2024, Vol. 45
土地利用方式的变化是人类活动改变地球自然环境最直观的体现, 它改变了土地利用类型、数量、结构和功能, 引致生态环境质量恶化和人地矛盾等突出问题, 已成为生态环境质量的关键影响因素[1]. 土地利用与生态环境质量之间存在复杂且非线性的动态耦合关系[2], 两者之间的协调发展程度是衡量区域可持续发展的重要标准[1]. 粤港澳山水相连, 历来保持着密切的经济贸易关系[3], 随着香港和澳门相继回归祖国, 粤港澳的联系更为紧密[4]. 继党中央制定大湾区城市群发展规划之后[3], 大湾区（珠三角9市和香港澳门2市）发展进入加速推进阶段, 带动粤港澳进入一个崭新的发展时期. 至今, 粤港澳已成为中国高强度人类活动的区域[5], 土地利用/覆盖状况也被极大地改变, 快速城市化可以导致热岛、大气污染和植被指数下降等生态环境问题[6~9]. 已有一些粤港澳土地利用与生态环境的研究成果[10~14], 如：周章伟等[10]研究认为广东省生态环境效益呈现出与社会经济效益逆向发展的态势；王枫[11]研究认为广东省各城市土地利用与生态环境的协调度空间分异明显；Hasan等[12]认为粤港澳建成区的扩张是以牺牲农田、基塘为代价的, 农田基塘的损失导致生态系统服务价值的下降. 至今, 缺乏将粤港澳三地整合的生态环境质量与土地利用变化的空间关系研究. 探测粤港澳生态环境质量时空分异, 揭示其与土地利用变化的空间关系, 对持续推进粤港澳协调发展极为迫切, 也是推行大湾区建成宜居宜业宜游湾区和“一国两制”实践示范区国家战略的需要[15, 16].
在生态环境质量与土地利用变化关系的研究领域, 已取得诸多成果. 例如, 研究者们基于年鉴或实地监测数据, 运用熵值法[11, 17]、灰色关联法[18]、层次分析法[19]和TOPSIS法[20]等统计学方法, 以及土地利用二级类型模糊赋值方法对二者关系进行了深入探讨[21~23], 为揭示土地利用变化对生态环境质量的影响奠定了坚实基础. 然而, 使用年鉴或实测数据的研究手段存在数据获取困难、更新速度慢、空间精度低或评价指标主观性强等方面的局限[24]；仅通过土地利用类型赋值的研究方法, 可能因忽略同一土地利用类型生态环境质量效应的区域差异而导致研究结果偏差较大. 相比之下, 卫星遥感影像具有获取便捷、实时性强、覆盖面积大、周期重复性、高空间分辨率等优点, 以此获取的土地利用信息与生态反演指标值客观性更强[25]. 因此, 卫星遥感影像已成为土地利用和生态环境质量变化研究的数据来源, 是探测二者之间空间关系的重要基础[26]. 例如, 岳文泽等[27]基于地表温度（land surface temperature, LST）和植被指数（normalized difference vegetation index, NDVI）进行的生态环境质量与土地利用关系研究；徐涵秋[6, 28]基于遥感影像反演地表干度、热度、绿度和湿度共4个指标, 构建遥感生态指数（remote sensing ecological-based index, RSEI）的研究, 较为合理地反映了区域生态环境质量状况[13, 29].
至今, RSEI已被大量采用[13, 14, 30, 31], 但是基于传统遥感软件的RSEI计算, 在面对大区域范围研究时, 则需强大本地设备支持并且存在繁琐的预处理过程. 随着云计算的兴起和遥感云平台的搭建, 谷歌地球引擎（GEE云平台）不仅配置有海量遥感影像, 而且具备高效的云计算能力[32], 为进行土地利用与生态环境质量变化的关系研究提供了全新途径. 如朱明水[30]基于GEE云平台, 以Landsat作为数据源, 分析黄河中下游地区土地利用变化及其生态效应. 近两年, 诸多学者提出改进遥感生态指数, 如加入盐度（SI-T）[33], 加入土地利用指标和人口分布指标（PDI）[34], 采用景观多样性指数（landscape diversity index, LDI）替换地表温度指标[35], 将生态环境指数（ecological index, EI）与RSEI中湿度指标（Wet）耦合而构建新的生态环境评价指标[36], 这些成果显著推动了生态环境质量研究的发展, 为土地利用与生态环境质量变化空间关系研究奠定了基础. 然而, 关于各种改进遥感生态指数在不同区域研究的适用性问题, 仍待进一步验证.
鉴于以上研究现状及粤港澳的战略地位, 结合中国科学院资源环境科学与数据中心的土地利用数据和GEE云平台数据, 计算遥感生态指数指示粤港澳生态环境质量, 挖掘土地利用变化和生态环境质量的空间异质特征, 借助GeoDa双变量空间自相关模型, 从市域和县域尺度探究生态环境质量与土地利用程度的空间关系, 探测生态环境质量低值区域变化与人工表面扩张的耦合关系, 还进一步探索了GEE云平台应用于生态环境评价的适用性, 以期为《广东省环境保护条例》落实提供更为有力的量化依据, 也为粤港澳三地整合的国土空间规划和协调发展提供研究支撑.
1 材料与方法 1.1 研究区概况以广东省21个地级市与香港特别行政区（香港）、澳门特别行政区（澳门）的陆域面积（未包括东沙群岛陆域面积）作为研究区域（统称为粤港澳）, 如图 1, 包括香港澳门在内共23个地级市、67个市辖区、20个县级市、34个县和3个自治县（即124个区县）. 粤港澳地处中国大陆的最南部, 地势总体北高南低, 北部多山地和高丘陵, 南部多平原台地, 属东亚季风区, 从北向南横跨3种气候类型, 分别为中亚热带气候、南亚热带气候和热带气候[37]. 参考已有研究及《关于构建“一核一带一区”区域发展新格局促进全省区域协调发展的意见》[38, 39]的片区划分方案, 进行土地利用与生态环境质量关系空间异质性分析, 其中第一个片区是“一核”（即珠三角地区：广州市、深圳市、佛山市、东莞市、中山市、珠海市、江门市、惠州市及肇庆市这9市）和香港、澳门组成的大湾区, 第二和第三个片区是“一带”里的沿海经济带东翼（东翼：潮州市、汕头市、揭阳市及汕尾市）和沿海经济带西翼（西翼：阳江市、茂名市及湛江市）, 第4个片区属于“一区”, 即北部生态发展区（生态区：云浮市、清远市、韶关市、河源市及梅州市）, 片区间经济发展差异悬殊[40].
|
在广东省标准地图服务子系统提供的标准地图基础上叠图而成；标准地图审图号：粤S（2022）200号, 底图无修改, 东沙群岛只在地图显示, 并不属于研究范围之中, 下同 图 1 粤港澳区域示意 Fig. 1 Sketch map of the research area |
采用的数据和来源及其相应产品介绍如表 1, 矢量数据包括土地利用（2000、2005、2010、2015和2020年共5个时间节点）和行政区数据（2015年）, 投影坐标系为Krasovsky 1940Albers. 栅格数据源于GEE云平台的MODIS产品, 该产品计算的RSEI比Landsat等产品具有更佳效果[41], 数据原始坐标为WGS1984. 包括绿度（NDVI）、湿度（Wet）、热度（LST）和干度（normalized difference built-up and soil index, NDBSI）共4个分指标[6, 28]. 由于粤港澳水网密布, 大面积水体会对反演结果有较大干扰, 根据徐涵秋改进的归一化水体指数（modified normalized difference water index, MNDWI）以0.2为阈值进行水体掩膜[13, 42, 43]后进行各分指数计算, 同时利用QA波段能有效屏蔽低质量数据, 从而减少云层阴影影响. 所有影像都统一至Krasovsky 1940Albers投影坐标系.
|
表 1 数据主要信息、来源及相应产品介绍 Table 1 Data main information, sources and corresponding product descriptions |
由于植被绿度指标为RSEI指数计算的关键指标, 采用植物生长季节的影像可有效保证反演结果的准确性[28, 46]. 经反复实验, 选择基于时间跨度2000~2020年, 选取每年6月1日至9月1日, 计算每年的RSEI指标.
1.3 研究方法 1.3.1 土地利用结构变化的研究方法一方面, 利用土地利用动态度和转移矩阵模型, 量测各土地利用类型的动态变化强度以及相互转移关系；另一方面, 利用土地利用程度模型, 量算区域土地利用整体被利用的程度.
（1）土地利用动态度和区域土地利用综合动态度 引入土地利用动态度模型和土地利用综合动态度模型[47], 分别计算研究时长内各类型土地利用变化速度和各区域土地利用的整体变化强度. 土地利用动态度模型为：
|
(1) |
|
(2) |
式中, Ki为某一土地利用类型i的动态度, Aa和Ab为该类型土地利用研究始末期的面积, T为研究时长；S为研究时长内的土地利用综合动态度, ΔAi-j为研究时段内第i类土地利用转为j类的面积绝对值, Ai为第i类土地利用在研究初期的面积, n为土地利用类型总数（n=6）.
（2）土地利用转移矩阵 土地利用转移矩阵[式（3）]用来描述研究时长内各土地利用类型面积、比例和数量等的转移情况, 是对马尔科夫链的进一步运用[48]. 公式如下：
|
(3) |
式中, Sij为用地面积比例, n为6, i、j分别为研究始、末期的土地利用类型编号.
基于转移矩阵, 绘制弦图则更直观展示各土地利用类型之间的转入和转出关系, 本文绘制的弦图更加关注新增土地对原有土地的侵占比例, 通过弦的粗细能够更深刻地反映不同土地利用类型转移的剧烈程度, 各扇形代表各地类初始年份占比, 而弦在扇形中越粗, 代表弦所在地类占用扇形所在地类比例越大, 同样地, 一个地类最终年份占比就是该地类侵占另外5种地类的弦加除去占用该扇形的弦所剩余的扇形占比.
（3）土地利用程度综合指数 参考庄大方等[49]提出的土地利用程度综合指数, 对不同土地利用类型进行分级指数赋值, 量化区域土地利用程度. 计算公式如下：
|
(4) |
式中, La为研究区内土地利用程度综合指数, Ai为区域内第i级土地利用程度分级指数, Ci为区域内第i级土地利用程度的面积百分比, n为土地利用程度分级指数. 其中, 其它地类分级指数为1, 林地、草地和水域分级指数为2, 耕地分级指数为3, 人工表面分级指数为4.
1.3.2 遥感生态指数的构建遥感生态指数（RSEI）由NDVI、Wet、LST和NDBSI共4个分指标计算而得, 可用作指示生态环境质量[28]. 首先基于遥感影像计算得到这4个分指标的数值, 再采用主成分分析方法计算遥感生态指数. 主成分分析是一种实现数据降维的统计方法, 通过旋转坐标轴, 将数据集的信息压缩到前面几个相互垂直的主分量上, 从而达到数据降维的结果, RSEI的第一主成分（PC1）已经最大程度地保留了RSEI的信息量, 减少了几个指标之间的数据冗余, 又有效地避免了4个指标加权平均求得RSEI指标时, 人为确定权重的主观随意而影响结果[29]. 具体的分指标及RSEI指标介绍如下.
（1）NDVI和LST NDVI表示的绿度指标与植物生物量、叶面积指数以及植被覆盖度都有密切的关系, 该指标中每个像元的绿度数值对应的是Terra Vegetation Indices MOD13A1 v6中的NDVI指数. LST表示的热度指标, 利用的是MOD11A2.v6的LST_Day_1 km数据, 将像元灰度值转为地表温度值[50], 计算公式如下：
|
(5) |
式中, LST为地表温度值（℃）, DN为像元灰度值（K）.
（2）Wet 利用多光谱影像经缨帽变换后的第3分量作为Wet表示的湿度指标. 缨帽变换是一种有效的数据压缩和去冗余技术, 其亮度、绿度、湿度分量与地表物理参量有直接的关系, 被广泛运用在生态监测中. 利用MODIS缨帽变换公式, 计算公式如下[51, 52]：
|
(6) |
式中, ρ1~ρ7分别为MOD09A1. V6的7个通量波段. 其中, ρ1为红波段, RED（620~670 nm）；ρ2为近红外波段, NIR（841~876 nm）；ρ3为蓝波段, BLUE（459~479 nm）；ρ4为绿波段, GREEN（545~565 nm）；ρ5为近红外2波段, NIR2（1 230~1 250 nm）；ρ6为短波红外1波段, SWR1（1 628~1 652 nm）；ρ7为短波红外2波段, SWIR2（2 105~2 155 nm）.
（3）NDBSI NDBSI表示的干度指标是利用反映城市干化程度的裸土指数（SI）[53]和建筑指数（IBI）[54]两者平均加权求得, 计算公式如下：
|
(7) |
|
(8) |
|
(9) |
式中, SI为裸土指数, IBI为建筑指数, NDBSI为不透水面指数, ρ1、ρ2、ρ3、ρ4及ρ6为MOD09A1.V6相应的遥感波段, 其含义与Wet计算式相同.
（4）生态环境质量计算（RSEI） 基于绿度、湿度、热度和干度这4个指标, RSEI指标值利用主成分分析方法计算得到[28]. 为使各指标的量纲统一, 采用极差方法, 对指标进行归一化处理.
|
(10) |
式中, X为4个分指标的原始数值, Xmax和Xmin分别为指标的最大值和最小值. 接下来, 基于4个归一化的指标值, 进行主成分变换. 相关实例证明, 计算RSEI时, 不能盲目加入第二主成分（PC2）或其它信息量更低的主成分, 否则可能会导致结果受到不同信息的互相干扰或混淆[29]. 因此, 利用4个指标的第一主成分信息量作RSEI的信息来源, 用RSEI0表示. 同样采用极差方法对RSEI0进行归一化, 得到RSEI并使其数值介于0~1之间, RSEI越接近于1, 生态环境质量越好. 为了方便比较, 进一步采用等间距方法, 将生态环境质量（RSEI）划分为5个等级[55], 分别为差[0~0.2], 较差（0.2~0.4], 中（0.4~0.6], 良（0.6~0.8], 优（0.8~1.0].
1.3.3 空间关系研究方法（1）双变量空间自相关模型 双变量空间自相关是空间自相关的延伸, 更关注两个地理现象之间的空间关联性, 结合两个地理变量的空间位置信息和数值, 分析它们之间的相互作用依赖程度[56, 57]. 双变量空间自相关又可以分为以下两种.
第一种是双变量全局空间自相关分析, 可揭示研究区内不同变量之间的空间关联性和显著性[56, 57]. 计算公式如下：
|
(11) |
式中, I为表示双变量全局空间自相关的Moran's I系数, 取值范围为[-1, 1], （0, 1]说明两个变量之间存在正相关的关系, [-1, 0）之间说明存在负相关的关系, 等于0代表无相关关系；n为空间单元的总数；wij为通过K的邻接关系法建立的空间权重矩阵；xi和yi分别为自变量（土地利用程度）和因变量（遥感生态指数）在空间单元i、j的观测值；S2为方差.
第二种是双变量局部空间自相关, 可用来解释局部的空间聚类特征[56, 57], 计算方法为：
|
(12) |
式中, Ii为局部空间关系；Zi、Zj是空间单元i、j观测值的方差标准化值.
（2）空间耦合特征模型 协调系数是一个常用来表征经济发展、人口数量扩张和土地扩张的空间耦合特征模型, 可简单概括为研究两个变量变化的同步性[58~60]. 根据文献[58], 本文提出假设：研究区人工表面扩张会导致县域的生态环境质量低值（RSEI≤0.4）区域扩张. 考虑粤港澳社会经济发展速度的巨大差异, 欠发达县市人工表面扩张较慢, 由此可能影响到空间耦合特征挖掘. 采用加大时间步长的应对方案, 选2000~2010年和2010~2020年共两个时段, 探测生态环境质量低值变化与人工表面扩张的耦合协调关系. 计算公式为[59, 60]：
|
(13) |
式中, OLR为协调系数, LRi和RRi分别为第i单元人工表面、生态质量低的年平均增长率. 根据式（13）, 协调指数取值范围为[0, 1]. 当LRi和RRi绝对值相等, 且同为正值和负值时, OLR=1表示二者耦合度最强, 协调关系最强；当LRi和RRi符号相反, 且绝对值相等时, OLR=0, 此时两者耦合度最差, 协调关系最弱. 进一步划分强耦合（0.9 < OLR≤1）、中度耦合（0.8 < OLR≤0.9）、弱耦合（0.7 < OLR≤0.8）、中等不耦合（0.5 < OLR≤0.7）与高度不耦合（0≤OLR≤0.5）共5个耦合类型.
2 结果与分析 2.1 土地利用结构变化 2.1.1 土地利用结构特征粤港澳土地利用空间结构如图 2. 林地为区域的主导土地利用类型, 空间上主要集中在生态区、大湾区与西翼的西北部. 人工表面主要分布在大湾区的广州、深圳、东莞和佛山, 逐渐形成较大范围、连续性较强的城市景观基底, 2000~2005年间, 人工表面斑块增大较为明显. 耕地主要集中在东翼和西翼, 草地多集中于生态区. 如图 2蓝色圆框区域所示, 西翼在2015~2020年出现了较大面积的耕地转换成林地的区域, 致使西翼乃至粤港澳2020年林地面积有一定回升. 土地利用面积的数量结构如图 3. 林地为主要的土地利用类型, 耕地其次, 其面积占比为59.9%~60.6%和25.4%~22.9%；人工表面的面积占比为4.8%~7.6%, 草地和水域面积分别在4.3%~4.6%波动. 从动态来看, 林地在2000~2015年面积持续减小, 2010~2015年下降最严重, 从60.4%下降到59.9%；耕地持续减少, 与之相对应, 人工表面面积持续增加, 并以2000~2005年增速最大, 面积增至6.1%, 增幅达20.9%；草地和水域面积变化值在0.2%以内；其它地类面积占比小, 仅在0.1%~0.2%波动.
|
蓝色圆圈为2015年和2020年耕地转移为林地明显的区位 图 2 粤港澳2000~2020年土地利用格局 Fig. 2 Land use pattern in Guangdong Province-Hong Kong-Macao from 2000 to 2020 |
|
图 3 2000~2020年土地利用类型面积占比 Fig. 3 Area percentage per land use type from 2000 to 2020 |
动态度及综合动态度两个指标反映的粤港澳各土地利用类型变化强度如表 2. 从综合动态度来看, 土地利用变化强度呈现非等速变化, 如2000~2005年土地利用类型变化最大, 综合动态度达0.26%·a-1, 其次是2015~2020年（0.21%·a-1）, 接下来2010~2015年（0.17%·a-1）, 2005~2010年的值最小（0.12%·a-1）. 从土地利用类型的动态度来看, 人工表面的动态度最大, 如从远及近的4个时段, 其值分别为5.27%·a-1、1.78%·a-1、1.95%·a-1和1.02%·a-1, 最大值也是出现在2000~2005年. 耕地、林地动态度在2000~2015年都为负值, 2020年林地面积有一定程度提升, 但是耕地仍处于负增长状态. 水域面积可能受到季节更替等影响, 数值有一定的波动.
|
|
表 2 各研究时段粤港澳土地利用变化动态度及综合动态度/%·a-1 Table 2 Land use dynamics and comprehensive dynamics in Guangdong Province-Hong Kong-Macao per period/%·a-1 |
四大片区土地利用变化强度如表 3. 土地利用综合动态度由大到小：大湾区 > 西翼> 东翼> 生态区. 大湾区的土地利用综合动态度达0.34%·a-1, 其中以人工表面贡献最大（4.26%·a-1）, 比总体平均高近一半. 耕地、草地、林地、水域和其它土地利用动态度均为负值, 可见人工表面的土地利用类型已一定程度改变了当地的自然环境. 东翼和西翼的综合动态度数值相近, 耕地动态度都呈现负值状态, 每年平均减少0.50%·a-1左右, 东翼的人工表面动态度相对更高, 草地、水域有一定比例增长, 西翼林地、水域有一定比例提升. 北部综合动态度最小, 人工表面的动态度达到了3.29%·a-1, 可能是由于该地区发展起步慢, 原始人工表面面积较小所造成. 从研究区整体来看, 20年间的综合动态度为0.14%·a-1, 其中人工表面动态度最高, 耕地动态度最小, 林地、草地和其它用地利用动态度呈现负值, 水域动态度为正值.
|
|
表 3 2000~2020年各片区土地利用动态度及综合动态度/%·a-1 Table 3 Land use dynamics and comprehensive dynamics of the four major districts from 2000 to 2020/%·a-1 |
土地利用转移的比例如图 4. 2000~2020年大湾区的弦最粗, 该片区土地利用类型变化强度最高, 人工表面在耕地、林地区域弦粗, 代表人工表面占用了大量的耕地、林地. 东翼和西翼的耕地面积都有一定的损失, 而东翼的耕地更多转为了人工表面, 西翼则多转为了林地. 生态区地类之间连接的弦都比较细, 代表该片区在4个片区土地利用类型变化强度最低, 也是在四大片区中土地利用综合动态度最小的原因.
|
图 4 2000~2020年粤港澳及片区土地利用类型变化 Fig. 4 Chord chart of land use changes in Guangdong Province-Hong Kong-Macao and its sub-divisions from 2000 to 2020 |
根据土地利用程度综合指数分布（图 5）, 粤港澳土地利用程度20年里始终保持着中间高四周低、南高北低、东北和西南有一定高值的空间格局. 2000~2020年土地利用程度高的区域主要集中大湾区中心, 澳门相对于香港土地利用程度更高, 可能由于香港山区较多, 局部开发程度高, 总体开发程度较低所导致的（香港20年间的土地利用程度仅在240上下波动）. 生态区土地利用程度普遍不高, 绝大多地区在210~240取值范围, 而东翼（汕头市区、汕头澄海和揭阳榕城）、西翼中部（湛江市区、茂名茂南和茂名茂港）土地利用程度相对周边区域较高.
|
图 5 2000~2020年粤港澳土地利用程度综合指数分布 Fig. 5 Spatial distribution of the comprehensive index of land use degree in Guangdong Province-Hong Kong-Macao from 2000 to 2020 |
2000~2010年, 广州市与佛山市处于快速城市化发展阶段, 城区大量耕地和基塘被人工地表占用, 土地利用程度不断攀升, 与此同时, 中山市、东莞市和深圳市土地利用程度也有大幅度的提升, 其中以深圳宝安、佛山禅城、南海和顺德最为突出, 分别上升了45.9、50.6、37.6和63.4. 2010~2020年, 粤港澳的土地利用程度综合指数提升速度较前十年有所减缓, 大湾区中心城区土地逐渐从“摊大饼”模式逐渐走向集约节约利用模式, 东翼的汕头市、揭阳榕城在2015~2020年土地利用程度提升相对较快, 其中以汕头龙湖最为突出, 从329.5提升到了354.7. 西翼和生态区土地利用程度除阳江和清远城区大多处在缓慢增长甚至收缩的状态.
2.2 生态环境质量等级布局与结构 2.2.1 生态环境质量等级空间布局5个研究年份的RSEI第一主成分特征贡献率均值为74.5%, 能够集中指标的大部分特征. 生态环境质量等级分布如图 6, 粤港澳2000~2020年生态环境质量低值斑块（RSEI≤0.4, 等级为较差和差的斑块）, 主要出现在大湾区中心和东翼东部, 而北部多生态环境质量优良斑块. 生态环境质量特征还因研究时段而异. 2000~2010年, 生态环境质量低值区域在粤港澳中心区域有较大范围的扩张. 生态区西北区域在2000年有一定的离散斑块处于低值状态, 大湾区的广州西部与佛山东部已经出现等级较差的县域及连片的生态环境质量较差的基底. 2000~2005年粤港澳中心生态环境质量低值区域增长速度最快, 西翼雷州半岛区域在前两个统计年份有一定的低值区域, 但在2010年有一定程度的改善.
|
G、D、F、SZ、QY、Z、JM、J、C、S、HK和MA分别表示广州、东莞、佛山、深圳、清远、中山、江门、揭阳、潮州、汕头、香港和澳门 图 6 粤港澳生态环境质量等级空间分布 Fig. 6 Distribution of ecological environment quality levels in Guangdong Province-Hong Kong-Macao |
2010~2020年, 大湾区中心生态环境质量低值区域面积增长速度有一定放缓. 2015年粤港澳西部生态环境质量明显转差, 出现了较大范围的生态环境低值斑块, 大湾区、西翼和生态区这3个片区的西部县域生态环境质量明显下降. 2020年, 粤港澳除中心、东翼东部以外的生态环境质量以优良等级斑块为主, 生态区及西翼县域生态环境等级以优良为主. 大湾区中心连片生态环境质量低值区域已经覆盖广州西部、佛山东部、东莞市、深圳市、中山西北部及江门东北小部分区域, 这20年里粤港澳中心的生态环境质量低值斑块变化与人工表面扩张表现出一致性.
2.2.2 生态环境质量等级结构及县域分布统计生态环境质量等级结果如表 4, 粤港澳生态环境质量等级以优良为主, 其占比超过70.0%, 2020年优良占比更是高达83.8%, 其中优等级就占了32.8%；2015年优良占比最低（71.5%）. 2005年优等级占比最低, 仅8.2%. 质量为差的区域占比均在0.2%或以下.
|
|
表 4 2000~2020年粤港澳生态环境质量等级占比/% Table 4 Area proportion per ecological quality level from 2000 to 2020 in Guangdong Province-Hong Kong-Macao/% |
生态环境质量等级县域分布如图 7所示, 统计各等级县域的个数, 粤港澳大部分县域等级以良为主, 且没有出现等级为差的县域. 其中, 5个时间点里生态环境质量等级为较差的县域数量分别为：5、6、6、7和9, 等级为中的县域数量分别为：28、31、32、30和26, 等级为优良的县域数量分别为：92、88、87、88和90. 可以注意的是, 肇庆广宁（2010年、2020年）、清远连南（2020年）及清远连山（2020年）都出现过生态环境质量为优的年份（如图 7深绿色县域）. 粤港澳中心县域生态环境质量等级总体呈现转差的趋势. 从空间分布看, 2010年粤港澳东部县域生态环境质量相对其它时间点较低, 而2015年则是西部县域生态环境质量相对其它时间点较低.
|
图 7 粤港澳生态环境质量等级县域分布 Fig. 7 County distribution of ecological environment quality levels in Guangdong Province-Hong Kong-Macao |
各土地利用类型对应的RSEI均值如表 5, 耕地在5个统计年份都维持在0.66~0.68, 总体生态环境质量变化不大. 草地生态环境质量维持在0.70上下, 林地、草地生态环境质量在2020年最高, 分别为0.77和0.73, 人工表面2000年生态环境质量最高, 2020年最低. 土地利用程度（La）和生态环境质量（RSEI）双变量空间自相关分析结果显示, 各年份的Moran's I均为负值, 分别为-0.549、-0.624、-0.656、-0.619和-0.673, Z得分均小于-2.58, 且P < 0.01均通过显著性检验, 置信度水平高, 证明粤港澳土地利用程度与生态环境质量在空间上呈显著的负相关关系, 局部的土地利用程度上升会导致局部的生态环境质量降低. 除2015年外, 20年来土地利用程度与生态环境质量的负相关性关系几乎持续增大.
|
|
表 5 各土地利用类型RSEI均值、La和RSEI双变量莫兰指数结果统计1） Table 5 Statistics of RSEI mean, La, and RSEI bivariate Moran index results of each land use type |
根据双变量Moran's I散点图, 图 8横轴代表县级行政单位土地利用程度的标准化值, 纵轴代表生态环境质量的标准化值. 散点在第一、第二、第三和第四象限分别为高高聚类（H-H）、低高聚类（L-H）、低低聚类（L-L）和高低聚类（H-L）, 其中第一个字母为H则为土地利用程度高, L则为土地利用程度低, 第二个字母为H则生态环境质量高, L则为生态环境质量低. 如图 8, 散点主要集中在第二（L-H）和第四象限（H-L）, 散点对应的颜色分别对应不同的片区. 其中, 北部散点多集中于第二象限（L-H）, 大湾区散点多集中于第四象限（H-L）, 东翼散点多集中于第三、第四象限（生态环境质量相对较低）, 西翼散点多集中于第一、第二象限（生态环境质量相对较高）.
|
图 8 土地利用程度与生态环境质量莫兰指数散点图 Fig. 8 Scatter plot of Moran's index between land use extent and eco-environment quality |
基于土地利用程度与生态环境质量之间的双变量局部空间自相关结果, 绘制图 9. 不显著、L-H和H-L是主要的聚集类型, 各时间节点上, 三者的区县数分别达122、122、123、123和122之多（表 6）, 最多只有2个区县属于H-H或L-L聚集类型. 其中, L-L聚集类型主要在西翼东部（汕头濠江）, 直到2020年才转移至江门（新会区）、珠海（斗门区）；此外, 2000年广州（天河区）也有L-L聚集类型. H-H聚集类型很少出现, 只在2005年茂名市（电白区）出现一次.
|
图 9 粤港澳土地利用变化与生态环境质量聚类特征县域分布 Fig. 9 County distribution of land use change and clustering characteristics of eco-environment quality in Guangdong Province-Hong Kong-Macao |
|
|
表 6 聚类特征统计1） Table 6 Cluster feature statistics |
H-L聚类分布主要稳定地集中在大湾区中心（如广州西部和南部、佛山东部、中山市和深圳西部）. L-H聚类分布则相对不稳定, 2000年L-H聚类多集中在粤港澳中西部、北部, 2005、2010和2020年L-H聚类多集中在粤港澳西北部, 2015年则多集中在粤港澳东北部, 但L-H聚类仍以生态区为多, 而东翼和西翼县域多无显著特征.
2.3.3 生态环境质量低值变化与人工表面变化的空间耦合关系由于粤港澳人工表面主要分布在大湾区的广州、深圳、东莞和佛山, 有较大范围和连续性较强的城市景观基底, 显示较强的空间异质特征（图 2）. 为此, 采用将研究时长从数据的间隔5 a拉长至10 a, 进行人工表面扩张与生态环境质量低值变化空间耦合关系量化研究. 如图 10, 发现大湾区、西翼西部、东翼东部和西部多呈现为强耦合、中等耦合或弱耦合；在生态区、大湾区的西北, 东翼的中部与西翼的东部的县域多呈现为中度不耦合或高度不耦合. 其中, 2000~2010年, 强耦合县域分布相对集中, 主要分布于大湾区中心及南部县域, 西翼西部和东翼东部多为中等耦合和弱耦合, 北部多呈现中度或高度不耦合, 由于地形、地质等影响了人工表面扩张, 在生态环境保护政策的支持下, 生态区开始重视生态环境, 减少开垦和樵采, 对裸地进行人工林种植, 增加了植被指数, 降低了裸土指数, 减少了生态环境低值区域. 而大湾区具有优越的地理位置, 土地利用程度提高迅速, 周边城市快速扩张, 人工表面面积大幅度地增加导致植被指数和湿度指数减小、干度和热度指数增大, 生态环境质量低值区域与人工表面扩张表现为强耦合性.
|
图 10 粤港澳人工表面扩张与生态环境质量低值变化空间耦合关系 Fig. 10 Spatial coupling characteristics of expansion of construction land in the Guangdong Province-Hong Kong-Macao and changes in low ecological environment quality regions |
2010~2020年, 强耦合县域分布相对分散, 大湾区强耦合县域数量从前10 a的28个县域减少为17个县域, 中等耦合和弱耦合则从11个县域增长为22个县域, 广州南部（番禺和南沙）的生态环境质量低值区域增长快于人工表面的增长, 所以呈现的是弱耦合或中等耦合, 而香港和澳门分别呈现为中等耦合和强耦合. 生态区仍然以中度和高度不耦合为主, 但是部分县域出现了强耦合类型, 东翼东部呈现强耦合, 东翼城市的快速发展一定程度上降低了该地区生态环境质量. 西翼的茂名信宜、湛江雷州呈现强耦合.
3 讨论借助GEE云平台计算热度、干度、湿度和绿度共4个指标, 再利用主成分方法计算RSEI以表征区域生态环境质量状况. RSEI结果容易受到影像质量、地表温度和叶片生长情况等影响, 选取恰当的遥感影像时相则成为RSEI计算的前提[29]. 本研究中, 经反复多次实验, 发现选取时间相对较长、受冷空气影响较小且在植物生长季的时段比较合适. 利用GEE云平台选取MODIS影像反复合成2001~2020年春季（3~5月）、夏季（6~8月）、秋季（9~11月）和冬季（12月至次年2月）的NDVI与地表温度（如图 11）, 并且用代码去除了云层和水体. 发现虽然研究区夏秋两季均属植物生长季, 植被指数反演效果较好；但秋季容易出现冷空气的影响, 使生态区的地表温度相对较低, 西翼南部则不容易受冷空气的影响仍然出现较大范围的地表高温区域（如图 11秋季西南部浅橙色区域）, 进而影响计算结果. 故此, 选择相对更佳的夏季（6月1日至9月1日）作为研究区的时段, 减少南北纬度差异对植被生长情况和地表温度的影响. 研究结果显示, 粤港澳生态环境质量低值区主要分布在大湾区中心和东翼的东部, 并且有往大湾区中心靠拢的趋势；2015年的大湾区、西翼及生态区的西部县域生态环境质量比常年低, 与《广东省2015年生态环境状况指数》结果吻合[61], RSEI具有一定鲁棒性[29], 可用作指示区域生态环境质量.
|
图 11 粤港澳四季地表均温和归一化植被指数均值图 Fig. 11 Mean surface temperature and normalized vegetation index in Guangdong Province-Hong Kong-Macao for four seasons |
此外, 作者对土地利用变化与生态环境质量关系进行了较为深入地分析, 从以下3个结果足以证明粤港澳生态环境质量与土地利用变化存在高度的空间相关性：①粤港澳土地利用程度与生态环境质量空间上呈现显著的负相关关系；②H-L聚类、L-H聚类或不显著是其主要空间关联关系；③生态环境质量低值变化与人工表面扩张的耦合关系第一个结果（大湾区、西翼西部、东翼东部和西部多呈现为强耦合、中等耦合或弱耦合）. 然而在局部空间关系分析中, 发现有1~2个区县存在H-H或L-L的关联关系, 生态环境质量低值变化与人工表面扩张的耦合关系第二个结果（生态区、大湾区的西北, 东翼的中部与西翼的东部的县域多呈现为中度不耦合或高度不耦合）, 暗示可能存在其它因子同步影响着区域生态环境质量变化, 如气候变化、政策实施、人口变化及人类生产生活方式等[62]. 粤港澳位于东亚季风区, 横跨亚热带和热带区域, 人口密集且流动大[37], 其它因素的驱动同样不容忽视. 进一步挖掘不同因子对生态环境质量变化的影响与机制, 将是一件有趣的工作. 此外, 生态环境质量低值区域变化与人工表面扩张的耦合关系是动态的, 呈现出阶段变化特征. 如：2010~2020年, 强耦合县域分布变得相对分散, 大湾区强耦合县域数量从前10年的28个县域减少为17个县域, 中等耦合、弱耦合则从11个县域增长为22个县域, 生态区以中度和高度不耦合为主, 部分县域出现了强耦合类型. 间接表明了粤港澳土地利用决策已部分改善区域生态环境质量. 2015年, 广东省第十二届人民代表大会常务委员会第十三次会议修订了《广东省环境保护条例》, 重点强调了保护和改善环境：如第四十四条至第四十七条要求县级以上人民政府开展生态调查和区域环境评估工作, 划定生态功能区, 要对生态环境保护红线区域内实施严格的保护措施；各级人民政府在城乡建设和改造过程中, 应当保护和规划各类重要生态用地, 在特殊保护区域应当依据法律法规规定和相关规划实施强制性保护；不得从事不符合主体功能区定位的各类开发活动, 保护环境质量. 因此, 粤港澳全域重点规划布局土地利用结构与生态环境保护势在必行, 利在千秋.
4 结论（1）粤港澳呈现以林地和耕地为主、其余类型为辅的土地利用空间格局, 具有明显空间聚集分布和高的异质特征. 林地和耕地主要集中在粤港澳西北部, 人工表面类型则集中聚集在大湾区, 广州、深圳、东莞和佛山4个城市的人工表面基本形成较大范围和连续性较强的城市景观基底. 综合土地利用程度呈现“中间高, 四周低”、“南高北低”和“西南、东北有高值”的空间格局；人工表面是动态度、年变化率最高的地类, 并且大湾区和东翼人工表面的持续增长以占用耕地为主, 西翼的耕地则以转换多为林地为主.
（2）粤港澳县域生态环境质量主要呈现“北高中低”, “东部有一定低值”的空间格局. 中部大湾区生态环境质量最低, 其次东翼；过去20年里, 大湾区中心的生态环境质量低值扩张, 已形成连片的生态环境质量低值景观基底, 与人工表面扩张具有一致性特征；生态区多为生态环境质量高值区域, 为粤港澳提供了大片的生态环境优良斑块.
（3）土地利用变化与生态环境质量在空间上紧密关联. 2000~2020年, 粤港澳土地利用程度与生态环境质量呈现显著的负相关关系, 并具有区域异质性. 在人工表面扩张与生态环境质量低值的空间关系上, 以广州佛山的中心、汕头东部以及湛江西南部县域趋于耦合为主, 生态区、东翼中部、西翼东部和大湾区西北部县域以非耦合或弱耦合为主.
（4）以上结论可以证实遥感生态指数在大区域研究有一定的适用性, 表明GEE云平台在生态环境领域研究的可行性与潜力. 但在计算大范围生态环境质量仍要留意遥感影像的选取, 如南北地表温度差异、植被物候规律等.
| [1] |
吴岚, 周忠发, 张露, 等. 喀斯特地区景观格局变化对生境质量的响应[J]. 环境科学与技术, 2023, 46(9): 206-217. Wu L, Zhou Z F, Zhang L, et al. Response of landscape pattern change to habitat quality in karst area[J]. Environmental Science & Technology, 2023, 46(9): 206-217. |
| [2] |
朱悦, 徐志红, 蒋晓敏, 等. 基于遥感生态指数的土地利用程度与环境质量协调发展研究——以浙江省为例[J]. 浙江大学学报(理学版), 2023, 50(3): 322-331. Zhu Y, Xu Z H, Jiang X M, et al. Study on coordinated development of environmental quality and land use degree based on remote sensing ecological index: a case study of Zhejiang Province[J]. Journal of Zhejiang University (Science Edition), 2023, 50(3): 322-331. |
| [3] |
张胜磊. 粤港澳大湾区建设: 理论依据、现存问题及国际经验启示[J]. 兰州财经大学学报, 2018, 34(5): 12-21. Zhang S L. The construction of Guangdong-Hong Kong-Macao Greater Bay Area: theoretical basis, current problems and enlightenment from international experience[J]. Journal of Lanzhou University of Finance and Economics, 2018, 34(5): 12-21. DOI:10.3969/j.issn.1004-5465.2018.05.002 |
| [4] |
罗增庆, 张惠冰. 粤港澳税收合作的必要性和可行性[J]. 涉外税务, 2012(12): 64-67. Luo Z Q, Zhang H B. Necessity and feasibility of tax cooperation among Guangdong Province, Hong Kong and Macao[J]. International Taxation in China, 2012(12): 64-67. |
| [5] |
王世豪, 黄麟, 徐新良, 等. 特大城市群生态空间及其生态承载状态的时空分异[J]. 地理学报, 2022, 77(1): 164-181. Wang S H, Huang L, Xu X L, et al. Spatio-temporal variation characteristics of ecological space and its ecological carrying status in mega-urban agglomerations[J]. Acta Geographica Sinica, 2022, 77(1): 164-181. |
| [6] |
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 |
| [7] | Yuan B D, Fu L N, Zou Y A, et al. Spatiotemporal change detection of ecological quality and the associated affecting factors in Dongting Lake Basin, based on RSEI[J]. Journal of Cleaner Production, 2021, 302: 126995. DOI:10.1016/j.jclepro.2021.126995 |
| [8] | Xu H Q, Wang Y F, Guan H D, et al. Detecting ecological changes with a remote sensing based ecological index (RSEI) produced time series and change vector analysis[J]. Remote Sensing, 2019, 11(20). DOI:10.3390/rs11202345 |
| [9] | Zhou W Q, Yu W J, Qian Y G, et al. Beyond city expansion: multi-scale environmental impacts of urban megaregion formation in China[J]. National Science Review, 2022, 9(1). DOI:10.1093/nsr/nwab107 |
| [10] |
周章伟, 陈凤桂, 张虹鸥, 等. 2009年广东省土地利用社会经济效益与生态环境效益协调发展研究[J]. 地域研究与开发, 2011, 30(6): 116-120, 135. Zhou Z W, Chen F G, Zhang H O, et al. Analysis on coordinated development between socio-economy benefits and eco-environmental effectiveness of land use in Guangdong Province in 2009[J]. Areal Research and Development, 2011, 30(6): 116-120, 135. DOI:10.3969/j.issn.1003-2363.2011.06.025 |
| [11] |
王枫. 广东省土地利用与生态环境协调发展空间差异研究[J]. 国土与自然资源研究, 2012(4): 40-43. Wang F. Spatial difference of coordinated development between land use and Eco-environment in Guangdong[J]. Territory & Natural Resources Study, 2012(4): 40-43. DOI:10.3969/j.issn.1003-7853.2012.04.018 |
| [12] | Hasan S, Shi W Z, Zhu X L. Impact of land use land cover changes on ecosystem service value –a case study of Guangdong, Hong Kong, and Macao in South China[J]. Plos One, 2020, 15(4). DOI:10.1371/journal.pone.0231259 |
| [13] |
王渊, 赵宇豪, 吴健生. 基于Google Earth Engine云计算的城市群生态质量长时序动态监测——以粤港澳大湾区为例[J]. 生态学报, 2020, 40(23): 8461-8473. Wang Y, Zhao Y H, Wu J S. Dynamic monitoring of long time series of ecological quality in urban agglomerations using Google Earth Engine cloud computing: a case study of the Guangdong-Hong Kong-Macao Greater Bay Area, China[J]. Acta Ecologica Sinica, 2020, 40(23): 8461-8473. |
| [14] |
陈文裕, 夏丽华, 陈行, 等. 基于多源数据的生态环境质量变化研究——以广州市为例[J]. 地理信息世界, 2022, 29(3): 18-25. Chen W Y, Xia L H, Chen H, et al. Research on eco-environment quality variation based on multi-source data: a case study of Guangzhou[J]. Geomatics World, 2022, 29(3): 18-25. DOI:10.3969/j.issn.1672-1586.2022.03.004 |
| [15] |
毛艳华. 粤港澳大湾区协调发展的体制机制创新研究[J]. 南方经济, 2018(12): 129-139. Mao Y H. Study on the coordinated development and institutional innovation in the Guangdong-Hong Kong-Macao Greater Bay Area[J]. South China Journal of Economics, 2018(12): 129-139. |
| [16] |
方创琳. 中国新型城镇化高质量发展的规律性与重点方向[J]. 地理研究, 2019, 38(1): 13-22. Fang C L. Basic rules and key paths for high-quality development of the new urbanization in China[J]. Geographical Research, 2019, 38(1): 13-22. |
| [17] |
曹晓庆. 湖北省长江经济带土地利用与生态效益协调发展研究[D]. 武汉: 湖北大学, 2023. Cao X Q. Research on the coordinated development of land use and ecological benefits in the Yangtze River Economic Belt in Hubei Province[D]. Wuhan: Hubei University, 2023. |
| [18] |
李发珍. 土地利用与生态环境的协调研究——以马鞍山市为例[D]. 南京: 南京农业大学, 2007. Li F Z. The study on harmony of land use and the eco-environment in Maanshan City[D]. Nanjing: Nanjing Agricultural University, 2007. |
| [19] |
黄奕龙, 王仰麟, 卜心国, 等. 城市土地利用综合效益评价: 城际比较[J]. 热带地理, 2006, 26(2): 145-150. Huang Y L, Wang Y L, Bu X G, et al. Assessment of the land use benefits in a city scale: a case study of Shenzhen[J]. Tropical Geography, 2006, 26(2): 145-150. DOI:10.3969/j.issn.1001-5221.2006.02.010 |
| [20] |
朱珠, 张琳, 叶晓雯, 等. 基于TOPSIS方法的土地利用综合效益评价[J]. 经济地理, 2012, 32(10): 139-144. Zhu Z, Zhang L, Ye X W, et al. Evaluation of comprehensive land use efficiency based on TOPSIS[J]. Economic Geography, 2012, 32(10): 139-144. |
| [21] |
李晓文, 方创琳, 黄金川, 等. 西北干旱区城市土地利用变化及其区域生态环境效应——以甘肃河西地区为例[J]. 第四纪研究, 2003, 23(3): 280-290. Li X W, Fang C L, Huang J C, et al. The urban land use transformations and associated effects on eco-environment in Northwest China arid region: a case study in Hexi Region, Gansu Province[J]. Quaternary Sciences, 2003, 23(3): 280-290. DOI:10.3321/j.issn:1001-7410.2003.03.006 |
| [22] |
第珊珊. 土地利用变化及其生态环境效应研究——以崇州市为例[D]. 成都: 四川师范大学, 2019. Di S S. Research on land use change and its eco-environmental effects – a case of Chongzhou City[D]. Chengdu: Sichuan Normal University, 2019. |
| [23] |
董建红, 张志斌, 笪晓军, 等. "三生"空间视角下土地利用转型的生态环境效应及驱动力——以甘肃省为例[J]. 生态学报, 2021, 41(15): 5919-5928. Dong J H, Zhang Z B, Da X J, et al. Eco-environmental effects of land use transformation and its driving forces from the perspective of "production-living-ecological" spaces: a case study of Gansu Province[J]. Acta Ecologica Sinica, 2021, 41(15): 5919-5928. |
| [24] | Jing Y Q, Zhang F, He Y F, et al. Assessment of spatial and temporal variation of ecological environment quality in Ebinur Lake Wetland National Nature Reserve, Xinjiang, China[J]. Ecological Indicators, 2020, 110: 105874. DOI:10.1016/j.ecolind.2019.105874 |
| [25] | Todd S W, Hoffer R M. Responses of spectral indices to variations in vegetation cover and soil background[J]. Photogrammetric Engineering and Remote Sensing, 1998, 64(9): 915-921. |
| [26] | Chavez Jr P S. Image-based atmospheric corrections - revisited and improved[J]. Photogrammetric Engineering and Remote Sensing, 1996, 62(9): 1025-1036. |
| [27] |
岳文泽, 徐建华, 徐丽华. 基于遥感影像的城市土地利用生态环境效应研究——以城市热环境和植被指数为例[J]. 生态学报, 2006, 26(5): 1450-1460. Yue W Z, Xu J H, Xu L H. An analysis on eco-environmental effect of urban land use based on remote sensing images: a case study of urban thermal environment and NDVI[J]. Acta Ecologica Sinica, 2006, 26(5): 1450-1460. DOI:10.3321/j.issn:1000-0933.2006.05.021 |
| [28] |
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. |
| [29] |
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. |
| [30] |
朱明水. 基于GEE的黄河下游地区土地利用变化及其生态效应研究[D]. 济南: 山东建筑大学, 2022. Zhu M S. Analysis of land use change and ecological effects in the lower reaches of the Yellow River based on Google earth engine[D]. Jinan: Shandong Jianzhu University, 2022. |
| [31] |
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. |
| [32] | Gorelick N, Hancher M, Dixon M, et al. Google earth engine: planetary-scale geospatial analysis for everyone[J]. Remote Sensing of Environment, 2017, 202: 18-27. DOI:10.1016/j.rse.2017.06.031 |
| [33] |
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. |
| [34] | 梁瑞, 王玉林, 赵景波. 基于改进型RSEI的黄河入海口生态环境质量评价[J]. 科技创新与应用, 2023, 13(14): 18-21. |
| [35] |
董春媛, 乔荣荣, 杨智程, 等. 基于改进遥感生态指数的宁夏沿黄平原区生态环境质量评价[J]. 生态学报, 2023, 43(16): 6706-6715. Dong C Y, Qiao R R, Yang Z C, et al. Eco-environmental quality assessment of the Ningxia plain along the Yellow River based on the modified remote sensing ecological index[J]. Acta Ecologica Sinica, 2023, 43(16): 6706-6715. |
| [36] |
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. |
| [37] | 广东省统计局, 国家统计局广东调查总队. 广东统计年鉴2022[M]. 北京: 中国统计出版社, 2022. |
| [38] | Chen Y G, Chen W L, Gong J Z, et al. Uncommonly known change characteristics of land use pattern in Guangdong Province–Hong Kong–Macao, China: space time pattern, terrain gradient effects and policy implication[J]. Land Use Policy, 2023, 125. DOI:10.1016/j.landusepol.2022.106461 |
| [39] | 广东省人民政府. 关于构建"一核一带一区"区域发展新格局促进全省区域协调发展的意见[EB/OL]. http://www.gd.gov.cn/gdywdt/gdyw/content/post_2540205.html, 2019-07-19. |
| [40] |
郑贱成, 谢炳庚, 游细斌. 基于土地利用变化的广东省生境质量时空演变特征[J]. 生态学报, 2022, 42(17): 6997-7010. Zheng J C, Xie B G, You X B. Spatio-temporal characteristics of habitat quality based on land-use changes in Guangdong Province[J]. Acta Ecologica Sinica, 2022, 42(17): 6997-7010. |
| [41] |
郑子豪, 吴志峰, 陈颖彪, 等. 基于Google Earth Engine的长三角城市群生态环境变化与城市化特征分析[J]. 生态学报, 2021, 41(2): 717-729. Zheng Z H, Wu Z F, Chen Y B, et al. Analyzing the ecological environment and urbanization characteristics of the Yangtze River Delta Urban agglomeration based on Google earth engine[J]. Acta Ecologica Sinica, 2021, 41(2): 717-729. |
| [42] | Gao B C. NDWI—a normalized difference water index for remote sensing of vegetation liquid water from space[J]. Remote Sensing of Environment, 1996, 58(3): 257-266. DOI:10.1016/S0034-4257(96)00067-3 |
| [43] |
徐涵秋. 利用改进的归一化差异水体指数(MNDWI)提取水体信息的研究[J]. 遥感学报, 2005, 9(5): 589-595. Xu H Q. A Study on information extraction of water body with the modified normalized difference water index (MNDWI)[J]. Journal of Remote Sensing, 2005, 9(5): 589-595. |
| [44] |
刘纪远, 匡文慧, 张增祥, 等. 20世纪80年代末以来中国土地利用变化的基本特征与空间格局[J]. 地理学报, 2014, 69(1): 3-14. Liu J Y, Kuang W H, Zhang Z X, et al. Spatiotemporal characteristics, patterns and causes of land use changes in China since the late 1980s[J]. Acta Geographica Sinica, 2014, 69(1): 3-14. |
| [45] | Wan Z. New refinements and validation of the MODIS land-surface temperature/emissivity products[J]. Remote Sensing of Environment, 2008, 112(1): 59-74. DOI:10.1016/j.rse.2006.06.026 |
| [46] | Hu X S, Xu H Q. A new remote sensing index for assessing the spatial heterogeneity in urban ecological quality: a case from Fuzhou City, China[J]. Ecological Indicators, 2018, 89: 11-21. DOI:10.1016/j.ecolind.2018.02.006 |
| [47] |
刘纪远, 布和敖斯尔. 中国土地利用变化现代过程时空特征的研究──基于卫星遥感数据[J]. 第四纪研究, 2000, 20(3): 229-239. Liu J Y, Buheaosier. Study on spatial-temporal feature of modern land-use change in China: using remote sensing techniques[J]. Quaternary Sciences, 2000, 20(3): 229-239. DOI:10.3321/j.issn:1001-7410.2000.03.003 |
| [48] |
徐岚, 赵羿. 利用马尔柯夫过程预测东陵区土地利用格局的变化[J]. 应用生态学报, 1993, 4(3): 272-277. Xu L, Zhao Y. Forecast of land use pattern change in Dongling District of Shenyang: an application of Markov process[J]. Chinese Journal of Applied Ecology, 1993, 4(3): 272-277. DOI:10.3321/j.issn:1001-9332.1993.03.001 |
| [49] |
庄大方, 刘纪远. 中国土地利用程度的区域分异模型研究[J]. 自然资源学报, 1997, 12(2): 105-111. Zhuang D F, Liu J Y. Study on the model of regional differentiationof land use degree in China[J]. Journal of Natural Resources, 1997, 12(2): 105-111. DOI:10.3321/j.issn:1000-3037.1997.02.002 |
| [50] |
田浩, 刘琳, 张正勇, 等. 2001-2020年中国地表温度时空分异及归因分析[J]. 地理学报, 2022, 77(7): 1713-1729. Tian H, Liu L, Zhang Z Y, et al. Spatiotemporal diversity and attribution analysis of land surface temperature in China from 2001 to 2020[J]. Acta Geographica Sinica, 2022, 77(7): 1713-1729. |
| [51] | Baig M H A, Zhang L F, Shuai T, et al. Derivation of a tasselled cap transformation based on Landsat 8 at-satellite reflectance[J]. Remote Sensing Letters, 2014, 5(5): 423-431. DOI:10.1080/2150704X.2014.915434 |
| [52] | Zhang X Y, Schaaf C B, Friedl M A, et al. MODIS tasseled cap transformation and its utility[A]. IEEE International Geoscience and Remote Sensing Symposium[C]. Toronto: IEEE, 2002. 1063-1065. |
| [53] | Rikimaru A, Roy P S, Miyatake S. Tropical forest cover density mapping[J]. Tropical Ecology, 2002, 43(1): 39-47. |
| [54] | Xu H. A new index for delineating built-up land features in satellite imagery[J]. International Journal of Remote Sensing, 2008, 29(14): 4269-4276. DOI:10.1080/01431160802039957 |
| [55] | Xu H Q, Wang M Y, Shi T T, et al. Prediction of ecological effects of potential population and impervious surface increases using a remote sensing based ecological index (RSEI)[J]. Ecological Indicators, 2018, 93: 730-740. DOI:10.1016/j.ecolind.2018.05.055 |
| [56] | Anselin L. Spatial econometrics: methods and models[M]. Dordrecht: Springer, 1988. |
| [57] | Anselin L. Local indicators of spatial association—LISA[J]. Geographical Analysis, 1995, 27(2): 93-115. DOI:10.1111/j.1538-4632.1995.tb00338.x |
| [58] |
杨智威, 陈颖彪, 吴志峰, 等. 粤港澳大湾区建设用地扩张与城市热岛扩张耦合态势研究[J]. 地球信息科学学报, 2018, 20(11): 1592-1603. Yang Z W, Chen Y B, Wu Z F, et al. The coupling between construction land expansion and urban heat island expansion in Guangdong-Hong Kong-Macao Greater Bay[J]. Journal of Geo- Information Science, 2018, 20(11): 1592-1603. DOI:10.12082/dqxxkx.2018.180242 |
| [59] |
张宇, 曹卫东, 梁双波, 等. 西部欠发达区人口城镇化与产业城镇化演化进程对比研究——以青海省为例[J]. 经济地理, 2017, 37(2): 61-67. Zhang Y, Cao W D, Liang S B, et al. A comparative study on the evolution process of urbanization and industrialization in the underdeveloped areas of western China: a case study of Qinghai Province[J]. Economic Geography, 2017, 37(2): 61-67. |
| [60] |
丁萌萌, 曹卫东, 张大鹏, 等. 安徽省公路交通与经济发展水平测度及协调性研究[J]. 长江流域资源与环境, 2018, 27(3): 503-513. Ding M M, Cao W D, Zhang D P, et al. Study on the measurement and coordination of road traffic and economic development in Anhui Province[J]. Resources and Environment in the Yangtze Basin, 2018, 27(3): 503-513. DOI:10.11870/cjlyzyyhj201803006 |
| [61] | 广东省生态环境厅. 广东省2015年生态环境状况指数[EB/OL]. http://gdee.gd.gov.cn/sthjzs/content/post_2339390.html, 2017-07-11. |
| [62] | Prăvălie R. Drylands extent and environmental issues. A global approach[J]. Earth-Science Reviews, 2016, 161: 259-278. DOI:10.1016/j.earscirev.2016.08.003 |