2. 新疆师范大学地理科学与旅游学院, 新疆 乌鲁木齐 830054;
3. 乌鲁木齐气象卫星地面站, 新疆 乌鲁木齐 830011
2. College of Geographical Science and Tourism, Xinjiang Normal University, Urumqi 830054, China;
3. Urumqi Meteorological Satellite Ground Station, Urumqi 830011, China
西北干旱区生态环境基础脆弱, 是社会经济发展和全球气候变化下的最敏感地区[1]。干旱区绿洲人口快速扩张以及人类对资源的干预、破坏和无序开发导致一系列严重生态环境问题, 严重影响干旱区人类生存和生活质量[2]。自然生态系统是人类生存和社会发展的物质基础, 准确地评价区域生态环境状况, 有利于决策者认识区域生态环境现状, 进而采取积极措施, 更好地实现区域可持续发展[3]。2006年颁布的HJ 192—2015《生态环境状况评价技术规范》中, 以生态环境状况指数(EI), 包括生物丰度、植被覆盖、水网密度、土地退化和环境质量为区域生态环境状况评价依据[4], 但是在实际应用中, 由于地域差异和现实因素, 同一指标权重差异、不同指标提取精度均面临挑战。近年来, 遥感技术在生态环境领域的应用越来越广泛, 但是大多数评价工作仍基于单一指标, 如利用植被指数评价森林生态系统变化[5], 利用不透水地表指数评价城市生态环境[6], 利用地表温度评价城市热环境[7], 构建生态环境综合评价模型成为当前区域生态环境质量评价的热点与难点。徐涵秋[8]基于遥感信息技术提出一个耦合植被指数、湿度分量、地表温度和土壤指数4个评价指标的新型遥感生态指数(remote sensing based ecological index, RSEI), 并对城市生态环境进行有效评估。RSEI集成了反映生态环境最为直观、以自然因子为主的多重指标, 既能实现客观定量评价区域生态环境状况, 又能对生态环境演变进行时空性分析和可视化显示。
精河县是我国西北地区生态脆弱带的重要组成部分, 自1990年代开始, 人类活动对生态环境的干扰强度日益增大, 精河县人工绿洲面积增加速度很快, 大面积砍伐荒漠林和开垦荒漠林草地, 使当地自然植被遭到严重破坏, 其生态系统潜在脆弱性正逐渐转变成现实的环境灾害[9-11]。林草地退化、土地沙化、土壤次生盐渍化、湖泊萎缩和农业生产环境恶化等问题的出现, 在一定程度上开始制约精河县经济与社会可持续发展。目前精河县已成为西北干旱区典型生态退化区。以往的精河县生态环境定量研究主要是借鉴前人经验对土地覆被类型进行生态指数赋值, 或利用熵值法对社会、经济、环境和一些遥感指标确定权重以进行生态环境质量综合评价[12-13], 缺少直接对生态环境进行客观评价的研究。因此, 结合1994、2002和2016年3期遥感数据, 利用RSEI指数对精河县1994—2016年生态状况及其影响因素进行分析, 基于人与自然关联视角对生态环境进行评价, 为我国西部干旱区艾比湖流域土地资源合理利用、生态环境问题治理和生态系统规划提供依据。
1 研究区概况精河县位于艾比湖流域, 其县域包含艾比湖湿地国家自然保护区和精河绿洲, 属“丝绸之路”新北道重镇, 是北疆交通要冲, 经济战略位置突显, 具有东联西出、西引东进、商贸发展的优势。研究区地理坐标为44°02′~45°19′ N, 81°46′~83°51′ E, 东西长为166 km, 南北宽为134 km[14]。研究区南部主要为山地(婆罗科努山脉); 中部为山前冲积平原, 地势较为平坦, 较宜于人类开发及利用; 北部为冲积湖积平原, 地下水位偏高, 多为盐碱沼泽地带。精河县太阳能、风能、水力能丰富, 光热资源较为充沛, 日照时间长, 无霜期达170 d, 年平均气温为7.36 ℃, 年极端最高温为41.0 ℃, 年极端最低温为-34.7 ℃, 多年平均降水量为149 mm, 多年平均蒸发量为2 281 mm[15]。
2 材料与方法 2.1 数据来源及预处理遥感数据来源于地理空间数据云(http://www.gscloud.cn/), 分别为1994年9月Landsat 5 TM影像, 2002年9月Landsat 7 ETM+影像、2016年8月Landsat OLI影像, 空间分辨率为30 m, 影像云量较少, 质量完好。使用ENVI 5.3软件对每景遥感数据进行辐射定标、大气校正、几何校正, 然后进行影像拼接与研究区裁剪工作。根据GB/T 21010—2017《土地利用现状分类》并结合干旱区自然与经济发展特点, 将研究区土地利用类型分为草地、林地、耕地、水体、建设用地和未利用地6种。使用ENVI 5.3软件进行监督分类, 结合野外实地调研、Google Earth高分辨率数据及不同土地利用类型纹理、形态和色调特征建立目视解译进行修正, 并计算混淆矩阵精度, 分类精度和kappa系数均在80%以上。
人口和GDP数据来源于1970—2016年新疆统计年鉴, 降水和温度数据来源于中国气象科学数据共享服务网(http://data.cma.cn)。
2.2 研究方法RSEI通过主成分变换集成绿度、湿度、热度和干度4个人类直观判断生态环境优劣的指标。
(1) 绿度指标
绿度指标由归一化植被指数(normalized difference vegetation index, NDVI, INDV)表示, NDVI是应用最广泛的植被指数, 常被用于植被和植物物候研究[16], 计算公式为
$ {I_{{\rm{NDV}}}} = \left( {N - R} \right)/\left( {N + R} \right)。$ | (1) |
式(1)中, N为近红外波段反射率, R为红色波段反射率。
(2) 湿度指标
湿度指标由湿度分量(Wet, W)表示, 湿度分量与植被和土壤湿度紧密相关。因Landsat传感器不同, 数据表达式也不同[17], Wet计算公式分别为
$ \begin{array}{l} {W_{{\rm{ETM}}}} = 0.150{\rm{ }}9{B_1} + 0.197{\rm{ }}3{B_2} + 0.327{\rm{ }}9{B_3} + \\ 0.340{\rm{ }}6{B_4} - 0.711{\rm{ }}2{B_5} - 0.457{\rm{ }}2{B_7}, {\rm{ }} \end{array} $ | (2) |
$ \begin{array}{l} {W_{{\rm{TM}}}} = 0.031{\rm{ }}5{B_1} + 0.202{\rm{ }}1{B_2} + 0.310{\rm{ }}2{B_3} + \\ 0.159{\rm{ }}4{B_4} - 0.680{\rm{ }}6{B_5} - 0.610{\rm{ }}9{B_7}, {\rm{ }} \end{array} $ | (3) |
$ \begin{array}{l} {W_{{\rm{OLI}}}} = 0.151{\rm{ }}1{B_1} + 0.197{\rm{ }}3{B_2} + 0.328{\rm{ }}3{B_3} + \\ 0.340{\rm{ }}7{B_4} - 0.711{\rm{ }}7{B_5} - 0.455{\rm{ }}9{B_7}。\end{array} $ | (4) |
式(2)~(4)中, B1、B2、B3、B4、B5和B7分别为ETM和TM数据1、2、3、4、5和7波段反射率和OLI数据2、3、4、5、6和7波段反射率。
(3) 热度指标
热度指标对城市热岛、自然灾害监测等方面有着重要意义, 由地表温度(land surface temperature, LST, TLS)表示。LST计算公式为
$ {T_{{\rm{LS}}}} = {T_{\rm{b}}}/\{ 1 + [(\lambda {T_{\rm{b}}})/\rho ]{\rm{ln}}\varepsilon \} - 273.15, {\rm{ }} $ | (5) |
$ {T_{\rm{b}}} = {K_2}/{\rm{ln}}({K_1}/{L_6} + 1), $ | (6) |
$ {L_6} = g{N_{\rm{D}}} + b。$ | (7) |
式(5)~(7)中, ND为遥感数据像元灰度值; g和b分别为波段增益值(gain)和偏置值(bias); L6为TM/TIRS热红外波段辐射值; K1和K2为定标参数; Tb为传感器处温度值; λ为波长, 使用TM数据时为第6波段中心波长11.5 μm, 使用Landsat 8数据时为第10波段中心波长10.9 μm; ρ为1.438×10-2 mK; ε为比辐射率, 利用NDVI阈值处理得到[18]。
(4) 干度指标
干度指数用来分析干旱区土地荒漠化、土地退化情况, 由土壤指数(NDBSI, INDBS)表示。NDBSI计算公式为
$ {I_{{\rm{NDBS}}}} = ({I_{\rm{S}}} + {I_{{\rm{IB}}}})/2, $ | (8) |
$ \begin{array}{l} {I_{\rm{S}}} = {\rm{ }}[({B_5} + {B_3}) - ({B_4} + {B_1})\left] / \right[({B_5} + {B_3}) + \\ ({B_4} + {B_1})], {\rm{ }} \end{array} $ | (9) |
$ \begin{array}{l} {I_{{\rm{IB}}}} = \left[ {\frac{{2{B_5}}}{{{B_5} + {B_4}}} - {\rm{ }}\left( {\frac{{{B_4}}}{{{B_4} + {B_3}}}} \right) + \frac{{{\rm{ }}{B_2}}}{{{B_2} + {B_5}}}} \right]{\rm{ /}}\\ \left[ {\frac{{2{B_5}}}{{{B_5} + {B_4}}} + {\rm{ }}\left( {\frac{{{B_4}}}{{{B_4} + {B_3}}}} \right) + \frac{{{B_2}}}{{{B_2} + {B_5}}}} \right]。\end{array} $ | (10) |
式(8)~(10)中, IS为裸土指数(SI)[19], IIB为建筑指数(IBI)[20]。
(5) 遥感生态指数RSEI的构建
RSEI采用主成分分析(principal component analysis, PCA)法集成NDVI、Wet、LST和NDBSI这4个指标, 并根据各指标性质及其对各主分量的贡献度来自动客观地确定各指标权重。由于4个指标量纲不统一, 在做主成分变换前, 需要先分别对指标进行标准化处理, 将指标值统一到0~1之间。指标标准化计算公式为
$ {I_{i, {\rm{N}}}} = ({I_i} - {I_{{\rm{min}}}})/({I_{{\rm{max}}}} - {I_{{\rm{min}}}})。$ | (11) |
式(11)中, Ii,N为各指标标准化结果; Ii为各个指标在像元i的值; Imax为各指标最大值; Imin为各指标最小值。
由于研究区包含水域, 利用修正过的归一化水指数(modified normalized difference water index, MNDWI)进行水体提取, 掩膜去掉水体信息。将标准化后的4个指标使用ENVI 5.3软件合成新影像, 借助软件中主成分分析模块进行主成分分析, 得到第1主成分(PC1, PC1)及相关统计结果。为了便于分析, 对第1主成分进行正负值转置和标准化处理获得RSEI。
$ {I_{{\rm{RSE, }}0}} = 1 - {P_{{\rm{C}}1}}, $ | (12) |
$ \begin{array}{l} {I_{{\rm{RSE}}}} = {\rm{ }}({I_{{\rm{RSE, }}0}} - {I_{{\rm{RSE, }}0{\rm{, min}}}})({I_{{\rm{RSE, }}0{\rm{, max}}}} - \\ {I_{{\rm{RSE, }}0{\rm{, min}}}})。\end{array} $ | (13) |
式(12)~(13)中, IRSE为标准化处理后遥感生态指数, 值越大,表示生态质量越好; IRSE, 0, min、IRSE, 0, max分别为IRSE, 0的最小值和最大值。
3 结果与分析 3.1 精河县生态质量时空变化分析表 1为1994—2016年NDVI、Wet、LST和NDBSI这4个指标及RSEI值。
由表 1可知, 1994—2016年研究区RSEI由1994年的0.377下降到2002年的0.323;再由2002年的0.323上升到2016年的0.327。RSEI指数总体呈下降趋势, 说明精河县生态环境趋向恶化。分析各指标对PC1的荷载值可以发现, NDVI和Wet为正值, 对精河县生态质量起正面影响作用; 而NDBSI和LST为负值, 对生态质量起负面作用。进一步分析可以发现, 1994—2016年NDBSI和LST对PC1荷载值绝对值之和均大于NDVI和Wet特征值之和, 表明精河县土壤干度和区域温度对整体生态环境的破坏作用大于植被和湿度对生态环境的优化作用。
为了更好地分析RSEI的代表性, 进一步将1994、2002和2016年3期经主成分变换得到的生态环境质量指数计算结果划分为优、良、中、较差、差5个等级(图 1, 表 2)。由图 1和表 2可知, 1994年精河县总体生态状况以较差等级为主, 其面积占比超过60%;其次为中等级, 所占面积比例为20.60%;差等级占3.86%;良、优等级面积占11.63%。2002年生态状况差等级面积占比为14.13%, 相比1994年其面积增加879.57 km2; 较差等级面积减少630.88 km2, 占总面积的61.33%;中等级面积波动较小;良、优等级面积都有所减少, 占比减少至2.42%。2016年生态状况差等级占比为25.22%;较差等级占比为48.18%;中等级占比为16.38%;良、优等级面积占比为10.22%。
分析转移矩阵(表 3)可知, 1994—2002年, 差等级主要由较差等级转入, 占差等级总转入面积的88.89%, 差、中、良和优等级主要转出为较差等级, 分别占较差等级总转入面积的8.39%、56.07%、29.70%和5.84%。差和中等级转出面积小于转入面积, 导致差和中等级面积增加。而较差、良和优等级转出面积大于转入面积, 各等级面积均有所减少。
2002—2016年, 差等级共转出497.65 km2, 其中79.60%的差等级转化为较差等级, 4.24%转化为中等级, 16.05%转化为良等级, 0.11%转化为优等级; 较差等级未发生变化的有2 985.01 km2, 变化的有2 367.33 km2, 其中58.01%、22.37%、19.59%和0.03%的较差等级分别转入差、中、良和优等级; 中等级主要向较差等级转化, 占转出面积的59.87%;良等级转出面积为163.7 km2,主要向较差和中等级转化; 优等级几乎全部转出为其他等级, 5.72%、59.14%、31.00%和4.13%的优等级分别转入差、较差、中和良等级。
1994—2016年, 各生态等级之间的转换较为简单。差等级没有转出到其他生态等级, 转入面积主要由较差等级转入, 中等级面积全部单一地转入较差等级, 良等级主要转出到中等级, 优等级单一地向良等级转入。可以看出, 精河县RSEI等级整体下降一个层次, 最终导致近20 a来精河县生态环境趋向恶劣。
3.3 精河县生态质量时空差异分析对1994和2016年RSEI指数差值变化进行检测, 结果见图 2。1994—2016年精河县生态环境状况等级不变的面积为7 385.29 km2, 占总面积的65.73%;状况改善的面积为582.23 km2, 占总面积的5.18%;状况变差的面积为3 269.29 km2, 占总面积的29.09%。3类面积占比由大到小依次为不变、变差和改善。精河县生态环境变差主要是由于随着耕地的大规模开发, 灌溉用水需求加剧, 地下水位上升, 区域非农田系统持水量降低, 加上干旱区气候条件以及林草地属性脆弱, 林草地面积逐年缩减, 盐渍地和其他用地因无法提供适宜多数动植物的生长空间, 土地生态系统退化, 生物多样性差, 导致区域部分地区生态系统遭到破坏, 区域生态环境恶化[10]。
土地利用现状是长期以来人类根据土地自然特性和社会需要对土地进行改造、培育、使用的结果[10]。土地利用类型的变化会引起区域内物质能量循环发生转变, 从而会对区域生态环境带来重大影响, 并产生明显的生态环境效应。从图 3可以看出, 精河县土地利用/覆被空间分异明显, 耕地所处研究区中心区域, 呈大片连续状, 林草地处于边缘及山区, 呈零星分布, 未利用地多处于外围区域的山区、绿洲-荒漠交错带和艾比湖周边湿地区域。
表 4为地表类型的面积统计, 1994—2002年耕地面积从243.74 km2增加到572.92 km2, 水体面积从555.82 km2增加到811.20 km2, 建设用地从5.78 km2增加到6.52 km2。林地面积所占比例由4.97%下降至2.39%, 草地面积所占比例由15.87%降低至15.13%, 未利用地比例由71.99%降低至70.08%;2002—2016年, 耕地和建设用地面积持续增加, 分别增加到938.11和81.51 km2, 比例增长至8.35%和0.73%。林地和未利用地面积分别增加到448.85和81.51 km2, 比例增长至3.99%和70.43%, 草地和水体面积减少到1 191.07和663.51 km2, 比例降低至10.6%和5.90%。1994—2016年, 耕地、建设用地、水体总体呈现增加趋势, 而林地、草地和未利用地总体呈现减少趋势。
从空间分布上看, 1994年精河县生态环境状况差等级大致分布在艾比湖周边及其东部未利用地区域。2002年, 生态环境转入差等级的区域逐渐扩大, 随着精河县绿洲区人口的增长, 生产力水平的提高导致建设用地面积逐渐增加; 耕地面积持续增加, 且呈向周围扩张趋势, 主要是因为1990年后中央及地方政府推出一系列优惠政策, 尤其是1998—1999年形成开荒热, 允许并鼓励个人和集体开垦土地[10]。此外, 在耕地增加的同时, 由于撂荒和不合理利用土地, 或自然条件等原因造成小部分土地退化直至不可耕种,也是导致生态环境差等级面积在此期间扩大的原因。2016年差等级区域主要集中在艾比湖周围, 艾比湖位于新疆年大风日数最多的阿拉山口下风向, 整个艾比湖流域风沙天气越来越频繁。水体面积的增加在一定程度上受全球气候变化的影响,农业节水灌溉设施的进一步推广使得许多小河流、湖泊流量和蓄水量有一定增加[15]。干旱区林草地易受区域环境影响, 由于人类活动干扰度增加, 原有的林草地被侵蚀, 面积减少, 处于绿洲-荒漠交错带的未利用地生态环境也逐渐恶化。
4.2 自然因素对生态环境的影响气温和降水是影响区域生态环境变化的主要因素, 在全球气候变化背景下, 中国西北干旱区气候呈现明显的暖湿化转型[21], 1970—2016年精河县年降水量和年平均温度均呈增加趋势。在整个研究期与生态环境呈负相关的温度对生态指数RSEI的贡献率呈总体上升趋势,NDVI均值从1994年的0.648增加到2016年的0.657, Wet均值总体变化较小, NDBSI值从0.659增加到0.666, 3者对生态环境的贡献率均有所下降。总体来看,上述结果表明精河县气温升高, 区域气候逐渐干燥, 加剧土壤水分蒸发, 带动土壤盐分向上移动, 导致研究区耕地与其他地类的过渡带、艾比湖湖泊滩地以及东部荒漠区出现或加重生态风险。
4.3 社会发展对生态环境的影响精河地区生态系统稳定性差, 易受到人为因素破坏, 特别是近年来, 由于人口不断增加,耕地扩充, 资源配置和开发利用不合理, 对艾比湖地区环境恶化影响加剧。精河县人口从1988年的9.66万人增长到2016年的14.31万人, 农业生产总值从1988年的0.49亿元增长到2016年的43.19亿元。艾比湖流域是传统游牧区, 清朝末年开始大规模开垦耕地, 近几十年来, 在人口增长的驱动下, 农业耕地面积逐渐扩大, 形成了“一红(枸杞)二白(棉花、盐业)一绿(瓜果蔬菜)”的农业发展模式。然而, 由于农业发展, 荒漠生态和自然绿洲生态系统近年来变化很大, 大面积荒漠林被砍伐,荒漠林草地被无序开垦, 使自然植被遭到严重破坏。流域人类活动耗水最主要方式为农业生产用水, 蓄水项目建成致使非农田区域及艾比湖周边区域土地沙化、盐碱化问题产生, 最终导致艾比湖湿地的生态环境受损。与此同时, 精河县牲畜数量由1988年的20.97万头增长至2016年的41.68万头, 有限草场过度放牧不利于植被恢复, 可最终部分解释研究区中部及沿北方向的生态变化情形。
5 结论(1) 通过对精河县1994、2002和2016年3期遥感影像数据的处理分析, 结果表明, 遥感生态指数RSEI很好地集成了反映生态质量的4个指标, 能够综合地反映精河县生态环境质量的变化。1994、2002和2016年RSEI均值分别为0.377、0.323和0.327, RSEI优、良、中、较差等级整体向次等级转移。近20 a来, 精河县生态环境质量整体上较为脆弱, 生态环境呈下降趋势。
(2) 1994—2016年, 精河县人工绿洲扩明显, 面积增加6.86%, 林草地面积萎缩, 减少6.25%。RSEI差值显示, 生态环境质量改善的面积占总面积的5.18%, 生态环境质量变差的面积占总面积的29.09%。生态改善区域主要位于精河县南部山区, 主要原因在于该区域大面积林地受到当地政府的高度重视和严格保护, 生态质量恶化区域主要位于艾比湖周边和耕地外围, 原因在于恶劣的自然环境和农业的不断发展。
(3) 精河县生态环境变化受到自然和人为因素的共同影响, 人口、政策、城市化程度和技术水平是其主要的驱动力。精河县作为新亚欧大陆桥进出我国的西大门, 是新疆维吾尔自治区重点发展的天山北坡经济带的重要组成部分。新世纪, 在国家“五位一体”的现代化布局下, 在促进经济社会发展的同时, 应遵循自然规律, 合理配置资源和利用土地, 科学地建设绿洲。
[1] |
HUANG J P, YU H P, DAI A G, et al. Drylands Face Potential Threat Under 2℃ Global Warming Target[J]. Nature Climate Change, 2017, 7(6): 417-422. DOI:10.1038/nclimate3275 (0) |
[2] |
石三娥, 魏伟, 杨东, 等. 基于RSEDI的石羊河流域绿洲区生态环境质量时空演变[J]. 生态学杂志, 2018, 37(4): 1152-1163. [ SHI San-e, WEI Wei, YANG Dong, et al. Spatial and Temporal Evolution of Eco-Environmental Quality in the Oasis of Shiyang River Basin Based on RSEDI[J]. Chinese Journal of Ecology, 2018, 37(4): 1152-1163.] (0) |
[3] |
张雪琪, 满苏尔·沙比提, 马国飞. 基于生态足迹改进模型的叶尔羌河平原绿洲生态安全评价[J]. 生态与农村环境学报, 2018, 34(9): 840-849. [ ZHANG Xue-qi, MANSUR·Shabiti, MA Guo-fei. Appraisal of Ecological Security Based on Improved Ecological Footprint Model in Yarkant River Plain Oasis[J]. Journal of Ecology and Rural Environment, 2018, 34(9): 840-849.] (0) |
[4] |
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 Han-qiu. 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] (0) |
[5] |
范建忠, 李登科, 董金芳. 陕西省重点生态建设工程区植被恢复状况遥感监测[J]. 农业工程学报, 2012, 28(7): 228-234. [ FAN Jian-zhong, LI Deng-ke, DONG Jin-fang. Remote Sensing Analysis of Vegetation Restoration in Key Ecological Construction Areas of Shaanxi Province[J]. Transactions of the Chinese Society of Agricultural Engineering(Transactions of the CSAE), 2012, 28(7): 228-234. DOI:10.3969/j.issn.1002-6819.2012.07.038] (0) |
[6] |
乔琨, 朱文泉, 胡德勇, 等. 北京市不同功能区不透水地表时空变化差异[J]. 地理学报, 2017, 72(11): 2018-2031. [ QIAO Kun, ZHU Wen-quan, HU De-yong, et al. Examining the Distribution and Dynamics of Impervious Surface in Different Functional Zones of Beijing[J]. Acta Geographica Sinica, 2017, 72(11): 2018-2031.] (0) |
[7] |
周榕, 徐涵秋, 林云杉. 城市建成区地表热通量的遥感研究:以泉州市区为例[J]. 遥感信息, 2006, 21(6): 50-54. [ ZHOU Rong, XU Han-qiu, LIN Yun-shan. Remote Sensing Study on the Surface Heat Flux and Its Relationship With the Urban Heat Island:Taking Quanzhou City, SE China as Example[J]. Remote Sensing Information, 2006, 21(6): 50-54. DOI:10.3969/j.issn.1000-3177.2006.06.015] (0) |
[8] |
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 Han-qiu. A Remote Sensing Urban Ecological Index and Its Application[J]. Acta Ecologica Sinica, 2013, 33(24): 7853-7862.] (0) |
[9] |
吉力力·阿不都外力, 徐俊荣, 穆桂金, 等. 艾比湖盐尘对周边地区土壤盐分及景观变化的影响[J]. 冰川冻土, 2007, 29(6): 928-939. [ JILILI·Abuduwaili, XU Jun-rong, MU Gui-jin, et al. Effect of Soil Dust From Ebinur Lake on Soil Salts and Landscape of Surrounding Regions[J]. Journal of Glaciology and Geocryology, 2007, 29(6): 928-939. DOI:10.3969/j.issn.1000-0240.2007.06.012] (0) |
[10] |
王东芳, 张飞, 周梅, 等. 基于多种空间静态指标的土地生态安全评价:以精河县为例[J]. 安全与环境学报, 2017, 17(2): 753-759. [ WANG Dong-fang, ZHANG Fei, ZHOU MEI, et al. Land Eco-security Assessment in the Jinghe County Based on a Variety of Spatial Static Indexes[J]. Journal of Satety and Environment, 2017, 17(2): 753-759.] (0) |
[11] |
蒋烨林, 王让会, 彭擎, 等. 基于熵权物元模型的土壤养分评价:以新疆干旱区艾比湖流域人工绿洲为例[J]. 生态与农村环境学报, 2017, 33(9): 852-859. [ JIANG Ye-lin, WANG Rang-hui, PENG Qing, et al. Soil Nutrients Evaluation Based on Entropy Weight and Matter Element(EWME) Model:A Case Study on Artificial Oasis in the Ebinur Lake Basin, an Arid Zone of Xinjiang[J]. Journal of Ecology and Rural Environment, 2017, 33(9): 852-859.] (0) |
[12] |
王东芳, 张飞, 周梅, 等. 近23年来LUCC影响下的精河县生态环境效应定量研究[J]. 湖北农业科学, 2016, 55(14): 3574-3580. [ WANG Dong-fang, ZHANG Fei, ZHOU Mei, et al. Quantitative Research of the Ecological Environmental Effect in Jinghe County Under the Influence of LUCC in Recent 23 Years[J]. Hubei Agricultural Sciences, 2016, 55(14): 3574-3580.] (0) |
[13] |
巴音达拉.基于熵值法和景观模型的精河县生态环境质量评价及预测研究[D].乌鲁木齐: 新疆大学, 2008. [BAYINDALA.Study on the Quality Assessment of Ecological Environment and Prediction in Jinghe Based on Entropy-Right Method and Landscape Model[D]. Urumqi: Xinjiang University, 2008.] http://cdmd.cnki.com.cn/Article/CDMD-10755-2008170964.htm
(0) |
[14] |
毋兆鹏, 王明霞, 赵晓. 精河流域1990-2011年土地荒漠化变化研究[J]. 干旱区资源与环境, 2015, 29(1): 192-197. [ WU Zhao-peng, WANG Ming-xia, ZHAO Xiao. The Changes of Desertification From 1990-2011 in Jinghe Watershed[J]. Journal of Arid Land Resources and Environment, 2015, 29(1): 192-197.] (0) |
[15] |
于海洋, 张飞, 曹雷. 精河县土地利用/覆被变化及土地生态安全研究[J]. 水土保持研究, 2017, 24(6): 348-353. [ YU Hai-yang, ZHANG Fei, CAO Lei. Research of Land Use/Cover Change and Land Ecological Security in Jinghe County[J]. Research of Soil and Water Conservation, 2017, 24(6): 348-353.] (0) |
[16] |
GOWARD S N, XUE Y K, CZAJKOWSKI K P. Evaluating Land Surface Moisture Conditions From the Remotely Sensed Temperature/Vegetation Index Measurements:An Exploration With the Simplified Simple Biosphere Model[J]. Remote Sensing of Environment, 2002, 79(2/3): 225-242. (0) |
[17] |
李博伦, 遆超普, 颜晓元. Landsat 8陆地成像仪影像的缨帽变换推导[J]. 测绘科学, 2016, 41(4): 102-107. [ LI Bo-lun, TI Chao-pu, YAN Xiao-yuan. Study of Derivation of Tasseled Cap Transformation for Landsat 8 OLI Images[J]. Science of Surveying and Mapping, 2016, 41(4): 102-107.] (0) |
[18] |
SOBRINO J A, JIMÉNEZ-MUÑOZ J C, PAOLINI L. Land Surface Temperature Retrieval From LANDSAT TM 5[J]. Remote Sensing of Environment, 2004, 90(4): 434-440. DOI:10.1016/j.rse.2004.02.003 (0) |
[19] |
ROY P S, RIKIMARU A, MIYATAKE S. Tropical Forest Cover Density Mapping[J]. Tropical Ecology, 2002, 43(1): 39-47. (0) |
[20] |
XU H Q. 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 (0) |
[21] |
沈永平, 王国亚. IPCC第一工作组第五次评估报告对全球气候变化认知的最新科学要点[J]. 冰川冻土, 2013, 35(5): 1068-1076. [ SHEN Yong-ping, WANG Guo-ya. Key Findings and Assessment Results of IPCC WGI Fifth Assessment Report[J]. Journal of Glaciology and Geocryology, 2013, 35(5): 1068-1076.] (0) |