2025, Vol. 46
2. 长安大学水利与环境学院，西安 710054
2. School of Water and Environment, Chang'an University, Xi'an 710054, China
生态环境质量评价的指标是衡量生态系统健康状况和质量的重要标准，其指标的选取应该综合、全面和客观. 遥感生态指数（remote sensing ecological index，RSEI）耦合了4个指标，避免了人为主观因素如技术和数据限制对权重设置的影响，可应用于多尺度生态环境质量的综合评价[1]，在大范围、长时间序列的研究中得到了广泛应用. 张云霞等[2]基于遥感生态指数分析了青藏高原2000~2020年生态质量时空变化. 赵祖伦等[3]计算了贵阳市1991~2020年的遥感生态指数并分析了生态质量的演变趋势. 田智慧等[4]对鄱阳湖流域1990~2020年生态环境质量进行了评价并探究了不同驱动因子对遥感生态指数的影响. 汪东川等[5]计算了格尔木1990~2019年的遥感生态指数，并运用Mann-Kendall突变检验方法，分析了格尔木生态环境时空变化. 廖洪圣等[6]调查了祖厉河流域2000~2020年间的遥感生态指数，运用Hurst指数模型分析了其生态质量的变化格局. Zheng等[7]基于遥感生态指数对2000~2019年中国海岸带的生态环境进行了评估. 众多学者还从不同维度对RSEI模型进行了优化，显著提升了评价结果的针对性和实用性. Chen等[8]采用熵权法，建立了一种改进的遥感生态指数，分析了人类活动对城市生态环境质量的影响. 张书等[9]运用连续变化检测和分类算法，构建了时间序列模型，研发出了一种动态遥感生态指数，应用于沿海城市宁波的生态质量时空变化监测. 赵嘉丽等[10]引入盐度指标构建了遥感生态指数AWRSEI，以岱海流域为例探讨了其在干旱和半干旱区流域的适用性. 综上，在长时间序列遥感生态指数进行后续分析中，Theil-Sen趋势分析结合Mann-Kendall检验[11~18]和地理探测器[19~25]等方法都得到了广泛应用，并且针对不同区域引入合适的评价因子能达到更好的效果.
秦岭地区是中国的地理分界和生态安全屏障. 然而，由于气候变化和人类活动程度的增加，秦岭地区面临着生态屏障功能不稳定、生态效益降低等一系列问题[26]. 目前，有学者对于秦岭地区的生态环境质量评价开展了相关研究，取得了较好的成果. 例如，崔国屹等[27]运用生态环境质量指数、地统计分析以及冷热点分析等多种方法，对秦岭地区1980~2018年间的土地利用情况以及生态环境效应进行了详尽的时空变化探究. 崔璐[28]借助InVEST模型定量评估了秦岭地区产水量、碳储存和生境质量等生态系统服务. 黄卓等[29]对多种生态系统的总初级生产力（GPP）和蒸散（ET）遥感数据产品进行了评估，并基于这些数据，深入分析了秦岭区域生态系统水分利用效率（WUE）的时空变化规律. 王茜等[30]运用CASA、InVEST以及RUSLE模型，对秦岭地区的植被固碳量、生境质量和土壤保持量进行了量化计算，并进一步探讨了这些指标的空间异质性特征以及生态系统服务之间的相互关系. 本文在前人研究的基础上，综合采用了Theil-Sen趋势分析、Mann-Kendall检验和Hurst指数模型以及地理探测器等方法，对秦岭地区2002~2022年的遥感生态指数（RSEI）进行了深入研究，旨在揭示秦岭地区RSEI的长期变化趋势及其持续性特征，并探究该区域生态环境变化的驱动因素.
遥感生态指数（RSEI）的计算过程中，影像的预处理是一个相对繁杂且耗时的环节，尤其是对于多期遥感影像. 为了更高效地处理大量的遥感数据，谷歌地球引擎（Google Earth Engine，GEE）成为了当前广泛使用的工具. 而且在较大时空尺度的研究中，具有很强的优势[31~33]. 因此，本文基于GEE平台，对秦岭地区长时间序列的遥感影像进行处理分析，探究生态环境时空演化特征.
1 材料与方法 1.1 研究区概况秦岭地区（陕西段）位于32°30′~34°48′N，105°42′~111°03′E之间（图 1），其西端始于汉中市的略阳县，东端延伸至商洛市的商南县，平均海拔1 500 m以上，该地区以北为暖温带半湿润气候，以南是亚热带季风性湿润气候，年平均气温为14.2℃，年平均降水为1 184.8 mm，地形以平原和丘陵为主，土地利用类型以林地、草地和耕地为主. 秦岭地区作为中国重要的生态屏障带和水源涵养区，对黄河和长江流域的生态环境稳定和水资源供给至关重要，且森林覆盖率较高，是天然林保护和生物多样性保护的重要区域. 对该地区的生态环境质量进行时空变化监测和驱动因素分析具有重要意义.
|
图 1 研究区概况 Fig. 1 Overview of the research area |
本文使用GEE平台数据库中MOD09A1、MOD11A2和MOD13A1遥感影像数据，筛选成像时间2002~2022年7~9月的植被生长季影像，分辨率统一为500 m. 针对遥感数据中存在云量遮挡和水域对湿度指标的影响，利用GEE平台提供的C Function of Mask（CFMASK）算法进行云掩膜，以剔除云覆盖. 随后，为了提升湿度指标的准确性和可靠性，本文采用改进后的归一化差异水体指数（modified normalized difference water index，MNDWI） [34]来对水体信息进行掩膜处理.
数字高程模型（DEM）来源于USGS（https://earthexplorer.usgs.gov/）中的SRTM数据，空间分辨率为90 m；年平均气温、降水数据来源于国家地球系统科学数据中心（http://www.geodata.cn/），空间分辨率为1 000 m；土地利用类型数据来源于中国科学院地理科学与资源研究所（https://www.resdc.cn/），空间分辨率为30 m；夜间灯光数据来源于国家青藏高原科学数据中心（https://data.tpdc.ac.cn/），空间分辨率为1 000 m. 本文中使用的数据坐标系均统一为WGS_1984，分辨率为500 m.
1.3 遥感生态指数RSEI模型是目前应用最为广泛的生态环境评价模型，大多数研究人员在应用中，会根据期望的结果选择使用不同模型[35]. 本文依据Li等[35]提出的RSEI反转机制，根据绿度与湿度载荷值的正负确定初始RSEI0，然后对RSEI0进行归一化处理，得到遥感生态指数.
|
(1) |
|
(2) |
式中，RSEI0为初始遥感生态指数，PC1为第一主成分；f为对4个指标分别归一化处理；VNDVI和VWET分别为NDVI和WET的PC1特征向量.
1.3.1 绿度指标绿度所反映的是研究区的植被覆盖情况，归一化植被指数能够很好地反映研究区的植被繁茂程度. 因此，选用NDVI代表绿度指标.
|
(3) |
式中，ρRed为红波段反射率，ρNIR1为近红外1反射率.
1.3.2 湿度指标湿度选用的是WET指数，该指数是通过缨帽变换所获得的，它不但可以反映水体湿度，还可以反映土壤以及植被的湿度.
|
(4) |
式中，ρBlue、ρGreen、ρRed、ρNIR1、ρNIR2、ρSWIR1和ρSWIR2分别为遥感影像的蓝、绿、红光波段以及近红外1、近红外2、短波红外1和短波红外2波段的反射率.
1.3.3 干度指标由土壤指数（SI）和建筑指数（IBI）构建而来. 计算公式为：
|
(5) |
|
(6) |
|
(7) |
式中，ρBlue、ρGreen、ρRed、ρNIR1和ρSWIR1分别为对应于遥感影像中的蓝、绿、红、近红外1和短波红外1波段的辐射率.
1.3.4 热度指标本文使用大气校正法反演得到的地表温度（land surface temperature，LST）表征热度指标. 计算公式如下[36~38]：
|
(8) |
式中，DN为像元灰度值.
1.4 Sen+Mann-Kendall趋势分析Sen氏趋势分析提供了趋势的大小和方向，而Mann-Kendall检验则提供了趋势的显著性信息. 结合Sen氏趋势分析与Mann-Kendall检验，可以更全面地揭示长时间序列数据的趋势特征[39，40]. Sen氏斜率计算公式如下：
|
(9) |
式中，QRSEI为时间序列数据趋势的变化；mean为取中值函数；1 < i < j < n，RSEIi和RSEIj分别为i和j时间序列的RSEI值. 当QRSEI小于0时表示数值为下降趋势，当QRSEI大于0时表示数值为上升趋势.
Mann-Kendall检验统计量S的计算过程如下：
|
(10) |
|
(11) |
|
(12) |
|
(13) |
式中，Var(S)为方差，n为数据量，Z为标准化后的检验统计量，当Z的绝对值大于1.65、1.96和2.58时，表示趋势分别通过了信度为90%、95%和99%的显著性检验.
1.5 Hurst指数1951年英国水文学家赫斯特提出了变化趋势预测方法，称为Hurst指数. 其中，R/S分析方法是应用最广泛的一种[41]，公式如下：
|
(14) |
式中，R为极差，S为标准差，c为常数，将观测值分为n个子序列RSEIi，其中i=1，2，…，n. m为任意正整数且0 < m < n，H为Hurst指数，其中极差R（m）的计算公式如下：
|
(15) |
式中，X（t）表示累计离差，计算公式如下：
|
(16) |
式中，1 < t < m；标准差S（m）的计算公式如下：
|
(17) |
Hurst指数（H）的取值范围在0~1之间. 当H值在0.5附近时，时间序列数据缺乏明显的规律性. 当H值在0~0.5之间时，时间序列数据表现出明显的反持续性. 当H值在0.5~1之间时，时间序列数据呈现出持续发展的状态[18].
1.6 地理探测器地理探测器是由王劲峰等[42]提出的用于检验空间分异性以及各因素之间相互影响程度的空间统计分析模型. 因子探测器所得结果q值越大，说明该控制因子对生态环境的影响力越大. 其计算公式如下：
|
(18) |
式中，q为某驱动因子对RSEI的驱动力，h=1，2，…，L；L为因变量RSEI和自变量因子的分类数；Nh和N分别为不同分级的区域和全区域内的样本数；δh2和δ2分别为不同分级的区域和全区域内RSEI的方差.
交互探测可用于检验不同驱动因子之间是否具有交互作用以及对因变量空间分异性的影响，即因子间的相互作用会增强还是减弱对因变量空间分异性的解释力，不同q值范围对应的交互作用分为5种类型，如表 1所示.
|
表 1 因子交互探测结果 Table 1 Factor interaction detection results |
2 结果与分析 2.1 RSEI整体分析
对2002~2022年秦岭地区RSEI进行主成分分析，得到第一主成分载荷值和贡献率. 如图 2（a）所示：①第一主成分的平均贡献率超过61.52%，表明PC1集中了4个指标的大部分特征信息，有效地反映了研究区域的生态环境状况. ②在第一主成分中，绿度和湿度的载荷值为正；而干度和热度的载荷值为负，且热度载荷值的绝对值均值为最大，表明地表温度对秦岭地区的RSEI影响更大.
|
图 2 RSEI主成分分析结果及均值线性趋势拟合 Fig. 2 Principal component analysis results and mean linear trend fitting of RSEI |
如图 2（b）所示，2002~2022年秦岭地区RSEI呈现一定波动变化. 从总体上来看，整体较高，多年均值为0.59，秦岭地区的生态质量总体向着上升方向发展平均年际变化率为0.002 5 a-1. 2002~2022年，RSEI从0.65上升至0.77，2004年RSEI为最小（0.46）；2022年RSEI达到最大值（0.77）.
参考相关研究[43]，以5 a为间隔将秦岭地区2002~2022年遥感生态指数划分为5个生态等级，分别为差[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]，并统计各等级占比情况，空间可视化结果如图 3所示. 可以发现，在各年评价结果中，秦岭地区RSEI以良和中等为主，主要分布在西安市、宝鸡市的南部山麓地区和汉中市的北部山麓地区. 2002~2012年，由于人类活动对森林资源的开发，秦岭地区各个省份生态条件退化，RSEI等级为优、良的占比显著下降；2012~2022年，秦岭地区开展多项生态修复工程，秦岭地区各省份生态条件得到优化，RSEI等级为优、良的占比显著上升. 结合图 4生态等级迁移路径，能更好地体现秦岭地区RSEI的变化. 2002~2007年，研究区RSEI优一级下降显著，大部分退至良一级，占比由19.62%下降至1.31%；变化明显的还有2017~2022年，研究区生态环境得到显著的改善，良和中等大部分转换为优，优一级占比从0.68%上升至63.71%.
|
图 3 2002~2022年秦岭地区RSEI的空间分布和不同等级面积占比 Fig. 3 Spatial distribution of RSEI and area proportion of different levels in the Qinling Mountains from 2002 to 2022 |
|
图 4 2002~2022年秦岭地区生态迁移路径 Fig. 4 Ecological migration path in the Qinling Mountains from 2002 to 2022 |
秦岭地区2002~2022年RSEI影像的Sen+Mann-Kendall显著性趋势检验结果如图 5所示. 将Z值图像分为9级[44]，并对不同级别进行面积统计（如表 2）. 在研究区中有75.96%的地区RSEI以提高为主，不显著提高占比（65.82%）最大，分布在研究区各个市的山麓地带；显著提高和极显著提高占比为6.02%，主要集中在商洛市北部和安康市南部地区. 研究区RSEI降低区域占比为21.63%，主要表现为不显著降低（20.95%），集中在汉中市西南地区；显著降低和极显著降低占比为0.29%，分布在汉中市和商洛市的城市地带. 研究区RSEI提高的面积大于降低面积，且显著降低区域面积占比较低，整体生态环境表现为改善的趋势.
|
图 5 2002~2022年秦岭地区RSEI变化显著性 Fig. 5 Significance of RSEI changes in the Qinling Mountains from 2002 to 2022 |
|
|
表 2 RSEI变化显著性状况统计 Table 2 RSEI change significance status statistics |
2.3 RSEI时间变化可持续性分析
秦岭地区2002~2022年RSEI影像的Hurst指数均值为0.53，大于0.5区域面积占比为59.05%，小于0.5区域面积为36.63%，表明未来秦岭大部分地区的遥感生态指数保持原来的变化. 再利用Hurst指数与Sen氏趋势分析结果进行叠加，将结果分为6类（图 6），并进行面积统计（表 3）. 可以看出，持续改善和由恶化转为改善的占比（44.04%）大于持续恶化和由改善转为恶化的占比（22.64%），在将来，秦岭地区生态环境质量以改善为主，这些区域主要集中在西安市、商洛市东部地区. 借助分区统计工具，宝鸡市改善面积占比（29.34%）大于恶化面积占比（17.24%）；渭南市改善面积占比（46.95%）大于恶化面积占比（21.46%）；汉中市改善面积占比（29.31%）与恶化面积占比（29.74%）相当，是亟需重点改善的区域，需要给予持续监测和关注，避免持续恶化.
|
图 6 秦岭地区RSEI未来变化趋势 Fig. 6 Future trends of RSEI in the Qinling Mountains |
|
|
表 3 RSEI未来变化趋势状况统计 Table 3 Statistics on the future trend of RSEI |
2.4 RSEI空间分异驱动因子分析
影响RSEI空间分异的因素可分为气候因素、地表因素、人为因素[45]. 本文选取气象因素（气温、降水）、地形因素（坡度、坡向）和人为因素（土地利用类型、夜间灯光指数）等方面共6种典型驱动因子作为自变量X，研究区RSEI作为因变量Y，探究秦岭地区RSEI空间分异的驱动机制.
2.4.1 单因子探测分析因子探测结果如表 4所示，不同驱动因子各年的q值排序不同，总体结果为：年均气温（X3） > 土地利用（X1） > 夜间灯光（X2） > 坡度（X5） > 年均降水（X4） > 坡向（X6），其中年均气温排序为第一，这与主成分分析中热度载荷值最大一致. 年均气温和土地利用对RSEI的影响较大，其平均值分别为0.42和0.2，分别在2007和2002年达到最大值，2007年之后q值均呈下降趋势；年均降水和坡向因子多年q值的均值均小于0.1，对RSEI空间分异没有明显的驱动作用；土地利用和夜间灯光指数多年q值在0.13~0.25之间，2002~2012年，土地利用q值大于夜间灯光指数q值，在2012年后，夜间灯光指数q值超过了土地利用q值. 随着人口数量的增加和城市化的发展，人类活动对生态环境的驱动作用也逐渐增强. 探测结果表明，在秦岭地区影响RSEI空间分异的主要因子是年平均气温，多年q值均排在第一位；夜间灯光指数的驱动作用逐渐增强，人类活动加快了城市化的进程，同时对生态环境的影响也越来越剧烈. 在未来城市规划和发展中，需要格外注重对生态环境的保护.
|
|
表 4 单因子探测结果 Table 4 Single factor detection results |
2.4.2 因子交互探测分析
对驱动因子进行交互探测分析，结果如图 7所示，各因子间的交互作用均表现为非线性增强和双因子增强这两种交互类型. 交互探测结果表明，夜间灯光指数与年均气温的交互值除2002年（年均气温∩年均降水，q=0.59）和2017年（年均气温∩年均降水，q=0.47）分别为0.57和0.46外，其余3个年份均为最高值；坡向与其他因子的交互值均大于其单因子q值，表现为非线性增强；夜间灯光指数与年均气温和土地利用类型交互驱动作用逐渐提高，说明城市化发展对区域气温和土壤类型等自然因素的干扰加剧. 年均气温、土地利用类型和夜间灯光与其他因子交互作用驱动力普遍较高，结合前文中单因子探测结果，进一步验证了年均气温、土地利用类型和夜间灯光对秦岭地区空间分异的影响力占据主导地位.
|
X1表示土地利用类型，X2表示夜间灯光指数，X3表示年均气温，X4表示年均降水，X5表示坡度，X6表示坡向 图 7 2002~2022年秦岭地区RSEI驱动因子交互探测结果 Fig. 7 Interaction detection results of RSEI driving factors in the Qinling Mountains from 2002 to 2022 |
相较于传统遥感图像处理工具，GEE平台展现了显著的优势，其高效的数据处理能力极大地简化了RSEI模型中对于较大时空尺度数据的繁琐处理流程. 相较于以往学者的研究方法，RSEI避免了人为主观因素的影响. 并依据Li等[35]提出的RSEI反转机制，根据绿度与湿度载荷值的正负确定初始RSEI0，从而提供了更全面、客观的评价.
本研究发现，2002~2022年秦岭地区RSEI呈现一定波动变化，从总体上来看，秦岭地区RSEI整体较高，多年均值为0.59. 从RSEI时空分布和演变来看，秦岭大部分山麓地区生态环境质量得到了明显的改善；从RSEI变化趋势来看，2002~2022年秦岭地区RSEI指数以不显著提高为主，占研究区的65.82%，主要分布在秦岭中部山地、平原地区. 利用Hurst指数与Sen氏趋势分析结果叠加分析，在将来，秦岭大部分地区生态环境质量会继续改善，这些区域主要集中在西安市、商洛市东部地区. 需要注意的是汉中市改善面积占比（29.31%）与恶化面积占比（29.74%）相当，是亟需重点改善的区域，需要给予持续监测和关注，避免持续恶化. 对秦岭地区遥感生态指数产生空间分异进行驱动因子探测，发现气候因素中的年平均气温和人为因素中的土地利用类型的影响最大. 夜间灯光指数的驱动作用逐渐增强，人类活动加快了城市化的进程，同时对生态环境的影响也越来越剧烈. 在未来城市规划和发展中，需要格外注重对生态环境的保护.
总体来看，秦岭地区生态环境处于显著改善的状态，尤其是从2017年到2022年，RSEI面积为优的占比从0.68%上升至63.71%，这与秦岭地区开展多项生态修复工程有关，如退耕还林、湿地恢复和违建别墅拆除等. 但秦岭地区特别是山麓地带的城镇化给当地的生态环境带来了显著影响，城镇化导致土地利用方式的变化，耕地、草地被开发为建筑用地，破碎化的生态栖息地不利于秦岭生态系统的稳定性；城镇化过程往往伴随着人口增长和基础设施建设，会增加对自然资源的消耗，导致气候变化和生态环境的压力增加. 因此，在城镇化过程中，应当合理规划城市扩展和土地利用，并且持续监测和评估城镇化对生态环境的影响，及时调整政策和措施，确保发展与保护并重.
4 结论（1）时间尺度上，秦岭地区RSEI稳定增长，2002~2022年增长区面积占比达到75.96%，且整体水平较高，多年均值为0.59.
（2）空间尺度上，秦岭地区RSEI呈现出“中部高，南北低”的分布特征，山麓地带受城镇化发展影响深刻.
（3）动态角度分析，秦岭地区RSEI变化以增长趋势为主. 结合Hurst指数，44.04%的秦岭地区的RSEI在未来会继续保持良好的状况.
（4）驱动力分析发现，年平均气温和土地利用类型对秦岭地区RSEI的空间分异影响最大，且人类活动加快了城市化的进程，同时对生态环境的影响也越来越剧烈.
| [1] |
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. |
| [2] |
张云霞, 汪仕美, 李焱, 等. 2000-2020年青藏高原生态质量时空变化[J]. 生态学杂志, 2023, 42(6): 1464-1473. Zhang Y X, Wang S M, Li Y, et al. Spatiotemporal patterns of ecological quality across the Qinghai-Tibet Plateau during 2000-2020[J]. Chinese Journal of Ecology, 2023, 42(6): 1464-1473. |
| [3] |
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. |
| [4] |
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. |
| [5] |
汪东川, 陈星, 孙志超, 等. 格尔木长时间序列遥感生态指数变化监测[J]. 生态学报, 2022, 42(14): 5922-5933. Wang D C, Chen X, Sun Z C, et al. Monitoring of changes in the ecological index of long-time sequence Remote Sensing in Golmud, Qinghai Province[J]. Acta Ecologica Sinica, 2022, 42(14): 5922-5933. |
| [6] |
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. |
| [7] | Zheng Z H, Wu Z F, Chen Y B, et al. Exploration of eco-environment and urbanization changes in coastal zones: a case study in China over the past 20 years[J]. Ecological Indicators, 2020, 119. DOI:10.1016/j.ecolind.2020.106847 |
| [8] | Chen N, Cheng G, Yang J, et al. Evaluation of urban ecological environment quality based on improved RSEI and driving factors analysis[J]. Sustainability, 2023, 15(11). DOI:10.3390/su15118464 |
| [9] |
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. |
| [10] |
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. |
| [11] |
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. |
| [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] |
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. |
| [14] |
奥勇, 汪雅, 王晓峰, 等. 2001~2020年间河南省郑州市生态环境质量时空变化及驱动因素分析[J]. 自然资源遥感, 2025, 37(1): 102-112. Ao Y, Wang Y, Wang X F, et al. Spatial-temporal changes and driving factors of eco-environmental quality in recent 20 years in Zhengzhou City[J]. Remote Sensing for Natural Resources, 2025, 37(1): 102-112. |
| [15] |
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. |
| [16] | 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 |
| [17] |
何洋, 赵喜萍. 基于标准化遥感生态指数的汾河流域生态评价与时序分析[J]. 生态学杂志, 2024, 43(2): 564-575. He Y, Zhao X P. Ecological evaluation and time series analysis of Fenhe River Basin based on standardized remote sensing ecological index[J]. Chinese Journal of Ecology, 2024, 43(2): 564-575. |
| [18] |
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. |
| [19] |
陈创, 聂平静, 黄凤寸, 等. 基于RSEI改进模型的生态环境质量评价及驱动机制——以湖南省桃江县为例[J]. 水土保持通报, 2024, 44(3): 159-170. Chen C, Nie P J, Huang F C, et al. Ecological environmental quality evaluation and driving mechanism using modified RSEI model——A case study of Taojiang County, Hunan Province[J]. Bulletin of Soil and Water Conservation, 2024, 44(3): 159-170. |
| [20] |
王远轲, 刘浦东, 刘建涛, 等. 基于改进的遥感生态指数的黄河三角洲生态环境质量时空变化分析[J]. 生态与农村环境学报, 2024, 40(9): 1179-1190. Wang Y K, Liu P D, Liu J T, et al. Analysis of spatiotemporal changes in ecological environment quality of the Yellow River Delta based on modified remote sensing ecological index[J]. Journal of Ecology and Rural Environment, 2024, 40(5): 1179-1190. |
| [21] |
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. |
| [22] |
冯平, 杨妮娟, 李建柱. 滦河流域遥感生态指数改进及生态环境质量评价[J]. 应用生态学报, 2023, 34(12): 3195-3202. Feng P, Yang N J, Li J Z. Improvement of remote sensing ecological index and evaluation of ecological environment quality in Luanhe River Basin, China[J]. Chinese Journal of Applied Ecology, 2023, 34(12): 3195-3202. |
| [23] |
周喆, 胡夏嵩, 刘昌义, 等. 基于GEE的黄河上游生态环境质量动态监测与评价: 以龙羊峡至积石峡段为例[J]. 生态学杂志, 2023, 42(10): 2545-2554. Zhou Z, Hu X S, Liu C Y, et al. Dynamic monitoring and evaluation of eco-environmental quality in the upper reaches of the Yellow River based on GEE: a case study of the section from Longyang Gorge to Jishi Gorge[J]. Chinese Journal of Ecology, 2023, 42(10): 2545-2554. |
| [24] |
傅楷翔, 贾国栋, 余新晓, 等. 基于改进遥感生态指数的青藏公路那(曲)安(多)段生态环境评估及驱动机制分析[J]. 环境科学, 2024, 45(3): 1586-1597. Fu K X, Jia G D, Yu X X, et al. Ecological environment assessment and driving mechanism analysis of Nagqu and Amdo Sections of Qinghai-Xizang highway based on improved remote sensing ecological index[J]. Environmental Science, 2024, 45(3): 1586-1597. |
| [25] |
李妍, 张国钦, 吝涛, 等. 乡镇遥感生态指数时空变化及影响因子研究——以天津市蓟州区为例[J]. 生态学报, 2022, 42(2): 474-486. Li Y, Zhang G Q, Lin T, et al. The spatiotemporal changes of remote sensing ecological index in towns and the influencing factors: a case study of Jizhou District, Tianjin[J]. Acta Ecologica Sinica, 2022, 42(2): 474-486. |
| [26] | 李绍文. 浅析秦岭北麓生态系统保护与修复[J]. 陕西水利, 2019(2): 103-105, 110. |
| [27] |
崔国屹, 张艳, 晁阳, 等. 秦岭地区近40年土地利用变化及其生态环境效应[J]. 水土保持研究, 2023, 30(1): 319-326. Cui G Y, Zhang Y, Chao Y, et al. Land use change and eco-environmental effects in Qinling Mountains in recent 40 years[J]. Research of Soil and Water Conservation, 2023, 30(1): 319-326. |
| [28] |
崔璐. 秦岭陕西段生态系统服务评估及多情景预测研究[D]. 西安: 长安大学, 2023. Cui L. Ecosystem service assessment and multi-scenario prediction in the Shaanxi section of the Qinling Mountains[D]. Xi'an: Chang'an University, 2023. |
| [29] |
黄卓, 曹银轩, 徐喜娟, 等. 基于多源GPP和ET产品的秦岭生态系统水分利用效率研究[J]. 水土保持学报, 2022, 36(5): 181-194, 203. Huang Z, Cao Y X, Xu X J, et al. Study on the ecosystem water use efficiency of the Qinling Mountains with multi-source GPP and ET Products[J]. Journal of Soil and Water Conservation, 2022, 36(5): 181-194, 203. |
| [30] |
王茜, 穆琪, 罗漫雅, 等. 秦岭生态系统服务协同与权衡的时空异质性[J]. 应用生态学报, 2022, 33(8): 2057-2067. Wang X, Mu Q, Luo M Y, et al. Spatial and temporal variations of ecosystem service synergy and trade-off in Qinling Mountains, China[J]. Chinese Journal of Applied Ecology, 2022, 33(8): 2057-2067. |
| [31] | 董金玮, 李世卫, 曾也鲁, 等. 遥感云计算与科学分析——应用与实践[M]. 北京: 科学出版社, 2020. |
| [32] |
付东杰, 肖寒, 苏奋振, 等. 遥感云计算平台发展及地球科学应用[J]. 遥感学报, 2021, 25(1): 220-230. Fu D J, Xiao H, Su F Z, et al. Remote sensing cloud computing platform development and Earth science application[J]. National Remote Sensing Bulletin, 2021, 25(1): 220-230. |
| [33] |
闫凯, 陈慧敏, 付东杰, 等. 遥感云计算平台相关文献计量可视化分析[J]. 遥感学报, 2022, 26(2): 310-323. Yan K, Chen H M, Fu D J, et al. Bibliometric visualization analysis related to remote sensing cloud computing platforms[J]. National Remote Sensing Bulletin, 2022, 26(2): 310-323. |
| [34] |
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. |
| [35] | Li N, Wang J Y, Qin F. The improvement of ecological environment index model RSEI[J]. Arabian Journal of Geosciences, 2020, 13(11). DOI:10.1007/s12517-020-05414-7 |
| [36] |
叶博文, 孙标, 史小红, 等. 巴彦淖尔市土地利用变化及其对生态环境质量的影响[J]. 环境科学, 2024, 45(12): 6899-6909. Ye B W, Sun B, Shi X H, et al. Land use changes and its impact on ecological environment quality in Bayannur City[J]. Environmental Science, 2024, 45(12): 6899-6909. |
| [37] |
张齐飞, 陈亚宁, 孙从建, 等. 塔里木河流域水储量变化及绿洲生态安全评估[J]. 干旱区地理, 2024, 47(1): 1-14. Zhang Q F, Chen Y N, Sun C J, et al. Changes in terrestrial water storage and evaluation of oasis ecological security in the Tarim River Basin[J]. Arid Land Geography, 2024, 47(1): 1-14. |
| [38] |
王剑, 管瑶, 贺兴宏, 等. 2000-2021年图木舒克市生态环境质量动态监测与评价[J]. 干旱区地理, 2024, 47(3): 465-473. Wang J, Guan Y, He X H, et al. Dynamic monitoring and evaluation of ecological environment quality in Tumshuk City from 2000 to 2021[J]. Arid Land Geography, 2024, 47(3): 465-473. |
| [39] | Sun B, Zhou Q M. Expressing the spatio-temporal pattern of farmland change in arid lands using landscape metrics[J]. Journal of Arid Environments, 2016, 124: 118-127. DOI:10.1016/j.jaridenv.2015.08.007 |
| [40] |
袁丽华, 蒋卫国, 申文明, 等. 2000-2010年黄河流域植被覆盖的时空变化[J]. 生态学报, 2013, 33(24): 7798-7806. Yuan L H, Jiang W G, Shen W M, et al. The spatio-temporal variations of vegetation cover in the Yellow River Basin from 2000 to 2010[J]. Acta Ecologica Sinica, 2013, 33(24): 7798-7806. |
| [41] | Mandelbrot B B, Wallis J R. Robustness of the rescaled range R/S in the measurement of noncyclic long run statistical dependence[J]. Water Resources Research, 1969, 5(5): 967-988. DOI:10.1029/WR005i005p00967 |
| [42] |
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. |
| [43] |
徐涵秋. 水土流失区生态变化的遥感评估[J]. 农业工程学报, 2013, 29(7): 91-97. Xu H Q. Assessment of ecological change in soil loss area using remote sensing technology[J]. Transactions of the Chinese Society of Agricultural Engineering, 2013, 29(7): 91-97. |
| [44] |
田智慧, 任祖光, 魏海涛. 2000~2020年黄河流域植被时空演化驱动机制[J]. 环境科学, 2022, 43(2): 743-751. Tian Z H, Ren Z G, Wei H T. Driving mechanism of the spatiotemporal evolution of vegetation in the Yellow River Basin from 2000 to 2020[J]. Environmental Science, 2022, 43(2): 743-751. |
| [45] |
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. |