基于改進遙感生態指數的巖溶山區生態質量評價
——以澄碧河流域為例

孫桂凱, 王國帥, 魏義熊, 趙榮娜, 莫崇勛, 楊云川

(1.廣西大學 土木建筑工程學院, 廣西 南寧 530004; 2.工程防災與結構安全教育部重點實驗室, 廣西 南寧 530004; 3.廣西防災減災與工程安全重點實驗室, 廣西 南寧 530004)

隨著氣候變化以及人類活動加劇，西南巖溶地區土地退化、水土流失以及石漠化等生態環境問題日益突出。另外，巖溶地區人類活動密集、較為落后的文化經濟以及脆弱的生態環境使得區域生態明顯退化，成為了限制巖溶區域可持續發展的重要障礙[1]。近年來，西南巖溶地區的石漠化治理與生態建設進入新階段，能夠快速、科學地揭示巖溶區域生態環境質量分布及變化情況，對巖溶區域石漠化修復、生態環境治理與可持續發展具有重要意義。傳統的喀斯特流域綜合生態評價多采用數理方法結合的指標體系構建評價[2]，層次分析法、主成分分析法、熵值法、綜合指數評價法、模糊綜合評價法、灰色關聯法、人工神經網絡評價法等是使用較多的方法[3]，但存在著權重的合理性、指標數據獲取困難以及無法說明區域不同生態環境狀況的空間分布情況等問題。目前，遙感技術與地理信息系統的結合，在生態環境監測中取得了良好的效果[4]，利用衛星遙感數據進行生態環境動態監測和評估已經成為一種有效且重要的技術手段[5]。針對復雜生態系統質量變化受到多種因素影響以及傳統評價方法存在的缺陷，徐涵秋[6]提出遙感生態指數(RSEI)，該模型完全基于遙感技術，具有指標獲取容易、權重確定客觀和結果空間可視化等優勢，可快速、定量、客觀地評價區域生態環境，被廣泛應用到生態環境動態監測與質量評估中。如張乃明等[7]采用RSEI對新疆維吾爾自治區博樂市的生態環境質量變化進行監測與評價；張燦等[8]構建南方紅壤典型水土流失區RSEI生態指數，定量評價了長汀縣水土流失生態修復的效果；Jing等[9]利用RSEI對艾比努爾湖濕地保護區進行生態環境質量的評價及其空間分布特征分析；Yang等[10]在RSEI的基礎上增加植被健康指數(VHI)提出了綜合生態指數(CEEI)，并用其分析了粵港澳大灣區生態環境質量變化及影響因素。上述研究區域主要集中在西北干旱區、南方水土流失區、濕地與城市，將RSEI應用到巖溶石漠化地區生態質量評價較少，王小宇[11]利用RSEI定量評價了27 a間花江喀斯特高原峽谷區生態環境變化狀況，余曉芳[12]引入RSEI基于像元尺度對貴陽市的生態環境現狀進行評價。但RSEI是針對城市環境提出的，應用到地貌結構復雜的巖溶區生態系統的合理性和準確性尚需論證。另外，西南巖溶地區峰叢與洼地交錯分布，地貌結構復雜[13]，使得遙感影像有著大量陰影區域分布，對植被信息的提取準確性造成很大的影響[14]，且巖溶區植被生產力低下、生長緩慢，植被指數是巖溶區生態環境評估的重要指標[15]。鑒此，本研究針對西南巖溶山區的特征在RSEI基礎上，引入歸一化山地植被指數與植被健康指數，基于P-S-R框架構建適用于巖溶山區的綜合生態指數(CEEI)模型，探究澄碧河流域1988—2019年生態環境的時空演變特征，并分析其變化原因，以期為澄碧河流域生態環境治理與可持續發展提供科學依據，為巖溶區生態環境質量評價提供參考。

1 研究區概況

澄碧河發源于廣西壯族自治區凌云縣青龍山脈北麓，位于我國西南巖溶地區(23°50′—24°45′N，106°21′—106°48′E)，流域總面積2 087 km2，干流總長151 km，屬于廣西典型巖溶區流域。流域形狀近似矩形，地勢西北高東南低，流域以弄林為界分為兩個部分，在弄林以北，流域地勢高，峰叢洼地分布，屬于典型的巖溶峰林地貌，弄林以南則為巖溶丘陵地貌，地勢較低，森林覆蓋度較高[16]。澄碧河流域屬亞熱帶季風季候區，雨熱同期，是廣西西部的一個降雨高值區，每年5—9月降水量約占全年降水量的87%，多年平均降水量1 560 mm，多年平均日照時間1 750 h，多年平均氣溫22.1 ℃，平均相對濕度76%，多年平均森林覆蓋率為75%。流域內巖石以石灰巖為主，土壤主要有赤紅壤、紅壤、黃壤等，土層較薄、土壤貧瘠。

2 數據與研究方法

2.1 數據來源與預處理

本研究選用澄碧河流域1988—2019年Landsat TM/OLI遙感影像為數據源，其空間分辨率為30 m，時間分辨率為16 d。受氣候與地形的影響，研究區較難獲取到夏季生長季的高質量影像，而NDVI年最大值影像可以很好地反映當年植被長勢最好時期的地表植被覆蓋狀況[17]。本研究基于Google Earth Engine(GEE)平臺利用時間和空間過濾函數分別獲取目標年份(1988，1998，2009和2019年)的Landsat Surface Reflectance data影像，該數據產品已經過大氣校正，消除了大氣散射、吸收、反射引起的誤差，采用最大值合成法得到研究區NDVI年最大值合成影像。同時，利用徐涵秋[18]提出的改進歸一化水體指數(MNDWI)對水體進行掩膜處理，避免水體對計算結果造成影響。另外，文章所使用的ASTER GDEM數據來源于地理空間數據云(http:∥www.gscloud.cn/)，其空間分辨率為30 m；土壤類型數據來源于中科院資源環境科學與數據中心(http:∥www.resdc.cn/)，空間分辨率為1 km。

2.2 研究方法

2.2.1 巖溶區綜合生態評價指數構建 巖溶區土層薄、土壤貧瘠，植被退化、水土流失及石漠化嚴重[1]。且地貌結構復雜，峰叢與洼地交錯分布，存在著大量山體陰影，文化經濟較落后，不同于干旱區和城市環境。本研究依據巖溶山區峰叢洼地交錯分布與植被生產力低下、生長緩慢的特點，選取Yang等[10]提出的CEEI生態指數并對其改進。CEEI是基于壓力—狀態—響應(PSR)框架構成的模型，該模型以地面干度指標(NDBSI)來表示人類活動對環境的壓力強度，選取植被覆蓋度(FVC)和植被健康指數(VHI)作為環境狀態參數，分別對植被覆蓋和品質進行綜合識別，利用地表水分(WET)和地表溫度(LST)來表征區域氣候變化對環境變化的響應。本文采用吳志杰和徐涵秋[19]提出的歸一化差值山地植被指數(NDMVI)，利用像元二分法計算所得的FVC代替CEEI中基于歸一化植被指數(NDVI)得出的FVC，緩解了山體陰影對植被指數提取精度造成影響，同時VHI避免了將所有植被覆蓋區域直接劃分為生態優質區的缺陷。

(1) 植被覆蓋度(FVC)。基于NDVI指數計算的植被覆蓋度是目前應用最為廣泛的植被評價指標，能夠較好反映區域植被情況。但是在地貌復雜的山區，遙感影像中有著大量的陰影分布，利用NDVI計算的結果會有較大誤差。而NDMVI由NDVI變換而來，被證明能夠較好地減弱地形效應，可應用于復雜山區[20]，并在福建省長汀縣山區植被覆蓋度變化研究中取得了較好效果[8]。計算方法為：

(1)

(2)

式中：ρNIR，ρRed分別表示TM和OLI影像的綠和紅波段的反射率數據；Rmin，NIRmin分別表示紅光和近紅外波段反射率最小值； NDMVI表示像元植被指數； NDMVIsoil，NDMVIveg分別表示全為植被覆蓋和全裸土的植被指數,本文選取5%，95%置信區間[21]。

(2) 植被健康指數(VHI)。巖溶區植被生產力低下、生長緩慢，FVC雖然能反映綠色植被的覆蓋度，但不能反映其健康狀況，不能較好反映出巖溶區植被情況[10,22]。由于植被中葉綠素、葉黃素和氮含量的不同，健康植被和非健康植被的光譜反射率特征存在著明顯的差異[23]。VHI基于歸一化差值山地植被指數(NDMVI)、歸一化差分衰老植被指數(NDSVI)[24]和氮反射率指數(NRI)[25]3個指標進行主成分分析融合構成，綜合了植被的葉綠素、葉黃素和氮信息。VHI定義如下:

VHI=f(NDMVI，NRI，NDSVI)

(3)

NRI=ρNIR/ρGreen

(4)

NDSVI=(ρSWIR1-ρRed)/(ρSWIR1+ρRed)

(5)

式中：NDMVI表示像元植被指數； NRI表示氮反射率指數； NDSVI表示歸一化差分衰老植被指數；ρNIR，ρGreen，ρSWIR1，ρRed分別表示TM和OLI影像的近紅外、綠、短波紅外1和紅波段的反射率數據。

將3個指標進行標準化，使用主成分分析來確定每個變量的權重，構建VHI指數。其中PCA的第一個分量(PC1)的特征值集成了所有變量的大部分特征，因此本研究使用PC1構建VHI指標。

VHI=(PC1-PC1min)/(PC1max-PC1min)

(6)

(3) 地表水分(WET)。巖溶區保水保土能力差，蒸散量大，屬于干旱性缺水區域，濕度指標占據舉足輕重的地位。纓帽變換中的濕度分量能夠較好反映土壤和植被的濕度狀況，已被大量用于生態環境評價中[26]，本研究選取該濕度分量作為研究區的濕度指標。對于Landsat TM/OLI影像來說，濕度分量的計算公式[6]分別為：

WETTM=0.031 5ρBlue+0.202 1ρGreen+

0.310 2ρRed+0.159 4ρNIR+

0.680 6ρSWIR1+0.610 92ρSWIR2

(7)

WETOLI=0.151 1ρBlue+0.197 2ρGreen+

0.328 3ρRed+0.340 7ρNIR+

0.711 71ρSWIR1+0.455 9ρSWIR2

(8)

式中：ρBlue，ρGreen，ρRed，ρNIR，ρSWIR1，ρSWIR2分別表示TM和OLI影像的藍、綠、紅、近紅外、短波紅外1與短波紅外2波段的反射率數據。

(4) 地面干度指標(NDBSI)。研究區內存在較多裸露巖石以及有部分城市和村鎮分布，因此采用建筑指數IBI和裸土指數SI的平均值表示地面干度指標[27]：

NDBSI=(IBI+SI)/2

(9)

IBI={2ρSWIR1/(ρSWIR1+ρNIR)-〔ρNIR/

(ρNIR+ρRed)+ρGreen/(ρGreen+ρWIR1〕}/

{2ρSWIR1/(ρSWIR1+ρNIR)+〔ρNIR/

(ρNIR+ρRed)+ρGreen/(ρGreen+ρSWIR1〕}

(10)

SI=〔(ρSWIR1+ρNIR)-(ρNIR+ρBlue)〕/

〔(ρSWIR1+ρNIR)+(ρNIR+ρBlue)〕

(11)

式中：IBI表示建筑指數；SI表示裸土指數；ρGreen，ρRed，ρNIR，ρSWIR1分別表示TM和OLI影像的藍、綠、紅、近紅外、短波紅外1波段的反射率數據。

(5) 地表溫度(LST)。本研究地表溫度反演是將用Landsat OLI的10波段和Landsat TM的6波段反演為亮溫，再經過比輻射率校正得出地表溫度，該方法能夠有效地反演地表溫度[28]。

(12)

式中：Tb為傳感器處溫度值;λ表示熱紅外波段的中心波長;ε表示地表比輻射率,其計算方法參考文獻[29];ρ=1.438×10-2mK；Pv表示植被覆蓋度,本研究分別以5%和95%NDVI置信水平作為NDMVImin和NDMVImax的值。

(6) CEEI評價模型構建。為了消除不同指標之間量綱的影響，將上述5個指標進行歸一化處理，繼而用主成分分析的第一主成分生成CEEI0。為了對不同時間階段的CEEI進行對比分析，需將各期CEEI進行標準化處理，得到最終的綜合生態環境質量指數。具體計算過程見下式：

CEEI0=1-{PC1〔f(FCV,VHI,

NDBSI,LSM,LST)〕}

(13)

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

(14)

CEEI=〔(CEEI0-CEEI0_min)/

(CEEI_max-CEEI0_min)〕

(15)

式中：NI為指標標準化后的值;I為該指標值;Imax，Imin分別表示該指標的最大值和最小值; CEEI0_max為原始綜合生態指數最大值; CEEI0_min為最小值; PC1為第一主成分值; CEEI值越接近于1,表示該區域生態環境質量越好。

2.2.2 空間自相關分析 空間自相關是檢驗區域某一特征或屬性與其相鄰空間特征或屬性值是否顯著相關的重要指標，以揭示空間參考單元與其相鄰空間單元之間的屬性特征值的相互作用現象。Moran’sI系數反映空間相鄰單元屬性特征值的相關程度，取值范圍為[-1,1]，大于0表示集聚模式，等于0為隨機模式，小于0呈離散模式。但Moran’sI系數不能反映區域冷熱點分布情況，因此利用局部空間自相關指標(LISA)進行空間聚類和異常值分析，判斷CEEI空間異質性。由于空間自相關方法較為成熟，計算公式參考文獻[27]。

3 結果與分析

3.1 CEEI模型構建

由表1可以看出，1988—2019年，相較于其他分量，第一主成分(PC1)集中了將近60%的各指標特征信息，可用于創建遙感生態指數。CEEI與各指標均具有較好的相關性(圖1)，其中，植被覆蓋度指標FVC和植被健康情況指標VHI與CEEI的平均相關度指標分別為0.98和0.86，說明植被覆蓋度與植被健康情況是澄碧河巖溶區流域CEEI構建中極為重要的因素。另外，CEEI與NDBSI具有較強的負相關，相關系數均值為-0.70，表明地表干度情況對于澄碧河巖溶區流域具有較大的影響。本研究采用平均相關度檢驗和顯著性檢驗來驗證CEEI的適宜性，平均相關系數接近于1，說明CEEI模型的綜合表示程度越高，適用性越強[30]。1988—2019年各指標與CEEI的相關系數平均值大于0.60，表明了CEEI在澄碧河流域具有較好的適用性。綜上所述，本研究構建的CEEI能夠綜合各指標的信息，具有一定的適用性，能較為全面地反映區域生態環境質量。

表1 研究區1988-2019年各指標的主成分分析

3.2 澄碧河流域生態質量時間變化分析

3.2.1 生態環境質量整體分析 表2為各年份CEEI與5個指標統計值。統計結果表明，1988—2019年澄碧河流域CEEI均值由0.61上升到0.68，生態環境質量整體呈明顯改善趨勢。澄碧河流域的植被覆蓋度、植被健康與地表濕度呈上升趨勢，表明該流域植被情況與水源涵養能力不斷改善。而地表干度指標有所下降，均值從1988年的-0.18下降到2019年的-0.32，減幅為77.8%，說明該流域地表裸露程度有所下降，石漠化治理取得較好的效果；地表熱度指標呈逐年上升趨勢，其均值由1988年的290.40上升到2019年的298.39，證明該流域的水熱平衡差異進一步擴大，流域溫度升高。

表2 研究區1988-2019年各指標與CEEI統計值

注：FVC為植被覆蓋度；VHI為植被健康指數；WET為地表水分；NDBSI為地面干度指標；LST為地表溫度；CEEI為改進綜合生態評價指數。下同。

為了定量地分析區域綜合生態指數，并直觀顯示出空間分布特征，需對CEEI結果進行等級劃分。由于并未形成統一的等級劃分標準，本文參照前人研究[6]，將CEEI結果以0.2為區間劃分為5個等級[31]，即：差等[0～0.2)、較差[0.2～0.4)、中等[0.4～0.6)、良好[0.6～0.8)、優等[0.8～1]，并分別統計4個時期各等級面積及占比(表3)。1988—2019年澄碧河流域生態環境質量以良和優等級為主，各年份生態等級為良好或優等的地區面積所占比例分別為56.57%，63.32%，61.23%和70.62%，呈上升趨勢，整體生態環境質量較好。

表3 研究區1988-2019年CEEI各等級面積及比例

其中，1998—2009年，生態環境等級為優的比例出現下降趨勢，下降幅度較大，所占比例減少了1.32%，良好的面積亦發生小幅度下降。1988—2019年，CEEI等級為差等和較差的面積比重較小，其中2019年所占比重最小，相比于1988年，下降了6.67%。由此可以看出，澄碧河生態環境質量整體處于較高水平，并且呈上升趨勢。

3.2.2 研究區1988—2019年生態環境質量變化監測 為分析澄碧河流域1988—2019年生態環境質量變化情況，利用ArcGIS空間疊加原理，對1988，1998，2009和2019年分級后的CEEI進行空間差值計算，得到澄碧河流域CEEI等級變化情況(表4)。1988—1998年，生態環境質量大幅提高，生態環境變好的區域所占比例達到了32.76%；而生態退化面積所占比例僅為27.69%。1998—2009年，生態環境變差的面積為518.31 km2，占比為24.96%；生態轉好的面積占比為22.57%，生態環境呈變差趨勢。2009—2019年生態環境的變化趨勢與1998—2009年相反，研究區內大力開展生態文明建設，實行林業扶貧，極大提升了森林覆蓋率，生態環境迅速提升，生態環境變好的區域所占比例為42.90%，在3個時間段中所占比例最大，而生態環境變差的面積減少為401.02 km2，所占比例為19.37%。研究期間澄碧河流域生態環境質量無明顯變化的面積比例均大于37%，生態環境建設和修復取得很好的效果。

表4 研究區1988-2019年澄碧河生態環境質量等級變化檢測

3.3 澄碧河流域生態質量空間變化特征

3.3.1 空間變化分析 由封3附圖3可以看出，1988—2019年，澄碧河流域生態環境質量整體情況表現為良好，生態環境質量等級為差的區域大部分集中在澄碧河流域北部巖溶峰林區以及澄碧河庫區周邊，生態等級為優和良的區域主要分布在澄碧河流域中部巖溶丘陵山脈附近和西部青龍山脈附近。1988—1998年，研究區北部和庫區周邊生態環境質量等級為差和較差的部分明顯減少，中部與西部地區良等級向優等級的轉變明顯。1998—2009年，研究區北部巖溶區峰林區出現了明顯的生態退化，部分良等級向中等和較差等級轉移，生態環境質量為差級的區域集中出現在中部地區。與1988，1998和2009年相比，2019年研究區北部地區生態環境質量等級為良和優的區域面積明顯增加，這是由于研究區北部凌云縣“十三五”以來以生態建設為主線，不斷加強石漠化與水土流失區治理，森林面積增加，石漠化面積下降。

由圖2可以看出，1988—1998年，澄碧河流域中部及南部庫區周邊生態環境得到了很大的改善，整體生態環境質量提升明顯，東北與西南部分地區出現生態退化。

圖2 澄碧河流域1988-2019年生態環境質量變化

1998—2009年生態環境變化與1988—1998年相反，由于西北區域與水庫周邊大量原始次生林遭到砍伐用于種植芒果、馬尾松、桉樹等經濟林，澄碧河流域西北部與水庫周邊地區出現了大面積生態退化現象，生態環境遭到明顯破壞，另外2008年桂北地區遭遇了特大雨雪冰凍災害，植被遭到破壞且恢復較慢，導致了2009年研究區植被質量明顯下降。1998—2009年生態環境退化的區域，在2009—2019年不斷加強生態修復的背景下出現好轉，而生態環境退化區域主要集中在南部庫區附近，總體生態環境質量呈現改善趨勢。

3.3.2 空間分布特征 為了更好地探究澄碧河流域生態環境質量的空間變化與空間分異特征，基于研究區的生態系統特征與地表復雜特點，鑒于計算機計算能力問題，本研究選用100 m×100 m網格對圖像進行重采樣，共207 032個樣本點，利用GeoDA軟件進行空間自相關特征分析。Moran’sI散點主要分布在一、三象限，Moran’sI指數均為正數，且通過p=0.05的顯著性水平檢驗，表明研究期間流域生態環境質量具有一定的空間正相關性。1988—2019年Moran’sI指數分別為0.619，0.604，0.622和0.480，呈現出先下降后上升再下降的趨勢，研究區生態環境質量空間聚集性逐漸減弱，總體趨向于隨機化。

利用局部空間自相關指標(LISA)進行空間聚類和異常值分析，得到澄碧河生態環境質量局部空間相關分布情況(圖3)。1988—2019年澄碧河流域生態環境質量以高—高值區和低—低值區為主，低—高或高—低空間離群“質異點”相對較少。高—高聚集區主要分布在西部青龍山脈末端一帶以及南部澄碧河自然保護區水源涵養林山區，該地區植被覆蓋度高，且多為山區或保護區，人類活動干擾少。低—低聚集區主要分布在北部巖溶峰林區與水庫周邊，其中巖溶峰林區石漠化程度較高，植被覆蓋度與植被生產力較低，生態脆弱，隨著近年來不斷加強生態文明建設，低值點有所減少；水庫周邊，由于庫水位波動變化，裸土面積較多，且受人類活動影響大，低值區存在擴大趨勢。

圖3 澄碧河流域1988-2019年生態環境質量局部空間自相關性分布

3.4 澄碧河生態環境質量變化原因分析

3.4.1 社會經濟發展 研究區在不同地形地貌、土地利用與政策因素下的生態環境質量變化差異顯著。根據《凌云縣志》，研究區北部屬凌云縣，由于1974年以前大量毀林開荒，砍伐森林，至1974年，全縣森林覆蓋率僅為20.37%，水土流失嚴重；1974年以后開始封山育林，優化種植結構，至1990年森林覆蓋率上升為41.47%，生態環境質量有所好轉。而澄碧河流域南部區域，1982年成立澄碧河自然保護區，保護對象以水庫上游水源涵養林為主。同時，20世紀90年代初廣西逐步開展退耕還林政策，進一步提高森林面積，生態環境質量明顯改善。1998—2009年期間流域內人口快速增加，加強經濟建設，大面積開墾山林，西北青龍山脈區域與中部大量原始次生林遭到砍伐用于種植芒果、馬尾松、桉樹等經濟林，以及土地資源不合理開發利用，加劇了水土流失與石漠化。1998—2009年生態環境退化的區域在2009—2019年出現好轉，生態環境退化區域主要集中在南部庫區附近。這一時期流域北部的凌云縣大力開展生態文明建設，開展了林業保護規劃、重要生態功能區規劃、生態退耕、劃定生態保護紅線以及“山水林田湖”生態保護修復項目。

“十三五”期間，以生態建設為主線，到2019年凌云縣森林覆蓋率達到84.28%。另外，加大了對于破壞石漠化與水土流失區草原植被行為的處罰力度。南部由于人口增長與人類活動增加，種植芒果、發展旅游業以及修建道路等，造成了生態環境質量出現微弱退化。總體上1988—2019年澄碧河流域生態環境治理效果明顯，生態環境有所改善。

3.4.2 地形地貌因素 澄碧河流域地貌結構復雜，分布有大量峰叢與洼地，不同區域的植被分布、溫度特征以及人類活動強度等在立體空間上具有明顯差異，生態環境質量也存在著差異。為定量地探究研究區在不同地形地貌因素下的生態環境質量差異性，本文引入地理探測器[32]中的風險探測器與因子探測器作為分析工具。其中，因子探測可探測某因子是否是形成生態環境質量空間分布格局的原因以及在多大程度上解釋了其空間分布機理，風險探測用于判斷兩個子區域間的屬性均值是否有顯著的差別[32]。本文利用2019年的CEEI作為地理探測器的分析變量，選取高程、坡度、坡向以及土壤類型等地形地貌因素作為驅動因子，根據研究區實際情況參考相關研究[33]采用自然間斷法分別對各因子進行分類處理(表5)，導入地理探測器進行運算。

表5 地理探測器驅動因子分類說明

基于因子探測方法的結果可知，高程、坡度、坡向和土壤類型在不同程度上解釋了生態環境質量的空間分異，貢獻率從大到小排列依次為土壤類型(47.13%)、高程(19.23%)、坡度(18.37%)與坡向(15.28%)。基于風險探測分析高程、坡度、坡向和土壤類型在不同等級下的CEEI均值變化情況(圖4)，隨著高程等級的增加CEEI均值呈現上升趨勢，當高程大于1 500 m時CEEI均值最大，為0.83，說明在高程較高的山頂區域人類活動影響較弱，生態環境質量相對較好；但坡度等級上升到最高時，CEEI均值卻有所降低，表明了在巖溶山區峰叢山崖上存在著一定的石漠化現象，植被生長情況較差；在坡向為西南方向時，CEEI均值最大，東南方向次之，而北方與西北方向CEEI均值較小；從土壤類型上看，漂洗黃壤所在區域CEEI均值最大，而灰潮土與水稻土所在區域CEEI均值較小，生態環境質量較差。

圖4 各驅動因子不同分類等級下的CEEI均值變化情況

4 結 論

(1) 1988—2019年澄碧河流域整體生態環境質量處于優良水平，CEEI均值均大于0.6，研究區生態環境質量以良和優等級為主，生態等級為良或優的地區面積所占比例大于56%，植被覆蓋度、植被健康指數與地表濕度呈上升趨勢，地表干度指標有所下降，說明了研究區植被情況與水源涵養能力不斷變好，地表裸露程度有所下降，石漠化治理取得較好的效果，生態環境質量整體呈上升趨勢。

(2) 生態環境質量等級為差的區域集中在澄碧河流域北部巖溶峰林區以及南部庫區周邊，生態等級為優和良的區域主要分布在流域中部巖溶丘陵山脈附近和西部青龍山脈附近。研究區生態環境質量在空間上具有一定的空間正相關關系，但聚集性逐漸減弱，趨向于離散化。

(3) 澄碧河流域北部地區是巖溶區生態環境建設成功的一大范例，巖溶區生態環境較為脆弱，基于生態退耕、林業扶貧與石漠化治理等措施使得巖溶地區生態環境質量得到了極大的改善。但是仍存在明顯的生態退化區域，對于澄碧河流域的治理，在現有成果上還需合理規劃分區，進行生態旅游開發，加強耕地資源保護，以及生態環境保護意識的建設。

(4) 本研究改進的CEEI模型，具有一定的科學性與適用性，能較好反映澄碧河流域的生態環境質量變化情況及空間分異特征，對澄碧河流域生態環境修復與石漠化治理具有重要意義，但CEEI模型存在分辨率較低的問題，且巖溶區生態環境易受地形、土壤和氣候的影響，故今后應在指標中添加地形因子、土壤侵蝕度與氣象因子等，進一步提高巖溶區綜合生態指數的適用性，以便更好地為巖溶區生態建設提供科學參考。