基于多源遥感的城市生态用地识别及生态风险评价

◎ 郑子豪 陈颖彪 吴志峰 胡应龙

基于多源遥感的城市生态用地识别及生态风险评价

◎ 郑子豪 陈颖彪 吴志峰 胡应龙

随着城市化进程的不断推进、建设用地不断扩张，城市生态空间正处于剧烈变化中。大量具有生态价值和服务功能的土地不断被侵占，以满足暂时的城市建设需求。但从长远来看，这些生态用地的“消失”，将不可避免的影响区域生态平衡，给区域经济的健康发展埋下隐患。广州作为华南的中心城市，改革开放以来，大量外来人口涌入，土地利用变化频繁，生态环境的保护面临着巨大压力。因此，本文基于多源遥感数据，利用监督分类法与综合指数法相综合的复合提取方案对2016年广州生态用地进行空间识别，掌握广州市生态用地存量现状。同时，借助生态风险小区和生态风险等景观指数对广州进行了生态风险评估，结果显示，广州市生态风险呈现明显的多核圈层结构，由多核心的中心向外部逐渐降低。

生态用地 多源遥感 生态风险评价 广州市

一、引言

伴随着社会经济的发展、城市化进程的加剧，城市空间在扩张过程中引发了一系列的生态环境问题[1-5]。土地作为城市发展的载体，对城市的健康发展起着重要的支撑作用。近年来，在市场经济作用下，越来越多的外来人口涌入城市，为城市的建设提供了巨大推动力，但同时也给城市生态环境带了额外的负担。激增的人口加大了对土地的需求，很多具有生态价值和服务功能的土地不断被侵占，虽然新增的建设用地满足了暂时性的经济建设的需求，但长远来看，这些生态用地的“消失”，将不可避免的影响区域生态平衡，给区域经济的健康发展埋下隐患。2000年，国家计委组织有关学者编制出台的《全国生态环境建设规划》中明确指出，在接下来的城市发展建设中要从自然生态环境保护实际出发，加强落实生态环境建设[6]。

作为生态环境的基石，“生态用地”一词最早是2001年石元春院士提出并详细阐述。由于在防风固沙、涵养水土、净化环境、调节气候、保护生物多样性及维持生态系统稳定等方面有着突出的作用，生态用地近年来开始受到学术界的关注和研究，其中核心点是生态用地的概念、分类、空间识别及评估等[7]。在生态用地的概念界定上，岳健等[8]认为生态用地从广义上可以解读为地球上全部的土地，对于中国则可以将土地利用类型大致划分为农用地、建设用地和生态用地三大类。其中生态用地则包括：人类能够利用但又属于农用和建设之外用途的土地；主要由非人类生物直接利用的土地；被生物（包括人类）间接利用，在维护区域性或全球性生态系统多样性及平衡，保持原生生态环境有着重要作用的土地。韩冬梅等[9]则认为生态用地应当是具有较强自我调节、自我修复、自我维持和自我发展能力的土地。该地类通过调节自身系统的结构与功能、维持生态系统稳定性和生物多样性，从而支撑和保育主体生态系统的自我修复能力、可持续性及高生产力。

在生态空间识别上，得益于遥感技术的发展，多源遥感数据为提取生态用地信息开辟了新路径。翟天林等[10]以Sentinel-1A和Landsat8 OLI影像为数据源综合现有的遥感分类手段，提取了武汉市的生态用地分布信息。李明玉等[11]借助3S技术，建立生态重要性空间识别指标体系对“延龙图”地区生态用地的生态重要性进行了空间识别并分级，掌握了区域生态用地的分布状况。在生态用地的风险评估中，于化龙等[12]基于景观损失度指数和景观脆弱度指数构建了生态风险指数，并探讨了区域景观生态风险的空间分布和变化特征。

广州市作为广东省政治、经济、文化和教育的中心，改革开放以来伴随着城市化进程加剧，大量外来人口涌入，土地利用变化显著。2005—2015年间，广州市常住人口从949.68万增加到1350.11万，增幅达到42.16%；房屋建筑面积从272.84km2增加到481.85km2，增幅为76.61%；常用耕地面积从1300.94km2缩减到954.11km2，下降了约26.66%。在如此高强度的人口规模扩张和城市扩张影响下，广州市生态环境的保护面临着巨大压力。因此，基于多源遥感数据开展广州市生态用地的识别与风险评估研究，能为广州市社会经济发展、生态城市建设规划及环境保护提供一定参考和决策支持。

二、研究区概况及数据来源

（一）研究区概况

广州地处广东省中南部，位于112°57′～114°3′E，22°26′～23°56′N之间，珠江三大支流（东江、西江和北江）的交汇处，濒临中国南海，与香港、澳门隔海相望，是海上丝绸之路的起点之一。作为广东省省会，广州的影响力已经辐射了整个华南地区，有着中国的“南大门”美誉。广州市辖区总面积7434.4km2，地势东北高、西南低，背山面海，东北部为中低山地，中部是丘陵盆地，南部为沿海冲积平原[13]。广州地处亚热带沿海，北回归线横穿而过，属于海洋性亚热带季风气候。

（二） 数据来源

近年来，随着现代遥感技术的发展，各种对地观测卫星源源不断地提供不同空间分辨率、时间分辨率和波普分辨率的遥感影像。相比于单源遥感数据，多源遥感数据间能够互补和合作，极大地提高了目标信息获取的质量精度。因此，本文拟采用多源遥感数据作为数据源，对广州市的生态用地进行空间识别，掌握广州在高速城市化进程中的城市生态用地现状。

本研究所涉及的数据主要可以分为三类：多源遥感数据、矢量边界数据、辅助数据。

1.多源遥感数据：①Landsat-8 OLI数据，本文中的数据为2016年2月的无云或少云影像，空间分辨率为30m（包含一个15m的全色波段）；②GF-1数据（2016年1月），高分一号卫星是中国高分辨率对地观测系统的第一颗卫星，配置有2台2米分辨率全色、8米分辨率多光谱相机和4台16米分辨率多光谱宽幅相机；④NPPVIIRS夜间灯光影像数据（2016年）；⑤0.1m空间分辨率的机载遥感数据（2016年9月）。

2.矢量边界数据：主要包括广州市最新区划调整后的行政区划边界数据、部分专题的范围数据等。

3.辅助数据：主要有市统计部门发布的公报及统计数据、地形高程数据等。

三、研究方法

（一） 生态用地提取

在以往的生态用地提取过程中，基于像元及面向对象的监督分类方法运用比较广泛。该方法需要人工进行样本训练，过程比较繁琐。本文为了有效、准确地提取城市生态用地，在对比总结现有的遥感影像分类、生态用地提取技术方法的基础上，最终确定了一种监督分类法与综合指数法相综合的复合提取方案。

其中综合指数法主要借助遥感影像在地物信息识别方向上的研究成果，分别借助相关地物指数来提取典型的目标地物。主要包括：

1.高斯归一化差异水体指数。

式中，Green为可见光绿色波段地物反射力大小，NIR为近红外波段地物反射力大小；NDWI为归一化水体指数；GNDWIi,j为点（i,j）处的高斯归一化水体指数，NDWIi,j为点（i,j）处的归一化差异水体指数，代表所有像元的NDWI平均值，σ为所有像元的标准差。在TM影像中，Green和NIR分别为2波段和4波段；在OLI影像中，Green和NIR分别为3波段和5波段。

2.归一化植被指数。

在可见光红色波段有着强吸收特性而在近红外波段具有强反射特性的植物叶面是对植被遥感监测的物理基础[14]。这两个波段不同的光谱反射测值进行组合便可以形成多种主题的植被指数 。作为一种重要参数，归一化植被指数（NDVI）可以及时的反映农作物长势与营养状况，其公式为：

式中：NIR为近红外波段的地物反射力大小，R为可见光红色波段的地物反射力大小。

3.归一化建筑指数法。

归一化建筑指数（Normalized Difference Barren Index，NDBI）是基于仿归一化植被指数提出的建筑信息提取方案，能够有效、准确地提取建设用地信息，数值越大则表示建筑物和建筑密度比例越高。该指数提出时针对的是Landsat TM影像，具体计算公式如下：

式中：TM4为近红外波段，波长范围0.76～0.90μm，位于植物的高反射区；TM5为短波红外波段，波长范围1.55～1.75μm，位于两个水体吸收带之间。本文中使用是Landsat～8 OLI传感器，参考TM4和TM5的波段范围，重新确定NDBI的计算公式为：

式中：OLI5为近红外波段，波长范围0.845～0.885μm；OLI6为短波红外波段，波长范围1.56～1.66μm。计算结果中根据NDBIOLI值的范围使用阈值提取法提取研究区的建设用地范围。

（二） 生态风险评估

生态风险评价最初起源于生态环境评价。生态风险评价是由于一种或多种外界因素引起的潜在或正在发生对生态系统可能产生负面影响的过程[15]。区域内生态风险着重强调的是区域生态系统抵抗外部干扰以及内部自我协调的能力。由于不同土地利用类型（景观）在抵抗外界干扰过程中所展现的能力参差不齐，因而在完善整体功能与结构、促进景观结构的自然演替、维持生物多样性等方面也存在着差异。

本文以等间距系统采样法为起点，将研究区划分为单位风险单元，以风险单元为单元计算每个单元的综合生态风险指数，作为每个单元中心位置的生态风险值，实现生态风险指数的空间化处理。

土地利用生态风险指数ERI的计算公式为：

式中：ERIi表示第i个风险单元的土地利用风险指数；N为景观类型的数目；Aki是第k个风险单元内第i类土地的网格面积；Ak为第k个风险单元的面积；Ri是第i类土地利用景观类型的损失度指数。

其中损失度指数：

式中Ei为景观干扰度指数，Ei=aCi+bNi+cDi（破碎度指数Ci=ni/Ai；分离度指数优势度Di则由密度Rd、频率Rf和景观比例Lp三个参数间接得到；a、b、c表示对应景观指数的权重（权重之和为1），本文在结合前人研究成果并分析权衡分别赋以“0.5、0.3、0.2”的权值）；Fi是景观脆弱度指数，根据研究区实际情况，在借鉴他人研究成果的基础上，针对研究区实际情况，采用专家打分法分别对五种景观类型赋值，再对数值进行归一化处理。

四、结果分析

（一） 生态用地提取

在利用综合指数法提取生态用地的过程中，地物类型提取的顺序上的差异不可避免的会对生态用地提取的精度产生影响。经过多次对比，确定以“水体、植被、建筑”的次序提取生态用地的精度最高。这是因为水体相对于后者而言，其光谱特征比较明显，且各类水体间光谱曲线差异不大（相对于后者），因此先将难度最小、准确度最高的水体提取出来作为标准，不断地迭代后续分类的结果，可以最大程度的保持地物分类的准确度。

1.水体识别。在水体的提取过程中，利用高斯归一化差异水体指数对Landsat-8 OLI影像进行处理，获得“水体1”（图1a是中心城区的“水体1”情况）。“水体1”中河流、湖泊对象有着较准确的识别率，但是在建成区还散布者较多的水体斑块，这些斑块破碎，面积不足0.02km2。对比0.1m空间分辨率的机载遥感影像，可以发现这些破碎的斑块并不是真正的水体，而多为建筑的阴影范围（图1b）。需要在“水体1”的基础上采用GS融合（Gram-Schmidt Pan Sharpening，能够较好的保持空间纹理信息，尤其是能高保真保持光谱特征[16]）方法将8波段30米的多光谱数据和15米的全色数据进行融合，获取高分辨率的多光谱影像。经多次对比实践，发现融合后影像的绿色波段可以采用阈值法识别建成区的建筑阴影（图1a-c）。

在将“水体1”与提取的建筑阴影进行去重处理后，水体识别的结果显示，广州市2016年的水体总面积为581.38km2。

2.植被识别。植被作为生态用地的重要组成部分，在遥感影像上呈现出绿色、深绿色或者浅绿色（真彩色）。下图是广州市部分土地利用类型若干样本点的OLI图像上的平均光谱曲线，耕地、林地、草地及园林有着极为相近的光谱曲线。因此借助归一化植被指数，只能初步的识别出植被、水体和建筑等。

为了更准确地识别植被（耕地、林地、园地草地），本文分别针对Landsat-8 OLI和GF-1影像基于NDVI进行了植被识别，然后将二者识别的结果进行整合，获取研究区范围内的植被分布结果（图3）。

图1a “水体1”提取结果（建成区）

图1b 建筑阴影斑块分布

图1c 阈值法建筑阴影识别结果

在已有的植被识别结果中，利用地形高程等辅助数据，通过设定高程和坡度等阈值，进一步从植被结果中提取林地和非林地。考虑到广州的地形特征，利用等高线等数据插值形成30m分辨率的DEM高程数据并生成广州市坡度图，然后选定若干处典型林地与非林地分界点，统计其对应的高程和坡度数据，最后确定以45m和3°分别作为林地的高程和坡度分界线，以二者的交集作为林地的覆盖范围（图4）。在非林地的植被中，采用“基于样本的面向对象分类”方法，对非林地植被进行对象分割并选择各类样本。实现耕地和园地草地（本文中考虑草地的分布面积较少，比较破碎，单独提取的效果并不理想，故与园地进行整合，统一划分为园地草地）的识别。

图2 地类波谱曲线图

图3 Landsat-8、GF-1影像及其NDVI提取的植被覆面对比

根据影像识别的结果（图5）统计后发现，2016年广州市植被覆面共计4313.2km2，占全市面积的58.02%，包括林地2507.83km2（33.73%），园林草地873.01km2（11.74%），耕地932.36km2（12.54%）。其中耕地面积较之2015年的954.11km2减少了约21.75km2，年均下降幅度由原来的2.66%减缓为2.27%，耕地被侵占现象有所缓和。

3.建设用地识别。作为城市生态系统的载体之一，建设用地（文中建设用地不同于规划定义，文中建设用地是从遥感影像纹理特征的角度来划分）随着城市扩张、城市化进程正在不断地由中心城区向周边蔓延。根据有关统计资料显示，近10年来，广州市的房屋建筑面积增加了约75%。这种高速的扩张，一方面虽然满足了城市经济发展的需要，但往往也会造成生态用地的占用等问题。近年来，利用夜间灯光数据DMSP/OLS、NPP-VIIRS等数据提取的城市空间特征信息，探讨城市格局及其变化过程日益成为研究焦点[17-20]。本文利用2016年的NPP-VIIRS灯光数据结合2016年的城市用地面积统计数据，使用阈值法提取城市建设用地。

图4 林地与非林地划分范围（局部）

图5 广州市各类植被遥感识别结果

具体的，设潜在的阈值（DNGZ）下的城市建设用地面积为SGZ，则：

式中: DNmax和DNmin分别为灯光强度亮度值的最大值和最小值；int表示取整。

在该阈值下的潜在城市建设用地面积SGZ (DNGZ)为：

式 中：DNi为介 于 DNGZ和DNmax之间的某一灯光亮度值；f(DNi)表示DNi亮度下的城市建设用地面积；S为同时期城市建设用地面积统计值；△SGZ(DNGZ)为二者的面积差值。如果△SGZ(DNGZ)>0，则DNmin=DNGZ；若△SGZ(DNGZ)<0，则DNmax=DNGZ。通过不断地与统计面积进行对比，更新阈值，最终确定一个与统计面积最为接近的灯光强度值作为最优提取阈值，提取的结果如图6所示。

图6 NPP VIIRS灯光数据提取建设用地范围

灯光数据提取的城市建设用地往往在会掩盖城市内部的细节特征，降低建设用地识别的准确性。因此，本文在使用灯光数据识别建设用地外，考虑到建设用地的遥感影像纹理特征比较复杂，单一的分类方法目前还无法有效、准确地提取城市建设用地，故采用归一化建筑指数法NDBI和监督分类相结合的方式对Landsat-8 OLI多光谱影像（30m分辨率）及GS全色融合后的多光谱影像（15m分辨率）进行建筑用地再识别，并将结果与灯光数据识别结果进行叠加处理（图7）。结果显示，广州市2016年的建设用地覆盖面积达到2479.68km2，比2008年广州建设用地影像识别结果[21]面积增加了约一倍。城市建设用地的高速扩张势必对生态用地产生极大的压迫。

图7 不同分辨率影像的NDBI提取效果对比图

上述提取的各类生态用地，利用0.1m的高分辨率航拍影像进行分类精度评价。2016年生态用地分类精度为78.23%，Kappa系数为0.78，识别结果基本符合精度要求。

（二） 生态风险评估

本文以4km×4km为一个样方，覆盖整个研究区范围并取样（图8）。借助ArcGIS的Patch Analyst扩展模块，分别提取各土地利用类型的斑块数目和面积并进行风险指数的计算，生成广州市2016年各土地利用类型的生态风险指数表（表1）。

表1 广州市土地利用类型生态风险指数

图8 2016年广州市生态风险小区划分

通过前文划定的生态风险小区及生态风险指数的计算公式，利用ArcGIS对广州市所划定的555个风险小区对2016年生态用地识别数据进行风险指数的计算。为了便于分析生态风险空间分布，通过指标法对风险指数进行等级划分。具体划分为5个等级：低生态风险度分区（ERI<0.2）、较低生态风险度分区（0.2≤ERI<0.4）、中生态风险度分区（0.4≤ERI<0.6）、较高生态风险度分区（0.6≤ERI<0.8）和高生态风险度分区（0.8≤ERI）[22]。从广州市生态风险等级空间分布（图9）可以看出，广州市生态风险呈现明显的多核圈层结构，主要有多核心的中心向外部逐渐降低。风险核心区多集中在东部和南部的南沙、番禺等区。整体上，风险区（中、较高及高风险区）占全局的30.99%，低风险区（低及较低风险区）占69.01%。

图9 广州市2016年生态风险度分区

从空间分布上来看，广州市生态高风险区主要集中在东部的增城区南部和中部、从化区街口镇、白云区北部和南沙区南部。这些区域是城市扩张最剧烈的区域，快速的城市化进程，加速了生态用地的剧烈变动，导致在这些区域的生态风险指数上升，形成了高生态风险区。而低风险区则主要位于广州北部的从化区和广州以越秀、荔湾、海珠为代表的老城区。从化区地处广州市的东北部，东与惠州市、广州增城区接壤，南跟白云区毗邻，西同清远市、广州花都区相连，北则跟清远市、韶关市相接[23]。南端的太平镇北回归线横穿而过，雨水丰富，气候宜人。以珍稀温泉闻名于世的从化区，素有“中国温泉之都”的美称，甚至有人称其为“北回归线上的明珠”。区内坐拥1200km2的青山，森林覆盖率达到67.2%。境内有100多处湖泊水库，旅游景区近20处，其中不乏多处国家4A级和3A级旅游景区。其中流溪河国家森林公园、石门国家森林公园、流溪温泉旅游度假区作为重点生态旅游区已经久负盛名。优越的生态环境，使得该区域的生态风险指数较低，形成了广州市北部生态低风险区域。与之对应的荔湾、越秀、海珠等老城区由于早已完成了城市化进程，城区绝大部分是建筑用地，因此并未纳入生态用地范畴，形成了以老城区为核心的中心城区生态低风险区域。

五、结论与讨论

本文在综合多种遥感影像地物信息提取方法的基础上，基于多源遥感数据采用了一种监督分类法与综合指数法相综合的复合提取方案，对广州市2016年的生态用地进行了空间识别。在识别的过程中，分别利用了Landsat-8 OLI、GF-1、NPP VIIRS及航拍高分辨率影像等多源数据，并结合一系列辅助数据，针对各类生态用地的特征，按照“水体、植被、建筑”的次序提取生态用地。结果显示，2016年广州市生态用地中，植被覆面共计4313.2km2，占全市面积的58.02%，水体覆面约有581.38km2，占全市面积的7.82%。其中耕地较之2015年减少了约21.75km2，年均下降速率由原来的2.66%（2005—2015年）减缓为2.27%，耕地侵占现象有所缓和。而非生态用地的建设用地面积约占全市总面积的33.35%，比2008年增加了约一倍，城市生态压力不容乐观。

此外，本文还借助生态风险小区空间化及生态风险指数数值化方法，对广州2016年的生态风险进行了评估。结果表明，广州市生态风险呈现明显的多核圈层结构，由多核心的中心向外部逐渐降低，风险区（中、较高及高风险区）占全局的30.99%，低风险区（低及较低风险区）占69.01%。这些风险区多分布在城市化进程剧烈的南沙区和增城区，需要格外注意在城市发展过程中的生态保护。

虽然本文在生态用地识别中尝试了多种遥感数据，但是在具体的识别过程中，还存在着诸多不足，其中如何平衡影像空间分辨率和地物识别效率的问题就格外突出。高分辨率的影像（例如高分辨率的航拍影像）虽然在地物识别上有着无可比拟的优势，纹理细节丰富，可判读性强，但是在自动识别地物过程中，往往存在计算量大、数据输出慢等问题，限制了高分辨率影像在地物识别上的应用。这些问题还需要进一步的进行对比研究，找到一个平衡点，在保证地物识别精度的基础上，使其处理效率最优。

[1]吝涛. 厦门岛城市空间扩张特征及其影响因素分析[J]. 地理学报, 2010. 65(6): p715-726.

[2]杨晓娟. 1949-2005年中国大城市空间扩张与用地结构转化研究[D]. 兰州大学, 2008.

[3]朱学新,段进军. 中国城市空间扩张与空间转型思考[J]. 苏州大学学报:哲学社会科学版, 2012. 33(5):p46-51.

[4]岳文泽,汪锐良,范蓓蕾. 城市扩张的空间模式研究——以杭州市为例[J]. 浙江大学学报理学版, 2013.40(5): p596-605.

[5]彭顺喜等. 用遥感定量研究城市扩张空间模式对城市生态环境影响的初探[J]. 矿产与地质, 2006.20(6): p659-663.

[6]麦少芝. 基于多源空间数据的广州市生态环境综合评价与分析[D]. 华南师范大学, 2005.

[7]赵微,郭玲霞,黄朝禧. 武汉市生态用地规模预测方法研究[C]. 全国中青年农业经济学者年会. 2010.

[8]岳健,张雪梅. 关于我国土地利用分类问题的讨论[J]. 干旱区地理(汉文版), 2003. 26(1): p78-88.

[9]韩冬梅. 临沂市生态用地规划布局研究[D]. 河北师范大学, 2007.

[10]翟天林. 基于多源遥感影像融合的武汉市土地利用分类方法研究[J]. 长江流域资源与环境, 2016.25(10): p1594-1602.

[11]李明玉,田丰昊,董玉芝. 延龙图地区城市生态用地生态重要性空间识别与保护[J]. 地理科学, 2016.36(12): p1870-1876.

[12]于化龙等. 基于景观结构的土地利用生态空间特征及风险评估——以怀来县为例[J]. 水土保持研究,2016. 23(3): p155-163.

[13]王姣. 珠江三角洲地区城市建成区扩展时空过程及影响因素[D]. 中国科学院研究生院(遥感应用研究所), 2006.

[14]王瑞国等. 高分辨率卫星遥感数据在城市绿地现状调查中的应用[C]. 2008中国城市规划年会. 2008.

[15]王佳. 内黄县耕地利用生态风险评价[D]. 河南大学, 2010.

[16]别强,何磊,赵传燕. 基于影像融合和面向对象技术的植被信息提取研究[J]. 遥感技术与应用, 2014.29(1): p. 164-171.

[17]杨眉等. DMSP/OLS夜间灯光数据应用研究综述[J]. 遥感技术与应用, 2011. 26(1): p45-51.

[18]何春阳等. 基于夜间灯光数据的环渤海地区城市化过程[J]. 地理学报, 2005. 60(3): p409-417.

[19]舒松等. 基于夜间灯光数据的城市建成区提取方法评价与应用[J]. 遥感技术与应用, 2011. 26(2):p169-176.

[20]徐梦洁等. 基于DMSP/OLS夜间灯光数据的长江三角洲地区城市化格局与过程研究[J]. 国土资源遥感, 2011. 23(3): p106-112.

[21]周倩仪. 基于GIS与RS的近20年广州市城市建设用地扩展研究[D]. 广州大学, 2010.

[22]王瑞强. 海岸带景观格局变化和生态风险评价——以海南省陵水县为例[D]. 海南师范大学, 2011.

[23]赵子亮. 农村耕地抛荒的影响因素及治理研究[D]. 暨南大学, 2015.

作者简介：郑子豪，硕士研究生，广州大学地理科学学院、广东省地理国情监测与综合分析工程技术研究中心，主要研究方向为遥感与GIS分析应用。陈颖彪（通讯作者），教授，硕士生导师，广州大学地理科学学院、广东省地理国情监测与综合分析工程技术研究中心，主要研究方向为GIS与遥感综合运用。吴志峰，教授、博导，广州大学地理学院院长、广东省地理国情监测与综合分析工程技术研究中心主任、国际景观生态学会中国分会副理事长、广东省遥感与GIS学会副理事长，主要研究方向为城市生态与人居环境、城市遥感与空间分析等。胡应龙，硕士研究生，广州大学地理科学学院、广东省地理国情监测与综合分析工程技术研究中心，主要研究方向为三维GIS。

（责任编辑：李钧）

The Ecological Land Identification and Ecological Risk Assessment Based on Multi-Source Remote Sensing Image

Zheng Zihao, Chen Yingbiao, Wu Zhifeng, Hu Yinglong

With the continuous advancement of urbanization and the expansion of construction land, the urban ecological space is changing dramatically. A large number of land with ecological value and service function has been occupied to meet the temporary urban construction needs. The disappearance of ecological land will inevitably affect the regional ecological balance and lay a hidden danger for the healthy development of the regional economy in the long term. In Guangzhou, the central city of Southern China, the influx of foreign population has caused frequent changes in land use since the reform and opening up, which has laid great pressure on ecological environment protection. This paper uses the combined method of supervised classification and comprehensive index to identify the ecological land of Guangzhou in 2016 and get the current storage quantity of Guangzhou ecological land based on multisource remote sensing image. Moreover, we evaluate the ecological risks of Guangzhou through the ecological risk community and ecological risk landscape index. The ecological risk of Guangzhou presents obvious multi-core structure which was gradually reducing from the center of the outside.

ecological land; multi-source remote sensing; ecological risk assessment;Guangzhou

F301.2

10.3969/j.issn.1674-7178.2017.03.002

广东省科技计划项目“城市不透水面遥感提取技术系统”，项目编号: 2016A050502065。