徐涵秋

(福州大學(xué)環(huán)境與資源學(xué)院 福州大學(xué)遙感信息工程研究所，福州350108)

人類的活動(dòng)已經(jīng)給全球的生態(tài)系統(tǒng)帶來了很大的破壞，并引起了廣泛的關(guān)注。及時(shí)地監(jiān)測多尺度生態(tài)系統(tǒng)的變化并發(fā)現(xiàn)所存在的問題，已成為保護(hù)生態(tài)系統(tǒng)的重要手段。當(dāng)前衛(wèi)星遙感對(duì)地觀測系統(tǒng)以其大面積、實(shí)時(shí)、快速、周期性重復(fù)觀測的優(yōu)點(diǎn)，已在生態(tài)領(lǐng)域得到廣泛的應(yīng)用，利用各種遙感指數(shù)來對(duì)森林［1］、草地［2］、城市［3-4］、河流［5］乃至整個(gè)流域［6］的生態(tài)系統(tǒng)進(jìn)行監(jiān)測和評(píng)價(jià)，已經(jīng)是生態(tài)遙感領(lǐng)域的重要組成部分。但是當(dāng)前的遙感監(jiān)測技術(shù)大多基于單一的指標(biāo)進(jìn)行評(píng)測，如在城市生態(tài)系統(tǒng)中利用植被指數(shù)［4，7］、不透水地表蓋度［8-10］評(píng)價(jià)城市生態(tài)、利用地表溫度評(píng)測城市熱環(huán)境［11-12］等。但這種每個(gè)指標(biāo)單獨(dú)分割的評(píng)價(jià)，只能片面地解釋某一方面的生態(tài)特征。而實(shí)際上在整個(gè)生態(tài)系統(tǒng)中，每個(gè)指標(biāo)的互動(dòng)綜合影響著整個(gè)生態(tài)系統(tǒng)，它們是無法被單獨(dú)分割的。近年來，利用溫度和植被負(fù)相關(guān)關(guān)系構(gòu)成的特征空間及其衍生的溫度-植被指數(shù)來評(píng)價(jià)生態(tài)系統(tǒng)的研究也逐漸增多［13-14］。但它的應(yīng)用面有較大的局限性［6］，其參數(shù)的確定復(fù)雜，有一定的人為性和不確定性。因此，需要一個(gè)既簡便又能綜合多種因素的指標(biāo)來對(duì)生態(tài)系統(tǒng)進(jìn)行快速、綜合的測評(píng)。有鑒于此，本文以城市生態(tài)系統(tǒng)為例，提出一個(gè)完全基于遙感信息、能夠集成多種指標(biāo)因素的遙感綜合生態(tài)指數(shù)，以期客觀、快速地評(píng)測城市生態(tài)質(zhì)量。

1 基本原理

在反映生態(tài)質(zhì)量的諸多自然因素中，綠度、濕度、熱度、干度可謂是與人類生存息息相關(guān)的4個(gè)重要指標(biāo)，也是人類直觀感覺生態(tài)條件優(yōu)劣的重要因素，因此常被用于評(píng)價(jià)生態(tài)系統(tǒng)［4，7，11，15］。本研究擬建的遙感生態(tài)綜合指數(shù)必須能夠體現(xiàn)這4個(gè)指標(biāo)。就遙感技術(shù)本身而言，它可以利用專題信息增強(qiáng)技術(shù)來從紛雜的遙感影像信息中提取這4個(gè)重要指標(biāo)的信息，如采用植被指數(shù)、地表溫度、纓帽變換的濕度分量就可以分別代表綠度、熱度和濕度。由于建筑物是人工生態(tài)系統(tǒng)的重要組成部分，建筑不透水面的大量出現(xiàn)取代了地表原有的自然生態(tài)系統(tǒng)，導(dǎo)致了地表的“干化”，而裸土也是地表“干化”的原因之一，因此可用建筑和裸土指數(shù)來代表“干度”。這樣，擬建的遙感生態(tài)指數(shù)(RSEI)就可以表示為這4個(gè)指標(biāo)的函數(shù)，即:

式中，G為綠度，W為濕度，T為熱度，D為干度，VI為植被指數(shù)，Wet為濕度分量，LST為地表溫度，NDBSI為建筑和裸土指數(shù)。

1.1 指標(biāo)的構(gòu)建

以Landsat-7 ETM+遙感影像為例，分別說明4個(gè)指標(biāo)的構(gòu)建及其公式。

(1)濕度指標(biāo) 纓帽變換是一種有效的數(shù)據(jù)壓縮和去冗余技術(shù)，其亮度、綠度、濕度分量與地表物理參量有直接的關(guān)系［16-17］，因此已被廣泛地應(yīng)用于生態(tài)監(jiān)測中［18］。由于其中的濕度分量與植被和土壤的濕度緊密相關(guān)，因此本研究的濕度指標(biāo)以濕度分量Wet來代表，其表達(dá)式為［17］:

式中，ρi(i=1，…，5，7)分別為ETM+影像各對(duì)應(yīng)波段的反射率。

(2)綠度指標(biāo) 歸一化差值植被指數(shù)(NDVI)無疑是應(yīng)用最廣泛的植被指數(shù)，它與植物生物量、葉面積指數(shù)以及植被覆蓋度都有密切的關(guān)系［13］。因此，選用NDVI來代表綠度指標(biāo)，公式為:

(3)熱度指標(biāo) 代表熱度指標(biāo)的地表溫度可采用Landsat用戶手冊(cè)的模型［19］以及Chander等最新修訂的定標(biāo)參數(shù)［20］進(jìn)行計(jì)算:

式中，L6為ETM+熱紅外6波段的象元在傳感器處的輻射值;DN為象元灰度值，gain和bias分別為6波段的增益值與偏置值，可以從影像的頭文件獲得;T為傳感器處溫度值;K1和K2分別為定標(biāo)參數(shù):K1=606.09 W/(m2·sr·μm)，K2=1282.71 K。

經(jīng)過公式(6)計(jì)算的溫度T必須進(jìn)行比輻射率糾正［11］才能成為地表溫度LST:

式中，λ為ETM+6波段的中心波長(λ=11.45 μm);ρ=1.438×10-2m K;ε為地表比輻射率，其取值見參考文獻(xiàn)［11］。

(4)干度指標(biāo) 代表干度指標(biāo)的建筑指數(shù)選擇的是IBI建筑指數(shù)［21］，但在區(qū)域環(huán)境中，還有相當(dāng)一部分的裸土，它們同樣造成地表的“干化”，因此干度指標(biāo)(NDBSI)可由二者合成，即由建筑指數(shù)IBI和土壤指數(shù)SI［22］合成:

1.2 綜合指數(shù)的構(gòu)建

擬建的生態(tài)指數(shù)應(yīng)既能以單一指標(biāo)的形式出現(xiàn)，又可以綜合以上4個(gè)指標(biāo)的信息。因此如何以單一變量代表以上多個(gè)變量，是本研究的關(guān)鍵。一種常用的方法是簡單地將各個(gè)指標(biāo)相加［23］，或?qū)⒅笜?biāo)分組求均值再相加［24］，或分別乘上各自的權(quán)重后再相加［1，4，25］。但是，指標(biāo)之間的相關(guān)性以及權(quán)重的人為確定，都會(huì)影響這種方法的結(jié)果。當(dāng)前，多元統(tǒng)計(jì)方法中的主成份分析(PCA)是一種將多個(gè)變量通過線性變換來選出少數(shù)重要變量的多維數(shù)據(jù)壓縮技術(shù)。它采取依次垂直旋轉(zhuǎn)坐標(biāo)軸的方法將多維的信息集中到少數(shù)幾個(gè)特征分量，每個(gè)特征分量往往代表一定的特征信息。因此，本研究擬采用主成分變換來構(gòu)建遙感綜合生態(tài)指數(shù)。通過對(duì)特征光譜空間坐標(biāo)軸的旋轉(zhuǎn)來去掉各指標(biāo)間的相關(guān)性，把主要的信息集中到前面的1—2個(gè)主成分上。采用主成分分析的另一優(yōu)點(diǎn)就是各指標(biāo)的權(quán)重不是人為確定，而是根據(jù)各個(gè)指標(biāo)對(duì)各主分量的貢獻(xiàn)度來自動(dòng)、客觀地確定，從而在計(jì)算時(shí)，可以避免因人而異、因方法而異的權(quán)重設(shè)定造成的結(jié)果偏差。

表1是福州研究區(qū)3個(gè)年份4個(gè)指標(biāo)的主成分分析。從表中可以看出第一主成分(PC1)具有以下特征:(1)在3個(gè)年份中，PC1的特征值所占的比例都已大于85%，表明已集中了4個(gè)指標(biāo)的大部分特征;(2)4個(gè)指標(biāo)對(duì)PC1中都有一定的貢獻(xiàn)度(荷載)，而不會(huì)像在其它特征分量(PC2—PC4)中會(huì)出現(xiàn)忽大忽小的現(xiàn)象，從而丟失某些指標(biāo);(3)在PC1中，代表綠度的NDVI和代表濕度的Wet指標(biāo)呈正值，說明它們對(duì)生態(tài)系統(tǒng)起正面的貢獻(xiàn)，而代表熱度和干度的LST、NDBSI則呈負(fù)值，說明它們對(duì)生態(tài)系統(tǒng)起著負(fù)面的影響，這與實(shí)際情況相符。而在其它特征分量中，這些指標(biāo)忽正忽負(fù)，難以解釋。因此，較之于其它幾個(gè)分量，PC1有明顯的優(yōu)勢，它能夠很好地集成每個(gè)指標(biāo)的信息，合理地進(jìn)行解釋，因此，可用于創(chuàng)建綜合生態(tài)指數(shù)。

表1 指標(biāo)主成分分析Table 1 Principal component analysis of four factors

必須注意的是，由于公式(2)—(8)計(jì)算的4個(gè)指標(biāo)的量綱不統(tǒng)一，如果直接用其計(jì)算PCA，會(huì)導(dǎo)致各指標(biāo)的權(quán)重失衡，因此在做主成分變換前，必須先對(duì)這些指標(biāo)進(jìn)行正規(guī)化，將它們的量綱統(tǒng)一到［0，1］之間，然后再計(jì)算PCA(表1)。各指標(biāo)的正規(guī)化公式為:

式中，NIi為正規(guī)化后的某一指標(biāo)值，Ii為該指標(biāo)在象元i的值，Imax為該指標(biāo)的最大值，Imin為該指標(biāo)的最小值。

經(jīng)過正規(guī)化后的4個(gè)指標(biāo)就可以用于計(jì)算PC1。為使PC1大的數(shù)值代表好的生態(tài)條件，可進(jìn)一步用1減去PC1，獲得初始的生態(tài)指數(shù)RSEI0:

為了便于指標(biāo)的度量和比較，可同樣對(duì)RSEI0進(jìn)行正規(guī)化:

RSEI即為所建的遙感生態(tài)指數(shù)，其值介于［0，1］之間。RSEI值越接近1，生態(tài)越好，反之，生態(tài)越差。

2 研究區(qū)和影像處理

以福州主城區(qū)為研究區(qū)，選取2001-05-23、2003-05-29和2009-06-06的3幅Landsat影像進(jìn)行實(shí)驗(yàn)。影像晴空無云，質(zhì)量完好。影像的時(shí)相基本相同，最多相差不到半個(gè)月，因此，植被具有相近的生長狀態(tài)，保證了實(shí)驗(yàn)結(jié)果的可比性。2001和2003年的影像為ETM+影像，2009年的影像為TM影像。

首先對(duì)3幅影像進(jìn)行輻射校正、幾何校正和配準(zhǔn)，然后從中切出福州主城區(qū)作為研究區(qū)，面積約為252 km2(圖1)。輻射校正采用Chander等［20］和Chavez［26］的模型和參數(shù)將原始影像的灰度值轉(zhuǎn)換為傳感器處反射率，以減少不同年份的影像在地形、光照和大氣等方面的差異;不同時(shí)相影像之間的配準(zhǔn)采用二次多項(xiàng)式和最鄰近象元法，配準(zhǔn)的均方根誤差小于0.5個(gè)象元。

利用以上公式(2)—(8)分別求出各影像的4個(gè)指標(biāo)，然后對(duì)它們進(jìn)行正規(guī)化，并將它們合成為一幅新影像;由于研究區(qū)有閩江橫貫而過，為使?jié)穸戎笜?biāo)能夠真正代表地面的濕度條件，避免大片的水域影響PCA的荷載分布，采用MNDWI水體指數(shù)［27］掩膜掉水體信息，然后采用公式(12—13)對(duì)新的影像進(jìn)行PC1變換、正負(fù)值轉(zhuǎn)置、正規(guī)化，最后獲得各時(shí)相的遙感生態(tài)指數(shù)RSEI影像(圖1)。

必須指出的是RSEI指數(shù)雖然可以方便地通過遙感軟件來計(jì)算，但其處理必須嚴(yán)格按照遙感影像處理規(guī)范進(jìn)行，即:(1)必須做大氣校正，這對(duì)不同時(shí)相影像之間的RSEI對(duì)比尤為重要;(2)必須將原始影像的DN值轉(zhuǎn)換為反射率，這對(duì)不同類別影像之間的RSEI對(duì)比(如TM和ETM+的對(duì)比)尤為重要;不提倡用原始DN值來計(jì)算;(3)進(jìn)行纓帽變換的濕度計(jì)算時(shí)，要選對(duì)公式，不能用TM的公式來計(jì)算ETM+的濕度，不能將基于DN值的公式來計(jì)算基于反射率的數(shù)據(jù)，反之亦同。

3 結(jié)果和討論

3.1 RSEI指數(shù)的代表性

表2是各年份4個(gè)指標(biāo)和遙感生態(tài)指數(shù)RSEI的統(tǒng)計(jì)值。統(tǒng)計(jì)結(jié)果表明，2001—2009年間，研究區(qū)的生態(tài)指數(shù)RSEI呈逐漸下降的趨勢，從2001年的0.579，下降到2009年的0.529，總體下降了約9.5%。已有研究表明，福州城區(qū)在改革開放以來快速擴(kuò)展［28］，并給生態(tài)環(huán)境造成了一定的影響［29-30］，其最典型的表現(xiàn)就是福州多次登上了媒體評(píng)出的“新三大火爐城市”的榜首。從圖1也可以大致看出，從2001年至2009年，福州主城區(qū)沿西南部和北部快速擴(kuò)展，破壞了原有的綠被，生態(tài)狀況有一定的退化。

圖1 福州主城區(qū)遙感影像(上，RGB:543合成)和RSEI遙感生態(tài)指數(shù)影像(下，圖中黑色部分為掩膜的水體)Fig.1 Images of Fuzhou's urban area(upper，RGB:543)and the corresponding RSEI images(lower，black tone represents water area)

表2 各年份4個(gè)指標(biāo)和遙感生態(tài)指數(shù)RSEI的統(tǒng)計(jì)值Table 2 Statistics of four indicators and RSEI

從表2中的各指標(biāo)變化情況來看，對(duì)生態(tài)有利的綠度(NDVI)和濕度(Wet)指標(biāo)的均值在研究期間都表現(xiàn)為逐次下降，而代表生態(tài)條件差的熱度(LST)和干度(NDBSI)指標(biāo)的均值則逐漸上升。由于溫度的日間變化性大，基于每日絕對(duì)溫度值之間的LST對(duì)比可能不可靠，因此，只有將其正規(guī)化，才能進(jìn)行比較［3，9］。經(jīng)正規(guī)化后的2001、2003、2009 年的 LST 均值分別為:0.328、0.333、0.406，同樣說明了代表熱度的 LST 呈逐漸上升的趨勢。以上4個(gè)指標(biāo)的各自表現(xiàn)都說明了研究區(qū)的生態(tài)質(zhì)量呈下降趨勢，因此，所建的RSEI生態(tài)指數(shù)得到的結(jié)果與4個(gè)指標(biāo)各自表述的結(jié)果吻合，可以綜合代表4個(gè)指標(biāo)。如果是靠各指標(biāo)的單獨(dú)評(píng)判，就無法顧及各指標(biāo)之間的互動(dòng)，無法做到多指標(biāo)的綜合評(píng)判。而采用新建的綜合指標(biāo)不僅可以把原本分隔的各個(gè)指標(biāo)集成起來，綜合地考察城市生態(tài)質(zhì)量，且可以定量地刻畫生態(tài)質(zhì)量的變化程度，因此比單個(gè)指標(biāo)的分析更具有優(yōu)勢。

為了更好地分析新建RSEI生態(tài)指數(shù)的代表性，進(jìn)一步將各年份的生態(tài)指數(shù)以0.2為間隔分成5級(jí)，分別代表差、較差、中等、良、優(yōu)5個(gè)等級(jí)(表3)。通過考察各生態(tài)條件等級(jí)間4個(gè)指標(biāo)的變化趨勢，來考察RSEI的合理性。

表3 各生態(tài)級(jí)別及其對(duì)應(yīng)的正規(guī)化指標(biāo)均值Table 3 Leveled RSEI and the means of the corresponding level of the four factors

從表3可以看出，在所研究的3個(gè)年份中，各個(gè)指標(biāo)的均值都隨著生態(tài)級(jí)別的變化而有規(guī)律的變化，即NDVI和Wet的均值皆表現(xiàn)為隨著生態(tài)級(jí)別的升高而升高，而LST和NDBSI的均值則無一例外地表現(xiàn)出隨著生態(tài)級(jí)別的升高而降低，并沒有出現(xiàn)生態(tài)級(jí)別升高，而NDVI、Wet卻下降，或LST、NDBSI上升的異?，F(xiàn)象，這進(jìn)一步說明所建的生態(tài)指數(shù)確實(shí)能夠綜合代表生態(tài)條件的變化情況。

新建的生態(tài)指數(shù)的綜合代表性還可以從它和各指標(biāo)之間的相關(guān)性來分析。表4是各指標(biāo)和新建生態(tài)指數(shù)的相關(guān)系數(shù)以及各指標(biāo)自身之間的相關(guān)系數(shù)。就單指標(biāo)而言，各指標(biāo)相互之間的平均相關(guān)度最高的為NDBSI，在2009年達(dá)到0.808，3個(gè)年份平均為0.802。而新建生態(tài)指數(shù)與這4個(gè)指標(biāo)的各年份平均相關(guān)系數(shù)都大于0.85，3個(gè)年份的平均值達(dá)0.864，比單指標(biāo)最高的NDBSI的0.802高出了7.7%，比4個(gè)指標(biāo)的平均值(0.709)，高出了21.9%。顯然，新建的生態(tài)指數(shù)除了集成了各指標(biāo)的信息外，還比任一單指標(biāo)更具代表性，能比任一單指標(biāo)更好地綜合代表城市生態(tài)狀況。

表4 各指標(biāo)和RSEI指數(shù)的相關(guān)性統(tǒng)計(jì)表Table 4 Correlation matrix of RSEI and four factors

3.2 RSEI指數(shù)的變化檢測應(yīng)用

在以上5個(gè)生態(tài)指數(shù)分級(jí)的基礎(chǔ)上，可對(duì)研究區(qū)各年份生態(tài)指數(shù)影像進(jìn)行分級(jí)面積統(tǒng)計(jì)(圖2)和差值變化檢測(圖3，表5)，以對(duì)不同年份的生態(tài)狀況進(jìn)行時(shí)空變化分析。

圖2 2001—2009年各級(jí)生態(tài)指數(shù)面積的變化Fig.2 The area change of each RSEI level from 2001 to 2009

圖3 福州主城區(qū)2001—2009年RSEI變化檢測圖Fig.3 Chang map of Fuzhou's urban area between 2001 and 2009

從時(shí)間來看，從2001年到2009年，生態(tài)級(jí)別為差—中級(jí)(1—3級(jí))所占的面積上升了28.5%，而優(yōu)、良等級(jí)(4—5級(jí))所占的面積則下降了26.5%(圖2)，說明研究區(qū)生態(tài)質(zhì)量出現(xiàn)下降。從變化檢測的結(jié)果來看(表5)，2001—2009年間，生態(tài)條件變差的面積達(dá)69.32 km2，約占研究區(qū)面積的28%，而生態(tài)轉(zhuǎn)好的面積為25.96 km2，僅占10%。從空間上看，生態(tài)條件變差的地點(diǎn)主要分布在城區(qū)的西南邊和北邊(圖3中的橙、紅色圖斑)，而生態(tài)條件變好的地點(diǎn)主要分布在城市中心(圖3中的藍(lán)、青色圖斑)。說明，城市在向周邊擴(kuò)展，造成生態(tài)退化的同時(shí)，其中心部分的老城區(qū)經(jīng)過不斷改造，生態(tài)卻在改善［31-32］。

表5 變化檢測Table 5 Change detection

3.3 RSEI的建模與預(yù)測

為了進(jìn)一步定量刻畫城市生態(tài)條件，可建立城市生態(tài)模型，用于模擬和預(yù)測城市生態(tài)變化趨勢。首先對(duì)各年份的 NDVI、Wet、LST、NDBSI、RSEI專題影像進(jìn)行采樣，然后以生態(tài)指數(shù) RSEI為因變量，以 NDVI、Wet、LST、NDBSI為自變量進(jìn)行逐步回歸分析，建立它們的關(guān)系模型。采用3×3網(wǎng)格貫穿全影像的采樣方法，每幅影像采集30000個(gè)樣點(diǎn)。足夠多的樣點(diǎn)和貫穿全影像的采樣方法可以避免少量樣點(diǎn)和局域性地抽樣所帶來的結(jié)果不確定性。以下為研究區(qū)3個(gè)年份的回歸模型(模型都通過了1%的顯著性檢驗(yàn)):

2001 年 RSEI=0.136 Wet+0.634 NDVI-0.517 NDBSI-0.339 LST+0.414 (R2=0.919)

2003 年 RSEI=0.181 Wet+0.579 NDVI-0.524 NDBSI-0.502 LST+0.406 (R2=0.933)

2009 年 RSEI=0.133 Wet+0.578 NDVI-0.443 NDBSI-0.532 LST+0.470 (R2=0.989)

從所獲得的模型可以看出，4個(gè)指標(biāo)在3個(gè)年份的逐步回歸中都被保留下來，沒有一個(gè)被剔除，說明所選的4個(gè)指標(biāo)都是城市生態(tài)的關(guān)鍵指標(biāo)。從各指標(biāo)回歸系數(shù)的絕對(duì)值來看(表6)，4個(gè)指標(biāo)對(duì)生態(tài)指數(shù)貢獻(xiàn)度最大的是NDVI，然后依次為NDBSI、LST和Wet。其中NDVI和Wet的系數(shù)為正值，說明對(duì)生態(tài)起正面影響，而LST和NDBSI為負(fù)值，說明對(duì)生態(tài)起負(fù)面作用。這與表1中4個(gè)指標(biāo)對(duì)第一主成分PC1的貢獻(xiàn)情況相吻合。進(jìn)一步分析回歸模型的系數(shù)變化可以看出，雖然NDVI具有最大的正面影響力，但由于Wet的影響力較弱，所以對(duì)生態(tài)起正面影響的NDVI和Wet的綜合影響力不及起負(fù)面影響的NDBSI和LST。對(duì)生態(tài)起負(fù)面影響的NDBSI和LST的系數(shù)的絕對(duì)值之和要大于起正面影響的NDVI與Wet的系數(shù)之和，其3年平均差距可達(dá)27.77%，且表現(xiàn)出隨著生態(tài)質(zhì)量的下降而增大的趨勢(表6)。

表6 回歸模型系數(shù)比較Table 6 Coefficient comparison of regression models

圖4是從各指標(biāo)的散點(diǎn)在3維特征空間的分布情況來考察它們與RSEI指數(shù)的關(guān)系。左圖是對(duì)生態(tài)起正面影響的NDVI、Wet與RSEI的3維投影圖;右圖是對(duì)生態(tài)起負(fù)面影響的NDBSI、LST與RSEI的投影圖。散點(diǎn)群的頂端為代表生態(tài)條件好的散點(diǎn)的集聚區(qū)，主要為高覆蓋植被區(qū);散點(diǎn)群的底端則為生態(tài)條件差的散點(diǎn)的集聚區(qū)，代表高密度建筑區(qū)。從圖中可以看出，對(duì)生態(tài)起負(fù)面影響的NDBSI、LST與RSEI的投影散點(diǎn)的斜度要大于起正面影響的NDVI和Wet，這表明NDBSI和LST的綜合作用會(huì)導(dǎo)致生態(tài)條件急劇下降，其對(duì)生態(tài)所起的負(fù)面影響超過了起正面影響的NDVI和Wet之和，從而也證實(shí)了上述基于回歸模型系數(shù)分析得出的結(jié)論。

圖4 三維散點(diǎn)特征圖Fig.4 3D-scatterplots of feature space

綜合來看，以NDVI為代表的植被和以NDBSI為代表的建筑用地對(duì)城市生態(tài)的影響力最大，且NDVI大于NDBSI。以最新的2009年模型預(yù)測，未來只要每增加0.173單位的NDVI或減少0.226單位的NDBSI，就能使研究區(qū)的RSEI提升0.1單位，生態(tài)質(zhì)量得以提高。但是，不可忽視的是，代表熱度的LST的負(fù)面影響在2009年已經(jīng)凸現(xiàn)出來。無論是從2009年回歸模型的系數(shù)或?qū)C1的貢獻(xiàn)度都可以看出，LST在2009年的影響已超過了NDBSI。這也說明了福州市為什么自2007年以來會(huì)相繼被媒體稱為“火爐城市”的原因。由于NDBSI所代表的建筑不透水面對(duì)城市地表溫度具有正相關(guān)關(guān)系［8，12］，且與植被具有互為消長的關(guān)系，因此，控制建筑不透水面的比例對(duì)福州城市生態(tài)質(zhì)量的改善至關(guān)重要。

4 結(jié)論

綠度、濕度、熱度和干度是城市生態(tài)系統(tǒng)的重要組成部分，在此基礎(chǔ)上建立的遙感生態(tài)指數(shù)RSEI可以很好地集成它們的信息，綜合反映、定量刻畫城市生態(tài)質(zhì)量及其變化。在這4個(gè)指標(biāo)中，代表綠度的NDVI對(duì)生態(tài)指數(shù)RSEI的貢獻(xiàn)最大，說明植被是城市生態(tài)系統(tǒng)最重要的影響因素，但是不可忽視的是，代表熱度和干度的LST和NDBSI的綜合作用可以抵消植被的影響。

所建立的RSEI生態(tài)指數(shù)完全基于遙感信息技術(shù)，以自然因素指標(biāo)為主，指標(biāo)容易獲得，且計(jì)算簡便，沒有任何人為的權(quán)重、閾值的設(shè)定，為城市生態(tài)質(zhì)量的監(jiān)測和評(píng)價(jià)提供了一種客觀、快速、簡便的技術(shù)?；谠撝笖?shù)評(píng)測結(jié)果顯示，福州主城區(qū)2001—2009年間的生態(tài)質(zhì)量有一定程度的下降。

RSEI主要應(yīng)用于陸地為主的地區(qū)，不適宜大面積的水域地區(qū)(如海洋)。因?yàn)槔t帽變換的濕度分量(wet)主要和植被和土壤的濕度有關(guān)。如果研究區(qū)中有大片水域，會(huì)使得水的比重加大，所計(jì)算的wet不能真正反映植被和土壤的濕度。在這種情況下，必須掩膜掉大片的水體。

［1］ Ochoa-Gaona S，Kampichler C，de Jong B H J，Hernández S，Geissen V，Huerta E.A multi-criterion index for the evaluation of local tropical forest conditions in Mexico.Forest Ecology and Management，2010，260(5):618-627.

［2］ Sullivan C A，Skeffington M S，Gormally M J，F(xiàn)inn J A.The ecological status of grasslands on lowland farmlands in western Ireland and implications for grassland classification and nature value assessment.Biological Conservation，2010，143(6):1529-1539.

［3］ Xu H Q，Ding F，Wen X L.Urban expansion and heat island dynamics in the Quanzhou region，China.IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing，2009，2(2):74-79.

［4］ Gupta K，Kumar P，Pathan S K，Sharma K P.Urban Neighborhood Green Index-A measure of green spaces in urban areas.Landscape and Urban Planning，2012，105(3):325-335.

［5］ Ivits E，Cherlet M，Mehl W，Sommer S.Estimating the ecological status and change of riparian zones in Andalusia assessed by multi-temporal AVHHR datasets.Ecological Indicators，2009，9(3):422-431.

［6］ Moran M S，Peters-Lidard C D，Watts J M，McElroy S.Estimating soil moisture at the watershed scale with satellite-based radar and land surface models.Canadian Journal of Remote Sensing，2004，30(5):805-826.

［7］ Yuan F，Bauer M E.Comparison of impervious surface area and normalized difference vegetation index as indicators of surface urban heat island effects in Landsat imagery.Remote Sensing of Environment，2007，106(3):375-386.

［8］ Xu H Q.Analysis of impervious surface and its impact on urban heat environment using the normalized difference impervious surface Index(NDISI).Photogrammetric Engineering and Remote Sensing，2010，76(5):557-565.

［9］ Carlson T N，Arthur S T.The impact of land use-land cover changes due to urbanization on surface microclimate and hydrology:a satellite perspective.Global and Planetary Change，2000，25(1/2):49-65.

［10］ Zhang Y S，Odeh I O A，Han C F.Bi-temporal characterization of land surface temperature in relation to impervious surface area，NDVI and NDSI，using a sub-pixel image analysis.International Journal of Applied Earth Observation and Geoinformation，2009，11(4):256-264.

［11］ Nichol J.Remote sensing of urban heat islands by day and night.Photogrammetric Engineering and Remote Sensing，2005，71(6):613-621.

［12］ Imhoff M L，Zhang P，Wolfe R E，Bounoua L.Remote sensing of the urban heat island effect across biomes in the continental USA.Remote Sensing of Environment，2010，114(3):504-513.

［13］ Goward S N，Xue Y K，Czajkowski K P.Evaluating land surface moisture conditions from the remotely sensed temperature/vegetation index measurements——An exploration with the simplified simple biosphere model.Remote Sensing of Environment，2002，79(2/3):225-242.

［14］ Feng H H，Liu H P，Zhu S D，Bai M.Influence analysis of urbanization on land surface temperature in Dongguan city.Geography and Geo-Information Science，2010，26(3):87-90.

［15］ Zhao Y L，Zhang L J.Study on method of quantitative assessment of fragile environment.Scientia Geographica Sinica，1998，18(1):73-79.

［16］ Crist E P.A TM tasseled cap equivalent transformation for reflectance factor data.Remote Sensing of Environment，1985，17(3):301-306.

［17］ Huang C，Wylie B，Yang L，Homer C，Zylstra G.Derivation of a tasselled cap transformation based on Landsat 7 at-satellite reflectance.International Journal of Remote Sensing，2002，23(8):1741-1748.

［18］ Todd S W，Hoffer R M.Responses of spectral indices to variations in vegetation cover and soil background.Photogrammetric Engineering and Remote Sensing，1998，64(9):915-921.

［19］ NASA.Landsat 7 Science Data Users Handbook［2012-08-05］.http://landsathandbook.gsfc.nasa.gov.

［20］ Chander G，Markham B L，Helder D L.Summary of current radiometric calibration coefficients for Landsat MSS，TM，ETM+，and EO-1 ALI sensors.Remote Sensing of Environment，2009，113(5):893-903.

［21］ Xu H Q.A new index for delineating built-up land features in satellite imagery.International Journal of Remote Sensing，2008，29(14):4269-4276.

［22］ Rikimaru A，Roy P S，Miyatake S.Tropical forest cover density mapping.Tropical Ecology，2002，43(1):39-47.

［23］ Kearney M S，Rogers A S，Townshend J R G.Developing a model for determining coastal marsh“health”//Third Thematic Conference on Remote Sensing for Marine and Coastal Environments.Seattle，Washington，1995:527-537.

［24］ Wang Z H，Ma H Z，Zhou D J，Sha Z J.Integrated evaluation of eco-environment based on RS/GIS:a case study of the South-to-north Water Transfer Project in Yalongjiang River.Journal of Salt Lake Research，2007，15(1):1-4.

［25］ Williams M，Longstaff B，Buchanan C，Llansó R，Dennison W.Development and evaluation of a spatially-explicit index of Chesapeake Bay health.Marine Pollution Bulletin，2009，59(1/3):14-25.

［26］ Reza M I H，Abdullah S A.Regional Index of Ecological Integrity:a need for sustainable management of natural resources.Ecological Indicators，2011，11(2):220-229.

［27］ Chavez P S Jr.Image-based atmospheric corrections-Revisited and revised.Photogrammetric Engineering and Remote Sensing，1996，62(9):1025-1036.

［28］ Xu H Q.Modification of normalised difference water index(NDWI)to enhance open water features in remotely sensed imagery.International Journal of Remote Sensing，2006，27(14):3025-3033.

［29］ Xu H Q.Urban expansion process in the center of the Fuzhou Basin，Southeast China in 1976—2006.Scientia Geographica Sinica，2011，31(3):351-357.

［30］ Liu Q L，Chen Y F.An assessment of the urban eco-environment quality in Fuzhou city.Journal of Fujian Normal University:Natural Science Edition，2006，22(1):112-116.

［31］ Xu H Q.Analysis on urban heat island effect based on the dynamics of urban surface biophysical descriptors.Acta Ecologica Sinica，2011，31(14):3890-3901.

［32］ Tang F，Xu H Q.The relationship between urban reconstruction and urban heat island effect based on remote sensing technology:Cangxia District of Fuzhou city，China.Scientia Geographica Sinica，2011，31(10):1228-1234.

參考文獻(xiàn):

［14］ 馮徽徽，劉慧平，朱壽東，白穆.城市擴(kuò)張對(duì)東莞市陸表溫度的影響分析.地理與地理信息科學(xué)，2010，26(3):87-90.

［15］ 趙躍龍，張玲娟.脆弱生態(tài)環(huán)境定量評(píng)價(jià)方法的研究.地理科學(xué)，1998，18(1):73-79.

［24］ 王振華，馬海州，周篤珺，沙占江.Rs和Gis支持下的自然生態(tài)環(huán)境評(píng)價(jià)——以南水北調(diào)雅礱江工程區(qū)為例.鹽湖研究，2007，15(1):1-4.

［29］ 徐涵秋.近30a來福州盆地中心的城市擴(kuò)展進(jìn)程.地理科學(xué)，2011，31(3):351-357.

［30］ 劉清麗，陳友飛.福州城市生態(tài)環(huán)境質(zhì)量評(píng)價(jià)及問題分析.福建師范大學(xué)學(xué)報(bào):自然科學(xué)版，2006，22(1):112-116.

［31］ 徐涵秋.基于城市地表參數(shù)變化的城市熱島效應(yīng)分析.生態(tài)學(xué)報(bào)，2011，31(14):3890-3901.

［32］ 唐菲，徐涵秋.舊城改造與城市熱島效應(yīng)關(guān)系的遙感研究——以福州市蒼霞片區(qū)為例.地理科學(xué)，2011，31(10):1228-1234.