地质研究与环境保护（测绘通报张玉娟）

地质研究与环境保护（测绘通报张玉娟）摘要：本文以哈尔滨市为研究对象，首先构建了景观生态风险及预测模型；然后对1998—2018年景观生态风险时空变化驱动力进行分析；最后对研究区域2023年景观生态风险空间分布进行预测。结果表明：①研究区域近20年景观生态风险先降低后升高，空间格局变化较为显著。②道路距离、第二产业、农业、高程为景观生态风险变化主要驱动力。1998—2008年，主城区周围道路距离系数逐年减小，南部地区逐年增高，其他时间内未见明显变化；农业和高程对区域景观生态风险的总体影响显著，存在空间差异；第二产业对区域景观生态风险影响程度呈现先增后降的变化。③预测所得的2023年景观生态风险空间差别不明显，降低区域比升高区域面积大。。摘要基金项目：黑龙江省博士后专项经费（LBH-Q20171）；黑龙江省省属本科高校基本科研业务费（2020CX01）；黑龙江工程学院省级领军人才梯队培育计划（2020LJ01）；国家自然科学基金

本文内容来源于《测绘通报》2022年第2期，审图号：GS（2022）676号

哈尔滨市景观生态风险时空变化驱动力及分布预测

张玉娟

曲建光 侯建国

黑龙江工程学院测绘工程学院 黑龙江 哈尔滨 150050

基金项目：黑龙江省博士后专项经费（LBH-Q20171）；黑龙江省省属本科高校基本科研业务费（2020CX01）；黑龙江工程学院省级领军人才梯队培育计划（2020LJ01）；国家自然科学基金（31800538）

关键词：景观生态风险 生态服务价值 地理加权回归 灰色预测 哈尔滨市

引文格式：张玉娟 曲建光 侯建国. 哈尔滨市景观生态风险时空变化驱动力及分布预测[J]. 测绘通报，2022(2)：83-89 94. DOI: 10.13474/j.cnki.11-2246.2022.0048.

摘要

摘要：本文以哈尔滨市为研究对象，首先构建了景观生态风险及预测模型；然后对1998—2018年景观生态风险时空变化驱动力进行分析；最后对研究区域2023年景观生态风险空间分布进行预测。结果表明：①研究区域近20年景观生态风险先降低后升高，空间格局变化较为显著。②道路距离、第二产业、农业、高程为景观生态风险变化主要驱动力。1998—2008年，主城区周围道路距离系数逐年减小，南部地区逐年增高，其他时间内未见明显变化；农业和高程对区域景观生态风险的总体影响显著，存在空间差异；第二产业对区域景观生态风险影响程度呈现先增后降的变化。③预测所得的2023年景观生态风险空间差别不明显，降低区域比升高区域面积大。。

正文

生态风险评价是一种能有效支持生态系统管理的工具，可为生态系统保护和管理提供决策支持^[1-2]。景观生态风险(LER)研究注重生态风险的尺度效应及时空异质性，无需依赖大量实测数据，以景观格局分析为基础，表达生态风险的时空异质性^[3-4]。在具体途径上，通常对研究区进行风险小区划分^[5]，也可根据研究需要基于流域或行政区划分^[6]。如文献[7-9]采用不同的景观格局指数构建LER模型对区域、流域生态风险进行了分析。生态服务价值(ESV)是生态系统提供给人类生存与发展所需要的各种效用，满足作为生态风险评价的条件，因此可以将其放在LER的构建中^[10]。

当前，研究主要集中在土地利用变化、景观格局变化、城镇扩展等驱动力^[11-13]上，对于影响LER变化因素的研究较少。在为数不多的LER驱动力研究中，大多数学者采用定性的方法，结合可能引起LER的几种因子分析对LER的影响^[14]。也有个别学者对各因子进行分级，统计各分级下LER值，将两者进行相关分析，获得LER与各因子的等级变化关系^[15]。一方面，现有LER时空变化驱动力研究方法多基于定性分析，缺乏定量的分析方法；另一方面，由于地理空间数据具有空间非平稳性，进行LER驱动力相关分析时，缺乏具有地理参考的分析方法。地理加权回归模型(GWR)考虑了地理空间数据的空间非平稳性，近年多用于具有地理差别的研究中。如文献[16]利用GWR分析了ESV驱动因素，文献[17]利用GWR研究了生境质量对土地利用变化的响应。由于缺乏变量空间自相关性指导，当前学者们利用GWR进行驱动力分析时均采用调整型的高斯核函数作为空间权重函数，AIC法作为带宽确定方法。

对LER预测方面，国外相关研究主要集中在生态预报方面。如文献[18]运用Mechanistic-Empirical方法对切萨皮克海湾生态系统进行了短期预报，文献[19]对Hemimysis Anomala入侵北美产生的生态影响进行了预测。国内在近年才开始相关研究，目前大多LER预测一般采用两种预测方式。一种是基于Markov模型或土地利用规划预测研究区域土地利用或景观格局，根据预测结果采用LER公式计算研究区域、包含的行政子区域或网格单元LER^[20-23]。该方法在进行整个区域LER预测时具有较好的预测能力，但对于局部区域预测能力较弱，尤其当进行小区域划分时，针对小区域预测效果较差，甚至会出现相反的预测结果。另一种方式是采用BP神经网络模型或灰色预测模型对区域LER进行预测^{[14 24]}。灰色预测模型在进行基于少样本数据预测时具有较好的预测功能，但目前只能针对整个研究区域进行LER预测，无法实现基于单元网格的LER预测，即无法预测LER空间分布。

2016年3月，国务院批准了《哈长城市群发展规划》，将哈尔滨市定位为城市群核心城市、“东北亚区域中心城市”。同时，作为“一带一路”节点区域、第一条欧亚大陆桥和空中走廊的重要枢纽、国家战略定位的“沿边开发开放中心城市”，哈尔滨市在提升东北对外开放水平中发挥重要作用。《哈长城市群发展规划》强调要科学规划城市空间布局，实现生态环境共建、开放合作共赢。但近年来，哈尔滨市土地利用覆被不断变化，自然—人工复合生态系统变得脆弱，间接影响城市群乃至松花江流域的生态安全。因此，本文以哈尔滨市为研究区，首先将生态服务价值(ESV)作为评价终点引入LER评价中，利用满足空间相关性的ESV 7000 m和3500 m两个尺度，同时采用GWR进行LER驱动力分析，以确定空间权重邻域范围，然后构造基于单元网格的LER预测模型对研究区域LER空间分布进行预测。

1 研究区概况及数据源1.1 研究区域概况

哈尔滨市地处东北平原东北部地区，总面积约为5.1万km²，属北温带季风气候区，大陆性气候特点明显，多年平均降水量一般约500 mm，汛期6—9月的降水量占全年的60%~80%，冬季(12月—次年2月)降水量仅约为全年的5%。

1.2 数据源及处理

利用地理空间数据云获取研究区域1998—2018年5期Landsat TM/ETM /OLI遥感影像，轨道号为116/28、116/29、117/28、117/29、118/28、118/29，以及30 m×30 m DEM数据。并通过购买、年鉴查询等方式获取部分国土资源二调数据、道路及河流分布数据、外业调查补充数据、研究区县级边界矢量数据、气象数据(降水量，平均气温等)、各类社会经济数据等。根据国家一级土地利用分类标准，结合哈尔滨市主要土地利用方式，将研究区土地利用类型划分为建设用地、水域、林地、草地、耕地和未利用地6种。以ENVI 5.3软件为平台，对研究区域5期影像进行辐射定标、大气校正、镶嵌裁剪等数据处理工作。根据野外考察及相关资料，利用最大似然法进行监督分类，获得区域5期景观类型分布图，5期影像的总体分类精度分别为85.62%、86.58%、87.83%、85.92%和90.76%。通过像元二分法获得植被覆盖度；通过坡度、高程计算工具，基于DEM提取坡度、高程数据；通过ArcGIS 10.3缓冲区工具，分别基于道路、河流、主要居民点分布数据生成与道路、河流、主要居民点的距离分级图。

2 研究方法2.1 ESV计算

结合文献[25]给出的ESV计算方法，同时参考文献[26]关于单位面积ESV当量表修订方法对本文研究区域单位面积ESV当量表、当量因子进行修正，计算区域ESV，公式如下

(1)

式中，ESV为生态服务价值总量；VC_ij为第i类景观对应第j类型服务的单位面积ESV；S_i为研究区第i类景观类型面积，单位为hm²；n为景观类型个数。

2.2 LER评价体系构建

由景观干扰度、人为胁迫度、ESV复合构建LER评价体系。其中景观干扰度、人为胁迫度为LER正向因素；ESV为LER负向因素。

景观干扰度的公式如下

(2)

式中，LDD为景观干扰度；LC为景观破碎度指数；LV为景观分离度指数；LD为景观分维数指数；x₁、x₂和x₃分别为LC、LV和LD的权重。

人为胁迫度的公式如下

(3)

式中，PS为人为胁迫度；PD为归一化人口密度；S_con为建设用地面积；S_cul为耕地面积；S_total为总面积；y₁和y₂分别为PD和

的权重。

景观生态风险的公式如下

(4)

式中，LER为景观生态风险；w₁、w₂、w₃分别为LDD、PS和ESV的权重。

为消除不同量纲影响，运算前各因子均进行标准化处理，各权重采用结合层次分析法的专家经验法确定。

2.3 LER驱动力模型

地理加权回归模型是在传统的回归模型基础上，考虑地理空间非平稳性而扩展得到的回归模型，与传统数理统计的全局回归模型相比，其优势在于每一个研究单元的回归系数均有一个单独的值，可以更好地反映出每个驱动因素对不同研究单元的影响程度，以掌握驱动因素的空间差异。地理加权回归模型具体公式如下

(5)

式中，(u_n v_n)为第n个网格中心点坐标；x_nk为第k个驱动因子在第n个网格的值；k为驱动因子个数；n为网格数；ε_n为残差；β₀(u_n v_n)为函数β_n(u_n v_n)在第n个网格的值。

在运用ArcGIS软件进行地理加权回归时，考虑本文要素样本为均匀分布网格单元，选择Fixed核函数，通过空间自相关指数计算获得能够满足ESV空间自相关的最小尺度值，可选取Bandwidth-parameter核函数中的距离参数设定法。

2.4 LER分布预测

首先通过Matlab编程实现基于网格单元的灰色预测模型，以每个单元网格1998、2003、2008、2013年LER为模型输入数据，预测网格2018年LER；然后以研究区域2018年LER为验证数据，对预测所得2018年LER进行精度验证；最后以1998、2003、2008、2013、2018年网格LER为模型输入数据获取2023年网格LER。

3 结果分析3.1 ESV计算

首先分别按照边长尺度3500、7000 m将研究区域划分成4588和1182个网格单元；然后基于Fragstats 4.2软件批量提取5期的每个网格6种景观面积，并计算5期的每个网格的ESV；最后基于ArcGIS 10.3空间统计模块进行两个尺度下ESV空间自相关性计算，获得3500 m尺度下5期ESV全局莫兰指数分别为0.512 5、0.555 2和0.605 5；7000 m尺度下5期ESV全局莫兰指数分别为0.512 5、0.555 2和0.605 5，说明两种尺度下研究区域ESV均具有较好的空间自相关性。由于7000 m尺度为3500 m尺度邻域大尺度，因此选取3500 m作为研究区域LER分析尺度；7000 m尺度作为LER基于DWR驱动力分析的邻域范围依据尺度。

3.2 LER时空变化分析

首先基于Fragstats 4.2软件提取网格景观斑块个数、面积、景观分离度指数及景观分维数指数，计算网格景观干扰度；其次借助ArcGIS 10.3软件，根据哈尔滨年鉴统计的5期各区县人口密度数据，按照网格内行政区县面积比例加权计算网格的人口密度数值，并进行归一化处理，统计网格的建设用地和耕地面积，计算网格人为胁迫度，并对ESV进行归一化处理；然后计算网格LER，获取3500 m尺度下LER网格空间分布；最后按照自然断点法对5期LER进行5个不同等级的划分。运用ArcGIS 10.3地统计模块中的普通克里格插值法对划分风险等级后的离散点进行插值，生成5期LER等级连续空间分布(如图 1所示)，并对5期生态风险等级进行分级统计(见表 1)。

图 1 5期景观生态风险连续空间分布

图选项

表 1 5期景观生态风险分级统计

表选项

从整体水平上看，研究区域LER变化趋势呈先减少后增加。1998年，研究区域高LER、较高LER和较低LER分布面积较大，高LER主要分布在西部区域主城区，低LER区域主要分布在北部及东南林地区域，较高LER主要分布于大面积的耕地分布区，较低LER主要分布于林地与耕地边界区域，中等风险区大面积分布于较低和较高风险区交界区域。2003年，研究区域内高LER所占面积最大，为主要LER类型，占研究区域面积的27.42%，较低LER所占面积相对较小。2008年，研究区域LER主要分布在东部区域，低LER区域主要分布在中部区域，其他区域内LER呈均匀交错分布。2013年，研究区域内主要LER类型为较高LER，低LER和较低LER区域所占面积较小。2018年，研究区域内主要LER类型仍为较高LER，其他各级LER所占面积较均衡。20年间高LER分布面积变化不明显，但空间格局变化较为显著，由中东部区域逐渐向整个研究区域分散分布；较高LER所占面积变化明显，变化趋势呈先增加后减少。这源于早些年对研究区域生态环境重视不足，土地资源利用不合理，随着规划用地日趋合理化，易损度最高的未利用地呈减少态势；在新城镇背景下，易损度最低的居民地城镇用地随之增加。

3.3 LER时空变化驱动力分析3.3.1 驱动因子选择及计算

基于理论分析，综合考虑指标差异性、数据可获取性及研究区域经济因素，从自然因素、人为因素和经济因素方面选取高程、距主要道路距离、距主要河流距离、距居民点距离、人口密度、农业总产值、林业总产值、畜牧业总产值、第二产业、第三产业、GDP、城镇化率、温度、降水量、植被覆盖度15个因子作为LER时空变化初选驱动因子。其中，通过30 m空间分辨率DEM提取高程，并重采样至3500 m；通过扫描研究区域1∶500地图，提取主要道路、主要河流矢量，在ArcGIS 10.3中采用近邻分析计算获取网格中心点距主要道路距离、距主要河流距离；利用遥感影像提取斑块面积位于前10%的建设用地矢量作为主要居民点，在ArcGIS 10.3中采用近邻分析计算网格中心点距主要居民点距离；本文按照区县经济、人口密度因子总值不变原则、因子与土地利用相关性原则，将人口数、畜牧业总产值、第二产业、第三产业、GDP、城镇化率通过建设用地矢量、网格矢量、区县矢量相交面积比例加权计算每个网格因子值，将农业总产值通过耕地矢量、网格矢量、区县矢量相交面积比例加权计算每个网格农业总产值；温度、降水量通过网格矢量、区县矢量相交面积比例加权计算每个网格因子值；通过遥感影像提取NDVI计算获得植被覆盖度。

3.3.2 自变量与因变量空间相关性

通过地统计学软件GeoDa进行自变量因子与因变量双变量空间自相关计算，获得15个备选自变量与LER均存在一定程度的二元空间相关性，见表 2。本文初步选择相关性较高的道路距离、第二产业、第三产业、GDP、农业、牧业、人口密度、和高程8个因子进行下一步验证。

表 2 备选自变量因子与景观生态风险二元空间相关性

表选项

3.3.3 自变量多重共线性

回归模型中两个或多个自变量之间高度相关(但不完全)被称之为多重共线性。多重共线性的存在会导致对回归模型的系数难以进行准确地估计。经过二元相关性验证后保留的自变量因子还要进一步验证多重共线性。本文运用SPSS软件进行8个回归自变量的多重共线性进行诊断，通过VIF判断共线性，结果见表 3。

表 3 回归自变量多重共线性VIF

表选项

从表 3中可以得出，各年份第二产业、第三产业、GDP、畜牧业总产值和人口密度5个因子的VIF均大于10，表明这个变量存在严重的多重共线性，应该合理排除。考虑第二产业为研究区域重要产业，保留第二产业因子，去除第三产业、GDP、畜牧业总产值和人口密度4个因子。经过上述对线性回归自变量的预检，回归模型选择的自变量为道路距离、第二产业、农业总产值、高程4个因子。

3.3.4 地理加权回归系数分析

通过地理位置加权回归模型可以得到各驱动因素的回归系数，系数均值可以直接反映出该驱动因素对区域LER的影响大小，回归系数的空间差异可以理解为该驱动因素对区域LER影响的时空差异。

(1) 道路距离系数时空变化。道路距离系数对哈尔滨市LER产生了一定的影响，其中1998、2003、2013、2018年道路距离表现显著的区域基本相似。南部地区道路距离对LER的影响较为明显。其中，2008年分布格局变化较大，发生显著变化的是主城区，对LER的影响变小。东部地区道路距离产生影响明显变小。1998—2008年主城区周围道路距离系数逐年减小，南部地区逐年增高。2018年相较于2013年主城区道路距离影响明显增大，说明近几年道路建设发展迅速，使得道路距离驱动力因子对生态风险造成显著影响。

(2) 农业总产值系数时空变化。农业对哈尔滨市LER的整体影响很大，但影响程度存在显著的空间差异。1998年，农业对哈尔滨市LER总体影响较大的是东部地区，主城区农业对生态风险的影响较小。2003年，其基本分布格局与1998年类似，但可以发现其影响较大的东部区域在原有基础上明显减小。说明农业对LER的影响明显变小。2008年与2003年相比，农业对LER的影响明显增大，影响较小的区域从中西部转向中北部，说明农业开始有转型的特点。2013年，变化最显著的是主城区，主要由于经济的发展，主城区的农业对LER的影响变大。2018年相较于2013年农业影响面积增大，中部地区变化幅度较小，西部地区与2013年分布格局基本类似。

(3) 高程系数时空变化。2003与2013年，高程对LER的影响总体上较大，只有主城区影响不显著。哈尔滨市大部分地区高程表现程度较高。其中，1998—2003年，高程对LER的表现为统计显著的区域逐年扩大；2003—2008年，高程对LER的影响减小；2018与2013年情况基本类似。

(4) 第二产业系数时空变化。1998—2013年第二产业系数分布格局基本一致，表现出显著的地区分布均匀，2003—2013年第二产业系数没有出现太大变化。1998年第二产业表现出显著的区域主要位于北部地区，对城市的生态风险影响较大。2003年第二产业因素出现明显变化的是主城区，第二产业因素影响显著增大，2008和2018年通河县与木兰县地区对第二产业因素表现显著的区域有所增加。2018年第二产业系数的分布基本与2013年分布一致，西部部分地区逐渐增大，南部部分地区保持不变。第二产业从2003年开始影响程度逐渐增高，2013—2018年由于经济因素等影响，使得影响程度变低。

3.4 LER分布预测

通过LER分布预测方法，以每个单元网格1998、2003、2008、2013年LER为模型输入数据，预测网格2018年LER网格分布，如图 2所示。

图 2 哈尔滨市2018年景观生态风险预测网格分布

图选项

3.4.1 模型精度验证

预测精度泛指进行预测的模型所产生的模拟值与历史实际值拟合的程度，是用来衡量预测模型优劣的重要指标。本文采用误差信息比计算每个网格的LER预测精度，再利用平均误差信息比计算整个研究区域LER预测精度，公式分别为

(6)

(7)

式中，P为误差信息比，该值越小精度越高，本文设置0.25为精度阈值，即P小于0.25满足精度要求；LER_p是预测的生态风险数据值；LER_r是现实的生态风险数据值；n为网格数。

首先将研究区域2018年预测所得的网格LER和实际网格LER按照式(6)进行每个网格精度计算，满足精度的网格个数为4294占比达93.55%。然后按式(7)计算获得整个研究区域预测LER平均误差信息比为0.103，小于0.25，满足精度要求。

3.4.2 哈尔滨市2023年LER空间分布预测

根据哈尔滨市1998、2003、2008、2013、2018年网格LER，利用基于网格的灰色预测模型预测哈尔滨市2023年网格LER，结果如图 3所示。通过地理统计软件GS 计算获得哈尔滨市2023年LER全局自相关指数为0.565，具有较强的空间自相关性。在ArcGIS 10.3中，采用自然断点法进行分级，采用克里金插值生成LER连续空间分布(如图 4所示)。从图 4可以看出，相对于2018年，2023年研究区域LER空间差别不明显，2023年研究区域LER平均值为0.641 0，较2018年研究区域LER平均值略有增加，但增加幅度较低。其中LER增加的网格个数为2083，LER降低的网格个数为2505，从个数来看，LER降低的区域面积大。

图 3 2023年景观生态风险预测网格分布

图选项

图 4 2023年景观生态风险预测连续空间分布

图选项

4 结语

从整体水平上看，哈尔滨市近20年LER呈先减少后增加的变化趋势。1998—2018年，高LER分布面积变化不明显，但空间格局变化较为显著，逐渐由中东部区域向整个研究区域分散分布；较高LER所占面积变化明显，呈现先增加后减少的变化。

道路距离、第二产业、农业、高程为哈尔滨市LER时空变化主要驱动力。1998—2008年主城区周围道路距离系数逐年减小，南部地区逐年增高；2018年相较于2013年主城区道路距离影响明显增多。农业对哈尔滨市LER的整体影响较大，但影响程度存在显著的空间差异，且在部分经济发达的城区影响并不显著。高程对LER总体上影响显著，只有对主城区影响不显著。第二产业从2003年开始影响程度逐渐增高，2013—2018年，由于经济因素等影响，使得影响程度变低。

相对于2018年，预测所得的2023年哈尔滨市LER空间差别不明显，均值略有增加。其中LER增加和降低的网格个数分别为2083和2505，LER降低的区域面积略大。

作者简介

作者简介：作者简介：张玉娟(1979-) 女 博士 副教授 主要研究方向为遥感与地理信息应用。E-mail: zyjamy@126.com

初审：杨瑞芳

复审：宋启凡

终审：金 君

往期推荐

资讯

○ 中国林科院“激光雷达遥感”创新团队博后招聘

○ 武汉市水务科学研究院遥感信息专业技术人员招聘公告

○ 中山大学测绘科学与技术学院2022年硕士研究生调剂公告（第二轮）

○ 浙江大学先进计算与人工智能实验室2022年招聘启事

○ 2022年后人工智能/深度学习八大应用方向

○ 两所“双一流”大学，设立雄安校区！

会议

○ “第二届新型基础测绘高峰论坛”会议日程来啦！

○ 第二届“地理资源青年创新论坛”一号通知

○ Geoinformatics 2022 暨CPGIS成立30周年年会（二号通知）

○ 会议通知 | 第三届IEEE地质、测绘与遥感国际学术会议

《测绘学报》

○ 测绘学报 | 晏雄锋：建筑物形状特征分析表达与自适应化简方法

○ 测绘学报 | 邓敏：多尺度空间同位模式挖掘的点过程分解方法

○ 测绘学报 | 马张烽：空间网络对时序InSAR相位解缠的影响——以Delaunay与Dijkstra网络为例

○ 测绘学报 |葛小三：基于生成对抗网络的建筑物损毁检测

《测绘通报》

○ 《测绘通报》2022年第1期目录

○ 《测绘通报》2022年第2期目录

○ 地市级实景三维城市建设及应用

○ 像控点布设对勘测定界复杂区域实景建模精度的影响

《北京测绘》

○《北京测绘》2022年第2期摘要推荐

○《北京测绘》2022年第1期摘要推荐

○《北京测绘》2021年第12期摘要推荐

○《北京测绘》2021年第11期摘要推荐

《测绘科学技术学报》

○ 摘要 |《测绘科学技术学报》2021年第2期摘要推荐

○ 摘要 |《测绘科学技术学报》2021年第4期摘要推荐

○ 摘要 |《测绘科学技术学报》2021年第5期摘要推荐

○ 摘要 |《测绘科学技术学报》2021年第6期摘要推荐

《地球信息科学学报》

○ 《地球信息科学学报》2022年第3期佳文推介

○ 龚健雅院士：全球位置信息叠加协议与位置服务网技术研究进展与展望

○ 专题征稿：地球信息科学技术在旅游休闲领域的应用

○ 专刊征稿：社会感知与地理大数据挖掘（征稿中）

《测绘工程》

○ 摘要 |《测绘工程》2021年第5期摘要推荐

○ 摘要 |《测绘工程》2021年第6期摘要推荐

○ 摘要 |《测绘工程》2022年第1期摘要推荐

○ 佳文推介 | 单目视觉技术在室内定位中的应用研究

《中国空间科学技术》

○《中国空间科学技术》2022年第2期摘要

○《中国空间科学技术》2022年第1期摘要

○《中国空间科学技术》2021年第6期摘要

○《中国空间科学技术》2021年第5期摘要推荐

《卫星应用》

○《卫星应用》2022年第02期摘要○《卫星应用》2022年第01期摘要○《卫星应用》2021年第12期摘要○《卫星应用》2021年第11期摘要

《Journal of Geodesy and Geoinformation Science》

○《测绘学报（英文版）》专刊征稿 | 地图学与地球空间信息教育：理论与实践

○ 《测绘学报（英文版）》专刊征稿 | 用于三维地理信息的摄影测量和计算机视觉

○ InSAR专刊 | 《测绘学报（英文版）》（JGGS）2022年第1期发布

○ GFZ德国地球科学研究中心-贺玉芳 | 《测绘学报（英文版）》（JGGS）InSAR专刊

《Satellite Navigation》

○ 杨飞博士：GNSS天顶对流层精化模型的构建与分析| SANA佳文速递

○ 2022征文| SatNav“普适定位、室内导航与基于位置服务”专题

○ 2022征文| SatNav“GNSS地学应用”专题

○ 李昕博士：多频多星座PPP-RTK原理及性能| SANA佳文速递

《自然资源遥感》

○ 摘要 |《自然资源遥感》2022年第1期摘要推荐

○ 《自然资源遥感》征稿：“海岸带空间资源及生态健康遥感监测”专栏

○ 摘要 |《自然资源遥感》2021年第3期摘要推荐

○ 摘要 |《自然资源遥感》2021年第4期摘要推荐

《Journal of Geovisualization and Spatial Analysis》

○《Journal of Geovisualization and Spatial Analysis》入驻“智绘科服”融媒体平台！

○ JGSA国际期刊2021年第5卷第2期论文摘要

○ 高被引论文推荐 | Journal of Geovisualization and Spatial Analysis

《全球定位系统》

○《全球定位系统》入驻“智绘科服”融媒体平台！

○ 《全球定位系统》论文推荐 | 刘光明：我国常用地心坐标系的现状与发展

○《全球定位系统》2022年第1期目次