王永祥,徐園園,楊佳嘉,陳裕鑫,魏佳軒,周 娟,張未來,程武學(xué),*
1 四川師范大學(xué)地理與資源科學(xué)學(xué)院,成都 610066
2 四川師范大學(xué)西南土地資源評價(jià)與監(jiān)測教育部重點(diǎn)實(shí)驗(yàn)室,成都 610066
長江是我國第一大河,長江上游流域的自然生態(tài)環(huán)境十分復(fù)雜,由于其處在我國東西部交匯區(qū),因此對我國的戰(zhàn)略意義十分重大[1]。但是在過去,由于多年的人為破壞,長江上游的生態(tài)環(huán)境質(zhì)量下降較為嚴(yán)重,這就與我國的可持續(xù)發(fā)展戰(zhàn)略相悖,政府決定建立長江上游生態(tài)屏障[2]。而重慶地處長江上游和三峽庫區(qū)腹心地帶,是長江上游的中心城市,嘉陵江與長江在此交匯,地理環(huán)境較為典型。重慶也是長江上游生態(tài)屏障的最后一道關(guān)口,對長江中下游地區(qū)生態(tài)安全承擔(dān)著不可替代的作用,修復(fù)好重慶市生態(tài)環(huán)境的重要性不言而喻。近年來,近年來由于重慶市始終將修復(fù)長江生態(tài)環(huán)境工作擺在壓倒性位置,推出了一系列符合地方條件的生態(tài)修復(fù)措施[3—5],例如“兩岸青山,千里林帶”、“清水綠岸”等,國家也出臺了長江經(jīng)濟(jì)帶“共抓大保護(hù)、不搞大開發(fā)”方針等保護(hù)生態(tài)環(huán)境[6],因此有必要對重慶市生態(tài)質(zhì)量變化進(jìn)行監(jiān)測,并分析其驅(qū)動(dòng)因素。關(guān)于生態(tài)質(zhì)量的評價(jià),近年來已有較多研究,在指數(shù)的選擇上,有學(xué)者選取生物多樣性指數(shù)[7]、植被覆蓋度指數(shù)[8—9],等單因素構(gòu)建模型評估生態(tài)質(zhì)量亦或是使用層析分析方法[10—11]、主成分分析法[12]等向多種因素人為賦予權(quán)重。對于重慶市生態(tài)環(huán)境質(zhì)量前期已有相關(guān)研究,周啟剛[13]等人分別選取歸一化植被指數(shù)(NDVI)、歸一化建筑指數(shù)(NDBI)、圖斑破碎度模型評估重慶市生態(tài)空間質(zhì)量,表明研究區(qū)生境質(zhì)量呈波動(dòng)上升趨勢。任彥霓[14]等人結(jié)合遙感和POI數(shù)據(jù)探究重慶市主城區(qū)生態(tài)環(huán)境質(zhì)量格局,發(fā)現(xiàn)生態(tài)環(huán)境質(zhì)量受城市建設(shè)影響顯著。本研究在前人研究的基礎(chǔ)上,選取了遙感生態(tài)指數(shù)對重慶市生態(tài)環(huán)境質(zhì)量進(jìn)行評估,通過構(gòu)建RSEI模型可以避免因人為因素導(dǎo)致的權(quán)重不均,因此較適用于生態(tài)質(zhì)量評價(jià)當(dāng)中。
遙感生態(tài)指數(shù)[15](RSEI)是由我國學(xué)者徐涵秋提出的用于評價(jià)區(qū)域生態(tài)質(zhì)量的遙感指數(shù),由于其研究在生態(tài)環(huán)境變化方面的優(yōu)勢以及彌補(bǔ)了生態(tài)環(huán)境狀況指數(shù)(Ecological Environment Index, EI)當(dāng)中由于土壤侵蝕模數(shù)和環(huán)境質(zhì)量指數(shù)難以獲取到的不足[16],常被應(yīng)用于大范圍[17—19]、長時(shí)間序列[20—23]的生態(tài)環(huán)境保護(hù)研究。國內(nèi)外學(xué)者利用這一指數(shù)進(jìn)行了廣泛又深入的研究,Karimi[24]等人利用伊朗阿拉斯巴蘭保護(hù)區(qū)和美國、歐洲13個(gè)城市的Landsat多時(shí)相影像、國家土地覆蓋數(shù)據(jù)庫(NLCD)、不透水性和高分辨率層不透水性(HRLI)數(shù)據(jù)為研究對象,基于RSEI指數(shù)建立陸面生態(tài)狀況模型。Liao等人利用Modis影像對中國2000—2017年生態(tài)環(huán)境質(zhì)量進(jìn)行了評價(jià)[25]。趙管樂[26]等人利用RSEI研究了典型干熱河谷區(qū)的生態(tài)環(huán)境變化。盧卓[27]等使用不同分辨率Landsat衛(wèi)星影像與Sentinel-2A衛(wèi)星影像計(jì)算RSEI時(shí)的精度進(jìn)行了對比。RSEI可以更好的對研究區(qū)域生態(tài)環(huán)境質(zhì)量進(jìn)行定量、客觀地評價(jià),具有一定的學(xué)術(shù)價(jià)值。又由于生態(tài)環(huán)境質(zhì)量研究的對象存在范圍廣、要素多等特點(diǎn),因此相對于其他傳統(tǒng)的研究手段,遙感的獨(dú)特之處在于能夠在空間和時(shí)間層面上反映地面事物的變化,結(jié)合遙感和GIS技術(shù)可以高效地提取、反演出生態(tài)環(huán)境質(zhì)量評價(jià)所需的指標(biāo),最終通過可視化表達(dá)直觀地展示評價(jià)結(jié)果。此外,本文在現(xiàn)有RSEI研究當(dāng)中使用較多的Sen趨勢分析、曼-肯德爾檢驗(yàn)方法[28]監(jiān)測長時(shí)間變化趨勢的基礎(chǔ)上,引入可以衡量時(shí)間序列統(tǒng)計(jì)相關(guān)性[29]的Hurst指數(shù),對重慶市多年RSEI未來持續(xù)性進(jìn)行預(yù)測。再使用地理探測器對影響地理現(xiàn)象空間分布差異的自然、氣候、人類活動(dòng)因素進(jìn)行探測,得到了影響重慶市RSEI空間分異的驅(qū)動(dòng)因素,為后續(xù)重慶市生態(tài)環(huán)境治理提供一定的理論支撐。
傳統(tǒng)的遙感影像研究需要進(jìn)行收集遙感數(shù)據(jù)再進(jìn)行預(yù)處理,之后利用相關(guān)軟件進(jìn)行計(jì)算,再進(jìn)行后處理,步驟較為繁雜,尤其是在進(jìn)行長時(shí)間序列研究時(shí),需要消耗大量時(shí)間在數(shù)據(jù)處理階段[30]。谷歌地球引擎(Google Earth Engine,GEE)平臺是當(dāng)前使用較為廣泛的處理大量遙感數(shù)據(jù)的平臺,由于沒有硬件設(shè)備的限制,這就使得GEE在處理大范圍,長時(shí)間序列數(shù)據(jù)上具有一定的優(yōu)勢,可以節(jié)省大量時(shí)間且效率較高,廣泛為學(xué)者關(guān)注使用。近年來我國也推出了便于學(xué)習(xí)和研究的遙感平臺如PIE-Engine和AI Earth,將會更進(jìn)一步提高相關(guān)領(lǐng)域研究效率[31—32]。本研究對一些主流遙感平臺進(jìn)行優(yōu)選,使用GEE云平臺,調(diào)用海量多源遙感影像數(shù)據(jù)和方法,不僅可以提高計(jì)算效率,還為長時(shí)間序列生態(tài)環(huán)境質(zhì)量變化檢測與可持續(xù)發(fā)展等研究提供數(shù)據(jù)基礎(chǔ)和技術(shù)支持。
重慶位于中國西南部、長江上游地區(qū),地跨東經(jīng)105°11′—110°11′、北緯28°10′—32°13′之間的青藏高原與長江中下游平原的過渡地帶。東鄰湖北、湖南,南靠貴州,西接四川,北連陜西;長江橫貫全境,流程691km,與嘉陵江、烏江等河流交匯,研究區(qū)位置如圖1所示。轄區(qū)東西長470km,南北寬450km,幅員面積8.24萬km2。重慶地勢由南北向長江河谷逐級降低,西北部和中部以丘陵、低山為主,東南部靠大巴山和武陵山兩座大山脈,坡地較多,有“山城”之稱??偟牡貏菔菛|南部、東北部高,中部和西部低,由南北向長江河谷逐級降低。
圖1 研究區(qū)概況Fig.1 Study area overview
遙感數(shù)據(jù)來自于美國谷歌公司免費(fèi)地理計(jì)算云平臺Google Earth Engine(GEE)當(dāng)中所收錄的Landsat數(shù)據(jù),2011年遙感影像采用“LANDSAT/LT05/C01/T1_SR”數(shù)據(jù)集當(dāng)中收錄的Landsat5-TM影像,2013、2015、2017、2021數(shù)據(jù)均采用“LANDSAT/LC08/C01/T1_SR”。圖2表示了將GEE服務(wù)器當(dāng)中研究區(qū)范圍的Landsat8數(shù)據(jù)進(jìn)行去云處理后的影像可用性,可以看出由南向北可用性逐漸增加。
圖2 Lansat8影像可用性Fig.2 Lansat8 image availability
由于2021年數(shù)據(jù)較難獲取,本文使用2020年數(shù)據(jù)與重慶市2020年RSEI數(shù)據(jù)進(jìn)行空間分布影響因素研究。氣候數(shù)據(jù)中降水、風(fēng)速、近地表氣溫?cái)?shù)據(jù)來自于國家科技基礎(chǔ)條件平臺—國家地球系統(tǒng)科學(xué)數(shù)據(jù)中心(http://www.geodata.cn),分辨率均為1km;地表數(shù)據(jù)來自于中國科學(xué)院計(jì)算機(jī)網(wǎng)絡(luò)信息中心地理空間數(shù)據(jù)云平臺(http://www.gscloud.cn)的ASTER GDEM數(shù)字高程數(shù)據(jù)數(shù)據(jù)集,分辨率為30m;人口密度數(shù)據(jù)來源于WorldPOP平臺(https://www.worldpop.org)的Population Density數(shù)據(jù)集,分辨率為1km;LUCC數(shù)據(jù)來自于國家基礎(chǔ)地理信息中心全球地表覆蓋數(shù)據(jù)產(chǎn)品服務(wù)網(wǎng)站(DOI:10.11769),分辨率為30m;夜間燈光數(shù)據(jù)來自于美國國家海洋和大氣管理局地球觀測小組的數(shù)據(jù)平臺(https://ngdc.noaa.gov),分辨率為1km。
2.2.1遙感生態(tài)指數(shù)
遙感生態(tài)指數(shù)是將國家環(huán)保部頒布的EI指數(shù)當(dāng)中屬性的空間展現(xiàn)方式進(jìn)行了一定程度的修正[33],采用植被指數(shù)、裸土指數(shù)、濕度、地表溫度分別對應(yīng)代表綠度、干度、濕度和熱度,遙感生態(tài)指數(shù)(RSEI)就可以表示為:
RSEI=f(Greenness,Wetness,Heat,Dryness)
其遙感定義為:
RSEI=f(VI,WET,LST,SI)
上述兩式當(dāng)中,Greenness為綠度,Wetness為濕度,Heat為熱度,Dryness為干度,VI為植被指數(shù),Wet為濕度,LST為地表溫度,SI為裸土指數(shù)。
(1)綠度指標(biāo)
當(dāng)前研究中,歸一化植被指數(shù)(NDVI)是使用最為廣泛的一項(xiàng)植被指數(shù),因此在本文當(dāng)中也選擇NDVI作為植被指數(shù)進(jìn)行計(jì)算:
其中ρNIR代表Landsat影像的近紅外波段的輻射率,ρRed代表紅光波段的輻射率。
(2)濕度指標(biāo)
濕度指數(shù)反映了自然界當(dāng)中各類事物如植被、水體、裸土的濕度,是生態(tài)環(huán)境監(jiān)測當(dāng)中一個(gè)十分重要的指標(biāo)。本研究中采用的計(jì)算方法為:
WetTM=0.0315ρBlue+0.2021ρGreen+0.3102ρRed+0.1594ρNIR-0.6806ρSWIR1-0.6109ρSWIR2
WetOLI=0.1511ρBlue+0.1972ρGreen+0.3283ρRed+0.3407ρNIR-0.1777ρSWIR1-0.4559ρSWIR2
上述兩個(gè)式子當(dāng)中,WetTM指Landsat TM傳感器所獲取影像計(jì)算濕度指標(biāo)的方法,WetOLI指Landsat OLI傳感器所獲取影像計(jì)算濕度指標(biāo)的方法。而ρBlue、ρGreen、ρRed、ρNIR、ρSWIR1、ρSWIR2分別代表了遙感影像的藍(lán)、綠、紅光波段以及近紅外、短波紅外1、短波紅外2波段的輻射率。
(3)熱度指標(biāo)
熱度指標(biāo)用地表溫度來代替。
L=gain×DN+offset
式中,DN為像元灰度值;gain和 offset為波段的増益和偏置,其數(shù)值可以再遙感影像頭文件中獲取得到;K1和K2為定標(biāo)參數(shù);λ為波段的中心波長;ε代表地表輻射率。
(4)干度指標(biāo)
干度指標(biāo)的計(jì)算方法為:
式中,ρBlue、ρGreen、ρRed、ρNIR、ρSWIR1、ρSWIR2分別為對應(yīng)于各影像的藍(lán)波段、綠波段、紅波段、近紅外波段、短波紅外1波段和短波紅外2波段的輻射率。
2.2.2Sen氏趨勢分析法與MK檢驗(yàn)
本文采用了Sen斜率趨勢分析重慶市在2011—2021年以來RESI的變化趨勢,與傳統(tǒng)的采用最小二乘法計(jì)算線性回歸趨勢相比,Sen氏趨勢分析法可以有效避免計(jì)算時(shí)時(shí)間序列上數(shù)據(jù)的缺失和數(shù)據(jù)分布對結(jié)果的影響,還可以消除異常值對時(shí)間序列的干擾[34]。Sen氏斜率計(jì)算公式如下:
式中,Q為計(jì)算得到的斜率,i、j為之間序列數(shù)且0
式中,S表示統(tǒng)計(jì)量由sgn(x)總和得到,VAR(S)表示方差,n表示數(shù)據(jù)量,ZMK表示簡言之,qk表示相同數(shù)據(jù)組的個(gè)數(shù),ε表示誤差值。因此,本文在像元尺度上采用 Sen 氏趨勢分析與 MK 檢驗(yàn)相結(jié)合,分析重慶市RSEI在像元尺度上的變化趨勢及顯著性;在區(qū)域尺度上則采用線性回歸分析RSEI變化的總體趨勢。
2.2.3Hurst指數(shù)
Hurst指數(shù)是一項(xiàng)普遍應(yīng)用于水文、地質(zhì)、氣候領(lǐng)域的描述時(shí)間序列的方法,后來也逐漸有學(xué)者將其用于RSEI的研究。其計(jì)算方法為:
對于給定的時(shí)間序列{RSEI(t)},1,2,…,n,定義均值序列:
累計(jì)離差:
極差:
R(T)=maxX(t,T)-minX(t,T)T=1,2,…,n
標(biāo)準(zhǔn)差為:
再根據(jù)上述公式求取:
若R/S∝TH,說明要分析的這一序列里存在Hurst現(xiàn)象。H為Hurst指數(shù),通過log(R/S)n=a+H×log(n),用最小二乘法擬合可以得到。如果0 2.2.4空間轉(zhuǎn)移矩陣與重心遷移模型 空間轉(zhuǎn)移矩陣是一種定量描述狀態(tài)轉(zhuǎn)移的方法,該方法研究的運(yùn)動(dòng)過程只與運(yùn)動(dòng)的始末狀態(tài)有關(guān),可以反映出某一要素在某一時(shí)間間隔中空間格局的變化[37—38]??臻g轉(zhuǎn)移矩陣不僅可以反映各類要素的面積變化,還可以計(jì)算出某要素的轉(zhuǎn)入和轉(zhuǎn)出情況,因此常用于土地利用等方面的研究[39]。而重心遷移模型可以較好的反映某要素在時(shí)空演變過程當(dāng)中的變化特征。 2.2.5地理探測器 地理探測器是一種能揭示地理現(xiàn)象空間分異差異和分析自變量與因變量之間相互作用的數(shù)學(xué)模型[40],相比傳統(tǒng)的相關(guān)系數(shù)模型,其不僅能實(shí)現(xiàn)定量數(shù)據(jù)分析,也能完成定性數(shù)據(jù)的處理,同時(shí)又能對各變量之間的交互作用進(jìn)行分析[41—42]。本文引入地理探測器分析自然與人類因素對于重慶市RSEI分布的影響。地理探測器用q值表示影響程度大小,取值范圍為0—1,q的計(jì)算方法為[43]: 首先計(jì)算重慶市多年平均RSEI,參考相關(guān)研究[44—46],利用等間距法將計(jì)算結(jié)果重分類為5級,分別賦予差、較差、中等、良、優(yōu),最終得到如圖所示的重慶市RSEI空間分布圖如圖3所示。RSEI等級為差的地區(qū)整體占比2.48%,空間上主要集中于重慶西部即渝北區(qū)、沙坪壩區(qū)等,在大足區(qū)、銅川區(qū)等也有零星等級較差的區(qū)域分布,較差等級的區(qū)域占比8.28%,在上圖當(dāng)中體現(xiàn)得并不多,主要圍繞差一級的周圍、西部邊緣、中部和北部有些許分布。中等等級占比38.32%主要位于重慶市中西部且分布較為集中,也是面積最大的等級。良與優(yōu)分布的區(qū)域較為相似,在重慶市中部和北部分布較多,占比分別為41.87%和9.05%??傮w來說,重慶市多年平均RSEI大于0.6的區(qū)域占比為50.92%,有超過一半的區(qū)域RSEI等級為良或優(yōu)。 圖3 2011—2021年重慶市RSEI空間分布格局Fig.3 Spatial distribution pattern of RSEI in Chongqing from 2011 to 2021 以2年為間隔,分別以2011、2013、2015、2017、2019、2021年為刻度,計(jì)算出重慶市RESI等級為優(yōu)、良、中等、較差、差的重心,以時(shí)間順序從前向后連接繪制出重心遷移圖并以不同顏色表示如圖4??傮w上來說RSEI不同等級的重心分布與RSEI的空間分布格局具有較高的一致性,重心遷移路線也能較好的表示出RSEI在空間上的分布格局變化。重慶市RSEI等級為差一級的重心從重慶市中部逐漸向北部移動(dòng),且2019—2021年幅度最大表明在這一時(shí)間段內(nèi)其變化速率較快,北部生態(tài)質(zhì)量下降較為明顯。從重慶市RSEI空間分布圖來看,較差一級的分布整體上與差一級的較為同步,從上圖可也可以出RSEI等級為中等的重心遷移也從重慶市中部向北部變化。中等和良一級的變化幅度不是很大,中心分布集中與豐都縣、石柱土家族自治縣。等級為優(yōu)一級的與之前時(shí)間段相比在2019—2021年幅度較大,遷移方向向西部變化。 圖4 2011—2021年RSEI不同等級重心遷移Fig.4 Migration of Different Levels of Center of Gravity for RSEI 2011—2021 再計(jì)算重慶市2011—2021年RSEI等級轉(zhuǎn)移矩陣,得到結(jié)果如下表1所示。差一級減少較為明顯,減少了6429.88km2,較差一級減少了了9761.41km2,其中有5566.30km2轉(zhuǎn)為中等,7834.42km2轉(zhuǎn)為良,較差一級分布的區(qū)域大部分得到了改善,生態(tài)質(zhì)量提升。優(yōu)一級整體增加了4168.55km2。圖5為不同等級的RSEI轉(zhuǎn)移路徑。可以看到,2011—2021年重慶市RSEI主要發(fā)生了“較差→中等”、“較差→良”、“中等→良”、“良→優(yōu)”這四個(gè)路徑,整體來看重慶市生態(tài)環(huán)境得到優(yōu)化。 表1 重慶市RSEI轉(zhuǎn)移矩陣/km2Table 1 Chongqing RSEI Transfer Matrix 圖5 不同等級RSEI轉(zhuǎn)移路徑Fig.5 Different levels of RSEI transfer paths 一般來說,影響RSEI在空間上分布的因素可分為氣候因素、地表因素以及人為因素。本文在上述三類因素當(dāng)中選取相應(yīng)代理變量,形成如下表2所示的影響因子表。由于地理空間數(shù)據(jù)在計(jì)算時(shí)較為依賴尺度選取,選擇不同尺度計(jì)算,得到的結(jié)果也會不同,為了獲取本研究的最佳研究尺度,格網(wǎng)大小依據(jù)經(jīng)驗(yàn)公式而來:基于采樣點(diǎn)的數(shù)量確定樣本數(shù)量。本研究中RSEI結(jié)果斑塊均數(shù)大致為5萬個(gè),經(jīng)過測試發(fā)現(xiàn)用2km×2km的正方形對研究區(qū)進(jìn)行等間距采樣,將會生成2.3萬個(gè)樣區(qū)。因此本文選取2km尺度格網(wǎng)進(jìn)行采樣,最后在地理探測器當(dāng)中進(jìn)行計(jì)算。另外,在現(xiàn)有研究當(dāng)中不難發(fā)現(xiàn)植被覆蓋及其表征指數(shù)NDVI也在生態(tài)環(huán)境當(dāng)中有舉足輕重的角色,但是考慮到在計(jì)算RSEI指數(shù)時(shí),NDVI已單獨(dú)作為一種計(jì)算因子加入其中,因此在利用地理探測器探測影響因素時(shí)不另做探測。 表2 重慶市RSEI影響因子Table 2 Chongqing RSEI impact factors 根據(jù)因子探測,計(jì)算上述各類因子對RSEI的影響大小,結(jié)果如表3所示。各因子對于RSEI的影響程度排序?yàn)?近地表氣溫X3>土地利用類型X8>海拔X4>近地表風(fēng)速X2>坡度X5>夜間燈光X9>降水量X1>坡向X6>人口密度X7。表3當(dāng)中q為因子的解釋力,q的值位于0到1之間,且q值越大表示該因子的解釋力越強(qiáng)。從各因子解釋力來看,近地表氣溫、土地利用類型、海拔三個(gè)因子的解釋力都大于0.25,分別是0.349,0.284,0.259,這三個(gè)因子是主要影響因子。坡度的解釋力為0.205,為次要影響因子。其余各因子的解釋力都小于0.2,表明對重慶市RSEI空間分布影響較為微弱。 表3 因子探測結(jié)果Table 3 Factor detection results 重慶市RSEI各影響因子在地理探測器中的生態(tài)探測如表4所示。根據(jù)統(tǒng)計(jì)檢驗(yàn),海拔與各氣候因素對RSEI空間分布的影響具有顯著性差異,與其他因子無顯著性差異;近地表氣溫與除海拔外的其他因子無顯著差異;土地利用類型與近地表氣溫、日海拔之間無顯著差異;人口密度坡向因子之間有顯著差異??偟膩碚f,以近地表氣溫、海拔為主的自然因素以及以土地利用為主的人為因素是影響重慶市RSEI空間分布的主要影響因素。 表4 探測因子對于RSEI影響差異的統(tǒng)計(jì)顯著性Table 4 Statistical significance of the differences in the effects of detection factors on RSEI 3.4.1區(qū)域尺度RSEI變化趨勢 圖6是基于線性回歸的重慶市區(qū)域尺度全年RSEI均值變化情況,從總體上來看,重慶市RSEI整體較高,多年均值為0.593,平均年際變化率達(dá)到0.00759/a,全年RSEI標(biāo)準(zhǔn)誤為0.0239在2011—2021年呈波動(dòng)上升趨勢。 圖6 2011—2021年RSEI區(qū)域尺度變化趨勢Fig.6 Regional scale trends of RSEI, 2011—2021 圖7為重慶市39個(gè)區(qū)縣從2011年到2021年以來RSEI的變化趨勢,由該熱力圖可以發(fā)現(xiàn),2011年的時(shí)候較多區(qū)縣顏色為紅色、橙色,較明顯的有:渝中區(qū)、大渡口區(qū)、江北區(qū)、沙坪壩區(qū)、九龍坡區(qū)、南岸區(qū)、北碚區(qū)、榮昌區(qū)等,表明這些區(qū)縣在2011年的時(shí)候RSEI較低,環(huán)境質(zhì)量較差,到2021年,紅色及橙色區(qū)域明顯減少,先前為紅色、橙色區(qū)域的大部分轉(zhuǎn)為了藍(lán)色。雖然大渡口區(qū)和渝中區(qū)的顏色仍為橙色,但是和2011年相比已經(jīng)改善了許多。同時(shí)從熱力圖也可以看到有些區(qū)縣的RSEI有所減少,如:城口縣、墊江縣等。整體來看,熱力圖當(dāng)中大部分區(qū)縣由紅色為主轉(zhuǎn)為藍(lán)色,證明與2011年相比,2021年重慶市生態(tài)環(huán)境質(zhì)量有了大幅度提高。 圖7 不同縣區(qū)RSEI變化趨勢Fig.7 Trend of RSEI in different counties of Chongqing 3.4.2像元尺度RSEI變化趨勢 總體上看,全年RSEI在近12年當(dāng)中以增長趨勢為主,如圖8所示,共占總體的75.89%。從RSEI變化顯著性來看,極顯著增長區(qū)域分布在南部、西南部以及北部的開州區(qū)、云陽區(qū)等地,達(dá)全市面積14.41%,顯著增長的分布區(qū)域大致與極顯著增長的相同,共計(jì)有20.19%。城口縣、巫溪縣為極顯著退化等級的主要分布區(qū),說明此區(qū)域在近12年當(dāng)中生態(tài)質(zhì)量水平下降較為嚴(yán)重。RESI增長和退化的速度也不盡相同,快速增長區(qū)主要分布在西南部、南部各地,占總面積的16.64%。有大致三分之一的區(qū)域?yàn)榫徛鲩L,同時(shí)也是重慶市RSEI變化趨勢中占比最大的一個(gè)等級,表明重慶市實(shí)施的一系列生態(tài)環(huán)境建設(shè)工程已見成效。同時(shí)我們也應(yīng)看到:重慶市多為喀斯特地貌,也是全國8個(gè)石漠化嚴(yán)重發(fā)生地區(qū)之一,北部城口縣、巫溪縣RSEI退化較快,根據(jù)前人研究[47—48],這三個(gè)地方同樣也是石漠化高敏感區(qū),土壤絕對允許侵蝕量小,當(dāng)表土流失后,必然導(dǎo)致大片石灰?guī)r裸露,生態(tài)質(zhì)量水平大幅度下降需要實(shí)施一系列環(huán)境保護(hù)措施,因此針對當(dāng)?shù)靥攸c(diǎn)實(shí)施相應(yīng)的生態(tài)修復(fù)政策十分必要[49]。 圖8 像元尺度RSEI變化趨勢與變化顯著性Fig.8 The trend of RSEI at the image metric scale and its significance of change 根據(jù)Hurst指數(shù)的原理當(dāng)H>0.5即表明重慶市RSEI將呈正持續(xù)性也就是變化趨勢與大致相同,當(dāng)H<0.5表示重慶市RSEI呈反持續(xù)性即變化趨勢大致相反。基于這一原理,利用Matlab對重慶市2011、2013、2015、2017、2019、2021年的RSEI柵格數(shù)據(jù)逐像元計(jì)算Hurst指數(shù)如圖9所示,再利用Hurst指數(shù)與Sen氏趨勢分析結(jié)果利用ArcGIS疊加分析、重分類。在將來,重慶市RSEI有1.19%繼續(xù)快速退化,這些區(qū)域主要集中于重慶市中部武隆區(qū)、涪陵區(qū)、豐都縣交界處以及北部的城口縣、巫溪縣等地,有2.88%的RSEI屬于繼續(xù)緩慢降低。“出現(xiàn)波動(dòng)”說明當(dāng)前無法用Hurst指數(shù)推斷將來的可持續(xù)性。共計(jì)有總體53.3%的RSEI會保持增長的可持續(xù)性,即在未來會繼續(xù)緩慢或者快速增長。 圖9 2011—2021年重慶市RSEI變化Hurst指數(shù)及未來變化趨勢Fig.9 Chongqing RSEI Change Hurst Index 2011—2021 and its future trend 綜上所述,利用GIS和RS技術(shù),計(jì)算RSEI并對重慶市生態(tài)環(huán)境質(zhì)量變化做出客觀真實(shí)評價(jià)具有一定理論意義和現(xiàn)實(shí)意義。一方面,相較于前期學(xué)者的研究方法,RSEI避免了因?yàn)槿藶橹饔^因素,如技術(shù)限制、數(shù)據(jù)限制而導(dǎo)致的權(quán)重設(shè)置不均,可以更好地對重慶市生態(tài)環(huán)境質(zhì)量進(jìn)行較為定量、客觀的評價(jià),結(jié)合GIS和RS技術(shù)可以高效的提取、反演出生態(tài)質(zhì)量評價(jià)所需的指標(biāo),具有一定的學(xué)術(shù)價(jià)值。研究重慶市生態(tài)質(zhì)量現(xiàn)狀及發(fā)展趨勢對于完善當(dāng)下生態(tài)文明建設(shè)具有重要的理論意義,本研究在分析了生態(tài)環(huán)境質(zhì)量現(xiàn)狀的基礎(chǔ)上,結(jié)合相關(guān)指數(shù)及地理探測器,對重慶市生態(tài)環(huán)境質(zhì)量狀況及發(fā)展態(tài)勢進(jìn)行研究,對其影響因素進(jìn)行探測??梢詮浹a(bǔ)區(qū)域生態(tài)環(huán)境質(zhì)量現(xiàn)狀研究的不足,豐富區(qū)域生態(tài)環(huán)境質(zhì)量的理論研究,加深對生態(tài)文明建設(shè)的思考與理解。 另一方面,在當(dāng)前時(shí)代背景下,研究重慶市RSEI變化成因,可以較大程度上探尋在山地地區(qū)影響生態(tài)環(huán)境質(zhì)量的因素,由此可以為山地地區(qū)采取何種措施保護(hù)生態(tài)環(huán)境、提升生態(tài)環(huán)境質(zhì)量提供一定建議,有利于更好的踐行可持續(xù)發(fā)展戰(zhàn)略以及更好的探索“綠水青山就是金山銀山”實(shí)現(xiàn)路徑。生態(tài)環(huán)境質(zhì)量評價(jià)可以為區(qū)域生態(tài)環(huán)境保護(hù)與管理工作提供決策建議,有助于區(qū)域生態(tài)環(huán)境可持續(xù)發(fā)展。針對重慶市進(jìn)行生態(tài)環(huán)境質(zhì)量現(xiàn)狀分析及趨勢模擬,對于改善自然生態(tài)環(huán)境,提升城市生態(tài)影響力有著重要意義,探討和完善生態(tài)文明制度體系建設(shè)提供參考依據(jù)。研究成果雖然較好的表現(xiàn)出了重慶市RSEI變化趨勢,但仍存在些許不足,在計(jì)算RSEI時(shí),每一年的RSEI采用最大合成法將生長期所有的遙感影像進(jìn)行合成,仍然避免不了云霧的影響,這就會對結(jié)果造成一定的影響出現(xiàn)異常值。今后的研究可以選取更長時(shí)間序列的時(shí)間數(shù)據(jù)來降低數(shù)據(jù)誤差帶來的影響。另外,本研究只采用了2020年一年的數(shù)據(jù)進(jìn)行重慶市RSEI影響因素探測,探測結(jié)果也沒有與Sen趨勢分析、Hurst指數(shù)的得到的結(jié)果進(jìn)行關(guān)聯(lián)分析,將在今后的研究中進(jìn)一步分析RSEI影響因素變化與RSEI變化的相關(guān)性。 通過對重慶市生態(tài)遙感指數(shù)在時(shí)間和空間上的研究發(fā)現(xiàn)重慶市生態(tài)環(huán)境質(zhì)量正在穩(wěn)步提升,生態(tài)環(huán)境也在不斷優(yōu)化,在自然恢復(fù)的基礎(chǔ)上,人類活動(dòng)也有一定的正反饋?zhàn)饔?表明重慶市生態(tài)修復(fù)措施的效果正在顯現(xiàn),具體結(jié)論如下: (1)重慶市2011—2021年整體平均RSEI有50.92%為優(yōu)和良,表明重慶市這一時(shí)間段生態(tài)環(huán)境整體質(zhì)量較高,在空間上表現(xiàn)為東北部較高,西南部較低。 (2)從RSEI變化趨勢來看,2011—2021 年間重慶市RSEI 呈波動(dòng)趨勢上升,平均年際變化率達(dá)到0.00759/a,全年RSEI標(biāo)準(zhǔn)誤為0.0239。同時(shí),極顯著增長區(qū)域面積達(dá)14.41%,顯著增長面積為20.19%,廣泛分布于各區(qū)縣,以快速增長為主,說明生態(tài)建設(shè)成效明顯,但是,在重慶市北部也有快速退化與緩慢退化的區(qū)域,全域共計(jì)18.7%,重慶北部以城口縣為代表的縣區(qū)以溶巖地貌為主,近些年來生態(tài)質(zhì)量下降較為明顯。說明在治理生態(tài)環(huán)境的同時(shí)也不能輕視對石漠化的治理。 (3)從RSEI變化可持續(xù)性來看,重慶市RSEI變化總體持續(xù)性較強(qiáng)。在東北部、北部出現(xiàn)了明顯的反持續(xù)性特征。在未來可能出現(xiàn)波動(dòng)的區(qū)域占21.2%,主要分布在中部、北部,說明該區(qū)域需進(jìn)一步加強(qiáng)生態(tài)建設(shè)工作,防止生態(tài)質(zhì)量水平下降。有53.3%的區(qū)域?qū)⒊收掷m(xù)性,要注意對這些區(qū)域生態(tài)質(zhì)量水平的保持。 (4)使用地理探測器對自然、氣候、人類活動(dòng)三個(gè)方面進(jìn)行因子探測,本文發(fā)現(xiàn),重慶市RSEI空間分布由近地表氣溫、土地利用類型、海拔三個(gè)因子主要決定,其因子解釋力均超過25%,表明這三種驅(qū)動(dòng)因素是重慶市生態(tài)質(zhì)量發(fā)生變化的主要影響因素。 (5)從RSEI空間變化來看2011—2021年重慶市RSEI主要發(fā)生了“較差→中等”、“較差→良”、“中等→良”、“良→優(yōu)”這四個(gè)路徑,整體上重慶市生態(tài)環(huán)境得到優(yōu)化。其演進(jìn)過程已與重慶市及長江上游生態(tài)環(huán)境相關(guān)研究相印證[50—51]。3 結(jié)果與分析
3.1 RSEI空間分布格局
3.2 RSEI空間分布變化
3.3 RSEI空間分布的地理探測
3.4 RSEI時(shí)間變化趨勢
3.5 RSEI時(shí)間變化可持續(xù)性
4 討論與結(jié)論
4.1 討論
4.2 結(jié)論