李尚志, 薛華柱,*, 李靜茹, 周利娟, 谷佳賀,2, 董國(guó)濤,2,3

基于遙感生態(tài)指數(shù)的河套灌區(qū)生態(tài)環(huán)境質(zhì)量變化研究

李尚志1, 薛華柱1,*, 李靜茹1, 周利娟1, 谷佳賀1,2, 董國(guó)濤1,2,3

1. 河南理工大學(xué)測(cè)繪與國(guó)土信息工程學(xué)院, 焦作 454002 2. 黃河水利委員會(huì)黃河水利科學(xué)研究院, 鄭州 450000 3. 黑河水資源與生態(tài)保護(hù)研究中心, 蘭州 730030

河套灌區(qū)是黃河中游的大型灌區(qū), 也是我國(guó)設(shè)計(jì)灌溉面積最大的灌區(qū), 2019年被列入世界灌溉工程遺產(chǎn)名錄。為探究河套灌區(qū)在近十年來(lái)的生態(tài)變化情況, 基于Landsat系列衛(wèi)星2010年TM及2016年和2020年OLI/TIRS數(shù)據(jù), 利用綠度、濕度、干度、熱度構(gòu)建了遙感生態(tài)指數(shù)等指標(biāo), 分析了河套灌區(qū)的近年來(lái)的生態(tài)環(huán)境變化情況。研究結(jié)果表明: 從2010年至2020年, 研究區(qū)的植被覆蓋區(qū)域的綠度水平顯著提高, 濕度增加變化明顯, 干度和熱度兩大指標(biāo)均有所下降, 遙感生態(tài)指數(shù)由0.45上升到0.57, 生態(tài)水平有所提高。沙漠及鹽堿化地區(qū)的生態(tài)水平有變好的趨勢(shì), 部分區(qū)域完成了從無(wú)植被到有植被覆蓋的轉(zhuǎn)換, 人為影響因素顯著, 極大提高了區(qū)域生態(tài)環(huán)境水平。本次研究通過(guò)多種環(huán)境因子、遙感生態(tài)指數(shù)等手段研究河套灌區(qū)的生態(tài)變化情況, 探討人為因素對(duì)生態(tài)環(huán)境的影響, 以期為河套區(qū)域生態(tài)保護(hù)提供理論參考和科學(xué)依據(jù)。

河套灌區(qū); 遙感生態(tài)指數(shù); 生態(tài)環(huán)境質(zhì)量

0 前言

良好的生態(tài)環(huán)境是實(shí)現(xiàn)人類可持續(xù)發(fā)展的重要基礎(chǔ), 對(duì)人類社會(huì)的生態(tài)安全和穩(wěn)定有著不可替代的作用[1]。沙漠化是指由自然或人為因素造成的在干旱、半干旱地區(qū)及半濕潤(rùn)地區(qū)出現(xiàn)的土地退化過(guò)程, 長(zhǎng)期以來(lái), 我國(guó)受到荒漠化影響嚴(yán)重, 荒漠化土地面積占國(guó)土面積的27.3%, 近4億人口受到荒漠化的影響。內(nèi)蒙古河套灌區(qū)位于我國(guó)西北內(nèi)陸, 因有黃河穿過(guò), 保證了灌溉用水的來(lái)源, 但是在西北地區(qū)干旱、降水稀少的大環(huán)境下, 仍然面臨著土地沙漠化的危險(xiǎn)。不合理的人類活動(dòng), 如農(nóng)牧業(yè)的經(jīng)營(yíng)都將導(dǎo)致生態(tài)環(huán)境惡化。因此, 如何對(duì)灌區(qū)的生態(tài)環(huán)境進(jìn)行全范圍、多時(shí)間點(diǎn)的定量評(píng)價(jià)有著極為重要的現(xiàn)實(shí)意義。

徐涵秋提出的遙感生態(tài)指數(shù)(Remote Sensing Ecology Index, RSEI)可以對(duì)區(qū)域環(huán)境進(jìn)行快速監(jiān)測(cè)和評(píng)價(jià), 是用于綜合反映研究區(qū)域生態(tài)環(huán)境現(xiàn)狀的新型生態(tài)指數(shù)[2]。近年來(lái), 不少學(xué)者成功的應(yīng)用遙感生態(tài)指數(shù)在不同領(lǐng)域?qū)Σ煌芯繀^(qū)域進(jìn)行了生態(tài)環(huán)境評(píng)價(jià), 并且取得了良好的效果。一些學(xué)者利用遙感生態(tài)指數(shù)對(duì)城市及城市群進(jìn)行定量評(píng)價(jià), 同時(shí)從時(shí)間上描述了區(qū)域生態(tài)變化的特征及趨勢(shì)[3]; 張林杰等利用遙感影像構(gòu)建遙感生態(tài)指數(shù)研究了貴陽(yáng)市花溪區(qū)16年的生態(tài)環(huán)境變化, 表明了植被覆蓋度是影響生態(tài)環(huán)境的關(guān)鍵性因素[4]。周滿迷等定量評(píng)價(jià)了蘇州-無(wú)錫-常熟城市群2001—2018年間區(qū)域生態(tài)變化[5], 周玄德等利用遙感生態(tài)指數(shù)評(píng)價(jià)了東莞市的生態(tài)環(huán)境狀況, 研究發(fā)現(xiàn)了生態(tài)狀況在空間分布上不平衡性。通過(guò)計(jì)算遙感生態(tài)指數(shù), 程志峰等分析了烏魯木齊市生態(tài)指數(shù)的空間特征及變化趨勢(shì)[6]。王美雅等通過(guò)遙感生態(tài)指數(shù)評(píng)價(jià)了因城市不透水面面積增長(zhǎng)導(dǎo)致的城市生態(tài)質(zhì)量變化, 表明不透水面對(duì)城市生態(tài)質(zhì)量產(chǎn)生了不利影響[7]。溫小樂(lè)等分析了海島城市平潭島生態(tài)狀況的時(shí)空變化趨勢(shì)和變化原因, 強(qiáng)調(diào)了制定有效的生態(tài)保護(hù)措施的重要性[8]。王勇等通過(guò)構(gòu)建遙感生態(tài)指數(shù)對(duì)丹江流域的生態(tài)質(zhì)量進(jìn)行了動(dòng)態(tài)監(jiān)測(cè), 并對(duì)變化原因進(jìn)行了討論[9]。朱青等基于遙感生態(tài)指數(shù)定量分析了鄱陽(yáng)湖區(qū)生態(tài)水平的空間異質(zhì)性及影響因素[10]。岳輝等采用遙感生態(tài)指數(shù)動(dòng)態(tài)監(jiān)測(cè)了神東礦區(qū)的生態(tài)環(huán)境時(shí)空動(dòng)態(tài)演變特征, 同時(shí)比較了礦區(qū)不同位置的生態(tài)差異[11]。潘明慧等利用基于遙感生態(tài)指數(shù)方法, 對(duì)福州旗山國(guó)家森林公園的生態(tài)環(huán)境變化趨勢(shì)進(jìn)行了分析, 并對(duì)不同的區(qū)域環(huán)境進(jìn)行了探討[12]。

到目前為止, 對(duì)河套灌區(qū)進(jìn)行生態(tài)環(huán)境評(píng)價(jià)的研究仍然較少, 而且討論的參數(shù)較為單一, 陳愛(ài)萍等利用VEGETATION傳感器數(shù)據(jù)提取了河套灌區(qū)NDVI, 討論了灌區(qū)植被覆蓋動(dòng)態(tài)變化情況[13]。毛志春等人基于1 km分辨率MODIS數(shù)據(jù)討論了河套地區(qū)的荒漠化情況, 但僅從與植被角度進(jìn)行了討論, 同時(shí)所用遙感數(shù)據(jù)的分辨率較低, 無(wú)法展示灌區(qū)的細(xì)節(jié)情況[14]。張銀輝等從土地利用變化角度分析了灌區(qū)景觀生態(tài)效應(yīng), 揭示了灌區(qū)以農(nóng)牧業(yè)用地為主的特征[15]。武靖?jìng)サ壤脤?shí)地調(diào)查數(shù)據(jù), 討論了地下水位引起的生態(tài)環(huán)境變化, 但是缺乏客觀的面狀信息展示[16]。以上研究?jī)H對(duì)與生態(tài)環(huán)境有關(guān)的某一因子進(jìn)行分析, 并非通用的生態(tài)環(huán)境評(píng)價(jià)方法, 在生態(tài)指標(biāo)上選取上存在一定的主觀性與片面性, 同時(shí)未對(duì)研究區(qū)的生態(tài)變化情況進(jìn)行全面的分析與討論。因此, 本研究使用了2010年、2016年及2020年的Landsat系列衛(wèi)星30 m分辨率影像數(shù)據(jù), 從歸一化植被指數(shù)、地表濕度、干度及地表溫度四個(gè)方面探討河套灌區(qū)近十年的生態(tài)情況。同時(shí)利用遙感生態(tài)指數(shù)對(duì)灌區(qū)生態(tài)進(jìn)行定量評(píng)估, 直觀展現(xiàn)不同區(qū)域的生態(tài)等級(jí)變化情況。另外, 結(jié)合研究區(qū)政策及發(fā)展情況對(duì)導(dǎo)致生態(tài)環(huán)境質(zhì)量等級(jí)發(fā)生變化的組成指標(biāo)做出進(jìn)一步的解釋。研究成果對(duì)合理利用區(qū)域生態(tài)資源及生態(tài)保護(hù)活動(dòng)具有科學(xué)的指導(dǎo)意義。

1 研究區(qū)概況

河套灌區(qū)位于內(nèi)蒙古巴彥淖爾市, 是我國(guó)三個(gè)特大型灌區(qū)之一, 河套灌區(qū)西鄰騰格里和烏蘭布和沙漠, 北接庫(kù)布齊沙漠邊緣, 屬內(nèi)蒙古高原的一部分。氣候?yàn)榈湫偷闹袦貛Т箨懶愿珊蛋敫珊导撅L(fēng)氣候, 降水稀少, 晝夜溫差大, 年均降水量為130—285 mm, 自東向西遞減, 蒸發(fā)量在2000—2500 mm之間。灌區(qū)內(nèi)以引黃灌溉為主, 全年灌水3—7次[17]。冬季和春季多為北風(fēng)或西北風(fēng), 夏季為偏南風(fēng), 大風(fēng)天氣頻發(fā), 荒漠化隱患嚴(yán)重。受到氣候與地形條件的雙重影響, 研究區(qū)主要植被為草甸、鹽生植被和農(nóng)作物等類型, 生態(tài)環(huán)境脆弱。不合理的人類活動(dòng), 如大水漫灌、灌排比例失調(diào)及盲目開(kāi)展節(jié)水活動(dòng)等, 將對(duì)生態(tài)環(huán)境造成較大的影響[18]。

圖1 研究區(qū)位置示意圖

Figure 1 Overview of the location of research area

2 材料與方法

2.1 數(shù)據(jù)介紹

已有研究表明, 沙漠植被平均密度在7月份達(dá)到最大值[19]。因此, 選取7月作為衛(wèi)星成像時(shí)間。本研究的遙感成像時(shí)間分別為2010年7月1日、2016年7月3日和2020年7月2日, 時(shí)間差別在5 d以內(nèi), 保持沙漠植被處于相同的生長(zhǎng)狀態(tài)。首先以2020年的遙感影像為基準(zhǔn)影像, 對(duì)2016年和2010年兩幅影像進(jìn)行配準(zhǔn), 確保均方根誤差控制在0.5個(gè)像元以內(nèi)。所用數(shù)據(jù)為USGS網(wǎng)站定制的反射率產(chǎn)品, 該產(chǎn)品已經(jīng)過(guò)大氣校正, 像元值即為地表反射率值。

考慮到研究區(qū)為非行政區(qū)界和非流域單元, 同時(shí)處于動(dòng)態(tài)變化狀態(tài)。因此, 選擇2020年最新的遙感影像作為基準(zhǔn)影像, 確定研究區(qū)范圍, 即通過(guò)采用波段合成手段增強(qiáng)植被與沙漠戈壁之間的區(qū)別, 可以發(fā)現(xiàn)灌區(qū)北部緊鄰陰山山脈, 地表差異明顯, 以此確定北部邊界, 南部主要選擇黃河南側(cè)明顯的溝渠、道路等線狀地物作為邊界, 東端至烏梁素海東側(cè)綠地邊緣, 西側(cè)主要根據(jù)植被與戈壁的差異靈活確定, 盡可能的包含植被覆蓋區(qū)域。

2.2 研究方法

區(qū)域生態(tài)環(huán)境質(zhì)量變化情況可以從多個(gè)遙感指數(shù)指標(biāo)中得到體現(xiàn), 綠度、濕度、干度與熱度指標(biāo)與人類生存環(huán)境有著密切的聯(lián)系。而遙感生態(tài)指數(shù)使用主成分變換的方法耦合了以上四個(gè)指標(biāo), 可以定量描述區(qū)域的生態(tài)水平, 也可以進(jìn)一步對(duì)生態(tài)環(huán)境進(jìn)行分級(jí)評(píng)價(jià), 避免了主觀因素的影響。

表1 Landsat 8 OLI/TIRS及Landsat 5 TM傳感器波段介紹

2.2.1 綠度指數(shù)

植被對(duì)區(qū)域能量循環(huán)有著重要影響, 在生態(tài)變化和氣候變化中起著極為重要的作用。自然界地表植被覆蓋度可以用綠度指標(biāo)表示[20], 一般而言, 歸一化植被指數(shù)(Normalized Difference Vegetation Index, NDVI) 常用于表示綠度。NDVI是利用植被在紅光波段的吸收谷與近紅外波段的高反射率特征構(gòu)建使用最廣泛的遙感植被指數(shù)[21], 能夠綜合反映植物生物量、葉面積指數(shù)以及植被覆蓋度信息。NDVI取值范圍為[-1,1], 負(fù)值表示地面覆蓋為云、水、雪等, 0表示有巖石或裸土等, 正值表示有植被覆蓋, 且隨覆蓋度增大而增大。具體表達(dá)式為公式(1)所示:

式(1)中的NIR和RED分別表示近紅外波段和紅波段反射率數(shù)據(jù)。

2.2.2 濕度指標(biāo)

遙感纓帽變換所獲取的濕度分量可以反映地表植被、水體和土壤的濕度狀況, 與土壤退化等生態(tài)環(huán)境變化密切相關(guān)?；贚andsat衛(wèi)星的OLI和TM傳感器數(shù)據(jù)的濕度分量計(jì)算公式為:

式(2)、(3)中各波段分別為L(zhǎng)andsat影像中的相應(yīng)波段反射率。

2.2.3 干度指標(biāo)

遙感生態(tài)指數(shù)選取裸土指數(shù)(Soil Index, SI)和建筑用地指數(shù)(Index-based Built-up Index, IBI)合成表示地表干化程度。具體計(jì)算公式為:

表2 遙感影像數(shù)據(jù)說(shuō)明

圖2 河套灌區(qū)遙感影像(Landsat 8 6,5,2波段; Landsat 5 7, 4, 1波段)

Figure 2 Landsat images of Hetao irrigation area (Landsat 8 6, 5, 2 band composition; Landsat 5 7, 4, 1 band composition)

2.2.4 熱度指標(biāo)

地表溫度(Land Surface Temperature, LST)在全球氣候變化和地球地表過(guò)程模型研究中是一個(gè)十分重要的參量[22], 有研究表明, 地表溫度的變化能夠改變地面與大氣之間物質(zhì)與能量平衡, 引起氣候, 降水和植被等發(fā)生變化, 進(jìn)而對(duì)區(qū)域生態(tài)環(huán)境的保護(hù)與演變產(chǎn)生重要影響[23]。本研究使用大氣校正法計(jì)算地表溫度, 利用經(jīng)過(guò)比輻射率校正的溫度來(lái)代表熱度指標(biāo), 根據(jù)Landsat 8衛(wèi)星數(shù)據(jù)反演不同時(shí)段的地表溫度數(shù)據(jù)公式為:

公式(7)中, L為L(zhǎng)andsat 8第10波段的像元在傳感器處的輻射值, DN為像元灰度值, 通過(guò)查看頭文件提供的定標(biāo)信息可以得知增益gain和偏移bias的具體數(shù)值。式(8)中, T為傳感器處溫度值, K1和K2分別是定標(biāo)參數(shù)。公式(9)中, Landsat 8第10波段的中心波長(zhǎng)λ為10.9 μm, ρ為1.438·10-2m * K, ε為地表比輻射率。

2.2.5 遙感生態(tài)指數(shù)

遙感生態(tài)指數(shù)用主成分變換的方法耦合了綠度、濕度、干度、熱度等四個(gè)地表參數(shù), 由于遙感生態(tài)指數(shù)的四個(gè)組成指標(biāo)之間的物理意義不同, 同時(shí)量綱并不統(tǒng)一, 為了避免因?yàn)閿?shù)值大小對(duì)權(quán)重不平衡造成影響, 因此需要對(duì)其進(jìn)行歸一化處理[24]。歸一化公式如式(10)所示:

式(10)中,為待歸一化波段,X和X分別為波段的最小值和最大值,X為歸一化結(jié)果。

該方法的最大優(yōu)點(diǎn)是各指標(biāo)對(duì)遙感生態(tài)指數(shù)的貢獻(xiàn)全部由數(shù)據(jù)本身的性質(zhì)決定, 沒(méi)有人為權(quán)重設(shè)定, 從而避免了因人為因素而造成的結(jié)果偏差?？梢钥陀^的對(duì)區(qū)域生態(tài)環(huán)境質(zhì)量的時(shí)空分布變化進(jìn)行可視化。因此, 遙感生態(tài)指數(shù)更為客觀合理, 大大提高了結(jié)果的可信度。根據(jù)遙感生態(tài)指數(shù)的定義, 針對(duì)上述四種生態(tài)指標(biāo), 首先進(jìn)行歸一化處理, 然后進(jìn)行主成分分析處理, 以消除各指標(biāo)間的相關(guān)性。將包含信息量最大的第一主成分作為遙感生態(tài)指數(shù)以定量揭示研究區(qū)的生態(tài)環(huán)境質(zhì)量差異與空間分布特征。公式如下:

為了便于度量研究區(qū)的環(huán)境質(zhì)量, 參照文獻(xiàn)中的分級(jí)標(biāo)準(zhǔn), 將歸一化后的遙感生態(tài)指數(shù)劃分為[0—0.2)、[0.2—0.4)、[0.4—0.6)、[0.6—0.8)、[0.8—1]五個(gè)區(qū)間, 分別對(duì)應(yīng)為差、較差、中等、良好和優(yōu)五個(gè)等級(jí)。RSEI值越接近1, 表示生態(tài)越好, 反之生態(tài)越差。

3 結(jié)果與分析

通過(guò)使用Python語(yǔ)言結(jié)合地理空間數(shù)據(jù)抽象庫(kù)(Geospatial Data Abstract Library, GDAL)對(duì)研究區(qū)內(nèi)2010年7月、2016年7月及2020年7月的三期Landsat陸地衛(wèi)星影像進(jìn)行處理, 得到其綠度、濕度、干度及熱度四個(gè)指標(biāo)。然后, 對(duì)四個(gè)指標(biāo)進(jìn)行歸一化處理。其次, 基于主成分分析方法獲取四個(gè)遙感指數(shù)的第一主成分。最后對(duì)歸一化后的遙感生態(tài)指數(shù)按照生態(tài)分級(jí)標(biāo)準(zhǔn)得到生態(tài)指數(shù)等級(jí)分布圖。由于遙感生態(tài)指數(shù)并不適用于河套灌區(qū)東緣烏梁素海水域生態(tài)評(píng)價(jià)工作, 因此需要利用改進(jìn)的歸一化差異水體指數(shù)(Modified Normalized Difference Water Index, MNDWI)對(duì)水體進(jìn)行掩膜處理[25], 掩膜部分不參與統(tǒng)計(jì)學(xué)運(yùn)算。

3.1 多種遙感指數(shù)綜合變化

遙感生態(tài)指數(shù)及組成指標(biāo)如表3所示, 研究區(qū)在2010年的遙感生態(tài)指數(shù)為0.45, 至2016年遙感生態(tài)指數(shù)為0.53, 2020年遙感生態(tài)指數(shù)為0.57, 不同時(shí)間范圍內(nèi), 生態(tài)水平均有一定程度的提高, 且2010年到2016年生態(tài)變化最為明顯。綠度和濕度對(duì)于第一主成分的貢獻(xiàn)率分別為0.39和0.68, 均為正值, 說(shuō)明綠度和濕度指標(biāo)對(duì)區(qū)域生態(tài)環(huán)境起到了積極作用, 而干度和熱度指標(biāo)對(duì)第一主成分PC1的貢獻(xiàn)值為-0.72和-0.29, 說(shuō)明干度和熱度兩個(gè)指標(biāo)對(duì)生態(tài)環(huán)境有負(fù)面影響。

通過(guò)對(duì)比的近十年來(lái)的三個(gè)時(shí)間點(diǎn)的遙感影像發(fā)現(xiàn), 以NDVI為表征的綠度因素呈上升趨勢(shì), 均值由2010年0.44上升到0.55, 增幅為11%, 上升幅度明顯。從綠度指標(biāo)的空間分布上看, 直接得到種植植被的區(qū)域變化最為明顯, 表現(xiàn)在綠色植物覆蓋面積顯著增加, 說(shuō)明研究區(qū)內(nèi)部分區(qū)域的土地利用類型經(jīng)歷了由荒漠到有植被覆蓋的過(guò)程; 原有的植被綠度水平在一年內(nèi)相同時(shí)期水平也有所提高。濕度指標(biāo)在2010年均值為0.55, 2016年為0.66, 到2020年降低到0.43, 上升趨勢(shì)為先上升再下降, 可能與灌區(qū)節(jié)水農(nóng)業(yè)發(fā)展有關(guān)[26]。對(duì)生態(tài)起消極作用的干度指標(biāo)由2010年的0.72降低至2016年的0.66, 表明在2該時(shí)間段內(nèi)區(qū)域整體干燥度下降。但是, 到2020年干度水平回升到0.76, 干度水平略有增加, 可能與近年來(lái)經(jīng)濟(jì)水平提高及農(nóng)作物種植面積變化有關(guān)[27]。2016年與2020年兩期相比, 熱度下降了5%, 熱度水平遠(yuǎn)遠(yuǎn)低于2010年。研究結(jié)果表明, 綠度NDVI高值區(qū)域的地表溫度明顯低于周邊區(qū)域, 從而減少了蒸發(fā)量, 起到涵養(yǎng)水源的積極作用, 優(yōu)化了灌區(qū)植物的生存環(huán)境。整體上消極因素上升幅度小于積極因素上升幅度, 生態(tài)環(huán)境整體向好發(fā)展。

表3 遙感生態(tài)指數(shù)與組成指標(biāo)統(tǒng)計(jì)值

圖3 研究區(qū)內(nèi)綠度、濕度、干度及熱度變化情況

Figure 3 Changes of greenness, wetness, dryness, and hotness in research area

3.2 生態(tài)等級(jí)及空間分布

結(jié)合圖4和表4可以看出, 2010年河套灌區(qū)的生態(tài)指數(shù)等級(jí)為較差的比例為11.5%, 生態(tài)水平為較差的比例為32.9%, 生態(tài)水平為中等的區(qū)域占比為28.8%, 生態(tài)水平為良好的比例為25.2%, 生態(tài)水平為優(yōu)的比例為1.4%, 生態(tài)環(huán)境水平一般。2016年生態(tài)等級(jí)為差的比例占8.2%, 等級(jí)為較差的比例占到25.5%, 水平為中等的比例為34.8%, 生態(tài)水平為良好的比例為28.6%, 生態(tài)水平為優(yōu)的比例占2.7%。2020年河套灌區(qū)生態(tài)水平為優(yōu)的比例達(dá)到3.1%, 達(dá)到近10a來(lái)最高水平, 生態(tài)水平為良好的比例為31.8%, 生態(tài)水平為中等的比例為34.6%, 生態(tài)水平為差的比例占20%左右, 絕大部分區(qū)域生態(tài)水平為中等及以上。

三個(gè)時(shí)間點(diǎn)的遙感生態(tài)指數(shù)分布圖顯示, 河套灌區(qū)生態(tài)環(huán)境破碎化程度較高, 生態(tài)等級(jí)為中等和良好的區(qū)域交替分布。研究區(qū)內(nèi)生態(tài)環(huán)境較好的區(qū)域主要分布在灌區(qū)中部灌渠經(jīng)過(guò)地區(qū), 邊緣區(qū)域生態(tài)水平低于中部地區(qū), 黃河以北生態(tài)環(huán)境優(yōu)于南部地區(qū), 灌區(qū)西南部地區(qū)生態(tài)環(huán)境較差。灌區(qū)中部地區(qū)生態(tài)水平保持穩(wěn)定, 原有的生態(tài)基礎(chǔ)得到鞏固。河套灌區(qū)西側(cè)納林湖濕地公園處于不斷地進(jìn)行生態(tài)建設(shè)與濕地保護(hù)[28], 東側(cè)烏梁素海景區(qū)落實(shí)濕地紅線政策, 人為影響因素最為明顯[29], 目前的一系列生態(tài)保護(hù)措施有力地強(qiáng)化了灌區(qū)邊緣的生態(tài)等級(jí), 但是不合理的人類活動(dòng)將對(duì)生態(tài)環(huán)境造成破壞性影響。

河套灌區(qū)在2020年RSEI主要集中在中等、良好等級(jí), 分別占31.8%和34.6%, 盡管生態(tài)水平為差的比例由32.9%降低到21.8%, 但是灌區(qū)在經(jīng)濟(jì)建設(shè)的同時(shí)應(yīng)注重生態(tài)環(huán)境的保護(hù), 在原有的生態(tài)基礎(chǔ)上進(jìn)一步優(yōu)化生態(tài)環(huán)境的規(guī)劃, 如提高植被覆蓋度、根據(jù)實(shí)際情況合理配置灌溉水資源及結(jié)構(gòu)等。特殊的地理環(huán)境與氣候決定了河套灌區(qū)生態(tài)基礎(chǔ), 生態(tài)水平為良好應(yīng)當(dāng)是研究區(qū)內(nèi)正?；健Ｉ鷳B(tài)水平位較差的區(qū)域主要分布在研究區(qū)邊緣區(qū)域, 主要由于東西側(cè)邊緣區(qū)域易受沙漠風(fēng)沙侵蝕[30], 灌區(qū)北側(cè)為洪積平原, 鹽堿化程度高[31], 而南側(cè)灌渠數(shù)量較少, 灌溉水平較低, 最有可能面臨生態(tài)水平降級(jí)的風(fēng)險(xiǎn)。

3.3 生態(tài)環(huán)境動(dòng)態(tài)變化情況

由表4可知, 河套灌區(qū)生態(tài)等級(jí)為較差的區(qū)域占據(jù)一定的比例, 2010年和2020年的比例為32.9%和21.8%, 同比降低11.1%; 生態(tài)水平為中等的比例由28.8%上升到34.8%; 生態(tài)水平為良好的比例由25.2%上升到31.8%, 增長(zhǎng)6.6%, 生態(tài)變化最為明顯; 生態(tài)水平為優(yōu)的比例由1.4%上升到了3.1%。最近影像信息顯示, 河套灌區(qū)西南磴口縣近年來(lái)大力開(kāi)展防沙治沙生態(tài)建設(shè), 人工種植梭梭, 肉蓯蓉及沙生葡萄等經(jīng)濟(jì)作物, 生態(tài)水平變化最為明顯。灌區(qū)西側(cè)納林湖景區(qū)面積在近年來(lái)有所擴(kuò)大, 遙感生態(tài)指數(shù)由0.21上升至0.37, 原有的生態(tài)環(huán)境得到了鞏固與提高。灌區(qū)周邊區(qū)域與四周荒漠化區(qū)域的差異明顯, 沙漠鎖邊林帶進(jìn)一步拓寬以阻擋、固定風(fēng)沙侵蝕。RSEI水平為差的面積減少了3%, 水平為較差的面積減少了11.1%, 變化的面積主要轉(zhuǎn)變?yōu)榱己煤椭械葍杉?jí)。

如圖2所示, 生態(tài)環(huán)境明顯改善的區(qū)域主要分布在植被覆蓋度增加的區(qū)域, 生態(tài)環(huán)境變化幅度明顯高于自然演變, 說(shuō)明人工進(jìn)行生態(tài)環(huán)境對(duì)生態(tài)質(zhì)量有明顯的促進(jìn)作用。綠色植物的種植可以明顯改善了區(qū)域生態(tài)水平[32], 除造林治沙區(qū)域外, 其它地區(qū)生態(tài)水平保持穩(wěn)定, 說(shuō)明河套地區(qū)生態(tài)效益顯著, 有力地遏制了生態(tài)環(huán)境惡化的趨勢(shì), 提高了整體生態(tài)環(huán)境水平。在全球氣候變化導(dǎo)致積溫增加的大背景下, 非人工造林區(qū)域的干度和熱度有上升趨勢(shì)[33, 34],說(shuō)明如果不加人工干預(yù), 那么生態(tài)環(huán)境有進(jìn)一步退化的趨勢(shì), 進(jìn)而春秋季沙暴天氣出現(xiàn)頻率增加, 危害大氣環(huán)境[35]。對(duì)比2010年、2016年和2020年三個(gè)時(shí)期的RSEI分布可以看出, 通過(guò)人為手段進(jìn)行生態(tài)保護(hù), 擴(kuò)大植被覆蓋面積有較為顯著的作用, 能提高生態(tài)學(xué)等級(jí), 生態(tài)保持效果良好, 說(shuō)明人類活動(dòng)的影響因素不容忽視。綜上所述, 近10年來(lái), 河套區(qū)域生態(tài)水平仍然有待提高, 但是生態(tài)水平已經(jīng)得到了改善。河套灌區(qū)的生態(tài)保護(hù)力度大于自然惡化因素, 生態(tài)環(huán)境正逐漸向好發(fā)展, 為我國(guó)西北沙地豎起一道重要的生態(tài)屏障, 承擔(dān)起維護(hù)我國(guó)生態(tài)安全的重要使命。

表4 生態(tài)質(zhì)量分析及統(tǒng)計(jì)信息

圖4 遙感生態(tài)指數(shù)分布(左側(cè)a, c, e為遙感生態(tài)指數(shù), 右側(cè)b, d, e為生態(tài)級(jí)別)

Figure 4 RSEI spatial distribution (Figure a, c, e are RSEI spatial distribution maps, while Figure b, d, e are RSEI grades)

表5 遙感生態(tài)指數(shù)等級(jí)變化

4 討論

遙感生態(tài)指數(shù)用于區(qū)域環(huán)境質(zhì)量評(píng)價(jià), 可以結(jié)合綠度、濕度、干度、及熱度指標(biāo)的優(yōu)勢(shì), 評(píng)價(jià)結(jié)果更具有說(shuō)服力。其中, 灌區(qū)綠度和濕度指標(biāo)對(duì)生態(tài)環(huán)境有促進(jìn)作用, 而熱度和干度指標(biāo)具有相反的作用。綠度指標(biāo)增加, 應(yīng)當(dāng)是河套灌區(qū)植樹(shù)造林, 發(fā)展灌區(qū)農(nóng)業(yè)及建設(shè)生態(tài)保護(hù)區(qū)的結(jié)果。由于研究區(qū)地處我國(guó)西北部, 降水量少, 蒸發(fā)強(qiáng)烈, 因此, 熱度和干度指標(biāo)仍然較高[36]。從灌區(qū)生態(tài)指數(shù)的空間分布及變化上可以看出, 研究區(qū)的生態(tài)指數(shù)受人類活動(dòng)影響明顯, 在部分區(qū)域, 人為生態(tài)保護(hù)對(duì)區(qū)域生態(tài)起到?jīng)Q定性的作用, 如, 研究區(qū)西部地區(qū)生態(tài)質(zhì)量為差的區(qū)域轉(zhuǎn)為良好, 灌渠流經(jīng)的區(qū)域生態(tài)水平優(yōu)于其它區(qū)域?？臻g分布上, 灌區(qū)邊緣生態(tài)等級(jí)較差, 而中部地區(qū)生態(tài)相對(duì)較好, 研究有助于在今后的生態(tài)環(huán)境保護(hù)工作中, 有針對(duì)性的對(duì)特殊地區(qū)進(jìn)行重點(diǎn)保護(hù)。

河套灌區(qū)是我國(guó)設(shè)計(jì)灌溉面積最大的灌區(qū), 由于可以引黃灌溉天然優(yōu)勢(shì), 進(jìn)一步完善水利設(shè)施, 根據(jù)實(shí)際情況調(diào)節(jié)引黃灌溉水量, 合理發(fā)展種植業(yè), 地方經(jīng)濟(jì)發(fā)展迅速, 為維護(hù)地區(qū)生態(tài)穩(wěn)定做出了巨大的貢獻(xiàn)[37]。人類活動(dòng)對(duì)區(qū)域生態(tài)影響愈加顯著, 特別是在自然條件較差的區(qū)域, 合理的人類活動(dòng)將有益于區(qū)域生態(tài)環(huán)境變化。河套灌區(qū)生態(tài)環(huán)境的生態(tài)環(huán)境質(zhì)量變化受到自然條件的影響, 但是人為因素的影響不容忽視, 在生產(chǎn)建設(shè)過(guò)程中, 一定要樹(shù)立生態(tài)意識(shí), 環(huán)保意識(shí), 統(tǒng)籌規(guī)劃, 在生態(tài)可承載范圍內(nèi)進(jìn)行有序可持續(xù)發(fā)展[38]。

在研究方法上, 本研究利用Landsat系列衛(wèi)星數(shù)據(jù)構(gòu)建遙感生態(tài)指數(shù)為河套灌區(qū)生態(tài)評(píng)價(jià)提供了新的思路與方法, 可以實(shí)現(xiàn)快速監(jiān)測(cè), 并將綠度、濕度、干度及熱度指標(biāo)與研究區(qū)生態(tài)環(huán)境保護(hù)工作相結(jié)合, 探討生態(tài)環(huán)境質(zhì)量變化原因。但是也存在一定的缺陷和不足之處, 一是圖像時(shí)間分辨率并不足夠高, 如果使用更多時(shí)相的遙感數(shù)據(jù)進(jìn)行生態(tài)評(píng)價(jià), 則可以提供更為精細(xì)尺度的變化特征和生態(tài)評(píng)價(jià)結(jié)果[39]。二是本研究完全基于遙感手段對(duì)河套灌區(qū)的生態(tài)水平空間分布及變化情況做出了探討, 有一定的局限性, 如果與研究區(qū)地面站點(diǎn)觀測(cè)資料, 如降水量, 蒸發(fā)量及引黃灌溉用水?dāng)?shù)據(jù)相結(jié)合進(jìn)行探討, 分析結(jié)果將更為全面。三是單一時(shí)刻的遙感影像進(jìn)行生態(tài)環(huán)境質(zhì)量監(jiān)測(cè)與評(píng)價(jià), 容易受到天氣等偶然因素的影響, 導(dǎo)致遙感生態(tài)指數(shù)可能存在一定的差異, 因此, 如何數(shù)據(jù)進(jìn)行預(yù)處理(如, 年均值合成、最大值合成), 得到更為穩(wěn)定且更具代表性的輸入數(shù)據(jù)將是下一步研究應(yīng)當(dāng)考慮的問(wèn)題。

5 結(jié)論

(1)遙感生態(tài)指數(shù)適用于河套灌區(qū)生態(tài)環(huán)境監(jiān)測(cè), RSEI均值處于不斷上升的狀態(tài), 遙感生態(tài)指數(shù)均值由2010年的0.45上升至2020年的0.57, 上升幅度達(dá)12%, 說(shuō)明生態(tài)環(huán)境質(zhì)量水平呈現(xiàn)上升趨勢(shì), 其中綠度和濕度指標(biāo)對(duì)生態(tài)環(huán)境有促進(jìn)作用, 而干度和熱度對(duì)生態(tài)環(huán)境起到負(fù)面影響。

(2)河套區(qū)域的生態(tài)環(huán)境等級(jí)由較差變?yōu)橹械燃耙陨系谋壤_(dá)到32%。說(shuō)明了通過(guò)人工種植綠色植物可以顯著降低地面干度, 增加地表濕度。造林區(qū)域的地表溫度明顯低于造林前的溫度水平, 原有生態(tài)較差的區(qū)域得到了有效的治理。

(3)RSEI綜合了綠度、濕度、干度和熱度四個(gè)指標(biāo), 可以客觀的反映區(qū)域生態(tài)環(huán)境質(zhì)量狀況。研究結(jié)果表明, 綠度、濕度、干度和熱度均能體現(xiàn)出生態(tài)環(huán)境的變化情況。空間分布上, 河套區(qū)域生態(tài)水平有所好轉(zhuǎn), 說(shuō)明當(dāng)?shù)氐纳鷳B(tài)環(huán)境正在得到改善。

[1] Naughton-Treves L M B K. The Role of Protected Areas in Conserving Biodiversity and Sustaining Local Livelyhoods[J]. Annual Review of Environment and Resources, 2005, 30(1): 219–252.

[2] 徐涵秋. 區(qū)域生態(tài)環(huán)境變化的遙感評(píng)價(jià)指數(shù)[J]. 中國(guó)環(huán)境科學(xué), 2013, 33(5): 889–897.

[3] 程志峰, 何祺勝. 基于RSEI的蘇錫常城市群生態(tài)環(huán)境遙感評(píng)價(jià)[J]. 遙感技術(shù)與應(yīng)用, 2019, 34(3): 531–539.

[4] 張林杰, 蔡宏, 王小祎, 等. 貴陽(yáng)市花溪區(qū)城市生態(tài)環(huán)境變化研究[J]. 測(cè)繪與空間地理信息, 2019, 42(2): 50–53.

[5] 周滿迷, 楊燕瓊. 東莞市生態(tài)狀況遙感評(píng)價(jià)[J]. 廣東農(nóng)業(yè)科學(xué), 2018, 45(1): 126–134.

[6] 周玄德, 郭華東, 孜比布拉·司馬義, 等. 干旱區(qū)綠洲城市遙感生態(tài)指數(shù)變化監(jiān)測(cè)[J]. 資源科學(xué), 2019, 41(5): 1002–1012.

[7] 王美雅, 徐涵秋. 上海和紐約城市不透水面時(shí)空變化及其對(duì)生態(tài)質(zhì)量影響的對(duì)比[J]. 應(yīng)用生態(tài)學(xué)報(bào), 2018, 29(11): 3735–3746.

[8] 溫小樂(lè), 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——以福建平潭綜合實(shí)驗(yàn)區(qū)為例[J]. 應(yīng)用生態(tài)學(xué)報(bào), 2015, 26(2): 541–547.

[9] 王勇, 王世東. 基于RSEI的生態(tài)質(zhì)量動(dòng)態(tài)變化分析——以丹江流域(河南段)為例[J]. 中國(guó)水土保持科學(xué), 2019, 17(3): 57–65.

[10] 朱青, 國(guó)佳欣, 郭熙, 等. 鄱陽(yáng)湖區(qū)生態(tài)環(huán)境質(zhì)量的空間分異特征及其影響因素[J]. 應(yīng)用生態(tài)學(xué)報(bào), 2019, 30(12): 4108–4116.

[11] 岳輝, 劉英, 朱蓉. 基于遙感生態(tài)指數(shù)的神東礦區(qū)生態(tài)環(huán)境變化監(jiān)測(cè)[J]. 水土保持通報(bào), 2019, 39(2): 101–107.

[12] 潘明慧, 袁軼男, 王亞蕾, 等. 基于RSEI的福州旗山國(guó)家森林公園生態(tài)環(huán)境質(zhì)量變化研究[J]. 山東農(nóng)業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版), 2020,(1): 1–6.

[13] 陳愛(ài)萍, 楊丙豐, 萬(wàn)華偉, 等. 基于SPOT-VEGETATION數(shù)據(jù)的河套灌區(qū)植被覆蓋變化動(dòng)態(tài)分析[J]. 內(nèi)蒙古水利, 2014, (3): 119–120.

[14] 毛志春, 宋宇, 李蒙蒙. 基于MODIS反演數(shù)據(jù)的河套地區(qū)荒漠化研究[J]. 北京大學(xué)學(xué)報(bào)(自然科學(xué)版), 2015, 51(6): 1102–1110.

[15] 張銀輝, 羅毅, 劉紀(jì)遠(yuǎn), 等. 內(nèi)蒙古河套灌區(qū)土地利用變化及其景觀生態(tài)效應(yīng)[J]. 資源科學(xué), 2005, (2): 141–146.

[16] 高鴻永, 伍靖?jìng)? 段小亮, 等. 地下水位對(duì)河套灌區(qū)生態(tài)環(huán)境的影響[J]. 干旱區(qū)資源與環(huán)境, 2008, (4): 134–138.

[17] 于曉芳, 趙曉宇, 胡樹(shù)平, 等. 內(nèi)蒙古河套平原灌區(qū)玉米適宜耕作方式研究[J]. 植物營(yíng)養(yǎng)與肥料學(xué)報(bào), 2019, 25(3): 392–401.

[18] 方汝林. 內(nèi)蒙古河套灌區(qū)開(kāi)墾中的生態(tài)環(huán)境演變[J]. 自然資源, 1985, (1): 39–46.

[19] 陳娟麗, 趙學(xué)勇, 劉新平, 等. 降雨量對(duì)科爾沁沙地3種沙生植物生長(zhǎng)和生理的影響[J]. 中國(guó)沙漠, 2019, 39(5): 163–173.

[20] 劉爽, 宮鵬. 2000～2010年中國(guó)地表植被綠度變化[J]. 科學(xué)通報(bào), 2012, 57(16): 1423–1434.

[21] Goward S N, Xue Y, Czajkowski K P. Evaluating land surface moisture conditions from the remotely sensed temperature/vegetation index measurements[J]. Remote Sensing of Environment, 2002, 79(2/3): 225–242.

[22] WANG Zhengming, Zhao Liang. A physics-based algorithm for retrieving land-surface emissivity and temperature from EOS/MODIS data[J]. IEEE Transactions on Geoscience and Remote Sensing, 1997, 35(4): 980–996.

[23] 胡澤銀, 王世杰, 白曉永, 等. 貴州省地表溫度的遙感反演評(píng)價(jià)及時(shí)空分異規(guī)律[J]. 生態(tài)學(xué)雜志, 2018, 37(9): 2794–2807.

[24] Anyamba A, Small J, Tucker C, et al. Thirty-two Years of Sahelian Zone Growing Season Non-Stationary NDVI3g Patterns and Trends[J]. Remote Sensing, 2014, 6(4): 3101–3122.

[25] 徐涵秋. 利用改進(jìn)的歸一化差異水體指數(shù)(MNDWI)提取水體信息的研究[J]. 遙感學(xué)報(bào), 2005, (5): 589–595.

[26] 白崗栓, 張蕊, 耿桂俊, 等. 河套灌區(qū)農(nóng)業(yè)節(jié)水技術(shù)集成研究[J]. 水土保持通報(bào), 2011, 31(1): 149–154.

[27] 付雯琪, 翟家齊, 趙勇, 等. 河套灌區(qū)種植結(jié)構(gòu)變化對(duì)農(nóng)田系統(tǒng)水量平衡的影響[J]. 灌溉排水學(xué)報(bào), 2017, 36(1): 1–8.

[28]劉擁軍, 魯飛飛, 倪俊艷, 等. 內(nèi)蒙古納林湖國(guó)家濕地公園建設(shè)現(xiàn)狀及發(fā)展對(duì)策[J]. 林業(yè)資源管理, 2016, (6): 22– 25.

[29] 岳丹, 劉東偉, 王立新, 等. 基于NDVI的烏梁素海濕地植被變化[J]. 干旱區(qū)研究, 2015, 32(2): 266–271.

[30] 劉永河, 郝愛(ài)枝, 張曉紅, 等. 自然能量對(duì)烏梁素海生態(tài)修復(fù)影響的測(cè)算研究[J]. 內(nèi)蒙古水利, 2016, (11): 3–5.

[31] 李玉義, 逄煥成, 張志忠, 等. 內(nèi)蒙古河套平原鹽堿化土壤改良分區(qū)特點(diǎn)與對(duì)策[J]. 中國(guó)農(nóng)業(yè)資源與區(qū)劃, 2020, 41(5): 115–121.

[32] 鄒超煜, 白崗栓. 河套灌區(qū)土壤鹽漬化成因及防治[J]. 人民黃河, 2015, 37(9): 143–148.

[33] 李中昊, 陳阜, 文新亞, 等. 氣溫上升對(duì)河套義長(zhǎng)灌域土壤鹽分含量的影響[J]. 中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào), 2013, 18(1): 61–68.

[34]張紅麗, 張強(qiáng), 劉曉云. 華北河套地區(qū)氣候干燥度的影響因素研究[J]. 氣候變化研究進(jìn)展, 2016, 12(1): 20–27.

[35] 李寬, 熊鑫, 王海兵, 等. 內(nèi)蒙古西部高頻沙塵活動(dòng)空間分布及其成因[J]. 干旱區(qū)研究, 2019, 36(3): 657–663.

[36] 烏蘭吐雅, 于利峰, 烏蘭, 等. 基于Landsat8 TVDI的河套灌區(qū)旱情分析——以臨河區(qū)為例[J]. 中國(guó)農(nóng)業(yè)資源與區(qū)劃, 2017, 38(5): 123–127.

[37] 陳國(guó)云, 劉瑞. 黃河三盛公水利樞紐水資源利用現(xiàn)狀及存在的問(wèn)題[J]. 內(nèi)蒙古水利, 2016, (12): 44–45.

[38] 饒麗, 周利軍, 徐聰, 等. 生態(tài)環(huán)境質(zhì)量評(píng)價(jià)的內(nèi)涵、方法和實(shí)踐[J]. 亞熱帶水土保持, 2020, 32(3): 37–41.

[39] 萬(wàn)昌君, 吳小丹, 林興穩(wěn). 遙感數(shù)據(jù)時(shí)空尺度對(duì)地理要素時(shí)空變化分析的影響[J]. 遙感學(xué)報(bào), 2019, 23(6): 1064– 1077.

Study on the ecological environment quality change in Hetao irrigation area with remote sensing ecology index

LI Shangzhi1, XUE Huazhu1, *, LI Jingru1, ZHOU Lijuan1, GU Jiahe1,2, DONGGuotao1,2,3

1. School of Surveying and Land Information Engineering, Henan Polytechnic University, Jiaozuo 454002, China 2. Yellow River Conservancy Commission, Yellow River Institute of Hydraulic Research, Zhengzhou 450000, China 3. Heihe Water Resources and Ecological Protection Research Center, Lanzhou 730030, China

Hetao irrigation area is a large irrigation area in the middle Huanghe basin, and is also the most extensive irrigation area in China, which was inscribed world’s Heritage Irrigation Structures in 2019. To explore the ecological environment quality distribution and change of the Hetao irrigation area in the latest ten years, greenness, wetness, dryness, hotness, and remote sensing ecology index were calculated based on the Landsat series satellite TM (2010) and OLI/TIRS (2016, 2020) images. Results showed that, from 2010 to 2020, the remote sensing ecology index increased to 0.57 from 0.45, which depicted that the greenness increased, and wetness had a noticeable increasing trend, on the opposite, the dryness and hotness decreased, the overall ecology improved. The ecology standard of the desert and alkaline soil areas had an upward trend. Part of the research areas completed the transformation from desert land to vegetated areas, which revealed that human activity was a non-ignorable factor to the local environment and significantly raised ecology standard. This paper used multiple remote sensing factors and RSEI standards to explore the environmental change of the Hetao irrigation area, aiming to provide theoretical reference and scientific basis for the environmental protection and management of the research area.

Hetao irrigation area; remote sensing rcology index; ecology environment quality

李尚志, 薛華柱, 李靜茹, 等. 基于遙感生態(tài)指數(shù)的河套灌區(qū)生態(tài)環(huán)境質(zhì)量變化研究[J]. 生態(tài)科學(xué), 2022, 41(3): 156–165.

LI Shangzhi, XUE Huazhu, LI Jingru, et al. Study on the ecological environment quality change in Hetao irrigation area with remote sensing ecology index[J]. Ecological Science, 2022, 41(3): 156–165.

10.14108/j.cnki.1008-8873.2022.03.018

P237

A

1008-8873(2022)03-156-10

2020-06-30;

2020-10-15

國(guó)家自然科學(xué)基金資助項(xiàng)目(51779099); 中國(guó)保護(hù)黃河基金會(huì)項(xiàng)目(CYRF2018002)

李尚志(1996—), 男, 山東泰安人。碩士, 主要從事定量遙感研究, E-mail: 2695251752@qq.com

薛華柱(1977—), 男, 博士, 副教授, 主要從事地表參數(shù)定量遙感反演, E-mail: hpuxhz@163.com