徐思瑜，于海明，徐譽(yù)維，張熠斌，沈海鷗

（1.吉林省地質(zhì)環(huán)境監(jiān)測(cè)總站（吉林省地質(zhì)災(zāi)害應(yīng)急技術(shù)指導(dǎo)中心），吉林 長(zhǎng)春 130021；2.吉林農(nóng)業(yè)大學(xué)，吉林 長(zhǎng)春 130118）

實(shí)現(xiàn)鄉(xiāng)鎮(zhèn)生產(chǎn)生活與生態(tài)環(huán)境協(xié)同發(fā)展是制約現(xiàn)代社會(huì)發(fā)展的關(guān)鍵問(wèn)題之一。如何有效利用各種現(xiàn)代化監(jiān)測(cè)手段，多尺度、全方位地掌握生態(tài)系統(tǒng)的發(fā)展、變化趨勢(shì)，同時(shí)提高生態(tài)環(huán)境評(píng)價(jià)工作的質(zhì)量和效率，已成為生態(tài)環(huán)境保護(hù)的重要研究方向。隨著航空航天學(xué)科的飛速進(jìn)步，衛(wèi)星遙感技術(shù)近年來(lái)高速發(fā)展，其具有對(duì)地觀測(cè)面積廣闊、實(shí)時(shí)快速和周期性強(qiáng)等優(yōu)點(diǎn)，已在地質(zhì)環(huán)境監(jiān)測(cè)、自然災(zāi)害調(diào)查、礦山地質(zhì)環(huán)境治理、土地利用變化、考古、氣象水文調(diào)查和城市規(guī)劃等領(lǐng)域得到廣泛應(yīng)用。利用遙感數(shù)據(jù)對(duì)森林（Ochoa-Gaona et al.，2010）草地（Sullivan et al.，2010）、城市（Xu et al.，2009；曾輝等，1999）、河流（Ivits et al.，2009）及流域（Moran et al.，2004）的生態(tài)系統(tǒng)進(jìn)行監(jiān)測(cè)和評(píng)價(jià)，已是生態(tài)監(jiān)測(cè)和保護(hù)的有效手段之一。但大多基于單一的指標(biāo)進(jìn)行監(jiān)測(cè)與評(píng)價(jià)，而生態(tài)系統(tǒng)是多要素及其功能結(jié)構(gòu)在時(shí)間和空間尺度上的綜合表達(dá)（Sowinska-Swierkosz，2017）。因此，生態(tài)環(huán)境質(zhì)量需從多維度進(jìn)行詮釋。

本文以四平市為研究對(duì)象，以新型遙感生態(tài)指數(shù)（Remote Sensing baesd Ecology Index，RSEI）為研究基礎(chǔ)，采用Landsat系列為數(shù)據(jù)源，對(duì)該區(qū)2007年、2016年以及2021年的生態(tài)環(huán)境質(zhì)量進(jìn)行量化研究，其目的在于選擇合適的評(píng)價(jià)模型，定性、定量研究區(qū)域內(nèi)的生態(tài)環(huán)境變化，明確四平市生態(tài)環(huán)境現(xiàn)狀，最后利用不同的評(píng)價(jià)機(jī)制進(jìn)行對(duì)比分析，找出影響該區(qū)生態(tài)環(huán)境的主要因素并進(jìn)行全面剖析，為保護(hù)四平市生態(tài)環(huán)境提供科學(xué)參考。本文進(jìn)一步驗(yàn)證RSEI的適用性，擴(kuò)大其應(yīng)用范圍，為研究區(qū)生態(tài)環(huán)境保護(hù)可持續(xù)發(fā)展提供科學(xué)依據(jù)。

1 研究區(qū)概況和數(shù)據(jù)源

1.1 研究區(qū)概況

四平市是吉林省地級(jí)市，全市轄區(qū)1.03萬(wàn)km2。現(xiàn)轄梨樹(shù)、雙遼、伊通3個(gè)縣（市），鐵東、鐵西2個(gè)區(qū)，1個(gè)國(guó)家級(jí)經(jīng)濟(jì)技術(shù)開(kāi)發(fā)區(qū)，6個(gè)省級(jí)經(jīng)濟(jì)開(kāi)發(fā)區(qū)。截至2020年11月1日，四平市常住人口為181.47萬(wàn)人。因選取的3期數(shù)據(jù)時(shí)間跨度較大，本次研究區(qū)包含公主嶺市（圖1）。公主嶺市2013年11月已由吉林省接管。

圖1 研究區(qū)示意圖Fig.1 Schematic Diagram of the Study Area

1.2 數(shù)據(jù)來(lái)源

遙感影像數(shù)據(jù)均在地理空間數(shù)據(jù)云（http：//www.gscloud.cn）獲取，數(shù)據(jù)類型為L(zhǎng)andsat系列數(shù)據(jù)源，為避免云量對(duì)結(jié)果的影響，選取少云或無(wú)云的影像作為研究對(duì)象，云量控制在10%以內(nèi)。時(shí)間序列上，選取時(shí)相相近或同時(shí)期的遙感影像，研究時(shí)間為2007年、2016年、2021年，每年選擇8月下旬的影像為對(duì)照序列。

1.3 數(shù)據(jù)預(yù)處理

為了減少不同時(shí)相影像在光照和大氣方面帶來(lái)的差異，對(duì)這3期遙感影像進(jìn)行預(yù)處理，通過(guò)輻射定標(biāo)將像元灰度值轉(zhuǎn)換為輻射亮度值（Chander et al.，2009），再利用FLAASH大氣校正法進(jìn)行大氣校正（Nazeer et al.，2014）。最后對(duì)獲取的遙感影像和矢量邊界進(jìn)行投影，將所有數(shù)據(jù)統(tǒng)一到同一坐標(biāo)系統(tǒng)下。最后對(duì)影像邊界裁剪，獲取研究區(qū)范圍內(nèi)的遙感影像。

2 研究方法

新型遙感生態(tài)指數(shù)（RSEI）是基于遙感技術(shù)，且指標(biāo)容易獲得、沒(méi)有人為權(quán)重設(shè)定，是一個(gè)可以快速、定量客觀評(píng)價(jià)研究區(qū)生態(tài)環(huán)境的指標(biāo)（徐涵秋，2013a；徐涵秋，2013b）。遙感生態(tài)指數(shù)中代表生態(tài)優(yōu)劣的重要生態(tài)指標(biāo)是綠度、濕度、熱度和干度。分別用歸一化植被指數(shù)（NDVI）、濕度分量（WET）、地表溫度（LST）、建筑物和裸土指數(shù)（NDBSI）來(lái)代表。這樣，擬建的遙感生態(tài)指數(shù)（RSEI）就可以表示為這4個(gè)指標(biāo)的函數(shù)，即：

其遙感定義為：

式（1）、式（2）中，Greenness為綠度，Wetness為濕度，Thermal為熱度，Dryness為干度；NDVI為植被指數(shù)，Wet為濕度分量，LST為地表溫度，NDBSI為建筑物和裸土指數(shù)。4個(gè)指標(biāo)計(jì)算公式見(jiàn)表1。

表1 遙感生態(tài)指數(shù)計(jì)算公式Tab.1 Calculation formula of remote sensing ecological index

由于NDVI、WET、LST、NDBSI指標(biāo)的量綱不統(tǒng)一，為避免在主成分分析中各個(gè)指標(biāo)權(quán)重失衡，需要對(duì)4個(gè)因子原始值做歸一化處理，將范圍統(tǒng)一在（0，1）之間，歸一化公式為：

式（3）中，BIi為某個(gè)因子歸一化的像元值，bi為某個(gè)指標(biāo)因子的像元值，bmax、bmin分別為該因子的最大值、最小值。

上述4個(gè)指標(biāo)經(jīng)歸一化處理后，利用遙感影像處理工具（采用ENVI 5.3）將4個(gè)指標(biāo)耦合成一幅影像，然后對(duì)合成后的影像做主成分分析，提取第一主成分PC1作為遙感生態(tài)指數(shù)初始值，從而獲得初始的生態(tài)指數(shù)RSEI0。為避免大片的水域影響PCA的荷載分布，采用MNDWI水體指數(shù)（徐涵秋，2005）掩膜掉水體信息。

為了便于指標(biāo)的度量和比較，可同樣對(duì)RSEI0進(jìn)行歸一化：

RSEI即為所建的遙感生態(tài)指數(shù)，其值介于（0，1）之間。RSEI0值越接近1，說(shuō)明生態(tài)越好；反之，生態(tài)質(zhì)量越差。

3 結(jié)果與分析

3.1 四平市生態(tài)環(huán)境質(zhì)量整體分析

對(duì)合成后的4個(gè)遙感生態(tài)指數(shù)指標(biāo)進(jìn)行主成分分析，得到定量化的綜合指數(shù)（表2）。

從表2可以看出：1）PC1中最大限度集中了4個(gè)指標(biāo)的特征信息，特征值貢獻(xiàn)率均為最高，分別為85.44%、87.11%、76.82%，均在75%以上。2）各年份的第一主成分結(jié)果中，NDVI和WET均為正值，LST和NDBSI均為負(fù)值，表明綠度和濕度對(duì)生態(tài)環(huán)境有促進(jìn)作用，溫度和干度對(duì)生態(tài)環(huán)境有抑制作用，4個(gè)年份中干度的系數(shù)都最大，說(shuō)明干度對(duì)生態(tài)環(huán)境質(zhì)量的影響最大。3）在PC2、PC3、PC4中各指標(biāo)值無(wú)漸規(guī)律可循，各指標(biāo)貢獻(xiàn)率也很小。故以第一主成分PC1構(gòu)建RSEI。

表2 各年份主成分分析結(jié)果Tab.2 Principal component analysis results of each year

為從整體上分析四平市生態(tài)環(huán)境狀況，分別統(tǒng)計(jì)了4個(gè)指標(biāo)和RSEI均值（表3）。

從表3可以看出，四平市整體上從2007年、2016年、2021年的RSEI均值呈上升趨勢(shì)，分別為0.661 2、0.670 3、0.696 1。說(shuō)明研究區(qū)生態(tài)環(huán)境在逐漸變好，生態(tài)質(zhì)量逐步提升。

表3 各指標(biāo)和RSEI均值Tab.3 Average value of each index and RSEI

將四平市各地市的3期數(shù)據(jù)按0.2為間隔劃分為5個(gè)等級(jí)，分別為［0～0.2）、［0.2～0.4）、［0.4～0.6）、［0.6～0.8）、［0.8～1］，分別代表生態(tài)環(huán)境差、較差、中、良、優(yōu)。從四平市整體生態(tài)等級(jí)分布變化來(lái)看，四平市從2007年到2021年生態(tài)環(huán)境質(zhì)量明顯提升，其中雙遼市生態(tài)環(huán)境質(zhì)量提升明顯。這與當(dāng)?shù)卣_(kāi)展的相關(guān)生態(tài)環(huán)境治理工作息息相關(guān)，尤其是雙遼市大力開(kāi)展植樹(shù)造林、退耕還林生態(tài)工程密不可分。同時(shí)可以表明RSEI反映四平市生態(tài)環(huán)境狀況準(zhǔn)確合理。如圖2所示。

圖2 四平市各地市RSEI質(zhì)量等級(jí)分布圖Fig.2 Distribution map of RSEI quality grades in all cities of Siping City

表4總結(jié)了四平市生態(tài)環(huán)境質(zhì)量各等級(jí)的面積和比重?？梢钥闯?，2007—2021年生態(tài)等級(jí)為差、較差、中等級(jí)所占面積比重從30.46%下降到22.17%，而良和優(yōu)等級(jí)所占面積比重從69.51%上升到77.81%。2007年與2021年對(duì)比：差、較差和中級(jí)占比到2021年明顯減少，分別下降了0.98%、4.62%、2.69%；良等級(jí)占比明顯增加，為5.09%?？梢钥闯?，2007—2021年，四平市生態(tài)環(huán)境質(zhì)量得以提升，同時(shí)也進(jìn)一步表明，四平市態(tài)環(huán)境質(zhì)量得以提升。

表4 RSEI等級(jí)面積及其百分比Tab.4 RSEI grade area and its percentage

為更好地研究四平市生態(tài)環(huán)境質(zhì)量的時(shí)空變化，對(duì)遙感生態(tài)指數(shù)等級(jí)圖進(jìn)行差值變化檢測(cè)（圖3），按級(jí)差符號(hào)分為3類，變好（+1、+2、+3、+4），變差（-4、-3、-2、-1），不變（0）（表5）。

表5 2007—2021年間RSEI差值變化檢測(cè)Tab.5 Detection of changes in RSEI difference between 2007 and 2021

圖3 2007—2021四平市RSEI差值變化檢測(cè)Fig.3 Change detection of RSEI difference in Siping City

2007—2021年生態(tài)等級(jí)變差的面積為4 237.91 km2（約占總面積的29.38%），不變的面積為5 370.07 km2（約占總面積的37.23%），變好的面積為4 816.55 km2（約占總面積的33.39%），整體上生態(tài)環(huán)境質(zhì)量較好。

3.2 建模與預(yù)測(cè)

采用1 km×1 km網(wǎng)格對(duì)3期遙感生態(tài)指數(shù)和4個(gè)指標(biāo)進(jìn)行整圖重采樣，4個(gè)指標(biāo)作為自變量，遙感生態(tài)指數(shù)作為因變量進(jìn)行多元回歸分析，建立四平市生態(tài)模型，預(yù)測(cè)四平市生態(tài)環(huán)境變化趨勢(shì)。以下為四平市2007年、2016年、2021年的回歸模型：

從生態(tài)模型可以看出，NDVI和WET的系數(shù)為正，而LST和NDBSI為負(fù)，可以看出NDVI和WET對(duì)生態(tài)環(huán)境起促進(jìn)作用，而LST和NDBSI起抑制作用，這個(gè)結(jié)果和表1各指標(biāo)對(duì)第一主成分的貢獻(xiàn)相一致。從回歸模型的系數(shù)的均值可以看出（均值分別為：0.287 6，0.293 1，-0.284 4，-0.324 4），對(duì)研究區(qū)生態(tài)環(huán)境的影響最大的是NDBSI，其他依次為WET、NDVI、LST。

圖4為2021年正向指標(biāo)NDVI、WET和負(fù)向指標(biāo)LST、NDSI與RSEI的三維散點(diǎn)特征圖。特征圖的上部代表植被覆蓋度高且濕度較大的散點(diǎn)，生態(tài)環(huán)境相對(duì)優(yōu)越；下部代表裸露地表、熱度高的散點(diǎn)，生態(tài)環(huán)境較差。從三維散點(diǎn)特征圖可以看出，散點(diǎn)多集中在上部，說(shuō)明地表干化和裸露的區(qū)域正在逐步減少，生態(tài)環(huán)境質(zhì)量正在逐漸提升，證實(shí)了四平市加強(qiáng)對(duì)沙地、荒地等裸露土地的治理，降低裸露土地面積，干度指數(shù)有所下降。生態(tài)環(huán)境的措施已初見(jiàn)成效。

圖4 三維散點(diǎn)特征圖Fig.4 3D scatter plots of indicators

整體上來(lái)看，主成分分析和多元回歸都能很好地反映研究區(qū)生態(tài)環(huán)境的趨勢(shì)。無(wú)論是主成分分析還是多元回歸模型，代表正向指標(biāo)的WET和代表負(fù)向指標(biāo)的NDBSI對(duì)的生態(tài)環(huán)境影響較大。以2021年的回歸模型進(jìn)行預(yù)測(cè)，欲使RSEI提升0.1，那么相應(yīng)的NDBSI減少0.503 3或WET提升0.368 2。但在實(shí)際生態(tài)環(huán)境治理中，干化裸露地表減少的同時(shí)伴隨著綠地和植被的增加，假設(shè)NDBSI減少0.503 3，NDVI增加0.503 3，則RSEI將提升0.321 1。

4 結(jié)論與討論

（1）對(duì)四平市2007年、2016年、2021年遙感影像進(jìn)行主成分分析。NDVI和WET均為正值，LST和NDBSI均為負(fù)值，表明綠度和濕度對(duì)生態(tài)環(huán)境有促進(jìn)作用，溫度和干度對(duì)生態(tài)環(huán)境有抑制作用，3個(gè)年份中干度的系數(shù)都最大，說(shuō)明干度對(duì)研究區(qū)生態(tài)環(huán)境質(zhì)量的影響最大。

（2）從生態(tài)環(huán)境等級(jí)來(lái)看，生態(tài)等級(jí)中級(jí)以下所占面積比重下降了8.29%，中等級(jí)以上等級(jí)占比隨之上升，就2007年和2021年比較來(lái)看，差、較差和中級(jí)占比到2021年明顯減少分別下降0.98%、4.62%、2.69%。良等級(jí)占比明顯增加，為5.09%。其中雙遼市生態(tài)環(huán)境質(zhì)量得到明顯改善，表明RSEI能很好地綜合4個(gè)分量指標(biāo)，可準(zhǔn)確表達(dá)和反映四平市生態(tài)環(huán)境狀況。

（3）以NDVI、WET、LST、NDBSI和RSEI進(jìn)行多元回歸分析，建立四平市生態(tài)模型，其中NDBSI對(duì)生態(tài)環(huán)境影響最大，從回歸模型預(yù)測(cè)結(jié)果可以看出，干化和裸露地表的治理是提升四平市生態(tài)質(zhì)量的關(guān)鍵，這一結(jié)果也證實(shí)了雙遼市裸露土地的治理，降低裸露土地面積。改善當(dāng)?shù)厣鷳B(tài)環(huán)境的措施是科學(xué)的、合理的。