基于RSEI的靖安縣生態(tài)質(zhì)量變化分析

韋 紅,鐘喬鵬

(1.福建農(nóng)林大學(xué) 公共管理與法學(xué)院,福州 350002; 2.福州市倉(cāng)山區(qū)國(guó)家稅務(wù)局臨江分局,福州 350007)

0 引言

生態(tài)環(huán)境質(zhì)量與人類生活息息相關(guān),良好的生態(tài)環(huán)境是最大的民生福祉。秉承“綠水青山就是金山銀山”的生態(tài)發(fā)展理念,各地普遍而廣泛地開(kāi)展了縣域生態(tài)治理與建設(shè),以實(shí)現(xiàn)人與自然的區(qū)域協(xié)調(diào)發(fā)展。監(jiān)測(cè)區(qū)域生態(tài)時(shí)空變化,評(píng)價(jià)分析區(qū)域生態(tài)質(zhì)量空間差異,能夠更科學(xué)合理地規(guī)劃并精細(xì)化指導(dǎo)縣域生態(tài)建設(shè)與治理,實(shí)現(xiàn)區(qū)域生態(tài)高質(zhì)量發(fā)展。

傳統(tǒng)的生態(tài)評(píng)價(jià)方法往往以匯總的籠統(tǒng)指數(shù)為依據(jù)進(jìn)行評(píng)價(jià),或需人為確定各個(gè)評(píng)價(jià)因子的權(quán)重[1],在應(yīng)用上具有很大局限性。2013年,徐涵秋等提出將遙感生態(tài)指數(shù)(RSEI)模型用于對(duì)區(qū)域進(jìn)行生態(tài)指數(shù)評(píng)價(jià)[2],該模型能充分反映區(qū)域生態(tài)指數(shù)的空間分布情況,應(yīng)用較為廣泛,研究對(duì)象涉及城市[3-6]、鄉(xiāng)村[7-8]、森林公園[9-10]、流域水體[11-13]、海島[14]、黃土地[15]、特殊區(qū)域[16-17]等各種不同尺度的地理環(huán)境,被證明能定量、快速、客觀地評(píng)價(jià)區(qū)域生態(tài)環(huán)境質(zhì)量。鑒于不同研究區(qū)域生態(tài)條件的差異性、遙感影像的時(shí)點(diǎn)快照特性以及4個(gè)生態(tài)因子間的弱線性或非線性關(guān)系[18],對(duì)于使用RSEI進(jìn)行區(qū)域生態(tài)質(zhì)量評(píng)價(jià)還需更多實(shí)證探討。

靖安縣自2013年被評(píng)為國(guó)家級(jí)生態(tài)縣以來(lái),依托本地生態(tài)資源,開(kāi)創(chuàng)“一產(chǎn)利用生態(tài),二產(chǎn)服從生態(tài),三產(chǎn)保護(hù)生態(tài)”的區(qū)域生態(tài)經(jīng)濟(jì)發(fā)展模式,構(gòu)建了以大健康產(chǎn)業(yè)為首的現(xiàn)代經(jīng)濟(jì)體系,走出一條生態(tài)建設(shè)與經(jīng)濟(jì)發(fā)展的共贏之路。本研究選取2013年和2018年的Landsat8遙感影像,采用RSEI模型研究靖安縣生態(tài)指數(shù)在時(shí)空上的分布與變化特點(diǎn),分析了在應(yīng)用RSEI模型過(guò)程中遇到的問(wèn)題,以為相關(guān)研究和實(shí)踐提供參考。

1 研究區(qū)域概況與研究方法

1.1 研究區(qū)域概況

靖安縣隸屬江西省宜春市,地處宜春市北部,總面積約1 377 km2,屬北亞熱帶地區(qū)濕潤(rùn)氣候,四季較為分明;地勢(shì)東西長(zhǎng),南北窄,四周環(huán)山,中部山地間雜丘陵,東南偶有少量河谷平原,動(dòng)植物資源豐富,森林覆蓋率高達(dá)84.25%[19]。2013年,靖安縣首次被評(píng)為國(guó)家級(jí)生態(tài)縣;2017年9月,靖安縣被環(huán)境保護(hù)部授予第一批國(guó)家生態(tài)文明建設(shè)示范縣稱號(hào);2019年、2021年均入選中國(guó)最美縣域榜單,是著名的國(guó)家級(jí)生態(tài)縣。

1.2 數(shù)據(jù)來(lái)源及處理

為保證研究結(jié)果的精度和可靠性,選擇時(shí)間相近、云量小于5%的高質(zhì)量影像作為數(shù)據(jù)源,最終選用2013年10月12日(靖安縣晴,17-32℃)與2018年11月27日(靖安縣晴,9-21℃)的Landsat 8 OLI/TIRS遙感影像圖[20],使用ENVI軟件對(duì)遙感數(shù)據(jù)進(jìn)行必要的大氣校正和裁剪。

1.3 研究方法

RSEI模型選用的是區(qū)域濕度(Wetness)、綠度(Greenness)、干度(Dryness)和熱度(Heat)等4個(gè)可直觀感受的生態(tài)優(yōu)劣指標(biāo),采用主成分分析法(PCA)集成這4個(gè)指標(biāo),以第一主成分構(gòu)建RSEI指數(shù),各指標(biāo)對(duì)第一主成分的貢獻(xiàn)度為權(quán)重不需人為判斷決定。這4個(gè)指標(biāo)在區(qū)域空間分布上是變化的,故RSEI的結(jié)果也是在區(qū)域上分布變化的表面,而非一組匯總的指數(shù),可以較好地反映區(qū)域生態(tài)質(zhì)量的分布與變化,用于區(qū)域生態(tài)環(huán)境質(zhì)量的時(shí)空變化與分析研究。RSEI模型可簡(jiǎn)略地表示為:

RSEI=PC1[F(Wetness,Greenness,Dryness,Heat)][2]

(1)

其中PC1為主成分分析得到的第一主成分。

基于遙感影像數(shù)據(jù),濕度指標(biāo)(WET)一般采用纓帽變換求得,綠度指標(biāo)(NDVI)一般用歸一化植被指數(shù)代表,干度指標(biāo)(NDSI)用建筑裸土指數(shù)表示,熱度指標(biāo)(LST)通過(guò)地表溫度反演得到。具體的計(jì)算方法在眾多文獻(xiàn)中已有詳細(xì)說(shuō)明[1,2,5,13,21,22]。本研究使用ArcGIS 10.8軟件進(jìn)行指標(biāo)的計(jì)算處理與PCA分析,對(duì)于區(qū)域內(nèi)的異常噪音值一律使用Nibble工具處理,即使用最鄰近有效值來(lái)替換異常值。

在PCA分析之前,需要將各指標(biāo)歸一化以消除量綱差異。為比較不同年度間的指標(biāo),對(duì)PCA分析計(jì)算得到的RSEI值也進(jìn)行歸一化處理。研究中統(tǒng)一采用最小值最大值線性歸一化方法:

I’=(I-Imin)/(Imax-Imin)

(2)

2 研究結(jié)果

2.1 指標(biāo)計(jì)算結(jié)果

遙感數(shù)據(jù)是地面某一時(shí)刻的快照,根據(jù)它計(jì)算得出的指標(biāo)也具有明顯的時(shí)間快照特性,凡是影響到指標(biāo)本身特性的外因在時(shí)間點(diǎn)、時(shí)間段上的差異都將影響到指標(biāo)的計(jì)算結(jié)果。如表1所示,對(duì)比兩期遙感數(shù)據(jù)4個(gè)指標(biāo)值的統(tǒng)計(jì)結(jié)果,綠度指標(biāo)統(tǒng)計(jì)值差異變化較小。因NDVI本身具有歸一化效果,且靖安縣具有超過(guò)84%的穩(wěn)定森林覆被率及北亞熱帶區(qū)域植被特性,其統(tǒng)計(jì)值相對(duì)穩(wěn)定是可以預(yù)估的。在時(shí)間點(diǎn)差異、前期時(shí)段氣候差異等因素作用下,其它3個(gè)指標(biāo)值差異較大,如兩期的平均溫度分別為20.62 ℃和12.46 ℃。根據(jù)靖安縣氣象數(shù)據(jù),2013年10月12日前三天最高最低平均溫度分別為30.0 ℃和18.7 ℃,而2018年11月17日前三天則分別為19.7 ℃和8.0 ℃,天氣變化對(duì)溫度、濕度和干度的影響巨大,故直接對(duì)比這些指標(biāo)的價(jià)值不大,需比照它們參與構(gòu)成的生態(tài)指數(shù)的空間分布與差異。

表1 兩期遙感數(shù)據(jù)各指標(biāo)統(tǒng)計(jì)Tab.1 Statistics of remote sensing data indicators of two periods

2.2 主成分分析結(jié)果

4個(gè)指標(biāo)歸一化處理后,使用PCA分析合成的第一主成分PC1即為RSEI。2013年,RSEI包含的信息約為70.78%,而2018年約為64.06%,與主成分分析研究所要求的超過(guò)85%的特征值貢獻(xiàn)率相比較低。但從4個(gè)指標(biāo)的特征向量構(gòu)成來(lái)看,只有PC1中對(duì)生態(tài)有益的綠度、濕度的載荷值符號(hào)為正,對(duì)生態(tài)不利的干度、熱度的載荷值符號(hào)為負(fù),表現(xiàn)出明顯的符合預(yù)期的生態(tài)意義。詳見(jiàn)表2。

表2 主成分分析結(jié)果Tab.2 Results of principal component analysis

從載荷值的絕對(duì)值來(lái)看,兩期數(shù)據(jù)中,對(duì)生態(tài)有利的綠度因子的載荷值遠(yuǎn)大于濕度載荷值(均超過(guò)2.3倍),表明濕度對(duì)靖安縣生態(tài)的影響相對(duì)較小,符合北亞熱帶濕潤(rùn)氣候的特點(diǎn),濕度指標(biāo)的載荷值也遠(yuǎn)小于其它指標(biāo)的載荷值。對(duì)生態(tài)不利的干度及熱度因子方面,2013年熱度載荷值大于干度,2018年干度載荷值大于熱度,符合當(dāng)時(shí)的溫度特點(diǎn),且差值均較小(2013年相差12.6%,2018年相差32.5%),絕對(duì)數(shù)值較大,反映出二者對(duì)靖安縣生態(tài)質(zhì)量都有重要影響。詳見(jiàn)表2。

2.3 RSEI值的時(shí)空變化

為比較不同時(shí)間點(diǎn)的RSEI值,需將PCA分析得到的PC1進(jìn)行歸一化處理,結(jié)果見(jiàn)圖1。統(tǒng)計(jì)后發(fā)現(xiàn),區(qū)域RSEI均值在2013年為0.6668,2018年為0.6053,均在0.6以上,表明區(qū)域生態(tài)環(huán)境質(zhì)量總體較好?？臻g分布上,東南河谷平原等人類活動(dòng)密集區(qū)的RSEI值明顯低于西部山區(qū)和中部丘陵區(qū)。直接用平均值變化來(lái)判斷區(qū)域生態(tài)質(zhì)量變化的研究方式有待商榷,線性歸一化處理并不改變數(shù)據(jù)的分布,但對(duì)數(shù)據(jù)的統(tǒng)計(jì)值,如均值會(huì)產(chǎn)生很大影響;且線性歸一化處理對(duì)于最大值和最小值都很敏感,而柵格運(yùn)算中又容易出現(xiàn)噪音,也會(huì)影響到最大值和最小值。PCA分析得到的第一組各因子權(quán)重因時(shí)因地不同,即便排除了人為確定權(quán)重的干擾,結(jié)果值也只能反映當(dāng)時(shí)生態(tài)指數(shù)的空間分布和差異;不同區(qū)域不同時(shí)間點(diǎn)的RSEI值不管是否歸一化,都缺乏直接比較的基礎(chǔ),因此不能證明2018年靖安縣的生態(tài)質(zhì)量相對(duì)2013年降低了。

圖1 靖安縣兩期RSEI值對(duì)比Fig.1 Comparison of RSEI of two periods in Jing’an County

盡管不能從時(shí)間上直接比較RSEI值的大小,但RSEI值確實(shí)能反映區(qū)域生態(tài)質(zhì)量的分布與差異。對(duì)于靖安縣這樣生態(tài)系統(tǒng)優(yōu)良且相對(duì)穩(wěn)定的區(qū)域,可通過(guò)劃分生態(tài)等級(jí)的方式來(lái)研究區(qū)域生態(tài)指數(shù)等級(jí)的時(shí)空變化特征。參考以往文獻(xiàn),以0.2為間隔將區(qū)域生態(tài)質(zhì)量分為5等,從低到高分別表示“差”(0～0.2)“較差”(0.2～0.4)“一般”(0.4～0.6)“良”(0.6～0.8)及“優(yōu)”(0.8～1.0),統(tǒng)計(jì)各級(jí)所占面積百分比[1,9,11,23]。

由表3可知,2013年和2018年,靖安縣生態(tài)環(huán)境“良”及以上的區(qū)域分別占80.74%和67.92%,表明區(qū)域生態(tài)環(huán)境保持良好的同時(shí)生態(tài)指數(shù)有所下降。盡管“等級(jí)差”的區(qū)域面積在2018年相對(duì)減少,但“較差”和“一般”等級(jí)的區(qū)域面積占比卻在擴(kuò)大,尤其是生態(tài)指數(shù)為“一般”的區(qū)域面積占比從2013年的12.18%增加到2018年的23.38%,需引起重視,理清指數(shù)變化的原因。

表3 兩期RSEI值分級(jí)統(tǒng)計(jì)Tab.3 Statistics of RSEI classification of two periods

組合兩期RSEI分級(jí)數(shù)據(jù),可獲得等級(jí)的轉(zhuǎn)移情況(數(shù)量及占總面積的百分比)。數(shù)據(jù)表明,從2013年“良”等級(jí)降級(jí)為2018年“一般”等級(jí)的單元,占總面積的13.18%,是導(dǎo)致研究區(qū)域生態(tài)指數(shù)降低的最大原因;其次是從2013年“優(yōu)”等級(jí)降級(jí)為2018年“良”等級(jí)的單元,占總面積的4.36%。生態(tài)指數(shù)提升方面,從2013年“較差”等級(jí)提升至2018年“一般”等級(jí)的單元,占總面積的2.14%。詳見(jiàn)表4。

表4 兩期遙感數(shù)據(jù)RSEI等級(jí)轉(zhuǎn)移矩陣 [像元個(gè)數(shù)/占比(%)]Tab.4 RSEI level transfer matrix of remote sensing data of two periods [number of pixels/proportion(%)]

2.4 區(qū)域RSEI等級(jí)變化重點(diǎn)區(qū)域

對(duì)照2018年的合成遙感影像圖,可以看到靖安縣生態(tài)質(zhì)量等級(jí)提升的區(qū)域基本發(fā)生在城郊和鄉(xiāng)鎮(zhèn)等人類活動(dòng)密集區(qū),而等級(jí)由“良”降為“一般”的區(qū)域除集中在縣域北部邊緣外,還散布于等級(jí)提升區(qū)外圍。等級(jí)由“優(yōu)”降為“良”的區(qū)域則相對(duì)集中于縣域西南部及中北部山地向丘陵的過(guò)渡帶。詳見(jiàn)圖2。

圖2 靖安縣主要RSEI等級(jí)變化區(qū)與2018年遙感影像對(duì)比Fig.2 Comparison of main RSEI level variation areas in Jing’an County with remote sensing images in 2018

由表5可知,在靖安縣主要生態(tài)指數(shù)提升區(qū)內(nèi),對(duì)生態(tài)有利的綠度和濕度的均值都有所上升,對(duì)生態(tài)不利的干度和熱度均值有所下降;考慮到其分布主要與人類活動(dòng)區(qū)相對(duì)應(yīng),可判定近年來(lái)靖安縣的生態(tài)建設(shè)活動(dòng)取得一定成效,通過(guò)對(duì)土地利用方式進(jìn)行調(diào)整和改變,提升了區(qū)域生態(tài)環(huán)境質(zhì)量。對(duì)于生態(tài)等級(jí)降低的區(qū)域,可以看到最主要的變化來(lái)自綠度的降低及干度和熱度的上升,表達(dá)區(qū)域氣候濕潤(rùn)狀況的WET因子均值變化相對(duì)較小;對(duì)此,首先要考慮到采用的遙感影像時(shí)間點(diǎn),2018年的遙感影像時(shí)點(diǎn)比2013年晚一個(gè)半月,且處于秋冬季節(jié)變化期;靖安縣秋季降溫較快,冬季較寒冷,東部山區(qū)氣溫與西部相差較大,會(huì)導(dǎo)致山區(qū)林區(qū)發(fā)生季相演替,綠度顯著降低,這可以部分地解釋評(píng)價(jià)因子值變化的原因及區(qū)域RSEI指數(shù)降低的原因。故要準(zhǔn)確評(píng)價(jià)一個(gè)區(qū)域的生態(tài)質(zhì)量變化,需分析時(shí)點(diǎn)上更一致的數(shù)據(jù),進(jìn)一步研究評(píng)價(jià)因子的季節(jié)變化特點(diǎn)、穩(wěn)定性等。

表5 主要RSEI等級(jí)變化區(qū)評(píng)價(jià)因子平均值變化統(tǒng)計(jì)Tab.5 Statistics of the average value changes of the evaluation factors in the main RSEI rating change area

3 結(jié)論

基于RSEI研究靖安縣2013年和2018年生態(tài)指數(shù)的空間變化表明,該縣遙感生態(tài)指數(shù)平均值在0.6以上,生態(tài)質(zhì)量總體較好。盡管評(píng)價(jià)結(jié)果顯示靖安縣人口活動(dòng)密集區(qū)域的RSEI指數(shù)較低,但在研究時(shí)段內(nèi)其等級(jí)上有所提升,表明該縣生態(tài)建設(shè)活動(dòng)符合生態(tài)發(fā)展要求,人口活動(dòng)區(qū)域生態(tài)環(huán)境質(zhì)量有所提升;在優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)、實(shí)現(xiàn)經(jīng)濟(jì)發(fā)展的同時(shí)注重生態(tài)保護(hù)和建設(shè),實(shí)現(xiàn)了經(jīng)濟(jì)與生態(tài)的共同發(fā)展。

靖安縣北部及西南部的部分區(qū)域遙感生態(tài)指數(shù)略有降低,但考慮時(shí)間點(diǎn)氣候條件不同因素,需使用更恰當(dāng)?shù)臄?shù)據(jù)及對(duì)模型穩(wěn)定性進(jìn)行進(jìn)一步研究。