为了更好对城市生态质量进行监测和评价,构建一个更精确的城市遥感生态指数十分必要.本文结合绿度、湿度、干度、热度和空气质量指标采用主成分分析PCA(Principal Component Analysis)构建改进型遥感生态指数MRSEI(Modified Remote Sensing Ecological Index);利用熵权法计算压力—状态—响应模型PSR(Pressure State Response Model)中各指标的权重,通过加权法获得生态环境指数EI(Eco-environmental Index)与MRSEI和RSEI进行比较.同时,综合绿度、热度、湿度、干度指标利用核主成分分析KPCA(Kernel Principal Component Analysis)构建非线性遥感生态指数 NRSEI(Nonlinear Remote Sensing Ecological Index);最后将MRSEI、NRSEI分别与常用的遥感生态指数RSEI(Remote Sensing Ecological Index)进行对比和分析.结果表明,MRSEI可体现空气质量空间分布对城市生态质量的影响,2014年和2017年MRSEI与EI的相关系数分别是0.829和0.857(P＜0.01),比RSEI与EI的相关系数分别提高0.035和0.055.在主城区MRSEI和RSEI与EI比较结果表明,MRSEI的平均绝对误差、均方根误差和平均相对误差均小于RSEI,表明MRSEI更适用于城市生态质量评价,空气质量指标对北京市生态环境监测、评价是非常重要的.同时,在实验区KPCA第一主成分贡献率比PCA提高了 11.94％—21.45％;各个指标与NRSEI相关系数比与RSEI提高了0.128-0.198;NRSEI可体现生态等级间的过渡,RSEI对生态环境差的区域有时低估,对生态环境优的区域有时高估,NRSEI与遥感影像定性反映的生态状况更加相符.在监测空气质量严峻的北京市生态质量方面,MRSEI优于RSEI;顾及各指标间的弱线性或非线性问题的NRSEI监测生态环境质量效果优于利用线性变换的RSEI.

遥感;改进型遥感生态指数;非线性遥感生态指数;空气质量指标;核主成分分析;压力—状态—响应模型

西安科技大学测绘科学与技术学院,西安710054;山东省水土保持与环境保育重点实验室临沂大学资源环境学院,临沂276005

[1]刘英;党超亚;岳辉;吕春光;钱嘉鑫;朱蓉-.改进型遥感生态指数与RSEI的对比分析)[J].遥感学报,2022(04):683-697

改进型遥感生态指数,非线性遥感生态指数,NRSEI

城市生态,城市遥感,干度,热度,空气质量指标,Principal,Component,Analysis,MRSEI,Modified,Remote,Sensing,Ecological,Index,计算压力,响应模型,PSR,Pressure,State,Response,Model,加权法,生态环境指数,environmental,核主成分分析,KPCA,Kernel,Nonlinear,可体,主城区,平均绝对误差,平均相对误差,生态质量评价,生态环境监测,实验区,低估,高估,遥感影像,生态状况,顾及,或非,非线性问题,生态环境质量,质量效果,线性变换

0.223952