 人类活动的不断加剧，给生态环境的健康发展带来了前所未有的压力。引发了一系列气候异常变化、生物多样性破坏等严重的生态环境问题，威胁着社会的可持续发展。然而，遥感影像等基础数据只能直观地描述生态环境状况。这些图像和数据难以反映与生态环境相关的具体问题，以及公众对居住地生态环境是否满意。在此背景下将社交媒体与遥感相结合，对人居环境进行有效监测，这也是多源数据集成在生态环境监测中的有效探索。 三亚市位于中国海南岛最南端，拥有丰富的自然资源、水文资源和地貌，每年都吸引着来自世界各地的众多游客。 主要数据源：社交媒体数据、Landsat 8遥感影像、DEM、土壤数据、路网数据、气象数据、人口密度数据等。  生态敏感性分析：生态敏感性可以表示一个生态系统受到人类活动和环境变化影响的概率。本研究通过建设评价指标、层次分析法、加权求和模型，根据自然断点法将研究区域划分五个生态敏感等级。 基于社交媒体数据的舆情信息提取：通过百度AI开放平台并使用情感分析模块计算出文本的情感值：正面情感、中性情感、负面情感。 生态环境相关社会语义网络的构建：通过文本自然语言处理、关键词提取、网络建设反映了公众对生态环境相关的不同热点信息的关注程度以及这些信息之间的内在联系。 基于多源数据的综合分析：基于构建的社会语义网络和生态敏感性分析结果，从宏观和局部两个角度对研究区域的生态环境状况进行了监测和评价。 2018年三亚市生态敏感性综合评价，生态敏感性高和极高的地区主要分布在三亚的北部和东南部沿海地区。  积极和消极情绪的社交语义网络，设置了10个集群，以3个重要集群讨论公众对研究区域环境满意的地方和反映的环境问题。  基于负面情绪的社交媒体数据构建的社交语义网络为研究对象，选出表示空间位置的词表示节点并根据共现关系构建网络关系。  基于生态环境受负面关注较多的地方节点构建社交语义网络。  虽然个别区域与其他区域没有联系，但生态敏感度和人们的关注度高，以崖州湾为例构建社交语义网络。  本研究将社交媒体数据与遥感影像和基础地理信息数据结合，通过构建社交语义网络并进行生态敏感性分析，并通过社交语义网络中包含的空间位置节点建立处理后的异构信息之间的相关性，这种关联性有效地实现了多源异构数据在生态环境监测中的优势互补。其中，遥感影像显示了研究区生态敏感性的程度和分布特征。社交媒体数据的引入反映了研究区⽣态环境相关信息的附加维度，包括公众对生态环境是否满意、生态环境正在遭受何种破坏等。这些信息不仅可以帮助决策者有效定位值得监测的区域，还可以进⾏有针对性的保护。本⽂以中国三亚市为例，验证了该方法的有效性。 引用格式 Yang, T.; Xie, J.; Song, P.; Li, G.; Mou, N.; Gao, X.; Zhao, J. Monitoring Ecological Conditions by Remote Sensing and Social Media Data—Sanya City (China) as Case Study. Remote Sens. 2022, 14, 2824. https:///10.3390/rs14122824 文稿来源：杨腾飞 解吉波 宋沛林
|
|
|
