2025, Vol. 46
2. 青海师范大学地理科学学院，青海省自然地理与环境过程重点实验室，西宁 810008;
3. 青海省人民政府-北京师范大学高原与可持续发展研究院，西宁 810008
2. Qinghai Province Key Laboratory of Physical Geography and Environmental Process, College of Geographical Science, Qinghai Normal University, Xining 810008, China;
3. Academy of Plateau Science and Sustainability, People's Government of Qinghai Province and Beijing Normal University, Xining 810008, China
生态环境，作为人类赖以生存的自然资源与生活条件的源泉，更是人类社会繁荣发展的坚实基石[1]. 在全球气候变暖的严峻形势下，加之人类活动对地表环境的深远影响，区域生态环境质量正经历着前所未有的变化，此变化与人类的生态福祉及生活质量息息相关[2]. 因此，如何在生态保护与经济高质量发展之间寻得平衡点，已成为当前亟待解决的紧迫课题[3~5]. 为了构建有效的区域生态环境保护与治理策略，必须精确评估生态环境质量，深入探究其时空变化的特征及其背后的驱动机制，这不仅具有极其重要的现实意义，而且将产生深远的影响[3~5].
近年来，随着全球气候变化和人类活动对生态环境的深刻影响，生态环境质量评价及其驱动机制分析已成为环境科学领域的研究热点[4~6]. 国内外学者在利用遥感技术和地理信息系统（GIS）进行区域生态环境质量评估方面取得了显著进展[6]. 特别是遥感生态指数（remote sensing-based ecological index，RSEI）作为生态环境评价指标的构建，已广泛应用于不同地区的生态环境质量评价中[7]. 同时，伴随着地理空间数据云计算平台的迅速崛起，诸如Google Earth Engine（GEE）、PIE-Engine以及AI Earth云平台等[7]，通过集成数据资源、供应大数据处理工具及高性能计算能力，显著增强了运算效率[8]，从而为地球科学研究提供了有力支持. 特别是对大规模、高效率的生态环境质量评价提供了有力支持[9]. 针对青藏高原地区，杨鹏等[10]基于遥感生态指数对青藏公路典型路段的生态环境质量进行了评估与分析，揭示了热度是影响该地区生态环境质量的主要因素，并发现其生态环境质量总体上呈波动上升趋势. 叶博文等[11]在锡林郭勒草原地区的研究也表明，遥感技术构建的RSEI能够有效评估生境质量，并揭示了生境质量的空间异质性和影响因素. 在陕西省神木市，孙维婕等[12]发现植被覆盖度是该地区生态环境质量的主要驱动力，这一发现对制定生态环境保护政策具有指导意义. 此外，傅楷翔等[13]在新疆吐鲁番-哈密地区的研究中，提出了改进的遥感生态指数，用于评价该地区的生态环境质量，并深入分析了其驱动机制. 以上研究不仅增进了对不同地区生态环境质量及其变化规律的认识，还为制定科学、合理的生态环境保护政策提供了有力支持.
祁连山作为中国西北地区重要的生态安全屏障[14]，近些年来，在气候变化与人类活动的双重影响下，祁连山南坡的生态系统结构与功能发生了显著变化，这对生态保护与高质量发展构成了挑战. 因此，深入探究祁连山南坡生态环境质量在时空尺度上的演变规律及其驱动力，揭示其内在的驱动因素与机制，是当前实现生态环境精准治理的关键科学问题[7~10]. 本研究利用遥感生态指数（RSEI），对2001~2020年间祁连山南坡的生态环境质量进行了全面而细致的动态评价[11~13]. 同时，结合Sen趋势分析和M-K检验方法，深入分析了这一区域生态环境质量的时空动态变化特征，以期为后续的精准治理提供有力的数据支撑和科学依据.
1 材料与方法 1.1 研究区概况祁连山南坡是黄土高原与青藏高原的交汇之地，由西北至东南方向一系列山脉组成（图 1）. 这片区域地形错综复杂，海拔在2 283~5 222 m之间，地貌丰富多样，具有高原大陆性气候特征[14]. 祁连山南坡的地理范围广泛，涵盖了海晏县北部、天峻县东北部、门源县、刚察县北部以及祁连县等多个区域[14]. 在这片广袤的土地上，流淌着黑河、大通河及布哈河等重要的水系，不仅滋养这片土地，更维系着沙漠绿洲的脆弱生态平衡. 作为祁连山地区水源涵养的核心区域，祁连山南坡不仅是国家重要的生态区，更是生态核心保护区之一，承载着维护生态平衡、保障水资源安全的重任.
|
图 1 研究区位置示意 Fig. 1 Location of the research area |
本研究采用来源于GEE平台数据库中2001~2020年的MODIS系列遥感数据，在GEE编程（Javascript）中，针对目标年份的5月至9月遥感影像进行了筛选，并在GEE云端完成了影像的去云处理、中值合成、镶嵌、裁剪以及水体去除等一系列预处理操作[7~9]；气温以及降水数据来源于国家地球系统科学数据中心（http://www.geodata.cn/）[10~13]；夜间灯光数据来自中国科学院资源环境科学与数据中心（https://www.resdc.cn）. 各数据指标均重采样至1 km，利用ArcGIS将各指标格网化并分级赋值进行相关分析[14~16].
1.3 研究方法 1.3.1 RSEI模型构建本研究结合GEE遥感云计算平台和20期MODIS遥感影像提取绿度（NDVI）、湿度（Wet）、干度（NDBSI）和热度（LST）指标构建祁连山南坡的RSEI来反映其生态质量的变化，同时参照《生态环境评价技术规范》中的分级标准，以0.2为间隔，将生态指数细致地划分为5个等级：0~0.2代表生态质量差，0.2~0.4代表较差，0.4~0.6代表中等，0.6~0.8代表良好，0.8~1.0则代表生态质量优[7~9]. 随后，为反映研究区域的生态质量，采用主成分分析法并选取第一主成分来合成RSEI. 其中，NDVI、WET和NDBSI这3个分量是通过MOD09A1影像的ρ1~ρ7波段计算得出的，而LST则是从MOD11A2影像中提取得到的[11]. 之后编写主成分分析代码（JavaScript）进行计算，具体的计算公式如下[17]：
| (1) |
| (2) |
由于4个分量的量纲不一致，在进行主成分分析（PCA）之前，先对这4个分量进行归一化处理，以确保分析的有效性[17]. 同时，为确保所得的RSEI具备生态学价值并有利于以后的测量与研究，还必须先对这4个分量的特征向量进行检测，然后通过“1-PC1”的还原方法得到RSEI0，最后对RSEI0值再次进行归一化处理.
1.3.2 地学信息图谱分析地学信息图谱论在空间信息变化领域有着广泛的应用，能够直观地展现变化的过程信息、空间分布信息及属性特征. 本文将这一理论引入生态质量等级变化的研究中，并借助ArcGIS工具，对生态质量等级进行编码处理. 其中，将生态质量等级按照等级差[0~0.2]、较差（0.2~0.4]、中等（0.4~0.6]、良（0.6~0.8]和优（0.8~1.0]编码为1、2、3、4和5，在此基础上将前一期生态质量等级代码作为10位数[17]，后一期生态质量等级代码作为个位数，按照公式（3）进行代数运算，将这两个编码合成一个新的生态质量编码[17].
| (3) |
新生成的图谱编码N，能精准地描绘生态质量从起始年份的A等级到结束年份B等级的转变. 这种生态质量等级的变化涵盖了从较低质量到更高质量的提升，以及从高质量到低质量的退化，这两方面均通过转入和转出这两个动态过程得以体现[17]. 转入，即某一等级生态质量的增加，表现为其他等级生态质量向本等级的流动；而转出，则是指本等级生态质量的减少，它显示了当前等级生态质量向其他等级的转移. 这两个过程共同反映了生态质量等级中的涨势（增加）和落势（减少）. 研究过程中，用叠加处理的方法，将初期和末期的数据进行结合分析并得出各等级的新增信息，即涨势图谱，以及各等级的减少信息，即落势图谱[18~20].
1.3.3 Sen趋势分析以及Mann-Kendall检验Sen氏斜率是非参估算线性趋势的算法[21]，本研究用于获取2001~2020年的RSEI的变化趋势. 计算公式如下[22~27]：
| (4) |
式中，Slope被用作量化RSEI变化趋势的关键指标. 其中，i和j分别为时间序列中的不同时间点，而xi和xj则分别表示在这两个时间点研究区内RSEI的具体数值. 通过应用取中值函数Median，得以精确计算Slope的值. Slope的数值直接反映了RSEI时间序列的动态变化. 具体来说，当Slope大于0时，表明RSEI时间序列呈现改善趋势，即生态环境质量在逐步提升；若Slope等于0，则意味着RSEI时间序列基本保持不变，生态环境质量处于稳定状态；而当Slope小于0时，RSEI时间序列则显示出退化趋势，反映出生态环境质量的下降[21]. 为了更具体地评估研究区内生态环境质量的变化情况，本研究结合实际情况，将RSEI的变化细分为3个等级：生态环境质量改善（Slope>0.000 5）、生态环境质量稳定（-0.000 5≤Slope≤0.000 5）、生态环境质量退化（Slope<-0.000 5）.
Mann-Kendall显著性检验法的优势在于其不要求样本数据遵循特定的分布特征，同时对于少数异常值具有较强的抗干扰能力，在本文中，采用此方法对RSEI时间序列的变化趋势进行显著性检验[10~15]. 在给定显著性水平α上，若检验统计量
本研究根据显著性检验结果将变化趋势分为如下5个等级：不显著减少（Sen<-0.000 5，α≤95%）、显著减少（Sen<-0.000 5，α>95%）、基本不变（-0.000 5≤Sen≤0.000 5）、显著增加（Sen>0.000 5，α>95%）、不显著增加（Sen>-0.000 5，α≤95%）.
1.3.4 变异系数本研究基于算法计算RSEI的变异系数用其来表示生态环境质量变化的波动状况[17]. 计算公式为：
| (5) |
式中，CV为RSEI变异系数；σRSEI为标准差；RSEIavg为均值. 变异系数越小，生态环境质量波动程度越小，生态环境质量变化越稳定，反之则表明生态环境质量越不稳定.
1.3.5 Hurst指数分析为定量描述祁连山南坡生态环境质量变化的持续性特征，本文采用了基于R/S算法的Hurst指数进行分析[21]. Hurst指数H一般介于0~1之间，其中0<H<0.5，则表明生态环境质量时间序列具有反持续性，即未来生态环境质量的变化趋势与过去相反；H=0.5，则表明生态环境质量时间序列是随机游走的，即未来生态环境质量变化趋势与过去不存在相关性；0.5<H<1，则表明生态环境质量时间序列具有持续性，即未来生态环境质量变化趋势与过去一致.
1.3.6 Pearson相关分析本研究基于算法用Pearson相关系数估算RSEI与气候因子（气温、降水）以及人类活动（夜间灯光）之间的相关性[28]. 计算公式为：
| (6) |
PCA分析的结果表明（表 1），第1主成分（PC1）的特征值贡献率在不同年份中有所波动，其中最高值出现在2004年，达到了67.97%，而最低值则出现在2012年，为53.63%. 这一数据说明PC1已经最大限度地集成了4个指标的信息. 在PC1中，湿度（Wet）均表现为负值，而绿度（NDVI）、热度（LST）和干度（NDBSI）则均表现为正值. 这种分布情况，主要是由于数据集性质的差异以及不同软件在计算过程中可能产生的结果差异所导致的. 因此，在本研究中，采用了“1-PC1”的方法进行还原处理[15~17].
|
表 1 各主成分的特征向量与贡献率 Table 1 Eigenvectors and contribution rates of principal components |
2.2 生态环境质量的空间差异特征 2.2.1 生态环境质量的时序变化特征
祁连山南坡RSEI的年际变化表明（图 2），2001~2020年间RSEI由0.62增长至0.70，多年的平均值为0.66，其中峰值出现在2004年，为0.77，低谷值为0.55且出现在2006年. 近20 a总体以0.15%·a-1的速率呈波动增长的态势，表明生态环境质量持续变好.
|
图 2 2001~2020年RSEI年际变化 Fig. 2 Inter-annual changes in RSEI from 2001 to 2020 |
在2001~2020年间，祁连山南坡的RSEI呈现出显著的空间差异性，整体而言，东南部地区数值较高，而西北部则相对较低. 在空间变化中，生态环境表现不佳的区域的面积有所减少，特别值得注意的是，研究区的西北区域生态环境改善尤为显著（图 3）. 生态环境质量优越的区域主要集中在黑河和大通河流域周边，相对而言，祁连山南坡人口稠密或环境较为严酷的区域生态环境则较脆弱.
|
图 3 2001~2020年祁连山南坡RSEI等级分布 Fig. 3 Distribution of RSEI grades on the southern slope of the Qilian Mountains from 2001 to 2020 |
从等级分布数据来看（表 2），2001~2020年间，生态环境质量等级为“差”和“较差”的区域面积分别从436 km2和3 066 km2显著下降到119 km2和1 090 km2. 同时，生态环境质量处于中等水平的区域面积也从6 047 km2减少至3 725 km2. 而生态环境质量在“优良”部分则从2001年的14 254 km2显著上升至2020年的18 768 km2，这标志着祁连山南坡的整体生态环境质量正朝着积极的方向发展.
|
|
表 2 2001~2020年祁连山南坡RSEI等级面积/km2 Table 2 RSEI class area on the southern slope of Qilian Mountains from 2001 to 2020/km2 |
这一积极变化得益于生态工程的实施与青藏高原气候逐渐暖湿化的双重影响，使得祁连山南坡的生态环境不断得到改善[29~31].
为了更深入地分期探讨祁连山南坡生态质量的等级演变趋势，用生态质量转移矩阵分析了各阶段的等级变化[31~35]. 通过表 3的数据，表明每个分期阶段内生态质量等级转变的具体面积. 基于之前的等级划分情况，继续将生态质量的变化分为3类：变好、不变和变差. 其中空间分布（图 4）可以反映以上变化. 在2001~2004年的时间段内，祁连山南坡的生态质量显著呈现出改善的趋势；然而，在随后的2004~2008年，生态质量出现了退化回落的现象；而在2008~2012年、2012~2016年以及2016~2020年这3个阶段，生态质量则保持相对稳定，未出现显著的变化.
|
|
表 3 2001~2020年祁连山南坡RSEI等级变化统计/km2 Table 3 Statistics on the change of RSEI grades on the southern slope of Qilian Mountains from 2001 to 2020/km2 |
|
图 4 2001~2020年RSEI变化图谱 Fig. 4 Maps depicting changes in RSEI from 2001 to 2020 |
从整体来看，尽管祁连山南坡的生态质量在某些时段出现了波动，但总体趋势是向好的. 这表明该区域的生态环境正在不断好转，生态质量的提升对于当地生态系统的稳定性和可持续发展具有重要意义.
为了更直观地展现生态质量转变的空间分布和动态变化，进一步利用生态等级涨势图谱（图 5）和落势图谱（图 6），并详细统计了每个时段内各等级在涨势图和落势图中的变化情况（表 4）. 全面反映生态质量变化的过程信息、空间信息和属性信息.
|
图 5 RSEI涨势图谱 Fig. 5 Maps depicting the RSEI uptrend |
|
图 6 RSEI落势图谱 Fig. 6 Maps depicting the RSEI drop potential |
|
|
表 4 2001~2020年RSEI涨（落）势统计/km2 Table 4 RSEI rise (fall) statistics from 2001 to 2020/km2 |
通过对比分析涨势图谱和落势图谱，可以发现在生态质量逐渐提升的2001~2004年、2004~2008年、2008~2012年、2012~2016年和2016~2020年这5个时段中，涨势图谱和落势图谱中均以第5等级（最优等级）的增减变化为主，这表明生态质量的提升主要集中在最高等级区域.
然而，值得注意的是，在生态质量短暂出现下降的2001~2004年这一时段内，涨势图谱显示第4和5等级（次优和最优等级）的面积有所增加，这可能是由于部分区域的生态质量得到了显著提升；而对应年份的落势图谱则显示第2和3等级（中等和次差等级）的面积增加，这反映出部分区域的生态质量出现了下降. 这一变化说明了生态质量在特定时段内局部波动的详细信息.
2.2.3 生态环境质量变化趋势及可持续性图谱分析通过使用算法，在Python中进行Sen's斜率和Mann-Kendall（M-K）检验的估计，并将Sen斜率与M-K突变检验结果相结合，为生态质量变化划分了5个等级[21]. 进一步通过Z值分析，得出RSEI变化趋势的详尽统计结果（表 5）. 其中，研究区域中显示出明显改善的区域面积达到了725 km2，占整个研究区的3%；轻微改善的区域面积则更为显著，达到了17 999 km2，占据了研究区的77%. 与此同时，稳定不变的区域面积为2 026 km2，占研究区的9%. 然而，也有部分区域呈现出轻微的退化趋势，其面积达到2 522 km2，占研究区的11%. 从整体上观察，研究区的生态质量以改善为主，这一趋势不仅体现了生态环境治理的积极成果，也为未来的生态保护工作提供了有力的数据支持.
|
|
表 5 RSEI空间变化趋势面积及占比 Table 5 RSEI spatial change trend area and proportion |
基于RSEI指数计算生态质量的变异系数，同时在像元尺度上进行空间和时序的演变稳定性模拟[图 7（c）]. 结果显示，RSEI的变异系数平均值为0.15，且2001~2020年，其波动变化呈现出由高到低的不同层次：较低波动、中等波动、低波动、较高波动和高波动. 其中，低波动区域占据了研究区的57%，这表明祁连山南坡的生态环境质量整体上具有较高的稳定性，且这种稳定性主要集中在研究区的东南地区. 而高波动变化区域则分散分布在研究区的边缘地带，其占比仅为6%.
|
图 7 RSEI的变化趋势空间分布 Fig. 7 Spatial distribution of RSEI trends |
过去20 a间，祁连山南坡的Hurst指数波动在0.17~0.75之间，平均值为0.37，主要呈现出反持续性的特征. 将RSEI的变化趋势与Hurst指数进行叠加分析后，得到祁连山南坡在2001~2020年RSEI的未来变化趋势[图 7（d）]. 分析结果显示，未来祁连山南坡的生态环境将呈现出5种主要变化特征：反持续退化、持续性退化、稳定不变、反持续性改善和持续性改善. 其中，反持续退化和持续性退化的区域分别占总面积的10%和1%，而稳定不变的区域占8%. 值得注意的是，反持续性改善和持续性改善的区域分别占据了高达76%和5%的面积. 这一数据表明，虽然祁连山南坡大部分区域的生态环境质量目前呈现出增加趋势，但未来却有减少的风险. 这种风险主要集中在西北和西南一带，以上地区的生态系统相对脆弱，且面临着较大的环境压力. 因此，未来需要针对以上区域加强植被的生态修复工作. 另一方面，研究区的东南地区则呈现出较为稳定的持续增加趋势，这为该区域的生态环境改善提供了积极的信号. 然而，总体来看，由改善转为未来退化的区域面积占比较大，这说明在后续的研究中需要持续关注以上区域的变化趋势，并深入探究其影响因素，以便采取更为有效的保护措施.
2.3 生态环境质量变化驱动力分析 2.3.1 生态环境质量变化对气候变化的响应在像元尺度上，基于1 km的分辨率计算RSEI与降水以及RSEI与气温之间的相关系数. 计算结果表明，RSEI与降水的相关系数平均值为0.02，RSEI与气温的相关系数平均值为-0.28. 如图 8（a）所示，RSEI与降水的相关系数在研究区内通过显著性检验（P<0.05）的面积占比达到65%，且主要表现为显著负相关，该部分面积占研究区总面积的62%. 相比之下，如图 8（b）所示，RSEI与气温的相关系数通过显著性检验（P<0.05）的面积比例更高，达到了96%，且主要呈现为显著负相关，面积占研究区的95%. 综合来看，气温与生态质量变化的显著性明显高于降水. 这意味着，生态质量的变化对气温的响应更为敏感.
|
图 8 2001~2020年祁连山南坡RSEI与降水、气温和夜间灯光的相关系数 Fig. 8 Correlation coefficients between RSEI, precipitation, temperature, and nighttime light on the southern slope of the Qilian Mountains from 2001 to 2020 |
如图 8（c）所示，RSEI与夜间灯光的相关系数平均值为0.26，其中通过显著性检验的面积占研究区总面积的13%. 相较于气候因素，RSEI与人类活动之间的相关性以正相关为主，占研究区的87%. 值得注意的是，在祁连山南坡的部分区域，RSEI与人类活动呈现出显著的负相关关系，占研究区的12%. 这一现象暗示着在部分地区随着建设用地的不断扩张，该区域的生态质量正在逐渐退化. 然而，这种影响并非全然为负面，它同时展现了积极与消极的双重性. 进入21世纪后，随着一系列重大生态重建与修复工程的推进，祁连山南坡的绿地面积显著增长，这充分说明了生态保护工程对区域生态环境的改善具有积极的推动作用. 然而，与此同时，过去20 a间人类活动如过度放牧和对资源的过度开发利用等，加剧了生态系统的脆弱性，对生态环境造成了不利影响.
3 讨论 3.1 生态环境质量时空动态变化评价在过去的20 a里，祁连山南坡的生态环境质量实现了显著的持续提升. 鉴于这一积极变化，对祁连山南坡的生态环境质量进行持续地动态监测和评估显得尤为必要. 这不仅是合理评估生态工程实施成效的关键步骤，更是推动生态文明建设、贯彻“绿水青山就是金山银山”理念的必由之路[35~41]. 本研究基于GEE平台构建了RSEI模型，并对祁连山南坡的生态环境质量的时空变化和可持续性进行了分析. 结果显示，2001~2020年祁连山南坡的RSEI均值达到了0.66，标志着生态质量优良的区域面积在不断扩大. 从空间分布的角度看，祁连山南坡的生态环境质量总体上展现了较高的稳定性，特别是研究区的西北地区，这种稳定性尤为显著. 然而，通过可持续性分析，发现反持续性改善和持续性改善的区域分别占据了高达76%和5%的面积. 这一数据揭示了一个潜在的风险：尽管祁连山南坡大部分区域的生态环境质量目前呈现出增长态势，但未来仍有可能面临下降的风险. 这种风险主要集中在西北和西南地带，以上区域的生态系统相对脆弱，且承受着一定的环境压力. 因此，未来需要进一步加强对以上区域的监测和保护，确保祁连山南坡的生态环境质量能够持续向好发展.
3.2 生态环境质量变化对气候变化与人类活动的双重响应经过对气候因子和人类活动因子与RSEI的深入相关性分析，祁连山南坡RSEI的变动是气候变化与人类活动共同作用的结果. 然而，从正相关性的角度来看，在研究期间，祁连山南坡实施的一系列生态环境保护政策与人类活动对RSEI的影响程度密切相关，且这种影响程度高于自然环境的变化，这主要归因于人类活动的多样性和复杂性，以及近20 a来城镇化增长的迅猛趋势，这一趋势相较于气候变化的影响更为明显. 从相关性分析显著结果来看，气温对RSEI的影响更为显著（P<0.05），这与近些年的气候变化紧密相关. 然而，本研究的驱动机制分析尚存在不足之处. 首先，在本文中，只采用气候因子作为自然环境驱动作用的代表. 然而，为更深入地理解生态质量的变化，未来的研究应当进一步探索其他自然因子，如地形高程、坡度、坡向、土壤条件以及地质地貌等的影响[39~42]. 特别是为减少水土流失、提高植被覆盖度，进而有效提升生态质量，可通过调控土壤和水分这两大限制性因子来实现. 其次，人类活动是一个包含多种元素的复杂系统，例如毁林开荒、不合理的土地利用、过载放牧、过度垦殖以及采矿污染等，以上活动都可能对生态质量产生显著的负面影响[21]. 但是仅仅根据夜间灯光数据来评价人们行为还是不充分的，在未来的社会调查中还需要引入更多数据，如人均GDP和牲畜的出栏数等，以便更全面地分析人类活动对生态质量变化的驱动机制[42~50].
4 结论（1）针对祁连山南坡，采用了构建的RSEI评价体系，对2001~2020年间的生态质量进行了全面评估. 结果显示，该区域的生态质量整体上呈现出显著的改善趋势，并且波动幅度相对较小，显示出高度的稳定性. 从空间分布的角度来看，生态环境质量优良的区域主要集中于黑河与大通河流域的周边地带，形成了一片生态绿洲. 然而，与之相对的是，祁连山南坡中人口密集或环境严酷的部分区域，其生态环境则显得较为脆弱. 在过去的20 a里，超过80%的区域实现了生态质量的提升，但仍有约11%的区域出现了轻微的退化迹象. 特别需要引起注意的是，大约76%的区域在未来可能面临生态退化的风险.
（2）气候变化与人类活动的共同影响，在祁连山南坡的RSEI变化中得到了显著体现. 回顾过去的20 a，RSEI与气温、降水正负相关并存. 其中，气温与生态质量变化的显著相关性相较于降水而言明显较高. 这揭示了生态质量的变化对气温变化更为敏感. 同时，RSEI与人类活动主要呈现出正相关关系，其中在祁连山南坡的部分区域，RSEI与人类活动之间呈现出显著负相关关系，占研究区的12%. 这一变化表明，随着建设用地的不断扩张，部分区域的生态质量正在逐渐退化.
| [1] |
赵祖龙, 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. |
| [2] | Xiao X Z, Chen Y X, Zhang Y L, et al. Spatio-temporal evolution of ecological environment quality based on high-quality time-series data reconstruction: a case study in the Sanjiangyuan Nature Reserve of China[J]. Sustainability, 2024, 16(14). DOI:10.3390/su16146231 |
| [3] |
张宏飞. 时序数据分析下的生态环境变化监测与发展趋势预测[J]. 测绘与空间地理信息, 2024, 47(4): 92-95. Zhang H F. Ecological environment change monitoring and development trend forecast based on time series data analysis[J]. Geomatics & Spatial Information Technology, 2024, 47(4): 92-95. DOI:10.3969/j.issn.1672-5867.2024.04.026 |
| [4] |
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. |
| [5] |
董洁芳, 武荣伟, 赵艳芬. 黄河流域生态环境质量时空演变及驱动力分析[J]. 水生态学杂志, 2024, 45(3): 60-69. Dong J F, Wu R W, Zhao Y F. Spatial-temporal evolution and driving force analysis of eco-environmental quality in the Yellow River Basin[J]. Journal of Hydroecology, 2024, 45(3): 60-69. |
| [6] |
张静, 杨丽萍, 贡恩军, 等. 基于谷歌地球引擎和改进型遥感生态指数的西安市生态环境质量动态监测[J]. 生态学报, 2023, 43(5): 2114-2127. Zhang J, Yang L P, Gong E J, et al. Dynamic monitoring of eco-environmental quality in Xi'an based on GEE and adjusted RSEI[J]. Acta Ecologica Sinica, 2023, 43(5): 2114-2127. |
| [7] |
何天星, 田宁, 周锐, 等. 基于GEE和RSEI的长三角一体化示范区生态环境质量动态评估[J]. 生态学杂志, 2023, 42(2): 436-444. HE T X, TIAN N, ZHOU R, et al. Dynamic assessment of eco-environmental quality in Yangtze River Delta integration demonstration area based on GEE and RSEI[J]. Chinese Journal of Ecology, 2023, 42(2): 436-444. |
| [8] |
王永祥, 徐园园, 杨佳嘉, 等. 基于Landsat的重庆市生态环境质量动态监测及其时空格局演变分析[J]. 生态学报, 2023, 43(15): 6278-6292. Wang Y X, Xu Y Y, Yang J J, et al. Dynamic monitoring and spatio-temporal pattern evolution analysis of eco-environmental quality in Chongqing based on remote sensing[J]. Acta Ecologica Sinica, 2023, 43(15): 6278-6292. |
| [9] |
杨应增, 周来丰, 夏伟, 等. 基于遥感生态指数的贵安新区生态质量变化分析[J]. 地理空间信息, 2023, 21(7): 65-70. Yang Y Z, Zhou L F, Xia W, et al. Analysis of ecological quality changes in Gui'an New Area based on remote sensing ecological index[J]. Geospatial Information, 2023, 21(7): 65-70. |
| [10] |
杨鹏, 周安娜, 傅楷翔, 等. 基于遥感生态指数的青藏公路典型路段路域生态环境质量评估与分析[J]. 干旱区资源与环境, 2024, 38(5): 39-48. Yang P, Zhou A N, Fu K X, et al. Assessment and analysis on roadside ecological environment quality along typical sections of Qinghai-Tibet Highway based on remote sensing ecological indices[J]. Journal of Arid Land Resources and Environment, 2024, 38(5): 39-48. |
| [11] |
叶博文, 孙标, 史小红, 等. 2000—2021年锡林郭勒草原生态环境质量变化及其驱动因素[J]. 水土保持通报, 2024, 44(1): 271-283. Ye B W, Sun B, Shi X H, et al. Quality change and driving factors of grassland ecological environment in Xilingol League from 2000 to 2021[J]. Bulletin of Soil and Water Conservation, 2024, 44(1): 271-283. |
| [12] |
孙维婕, 何璐, 于强, 等. 2010—2020年陕西省神木市生态环境质量时空演变及其驱动因素[J]. 水土保持通报, 2024, 44(1): 284-292. Sun W J, He L, Yu Q, et al. Spatial-temporal evolution of ecological environmental quality and driving factors in Shenmu City of Shaanxi Province from 2010 to 2020[J]. Bulletin of Soil and Water Conservation, 2024, 44(1): 284-292. |
| [13] |
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. |
| [14] |
童珊, 曹广超, 闫欣, 等. 祁连山南坡2000—2020年植被覆盖时空演变及其驱动因素分析[J]. 山地学报, 2022, 40(4): 491-503. Tong S, Cao G C, Yan X, et al. Spatial-temporal evolution of vegetation cover and its driving factors on the south slope of the Qilian Mountains, China from 2000 to 2020[J]. Mountain Research, 2022, 40(4): 491-503. |
| [15] |
韦春桃, 周永绪, 朱菲, 等. 基于GEE的石嘴山地区生态环境质量时空演变特征研究[J]. 测绘工程, 2023, 32(2): 30-39. Wei C T, Zhou Y X, Zhu F, et al. Spatial and temporal evolution characteristics of ecological environment quality in Shizuishan region based on GEE[J]. Engineering of Surveying and Mapping, 2023, 32(2): 30-39. |
| [16] |
刘秋华, 谢余初, 覃宇恬, 等. 基于GEE云计算的南宁市生态环境质量时空分异监测[J]. 水土保持通报, 2023, 43(5): 121-127. Liu Q H, Xie Y C, Qin Y T, et al. Dynamic monitoring and spatio-temporal pattern of ecological environmental quality in Nanning City based on google earth engine[J]. Bulletin of Soil and Water Conservation, 2023, 43(5): 121-127. |
| [17] |
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. |
| [18] |
王志华, 杨晓梅, 周成虎. 面向遥感大数据的地学知识图谱构想[J]. 地球信息科学学报, 2021, 23(1): 16-28. Wang Z H, Yang X M, Zhou C H. Geographic knowledge graph for remote sensing big data[J]. Journal of Geo-information Science, 2021, 23(1): 16-28. |
| [19] |
唐常春, 李亚平. 多中心城市群土地利用/覆被变化地学信息图谱研究——以长株潭城市群为例[J]. 地理研究, 2020, 39(11): 2626-2641. Tang C C, Li Y P. Geo-information Tupu process of land use/cover change in polycentric urban agglomeration: a case study of Changsha-Zhuzhou-Xiangtan urban agglomeration[J]. Geographical Research, 2020, 39(11): 2626-2641. |
| [20] |
张文慧, 吕晓, 史洋洋, 等. 黄河流域土地利用转型图谱特征[J]. 中国土地科学, 2020, 34(8): 80-88. Zhang W H, Lyu X, Shi Y Y, et al. Graphic characteristics of land use transition in the Yellow River Basin[J]. China Land Science, 2020, 34(8): 80-88. |
| [21] |
张斯源, 樊逸飞, 颜礼, 等. 基于长时序MODIS的陕西省近20年生态质量时空变化及其驱动力研究[J]. 水土保持学报, 2023, 37(2): 111-119, 198. Zhang S Y, Fan Y F, Yan L, et al. Temporal and spatial variation and driving forces of eco-environmental quality in Shaanxi Province in recent 20 years based on long time series MODIS data[J]. Journal of Soil and Water Conservation, 2023, 37(2): 111-119, 198. |
| [22] |
马林, 梁勇, 张雅芹, 等. 基于RSEI的山东省不同土地覆盖区生态环境质量变化特征及驱动因素[J]. 水土保持研究, 2024, 31(2): 389-400. Ma L, Liang Y, Zhang Y Q, et al. Spatiotemporal change and driving factors of the eco-environment quality of different land covers in Shandong Province based on RSEI[J]. Research of Soil and Water Conservation, 2024, 31(2): 389-400. |
| [23] |
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. |
| [24] |
邵志东, 张芳, 彭康, 等. 基于土地覆盖变化与遥感生态指数的奇台绿洲生态环境质量监测[J]. 环境科学, 2024, 45(10): 5890-5899. Shao Z D, Zhang F, Peng K, et al. Ecological environmental quality monitoring of Qitai Oasis based on land use/cover change and remote sensing ecological index[J]. Environmental Science, 2024, 45(10): 5890-5899. |
| [25] | Bose S, Halder S. Monitoring decadal ecological degradation in Kolkata metropolitan area using comprehensive ecological evaluation index: a vision towards sustainable urban planning[J]. Advances in Space Research, 2024, 73(9): 4634-4650. DOI:10.1016/j.asr.2024.01.057 |
| [26] |
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. |
| [27] |
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): 6433-6447. 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): 6433-6447. |
| [28] |
李鹏傲, 姜永涛, 张珍珍, 等. 河南省植被覆盖度时空变化及其原因分析[J]. 地理空间信息, 2023, 21(11): 76-80. Li P A, Jiang Y T, Zhang Z Z, et al. Spatio-temporal changes of vegetation coverage and its causes in Henan Province[J]. Geospatial Information, 2023, 21(11): 76-80. |
| [29] |
范智高, 文雯, 史红人, 等. 青藏高原暖湿复合事件时空变化特征及其对生态环境质量的影响[J]. 高原山地气象研究, 2023, 43(4): 48-55. Fan Z G, Wen W, Shi H R, et al. Spatial and temporal variation characteristics of warm-wet composite events on the Qinghai-Tibet Plateau and their impact on ecological environment quality[J]. Plateau and Mountain Meteorology Research, 2023, 43(4): 48-55. |
| [30] |
廖洪圣, 卫伟, 陈乐, 等. 典型黄土丘陵沟壑区生境质量时空变化及驱动力: 以祖厉河流域为例[J]. 环境科学, 2024, 45(9): 5361-5371. Liao H S, Wei W, Chen L, et al. Spatial and temporal changes in habitat quality and driving forces in typical loess hill and gully areas: a case study of the Zuli River Basin[J]. Environmental Science, 2024, 45(9): 5361-5371. |
| [31] |
冯自贤, 佘璐, 王秀慧, 等. 基于改进遥感生态指数的宁夏生态环境质量时空变化[J]. 生态环境学报, 2024, 33(1): 131-143. Feng Z X, She L, Wang X H, et al. Spatial and temporal variations of ecological environment quality in Ningxia based on improved remote sensing ecological index[J]. Ecology and Environmental Sciences, 2024, 33(1): 131-143. |
| [32] |
汪士为, 吴伟. 近31年嘉陵江流域生态环境质量时空演变及驱动因子探测[J]. 水土保持研究, 2024, 31(1): 427-439. Wang S W, Wu W. Spatiotemporal variation of ecological environmental quality and its response to different driving factors in Jialing river basin in recent 31 years[J]. Research of Soil and Water Conservation, 2024, 31(1): 427-439. |
| [33] | Mondal J, Basu T, Das A. Application of a novel remote sensing ecological index (RSEI) based on geographically weighted principal component analysis for assessing the land surface ecological quality[J]. Environmental Science and Pollution Research, 2024, 31(22): 32350-32370. |
| [34] | Dai X A, Li W Y, Liu Z L, et al. Effects of mining on urban environmental change: a case study of Panzhihua[J]. Remote Sensing, 2022, 14(23). DOI:10.3390/rs14236004 |
| [35] |
李娟, 张永福, 余婷婷, 等. 基于遥感生态指数的阿克苏地区生态质量时空变化及其驱动力[J]. 水土保持学报, 2023, 37(6): 333-340. Li J, Zhang Y F, Yu T T, et al. Assessment of spatial-temporal changes of ecological environment quality and its driving force in Aksu region based on remote sensing ecological index[J]. Journal of Soil and Water Conservation, 2023, 37(6): 333-340. |
| [36] | Liu W, Yang X, Gao X, et al. Impacts of water surge from mountain railroad tunnels on ecological environments based on the RSEI model[J]. Environmental Science and Pollution Research, 2023, 30(57): 120400-120421. |
| [37] | Cheng N N, Yang T T, Wu T F, et al. Lake shrinkage-induced terrestrial ecological environmental quality degradation in a semiarid lake basin[J]. Environmental Science and Pollution Research, 2023, 30(57): 120892-120902. |
| [38] | Pavan A, Grady S C, Vojnovic I. Racial and ethnic disparities in exposure to risk-screening environmental indicator (RSEI) toxicity-weighted concentrations: Michigan Census Tracts, 2008–2017[J]. Journal of Environmental Studies and Sciences, 2023, 13(2): 221-239. |
| [39] |
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. |
| [40] |
姜俊狄, 李嘉, 陈焱明, 等. 适用于秋冬季节RSEI的三峡库区生态质量评估[J]. 测绘通报, 2023(10): 14-19. Jiang J D, Li J, Chen Y M, et al. Assessment of eco-quality in the Three Gorges Reservoir area based on RSEI suitable for autumn and winter[J]. Bulletin of Surveying and Mapping, 2023(10): 14-19. |
| [41] |
张书, 孙超, 胡茗, 等. 基于连续变化检测和分类算法的动态遥感生态指数构建[J]. 生态学报, 2024, 44(2): 497-510. Zhang S, Sun C, Hu M, et al. Construction of dynamic remote sensing ecological index using the Continuous Change Detection and Classification (CCDC) algorithm[J]. Acta Ecologica Sinica, 2024, 44(2): 497-510. |
| [42] |
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. |
| [43] | Bai S J, Abulizi A, Mamitimin Y, et al. Coordination analysis and evaluation of population, water resources, economy, and ecosystem coupling in the Tuha region of China[J]. Scientific Reports, 2024, 14(1). DOI:10.1038/s41598-024-68241-w |
| [44] | Xia Q Q, Chen Y N, Zhang X Q, et al. Spatiotemporal changes in ecological quality and its associated driving factors in central Asia[J]. Remote Sensing, 2022, 14(14). DOI:10.3390/rs14143500 |
| [45] |
刘玉佳, 彭建, 李刚勇, 等. 基于GEE的库鲁斯台草原生态环境评价[J]. 生态学杂志, 2023, 42(11): 2776-2785. Liu Y J, Peng J, Li G Y, et al. Eco-environmental assessment of Kurustai grassland based on google earth engine[J]. Chinese Journal of Ecology, 2023, 42(11): 2776-2785. |
| [46] |
魏之首, 关燕宁, 蔡丹路, 等. 基于改进型遥感生态指数的生态系统服务价值评估方法[J]. 地球信息科学学报, 2024, 26(7): 1763-1778. Wei Z S, Guan Y N, Cai D L, et al. Assessing ecosystem service value with modified remote sensing ecological index[J]. Journal of Geo-Information Science, 2024, 26(7): 1763-1778. |
| [47] |
刘江容, 林晓凤, 王豪伟, 等. 海峡两岸生态环境质量差异性评价及港口发展对其的影响[J]. 生态学报, 2024, 44(5): 1837-1853. Liu J R, Lin X F, Wang H W, et al. Ecological quality differentiation of the environment and impacts of port development on both coasts of the Taiwan Strait[J]. Acta Ecologica Sinica, 2024, 44(5): 1837-1853. |
| [48] | Peng L, Wu H W, Li Z H. Spatial–temporal evolutions of ecological environment quality and ecological resilience pattern in the middle and lower reaches of the Yangtze river economic belt[J]. Remote Sensing, 2023, 15(2). DOI:10.3390/rs15020430 |
| [49] | Zhang P P, Chen X D, Ren Y, et al. A novel mine-specific eco-environment index (MSEEI) for mine ecological environment monitoring using landsat imagery[J]. Remote Sensing, 2023, 15(4). DOI:10.3390/rs15040933 |
| [50] | Zhang X M, Fan H B, Zhou C H, et al. Spatiotemporal change in ecological quality and its influencing factors in the Dongjiangyuan region, China[J]. Environmental Science and Pollution Research, 2023, 30(26): 69533-69549. |