2025, Vol. 46
2. 成都理工大学地球与行星科学学院，成都 610059
, ZANG Xie-chao2
, JIN Yang1 , WANG Yuan-yuan1 , WANG Zi-yi1 , REN Jing-hua1 , HE Xin-xing1 , LIU Ling1
2. College of Earth and Planetary Sciences, Chengdu University of Technology, Chengdu 610059, China
生态环境不仅是人类生存和发展的基础，更是推动区域社会经济可持续发展的重要保障，科学精准地认识和理解区域生态环境状况显得尤为重要[1~5]. 江苏省位于中国东部沿海地区，是中国经济最为发达的省份之一，其特殊的地理位置和经济发展水平使当地生态环境问题备受关注. 为了实现经济增长与环境保护协调发展，对生态环境状况进行全面评价是实现江苏省经济可持续发展不可或缺的要求.
对于生态质量评价，不同学者提出各自的方法. 有学者选择在土地利用[6~8]和植被指数[9~11]等单个指标基础上建立指标与生态环境质量之间的数量关系，该方法操作简便、数据易得且直观性强，缺点是片面性大，难以全面反映生态复杂性，且适用性受限；有学者采用几个指标甚至十几个指标开展生态环境质量评价，涉及景观相关指数[12]、人口密度、人均GDP[13]、生物丰度、植被覆盖度、土地退化指数和土壤湿度指数等[14]，该类方法具有全面性和灵活性，能更全面地反映生态环境质量，但权重确定的主观性和数据获取的难度较大；徐涵秋[15]提出了遥感生态指数（remote sensing based ecological index，RSEI），该指数既避免了人为权重赋值的主观性，又避免了单一遥感指数表征的片面性[16]，广泛应用于城市[17，18]、流域[19~21]、平原[22]、沙漠[23]、自然保护区[24]和矿区[25]等多个生态类型的生态环境评价，RSEI方法具有较好的客观性、综合性和广泛适用性[26~29]，但缺点是对遥感数据的高依赖性和解释具体机制时的困难. 鉴于上述方法的优缺点，生态环境质量评价迫切需要一种更加科学、全面且易于操作的量化工具. 2006年中国环境监测总站首次颁布《生态环境状况评价技术规范》[30]，并于2015年进行修订，基于植被覆盖度、生物丰度、土地胁迫指数等指标构建的生态环境状况指数可用于综合评价各地区的生态环境质量. 2021年10月，生态环境部制定并印发了《区域生态质量评价办法（试行）》（环监测〔2021〕99号）[31]，明确规定了生态质量评价的指标体系、数据要求和评价方法，适用于县级及以上区域. 该方法突出“生态”特色，涵盖了生态格局、生态功能、生物多样性和生态胁迫这四大类的18项指标，为“十四五”生态质量评价工作提供了重要依据. 近年来，生态质量指数（ecological quality index，EQI）的持续优化和广泛应用在生态质量评价及其演变特征的分析中起到了至关重要的作用[32~36]，它不仅为评价生态系统状态提供了关键的量化工具，还极大地促进了对生态环境演变规律的探究.
江苏省作为经济发达、生态环境类型多样的地区，其生态质量受到众多复杂因素的影响. EQI通过综合考量生态格局、生态功能、生态胁迫等多个维度，能够全面且系统地反映江苏省的生态环境质量. 本研究采用江苏省各类地理信息数据和卫星遥感数据（含“高分”与“资源”系列影像及NASA NDVI数据），依据《区域生态质量评价办法》，构建生态格局、功能和胁迫这3级指标体系，对江苏省生态质量进行全面评估，结合空间自相关与地理探测器方法（geographic detector，GD），分析生态质量空间特征、影响因素及变化驱动力，旨在通过揭示江苏省生态质量现状及内在变化规律，为生态保护与建设提供科学依据.
1 材料与方法 1.1 研究区概况江苏省位于中国大陆东部沿海（图 1），北纬30°45'~35°08'，东经116°21'~121°56'，与上海市、浙江省、安徽省和山东省交界. 总面积达10.72万km2，截至2022年末，下辖13个地级市、95个县（市、区），常住人口达到8 515万人，城镇化率高达74.4%. 地理特征方面，江苏省属跨江滨海地区，东部临黄海，地跨长江和淮河两大重要水系，拥有众多湖泊，地形平坦，由平原、水域和低山丘陵构成. 该省气候和植被分别表现出南方和北方的特征，气候属于东亚季风气候区，位于亚热带和暖温带的气候过渡地带. 经济方面，截至2022年，江苏省生产总值达到122 875.6亿元，三次产业结构比例为4∶45.5∶50.5，显示出产业多元化发展的趋势，人均地区生产总值达到144 390元，突显出其较高的经济水平.
|
图 1 研究区范围 Fig. 1 Study area |
本研究使用的数据分为两类，包括地理信息数据和卫星遥感数据. 地理信息数据方面，采用第三次全国国土调查提供的江苏省土地利用、行政区划边界以及生态保护红线. 卫星遥感数据方面，本文获取了43幅来自中国资源卫星应用中心（http://www.cresda.com）的“高分”和“资源”系列卫星影像数据，数据覆盖江苏省全境，采集时间为2022年，2 m空间分辨率. 此外，本文还获取归一化植被指数（NDVI）遥感数据，数据来源于美国国家航空航天局（NASA）官方网站（https://search.earthdata.nasa.gov/），采集时间为2022年的5~9月，空间分辨率为250 m.
为确保数据的准确性和适用性，本文对影像数据进行了辐射定标、大气校正、几何校正、图像融合和图像镶嵌等处理.
1.3 研究方法本研究参照生态环境部《区域生态质量评价办法》，选取包括生态格局、生态功能和生态胁迫这3个一级指标，6个二级指标和12个三级指标开展生态质量评价，具体见表 1.
|
表 1 江苏省区县生态质量评价指标体系 Table 1 Evaluation index system of ecological quality of districts and counties in Jiangsu Province |
1.3.1 指标提取方法
各项评价指标计算方法均参照《区域生态质量评价办法》，其中一级指标（EP、EF、EC）和生态质量指数（EQI）计算公式如下.
生态格局指标计算：
|
式中，EPc为沿海区县生态格局；EP1为内陆区县生态格局；EL为生态用地面积比指数；NONCrr为海洋自然岸线保有指数；ECRR为生态保护红线面积比指数；HQI为生境质量指数；PC为重要生态空间连通度指数.
生态功能指标计算：
|
式中，EFb为建成区生态功能；EFn为非建成区生态功能；UGR为建成区绿地率指数；UPR为建成区公园绿地可达指数；C为植被覆盖指数；DW为水网密度指数.
生态胁迫指标计算：
|
式中，ESc为沿海区县生态胁迫；ES1为内陆区县生态胁迫；LDI为陆域开发干扰指数；SDI为海域开发强度指数；NDI为自然灾害受灾指数.
生态质量计算：
|
以生态质量指数（EQI）分级为参考，制定分级标准作为评价各指标优劣程度的依据. 将各指标按标准分为一类、二类、三类、四类和五类. 规定自一类至五类，生态质量由良好到偏弱，生态质量分级标准见表 2.
|
|
表 2 生态质量分级标准 Table 2 Ecological quality classification criteria |
1.3.3 空间自相关分析
空间自相关通常用于研究时空格局的演变，可以分为全局自相关和局部空间自相关两种类型. 将空间自相关方法与生态环境质量评价相结合，有助于更好地揭示和阐述区域生态环境质量的空间集聚特征和内在变化规律.
全局自相关主要用于在整个研究区域内对地理要素进行空间特征性描述. 通常，全局指数（global Moran's I）被用来分析总体空间关联程度和空间差异性，其具体计算方式如下[37].
|
式中，
global Moran's I数值范围为（-1，1），当I > 0时，表明空间单元之间正相关，I < 0时为负相关，数值越大相关性越强. I=0时，不相关，为随机分布.
为了更深入地研究区域生态环境质量的高-高和低-低空间集聚区域，以及了解生态环境质量在局部的空间分布特征，本文采用局部指数（local Moran's I）进行局部空间自相关分析. 局部指数的具体计算方式如下[37]：
|
式中，各参数的含义与全局自相关参数相同.
1.3.4 地理探测器地理探测器（geographic detector）是一种新兴的统计学方法，它基于空间分异性识别多个要素之间的相互作用关系，并揭示以上关系背后的影响因素[38]. 该模型核心理念在于，如果一个自变量对因变量产生重要影响，那么它们在空间上应该具有相似的分布特征[39].
本研究主要方法包括分析生态质量在研究区域的空间分布以及生态质量的影响因子. 为了实现这一目标，本文采用了分异及因子探测器和交互作用探测器方法. 分异及因子探测器旨在研究因变量因子Y的空间分异性，以及自变量因子X对因变量因子Y的空间分异性的解释能力.
|
式中，q为用于度量因子X对Y的解释程度的值，其值域范围为[0, 1]；h=1，2，…，L，为因变量Y及因子X的分区；Nh和N为层h和全区的单元数. σh2和σ2为层h和全区的Y值的方差. SSW和SST分别为层内方差之和与全区总方差. q值越大说明Y的空间分异性越明显；如果分层是由自变量X生成的，则q值越大表示自变量X对属性Y的解释力越强，反之则越弱[39].
交互作用探测器是用以识别不同影响因子之间的交互作用，简言之就是探究两个因子共同作用是否会增加或者削弱对因变量因子Y的解释力. 该探测首先也需要分别计算两个自变量因子X对于Y的解释力q值，然后计算两个自变量因子的交互后的q值，最后对两个q值进行比较. 判断结果共分为以下5类（表 3）.
|
|
表 3 交互作用探测器交互作用类型分类1） Table 3 Classification of interaction detector interaction types |
为了揭示生态环境质量变化主要因素，本文采用地理探测器进行分析. 本文将生态质量指数作为因变量，并选择了12个三级指标作为自变量，考虑到江苏省灾害风险较小[40]，2022年未发生重大自然灾害[41]，自然灾害受灾指数由公式计算为0，因此后续分析自然灾害受灾指数不列入其中. 首先对矢量指标图层进行栅格化，对自变量和因变量进行编码. 然后分别对自变量和因变量的栅格数据进行因子重分类，自变量和因变量的标准取值范围都是0~100，所以按自然间断点法分为0~9级. 以江苏省95个区县为研究单元，每个区县生成一个采样点，利用生成的采样点对江苏省生态质量指数图层和11个指标图层进行采样，获取采样结果，最后通过地理探测器对生态质量指数与这11个指标因子进行因子检测和交互检测分析.
2 结果与讨论 2.1 生态质量整体空间特征由图 2可知，江苏省没有生态质量一类和五类区县；生态质量二类区县为29个；生态质量三类区县为55个；生态质量四类区县为11个. 江苏省中北部、中西部及中南部区县生态质量较优于长江沿岸及西北部区县，生态质量指数较低区域主要为城市建成区、经济开发区及其周边区县.
|
图 2 生态质量分级 Fig. 2 Ecological quality classification |
江苏省平均生态质量指数为50.58，生态质量等级为三类，总体生态质量情况较良好，生态质量指数45以上的区县有79个，占江苏省全部区县的83%，如图 3所示.
|
图 3 生态质量指数分布直方图 Fig. 3 Histogram of distribution of ecological quality indices |
为了查明研究区生态环境质量空间变化和空间分异特征，结合研究区实际情况，同时确保尺度内信息完整性和定量评价准确性，本文利用ArcGIS软件进行了生态质量空间自相关分析. 结果显示，研究区global Moran's I指数为正值，数值达到0.276，表明研究区生态质量存在显著的空间自相关性. Z值为3.684，超过了2.58的临界值，这也表明生态质量之间存在显著相关性. 此外，P值小于0.001，支持了原假设的拒绝，进一步确认了生态质量在空间上具有相关性.
|
|
表 4 研究区生态质量全局空间自相关指数 Table 4 Global spatial autocorrelation index of ecological quality in the study area |
生态质量局部空间自相关分析能反映各个区县之间空间相关性. 图 4展示了研究区生态质量（local indicators of spatial association，LISA）. 从中可以看到，高-高集聚区显示出明显的高值集聚特征，主要分布在北部的宿城区和海州区，中部的盱眙县、金湖县、宝应县、东台市，以及西南部的高淳区、溧阳市和溧水区. 以上地区的经济发展水平一般，受到人为干扰程度相对较低，山区面积相对较大，森林覆盖率高，生态环境基础良好，生态环境保护程度高. 相反，低-低集聚区呈现出条带状分布的空间特征，以上地区内的生态质量明显较低，主要位于江苏省西北部的泉山区、云龙区、贾汪区以及南部的长江沿岸地带. 这主要是因为不合理的产业结构和工业发展所带来的强烈生态制约. 高-低集聚区主要分布在低-低集聚区的外围，相对分散且面积较小，主要包括中部的江都区以及西南部的浦口区、玄武区和江宁区.
|
图 4 2022年研究区生态质量LISA集聚图 Fig. 4 LISA clustering map of ecological quality in the study area in 2022 |
关于生态质量的影响因素，本研究发现单一因子的解释力中最显著的因素包括生态用地面积比指数、生境质量指数和陆域开发干扰指数（图 5）. 研究区地势平坦，耕地面积广阔，沿海滩涂约占全国滩涂的1/4，湿地资源丰富，湖泊河流众多，森林面积达到156万hm2，林木覆盖率为22.9%. 生态用地面积比指数和生境质量指数计算了林地、草地、湿地、耕地和水域的用地面积比例，因此对生态质量的影响较为显著. 陆域开发干扰指数则反映了开发建设用地面积占比情况，标志人类活动对陆域生态系统的胁迫程度，它在生态质量评价中属于生态胁迫因素，对生态质量有不利影响. 近5 a来，江苏省的许多区县在生态保护红线内发展利用的强度较高，建设用地面积占比过大. 沈佩姗[42]的研究表明，南京地区近20 a来耕地面积占比一直最大，耕地转为建设用地的面积最多. 这与丁惠[43]的研究结论一致，城镇化水平是江苏省生态环境质量的主要影响因素.
|
图 5 2022年研究区生态因子解释力探测结果 Fig. 5 Explanatory power detection results for ecological factors in the study area in 2022 |
本文对研究区生态环境质量数据的因变量与11个自变量进行了交互式探测，总计获得66种不同交互作用结果（图 6）. 以上探测结果可以分为双因子增强和非线性增强两大类，显示了交互式探测在解释生态环境质量方面的显著效果，明显超越了单个因子的单独作用. 在交互作用分析中，本文发现研究区内生态用地面积比指数和陆域开发干扰指数的组合展现出最显著的交互作用，其q值最高可达0.923. 这意味着生态用地面积比指数的显著变化对于陆域开发干扰指数作为自变量对生态环境质量的解释力产生了显著影响. 此外，生态用地面积比指数与其他因子的交互作用也表现出较高的q值，这表明研究区生态环境质量受多个因素相互作用的影响，而不仅仅是以上因素的简单叠加或独立作用. 本研究发现，尽管海洋自然岸线保有指数、海域开发强度指数、水网密度指数、植被覆盖指数、重要生态空间连通度指数等因素在生态质量评价中独立解释能力较弱，但在与其他因素相互作用时，它们对生态质量的影响显著增强. 尤其是生态保护红线面积比指数，在与其他因素的交互作用中呈现增强趋势. 为了加强江苏省的生态环境保护，有必要在城市建成区域内适度增加生态用地，改善重要生态空间的连通性，在郊区加大对林地、草地和水域资源的保护力度，防止其面积减小，特别需要谨慎规划和管理生态保护红线范围内的建设活动.
|
色柱表示影响因子两两交互后对生态质量影响的强度，由绿到红，影响逐渐增大 图 6 生态质量影响因子交互作用 Fig. 6 Interaction of factors influencing ecological quality |
为了探究江苏省生态质量变化的驱动力，参考已有研究[44]，本文共选取4个指标作为生态质量变化的驱动因素，分别是夜间灯光、人口密度、年均降水、年均气温，其中夜间灯光和人口密度为人为因素，年均降水和年均气温为自然因素. 为了更直观地展示驱动因素分布特征，绘制2022年各驱动因素的小提琴图. 夜间灯光、人口密度、年均气温和年均降水都呈现不同程度“多峰”格局，说明江苏省夜间灯光、人口密度、年均气温和年均降水分布存在区域差异. 夜间灯光、人口密度和年均降水的箱体较短，表明数据分布较为集中，年均气温的箱体较长，数据分布较为分散，具体分布情况见图 7.
|
图 7 驱动因素的小提琴图 Fig. 7 Violin diagram of drivers |
为了对江苏省不同区域生态质量变化的驱动因素进行准确评估，本文依据《江苏省主体功能区规划》[45]对研究区进行了主体功能区划分，分区域进行生态质量与驱动因素的相关分析. 江苏省主体功能分区将各区县划分为优化类城镇化发展区、重点类城镇化发展区及农产品主产区3类. 优化类城镇化发展区经济比较发达，人口较为密集，开发强度较高，资源环境问题凸显，应该优化进行工业、服务业和城镇开发的城镇化地区. 重点类城镇化发展区具有一定经济基础、资源环境承载能力较强、发展潜力较大、集聚经济和人口条件较好，应该重点进行工业、服务业和城镇开发的城镇化地区. 农产品主产区是以提供农产品为主的地区，也提供生态产品、服务产品和部分工业品. 江苏省主体功能区分类如图 8所示.
|
图 8 江苏省主体功能分区 Fig. 8 Main functional zoning of Jiangsu Province |
本文采用皮尔逊相关分析法，探究各驱动因素与生态质量之间的相关性，结果表明自然因素对江苏省生态质量变化的驱动作用不显著，人为因素对江苏省生态质量变化的驱动作用较为显著（图 9）. 总体来看，夜间灯光和人口密度这两个人为因素对江苏省的生态质量有显著的驱动作用，夜间灯光和人口密度与生态质量的皮尔逊相关系数为-0.70和-0.65，表示存在较强的负相关关系，随着夜间灯光和人口密度的增加，江苏省的生态质量在下降. 而年均降水和年均气温这两个自然因素与生态质量的皮尔逊相关系数仅有0.10和-0.37，这表明自然因素对生态质量变化的驱动作用不如人为因素对生态质量变化的驱动作用显著.
|
黑色r值表示与整个江苏省生态质量的皮尔逊相关系数 图 9 江苏省生态质量驱动分析 Fig. 9 Ecological quality driver analysis of Jiangsu Province |
从分区结果来看，在优化类城镇化发展区和重点类城镇化发展区，生态质量变化的驱动因素与总体结果一致，主要驱动力是人为因素[46，47]，自然因素对生态质量变化的驱动作用不明显. 在农产品主产区，生态质量变化的主要驱动力是人口密度，年均降水对生态质量变化也有较强的驱动作用，夜间灯光和年均气温的驱动作用不显著.
综合上述，夜间灯光和人口密度等人为因素是江苏省生态质量变化的主要驱动力，该结果与赵祖伦等[48]研究的结果一致. 夜间灯光和人口密度高的地区往往也是城市化程度高的地区，以上地区的城市规划与土地利用变化可能会破坏原有的生态环境，如湿地、森林等，进而影响生态质量. 自然因素中，生态质量与年均气温的相关系数大于其与年均降水的相关系数，这一结果与王宇白等[49]研究的结果不同，可能与研究区的地理位置和气候条件有关. 在农产品主产区，年均降水也是生态质量变化的重要驱动力之一，这与许积层等[32]研究的结果一致. 降水是植被生长的主导因素，增加降水量可以促进植被生长，从而影响区域生态质量.
尽管本次研究选取了生态格局、生态功能和生态胁迫这3个方面的12个指标，但生物多样性指标未能纳入，因为生物多样性数据获取依赖于实地调查数据，在大区域范围内通过实地获取数据难度较大，而采用遥感实现生物多样性计算虽有一定研究，但未形成统一认识，如何实现生物多样性的遥感估算，是今后研究重点之一. 同时，本次研究仅针对2022年江苏省的生态质量进行了评估，没有考虑较长时间序列内的生态质量变化动态，这限制了对江苏省生态质量长期趋势和演变规律的深入分析. 本研究也指出年均降水和年均气温等自然因素的驱动作用不显著，实际上，二者在较长的时间尺度上可能对生态质量产生重要影响，本次研究认识仅限于空间尺度上自然因素对生态质量的影响不显著.
3 结论（1）江苏省2022年平均生态质量指数为50.58，生态质量总体较好，表现出北部较高、南部较低的空间分布特征. 生态质量指数较低的区县集中分布在研究区西北部的徐州市和长江沿岸一带城市，主要为城市建成区或经济开发区.
（2）江苏省生态环境质量global Moran's I指数为0.276，呈现明显的空间集聚效应，高-高和低-低的集聚效应明显，而高-低或低-高的空间分异效应较不显著.
（3）地理探测器因子探测结果显示，生态用地面积比指数（q=0.73）、生境质量指数（q=0.71）及陆域开发干扰指数（q=0.67）是生态环境质量最显著的3个影响因素. 在考虑交互作用后，生态用地面积比指数和陆域开发干扰指数的组合（q=0.923）对生态质量具有最大的解释力.
（4）夜间灯光和人口密度与生态质量的皮尔逊相关系数为-0.70和-0.65，而年均降水和年均气温这两个自然因素与生态质量的皮尔逊相关系数仅有0.10和-0.37. 江苏省生态质量变化主要受夜间灯光和人口密度因素主导，年均降水和年均气温等自然因素的驱动作用不显著.
| [1] |
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. |
| [2] |
张晓伟, 王墨珂, 刘昊, 等. 河南省沿黄地市生态环境质量时空演变及驱动因子分析[J]. 人民黄河, 2024, 46(6): 78-84. Zhang X W, Wang M K, Liu H, et al. Spatial-temporal evolution and driving factors analysis of ecological environment quality along the Yellow River in Henan Province[J]. Yellow River, 2024, 46(6): 78-84. DOI:10.3969/j.issn.1000-1379.2024.06.013 |
| [3] |
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. |
| [4] | Zhang Z P, Cui Y W, Tang W J, et al. Spatial-temporal heterogeneity of ecological quality changes across the Qinghai-Tibet Plateau under the influence of climate factors and human activities[J]. Research in Cold and Arid Regions, 2024, 16(3): 129-140. DOI:10.1016/j.rcar.2024.05.002 |
| [5] | Zhang X Y, Jia W W, He J Y. Spatial and temporal variation of ecological quality in northeastern China and analysis of influencing factors[J]. Journal of Cleaner Production, 2023, 423. DOI:10.1016/j.jclepro.2023.138650 |
| [6] |
江康威, 张青青, 徐海量. 基于土地利用/覆被变化的依格孜牙河流域生态环境质量评估[J]. 中国农村水利水电, 2022(11): 124-132, 140. Jiang K W, Zhang Q Q, Xu H L. Ecological environment quality assessment of Igeziya River Basin based on land use/cover change[J]. China Rural Water and Hydropower, 2022(11): 124-132, 140. DOI:10.12396/znsd.220124 |
| [7] |
曹善浩, 曹秀婷, 王志强, 等. 浏阳河流域土地利用景观动态及生态环境质量响应[J]. 湖南科技大学学报(自然科学版), 2023, 38(2): 19-26. Cao S H, Cao X T, Wang Z Q, et al. On dynamics of land use landscape and response of ecological environment quality in Liuyang River Basin[J]. Journal of Hunan University of Science and Technology (Natural Science Edition), 2023, 38(2): 19-26. |
| [8] |
栾永飞, 黄国和, 郑光辉. 海南岛土地利用变化对生态环境质量的影响[J]. 湖南科技大学学报(自然科学版), 2023, 38(2): 101-108. Luan Y F, Huang G H, Zheng G H. The influence of land use change on ecological environmental quality in Hainan Island[J]. Journal of Hunan University of Science and Technology (Natural Science Edition), 2023, 38(2): 101-108. |
| [9] | 蔡博峰, 刘春兰, 陈操操, 等. 内蒙古霍林河一号露天矿生态环境的遥感监测与评价[J]. 煤炭工程, 2009(6): 96-98. DOI:10.3969/j.issn.1671-0959.2009.06.037 |
| [10] |
杨怡, 吴世新, 庄庆威, 等. 2000—2018年古尔班通古特沙漠EVI时空变化特征[J]. 干旱区研究, 2019, 36(6): 1512-1520. Yang Y, Wu S X, Zhuang Q W, et al. Spatiotemporal change of EVI in the Gurbantunggut Desert from 2000 to 2018[J]. Arid Zone Research, 2019, 36(6): 1512-1520. |
| [11] |
岳佳乐, 胡晋山, 郦嘉辉, 等. 基于MAGA-PPC模型的胡家河矿区生态环境质量评价[J]. 金属矿山, 2023(4): 236-244. Yue J L, Hu J S, Li J H, et al. Ecological environment quality evaluation of Hujiahe Mining Area Based on MAGA-PPC[J]. Metal Mine, 2023(4): 236-244. |
| [12] |
王富武, 张玉红. 流域尺度的景观破碎化分析及生态环境质量评价[J]. 自然灾害学报, 2023, 32(1): 67-75. Wang F W, Zhang Y H. Landscape fragmentation analysis and eco-environmental quality assessment at the catchment scale[J]. Journal of Natural Disasters, 2023, 32(1): 67-75. |
| [13] |
陈萍, 张延飞, 刘星星, 等. 基于正态云组合赋权的城市生态环境质量综合评价[J]. 科技管理研究, 2023, 43(4): 68-74. Chen P, Zhang Y F, Liu X X, et al. Comprehensive evaluation of urban ecological environment quality based on normal cloud combination empowerment[J]. Science and Technology Management Research, 2023, 43(4): 68-74. |
| [14] |
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. |
| [15] |
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. Xu H Q. A remote sensing index for assessment of regional ecological changes[J]. China Environmental Science, 2013, 33(5): 889-897. DOI:10.3969/j.issn.1000-6923.2013.05.019 |
| [16] | Liu P, Ren C Y, Yu W S, et al. Exploring the ecological quality and its drivers based on annual remote sensing ecological index and multisource data in Northeast China[J]. Ecological Indicators, 2023, 154. DOI:10.1016/j.ecolind.2023.110589 |
| [17] |
辛会超, 郭玮, 王贺封. 基于GEE和RSEI的京津冀地区生态环境质量时序动态评估[J]. 西北林学院学报, 2024, 39(2): 106-114. Xin H C, Guo W, Wang H F. Time series dynamic assessment of ecological environment quality in Beijing-Tianjin-Hebei Region based on GEE and RSEI[J]. Journal of Northwest Forestry University, 2024, 39(2): 106-114. DOI:10.3969/j.issn.1001-7461.2024.02.14 |
| [18] | Li Y M, Li Y T, Yang X, et al. Evaluation and driving force analysis of ecological quality in Central Yunnan Urban Agglomeration[J]. Ecological Indicators, 2024, 158. DOI:10.1016/j.ecolind.2024.111598 |
| [19] |
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. |
| [20] |
李艳翠, 袁金国, 刘博涵, 等. 滹沱河流域生态环境动态遥感评价[J]. 环境科学, 2024, 45(5): 2757-2766. Li Y C, Yuan J G, Liu B H, et al. Ecological environment dynamical evaluation of Hutuo River basin using Remote Sensing[J]. Environmental Science, 2024, 45(5): 2757-2766. |
| [21] |
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. |
| [22] |
李琴, 詹聪, 张金生, 等. 基于遥感生态指数的赣抚平原灌区生态环境质量变化评价[J]. 长江流域资源与环境, 2024, 33(6): 1340-1353. Li Q, Zhan C, Zhang J S, et al. Evaluation of ecological environment quality change in Ganfu Plains Irrigation Area based on remote sensing ecological index[J]. Resources and Environment in the Yangtze Basin, 2024, 33(6): 1340-1353. |
| [23] |
金佳琦. 基于遥感生态指数的多源遥感影像沙漠环境监测[D]. 济南: 山东大学, 2021. Jin J Q. Desert environment monitoring using multi-source remote sensing images based on remote sensing ecological index[D]. Ji'nan: Shandong University, 2021. |
| [24] |
张华, 宋金岳, 李明, 等. 基于GEE的祁连山国家公园生态环境质量评价及成因分析[J]. 生态学杂志, 2021, 40(6): 1883-1894. Zhang H, Song J Y, Li M, et al. Eco-environmental quality assessment and cause analysis of Qilian Mountain National Park based on GEE[J]. Chinese Journal of Ecology, 2021, 40(6): 1883-1894. |
| [25] | 李昊宸, 刘莉, 肖卓棱, 等. 重庆中梁山矿区生态环境质量时空变化分析[J]. 环境科学与技术, 2022, 45(S1): 220-226. |
| [26] |
徐涵秋, 邓文慧. MRSEI指数的合理性分析及其与RSEI指数的区别[J]. 遥感技术与应用, 2022, 37(1): 1-7. Xu H Q, Deng W H. Rationality analysis of MRSEI and its difference with RSEI[J]. Remote Sensing Technology and Application, 2022, 37(1): 1-7. |
| [27] |
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. |
| [28] |
焦晓萌, 张兵, 高阳, 等. 利用改进型遥感生态指数的岩溶区生态环境质量评价[J]. 测绘通报, 2024(4): 54-60. Jiao X M, Zhang B, Gao Y, et al. Evaluation of eco-environment quality in karst area using improved remote sensing ecological index[J]. Bulletin of Surveying and Mapping, 2024(4): 54-60. |
| [29] | Tang Q, Hua L, Tang J L, et al. Advancing ecological quality assessment in China: introducing the ARSEI and identifying key regional drivers[J]. Ecological Indicators, 2024, 163. DOI:10.1016/j.ecolind.2024.112109 |
| [30] | HJ/T 192-2006, 生态环境状况评价技术规范(试行)[S]. |
| [31] | 中华人民共和国生态环境部. 关于印发《区域生态质量评价办法(试行)》的通知[EB/OL]. https://www.mee.gov.cn/xxgk2018/xxgk/xxgk03/202111/t20211124_961564.html, 2021-11-18. |
| [32] |
许积层, 穆晓东, 马字伟, 等. 气候变化和人类活动对生态质量影响的定量解析研究: 以海南岛为例[J]. 环境工程, 2024, 42(2): 199-210. Xu J C, Mu X D, Ma Z W, et al. Quantitative analysis of the impacts of climate change and human activities on ecological quality: a case study of Hainan Island[J]. Environmental Engineering, 2024, 42(2): 199-210. |
| [33] |
牟凤云, 黄淇, 陈林. 基于优化地理探测器的生态环境质量驱动力分析[J]. 水土保持研究, 2024, 31(1): 440-449. Mu F Y, Huang Q, Chen L. Eco-environmental quality driving force detection using optimized geographic detector[J]. Research of Soil and Water Conservation, 2024, 31(1): 440-449. |
| [34] |
张艳军, 李子辉, 官冬杰, 等. 2000~2020年成渝双城经济圈植被生态质量变化及其对极端气候因子的响应[J]. 中国环境科学, 2023, 43(9): 4876-4885. Zhang Y J, Li Z H, Guan D J, et al. Changes of vegetation ecological quality in the Chengdu-Chongqing economic circle from 2000 to 2020 and its response to extreme climatic factor[J]. China Environmental Science, 2023, 43(9): 4876-4885. DOI:10.3969/j.issn.1000-6923.2023.09.046 |
| [35] |
杨磊, 单姝瑶, 桑晨, 等. 祁连山国家公园生态环境质量综合评价及演变特征分析[J]. 草业科学, 2022, 39(2): 278-289. Yang L, Shan S Y, Sang C, et al. Comprehensive evaluation and evolutionary characteristics of eco-environment quality in Qilian Mountain National Park[J]. Pratacultural Science, 2022, 39(2): 278-289. |
| [36] |
郭金源, 赵海盟, 韩雪蓉, 等. 2005—2019年金花茶自然保护区生态环境质量评价[J]. 测绘通报, 2021(11): 7-11. Guo J Y, Zhao H M, Han X R, et al. Evaluation of ecological environment quality of Golden Camellia National Nature Reserve from 2005 to 2019[J]. Bulletin of Surveying and Mapping, 2021(11): 7-11. |
| [37] |
王素贤, 赵要军, 蒋帅, 等. 2000~2020年河南省人口老龄化程度时空演进分析[J]. 中国卫生事业管理, 2023, 40(8): 636-640. Wang S X, Zhao Y J, Jiang S, et al. Analyzing the temporal and spatial evolution of population aging degree in Henan Province from 2000 to 2020[J]. Chinese Health Service Management, 2023, 40(8): 636-640. |
| [38] |
王劲峰, 徐成东. 地理探测器: 原理与展望[J]. 地理学报, 2017, 72(1): 116-134. Wang J F, Xu C D. Geodetector: principle and prospective[J]. Acta Geographica Sinica, 2017, 72(1): 116-134. |
| [39] |
徐超璇, 鲁春霞, 黄绍琳. 张家口地区生态脆弱性及其影响因素[J]. 自然资源学报, 2020, 35(6): 1288-1300. Xu C X, Lu C X, Huang S L. Study on ecological vulnerability and its influencing factors in Zhangjiakou area[J]. Journal of Natural Resources, 2020, 35(6): 1288-1300. |
| [40] |
朱明月. 江苏省主要气象灾害特征及风险评估研究[D]. 南京: 南京大学, 2013. Zhu M Y. Study on main meteorological disasters and risk assessment in Jiangsu Province[D]. Nanjing: Nanjing University, 2013. |
| [41] | 应急管理部发布2022年全国自然灾害基本情况[J]. 防灾博览, 2023, (1): 26-27. |
| [42] |
沈佩姗. 区域土地覆盖变化及其生态环境质量评价——以南京市为例[D]. 南京: 南京邮电大学, 2020. Shen P S. Research on land cover change and evaluation of ecological environment quality-a study case in Nanjing City[D]. Nanjing: Nanjing University of Posts and Telecommunications, 2020. |
| [43] |
丁惠. 江苏省生态环境质量及影响因素研究[D]. 南京: 南京财经大学, 2020. Ding H. Study on ecological environment quality and ITS influencing factors in Jiangsu Province[D]. Nanjing: Nanjing University of Finance and Economics, 2020. |
| [44] |
牛鸿波, 田少国, 祖鹏举, 等. 自然和人为干扰因素对黄土高原生态环境质量变化的影响[J]. 煤炭工程, 2024, 56(3): 157-166. Niu H B, Tian S G, Zu P J, et al. Effects of natural and human disturbance factors on ecological environmental quality changes in the Loess Plateau[J]. Coal Engineering, 2024, 56(3): 157-166. |
| [45] | 省政府关于印发江苏省主体功能区规划的通知[J]. 江苏省人民政府公报, 2014, (9): 3-72. |
| [46] |
赵体侠, 朱连奇, 王丽园, 等. 中国生态环境质量与人类活动耦合机制及其影响因子[J]. 环境科学, 2024, 45(6): 3341-3351. Zhao T X, Zhu L Q, Wang L Y, et al. Coupling mechanisms of eco-environmental quality and human activities in China and their influencing factors[J]. Environmental Science, 2024, 45(6): 3341-3351. |
| [47] | Liang L F, Song Y X, Shao Z F, et al. Exploring the causal relationships and pathways between ecological environmental quality and influencing Factors: a comprehensive analysis[J]. Ecological Indicators, 2024, 165. DOI:10.1016/j.ecolind.2024.112192 |
| [48] |
赵祖伦, 赵卫权, 苏印, 等. 1991~2020年贵阳市生态质量演变及空间分异定量归因[J]. 环境科学, 2025, 46(1): 367-377. Zhao Z L, Zhao W Q, Su Y, et al. Spatio-temporal evolution patterns and spatial differentiation attribution of ecological quality in Guiyang from 1991 to 2020[J]. Environmental Science, 2025, 46(1): 367-377. |
| [49] |
王宇白, 耿佳, 周宇宇, 等. 中国北方地区生态环境质量时空变化及其对气候变化与人类活动的响应[J]. 测绘通报, 2022(8): 14-21, 35. Wang Y B, Geng J, Zhou Y Y, et al. Spatio-temporal evolution of eco-environment quality and the response to climate change and human activities in northern China[J]. Bulletin of Surveying and Mapping, 2022(8): 14-21, 35. |