林 娜,張 迪,潘建平,馮珊珊,潘 鵬

(重慶交通大學(xué) 智慧城市學(xué)院,重慶 400074)

0 引 言

三峽庫區(qū)土地結(jié)構(gòu)復(fù)雜,生態(tài)脆弱敏感[1],山地自然條件和移民社會環(huán)境使得庫區(qū)人口與生態(tài)環(huán)境的矛盾突出。長壽區(qū)是三峽庫區(qū)生態(tài)經(jīng)濟(jì)區(qū)重要組成部分,具有“山地特征明顯,移民屬性,工業(yè)經(jīng)濟(jì)主導(dǎo)”的典型特點,其地形復(fù)雜,城鎮(zhèn)化特征明顯,化工和重工業(yè)集聚化、集群化發(fā)展格局已基本形成,承擔(dān)著發(fā)展循環(huán)經(jīng)濟(jì)、推進(jìn)新型城鎮(zhèn)化建設(shè)進(jìn)程的重要作用[2]。在生態(tài)文明建設(shè)和長江經(jīng)濟(jì)帶發(fā)展戰(zhàn)略不斷推進(jìn)的契機(jī)下,從時間和空間維度對長壽區(qū)開展長時序生態(tài)質(zhì)量評價對構(gòu)建自然環(huán)境與經(jīng)濟(jì)社會協(xié)同發(fā)展模式具有現(xiàn)實意義,通過影響因素分析為區(qū)域生態(tài)質(zhì)量改善提供科學(xué)依據(jù),同時為庫區(qū)內(nèi)其他地區(qū)生態(tài)質(zhì)量評價工作提供參考。

隨著航空航天產(chǎn)業(yè)的不斷發(fā)展,遙感技術(shù)被廣泛應(yīng)用于環(huán)境監(jiān)測中,現(xiàn)有的生態(tài)環(huán)境質(zhì)量評價方法主要有生態(tài)環(huán)境狀況指數(shù)法[3]、“壓力-狀態(tài)-響應(yīng)”模型法[4]、景觀生態(tài)學(xué)法[5]等,這些方法在陜南地區(qū)[6]、張掖市[7]、喀斯特地區(qū)[8]等地的生態(tài)質(zhì)量評價中得以應(yīng)用。徐涵秋[9-10]在生態(tài)環(huán)境狀況指數(shù)基礎(chǔ)上提出了遙感生態(tài)指數(shù)(Remote Sensing Ecological Index, RSEI),該指數(shù)具有客觀性較強(qiáng)、評價指標(biāo)數(shù)據(jù)易獲取、評價結(jié)果可視化效果好、能排除人為因素對指標(biāo)權(quán)重的影響等優(yōu)點。魏雨涵等[11]、張娟等[12]和鐘欣呈等[13]分別利用RSEI對漓江流域、焦作市及玉溪市生態(tài)質(zhì)量進(jìn)行了監(jiān)測與評估;王志超等[14]在RSEI基礎(chǔ)上進(jìn)行改進(jìn),實現(xiàn)了喀斯特石漠化地區(qū)的生態(tài)監(jiān)測。RSEI彌補(bǔ)了單一指標(biāo)進(jìn)行評估時影響因素干擾較大的不足,還可以從空間分布情況和時空變化特征兩方面反映區(qū)域生態(tài)質(zhì)量的情況,適用于區(qū)級生態(tài)環(huán)境的動態(tài)監(jiān)測[15]。

區(qū)域生態(tài)質(zhì)量除了受計算RSEI時選用的歸一化差值植被指數(shù)(Normalized Difference Vegetation Index,NDVI)、干度(Normalized Difference Built-Up Index,NDBSI)、濕度WET和地表溫度(Land Surface Temperature,LST)4個指標(biāo)影響外,與地理要素也息息相關(guān)。為了探究生態(tài)質(zhì)量變化與其他因素之間的關(guān)系,從機(jī)器學(xué)習(xí)出發(fā)定量分析RSEI與其他各影響因子之間的關(guān)系。隨機(jī)森林(Random Forest,RF)模型是由Breiman[16]在2001年提出的一種基于分類樹的機(jī)器學(xué)習(xí)算法,是一種利用多棵決策樹對樣本進(jìn)行訓(xùn)練并集成預(yù)測的分類器。與其他機(jī)器學(xué)習(xí)方法相比,RF模型實現(xiàn)簡單、訓(xùn)練速度快、精度高、可對變量進(jìn)行相對重要性排序和計算變量個體邊際依賴性,適用于探討RSEI變化和潛在影響因子之間的關(guān)系[17-19]。

本研究以 Landsat 系列數(shù)據(jù)為數(shù)據(jù)源,利用專題信息增強(qiáng)技術(shù)提取綠度、濕度、干度及熱度指標(biāo),基于遙感生態(tài)指數(shù)評估長壽區(qū)生態(tài)質(zhì)量,并利用RF算法對長壽區(qū)生態(tài)質(zhì)量空間演變格局及其與驅(qū)動因子的關(guān)系進(jìn)行了定量分析,以期為長壽區(qū)科學(xué)綠色發(fā)展、三峽庫區(qū)及類似區(qū)域的生態(tài)監(jiān)測和恢復(fù)提供參考。

1 研究區(qū)概況及數(shù)據(jù)來源

1.1 研究區(qū)概況

長壽區(qū)位于重慶市中部,為重慶城鄉(xiāng)統(tǒng)籌發(fā)展示范區(qū),是三峽庫區(qū)的重要組成部分,轄區(qū)面積為1 424 km2,轄7個街道、12個鎮(zhèn),處重慶都市主城區(qū)東北隅(106°49′E—107°27′E, 29°43′N—30°12′N),是典型的低山丘陵區(qū),海拔154～1 034 m,地勢綿延起伏,明月山、黃草山、銅鑼山將研究區(qū)切割為“三山兩槽”地形,屬亞熱帶濕潤季風(fēng)氣候,年平均氣溫18 ℃,年平均降水量1 200 mm,區(qū)內(nèi)水資源和森林資源豐富,黃金水道長江穿流南部,獅子灘水庫和大洪湖水庫位于東西兩側(cè),是長江經(jīng)濟(jì)帶上重要的綜合化工基地[20],承擔(dān)著促進(jìn)長江流域經(jīng)濟(jì)發(fā)展和三峽庫區(qū)生態(tài)屏障的重要職能。研究區(qū)山地丘陵特征明顯,區(qū)域內(nèi)江河縱橫、水系豐富,化工、重工產(chǎn)業(yè)聚集,兼具三峽庫區(qū)移民和工業(yè)經(jīng)濟(jì)發(fā)展屬性。

1.2 數(shù)據(jù)來源與預(yù)處理

為反映生態(tài)質(zhì)量的優(yōu)劣,選取綠度、濕度、干度、熱度4個指標(biāo)構(gòu)建RSEI。為獲取這4個指標(biāo)信息,選取長壽區(qū)2002—2021年Landsat系列遙感影像數(shù)據(jù),以3～4 a為間隔共選取6期的Landsat-5 TM、Landsat-8 OLI影像,通過遙感信息增強(qiáng)技術(shù)獲得4個指標(biāo)重要信息,進(jìn)而研究長壽區(qū)的生態(tài)質(zhì)量情況。遙感影像數(shù)據(jù)下載自地理空間數(shù)據(jù)云平臺(http:∥www.gscloud.cn/),所選取的遙感影像均處于植被繁茂期(7—8月份),詳細(xì)信息見表1。選擇質(zhì)量完好、云量較少、時相一致的影像以控制植被生長情況、氣溫、光照和大氣等因素對試驗結(jié)果造成的誤差,然后對獲取的影像數(shù)據(jù)進(jìn)行輻射定標(biāo)和大氣校正,并進(jìn)行多波段合成、裁剪等預(yù)處理操作。

表1 遙感影像數(shù)據(jù)

為探究RSEI變化與人類活動、自然環(huán)境等驅(qū)動因子之間的關(guān)系,選取人口密度、坡度、坡向、高程、距道路距離、距水系距離、土壤有機(jī)質(zhì)含量和土壤侵蝕數(shù)據(jù)進(jìn)行RF回歸分析。人口密度數(shù)據(jù)來源于WorldPop (https:∥www.worldpop.org/),道路因子由Open Street Map (https:∥www.openhistoricalmap.org)提供,水系因子由Landsat遙感影像計算歸一化差異水體指數(shù)提取,數(shù)字高程模型(Digital Elevation Model, DEM)數(shù)據(jù)是地理空間數(shù)據(jù)云平臺(http:∥www.gscloud.cn)所提供的AS-TER GDEM 30 m分辨率數(shù)據(jù),坡度、坡向因子由DEM利用ArcGIS軟件生成,土壤有機(jī)質(zhì)數(shù)據(jù)源于SoilGrids250 m 2.0,土壤侵蝕數(shù)據(jù)由重慶市水利局提供。

2 研究方法

2.1 遙感生態(tài)指數(shù)計算原理

遙感生態(tài)指數(shù)RSEI通過計算綠度、濕度、干度和熱度4個因子后進(jìn)行歸一化處理獲取,然后基于主成分分析選用貢獻(xiàn)度高的主成分對生態(tài)環(huán)境進(jìn)行評價,RSEI越大表明生態(tài)環(huán)境越好。RSEI及歸一化計算公式為[10]:

RSEI=f(NDVI,NDBSI,WET,LST) ;

(1)

NIi=(Ii-Imin)/(Imax-Imin) 。

(2)

式中:NIi為歸一化之后的指標(biāo)評價值;Ii為該指標(biāo)在像元i處的值;Imax為該指標(biāo)像元最大值;Imin為該指標(biāo)像元最小值。

2.2 分量指標(biāo)計算

2.2.1 綠度指標(biāo)提取

植被可以一定程度上反映區(qū)域內(nèi)生態(tài)環(huán)境狀況, NDVI能充分展示研究區(qū)的植被屬性。本文選用NDVI來代表綠度,即

(3)

式中ρRed、ρNIR分別為紅波段、近紅外波段的反射率。

2.2.2 濕度指標(biāo)提取

濕度指標(biāo)是用來表示土壤退化程度的一個指標(biāo)。通過纓帽變換(K-T變換)所得到的濕度分量(WET)可以用來衡量自然條件下的土壤的濕度,本文選用Index DataBase公布的Landsat影像濕度分量計算方法,即

WET=0.150 9ρBlue+0.197 3ρGreen+0.327 9ρRed+

0.340 6ρNIR-0.711 2ρSWIR1-0.457 2ρSWIR2。

(4)

式中ρBlue、ρGreen、ρSWIR1、ρSWIR2分別為藍(lán)波段、綠波段、熱紅外1波段、熱紅外2波段的反射率。

2.2.3 干度指標(biāo)提取

選用區(qū)域內(nèi)的建筑物指數(shù)(Index-based Build-up Index,IBI)和造成地表“干化”的裸土指數(shù)(Bare Soil Index,SI)的均值來表示干度指標(biāo)NDBSI。其數(shù)學(xué)模型為:

(5)

(6)

(7)

2.2.4 熱度指標(biāo)提取

本文采用LST代表熱度指標(biāo)進(jìn)行研究,熱度指標(biāo)在計算時采用大氣校正法[21]反演地表溫度得到,即

Lλ=gain·DN+bias ;

(8)

TB=[Lλ-L下-τ(1-ε)L上]/(τε) ;

(9)

(10)

式中:gain、bias分別為增益和偏置;DN為遙感影像像元亮度,通常為一個整數(shù);Lλ為傳感器輻射亮度;TB為黑體熱輻射亮度;L上、L下分別為大氣向上、向下輻射量度;τ為大氣在熱紅外波段透射率;ε為地表比輻射率;K1、K2為定標(biāo)參數(shù)。

2.3 遙感生態(tài)指數(shù)計算

黃金水道長江位于長壽區(qū)南部,研究區(qū)內(nèi)具有豐富的水系,為了避免水體對主成分分析(Principal Component Analysis,PCA)載荷分布的影響,在進(jìn)行主成分分析前需要利用歸一化差異水體指數(shù)(Normalized Difference Water Index,NDWI)對水體進(jìn)行掩膜處理[22],本文水體提取置信區(qū)間為[-0.1,1],計算公式為

NDWI=(ρGreen-ρNIR)/(ρGreen+ρNIR) 。

(11)

歸一化后的指標(biāo)通過主成分分析可以有效去除噪聲,將主要信息集中在前幾個主成分中,故選用能夠表征主要信息的主成分構(gòu)建RSEI。為了讓RSEI和生態(tài)質(zhì)量狀況成正相關(guān),用1減去能夠表征主要信息的主成分的綜合值,得到未歸一化的遙感生態(tài)指數(shù)RSEI0[23],其表達(dá)式為

RSEI0=1-∑Ki{PCi[f(NDVI,WET,LST,

NDBSI)]} 。

(12)

式中:K為主成分的貢獻(xiàn)率;PCi為第i主成分;i取值為1、2。

為了更好地度量不同時期的RSEI,對得到的RSEI再次進(jìn)行歸一化處理,并參考《區(qū)域生態(tài)質(zhì)量評價辦法(試行)》(環(huán)監(jiān)測〔2021〕99號)中生態(tài)質(zhì)量類型分類方法,將歸一化后的RSEI分為:一類,RSEI∈[0.7,1];二類,RSEI∈[0.55～0.7);三類,RSEI∈[0.4～0.55);四類,RSEI∈[0.3～0.4);五類,RSEI∈[0～0.3)。本研究以“優(yōu)、良、一般、較差、差”代表生態(tài)質(zhì)量的5個等級。

2.4 隨機(jī)森林回歸分析

RF模型是一種基于決策樹的集成學(xué)習(xí)算法,該方法采用多次隨機(jī)且有放回的方式從原始樣本中抽取樣本來構(gòu)建決策樹從而組成隨機(jī)森林,最終通過投票或平均的方式確定預(yù)測結(jié)果[24]。其中,未被抽中的數(shù)據(jù)被稱為袋外數(shù)據(jù),RF可以通過對袋外數(shù)據(jù)添加噪聲來產(chǎn)生誤差,并通過誤差的大小來衡量特征重要性,而且可以繪制部分依賴圖直觀顯示特征變量的邊際相對重要性和變化閾值[25]。相對于傳統(tǒng)的經(jīng)驗統(tǒng)計方法而言,RF分析特征時具有精度高、不易過擬合、處理數(shù)據(jù)能力強(qiáng)、計算速度快等優(yōu)點,RF模型在探究生態(tài)質(zhì)量變化復(fù)雜驅(qū)動機(jī)制上具有特定優(yōu)勢。

生態(tài)質(zhì)量除了與RSEI提取的4個因子相關(guān)外,還與地理要素相關(guān)。地勢、土壤、水源及社會經(jīng)濟(jì)要素中的人口、交通等要素對生態(tài)質(zhì)量都有一定的影響。本文選擇高程、坡度、坡向、土壤侵蝕因子、土壤有機(jī)質(zhì)含量、距水源距離、人口密度、距道路距離共8類驅(qū)動因子,使用ArcGIS軟件在研究區(qū)內(nèi)生成隨機(jī)點,將各驅(qū)動因子屬性值賦值到點上,基于python編程語言中的scikit-learn庫經(jīng)RF回歸算法訓(xùn)練后得到各驅(qū)動因子的相對重要性,并選擇排序靠前的因子進(jìn)行邊際依賴性分析。

3 結(jié)果與分析

3.1 主成分分析評價

根據(jù)長壽區(qū)RSEI主成分分析結(jié)果(表2)可知:第一主成分(PC1)貢獻(xiàn)率在65%左右,第一主成分(PC1)和第二主成分(PC2)貢獻(xiàn)率之和約90%,說明PC1和PC2集中了4個指標(biāo)的絕大部分特征信息,選用PC1和PC2構(gòu)建RSEI能夠表征研究區(qū)的生態(tài)環(huán)境質(zhì)量情況;在第一主成分中,綠度與濕度的載荷與干度與熱度的載荷符號相反,說明它們分別對研究區(qū)生態(tài)質(zhì)量起著相反的作用,且綠度和濕度對生態(tài)質(zhì)量的共同作用比干度和熱度的大。

表2 主成分分析結(jié)果

對研究區(qū)各時期4個指標(biāo)均值和RSEI均值進(jìn)行統(tǒng)計,結(jié)果如表3所示。 NDBSI整體呈增長趨勢,符合區(qū)域城鎮(zhèn)化進(jìn)程持續(xù)推進(jìn)的發(fā)展現(xiàn)況,代表地表溫度的 LST 則呈現(xiàn)“先增后減”的趨勢,與研究區(qū)的實際氣溫變化情況一致;綠度指標(biāo)在研究期間呈現(xiàn)“先減后增”的趨勢,這與研究區(qū)的森林覆蓋率增長變化情況相吻合;濕度指標(biāo)在研究期間呈波動式下降。

表3 長壽區(qū)2002—2021年4個指標(biāo)及RSEI均值

總體看來,研究區(qū)RSEI呈現(xiàn)先降低后增加的趨勢,2002年和2006年RSEI均值分別為0.642 7、0.566 5,呈下降趨勢,2010年以來RSEI均值分別為0.723 8、0.699 5、0.714 4、0.732 5,反映了生態(tài)環(huán)境質(zhì)量有所改善且2010年以來生態(tài)質(zhì)量保持穩(wěn)定。

3.2 RSEI結(jié)果分析

表4為長壽區(qū)不同時期生態(tài)質(zhì)量各等級的面積與比例,圖1在時間維度上反映各等級RSEI面積百分比變化情況。由圖1和表4可知,長壽區(qū)“差”和“較差”等級的總面積除2006年占比為19.47%外,其余年份均穩(wěn)定在10%左右;“一般”等級在2006年占比為31.81%,從2010年開始均穩(wěn)定在10%以下。除了2006年為48.72%外,“優(yōu)”、“良”等級面積總占比其余年份均達(dá)到80%以上。2010—2021年各等級面積占比分布情況相似,“優(yōu)”等級面積占比最多,分別為69.43%、62.33%、64.36%、72.37%,“良”等級次之,分別為16.48%、20.12%、16.64%、12.52%,其余等級占比不大。2002—2021年長壽區(qū)生態(tài)質(zhì)量改善面積為628.838 km2,所占比例為44.16%,退化區(qū)域面積為183.269 km2,所占比例為12.87%,2002—2021年間長壽區(qū)生態(tài)質(zhì)量改善效果明顯。

圖1 2002—2021年各生態(tài)質(zhì)量等級面積百分比變化

表4 不同年份長壽區(qū)生態(tài)質(zhì)量各等級RSEI的面積與比例

圖2反映了長壽區(qū)2002—2021年RSEI的空間分布情況。從空間分布上看,生態(tài)環(huán)境質(zhì)量等級為“優(yōu)”和“良”的區(qū)域主要分布在明月山、黃草山、銅鑼山高程較高的區(qū)域,生態(tài)環(huán)境質(zhì)量等級為“一般”的區(qū)域零散分布在長壽區(qū)的腹心位置,等級為“差”、“較差”的區(qū)域主要集聚在長江沿岸的江南鎮(zhèn)、晏家街道、鳳城街道和渡舟鎮(zhèn),呈現(xiàn)“城區(qū)分布越密集、化工產(chǎn)業(yè)園越聚集的地區(qū)生態(tài)環(huán)境質(zhì)量越惡劣”的現(xiàn)象。

3.3 RSEI變化原因分析

3.3.1 空間維度變化分析

根據(jù)RF算法對高程、坡度、坡向、人口密度、距水源距離、距道路距離、土壤有機(jī)碳含量、沙粒含量、黏土含量、淤泥含量和土壤侵蝕因子的相對重要性進(jìn)行定量分析,結(jié)果如圖3所示。2002—2021年長壽區(qū)生態(tài)環(huán)境質(zhì)量變化過程中排在前4位的驅(qū)動力因子是高程、人口密度、坡度、距水源距離,表明RSEI對地形和人類活動因素較為敏感,自然因子是RSEI空間變化的主要驅(qū)動力。

圖3 潛在驅(qū)動力因子相對重要性排序

部分依賴圖(Partial dependence plots)適用于可視化呈現(xiàn)回歸模型中因變量對某個自變量的依賴程度[26]。選取圖3中排序位于前4位的高程、人口密度、坡度、距水源距離4個驅(qū)動因子進(jìn)行邊際依賴性分析(見圖4),以此確定RSEI與驅(qū)動因子之間是否存在線性、單調(diào)或更復(fù)雜的關(guān)系,定量評估驅(qū)動因子對RSEI變化的影響。

圖4 最具影響力因子部分依賴圖

在部分依賴圖中,RSEI與高程、人口密度、坡度、距水源距離均呈非線性關(guān)系。當(dāng)高程<360 m時,RSEI穩(wěn)定在0.55以下;高程為360～480 m時,RSEI呈波動式快速上升;高程>480 m后RSEI維持在較高水平,說明高程在480 m以上區(qū)域生態(tài)質(zhì)量更好。人口密度和RSEI大小整體呈負(fù)相關(guān):人口越密集,RSEI越低。人口密度為0～253人/km2時,RSEI由0.64快速下降到0.55;人口密度為253 ～1 280人/km2時,RSEI波動下降;隨著人口密度的不斷增加,RSEI趨于0.5。當(dāng)坡度為0°～10°時,RSEI波動上升,坡度為10°～15°時,RSEI快速上升至0.59,并且坡度上升至15°～20°以后,RSEI均維持在0.6左右,說明坡度在一定程度上影響生態(tài)環(huán)境質(zhì)量,坡度為10°～15°時,RSEI變化靈敏。距水源距離0～500 m的范圍內(nèi),RSEI有一個小的漲幅,隨著距水源距離不斷增加,500～1 700 m范圍內(nèi),RSEI呈現(xiàn)波動性增長。

3.3.2 時間維度變化分析

2002—2021年期間長壽區(qū)生態(tài)質(zhì)量整體向好發(fā)展,RSEI上升了0.089 8。2002—2006年生態(tài)質(zhì)量呈現(xiàn)下降趨勢,原因主要在于:在西部大開發(fā)的戰(zhàn)略指導(dǎo)下,長壽區(qū)作為三峽庫區(qū)生態(tài)經(jīng)濟(jì)區(qū)的重要組成部分,以“移民搬遷、城鎮(zhèn)重建”為契機(jī),加快城鎮(zhèn)化發(fā)展,城鎮(zhèn)化率由2002年的18.9%增加到2006年的45.1%,導(dǎo)致建筑物指數(shù)上升、人口密度增大、大氣和水土污染加劇等問題;另一方面,2002—2006年間森林覆蓋率沒有明顯增加,加之2006年遭受了百年一遇的特大干旱,一系列因素綜合導(dǎo)致2006年生態(tài)質(zhì)量惡化。隨著三峽庫區(qū)持續(xù)推進(jìn)生態(tài)環(huán)境保護(hù)建設(shè),政府相繼出臺了各種政策和規(guī)定,“綠水青山就是金山銀山”的生態(tài)理念逐漸深入人心,長壽區(qū)走“經(jīng)濟(jì)發(fā)展與環(huán)境保護(hù)并重”的道路,城鎮(zhèn)化建設(shè)的同時,不斷推進(jìn)產(chǎn)業(yè)綠色轉(zhuǎn)型,促進(jìn)一、二、三產(chǎn)業(yè)融合發(fā)展,實施“天然林保護(hù)”“退耕還林(草)”及“水庫消落帶治理”等生態(tài)修復(fù)工程,2006—2021年區(qū)內(nèi)生態(tài)恢復(fù)取得顯著成效。

4 結(jié)論與討論

通過綠度、濕度、干度和熱度指標(biāo)計算RSEI,并基于隨機(jī)森林算法對長壽區(qū)生態(tài)質(zhì)量進(jìn)行時序監(jiān)測和格局演變分析,可為開展三峽庫區(qū)類似區(qū)域生態(tài)質(zhì)量監(jiān)測提供參考依據(jù)。研究結(jié)果表明:

(1)長壽區(qū)生態(tài)質(zhì)量空間分布等級差異明顯,生態(tài)環(huán)境較差的區(qū)域主要分布在城區(qū)、化工產(chǎn)業(yè)園區(qū)及人口密集區(qū)域,生態(tài)質(zhì)量較好的區(qū)域分布在地勢高、植被豐富的區(qū)域。

(2)在政府部門相關(guān)政策引導(dǎo)下,2002—2021年生態(tài)質(zhì)量有明顯改善,2002—2021年RSEI累計增加0.089 8。

(3)隨機(jī)森林回歸分析發(fā)現(xiàn),在選取的8類因子中,RSEI對高程、人口密度和坡度因子更加敏感,自然條件和人類活動是影響生態(tài)環(huán)境的重要因素,地形因素是生態(tài)質(zhì)量變化的最主要影響因素。

影響因子的隨機(jī)森林回歸分析為區(qū)域生態(tài)質(zhì)量空間演變原因分析提供了思路。由于研究區(qū)域限制,本研究從地理要素出發(fā)對生態(tài)質(zhì)量空間分布差異進(jìn)行了定量分析,在時序變化分析上采用定性分析方法,影響因子的選取上還有一定的局限性,在后續(xù)的工作中可以將政策、經(jīng)濟(jì)、氣候、地質(zhì)災(zāi)害等因子融合起來綜合考慮它們對生態(tài)質(zhì)量的影響,為三峽庫區(qū)的生態(tài)監(jiān)測提供借鑒和方向。