实时评估干旱半干旱区的生态环境质量,对我国干旱半干旱区生态环境可持续发展具有至关重要的意义.本研究以阴山北麓典型地区内蒙古武川县为研究区,利用谷歌地球引擎,耦合绿度、湿度、干度、表土粒度、热度5个指标,构建表土遥感生态指数(TRSEI),对武川县1990-2020年生态环境质量进行评价,并采用一元线性回归、多元回归残差分析以及Hurst指数等方法揭示生态环境质量的时空演变及其驱动因素.结果表明:研究区TRSEI的第1主成分贡献度超过70％,特征值均值达0.148,表明TRSEI能有效集成各生态指标信息,引入的表土粒度指标对干旱半干旱区生态环境质量评价有重要意义.1990-2020年,研究区TRSEI波动范围在0.289～0.458,整体呈轻微恶化趋势;耕地及退耕区生态环境质量有所改善,改善区域面积占总面积的47.9％,而草地、裸地、城建区恶化,恶化区域面积占总面积的52.1％.未来,36.9％区域的生态环境质量将持续改善,而41.4％区域可能持续恶化.人类活动是研究区生态环境质量变化的主要驱动因素,面积占比88.6％;气候变化同样有显著影响,面积占比11.4％.TRSEI能够有效评估干旱半干旱区生态环境质量,可为干旱半干旱区生态保护建设提供科学依据.

吐鲁番市和哈密市是我国盐渍化危害最严重的地区之一,明晰其生态环境变化趋势和驱动机制对吐鲁番-哈密地区生态文明建设具有重要意义.基于Google earth engine(GEE)平台,筛选2005-2020年6-9月Landsat影像,选取绿度(SVAI)、湿度(Wet)、热度(LST)、干度(NDBSI)和盐度(NDSI)构建改进型遥感生态指数(SRSEI)对吐鲁番-哈密地区生态环境进行评估.结果表明:(1)SRSEI使用SAVI代替NDVI并加入盐度指标(NDSI),与RSEI相比有着更高的第一主成分贡献率,能更全面客观地评价吐鲁番-哈密地区生态环境质量.(2)时间尺度上,2005-2020年吐鲁番-哈密地区SRSEI先下降后上升,均值0.49,并在2020年均值达到0.5575,较差和良的面积占比变化显著,较差占比减少了 11.54％,良占比增加了 30.15％.且未来生态环境变化趋势还将以改善为主;空间尺度上,北部西山台原和中部莫钦乌拉山生态质量多为优和良,较差区域主要集中在南部噶顺戈壁.(3)年均降水量、年均气温和经济生产总值是驱动SRSEI变化的主要控制因子,q值均大于0.092;与单因子对生态环境影响力相比,双因子交互产生的影响力更强,年均降水量∩经济生产总值是驱动吐鲁番-哈密地区生态环境发生变化的最强交互因子.

[目的]多年来,蒙古高原典型落叶松害虫雅氏落叶松尺蠖Eeannis jacobssoni发生频繁,使森林生态系统遭到严重破坏.虫口密度可直接描述森林虫害严重程度,进而及时、快速获得害虫虫口密度信息显得极为重要.本研究旨在依据雅氏落叶松尺蠖暴发区的落叶松光谱实测数据和虫口密度数据,构建基于高光谱特征的虫口密度估算方法.[方法]以蒙古国后杭爱省和肯特省4个地点雅氏落叶松尺蠖暴发区为试验区.首先从这4个试验区选取不同程度受害的110株西伯利亚落叶松Larix sibirica样本树,调查虫口密度和测量冠层光谱反射率;其次通过光谱反射率数据获得微分光谱反射率(differential spectral reflectance,DSR)和计算改进型光谱指数(modified spectral index,MSI);再次运用多项式曲线拟合法,分析DSR和MSI对虫口密度的敏感性;然后借助连续投影算法(successive projection algorithm,SPA)提取敏感DSR和MSI;最后利用敏感DSR和MSI,结合多项式回归(polynomial regression,PR)和支持向量机回归(support vector machine regression,SVMR)算法,建立雅氏落叶松尺蠖虫口密度估算模型,并评定了其精度.[结果]DSR的敏感波段主要在黄边和红边波段内,其中572 nm的敏感性最显著(R2=0.5821,P＜0.001),MSI的最敏感指数为TVI(R2=0.5386,P＜0.001);TVI(R2CV=0.6323,RMSECV=0.1513)比 DSR572(R2CV=0.5581,RMSECV=0.1649)估算精度高,而多个 DSR(R2=0.7309,RMSECV=0.1347)比多个 MSI(R2CV=0.6537,RMSECV=0.1453)更有估算潜力,其中SVMR模型性能始终优于PR模型,说明SVMR更加适用于虫口密度估算.[结论]MSI和DSR可作为虫口密度估算的敏感指标,多项式曲线拟合法能够挖掘MSI和DSR对虫口密度的敏感性;SPA是虫口密度敏感光谱特征提取的一种有效方法,其提取的DSR敏感指标和MSI敏感指数充分捕捉了针叶叶绿素吸收特征、水分吸收特征以及针叶细胞受损引起的反射特征.该研究不仅为利用航空航天遥感监测森林害虫虫口密度提供实验理论基础,而且为森林虫害遥感监测拓展了新途径.

近年来,在经济全球化的背景下,西安市经济迅速增长,生态环境问题日益突出,快速全面地定量监测生态环境质量的时空变化,对指导生态环境保护具有重要意义.基于谷歌地球引擎(GEE)平台,筛选2000、2004、2010、2015、2020年及其前后各一年的四季Landsat影像,利用主成分分析基于绿度(NDVI)、热度(LST)、干度(NDSI)、湿度(Wet)和气溶胶光学厚度(AOD)构建改进型遥感生态指数(ARSEI),实现西安市2000—2020年生态环境质量的动态监测,并运用莫兰指数(Moran's I)探讨西安市生态环境质量的空间自相关.以主成分效果最好的夏季为例,结果表明:(1)构建的ARSEI将大气污染因素考虑在内,第1主成分(PC1)贡献度在83％以上,能较好地集中各指标特征,有助于更加全面地评价研究区生态环境质量;(2)西安市2000—2020年平均ARSEI分别为0.565、0.521、0.572、0.644、0.695,生态环境质量总体呈现先退化后转好的趋势.20年来,生态环境质量较差和极差等级的面积减少了1339.08 km2,主要分布在秦岭以北地区,良好和极好等级区面积增加了2241.80 km2,主要位于南部的秦岭地区;(3)西安市生态环境质量改善区面积大于退化区,改善和退化情况在各辖区均有发生.2000—2004年退化情况最为严重,占比29.41％,而2010—2015年改善区占比最大,达31.62％;(4)5个年度的全局莫兰指数(Global Moran's I)均在0.627以上,表明西安市生态环境质量的空间分布具有较强的正相关,呈聚集分布,且以高-高、低-低分布为主.研究基于GEE平台实现了西安市生态环境质量的快速监测,可为生态环境监测与治理保护提供方法借鉴与数据支撑.