汪士為, 吳 偉

(1.湖北汽車工業(yè)學院, 湖北 十堰 442002; 2.武漢大學 水資源與水電工程科學國家重點實驗室, 武漢 430072)

生態(tài)環(huán)境質量是人類活動與自然環(huán)境共同作用的結果,與人類生存和社會經濟發(fā)展密切相關[1]。然而近100年以來,人類活動的持續(xù)增加導致大規(guī)模的生態(tài)系統(tǒng)擾動,這對全球碳循環(huán)有相當大的影響,也會加劇全球氣候變化,從而導致各種各樣的生態(tài)問題(如植被退化、生物多樣性喪失以及極端氣候事件增加)[2-3]。嘉陵江作為長江上游重要的生態(tài)屏障和水源涵養(yǎng)地[3],因布局了大量的采礦冶煉企業(yè)以及頻繁出現的自然災害等,使嘉陵江流域部分地區(qū)生態(tài)環(huán)境逐漸惡化[4-5]。因此,我國推出了一系列生態(tài)修復工程,這使嘉陵江流域生態(tài)狀況格局發(fā)生了巨大變化。厘清嘉陵江流域目前的生態(tài)環(huán)境質量時空狀況及其演化的主要驅動因子,對認清嘉陵江流域生態(tài)環(huán)境現狀及后期制定切實可靠的保護戰(zhàn)略和制度至關重要。

隨著3S技術的快速發(fā)展,衛(wèi)星遙感已經成為動態(tài)監(jiān)測生態(tài)環(huán)境要素和評估生態(tài)環(huán)境變化的有效技術手段[6-7]。在遙感技術發(fā)展的基礎上,我國環(huán)境保護部于2006年提出了以生物豐度指數、植被覆蓋指數、水網密度指數、土地退化指數和環(huán)境質量指數為基礎的生態(tài)指數(EI)[8]。此后,很多學者利用多時相遙感數據通過構建反映生態(tài)環(huán)境的相關指數對我國甚至全球的生態(tài)環(huán)境質量進行了評價[9-11]。然而因EI獲取指數困難和數據更新周期較長等原因,目前常用的生態(tài)環(huán)境質量評價模型多使用單一生態(tài)指數[10]。如反映植被生長狀況的歸一化差異植被指數(NDVI)[11]、增強型植被指數(EVI)[12]和葉面積指數(LAI)[13],反映城市生態(tài)熱島效應的地表溫度[14],反映區(qū)域干旱狀況的各種干旱指數(標準化降水蒸散指數(SPEI)[15]、溫度植被干旱指數(TVDI)[16])。雖然這些單一指數能夠較好地反映生態(tài)環(huán)境的某一方面,但生態(tài)系統(tǒng)是一個特別復雜的系統(tǒng),單一指數無法全面準確地描述生態(tài)環(huán)境[17-18]。基于以上問題,有學者提出通過兩個或多個度量的聚合指數來監(jiān)測生態(tài)狀態(tài),從而實現生態(tài)環(huán)境的高精度監(jiān)測[19],也有一些學者使用層次分析法和壓力—狀態(tài)—響應(PSR)模型綜合多個指標構建綜合指標評估生態(tài)環(huán)境[20]。但這些指標權重確定比較困難,且在計算過程中人為干預較多,因此無法精確地描述區(qū)域生態(tài)環(huán)境質量。因此,徐涵秋[21]于2013年提出了一項包括代表氣候和地表生物物理變量的遙感的生態(tài)指數(RSEI),該指數利用主成分分析耦合了表示地表植被覆蓋和生長情況的綠色指數(NDVI)、表示土壤的濕度狀況的濕度(WET)指數、表示地表干旱程度的干燥度指數(NDBSI)和反映地表熱度情況的熱量指數(LST)。該指數彌補了EI,PSR和聚合指數的人為主觀權重設定、指標難獲取性、結果無法進行可視化的不足,能對區(qū)域生態(tài)環(huán)境狀況進行客觀定量評價,成為區(qū)域生態(tài)環(huán)境質量監(jiān)測和評估的新方法,比了EI,PSR和聚合指數更有利于評估不同土地覆蓋區(qū)域和不同地形的生態(tài)環(huán)境狀況。如章程焱等[5]基于RSEI指數研究發(fā)現嘉陵江下游生態(tài)環(huán)境質量顯著退化趨勢;Yang等[22]基于RSEI發(fā)現長江流域整體生態(tài)質量有所改善,但橫斷山脈區(qū)域有所下降,且地表溫度是RSEI變化的主導因子;Zhou等[23]也基于RSEI指數發(fā)現2000—2018年太湖流域整體生態(tài)環(huán)境質量呈現快速下降階段(2000—2010年)和緩慢下降階段(2010—2018年)。以上研究基于RSEI均較好地反映了不同區(qū)域的生態(tài)環(huán)境質量狀況,但通過查閱已有的文獻發(fā)現目前對基于RSEI指數的嘉陵江流域生態(tài)環(huán)境質量監(jiān)測和驅動機制的研究暫未檢索到。而現存的嘉陵江流域生態(tài)監(jiān)測的研究多基于單一指標進行研究。如胡孟珂[7]基于NDVI探究了2001—2020年嘉陵江流域的植被覆蓋度;王世杰等[24]基于SPEI研究了近60年的嘉陵江流域干旱情況。因此亟需通過一種能夠全面反映嘉陵江流域生態(tài)環(huán)境質量的指標探理清嘉陵江流域生態(tài)環(huán)境質量變化的驅動機制、空間分異特征。其次,嘉陵江流域生態(tài)環(huán)境質量監(jiān)測是生態(tài)系統(tǒng)動態(tài)監(jiān)測的一項長期性、經常性的監(jiān)測任務之一。

基于此,本文基于Google Earth Engine(GEE)平臺提供的Landsat數據構建RSEI指數,基于RSEI探究嘉陵江流域1990—2020年生態(tài)環(huán)境質量時空動態(tài)及自然因素和人為因子對其變化的驅動情況,旨在為未來嘉陵江流域生態(tài)環(huán)境保護戰(zhàn)略與經濟發(fā)展戰(zhàn)略的協(xié)調發(fā)展提供理論依據。

1 研究區(qū)與研究方法

1.1 研究區(qū)概況

嘉陵江(102°—109°E,29°—34°N)是長江上游左岸的主要支流,發(fā)源于陜西秦嶺山脈,向西南流經陜西、甘肅、四川和重慶并于重慶市的朝天門匯入長江干流,全長1 120 km2,流域內面積為15.98萬 km2(圖1)。嘉陵江是長江支流中流域面積最大、流量第二的大河,占整個長江流域面積的近9%。嘉陵江流域具有豐富的地貌類型,上游段主要為山地地形,中游段為盆地和丘陵,下游段流經四川盆地東部平行峽谷區(qū),形成了峽谷河流。嘉陵江流域落差海拔有2 300 m[7],大部分地區(qū)屬于亞熱帶濕潤季風氣候。中下游地段冬季溫暖多霧,上游則多霜雪風暴,春夏季節(jié)多春旱和初夏干旱天氣。年均降水量1 000 mm以上,氣溫1月-4～10℃,7月14～ 32℃[8-9]。本文使用的嘉陵江流域邊界數據源于地理遙感生態(tài)網(http:∥www.gisrs.cn/infofordata)提供的全國二級流域邊界數據。

圖1 嘉陵江流域DEM和坡度空間分布

1.2 數據來源與處理

(1) 遙感數據:遙感數據使用Google Earth Engine(GEE)平臺上提供的已經過了輻射定標、大氣校正等預處理的30 m空間分辨率的陸地衛(wèi)星TM和OLI/TIRS數據的地表反射率數據構建本文RSEI指數需要的歸一化差異植被指數(NDVI)、纓帽變換的濕度分量(WET)、歸一化差異不透水表面指數(NDBSI)和地表溫度(LST)。其中,NDVI表示地表植被覆蓋和生長情況,是反映區(qū)域生態(tài)環(huán)境質量的敏感因素;纓帽變換獲取的濕度分量WET能夠較好地反映地表植被和土壤的濕度狀況;裸土和建筑用地均會造成地表“干化”,本研究利用建筑指數和裸土指數構建NDBSI用于表示地表干燥化;LST是指示地表與大氣之間物質能量交換的重要參數,用于反映地表熱度情況。本文通過多次對比試驗選擇每年的4—10月份的遙感數據作為RSEI計算的基礎數據,因為該階段為嘉陵江流域植被生長階段,能更好地體現RSEI指數的特性。NDVI,NDBSI,WET和LST的計算公式見文章“1.3.1遙感生態(tài)指數(RSEI)計算方法”章節(jié)。

(2) 氣象數據(氣溫(TEM)、降水(PER)和風速(WIN)):1990—2020年的氣息數據源于中國氣象數據網站(http:∥data.cma.cn/data/cdcdetail/dataCode)提供的氣溫、降水和分速的月數據。采用基于樣條函數插值理論的專業(yè)氣象插值軟件ANUSPLINE,以DEM數據為協(xié)變量,對氣溫、降水和飛速數據進行空間插值獲得30 m的柵格數據。

(3) 高程數據(DEM):30 m的DEM數據源于GEE平臺提供的SRTM DEM產品。坡度數據(SLOPE)是基于DEM數據使用ArcGIS軟件提供的Slope工具計算得到。

(4) 1990—2020年的土地利用數據(LUCC)、人口數據(POP)和國內生產總值(GDP)來源于中國科學院資源環(huán)境科學數據平臺(http:∥www.resdc.cn)。土地利用數據包括草地、林地、耕地、建設用地、水域和未利用地。

1.3 研究方法

1.3.1 遙感生態(tài)指數(RSEI)計算方法 遙感生態(tài)指數(RSEI)從反映生態(tài)質量的眾多自然因素中選擇與人類生存相關的4個因素作為生態(tài)評價因素[21],該指數利用主成分分析耦合了表示地表植被覆蓋和生長情況的綠色指數(NDVI)、表示土壤的濕度狀況的濕度(WET)指數、表示地表干旱程度的干燥度指數(NDBSI)和反映地表熱度情況的熱量指數(LST)。其中,NDVI和NDBSI指標可以反映生態(tài)環(huán)境對人類活動引起的土地覆蓋變化的生態(tài)響應,LST和WET揭示了生態(tài)質量對代表氣候變化的響應,4個生態(tài)指標綜合起來能夠直觀地反映區(qū)域生態(tài)環(huán)境惡劣情況[21]。4個指標的計算如下:

(1) 綠度指標NDVI。歸一化差異植被指數(NDVI)是應用最廣泛的植被指數之一,許多生態(tài)學研究均證明了其有用性[12-13]。因此,本文選擇NDVI作為綠度指數,計算公式為(1):

NDVI=(ρnir-ρred)/(ρnir-ρred)

(1)

式中:ρnir為遙感圖像的近紅外波段;ρred為紅光波段。

(2) 熱度指標LST。熱度指標由地表溫度(LST)表示。雖然Landsat 8 TIRS傳感器中有兩個熱紅外波段,但由于波段11的輻射校準問題,本文僅選擇了波段10來反演LST[18]。當然,對于TM,我們仍然得到了基于波段6的LST[19]。首先,將數字(DN)值轉換為傳感器孔徑處的光譜輻射亮度(Lλ),表示為: LST的計算公式見(2):

Lλ=Grescale×Qcal+Brescale

(2)

式中:其中Grescale是特定于頻帶的重新縮放增益因子;Qcal是量化的校準像素值(DN);Brescale是不同于頻帶的重縮放偏置因子。傳感器處光譜輻射亮度(Lλ)可使用公式(3)轉換為傳感器亮度溫度下的有效輻射亮度:

(3)

式中:Tλ是傳感器亮度溫度下的有效值;K1(TM波段6為607.76 W/(m2·sr·μm),TIR波段10為774.89 W/(m2·sr·μm)和K2(TM波段4為260.56 K,TIR波段10為1 321.08 K)分別是校準常數1,2。最后,使用Tλ獲得LST,公式表示見(4):

(4)

式中:λ是發(fā)射輻射的波長(TM波段6為11.435 μm,TIR波段10為10.9 μm);ρ為常數(1.438×10-2mK);ε是表面發(fā)射率,可通過使用Sobrino模型的NDVI估算[20]。

(3) 濕度指標WET。對地表濕度信息較為敏感的纓帽變換濕度分量(TCW)已被證明對植被、水和土壤濕度條件較為敏感[14]。因此,本文選擇TCW作為濕度指數(WET),并且可以分別使用方程(5) 和(6) 來估計Landsat TM和Landsat 8的濕度指數[23]:

WETtm=0.0315ρ1+0.2012ρ2+0.3102ρ3+
0.1594ρ4-0.6806ρ5-0.6109ρ6

(5)

WEToli=0.1511ρ1+0.1973ρ2+0.3283ρ3+
0.3407ρ4-0.7117ρ5-0.4559ρ6

(6)

式中:ρi(i=1,2,3,…,6)分別為TM和OLI傳感器對應的藍光波動、綠光波段、紅光波段、近紅外波段、短波紅外波段1和短波紅外波段2。

(4) 干度指標NDBSI。由于建設用地和裸露土壤會對區(qū)域生態(tài)環(huán)境造成嚴重危害。因此,本文選擇了歸一化差異不透水表面指數(NDBSI)結合基于指數的建成指數(IBI)和土壤指數(BSI)表征研究區(qū)干燥度,其計算公式見(7—9):

NDBSI=(BSI+IBI)/2

(7)

BSI=〔(S1+ρred)-(ρblue+ρnir)〕/〔(S1+ρred)+(ρblue+ρnir)〕

(8)

(9)

式中:S1,ρred,ρgreen,ρnir,ρblue分別表示TM和OLI對應的短波紅外、紅光、綠光、近紅外和藍光波段

(5) 遙感生態(tài)指數構建RSEI。通過主成分分析(PCA)將上述獲得的4個成分指標進行耦合,并使用第一個主成分(PC1)構建RSEI,其最大優(yōu)點是綜合指標的權重不是人為確定的,而是根據每個指標對PC1的貢獻自動客觀地確定。因此,在計算中避免了由于權重設置而導致的結果的可能偏差,該權重設置因個人和方法而異,這大大提高了結果的客觀性和可信度。由于上述4個因素的維度不均勻,如果直接使用這些因素來計算PCA,每個指標的權重都會不平衡。因此,在預處理后進行主成分分析(PCA)之前,需要對這4個指標進行歸一化以實現單位統(tǒng)一。采用PCA方法將NDVI,LST,WET,NDBSI的信息集中到第一主成分上,其是根據各指標在主成分的貢獻度和自身的性質確定權重,減少了人為賦值的誤差。為了避免水體對主成分載荷的影響和指標量綱不統(tǒng)一對權重的影響,在進行主成分之前進行了如下處理:(1) 使用改進的歸一化差異水體指數(MDNWI)掩膜去除水體。(2) 由于這4個指標不一致性,在預處理后進行主成分分析(PCA)之前對這4個指標進行歸一化以實現單位統(tǒng)一[21]。

MNDWI計算公式見(10):

MNDWI=(ρgreen-ρmir)/(ρgreen+ρmir)

(10)

式中:ρgreen,ρmir分別表示TM和TIR對應的綠光波段和中紅外波段。

指標歸一化公式見(11):

NIi=(Ii-Imin)/(Imax-Imin)

(11)

式中:NIi為個指標歸一化結果;Ii為各指標在第i像元的值;Imax和Imin分別為各指標最小值和最大值。

RSEI計算公式見(12)、(13):

RSEI0=1-PC1〔f(NDVI,WET,LST,NDBSI)〕

(12)

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

(13)

式中:PC1為4個指標歸一化后指標通過第一主成分分析的結果,為了方便分析,對其進行正負值轉置。RSEI0為轉置后結果,4個指標分別參與徐涵秋等[21]的研究成果,具體計算公式見文獻[21]。RSEI0max和RSEI0min分別為RSEI0最大值和最小值。

1.3.2 RSEI變化趨勢分析 采用Sen趨勢法探究1990—2020年嘉陵江流域RSEI變化趨勢和變化速率。Sen斜率的計算公式見(14)[11]:

(14)

式中:β為RSEI變化趨勢;Median為取中值函數;當β>0時,RSEI呈增加趨勢;β<0時,RSEI呈減小趨勢。

1.3.3 RSEI對不同驅動因子的響應—地理探測器 地理探測器是將自變量空間分布與潛在因素分布進行比較,適用于測量空間分層非均質性程度的空間分析方法[25]。本文利用地理探測器分析嘉陵江流域RSEI的空間分布特性,以及探測不同因子與RSEI的相關性程度,用q值解釋這個程度。公式見(15):

(15)

2 結果與分析

2.1 各指標主成分分析

本文通過對1990年、2000年、2010年、2020年的4個指標進行主成分分析,得到結果見表1。從表1可以看出4期影像各指標的第一主成分的貢獻率分別為97.588%,97.658%,98.327%和98.003%,表明第一主成分包含了4個指標的大部分信息,可以使用第一主成分構建RSEI指數。其中,代表植被覆蓋度的NDVI和代表地表濕度的WET在第一主成分上的載荷均為正,表明NDVI和WET對RSEI具有正向作用,而代表地表溫度的LST和代表建筑和土地硬化程度的NDBSI在第一主成分的載荷均為負,表明二者對RSEI具有負向作用,而其主成分(P2-P4)則無明顯規(guī)律可循,基本不能揭示嘉陵江流域生態(tài)環(huán)境質量狀況。這一結果與王麗霞[26]、魏雨涵[27]和Huang[28]等的研究結論一致。因而本文后續(xù)研究將采用第一主成分的值來構建嘉陵江流域的RSEI模型。其中,第一主成分值越高,代表生態(tài)環(huán)境質量越好,反之亦然。

表1 嘉陵江流域1990年、2000年、2010年、2020年各指標主成分結果Table 1 Principal component results of indicators of Jialing River basin in 1990, 2000, 2010 and 2020

2.2 嘉陵江流域RSEI的空間分布特征

本文基于文獻[20],將 RSEI劃分為RSEI<0.2(差),0.2≤RSEI<0.4(較差),0.4≤RSEI<0.6(中等),0.6≤RSEI<0.8(良好)和RSEI≥0.8(優(yōu))5個等級。從嘉陵江流域RSEI年際變化及Mann-Kendall(M-K)檢驗曲線可以發(fā)現(圖2), 1990—2020年嘉陵江流域RSEI值呈增加趨勢,線性變化傾斜率為 0.000 3/a,說明嘉陵江流域近 31年生態(tài)環(huán)境質量整體呈變好趨勢。其中 2006年和 2011年分別是該地區(qū)近 31年 RSEI最小的兩個年份,RSEI值分別為0.628,0.706,均屬于良好等級。2002年和2004年分別是嘉陵江流域近31年RSEI值最高的兩個年份,RSEI值分別為0.873,0.871,均屬于優(yōu)等級。由 UF曲線可以看出1992年和2010—2016年嘉陵江流域RSEI為減小趨勢,其他年份均為上升趨勢。在2003之前的年份UF和 UB曲線相交年份較多,但在2003年之后的年份UF和UB曲線無相交情況,因此可以說明 2003年是嘉陵江RSEI出現突變的年份。從UF和UB的曲線來看在2003年之前RSEI基本為較為穩(wěn)定對的浮動狀態(tài),但在2003年之后RSEI呈現先減小后增加的趨勢。

圖2 嘉陵江流域RSEI時序曲線和

從嘉陵江流域RSEI的空間分布來看(圖3,表2),除2005年、2010年生態(tài)環(huán)境質量以中等等級為主,其他年份的生態(tài)環(huán)境質量均以良好和優(yōu)等級為主,這表明嘉陵江生態(tài)環(huán)境質量較好,但其空間分布異質性較大。其中,1990年嘉陵江大部分面積 RSEI處于良好等級,共 130 268.7 km2,占嘉陵江流域總面積(不含水體)的78.11% ;中等等級的RSEI零星分布在整個區(qū)域,占總面積的 13.51%,僅有0.25%區(qū)域為較差等級,分布在廣元昭化以下干流區(qū)域的南部地區(qū)。1995年除隴南西部的生態(tài)環(huán)境質量為中等等級,其他區(qū)域的生態(tài)環(huán)境質量均較好,為優(yōu)等等級。2000年嘉陵江流域的生態(tài)環(huán)境質量占良好和優(yōu)等等級的比例相近,但總體表現為海拔較高的北部低于海拔較低的中、南部;嘉陵江流域2005年的生態(tài)環(huán)境質量較2000年之前明顯退化,從以良好和優(yōu)等的生態(tài)環(huán)境質量為主轉換為中等等級。2010年較2005年生態(tài)環(huán)境質量有所改善,但較2000年之前仍較差。2015年、2020年的生態(tài)環(huán)境得到改善,較2010年相比優(yōu)等面積比例分別增加了48.90%和40.22%?？傮w而言,除2005年、2010年外,研究區(qū)內大部分地區(qū)為良好和優(yōu)等等級,流域生態(tài)環(huán)境整體呈現為先改善、變差和改善的過程。

表2 不同年份RSEI各等級統(tǒng)計

圖3 嘉陵江流域1990年、2000年、2010年、2020年,30 a RSEI空間分布

2.3 長江流域RSEI演變趨勢

進一步分析1990—1995年、1995—2000年、2000—2005年、2005—2010年、2010—2015年、2015—2020年嘉陵江流域RSEI變化趨勢(圖4,圖5),發(fā)現30年間嘉陵江流域50%以上的區(qū)域的生態(tài)環(huán)境質量為變化不明顯,但其變化趨勢存在顯著的時空差異性。 1990—1995年1.12%的區(qū)域表現為退化趨勢,零星分布在達州地區(qū),12.84%的區(qū)域為輕微退化趨勢,集中在隴南以北和達州以東地區(qū),僅有1.51%的區(qū)域呈顯著改善趨勢,集中在平武地區(qū)。1995—2000年的71.57%的區(qū)域表現為變化不明顯趨勢,14.65%的區(qū)域表現為輕微退化趨勢。2000—2005年69.31%的區(qū)域表現為輕微改善趨勢,但在遂寧等地區(qū)仍零星分布有輕微退化趨勢的區(qū)域。2005—2010年在南充以南、廣元以北等地區(qū)均呈輕微改善趨勢,但在其他區(qū)域均有部分像元上為輕微退化趨勢,其中退化趨勢的占12.98%。2010—2020年嘉陵江大部分區(qū)域生態(tài)環(huán)境變化不明顯,但在迭部地區(qū)均以輕微退化趨勢為主。

圖4 嘉陵江流域不同階段RSEI變化趨勢

圖5 嘉陵江流域土地利用分布圖和土地利用轉移

2.4 嘉陵江流域土地利用轉移矩陣

為進一步分析人類活動對嘉陵江流域RSEI的影響,我們基于目前提供的土地利用類型產品分析了1990—2020年嘉陵江流域土地利用轉移情況(圖5,圖6),發(fā)現1990—1995年有724.43 km2的草地轉換為林地,有152.98 km2的草地轉為耕地,其他轉換類型主要為林地轉為草地和耕地、耕地轉為草地、林地和建設用地。但總體表現為林地面積和建設用地面積增加,草地和耕地面積減少。1995—2000年主要轉移類型為林地轉為草地,轉換了855.99 km2。其而耕地面積的減少主要得益于增加的建設用地、草地和林地,水域和未利用地基本沒有變化。2000—2005年的主要轉移類型為未利用地轉為建設用地(轉移面積436.71 km2),耕地轉為建設用地的面積為165.38 km2,建設用地面積仍為持續(xù)增長趨勢,其次在川陜甘地區(qū)的草地和林地面積也有些許增加。2005—2015年草地面積減少了 1.72%,林地和耕地面積分別增加了 0.42%和 1.8%。2015—2020年雖然林地和建設用地面積分別增加了,但耕地和未利用地面積減少了,從而使草地面積增加。

圖6 不同年份嘉陵江流域土地利用轉移統(tǒng)計圖

2.5 RSEI對不同驅動因子的響應

通常認為人類活動(如土地利用變化、人口和GDP)、地形(如坡度、海拔)和氣候因子(氣溫、降水和風速)的協(xié)同或單獨作用導致生態(tài)環(huán)境質量發(fā)生變化。因此,本文基于地理探測器的因子探測器和交互探測器分析了不同年份人為活動、地形和氣候因子對嘉陵江流域生態(tài)環(huán)境質量驅動機制。從RSEI的多年均值的因子探測結果可知(圖7),人口(POP)的和GDP與嘉陵江流域的RSEI的關系最敏感,q值分別為0.279,0.283,其次分別為氣溫(TEM,q值為0.150)和海拔(DEM,q值為0.117)。而土地利用(LUCC,q值為0.043,)和坡度(SLOPE,q值為0.052)對嘉陵江流域的RSEI的變化的驅動作用最小,其次為風速(WIN,q值為0.064)和降水量(PER,q值為0.079)。通過不同因子交互探測結果我們發(fā)現DEM∩TEM(0.521)和DEM∩WIN(0.519)的交互作用對 RSEI的影響最大,影響因子大于 0.5。其次,LUCC∩PER(0.408)、PER∩WIN(0.402)、SLOPE∩TEM(0.405)、SLOPE∩POP(0.45)、SLOPE∩DEM(0.494)的交互作用對RSEI的影響因子均大于 0.4(表3)?？梢园l(fā)現地形因子和其他因子之間的交互作用對RSEI的影響均較大,且任何兩種因子的交互作用都大于單個因子對嘉陵江流域生態(tài)環(huán)境質量的影響。而GDP和任何兩個因子之間的交互作用對 RSEI的影響最小。

圖7 不同因子對年均RSEI變化的q驅動力值分布

通過分析不同年份RSEI受到不同因子的敏感性情況(圖8),發(fā)現GDP和POP對1990—2020年的RSEI的q決定力呈下降趨勢,LUCC和SLOPE在2010年之前對RSEI的q值較小且變化穩(wěn)定,而在2010—2020年q值均呈增加趨勢,但增加幅度較小。DEM對RSEI影響的q值在2010年也較小且變化穩(wěn)定,但在2015年大幅度增加,2020年呈略微下降趨勢,但q值仍高于2010年之前。PER在2010年之前對RSEI的q值均在0.01以下,但在2015年突增至0.408,2020年有所下降,但q值仍遠遠高于2010年之前的q值。TEM和WIN對RSEI影響的q值在1995年、2015年均發(fā)生了顯著的突增,但隨后均有所下降。

圖8 不同年份RSEI對不同因子的q驅動力值分布 Fig. 8 Distribution of q driving force values of RSEI for different factors in different years

3 討 論

3.1 嘉陵江流域生態(tài)環(huán)境質量動態(tài)變化

嘉陵江流域作為長江上游重要的地理生態(tài)區(qū)域,其生態(tài)環(huán)境保護與高質量發(fā)展已上升為國家戰(zhàn)略[26]。其中氣候變化和人類活動對該區(qū)域造成的影響最為突出,如據氣象報告在2006年夏季嘉陵江流域的川渝地區(qū)發(fā)生了極大的干旱事件,降水量較其他年份顯著減少,對該地區(qū)的植被生長和社會經濟發(fā)展產生了嚴重的不利影響[28];在2011年嘉陵江流域遭遇了3次大暴雨,暴雨引起了嚴重的水土流失、土壤鹽堿化、滑坡等影響該區(qū)域生態(tài)環(huán)境質量的自然災害[29]。因此,我國政府于1999年在嘉陵江流域的川陜甘實施了 “退耕還林、荒山造林”等生態(tài)環(huán)境恢復項目改善嘉陵江流域生態(tài)環(huán)境質量。在生態(tài)保護和環(huán)境恢復實施下一些地區(qū)生態(tài)環(huán)境呈現出恢復狀態(tài),然而目前關于嘉陵江流域生態(tài)環(huán)境質量變化的主導因子的研究還較少。因此,本文通過分析嘉陵江流域1990—2020年的RSEI時空動態(tài),發(fā)現1990—2020年嘉陵江流域生態(tài)環(huán)境質量整體呈上升趨勢。其中,2006年和2011年嘉陵江流域的生態(tài)環(huán)境質量較其他年份顯著退化,這一結果與極端氣象事件一致。同樣,胡孟珂等通過研究氣候對嘉陵江流域的植被覆蓋度變化時也發(fā)現在2006年和2011年植被覆蓋度發(fā)生突降。其次,我們發(fā)現嘉陵江流域1 999后年的RSEI較1996—1998年的RSEI得到了大幅度提升,但在2003年之前RSEI基本為較為穩(wěn)定對的浮動狀態(tài), 2003年之后RSEI呈現先減小后增加的趨勢,發(fā)生這種突變的可能原因主要是雖然嘉陵江流域在1999年之后實施了一系列生態(tài)保護和修復的項目。

我們進一步分析了不同階段嘉陵江流域RSEI空間變化趨勢,發(fā)現 30年間嘉陵江流域50%以上的區(qū)域的生態(tài)環(huán)境質量為變化不明顯,但其變化趨勢存在顯著的時空差異性。其中煤礦開采區(qū)集中區(qū)(華鎣山地區(qū)和大巴山地區(qū))、鐵礦則集中區(qū)(涪江流域)的生態(tài)環(huán)境呈退化趨勢最明顯。有研究發(fā)現在2000年后嘉陵江開采業(yè)快速發(fā)展,因為嘉陵江流域很多區(qū)域開采后期生態(tài)恢復措施不完善,如礦物棄渣隨意丟棄、廢棄船舶灘涂維修不做任何污染防治措施、隨意砍林造路等。這使得在嘉陵江經濟快速發(fā)展的期間這些區(qū)域的生態(tài)環(huán)境質量也呈現大面積的退化趨勢。其次,在2000年之后在城鎮(zhèn)化推進下,城市建設和擴張在進一步加速,為增加新的居住用地或修建工業(yè)設施。其次,因為當地居民生態(tài)意識淺薄,存在土地利用不當,盲目破壞生態(tài)環(huán)境,進而導致大面積的植被區(qū)域被破壞,尤其在海拔較高的區(qū)域和川蜀等經濟發(fā)展迅速的地區(qū)表現尤為顯著[8-12]。針對以上問題,嘉陵江上游流域很多地區(qū)實施了生態(tài)環(huán)境保護條例實現嘉陵江流域生態(tài)環(huán)境的可持續(xù)發(fā)展,據統(tǒng)計數據在2015年之后隨著生態(tài)保護理念和政府的宏觀調控下,人們保護生態(tài)環(huán)境的意識增加(如嘉陵江西南涌兩岸的養(yǎng)殖業(yè)實施的限期清理廢水、農村集中養(yǎng)殖并統(tǒng)一處理養(yǎng)殖廢水、農家肥有效利用等),使生態(tài)環(huán)境質量在 2015—2020年有所改善。雖然在2015年及之后,嘉陵江上游流域生態(tài)環(huán)境質量得到很好的改善,但相關部門仍需繼續(xù)貫徹落實相關規(guī)定,盡量減少人類活動對生態(tài)脆弱區(qū)生態(tài)環(huán)境的影響。

3.2 嘉陵江流域生態(tài)環(huán)境質量的驅動因子

為進一步分析人類活動和氣象因素對嘉陵江流域RSEI的影響,我們基于目前提供的土地利用類型產品分析了1990—2020年嘉陵江流域土地利用轉移情況,發(fā)現1990—1995年林地面積和建設用地面積增加,草地和耕地面積減少。1995—2000年主要轉移類型為林地轉為草地,耕地面積的減少主要得益于增加的建設用地、草地和林地,水域和未利用地基本沒有變化。2000—2005年的主要轉移類型為未利用地轉為建設用地,建設用地面積仍為持續(xù)增長趨勢。2005—2015年草地面積減少、林地和耕地面積分別增加。2015—2020年雖然林地和建設用地面積增加,但耕地和未利用地面積減少從而使草地面積增加。通過分析發(fā)現土地利用轉移主要與人口的快速增加、城市擴張和 1 999開始的將坡耕地退耕還林還草、宜林荒山荒地造林的退耕還林(還草)政策有關。有研究發(fā)現因為特定生態(tài)環(huán)境變化和人類活動導致部分草地轉為耕地、林地和其他土地,由于人口快速增長和三北防護林體系工程的實施,建設用地的發(fā)展,導致許多草地遭到破壞,并且長期過度放牧加上氣候變化和嚙齒動物破壞的影響,嘉陵江流域天然草地退化嚴重,將不可避免地導致該區(qū)域荒漠化加劇。RSEI變化是一個周期性、持續(xù)性的動態(tài)過程,除了受到人類活動的影響,氣候變化和地形也是RSEI變化的另一驅動因素。因此,本文綜合前人研究選擇了氣溫、降水、風速、坡度、坡向、GDP、人口數據和土地利用數據基于地理探測器探究了不同階段以上因素對RSEI變化的貢獻情況。發(fā)現在主導因子方面嘉陵江流域生態(tài)環(huán)境質量前期主要受到GDP和POP的影響程度較大,但隨著時間的變化受到GDP和POP的影響程度呈下降趨勢,但TEM,WIN,LUCC,DEM,SLOPE和PER在2015年之前對嘉陵江生態(tài)環(huán)境質量影響較小,2015年后對生態(tài)環(huán)境質量的影響程度呈增加趨勢。因此可以發(fā)現嘉陵江流域生態(tài)環(huán)境質量在前期人類活動對其影響顯著,后期隨著政府生態(tài)保護措施的實時和人們生態(tài)意識的增強,同時隨著經濟快速發(fā)展,人們生活質量提升,對生態(tài)環(huán)境保護意識越來越強及國家的大力呼吁下,后期POP和GDP對嘉陵江流域的影響逐漸下降。但在2015年時,地形因子和自然氣候條件變化是影響嘉陵江流域的生態(tài)環(huán)境質量的主要因子。有研究證明,隨著全球氣候變暖,長江流域大部分地區(qū)發(fā)生的季節(jié)性干旱的面積整體呈擴大趨勢,同時極端氣候事件也在逐漸增強。因為嘉陵江流域的很多區(qū)域露天采礦較多,該區(qū)域土質松散,垂直節(jié)理發(fā)育,遇水則容易溶解,因此在地形和氣候的雙重影響下該地區(qū)極容易造成泥石流、滑坡等自然災害[22]。因此,嘉陵江流域的生態(tài)環(huán)境質量在地形和氣候因子的協(xié)同作用下可能會發(fā)生顯著變化。如夏季及時雨、大暴雨等天氣增多,導致在 SLOPE較大的地區(qū)發(fā)生滑坡、泥石流等自然災害,從而對生態(tài)環(huán)境產生顯著的影響[30-31]。在因子交互作用探測方面,嘉陵江流域生態(tài)環(huán)境質量的空間分異性受多個影響因子共同作用,每兩個因子之間相互作用的影響力都大于單一因子的影響力,其中地形因子和氣象、土地利用因子之間的交互作用最為顯著。嘉陵江流域整體生態(tài)環(huán)境質量上升,這表明嘉陵江流域在生態(tài)環(huán)境維持與治理方面政策的大方向是有效的,絕大部分區(qū)域生態(tài)環(huán)境質量都在提升,少部分地區(qū)略有降低,應有針對性地進行政策調整,改善生態(tài)環(huán)境質量。根據地理探測器分析結果發(fā)現后期嘉陵江流域生態(tài)環(huán)境主要受到自然因素和土地利用變化的影響程度較大,說明后期需要進一步規(guī)范化嘉陵江流域土地覆蓋并進一步加強自然災害的防護策略。

3.3 研究不足與展望

雖然本文綜合評價了隨著時間變化,LUCC,GDP,POP,DEM,SLOPE,TEM,PER和WIN對RSEI的影響情況,但并未探究嘉陵江流域極端水文氣象現狀及其對嘉陵江流域生態(tài)環(huán)境質量的影響以及多因素是如何共同作用于生態(tài)環(huán)境質量的,這些仍需要進一步深入探究。其次,因目前很多政府較為關注未來嘉陵嘉流域在不同氣候、人類活動和地形影響下嘉陵江流域生態(tài)環(huán)境質量可能發(fā)生的現狀,但本文并未涉及這一部分內容。后期將進一步基于Hurst指數和過去30 a的RSEI數據在不同因素的控制下對嘉陵江流域RSEI可能的持續(xù)狀態(tài)進行預測,為嘉陵江流域生態(tài)環(huán)境保護和政策制定提供更加詳細的參考資料。

4 結 論

本文采用遙感數據、地形數據、人類活動數據和氣象數據相結合的方法對嘉陵江流域1990—2020年的生態(tài)環(huán)境質量時空動態(tài),并通過地理探測器分別得到不同時期不同因子對嘉陵江流域生態(tài)環(huán)境質量的直接作用和交互作用。研究表明1990—2020年嘉陵江流域生態(tài)環(huán)境質量整體呈上升趨勢,但不同時期不同區(qū)域存在差異。其中,1990—1995年隴南以北和達州以東地區(qū)生態(tài)環(huán)境質量呈退化趨勢,平武部分地區(qū)呈改善趨勢,其他區(qū)域基本保持不變。1995—2000年遂寧等地區(qū)零星分布有輕微退化趨勢的區(qū)域。2005—2010年南充以南、廣元以北等地區(qū)均呈輕微改善趨勢。2010—2020年嘉陵江大部分區(qū)域生態(tài)環(huán)境變化不明顯,但在迭部地區(qū)以輕微退化趨勢為主。通過地理探測器結果顯示,在主導因子方面嘉陵江流域生態(tài)環(huán)境質量前期主要受到GDP和POP的影響程度較大,但隨著時間的變化受到GDP和POP的影響程度呈下降趨勢,但TEM,WIN,LUCC,DEM,SLOPE和PER在2015年之前對嘉陵江生態(tài)環(huán)境質量影響較小,2015年后對生態(tài)環(huán)境質量的影響程度呈增加趨勢。因此可以發(fā)現嘉陵江流域生態(tài)環(huán)境質量在前期人類活動對其影響顯著,但隨著政府生態(tài)保護措施的實時和人們生態(tài)意識的增強,自然因素的影響逐漸增強。在因子交互作用探測方面,嘉陵江流域生態(tài)環(huán)境質量的空間分異性受多個影響因子共同作用,每兩個因子之間相互作用的影響力都大于單一因子的影響力,其中地形因子和氣象、土地利用因子之間的交互作用最為顯著。嘉陵江流域整體生態(tài)環(huán)境質量上升,這表明嘉陵江流域在生態(tài)環(huán)境維持與治理方面政策的大方向是有效的,絕大部分區(qū)域生態(tài)環(huán)境質量都在提升,少部分地區(qū)略有降低,應有針對性地進行政策調整,改善生態(tài)環(huán)境質量。根據地理探測器分析結果發(fā)現后期嘉陵江流域生態(tài)環(huán)境主要受到自然因素和土地利用變化的影響程度較大,說明后期需要進一步規(guī)范化嘉陵江流域土地覆蓋并進一步加強自然災害的防護策略。