基于遙感指數(shù)的生態(tài)變化評估
——以常寧市為例

羅春， 劉輝，2， 戚陸越

( 1.福州大學(xué)環(huán)境與資源學(xué)院，福州 350108； 2．福州大學(xué)遙感信息工程研究所，福州 350108； 3.福州大學(xué)福建省空間信息工程研究中心，福州 350108)

0 引言

目前遙感技術(shù)已在生態(tài)環(huán)境領(lǐng)域得到廣泛應(yīng)用，利用各種遙感指數(shù)對流域[1]、城市[2]、森林[3]、湖泊[4]和土地[5]等進(jìn)行動態(tài)監(jiān)測,但是大多數(shù)的監(jiān)測仍基于單一的指標(biāo)進(jìn)行評測，如利用植被指數(shù)監(jiān)測森林生態(tài)系統(tǒng)的變化[6]，利用不透水地表指數(shù)[7]評價(jià)城市生態(tài)環(huán)境，利用地表溫度評測城市熱環(huán)境[8]等,這些單指標(biāo)評價(jià)往往只能解釋某一方面的生態(tài)特征。徐涵秋在水土流失區(qū)生態(tài)變化的遙感評估中提出了多指標(biāo)的遙感生態(tài)指數(shù)(remote sensing ecology index,RSEI)，這是一個完全基于遙感信息、能夠集成多種指標(biāo)因素的遙感綜合生態(tài)指數(shù)，并用其快速地監(jiān)測福建省長汀盆地水土流失區(qū)的生態(tài)質(zhì)量，為政府采取保持水土流失政策提供依據(jù)，取得了良好的效果。

常寧市是湖南省水土流失重點(diǎn)治理區(qū)之一,探討其生態(tài)變化對改善常寧市生態(tài)環(huán)境和評估水土流失治理效果具有非常重要的意義。鑒于此，本文以常寧市為例，采用遙感生態(tài)指數(shù)和數(shù)理統(tǒng)計(jì)學(xué)方法，定量評估其生態(tài)系統(tǒng)的變化狀況。

1 研究區(qū)概況及數(shù)據(jù)源

1.1 研究區(qū)概況

常寧市位于N26°07′～26°36′，E112°07′～112°41′之間，地質(zhì)環(huán)境復(fù)雜，出露巖石種類多且風(fēng)化強(qiáng)烈，土壤侵蝕潛在危險(xiǎn)性較大； 屬中亞熱帶季風(fēng)濕潤性氣候，市區(qū)年平均氣溫18.5～20.2℃，年降水量1 005.1～1 836.2 mm， 6—9月為汛期，期間雨量占全年總降雨量的60%左右。汛期高強(qiáng)度降雨是該區(qū)水土流失的主要外營力。

湖南省湘資沅澧中游治理區(qū)是2006年19個國家級水土流失重點(diǎn)治理區(qū)之一。常寧市地處該治理區(qū)內(nèi)，是湖南省水土保持修復(fù)試點(diǎn)市。多年來當(dāng)?shù)卣恢贝罅π麄髦矘浞N草治理水土流失的重要性，出臺了相應(yīng)的政策法規(guī)，實(shí)施了一些治理措施。

1.2 數(shù)據(jù)源及其預(yù)處理

研究所用的Landsat TM遙感數(shù)據(jù)來源于中國科學(xué)院對地觀測與數(shù)字地球中心，圖像獲取日期分別為1990-12-07,2002-10-13及2009-10-24，季相基本相同，質(zhì)量較好。

遙感數(shù)據(jù)預(yù)處理主要有3個步驟： 首先在ENVI中進(jìn)行遙感圖像幾何糾正，采用二次多項(xiàng)式和最鄰近像元法，配準(zhǔn)的均方根誤差RMSE< 0.5 個像元； 其次，由于植被指數(shù)對大氣很敏感，因此必須做輻射校正，輻射校正采用Chander 等[9]和Chavez[10]的模型； 最后，依照行政區(qū)界線進(jìn)行圖像裁剪。

2 遙感生態(tài)指數(shù)及其指標(biāo)

徐涵秋[11]指出，在反映生態(tài)質(zhì)量的諸多自然因素中，綠度、濕度、熱度及干度是人類直觀感覺生態(tài)條件優(yōu)劣的重要因素，因此常被用于評價(jià)生態(tài)系統(tǒng)[4,12-13]，而且這 4 個指標(biāo)可以從遙感圖像中快速地提取，如采用植被指數(shù)、裸土指數(shù)、濕度分量、地表溫度就可以分別代表綠度、干度、熱度和濕度。這樣，擬建的遙感生態(tài)指數(shù)就可以表示為這 4 個指標(biāo)的函數(shù)，即

RSEI=f(G,W,T,D),

(1)

式中：G為綠度；W為濕度；T為熱度；D為干度。

2.1 濕度指標(biāo)

纓帽變換中的亮度、綠度、濕度分量與地表物理參量有直接關(guān)系。其中濕度分量反映了土壤和植被的濕度，與生態(tài)密切相關(guān)。因此，本研究的濕度指標(biāo)采用這一濕度分量來代表。以 Landsat TM 圖像為例，其表達(dá)式為[14]

WET=0.031 5ρ1+0.202 1ρ2+0.310 2ρ3+0.159 4ρ4-0.680 6ρ5-0.610 9ρ7,

(2)

式中：WET為濕度指標(biāo)；ρi(i=1,…,5,7)為 TM 圖像各對應(yīng)波段的反射率。

2.2 綠度指標(biāo)

歸一化植被指數(shù)(normorolized difference vegetable index，NDVI)與植物生物量、葉面積指數(shù)以及植被覆蓋度都有密切的關(guān)系[15]。因此，可選其來代表綠度指標(biāo)，即

NDVI=(ρ4-ρ3)/(ρ4+ρ3)。

(3)

2.3 熱度指標(biāo)

本研究采用地表溫度(land surface temperature，LST)代表熱度，先用Landsat 用戶手冊的模型計(jì)算出亮溫T[9，16]，再對其進(jìn)行比輻射率校正，獲得LST[17]，即

LST=T/[1+(λT/z)lnε]，

(4)

式中：λ為TM 6 波段的中心波長(λ=11.5 μm)；z=hc/K=1.438×10-2mK(其中，h為普朗克常數(shù)，取值為6.26×10-34J/s; c為光速，取值為2.998×108m/s;K為斯忒藩-玻耳茲曼常數(shù)，取值為1.38×10-23J/K)；ε為地表比輻射率，其取值見文獻(xiàn)[12]；T和LST的單位為 K。

2.4 干度指標(biāo)

在水土流失區(qū)，干度指標(biāo)(normalized difference soil index，NDSI)通常選用裸土指數(shù)(bare soil lndex，BI)來代表。但由于研究區(qū)還有相當(dāng)多的建筑用地，建筑指數(shù)(index-based built-up index，IBI)同樣代表地表的干度，因此干度指標(biāo)最后由二者合成?？煞謩e采用 Rikimaru和徐涵秋的模型計(jì)算出BI[18]和IBI[19]，然后計(jì)算NDSI，即

NDSI=(SI+IBI)/2。

(5)

2.5 構(gòu)建遙感生態(tài)指數(shù)

主成分分析(principal component analysis, PCA)方法是一種將多個變量通過正交線性變換來選出少數(shù)重要變量的多維數(shù)據(jù)壓縮技術(shù)[20]。它將多維的信息集中到少數(shù)幾個特征分量上，不僅可以減少原始多變量間的信息重疊，且簡化了變量個數(shù)，其中的第一個主分量是對原始多變量數(shù)據(jù)集方差貢獻(xiàn)最大的新變量，用這一新變量來構(gòu)建遙感生態(tài)指數(shù)可以降低計(jì)算的復(fù)雜度，且具有一定的代表性。因此，本研究采用主成分變換來集成以上4個變量。首先分別計(jì)算3個時(shí)相圖像的4個指標(biāo)，對它們進(jìn)行歸一化后將它們合成為一幅新圖像，再對新的圖像進(jìn)行主成分變換，得到4個指標(biāo)的主成分矩陣(表1)。

表1 指標(biāo)主成分分析

從表1可以看出： 第一主成分(PC1)的貢獻(xiàn)率都大于 95%，表明它已集中了 4 個指標(biāo)的大部分特征； 在 PC1 中，代表濕度的WET和代表綠度的NDVI呈正值，說明二者共同對生態(tài)起正面的貢獻(xiàn)； 而代表熱度和干度的LST，NDSI呈負(fù)值，說明二者協(xié)同對生態(tài)起負(fù)面影響，這與實(shí)際情況相符。為使 PC1 大的數(shù)值代表好的生態(tài)條件，可進(jìn)一步用 1減去計(jì)算出的 PC1，獲得初始的生態(tài)指數(shù)RSEI0，然后同樣對RSEI0進(jìn)行正規(guī)化，以便于指標(biāo)的度量和比較，得到RSEI(圖1)，其值介于[0,1]之間，即

RSEI=(RSEI0-RSEImin)/(RSEImax-RSEImin) 。

(6)

式中：RSEImin表示生態(tài)指數(shù)RSEI中最小值；RSEImax表示生態(tài)指數(shù)RSEI中的最大值。RSEI值越接近1，表示生態(tài)越好，反之則越差。

(a) 1990年TM圖像(b) 2002年TM圖像(c) 2009年TM圖像

(d) 1990年RSEI圖像(e) 2002年RSEI圖像(f) 2009年RSEI圖像

3 結(jié)果分析

3.1 常寧市的生態(tài)變化

表 2是研究區(qū)各年份 4 個指標(biāo)和遙感生態(tài)指數(shù)RSEI均值。

表2 各年份4個指標(biāo)和RSEI的均值

從表2各指標(biāo)變化可知，代表生態(tài)變好的綠度和代表生態(tài)差的干度均值在這20 a中都是先下降后上升，而代表生態(tài)變差的熱度有稍微的上升和代表生態(tài)變好的濕度反而有稍微的下降，這與常寧市的人為不合理的開發(fā)建設(shè)活動加劇了水土流失有關(guān)，在城區(qū)基礎(chǔ)設(shè)施、大規(guī)模房地產(chǎn)開發(fā)建設(shè)過程中，工程施工時(shí)間跨度大，規(guī)劃用地類型多樣，水土流失出現(xiàn)了某些新特點(diǎn)； 另一個原因是，常寧市處內(nèi)陸，近年來全球氣候變暖的影響，干度和熱度也在一定程度上有所上升。以上4 個指標(biāo)總體上反映研究區(qū)植被覆蓋有所改善，水土流失勢頭有所抑制，也表明所建的RSEI生態(tài)指數(shù)可以綜合代表4 個指標(biāo)。

為了更好地分析新指數(shù)的合理性，進(jìn)一步將各年份的RSEI指數(shù)以0.2為間隔分成5個級別，分別代表生態(tài)差、較差、中等、良、優(yōu) 5 個等級，對應(yīng)的RSME指數(shù)范圍分別為[0，0.2)，[0，0.4)，[0，0.6)，[0，0.8)和[0.8，1.0](表3)。

表3 1988—2010年間常寧市各RESI級別面積及其百分比

從表3中看出，生態(tài)級別為優(yōu)和良等級所占的面積比例先從13.086%下降到4.006%，再上升到 16.699%； 而等級為差的面積比例也先從小到大再到小變化。總體表明，常寧市的生態(tài)質(zhì)量有了非常大的提高。利用差值原理，分7個等級對常寧市的生態(tài)進(jìn)行變化檢測。其中“0級”為基本未變級，“變好”和“變差”都各分3級。得到的變化等級統(tǒng)計(jì)表見表 4。

表4 變化檢測

變化檢測分級圖和變化趨勢圖見圖 2。

(a) 1990年RSEI分級圖像(b) 2009年RSEI分級圖像(c) 1990—2009年RSEI變化趨勢

圖2常寧市1990，2009年生態(tài)分級圖和基于差值法的變化檢測圖

Fig.25-leveledRSEIimagesofChangningCityin1990and2009andtheirchangedetection

1990—2009 年間，從變化幅度看，該區(qū)生態(tài)條件變差、等級下降的面積為 250.52 km2，約占總面積的 12.167%，而生態(tài)轉(zhuǎn)好的面積達(dá)528.38 km2，占到了25.662%； 從空間分布看，生態(tài)條件變好的地點(diǎn)主要分布在郊區(qū)中水域周圍(圖 2 (c)中的紅色圖斑)。生態(tài)變差的主要是一些新增的城區(qū)基礎(chǔ)設(shè)施和大規(guī)模房地產(chǎn)開發(fā)建設(shè)(圖 2 (c)中的綠色圖斑)，而林業(yè)周圍變化不大，以藍(lán)色調(diào)為主。

3.2 RSEI 綜合代表性分析

從RSEI和各指標(biāo)之間的相關(guān)度來進(jìn)行綜合代表性的定量分析。RSEI與各指標(biāo)的相關(guān)度越強(qiáng)，說明它越能綜合代表各個指標(biāo)。表5是各指標(biāo)和RSEI的相關(guān)系數(shù)以及各指標(biāo)自身之間的相關(guān)系數(shù)。

表5 4個指標(biāo)和 RSEI的相關(guān)矩陣

①以某一指標(biāo)與其他指標(biāo)相關(guān)系數(shù)的絕對值來計(jì)算，以1990年WET為例：Mean=(|0.907|+|0.911|+|0.910|)/3=0.909。

4 結(jié)論

本文利用遙感生態(tài)指數(shù)，研究了常寧市1990—2009年間生態(tài)環(huán)境狀況和變化趨勢，得到如下結(jié)論：

1)在整個研究區(qū)域中，代表植被覆蓋狀況的綠度指標(biāo)(NDVI)在 4 個指標(biāo)中對生態(tài)指數(shù) RSEI的貢獻(xiàn)最大，說明植被是十分重要的影響因素，以植樹造林為主的水土流失治理工程已顯示正在改善該區(qū)的生態(tài)質(zhì)量。

2)20 a來,常寧市存在濕度下降而熱度有所升高的現(xiàn)象，是由于該市在基礎(chǔ)設(shè)施建設(shè)和房地產(chǎn)開發(fā)過程中，某些不當(dāng)?shù)娜藶榛顒悠茐牧说孛病⒅脖缓退帘３衷O(shè)施，產(chǎn)生了大量的廢土棄渣，使城市環(huán)境在短期內(nèi)急劇變壞。

3)RSEI變化檢測表明，常寧市的生態(tài)環(huán)境質(zhì)量在20 a內(nèi)，先有所下降，但是在政府的高度重視下，相繼出臺了綠化、水土保持治理等多項(xiàng)政策，在城市建設(shè)的施工過程中，根據(jù)具體情況采取了一些相應(yīng)措施控制水土流失，防治結(jié)合，生態(tài)環(huán)境又有了較明顯的改善。

4)從空間上看，生態(tài)條件變好的地點(diǎn)主要分布在區(qū)內(nèi)水域周圍，生態(tài)變差的則主要為一些新增的城區(qū)基礎(chǔ)設(shè)施和大規(guī)模房地產(chǎn)開發(fā)建設(shè)工地，而林區(qū)及其周圍生態(tài)變化不大。這些結(jié)論可為常寧市今后進(jìn)一步做好水土保持工作提供參考。

志謝： 特別感謝謝天文師兄對實(shí)驗(yàn)及論文寫作的指導(dǎo)。

參考文獻(xiàn)(References)：

[1] 吳炳方,盧善龍.流域遙感方法與實(shí)踐[J].遙感學(xué)報(bào),2011,15(2):201-223.

Wu B F,Lu S L.Watershed remote sensing:Methodology and a paradigm in Hai Basin[J].Journal of Remote Sensing,2011,15(2):201-223.

[2] 潘衛(wèi)華,徐涵秋.泉州市城市擴(kuò)展的遙感監(jiān)測及其城市化核分析[J].國土資源遙感,2004,16(4):36-40.

Pan W H,Xu H Q.A study of urban spatial expansion of Quanzhou City on the basis of remote sensing technology and urbanization core analysis[J].Remote Sensing for Land and Resources,2004,16(4):36-40.

[3] 楊存建,歐曉昆,黨承林,等.森林植被動態(tài)變化信息的遙感檢測[J].地球信息科學(xué),2000(4):71-75.

Yang C J,Ou X K,Dang C L,et al.Detecting the change information of forest vegetation dynamics for remote sensing[J].Geo-Information Science,2000(4):71-75.

[4] 王海波,馬明國.基于遙感的湖泊水域動態(tài)變化監(jiān)測研究進(jìn)展[J].遙感技術(shù)與應(yīng)用,2009,24(5):674-684.

Wang H B,Ma M G.A review of monitoring change in lake water areas based on remote sensing[J].Remote Sensing Technology and Application,2009,24(5):674-684.

[5] 湯世華,樊風(fēng)雷,王云鵬,等.土地利用變化的遙感監(jiān)測及其與經(jīng)濟(jì)發(fā)展關(guān)系的研究——以增城市1998—2003土地利用為例[J].農(nóng)業(yè)現(xiàn)代化研究,2005,26(5):378-381.

Tang S H,Fan F L,Wang Y P,et al.Change of land-use remote sensing monitoring and relationship of economic development：Taking land-use of Zengcheng from 1998 to 2003 as an example[J].Research of Agricultural Modernization,2005,26(5):378-381.

[6] 范建忠,李登科,董金芳.陜西省重點(diǎn)生態(tài)建設(shè)工程區(qū)植被恢復(fù)狀況遙感監(jiān)測[J].農(nóng)業(yè)工程學(xué)報(bào),2012,28(7):228-234.

Fan J Z,Li D K,Dong J F.Remote Sensing analysis of vegetation restoration in key ecological construction areas of Shaanxi Province[J].Transactions of the Chinese Society of Agricultural Engineering,2012,28(7):228-234.

[7] 徐涵秋.城市不透水面與相關(guān)城市生態(tài)要素關(guān)系的定量分析[J].生態(tài)學(xué)報(bào),2009,29(5):2456-2462.

Xu H Q.Quantitative analysis on the relationship of urban impervious surface with other components of the urban ecosystem[J].Acta Ecologica Sinica,2009,29(5):2456-2462.

[8] 周榕,徐涵秋,林云彬.城市建成區(qū)地表熱通量的遙感研究——以泉州市區(qū)為例[J].遙感信息,2006(6):50-54.

Zhou R,Xu H Q,Lin Y B.Remote sensing study on the surface heat flux and its relationship with the urban heat island：Taking Quanzhou City as an example[J].Remote Sensing Information,2006(6):50-54.

[9] Chander G,Markham B L,Helder D L.Summary of current radiometric calibration coefficients for Landsat MSS,TM,ETM+and EO-1 ALI sensors[J].Remote Sensing of Environment,2009,113:893-903.

[10]Chavez P S Jr.Image-based atmospheric corrections:Revisited and revised[J].Photogrammetric Engineering and Remote Sensing,1996,62(9):1025-1036.

[11]徐涵秋.水土流失區(qū)生態(tài)變化的遙感評估[J].農(nóng)業(yè)工程學(xué)報(bào),2013,29(7):91-98.

Xu H Q.Assessment of ecological change in soil loss area using remote sensing technology[J].Transactions of the Chinese Society of Agricultural Engineering,2013,29(7):91-98.

[12]Nichol J.Remote sensing of urban heat islands by day and night[J].Photogrammetric Engineering and Remote Sensing,2005,71(5):613-621.

[13]趙躍龍,張玲娟.脆弱生態(tài)環(huán)境定量評價(jià)方法的研究[J].地理科學(xué)進(jìn)展,1998,17(1):67-72.

Zhao Y L,Zhang L J.A study on index and method of quantitative assessment of fragile environment[J].Progress in Geography,1998,17(1):67-72.

[14]Crist E P.A TM tasseled cap equivalent transformation for reflectance factor data[J].Remote Sensing of Environment,1985,17(3):301-306.

[15]Goward S N,Xue Y K,Czajkowski K P.Evaluating land surface moisture conditions from the remotely sensed temperature/vegetation index measurements:An exploration with the simplified simple biosphere model[J].Remote Sensing of Environment,2002,79(2/3):225-242.

[16]NASA.Landsat7 science data user’s handbook[EB/OL].http://landsathandbook.gsfc.nasa.gov,2012-09-05.

[17]Janet N.Remote sensing of urban heat islands by day and night[J].Photogrammetric Engineering and Remote Sensing,2005(5):613-621.

[18]Rikimaru A,Roy P S,Miyatake S.Tropical forest cover density mapping[J].Tropical Ecology,2002,43(1):39-47.

[19]徐涵秋,杜麗萍.遙感建筑用地信息的快速提取[J].地理信息科學(xué)學(xué)報(bào),2010,12(4):574-579.

Xu H Q,Du L P.Fast extraction of build-up land information from remote sensing imagery[J].Journal of Geo-Information Science,2010,12(4):574-579.

[20]徐涵秋.基于壓縮數(shù)據(jù)維的城市建筑用地遙感信息提取[J].中國圖象圖形學(xué)報(bào),2005,10(2):223-229.

Xu H Q.Remote sensing information extraction of urban built up land based on a data dimension compression technique[J].Journal of Image and Graphics,2005,10(2):223-229.