微博數據在生態環境監測中的潛力研究——以成渝城市群為例

陳 子 嫻，周 廷 剛，李 洪 忠，潘 一 銘

(1.西南大學地理科學學院/三峽庫區生態環境教育部重點實驗室，重慶 400715； 2.中國科學院深圳先進技術研究院數字所空間信息中心，廣東 深圳 518055)

0 引言

生態環境與人類生活緊密相關，生態環境的監測和評估是實現社會經濟綠色發展與生態文明建設的重要手段[1]。千年生態系統評估(MA)認為生態系統的保護和可持續利用深刻影響著人類福祉的提升[2]。黨的十九大報告、新修訂的《中華人民共和國環境保護法》和《環境保護公眾參與辦法》等文件讓公眾參與生態環境治理有法可依[3]。因此，從人類角度審視生態環境能更真實反映與人類福祉相關的環境問題。吳景初[4]認為周邊生態環境狀況的好壞會直接影響人們的情感、態度、觀點和行為，所以摸清公眾對生態環境的情感看法，是生態環境監測工作取得進展的重要條件。

近些年，獲取公眾對生態環境的反饋信息主要集中在對破壞環境的行為進行舉報投訴、參加公益教育活動和填寫問卷調查等方式[5]，但公眾參與的主動性和普遍性較低，可獲取的信息量較少。隨著互聯網和通信技術日趨成熟，地學領域的情感研究蓬勃發展。人的情感可在實體空間和網絡空間中體現出來，社交媒體作為實體空間到網絡空間的映射，為情感研究提供了一個絕佳平臺[6，7]。國外學者主要基于Twitter數據進行情感研究，如Mitchell等[8]研究了美國城市居民幸福指數的空間分布特征并探討了情感和人口、健康等因素的相關性；Schumaker等[9]通過分析足球俱樂部成員的情感變化對英超聯賽結果進行預測；Ozturk等[10]調查了公眾對敘利亞難民危機的情緒和看法。國內以微博為代表的情感研究也取得一定成果，如Liu等[11]探討了中國公眾對城市綠色建筑的關注狀況和變化趨勢；張巖等[12]分析了臺風“山竹”的整個網絡輿情演化過程；陳興蜀等[13]探究了公眾對“新冠肺炎疫情”的情感變化。現有情感研究多涉及突發事件或熱門話題，主要存在如下問題：1)鮮見對生態環境的情感研究，多側重于“情感變化分析”，對其背后的問題關注不足；2)缺少對微博數據在特定話題中的作用或潛力的詳細總結，難以為相關領域提供應用服務。因此，開展生態環境問題和現象的情感地理分析，討論微博數據在環境監測中的作用，有助于填補以上問題的空白，為公眾信息獲取和區域環境管理拓展新渠道。

成渝城市群是我國西部地區的新高地，是具有國際競爭力的國家級城市群，也是我國以重慶、成都為核心的“第四經濟增長極”[14]。十八大以來，成渝城市群高速度、高質量發展加快了城市化進程，生態環境協同發展和環境治理工作面臨挑戰[15]。加強環境問題監測、完善生態環境監測體系和評價制度對于城市群建設至關重要。鑒于此，本文以成渝城市群為例，通過多尺度對比方法，分析成渝城市群微博情感變化，揭示微博情感和遙感生態指數(RSEI)變化的相關性，以及局部地區的生態環境問題與其空間分布特征，并探討微博數據在生態環境監測中的潛力，以期為多方位多尺度的城市生態環境監測和城市群協調發展提供科學參考。

1 研究區域概況與數據來源

成渝城市群地處四川盆地核心地帶，地貌類型復雜多樣，以山地丘陵為主，屬于亞熱帶季風氣候。2018年人口為9 500萬人，地區生產總值達5.7萬億元。成渝城市群是承南啟北、連接東西的重要經濟平臺，是推動我國長江經濟帶發展的重要示范區，也是國家加快新型城鎮化建設的重要戰略陣地。根據《成渝城市群發展規劃》，成渝城市群覆蓋重慶市的九龍坡、渝中、萬州等27個區(縣)，開州、云陽部分地區，四川省的雅安(寶興縣、天全縣除外)、綿陽(平武縣、北川縣除外)、德陽、成都、眉山、樂山、南充、遂寧、資陽、內江、自貢、宜賓、達州(萬源市除外)、廣安、瀘州等16個城市[16]。為便于整體研究，本文將雅安、綿陽、達州和重慶內所有地區全部納入研究范圍，總面積約23.6萬km2(圖1)。

圖1 成渝城市群位置示意Fig.1 Location of Chengdu-Chongqing Urban Agglomeration

為獲得與生態環境相關的微博內容，參考文獻[17-20]，選取環境、生態、公園、風景、濕地、草地、林地、污水、垃圾、森林、荒蕪、干旱、空氣、污染、景點、景區、旅游、植被、綠化、河流和田園21個詞匯作為關鍵詞。采用Python語言編制爬蟲程序，爬取成渝城市群2010年5月和2018年5月的原創微博數據(不包含轉發、分享的微博)，數據集包括：用戶ID、用戶名、經緯度、日期、時間和文本內容等信息；再通過程序對數據進行清洗，剔除帶有重復文本、表情、符號、鏈接和廣告等內容的無效數據，最終分別得到2 249條(2010年)和11 170條(2018年)有效數據。由于2010年微博不支持定位功能，所以2010年數據不包含詳細位置信息。

為對微博數據分析結果進行對比和驗證，同時引入遙感影像數據用于表征生態環境。選用研究區2010年Landsat 5 TM和2018年Landsat 8 OLI-TIRS共19景影像，來源于美國地質勘探局(https://earthexplorer.usgs.gov/，USGS)，云量皆小于5%，時間集中在4-6月份，時相較一致，保證研究結果的可比性。首先對兩期影像進行輻射定標和大氣校正，將圖像的灰度值(DN)轉化為地表反射率；然后以2018年Landsat 8影像(L1級產品，經過系統幾何校正)為基準，采用二次多項式和最近鄰像元法對2010年TM影像進行幾何校正，校正誤差控制在0.5個像元內；最后利用研究區的矢量邊界對影像進行裁剪，同時利用改進的歸一化水體指數MNDWI[21]對水域進行掩膜,克服用于RSEI計算的濕度分量在水體區域的不適用性。

2 研究方法

本文從3個尺度分析微博數據在生態環境監測中的潛力：從城市群尺度對比分析微博數據與RSEI在反映生態環境變化趨勢上的一致性；從城市尺度探討微博情感指標與RSEI的相關性；從局部尺度分析公眾主觀視角與遙感客觀視角下反映生態環境現狀的差異性，具體流程如圖2所示。

圖2 方法流程Fig.2 Workflow of the proposed method

2.1 微博情感分析

本文采用ROST Content Mining系列軟件ROST EA(Emotion Analysis)1.9.0.4[22-24]對成渝城市群兩個時期的微博文本進行情感值計算。將自定義詞表和系統自帶的情感領域詞表加入情感分析模塊，使用情感字典對微博文本內容進行三元性(積極、中性和消極)評估，得到情感值(Emotion Value，EV)得分[22]，具體分為：積極情緒(5,+∞)，多為對周邊生態環境的贊美、認可、欣賞和喜愛等；中性情緒{5}，文本內容無明顯情感傾向，僅客觀陳述事實；消極情緒(-∞,5)，表現為失望、憤怒和無奈等。

2.2 遙感生態指數(RSEI)構建

RSEI是快速客觀評估區域生態環境的高效方法[25]，在公園[26]、濕地[27]和城市群[28]等不同類型區域研究中均得到穩定應用。RSEI定義為綠度(用歸一化植被指數NDVI表征)、濕度(用纓帽變換產生的濕度分量WET表征)、熱度(用地表溫度LST(通過大氣校正法[29，30]反演)表征)、干度(采用裸土指數(SI)和建筑指數(IBI)構建NDBSI[31]表征)4個分量指標的函數(式(1))，本文采用主成分分析法合成4個分量指標，將1減第一主成分PC1的結果進行歸一化處理得到RSEI指數，其值越接近1，表示生態環境質量越好；以0.2為間隔，將RSEI劃分為優[0.8，1.0)、良[0.6，0.8)、中等[0.4，0.6)、較差[0.2，0.4)和差[0.0，0.2)5個等級。

RSEI=f(NDVI，WET，LST，NDBSI)

(1)

2.3 不同尺度生態環境監測

(1)城市群尺度。采用RSEI分析城市群生態環境質量的空間分布狀況，再通過情感分析計算每條微博文本的情感值EV，并統計各時期不同情感類型及其情緒分段的數量和比例，最后將情感指標與RSEI進行變化趨勢對比，判斷微博數據與遙感數據分析結果是否一致。

(2)城市尺度。灰色關聯理論衍生的灰色關聯分析模型可根據因素序列曲線的幾何相似程度衡量因素間的關聯程度，與常規的相關性分析方法相比，能在很大程度上減少因信息不對稱產生的損失[32]。對城市情感指標和RSEI進行灰色關聯分析(式(2))，從時間和空間兩個角度探討情感指標與RSEI的灰色關聯度：時間角度上，分別將2010年和2018年各城市EV、積極情緒比例的變化幅度與RSEI的變化幅度進行灰色關聯分析；空間角度上，分別將2010年和2018年各城市EV、積極情緒比例排序結果與對應RSEI排序結果進行灰色關聯分析。

(2)

式中：ξij為特征序列(情感指標)xi與母序列(RSEI)yj的灰色關聯度，值越大，表示相關性越大，i=1,2,…,6,j=1,2,…,6;Δ(ij)為xi和yj的絕對差;k為分辨系數，k∈[0,1]，本文中k取0.5。

表1 2018年成渝城市群生態環境分類Table 1 Classification of the ecological environment of Chengdu-Chongqing Urban Agglomeration in 2018

3 結果與分析

3.1 城市群生態環境變化一致性分析

成渝城市群的RSEI從2010年的0.72上升至2018年的0.80，上升幅度約為11.1%；整體上呈現邊緣地區生態環境優于內部地區、東部地區優于西部地區的空間分布特征(圖3，彩圖見附錄1)。這是因為在構建RSEI時NDVI的貢獻率最高(2010年83.57%，2018年74.82%)，且相關研究表明，近年成渝地區NDVI整體呈增加趨勢，東部地區植被覆蓋狀況優于西部，與本研究結果一致[35]。RSEI等級為優的區域面積從22.44%升至57.65%，上升幅度為35.21%，良等級比重由54.32%降至37.37%，等級較低的區域(中等、較差和差)共下降18.26%(2010年23.24%，2018年4.98%)，生態總體狀況良好。

圖3 成渝城市群遙感生態指數(RSEI)分布及變化情況Fig.3 Distribution and change of remote sensing based ecological index of Chengdu-Chongqing Urban Agglomeration

對兩期RSEI數據進行差值計算，將結果分為變差、不變和變好3個等級(圖3c)。可以看出，2010-2018年生態環境質量變化的空間分布表現出“中部優于東西部”的特點，整體呈好轉趨勢。生態環境質量變好的面積達153 311.91 km2，占總面積的66.11%，主要分布在中部地區的城市群，這與踐行生態文明建設有關，成渝地區在長江上游長期實施的天然林保護、退耕還林、防護林體系建設等生態修復工作成果顯著，人居環境呈明顯上升態勢，綠色生活方式和城市運營模式效果突出，為公眾營造了一個綠色健康的生活環境[36，37]；5.20%的區域生態環境惡化，主要分布在成都中西部、雅安北部、宜賓與瀘州南部、重慶的南部和東部，這些地區多為縣城鄉鎮或主城區域，人口密度相對較高，生態系統穩定性較差，對外界干擾更加敏感；28.69%的區域生態環境質量未發生改變。

2010-2018年成渝城市群整體情感值由5.83上升至21.85。由表2可知，2010年和2018年的積極情緒比例均較高，分別為50.33%和63.20%，消極情緒比例從2010年的47.98%降至2018年的36.03%。此外，2018年的積極情緒以高度為主(36.68%)，消極情緒不同等級占比發生不同程度的下降(-4.75%、-5.32%和-1.88%)，反映出生態環境質量越好越有利于公眾更強烈直接表達自己的觀點，促進積極情感的產生。總體上，成渝地區生態環境逐漸變好，微博用戶對生態環境逐漸認可，情感值EV、積極情緒比例與RSEI、RSEI優等級比例均出現一定程度的增加，即微博數據和遙感數據分析結果變化趨勢一致，表明微博數據在生態狀況趨勢評價方面具有應用潛力。

表2 微博情感分析統計Table 2 Sentiment analysis statistics of Weibo users

3.2 城市生態環境變化相關性分析

由表3可知，2010年各城市RSEI都處于良等級，達州RSEI(0.79)最高，德陽RSEI(0.63)最低；2018年達州RSEI(0.85)仍保持首位，重慶、廣安、瀘州、遂寧、綿陽和南充RSEI上升至優等級，其他城市穩定在良等級，各城市生態質量均發生一定程度的提升。在城市尺度下，情感值提升幅度前三名分別為南充(29.81)、達州(24.41)和宜賓(23.01)，積極情緒比例提升幅度前三名分別為內江(0.40)、達州(0.36)和宜賓(0.32)。

表3 各城市RSEI、情感值和積極情緒比例Table 3 RSEI,emotion value and positive sentiment ratio in each city

對各城市情感指標和RSEI進行灰色關聯分析，結果如表4所示。城市平均情感值、積極情緒比例與RSEI之間的灰色關聯度均處于較高水平，數值保持在0.65左右，其中時間灰色關聯度(0.65)均值比空間灰色關聯度(0.63)高，表明各城市情感值與RSEI變化趨勢關聯性較強，而由于情感分布的個體性和交錯性特征明顯，空間相關性較低。

表4 城市情感值、積極情緒比例與RSEI的灰色關聯結果Table 4 Grey correlation results of emotion value,positive sentiment ratio and RSEI

3.3 局部生態環境差異性分析

對劃分的4類生態情況進行詞頻分析、社會語義網絡分析和熱點分析，分析公眾主觀視角和遙感客觀視角下反映生態環境現狀的差異性，深入探索微博數據在生態環境監測中的潛力。

3.3.1 詞頻分析 由詞頻分析的統計結果(表5)可知：A1類文本中，高頻詞“中國”“美麗”“旅游”和“風景”表現了微博用戶對生態環境的強烈感知，表明優美的生態環境使人產生愉悅心情和正面評價；相比之下，RSEI等級為優良區域的A2類文本中，“垃圾”詞頻最高(133)，微博用戶關注的話題還出現“污染”“嚴重”和“焚燒”等詞匯，表明生態環境質量優良區域存在垃圾污染和焚燒現象。在RSEI等級為中等以下區域，B1類文本中出現“垃圾”“嚴重”等詞匯，該類區域生態狀況處于劣勢地位，是環境保護和修復的重點區域；“堅持”“行動”和“環境”成為B2類微博文本中的重要生態主題，同時“保護”“環境部”和“踐行”等詞包含環保的多個層面，說明生態文明建設的推進和環境部治理理念的轉變深刻影響著公眾的思想觀念和社會行為。

表5 不同類型生態狀況的微博文本高頻詞統計(前10位)Table 5 High-frequency vocabulary statistics of Weibo texts for different types of ecological conditions (top 10)

3.3.2 社會語義網絡分析 從各類文本網絡圖的總體結構(圖4)看，大部分關鍵詞關聯密切，有助于探索情感產生的緣由。1)在RSEI等級為優良區域，一致型A1和非一致型A2反映的生態狀況差異較大。A1類網絡圖展現出空氣清新、風景秀麗、切近自然等特征的詞匯，其中，“環境”“共建”“生態”“行動”和“加強”構成核心多邊形，外節點同時出現“保護”“守護者”“踐行”和“中國”等詞，可以判定人們有意識地希望加強生態環境保護，攜手共建美麗家園；A2類網絡圖以“污染”“垃圾”“嚴重”和“焚燒”等詞為一級核點，與“旅游”“景點”“空氣”“公園”和“小區”等外部節點相連，可見景點和公園作為城市中重要的生態空間，最易受人類活動的干擾和破壞，影響游客或當地居民的體驗效果，導致消極情緒的產生，同時生活垃圾未妥善處理是公眾產生消極情緒的另一個原因，揭示了相關部門環境管理工作存在疏漏(如表6的案例2)。2)在RSEI等級為中等以下區域，B1類數據展現消極情緒，其網絡結構的節點間聯系更復雜，人們的情緒更加偏激，如擔心垃圾污染影響身體健康，甚至直接向相關部門反饋(如案例3)；與之相反，B2類數據點多位于城區，從要素內容上分析，發現人們關注微博平臺上發起的環境保護公益活動并堅持簽到(如案例4)，此類活動會給堅持打卡的微博用戶授予“勛章”，鼓勵大家積極參與。互聯網憑借其優越的產品特性，降低了公眾參與的門檻，為生態保護開辟了新的路徑和參與模式。

表6 不同類型生態狀況案例Table 6 Cases of different types of ecological conditions

圖4 不同類型生態狀況的社會語義網絡結構Fig.4 Social semantic network structure of different types of ecological conditions

3.3.3 熱點分析 由圖5(彩圖見封2)可知：1)在RSEI等級為優、良的區域，A1和A2類的第一、二顯著熱點主要分布在重慶西部、成都中部、綿陽南部、樂山北部、宜賓北部和自貢中部等地，這些地區多為城鎮區域，積極情感和消極情感交錯分布；A1和A2熱點分布的差別主要體現在自貢城區和重慶的璧山區，為A1類的第三顯著高密度區域。A2比A1熱點分布更加聚集，說明負面情緒高度集中，有助于環境問題的集中整治；A1熱點區域在微博和遙感數據評估結果中均處于高值水平，應繼續保持生態環境現狀；雖然A2類熱點分布格局與A1相似，但該區域的景區、公園存在破壞植被、亂扔垃圾和焚燒現象，其生態環境保護和垃圾治理工作有待加強。2)在RSEI等級為中等以下區域，B1類熱點以“雙核心”的第一顯著高密度點聚集最為緊密，成都的都江堰市、綿陽市、雅安市和樂山的峨眉山市均存在較高密度點，主要為龍池國家森林公園、龍溪虹口國家自然保護區和峨眉山等景區，人類活動頻繁，垃圾污染現象嚴重；B1類熱點區域生態環境欠佳，在生態建設與規劃方面處于劣勢地位，應結合發展短板采取針對性措施；B2類以雙核心為主要高密度區，其余分布在都江堰市和峨眉山市，該類型區域RSEI評估值較低，應合理布局生態空間，緩解資源承載力，但人們的環保意識相對較強，有助于推進生態文明建設工作。

圖5 不同類型生態狀況熱點分布Fig.5 Distribution of hot spots of different types of ecological conditions

綜上，利用詞頻分析和社會語義網絡分析總結出公眾視角下的生態環境現象，再通過熱點分析定位其所在區域，表明微博數據在闡述和定位環境問題方面具有較大潛力。

4 結論與討論

本文以成渝城市群為例，收集了與生態環境相關的原創微博數據，采用情感分析法并結合遙感生態指數，從不同尺度展開分析，微博數據在生態環境監測中的應用潛力表現在：1)生態狀況趨勢評價。城市群尺度下，微博情感值、積極情緒比例和遙感生態指數的變化趨勢一致;城市尺度下，各城市情感指標和遙感監測結果的灰色關聯度處于較高水平，即微博數據和遙感數據在區域生態環境監測中的結果較一致，說明微博數據可應用于大尺度區域的生態環境趨勢研究,有助于完善生態環境監測體系和評價制度。2)生態環境問題闡述。通過深入分析微博文本內容，可揭示局部區域的環境狀況(如植被破壞、垃圾污染、焚燒等現象)，說明微博數據有助于探索生態環境背后相關推動機制(如環境治理、保護現狀和社會行為等)，可更加詳細地描述區域生態環境問題，有效彌補了遙感在非自然因素分析上的缺陷，達到多方位多尺度評價生態的目的。3)環境問題區域定位。局部尺度下，重慶西部、成都中部、綿陽南部與宜賓北部等地的公園、小區和景點等區域的綠化保護和垃圾管理工作有待加強，垃圾污染現象主要集中在綿陽、雅安等西部城市，這說明微博數據可以更加精確定位存在不同生態環境問題的區域，為處于不同生態文明建設階段區域的生態管理提供參考，有助于政府和環境部門制定針對性治理措施。

微博為獲取公眾對生態環境的反饋信息提供了有效途徑，本文利用微博數據審視區域生態環境，探討與人類福祉相關的生態環境問題，展現了微博在環境監測中的應用價值，啟發城市在全面提升綠化的同時，應重視垃圾污染、資源破壞等環境問題，為成渝地區環境治理提供了決策依據，為城市生態監測工作提供了新思路。本文采用自定義關鍵詞進行生態環境相關微博數據的爬取，但關鍵詞數量有限，獲取的微博數據不能完全表達研究區所有公眾對待環境的態度，下一步會對關鍵詞進行優化和擴展，同時收集更多社交媒體數據(如抖音、快手等)進行分析，為深入掌握區域環境過程提供輔助決策。