區(qū)域生態(tài)環(huán)境變化的遙感評價指數(shù)

徐涵秋

(1.福州大學環(huán)境與資源學院,福建 福州 350108；2.福州大學遙感信息工程研究所,福建 福州 350108)

當前,衛(wèi)星遙感對地觀測系統(tǒng)以其宏觀、快速、實時的優(yōu)點在生態(tài)環(huán)境領域得到廣泛的應用.利用各種遙感指數(shù)來對森林[1]、草地[2]、城市[3-4]、河流[5]乃至整個流域[6]的生態(tài)系統(tǒng)進行監(jiān)測和評價,已經(jīng)是生態(tài)環(huán)境保護領域的重要組成部分.2006年,國家環(huán)境保護部以行業(yè)標準的形式頒發(fā)了《生態(tài)環(huán)境狀況評價技術規(guī)范》[7](以下簡稱規(guī)范),推出了主要基于遙感技術的生態(tài)環(huán)境狀況指數(shù)EI,旨在對我國縣級以上生態(tài)環(huán)境提供一種年度綜合評價標準.《規(guī)范》試行以來,已在國內(nèi)得到廣泛的應用,有的用于省級生態(tài)環(huán)境評價[8-10],有的用于縣級評價[11-12],有的則用于工程項目評價[13-14].但《規(guī)范》試行中也發(fā)現(xiàn)了不少問題, 如權(quán)重的合理性[11-12,15]、歸一化系數(shù)的設定[10,15-16]、指標的易獲取性等.還有一個明顯的不足就是《規(guī)范》所獲得的EI指數(shù)只是一個數(shù)值,只能籠統(tǒng)地說明一個地區(qū)的生態(tài)狀況,無法可視化,無法說明該區(qū)中不同生態(tài)環(huán)境狀況的空間分布情況,無法對不同期間的生態(tài)環(huán)境進行空間變化分析.而這些問題對于生態(tài)環(huán)境指數(shù)這樣一個和空間地理位置緊密聯(lián)系的指標來說,又顯得極為重要.因此,本文提出一個完全基于遙感技術、指標容易獲得、沒有人為權(quán)重設定、且結(jié)果能被可視化的遙感生態(tài)指數(shù),以期作為EI的輔助指標來快速、定量、客觀地評價區(qū)域生態(tài)環(huán)境.

1 基本原理與方法

1.1 實驗區(qū)

福建西部的長汀縣是中國南方紅壤地區(qū)的典型水土流失區(qū),其河田鎮(zhèn)一帶的水土流失之嚴重更是一直為各界所矚目.近 20多年,該區(qū)的水土流失治理已取得很大的成效.因此,本研究選擇該區(qū)進行水土流失治理期間生態(tài)狀況的變化分析,檢驗新生態(tài)指數(shù)的有效性.所選的時間段為治理初期的1988年和最近的2010年.

長汀縣屬亞熱帶季風氣候,年平均氣溫18.3℃,年降雨量1500～1700mm.長汀縣呈四周隆起,中部下凹的盆地特征.從 1988年的衛(wèi)星影像可以直觀看出(圖1),當時該縣大部分為綠被所覆蓋,但中部為白中泛紅的裸土區(qū),該區(qū)即為聞名的長汀河田水土流失區(qū),也被稱之為河田盆地.因此,本次研究將河田盆地及其周邊地區(qū)作為實驗區(qū),面積約775km2(圖1).

1.2 遙感生態(tài)指數(shù)的構(gòu)建

《規(guī)范》一共選擇了5個評價指數(shù),即：生物豐度、植被覆蓋、水網(wǎng)密度、土地退化和環(huán)境質(zhì)量,并通過加權(quán)求和構(gòu)成了生態(tài)環(huán)境狀況指數(shù)(EI), 即：

EI的前3個指數(shù)可以通過遙感數(shù)據(jù)獲得,土地退化指數(shù)可以通過遙感數(shù)據(jù)和地面監(jiān)測數(shù)據(jù)獲得,但其依據(jù)的土壤侵蝕模數(shù)計算復雜,而環(huán)境質(zhì)量指數(shù)則必須通過年度統(tǒng)計數(shù)據(jù)獲得.由于后兩個指標較難獲取,從而限制了EI指數(shù)的推廣使用.而最后一個環(huán)境質(zhì)量指標又主要依賴于縣級以上的環(huán)境年報,使得EI只能用于縣域以上地區(qū),且每年只能做 1次,而實時、鄉(xiāng)鎮(zhèn)乃至更小范圍的評價明顯受到限制.

本文提出以自然生態(tài)環(huán)境的 4個重要指標作為擬建生態(tài)指數(shù)的評價指標,即綠度、濕度、熱度、干度.在反映生態(tài)質(zhì)量的諸多自然因素中,這 4個因素可謂與人類的生存息息相關,也是人類直觀感覺生態(tài)條件優(yōu)劣的最重要指標,因此常被用于評價生態(tài)系統(tǒng)[17-20].就遙感技術而言,它可以從遙感影像中獲得這 4個指標的信息,如采用植被指數(shù)、裸土指數(shù)、濕度分量、地表溫度就可以分別代表綠度、干度、濕度和熱度.這樣,擬建的遙感生態(tài)指數(shù)(RSEI)就可以表示為這 4個指標的函數(shù),即：

式中：Greenness為綠度;Wetness為濕度;Thermal為熱度;Dryness為干度;VI為植被指數(shù);Wet為濕度分量;LST為地表溫度;SI為裸土指數(shù).

在 RSEI指數(shù)中,代表綠度的植被指數(shù)指標與《規(guī)范》中的植被覆蓋指標含義相近,與其生物豐度指標也高度相關,因為《規(guī)范》中的生物豐度、植被覆蓋這兩個指標的計算依據(jù)是相同的,只是權(quán)重略有不同;代表濕度的指標與《規(guī)范》中水網(wǎng)指數(shù)指標相同,但濕度指標除了能代表開放水體外,還可以代表與生態(tài)環(huán)境高度相關的土壤和植被的濕度;代表干度的裸土指數(shù)指標則與《規(guī)范》中的土地退化指標緊密相關,裸土指數(shù)越高,地表越裸露,土地退化越嚴重.因此,新建RSEI中的3個指標與《規(guī)范》中的4個指標密切相關.由于《規(guī)范》中的環(huán)境質(zhì)量指數(shù)依靠的是年報數(shù)據(jù)而不是空間數(shù)據(jù),且在《規(guī)范》中被賦予的權(quán)重最小,在《規(guī)范的》生態(tài)分級特征描述中也沒有用到該指標,所以如果暫不考慮該指標,則擬建的RSEI指數(shù)和《規(guī)范》中的生態(tài)環(huán)境指數(shù)EI就有較強的可比性.

1.2.1 指標的構(gòu)建 (1)濕度指標(Wet)：遙感纓帽變換所獲得的亮度、綠度、濕度分量已被廣泛地應用在生態(tài)環(huán)境監(jiān)測中[21-23].其中的濕度分量反映了水體和土壤、植被的濕度,與生態(tài)密切相關,因此,本研究的濕度指標以這一濕度分量為代表.對于 Landsat TM 影像,其公式為[21]：

式中：ρi(i= 1,...,5, 7)為TM各波段的反射率.

(2)綠度指標(NDVI)：歸一化植被指數(shù) NDVI無疑是應用最廣泛的植被指數(shù),它與植物生物量、葉面積指數(shù)以及植被覆蓋度都密切相關[24].因此,選用NDVI來代表綠度指標：

(3)熱度指標(LST)：熱度指標由地表溫度來代表,它采用 Landsat用戶手冊的模型[25]和Chander等最新修訂的參數(shù)[26]來計算：

式中：L6為TM熱紅外6波段在傳感器處的輻射值;T為傳感器處溫度值;DN為灰度值;gain和bias為6波段的增益與偏置值;K1和K2為定標參數(shù),它們都可以從用戶手冊[25]獲得.

經(jīng)過式(7)計算的溫度T可以通過比輻射率糾正轉(zhuǎn)換為地表溫度LST[18]：

式中：λ為 TM 6波段的中心波長(11.5μm);ρ=1.438×10-2mK;ε為比輻射率,其取值見[18].

(4)干度指標(NDSI)：干度指標選用的是裸土指數(shù) SI[27].但在區(qū)域環(huán)境中,還有相當一部分的建筑用地,它們同樣造成地表的“干化”,因此干度指標可由二者合成,即由裸土指數(shù)SI和建筑指數(shù)IBI[28]合成：

其中：

1.2.2 綜合指數(shù)的構(gòu)建 擬建的生態(tài)指數(shù)應既能以單一指標的形式出現(xiàn),又可以綜合以上 4個指標的信息.因此如何以單一變量來耦合以上多個變量,是本研究的關鍵.當前常用的方法是將各個指標加權(quán)求和[7,11-12,17,29-30],如《規(guī)范》中的EI(式 1).但是,指標之間權(quán)重的人為確定及其合理性,往往會影響這種方法的結(jié)果.而且當兩個或兩個以上的指標共同對生態(tài)變化起作用時,要確定究竟是哪個指標對生態(tài)系統(tǒng)的全局變化起主要作用,并為其賦一個特定的權(quán)重值是十分困難的.因此,即便是《規(guī)范》統(tǒng)一規(guī)定的權(quán)重值[式(1)],在應用中也往往是因人而異[11-12].

多元統(tǒng)計方法中的主成份分析(PCA)是一種將多個變量通過正交線性變換來選出少數(shù)重要變量的多維數(shù)據(jù)壓縮技術.因此,本研究采用主成分變換來進行指標集成.其最大優(yōu)點就是集成各指標的權(quán)重不是人為確定,而是根據(jù)數(shù)據(jù)本身的性質(zhì)、根據(jù)各個指標對各主分量的貢獻度來自動客觀地確定,從而在計算時可以避免因人而異、因方法而異的權(quán)重設定造成的結(jié)果偏差.

由表1可以看出,河田實驗區(qū)4個指標的第一主成分(PC1)具有以下特征： (1) PC1的貢獻率都大于85%,表明它已集中了4個指標的大部分特征; (2) 4個指標對PC1中都有一定的貢獻度,且相對穩(wěn)定,不會像在其他特征分量中(PC2～PC4)出現(xiàn)忽大忽小的現(xiàn)象,從而丟失某些指標;(3)在PC1中,代表綠度的NDVI和代表濕度的Wet呈正值,說明它們共同對生態(tài)起正面的貢獻;而代表熱度和干度的LST、NDSI在PC1中呈負值,說明它們協(xié)同對生態(tài)起負面的影響,這與實際情況相符.而在 PC2～PC4中,這些指標忽正忽負,難以解釋生態(tài)現(xiàn)象.可見,較之于其他分量,PC1最大限度地集中了各指標的特征,能夠合理地對生態(tài)現(xiàn)象進行解釋,因此可用于創(chuàng)建綜合生態(tài)指數(shù).

表1 指標主成分分析Table 1 Principal component analysis of four factors

必須注意的是,由于式(4)～式(9)計算出的 4個指標的量綱不統(tǒng)一,因此,在做主成分變換前,必須先對這些指標進行正規(guī)化,將它們的數(shù)值映射到[0,1]區(qū)間,轉(zhuǎn)化成無量綱,然后再計算 PCA(表1).各指標的正規(guī)化公式為：

式中： NIi為正規(guī)化后的某一指標值;Indicatori為該指標在象元i的值;Indicatormax為該指標的最大值;Indicatormin為該指標的最小值.

經(jīng)過正規(guī)化后的 4個指標就可以用來計算主成分.為使 PC1大的數(shù)值代表好的生態(tài)條件,可進一步用1減去計算出的PC1,獲得初始的生態(tài)指數(shù) RSEI0：

RSEI即為所建的遙感生態(tài)指數(shù),其值介于[0,1]之間.RSEI值越接近1,生態(tài)越好.

根據(jù)PC1建立的RSEI的綜合代表性還可以從它和各指標之間的相關度來分析.RSEI與各指標的相關度越強,就越能綜合代表各個指標.表 2是各指標和RSEI的相關系數(shù)以及各指標自身之間的相關系數(shù).就單指標而言,各指標相互之間平均相關度最高的為NDSI,在1988年達到0.866,兩年平均為0.848.而新指數(shù)與這4個指標的各年平均相關系數(shù)都大于 0.88,兩年平均為 0.897,比單指標最高的NDSI的均值高出了5.8%,比最低的LST的均值高出了29.3%,比4個指標的平均值(0.775),高出了15.7%.顯然,新指數(shù)與各指標之間更高的相關度說明了它比任一單指標更具代表性,更能綜合代表各指標的信息.

1.3 影像處理

遙感數(shù)據(jù)統(tǒng)一選用Landsat TM影像,獲取時間為1988年10月16日和2010年10月29日(圖 2).

首先對3幅影像進行輻射、幾何校正和配準.輻射校正采用 Chander等[26]和 Chavez[31]的模型與參數(shù)將影像的灰度值(DN)轉(zhuǎn)換為傳感器處反射率;不同時相影像之間的配準采用二次多項式和最鄰近象元法,配準的均方根誤差小于 0.5個象元.在此基礎上,分別求出各時相影像的 4個指標,然后對它們進行正規(guī)化,計算PC1,最后獲得各時相的遙感生態(tài)指數(shù) RSEI影像(圖2).

表2 各指標和RSEI指數(shù)的相關系數(shù)矩陣Table 2 Correlation matrix of RSEI and four factors

計算RSEI指數(shù)時要注意： (1)要做大氣校正,因為植被指數(shù)對大氣很敏感;(2)要將影像的 DN值轉(zhuǎn)換為反射率,不提倡用原始DN值來計算;(3)計算濕度時,要選對公式,不能用基于DN值的公式來計算基于反射率的數(shù)據(jù),反之亦同.

2 結(jié)果與討論

2.1 RSEI和EI指數(shù)的對比

為了將新建的 RSEI指數(shù)與《規(guī)范》的 EI指數(shù)對比,分別按《規(guī)范》的要求對實驗區(qū)進行水網(wǎng)密度計算、基于RUSLE模型的土壤侵蝕度計算,以及基于分層分類法的土地利用分類.然后嚴格按照《規(guī)范》中的權(quán)重和中國環(huán)境監(jiān)測總站制定的縣級歸一化系數(shù)分別計算出生物豐度指數(shù)、植被覆蓋指數(shù)、水網(wǎng)密度指數(shù)、土地退化指數(shù),以及由它們合成的EI指數(shù)(表3).

將表3計算出的各指標指數(shù)值代入式(1),獲得各年的 EI指數(shù)值(表 4).由于 EI的值介于[0,100],而 RSEI為[0,1], 為了統(tǒng)一量綱,將 RSEI乘100.由于計算EI所用的4個指標所占的分數(shù)只有85分,為了和百分制的RSEI對比,進一步將85分制的 EI轉(zhuǎn)換為百分制;同理將百分制的RSEI轉(zhuǎn)換為85分制,以利于與85分制的EI對比.表4是整理后的EI和RSEI對比表.從中可以看出,二者在1988年的數(shù)據(jù)很接近,無論是85分制或百分制的數(shù)據(jù),二者相差都小于1;而2010年的差距最大的也只有 3.4(百分制).總的看來,RSEI和EI具有一定的相似性.所產(chǎn)生的差距可能是 RSEI指數(shù)的熱度指標引起的.當前熱度這一指標在我國的生態(tài)環(huán)境監(jiān)測中并沒有引起足夠的重視,也不是環(huán)境統(tǒng)計年報的指標.但熱污染(如城市熱島)同樣對人體健康造成很大的危害,因此引入熱度作為一項指標還是很有必要的.由于RSEI中的這幾個指標和EI中的相應指標有著較強的可比性,因此 RSEI雖然多了一個熱度指標,但由于其對 PC1的貢獻較小(表 1),所以表4中的EI和RSEI的計算結(jié)果還是比較接近的.總之,無論是EI或RSEI都能反映出河田水土流失區(qū)經(jīng)過生態(tài)修復治理后,區(qū)域生態(tài)環(huán)境狀況得到改善的事實.比照《規(guī)范》中的生態(tài)環(huán)境狀況劃分等級,表4中EI或RSEI的數(shù)值變化表明該區(qū)的生態(tài)環(huán)境大致從1988年的“較差”級轉(zhuǎn)到2010年的“一般”級.RSEI和EI的評價結(jié)果并沒有出現(xiàn)相悖,或出現(xiàn)較大的差距.因此,通過與 EI對比,可以看出RSEI的構(gòu)建是合理的.

表4 EI和RSEI的計算結(jié)果Table 4 Computed EI and RSEI

2.2 RSEI的應用

2.2.1 時空變化分析 RSEI指數(shù)除了和 EI指數(shù)一樣可以作為刻畫區(qū)域生態(tài)環(huán)境狀況的一個定量數(shù)值指標外,還可用于區(qū)域環(huán)境時空變化的可視化和定量化,用于不同時期生態(tài)環(huán)境狀況的對比.為此,首先將各年份的RSEI指數(shù)以0.2為間隔分成差、較差、中等、良、優(yōu) 5個生態(tài)等級.統(tǒng)計結(jié)果表明(表5),1988～2010年間,生態(tài)等級為差～中級(1～3級)所占的面積比例從 66.1%下降到 47.7%,而優(yōu)良等級(4～5級)所占的比例則從33.9%上升到了52.3%.表明河田盆地區(qū)的生態(tài)質(zhì)量得到了較大改善.

遙感變化檢測是對比不同年份生態(tài)狀況時空變化的有效手段.因此,可在以上5個分級的基礎上,對河田盆地區(qū)的生態(tài)變化進行差值變化檢測.以綠色代表生態(tài)質(zhì)量上升的地區(qū),以紅色代表生態(tài)質(zhì)量下降的地區(qū),而黃色則代表生態(tài)質(zhì)量的不變區(qū)(圖 3).從變化檢測的結(jié)果來看(表6),1988～2010年間,該區(qū)生態(tài)條件變差等級下降的面積為 88.44km2,而生態(tài)轉(zhuǎn)好的面積則達371.4km2.從空間上看,生態(tài)條件變好的地點主要分布在盆地中(圖 3變化圖中的綠色圖斑).生態(tài)變差的主要是一些新增的建設用地和零散分布的火燒跡地(圖 3變化圖中的紅色圖斑),而盆地周邊變化不大,以黃色調(diào)為主.

表5 河田盆地區(qū)的生態(tài)級別面積和比例Table 5 The area and percentage change of each RSEI level from 1988 to 2010 in the Hetian area

2.2.2 建模與預測 RSEI還可用于建立生態(tài)模型,模擬和預測區(qū)域生態(tài)變化趨勢.為此,首先對各年份的 NDVI、Wet、LST、NDSI、RSEI專題影像進行采樣,然后以 RSEI為因變量,以NDVI、Wet、LST、NDSI為自變量進行逐步回歸分析,建立它們的關系模型.采用 5×5網(wǎng)格貫穿全影像的采樣方法,每幅影像采集 28000個樣點.足夠多的樣點和貫穿全影像的采樣方法可以保證回歸分析結(jié)果的代表性和客觀性,避免小樣本和局域性抽樣所帶來的結(jié)果不確定性. 以下為獲得的回歸模型(模型都通過了1%的顯著性檢驗)：

表6 遙感變化檢測 (km2)Table 6 Change detection (km2)

圖3 河田區(qū)1988、2010年生態(tài)分級圖和變化檢測圖Fig.3 5-leveled RSEI images of the Hetian basinal area in 1988 and 2010 and their change detection map

從所獲得的模型可以看出,4個指標在各年份的逐步回歸中沒有一個被剔除,說明所選的 4個指標都是生態(tài)的關鍵指標.從各指標回歸系數(shù)來看, NDVI和Wet的系數(shù)為正值,說明對生態(tài)起正面影響,LST和NDSI為負值,說明對生態(tài)起負面作用.進一步考察回歸系數(shù)的變化可以看出,對生態(tài)起正面影響的NDVI和Wet的綜合影響力超過了起負面影響的 NDSI和 LST,因為二者的系數(shù)之和要大于起負面影響的NDSI和LST系數(shù)的絕對值之和.

圖 4 2010 年 NDVI、Wet與 RSEI及 NDSI、LST 與 RSEI的3維投影圖Fig.4 3D-scatterplots of feature space RSEI vs. NDVI and Wet and RSEI vs. LST and NDSI

圖4是以最新的2010年為例,從各指標的散點在 3維特征空間的分布情況來考察它們與RSEI指數(shù)的關系.圖 4a是對生態(tài)起正面影響的NDVI、Wet與RSEI的3維投影圖;圖4b是對生態(tài)起負面影響的NDSI、LST與RSEI的投影圖.散點群的頂端為代表生態(tài)條件好的散點的集聚區(qū),主要為高覆蓋植被區(qū);散點群的底端則為生態(tài)條件差的散點的集聚區(qū),代表裸土區(qū).從圖 4b可以看出散點呈上粗下細的楔形,說明隨著水土流失的治理,裸土正在逐漸減少.

綜合來看,無論是回歸模型或主成分分析都表明以NDVI為代表的綠度和以NDSI為代表的干度對生態(tài)影響最大,且 NDVI影響大于 NDSI.這一數(shù)據(jù)模擬的結(jié)果也證明,該區(qū)以增加綠被來治理水土流失取得的成效更大.如以最新的2010年模型進行預測,今后該區(qū)的生態(tài)質(zhì)量 RSEI每提升0.1,其NDVI就要相應提升0.181.但是,在水土流失治理中,綠地的增加和裸地的減少往往是同時進行的,因此實際 RSEI的提升效果將不止0.1.假設增加 0.181NDVI的同時,減少 0.181的NDSI,則實際RSEI的提升將達到0.173.

3 結(jié)論

3.1 RSEI指數(shù)是基于綠度、濕度、熱度和干度指標建立的一個完全基于遙感信息和自然因素的指數(shù),因此可以快速簡便地評價區(qū)域生態(tài)質(zhì)量.RSEI指數(shù)各指標的集成不是人為的加權(quán)求和,而是根據(jù)各指標對第一主成分的貢獻來集成.因此,RSEI能夠客觀地耦合各個指標,合理地代表區(qū)域生態(tài)質(zhì)量.

3.1 RSEI指數(shù)與《規(guī)范》的EI指數(shù)有較強的可比性,二者均客觀反映了長汀河盆地水土流失得到治理后,生態(tài)狀況有了明顯改善.但RSEI不僅可以作為一個量化指標來刻畫區(qū)域生態(tài)質(zhì)量,還可以將區(qū)域生態(tài)質(zhì)量可視化,可以對區(qū)域生態(tài)變化進行時空分析、模擬和預測,可以不受時間和空間限制的使用,因此,可以彌補EI指數(shù)在這些方面的不足.

3.3 RSEI不適宜大面積的水域地區(qū)使用.研究區(qū)中如有大片水域,最好將其掩膜后再應用.由于RSEI的構(gòu)建需要用到熱紅外影像,因此RSEI主要適用于中尺度制圖.對于小尺度比例尺,最好先對熱紅外影像進行細化.

[1] Ochoa-Gaona S, Kampichler C, de Jong B H J, et al. A multi-criterion index for the evaluation of local tropical forest conditions in Mexico [J]. Forest Ecology and Management, 2010,260(5)：618-627.

[2] Sullivan C A, Skeffington M S, Gormally M J, et al. The ecological status of grasslands on lowland farmlands in western Ireland and implications for grassland classification and nature value assessment [J]. Biological Conservation, 2010,143(6)：1529-1539.

[3] Xu H Q, Ding F, Wen X L. Urban expansion and heat island dynamics in the Quanzhou region, China [J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2009,2(2)：74-79.

[4] 曾 輝,劉建國. 基于景觀結(jié)構(gòu)的區(qū)域生態(tài)風險分析 [J]. 中國環(huán)境科學, 1999,19(5)：454-457.

[5] Ivits E, Cherlet M, Mehl W, et al. Estimating the ecological status and change of riparian zones in Andalusia assessed by multitemporal AVHHR datasets [J]. Ecological Indicators, 2009,9(3)：422-431.

[6] Moran M S, Peters-Lidard C D, Watts J M, et al. Estimating soil moisture at the watershed scale with satellite-based radar and land surface models [J]. Canadian Journal of Remote Sensing, 2004,30(5)：805-826.

[7] 國家環(huán)?？偩?中華人民共和國環(huán)境保護行業(yè)標準(試行)HJ/T192-2006 [S].

[8] 智穎飆,王再嵐,馬 中,等.寧夏資源環(huán)境績效及其變動態(tài)勢[J]. 生態(tài)學報, 2009,29(12)：6490-6498.

[9] 王 瑤,宮輝力,李小娟.基于 GIS的北京市生態(tài)環(huán)境質(zhì)量監(jiān)測與分析 [J]. 國土資源遙感, 2008,(1)：91-96.

[10] 劉建紅,徐建軍,李 誠,等.基于遙感更新的省級生物豐度歸一化系數(shù)研究——以湖北省為例 [J]. 江漢大學學報(自然科學版), 2007,35(4)：46-50.

[11] 孟 巖,趙庚星.基于衛(wèi)星遙感數(shù)據(jù)的河口區(qū)生態(tài)環(huán)境狀況評價——以黃河三角洲墾利縣為例[J]. 中國環(huán)境科學, 2009,29(2)：163-167.

[12] 程晉南,趙庚星,李 紅,等.基于RS和GIS的土地生態(tài)環(huán)境狀況評價及其動態(tài)變化 [J]. 農(nóng)業(yè)工程學報, 2008,24(11)：83-88.

[13] 范建忠,李登科,董金芳.陜西省重點生態(tài)建設工程區(qū)植被恢復狀況遙感監(jiān)測 [J]. 農(nóng)業(yè)工程學報, 2012,28(7)：228-234.

[14] 胡明玉,焦開虹,劉勝祥,等.三峽翻壩運輸江南公路沿線生態(tài)環(huán)境質(zhì)量現(xiàn)狀分析 [J]. 四川環(huán)境, 2007,26(6)：40-43,48.

[15] 葉有華,梁永賢,沈一青,等.《生態(tài)環(huán)境狀況評價技術規(guī)范(試行)》中若干值得商榷的問題 [J]. 熱帶地理, 2009,29(4)：404-406.

[16] 張 媛,王靖飛,黃云龍,等.關于生態(tài)環(huán)境狀況評價指標計算的問題與探討 [J]. 河北工業(yè)科技, 2008,25(6)：363-365.

[17] Gupta K, Kumar P, Pathan S K, et al. Urban Neighborhood Green Index-A measure of green spaces in urban areas [J]. Landscape and Urban Planning, 2012,105：325-335.

[18] Nichol J. Remote sensing of urban heat islands by day and night[J]. Photogrammetric Engineering and Remote Sensing,2005,71(6)：613-621.

[19] Xu H Q. Analysis of impervious surface and its impact on urban heat environment using the normalized difference impervious surface Index (NDISI) [J]. Photogrammetric Engineering and Remote Sensing, 2010,76(5)：557-565.

[20] 趙躍龍,張玲娟.脆弱生態(tài)環(huán)境定量評價方法的研究 [J]. 地理科學, 1998,18(1)：73-79.

[21] Crist E P. A TM tasseled cap equivalent transformation for reflectance factor data [J]. Remote Sensing of Environment, 1985,17：301-306.

[22] Huang C, Wylie B, Yang L, et al. Derivation of a tasselled cap transformation based on Landsat 7 at-satellite reflectance [J].International Journal of Remote Sensing, 2002,23(8)：1741-1748.

[23] Todd S W, Hoffer R M. Responses of spectral indices to variations in vegetation cover and soil background [J].Photogrammetric Engineering and Remote Sensing, 1998,64：915-921.

[24] 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, 2002,79：225-242.

[25] NASA. Landsat 7 Science Data Users Handbook [EB/OL].http：//landsathandbook.gsfc.nasa.gov, 2012-09-05.

[26] 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,2009,113：893-903.

[27] Rikimaru A, Roy P S, Miyatake S. Tropical forest cover density mapping [J]. Tropical Ecology, 2002,43(1)：39-47.

[28] 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.

[29] Reza M I H, Abdullah S A. Regional Index of Ecological Integrity：A need for sustainable management of natural resources [J].Ecological Indicators, 2011,11：220-229.

[30] Ochoa-Gaona S, Kampichler C, de Jong B H J, et al. A multi-criterion index for the evaluation of local tropical forest conditions in Mexico [J]. Forest Ecology and Management,2010,260：618-627.

[31] Chavez P S Jr. Image-based atmospheric corrections-revisited and revised [J]. Photogrammetric Engineering and Remote Sensing, 1996,62(9)：1025-1036.