基于遙感生態(tài)指數(shù)的綿陽市區(qū)生態(tài)環(huán)境變化分析

陳孟　溫興平　張皓楠　徐俊龍　李倩

摘 要：基于1996、2009和2018年LandsatTM/OLI遙感影像，采用RSEI指數(shù)對綿陽市區(qū)的生態(tài)環(huán)境及變化狀況進(jìn)行分析。結(jié)果顯示，1996-2009年綿陽市區(qū)生態(tài)質(zhì)量呈下降趨勢，RSEI均值從0.769下降至0.709;2009-2018年生態(tài)質(zhì)量有所改善，RSEI均值從0.709上升至0.733;各年份的評價指標(biāo)標(biāo)準(zhǔn)差與PC1荷載值的絕對值呈正相關(guān)。定量分析綿陽市1996-2018年快速發(fā)展對城市生態(tài)環(huán)境的影響，得出結(jié)論：1996-2018年間，涪城區(qū)和游仙區(qū)環(huán)境質(zhì)量改善明顯，環(huán)境質(zhì)量下降的區(qū)域多分布于涪江沿岸;與指標(biāo)相關(guān)的地物種類越多、面積占比越大，對環(huán)境影響越強;隨著綿陽市區(qū)的發(fā)展，對環(huán)境影響最大的指標(biāo)由1996年的綠度變?yōu)?018年的干度。提升城市環(huán)境，需合理配置城市建設(shè)用地，多種類多面積進(jìn)行城市綠色生態(tài)建設(shè)。

關(guān)鍵詞：Landsat影像;遙感生態(tài)指數(shù);生態(tài)環(huán)境質(zhì)量

DOI：10. 11907/rjdk. 192195

中圖分類號：TP317.4?? 文獻(xiàn)標(biāo)識碼：A??????????????? 文章編號：1672-7800（2020）003-0230-04

Analysis of Ecological Change in Mianyang Using Remote Sensing

Based Ecological Index

CHEN Meng1，2，WEN Xing-ping1，2，ZHANG Hao-nan1，2，XU Jun-long1，2，LI Qian1，2

（1. Faculty of Land Resource Engineering， Kunming University of Science and Technology;

2. Mineral Resource Prediction and Evaluation Engineering Laboratory of Yunnan Province， Kunming 650093，China）

Abstract： Quantitative analysis of the impact of development of Mianyang urban on ecological from 1996 to 2018 was made based on Landsat TM/OLI remote sensing images in 1996， 2009 and 2018， RSEI was used to measure the urban ecology of Mianyang. The results showed that the ecological quality decreasing trend from 1996 to 2009， with the average value of RSEI decreased from 0.769 to 0.709. From 2009 to 2018， the average value of RSEI rose slightly from 0.769 to 0.733. At the same time， it was found that the index standard deviation was positively correlated with the absolute value of PC1. From 1996 to 2018， the quality of old urban areas of Fucheng and Youxian improved significantly， and most of the regions with reduced environmental quality were located along the Fujiang river， indicating that the more kinds of objects related to the index and the larger proportion of the area， the stronger the impact on the environment. With the development of Mianyang， the index that has the greatest impact on environmental quality has changed from greenness in 1996 to dryness in 2018. So， to improve urban ecological， it is necessary to allocate urban construction land reasonably and carry out urban ecological construction in many kinds and areas.

Key Words： Landsat TM/OLI; remote sensing based ecological index; ecological environment quality

0 引言

我國正處于城市化發(fā)展轉(zhuǎn)型階段，以往的粗放式發(fā)展在帶來巨大經(jīng)濟效益的同時也對環(huán)境造成了嚴(yán)重污染。隨著經(jīng)濟的發(fā)展，人們生活水平得到提高，同時對生態(tài)環(huán)境質(zhì)量的要求也越來越高，粗放式發(fā)展方式已無法適應(yīng)社會需求[1]。遙感技術(shù)可有效監(jiān)測地表覆被信息，進(jìn)而分析生態(tài)環(huán)境狀況，對城市建設(shè)及規(guī)劃尤為重要。

利用遙感技術(shù)對城市生態(tài)進(jìn)行研究較多，如岳文澤等[2]采用遙感影像進(jìn)行城市土地利用類型及空間結(jié)構(gòu)對生態(tài)環(huán)境效應(yīng)的影響研究;肖榮波等[3]對城市熱島研究成果進(jìn)行總結(jié)，分析了城市熱島效應(yīng)對城市生態(tài)環(huán)境效應(yīng)的影響，建議對城市熱島效應(yīng)進(jìn)行多維度研究;增輝等[4]以深圳市龍華鎮(zhèn)為研究區(qū)，根據(jù)多時段景觀類型及結(jié)構(gòu)特征，利用空間統(tǒng)計方法構(gòu)造了一個生態(tài)風(fēng)險指數(shù)，對指數(shù)的采樣結(jié)果進(jìn)行半變異函數(shù)分析及插值，解釋了生態(tài)風(fēng)險的空間特征和形成機制;程晉南等[5]運用生態(tài)環(huán)境指數(shù)（ecological index，EI）對泰安市土地生態(tài)環(huán)境狀況進(jìn)行評價，并分析區(qū)域土地生態(tài)環(huán)境狀況及其變化趨勢，驗證了RS與GIS結(jié)合在建立土地生態(tài)環(huán)境質(zhì)量評價模型的可行性;徐涵秋[6]提出遙感生態(tài)指數(shù)（remote sensing based ecological index，RSEI）并應(yīng)用于福建長汀縣，與EI指數(shù)計算結(jié)果進(jìn)行比較，結(jié)果發(fā)現(xiàn)RSEI不僅是一個定量化指標(biāo)，還能對區(qū)域生態(tài)環(huán)境變化情況進(jìn)行建模及預(yù)測。

目前有不少文獻(xiàn)利用遙感技術(shù)對綿陽市進(jìn)行了多方位研究[7-10]，但對綿陽市區(qū)的生態(tài)環(huán)境遙感監(jiān)測還未見報道。本文為排除人為因素對各指標(biāo)閾值、權(quán)重的影響，利用RSEI指數(shù)分析綿陽市區(qū)生態(tài)環(huán)境的變化情況，以期為綿陽市區(qū)生態(tài)環(huán)境保護和建設(shè)提供科學(xué)依據(jù)。

1 研究區(qū)概況及數(shù)據(jù)源

1.1 研究區(qū)概況

綿陽市位于四川盆地西北部，涪江中上游，是全省第二大城市，地理坐標(biāo)位于東經(jīng)103°45′ -105°43′ ，北緯30°42′ -33°03′ 之間。地勢西北高、東南低，地形起伏大。中部為河谷沖積平原，涪江自西北入境，流經(jīng)市區(qū)，從東南部出境。全市北西—南東呈條帶狀展布，山區(qū)占61%，丘陵占20.4%。綿陽市下轄3區(qū)、1市、5縣，本文選擇綿陽市中心城區(qū)游仙區(qū)和涪城區(qū)為研究區(qū)，簡稱為綿陽市區(qū)。

1.2 數(shù)據(jù)源及預(yù)處理

本文選用三景Landsat遙感影像，分別是1996年7月10日專題制圖儀獲取的影像（thematic mapper，TM）、2009年6月12日的TM影像與2018年的6月5日陸地成像儀所獲取的影像（operational land imager，OLI）和熱紅外傳感器獲取的影像（thermal infrared sensor，TIRS），如圖1所示。影像云量均小于8%且成像時間較為接近，避免季節(jié)差異影響。

數(shù)據(jù)預(yù)處理過程：①對三景影像進(jìn)行幾何校正，將均方根誤差控制在0.5個像素以內(nèi);②對影像進(jìn)行輻射定標(biāo);③將輻射定標(biāo)后的影像進(jìn)行大氣校正。

2 研究方法

利用RSEI分析綿陽市區(qū)生態(tài)環(huán)境變化情況。RSEI集成綠度、濕度、干度和熱度4個評價指標(biāo)，分別代表歸一化差值植被指數(shù)（NDVI）、纓帽變換的濕度分量（WET）、建筑指數(shù)和裸土指數(shù)合成的干度指數(shù)（NDSI）及地表溫度（LST）4大要素。通過主成分變換集成各指標(biāo)，表達(dá)式[11]如下：

2.1 評價指標(biāo)構(gòu)建

2.1.1 綠度指標(biāo)

NDVI常用于顯示植被分布，較高的NDVI代表土地覆被包含較多的綠色植被[12]，計算公式為：

式中，[BNIR]和[BR]分別為影像的近紅外及紅色波段反射率。

2.1.2 濕度指標(biāo)

纓帽變換所獲得的亮度、綠度、濕度指標(biāo)已廣泛應(yīng)用于生態(tài)環(huán)境監(jiān)測[13]，其中的濕度指標(biāo)與土壤特征及濕度有關(guān)，濕度指標(biāo)計算公式為：

式中，[BB]、[BG]、[BR]、[BNIR]、[BSWIR1]、[BSWIR2]分別代表影像的藍(lán)、綠、紅、近紅外、短波紅外1、短波紅外2波段的反射率。

2.1.3 干度指標(biāo)

研究區(qū)包括建成區(qū)及部分裸土，因此由建筑指數(shù)IBI和裸土指數(shù)SI合成“建筑—裸土指數(shù)”代表干度指標(biāo)，計算公式[14]如下：

式中，[BB]、[BG]、[BR]、[BNIR]和[BSWIR1]分別代表影像的藍(lán)、綠、紅、近紅外、短波紅外1波段的反射率。

2.1.4 熱度指標(biāo)

利用影像算法[15-18]對地表溫度進(jìn)行反演，計算公式如下：

式中，DN為TM或OLI影像的像元亮度值，[ρ]為1.143 8[×]10-2m;[ε]為地表比輻射率，采用Valor & Caselles[19]提出的植被指數(shù)混合模型估算。對于TM影像，[gain]為0.055，[bias]為1.182，[K1]為607.76W/（m2[×]sr[×]um），K2為1260.56K，[λ]為11.5um;對于TIRS傳感器，[gain]為3.342，[bias]為0.1，[K1]為774.89W/（m2[×]sr[×]um），[K2]為1321.08K，[λ]為10.9um。

2.2 綜合指標(biāo)構(gòu)建

首先將上述指標(biāo)數(shù)值范圍進(jìn)行統(tǒng)一，即將4個指標(biāo)進(jìn)行歸一化，計算公式如下：

式中，[Pi]為歸一化后的指標(biāo)值，[Mi]為該指標(biāo)在[i]像元的值，[Mmin]為該指標(biāo)的最小值，[Mmax]為該指標(biāo)的最大值。

對上述4個指標(biāo)的合成結(jié)果進(jìn)行主成分分析（Principal Component Analysis，PCA）。將歸一化處理后的4個指標(biāo)用于PC1計算。為使最終結(jié)果中大的數(shù)值代表好的生態(tài)條件，取PC1值的相反數(shù)，獲得未歸一化的生態(tài)指數(shù)RSEI0，即

然后對RSEI0進(jìn)行歸一化處理：

[RSEI]即為所建的遙感生態(tài)指數(shù)，其值越大生態(tài)環(huán)境就越好，反之則生態(tài)環(huán)境越差[20]。

3 結(jié)果與分析

3.1 生態(tài)環(huán)境質(zhì)量整體分析

表1是各指標(biāo)值及計算得到的RSEI值相關(guān)統(tǒng)計數(shù)據(jù)。從表中可以看出3個年份的指標(biāo)經(jīng)主成分分析后的第一主成分PC1貢獻(xiàn)度都在75%以上，表明第一主成分包含了4個指標(biāo)的大部分信息，且各指標(biāo)荷載值相對穩(wěn)定。因為RSEI0是取PC1的相反數(shù)，因此據(jù)表1中各成分指標(biāo)PC1的載荷值可以看出NDVI和WET為負(fù)值，說明它們對綿陽市區(qū)生態(tài)環(huán)境質(zhì)量起正面作用;NDSI和LST為正值，說明它們起負(fù)面作用。1996-2009年生態(tài)質(zhì)量呈下降趨勢，RSEI平均值從0.769下降至0.709，降幅為7.8%;2009-2018年略微上升，RSEI平均值從0.709上升至0.733，增幅為3.4%?？偟膩砜矗?996-2018年間綿陽市區(qū)生態(tài)環(huán)境質(zhì)量呈先下降后上升狀態(tài)，雖然總體呈下降趨勢，但生態(tài)環(huán)境質(zhì)量有所改善。考慮到評價指標(biāo)的均值都在0附近，為了減少誤差，放棄使用離散系數(shù)而選擇標(biāo)準(zhǔn)差衡量數(shù)據(jù)分布的離散程度，標(biāo)準(zhǔn)差越大說明數(shù)據(jù)分布越不均勻。圖2為不同指標(biāo)標(biāo)準(zhǔn)差與荷載值的絕對值關(guān)系。從圖2可以看出，3個年份荷載值的絕對值都與標(biāo)準(zhǔn)差呈正相關(guān)，表明對于同一種指標(biāo)，影響該指標(biāo)的地物類型種類越多同時面積占比越大，則該指標(biāo)對環(huán)境的影響越強。1996年的綠度對環(huán)境影響最強， 2009年和2018的干度對環(huán)境影響最強，這是因為隨著城市發(fā)展，建成區(qū)的面積不斷增大，同時植被面積不斷減少所致。

圖3是將RSEI以0.2為間距分為5個等級的效果圖，圖中白色部分為掩模掉的水體（彩圖掃描OSID碼可見）。表2為統(tǒng)計的各年份RSEI等級的面積及比例。結(jié)果表明1996-2009年綿陽市區(qū)RSEI等級變化明顯，等級為中級以上區(qū)域所占面積呈下降趨勢，由93.9%降至89.98%;2009-2018年研究區(qū)RSEI等級為中級以上區(qū)域面積小幅上漲，由89.98%增加至91.56%，再次印證了22年來綿陽市區(qū)生態(tài)環(huán)境質(zhì)量先下降再上升的狀態(tài)。

圖4是1996-2018年綿陽市區(qū)生態(tài)變化檢測圖。在RSEI成果基礎(chǔ)上進(jìn)行波段減法運算，對綿陽市區(qū)不同時期的RSEI指數(shù)進(jìn)行檢測。表3是對檢測結(jié)果的統(tǒng)計。從檢測結(jié)果來看，1996-2018年生態(tài)等級變差的面積為196.10km2，占總面積的13.10%;不變的面積為1 265.11km2，占總面積的83.85%;變好的面積為47.52km2，占總面積的3.15%。生態(tài)環(huán)境質(zhì)量降低的地區(qū)所占面積高于生態(tài)質(zhì)量變好區(qū)域所占面積，總體生態(tài)質(zhì)量呈下降趨勢。

從空間變化特征來看，生態(tài)環(huán)境惡化的區(qū)域大部分分布于涪江沿岸，生態(tài)環(huán)境不變的區(qū)域基本分布于市區(qū)周圍的丘陵區(qū)，生態(tài)環(huán)境得到改善的區(qū)域主要集中在涪城區(qū)和游仙區(qū)的老城區(qū)。

4 結(jié)語

RSEI指數(shù)基于遙感技術(shù)，包含了城市生態(tài)系統(tǒng)4個重要指標(biāo)，即濕度、綠度、干度和熱度，使用PCA方法減少了人為因素影響，可簡單快速地對城市生態(tài)環(huán)境進(jìn)行量化評價，較好表現(xiàn)綿陽市區(qū)22年來生態(tài)環(huán)境變化情況。

本文研究表明：

（1）1996-2018年間，綿陽市區(qū)生態(tài)環(huán)境質(zhì)量整體呈先下降再上升趨勢。RESI均值由1996年的0.769下降至2009年的0.709，降幅為7.8%;由2009年的0.709上升至2018年0.733，漲幅為3.4%。研究區(qū)內(nèi)生態(tài)狀況為良及以上的區(qū)域占研究區(qū)總面積的比例由1996年的93.9%減少為2009年的89.98%;由2009年的89.98%，上升到2018年的91.56%。

（2）動態(tài)變化監(jiān)測表明，生態(tài)環(huán)境變差的區(qū)域受城市擴展影響，從西北到東南主要分布在涪江沿岸;生態(tài)環(huán)境得到改善的區(qū)域主要集中于涪城區(qū)和游仙區(qū)的老城區(qū)，這是近年來在老城區(qū)開展環(huán)境治理的結(jié)果。

（3）3個年份的荷載值絕對值都與各指標(biāo)標(biāo)準(zhǔn)差呈正相關(guān)。表明對于同一種指標(biāo)，影響該指標(biāo)的地物類型種類越多同時面積占比越大，該指標(biāo)對環(huán)境的影響越強。1996年綠度對環(huán)境的影響最強，2009年和2018年則是干度對環(huán)境的影響最強，這是因為隨著城市的發(fā)展，城市建成區(qū)域面積在不斷增大的同時植被面積不斷減少。

（4）在4個評價指標(biāo)中，代表干度的指標(biāo)對RSEI指數(shù)影響最大，表明城市生態(tài)環(huán)境質(zhì)量惡化與城市建成區(qū)面積擴大密切相關(guān)。同時，綠度指標(biāo)對生態(tài)指數(shù)RSEI的正面影響最大。因此，若要提升城市生態(tài)環(huán)境質(zhì)量，需合理配置城市建設(shè)用地，科學(xué)布局城市空間，進(jìn)行多種類多面積的城市綠化生態(tài)建設(shè)。

參考文獻(xiàn)：

[1]李揚，張曉晶. “新常態(tài)”：經(jīng)濟發(fā)展的邏輯與前景[J]. 經(jīng)濟研究，2015，50（5）：4-19.

[2]岳文澤，徐建華，徐麗華. 基于遙感影像的城市土地利用生態(tài)環(huán)境效應(yīng)研究——以城市熱環(huán)境和植被指數(shù)為例[J]. 生態(tài)學(xué)報，2005，26（5）：169-174.

[3]肖榮波，歐陽志云，李偉峰，等. 城市熱島的生態(tài)環(huán)境效應(yīng)[J]. 生態(tài)學(xué)報，2005，25（8）：59-63.

[4]曾輝，劉國軍. 基于景觀結(jié)構(gòu)的區(qū)域生態(tài)風(fēng)險分析[J]. 中國環(huán)境科學(xué)，1999，19（5）：454-457.

[5]程晉南，趙庚星，李紅，等. 基于RS和GIS的土地生態(tài)環(huán)境狀況評價及其動態(tài)變化[J]. 農(nóng)業(yè)工程學(xué)報，2008，24（11）：83-88.

[6]徐涵秋. 區(qū)域生態(tài)環(huán)境變化的遙感評價指數(shù)[J].? 中國環(huán)境科學(xué)， 2013， 33（5）：889-897.

[7]董廷旭，秦其明，王建華. 近30年來綿陽市城市用地擴展模式研究[J].? 地理研究，2011，30（4）：667-675.

[8]李海峰，郭科，但尚銘，等. 基于COST模型的熱島效應(yīng)時空演變特征分析[J]. 測繪科學(xué)，2012，37（2）：164-166.

[9]李海峰，李永樹，盧正，等. 綠地景觀熱環(huán)境效應(yīng)的遙感研究[J]. 測繪科學(xué)，2018，43（1）：66-72.

[10]謝莉. 基于GIS及遙感技術(shù)的綿陽城市森林布局研究[D]. 雅安：四川農(nóng)業(yè)大學(xué)，2011.

[11]徐涵秋. 城市遙感生態(tài)指數(shù)的創(chuàng)建及其應(yīng)用[J]. 生態(tài)學(xué)報， 2013，33（24）：7853-7862.

[12]GOWARD S N，XUE Y，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.

[13]李芳芳，賈永紅. 一種基于TM影像的濕地信息提取方法及其變化檢測[J]. 測繪科學(xué)，2008，33（2）：147-149.

[14]HU X， XU H.? A new remote sensing index for assessing the spatial heterogeneity in urban ecological quality： a case from fuzhou city， china[J].? Ecological Indicators， 2018（89）：11-21.

[15]丁鳳，徐涵秋. 基于Landsat TM的3種地表溫度反演算法比較分析[J]. 福建師范大學(xué)學(xué)報（自然科學(xué)版），2008（1）：91-96.

[16]張浩，杜培軍，羅潔瓊，等. 基于遙感生態(tài)指數(shù)的南京市生態(tài)變化分析[J]. 地理空間信息，2017，15（2）：58-62.

[17]ARTIS D A，CARNAHAN W H. Survey of emissivity variability in thermography of urban areas[J]. Remote Sensing of Environment，1982，12（4）：313-329.

[18]WENG Q，LU D，SCHUBRING J. Estimation of land surface temperature-vegetation abundance relationship for urban heat island studies[J]. Remote Sensing of Environment，2004，89（4）：467-483.

[19]VALOR E，CASELLES V. Mapping land surface emissivity from NDVI： application to european， african， and south american areas[J].? Remote Sensing of Environment， 1996， 57（3）：167-184.

[20]LIU Z， XU H， LI L， et al. Ecological change in the hangzhou area using the remote sensing based ecological index[J].? Journal of Basic Science & Engineering， 2015， 23（4）：728-739.

（責(zé)任編輯：杜能鋼）

收稿日期：2019-08-26

基金項目：國家自然科學(xué)基金項目（41101343）

作者簡介：陳孟（1994-），男，昆明理工大學(xué)國土資源與工程學(xué)院、云南省礦產(chǎn)資源預(yù)測評價工程實驗室碩士研究生，研究方向為資源與環(huán)境遙感;溫興平（1970-），男，博士，昆明理工大學(xué)國土資源與工程學(xué)院、云南省礦產(chǎn)資源預(yù)測評價工程實驗室教授、博士生導(dǎo)師，研究方向為遙感技術(shù)及其地學(xué)應(yīng)用。本文通訊作者：溫興平。