張?jiān)啵?吳 穎， 羅軍強(qiáng)， 胡 青， 白 洋， 鄭雄偉， 宋長(zhǎng)虹

(湖北省地質(zhì)局 地球物理勘探大隊(duì)，湖北 武漢 430056)

目前中國(guó)城市化進(jìn)程不斷加快，越來(lái)越多的城市面臨生態(tài)問(wèn)題。傳統(tǒng)的生態(tài)調(diào)查方法大多是基于實(shí)地勘測(cè)與取樣分析，涉及土壤、水文、植被等各個(gè)方面，其研究過(guò)程復(fù)雜、周期長(zhǎng)、成本高。目前，快速、準(zhǔn)確、低成本地了解城市生態(tài)狀況，已經(jīng)成為生態(tài)領(lǐng)域的一個(gè)研究重點(diǎn)。而遙感技術(shù)可以及時(shí)地監(jiān)測(cè)多尺度生態(tài)系統(tǒng)的變化，并發(fā)現(xiàn)其所存在的問(wèn)題，已成為保護(hù)生態(tài)系統(tǒng)的重要手段[1]。當(dāng)前衛(wèi)星遙感對(duì)地觀測(cè)系統(tǒng)，以其大面積、實(shí)時(shí)、快速、周期性重復(fù)觀測(cè)的優(yōu)點(diǎn)，已在生態(tài)領(lǐng)域得到廣泛的應(yīng)用[2]。

利用遙感生態(tài)指數(shù)對(duì)鐘祥市進(jìn)行多指標(biāo)、大范圍、多時(shí)相的生態(tài)變化綜合評(píng)價(jià)研究，探討影響城市生態(tài)環(huán)境變化的關(guān)鍵因素并分析原因，一方面可以服務(wù)于鐘祥市的生態(tài)環(huán)境監(jiān)測(cè)和建設(shè)，另一方面則可以試驗(yàn)遙感生態(tài)指數(shù)(RSEI)的適用性和有效性。

1 研究區(qū)與數(shù)據(jù)源

1.1 研究區(qū)域概況

鐘祥市位于湖北省中部、漢江中游，北接宜城市、隨州市，南鄰天門市、沙洋縣，東靠京山市，西連東寶區(qū)、掇刀區(qū)，介于北緯30°42′～ 31°36′、東經(jīng)112°07′～113°00′之間，地處鄂中低山區(qū)，地勢(shì)東北高、西南低；屬北亞熱帶季風(fēng)氣候區(qū)，具有四季分明、雨熱同期、雨量充沛、氣候溫和等特點(diǎn)。

本次研究選取的區(qū)域覆蓋整個(gè)鐘祥市，研究區(qū)域面積為4 488 km2。

1.2 數(shù)據(jù)源

使用的遙感影像均選取Landsat8影像，兩幅Landsat8影像就可以覆蓋整個(gè)鐘祥。選取6組影像，每?jī)煞?jīng)過(guò)裁剪拼接后得到一個(gè)完整的研究區(qū)域，最終得到3幅鐘祥市的遙感圖像，時(shí)間分別為2014-05-06、2017-04-28、2019-04-18，如圖1所示為經(jīng)過(guò)預(yù)處理的3幅圖像。影像的季相相同，最長(zhǎng)相差時(shí)間不到20 d，避免因季節(jié)差異、植被生長(zhǎng)狀態(tài)不同而造成的影響，保證實(shí)驗(yàn)結(jié)果的可比性。

圖1 鐘祥市Landsat8遙感影像(RGB:543)Fig.1 Landsat8 images of Zhongxiang City

2 研究方法

2.1 方法概述

針對(duì)城市生態(tài)系統(tǒng)，使用一個(gè)基于遙感信息并集成多種指標(biāo)因素的遙感綜合生態(tài)指數(shù)，通過(guò)提取濕度、綠度、干度、熱度4個(gè)與人類生存相關(guān)的重要指標(biāo)，客觀、快速地評(píng)價(jià)城市生態(tài)質(zhì)量。4個(gè)指標(biāo)分別對(duì)應(yīng)使用遙感技術(shù)手段可獲取的纓帽變換的濕度分量、植被指數(shù)、建筑裸土指數(shù)和地表溫度[3]，纓帽變換的濕度分量與植被和土壤的濕度緊密相關(guān)，其值反映研究區(qū)濕度狀況；“歸一化”植被指數(shù)NDVI是使用最為廣泛的植被指數(shù)，用它來(lái)代表綠度指標(biāo)；研究區(qū)除城市建成區(qū)外，還包括部分裸土，因此，采用建筑指數(shù)IBI和土壤指數(shù)SI二者相結(jié)合生成的“建筑—裸土指數(shù)”NDBSI來(lái)表示干度指標(biāo)；熱度指標(biāo)使用地表溫度表示：首先，利用NDVI指數(shù)計(jì)算出植被覆蓋度，再計(jì)算出地表比輻射率。接下來(lái)，用地表比輻射率和經(jīng)過(guò)輻射定標(biāo)后的熱紅外圖像來(lái)計(jì)算出同溫度下黑體輻射亮度，進(jìn)而計(jì)算出地表溫度LST。最后融合以上4個(gè)指標(biāo)變量，再通過(guò)主成分分析法(PCA)計(jì)算出主成分，構(gòu)建出遙感生態(tài)指數(shù)。

需要注意的是，由于四個(gè)指標(biāo)量綱不統(tǒng)一，為了避免權(quán)重失衡，融合之前應(yīng)對(duì)各個(gè)指標(biāo)進(jìn)行“歸一化”，將它們變換到[0,1]之間。另外，RSEI主要應(yīng)用于陸地為主的地區(qū)，所以需要對(duì)研究區(qū)域中的水體做掩膜處理，使掩膜的區(qū)域不參與“歸一化”計(jì)算與主成分分析。

2.2 技術(shù)路線

以Landsat8影像為例，詳細(xì)介紹遙感生態(tài)指數(shù)的計(jì)算流程，其技術(shù)路線如圖2所示。

2.2.1數(shù)據(jù)預(yù)處理

由于衛(wèi)星成像受到大氣、光照等多種因素的影響，故需要根據(jù)成像時(shí)間，用相應(yīng)時(shí)間的光照、氣候條件對(duì)原始影像進(jìn)行預(yù)處理，才能得到地面物體對(duì)各個(gè)波段的真實(shí)反射率。數(shù)據(jù)預(yù)處理過(guò)程如下：

(1)使用二次多項(xiàng)式和最鄰近像元法對(duì)不同時(shí)間的衛(wèi)星影像進(jìn)行幾何校正，使其均方根誤差<0.5個(gè)像元以滿足精度要求；

(2)對(duì)影像進(jìn)行輻射定標(biāo)操作，包括多光譜輻射定標(biāo)與熱紅外輻射定標(biāo)，將DN值轉(zhuǎn)換為傳感器處的反射率，其中多光譜輻射定標(biāo)的結(jié)果用于下一步的大氣矯正中，而熱紅外輻射定標(biāo)的結(jié)果則用于計(jì)算溫度指標(biāo)；

(3)根據(jù)影像獲取的時(shí)間、地面高程等因素，采用合適的大氣矯正模型，對(duì)多光譜輻射定標(biāo)后的影像進(jìn)行大氣校正，消除大氣和光照等因素對(duì)地物反射的影響，計(jì)算地表物體的真實(shí)反射率；

圖2 技術(shù)路線圖Fig.2 Technology road map

(4)將兩幅經(jīng)過(guò)大氣矯正后的影像拼接，再裁剪出研究區(qū)域，計(jì)算各個(gè)指標(biāo)。

2.2.2計(jì)算評(píng)價(jià)指標(biāo)

(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數(shù)有直接的關(guān)系，因此已被廣泛地應(yīng)用于生態(tài)監(jiān)測(cè)中[4]。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(lái)代表，其表達(dá)式為：

WET=C1ρB+C2ρG+C3ρR+C4ρNIR+C5ρSWIR1+C6ρSWIR2

(1)

式中：ρB、ρG、ρR、ρNIR、ρSWIR1、ρSWIR2分別為landsat8影像中Blue、Green、Red、NIR、SWIR1、SWIR2波段的反射率；Ci為相應(yīng)的比例系數(shù)。對(duì)于landsat8影像，C1=0.151 1、C2=0.197 3、C3=0.328 3、C4=0.340 7、C5=-0.717 7、C6=-0.455 9。

(2) 綠度指標(biāo)?！皻w一化”差值植被指數(shù)無(wú)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，因此，選用NDVI來(lái)代表綠度指標(biāo)，公式為：

NDVI=(ρNIR-ρR)/(ρNIR+ρR)

(2)

(3) 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)，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合成，其公式為：

NDBSI=(IBI+SI)/2

(3)

式中，IBI與SI的計(jì)算公式如下：

(4)

SI=[(ρSWIR1+ρR)-(ρNIR+ρB)]/
[(ρSWIR1+ρR)+(ρNIR+ρB)]

(5)

(4) 溫度指標(biāo)。溫度指標(biāo)(LST)的計(jì)算稍復(fù)雜，其流程如圖3所示。

首先，通過(guò)綠度指標(biāo)NDVI計(jì)算植被覆蓋度圖像，其表達(dá)式為：

(6)

式中：B1為NDVI。

其次，計(jì)算地表比輻射率，表達(dá)式為：

0.004×B2+0.986

(7)

式中：B2為植被覆蓋度。

接下來(lái)，再計(jì)算同溫度下黑體輻射亮度，表達(dá)式為：

[B2-0.75-0.9×(1-B3)×1.29]/(0.9×B3)

(8)

式中：B3為地表比輻射率圖像；B2為Band 10(即熱紅外波段)經(jīng)過(guò)輻射定標(biāo)后的熱紅外輻射亮度圖像。

最后，計(jì)算地表溫度，其表達(dá)式為：

(9)

式中：B4為同溫度下黑體輻射亮度圖像。

圖3 溫度指標(biāo)計(jì)算流程Fig.3 Calculating process of temperature index

2.2.3指標(biāo)掩膜及“歸一化”

遙感生態(tài)指數(shù)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)，而纓帽變換的濕度分量主要和植被、土壤的濕度有關(guān)[5]，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、土壤的濕度，在這種情況下，必須掩膜掉大片的水體。采用MNDWI指數(shù)對(duì)水體進(jìn)行掩膜處理。其計(jì)算公式為：

MNDWI=(ρG-ρSWIR1)/(ρG+ρSWIR1)

(10)

一般情況下，水體的MNDWI指數(shù)較高，所以可以設(shè)置一定的閾值把水體提取出來(lái)。由于各個(gè)地區(qū)情況不同，所以掩膜的閾值設(shè)定也需要?jiǎng)討B(tài)調(diào)整，采用ENVI中“Band Threshold to ROI”工具，通過(guò)統(tǒng)計(jì)圖像的MNDWI分布情況并成圖，推測(cè)得出掩膜閾值。如圖4所示，可以看出圖像的第三個(gè)較小波峰，MNDWI指數(shù)較高，推測(cè)可能是一片水體區(qū)域?qū)е缕鋽?shù)值增加。故設(shè)置掩膜閾值為0.348，實(shí)際效果如圖5所示，與真彩色圖像對(duì)比后，基本符合實(shí)際。

圖4 設(shè)置掩膜閾值Fig.4 Setting mask water area coefficient

圖5 水體掩膜效果圖(紅色部分為水體)Fig.5 Diagram of mask water area

由于指標(biāo)量綱不統(tǒng)一，所以在進(jìn)行主成分分析前需要將指標(biāo)“歸一化”。其公式為：

NIi=(Ii-Imin)/(Imax-Imin)

(11)

式中：NIi為正規(guī)化后的某一指標(biāo)值；Ii為該指標(biāo)在像元i的值；Imax為該指標(biāo)的最大值；Imin為該指標(biāo)的最小值。將指標(biāo)“歸一化”時(shí)，可能會(huì)受個(gè)別的極端值(極大值或極小值)的影響，導(dǎo)致“歸一化”效果不好。所以常采取的方法是取一個(gè)置信區(qū)間，不考慮置信區(qū)間外的數(shù)據(jù)，直接將它們?cè)O(shè)置為最小值或最大值，這樣就有效避免了極端值對(duì)歸一化的影響。本次進(jìn)行歸一化時(shí)，選取的置信區(qū)間均為1%。

2.2.4構(gòu)建綜合指數(shù)

首先，將掩膜并“歸一化”后的指標(biāo)進(jìn)行融合，并對(duì)其進(jìn)行主成份分析。其次，取結(jié)果的第一個(gè)分量(PC1)，再用1減去PC1得到初始值RSEI0。最后，“歸一化”計(jì)算RSEI指數(shù)。RSEI指數(shù)越高，表示其生態(tài)質(zhì)量越好，反之則越差。其計(jì)算表達(dá)式為：

RSEI0=1-{PC1[f(WET,NDVI,NDBSI,LST)]}

(12)

RSEI=(RSEI0-RSEImin)/(RSEImax-RSEImin)

(13)

3 結(jié)果與討論

3.1 鐘祥市遙感生態(tài)指數(shù)統(tǒng)計(jì)

表1統(tǒng)計(jì)了各年份4個(gè)指標(biāo)和RSEI的最小值(min)、最大值(max)、均值(mean)、標(biāo)準(zhǔn)差(std)。從表1可以看出，鐘祥市RSEI均值在這5年間變化幅度不大，由2014年的0.567到2017年的0.579，上升了2.1%；由2017年的0.579到2019年的0.563，下降了2.8%。近5年間，RSEI指數(shù)呈現(xiàn)出先上升后下降的趨勢(shì)。

表1 各年份4個(gè)指標(biāo)和RSEI統(tǒng)計(jì)值Table 1 Statistics of 4 indicators and RSEI value

相應(yīng)的結(jié)果在圖6中也有體現(xiàn)。如圖6為鐘祥市遙感生態(tài)指數(shù)影像，其中白色部分是掩膜去除的水體。2014—2017年，在大部分區(qū)域生態(tài)基本不變的情況下，2017年鐘祥市的東北角有變好的趨勢(shì)；2017—2019年，河流附近區(qū)域生態(tài)基本保持不變，河流兩側(cè)出現(xiàn)生態(tài)明顯變差的區(qū)域。

把各年份的RSEI指數(shù)進(jìn)行統(tǒng)計(jì)，并按照一定間隔計(jì)算累計(jì)的頻率來(lái)繪制直方圖，再根據(jù)直方圖繪制出相應(yīng)的曲線圖，2014、2017、2019年3個(gè)年份的RSEI指數(shù)統(tǒng)計(jì)分布圖如圖7所示。從圖中可以看到，3個(gè)年份的RSEI指數(shù)峰值出現(xiàn)的不同的位置，2017年的RSEI指數(shù)達(dá)到峰值時(shí)其值為0.86，為3年中最高，且對(duì)應(yīng)的百分比也最大，說(shuō)明2017年生態(tài)質(zhì)量較好的區(qū)域占比較高；2014年的RSEI指數(shù)達(dá)到峰值時(shí)其值為0.82，對(duì)應(yīng)的百分比較小，其平緩的曲線圖也說(shuō)明2014年的RSEI分布比較平均，整個(gè)地區(qū)的生態(tài)質(zhì)量較為平均；2019年的RSEI指數(shù)達(dá)到峰值時(shí)其值為0.73，為3年中最低，通過(guò)其曲線的形狀可以分析得出，RSEI指數(shù)在0.2～0.4之間的占比較大，而0.8以上的占比較小，說(shuō)明2019年生態(tài)較差的地區(qū)面積多于生態(tài)好的地區(qū)面積。但是總體來(lái)說(shuō)，3年的RSEI指數(shù)達(dá)到峰值時(shí)，其值相差并不多，分布情況有一定差異，但并不明顯，說(shuō)明整個(gè)鐘祥區(qū)域的生態(tài)質(zhì)量在基本保持不變的情況下，略有小幅波動(dòng)。

為了更好地運(yùn)用RSEI生態(tài)指數(shù)分析，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、良、優(yōu)5個(gè)等級(jí)，并對(duì)各個(gè)等級(jí)所占的比重、面積進(jìn)行統(tǒng)計(jì)，以便對(duì)整個(gè)地區(qū)的生態(tài)質(zhì)量進(jìn)行定量評(píng)估。如表2所示，鐘祥市各年份的RSEI分級(jí)統(tǒng)計(jì)表，相應(yīng)的條形統(tǒng)計(jì)圖，如圖8。從圖8和表2中可以看出，3個(gè)年份的RSEI指數(shù)在級(jí)別1～4有一定差異，但差別不大，在級(jí)別5中出現(xiàn)較大差別，2017年的生態(tài)質(zhì)量為5級(jí)的區(qū)域面積最大，而2019年的最小，也進(jìn)一步說(shuō)明了2017年生態(tài)質(zhì)量是更好的一年。

圖6 鐘祥市RSEI圖Fig.6 Corresponding RSEI images of Zhongxiang City

圖7 鐘祥市各年份的RSEI統(tǒng)計(jì)分布圖Fig.7 RSEI distribution map of Zhongxiang City in each year

圖9為各年份經(jīng)過(guò)分級(jí)處理后的RSEI指數(shù)分布圖。從圖中可以直觀地看到，河流東側(cè)和西北側(cè)的紅色區(qū)域有逐漸擴(kuò)大的趨勢(shì)，說(shuō)明該河流東側(cè)區(qū)域生態(tài)質(zhì)量有一定程度的下降。鐘祥的東北角和中部偏的西側(cè)區(qū)域生態(tài)一直較好，在2014—2019年間，其生態(tài)質(zhì)量有先上升后下降，雖然波動(dòng)幅度并不大，但是也存在下降的趨勢(shì)，需要引起注意。

表2 鐘祥市各年份的RSEI分級(jí)統(tǒng)計(jì)表Table 2 RSEI statistics of Zhongxiang in each year

圖8 鐘祥各年份各級(jí)生態(tài)指數(shù)面積統(tǒng)計(jì)圖Fig.8 Statistical chart of ecological index area ofZhongxiang City in each year

圖9 各年份RSEI指數(shù)分級(jí)圖Fig.9 Class diagram of each RSEI level in each year

3.2 構(gòu)建RSEI指數(shù)方法分析與應(yīng)用

3.2.1四大指標(biāo)相關(guān)性分析

表3是各年份4個(gè)指標(biāo)相關(guān)性的統(tǒng)計(jì)表?？梢钥闯龈髦笜?biāo)相互之間平均相關(guān)性最高的是NDBSI，3年分別為0.816、0.732、0.797，其次是NDVI指數(shù)。說(shuō)明這2個(gè)指標(biāo)集中這4個(gè)指標(biāo)的大部分的信息，從后面的統(tǒng)計(jì)數(shù)據(jù)中也驗(yàn)證了這個(gè)說(shuō)法。RSEI指數(shù)主要受到NDVI指數(shù)的正面影響和NDBSI指數(shù)的負(fù)面影響。

由于各個(gè)指標(biāo)的相關(guān)性較高，新建的綜合指標(biāo)為了保證盡可能多的信息保留下來(lái)，采用主成分分析法計(jì)算4個(gè)指標(biāo)的主分量，當(dāng)?shù)谝粋€(gè)主分量貢獻(xiàn)率達(dá)到一定閾值(如75%)時(shí)，則表明第一個(gè)主成分已經(jīng)集中了大部分信息，即可選取它作為綜合指標(biāo)來(lái)進(jìn)行生態(tài)質(zhì)量評(píng)價(jià)。

3.2.2主成分分析法(PCA)

采用的遙感生態(tài)指數(shù)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。其中采用的主分量變換法原理為：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，通過(guò)對(duì)特征光譜空間坐標(biāo)軸的旋轉(zhuǎn)來(lái)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。采用主成分分析法的另一優(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)各主成分的貢獻(xiàn)度來(lái)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，造成其結(jié)果的偏差。

表3 各年份4個(gè)指標(biāo)相關(guān)系數(shù)表Table 3 Correlation matrix of RSEI and 4 factors

注：ACOR表示平均相關(guān)性，是以某一指標(biāo)與其它指標(biāo)相關(guān)系數(shù)的絕對(duì)值來(lái)計(jì)算。

研究過(guò)程中的主成分分析表(表4)，從表4中得到以下信息：①在3個(gè)年份中，PC1特征值的貢獻(xiàn)率比例都>75%，表明計(jì)算的RSEI生態(tài)指數(shù)已經(jīng)集中了大部分信息；② 4個(gè)指標(biāo)對(duì)PC1都有一定的貢獻(xiàn)度，且每年的情況相似，而不會(huì)像其他分量中出現(xiàn)忽大忽小的情況。其中對(duì)PC1貢獻(xiàn)最大的是NDVI指數(shù)，其次是NDBSI，第三是LST，貢獻(xiàn)最小的是WET；③在PC1中，NDVI指數(shù)與WET指數(shù)對(duì)PC1是正面貢獻(xiàn)，即說(shuō)明這2個(gè)指數(shù)對(duì)生態(tài)質(zhì)量起著正面影響；而NDBSI和LST指數(shù)對(duì)PC1是負(fù)面貢獻(xiàn)，說(shuō)明它們對(duì)生態(tài)質(zhì)量起著負(fù)面影響，這與實(shí)際情況符合。而在其他的特征分量中，指標(biāo)的貢獻(xiàn)度忽正忽負(fù)，難以解釋。因此較其他幾個(gè)分量，PC1具有明顯的優(yōu)勢(shì)，它能很好地集成各個(gè)指標(biāo)的信息，合理地對(duì)生態(tài)質(zhì)量進(jìn)行解釋。

表4 各年份4個(gè)指標(biāo)主成分分析表Table 4 Principal component analysis in each year

3.2.3RSEI生態(tài)指數(shù)變化檢測(cè)的應(yīng)用

在RSEI生態(tài)指數(shù)分成5個(gè)等級(jí)的基礎(chǔ)上，對(duì)鐘祥市各個(gè)年份的生態(tài)質(zhì)量進(jìn)行兩兩差值變化檢測(cè)。如表5和圖10所示，可以看出生態(tài)環(huán)境質(zhì)量變化劇烈的區(qū)域占比非常小。“變化劇烈”在圖表中即為級(jí)差是-4和4的部分，其意為該點(diǎn)的生態(tài)指數(shù)從5級(jí)變?yōu)?級(jí)或從1級(jí)變?yōu)?級(jí)。從表5中可以看出，2014—2019年、2017—2019年，生態(tài)質(zhì)量變差的占比較高，但是從統(tǒng)計(jì)圖中可以看出，其級(jí)差大多為-1或-2，劇烈變差的部分相對(duì)較少。而2014—2017年情況則有些不同，有將近一半的區(qū)域的生態(tài)質(zhì)量基本不變，變好的區(qū)域比變差的區(qū)域多了6%，進(jìn)一步說(shuō)明2017年是這3年中生態(tài)質(zhì)量最好的一年。

表5 變化檢測(cè)統(tǒng)計(jì)Table 5 Statistics of change detection

圖10 變化檢測(cè)統(tǒng)計(jì)圖Fig.10 Chart of change detection

圖11是鐘祥市3個(gè)年份的RSEI生態(tài)指數(shù)變化檢測(cè)效果圖。從中可以直觀地看出，2014—2017年綠色部分占了相當(dāng)一部分比重，說(shuō)明這部分區(qū)域生態(tài)在變好，主要集中在東北角與中部偏西側(cè)的區(qū)域。而南部地區(qū)則呈現(xiàn)出變差的趨勢(shì)，3幅變化檢測(cè)圖都說(shuō)明南部地區(qū)生態(tài)正在逐漸下降，需要引起注意，加以防范。

圖11 鐘祥市生態(tài)環(huán)境變化檢測(cè)圖Fig.11 Ecological environment change detection map of Zhongxiang City

4 結(jié)語(yǔ)

RSEI遙感生態(tài)指數(shù)是基于遙感技術(shù)手段，集成城市生態(tài)環(huán)境系統(tǒng)的 4 個(gè)重要指標(biāo)，即濕度、綠度、干度和熱度，使用主成分分析法避免了人為權(quán)重的設(shè)置，客觀、定量地評(píng)價(jià)城市的生態(tài)環(huán)境，較好地反映出鐘祥市近5年生態(tài)環(huán)境的變化情況。研究表明：

(1)2014—2019年，鐘祥市的生態(tài)質(zhì)量變化幅度較小，經(jīng)歷了先上升后下降的過(guò)程。該地區(qū)的東北角與中部偏西側(cè)部分生態(tài)質(zhì)量較好，但是也有下降的趨勢(shì)。尤其是2019年出現(xiàn)了明顯的變差趨勢(shì)。該地區(qū)南部的生態(tài)環(huán)境質(zhì)量則呈現(xiàn)逐年下降的趨勢(shì)，需要引起注意。

(2) 變化檢測(cè)的結(jié)果表明，2017年的生態(tài)質(zhì)量為3年中最好，2019年則為最差，特別是該地區(qū)的東北角與中部偏西側(cè)的部分。這兩個(gè)部分生態(tài)質(zhì)量一直優(yōu)于其他大部分區(qū)域，對(duì)整個(gè)地區(qū)的生態(tài)起著重要的、積極的影響。然而在2019年卻出現(xiàn)大片變差的區(qū)域，需要對(duì)其進(jìn)行適當(dāng)保護(hù)措施，把生態(tài)較好的區(qū)域維持好。

(3)在這4個(gè)指標(biāo)中，代表綠度的植被指數(shù)NDVI對(duì)生態(tài)指數(shù)RSEI的貢獻(xiàn)最大，說(shuō)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指數(shù)的影響。