基于RSEI的烏魯木齊市生態環境時空變化評價

邢棟,何浩,謝貴臣,周子祺,何超然,李隆基

(新疆大學建筑工程學院,新疆 烏魯木齊 830017)

0 引 言

由于近年來我國的快速發展,城鎮化的進程日益加快,同時也帶來了不少嚴重的環境問題。對于表現出的生態環境質量的變化情況,能夠通過遙感技術對研究領域進行準確、高效、大范圍觀察區域環境的變化并研究其原因[1]。

隨著遙感技術的全面發展,對于遙感生態指數(Remote Sensing Ecological Index,RSEI)的分析評價已然成為一種對區域生態環境監測的重要手段。2013年,徐涵秋等學者通過研究,給出了遙感生態指數是由綠度、濕度、熱度和干度四個環境指數來構成,該指數不但達到了可以定量化評價區域生態環境質量的效果,還可以在空間尺寸上對評估結論做出可視式表述[2]。RSEI模型目前已成功用于對礦井[3]、水電開發區[4]、草原[5]、濕地[6]、流域[7]和城市[8]等地區生態環境的控制和評價。烏魯木齊市區地處新疆中部,處于典型的溫帶大陸性氣候,修建溫度高,比較炎熱,冬季嚴寒,空氣年較差大,年均降雨量小。上述原因都造成了烏魯木齊市的生態環境脆弱,在其城市化過程中也必然會導致生態環境的變遷[9],而生態環境的變遷同樣也將影響該區域的經濟發展,所以認識在城鎮化迅速發展的大歷史背景下的生態環境時空動態變化特點是至關重要的。目前,已經大量研究探討了城鎮化發展水平和地區自然環境質量之間的關聯[10],但是對研究區構建遙感生態指數進而評價區域生態環境質量時空變化利用區域不透水面[11]和夜間燈光[12]等數據定量分析城市化進程與其生態環境質量變化的關系的研究較少。

選取地處西北的烏魯木齊市為實驗區,通過建立RSEI模型,采用主成分分析法并且使用相關軟件進行該區域的生態環境時空動態變化研究;通過提取研究區不透水面數據夜間燈光數據建立遙感生態指數,對該區域的環境變化的驅動力分析。從而確定了西北干旱區的生態環境質量的情況和主要驅動力因素,為之后對相關區域的研究提供了借鑒和參考依據。

1 研究區與數據

1.1 研究區概況

研究區域分布于中國新疆維吾爾自治區北部,天山山脈中段北側,準噶爾盆地南側。總面積為 14 195.858 4 km2,總人口350.4萬人。地處42°45′～44°08′N、86°37′～88°58′E之間。整體地形起伏懸殊,山區面積廣闊。屬中溫帶大陸性干旱氣候,春秋兩季較短,冬夏兩季較長,晝夜溫差大。整個烏魯木齊市包括天山區、沙依巴克區、新市區、水磨溝區、頭屯河區、達坂城區、米東區、烏魯木齊縣。如圖1所示

圖1 研究區位置

1.2 遙感數據

獲得的遙感數據主要來源于國家地理空間數據云,所選取的研究區域云量均小于10%,時間分別為2013年、2015年、2017年、2019年、2021年夏季同一時期的Landat8 OLI遙感影像數據,對研究區生態變換過程進行監測與評估,還獲取了中國范圍逐月夜光影像(NPPVIRS)將其作為驅動力分析的重要一環。同時,通過遙感影像圖提取出了研究區不透水面影像,將不透水面及研究區夜光影像加權綜合后,使用所得結果進行生態環境質量變化的驅動力分析。

2 方法

2.1 實驗整體思路

首先通過對2013—2021年的五幅遙感影像進行處理,得到研究區各年份的綠度、濕度、熱度、干度(Greenness、Wetness、Dryness、Heat)4個自然因子,分別使用歸一化后的NDVI、WET、NDBSI、LST四個指數代替,其中,歸一化處理的計算公式為:

(1)

式中,xi為歸一化后的指標,Xi為原始指標,Xmin為原始指標中的最小值,Xmax為原始指標中的最大值。

再對這4個指數進行主成分分析(PCA)處理,從而構建出研究區各年份所對應的遙感生態指數即RSEI。遙感生態指數涵蓋了植物覆蓋率、濕度、熱度、干度等四種自然環境因子,而上述因子又是直接判斷天然生態環境品質的關鍵因素,因此RSEI指數就可以綜合用來評估和檢測科研區內的自然生態環境品質[13]。因此,本文中通過RSEI分析將反映研究區環境的水平。構建RSEI遙感生態指數函數,即:

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

(2)

式中,NDVI是綠度指標;WET是濕度指標;LST是熱度指標;NDBSI是建筑和裸土指標。

為了更簡單地對比,把所得到的RSEI指數用式(1)經過歸一化處理后,使其值的范圍處于[0,1]左右,而RSEI的取值范圍越接近于1就說明生態環保質量越好,由此可以對研究區各個年份的生態環境質量做出評價。之后,再將相鄰年份的RSEI值相減,可由所得差值的數值大小來對研究區的生態環境質量進行時空變化評價。

環境變化驅動力分析方面,首先通過遙感影像進行對研究區不透水面的提取,再與研究區夜間燈光遙感數據影像進行加權綜合,觀察所得結果與其對應的RSEI指數的關聯性,分析其內在原因,從而達到研究區環境變化驅動力分析的目的。實驗整體思路如圖2所示。

圖2 實驗整體思路

2.2 RSEI各參數計算

RSEI遙感生態指數模型是由綠度指標(NDVI)、濕度指標(WET),熱度指標(LST)、干度指標(NDBSI)構建,各個指標計算如下:

(1)綠度指標(Greenness)

綠度指數和所研究區域內的植被覆蓋生物量、葉面積指數和植物涵蓋度等都有關,而NDVI也是目前使用得最普遍的植物指標。NDVI的計算公式為:

NDVI=(B4-B3)/(B4+B3)

(3)

式中,B3和B4分別代表遙感數據紅外和近紅外波段的反射率。

(2)濕度指標(Wetness)

遙感纓帽上所獲取的亮度、綠度、濕率等分量,已被普遍地運用于生態環保監測中。溫濕度指數即以這一溫濕度分量為代表,溫濕度分量反映了水體和土壤、植物之間的溫濕度關系,與自然環境有關。WET的計算公式為:

WET=0.1511×B2+0.1973×B3+0.3283×B4+0.3407×B5-0.7117×B6-0.4559×B7

(4)

式中,B1～B6分別代表遙感數據的藍、綠、紅、近紅外、短波紅外1和短波紅外2波段的反射率。

(3)干度指標(Dryness)

干度指數是反映研究區域“干化”程度的指標,城市區域的“干化”大多由于建設型地的擴張和土地大規模的裸化而導致。利用建筑指數(IBI)和裸地指數(SI)合成得到的建筑裸土指數(NDBSI)來代表研究區的干度指標。NDBSI的計算公式為:

SI=(B6+B4-B5-B2)/(B6+B4+B5+B2)

(5)

IBI=(2×B6/(B6+B5)-(B5/(B5+B4)+B3/(B3+B6)))/(2×B6/(B6+B5)+(B5/(B5+B4)+B3/(B3+B6)))

(6)

NDBSI=(IBI+SI)/2

(7)

式中,B2、B3、B4、B5、B6分別指的是landsat8的對應波段。

(4)熱度指標(Heat)

利用地表溫度(LST)來表示熱度指標,地表溫度也是判斷生態環境質量的重要部分。LST的計算公式為:

pv=(NDVI-0.05)/(0.7-0.05)

(8)

e=0.04×pv+0.986

(9)

L10=gain*TIRS1+bias

(10)

T=K2/ln(K1/L10+1)

(11)

LST=T/(1+(lamda*T/p)*ln(e))

(12)

式中,e為地表輻射率;gain=(Lmax-Lmin)/255,bias=Lmin其中Lmax、Lmin分別為最大、最小光譜輻射亮度值,該值可從Landsat8的MTL文檔中查詢獲得,TIRS1為Landsat8中的熱紅外波段。K1,K2值可從Landsat8的MLT文檔中查詢獲得。TIRS1波段的中心波長 1.089 5微米,lamda=1.089 5;p=0.014 38。

2.3 主成分分析

主成分分析法(PCA)通過運用降維的思路,把多指數轉變為少數多個綜合指數(即主成分),其各個主要因素均可以表達各因素的主要內容,且所需數據并不重疊。通過這個方法,在引入更多因素的同時把復雜因素歸于多個主要因素,使問題更簡單化,而同時得出的結果也是合理的數據質量。通過在這些指數中選取關鍵的且相對獨立性的綜合指數,進行生態環境評估。在通過了主成分分析之后,第一主成分PC1也就是初始遙感環境指標的RSEI0。在個別情況下,生態較好的區域RSEI0值反而越低,這時候可以用1-RSEI0公式進行計算,使RSEI值高的地方表示生態越好。對所獲得的RSEI值經過了規范化處理,使得其范圍在[0,1]之間。值越高,說明該區域的自然環境較好。

3 實驗結果

3.1 生態環境指標主成分分析

由表1可以得知,在時間區域中,2013年、2015年、2017年、2019年以及2021年的生態環境指標的第一主要元素的特征值分別為0.146 8,0.041 0,0.130 4,0.028 9,0.156 1,并且它們對相應的特征值貢獻率平均值都超過70%,說明了PC1已經涵蓋了四個指數中的主要特征。

表1 遙感生態指數的主成分分析

由表2可以看出,2013年、2017年研究區RSEI指數均值的大小較為接近,且低于其他年份,分別為0.243和0.241,而2015年、2019年以及2021年研究區RSEI指數均值較為接近,分別為0.361,0.382和0.396,這五年的RSEI指數均值整體為上升趨勢。從每年4個生態指標變化趨勢顯示,綠度指標的均值從2013年到2019年有略微減少的特征,而2021年有增加的趨勢。濕度指標的均值從2013年到2021年一直呈略微減少的特征。熱度指數和干度指數的均值都顯示從2013年到2015年為下降態勢,到2017年為上升態勢,且2017年～2019年基本保持不變,到2021年的再次下降。從以上各項指數的平均變化來看,綠度指標和干度指數平均數的變動幅度都很大,表明了影響烏魯木齊市生態環境變動的重要因子就是綠度和干度。根據近五年的RSEI均值變化結果得出,從2013年到2021年,烏魯木齊市的自然與生態環境有所改善。

表2 不同年份各生態指標與RSEI歸一化均值統計

3.2 生態環境質量分級

利用相關軟件操作,得到了主成分分析后PC1的遙感圖像后,參考國家《生態環境評價技術規范》中的環境分類規范,將遙感生態指標按照0.2的間隔劃分為5個級別,分別為生態差(0～0.2)、生態較差(0.2～0.4)、生態一般(0.4～0.6)、生態良(0.6～0.8)和生態優(0.8～1.0),并得出了生態環境質量劃分等級圖如圖3,并進行了分類計算后得到了圖4。

圖3 烏魯木齊市RSEI的等級分布

圖4 2013—2021年烏魯木齊市遙感生態指數分級及各等級面積

從遙感生態指數空間分布(圖3)可以得到生態環境質量等級較低的區域集中在烏魯木齊市北部(米東區)的沙漠地區,以及西南部(烏魯木齊縣)和東南部(達坂城區)海拔較高的地區。

由圖4可知,同一等級下不同年份所占的面積具有明顯差異,2013年和2017年在差和較差兩個等級中明顯超過其他年份,也說明了2013年以及2017年生態環境質量較差,相應的RSEI指標較低。2013年等級為差的區域占總面積的56.69%,而2015年等級為差的面積則占比為25.67%,2017年又升至58.95%,到了2019年以及2021年等級差面積占比明顯下降,占比下降至22.08%和29.32%。等級為較差的地區面積比例由2013年占比22.03%增至2015年的40.25%,表明從2013年以來生態環境狀況較差的地區情況有所好轉,但2017年級別為較差的地區面積比例又降至21.08%,表明從2015年—2017年間的生態環保狀況較差,2019年和2021年級別為較差的地區面積占比增至38.76%和31.08%。生態等級為一般的區域面積占比變化趨勢大致與等級較差的區域面積占比相同,也可看出2013年～2015年生態環境的改善以及2015年—2017年間生態環境惡化。生態等級為良的區域除了2017年的面積占比略有下降以外,其余呈上升趨勢,其等級為良的區域面積占總面積的百分比分別為7.01%、7.99%、5.68%、9.66%以及10.72%。生態等級為優的區域面積變化趨勢與等級為良的區域面積變化趨勢相同,2017年面積有所下降,各年度的百分比分別為2.77%、7.24%、4.05%、8.02%及13.34%。通過以上分析可知,2013—2021年這8年間生態環境質量經歷了一個既有改善又有惡化的起伏的狀態,總體趨勢是隨著時間的推移烏魯木齊市生態環境質量是得到改善的,且2017年的生態環境質量惡化最為嚴重。

3.3 生態環境時空變化評價

為了進一步研究烏魯木齊市2013—2021年生態環境變化情況,本實驗對各年份的RSEI指數值進行了變化監測。具體方法是將相鄰年份的RSEI指數值相減并將差值分為了5個等級,顯著惡化(≤-0.6),輕微惡化(-0.6～-0.3),未變化(-0.3～0),輕微改善(0～0.3),顯著改善(≥0.3),并得到了對應的空間分布圖如圖5以及生態環境變化等級情況如表3。由表3可知,2013—2015年烏魯木齊市生態環境顯著惡化和輕微惡化的面積占總面積的3.28%,而輕微改善和顯著改善的百分比為79.43%,因此2013—2015年烏魯木齊市的生態環境質量有了較大的改善。2015—2017年生態環境顯著惡化和輕微惡化的面積占總面積的7.32%,輕微改善及顯著改善的面積占總面積的15.54%,而未變化的面積的百分比為77.23%,未變化等級的RSEI指數差值范圍為-0.3～0,因此總體來說,2015—2017年生態環境質量呈惡化趨勢。2017—2019年惡化的面積百分比僅占1.35%,而改善的面積百分比為85.77%,故2017—2019年生態環境質量大幅度提高。2019—2021年惡化的面積占2.13%,改善面積占37.97%,因此2019—2021年生態環境質量有所提高。對空間位置上分析,生態環境質量惡化的地區集中在烏魯木齊市的西北部(頭屯河區、新市區及米東區西南部)和西南部(沙依巴克區、烏魯木齊縣)城市建設擴張的區域。但總體來說,2013—2021年烏魯木齊市的生態環境質量是在逐步得到改善,只有極少數城市建設擴張地區存在惡化情況,也說明近年來對烏魯木齊市區的環境治理工作有顯著成效,生態環境發生好轉。

表3 2013—2021年基于RSEI的生態環境變化等級情況

圖5 2013—2021年烏魯木齊市RSEI變化監測

4 討論分析

為了探究人類活動等因素對研究區生態環境質量的影響,以由遙感影像所提取出的不透水面影像(如圖6左)和研究區夜光影像(如圖6右)為基礎,深入探討城市擴張對生態環境質量的影響。將不透水面影像與夜光影像的像元值分別進行歸一化后,在進行加權綜合,分析烏魯木齊市各縣區2013—2021年人工地面的變化情況,以此作為烏魯木齊市2013—2021年的城市擴張情況。并將其與研究區各縣區的RSEI均值做比較,從而得出研究區城市擴張和生態環境變化之間的內在關系。

圖6 2013年烏魯木齊市不透水面及夜間燈光影像

對研究區內的各縣區(7區1縣)進行逐一分析,統計分析各縣區人工地表占比(各縣區人工地表面積與研究區總面積之比)以及對應時期的RSEI均值。分析結果如圖7顯示,從分析結果可以看出各縣區的人工地面面積占比與各縣區RSEI均值呈現出正相關性,且2013年、2015年、2017年以及2021年四條曲線的相關性相似,其中2019年曲線的相關變化趨勢也略區別于其他年份。考慮到地區城市化與擴張發展之間的空間相關性以及對地區生態環境質量的威脅程度,從各縣區RSEI均值與其對應的人工地表占比的擬合函數可以看出城市化程度的加深對研究區各縣區生態環境質量影響存在差異,由圖7中2017—2019年間函數曲線的變化就可以得出在研究地區于2017—2019年間各縣區人工地表區域快速擴張對其生態環境質量的干擾較強,而對其余年份相對較弱。研究區在2013—2021年城市擴張的發展進程中,人類活動范圍的快速擴大對地區生態影響很強,同時也與各縣區的人工地表占比及各縣區RSEI平均呈現出了顯著的正相關。存在以上的實驗結果,這與烏魯木齊市的地理位置和獨特的氣候有這較大的關系,其屬于溫帶大陸性氣候,天氣干燥,夏季炎熱,冬季寒冷,也因此使得烏魯木齊的東南部(達坂城區)出現大面積裸地以及北部存在大面積沙漠,這也造成了其RSEI均值的偏低。人類活動區域的擴張雖然會給該區生態環境帶來一定的破壞,但隨著近年來人類對生態環境地保護及修復能力的不斷提升,城市擴張同時也會給該區域帶來植被及水體,這也使該區的RSEI均值不降反增。因此,烏魯木齊市在城市擴張的進程中該區域的生態環境質量會得到一定的改善。同時也說明,在城市建設過程中,人類也越來越重視生態環境的保護。

圖7 不同時期各縣區人工地面面積占比與RSEI值統計關系

5 結 論

本文利用了主成分分析法(PCA)構建出了不同時間研究區的RSEI指數,在其基礎上研究了烏魯木齊市生態環境質量變化及發展趨勢,并做了驅動力分析。主要結論如下:

(1)通過主成分分析可知,2013—2021年研究區的生態環境質量總體得到改善,且其中NDVI和NDBSI的變化幅度較大,說明影響烏魯木齊市生態環境變化的主要因素為綠度和干度。

(2)2013—2021年烏魯木齊市的生態環境質量經歷了一個既有改善又有惡化的起伏的狀態,總體趨勢是隨著時間的推移烏魯木齊市生態環境質量是得到改善的,其中2017年的生態環境質量最差。

(3)通過對研究區各個年份RSEI指數值進行了變化監測,得出2013—2015年、2017—2019年以及2019—2021年研究區的生態環境質量都具有較大改善,而2015—2017年研究區生態環境顯著惡化和輕微惡化的面積以及未變化的面積占總面積的84.55%,輕微改善及顯著改善的面積僅占總面積的15.54%,可以得出2015—2017年研究區生態環境質量有較大程度的惡化。

(4)通過對研究區城市擴張和生態環境質量關系的討論分析,2013—2021年各縣區人工地表占比與各縣區RSEI均值呈正相關性,即在城市擴張的進程中,該區域的生態環境質量會得到一定的改善。