基于Google Earth Engine云計(jì)算的城市群生態(tài)質(zhì)量長(zhǎng)時(shí)序動(dòng)態(tài)監(jiān)測(cè)——以粵港澳大灣區(qū)為例

王 淵,趙宇豪,2,吳健生,2,*

1 北京大學(xué)城市規(guī)劃與設(shè)計(jì)學(xué)院, 城市人居環(huán)境科學(xué)與技術(shù)重點(diǎn)實(shí)驗(yàn)室, 深圳 518055

2 北京大學(xué)城市與環(huán)境學(xué)院, 地表過程分析與模擬教育部重點(diǎn)實(shí)驗(yàn)室, 北京 100871

生態(tài)環(huán)境是指影響人類生產(chǎn)生活和生態(tài)系統(tǒng)發(fā)展的各種生態(tài)因素的總和,與人類生存和發(fā)展所處的環(huán)境以及社會(huì)可持續(xù)發(fā)展息息相關(guān)[1]。地球進(jìn)入人類世后[2],人類活動(dòng)對(duì)全球生態(tài)環(huán)境的影響愈發(fā)強(qiáng)烈[3-5],其主要是通過改變地表狀況從而影響生態(tài)環(huán)境,而城市化是造成地表變化的重要原因之一[6-7]。中國(guó)是目前城市化速度最快的國(guó)家之一,1978 到2019年間,城市化率增長(zhǎng)了 42.68%[8],然而傳統(tǒng)城市化過度側(cè)重于發(fā)展速度,導(dǎo)致生態(tài)環(huán)境被破壞。隨著新時(shí)代中國(guó)經(jīng)濟(jì)和城鎮(zhèn)化開始由高速增長(zhǎng)轉(zhuǎn)向高質(zhì)量發(fā)展[9],國(guó)家日益重視生態(tài)環(huán)境評(píng)估與保護(hù)。其中生態(tài)環(huán)境部根據(jù)生物豐度指數(shù),植被覆蓋指數(shù),水網(wǎng)密度指數(shù),土地退化指數(shù)和環(huán)境質(zhì)量指數(shù)構(gòu)建的生態(tài)指數(shù)(Ecological Index, EI),在區(qū)域生態(tài)環(huán)境質(zhì)量(Ecological Environmental Quality, EEQ) 評(píng)估方面得到了廣泛應(yīng)用[10]。在實(shí)際應(yīng)用中,學(xué)者們雖然可以根據(jù)研究區(qū)域?qū)χ笜?biāo)和權(quán)重進(jìn)行了不同的調(diào)整,但普遍面臨評(píng)價(jià)指標(biāo)提取困難、數(shù)據(jù)空間精度較低和數(shù)據(jù)更新慢等問題[11]。而及時(shí)動(dòng)態(tài)地監(jiān)測(cè)生態(tài)環(huán)境狀況,明晰生態(tài)環(huán)境變化的特點(diǎn)和趨勢(shì),對(duì)生態(tài)環(huán)境管理和社會(huì)可持續(xù)發(fā)展具有重大意義。

衛(wèi)星遙感具有大面積、快速和周期性的重復(fù)觀測(cè)的優(yōu)點(diǎn),已被廣泛應(yīng)用于生態(tài)學(xué)研究領(lǐng)域,使得生態(tài)環(huán)境質(zhì)量評(píng)價(jià)工作得到了改善[12-13]。目前,已創(chuàng)建了多種遙感指數(shù)來量化生態(tài)狀況,如歸一化植被指數(shù)(NDVI)、增強(qiáng)植被指數(shù)(EVI)、永久植被分?jǐn)?shù)(PVF)和干旱條件指數(shù)(SDCI)等,但大多都是以某個(gè)特定的生態(tài)相關(guān)主題為導(dǎo)向,不能全面的評(píng)估區(qū)域的綜合生態(tài)狀況[14]。而基于遙感信息并結(jié)合了綠度、濕度、干度、熱度的遙感生態(tài)指數(shù)(remote sensing based ecological index, RSEI)[15]可以比較好的解決上述問題。遙感生態(tài)指數(shù)指標(biāo)容易獲取且計(jì)算簡(jiǎn)便,無需人為設(shè)定權(quán)重和閾值,是一種客觀、快速、簡(jiǎn)便的城市生態(tài)質(zhì)量的監(jiān)測(cè)和評(píng)價(jià)技術(shù)[16-17]。通過該指數(shù)來評(píng)估生態(tài)質(zhì)量的時(shí)空分異,已在不同尺度得到了廣泛的應(yīng)用[12,18-19]。然而在遙感生態(tài)指數(shù)的應(yīng)用中還存在一些問題。首先,遙感影像普遍面臨云遮擋問題,去云較為困難,直接去云則會(huì)造成云遮擋區(qū)域數(shù)據(jù)缺失；其次,不同景影像的獲取時(shí)間有所差異,拼接有一定困難,可比性不足。為規(guī)避上述問題,部分研究通常選取云量較少的小塊區(qū)域某幾個(gè)時(shí)間點(diǎn)的數(shù)據(jù)開展研究[20-21],而云量較多區(qū)域的大范圍長(zhǎng)時(shí)序研究則相對(duì)較少[22]。近年來,谷歌云計(jì)算的Google Earth Engine(GEE)平臺(tái)的快速發(fā)展為遙感數(shù)據(jù)提供了強(qiáng)大處理平臺(tái)[23],基于GEE的圖像處理可以較好的改善遙感數(shù)據(jù)缺失、多云、色差、時(shí)間不一致等問題。在大范圍長(zhǎng)時(shí)間序列的遙感應(yīng)用研究,GEE更具優(yōu)勢(shì),極大的縮短了圖像處理時(shí)間,提高了工作效率[24]。

粵港澳大灣區(qū)(Guangdong-Hong Kong-Macao Greater Bay Area, GBA)的發(fā)展歷程可以看做中國(guó)城市化的縮影,對(duì)其進(jìn)行長(zhǎng)時(shí)序的生態(tài)質(zhì)量時(shí)空變化評(píng)估,不僅可以助力該區(qū)域的建設(shè)和綠色發(fā)展,對(duì)全國(guó)其他地區(qū)也有借鑒意義。同時(shí),粵港澳大灣區(qū)是典型的南方多云地區(qū),基于GEE平臺(tái)的影像數(shù)據(jù)處理和遙感生態(tài)指數(shù)計(jì)算可以為其他類似地區(qū)的提供參考。因此,本文借助GEE平臺(tái),通過逐年遍歷1988—2018年粵港澳大灣區(qū)3530景Landsat遙感影像,對(duì)其去云、計(jì)算指標(biāo)、疊加提取中值、鑲嵌等處理,提取年度遙感生態(tài)指數(shù),評(píng)價(jià)了近三十年來該區(qū)域的生態(tài)質(zhì)量的動(dòng)態(tài)變化,分析了生態(tài)質(zhì)量的時(shí)空異質(zhì)性并比較城市間發(fā)展態(tài)勢(shì)的差異,以期在快速城市化背景下,為土地管理和生態(tài)保護(hù)提供理論依據(jù)。

1 研究區(qū)概況與數(shù)據(jù)來源

1.1 研究區(qū)概況

粵港澳大灣區(qū)(21°32′—24°26′N,111°20′—115°24′E)位于中國(guó)華南地區(qū)(圖1),屬亞熱帶季風(fēng)氣候,年平均氣溫為22°C,雨季集中在4月至9月[25]。其由香港、澳門兩個(gè)特別行政區(qū)和廣州、深圳、珠海、佛山、惠州、東莞、中山、江門、肇慶九個(gè)珠三角城市組成,總面積5.6萬km2,2019年末常住7264.92萬人,GDP總量高達(dá)11.59萬億元人民幣,是中國(guó)開放程度最高、經(jīng)濟(jì)活力最強(qiáng)的區(qū)域之一,在“一帶一路”建設(shè)和國(guó)家發(fā)展大局中具有重要地位[26]。

圖1 研究區(qū)Fig.1 Study area

1.2 數(shù)據(jù)來源與預(yù)處理

采用的數(shù)據(jù)及來源如表1所示。其中,Landsat數(shù)據(jù)來源于美國(guó)地質(zhì)調(diào)查局(United States Geological Survey, USGS),在GEE平臺(tái)集成,空間分辨率為30m,主要包括原始圖像(Digital Number, DN),經(jīng)輻射校正的大氣層頂表觀反射率圖像(Top of Atmosphere Reflectance, TOA Reflectance)和經(jīng)輻射校正和大氣校正的地表反射率圖像(Surface Reflectance, SR),均已完成幾何精校正。由于Landsat7 衛(wèi)星的ETM+機(jī)載掃描行校正器(ScanLinesCorrector, SLC)自2003年故障,導(dǎo)致數(shù)據(jù)條帶的部分丟失,為了盡量避免傳感器之間差異的影響,研究中使用1988—2011年Landsat5衛(wèi)星的TM數(shù)據(jù)和2013—2018年Landsat8衛(wèi)星的OLS和TIRS數(shù)據(jù),不含2012年。

表1 數(shù)據(jù)集說明Table 1 Dataset descriptions

預(yù)處理包括去云和水體掩膜兩個(gè)部分。首先對(duì)Landsat影像利用CFMASK算法生成的質(zhì)量評(píng)估波段QA進(jìn)行去云處理,它通過標(biāo)示哪個(gè)像素可能受儀器或云層影響,從而提高了科學(xué)研究的完整性(https://www.usgs.gov/land-resources/nli/landsat)。具體過程為：選擇出有云陰影覆蓋、有云并且云層置信度為中等的像元,將其像元值設(shè)置為0。其次,由于水體會(huì)影響主成分載荷,根據(jù)徐涵秋提出的改進(jìn)的歸一化水體指數(shù)(Modified Normalized Difference Water Index, MNDWI)對(duì)水體掩膜[27]。

2 研究方法

遙感生態(tài)指數(shù)(RSEI)由歸一化植被指數(shù)(NDVI)、濕度分量(WET)、地表溫度(LST)和干度指數(shù)(NDBSI)構(gòu)成,分別反映與人類生存息息相關(guān)的綠度、濕度、熱度和干度四種生態(tài)要素。其所選的指標(biāo)完全基于遙感信息,容易獲得,且計(jì)算過程無需人工干預(yù),因此結(jié)果客觀可靠、可比性強(qiáng)[15]。

2.1 城市綠度

城市綠度是指城市范圍內(nèi)為植被覆蓋的區(qū)域,且具有一定的生態(tài)服務(wù)效益,對(duì)生態(tài)質(zhì)量有積極的影響[28]。歸一化植被指數(shù)(Normalized Vegetation Index,NDVI)據(jù)植被葉面在紅光波段的吸收和近紅外波段的反射特性構(gòu)建,能反映植物生物量、葉面積指數(shù)以及植被覆蓋度,因此,以NDVI 表征城市綠度指標(biāo),計(jì)算方法見公式(1)。

(1)

式中ρred、ρNIR分別表示TM 影像和OLI影像影像所對(duì)應(yīng)的紅波段和近紅外波段的反射率。

2.2 地表濕度

基于纓帽變換的濕度分量(WET)可反映地表水體條件,特別是土壤的濕度狀態(tài),基于 TM 和OLI數(shù)據(jù)進(jìn)行 WET 提取[29-30],計(jì)算方法見公式(2)(3)。在提取之前,使用MNDWI對(duì)水體進(jìn)行掩膜,綜合前人研究[31]和目視解譯,設(shè)置閾值為0.15,計(jì)算方法見公式(4),使WET反映真實(shí)的陸地地表濕度狀況。

WET(TM)=0.0315ρblue+0.2021ρgreen+0.3102ρred+0.1594ρNIR-0.6806ρSWIR1-0.6109ρSWIR2

(2)

WET(OLI)=0.1511ρblue+0.1972ρgreen+0.3283ρred+0.3407ρNIR-0.7117ρSWIR1-0.4559ρSWIR2

(3)

(4)

式中ρblue、ρgreen、ρred、ρNIR、ρSWIR1、ρSWIR2分別表示TM 影像和OLI影像所對(duì)應(yīng)的藍(lán)波段、綠波段、紅波段、近紅外波段、短波紅外 1 波段和短波紅外 2 波段的地物反射率。

2.3 城市干度

建筑物是城市人工生態(tài)系統(tǒng)的重要組成部分,建筑不透水面取代原有自然生態(tài)系統(tǒng),導(dǎo)致了地表的“干化”,因此利用建筑裸土指數(shù)代表“干度”。應(yīng)用建筑指數(shù)(index-based built-up index, IBI)[16]和 裸土指數(shù)(soil index,SI)[32]合成干度指標(biāo),記為干度指數(shù)(normalized difference built-up and soil index, NDBSI),計(jì)算方式如下所示

NDBSI=SI+IBI/2

(5)

(6)

(7)

式中ρblue、ρgreen、ρred、ρNIR、ρSWIR1、ρSWIR2分別表示TM 影像和OLI影像所對(duì)應(yīng)的藍(lán)波段、綠波段、紅波段、近紅外波段、短波紅外 1 波段和短波紅外 2 波段的地物反射率。

2.4 地表溫度

地表溫度(Land Surface Temperature, LST)是地球能量收支的重要組成部分。是反映地表環(huán)境的重要參數(shù),本研究以經(jīng)過反演的地表溫度表征熱度指標(biāo)。由于Landsat8衛(wèi)星的TIRS傳感器有兩個(gè)熱紅外波段,因?yàn)門IRS band 10波段相對(duì)于TIRS band 11波段而言位于一個(gè)較低的大氣吸收區(qū)域,具有更高精度的大氣透過率,因此選取Landsat5的第6波段和Landsat8的第10波段作為地表溫度反演通道。LST采用統(tǒng)計(jì)單窗模型(statistical mono-window model,SWM)進(jìn)行反演[33]。采用植被覆蓋度計(jì)算地物比輻射率[34-35],植被覆蓋率由NDVI計(jì)算得到。SWM具體計(jì)算方法如下所示。

(8)

(9)

Fveg=NDVI-NDVIbare/NDVIveg-NDVIbare2

(10)

式中Tb表示TIRS通道的大氣頂層反射值,ε是地表比輻射率,系數(shù)Ai、Bi、Ci由線性回歸確定,是對(duì)10類TCWV(i=1,...,10)進(jìn)行的輻射傳輸模擬[36]。NDVIbare為裸露土壤或建筑表面的NDVI值,NDVIveg為全植被覆蓋區(qū)的NDVI值,當(dāng)NDVI大于0.7時(shí),取植被覆蓋度為1。當(dāng)NDVI小于0時(shí),取植被覆蓋度為0。

2.5 綜合生態(tài)指數(shù)構(gòu)建

對(duì)去云之后的遙感影像分別計(jì)算各遙感指標(biāo),通過影像疊加、提取中值(式11),能夠消除異常值和改善色差影響。

(11)

式中,n表示該像素點(diǎn)處某一年衛(wèi)星訪問的次數(shù),即包含的影像總數(shù),pix表示第i張影像的像素值,pix_f表示取中值后最終的像素值。

最后,對(duì)單一指標(biāo)采用極差標(biāo)準(zhǔn)化去除量綱,依據(jù)主成分變換(式12)構(gòu)建遙感生態(tài)指數(shù)。為方便比較,將RSEI標(biāo)準(zhǔn)化處理至[0,1]之間,以0.2為間隔,將RESI劃分為差(0—0.2)、較差(0.2—0.4)、中等(0.4—0.6)、良(0.6—0.8)和優(yōu)(0.8—1.0)五個(gè)等級(jí)[37]。

RSEI0=PCAfNDVI,WET,NDBSI,LST

(12)

(13)

3 結(jié)果分析

3.1 模型檢驗(yàn)3.1.1 RSEI模型表現(xiàn)

將標(biāo)準(zhǔn)化后的各年度綠度、濕度、干度、熱度指標(biāo)進(jìn)行波段合成,PCA變換后得到主成分分析結(jié)果,等間隔抽取樣本進(jìn)行檢驗(yàn)。由表2可知,1988、1998、2008、2018四個(gè)年份的第一主成分貢獻(xiàn)率分別為72.40%、65.75%、77.72%和85.34%,表明主成分集中了大部分特征,且每個(gè)指標(biāo)在第一主成分上的載荷分布均勻,因此基于第一主成分提取的信息來表征RSEI是合理的。

表2 主成分分析結(jié)果Table 2 The result of principal component analysis

3.1.2相關(guān)性檢驗(yàn)

采用平均相關(guān)度模型檢驗(yàn) RSEI的適用性,相關(guān)系數(shù)越接近1,表明模型的綜合代表程度越高,適宜性越強(qiáng)[15]。計(jì)算方法見式(14)。

(14)

表3 各指標(biāo)相關(guān)性矩陣Table 3 Correlation matrix among RSEI and 4 factors

計(jì)算各指標(biāo)之間的Pearson相關(guān)系數(shù),在99%置信水平P值均為0.000,均通過顯著性檢驗(yàn)。平均相關(guān)度計(jì)算結(jié)果表明,RSEI的平均相關(guān)度最大,多年的平均值為0.761,其中1988、1998、2008和2018年分別為的0.744、0.681、0.780和0.840。其次是NDBSI,平均相關(guān)度為0.604,WET、LST、NDVI的相關(guān)度較低,分別為0.478、0.407、0.340,這表明綜合多個(gè)指標(biāo)的RSEI比單一指標(biāo)更適合用來評(píng)價(jià)生態(tài)質(zhì)量。RSEI與各分指標(biāo)的相關(guān)系數(shù)中,NDVI和WET與RSEI呈正相關(guān),NDBSI和LST與RSEI呈負(fù)相關(guān),表明RSEI值越大態(tài)質(zhì)量越好。NDBSI的相關(guān)系數(shù)最大,相關(guān)系數(shù)的絕對(duì)值均大于0.9,其主要反應(yīng)裸土、建筑分布情況,進(jìn)表明城市擴(kuò)張會(huì)造成生態(tài)質(zhì)量的惡化。

3.2 生態(tài)質(zhì)量時(shí)空變化

1988—2018年粵港澳大灣區(qū)RSEI的統(tǒng)計(jì)值分布如圖2所示,箱線圖中展示了RSEI的下四分位數(shù)、中位數(shù)、上四分位數(shù)、上限和下限,限制線以外的異常值不顯示。圖中折線表示RSEI的均值變化,多年RESI均值為0.632,表明其總體生態(tài)質(zhì)量處于良好水平。1988—1991年間,生態(tài)質(zhì)量呈現(xiàn)上升趨勢(shì),1991—2000年生態(tài)質(zhì)量逐漸下降,2000—2002年呈上升趨勢(shì),到2003年RSEI達(dá)到近30年最大值0.802,達(dá)到優(yōu)秀水平。此后直至2018年表現(xiàn)為波動(dòng)下降的趨勢(shì)。

圖2 1988—2018年粵港澳大灣區(qū)遙感生態(tài)指數(shù)RSEI的統(tǒng)計(jì)值分布Fig.2 Statistical distribution of RSEI in the GBA from 1988 to 2018

為確保階段劃分的科學(xué)性,使用基于梯度下降法的最優(yōu)迭代算法對(duì)RSEI值進(jìn)行自動(dòng)分段擬合。兩種分段擬合曲線和精度檢驗(yàn)結(jié)果如圖3所示。圖3(a1)顯示通過直接觀察圖2初步劃分的斷點(diǎn)位置,即1991年、2000年和2003年。圖3(b1)顯示迭代后的自動(dòng)擬合結(jié)果,斷點(diǎn)為1991年、2000年和2002年。圖3(a2)和(b2)比較了兩種方法的擬合精度,從分段擬合曲線的R2值來看,自動(dòng)線性擬合的精度更高。由于2002至2018年時(shí)間跨度較大,新增2009年作為時(shí)間節(jié)點(diǎn)進(jìn)行后續(xù)分析。

圖3 1988—2018年粵港澳大灣區(qū)的遙感生態(tài)指數(shù)RSEI分布Fig.3 Distribution of RSEI in the GBA from 1988 to 2018

RSEI值的空間分布如圖4所示,圖中生態(tài)質(zhì)量較低的紅色區(qū)域在前期分布相對(duì)較為分散,與各城市建成區(qū)所處地理位置保持高度一致,呈現(xiàn)出明顯的多中心分布。而后期主要集中分布在佛山、中山、廣州南、東莞、深圳和惠州的市中心和惠陽(yáng)區(qū),表現(xiàn)為明顯的空間集聚分布特征。同時(shí)從圖4可以看出,研究區(qū)域內(nèi)的生態(tài)質(zhì)量空間異質(zhì)性高,且城市區(qū)域的生態(tài)質(zhì)量明顯低于非城市區(qū)域。

圖4 1988—2018年粵港澳大灣區(qū)生態(tài)質(zhì)量變化Fig.4 Remote sensing ecological index (RSEI) changes of the GBA from 1988 to 2018

3.3 生態(tài)質(zhì)量變化檢測(cè)

為了進(jìn)一步分析生態(tài)質(zhì)量變化的時(shí)空分布狀況將RSEI的 五個(gè)等級(jí),采用差值法對(duì)多時(shí)相的生態(tài)質(zhì)量進(jìn)行變化檢測(cè)(表4)。

表4 生態(tài)質(zhì)量等級(jí)轉(zhuǎn)移矩陣Table 4 Transition matrix of ecological quality levels

圖5和圖6表示變化檢測(cè)結(jié)果,紅色、黃色和綠色分別表示生態(tài)質(zhì)量退化、不變和提高。1988—1991年,有43%的區(qū)域生態(tài)質(zhì)量提高,生態(tài)質(zhì)量下降的區(qū)域占6%,空間上分布較為零散。1991—2000年,生態(tài)質(zhì)量提高的區(qū)域占10%,生態(tài)質(zhì)量下降的區(qū)域達(dá)45%,分布在廣州、佛山、東莞、深圳的大部分區(qū)域。2000—2002年,有8%的區(qū)域生態(tài)質(zhì)量退化,主要分布在肇慶市東南部、惠州市東北部以及深圳市南部沿海區(qū)域,區(qū)域生態(tài)質(zhì)量提高的區(qū)域占43%,不同程度地分布在每個(gè)城市。2002—2018年生態(tài)質(zhì)量總體下降,其中2002—2009年,生態(tài)質(zhì)量下降區(qū)域占35%,2009—2018年,生態(tài)質(zhì)量下降區(qū)域占36%,空間分布較為均勻,每個(gè)城市有不同程度的下降。從1988—2018年的變化檢測(cè)結(jié)果來看,三十年來共有36%的區(qū)域生態(tài)質(zhì)量下降,廣州、東莞、佛山、珠海生態(tài)質(zhì)量退化明顯,肇慶西北部、深圳、惠州等區(qū)域也有不同程度的退化。

圖5 1988—2018年生態(tài)質(zhì)量變化檢測(cè)Fig.5 Change detection of ecological quality in the GBA from 1988 to 2018

圖6 1988—2018年粵港澳大灣區(qū)生態(tài)質(zhì)量變化Fig.6 Changes of ecological quality in the GBA from 1988 to 2018

3.4 生態(tài)質(zhì)量分區(qū)統(tǒng)計(jì)

統(tǒng)計(jì)各縣(區(qū))尺度上三十年來生態(tài)質(zhì)量變化檢測(cè)結(jié)果的均值,將其分為五個(gè)級(jí)別,分別為總體改善、基本不變、輕度退化、中度退化和重度退化。由圖7可知,生態(tài)質(zhì)量存在明顯空間分異。其中佛山、中山、東莞、廣州南部以及珠海市金灣區(qū)、江門市江海區(qū)為重度退化,空間上集聚分布在粵港澳大灣區(qū)的中心,這些區(qū)域海拔較低,城市擴(kuò)張范圍大,綠地保有量較少,城市發(fā)展過程中生態(tài)質(zhì)量遭到破壞。澳門、深圳市的寶安區(qū)、龍華區(qū)、光明區(qū)、珠海市蓬江區(qū)、肇慶市端州區(qū)下降幅度次之,表現(xiàn)為中度退化。江門市大部分地區(qū)、佛山西部的高明區(qū)以及與其毗鄰的肇慶市高要區(qū)、廣州北部的從化區(qū)、惠州市博羅縣等生態(tài)質(zhì)量整體改善,這些區(qū)域相對(duì)而言山地居多,以自然景觀為主,城市開發(fā)強(qiáng)度較弱,此外,深圳市南山區(qū)和福田區(qū)的生態(tài)質(zhì)量也得以改善。研究區(qū)北部和香港生態(tài)質(zhì)量整體基本不變,這可能是因?yàn)橄愀郾旧硖幱诟叨瘸鞘谢?開發(fā)空間有限,且香港對(duì)生態(tài)用地保護(hù)嚴(yán)格,土地開發(fā)阻力和難度較大,而研究區(qū)北部多山區(qū),基本沒有開發(fā)利用。

圖7 1988—2018年不同區(qū)域生態(tài)質(zhì)量平均變化結(jié)果Fig.7 Results of average variation of ecological quality in different regions from 1988 to 2018

4 討論4.1 研究亮點(diǎn)

以往在運(yùn)用RSEI生態(tài)指數(shù)對(duì)區(qū)域生態(tài)質(zhì)量時(shí)空變化進(jìn)行監(jiān)測(cè)時(shí),經(jīng)常會(huì)受到遙感圖像質(zhì)量的制約,為消除圖像質(zhì)量的影響,研究多采取在年度影像中挑選質(zhì)量較好且季節(jié)相近的影像數(shù)據(jù)[20,38],或者僅進(jìn)行小范圍的研究[39-40],而對(duì)于云量較多的區(qū)域往往會(huì)造成數(shù)據(jù)缺失,通常采用鄰近年份代替的方法[21],這限制了RSEI指數(shù)的準(zhǔn)確性、可比性以及研究的區(qū)域范圍和時(shí)間序列長(zhǎng)度。而本研究在計(jì)算粵港澳大灣區(qū)1988—2018三十年來的RSEI時(shí),基于Google Earth Engine(GEE)提供的強(qiáng)大云計(jì)算能力可以較好的避免上述問題。RSEI指數(shù)中的綠度、濕度、干度、熱度等指標(biāo)均是基于全年遙感數(shù)據(jù)計(jì)算的結(jié)果,通過疊加全年所有圖像,提取中值的方法,改善了去云、圖像色差等常見問題。同時(shí),該處理方法同樣可以作為季度、月度等周期性時(shí)間段的數(shù)據(jù)處理的參考,增加了研究結(jié)果在時(shí)間序列上的可比性。GEE的使用可以極大的提高影像處理的效率、在大范圍長(zhǎng)時(shí)間序列的遙感應(yīng)用研究中極具優(yōu)勢(shì),為RSEI的運(yùn)用提供了更廣闊的前景。

4.2 模型指標(biāo)關(guān)系

生態(tài)質(zhì)量與四個(gè)分指標(biāo)密切相關(guān)。根據(jù)相關(guān)性分析結(jié)果,NDVI和WET對(duì)RSEI起正向作用,即在指標(biāo)的數(shù)量區(qū)間內(nèi),隨著NDVI和WET增大,RSEI相應(yīng)增加,生態(tài)質(zhì)量越好。相反,隨著NDBSI和LST的增加,RSEI隨之減小,生態(tài)質(zhì)量下降。從標(biāo)準(zhǔn)化指標(biāo)的系數(shù)來看,其中NDBSI系數(shù)的絕對(duì)值最大,對(duì)RSEI的影響最大。在一定程度上證實(shí)了城市擴(kuò)張帶來的城市景觀的變換會(huì)對(duì)生態(tài)環(huán)境產(chǎn)生負(fù)面影響,因此城市規(guī)劃和設(shè)計(jì)者應(yīng)該兼顧生態(tài)環(huán)境,權(quán)衡城市發(fā)展和生態(tài)環(huán)境質(zhì)量的關(guān)系,促進(jìn)可持續(xù)的城市發(fā)展。需要指出的是,植被質(zhì)量對(duì)生態(tài)質(zhì)量的影響很大,因此NDVI合成通常根據(jù)植被物候期提取特定季節(jié)的數(shù)據(jù)。而粵港澳大灣區(qū)處于亞熱帶季風(fēng)氣候區(qū),終年溫暖濕潤(rùn),植被物候特征不明顯[41],同時(shí),其位于南方多云地區(qū),遙感成像易受天氣條件影響,數(shù)據(jù)缺失問題更加突出,僅選擇生長(zhǎng)季數(shù)據(jù),會(huì)導(dǎo)致研究區(qū)部分年份出現(xiàn)較多空值。因此本文在NDVI指標(biāo)提取過程中對(duì)全年所有影像數(shù)據(jù)進(jìn)行合成。相反,在北方地區(qū),植被物候明顯,且云量較少,可以根據(jù)研究區(qū)的植被生長(zhǎng)季節(jié)的起訖日期,進(jìn)而確定相應(yīng)的NDVI數(shù)值[42]。

4.3 不足與展望

已有的評(píng)價(jià)指標(biāo)體系仍有待完善之處。首先,四項(xiàng)指標(biāo)是否可以全面表征區(qū)域生態(tài)質(zhì)量值得商榷,因此下一步可以考慮增加指標(biāo)數(shù)量[43]以提升指標(biāo)對(duì)區(qū)域生態(tài)質(zhì)量的代表性。其次,四項(xiàng)指標(biāo)本身的評(píng)價(jià)方式也可以進(jìn)一步提升。如溫度和濕度指標(biāo)對(duì)生態(tài)質(zhì)量的影響應(yīng)該具有條件限制,地表溫度對(duì)人類健康風(fēng)險(xiǎn)的影響存在閾值,過高或過低均會(huì)導(dǎo)致死亡率增加[44],可以考慮根據(jù)研究區(qū)狀況制定合適的閾值之后再進(jìn)行歸一化[45]。此外,城市生態(tài)質(zhì)量的綠度、濕度、干度、熱度等指標(biāo)是從二維結(jié)構(gòu)方面的考慮,可以考慮引入城市植被三維信息等空間度量進(jìn)行優(yōu)化。

在數(shù)據(jù)處理上,當(dāng)研究區(qū)域過大、像素點(diǎn)過多時(shí),基于GEE的大范圍像素級(jí)的處理可能會(huì)遇到內(nèi)存溢出、處理速度慢等問題,可以采用圖像分割并行計(jì)算等方法進(jìn)行改進(jìn)。文中主要側(cè)重于使用GEE平臺(tái)實(shí)現(xiàn)長(zhǎng)時(shí)間大范圍的生態(tài)質(zhì)量監(jiān)測(cè),僅對(duì)1988—2018年來大灣區(qū)生態(tài)質(zhì)量變化趨勢(shì)和原因進(jìn)行了簡(jiǎn)單論述,但并沒有對(duì)驅(qū)動(dòng)力做具體的分析和討論,這是下一步將要開展的工作。

5 結(jié)論

本文基于Google Earth Engine平臺(tái),對(duì)1988—2018年來粵港澳大灣區(qū)共3530景Landsat遙感影像進(jìn)行批量去云處理,逐年提取綠度、濕度、干度和熱度等遙感指標(biāo),構(gòu)建生態(tài)指數(shù)RSEI,并基于梯度下降法的最優(yōu)迭代算法確定生態(tài)質(zhì)量變化拐點(diǎn),評(píng)價(jià)了粵港澳大灣區(qū)近30年間四個(gè)不同時(shí)段內(nèi)的區(qū)域生態(tài)質(zhì)量時(shí)空變化。主要結(jié)論如下：

(1)從時(shí)間上看,粵港澳大灣區(qū)三十年來生態(tài)環(huán)境質(zhì)量呈現(xiàn)先上升、再下降、后上升、最后下降的總體趨勢(shì)?？臻g上,生態(tài)質(zhì)量具有明顯的空間異質(zhì)性,主要呈現(xiàn)出西北部和東北部的生態(tài)質(zhì)量高,中部城市建成區(qū)生態(tài)質(zhì)量低的狀態(tài),粵港澳大灣區(qū)應(yīng)加強(qiáng)區(qū)域協(xié)調(diào)發(fā)展,形成優(yōu)勢(shì)互補(bǔ)的可持續(xù)發(fā)展模式。

(2)1988—2018年期間佛山東南部、中山、東莞、廣州南部以及珠海市金灣區(qū)、江門市江海區(qū)的生態(tài)質(zhì)量表現(xiàn)為重度退化, 澳門、深圳市的寶安區(qū)、龍華區(qū)、光明區(qū)、珠海市蓬江區(qū)和肇慶市端州區(qū)表現(xiàn)為中度退化,肇慶市西北部、深圳市東部、珠海市香洲區(qū)、江門市新會(huì)區(qū)等區(qū)域表現(xiàn)為輕度退化,江門市大部分地區(qū)、佛山西部的高明區(qū)以及肇慶市高要區(qū)、廣州北部的從化區(qū)、惠州市博羅縣等生態(tài)質(zhì)量整體改善,香港生態(tài)質(zhì)量基本不變。

(3)1988—1991年,生態(tài)質(zhì)量上升,生態(tài)質(zhì)量提高和下降區(qū)域分別占43%和6%,1991—2000年,生態(tài)質(zhì)量下降,生態(tài)質(zhì)量提高和下降區(qū)域分別占10%和45%,下降區(qū)域分布在廣州、佛山、東莞、深圳的大部分區(qū)域,2000—2002年生態(tài)質(zhì)量上升,生態(tài)質(zhì)量提高和下降區(qū)域分別占43%和8%,下區(qū)域主要分布在肇慶市東南部、惠州市東北部以及深圳市南部沿海區(qū)域,2002—2018年生態(tài)質(zhì)量總體下降,其中2002—2009年,生態(tài)質(zhì)量下降區(qū)域占35%,2002—2018年,生態(tài)質(zhì)量下降區(qū)域占36%。

(4)Google Earth Engine平臺(tái)可以較好的改善遙感數(shù)據(jù)缺失、多云、色差、時(shí)間不一致等問題,極大的提高影像處理的效率、在大范圍長(zhǎng)時(shí)間序列的遙感應(yīng)用研究中極具優(yōu)勢(shì),為RSEI的運(yùn)用提供了更廣闊的前景。