长江上游安宁河流域生态环境脆弱性遥感监测
邵秋芳1, 彭培好1, 黄洁2, 刘智2, 孙小飞1, 邵怀勇1
1.成都理工大学旅游与城乡规划学院,成都 610059
2.四川省地质调查院,成都 610081
彭培好(1963-),男,教授,博士生导师,研究方向为生态效益监测与计量评价、生态环境评价、生态环境与全球变化。Email:peihaop@163.com

第一作者简介: 邵秋芳(1989-),女,硕士研究生,研究方向为区域生态环境评估与空间建模。Email:963243272@qq.com

摘要

为了解安宁河流域生态环境脆弱性情况,以卫星遥感图像作为主要信息源,以人口密度、国内生产总值、土地利用、土壤类型、高程、坡度、气温、降水、植被指数作为评价指标,综合运用地理信息系统技术和投影寻踪算法,构建空间投影寻踪模型,进而对安宁河流域生态环境脆弱性进行评价。以分析结果为依据,将研究区生态环境脆弱性划分为5个等级,分别是重度脆弱、中度脆弱、轻度脆弱、微度脆弱和潜在脆弱。研究结果表明,研究区生态脆弱性整体上属中等脆弱等级。由于生态环境保护政策的实施和地区人民对于生态环境保护意识的提高,研究区2013年相对于1993年,生态环境总体有所改善。

关键词: 安宁河流域; 生态环境脆弱性; 投影寻踪模型; 地理信息系统(GIS); 遥感(RS)
中图分类号:TP 79 文献标志码:A 文章编号:1001-070X(2016)02-0175-07 doi: 10.6046/gtzyyg.2016.02.27
Monitoring eco-environmental vulnerability in Anning River Basin in the upper reaches of the Yangtze River using remote sensing techniques
SHAO Qiufang1, PENG Peihao1, HUANG Jie2, LIU Zhi2, SUN Xiaofei1, SHAO Huaiyong1
1.College of Tourism and Urban-Rural Planning, Chengdu University of Technology, Chengdu 610059, China
2. Sichuan Geologic Survey, Chengdu 610081, China
Abstract

In this study, the authors used satellite remote sensing image as the primary source of information while collecting additional data, and selected some indicators as assessment indexes such as population density, gross domestic product (GDP), land use, soil type, elevation, slope, temperature, precipitation, and vegetation index. Eco-environment vulnerability of Anning River Basin was evaluated by using the space projection pursuit model built by GIS technology and the projection pursuit algorithm. According to analytical results, eco-environmental vulnerability degrees in the study area were divided into five grades, i.e., heavy, medium, light, slight and potential. Through analyzing the evaluation results of environmental vulnerability in 1993 and 2013, the ecological vulnerability of the study area was moderate vulnerability on the whole. Due to the enforcement of the national policy and the improvement of people’s awareness of environmental protection, the overall ecological environment was improved from 1993 to 2013 in the study area.

Keyword: Anning Basin; eco-environmental vulnerability; spatial projection pursuit model; geographic information system (GIS); remote sensing (RS)
0 引言

安宁河流域地处青藏高原向四川盆地西缘山地过渡地带, 是长江上游重要生态屏障, 在四川省生态安全建设中具有重要生态地位; 但由于流域海拔高、自然条件差、地质构造复杂、坡陡谷深, 其生态环境先天脆弱, 加之矿业、水电、林业及农牧业等资源长期不合理开发和利用导致其生态屏障功能不仅未能充分发挥, 相反使其成为生态环境问题突出的区域。为此保护和建设该流域的生态环境具有十分重要的意义。

生态环境脆弱性评价对认识、保护和改造生态环境, 促进人与自然的和谐发展至关重要[1, 2, 3]。目前国内外学者运用不同方法对区域生态环境脆弱性进行评价已取得了大量成果。主要评价方法有层次分析法、模糊评判法、主成分分析法、P-S-R模型、人工神经网络模型等[4, 5, 6, 7, 8]。这些方法在区域生态环境脆弱性评价中取得了较好效果, 得到了广泛应用。但与此同时, 这些方法在进行指标选取或指标权重的确定方面都还存在一定的主观性, 如人工神经网络方法主要依据研究者已有的知识和经验来选取模型参数, 研究者个人的水平会影响到研究结果[9]; 层次分析法采用专家打分的方法来确定指标的权重, 不够客观, 专家的水平与知识对结果影响较大[10]。P-S-R模型中各项指标权重的确定具有很强的主观性[11]。因此, 有必要深入研究操作简便、人为干扰尽量少的综合评价方法, 以克服上述评价方法的不足。

投影寻踪模型是通过构建投影指标寻找投影的最优方向向量, 再通过最优方向向量计算样本投影特征值, 从而根据得到的投影特征值对样本进行综合评价。该方法在评价的过程中不受评价人员的知识结构、工作经验以及偏好的影响, 可有效排除人为因素干扰。基于遥感技术适时更新脆弱性指标数据, 在GIS技术支持下运用数学模型对生态脆弱性时空变化进行分析, 从而实现对脆弱生态系统的实时监测和动态评价已经逐渐成为当前区域生态脆弱性评价研究的重要方向[12]。但目前基于GIS技术的投影寻踪模型对区域生态环境脆弱性评价还非常少见。

为此, 本研究在RS和GIS技术支持下, 以地处我国西南山地农牧交错生态脆弱区核心地带的安宁河流域作为研究区, 基于多时相遥感数据, 采用监督分类结合目视解译的方法获取该区1993年、2013年的土地利用和植被覆盖数据, 运用空间投影寻踪模型对其生态环境脆弱性进行评价, 以期为区域生态环境治理和建设提供技术支持和科学依据。

1 方法
1.1 研究区概况

以四川省西南部的安宁河流域为研究区, 该区介于E 102° 06'51″~102° 10'14″, N26° 38'11″~29° 02'24″之间。安宁河全长337 km, 流经西昌、冕宁、德昌及米易4县市, 流域面积约11 150 km2。研究区地势北高南低, 西高东低, 海拔900~4 750 m; 地貌以剥蚀侵蚀构造高山和中山、冰川剥融高山与堆积河谷平原、山间断陷盆地为主。区内气候垂直带谱现象明显, 按高程可划分为高山寒温带(海拔4 000 m以上, 年平均温度0℃以下)、温带山地(海拔2 500~4 000 m, 年平均温度8 ℃以下, 长年无夏多云)、北亚热带低山河谷区(海拔1 550~2 500 m, 年平均温度9 ℃~15 ℃)和中亚热带峡谷区(海拔1 330~1 640 m, 年平均温度17.4 ℃)。降水的季节性差异和地形差异明显, 夏秋多雨, 冬春干旱, 年平均降雨量1 133 mm, 每年5— 10月为雨季, 降雨量占全年90%以上, 山地降水多于邻近谷地。安宁河谷地是四川省仅次于成都平原的第二大河谷平原和第二大粮仓。

1.2 数据来源与处理

本次研究所采用的数据包括空间数据和属性数据。空间数据有: ①1993年和2013年TM图像, 来自国际科学数据服务平台、中国科学院对地观测中心; ②DEM数据, 来自国际科学数据服务平台; ③土壤类型数据, 来源与中国土壤数据库。属性数据: ①研究区的人口和GDP数据, 来自凉山州年鉴; ②降水和气温数据, 来自中国气象科学数据共享服务网。将收集的数据作进一步处理, 步骤主要包括:

1)专题数据获取。将TM图像通过非监督分类结合目视解译方法解译出土地利用类型, 并进行野外验证。验证结果表明, 研究区土地利用类型的解译精度均在90%以上。

2)对每种类型按环境脆弱性影响程度分级。将河流、湖泊等水体分为第1 级, 有林地分为第2 级, 中覆盖度草地、灌木林和疏林地分为第3 级, 低覆盖度草地、耕地分为第4 级, 城镇建设用地、农村聚落、冰川、矿区、裸岩和裸地分为第5 级[13]

3)进行空间数据运算和属性数据空间转换。利用TM数据计算研究区2个时期的植被指数, 基于DEM数据派生出研究区的高程和坡度数据; 将人口、GDP、气温和降水数据在ArcGIS软件中进行空间数据插值, 转换为空间数据; 根据研究区土壤的土质贫瘠、保水性差、抗蚀能力低、容易退化等问题进行土壤质地分类, 将研究区的棕色针叶林土、棕壤等分为1级, 新积土、水稻土等分为2级, 暗棕壤、紫色土、黑毡土等分为3级, 黄棕壤、红壤分为4级, 石灰(岩)土、岩石、湖泊、水库等分为5级[14]

4)选择坐标系和投影参数。为保证研究区不同数据具有良好的空间重合性, 本研究使用等面积投影, 1954北京坐标系, 克拉索夫斯基椭球体; 具体投影参数为: 初始经度E110° , 初始纬度0° , 双标准纬线W25° 和W47° 。

5)栅格数据生成。考虑到GIS栅格数据具有较好的空间分析能力, 本研究将所有专题数据转为栅格数据, 实现各种代数和逻辑运算, 栅格大小为250 m× 250 m。

1.3 生态环境脆弱性评价方法

1.3.1 评价指标

本文在参照已有研究基础上[15, 16, 17, 18, 19], 遵循代表性、整体性、科学性和可操作性的原则, 并综合考虑安宁河流域生态环境存在的实际问题, 选取高程、坡度、植被覆盖、土地利用、土壤类型、气温、降水、GDP、和人口密度作为研究区生态环境脆弱性评价指标。

1.3.2 评价模型

本研究主要采用投影寻踪模型和GIS技术相结合的方法, 构建空间投影寻踪模型, 进行研究区生态环境脆弱性评价。其主要思路为: 在GIS软件支持下, 基于GIS的空间分析功能, 利用投影寻踪模型寻找所选评价指标的最优投影方向向量, 确定最后评价模型所需要的综合指标。具体步骤如下:

1)数据标准化。高程、坡度、GDP、人口、土地利用、土壤类型等评价指与生态脆弱性成负相关, 采用的归一化公式为

α xy= bxy-bxminbxmax-bxmin。 (1)

降水、植被覆盖、气温等评价指标与生态脆弱性成正相关, 采用的归一化公式为

α xy=1- bxy-bxminbxmax-bxmin。 (2)

式中: α xy为指标x的栅格数据y的标准化值; bxy为指标x的栅格数据y的真实值; bxmax为指标x的最大栅格数值; bxmin为指标x的最小栅格数值。

2)计算投影特征值。设第n个样本的第m个指标为γ nm(n=1, 2, 3, …, s; m=1, 2, 3, …, t)。s为选取评价样本个数, t为评价指标个数, 根据公式(3)和评价指标计算其投影特征值。设 ut维单位投影的方向向量, 则γ nm在一维线性空间的投影特征值α n可描述为

α n= m=1tumγ nm (m=1, 2, 3, …, t) 。 (3)

3)建立投影目标函数。区域生态环境脆弱性综合评价是以指标体系为基础, 将评价样本进行合理排序或分类, 因此投影指标可依据分类指标构成。而指标的分类就是寻求使多维数据在一维空间的类内密度G( u)和类间距离E( u)同时散布结构满足最大值。因此, 定义投影指标H

H=E( u)G( u) 。 (4)

用评价指标序列的投影特征值方差来计算类间距离, 即

E( u)[ n=1s(α n- α)/s]1/2 , (5)

式中: α为投影特征值平均值; n为第n个评价样本; s为选取评价样本个数; 类间散布随E( u)值的增大而增大。

利用投影特征值两两之间的距离Tnl=|α nl|(l=1, 2, 3, …, s)来计算类内密度G( u), 即

G( u)= n=1sl=1s(Q-Tnl)× f(Q-Tnl) , (6)

式中: Q为估计局部散点密度的宽度指标, 与数据特性有关, 研究表明Q的取值范围为max(Tnl)+ t2Q≤ 2t, 一般可取Q=t; f(Q-Tnl)为阶跃函数, 当Q> Tnl时, f(Q-Tnl)=1, 反之为0。G( u)为投影值α n的局部密度, 其值越大则表示聚类愈明显。

4)优化投影方向。当给定的评价样本n和评价指标γ nm时, 投影指标H只随投影方向 u的变化而变化。投影方向的不同反映的数据结构特征不同, 最佳投影方向就是最大可能的反映高维数据某种特征结构的投影方向。可通过求解投影指标函数最大化问题来估算最优投影方向, 故maxH为投影指标函数最大值。因此, 寻找最优投影方向的方法就转化为非线性优化问题, 即

max Hu=1。 (7)

5)综合评价。根据优化的最佳方向向量 u, 可计算反映各特征指标综合信息, 从而根据综合信息的差异水平做出环境脆弱性评价结论。本文主要采用生态环境脆弱性指数(eco-environmental vulnerability index, EVI)来定量表征生态环境脆弱性程度。EVI被定义为若干特征指标的加权和, 各特征指标所对应最优方向向量的最大值作为权重, 即

EVI= i=1nY1X1+Y2X2+Y3X3+Y4X4……YnXn , (8)

式中: Yi是所选评价指标; Xi是它相应的权重, 也就是所对应最优方向向量的最大值。

结合每个特征指标及其对应权值, 进行代数运算得到EVI。其值越小, 表示其生态环境越脆弱。依据生态环境质量分级标准的指标值建立投影寻踪模型, 其中n=2, m=9。计算得最优投影方向向量, 由于所求最优方向向量是一个连续的数据, 因此所求权值应选取最优方向向量的每个分向量的最大值。根据本文方法计算出的1993年和2013年每个特征值对应的权值如表1所示。

表1 特征指标的方向向量 Tab.1 Direction vector of characteristic indexes

最终计算2个时期生态环境脆弱性指数EVI的线性公式分别为

EVI1993=0.089 888Y1+0.118 322Y2+0.103 519Y3+0.112 624Y4+0.109 272Y5+0.149 850Y6+0.117 845Y7+0.117 845Y8+0.089 890Y9 , (9)

EVI2013=0.102 389Y1+0.100 097Y2+0.142 309Y3+0.101 759Y4+0.110 480Y5+0.134 228Y6+0.118 868Y7+0.100 236Y8+0.089 633Y9 。(10)

式中, Y1Y9分别对应两个时期的高程、坡度、土地利用数据、GDP, 降水数据、植被覆盖、气温数据、人口数据和土壤类型数据。

1.4 生态环境脆弱性分级

根据上述模型得到的研究区生态环境脆弱性结果值是连续的, 应对其进行分类以划分不同的生态环境脆弱性级别以达到对区域生态脆弱性的整体认识。因此, 本研究应用自然断点法[20]通过分析研究区生态环境脆弱性结果的自然属性来找出不同类的阈值。自然断点法可以很好地“ 物以类聚” , 类别之间的差异明显, 而类内部的差异很小。通过这一标准, 将研究区内的生态环境脆弱性被分为5个等级[21, 22]: 潜在脆弱、微度脆弱、轻度脆弱、中度脆弱和重度脆弱。每一级别都具有其典型特征, 如表2所示。

表2 安宁河流域生态环境脆弱性分级 Tab.2 Eco-environmental Vulnerability Classification of the Anning Rvier Basin
1.5 整体变化趋势分析

为了对生态环境的变化趋势进行定量分析, 拟定一个代表整个区域脆弱性情况的综合指数尤为必要。本研究采用生态环境脆弱性综合指数E表征生态环境的变化趋势, 即

E= i=1nAiSAjPi , (11)

式中: i为评价等级; n为总的评价等级数; Ai为等级i在评级单元j中所占的面积; SAj为评价单元j的面积; Pi为等级i的分级值。根据脆弱性级别, 给每一级别分别赋一个定量值: 潜在性脆弱赋值1, 微度脆弱赋值2, 轻度脆弱赋值3, 中度脆弱赋值4, 重度脆弱赋值5。生态环境脆弱性综合指数E的值越小, 表示生态环境整体越好, 反之则越脆弱。

2 结果分析
2.1 脆弱性等级分布

根据上述已建立的研究区生态脆弱性评价方法, 研究区生态环境脆弱性分级评价结果如表3图1所示。

表3 研究区生态环境脆弱性不同等级百分比 Tab.3 Percentage of eco-environmental vulnerability of the research area in different levels

根据评价结果, 对研究区1993年和2013年各种脆弱级别栅格数占栅格总数的比例进行分析, 从总体上看, 研究区微度脆弱所占的比例最大, 轻度脆弱次之, 再次是中度脆弱, 潜在脆弱, 重度性脆弱所占的比例最小。如研究区2013年比例最大的微度脆弱占到34.07%, 轻度脆弱占到27.27%, 中度脆弱占到18.96%, 潜在脆弱占到14.81%, 比例最小的重度脆弱占4.89%。研究区微度脆弱区和轻度脆弱区所占的比例超过了60%, 由此可以判断安宁河流域的生态环境处于中等水平。

图1 研究区生态环境脆弱性分布状况Fig.1 Distribution of eco-environmental vulnerability in research area

2.2 脆弱性变化趋势

表3可知, 相比1993年, 安宁河流域2013年潜在性脆弱栅格数增加了0.66%; 微度脆弱的栅格数减少1.05%; 轻度脆弱的栅格数增加3.82%; 中度脆弱的栅格数减少1.34%; 重度脆弱的栅格数减少1.79%。研究时段内潜在脆弱、微度脆弱、中度脆弱的面积在增加, 其余等级的面积都在减少。根据公式(8), 可计算出不同时期整个研究区域的生态环境脆弱性综合指数值, 安宁河流域在1993年和2013的值分别为2.70和2.65, 20 a间研究区生态环境整体状况变好。

3 变化驱动力分析

对研究区生态脆弱性变化趋势进行分析后, 还可进一步分析其引起变化的驱动力。在研究时间内, 高程、坡度、土壤类型、土壤侵蚀等因子变化很小, 对生态环境脆弱性变化影响微乎其微; 气温、降水等因子对生态环境变化的影响也非常有限。对比1993年和2013年的生态环境脆弱情况分布图, 可以发现脆弱性分布变化趋势和林地覆被的变化趋势基本一致。由此可知, 引起生态环境变化的主要因素是人类活动及社会经济状况变化的影响。在人为因素下, 土地利用状况发生变化, 从而引起生态环境的变化。2013年安宁河流域的生态环境相对1993年的生态环境有所好转, 分析其原因主要是政府颁布了退耕还林还草及天然林防护政策, 广大群众认真落实植树造林措施, 杜绝林地滥砍滥伐和过度放牧现象, 林地和草地面积有所增加, 生态环境得以重建并日渐变好。

但在此期间仍有部分地区有环境恶化的趋势, 分析其原因可能有:

1)水电资源的开发。截止2013年研究区有二滩、锦屏以及冕宁大桥3座大型水库, 水域面积约为36.02 km2。水电基地的修建一方面使地下水位抬升, 扩大了水库的侵蚀范围以及导致该地区气候变化; 另一方面使当地大量耕地、林地被淹没, 破坏了当地的生态环境, 其中耕地被淹没约21.32 km2, 草地12.02 km2, 其他2.68 km2

2)采矿工业的发展。研究区矿产资源丰富, 1993年矿山开发占地5.56 km2, 2013年为14.78 km2。矿山开发对研究区生态环境的影响主要体现在2个方面: ①对土地资源的损毁及景观的破坏。如攀枝花、西昌太和铁矿以及冕宁牛坪稀土矿等, 矿山开发毁坏了大量的草地、林地、农田, 截至2013年由于矿山开发使得草地、林地和耕地分别减少1.25 km2, 4.68 km2和1.56 km2; ②矿山地质灾害及隐患的存在。遥感调查结果显示, 研究区矿山开采共引发矿山地质灾害及隐患17处, 其中滑坡1处、泥石流3处、灾害隐患点13处。

4 结论

本文利用空间投影寻踪模型, 对安宁河生态环境脆弱性进行了分析, 得出以下结论:

1)1993— 2013年间, 研究区的生态环境脆弱性面积变化从大到小依次为轻度脆弱、重度脆弱、微度脆弱、中度脆弱以及潜在脆弱。

2)研究区内2013年比1993年生态环境有所改善, 主要是因为 “ 自然林保护” 、“ 退耕还林” 和限制牧民过度放牧等政策的推行, 植树造林等生态复建措施的落实。

3)本研究证明了GIS技术与投影寻踪模型相结合具有良好的效果, 人为干扰少, 操作简便。本研究较客观地评价了安宁河流域的生态脆弱性, 较全面地反映了安宁河流域生态脆弱性的地域差异及空间分布规律, 为今后环境保护和经济建设提供依据。

4)生态环境脆弱性评价体系涉及自然、经济、社会和人文等诸多因素, 但鉴于多种数据的获取尚存在一定困难, 本文所构建的评价指标体系具有一定的局限性, 在今后工作中还需进一步完善。

The authors have declared that no competing interests exist.

参考文献
[1] 赵东升, 吴绍洪. 气候变化情景下中国自然生态系统脆弱性研究[J]. 地理学报, 2013, 68(5): 602-610.
Zhao D S, Wu S H. Responses of vulnerability for natural ecosystem to climate change in China[J]. Acta Geographica Sinica, 2013, 68(5): 602-610. [本文引用:1]
[2] 吴炳方, 李苗苗, 颜长珍, . 生态环境典型治理区5年期遥感动态监测[J]. 遥感学报, 2005, 9(1): 32-38.
Wu B F, Li M M, Yan C Z, et al. Environment monitoring over 1997-2002 with remote sensing in 5 national environmental project sites[J]. Journal of Remote Sensing, 2005, 9(1): 32-38. [本文引用:1]
[3] 周乐群, 孙长安, 高改萍, . 长江三峡工程库区生态环境遥感动态监测[J]. 国土资源遥感, 2005, 17(1): 49-52. doi: DOI: 106046/gtzyyg. 2005. 01. 12.
Zhou L Q, Sun C A, Gao G P, et al. The remote sensing ecological environment dynamic monitoring of the Three Gorges reservoir area[J]. Remote Sensing for Land and Resources, 2005, 17(1): 49-52. doi: DOI:10.6046/gtzyyg.2005.01.12. [本文引用:1]
[4] 李滨勇, 陈海滨, 唐海萍. 基于AHP和模糊综合评判法的北疆各地州生态脆弱性评价[J]. 北京师范大学学报: 自然科学版, 2010, 46(2): 197-201.
Li B Y, Chen H B, Tang H P. Assessing ecological fragility with AHP and fuzzy integrated evaluation in autonomous prefectures of Northern Xinjiang[J]. Journal of Beijing Normal University: Natural Science, 2010, 46(2): 197-201. [本文引用:1]
[5] 杜培军, 陈宇, 谭琨. 湿地景观格局与生态安全遥感监测分析——以江苏滨海湿地为例[J]. 国土资源遥感, 2014, 26(1): 158-166, doi: DOI: 106046/gtzyyg. 2014. 01. 27.
Du P J, Chen Y, Tan K. Monitoring and analyzing wetland land scape pattern change and ecological security using remote sensing images: a case study of Jiangsu coastal wetland [J]. Remote Sensing for Land and Resources, 2014, 26(1): 158-166, doi: DOI:10.6046/gtzyyg.2014.01.27. [本文引用:1]
[6] 付博, 姜琦刚, 任春颖, . 基于神经网络方法的湿地生态脆弱性评价[J]. 东北师大学报: 自然科学版, 2011, 43(1): 139-143.
Fu B, Jiang Q G, Ren C Y, et al. Ecological vulnerability assessment of wetland based on neural network[J]. Journal of Northeast Normal University: Natural Science Edition, 2011, 43(1): 139-143. [本文引用:1]
[7] 徐广才, 康慕谊, Metzger M, . 锡林郭勒盟生态脆弱性[J]. 生态学报, 2012, 32(5): 1643-1653.
Xu G C, Kang M Y, Metzger M, et al. Ecological vulnerability research for Xilingol League, Northern China[J]. Acta Ecologica Sinica, 2012, 32(5): 1643-1653. [本文引用:1]
[8] 裴欢, 房世峰, 覃志豪, . 干旱区绿洲生态脆弱性评价方法及应用研究——以吐鲁番绿洲为例[J]. 武汉大学学报: 信息科学版, 2013, 38(5): 528-532.
Pei H, Fang S F, Qin Z H, et al. Method and application of ecological environment vulnerability evaluation in arid oasis: A case study of Turpan Oasis, Xinjiang[J]. Geomatics and Information Science of Wuhan University, 2013, 38(5): 528-532. [本文引用:1]
[9] Kia M B, Pirasteh S, Pradhan B, et al. An artificial neural network model for flood simulation using GIS: Johor River Basin, Malaysia[J]. Environment Earth Sciences, 2012, 67(1): 251-264. [本文引用:1]
[10] 孙东琪, 张京祥, 朱传耿, . 中国生态环境质量变化态势及其空间分异分析[J]. 地理学报, 2012, 67(12): 1599-1610.
Sun D Q, Zhang J X, Zhu C G, et al. An assessment of China’s ecological environment quality change and its spatial variation[J]. Acta Geographica Sinica, 2012, 67(12): 1599-1610. [本文引用:1]
[11] 虞继进, 陈雪玲, 陈绍杰. 基于遥感和PSR模型的城市景观生态安全评价——以福建省龙岩市为例[J]. 国土资源遥感, 2013, 25(1): 143-149, doi: DOI: 106046/gtzyyg. 2013. 01. 25.
Yu J J, Chen X L, Chen S J. Urban land scape ecological security assessment based on remote sensing and PSR model: A case study in Longyan City, Fujian Province[J]. Remote Sensing for Land and Resources, 2013, 25(1): 143-149, doi: DOI:10.6046/gtzyyg.2013.01.25. [本文引用:1]
[12] Akgun A, Klncal C, Pradhan B. Application of remote sensing data and GIS for land slide risk assessment as an environmental threat to Izmir City(west Turkey)[J]. Environmental Monitoring and Assessment, 2012, 184(9): 5453-5470. [本文引用:1]
[13] 徐庆勇, 黄玫, 陆佩玲, . 基于RS与GIS的长江三角洲生态环境脆弱性综合评价[J]. 环境科学研究, 2011, 24(1): 58-65.
Xu Q Y, Huang M, Lu P L, et al. Integrated assessment of eco-environmental vulnerability in Yangtze River Delta based on RS and GIS[J]. Research of Environmental Sciences, 2011, 24(1): 58-65. [本文引用:1]
[14] Shao H Y, Liu M, Shao Q F, et al. Research on eco-environmental vulnerability evaluation of the Anning River Basin in the upper reaches of the Yangtze River[J]. Environmental Earth Sciences, 2014, 72(5): 1555-1568. [本文引用:1]
[15] Villa F, McLeod H. Environmental vulnerability indicators for environmental planning and decision-making: Guidelines and applications[J]. Environmental Management, 2002, 29(3): 335-348. [本文引用:1]
[16] Xu Q Y, Huang M, Lu P L, et al. Integrated assessment of eco-environmental vulnerability in Yangtze River Delta based on RS and GIS[J]. Research of Environmental Sciences, 2011, 24(1): 58-65. [本文引用:1]
[17] Bagdanavi&I, Valiūnas J. GIS-based land suitability analysis integrating multi-criteria evaluation for the allocation of potential pollution sources[J]. Environmental Earth Sciences, 2013, 68(6): 1797-1812. [本文引用:1]
[18] Li A N, Wang A S, Liang S L, et al. Eco-environmental vulnerability evaluation in mountainous region using remote sensing and GIS: A case study in the upper reaches of Minjiang River, China[J]. Ecological Modelling, 2006, 192(1/2): 175-187. [本文引用:1]
[19] 徐庆勇, 黄玫, 刘洪升, . 基于RS和GIS的珠江三角洲生态环境脆弱性综合评价[J]. 应用生态学报, 2011, 22(11): 2987-2995.
Xu Q Y, Huang M, Liu H S, et al. Integrated assessment of eco-environmental vulnerability in Pearl River Delta based on RS and GIS[J]. Chinese Journal of Applied Ecology, 2011, 22(11): 2987-2995. [本文引用:1]
[20] Wang S Y, Liu J S, Yang C J. Eco-environmental vulnerability evaluation in the Yellow River Basin, China[J]. Pedosphere, 2008, 18(2): 171-182. [本文引用:1]
[21] 黄方, 刘湘南, 张养贞. GIS支持下的吉林省西部生态环境脆弱态势评价研究[J]. 地理科学, 2003, 23(1): 95-100.
Huang F, Liu X N, Zhang Y Z. GIS-based eco-environmental vulnerability evaluation in west Jilin Province[J]. Scientia Geographica Sinica, 2003, 23(1): 95-100. [本文引用:1]
[22] 蔡海生, 刘木生, 陈美球, . 基于GIS的江西省生态环境脆弱性动态评价[J]. 水土保持通报, 2009, 29(5): 190-196.
Cai H S, Liu M S, Chen M Q, et al. Dynamic evaluation of ecological frangibility of Jiangxi Province based on GIS[J]. Bulletin of Soil and Water Conservation, 2009, 29(5): 190-196. [本文引用:1]