鄭舒元 陳星宇 海燕 王建雄

鄭舒元，陳星宇，海 燕，等. 基于Google Earth Engine的洱海流域建成區(qū)范圍及生態(tài)質(zhì)量變化分析［J］. 湖北農(nóng)業(yè)科學(xué)，2024， 63（2）：199-204．

摘要：以洱海流域?yàn)檠芯繀^(qū)，借助Google Earth Engine云平臺，利用Landsat 8 OLI系列影像，合成研究區(qū)域的增強(qiáng)的指數(shù)型建筑指數(shù)（EIBI）并對洱海流域建成區(qū)進(jìn)行提取，再對研究區(qū)域遙感生態(tài)指數(shù)進(jìn)行合成，通過對建成區(qū)范圍與流域范圍內(nèi)遙感生態(tài)指數(shù)進(jìn)行空間相關(guān)分析，從而對2014—2021年洱海流域及其建成區(qū)進(jìn)行生態(tài)評估。結(jié)果表明，EIBI可有效增強(qiáng)建筑信息，使用EIBI可有效、準(zhǔn)確地提取研究區(qū)域建成區(qū)，經(jīng)過EIBI提取，洱海流域2014—2021年建成區(qū)擴(kuò)張面積共14.712 km²；2014—2021年洱海流域生態(tài)明顯改善，遙感生態(tài)指數(shù)增加0.008，其上升速率為0.001/年，流域內(nèi)超過65%的區(qū)域生態(tài)得到改善；洱海流域建成區(qū)與生態(tài)未得到改善區(qū)域大致匹配，建成區(qū)經(jīng)過生態(tài)修復(fù)后生態(tài)質(zhì)量未見顯著提升，且建成區(qū)生態(tài)質(zhì)量呈逐年下降趨勢，說明建成區(qū)對環(huán)境改善具有阻力。

關(guān)鍵詞：洱海流域；增強(qiáng)的指數(shù)型建筑指數(shù)；遙感生態(tài)指數(shù)；Google Earth Engine；流域環(huán)境

中圖分類號：P237；X321? ? ? ? ?文獻(xiàn)標(biāo)識碼：A

文章編號：0439-8114（2024）02-0199-06

DOI：10.14088/j.cnki.issn0439-8114.2024.02.030 開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：

Analysis of built-up area range and ecological quality changes in the Erhai Basin?based on Google Earth Engine

ZHENG Shu-yuan1，2， CHEN Xing-yu3， HAI Yan1，2， WANG Jian-xiong1，2

（1. Yunnan Agricultural University， Kunming? 650201，China； 2. Agricultural Remote Sensing and Precision Agriculture Engineering Research Center of Yunnan Universities， Kunming? 650201，China；3. College of Economics and Management，Southwest Forestry University， Kunming? 650224，China）

Abstract： Taking Erhai Basin as the research area， with the help of Google Earth Engine cloud platform and Landsat 8 OLI series images， the enhanced index-based build-up index （EIBI） of the research area was synthesized and the built-up areas in Erhai Basin was extracted. Then， the remote sensing-based ecological index of the study area was synthesized. Through the spatial correlation analysis of the remote sensing-based ecological index of the built-up area and the basin， the ecological assessment of Erhai Basin and its built-up area from 2014 to 2021 was carried out. The results showed that the EIBI could effectively enhance the building information. Using EIBI could effectively and accurately extract the built-up area of the study area. After EIBI extraction， the expansion area of the built-up area of Erhai Basin from 2014 to 2021 was 14.712 km². From 2014 to 2021， the ecology of Erhai Basin was significantly improved， the remote sensing ecological index increased by 0.008， with an increase rate of 0.001/year， and more than 65% of the regional ecology in the basin was improved. The built-up area in Erhai Basin roughly matched the area where the ecology had not been improved. The ecological quality of the built-up area had not been significantly improved after ecological restoration， and the ecological quality of the built-up area showed a downward trend year by year， indicating that the built-up area had resistance to environmental improvement.

Key words： Erhai Basin； enhanced index-based built-up index； remote sensing-based ecological index； Google Earth Engine； basin environment

洱海作為云南省九大高原湖泊之一，其流域?yàn)樯鷳B(tài)系統(tǒng)的重要組成部分。21世紀(jì)以來，洱海流域周邊土地進(jìn)行了不同程度的開發(fā)利用，導(dǎo)致建成區(qū)不斷擴(kuò)張，人口密度的上升、建成區(qū)不斷擴(kuò)張以及對植被的破壞使得洱海流域生態(tài)質(zhì)量下降問題日漸突出，對洱海流域生態(tài)質(zhì)量進(jìn)行評估對其生態(tài)建設(shè)具有重要意義。

當(dāng)前對生態(tài)環(huán)境遙感監(jiān)測的研究有了較大發(fā)展，大多研究從土地利用變化、城市熱島效應(yīng)以及不透水面蓋度等角度對生態(tài)效應(yīng)影響進(jìn)行評價(jià)，其多為單角度及單一生態(tài)因子對生態(tài)效應(yīng)進(jìn)行評價(jià)，徐涵秋^{［1，2］}于2013年提出遙感生態(tài)指數(shù)（Remote sensing based ecological index，RSEI），其利用主成分分析法對綠度、濕度、干度及熱度生態(tài)指標(biāo)進(jìn)行合成，規(guī)避了人為確定權(quán)重而導(dǎo)致評價(jià)結(jié)果的不確定性，其計(jì)算結(jié)果較為穩(wěn)定客觀，能夠用于對研究區(qū)的生態(tài)環(huán)境遙感綜合評價(jià)^［3-10］，近年來，吳志杰等^［11］以福建省龍巖市為例，利用遙感生態(tài)指數(shù)對山地城市進(jìn)行生態(tài)遙感變化分析，對其環(huán)境質(zhì)量做出評估；張娟等^［12］以河南省焦作市為例，利用遙感生態(tài)指數(shù)對資源枯竭型城市生態(tài)環(huán)境變化影響進(jìn)行評估；王志超等^［13］利用遙感生態(tài)指數(shù)與植被覆蓋度相結(jié)合，對成都市錦江區(qū)的生態(tài)質(zhì)量做出評估并證明RSEI能夠反映2002—2018年錦江區(qū)生態(tài)質(zhì)量及變化情況；劉栩位等^［14］利用遙感生態(tài)指數(shù)對三峽庫區(qū)重慶段水土保持生態(tài)功能區(qū)生態(tài)環(huán)境質(zhì)量狀況進(jìn)行了評估；范德芹等^［15］利用改進(jìn)的遙感生態(tài)指數(shù)對神府礦區(qū)的生態(tài)環(huán)境變化進(jìn)行綜合評價(jià)，得到目標(biāo)區(qū)域生態(tài)逐漸得到修復(fù)，生態(tài)環(huán)境質(zhì)量逐漸提升的結(jié)論。

傳統(tǒng)的遙感數(shù)據(jù)處理方法對長時(shí)序研究而言工作量較大，近年來云平臺的發(fā)展使得遙感數(shù)據(jù)的存儲計(jì)算及可視化得到了新的處理途徑^［16-19］，Google Earth Engine（下文簡稱GEE）平臺由Google公司提供技術(shù)支撐，其提供大量全球尺度不同分辨率衛(wèi)星影像數(shù)據(jù)，能夠?yàn)殚L期監(jiān)測和長時(shí)序數(shù)據(jù)處理提供有力支撐^［20-25］，Hamud等^［26］利用GEE對索馬里巴納迪爾30年的城市擴(kuò)展及土地利用進(jìn)行了提取分析。本研究借助GEE獲取2014—2021年洱海流域的Landsat 8 OLI系列影像，通過GEE計(jì)算研究區(qū)域增強(qiáng)的指數(shù)型建筑指數(shù)（Enhanced index-based built-up index，EIBI）提取該流域建成區(qū)，再分別計(jì)算流域綠度指標(biāo)、濕度指標(biāo)、干度指標(biāo)及熱度指標(biāo)，通過以上計(jì)算結(jié)果對RSEI指數(shù)進(jìn)行合成，并與提取的建成區(qū)進(jìn)行疊加統(tǒng)計(jì)分析，從而對洱海流域生態(tài)環(huán)境質(zhì)量進(jìn)行評估。

1 研究區(qū)概況

研究區(qū)域位于云南省中部偏西洱海流域，地處北緯25°25′—26°10′，東經(jīng)99°32′—100°27′，流域面積2 607.75 km²，湖面高程1 966 m時(shí)湖面面積為252 km²，一般湖水面積約246 km²，蓄水量約29.5×108 m³，呈狹長形，流域內(nèi)河流呈現(xiàn)聚集狀匯入中心湖泊，境內(nèi)有大小河溪共117條，主要入湖溝渠125條，轄大理市、洱源縣2市縣16個(gè)鄉(xiāng)鎮(zhèn)。具有供水、灌溉、發(fā)電、調(diào)節(jié)氣候、漁業(yè)、航運(yùn)及旅游七大功能，是云南省九大高原湖泊之一，干濕季分明，5—10月為雨季，11月至次年4月為旱季，多年年均溫度及降雨量分別為15.1 ℃和1 048 mm。

2 數(shù)據(jù)來源與研究方法

2.1 數(shù)據(jù)來源及預(yù)處理

研究采用Landsat 8地表反射率（Surface reflectance，SR）數(shù)據(jù)作為數(shù)據(jù)源，其從Google Earth Engine（GEE，https：//earthengine.google.com/）平臺直接獲Landsat 8 OLI數(shù)據(jù)，時(shí)間跨度為2014—2021年，選取2014年及2021年1月相同時(shí)段影像數(shù)據(jù)進(jìn)行對比分析。數(shù)據(jù)受到的云、雨雪等不利因素利用CFMASK方法去除，再利用頭文件信息對影像進(jìn)行輻射定標(biāo)及大氣校正，最終得到可用于處理的影像數(shù)據(jù)。

2.2 建筑擴(kuò)張信息提取

不同地物具有不同光譜特征，且不同地物對太陽光的反射和吸收的程度不同，其反射光譜曲線具有顯著差異，利用這一差異可區(qū)別土地利用類型，從而進(jìn)一步提取感興趣區(qū)，通過分析并找出城市用地與其他地物之間的差距，可將建筑用地信息與其他地物相區(qū)別開來，從而提取建成區(qū)。

Zha等^［27］改進(jìn)了歸一化建筑指數(shù)（Normalized differences built-up index，NDBI）用于提取建筑用地，該指數(shù)思想與歸一化植被指數(shù)NDVI相似，經(jīng)過對光譜的進(jìn)一步分析而得來，其表達(dá)式為：

該公式由近紅外與紅光波段計(jì)算得來，ρ_nir與ρ_red分別表示近紅外波段與紅波段的反射率，在這2個(gè)波段之間，建筑用地、裸土與沙地的灰度值逐漸增加，其他值則逐漸下降，因此圖像上大于0的像元值可歸為建筑用地及沙地裸土。

徐涵秋^［28］提出的基于壓縮數(shù)據(jù)維方法提取建筑用地信息的指數(shù)，又稱指數(shù)型建筑用地指數(shù)（Index-based Built-up Index，IBI），采用原始波段衍生出的3個(gè)指數(shù)波段來構(gòu)建新的影像對建筑用地進(jìn)行提取，其采用了土壤植被調(diào)節(jié)指數(shù)（Soil adjusted vegetation index，SAVI）、修正歸一化水體指數(shù)（Modified normalized differences water index，MNDWI）和歸一化建筑指數(shù)（NDBI），模型如下所示。

式中，ρ_nir、ρ_red、ρ_green、ρ_mir1分別表示近紅外波段、紅波段、綠波段、中紅外波段的反射率；L代表常量，默認(rèn)值為0.5。

由于研究區(qū)域包含大量山地、裸土區(qū)域，在分析時(shí)需要剔除大部分干擾因素的影響從而準(zhǔn)確提取目標(biāo)區(qū)域，為準(zhǔn)確提取研究區(qū)域建成區(qū)，選用吳志杰等^［29］提出的增強(qiáng)的指數(shù)型建筑指數(shù)（Enhanced index-based built-up index，EIBI）來對研究區(qū)建成區(qū)進(jìn)行提取，其對富含黏土型礦物的地表裸土有很好的抑制作用，經(jīng)過對漳州市及福州市研究區(qū)提取結(jié)果對比驗(yàn)證，證實(shí)其能夠準(zhǔn)確區(qū)分研究區(qū)域內(nèi)裸土和建筑物，精度可達(dá)90%以上；代穎懿等^［30］基于Landsat-7 影像，利用EIBI提取福州市區(qū)建成區(qū)的精度可達(dá)92%。因此，選擇EIBI來提取研究區(qū)的建成區(qū)信息，其公式模型如下：

其中，EIBI由歸一化差值裸地與建筑用地指數(shù)（Normalized difference bareness and built-up Index，NDBBI）、裸土指數(shù)（Bare soil index，BSI）、增強(qiáng)型裸土指數(shù)（Enhanced bare soil index，EBSI）計(jì)算得到，ρ_blue為藍(lán)光波段反射率，ρ_green為綠光波段反射率，ρ_red為紅光波段反射率，ρ_nir為近紅外波段反射率，ρ_swir1和 ρ_swir2為短波紅外波段反射率。且在使用 NDBBI、SAVI、MNDWI、BSI、EBSI等指數(shù)模型生成指數(shù)波段時(shí)不能直接使用歸一化數(shù)據(jù)進(jìn)行計(jì)算，其中NDBBI要經(jīng)過0～255的灰度值拉伸。運(yùn)用EIBI建筑指數(shù)對2014—2021年洱海流域建成區(qū)進(jìn)行提取結(jié)果如圖1所示，通過將EIBI提取結(jié)果與原始影像進(jìn)行疊加，并進(jìn)行目視解譯，該指數(shù)能夠準(zhǔn)確剔除研究區(qū)內(nèi)山體及裸土，提取建成區(qū)。

2.3 RSEI指數(shù)計(jì)算

遙感生態(tài)指數(shù)（Remote sensing based ecological index，RSEI）是一種基于濕度、綠度、干度和熱度4種自然因子為主的評價(jià)生態(tài)狀況的體系，可以快速評價(jià)生態(tài)環(huán)境狀況。需利用綠度指標(biāo)、濕度指標(biāo)、干度指標(biāo)及熱度指標(biāo)4個(gè)波段來進(jìn)行合成，再對合成的多波段影像進(jìn)行主成分分析得到，其中綠度指標(biāo)為歸一化植被指數(shù)（Normalized difference vegetation index，NDVI）；濕度指標(biāo)為地表濕度（Wet），具體表現(xiàn)為纓帽變換的第三分量；干度指標(biāo)為建筑指數(shù)與裸土指數(shù)合成干度指數(shù)（Normalized difference soil index，NDSI），由建筑指數(shù)（Index-based built-up index，IBI）與土壤指數(shù)（Soil index，SI）合成；熱度指標(biāo)為地表溫度（Land surface temperaturae，LST）。以上指標(biāo)計(jì)算公式如下所示。

式中，LST為地表溫度；ε為地表比輻射率；λ為熱紅外波段的中心波長；ρ=14 380 umk，T=k₂-ln （k₁/L+1），L=gainDN+bias，其中DN表示衛(wèi)星傳感器記錄下的數(shù)字信號值轉(zhuǎn)化來的反射率，gain為傳感器增益，bias為傳感器偏移。k₁、k₂、gain、bias 均可在影像頭文件中獲取。計(jì)算完4個(gè)波段的指數(shù)后，將其進(jìn)行多波段合成，其合成順序?yàn)镹DVI、Wet、NDSI、LST，對合成后的新影像進(jìn)行主成分分析（PCA），提取主成分分析后所得的多波段影像的第一波段，再將第一主成分進(jìn)行歸一化處理，歸一化后的第一主成分即為遙感生態(tài)指數(shù)（RSEI），其歸一化的表達(dá)式為：

其中，PC1_min為第一主成分最小值，PC1_max為第一主成分最大值。通過對數(shù)據(jù)進(jìn)行輻射定標(biāo)、大氣校正、幾何校正、地形校正等預(yù)處理后，對綠度指標(biāo)、濕度指標(biāo)、干度指標(biāo)、熱度指標(biāo)進(jìn)行提取并進(jìn)行歸一化處理與主成分分析，可得到4個(gè)指標(biāo)分量的主成分分析結(jié)果（表1）。

由表1可知，2期影像的第一主成分貢獻(xiàn)率分別為86.72%、84.73%，說明第一主成分PC1包含了影像絕大部分特征信息，且濕度指標(biāo)與綠度指標(biāo)的荷載值為正值，其對遙感生態(tài)指數(shù)為正面貢獻(xiàn)；干度指標(biāo)與熱度指標(biāo)的荷載值為負(fù)值，說明其對遙感生態(tài)指數(shù)為負(fù)面貢獻(xiàn)。綜上，PC1可充分集成4個(gè)指標(biāo)分量的信息，該研究區(qū)域可采用第一主成分PC1來提取遙感生態(tài)指數(shù)（RSEI）。

RSEI越大表明所處地區(qū)環(huán)境越好，其通過不同閾值（間隔為0.2）分級可分為1—5級，其生態(tài)狀況根據(jù)分級可分為差、較差、中等、良、優(yōu)5個(gè)等級，通過對2014年與2020年洱海流域建成區(qū)提取結(jié)果與重分類后所得的洱海流域RSEI指數(shù)進(jìn)行疊加分析，可掌握洱海流域建成區(qū)的生態(tài)情況變化，經(jīng)計(jì)算后的洱海流域2014年、2020年RSEI如圖2所示。

3 結(jié)果與分析

3.1 2014—2021年洱海流域建筑擴(kuò)張變化及影響

利用2021年建成區(qū)與2014年建成區(qū)相比較，可以計(jì)算得到8年間增長的建成區(qū)面積與建成區(qū)區(qū)域的遙感生態(tài)指數(shù)，通過對不同年份之間的建成區(qū)指數(shù)之間作差即可得出2014—2021年建成區(qū)范圍變化，8年間建成區(qū)面積與遙感生態(tài)指數(shù)變化結(jié)果如表2所示，建成區(qū)范圍變化如圖1所示。從表2可看出，2014—2021年，建成區(qū)面積增加了14.712 km²，而建成區(qū)遙感生態(tài)指數(shù)降低了0.008，洱海流域內(nèi)建筑面積年均擴(kuò)展為1.839 km²，其建成區(qū)的遙感生態(tài)指數(shù)年均降低0.001 3。

由圖1可知，洱海流域建成區(qū)擴(kuò)展主要集中于洱海流域下游大理市及杭瑞高速途經(jīng)流域路段，流域上游洱源縣及流域西側(cè)喜洲鎮(zhèn)、古城區(qū)以及西景線、大麗線沿途。由于政策原因，洱海東岸海東鎮(zhèn)開發(fā)速度有所減緩，2014—2021年該區(qū)域未見顯著擴(kuò)張。對2014年建成區(qū)與2021年建成區(qū)遙感生態(tài)指數(shù)進(jìn)行提取，2014年建成區(qū)遙感生態(tài)指數(shù)為0.811，2021年建成區(qū)遙感生態(tài)指數(shù)為0.800，可見建成區(qū)遙感生態(tài)指數(shù)明顯低于洱海流域整體遙感生態(tài)指數(shù)，且2014—2021年建成區(qū)遙感生態(tài)指數(shù)呈逐年下降趨勢，通過對2014年與2021年建成區(qū)RSEI做差可分析建成區(qū)內(nèi)RSEI整體變化趨勢，其結(jié)果如圖3所示。

由圖3可知，RSEI呈上升趨勢的區(qū)域占整個(gè)建成區(qū)的47.54%，RSEI呈下降趨勢的區(qū)域占整個(gè)建成區(qū)的52.06%，其中呈下降趨勢的區(qū)域，遙感生態(tài)指數(shù)下降的速率為0.043/年，呈上升趨勢的區(qū)域上升速率為0.029/年，綜合說明建成區(qū)整體生態(tài)呈下降趨勢，生態(tài)質(zhì)量下降來源于建成區(qū)的擴(kuò)展導(dǎo)致的環(huán)境破壞及原有建成區(qū)生態(tài)質(zhì)量的下滑，證明建成區(qū)擴(kuò)展對洱海流域生態(tài)有負(fù)面影響。

3.2 洱海流域生態(tài)質(zhì)量時(shí)空變化分析

為能夠更好反映洱海流域的生態(tài)質(zhì)量變化，根據(jù)徐涵秋^［1］對RSEI的評估等級將研究區(qū)內(nèi)RSEI進(jìn)行分級，生態(tài)質(zhì)量差為1級（0～0.2），生態(tài)質(zhì)量較差為2級（0.2～0.4），生態(tài)質(zhì)量中等為3級（0.4～0.6），生態(tài)質(zhì)量良好為4級（0.6～0.8），生態(tài)質(zhì)量優(yōu)為5級（0.8～1.0），對研究區(qū)RSEI進(jìn)行分級統(tǒng)計(jì)，其結(jié)果如表3所示。

由表3可知，2014—2021年洱海流域生態(tài)指數(shù)等級以優(yōu)（5級）為主，其占比均超過85%，該時(shí)間段內(nèi)1級、2級、3級占比均不足1%；研究時(shí)間段內(nèi)洱海流域生態(tài)指數(shù)大幅上升，超過65%的4級地升為5級地。圖4從空間上直觀體現(xiàn)洱海流域的RSEI指數(shù)等級變化，可見研究區(qū)整體生態(tài)環(huán)境有巨大改善，大部分區(qū)域RSEI評級得以上升；未見顯著改善區(qū)域經(jīng)與建成區(qū)提取結(jié)果疊加分析可得，研究區(qū)生態(tài)未見顯著改善區(qū)域基本與建成區(qū)提取結(jié)果相吻合，2014年建成區(qū)所在的區(qū)域生態(tài)評價(jià)等級處于較低水平，說明建成區(qū)擴(kuò)張對研究區(qū)域的環(huán)境有負(fù)面影響。

綜上，2014—2021年洱海流域的遙感生態(tài)指數(shù)從0.869上升到0.877，共上升了0.008，表明研究區(qū)域生態(tài)質(zhì)量呈逐年改善趨勢，年均上升速度為0.001/年，與建成區(qū)生態(tài)呈下降趨勢不同，由于國家于研究時(shí)間段內(nèi)對洱海流域生態(tài)進(jìn)行整治與保護(hù)以及對洱海流域提出轉(zhuǎn)型發(fā)展要求，對洱海周邊的建成區(qū)進(jìn)行了轉(zhuǎn)型及調(diào)整，于2018—2019年時(shí)間段內(nèi)關(guān)停了洱海流域內(nèi)所有礦山，以及對原有礦山設(shè)施進(jìn)行拆除，對洱海流域?qū)嵤┝饔蛎嫔骄G化建設(shè)與退耕還林和陡坡地生態(tài)治理工程，實(shí)施西湖居民區(qū)生態(tài)搬遷工程及分類清理建設(shè)用地，對整個(gè)洱海流域生態(tài)質(zhì)量有了較大提高，使得整個(gè)研究區(qū)生態(tài)呈改善趨勢。

4 結(jié)論

利用Google Earth Engine云平臺，并利用Landsat8 OLI系列遙感數(shù)據(jù)，對洱海流域建成區(qū)擴(kuò)張分析后可得以下結(jié)論。

1）使用增強(qiáng)的指數(shù)型建筑指數(shù)（EIBI）可有效抑制富含黏土礦物的裸土信息，而增強(qiáng)建成區(qū)信息，使用EIBI可有效、準(zhǔn)確地提取研究區(qū)域建成區(qū)，經(jīng)過EIBI提取，洱海流域2014—2021年建筑擴(kuò)張面積共14.712 km²。

2）使用遙感生態(tài)指數(shù)（RSEI）對洱海流域建筑擴(kuò)張地域進(jìn)行生態(tài)評估，評估結(jié)果為2014—2021年洱海流域生態(tài)環(huán)境得到顯著改善，遙感生態(tài)指數(shù)逐年上升，其上升速率為0.001/年，2014—2021年流域內(nèi)超過65%的區(qū)域生態(tài)得到改善。

3）洱海流域建成區(qū)與生態(tài)未得到改善區(qū)域大致匹配，建成區(qū)經(jīng)過生態(tài)修復(fù)后生態(tài)質(zhì)量未見顯著提升，且建成區(qū)生態(tài)質(zhì)量呈逐年下降趨勢，說明建成區(qū)對環(huán)境改善具有阻力。

參考文獻(xiàn)：

［1］ 徐涵秋.城市遙感生態(tài)指數(shù)的創(chuàng)建及其應(yīng)用［J］.生態(tài)學(xué)報(bào)，2013，33（24）：7853-7862.

［2］ 徐涵秋. 區(qū)域生態(tài)環(huán)境變化的遙感評價(jià)指數(shù)［J］. 中國環(huán)境科學(xué)，2013，33（5）：889-897.

［3］ HU X S， XU H Q. A new remote sensing index for assessing the spatial heterogeneity in urban ecological quality： A case from Fuzhou City， China［J］. Ecological indicators， 2018， 89：11-21.

［4］ 王東升， 王小磊， 雷澤勇. 基于遙感生態(tài)指數(shù)的阜新市生態(tài)質(zhì)量評估［J］. 生態(tài)科學(xué)， 2020， 39（3）：88-94.

［5］ 李 妍，張國欽，吝 濤，等. 鄉(xiāng)鎮(zhèn)遙感生態(tài)指數(shù)時(shí)空變化及影響因子研究——以天津市薊州區(qū)為例［J］. 生態(tài)學(xué)報(bào)，2022，42（2）：474-486.

［6］ ZHU D Y，CHEN T，ZHEN N， et al. Monitoring the effects of open-pit mining on the eco-environment using a moving window-based remote sensing ecological index［J］. Environmental science and pollution research， 2020， 27（13）：15716-15728.

［7］ 范小安， 王金輝， 徐美娜，等. 典型入?？诤０稁鷳B(tài)環(huán)境質(zhì)量遙感評價(jià)研究——以寶山區(qū)為例［J］. 海洋學(xué)研究，2020，38（2）：66-73.

［8］ 喬 敏，張永彬，宇林軍.基于遙感生態(tài)指數(shù)的北京市生態(tài)環(huán)境質(zhì)量動態(tài)監(jiān)測［J］.華北理工大學(xué)學(xué)報(bào)（自然科學(xué)版），2020，? ? ? 42（4）：17-23.

［9］ 張 寒，潘 安，羅 芳.基于遙感生態(tài)指數(shù)的南充市生態(tài)環(huán)境質(zhì)量評價(jià)［J］.西華師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2020，41（4）：395-403.

［10］ 項(xiàng) 頌，吳 越，呂興菊，等. 洱海流域農(nóng)業(yè)面源污染空間分布特征及分類控制策略［J］.環(huán)境科學(xué)研究，2020，33（11）：2474-2483.

［11］ 吳志杰，鄒 丹，黃紹霖.山地城市擴(kuò)展及生態(tài)變化遙感分析［J］.亞熱帶資源與環(huán)境學(xué)報(bào)，2016，11（3）：81-87，94.

［12］ 張 娟，文廣超，王恩營，等.基于遙感生態(tài)指數(shù)的焦作市生態(tài)環(huán)境動態(tài)監(jiān)測與評價(jià)［J］.水土保持通報(bào)，2020，40（6）：107-114.

［13］ 王志超，何新華.基于植被覆蓋度和遙感生態(tài)指數(shù)的成都市錦江區(qū)生態(tài)質(zhì)量評估［J］.生態(tài)與農(nóng)村環(huán)境學(xué)報(bào)，2021，37（4）：492-500.

［14］ 劉栩位，周啟剛，周 浪，等.基于RSEI的三峽庫區(qū)重慶段水土保持生態(tài)功能區(qū)生態(tài)環(huán)境質(zhì)量動態(tài)監(jiān)測［J］.水土保持研究，2021，28（5）：278-286.

［15］ 范德芹，邱 玥，孫文彬，等. 基于遙感生態(tài)指數(shù)的神府礦區(qū)生態(tài)環(huán)境評價(jià)［J］.測繪通報(bào)，2021（7）：23-28.

［16］ SHETTY S，GUPTA P K，BELGIU M，et al. Assessing the effect of training sampling design on the performance of machine learning classifiers for land cover mapping using multi-temporal remote sensing data and Google Earth Engine［J］. Remote sensing，2021，13（8）：1-22.

［17］ LI K，WANG L，YIN D M. Deriving corn and soybeans fractions with Land Remote-Sensing Satellite（System， Landsat） imagery by accounting for endmember variability on Google Earth Engine［J］. International journal of remote sensing，2021，42（12）：4493-4513.

［18］ ZHANG Z M，WEI M Y，PU D C，et al. Assessment of annual composite images obtained by Google Earth Engine for urban areas mapping using random forest［J］. Remote sensing，2021，13（4）：748.

［19］ 鄭子豪，吳志峰，陳穎彪，等.基于Google Earth Engine的長三角城市群生態(tài)環(huán)境變化與城市化特征分析［J］.生態(tài)學(xué)報(bào)，2021，41（2）：717-729.

［20］ 廖文秀，陳奕云，趙 曦，等. 基于GEE的湖北省近30年湖泊及其岸線演變分析［J］.湖北農(nóng)業(yè)科學(xué)，2021，60（10）：46-54，59.

［21］ 張禎祺，蔡惠文，張平平，等.基于GEE遙感云平臺的三江源植被碳源/匯時(shí)空變化研究［J］.自然資源遙感，2023，35（1）：231-242.

［22］ 谷 雷，岳彩榮，張國飛，等.基于Google Earth Engine平臺的大湄公河次區(qū)域2001—2019年植被NPP時(shí)空變化分析［J］.西部林業(yè)科學(xué)，2021，50（2）：132-139.

［23］ 楊坤士，盧 遠(yuǎn)，翁月梅，等.Google Earth Engine平臺支持下的南流江流域生態(tài)環(huán)境質(zhì)量動態(tài)監(jiān)測［J］.農(nóng)業(yè)資源與環(huán)境學(xué)報(bào)，2021，38（6）：1112-1121.

［24］ 皮青山，席 茜，周玉科.Google Earth Engine云平臺及植被遙感案例研究［J］.測繪與空間地理信息，2021，44（2）：38-41.

［25］ 姜伊蘭，陳保旺，黃玉芳，等.基于Google Earth Engine和NDVI時(shí)序差異指數(shù)的作物種植區(qū)提取［J］.地球信息科學(xué)學(xué)報(bào)，2021，23（5）：938-947.

［26］ HAMUD A M，SHAFRI H Z M，SHAHARUM N S N. Monitoring urban expansion and land use/land cover changes in Banadir， Somalia using Google Earth Engine （GEE）［J］. IOP Conference Series： Earth and environmental science，2021，767（1）：012041.

［27］ ZHA Y， GAO J， NI S. Use of normalized difference built-up index in automatically mapping urban areas from TM imagery［J］. International journal of remote sensing，2003，24（3）：583-594.

［28］ 徐涵秋.基于壓縮數(shù)據(jù)維的城市建筑用地遙感信息提取［J］.中國圖象圖形學(xué)報(bào)，2005，10（2）：223-229.

［29］ 吳志杰，趙書河.基于TM圖像的“增強(qiáng)的指數(shù)型建筑用地指數(shù)”研究［J］.國土資源遙感，2012（2）：50-55.

［30］ 代穎懿，劉 輝，黎啟燃，等. 基于中等空間分辨率遙感影像的建筑用地信息提?。跩］.亞熱帶資源與環(huán)境學(xué)報(bào)，2013，8（4）：68-74.

收稿日期：2022-09-13

基金項(xiàng)目：國家自然科學(xué)基金項(xiàng)目（41867040）

作者簡介：鄭舒元（1997-），男，云南玉溪人，碩士，主要從事資源與環(huán)境遙感研究，（電話）15261805767（電子信箱）952012141@qq.com；通信作者，王建雄（1975-），男，云南玉溪人，教授，博士，主要從事資源與環(huán)境遙感研究，（電話）13608873306（電子信箱）jianxiongw@126.com。