佟光臣, 林 杰, 陳 杭, 顧哲衍, 唐 鵬, 程建敏, 張金池

(1.南京林業(yè)大學(xué) 林學(xué)院, 江蘇省南方現(xiàn)代林業(yè)協(xié)同創(chuàng)新中心, 江蘇省水土保持與生態(tài)修復(fù)重點實驗室, 南京 210037;2.江蘇省水利勘測設(shè)計研究院有限公司, 江蘇 揚(yáng)州 225127; 3.江蘇省水文水資源勘測局連云港分局, 江蘇 連云港 222004)

?

1994-2014年連云港市贛榆區(qū)生態(tài)變化評估

佟光臣1, 林 杰1, 陳 杭2, 顧哲衍2, 唐 鵬1, 程建敏3, 張金池1

(1.南京林業(yè)大學(xué) 林學(xué)院, 江蘇省南方現(xiàn)代林業(yè)協(xié)同創(chuàng)新中心, 江蘇省水土保持與生態(tài)修復(fù)重點實驗室, 南京 210037;2.江蘇省水利勘測設(shè)計研究院有限公司, 江蘇 揚(yáng)州 225127; 3.江蘇省水文水資源勘測局連云港分局, 江蘇 連云港 222004)

利用遙感生態(tài)指數(shù)(RSEI)進(jìn)行區(qū)域生態(tài)變化評估，可以及時、快速地獲取水土流失區(qū)生態(tài)環(huán)境變化狀況。以贛榆為研究區(qū)，采用1994年的Landsat TM 5影像和2014年的Landsat 8 OLI影像，評估指標(biāo)選擇可以反映生態(tài)質(zhì)量條件的綠度、濕度、熱度及干度4個生態(tài)因子，運(yùn)用主成分分析方法集成上述指標(biāo)，分析研究區(qū)域20 a間生態(tài)狀況時空變化。結(jié)果表明：研究期間，贛榆區(qū)RSEI從1994年的0.577上升到2014年的0.639，增幅為10.75%；生態(tài)為優(yōu)良等級所占的面積比例從1994年的42.7%上升到2014年的50.41%，增幅為18.06%，主要發(fā)生在西北部丘陵山區(qū)。通過對贛榆區(qū)的調(diào)查分析，以植樹造林為主的小流域綜合治理措施對生態(tài)質(zhì)量的改善起到了重要作用。

生態(tài)評價; 遙感生態(tài)指數(shù)(RSEI); 贛榆區(qū)

水土流失是全世界范圍內(nèi)影響很多地區(qū)的一種復(fù)雜的動態(tài)現(xiàn)象，它不僅直接造成大量的水、土資源流失，影響糧食生產(chǎn)、飲用水質(zhì)量安全，還造成泥石流、生物多樣性減少、水體污染、碳儲量減少等生態(tài)環(huán)境問題[1-3]。影響水土流失的因素有地形因子、土壤性質(zhì)、可蝕性降雨、土地管理措施及土地利用/覆被等，其中土地利用/覆被變化對水土流失影響較大。當(dāng)前，生態(tài)環(huán)境監(jiān)測與評價的方法有很多，但是大多局限于使用單一指標(biāo)進(jìn)行評價，如利用植被指數(shù)及其衍生的植被覆蓋度評估生態(tài)環(huán)境[4-5]、利用建筑指數(shù)或不透水面指數(shù)、地表溫度評估城市熱環(huán)境[6-8]、利用水體指數(shù)對水環(huán)境開展評估[9-10]。如何全面快速簡便地評價與獲取生態(tài)環(huán)境狀況成為亟待解決的現(xiàn)實問題。徐涵秋[11]于2013年創(chuàng)建了一個全部基于遙感信息并集成多種指標(biāo)因素的新型綜合生態(tài)評價指數(shù)——遙感生態(tài)指數(shù)(RSEI)，其先后被成功應(yīng)用于福建的福州、平潭、長汀、莆田，湖南的長寧等地的生態(tài)評價，結(jié)果表明，該指數(shù)綜合性較強(qiáng)，權(quán)重客觀，可信度高，從而快速成功地監(jiān)測了水土流失區(qū)的生態(tài)質(zhì)量變化。

贛榆區(qū)是江蘇省水土流失重點治理區(qū)之一，也是蘇北土石山區(qū)的典型水土流失區(qū)，研究其生態(tài)狀況變化對提高贛榆區(qū)生態(tài)環(huán)境和評估水土流失治理效果具有重要的意義。鑒于此，本文采用遙感生態(tài)指數(shù)(RSEI)評價方法對贛榆區(qū)20 a間的生態(tài)狀況開展客觀、快速地評價，為今后“生態(tài)贛榆”的進(jìn)一步建設(shè)提供科學(xué)的決策。

1 研究區(qū)與數(shù)據(jù)源

1.1 研究區(qū)概況

贛榆區(qū)是連云港市新規(guī)劃的三個主城區(qū)之一，位于江蘇省東北部，蘇魯兩省交界中心。地理坐標(biāo)為東經(jīng)119°18′，北緯34°50′。下轄15個鎮(zhèn)，2個省級經(jīng)濟(jì)開發(fā)區(qū)，427個行政村、42個社區(qū)，人口118萬。境內(nèi)山區(qū)、平原、沿海各占1/3，自西向東梯次布局。土地利用方式以農(nóng)用地為主，此外含有丘陵山地、城市建設(shè)用地及農(nóng)村居民點用地。全區(qū)總面積1 412.5 km2,其中丘陵山區(qū)529 km2,水土流失面積414 km2,占山丘區(qū)面積的78.3%。

自1984年贛榆縣(2014年撤縣設(shè)區(qū))被列為江蘇省水土流失重點治理區(qū)以來,不斷加大水土流失治理力度,堅持以小流域治理為單元，以經(jīng)濟(jì)效益為中心，山水田林路全面規(guī)劃、綜合治理，水土保持生態(tài)建設(shè)取得顯著成效[12]。2003年8月,贛榆縣被評為“全國水土保持生態(tài)環(huán)境建設(shè)示范縣”。

1.2 數(shù)據(jù)源及其預(yù)處理

研究數(shù)據(jù)選用美國地質(zhì)調(diào)查局(USGS)官網(wǎng)下載的1994-5-19號的Landsat5TM影像及2014-5-26號的Landsat8 OLI影像，行列號為120/36，2幅影像無云覆蓋，季相相近，因此植被的生長狀態(tài)也相近，便于研究結(jié)果的對比。

遙感數(shù)據(jù)預(yù)處理主要有3個步驟:首先在ENVI中進(jìn)行遙感圖像幾何糾正，采用二次多項式和最鄰近像元法，配準(zhǔn)的均方根誤差小于0.5個像元；其次，由于植被指數(shù)對大氣很敏感，因此必須做輻射校正和大氣糾正,其中大氣校正應(yīng)用的是ENVI Flaash大氣校正模型；最后，依照行政區(qū)界線進(jìn)行圖像裁剪(見圖1—2)。以上操作均在ENVI5.1中進(jìn)行。

2 研究方法

2.1 RSEI計算方法

本研究所采用的RSEI指數(shù)方法是徐涵秋[11]提出的一個新型的遙感生態(tài)指數(shù)。該方法使用歸一化植被指數(shù)(NDVI)[13]、纓帽變換的濕度分量(WET)[14]、裸土指數(shù)(NDSI)[15-16]、地表溫度(LST)[17]分別代表綠度、濕度、熱度、干度四個指標(biāo)來快速監(jiān)測和評價區(qū)域生態(tài)環(huán)境質(zhì)量。這四個指標(biāo)是評判生態(tài)條件優(yōu)劣的重要因素，而且可以從遙感影像中快速提取，一經(jīng)提出后，先后在多地應(yīng)用[18-20]。遙感生態(tài)指數(shù)函數(shù)表達(dá)式如下：

(1)

式中：G為綠度；W為溫度；T為熱度；D為干度。

(2)

WET= 0.0315ρ1+ 0.2021ρ2+ 0.3102ρ3+

0.1594ρ4-0.6806ρ5-0.6107ρ7

(3)

(4)

(5)

式中：ρi(i=1,2,…，7) 分別為影像對應(yīng)各波段的反射率；公式(4)中T為亮溫，根據(jù)NASA提供的Landsat用戶手冊的模型[21-22]進(jìn)行計算，λ為TM6波段的中心波長(λ=11.5 μm),z=hc/K=1.438×10-2mK(其中，h為普朗克常數(shù)，取值為6.26×10-34J/s；c為光速，取值為2.998億m/s；K為斯忒藩—玻爾茲曼常數(shù)，取值為1.38×10-23J/K；ε為地表比反射率，其取值參見文獻(xiàn)[23])；SI為裸土指數(shù)；IBI為建筑指數(shù)。

提取以上4個指標(biāo)后，首先對它們進(jìn)行正規(guī)化，即將以上圖像值歸一化到0～1之間，這一步既解決了各個指標(biāo)由于量綱不同而引起的權(quán)重失調(diào)問題，也可以減弱遙感影像季相之間的差異；然后通過波段疊加合并成一幅圖像，最后采用主成分變換對上述合成圖像進(jìn)行變換(注意：主成分變換時，對水體進(jìn)行掩膜，防止大片水域影響PCA的載荷)，得到合成圖像的主成分矩陣(表1)，再以歸一化后的第1主成分(PC1)來生成RSEI，公式如下:

(6)

式中:RSEI0為主成分計算獲得的初始遙感生態(tài)指數(shù)。為了使指標(biāo)便于度量和比較，對RSEI0進(jìn)行歸一化處理：

(7)

經(jīng)過歸一化處理后，RSEI的值介于[0,1]。值越接近于1，代表生態(tài)條件越好，越接近于0，代表生態(tài)條件越差。通過上述運(yùn)算后，獲得兩個時相的遙感生態(tài)指數(shù)RSEI影像(圖3—4)。

圖1 1994年TM影像 圖2 2014年OLI影像

2.2 植被覆蓋度提取

歸一化植被指數(shù)(NDVI)是植被生長狀態(tài)及植被覆蓋度的最佳指示因子[24]。本文利用像元二分模型估算研究區(qū)的植被覆蓋度，計算公式如下：

(8)

式中：NDVImax為完全由植被所覆蓋像元的NDVI值，NDVImin為裸土或無植被覆蓋區(qū)域的NDVI值。

計算植被覆蓋度時，通常根據(jù)圖像大小、圖像清晰度等情況，以置信度截取NDVI 的上下限閾值分別近似代表NDVImax和NDVImin，可以在一定程度上

消除遙感影像年際波動所帶來的誤差[25]。本研究通過分析2個時期NDVI數(shù)據(jù)，考慮時空差異，最終采用0.5%和99.5%的累計百分比為置信區(qū)間來確定NDVI 最大值與最小值。

然后對上述計算出的植被覆蓋度，參考《土壤侵蝕分類分級標(biāo)準(zhǔn)》(sl190—2007)，并結(jié)合研究區(qū)實際情況，將植被覆蓋度劃分為：低植被覆蓋度(fc<30%)、中低植被覆蓋度(30%≤fc<45%)、中植被覆蓋度(45%≤fc<60%)、中高覆蓋度(60%≤fc<75%)和高覆蓋度(fc≥75%)5個等級。

圖3 1994年RSEI影像 圖4 2014年RSEI影像

表1 指標(biāo)主成分分析

3 結(jié)果與分析

3.1 贛榆區(qū)RSEI時空變化

從表1中各生態(tài)指標(biāo)的PC1載荷來看，對生態(tài)起正面影響的綠度和濕度指標(biāo)中，1994年濕度的貢獻(xiàn)率高，而4個指標(biāo)中熱度(LST)的貢獻(xiàn)率最高；而到2014年綠度的貢獻(xiàn)最高，且為4個指標(biāo)中最大，說明植被對改善生態(tài)的影響更大，而對生態(tài)起負(fù)面影響的熱度和干度指標(biāo)中，2個年份都是干度的貢獻(xiàn)率更高，說明生態(tài)狀況的下降與干度的變化有關(guān)。

表2是研究區(qū)各年份4個指標(biāo)和生態(tài)遙感指數(shù)RSEI的均值。從表2可以看出：1994—2014年，贛榆區(qū)RSEI從1994年的0.577上升到2014年的0.639，增幅為10.75%。研究區(qū)整體生態(tài)環(huán)境的改善從側(cè)面反映了當(dāng)?shù)厮帘３纸ㄔO(shè)取得了一定成效。從各指標(biāo)變化可知，代表生態(tài)條件好的濕度均值在這20 a

中有大幅上升，綠度變化不大，而代表生態(tài)條件差的熱度和干度的均值都明顯下降?？紤]到研究區(qū)沿海城鎮(zhèn)近20 a城市化建設(shè)的發(fā)展，綠度指數(shù)能近似保持平穩(wěn)也從側(cè)面反映了丘陵山區(qū)植被的改善，以上4個指標(biāo)的各自表現(xiàn)說明了研究區(qū)的總體生態(tài)質(zhì)量呈上升趨勢。從圖3，4也可以看出研究區(qū)生態(tài)條件具有明顯的梯度性：中部農(nóng)田區(qū)生態(tài)條件較好，西部丘陵山區(qū)和東部沿海城鎮(zhèn)建設(shè)區(qū)生態(tài)條件較差。整體遙感生態(tài)指數(shù)的提高得益于丘陵區(qū)生態(tài)條件的改善超過了東部城市建設(shè)區(qū)生產(chǎn)建設(shè)活動對生態(tài)環(huán)境的破壞。因此，所建的RSEI生態(tài)指數(shù)得到的結(jié)果與4個指標(biāo)表述的結(jié)果相吻合，可以綜合代表4個指標(biāo)。

表2 各年份4個指標(biāo)和遙感生態(tài)指數(shù)RSEI的均值

3.2 贛榆區(qū)生態(tài)質(zhì)量等級時空變化

為了進(jìn)一步分析指數(shù)的合理性，將各年份的RSEI指數(shù)以0.2的間隔分成5級，分別代表生態(tài)差、較差、中等、良、優(yōu)5個等級(表3)

從表3中可以看出，生態(tài)級別為優(yōu)良等級(4—5級)所占的面積比例從42.7%上升到50.41%，而等級為差到中等的面積比例則相應(yīng)下降?？傮w表明贛榆地區(qū)的生態(tài)質(zhì)量得到了明顯的改善。為了對不同年份的生態(tài)狀況進(jìn)行時空變化分析，利用差值原理，分9個等級對贛榆區(qū)的生態(tài)狀況進(jìn)行變化檢測。其中，“0級”為基本未變級，“變好”和“變差”都各分4級。得到的變化等級統(tǒng)計表見表4。

圖5 1994-2014年RSEI變化分級影像

從表4可以得出：1994—2014年間，從變化結(jié)果及其幅度來看，該區(qū)生態(tài)條件變差、等級下降的面積為305.2 km2，約占總面積的21.61%，其變差中級差為1的等級所占面積比重較大，占到整個變差的56.75%；而生態(tài)變好的面積達(dá)559.5 km2，占到了39.61%，其變好中級差為1的等級所占面積比重較大，占到整個變好的71.33%；從空間上看，生態(tài)條件變好的地點主要分布在西部丘陵山區(qū)(圖5)。生態(tài)條件變差的主要是集中在東部一些新增的城市建設(shè)用地和新開挖農(nóng)田進(jìn)行水產(chǎn)養(yǎng)殖地區(qū)(圖5)。不變區(qū)主要分布在中部生態(tài)條件一直較好的農(nóng)田和部分生態(tài)條件一直較好的西部林地。

表3 贛榆區(qū)的生態(tài)級別面積和比例

3.3 贛榆水土流失區(qū)植被覆蓋度時空變化

針對贛榆區(qū)水土流失主要分布在西北丘陵山區(qū)的坡耕地上這一情況，本文根據(jù)研究區(qū)DEM圖提取高程45 m以上范圍進(jìn)行植被覆蓋度變化研究(見圖6)，探究近20 a來坡耕地還林還草措施成效。結(jié)果表明，該區(qū)域平均植被覆蓋度從1994年的32%上升到2014年的40%；從變化等級來看，中低植被覆蓋等級均有不同程度增長。仿照前文生態(tài)狀況差值變化監(jiān)測，也對兩個時期植被覆蓋情況進(jìn)行變化監(jiān)測分析，結(jié)果發(fā)現(xiàn)，植被覆蓋度度降低、等級下降的面積為311.29 km2，而等級上升的面積有507.84 km2，級差為1的等級面積所占比重最大。這說明退耕還林還草措施取得了一定成效，但仍存在陡坡開墾種糧、采砂等破壞植被的活動，水土流失治理仍然不能放松。

表4 變化檢測

圖6 1994-2014年丘陵區(qū)植被覆蓋等級分布與變化

3.4 RSEI指數(shù)的綜合代表性分析

綜合代表性的定量分析可以從RSEI和各指標(biāo)之間的相關(guān)度看出。相關(guān)度越強(qiáng)，說明它越能綜合代表各個指標(biāo)。表5是各指標(biāo)和RSEI的相關(guān)系數(shù)以及各指標(biāo)相互之間的相關(guān)系數(shù)。從單一指標(biāo)來講，NDSI的平均相關(guān)度最高，為0.867，而新建的RSEI指標(biāo)的2個年份的平均值高達(dá)0.908，比單一指標(biāo)最高的NDSI高出4.7%，比最低的LST高出了21.4%，比4個指標(biāo)的平均值(0.799)高出了13.6%?？梢悦黠@看出，新指標(biāo)與各指標(biāo)之間更高的相關(guān)度說明了它對各指標(biāo)的信息能夠很好地集成，它比其他單一指標(biāo)更具代表性，能夠綜合代表贛榆地區(qū)的生態(tài)狀況。

表5 4個指標(biāo)和RSEI的相關(guān)矩陣

注：平均相關(guān)度是以某一指標(biāo)與其他指標(biāo)相關(guān)系數(shù)的絕對值來計算，以1994年WET為例：mean=(|0.690|+|-0.864|+|-0.799|)/3=0.793。

4 結(jié) 論

在整個研究區(qū)域中，對RSEI指數(shù)貢獻(xiàn)最大的指標(biāo)從1994年的熱度指標(biāo)(LST)變成2014年的綠度指標(biāo)(NDVI)，這說明以植樹造林為主的小流域綜合治理措施對研究區(qū)生態(tài)環(huán)境質(zhì)量的改善起到了重大作用，RSEI值從1994年的0.577上升到2014年的0.639，增幅為10.75%。

從具體變化來看，20 a來，贛榆區(qū)生態(tài)為優(yōu)良等級所占的面積比例從1994年的42.7%上升到2014年的50.41%，增幅為18.06%；該區(qū)生態(tài)條件變差、等級下降的面積為305.2 km2，約占總面積的21.61%，而生態(tài)轉(zhuǎn)好的面積達(dá)559.5 km2，占到了39.61%。

從空間分布上來看，生態(tài)條件變好的地點主要分布在西部丘陵山區(qū)；生態(tài)條件變差的地點主要是集中在東部一些新增的城市生產(chǎn)建設(shè)用地和新開挖農(nóng)田進(jìn)行水產(chǎn)養(yǎng)殖地區(qū)；不變區(qū)域主要分布在中部生態(tài)條件一直較好的農(nóng)田和部分生態(tài)條件一直較好的西部林地。

新建立的遙感生態(tài)指數(shù)RSEI與各指標(biāo)之間具有較高的的相關(guān)度，相比其他單一指標(biāo)更具代表性，能夠客觀綜合地代表贛榆地區(qū)的生態(tài)環(huán)境狀況，研究結(jié)論對于贛榆區(qū)今后的水土流失治理提供了參考。

[1] Poesen J, Vanwalleghem T, Vente J D, et al. Soil Erosion in Europe[M]. Chichester:Wiley, 2006.

[2] Zhang X, Walling D E, Quine T A, et al. Use of reservoir deposits and caesium 137 measurements to investigate the erosional response of a small drainage basin in the rolling loess plateau region of China[J]. Land Degradation & Development, 1997,8(1):1-16.

[3] 齊曉君,王恩德,賈三石.基于GIS和RS的撫順市土壤侵蝕動態(tài)研究[J].東北大學(xué)學(xué)報:自然科學(xué)版,2008,129(9):1342-1345.

[4] 王朗,傅伯杰,呂一河,等.生態(tài)恢復(fù)背景下陜北地區(qū)植被覆蓋的時空變化[J].應(yīng)用生態(tài)學(xué)報,2010,21(8):2109-2116.

[5] 成軍鋒,賈寶全,趙秀梅,等.干旱半干旱地區(qū)植被覆蓋度的動態(tài)變化分析:以毛烏素沙漠南部為例[J].干旱區(qū)資源與環(huán)境,2009,23(12),:172-176.

[6] 李昕瑜,杜培軍,阿里木·賽買提.南京市地表參數(shù)變化與熱島效應(yīng)時空分析[J].國土資源遙感,2014,26(2):177-183.

[7] 李潤林,時永杰,姚艷敏,等.基于Landsat TM/ETM+的張掖市甘州區(qū)綠洲冷島效應(yīng)時空變化研究[J].干旱區(qū)資源與環(huán)境,2014,28(9):139-144.

[8] 岳文澤,徐麗華,徐建華.20世紀(jì)90年代上海市熱環(huán)境變化及其社會經(jīng)濟(jì)驅(qū)動力[J].生態(tài)學(xué)報2010,30(1):155-164.

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

[10] 溫小樂,徐涵秋.福州城市擴(kuò)展對閩江下游水質(zhì)影響的遙感分析[J].地理科學(xué),2010,30(1):624-629.

[11] 徐涵秋.水土流失區(qū)生態(tài)變化的遙感評估[J].農(nóng)業(yè)工程學(xué)報,2013,29(7):91-98.

[12] 趙敬賢,張文海,樊繼嶺.堅持小流域綜合治理促進(jìn)贛榆經(jīng)濟(jì)可持續(xù)發(fā)展[J].中國水土保持,2001(11):37-39.

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

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

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

[16] Xu Hanqiu. A new index for delineating built-up land features in satellite imagery[J]. International Lournal of Remote Sensing, 2008,29(14):4269-4276.

[17] Jimenez-Munoz J C, Cristobal J, Sobrino J A, et al. Revision of the Single-Channel Algorithm for Land Surface Temperature Retrieval From Landsat Thermal-Infrared Data[J]. IEEE Transactions on Geoscience & Remote Sensing, 2009,47(1):339-349.

[18] 羅春,劉輝,戚陸越.基于遙感指數(shù)的生態(tài)變化評估:以常寧市為例[J].國土資源遙感,2014,26(4):145-150.

[19] 溫小樂,林征峰,唐菲.新興海島型城市建設(shè)引發(fā)的生態(tài)變化的遙感分析:以福建平潭綜合試驗區(qū)為例[J].國土資源遙感.2015,26(2):541-547.

[20] 鄭勇.基于TM數(shù)據(jù)的生態(tài)環(huán)境指數(shù)提取及變化分析[D].南京:南京林業(yè)大學(xué)碩士學(xué)位論文.2014.

[21] NASA. Landsat7Science Data Users Handbook [EB/OL]. http:∥landsathandbook. gsfc. nasa. gov, 2012-09-05.

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

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

[24] 趙英時.遙感應(yīng)用分析原理與方法[M].北京:科學(xué)出版社,2003.

[25] 李登科,范建忠,王娟.陜西省植被覆蓋度變化特征及其成因[J].應(yīng)用生態(tài)學(xué)報,2010,21(11):2896-2903.

Ecological Change Assessment in Ganyu of Lianyungang City From 1994 to 2014

TONG Guangchen1, LIN Jie1, CHEN Hang2, GU Zheyan2, TANG Peng1, CHENG Jianmin3, ZHANG Jinchi1

(1.CollegeofForestry,CollaborativeInnovationCenterofSustainableForestryinSouthernChinaofJiangsuProvince,NanjingForestryUniversity,KeyLaboratoryofSoilandWaterConservationandEcologicalRestorationofJiangsuProvince,Nanjing210037,China; 2.JiangsuSurveyingandDesignofWaterResourcesCo.,Ltd.,Yangzhou，Jiangsu225127,China; 3.JiangsuProvinceHydrologyandWaterResourcesInvestigationBureau,Lianyungang，Jiangsu222004,China)

Using the remote sensing ecological index (RSEI) to evaluate the regional ecological changes, we can obtain the ecological environment changes of soil erosion area in time and quickly. Choosing Ganyu as the study area, we also chose 1994 Landsat TM remote sensing images and 2014 Landsat OLI remote sensing images as the data sources. Green degree, humidity, heat and dry degree were extracted as indicators of evaluation model. Combined with principal component analysis method, we analyzed the ecological changes of study area quantitatively and objectively in the past 20 years. The results showed that during the whole study period, the remote sensing ecological index which was 0.577 in 1994 and rose to 0.639 in 2014, an increased by 10.75%; excellent grade of eco-area which accounted for 42.7% of the area in 1994 and rose to 50.41% in 2014, and increased by 18.06%, mainly in the hills and mountains in the northwest. Through the investigation and analysis of the Ganyu District, the comprehensive management of small watershed based on forest planting has played an important role in the improvement of the ecological quality.

ecological assessment; remote sensing based ecology index; Ganyu District

2016-01-04

2016-01-23

國家自然科學(xué)基金(31200534);江蘇高校優(yōu)勢學(xué)科建設(shè)工程資助項目(PAPD)

佟光臣(1987—),男,江蘇邳州人,碩士研究生,研究方向:土壤侵蝕遙感監(jiān)測。E-mail:969714589@qq.com

林杰(1976—),女,副教授,遼寧丹東人,碩士生導(dǎo)師,研究方向:土壤侵蝕遙感監(jiān)測。E-mail:jielin@njfu.edu.cn

TP79； X87； S157

A

1005-3409(2016)06-0352-06