《Environmental and Sustainability Indicators》：An automated framework for RSEI-based spatiotemporal assessment of ecological quality: a case study in Qinghai Province, China
编辑推荐：
长期生态质量评估日益依赖遥感，但仍需要可复现的工作流，以透明方式连接卫星预处理、生态指数构建、空间格局分析、趋势诊断、轨迹刻画和驱动关联。本研究实施了一个基于遥感生态指数（remote-sensing ecological index, RSEI）的自动化、模
长期生态质量评估日益依赖遥感，但仍需要可复现的工作流，以透明方式连接卫星预处理、生态指数构建、空间格局分析、趋势诊断、轨迹刻画和驱动关联。本研究实施了一个基于遥感生态指数（remote-sensing ecological index, RSEI）的自动化、模块化时空评估工作流，并将其应用于中国青海省2000—2024年。该工作流在统一流程中集成了卫星观测年度合成、基于主成分分析（principal component analysis, PCA）的RSEI构建、Global and Local Moran’s I分析、趋势显著性检测、Hurst持续性诊断、非线性轨迹建模以及基于GeoDetector的多驱动关联分析。应用结果表明，青海生态质量总体改善，但恢复呈强非线性和阶段依赖性。识别出四个阶段：稳定调整（2000—2005）、持续改善（2005—2010）、波动退化（2010—2015）和恢复增强（2015—2024）。正向轨迹占全省94.91%，以突变和曲线形式为主，表明改善更多呈阶跃式或非线性而非平滑线性。生态质量还表现出持续正空间自相关和稳定的西北—东南梯度。降水对改善和退化的解释力均最高，其次是潜在蒸散、温度、土壤和人类压力。大部分区域被归类为历史上持续轻微或显著改善。本研究并非提出新的生态指数或统计算法，而是展示如何将既有RSEI相关方法组织为自动化、可复现且可转移的工作流，用于长期生态质量监测。
论文解读
研究背景与问题：青海省位于青藏高原东北部，是长江、黄河和澜沧江（湄公河）源头区，对全国及下游亚洲生态安全具有关键作用。其高海拔、干旱至半干旱气候和显著环境异质性使生态系统对气候变化和人类扰动高度敏感。近几十年来，冰川退缩、荒漠化、土壤侵蚀、草地退化和生境破碎化对生态系统稳定和区域可持续性构成挑战；同时，三江源、青海湖流域、祁连山等重点区域实施大规模生态保护修复。遥感生态指数（remote-sensing ecological index, RSEI）已成为生态质量综合指标，Google Earth Engine（GEE）使长期卫星档案可扩展、标准化、自动化处理。然而原文指出三个缺口：多数RSEI研究聚焦特定流域、城市、山系或生态功能区，省级尺度、长时序、多生态系统类型的集成评估有限；已有研究通常强调一个或几个分析组件，如年度指数构建、均值比较、趋势分析、空间自相关或驱动探测，很少整合为统一、透明、可复现工作流；生态质量变化不一定是简单线性，可能包含阶段转移、突变、恢复停滞或阈值响应，均值比较或单一趋势指标难以捕捉时间形式和潜在风险。因此，研究人员开发基于RSEI的自动化时空评估框架，并以青海为测试区，目标为：表征2000—2024年生态质量时空格局；识别变化的显著性、持续性和时间形式；量化生态改善和退化区的主导关联因子及其交互。其意义在于提供可复现、可扩展、可转移的长期生态质量评估方法。
关键技术与方法概述：研究人员在GEE中处理MODIS MOD09A1、MYD09A1地表反射率及MOD11A2、MYD11A2白天LST产品，进行云、雪和质量筛选并年度合成，目标区外扩10-km缓冲，反射率500 m、LST 1 km。下游用Python/ArcPy提取绿度NDVI、湿度WET、干度NDBSI和热度LST，最小—最大归一化后经主成分分析（PCA）构建PC
1，定向并重标为RSEI。随后用Global及Local Moran’s I/LISA、EcoBound v3.20中Sen’s slope和Mann–Kendall、Hurst指数、线性/二次/阶跃轨迹AIC选择和GeoDetector因子及交互探测。数据来源为MODIS/GEE年度合成，未涉及临床样本队列。
研究结果：
3.1 基于RSEI的生态质量时空演变：通过年度RSEI均值与等级组成，研究人员发现2000—2024年青海生态质量总体改善但轨迹明显非线性，分为稳定调整（2000—2005）、持续改善（2005—2010）、波动退化（2010—2015）和恢复增强（2015—2024）四阶段；差和一般等级下降，中至优等级扩大，2010—2015有短期逆转。空间上持续西北—东南梯度，差/一般集中于西北和北部，好/优主要在东部、东南和有利山谷，中等为全省背景。
3.2 基于RSEI的生态质量空间格局分析：Global Moran’s I持续较高，表明年度RSEI存在持续正空间自相关；早期略增强，中期较高，末期略弱但仍强聚类。LISA显示Low–Low聚类集中在西北，High–High主要在东南等生态有利区，High–Low和Low–High位于生态过渡区。
3.3 基于RSEI的生态质量非线性轨迹建模：像素级轨迹分析显示正轨迹占94.91%，负和中性分别4.12%和0.97%。正轨迹以突变和曲线为主，负轨迹以曲线和突变为主，说明改善多为阶跃/非线性而非平滑线性，退化多为波动或突变。空间上正轨迹遍布全省，负轨迹集中于边缘和局部斑块。
3.4 基于RSEI的生态质量持续性诊断与基于持续性的变化趋势：结合Sen’s slope和Hurst发现，早期改善与退化并存且局部退化较明显，后期改善区扩大、持续性增强。全期以持续正向变化为主，未来变化分区多数为持续轻微或显著改善，持续退化局限少数局部；无明确持续性区域主要在生态过渡区和强异质区。
3.5 改善和退化区多驱动关联分析：GeoDetector显示改善区降水解释力最高（q=0.764），其次土壤pH（q=0.527）、潜在蒸散（q=0.414）、温度（q=0.374）、海拔（q=0.348）、粉粒（q=0.329）和人类足迹（q=0.304）。退化区降水仍最高（q=0.625），其次潜在蒸散（q=0.531）、年均温（q=0.494）、道路密度（q=0.394）和人类足迹（q=0.363）。交互探测表明双因子组合解释力高于单因子；改善区最强交互为降水与潜在蒸散、海拔、温度或土壤pH，退化区为降水与道路密度、海拔，温度与人类足迹，潜在蒸散与道路密度。降水是两类区域最重要的关联因子。
讨论部分总结：
4.1 总体格局与生态解释：青海生态质量改善但非线、非均匀，西北—东南梯度受水热和地形模板约束。与其他尺度研究比较显示，改善比例不可直接比较，因为空间范围、分辨率、观测期、处理、响应指标和分类规则不同。非线性可能与植被、土壤水文和陆气交换相互作用一致，但原文未直接测试。2010—2015波动退化被解释为生态敏感性升高，而非弹性丧失的直接证据。轨迹类别是时间描述符，不证明阈值、状态转换或弹性变化。
4.2 气候关联与空间异质性：GeoDetector对降水、潜在蒸散和温度赋予高解释力，符合高原草地动态和陆气耦合证据；但q统计量只衡量分层预测因子与响应空间变异的对应，不能确立方向、分离相关变量或识别反馈，因此视为特定离散化和分区方案下的条件空间关联，而非因果效应。因子重要性尺度依赖。东西差异可能涉及水文和陆气交换，但需水分示踪、通量观测和过程模型。
4.3 对生态监测与恢复的启示：表面状况、轨迹稳定性和干预优先级应分开。高或升高RSEI可识别巩固候选区，但不证明高弹性或长期稳定。曲线、逆转或局地退化轨迹应优先高分辨率与野外验证，尤其高山湿地、干旱边缘、河岸廊道及人类压力与生态脆弱重叠区。有利区应保护恢复植被和景观连通性；水限制或扰动敏感区需控牧、水土保持和靶向修复。监测应检验土壤保持、水分调节和群落稳定性等功能，而非仅绿度增加。自动化工作流可转移至有一致卫星档案的山地、干旱和半干旱区，但指标、尺度和验证需重新校准，且不能单独评价恢复成效。
4.4 方法贡献与局限：贡献是工作流级集成与可复现，而非新组件算法。局限包括RSEI继承四分量敏感性，NDVI饱和和短期降雨响应、WET为光谱代理、NDBSI混淆裸土与建筑、白天LST受观测条件影响；MODIS 500 m反射率和1 km温度造成尺度聚合与混合像元；年度最小—最大归一化和PCA形成移动年际参考，PC
1解释72.08–89.79%方差；高海拔云雪季风使年度合成不确定；GeoDetector和Hurst等关联与时间模块为诊断性，非因果或预测；缺乏独立生态验证。需多分辨率、离散化、轨迹惩罚敏感性分析和空间明确不确定性评估。
研究结论翻译：总之，青海遥感生态状况在2000—2024年总体改善，但变化是非线性的、空间结构化的且仅部分持续。降水、潜在蒸散和温度是最强空间关联梯度，但这些关联并不识别气候、恢复或人类压力的因果效应。主要贡献是一个可复现工作流，其分离生态状态制图、空间结构、趋势显著性、持续性、轨迹形式和多因子关联。与本地校准指标、多分辨率检查和独立生态验证结合使用，该工作流可支持其他山地生态系统和大型恢复项目的分层监测；单独使用时，应被视为筛查和假设生成框架，而非生态机制或恢复成功的证明。
