郭 城，陳 穎 彪*，鄭 子 豪,2,林 妙 萍，阮 杰 兒

(1.廣州大學地理科學與遙感學院/廣東省地理國情監(jiān)測與綜合分析工程技術研究中心，廣東 廣州 510006；2.帕多瓦大學土地環(huán)境農林學部，意大利 帕多瓦 35020)

0 引言

生態(tài)環(huán)境是指對生物生長、發(fā)育、生殖、行為和分布有影響的環(huán)境因子的綜合[1]，當前具有普適性的生態(tài)環(huán)境概念主要指包括自然、經濟和社會文化環(huán)境要素在內與人類相關的現象總體。隨著工業(yè)化和城市化進程不斷加快，全球面臨嚴重的工業(yè)污染和生態(tài)環(huán)境破壞等問題[2,3]，生態(tài)文明建設成為新時代人類需面對的共同主題。及時、高效地獲取區(qū)域生態(tài)環(huán)境時空變化特征可為保護與改善生態(tài)環(huán)境、建設生態(tài)文明城市提供重要數據支撐和政策參考[4]。

傳統的生態(tài)環(huán)境數據分析與統計以國家或地區(qū)的統計年鑒和地方志為主，數據獲取困難，指標分析單一或較少，局限性大[5,6]。遙感技術因快速、多遍歷和覆蓋范圍廣而被廣泛用于生態(tài)環(huán)境評估研究。例如：黃家柱等[7]利用遙感與GIS等技術，對長三角流域的資源與環(huán)境進行動態(tài)監(jiān)測；楊一鵬等[8]利用衛(wèi)星遙感技術監(jiān)測水、大氣、生態(tài)等地表環(huán)境狀況以促進環(huán)境保護；車濤等[9]通過星空一體化綜合觀測手段，為黑河流域生態(tài)環(huán)境保護和可持續(xù)發(fā)展提供了關鍵技術支撐；趙恒謙等[10]利用多元遙感數據監(jiān)測北京市通州區(qū)的LUCC與生態(tài)環(huán)境變化；孟巖等[11]采用MODIS遙感影像提取地表植被、水網、土地退化和環(huán)境質量指數等信息，構建了生態(tài)環(huán)境狀況指數(Ecological Index，EI)。但以上研究未能完全脫離區(qū)域地理社會經濟與自然統計數據，指標確定仍具有一定的主觀性和不確定性。徐涵秋等[12,13]基于遙感方法構建了綜合多因素的遙感生態(tài)指數(Remote Sensing based Ecological Index，RSEI)，擺脫了對傳統統計數據的依賴，解決了生態(tài)環(huán)境評價中指標單一、參數確定復雜和主觀性強等問題，能夠簡便、快速、綜合地反映城市生態(tài)環(huán)境狀況及其時空變化特征。以遙感生態(tài)指數作為評價方法，一些學者從區(qū)域尺度出發(fā)，針對區(qū)縣、城區(qū)、市域、城市群和海岸帶等進行了相關分析[14-17]；也有從用地功能屬性出發(fā)，針對工礦區(qū)、濕地、生態(tài)保護區(qū)和草原等進行相關分析[18-21]；王杰等[22]以干旱區(qū)特殊地貌為例，提出基于綠度、濕度、鹽度、熱度和土地退化指數構建的改進型干旱地區(qū)遙感生態(tài)指數。

綜上，目前RSEI反演結果仍存有不確定性，且相關研究[23-26]主要集中于區(qū)域生境變化特征上，在傳感器類型和時間窗口選擇上缺乏深入探討?？紤]到不同傳感器在空間分辨率、重訪周期等方面存在顯著差異，勢必對RSEI反演結果產生一定的差異性和紊亂性。因此，及時開展時空背景下的RSEI適用性分析，厘清RSEI反演的影響因素與作用機制對后續(xù)相關研究具有重要意義。鑒于此，本文以粵港澳大灣區(qū)為例，基于Google Earth Engine(GEE)地理云平臺，構建4組RSEI反演方案(Landsat季度/年度合成、MODIS季度/年度合成)，分別從影像完整度、PC1(第一主成分)貢獻率與穩(wěn)定性和樣區(qū)純凈度三方面，討論時空背景下RSEI反演結果的穩(wěn)定性和適用性，并基于優(yōu)選方案對粵港澳大灣區(qū)2000-2020年RSEI值進行反演，分析區(qū)域整體生態(tài)環(huán)境時空變化特征，以期為RSEI相關研究及大灣區(qū)的生態(tài)管理提供理論支撐與參考。

1 研究區(qū)與數據

1.1 研究區(qū)域概況

粵港澳大灣區(qū)(圖1)是世界級城市群及四大灣區(qū)之一，位于我國廣東省東南部、珠江入海口，由廣州、深圳、珠海、佛山、中山、東莞、惠州、江門、肇慶9個城市和香港、澳門2個特別行政區(qū)組成；區(qū)域面積56 000 km2，總人口7 265萬人，GDP總值11.62萬億元，約占全國經濟總量的11.73%。2019年印發(fā)的《粵港澳大灣區(qū)發(fā)展規(guī)劃綱要》中明確提出，要建設集開放、創(chuàng)新、宜居、國際化于一體的國際一流灣區(qū)和世界級城市群，因此，梳理大灣區(qū)的生態(tài)環(huán)境時空變化特征，對于打造大灣區(qū)生態(tài)防護屏障和建設生態(tài)文明城市群有重要支撐作用。

圖1 研究區(qū)概況Fig.1 Overview of the study area

1.2 數據來源

RSEI反演主要涉及濕度、干度、綠度和熱度4個分量，因此，本文采用美國地球觀測系統中分辨率成像光譜儀(MODIS)數據和美國陸地衛(wèi)星計劃Landsat 8數據(表1)：MOD09A1 6V數據集提供的8 d合成Land Surface Reflectance產品可計算濕度和干度兩個分量，MOD11A2 6V數據集提供的8 d合成Land Surface Temp and Emiss產品可計算地表溫度，MOD13A1 6V數據集提供的16 d合成Vegetation Indices產品可計算植被指數；Landsat 8 數據則是經過輻射校正、大氣校正和幾何精校正的地表反射率(Surface Reflectance，SR)數據。

表1 遙感影像數據信息Table 1 Information of remote sensing image data

因數據涉及的年份較多，影像數據復雜，數據預處理(輻射定標、大氣校正和幾何校正)和遙感生態(tài)指數監(jiān)測均借助GEE平臺完成，并通過GEE平臺進行去云合成：MOD09A1 6V數據集提供的“State QA”波段和Landsat提供的“pixel_qa”波段標識了每個像元的云量、云影和卷云情況[27]，利用位運算剔除有云像元，將得到的無云影像均值合成為完整的研究區(qū)無云影像；然后依據改進歸一化差異水體指數(MNDWI)[28]進行水體掩膜處理。

2 研究方法

2.1 遙感生態(tài)指數(RSEI)構建

本文通過濕度(WET)、干度(NDBSI)、綠度(NDVI)、熱度(LST) 4個特征分量構建遙感生態(tài)指數(RSEI)(式(1))。1)生態(tài)環(huán)境中的濕度與土壤含水量[29]息息相關，故本文以土壤含水量表征濕度指數(式(2)、式(3))[30-32]；2)干度指數用于表征地球表面的“干化”程度，以城市建筑指數(IBI)和裸土指數(SI)的平均值表征(式(4)-式(6))[33,34]；3)歸一化植被指數(NDVI)可反映地表植被覆蓋程度，能較好表征綠度分量，MODIS利用MOD13A1 6V數據集中處理好的NDVI波段，無需另外計算，Landsat 8歸一化植被指數計算公式見式(7)；4)熱度(LST)分量可用地表溫度表征，MODIS采用MOD11A2 6V數據集的“Day land surface temperature”波段表征地表溫度，Landsat 8依據Google Earth Engine 開源代碼單窗算法反演地表溫度[5,35]。

RSEI=f(WET,NDBSI,NDVI,LST)

(1)

WET(MODIS)=0.1147ρred+0.2489ρnir1+0.2408ρblue+

0.3132ρgreen-0.3122ρnir2-0.6416ρswir1-0.5087ρswir2

(2)

WET(Landsat_8)=0.3283ρred+0.3407ρnir1+

0.1511ρblue+0.1973ρgreen-0.7117ρswir1-0.4559ρswir2

（一）臨床癥狀 急性病例有時未見任何明顯癥狀，常突然尖叫死亡。病程稍長的表現精神沉郁，肌肉震顫、抽搐，倒地四肢呈游泳樣劃動，呼吸困難，前肢發(fā)生麻痹則站立不穩(wěn)，后軀發(fā)生麻痹則不能站立，行走時四肢無力，共濟失調，步態(tài)不穩(wěn)，無目的走動或轉圈運動。觸之敏感，常發(fā)出呻吟聲或叫聲嘶啞，有的體溫高到41℃左右。

(3)

(4)

(5)

NDBSI=(IBI+SI)/2

(6)

NDVI(Landsat_8)=(ρnir1-ρred)/(ρnir1+ρred)

(7)

式中：ρred、ρnir1、ρblue、ρgreen、ρnir2、ρswir1、ρswir2分別表示Landsat和MODIS衛(wèi)星傳感器的紅波段、近紅外波段1、藍波段、綠波段、近紅外波段2、中紅外波段1和中紅外波段2的地物反射率。

2.2 適用性評價

為揭示RSEI反演過程中空間尺度、傳感器類型和影像合成時間窗口的影響，本文分別從影像完整度、PC1貢獻率與穩(wěn)定性和樣區(qū)純凈度三方面進行分析與評估。

(1)影像完整度。完整度指研究區(qū)不同影像合成時間窗口和傳感器類型反演RSEI結果的有效面積比例，能較好地體現合成時間窗口和傳感器類型對不同空間尺度反演結果的差異，研究區(qū)完整度越高，表明反演方案性能越好，反之則反演方案性能越差。本文以2014-2020年廣州市和粵港澳大灣區(qū)兩個不同空間尺度為例，進行完整度評估，以箱線圖呈現研究結果。

(2)PC1貢獻率與穩(wěn)定性。主成分分析(PCA)能綜合、客觀反映4個特征分量的內部結構，其中第一主成分(PC1)集中了每個指標的信息，能客觀反映各特征分量的貢獻度。通過PC1貢獻率及穩(wěn)定性，能合理地解釋4組方案的性能差異，為區(qū)域生境特征變化監(jiān)測提供理論技術支撐。

(3)樣區(qū)純凈度。樣區(qū)純凈度指研究區(qū)域內選擇樣區(qū)地表覆被類型(如植被區(qū)、建成區(qū)等)的勻質程度。在選擇影像時間窗口時，單景影像RSEI反演結果受合成時間窗口的影響程度最小，獲取的實驗結果最可靠；但當研究區(qū)范圍過大時，單景影像不足以完全覆蓋，需要多時間窗口影像合成，此時RSEI反演結果易受不同地表覆蓋變化影響。因此，本文利用樣區(qū)純凈度指數(Sp，式(8))，選取季度內云覆蓋率最低單景影像，與本文設計的4組反演方案進行對比，評估影像合成時間窗口與傳感器類型的優(yōu)異性，以提高RSEI反演結果的可靠性。

Sp=Sh/S×100%

(8)

式中：Sh表示樣區(qū)不同合成時間窗口的有效影像面積；S為研究區(qū)總面積。

3 實驗結果

3.1 RSEI反演方案的差異因素

圖2 4組遙感生態(tài)指數反演方案對比Fig.2 Comparison of four inversion schemes for remote sensing based ecological index

為進一步確定RSEI反演結果是否存在統計學上的顯著性差異，對上述區(qū)域的像元進行單因素方差分析(表2)。可以看出，在合成時間窗口上，季度結果表明濕度、干度和綠度分量表現為極顯著的統計學差異，RSEI表現為顯著的統計學差異，熱度表現為統計學差異，年度結果與季度結果基本一致，僅熱度分量差異顯著性增強；在傳感器類型方面，Landsat傳感器表現為濕度和綠度具有統計學差異，熱度、干度和RSEI表現為顯著的統計學差異，MODIS在濕度和RSEI上表現為具有統計學差異，干度、綠度和熱度則表現為極顯著的統計學差異。

表2 單因素方差分析結果Table 2 Results of one-way analysis of variance

由于生成RSEI的主成分分析本質上是一種降維合成，為揭示RSEI結果差異來源，本研究對比了研究區(qū)內4個指標分量的反演結果(圖3)。結果表明，研究區(qū)RSEI的差異主要來源于濕度分量，Landsat和MODIS反演結果差異明顯，合成時間窗口的影響程度相對較?。黄浯螢闊岫确至?，合成時間窗口對熱度分量的影響相比傳感器類型更明顯；干度和綠度分量的反演結果接近。據此推測，傳感器間纓帽變換參數的差異是造成濕度分量出現傳感器分異的主要原因；其余3個指標分量的分異則來源于傳感器的波段設計寬度和影像獲取日期的細微差異。

圖3 遙感生態(tài)指數指標分量反演結果Fig.3 Inversion results of remote sensing based ecological index components

3.2 反演方案性能評估

3.2.1 影像完整度評估 圖4為廣州市和粵港澳大灣區(qū)不同合成時間窗口和不同傳感器類型獲取的影像完整度箱線圖。對年度合成窗口而言，兩傳感器影像完整度基本一致，能較好地表現研究區(qū)的生境變化特征，其中Landsat比MODIS覆蓋度高，主要是因為兩傳感器空間分辨率不同，在進行水體掩膜時易產生面積差異，尤其表現在海岸帶和海外島嶼區(qū)域；對季度合成窗口，MODIS與年度完整度基本一致，而Landsat由于影像獲取周期長且東南沿海云層遮蔽度高，廣州市影像在2018年出現較大比例缺失，而粵港澳大灣區(qū)影像則在2015年、2018年和2020年均出現較大比例缺失，導致長時序RSEI反演結果不完整和不連續(xù)；對單景影像，城市群尺度上Landsat影像覆蓋范圍過小而不適用，城市尺度上雖然MODIS和Landsat單景影像均能覆蓋研究區(qū)，但在2015年、2018年等，由于云層遮蔽，仍無法獲取完整度較高的有效影像，不適于長時序生態(tài)環(huán)境監(jiān)測。

圖4 不同空間尺度下合成時間窗口與傳感器類型反演結果差異Fig.4 Inversion result difference for various synthetic time windows and sensor types in different spatial scales

3.2.2 PC1貢獻率與穩(wěn)定性評估 選取2014-2020年RSEI反演結果的PC1貢獻率和RSEI值(表3)進行分析。在PC1貢獻率上，3組方案所占比例均值都超過80%，集中了4個指標的大部分特征，其中MODIS季度合成表現最好。從時間序列上看，MODIS季度合成表現為明顯的上升趨勢，而其余兩組波動性較大，規(guī)律性不顯著。在RSEI反演結果方面，MODIS季度合成均值最高(0.696)，標準差、均方差和變異系數均最低，波動性最??；MODIS年度合成均值次之(0.657)，標準差、均方差和變異系數最高；Landsat年度合成的均值最低(0.644)，標準差、均方差和變異系數則為中等?？傮w而言，無論是在PC1貢獻率還是在RSEI值波動性上，MODIS季度合成的表現均最佳，且其值逐漸增大，而MODIS年度合成和Landsat年度合成則各有優(yōu)勢，表現略差。

表3 第一主成分貢獻率與遙感生態(tài)指數值Table 3 Contribution of the first principal component and the values of remote sensing based ecological index

3.2.3 樣區(qū)純凈度評估 圖5顯示了2017年6組不同RSEI反演方案結果的純凈度對比，為減少地表覆被變化和云層遮蔽等因素對實驗結果產生的影響，取其中較勻質和穩(wěn)定的4個植被覆蓋區(qū)域作為樣區(qū)，并獲得樣區(qū)勻質區(qū)面積比例(圖5b中左上角百分比)。在A樣區(qū)，MODIS和Landsat季度合成與單景影像最接近，勻質像元點占比約75%，效果最好，年度合成效果略差。在B樣區(qū)，同樣以季度合成數據結果與單景影像較接近，而Landsat年度合成結果出現明顯差異，主要是因為年度間溫度、濕度差異較大；C樣區(qū)MODIS季度合成影像和單景影像勻質像元占比較接近，Landsat兩時間窗口合成影像與單景影像勻質像元占比均較接近，季度合成效果稍優(yōu)于年度合成；D樣區(qū)中心地帶為聚集性綠地，周邊為開發(fā)程度較高的城市建設區(qū)，而其余3組樣區(qū)周邊開發(fā)程度低，相比而言，D樣區(qū)RSEI結果受年度自然氣候變化影響程度較小，結果均較好。

圖5 樣區(qū)不同反演方案純凈度對比Fig.5 Purity comparison of different inversion schemes in sample areas

3.3 粵港澳大灣區(qū)反演方案及應用

考慮到研究區(qū)的范圍，本文基于最優(yōu)MODIS季度合成反演方案，利用GEE平臺對粵港澳大灣區(qū)2000-2020年的RSEI值進行反演(圖6)。可以看出，2000-2020年區(qū)域生態(tài)環(huán)境質量整體明顯提升。其中,2000-2005年RSEI值呈下降趨勢，并于2005年達到最小值0.618；2005-2010年生態(tài)環(huán)境逐漸改善，2010年后RSEI值開始波動上升，至2020年達到最大值0.715。

圖6 2000-2020年粵港澳大灣區(qū)RSEI變化趨勢Fig.6 Change trend of remote sensing based ecological index in Guangdong-Hong Kong-Macao Greater Bay Area from 2000 to 2020

從現有粵港澳大灣區(qū)RSEI研究結果看[23]，Landsat傳感器年度數據反演結果表明,大灣區(qū)整體生態(tài)環(huán)境質量呈“上升—下降—上升—下降”的波動趨勢，與本文研究結果“先下降后上升，整體呈上升趨勢”略有差異。為評估本文研究結果的準確性與可靠性，將本文2010-2019年研究結果與廣東省生態(tài)環(huán)境廳發(fā)布的2010-2019年廣東省生態(tài)環(huán)境狀況指數報告[36]進行對比，結果表明二者基本吻合，而2000-2009年MODIS季度與Landsat年度反演結果基本一致，印證了本研究結果的可靠性。

研究期內，盡管粵港澳大灣區(qū)生態(tài)環(huán)境呈一定的好轉態(tài)勢，但仍存在明顯的空間異質性(圖7，彩圖見封2)。2000年區(qū)域生態(tài)環(huán)境整體適中，RSEI中等偏低區(qū)主要集中在珠江口沿岸廣州、佛山的城區(qū)及深圳和東莞的東部沿海一帶，中等偏高區(qū)主要集中于惠州、肇慶、江門、廣州北部和佛山等大灣區(qū)腹地區(qū)域。2005年區(qū)域生態(tài)環(huán)境質量呈下降趨勢，RSEI值中等偏低區(qū)范圍擴大但RSEI值有小幅降低，廣州、佛山、深圳和東莞等珠江口沿岸區(qū)域RSEI值下降幅度較大。2005-2020年生態(tài)環(huán)境質量整體呈提升趨勢，主要表現在：1)2005-2010年RSEI值全面上升，2010-2020年區(qū)域整體生態(tài)環(huán)境優(yōu)化，少部分城市建成區(qū)略有降低。2)整體生態(tài)環(huán)境呈集中連片趨勢，空間異質性兩極化發(fā)展明顯。廣州、佛山、中山、東莞和深圳等珠三角核心城市快速發(fā)展，RSEI值出現小幅下降，肇慶北部、惠州東部、江門西南部等城市群腹地區(qū)域生態(tài)環(huán)境則進一步改善，形成以珠江口為中心向外上升的半圈層模式。

圖7 遙感生態(tài)指數年均值及其變化幅度Fig.7 Annual mean value of remote sensing based ecological index and its change range

4 結論

現有RSEI研究多關注區(qū)域的生態(tài)環(huán)境時空變化特征，通過長時間序列多空間尺度RSEI變化厘清研究區(qū)生態(tài)環(huán)境質量變化特點，而在對傳感器類型與影像合成時間窗口的選擇上鮮有涉及，未深入探究其差異性。本研究基于GEE云計算平臺，快速遍歷2000-2020年Landsat和MODIS衛(wèi)星影像數據，明晰RSEI反演結果受衛(wèi)星傳感器類型和影像合成時間窗口的影響程度及其作用機制，針對不同研究空間尺度，精確選擇合適的衛(wèi)星傳感器和合成時間窗口，減少RSEI反演結果的不確定性和不可靠性，并基于最適宜方案探討粵港澳大灣區(qū)的生境變化特征。結果表明：1)不同研究空間尺度下，RSEI反演結果受影像合成時間窗口和衛(wèi)星傳感器類型影響，且傳感器類型通過影響4個指標分量(尤其是濕度分量)導致RSEI反演結果差異性突出，影像合成時間窗口產生的差異主要由氣候與物候差異所致，影響較?。?)不同空間尺度的RSEI反演方案受影像完整度和空間分辨率影響，在滿足空間分辨率的前提下，傳感器單景影像覆蓋度越高、合成時間窗口跨度越短，反演結果越好，即在以城市群為代表的中尺度研究對象上，MODIS季度合成反演結果最佳，且影像合成時間窗口應根據研究區(qū)所在地理位置與氣候條件不同，選擇云層遮蔽量小的季度或時期；3)2000-2020年粵港澳大灣區(qū)生態(tài)環(huán)境質量先降后升，整體呈上升趨勢，在空間異質性上表現為以珠江口為中心的半圈層結構，生態(tài)環(huán)境質量向外圍腹地逐漸提高。

本研究仍存在以下不足：1)在RSEI反演結果影響因素方面，主要探討了合成時間窗口、研究空間尺度和衛(wèi)星傳感器類型3個因素，是否存在其他相關影響因素，有待進一步探究；2)在熱度、濕度、干度和綠度4個指標分量基礎上,是否可以加入夜間燈光指數[24]、大氣氣溶膠指數等構建RSEI,以及在指標信息綜合方面是否有更好的方法[37]，均需在今后研究中完善；3)研究結果僅揭示了粵港澳大灣區(qū)的生態(tài)環(huán)境時空變化特點，對具體驅動因素及今后生態(tài)環(huán)境改善的政策與方法未作深入探討，有待后續(xù)研究，從而為粵港澳大灣區(qū)生態(tài)環(huán)境宜居城市建設提供更細致的參考意見與理論支撐。