楊澤康,田 佳,李萬源,蘇文瑞,郭睿妍,劉文娟

寧夏大學(xué)農(nóng)學(xué)院, 銀川 750021

黃河流域在我國經(jīng)濟(jì)社會發(fā)展和生態(tài)安全方面的作用舉足輕重,是我國重要的生態(tài)功能區(qū),也是黨和政府關(guān)注的重點區(qū)域。習(xí)近平總書記在“9·18”重要講話中,將黃河流域生態(tài)保護(hù)和高質(zhì)量發(fā)展確定為重大國家戰(zhàn)略[1]。但是黃河流域也是我國生態(tài)環(huán)境最為脆弱、水土流失最為嚴(yán)重的地區(qū)之一[2],為此我國從1978年開始在黃河流域陸續(xù)實施了“三北防護(hù)林工程”、“退耕還林還草工程”等一系列重大林業(yè)生態(tài)工程,使得該地區(qū)生態(tài)環(huán)境得到極大改善[3]。雖然黃河流域生態(tài)環(huán)境整體向好,但是也有局部地區(qū)由于人類生產(chǎn)活動的影響,導(dǎo)致生態(tài)環(huán)境惡化[4]。隨著新時代黃河流域社會經(jīng)濟(jì)發(fā)展由高增速轉(zhuǎn)向高質(zhì)量,區(qū)域生態(tài)環(huán)境質(zhì)量的長時序遙感監(jiān)測,成為定量評價生態(tài)環(huán)境優(yōu)劣和演變趨勢的重要手段,也是制定黃河流域生態(tài)保護(hù)和高質(zhì)量發(fā)展的重要依據(jù)[5]。在實際監(jiān)測中,學(xué)者們雖然提出了多種生態(tài)環(huán)境質(zhì)量評價指標(biāo),但普遍存在指標(biāo)提取困難、研究尺度小、數(shù)據(jù)更新慢等問題[6]。因此,如何及時、準(zhǔn)確的獲取黃河流域生態(tài)環(huán)境質(zhì)量的時空格局與演變趨勢？是黃河流域生態(tài)環(huán)境保護(hù)和建設(shè)必須要解決的問題。

由于衛(wèi)星遙感具有快速、實時、尺度大等優(yōu)點[7- 8],目前已成為國內(nèi)外評價區(qū)域生態(tài)環(huán)境質(zhì)量的主要手段[9]。但大多數(shù)研究都是利用遙感信息提取單一指標(biāo)對生態(tài)環(huán)境質(zhì)量進(jìn)行評估,如Ivits等[10]根據(jù)歸一化植被指數(shù)(NDVI)評價農(nóng)田鳥類棲息地的適宜性,Coutts等[11]利用地表熱度(LST)評估城市熱島效應(yīng),郭文杰等[12]利用水體指數(shù)(NDWI)提取水體信息等。但生態(tài)環(huán)境是多因素結(jié)合體,單一指標(biāo)的評價雖有一定的效果,卻難以解釋生態(tài)環(huán)境中的多因素綜合作用。2013年由徐涵秋[13]提出的基于Landsat的新型遙感生態(tài)指數(shù)(Remote Sensing Based Ecological Index,RSEI),為生態(tài)環(huán)境質(zhì)量評價提供了新方向。由于RSEI綜合了綠度(NDVI)、濕度(Wet)、熱度(LST)和干度(NDSI)4個生態(tài)指標(biāo),且指標(biāo)容易獲取,無需人為權(quán)重設(shè)定(用主成分分析確定權(quán)重),所以RSEI能夠全面、快速、客觀的反映區(qū)域生態(tài)環(huán)境質(zhì)量水平。目前,RSEI在區(qū)域生態(tài)環(huán)境質(zhì)量評價中已得到廣泛應(yīng)用[14- 17],但是如果將其應(yīng)用于大區(qū)域尺度,如整個黃河流域,面臨的困難是龐大的數(shù)據(jù)量、以及由此產(chǎn)生的繁雜的數(shù)據(jù)預(yù)處理和指數(shù)計算工作[18]。為了解決這個問題,王淵等[6]和陳煒等[9]基于Google Earth Engine(GEE)遙感云平臺,結(jié)合RSEI評價了粵港澳大灣區(qū)城市群生態(tài)環(huán)境質(zhì)量和開展了三江源地區(qū)生態(tài)環(huán)境質(zhì)量動態(tài)監(jiān)測與分析。結(jié)果表明,GEE作為大區(qū)域范圍的生態(tài)環(huán)境質(zhì)量評價與監(jiān)測的遙感計算平臺,可以較好的改善遙感數(shù)據(jù)缺失、色差和時間不一致的問題[19]；可以免去繁雜的數(shù)據(jù)預(yù)處理工作如輻射校正、大氣校正、正射校正等[20]；可以快速實現(xiàn)影像去云、鑲嵌,指標(biāo)計算、統(tǒng)計,動態(tài)變化趨勢分析等處理[21]。

因此,該文將借助GEE平臺,以整個黃河流域為研究區(qū)域,采用Landsat遙感影像為數(shù)據(jù)源,在GEE云端進(jìn)行影像的預(yù)處理和合成及遙感生態(tài)指數(shù)(RSEI)的計算。利用計算結(jié)果對黃河流域生態(tài)環(huán)境質(zhì)量的時空格局與演變趨勢進(jìn)行大尺度、長時序的綜合分析評價,研究結(jié)果可為黃河流域的生態(tài)環(huán)境保護(hù)和高質(zhì)量發(fā)展提供理論依據(jù)和技術(shù)支撐。

1 研究區(qū)域概況

黃河流域位于我國中北部(E：95°53′—119°05′,N：32°10′—41°50′),流域橫跨青海、四川、甘肅、寧夏、內(nèi)蒙古、陜西、山西、河南及山東9省(圖1),總面積約80萬km2[4]。流域自西向東呈干旱、半干旱、半濕潤及濕潤氣候,多年平均溫度在7℃左右,平均降水在440mm左右[22],降水和氣溫空間分布均呈現(xiàn)自東向西,自南向北減少或降低的特征。流域地勢西高東低,從西到東橫跨青藏高原,內(nèi)蒙古高原,黃土高原和淮海平原4個地貌單元。由于氣候差異大、地貌單元復(fù)雜,黃河流域成為我國生態(tài)環(huán)境最脆弱的地區(qū)之一,主要表現(xiàn)在徑流量逐步減少、水體污染嚴(yán)重、土壤侵蝕加劇、土地荒漠化、植被退化等[23]。

圖1 黃河流域位置 Fig.1 Location of the Yellow River Basin

2 數(shù)據(jù)與方法

2.1 數(shù)據(jù)源與預(yù)處理

遙感影像直接來源于GEE平臺數(shù)據(jù)庫提供的T1級別(質(zhì)量最高)的Landsat 5(TM)和Landsat 8(OLI)地表反射率數(shù)據(jù)產(chǎn)品(Surface Reflectance, SR),該數(shù)據(jù)產(chǎn)品已經(jīng)過幾何校正、輻射校正和大氣校正,空間分辨率30m,時間分辨率16d；基于GEE編程(JavaScript),篩選成像時間為目標(biāo)年份及其前后各1年的夏季(6—9月)遙感影像。在GEE平臺上使用官方提供的Landsat云掩膜算法,對輸入的符合時間和空間范圍的影像數(shù)據(jù)集去除有云像元,以無云像元中值合成目標(biāo)年份夏季最小云量影像。另外,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主成分的荷載分布,采用MNDWI水體指數(shù)掩膜掉水體信息[13]。

2.2 遙感生態(tài)指數(shù)(RSEI)的計算

選用綠度(NDVI)、濕度(Wet)、熱度(LST)、干度(NDSI)4個指標(biāo)(計算公式見表1),構(gòu)建遙感生態(tài)指數(shù)(RSEI)來綜合反映區(qū)域的生態(tài)環(huán)境質(zhì)量。由于4個指標(biāo)的量綱不統(tǒng)一,在主成分分析(PCA)前先對這些指標(biāo)進(jìn)行正向歸一化處理(MMS),將它們的數(shù)值映射到[0, 1]區(qū)間內(nèi),見式(1)。

MMS=(I-Imin)/(Imax-Imin)

(1)

式中,I為指標(biāo)值,Imax為目標(biāo)年份該指標(biāo)的最大值,Imin為目標(biāo)年份該指標(biāo)的最小值。經(jīng)過MMS處理后,將4個指標(biāo)合成新影像,通過在GEE中編寫主成分分析腳本(PCA JavaScript)計算初始RSEI0(未歸一化),見式(2)。

RSEI0=PC1[f(Wet, NDVI, NDSI, LST)]

(2)

式中,PC1為第1主成分,f為對4個指標(biāo)進(jìn)行正向歸一化處理(MMS),同樣利用式(1)對RSEI0進(jìn)行MMS處理,得到最終的RSEI值,見式(3)。其值介于[0, 1]之間,RSEI值越接近于1,表示生態(tài)環(huán)境質(zhì)量越好。

RSEI =(RESI0-RSEI0min)/ (RESI0max-RSEI0min)

(3)

式中,RSEI0min和RESI0max分別為目標(biāo)年份的RESI0最小值和最大值,RSEI為最終的遙感生態(tài)指數(shù)。將RSEI以0.2為間隔分為Ⅰ(0—0.2)、Ⅱ(0.2—0.4)、Ⅲ(0.4—0.6)、Ⅳ(0.6—0.8)、Ⅴ(0.8—1.0)5級,分別代表生態(tài)環(huán)境質(zhì)量差、較差、中等、良、優(yōu)5個等級,該文技術(shù)路線如圖2所示。

表1 指標(biāo)計算方法

圖2 技術(shù)路線Fig.2 Methodological workflowGEE：谷歌地球引擎Google earth engine；NDVI：歸一化植被指數(shù)Normalized difference vegetation index；LST：地表溫度 Land surface temperature；NDSI：歸一化土壤指數(shù)Normalized difference soil index;RSEI：遙感生態(tài)指數(shù)Remote sensing based ecological index

3 結(jié)果與分析

3.1 RSEI模型檢驗

由表2可知,4個指標(biāo)中綠度(NDVI)和濕度(Wet)的荷載呈正值,且綠度平均荷載(0.6805)大于濕度(0.4058),說明綠度對RSEI的貢獻(xiàn)要高于濕度,且是正效應(yīng)；熱度(LST)和干度(NDSI)的荷載呈負(fù)值,且熱度平均荷載的絕對值(0.2258)小于干度(0.5540),說明熱度對RSEI的貢獻(xiàn)要低于干度,且是負(fù)效應(yīng),這與實際情況相符。另外,4個指標(biāo)在第1主成分(PC1)上的貢獻(xiàn)率最高達(dá)到93.87%(2000年),最低也有87.43%(1990年),平均89.60%?？梢奝C1上集中了85%以上的各指標(biāo)特征信息,表明依據(jù)PC1構(gòu)建RSEI在黃河流域是可行的。進(jìn)一步采用平均相關(guān)度模型檢驗RSEI的可行性,計算方法見式(4)。

(4)

表2 4個指標(biāo)在第1主成分上的荷載和貢獻(xiàn)率

表3 各指標(biāo)相關(guān)性矩陣(Spearman相關(guān)系數(shù))

3.2 黃河流域生態(tài)環(huán)境質(zhì)量時空格局

圖3統(tǒng)計了1990—2019年7個年份的RSEI均值及分布,結(jié)果表明,黃河流域生態(tài)環(huán)境質(zhì)量整體向好,RSEI均值從1990年的0.4278增長到2019年的0.5070,增長趨勢平均為0.002/a,30a增長率為14.03%,2000年RSEI均值出現(xiàn)峰值(0.5183),最低值出現(xiàn)在1990年(0.4278)。同時,由圖4可知,1990—2000年期間黃河流域生態(tài)環(huán)境質(zhì)量增長較快,增長趨勢平均為0.005/a,增長率為11.69%；而2000—2019年期間,黃河流域生態(tài)環(huán)境質(zhì)量變化呈現(xiàn)“下降→上升→下降→上升”的波動,但整體呈現(xiàn)緩慢增長狀態(tài),增長趨勢平均為0.001/a,增長率僅為3.86%。因此,可將黃河流域生態(tài)環(huán)境質(zhì)量變化分為2個階段研究,即2000年以前(1990—2000年)和2000年以后(2000—2019年)。

圖5反映了黃河流域RSEI值的空間分布(1990—2019年)。整體上看,生態(tài)環(huán)境質(zhì)量等級為差(Ⅰ)、較差(Ⅱ)的區(qū)域集中分布在黃河上中游,包括：陜北、隴中黃土丘陵,寧夏中部干旱帶,毛烏素沙地、庫布齊沙漠等地區(qū)。生態(tài)環(huán)境質(zhì)量等級為中等(Ⅲ)、良(Ⅳ)的區(qū)域集中分布在黃河源頭及下游,包括：甘南、祁連山、豫北、魯西北以及引黃灌區(qū)(如河套平原)、濕地(如烏梁素海)及森林周邊等地區(qū)。生態(tài)環(huán)境質(zhì)量等級為優(yōu)(Ⅴ)的區(qū)域集中分布在秦嶺北麓、六盤山、子午嶺、呂梁山等國家自然保護(hù)區(qū)。根據(jù)圖5還可知,1990—2000年,黃河流域生態(tài)環(huán)境質(zhì)量等級以較差和中等為主,面積占比超過60%；2000—2019年,則以中等和良等級為主,面積占比超過56%,可見1990—2019年黃河流域生態(tài)環(huán)境質(zhì)量呈現(xiàn)出持續(xù)向好的趨勢。

圖3 1990—2019年黃河流域RSEI的均值及分布 Fig.3 Average and distribution of RSEI in the Yellow River Basin, 1990—2019

圖4 1990—2019年黃河流域RSEI均值年際變化 Fig.4 Cross-annual mean variation of RSEI in the Yellow River Basin, 1990—2019

圖5 1990—2019年黃河流域生態(tài)環(huán)境質(zhì)量等級分布Fig.5 Distribution of ecological environmental quality levels in the Yellow River Basin, 1990—2019

3.3 黃河流域生態(tài)環(huán)境質(zhì)量演變趨勢

3.3.1生態(tài)環(huán)境質(zhì)量等級演變

依據(jù)上文的分析,分2個時期(1990—2000年、2000—2019年)研究黃河流域生態(tài)環(huán)境質(zhì)量的等級演變。由表4、表5可知,黃河流域地區(qū)生態(tài)環(huán)境質(zhì)量從1990—2019年總體呈現(xiàn)出“快速變好→緩慢轉(zhuǎn)好”的演變趨勢。具體分析如下：

由表4可見,1990—2000年期間,生態(tài)環(huán)境質(zhì)量等級提高的面積為25.74萬km2,占黃河流域總面積的32.04%,而生態(tài)環(huán)境質(zhì)量等級退化的面積為3.29萬km2,僅占黃河流域總面積的4.10%。提高的面積比退化的面積多出27.94%,可見這一時期生態(tài)環(huán)境質(zhì)量快速變好。由表4還可知,生態(tài)環(huán)境質(zhì)量快速變好的原因,主要是由于差轉(zhuǎn)為較差(10.18萬km2)、較差轉(zhuǎn)為中等(5.69萬km2)、中等轉(zhuǎn)為良(7.08萬km2)貢獻(xiàn)較大。

由表5可見,2000—2019年期間,生態(tài)環(huán)境質(zhì)量等級提高的面積為16.81萬km2,占黃河流域總面積的20.94%,而生態(tài)環(huán)境質(zhì)量等級退化的面積為14.23萬km2,占黃河流域總面積的17.73%。提高的面積比退化的面積僅多出3.21%,可見這一時期生態(tài)環(huán)境質(zhì)量是緩慢轉(zhuǎn)好。由表5還可知,生態(tài)環(huán)境質(zhì)量提高緩慢的原因,主要是由于較差轉(zhuǎn)為差(6.10萬km2)、良轉(zhuǎn)為中等(4.09萬km2)貢獻(xiàn)較大。

表4 1990—2000年黃河流域生態(tài)環(huán)境質(zhì)量等級轉(zhuǎn)移矩陣/km2

表5 2000—2019年黃河流域生態(tài)環(huán)境質(zhì)量等級轉(zhuǎn)移矩陣/km2

3.3.2生態(tài)環(huán)境質(zhì)量變化趨勢

采用GEE官方提供的嶺回歸函數(shù)(Ridge regression)擬合黃河流域1990—2019年期間的RSEI變化趨勢以及獲得相應(yīng)的顯著性(P值)。圖6可見,寧夏沿黃經(jīng)濟(jì)區(qū)、關(guān)中—天水經(jīng)濟(jì)區(qū)、呼包鄂榆經(jīng)濟(jì)區(qū)、中原經(jīng)濟(jì)區(qū)等國家重點開發(fā)區(qū),生態(tài)環(huán)境質(zhì)量惡化較快；而水土流失最為嚴(yán)重的黃河中游地區(qū)(如陜西榆林、延安等地區(qū))和寧夏固原、甘肅平?jīng)龅壬降厍鹆甑貐^(qū),生態(tài)環(huán)境質(zhì)量恢復(fù)較快。

由圖7所示,將生態(tài)環(huán)境質(zhì)量變化趨勢劃分為顯著提升(P<0.05)、提升但不顯著(P>0.05)、顯著降低(P<0.05)、降低但不顯著(P>0.05)4個等級,結(jié)果表明,黃河流域生態(tài)環(huán)境質(zhì)量變化存在明顯的空間異質(zhì)性。經(jīng)統(tǒng)計(圖7),生態(tài)環(huán)境質(zhì)量提升的面積占黃河流域總面積的76.38%,其中顯著提升的面積占26.14%。生態(tài)環(huán)境質(zhì)量降低的面積占黃河流域總面積23.62%,其中顯著降低的面積僅占1.46%。對比來看,黃河流域生態(tài)環(huán)境質(zhì)量提升的面積比降低的面積多出52.76%,整體上呈提升趨勢。

4 討論

4.1 RSEI模型的優(yōu)勢

生態(tài)環(huán)境質(zhì)量的影響因素是復(fù)雜多樣的。單一指標(biāo)的評價雖有一定的效果,卻難以解釋生態(tài)環(huán)境中的多因素綜合作用[10- 12]。RSEI由綠度、濕度、熱度和干度4個指標(biāo)構(gòu)建,解決了單一指標(biāo)在生態(tài)環(huán)境質(zhì)量評價中的片面性問題。由表2可知,4個指標(biāo)在第1主成分(PC1)的平均貢獻(xiàn)率達(dá)到89.60%,表明PC1集中了4個指標(biāo)的大部分特征,因此基于PC1構(gòu)建的RSEI比單一指標(biāo)更具代表性。從表3的結(jié)果看,RSEI平均相關(guān)度最大(0.526),也說明了RSEI比單一指標(biāo)更適用于對生態(tài)環(huán)境質(zhì)量的評價。因此,RSEI指數(shù)與其它指數(shù)相比,具有全面、客觀、高效的獲取生態(tài)環(huán)境質(zhì)量變化狀態(tài)以及便于進(jìn)行可視化、時空分析、建模和預(yù)測的優(yōu)勢[13,25- 27]。RSEI雖然不可能完全反映流域生態(tài)環(huán)境質(zhì)量,但已是現(xiàn)有生態(tài)指數(shù)中考慮最為全面的一個,所以目前應(yīng)用也最為廣泛。

圖6 1990—2019年黃河流域RSEI變化趨勢Fig.6 Trends of RSEI in the Yellow River Basin, 1990—2019

圖7 RSEI變化趨勢顯著性Fig.7 Significance of RSEI trends

4.2 GEE平臺構(gòu)建RSEI模型的優(yōu)勢

與傳統(tǒng)RSEI建模利用本地計算機下載、處理以及分析數(shù)據(jù)相比,GEE平臺無需影像下載即可直接調(diào)用1984年以來的全球Landsat地表反射數(shù)據(jù),不僅實現(xiàn)了影像實時更新,而且免去了龐雜的遙感影像前期處理工作[28]。同時,利用Google的強大服務(wù)器可以快速在線處理和分析大尺度區(qū)域的海量遙感數(shù)據(jù)[29]。GEE平臺的這些優(yōu)勢,保證了可以及時獲取黃河流域任何區(qū)域的RSEI。從該文的建模結(jié)果來看,采用GEE平臺提取的各指標(biāo)荷載,不僅與實際情況相符(綠度和濕度是正效應(yīng)、熱度和干度是負(fù)效應(yīng)),且各指標(biāo)在第1主成分上的貢獻(xiàn)率均超過85%(表2),這說明由GEE平臺構(gòu)建的RSEI可以準(zhǔn)確反映黃河流域的生態(tài)環(huán)境質(zhì)量,也為準(zhǔn)確分析生態(tài)環(huán)境質(zhì)量的時空格局和演化趨勢奠定了基礎(chǔ)。

相比傳統(tǒng)RSEI建模,使用GEE平臺讓科研工作者能更加專注于研究目的本身,而不是一些重復(fù)的技術(shù)性工作[30]。GEE平臺提供很多內(nèi)置代碼和函數(shù),且調(diào)用十分方便,如云掩膜代碼、影像合成代碼、主成分分析代碼、嶺回歸函數(shù)、線性回歸函數(shù)等[31],這些內(nèi)置代碼和函數(shù)保證了研究者可以及時、準(zhǔn)確的獲取區(qū)域RSEI的變化,并對區(qū)域未來生態(tài)環(huán)境質(zhì)量進(jìn)行預(yù)測。在該文中,主成分分析不再借助其它軟件如MATLAB、SPSS等,而是利用GEE平臺直接編碼,極大的增加了研究的效率；另外,該文采用嶺回歸來計算RSEI變化趨勢和獲得相應(yīng)的顯著性,相比傳統(tǒng)采用一元線性回歸和F檢驗明顯高效[9,30]。因此,與傳統(tǒng)RSEI建模相比,GEE平臺更適合作為大區(qū)域范圍的生態(tài)環(huán)境質(zhì)量監(jiān)測與評價的計算平臺,GEE平臺在我國黃河流域生態(tài)環(huán)境保護(hù)和高質(zhì)量發(fā)展戰(zhàn)略實施中有著廣闊的應(yīng)用前景。

4.3 黃河流域生態(tài)環(huán)境質(zhì)量時空演變的原因探討

隨著人類活動和氣候變化等影響,黃河流域生態(tài)環(huán)境愈發(fā)受到人們關(guān)注。近幾十年,圍繞黃河流域眾多學(xué)者對氣候變化[32]、土地利用格局演變[33]、水域面積變化[34]、空氣質(zhì)量[35]和水質(zhì)污染[36]等方面進(jìn)行了深入研究。但大部分都是針對單一要素或黃河上、中、下游等部分區(qū)域進(jìn)行研究,并不能全面、整體的代表整個黃河流域的生態(tài)環(huán)境質(zhì)量狀況。該文通過GEE平臺構(gòu)建的RSEI模型,客觀、全面的分析了近30年來黃河流域生態(tài)環(huán)境質(zhì)量的變化趨勢和空間差異,研究具有代表性和參考價值。

通過該文的分析,黃河流域生態(tài)環(huán)境質(zhì)量等級為差(Ⅰ)、較差(Ⅱ)的區(qū)域集中分布在黃河上中游(圖5),其主要原因是該區(qū)域自然環(huán)境條件本身較差和長期不合理的人為活動[4]。因此,該區(qū)域是我國生態(tài)環(huán)境脆弱、水土流失嚴(yán)重的地區(qū)之一[37]。但是,黃河上中游也是我國近30年來(1990—2019年),生態(tài)環(huán)境質(zhì)量提升最快的區(qū)域(圖6、圖7)。這得益于國家在該區(qū)域長期積極實施退耕還林還草、水土流失治理等生態(tài)工程,促使黃河上中游生態(tài)環(huán)境恢復(fù)效果明顯[3,38]。生態(tài)環(huán)境的恢復(fù)非一日之功,應(yīng)當(dāng)在完善生態(tài)政策的同時,繼續(xù)保持或增加對該地區(qū)的生態(tài)環(huán)境保護(hù)的投入力度。黃河流域下游生態(tài)環(huán)境質(zhì)量相對穩(wěn)定,以中等(Ⅲ)、良(Ⅳ)為主(圖5),部分地區(qū)出現(xiàn)生態(tài)環(huán)境質(zhì)量下降趨勢(圖6),主要是由于人口增加,社會經(jīng)濟(jì)發(fā)展,導(dǎo)致城市擴張造成。既要“金山銀山”,又要“綠水青山”,是黃河流域下游未來經(jīng)濟(jì)發(fā)展不可忽視的重點與難點。

根據(jù)該文的綜合分析結(jié)果,1990—2019年黃河流域整體生態(tài)環(huán)境質(zhì)量有明顯改善(圖3),但是改善并不是成直線上升的,而是明顯的分為快速變好(1990—2000年)和緩慢轉(zhuǎn)好(2000—2019年)2個階段(圖4)。其主要原因還是由于從90年代開始,國家對黃河流域的生態(tài)環(huán)境治理加大了投入,同時自然保護(hù)區(qū)的數(shù)量也明顯增加[39- 41],導(dǎo)致黃河流域原來生態(tài)質(zhì)量較差的區(qū)域快速變好(表4)。但從2000年以后,黃河流域生態(tài)環(huán)境質(zhì)量提升變緩,其主要原因是,雖然30年來整個黃河流域生態(tài)環(huán)境質(zhì)量整體向好,但是部分地區(qū),主要是一些大的國家級經(jīng)濟(jì)開發(fā)區(qū)的生態(tài)環(huán)境卻出現(xiàn)了惡化趨勢(圖6、圖7)。惡化的主要原因是由于2000年以后,這些區(qū)域人類經(jīng)濟(jì)活動頻繁,對生態(tài)環(huán)境的干擾較大,導(dǎo)致黃河流域原來生態(tài)質(zhì)量較好的區(qū)域出現(xiàn)退化(表5)。經(jīng)濟(jì)要發(fā)展,生態(tài)環(huán)境也要保護(hù),因此,國家及黃河流域各省市應(yīng)當(dāng)重視經(jīng)濟(jì)發(fā)展與生態(tài)環(huán)境保護(hù)相協(xié)調(diào),這也是實現(xiàn)黃河流域生態(tài)保護(hù)和高質(zhì)量發(fā)展的必然要求。

5 結(jié)論

(1)使用Google Earth Engine(GEE)平臺進(jìn)行遙感生態(tài)指數(shù)(RSEI)的建模及分析,可以及時、準(zhǔn)確的獲取黃河流域生態(tài)環(huán)境質(zhì)量的時空格局與演變趨勢,在實施黃河流域生態(tài)環(huán)境保護(hù)和高質(zhì)量發(fā)展戰(zhàn)略過程中有著廣闊的應(yīng)用前景。

(2)黃河流域生態(tài)環(huán)境質(zhì)量較差的區(qū)域集中分布在黃河上中游,但卻是黃河流域1990—2019年期間,生態(tài)環(huán)境質(zhì)量提升最快的區(qū)域,我國生態(tài)工程在該地區(qū)的實施效果最為明顯,應(yīng)當(dāng)繼續(xù)保持或增加該地區(qū)生態(tài)環(huán)境保護(hù)的投入力度。

(3)30年來我國黃河流域生態(tài)環(huán)境質(zhì)量整體向好,可分為快速變好(1990—2000年)和緩慢轉(zhuǎn)好(2000—2019年)2個時期,但是一些國家重點經(jīng)濟(jì)開發(fā)區(qū)生態(tài)環(huán)境質(zhì)量有所惡化,國家及黃河流域各省市應(yīng)當(dāng)高度重視經(jīng)濟(jì)開發(fā)區(qū)的生態(tài)環(huán)境保護(hù)和高質(zhì)量發(fā)展。