EN中文

地球信息科学学报 >

2019 , Vol. 21 >Issue 9: 1382 - 1391

DOI: https://doi.org/10.12082/dqxxkx.2019.190095

专栏：青藏高原城镇化的生态环境影响数据挖掘

基于Google Earth Engine平台的三江源地区生态 环境质量动态监测与分析

  • 陈炜 1, 2 ,
  • 黄慧萍 , 1, 2, * ,
  • 田亦陈 1 ,
  • 杜云艳 3, 2
展开
  • 1. 中国科学院遥感与数字地球研究所,北京 100101
  • 2. 中国科学院大学,北京 100049
  • 3. 中国科学院地理科学与资源研究所 资源与环境信息系统国家重点实验室,北京100101
*黄慧萍（1973-）,女,浙江余姚人,副研究员,主要从事城市生态研究。E-mail:

陈 炜（1994-）,女,山东济宁人,硕士,主要从事城市多源数据融合和城市生态研究。E-mail: chenwei2016@radi.ac.cn

收稿日期: 2019-03-04

  要求修回日期: 2019-06-20

  网络出版日期: 2019-09-24

基金资助

中国科学院战略性先导科技专项课题(XDA20040401)

版权

版权所有，未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。
收起

Monitoring and Assessment of the Eco-Environment Quality in the Sanjiangyuan Region based on Google Earth Engine

  • CHEN Wei 1, 2 ,
  • HUANG Huiping , 1, 2, * ,
  • TIAN Yichen 1 ,
  • DU Yunyan 3, 2
Expand
  • 1. Institute of Remote Sensing and Digital Earth, Chinese Academy of Science, Beijing 100101, China
  • 2. University of Chinese Academy of Sciences, Beijing 100049, China
  • 3. State Key Laboratory of Resources and Environmental Information System, Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101, China
*HUANG Huiping, E-mail:

Received date: 2019-03-04

  Request revised date: 2019-06-20

  Online published: 2019-09-24

Supported by

The Strategic Priority Research Program of the Chinese Academy of Sciences(XDA20040401)

Copyright

Copyright reserved © 2010. Office of Journal of Geo-information Science All articles published represent the opinions of the authors, and do not reflect the official policy of the Chinese Medical Association or the Editorial Board, unless this is clearly specified.
Fold

摘要

三江源是中国陆地生态系统最脆弱和敏感的区域之一,一旦遭到破坏则不可逆转。受三江源地区多云等不利气象条件的影响,很难获取大范围尺度上季相一致的、无云的Landsat遥感影像。本文利用Google Earth Engine平台,对1990-2015年的相同季节的3766景Landsat影像进行像元级融合并重构最小云量影像集,借助GEE的并行云端计算,快速得到了能够反映生态环境质量的遥感生态指数（RSEI）,对三江源地区的生态环境质量进行了评价与监测。三江源时空变化与差异分析表明：1990-2000年生态环境质量呈快速下降状态,RSEI平均值从0.588下降到了0.505,生态环境质量变化以轻度恶化为主;2000-2015年生态环境质量下降速度变缓,并于2015年呈现变好态势,生态环境质量变化以不变为主,且轻度恶化面积大幅减少;该地区的生态环境状况呈现出空间分异,自西向东,生态状况变差。基于GEE平台在三江源地区的实验结果表明,GEE可以作为大区域范围的生态环境质量评价与监测的计算平台。

关键词： 三江源地区; 生态环境质量; Google Earth Engine; 主成分分析; 遥感生态指数

本文引用格式

陈炜 , 黄慧萍 , 田亦陈 , 杜云艳 . 基于Google Earth Engine平台的三江源地区生态 环境质量动态监测与分析[J]. 地球信息科学学报, 2019 , 21(9) : 1382 -1391 . DOI: 10.12082/dqxxkx.2019.190095

Abstract

The Sanjiangyuanregion is known in China forits fragile and sensitive terrestrial ecosystem. Degradation of its ecosystem is often irreversible, to which remote sensing based monitoring has much to offer. However, due to the cloudy and other adverse meteorological conditions there, obtaining cloudless Landsat imagery of the same season in the large region remains a big challenge. In this study, based on the Google Earth Engine platform (GEE), an image composite method was applied and 3766 tiles of Landsat TM historical images were employed to generate the same seasonal clear imagery with the lowest cloud possible composited at the pixel level. With the help of parallel cloud computing ability in GEE, a remote sensing ecological index (RSEI) was calculated directly and efficiently in GEE to reflect regional eco-environment quality. Specifically, we monitored and assessed the eco-environment quality of the Sanjiangyuan region in Qinghai Province during 1990-2015. Results show that: (1) During 1990-2000, the eco-environment quality dropped quickly (RSEI average value dropped quickly from 0.588 to 0.505), and his region suffered from mainly mild degradation; (2) During 2000-2015, degradation of the eco-environment quality slowed down toward stabilization and the eco-environment quality showed upgrade tide from 2015, and the areas of mild degradation significantly decreased. Moreover, the eco-environment quality in this region showed a spatial gradient of west-to-east degradation. Our findings provide comprehensive information for improving the eco-environment of the Sanjiangyuan region, and demonstrate the potential of using GEE for monitoring and assessing eco-environment quality at large scales.

Key words： Sanjiangyuan region; ecological environment quality; Google Earth Engine; Principal Component Analysis; remote sensing ecological index

1 引言

三江源地区作为长江、黄河和澜沧江的源头汇水区,是中国江河中下游地区以及东南亚国家生态安全和区域可持续发展的重要生态屏障;作为青藏高原的腹地和主体,该地区同时也是中国陆地生态系统最脆弱和敏感的区域之一[1]。近几十年来,在全球气候变化与人类活动的双重影响下,三江源地区的生态系统持续退化,突出表现为雪山冰川后退、湖泊和湿地萎缩甚至干涸、沙化和水土流失的面积扩大、草地退化、土地荒漠化等[2,3,4]。这些环境问题严重影响了该地区居民的生活环境及生态环境和农牧业的可持续发展,并对长江、黄河流域乃至东南亚诸国的生态安全造成严重威胁[5,6,7]。为解决这一生态危机,三江源地区于2000年被设立为省级自然保护区,于2003年被批准为国家级自然保护区,并于2005年经国务院批准,启动了“三江源自然保护区生态保护和建设工程”,推行了一系列的生态保护政策和措施,如退牧还草、黑土滩治理、湿地保护等[8]。
近年来,利用遥感技术对三江源地区的生态环境研究主要集中于利用遥感影像产品对草场退化、植被变化的动态监测与反演估算。如曹西凤等[9]基于多种MODIS产品数据提出了牧草产量预测模型,有效地实现了三江源地区草产量估算,解决了三江源地区草产量监测样本少且采样困难的问题。宋瑞玲等[10]利用MODIS-EVI数据和实测地上生物量数据,建立了三江源高寒草地地上生物量的模型,实现了区域尺度上草地变化的持续监测和快速评估。徐新良等[11]基于2004年的Landsat TM/ETM遥感影像和2012年的环境小卫星遥感影像,结合1990年代初至2004年三江源草地退化遥感解译数据集,通过人工解译和影像对比,分析了三江源草地恢复态势以及草地退化现状的空间分布格局。孙庆龄等[8]基于MODIS-NDVI数据,通过分析三江源地区植被覆盖的时空变化特征和气候因子与植被变化的相关性,探讨了人类活动对三江源植被变化的影响,揭示了三江源地区植被变化的主要气候限制因子。邵全琴等[12]指出对三江源生态工程进行生态成效评估,不仅是三江源生态保护和建设项目科学管理必不可少的手段,还是形成今后生态保护与生态修复策略的重要前提。但是,由于三江源地区覆盖范围广、气象条件不佳,很难获得大范围内干净的遥感影像,限制了遥感技术在三江源地区进行整体生态环境质量动态监测与分析的应用。
生态环境质量评价是定量测评区域生态环 境优劣和影响的重要手段,是制定区域社会经济可持续发展规划及生态环境保护对策的重要依据[13]。随着遥感技术的发展,区域生态环境质量评价的指标和方法也不断地向着现时性好、便于空间可视化、人为因素干扰小的方向改进和发展[14]。 徐涵秋[15]提出的基于遥感影像的遥感生态指数（RSEI）,凭借其可以快速、客观、高效地获取生态环境变化状态以及便于进行可视化、时空分析、建模和预测的优势,在区域生态环境质量评价中得到了广泛应用但如果将其应用于大区域,面临的困难是庞大的数据量、以及由此产生的繁杂的数据预处理和指数计算工作。
Google Earth Engine（GEE）平台不仅拥有大量的历史遥感影像数据存档而且是高性能并行运算的云服务平台,研究人员可以通过随时访问网络的API（Application Programing Interface）和基于Web的交互式开发环境实现对云端海量数据的访问、操作以及结果可视化等[16]。凭借此优势,GEE已被广泛应用于数据融合[17]、多时相影像分类[18]、变化检测[19]、土地覆盖与土地利用动态监测[20]等方面。本文基于GEE平台,使用多期Landsat TM影像数据,利用像元级最小云量影像合成方法构建目标年份季节合成影像,使用RSEI对三江源地区1990-2015年的生态环境质量进行监测和评价,旨在揭示该地区的生态环境质量时空变化特征,及时、准确地掌握生态环境质量状况及其变化态势,为该地区生态保护政策的制定及生态工程成效的评估提供科学依据和技术支持,从而促进该地区经济、社会、资源和环境的可持续发展。

2 研究区概况、数据源与研究方法

2.1 研究区概况

三江源地区（89°45' E-102°23' E, 31°39' N- 36°12' N）位于青藏高原东部、青海省南部,是生态环境脆弱的典型高原区域。该区总面积为30.25万km2,占青海省总面积的43%（图1）。平均海拔3500~4800 m,区内河流密布、湖泊、沼泽众多,雪山冰川广布,是中国面积最大的天然湿地分布区,被誉为“中华水塔”。区内气候属青藏高原气候系统,冷热两季交替,干湿两季分明,年平均气温在-5.6~-3.8 ℃。降水量十分集中且降水空间分布不均匀,年平均降水量为262.2~772.8 mm。
图1 研究区概况

Fig. 1 Overview of the study area

2.2 数据源

2.2.1 Landsat遥感影像
本研究的关键数据源是Landsat遥感影像,其空间分辨率为30 m,时间分辨率为16 d。在Google Earth Engine（GEE）平台上,可以通过JavaScript API在线访问全球范围1984年3月到2012年5月的Landsat-5地表反射率数据集（https://developers.google.com/earth-engine/datasets/catalog/LANDSAT_LT05_C01_T1_SR）和2013年4月到现在的Landsat-8地表反射率数据集（https://developers.google.com/earth-engine/datasets/catalog/LANDSAT_LC08_C01_T1_SR）。相比于GEE平台上的Landsat原始数据集和Landsat大气顶部的反射率数据集,Landsat地表反射率数据集里的影像是经过辐射校正和大气校正后的数据：可见光波段、近红外波段、短波红外波段的像元值是经过校正后的地表反射率,热红外波段的像元值是经过校正后的传感器处温度值。本研究分别使用了目标年份1990、1995、2000、2005、2010年的352、398、453、483、456景Landsat-5 TM影像,共计2142景,和2015年的共计1624景Landsat8 OLI影像,均选择了夏季（6-9月）季相接近的数据,以避免因季节差异而造成的影响。各目标年份所用影像景数的详细信息如图2所示。
图2 GEE影像合成所使用的Landsat原始影像数量

Fig. 2 Landsat images used to produce clear imagery

2.2.2 基础地理数据
本研究的辅助数据源包括1990-2010年3期（1990、2000和2010年）土地利用/覆盖数据集,来源于中国科学院资源环境科学数据中心（http://www.resdc.cn）,空间分辨率为1000 m。土地利用/覆盖数据集是基于Landsat TM/ETM遥感影像解译的1:10万土地利用栅格数据,包括6个一级类和25个二级类。

2.3 基于Goggle Earth Engine平台的RSEI计算

GEE作为目前世界上先进的PB级地理数据科学分析平台[21],在云端可以实现大区域遥感指数的快速运算。根据徐涵秋[15]和王丽春[13]基于Landsat影像提出的各分量计算公式,在GEE平台上完成了各年份分量指标的计算与归一化。基于Goggle Earth Engine 平台的ESEI计算流程如图3所示。
图3 基于GEE平台的RSEI计算的技术路线

Fig. 3 Methodological workflow of RSEI calculation based on GEE platform

（1）最小云量影像合成。为充分利用研究区相同季节影像信息并克服多云的影响,研究采用像元级最小云量影像合成方法,以获取相同季相的干净影像。本文选择目标年份及其前后各1年,共3年的夏季Landsat数据,在GEE平台中使用Landsat云掩膜算法（https://code.earthengine.google.com/?scriptPath=Examples:Datasets/LANDSAT_LT05_C01_T1_SR）对输入的符合时间和空间范围的Landsat-5地表反射率数据集进行计算,去除有云像元,以无云像元重构目标年份夏季最小云量的合成影像。
（2）分量指标计算与归一化。徐涵秋[15]将自然生态环境的4个重要指标作为拟建生态指数的评价指标,即建立了绿度、湿度、热度、干度。在遥感影像上,则采用植被指数、土壤指数、湿度分量、地表温度分别代表绿度、干度、湿度和热度,以构建遥感生态指数（RSEI）。即：
RSEI = f ( NDVI , Wet , LST , NDBSI )
式中：NDVI为植被指数;Wet为湿度分量;LST为地表温度;NDBSI为土壤指数。各分量计算公式详见文献[15],在此不再赘述。
（3） RSEI计算。徐涵秋[15]采用主成分变换来构建遥感综合生态指数,4个指标的主要信息主要集中于第一主成分（PC1）上,使得RSEI能够综合 4个指标的信息。为了验证RSEI在三江源地区的适用性,得到主成分特征向量、特征值、贡献率及累积贡献率,本研究在GEE平台上进行了分量指标计算与归一化后,下载了1990年和2010年三江源东部的一小块地区（避开了水体集中分布的东部地区）,利用MATLAB得到了试验区的主成分分析结果（表1）。从表1中可以看出：① 载荷矩阵表明,代表绿度的NDVI和代表湿度的Wet呈正值,代表热度的LST和代表干度的NDBSI呈负值,与现实中绿度和湿度对生态环境起正效应、干度和温度对生态环境起负效应的情况相符;② 相较于其他分量,PC1集中了将近60%的各指标特征信息,可用于创建遥感生态指数。
表1 主成分特征向量、特征值、贡献率及累积贡献率

Tab. 1 Principal component eigenvectors, eigenvalues, contribution rate, and cumulative contribution

主成分
1 2 3 4
1990年 NDVI 0.9685 -0.0443 -0.2177 0.1128
Wet 0.0725 -0.2924 0.2178 0.9283
NDBSI -0.1897 0.6481 0.7361 0.0462
LST -0.1443 0.7018 -0.6027 0.3512
特征值 0.0158 0.0100 0.0024 0.0003
贡献率/% 55.2853 35.0531 8.4948 1.1667
2010年 NDVI 0.7608 0.3958 -0.4586 0.2329
Wet 0.1241 -0.3349 0.3555 0.8637
NDBSI -0.0681 0.7910 0.6042 0.0679
LST -0.6333 0.3248 0.5462 0.4417
特征值 0.0122 0.0063 0.0017 0.0002
贡献率/% 59.8441 30.9822 8.1068 1.0688
本文利用GEE平台上的水体掩膜,去掉了水体信息以避免大片的水域对真正地面的湿度条件的干扰[22],根据文献[15]中RSEI的计算公式,利用GEE平台上的Eigen Analysis（https://developers.google.com/earth-engine/arrays_eigen_analysis）进行了主成分变换并提取了第一主成分,完成了1990、1995、2000、2005、2010和2015年的RSEI计算。

3 结果及分析

3.1 三江源地区生态环境质量时空变化分析

图4统计了研究区6个年份RSEI的均值和数据分布情况。统计结果表明,1990-2015年研究区的RSEI值从1990年的0.588下降到了2000年的0.505,在经历了10年的稳定期后,于2015年开始呈现变好态势。为了对RSEI进行定量化和可视化分析,需要对生态环境质量进行分级。通过箱型图统计各年份RSEI的数据分布（图4）发现,大部分数据分布在0.2-0.8之间,因此将5个生态等级划分如下：优（0.7-1）、良（0.6-0.7）、中等（0.45-0.6）、较差（0.3-0.45）、差（0-0.3）。
图4 1990-2015年三江源地区的RSEI数据箱型图

Fig. 4 Boxplot of the RSEI data in Sanjiangyuan region during 1990-2015

图5反映了1990-2015年5期的生态等级和面积占比变化,统计结果表明：① 1990和1995年,三江源地区生态状况相似,总体的生态状况以优为主,其面积占比均超过30%;其次是生态状况良和中等,面积占比均在20%左右;生态状况差和较差面积占比之和小于20%。;② 2000-2015年,三江源地区生态状况相似,总体的生态状况以良为主,其面积占比在35%左右;其次是生态状况中等和较差,其面积占比均在20%左右;生态状况优的面积占比最小;③ 1990-2015年,生态状况优的面积占比大幅减少,生态状况良、较差、差的面积占比大幅增加。综合可以看出1990-2000年RSEI呈快速下降状态,但2000-2015年RSEI下降速度变缓,并开始呈现变好的趋势。
图5 1990-2015年三江源地区生态环境质量分级面积比重

Fig. 5 Eco-environment quality dynamics by classified RSEI in the Sanjiangyuan region from 1990 to 2010

图6统计了三江源地区各自治州1990-2015年间6期的生态等级和面积占比变化,统计结果表明：① 位于三江源地区西部的格尔木市生态状况最好,其次是中部的玉树藏族自治州,生态质量优良等级均占主体地位;② 位于三江源地区西部的黄南藏族自治州生态状况最差,生态质量较差、差等级占主体地位;③果洛藏族自治州和海南藏族自治州生态状况中等,生态状况各等级分布较均匀。综合可以看出1990-2015年三江源地区生态状况呈现出空间分异,自西向东,生态状况变差。
图6 1990-2015年三江源地区各自治州生态环境质量分级面积比重

Fig. 6 Eco-environment quality dynamics by classified RSEI in the prefectures of the Sanjiangyuan region from 1990 to 2015

3.2 三江源地区生态环境质量时空差异分析

本文以10年为间隔,分析了2期（1990-2000年、2000-2010年）三江源地区的生态环境质量的时空差异。表2和表3表明从1990-2010年三江源地区生态环境质量总体呈现“先下降后缓慢好转的趋势”。具体来看,从1990-2000年三江源地区的生态环境质量处于恶化的趋势。主要表现为由较差变差的面积为2.44万km2,由中等变较差的面积为3.78万km2,由良变中等的面积为4.33万km2,由优变良的面积为11.04万km2。从2000-2010年三江源地区的生态环境质量处于好转的趋势,主要表现为从2000年的差转为较差1.58万km2;较差转为中等2.25万km2;中等转为良为1.58万km2;良转为优为1.25万km2。
表2 1990-2000年三江源地区生态等级转移矩阵

Tab. 2 Transition matrix of the eco-environment quality of the Sanjiangyuan region during 1990-2000 (km2)

生态等级 差 较差 中等 良 优
差 10 125 3382 1376 1220 43
较差 24 405 30 231 8588 2750 142
中等 12 212 37 899 39 759 10 038 159
良 2772 7401 43 252 49 578 595
优 264 186 4291 110 360 17 184
表3 2000-2010年三江源地区生态等级转移矩阵

Tab. 3 Transition matrix of the eco-environment quality of the Sanjiangyuan region during 2000-2010 (km2)

生态等级 差 较差 中等 良 优
差 29 210 15 843 4302 407 16
较差 15 124 39 797 22 531 1639 8
中等 1407 22 493 58 045 15 067 254
良 113 3571 32 395 120 795 17 072
优 3 57 191 5354 12 518
1990-2000年,三江源地区生态环境质量以轻度恶化为主,生态状况最好的格尔木市生态环境质量轻度改善面积占比最小但轻度恶化面积占比最大,为68.8%。生态状况最差的黄南藏族自治州轻度恶化面积占比虽然最小但轻度改善面积占比最大,为7.4%。2000-2010年,三江源地区生态环境质量以不变为主,轻度恶化面积大幅减少（图7）。玉树藏族自治州和海南藏族自治州生态环境轻度改善区域占比较大,在20%左右,格尔木市生态环境不变区域占比最大,为75.9%,黄南藏族自治区生态环境中质量变好趋势最不明显,只有5.7%的区域轻度改善。
图7 1990-2010年三江源地区2期RSEI变化监测

Fig. 7 RSEI changes of the Sanjiangyuan region during 1990-2000 versus during 2000-2010

4 结果及分析

4.1 土地利用/覆盖变化对生态环境变化的影响

三江源地区1990-2015年土地利用/覆盖未发生明显变化（图8）,说明土地利用/覆盖变化未对三江源地区的生态环境质量产生影响。但是,三江源地区的生态环境质量变化趋势与土地利用/覆盖的类型相关。未利用土地类型位于三江源地区的西北部,其生态环境质量先轻度恶化后呈现不变趋势,说明未利用土地类型可能容易遭到破坏但不容易被改善。林地主要分布于三江源地区的南部和东部,位于南部的林地的生态环境在遭到破坏后呈现出改善的态势,但位于东部的林地的生态环境在遭到破坏后大部分处于不变的态势,可能是分布于三江源地东部的居民地和耕地一定程度上影响了生态环境质量改善态势。
图8 1990-2015年三江源地区土地利用/覆盖分布

Fig. 8 Land use/land cover changes in the Sanjiangyuan region during 1990-2015

4.2 自然环境对生态环境变化的影响

文献[23]表明三江源地区在1990年代前气温相对较低,但在21世纪初发生了突变,年平均气温增温现象显著,因此25年三江源地区生态环境质量普遍降低可能与突然升高的温度有关。其次,三江源地区在近53年年平均降水和季节平均降水虽然呈增加趋势,但显著性不明显[23],这可能使得区域水汽含量增加有限,没有有效提高土壤的湿度,对三江源地区生态环境质量的改善作用尚小。

5 结论与讨论

受三江源地区多云等不利气象条件的影响,很难获取大范围尺度上季相一致的、无云的Landsat遥感影像,本研究借助GEE平台,快速合成同季相无云影像,进行了生态指数RSEI的计算,分析了1990-2015年青海三江源地区生态环境质量的变化特征和时空格局,结果表明：
（1）当研究区范围较大时,面对庞大的数据量,研究人员利用GEE平台上提供的算法可以免去繁杂的数据预处理工作,利用GEE平台的并行云端运算快速进行指数计算工作。因此,GEE可以作为大区域范围的生态环境质量评价与监测的计算平台。
（2）三江源时空变化分析表明,1990-2000年RSEI呈快速下降状态,但2000-2015年RSEI下降速度变缓并开始呈现转好态势;1990-2015年三江源地区生态状况呈现出空间分异,自西向东,生态状况变差。时空差异分析表明,1990-2000年,三江源地区生态环境质量变化以轻度恶化为主,2000-2010年三江源地区生态环境质量变化以不变为主,轻度恶化面积大幅减少。
本文中采用的研究方法值得进一步探究：RSEI可以说明一个地区的生态环境状况,也可以说明一个地区中不同生态环境状况的空间分布情况的空间变化情况。但是三江源地区是中国冰川集中地之一,但其RSEI的计算没有考虑冰川变化的影响。三江源素有“中华水塔”美誉,但为了避免大片的水域对真正地面的湿度条件的干扰,在RSEI的计算过程中采取了水体掩膜。因此,三江源地区的生态环境评价还需因地制宜,加入符合地区特点的生态指数评价指标,得到更全面更科学的评价结果。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
樊江文, 邵全琴, 刘纪远 , 等. 1988-2005年三江源草地产草量变化动态分析[J]. 草地学报, 2010,18(1):5-10.

[ Fan J W, Shao Q Q, Liu J Y , et al. Dynamic changes of grassland yield in three river headwater region from 1988 to 2005[J]. Acta Ecologica Sinica, 2010,18(1):5-10. ]

[2]
张永勇, 张士锋, 翟晓燕 , 等. 三江源区径流演变及其对气候变化的响应[J]. 地理学报, 2012,67(1):71-82.

[ Zhang Y Y, Zhang S F, Zhai X Y , et al. Runoff variation in the three rivers source region and its response to climate change[J]. Acta Geographica Sinica, 2012,67(1):71-82. ]

[3]
唐红玉, 肖风劲, 张强 , 等. 三江源区植被变化及其对气候变化的响应[J]. 气候变化研究进展, 2006,2(4):177-180.

DOI

[ Tang H Y, Shao F J, Zhang Q , et al. Vegetation change and its response to climate change in three-river source region. Advances in climate change research[J]. Advances in Climate Change Research, 2006,2(4):177-180. ]

[4]
李林, 朱西德, 周陆生 , 等. 三江源地区气候变化及其对生态环境的影响[J]. 气象, 2004,30(8):18-22.

[ Li L, Zhu X D, Zhou L S , et al. Climatic changes over headwater of the three-river-area and its effect on ecological environment[J]. Meteor Mon, 2004,30(8):18-22. ]

[5]
朱霞, 钞振华, 杨永顺 , 等. 三江源区“黑土滩”型退化草地时空变化[J]. 草业科学, 2014,31(9):1628-1636.

[ Zhu X, Chao Z H, Yang Y S , et al. Spaial and temperal variations of black soil type degraded grassland in the three river source region[J]. Prataculturl Science, 2014,31(9):1628-1636. ]

[6]
任继周, 林慧龙 . 江河源区草地生态建设构想[J]. 草业学报, 2005,14(2):1-8.

[ Ren J J, Lin H L . Assumed plan on grassland ecological reconstruction in the source region of yangtse river, yellow river and lantsang river[J]. Prataculturae Sinica, 2005,14(2):1-8. ]

[7]
Liu J, Xu X, Shao Q . Grassland degradation in the "Three-River Headwaters" region, Qinghai Province[J]. Journal of Geographical Sciences, 2008,18(3):259-273.

DOI

[8]
孙庆龄, 李宝林, 许丽丽 , 等. 2000-2013年三江源植被NDVI变化趋势及影响因素分析[J]. 地球信息科学学报, 2016,18(12):1707-1716.

[ Sun Q L, Li B L, Xu L L , et al. Analysis of NDVI change trend and its impact factors in the three-river headwater region from 2000 to 2013[J]. Journal of Geo-information Science, 2016,18(12):1707-1716. ]

[9]
曹西凤, 孙林, 赵子飞 , 等. MODIS遥感产品在三江源地区草产量估测中的应用[J]. 国土资源遥感, 2018,30(4):115-124.

[ Cao X F, Sun L, Zhao Z F , et al. Application of MODIS remote sensing products in the estimation of grass yield in Sanjiang Source Area[J]. Remote Sensing for Land & Resources, 2018,30(4):115-124. ]

[10]
宋瑞玲, 王昊, 张迪 , 等. 基于MODIS-EVI评估三江源高寒草地的保护成效[J]. 生物多样性, 2018,26(2):149-157.

[ Song R L, Wang H, Zhang D , et al. Conservation outcomes assessment of Sanjiangyuan alpine grassland with MODIS-EVI approach[J]. Biodiv Science, 2018,26(2):149-157. ]

[11]
徐新良, 王靓, 李静 , 等. 三江源生态工程实施以来草地恢复态势及现状分析[J]. 地球信息科学学报, 2017,19(1):50-58.

[ Xu X L, Wang L, Li J , et al. Analysis of the grassland restoration trend and degradation situation in the "Three-River Headwaters" region since the implementation of the ecological project[J]. Journal of Geo-information Science, 2017,19(1):50-58. ]

[12]
邵全琴, 樊江文, 刘纪远 , 等. 基于目标的三江源生态保护和建设一期工程生态成效评估及政策建议[J]. 中国科学院院刊, 2017,32(1):35-44.

[ Shao Q Q, Fan J J, Liu J Y , et al. Target-based assessment on effects of first-stage Ecological Conservation and Restoration Project in Three-river Source Region, china and policy recommendations[J]. Bulletin of Chinese Academy of Sciences, 2017,32(1):35-44. ]

[13]
徐燕, 周华荣 . 初论我国生态环境质量评价研究进展[J]. 干旱区地理(汉文版), 2003,26(2):166-172.

[ Xu Y, Zhou H R . A preliminary study on advances in assessment of eco-environmental quality in China[J]. Arid Land Geography, 2003,26(2):166-172. ]

[14]
王士远, 张学霞, 朱彤 , 等. 长白山自然保护区生态环境质量的遥感评价[J]. 地理科学进展, 2016,35(10):1269-1278.

[ Wang S Y, Zhang X X, Zhu T , et al. Assessment of ecological environment quality in the Changbai Mountain Nature Reserve based on remote sensing technology[J]. Rorgress in Geography, 2016,35(10):1269-1278. ]

[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.

[ Xu H Q . A remote sensing index for assessment of regional ecological changes[J]. China Environmental Science, 2013,33(5):889-897. ]

[16]
张滔, 唐宏 . 基于Google Earth Engine的京津冀2001-2015年植被覆盖变化与城镇扩张研究[J]. 遥感技术与应用, 2018,33(4):593-599.

[ Zhang T, Tang H . Vegetation Cover Change and Urban Expansion in Beijing-Tianjin-Hebei during 2001-2015 based on Google Earth Engine[J]. Remote Sensing Technology and Application, 2018,33(4):593-599. ]

[17]
Mateo-García G, Gómez-Chova L, Amorós-López J , et al. Multitemporal cloud masking in the Google Earth Engine[J]. Remote Sensing, 2018,10(7):1079.

[18]
Tsai Y, Stow D, Chen H , et al. Mapping vegetation and land use types in fanjingshan national nature reserve using google earth engine[J]. Remote Sensing, 2018,10(6):927.

[19]
Zurqani H A, Post C J, Mikhailova E A , et al. Geospatial analysis of land use change in the Savannah River Basin using Google Earth Engine[J]. International Journal of Applied Earth Observation and Geoinformation, 2018,69:175-185.

[20]
Liu X, Hu G, Chen Y , et al. High-resolution multi-temporal mapping of global urban land using Landsat images based on the Google Earth Engine Platform[J]. Remote sensing of environment, 2018, 209(227-239.

[21]
徐晗泽宇, 刘冲, 王军邦 , 等. Google Earth Engine平台支持下的赣南柑橘果园遥感提取研究[J]. 地球信息科学学报, 2018,20(3):396-404.

[ Xu H Z Y, Liu C, Wang B J , et al. Study on extraction of citrus orchard in Gannan region based on Google Earth Engine Platform[J]. Journal of Geo-information Science, 2018,20(3):396-404. ]

[22]
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.

[ Wang L C, Jiao L, Lai F B , et al. Evaluation of ecological changes based on a remote sensing ecological index in a Manas Lake wetland, Xinjiang[J]. Acta Ecoloica Sinica, 2019,39(8):2963-2972. ]

[23]
强安丰, 魏加华, 解宏伟 . 青海三江源地区气温与降水变化趋势分析[J]. 水电能源科学, 2018,36(2):10-14.

[ Qiang A F, Wei J H, Xie H W , et al. Trend analysis of temperature and precipitation in Sanjiangyuan region of Qinghai Province[J]. Water Resources and Power, 2018,36(2):10-14. ]

Options
文章导航

/

〈 〉