基于多源数据的泰国生态环境遥感评估

杨胜玮, 陈博伟, 闫敏, 张丽,*, 刘长星

基于多源数据的泰国生态环境遥感评估

杨胜玮1, 陈博伟2,3, 闫敏2,3, 张丽2,3,*, 刘长星1

1. 西安科技大学测绘学院, 西安 710054 2. 中国科学院空天信息创新研究院数字地球重点实验室, 北京 100094 3. 海南省地球观测重点实验室, 三亚 572000

针对国家层次的生态环境状况开展评估与分析对于生态保护和环境治理意义重大, 而遥感技术应用于生态环境评估已经显示出大范围、多尺度、高时效的优势。基于MODIS、灯光数据等遥感产品及社会经济数据, 建立泰国生态环境评估指标体系, 采用层次分析法(AHP)确定各指标层权重, 利用“压力-状态-响应”(PSR)模型开展了泰国2005—2015年生态环境在压力、状态、响应各层和综合状况的时空变化分析。结果表明, 泰国整体生态环境综合状况处于健康等级的中(Ⅲ)级, 呈逐步退化趋势, 2010年至2015年退化程度较大。泰国七个主要地区中, 曼谷地区从生态状况中(Ⅲ)级退化为差(Ⅱ)级; 南部地区生态状况最优, 处于良(Ⅳ)级; 中部和东北部地区生态状况处于差(Ⅱ)级; 北部、西部和东部地区生态状况处于中(Ⅲ)级。泰国生态环境遥感综合评估结合使用了多源遥感数据和社会经济统计数据, 对泰国近十年的生态环境进行评估, 得到了泰国2005年、2010年和2015年三期1 km×1 km象元尺度的生态环境时空变化结果, 可以为区域生态保护战略提供科学依据。

生态环境; 遥感评估; PSR模型; 泰国; 时空变化

0 前言

生态环境是人类赖以生存和发展的重要保障, 建设优良的生态环境是整个人类社会存在和发展的基础条件。作为世界的新型工业国家和世界新兴市场经济体之一, 泰国的第十二个国家经济和社会发展计划(2017—2021)表明, 近年来随着社会的快速进步和经济的蓬勃发展, 泰国的自然资源和生态环境在不断退化[1], 城市扩张[2]、森林砍伐[3]和空气污染[4–5]等成为了泰国主要的生态环境问题。随着全球诸多环境问题的出现, 评估国家层次的整体生态环境状况亟待落实。

国内外生态评价指标体系以相对成熟的“压力-状态-响应”( Pressure-State-Response, PSR)概念框架模型为主, 此外还有联合国可持续发展委员会(UNCSD)的“驱动力-状态-响应”(DSR)评价体系, 欧洲环境署在PSR模型上增加了“驱动力”和“影响”两类指标的DPSIR评价体系[6]等。PSR模型使用“原因-效应-响应”这一思维逻辑体现了人类与环境之间的相互作用关系, 反映生态环境的自然、经济和社会因素之间的关系, 为生态评估指标构造提供了一种逻辑基础, 其理论与方法已经广泛应用于区域、流域等宏观层面和农业、水土资源、能源利用等微观层面的生态评价研究[7]。目前, 生态环境评估工作多在小区域尺度展开, 如: 魏兴萍[8]基于PSR模型对三峡库区重庆段进行了生态安全动态评价; Sun等[9]利用遥感和统计数据对杭州湾湿地生态系统各个地区的健康状况进行时空格局分析; Weterings[10]将遥感数据与调查问卷数据结合, 建立了泰国涛岛珊瑚礁生态环境状态与胁迫因素评估模型; 林媚珍[11]、虞继进[12]、任宁[13]分别对中山市、龙岩市、张家口市的生态安全进行了评价。综上所述, 大区域和国家尺度的生态环境评估研究较为局限。

为了评估国家层次生态环境时空变化, 发展生态评估方法与模型在国家层次的应用, 本研究综合多源遥感数据及社会经济统计数据, 利用PSR模型对泰国2005—2015年的生态环境状况进行评估, 分析泰国近十年来生态环境在时间和空间上的变化情况, 旨在提高社会大众的生态环境保护意识, 并指引政府制定可持续发展的生态环境保护政策与战略。

1 研究区与数据源

1.1 研究区概况

泰国位于亚洲大陆中南半岛中南部, 东南临泰国湾, 西南濒临安达曼海, 国境大部分为低缓的山区和高原。泰国大部分地区属于热带季风性气候, 常年温度不下18 ℃, 平均年降水量约1000毫米, 全年分为热、雨、凉三季, 热季每年从3月到5月, 雨季从6月到9月, 凉季从10月到次年2月。泰国地处热带, 植被覆盖率高, 2005年土地覆盖分类数据(MCD12Q1)显示, 泰国境内多作物(38.75%)、常绿阔叶林(17.98%)和多数的草原(13.74%)。泰国共76个行政区, 可划分为7个主要地区, 包括北部、东北部、西部、中部、东部、南部、曼谷及周边地区, 研究区地理位置与七个分区2005年均NDVI分级如图1所示。

1.2 数据来源

本文选取2005年、2010年和2015年三个时间点对泰国2005—2015年的生态环境状况进行评估, 主要采用的遥感数据如表1所示。统计数据有人均国内生产总值、二氧化碳排放量、人口增长率和可再生能源发电量数据, 均获取于世界银行公开数据(https://data.worldbank.org.cn/)。

本研究用到的边界数据来源于全球行政区域数据库(Global Administrative Areas, GADM)3.6版本数据(https://gadm.org/index.html), 包含国家边界和行政区划边界。为开展区域生态环境分析, 本研究中所有数据均投影为WGS 1984 UTM Zone 47N, 其中栅格数据分辨率统一重采样为1 km×1 km。

图1 研究区及其分区

Figure 1 Study area and distribution of its subregions

表1 多源遥感数据

2 研究方法

2.1 评估方法与指标体系构建

指标体系的构建需要充分考虑指标数据的可获取性、指标体系的科学性和指标间的相互影响, 本研究基于由经济合作与发展组织(OECD)和联合国环境规划署(UNEP)共同发展起来的用于研究环境问题的压力-状态-响应(Pressure-State-Response, PSR)框架[14–15], 构建了一套评估泰国生态环境的指标体系, 指标体系分为4级, 由目标层、准则层, 因素层和指标层组成, 共12个指标, 各指标及其在生态环境评估中的作用如表2所示。

2.2 指标与权重计算

对生态环境进行客观准确的评估需要确定指标权重, 层次分析法(AHP)是一种定性分析与定量分析相结合的决策方法, 广泛应用于计算评价指标体系的权重, 能使复杂问题层次化, 是一种灵活的多维目标决策统计方法[16]。本研究为更客观地量化生态环境评估指数, 采用层次分析法和PSR模型相结合的方法。经计算, 各准则层和指标层的权重如表3所示, 且各判断矩阵的随机一致性比例均小于0.1, 判断矩阵具有满意的一致性。

其中, 植被校正的归一化城市指数(Vegetation Adjusted Normalized Urban Index,)能够较好地反映城市区域的空间格局和城市化强度[17], 计算公式为:

表2 各因素层及其作用

表3 指标及其权重

=(1–)×

式中,为归一化植被指数, 数据来源于美国国家航空航天局(National Aeronautics and Space Administration, NASA)的MOD13A3数据产品, 由于负值区域一般为水体或裸地, 所以赋值为零;为标准化的夜间灯光年际数据, 其中2005年(由于缺失2005年数据, 选用2006年数据集代替)和2010年数据选用已经过饱和校正的DMSP-OLS全球辐射校正数据集, 2015年数据选用NPP-VIIRS数据。根据公式, 城市建成区有着更高的值, 当值趋近1, 为城市核心区, 几乎无植被覆盖; 相反, 当值趋近于0时, 说明该区域为植被茂盛区, 几乎没有城市建筑。

植被覆盖度(Fractional Vegetation Cover,)计算选用象元二分模型, 其假设像元只由植被与非植被覆盖地表两部分构成[18], 基于的象元二分模型反演植被覆盖度估算公式为:

=(–NDVI)/(NDVI–NDVI)

式中,NDVI代表纯土壤覆盖像元的NDVI值;NDVI代表纯植被覆盖像元的 NDVI值。本研究选取积累百分数为0.5%和99.5%为置信区间, 认为积累百分比小于0.5%的区域为纯土壤覆盖区植被指数, 作为NDVI,积累百分比大于99.5%的区域为纯植被覆盖区植被指数, 作为NDVI。

土地覆盖类型(Land Use/Cover Change,)数据为来源于NASA的MCD12Q1数据产品, 并选用该产品中的国际地圈生物圈计划(International Geosphere Biosphere Program, IGBP)土地覆盖分类数据集。

地表温度(Land surface temperature,)数据为来源于NASA的全球0.05°地表温度/发射率月均合成L3产品MOD11C3数据产品, 由于传感器自身、云层遮挡等原因造成的数据质量较低, 因此选择云量较低的凉季即10月至1月的MOD11C3数据产品作为数据源。根据 MODIS 数据说明[19], 地表温度数据单位为开尔文, 到摄氏度的转换公式为:

(×0.02)–273=

式中(MODIS Pixel Value in Kelvin)是 MODIS 开尔文像元值,(MODIS Pixel Value in Celsius)是摄氏度像元值。

2.3 评估模型计算

由于得到的指标因子量纲不统一, 不具有可比性。因此需要对原始数据指标因子进行标准化处理, 使所有指标因子的值在标准化后都在［0—1］范围内。

对于正向评价因子, 标准化方式如公式:

P=(X–Xmin)/(max–min)

对于负向评价因子。标准化方式如公式:

P=1–(X–Xmin)/(max–min)

式中,X为指标原始值,X为指标的最小值,X为指标的最大值,P为标准化后的指标值,取值为1—12。

在得到各指标层和各指标的权重后, 利用综合评价方法对各指标加权计算。泰国生态系统环境评分计算方法如公式:

式中,S为评估得分,取值2005、2010、2015,q为指标象元值,取值1—12,w为该指标权重。

3 结果与分析

为了直观反映泰国生态系统健康评估状况, 根据评分计算结果, 在参考相关科研文献和专家咨询的基础上, 对评分结果等间距划分为五个等级, 并对每个等级的生态系统健康特征进行总结(表4)。

3.1 分层结果与分析

3.1.1 生态环境评估压力层

压力层反映了生态环境受到的外界压力, 2005年、2010年和2015年三期压力层分数分别为0.996、0.938、0.8578, 其三期逐期降低的年均分值体现了泰国整体的生态环境压力逐期递增。

压力层各指标变化趋势如图2。根据WorldPop数据, 泰国三期平均人口密度分别约为119.1 人·km–2、124.6 人·km–2、131.9 人·km–2, 而在全国人口密集区曼谷及周边地区, 三期平均人口密度分别达到了1526.7 人·km–2、1837.7人·km–2、2228.0 人·km–2; 泰国三期值分别为0.00238、0.00252、0.00291, 代表泰国整体城市化水平越来越高; CO2排放量以每年1.9%的速度增, 从其三个要素层中可以看出压力递增的原因有日益递增的人口密度、CO2排放量和日益严重的城市化。

3.1.2 生态环境评估状态层

状态层作为最能反映一个地区或生态系统的环境状况的准则层, 一直也在被学者作为单独的课题进行研究[20–21]。标准化后的状态层各指标变化趋势如图3, 作为正向评价因子, 植被覆盖度呈逐年递减趋势, 降水量呈先增后减趋势; 作为负向评价因子, 土地覆盖类型、PM2.5呈先增后减趋势, 地表温度呈逐年递增趋势。经代入模型计算, 状态层计算结果如图4。实验表明, 泰国整体生态环境状态在2005年、2010年和2015年三期的评分值分别为0.5181、0.5299、0.5187, 呈先增后减趋势, 即泰国整体在2005—2015年的生态环境状态是先改善后退化的。

表4 生态环境分值、等级和特征

图2 压力层指标年均值变化

Figure 2 Changes in the mean value of pressure layer indicators

图 3 状态层指标年均值变化

Figure 3 Changes in the mean value of state layer indicators

图4 泰国三期生态环境状态时空变化(a, b, c分别表示2005, 2010, 2015年)

Figure 4 Spatio-temporal changes of the ecological environment in the three times of Thailand (a, b, and c respectively represent 2005, 2010, and 2015)

泰国七个分区三期状态计算结果如图5。根据实验结果, 在泰国七个分区中, 东北部、中部和曼谷周边地区生态状态较差, 其分区内各府城市化水平较高, 经济较发达, 土地覆盖类型以作物、城市和建成区用地为主, 城市热岛效应严重, 植被覆盖度低, 例如曼谷及周边地区三期植被覆盖度分别为0.541、0.450、0.401, 逐期递减; 南部地区生态状态三期都为最优, 2005年其土地覆盖类型有28.782%的常绿阔叶林和40.564 %的多树草原, 植被覆盖度高, 三期分别达到0.813、0.830、0.843, 且逐期递增。

3.1.3 生态环境评估响应层

响应层反映了针对生态环境退化, 人类社会制定一定的生态保护政策进行响应, 来保持一个城市和国家的生态可持续发展。三期响应层在2005年、2010年和2015年三期的评分值分别为0.002、0.374、0.774, 变化极其明显, 说明人类社会针对生态环境变化做出了积极响应。

图5 七个分区生态环境状态变化分析(曼谷*表示曼谷及其周边地区)

Figure 5 Analysis of changes in ecological environment status in seven subregions (Bangkok * indicates Bangkok and surrounding areas)

响应层各指标变化趋势如图6。人均GDP和夜间灯光为社会经济响应因素, 可以表征社会发展水平, 侧面反映社会能投入生态环境保护的经济能力。夜间灯光可以客观的评估和预测区域的GDP, 分析人类的经济活动[22–23]。人均GDP逐年递增, 同时, 2005年、2010年和2015年三期标准化后的夜间灯光平均值分别为0.00553、0.00596和0.00655, 也在逐年递增, 表明社会对于生态环境治理的经济能力逐渐提高。可再生资源使用力度逐年加大, 人口增长率逐年降低, 显示了人类社会制定并实施环保响应政策带来的成效。

3.2 综合状况时空变化

经过计算得出最终的泰国生态系统环境评估结果如图7, 2005年、2010年和2015年三期评估结果整体分数分别为0.5650、0.5649、0.5490, 整体均处于健康等级的中(Ⅲ)级, 生态系统环境质量一般, 且处于退化阶段。环境绩效指数(EPI)是一套针对全球各国应对空气质量、水资源管理和气候变迁等敏感环境问题能力的评估体系[24], 根据环境绩效指数报告, 泰国在2006年、2010年和2014年EPI指数分别为66.8、62.2、52.83, 本研究的评估结果与EPI指数具有一致性, 均显示泰国生态环境的退化趋势, 能够较好地反映泰国生态环境变化。

根据评估结果, 各个健康等级占国土面积的百分比如图8所示, 占国土面积较大的等级为差(Ⅱ)级和中(Ⅲ)级, 说明泰国整体健康等级中等偏差。在2005年至2010年, 泰国生态环境综合状况有50.97%的地区呈退化趋势, 49.03%改善; 而在2010年至2015年, 泰国生态环境综合状况有73.22%的地区呈退化趋势, 26.78%的地区改善。研究结果表明, 随着社会经济的发展, 泰国存在经济发展与环境治理不平衡的问题, 伴随而来的是整体生态环境在逐步退化。

七个分区三期评估分值如图9, 可以看出各分区除曼谷地区外在三期中都处于固定的等级, 没有较大变动, 但是都有退化的情况, 而曼谷地区在2005年和2010年处于良(Ⅳ)级, 在2015年退化为中(Ⅲ)级。七个分区中, 和泰国整体变化趋势一致, 在逐期退化的有北部地区、西部地区, 其他五个地区都为先改善后退化。其中, 根据各区三期的评估分值, 2005年至2015年变化最大的为北部地区, 评估分值降低了5.1%, 其次是评估分值降低了3.7%的中部地区, 而南部地区由于经济欠发达和得天独厚的森林资源, 评估分值增加了0.2%。近年来, 泰国经济发达的地区往往伴随着生态环境的破坏, 环境问题中森林砍伐、城市热岛效应、雾霾天气增多等比较突出, 而在经济落后的地区则生态环境人为破坏较少, 生态评估分值也较高。针对生态环境问题, 尽管泰国政府和社会已经做出积极的响应, 但目前对生态环境的干扰程度还是远远大于生态恢复的力度[1]。

图 6 响应层指标年均值变化

Figure 6 Changes in the mean value of response layer indicators

图 7 泰国三期生态环境综合状况时空变化(a, b, c分别表示2005, 2010, 2015年)

Figure 7 Spatio-temporal variations of the comprehensive ecological environment in the three times of Thailand(a, b, and c respectively represent 2005, 2010, and 2015)

图 8 各个健康等级占国土面积的百分比

Figure 8 The percentage of territory by each health grade

图9 七个分区三期生态环境综合状况变化(a, b, c分别表示2005, 2010, 2015年)

Figure 9 Changes in the comprehensive status of the ecological environment in the three times of seven subregions

根据评估结果, 泰国在发展经济的同时, 应注重实施可持续发展战略, 在环境治理工作中应着重提高森林覆盖率和建城区绿化率, 降低城市的人口密度, 解决城市住房和交通拥挤问题, 减少废气排放, 控制空气中可吸入颗粒物含量。

4 讨论与结论

本研究基于PSR模型和层次分析法, 使用了多源遥感数据和社会经济统计数据相结合, 对泰国近十年的生态环境进行评估, 得到了泰国2005年、2010年和2015年三期1 km×1 km尺度的生态环境时空变化结果, 根据结果分析得到的主要结论为如下几个方面。(1)泰国在2005—2015年间, 整体生态环境压力呈递涨趋势, 生态环境状态先改善后退化, 生态环境响应递增。泰国三期的生态环境综合状况整体处于健康等级的中(Ⅲ)级, 且呈退化趋势, 在2010年至2015年间退化程度最大。(2)泰国七个分区中, 东北部、中部和曼谷及其周边地区生态环境综合状况三期都较差(处于健康等级中的差(Ⅱ)级), 且东北部和中部地区生态逐期退化, 曼谷及周边地区生态先改善后退化; 南部地区生态环境综合状况最优(处于健康等级中的良(Ⅳ)级), 北部、西部东部地区综合状况一般(处于健康等级中的中(Ⅲ)级), 且三个地区生态环境整体呈现先改善后退化趋势。(3)随着社会经济的发展和城市化水平的提高, 泰国对生态环境的保护和整治能力逐渐提高, 开始建立环境保护区, 使用新型能源代替不可再生能源。同时, 针对人口增长速度过高, 泰国政府通过教育和经济发展支持计划生育政策来控制人口。本研究内容可以为泰国针对区域性生态环境治理提供技术参考。

由于本研究选用社会经济统计数据是国家尺度的数据, 会降低评估结果分辨率并增大评估误差。在后续或其他评估研究中, 应选用分区或分省的更小尺度的统计数据, 来提高评估结果精度。

[1] Office of the National Economic and Social Development Board (NESDB); Office of the Prime Minister. n. d. The Twelfth National Economic and Social Development Plan (2017-2021)[M]. Bangkok: Office of the National Econo­mic and Social Development Board (NESDB); Office of the Prime Minister, 2018: 1–11.

[2] Arifwidodo S D, Tanaka T.The Characteristics of Urban Heat Island in Bangkok, Thailand[J]. Procedia-Social and Behavioral Sciences, 2015, 195: 423–428.

[3] Entwisle B, Rindfuss R R, Walsh S J, et al. Population growth and its spatial distribution as factors in the deforestation of Nang Rong, Thailand[J]. Geoforum, 2008, 39(2): 879–897.

[4] Ruchirawat M, Settachan D, Navasumrit P, et al. Assessment of potential cancer risk in children exposed to urban air pollution in Bangkok, Thailand[J]. Toxicology Letters (Shannon), 2007, 168(3): 200–209.

[5] World Bank, Institute for Health Metrics and Evaluation. The cost of air pollution: strengthening the economic case for action[M]. Washington, DC: World Bank,2016: 11–75.

[6] 汪朝辉, 田定湘, 刘艳华. 中外生态安全评价对比研究[J].生态经济, 2008,2008(7): 46–51.

[7] 肖笃宁, 陈文波, 郭福良. 论生态安全的基本概念和研究内容[J]. 应用生态学报, 2002, 13(3): 354–358.

[8] 魏兴萍. 基于PSR模型的三峡库区重庆段生态安全动态评价[J]. 地理科学进展, 2010, 29(9): 1095– 1099.

[9] Sun T, Lin W, Chen G, et al. Wetland ecosystem health assessment through integrating remote sensing and inventory data with an assessment model for the Hangzhou Bay, China[J]. Science of The Total Environment, 2016, 566-567: 627–640.

[10] Weterings R. A GIS-based assessment of threats to the natural environment on Koh Tao, Thailand[J]. Kasetsart Journal-Natural Science, 2011, 45(4): 843–755.

[11] 林媚珍, 许阳萍, 谢鸿宇, 等. 基于PSR-AHP方法的中山市生态安全评价[J]. 华南师范大学学报(自然科学版), 2010(4): 107–111.

[12] 虞继进, 陈雪玲, 陈绍杰. 基于遥感和PSR模型的城市景观生态安全评价——以福建省龙岩市为例[J]. 国土资源遥感, 2013, 25(1): 143–149.

[13] 任宁. 张家口市生态安全动态评价研究[D]. 保定: 河北大学, 2019.

[14] Rapport D J. What Constitutes Ecosystem Health? [J]. Perspectives in Biology and Medicine, 1989, 33(1): 120– 132.

[15] Organization for Economic Cooperation and Development (OECD). [2004-05-20]. OECD Environmental Indicators: Development Measurement and Use [EB/OL]. http: //www. oecd. org/dataoecd/7/47/24993546. pdf.

[16] 张文忠. 中国宜居城市研究报告(北京)[M]. 北京: 社会科学文献出版社, 2006.

[17] 张晓璇, 胡永红, 樊彦国. VANUI指数监测京津冀城市群区域2001～2012年城市化过程[J]. 遥感技术与应用, 2015, 30(6): 123–129.

[18]穆少杰, 李建龙, 陈奕兆, 等. 2001-2010年内蒙古植被覆盖度时空变化特征[J]. 地理学报, 2012(9): 105– 118.

[19] National Aeronautics and Space Administration (NASA) Level-1 and Atmosphere Archive & Distribution System (LAADS) Distributed Active Archive Center (DAAC). Collection-6 MODIS Land Surface Temperature Products Users' Guide [EB/OL]. https: //lpdaac. usgs. gov/docu­ments/118/MOD11_User_Guide_V6. pdf?_ga=2. 194814379. 728145978. 1578273521-192259545. 157633 3591.

[20] 冯素云, 张凯选, 鹿琳琳. "海上丝绸之路"超大城市环境变化遥感分析[J]. 地球信息科学学报, 2018, 20(5): 602– 612.

[21] 刘朱婷, 郭庆荣, 刘花, 等. 基于Landsat影像的广东省重点生态功能区生态功能状况及其变化评价[J]. 生态科学, 2019, 38(5): 119–126.

[22] Elvidge C D, Baugh K E, Kihn E A, et al. Relation between satellite observed visible-near infrared emissions, popula­tion, economic activity and electric power consumption[J]. International Journal of Remote Sensing, 1997, 18(6): 1373–1379.

[23] 郭永德, 高金环, 马洪兵. Suomi-NPP夜间灯光数据与GDP的空间关系分析[J]. 清华大学学报: 自然科学版, 2016, 56(10): 1122–1130.

[24] 董战峰, 张欣, 郝春旭. 2014年全球环境绩效指数(EPI)分析与思考[J]. 环境保护, 2015, 43(2): 55–59.

Remote sensing assessment of ecological environment in Thailand based on multi-source data

YANG Shengwei1, CHEN Bowei2, YAN Min2, ZHANG Li2,3,*, LIU Changxing1

1. College of Geomatics, Xi’an University of Science and Technology, Xi’an 710054, China 2. Key Laboratory of Digital Earth Science, Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing 100094, China 3. Key Laboratory of Earth Observation of Hainan Province, Sanya 752000, China

The assessment and analysis of the state of the ecological environment at the national level are of great significance for ecological protection and environmental policymaking. Recent advances in the application of remote sensing technology have enabled a more accurate and estimation in large-scale ecological assessment compared with the conventional methods. In this paper, we used a combination of the remote sensing products including MODIS and night-time light date, together with socio-economic data, to establish an evaluation system to assess ecological environment in Thailand. We further implemented an Analytic Hierarchy Process (AHP) to determine the weights of each of the layer, which was expected to serve as the inputs for the pressure-state-response (PSR) model. Finally, we analyzed the spatio-temporal changes of ecological environment in stress, state, response levels and overall conditions in Thailand from the year of 2005 to 2015. Results showed that the overall state of Thailand in the three periods was in the fair (Ⅲ) level of health grade with a tendency of gradually decreasing, of which the most significant drop was from the year of 2010 to 2015. In the seven subregions, the health score in Bangkok area declined from fair(Ⅲ) level to poor(Ⅱ) level, the ecological condition in the southern region was the best and was in the good (IV) level, and the ecological situation in the central and northeast regions was in the poor (II) level. In addition, the ecological conditions in the northern, western, and eastern regions were in the middle (III) level. Our proposed methods for the ecological environment assessment in Thailand for nearly a decade by using multi-source remote sensing data in combination with social and economic statistical data showed the results of Thailand’s spatio-temporal changes of ecological environment in three phases of 2005, 2010 and 2015 for Thailand at 1 km x 1 km pixel scale. It can provide technical and scientific reference for the comprehensive development of Thailand and provide scientific guidance for the regional environmental protection.

Ecological environment; remote sensing assessment; PSR model; Thailand; Spatio-temporal changes

杨胜玮, 陈博伟, 闫敏, 等. 基于多源数据的泰国生态环境遥感评估[J]. 生态科学, 2021, 40(4): 47–56.

YANG Shengwei, CHEN Bowei, YAN Min, et al. Remote sensing assessment of ecological environment in Thailand based on multi-source data[J]. Ecological Science, 2021, 40(4): 47–56.

10.14108/j.cnki.1008-8873.2021.04.006

X87, X835

A

1008-8873(2021)04-047-10

2020-01-07;

2020-02-29

中国科学院战略性先导科技专项(A类)(XDA13020506); 海南省重大科技计划项目(ZDKJ2019006)

杨胜玮(1994—), 男, 硕士研究生, 主要从事生态环境遥感监测研究, E-mail: ysw1126434@163.com

张丽, 女, 研究员, 主要从事全球生态和海岸带遥感研究, E-mail: zhangli@aircas.ac.cn