基于遙感生態指數的鐘祥市生態變化分析

張元培， 吳 穎， 羅軍強， 胡 青， 白 洋， 鄭雄偉， 宋長虹

(湖北省地質局 地球物理勘探大隊，湖北 武漢 430056)

目前中國城市化進程不斷加快，越來越多的城市面臨生態問題。傳統的生態調查方法大多是基于實地勘測與取樣分析，涉及土壤、水文、植被等各個方面，其研究過程復雜、周期長、成本高。目前，快速、準確、低成本地了解城市生態狀況，已經成為生態領域的一個研究重點。而遙感技術可以及時地監測多尺度生態系統的變化，并發現其所存在的問題，已成為保護生態系統的重要手段[1]。當前衛星遙感對地觀測系統，以其大面積、實時、快速、周期性重復觀測的優點，已在生態領域得到廣泛的應用[2]。

利用遙感生態指數對鐘祥市進行多指標、大范圍、多時相的生態變化綜合評價研究，探討影響城市生態環境變化的關鍵因素并分析原因，一方面可以服務于鐘祥市的生態環境監測和建設，另一方面則可以試驗遙感生態指數(RSEI)的適用性和有效性。

1 研究區與數據源

1.1 研究區域概況

鐘祥市位于湖北省中部、漢江中游，北接宜城市、隨州市，南鄰天門市、沙洋縣，東靠京山市，西連東寶區、掇刀區，介于北緯30°42′～ 31°36′、東經112°07′～113°00′之間，地處鄂中低山區，地勢東北高、西南低；屬北亞熱帶季風氣候區，具有四季分明、雨熱同期、雨量充沛、氣候溫和等特點。

本次研究選取的區域覆蓋整個鐘祥市，研究區域面積為4 488 km2。

1.2 數據源

使用的遙感影像均選取Landsat8影像，兩幅Landsat8影像就可以覆蓋整個鐘祥。選取6組影像，每兩幅經過裁剪拼接后得到一個完整的研究區域，最終得到3幅鐘祥市的遙感圖像，時間分別為2014-05-06、2017-04-28、2019-04-18，如圖1所示為經過預處理的3幅圖像。影像的季相相同，最長相差時間不到20 d，避免因季節差異、植被生長狀態不同而造成的影響，保證實驗結果的可比性。

圖1 鐘祥市Landsat8遙感影像(RGB:543)Fig.1 Landsat8 images of Zhongxiang City

2 研究方法

2.1 方法概述

針對城市生態系統，使用一個基于遙感信息并集成多種指標因素的遙感綜合生態指數，通過提取濕度、綠度、干度、熱度4個與人類生存相關的重要指標，客觀、快速地評價城市生態質量。4個指標分別對應使用遙感技術手段可獲取的纓帽變換的濕度分量、植被指數、建筑裸土指數和地表溫度[3]，纓帽變換的濕度分量與植被和土壤的濕度緊密相關，其值反映研究區濕度狀況；“歸一化”植被指數NDVI是使用最為廣泛的植被指數，用它來代表綠度指標；研究區除城市建成區外，還包括部分裸土，因此，采用建筑指數IBI和土壤指數SI二者相結合生成的“建筑—裸土指數”NDBSI來表示干度指標；熱度指標使用地表溫度表示：首先，利用NDVI指數計算出植被覆蓋度，再計算出地表比輻射率。接下來，用地表比輻射率和經過輻射定標后的熱紅外圖像來計算出同溫度下黑體輻射亮度，進而計算出地表溫度LST。最后融合以上4個指標變量，再通過主成分分析法(PCA)計算出主成分，構建出遙感生態指數。

需要注意的是，由于四個指標量綱不統一，為了避免權重失衡，融合之前應對各個指標進行“歸一化”，將它們變換到[0,1]之間。另外，RSEI主要應用于陸地為主的地區，所以需要對研究區域中的水體做掩膜處理，使掩膜的區域不參與“歸一化”計算與主成分分析。

2.2 技術路線

以Landsat8影像為例，詳細介紹遙感生態指數的計算流程，其技術路線如圖2所示。

2.2.1數據預處理

由于衛星成像受到大氣、光照等多種因素的影響，故需要根據成像時間，用相應時間的光照、氣候條件對原始影像進行預處理，才能得到地面物體對各個波段的真實反射率。數據預處理過程如下：

(1)使用二次多項式和最鄰近像元法對不同時間的衛星影像進行幾何校正，使其均方根誤差<0.5個像元以滿足精度要求；

(2)對影像進行輻射定標操作，包括多光譜輻射定標與熱紅外輻射定標，將DN值轉換為傳感器處的反射率，其中多光譜輻射定標的結果用于下一步的大氣矯正中，而熱紅外輻射定標的結果則用于計算溫度指標；

(3)根據影像獲取的時間、地面高程等因素，采用合適的大氣矯正模型，對多光譜輻射定標后的影像進行大氣校正，消除大氣和光照等因素對地物反射的影響，計算地表物體的真實反射率；

圖2 技術路線圖Fig.2 Technology road map

(4)將兩幅經過大氣矯正后的影像拼接，再裁剪出研究區域，計算各個指標。

2.2.2計算評價指標

(1) 濕度指標。纓帽變換是一種有效的數據壓縮和去冗余技術，其亮度、綠度、濕度分量與地表物理參數有直接的關系，因此已被廣泛地應用于生態監測中[4]。由于其中的濕度分量與植被和土壤的濕度緊密相關，因此本研究的濕度指標以濕度分量WET來代表，其表達式為：

WET=C1ρB+C2ρG+C3ρR+C4ρNIR+C5ρSWIR1+C6ρSWIR2

(1)

式中：ρB、ρG、ρR、ρNIR、ρSWIR1、ρSWIR2分別為landsat8影像中Blue、Green、Red、NIR、SWIR1、SWIR2波段的反射率；Ci為相應的比例系數。對于landsat8影像，C1=0.151 1、C2=0.197 3、C3=0.328 3、C4=0.340 7、C5=-0.717 7、C6=-0.455 9。

(2) 綠度指標。“歸一化”差值植被指數無疑是應用最廣泛的植被指數，它與植物生物量、葉面積指數以及植被覆蓋度都有密切的關系，因此，選用NDVI來代表綠度指標，公式為：

NDVI=(ρNIR-ρR)/(ρNIR+ρR)

(2)

(3) 干度指標。代表干度指標的建筑指數選擇的是IBI建筑指數，但在區域環境中，還有相當一部分的裸土，它們同樣造成地表的“干化”，因此，干度指標(NDBSI)可由二者合成，即由建筑指數IBI和土壤指數SI合成，其公式為：

NDBSI=(IBI+SI)/2

(3)

式中，IBI與SI的計算公式如下：

(4)

SI=[(ρSWIR1+ρR)-(ρNIR+ρB)]/
[(ρSWIR1+ρR)+(ρNIR+ρB)]

(5)

(4) 溫度指標。溫度指標(LST)的計算稍復雜，其流程如圖3所示。

首先，通過綠度指標NDVI計算植被覆蓋度圖像，其表達式為：

(6)

式中：B1為NDVI。

其次，計算地表比輻射率，表達式為：

0.004×B2+0.986

(7)

式中：B2為植被覆蓋度。

接下來，再計算同溫度下黑體輻射亮度，表達式為：

[B2-0.75-0.9×(1-B3)×1.29]/(0.9×B3)

(8)

式中：B3為地表比輻射率圖像；B2為Band 10(即熱紅外波段)經過輻射定標后的熱紅外輻射亮度圖像。

最后，計算地表溫度，其表達式為：

(9)

式中：B4為同溫度下黑體輻射亮度圖像。

圖3 溫度指標計算流程Fig.3 Calculating process of temperature index

2.2.3指標掩膜及“歸一化”

遙感生態指數主要應用于陸地為主的地區，不適宜大面積的水域地區(如海洋)，而纓帽變換的濕度分量主要和植被、土壤的濕度有關[5]，如果研究區中有大片水域，會使得水的比重加大，所計算的WET不能真正反映植被、土壤的濕度，在這種情況下，必須掩膜掉大片的水體。采用MNDWI指數對水體進行掩膜處理。其計算公式為：

MNDWI=(ρG-ρSWIR1)/(ρG+ρSWIR1)

(10)

一般情況下，水體的MNDWI指數較高，所以可以設置一定的閾值把水體提取出來。由于各個地區情況不同，所以掩膜的閾值設定也需要動態調整，采用ENVI中“Band Threshold to ROI”工具，通過統計圖像的MNDWI分布情況并成圖，推測得出掩膜閾值。如圖4所示，可以看出圖像的第三個較小波峰，MNDWI指數較高，推測可能是一片水體區域導致其數值增加。故設置掩膜閾值為0.348，實際效果如圖5所示，與真彩色圖像對比后，基本符合實際。

圖4 設置掩膜閾值Fig.4 Setting mask water area coefficient

圖5 水體掩膜效果圖(紅色部分為水體)Fig.5 Diagram of mask water area

由于指標量綱不統一，所以在進行主成分分析前需要將指標“歸一化”。其公式為：

NIi=(Ii-Imin)/(Imax-Imin)

(11)

式中：NIi為正規化后的某一指標值；Ii為該指標在像元i的值；Imax為該指標的最大值；Imin為該指標的最小值。將指標“歸一化”時，可能會受個別的極端值(極大值或極小值)的影響，導致“歸一化”效果不好。所以常采取的方法是取一個置信區間，不考慮置信區間外的數據，直接將它們設置為最小值或最大值，這樣就有效避免了極端值對歸一化的影響。本次進行歸一化時，選取的置信區間均為1%。

2.2.4構建綜合指數

首先，將掩膜并“歸一化”后的指標進行融合，并對其進行主成份分析。其次，取結果的第一個分量(PC1)，再用1減去PC1得到初始值RSEI0。最后，“歸一化”計算RSEI指數。RSEI指數越高，表示其生態質量越好，反之則越差。其計算表達式為：

RSEI0=1-{PC1[f(WET,NDVI,NDBSI,LST)]}

(12)

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

(13)

3 結果與討論

3.1 鐘祥市遙感生態指數統計

表1統計了各年份4個指標和RSEI的最小值(min)、最大值(max)、均值(mean)、標準差(std)。從表1可以看出，鐘祥市RSEI均值在這5年間變化幅度不大，由2014年的0.567到2017年的0.579，上升了2.1%；由2017年的0.579到2019年的0.563，下降了2.8%。近5年間，RSEI指數呈現出先上升后下降的趨勢。

表1 各年份4個指標和RSEI統計值Table 1 Statistics of 4 indicators and RSEI value

相應的結果在圖6中也有體現。如圖6為鐘祥市遙感生態指數影像，其中白色部分是掩膜去除的水體。2014—2017年，在大部分區域生態基本不變的情況下，2017年鐘祥市的東北角有變好的趨勢；2017—2019年，河流附近區域生態基本保持不變，河流兩側出現生態明顯變差的區域。

把各年份的RSEI指數進行統計，并按照一定間隔計算累計的頻率來繪制直方圖，再根據直方圖繪制出相應的曲線圖，2014、2017、2019年3個年份的RSEI指數統計分布圖如圖7所示。從圖中可以看到，3個年份的RSEI指數峰值出現的不同的位置，2017年的RSEI指數達到峰值時其值為0.86，為3年中最高，且對應的百分比也最大，說明2017年生態質量較好的區域占比較高；2014年的RSEI指數達到峰值時其值為0.82，對應的百分比較小，其平緩的曲線圖也說明2014年的RSEI分布比較平均，整個地區的生態質量較為平均；2019年的RSEI指數達到峰值時其值為0.73，為3年中最低，通過其曲線的形狀可以分析得出，RSEI指數在0.2～0.4之間的占比較大，而0.8以上的占比較小，說明2019年生態較差的地區面積多于生態好的地區面積。但是總體來說，3年的RSEI指數達到峰值時，其值相差并不多，分布情況有一定差異，但并不明顯，說明整個鐘祥區域的生態質量在基本保持不變的情況下，略有小幅波動。

為了更好地運用RSEI生態指數分析，進一步將各年份的生態指數以0.2為間隔分成5級，分別代表差、較差、中、良、優5個等級，并對各個等級所占的比重、面積進行統計，以便對整個地區的生態質量進行定量評估。如表2所示，鐘祥市各年份的RSEI分級統計表，相應的條形統計圖，如圖8。從圖8和表2中可以看出，3個年份的RSEI指數在級別1～4有一定差異，但差別不大，在級別5中出現較大差別，2017年的生態質量為5級的區域面積最大，而2019年的最小，也進一步說明了2017年生態質量是更好的一年。

圖6 鐘祥市RSEI圖Fig.6 Corresponding RSEI images of Zhongxiang City

圖7 鐘祥市各年份的RSEI統計分布圖Fig.7 RSEI distribution map of Zhongxiang City in each year

圖9為各年份經過分級處理后的RSEI指數分布圖。從圖中可以直觀地看到，河流東側和西北側的紅色區域有逐漸擴大的趨勢，說明該河流東側區域生態質量有一定程度的下降。鐘祥的東北角和中部偏的西側區域生態一直較好，在2014—2019年間，其生態質量有先上升后下降，雖然波動幅度并不大，但是也存在下降的趨勢，需要引起注意。

表2 鐘祥市各年份的RSEI分級統計表Table 2 RSEI statistics of Zhongxiang in each year

圖8 鐘祥各年份各級生態指數面積統計圖Fig.8 Statistical chart of ecological index area ofZhongxiang City in each year

圖9 各年份RSEI指數分級圖Fig.9 Class diagram of each RSEI level in each year

3.2 構建RSEI指數方法分析與應用

3.2.1四大指標相關性分析

表3是各年份4個指標相關性的統計表?？梢钥闯龈髦笜讼嗷ブg平均相關性最高的是NDBSI，3年分別為0.816、0.732、0.797，其次是NDVI指數。說明這2個指標集中這4個指標的大部分的信息，從后面的統計數據中也驗證了這個說法。RSEI指數主要受到NDVI指數的正面影響和NDBSI指數的負面影響。

由于各個指標的相關性較高，新建的綜合指標為了保證盡可能多的信息保留下來，采用主成分分析法計算4個指標的主分量，當第一個主分量貢獻率達到一定閾值(如75%)時，則表明第一個主成分已經集中了大部分信息，即可選取它作為綜合指標來進行生態質量評價。

3.2.2主成分分析法(PCA)

采用的遙感生態指數既能以單一指標的形式出現，又可以綜合以上4個指標的信息。其中采用的主分量變換法原理為：采取依次垂直旋轉坐標軸的方法將多維的信息集中到少數幾個特征分量，每個特征分量往往代表一定的特征信息，通過對特征光譜空間坐標軸的旋轉來去掉各指標間的相關性，把主要的信息集中到前面的1～2個主成分上。采用主成分分析法的另一優點就是各指標的權重不是人為確定，而是根據各個指標對各主成分的貢獻度來自動、客觀地確定，從而在計算時，可以避免因人而異、因方法而異的權重設定，造成其結果的偏差。

表3 各年份4個指標相關系數表Table 3 Correlation matrix of RSEI and 4 factors

注：ACOR表示平均相關性，是以某一指標與其它指標相關系數的絕對值來計算。

研究過程中的主成分分析表(表4)，從表4中得到以下信息：①在3個年份中，PC1特征值的貢獻率比例都>75%，表明計算的RSEI生態指數已經集中了大部分信息；② 4個指標對PC1都有一定的貢獻度，且每年的情況相似，而不會像其他分量中出現忽大忽小的情況。其中對PC1貢獻最大的是NDVI指數，其次是NDBSI，第三是LST，貢獻最小的是WET；③在PC1中，NDVI指數與WET指數對PC1是正面貢獻，即說明這2個指數對生態質量起著正面影響；而NDBSI和LST指數對PC1是負面貢獻，說明它們對生態質量起著負面影響，這與實際情況符合。而在其他的特征分量中，指標的貢獻度忽正忽負，難以解釋。因此較其他幾個分量，PC1具有明顯的優勢，它能很好地集成各個指標的信息，合理地對生態質量進行解釋。

表4 各年份4個指標主成分分析表Table 4 Principal component analysis in each year

3.2.3RSEI生態指數變化檢測的應用

在RSEI生態指數分成5個等級的基礎上，對鐘祥市各個年份的生態質量進行兩兩差值變化檢測。如表5和圖10所示，可以看出生態環境質量變化劇烈的區域占比非常小?！白兓瘎×摇痹趫D表中即為級差是-4和4的部分，其意為該點的生態指數從5級變為1級或從1級變為5級。從表5中可以看出，2014—2019年、2017—2019年，生態質量變差的占比較高，但是從統計圖中可以看出，其級差大多為-1或-2，劇烈變差的部分相對較少。而2014—2017年情況則有些不同，有將近一半的區域的生態質量基本不變，變好的區域比變差的區域多了6%，進一步說明2017年是這3年中生態質量最好的一年。

表5 變化檢測統計Table 5 Statistics of change detection

圖10 變化檢測統計圖Fig.10 Chart of change detection

圖11是鐘祥市3個年份的RSEI生態指數變化檢測效果圖。從中可以直觀地看出，2014—2017年綠色部分占了相當一部分比重，說明這部分區域生態在變好，主要集中在東北角與中部偏西側的區域。而南部地區則呈現出變差的趨勢，3幅變化檢測圖都說明南部地區生態正在逐漸下降，需要引起注意，加以防范。

圖11 鐘祥市生態環境變化檢測圖Fig.11 Ecological environment change detection map of Zhongxiang City

4 結語

RSEI遙感生態指數是基于遙感技術手段，集成城市生態環境系統的 4 個重要指標，即濕度、綠度、干度和熱度，使用主成分分析法避免了人為權重的設置，客觀、定量地評價城市的生態環境，較好地反映出鐘祥市近5年生態環境的變化情況。研究表明：

(1)2014—2019年，鐘祥市的生態質量變化幅度較小，經歷了先上升后下降的過程。該地區的東北角與中部偏西側部分生態質量較好，但是也有下降的趨勢。尤其是2019年出現了明顯的變差趨勢。該地區南部的生態環境質量則呈現逐年下降的趨勢，需要引起注意。

(2) 變化檢測的結果表明，2017年的生態質量為3年中最好，2019年則為最差，特別是該地區的東北角與中部偏西側的部分。這兩個部分生態質量一直優于其他大部分區域，對整個地區的生態起著重要的、積極的影響。然而在2019年卻出現大片變差的區域，需要對其進行適當保護措施，把生態較好的區域維持好。

(3)在這4個指標中，代表綠度的植被指數NDVI對生態指數RSEI的貢獻最大，說明植被是城市生態系統最重要的影響因素，但是不可忽視的是，代表熱度和干度的LST和NDBSI的綜合作用可以抵消植被指數的影響。