廈漳泉新興都市區生態質量遙感評價

王美雅

廈漳泉新興都市區生態質量遙感評價

王美雅*

閩南師范大學歷史地理學院, 漳州 363000

城市生態系統和地表生物物理組分之間存在復雜的潛在非線性關系, 這使得城市聚集的都市區生態質量客觀評估遇到了技術挑戰。針對性選取干度、路網密度、土地利用程度綜合指數、植被覆蓋率、生態連接度、濕度、熱度、生態系統服務價值指數8個城市生態重要影響因子, 利用主成分分析進行指標集成建立城市生態評價遙感指數UEQ, 并分析不同等級UEQ與地表景觀格局指標的定量關系, 評價區域一體化背景下廈漳泉新興都市區生態狀況。結果表明, 受8個指標綜合作用, 廈漳泉都市區UEQ均值為0.558, 生態指數等級為中等。對比UEQ指數的8個指標分量, 對生態質量起正向作用的生態系統服務價值指標值較低, 對生態質量起負向作用的干度、土地利用程度綜合指數和熱度指標值較高, 其它4個指標貢獻度較低。從空間分布來看, 廈漳泉都市區生態質量總體呈“西高東低”的空間格局。東部核心區高不透水面覆蓋地區, 生態用地的生態效益較低, 其生態質量比都市區整體平均值低0.212; 西部綠色山地保育帶, 完整連續的生態用地發揮的生態效益也更高, 其平均生態質量比總體平均值高0.104。不透水面斑塊小、斑塊內部連通度低且斑塊聚集度低的區域, 其生態質量好于不透水面斑塊大、斑塊內部高度連通且斑塊高度聚集的區域。

廈漳泉都市區; 城市生態評價遙感指數; 生態質量; 地表空間格局; 遙感

0 前言

都市區已成為我國城鎮化空間的主要形態, 具有強大的集聚效應和輻射效應推動城市區域發展, 其城鎮用地快速擴張并不斷聚集使得地表景觀格局趨于復雜化和破碎化, 產生了大體量的水、熱和大氣污染等城市代謝, 生態用地生態調控能力嚴重不足, 引起一系列城市生態問題[1]。如何實現都市區城市用地布局與生態環境協調發展, 是關系到中國未來可持續發展的重大課題。分析評價都市區生態質量空間狀況有助于提高都市區內城市建設與區域生態平衡互饋關系內在機制的認知能力, 為都市區大中小城市協調發展提供科學參考。

遙感衛星影像能夠在全球范圍內提供及時、一致的數據, 更綜合、準確地反映地物光譜和熱信息等生態指標狀況[2], 在生態評價研究領域得到廣泛地應用, 大大彌補了傳統半定量監測評價方法的缺陷。早期研究僅用單一因子來體現某個區域整體生態狀況, 評價結果過于片面[3-4]。為此, 我國發布并優化了生態環境指數(EI)[5]。許多學者也相繼開展了多指標集成進行生態狀況評價的研究[6-7]。但大多研究存在評價因子過于繁瑣, 評價指標難以獲取, 指標權重主觀性較強, 評價結果不能體現區域生態狀況的空間差異等問題。如LIANG等[7]運用土地利用分類、植被指數等遙感影像數據和人口密度、收入等社會數據, 提出了綠度、擁擠度、經濟狀況和市容4個指標, 用以評估1990-2000年美國Indianapolis市生態質量變化。而后, 徐涵秋[8]提出了遙感生態指數(remote sensing based ecological index, RSEI), 選取綠度、干度、濕度和熱度4個指標, 采用不受人為干擾的主成分分析法耦合為一個評價綜合生態狀況的指數。賈有余等[9]選取凈初級生產力、地表溫度、地表裸露度和植被覆蓋度4個指標, 利用空間主成分分析方法構建生態評價模型分析蘇州吳中區陸域生態保護紅線區生態環境質量的時空變化特征。王苗等[11-12]?？傮w看來, 遙感在生態環境領域的運用已取得一定成果, 但針對都市區生態快速、準確的評價機制仍不明確。

根據城市生態質量評價結果, 建立地表空間格局與生態指數間的響應機制是科學、合理進行城市空間格局優化的關鍵。景觀指數能較好指示城市地表空間格局變化, 為地表空間格局對生態環境的影響機理研究提供理論基礎[13]。景觀指標與生態質量指數回歸分析, 可以揭示地表空間格局差異對生態影響。景觀格局指數可指示不同生態狀況[14]。目前, 兩者關系研究多為定性描述, 綜合量化生態質量值與地表空間格局相關關系的研究較少。

廈漳泉新興都市區, 位于21世紀海上絲綢之路核心區, 是福建省兩大核心城市群之一。2010年福建省提出構建廈漳泉都市區, 隨著廈門、漳州和泉州3個城市一體化建設的不斷推進, 未來廈漳泉都市區空間仍將繼續擴張, 將極大改變周邊區域的自然生態景觀。都市區規劃明確指出保護生態環境, 控制城市規模, 科學優化都市區中心城市空間布局。因此, 本文重點研究都市區生態快速、準確的定量評價方法, 在此基礎上探討適宜城市地表空間格局與生態環境的相互耦合機制, 以期為廈漳泉都市區實現區域科學管理與建設提供理論指導依據。

1 材料與方法

1.1 研究區概況

廈漳泉都市區地處福建省東南沿海, 位于23.5°N—25°N, 117°E—119°E。范圍包括廈門市、泉州市區、漳州市區、惠安縣、南安市、晉江市、石獅市、龍海市(現龍海區)、長泰縣(現長泰區)、漳浦縣、云霄縣、東山縣、詔安縣等三市城縣(圖1), 總面積為1.4萬km2。2019年, 廈漳泉都市區GDP總量為 18362億元, 占福建省GDP總量的43%, 常住人口占福建省人口的38%[15]。

圖1 廈漳泉都市區范圍

Figure 1 The study area

1.2 數據來源

主要研究數據為廈門、漳州、泉州區域2019— 2020年夏季Landsat 8衛星影像, 影像詳細信息見表1。所選影像季節相近, 基本無云層覆蓋。參照文獻[16-17]模型和參數以及Landsat 8網站提供的公式和參數對Landsat 8影像進行輻射校正, 將影像DN值轉換為傳感器處反射率。

1.3 城市生態評價遙感指數UEQ

采用“壓力-狀態-響應”機制建立生態質量評價指標體系。生態壓力指標反映廈漳泉都市區土地利用過程中面臨的生態壓力, 選取干度()、路網密度()、土地利用程度綜合指數()3個指標; 生態狀態指標反映廈漳泉都市區在面臨風險壓力時所處于的狀態, 選擇植被覆蓋率()、生態連接度()2個指標; 生態響應指標反映土地利用生態環境對面臨風險源的響應, 選取濕度()、熱度()、生態系統服務價值指數() 3個指標。其中, 干度反映地表“干化”程度, 地表裸露越厲害的區域生態質量越差; 路網密度反映城市密集道路交通網絡對自然生態地表的影響; 土地利用程度綜合指數反映人類活動對土地利用方式和結構的綜合作用程度; 植被覆蓋率反映城市植被健康和覆蓋度狀況; 生態連接度反映快速城市化過程中城市生態用地空間格局的優劣[18]; 濕度反映地表土壤和植被的濕度; 熱度反映地表溫度空間格局; 生態系統服務價值指數反映區域生態環境狀態和調節能力。

選取以上8個遙感指標, 采用主成分分析來自動量化各個指標對生態的貢獻度, 避免了人為干擾, 且能實現評價結果空間可視化。由此, 構建基于遙感的城市生態評價模型(urban remote sensing ecological quality index, UEQ)。8個指標計算方法如下:

(1)干度: 干度指標(normalized difference built-up and soil index, NDBSI)采用裸土指數SI與建筑指數IBI的均值來綜合代表[19], 公式為:

其中:

表1 研究區Landsat影像

(2)路網密度: 數據來源于2020年開放街道圖數據(open street map, OSM), 基于OSM數據提取城市高速公路、主干道、次干道和鐵路等道路矢量信息, 并采用核密度計算城市路網密度空間分布。計算方法為: 以300 m×300 m方形網格作為路網密度基本計算單元, 網格內道路總長度與面積之比為路網密度, 單位為km·km-2。將反演得到的路網密度專題圖重采樣為30 m分辨率。

(3)土地利用程度綜合指數: 通過將土地利用程度按照土地自然綜合體在社會因素影響下自然平衡保持狀態分級賦值, 從而給出土地利用程度綜合指數定量化表達式[20], 公式為:

式中,為土地利用程度綜合指數,i為第類土地利用程度分級指數,C為第類土地面積占總面積的比重。

(4)植被覆蓋率: 選用歸一化植被指數NDVI表示, 其公式為:

式中,和分別為近紅外和紅光波段。

(5)生態連接度: 首先, 采用隨機森林(random forests, RF)分類算法[21]提取林地、耕地、草地、水體、不透水面和其他用地6種土地覆蓋類型。RF算法生成決策樹數量和用于測試的特征數目參數分別設置為500和3。將這6種地表景觀類型分成生態用地(林地、耕地、草地、水體)和障礙面(不透水面和其它用地)2大類。接著, 基于最小耗費距離模型, 以障礙面為“源”, 6種景觀類型為阻力面計算障礙影響指數(barrier effect index, BEI)。然后, 以生態用地為“源”, 障礙影響指數BEI為阻力面, 計算4種生態用地經過2種障礙類型實現連接所需要克服的阻力[22], 得到生態連接度評價結果。

BEI指數反映不透水面等阻礙類型對植被和水體等生態用地斑塊之間實現結構聯系的阻隔程度, 某給定障礙物產生的障礙效應隨最小耗費距離的增加呈對數增加[23], 公式為:

式中,Y為第種障礙物所產生的障礙效應;b為第種障礙物類型的權重系數, 其值參照文獻[24];s1和s2分別為不同障礙類型指數遞減函數的校正系數;d為通過最小耗費距離模型計算出的最小耗費距離;為障礙類型的種類數。得到研究區指數后, 基于最小耗費距離模型計算生態連接度, 公式為:

(6)濕度: 采用纓帽變換的濕度分量()來表示[25], 其公式為:

(7)熱度: 采用單通道算法反演的地表溫度(land surface temperature, LST)表示熱度[26-27], 公式為:

式中,sensor為傳感器處亮溫值;1和2分別為熱紅外波段定標常數;sensor為熱紅外波段輻射值;和分別為基于Planck函數的2個參數;為地表比輻射率;1、2和3為大氣水汽含量函數。

(8)生態系統服務價值指數: 生態系統服務價值指數[28]計算各個土地利用類型的服務價值、各項服務功能的價值和生態系統服務總價值, 其公式為:

式中,為生態系統服務價值指數,ij為第個區域類土地利用類型面積,A為第個樣方總面積,i為第類土地利用類型的生態系統服務價值系數。

模型構建: 所反演8個指標的量綱不盡相同, 因此, 基于主成分分析方法計算之前, 必須對它們進行歸一化, 將它們的值都統一到[0, 1]之間。采用主成分分析方法(principal component analysis, PCA)構建城市生態評價遙感指數[29]。其第1主成分(PC1)最大程度地集成了各變量信息, 可用來耦合以上8個指標變量, 構建模型, 其計算公式為:

為使大數值代表生態狀況好, 先用1減去來獲得初始生態指數0, 對0結果進行歸一化, 使其值介于[0, 1]之間。值越接近1, 代表生態質量越好。

1.4 地表景觀格局指數

地表景觀格局質量優劣與城市生態質量密切相關。將表征下墊面性質的不同面積、形狀及空間組合的植被和不透水面類型斑塊視為景觀組分, 選取了5個穩定適用的類型水平景觀格局指數構建定量分析指標體系(表2), 計算各景觀指數在生態指數的不同等級上的指標值, 以進一步探究不同地表類型的空間格局對城市生態質量的影響。

2 結果與分析

2.1 UEQ指數分指標反演結果

圖2為廈漳泉都市區UEQ指數8個指標反演結果。表3為利用主成分分析方法計算得到的指標權重和方差信息。由表3可知, 8個指標第1主成分累計方差貢獻率為78.6%, PC1可以較大程度地集成各變量信息。統計對比其他特征分量結果, PC2和PC3累積方差貢獻率僅為7%和5%, PC4—PC8累積方差貢獻率均小于5%, PC2—PC8累積方差貢獻率之和遠小于第1主成分, 且PC2—PC8中的8個指標值符號和大小均不穩定, 容易忽略某些重要信息且不符合實際生態情況。因此, 可用PC1來耦合城市生態評價模型的8個指標變量。對比不同指標的PC1荷載值符號可以看出, NDVI、ECI、W和V荷載值均為正值, 均對生態質量起正向作用, 而NDBSI、RD、La和LST荷載值均為負值, 它們對生態質量起負向作用, 這與城市生態情況相符。

不同指標呈現出不同的空間分布狀況 (圖2)。由圖2可知, 對比NDBSI指標(圖2a), 不透水面密集分布的城市中心區域, 干度指標明顯高于自然覆蓋地表區域, 且空間分布上成連片性。對比RD指標(圖2b), 城郊路網密度表現了較強的差異性, 即廈漳泉城市中心區域路網密度高值集聚性較強, 西部城鎮外圍區域低值區較多。對比La指標(圖2c), 在經濟發達的東部平原地區, 人類活動對該區域的生態環境干擾強烈, 土地利用程度高于交通和經濟發展相對落后的西部山地區域。對比NDVI指標(圖2d), 在城市周邊具有植被覆蓋率高的大型山體綠地, 而在城市中心區域, 植被覆蓋率則明顯低于郊區。對比ECI空間分布(圖2e), 城市連接度水平最高的區域主要位于城市周邊區域, 均表現出明顯的孤島狀分布態勢; 低連接區域主要位于城市中心不透水面密集的區域, 表現出良好的結構連接性。對比W指標(圖2f), 西部林地集中分布的區域濕度高于東部沿海建筑密集分布區域。對比LST指標(圖2g), 城市建筑密集區域熱度明顯高于大片綠地和水體分布區域。廈漳泉城市中心連片區具有較大比例的高溫區。對比V指標(圖2h), 廈漳泉都市區沿海濕地具有高生態系統服務價值, 西部林地連片區也具有較高生態系統服務價值, 人口密集的東部核心區, 開發強度大, 以建設用地和農田為主, 生態系統服務價值最低。

表2 景觀格局指數指標

圖2 8個生態指標反演影像

Figure 2 Eight ecological indicators maps

表3 研究區UEQ指數8個指標主成分分析結果

2.2 廈漳泉都市區生態質量空間格局

通過UEQ模型反演得到廈漳泉都市區UEQ指數均值為0.558(表3, 圖3), 生態指數等級為中等。UEQ各指標中, 起正向作用的生態系統服務價值指數指標值較低, 對生態質量起負向作用的土地利用程度綜合指數、熱度和干度指標值較高, 雖然起正向作用的植被覆蓋率、濕度和生態連接度指標值較高, 起負向作用的路網密度值較低, 但這4個指標對PC1的貢獻度較低, 綜合作用下, 使得UEQ值為中等水平。為進一步分析UEQ指數的代表性, 將UEQ值以0.2為間隔劃分成5級, 1—5級分別代表生態差、較差、中等、良和優5個等級, 統計各等級區域面積所占比例。結果表明, 城市生態等級為中等、較差和差區域面積均占廈漳泉都市區總面積的54%; 而生態等級為優和良的區域面積占46%。UEQ等級為差和較差的區域主要分布在城市和副城市中心高不透水面覆蓋地區, 這些地區人類活動頻繁, 植被覆蓋率低, 建筑、道路等人工地表的阻隔使得生態用地生態效益較低, 熱島效應嚴重, 導致其生態質量差; 而生態等級為優良級別的區域主要分布在城市大塊綠地和外圍山體植被覆蓋區, 這些地區人類活動較少, 其植被覆蓋率和濕度高, 干度和熱度低, 空氣質量較城區好, 完整連續的生態用地發揮的生態效益也更高, 因而表現出較優的生態等級。

圖3 研究區城市生態評價遙感指數(UEQ)等級分布圖

Figure 3 UEQ-levels distribution map

分區來看, 廈漳泉都市區生態環境質量總體呈“西高東低”的空間格局(圖4)。都市區西部和西南部為綠色山地生態保育帶(南安市、長泰縣(現長泰區)、漳浦縣、云霄縣、東山縣、詔安縣等), 其平均生態質量指數達0.662, 比研究區平均值高0.104; 而東部核心區的廈門湖里區和思明區、泉州鯉城區、晉江市、石獅市、漳州龍文區的生態質量指數平均值為0.346, 比研究區平均值低0.212, 生態質量排名靠后。城市功能定位一定程度上影響了城市生態質量的優劣。生態質量低于平均值的13個區縣均集中在都市區核心區, 其中7個縣市功能定位以制造業基地、化工基地和產業基地等為特色優勢產業。這些城市核心區域工業發展與生態環境質量的提升并未形成良性互動, 甚至導致生態質量評價結果較差。

2.3 地表景觀格局對UEQ指數響應特征

計算地表景觀格局指標和UEQ生態質量指數不同等級間的定量關系, 結果表明(表3), 不透水面和植被(林地、耕地、草地)對區域生態質量的影響主要來源于景觀要素的平均斑塊面積(PA_MN), 斑塊連通度(CI_MN)和斑塊聚集度(AI)的影響。UEQ等級差和較差的區域, 不透水面的PA_MN達2.9 hm2以上, 而UEQ等級為優良區域的PA_MN只有不到0.3 hm2(表4)。相反, UEQ等級優、良的區域, 植被PA_MN達15 hm2以上, 而UEQ等級為較差、差區域的PA_MN不到3.5 hm2。UEQ等級為差和較差區域不透水面的CI_MN值比UEQ等級為優和良區域平均高0.09(表4)。相反, UEQ等級為優和良區域的CI_MN值比UEQ等級為差和較差區域平均高0.1。UEQ等級差區域不透水面的AI值也高于UEQ等級優和良區域, 前者的AI值超過80%, 后者小于40%。生態優良的區域, 植被的AI值也高于生態差的區域, 前者的AI值超過89%, 后者小于46%。由此可見, 城市不透水面斑塊小、斑塊內部連通度低且斑塊聚集度低的區域, 其生態質量好于不透水面斑塊大、斑塊內部高度連通且斑塊高度聚集的區域。植被斑塊大, 斑塊內部高度連通、斑塊高度聚集的區域, 其生態質量好于植被斑塊面積小且內部連通度低、斑塊聚集度低的區域。結合UEQ指數結果來看(圖3、圖4), 廈漳泉都市區各區縣生態質量等級分區明顯, 各縣區生態協調聯系不夠。因此, 未來廈漳泉都市區進行土地空間利用規劃時也應注意一體化協調發展, 各區縣應考慮城市建筑用地和綠地景觀的面積、連通和聚集程度對生態質量影響。

圖4 廈漳泉都市區生態質量空間格局差異

Figure 4 Spatial pattern difference of UEQ value of Xiamen-Zhangzhou-Quanzhou metropolitan area

表4 UEQ與6種景觀格局指數的相關系數

注: **即在0 .01 水平(雙側)上顯著相關。*即在 0.05 水平(雙側)上顯著相關。

表5 5個UEQ等級對應的不透水面和植被景觀格局指數

3 討論

UEQ模型評估結果表明廈漳泉都市區生態質量指數均值為0.558, 各區縣最小值為0.242, 最大值為0.698。與其它同樣采用主成分的城市生態質量指數結果相比[30-34], 生態質量指數均值集中在0.4—0.6之間, 如上海市(0.48—0.61)[30]、武漢市(0.53—0.60)[31]、南京市(0.62)[32]、渭南市(0.48—0.56)[33]。因此, UEQ模型模擬結果較為可靠。

已有城市群生態研究的區域包括長三角城市群、珠三角城市群等大城市群[37]。UEQ模型結合RS和GIS優勢, 通過采用主成分分析方法實現指標自動集成, 相比人為賦權重更具客觀性, 且實現區域生態質量的可視化。但受數據獲取限制, 部分評價因子如道路數據僅獲取較新年份數據, 未能實現時間序列變化的分析; 土地利用程度和生態系統服務價值指數的部分參數數據來源于前人研究成果[20, 28], 然而生態質量機理較為復雜, 這可能會導致評估結果存在一定不確定性, 但不會影響生態質量空間格局整體變化特征。未來應加強對生態質量形成機理研究, 持續改進評估模型。

城市生態質量快速、準確評價是生態城市規劃建設及實現城市數字化管理的客觀依據。本研究從多個視角評價廈漳泉都市區生態質量狀況, 研究表明都市區東部人為活動較為頻繁地區生態質量較西部山地生態保育帶低。未來應加強這些地區生態系統保護, 減少人為活動對生態環境破壞, 采用城市多核心組團發展模式, 避免密集連片發展, 保留城區大型綠地和水系綠廊, 使都市區健康可持續發展。但本文還未能很好地挖掘生態質量結果好壞和景觀斑塊的內在聯系, 研究深度有待加強。

4 結論

(1)廈漳泉都市區UEQ均值為0.558, 生態指數等級為中等。其中, 生態等級為中等、較差和差區域面積均占廈漳泉都市區總面積的54%; 而生態等級為優和良的區域面積占46%。

(2)植被、生態用地空間格局優劣、環境濕度和生態系統服務價值狀況是改善城市生態系統的影響因子, 但干度、路網密度、土地利用程度綜合指數和熱度等指標的綜合作用會導致城市生態惡化。

(3)都市區生態質量總體呈“西高東低”的空間格局。東部核心區高不透水面覆蓋地區, 土地綜合利用強度大, 其生態質量指數(0.346)比總體平均值低; 西部綠色山地生態保育帶, 連續的生態用地發揮的生態效益也更高, 其生態質量指數(0.662)比總體平均值高。

(4)不透水面斑塊小、斑塊內部連通度低且斑塊聚集度低的區域, 其生態質量好于不透水面斑塊大、斑塊內部高度連通且斑塊高度聚集的區域。

[1] UN. World urbanization prospects: The 2018 Revision (ST/ESA/SER. A/420) [R]. United Nations New York, 2019.

[2] ROSENTRETER J, HAGENSIEKER R, WASKE B. Towards large-scale mapping of local climate zones using multitemporal Sentinel 2 data and convolutional neural networks [J]. Remote Sensing of Environment, 2020, 237: 111472.

[3] OCHOA-GAONA S, KAMPICHLER C, DE JONG B H J, et al. A multi-criterion index for the evaluation of local tropical forest conditions in Mexico [J]. Forest Ecology and Management, 2010, 260(5): 618–627.

[4] 張文強, 孫從建, 李新功. 晉西南黃土高原區植被覆蓋度變化及其生態效應評估 [J]. 自然資源學報, 2019, 34(8): 1748–1758.

[5] 中華人民共和國環保部. 生態環境狀況評價技術規范(發布稿) HJ 192—2015 [S]. 北京: 中國標準出版社, 2015.

[6] REZA M I H, ABDULLAH S A. Regional index of ecological integrity: a need for sustainable management of natural resources [J]. Ecological Indicators, 2011, 11(2): 220–229.

[7] LIANG Bingqing, WENG Qihao. Assessing urban environmental quality change of Indianapolis, united states, by the remote sensing and GIS integration [J]. IEEE Journal of Selected Topics in Applied Earth Observations & Remote Sensing, 2011, 4(1): 43–55.

[8] 徐涵秋. 區域生態環境變化的遙感評價指數 [J]. 中國環境科學, 2013, 33(5): 889–897.

[9] 賈有余, 李輝, 王釗齊, 等. 蘇州市吳中區生態保護紅線區生態環境質量定量評價[J]. 生態與農村環境學報, 2017, 33(6): 525–532.

[10] 王苗, 劉普幸, 喬雪梅, 等. 基于RSEDI的寧夏生態環境質量時空演變及其驅動力貢獻率分析 [J]. 生態學雜志, 2021, 40(10): 3278–3289.

[11] THANH L N, DE SMEDT F. Application of an analytical hierarchical process approach for landslide susceptibility mapping in a Luoi district, Thua Thien hue province, Vietnam [J]. Environmental Earth Sciences, 2011, 66 (7): 1739–1752.

[12] 文廣超, 孫世奎, 李興, 等. 可魯克湖流域生態環境質量診斷 [J]. 應用生態學報, 2021, 32(8): 2906–2914.

[13] WELLMANN T, LAUSCH A, ANDERSSON E, et al. Remote sensing in urban planning: contributions towards ecologically sound policies? [J]. Landscape and Urban Planning, 2020, 204: 103921.

[14] XU Hanqiu, WANG Meiya, SHI Tingting, et al. Prediction of ecological effects of potential population and impervious surface increases using a remote sensing based ecological index (RSEI) [J]. Ecological Indicators, 2018, 93: 730–740.

[15] 福建省統計局. 福建統計年鑒[R]. 2020. http://tjj.fujian. gov.cn/tongjinianjian/dz2020/index.htm.

[16] CHANDER G, MARKHAM B L, HELDER D L. Summary of current radiometric calibration coefficients for Landsat MSS, TM, ETM+, and EO-1 ALI sensors [J]. Remote Sensing of Environment, 2009, 113(5): 893–903.

[17] CHARVZ Jr P S. Image-based atmospheric corrections- revisited and revised [J]. Photogrammetric Engineering and Remote Sensing, 1996, 62(9): 1025–1036.

[18] WU Liyun, HE Dongjin, YOU Weibin, et al. The dynamics of landscape-scale ecological connectivity based on least- cost model in Dongshan island, China[J]. Journal of Mountain Science, 2017, 14(2): 336–345.

[19] XU Hanqiu. A new index for delineating built-up land features in satellite imagery [J]. International Journal of Remote Sensing, 2008, 29(14): 4269–4276.

[20] 劉紀遠. 中國資源環境遙感宏觀調查與動態研究[M]. 北京: 中國科學技術出版社, 1996.

[21] PADMANABAN R, BHOWMIK A K, CABRAL P. A remote sensing approach to environmental monitoring in a reclaimed mine area [J]. ISPRS International Journal of Geo-Information, 2017, 6(12): 2220–9964.

[22] DUPRAS J, MARULL J, PARCERISAS L, et al. The impacts of urban sprawl on ecological connectivity in the Montreal metropolitan region [J]. Environmental Science & Policy, 2016, 58: 61–73.

[23] MARULLI J, MALLARACH J M. A GIS methodology for assessing ecological connectivity: application to the Barcelona metropolitan area [J]. Landscape and Urban Planning, 2005, 71(2-4): 243–26.

[24] 武劍鋒, 曾輝, 劉雅琴. 深圳地區景觀生態連接度評估 [J]. 生態學報, 2008, 28(4): 1691–1701.

[25] BAIG M H A, ZHANG L F, SHUAI T, et al. Derivation of a tasselled cap transformation based on Landsat 8 at-satellite reflectance [J]. Remote Sensing Letters, 2014, 5(5): 423–431.

[26] JIMéNEZ-MU?OZ J C, CRISTOBAL J, SOBRINO J A, et al. Revision of the single-channel algorithm for land surface temperature retrieval from Landsat thermal-infrared data [J]. IEEE Transactions on Geoscience and Remote Sensing, 2009, 47(1): 339–349.

[27] JIMéNEZ-MU?OZ J C, SOBRINO J A, SKOKOVI? D, et al. Land surface temperature retrieval methods from Landsat-8 thermal infrared sensor data [J]. IEEE Geoscience & Remote Sensing Letters, 2014, 11(10): 1840–1843.

[28] 劉永強, 龍花樓, 李加林. 長江中游經濟帶土地利用轉型及其生態服務功能交叉敏感性研究[J]. 地理研究, 2018, 37(5): 1009–1022.

[29] CALLEJA J F, PAGES O R, DIAZ-ALVARES N, et al. Detection of buried archaeological remains with the combined use of satellite multispectral data and UAV data [J]. International Journal of Applied Earth Observation and Geoinformation, 2018, 73: 555–573.

[30] 鄭子豪, 吳志峰, 陳穎彪, 等.基于Google Earth Engine的長三角城市群生態環境變化與城市化特征分析 [J]. 生態學報, 2021, 41(2): 717–729.

[31] 李紅星, 黃解軍, 梁友嘉, 等. 基于遙感生態指數的武漢市生態環境質量評估 [J]. 云南大學學報(自然科學版), 2020, 42(1): 81–90.

[32] 杭鑫, 羅曉春, 曹云, 等. 基于RSEI模型的生態質量評估及城鎮化影響——以南京市為例 [J]. 應用生態學報, 2020, 31(1): 219–229.

[33] 宋慧敏, 薛亮. 基于遙感生態指數模型的渭南市生態環境質量動態監測與分析 [J]. 應用生態學報, 2016, 27(12): 3913–3919.

[34] 程志峰, 何祺勝. 基于RSEI的蘇錫常城市群生態環境遙感評價 [J]. 遙感技術與應用, 2019, 34(3): 531–539.

[35] 吳獻文, 陳穎彪. 基于自然資源本底數據的珠三角城市群生態敏感性評估分析[J]. 生態環境學報, 2021, 30(5): 976–983.

[36] 鄭子豪, 吳志峰, 陳穎彪, 等. 基于Google Earth Engine的長三角城市群生態環境變化與城市化特征分析 [J]. 生態學報, 2021, 41(2): 717–729.

[37] 石小偉, 馮廣京, YI Yang, 等. 浙中城市群土地利用格局時空演變特征與生態風險評價 [J]. 農業機械學報, 2020, 51(5): 242–251.

Remote sensing-based study on the urban ecological quality of the emerging Xiamen-Zhangzhou-Quanzhou metropolitan area

WANG Meiya*

School of History and Geography, Minnan Normal University, Zhangzhou 363000, China

Owing to the complex, potentially nonlinear relationship between urban ecological systems and biophysical surface components in metropolitan areas, selecting suitable quantitative models to evaluate their urban ecological quality is not always clear. The Xiamen-Zhangzhou-Quanzhou metropolitan areawas taken as an example. Eight ecological indicators, including NDBSI, RD, La, NDVI, ECI, W, LST, and V, were integrated into a new model named the Urban Remote Sensing Ecological Quality Index (UEQ) using Principal Component Analysis. The UEQ was used to quantitatively evaluate the ecological quality of the emerging Xiamen-Zhangzhou-Quanzhou metropolitan area. The quantitative relationship between UEQ at different levels and landscape indices was analyzed. Results showed that the Xiamen-Zhangzhou-Quanzhou metropolitan area hada mean ecological quality value of 0.558. Comparing the eight indices within the UEQ, the NDVI, ECI, W, and V indices positively affected the ecology, while the NDBSI, RD, La, and LST indices had a negative effect. It had high NDBSI, La, and LST values and low V values. The other four indicators had a low contribution to UEQ results. According to the spatial distribution of the UEQ, the ecological quality value in the western region of the Xiamen-Zhangzhou-Quanzhou metropolitan area was generally higher than that in the east region. The eastern urban center, covered by a high ratio of impervious surfaces and a low ratio of vegetation, had low ecological connectivity between the ecological land patches, resulting in a lower ecological quality value of 0.212 than that of the whole study area. The western mountain conservation belt had high NDVI and ECI values, which helpedreach a higher ecological quality value of 0.104 than the whole study area. The ecological quality of the region with small and dispersive impervious surface patches and low intra-patch connectivity was better than that with large and aggregate impervious surface patches.

Xiamen-Zhangzhou-Quanzhou metropolitan area; urban remote sensing ecological quality index (); ecological quality; landscape; remote sensing

10.14108/j.cnki.1008-8873.2024.01.015

TP79

A

1008-8873(2024)01-124-10

2021-08-21;

2021-11-15

福建省自然科學基金面上項目(2022J01918) ; 教育部人文社科青年基金(22YJC630139) ; 福建省創新戰略研究項目(2020R0155) ; 國家自然科學基金青年基金項目(41601012)

王美雅(1991—), 女, 福建泉州人, 博士, 副教授, 主要從事環境與資源遙感研究, E-mail: miahao3@163.com

通信作者:王美雅

王美雅. 廈漳泉新興都市區生態質量遙感評價[J]. 生態科學, 2024, 43(1): 124–133.

WANG Meiya. Remote sensing-based study on the urban ecological quality of the emerging Xiamen-Zhangzhou-Quanzhou metropolitan area[J]. Ecological Science, 2024, 43(1): 124–133.