2. 新疆师范大学丝绸之路经济带城镇化发展研究中心, 新疆 乌鲁木齐 830054
2. Center of Silk Road economic belt urbanization development study, Xinjiang Normal University, Urumqi 830054, China
城市化与生态环境的协调发展是生态文明建设的基本要求,也是社会发展的必然趋势。随着城市的发展,城市化与生态环境存在极其密切的关系[1-2],在城市化发展过程中城市化受生态环境质量的影响,而快速的城市化进程也将对生态环境造成一定威胁。西北大开发和一带一路倡议,使西部地区得到进一步的发展,为新型城镇化建设中西北地区的城市发展创造了良好机遇,但同时也出现了生态退化、环境污染的问题。因此,协调城市化和生态环境之间的关系已经成为核心问题[3]。
低分辨率的夜间灯光数据是记录人类在地表上聚集活动的灯光强度信息,在城市化扩展的研究中被广泛应用[4-6]。对于研究大尺度下的城市扩展变化特征,文献[7—8]利用多源遥感影像数据对全球城市化发展的空间动态变化进行了研究,开展了低分辨率数据在大范围区域的城市扩展中的应用。
关于利用遥感影像计算和反演监测区域内的生态质量,文献[9]在澳大利亚中部利用归一化差异植被指数和红边指数对草地退化引起的荒漠化进行了研究。文献[10—11]从不同角度构建了城市化与生态环境的指标体系,采用主成分法对城市化与生态环境水平进行综合评价。文献[12]利用价值系数法计算土地生态服务的价值,构建城市化与土地生态系统服务功能的耦合协调模型并进行测定。在当前我国加快实施新型城市化战略的背景下,对城市化发展的研究仍然是非常重要的课题。研究乌鲁木齐城市化和生态环境之间的耦合关系及协调发展程度可以为今后的乌鲁木齐社会经济状况和生态环境评估与分析奠定基础。
本文以干旱地区的乌鲁木齐为研究对象,首先利用DMSP/OLS和NPP/VIIRS夜间灯光数据提取表征城市化水平的城市夜间灯光数据对研究区的城市化发展进行分析。然后采用Landsat遥感影像提取生态环境指数的绿度(NDVI)、湿度(WET)、热度(LST)和干度(NDBSI)4个指标对研究区生态环境进行分析。最后利用表征城市化水平的平均夜间灯光指数(ANLI)和生态环境指数(RSEI)构建城市化与生态环境耦合协调度模型,定量分析研究区在2000—2015年的城市化与生态环境耦合协调发展状况。研究结果旨在帮助更好地认识和理解乌鲁木齐城市发展和生态环境现状,可为生态文明建设过程中城市化与生态环境协调发展提供参考。
1 研究区概况与数据预处理 1.1 研究区概况乌鲁木齐位于中国西北部,地处北天山北麓,准噶尔盆地的南部边缘。乌鲁木齐的气候属于中温带大陆性干旱气候,水资源稀缺,风沙泛滥,城市生态系统相对薄弱,城市化率为74.61%[13]。本文将乌鲁木齐的人类活动最强烈的主城区进行方框式裁剪作为研究区域。
1.2 数据源(1) 夜间灯光数据:为了研究时间序列的延续性,下载DMSP/OLS和NPP/VIIRS夜间灯光数据(https://www.ngdc.noaa.gov),作为提取城市空间信息的基础数据。DMSP/OLS夜间灯光影像可以获取1992—2013年时间段的影像数据,像元的DN值范围为0~63,空间分辨率为1 km。NPP/VIIRS夜间灯光数据的灰度值记录夜间灯光强度,它不仅继承了DMSP/OLS夜间灯光数据的基本特征,还在空间和时间分辨上弥补了DMSP/OLS夜间灯光数据的缺陷,拓展了夜间灯光数据的研究方向和应用领域[14-15]。
(2) Landsat遥感影像:Landsat是美国陆地卫星系列,可以实现每隔16 d一次的全球覆盖,成像宽幅为185 km×185 km,空间分辨率为30 m。遥感影像数据用于生态环境评价,以及对后期的生态环境状况进行评价[16]。本文在地理空间数据云(https://www.gscloud.cn)网站下载4期(2000、2005、2010和2015年)同一季相的乌鲁木齐市全覆盖影像。
1.3 数据预处理本文根据文献[14]对DMSP/OLS数据的校正法进行数据校正及数据预处理,得到矫正后的2000—2013年研究区域DMSP/OLS夜间灯光数据。由于影像数据受卫星传感器的不同和地表的非均匀性等影响,NPP/VIIRS数据的灰度值存在负值、极高值及不稳定光源等现象。首先对2013、2018年的NPP/VIIRS夜间灯光数据的所有月数据合成后取均值。然后以NOAA地理数据中心发布的2016年的年合成数据为基础,将该数据大于0的部分作为掩膜图层,对2013、2015年数据进行裁剪,消除灰度值的负值。最后以像元值的变化幅度较小的城市区作为夜间灯光强度不变区域,对年合成NPP/VIIRS夜间灯光数据进行相对的辐射校正,利用低通滤波消除极高的灰度值。为了验证吻合程度,利用2013年的2种夜间灯光数据提取的城市空间信息进行比较,采用同年份的Landsat 8遥感影像进一步进行精度验证,如图 1所示。
![]() |
图 1 提取结果的精度验证 |
夜间灯光指数能够反映各县城的城市化水平,可利用区域平均灯光强度指标和区域有效灯光面积指标构建夜间灯光指数[17-18]。本文结合乌鲁木齐市的实际状况,构建反映城市化水平的区域夜间灯光指数。乌鲁木齐市的夜间灯光总强度和平均灯光指数的计算公式分别为


式中, TNL为夜间灯光总强度;ANLI为平均灯光指数;DNi为研究区内的i级像元灰度值;ni为研究区内i级灰度值的像元总数;N为研究区的像元总数;Nmax为最大像元灰度值;Nmin为最小像元灰度值。
2.2 生态环境指数(RSEI)遥感生态指数RSEI是文献[19]基于自然和人文因素提出的一种基于遥感技术的新型遥感生态指数,用于监测和评估城市的生态环境状况。在反映生态质量的自然因素同时,也与人们的日常生活密切相关,人们可以直观感受到绿度(NDVI)、湿度(WET)、干度(LST)和热量(NDBIS)[20]。遥感生态指数通过主成分分析法计算植被指数、湿度成分、建筑指数及地表温度,这4个评价指标代表了自然环境中的绿色、湿度、干燥度和热量等主要生态因子。生态指数的4个指标经过归一化技术处理后,首先借助ENVI5.3遥感软件对正规化的数据进行主成分分析。然后通过正规化后的4个指标计算第一主成分的载荷值PC1,PC1大的数值代表好的生态条件。最后经进一步计算,获得初始生态指数RSEI0[21-23]

为了更方便地对比生态环境质量指数, 对初始遥感生态指数RSEI进行归化处理,公式为

式中,RSEI为遥感生态指数;RSEI0为像元的初始生态指数值,RSEI0-max和RSEI0-min分别为初始生态指数最大值和最小值;生态指数的值范围在0~1,并且RSEI值越大, 表示生态环境的质量越好;反之,生态指数值越小,生态环境质量越差。
2.3 耦合协调度模型耦合度是指2个或2个以上的要素相互作用程度的强弱, 是一种有利于促进系统各要素有序的发展走向和协调方向的度量,也是系统或组件之间的协调关系[24]。耦合度越大,要素之间的发展方向越有序性,协调程度是各个系统之间的和谐程度,见表 1。本文利用耦合协调模型,构建乌鲁木齐市城市化和生态环境之间的耦合协调度模型,以此客观地反映城市化水平系统与生态环境系统协调发展水平。首先构建耦合度模型,公式如下

耦合协调度 | 水平指数对比 | 耦合协调发展阶段 | 耦合协调发展类型 |
0≤D<0.4 | U<E U=E U>E |
失调阶段 | 城市化滞后 城市化与生态环境协调发展 生态环境滞后 |
0.4≤D<0.6 | U<E U=E U>E |
初级协调阶段 | 城市化滞后 城市化与生态环境协调发展 生态环境滞后 |
0.6≤D<1 | U<E U=E U>E |
良好协调阶段 | 城市化滞后 城市化与生态环境协调发展 生态环境滞后 |
式中,U为城市化水平的综合指数(ANLI);E为生态环境指数(ESRI);C为城市化与生态环境耦合系统的耦合度值,0≤C≤1,值越大,表明生态环境与城市化发展越协调。
由于城市化水平和生态环境的发展水平特性具有两个子系统相互交错、动态变化及不平衡的状况[25-26]如果仅考虑城市化水平和生态环境之间的耦合度时,这两个子系统的耦合度会较高,导致乌鲁木齐市的城市化水平和生态环境之间产生"假协调"的现象。因此,需利用耦合协调发展度模型的公式,客观地反映两个系统的协调发展水平。


式中,T为城市化水平和生态环境的综合水平;α和β为两个系统的比重值,由于城市化水平和生态环境相互影响有所差别,城市化和生态环境的比重取值分别为0.65和0.35;D为耦合协调度,取值范围为0≤D≤1,D值越大表示要素的耦合协调发展水平越高,D值越小表示系统失调越严重。
3 结果分析 3.1 城市扩展变化分析从图 2所示,2000—2015年乌鲁木齐的城市夜间灯光在时空分布上有显著变化。在西部大开发战略的实施背景下,乌鲁木齐的经济快速发展。2000—2015年期间研究区的城市夜间灯光一直向外扩展,在我国西部地区城市化发展中起到带动作用。
![]() |
图 2 各年份的研究区城市夜间灯光空间分布 |
根据式(1)和式(2)计算出乌鲁木齐市夜间灯光指数灯光总强度(TNL)、区域内像元总数(N)、平均夜间灯光指数(ANLI)。由表 2可见,2000—2015年(以5年为时间间隔)研究区的城市夜间灯光像元总数从260增加到780,说明研究区城市夜间灯光面积增加了520 km2。研究区的城市夜间灯光总强度在2005—2010年期间变化幅度最大,增长量为2000—2005年的1.6倍。研究期间乌鲁木齐的平均灯光指数分别为:0.853、0.871、0.975和0.998。总体而言,2000—2015年的乌鲁木齐城市化水平持续上升,平均夜间灯光指数由0.853上升至0.998,同时2010—2015年的平均夜间灯光指数显著高于其他研究时期,"一带一路"倡议和生态文明建设的实施,为地处西北地区的乌鲁木齐带来了新的发展机遇,推进了乌鲁木齐城市化发展。
年份 | 像元总数 | 夜间灯光指数灯光总强度 | 平均夜间灯光指数 |
2000 | 260 | 13 972 | 0.853 |
2005 | 345 | 18 914 | 0.871 |
2010 | 658 | 40 411 | 0.975 |
2015 | 780 | 54 502 | 0.998 |
本文提取遥感生态指数的4种指标,由于每个指标的量纲不在同一个范围内,导致各指标在主成分分析中权重出现失衡状况,因此,提取后的绿度(NDVI)、湿度(WET)、热度(LST)和干度(NDBSI)需进行归一化处理,把4个指标的量纲统一至[0, 1]范围内。主成分分析的结果见表 3。可以看出,2000—2015年的第一主成分的特征值贡献率分别为90.14%、93.26%、95.35%和92.61%,表明PC1的特征分量很稳定,集中了4个指标的大部分特征,因此本文以此构建遥感生态指数。
指标 | 2000年 | 2005年 | 2010年 | 2015年 | |||||
特征值 | 特征值贡献率/(%) | 特征值 | 特征值贡献率/(%) | 特征值 | 特征值贡献率/(%) | 特征值 | 特征值贡献率/(%) | ||
PC1 | 0.042 1 | 90.14 | 0.070 6 | 93.26 | 0.073 9 | 95.35 | 0.053 9 | 92.61 | |
PC2 | 0.002 5 | 5.35 | 0.002 9 | 3.84 | 0.001 9 | 2.45 | 0.002 1 | 3.61 | |
PC3 | 0.001 2 | 2.57 | 0.001 2 | 1.58 | 0.001 0 | 1.29 | 0.001 3 | 2.23 | |
PC4 | 0.000 9 | 1.92 | 0.001 0 | 1.92 | 0.000 7 | 0.91 | 0.000 9 | 1.55 |
从表 4可以看出,绿度指标和湿度指标对研究区的遥感生态指数起到正面影响,均出现不同程度的变化。绿度指标的平均值一直保持递增趋势,2000—2015年,绿度指标的平均值由0.089 9增长至0.139 1,增长率达到54.73%。研究期间湿度指标呈先减少后增长趋势,其中变化幅度最高的为2010—2015年,增长量达0.290 1。2000—2010年, 热度指标的平均值由29.726 9增长至39.289 8,增长量为9.562 9,其中变化幅度最明显的为2000—2005年,这期间增长量为2005—2010年的5倍。干度指标的平均值变化不明显,均值的变化趋势为增加—减少—增加的趋势。从4个指标的总体变化中可以看出,增强生态环境质量正面影响的是绿度、湿度和干度的变化,加剧生态环境质量负面作用的是热度,但是正面因素的作用相对较强,促使研究区在研究期间生态指数的提升,即研究区的生态环境质量有所改善。2000—2015年的生态指数平均值分别为0.397 5、0.384 5、0.469 7和0.517 3,由于研究区处于干旱地带,因此研究区的生态指数平均值不太高。但是随着政府对生态环境治理力度的加大,研究区生态环境向好的态势也在逐步好转。
参数 | 2000年 | 2005年 | |||||||||
绿度 | 湿度 | 热度 | 干度 | 生态指数 | 绿度 | 湿度 | 热度 | 干度 | 生态指数 | ||
最小值 | -0.571 4 | -0.747 3 | 16.721 5 | -0.657 8 | 0 | -0.529 4 | -0.954 6 | 19.224 2 | -0.572 5 | 0 | |
最大值 | 0.746 7 | 0.060 6 | 39.536 1 | 0.314 8 | 1 | 0.755 6 | 0.978 4 | 48.396 3 | 0.485 7 | 1 | |
均值 | 0.089 9 | -0.480 7 | 29.726 9 | 0.128 1 | 0.397 5 | 0.106 5 | -0.572 3 | 37.731 2 | 0.140 2 | 0.384 5 | |
标准差 | 0.133 9 | 0.147 4 | 3.295 9 | 0.140 1 | 0.117 3 | 0.178 7 | 0.219 2 | 3.930 7 | 0.186 1 | 0.101 6 | |
参数 | 2010年 | 2015年 | |||||||||
绿度 | 湿度 | 热度 | 干度 | 生态指数 | 绿度 | 湿度 | 热度 | 干度 | 生态指数 | ||
最小值 | -0.434 8 | -0.877 7 | 13.993 4 | -0.618 3 | 0 | -0.310 6 | -0.593 2 | 20.907 8 | -0.723 2 | 0 | |
最大值 | 0.712 6 | 0.081 7 | 51.436 1 | 0.425 7 | 1 | 0.591 2 | 0.157 9 | 45.505 0 | 0.471 1 | 1 | |
均值 | 0.110 9 | -0.565 9 | 39.289 8 | 0.119 9 | 0.469 7 | 0.139 1 | -0.275 8 | 34.639 6 | 0.179 7 | 0.517 3 | |
标准差 | 0.154 2 | 0.183 9 | 6.268 7 | 0.167 7 | 0.103 9 | 0.092 4 | 0.161 9 | 4.197 7 | 0.137 9 | 0.103 7 |
利用平均夜间灯光指数和生态环境平均指数对研究区2000—2015年的城市化水平和生态环境进行耦合协调研究。从图 3可以看出同年份的城市化水平和生态环境变化状况,城市化水平一直保持上升趋势,生态环境在2005年出现略微下降后再上升。虽然2005年的生态环境下降而城市化水平提高,但是城市化发展与其他年份相比并不明显。整体而言,随着城市化发展的大幅度增长变化,生态环境指数也在增长。
![]() |
图 3 城市化水平与生态环境变化 |
根据式(5)—式(7)计算研究区的城市化和生态环境之间的耦合度、综合水平及耦合协调度,分析2000—2015年研究区的城市化与生态环境的耦合协调发展过程中的发展阶段和协调发展类型,结果见表 5。2000—2015年研究区的城市化与生态环境的耦合度变化较小,整体呈先减少后增长的波动趋势。2005年的耦合度比2000年减少了0.004 7,2005—2015年耦合度从0.460 9增长至0.474 2,呈递增趋势。2000—2015年城市化和生态环境的综合水平从0.693 6增长至0.829 8,增长率为19.64%。2000—2015年的城市化与生态环境耦合协调度范围为0.568 3~0.627 3,2000—2005年之间耦合协调度值相同,这期间两个系统的耦合协调发展处于初始协调阶段。在政府高度重视生态文明建设的背景下,研究区城市化与生态环境的耦合协调度值逐步提高,耦合协调度大于0.6,表明研究区城市化和生态环境处于良好协调发展阶段。研究区在2000—2015年期间的城市化水平大于生态环境指数,因此这两个系统的耦合协调发展类型是生态环境滞后发展。生态环境滞后发展的主要原因是研究区位于生态环境脆弱的干旱地区,其自然资源条件导致研究区城市化与生态环境耦合协调发展过程出现生态环境滞后趋势。
年份 | 耦合度 | 综合水平 | 耦合协调度 | 耦合协调发展阶段 |
2000年 | 0.465 6 | 0.693 6 | 0.568 3 | 初始协调发展阶段 |
2005年 | 0.460 9 | 0.700 7 | 0.568 3 | 初始协调发展阶段 |
2010年 | 0.468 4 | 0.798 1 | 0.611 5 | 良好协调发展阶段 |
2015年 | 0.474 2 | 0.829 8 | 0.627 3 | 良好协调发展阶段 |
本文利用2种夜间灯光数据提取表征城市化水平的平均夜间灯光指数(ANLI),采用Landsat遥感影像数据计算生态环境的4个指标对生态环境指数(RSEI)进行了分析,以此构建耦合协调模型,研究2000—2015年乌鲁木齐城市化与生态环境之间的耦合协调发展状况, 得出以下结论:
(1) 为了保持提取的城市夜间灯光数据的连续性,利用2种夜间灯光数据对研究区城市化水平进行分析。2000—2015年的乌鲁木齐城市化水平持续上升,2010—2015年期间的平均夜间灯光指数明显高于其他时期平均夜间灯光指数,一带一路倡议和生态文明建设的实施,为地处西北地区的乌鲁木齐带来了新的发展机遇,推进了乌鲁木齐城市化发展。
(2) 在4个指标的总体变化分析中可以发现,增强生态环境质量正面影响的是绿度、湿度和干度的变化,加剧生态环境质量负面作用的是热度。由于研究区处于干旱地带,其生态指数平均值不太高。随着政府对生态环境治理力度的加大,研究区生态环境也在逐步好转。
(3) 整体而言,随着城市化发展的大幅度增长,生态环境指数也出现增长趋势。2000—2015年研究区的城市化与生态环境的耦合度变化较小,整体呈先减少后增加的波动趋势。在政府高度重视生态文明建设的背景下,乌鲁木齐市的城市化与生态环境的耦合协调度值逐步提高,城市化和生态环境处于良好协调发展阶段。
本文利用平均夜间灯光指数和生态环境指数构建这两个系统之间的耦合协调模型,分析研究区城市化与生态环境耦合协调发展程度。对比其他学者的研究,发现尚有不足之处。本文在城市化发展分析中只利用夜间灯光数据对乌鲁木齐的城市化进行分析,很多学者在城市化研究中选取典型代表性的指标(人口、经济、社会、交通等)对城市化综合水平进行研究;在提取城市夜间灯光数据时,利用DMSP/OLS和NPP/VIIRS夜间灯光数据,弥补DMSP/OLS夜间灯光数据的空间分辨率和获取数据时间限制性的缺点。鉴于此,后续可利用经济、人口等数据对城市化水平进行进一步研究,并采用高分辨率的遥感影像数据提高准确度。一带一路倡议的提出及东西双向互济的开放格局,为乌鲁木齐的经济发展创造了良好机遇,对乌鲁木齐城市化发展带来巨大变化。因此,本文研究结果可为生态文明建设过程中城市化与生态环境的协调发展提供参考。
[1] |
王少剑, 方创琳, 王洋. 京津冀地区城市化与生态环境交互耦合关系定量测度[J]. 生态学报, 2015, 35(7): 2244-2254. |
[2] |
乔标, 方创琳. 城市化与生态环境协调发展的动态耦合模型及其在干旱区的应用[J]. 生态学报, 2005, 25(11): 3003-3009. DOI:10.3321/j.issn:1000-0933.2005.11.030 |
[3] |
赵少华, 刘思含, 刘芹芹, 等. 中国城镇生态环境遥感监测现状及发展趋势[J]. 生态环境学报, 2019, 28(6): 1261-1271. |
[4] |
董晨炜, 曹宇, 谭永忠. 基于夜间灯光数据的环杭州湾城市扩张及植被变化[J]. 应用生态学报, 2017, 28(1): 231-238. |
[5] |
郭腾云, 董冠鹏. 基于GIS和DEA的特大城市空间紧凑度与城市效率分析[J]. 地球信息科学学报, 2009, 11(4): 482-490. DOI:10.3969/j.issn.1560-8999.2009.04.011 |
[6] |
何春阳, 李景刚, 陈晋. 基于夜间灯光数据的环渤海地区城市化过程[J]. 地理学报, 2005, 60(3): 409-417. DOI:10.3321/j.issn:0375-5444.2005.03.007 |
[7] |
KASIMU A, TATEISHI R. Global urban mapping using coarse resolution remote sensing data with the reference to Landsat ETM+ data derived boundaries[J]. Asian Journal of Geoinformatics, 2008, 8(1): 5-10. |
[8] |
阿里木江·卡斯木. 人口密度、夜间光数据及MODIS的全球城市分类[J]. 遥感信息, 2018, 33(1): 86-92. DOI:10.3969/j.issn.1000-3177.2018.01.013 |
[9] |
FRANKE J, KEUCK V, SIEGERT F. Assessment of grass-land use intensity by remote sensing to support conservation schemes[J]. Journal for Nature Conservation, 2012, 20(3): 125-134. DOI:10.1016/j.jnc.2012.02.001 |
[10] |
杨晶, 金晶, 吴泗宗. 珠三角地区城市化与生态环境协调发展的动态耦合分析——以珠海市为例[J]. 地域研究与开发, 2013, 32(5): 105-108, 118. DOI:10.3969/j.issn.1003-2363.2013.05.019 |
[11] |
郭月婷, 徐建刚. 基于模糊物元的淮河流域城市化与生态环境系统的耦合协调测度[J]. 应用生态学报, 2013, 24(5): 1244-1252. |
[12] |
胡喜生, 洪伟, 吴承祯. 福州市土地生态系统服务与城市化耦合度分析[J]. 地理科学, 2013, 33(10): 1216-1223. |
[13] |
王文娟, 玉米提·哈力克, 塔依尔江·艾山, 等. 干旱区绿洲城市生态文明建设公众参与意识研究——以"一带一路"沿线城市乌鲁木齐为例[J]. 生态学报, 2019, 39(14): 5070-5079. |
[14] |
曹子阳, 吴志峰, 匡耀求, 等. DMSP/OLS夜间灯光影像中国区域的校正及应用[J]. 地球信息科学学报, 2015, 17(9): 1092-1102. |
[15] |
高亚红, 顾羊羊, 乔旭宁, 等. 基于夜间灯光数据的南京城镇用地提取[J]. 测绘科学, 2017, 42(6): 93-98. |
[16] |
阿里木江·卡斯木, 唐兵, 古丽克孜·吐拉克. 基于遥感和GIS的新疆绿洲城市扩展时空动态变化分析[J]. 冰川冻土, 2013, 35(4): 1056-1064. |
[17] |
廖李红, 戴文远, 黄华富, 等. 基于DMSP/OLS和Landsat数据的城市化与生态环境耦合协调分析[J]. 福建师范大学学报(自然科学版), 2018, 34(6): 94-103. |
[18] |
陈晋, 卓莉, 史培军. 基于DMSP/OLS数据的中国城市化过程研究: 反映区域城市化水平的灯光指数的构建[J]. 遥感学报, 2003(3): 168-175, 241. |
[19] |
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. |
[20] |
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. DOI:10.3969/j.issn.1000-6923.2013.05.019 |
[21] |
林铎, 潘文斌. 莆田市城区生态环境评价研究[J]. 环境科学与管理, 2014, 39(9): 179-183. DOI:10.3969/j.issn.1673-1212.2014.09.046 |
[22] |
GOWARD S N, XUE Y, CZAIKOWSKI 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(2-3): 225-242. DOI:10.1016/S0034-4257(01)00275-9 |
[23] |
周玄德, 郭华东, 孜比布拉·司马义, 等. 干旱区绿洲城市遥感生态指数变化监测[J]. 资源科学, 2019, 41(5): 1002-1012. |
[24] |
陈奇霞, 安瓦尔·买买提明. 乌鲁木齐市城市化与生态环境耦合分析[J]. 江西农业学报, 2018, 30(1): 122-126, 133. |
[25] |
刘耀彬, 李仁东, 宋学锋. 中国城市化与生态环境耦合度分析[J]. 自然资源学报, 2005(1): 105-112. DOI:10.3321/j.issn:1000-3037.2005.01.015 |
[26] |
陆媛媛, 刘超, 曾克锋, 等. 宁夏城市化与生态环境耦合协调关系[J]. 中国沙漠, 2016, 36(4): 1198-1206. |