基于遥感生态指数的辽宁省生态质量驱动因素分析

《Geocarto International》：Analysis of ecological quality driving factors in Liaoning Province based on Remote Sensing Ecological Index

　　本研究利用Google Earth Engine平台构建了2000-2024年辽宁省高分辨率年度遥感生态指数（RSEI）时空序列，创新性地整合了空间计量经济学方法（Geodetector与双变量LISA分析），系统识别了生态环境异质性的驱动机制与空间交互效应，揭示了产业用地模式与气候因子对生态演变的主导作用，并提出了差异化生态保护策略。

　　
该研究聚焦辽宁省2000至2024年生态质量演变机制，创新性地整合了Google Earth Engine（GEE）平台与遥感生态指数（RSEI）模型，通过多源数据融合与空间分析方法，系统揭示了区域生态差异的核心驱动因素及其相互作用规律。研究构建了包含植被覆盖度（NDVI）、湿度（WET）、地表温度（LST）和土壤干燥指数（NDBSI）的综合性生态评价体系，采用分层抽样网格（1km×1km）对10项自然与社会经济驱动因子进行量化解析，并通过交叉小波分析捕捉极端气候事件下的生态响应特征。

研究发现，辽宁省生态质量呈现显著的东西向梯度差异，东部山区生态质量指数（RSEI）均值达0.78，而西部平原仅为0.62。这种空间分异主要由地形制约与政策干预共同塑造：东部陡峭地形（平均坡度11.21°）自然抑制了工业扩张，叠加国家天然林保护工程等政策，促成森林覆盖率从2000年的58.7%提升至2024年的63.5%，形成植被-土壤-气候的正向反馈循环。反观西部平原，受制于地形平缓（平均坡度6.15°）和粗放型农业模式，尽管实施退耕还林政策，但2010年后RSEI增速放缓，显示生态修复存在阈值效应。

驱动机制分析揭示三个关键层次：基础性驱动层（地形、气象）和调节性驱动层（政策、经济）构成生态系统的双轨约束。研究发现植被覆盖度（FVC）的驱动效力持续增强，从2000年的0.63提升至2024年的0.74，其作用机制体现为双重效应——地形复杂度（TRI指数）每增加1个单位，植被缓冲能力提升23%，同时人工造林面积扩大使FVC年增长率达1.7%。与之形成对比的是，PM10浓度（0.02-0.36）与RSEI呈显著负相关，特别是在辽西工业带，PM10每升高10μg/m3，RSEI下降0.18个标准差，这种污染效应在干旱年份被放大2.3倍。

研究创新性地引入交互效应分析，发现地形（DEM）与气象（降水、温度）的协同作用具有放大效应：当DEM梯度超过8°时，降水对植被恢复的促进效果提升40%；而PM10与降水的交互项系数达0.47，显示复合污染对生态系统的叠加破坏。特别值得注意的是，2020-2023年观测到O3浓度与RSEI存在3-6个月的滞后效应，验证了大气污染对生态系统的迟滞影响。

在空间治理策略上，研究构建了"生态压力-地形制约"双维度分区模型：东部水源涵养区（DEM>10°）实施"三线一单"强化管控，限制工业用地扩张；西部农耕区（DEM<5°）推行"智慧农业+生态移民"组合策略，通过无人机播种和节水灌溉技术将土壤干燥指数（NDBSI）控制在0.35以下。针对2022年辽西特大干旱，研究提出"植被固土-地下水回灌-工业减排"三位一体应急方案，模拟显示该方案可使RSEI在6个月内回升0.15个单位。

该研究突破传统单因子驱动分析局限，首次系统量化了地形复杂度与污染源的交互作用。其建立的"空间异质性-驱动因子-政策响应"分析框架，为北方工业省份的生态治理提供了可复制的方法体系。研究特别强调，在生态修复过程中需建立"阈值预警-动态补偿"机制，当RSEI连续三年低于0.6时，需启动跨区域生态补偿协议。这一发现对完善《东北生态安全屏障保护条例》具有重要实践价值。

研究数据表明，2024年辽宁省生态质量优秀区（RSEI>0.8）面积较2000年扩大2.3倍，但生态脆弱区仍占全省面积的38.7%。建议后续研究应关注三方面：一是建立基于机器学习的动态预警模型，捕捉PM2.5与O3的协同污染效应；二是开发多尺度遥感指数融合算法，提升西部旱作区植被监测精度；三是构建生态产品价值实现机制，探索RSEI与碳汇交易的量化关联。这些深化方向将为东北老工业基地的生态转型提供更精准的技术支撑。