、清水河、郁江、右江等３９ 條，為盡可能減小實驗誤差，采用改進的歸一化差異水體指數（ＭｏｄｉｆｉｅｄＮｏｒｍａｌｉｚｅｄ Ｄｉｆｆｅｒｅｎｃｅ Ｗａｔｅｒ Ｉｎｄｅｘ，ＭＮＤＷＩ）［３３］提取水體掩膜研究區，設定闕值為２． ５，以規避水體對指數提取的影響。

ＭＮＤＷＩ ＝ （ρｇｒｅｅｎ － ρｍｉｒ ）／ （ρｇｒｅｅｎ ＋ ρｍｉｒ ）， （１）

式中：ρｇｒｅｅｎ、ρｍｉｒ 分別對應Ｌａｎｄｓａｔ８ ＯＩＬ 的第３、６ 波段反射率。

２． ２ 遙感指數構建

本文引入代表空氣質量指標的指數———ＤＨＩ 構建ＲＳＥＩｎｅｗ，ＤＨＩ 指數是基于美國陸地衛星計劃Ｌａｎｄｓａｔ８ ＯＬＩ，選用其中對空氣污染物最敏感的深藍波段———Ｂａｎｄ１ 和最不敏感的短波紅外波段———Ｂａｎｄ７ 進行差值得到，該指數不僅可以對ＰＭ２． ５ 濃度進行監測，還可以適用于空氣質量指數（ＡｉｒＱｕａｌｉｔｙ Ｉｎｄｅｘ，ＡＱＩ）的監測，對城鎮空氣質量監測具有較高的應用價值。

ＲＳＥＩｎｅｗ 的函數表達式與遙感定義為：

ＲＳＥＩｎｅｗ ＝ ｆ（ＮＤＶＩ，ＷＥＴ，ＬＳＴ，ＮＤＢＳＩ，ＤＨＩ）， （２）

式中：ＮＤＶＩ、ＷＥＴ、ＬＳＴ、ＮＤＢＳＩ、ＤＨＩ 分別表示植被分量、濕度分量、地表溫度的熱度分量、涵蓋裸土和建筑指數的干度分量、空氣質量分量。

使用主成分分析方法將５ 個生態環境評價指標合成一個綜合生態指數，５ 個分量指標的計算如表２ 所示。

由于５ 個指標的量綱和數值范圍存在較大差異，為減少不同指標數值大小對綜合評價指數結果的影響，采用２％ ～ ９８％ 作為置信區間對各指標進行歸一化處理，將其值映射到［０，１］。歸一化方法如下：

ＩＮ ＝ （Ｉ － Ｉｍｉｎ ）／ （Ｉｍａｘ － Ｉｍｉｎ ）， （３）

式中：ＩＮ 為歸一化處理后的指標值，Ｉ 為原指標數值，Ｉｍａｘ 和Ｉｍｉｎ 分別為指標的最大值和最小值。

對歸一化后的５ 個指標進行主成分分析，因其他主成分（ＰＣ２ ～ ＰＣ５）無規律可循、忽大忽小，不能揭示生態環境變化的內在機理，而主成分ＰＣ１ 較為穩定且貢獻率相對較高，故選用ＰＣ１ 創建初始生態指數，若正好與現實情況相反，可進一步用１ 減去ＰＣ１ 來表示，表達式為：

ＲＳＥＩ０ ＝ １ － ＰＣ１（ＮＩＮＤＶＩ ，ＮＩＷＥＴ ，ＮＩＬＳＴ ，ＮＩＮＤＢＳＩ ，ＮＩＤＨＩ ），（４）

式中：ＲＳＥＩ０ 為初始的ＲＳＥＩ，ＰＣ１ 為第一主成分，ＮＩ 為分量指標的歸一化處理后的值。建立的ＲＳＥＩｎｅｗ 值越高，表示生態環境越優，反之說明生態環境越差。

３ 結果與分析

３． １ ＲＳＥＩ 與ＲＳＥＩｎｅｗ 對比分析

對于新構建的ＲＳＥＩｎｅｗ，以突顯其優于ＲＳＥＩ，更具綜合代表性，可從以下兩方面進行分析：① 檢查主成分分析中的ＰＣ１ 是否更能代表生態信息；② 使用相關系數檢驗模型的適用性，相關系數接近１ 則表明模型的綜合代表性越高，也就是模型的適宜性越好，因此構建的ＲＳＥＩ 與各指標之間的平均相關度。

ＲＳＥＩ 與ＲＳＥＩｎｅｗ 主成分分析結果對比如表３所示，可以看出，貢獻率均在６０％ 以上，雖然貢獻率都在８０％ 以下，但已有文獻表明，在ＲＳＥＩ 評估的應用中，無需特別在意ＰＣ１ 的占比，主成分分量應用的重點在于其是否能真正代表某一特定信息，所以只要它能正確代表生態信息就可以使用［３４］。３ 個年份的ＰＣ１ 的載荷值中綠度和濕度的值均為正，反映其對研究區的生態起促進作用，干度、熱度和ＰＭ２． ５ 濃度指標的值均為負，反映其對生態起到抑制作用，這與實際情況相符，所以本結果能代表正確的生態信息，可以進行使用。

每一年的ＲＳＥＩｎｅｗ 模型的ＰＣ１ 貢獻率均高于ＲＳＥＩ 模型，并從影像中對比發現ＲＳＥＩｎｅｗ 模型更全面地代表了城市的生態質量，并更好、更集中地表達了各項指標的特征。

此外，平均相關度可以說明ＲＳＥＩ 與各指標之間的相關性很強，能綜合表征各指標信息，比任何單一指標都更具有代表性，能更全面地反映生態環境狀況（平均相關度計算由某年份某一指標與其他指標的相關系數的絕對值之和再求平均得到［３５］）。將２０１３、２０１７、２０２１ 年的ＲＳＥＩ 模型、ＲＳＥＩｎｅｗ 模型與各指標及其之間的平均相關度進行對比，如表４ 所示，可以觀察到，ＲＳＥＩｎｅｗ 模型與各指標在不同年份的平均相關性均優于ＲＳＥＩ 模型，這表明ＲＳＥＩｎｅｗ更有效地整合了各指標的信息。在ＲＳＥＩｎｅｗ 模型中，ＮＤＢＳＩ 干度指標的單指標平均相關性最高，３ 個階段的平均相關性均值為０． ７８５ ２，其次是ＷＥＴ，各階段均值為０． ７６４ ６，而ＲＳＥＩｎｅｗ 模型的各年份平均相關度為０． ８１４ ４，比５ 項指標中最高的ＮＤＢＳＩ 高出４． ９８％ ，說明新型構建的ＲＳＥＩ 模型較單一指標更具有表征城市生態環境的代表性。

３． ２ 南寧市生態環境時空動態變化分析

為了便于分析ＲＳＥＩｎｅｗ 體現的生態效應，本文參考《生態環境狀況評價技術規范》（ＨＪ １９２—２０１５），依據等間距法，將ＲＳＥＩｎｅｗ 分成５ 個生態質量等級：差（０ ～ ０． ２）、較差（０． ２ ～ ０． ４）、中等（０． ４ ～０． ６）、良好（０． ６ ～ ０． ８）、優（０． ８ ～ １． ０），并進一步統計２０１３、２０１７ 和２０２１ 年各生態等級面積和占比，如表５ 所示。可以看出，２０１３—２０２１ 年，優和良等級的占比面積呈遞增趨勢，優等級上升了８． ０４％ ，良等級上升了１５． ３６％ ，差等級的占比面積相對在減少，減少了８． ０９％ ，表明南寧市在這１０ 年的生態環境質量整體上呈良好的發展態勢。相應地，這種情況在圖１ 中也有所體現，２０１３—２０２１ 年，在圖２ 中更為直觀地看出城市生態環境較差的區域面積在逐漸漸少，繼而被生態環境優的取代，這與《２０２１ 年南寧市生態環境狀況公報》中的２０１５—２０２１ 年南寧市環境空氣質量類別（圖３）情況相符。

從空間分布上看，對比實際遙感影像發現，大部分處于差、較差水平的地區與無植被或植被覆蓋較少的地區相符。這可能是因為植被覆蓋較少的地區具有較低的綠度和濕度，裸土暴露導致高熱度、干度和空氣顆粒物濃度。此外，土壤水土流失、土壤質量差和高海拔地區的極端氣候等因素也可能導致ＲＳＥＩｎｅｗ 值較低。生態等級為中等的地區通常位于未利用地和林地的交界處，生態等級為良和優的地區通常具有較高的植被覆蓋。

為了更加明確地分析南寧市１０ 年間的生態環境動態變化，基于以上５ 種生態等級的劃分，對南寧市各年份的ＲＳＥＩｎｅｗ 結果進行兩兩差值變化監測，結果如表６ 所示。可以看出，變好的占比面積均大于變差的，這也說明了這１０ 年間南寧市的生態環境水平總體值呈略微上升的趨勢，這與南寧市當地的實際情況相符。“十三五”期間，南寧市深入貫徹落實習近平生態文明思想，積極踐行“綠水青山就是金山銀山”的理念，大力加強生態文明建設和環境保護力度，成功擦亮“中國綠城”名片，實現了空氣質量排名全國前２０ 位。

３． ３ ＲＳＥＩｎｅｗ 的建模與預測

ＲＳＥＩｎｅｗ 可以通過多元線性回歸建立模型來模擬和預測南寧市的生態變化趨勢，因此，對２０２１ 年歸一化后的各指標專題影像以及ＲＳＥＩｎｅｗ 結果圖進行隨機采樣３０ ０００ 個點，足夠的樣本點保證了回歸分析結果的客觀性。以ＲＳＥＩｎｅｗ 的樣點作為因變量，ＮＤＶＩ、ＷＥＴ、ＮＤＢＳＩ、ＬＳＴ 和ＤＨＩ 的樣點作為自變量，使用ＳＰＳＳ 進行多元線性回歸，得到了基于ＲＳＥＩｎｅｗ 的南寧市生態模型：

ＲＳＥＩｎｅｗ ＝ ０． ４１７ＮＤＶＩ ＋ ０． ４２８ＷＥＴ － ０． ００４ＮＤＢＳＩ －"０． １８１ＬＳＴ － ０． ２１９ＤＨＩ ＋ ０． １３５（Ｒ２ ＝ ０． ９２９）。（５）

從獲得的模型可以看出，模型擬合度較高。各指標的回歸系數顯示，ＮＤＶＩ 和ＷＥＴ 系數為正值，暗示對生態環境有正面影響；而ＮＤＢＳＩ、ＬＳＴ 和ＤＨＩ系數為負值，暗示對生態環境有負面影響，與實際情況相符。回歸系數的絕對值顯示，對生態環境質量影響最大的是ＮＤＶＩ 和ＷＥＴ，其綜合作用超過了ＮＤＢＳＩ、ＬＳＴ 和ＤＨＩ 的綜合作用。總體而言，ＮＤＶＩ和ＷＥＴ 對生態環境的提升至關重要，表明當前以增加綠度為主的生態治理對環境質量的改善起到主導作用，同時也促進了區域環境形成有利氣候。因此，未來南寧市若要提高生態質量，必須不破壞現有自然資源，播種綠色，增加綠地，適當降低建筑覆蓋率，提高城市濕度和空氣質量。根據模型預測，未來每增加０． ２４ 單位的ＮＤＶＩ 可將ＲＳＥＩｎｅｗ 相應提升０． １單位，如果將各指標都相對增加或減少，那么對提高生態質量有著事半功倍的效果。

４ 結束語

本文在ＲＳＥＩ 模型的基礎上，加入了新的空氣質量指標———ＤＨＩ，建立了ＲＳＥＩｎｅｗ 模型，將ＲＳＥＩｎｅｗ 模型與ＲＳＥＩ 模型進行對比分析，說明了新建的模型相比ＲＳＥＩ 模型能夠更加全面地代表南寧市生態質量情況。通過ＲＳＥＩｎｅｗ 模型結果表明，２０１３—２０２１ 年間，南寧市作為廣西壯族自治區首府，雖然經濟發展十分迅速，但在近１０ 年并沒有忽視生態環境問題，ＲＳＥＩｎｅｗ 指數的均值從２０１３ 年的０． ４７ 至２０２１ 年的０． ６２，上升了１５％ ，表明生態環境質量整體得到優化，這一切離不開國家日益完善的生態政策，離不開政府對生態環境的保護力度。南寧市應繼續在合理的城市生態科學規劃的基礎上，維護良好的生態環境和健康的城市發展。

由于數據、時間和技術的限制，本研究存在一些不足，例如僅使用了南寧市的Ｌａｎｄｓａｔ 衛星影像、遙感數據分辨率較低等。在后續研究中，可以考慮擴展使用不同衛星影像進行多源數據融合，并加強生態評估維度，以更系統地分析和評價生態環境。

參考文獻

［１］ ＳＯＷＩＮ ＇ ＳＫＡＳ ＇ ＷＩＥＲＫＯＳＺ Ｂ． Ａｐｐｌｉｃａｔｉｏｎ ｏｆ ＳｕｒｒｏｇａｔｅＭｅａｓｕｒｅｓ ｏｆ Ｅｃｏｌｏｇｉｃａｌ Ｑｕａｌｉｔｙ Ａｓｓｅｓｓｍｅｎｔ：Ｔｈｅ Ｉｎｔｒｏｄｕｃｔｉｏｎ ｏｆ ｔｈｅ Ｉｎｄｉｃａｔｏｒ ｏｆ Ｅｃｏｌｏｇｉｃａｌ Ｌａｎｄｓｃａｐｅ Ｑｕａｌｉｔｙ（ＩＥＬＱ）［Ｊ］． Ｅｃｏｌｏｇｉｃａｌ Ｉｎｄｉｃａｔｏｒｓ，２０１７，７３：２２４－２３４．

［２］ ＷＯＬＣＨ Ｊ Ｒ，ＢＹＲＮＥ Ｊ，ＮＥＷＥＬＬ Ｊ Ｐ． Ｕｒｂａｎ ＧｒｅｅｎＳｐａｃｅ，Ｐｕｂｌｉｃ Ｈｅａｌｔｈ， ａｎｄ Ｅｎｖｉｒｏｎｍｅｎｔａｌ Ｊｕｓｔｉｃｅ：ＴｈｅＣｈａｌｌｅｎｇｅ ｏｆ Ｍａｋｉｎｇ Ｃｉｔｉｅｓ ‘Ｊｕｓｔ Ｇｒｅｅｎ Ｅｎｏｕｇｈ’［Ｊ］．Ｌａｎｄｓｃａｐｅ ＆ Ｕｒｂａｎ Ｐｌａｎｎｉｎｇ，２０１４，１２５：２３４－２４４．

［３］ ＭＯＮＴＧＯＭＥＲＹ Ｍ Ｒ． Ｔｈｅ Ｕｒｂａｎ Ｔｒａｎｓｆｏｒｍａｔｉｏｎ ｏｆ ｔｈｅＤｅｖｅｌｏｐｉｎｇ Ｗｏｒｌｄ ［Ｊ ］． Ｓｃｉｅｎｃｅ，２００８，３１９（５８６４）：７６１－７６４．

［４］ ＧＲＩＧＧＳ Ｄ，ＳＴＡＦＦＯＲＤＳＭＩＴＨ Ｍ，ＧＡＦＦＮＥＹ Ｏ，ｅｔ ａｌ．Ｓｕｓｔａｉｎａｂｌｅ Ｄｅｖｅｌｏｐｍｅｎｔ Ｇｏａｌｓ ｆｏｒ Ｐｅｏｐｌｅ ａｎｄ Ｐｌａｎｅｔ［Ｊ］． Ｎａｔｕｒｅ，２０１３，４９５（７４４１）：３０５－３０７．

［５］ ＫＵＭＡＲ Ｐ，ＴＨＡＫＵＲ Ｐ Ｋ，ＢＡＮＳＯＤ Ｂ Ｋ，ｅｔ ａｌ． Ｍｕｌｔｉｃｒｉｔｅｒｉａ Ｅｖａｌｕａｔｉｏｎ ｏｆ Ｈｙｄｒｏｇｅｏｌｏｇｉｃａｌ ａｎｄ ＡｎｔｈｒｏｐｏｇｅｎｉｃＰａｒａｍｅｔｅｒｓ ｆｏｒ ｔｈｅ Ｇｒｏｕｎｄｗａｔｅｒ Ｖｕｌｎｅｒａｂｉｌｉｔｙ Ａｓｓｅｓｓｍｅｎｔ［Ｊ］． Ｅｎｖｉｒｏｎ Ｍｏｎｉｔ Ａｓｓｅｓｓ，２０１７，１８９（１１）：５６４．

［６］ ＲＡＩ Ｐ Ｋ． Ｆｏｒｅｓｔ ａｎｄ Ｌａｎｄ Ｕｓｅ Ｍａｐｐｉｎｇ Ｕｓｉｎｇ ＲｅｍｏｔｅＳｅｎｓｉｎｇ ａｎｄ Ｇｅｏｇｒａｐｈｉｃａｌ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｙｓｔｅｍ：Ａ ＣａｓｅＳｔｕｄｙ ｏｎ Ｍｏｄｅｌ Ｓｙｓｔｅｍ ［Ｊ］． Ｅｎｖｉｒｏｎｍｅｎｔａｌ Ｓｋｅｐｔｉｃｓ ＆Ｃｒｉｔｉｃｓ，２０１３，２（３）：９７－１０７．

［７］ ＩＶＩＴＳ Ｅ，ＣＨＥＲＬＥＴ Ｍ，ＭＣＨＬ Ｗ，ｅｔ ａｌ． Ｅｓｔｉｍａｔｉｎｇ ｔｈｅＥｃｏｌｏｇｉｃａｌ Ｓｔａｔｕｓ ａｎｄ Ｃｈａｎｇｅ ｏｆ Ｒｉｐａｒｉａｎ Ｚｏｎｅｓ ｉｎ Ａｎｄａｌｕｓｉａ Ａｓｓｅｓｓｅｄ ｂｙ Ｍｕｌｔｉｔｅｍｐｏｒａｌ ＡＶＨＨＲ Ｄａｔａｓｅｔｓ［Ｊ］．Ｅｃｏｌｏｇｉｃａｌ Ｉｎｄｉｃａｔｏｒｓ，２００８，９（３）：４２２－４３１．

［８］ ＪＩＮ Ｃ，ＳＨＥＮ Ｍ Ｇ，ＺＨＵ Ｘ Ｌ，ｅｔ ａｌ． Ｉｎｄｉｃａｔｏｒ ｏｆ ＦｌｏｗｅｒＳｔａｔｕｓ Ｄｅｒｉｖｅｄ ｆｒｏｍ ｉｎ Ｓｉｔｕ Ｈｙｐｅｒｓｐｅｃｔｒａｌ Ｍｅａｓｕｒｅｍｅｎｔ ｉｎａｎ Ａｌｐｉｎｅ Ｍｅａｄｏｗ ｏｎ ｔｈｅ Ｔｉｂｅｔａｎ Ｐｌａｔｅａｕ［Ｊ］． ＥｃｏｌｏｇｉｃａｌＩｎｄｉｃａｔｏｒｓ，２００９，９（４）：８１８－８２３．

［９］ 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．

［１０］ ＬＩ Ｎ Ｌ，ＬＩＵ Ｃ Ｃ，ＣＨＥＮＧ Ｓ Ｈ Ｃ，ｅｔ ａｌ． Ｆｅａｓｉｂｉｌｉｔｙ ｏｆＣｏｍｂｉｎｅｄ Ｐａｒａｖｅｒｔｅｂｒａｌ Ｂｌｏｃｋ ａｎｄ Ｓｕｂｃｏｓｔａｌ ＴｒａｎｓｖｅｒｓｕｓＡｂｄｏｍｉｎｉｓ Ｐｌａｎｅ Ｂｌｏｃｋ ｉｎ Ｐｏｓｔｏｐｅｒａｔｉｖｅ Ｐａｉｎ ＣｏｎｔｒｏｌＡｆｔｅｒ Ｍｉｎｉｍａｌｌｙ Ｉｎｖａｓｉｖｅ Ｅｓｏｐｈａｇｅｃｔｏｍｙ［Ｊ］． Ａｃｔａ Ａｎａｅｓｔｈｅｓｉｏｌｏｇｉｃａ Ｔａｉｗａｎｉｃａ，２０１３，５１（３）：１０３－１０７．

［１１］ 王勇，王世東． 基于ＲＳＥＩ 的生態質量動態變化分析———以丹江流域（河南段）為例［Ｊ］． 中國水土保持科學，２０１９，１７（３）：５７－６５．

［１２］ 陳麗紅，劉普幸，花亞萍． 基于ＲＳＥＩ 的疏勒河流域生態質量綜合評價及其成因分析［Ｊ］． 土壤通報，２０２１，５２（１）：２５－３３．

［１３］ 魏力輝，萬大娟，畢軍平，等． 錫礦山銻礦區生態環境質量遙感動態監測與評價［Ｊ］． 環境科學與技術，２０２０，４３（６）：２３０－２３６．

［１４］ 劉虎，姜岳，夏明宇，等． 基于３０ 年遙感監測的礦區生態環境變化———以南四湖周邊礦區為例［Ｊ］． 金屬礦山，２０２１（４）：１９７－２０６．

［１５］ ＪＩＮＧ Ｙ Ｑ，ＺＨＡＮＧ Ｆ，ＨＥ Ｙ Ｆ，ｅｔ ａｌ． Ａｓｓｅｓｓｍｅｎｔ ｏｆＳｐａｔｉａｌ ａｎｄ Ｔｅｍｐｏｒａｌ Ｖａｒｉａｔｉｏｎ ｏｆ Ｅｃｏｌｏｇｉｃａｌ ＥｎｖｉｒｏｎｍｅｎｔＱｕａｌｉｔｙ ｉｎ Ｅｂｉｎｕｒ Ｌａｋｅ Ｗｅｔｌａｎｄ Ｎａｔｉｏｎａｌ Ｎａｔｕｒｅ Ｒｅｓｅｒｖｅ，Ｘｉｎｊｉａｎｇ，Ｃｈｉｎａ ［Ｊ ］． Ｅｃｏｌｏｇｉｃａｌ Ｉｎｄｉｃａｔｏｒｓ， ２０２０，１１０：１０５８７４．

［１６］ ＹＡＮＧ Ｘ Ｄ，ＢＡＩ Ｙ Ｐ，ＣＨＥ Ｌ，ｅｔ ａｌ． Ｉｎｃｏｒｐｏｒａｔｉｎｇ Ｅｃｏｌｏｇｉｃａｌ Ｃｏｎｓｔｒａｉｎｔｓ Ｉｎｔｏ Ｕｒｂａｎ Ｇｒｏｗｔｈ Ｂｏｕｎｄａｒｉｅｓ：Ａ ＣａｓｅＳｔｕｄｙ ｏｆ Ｅｃｏｌｏｇｉｃａｌｌｙ Ｆｒａｇｉｌｅ Ａｒｅａｓ ｉｎ ｔｈｅ Ｕｐｐｅｒ ＹｅｌｌｏｗＲｉｖｅｒ［Ｊ］． Ｅｃｏｌｏｇｉｃａｌ Ｉｎｄｉｃａｔｏｒｓ，２０２１，１２４（２）：１０７４３６．

［１７］ 楊雪荻，白永平，車磊，等． 黃河上游生態脆弱區城市增長邊界劃定———以臨夏回族自治州為例［Ｊ］． 自然資源學報，２０２１，３６（１）：１６２－１７５．

［１８］ 江仕嶸，童亞文，劉耀華，等． 秦嶺國家植物園生態環境質量評價［Ｊ］． 林業資源管理，２０２０（３）：８５－８８．

［１９］ 張華，宋金岳，李明，等． 基于ＧＥＥ 的祁連山國家公園生態環境質量評價及成因分析［Ｊ］． 生態學雜志，２０２１，４０（６）：１８８３－１８９４．

［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］ 張立偉，張運，黃晨． 皖江城市帶近２０ ａ 生態環境變化遙感指數分析［Ｊ］． 長江流域資源與環境，２０１８，２７（５）：１０６１－１０７０．

［２２］ 約日古麗卡斯木，孜比布拉· 司馬義，王蕾，等． 新疆博樂市生態環境變化對城市建設用地擴張的響應［Ｊ］． 農業工程學報，２０１９，３５（１）：２５２－２５９．

［２３］ 吳可人，高祺，王讓會，等． 基于ＲＳＥＩ 模型的石家莊生態環境質量評價［Ｊ］． 地球物理學進展，２０２１，３６（３）：９６８－９７６．

［２４］ 李紅星，黃解軍，梁友嘉，等． 基于遙感生態指數的武漢市生態環境質量評估［Ｊ］． 云南大學學報（自然科學版），２０２０，４２（１）：８１－９０．

［２５］ 潘洪義，李加安，張琴． 基于ＲＳＥＩ 的地震區生態環境質量恢復研究———以汶川縣為例［Ｊ］． 長江流域資源與環境，２０２１，３０（３）：７４５－７５７．

［２６］ 張秦瑞，趙良軍，林國軍，等． 改進遙感生態指數的宜賓市三江匯合區生態環境評價［Ｊ］． 自然資源遙感，２０２２，３４（１）：２３０－２３７．

［２７］ 楊羽佳，張怡，匡天琪，等． 利用改進城市遙感生態指數的蘇州市生態分析［Ｊ］． 測繪科學技術學報，２０２１，３８（３）：３２３－３３０．

［２８］ 范德芹，邱癑，孫文彬，等． 基于遙感生態指數的神府礦區生態環境評價［Ｊ］． 測繪通報，２０２１（７）：２３－２８．

［２９］ 萬虹麟，霍飛，牛玉芬，等． 顧及ＰＭ２． ５ 濃度遙感生態指數模型的滄州市區生態環境質量動態監測分析［Ｊ］．地球物理學進展，２０２１，３６（３）：９５３－９６０．

［３０］ 劉索玄，袁艷斌，趙？，等． 基于遙感生態指數（ＲＳＥＩ）的水電開發區生態環境變化分析：以清江中下游地區為例［Ｊ ］． 生態與農村環境學報，２０１９，３５ （１１ ）：１３６１－１３６８．

［３１］ 馮海霞，馮海英，楊立才，等． 一種基于Ｌａｎｄｓａｔ ８ 的城區空氣質量監測方法［Ｊ］． 環境污染與防治，２０２１，４３（１）：７９－８３．

［３２］ ＬＯＶＥＬＡＮＤ Ｔ Ｒ，ＩＲＯＮＳ Ｊ Ｒ． Ｌａｎｄｓａｔ ８：Ｔｈｅ Ｐｌａｎｓ，ｔｈｅＲｅａｌｉｔｙ，ａｎｄ ｔｈｅ Ｌｅｇａｃｙ［Ｊ］． Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ ｏｆ Ｅｎｖｉｒｏｎｍｅｎｔ，２０１６，１８５：１－６．

［３３］ 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．

［３４］ 徐涵秋，鄧文慧． ＭＲＳＥＩ 指數的合理性分析及其與ＲＳＥＩ 指數的區別［Ｊ］． 遙感技術與應用，２０２２，３７（１）：１－７．

［３５］ 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．

作者簡介

歐陽心如 女，（１９９９—），碩士研究生。主要研究方向：生態遙感。

（*通信作者）陳天偉 男，（１９６５—），碩士，教授。主要研究方向：空間數據建模。

楊衛聰 男，（１９９７—），碩士研究生。主要研究方向：空間數據建模。

基金項目：國家自然科學基金（４１８６１０５０ ）；廣西自然科學基金（２０１７ＧＸＮＳＦＡＡ１９８３０８）