應用遙感生態指數評價生態環境質量

閆 野

(遼寧鐵道職業技術學院 鐵道工程學院, 遼寧 錦州 121000)

0 引言

在全球人口不斷上升,經濟飛速發展的背景下,城市化進程也在不斷進行著。然而,城市化也帶來了人口遷移、土地利用結構變化和城市環境污染等一系列問題。城市生態環境質量評價是城市生態學的一個重要研究領域,可以為城市生態規劃和管理提供科學依據,促進城市的可持續發展。

目前,利用遙感進行生態質量評價的方法主要分為兩種類型：一種是依據某一單一指標的生態環境評價法。如李柏延等通過影響計算得到地表溫度數據來評測城市熱島效應的嚴重程度,得到西安市城市熱島效應日趨增強的結論[1-3];于信芳根據遙感計算得到歸一化植被指數估測東北森林物候情況,發現兩者相關性良好,可以通過相關植被指數來擬合東北森林植物的物候階段[4-5]。另一類評價方法是將多種指標結合起來進行生態質量評價,例如，包蕊等人,根據人均國內生產總值、人口密度、植被覆蓋率等28項指標為基礎構建了綜合評價指標體系,動態評價生態承載力水平[6-8];張沛等以生物豐富度、植被覆蓋率、水網密集程度、土壤脅迫程度、污染負載量5方面為基礎建立生態指數模型來評價塔里木河的生態與環境的變化情況[9-10]。

但是,單一的遙感生態參數只能用來反映研究區域生態系統的一個方面,并不能綜合反映其整體的生態環境狀況;多指標評價方法又存在統計數據類型繁雜、單位數量級不統一且難以獲取的缺點,而且指標體系的建立由人為確定,較難客觀地反映研究區的生態狀況。鑒于兩種生態環境評價方法各自的局限性,考慮數據采集、處理時效等因素,本文采用遙感生態指數(remote sensing ecological index,RSEI),利用主成分分析法(principal component analysis,PCA)集成，人們可以直接感知到的4個生態要素：綠度、濕度、干度和熱度,能夠較好地反映環境狀態的變化、氣候變化響應以及人類活動對環境造成的壓力,同時能避免因個體特征導致的權重定義的誤差。RSEI在不同時空尺度上具有可視化、可擴展性和可比性,并已得到充分驗證[11]。此外,目前針對寧波市的生態環境質量評估以及變化特征動態監測方面的相關研究較少,本文以寧波市作為研究區域,采用RSEI評價模型對寧波市2015—2020年的生態環境狀況進行評估,探究寧波市生態環境的具體狀況與變化特征,以期為寧波系統的城市規劃提供實證依據。

1 數據來源及處理

1.1 數據來源

以寧波市為研究對象,選用2015、2017、2020年各2景的Landsat8遙感影像。為保證結果具有可對比性,選取同季節的影像數據。此外,本研究對遙感數據的含云量要求比較嚴苛,含云量最多不能超過10%,所以這里選取2景含云量小于5%且季節同為夏季的Landsat8上攜帶的陸地成像儀(operational land imager，OLI)影像數據,獲取得到日期分別是2015年8月3日、2017年8月24日和2020年8月16日。影像獲得時間最大差異21 d，以保證地表干濕程度接近和植被生長狀態接近,從而確保實驗結果具有較強的對比性。

1.2 數據預處理

首先對影像進行輻射定標,經過輻射定標獲取的傳感器反射率僅消除了來自傳感器自身引起的輻射誤差,還存在由于光照條件和大氣作用(大氣吸收、大氣散射)導致的輻射誤差,該類誤差校正通過利用遙感圖像處理平臺(the environment for visualizing images,ENVI)5.3軟件中的FLAASH模型(fast line-of-sight atmospheric analysis of spectral hypercubes)大氣校正模塊來完成。相關參數根據研究區域調節,其中傳感器類型選擇為Landsat8 OLI,由于寧波的平均海拔為3～5 m,所以高程參數(km)設置為0.004。根據遙感圖像的成像時間和具體的緯度信息綜合確定大氣模型參數和氣溶膠模型,考慮到寧波處在北緯30°附近,影像獲取時間在8月份,設定大氣模型參數為Tropical;鑒于研究對象為城市生態環境質量,氣溶膠模型選擇為urban類型。

為獲取精度較高的寧波市行政區矢量數據,在網站(http://datav.aliyun.com/)中獲取寧波市基于Javascript對象表示法(JavaScript object notation,JSON)數據,再通過Mapshaper數據綜合平臺(https://mapshaper.org/)將JSON數據轉化為Shapefile數據。然后對進行過輻射定標和大氣校正的3年2景共6幅的Landsat8 OLI影像進行無縫數據鑲嵌以及柵格裁剪,利用寧波市行政邊界數據裁剪出研究區域。在計算RSEI之前,還需要采用修正的歸一化水指數(modified normalized difference water index，MNDWI)對各指標的水體進行掩膜提取,以避免大面積水域對PCA載荷分布的影響。

2 技術路線及研究方法

2.1 技術路線

本文技術路線如圖1所示,遙感生態指數(RSEI)以遙感數據為基礎,通過提取四個遙感參數,綠度、濕度、干度和熱度對生態質量進行客觀定量的評價。首先對四個指標(綠度指標NDVI、濕度指標WET、干度指標NDBSI、熱度指標LST)進行數據歸一化處理,然后將四個標準化過后的分量指標進行波段合成,并基于新產生的統計數據進行主成分分析(PCA),根據各變量對主成分的貢獻率自動為各變量分配權重從而構建評價模型,有效避免了人為因素或個體特征對最終結果產生的偏差,與傳統的生態質量指數評價模型相比更加客觀和高效。

圖1 技術路線圖

2.2 遙感生態指數分量指標的計算

2.2.1 濕度指標(WET)

濕度與生態環境質量的影響十分強烈,濕度指數較低的區域植被覆蓋情況較差,土地退化現象嚴重,土壤沙化、巖石裸露的現象時有發生;本研究通過纓帽變換可以提取出的研究取得濕度指標,進而用以描述研究區的地表濕度。本研究中濕度指標值用W表示,對于Landsat8 OLI數據,計算公式如下：

W=0.151 1ρblue+0.197 3ρgreen+0.328 3ρred+0.340 7ρnir-

0.717 1ρswir1-0.455 9ρswir2

(1)

2.2.2綠度指標(NDVI)

歸一化植被指數(NDVI)可以較為敏感的反應植物生物量,它與生態系統服務密切相關(例如,營養循環、原材料供應、碳封存和氧氣生產),可以作為綠度指標,用Ni表示歸一化植被指數的值,由式(2)計算。

Ni=(ρnir-ρred)/(ρnir+ρred)

(2)

2.2.3熱度指標(LST)

城市發展的特點通常是用高吸熱表面替換天然表面覆蓋物,導致城市溫度高于周邊地區。熱污染已經成為城市主要污染之一,例如：地表變化導致城市溫度升高,與熱相關的疾病和死亡率、能源和水需求的增加以及室內和室外的熱不適癥狀人群增加,以上種種在大多數城市中都無法避免,因此熱度指標是評價生態環境質量的重要指標,本文熱度指標由地表溫度(LST)表征,計算公式如下：

Lλ=Gain×DN+Bias

(3)

式中,Gain、Bias是對于Landsat8 OLI數據，Gain=3.342 0×10-4W/m2·sr·μm,Bias=1.18W/m2·sr·μm。

B=[Lλ-L↓-τ(1-ε)L↑]/τε

(4)

式中,Lλ為傳感器輻射亮度;B為黑體熱輻射亮度;τ為大氣在熱紅外波段透射率;L↑、L↓分別為大氣上行、下行輻射亮度。在獲取黑體熱輻射亮度后,地表溫度TS由普朗克公式求出

TS=K2/ln(K1/B(TS)+1)

(5)

式中,TS表示地表的真實溫度(單位：K);K1、K2為定標參數,對于Landsat8 OLI數據,K1=774.89 W/(m2·sr·μm),K2=1 321.06 K;ε為地表比輻射率。

2.2.4干度指標(NDBSI)

隨著城市的快速擴張,植被覆蓋地轉變為不透水地表,從而加速了由于生物地球化學過程和循環模式的改變而導致的地表干化速度,從而對區域整體生態環境產生影響。研究區寧波的市區面積為38%,還存在約50%的山地、丘陵區域,因此干度指標可通過整合建筑用地指數(index-based built-up index，IBI)與裸土指數裸土指數(soil index，BSI)的建筑物-裸土指數(NDBSI)進行表征。建筑物-裸土指數的計算方法如下。

裸土指數為

Si=[(ρswir1+ρswir1)-(ρblue+ρnir)]/

[(ρred+ρnir)+(ρblue+ρnir)]

(6)

建筑物指數為

(7)

建筑物-裸土指數為

Nb=(Si+I)/2

(8)

其中,Si表示裸土指數值;I表示建筑物指數值;Nb表示建筑物-裸土指數值;ρbule、ρgreen、ρred、ρnir、ρswir1及ρswir2為分別表示Landsat8 OLI影像數據中藍、綠、紅、近紅外、中紅外1、中紅外2波段的反射率值。

2.3 遙感生態指數評價模型的構建

在對各分量指標實施標準化過后,利用主成分分析法(PCA)求出主成分,代表研究區域的初始遙感生態指數(RSEI0),研究發現RSEI0值低的地區生態環境較好,而RSEI0值高的地區生態環境反而較差。所以,用1減去RSEI0值,并進行標準化處理,得到的RSEI即為該研究區的遙感生態指數,值越接近1,說明生態環境質量越好。為進一步探索寧波市2015、2017和2022年RSEI的空間異質性,參考《生態環境評價技術規范》,以0.2為間隔,將歸一化后的RSEI分為5個水平,分別為優(0.8～1)、良(0.6～0.8)、一般(0.4～0.6)、較差(0.2～0.4)和差(0～0.2)[12],如表1所示。

3 結果與討論

3.1 分量指標主成分分析

寧波市2015、2017和2020年4個分量指標的主成分分析結果見表2,主成分分析產生的第1主成分(PC1)的特征值所占的比例分別為94.90%、94.83%、94.79%,都大于85%,表明PC1已收集了4個指標的絕大多數特征信息,可以代替綠度、濕度、干度和熱度四個分量指標。PC1中NDVI和WET對RSEI的貢獻方向為負,而LST和NDBSI的貢獻方向為正,與現實情況相符。

進一步分析各分量對PC1的載荷(表2的第3列)可以發現,熱度指標對主成分1的載荷由2015年的-0.55上升到2017年的-0.57,再到2020年的-0.60,呈現上升的趨勢,表明在研究期間內,熱度相對于其他三個指標來說,對RSEI評價模型的影響程度變強。同時,綠度指標對PC1的貢獻率在2015、2017、2020年分別是0.62、0.61和0.55,呈現逐漸下滑的變化趨勢,說明綠度指標相對于其他三個指標來說,對RSEI評價模型的影響程度變弱,與熱度指標相反,綠度指標的正貢獻率愈發下降,也說明在研究期間內寧波市的植被覆蓋度在持續下降。干度指標(NDBSI)對PC1的貢獻度在3年中一直是4個分量指標中最大的,分別達到了-0.74,-0.77,-0.78,說明在研究期間,干度指標是影響寧波市生態環境質量的最主要因素。

表2 指標主成分分析結果

3.2 寧波市生態環境質量變化時空分析

表3為研究時段內2015、2017、2022各年的四項指標及遙感生態指數RSEI統計值。統計結果表明：研究期間內,寧波市的RSEI平均值從2015年的0.84下降到2017年的0.83,到了2020年又進一步下降到0.78,6年來總體下降了7.2%,說明寧波市的生態質量在所研究的時間段內生態環境的較為穩定,略微變差。《寧波市環境狀況公報》顯示,2015、2017、2020年該市生態質量一直處于良好狀態,生態環境狀況指數(EI)分別為80.8、80.1和79.4,等級均為“優”(EI≥75)[13]。雖然采取的方法不同,但也說明了寧波市生態環境狀況在2015—2020年未發生明顯的改變,僅略微下降,這與所得到的研究結果相符。此外,NDBSI均值由2015年的-0.18小幅上升到2017年的-0.19,然后上升到2020年的-0.23,總體提高27.78%。研究表明,寧波市城區在2000年以來快速擴展,其中2015—2018年間寧波市建成區面積的年均增長速率和城市擴展強度分別為18.07 km2·a-1和2.89%[14],寧波市城市擴展持續在進行中,這對生態環境會造成不可避免的影響。

表3 2015、2017、2020年各年份4個指標和遙感生態指數RSEI的統計值

參照《生態環境評價技術規范》,對寧波市生態環境質量進行生態質量等級的劃分,并對各等級對應的面積進行統計。2015、2017、2020年寧波市生態環境質量分級結果見圖2,統計結果見表4，2015、2017、2020年寧波市生態環境質量評價等級面積統計,從生態等級的占比變化情況看,如柱形圖3所示,評級為優的區域面積出現了減少的情況,從2015年的50.26%下降到2017年的43.17%,再下降到2020年的34.22%。評級為一般及以上區域的面積比例在2015、2017、2020年分別為85.94%、85.66%、85.19%,盡管有少量下降,但一直保持在85%以上,說明寧波市生態環境較為穩定,且生態環境質量較好。

圖3 2015、2017、2020年寧波市生態環境質量評價等級面積占比變化情況

表4 2015、2017、2020年寧波市生態環境質量評價等級面積統計

從空間分布上看,2015年寧波市生態環境等級為優的區域面積達到4933.52 km2,基本分布在余姚區南部、奉化區西部、寧海縣北部、象山縣北部、鄞州區東南部以及北侖區南部等地區;生態環境等級為差的占比最少,面積僅為51.04 km2,僅僅占整體面積的0.52%,多分布在慈溪市、鎮海區、海曙區、鄞州區的主城區部分。

3.3 寧波市生態環境質量動態監測

為了分析寧波市不同年份生態質量的具體時空變化情況,在對RSEI的5個生態等級劃分的基礎上,對寧波市2015—2020年間的生態質量進行差值分析,正向差值表示生態環境等級變好的區域,負向差值表示生態環境變差的區域,差值為0表示生態環境等級未發生改變,如圖4所示。

圖4 2015—2020寧波市遙感生態指數等級變化圖

表5統計了2015—2020年來寧波生態環境變化差異,數據顯示：寧波市生態環境等級未發生改變的區域最多,占整體面積的73.29%;而生態環境等級變好的區域僅占整體面積的7.54%,這些生態環境改善的區域主要分布在各城區內部和郊區地區,且分布較為均勻,說明寧波城市在向周邊擴展,造成生態退化的同時,其中心部分的老城區經過不斷改造,生態環境狀況有出現改善。同時可以發現,有19.18%的區域生態環境等級下降了,主要分布在寧海縣和象山縣的北部港口海岸帶。

表5 2015—2020寧波市遙感生態指數等級變化

從圖4可以看出,生態環境變差的區域多分布在中心城區水域周邊和北部港口海岸帶地區,這些區域受水力侵蝕嚴重,沙質和裸巖增多,植被稀疏,整體生態質量低于其他地區。對于中心城區部分,少部分地區有變好的跡象出現,根據相關研究,高功能景觀類型在退化成低功能景觀類型的過程中,產生的污染物會直接或間接影響港口海岸帶的土壤環境、水環境,從而加重海岸帶的生態環境壓力[15]。因此,寧海縣和象山縣北部港口海岸帶區域的生態環境治理工作亟待加強。

4 結論

利用Landsat8 OLI提取綠度、濕度、干度和熱度信息,采用RSEI模型對寧波市生態質量進行評價,進而對寧波市2015—2020年生態質量的時空變化特征進行分析,主要結論如下:

(1)就分量指標而言,寧波市NDVI和WET對RSEI均有正向影響,LST和NDBSI對RSEI均有抑制作用。其中干濕度指標對寧波市RSEI的影響最大,表明寧波市的生態質量主要受城市擴張的影響。

(2)在RSEI指數評估方面,寧波市2015、2017和2020年RSEI均值分別為0.84、0.83和0.78,說明2015—2020年寧波市生態質量變化總體呈現下降的趨勢,寧波市生態環境質量的不斷下降主要與城市化導致的自然條件惡化、氣候變暖、人類活動增加有關。

(3)從空間格局上,寧波市中心城區如江北區、鎮海區、海曙區等區域生態環境質量明顯低于奉化區、余姚區、北侖區等周邊城區,這些地區以丘陵和山地為主,土地利用類型以林地為主,植被覆蓋度和氣候明顯優于中心城區,而中心城區的經濟發展水平又明顯高于這些地區。

(4)在時間序列上,寧波市RSEI評級在一般及以上的面積比例在2015、2017、2020年分別為85.94%、85.66%、85.19%,類型變化檢測以不變為主,變差為次,說明盡管寧波城市規模在不斷擴大,但城市的生態質量一直保持穩定,僅有略微降低,這主要得益于科學的城市規劃、舊城區改造和綠地的擴大。