改进遥感生态指数（MRSEI）揭示红河流域生态环境质量与传统村落的时空耦合
改进遥感生态指数（MRSEI）揭示红河流域生态环境质量与传统村落的时空耦合
中国西南部的红河流域（RRB）是一个关键的跨界生态屏障和多民族文化遗产热点。监测生态环境质量（EEQ）的时空动态对区域可持续性至关重要。然而，传统的遥感指数在高泥沙流域和干热河谷中常遭受光谱饱和与土壤背景干扰。为了解决这些限制，研究人员开发了一种专门针对红河流
中国西南部的红河流域（RRB）是一个关键的跨界生态屏障和多民族文化遗产热点。监测生态环境质量（EEQ）的时空动态对区域可持续性至关重要。然而，传统的遥感指数在高泥沙流域和干热河谷中常遭受光谱饱和与土壤背景干扰。为了解决这些限制，研究人员开发了一种专门针对红河流域的改进遥感生态指数（MRSEI）。MRSEI整合了土壤调整植被指数（SAVI）和荒漠化监测指数（DMI）以减轻背景辐射并捕捉地表沙暴露。利用2000年至2025年的Landsat时间序列影像，结合Sen斜率、Mann-Kendall趋势检验和最优参数地理探测器（OPGD），研究人员量化了EEQ的长期演变并分析了其与流域内131个国家级传统村落的时空耦合。研究结果揭示了三个主要发现。第一，EEQ遵循V形演变轨迹，平均MRSEI从2000年的0.45下降到2010年的0.42，然后恢复到2025年的0.58，这是由集约农业扩张向生态恢复政策转变驱动的。第二，研究人员观察到高密度村落集群与优质生态区（MRSEI
0.6）之间存在显著的时空耦合，支持了根植于传统生态知识（TEK）的“栖息地优化”选址概念。第三，自然因素，特别是坡度和降水（q
0.3），定义了生态基线，而城市化与国内生产总值（GDP；q = 0.43）的协同交互作用成为主要的人为压力源。总体而言，这些发现阐明了乡土聚落适应的生物物理基础，并为全球复杂河流系统中生态安全与文化遗产的综合保护提供了一个定量框架。
**论文解读：改进遥感生态指数（MRSEI）揭示红河流域生态环境质量与传统村落的时空耦合**
红河流域（Red River Basin, RRB）作为中国西南部重要的跨界生态屏障和多民族（哈尼族、彝族、傣族等）文化遗产聚集区，长期以来承载着人类与自然环境的协同演化。传统村落的空间分布、建筑形态与生态环境质量（Eco-environmental Quality, EEQ）之间的耦合关系，是理解社会-生态系统（Social-Ecological Systems, SES）适应性的核心议题。然而，现有研究多将遥感生态监测与文化遗产保护分开进行：一方面，传统遥感生态指数（Remote Sensing Ecological Index, RSEI）在干热河谷、高泥沙沉积流域中普遍存在光谱饱和与土壤背景干扰问题，导致对植被覆盖和地表退化过程的低估；另一方面，对传统村落的研究多停留在静态遗产保护层面，缺乏对生态梯度与聚落选址、建筑类型之间定量耦合机制的探讨。因此，亟需开发一种针对特定流域环境（如红河流域的干热河谷和高泥沙特征）的改进遥感监测框架，以揭示EEQ长期演变规律及其与传统村落分布之间的内在联系，为生态安全与文化遗产的协同保护提供科学依据。
针对上述问题，研究人员开发了改进遥感生态指数（Modified Remote Sensing Ecological Index, MRSEI），该指数通过引入土壤调整植被指数（SAVI）替代归一化植被指数（NDVI）以减弱土壤背景噪声，并新增荒漠化监测指数（Desertification Monitoring Index, DMI）以捕捉地表沙暴露和物理风化过程。利用2000–2025年间的Landsat系列影像（TM/OLI/OLI-2），结合Sen斜率估计、Mann-Kendall趋势检验和最优参数地理探测器（Optimal Parameters-based Geographical Detector, OPGD），研究人员系统量化了红河流域EEQ的时空演变，并分析了其与131个国家级传统村落的空间耦合。研究得到三项核心结论：（1）EEQ呈现V形演变轨迹——平均MRSEI从2000年的0.45下降至2010年的0.42（由集约农业扩张驱动），随后在生态恢复政策（如退耕还林）作用下恢复至2025年的0.58；（2）高密度传统村落集群与优质生态区（MRSEI>
0.6）存在显著空间耦合，验证了根植于传统生态知识（Traditional Ecological Knowledge, TEK）的“栖息地优化”选址逻辑；（3）自然因素（坡度和降水，q>
0.3）构成生态基线，而城市化与国内生产总值（Gross Domestic Product, GDP）的协同交互（q = 0.43）成为主导的人为压力源。该研究发表于《Ecological Indicators》。
研究人员采用多源数据集：Landsat 5/8/9影像（来自美国地质调查局USGS，2000–2025年，每5年一期，共6期，每期16景，云量
<10%），数字高程模型（dem，30m分辨率，来自地理空间数据云gdc），土地利用/覆盖数据（30m，来自中国科学院资源环境科学与数据中心resdc），以及社会经济数据（人口密度、gdp、夜间灯光指数dmsp/ols和snpp-viirs，1km分辨率）。核心方法包括：（1）mrsei构建——通过主成分分析（pca）融合五个生态指标（savi、wet、lst、bsi、dmi），第一主成分（pc1）解释78.94%方差；（2）sen-mk趋势分析——计算sen斜率β和mann-kendall统计量z，判断时空变化趋势；（3）opgd模型——包含因子检测（q统计量）、交互检测（双因子交互作用）和风险检测（最优因子分层），空间尺度优化为5km，连续变量采用自然断点法离散化；（4）核密度估计（kde）与缓冲区分析——分析传统村落分布密度与eeq等级的空间对应关系。
通过PCA对五个归一化生态指标（SAVI、WET、LST、BSI、DMI）进行融合，PC1贡献78.94%方差。载荷显示：WET正向贡献，而SAVI、BSI、LST、DMI为负向贡献，符合生态退化随裸土、高温、沙尘增加而加剧的规律。MRSEI空间分布显示：上游高海拔植被区为优质区，中下游干热河谷和农业区为较差区。
MRSEI均值从2000年的0.45下降至2010年的0.42（年均降0.4%），随后恢复至2025年的0.58（年均增1.2%），呈V形恢复轨迹。2010年之前退化主要由耕地扩张（人类干扰）导致，2015年之后恢复归因于退耕还林等生态政策。
Sen-MK趋势分析显示：2000–2005年退化面积比例最高（49.17%），集中于中下游河谷；2015–2020年改善面积比例升至51.88%，主要出现在上游高海拔植被区和关键生态治理区。生态等级转移矩阵表明，劣化与改善并存，但整体改善趋势增强。
- **因子检测**：自然因素中，坡度和降水（q>
0.3）为宏观生态基线；社会经济因素中，GDP和城市化率（q显著）为重要人为压力。
- **交互检测**：所有因子交互作用均增强解释力，其中GDP与城市化率的交互（q = 0.43）最突出，表明经济与人口压力协同加剧土地利用变化对生态质量的负面影响。
- **风险检测**：最优生态质量对应的自然因子分层为：坡度15.2°–29.1°、海拔1600–2310 m、温度10.2–27.8°C、降水800–1200 mm；而社会经济因子（GDP、人口密度、夜间灯光）越高，生态质量越差。
- **3.5.1 EEQ与传统村落分布的空间相关性**：优质和良好等级（MRSEI>
0.6）区域传统村落核密度高，而较差等级区域村落稀疏，验证了历史聚落对优良生态条件的依赖。
- **3.5.2 建筑类型的环境适应**：建筑类型沿EEQ梯度呈现分化——优质区（0.8–1.0）为蘑菇房（Mushroom House）和井干式（Log Construction），适应高湿多雨；良好区（0.6–0.8）为一颗印（Yi Keyin）和四合院（Si He Yuan），利用封闭布局营造微气候；中等区（0.4–0.6）为土掌房（Rammed-Earth Dwelling）和干栏式（Stilt Dwelling），增强防潮通风；较差区则混合或非典型。这一梯度最终汇聚为哈尼梯田“森林-村落-梯田-水”四要素共生系统（forest-village-terrace-water system），体现了传统生态知识（TEK）的循环反馈机制。
讨论部分强调：MRSEI通过引入SAVI和DMI，有效克服了干热河谷中NDVI的光谱饱和与土壤背景干扰，PC1高方差贡献率（78.94%）验证了多因子融合的稳健性。OPGD分析揭示自然因素（坡度和降水）设定生态基线，而城市化与GDP的交互（q=0.43）是主要人为压力源，这一非线性协同效应加剧了土地利用变化对生态质量的冲击。传统村落的空间耦合证实了“栖息地优化”选址逻辑，并展示了建筑类型作为生态适应策略的实证证据。研究还指出，MRSEI的湿度分量通过双线性插值重采样可能引入空间平滑伪影，未来可采用更高分辨率热红外影像（如ECOSTRESS）改进；OPGD不能建立因果机制，需结合结构方程模型等。此外，未来应扩展至未登记的传统村落，并评估气候变化对生态阈值（海拔1600–2310 m，坡度15.2°–29.1°）的影响。
**研究结论翻译**：本研究超越了描述性趋势分析，建立了红河流域生态动态与传统景观韧性之间的定量联系。从2000年到2025年，流域的生态环境质量呈现V形轨迹——由于集约农业，MRSEI从0.45下降至2010年的0.42，随后在恢复政策下反弹至2025年的0.58。值得注意的是，131个国家级传统村落始终与优质生态区（MRSEI
0.6）重合，验证了传统生态知识的“栖息地优化”逻辑。本研究的三项核心贡献为：方法上，MRSEI整合SAVI和DMI克服了光谱与土壤干扰（78.94%方差），为其他干热河谷河流系统提供了可转移框架；理论上，量化了传统建筑如何体现数百年的生物文化韧性；实践上，OPGD分析表明坡度和降水设定生态基线），而城市化–GDP协同（q = 0.43）是主要压力源，为空间分区和综合规划提供了指导。未来研究应关注四个优先方向：（1）利用更高分辨率热影像（如ECOSTRESS）改进MRSEI以减少平滑伪影；（2）用结构方程模型等因果方法补充OPGD；（3）开展野外调查纳入未登记的传统村落；（4）研究气候变化如何改变已识别的生态阈值（海拔1600–2310 m，坡度15.2°–29.1°）并影响乡土韧性。推进这些方向将使该框架从回顾性评估转变为预测性工具，以在未来环境变化下保护生态安全与文化遗产。