新近一期的《Ecological Indicators》刊登了日本电器与通信大学学者撰写的综述论文：Evolution and use of remote sensing in ecological vulnerability assessment: A review，对遥感技术在生态脆弱性评估中的应用与发展进行了综述。作者指出：在过去的几十年里，关于生态脆弱性评估的研究在数量和质量上都有所提高，学者们在时空尺度上对生态脆弱性进行了大量研究。Landsat数据是EVA研究中经常使用的影像数据。遥感生态指数(RSEI)和主成分分析(PCA)是重要的概念模型和权重机制，而ArcGIS软件是EVA文献中使用最多的软件。
多项证据表明，全球生态危机正在加剧，并威胁到地球的可持续发展(Fisus & Fath, 2019)。生态脆弱性评估(EVA)是一种借助于自然与社会经济系统指标对生态进行综合评估的技术。它在过去的20年里，已成为环境科学领域中越来越普遍使用的方法。但是缺乏可用数据源已经常成为在大时空尺度范围内进行生态脆弱性评估的障碍。遥感技术的进步将有助于从遥感数据源中开发生态脆弱性指标(EVI)。
从640篇相关文献中筛选出80篇论文进行了全面回顾。分析了文献的总体趋势、生态脆弱性评估的时间或空间尺度、目标系统的分析、源于遥感和非遥感的生态脆弱性指标、采用的遥感数据传感器、EVA的概念模型、权重决定机制和软件，并为未来的研究提出了建议。![]()
文献筛选方法
2002年似乎是一个起点，Yang等(2002)利用GIS和RS评估西藏高原的EVA。然而，该研究非常简短，而且缺乏使用何种遥感数据的细节。2006年，Ainong等(2006)和Li等(2006)提倡在EVA中使用遥感技术，并提出一种简单的机制。随后，在EVA中使用遥感数据集的研究逐渐增多，因为它作为衡量区域生态系统可持续发展的有效工具，在科学界中具有越来越高的可靠性。
2000年以来每年发表的相关论文数
在261个关键词的分析中，只考虑那些出现两次及以上的关键词，并由它们构成关键词网络关系图。重要节点的关键词依次为：遥感、RSEI (遥感生态指数的缩写)、主成分分析、GIS、脆弱性评估、生态质量、生态环境质量、遥感生态指数。![]()
关键词网络关系图
EVA的评价对象主要有：多样化 (22.5%)，城市环境(15%)、河流流域(10%)、矿区(8.8%)、湿地生态系统(6.3%)、经济走廊(5%)、山区(5%)和高原(5%)。![]()
不同评价对象的比例
在135个EVI中，最经常使用的有：温度、归一化植被指数(NDVI)、土地利用土地覆盖、降水、海拔、坡度、人口密度、地表湿度、植被覆盖。同样，建筑裸土指数(NDBSI)、水和土壤侵蚀、GDP、坡向、土壤类型、水文网络、净初级生产力(NPP)的使用也是文献中的重要EVI。在135个EVIs中，有58个只出现过一次。Landsat系列卫星数据集的应用最为频繁，而Sentinel系列卫星的应用最少，中分辨率的MODIS数据也为EVI的发展做出了重要贡献。![]()
用一定量的评价指标组成的模型框架可以使得生态脆弱性的评价更为容易。如10个、12个、16个指标组成的模型 (Wang et al., 2008; Nguyen et al., 2016; Kang et al., 2018)。研究发现，EVA概念模型中最突出的是遥感生态指数(RSEI)模型和压力状态响应(PSR)模型。除此以外，Drivers-Pressures-State-Impact-Response (DPSIR)模型、Exposure Sensitivity Resilience (ESR)和Sensitivity Resilience Pressure (SRP)也有使用，但使用频率不高。因此，我们将详细讨论 RSEI 和 PSR。
RSEI模型最早由Xu (2013)提出，它整合了4个EVI指标(绿度、湿度、干度和热度)来评估区域生态变化。此后，RSEI就成为广泛使用的EVA模型之一。(模型公式：略)。
RSEI的优点在于它使用同一数据源来推导所有的EVI指标，此外还具有可扩展性、可视化和在不同时空尺度上的可比性等优点。PSR是OECD和UNEP为研究环境问题而开发的模型，它基于人与环境互动的机制框架构建，是基于因果关系的概念。PSR 模型提供了一个理论框架，将 EVIs 组织成易于理解的层次结构。确定每个EVI指标在综合评价系统中的相对重要性是关键的一步，它通过权重分配来确定每个EVI指标的影响力。相关研究采用了不同的加权机制，如主成分分析(PCA)、层次分析法(AHP)、空间主成分分析(SPCA)、熵法、模糊分析层次过程、最佳-最坏方法(BWM)等。其中，PCA和AHP是EVA研究中最突出和最经常使用的两种加权机制。因此，我们将简要讨论PCA和AHP。![]()
权重设置方法
PCA是EVA研究中使用最广泛的多变量统计分析技术。PCA是一种稳健的统计分析技术，可以降低数据的维度，消除各变量之间共线性的影响(Seddon et al., 2016)。在这种方法中，每个评价指标的权重是根据它对主成分的贡献客观地分配的。因此，与其它方法相比，PCA在选择指标和确定指标权重方面更加客观和有利。3.7.2. AHP
AHP由Saaty (1977)开发，是一种将结构不良的复杂问题分解成层次的系统方法，可以作为权重的结果进行比较。由于它能够为复杂系统的各种评价指标分配适当的权重，EVA研究适合应用AHP。然而，与PCA不同的是，这种方法依赖于专家的评价来确定评价指标的重要性。在应用这种方法确定指标权重时，不能避免一定程度的主观性，因为它在很大程度上依赖于专家的先验知识。
3.8. 软件
ArcGIS和ENVI软件在计算和处理EVA的数据方面处于领先地位，在80篇论文中，ArcGIS和ENVI分别被提及41次和20次。![]()
生态脆弱性评价软件
EVA与可持续发展有着密切的联系。在过去的几十年里，EVA的研究在数量和质量上都有所提高，学者们在时间和空间尺度上对EVA进行了大量的研究。研究结果表明，有52个生态脆弱性指标来自遥感数据，101个生态脆弱性指标来自非遥感数据。Landsat数据是EVA研究中经常使用的影像数据。遥感生态指数(RSEI)和主成分分析(PCA)是重要的概念模型和权重机制，而ArcGIS软件是EVA文献中使用最多的软件。
参考文献(略)
Kamran M, Yamamoto K. Evolution and use of remote sensing in ecological vulnerability assessment: A review. Ecological Indicators, 2023, 148, 110099.https://doi.org/10.1016/j.ecolind.2023.110099.(https://www.sciencedirect.com/science/article/pii/S1470160X23002418)校对：邓文慧
编辑：李春强
