自然资源遥感, 2024, 36(1): 179-188 doi: 10.6046/zrzyyg.2022375

技术应用

2010—2019年间洞庭湖流域生态环境状况时空动态特征及影响因素

李世杰,, 冯徽徽,, 王珍, 杨卓琳, 王姝

中南大学地球科学与信息物理学院,长沙 410083

Ecological environment in the Dongting Lake basin over the past decade: Spatio-temporal dynamic characteristics and their influencing factors from 2010 to 2019

LI Shijie,, FENG Huihui,, WANG Zhen, YANG Zhuolin, WANG Shu

School of Earth Science and Information Physics, Central South University, Changsha 410083, China

通讯作者: 冯徽徽(1986-),男,博士,副教授,主要从事资源环境遥感与可持续发展方面研究。E-mail:hhfeng@csu.edu.cn。

责任编辑: 陈昊旻

收稿日期: 2022-09-19   修回日期: 2023-03-21  

基金资助: 国家自然科学基金项目“土地利用/覆盖变化(LUCC)
湖南省自然科学基金优秀青年项目“土地利用/覆盖变化(LUCC)的生态环境响应”(2020JJ3045)

Received: 2022-09-19   Revised: 2023-03-21  

作者简介 About authors

李世杰(1997-),男,硕士研究生,主要从事资源与环境方面研究。Email: 215012190@csu.edu.cn。

摘要

洞庭湖流域是长江中下游重要生态区,开展其生态环境状况定量监测与评价是进行区域生态保护、修复及治理的先决条件。该文采用2010—2019年MODIS遥感数据产品,基于绿度、湿度、干度和热度4个生态指标构建了洞庭湖流域遥感生态环境指数(remote sensing ecological index,RSEI),并在此基础上研究了流域生态环境状况时空动态特征及其影响因素。结果表明: ①2010—2019年洞庭湖流域绿度指标呈增长趋势,湿度指标呈下降趋势,而干度和热度指标变化较为平稳; ②洞庭湖流域整体生态环境状况较好,RSEI多年均值为0.58,并呈波动增长,空间上则表现为西部优于东部、四周优于中部的分布格局; ③降水、气温、高程以及土地覆盖与RSEI均具有较强相关性。其中,林地RSEI(0.65)最高,建筑用地RSEI(0.31)最低; 在流域2种主要土地转化类型中(草地→林地、耕地→草地),“草地→林地”转化有助于促进区域生态环境(ΔRSEI=0.002 5,贡献率为46.3%),而后者则有可能导致生态环境恶化(ΔRSEI=-0.000 4,贡献率为44.44%)。研究结果有助于深刻把握流域生态环境时空特征及其内在驱动机制,辅助开展科学的土地规划与生态环境治理,因而具有较强的理论与实践意义。

关键词： 遥感生态环境指数; MODIS数据; 土地利用/覆盖变化; 洞庭湖流域

Abstract

Since the Dongting Lake basin is a significant ecological zone in the middle and lower reaches of the Yangtze River, quantitative monitoring and evaluation of its ecological environment serve as a prerequisite for regional ecological conservation, restoration, and governance. Using MODIS products involving 2010—2019 remote sensing data, this study constructed the remote sensing ecological index (RSEI) for the Dongting Lake basin based on four ecological indices: greenness, humidity, dryness, and heat. Furthermore, this study explored the spatio-temporal dynamic characteristics of the ecological environment in the basin and their influencing factors. The results show that: ① From 2010 to 2019, the Dongting Lake basin exhibited an elevated greenness index, a reduced humidity index, and relatively stable dryness and heat indices; ② The ecological environment of the Dongting Lake basin was generally satisfactory, with a mean annual RSEI of 0.58, indicating a fluctuating growth. In terms of spatial distribution, the ecological environment in the western and surrounding areas was superior to that in the eastern and central areas; ③ There were strong correlations between RSEI and precipitation, air temperature, elevation, and land cover. The RSEI was the highest (0.65) for forest land and the lowest (0.31) for construction land. As for the two primary land conversion types (grassland → forest land, arable land → grassland) in the basin, the former type could improve the regional ecological environment (ΔRSEI=0.002 5, a contribution rate of 46.3%), whereas the latter type might lead to ecological environment deterioration (ΔRSEI=-0.000 4, contribution rate: 44.44%). The results of this study, assisting in deeply understanding the spatio-temporal characteristics of the ecological environment in the basin and their internal driving mechanisms and facilitating scientific land planning and ecological environment governance, hold critical theoretical and practical significance.

Keywords： remote sensing ecological index; MODIS data; land use/cover change; Dongting Lake basin

PDF (8795KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

李世杰, 冯徽徽, 王珍, 杨卓琳, 王姝. 2010—2019年间洞庭湖流域生态环境状况时空动态特征及影响因素[J]. 自然资源遥感, 2024, 36(1): 179-188 doi:10.6046/zrzyyg.2022375

LI Shijie, FENG Huihui, WANG Zhen, YANG Zhuolin, WANG Shu. Ecological environment in the Dongting Lake basin over the past decade: Spatio-temporal dynamic characteristics and their influencing factors from 2010 to 2019[J]. Remote Sensing for Land & Resources, 2024, 36(1): 179-188 doi:10.6046/zrzyyg.2022375

0 引言

生态环境是人类生存生活的重要基础。近年来,全球气候变化不断加剧,加之不同国家与区域城市化进程等土地开发利用活动日益剧烈,经济发展、资源利用、环境污染三者之间的矛盾愈发严重,对区域生态环境产生显著影响。在此背景下,开展区域生态环境精准监测与评估成为准确把握区域生态环境状况、辅助开展相关治理与规划的重要前提[1]。

生态环境状况是由多角度、多方面、多层次因素构成的复杂系统,须对其逐层分解进而开展综合定量评价[2]。作为对区域生态环境状况优劣程度判断的依据,国内外相关学者对此进行了大量研究。如生态足迹法、层次分析法和指标评价法等。Miao等[3]基于生态足迹方法测算安徽省生态足迹、生态环境承载力、生态赤字和生态盈余,以此评估生态环境的协调发展状态; 邵波等[4]基于层次分析方法构建了甘肃省生态环境质量综合评价指标体系并对生态环境进行综合全面的评价; 叶亚平等[5]和厉彦玲等[6]构建出生态环境质量综合评价系统,用于定量评价我国区域的生态环境状况。上述指标体系虽然能客观评价生态环境状况,然而由于缺乏统一标准,只能用于生态环境相对优劣程度的监测[5]。为此,国家环境保护部提出基于遥感数据与统计数据的生态指数(ecological index,EI)开展评价区域生态环境状况及变化趋势[7-8],规范了我国生态环境状况及变化趋势的标准指标评价体系及计算方法,在生态环境监测中得到广泛应用。然而,该指数是运用权重叠加等统计方法计算出的笼统数值,权重确定与指标获取等主观性较强,不利于开展流域等中、大尺度区域的研究。为此,国内学者[9⇓-11]从遥感和地理信息技术的角度提出了EI的改进模型。其中遥感生态环境指数(remote sensing ecological index,RSEI)基于遥感监测手段耦合人类所能切实感知生态环境优劣的指标[12],在区域生态环境监测与评价中得到了研究学者与管理部门的广泛重视。

洞庭湖流域是长江中下游重要生态区,其生态环境状况不仅对于本地区生态系统安全与社会经济发展具有重要作用,同时也对长江中下游其他地区生态安全产生重要影响。因此,如何科学准确地评价洞庭湖流域生态环境状况及其影响因素对于区域生态保护与规划具有重要作用。针对上述问题,本文采用长时序遥感数据,基于RSEI定量评估洞庭湖流域生态环境时空特征,定量解析自然因素与土地利用与覆盖变化(land use and cover change,LUCC)的影响方式与贡献率,以期为理解区域生态环境演化特征、指导生态环境治理提供科学依据[13]。

1 研究区概况与数据源

1.1 研究区概况

洞庭湖流域介于N24°38'~30°24',E107°16'~114°15'之间,总面积约为26.13万km2,覆盖范围包括湖南大部分区域以及湖南周边省份局部区域[14]。流域自西向东分别为山地、丘陵、盆地、平原,总体表现为“西高东低”的地势特点,呈“阶梯状”分布特征(图1)。流域土地利用类型以林地和耕地为主。作为国家级生态经济区以及长江中游绿色发展示范创建区[15],开展洞庭湖流域的生态环境状况变化及其影响因素研究,对于国家其他地区生态环境状况评估具有较强的借鉴与示范作用。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1   洞庭湖流域概况

Fig.1   General situation of Dongting Lake basin


1.2 数据来源

本文采用MODIS系列数据包括2010—2019年植被生长季(7—9月)地表反射率产品(MOD09A1)、植被指数产品(MOD13A3)、陆地表面温度产品(MOD11A2)和土地覆盖类型三级数据产品(MCD12Q1)。上述数据均来源于美国国家航空航天局(https://search.earthdata.nasa.gov/search)。利用MRT软件对同时期3幅影像进行镶嵌、裁剪、投影变换等操作并将空间分辨率统一重采样至1 km。气象数据包括降水与气温数据,降水数据来源于国家地球系统科学数据中心(http://www.geodata.cn/)1901—2020年中国逐月降水量数据集,降水量单位为0.1 mm。气温数据采用国家青藏高原科学数据中心(http://data.tpdc.ac.cn/zh-hans/)中国逐月平均气温数据集(1901—2020年)。数字高程模型(digital elevation model,DEM)数据主要用于洞庭湖流域地形与RSEI之间相关性研究,来源于地理空间数据云(http://www.gscloud.cn/search),空间分辨率为30 m。

2 研究方法

根据徐涵秋[12]构建的RSEI,基于MODIS数据获取4个独立生态指标: 绿度,采用归一化植被指数(normalized difference vegetation index,NDVI)计算; 湿度,使用湿度指数(WET)计算; 干度,使用基于MODIS的归一化建筑-裸土指数(normalized difference built-up and soil index,NDSI)计算; 热度,使用地表温度(land surface temperature,LST)计算,综合各指数所涵盖的生态意义定量评价流域范围生态环境状况:

RSEI=fNDVI,WET,NDSI,LST，

式中,NDVI,WET,NDSI和LST分别为RSEI中绿度、湿度、干度、热度的4个计算指标。

2.1 绿度指标

NDVI用于表征植被生长状况及覆盖程度,与植被生物量之间常呈良好的正相关关系,是直接衡量区域绿度的重要指标[16]。采用基于像素的最邻近算法合成了2010—2019年洞庭湖流域的逐年NDVI序列并通过了一致性检查[17]。其表达式为:

NDVI=ρ2-ρ1ρ2+ρ1，

式中: ρ1,ρ2分别为MODIS数据中所对应第1(红光)、第2(近红外)波段的地表反射率。

2.2 湿度指标

缨帽变换得到的湿度分量与地面水分条件密切相关,可用来研究植被、土壤和水体的湿度状况[18]。本文参考相关学者提出的基于MODIS数据的缨帽变换开展湿度指标计算[19],公式如下:

WET=0.114 7ρ1+0.248 9ρ2+0.240 8ρ3+0.313 2ρ4-0.312 2ρ5-0.641 6ρ6-0.508 7ρ7，

式中: ρi(i=1,2,…,7)分别为MOIDS数据各波段地表反射率。

2.3 干度指标

充分考虑裸土指数和建筑指数对生态干度状态的表达,结合新型的MODIS建筑指数和MODIS裸土指数计算平均值构建基于MODIS的干度指数NDSI[20]。

NDBIM=ρ1-ρ4ρ1+ρ4，
BSIM=(ρ1+ρ6)-(ρ2+ρ3)(ρ1+ρ6)+(ρ2+ρ3)，
NDSI=NDBIM+BSIM2，

式中: NDBIM和BSIM分别为MODIS建筑指数和MODIS裸土指数; ρ1,ρ2,ρ3,ρ4,ρ6分别为MODIS数据各波段地表反射率。

2.4 热度指标

LST是气候变化的重要表现形式,也是驱使生态环境变化的重要因素。本研究直接采用MOD11A2地表温度数据产品,并将其转换为摄氏度用于提取研究区的地表温度空间分布状况。

LST=0.02DN-273.15，

式中: DN为MODIS地表温度数据产品的像元灰度值。

2.5 遥感生态指数RSEI构建

基于NDVI,WET,NDSI和LST指标,进一步采用主成分分析方法构建遥感生态指标。为了消除不同指标的量纲对结果的影响,在计算主成分之前,对各个指标进行标准化处理,使指标值压缩在[0,1]之间,公式如下:

Xnom=X-XminXmax-Xmin，

式中: Xnom为指标标准化结果; Xmin为指标最小值; Xmax为指标最大值。

将计算得到的初始遥感生态环境指数(RSEI0)进行标准化处理,以便实现同量纲的对比分析[21-22]。公式如下:

RSEI=RSEI0-RSEIminRSEImax-RSEImin，

式中: RSEImin为RSEI最小值,RSEImax为RSEI最大值。

2.6 相关性分析

为探究RSEI与各影响因素之间的相关性,采用皮尔逊相关系数r计算。公式如下:

r=cov(X,Y)σXσY=∑i=1n(Xi-X¯)(Yi-Y¯)∑i=1n(Xi-X¯)2　∑i=1n(Yi-Y¯)2　，

式中: cov(X,Y),σX和σY分别为估算样本的协方差和标准差; i为样本序号; n为样本数量。

2.7 土地利用变化轨迹

本研究引入“土地利用变化轨迹”定量解析LUCC对生态环境的影响。其基本思路是: 基于多期土地利用分类数据,以土地利用未变区域生态环境变化量作为自然因素变化贡献率,在其他土地利用变化区域中剔除该分量的影响,定量区分LUCC对生态环境的贡献率。该方法以其客观准确、易于实现的特点在生态环境成因解析中得到了广泛应用[23-24]。不同土地利用变化轨迹计算方法如下:

Trac=∑j=abCli×10(b-j)，

式中: Cli为i年的土地利用分类数据; a为起始年份; b为结束年份。基于上述公式可生成一系列轨迹编码,每个编码包含2层含义: 一方面,它描述了不同土地类型的转化过程; 另一方面,它还反映了变化发生的年份,如对于编号2222221的轨迹,反映了从“草地→林地”的变化过程,且发生变化的年份在最后一年。

2.8 土地利用变化贡献的定量评估方法

根据得到的土地利用变化轨迹Trac,计算研究时间阶段内各类型土地利用变化轨迹Trac所对应的单位RSEI变化平均值RSEIxy和用地类型未发生变化轨迹对应的单位RSEI变化平均值RSEIxx。公式如下:

RSEIxy=∑m=1kStrac,m·RSEItrac,mSxy，
CON=RSEIxy-RSEIxx，
Z=CONCON+RSEIxx，

式中: 将用地类型由x转变为y的区域的土地利用转化轨迹Trac标记为轨迹Txy; k为轨迹Txy的总条数; Sxy和Strac,m分别为所有轨迹Txy对应区域的总面积和其第m条轨迹Txy对应区域的面积; RSEItrac,m为第i条轨迹Txy对应区域上的单位RSEI变化平均值; CON为土地利用变化对RSEI的贡献值; Z为土地利用对净辐射的贡献率。

3 结果与分析

3.1 各指标时空变化特征及对流域生态环境的影响

计算洞庭湖流域2010—2019年10 a间各生态指标年均值,结果如图2所示。由图可知,洞庭湖流域植被生长季NDVI总体呈现波动增长趋势(p<0.01)。湿度指标总体呈现波动下降趋势(p<0.01)。2013年,上述指标均出现研究期内最低值,主要原因可能是因为2013年作为洞庭湖流域夏季典型旱年,降雨匮乏,严重影响植被的生长发育,导致植被生物量显著降低。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2   生态指标年际变化趋势

Fig.2   Interannual variation trend of indicators


空间上(图3),NDVI总体呈现出“西高东低”阶梯式分布特点,高植被覆盖区主要集中在西部山区以及在流域东部沿山脉分布[25]。湘中盆地以及北部洞庭湖平原地势较为平坦、人口密度大,植被较稀疏[26]。北部洞庭湖平原、西部山区和流域内主要水系覆盖区域,湿度明显较高,而湘中盆地城市区域湿度则相对较低。NDSI是反映区域建筑用地面积和未利用地面积的综合指标,其空间特征与城市空间分布较一致。LST在城市化较快、建筑物分布密集区域的值明显更高。利用主成分分析统计方法构建RSEI,定量分析不同指标对流域生态系统质量的贡献特征。从表1可以看出,各年份第一主成分(PC1)方差贡献率均大于70%,其中2013年方差贡献率达到84.63%,表明PC1综合了4个生态指标的主要特征信息。进一步分析表明,NDVI与WET对PC1贡献为正数,而NDSI和LST则为负数[27]。从其贡献程度上,NDVI和LST对PC1贡献率相对较大[28]。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3   生态指标空间分布特征

Fig.3   Spatial distribution characteristics of ecological indicators


表1   主成分分析结果

Tab.1  Principal component analysis results

指标2010年2011年2012年2013年2014年2015年2016年2017年2018年2019年
NDVI0.4900.5200.7000.5500.6400.7100.7500.6100.6600.580
WET0.0680.0950.0560.0520.0680.0410.0540.0530.0660.088
NDSI-0.200-0.150-0.097-0.059-0.150-0.029-0.031-0.085-0.022-0.099
LST-0.840-0.840-0.700-0.830-0.750-0.700-0.650-0.790-0.750-0.800
特征值0.0090.0090.0060.0090.0050.0050.0060.0080.0070.009
方差贡献率/%77.70081.10076.80084.60073.50078.30082.80080.80081.80082.800

新窗口打开| 下载CSV


3.2 洞庭湖流域生态环境状况时空特征

基于上述指标,定量评价2010—2019年洞庭湖流域生态环境状况。结果表明,洞庭湖流域生态环境总体状况良好,RSEI多年均值为0.58,并呈波动增长态势(p<0.01)(图4)。此外,不同阶段变化特征差异较大。2013年RSEI最低(0.54),主要原因是由于2013年的全局性干旱严重影响了该区域生态环境状况。随后,流域RSEI出现较强上升趋势,2016年到达峰值(0.62)。2016年以后RSEI下降,主要原因可能是研究区气候变化以及经济驱动下的城市扩张导致生态环境面临新一轮压力。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4   RSEI年际变化趋势

Fig.4   Interannual variation trend of RSEI


根据RSEI值将区域生态环境状况划分为差[0,0.2)、较差[0.2,0.4)、良好[0.4,0.6)、较优[0.6,0.8)、优[0.8,1][27],从表2和图5可以看出,其中生态状况等级为良好和较优所占比重最大(>85%)。多年平均统计结果表明(图5(a)),生态状况较优区域主要分布在西部武夷山区与雪峰山区、东部罗霄山脉,以及南部南岭山区,该地区植被覆盖度较高,土地利用类型以林地为主,人口密集程度相对较低,受人类活动影响小[29]。生态状况良好区域集中在洞庭湖流域的洞庭湖平原和湘中南丘陵地带。相反,受人类活动较强的长株潭城市群、湘中盆地以及沅江部分区域生态状况表较差。进一步对比分析极端条件下生态环境空间变化特征可以发现,在生态环境状况最差的2013年(图5(b)),恶化区域主要发生于流域中间的平原地区; 而生态环境状况最好的2016年(图5(c)),其改善区域主要发生于流域西部山区。因此,未来生态系统管理与规划时需要注意加强生态敏感性较脆弱的平原地区的保护力度,同时进一步强化山区林地对区域生态环境的正向促进作用。

表2   生态状况等级面积统计

Tab.2  Ecological status grade area statistics

RSEI
质量
等级		多年均值2013年2016年
面积/
km2		占比/%面积/
km2		占比/%面积/
km2		占比/%
差7900.301 2210.471 0680.41
较差10 4884.0125 7129.848 5253.26
良好126 37348.36151 52557.9897 87837.45
较优121 67646.5680 44930.78148 12456.68
优2 0160.772460.935 7482.20

新窗口打开| 下载CSV


图5

新窗口打开| 下载原图ZIP| 生成PPT

图5   生态环境状况等级

Fig.5   Ecological environment status level


3.3 洞庭湖流域生态环境影响因素分析

本文进一步探索洞庭湖流域生态环境的影响因素。相关性分析结果表明,气温、降水和地形均与RSEI表现出较强的相关性,相关系数分别为0.81,0.55和0.73。此外,LUCC亦对生态环境具有较强影响,相关系数为0.67,具体如图6所示。林地RSEI最高(0.65),并随时间呈现缓慢增加趋势。其次是耕地(0.50)、草地(0.49)和水体与湿地(0.48)。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6   2010—2019年不同地类RSEI年际生长季均值变化趋势

Fig.6   Trends of RSEI mean annual growth season in different land types from 2010 to 2019


采用轨迹分析方法进一步定量分析土地利用变化对RSEI的响应特征及贡献度[23]。可以发现,洞庭湖流域土地利用类型转化主要表现为“林地↔草地”、“草地↔耕地”之间的双向转化(表3和图7)。

表3   变化转换类型

Tab.3  Land use change conversion type

土地利用转换类型编号面积/km2占比/%
永久林地1111111111①143 24354.81
永久草地222222222250 34019.26
永久耕地333333333330 06811.51
永久建筑用地44444444443 0811.18
永久水体与湿地55555555551 5260.58
林地→草地—3 7981.45
草地→耕地—6 2602.40
草地→林地—5 5242.11
耕地→草地—4 3151.65

①1,2,3,4,5分别表示林地、草地、耕地、建筑用地和水体与湿地等用地类型。

新窗口打开| 下载CSV


图7

新窗口打开| 下载原图ZIP| 生成PPT

图7   土地利用转化类型空间分布

Fig.7   Spatial distribution of land use conversion types


其中,“林地→草地”轨迹主要发生在流域东部边缘的罗霄山脉区域,“草地→林地”主要在流域的西部和东部山区,并呈带状分布。“耕地↔草地”交错转化区主要分布在地势较低的中部地区以及北部洞庭湖平原等粮食产区。

以土地类型不变区域RSEI变化值代表自然因素对遥感生态环境指数的影响,剔除土地变化区域RSEI变化值,从而得到LUCC的贡献特征。统计结果如表4所示,“草地→林地”、“草地→耕地”轨迹中LUCC对区域生态环境的贡献值分别为0.002 5和0.000 9,分别占所对应轨迹区域RSEI总变化量的46.30%和23.68%。另一方面,“林地→草地”、“耕地→草地”轨迹LUCC贡献值均为-0.000 4,分别占其RSEI总变化值的14.81%和44.44%。上述结果进一步证实,林地对于维系区域生态环境状况具有至关重要的作用。2000年以来,洞庭湖流域实行了植树造林、退耕还林、退田还湖还湿等一系列生态治理修复工程[30],森林等生态系统水源涵养、调蓄纳洪、土壤保持等功能的显著增强使流域生态环境状况得到有效提升。同时坚守耕地保护红线,充分考虑各生态系统之间相互依存、相互制约的关系,有利于实现山水林田湖草生命共同体理念[31]。

表4   土地利用变化轨迹贡献特征

Tab.4  Contribution characteristics of land use change trajectory

土地利用
变化类型		轨迹编号面积/
km2		RSEI平
均变化率		贡献值贡献
率/%
林地→草地11111111124700.001 6-0.000 414.8
11111111226510.001 7
11111112227300.001 2
11111222222270.000 9
11112222222950.001 3
11122222224670.002 2
11222222224230.002 8
12222222225350.003 3
草地→林地21111111115380.004 60.002 546.3
22111111116770.004 9
22211111115350.004 8
22221111116090.005 6
22222111115390.005 9
22222211112990.006 0
22222221117770.005 9
22222222111 1400.005 3
22222222211 1460.005 7
草地→耕地22222222237010.003 10.000 923.7
22222222338160.003 6
22222223337060.002 9
22222233333100.003 6
22222333333390.003 3
22223333334090.004 1
22233333336040.004 6
22333333339060.004 4
23333333337330.004 5
耕地→草地3222222222532-0.000 5-0.000 444.4
3322222222360-0.001 4
3332222222372-0.002 7
3333222222422-0.003 0
3333322222273-0.001 4
3333333222574-0.001 3
3333333322675-0.000 9
33333333321 107-0.000 5

新窗口打开| 下载CSV


4 讨论

本文针对当前广受关注的生态环境热点问题,面向多因子交互作用下LUCC影响方式不清、贡献特征不准的科学难题,基于长时序遥感数据,通过创新性引入“轨迹分析”方法,开展了洞庭湖流域生态环境时空特征及其影响因素分析研究,研究具有以下鲜明特点:

本文基于绿度、湿度、干度和热度4个生态指标构建了洞庭湖流域RSEI,进而研究了流域生态环境状况时空动态特征。总体而言,RSEI以其机制明确、易于实现等特点,有助于直观高效地展示区域生态环境现状,进而为生态环境管理与规划提供科学的理论支持。该方法利用主成分分析评估区域总体生态环境状况,但忽略了生态系统不同因子对系统作用存在的复杂非线性特征[32]。未来研究需在此基础上,进一步探讨不同因子对生态系统的非线性作用方式,构建更加符合生态环境复杂系统的评估指标与模型,提高区域生态环境评估的客观性与准确性。

5 结论

本文采用2010—2019年MODIS遥感数据,基于RSEI研究洞庭湖流域生态环境状况时空变化特征及其影响因素,RSEI变化趋势及空间特征与符静等[25]、孙颖等[33]和韩宇等[34]成果较为接近。主要结论有:

1)2010—2019年洞庭湖流域NDVI较高(NDVI=0.75),并呈不断绿化趋势(p<0.01)。WET总体呈现波动下降趋势(p<0.01),而NDSI与LST整体趋势较为平稳。空间上,高植被覆盖区域主要集中在西部山区以及在流域东部沿山脉分布,WET与流域水系分布呈现较强关联性,NDSI及LST空间特征与城市空间分布相一致,而LST较高的地方其NDVI相对较低。不同因子时空差异较大,需要因地制宜开展生态环境差异化治理与管理,促进区域生态环境质量提升。

2)洞庭湖流域整体生态环境状况较好,生态状况良好和较优区域占研究区总面积的85%以上。时间上,流域生态环境状况持续改善,RSEI呈现波动上升趋势(p<0.01)。空间上,生态环境状况较优区域集中分布在NDVI较高的西部、东部以及南部山区,而较差区域则分布在受人类活动较强的长株潭城市群、湘中盆地以及沅江部分区域。未来研究须在强化自然区域生态环境的同时,重点关注城市扩张土地利用变化对生态环境的潜在负面影响,实现生态环境保护与社会经济发展的协调可持续发展。

3)气温、降水及高程等自然因素与LUCC等人类活动均对区域生态环境具有重要影响。林地遥感生态环境指数RSEI最高(0.65),耕地(0.50)、草地(0.49)和水体与湿地(0.48)次之,而建筑用地值最低(0.31)。不同用地转化类型贡献对生态环境作用方式与贡献程度差异较大,“草地→林地”和“草地→耕地”转化对区域生态环境的改善具有促进作用。反之,林地和耕地向草地的转化可能会导致区域生态环境产生恶化。可以发现,LUCC对区域生态环境具有不可忽视的影响,从而为面向生态环境质量提升的国土空间规划奠定了理论依据。另一方面,不同土地类型转化的贡献特征差异较大,林地生态功能较强,未来需要在前期“退耕还林”等生态工程的基础上,进一步加强森林区域的保护力度,不断提升区域生态环境质量。

本文系统分析洞庭湖流域生态环境时空特征,并初步定量解析了LUCC影响方式与贡献特征。后续研究将在此基础上进一步探索不同因素对生态环境影响的内在物理机制及其交互作用,进而构建区域生态环境模拟模型,开展不同情景下生态环境的模拟与预测,为区域生态环境治理与规划提供可对比的辅助方案,促进区域生态环境与社会经济协调可持续发展。

参考文献

彭燕, 何国金, 张兆明, 等.

赣南稀土矿开发区生态环境遥感动态监测与评估

[J]. 生态学报, 2016, 36(6):1676-1685.

[本文引用: 3]

Peng Y, He G J, Zhang Z M, et al.

Eco-environmental dynamic monitoring and assessment of rare earth mining area in Southern Ganzhou Using Remote Sensing

[J]. Acta Ecologica Sinica, 2016, 36(6):1676-1685.

[本文引用: 3]

李爱军, 朱翔, 赵碧云, 等.

生态环境动态监测与评价指标体系探讨

[J]. 中国环境监测, 2004, 20(4):35-38.

[本文引用: 1]

Li A J, Zhu X, Zhao B Y, et al.

Preliminary study on construction of indicator system of dynamic monitoring and assessment of eco-environments

[J]. Environmental Monitoring in China, 2004, 20(4):35-38.

[本文引用: 1]

Miao C L, Sun L Y, Yang L.

The studies of ecological environmental quality assessment in Anhui Province based on ecological footprint

[J]. Ecological Indicators, 2016, 60:879-883.

DOI:10.1016/j.ecolind.2015.08.040      URL     [本文引用: 1]

邵波, 陈兴鹏.

甘肃省生态环境质量综合评价的AHP分析

[J]. 干旱区资源与环境, 2005, 19(4):29-32.

[本文引用: 1]

Shao B, Chen X P.

AHP analysis on the integrated assessment for the eco-environment of Gansu Province

[J]. Journal of Arid Land Resources and Environment, 2005, 19(4):29-32.

[本文引用: 1]

叶亚平, 刘鲁君.

中国省域生态环境质量评价指标体系研究

[J]. 环境科学研究, 2000, 13(3):33-36.

[本文引用: 2]

Ye Y P, Liu L J.

A preliminary study on assessment indicator system of provincial eco-environmental quality in China

[J]. Research of Environmental Sciences, 2000, 13(3):33-36.

[本文引用: 2]

厉彦玲, 朱宝林, 王亮, 等.

基于综合指数法的生态环境质量综合评价系统的设计与应用

[J]. 测绘科学, 2005, 30(1):89-91,111.

[本文引用: 1]

Li Y L, Zhu B L, Wang L, et al.

Designing and application of comprehensive index method based ecological environment quality comprehensive evaluation system

[J]. Science of Surveying and Mapping, 2005, 30(1):89-91,111.

[本文引用: 1]

余晓芳. 基于遥感生态指数的喀斯特地区生态环境质量变化研究——以贵阳市为例[D]. 贵阳: 贵州师范大学, 2018:1-2.

[本文引用: 1]

Yu X F. The research of environment quality change of Karst area based on remote sensing based ecological index[D]. Guiyang: Guizhou Normal University, 2018:1-2.

[本文引用: 1]

姚尧, 王世新, 周艺, 等.

生态环境状况指数模型在全国生态环境质量评价中的应用

[J]. 遥感信息, 2012, 27(3):93-98.

[本文引用: 1]

Yao Y, Wang S X, Zhou Y, et al.

The application of ecological environment index model on the national evaluation of ecological environment quality

[J]. Remote Sensing Information, 2012, 27(3):93-98.

[本文引用: 1]

王振华, 马海州, 周笃珺, 等.

RS和GIS支持下的自然生态环境评价——以南水北调雅砻江工程区为例

[J]. 盐湖研究, 2007, 15(1):1-4.

[本文引用: 1]

Wang Z H, Ma H Z, Zhou D J, et al.

Integrated evaluation of eco-environment based on RS/GIS:A case study of the south-to-north water transfer project in Yalongjiang River

[J]. Journal of Salt Lake Research, 2007, 15(1):1-4.

[本文引用: 1]

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.

[本文引用: 1]

Xu H Q.

A remote sensing index for assessment of regional ecological changes

[J]. China Environmental Science, 2013, 33(5):889-897.

[本文引用: 1]

孙彩霞, 杨帆, 胡晋.

基于遥感数据的新生态环境指数评价

[J]. 测绘通报, 2021,(11):12-15,53.

DOI:10.13474/j.cnki.11-2246.2021.330      [本文引用: 1]

针对生态环境评价指数获取困难、评价标准各异的问题，本文提出了新生态环境指数（NEI），即以生物丰度指数、植被覆盖指数、干度指标、湿度指标及空气质量指数综合反映区域生态环境状况，并利用主成分分析法客观确定权重。结果表明，NEI的指标选取和结果均与《生态环境状况评价技术规范》中的生态环境指数（EI）具有较强可比性。但NEI指数具有结果量化、可视化及实时化的特点，对于评价区域生态环境状况具有较好的应用前景。

Sun C X, Yang F, Hu J.

New ecological index evaluation based on remote sensing data

[J]. Bulletin of Surveying and Mapping, 2021,(11):12-15,53.

DOI:10.13474/j.cnki.11-2246.2021.330      [本文引用: 1]

According to the problems of difficulty in obtaining eco-environmental assessment index and different evaluation criteria, a new ecological index (NEI) is put forward. The index synthetically reflects the regional eco-environment status by biological richness index, vegetation coverage index, dryness index, wetness index and air quality index, and uses principal component analysis to objectively determine the weight. The results indicate that NEI's index selection and results have strong comparability with EI in "Technical Criterion for Ecosystem Status Evaluation". However, the NEI's index has the characteristics of quantification, visualization and real-time results, and has a good application prospect for evaluating the regional ecological environment.

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.

[本文引用: 2]

Xu H Q.

A remote sensing urban ecological index and its application

[J]. Acta Ecologica Sinica, 2013, 33(24):7853-7862.

[本文引用: 2]

岳辉, 刘英, 朱蓉.

基于遥感生态指数的神东矿区生态环境变化监测

[J]. 水土保持通报, 2019, 39(2):101-107,114.

[本文引用: 1]

Yue H, Liu Y, Zhu R.

Monitoring ecological environment change based on remote sensing ecological index in Shendong mining area

[J]. Bulletin of Soil and Water Conservation, 2019, 39(2):101-107,114.

[本文引用: 1]

王婷, 章新平, 黎祖贤, 等.

近52年来洞庭湖流域气象干旱的时空分布特征

[J]. 长江流域资源与环境, 2016, 25(3):514-522.

[本文引用: 1]

Wang T, Zhang X P, Li Z X, et al.

Temporal and spatial distribution characteristics of meteorological drought for recent 52 years in Dongting Lake basin

[J]. Resources and Environment in the Yangtze Basin, 2016, 25(3):514-522.

[本文引用: 1]

邓正华, 戴丽琦, 邓冰, 等.

洞庭湖流域水资源承载力时空演变分析

[J]. 经济地理, 2021, 41(5):186-192.

[本文引用: 1]

Deng Z H, Dai L Q, Deng B, et al.

Spatial-temporal evolution of water resources carrying capacity in Dongting Lake basin

[J]. Economic Geography, 2021, 41(5):186-192.

[本文引用: 1]

方精云, 郭兆迪, 朴世龙, 等.

1981—2000年中国陆地植被碳汇的估算

[J]. 中国科学(D辑:地球科学), 2007, 37(6):804-812.

[本文引用: 1]

Fang J Y, Guo Z D, Piao S L, et al.

Estimation of carbon sinks of tervestrial vegetation in China from 1981 to 2000

[J]. Scientia in Sinica(Series D(Earth Sciences)), 2007, 37(6):804-812.

[本文引用: 1]

杨江燕, 吴田, 潘肖燕, 等.

基于遥感生态指数的雄安新区生态质量评估

[J]. 应用生态学报, 2019, 30(1):277-284.

[本文引用: 1]

Yang J Y, Wu T, Pan X Y, et al.

Ecological quality assessment of Xiongan New Area based on remote sensing ecological index

[J]. Chinese Journal of Applied Ecology, 2019, 30(1):277-284.

[本文引用: 1]

陈超, 江涛, 刘祥磊.

基于缨帽变换的遥感图像融合方法研究

[J]. 测绘科学, 2009, 34(3):105-106,163.

[本文引用: 1]

Chen C, Jiang T, Liu X L.

Research on remote sensing image fusion methods based on tasseled cap transformation

[J]. Science of Surveying and Mapping, 2009, 34(3):105-106,163.

[本文引用: 1]

Zhang X, Schaaf C B, Friedl M A, et al.

MODIS tasseled cap transformation and its utility

[C]// IEEE International Geoscience and Remote Sensing Symposium Toronto,Ontario,Canada.IEEE, 2002:1063-1065.

[本文引用: 1]

左璐, 孙雷刚, 鲁军景, 等.

基于MODIS的京津冀地区生态质量综合评价及其时空变化监测

[J]. 自然资源遥感, 2022, 34(2):203-214.doi:10.6046/zrzyyg.2021224.

[本文引用: 1]

Zuo L, Sun G L, Lu J J, et al.

MODIS-based comprehensive assessment and spatial-temporal change monitoring of ecological quality in Beijing-Tianjin-Hebei region

[J]. Remote Sensing for Natural Resources, 2022, 34(2):203-214.doi:10.6046/zrzyyg.2021224.

[本文引用: 1]

王建, 赵牡丹, 李健波, 等.

基于MODIS时序数据的秦巴山区生态环境质量动态监测及驱动力分析

[J]. 山地学报, 2021, 39(6):830-841.

[本文引用: 1]

Wang J, Zhao M D, Li J B, et al.

Dynamic monitoring and driving forces of eco-environmental quality in the Qinba Mountains based on MODIS time-series data

[J]. Mountain Research, 2021, 39(6):830-841.

[本文引用: 1]

尹建平.

基于遥感生态指数的平朔露天矿生态环境评价

[J]. 露天采矿技术, 2021, 36(1):45-47.

[本文引用: 1]

Yin J P.

Ecological environment evaluation based on remote sensing ecological index in Pingshuo Open-pit Mine

[J]. Opencast Mining Technology, 2021, 36(1):45-47.

[本文引用: 1]

Feng H H, Liu Y B.

Trajectory based detection of forest-change impacts on surface soil moisture at a basin scale Poyang Lake Basin,China

[J]. Journal of Hydrology, 2014, 514:337-346.

DOI:10.1016/j.jhydrol.2014.04.044      URL     [本文引用: 2]

Feng H H, Zou B.

A greening world enhances the surface-air temperature difference

[J]. Science of the Total Environment, 2019, 658:385-394.

DOI:10.1016/j.scitotenv.2018.12.210      [本文引用: 1]

The surface-air temperature difference (Ts-Ta) is a critical variable for tracking climatic and environmental change. Vegetation has unavoidably affected the temperature by altering surface properties, while the magnitude of this effect has remained unknown. This study aimed to investigate the patterns of global Ts-Ta and quantify the contribution of vegetation change. Trend analysis, correlation analysis and a trajectory-based method were adopted for the investigation. The results demonstrated that the global Ts-Ta decreased by -0.140 K from 2001 to 2016. The greening trend covered 24.46% of the land and played a profound role in changing Ts-Ta. In particular, vegetation changes resulted in -0.0022 K, -0.0092 K and - 0.0043 K of the Ts-Ta decreases at the global, greening and browning levels, respectively accounting for 11.58%, 35.38% and 20.38% of the total decrease. Physically, vegetation influenced Ts-Ta mainly by altering atmospheric properties, rather than surface properties. Specifically, the greening of the surface reduced the albedo at a rate of -0.0003/year over 20% of the global land and enhanced atmospheric water vapor by 3 x 10(-5) g/m(3) over approximately 40% of the land. Meanwhile, the effect of vegetation change varied with coverage. A reduction in albedo caused by vegetation change occurred equally over different vegetated conditions, while the enhancement of atmospheric water vapor occurred mainly in sparsely (0.10 < NDVI < 0.30) and densely (0.55 < NDVI < 0.70) vegetated regions. Under these conditions, the vegetation change mainly affected Ts-Ta in sparsely vegetated regions (NDVI < 0.4). The results of this study are helpful for understanding the physical mechanism behind changes in global Ts-Ta and support climatic adaptation and environmental management. (C) 2018 Elsevier B.V.

符静, 秦建新, 张猛, 等.

2001-2013年洞庭湖流域植被覆盖度时空变化特征

[J]. 地球信息科学学报, 2016, 18(9):1209-1216.

DOI:10.3724/SP.J.1047.2016.01209      [本文引用: 2]

本文基于2001-2013年MODIS NDVI多时序数据,采用像元二分模型估算了洞庭湖流域植被覆盖度,分析了区域近13年来植被覆盖度的变化特征及趋势,并结合同期气象数据,阐明了植被覆盖度变化对气候因素的响应。结果表明：（1）近13年洞庭湖流域植被覆盖度的整体变化较为稳定,呈微弱减少趋势,速率为-0.3%/10a。（2）洞庭湖流域绝大部分区域植被覆盖状况良好,植被覆盖度呈自西向东递减趋势,高植被覆盖度及中高植被覆盖度占整个流域面积的88.63%,水体或低植被覆盖度及中低植被覆盖度仅占2.57%。（3）洞庭湖流域植被覆盖度变化趋势为北部强于南部、东部强于西部。流域内植被覆盖度极显著与显著减少的面积比例为5.30%、增加面积的比例为4.29%,植被覆盖度变化不显著占90.40%。该区域植被覆盖度变化受人为因素影响更大。

Fu J, Qin J X, Zhang M, et al.

Spatial-temporal variations of vegetation coverage in the Lake Dongting Basin from 2001 to 2013

[J]. Journal of Geo-Information Science, 2016, 18(9):1209-1216.

[本文引用: 2]

桑国庆, 唐志光, 邓刚, 等.

基于MODIS NDVI时序数据的湖南省植被变化研究

[J]. 长江流域资源与环境, 2021, 30(5):1100-1109.

[本文引用: 1]

Sang G Q, Tang Z G, Deng G, et al.

Study on vegetation change in Hunan Province based on MODIS NDVI time series data

[J]. Resources and Environment in the Yangtze Basin, 2021, 30(5):1100-1109.

[本文引用: 1]

缪鑫辉, 梁勤欧.

基于遥感生态指数的甬江流域生态环境变化分析

[J]. 长江流域资源与环境, 2021, 30(2):427-438.

[本文引用: 2]

Miao X H, Liang Q O.

Analysis of ecological environment changes in Yongjiang River basin based on remote sensing ecological index

[J]. Resources and Environment in the Yangtze Basin, 2021, 30(2):427-438.

[本文引用: 2]

宋慧敏, 薛亮.

基于遥感生态指数模型的渭南市生态环境质量动态监测与分析

[J]. 应用生态学报, 2016, 27(12):3913-3919.

DOI:10.13287/j.1001-9332.201612.024      [本文引用: 1]

本文基于1995和2015年的Landsat系列遥感影像,利用主成分分析法确定绿度、湿度、干度、热度4个指标的权重,采用遥感生态指数(RSEI)评价模型,对渭南市1995—2015年的生态环境质量进行监测与分析.结果表明: 1995—2015年,渭南市的生态环境质量总体呈上升趋势,RSEI均值由0.489上升至0.556;生态环境改善的地区主要分布在渭南市中部,占总面积的49.6%;生态环境退化的地区主要分布在韩城市部分矿区和渭南市南部区县(秦岭北麓渭南段),仅占总面积的15.4%.研究区生态环境质量受城市规划建设影响较大,但总体上其生态环境质量有所改善,得益于近年来该市对生态环境的关注与投入.

Song H M, Xue L.

Dynamic monitoring and analysis of ecological environment in Weinan City,Northwest China based on RSEI model

[J]. Chinese Journal of Applied Ecology, 2016, 27(12):3913-3919.

[本文引用: 1]

雷倩, 章新平, 黎祖贤, 等.

洞庭湖流域生长季气象特旱对植被覆盖的影响

[J]. 长江流域资源与环境, 2020, 29(1):187-199.

[本文引用: 1]

Lei Q, Zhang X P, Li Z X, et al.

Impacts of meteorological extreme drought during growing season on vegetation cover in Dongting Lake basin

[J]. Resources and Environment in the Yangtze Basin, 2020, 29(1):187-199.

[本文引用: 1]

杨伶, 邓敏, 王金龙, 等.

近40年来洞庭湖流域土地利用及生态风险时空演变分析

[J]. 生态学报, 2021, 41(10):3929-3939.

[本文引用: 1]

Yang L, Deng M, Wang J L, et al.

Spatial-temporal evolution of land use and ecological risk in Dongting Lake Basin during 1980—2018

[J]. Acta Ecologica Sinica, 2021, 41(10):3929-3939.

[本文引用: 1]

孔令桥, 郑华, 欧阳志云.

基于生态系统服务视角的山水林田湖草生态保护与修复——以洞庭湖流域为例

[J]. 生态学报, 2019, 39(23):8903-8910.

[本文引用: 1]

Kong L Q, Zheng H, Ouyang Z Y.

Ecological protection and restoration of forest,wetland,grassland and cropland based on the perspective of ecosystem services:A case study in Dongting Lake Watershed

[J]. Acta Ecologica Sinica, 2019, 39(23):8903-8910.

[本文引用: 1]

刘英, 党超亚, 岳辉, 等.

改进型遥感生态指数与RSEI的对比分析

[J]. 遥感学报, 2022, 26(4):683-697.

[本文引用: 1]

Liu Y, Dang C Y, Yue H, et al.

Comparison between modified remote sensing ecological index and RSEI

[J]. National Remote Sensing Bulletin, 2022, 26(4):683-697.

DOI:10.11834/jrs.20229338      URL     [本文引用: 1]

孙颖, 易浪, 尹少华.

洞庭湖流域植被覆盖变化及其协同治理

[J]. 经济地理, 2022, 42(4):190-201.

DOI:10.15957/j.cnki.jjdl.2022.04.021      [本文引用: 1]

植被覆盖变化是评估生态效应与治理成效的关键性因素之一。基于洞庭湖流域2000&#x02014;2019年MODIS-NDVI和同期气温、降水、土地利用等相关数据,运用Sen+Mann-Kendall、Hurst指数、偏相关分析、残差分析等多种方法,全面分析了流域植被覆盖时空演化与未来变化趋势,主要结论如下：①年际变化上,流域生长季NVDI呈分阶段波动上升趋势,植被覆盖显著增加。②空间分布上,流域大部分区域植被覆盖状况良好,呈&#x0201c;西高东低&#x0201d;分布特征;但未来流域大部区域植被NDVI可能呈增长放缓或退化趋势。③气候影响因素上,流域生长季NDVI与降水和气温变化均呈正相关,但气温对植被生长的正向促进作用强于降水。④人类影响因素上,农业生产与生态工程建设对流域植被变化具有正面效应;土地利用变化对流域植被变化具有双重影响作用;城市扩张则是导致NDVI减少的主要因素之一。未来流域生态治理范围应重点关注残差呈持续减少特征的湖区沿线、经济较发达区域以及已建成经济区的周边扩展区域,构建&#x0201c;有为政府、有效市场、有机社会&#x0201d;三位一体的生态协同治理新格局。

Sun Y, Yi L, Yin S H.

Vegetation cover change in Dongting Lake basin and its coordination governance

[J]. Economic Geography, 2022, 42(4):190-201.

DOI:10.15957/j.cnki.jjdl.2022.04.021      [本文引用: 1]

Vegetation cover change is one of the key factors to evaluate ecological effect and governance effect. Based on the NDVI data of the Dongting Lake basin from 2000 to 2019,and combined with the temperature,precipitation and land data of the same period,The research uses the methods of Sen+Mann-Kendall,Hurst index,partial correlation analysis,residual analysis methods together to analyze the characteristics of spatio-temporal changes and future trends of vegetation cover in Dongting Lake basin. The main conclusions are as follows: 1) In terms of time scale,NDVI in Dongting Lake basin shows a fluctuating growth trend from April to October,and the vegetation coverage is improved significantly. 2) In terms of spatial distribution,the pattern of vegetation coverage appears as characteristics of "higher value in the west of Dongting Lake basin and low value in the east". In the future,vegetation NDVI changes in most regions may show a slowing growth trend or a degrading trend. 3) In terms of climate factors,the NDVI is positively correlated with changes in precipitation and temperature,but the positive effect of temperature is stronger than precipitation. 4) In terms of human factors,agricultural production and ecological engineering construction have the positive effects on vegetation changes. Land use change has the dual effects on vegetation cover. Urban expansion is one of the main factors leading to the reduction of NDVI. In the future,the scope of ecological governance areas should focus on the areas along the Dongting Lake,the economically developed areas,and the surrounding expansion areas of established economic zones where it has the characteristics of continuous reduction in residuals,in order to build a new pattern of ecological coordination governance with a trinity of "effective government,effective market,and organic society".

韩宇, 毛逸飞, 杨伶, 等.

洞庭湖流域生境质量对LUCC的动态响应

[J]. 中南林业科技大学学报, 2023, 43(6):148-157.

[本文引用: 1]

Han Y, Mao Y F, Yang L, et al.

Dynamic responses of habitat quality to LUCC in the Dongting Lake Basin

[J]. Central South University of Forestry and Technology, 2023, 43(6):148-157.

[本文引用: 1]

/

〈 〉

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