摘" 要：東營黃河入?？谟捎谑艿阶匀?、人為等多種原因的影響，生態(tài)系統(tǒng)日趨薄弱，已成為制約其可持續(xù)發(fā)展的重要因素。對此利用改進的RSEI以黃河三角洲為研究對象，對東營市黃河入?？?000—2020年的生態(tài)環(huán)境進行監(jiān)測與定量評估。研究結(jié)果顯示，①改進型RSEI可以將4個自然生態(tài)因子和2個人為因素的信息集中起來，從而可以對生態(tài)環(huán)境作出較精確的評估；②黃河三角洲地區(qū)的生態(tài)環(huán)境呈現(xiàn)出明顯的空間分布特征，由內(nèi)陸地區(qū)到沿海地區(qū)，生態(tài)環(huán)境狀況呈遞減趨勢；③2000—2020年，東營黃河入?？诘纳鷳B(tài)環(huán)境狀況先輕微變好后逐漸惡化。

關(guān)鍵詞：改進遙感生態(tài)指數(shù)（IRSEI）；主成分分析；環(huán)境評價；生態(tài)因子；人為因素

中圖分類號：TP79" " " " 文獻標志碼：A" " " " " 文章編號：2095-2945（2023）14-0018-04

Abstract： Due to the influence of natural， man-made and other reasons， the ecosystem of the Dongying Yellow River estuary is becoming weaker and weaker， which has become an important factor restricting its sustainable development. Taking the Yellow River Delta as the research object， the improved RSEI is used to monitor and quantitatively evaluate the ecological environment of the Yellow River Estuary in Dongying City from 2000 to 2020. The results show that， the improved RSEI can centralize the information of four natural ecological factors and two man-made factors， thus can make a more accurate assessment of the ecological environment; the ecological environment of the Yellow River Delta region shows obvious spatial distribution characteristics， from inland areas to coastal areas， the ecological environment shows a decreasing trend; and from 2000 to 2020， the ecological environment of the estuary of the Dongying Yellow River first improved slightly and then gradually deteriorated.

Keywords： improved remote sensing ecological index （IRSEI）; principal component analysis; environmental assessment; ecological factors; human factors

黃河三角洲是全國面積最大、最年輕、最完整的暖溫帶濕地生態(tài)系統(tǒng)。作為山東省“藍-黃”經(jīng)濟區(qū)核心區(qū)域的黃河地區(qū)，水庫建設(shè)、油田開發(fā)和養(yǎng)殖業(yè)等人類活動日趨頻繁。由于全球氣候變化、社會經(jīng)濟發(fā)展等原因，生態(tài)環(huán)境受到了極大的影響。通過對黃河三角洲生態(tài)環(huán)境的評價，可以為區(qū)域生態(tài)環(huán)境的可持續(xù)發(fā)展奠定基礎(chǔ)。RSEI是將可以反映生態(tài)問題的綠度指標、濕度指標、干度指標和熱度指標通過主成分分析方法進行耦合，是一個可以量化的生態(tài)質(zhì)量指數(shù)。本文利用改進的遙感生態(tài)指數(shù)（IRSEI）在時間尺度上的綜合代表性，對黃河地區(qū)20年來的生態(tài)環(huán)境質(zhì)量時空變化特征進行了綜合研究。旨在為東營河口地區(qū)的生態(tài)環(huán)境治理和保護工作提供科學的參考。

1" 研究區(qū)概況與數(shù)據(jù)預處理

1.1" 研究區(qū)概況

本論文以東營市黃河入?？诘娜侵逓檠芯繉ο?，以墾利縣為基點，以東營市管轄區(qū)為中心；其中東部為河口區(qū)、利津縣，北部為墾利縣。圖1為黃河三角洲研究區(qū)域。

1.2" 遙感數(shù)據(jù)

本研究選取了2000、2010、2020年10月份的Landsat5 TM、Landsat7 ETM+遙感圖像，云覆蓋量小于2%。應(yīng)用 ENVI5.3進行了衛(wèi)星遙感影像的輻射校準，大氣修正等操作，圖像經(jīng)過配準，平均偏差在0.5個像元以內(nèi)。東營黃河入海口3個時期30 m空間分辨率資料由美國地質(zhì)調(diào)查局（USGS）下載，并使用了資源與地球科學與衛(wèi)星研究中心提供的人口空間分布與土地利用資料，其分類準確率在85%以上。

2" 研究方法

2.1" IRSEI的構(gòu)建

本文采用歸一化植被指數(shù)（Normalized Difference Vegetation Index，NDVI）、纓帽變換獲得的濕度成分（WET）、干度指數(shù)（Normalized Difference Soil Index，NDSI）、地表溫度（Land Surface Temperature，LST）、土地利用指標（Land Use Intensity，LUI）[1-2]、人口分布指標（PDI）[3-4]作為評價指標。利用主成分對綠度、干度、濕度、熱度、土地利用以及人口分布6個指標進行了主成分的統(tǒng)計。各指標計算公式均參考相關(guān)文獻。

2.2" 生態(tài)因子指標

綠度指標：NDVI與植物的覆蓋度、生物量、葉表面積等關(guān)系緊密，是植物生長狀況的重要參數(shù)之一[5]。

濕度指標：纓帽變換為一種以多波段為基礎(chǔ)的直線轉(zhuǎn)換方法，經(jīng)轉(zhuǎn)換后的濕度成分能較好地反應(yīng)出土壤及植物的含水量，本文選取WET[6]作為濕度指數(shù)。

干度指標：采用裸露土壤（SI）[6]和建筑指數(shù)（IBI）[7]組成的干度指標（NDSI）。

熱度指標：采用地面氣溫（LST）[8]作為衡量氣溫指數(shù)的依據(jù)。利用輻照比例法將原圖像DN轉(zhuǎn)換成輻照度。

土地利用指標：土地使用指數(shù)是反映生態(tài)環(huán)境狀況的一種表現(xiàn)形式，是人對自然的反應(yīng)。

人口分布指標：東營入?？谌丝跀?shù)量增長迅速，對生態(tài)質(zhì)量影響較大，因此以人口空間分布數(shù)據(jù)來表示人口分布指標。

2.3" 水體掩膜及標準化處理

利用纓帽變換中的濕度分量（WET）來反映植被和土壤含水量，而在WET數(shù)據(jù)中，水體占據(jù)了很大比例，從而降低了水分含量對裸土、巖石等的影響，導致計算的WET無法準確的描述植物和水分。為此，對研究區(qū)域的水體采取了水體掩膜。本文利用MNDWI[9]技術(shù)對水體進行了掩膜。

由于各個生態(tài)因子的指標都是不一致的，如果用主成分的方法來進行，則會造成各指標的權(quán)重不平衡，需要對其進行規(guī)范化處理，把它的量綱統(tǒng)一為[0，1]。

NIi=（Ｉi-Imin）/（Imax-Imin） ， （1）

式中：NIi是一個被規(guī)范化的指標；Ii是一個指數(shù)在象元i上的數(shù)值；Imin是最小的數(shù)；Imax是最大的數(shù)。

2.4 主成分分析

采用主成分分析[10-11]，能較好地去除各個波段的冗余度，將多頻帶圖像壓縮為具有較高效率的若干自相關(guān)頻帶，IRSEI指標將綠度、濕度、干度和熱度綜合起來，利用ENVI5.3的主成分分析模型對其進行了歸一化，對NDVI、WET、NDSI、LST、LUI和PDI影像進行分析處理，得出了表1所示的主要成分的統(tǒng)計值。

2000—2020年，各年P(guān)C1中代表濕度的WET，代表綠度的NDVI均呈正值，這表明它們對生態(tài)系統(tǒng)產(chǎn)生了積極的作用。主成分法能夠得到多個主成分，且主成分的相應(yīng)特征值越低，所含的信息越少，3個主要成分PC1、PC2、PC3的累積貢獻比例超過95%，說明這3個主要成分都是最具代表性的。IRSEI指標是由3個主要成分的加權(quán)相加得出的，其權(quán)重為每個獨立成分的本征值貢獻。

ＩＲＳＥＩ＝■（ei×pci）， （2）

式中：ei為第i主成分所對應(yīng)的特征值貢獻率；pci為主成分。

通過對各個時期圖像的IRSEI指標進行規(guī)范化，以更精確地對比各個時期圖像的差別。IRSEI值愈高，說明其生態(tài)狀況愈好；距離0愈近，則說明生態(tài)狀況變差。

3" 結(jié)果分析

3.1" 模型檢驗

為了測試生態(tài)指標 IRSEI的整體代表性，本文在表2中對同一時段的IRSEI、WET、NDVI進行了測算；利用NDSI和LST之間的關(guān)聯(lián)關(guān)系，對該方法的適應(yīng)性進行了驗證。IRSEI在2000—2020年間的關(guān)聯(lián)性很高，在0.66—0.71之間；3年間關(guān)聯(lián)指數(shù)的平均值為0.69，均高于NDVI、NDSI和WET和LST。這表明IRSEI是一個包含絕大多數(shù)指標的信息，其具有較強的代表性，能夠較好地體現(xiàn)出區(qū)域的環(huán)境質(zhì)量。

3.2" 東營黃河入?？贗RSEI分級評價

2000、2010、2020年東營黃河入海口的IRSEI均值分別為0.68、0.72、0.61，先上升后下降，表明研究區(qū)的生態(tài)環(huán)境質(zhì)量顯示得到了改善又再次惡化；NDVI、WET、NDSI、LST均呈上升后下降的趨勢；而LUI在整個周期內(nèi)都呈下降趨勢；PDI呈上升趨勢。

為進一步分析2000—2020年東營黃河入?？诃h(huán)境質(zhì)量和空間格局變化，年度 IRSEI按優(yōu)（0.8～1.0）、良（0.6～0.8）、中（0.4～0.6）、較差（0.2～0.4）、差（0～0.2）進行分級，分級結(jié)果如圖2所示。從表格3可以看出，東營黃河入海口2000、2010、2020年這3年生態(tài)狀況為優(yōu)的比例分別為：14.66%、42.94%、2.44%，整體呈先上升后下降的趨勢，其中2020年較2010相比下降尤為明顯，優(yōu)和良2個等級的生態(tài)環(huán)境所占比例分別為77.17%、73.26%、56.69%，呈下降趨勢，等級為差的比例分別為0.01%、0.01%、0.04%，先不變，后上升，但整體變化不大。這說明東營黃河入海口生態(tài)狀況總體好轉(zhuǎn)后下降，生態(tài)狀況日趨惡劣。

3.3" 東營黃河入?？贗RSEI時間變化特征

圖3為東營黃河入?？?000—2020年IRSEI的時間變化圖。為了反映研究區(qū)的生態(tài)環(huán)境的時空演變特點，本文將2020、2000年東營黃河入?？诘腎RSEI做差，結(jié)果分為明顯變差、輕微變差、基本無變化、輕微變好和明顯變好5個等級。結(jié)果顯示如圖3。與2000年相比，2020年內(nèi)陸生態(tài)環(huán)境質(zhì)量基本沒變化，沿海區(qū)域生態(tài)環(huán)境輕微變差。

4 結(jié)束語

為了對東營黃河入?？谏鷳B(tài)環(huán)境質(zhì)量進行評價，本文建立了改進RSEI的生態(tài)環(huán)境評估指標，以2000、2010、2020年10月份的Landsat5 TM、Landsat7 ETM+遙感數(shù)據(jù)、東營土地利用數(shù)據(jù)和人口空間分布數(shù)據(jù)集為基礎(chǔ)進行研究。結(jié)果表明，東營黃河入?？诘狞S河三角洲地區(qū)的生態(tài)環(huán)境在自然、人為因素等方面都表現(xiàn)出明顯的空間差異，即由內(nèi)陸到沿海生態(tài)環(huán)境惡化，內(nèi)陸多數(shù)地區(qū)為中等水平；2000—2020年研究區(qū)生態(tài)環(huán)境整體水平有略微明顯的降低，生態(tài)環(huán)境改善的區(qū)域以生態(tài)林、草場、畜牧養(yǎng)殖和黃河的入?？跒橹?，生態(tài)環(huán)境質(zhì)量總體上表現(xiàn)為從“良好”到“輕微變好”再到“輕微變差”的變化。

參考文獻：

[1] 韋仕川，吳次芳，楊楊，等．基于RS和GIS的黃河三角洲土地利用變化及生態(tài)安全研究——以東營市為例[J]．水土保持學報，2008，22（1）：185－189．

[2] 黃玉芳，婁廣艷，葛雷，等.基于時間序列遙感的2020年黃河三角洲濕地補水效果監(jiān)測[J].人民黃河，2021，43（7）：89-93.

[3] 劉睿，周李磊，彭瑤，等.三峽庫區(qū)重慶段人類活動時空分布及其類型演變特征[J].重慶師范大學學報（自然科學版），2016，33（4）：47-56，230.

[4] 徐勇，孫曉一，湯青.陸地表層人類活動強度：概念、方法及應(yīng)用[J].地理學報，2015，70（7）：1068-1079.

[5] 于海達，楊秀春，徐斌，等.草原植被長勢遙感監(jiān)測研究進展[J].地理科學進展，2012，31（7）：885-894.

[6] RIKIMARU A， ROY P S， MIYATAKE S. Tropical forest cover density mapping[J].Tropical Ecology，2002，43（1）：39-47.

[7] 徐涵秋.一種基于指數(shù)的新型遙感建筑用地指數(shù)及其生態(tài)環(huán)境意義[J].遙感技術(shù)與應(yīng)用，2007（3）：301-308.

[8] IMHOFF M L， ZHANG P， WOLFE R E， et al. Remote sensing of the urban heat island effect across biomes in the continental USA - ScienceDirect[J]. Remote Sensing of Environment，2010，114（3）：504-513.

[9] 徐涵秋.利用改進的歸一化差異水體指數(shù)（MNDWI）提取水體信息的研究[J].遙感學報，2009，9（5）：589-595.

[10] 李艷雙，曾珍香，張閩，等.主成分分析法在多指標綜合評價方法中的應(yīng)用[J].河北工業(yè)大學學報，1999，28（1）：94-97.

[11] 潘立新.基于主成分分析的都市圈城市旅游競爭力評價[J].統(tǒng)計與決策，2016，31（14）：44-46.