基于改進遙感生態指數的南昌市生態環境質量監測與評價

王新馳, 魯鐵定*, 龔循強, 周秀芳

(1. 東華理工大學自然資源部環鄱陽湖區域礦山環境監測與治理重點實驗室, 南昌 330013; 2. 東華理工大學測繪與空間信息工程學院, 南昌 330013; 3. 東華理工大學江西生態文明建設制度研究中心, 南昌 330013)

隨著全球氣候變暖和城市持續擴張,生態安全問題被頻繁提上議題。近年來,中國經濟高速發展,部分城市生態環境質量出現下滑的趨勢,如何精準快速地評價城市生態環境質量逐漸成為學者們研究的熱點。隨著遙感技術的快速發展,衛星空間分辨率和光譜分辨率提高,遙感影像包含的信息越來越豐富,遙感技術還具有監測范圍大、重訪周期短、動態監測、圖像預處理較為簡便等特點,因此被廣泛應用于評價大面積、多尺度的區域生態[1-4]。

基于遙感的生態評價指標多采用單一遙感指標,只關注影響區域生態某一方面的因子[5-7]。例如,利用歸一化差值植被指數(normalized difference vegetation index,NDVI) 數據對山西黃河流域NDVI的時空變化與氣候響應關系進行分析[8],采用土地利用覆蓋變化來評價江漢平原景觀生態風險的時空分異特征[9]。為此,相關學者對綜合性評價指標展開了研究[10-12],其中徐涵秋[13]提出基于遙感技術的城市生態綜合評價指標體系遙感生態指數 (remote sensing ecological index,RSEI),該指標體系多年來被廣泛運用于監測沙漠[14]、濕地[15]、草原[16]等多種生態環境特點不同的區域。在此基礎上,相關學者在遙感生態指數的二級指標中加入其他反映生態狀況的指標[17-18],還有將二級指標的加權規則進行改進[19-20],以及考慮到空間連續性[21]和長期陸地生態質量評價[22]并對模型算法提出相應的優化。以上研究均在原有RSEI模型的基礎上添加二級指標或對模型算法進行改進,然而卻忽略了RSEI模型本身的二級指標是否有改進空間。另一方面,遙感生態指數評價區域生態環境只保留第一主成分PC1計算最終結果,而PC1在研究中普遍存在貢獻率不高的問題。

為此,現提出一種改進RSEI(improved RSEI,IRSEI)綠度指標的方法,采用通用歸一化植被指數(universal normalized vegetation index,UNVI) 代替NDVI,UNVI是基于通用模式分解算法(universal pattern decomposition method,UPDM) 的全譜段植被指數[23-24]。采用IRSEI模型與RSEI模型對比,利用Landsat影像數據計算兩種模型對應的PC1貢獻率和各指標平均相關度,并分析南昌市2003—2021年來生態環境質量分布情況和變化趨勢。首先采用UNVI插件在預處理后的Landsat影像計算結果,然后對UNVI結果進行水體掩膜和歸一化處理,與濕度、干度、熱度指標一起進行主成分分析,取第一主分量PC1歸一化后得到IRSEI結果圖。最后對主成分分析統計結果文件進行處理和分析,得到各指標對PC1的載荷值、PC1貢獻率和各指標平均相關度。

1 研究地區與研究方法

1.1 研究區概況

南昌市位于江西省中部偏北(28°10′N～29°11′N, 115°27′E～116°35′E),在贛江、撫河下游,是江西省的省會城市,南昌市地理區位圖如圖1所示。南昌市的東北方向是風景優美的鄱陽湖國家自然保護區,西北方向是樹木茂密的梅嶺國家森林公園,東南方向軍山湖地勢相對平坦。南昌市總面積約為7 195 km2,擁有眾多河流湖泊等水系,水面面積占比約為29.8%。

圖1 南昌市地理區位圖Fig.1 Geographic location map of Nanchang City

1.2 數據來源

選取2003—2021年南昌市Landsat5 TM和Landsat8 OLI遙感影像以6年為間隔的4期數據,其云量均低于5%,數據信息如表1所示。影像時間均為每年的9—10月,因為鄱陽湖是一個吞吐型湖泊,不同月份的水域面積相差較大,會影響水體掩膜后的面積。整個研究區需要兩幅影像來完全覆蓋,在同一年內選取的每幅影像間隔均不超過2個月。

表1 Landsat衛星數據信息Table 1 Landsat satellite data information

影像數據均來源于美國地質調查局(https://earthexplorer.usgs.gov/),多光譜影像預處理的步驟包括輻射定標、大氣校正、影像鑲嵌、裁剪四個步驟。由于大片水域會影響實驗結果,采用改進的歸一化差異水體指數(modified normalized difference water index,MNDWI)掩膜水體信息[25]。土地利用分類數據來源于文獻[26]。

1.3 遙感生態指數計算

遙感生態指數是一種基于遙感影像的,以自然因子為主要成分的區域生態環境質量綜合評價的指數,它具有便捷性、普適性,因而被廣泛應用于城市、濕地、沙漠等各種不同特征區域的生態環境質量監測。RSEI由4種自然因子構成,即濕度、綠度、干度和熱度,每一個因子都有一種對應的生態指標,經過歸一化-主成分分析-歸一化后得到最終的遙感影像,反映區域生態環境質量結果。其遙感定義為

RSEI=f(Wet,VI,NDBSI,LST)

式(1)中:Wet為濕度分量;VI為植被指數;NDBSI為建筑-裸土指數;LST為地表溫度。

1.3.1 濕度指標

濕度指標由纓帽變換[27]獲得,它可以表征區域內空氣、植被、土壤中的含水量,對生態環境有正向影響。衛星搭載的傳感器不同,濕度指標的系數也不同,計算公式為

WETTM=0.031 5ρBlue+0.202 1ρGreen+ 0.310 2ρRed+0.159 4ρNIR- 0.680 6ρSWIR1-0.610 9ρSWIR2

(2)

WETOLI=0.151 1ρBlue+0.197 3ρGreen+ 0.328 3ρRed+0.340 7ρNIR- 0.711 7ρSWIR1-0.455 9ρSWIR2

(3)

式中:WETTM和WETOLI分別為Landsat 5 TM和Landsat 8 OLI傳感器計算的濕度分量;ρBlue、ρGreen和ρRed分別為藍波段、綠波段和紅波段地表反射率;ρNIR為近紅外波段地表反射率;ρSWIR1和ρSWIR2分別為短波紅外1、2波段地表反射率。

1.3.2 綠度指標

根據遙感生態指數模型[13],選用歸一化差值植被指數(NDVI)[28]作為綠度指標對城市生態狀況進行評價,公式為

NDVI=(ρNIR-ρRed)/(ρNIR+ρRed)

(4)

1.3.3 干度指標

由于人類活動,城市不透水面面積增加,因此選取建筑指數(index based built-up index,IBI)與土壤指數 (soil index, SI)的平均值作為干度指標。計算公式為

NDBSI=(IBI+SI)/2

(5)

(6)

(7)

1.3.4 熱度指標

地表溫度是衡量城市生態環境質量的一個重要指標,城市熱島效應[29]對區域生態環境質量有一定影響。本研究采用大氣校正法反演地表溫度來表征熱度,公式為

Lλ=[εB(TS)+(1-ε)L↓]τ+L↑

(8)

(9)

(10)

式中:Lλ為熱紅外輻射亮度值,由熱紅外影像大氣校正得到;ε為地表比輻射率;TS為地表溫度(℃);B(TS)為黑體輻射亮度;τ為大氣在熱紅外波段的透過率,L↑和L↓為大氣向上、向下輻射到達地面的能量,這三者可根據成像時間和經緯度在美國航空航天局(National Aeronautics and Space Administration,NASA)官網獲取(https://atmcorr.gsfc.nasa.gov/)。

1.4 改進的綜合指數構建策略

現提出一種改進綠度指標的方法,利用基于通用模式分解算法(UPDM)的通用歸一化植被指數(UNVI)代替NDVI作為綠度指標。UPDM允許獨立于傳感器的光譜分析,讓每個像素都表示為4個標準光譜的線性組合,并且每個像素的模式分解系數包含大多數傳感器信息。UNVI是一種全譜段的植被指數,公式為

R(i)→[CWPW(i)+CVPV(i)+CSPS(i)+C4P4(i)]

(11)

式(11)中:i為波段編號;R(i)為任何地物或任何像素通過衛星測量的i波段下的反射率;PW、PV、PS、P4分別為4種標準光譜(水、植被、土壤、黃葉)的歸一化反射率值;CW、CV、CS、C4為其對應的分解系數。

由于式(10)中通過UPDM計算的系數矩陣P較為復雜,可進行一定優化后導出矩陣M,用以代替矩陣P[24]。不同的衛星傳感器參數可得到對應的矩陣M,優化后的公式為

C=MR

(12)

式(12)中:R=[R1,R2,…,Rn]T表示遙感數據的反射率光譜;M=[MW,MV,MS,M4]T是一個系數矩陣。C=[CW,CV,CS,C4]T表示標準光譜對應的系數矩陣。Landsat5 TM和Landsat8 OLI對應的系數矩陣M如表2所示[30]。其中,每列從上到下分別為水、植被、土壤、黃葉對應的系數。對于Landsat TM傳感器,利用波段1～5和波段7計算UNVI,波段6為熱紅外波段,不參與UNVI計算;對于Landsat OLI傳感器,利用波段2～7計算UNVI,而波段1為藍波段,主要應用于海岸帶觀測,因此波段1沒有參與UNVI計算。

得到UNVI的計算公式為

(13)

式中:C為UPDM中的系數;a為調節因子。為了使UNVI結果在[0,1]中,a取0.1。

遙感生態指數集成了濕度、綠度、干度、熱度4個指標,由于各指標量綱不同,需要對各指標進行歸一化后才能開始主成分分析,用于統一指標權重,4個指標的歸一化公式為

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

(14)

式(14)中:NI為四個指標歸一化后的值;I為4個指標的初始計算值;Imax和Imin為4個指標初始計算的最大值和最小值。在歸一化前部分數據可能會出現異常值,因此取2%為置信區間,剔除使結果產生誤差的噪聲。

將歸一化后的4個影像進行波段合成,再對合成后的影像進行主成分分析。若綠度和濕度特征向量為正,則取第一主分量PC1為初始遙感生態指數RSEI0;否則取1-PC1為RSEI0。對RSEI0歸一化處理后得到最終的遙感生態指數RSEI。

2 結果與分析

2.1 IRSEI有效性分析

通過表3中各指標對PC1的載荷值可以看出,綠度、濕度的載荷值與干度、熱度相反,說明綠度、濕度對生態環境質量的影響與干度、熱度相反。由于不同軟件主成分分析計算結果不同,若綠度、濕度為負值,干度、熱度為正值,必須采用1-PC1取反進行還原,否則直接采用PC1進行后續計算。由表3載荷值的變化可以看出,濕度和熱度對環境的影響先上升后下降,綠度影響持續上升,干度先下降后上升,說明南昌市植被覆蓋越來越多,建筑裸土對環境的影響也越來越大。

南昌市2003—2021年4期數據RSEI的各分量主成分分析結果如表3所示。貢獻率指的是PC1貢獻率,可根據主成分分析法對濕度、綠度、干度和熱度進行運算,得到PC1特征值所占4個主分量特征值之和的百分比獲取。其中,主成分分析法將4個指標原始特征通過投影集中到幾個特征向量上,PC1能集中原始特征的大部分信息。RSEI模型中主成分分析中PC1貢獻率均不低于74.5%,而各年份IRSEI中PC1的貢獻率均比RSEI模型高,數值為0.1%～7.8%不等,說明IRSEI比RSEI更好集成了各指標特征,更加反映出真實生態環境質量狀況。由于2009年綠度指標對PC1的載荷值偏低,綠度對RSEI的影響比其他年份少,因此PC1貢獻率提高的不多。IRSEI在2021年的PC1貢獻率最高,達到87.8%,說明影像中大部分生態信息都被保留。

表2 基于Landsat5 TM和Landsat8 OLI傳感器的UNVI系數矩陣MTable 2 The UNVI coefficient matrix M for Landsat5 TM and Landsat8 OLI

表3 2003—2021年主成分分析結果Table 3 Principal component analysis results from 2003 to 2021

RSEI和IRSEI模型中各指標的平均相關度如表4和表5所示,平均相關度由某年份某一指標與4個指標相關系數取絕對值求平均值計算得出,相關系數矩陣由主成分分析獲得。可以看出,IRSEI模型中各年份各指標平均相關度都高于RSEI模型,其中綠度指標平均相關度提高了15.4%。就IRSEI模型而言,各指標間平均相關度最高的是NDBSI指標,達到0.860,其他3個指標平均相關度的數值相差不大。IRSEI中4個指標平均相關度的平均值0.792比RSEI模型高出7.2%,說明UNVI比NDVI更適用于RSEI指標體系,能更好地評價城市生態環境質量。

RSEI模型級別變化與土地利用分類對比圖如圖2所示,其中級別變化圖為IRSEI結果減RSEI結果得到,優等級值為5,其他級別依次遞減。以2021年為例,IRSEI主要在植被覆蓋多的地方比RSEI有所提高。南昌市西北部的梅嶺國家森林公園和安義縣以及東南部的進賢縣植被覆蓋較多,在IRSEI模型中的等級比RSEI有所提高,這些等級提高的區域與土地利用分類圖中的林地和耕地區域基本吻合。這是由于UNVI計算時用到6個波段包含的信息,而NDVI只用到2個,故UNVI對大片植被覆蓋的區域更加敏感。IRSEI在城市區域比RSEI有所降低,這些等級降低的區域與土地利用分類圖中的不透水面區域基本吻合。這是由于綠度指標的變化令主成分分析賦權發生變化,最終導致的結果變化。因此,IRSEI模型在這些區域可靠性高于RSEI。

表4 各指標與RSEI平均相關度統計表Table 4 Mean correlation of RSEI and indicators

表5 各指標與IRSEI平均相關度統計表Table 5 Mean Correlation of IRSEI and indicators

圖2 2021年RSEI模型級別變化與土地利用分類對比圖Fig.2 Comparison of RSEI model level changes and land use classifications in 2021

提出利用UNVI代替NDVI來改進RSEI模型的綠度指標,考慮到南昌市綠化較好,植被覆蓋位于全國省會城市前列。IRSEI模型提高了主成分分析中PC1貢獻率和各指標的平均相關度,這意味著改進后的模型增加了遙感生態指數模型中衡量植被對生態貢獻的準確度,提升了各指標與RSEI模型相關性。PC1貢獻率和各指標平均相關度的提高增強了模型抑制噪聲的能力,保留了更多影像信息用于生態環境質量評價。由此說明IRSEI對于植被覆蓋度較高的城市生態環境質量評價效果提升較為顯著,同時也可適用于其他城市的生態環境質量監測及評價。

2.2 基于IRSEI的南昌市生態環境質量狀況

用密度分割功能對南昌市各年份的RSEI影像進行分級渲染,以0.2為間隔分為5個級別:差、較差、中、良、優。IRSEI各指標均值統計表如表6所示,其中IRSEI從2003年的0.543下降到0.460,最終持續上升到0.592,總體增長不顯著。這表明南昌市總體生態環境質量在2003—2009年有所下降,后來政府通過退耕還林、禁止焚燒秸稈等措施使得南昌市生態環境質量穩中向好。其中,濕度在這19年間有所下降,綠度和熱度有所上升。值得注意的是,綠度指標的平均值始終高于IRSEI的均值,這表明南昌市植被覆蓋度較大,對生態環境的影響在4個指標中最大且為正向影響。而熱度的均值上升了0.157,在指標中上升幅度最大,說明南昌市地表溫度上升快,對生態環境質量造成了負面影響。

表6 各年份IRSEI和4個指標均值統計表Table 6 Mean values of IRSEI and four indicators

2003—2021年間南昌市生態環境質量等級分布圖如圖3所示,可以看出2003年南昌市整體生態環境質量較好,高值區主要分布在鄱陽湖附近、梅嶺、安義縣,低值區主要分布于東南方軍山湖周圍、西南方贛江西側的厚田鄉和流湖鎮。2009年,生態環境質量總體較差,IRSEI的均值降低了0.083,生態環境質量分布與2003年大致相同,但是主城區的生態環境質量未明顯低于周圍。在2015年,生態等級為優或差的區域面積很小,中心城區的生態環境質量開始低于郊區,而軍山湖周圍的生態環境質量開始提升。2021年,生態等級優的地區主要分布在梅嶺、鄱陽湖濕地公園和安義縣,中心城區的生態環境質量繼續下降,空間分布差異十分明顯。位于贛江兩岸的南昌城區生態環境質量在這19年間從中等級別變為部分差或較差,這是由于城市建設導致不透水面增加,IRSEI受此影響呈下降狀態,然而郊區的生態系統隨著地方政府的政策干預逐漸向好,最終生態環境質量呈現如今的分布情況。

人為活動對南昌市生態環境質量既造成了正向影響,同時也會有一定的負面影響。2009年后,隨著南昌市經濟的飛速發展,城區的建筑面積持續擴大,這對南昌市中心的生態環境恢復造成壓力。贛江兩岸的第三產業分布密集,人員流動較為頻繁,環境質量分布狀況較復雜,因此IRSEI等級分布圖中這一區域出現較多斑塊。綠度和干度對PC1的載荷值相對于其他指標較高,說明主要是植被覆蓋和人類活動共同作用于南昌市生態環境質量,是導致南昌市生態環境變化的主要因素。

2.3 基于IRSEI的南昌市生態環境質量變化

為了監測2003—2021年南昌市生態環境質量變化情況,對2003年和2021年IRSEI影像進行差值處理得到圖4。圖4按照等間隔把變化等級分為明顯變差(-4～-1)、幾乎不變(-1～1)、明顯變好(1～4)。從空間分布情況可以看出生態環境質量變好的區域主要集中在西南方向的贛江以西的流湖鎮、厚田鄉和東南方向的軍山湖周圍,生態環境質量不變的區域大致分布在梅嶺國家森林公園和西北角的安義縣,生態環境質量變差的區域主要位于在贛江東岸的東湖區、西湖區、青云譜區、青山湖區和贛江西岸的紅谷灘區。這是由于南昌市的市中心位于贛江兩岸,分布著大量的勞動密集型產業園區、居民住宅區、中心商務區,紅谷灘區在20年前則是一片灘涂,后通過抽沙造地成為城區。

圖3 2003—2021年南昌市IRSEI等級分布圖Fig.3 Distribution of IRSEI in Nanchang City, China from 2003 to 2021

圖4 2003—2021年南昌市IRSEI變化檢測圖Fig.4 IRSEI change map of Nanchang City, China from 2003 to 2021

2003—2021年南昌市生態環境質量變化統計如表8所示,其中南昌市每6年生態環境質量不變的區域面積波動不大,為40%左右。南昌市2003—2009年間生態環境質量變差的面積為2 413.91 km2,占比為39.8%,生態環境質量變好的面積為1 111.19 km2,占比18.3%,說明全市經濟快速發展和城鎮化的同時,沒有充分考慮到大量的建設對生態環境的負面影響。而后2009—2015年以及2015—2021年都是生態環境質量變好的面積占比最大,分別為44.6%和41.8%,說明總體生態環境質量先下降后呈現上升趨勢,并且在2009—2015年變好速度最快,在2015—2021年增速放緩。

區域生態質量很難定量評價,可采用當地近年生態政策取得的成效佐證本文生態質量評價結果。鄱陽湖生態經濟區于2012年開始規劃實施建設,在IRSEI模型評價結果中鄱陽湖區域生態質量在2009年后持續上升,這也驗證了IRSEI模型評價的準確性。南昌市在“十三五”期間由“一江兩岸”走向“跨江臨湖、攬山入城”,并且隨著中部崛起和長江經濟帶建設,江西省被列入生態文明試驗區。南昌市在此期間還積極開展了土地污染防治、推進碳達峰行動和加快綠色產業轉型升級等生態文明建設,從結果來看這些措施取得了良好的效果,全市的生態文明水平由此得到提高。

3 結論

本文分析了南昌市各區域生態狀況及變化趨勢,對南昌市區域生態環境質量的量化研究具有重要意義。根據南昌市2003年、2009年、2015年和2021年的Landsat5 TM和Landsat8 OLI的遙感影像數據,采用改進遙感生態指數模型(IRSEI)監測和評價了南昌市生態環境質量的分布狀況和變化情況。實驗結果表明:IRSEI模型各年份中的PC1貢獻率和平均相關度均高于RSEI模型;IRSEI模型增加了模型抑制噪聲的能力,能更加真實客觀地反映南昌市生態環境質量。南昌市的IRSEI在2003—2021年的均值呈現先下降再上升的趨勢,總的來說變化不顯著;根據南昌市生態環境質量變化統計,2003—2009年生態變差的面積最大,2009—2015年增速最高而后增速放緩。

表8 2003—2021年南昌市生態質量變化統計表Table 8 Changes of ecological quality in Nanchang City from 2003 to 2021