基于CA-Markov模型和改进型遥感生态指数的内蒙古生境质量评价及预测

doi:10.11924/j.issn.1000-6850.casb2025-0634

中国农学通报 ›› 2026, Vol. 42 ›› Issue (2): 171-183.doi: 10.11924/j.issn.1000-6850.casb2025-0634

• 资源·环境·生态·土壤·气象 • 上一篇下一篇

基于CA-Markov模型和改进型遥感生态指数的内蒙古生境质量评价及预测

赵岳冀¹(), 姜湖园¹, 张言博², 李丹³(), 夏泽宇⁴

¹ 呼伦贝尔市气象局，内蒙古呼伦贝尔 021008
² 土右旗气象局，内蒙古包头 0140302
³ 内蒙古自治区气象局，呼和浩特 010000
⁴ 鄂伦春自治旗气象局，内蒙古呼伦贝尔 021008

收稿日期:2025-07-25 修回日期:2025-12-05 出版日期:2026-01-25 发布日期:2026-01-22
通讯作者:
李丹，女，1982年出生，内蒙古满洲里人，高级工程师，硕士，主要从事生态学和公共气象服务方面的研究。通信地址：010051 内蒙古自治区呼和浩特市新城区海拉尔大街49号内蒙古自治区气象局，Tel：0470-8244470，E-mail：40342051@qq.com。
作者简介:
赵岳冀，女，1988年出生，高级工程师，硕士研究生，主要从事农牧林气象服务与生态遥感方面的研究。通信地址：021008 内蒙古自治区呼伦贝尔市海拉尔区根河路108号呼伦贝尔市气象局，Tel：0470-8244470，E-mail：723936556@qq.com。
基金资助:
内蒙古自治区气象局科技创新项目“高分卫星的气溶胶反演算法开发与验证”(nmqxkjcx202410); 内蒙古自治区气象局科技创新项目“极端气候事件对内蒙古草原生态系统脆弱性影响研究”(nmqxkjcx202505); 内蒙古自治区气象局科技创新项目“阿拉善盟高原骤旱驱动机制及其时空演变特征”(nmqxkjcx202315); 呼伦贝尔市气象局科学技术研究项目“基于MODIS呼伦贝尔生态环境质量评估与驱动力研究”(hlbeqx202506)

Evaluation and Prediction of Habitat Quality in Inner Mongolia Based on CA-Markov Model and Improved Remote Sensing Ecological Index

ZHAO Yueji¹(), JIANG Huyuan¹, ZHANG Yanbo², LI Dan³(), XIA Zeyu⁴

¹ Hulunbeier Meteorological Bureau, Hulunbeier, Inner Mongolia 021008
² Tuyouqi Meteorological Bureau, Baotou, Inner Mongolia 0140302
³ Inner Mongolia Autonomous Region Meteorological Bureau, Hohhot 010000
⁴ Oroqen Autonomous Banner Meteorological Bureau, Hulunbeier, Inner Mongolia 021008

Received:2025-07-25 Revised:2025-12-05 Published:2026-01-25 Online:2026-01-22

摘要/Abstract

摘要：

内蒙古生态环境敏感脆弱，且地处华北上游，其生态环境质量对区域影响重大。针对近年来气候变化和经济快速增长带来的日益突出的生态问题，本文基于GEE平台，融合气溶胶光学厚度(AOD)和荒漠化差值指数(DDI)，构建改进型遥感生态指数ARSEI，动态监测了2000—2023年内蒙古的生态环境质量，并分析了其空间自相关性。利用CA-Markov模型预测未来内蒙古生态环境质量。结果表明：（1）ARSEI指数的PC1贡献度超过87%，能够有效整合生态指标特征，与传统RSEI相比，更能准确反映内蒙古生态环境质量，具有较强的适用性。（2）2000—2023年，内蒙古地区的生态环境质量以较差和中等为主，空间上呈现自东向西递减分布趋势；2000—2005年退化较重，退化面积占比为21.18%，改善面积占比为8.11%，之后逐渐改善。（3）空间自相关分析显示，内蒙古生态环境质量具有显著的空间集聚性(Moran's I > 0.606)，以高—高、低—低集聚为主；空间分布上各等级生态环境质量重心整体呈现自东向西、自北向南改善趋势。（4）预测结果显示，未来内蒙古中西部地区生态环境质量恶化风险高于改善潜力，应关注并采取有效措施遏制退化趋势。

关键词: 内蒙古, 改进型遥感生态指数, 生境质量, 空间自相关, CA-Markov模型

Abstract:

Inner Mongolia is located in the upper reaches of the North China region, and its ecological environment is sensitive and fragile. In recent years, due to climate change and rapid economic growth, ecological environment problems have become increasingly prominent. Conducting ecological environment quality assessment and trend prediction in Inner Mongolia is of great significance for guiding ecological environment protection work. This article is based on the GEE platform, introducing aerosols (AOD) and desertification difference index (DDI), and constructing an improved remote sensing ecological index ARSEI to dynamically monitor and predict the ecological environment quality of Inner Mongolia from 2000 to 2023. The spatial autocorrelation of Inner Mongolia's ecological environment quality is discussed using spatial autocorrelation, and the CA-Markov model is used to predict the future ecological environment quality of Inner Mongolia. The results show that: (1) this article introduces the aerosol AOD and desertification difference index DDI to construct the ARSEI index, with a PC1 contribution of over 87%, which can better concentrate the characteristics of various ecological indicators, with little difference from RSEI, and the grading results are basically consistent. It can more accurately evaluate the ecological environment quality of Inner Mongolia and has strong applicability. (2) The ecological environment quality in Inner Mongolia from 2000 to 2023 was mainly poor and moderate, showing a decreasing trend from east to west in spatial distribution. The Inner Mongolia region experienced severe degradation from 2000 to 2005, with a degradation area accounting for 21.18% and an improvement area accounting for 8.11%. Since then, the ecological environment quality has gradually improved. (3) The global Moran index of Inner Mongolia for six years has been above 0.606, and the spatial agglomeration characteristics within the region are obvious, mainly distributed in high-high and low-low patterns. The overall trend of improving the ecological environment quality center of each level in spatial distribution is from east to west and from north to south. (4) The ARSEI prediction indicates that the ecological quality deterioration in central and western Inner Mongolia is slightly higher than improvement potential in the future. Therefore, it is crucial to prioritize ecological restoration projects in the ecologically fragile areas of this region.

Key words: Inner Mongolia, improved remote sensing ecological index, habitat quality, spatial autocorrelation, CA-Markov model

赵岳冀, 姜湖园, 张言博, 李丹, 夏泽宇. 基于CA-Markov模型和改进型遥感生态指数的内蒙古生境质量评价及预测[J]. 中国农学通报, 2026, 42(2): 171-183.

ZHAO Yueji, JIANG Huyuan, ZHANG Yanbo, LI Dan, XIA Zeyu. Evaluation and Prediction of Habitat Quality in Inner Mongolia Based on CA-Markov Model and Improved Remote Sensing Ecological Index[J]. Chinese Agricultural Science Bulletin, 2026, 42(2): 171-183.

图/表 12

参考文献 39

[1]	肖鹏, 秦富仓, 杨振奇, 等. 黄河流域内蒙古段生态空间的功能评价及管制分区研究[J]. 西南林业大学学报(自然科学), 2025, 45(3):93-101.
[2]	孟庆帅, 巩钰, 刘小燕, 等. 水资源-社会经济-生态环境耦合协调度关系研究及预测——以黄河流域内蒙古段为例[J]. 干旱区研究, 2025, 42(4):682-694. doi: 10.13866/j.azr.2025.04.10
[3]	赵娜, 王冰, 王子昊, 等. 基于遥感生态指数的内蒙古生态环境质量时空演化及生态管理分区[J]. 环境科学, 2025, 46(7):4499-4509.
[4]	WANG Z, LYU L X, LIU W X, et al. Topographic patterns of forest decline as detected from tree rings and NDVI[J]. Carena, 2021, 198:105011.
[5]	张雨欣, 杜宜霖, 刘小茜, 等. 放牧活动对内蒙古草地生态系统的影响[J]. 生态学报, 2025, 45(10):4963-4974.
[6]	李文龙, 侯鹏珅, 徐芮, 等. 资源地区生态经济区划与产业功能布局研究——以内蒙古为例[J]. 生态经济, 2025, 41(4):38-48.
[7]	国务院关于《内蒙古自治区国土空间规划(2021—2035年)》的批复[EB/OL].(2023-12-21).https://www.gov.cn/zhengce/zhengceku/202312/content_6921637.htm.
[8]	刘峥延, 毛显强, 江河. “十四五”时期生态环境保护重点方向和任务研究[J]. 中国环境管理, 2019, 11(3):40-45.
[9]	颜梅春, 王元超. 区域生态环境质量评价研究进展与展望[J]. 生态环境学报, 2012, 21(10):1781-1788.
[10]	YUAN B D, FU L N, ZOU Y A, et al. Spatiotemporal change detection of ecological quality and the associated affecting factors in Dongting Lake Basin, based on RSEI[J]. Journal of cleaner production, 2021, 302:126995. doi: 10.1016/j.jclepro.2021.126995 URL
[11]	WANG Q F, ZENG J Y, QI J Y, et al. A multi-scale daily SPEI dataset for drought characterization at observation stations over China’s mainland from1961 to 2018[J]. Earth system science data, 2021, 13(2):331-341. doi: 10.5194/essd-13-331-2021 URL
[12]	刘恒, 汤弟伟, 宋鄂平, 等. 2000—2015年武陵山区植被净初级生产力的时空动态特征及其驱动因子[J]. 水土保持研究, 2020, 27(6):218-225.
[13]	ISLAM ARMT, ISLAM HMT, SHAHID S, et al. Spatiotemporal nexus between vegetation change and extreme climatic indices and their possible causes of change[J]. Journal of environmental management, 2021, 289:112505. doi: 10.1016/j.jenvman.2021.112505 URL
[14]	刘子源, 周德成, 郝璐, 等. 基于3种遥感指数的2000—2020年尼泊尔地区植被生长动态的对比[J]. 环境科学, 2024, 45(10):5924-5930.
[15]	徐涵秋. 区域生态环境变化的遥感评价指数[J]. 中国环境科学, 2013, 33(5):889-897.
[16]	田智慧, 尹传鑫, 王晓蕾. 鄱阳湖流域生态环境动态评估及驱动因子分析[J]. 环境科学, 2023, 44(2):816-827.
[17]	杨泽康, 田佳, 李万源, 等. 黄河流域生态环境质量时空格局与演变趋势[J]. 生态学报, 2021, 41(19):7627-7636.
[18]	汪孝贤, 张秀霞, 李旺平, 等. 基于遥感生态指数(RSEI)改进模型的祁连山国家级自然保护区生态环境质量评价[J]. 生态与农村环境学报, 2023, 39(7):853-863.
[19]	张伟, 杜培军, 郭山川, 等. 改进型遥感生态指数及干旱区生态环境评价[J]. 遥感学报, 2023, 27(2):299-317.
[20]	张静, 杨丽萍, 贡恩军, 等. 基于谷歌地球引擎和改进型遥感生态指数的西安市生态环境质量动态监测[J]. 生态学报, 2023, 43(5):2114-2127.
[21]	张靓涵, 张未, 赵安周, 等. 融合PM_2.5浓度遥感生态指数的峰峰矿区生态环境质量时空特征及驱动力分析[J]. 环境科学, 2024, 45(10):5900-5911.
[22]	NIE X R, HU Z Q, ZHU Q, et al. Research on temporal and spatial resolution and the driving forces of ecological environmengt quality in coal mining areas considering topographic correctiong[J]. Remote sensing, 2021, 13(14):2815. doi: 10.3390/rs13142815 URL
[23]	DUO L H, WANG J Q, ZHANG F Q, et al. Assessing the spatiotemporal evolution and drivers of ecological environment quality using an enhanced remote sensing ecological index in Lanzhou City, China[J]. Remote sensing, 2023, 15(19): 4704. doi: 10.3390/rs15194704 URL
[24]	王经宇, 杨丽萍, 王美, 等. 陕北黄土高原生态环境质量时空变化监测及驱动力分析[J]. 环境科学, 2025, 46(7):4522-4533.
[25]	XU H Q, WANG Y F, GUAN H D, et al. Detecting ecological changes with a remote sensing based ecological index(RSEI) produced time series and change vector analysis[J]. Remote sensing, 2019, 11(20):2345. doi: 10.3390/rs11202345 URL
[26]	XU H. Modification of normalised difference water index (NDWI) to enhance open water features in remotely sensed imagery[J]. International journal of remote sensing, 2006, 27(14):3025-3033. doi: 10.1080/01431160600589179 URL
[27]	孙桂凯, 王国帅, 魏义熊, 等. 基于改进遥感生态指数的岩溶山区生态环境质量评价——以澄碧河流域为例[J]. 水土保持通报, 2021, 41(2):230-239,353.
[28]	HU X S, XU H Q. A new remote sensing index for assessing the spatial heterogeneity in urban ecological quality: A case from Fuzhou City, China[J]. Ecological Indicators, 2018, 89: 11-21. doi: 10.1016/j.ecolind.2018.02.006 URL
[29]	王永祥, 徐园园, 杨佳嘉, 等. 基于Landsat的重庆市生态环境质量动态监测及其时空格局演变分析[J]. 生态学报, 2023, 43(15):6278-6292.
[30]	张京新, 谷雨鑫, 沈佳琦, 等. 黄河流域生态环境质量时空变化及驱动因素分析[J]. 环境科学, 2025, 46(2):956-971.
[31]	SANG L, ZHANG C, YANG J, et al. Simulation of land use spatial pattern of towns and villages based on CA-Markov model[J]. Elsevier science publishers B V, 2011, 54(3):938-943.
[32]	徐智超, 刘华民, 韩鹏, 等. 内蒙古生态安全时空演变特征及驱动力[J]. 生态学报, 2021, 41(11):4354-4366.
[33]	张树礼, 李现华, 郭二果, 等. 我国北方重要生态安全屏障建设的战略举措[J]. 内蒙古大学学报(自然科学版), 2024, 55(6):561-569.
[34]	万虹麟, 霍飞, 牛玉芬, 等. 顾及PM_2.5浓度遥感生态指数模型的沧州市区生态环境质量动态监测分析[J]. 地球物理学进展, 2021, 36(3):953-960.
[35]	王旺盛. 我国北方重要生态安全屏障建设的战略思考[M]. 呼和浩特: 内蒙古人民出版社,2024:15-39.
[36]	焦晓萌, 张兵, 高阳, 等. 利用改进型遥感生态指数的岩溶区生态环境质量评价[J]. 测绘通报, 2024(4):54-60. doi: 10.13474/j.cnki.11-2246.2024.0410
[37]	刘晓茜, 解云虎, 海春兴. 基于荒漠化差值指数的荒漠绿洲过渡带土地沙化研究[J]. 内蒙古师范大学学报(自然科学汉文版), 2020, 49(1):59-67.
[38]	叶博文, 孙标, 史小红, 等. 巴彦淖尔市土地利用变化及其对生态环境质量的影响[J]. 环境科学, 2024, 45(12):6899-6909.
[39]	何孙鹏, 甄江红, 贺静, 等. 内蒙古生态环境质量评价与预警研究[J]. 阴山学刊(自然科学版), 2015, 29(2):46-51.

指标	计算公式
植被指数/NDVI	$NDVI=({\rho }_{nir}-{\rho }_{red})/({\rho }_{nir}+{\rho }_{red})$
湿度分量/WET	$WET=0.1147{\rho }_{red}+0.2489{\rho }_{nir1}+0.2408{\rho }_{blue}+0.3132{\rho }_{green}^{}-0.3122{\rho }_{nir2}-0.6416{\rho }_{swir1}-0.5087{\rho }_{swir2}$
干度指数/NDBSI	NDBSI=(IBI+SI)/2 $IBI=\left[\frac{2{\rho }_{swir1}}{{\rho }_{swir1}+{\rho }_{nir}}-\left(\frac{{\rho }_{nir}}{{\rho }_{nir}+{\rho }_{red}}+\frac{{\rho }_{green}}{{\rho }_{green}+{\rho }_{swir1}}\right)\right]/\left[\frac{2{\rho }_{swir1}}{{\rho }_{swir1}+{\rho }_{nir}}+\left(\frac{{\rho }_{nir}}{{\rho }_{nir}+{\rho }_{red}}+\frac{{\rho }_{green}}{{\rho }_{green}+{\rho }_{swir1}}\right)\right]$ $SI=\left[\left({\rho }_{swir1}+{\rho }_{red}\right)-\left({\rho }_{nir1}+{\rho }_{blue}\right)\right]/\left[\left({\rho }_{swir1}+{\rho }_{red}\right)+\left({\rho }_{nir1}+{\rho }_{blue}\right)\right]$
地表温度/LST	LST=0.02DN-273.15
荒漠化差值指数/DDI	$A\mathrm{l}\mathrm{b}edo=0.16{\rho }_{red}+0.291{\rho }_{nir1}+0.243{\rho }_{blue}+0.116{\rho }_{green}+0.112{\rho }_{nir2}+0.081{\rho }_{swir2}-0.0015$ $A\mathrm{l}\mathrm{b}ed{o}_{\mathrm{标}}=\left(A\mathrm{l}\mathrm{b}edo-A\mathrm{l}\mathrm{b}ed{o}_{\mathrm{m}\mathrm{i}\mathrm{n}}\right)/\left(A\mathrm{l}\mathrm{b}ed{o}_{\mathrm{m}\mathrm{a}\mathrm{x}}-A\mathrm{l}\mathrm{b}ed{o}_{\mathrm{m}\mathrm{i}\mathrm{n}}\right)$ $NDV{I}_{\mathrm{标}}=\left(NDVI-NDV{I}_{\mathrm{m}\mathrm{i}\mathrm{n}}\right)/\left(NDV{I}_{\mathrm{m}\mathrm{a}\mathrm{x}}-NDV{I}_{\mathrm{m}\mathrm{i}\mathrm{n}}\right)$ $DDI=-\frac{1}{{k}_{i}}\times NDV{I}_{\mathrm{标}}-\mathrm{A}\mathrm{l}\mathrm{b}\mathrm{e}\mathrm{d}{\mathrm{o}}_{\mathrm{标}}$
气溶胶/AOD	来自MCD19A2产品Optical_Depth_047波段

指标	计算公式
植被指数/NDVI	$NDVI=({\rho }_{nir}-{\rho }_{red})/({\rho }_{nir}+{\rho }_{red})$
湿度分量/WET	$WET=0.1147{\rho }_{red}+0.2489{\rho }_{nir1}+0.2408{\rho }_{blue}+0.3132{\rho }_{green}^{}-0.3122{\rho }_{nir2}-0.6416{\rho }_{swir1}-0.5087{\rho }_{swir2}$
干度指数/NDBSI	NDBSI=(IBI+SI)/2 $IBI=\left[\frac{2{\rho }_{swir1}}{{\rho }_{swir1}+{\rho }_{nir}}-\left(\frac{{\rho }_{nir}}{{\rho }_{nir}+{\rho }_{red}}+\frac{{\rho }_{green}}{{\rho }_{green}+{\rho }_{swir1}}\right)\right]/\left[\frac{2{\rho }_{swir1}}{{\rho }_{swir1}+{\rho }_{nir}}+\left(\frac{{\rho }_{nir}}{{\rho }_{nir}+{\rho }_{red}}+\frac{{\rho }_{green}}{{\rho }_{green}+{\rho }_{swir1}}\right)\right]$ $SI=\left[\left({\rho }_{swir1}+{\rho }_{red}\right)-\left({\rho }_{nir1}+{\rho }_{blue}\right)\right]/\left[\left({\rho }_{swir1}+{\rho }_{red}\right)+\left({\rho }_{nir1}+{\rho }_{blue}\right)\right]$
地表温度/LST	LST=0.02DN-273.15
荒漠化差值指数/DDI	$A\mathrm{l}\mathrm{b}edo=0.16{\rho }_{red}+0.291{\rho }_{nir1}+0.243{\rho }_{blue}+0.116{\rho }_{green}+0.112{\rho }_{nir2}+0.081{\rho }_{swir2}-0.0015$ $A\mathrm{l}\mathrm{b}ed{o}_{\mathrm{标}}=\left(A\mathrm{l}\mathrm{b}edo-A\mathrm{l}\mathrm{b}ed{o}_{\mathrm{m}\mathrm{i}\mathrm{n}}\right)/\left(A\mathrm{l}\mathrm{b}ed{o}_{\mathrm{m}\mathrm{a}\mathrm{x}}-A\mathrm{l}\mathrm{b}ed{o}_{\mathrm{m}\mathrm{i}\mathrm{n}}\right)$ $NDV{I}_{\mathrm{标}}=\left(NDVI-NDV{I}_{\mathrm{m}\mathrm{i}\mathrm{n}}\right)/\left(NDV{I}_{\mathrm{m}\mathrm{a}\mathrm{x}}-NDV{I}_{\mathrm{m}\mathrm{i}\mathrm{n}}\right)$ $DDI=-\frac{1}{{k}_{i}}\times NDV{I}_{\mathrm{标}}-\mathrm{A}\mathrm{l}\mathrm{b}\mathrm{e}\mathrm{d}{\mathrm{o}}_{\mathrm{标}}$
气溶胶/AOD	来自MCD19A2产品Optical_Depth_047波段

年份	生态因子	PC1	PC2	PC3	PC4	PC5	PC6
2000	NDVI	0.6468	-0.2549	0.4299	0.4233	-0.3861	0.0608
	WET	0.0382	-0.0315	-0.2853	-0.1201	-0.2189	0.9240
	LST	-0.1301	-0.5165	-0.5905	0.5908	0.0984	-0.0945
	NDBSI	-0.1593	-0.3893	-0.1513	-0.4521	-0.7184	-0.2824
	DDI	-0.6092	-0.4406	0.6019	0.1040	0.0908	0.2310
	AOD	-0.4084	-0.5671	-0.0033	-0.4921	0.5187	0.0217
	贡献率/%	87.18	6.55	4.94	3.24	2.65	0.45
2005	NDVI	0.5758	-0.3188	0.4875	0.4383	-0.3676	0.0437
	WET	0.0165	0.1569	0.2551	0.1526	0.3041	-0.8912
	LST	-0.0665	-0.4828	-0.4917	-0.1383	-0.5549	-0.4400
	NDBSI	-0.5721	0.4846	-0.0049	-0.6012	-0.2591	-0.0969
	DDI	-0.4768	-0.1583	0.6745	-0.4664	-0.2733	-0.0167
	AOD	-0.3303	-0.6171	0.0208	-0.4318	0.5680	0.0233
	贡献率/%	89.88	5.51	4.33	2.18	1.98	0.12
2010	NDVI	0.5679	-0.3539	0.4568	0.4302	-0.3964	0.0364
	WET	0.2230	0.5130	0.4221	0.2830	0.6548	-0.0010
	LST	-0.3617	0.4453	0.1203	-0.5625	-0.3057	0.4965
	NDBSI	-0.4759	-0.1010	0.7675	-0.3478	-0.1035	-0.2064
	DDI	-0.3818	-0.2273	0.0971	0.2647	0.1325	0.8399
	AOD	-0.3532	0.5927	-0.0148	0.4769	-0.5407	-0.0634
	贡献率/%	90.37	4.94	3.18	2.37	1.01	0.12
2015	NDVI	0.6041	-0.3368	0.4323	0.4585	-0.3528	-0.0079
	WET	0.1934	0.5910	0.5527	0.0676	0.5350	-0.1305
	LST	-0.0925	-0.0357	-0.5248	0.7052	0.4655	0.0266
	NDBSI	-0.5943	-0.4595	0.3794	0.2275	0.1919	-0.4508
	DDI	-0.2820	0.1357	-0.2959	-0.1206	-0.1462	-0.8824
	AOD	-0.3955	0.5535	0.0267	0.4707	-0.5608	-0.0216
	贡献率/%	89.39	4.19	2.86	1.96	1.45	0.15
2020	NDVI	0.5554	-0.3012	0.5142	0.5028	-0.2891	-0.0015
	WET	0.1911	-0.2998	-0.8408	0.3652	-0.1804	-0.0271
	LST	-0.6855	0.6009	-0.1497	-0.0268	0.3783	-0.0534
	NDBSI	-0.3462	-0.0507	-0.0727	-0.6962	-0.6223	0.0179
	DDI	-0.0064	-0.1037	0.0304	-0.0637	0.0441	-0.9911
	AOD	-0.2554	-0.6670	0.0118	-0.3526	0.5929	0.1176
	贡献率/%	87.09	5.91	2.97	2.48	1.22	0.33
2023	NDVI	0.5999	-0.3132	0.4245	0.4745	-0.3677	0.0369
	WET	0.0249	-0.2920	-0.6964	0.5787	0.1227	-0.2813
	LST	-0.1668	-0.4656	-0.2783	-0.4051	-0.7157	0.0411
	NDBSI	-0.6611	-0.4259	-0.5028	-0.2062	0.1031	-0.2750
	DDI	-0.2336	0.1638	0.0673	-0.2516	-0.0975	-0.9172
	AOD	-0.3464	-0.6258	-0.0051	-0.4123	0.5634	0.0293
	贡献率/%	90.45	4.83	3.95	1.95	1.05	0.07

年份	生态因子	PC1	PC2	PC3	PC4	PC5	PC6
2000	NDVI	0.6468	-0.2549	0.4299	0.4233	-0.3861	0.0608
	WET	0.0382	-0.0315	-0.2853	-0.1201	-0.2189	0.9240
	LST	-0.1301	-0.5165	-0.5905	0.5908	0.0984	-0.0945
	NDBSI	-0.1593	-0.3893	-0.1513	-0.4521	-0.7184	-0.2824
	DDI	-0.6092	-0.4406	0.6019	0.1040	0.0908	0.2310
	AOD	-0.4084	-0.5671	-0.0033	-0.4921	0.5187	0.0217
	贡献率/%	87.18	6.55	4.94	3.24	2.65	0.45
2005	NDVI	0.5758	-0.3188	0.4875	0.4383	-0.3676	0.0437
	WET	0.0165	0.1569	0.2551	0.1526	0.3041	-0.8912
	LST	-0.0665	-0.4828	-0.4917	-0.1383	-0.5549	-0.4400
	NDBSI	-0.5721	0.4846	-0.0049	-0.6012	-0.2591	-0.0969
	DDI	-0.4768	-0.1583	0.6745	-0.4664	-0.2733	-0.0167
	AOD	-0.3303	-0.6171	0.0208	-0.4318	0.5680	0.0233
	贡献率/%	89.88	5.51	4.33	2.18	1.98	0.12
2010	NDVI	0.5679	-0.3539	0.4568	0.4302	-0.3964	0.0364
	WET	0.2230	0.5130	0.4221	0.2830	0.6548	-0.0010
	LST	-0.3617	0.4453	0.1203	-0.5625	-0.3057	0.4965
	NDBSI	-0.4759	-0.1010	0.7675	-0.3478	-0.1035	-0.2064
	DDI	-0.3818	-0.2273	0.0971	0.2647	0.1325	0.8399
	AOD	-0.3532	0.5927	-0.0148	0.4769	-0.5407	-0.0634
	贡献率/%	90.37	4.94	3.18	2.37	1.01	0.12
2015	NDVI	0.6041	-0.3368	0.4323	0.4585	-0.3528	-0.0079
	WET	0.1934	0.5910	0.5527	0.0676	0.5350	-0.1305
	LST	-0.0925	-0.0357	-0.5248	0.7052	0.4655	0.0266
	NDBSI	-0.5943	-0.4595	0.3794	0.2275	0.1919	-0.4508
	DDI	-0.2820	0.1357	-0.2959	-0.1206	-0.1462	-0.8824
	AOD	-0.3955	0.5535	0.0267	0.4707	-0.5608	-0.0216
	贡献率/%	89.39	4.19	2.86	1.96	1.45	0.15
2020	NDVI	0.5554	-0.3012	0.5142	0.5028	-0.2891	-0.0015
	WET	0.1911	-0.2998	-0.8408	0.3652	-0.1804	-0.0271
	LST	-0.6855	0.6009	-0.1497	-0.0268	0.3783	-0.0534
	NDBSI	-0.3462	-0.0507	-0.0727	-0.6962	-0.6223	0.0179
	DDI	-0.0064	-0.1037	0.0304	-0.0637	0.0441	-0.9911
	AOD	-0.2554	-0.6670	0.0118	-0.3526	0.5929	0.1176
	贡献率/%	87.09	5.91	2.97	2.48	1.22	0.33
2023	NDVI	0.5999	-0.3132	0.4245	0.4745	-0.3677	0.0369
	WET	0.0249	-0.2920	-0.6964	0.5787	0.1227	-0.2813
	LST	-0.1668	-0.4656	-0.2783	-0.4051	-0.7157	0.0411
	NDBSI	-0.6611	-0.4259	-0.5028	-0.2062	0.1031	-0.2750
	DDI	-0.2336	0.1638	0.0673	-0.2516	-0.0975	-0.9172
	AOD	-0.3464	-0.6258	-0.0051	-0.4123	0.5634	0.0293
	贡献率/%	90.45	4.83	3.95	1.95	1.05	0.07

指标		2000年	2005年	2010年	2015年	2020年	2023年
RSEI	数值	0.4356	0.4101	0.4175	0.4266	0.4179	0.4507
RSEI	等级	中等	中等	中等	中等	中等	中等
ARSEI	数值	0.4382	0.3949	0.3911	0.4278	0.4334	0.4583
ARSEI	等级	中等	差	差	中等	中等	中等
差值		0.0026	0.0161	0.0264	0.0012	0.0155	0.0076
差值百分比/%		0.5969	4.0769	6.7502	0.2813	3.7090	1.6863

基于CA-Markov模型和改进型遥感生态指数的内蒙古生境质量评价及预测

Evaluation and Prediction of Habitat Quality in Inner Mongolia Based on CA-Markov Model and Improved Remote Sensing Ecological Index

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 12

参考文献 39

相关文章 15

编辑推荐

Metrics

本文评价

关于本刊

作者中心

审者中心

在线期刊

联系我们

等级		2000年		2005		2010		2015		2020		2023
等级		面积/ 万km²	比例/%	面积/万km²	比例 /%	面积/万km²	比例/%	面积 /万km²	比例/%	面积 /万km²	比例/%	面积/万km²	比例/%
北部	极差	0.35	1.38	0.35	1.37	0.21	0.85	0.04	0.17	0.43	1.70	0.00	0.00
	较差	3.33	13.18	3.31	13.08	4.47	17.67	4.45	17.60	4.70	18.61	2.24	8.86
	中等	3.56	14.08	3.40	13.44	3.03	11.98	2.89	11.44	2.24	8.85	3.01	11.89
	良好	9.06	35.84	4.36	17.25	4.28	16.92	4.13	16.32	4.21	16.65	4.35	17.22
	极好	8.98	35.52	13.87	54.86	13.29	52.57	13.77	54.47	13.70	54.20	15.68	62.03
东北部	极差	1.47	7.29	0.26	1.33	0.68	3.38	0.06	0.33	0.19	0.94	0.04	0.23
	较差	11.36	56.56	6.89	34.27	8.69	43.28	2.68	13.35	3.72	18.53	1.24	6.16
	中等	5.10	23.38	8.68	43.24	6.92	34.47	10.71	53.29	10.01	49.85	7.47	37.21
	良好	1.99	9.93	3.18	15.80	2.67	13.31	5.20	25.92	4.80	23.91	9.03	44.98
	极好	0.16	0.83	1.07	5.34	1.11	5.54	1.42	7.08	1.35	6.75	2.29	11.41
中部	极差	5.18	25.91	8.40	42.03	6.25	31.26	4.35	21.75	6.05	30.27	3.74	18.69
	较差	12.55	62.79	8.45	42.27	10.56	52.82	9.49	47.48	6.72	33.61	9.39	46.98
	中等	1.93	9.66	2.59	12.97	2.48	12.40	4.97	24.87	5.93	29.66	5.41	27.07
	良好	0.28	1.38	0.49	2.45	0.64	3.19	1.09	5.48	1.18	5.88	1.17	5.84
	极好	0.05	0.26	0.05	0.28	0.07	0.33	0.08	0.41	0.12	0.59	0.28	1.39
中西部	极差	12.11	47.86	12.16	48.07	8.88	35.12	10.09	39.91	9.35	36.97	4.79	18.94
	较差	11.17	44.18	9.42	37.23	13.10	51.79	11.02	43.57	12.30	48.63	13.85	54.74
	中等	1.93	7.64	3.19	12.63	2.85	11.27	3.63	14.35	3.19	12.59	5.24	20.71
	良好	0.06	0.26	0.48	1.93	0.44	1.74	0.51	2.03	0.42	1.68	1.33	5.26
	极好	0.02	0.05	0.03	0.13	0.02	0.07	0.04	0.14	0.02	0.12	0.08	0.35
西部	极差	23.39	97.70	22.88	95.53	21.64	90.40	22.88	95.58	22.34	93.31	22.32	93.23
	较差	0.49	2.07	0.98	4.13	2.18	9.10	0.97	4.07	1.48	6.17	1.51	6.29
	中等	0.04	0.15	0.05	0.22	0.08	0.34	0.05	0.23	0.08	0.35	0.07	0.32
	良好	0.02	0.07	0.02	0.09	0.02	0.10	0.02	0.10	0.03	0.13	0.03	0.13
	极好	0.00	0.00	0.00	0.01	0.00	0.04	0.00	0.01	0.00	0.02	0..00	0.01

区域	变化趋势		2000—2005	2005—2010	2010—2015	2015—2020	2020—2023
内蒙古	改善	面积/万km²	9.29	15.66	23.39	10.12	29.72
	改善	比例/%	8.11	13.67	20.41	8.74	25.93
	不变	面积/万km²	81.04	84.78	82.65	91.98	80.89
	不变	比例/%	70.71	73.97	72.12	80.26	70.59
	退化	面积/万km²	24.27	14.17	8.56	12.61	3.99
	退化	比例/%	21.18	12.36	7.47	10.99	3.48
北部	改善	面积/万km²	4.59	1.45	2.56	1.57	6.93
	改善	比例/%	18.15	5.74	10.12	6.22	27.41
	不变	面积/万km²	17.26	20.36	21.27	21.09	18.17
	不变	比例/%	68.25	80.51	84.13	83.45	71.87
	退化	面积/万km²	3.44	3.48	1.45	2.61	0.18
	退化	比例/%	13.60	13.75	5.75	10.33	0.71
东北部	改善	面积/万km²	0.68	2.60	10.47	1.86	8.88
	改善	比例/%	3.40	12.95	52.11	9.24	44.19
	不变	面积/万km²	9.54	11.95	9.17	14.58	10.57
	不变	比例/%	47.49	59.47	45.65	72.56	52.62
	退化	面积/万km²	9.87	5.54	0.45	3.66	0.64
	退化	比例/%	49.11	27.58	2.24	18.19	3.19
中部	改善	面积/万km²	6.54	4.79	6.51	2.75	4.44
	改善	比例/%	30.69	23.97	32.57	13.75	22.22
	不变	面积/万km²	10.92	12.79	12.22	14.04	13.33
	不变	比例/%	56.61	63.98	61.14	70.24	66.67
	退化	面积/万km²	2.54	2.41	1.26	3.19	2.22
	退化	比例/%	12.69	12.05	6.29	16.00	11.11
中西部	改善	面积/万km²	2.58	5.21	3.59	2.92	8.81
	改善	比例/%	10.18	20.61	14.21	11.54	34.82
	不变	面积/万km²	18.06	17.68	17.84	19.56	16.19
	不变	比例/%	71.38	69.88	70.52	77.34	64.02
	退化	面积/万km²	4.67	2.41	3.86	2.81	0.29
	退化	比例/%	18.44	9.51	15.27	11.12	1.16
西部	改善	面积/万km²	0.61	1.61	0.26	0.92	0.66
	改善	比例/%	2.54	6.71	1.08	3.85	2.74
	不变	面积/万km²	23.27	22.01	22.15	22.69	22.63
	不变	比例/%	97.19	91.90	92.49	94.79	94.52
	退化	面积/万km²	0.06	0.33	1.54	0.33	0.66
	退化	比例/%	0.27	1.39	6.43	1.36	2.74

年份	全局莫兰指数	P值	Z值
2000	0.689	<0.001	78.759
2005	0.657	<0.001	67.779
2010	0.606	<0.001	65.745
2015	0.630	<0.001	68.347
2020	0.646	<0.001	69.212
2023	0.672	<0.001	73.602

[1]	曲学斌, 牛冬, 唐红艳, 林聪. 气候变化背景下内蒙古大豆种植带的变化特征研究[J]. 中国农学通报, 2026, 42(2): 133-140.
[2]	张岚彪, 杨丽萍, 张岚晶, 李彬, 张依尧, 董静. 基于日光诱导叶绿素荧光的植被干旱监测——以内蒙古自治区为例[J]. 中国农学通报, 2026, 42(2): 163-170.
[3]	王彦平, 王雅莹, 王志春, 曲学斌. 内蒙古东北部大豆食心虫发生气候风险区划研究[J]. 中国农学通报, 2025, 41(36): 142-148.
[4]	李淑祺, 刘波, 包佳婧. 内蒙古河套灌区苹果梨花期霜冻关键温度及服务重点[J]. 中国农学通报, 2025, 41(3): 84-90.
[5]	罗莉, 李晓丹, 刘学录, 刘星雨, 李权玺, 毛子玄, 马彪. 基于1990—2020年土地利用变化的西秦岭生境质量时空演变研究[J]. 中国农学通报, 2024, 40(8): 101-111.
[6]	王昕然, 黄超, 杨玉辉, 刘复伟. 内蒙古扎赉特旗大豆玉米带状复合种植带型试验研究[J]. 中国农学通报, 2023, 39(31): 1-6.
[7]	杜健, 潘雪, 武均, 蔡立群. 地块尺度下青海省都兰县耕地土壤养分的空间自相关分析[J]. 中国农学通报, 2023, 39(21): 94-102.
[8]	杨绣娟, 孙继颖, 高聚林, 乔帅帅, 于晓芳, 王志刚, 包海柱, 黄志远, 胡树平. 1959—2018年内蒙古地区热量资源时空变化特征分析[J]. 中国农学通报, 2022, 38(5): 106-116.
[9]	杨震宇, 方伟, 黄丽芸. 粮食主销区水稻生产格局演变与影响因素的空间扰动研究——以广东为例[J]. 中国农学通报, 2022, 38(14): 147-154.
[10]	陈珊珊, 臧淑英, 孙丽. 基于InVEST模型的土地利用变化对生境质量的影响研究──以松嫩平原为例[J]. 中国农学通报, 2020, 36(3): 74-80.
[11]	曲学斌, 杨淑香, 王彦平, 邹晓华. 2000—2017年内蒙古地区VCI对不同时间尺度SPEI的响应[J]. 中国农学通报, 2020, 36(26): 106-111.
[12]	杨泽龙. 内蒙古达拉特旗黄河灌区春季返盐气象条件分析[J]. 中国农学通报, 2019, 35(6): 70-76.
[13]	冯丽媛,米文宝,赵金梅. 基于空间自相关的宁夏县域建设用地节约集约利用水平空间分异特征研究[J]. 中国农学通报, 2019, 35(29): 97-102.
[14]	张增峰,朱新帅,王博宇,黄克龙,曹天邦. 江苏省新沂市耕地产能空间分异与耕地保护分区[J]. 中国农学通报, 2019, 35(28): 90-97.
[15]	林正雨,何鹏.,李晓,陈春燕.. 1990~2015年四川省茶叶生产空间演变格局及特征研究[J]. 中国农学通报, 2018, 34(31): 76-84.