Please wait a minute...
 
自然资源遥感  2025, Vol. 37 Issue (5): 243-253    DOI: 10.6046/zrzyyg.2024316
  技术应用 本期目录 | 过刊浏览 | 高级检索 |
基于RSEI模型的滇西北高山峡谷区生态环境质量动态监测及驱动因子分析
张萍1(), 庞咏1(), 陈庆松1,2, 杨坤1, 邹祖建1, 侯云花1, 王彩琼1, 冯思齐1
1.中国地质调查局昆明自然资源综合调查中心，昆明 650100
2.中国地质学会西南山地生态地质演化与保护修复创新基地，昆明 650100
Dynamic monitoring and driving factor analysis for eco-environmental quality in alpine gorges of northwest Yunnan based on a remote sensing ecological index model
ZHANG Ping1(), PANG Yong1(), CHEN Qingsong1,2, YANG Kun1, ZOU Zujian1, HOU Yunhua1, WANG Caiqiong1, FENG Siqi1
1. Kunming Natural Resources Comprehensive Survey Center of China Geological Survey，Kunming 650100，China
2. Southwest Mountain Ecological Geological Evolution，Conservation and Restoration Innovation Base，Geological Society of China，Kunming 650100，China
全文: PDF(4356 KB)   HTML  
输出: BibTeX | EndNote (RIS)      
摘要 滇西北高山峡谷区是我国重要的生态保护区，区内城市化进程加快，环境问题日益突出。了解其生态环境质量的时空变化情况，对滇西北高山峡谷区生态环境保护和建设具有重要意义。该文选取1990年、1995年、2001年、2008年、2015年和2022年的Landsat TM/OLI遥感影像计算绿度、湿度、干度和热度4个生态指标，构建遥感生态指数（remote sensing ecological index，RSEI），对滇西北高山峡谷区1990—2022年的生态环境质量进行了评价与监测。结果表明：①1990—2022年研究区RSEI均值呈先下降后上升趋势，1995年达到最低值0.450，随后持续上升，由1995年的0.450增加至2022年的0.604；②研究区生态环境质量等级优和良好的面积占比增加了22.03%，差和较差的占比减少了14.49%，主要以改善为主，改善区域占比高达62.42%，生态差的区域主要集中于农耕区、城镇建设区、金沙江沿岸、低海拔植被稀疏区以及鹤庆县坝子的边坡地区，生态优的区域主要分布在高海拔植被茂盛且人类活动干扰少的山地区域；③土地利用类型是影响研究区生态环境质量变化主要驱动因子，高程（X1）∩土地利用（X6）具有最强交互作用，对研究区的生态环境质量影响最大；④黏土区生态质量以差和较差为主，岩浆岩区生态恶化趋势明显，沉积岩区生态质量显著改善，变质岩与杂岩区则保持相对稳定。
服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
张萍
庞咏
陈庆松
杨坤
邹祖建
侯云花
王彩琼
冯思齐
关键词 ： 生态环境质量,  遥感生态指数,  地理探测器,  驱动因子,  滇西北高山峡谷区    
Abstract：

The alpine gorges in northwest Yunnan，important ecological reserves in China，are facing increasingly prominent environmental problems due to accelerated urbanization. Insights into the spatiotemporal changes in eco-environmental quality are of great significance for eco-environmental protection and construction in the alpine gorges of Northwest Yunnan. This study selected Landsat TM/OLI remote sensing images from 1990，1995，2001，2008，2015，and 2022 as the data source to extract four ecological indices：normalized difference vegetation Index （NDVI），wetness （WET），normalized difference bare soil index （NDBSI），and land surface temperature （LST）. Consequently，a remote sensing ecological index （RSEI） was constructed to assess and monitor the eco-environmental quality of the alpine gorges in northwest Yunnan from 1990 to 2022. The results indicate that from 1990 to 2022，the average RSEI in the study area showed a trend of an initial decline followed by an increase. Specifically，the RSEI reached its lowest value of 0.450 in 1995 and then increased continuously from 0.450 in 1995 to 0.604 in 2022. Over this period，the proportion of areas with excellent and good eco-environmental quality increased by 22.03%，while those classified as poor and very poor eco-environmental quality decreased by 14.49%. These variations were predominantly composed of improvements，covering 62.42% of the study area. Spatially，areas with very poor quality were primarily concentrated in agricultural areas，urban construction land，along the Jinsha River，low-altitude areas with sparse vegetation，and the slopes of landform intermontane basins （Bazi） in Heqing County. In contrast，areas with excellent quality were mainly distributed in high-altitude mountainous regions characterized by lush vegetation and minimal human disturbance. Moreover，the land use type was identified as the main driving factor influencing the eco-environmental quality in the study area. The strongest interaction was observed between elevation （X1） and land use （X6），exerting the greatest impacts on eco-environmental quality in the study area. Besides，areas with clay soils were dominated by poor and very poor quality. The magmatic rock areas displayed a clear trend of ecological deterioration，while the sedimentary rock area presented significant improvements. Conversely，the metamorphic and complex rock areas maintained relative stability.
Key words： eco-environmental quality    remote sensing ecological index （RESI）    geodetector    driving factor    alpine gorge in northwest Yunnan
收稿日期: 2024-10-08      出版日期: 2025-10-28
ZTFLH:  TP79  
基金资助:中国地质调查局地质调查项目“三江源及周边地区生态修复综合调查（昆明中心）”(DD20230467);“滇西北高山峡谷区生态修复综合调查”(DD20230483)
通讯作者: 庞 咏（1983-），男，本科，工程师，主要从事测绘工程方面的研究。Email：419821686@qq.com。
作者简介: 张 萍（1996-），女，硕士研究生，从事GIS应用、遥感信息提取与生态遥感研究。Email：2437174233@qq.com。
引用本文:   
张萍, 庞咏, 陈庆松, 杨坤, 邹祖建, 侯云花, 王彩琼, 冯思齐. 基于RSEI模型的滇西北高山峡谷区生态环境质量动态监测及驱动因子分析[J]. 自然资源遥感, 2025, 37(5): 243-253.
ZHANG Ping, PANG Yong, CHEN Qingsong, YANG Kun, ZOU Zujian, HOU Yunhua, WANG Caiqiong, FENG Siqi. Dynamic monitoring and driving factor analysis for eco-environmental quality in alpine gorges of northwest Yunnan based on a remote sensing ecological index model. Remote Sensing for Natural Resources, 2025, 37(5): 243-253.
链接本文:  
https://www.gtzyyg.com/CN/10.6046/zrzyyg.2024316      或      https://www.gtzyyg.com/CN/Y2025/V37/I5/243
Fig.1  研究区位置图
数据类型 数据时期 分辨率/m 数据来源
年均降水量 1990—2022年 1 000 国家地球系统科学数据中心（https://www.geodata.cn）
年均气温 1990—2022年 1 000 国家地球系统科学数据中心（https://www.geodata.cn）
高程 2019年 30 欧洲航天局（European Space Agency，ESA）
坡度 — 30 由DEM提取得到
坡向 — 30 由DEM提取得到
土地利用 1990—2022年 30 https://zenodo.org/
1∶25万
地质图		 — — 云南省测绘资料档案馆（云南省基础地理信息中心）
Tab.1  数据类型及来源
年份 指标 NDVI WET NDBSI LST 特征值 贡献率/%
1990年 PC1 -0.733 019 -0.675 479 0.080 012 -0.002 920 0.017 3 76.24
PC2 -0.268 505 0.183 089 -0.904 060 0.277 595 0.003 9 17.05
PC3 0.622 254 -0.713 416 -0.321 146 0.026 516 0.001 4 6.11
PC4 0.058 204 -0.035 280 0.270 440 0.960 328 0.000 1 0.60
1995年 PC1 -0.693 931 -0.704 739 0.143 292 -0.035 632 0.019 4 65.37
PC2 -0.251 984 0.124 664 -0.389 030 0.877 279 0.005 9 19.79
PC3 0.626 182 -0.691 483 -0.336 319 0.128 981 0.003 6 12.25
PC4 0.250 717 -0.098 249 0.845 584 0.460 951 0.000 8 2.59
2001年 PC1 -0.716 393 -0.691 728 0.088 302 0.022 252 0.015 9 77.99
PC2 -0.271 631 0.178 840 -0.886 031 0.330 426 0.003 2 15.70
PC3 0.638 512 -0.699 655 -0.315 282 0.058 156 0.001 1 5.52
PC4 0.072 801 -0.003 198 0.328 250 0.941 776 0.000 2 0.79
2008年 PC1 0.621 550 0.463 497 -0.630 783 -0.030 969 0.020 7 66.68
PC2 0.257 623 -0.146 374 0.099 662 0.949 880 0.006 0 19.23
PC3 -0.530 956 -0.318 177 -0.765 585 0.175 300 0.003 8 12.29
PC4 -0.515 162 0.813 946 0.077 846 0.256 980 0.000 6 1.80
2015年 PC1 0.624 463 0.641 042 -0.443 251 0.051 381 0.020 8 65.23
PC2 0.177 633 -0.089 233 0.231 590 0.952 287 0.007 4 23.14
PC3 -0.473 379 -0.132 025 -0.825 767 0.276 751 0.003 4 10.57
PC4 -0.595 319 0.750 781 0.260 776 0.117 979 0.000 3 1.06
2022年 PC1 0.707 173 0.407 722 -0.577 196 0.022 692 0.019 9 68.28
PC2 0.155 665 -0.032 550 0.205 687 0.965 609 0.005 8 19.96
PC3 -0.522 730 -0.220 301 -0.786 452 0.244 367 0.003 2 11.09
PC4 -0.449 921 0.885 534 0.077 664 0.085 839 0.000 2 0.67
Tab.2  不同年份各生态指标主成分载荷值与贡献率
Fig.2  1990—2022年单一指标与RSEI的均值
RSEI 1990年 1995年 2001年 2008年 2015年 2022年
面积/km2 占比/% 面积/km2 占比/% 面积/km2 占比/% 面积/km2 占比/% 面积/km2 占比/%/ 面积/km2 占比/%
差 1 449.33 14.75 1 726.05 17.57 1 313.17 13.37 852.63 8.68 880.38 8.96 825.95 8.41
较差 2 274.26 23.15 2 340.74 23.83 2 121.28 21.60 1 792.07 18.24 1 923.64 19.58 1 474.42 15.01
中等 2 391.87 24.35 2 733.98 27.83 2 437.65 24.82 2 369.45 24.12 2 359.77 24.02 1 651.31 16.81
良好 2 367.18 24.10 2 428.64 24.72 2 838.56 28.90 3 243.93 33.02 2 970.30 30.24 3 205.67 32.63
优 1 340.19 13.64 593.43 6.04 1 112.18 11.32 1 564.75 15.93 1 688.75 17.19 2 665.49 27.14
Tab.3  1990—2022年研究区不同生态环境质量等级面积和占比统计
Fig.3  1990—2022年研究区生态环境质量等级分布
时间 类别 情况 级差 级面积/km2 占比/% 类面积/km2 占比/%
1990—1995年 变差 显著变差 -3 374.94 3.82 4 502.79 45.84
明显变差 -2 1 189.09 12.11
略微变差 -1 2 938.76 29.92
不变 无明显变化 0 3 292.22 33.52 3 292.22 33.52
变好 略微变好 1 1 356.62 13.81 2 027.83 20.64
明显变好 2 480.61 4.89
显著变好 3 190.60 1.94
时间 类别 情况 级差 级面积/km2 占比/% 类面积/km2 占比/%
1995—2001年 变差 显著变差 -3 215.70 2.20 1 787.01 18.19
明显变差 -2 492.72 5.02
略微变差 -1 1 078.59 10.98
不变 无明显变化 0 2 975.98 30.30 2 975.98 30.30
变好 略微变好 1 3 188.69 32.46 5 059.85 51.51
明显变好 2 1 576.49 16.05
显著变好 3 294.67 3.00
2001—2008年 变差 显著变差 -3 106.47 1.08 2 060.14 20.97
明显变差 -2 466.05 4.74
略微变差 -1 1 487.62 15.14
不变 无明显变化 0 2 888.91 29.41 2 888.91 29.41
变好 略微变好 1 2 846.38 28.98 4 873.79 49.62
明显变好 2 1 621.02 16.50
显著变好 3 406.40 4.14
2008—2015年 变差 显著变差 -3 153.69 1.56 2 328.07 23.70
明显变差 -2 422.85 4.30
略微变差 -1 1 751.52 17.83
不变 无明显变化 0 5 000.81 50.91 5 000.81 50.91
变好 略微变好 1 2 120.45 21.59 2 493.96 25.39
明显变好 2 326.11 3.32
显著变好 3 47.40 0.48
2015—2022年 变差 显著变差 -3 100.56 1.02 1 299.58 13.23
明显变差 -2 290.16 2.95
略微变差 -1 908.86 9.25
不变 无明显变化 0 3 108.71 31.65 3 108.71 31.65
变好 略微变好 1 3 887.83 39.58 5 414.54 55.12
明显变好 2 1 417.94 14.44
显著变好 3 108.77 1.11
Tab.4  研究区各时期生态环境质量变化统计表
Fig.4  1990—2022年滇西北高山峡谷区RSEI变化监测
驱动因子 1990年 1995年 2001年 2008年 2015年 2022年 1990—2022
年平均值
q 排序 q 排序 q 排序 q 排序 q 排序 q 排序 q 排序
高程 0.125 8 3 0.113 7 2 0.088 8 3 0.166 7 3 0.197 6 3 0.236 5 2 0.154 9 2
坡度 0.129 3 2 0.064 5 5 0.120 6 2 0.131 3 5 0.146 0 5 0.184 6 4 0.129 4 5
坡向 0.085 7 6 0.105 0 4 0.086 6 4 0.197 7 2 0.218 9 2 0.132 8 6 0.137 8 4
气温 0.120 2 4 0.109 9 3 0.074 4 5 0.141 7 4 0.180 5 4 0.202 2 3 0.138 2 3
降水 0.016 8 7 0.011 7 7 0.017 9 7 0.017 3 7 0.041 8 7 0.038 0 7 0.023 9 7
土地利用 0.398 5 1 0.339 4 1 0.387 9 1 0.486 5 1 0.470 5 1 0.555 4 1 0.439 7 1
岩性 0.086 6 5 0.035 8 6 0.070 7 6 0.083 7 6 0.102 4 6 0.156 8 5 0.089 3 6
Tab.5  研究区各时期因子探测结果
Fig.5  因子交互探测结果
Fig.6  不同年份不同地层单元的生态环境质量空间分布情况
岩性 恶化 不变 改善
黏土 19.24 10.17 6.32
岩浆岩 24.24 19.17 18.46
沉积岩 40.61 49.75 62.47
变质岩 12.83 17.77 9.70
杂岩 1.86 2.48 2.88
Tab.6  1990—2022年研究区不同岩性生态环境质量变化情况
地层单元 恶化 不变 改善
新生界 第四系 19.22 10.16 6.33
新近系 0.05 0.07 0.08
古近系 18.90 17.58 10.32
中生界 白垩系 0.22 0.16 0.34
三叠系 15.63 24.31 42.93
古生界 二叠系 19.30 14.78 17.10
石炭系 0.86 1.16 0.94
泥盆系 2.72 3.29 4.01
志留系 0.51 0.64 0.77
奥陶系 0.53 0.56 0.37
新元古界 5.16 6.55 4.13
古元古界 7.37 10.86 5.36
Tab.7  1990—2022年研究区不同地层单元生态环境质量变化情况
[1] 徐燕, 周华荣. 初论我国生态环境质量评价研究进展[J]. 干旱区地理, 2003, 26(2):166-172.
Xu Y, Zhou H R. Preliminary discussion on the research progress of ecological environment quality assessment in China[J]. Arid Land Geography, 2003, 26(2):166-172.
[2] 田佳良. 区域生态环境质量评价研究综述[J]. 环境保护与循环经济, 2013, 33(11):63-66.
Tian J L. A review of research on regional ecological environment quality assessment[J]. Environmental Protection and Circular Economy, 2013, 33 (11):63-66.
[3] Geng J W, Yu K Y, Xie Z, et al. Analysis of spatio-temporal variation and drivers of ecological quality in Fuzhou based on RSEI[J]. Remote Sensing, 2022, 14(19):4900.
[4] 潘明慧, 袁轶男, 王亚蕾, 等. 基于 RSEI 的福州旗山国家森林公园生态环境质量变化研究[J]. 山东农业大学学报(自然科学版), 2020, 51(1):57-63.
Pan M H, Yuan Y N, Wang Y L, et al. Research on the changes in ecological environment quality of Qishan National Forest Park in Fuzhou based on RSEI[J]. Journal of Shandong Agricultural University(Natural Science Edition), 2020, 51 (1):57-63.
[5] 范雅慧, 刘英, 衡文静, 等. 基于遥感生态指数的神东矿区 1990—2022 年煤炭开采对生态环境的影响分析[J]. 绿色矿山, 2024, 2(1):41-53.
Fan Y H, Liu Y, Heng W J, et al. Analysis of the impact of coal mining on the ecological environment in Shendong mining area from 1990 to 2022 based on remote sensing ecological index[J]. Journal of Green Mine, 2024, 2 (1):41-53.
[6] Jing Y, Zhang F, He Y, 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.
[7] 杨泽康, 田佳, 李万源, 等. 黄河流域生态环境质量时空格局与演变趋势[J]. 生态学报, 2021, 41(19):7627-7636.
Yang Z K, Tian J, Li W Y, et al. The spatiotemporal pattern and evolution trend of ecological environment quality in the Yellow River basin[J]. Acta Ecologica Sinica, 2021, 41 (19):7627-7636.
[8] 李应鑫, 李石华, 彭双云. 云南省九大高原湖泊流域 NDVI 时空演变及其与气候的响应关系[J]. 水土保持研究, 2020, 27(4):192-200.
Li Y X, Li S H, Peng S Y. The spatiotemporal evolution of NDVI in the nine major plateau lake basins in Yunnan Province and its res-ponse to climate[J]. Research of Soil and Water Conservation, 2020, 27 (4):192-200.
[9] 温旭丁, 罗赵慧, 符良刚. 气候与土地利用变化对粤港澳大湾区增强型植被指数时空变化影响[J]. 生态科学, 2023, 42(6):222-232.
Wen X D, Luo Z H, Fu L G. The impact of climate and land use change on the spatiotemporal changes of enhanced vegetation index in the Guangdong Hong Kong Macao Greater Bay Area[J]. Ecological Science, 2023, 42 (6):222-232.
[10] 伍明飞, 林杰. 基于 Landsat 影像的杭州市主城区地表温度和热岛效应研究[J]. 科学技术与工程, 2022, 22(24):10812-10817.
Wu M F, Lin J. Research on surface temperature and heat island effect in the main urban area of Hangzhou City based on landsat images[J]. Science Technology and Engineering, 2022, 22 (24):10812-10817.
[11] 徐尚昭, 陈斌, 周阳阳, 等. 矿区植被覆盖度时空变化遥感监测研究——以广东省大宝山矿区为例[J]. 安徽农业科学, 2023, 51(5):46-50.
Xu S Z, Chen B, Zhou Y Y, et al. Research on remote sensing monitoring of spatiotemporal changes in vegetation coverage in mining areas:A case study of Dabaoshan mining area in Guangdong Province[J]. Journal of Anhui Agricultural Sciences, 2023, 51 (5):46-50.
[12] 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. Creation and application of urban remote sensing ecological index[J]. Acta Ecologica Sinica, 2013, 33 (24):7853-7862.
[13] 程琳琳, 王振威, 田素锋, 等. 基于改进的遥感生态指数的北京市门头沟区生态环境质量评价[J]. 生态学杂志, 2021, 40(4):1177-1185.
Cheng L L, Wang Z W, Tian S F, et al. Ecological environment quality evaluation of Mentougou District,Beijing based on improved remote sensing ecological index[J]. Chinese Journal of Ecology, 2021, 40 (4):1177-1185.
[14] Liu Q, Yu F H, Mu X M. Evaluation of the ecological environment quality of the Kuye River source basin using the remote sensing eco-logical index[J]. International Journal of Environmental Research and Public Health, 2022, 19(19):12500.
[15] Baig M H A, Zhang L F, Shuai T, et al. Derivation of atasselled cap transformation based on Landsat-8 satellite reflectance[J]. Remote Sensing Letters, 2014, 5(5):423-431.
[16] Crist E P. A TM tasseled cap equivalent transformationfor reflectance factor data[J]. Remote Sensing of Environment, 1985, 17(3):301-306.
[17] 林雪, 季建万, 沙晋明. 大田县近22a环境变化遥感监测研究[J]. 福建师范大学学报(自然科学版), 2018, 34(5):24-31.
Lin X, Ji J W, Sha J M. Research on remote sensing monitoring of environmental changes in Datian County over the past 22 years[J]. Journal of Fujian Normal University(Natural Science Edition), 2018, 34 (5):24-31.
[18] 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):91-97,294.
Xu H Q. Remote sensing assessment of ecological changes in soil erosion areas[J]. Transactions of the Chinese Society of Agricultural Engineering, 2013, 29 (7):91-97,294.
[19] Janet N. Remote sensing of urban heat island by day and night[J]. Photogrammetric Engineering and Remote Sensing, 2005, 71(5):613-621.
[20] Chander G, Markham B L, Helder D L. Summary of current radiometric calibration coefficients for Landsat MSS,TM,ETM+,and EO-1 ALI sensors[J]. Remote Sensing of Environment, 2009, 113(5):893-903.
[21] Yu X, Guo X, Wu Z. Land surface temperature retrieval from Landsat 8 TIRS-comparison between radiative transfer equation-based method,split window algorithm and single channel method[J]. Remote Sensing, 2014, 6(10):9829-9852.
[22] Sobrino J A, Jimenez-munoz J C, Paolini L. Land surface retrieval from Landsat TM5[J]. Remote Sensing of Environment, 2004, 90(4):434-440.
[23] 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.
doi: 10.11821/dlxb201701010
Wang J F, Xu C D. Geographic detector:Principles and prospects[J]. Acta Geographica Sinica, 2017, 72 (1):116-134.
[24] 中华人民共和国环境保护部. 生态环境状况评价技术规范:HJ 192—2015[S]. 北京: 中国环境科学出版社, 2015.
Ministry of Environmental Protection of the People’s Republic of China. Technical specification for ecological environment assessment:HJ 192—2015[S]. Beijing: China Environmental Science Press, 2015.
[1] 许颖, 张润泽, 郭兵. 2000—2020年中国植被时空变化格局及其对气候作用的滞后响应分析[J]. 自然资源遥感, 2025, 37(5): 254-266.
[2] 邢笑天, 王琪, 赵佳俊, 刘浦东, 张靖苑. 耦合InVEST—PLUS模型的济南都市圈土地利用及碳储量变化研究[J]. 自然资源遥感, 2025, 37(4): 118-130.
[3] 马卯楠, 常亮, 于国强, 周建伟, 韩海辉, 张群慧, 陈霄燕, 杜超. 1980—2020年格尔木河流域土地利用时空变化及驱动因子分析[J]. 自然资源遥感, 2025, 37(4): 184-193.
[4] 汪媛媛, 臧协超, 许伟伟, 阳昌霞, 金洋, 任静华, 贺新星. 基于SRP的长江经济带江苏段生态脆弱性评价与分析[J]. 自然资源遥感, 2025, 37(3): 170-182.
[5] 孙娅琴, 邸宝刚, 邢宇, 安娜, 张仙. 长江经济带湖北段废弃露天矿山生态修复遥感动态监测和生态修复效果评价[J]. 自然资源遥感, 2025, 37(3): 32-44.
[6] 林欣源, 程扬健, 谢伟, 李传庆, 聂闻. 基于Google Earth Engine的不同开采模式下矿区土地利用变化生态环境效应[J]. 自然资源遥感, 2025, 37(3): 54-64.
[7] 张静, 胡晓佳, 王威, 陈东磊, 黄旭红, 杨俊泉. 张北地区自然资源及生态状况综合评价与分析[J]. 自然资源遥感, 2025, 37(2): 164-172.
[8] 奥勇, 汪雅, 王晓峰, 吴京盛, 张亦恒, 李雪娇. 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.
[9] 鲁军景, 孙雷刚, 左璐, 刘剑锋, 马晓倩, 郝庆涛. 基于京津冀功能分区的植被覆盖度时空演变特征及其影响因子[J]. 自然资源遥感, 2024, 36(4): 242-253.
[10] 赵海溶, 莫宏伟. 湖南省植被碳汇动态及其自然驱动因子分析[J]. 自然资源遥感, 2024, 36(4): 304-313.
[11] 赖仕久, 胡晋山, 康建荣, 王小兵. 煤炭资源型区域生态环境演变研究——以山西省为例[J]. 自然资源遥感, 2024, 36(4): 62-74.
[12] 苏悦, 刘洪, 杨武年, 欧阳渊, 张景华, 张腾蛟, 黄勇. 高原山地区域生态脆弱性研究——以四川省康定市为例[J]. 自然资源遥感, 2024, 36(3): 206-215.
[13] 潘金胤, 王世东, 范沁河. 基于遥感绿色指数的城市生态环境质量评价研究——以南京市为例[J]. 自然资源遥感, 2024, 36(3): 88-95.
[14] 袁娜, 刘绥华, 胡海涛, 尹霞, 宋善海. 黔东南稳定林地地表反照率时空变化与影响因子分析[J]. 自然资源遥感, 2024, 36(1): 200-209.
[15] 吴冰洁, 文广超, 赵梅娟, 谢洪波, 冯雅杰, 贾琳. 基于Landsat的巴音河流域生态环境综合演化分析[J]. 自然资源遥感, 2024, 36(1): 227-234.
Viewed
Full text


Abstract

Cited
  Shared   
  Discussed   
京ICP备05055290号-2
版权所有 © 2015 《自然资源遥感》编辑部
地址:北京学院路31号中国国土资源航空物探遥感中心 邮编：100083
电话:010-62060291/62060292 E-mail:zrzyyg@163.com
本系统由北京玛格泰克科技发展有限公司设计开发