王佳蓉,何 杰,屈國興,侯嘉燁,王恒恒

(寧夏大學(xué)地理科學(xué)與規(guī)劃學(xué)院,銀川 750021)

【研究意義】生態(tài)環(huán)境是人類生存的基本保障和社會(huì)發(fā)展的基礎(chǔ),生態(tài)環(huán)境動(dòng)態(tài)變化將直接影響人類的生活質(zhì)量[1]。生態(tài)環(huán)境質(zhì)量一般指特定時(shí)空范圍內(nèi)的資源和環(huán)境要素下生態(tài)環(huán)境的優(yōu)劣程度[2]。開展生態(tài)環(huán)境評(píng)價(jià)與監(jiān)測(cè)有助于了解生態(tài)環(huán)境質(zhì)量狀況及變化趨勢(shì),為生態(tài)環(huán)境保護(hù)決策提供科學(xué)參考。將遙感技術(shù)和地理信息技術(shù)相結(jié)合進(jìn)行對(duì)地觀測(cè)分析,具有快速、實(shí)時(shí)、覆蓋面廣的優(yōu)勢(shì),被廣泛應(yīng)用于生態(tài)環(huán)境監(jiān)測(cè)中。利用遙感技術(shù)構(gòu)建的評(píng)價(jià)指標(biāo)已成為監(jiān)測(cè)區(qū)域生態(tài)環(huán)境質(zhì)量的重要手段?！厩叭搜芯窟M(jìn)展】植被覆蓋度、歸一化植被指數(shù)(NDVI)已被廣泛用于評(píng)估植被生長及變化[3-6];地表溫度(LST)被用于研究城市熱島效應(yīng)[7],水體指數(shù)被用于評(píng)估生境適宜性或干旱狀況[8-9],土地利用變化被用于探究生態(tài)環(huán)境效應(yīng)[10]。以上指標(biāo)均是針對(duì)某一生態(tài)環(huán)境領(lǐng)域的細(xì)化單一指標(biāo),生態(tài)環(huán)境由復(fù)雜的生態(tài)系統(tǒng)組成,受多種因素影響,基于單因子指標(biāo)的評(píng)價(jià)方法無法全面反映區(qū)域生態(tài)環(huán)境質(zhì)量的系統(tǒng)性變化,多因子評(píng)價(jià)比單因子更有優(yōu)勢(shì)[11]。我國生態(tài)環(huán)境部于2006年提出生態(tài)環(huán)境狀況指數(shù)(Ecological index,EI),利用生物豐度、植被覆蓋度、水網(wǎng)密度等指標(biāo)對(duì)生態(tài)環(huán)境進(jìn)行綜合評(píng)價(jià)和系統(tǒng)分析,被廣泛應(yīng)用于評(píng)價(jià)生態(tài)環(huán)境承載力[12]。EI只能提供對(duì)地區(qū)生態(tài)狀況的概括性描述,不能詳細(xì)描述該地區(qū)各種環(huán)境條件的局部分布及內(nèi)部差異,且各評(píng)價(jià)因子權(quán)重需要通過實(shí)驗(yàn)反復(fù)確定,權(quán)重設(shè)置人為干擾因素較大,應(yīng)用領(lǐng)域不同,權(quán)重不同。2013年,徐涵秋等[13]提出遙感生態(tài)指數(shù)(Remote sensing ecological index,RSEI),該指數(shù)可以減少評(píng)估過程中人為因素的影響,克服EI的空間可視化困難,已被廣泛用于監(jiān)測(cè)區(qū)域生態(tài)環(huán)境質(zhì)量[14-16]。國內(nèi)外學(xué)者從不同角度和尺度來探究區(qū)域生態(tài)環(huán)境質(zhì)量狀況,準(zhǔn)確地了解和評(píng)估地區(qū)環(huán)境發(fā)展的動(dòng)態(tài)變化[17-18],驗(yàn)證現(xiàn)行環(huán)境治理政策的成效,為后續(xù)精準(zhǔn)治理生態(tài)環(huán)境提供科學(xué)依據(jù)和參考,基于RSEI的區(qū)域生態(tài)環(huán)境質(zhì)量評(píng)價(jià)已成為該領(lǐng)域的重點(diǎn)研究方向[19-20]?！颈狙芯壳腥朦c(diǎn)】多數(shù)研究經(jīng)常選用間隔5或10年的遙感影像進(jìn)行RSEI評(píng)估[21],針對(duì)區(qū)域連續(xù)長時(shí)間序列的區(qū)域生態(tài)環(huán)境質(zhì)量監(jiān)測(cè)相對(duì)較少,若將其應(yīng)用于區(qū)域長時(shí)間尺度的動(dòng)態(tài)監(jiān)測(cè)研究,使用傳統(tǒng)方式構(gòu)建RSEI面臨著數(shù)據(jù)量大、部分影像像素點(diǎn)缺失、數(shù)據(jù)預(yù)處理和指數(shù)計(jì)算過程繁雜等困難[22]。云計(jì)算平臺(tái)的出現(xiàn)改變了傳統(tǒng)地理空間數(shù)據(jù)存儲(chǔ)、管理和分析的方式。其中,Google Earth Engine平臺(tái)是能進(jìn)行高性能并行運(yùn)算的云服務(wù)平臺(tái),其擁有大量遙感影像數(shù)據(jù)存檔且具有高性能計(jì)算和大數(shù)據(jù)處理能力,被廣泛應(yīng)用于科學(xué)研究[23]。GEE平臺(tái)是通過API(Application programing interface)和基于Web的交互式開發(fā)環(huán)境實(shí)現(xiàn)對(duì)GEE平臺(tái)云端數(shù)據(jù)的訪問、操作及可視化等[24]。銀川市地處干旱半干旱區(qū)域,生態(tài)系統(tǒng)較不穩(wěn)定,近年來快速城鎮(zhèn)化更對(duì)生態(tài)情況形成威脅,面臨著植被退化、濕地減少等區(qū)域生態(tài)問題,因此如何“及時(shí)、快速、科學(xué)的”監(jiān)測(cè)與評(píng)價(jià)銀川市生態(tài)環(huán)境質(zhì)量變化成為亟待解決的問題?！緮M解決的關(guān)鍵問題】基于Landsat 5、Landsat 7和Landsat 8系列數(shù)據(jù),以寧夏銀川市為研究區(qū),提取統(tǒng)計(jì)綠度、濕度、干度、地表溫度等生態(tài)指標(biāo),耦合構(gòu)建遙感生態(tài)指數(shù)(RSEI),重構(gòu)銀川市2000—2020年生態(tài)環(huán)境質(zhì)量動(dòng)態(tài)變化,探究該地區(qū)生態(tài)環(huán)境質(zhì)量時(shí)空分布特征和變化趨勢(shì),并分析影響生態(tài)環(huán)境的主導(dǎo)因子和交互因子,以期為銀川市環(huán)境保護(hù)、生態(tài)修復(fù)工作及更加科學(xué)合理地制定區(qū)域發(fā)展規(guī)劃提供理論參考和科學(xué)依據(jù)。

1 材料與方法

1.1 研究區(qū)概況

銀川市位于中國西北地區(qū)、寧夏平原中部(圖1),是黃河流域生態(tài)保護(hù)的重要屏障,屬于溫帶大陸性氣候,四季分明,春遲夏短,秋早冬長,晝夜溫差大,雨雪稀少,蒸發(fā)強(qiáng)烈,氣候干燥,風(fēng)大沙多。銀川市地形主要由山地和平原構(gòu)成,西部、南部較高,北部、東部較低,略呈西南-東北方向傾斜。地貌類型多樣,自西向東分為賀蘭山山地、沖積扇前傾斜平原、洪積沖積平原、沖積湖沼平原、河谷平原。黃河穿境而過,跨靈武市、永寧縣、興慶區(qū)和賀蘭縣,形成眾多湖泊濕地,對(duì)改善生態(tài)環(huán)境具有天然資源優(yōu)勢(shì)。銀川市生態(tài)系統(tǒng)穩(wěn)定性較差,面臨植被退化、濕地減少等系列區(qū)域生態(tài)環(huán)境問題;因此,對(duì)銀川市進(jìn)行生態(tài)環(huán)境質(zhì)量監(jiān)測(cè)與分析具有重要意義。

基于國家測(cè)繪地理信息局標(biāo)準(zhǔn)地圖服務(wù)網(wǎng)站下載的審圖號(hào)為GS(2019)1822號(hào)的標(biāo)準(zhǔn)地圖制作,底圖邊界無修改。The standard map with the approval number GS(2019)1822 downloaded from the standard map service website of the National Bureau of Surveying, Mapping and Geographic Information is made, and the base map boundary is not modified.

1.2 數(shù)據(jù)來源及處理

研究采用的數(shù)據(jù)主要有Landsat系列數(shù)據(jù)集、降水、氣溫、DEM、GDP、土地利用數(shù)據(jù)、夜間燈光和PM2.5數(shù)據(jù),數(shù)據(jù)詳細(xì)信息見表1。通過JavaScript API 在GEE平臺(tái)上在線訪問研究區(qū)范圍內(nèi)2000—2020年植被生長季(6—9月)的Landsat 5 TM、Landsat 7 ETM、Landsat 8 OLI地表反射率數(shù)據(jù)集,該數(shù)據(jù)已進(jìn)行幾何校正、大氣校正等預(yù)處理。使用時(shí)序插值的方法對(duì)空值進(jìn)行填充,即采用線性內(nèi)插的方法對(duì)時(shí)序光譜曲線中部分缺失數(shù)據(jù)依據(jù)其時(shí)間前后的光譜信息對(duì)其插值,并利用MASK算法對(duì)數(shù)據(jù)進(jìn)行去云處理,減少干擾,為了避免水體對(duì)主成分載荷的影響,利用歸一化差異水體指數(shù)(MNDWI)獲取水體掩膜并去除水體。影響因子數(shù)據(jù)處理具體包括:在ArcGIS 10.6中經(jīng)多次實(shí)驗(yàn),確定創(chuàng)建500 m×500 m矩形網(wǎng)絡(luò),生成24 827個(gè)采樣點(diǎn),利用自然斷點(diǎn)法將因變量RSEI和所有自變量數(shù)據(jù)劃分為九類,將樣點(diǎn)輸入地理探測(cè)器,進(jìn)行驅(qū)動(dòng)因子分析量化[25]。

表1 數(shù)據(jù)詳細(xì)信息

1.3 研究方法

1.3.1 基于GEE平臺(tái)的RSEI構(gòu)建與計(jì)算 基于GEE平臺(tái),提取研究區(qū)的綠度、濕度、干度和熱度指標(biāo),調(diào)用主成分分析算法合成RSEI。對(duì)以上分量指標(biāo)歸一化[26],通過主成分分析,得到第一主成分PC1,對(duì)PC1進(jìn)行正負(fù)轉(zhuǎn)置得到遙感生態(tài)指數(shù)初始值RSEI0,將RSEI0歸一化處理得到遙感生態(tài)指數(shù)(RSEI),公式如下:

RSEI0=1-PC1[f(NDVI,WET,NDBSI,LST)]

(1)

RSEI=(RSEI0-RSEI0min)/(RSEI0max+RSEI0min)

(2)

式中,NDVI、WET、NDBSI和LST指綠度、濕度、干度、熱度,計(jì)算公式見徐涵秋[13]的方法。RSEI0max指遙感生態(tài)指數(shù)初始值的最大值,RSEI0min是其最小值。RSEI取值范圍在[0,1],值越大,說明生態(tài)環(huán)境狀況越好。

1.3.2 相關(guān)性分析莫蘭指數(shù) 空間自相關(guān)包括全局空間自相關(guān)(Global Moran’sI)和局部空間自相關(guān)(Local Moran’sI)。RSEI空間相關(guān)性分析可用于描述區(qū)域生態(tài)環(huán)境質(zhì)量變化同質(zhì)性分布[27]。Global Moran’sI指數(shù)揭示空間相鄰單元RSEI變化值的相互關(guān)系模式,即評(píng)估它是聚類的、分散的還是隨機(jī)的,其絕對(duì)值接近1,空間自相關(guān)更強(qiáng),計(jì)算公式如下:

(3)

為探究銀川市生態(tài)環(huán)境質(zhì)量的高-高和低-低空間集聚區(qū),了解生態(tài)環(huán)境質(zhì)量的局部空間分布特征,基于GeoDa軟件,采用局部莫蘭指數(shù)(Local Moran’sI)LISA進(jìn)行局部空間自相關(guān)分析,公式如下:

(4)

基于Origin軟件,采用Pearson相關(guān)性分析可以定量分析RSEI變化與各分量(NDVI、WET、LST和NDBSI)[28]變化之間的相關(guān)性,計(jì)算公式如下:

(5)

式中,變量X表示RSEI變化,Y表示影響RSEI變化的各分量指標(biāo)。

1.3.3 地理探測(cè)器 地理探測(cè)器是探究地理現(xiàn)象空間異質(zhì)性,并揭示其驅(qū)動(dòng)因子的一種統(tǒng)計(jì)學(xué)模型[29]。被廣泛應(yīng)用于探測(cè)環(huán)境、植被和土地研究等方面。基于Excel軟件中的GeoDetector插件,通過因子探測(cè)和交互作用探測(cè)分析遙感生態(tài)指標(biāo)[30](NDVI、WET、NDBSI和LST)、降水、氣溫、高程、坡度、GDP、聚落聚集度、夜間燈光和PM2.5等12個(gè)因子對(duì)生態(tài)環(huán)境的影響力程度和交互作用。

因子探測(cè)。因子探測(cè)用于探測(cè)生態(tài)環(huán)境空間分異及驅(qū)動(dòng)因子的影響水平。

(6)

式中,q表示12個(gè)影響因子對(duì)RSEI的解釋力,q∈[0,1];h為自變量的分層序號(hào);Nh和N為層h和區(qū)域內(nèi)的單元數(shù);σh和σ2分別表示層h和區(qū)域內(nèi)Y值的方差;SSW表示層內(nèi)方差之和;SST表示全區(qū)總方差。

交互作用探測(cè)。交互探測(cè)用于研究多因子交互作用對(duì)生態(tài)環(huán)境質(zhì)量的影響。分別計(jì)算任意兩個(gè)因子X1與X2疊加后的q值[q(X1∩X2)],判斷各因子交互作用程度(表2)。

表2 因子交互探測(cè)作用判斷

2 結(jié)果與分析

2.1 各指標(biāo)主成分分析

基于研究區(qū)遙感影像提取NDVI、WET、NDBSI和LST指標(biāo),利用主成分分析方法計(jì)算RSEI。由表3可知,除2017年和2018年外,其余年份的PC1特征值貢獻(xiàn)率均在75%以上,即第一主成分PC1中包含4個(gè)指標(biāo)中多數(shù)與生態(tài)環(huán)境質(zhì)量相關(guān)的主要信息,可以最大程度集中NDVI、WET、NDBSI和LST 4個(gè)分量指標(biāo)的特征,因此可以選用第1主成分的結(jié)果計(jì)算RSEI表征研究區(qū)生態(tài)環(huán)境質(zhì)量;21年中,有17個(gè)年份PC1特征值貢獻(xiàn)率超過80%,表明RSEI模型在銀川市的生態(tài)環(huán)境質(zhì)量評(píng)價(jià)中適用性較好。

表3 2000—2020年分量指標(biāo)的主成分分析

2.2 銀川市生態(tài)環(huán)境質(zhì)量時(shí)空變化分析

2.2.1 生態(tài)環(huán)境質(zhì)量時(shí)間變化 為準(zhǔn)確判斷銀川市生態(tài)環(huán)境質(zhì)量的時(shí)間變化趨勢(shì),將RSEI進(jìn)行分段線性擬合(圖2)。

圖2 銀川市遙感生態(tài)指數(shù)的分段擬合結(jié)果Fig.2 RSEI segment-fitting results in Yinchuan city

銀川市生態(tài)環(huán)境質(zhì)量變化總體呈“上升—下降—緩慢上升”趨勢(shì)。銀川市RSEI在2000—2007年呈上升狀態(tài)(表4),斜率為0.01,2007—2013年呈下降階段,斜率為-0.0129,2013—2020年的擬合結(jié)果呈緩慢上升趨勢(shì),斜率為0.0056。

表4 線性擬合參數(shù)

從圖3可知,RSEI均值從2000年的0.39增長到2020年的0.42,2001年出現(xiàn)最低值(0.37),2007年出現(xiàn)峰值(0.47),即銀川市的生態(tài)環(huán)境質(zhì)量在2000—2007年呈波動(dòng)式上升趨勢(shì),在2007—2013年呈退化狀態(tài),2013—2020年生態(tài)環(huán)境質(zhì)量逐漸得到改善。

圖3 2000—2020年銀川市的遙感生態(tài)指數(shù)Fig.3 RSEI of Yinchuan city from 2000 to 2020

2.2.2 生態(tài)環(huán)境質(zhì)量空間變化 應(yīng)用GEE平臺(tái)計(jì)算得出銀川市2000—2020年RSEI指數(shù)等級(jí)分布(圖4),參考《生態(tài)環(huán)境狀況評(píng)價(jià)技術(shù)規(guī)范》[12]中的生態(tài)環(huán)境分級(jí)標(biāo)準(zhǔn)和以往學(xué)者的研究成果[13],研究以0.2為間隔將RSEI值劃分為5個(gè)等級(jí):差[0,0.2)、較差[0.2,0.4)、一般[0.4,0.6)、良[0.6,0.8)和優(yōu)[0.8,1),從該指數(shù)可以得出區(qū)域生態(tài)環(huán)境質(zhì)量空間分布及變化情況。銀川市生態(tài)環(huán)境質(zhì)量總體分布特點(diǎn)表現(xiàn)為北部?jī)?yōu)于南部,主要原因是北部湖泊濕地眾多,黃河穿境而過,水熱條件組合較好。生態(tài)環(huán)境質(zhì)量等級(jí)為“中等”和“良好”的區(qū)域主要分布在銀川市中部的耕地區(qū)域、黃河兩岸地帶及賀蘭山自然保護(hù)區(qū);等級(jí)為“較差”和“差”的區(qū)域主要分布在賀蘭山洪積扇、城市建成區(qū)和南部的靈武市戈壁灘區(qū)域。2007年以后,城市建成區(qū)不斷擴(kuò)大,部分水域面積減少,對(duì)生態(tài)環(huán)境質(zhì)量造成一定影響,生態(tài)環(huán)境質(zhì)量“較差”和“差”等級(jí)的區(qū)域面積占比增加。隨著銀川市生態(tài)保護(hù)修復(fù)工程推進(jìn),生態(tài)環(huán)境逐漸好轉(zhuǎn),生態(tài)環(huán)境質(zhì)量由中部向南北兩側(cè)逐漸改善,“中等”和“良好”等級(jí)的區(qū)域面積占比逐漸提高,南部的靈武市生態(tài)環(huán)境質(zhì)量等級(jí)由“差”和“較差”逐漸轉(zhuǎn)為“中等”,研究區(qū)在城市建成區(qū)不斷擴(kuò)張的情況下生態(tài)環(huán)境總體上有所改善,生態(tài)修復(fù)工作對(duì)提高環(huán)境質(zhì)量等級(jí)具有重要意義。

圖4 銀川市生態(tài)環(huán)境質(zhì)量等級(jí)空間分布Fig.4 Spatial distribution of eco-environmental quality level in Yinchuan city

從圖5可知,2000—2007年銀川市生態(tài)環(huán)境質(zhì)量提高,生態(tài)環(huán)境質(zhì)量為“差”和“較差”的區(qū)域面積減少573.50 km2,所占比例呈波動(dòng)式下降趨勢(shì),共下降6.95%;生態(tài)環(huán)境質(zhì)量等級(jí)為“優(yōu)”和“良”的區(qū)域面積增加495.54 km2,其占比也不斷增加,共增加5.85%;生態(tài)環(huán)境質(zhì)量等級(jí)為“中等”的區(qū)域面積占比變化幅度較小。2007—2013年銀川市生態(tài)環(huán)境質(zhì)量等級(jí)為“差”和“較差”的區(qū)域面積增加596.43 km2,占比由56.12%增加至62.87%;生態(tài)環(huán)境質(zhì)量“優(yōu)”等級(jí)和“良”等級(jí)的區(qū)域面積減少661.68 km2,占比由32.46%減少至24.26%,表明在該期間生態(tài)環(huán)境退化。2013—2020年銀川市生態(tài)環(huán)境質(zhì)量等級(jí)為“差”和“較差”的區(qū)域面積減少628.22 km2,占比減少9.07%;等級(jí)為“優(yōu)”和“良”的區(qū)域面積增加419.04 km2,占比增加4.24%,呈現(xiàn)波動(dòng)上升趨勢(shì),表明研究區(qū)生態(tài)環(huán)境在此期間得到一定改善。綜上,銀川市生態(tài)環(huán)境質(zhì)量在2000—2007年有所提高,在2007—2013年退化,在2013—2020年得到一定改善。

圖5 銀川市生態(tài)環(huán)境質(zhì)量等級(jí)面積Fig.5 Ecological environment quality grade area in Yinchuan city

從表5和圖6可知,銀川市生態(tài)環(huán)境質(zhì)量保持不變的面積比重較大,在3個(gè)時(shí)間段的面積占比分別為54.82%、53.16%和47.90%,在2000—2020年生態(tài)質(zhì)量“不變”的區(qū)域面積占比為55.25%,該區(qū)域生態(tài)質(zhì)量21年來整體較穩(wěn)定。銀川市不同時(shí)期生態(tài)環(huán)境質(zhì)量變化不一致。2000—2007年,銀川市生態(tài)質(zhì)量“變好”區(qū)域面積為2484.68 km2,占總面積的30.74%,生態(tài)環(huán)境“變好”區(qū)域主要集中在賀蘭山及外圍區(qū)域和靈武市的北部;生態(tài)環(huán)境質(zhì)量“變差”區(qū)域面積為1167.17 km2,面積占比14.44%,研究區(qū)“變好”區(qū)域面積是“變差”面積的2倍多。2007—2013年,生態(tài)環(huán)境質(zhì)量“變好”區(qū)域面積2321.49 km2,占總面積的28.72%,主要集中在西夏區(qū)的南梁農(nóng)場(chǎng)、賀蘭縣的暖泉農(nóng)場(chǎng)、黃河銀川段東岸、靈武市中部圓疙瘩湖周邊地帶和靈武市南部部分地區(qū);生態(tài)環(huán)境質(zhì)量“變差”的區(qū)域面積為1464.68 km2,占總面積的18.12%,銀西高速鐵路以東的丘陵地區(qū)和寧東地區(qū)生態(tài)質(zhì)量退化,在此期間生態(tài)環(huán)境變好區(qū)域較之前減少,且生態(tài)環(huán)境變差面積增加。2013—2020年,生態(tài)環(huán)境“變好”區(qū)域面積為2751.42 km2,占比34.04%,主要集中在賀蘭山東麓洪積扇、月牙湖及靈武市馬家灘地區(qū);“變差”區(qū)域面積為1459.77 km2,占比18.06%,主要集中在賀蘭縣東部、靈武市城市建成區(qū)和靈武市最南部。生態(tài)質(zhì)量差值等級(jí)數(shù)為“變好”的區(qū)域面積較2013年以前增加,說明該區(qū)域生態(tài)環(huán)境質(zhì)量在該時(shí)期表現(xiàn)為由低等級(jí)向高一等級(jí)逐漸轉(zhuǎn)變,生態(tài)環(huán)境質(zhì)量逐年得到改善。2000—2007年銀川市生態(tài)環(huán)境質(zhì)量提升,在2007—2013年退化,2013—2020年逐漸得到改善。

表5 銀川市生態(tài)環(huán)境質(zhì)量年際變化

圖6 銀川市生態(tài)環(huán)境質(zhì)量空間變化Fig.6 Temporal variation of eco-environmental quality in Yinchuan city

2.3 銀川市生態(tài)環(huán)境質(zhì)量的相關(guān)性分析

2.3.1 空間自相關(guān)分析 為了探索銀川市生態(tài)環(huán)境變化的空間分布特征,采用600 m×600 m網(wǎng)格對(duì)2000年、2007年、2013年和2020年RSEI影像進(jìn)行重采樣,得到24 025個(gè)樣點(diǎn),計(jì)算樣點(diǎn)的全局和局部空間自相關(guān)(圖7～8)。2000年、2007年、2013年和2020年Moran’sI指數(shù)分別為0.893、0.897、0.887和0.861,且均在0.01水平顯著相關(guān),研究結(jié)果具有可信度,Moran’sI在2000—2007年上升,在2007—2013年下降,在2013—2020年上升,表明研究區(qū)生態(tài)環(huán)境質(zhì)量的空間聚集度呈“上升—下降—上升”的趨勢(shì),這與其生態(tài)環(huán)境質(zhì)量等級(jí)變化趨勢(shì)一致。表明,銀川市生態(tài)環(huán)境質(zhì)量變化的空間分布呈聚集性,生態(tài)環(huán)境質(zhì)量好與差的區(qū)域分布相對(duì)集中。高-高聚集主要集中在賀蘭山自然保護(hù)區(qū)、三區(qū)兩縣城外的林場(chǎng)和農(nóng)田,這些區(qū)域遠(yuǎn)離城鄉(xiāng)居民點(diǎn),受人類活動(dòng)影響較小,生態(tài)環(huán)境質(zhì)量較好;低-低聚集主要分布在靈武市的丘陵和戈壁灘等地區(qū)。2000—2007年銀川市低-低聚集區(qū)域面積減少,表明該地區(qū)生態(tài)環(huán)境質(zhì)量提高;2007—2013年,低-低區(qū)級(jí)區(qū)域面積增加,表明該地區(qū)生態(tài)環(huán)境質(zhì)量下降;2013—2020年低-低聚集區(qū)域面積顯著減少,說明該時(shí)段區(qū)域生態(tài)環(huán)境質(zhì)量有所改善。

圖8 銀川市生態(tài)環(huán)境質(zhì)量的局部空間自相關(guān)Fig.8 Local spatial autocorrelation of eco-environmental quality in Yinchuan city

2.3.2 Pearson相關(guān)分析 為進(jìn)一步明確各生態(tài)分量(NDVI、LST、WET和NDBSI)變化與RSEI變化的關(guān)系,分析RSEI的變化機(jī)制,計(jì)算2020年與2000年影像差值RSEI與各分量之間的Pearson相關(guān)系數(shù)(圖9),在置信度0.01級(jí)別,P<0.01,均通過顯著性檢驗(yàn)。NDVI和WET與RSEI呈正相關(guān),Pearson相關(guān)系數(shù)分別為0.436和0.646,表明NDVI和WET增加值越大,銀川市生態(tài)環(huán)境質(zhì)量越好;NDBSI和LST與RSEI呈負(fù)相關(guān),Pearson相關(guān)系數(shù)分別為-0.574和-0.849,表明NDBSI和LST增加會(huì)給銀川市生態(tài)質(zhì)量造成一定壓力。綜上,RSEI與4個(gè)分量指標(biāo)之間存在較強(qiáng)相關(guān)性,且與主成分分析結(jié)果趨勢(shì)一致,說明RSEI能集中各分量指標(biāo)的信息,用該指數(shù)可以反映銀川市生態(tài)環(huán)境質(zhì)量變化情況。同時(shí),RSEI變化與NDBSI的相關(guān)系數(shù)最大,與WET的相關(guān)系數(shù)次之,NDBSI反應(yīng)建筑和裸土的變化情況,說明銀川市生態(tài)環(huán)境的變化主要是由城市擴(kuò)張等因素動(dòng)態(tài)驅(qū)動(dòng),表明2007—2013年銀川市生態(tài)環(huán)境質(zhì)量下降與城市擴(kuò)張、水域濕地面積減少等原因有關(guān)。

圖9 銀川市遙感生態(tài)指數(shù)與各因子相關(guān)性分析Fig.9 Correlation analysis of RSEI and various factors in Yinchuan city

2.4 銀川市生態(tài)環(huán)境質(zhì)量的影響因子探測(cè)分析

2.4.1 生態(tài)環(huán)境質(zhì)量的影響因子探測(cè)分析 從表6可知,2000年對(duì)生態(tài)環(huán)境質(zhì)量空間異質(zhì)性影響程度排序?yàn)镹DBSI>NDVI>WET>LST>高程>聚落聚集度>GDP>PM2.5>降水>夜間燈光>氣溫>坡度;2005年對(duì)生態(tài)環(huán)境質(zhì)量空間分布影響程度排序?yàn)長ST>NDBSI>WET>NDVI>高程>PM2.5>GDP>降水>聚落聚集度>氣溫>夜間燈光>坡度;2010年對(duì)生態(tài)質(zhì)量的影響程度排序?yàn)镹DBSI>LST>NDVI>WET>高程>PM2.5>GDP>聚落聚集度>降水>氣溫>夜間燈光>坡度;2015年對(duì)生態(tài)質(zhì)量影響程度排序?yàn)閃ET>NDBSI>NDVI>LST>高程>PM2.5>降水>氣溫>GDP>聚落聚集度>夜間燈光>坡度;2020年對(duì)生態(tài)環(huán)境質(zhì)量影影響程度排序?yàn)镹DBSI>NDVI>WET>LST>高程>PM2.5>降水>氣溫>GDP>聚落聚集度>夜間燈光>坡度。在RSEI模型分量生態(tài)指標(biāo)中,NDBSI對(duì)銀川市生態(tài)環(huán)境質(zhì)量的影響力最大,與皮爾遜分析結(jié)果一致,表明城市擴(kuò)張是引起銀川市生態(tài)質(zhì)量變化的主要原因。在自然與社會(huì)因子中,高程、PM2.5和GDP是區(qū)域生態(tài)環(huán)境質(zhì)量空間分布的主要影響因子,降水和氣溫是次影響因子,夜間燈光亮度和坡度對(duì)其影響力較小。

表6 銀川市生態(tài)環(huán)境質(zhì)量的影響因子探測(cè)結(jié)果

2.4.2 生態(tài)環(huán)境質(zhì)量的影響因子交互探測(cè)分析 從圖10～11可知,銀川市生態(tài)環(huán)境質(zhì)量的12個(gè)影響因子中雙因子交互產(chǎn)生的影響均大于單因子,銀川市生態(tài)環(huán)境質(zhì)量影響因子交互作用表現(xiàn)為雙因子增強(qiáng)和非線性增強(qiáng),表明銀川市生態(tài)環(huán)境質(zhì)量不是單因子作用的結(jié)果,是遙感生態(tài)評(píng)價(jià)指標(biāo)、自然、社會(huì)和經(jīng)濟(jì)等多因子交互后增強(qiáng)的效應(yīng)所致。

圖10 銀川市生態(tài)環(huán)境質(zhì)量的遙感生態(tài)指標(biāo)交互探測(cè)Fig.10 Interactive detection of ecological index of ecological environment quality by remote sensing in Yinchuan city

在遙感生態(tài)評(píng)價(jià)指標(biāo)中,2000年、2005年和2020年NDBSI∩LST交互作用影響力(q值分別為0.973、0.979和0.975)最強(qiáng),表明該時(shí)段區(qū)域地表溫度、地表建筑面積和裸土面積對(duì)其生態(tài)環(huán)境的影響較大;2010年NDVI∩LST交互作用影響力(q值為0.975)最強(qiáng),表明在該時(shí)段銀川市地表植被覆蓋度和地表溫度對(duì)生態(tài)環(huán)境質(zhì)量影響較大;2015年WET∩LST交互作用影響力(q值為0.978)最強(qiáng),表明在該時(shí)段濕度和熱度是影響銀川市生態(tài)環(huán)境質(zhì)量空間分布的主要因子。

銀川市自然和社會(huì)因子交互作用均大于單因子作用效果,表現(xiàn)為雙因子增強(qiáng)和非線性增強(qiáng)。2000年對(duì)銀川市RSEI解釋力最大的是高程∩聚落聚集度(q值為0.685);2005年對(duì)銀川市RSEI解釋力影響最大的是高程∩GDP(q值為0.738);2010年對(duì)銀川市RSEI解釋力影響最大的是高程∩聚落聚集度(q值為0.702);2015年對(duì)銀川市RSEI解釋力影響最大的是PM2.5∩高程(q值為0.712);2020年對(duì)銀川市RSEI解釋力影響最大的是降水∩坡度(q值為0.869),降水∩氣溫交互作用影響力次之(q值為0.850)。2000—2020年所有自然和社會(huì)因子交互探測(cè)結(jié)果顯示,高程、聚落聚集度、GDP、PM2.5以及夜間燈光對(duì)銀川市生態(tài)環(huán)境變化的影響最顯著。

圖11 銀川市生態(tài)環(huán)境質(zhì)量的自然社會(huì)因子交互探測(cè)Fig.11 Interactive detection of natural social factors

其中,高程對(duì)銀川市生態(tài)環(huán)境變化影響最大,賀蘭山銀川區(qū)域人為干擾較少,植被覆蓋率較高,生態(tài)環(huán)境質(zhì)量較好;除高程因子外,人類聚落、經(jīng)濟(jì)擴(kuò)張對(duì)銀川市生態(tài)環(huán)境質(zhì)量具有重要影響,即在社會(huì)發(fā)展過程中,硬化面積和地表裸露面積增大,導(dǎo)致植被覆蓋度減小,生態(tài)環(huán)境質(zhì)量降低。

3 討 論

3.1 GEE云平臺(tái)的應(yīng)用成效

針對(duì)于區(qū)域長時(shí)間尺度的動(dòng)態(tài)監(jiān)測(cè)研究,使用傳統(tǒng)方式構(gòu)建RSEI面臨著數(shù)據(jù)量大、部分影像像素點(diǎn)缺失、數(shù)據(jù)預(yù)處理和指數(shù)計(jì)算過程繁雜等困難[22],限制了研究的準(zhǔn)確性和時(shí)間序列長度。前人研究表明,GEE云平臺(tái)可在線調(diào)用長時(shí)序、大尺度海量數(shù)據(jù),方便快捷[23,31]。本研究進(jìn)一步證實(shí)了法GEE平臺(tái)的優(yōu)勢(shì)。一方面,GEE平臺(tái)提高了銀川市生態(tài)環(huán)境質(zhì)量變化監(jiān)測(cè)的精度,利用GEE強(qiáng)大的云計(jì)算能力提取構(gòu)建銀川市近21年的RSEI時(shí),綠度、濕度、干度和熱度指標(biāo)均基于一年中6—9月所有可用遙感數(shù)據(jù)計(jì)算得出,相較傳統(tǒng)方法中選用一期或幾期遙感影像進(jìn)行年際RSEI評(píng)估[21],這種通過大量影像計(jì)算提取指標(biāo)的方法,提高了生態(tài)環(huán)境質(zhì)量監(jiān)測(cè)的精度。另一方面,基于GEE云計(jì)算圖像處理方式,能較好改善因天氣原因(多云、多雨等)導(dǎo)致的遙感數(shù)據(jù)缺失、圖像色差等問題[27],同時(shí)能極大提高影像處理速率,從而擴(kuò)展RSEI在大范圍、長時(shí)間序列生態(tài)評(píng)估中的應(yīng)用。

3.2 近21年銀川市生態(tài)環(huán)境變化的影響機(jī)制

利用RSEI對(duì)銀川市2000—2020年的生態(tài)環(huán)境進(jìn)行遙感監(jiān)測(cè)與分析,RSEI值估算結(jié)果與生態(tài)修復(fù)和保護(hù)措施實(shí)施前后,區(qū)域生態(tài)環(huán)境質(zhì)量的改善狀況相對(duì)一致,與本研究所監(jiān)測(cè)的結(jié)果相吻合,且每年P(guān)C1的值都在60%以上,表明RSEI對(duì)銀川市具有較好的適用性,可以用來研究該區(qū)域生態(tài)環(huán)境質(zhì)量變化。銀川市生態(tài)環(huán)境質(zhì)量呈“上升—下降—緩慢上升”的趨勢(shì),其中2000—2007年生態(tài)質(zhì)量向好的主要原因是賀蘭山地等受人為干擾少的區(qū)域植被覆蓋度高,2007—2013年銀川市生態(tài)環(huán)境質(zhì)量有所退化,主要原因是該時(shí)段研究區(qū)城市化建設(shè)進(jìn)程較快,部分濕地面積減少,這與該區(qū)域現(xiàn)有的部分學(xué)者[19]的研究結(jié)果一致。2013—2020年銀川市生態(tài)環(huán)境質(zhì)量逐漸改善,生態(tài)“變好”面積不斷提高,原因是銀川市開展的生態(tài)修復(fù)和保護(hù)措施對(duì)生態(tài)環(huán)境質(zhì)量的影響較大,生態(tài)整治成效顯著。因子探測(cè)結(jié)果顯示,遙感生態(tài)指標(biāo)NDBSI對(duì)生態(tài)環(huán)境質(zhì)量影響最大,自然社會(huì)因子中,高程、PM2.5和GDP是主要影響因子;交互探測(cè)結(jié)果表明任意2個(gè)因子交互后的影響均大于單因子[32],說明銀川市生態(tài)環(huán)境質(zhì)量變化是多因子協(xié)同作用的結(jié)果。賀蘭山地海拔高,植被覆蓋度高,且遠(yuǎn)離城市建成區(qū),不易受到人為活動(dòng)的干擾。除高程因子外,人類聚落、經(jīng)濟(jì)擴(kuò)張對(duì)銀川市生態(tài)環(huán)境質(zhì)量具有重要影響,即在社會(huì)發(fā)展過程中,硬化面積和地表裸露面積增大,導(dǎo)致植被覆蓋度減小,生態(tài)環(huán)境質(zhì)量降低。因此,在城市擴(kuò)張和經(jīng)濟(jì)發(fā)展過程中,要注重合理開發(fā)利用土地資源[33],優(yōu)化城市空間布局,保護(hù)生態(tài)環(huán)境。

4 結(jié) 論

(1)近21年來,銀川市生態(tài)環(huán)境質(zhì)量變化情況呈“上升—下降—緩慢上升”的趨勢(shì),2000—2007年呈上升狀態(tài),生態(tài)環(huán)境變好的區(qū)域主要集中在賀蘭山及外圍區(qū)域和靈武市北部;2007—2013年退化,退化區(qū)域主要分布于銀西高速鐵路以東的丘陵地區(qū)和寧東地區(qū);2013—2020年得到改善,生態(tài)環(huán)境改善區(qū)域主要集中在賀蘭山東麓洪積扇、月牙湖及靈武市馬家灘地區(qū)。

(2)銀川市生態(tài)環(huán)境質(zhì)量變化的空間分布呈聚集性。高-高聚集區(qū)主要集中在賀蘭山自然保護(hù)區(qū)、三區(qū)兩縣的林場(chǎng)和農(nóng)田區(qū)域,低-低聚集區(qū)主要分布在靈武市的丘陵和戈壁灘等地區(qū)。2000—2007年銀川市低-低聚集區(qū)域面積減少;2007—2013年,低-低聚集區(qū)域面積增加,2013—2020年低-低聚集區(qū)域面積顯著減少,說明近21年銀川市生態(tài)環(huán)境呈先上升后下降再改善的趨勢(shì)。

(3)NDVI與WET對(duì)生態(tài)環(huán)境質(zhì)量起正向作用,NDBSI與LST對(duì)其起負(fù)向作用,單因子探測(cè)中,遙感生態(tài)指標(biāo)NDBSI對(duì)生態(tài)質(zhì)量影響最大,自然社會(huì)因子中高程、PM2.5和GDP是主要影響因子。交互探測(cè)顯示,因子間的交互作用為雙因子增強(qiáng)和非線性協(xié)同增強(qiáng),遙感生態(tài)指標(biāo)中NDBSI和LST對(duì)生態(tài)影響程度較高,自然社會(huì)因子中高程、聚落聚集度、GDP、PM2.5以及夜間燈光對(duì)銀川市生態(tài)環(huán)境變化的影響較為顯著。