廈漳泉新興都市區(qū)生態(tài)質(zhì)量遙感評(píng)價(jià)

王美雅

廈漳泉新興都市區(qū)生態(tài)質(zhì)量遙感評(píng)價(jià)

王美雅*

閩南師范大學(xué)歷史地理學(xué)院, 漳州 363000

城市生態(tài)系統(tǒng)和地表生物物理組分之間存在復(fù)雜的潛在非線性關(guān)系, 這使得城市聚集的都市區(qū)生態(tài)質(zhì)量客觀評(píng)估遇到了技術(shù)挑戰(zhàn)。針對(duì)性選取干度、路網(wǎng)密度、土地利用程度綜合指數(shù)、植被覆蓋率、生態(tài)連接度、濕度、熱度、生態(tài)系統(tǒng)服務(wù)價(jià)值指數(shù)8個(gè)城市生態(tài)重要影響因子, 利用主成分分析進(jìn)行指標(biāo)集成建立城市生態(tài)評(píng)價(jià)遙感指數(shù)UEQ, 并分析不同等級(jí)UEQ與地表景觀格局指標(biāo)的定量關(guān)系, 評(píng)價(jià)區(qū)域一體化背景下廈漳泉新興都市區(qū)生態(tài)狀況。結(jié)果表明, 受8個(gè)指標(biāo)綜合作用, 廈漳泉都市區(qū)UEQ均值為0.558, 生態(tài)指數(shù)等級(jí)為中等。對(duì)比UEQ指數(shù)的8個(gè)指標(biāo)分量, 對(duì)生態(tài)質(zhì)量起正向作用的生態(tài)系統(tǒng)服務(wù)價(jià)值指標(biāo)值較低, 對(duì)生態(tài)質(zhì)量起負(fù)向作用的干度、土地利用程度綜合指數(shù)和熱度指標(biāo)值較高, 其它4個(gè)指標(biāo)貢獻(xiàn)度較低。從空間分布來(lái)看, 廈漳泉都市區(qū)生態(tài)質(zhì)量總體呈“西高東低”的空間格局。東部核心區(qū)高不透水面覆蓋地區(qū), 生態(tài)用地的生態(tài)效益較低, 其生態(tài)質(zhì)量比都市區(qū)整體平均值低0.212; 西部綠色山地保育帶, 完整連續(xù)的生態(tài)用地發(fā)揮的生態(tài)效益也更高, 其平均生態(tài)質(zhì)量比總體平均值高0.104。不透水面斑塊小、斑塊內(nèi)部連通度低且斑塊聚集度低的區(qū)域, 其生態(tài)質(zhì)量好于不透水面斑塊大、斑塊內(nèi)部高度連通且斑塊高度聚集的區(qū)域。

廈漳泉都市區(qū); 城市生態(tài)評(píng)價(jià)遙感指數(shù); 生態(tài)質(zhì)量; 地表空間格局; 遙感

0 前言

都市區(qū)已成為我國(guó)城鎮(zhèn)化空間的主要形態(tài), 具有強(qiáng)大的集聚效應(yīng)和輻射效應(yīng)推動(dòng)城市區(qū)域發(fā)展, 其城鎮(zhèn)用地快速擴(kuò)張并不斷聚集使得地表景觀格局趨于復(fù)雜化和破碎化, 產(chǎn)生了大體量的水、熱和大氣污染等城市代謝, 生態(tài)用地生態(tài)調(diào)控能力嚴(yán)重不足, 引起一系列城市生態(tài)問(wèn)題[1]。如何實(shí)現(xiàn)都市區(qū)城市用地布局與生態(tài)環(huán)境協(xié)調(diào)發(fā)展, 是關(guān)系到中國(guó)未來(lái)可持續(xù)發(fā)展的重大課題。分析評(píng)價(jià)都市區(qū)生態(tài)質(zhì)量空間狀況有助于提高都市區(qū)內(nèi)城市建設(shè)與區(qū)域生態(tài)平衡互饋關(guān)系內(nèi)在機(jī)制的認(rèn)知能力, 為都市區(qū)大中小城市協(xié)調(diào)發(fā)展提供科學(xué)參考。

遙感衛(wèi)星影像能夠在全球范圍內(nèi)提供及時(shí)、一致的數(shù)據(jù), 更綜合、準(zhǔn)確地反映地物光譜和熱信息等生態(tài)指標(biāo)狀況[2], 在生態(tài)評(píng)價(jià)研究領(lǐng)域得到廣泛地應(yīng)用, 大大彌補(bǔ)了傳統(tǒng)半定量監(jiān)測(cè)評(píng)價(jià)方法的缺陷。早期研究?jī)H用單一因子來(lái)體現(xiàn)某個(gè)區(qū)域整體生態(tài)狀況, 評(píng)價(jià)結(jié)果過(guò)于片面[3-4]。為此, 我國(guó)發(fā)布并優(yōu)化了生態(tài)環(huán)境指數(shù)(EI)[5]。許多學(xué)者也相繼開展了多指標(biāo)集成進(jìn)行生態(tài)狀況評(píng)價(jià)的研究[6-7]。但大多研究存在評(píng)價(jià)因子過(guò)于繁瑣, 評(píng)價(jià)指標(biāo)難以獲取, 指標(biāo)權(quán)重主觀性較強(qiáng), 評(píng)價(jià)結(jié)果不能體現(xiàn)區(qū)域生態(tài)狀況的空間差異等問(wèn)題。如LIANG等[7]運(yùn)用土地利用分類、植被指數(shù)等遙感影像數(shù)據(jù)和人口密度、收入等社會(huì)數(shù)據(jù), 提出了綠度、擁擠度、經(jīng)濟(jì)狀況和市容4個(gè)指標(biāo), 用以評(píng)估1990-2000年美國(guó)Indianapolis市生態(tài)質(zhì)量變化。而后, 徐涵秋[8]提出了遙感生態(tài)指數(shù)(remote sensing based ecological index, RSEI), 選取綠度、干度、濕度和熱度4個(gè)指標(biāo), 采用不受人為干擾的主成分分析法耦合為一個(gè)評(píng)價(jià)綜合生態(tài)狀況的指數(shù)。賈有余等[9]選取凈初級(jí)生產(chǎn)力、地表溫度、地表裸露度和植被覆蓋度4個(gè)指標(biāo), 利用空間主成分分析方法構(gòu)建生態(tài)評(píng)價(jià)模型分析蘇州吳中區(qū)陸域生態(tài)保護(hù)紅線區(qū)生態(tài)環(huán)境質(zhì)量的時(shí)空變化特征。王苗等[11-12]?？傮w看來(lái), 遙感在生態(tài)環(huán)境領(lǐng)域的運(yùn)用已取得一定成果, 但針對(duì)都市區(qū)生態(tài)快速、準(zhǔn)確的評(píng)價(jià)機(jī)制仍不明確。

根據(jù)城市生態(tài)質(zhì)量評(píng)價(jià)結(jié)果, 建立地表空間格局與生態(tài)指數(shù)間的響應(yīng)機(jī)制是科學(xué)、合理進(jìn)行城市空間格局優(yōu)化的關(guān)鍵。景觀指數(shù)能較好指示城市地表空間格局變化, 為地表空間格局對(duì)生態(tài)環(huán)境的影響機(jī)理研究提供理論基礎(chǔ)[13]。景觀指標(biāo)與生態(tài)質(zhì)量指數(shù)回歸分析, 可以揭示地表空間格局差異對(duì)生態(tài)影響。景觀格局指數(shù)可指示不同生態(tài)狀況[14]。目前, 兩者關(guān)系研究多為定性描述, 綜合量化生態(tài)質(zhì)量值與地表空間格局相關(guān)關(guān)系的研究較少。

廈漳泉新興都市區(qū), 位于21世紀(jì)海上絲綢之路核心區(qū), 是福建省兩大核心城市群之一。2010年福建省提出構(gòu)建廈漳泉都市區(qū), 隨著廈門、漳州和泉州3個(gè)城市一體化建設(shè)的不斷推進(jìn), 未來(lái)廈漳泉都市區(qū)空間仍將繼續(xù)擴(kuò)張, 將極大改變周邊區(qū)域的自然生態(tài)景觀。都市區(qū)規(guī)劃明確指出保護(hù)生態(tài)環(huán)境, 控制城市規(guī)模, 科學(xué)優(yōu)化都市區(qū)中心城市空間布局。因此, 本文重點(diǎn)研究都市區(qū)生態(tài)快速、準(zhǔn)確的定量評(píng)價(jià)方法, 在此基礎(chǔ)上探討適宜城市地表空間格局與生態(tài)環(huán)境的相互耦合機(jī)制, 以期為廈漳泉都市區(qū)實(shí)現(xiàn)區(qū)域科學(xué)管理與建設(shè)提供理論指導(dǎo)依據(jù)。

1 材料與方法

1.1 研究區(qū)概況

廈漳泉都市區(qū)地處福建省東南沿海, 位于23.5°N—25°N, 117°E—119°E。范圍包括廈門市、泉州市區(qū)、漳州市區(qū)、惠安縣、南安市、晉江市、石獅市、龍海市(現(xiàn)龍海區(qū))、長(zhǎng)泰縣(現(xiàn)長(zhǎng)泰區(qū))、漳浦縣、云霄縣、東山縣、詔安縣等三市城縣(圖1), 總面積為1.4萬(wàn)km2。2019年, 廈漳泉都市區(qū)GDP總量為 18362億元, 占福建省GDP總量的43%, 常住人口占福建省人口的38%[15]。

圖1 廈漳泉都市區(qū)范圍

Figure 1 The study area

1.2 數(shù)據(jù)來(lái)源

主要研究數(shù)據(jù)為廈門、漳州、泉州區(qū)域2019— 2020年夏季Landsat 8衛(wèi)星影像, 影像詳細(xì)信息見(jiàn)表1。所選影像季節(jié)相近, 基本無(wú)云層覆蓋。參照文獻(xiàn)[16-17]模型和參數(shù)以及Landsat 8網(wǎng)站提供的公式和參數(shù)對(duì)Landsat 8影像進(jìn)行輻射校正, 將影像DN值轉(zhuǎn)換為傳感器處反射率。

1.3 城市生態(tài)評(píng)價(jià)遙感指數(shù)UEQ

采用“壓力-狀態(tài)-響應(yīng)”機(jī)制建立生態(tài)質(zhì)量評(píng)價(jià)指標(biāo)體系。生態(tài)壓力指標(biāo)反映廈漳泉都市區(qū)土地利用過(guò)程中面臨的生態(tài)壓力, 選取干度()、路網(wǎng)密度()、土地利用程度綜合指數(shù)()3個(gè)指標(biāo); 生態(tài)狀態(tài)指標(biāo)反映廈漳泉都市區(qū)在面臨風(fēng)險(xiǎn)壓力時(shí)所處于的狀態(tài), 選擇植被覆蓋率()、生態(tài)連接度()2個(gè)指標(biāo); 生態(tài)響應(yīng)指標(biāo)反映土地利用生態(tài)環(huán)境對(duì)面臨風(fēng)險(xiǎn)源的響應(yīng), 選取濕度()、熱度()、生態(tài)系統(tǒng)服務(wù)價(jià)值指數(shù)() 3個(gè)指標(biāo)。其中, 干度反映地表“干化”程度, 地表裸露越厲害的區(qū)域生態(tài)質(zhì)量越差; 路網(wǎng)密度反映城市密集道路交通網(wǎng)絡(luò)對(duì)自然生態(tài)地表的影響; 土地利用程度綜合指數(shù)反映人類活動(dòng)對(duì)土地利用方式和結(jié)構(gòu)的綜合作用程度; 植被覆蓋率反映城市植被健康和覆蓋度狀況; 生態(tài)連接度反映快速城市化過(guò)程中城市生態(tài)用地空間格局的優(yōu)劣[18]; 濕度反映地表土壤和植被的濕度; 熱度反映地表溫度空間格局; 生態(tài)系統(tǒng)服務(wù)價(jià)值指數(shù)反映區(qū)域生態(tài)環(huán)境狀態(tài)和調(diào)節(jié)能力。

選取以上8個(gè)遙感指標(biāo), 采用主成分分析來(lái)自動(dòng)量化各個(gè)指標(biāo)對(duì)生態(tài)的貢獻(xiàn)度, 避免了人為干擾, 且能實(shí)現(xiàn)評(píng)價(jià)結(jié)果空間可視化。由此, 構(gòu)建基于遙感的城市生態(tài)評(píng)價(jià)模型(urban remote sensing ecological quality index, UEQ)。8個(gè)指標(biāo)計(jì)算方法如下:

(1)干度: 干度指標(biāo)(normalized difference built-up and soil index, NDBSI)采用裸土指數(shù)SI與建筑指數(shù)IBI的均值來(lái)綜合代表[19], 公式為:

其中:

表1 研究區(qū)Landsat影像

(2)路網(wǎng)密度: 數(shù)據(jù)來(lái)源于2020年開放街道圖數(shù)據(jù)(open street map, OSM), 基于OSM數(shù)據(jù)提取城市高速公路、主干道、次干道和鐵路等道路矢量信息, 并采用核密度計(jì)算城市路網(wǎng)密度空間分布。計(jì)算方法為: 以300 m×300 m方形網(wǎng)格作為路網(wǎng)密度基本計(jì)算單元, 網(wǎng)格內(nèi)道路總長(zhǎng)度與面積之比為路網(wǎng)密度, 單位為km·km-2。將反演得到的路網(wǎng)密度專題圖重采樣為30 m分辨率。

(3)土地利用程度綜合指數(shù): 通過(guò)將土地利用程度按照土地自然綜合體在社會(huì)因素影響下自然平衡保持狀態(tài)分級(jí)賦值, 從而給出土地利用程度綜合指數(shù)定量化表達(dá)式[20], 公式為:

式中,為土地利用程度綜合指數(shù),i為第類土地利用程度分級(jí)指數(shù),C為第類土地面積占總面積的比重。

(4)植被覆蓋率: 選用歸一化植被指數(shù)NDVI表示, 其公式為:

式中,和分別為近紅外和紅光波段。

(5)生態(tài)連接度: 首先, 采用隨機(jī)森林(random forests, RF)分類算法[21]提取林地、耕地、草地、水體、不透水面和其他用地6種土地覆蓋類型。RF算法生成決策樹數(shù)量和用于測(cè)試的特征數(shù)目參數(shù)分別設(shè)置為500和3。將這6種地表景觀類型分成生態(tài)用地(林地、耕地、草地、水體)和障礙面(不透水面和其它用地)2大類。接著, 基于最小耗費(fèi)距離模型, 以障礙面為“源”, 6種景觀類型為阻力面計(jì)算障礙影響指數(shù)(barrier effect index, BEI)。然后, 以生態(tài)用地為“源”, 障礙影響指數(shù)BEI為阻力面, 計(jì)算4種生態(tài)用地經(jīng)過(guò)2種障礙類型實(shí)現(xiàn)連接所需要克服的阻力[22], 得到生態(tài)連接度評(píng)價(jià)結(jié)果。

BEI指數(shù)反映不透水面等阻礙類型對(duì)植被和水體等生態(tài)用地斑塊之間實(shí)現(xiàn)結(jié)構(gòu)聯(lián)系的阻隔程度, 某給定障礙物產(chǎn)生的障礙效應(yīng)隨最小耗費(fèi)距離的增加呈對(duì)數(shù)增加[23], 公式為:

式中,Y為第種障礙物所產(chǎn)生的障礙效應(yīng);b為第種障礙物類型的權(quán)重系數(shù), 其值參照文獻(xiàn)[24];s1和s2分別為不同障礙類型指數(shù)遞減函數(shù)的校正系數(shù);d為通過(guò)最小耗費(fèi)距離模型計(jì)算出的最小耗費(fèi)距離;為障礙類型的種類數(shù)。得到研究區(qū)指數(shù)后, 基于最小耗費(fèi)距離模型計(jì)算生態(tài)連接度, 公式為:

(6)濕度: 采用纓帽變換的濕度分量()來(lái)表示[25], 其公式為:

(7)熱度: 采用單通道算法反演的地表溫度(land surface temperature, LST)表示熱度[26-27], 公式為:

式中,sensor為傳感器處亮溫值;1和2分別為熱紅外波段定標(biāo)常數(shù);sensor為熱紅外波段輻射值;和分別為基于Planck函數(shù)的2個(gè)參數(shù);為地表比輻射率;1、2和3為大氣水汽含量函數(shù)。

(8)生態(tài)系統(tǒng)服務(wù)價(jià)值指數(shù): 生態(tài)系統(tǒng)服務(wù)價(jià)值指數(shù)[28]計(jì)算各個(gè)土地利用類型的服務(wù)價(jià)值、各項(xiàng)服務(wù)功能的價(jià)值和生態(tài)系統(tǒng)服務(wù)總價(jià)值, 其公式為:

式中,為生態(tài)系統(tǒng)服務(wù)價(jià)值指數(shù),ij為第個(gè)區(qū)域類土地利用類型面積,A為第個(gè)樣方總面積,i為第類土地利用類型的生態(tài)系統(tǒng)服務(wù)價(jià)值系數(shù)。

模型構(gòu)建: 所反演8個(gè)指標(biāo)的量綱不盡相同, 因此, 基于主成分分析方法計(jì)算之前, 必須對(duì)它們進(jìn)行歸一化, 將它們的值都統(tǒng)一到[0, 1]之間。采用主成分分析方法(principal component analysis, PCA)構(gòu)建城市生態(tài)評(píng)價(jià)遙感指數(shù)[29]。其第1主成分(PC1)最大程度地集成了各變量信息, 可用來(lái)耦合以上8個(gè)指標(biāo)變量, 構(gòu)建模型, 其計(jì)算公式為:

為使大數(shù)值代表生態(tài)狀況好, 先用1減去來(lái)獲得初始生態(tài)指數(shù)0, 對(duì)0結(jié)果進(jìn)行歸一化, 使其值介于[0, 1]之間。值越接近1, 代表生態(tài)質(zhì)量越好。

1.4 地表景觀格局指數(shù)

地表景觀格局質(zhì)量?jī)?yōu)劣與城市生態(tài)質(zhì)量密切相關(guān)。將表征下墊面性質(zhì)的不同面積、形狀及空間組合的植被和不透水面類型斑塊視為景觀組分, 選取了5個(gè)穩(wěn)定適用的類型水平景觀格局指數(shù)構(gòu)建定量分析指標(biāo)體系(表2), 計(jì)算各景觀指數(shù)在生態(tài)指數(shù)的不同等級(jí)上的指標(biāo)值, 以進(jìn)一步探究不同地表類型的空間格局對(duì)城市生態(tài)質(zhì)量的影響。

2 結(jié)果與分析

2.1 UEQ指數(shù)分指標(biāo)反演結(jié)果

圖2為廈漳泉都市區(qū)UEQ指數(shù)8個(gè)指標(biāo)反演結(jié)果。表3為利用主成分分析方法計(jì)算得到的指標(biāo)權(quán)重和方差信息。由表3可知, 8個(gè)指標(biāo)第1主成分累計(jì)方差貢獻(xiàn)率為78.6%, PC1可以較大程度地集成各變量信息。統(tǒng)計(jì)對(duì)比其他特征分量結(jié)果, PC2和PC3累積方差貢獻(xiàn)率僅為7%和5%, PC4—PC8累積方差貢獻(xiàn)率均小于5%, PC2—PC8累積方差貢獻(xiàn)率之和遠(yuǎn)小于第1主成分, 且PC2—PC8中的8個(gè)指標(biāo)值符號(hào)和大小均不穩(wěn)定, 容易忽略某些重要信息且不符合實(shí)際生態(tài)情況。因此, 可用PC1來(lái)耦合城市生態(tài)評(píng)價(jià)模型的8個(gè)指標(biāo)變量。對(duì)比不同指標(biāo)的PC1荷載值符號(hào)可以看出, NDVI、ECI、W和V荷載值均為正值, 均對(duì)生態(tài)質(zhì)量起正向作用, 而NDBSI、RD、La和LST荷載值均為負(fù)值, 它們對(duì)生態(tài)質(zhì)量起負(fù)向作用, 這與城市生態(tài)情況相符。

不同指標(biāo)呈現(xiàn)出不同的空間分布狀況 (圖2)。由圖2可知, 對(duì)比NDBSI指標(biāo)(圖2a), 不透水面密集分布的城市中心區(qū)域, 干度指標(biāo)明顯高于自然覆蓋地表區(qū)域, 且空間分布上成連片性。對(duì)比RD指標(biāo)(圖2b), 城郊路網(wǎng)密度表現(xiàn)了較強(qiáng)的差異性, 即廈漳泉城市中心區(qū)域路網(wǎng)密度高值集聚性較強(qiáng), 西部城鎮(zhèn)外圍區(qū)域低值區(qū)較多。對(duì)比La指標(biāo)(圖2c), 在經(jīng)濟(jì)發(fā)達(dá)的東部平原地區(qū), 人類活動(dòng)對(duì)該區(qū)域的生態(tài)環(huán)境干擾強(qiáng)烈, 土地利用程度高于交通和經(jīng)濟(jì)發(fā)展相對(duì)落后的西部山地區(qū)域。對(duì)比NDVI指標(biāo)(圖2d), 在城市周邊具有植被覆蓋率高的大型山體綠地, 而在城市中心區(qū)域, 植被覆蓋率則明顯低于郊區(qū)。對(duì)比ECI空間分布(圖2e), 城市連接度水平最高的區(qū)域主要位于城市周邊區(qū)域, 均表現(xiàn)出明顯的孤島狀分布態(tài)勢(shì); 低連接區(qū)域主要位于城市中心不透水面密集的區(qū)域, 表現(xiàn)出良好的結(jié)構(gòu)連接性。對(duì)比W指標(biāo)(圖2f), 西部林地集中分布的區(qū)域濕度高于東部沿海建筑密集分布區(qū)域。對(duì)比LST指標(biāo)(圖2g), 城市建筑密集區(qū)域熱度明顯高于大片綠地和水體分布區(qū)域。廈漳泉城市中心連片區(qū)具有較大比例的高溫區(qū)。對(duì)比V指標(biāo)(圖2h), 廈漳泉都市區(qū)沿海濕地具有高生態(tài)系統(tǒng)服務(wù)價(jià)值, 西部林地連片區(qū)也具有較高生態(tài)系統(tǒng)服務(wù)價(jià)值, 人口密集的東部核心區(qū), 開發(fā)強(qiáng)度大, 以建設(shè)用地和農(nóng)田為主, 生態(tài)系統(tǒng)服務(wù)價(jià)值最低。

表2 景觀格局指數(shù)指標(biāo)

圖2 8個(gè)生態(tài)指標(biāo)反演影像

Figure 2 Eight ecological indicators maps

表3 研究區(qū)UEQ指數(shù)8個(gè)指標(biāo)主成分分析結(jié)果

2.2 廈漳泉都市區(qū)生態(tài)質(zhì)量空間格局

通過(guò)UEQ模型反演得到廈漳泉都市區(qū)UEQ指數(shù)均值為0.558(表3, 圖3), 生態(tài)指數(shù)等級(jí)為中等。UEQ各指標(biāo)中, 起正向作用的生態(tài)系統(tǒng)服務(wù)價(jià)值指數(shù)指標(biāo)值較低, 對(duì)生態(tài)質(zhì)量起負(fù)向作用的土地利用程度綜合指數(shù)、熱度和干度指標(biāo)值較高, 雖然起正向作用的植被覆蓋率、濕度和生態(tài)連接度指標(biāo)值較高, 起負(fù)向作用的路網(wǎng)密度值較低, 但這4個(gè)指標(biāo)對(duì)PC1的貢獻(xiàn)度較低, 綜合作用下, 使得UEQ值為中等水平。為進(jìn)一步分析UEQ指數(shù)的代表性, 將UEQ值以0.2為間隔劃分成5級(jí), 1—5級(jí)分別代表生態(tài)差、較差、中等、良和優(yōu)5個(gè)等級(jí), 統(tǒng)計(jì)各等級(jí)區(qū)域面積所占比例。結(jié)果表明, 城市生態(tài)等級(jí)為中等、較差和差區(qū)域面積均占廈漳泉都市區(qū)總面積的54%; 而生態(tài)等級(jí)為優(yōu)和良的區(qū)域面積占46%。UEQ等級(jí)為差和較差的區(qū)域主要分布在城市和副城市中心高不透水面覆蓋地區(qū), 這些地區(qū)人類活動(dòng)頻繁, 植被覆蓋率低, 建筑、道路等人工地表的阻隔使得生態(tài)用地生態(tài)效益較低, 熱島效應(yīng)嚴(yán)重, 導(dǎo)致其生態(tài)質(zhì)量差; 而生態(tài)等級(jí)為優(yōu)良級(jí)別的區(qū)域主要分布在城市大塊綠地和外圍山體植被覆蓋區(qū), 這些地區(qū)人類活動(dòng)較少, 其植被覆蓋率和濕度高, 干度和熱度低, 空氣質(zhì)量較城區(qū)好, 完整連續(xù)的生態(tài)用地發(fā)揮的生態(tài)效益也更高, 因而表現(xiàn)出較優(yōu)的生態(tài)等級(jí)。

圖3 研究區(qū)城市生態(tài)評(píng)價(jià)遙感指數(shù)(UEQ)等級(jí)分布圖

Figure 3 UEQ-levels distribution map

分區(qū)來(lái)看, 廈漳泉都市區(qū)生態(tài)環(huán)境質(zhì)量總體呈“西高東低”的空間格局(圖4)。都市區(qū)西部和西南部為綠色山地生態(tài)保育帶(南安市、長(zhǎng)泰縣(現(xiàn)長(zhǎng)泰區(qū))、漳浦縣、云霄縣、東山縣、詔安縣等), 其平均生態(tài)質(zhì)量指數(shù)達(dá)0.662, 比研究區(qū)平均值高0.104; 而東部核心區(qū)的廈門湖里區(qū)和思明區(qū)、泉州鯉城區(qū)、晉江市、石獅市、漳州龍文區(qū)的生態(tài)質(zhì)量指數(shù)平均值為0.346, 比研究區(qū)平均值低0.212, 生態(tài)質(zhì)量排名靠后。城市功能定位一定程度上影響了城市生態(tài)質(zhì)量的優(yōu)劣。生態(tài)質(zhì)量低于平均值的13個(gè)區(qū)縣均集中在都市區(qū)核心區(qū), 其中7個(gè)縣市功能定位以制造業(yè)基地、化工基地和產(chǎn)業(yè)基地等為特色優(yōu)勢(shì)產(chǎn)業(yè)。這些城市核心區(qū)域工業(yè)發(fā)展與生態(tài)環(huán)境質(zhì)量的提升并未形成良性互動(dòng), 甚至導(dǎo)致生態(tài)質(zhì)量評(píng)價(jià)結(jié)果較差。

2.3 地表景觀格局對(duì)UEQ指數(shù)響應(yīng)特征

計(jì)算地表景觀格局指標(biāo)和UEQ生態(tài)質(zhì)量指數(shù)不同等級(jí)間的定量關(guān)系, 結(jié)果表明(表3), 不透水面和植被(林地、耕地、草地)對(duì)區(qū)域生態(tài)質(zhì)量的影響主要來(lái)源于景觀要素的平均斑塊面積(PA_MN), 斑塊連通度(CI_MN)和斑塊聚集度(AI)的影響。UEQ等級(jí)差和較差的區(qū)域, 不透水面的PA_MN達(dá)2.9 hm2以上, 而UEQ等級(jí)為優(yōu)良區(qū)域的PA_MN只有不到0.3 hm2(表4)。相反, UEQ等級(jí)優(yōu)、良的區(qū)域, 植被PA_MN達(dá)15 hm2以上, 而UEQ等級(jí)為較差、差區(qū)域的PA_MN不到3.5 hm2。UEQ等級(jí)為差和較差區(qū)域不透水面的CI_MN值比UEQ等級(jí)為優(yōu)和良區(qū)域平均高0.09(表4)。相反, UEQ等級(jí)為優(yōu)和良區(qū)域的CI_MN值比UEQ等級(jí)為差和較差區(qū)域平均高0.1。UEQ等級(jí)差區(qū)域不透水面的AI值也高于UEQ等級(jí)優(yōu)和良區(qū)域, 前者的AI值超過(guò)80%, 后者小于40%。生態(tài)優(yōu)良的區(qū)域, 植被的AI值也高于生態(tài)差的區(qū)域, 前者的AI值超過(guò)89%, 后者小于46%。由此可見(jiàn), 城市不透水面斑塊小、斑塊內(nèi)部連通度低且斑塊聚集度低的區(qū)域, 其生態(tài)質(zhì)量好于不透水面斑塊大、斑塊內(nèi)部高度連通且斑塊高度聚集的區(qū)域。植被斑塊大, 斑塊內(nèi)部高度連通、斑塊高度聚集的區(qū)域, 其生態(tài)質(zhì)量好于植被斑塊面積小且內(nèi)部連通度低、斑塊聚集度低的區(qū)域。結(jié)合UEQ指數(shù)結(jié)果來(lái)看(圖3、圖4), 廈漳泉都市區(qū)各區(qū)縣生態(tài)質(zhì)量等級(jí)分區(qū)明顯, 各縣區(qū)生態(tài)協(xié)調(diào)聯(lián)系不夠。因此, 未來(lái)廈漳泉都市區(qū)進(jìn)行土地空間利用規(guī)劃時(shí)也應(yīng)注意一體化協(xié)調(diào)發(fā)展, 各區(qū)縣應(yīng)考慮城市建筑用地和綠地景觀的面積、連通和聚集程度對(duì)生態(tài)質(zhì)量影響。

圖4 廈漳泉都市區(qū)生態(tài)質(zhì)量空間格局差異

Figure 4 Spatial pattern difference of UEQ value of Xiamen-Zhangzhou-Quanzhou metropolitan area

表4 UEQ與6種景觀格局指數(shù)的相關(guān)系數(shù)

注: **即在0 .01 水平(雙側(cè))上顯著相關(guān)。*即在 0.05 水平(雙側(cè))上顯著相關(guān)。

表5 5個(gè)UEQ等級(jí)對(duì)應(yīng)的不透水面和植被景觀格局指數(shù)

3 討論

UEQ模型評(píng)估結(jié)果表明廈漳泉都市區(qū)生態(tài)質(zhì)量指數(shù)均值為0.558, 各區(qū)縣最小值為0.242, 最大值為0.698。與其它同樣采用主成分的城市生態(tài)質(zhì)量指數(shù)結(jié)果相比[30-34], 生態(tài)質(zhì)量指數(shù)均值集中在0.4—0.6之間, 如上海市(0.48—0.61)[30]、武漢市(0.53—0.60)[31]、南京市(0.62)[32]、渭南市(0.48—0.56)[33]。因此, UEQ模型模擬結(jié)果較為可靠。

已有城市群生態(tài)研究的區(qū)域包括長(zhǎng)三角城市群、珠三角城市群等大城市群[37]。UEQ模型結(jié)合RS和GIS優(yōu)勢(shì), 通過(guò)采用主成分分析方法實(shí)現(xiàn)指標(biāo)自動(dòng)集成, 相比人為賦權(quán)重更具客觀性, 且實(shí)現(xiàn)區(qū)域生態(tài)質(zhì)量的可視化。但受數(shù)據(jù)獲取限制, 部分評(píng)價(jià)因子如道路數(shù)據(jù)僅獲取較新年份數(shù)據(jù), 未能實(shí)現(xiàn)時(shí)間序列變化的分析; 土地利用程度和生態(tài)系統(tǒng)服務(wù)價(jià)值指數(shù)的部分參數(shù)數(shù)據(jù)來(lái)源于前人研究成果[20, 28], 然而生態(tài)質(zhì)量機(jī)理較為復(fù)雜, 這可能會(huì)導(dǎo)致評(píng)估結(jié)果存在一定不確定性, 但不會(huì)影響生態(tài)質(zhì)量空間格局整體變化特征。未來(lái)應(yīng)加強(qiáng)對(duì)生態(tài)質(zhì)量形成機(jī)理研究, 持續(xù)改進(jìn)評(píng)估模型。

城市生態(tài)質(zhì)量快速、準(zhǔn)確評(píng)價(jià)是生態(tài)城市規(guī)劃建設(shè)及實(shí)現(xiàn)城市數(shù)字化管理的客觀依據(jù)。本研究從多個(gè)視角評(píng)價(jià)廈漳泉都市區(qū)生態(tài)質(zhì)量狀況, 研究表明都市區(qū)東部人為活動(dòng)較為頻繁地區(qū)生態(tài)質(zhì)量較西部山地生態(tài)保育帶低。未來(lái)應(yīng)加強(qiáng)這些地區(qū)生態(tài)系統(tǒng)保護(hù), 減少人為活動(dòng)對(duì)生態(tài)環(huán)境破壞, 采用城市多核心組團(tuán)發(fā)展模式, 避免密集連片發(fā)展, 保留城區(qū)大型綠地和水系綠廊, 使都市區(qū)健康可持續(xù)發(fā)展。但本文還未能很好地挖掘生態(tài)質(zhì)量結(jié)果好壞和景觀斑塊的內(nèi)在聯(lián)系, 研究深度有待加強(qiáng)。

4 結(jié)論

(1)廈漳泉都市區(qū)UEQ均值為0.558, 生態(tài)指數(shù)等級(jí)為中等。其中, 生態(tài)等級(jí)為中等、較差和差區(qū)域面積均占廈漳泉都市區(qū)總面積的54%; 而生態(tài)等級(jí)為優(yōu)和良的區(qū)域面積占46%。

(2)植被、生態(tài)用地空間格局優(yōu)劣、環(huán)境濕度和生態(tài)系統(tǒng)服務(wù)價(jià)值狀況是改善城市生態(tài)系統(tǒng)的影響因子, 但干度、路網(wǎng)密度、土地利用程度綜合指數(shù)和熱度等指標(biāo)的綜合作用會(huì)導(dǎo)致城市生態(tài)惡化。

(3)都市區(qū)生態(tài)質(zhì)量總體呈“西高東低”的空間格局。東部核心區(qū)高不透水面覆蓋地區(qū), 土地綜合利用強(qiáng)度大, 其生態(tài)質(zhì)量指數(shù)(0.346)比總體平均值低; 西部綠色山地生態(tài)保育帶, 連續(xù)的生態(tài)用地發(fā)揮的生態(tài)效益也更高, 其生態(tài)質(zhì)量指數(shù)(0.662)比總體平均值高。

(4)不透水面斑塊小、斑塊內(nèi)部連通度低且斑塊聚集度低的區(qū)域, 其生態(tài)質(zhì)量好于不透水面斑塊大、斑塊內(nèi)部高度連通且斑塊高度聚集的區(qū)域。

[1] UN. World urbanization prospects: The 2018 Revision (ST/ESA/SER. A/420) [R]. United Nations New York, 2019.

[2] ROSENTRETER J, HAGENSIEKER R, WASKE B. Towards large-scale mapping of local climate zones using multitemporal Sentinel 2 data and convolutional neural networks [J]. Remote Sensing of Environment, 2020, 237: 111472.

[3] OCHOA-GAONA S, KAMPICHLER C, DE JONG B H J, et al. A multi-criterion index for the evaluation of local tropical forest conditions in Mexico [J]. Forest Ecology and Management, 2010, 260(5): 618–627.

[4] 張文強(qiáng), 孫從建, 李新功. 晉西南黃土高原區(qū)植被覆蓋度變化及其生態(tài)效應(yīng)評(píng)估 [J]. 自然資源學(xué)報(bào), 2019, 34(8): 1748–1758.

[5] 中華人民共和國(guó)環(huán)保部. 生態(tài)環(huán)境狀況評(píng)價(jià)技術(shù)規(guī)范(發(fā)布稿) HJ 192—2015 [S]. 北京: 中國(guó)標(biāo)準(zhǔn)出版社, 2015.

[6] REZA M I H, ABDULLAH S A. Regional index of ecological integrity: a need for sustainable management of natural resources [J]. Ecological Indicators, 2011, 11(2): 220–229.

[7] LIANG Bingqing, WENG Qihao. Assessing urban environmental quality change of Indianapolis, united states, by the remote sensing and GIS integration [J]. IEEE Journal of Selected Topics in Applied Earth Observations & Remote Sensing, 2011, 4(1): 43–55.

[8] 徐涵秋. 區(qū)域生態(tài)環(huán)境變化的遙感評(píng)價(jià)指數(shù) [J]. 中國(guó)環(huán)境科學(xué), 2013, 33(5): 889–897.

[9] 賈有余, 李輝, 王釗齊, 等. 蘇州市吳中區(qū)生態(tài)保護(hù)紅線區(qū)生態(tài)環(huán)境質(zhì)量定量評(píng)價(jià)[J]. 生態(tài)與農(nóng)村環(huán)境學(xué)報(bào), 2017, 33(6): 525–532.

[10] 王苗, 劉普幸, 喬雪梅, 等. 基于RSEDI的寧夏生態(tài)環(huán)境質(zhì)量時(shí)空演變及其驅(qū)動(dòng)力貢獻(xiàn)率分析 [J]. 生態(tài)學(xué)雜志, 2021, 40(10): 3278–3289.

[11] THANH L N, DE SMEDT F. Application of an analytical hierarchical process approach for landslide susceptibility mapping in a Luoi district, Thua Thien hue province, Vietnam [J]. Environmental Earth Sciences, 2011, 66 (7): 1739–1752.

[12] 文廣超, 孫世奎, 李興, 等. 可魯克湖流域生態(tài)環(huán)境質(zhì)量診斷 [J]. 應(yīng)用生態(tài)學(xué)報(bào), 2021, 32(8): 2906–2914.

[13] WELLMANN T, LAUSCH A, ANDERSSON E, et al. Remote sensing in urban planning: contributions towards ecologically sound policies? [J]. Landscape and Urban Planning, 2020, 204: 103921.

[14] XU Hanqiu, WANG Meiya, SHI Tingting, et al. Prediction of ecological effects of potential population and impervious surface increases using a remote sensing based ecological index (RSEI) [J]. Ecological Indicators, 2018, 93: 730–740.

[15] 福建省統(tǒng)計(jì)局. 福建統(tǒng)計(jì)年鑒[R]. 2020. http://tjj.fujian. gov.cn/tongjinianjian/dz2020/index.htm.

[16] 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(5): 893–903.

[17] CHARVZ Jr P S. Image-based atmospheric corrections- revisited and revised [J]. Photogrammetric Engineering and Remote Sensing, 1996, 62(9): 1025–1036.

[18] WU Liyun, HE Dongjin, YOU Weibin, et al. The dynamics of landscape-scale ecological connectivity based on least- cost model in Dongshan island, China[J]. Journal of Mountain Science, 2017, 14(2): 336–345.

[19] XU Hanqiu. A new index for delineating built-up land features in satellite imagery [J]. International Journal of Remote Sensing, 2008, 29(14): 4269–4276.

[20] 劉紀(jì)遠(yuǎn). 中國(guó)資源環(huán)境遙感宏觀調(diào)查與動(dòng)態(tài)研究[M]. 北京: 中國(guó)科學(xué)技術(shù)出版社, 1996.

[21] PADMANABAN R, BHOWMIK A K, CABRAL P. A remote sensing approach to environmental monitoring in a reclaimed mine area [J]. ISPRS International Journal of Geo-Information, 2017, 6(12): 2220–9964.

[22] DUPRAS J, MARULL J, PARCERISAS L, et al. The impacts of urban sprawl on ecological connectivity in the Montreal metropolitan region [J]. Environmental Science & Policy, 2016, 58: 61–73.

[23] MARULLI J, MALLARACH J M. A GIS methodology for assessing ecological connectivity: application to the Barcelona metropolitan area [J]. Landscape and Urban Planning, 2005, 71(2-4): 243–26.

[24] 武劍鋒, 曾輝, 劉雅琴. 深圳地區(qū)景觀生態(tài)連接度評(píng)估 [J]. 生態(tài)學(xué)報(bào), 2008, 28(4): 1691–1701.

[25] BAIG M H A, ZHANG L F, SHUAI T, et al. Derivation of a tasselled cap transformation based on Landsat 8 at-satellite reflectance [J]. Remote Sensing Letters, 2014, 5(5): 423–431.

[26] JIMéNEZ-MU?OZ J C, CRISTOBAL J, SOBRINO J A, et al. Revision of the single-channel algorithm for land surface temperature retrieval from Landsat thermal-infrared data [J]. IEEE Transactions on Geoscience and Remote Sensing, 2009, 47(1): 339–349.

[27] JIMéNEZ-MU?OZ J C, SOBRINO J A, SKOKOVI? D, et al. Land surface temperature retrieval methods from Landsat-8 thermal infrared sensor data [J]. IEEE Geoscience & Remote Sensing Letters, 2014, 11(10): 1840–1843.

[28] 劉永強(qiáng), 龍花樓, 李加林. 長(zhǎng)江中游經(jīng)濟(jì)帶土地利用轉(zhuǎn)型及其生態(tài)服務(wù)功能交叉敏感性研究[J]. 地理研究, 2018, 37(5): 1009–1022.

[29] CALLEJA J F, PAGES O R, DIAZ-ALVARES N, et al. Detection of buried archaeological remains with the combined use of satellite multispectral data and UAV data [J]. International Journal of Applied Earth Observation and Geoinformation, 2018, 73: 555–573.

[30] 鄭子豪, 吳志峰, 陳穎彪, 等.基于Google Earth Engine的長(zhǎng)三角城市群生態(tài)環(huán)境變化與城市化特征分析 [J]. 生態(tài)學(xué)報(bào), 2021, 41(2): 717–729.

[31] 李紅星, 黃解軍, 梁友嘉, 等. 基于遙感生態(tài)指數(shù)的武漢市生態(tài)環(huán)境質(zhì)量評(píng)估 [J]. 云南大學(xué)學(xué)報(bào)(自然科學(xué)版), 2020, 42(1): 81–90.

[32] 杭鑫, 羅曉春, 曹云, 等. 基于RSEI模型的生態(tài)質(zhì)量評(píng)估及城鎮(zhèn)化影響——以南京市為例 [J]. 應(yīng)用生態(tài)學(xué)報(bào), 2020, 31(1): 219–229.

[33] 宋慧敏, 薛亮. 基于遙感生態(tài)指數(shù)模型的渭南市生態(tài)環(huán)境質(zhì)量動(dòng)態(tài)監(jiān)測(cè)與分析 [J]. 應(yīng)用生態(tài)學(xué)報(bào), 2016, 27(12): 3913–3919.

[34] 程志峰, 何祺勝. 基于RSEI的蘇錫常城市群生態(tài)環(huán)境遙感評(píng)價(jià) [J]. 遙感技術(shù)與應(yīng)用, 2019, 34(3): 531–539.

[35] 吳獻(xiàn)文, 陳穎彪. 基于自然資源本底數(shù)據(jù)的珠三角城市群生態(tài)敏感性評(píng)估分析[J]. 生態(tài)環(huán)境學(xué)報(bào), 2021, 30(5): 976–983.

[36] 鄭子豪, 吳志峰, 陳穎彪, 等. 基于Google Earth Engine的長(zhǎng)三角城市群生態(tài)環(huán)境變化與城市化特征分析 [J]. 生態(tài)學(xué)報(bào), 2021, 41(2): 717–729.

[37] 石小偉, 馮廣京, YI Yang, 等. 浙中城市群土地利用格局時(shí)空演變特征與生態(tài)風(fēng)險(xiǎn)評(píng)價(jià) [J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào), 2020, 51(5): 242–251.

Remote sensing-based study on the urban ecological quality of the emerging Xiamen-Zhangzhou-Quanzhou metropolitan area

WANG Meiya*

School of History and Geography, Minnan Normal University, Zhangzhou 363000, China

Owing to the complex, potentially nonlinear relationship between urban ecological systems and biophysical surface components in metropolitan areas, selecting suitable quantitative models to evaluate their urban ecological quality is not always clear. The Xiamen-Zhangzhou-Quanzhou metropolitan areawas taken as an example. Eight ecological indicators, including NDBSI, RD, La, NDVI, ECI, W, LST, and V, were integrated into a new model named the Urban Remote Sensing Ecological Quality Index (UEQ) using Principal Component Analysis. The UEQ was used to quantitatively evaluate the ecological quality of the emerging Xiamen-Zhangzhou-Quanzhou metropolitan area. The quantitative relationship between UEQ at different levels and landscape indices was analyzed. Results showed that the Xiamen-Zhangzhou-Quanzhou metropolitan area hada mean ecological quality value of 0.558. Comparing the eight indices within the UEQ, the NDVI, ECI, W, and V indices positively affected the ecology, while the NDBSI, RD, La, and LST indices had a negative effect. It had high NDBSI, La, and LST values and low V values. The other four indicators had a low contribution to UEQ results. According to the spatial distribution of the UEQ, the ecological quality value in the western region of the Xiamen-Zhangzhou-Quanzhou metropolitan area was generally higher than that in the east region. The eastern urban center, covered by a high ratio of impervious surfaces and a low ratio of vegetation, had low ecological connectivity between the ecological land patches, resulting in a lower ecological quality value of 0.212 than that of the whole study area. The western mountain conservation belt had high NDVI and ECI values, which helpedreach a higher ecological quality value of 0.104 than the whole study area. The ecological quality of the region with small and dispersive impervious surface patches and low intra-patch connectivity was better than that with large and aggregate impervious surface patches.

Xiamen-Zhangzhou-Quanzhou metropolitan area; urban remote sensing ecological quality index (); ecological quality; landscape; remote sensing

10.14108/j.cnki.1008-8873.2024.01.015

TP79

A

1008-8873(2024)01-124-10

2021-08-21;

2021-11-15

福建省自然科學(xué)基金面上項(xiàng)目(2022J01918) ; 教育部人文社科青年基金(22YJC630139) ; 福建省創(chuàng)新戰(zhàn)略研究項(xiàng)目(2020R0155) ; 國(guó)家自然科學(xué)基金青年基金項(xiàng)目(41601012)

王美雅(1991—), 女, 福建泉州人, 博士, 副教授, 主要從事環(huán)境與資源遙感研究, E-mail: miahao3@163.com

通信作者:王美雅

王美雅. 廈漳泉新興都市區(qū)生態(tài)質(zhì)量遙感評(píng)價(jià)[J]. 生態(tài)科學(xué), 2024, 43(1): 124–133.

WANG Meiya. Remote sensing-based study on the urban ecological quality of the emerging Xiamen-Zhangzhou-Quanzhou metropolitan area[J]. Ecological Science, 2024, 43(1): 124–133.