基于Google Earth Engine的巢湖流域生态环境质量时空动态变化及影响因素分析

doi:10.13474/j.cnki.11-2246.2023.0193

测绘通报 ›› 2023, Vol. 0 ›› Issue (7): 7-13.doi: 10.13474/j.cnki.11-2246.2023.0193

• 生态环境时空演化分析 • 上一篇下一篇

基于Google Earth Engine的巢湖流域生态环境质量时空动态变化及影响因素分析

王滢¹, 李代伟¹, 张帆¹, 朱会子¹, 李龙伟^1,2, 李楠^1,2

1. 滁州学院地理信息与旅游学院, 安徽滁州 239000;
2. 实景地理环境安徽省重点实验室, 安徽滁州 239000

收稿日期:2022-10-11 出版日期:2023-07-25 发布日期:2023-08-08
通讯作者: 李楠。E-mail:linan@chzu.edu.cn
作者简介:王滢(2001-),女,主要研究方向为生态环境遥感。E-mail:2020210545@mail.chzu.edu.cn
基金资助:
国家自然科学基金(42101387);安徽省自然科学基金(2108085QD155);安徽省教育厅重点项目(KJ2020A00706);国家级大学生创新创业训练计划(202210377010)

Spatial and temporal dynamic change and influencing factors of ecological environment quality in Chaohu Lake basin based on GEE

WANG Ying¹, LI Daiwei¹, ZHANG Fan¹, ZHU Huizi¹, LI Longwei^1,2, LI Nan^1,2

1. School of Geographical Information and Tourism, Chuzhou University, Chuzhou 239000, China;
2. Anhui Province Key Laboratory of Physical Geographic Environment, Chuzhou 239000, China

Received:2022-10-11 Online:2023-07-25 Published:2023-08-08

摘要/Abstract

摘要： 本文以巢湖流域为研究区,基于2000—2020年Landsat TM/OLI系列遥感数据,通过Google Earth Engine云计算平台构建遥感生态指数(RSEI),采用空间自相关与地理探测器等方法对巢湖流域生态环境质量进行大尺度、长时序动态监测分析与评价。结果表明:①研究区RSEI均值由2000年的0.70提升至2020年的0.74,整体上呈现改善趋势,研究区生态环境等级以优、良为主。②研究区全局Moran's I指数均大于0,巢湖流域生态环境质量在全局自相关上呈现聚类趋势,具有显著的空间正相关性,20年间“低-低”聚集区呈现先增加后减少趋势。③研究区生态环境受多因子影响,其中人为因素对2010年巢湖流域生态环境影响较大,进而导致生态环境质量下降。

关键词: 遥感, Google Earth Engine, 巢湖流域, 生态环境质量, 空间自相关, 地理探测器

Abstract: Taking Chaohu Lake basin as the research area, remote sensing ecological index (RSEI) is constructed through Google Earth Engine cloud computing platform, and large-scale and long-time dynamic monitoring analysis and evaluation of ecological environment quality in Chaohu Lake basin are carried out by means of spatial autocorrelation and geographic detectors based on Landsat TM/OLI series remote sensing data from 2000 to 2020. The results show that:①The average value of RSEI increased from 0.70 in 2000 to 0.74 in 2020, showing an overall improvement trend, and the ecological environment level is mainly excellent and good. ②The global Moran's I index of the study area is all greater than 0, and the ecological environment quality in Chaohu Lake basin presented a clustering trend on the global autocorrelation, with a significant spatial positive correlation. In the past 20 years, the low-low aggregation area had a trend of increasing firstly and then decreasing. ③The ecological environment is affected by many factors, among which human factors had a great impact on the ecological environment of Chaohu Lake basin in 2010, which leaded to the decline of ecological environment quality.

Key words: remote sensing, Google Earth Engine, Chaohu Lake basin, ecological environment quality, spatial autocorrelation, geographic detector

中图分类号:

P237

王滢, 李代伟, 张帆, 朱会子, 李龙伟, 李楠. 基于Google Earth Engine的巢湖流域生态环境质量时空动态变化及影响因素分析[J]. 测绘通报, 2023, 0(7): 7-13.

WANG Ying, LI Daiwei, ZHANG Fan, ZHU Huizi, LI Longwei, LI Nan. Spatial and temporal dynamic change and influencing factors of ecological environment quality in Chaohu Lake basin based on GEE[J]. Bulletin of Surveying and Mapping, 2023, 0(7): 7-13.

参考文献

[1] 李梦雅. 基于多源遥感智能提取的巢湖流域水体面积变化监测研究[D]. 合肥:安徽大学, 2021.
[2] 袁步先,吴楠,程鹏. 2010-2020年巢湖流域生态系统类型的时空变化特征及驱动力分析[J]. 安徽农业科学,2022,50(7):59-64.
[3] 王雪蕾,王新新,朱利,等. 巢湖流域氮磷面源污染与水华空间分布遥感解析[J]. 中国环境科学,2015,35(5):1511-1519.
[4] 黄木易,何翔. 巢湖流域土地景观格局变化及生态风险驱动力研究[J]. 长江流域资源与环境,2016,25(5):743-750.
[5] 张华,宋金岳,李明,等. 基于GEE的祁连山国家公园生态环境质量评价及成因分析[J]. 生态学杂志,2021,40(6):1883-1894.
[6] 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(3):325-335.
[7] 汤世华,樊风雷,王云鹏,等. 土地利用变化的遥感监测及其与经济发展关系的研究:以增城市1998-2003土地利用为例[J]. 农业现代化研究,2005,26(5):378-381.
[8] 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.
[9] 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.
[10] 温小乐,陈旭,徐涵秋. 基于遥感生态指数的京郊南部城市生态评价——以涿州市、固安县为例[J]. 福州大学学报(自然科学版),2022,50(2):286-292.
[11] 张沛,徐海量,杜清,等. 基于RS和GIS的塔里木河干流生态环境状况评价[J]. 干旱区研究,2017,34(2):416-422.
[12] GORELICK N,HANCHER M,DIXON M,et al. Google Earth Engine:planetary-scale geospatial analysis for everyone[J]. Remote Sensing of Environment,2017,202:18-27.
[13] HUANG Huabing,CHEN Yanlei,CLINTON N,et al. Mapping major land cover dynamics in Beijing using all Landsat images in Google Earth Engine[J]. Remote Sensing of Environment,2017,202:166-176.
[14] 徐涵秋. 利用改进的归一化差异水体指数(MNDWI)提取水体信息的研究[J]. 遥感学报,2005,9(5):589-595.
[15] 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.
[16] 王丽春,焦黎,来风兵,等. 基于遥感生态指数的新疆玛纳斯湖湿地生态变化评价[J]. 生态学报,2019,39(8):2963-2972.
[17] XIONG Yuan,XU Weiheng,LU Ning,et al. Assessment of spatial-temporal changes of ecological environment quality based on RSEI and GEE:a case study in Erhai Lake basin,Yunnan province,China[J]. Ecological Indicators,2021,125:107518.
[18] 贾晶晶. 基于SRP模型的石羊河流域生态脆弱性评价[D]. 兰州:西北师范大学,2020.
[19] 王劲峰,徐成东. 地理探测器:原理与展望[J]. 地理学报,2017,72(1):116-134.
[20] 冯荣荣,张凯莉,韩佳宁,等. 沣河流域生态环境质量的遥感评价及影响因子分析[J]. 生态与农村环境学报,2022,38(7):860-871.
[21] 安敏,李文佳,吴海林,等. 三峡库区生态环境质量的时空格局演变及影响因素[J]. 长江流域资源与环境,2022,31(12):2743-2755.
[22] 李鸿芝. 基于RSEI的巢湖流域生态环境质量时空变化分析[J]. 安徽农业科学,2019,47(16):82-86.

基于Google Earth Engine的巢湖流域生态环境质量时空动态变化及影响因素分析

Spatial and temporal dynamic change and influencing factors of ecological environment quality in Chaohu Lake basin based on GEE

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	范雪山, 郑礼全, 陈志刚, 龚智伟. 天津市生态环境质量评价与时空演变分析天津市生态环境质量评价与时空演变分析[J]. 测绘通报, 2023, 0(8): 14-18,66.
[2]	赵菊花, 杨永崇, 王涛, 杨梅焕, 谢艳玲, 郭志炜, 陈佳旺. 黄土高原2000—2020年生态网络演变及关键修复区识别[J]. 测绘通报, 2023, 0(8): 19-23,77.
[3]	麻德明, 张秀林, 田梓文, 王佳新. 无人机遥感影像浒苔信息提取方法[J]. 测绘通报, 2023, 0(8): 24-28.
[4]	王斌, 徐佳沅, 唐力明, 周立鹏. 小型斜坡隐患识别“空天地”图谱几何遥感方法[J]. 测绘通报, 2023, 0(8): 136-141.
[5]	张戬, 高雅. 深度学习遥感影像解译技术在耕地保护中的应用[J]. 测绘通报, 2023, 0(8): 142-145.
[6]	宋沛林, 解吉波, 杨腾飞, 牟乃夏, 陈默, 王小宇. 基于生态敏感性的区域环境时空变化及其驱动因素探究——以定安县为例[J]. 测绘通报, 2023, 0(7): 18-24.
[7]	马京京, 高美玲, 李振洪, 许慧慧, 彭建兵. 黄河流域森林覆盖时空变化及驱动因素分析[J]. 测绘通报, 2023, 0(7): 51-57.
[8]	温亚飞, 刘宇, 王光辉, 张秋昭. Landsat 9数据的地表温度反演算法优化[J]. 测绘通报, 2023, 0(7): 74-79.
[9]	王冬梅, 吴勇锋, 石一凡, 梁文广, 王轶虹, 潘思远. 利用Sentinel-2遥感影像分析水葫芦时空分布规律[J]. 测绘通报, 2023, 0(6): 44-49.
[10]	王俪璇, 叶成名, 眭天波, 魏瑞龙, 李洪富. 川藏交通廊道冰川和地表水遥感监测及耦合分析[J]. 测绘通报, 2023, 0(6): 50-55.
[11]	杨佳欣, 李佳田, 陆美, 胡明洪, 李文, 金维, 胡浩. 云南地区积雪遥感监测及气候响应分析[J]. 测绘通报, 2023, 0(6): 56-60.
[12]	沈鑫甦, 嵇灵. 面向遥感地类变化检测的U型深度学习神经网络改进方法[J]. 测绘通报, 2023, 0(6): 93-97,103.
[13]	李小军, 车良革, 胡宝清. FLUS-InVEST模型的北海市生态系统碳储量时空差异分析[J]. 测绘通报, 2023, 0(6): 117-123,183.
[14]	范忻, 丁来中, 李莹, 王文杰, 程明, 宋会传, 高爽, 耿丽艳, 李春意. 黄河下游藕节形河道游荡趋势演变遥感分析[J]. 测绘通报, 2023, 0(6): 150-154.
[15]	陈杰, 邓敏, 侯东阳. 大数据智能时代遥感课程实践教学模式的改革与探索[J]. 测绘通报, 2023, 0(6): 176-179.