董春媛,喬榮榮,楊智程,羅立輝,常學(xué)禮,*

1 魯東大學(xué)資源與環(huán)境工程學(xué)院, 煙臺(tái) 264025 2 南京大學(xué)生命科學(xué)學(xué)院, 南京 210008 3 中國科學(xué)院西北生態(tài)環(huán)境資源研究院, 蘭州 730000

生態(tài)環(huán)境質(zhì)量是指一定時(shí)間范圍和區(qū)域內(nèi)對(duì)影響其社會(huì)發(fā)展與人類活動(dòng)的部分或全部生態(tài)因素進(jìn)行定性分析與評(píng)判的區(qū)域性生態(tài)環(huán)境優(yōu)劣程度[1]。區(qū)域生態(tài)環(huán)境質(zhì)量評(píng)價(jià)是國民經(jīng)濟(jì)建設(shè)與可持續(xù)性發(fā)展規(guī)劃的基礎(chǔ),為此國家環(huán)境保護(hù)部在2006年以行業(yè)標(biāo)準(zhǔn)的形式頒布了《生態(tài)環(huán)境狀況評(píng)價(jià)技術(shù)規(guī)范》[2],其后在全國一些省、縣行政單元進(jìn)行了生態(tài)環(huán)境評(píng)價(jià)[3—6]。在應(yīng)用中由于規(guī)范中的核心指標(biāo)生態(tài)指數(shù)(Ecological Index,EI)不具備空間表達(dá)且對(duì)主觀因素(權(quán)重)依賴較大,存在無法精準(zhǔn)落實(shí)到應(yīng)用規(guī)劃圖中的短板[7]。針對(duì)這一問題徐涵秋在2013年提出了一種基于遙感影像信息提取的遙感生態(tài)指數(shù)(Remote Sensing Based Ecological Index,RSEI),該指數(shù)可以很好的彌補(bǔ)EI指數(shù)不能進(jìn)行空間表達(dá)的缺憾,并借助遙感技術(shù)數(shù)據(jù)獲取容易、計(jì)算程序化等優(yōu)點(diǎn)迅速在諸多地區(qū)生態(tài)環(huán)境質(zhì)量變化與評(píng)價(jià)中得到應(yīng)用[7—10]。RSEI是以遙感數(shù)據(jù)計(jì)算的綠度(用歸一化植被指數(shù)(Normalized Difference Vegetation Index, NDVI)表示)、濕度(Wet Index,WI)、干度(用歸一化裸土指數(shù)和建筑指數(shù)(Normalized Difference Building-Soil Index,NDBSI)平均值表示)和熱度(用地表溫度(Land Surface Temperature, LST)表示)四個(gè)指標(biāo)為輸入量,經(jīng)過主成分分析(Principal Component Analysis,PCA)獲得分量,然后用各因子在分量軸上載荷向量值判斷其代表性和對(duì)軸的影響力[11]。與EI相比,RSEI具有客觀、易獲得和二維空間表達(dá)的優(yōu)勢(shì),對(duì)后續(xù)區(qū)域發(fā)展規(guī)劃和生態(tài)環(huán)境質(zhì)量評(píng)價(jià)具有重要支撐意義[12—14]。但是,RSEI評(píng)價(jià)因子NDBSI與LST之間存在的高度正相關(guān)引起導(dǎo)入因子(圖層)生態(tài)學(xué)意義重復(fù)帶來的偏差沒有得到重視;同時(shí)也沒有考慮基于柵格計(jì)算的RSEI如何概括表達(dá)相鄰柵格性質(zhì)差異所帶來的影響,如某一柵格只與另一類柵格相鄰或與多種類型柵格相鄰所產(chǎn)生的RSEI不同無法表達(dá)。那么如何修正上述RSEI計(jì)算中的漏洞?本研究擬采用景觀多樣性指數(shù)(Landscape Diversity Index,LDI)替換LST對(duì)普遍采用的RSEI指數(shù)進(jìn)行改進(jìn),稱其為改進(jìn)遙感生態(tài)指數(shù)(Modified Remote Sensing Ecological Index,MRSEI),主要依據(jù)包括:(1)與其它三個(gè)指標(biāo)相比LST反映的是短時(shí)間尺度地表溫度狀態(tài),而LDI因子與其他因子屬性相似都是相對(duì)較長時(shí)間尺度地表屬性累積狀態(tài)表達(dá);(2)LDI計(jì)算考慮到了基本分析單元周邊的組成類型數(shù)和其面積比例信息量。

在MRSEI應(yīng)用中,若用LDI替代LST首先需要解決的問題是如何確定適合的LDI分析尺度,即:確定LDI尺度依賴特征。已有的景觀尺度效應(yīng)研究表明,在水域分布為特點(diǎn)的巢湖和南四湖分別采用3000 m×3000 m和1000 m×1000 m分析網(wǎng)格(基本分析單元)進(jìn)行研究獲得了較為合理的計(jì)算結(jié)果[15—16];而在山西平朔礦山復(fù)墾生態(tài)恢復(fù)區(qū)的研究則以500 m×500 m網(wǎng)格獲得了較為可信的結(jié)果[17]。由此可以看出不論是在景觀相似或相異區(qū)域其尺度依賴規(guī)律都存在差異[15—18]。因此識(shí)別研究區(qū)LDI尺度依賴特征不僅是MRSEI計(jì)算中首先要確定的問題,同時(shí)也是景觀變化研究中恰當(dāng)?shù)姆治龀叨葢?yīng)用的基礎(chǔ)。

寧夏沿黃平原處于干旱、半干旱交錯(cuò)帶屬于典型人工綠洲。近幾十年高速的非均質(zhì)化的城鎮(zhèn)和農(nóng)田擴(kuò)張導(dǎo)致域內(nèi)生態(tài)環(huán)境質(zhì)量空間異質(zhì)性發(fā)生了極大變化[19—20]。為了深入解析寧夏沿黃平原區(qū)生態(tài)環(huán)境質(zhì)量空間分布特征,本文擬采用景觀多樣性指數(shù)LDI替代LST的RSEI計(jì)算方法對(duì)研究區(qū)生態(tài)環(huán)境質(zhì)量空間分布格局進(jìn)行分析。擬解決的科學(xué)問題是:(1)在干旱半干旱人工綠洲生態(tài)環(huán)境質(zhì)量評(píng)價(jià)中MRSEI計(jì)算的合理性與生態(tài)學(xué)意義解釋;(2)寧夏沿黃平原生態(tài)環(huán)境質(zhì)量空間異質(zhì)性與總體生態(tài)環(huán)境現(xiàn)狀。

1 研究區(qū)概況

寧夏沿黃平原位于寧夏回族自治區(qū)北部,范圍介于北緯 37°20′—39°20′,東經(jīng) 105°0′—107°0′,面積約10831.3 km2(圖1)。該區(qū)北起石嘴山,南止黃土高原,東到鄂爾多斯臺(tái)地,西接賀蘭山。寧夏沿黃平原核心區(qū)是由黃河串聯(lián)起來的衛(wèi)寧灌域和銀川灌域組成的人工綠洲區(qū)域,綠洲所占比例60%以上[20]。研究區(qū)內(nèi)湖泊和濕地密布,人工灌渠縱橫,主要有東干渠、西干渠、漢延渠、唐徠渠等。該區(qū)土壤以隱域性灌淤土和草甸土為主,天然植被以沿黃河分布的沙棗林和零散分布的灌叢濕地植被為主。主要植物種有沙棗(ElaeagnusangustifoliaLinn.)、枸杞(LyciumchinenseMiller)、檉柳(TamarixchinensisLour.)和蘆葦(Phragmitesaustralis(Cav.) Trin. ex Steud.)等為主。該區(qū)是國家級(jí)沿黃經(jīng)濟(jì)區(qū)的核心地區(qū),也是國家生態(tài)功能區(qū)劃中的重點(diǎn)區(qū)域。

圖1 研究區(qū)位置Fig.1 Location of the study area 研究區(qū)涉及到各級(jí)行政邊界來源于全國地理信息資源目錄服務(wù)系統(tǒng)

2 數(shù)據(jù)與方法

2.1 數(shù)據(jù)

為了獲得準(zhǔn)確的景觀多樣性尺度依賴特征,分析過程采用研究區(qū)多年土地利用/覆蓋數(shù)據(jù)平均值進(jìn)行。其中2000年、2010年和2020年數(shù)據(jù)來源于中國向全世界免費(fèi)分享的GLOBELAND30數(shù)據(jù)(http://www.globallandcover.com/)。1975年和1987年由課題組下載的Landsat MSS和TM遙感數(shù)據(jù),在遵循上述產(chǎn)品分類原則并參考中國科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心上世紀(jì)80年代土地利用/覆蓋矢量數(shù)據(jù),通過野外和歷史訪問調(diào)查在寧夏林科院專家指導(dǎo)下解譯完成。研究區(qū)土地利用/覆蓋類型為農(nóng)田、喬木林地、灌木林地、草地、濕地、水體、人工地表和裸地等8類。在Google Earth Engine(GEE)平臺(tái)上對(duì)2020年7月19日和28日的Landsat OLI數(shù)據(jù)進(jìn)行計(jì)算(網(wǎng)址:https://developers.google.com/earth-engine/datasets/catalog/Landsat_LC08_C01_T1_SR),研究區(qū)涉及到的軌道號(hào)分別為:129—33、129—34和130—34。

2.2 方法

2.2.1景觀多樣性指數(shù)與閾值

在已有的研究中RSEI在計(jì)算流程和評(píng)價(jià)因子選擇上基本固定[21—22],在本文研究中為了避免存在評(píng)價(jià)因子生態(tài)學(xué)含義重復(fù)表達(dá)的問題(NDBSI和LST),采用分析確定后最佳分析尺度的LDI替換LST。本文的NDVI、WI和NDBSI計(jì)算與已有文獻(xiàn)一致[7],LDI和RSEI的計(jì)算如下:

景觀多樣性指數(shù)(LDI):借用植物多樣性中Shannon-Weiner index進(jìn)行計(jì)算,計(jì)算過程在ArcGIS的鄰域分析中完成。

(1)

式中,Pi為景觀中第i類土地利用類型(或類型分級(jí))占分析單元面積比例。

由于本文采用基礎(chǔ)土地利用數(shù)據(jù)分辨率為30 m,而且涉及到8類土地利用類型,故文中不同尺度LDI計(jì)算從3×3個(gè)柵格(90 m×90 m)起始,確保最小分析尺度也有包含8種類型的能力。同時(shí),為了減少計(jì)算量,分析單位按照柵格倍數(shù)逐級(jí)增大,從90 m×90 m起,其后依次為300 m×300 m、600 m×600 m、900 m×900 m、1200 m×1200 m、1500 m×1500 m、3000 m×3000 m、4500 m×4500 m、6000 m×6000 m 共9個(gè)梯度。最終LDI尺度依賴性確定采用1975年、1987年、2000年、2010年和2020年共5年的土地利用/覆蓋數(shù)據(jù)計(jì)算結(jié)果平均值判定。

2.2.2評(píng)價(jià)因子歸一化與MRSEI計(jì)算

針對(duì)上述4個(gè)輸入因子在賦值單位和數(shù)值變化幅度上存在差異,需要進(jìn)行標(biāo)準(zhǔn)化處理使指標(biāo)值統(tǒng)一到0—1之間。經(jīng)極差歸一化處理后獲得輸入因子圖層(圖2)。

圖2 PCA分析中的評(píng)價(jià)層Fig.2 Evaluation layer in PCAPCA: 主成分分析 Principal component analysis

(2)

式中, MRSEI為改進(jìn)遙感生態(tài)指數(shù),MRSEI值越大,生態(tài)環(huán)境越好;反之亦然。n表示主成分特征根累積達(dá)到90%以上的分量數(shù),在MRSEI分析中因?yàn)檩斎胍蜃訛?,故1≤n≤4(i為整數(shù))。EVi和ETi分別為某個(gè)評(píng)價(jià)因子的特征值和特征向量。其它因子定義同前。全域可視化表達(dá)是建立在采用歸一化差異水體指數(shù)剔除研究區(qū)內(nèi)水體信息后的基礎(chǔ)上。此外,文中MRSEI空間異質(zhì)性分析是建立在分級(jí)基礎(chǔ)上,分級(jí)原則采用均值標(biāo)準(zhǔn)差法[21],將分級(jí)間距分為4級(jí)(表1中第一和第二列)。

表1 MRSEI分級(jí)

最后,整個(gè)研究區(qū)MRSEI水平(評(píng)價(jià))可通過公式(3)計(jì)算結(jié)果與表1中分級(jí)閾值比較確定研究區(qū)整體生態(tài)環(huán)境質(zhì)量級(jí)別。

(3)

式中,MRSEI為時(shí)間t的遙感生態(tài)指數(shù),Mi為評(píng)價(jià)區(qū)域MRSEI第i類級(jí)別中值,PAi為評(píng)價(jià)區(qū)域MRSEI第i類級(jí)別相對(duì)面積。文中統(tǒng)計(jì)分析在SPSS和Excel中完成,回歸方程顯著性檢查采用F檢查(P<0.001為極顯著),關(guān)聯(lián)系數(shù)顯著性檢查采用R顯著性檢查。閾值分別為R4,0.05=0.811,R4,0.01=0.917和R4,0.001=0.991。需要補(bǔ)充說明的是本文中的MRSEI計(jì)算考慮到了PC軸數(shù)目累計(jì)貢獻(xiàn)率要超過90%,很顯然參與計(jì)算PC軸數(shù)大于等于1,與其它研究在方法上存在一些不同[7—10]。

3 結(jié)果

3.1 LDI的尺度依賴性

從研究采用的5個(gè)時(shí)段以土地利用/覆蓋類型為基礎(chǔ)計(jì)算的LDI平均值的尺度依賴特征來看,存在顯著一元二次方程變化規(guī)律(P<0.001,R=0.988)。在分析矩形邊長6000 m范圍內(nèi)可以捕捉到LDI變化拐點(diǎn)(在3000 m處,圖3中的三角點(diǎn))。當(dāng)分析尺度小于拐點(diǎn)時(shí),LDI增加非常陡峭,大于拐點(diǎn)時(shí)增加趨于平緩。因此文中LDI指數(shù)采用3000 m×3000 m的基本單元計(jì)算,計(jì)算完成后用ArcMap數(shù)據(jù)管理中的重采樣功能,用近鄰法重采樣至30 m×30 m與其它三個(gè)因子圖層在分辨率上保持一致。

3.2 MRSEI主成分分析特征

從PCA輸出評(píng)價(jià)因子與MRSEI的關(guān)聯(lián)分析結(jié)果來看(表2),在所有評(píng)價(jià)因子中NDVI與MRSEI關(guān)聯(lián)程度最大為0.7878,但仍未通過最低統(tǒng)計(jì)學(xué)顯著性檢查(R4,0.05=0.811),說明采用任何一個(gè)因子都無法獲得通過統(tǒng)計(jì)學(xué)顯著性檢查的MRSEI狀況。同時(shí),從各評(píng)價(jià)因子與MRSEI的關(guān)聯(lián)關(guān)系來看特點(diǎn)非常明顯,WI和NDBSI與MRSEI呈負(fù)相關(guān),NDVI和LDI與MRSEI呈正相關(guān)。此外,PCA結(jié)果顯示PC1軸占特征值信息的68.98%,PC2軸占28.76%,二軸合計(jì)承載了特征值97.74%。可以確定,采用此2軸依據(jù)公式(2)可獲得所有參與評(píng)價(jià)因子絕大部分信息。從各評(píng)價(jià)因子對(duì)PC1軸信息集成的貢獻(xiàn)大小(特征向量大小和正負(fù)關(guān)系)來看(表3),PC1主要貢獻(xiàn)者是NDVI,特征向量為0.8901;其它3個(gè)評(píng)價(jià)因子特征向量為負(fù)值,變化在-0.4146—-0.0317之間。PC2主要貢獻(xiàn)者是LDI,特征向量為0.9100,其次是NDVI特征向量為0.4056;WI和NDBSI特征向量為負(fù)且最大不超過-0.0200。

表2 評(píng)價(jià)因子與MRSEI 和RSEI的相關(guān)系數(shù)矩陣

表3 不同評(píng)價(jià)因子PCA分析特征向量與特征值

從LDI替換LST對(duì)PCA結(jié)果的影響來看(表2),在MRSEI中LDI與MRSEI正相關(guān)與RSEI中LST與RSEI關(guān)系相反,說明LDI引入避免了RSEI中LST與NDBSI對(duì)結(jié)果的影響高度一致重復(fù)表達(dá)的不足(二者關(guān)聯(lián)系數(shù)分別為-0.9617和-0.9330)。同時(shí),從統(tǒng)計(jì)學(xué)顯著性檢查結(jié)果來看,在RSEI中4個(gè)評(píng)價(jià)因子關(guān)聯(lián)系數(shù)顯著性都超過了0.05水平,說明在人工綠洲區(qū)采用任一因子單獨(dú)評(píng)價(jià)區(qū)域生態(tài)環(huán)境質(zhì)量也可獲得具有統(tǒng)計(jì)學(xué)意義的結(jié)果,這明顯偏離了PCA分析應(yīng)用的主旨。而反觀MRSEI與評(píng)價(jià)因子的關(guān)聯(lián)分析結(jié)果有效的避免了這種現(xiàn)象發(fā)生(表2)。此外,從PCA向量特征來看RSEI分析中的PC1累計(jì)貢獻(xiàn)率就在91%以上,從多維投影向量合成角度來看,RSEI分析采用的評(píng)價(jià)因子在結(jié)果貢獻(xiàn)上具有相似作用(聚集于PC1);而在MRSEI中PC1貢獻(xiàn)率不足70%,引入的LDI因子在PC2中占優(yōu)勢(shì)并使特征向量貢獻(xiàn)率達(dá)到了28%以上(表3)。這一結(jié)果從細(xì)節(jié)上輔證了LDI替代LST在人工綠洲區(qū)遙感生態(tài)環(huán)境質(zhì)量評(píng)價(jià)中的合理性。

從研究區(qū)總體環(huán)境質(zhì)量評(píng)價(jià)角度來看,在MRSEI評(píng)價(jià)中由于PC1和PC2軸累積貢獻(xiàn)率超過90%以上,故依據(jù)表3中第一、二列數(shù)據(jù)采用公式(2)在ArcMap柵格計(jì)算器中對(duì)PCA輸出的第一、二圖層分別計(jì)算獲得了圖4中的研究區(qū)2020年MRSEI分布現(xiàn)狀圖,其中白色區(qū)域是采用歸一化差異水體指數(shù)剔除的研究區(qū)內(nèi)的水體信息。其后通過對(duì)MRSEI分布現(xiàn)狀圖的屬性表進(jìn)行分析獲得研究區(qū)MRSEI平均值和標(biāo)準(zhǔn)差并依據(jù)表1的原則進(jìn)行分類獲得寧夏沿黃平原區(qū)MRSEI生態(tài)環(huán)境質(zhì)量分級(jí)圖。最后逐級(jí)進(jìn)行MRSEI中值計(jì)算(表1第4列)。

圖4 寧夏沿黃平原區(qū)2020年MRSEI分布現(xiàn)狀與分級(jí)Fig.4 Distribution status and classification of MRSEI of Ningxia Plain along the Yellow River in 2020

3.3 MRSEI空間異質(zhì)性特征

從圖4 的MRSEI分布現(xiàn)狀來看,MRSEI低值區(qū)主要分布在研究區(qū)周邊,即賀蘭山東麓向?qū)幭难攸S平原過渡區(qū)和黃河?xùn)|岸鄂爾多斯臺(tái)地與黃土高原向黃河階地過渡區(qū)。從圖4 的MRSEI生態(tài)環(huán)境質(zhì)量分級(jí)結(jié)果來看,“差”和“較差”級(jí)別在研究區(qū)周邊呈連續(xù)分布格局,其中西側(cè)MRSEI以“差”級(jí)別為主,東側(cè)以“較差”級(jí)別為主。從不同MRSEI級(jí)別分布格局的數(shù)量化特征來看(表4),在分布面積方面,以“較差”級(jí)別面積最大為3528.7 km2,占研究區(qū)的31.9%;其次為“較好”級(jí)別,面積為3370.7 km2,占31.9%;其后依次為級(jí)別“好”和“差”,面積分別為1855.4 km2和1804.8 km2,所占比例分別為17.6%和17.1%。在斑塊密度方面,從“差”到“好”級(jí)別梯度上,斑塊密度為減少趨勢(shì),由“差”級(jí)別的8.3個(gè)/km2減少到5.9個(gè)/km2。說明隨MRSEI增加其分布趨向集中分布,這一點(diǎn)從平均斑塊面積變化特點(diǎn)中可以得到印證,在同一梯度方向平均斑塊面積由0.120 km2增加到0.169 km2。在同類斑塊空間距離方面,“差”和“好”級(jí)別斑塊間相隔相對(duì)較遠(yuǎn),分別為253.4 m和236.2 m,相互之間的連通性相對(duì)較低;“較差”和“較好”級(jí)別分別為210.3 m和206.4 m。相互之間連通性相對(duì)較高。

表4 不同MRSEI級(jí)別空間格局?jǐn)?shù)量特征

最后,研究區(qū)總體MRSEI水平可依據(jù)表4中第一列數(shù)據(jù)與研究區(qū)總面積比和表1中分級(jí)計(jì)算獲取的中值采用公式(3)完成計(jì)算。研究結(jié)果表明研究區(qū)整體MRSEI為0.0117,查表1中分級(jí)閾值可知,研究區(qū)生態(tài)環(huán)境質(zhì)量剛好達(dá)到較好級(jí)別(研究區(qū)MRSEI值為0.0117大于較好級(jí)別最低閾限值0.0116)。

4 討論

從2013年RSEI在中國首次提出并應(yīng)用于福建省長汀縣生態(tài)環(huán)境質(zhì)量評(píng)價(jià)以來[7],RSEI的計(jì)算方法被許多研究者應(yīng)用來分析區(qū)域環(huán)境質(zhì)量[23—28]。這些研究都延續(xù)采用NDVI、WI、NDBSI和LST四個(gè)指標(biāo),這不僅忽視了遙感手段獲取的LST是表征的短時(shí)間尺度地表屬性量[29],而其它三個(gè)指標(biāo)是相對(duì)較長時(shí)間地表屬性累積的反映,也忽視了在許多區(qū)域類型中NDBSI和LST在生態(tài)學(xué)意義解釋上高度相似的性質(zhì)。因?yàn)榇罅窟b感指數(shù)反演研究表明,地表溫度與人工地表和自然裸地有極高的正關(guān)聯(lián)[30—31]。此外,在RSEI分析中把研究基本單元(柵格)設(shè)定成相互獨(dú)立狀態(tài),忽視了柵格與同類或異類或多種異類相鄰在生態(tài)環(huán)境質(zhì)量評(píng)價(jià)中的意義,因此用能夠表達(dá)相鄰柵格異質(zhì)性的生態(tài)環(huán)境評(píng)價(jià)指標(biāo)替代LST成為提高RSEI在生態(tài)環(huán)境評(píng)價(jià)應(yīng)用中的可靠性必須面對(duì)的問題。

LDI是景觀生態(tài)學(xué)研究中使用頻率最高的一個(gè)指數(shù),它是基本分析單元(或研究區(qū))中組成類型多樣性的綜合表達(dá),其大小與組成類型數(shù)和面積比例信息均勻程度相關(guān)。LDI在不同研究區(qū)都表現(xiàn)出隨分析單元大小而變化的尺度依賴特征[32]。從寧夏沿黃平原LDI尺度依賴特征結(jié)果來看,當(dāng)分析尺度(正方形邊長)達(dá)到3000 m時(shí)LDI變化趨于平緩(圖3),在尺度分別增加1.5倍(4500 m)和2倍(6000 m)時(shí),LDI僅分別增了0.069和0.092;在尺度減小0.5倍(1500 m)時(shí),LDI減少了0.123。因此可以推斷,在干旱半干旱人工綠洲區(qū)進(jìn)行景觀多樣性研究中最佳閾值在3000 m。此外,需要指出的是寧夏沿黃平原面積為10831.3 km2,考慮到尺度效應(yīng)不僅受分析單元的影響,而且還受研究區(qū)范圍大小的影響[33],所以其它類似地區(qū)應(yīng)用時(shí)要考慮到研究區(qū)規(guī)模大小,可選擇3000 m×3000 m左右若干梯度做簡約分析獲得適宜分析尺度。

從MRSEI評(píng)價(jià)過程中的PCA結(jié)果來看,用LDI替代LST計(jì)算獲得各因子與MRSEI的關(guān)聯(lián)系數(shù)都未通過統(tǒng)計(jì)學(xué)最低顯著性檢查(R4, 0.05=0.811),說明用LDI替代LST后保持了各評(píng)價(jià)因子對(duì)MRSEI的相互獨(dú)立狀態(tài)(表2),滿足PCA分析n維向量投影條件。從PCA結(jié)果來看,PC1軸占特征值信息的68.98%,其中NDVI具有最大向量投射(0.8901)是決定因子,是影響PC1最大的因子,LDI在PC1軸上向量投射居第二(-0.4146)。其與NDVI比值為-0.4770,作用方向相反,是影響PC1軸性質(zhì)的次要因子。因此,PC1軸在MRSEI中的生態(tài)學(xué)解釋是NDVI和LDI是影響生態(tài)環(huán)境質(zhì)量的主要特征分量,其值越大生態(tài)環(huán)境質(zhì)量越好,這種作用在PC1特征值中居主導(dǎo)作用;相反LDI越大生態(tài)環(huán)境質(zhì)量越差,但這種作用在PC1特征值中居次要作用。對(duì)現(xiàn)狀的解釋為在NDVI高值區(qū),LDI往往處于低水平。其生態(tài)學(xué)意義為大面積高NDVI農(nóng)田和喬木林地分布區(qū)對(duì)應(yīng)地是LDI低值區(qū),這樣的區(qū)域在MRSEI計(jì)算中分值較高。PC2軸占特征值信息的28.76%,其中LDI具有最大向量投射(0.9100)是決定因子,LDI是影響PC2最大的因子,NDVI在PC2軸上向量投射居第二(0.4056)與LDI比值為0.4457,作用與LDI方向一致是影響PC2軸性質(zhì)的次要因子。因此,PC2軸在MRSEI中的生態(tài)學(xué)解釋就是NDVI和LDI是影響生態(tài)環(huán)境質(zhì)量的次要特征分量,NDVI和LDI越大生態(tài)環(huán)境質(zhì)量越好,反之亦然。對(duì)現(xiàn)狀的解釋為在LDI高值區(qū),NDVI往往處于低水平,這樣的區(qū)域在MRSEI計(jì)算中分值較低。其生態(tài)學(xué)意義為若任一分析單元相鄰有多種土地利用/覆蓋類型,其植被生產(chǎn)力對(duì)MRSEI貢獻(xiàn)被弱化。結(jié)合研究區(qū)整體MRSEI水平為0.0117略超過“較好”級(jí)別低限(0.0116),說明在研究區(qū)中NDVI和LDI高值區(qū)重疊現(xiàn)象發(fā)生概率較低。從MRSEI空間異質(zhì)性特點(diǎn)來看,一是以“差”和“較差”級(jí)別多分布在賀蘭山東麓—寧夏平原過渡帶、鄂爾多斯臺(tái)地—寧夏平原過渡帶和黃土高原—寧夏平原過渡帶三個(gè)區(qū)域,呈環(huán)狀圍繞整個(gè)研究區(qū)。二是格局指數(shù)斑塊密度和平均斑塊面積與MRSEI變化具有較好的規(guī)律性,主要表現(xiàn)為在從“差”到“好”梯度上,斑塊密度為減少趨勢(shì),而平均斑塊面積呈增加趨勢(shì)(表4)?？偟膩砜?LDI替代LST進(jìn)行的MRSEI分析首先保證了與原有三個(gè)因子(NDVI、WI和NDBSI)的低關(guān)聯(lián)度,其中與NDVI最高僅為-0.3221(表2),沒有發(fā)生對(duì)MRSEI造成重復(fù)貢獻(xiàn)表達(dá)的結(jié)果。同時(shí),基于MRSEI分級(jí)中值閾值評(píng)價(jià)寧夏沿黃平原區(qū)生態(tài)環(huán)境質(zhì)量總體上處于較好水平。從具體應(yīng)用角度來看,在ArcMap環(huán)境中對(duì)研究區(qū)內(nèi)任一指定范圍(或行政區(qū))的總體生態(tài)環(huán)境質(zhì)量水平評(píng)估可通過表2中值閾值和選定范圍內(nèi)各級(jí)別相對(duì)面積用公式(3)完成計(jì)算。

在MRSEI分析中研究區(qū)自然特征必須予以高度重視。在大多數(shù)情況下采用LDI替代LST在評(píng)價(jià)因子屬性代表性和生態(tài)學(xué)解釋上是可行的,因?yàn)槠溆行У乇苊饬薘SEI分析中評(píng)價(jià)因子NDBSI和LST之間存在的生態(tài)學(xué)意義重復(fù)表達(dá)和多因子向量投影中的高度聚集。但是在特殊地理單元如青藏高原等常年凍土分布區(qū)和不同沙丘(固定、半固定等)類型為主的地貌類型區(qū)域,LST作為極其重要的指標(biāo)是否適用需要慎重考慮。但是LST所反映的短時(shí)間尺度屬性必須通過恰當(dāng)方法(多數(shù)據(jù)統(tǒng)計(jì)等)改進(jìn),增強(qiáng)其與其它評(píng)價(jià)因子在時(shí)間尺度代表性上相對(duì)匹配。

5 結(jié)論

在寧夏沿黃平原區(qū)基于土地利用/覆蓋分類的景觀多樣性指數(shù)具有顯著的尺度依賴特征(P<0.001),閾值出現(xiàn)在3000 m×3000 m。PCA解釋了研究區(qū)生態(tài)環(huán)境質(zhì)量主要受到NDVI和LDI影響,其中NDVI是PC1(特征值貢獻(xiàn)率68.98%)的決定因子,特征向量為0.8901;LDI為次要決定因子,特征向量為-0.4146,該類型區(qū)在MRSEI計(jì)算中分值較高。LDI是PC2(特征值貢獻(xiàn)率28.76%)的決定因子,特征向量為0.9100;NDVI為次要決定因子,特征向量為0.4056。研究區(qū)空間異質(zhì)性主要以“差”和“較差”級(jí)別分布在不同土地利用/覆蓋類型交錯(cuò)區(qū)且呈環(huán)繞研究區(qū)為主要特點(diǎn)。在MRSEI由“差”到“好”梯度上,數(shù)量特征主要表現(xiàn)為斑塊密度為減少趨勢(shì)由8.3 個(gè)/km2減少到5.9 個(gè)/km2,而平均斑塊面積呈增加趨勢(shì)由0.120 km2增加到0.169 km2。綜合來看寧夏沿黃平原區(qū)生態(tài)環(huán)境質(zhì)量總體MRSEI值為0.0117處在較好水平。