梁恒 劉輝

（1 福州大學環(huán)境與安全工程學院 福建福州 350108 2 福州大學地理與生態(tài)環(huán)境研究中心 福建福州 350108 3 福州中谷海創(chuàng)科技發(fā)展有限公司 福建福州 350108）

0 引言

生態(tài)環(huán)境對人類生產活動有巨大影響，近年來生態(tài)環(huán)境問題持續(xù)引發(fā)關注，對于區(qū)域生態(tài)質量進行評價愈發(fā)重要，而僅僅根據(jù)文本數(shù)據(jù)難以準確的評價區(qū)域生態(tài)質量，例如我國2006 年提出的EI 生態(tài)評價指數(shù)［1-2］，因其繁瑣的評價過程以及無法評價小范圍生態(tài)質量等缺點，應用頻率逐漸降低。隨著遙感、地理信息系統(tǒng)技術的發(fā)展，依據(jù)其大范圍監(jiān)測、數(shù)據(jù)獲取周期短、空間分辨率較高等特點，逐漸被應用于農業(yè)、氣象、測繪等諸多領域。利用遙感技術可以實現(xiàn)地面信息的動態(tài)監(jiān)測、評價結果可視化等，因此遙感技術也逐漸被應用于生態(tài)環(huán)境評價領域［3］。遙感技術的應用使得生態(tài)評價過程更加便捷，且能更加準確地應用于任意區(qū)域。早期科研人員利用遙感技術進行區(qū)域動態(tài)監(jiān)測多是依靠植被覆蓋度、地表溫度等單一指標，例如YUAN 等［4］利用差值植被指數(shù)研究城市熱島效應，SANDHOLT 等［5］分析地表溫度對地表水分的影響，而單一指標只能反映區(qū)域生態(tài)的單一方面特征［6］，往往難以準確反映區(qū)域總體生態(tài)質量。

2013 年，徐涵秋［7］綜合多個遙感指數(shù)，將綠度、濕度、干度、熱度通過主成分分析進行整合，提出RSEI 指數(shù)。RSEI 評價體系構建完全基于遙感影像，數(shù)據(jù)獲取難度小，并且將區(qū)域生態(tài)質量進行量化，使得生態(tài)質量動態(tài)監(jiān)測對比更加簡便，且RSEI 通過主成分分析綜合多因素信息，評價結果較為客觀，包含信息更加全面，適用性較強，近年來被廣泛應用［8］。例如宋慧敏等［9］利用RSEI評價渭南市生 態(tài)質量、王士 遠等［10］利用RSEI對長白山地區(qū)近20 年生態(tài)變化進行研究、王麗春等［11］利用RSEI 評價新疆瑪納斯湖濕地生態(tài)改善情況。

宋美杰等［12］為了最大限度地提取各評價指標信息，將各主成分加權相加，提出了改進型遙感生態(tài)指數(shù)。MRSEI 在RSEI 基礎上，使用客觀賦權法進一步保留各評價指標信息，但是各主成分相互獨立，加權相加后是否使得MRSEI 相較于RSEI 更能綜合代表各評價指標，這一點仍需驗證。

本研究以福建省南靖縣為研究區(qū)，其轄區(qū)內包含多種地形，且各地類分布較為集中，有利于區(qū)分不同指數(shù)對生態(tài)質量評價的區(qū)別。從NASA 官網下載研究區(qū)影像，分別構建RSEI及MRSEI 評價體系，比較通過2 種指數(shù)提取方法得到的生態(tài)質量評價結果。

1 研究區(qū)概況

南靖縣位于福建省東部，緊鄰漳州市區(qū)，轄區(qū)內地形復雜，由西向東分別是中低山、丘陵、臺地、河谷平原、沖擊平原5大類型區(qū)域。隨近年來漳州市城市擴張，以及南靖縣經濟增長，2010—2020 年間，南靖縣建筑區(qū)增加50.1 km2，增長率165.72%，主要集中在西部，環(huán)境生態(tài)變化較大。南靖縣區(qū)位見圖1。

圖1 南靖縣區(qū)位

2 數(shù)據(jù)源及預處理

本文選取研究區(qū)2010 年、2014 年、2017 年、2021 年Landsat TM/OLI 影像（影像來源于http：//glovis.usgs.gov/），影像云量皆低于5%，研究區(qū)影像清晰無遮擋，且影像均為每年2月、3 月拍攝，以確保數(shù)據(jù)的可比性。沿研究區(qū)外圍按矩形裁剪，并對影像進行輻射定標、大氣校正等預處理，避免影像經過多次運算后異常值累積［13］，最后按照行政區(qū)邊界進行精確裁剪。

3 研究方法

3.1 指數(shù)構建

RSEI 與MRSEI 以綠度、濕度、干度、熱度作為評價指標，通過主成分分析綜合各指標主要信息。RSEI 以第一主成分作為生態(tài)質量評價標準，MRSEI 則將前三主成分特征值貢獻率作為權重，將前三主成分加權疊加結果作為生態(tài)質量評價標準。兩指數(shù)遙感定義見公式（1）。

式中：NDVI、WET、NDSI、LST 分別代表綠度、濕度、干度、熱度指標；f 為主成分分析。

NDVI、WET、NDSI 計算如公式（2）～（6）。

式中：ρblue、ρgreen、ρred、ρnir、ρswir1、ρswir2在Landsat TM 影像中分 別為1、2、3、4、5、7 波段，在Landsat OLI 影像中分別為2、3、4、5、6、7 波段；b1～b6表示各波段系數(shù)，在Landsat TM 影像中分別為0.031 5、0.202 1、0.310 2、0.159 4、0.680 6、0.610 9，在Landsat OLI 影像中分別為0.151 1、0.197 3、0.328 3、0.340 7、0.711 7、0.455 9［14］。

LST 可采用輻射傳輸方程法反演獲取，計算如公式（7）～（8）。

式中：B（Ts）表示黑體輻射亮度，Lλ、Lu、Ld分別表示熱紅外波段輻射亮度、大氣上行輻射、大氣下行輻射；τ、ε 分別表示大氣透過率、地表比輻射率，其中ε 采用覃志豪等［15］提出的計算方法獲得；K1、K2為定標系數(shù)，可在影像元數(shù)據(jù)中獲得；τ、Lu、Ld皆可在NASA 網站（https：//atmcorr.gsfc.nasa.gov ）獲得。

RSEI 將PC1作為環(huán)境生態(tài)質量的評價標準，MRSEI 則將前三主成分按照特征值貢獻率加權相加，第四主成分因為特征值貢獻率占比較小，其中包含有效信息較少，所以不參與MRSEI 構建，RSEI、MRSEI 表達式見公式（9）～（10）。

式中：ei為第i 主成分對應特征值貢獻率；PCi為第i 主成分。

在構建指數(shù)時，水體會影響到主成分分析時濕度指標的占比，從而使得最終結果產生誤差［16］。本文使用徐涵秋［17］提出的水體指數(shù)MNDWI 提取研究區(qū)水域范圍，并進行掩膜處理，其表達式見公式（11）。

式中：ρgreen、ρmir分別表示綠光波段、中紅外波段反射率。

因為濕度指標是通過纓帽變換獲得，其量綱與其他指標存在差異，需要將各指標進行標準化，另外為去除影像處理時產生的異常值，本文選擇0.5%～99.5%為置信區(qū)間，標準化后各指標量綱統(tǒng)一到［0，1］，標準化表達式見公式（12）。

式中：NI 表示標準化之后的各指標像元值；Ii表示標準化之前的各指標像元值；Imin、Imax分別表示該指標置信區(qū)間內像元值中最小值、最大值。

3.2 主成分分析

主成分分析是通過線性變換將多維度信息整合到相互正交的較少維度中，其中第一主成分集中了大部分信息［18］。RSEI、MRSEI 通過主成分分析將4 個生態(tài)指標中的主要信息集成到各主成分中，主成分信息及統(tǒng)計結果如表1。

表1 各年份主成分分析

南靖縣各年份影像主成分分析前三主成分特征值貢獻率總和分別為98.39%、98.84%、99.01%、98.99%，說明前三主成分中包含4 個指標中的大部分信息。

4 RSEI、MRSEI 對比

4.1 相關性對比

MRSEI 是經過主成分分析后二次處理的結果，所以MRSEI 是否可以代表4 個指標仍需要進行驗證。宋美杰等［12］通過對比MRSEI 與各指標相關性驗證MRSEI 是否具有代表性，本文采用同樣的方法驗證RSEI 與MRSEI 同各指標相關性，對比兩指數(shù)的綜合代表性。

標準化之后RSEI 和MRSEI 與各指標具有相同的值域，便于對比兩指數(shù)與各指標之間相關性，同時便于兩指數(shù)進行對比。兩指數(shù)及各指標之間相關系數(shù)見表2。

表2 兩指數(shù)及各指標之間相關系數(shù)

對比各年份各指標相關性，各指標平均相關度絕對值范圍處于0.549 5～0.809 7 之間，RSEI 平均相關度絕對值范圍處于0.859 9～0.893 3 之間，MRSEI 平均相關度絕對值范圍處于0.852 5～0.889 8 之間，且各指標歷年平均相關度也小于RSEI和MRSEI，由此可以得出RSEI 與MRSEI 所包含信息量大于任一指標，皆比任一指標更具有綜合代表性。

各年份RSEI 平均相關度及歷年平均相關度皆略大于MRSEI，兩指數(shù)平均相關度接近。且對于不同指標，兩指數(shù)與其相關度各有大小，說明總體上RSEI 更具有綜合代表性。

4.2 兩指數(shù)分級評價對比

雖然兩指數(shù)與各指標平均相關度較為接近，但是對區(qū)域生態(tài)質量評價仍需進行比較。標準化處理之后各年份兩指數(shù)像元值皆分布在［0，1］之間，像元值越接近1，代表該區(qū)域生態(tài)質量越好，反之，則代表生態(tài)環(huán)境越差。對各年份RSEI 和MRSEI 進行分級，按相等間隔將RSEI 和MRSEI 重分類分成優(yōu)、良、中、較差、差5 個等級。

根據(jù)南靖縣土地利用數(shù)據(jù)，分別在植被覆蓋區(qū)與建成區(qū)選取6 處區(qū)域（見圖2），對比兩指數(shù)對不同區(qū)域生態(tài)等級劃分情況，其中1～3 號為植被覆蓋區(qū)，4～6 號為建成區(qū)，土地利用數(shù)據(jù)來源于國家基礎地理信息中心全球地表覆蓋數(shù)據(jù)產品服務網站（http：//www.globallandcover.com/）。

圖2 土地利用及取樣

對比各年份RSEI 及MRSEI 對于不同區(qū)域生態(tài)等級劃分情況，白色代表RSEI 等級劃分高于MRSEI，黑色代表MRSEI等級劃分高于RSEI，兩指數(shù)分級對比詳見圖3。

圖3 兩指數(shù)分級對比

根據(jù)對比結果，兩指數(shù)在大部分區(qū)域生態(tài)等級劃分一致，比較1～6 號樣區(qū)，各年份1～3 號樣區(qū)白色斑塊大多多于黑色斑塊，4～6 號樣區(qū)黑色斑塊大多多于白色斑塊，說明相較于MRSEI，RSEI 更傾向于賦予植被覆蓋區(qū)更高生態(tài)等級，而MRSEI 則在建成區(qū)賦予高于RSEI 的生態(tài)等級，顯然RSEI 等級劃分更加合理。

表3 兩指數(shù)各級生態(tài)質量面積占比

5 結論

RSEI、MRSEI 歷年相關度均值皆高于任一指標，說明兩指數(shù)比任一指標更具有代表性。RSEI 與各指標各年份相關度均值及歷年相關度均值皆高于MRSEI，說明RSEI 對于各指標更具有綜合代表性，且兩指數(shù)對區(qū)域生態(tài)質量歷年變化趨勢相同；對于區(qū)域生態(tài)質量評價，兩指數(shù)劃分各等級區(qū)域分布大致相同，RSEI 等級劃分高于MRSEI 區(qū)域主要分布在植被覆蓋率較高區(qū)域，MRSEI 等級劃分高于RSEI 區(qū)域主要分布在建成區(qū)。

主成分分析將各指標主要信息重新分配到其他維度，即各主成分，而各主成分相互獨立，難以確定累積相加后的結果是否如第一主成分一般仍具有綜合代表性。MRSEI 按照各主成分貢獻率為權重將前三主成分加權相加，然而有效信息增加同時不可避免造成冗余信息累積，使得最終評價結果可信度低于RSEI，且MRSEI 構建過程更為繁瑣，對比結果表明RSEI 相較于MRSEI 更適合生態(tài)質量評價。