亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        改進(jìn)遙感生態(tài)指數(shù)的宜賓市三江匯合區(qū)生態(tài)環(huán)境評(píng)價(jià)

        2022-03-24 10:07:02張秦瑞趙良軍林國(guó)軍萬(wàn)虹麟
        自然資源遙感 2022年1期
        關(guān)鍵詞:干度宜賓市三江

        張秦瑞, 趙良軍, 林國(guó)軍, 萬(wàn)虹麟

        (1.四川輕化工大學(xué)自動(dòng)化與信息工程學(xué)院,人工智能四川省重點(diǎn)實(shí)驗(yàn)室,宜賓 644000; 2.四川輕化工大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院,企業(yè)信息化與物聯(lián)網(wǎng)測(cè)控技術(shù)四川省高校重點(diǎn)實(shí)驗(yàn)室,自貢 643000; 3.河北水利電力學(xué)院水利工程學(xué)院,滄州市遙感與智慧水利技術(shù)創(chuàng)新中心,滄州 061001)

        0 引言

        隨著人類社會(huì)的發(fā)展,城鎮(zhèn)化進(jìn)程的不斷加速不可避免地對(duì)生態(tài)環(huán)境造成了負(fù)面影響??陀^、準(zhǔn)確地評(píng)價(jià)地區(qū)生態(tài)水平,有助于為生態(tài)環(huán)境改善提出科學(xué)的措施。Pauleit等[1]在2005年通過城市土地利用及覆被變化,對(duì)城市發(fā)展進(jìn)行了評(píng)估,但未對(duì)生態(tài)質(zhì)量進(jìn)行定量測(cè)評(píng); Musse等[2]在2018年結(jié)合遙感與普查數(shù)據(jù)構(gòu)建城市環(huán)境質(zhì)量指數(shù)(urban environmental quality index, UEQI),對(duì)城市環(huán)境質(zhì)量進(jìn)行了評(píng)估,但由于普查數(shù)據(jù)不易獲得,該指數(shù)運(yùn)用在城市生態(tài)評(píng)價(jià)時(shí)較為困難; 王瑤等[3]在2008年基于生態(tài)環(huán)境狀況指數(shù)(ecological index, EI)對(duì)北京市生態(tài)狀況進(jìn)行評(píng)價(jià),得出EI指數(shù)雖能夠反映區(qū)域生態(tài)狀況,但仍存在指標(biāo)不易獲得的缺陷。此外,EI指數(shù)僅是一個(gè)數(shù)值,生態(tài)環(huán)境狀況的空間分布情況無法可視化。

        徐涵秋[4]在2013年提出了基于遙感技術(shù)的遙感生態(tài)指數(shù)(remote sensing ecological index,RSEI),并使用該指數(shù)對(duì)研究區(qū)生態(tài)環(huán)境進(jìn)行了客觀、定量的評(píng)價(jià)分析,該模型被許多學(xué)者廣泛應(yīng)用于生態(tài)環(huán)境的快速評(píng)測(cè)[5-7],但傳統(tǒng)RSEI模型在表征干度時(shí),由歸一化建筑指數(shù)(index-based built-up index, IBI)來對(duì)城市建設(shè)用地進(jìn)行表征[8-9],由于該指數(shù)是通過短波紅外、近紅外波段尋找最強(qiáng)、最弱反射波段進(jìn)行構(gòu)建,所以在對(duì)房頂、道路、玻璃、水泥面以及塑料等眾多地物進(jìn)行計(jì)算時(shí)會(huì)產(chǎn)生誤差,出現(xiàn)裸土區(qū)域IBI值明顯大于城區(qū)的情況。因此,本文結(jié)合不透水面指數(shù)(normalized difference impervious index, NDISI)[10]與裸土指數(shù)(soil index, SI)[11]構(gòu)成新型干度指標(biāo)歸一化不透水面和裸土指數(shù)(normalized difference impervious and soil index, NDISSI),以表征土地的利用程度。通過主成分分析法(principal component analysis, PCA)耦合綠度、濕度、溫度以及新型干度指標(biāo),從而構(gòu)建改進(jìn)型遙感生態(tài)指數(shù)(improved remote sensing ecological index,IRSEI),并對(duì)宜賓市三江匯合區(qū)的生態(tài)情況進(jìn)行評(píng)價(jià),以驗(yàn)證模型的普遍適用性,為城區(qū)擴(kuò)張之后的環(huán)境綜合治理提供依據(jù)。

        1 研究區(qū)概況及數(shù)據(jù)源

        1.1 研究區(qū)概況

        本文以宜賓市三江匯合區(qū)作為研究區(qū),宜賓有“萬(wàn)里長(zhǎng)江第一城”“中國(guó)酒都”“中國(guó)竹都”之稱,地處云貴川三省結(jié)合部,金沙江、岷江、長(zhǎng)江三江交匯處,是中央重點(diǎn)實(shí)施的“三大戰(zhàn)略”之一: 長(zhǎng)江經(jīng)濟(jì)帶的首城。宜賓市近些年大刀闊斧地進(jìn)行行政區(qū)調(diào)整,依托無比優(yōu)越的地理位置,通過建設(shè)大學(xué)城吸引人才、創(chuàng)辦國(guó)家級(jí)臨港經(jīng)濟(jì)技術(shù)開發(fā)區(qū)進(jìn)行招商引資,大力推動(dòng)了現(xiàn)代化基礎(chǔ)設(shè)施建設(shè),這使得城區(qū)擴(kuò)張明顯加速,難以避免地對(duì)當(dāng)?shù)厣鷳B(tài)環(huán)境造成了負(fù)面影響。作為宜賓城市核心的三江匯合區(qū)擁有三江六岸景觀資源,被定位為中央商務(wù)區(qū),以此為源點(diǎn)的城區(qū)發(fā)展尤為迅猛。為保持生態(tài)優(yōu)先、綠色發(fā)展,研究區(qū)的生態(tài)評(píng)估工作已顯得刻不容緩,研究區(qū)地理位置在N28°41′24.23″~28°50′48.20″,E104°30′48.64″~104°46′27.13″之間,面積約為420 km2。

        1.2 數(shù)據(jù)源及其預(yù)處理

        本文選擇2013年、2017年、2020年3景Landsat8衛(wèi)星影像作為實(shí)驗(yàn)數(shù)據(jù),研究區(qū)域時(shí)相不超過15 d,云量低于1%,最大程度上保證不同觀測(cè)時(shí)間植被生長(zhǎng)規(guī)模的一致性,從而確保實(shí)驗(yàn)數(shù)據(jù)具有可比性。使用ENVI5.3軟件對(duì)可見光及熱紅外波段影像進(jìn)行輻射定標(biāo),將圖像的像元亮度值轉(zhuǎn)化為輻射亮度值,對(duì)結(jié)果進(jìn)行大氣校正,獲得真實(shí)的地表反射率。為避免河流湖泊對(duì)后續(xù)濕度指標(biāo)反演時(shí)造成干擾,還需對(duì)校正后的圖像進(jìn)行水域掩模,使用改進(jìn)的歸一化差異水體指數(shù)(modified normalized difference water index, MNDWI)[12]對(duì)水域進(jìn)行提取,其公式為:

        MNDWI=(Green-SWIR1)/(Green+SWIR1) ,

        (1)

        式中Green和SWIR1分別為影像的綠光和短波紅外1波段。

        2 IRSEI的指標(biāo)與構(gòu)建

        單一指標(biāo)無法準(zhǔn)確地對(duì)生態(tài)環(huán)境進(jìn)行客觀評(píng)價(jià)與全面反映,因此本研究選取綠度、濕度、溫度以及干度這4個(gè)指標(biāo),利用PCA進(jìn)行降維,綜合構(gòu)建IRSEI,從而對(duì)生態(tài)質(zhì)量進(jìn)行評(píng)估。

        2.1 綠度指標(biāo)

        綠度指標(biāo)表示地表植被覆蓋和生長(zhǎng)情況,是反映區(qū)域生態(tài)環(huán)境質(zhì)量的敏感因素。采用歸一化植被指數(shù)(normalized difference vegetation index, NDVI)進(jìn)行表示,該指數(shù)對(duì)綠色植物敏感,與植物分布密度呈線性關(guān)系,是植物生長(zhǎng)狀況和空間分布密度的最佳指標(biāo)[13]。其公式為:

        NDVI=(NIR-Red)/(NIR+Red),

        (2)

        式中NIR和Red分別為影像的近紅外和紅光波段。

        2.2 濕度指標(biāo)

        纓帽變換(K-T變換)是一種特殊的PCA分析,經(jīng)纓帽變換的前3個(gè)分量主要反映土壤亮度、綠度、濕度特征,取變換結(jié)果的第三分量作為濕度特征WET[14],其公式為:

        WET=0.151 1Blue+0.197 3Green+0.328 3Red+0.340 7NIR-0.711 7SWIR1-0.455 9SWIR2 ,

        (3)

        式中Blue和SWIR2分別為影像的藍(lán)光和短波紅外2波段。

        2.3 溫度指標(biāo)

        地表溫度(land surface temperature, LST)與植被生長(zhǎng)、水資源循環(huán)息息相關(guān),是生態(tài)環(huán)境分析的重要指標(biāo),采用大氣校正法對(duì)LST進(jìn)行反演計(jì)算,植被覆蓋度Fv公式為:

        (4)

        (5)

        (6)

        (7)

        式中:NDVIsoil和NDVIvegetation分別為土壤地區(qū)和植被地區(qū)的NDVI值,取值設(shè)為0和0.7;εsurface為自然表面輻射率;εbuilding為城區(qū)表面輻射率;ε為地表比輻射率[15]。

        L10=gainDN+bias,

        (8)

        (9)

        式中:L10為L(zhǎng)andsat8影像輻射定標(biāo)之后第10波段的反射率;gain和bias為該波段的增益與偏置;DN為影像像元的灰度值; K1和K2分別為定標(biāo)參數(shù),K1=774.89 W/(m2·sr·μm),K2=1 321.08 K;T為熱紅外傳感器處溫度。

        由式(4)—(9)可算得溫度指標(biāo)LST[16],即

        (10)

        式中:λ為該波段的中心波長(zhǎng),λ=10.9 μm;ξ為1.438×10-2m·K;LST單位為℃。

        2.4 干度指標(biāo)

        不透水面是指人類作用于自然地表形成的諸如建筑物、道路等具有不透水性的城市人工地表,是反映城市擴(kuò)張和變化的重要指標(biāo)。建筑物、道路和房頂一類的不透水物質(zhì),普遍存在熱紅外波段輻射率高、近紅外波段反射率低的特征,IBI[17]構(gòu)建原理為使用熱紅外與近紅外波段比值來增強(qiáng)這些地類的信息。但砂土、水體也具有相似的光譜特征,所以僅依據(jù)這2個(gè)波段對(duì)地物特征進(jìn)行提取,勢(shì)必會(huì)混雜有水體和砂土的信息。為了更好地區(qū)分出建設(shè)用地,NDISI[18]在此基礎(chǔ)上加入了中紅外波段和MNDWI指數(shù),用以區(qū)分不透水面和水體及砂土,采用NDISI對(duì)城區(qū)地類進(jìn)行提取,其總體精度能夠從IBI的73%左右提升至90%以上[19]。因此,本文使用NDISI和SI共同構(gòu)建干度指標(biāo)NDISSI,該指標(biāo)能夠綜合建設(shè)用地與裸土信息,其公式為:

        (11)

        (12)

        (13)

        式中TIRS1為熱紅外第10波段影像。在計(jì)算NDISI指數(shù)時(shí),需先將MNDWI與TIRS1進(jìn)行0~255的線性拉伸,以統(tǒng)一各波段的量化級(jí)別。

        2.5 IRSEI的構(gòu)建

        PCA是一種除去波段之間多余信息,將多波段的圖像信息壓縮到比原波段更有效的少數(shù)幾個(gè)相互獨(dú)立波段的轉(zhuǎn)換方法,它能夠?qū)⒏呔S的數(shù)據(jù)映射到低維的空間中進(jìn)行表示,用較少的數(shù)據(jù)維度,保留住較多的原始數(shù)據(jù)點(diǎn)的特性。想要以單一的指數(shù)反映生態(tài)環(huán)境質(zhì)量,需要給構(gòu)建遙感生態(tài)指數(shù)的每個(gè)指標(biāo)賦予不同的權(quán)值,主觀經(jīng)驗(yàn)賦權(quán)值的方法,容易造成結(jié)果的偏差。利用PCA方法,根據(jù)不同指標(biāo)對(duì)主成分的貢獻(xiàn)率,可自動(dòng)、客觀地確定權(quán)值。取第一主成分分量PCA1貢獻(xiàn)度作為權(quán)重,再將結(jié)果歸一化處理到[0,1],接近1的值代表生態(tài)狀況好,接近0的值代表生態(tài)狀況差,構(gòu)建IRSEI,即

        IRSEI=(PCA1-PCA1min)/(PCA1max-PCA1min) ,

        (14)

        式中PCA1min與PCA1max分別為PCA1中的最小值與最大值。

        3 結(jié)果與分析

        3.1 IRSEI代表性驗(yàn)證

        表1是宜賓市三江匯合區(qū)3個(gè)年份4個(gè)指標(biāo)的PCA分析結(jié)果。從表中可以看出PCA1具有以下特征: ①在各年份中,PCA1的特征值所占的比例都大于88%,表明已集中了4個(gè)指標(biāo)的絕大部分信息; ②各個(gè)指標(biāo)對(duì)PCA1中都有一定的貢獻(xiàn)度,而不會(huì)像在其他特征分量(PCA2—PCA4)中出現(xiàn)大小不定、正負(fù)沒有規(guī)律的現(xiàn)象; ③在PCA1中,代表綠度的NDVI和代表濕度的WET指標(biāo)呈正值,說明它們對(duì)良好的生態(tài)系統(tǒng)起著積極的作用,而代表溫度和干度的LST和NDISSI則呈負(fù)值,說明它們對(duì)良好的生態(tài)系統(tǒng)起著消極的作用,符合生活實(shí)際。同時(shí),這與回歸方程中各指標(biāo)的系數(shù)正負(fù)保持一致,同樣證明了模型構(gòu)建的正確性。而在PCA2—PCA4中,這些指標(biāo)正負(fù)不定,難以解釋。因此,較之于其他分量,PCA1有明顯的優(yōu)勢(shì),它不僅能夠解釋絕大多數(shù)的數(shù)據(jù),還能夠很好地綜合4個(gè)指標(biāo)的信息,并對(duì)其合理解釋,因此,可使用PCA1創(chuàng)建IRSEI。據(jù)統(tǒng)計(jì),采用改進(jìn)之后的IRSEI指數(shù)PCA1的百分比較RSEI有所提升,以研究區(qū)3期影像為例,分別從85%,86%和85%,提升到了88%,89%和89%。此外,在新構(gòu)建IRSEI指數(shù)的PCA1中,干度指標(biāo)對(duì)應(yīng)系數(shù)的絕對(duì)值與RSEI中對(duì)應(yīng)的值相比有顯著提升。在其他3個(gè)指標(biāo)對(duì)應(yīng)的系數(shù)基本不變的情況下,該系數(shù)的絕對(duì)值在這3期影像中分別從RSEI指數(shù)的0.34,0.40和0.39提升至IRSEI的0.52,0.60和0.60,平均提升超過52%。PCA1和對(duì)應(yīng)干度系數(shù)絕對(duì)值的提升說明,模型改進(jìn)之后能夠提取更多的信息進(jìn)行生態(tài)評(píng)估,IRSEI能夠更加精準(zhǔn)地反映出干度對(duì)生態(tài)環(huán)境造成的負(fù)面影響。

        表1 主成分分析結(jié)果

        新構(gòu)建的IRSEI指數(shù)綜合代表性可由它和各生態(tài)指標(biāo)的相關(guān)性進(jìn)行表示,從表2可以看出: 就單一指標(biāo)而言,各指標(biāo)相互之間的平均相關(guān)度最高的為NDISSI,在2017年達(dá)到了0.79,3期平均相關(guān)度為0.78。而新構(gòu)建的IRSEI指數(shù)與各指標(biāo)的相關(guān)度在這3期中均大于0.75,平均相關(guān)度達(dá)0.78,比這4個(gè)指標(biāo)的均值0.64高出22%。由此可見,新構(gòu)建的IRSEI指數(shù)能夠很好地集成各指標(biāo)的信息,并且比任意的單一指標(biāo)更具有代表性,能夠較好地綜合代表城市生態(tài)水平。相較于RSEI指數(shù),新構(gòu)建的IRSEI指數(shù)各指標(biāo)與模型的平均相關(guān)度也有所提升。據(jù)統(tǒng)計(jì),改進(jìn)前后的各指標(biāo)與模型的平均相關(guān)度在這3期影像中分別從0.73,0.75和0.74提升至0.76,0.79和0.77,表明IRSEI指數(shù)相比RSEI指數(shù)能夠更好地代表各個(gè)指標(biāo)的綜合信息。

        表2 各指標(biāo)與IRSEI指數(shù)的相關(guān)性統(tǒng)計(jì)

        3.2 IRSEI模型構(gòu)建及分析

        對(duì)各年份4個(gè)指標(biāo)及IRSEI專題圖進(jìn)行貫穿全影像的隨機(jī)采樣,采樣點(diǎn)數(shù)為30 000個(gè)。以NDVI,WET,LST,NDISSI為自變量,IRSEI為因變量,構(gòu)建宜賓市三江匯合區(qū)多元回歸生態(tài)指數(shù)模型(模型皆通過了1%的顯著性檢驗(yàn)),即

        IRSEI2013=0.63NDVI+0.04WET-0.25LST-0.42NDISSI+0.39,

        (15)

        IRSEI2017=0.56NDVI+0.05WET-0.22LST-0.45NDISSI+0.47,

        (16)

        IRSEI2020=0.64NDVI+0.11WET-0.25LST-0.43NDISSI+0.39。

        (17)

        從模型中可看出,4個(gè)指標(biāo)在逐步回歸時(shí)都保留了下來,證明構(gòu)建IRSEI的4個(gè)指標(biāo)均為生態(tài)評(píng)估的關(guān)鍵性指標(biāo)。此外,NDVI和WET的系數(shù)為正,說明對(duì)生態(tài)評(píng)價(jià)有著積極作用;LST和NDISSI系數(shù)為負(fù),說明對(duì)生態(tài)評(píng)價(jià)有著消極作用。

        各生態(tài)指標(biāo)與IRSEI的關(guān)系可由三維散點(diǎn)圖直觀地進(jìn)行分析。從圖1可以看出IRSEI的高值區(qū)集中在綠度高、濕度大的密集植被覆蓋區(qū); 而低值區(qū)集中在溫度高、干度大的建筑區(qū)域。NDVI的回歸系數(shù)在3期均大于0.56,反映出NDVI對(duì)生態(tài)狀況的貢獻(xiàn)度最高;NDISSI回歸系數(shù)絕對(duì)值在3期中均大于0.42,其對(duì)生態(tài)狀況的影響僅次于NDVI;LST回歸系數(shù)絕對(duì)值均大于0.22,其對(duì)生態(tài)的影響相對(duì)較弱;WET的回歸系數(shù)為0.04~0.11,它對(duì)生態(tài)狀況的影響程度在4個(gè)指標(biāo)中是最低的。

        (a) NDVI和WET(b) LST和NDISSI

        3.3 城市擴(kuò)張分析

        為更好地分析城市擴(kuò)張情況,將2020年NDISSI與2013年NDISSI進(jìn)行差值計(jì)算,對(duì)其結(jié)果歸一化處理后使用等間距分級(jí)法以0.2為間距重分為5類,如圖2(c)所示。通過對(duì)比圖2(a)和(b),可發(fā)現(xiàn)城市擴(kuò)張極為明顯,且主要集中在三江匯合處(圖中白色區(qū)域)的北面及南面,這與圖2(c)中顯著增加區(qū)域(紅色圖斑)相吻合,表明新構(gòu)建的干度指標(biāo)NDISSI能夠清晰準(zhǔn)確地反映出城市擴(kuò)張情況。

        (a) 2013年遙感影像(b) 2020年遙感影像(c) NDISSI差值圖

        圖2 研究區(qū)2013—2020年城市擴(kuò)張示意圖

        3.4 環(huán)境評(píng)價(jià)分析

        為了更好地分析IRSEI的代表性,將各年份IRSEI值以0.2為間隔劃分為5個(gè)等級(jí): [0~0.2)為差,[0.2,0.4)為較差,[0.4,0.6)為中,[0.6,0.8)為較好,[0.8,1]為好。

        從表3及圖3數(shù)據(jù)的變化情況來看,2013年宜賓市三江匯合區(qū)的IRSEI均值為0.54; 2017年為0.67,較2013年上升了24%。2013—2017年間,對(duì)生態(tài)負(fù)面影響最大的NDISSI從-0.44略微加劇到-0.47,這是因?yàn)樽?013年臨港新區(qū)成立后,城區(qū)急速擴(kuò)大,導(dǎo)致研究區(qū)不透水面增加所致。另一方面,隨著退耕還林政策的不斷推進(jìn),以及臨港新區(qū)建設(shè)過程中的植被恢復(fù),使得對(duì)生態(tài)環(huán)境正面影響最大的NDVI平均值從0.41猛增到0.55,這是研究區(qū)即使在NDISSI略微增大的同時(shí),環(huán)境依然能夠大為好轉(zhuǎn)的原因,直觀體現(xiàn)在生態(tài)級(jí)別為較差和中的面積從68.84 km2和179.80 km2急劇縮小至39.75 km2和94.09 km2。反之,生態(tài)級(jí)別為較好和好的面積從152.74 km2和12.11 km2猛增至185.95 km2和104.84 km2; 2020年IRSEI均值為0.63,較2017年下滑6%,生態(tài)環(huán)境有所惡化。截至2020年,NDVI,WET與NDISSI同比2017保持穩(wěn)定,由于晝夜溫差的緣故,僅從LST的均值結(jié)果進(jìn)行分析缺乏說服力,需先對(duì)其進(jìn)行歸一化操作,再進(jìn)行比較[1]。結(jié)果顯示,歸一化后的LST在2017年和2020年分別為0.34和0.37,增長(zhǎng)了9%??梢?017—2020年間,隨著城區(qū)的擴(kuò)張,城市熱島效應(yīng)[20]不斷增強(qiáng),這是生態(tài)狀況下滑的原因,直觀體現(xiàn)在生態(tài)級(jí)別為好的面積從2017年的104.84 km2減少到2020年的87.46 km2。

        表3 各年份指標(biāo)與IRSEI的統(tǒng)計(jì)均值

        圖3 三江匯合區(qū)不同時(shí)期生態(tài)等級(jí)面積

        研究區(qū)2013—2020年生態(tài)變化檢測(cè)情況如圖4所示,即將2017年與2013年、2020年與2017年的IRSEI專題圖進(jìn)行差值運(yùn)算,對(duì)其結(jié)果歸一化之后,同樣按照0.2為間隔進(jìn)行劃分,結(jié)果從小到大依次表現(xiàn)為: 顯著變差、明顯變差、基本不變、明顯變好、顯著變好。如圖4 (a)所示,從空間變化結(jié)果來看,2013—2017年間生態(tài)變差的地區(qū)主要集中在三江匯合區(qū)西北以及東北方向(橙、紅色圖斑),這部分區(qū)域恰巧是新城區(qū)的開發(fā)地。而生態(tài)變好的地區(qū)主要分布于的東南部以及中心處(淺綠色、綠色圖斑),東南部地區(qū)生態(tài)狀況好轉(zhuǎn)的原因是退耕還林政策的不斷推進(jìn),使得植被覆蓋面得到提升。而三江匯合中心地帶生態(tài)狀況的好轉(zhuǎn)得益于新修濕地公園和景觀綠地等老城區(qū)的改造項(xiàng)目。如圖4 (b)所示,2017—2020年間生態(tài)惡化的區(qū)域主要集中在三江匯合區(qū)北面及南面(橙、紅色圖斑),北面惡化的原因是該區(qū)域正破土興建宜賓大學(xué)城,南面惡化原因?yàn)槔铣菂^(qū)擴(kuò)張。三江匯合區(qū)的邊緣地帶生態(tài)不斷好轉(zhuǎn)(淺綠色、綠色圖斑),得益于退耕還林政策持續(xù)影響下的植被覆蓋面的提升。

        (a) 2013—2017年(b) 2017—2020年

        圖4 研究區(qū)IRSEI變化檢測(cè)

        4 結(jié)論

        以宜賓市三江匯合區(qū)為研究區(qū),基于綠度指標(biāo)(NDVI)、濕度指標(biāo)(WET)、溫度指標(biāo)(LST)以及干度指標(biāo)(NDISSI) 建立的改進(jìn)型遙感生態(tài)指數(shù)(IRSEI),對(duì)該地區(qū)2013—2020年生態(tài)狀況及變化趨勢(shì)進(jìn)行研究,主要結(jié)論如下:

        1)不透水面指數(shù)(NDISI)與裸土指數(shù)(SI)構(gòu)建的NDISSI能夠更加準(zhǔn)確地反映出干度對(duì)生態(tài)環(huán)境造成的負(fù)面影響,這使得IRSEI抑制噪聲信息能力更強(qiáng),相較于RSEI能夠增加4%有用數(shù)據(jù)用于生態(tài)質(zhì)量分析。此外,IRSEI與各指標(biāo)的平均相關(guān)度相比RSEI提升了22%左右,這表明IRSEI能夠更好地集成各個(gè)指標(biāo)的信息。

        2)宜賓市三江匯合區(qū)2013—2020年的生態(tài)環(huán)境質(zhì)量,呈現(xiàn)出先好轉(zhuǎn)后輕微惡化的趨勢(shì)。在2013—2017年間,研究區(qū)生態(tài)狀況明顯好轉(zhuǎn),生態(tài)級(jí)別為“差”和“好”的面積占比分別從2013年的3.04%和2.84%變?yōu)?017年的0.09%和24.67%; 在2017—2020年間,研究區(qū)生態(tài)狀況變差,2020年生態(tài)級(jí)別為“差”和“好”的面積占比分別為0.89%和20.74%。

        3)IRSEI指數(shù)能夠綜合4個(gè)指標(biāo)對(duì)生態(tài)質(zhì)量進(jìn)行評(píng)估,通過建模分析得出4個(gè)指標(biāo)權(quán)重由大到小依次為: NDVI,NDISSI,LST以及WET。這表明植被是城市生態(tài)系統(tǒng)中最重要的影響因素,但值得注意的是NDISSI與LST的綜合作用會(huì)抵消植被的影響。

        此外,宜賓市位于四川盆地,森林覆蓋面廣,水汽充沛,這使得遙感影像受云霧的影響較大,長(zhǎng)時(shí)間序列數(shù)據(jù)獲取較難,在進(jìn)一步的研究中,可以將無人機(jī)遙感技術(shù)應(yīng)用于生態(tài)環(huán)境分析,以降低大氣云層的影響,從而提高遙感監(jiān)測(cè)精度。

        猜你喜歡
        干度宜賓市三江
        三江之水天上來
        軍事文摘(2023年20期)2023-10-31 08:42:48
        三江之水天上來
        四川省糧桑復(fù)合種植現(xiàn)場(chǎng)培訓(xùn)會(huì)在宜賓市召開
        宜賓市三江新區(qū)
        廉政瞭望(2022年18期)2022-10-20 11:31:22
        它們的家鄉(xiāng)——“三江源”
        宜賓市農(nóng)業(yè)機(jī)械研究所
        三江并流
        民族音樂(2018年1期)2018-04-18 03:24:28
        宜賓市農(nóng)業(yè)機(jī)械研究所
        注汽鍋爐應(yīng)用干度自控系統(tǒng)提高稠油采收率
        稠油注汽鍋爐蒸汽干度測(cè)控裝置的應(yīng)用
        亚洲av男人免费久久| 国产亚洲自拍日本亚洲| av日韩一区二区三区四区| 亚洲2022国产成人精品无码区| 国产精品视频露脸| 中国猛少妇色xxxxx| 日本久久精品免费播放| 丝袜美腿亚洲综合久久| av网站免费在线浏览| 亚洲精品动漫免费二区| 成 人 网 站 免 费 av| 四虎无码精品a∨在线观看| 极品少妇人妻一区二区三区| 夹得好湿真拔不出来了动态图| 人妻无码一区二区视频| 亚洲a∨无码一区二区| 国产精品丝袜在线不卡| aa视频在线观看播放免费| 按摩师玩弄少妇到高潮av| 国产激情久久久久久熟女老人av| 无码av免费一区二区三区| 国产在线不卡视频| 99久久久69精品一区二区三区| 国产成人一区二区三区乱| 无码人妻一区二区三区免费视频| 亚洲精品国产字幕久久vr| 亚洲天堂av大片暖暖| 日韩午夜免费视频精品一区| 国产二级一片内射视频播放| 国产黄色片在线观看| 亚欧乱色束缚一区二区三区| 国产精品久久夜伦鲁鲁| 日本二一三区免费在线| 亚洲国产一区二区a毛片| 国产成人av在线影院无毒| 一本大道综合久久丝袜精品| 亚洲av熟女少妇久久| 成年无码av片完整版| 国产精品自产拍在线观看免费| 一本一道久久a久久精品综合蜜桃| 国产三级不卡在线观看视频|