基于遙感指數的生態變化評估
——以常寧市為例

羅春， 劉輝，2， 戚陸越

( 1.福州大學環境與資源學院，福州 350108； 2．福州大學遙感信息工程研究所，福州 350108； 3.福州大學福建省空間信息工程研究中心，福州 350108)

0 引言

目前遙感技術已在生態環境領域得到廣泛應用，利用各種遙感指數對流域[1]、城市[2]、森林[3]、湖泊[4]和土地[5]等進行動態監測,但是大多數的監測仍基于單一的指標進行評測，如利用植被指數監測森林生態系統的變化[6]，利用不透水地表指數[7]評價城市生態環境，利用地表溫度評測城市熱環境[8]等,這些單指標評價往往只能解釋某一方面的生態特征。徐涵秋在水土流失區生態變化的遙感評估中提出了多指標的遙感生態指數(remote sensing ecology index,RSEI)，這是一個完全基于遙感信息、能夠集成多種指標因素的遙感綜合生態指數，并用其快速地監測福建省長汀盆地水土流失區的生態質量，為政府采取保持水土流失政策提供依據，取得了良好的效果。

常寧市是湖南省水土流失重點治理區之一,探討其生態變化對改善常寧市生態環境和評估水土流失治理效果具有非常重要的意義。鑒于此，本文以常寧市為例，采用遙感生態指數和數理統計學方法，定量評估其生態系統的變化狀況。

1 研究區概況及數據源

1.1 研究區概況

常寧市位于N26°07′～26°36′，E112°07′～112°41′之間，地質環境復雜，出露巖石種類多且風化強烈，土壤侵蝕潛在危險性較大； 屬中亞熱帶季風濕潤性氣候，市區年平均氣溫18.5～20.2℃，年降水量1 005.1～1 836.2 mm， 6—9月為汛期，期間雨量占全年總降雨量的60%左右。汛期高強度降雨是該區水土流失的主要外營力。

湖南省湘資沅澧中游治理區是2006年19個國家級水土流失重點治理區之一。常寧市地處該治理區內，是湖南省水土保持修復試點市。多年來當地政府一直大力宣傳植樹種草治理水土流失的重要性，出臺了相應的政策法規，實施了一些治理措施。

1.2 數據源及其預處理

研究所用的Landsat TM遙感數據來源于中國科學院對地觀測與數字地球中心，圖像獲取日期分別為1990-12-07,2002-10-13及2009-10-24，季相基本相同，質量較好。

遙感數據預處理主要有3個步驟： 首先在ENVI中進行遙感圖像幾何糾正，采用二次多項式和最鄰近像元法，配準的均方根誤差RMSE< 0.5 個像元； 其次，由于植被指數對大氣很敏感，因此必須做輻射校正，輻射校正采用Chander 等[9]和Chavez[10]的模型； 最后，依照行政區界線進行圖像裁剪。

2 遙感生態指數及其指標

徐涵秋[11]指出，在反映生態質量的諸多自然因素中，綠度、濕度、熱度及干度是人類直觀感覺生態條件優劣的重要因素，因此常被用于評價生態系統[4,12-13]，而且這 4 個指標可以從遙感圖像中快速地提取，如采用植被指數、裸土指數、濕度分量、地表溫度就可以分別代表綠度、干度、熱度和濕度。這樣，擬建的遙感生態指數就可以表示為這 4 個指標的函數，即

RSEI=f(G,W,T,D),

(1)

式中：G為綠度；W為濕度；T為熱度；D為干度。

2.1 濕度指標

纓帽變換中的亮度、綠度、濕度分量與地表物理參量有直接關系。其中濕度分量反映了土壤和植被的濕度，與生態密切相關。因此，本研究的濕度指標采用這一濕度分量來代表。以 Landsat TM 圖像為例，其表達式為[14]

WET=0.031 5ρ1+0.202 1ρ2+0.310 2ρ3+0.159 4ρ4-0.680 6ρ5-0.610 9ρ7,

(2)

式中：WET為濕度指標；ρi(i=1,…,5,7)為 TM 圖像各對應波段的反射率。

2.2 綠度指標

歸一化植被指數(normorolized difference vegetable index，NDVI)與植物生物量、葉面積指數以及植被覆蓋度都有密切的關系[15]。因此，可選其來代表綠度指標，即

NDVI=(ρ4-ρ3)/(ρ4+ρ3)。

(3)

2.3 熱度指標

本研究采用地表溫度(land surface temperature，LST)代表熱度，先用Landsat 用戶手冊的模型計算出亮溫T[9，16]，再對其進行比輻射率校正，獲得LST[17]，即

LST=T/[1+(λT/z)lnε]，

(4)

式中：λ為TM 6 波段的中心波長(λ=11.5 μm)；z=hc/K=1.438×10-2mK(其中，h為普朗克常數，取值為6.26×10-34J/s; c為光速，取值為2.998×108m/s;K為斯忒藩-玻耳茲曼常數，取值為1.38×10-23J/K)；ε為地表比輻射率，其取值見文獻[12]；T和LST的單位為 K。

2.4 干度指標

在水土流失區，干度指標(normalized difference soil index，NDSI)通常選用裸土指數(bare soil lndex，BI)來代表。但由于研究區還有相當多的建筑用地，建筑指數(index-based built-up index，IBI)同樣代表地表的干度，因此干度指標最后由二者合成。可分別采用 Rikimaru和徐涵秋的模型計算出BI[18]和IBI[19]，然后計算NDSI，即

NDSI=(SI+IBI)/2。

(5)

2.5 構建遙感生態指數

主成分分析(principal component analysis, PCA)方法是一種將多個變量通過正交線性變換來選出少數重要變量的多維數據壓縮技術[20]。它將多維的信息集中到少數幾個特征分量上，不僅可以減少原始多變量間的信息重疊，且簡化了變量個數，其中的第一個主分量是對原始多變量數據集方差貢獻最大的新變量，用這一新變量來構建遙感生態指數可以降低計算的復雜度，且具有一定的代表性。因此，本研究采用主成分變換來集成以上4個變量。首先分別計算3個時相圖像的4個指標，對它們進行歸一化后將它們合成為一幅新圖像，再對新的圖像進行主成分變換，得到4個指標的主成分矩陣(表1)。

表1 指標主成分分析

從表1可以看出： 第一主成分(PC1)的貢獻率都大于 95%，表明它已集中了 4 個指標的大部分特征； 在 PC1 中，代表濕度的WET和代表綠度的NDVI呈正值，說明二者共同對生態起正面的貢獻； 而代表熱度和干度的LST，NDSI呈負值，說明二者協同對生態起負面影響，這與實際情況相符。為使 PC1 大的數值代表好的生態條件，可進一步用 1減去計算出的 PC1，獲得初始的生態指數RSEI0，然后同樣對RSEI0進行正規化，以便于指標的度量和比較，得到RSEI(圖1)，其值介于[0,1]之間，即

RSEI=(RSEI0-RSEImin)/(RSEImax-RSEImin) 。

(6)

式中：RSEImin表示生態指數RSEI中最小值；RSEImax表示生態指數RSEI中的最大值。RSEI值越接近1，表示生態越好，反之則越差。

(a) 1990年TM圖像(b) 2002年TM圖像(c) 2009年TM圖像

(d) 1990年RSEI圖像(e) 2002年RSEI圖像(f) 2009年RSEI圖像

3 結果分析

3.1 常寧市的生態變化

表 2是研究區各年份 4 個指標和遙感生態指數RSEI均值。

表2 各年份4個指標和RSEI的均值

從表2各指標變化可知，代表生態變好的綠度和代表生態差的干度均值在這20 a中都是先下降后上升，而代表生態變差的熱度有稍微的上升和代表生態變好的濕度反而有稍微的下降，這與常寧市的人為不合理的開發建設活動加劇了水土流失有關，在城區基礎設施、大規模房地產開發建設過程中，工程施工時間跨度大，規劃用地類型多樣，水土流失出現了某些新特點； 另一個原因是，常寧市處內陸，近年來全球氣候變暖的影響，干度和熱度也在一定程度上有所上升。以上4 個指標總體上反映研究區植被覆蓋有所改善，水土流失勢頭有所抑制，也表明所建的RSEI生態指數可以綜合代表4 個指標。

為了更好地分析新指數的合理性，進一步將各年份的RSEI指數以0.2為間隔分成5個級別，分別代表生態差、較差、中等、良、優 5 個等級，對應的RSME指數范圍分別為[0，0.2)，[0，0.4)，[0，0.6)，[0，0.8)和[0.8，1.0](表3)。

表3 1988—2010年間常寧市各RESI級別面積及其百分比

從表3中看出，生態級別為優和良等級所占的面積比例先從13.086%下降到4.006%，再上升到 16.699%； 而等級為差的面積比例也先從小到大再到小變化。總體表明，常寧市的生態質量有了非常大的提高。利用差值原理，分7個等級對常寧市的生態進行變化檢測。其中“0級”為基本未變級，“變好”和“變差”都各分3級。得到的變化等級統計表見表 4。

表4 變化檢測

變化檢測分級圖和變化趨勢圖見圖 2。

(a) 1990年RSEI分級圖像(b) 2009年RSEI分級圖像(c) 1990—2009年RSEI變化趨勢

圖2常寧市1990，2009年生態分級圖和基于差值法的變化檢測圖

Fig.25-leveledRSEIimagesofChangningCityin1990and2009andtheirchangedetection

1990—2009 年間，從變化幅度看，該區生態條件變差、等級下降的面積為 250.52 km2，約占總面積的 12.167%，而生態轉好的面積達528.38 km2，占到了25.662%； 從空間分布看，生態條件變好的地點主要分布在郊區中水域周圍(圖 2 (c)中的紅色圖斑)。生態變差的主要是一些新增的城區基礎設施和大規模房地產開發建設(圖 2 (c)中的綠色圖斑)，而林業周圍變化不大，以藍色調為主。

3.2 RSEI 綜合代表性分析

從RSEI和各指標之間的相關度來進行綜合代表性的定量分析。RSEI與各指標的相關度越強，說明它越能綜合代表各個指標。表5是各指標和RSEI的相關系數以及各指標自身之間的相關系數。

表5 4個指標和 RSEI的相關矩陣

①以某一指標與其他指標相關系數的絕對值來計算，以1990年WET為例：Mean=(|0.907|+|0.911|+|0.910|)/3=0.909。

4 結論

本文利用遙感生態指數，研究了常寧市1990—2009年間生態環境狀況和變化趨勢，得到如下結論：

1)在整個研究區域中，代表植被覆蓋狀況的綠度指標(NDVI)在 4 個指標中對生態指數 RSEI的貢獻最大，說明植被是十分重要的影響因素，以植樹造林為主的水土流失治理工程已顯示正在改善該區的生態質量。

2)20 a來,常寧市存在濕度下降而熱度有所升高的現象，是由于該市在基礎設施建設和房地產開發過程中，某些不當的人為活動破壞了地貌、植被和水土保持設施，產生了大量的廢土棄渣，使城市環境在短期內急劇變壞。

3)RSEI變化檢測表明，常寧市的生態環境質量在20 a內，先有所下降，但是在政府的高度重視下，相繼出臺了綠化、水土保持治理等多項政策，在城市建設的施工過程中，根據具體情況采取了一些相應措施控制水土流失，防治結合，生態環境又有了較明顯的改善。

4)從空間上看，生態條件變好的地點主要分布在區內水域周圍，生態變差的則主要為一些新增的城區基礎設施和大規模房地產開發建設工地，而林區及其周圍生態變化不大。這些結論可為常寧市今后進一步做好水土保持工作提供參考。

志謝： 特別感謝謝天文師兄對實驗及論文寫作的指導。

參考文獻(References)：

[1] 吳炳方,盧善龍.流域遙感方法與實踐[J].遙感學報,2011,15(2):201-223.

Wu B F,Lu S L.Watershed remote sensing:Methodology and a paradigm in Hai Basin[J].Journal of Remote Sensing,2011,15(2):201-223.

[2] 潘衛華,徐涵秋.泉州市城市擴展的遙感監測及其城市化核分析[J].國土資源遙感,2004,16(4):36-40.

Pan W H,Xu H Q.A study of urban spatial expansion of Quanzhou City on the basis of remote sensing technology and urbanization core analysis[J].Remote Sensing for Land and Resources,2004,16(4):36-40.

[3] 楊存建,歐曉昆,黨承林,等.森林植被動態變化信息的遙感檢測[J].地球信息科學,2000(4):71-75.

Yang C J,Ou X K,Dang C L,et al.Detecting the change information of forest vegetation dynamics for remote sensing[J].Geo-Information Science,2000(4):71-75.

[4] 王海波,馬明國.基于遙感的湖泊水域動態變化監測研究進展[J].遙感技術與應用,2009,24(5):674-684.

Wang H B,Ma M G.A review of monitoring change in lake water areas based on remote sensing[J].Remote Sensing Technology and Application,2009,24(5):674-684.

[5] 湯世華,樊風雷,王云鵬,等.土地利用變化的遙感監測及其與經濟發展關系的研究——以增城市1998—2003土地利用為例[J].農業現代化研究,2005,26(5):378-381.

Tang S H,Fan F L,Wang Y P,et al.Change of land-use remote sensing monitoring and relationship of economic development：Taking land-use of Zengcheng from 1998 to 2003 as an example[J].Research of Agricultural Modernization,2005,26(5):378-381.

[6] 范建忠,李登科,董金芳.陜西省重點生態建設工程區植被恢復狀況遙感監測[J].農業工程學報,2012,28(7):228-234.

Fan J Z,Li D K,Dong J F.Remote Sensing analysis of vegetation restoration in key ecological construction areas of Shaanxi Province[J].Transactions of the Chinese Society of Agricultural Engineering,2012,28(7):228-234.

[7] 徐涵秋.城市不透水面與相關城市生態要素關系的定量分析[J].生態學報,2009,29(5):2456-2462.

Xu H Q.Quantitative analysis on the relationship of urban impervious surface with other components of the urban ecosystem[J].Acta Ecologica Sinica,2009,29(5):2456-2462.

[8] 周榕,徐涵秋,林云彬.城市建成區地表熱通量的遙感研究——以泉州市區為例[J].遙感信息,2006(6):50-54.

Zhou R,Xu H Q,Lin Y B.Remote sensing study on the surface heat flux and its relationship with the urban heat island：Taking Quanzhou City as an example[J].Remote Sensing Information,2006(6):50-54.

[9] 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,2009,113:893-903.

[10]Chavez P S Jr.Image-based atmospheric corrections:Revisited and revised[J].Photogrammetric Engineering and Remote Sensing,1996,62(9):1025-1036.

[11]徐涵秋.水土流失區生態變化的遙感評估[J].農業工程學報,2013,29(7):91-98.

Xu H Q.Assessment of ecological change in soil loss area using remote sensing technology[J].Transactions of the Chinese Society of Agricultural Engineering,2013,29(7):91-98.

[12]Nichol J.Remote sensing of urban heat islands by day and night[J].Photogrammetric Engineering and Remote Sensing,2005,71(5):613-621.

[13]趙躍龍,張玲娟.脆弱生態環境定量評價方法的研究[J].地理科學進展,1998,17(1):67-72.

Zhao Y L,Zhang L J.A study on index and method of quantitative assessment of fragile environment[J].Progress in Geography,1998,17(1):67-72.

[14]Crist E P.A TM tasseled cap equivalent transformation for reflectance factor data[J].Remote Sensing of Environment,1985,17(3):301-306.

[15]Goward S N,Xue Y K,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.

[16]NASA.Landsat7 science data user’s handbook[EB/OL].http://landsathandbook.gsfc.nasa.gov,2012-09-05.

[17]Janet N.Remote sensing of urban heat islands by day and night[J].Photogrammetric Engineering and Remote Sensing,2005(5):613-621.

[18]Rikimaru A,Roy P S,Miyatake S.Tropical forest cover density mapping[J].Tropical Ecology,2002,43(1):39-47.

[19]徐涵秋,杜麗萍.遙感建筑用地信息的快速提取[J].地理信息科學學報,2010,12(4):574-579.

Xu H Q,Du L P.Fast extraction of build-up land information from remote sensing imagery[J].Journal of Geo-Information Science,2010,12(4):574-579.

[20]徐涵秋.基于壓縮數據維的城市建筑用地遙感信息提取[J].中國圖象圖形學報,2005,10(2):223-229.

Xu H Q.Remote sensing information extraction of urban built up land based on a data dimension compression technique[J].Journal of Image and Graphics,2005,10(2):223-229.