基于遙感生態指數的京郊南部城市生態評價
——以涿州市、固安縣為例

溫小樂，陳旭，徐涵秋

(福州大學環境與安全工程學院，福建 福州 350108)

0 引言

中國城市的快速發展以及建設用地的大量擴張，催生出一系列以大城市和超大城市為核心的大都市圈，以京、滬為代表的一線大都市在不斷發展壯大的同時也引發了諸如資源短缺、能源緊張、環境污染等一系列的“城市病”[1-2]. 隨著區域協同發展和產業轉移，大都市周邊的衛星城在迎來發展契機的同時也面臨著較大的生態風險. 河北省涿州市和固安縣地處北京市南郊，毗鄰北京的南大門，近年來掀起了大規模城市建設熱潮，承接了大量的北京轉移產業，及時對這些衛星城市開展快速有效的生態狀況監測與評價顯得尤為重要.

遙感技術因其快速、實時的優勢在生態監測與評價領域得到廣泛的應用，為區域生態評價提供了有效的研究手段[3-4]. 縱觀現有的遙感生態評價方法，以采用單一生態指標偏多，如單純利用植被指數或地表溫度指數來表征地表生態的優劣，但這種單一評價指標無法客觀全面地反映生態的綜合變化[5]. 從綜合指標來看，目前應用較多的是2006年中國環境保護總局提出的環境生態指數(ecological index, EI)[6]，該評價方法雖然融合了植被覆蓋度、水網密度、生物豐度等多個指標且在研究中取得了一定的成果[7-8]，但由于在指標選取和權重賦值過程中存在人為主觀干擾過多等不足而難以得到廣泛應用. 2013年徐涵秋通過遙感信息反演獲得多項可直觀反映生態狀況的因子，構建基于遙感數據的新型生態評價指數—遙感生態指數(remote sensing based ecological index, RSEI)[9]，該指數耦合了多項生態指標，可對區域生態狀況開展快速有效的綜合性評價，已在眾多城市和地區的生態評價中得到廣泛應用[10-19].

本研究基于遙感生態指數，分析涿州市和固安縣近20年間(1997—2017年)生態狀況的變化趨勢并探究變化原因，為該地區的生態保護和建設規劃提供科學依據.

1 研究范圍和研究方法

1.1 研究區概況

圖1 研究區位置Fig.1 Location of the study area

研究區為河北省涿州市和固安縣(39°8′N-39°36′N, 115°44′E-116°29′E)(圖1，紅色矩形區域表示地圖所示范圍在京津冀地區位置)，毗鄰北京市南部，屬暖溫帶半干旱半濕潤大陸性氣候，西北部略高、東南偏低，全境地勢平坦. 地處華北平原中部，域內拒馬河穿流而過形成沖積平原，土地肥沃[20-21]. 研究區耕地資源豐富，受北京輻射帶動作用影響，發展迅速，城市發展與資源、環境的矛盾日益激化，生態面臨嚴峻挑戰.

1.2 數據及預處理

數據來自地理空間數據云(http://www.gscloud.cn/)，獲取了3期Landsat系列遙感影像，分別為1997-09-21 Landsat5 TM影像、2009-09-22 Landsat5 TM影像和2017-09-28 Landsat8 OLI影像. 三景影像獲取時間都處于9月下旬，確保了研究結果的可比性.

為消除遙感影像在獲取過程中受到的大氣條件、光照以及地表起伏的影響，需要對影像進行幾何校正和大氣校正等預處理. 幾何校正主要通過ENVI軟件的Registration模塊對不同年份影像進行配準，使其幾何精度達到應用要求； 采用輻射定標[22]和6S模型法對影像進行大氣校正[23].

2 遙感生態指數

遙感生態指數(RSEI)是一種新型的遙感指數，可用于綜合評價研究區的生態狀況. 該指數由綠度、濕度、熱度和干度4個指標耦合形成，其中，植被指數[24]用來表征綠度，濕度指數[25]用來表征濕度，地表溫度[26]用來表征熱度，裸土指數[27-28]用來表征干度，各指標表達式如下：

1) 綠度指標. 由歸一化植被指數(normalized difference vegetation index, NDVI)來表征：

NDVI=(ρNIR-ρred)·(ρNIR+ρred)-1

(1)

式中：ρNIR、ρred為近紅外波段和紅波段.

2) 濕度指標. 遙感纓帽變換所獲取的濕度分量可以較好反映地表的濕度狀況. 基于TM 和 OLI 數據的濕度分量(Wet)的提取公式為：

Wet1997、2009=0.031 5ρblue+0.202 1ρgreen+0.310 2ρred+0.159 4ρNIR-0.680 6ρSWIR1-0.610 9ρSWIR2

(2)

Wet2017=0.151 1ρblue+0.197 2ρgreen+0.328 3ρred+0.340 7ρNIR-0.711 7ρSWIR1-0.455 9ρSWIR2

(3)

式中：ρblue、ρgreen、ρred、ρNIR、ρSWIR1、ρSWIR2分別為Landsat影像的藍波段、綠波段、紅波段、近紅外波段、短波紅外1波段和短波紅外2 波段的反射率.

3) 熱度指標. 由經過反演的地表溫度(land surface temperature，LST)來表征，采用基于大氣校正法[29]，獲得LST：

Lλ=[εB(TS)+(1-ε)L↓]τ+L↑

(4)

式中：ε為比輻射率；B(TS)為黑體熱輻射亮度；τ為大氣在熱紅外波段的透過率；L↑和L↓分別為大氣向上輻射亮度和大氣向下輻射亮度.則反推B(TS)、TS分別為：

(5)

(6)

式中：TS為地表溫度. 對于TM[30]，K1=607.76 W·(m2·μm·sr)-1； 對于TIRSBand10，K1=774.89 W·(m2·μm·sr)-1，K2=1 321.08 K； 通過NASA的網站(http://atmcorr.gsfc.nasa.gov)查詢得到L↑、L↓和τ，以及通過Sobrino方法[31]計算得到ε，就可計算得到地表溫度.

4) 干度指標. 建筑用地、不透水面的增加會造成地表“干化”，選用建筑指數(index-based built-up index, IBI)[32]和裸土指數(soil index, SI)[27]合成干度指數(NDSI)：

(7)

考慮到上述4項指標的量綱都不同，均采用歸一化進行處理. 對4項歸一化指標通過主成分分析[33-34]及歸一化后獲得RSEI：

RSEI0=1-PC1

(8)

RSEI=(RSEI0-RSEI0_min)·(RSEI0_max-RSEI0_min)-1

(9)

其中： RSEI0_max代表RSEI0這個指標的最大值； RSEI0_min代表RSEI0這個指標的最小值. 最終的 RSEI值在0～1之間，數值越大代表生態狀況越好，反之則越差.

3 結果與分析

3.1 研究區生態質量變化分析

研究區1997年、2009年和2017年4個生態指標與RSEI的計算結果見表1，RSEI反演結果見圖2. 結果顯示，在所有3個時相的4個主成分分量(PC1、PC2、PC3、PC4)中第一主成分的貢獻率都大于80%，表明第一主成分已經集中了4個分量的絕大部分特征，因此可以用第一主成分來表征區域的生態質量. 分析RSEI與PC1的相關性發現，3個年份的綠度分量和濕度分量與RSEI都呈正相關，干度分量和熱度分量與RSEI都呈負相關. 在1997—2017年間研究區生態質量總體下降： RSEI的均值從1997年的0.66下降到2009年的0.56，降幅16.67%，生態惡化明顯. 然后由2009年的0.56下降到2017年的0.50，降幅10.71%，2009—2017年生態質量下降放緩. 這一結果也可以從圖2中直觀反映，對比1997年、2009年與2017年的指數圖，研究區生態差的區域分布顯著增多而生態優的區域分布則明顯減少，可見近20 a間研究區整體生態狀況趨于退化，生態質量下降明顯.

表1 主成分分析結果

圖2 1997，2009和2017年研究區RSEI圖Fig.2 RSEI maps of the study area in 1997, 2009 and 2017

為定量分析20年間研究區生態質量的變化情況，將RSEI數值平均分為5個等級[8]，數值由低到高分別代表生態差、較差、中等、良、優5個等級，并對各等級面積進行統計(表2). 結果表明，2009年研究區生態等級為差和較差的面積是1997年的1.55倍，而等級為優的面積為1997年的26.21%； 2017年研究區生態等級為差和較差的面積是1997年的2.22倍，而等級為優的面積僅為1997年的17.41%，研究區20年間生態質量呈顯著下降的趨勢. 用差值算法對研究區生態變化進行分析，結果如表3所示.

表2 研究區的生態級別面積和比例

表3 研究區生態分級變化

1997—2009年生態退化的面積為746.30 km2，占比50.38%，生態改善的面積為258.90 km2，占比17.47%； 2009—2017年生態退化的面積為589.90 km2，占比39.82%，生態改善的面積為332.42 km2，占比22.44%. 相比1997—2009年, 2009—2017生態改善的面積有所提高，但仍然低于退化的面積. 截止2017年，研究區生態較差區域占比高達30%，生態面臨嚴峻挑戰. 綜合來看, 1997—2017年RSEI各等級變化顯著，將近60%的區域其生態趨于退化，而生態改善的區域則不足15%. 結合研究區RSEI變化圖(圖3)發現，1997—2009年研究區西部和東南部生態質量下降明顯； 1997—2009年西部和東南部不少區域生態已經開始恢復，而北部和南部生態質量有明顯下降.

圖3 1997—2009年和2009—2017年研究區RSEI變化圖Fig.3 The change of RSEI in the study area from 1997 to 2009 and 2009 to 2017

3.2 生態質量變化原因

為詳細探究研究區生態變化的原因，采用監督分類法對研究區進行地表覆蓋分類，根據研究區實際用地狀況主要分為建筑用地、裸地和植被3大類. 通過目視解譯獲得分類樣本，采用最大似然法進行分類； 基于ArcGIS軟件在研究區范圍內隨機選取388個點，并利用Google Earth影像作為精度驗證數據，土地利用分類總精度為89.43%，Kappa系數為0.80，滿足分類精度要求. 從圖4分類結果可以看出，兩個時相的不同地類空間分布差異明顯，1997—2017年間研究區的植被分布面積減少而建筑用地大幅激增. 1) 建筑用地面積由1997年的240.59 km2上升到2009年的375.54 km2、2017年的786.45 km2，總體增長2.3倍. 2) 植被面積由1997年的1067.50km2減少到2009年的996.8 km2、2017年的542.62 km2，減少49.17%. 3) 裸地面積由1997年的172.56 km2減少到2009年的108.36 km2、2017年的151.28 km2，下降12.32%. 這一系列變化數據正好說明了表1的研究結果. 研究區植被的大面積銳減，致使綠度和濕度數值呈大幅下降； 而建筑用地快速增加，導致熱度和干度數值上升顯著[35]，這一降一升最終導致了研究區的整體生態水平趨于退化.

圖4 1997，2009和2017年研究區主要地表覆蓋分布圖Fig.4 Main land cover types of the study area in 1997, 2009 and 2017

圖5 植被覆蓋占比與區域RSEI均值線性回歸圖Fig.5 Regression of the proportion of vegetation coverage and the mean of regional RSEI

綜上所述，1997—2017年間研究區南部區域生態下降明顯，東部和西部生態變化較小且局部生態有一定程度的改善，這與涿州市和固安縣這兩個片區的城市發展模式有著直接關系. 根據《2004—2020年涿州市城市總體規劃》[36]，涿州市為進一步增強“大北京”的區位優勢，大力實施城鎮一體化發展，著重發展城東北旅游業和城南現代制造業，計劃到2020年城鎮化率達65%. 涿州市南部的林家屯鎮、高官莊鎮工業園區進行了大規模建設，導致涿州南部建筑用地面積激增，植被面積減少，生態水平趨于退化. 而城西由于綠化增加和生態工程的實施，生態保持在較好的水平； 在《2008—2020年固安縣城市總體規劃》[37]中，固安擬堅持“工業化、園區化”的戰略，推進城市化進程，城鎮化率實現由2008年的38%到2020年60%以上的轉變. 固安縣臨近北京的東北方向大力進行生態改善工程[38]，從圖4可以看出固安縣城東北部裸地大面積被植被取代，城東生態質量有所改善(圖3). 而南部的東灣鄉、柳泉鎮、馬莊鎮等片區一系列產業園的興建，大量植被被建筑用地取代，生態質量下降明顯.

為進一步分析地表覆蓋與RSEI之間的關系，在鄉鎮尺度建立區域植被覆蓋占比與區域RSEI均值之間定量的關系(圖5)，相關實驗發現，遙感生態指數為最佳擬合模型.

研究發現植被覆蓋占比與RSEI均值呈指數關系. 也就是說，隨著當地的植被覆蓋占比增大，RSEI增大速率加快，當地生態改善更加明顯.

4 結語

1) 1997—2017年間研究區總體上生態質量下降明顯，RSEI均值由0.66下降到0.50，生態質量提高的面積僅為221 km2，占總面積的15%； 而生態質量下降的面積為877 km2，占總面積的59%.

2) 在鄉鎮級別上，植被覆蓋占比與RSEI均值呈指數關系，隨著區域植被覆蓋占比的下降，RSEI對其敏感度降低； 但在植被覆蓋占比增大的同時，RSEI增大速率加快，生態改善更加顯著.

3) 20 a間研究區生態質量變化較大，南部生態質量一直呈下降趨勢，西部先改善后退化，而東北部生態保持相對較好. 地表覆蓋類型的變化對區域RSEI造成劇烈的影響： 南部大面積工業園區的建設使得大量植被區域被建筑用地取代，干度和熱度上升導致生態質量降低； 東北部綠化面積增加使裸地面積大幅減少，綠度和濕度上升使得生態質量提高. 植被對研究區生態改善極為重要，為降低北京南郊的生態風險. 研究區在未來的建設中應嚴格控制建筑用地面積，盡可能增加建成區的綠化面積，加快建設城市生態公園和生態走廊, 鼓勵居民和單位在建筑頂層構建空中花園，促進城市可持續發展.