2025, Vol. 46
2. 河北省科学院地理科学研究所，河北省地理信息开发应用工程技术研究中心，石家庄 050011;
3. 中国农业大学土地科学与技术学院，北京 100083;
4. 河北省自然资源利用规划院，石家庄 050051
2. Hebei Engineering Research Center for Geographic Information Application, Institute of Geographical Sciences, Hebei Academy of Sciences, Shijiazhuang 050011, China;
3. College of Land Science and Technology, China Agricultural University, Beijing 100083, China;
4. Hebei Academy of Natural Resources Utilization and Planning, Shijiazhuang 050051, China
快速城市化进程已经成为20世纪以来全球社会发展的突出特征之一[1]. 我国城镇化率由1978年的17.90%提升至2022年的65.22%，增速位于世界前列[2]. 城市用地扩张是城市化在空间上最直接的表现，其往往伴随着生态用地减少[3，4]、城市热岛增强[5，6]和环境污染加剧[7 ~ 9]. 因此，实现城市高质量发展与生态环境保护相协调是全面推进建设美丽中国的关键.
2006年，生态环境部在《生态环境状况评价技术规范》[10]中提出的生态环境状况指数（ecological index，EI）用于区域的生态环境质量评估，并于2015年进行了修订[11]. 但上述方法构建的指标体系需要收集大量的数据，对大区域中地级市及以下尺度的获取难度较大[12]. 徐涵秋[13]基于遥感信息技术，耦合绿度（用归一化植被指数代表，normalized difference vegetation index，NDVI）、干度（normalized difference building and soil index，NDBSI）、湿度（wetness，WET）、温度（land surface temperature，LST）构建遥感生态指数（remote sensing ecological index，RSEI），被用于不同空间尺度的生态环境质量评估[14 ~ 19]. 此外，学者们在RSEI基础上，结合区域生态特点新增如盐度[20 ~ 22]、净初级生产力[23]、生物丰度[24]等评价指标，能更全面反映区域生态环境质量. 探究生态环境质量变化背后的影响因素，采取针对保护措施和及时修复生态环境具有重要意义[25]. 现有研究对影响因素的研究方法主要包括相关性分析[26，27]、多元回归分析[28，29]、地理加权回归模型[30，31]以及地理探测器模型[32]等，Huang等[33]提出的时空地理加权回归模型（geographically and temporally weighted regression，GTWR），弥补了原地理加权回归模型仅考虑空间异质性而忽视时间维度的不足. 此外，当前研究多从静态视角[34 ~ 36]分析社会经济因素（如人口密度、夜间灯光）和自然因素（如降水量、气温、高程）对生态环境质量的影响，鲜有研究从动态视角探讨城市扩张对生态环境质量变化的影响.
京津冀（BTH）城市群是我国城镇化进程最为显著的区域之一[37]，还是空气污染最严重的区域之一[38，39]. RSEI在区域生态环境质量评价中偏重生态指标，在评估京津冀城市群生态环境状况时无法全面表征其实际生态环境质量. 基于此背景，本文①在RSEI模型基础上通过结合环境类指标生物丰度（biological abundance，BA）、植被净初级生产力（net primary productivity，NPP）、土地利用强度（land use intensity，LUI）、空气污染指标（PM2.5），基于GEE（Google Earth Engine）平台构建综合遥感生态环境指数（integrated remote sensing eco-environment index，IRSEI），分析京津冀城市群生态环境质量时空变化特征；②从城市扩张的动态视角切入，引入时空地理加权回归模型探讨城市用地扩张对生态环境质量变化的影响，以期为京津冀城市群制定高质量发展政策以及区域生态环境保护与管理提供科学参考.
1 研究区概况京津冀城市群是我国三大城市群之一，位于我国华北平原地区，介于北纬36°05′~42°40′，东经113°27′~119°50′之间，涵盖北京市、天津市两直辖市以及河北省下辖的11个地级市，面积约为21.60万km2. 京津冀城市群属于夏季炎热多雨和冬季寒冷干燥的温带大陆性季风气候. 整体地势西北高东南低（如图 1），西北部有燕山山脉和太行山山脉，林草资源较为丰富；东南部为华北平原区域，耕地和建设用地面积占比较高.
|
图 1 研究区域 Fig. 1 Study area |
本研究涉及到的数据包括土地利用数据、空气污染数据、植被净初级生产力数据、Landsat TM/OLI地表反射率产品等. 2000年、2005年、2010年、2015年和2020年城市用地数据来源于中国科学院资源环境科学与数据中心（http://www.resdc.cn/）的中国国家尺度多时期土地利用/土地覆盖专题数据库，提取数据集中分类为51的城镇用地，利用高分辨率遥感影像进行目视判读以及现场考证，对数据进行修正后得到京津冀城市群5期的城市用地数据；PM2.5数据来源于国家青藏高原科学数据中心（https://data.tpdc.ac.cn/）的中国高分辨率高质量PM2.5数据集，空间分辨率为1 000 m；NPP数据来自NASA的MODIS产品网站（https://ladsweb.Nascom.Nasa.gov），500 m分辨率MOD17A3H合成数据；Landsat TM/OLI地表反射率产品均源于GEE平台数据库.
2.2 研究方法 2.2.1 城市用地扩张评价 2.2.1.1 城市扩张速度和扩张强度采用城市扩张速度以及扩张强度能直接反映城市用地扩张的变化程度. 计算公式为：
|
式中，ESi为某一时期县级单元i的城市扩张速度；EIi为某一时期县级单元i的城市扩张强度；Ua和Ub分别为研究末期和初期的县级单元i的城市用地面积；S为县级单元i的城市总面积；T为间隔年份.
2.2.1.2 景观格局指数景观格局演变可以反映城市用地斑块的形状、大小在空间上的扩张变化. 本文结合前人的研究成果[40，41]，综合选取斑块数量（number of patches，NP）、景观形状指数（landscape shape index，LSI）、最大斑块指数（largest patch index，LPI）和斑块密度（patch density，PD）这4个景观格局指标，计算景观格局指数并分析其变化趋势.
2.2.2 生态环境质量评价 2.2.2.1 综合遥感生态环境指数计算在RSEI绿度、湿度、干度、热度这4个指标的基础上，结合环境类指标生物丰度、植被净初级生产力、土地利用强度以及空气污染，总共8个指标构建综合遥感生态环境指数（IRSEI），需计算的指标公式如表 1.
|
表 1 绿度、湿度、干度、热度、生物丰度和土地利用强度公式及说明 Table 1 Formulas and descriptions of NDVI, WET, LST, NDBSI, BA, and LUI |
综合遥感生态环境指数（IRSEI）的表达式如下：
|
式中，IRSEI为综合遥感生态环境指数；NDVI为归一化植被指数（绿度）；WET为湿度分量；NDBSI为干度指标；LST为地表温度（表征热度指标）；BA为生物丰度；NPP为植被净初级生产力；LUI为土地利用强度；PM2.5>为空气污染.
2.2.2.2 构建IRSEI2000~2020年京津冀城市群各指标第1至第4主成分的荷载及贡献率如表 2. 可以看出，各年份第一主成分PC1特征值分别为0.11、0.13、0.13、0.13和0.12，特征值贡献率分别为48.29%、56.81%、56.94%、52.11%和57.40%，PC1的特征值贡献率最大. 且PC1中对生态环境有利的NDVI、WET、BA和NPP的载荷值均为正值，对生态环境不利的LST、NDBSI、PM2.5和LUI的载荷值均为负值，与实际情况相符，具备明确的生态学意义，而PC2~PC4中各指标的载荷值符号没有明显的规律性. 综上，本研究利用PC1构建IRSEI能够表征区域准确且较为完整的生态环境质量信息.
|
|
表 2 主成分分析结果 Table 2 Principal component analysis results |
为避免大面积水体和不同指标量纲对结果造成影响，需要在构建模型前对研究区的大面积水体进行掩膜，并对不同指标进行归一化处理. IRSEI值介于[0，1]之间，值越接近1，代表生态环境质量越好，反之则越差.
2.2.3 时空地理加权回归模型时空地理加权回归模型是对地理加权回归模型的深入，将时间属性与空间属性相联系，能更好地反映研究区时空变化信息[46]. 因此，本文利用该模型来分析城市扩张对区域生态环境质量变化的作用，具体公式如下：
|
式中，Y为因变量；X为自变量；i为样本地区；u和v为样本地区的经纬度；t为时间；β0(ui，vi，ti)为截距；βk(ui，vi，ti)为估计系数；k为自变量序号；p为自变量总个数；β > 0表示因变量与自变量为正相关，反之为负相关；εi是随机干扰项.
3 结果与分析 3.1 研究区城市用地扩张时空特征 3.1.1 城市扩张速度与扩张强度运用自然断点法将京津冀城市群城市扩张速度与扩张强度结果各分为5类（如图 2）. 2000~2020年期间，京津冀城市群城市用地由2000年的3 536.82 km2扩张至2020年的7 881.29 km2，总体扩张速度为217.22 km2·a-1. 其中2000~2010年扩张速度为298.11 km2·a-1，2010~2020年扩张速度为145.34 km2·a-1，2010~2020年与2000~2010年相比呈现出下降的趋势. 总体来看，受北部燕山山区和西部太行山山区地形影响，西北部县区扩张速度较慢，东南平原县区扩张速度则较快，扩张速度较快的区县主要集中在北京市、天津市以及廊坊市.
|
图 2 2000~2020年京津冀城市群城市扩张速度与强度 Fig. 2 Urban expansion rate and intensity of BTH urban agglomeration from 2000 to 2020 |
2000~2020年期间，京津冀城市群整体扩张强度为6.14%，其中2000~2010年扩张强度为8.17%，2010~2020年扩张强度下降为2.26%. 2000~2010年，扩张强度较高的区县主要分布在北京市、天津市、石家庄市、廊坊市和保定市的中心城区，石家庄市的裕华区扩张强度最高，达到5.70%；2010~2020年，城市群整体扩张强度下降，高速扩张区县数量减少，扩张强度较高的区县主要分布在北京市、天津市和石家庄市，北京市朝阳区的扩张强度最高，为1.73%. 将各县级行政单元的扩张强度分为慢速扩张、低速扩张、中速扩张、快速扩张和高速扩张这5个等级，可以看出县级城市用地扩张存在显著的空间差异，处于快速和高速扩张的区域主要集中在各市的中心城区以及周边的区县.
3.1.2 京津冀城市群景观特征分析2000~2020年，京津冀城市群景观格局指数的变化趋势如图3~6. 总体上看，本研究期间斑块数量、斑块密度和景观形状指数呈现上升的趋势，最大斑块指数呈现下降的趋势. 斑块数量、斑块密度的增加和最大斑块指数的下降，表明京津冀城市群城市用地景观格局破碎化程度有所提升，景观形状指数的增加则反映了研究区城市用地斑块的边界复杂性上升. 其中，就斑块数量而言，2000~2010年斑块数量上升的区县主要集中在京津冀城市群东南平原区，2010~2020年除研究区东南部的斑块数量持续增多，西部太行山沿线区县的斑块数量也有一定程度增多；就斑块密度来看，2000~2010年研究区斑块密度变化较小，2010~2020年京津冀城市群西北部与东南部的提升显著，其中太行山沿线区县斑块密度较高的原因是由于山区地形的限制，城市用地斑块破碎化程度上升，且城市用地面积较小，故斑块密度水平较高；就最大斑块指数来看，2000~2010年，研究区东南平原区部分区县最大斑块指数有所下降，但整体水平仍然较高，2010~2020年研究区最大斑块指数显著下降，再一次印证了研究区城市用地破碎化程度的上升；就景观形状指数来看，2000~2020年研究区各县区整体景观形状指数提高，说明城市用地斑块形状的复杂性在上升，主要的高值区分布在东南平原区.
|
图 3 2000~2020年京津冀城市群斑块数量 Fig. 3 Patch numbers of BTH urban agglomeration from 2000 to 2020 |
|
图 4 2000~2020年京津冀城市群斑块密度 Fig. 4 Patch density of BTH urban agglomeration from 2000 to 2020 |
|
图 5 2000~2020年京津冀城市群最大斑块指数 Fig. 5 Largest patch index of BTH urban agglomeration from 2000 to 2020 |
|
图 6 2000~2020年京津冀城市群景观形状指数 Fig. 6 Landscape shape index of BTH urban agglomeration from 2000 to 2020 |
2000~2020年，京津冀城市群IRSEI均值变化情况如图 7所示. 本研究期间，研究区IRSEI均值由2000年的0.448 9上升至2020年的0.476 4，上升幅度为6.13%. 2000年IRSEI的分布相对集中，2010年IRSEI的分布最分散，其余年份介于两者之间. 上四分位数、中位数和下四分位数分别由2000年的0.547 0、0.399 7、0.342 2提升至2020年的0.594 2、0.422 8和0.358 9，说明研究期间京津冀城市群生态环境质量总体上呈现改善趋势.
|
图 7 2000~2020年京津冀城市群IRSEI均值箱形图 Fig. 7 Box plot of IRSEI mean value of BTH urban agglomeration from 2000 to 2020 |
参考相关研究[16 ~ 20]，将IRSEI分为5个等级：差（0~0.2）、较差（0.2~0.4）、中等（0.4~0.6）、良好（0.6~0.8）和优（0.8~1）. 2000~2020年京津冀城市群IRSEI分级及变化空间分布如图 8，总体来看，京津冀城市群IRSEI的高值区域主要分布在西部太行山区以及北部燕山山区等城市化进程较慢、林草地面积占比较高的区域，坝上高原区以及东南部平原地区的IRSEI值较低. 京津冀城市群2000年、2010年和2020年生态环境质量中较差质量等级面积较大，比例分别为45.58%、36.28%和35.88%. 2000~2020年期间，差与较差级别的比例之和整体呈现下降的趋势，由48.50%下降为41.23%；中等级别的面积比例较为稳定，维持在35%左右；优良级别的面积比例整体呈现上升的趋势，且上涨幅度较大，表明京津冀城市群的整体生态环境质量得到改善.
|
图 8 2000~2020年京津冀城市群IRSEI分级及变化 Fig. 8 IRSEI classification and changes of BTH urban agglomeration from 2000 to 2020 |
参考前人研究[16，47 ~ 49]，并根据研究区的实际情况将2000~2020年研究区IRSEI的变化情况分为明显恶化（-1.0~-0.4）、略微恶化（-0.4~-0.03）、基本不变（-0.03~0.03）、略微改善（0.03~0.4）和明显改善（0.4~1.0）（如图 8）. 总体来看，2000~2020年，京津冀城市群的生态环境质量变化主要为基本不变、略微改善和明显改善，面积占比分别为18.97%、28.73%和32.35%. 其中，生态环境质量下降较为严重的区域主要集中在环渤海区域、东南平原区尤其是城市中心区及其周边；生态环境质量好转的区域主要在西部太行山区与北部燕山山区.
3.3 研究区城市用地扩张对生态环境质量变化的影响分析 3.3.1 模型检验以京津冀城市群2000~2010年以及2010~2020年的生态环境质量变化量为因变量，量化对应时期城市用地扩张的动态过程，并以此作为自变量，引入时空地理加权回归模型分析城市扩张对生态环境质量变化的影响. 在采用时空地理加权回归前对各影响因素进行多重共线性检验，由于较大的方差膨胀因子（variance inflation factor，VIF）表示变量存在冗余，因此本研究剔除了VIF > 7.5的影响因素（最大斑块指数、扩张强度），对剩余影响因素进行分析. 将时空地理加权回归（GTWR）、地理加权回归（geographically weighted regression，GWR）以及普通最小二乘法（ordinary least square，OLS）进行比较（如表 3），GTWR的R2与R2 adjust更高，AICc更小，说明GTWR模型的分析结果更具有可信度.
|
|
表 3 不同模型拟合结果对比 Table 3 Results of different model fittings |
3.3.2 城市扩张对生态环境质量变化的影响力空间分异
城市扩张对生态环境质量变化的影响程度具有明显的空间分异（如图 9）. 其中，扩张速度对生态环境的高负值区域主要集中在西北坝上地区部分区县、北部燕山山区沿线部分区县、石家庄市的部分区县和东北部唐山市的部分区县. 西北坝上地区和北部燕山山区沿线部分区县主要土地覆被类型为草地以及林地，尽管该地区的扩张速度不高，但以上区域应避免城市用地扩张时占用林草地. 2010~2020年期间扩张速率在研究区西南部石家庄市的部分区县和东北部唐山市的部分区县也呈现出较强的负作用. 石家庄市与唐山市是河北省的经济强市，在以上区域应控制城市扩张速度，避免无序扩张占用生态用地.
|
图 9 GTWR模型回归系数空间分布 Fig. 9 Spatial distribution of GTWR model's regression coefficient |
2000~2020年，景观形状指数在绝大部分县区的回归系数为负，是影响生态环境质量变化的主要原因，即随着景观形状指数的上升，生态环境质量下降. 景观形状指数与生态环境质量变化呈现显著的负相关关系，新增城市用地占用了城市周边的优质农田以及林草地，使城市边界愈发不规则，同时对生态环境质量产生负面影响. 斑块密度2000~2010年期间负值区集中在研究区“东北-西南”沿线城市，2010~2020年负值区域集中分布在南部部分区县以及环渤海区域区县. 斑块数量在2000~2010年期间负值区主要集中在京津冀城市群南部城市以及北部部分城市，2010~2020年负值区域减少，负值区主要集中在西部太行山区沿线区县以及北部燕山山区沿线区县. 斑块数量与斑块密度对生态环境质量变化为负相关影响的区县在减少，斑块数量与斑块密度均为城市用地破碎度的主要表现，城市土地破碎度提升而对生态环境质量变化的负影响减弱，原因是城市区域内的旧城改造或园林绿化使城市绿地面积上升，新增的绿地和公园破坏了原城市用地景观的连片格局，因而城市用地破碎度上升而对生态环境质量变化的负影响在减弱.
4 讨论 4.1 IRSEI与RSEI的对比目前，遥感生态指数RSEI被广泛应用于评估区域生态质量[50]. 然而，RSEI中4个指标更偏重表达生态质量信息，不同地区之间自然条件和经济发展水平存在差异，RSEI在反映不同地区的生态环境质量时存在一定的局限性[51]，因此，在评估地区的生态环境质量时，应考虑该地区自然条件以及经济发展水平的特殊性[52]. 京津冀城市群作为我国三大城市群之一，城镇化进程较快，部分城市的国土开发强度超过30%的国际警戒线[53]. 京津冀城市群各种经济活动的加剧使得区域遭受了严重的污染[37，38]，根据生态环境部发布的2020年全国生态环境质量简况，环境空气质量相对较差的20个城市中有5个来自京津冀城市群. 因此，本研究在RSEI的基础上，根据京津冀区域生态环境特点加入生物丰度指数、植被净初级生产力、土地利用强度和空气污染指标构建综合遥感生态环境指数（IRSEI）对京津冀城市群的生态环境状况进行分析.
与利用遥感生态指数[54]评估京津冀城市群生态环境质量的研究相比，两者在时间变化趋势一致，但空间特征有所差异. 本研究构建的IRSEI空间异质性更为显著，在引入生物丰度指数以及植被净初级生产力后，对林地与草地的分辨能力更强，林草覆盖度较高的区域的生态环境质量与其余区域差别更大；考虑到京津冀城市群城市化进程较快且空气污染较为严重，在考虑土地利用强度以及空气污染指标后，城市区域的生态环境质量评估结果更符合实际，空气污染严重的城市如石家庄市、邢台市和邯郸市的IRSEI低于RSEI的结果. 综上所述，本研究考虑了京津冀城市群的自然条件以及经济发展水平，在RSEI基础上结合新的指标后构建的IRSEI能更全面反映研究区的生态环境状况.
4.2 城市扩张对京津冀城市群生态环境质量的影响2000~2020年期间京津冀城市群IRSEI总体呈现上升趋势，主要原因是研究期间京津冀城市群退耕还林[55]、休耕种草[56]等政策的实施以及京津风沙源治理[57]、三北防护林和生物多样性保护[58]等生态工程的建设. 生态环境质量下降较严重的区域主要是城市的边缘地区，说明城市扩张对生态环境造成的影响主要体现在城市扩张区域，相关部门在对区域的生态环境治理保护和管理时应首先重点关注城市扩张区域. 本研究以城市扩张的动态视角，分析城市扩张对生态环境质量变化的影响. 其中扩张速度在部分区县与生态环境质量变化呈现出较为显著的负相关关系；景观形状指数在大部分区县均呈现显著的负相关关系；斑块数量与斑块密度的负影响范围在减少. 城市用地的快速扩张会导致城市用地斑块占用了周边林地、草地，林草地面积迅速下降，导致了生态环境质量的下降. 因此，未来在规划城市发展政策以及发展方向时，需避免无序及快速扩张，应注意少占、不占城市边缘的优质耕地以及林草地，还可以通过绿化建设提高城区内的绿地面积，提升城区绿化覆盖率以改善生态环境质量.
4.3 不足与展望利用遥感技术是进行大空间尺度生态环境监测较好的办法，但遥感作为瞬时手段，用瞬态的遥感值表征常态的生态环境质量值会有所偏差. 而本研究利用植被生长季6~10月所有遥感影像数据的均值，能在一定程度上避免这个问题. 本研究可为自然条件和经济发展水平与京津冀城市群类似的区域提供参考，但仍存在一些局限性，例如，本研究构建IRSEI涉及的多个指标的空间分辨率不完全相同，这对结果会有细微的影响，今后应尽量使用同一分辨率的遥感影像. 此外，由于大空间尺度的生物多样性数据获取难度较大，本研究IRSEI中新增的生物丰度指数是利用生境指数直接表示，这也会产生细小的偏差，今后可以重点关注大空间尺度的生物多样性的遥感估算方法.
5 结论（1）2000~2020年期间，京津冀城市群城市用地总体扩张速度为217.22 km2·a-1，2000~2010年扩张速度快于2010~2020年的扩张速度. 其中，西北部山区的城市扩张速度较慢，东南平原的城市扩张速度较高. 研究期间京津冀城市群整体扩张强度为6.14%，其中处于高速扩张、快速扩张和中速扩张的区域主要集中在东南部平原地区；处于低速扩张和慢速扩张的区域主要位于西北部. 研究期间京津冀城市群数量、斑块密度、景观形状指数呈现上升的趋势，最大斑块指数呈现下降的趋势，城市用地破碎度不断升高.
（2）2000~2020年期间，京津冀城市群IRSEI整体呈现出上升趋势，2020年相较于研究初期，IRSEI上升幅度为6.13%；环渤海区域和东南平原区尤其是城市中心区及其周边，生态环境质量恶化较明显，西部太行山区和北部燕山山区的生态环境质量有所好转. 研究期间京津冀城市群生态环境质量保持在中等水平，研究区内燕山山区和太行山山区的生态环境质量较高，坝上高原区和东南平原区的生态环境质量较差.
（3）城市扩张对生态环境质量变化的影响程度具有明显的空间分异. 扩张速度对生态环境的高负值区域主要集中在西北坝上地区部分区县和北部燕山山区沿线部分区县、石家庄市的部分区县和东北部唐山市的部分区县；景观形状指数在绝大部分县区的回归系数为负，是影响生态环境质量变化的主要原因；斑块密度2000~2010年期间负值区集中在研究区“东北-西南”沿线城市，2010~2020年负值区域集中分布在南部部分区县以及环渤海区域区县；斑块数量在2000~2010年期间负值区主要集中在京津冀城市群南部城市以及北部部分城市，2010~2020年负值区域减少，主要集中在西部太行山山区沿线区县以及北部燕山山区沿线区县.
| [1] | Ariken M, Zhang F, Liu K, et al. Coupling coordination analysis of urbanization and eco-environment in Yanqi Basin based on multi-source remote sensing data[J]. Ecological Indicators, 2020, 114. DOI:10.1016/j.ecolind.2020.106331 |
| [2] | Liu X Z, Li X S, Yang J, et al. How to resolve the conflicts of urban functional space in planning: a perspective of urban moderate boundary[J]. Ecological Indicators, 2022, 144. DOI:10.1016/j.ecolind.2022.109495 |
| [3] | Liu W, Zhan J Y, Zhao F, et al. Impacts of urbanization-induced land-use changes on ecosystem services: a case study of the Pearl River Delta Metropolitan Region, China[J]. Ecological Indicators, 2019, 98: 228-238. DOI:10.1016/j.ecolind.2018.10.054 |
| [4] |
李超, 牛文浩, 黄怀玉, 等. 城市化背景下粤港澳大湾区生态风险时空演变及生态分区识别研究[J]. 环境工程技术学报, 2024, 14(2): 562-573. Li C, Niu W H, Huang H Y, et al. Study on spatial and temporal evolution of ecological risk and ecological zoning identification in Guangdong-Hong Kong-Macao Greater Bay Area under the background of urbanization[J]. Journal of Environmental Engineering Technology, 2024, 14(2): 562-573. |
| [5] | Yu Z W, Yao Y W, Yang G Y, et al. Spatiotemporal patterns and characteristics of remotely sensed region heat islands during the rapid urbanization (1995-2015) of Southern China[J]. Science of the Total Environment, 2019, 674: 242-254. DOI:10.1016/j.scitotenv.2019.04.088 |
| [6] |
李宇, 周德成, 闫章美, 等. 中国主要城市的城市化对局地增温的贡献[J]. 环境科学, 2022, 43(5): 2822-2830. Li Y, Zhou D C, Yan Z M, et al. Contribution of urbanization to local warming in major cities of China[J]. Environmental Science, 2022, 43(5): 2822-2830. |
| [7] | Wang S J, Gao S, Li S J, et al. Strategizing the relation between urbanization and air pollution: empirical evidence from global countries[J]. Journal of Cleaner Production, 2020, 243. DOI:10.1016/j.jclepro.2019.118615 |
| [8] |
郭向阳, 穆学青, 丁正山, 等. 长三角多维城市化对PM2.5浓度的非线性影响及驱动机制[J]. 地理学报, 2021, 76(5): 1274-1293. Guo X Y, Mu X Q, Ding Z S, et al. Nonlinear effects and driving mechanism of multidimensional urbanization on PM2.5 concentrations in the Yangtze River Delta[J]. Acta Geographica Sinica, 2021, 76(5): 1274-1293. |
| [9] |
王之芬, 梁新秀, 占笔成, 等. 快速城市化流域全氟化合物的污染特征及生态风险[J]. 北京大学学报(自然科学版), 2019, 55(3): 543-552. Wang Z F, Liang X X, Zhan B C, et al. Pollution characteristics and ecological risk of perfluorinated compounds in a rapidly urbanizing catchment[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2019, 55(3): 543-552. |
| [10] | HJ/T 192-2006, 生态环境状况评价技术规范(试行)[S]. |
| [11] | HJ 192-2015, 生态环境状况评价技术规范[S]. |
| [12] |
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]. 自然资源遥感, 2023, 35(4): 244-254. Li G Z, Wang H, Cao Y X, et al. Spatio-temporal evolution and influencing factors of ecological environment quality in the Changsha-Zhuzhou-Xiangtan urban agglomeration[J]. Remote Sensing for Natural Resources, 2023, 35(4): 244-254. |
| [13] |
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. Xu H Q. A remote sensing urban ecological index and its application[J]. Acta Ecologica Sinica, 2013, 33(24): 7853-7862. |
| [14] |
李世杰, 冯徽徽, 王珍, 等. 2010-2019年间洞庭湖流域生态环境状况时空动态特征及影响因素[J]. 自然资源遥感, 2024, 36(1): 179-188. Li S J, Feng H H, Wang Z, et al. Ecological environment in the Dongting Lake Basin over the past decade: spatio-temporal dynamic characteristics and their influencing factors from 2010 to 2019[J]. Remote Sensing for Natural Resources, 2024, 36(1): 179-188. |
| [15] |
张京新, 谷雨鑫, 沈佳琦, 等. 黄河流域生态环境质量时空变化及驱动因素分析[J]. 环境科学, 2025, 46(2): 956-971. Zhang J X, Gu Y X, Shen J Q, et al. Analysis of spatiotemporal changes and driving factors of ecological environment quality in the Yellow River Basin[J]. Environmental Science, 2025, 46(2): 956-971. |
| [16] |
田智慧, 尹传鑫, 王晓蕾. 鄱阳湖流域生态环境动态评估及驱动因子分析[J]. 环境科学, 2023, 44(2): 816-827. Tian Z H, Yin C X, Wang X L. Dynamic monitoring and driving factors analysis of ecological environment quality in Poyang Lake Basin[J]. Environmental Science, 2023, 44(2): 816-827. |
| [17] |
陈芳淼, 黄慧萍, 杨光, 等. 基于遥感生态指数的黄河流域生态环境质量变化及影响因素分析[J]. 中国沙漠, 2023, 43(4): 252-262. Chen F M, Huang H P, Yang G, et al. Research on the dynamic change of the ecological environment and its influencing factors in the Yellow River Basin based on remote sensing ecological index[J]. Journal of Desert Research, 2023, 43(4): 252-262. |
| [18] |
宗慧琳, 张晓伦, 袁希平, 等. 利用GEE进行1990~2022年小江流域生态环境质量时空格局与演变趋势分析[J]. 环境科学, 2024, 45(7): 4122-4136. Zong H L, Zhang X L, Yuan X P, et al. Xiaojiang River Basin ecological environmental quality spatiotemporal pattern and evolutionary trend analysis using GEE from 1990 to 2022[J]. Environmental Science, 2024, 45(7): 4122-4136. |
| [19] |
罗旭, 王丽霞, 张晶, 等. 秦岭地区生态环境质量时空变化及驱动力分析[J]. 环境科学, 2025, 46(6): 3720-3729. Luo X, Wang L X, Zhang J, et al. Spatio-temporal dynamic simulation analysis of ecological environment quality in Qinling Mountains[J]. Environmental Science, 2025, 46(6): 3720-3729. |
| [20] |
赵嘉丽, 李兴, 孙冰. 基于AWRSEI的岱海流域生态环境质量时空演变及驱动因子分析[J]. 环境科学, 2024, 45(3): 1598-1614. Zhao J L, Li X, Sun B. Spatial-temporal evolution and driving factors analysis of ecological environment quality in Daihai Basin based on AWRSEI[J]. Environmental Science, 2024, 45(3): 1598-1614. |
| [21] |
傅楷翔, 贾国栋, 余新晓, 等. 基于改进遥感生态指数的吐鲁番-哈密地区生态环境质量评价及驱动机制分析[J]. 生态学报, 2024, 44(9): 3911-3923. Fu K X, Jia G D, Yu X X, et al. Evaluation of ecological environment quality and analysis of drivingmechanism in Tulufan-Hami Region based on improved remote sensing ecological indices[J]. Acta Ecologica Sinica, 2024, 44(9): 3911-3923. |
| [22] |
张浩斌, 王婉, 宋妤婧, 等. 基于改进遥感生态指数的干旱内流区生态质量评价——以阴山北麓塔布河流域为例[J]. 生态学报, 2024, 44(2): 523-543. Zhang H B, Wang W, Song Y J, et al. Ecological index evaluation of arid inflow area based on the modified remote sensing ecological index: a case study of Tabu River Basin at the northern foot of the Yin Mountains[J]. Acta Ecologica Sinica, 2024, 44(2): 523-543. |
| [23] |
范德芹, 邱玥, 孙文彬, 等. 基于遥感生态指数的神府矿区生态环境评价[J]. 测绘通报, 2021(7): 23-28. Fan D Q, Qiu Y, Sun W B, et al. Evaluating ecological environment based on remote sensing ecological index in Shenfu Mining Area[J]. Bulletin of Surveying and Mapping, 2021(7): 23-28. |
| [24] |
赵晓燕, 谈树成, 张素, 等. 基于遥感生态指数改进模型的沱江流域生态环境质量时空变化及驱动力研究[J]. 水土保持学报. Zhao X Y, Tan S C, Zhang S, et al. Analysis of spatial and temporal changes and driving forces of ecological environment quality in Tuojiang River Basin based on RESI improved modeling[J]. Journal of Soil and Water Conservation. DOI:10.13870/j.cnki.stbcxb.2024.05.017 |
| [25] |
杭鑫, 罗晓春, 曹云, 等. 基于RSEI模型的生态质量评估及城镇化影响——以南京市为例[J]. 应用生态学报, 2020, 31(1): 219-229. Hang X, Luo X C, Cao Y, et al. Ecological quality assessment and the impact of urbanization based on RSEI model for Nanjing, Jiangsu Province, China[J]. Chinese Journal of Applied Ecology, 2020, 31(1): 219-229. |
| [26] |
许丽婷, 刘海红, 黄丽洁, 等. 2000-2020年汾河流域生态环境与水源涵养时空变化[J]. 干旱区研究, 2023, 40(2): 313-325. Xu L T, Liu H H, Huang L J, et al. Spatial and temporal changes of ecological environment and water conservation in Fenhe River Basin from 2000 to 2020[J]. Arid Zone Research, 2023, 40(2): 313-325. |
| [27] |
苏嘉亮, 晏晨然, 雷雨, 等. 陕西省生态环境质量长时序动态监测[J]. 生态学报, 2023, 43(2): 554-568. Su J L, Yan C R, Lei Y, et al. Long time series dynamic monitoring of eco-environmental quality in Shaanxi Province[J]. Acta Ecologica Sinica, 2023, 43(2): 554-568. |
| [28] |
张亚球, 姜放, 纪梦达, 等. 基于遥感指数的区县级生态环境评价[J]. 干旱区研究, 2020, 37(6): 1598-1605. Zhang Y Q, Jiang F, Ji M D, et al. Assessment of the ecological environment at district and county level based on remote sensing index[J]. Arid Zone Research, 2020, 37(6): 1598-1605. |
| [29] |
魏雨涵, 钱建平, 范伟伟, 等. 基于RSEI的漓江流域生态环境质量动态监测[J]. 中国水土保持科学, 2021, 19(1): 122-131. Wei S H, Qian J P, Fan W W, et al. Dynamic monitoring of ecological environment quality in Lijiang River Basin based on RSEI[J]. Science of Soil and Water Conservation, 2021, 19(1): 122-131. |
| [30] |
徐信. 基于RSEI模型的生态环境质量评价及驱动力分析——以湖北省天门市为例[D]. 武汉: 华中师范大学, 2022. Xu X. A case study on ecological environment quality evaluation and driving force analysis based on RSEI model—take Tianmen City, Hubei Province, as an example[D]. Wuhan: Central China Normal University, 2022. |
| [31] |
陈晓辉, 曾晓莹, 赵超超, 等. 基于遥感生态指数的道路网络生态效应分析——以福州市为例[J]. 生态学报, 2021, 41(12): 4732-4745. Chen X H, Zeng X Y, Zhao C C, et al. The ecological effect of road network based on remote sensing ecological index: a case study of Fuzhou City, Fujian Province[J]. Acta Ecologica Sinica, 2021, 41(12): 4732-4745. |
| [32] |
王芳, 李文慧, 林妍敏, 等. 1990~2020年黄河流域典型生态区生态环境质量时空格局及驱动力分析[J]. 环境科学, 2023, 44(5): 2518-2527. Wang F, Li W H, Lin Y M, et al. Spatiotemporal pattern and driving force analysis of ecological environmental quality in typical ecological areas of the Yellow River Basin from 1990 to 2020[J]. Environmental Science, 2023, 44(5): 2518-2527. |
| [33] | Huang B, Wu B, Barry M. Geographically and temporally weighted regression for modeling spatio-temporal variation in house prices[J]. International Journal of Geographical Information Science, 2010, 24(3): 383-401. DOI:10.1080/13658810802672469 |
| [34] |
范金明, 张超, 钱慧, 等. 云南生态环境质量演变过程及驱动力分析[J]. 西南林业大学学报(自然科学), 2024, 44(5): 74-81. Fan J M, Zhang C, Qian H, et al. Analysis on the evolution process of ecological environment quality and driving force of Yunnan[J]. Journal of Southwest Forestry University (Natural Sciences), 2024, 44(5): 74-81. |
| [35] |
余慧婕, 张方敏, 马赫, 等. 基于遥感生态指数的淮河流域生态环境质量时空演化及其驱动因素分析[J]. 环境科学, 2024, 45(7): 4112-4121. Yu H J, Zhang F M, Ma H, et al. Spatio-temporal evolution and driving factors of ecological environment quality in the Huaihe River Basin based on RSEI[J]. Environmental Science, 2024, 45(7): 4112-4121. |
| [36] | Xiong Y, Xu W H, Lu N, et al. Assessment of spatial-temporal changes of ecological environment quality based on RSEI and GEE: a case study in Erhai Lake Basin, Yunnan Province, China[J]. Ecological Indicators, 2021, 125. DOI:10.1016/j.ecolind.2021.107518 |
| [37] |
张颖诗, 冯艳芬, 郭冠华, 等. 近30年中国典型城市群建设用地扩张的时空特征及其对比——以京津冀城市群和粤港澳大湾区为例[J]. 华南师范大学学报(自然科学版), 2022, 54(1): 79-90. Zhang Y S, Feng Y F, Guo G H, et al. The spatio-temporal characteristics of construction land expansion in China's typical urban agglomerations in recent 30 years: a case study of the Beijing-Tianjin-Hebei urban agglomeration and the Guangdong-Hong Kong-Macao Greater Bay Area[J]. Journal of South China Normal University (Natural Science Edition), 2022, 54(1): 79-90. |
| [38] |
宋小涵, 燕丽, 刘伟, 等. 2015~2021年京津冀及周边地区PM2.5和臭氧复合污染时空特征分析[J]. 环境科学, 2023, 44(4): 1841-1851. Song X H, Yan L, Liu W, et al. Spatiotemporal distribution characteristics of co-pollution of PM2.5 and ozone over BTH with surrounding area from 2015 to 2021[J]. Environmental Science, 2023, 44(4): 1841-1851. |
| [39] | Li M G, Wang L L, Liu J D, et al. Exploring the regional pollution characteristics and meteorological formation mechanism of PM2.5 in North China during 2013-2017[J]. Environment International, 2020, 134. DOI:10.1016/j.envint.2019.105283 |
| [40] |
张小轩, 牛振生, 廖祥, 等. 基于夜光遥感的成都都市圈城市扩张动态分析[J]. 自然资源信息化, 2024(1): 64-71. Zhang X X, Niu Z S, Liao X, et al. Dynamic analysis of urban expansion in Chengdu metropolitan area based on night light remote sensing[J]. Natural Resources Informatization, 2024(1): 64-71. DOI:10.3969/j.issn.1674-3695.2024.01.010 |
| [41] |
黄潞, 谷达华, 刘勇. 重庆市中心城区不透水面扩张及驱动力分析[J]. 西南大学学报(自然科学版), 2023, 45(11): 155-165. Huang L, Gu D H, Liu Y. Spatiotemporal evolution of impervious surface and the driving factors in the central urban area of Chongqing[J]. Journal of Southwest University (Natural Science Edition), 2023, 45(11): 155-165. |
| [42] |
苏萍, 边玲玲, 王卷乐. 玛多县生态环境承载力计算与评价[J]. 中国人口·资源与环境, 2018, 28(S1): 90-93. Su P, Bian L L, Wang J L. Calculation and evaluation of ecological carrying capacity in Maduo County[J]. China Population, Resources and Environment, 2018, 28(S1): 90-93. |
| [43] |
杜婷, 焦继宗, 颉耀文, 等. 甘肃省庆阳市2000-2015年生态环境状况变化分析[J]. 兰州大学学报(自然科学版), 2019, 55(1): 26-32. Du T, Jiao J Z, Xie Y W, et al. Analysis of ecological environment changes from 2000 to 2015 in Qingyang, Gansu Province[J]. Journal of Lanzhou University (Natural Sciences), 2019, 55(1): 26-32. |
| [44] |
陈文夫, 王玮, 陈洋, 等. 白鹤滩水电站坝址区域生态环境质量评价[J]. 人民长江, 2022, 53(11): 35-41, 52. Chen W F, Wang W, Chen Y, et al. Quality evaluation of eco-environment at Baihetan Hydropower Station area[J]. Yangtze River, 2022, 53(11): 35-41, 52. |
| [45] |
陈智勇, 吴耀炜, 林港特, 等. 基于遥感生态指数的粤港澳生态环境质量与土地利用变化空间关系[J]. 环境科学, 2024, 45(11). Chen Z Y, Wu Y W, Lin G T, et al. Spatial relationship between eco-environment quality and land use change in Guangdong Province-Hong Kong-Macao, China based on remote sensing-based ecological index[J]. Environmental Science, 2024, 45(11). DOI:10.13227/j.hjkx.202310211 |
| [46] |
田鹏, 李加林, 王丽佳, 等. 基于GTWR模型的浙江省海岸带三维生态足迹动态变化及其影响因素[J]. 应用生态学报, 2020, 31(9): 3173-3186. Tian P, Li J L, Wang L J, et al. Dynamics of three-dimensional ecological footprint of Zhejiang coastal zone and its influencing factors based on GTWR model[J]. Chinese Journal of Applied Ecology, 2020, 31(9): 3173-3186. |
| [47] |
王锐婕, 王伦澈, 戴崴巍, 等. 长江流域生态环境质量时空演变与驱动因素分析[J/OL]. 长江流域资源与环境, http://kns.cnki.net/kcms/detail/42.1320.X.20240913.1744.002.html, 2024-09-14. Wang R J, Wang L C, Dai W W, et al. Spatial-temporal evolution and driving force analysis of eco-quality in Yangtze River Basin[J/OL]. Resources and Environment in the Yangtze Basin, http://kns.cnki.net/kcms/detail/42.1320.X.20240913.1744.002.html, 2024-09-14. |
| [48] |
王静, 王佳, 徐江琪, 等. 改进遥感生态指数的典型海岸带城市生态环境质量评价——以湛江市为例[J]. 自然资源遥感, 2023, 35(3): 43-52. Wang J, Wang J, Xu J Q, et al. Exploring ecological environment quality of typical coastal cities based on an improved remote sensing ecological index: a case study of Zhanjiang City[J]. Remote Sensing for Natural Resources, 2023, 35(3): 43-52. |
| [49] |
张秦瑞, 赵良军, 林国军, 等. 改进遥感生态指数的宜宾市三江汇合区生态环境评价[J]. 自然资源遥感, 2022, 34(1): 230-237. Zhang Q R, Zhao L J, Lin G J, et al. Ecological environment assessment of three-river confluence in Yibin City using improved remote sensing ecological index[J]. Remote Sensing for Natural Resources, 2022, 34(1): 230-237. |
| [50] | Kamran M, Yamamoto K. Evolution and use of remote sensing in ecological vulnerability assessment: a review[J]. Ecological Indicators, 2023, 148. DOI:10.1016/j.ecolind.2023.110099 |
| [51] | Zhang X M, Fan H B, Sun L, et al. Identifying regional eco-environment quality and its influencing factors: a case study of an ecological civilization pilot zone in China[J]. Journal of Cleaner Production, 2024, 435. DOI:10.1016/j.jclepro.2023.140308 |
| [52] | An M, Xie P, He W J, et al. Local and tele-coupling development between carbon emission and ecologic environment quality[J]. Journal of Cleaner Production, 2023, 394. DOI:10.1016/j.jclepro.2023.136409 |
| [53] |
欧阳晓, 朱翔. 中国城市群城市用地扩张时空动态特征[J]. 地理学报, 2020, 75(3): 571-588. Ouyang X, Zhu X. Spatio-temporal characteristics of urban land expansion in Chinese urban agglomerations[J]. Acta Geographica Sinica, 2020, 75(3): 571-588. |
| [54] |
康颖欣, 崔海山. 五大城市群城市化与生态环境协调性分析[J]. 广州大学学报(自然科学版), 2023, 22(6): 49-56. Kang Y X, Cui H S. The coordination between urbanization and ecological environment of five major urban agglomerations[J]. Journal of Guangzhou University (Natural Science Edition), 2023, 22(6): 49-56. |
| [55] |
马寅秋, 李佳慧, 曹巍, 等. 京津冀地区退耕还林还草碳增汇潜力及贡献预估[J]. 地理学报, 2024, 79(3): 732-746. Ma Y Q, Li J H, Cao W, et al. Projecting the carbon sink potential and contribution of grain for green program in the Beijing-Tianjin-Hebei Region[J]. Acta Geographica Sinica, 2024, 79(3): 732-746. |
| [56] |
宋沂邈, 李昂. 京津冀地区碳排放时空分异格局及减排优化路径[J]. 水土保持通报, 2024, 44(3): 408-417. Song Y M, Li A. Spatiotemporal differentiation pattern and emission reduction optimization path of carbon emissions in Beijing-Tianjin-Hebei Region[J]. Bulletin of Soil and Water Conservation, 2024, 44(3): 408-417. |
| [57] |
李晓松, 张磊, 姬翠翠, 等. 2000~2018年京津风沙源沙化土地时空动态与归因分析[J]. 科学通报, 2023, 68(11): 1343-1355. Li X S, Zhang L, Ji C C, et al. Dynamic and attribution analysis of sandy lands in the Beijing-Tianjin sandstorm source region during 2000-2018[J]. Chinese Science Bulletin, 2023, 68(11): 1343-1355. |
| [58] |
王宗超, 闫丰, 田朋飞, 等. 2002~2020年京津冀植被固碳能力时空分异及其影响因素[J]. 环境科学, 2025, 46(6): 3784-3796. Wang Z C, Yan F, Tian P F, et al. Spatial and temporal variability of carbon sequestration capacity of vegetation in Beijing-Tianjin-Hebei and its influencing factors from 2002 to 2020[J]. Environmental Science, 2025, 46(6): 3784-3796. |