EN中文

Remote Sensing for Natural Resources >

2025 , Vol. 37 >Issue 2: 164 - 172

DOI: https://doi.org/10.6046/zrzyyg.2023369

Comprehensive assessment and analysis of natural resources and ecological conditions in the Zhangbei area

  • ZHANG Jing , 1, 2, 3 ,
  • HU Xiaojia , 1, 2, 3 ,
  • WANG Wei 1, 2, 3 ,
  • CHEN Donglei 1, 2, 3 ,
  • HUANG Xuhong 1, 2, 3 ,
  • YANG Junquan 1, 2, 3
Expand
  • 1. Tianjin Center, China Geological Survey, Tianjin 300170, China
  • 2. North China Center of Geoscience Innovation, Tianjin 300170, China
  • 3. Tianjin Key Laboratory of Coast Geological Processes and Environmental Safety, Tianjin 300170, China

Received date: 2023-12-13

  Revised date: 2024-03-04

  Online published: 2026-06-03

Fold

Abstract

This study aims to explore the background conditions of the natural resource elements and the dynamic distribution of ecological conditions in typical agricultural and pastoral intertwined zones. Focusing on the Zhangbei area, this study selected 15 assessment factors by comprehensively considering four types of resources: land, vegetation, groundwater, and minerals. Accordingly, this study conducted a comprehensive assessment of natural resource elements in the study area using the analytic hierarchy process (AHP). Meanwhile, the 2019—2022 average remote sensing ecological index (RSEI) values were calculated using the Google Earth Engine platform. Based on these results, the study area is divided into six ecological functional zones. The results indicate that from 2019 to 2022, the natural resource dominance and RSEI values of the study area showed a gradual decreasing trend from the low mountainous area encircling the southern part to the hilly area in the northwestern part. The study area exhibited moderate natural resource dominance, with RSEI values all exceeding 0.52. This suggests relatively favorable ecological conditions. In addition, the assessment results of natural resource dominance are closely related to RSEI, showing a positive correlation spatially. This verifies the importance of the background conditions of natural resource elements on ecological status. The ecological function zoning proposed in this study can serve as a scientific reference for the planning and development of Zhangbei areas.

Key words： agriculture and pastoral intertwined zone; analytic hierarchy process (AHP); natural resource dominance; remote sensing ecological index (RSEI); ecological function zoning

Cite this article

ZHANG Jing , HU Xiaojia , WANG Wei , CHEN Donglei , HUANG Xuhong , YANG Junquan . Comprehensive assessment and analysis of natural resources and ecological conditions in the Zhangbei area[J]. Remote Sensing for Natural Resources, 2025 , 37(2) : 164 -172 . DOI: 10.6046/zrzyyg.2023369

0 引言

新时代的发展对如何兼顾生态效能与经济社会发展、如何实现自然资源高质量保护与利用提出了更高的要求[1]。从自然资源的本底条件出发,对自然资源的时空分布特征、开发利用状况等方面进行综合分析,可以为全方位了解区域自然资源本底、合理开发利用保护自然资源提供一定参考[2]。近些年来,许多学者也针对自然资源领域开展了系列研究,任春秋等[3]基于层次分析法选出4个方面的因子指标对环巢湖自然资源利用现状进行了综合评价,从土地利用和城镇建设角度对该区域自然资源发展水平进行了量化分析; 邱倩倩等[4]提出了一套自然资源综合评价的方案,实现对区域自然资源的摸底、开发水平以及限制因素的识别,为该领域的综合评估提供示范模板; 赵忠琦等[5]基于主成分分析法从自然丰度、地质、水文、矿床赋存条件等方面对矿产资源进行了综合评价; 刘立程等[6]针对农业资源的开发利用,提出了涵盖农业相关的4大方面的指标构建体系,为立体化评估农业资源建立了评估参考; 还有其他学者也从不同的评价对象和评价目的方面提供了一些研究方法以及模型框架[7-8]。已有的相关研究已经基本建立起了自然资源综合评价的基本要素体系和技术方法,而如何能够更好地结合自然资源要素的综合评价结果与生态分布和发展状况,来对地区的科学发展和规划提供一定的指导,服务于生态文明建设,有待进一步深入研究。
张北坝上地区处于典型农牧交错带,近些年出现了部分盐渍化等生态问题[9],自然资源的开发利用与生态保护的矛盾仍然存在[10],对自然资源合理开发、保护和修复的科学规划十分有必要。因此,本文在原有综合评价框架的基础上,充分发挥区域内自然资源要素的监测数据价值,构建研究区自然资源本底的综合评估体系,并同时利用时序遥感数据计算表征生态分布状况的遥感生态指数(remote sensing ecological index,RSEI),开展典型农牧交错带的自然资源本底要素的定量评估与生态分布状况演变关系的分析,在此基础上,进行生态功能区划,以期为坝上农牧交错地区的生态保护与可持续发展提供一定的科学参考。

1 研究区概况与数据源

1.1 研究区概况

研究区张北地区位于河北省西北部,区域内包含有“坝上高原第一县”之称的张北县以及位于张家口市北部的坝上高原察北管理区,背靠内蒙古、南邻京津,处于京冀晋蒙的中心节点,是首都通向西北的咽喉要道,区位显著,交通网络便捷。该区域地处华北平原和内蒙古高原交接的地方,地形陡然升高,呈阶梯状,海拔处于1 258~2 112 m之间,地形以丘陵、平原为主,总体呈北东向展布,南北高、中间低,如图1所示。该区域属于坝上地区,气候为温带大陆性草原气候,冬季漫长,夏季无暑,清凉宜人。区域土壤属于草原栗钙土带,受地形起伏、水分、温度、生物等差异对成土过程的附加影响,呈现从高到低有规律的垂直分布。此外,区域内安固里淖流域内河流众多,河流大部分发源于坝头山区,多呈南北走向,水源主要靠大气降水补给,部分汇集成山间泉水溪流。河水沿流程大量渗漏或蒸发,时有断流,成为季节河。2008年至今,区域内大部分地区的地下水位呈现基本稳定状态。
图1 研究区区位及地势图

Fig.1 Terrain map of the study area

近年来坝上地区防护林枯萎衰退趋势比较严重,据报道,张北县域内近4/5的杨树防护林出现退化现象,接近1/3的杨树濒临死亡或枯死,部分林场内杨树枯死率达到95%。同时,张北地区盐碱质荒漠化形势相对突出,以沙化盐碱质荒漠化为主,主要分布在西部和南部地区,草地总面积从2010年到2020年出现一定程度的减少,生态修复与开发建设的矛盾仍然存在。

1.2 数据源

本研究所收集的数据包括: ①张北县国土空间总体规划资料,来源于张北县人民政府网站; ②遥感影像数据包括Landsat8 OLI地表反射率数据、MOD11A2地表温度数据产品,主要来源于Google Earth Engine(GEE)平台和地理空间数据云平台,设置影像时相为2019至2022年每年的6月1日至8月31日,并对影像数据进行了云掩模、批量镶嵌、裁剪等预处理; ③DEM数据,来源于地理空间数据云平台(http://www.gscloud.cn); ④张北地区矿产资源、土壤资源数据以及地下水数据资源,均来源于2019—2021年中国地质调查局在坝上地区开展的自然资源综合调查项目的数据成果,为矢量格式; ⑤野外草地生物量数据,来源于项目野外数据,野外工作开展于2021年8月,野外草地生物量实测共完成6个样地,每个样地5个样方,每个样方为边长1 m的正方形。样方生物量采用样方内全部植物齐地面切割的方法现场称鲜重,带回野外基地晒干后称干重。每个样地的生物量为5个样方产草量干重的平均值。

2 研究方法

2.1 自然资源优势度评价

本文主要采用专家打分法与层次分析法[11]相结合的方式进行指标体系的构建以及评价因子权重的计算,同时,为了统一数据格式和评价尺度,将所有的矢量数据均转换为30 m的栅格数据,并对各因子进行指标分级,然后基于栅格计算法,得到最终的评价结果。
1)评价因子的选择。参考以往学者在不同尺度、不同生态环境以及不同评价角度的指标因子体系的构建等相关研究,本文综合考虑到研究区自然要素的分布情况以及典型农牧交错带的特点,从土地资源、植被资源、地下水资源以及矿产资源4个方面,选取了15个评价因子,并考虑不同自然要素对自然资源优势度的影响程度,采取专家打分法的方式将评价因子分为4级,分别是无/不好影响(1分)、一般(3分)、较好(5分)、极好(7分),具体如表1所示。
表1 自然资源要素指标分级体系

Tab.1 Classification system for indicators of natural resource elements

要素 因子 无/不好影响(1分) 一般(3分) 较好(5分) 极好(7分) 因子权重
土地
资源		 土地利用分类 城镇村及工矿用地、
交通运输用地		 水浇地、旱地、其他林地、其他草地、其他用地 灌木林地、人工牧草地、种植园用地 乔木林地、天然牧草地、湿地、水域 0.072
土壤类型 碱化盐土、草甸碱土、碱化栗钙土、盐化草甸土、盐化栗钙土 草原风沙土、中性石质土、钙质粗骨土、石灰性草甸土、栗钙土 褐土、淋溶褐土、灰褐土、栗褐土、潜育草甸土、暗栗钙土、草甸栗钙土 湖积泥质土(水体) 0.017
土壤养分质量地球化学等级 较缺乏 中等 较丰富 丰富 0.035
土壤质量地球化学综合等级 四等 三等 二等 一等 0.035
盐碱质荒漠化 重度 中度 轻度 无盐渍化 0.121
植被
资源		 归一化植被指数 ≤-0.37 (-0.37,-0.21] (-0.21,0] (0,0.56] 0.060
森林蓄积量 ≤-60 (-60,25] (25,33] (33,60] 0.120
草原生物量 [0,600] (600,1 200] (1 200,1 800] (1 800,3 000] 0.120
地下水
资源		 地表水质量 Ⅴ级 Ⅵ级 Ⅲ级 Ⅱ级 0.060
地下水开发潜力 中度、轻度超采区、空白区 采补平衡区 较小潜力区 中度潜力区 0.023
地下水质量评价 Ⅴ类 Ⅵ类 Ⅲ类 / 0.060
地下水位 地下水位降落漏斗区 / 其他地区 / 0.157
矿产
资源		 开采矿种 能源矿产 金属矿产 非金属矿产 无开发 0.040
开采规模 大型 中型 小型 / 0.040
开采状态 在采 停采 未利用 / 0.040
土地资源方面选取土地利用分类、土壤类型、土壤养分质量地球化学等级、土壤质量地球化学综合等级以及盐碱质荒漠化5个方面的因子。土地利用分类结果表征了不同土地开发利用方式对自然本底的影响; 土壤相关的3个因子则展示了土地资源本底的分布状况; 盐碱质荒漠化则是基于2020年6月Landsat8 OLI遥感影像目视解译获取的分布结果,并进行了部分地区的野外验证,盐碱质荒漠化区域主要分布在衰退干涸湖淖及周边区域。植被资源选取了3个因子,其中归一化植被指数(normalized differential vegetation index,NDVI)是基于2020年6月的Landsat8影像数据计算获取,反映了植被的生长状况; 草原生物量则是利用收集的野外样方数据和基于同期Landsat8影像数据计算出NDVI数据,建立生物量的反演模型,从而获取研究区草原生物量整体分布情况[12]; 森林蓄积量则基于2020年夏季的Landsat8影像数据,利用徐婷等[13]建立的经验模型计算区域的分布情况。地下水资源选取地表水质量、地下水开发潜力、地下水质量评价和地下水位4个因子,获取综合反映研究区地下水的本底条件和开发潜力优势度。矿产资源则选取开采矿种、开采规模和开采状态3个因子,对自然资源本底条件破坏性上进行自然资源优势度的影响程度划分,3个因子均为点矢量数据,通过建立2 km的缓冲区,转换为栅格数据。另外,土地资源和地下水资源相关因子数据,原始数据均为矢量数据,需要先利用ArcGIS软件进行矢量转栅格处理,转为30 m的栅格数据,再根据指标分级体系(表1)进行数据的重分类,得到各因子的分级数据。
2)因子权重的计算。权重是用来衡量一个因素的相对重要性,不同的因素对区域化有不同的影响,权重越大,该因素对目标的影响就越大。因此,确定各因素的权重很重要。权重的确定方法有很多种,包括主观判断、经验判断(如经验权重、专家咨询)、数学方法(如主成分分析法、层次分析法、逐步回归法)等。本文采用层次分析法确定因子的权重[14],结果如表1所示,最终采用自然断点分级法的方式对自然资源优势度评价结果进行分级,主要分为低、较低、中等、较高和高优势度5级。

2.2 RSEI

RSEI是一种仅利用遥感数据,结合统计分析和模型推演等方法,能够快速检测地理区域生态系统状态和环境质量的综合指数[15]。其涉及绿度、湿度、干旱程度和热量4个表示生态环境不同方面的因子,每一项指标因子均通过遥感影像进行量化。目前,RSEI已被广泛应用于生态环境评价、自然资源管理、环境监测等领域。绿度、湿度和干旱程度分别由NDVI、缨帽变换后的湿度分量Wet和归一化差异建筑土壤指数(normalized differential build-up and bare soil index,NDBSI)表示,其中NDBSI是建筑指数(index-based built-up index,IBI)和土壤指数(bare soil index,BSI)的平均值。热量以地表温度(land surface temperature,LST)作为表征[16],本文LST采用MOD11A2地表温度数据产品,并对其进行重采样到30 m。
本文基于GEE平台[17-19],基于Python编程语言,分别计算了2019—2022年的年平均RSEI。具体计算公式为:
N D V I = ( ρ n i r - ρ r e d ) / ( ρ n i r + ρ r e d ) ,
W e t = 0.151 ρ b l u e + 0.197   2 ρ g r e e n + 0.328   3 ρ r e d + 0.340   7 ρ n i r - 0.711   7 ρ s w i r 1 - 0.455   9 ρ s w i r 2 ,
I B I = 2 × ρ s w i r 1 ρ s w i r 1 + ρ n i r - ρ n i r ρ n i r + ρ r e d + ρ g r e e n ρ g r e e n + ρ s w i r 1 2 × ρ s w i r 1 ρ s w i r 1 + ρ n i r + ρ n i r ρ n i r + ρ r e d + ρ g r e e n ρ g r e e n + ρ s w i r 1 ,
B S I = ( ρ s w i r 1 + ρ r e d ) - ( ρ n i r + ρ b l u e ) ( ρ s w i r 1 + ρ r e d ) + ( ρ n i r + ρ b l u e ) ,
N D B S I = ( I B I + B S I ) / 2 ,
式中: ρ b l u e , ρ g r e e n, ρ r e d, ρ n i r, ρ s w i r 1, ρ s w i r 2对应Landsat8 OLI数据的2~7波段,分别为蓝光波段、绿光波段、红光波段、近红外波段以及2个短波红外波段。
最后采用主成分分析计算最终的RSEI,其中所有指标因子以及最终计算得到的RSEI均采用Min-Max 法归一化到[0,1],计算公式为:
R S E I = ( R S E I r a w - R S E I m i n ) / ( R S E I m a x - R S E I m i n ) ,
式中: R S E I r a w为反演结果每个栅格位置处的原始数值; R S E I m i n和 R S E I m a x分别为研究区反演结果中的最小值和最大值。
计算得到的RSEI分为5级,分别为: [0,0.2)差; [0.2,0.4)较差; [0.4,0.6)中等; [0.6,0.8)良; [0.8,1]优。

3 结果分析

3.1 自然资源优势度评价结果分析

由自然资源优势度评价的空间分布结果(图2)可知,研究区的自然资源优势度在空间上整体呈现出自东南向西北逐渐降低的趋势,东北至西南的低山区域,自然资源的状况较好,评价结果主要为高、较高优势度,而安固里淖及其西北部分、黄盖淖、三盖淖及附近区域,自然资源优势度相对较低,主要是受地下水过度开采以及盐渍化的影响,另外中部城区区域,自然优势度也相对较低。按乡镇地区统计结果来看(表2),察北管理区以及张北县的18个乡镇中,战海乡自然资源优势度最高,为0.732,属于高优势度,两面井乡最低,仅为0.361,属于较低优势度。总体而言,5个乡镇区域处于较低优势度,6个区域属于中等优势度,7个区域属于较高优势度,1个区域属于高优势度,研究区整体的自然优势度处于中等优势度状态,相对比较良好。
图2 研究区自然资源优势度评价结果

Fig.2 Evaluation results of natural resource dominance in the study area

表2 自然资源优势度区域统计分析结果

Tab.2 Regional statistical results of natural resource dominance

序号 区域名称 评价结果 评价等级 序号 区域名称 评价结果 评价等级
1 两面井乡 0.361 较低优势度 11 单晶河乡 0.553 中等优势度
2 公会镇 0.380 较低优势度 12 三号乡 0.599 较高优势度
3 海流图乡 0.401 较低优势度 13 油篓沟镇 0.631 较高优势度
4 大西湾乡 0.414 较低优势度 14 大囫囵镇 0.631 较高优势度
5 馒头营乡 0.459 较低优势度 15 小二台镇 0.653 较高优势度
6 张北镇 0.466 中等优势度 16 大河镇 0.662 较高优势度
7 二泉井乡 0.475 中等优势度 17 白庙滩乡 0.668 较高优势度
8 郝家营乡 0.511 中等优势度 18 台路沟乡 0.701 较高优势度
9 二台镇 0.516 中等优势度 19 战海乡 0.732 高优势度
10 察北管理区 0.518 中等优势度

3.2 RSEI结果分析

3.2.1 RSEI空间分布状况

研究区2019—2022年RSEI分布如图3所示,呈现出西北低东南高的空间分布状态,尤其是东北和东南部的低山区域,RSEI基本处于良和优的状态,且处于RSEI为优的区域在不断的扩大,生态状况较好。研究区的西北地区,随着时间的推进,RSEI处于差和较差状态的区域呈现出扩大的趋势,该区域的RSEI整体逐年下降,意味着该区域的生态环境质量在逐年下降,但是2021年与2022年相比,该区域的RSEI在数值和空间分布上均相差不大,趋于稳定。而整个研究区的中部区域,RSEI随着时间呈现出轻微的波动,分布状态处于中等和良的状态。本次在进行RSEI计算时,考虑到研究区内的湖淖周围存在部分盐渍化现象,因此未对水体进行单独的掩模。
图3 研究区2019—2022年RSEI分布图

Fig.3 Distribution of RSEI in the study area from 2019 to 2022

3.2.2 RSEI变化分析

为进一步对不同RSEI变化情况进行分析,基于上述RSEI的5级分级结果,按年份和等级进行面积统计,并绘制不同等级面积占比的热力图。如图4所示,从统计结果来看,研究区RSEI处于[0.4,0.6)范围内的面积占总面积比最大,2019—2022年面积占比分别为79.720%,61.838%,73.091%以及69.237%,而RSEI低于0.4的分布面积则相对较少,其中2019年最少,仅占总面积的1.054%,2021年占比最高也仅为7.792%,均不超过10%。相反,RSEI大于0.6的分布面积占比除2020年外基本处于20%左右,2020年达到了35.663%。除此以外,计算了整个研究区2019—2022年每年的RESI均值,分别为0.54,0.57,0.52和0.53,RSEI均超过了0.5且波动幅度较小,表明研究区的生态质量处于较为平稳的状态。
图4 研究区2019—2022年RSEI不同等级面积占比

Fig.4 RSEI analysis in the study area from 2019 to 2022

3.3 自然要素优势度与RSEI的综合研究

为了进一步探究RSEI与自然资源优势度评价结果之间的关系,本文基于python编程语言,分别对4期RSEI数据与自然资源优势度评价结果进行空间相关性分析,并逐像元绘制散点图,如图5所示。由结果可知,所有年份的相关系数R均接近0.6,其中2020年达到了0.670,说明了自然资源优势度评价结果与生态环境质量有较为密切的关系,呈现出空间上的正相关。此外通过对比图2和图3的空间分布结果,2种结果呈现出相似的空间分布状态,也可以从定性层面反映两者之间的相关关系,这也从侧面验证了自然要素优势度评价结果的有效性。
图5 RSEI与自然资源优势度的相关分析

Fig.5 Correlation analysis between RSEI and natural resource dominance

3.4 研究区生态功能区划

由于自然资源优势度的评价结果较为精细,分辨率为30 m,而对于空间区划来讲,过于细碎的分级结果会破坏原本地理空间的连续性,不符合原本规划的初衷和实际性。因此本文以1 km ×1 km为区域生态规划的参考单元,利用ArcGIS软件将整个研究区划分为若干个区划单元,以单个区划单元内80%的自然资源优势度评价等级结果作为整个区划单元的最终结果,并以此时的划分结果为基准,基于区域共轭性原则,对整个区域进行区域性片状划分。同时由于地下水漏斗对该区域的开发规划有着较大影响,而前述进行自然资源优势度评价时,原本该因子的面状区域性影响,在最终评价结果中已经变为细碎的点状,因此,着重将该因子的影响范围与初步区划结果进行空间叠加,修正生态区划结果。最后,结合研究区的城区发展、人口聚集以及开发利用方式,同时考虑到研究区已经存在的生态问题,例如部分林地退化、土壤盐渍化等,在上述初步区划的结果上依次将上述因子矢量进行空间叠加,逐步优化生态区划的分区范围。
最终整个研究区被划分为6个生态功能区,如图6所示,分别为生态保持区、生态增强区、生态修复区、城镇规划区、农牧发展区以及地下水压采区。生态保持区主要位于该区域的东南部低山区,该区域的自然本底优势条件较好且生态保持良好,而相邻的生态增强区在生态状况以及自然本底优势方面则仅次于生态保持区,需要进一步合理开发和保护。另外位于三盖淖和张飞淖附近的地下水压采区,出现了部分地下水漏斗,因此该区域的地下水开采需要加强监督和管控。而安固里淖及其周围地区出现的盐渍化现象,有必要开展生态修复工作,加强生态保护。农牧发展区和城镇规划区则是在目前土地开发利用方式以及城镇发展方向上,结合自然资源要素进行的区划。
图6 研究区生态功能区划图

Fig.6 Ecological function zoning map of the study area

4 结论

本文从土地资源、植被资源、地下水资源以及矿产资源4个不同方面选取了15个自然资源评价因子,结合层次分析法综合评估了张北地区的自然资源要素优势度分布状况。同时,基于GEE平台利用Landsat8数据计算了2019—2022年年均RSEI,并在自然资源优势度分布的基础上,结合区域典型生态问题、城镇发展和土地利用情况划分了6个生态功能区。结果表明:
1)研究区整体的自然优势度处于中等优势度状态,空间上呈现出自东南向西北逐渐降低的趋势,自然资源禀赋相对良好。从乡镇地区分布上来看,战海乡自然资源优势度最高,两面井乡最低。
2)从空间分布角度,研究区2019—2022年RSEI呈现出西北低、东南高的空间分布状态,尤其是东北和东南部的低山区域RSEI有增大趋势,整个区域中处于中等状态的面积占比最大。从时间变化角度,研究区2019—2022年每年的RSEI均值全部大于0.5,RSEI波动辐度较小,区域生态状态基本稳定。此外,自然资源优势度评价结果与2019—2022年的RSEI之间的相关系数均接近0.6,呈现出空间上的正相关,验证了自然资源优势度与生态状况有较为密切的关系。
3)着重从生态和自然本底角度划分6个生态功能区。生态保持区主要位于东南部低山区,相邻的为生态增强区,需要进一步合理开发保护; 三盖淖和张飞淖附近的地下水压采区,需要加强管控; 而安固里淖及其周围地区为生态修复区,有必要开展生态修复工作; 农牧发展区和城镇规划区基本维持当前的分布位置。
与以往研究工作相比,本文提出的张北地区自然资源要素优势度评价、RSEI监测以及生态功能区划的应用研究,可以实现对张北地区生态状况的动态监测,并为区域的生态功能区划、自然资源的开发利用提供一定的参考。然而由于自然资源要素的种类众多,尽管本研究已在以往研究构建的评价体系的基础上,加入了区域的特色要素分布数据,但仍然存在对部分区域存在因子考虑不周全的情况,后续在数据不断完善的基础上,可以对评价体系进一步完善。除此以外,本文所提出的区域规划,更加着重于生态和自然本底角度,后续工作将综合考虑更多的区域发展要素,更加合理和科学地进行生态区划。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
沈镭, 钟帅, 胡纾寒. 新时代中国自然资源研究的机遇与挑战[J]. 自然资源学报, 2020, 35(8):1773-1788.

DOI

Shen L, Zhong S, Hu S H. Opportunities and challenges of natural resources research of China in the New Era[J]. Journal of Natural Resources, 2020, 35(8):1773-1788.

DOI

[2]
蔡玉梅, 孟超, 周建春, 等. 陆域自然资源综合评价指标体系研究[J]. 测绘科学, 2022, 47(10):168-175.

Cai Y M, Meng C, Zhou J C, et al. Research on the integrated eva-luation indicator system of natural resources[J]. Science of Surveying and Mapping, 2022, 47(10):168-175.

[3]
任春秋, 董斌, 许海锋, 等. 环巢湖自然资源综合评价[J]. 贵州师范大学学报(自然科学版), 2022, 40(6):76-81.

Ren C Q, Dong B, Xu H F, et al. Comprehensive evaluation of na-tural resources around Chaohu Lake[J]. Journal of Guizhou Normal University (Natural Sciences), 2022, 40(6):76-81.

[4]
邱倩倩, 钟丽蓉, 宋玉兵. 江苏省自然资源综合分析评价方法研究[J]. 测绘科学, 2022, 47(8):70-78.

Qiu Q Q, Zhong L R, Song Y B. Study on comprehensive evaluation methods of natural resources in Jiangsu Province[J]. Science of Surveying and Mapping, 2022, 47(8):70-78.

[5]
赵忠琦, 初道忠. 基于主成分分析法对矿产资源自然禀赋综合评价的研究[J]. 中国矿业, 2019, 28(1):52-57,91.

Zhao Z Q, Chu D Z. Research on the natural advantages of mineral resources on principal components analysis[J]. China Mining Ma-gazine, 2019, 28(1):52-57,91.

[6]
刘立程, 孙中孝, 孟超, 等. 中国农业自然资源评价指标体系构建研究[J]. 农业资源与环境学报, 2023, 40(2):468-478.

Liu L C, Sun Z X, Meng C, et al. Evaluating natural agricultural resources in China:A framework and system of indicators[J]. Journal of Agricultural Resources and Environment, 2023, 40(2):468-478.

[7]
王冲, 张景, 彭博, 等. 基于“双评价”的国土空间格局优化研究——以江西省安远县为例[J]. 华北地质, 2023, 46(2):69-78.

DOI

Wang C, Zhang J, Peng B, et al. Research on the optimization of land spatial pattern based on “dual evaluation”:Taking Anyuan County,Jiangxi Province as an example[J]. North China Geology, 2023, 46(2):69-78.

[8]
刘宏伟, 王国明, 马传明, 等. 沉积平原区地下空间开发利用适宜性评价指标体系研究——以北京通州区和河北廊坊北三县为例[J]. 华北地质, 2022, 45(4):68-74.

DOI

Liu H W, Wang G M, Ma C M, et al. Study on evaluation index system of suitability for development and utilization of underground space in sedimentary plain:A case study of Tongzhou District in Beijing and Langfang north three counties in Hebei Province[J]. North China Geology, 2022, 45(4):68-74.

[9]
马小雷, 孟军省, 付丹平. 典型生态脆弱区环境地质问题及防治对策研究——以河北坝上地区为例[J]. 地下水, 2020, 42(2):122-126.

Ma X L, Meng J S, Fu D P. Study on environmental geological problems and prevention countermeasures of typical ecologically vulnerable areas:Take the Bashang area in Hebei as an example[J]. Ground Water, 2020, 42(2):122-126.

[10]
许月卿, 赵菲菲, 孙丕苓. 生态脆弱区土地生态安全动态评价——以河北省张家口市为例[J]. 水土保持通报, 2015, 35(5):232-238.

Xu Y Q, Zhao F F, Sun P L. Evaluation of land ecological security in ecologically fragile area:A case study of Zhangjiakou City,Hebei Province[J]. Bulletin of Soil and Water Conservation, 2015, 35(5):232-238.

[11]
赵玉灵. 基于层次分析法的矿山环境评价方法研究——以海南岛为例[J]. 国土资源遥感, 2020, 32(1):148-153.doi:10.6046/gtzyyg.2020.01.20.

Zhao Y L. Study and application of analytic hierarchy process of mine geological environment:A case study in Hainan Island[J]. Remote Sensing for Land and Resources, 2020, 32(1):148-153.doi:10.6046/gtzyyg.2020.01.20.

[12]
张雅, 尹小君, 王伟强, 等. 基于Landsat8 OLI遥感影像的天山北坡草地地上生物量估算[J]. 遥感技术与应用, 2017, 32(6):1012-1021.

DOI

Zhang Y, Yin X J, Wang W Q, et al. Estimation of grassland aboveground biomass using Landsat8 OLI satellite image in the northern hillside of Tianshan Mountain[J]. Remote Sensing Technology and Application, 2017, 32(6):1012-1021.

[13]
徐婷, 曹林, 佘光辉. 基于Landsat8 OLI的特征变量优化提取及森林生物量反演[J]. 遥感技术与应用, 2015, 30(2):226-234.

DOI

Xu T, Cao L, She G H. Feature extraction and forest biomass estimation based on Landsat8 OLI[J]. Remote Sensing Technology and Application, 2015, 30(2):226-234.

[14]
张晓东, 刘湘南, 赵志鹏, 等. 基于层次分析法的盐池县地质灾害危险性评价[J]. 国土资源遥感, 2019, 31(3):183-192.doi:10.6046/gtzyyg.2019.03.23.

Zhang X D, Liu X N, Zhao Z P, et al. Geological disaster hazard assessment in Yanchi County based on AHP[J]. Remote Sensing for Land and Resources, 2019, 31(3):183-192.doi:10.6046/gtzyyg.2019.03.23.

[15]
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.

Xu H Q. A remote sensing urban ecological index and its application[J]. Acta Ecologica Sinica, 2013, 33(24):7853-7862.

[16]
宋慧敏, 薛亮. 基于遥感生态指数模型的渭南市生态环境质量动态监测与分析[J]. 应用生态学报, 2016, 27(12):3913-3919.

DOI

Song H M, Xue L. Dynamic monitoring and analysis of ecological environment in Weinan City,Northwest China based on RSEI mo-del[J]. Chinese Journal of Applied Ecology, 2016, 27(12):3913-3919.

[17]
陈炜, 黄慧萍, 田亦陈, 等. 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

Chen W, Huang H P, Tian Y C, et al. Monitoring and assessment of the eco-environment quality in the Sanjiangyuan region based on Google Earth Engine[J]. Journal of Geo-information Science, 2019, 21(9):1382-1391.

[18]
王渊, 赵宇豪, 吴健生. 基于Google Earth Engine云计算的城市群生态质量长时序动态监测——以粤港澳大湾区为例[J]. 生态学报, 2020, 40(23):8461-8473.

Wang Y, Zhao Y H, Wu J S. Dynamic monitoring of long time series of ecological quality in urban agglomerations using Google Earth Engine cloud computing:A case study of the Guangdong-Hong Kong-Macao Greater Bay Area,China[J]. Acta Ecologica Sinica, 2020, 40(23):8461-8473.

[19]
排日海, 合力力, 昝梅. 干旱区绿洲城市生态环境时空格局变化及影响因子研究[J]. 自然资源遥感, 2023, 35(3):201-211.doi:10.6046/zrzyyg.2022194.

Pariha H, Zan M. Spatio-temporal changes and influencing factors of ecological environments in oasis cities of arid regions[J]. Remote Sensing for Natural Resources, 2023, 35(3):201-211.doi:10.6046/zrzyyg.2022194.

Options
Outlines

/

〈 〉