基于遙感黃河流域內蒙古段十大孔兌生態環境質量監測評價

滑永春, 孫小添, 白 澳, 裴志永

(1.內蒙古農業大學 林學院, 呼和浩特 010019; 2.內蒙古農業大學 能源與交通工程學院, 呼和浩特00018)

流域是一種結構復雜的地理區域，隸屬于生態、經濟及社會多個系統，具有生產、生活、生態及文化等多種功能。流域的生態環境是流域經濟可持續發展的必要條件，對流域進行環境質量評估，對流域經濟的可持續發展及生態文明建設具有非常重要的意義和參考價值[1]。

國內外的學者從不同的角度對區域的環境質量評估展開了大量研究，提出了很多的評價方法。Sfriso等學者利用水生植被質量指數MaQI(the Macrophyte Quality Index)，從生態安全的角度對意大利海洋過度的生態環境進行了評價[2]。Kim等學者利用生理水平生物標志物和生物指示劑建立了城市溪流的生態健康評估方法[3]。Hu等基于壓力—狀態—響應模型PSR(Pressure-State-Response model)框架的遙感生態指數對中國東南部福建省福州市的區域生態變化進行了評估[4]。宋善海等同時從生物豐度、植被覆蓋、水網密度、土地脅迫、污染負荷5個方面通過生態環境指數EI(Ecological environment index)對貴州省生態環境狀況進行綜合評價[5]。郭鵬程等依據生態環境狀況評價指標體系，選取了生物豐度指數、植被覆蓋指數、水網密度指數、土地脅迫指數、污染負荷指數5個分指數和一個環境限制指數，對慶陽市蒲河流域生態系統的質量進行評價和分析[6]。

遙感生態指數RESI(Remote sensing ecological index)耦合了濕度指數(WET)、歸一化植被指數NDVI(Normalized vegetation index)、干度指數NDBSI(Normalized Difference Built-up and Bareness Index)和地表溫度LST(Land surface temperature)，可實現大區域生態環境質量的監測和評價。該指數既避免了人為的因素造成權重不均，同時又避免了傳統的EI指數的缺點，能快速、客觀、定量的對區域的生態環境進行評價[7-8]。RESI已經在武漢[1]、渭南市[9]、鄭州市[10]、福州市[11]、長沙市等[12]城市以及漓江流域[13]、疏勒河流域[14]、滇中湖泊流域[15]、丹江流域[16]、石羊河流域[17]、甬江流域[18]、艾比湖[19]和瑪納斯湖等[20]流域的生態質量監測中廣泛應用。目前關于十大孔兌生態環境評價的研究較少，因此，本文利用遙感生態指數對黃河流域十大孔兌多年的生態環境質量進行評估，研究期間黃河流域十大孔兌生態質量狀況及其時空變化，為黃河流域十大孔兌區域的生態建設和環境保護提供參考。

1 研究區概況

十大孔兌(孔兌為蒙古語，意為河流)坐標為39°50′—40°30′N，108°06′—111°E(圖1)，境內有十個一級支流，是黃河內蒙古段主要支流[21]。十大孔兌所在行政區包括鄂爾多斯市達拉特旗全部，東勝區、杭錦旗和準格爾旗的小部分地區，面積共1.08萬km2。研究區域屬于典型大陸性氣候，平均氣溫7℃左右；年平均降雨在200～400 mm，蒸發量在2 200 mm左右。研究區根據地貌特點可劃分為3個區，分別為南部上游丘陵區、中部中游風沙區、北部下游平原區[22]。

圖1 黃河流域十大孔兌位置

2 數據與研究方法

2.1 數據獲取及預處理

(1) 遙感數據。本文研究選用的遙感影像來源于地理空間數據云(http:∥www.gscloud.cn/)。獲取了2000年、2010年、2020年共12景覆蓋十大孔兌的Landsat 5 TM和Landsat 8 OLI無云遙感數據。影像的預處理包括大氣輻射校正、幾何校正、圖像的拼接和剪切等。

(2) ERA5氣象數據。本文選用的氣象再分析資料為ECMWF公開的ERA5數據(http:∥apps.ecmwf.int/datasets/)，ERA5是迄今最強大的全球氣候監測數據集，與之前的ERA-Interim產品相比，ERA5具有更高的時空分辨率，時間分辨率為逐小時，空間分辨率高達0.125°。本文選用覆蓋內蒙古黃河流域1982—2020年1—12月0.125°的ECMWF-ERA5氣象模式2 m溫度、降水數據。使用Matlab對數據進行格式轉換、年度合成、圖像裁剪、Albers等面積投轉換等處理。

2.2 研究方法

遙感生態指數(RSEI)是基于遙感技術、耦合了與生態環境質量優劣有直接關系的濕度、綠度、干度和熱度4大生態要素[23-24]。對各個分量指標進行標準化處理，以此來消除各個指標量綱上的差異，再用主成分分析法來確定各指標的權重，從而建RSEI評價模型，公式如下：

RSEI=f(WET,NDVI,LST,NBDSI)

(1)

式中:WET代表濕度指數；NDVI代表植被指數；LST代表地表溫度；NDBSI代表建筑物—裸土指數。

(1) 濕度指標(WET)。纓帽變換的濕度分量指標可以反映土壤和植被的濕度，已經廣泛運用在生態環境監測中[25]。本文濕度指標以WET分量表示，由于landsat5 TM影像和Landsat8 OLI影像的傳感器不同，其濕度指標的提取公式各不相同，分別如下：

TM數據：

WET=0.0315ρblue+0.2021ρgreen+0.3102ρred+0.1594ρnir-0.6806ρswir1-0.6109ρswir2

(2)

OLI數據：

WET=0.1511ρblue+0.1973ρgreen+0.3283ρred+0.3407ρnir-0.7171ρswir1-0.4559ρswir2

(3)

式中:ρblue，ρgreen，ρred，ρnir，ρswir1和ρswir2分別代表著TM和OLI影像藍色、綠色、紅色、近紅外、短波紅外1、短波紅外2波段的反射率。

(2) 綠度指標(NDVI)。歸一化植被指數(NDVI)是反應植物生長變化狀態以及植被分布密度最明顯、有效的度量[26]，因此本文選用NDVI來代表綠度指標，其公式如下：

(4)

式中:ρnir代表Landsat5 TM和Landsat8 OLI影像數據中的近紅外波段的反射率；ρred代表Landsat5 TM和Landsat8 OLI影像數據中的紅色波段反射率。

(3) 熱度指標(LST)。地表溫度(LST)可作為熱度指標反應地表的生態環境狀況。本文采用大氣校正法對研究區域的地表溫度進行反演，提取公式如下：

Lλ=Gain×DN+Bias

(5)

(6)

式中:Gain,Bias分別代表遙感影像的增益和偏置；Lλ為傳感器輻射亮度；B(Ts)為黑體熱輻射亮度；τ為大氣熱紅外波段透射率；L↑為大氣向上輻射量度、L↓為大氣向下輻射量度,通過美國國家航空航天局(http:∥atmcorr.gsfc.nasa.gov/)查詢獲取。再利用普朗克公式對地表溫度Ts進行求解:

(7)

式中:TS表示地表真實溫度(K)；K1,K2為定標參數；ε為地表比輻射率,利用NDVI進行估算,將地表分為水體、自然表面和城鎮區域。本文設水體像元的地表比輻射率為0.995,自然表面和城鎮區域像元的地表比輻射率計算公式如下所示:

ε=0.9625+0.614Fv-0.0461F2v

(8)

式中:Fv為植被覆蓋度,采用混合像元分解法由NDVI值計算得到。

(4) 干度指標(NDBSI)。干度指標可以由裸土指數(SI)和建筑物指數(IBI)組合成歸一化建筑物—裸土指數表示，在組合的過程中通常是直接對SI和IBI進行算術平均，取二者的平均值，最后得到NDBSI指數。

裸土指數：

(9)

建筑物指數：

(10)

干度指標(NBDSI)：

(11)

式中:ρgreen，ρblue，ρred，ρnir，ρswir1及ρswir2分別代表TM和OLI影像綠色、藍色、紅色、近紅外、中紅外1、中紅外2波段的反射率。

2.3 遙感生態指數評價模型的構建

遙感生態指數(RSEI)是基于濕度、綠度、熱度和干度4個分量指標的綜合性生態環境評價指標，由于各分量指標在數值單位和大小上的差異，在綜合之前需要進行標準化處理，消除量綱上的差異，公式為：

(12)

式中:N是標準化后的指標值；I代表這個指標數值的大小；Imin代表這個分量指標的最小值；Imax代表這個分量指標的最大值。對各個分量指標進行標準化處理后,將4個分量指標轉換為遙感生態指數,公式為:

(13)

式中:m代表主成分的個數；n代表分量指標的個數;ai代表主成分的方法貢獻度;PCi代表各個分量指標的主成分;wj代表分量指標的權重,通過主成分分析法得到各個主成分的方差貢獻率,作為各分量指標的權重;Ij代表分量指標標準化處理后的值。將原始的遙感生態指數進行標準歸一化處理,取值區間0～1,RSEI值越接近于1,則代表著研究區域的環境質量越好。本文結合十大孔兌的生態環境實際情況并參考了一些文獻[24-27],將研究區遙感生態指數劃分為5個等級,見表1。

表1 遙感生態指數等級劃分

3 結果與分析

3.1 分量指標主成分分析

通過十大孔兌2000年、2010年和2020年4個分量指標的主成分分析結果可以看出(表2)，第1主成分特征值貢獻度分別為68%，72.83%，74.58%，代表各指標的大部分信息。利用合成的第1主成分即PC1來代替綠度、濕度、干度和熱度4個分量指標。然后建立遙感生態指數(RSEI)綜合評價模型，對黃河流域十大孔兌的環境質量進行評價。

由表2可見，PC1對應的4個變量主成分載荷系數，綠度和濕度指標各年均為正值，說明綠度和濕度指標對區域的環境質量有著積極的正向作用。區域的綠度指標和濕度指標越大，則代表該區域的植被覆蓋率高，土壤具有充足的水分，環境質量越高[28]。濕度指標主成分載荷系數2000年、2010年大于綠度指標，而在2020年綠度指標載荷系數超過了濕度指標。導致這個現象的原因是歸一化綠度(NDVI)數值2000年、2010年、2020年大小分別是0.25，0.28，0.43，植被覆蓋度在2000—2010年呈現緩慢的上升，2010—2020年植被覆蓋度快速升高；而歸一化濕度(WET)數值2000年、2010年、2020年大小分別是0.33，0.37，0.35，濕度指標在2010年達到最大，但各年份濕度差別不大。結合表2綠度和濕度主成分載荷系數和歸一化綠度、濕度指標可以看出，主成分載荷系數的變化和對應的歸一化綠度、濕度指標數值變化有著密切的關系，2010年前濕度數值相對綠度數值要大，對應的濕度主成分載荷系數也大，但2010年后隨著研究區植被覆蓋度的快速上升，綠度指標的載荷系數也相應變大，成為了主導綠度和濕度指標載荷系數相對變動的主要因素。干度指標和熱度指標越高，則代表區域地表植被覆蓋率低、地表出現裸土、土壤遭受沙化、風化等問題，地表硬化問題嚴重，環境質量越差[28]。熱度指標和干度指標各年均有負值，說明它對區域的環境質量有負面影響。由表2可知熱度指標主成分載荷系數絕對值在各年份都大于干度指標系數。歸一化熱度(LST)2000年、2010年、2020年大小分別是0.34，0.36，0.29，意味著研究區的地表溫度也是先升高后下降。歸一化干度(NDBSI)2000年、2010年、2020年大小分別是0.31，0.27，0.21，呈現一直下降的趨勢。由此可見各年度歸一化干度數值低于熱度數值，導致熱度指標系數絕對值大于干度指標系數。總體上來看，綠度、濕度、干度和熱度4個分量指標的PC1值是隨著研究區的生態環境在不斷地變化，2000—2010年，起正向作用的濕度指數貢獻率是大于綠度指數，但2010年后隨著研究區植被覆蓋度的快速提升，綠度指標貢獻率在不斷地變大；而起負向作用的熱度指數貢獻率高于干度指數。

表2 各指標主成分分析結果

3.2 十大孔兌生態環境質量時空變化

從圖2—3可以看出，2000年、2010年、2020年黃河流域十大孔兌遙感生態指數(RSEI)均值分別為0.31，0.33，0.57，十大孔兌的環境正在緩慢改善。其中，2000—2010年除庫布齊沙漠區RSEI指數有明顯上升，其他兩個區的RSEI指數還略有下降。到2020年各區的RSEI指數值呈現大幅度上升，各區的生態環境得到了明顯的改善。

由表3可知，研究期間，2000年生態環境等級為差的占比最高，達到32.08%；生態環境等級為優秀的占比最少，只占研究區的5.45%；較差和一般等級的面積相差不大，比例分別占21.99%和25.38%。2010年，生態環境等級面積占比最高的仍然是差，但是相比2000年占比下降1.98%，面積為3 247 km2；優秀等級的面積占比最少，占比6.16%。2020年，生態環境等級為差的區域占比最高，為28.03%，面積達3 027 km2；生態環境等級為優秀的區域占比最低，為8.40%。從整體上來看，十大孔兌的生態環境質量等級以差到一般為主，差、較差及一般等級的面積之和占區域總面積的比例依次為79.45%，76.54%，70.16%；良好和優秀等級的面積之和占區域總面積的比例依次為20.55%，23.46%，29.84%。2000—2020年生態等級為差的面積減少了438 km2，較差的面積減少了392 km2；一般的面積減少了174 km2，良好的面積增加了685 km2，優秀的面積增加了319 km2。表明黃河流域十大孔兌的環境質量在逐步緩慢改善。

圖2 2000-2020年研究區生態環境質量分級

圖3 2000-2020年各區RSEI指數均值

表3 2000-2020年研究區生態環境質量評價等級

4 討論與結論

4.1 討 論

氣候是生態環境形成與演變的重要推動力之一，研究氣候變化對了解區域生態環境變化具有十分重要的意義[29]。十大孔兌地區處于干旱半干旱地帶，干旱少雨，年平均降水量不足400 mm，生態環境較為脆弱。徐康等在2020年利用中國區域7個IGS站實測氣象數據評估ERA5數據的精度，發現ERA5數據精度優于早先的ERA-Interim數據，ERA5數據能夠更好地滿足中國區域內氣候建模的需求。因此，本文利用ERA5氣象數據統計研究區年降水量和年均氣溫[30]。由圖4可知，近21 a來研究區年降水量有一定的波動增加趨勢，但趨勢不太明顯(0.09 mm/10 a)，遠低于西北地區整體降水趨勢(4.87 mm/10 a)[31]。由此可知2000—2020年略微增加的降水促進了研究區生態環境質量的改善，但其不是誘導變化的主因。圖5為可以看出近21 a來研究區的年均氣溫是呈顯著上升趨勢(0.37℃/10 a)，高于西北干旱半干旱區增溫速率(0.34℃/10 a)[32]。氣溫的上升和本研究地表溫度的上升有一定的關系，隨著氣溫上升，土壤水分的蒸發和植被的蒸騰作用加強，給本就干旱的研究區植被生長帶來不利的因素。綜上可見，研究區氣候的變化對生態環境質量的改善有有利的一面，也有不利的一面，氣候的變化影響著區域生態環境的變化，但構不成區域環境不斷改善的主因。

圖4 研究區2000-2020年降水量變化

土地利用/土地覆蓋變化是陸地表層環境對人類活動和氣候變化的具體反映，是氣候變化和環境變化研究關注的主要內容[33]。本研究利用中科院資源環境科學數據云平臺下載的空間分辨率為1 km的土地利用數據來分析十大孔兌2000—2020年土地利用變化情況。由表4可知研究期間，耕地、林地、草地面積分別增加了-84 km2，92 km2，128 km2，植被面積的變化主要得益于研究區1999年開始實施的退耕還林還草工程、天然林保護工程、水土保持綜合治理工程、重點小流域以及沙棘造林等一系列工程[34]。同時未利用地面積減少了384 km2，建筑用地增加了247 km2。越來越多的未利用地被開發利用為建設用地，地表裸土、土壤沙化、風化等問題得以控制，土地利用率在不斷提高[35]。綜上，生態用地面積的增加，未利用裸土地得到有效的利用，促進了研究區生態環境質量的改善。該結論與馬海良等[36]對該區域生態環境的研究結論基本一致，同時也說明了各種人類工程的實施是導致研究區生態環境改善的主因。

圖5 研究區2000-2020年氣溫變化

表4 研究區2000-2020年土地利用面積 km2

本文采用綠度NDVI、濕度Wet、熱度LST和干度NDSI4個指標構建的RSEI來評價研究區的生態環境質量，雖能較好地反映出研究區生態環境變化趨勢。但很多學者將不同的指標引入遙感生態指數，如李洋等加入人類活動指數和坡度兩個指標，第一主成分的貢獻率達到70%以上[37]。十大孔兌位于黃土高原和鄂爾多斯髙原交錯地帶，境內地形地貌復雜多樣，丘陵區、風沙區、平原區3種不同的地貌類型在此交匯，導致境內地形起伏度較大。同時人類活動對該區域的生態環境的影響比較大。未來研究中可以考慮增加海拔、坡度、土地利用、土壤等因子對生態環境質量變化的影響。

4.2 結 論

(1) 研究期間，2000年、2010年和2020年，十大孔兌年遙感生態指數均值分別為0.31，0.33，0.57，生態環境質量在不斷改善。

(2) 2000—2020年，十大孔兌的生態環境質量等級以差到一般為主，差、較差及一般等級的面積之和占區域總面積的比例依次為79.45%，76.54%，70.16%。生態等級差到一般的面積減少了1 004 km2，轉化為優良和良好等級。研究區的生態環境質量在逐步地改善。

(3) 在空間分布上，下游平原區的生態環境質量最優，上游丘陵區和中游風沙區較差。研究區域生態環境的治理取得了一定的成效。環境質量在研究期間有了較大程度的改善。