基于遙感生態(tài)指數(shù)模型的楊凌農(nóng)業(yè)高新技術(shù)產(chǎn)業(yè)示范區(qū)生態(tài)環(huán)境評(píng)價(jià)

夏積德, 高煥霖, 李峰博, 雷小平, 仇文娟

(1.楊凌職業(yè)技術(shù)學(xué)院, 陜西 楊凌 712100; 2.西北農(nóng)林科技大學(xué), 陜西 楊凌 712100; 3.永壽縣水利局， 陜西 永壽 713400)

社會(huì)經(jīng)濟(jì)的良性發(fā)展離不開生態(tài)環(huán)境建設(shè)，準(zhǔn)確而詳細(xì)的掌握區(qū)域生態(tài)環(huán)境狀況，有助于政府積極而正確地指引生態(tài)環(huán)境建設(shè)，從而更好地服務(wù)于區(qū)域社會(huì)經(jīng)濟(jì)發(fā)展。2006年國(guó)家環(huán)境保護(hù)部頒布了《生態(tài)環(huán)境狀況評(píng)價(jià)技術(shù)規(guī)范》，推出了基于遙感技術(shù)的生態(tài)環(huán)境狀況指數(shù)(ecological index， EI)評(píng)測(cè)[1]。傳統(tǒng)的EI是多個(gè)區(qū)域生態(tài)因子指數(shù)的加權(quán)結(jié)果，只能籠統(tǒng)地定性說明一個(gè)地區(qū)的生態(tài)狀況，難以定量化地研究區(qū)域內(nèi)生態(tài)環(huán)境狀況和空間分布[2]。同時(shí)，很多研究基于遙感技術(shù)進(jìn)行單一指標(biāo)反演和評(píng)價(jià)，僅能片面的反映出生態(tài)環(huán)境質(zhì)量在某一維度的變化，而實(shí)際的生態(tài)環(huán)境系統(tǒng)具有整體性和復(fù)雜性，生態(tài)系統(tǒng)中的每個(gè)影響因子都是無法分隔開來的。為此，基于遙感技術(shù)的遙感生態(tài)指數(shù)(remote sensing based ecological index， RSEI)從綠度、濕度、干度和溫度4個(gè)維度出發(fā)評(píng)價(jià)生態(tài)環(huán)境質(zhì)量[3-6]運(yùn)用而生。與傳統(tǒng)的EI相比，RSEI能夠快速、定量和客觀的評(píng)價(jià)區(qū)域生態(tài)環(huán)境，并能獲得區(qū)域生態(tài)環(huán)境的空間分布。

楊凌農(nóng)業(yè)高新技術(shù)產(chǎn)業(yè)示范區(qū)(簡(jiǎn)稱“楊凌區(qū)”)地處關(guān)中平原腹地、農(nóng)業(yè)硅谷，是全國(guó)唯一的國(guó)家級(jí)農(nóng)業(yè)高新技術(shù)產(chǎn)業(yè)示范區(qū)，是國(guó)家批準(zhǔn)的向亞太經(jīng)合組織開放的十大工業(yè)園區(qū)之一，也是國(guó)家重點(diǎn)支持的五大高新區(qū)之一。中國(guó)楊凌農(nóng)業(yè)高新科技成果博覽會(huì)是中國(guó)國(guó)家級(jí)四大科技展會(huì)之一，是農(nóng)業(yè)高新技術(shù)、產(chǎn)品展示交易的重要平臺(tái)，其規(guī)模和社會(huì)影響日益擴(kuò)大。近年來，楊凌區(qū)借助自身科教優(yōu)勢(shì)，經(jīng)濟(jì)發(fā)展迅速，其依托西北農(nóng)林科技大學(xué)和楊凌職業(yè)技術(shù)學(xué)院，采取“政府組織，企業(yè)帶動(dòng)，科技支撐，農(nóng)戶實(shí)施”的方式，大力發(fā)展生態(tài)友好型和資源節(jié)約型農(nóng)業(yè)、畜牧業(yè)和養(yǎng)殖業(yè)等產(chǎn)業(yè)，產(chǎn)業(yè)示范作用不斷增強(qiáng)，對(duì)農(nóng)業(yè)、農(nóng)村、農(nóng)民的帶動(dòng)作用和輻射力逐步擴(kuò)大，促進(jìn)了農(nóng)村發(fā)展和農(nóng)民增收，將為國(guó)家鄉(xiāng)村振興戰(zhàn)略的實(shí)施和實(shí)現(xiàn)作出較大貢獻(xiàn)。但隨著經(jīng)濟(jì)、人口、資源和環(huán)境的矛盾加劇，如何平衡經(jīng)濟(jì)發(fā)展與環(huán)境惡化的矛盾是楊凌區(qū)面臨的嚴(yán)峻挑戰(zhàn)。為此，本文將RSEI應(yīng)用于楊凌區(qū)的生態(tài)環(huán)境狀況監(jiān)測(cè)之中，旨在快速、客觀和定量的評(píng)價(jià)楊凌區(qū)生態(tài)環(huán)境狀況及其時(shí)空變異規(guī)律，從而為環(huán)境決策方案提供幫助，為楊凌區(qū)更好地開展生態(tài)環(huán)境建設(shè)工作提供科學(xué)依據(jù)。

1 研究區(qū)概況

楊凌區(qū)(107.56°—108.08°E， 34.14°—34.20°N)，位于陜西黃土高原南部、關(guān)中平原西部，總面積135 km2。地勢(shì)總體平緩，呈現(xiàn)北高南低和西高東低的特點(diǎn)。東與武功縣相鄰，西倚扶風(fēng)縣，南瀕渭河與眉縣和周至縣相接，北與武功縣和扶風(fēng)縣接壤。屬于暖溫帶半濕潤(rùn)半干旱氣候，年均降水量為637 mm且多集中在夏秋季，年均氣溫約13 ℃。境內(nèi)塬、坡、灘地交錯(cuò)，土壤肥沃，適宜多種農(nóng)作物生長(zhǎng)。2017年末，常住人口約2.80×105人。

楊凌示范區(qū)在陜西省內(nèi)6個(gè)地市建立了13個(gè)農(nóng)業(yè)試驗(yàn)、示范基地，示范區(qū)兩所高校在西部省份建立了44個(gè)實(shí)驗(yàn)與示范基地。近年來，楊凌示范區(qū)企業(yè)在農(nóng)業(yè)結(jié)構(gòu)調(diào)整、農(nóng)民增收方面的帶動(dòng)作用較大，其不斷探索“公司+科技+農(nóng)戶”等模式，為農(nóng)戶提供技術(shù)培訓(xùn)和指導(dǎo)，促進(jìn)農(nóng)民增收脫貧，據(jù)不完全統(tǒng)計(jì)，每年楊凌示范區(qū)科技推廣帶來的農(nóng)民效益增加值超過1.00×1010元人民幣。

2 數(shù)據(jù)源與研究方法

2.1 數(shù)據(jù)源及數(shù)據(jù)預(yù)處理

選用2013年6月和2018年5月的Landsat 8 OLI和TIRS遙感影像作為數(shù)據(jù)源。為了消除不同時(shí)相因大氣傳輸特性、平臺(tái)運(yùn)行狀況及傳感器系統(tǒng)等因素所造成的誤差，在ENVI 5.3下分別對(duì)兩期影像進(jìn)行輻射定標(biāo)、大氣校正、幾何精校正和配準(zhǔn)，保證得兩期影像的準(zhǔn)確性和可疊加性，最后對(duì)兩期影像進(jìn)行裁剪。

2.2 RSEI模型

在反映生態(tài)環(huán)境質(zhì)量的諸多因子中，綠度、溫度、干度、濕度是人類直觀感覺生態(tài)環(huán)境質(zhì)量?jī)?yōu)劣的最重要指標(biāo)，具有很強(qiáng)的代表性。RSEI模型分別用植被覆蓋度、地表溫度、裸土和建筑指數(shù)、濕度指數(shù)來代表綠度、溫度、干度和濕度作為評(píng)價(jià)指標(biāo)[1]，并利用主成分分析對(duì)這4個(gè)重要影響因子進(jìn)行了耦合，用于反映區(qū)域生態(tài)壞境質(zhì)量和空間分布情況。RSEI函數(shù)表達(dá)式如下：

RESI=f(VFC,LST,NDBSI,Wet)

(1)

式中：VFC——植被覆蓋度(%); LST——地表溫度(℃); NDBSI——裸土和建筑指數(shù); Wet——濕度指數(shù)。

2.2.1 各指標(biāo)分量計(jì)算 綠度指標(biāo)分量：VFC是植被在地面的垂直投影面積占統(tǒng)計(jì)區(qū)總面積的百分比，是衡量地表植被覆蓋的重要指標(biāo)，與植物生長(zhǎng)狀況、葉面積指數(shù)息息相關(guān)。植被的自然表面像元的光譜能量值來自于綠色植被和裸露土地兩部分，即：

VFC=(NDVI-NDVIsoil)/(NDVIveg-NDVIsoil)

(2)

式中：NDVIsoil——裸露的土壤的植被歸一化指數(shù)(NDVI)； NDVIveg——植被高度覆蓋的NDVI值，可近似地認(rèn)為NDVIsoil和NDVIveg為置信區(qū)間內(nèi)的最大值和最小值，置信區(qū)間為0.05～0.95。

溫度指標(biāo)分量：本文采用輻射傳輸法進(jìn)行地表溫度反演[7]，利用熱輻射傳輸模型計(jì)算相同溫度黑體亮度值，再利用普朗克定律進(jìn)行計(jì)算。由于TIRS中波段11輻射定標(biāo)偏差較大，故選用波段10進(jìn)行地表溫度的反演，具體公式如下：

L10=τ10〔εb10(Ts)+(1-ε10)I10↓〕+I10↑

(3)

(4)

式中：L10——傳感器處的輻射亮度值；b10——大氣在熱紅外波段10的透過率；ε——地表比輻射率；I10↑——大氣向上輻射亮度；I10↓——大氣向下輻射亮度；b10(Ts)——與Ts相同的黑體的輻射量度，可由普朗克公式計(jì)算；k1，k2——定標(biāo)參數(shù)。

干度指標(biāo)分量：裸土和建筑用地均會(huì)造成地表“干化”，因此，干度指標(biāo)除了選擇最顯著的IBI(建筑指數(shù))[8]外，還應(yīng)考慮研究區(qū)存在有大量的裸土，故以IBI為基礎(chǔ)合成裸土指數(shù)SI來構(gòu)建干度指標(biāo)(NDBSI)，合成的方法采用主成分變化分析方法。

NDBSI=PCA(IBI,SI)

(5)

(6)

(7)

式中：ρi——OLI影像各對(duì)應(yīng)波段的反射率。

濕度指標(biāo)分量：遙感影像纓帽變換所獲取的濕度分量Wet反映了地表水體、植被和土壤的濕度狀況，計(jì)算公式如下：

Wet= 0.151 1ρblue+0.197 2ρgreen+0.328 3ρred+

0.340 7ρNIR-0.711 7ρSWIR1-0.455 9ρSWIR2

(8)

2.2.2 綜合指數(shù)的構(gòu)建 由于綠度、濕度、干度和溫度指標(biāo)的量綱有所不同，采用下式的歸一化處理消除量綱差異對(duì)計(jì)算結(jié)果的影像。

NI=(I-Imin)/(Imax-Imin)

(9)

式中：NI——標(biāo)準(zhǔn)化結(jié)果，為該指標(biāo)數(shù)值大小；Imax，Imin——該指標(biāo)在置信區(qū)間內(nèi)的極大值和極小值，置信區(qū)間為0.05～0.95。

主成分分析法(PCA)是一種將多個(gè)變量通過線性變換來選取少數(shù)重要變量的降維壓縮技術(shù)[9-11]。本文采用主成分變換來構(gòu)建綜合的RSEI。通過特征光譜空間坐標(biāo)軸的旋轉(zhuǎn)來去掉各個(gè)指標(biāo)的相關(guān)性，把綠度、濕度、干度和溫度的主要信息集中到主成分上。RSEI值越大，說明生態(tài)環(huán)境質(zhì)量越好。在ArcGIS中利用重分類函數(shù)，采用自然斷點(diǎn)法，按照數(shù)值由小到大將RSEI劃分為差(0～0.2)、較差(0.2～0.4)、中(0.4～0.6)、良(0.6～0.8)、優(yōu)(0.8～1.0)這5個(gè)等級(jí)。同時(shí)，利用主成分分析的結(jié)果進(jìn)行相關(guān)性分析，建立RSEI與各指標(biāo)以及指標(biāo)之間的相關(guān)系數(shù)矩陣，檢驗(yàn)?zāi)Ｐ偷倪m宜性。

3 結(jié)果與分析

3.1 各指標(biāo)分量貢獻(xiàn)率評(píng)價(jià)

通過對(duì)4個(gè)RSEI指標(biāo)分量進(jìn)行主成分分析，以明確各指標(biāo)分量對(duì)整個(gè)生態(tài)環(huán)境質(zhì)量的貢獻(xiàn)。楊凌區(qū)2013年和2018年的4個(gè)RSEI指標(biāo)分量的主成分分析結(jié)果見表1。

表1 楊凌區(qū)生態(tài)指數(shù)模型各指標(biāo)主成分貢獻(xiàn)度

由表1可以看出：①兩個(gè)年份的第一主成分PC1的特征值貢獻(xiàn)率都大于75%，說明第一主成分耦合了4個(gè)指標(biāo)的大部分信息，具有代表4個(gè)指標(biāo)的能力；②與PC2、PC3和PC4相比，PC1的各指標(biāo)貢獻(xiàn)率相對(duì)平穩(wěn)，未出現(xiàn)過大或過小的情況，這說明PC1的結(jié)構(gòu)更加合理，不會(huì)丟失某種指標(biāo)大部分的信息；③在兩個(gè)年份中，干度指標(biāo)在PC1的貢獻(xiàn)率最大，其次為綠度和溫度，而濕度指標(biāo)在PC1的貢獻(xiàn)率最小，這說明干度對(duì)RSEI影響最大，而濕度影響最小；④在PC1的4個(gè)指標(biāo)分量中，綠度和濕度指標(biāo)是負(fù)值而干度和溫度指標(biāo)是正值，吻合了綠度和濕度指標(biāo)對(duì)生態(tài)系統(tǒng)起正面的貢獻(xiàn)，干度和溫度指標(biāo)起反面的貢獻(xiàn)。

總體來看，PC1具有良好的結(jié)構(gòu)、完整的信息量和合理的解釋。因此，PC1可以用來創(chuàng)建綜合的RSEI，反映區(qū)域生態(tài)環(huán)境質(zhì)量。

3.2 RSEI與各指標(biāo)分量相關(guān)性分析

通過構(gòu)建相關(guān)系數(shù)矩陣，對(duì)RSEI與4個(gè)指標(biāo)分量之間的相關(guān)性進(jìn)行了分析，結(jié)果見表2。

表2 楊凌區(qū)生態(tài)指數(shù)模型指標(biāo)相關(guān)系數(shù)矩陣

由表2可以看出：①干度指標(biāo)與其他3種指標(biāo)的相關(guān)度最強(qiáng)。其中2013年平均相關(guān)度高達(dá)0.75，而2018年的平均相關(guān)度也高達(dá)0.74。這說明干度對(duì)PC1的貢獻(xiàn)率最大且基本一致；溫度指標(biāo)的平均相關(guān)度最低，平均為0.49；②在兩期影像中，RSEI與4個(gè)指標(biāo)具有較強(qiáng)的相關(guān)性，介于0.65-0.98之間，且其綜合平均相關(guān)度高達(dá)0.83，比干度指標(biāo)的平均相關(guān)度高出12.1%，比溫度指標(biāo)的平均相關(guān)度高出69.3%。綜合來看，RSEI與各指標(biāo)的相關(guān)度表現(xiàn)很好，結(jié)構(gòu)合理和穩(wěn)定，模型具有很強(qiáng)的適宜性，可用來綜合反映楊凌區(qū)生態(tài)環(huán)境的質(zhì)量。

3.3 楊凌區(qū)生態(tài)環(huán)境狀的空間分布與總體評(píng)價(jià)

楊凌區(qū)2013年和2018年的RSEI空間分布見圖1—2。

圖1 2013年楊凌區(qū)RSEI空間分布

從圖1可看出，楊凌區(qū)2013年的生態(tài)質(zhì)量較差的區(qū)域集中在楊凌城區(qū)和西北方向的五泉鎮(zhèn)附近，生態(tài)環(huán)境質(zhì)量較好的區(qū)域集中在西南，東北方向的渭河沿岸和崔西溝區(qū)域。由圖2可知，楊凌區(qū)2018年生態(tài)環(huán)境較差的區(qū)域集中在楊凌城區(qū)，東北方向的五泉鎮(zhèn)區(qū)域生態(tài)環(huán)境質(zhì)量明顯改善，且最差的區(qū)域也高度集中于城區(qū)的人口密集度大的區(qū)域和大型工業(yè)園區(qū)。

圖2 2018年楊凌區(qū)RSEI空間分布

2013和2018兩個(gè)年份各RSEI分級(jí)面積及其占比結(jié)果如表3所示。從表3可看出，2013年RSEI平均為0.45，2018年RSEI平均為0.50，這說明楊凌區(qū)的RESI等級(jí)總體上處于中等水平，2013-2018年間生態(tài)環(huán)境狀況有所好轉(zhuǎn)，生態(tài)環(huán)境質(zhì)量呈增長(zhǎng)趨勢(shì)。2013年至2018年，雖然RSEI值在0.6以上的區(qū)域面積雖有較大的提高，但是0.6以下的區(qū)域面積也在增大，特別是較差的區(qū)域面積增大了37.8%。總的來看，2013年楊凌區(qū)生態(tài)環(huán)境質(zhì)量集中在較差、中和良這3個(gè)等級(jí)，2018年雖然和2013年的情況類似，但出現(xiàn)了向兩極(優(yōu)或差)逐漸分布的情況，這說明楊凌區(qū)的生態(tài)環(huán)境改善工作確實(shí)取得了較大的進(jìn)步，但也面臨著一些挑戰(zhàn)。

表3 2013-2018年楊凌區(qū)生態(tài)環(huán)境狀況面積轉(zhuǎn)移矩陣

3.4 生態(tài)環(huán)境面積轉(zhuǎn)移矩陣分析

為了探究2013-2018年楊凌區(qū)生態(tài)環(huán)境質(zhì)量變化的內(nèi)部規(guī)律，構(gòu)建各等級(jí)面積轉(zhuǎn)移矩陣來分析其變化特征(詳見表4)。

表4 2013-2018年楊凌區(qū)生態(tài)環(huán)境面積轉(zhuǎn)移矩陣

由表4和圖1可看出：①?gòu)?013—2018年總體而言，RSEI各等級(jí)都有向其他等級(jí)區(qū)域面積轉(zhuǎn)移的情況，沒有出現(xiàn)不被轉(zhuǎn)移的情況；②轉(zhuǎn)移強(qiáng)度最大的是2013年的差區(qū)域向2018年的較差區(qū)域轉(zhuǎn)移，轉(zhuǎn)移率高達(dá)42.1%；轉(zhuǎn)移強(qiáng)度最小的是2013年的優(yōu)區(qū)域向2018年的差區(qū)域轉(zhuǎn)移，轉(zhuǎn)移率為2.1%，說明生態(tài)環(huán)境有所改善；③縱觀5個(gè)等級(jí)，差區(qū)域和優(yōu)區(qū)域的變化率最大，平均變化率分別約為72%和76%；而較差區(qū)域的變化率最小約為57%，這反映了這5 a間生態(tài)變化比較劇烈，生態(tài)系統(tǒng)變化相對(duì)復(fù)雜，說明了人為因素對(duì)生態(tài)環(huán)境變化的影響較大；④2013年至2018年楊凌區(qū)生態(tài)環(huán)境質(zhì)量提高的面積50.77 km2，占轉(zhuǎn)移面積的38.3%；生態(tài)環(huán)境質(zhì)量下降的面積30.09 km2，占轉(zhuǎn)移面積的22.7%；楊凌區(qū)生態(tài)環(huán)境質(zhì)量總體有較大的提升。

4 結(jié) 論

本文基于遙感數(shù)據(jù)，利用主成分分析耦合生態(tài)環(huán)境的4個(gè)分量構(gòu)建遙感生態(tài)指數(shù)模型，對(duì)楊凌區(qū)生態(tài)環(huán)境狀況和空間分布狀況進(jìn)行了分析。研究分析方法克服了以往生態(tài)質(zhì)量評(píng)價(jià)因子難以可視化表達(dá)的缺點(diǎn)，通過遙感定量解譯和空間耦合，能夠客觀定量地揭示楊陵區(qū)生態(tài)環(huán)境質(zhì)量的空間分布與變化特征，對(duì)楊陵區(qū)生態(tài)環(huán)境建設(shè)的未來規(guī)劃和管理具有重要的參考價(jià)值。

從主成分貢獻(xiàn)度和RSEI相關(guān)度分析可知，經(jīng)過主成分變化耦合4個(gè)生態(tài)分量(綠度、干度、濕度和溫度)的第一主成分PC1，具有良好的結(jié)構(gòu)、完整的信息量和合理的解釋，由PC1經(jīng)過歸一化后得出的RSEI具有較好的刻畫楊凌區(qū)生態(tài)環(huán)境質(zhì)量。

楊凌區(qū)2013—2018年間，RESI均值由0.45上升至0.50，生態(tài)環(huán)境質(zhì)量提高的面積達(dá)到50.77 km2，占全區(qū)總面積的38%，這說明在楊凌區(qū)在經(jīng)濟(jì)飛速發(fā)展的5 a間，生態(tài)環(huán)境建設(shè)工作也取得了一定的成果。從楊凌區(qū)生態(tài)環(huán)境空間布局來看，生態(tài)環(huán)境差異空間分布更加合理，生態(tài)環(huán)境質(zhì)量較差的區(qū)域主要集中在城區(qū)人為活動(dòng)密集區(qū)和大型工業(yè)園區(qū)，體現(xiàn)出高度聚集的模式。

在影響楊凌區(qū)生態(tài)環(huán)境質(zhì)量的各指標(biāo)中，干度分量影響最大，其次為綠度、溫度和濕度。這說明楊凌區(qū)的生態(tài)環(huán)境質(zhì)量主要受到裸地和建筑用地面積偏大的影響，而水域和植被面積偏小。因而，在楊凌區(qū)未來規(guī)劃中，應(yīng)結(jié)合生態(tài)美麗鄉(xiāng)村建設(shè)，控制并有效減小裸地和建設(shè)用地面積，積極關(guān)注生態(tài)景觀特別是城區(qū)綠化和海綿城市建設(shè)。

本文研究成果在全國(guó)同類地區(qū)發(fā)展中具有參考價(jià)值，其推廣應(yīng)用的適宜性問題有待今后進(jìn)一步研究。