基于遙感生態(tài)指數(shù)的合肥市生態(tài)環(huán)境動(dòng)態(tài)變化監(jiān)測(cè)分析

摘要" 本文以安徽合肥市遙感生態(tài)指數(shù)為研究對(duì)象，以Landsat 5和Landsat 8影像為數(shù)據(jù)源，對(duì)綠度指標(biāo)、濕度指標(biāo)、干度指標(biāo)以及熱度指標(biāo)進(jìn)行主成分分析，并構(gòu)建RSEI模型，動(dòng)態(tài)監(jiān)測(cè)和評(píng)估研究區(qū)生態(tài)環(huán)境質(zhì)量，分析其時(shí)空變化。結(jié)果表明，在時(shí)間變化上，2001—2021年，研究區(qū)RSEI指數(shù)總體呈先下降后緩慢上升趨勢(shì)。綠度和濕度與生態(tài)環(huán)境質(zhì)量呈正相關(guān)，而干度和熱度與生態(tài)環(huán)境質(zhì)量呈負(fù)相關(guān)。在空間變化上，2001—2011年，RSEI不變區(qū)分布較零散，主城區(qū)周邊的生態(tài)環(huán)境質(zhì)量有所下降；2011—2016年，西部和北部區(qū)域RSEI值上升，南部部分區(qū)域RSEI值下降，但其總體生態(tài)環(huán)境質(zhì)量有所改善；2016—2021年，主城區(qū)生態(tài)環(huán)境質(zhì)量持續(xù)好轉(zhuǎn)。本文為相似地區(qū)的生態(tài)環(huán)境質(zhì)量評(píng)價(jià)提供參考。

關(guān)鍵詞" 遙感生態(tài)指數(shù)；生態(tài)環(huán)境；主成分分析；動(dòng)態(tài)變化監(jiān)測(cè)

中圖分類號(hào)" X835；P237 """文獻(xiàn)標(biāo)識(shí)碼" A """文章編號(hào)" 1007-7731（2025）05-0073-07

DOI號(hào)" 10.16377/j.cnki.issn1007-7731.2025.05.016

Monitoring and analysis of dynamic changes of ecological environment in Hefei City based on the remote sensing ecological index

ZHANG Yin1，2 CHEN Li3 WANG Xiaohong1 FANG Gang1，2

（1School of Environment and Surveying Engineering， Suzhou University， Suzhou 234000， China;

23S Technology Application Research Center in Northern Anhui， Suzhou 234000， China;

3Suzhou No.2 High School， Suzhou 234000， China）

Abstract" The remote sensing ecological index of Hefei City， Anhui Province was selected as the research object and Landsat 5 and 8 images were used as data sources to conduct principal component analysis on greenness index， humidity index， dryness index and heat index. RSEI model was constructed to dynamically monitor and evaluate the ecological environment quality of the research area， and analyze its temporal and spatial changes. The results showed that from 2001 to 2021， the RSEI index in the study area generally declined first and then increased slowly. Greenness and humidity were positively correlated with eco-environmental quality， while dryness and heat were negatively correlated with eco-environmental quality. In terms of spatial change， RSEI invariable areas were scattered from 2001 to 2011， and the ecological environment quality around the main urban area declined. From 2011 to 2016， RSEI values increased in the western and northern parts of the country， and decreased in some southern regions， but its overall ecological environment quality improved. From 2016 to 2021， the ecological and environmental quality in the main urban areas will continue to improve. This paper provides a reference for the evaluation of ecological environment quality of similar areas.

Keywords" remote sensing ecological index; ecological environment; principal component analysis; dynamic change monitoring

良好的生態(tài)環(huán)境質(zhì)量是經(jīng)濟(jì)社會(huì)可持續(xù)發(fā)展的關(guān)鍵因素。隨著工業(yè)化和城市化的快速發(fā)展，城市生態(tài)環(huán)境質(zhì)量呈現(xiàn)出持續(xù)演變的趨勢(shì)，為更好地支持城市生態(tài)系統(tǒng)建設(shè)，對(duì)城市生態(tài)環(huán)境質(zhì)量進(jìn)行精準(zhǔn)評(píng)估顯得尤為重要。植被覆蓋度（Fractional vegetation cover，F(xiàn)VC）作為衡量地表植被覆蓋狀況的關(guān)鍵指標(biāo)之一，能夠反映區(qū)域生態(tài)平衡的動(dòng)態(tài)變化，以有效緩解城市熱島效應(yīng)及全球氣候變暖帶來(lái)的負(fù)面影響[1-2]。近年來(lái)，遙感技術(shù)在區(qū)域生態(tài)環(huán)境質(zhì)量評(píng)估領(lǐng)域中的應(yīng)用日益廣泛[3-5]，例如甬江流域[3]、大連[2]和西安[6]等。徐涵秋[7]研究提出了遙感生態(tài)指數(shù)（Remote sensing ecological index，RSEI），通過(guò)耦合綠度、濕度、干度和熱度4個(gè)指標(biāo)，實(shí)現(xiàn)了生態(tài)環(huán)境質(zhì)量的動(dòng)態(tài)監(jiān)測(cè)和變化分析。RSEI已在多個(gè)城市[8-10]、流域[11]和自然保護(hù)區(qū)[12]等區(qū)域的生態(tài)環(huán)境評(píng)價(jià)中得到了廣泛應(yīng)用[13-14]。目前，有關(guān)安徽合肥市生態(tài)環(huán)境質(zhì)量定量分析的研究相對(duì)較少。為此，本文在參考相關(guān)研究成果基礎(chǔ)上，以Landsat 5和Landsat 8影像（2001、2006、2011、2016和2021年）為數(shù)據(jù)源，以ENVI和ArcGIS軟件為平臺(tái)，結(jié)合RSEI模型對(duì)合肥市2001—2021年的生態(tài)環(huán)境質(zhì)量動(dòng)態(tài)變化進(jìn)行分析，探討植被覆蓋度和城市擴(kuò)張對(duì)其生態(tài)環(huán)境質(zhì)量的影響，旨在為城市生態(tài)環(huán)境保護(hù)和建設(shè)提供參考。

1 材料與方法

1.1 數(shù)據(jù)來(lái)源

本文選取合肥市遙感生態(tài)指數(shù)作為研究對(duì)象，以研究區(qū)Landsat 5 TM和Landsat 8 OLI影像為數(shù)據(jù)源。數(shù)據(jù)來(lái)源于中科院地理空間數(shù)據(jù)云平臺(tái)（http：//www.gscloud.cn/），成像時(shí)間分別為2001年11月21日（TM）、2006年6月12日（TM）、2011年4月23日（TM）、2016年7月25日（OLI）和2021年6月5日（OLI）。

1.2 研究方法

1.2.1 遙感生態(tài)指數(shù)（RSEI）構(gòu)建 通過(guò)耦合綠度、濕度、干度和熱度4個(gè)指標(biāo)[7]，來(lái)實(shí)現(xiàn)生態(tài)環(huán)境質(zhì)量的綜合評(píng)價(jià)。RSEI計(jì)算過(guò)程包括分量指標(biāo)選取和主成分分析（Principal component analysis，PCA），流程如圖1所示。

（1）分量指標(biāo)選取。綠度指標(biāo)：歸一化植被指數(shù)（Normalized difference vegetation index，NDVI）可以很好地反映植被生長(zhǎng)狀況，操作簡(jiǎn)便且精度高。其計(jì)算如式（1）所示。

NDVI= （ρ_NIR-ρ_R）/（ρ_NIR+ρ_R ）"" """" （1）

式（1）中，ρ_R和ρ_NIR分別表示紅色波段和近紅外波段的反射率，R和NIR分別對(duì)應(yīng)TM影像的第3和第4波段或OLI影像的第4和第5波段。

濕度指標(biāo)：纓帽變換中的濕度分量（WET）可以反映濕度狀況。TM和OLI影像的WET計(jì)算[15]如式（2）～（3）。

（WET_TM=0.031 5ρ_B+0.202 1ρ_G+0.310 2ρ_R+@" 0.159 4ρ_NIR-0.680 6ρ_（SWIR_1 ）-@" 0.610 9ρ_（SWIR_2 ） ）""" （2）

（WET_OLI=0.151 1ρ_B+0.197 3ρ_G+0.328 3ρ_R+@" "0.340 7ρ_NIR-0.711 7ρ_（SWIR_1 ）-@" "0.455 9ρ_（SWIR_2 ）" ）"""""""" （3）

式（2）～（3）中，ρ_B、ρ_G、ρ_R、ρ_NIR、ρ_（SWIR_1 ）和ρ_（SWIR_2 ）分別表示藍(lán)色波段、綠色波段、紅色波段、近紅外波段、短波紅外1波段和短波紅外2波段的反射率。

干度指標(biāo)：干度指數(shù)（Normalized difference built-up and soil index，NDBSI）由裸土指數(shù)（Soil index，SI）和建筑指數(shù)（Index-based built-up index，IBI）構(gòu)成，可以反映城市的地表干化程度，其計(jì)算[7]如式（4）～（6）所示。

SI= （（ρ_（SWIR_1 ）+ρ_R）-（ρ_NIR+ρ_B））/（（ρ_（SWIR_1 ）+ρ_R）+（ρ_NIR+ρ_B））""" （4）

IBI= （（2ρ_（SWIR_1 ））/（ρ_（SWIR_1 ）+ρ_NIR ）-ρ_NIR/（ρ_NIR+ρ_R ）-ρ_G/（ρ_G+ρ_（SWIR_1 ） ））/（（2ρ_（SWIR_1 ））/（ρ_（SWIR_1 ）+ρ_NIR ）+ρ_NIR/（ρ_NIR+ρ_R ）+ρ_G/（ρ_G+ρ_（SWIR_1 ） ））""""" （5）

NDBSI= （SI+IBI）/2""" （6）

熱度指標(biāo)：利用地表溫度（Land surface temperature，LST）作為熱度指標(biāo)可以反映城市化對(duì)生態(tài)環(huán)境的影響。LST計(jì)算方式有多種，其中大氣校正法操作簡(jiǎn)便，精度較高，因此，本文選用此方法計(jì)算LST[16]，計(jì)算如式（7）～（9）。

L=gain×DN+bias""" （7）

T_b=K_2/（ln （K_1/L+1））""" （8）

LST= T/（1+λT/ρ ln ε）""""""""" （9）

式（7）～（9）中，gain和bias分別表示影像的增益值和偏置值；DN表示像元灰度值。LST表示地表溫度；λ表示熱紅外波段的中心波長(zhǎng)；ρ表示波爾茲曼常數(shù)；ε表示地表比輻射率；T表示傳感器的溫度值；K1和K2分別表示定標(biāo)系數(shù)；L表示熱紅外波段影像的輻射值。在TM影像中，K1=607.76 W·（m2·sr·μm）-1，K2=1 260.56 K，λ=11.435 0 μm；在TIRS影像中，K1=774.89 W·（m2·sr·μm）-1，K2=1 321.08 K，λ=10.900 0 μm；ρ=1.438×10-2 mK。

（2）水體掩膜。為真實(shí)地反映植被和土壤濕度狀況，利用改進(jìn)歸一化水體指數(shù)（Modified normalized difference water index，MNDWI）對(duì)研究區(qū)水體進(jìn)行掩膜，以消除水體對(duì)濕度的影響。其計(jì)算[17]如式（10）所示。

MNDWI= （ρ_G-ρ_NIR）/（ρ_G+ρ_NIR ）""""" （10）

1.2.2 主成分分析 主成分分析法是將多個(gè)變量信息壓縮至前1～2個(gè)主成分，根據(jù)各指標(biāo)對(duì)主成分的貢獻(xiàn)度，自主分配權(quán)重，避免人為干預(yù)帶來(lái)的偏差[18-19]。由于4個(gè)指標(biāo)量綱不同，在進(jìn)行主成分變換前需歸一化量綱，其計(jì)算如式（11）。

I_N=（I-I_min）/（I_max+I_min ） （11）

式（11）中，IN為歸一化后的數(shù)值；I為指標(biāo)值；Imax和Imin分別為最大值和最小值。

4個(gè)指標(biāo)歸一化量綱后可進(jìn)行主成分變換，通常用第1主成分PC1表示RSEI。為使結(jié)果便于比較，需對(duì)其進(jìn)行歸一化，計(jì)算同公式（11）。

在上述各項(xiàng)指標(biāo)基礎(chǔ)上提取研究區(qū)每年的RSEI值，并對(duì)研究區(qū)RSEI的時(shí)間變化和空間變化進(jìn)行分析。

1.2.3 植被覆蓋度構(gòu)建 采用像元二分模型法計(jì)算FVC[19]，其計(jì)算如式（12）。

FVC= （S-S_soil）/（S_veg-S_soil ）""""""""" （12）

式（12）中，S為植被指數(shù)；Ssoil為純裸土像元值；Sveg為純植被像元值。

為更好地突出NDVI對(duì)RSEI的影響，采用大氣阻抗植被指數(shù)（Atmospherically resistant vegetation index，ARVI）計(jì)算FVC，其計(jì)算如式（13）。

ARVI= （ρ_NIR-（2ρ_R-ρ_B））/（ρ_NIR+（2ρ_R-ρ_B））"""""""" （13）

式（13）中，ρ_B、ρ_R和ρ_NIR分別表示藍(lán)色波段、紅色波段和近紅外波段的反射率。

由于缺乏研究區(qū)實(shí)際的監(jiān)測(cè)數(shù)據(jù)，只能通過(guò)統(tǒng)計(jì)ARVI直方圖來(lái)確定其置信區(qū)間，選擇1%和99%的置信區(qū)間作為其Ssoil和Sveg。

2 結(jié)果與分析

2.1 研究區(qū)RSEI的時(shí)間變化

在ENVI軟件中統(tǒng)計(jì)NDVI、WET、NDBSI和LST的均值、標(biāo)準(zhǔn)差以及PC1荷載值，結(jié)果如表1所示。

由表1可知，2001、2006、2011、2016和2021年RSEI均值分別為0.791、0.528、0.418、0.533和0.539，其中指數(shù)在2001—2006年呈下降趨勢(shì)。綠度和濕度對(duì)生態(tài)環(huán)境產(chǎn)生了積極影響，干度和熱度則相反。研究區(qū)2001、2006、2011、2016和2021年的綠度指標(biāo)（NDVI）均值分別為0.884、0.659、0.675、0.740和 0.674，濕度指標(biāo)（WET）均值分別為0.238、0.433、0.295、0.503和0.470，干度指標(biāo)（NDBSI）均值分別為0.483、0.526、0.677、0.541和0.563，熱度指標(biāo)（LST）均值分別為0.737、0.564、0.798、0.561和0.660。NDVI均值呈先下降再上升再下降趨勢(shì)，WET呈波動(dòng)趨勢(shì)，NDBSI的變化與生態(tài)環(huán)境質(zhì)量息息相關(guān)，而LST整體呈波動(dòng)趨勢(shì)。

根據(jù)RSEI值將研究區(qū)生態(tài)環(huán)境質(zhì)量按照[0，0.2）、[0.2，0.4）、[0.4，0.6）、[0.6，0.8）和[0.8，1.0]劃分為差、較差、中、良和優(yōu)5個(gè)等級(jí)，其面積和占比如表2所示，不同年份的生態(tài)環(huán)境質(zhì)量變化如圖2所示。

由表2可知，2001年，RSEI主要集中在中等級(jí)區(qū)和優(yōu)、良等級(jí)區(qū)，面積占比80.02%，而較差和差等級(jí)區(qū)面積占比分別為9.67%和10.31%。2006年，優(yōu)和良等級(jí)區(qū)面積分別減少9.45和7.83個(gè)百分點(diǎn)，較差和差等級(jí)區(qū)面積分別增加了6.21和11.40個(gè)百分點(diǎn)。與2006年相比，2011年優(yōu)和良等級(jí)區(qū)面積進(jìn)一步減少19.89個(gè)百分點(diǎn)，差和較差等級(jí)區(qū)面積分別增加了5.02和11.40個(gè)百分點(diǎn)，中等級(jí)區(qū)面積增加了3.47個(gè)百分點(diǎn)。與2011年相比，2016年優(yōu)和良等級(jí)區(qū)面積增加了20.93個(gè)百分點(diǎn)，差和較差等級(jí)區(qū)面積分別減少了5.98和10.94個(gè)百分點(diǎn)。到2021年，優(yōu)和良等級(jí)區(qū)面積減少12.63個(gè)百分點(diǎn)，差、較差和中等級(jí)區(qū)面積分別增加了3.16、6.52和2.95個(gè)百分點(diǎn)。整體上，2001—2021年研究區(qū)RSEI均值呈下降趨勢(shì)，優(yōu)、良和中等級(jí)區(qū)面積減少，較差和差等級(jí)區(qū)面積增加（圖2）。

在RSEI指數(shù)提取中，研究區(qū)2001、2006、2011、2016和2021年綠度、濕度、干度和熱度4個(gè)指標(biāo)的主成分分析結(jié)果如表3所示。第一主成分貢獻(xiàn)率分別為75.45%、75.68%、75.36%、83.94%和80.24%。

2.2 研究區(qū)RSEI的空間變化

由圖2可知，2001—2021年，研究區(qū)主城區(qū)植被覆蓋度相對(duì)較低，而外圍區(qū)植被覆蓋度相對(duì)較高。2001年，優(yōu)良等級(jí)區(qū)主要分布在東南部，較差等級(jí)區(qū)集中在中部和西部。2006年，優(yōu)良等級(jí)區(qū)面積增加，集中在西部和北部，而差和較差等級(jí)區(qū)仍分布在中部和東部。2011年，優(yōu)良等級(jí)區(qū)面積減少。2016年，西部、北部和東南部的優(yōu)良等級(jí)區(qū)面積顯著增加。到2021年，西部差和較差等級(jí)區(qū)面積增加。

2001—2021年RSEI空間變化差異如圖3所示。將研究區(qū)RSEI變化差異分為變差（劇烈變差、顯著變差、輕微變差）、不變和變好（輕微變好、顯著變好、劇烈變好）三大類，其面積與占比如表4所示。

2001—2006年，研究區(qū)RSEI變好區(qū)面積占比21.98%，變差區(qū)面積占比68.30%。2006—2011年，RSEI變好區(qū)面積增加了14.23個(gè)百分點(diǎn)，變差區(qū)面積減少了18.26個(gè)百分點(diǎn)。2016—2021年，RSEI變好區(qū)面積有所增加，表明生態(tài)環(huán)境質(zhì)量有所改善。2001—2006年和2006—2011年，RSEI變好區(qū)面積均小于變差區(qū)面積，而在2011—2016年和2016—2021年，情況正好相反，變差區(qū)面積減少，變好區(qū)面積增加，表明2011—2021年研究區(qū)生態(tài)環(huán)境質(zhì)量得到持續(xù)改善（圖3，表4）。

綜上，研究區(qū)各年份RSEI變化區(qū)面積較大，均超過(guò)75%，而基本不變區(qū)面積較小，均低于25%。2001—2011年，RSEI不變區(qū)分布較零散，主城區(qū)周邊的生態(tài)環(huán)境質(zhì)量有所下降；2011—2016年，西部和北部區(qū)域RSEI值上升，南部部分區(qū)域的RSEI值下降，但總體生態(tài)環(huán)境質(zhì)量有所改善；2016—2021年，主城區(qū)生態(tài)環(huán)境質(zhì)量持續(xù)好轉(zhuǎn)。

3 結(jié)論與討論

本文以安徽合肥市Landsat 5和Landsat 8影像為數(shù)據(jù)源，對(duì)綠度指標(biāo)、濕度指標(biāo)、干度指標(biāo)以及熱度指標(biāo)進(jìn)行主成分分析，構(gòu)建RSEI模型，動(dòng)態(tài)監(jiān)測(cè)和評(píng)估該地區(qū)2001—2021年的生態(tài)環(huán)境質(zhì)量，分析其生態(tài)環(huán)境質(zhì)量的時(shí)空變化，得出以下結(jié)論。2001—2021年，城市化發(fā)展對(duì)研究區(qū)生態(tài)環(huán)境質(zhì)量產(chǎn)生了較大影響，RSEI均值由2001年的0.791下降到2011年的0.418，隨后緩慢上升，到2021年RSEI為0.539。2001—2011年，研究區(qū)城市化發(fā)展加快導(dǎo)致RSEI下降，反映出核心區(qū)生態(tài)壓力相對(duì)增加；而在2011—2021年，隨著城市綠化和治理措施的實(shí)施，生態(tài)環(huán)境質(zhì)量得到改善，但RSEI仍未恢復(fù)到2001年的水平。綠度和濕度與研究區(qū)生態(tài)環(huán)境質(zhì)量呈正相關(guān)，而干度和熱度與生態(tài)環(huán)境質(zhì)量呈負(fù)相關(guān)。由于遙感影像分辨率有限和成像時(shí)間不一致，評(píng)價(jià)結(jié)果與實(shí)際情況可能會(huì)存在一定的偏差。在今后的研究中，通過(guò)優(yōu)化RSEI算法，結(jié)合土地利用數(shù)據(jù)和GEE平臺(tái)使評(píng)價(jià)結(jié)果更加科學(xué)合理。

參考文獻(xiàn)

[1] 張強(qiáng)，張杰，孫國(guó)武，等. 祁連山山區(qū)空中水汽分布特征研究[J]. 氣象學(xué)報(bào)，2007，65（4）：633-643.

[2] 李微，宋鑫，劉偉男，等. 大連市植被覆蓋度時(shí)空變化研究[J]. 遼寧師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2019，42（1）：93-98.

[3] 繆鑫輝，梁勤歐. 基于遙感生態(tài)指數(shù)的甬江流域生態(tài)環(huán)境變化分析[J]. 長(zhǎng)江流域資源與環(huán)境，2021，30（2）：427-438.

[4] J?NICKE C，OKUJENI A，COOPER S，et al. Brightness gradient-corrected hyperspectral image mosaics for fractional vegetation cover mapping in Northern California[J]. Remote sensing letters，2020，11（1）：1-10.

[5] KIM J，KANG S，SEO B，et al. Estimating fractional green vegetation cover of Mongolian grasslands using digital camera images and MODIS satellite vegetation indices[J]. GIScience amp; remote sensing，2020，57（1）：49-59.

[6] 王君，楊曉梅，隋立春，等. 西安市1995—2016年植被覆蓋度動(dòng)態(tài)變化監(jiān)測(cè)及景觀格局分析[J]. 生態(tài)科學(xué)，2019，38（6）：81-91.

[7] 徐涵秋. 區(qū)域生態(tài)環(huán)境變化的遙感評(píng)價(jià)指數(shù)[J]. 中國(guó)環(huán)境科學(xué)，2013，33（5）：889-897.

[8] 李紅星，黃解軍，梁友嘉，等. 基于遙感生態(tài)指數(shù)的武漢市生態(tài)環(huán)境質(zhì)量評(píng)估[J]. 云南大學(xué)學(xué)報(bào)（自然科學(xué)版），2020，42（1）：81-90.

[9] 張立偉，張運(yùn)，黃晨. 皖江城市帶近20 a生態(tài)環(huán)境變化遙感指數(shù)分析[J]. 長(zhǎng)江流域資源與環(huán)境，2018，27（5）：1061-1070.

[10] 楊江燕，吳田，潘肖燕，等. 基于遙感生態(tài)指數(shù)的雄安新區(qū)生態(tài)質(zhì)量評(píng)估[J]. 應(yīng)用生態(tài)學(xué)報(bào)，2019，30（1）：277-284.

[11] 王勇，王世東. 基于RSEI的生態(tài)質(zhì)量動(dòng)態(tài)變化分析：以丹江流域（河南段）為例[J]. 中國(guó)水土保持科學(xué)，2019，17（3）：57-65.

[12] 楊繪婷，徐涵秋. 基于遙感空間信息的武夷山國(guó)家級(jí)自然保護(hù)區(qū)植被覆蓋度變化與生態(tài)質(zhì)量評(píng)估[J]. 應(yīng)用生態(tài)學(xué)報(bào)，2020，31（2）：533-542.

[13] 張文強(qiáng)，孫從建，李新功. 晉西南黃土高原區(qū)植被覆蓋度變化及其生態(tài)效應(yīng)評(píng)估[J]. 自然資源學(xué)報(bào)，2019，34（8）：1748-1758.

[14] 孫從建，李曉明，張文強(qiáng)，等. 基于遙感信息的呂梁山貧困區(qū)生態(tài)安全評(píng)價(jià)[J]. 中國(guó)環(huán)境科學(xué)，2019，39（12）：5352-5360.

[15] ALI BAIG M H，ZHANG L F，SHUAI T，et al. Derivation of a tasselled cap transformation based on Landsat 8 at-satellite reflectance[J]. Remote sensing letters，2014，5（5）：423-431.

[16] 徐建華. 計(jì)量地理學(xué)[M]. 2版. 北京：高等教育出版社，2014.

[17] 李苗苗. 植被覆蓋度的遙感估算方法研究[D]. 北京：中國(guó)科學(xué)院研究生院（遙感應(yīng)用研究所），2003.

[18] 張思源，聶瑩，張海燕，等. 基于地理探測(cè)器的內(nèi)蒙古植被NDVI時(shí)空變化與驅(qū)動(dòng)力分析[J]. 草地學(xué)報(bào)，2020，28（5）：1460-1472.

[19] 王志超，何新華. 基于植被覆蓋度和遙感生態(tài)指數(shù)的成都市錦江區(qū)生態(tài)質(zhì)量評(píng)估[J]. 生態(tài)與農(nóng)村環(huán)境學(xué)報(bào)，2021，37（4）：492-500.

（責(zé)任編輯：何" 艷）