基于基線遙感生態(tài)指數(shù)的鄂爾多斯市生態(tài)質(zhì)量分析

薛華柱， 袁 茜， 董國濤,2,3， 姚 楠， 張 晴

（1.河南理工大學(xué)測繪與國土信息工程學(xué)院，河南 焦作 454000；2.黑河水資源與生態(tài)保護研究中心，甘肅 蘭州 730030；3.黃河水利委員會黃河水利科學(xué)研究院，河南 鄭州 450003）

生態(tài)質(zhì)量是生態(tài)環(huán)境優(yōu)劣程度的表現(xiàn)，關(guān)系到社會經(jīng)濟的發(fā)展［1］，良好的生態(tài)質(zhì)量是人類生存和發(fā)展的前提。遙感具有采集范圍廣、周期短、數(shù)據(jù)獲取方便等優(yōu)點，傳統(tǒng)遙感處理平臺難以滿足遙感大數(shù)據(jù)的快速處理和信息挖掘［2］，谷歌地球引擎（Google earth engine，GEE）遙感云平臺為用戶提供了豐富的地理空間數(shù)據(jù)處理和分析工具［3］，提升了影像處理效率，減少了長時序和大范圍監(jiān)測的工作量，成為生態(tài)質(zhì)量研究的熱點［4-6］。通過GEE遙感云平臺獲取遙感影像對生態(tài)質(zhì)量進行分析，研究其演變特征并分析其驅(qū)動機制，對區(qū)域可持續(xù)發(fā)展有著重要意義。

影響生態(tài)質(zhì)量因素較多，需采用多個指標(biāo)來評價生態(tài)質(zhì)量變化。在國內(nèi)外現(xiàn)有的遙感生態(tài)質(zhì)量監(jiān)測方法中，基于綠度、濕度、干度、溫度的遙感生態(tài)指數(shù)（Remote sensing ecological index，RSEI）［7］通過多指標(biāo)綜合進行數(shù)據(jù)建模，對生態(tài)質(zhì)量的空間分布和演變趨勢進行定量描述，已應(yīng)用于不同區(qū)域的生態(tài)環(huán)境研究［8-10］。隨著RSEI 探究的深入，有學(xué)者對其進行了改進，提升了RSEI 的應(yīng)用價值和普遍性，如：宋美杰等［11］根據(jù)主成分的累計貢獻率構(gòu)建改進遙感生態(tài)指數(shù)，提升生態(tài)指標(biāo)的信息利用率；羅镕基等［12］引入荒漠化指數(shù)，從多方面分析生態(tài)質(zhì)量影響因素；Zheng 等［13］使用均值標(biāo)準(zhǔn)化對RSEI 存在的不穩(wěn)定性進行改進；Zhu 等［14］提出了基于移動窗口的遙感生態(tài)指數(shù)，探究了生態(tài)環(huán)境的漸變信息。以上構(gòu)建的RSEI 更適合研究年內(nèi)生態(tài)質(zhì)量的空間分布，忽視了多年數(shù)據(jù)間的對比與主成分分析坐標(biāo)的不穩(wěn)定性，不利于分析生態(tài)質(zhì)量在時間維度上的動態(tài)變化，未解決RSEI在長時序研究中的連續(xù)性問題。

生態(tài)評價多是通過歷史數(shù)據(jù)的對比參照或者是某一固定模型，進而對生態(tài)變化趨勢進行分析［15-16］，Cong 等［15］依次比較相鄰2 a 的環(huán)境狀態(tài)，進而研究干旱區(qū)生態(tài)質(zhì)量的長時序變化；Wang等［16］將研究期內(nèi)像素級數(shù)據(jù)的最值作為上下基線對指標(biāo)進行標(biāo)準(zhǔn)化，基于歷史基線的生態(tài)質(zhì)量指數(shù)評估中國陸地生態(tài)系統(tǒng)生態(tài)質(zhì)量變化。該文基于基線思想提出基線遙感生態(tài)指數(shù)（Baseline remote sensing ecological index，B_RSEI），將多年遙感信息數(shù)據(jù)進行整合，遍歷數(shù)據(jù)時間和空間維度，確定最值并建立基線模型，選擇主成分分析方法進行一次全局信息降維，將長時間序列的信息轉(zhuǎn)換到同一坐標(biāo)系中，使得數(shù)據(jù)分析具有相同的參考點，該方法不但能夠直觀評估生態(tài)質(zhì)量的空間分布，且更精確地分析區(qū)域長時序生態(tài)質(zhì)量變化。

鄂爾多斯市處于黃河“幾”字彎處，銜接黃河流域的中游與上游區(qū)域，是黃河泥沙的主要來源地之一，在黃河流域中占據(jù)重要地理位置，鄂爾多斯市生態(tài)質(zhì)量的研究有助于黃河流域生態(tài)保護和高質(zhì)量發(fā)展。本研究利用GEE 云平臺處理遙感數(shù)據(jù)的優(yōu)勢，通過B_RSEI 模型分析2001—2019 年鄂爾多斯市生態(tài)質(zhì)量變化，揭示生態(tài)質(zhì)量的影響因素，以期為鄂爾多斯市的生態(tài)治理提供明確方向，為黃河流域的高質(zhì)量發(fā)展提供參考依據(jù)。

1 研究區(qū)概況

鄂爾多斯市位于內(nèi)蒙古自治區(qū)的中西部，海拔850～2097 m，東西長約400 km，南北寬約340 km，含有高原、丘陵、平原、沙漠等多種地形，其中毛烏素沙漠、庫布齊沙漠等沙化土地約占總面積的48%［17］。鄂爾多斯市是典型的干旱半干旱區(qū)域，以溫帶大陸性氣候為主，降水集中于7—9月，由東向西遞減，植被類型以荒漠草原、沙生植被和草甸為主［18］。作為黃河流經(jīng)的第二長地級市，鄂爾多斯市承擔(dān)著涵養(yǎng)水源保持水質(zhì)的重任，顯示了其在黃河流域中的重要戰(zhàn)略地位（圖1）。

圖1 研究區(qū)示意圖Fig.1 Schematic diagram of the study area

2 數(shù)據(jù)與方法

2.1 數(shù)據(jù)來源及預(yù)處理

生態(tài)指標(biāo)數(shù)據(jù)：16 d 合成的500 m 分辨率的MOD13A1 植被指數(shù)產(chǎn)品、8 d 合成的500 m 分辨率的MOD09A1 地表反射率數(shù)據(jù)和1000 m 分辨率的MOD11A2 地表溫度產(chǎn)品，數(shù)據(jù)獲取時間為每年的7—8 月，該期間雨水充沛，植被茂盛。所用數(shù)據(jù)已經(jīng)過大氣校正等預(yù)處理，并在GEE云平臺進行均值合成。

其他數(shù)據(jù)：高程數(shù)據(jù)來自中國科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心（http://www.resdc.cn），空間分辨率為500 m；降水量數(shù)據(jù)來源于時空三極環(huán)境大數(shù)據(jù)平臺（http://poles.tpdc.ac.cn）的1000 m 分辨率逐月數(shù)據(jù)，該數(shù)據(jù)通過Delta 空間降尺度生成，并經(jīng)過獨立氣象觀測點驗證，結(jié)果可信，采用求和運算獲取年降水量［19］；國內(nèi)生產(chǎn)總值（Gross domestic product，GDP）數(shù)據(jù)來源于Figshare（https://figshare.com）的全球1000 m分辨率生產(chǎn)總值數(shù)據(jù)，該數(shù)據(jù)已進行相關(guān)性驗證［20］；人口數(shù)據(jù)是100 m 分辨率的WorldPop 網(wǎng)格數(shù)據(jù)集（https://www.worldpop.org），通過求和獲得500 m分辨率數(shù)據(jù)。

以上數(shù)據(jù)時間序列為2001—2019 年，采用WGS-1984坐標(biāo)系，按照鄂爾多斯市邊界提取，使用等面積投影法，通過插值法重采樣為500 m 空間分辨率數(shù)據(jù)，以便進行后續(xù)分析。

2.2 研究方法

2.2.1 生態(tài)指標(biāo)生態(tài)指標(biāo)是決定RSEI 的重要因素，RSEI 模型使用的綠度、濕度、干度、溫度4 個指標(biāo)，不僅與人類生存息息相關(guān)，也是最直觀反應(yīng)生態(tài)質(zhì)量變化的指標(biāo)［7］。該研究綠度指標(biāo)選擇適合植被旺盛期監(jiān)測的增強型植被指數(shù)（Enhanced vegetation index，EVI）數(shù)據(jù)［21］；濕度指標(biāo)采用適合于干旱區(qū)域的地表含水量指數(shù)（Surface water content index，SWCI）［22］；干度指標(biāo)（Normalized difference built-up and soil index，NDBSI）［23］使用歸一化建筑指數(shù)（Normalized difference built-up index，NDBI）［24］和裸土指數(shù)（Soil index，SI）的均值表示［7］；溫度指標(biāo)選取MOD11A2 產(chǎn)品提供的熱力學(xué)地表溫度（Land surface temperature，LST）。為減小地表水系對綠度和濕度指標(biāo)的影響［25］，利用歸一化差異水體指數(shù)（Modified normalized difference water index，MNDWI）對研究區(qū)進行大范圍水體掩膜處理［26-27］。SWCI、NDBSI、MNDWI等計算公式如下：

式中：B1～B7分別為MOD09A1 的1～7 波段的地表反射率數(shù)據(jù)。

2.2.2 指標(biāo)整體歸一化由于構(gòu)建B_RSEI的4個指標(biāo)具有不同的單位和區(qū)間，需進行歸一化處理。選擇將研究區(qū)域在2001—2019年的數(shù)據(jù)進行遍歷，篩選出可作為上下基線的最值，對指標(biāo)數(shù)據(jù)進行同一標(biāo)準(zhǔn)的整體歸一化，該方法保留更多數(shù)據(jù)間信息，在解決指標(biāo)量綱問題的同時保留了原始數(shù)據(jù)的屬性特征，適合長時間序列的研究。整體歸一化公式為：

式中：DNa為第n年整體歸一化數(shù)據(jù)；DNb為第n年原始數(shù)據(jù)；DNmin、DNmax分別為2001—2019 年原始指標(biāo)數(shù)據(jù)的最小值、最大值。

2.2.3 基線遙感生態(tài)指數(shù)的構(gòu)建B_RSEI以生態(tài)指標(biāo)為依據(jù)，通過主成分分析算法構(gòu)建生態(tài)模型，排除了主觀因素對數(shù)據(jù)的干擾，在最大可能保留原始信息的基礎(chǔ)上對多維數(shù)據(jù)進行建模處理，綜合反映研究區(qū)域的生態(tài)質(zhì)量。為準(zhǔn)確分析研究區(qū)域的生態(tài)質(zhì)量變化，將2001—2019年整體歸一化的指標(biāo)數(shù)據(jù)進行全局主成分分析（將數(shù)據(jù)從時間維度轉(zhuǎn)為空間維度進行運算），計算出特征向量，求取每年的B_RSEI（圖2）。整合過程可通過編程實現(xiàn)，主成分分析公式為：

圖2 流程圖Fig.2 Flow Chart

式中：EVI、SWCI、NDBSI、LST 分別為整體歸一化后的綠度、濕度、干度、溫度；VPC11～VPC14為第一主成分中各指標(biāo)的特征向量。

主成分分析中各主成分分量互不相關(guān)，通常選擇包含較多信息的主成分作為權(quán)重計算B_RSEI［7］。主成分分析的方向與數(shù)據(jù)方差有關(guān)，無法保證結(jié)果與現(xiàn)實狀況一致，即植被覆蓋度高的區(qū)域?qū)ι鷳B(tài)質(zhì)量起修復(fù)作用，在進行主成分分析時要保持EVI 與B_RSEI 的方向一致，與徐涵秋［7］提出的“1-PC1”原理相似。公式為：

式中：VEVI為第一主成分中EVI 對應(yīng)的特征向量；vpc1 為原始的第一主成分特征向量；VPC1 為修改后的第一主成分特征向量。

為更好地對多年B_RSEI 進行對比分類，對原始B_RSEI 進行整體歸一化處理，區(qū)域B_RSEI 越高，表示該地生態(tài)質(zhì)量越好。公式為：

式中：B_RSEI 為整體歸一化后的基線遙感生態(tài)指數(shù)；B_RSEI0為第n年的原始基線遙感生態(tài)指數(shù)；B_RSEImin、B_RSEImax分別為多年B_RSEI 的最小值、最大值。

為直觀表達生態(tài)質(zhì)量時空演變，參考以往研究［7-8,11-12］，在保留年際變化的基礎(chǔ)上，基于同一分類標(biāo)準(zhǔn)，采用等間隔分類法將歸一化后的B_RSEI 分為優(yōu)（0.8～1.0）、良（0.6～0.8）、中（0.4～0.6）、低（0.2～0.4）、差（0.0～0.2）5 個等級，并分析不同年份的等級變化。

2.2.4 地理探測器地理探測器是一組用于探測空間分異性并揭示其背后驅(qū)動機制的統(tǒng)計方法［28］，廣泛用于數(shù)值型變量和定性數(shù)據(jù)的特征分析［4,29-30］。地理探測器中因子探測用于探測不同因子對變量（Y）空間分布的解釋力，強度用q值來衡量，公式為：

式中：h=1,2,…,L為因子或變量（Y）的分層；Nh和N為層h內(nèi)和全區(qū)域內(nèi)的單元數(shù)；和σ2分別為層h和全區(qū)變量（Y）的方差；q為解釋力，q∈［0,1］，q值越接近于1，表示因子對變量（Y）的解釋力越強。

地理探測器中交互作用探測用于識別不同因子間的交互作用對因變量的影響［28］，主要是比較兩因子獨立作用與交互作用的關(guān)系。

2.2.5 趨勢分析

（1）Theil-SenMedian趨勢分析

Theil-Sen Median 趨勢分析是一種穩(wěn)健的非參數(shù)統(tǒng)計的趨勢計算方法，可規(guī)避時間序列數(shù)據(jù)缺失和數(shù)據(jù)分布形態(tài)的影響［31］，該方法使用斜率中位數(shù)對多年數(shù)據(jù)變化進行分析，適用于長時間序列數(shù)據(jù)的趨勢分析［30］。當(dāng)Sen＞0.0005 時，表示B_RSEI 增長；Sen＜0.0005時，表示B_RSEI降低，反之則穩(wěn)定。

（2）Mann-Kendall檢驗

Mann-Kendall 檢驗允許空值和異常值的存在，且不要求數(shù)據(jù)遵循正態(tài)分布、線性趨勢等原則［31］，普遍適應(yīng)于長時間序列信息趨勢的顯著性檢測領(lǐng)域［13,30］。當(dāng)Z的絕對值大于1.96 時，表示趨勢通過了置信度為95%的顯著性檢驗。

3 結(jié)果與分析

3.1 基線遙感生態(tài)指數(shù)影響因素分析

通過對2001—2019 年生態(tài)指數(shù)進行全局建模得到各主成分（表1）。結(jié)果顯示，第一主成分（PC1）的貢獻率大于80%，占主要部分，說明PC1對研究數(shù)據(jù)具有較強的解釋性，代表了4 項生態(tài)指標(biāo)中的絕大多數(shù)信息，可使用PC1的特征向量計算B_RSEI分析生態(tài)質(zhì)量。

表1 指標(biāo)主成分分析Tab.1 Principal component analysis of four factors

第一主成分中，代表綠度的EVI 和代表濕度的SWCI特征值為正，說明其對B_RSEI起促進作用，代表干度的NDBSI 和代表溫度的LST 特征值為負，說明其對B_RSEI起抑制作用，與實際相符。4個指標(biāo)特征值的絕對值為LST＞SWCI＞EVI＞NDBSI，說明該地區(qū)指標(biāo)影響程度依次為：溫度＞濕度＞綠度＞干度，可能原因是鄂爾多斯市地處干旱半干旱區(qū)域，生態(tài)系統(tǒng)脆弱，對氣候異常敏感［32］，高溫增強了潛在蒸散，降低了土壤含水量，使得濕度對B_RSEI 的影響減弱［33］。EVI和SWCI特征值的絕對值之和為0.97，NDBSI、LST 特征值的絕對值之和為1.01，表明EVI和SWCI對B_RSEI的促進作用小于NDBSI和LST對B_RSEI的抑制作用。

3.2 基線遙感生態(tài)指數(shù)的時空演變特征

3.2.1 B_RSEI 的時間演變分析基于2001—2019年的B_RSEI，根據(jù)等級劃分結(jié)果，依次計算2001—2010 年和2010—2019 年的生態(tài)質(zhì)量等級變化（圖3），可知，2001—2019 年鄂爾多斯市生態(tài)質(zhì)量狀況有所提升。

圖3 生態(tài)等級變化桑基圖Fig.3 Sankey map of ecological class change

2001—2019 年生態(tài)質(zhì)量為差的等級面積在逐漸減少，少數(shù)低等生態(tài)質(zhì)量轉(zhuǎn)為差等，差等生態(tài)質(zhì)量的改變區(qū)域多數(shù)轉(zhuǎn)向低等，極少數(shù)轉(zhuǎn)向中等和良等；2001—2019年生態(tài)質(zhì)量為優(yōu)的等級面積呈現(xiàn)先減少后增多，2001—2010年極少數(shù)良等生態(tài)質(zhì)量和個別中等生態(tài)質(zhì)量轉(zhuǎn)為優(yōu)等，優(yōu)等生態(tài)質(zhì)量的改變區(qū)域多數(shù)流向良等，少數(shù)流向中等，2010—2019 年部分良等生態(tài)質(zhì)量和極少數(shù)中等生態(tài)質(zhì)量轉(zhuǎn)為優(yōu)等，優(yōu)等生態(tài)質(zhì)量的改變區(qū)域大多數(shù)流向良等。說明2001—2019 年鄂爾多斯市生態(tài)質(zhì)量整體呈上升趨勢，生態(tài)質(zhì)量有所改善，且2010—2019 年的改善效果更加明顯。

3.2.2 B_RSEI 的空間演變分析通過分析2001—2019 年B_RSEI 等級變化趨勢（圖4）可知，2001—2019 年鄂爾多斯市生態(tài)質(zhì)量總體處于中等偏下水平，且呈現(xiàn)東高西低的空間分異特征。

圖4 B_RSEI等級變化Fig.4 Grade change of B_RSEI

鄂爾多斯市生態(tài)質(zhì)量差等區(qū)域多分布于西北部，該處有庫布齊沙漠，生態(tài)質(zhì)量提升較為困難，西部和中部地區(qū)大多是荒漠草原，植被覆蓋率較低，受氣候影響更為顯著，生態(tài)環(huán)境脆弱；生態(tài)質(zhì)量優(yōu)等區(qū)域較多分布在北部約10 km 的黃河沖積平原，區(qū)域水分充足，土地較為肥沃，具備良好的農(nóng)業(yè)耕作條件，B_RSEI較高，東北部區(qū)域以灌叢森林為主，隨著時間推移具有擴張趨勢，生態(tài)質(zhì)量等級由低等向中等提升，生態(tài)系統(tǒng)較為穩(wěn)定。

由B_RSEI 等級變化圖分析（圖4）可知，2005、2011、2015 年鄂爾多斯市生態(tài)質(zhì)量差等區(qū)域增加。鄂爾多斯市具有大面積的草原生態(tài)系統(tǒng)［34］，生態(tài)質(zhì)量變化與植被生長具有一致性，而降水和溫度對植被的生長狀況和空間分布具有直接和間接影響［33］。其次，組成B_RSEI 的生態(tài)指標(biāo)與降水有密切關(guān)系，降水增多會增加綠度和濕度降低干度，調(diào)節(jié)溫度。通過整體歸一化的降水量和溫度對3 a生態(tài)質(zhì)量進行分析（圖5）可知，相較于2001 年，2005 年生態(tài)質(zhì)量呈現(xiàn)西部退化東北部改善的空間分布現(xiàn)象，該年東北部降水量增加，溫度降低，西部與之相反；2011年生態(tài)質(zhì)量在西北部惡化東部改善，該年西北方向降水量減少，溫度升高，東部降水集中，溫度有明顯下降；2015 年生態(tài)質(zhì)量在西部呈現(xiàn)惡化趨勢，該年西部降水量減少，出現(xiàn)大面積高溫區(qū)域。將2001—2019年降水量、溫度與B_RSEI分別整體歸一化，并繪制點線圖和散點圖（圖5i～k）。結(jié)果顯示，降水量與B_RSEI 呈現(xiàn)正相關(guān)，相關(guān)系數(shù)為0.80，降水量在2005、2011、2015 年普遍較低；溫度與B_RSEI 呈現(xiàn)正相關(guān)，相關(guān)系數(shù)為-0.85，溫度在2005、2011、2015年普遍較高，表明溫度的上升和降水量的減少是導(dǎo)致B_RSEI降低的原因。

圖5 降水量與溫度變化Fig.5 Changes of precipitation and temperature

3.3 B_RSEI空間分布驅(qū)動分析

為探究鄂爾多斯市生態(tài)質(zhì)量在空間分異性的影響因素，考慮自然因素和人為因素的共同影響，選取SWCI、EVI、NDBSI、LST、降水量、人口、高程、CDP 共8 個因子作為自變量，以B_RSEI 作為因變量，利用地理探測器分別進行因子探測分析和交互作用探測分析（圖6、表2）。

表2 2001—2019年交互探測器分析結(jié)果Tab.2 Analysis results of interactive detectors from 2001 to 2019

圖6 2001—2019年各因子對B_RSEI的解釋力強度Fig.6 Explanatory power of each factor to B_RSEI from 2001 to 2019

因子探測分析結(jié)果顯示，2001—2019年各因子對B_RSEI 的解釋力存在差異，但總體上相似，4 個生態(tài)指標(biāo)對B_RSEI 的影響力較大，GDP 和高程對B_RSEI 的影響力相對較低。2001、2010、2019 年濕度的q值最大，表明濕度是影響B(tài)_RSEI空間分布的重要因素；降水量的解釋力呈現(xiàn)顯著增長趨勢，表明降水量對B_RSEI 空間分布的影響逐漸增加，符合干旱區(qū)半干旱的特征［32］。通過解釋力分析對比可知，自然因素對B_RSEI 的影響力大于人為因素，表明人類活動是影響鄂爾多斯市生態(tài)質(zhì)量空間分布的間接因素。

交互探測器分析結(jié)果顯示，除2001年降水量與高程、GDP、人口的交互作用呈現(xiàn)非線性增強，其余均為雙因子增強，不存在起獨立作用的因子。單因子指標(biāo)在與其他因子交互后解釋力增強，表明雙因子交互對鄂爾多斯市生態(tài)質(zhì)量空間分布的影響不低于單一因子。其中，EVI∩LST 與SWCI∩LST 交互作用解釋力較高，其次是NDBSI∩LST，LST與其他探測因子交互作用的結(jié)果進一步表明溫度較大程度影響了該區(qū)域的生態(tài)質(zhì)量。

3.4 B_RSEI的變化趨勢分析

結(jié)合Theil-Sen Median 趨勢分析和Mann-Kendall 檢驗將生態(tài)質(zhì)量變化趨勢劃分為明顯改善、輕微改善、穩(wěn)定不變、輕微退化、嚴重退化5 個等級，對2001—2019 年鄂爾多斯市的B_RSEI 變化趨勢進行分析（圖7）。結(jié)果表明，2001—2019 年鄂爾多斯市B_RSEI 整體呈現(xiàn)明顯的提升，B_RSEI 改善的區(qū)域占總面積的67.13%，B_RSEI 穩(wěn)定不變的區(qū)域占總面積的13.18%，B_RSEI 退化區(qū)域占總面積的19.69%，嚴重退化區(qū)域僅占0.49%。19 a 來鄂爾多斯市生態(tài)改善區(qū)域遠大于退化區(qū)域，說明鄂爾多斯市生態(tài)質(zhì)量在逐步改善，且改善效果明顯。

圖7 2001—2019年B_RSEI變化趨勢Fig.7 Trend of B_RSEI chart from 2001 to 2019

B_RSEI退化區(qū)域聚集在鄂爾多斯市西南部，以鄂托克旗和鄂托克前旗為主，該區(qū)域是典型的半荒漠草原區(qū)，野生植物分布廣泛，由于散養(yǎng)游牧、開荒等傳統(tǒng)生產(chǎn)方式的不科學(xué)規(guī)劃，出現(xiàn)過度放牧、濫墾亂伐等現(xiàn)象，是該區(qū)生態(tài)質(zhì)量退化的重要原因［35］，少量退化區(qū)域分布在杭景旗的沙漠腹部，該區(qū)域受自然因素影響較大，人為治理困難，沙漠邊緣受“引黃入沙”影響，具備動植物的繁衍生存條件，至2020年庫布齊沙漠已有近百平方公里的生態(tài)濕地［36］，在一定程度上改善了生態(tài)質(zhì)量。

B_RSEI明顯改善區(qū)域集中在鄂爾多斯市東部，該區(qū)域以山地草甸為主，植被覆蓋度高，生態(tài)系統(tǒng)結(jié)構(gòu)穩(wěn)定，抗干擾能力較強，其中，烏審旗生態(tài)質(zhì)量的提升說明了毛烏素沙漠治理取得的積極成效；準(zhǔn)格爾旗與伊金霍洛旗地勢較高，區(qū)域內(nèi)存儲著豐富的能源礦產(chǎn)，井工礦點和露天礦點分布廣泛，政府通過調(diào)整資源開發(fā)項目探索綠色礦山的發(fā)展，關(guān)閉不合理的露天礦場，及時對開發(fā)沉陷區(qū)進行綠化修復(fù)，實現(xiàn)土地再利用，提升作業(yè)環(huán)境，該區(qū)域生態(tài)質(zhì)量呈現(xiàn)明顯改善趨勢，說明礦區(qū)生態(tài)環(huán)境治理方面取得的優(yōu)異成果，為鄂爾多斯市生態(tài)質(zhì)量的改善做出了積極貢獻［31］。另一方面，退耕還林工程啟動后，當(dāng)?shù)啬撩駥⒓Z食產(chǎn)量低的陡坡耕地和沙化耕地進行規(guī)劃，建立沙地保護區(qū)，在林間空隙種植牧草，發(fā)展多種經(jīng)營，落實禁牧輪牧、退牧還草等措施，提高植被覆蓋率［17,33］。

3.5 基線遙感生態(tài)指數(shù)的適用性

B_RSEI模型仍采用主成分分析方法，基于同一坐標(biāo)的思想對整體歸一化數(shù)據(jù)進行一次全局建模（圖8），從圖可知，全局建模和逐年建模在每年的分布趨勢上相對一致，前者在長時序的分布中更為穩(wěn)定。B_RSEI 模型將時間和空間維度的指標(biāo)數(shù)據(jù)置于同一坐標(biāo)系中，獲取特征向量計算B_RSEI，保留了主成分分析的優(yōu)點，在一定程度上消除了主成分分析坐標(biāo)的不確定性，維持了整體歸一化后多年數(shù)據(jù)間的連續(xù)性，使得長時序遙感生態(tài)指數(shù)具有一定的對比性和參考性。該文將時間維度上的鄂爾多斯市數(shù)據(jù)轉(zhuǎn)變?yōu)榭臻g數(shù)據(jù)進行計算，通過主成分分析進行全局建模，進而求取每年的B_RSEI，充分展現(xiàn)了B_RSEI在時間維度上的演變。

圖8 全局與逐年建模圖Fig.8 Comparison diagram of global modeling and year-by-year modeling

4 結(jié)論

鄂爾多斯市地處干旱半干旱區(qū)域，擁有大面積的沙漠和草原，隨著國家退耕還林、三北防護林等政策的實施，鄂爾多斯市的植被覆蓋率得到大幅度提升。該文利用MODIS 數(shù)據(jù)，通過最值確定基線，利用主成分分析進行全局建模獲取B_RSEI，對2001—2019 年內(nèi)蒙古自治區(qū)鄂爾多斯市生態(tài)質(zhì)量的時空變化進行研究分析，得到如下結(jié)論：

（1）與RSEI 相比，B_RSEI 具有穩(wěn)定的方向性，能更好地反映生態(tài)質(zhì)量長時序變化。時空分析表現(xiàn)為2001—2019 年鄂爾多斯市B_RSEI 呈現(xiàn)起伏增長，生態(tài)質(zhì)量得到提升，且呈現(xiàn)東高西低的空間分異性。

（2）B_RSEI 結(jié)果表明：SWCI 是對B_RSEI 起促進作用的主要因素，LST是對B_RSEI起抑制作用的主要因素。利用地理探測器對B_RSEI 各因子的分析表明，SWCI 是影響B(tài)_RSEI 空間分布的主要單因子，LST與其他探測因子交互作用最大。

（3）鄂爾多斯生態(tài)質(zhì)量以改善為主，占總面積的67.13%，準(zhǔn)格爾旗、康巴什區(qū)、伊金霍洛旗地區(qū)生態(tài)治理效果顯著，杭錦旗、鄂托克旗地區(qū)整體生態(tài)質(zhì)量最差，鄂托克前旗生態(tài)質(zhì)量穩(wěn)定性較弱，需要加強該地的生態(tài)管理。