基于遙感生態指數的合肥市生態環境動態變化監測分析

摘要" 本文以安徽合肥市遙感生態指數為研究對象，以Landsat 5和Landsat 8影像為數據源，對綠度指標、濕度指標、干度指標以及熱度指標進行主成分分析，并構建RSEI模型，動態監測和評估研究區生態環境質量，分析其時空變化。結果表明，在時間變化上，2001—2021年，研究區RSEI指數總體呈先下降后緩慢上升趨勢。綠度和濕度與生態環境質量呈正相關，而干度和熱度與生態環境質量呈負相關。在空間變化上，2001—2011年，RSEI不變區分布較零散，主城區周邊的生態環境質量有所下降；2011—2016年，西部和北部區域RSEI值上升，南部部分區域RSEI值下降，但其總體生態環境質量有所改善；2016—2021年，主城區生態環境質量持續好轉。本文為相似地區的生態環境質量評價提供參考。

關鍵詞" 遙感生態指數；生態環境；主成分分析；動態變化監測

中圖分類號" X835；P237 """文獻標識碼" A """文章編號" 1007-7731（2025）05-0073-07

DOI號" 10.16377/j.cnki.issn1007-7731.2025.05.016

Monitoring and analysis of dynamic changes of ecological environment in Hefei City based on the remote sensing ecological index

ZHANG Yin1，2 CHEN Li3 WANG Xiaohong1 FANG Gang1，2

（1School of Environment and Surveying Engineering， Suzhou University， Suzhou 234000， China;

23S Technology Application Research Center in Northern Anhui， Suzhou 234000， China;

3Suzhou No.2 High School， Suzhou 234000， China）

Abstract" The remote sensing ecological index of Hefei City， Anhui Province was selected as the research object and Landsat 5 and 8 images were used as data sources to conduct principal component analysis on greenness index， humidity index， dryness index and heat index. RSEI model was constructed to dynamically monitor and evaluate the ecological environment quality of the research area， and analyze its temporal and spatial changes. The results showed that from 2001 to 2021， the RSEI index in the study area generally declined first and then increased slowly. Greenness and humidity were positively correlated with eco-environmental quality， while dryness and heat were negatively correlated with eco-environmental quality. In terms of spatial change， RSEI invariable areas were scattered from 2001 to 2011， and the ecological environment quality around the main urban area declined. From 2011 to 2016， RSEI values increased in the western and northern parts of the country， and decreased in some southern regions， but its overall ecological environment quality improved. From 2016 to 2021， the ecological and environmental quality in the main urban areas will continue to improve. This paper provides a reference for the evaluation of ecological environment quality of similar areas.

Keywords" remote sensing ecological index; ecological environment; principal component analysis; dynamic change monitoring

良好的生態環境質量是經濟社會可持續發展的關鍵因素。隨著工業化和城市化的快速發展，城市生態環境質量呈現出持續演變的趨勢，為更好地支持城市生態系統建設，對城市生態環境質量進行精準評估顯得尤為重要。植被覆蓋度（Fractional vegetation cover，FVC）作為衡量地表植被覆蓋狀況的關鍵指標之一，能夠反映區域生態平衡的動態變化，以有效緩解城市熱島效應及全球氣候變暖帶來的負面影響[1-2]。近年來，遙感技術在區域生態環境質量評估領域中的應用日益廣泛[3-5]，例如甬江流域[3]、大連[2]和西安[6]等。徐涵秋[7]研究提出了遙感生態指數（Remote sensing ecological index，RSEI），通過耦合綠度、濕度、干度和熱度4個指標，實現了生態環境質量的動態監測和變化分析。RSEI已在多個城市[8-10]、流域[11]和自然保護區[12]等區域的生態環境評價中得到了廣泛應用[13-14]。目前，有關安徽合肥市生態環境質量定量分析的研究相對較少。為此，本文在參考相關研究成果基礎上，以Landsat 5和Landsat 8影像（2001、2006、2011、2016和2021年）為數據源，以ENVI和ArcGIS軟件為平臺，結合RSEI模型對合肥市2001—2021年的生態環境質量動態變化進行分析，探討植被覆蓋度和城市擴張對其生態環境質量的影響，旨在為城市生態環境保護和建設提供參考。

1 材料與方法

1.1 數據來源

本文選取合肥市遙感生態指數作為研究對象，以研究區Landsat 5 TM和Landsat 8 OLI影像為數據源。數據來源于中科院地理空間數據云平臺（http：//www.gscloud.cn/），成像時間分別為2001年11月21日（TM）、2006年6月12日（TM）、2011年4月23日（TM）、2016年7月25日（OLI）和2021年6月5日（OLI）。

1.2 研究方法

1.2.1 遙感生態指數（RSEI）構建 通過耦合綠度、濕度、干度和熱度4個指標[7]，來實現生態環境質量的綜合評價。RSEI計算過程包括分量指標選取和主成分分析（Principal component analysis，PCA），流程如圖1所示。

（1）分量指標選取。綠度指標：歸一化植被指數（Normalized difference vegetation index，NDVI）可以很好地反映植被生長狀況，操作簡便且精度高。其計算如式（1）所示。

NDVI= （ρ_NIR-ρ_R）/（ρ_NIR+ρ_R ）"" """" （1）

式（1）中，ρ_R和ρ_NIR分別表示紅色波段和近紅外波段的反射率，R和NIR分別對應TM影像的第3和第4波段或OLI影像的第4和第5波段。

濕度指標：纓帽變換中的濕度分量（WET）可以反映濕度狀況。TM和OLI影像的WET計算[15]如式（2）～（3）。

（WET_TM=0.031 5ρ_B+0.202 1ρ_G+0.310 2ρ_R+@" 0.159 4ρ_NIR-0.680 6ρ_（SWIR_1 ）-@" 0.610 9ρ_（SWIR_2 ） ）""" （2）

（WET_OLI=0.151 1ρ_B+0.197 3ρ_G+0.328 3ρ_R+@" "0.340 7ρ_NIR-0.711 7ρ_（SWIR_1 ）-@" "0.455 9ρ_（SWIR_2 ）" ）"""""""" （3）

式（2）～（3）中，ρ_B、ρ_G、ρ_R、ρ_NIR、ρ_（SWIR_1 ）和ρ_（SWIR_2 ）分別表示藍色波段、綠色波段、紅色波段、近紅外波段、短波紅外1波段和短波紅外2波段的反射率。

干度指標：干度指數（Normalized difference built-up and soil index，NDBSI）由裸土指數（Soil index，SI）和建筑指數（Index-based built-up index，IBI）構成，可以反映城市的地表干化程度，其計算[7]如式（4）～（6）所示。

SI= （（ρ_（SWIR_1 ）+ρ_R）-（ρ_NIR+ρ_B））/（（ρ_（SWIR_1 ）+ρ_R）+（ρ_NIR+ρ_B））""" （4）

IBI= （（2ρ_（SWIR_1 ））/（ρ_（SWIR_1 ）+ρ_NIR ）-ρ_NIR/（ρ_NIR+ρ_R ）-ρ_G/（ρ_G+ρ_（SWIR_1 ） ））/（（2ρ_（SWIR_1 ））/（ρ_（SWIR_1 ）+ρ_NIR ）+ρ_NIR/（ρ_NIR+ρ_R ）+ρ_G/（ρ_G+ρ_（SWIR_1 ） ））""""" （5）

NDBSI= （SI+IBI）/2""" （6）

熱度指標：利用地表溫度（Land surface temperature，LST）作為熱度指標可以反映城市化對生態環境的影響。LST計算方式有多種，其中大氣校正法操作簡便，精度較高，因此，本文選用此方法計算LST[16]，計算如式（7）～（9）。

L=gain×DN+bias""" （7）

T_b=K_2/（ln （K_1/L+1））""" （8）

LST= T/（1+λT/ρ ln ε）""""""""" （9）

式（7）～（9）中，gain和bias分別表示影像的增益值和偏置值；DN表示像元灰度值。LST表示地表溫度；λ表示熱紅外波段的中心波長；ρ表示波爾茲曼常數；ε表示地表比輻射率；T表示傳感器的溫度值；K1和K2分別表示定標系數；L表示熱紅外波段影像的輻射值。在TM影像中，K1=607.76 W·（m2·sr·μm）-1，K2=1 260.56 K，λ=11.435 0 μm；在TIRS影像中，K1=774.89 W·（m2·sr·μm）-1，K2=1 321.08 K，λ=10.900 0 μm；ρ=1.438×10-2 mK。

（2）水體掩膜。為真實地反映植被和土壤濕度狀況，利用改進歸一化水體指數（Modified normalized difference water index，MNDWI）對研究區水體進行掩膜，以消除水體對濕度的影響。其計算[17]如式（10）所示。

MNDWI= （ρ_G-ρ_NIR）/（ρ_G+ρ_NIR ）""""" （10）

1.2.2 主成分分析 主成分分析法是將多個變量信息壓縮至前1～2個主成分，根據各指標對主成分的貢獻度，自主分配權重，避免人為干預帶來的偏差[18-19]。由于4個指標量綱不同，在進行主成分變換前需歸一化量綱，其計算如式（11）。

I_N=（I-I_min）/（I_max+I_min ） （11）

式（11）中，IN為歸一化后的數值；I為指標值；Imax和Imin分別為最大值和最小值。

4個指標歸一化量綱后可進行主成分變換，通常用第1主成分PC1表示RSEI。為使結果便于比較，需對其進行歸一化，計算同公式（11）。

在上述各項指標基礎上提取研究區每年的RSEI值，并對研究區RSEI的時間變化和空間變化進行分析。

1.2.3 植被覆蓋度構建 采用像元二分模型法計算FVC[19]，其計算如式（12）。

FVC= （S-S_soil）/（S_veg-S_soil ）""""""""" （12）

式（12）中，S為植被指數；Ssoil為純裸土像元值；Sveg為純植被像元值。

為更好地突出NDVI對RSEI的影響，采用大氣阻抗植被指數（Atmospherically resistant vegetation index，ARVI）計算FVC，其計算如式（13）。

ARVI= （ρ_NIR-（2ρ_R-ρ_B））/（ρ_NIR+（2ρ_R-ρ_B））"""""""" （13）

式（13）中，ρ_B、ρ_R和ρ_NIR分別表示藍色波段、紅色波段和近紅外波段的反射率。

由于缺乏研究區實際的監測數據，只能通過統計ARVI直方圖來確定其置信區間，選擇1%和99%的置信區間作為其Ssoil和Sveg。

2 結果與分析

2.1 研究區RSEI的時間變化

在ENVI軟件中統計NDVI、WET、NDBSI和LST的均值、標準差以及PC1荷載值，結果如表1所示。

由表1可知，2001、2006、2011、2016和2021年RSEI均值分別為0.791、0.528、0.418、0.533和0.539，其中指數在2001—2006年呈下降趨勢。綠度和濕度對生態環境產生了積極影響，干度和熱度則相反。研究區2001、2006、2011、2016和2021年的綠度指標（NDVI）均值分別為0.884、0.659、0.675、0.740和 0.674，濕度指標（WET）均值分別為0.238、0.433、0.295、0.503和0.470，干度指標（NDBSI）均值分別為0.483、0.526、0.677、0.541和0.563，熱度指標（LST）均值分別為0.737、0.564、0.798、0.561和0.660。NDVI均值呈先下降再上升再下降趨勢，WET呈波動趨勢，NDBSI的變化與生態環境質量息息相關，而LST整體呈波動趨勢。

根據RSEI值將研究區生態環境質量按照[0，0.2）、[0.2，0.4）、[0.4，0.6）、[0.6，0.8）和[0.8，1.0]劃分為差、較差、中、良和優5個等級，其面積和占比如表2所示，不同年份的生態環境質量變化如圖2所示。

由表2可知，2001年，RSEI主要集中在中等級區和優、良等級區，面積占比80.02%，而較差和差等級區面積占比分別為9.67%和10.31%。2006年，優和良等級區面積分別減少9.45和7.83個百分點，較差和差等級區面積分別增加了6.21和11.40個百分點。與2006年相比，2011年優和良等級區面積進一步減少19.89個百分點，差和較差等級區面積分別增加了5.02和11.40個百分點，中等級區面積增加了3.47個百分點。與2011年相比，2016年優和良等級區面積增加了20.93個百分點，差和較差等級區面積分別減少了5.98和10.94個百分點。到2021年，優和良等級區面積減少12.63個百分點，差、較差和中等級區面積分別增加了3.16、6.52和2.95個百分點。整體上，2001—2021年研究區RSEI均值呈下降趨勢，優、良和中等級區面積減少，較差和差等級區面積增加（圖2）。

在RSEI指數提取中，研究區2001、2006、2011、2016和2021年綠度、濕度、干度和熱度4個指標的主成分分析結果如表3所示。第一主成分貢獻率分別為75.45%、75.68%、75.36%、83.94%和80.24%。

2.2 研究區RSEI的空間變化

由圖2可知，2001—2021年，研究區主城區植被覆蓋度相對較低，而外圍區植被覆蓋度相對較高。2001年，優良等級區主要分布在東南部，較差等級區集中在中部和西部。2006年，優良等級區面積增加，集中在西部和北部，而差和較差等級區仍分布在中部和東部。2011年，優良等級區面積減少。2016年，西部、北部和東南部的優良等級區面積顯著增加。到2021年，西部差和較差等級區面積增加。

2001—2021年RSEI空間變化差異如圖3所示。將研究區RSEI變化差異分為變差（劇烈變差、顯著變差、輕微變差）、不變和變好（輕微變好、顯著變好、劇烈變好）三大類，其面積與占比如表4所示。

2001—2006年，研究區RSEI變好區面積占比21.98%，變差區面積占比68.30%。2006—2011年，RSEI變好區面積增加了14.23個百分點，變差區面積減少了18.26個百分點。2016—2021年，RSEI變好區面積有所增加，表明生態環境質量有所改善。2001—2006年和2006—2011年，RSEI變好區面積均小于變差區面積，而在2011—2016年和2016—2021年，情況正好相反，變差區面積減少，變好區面積增加，表明2011—2021年研究區生態環境質量得到持續改善（圖3，表4）。

綜上，研究區各年份RSEI變化區面積較大，均超過75%，而基本不變區面積較小，均低于25%。2001—2011年，RSEI不變區分布較零散，主城區周邊的生態環境質量有所下降；2011—2016年，西部和北部區域RSEI值上升，南部部分區域的RSEI值下降，但總體生態環境質量有所改善；2016—2021年，主城區生態環境質量持續好轉。

3 結論與討論

本文以安徽合肥市Landsat 5和Landsat 8影像為數據源，對綠度指標、濕度指標、干度指標以及熱度指標進行主成分分析，構建RSEI模型，動態監測和評估該地區2001—2021年的生態環境質量，分析其生態環境質量的時空變化，得出以下結論。2001—2021年，城市化發展對研究區生態環境質量產生了較大影響，RSEI均值由2001年的0.791下降到2011年的0.418，隨后緩慢上升，到2021年RSEI為0.539。2001—2011年，研究區城市化發展加快導致RSEI下降，反映出核心區生態壓力相對增加；而在2011—2021年，隨著城市綠化和治理措施的實施，生態環境質量得到改善，但RSEI仍未恢復到2001年的水平。綠度和濕度與研究區生態環境質量呈正相關，而干度和熱度與生態環境質量呈負相關。由于遙感影像分辨率有限和成像時間不一致，評價結果與實際情況可能會存在一定的偏差。在今后的研究中，通過優化RSEI算法，結合土地利用數據和GEE平臺使評價結果更加科學合理。

參考文獻

[1] 張強，張杰，孫國武，等. 祁連山山區空中水汽分布特征研究[J]. 氣象學報，2007，65（4）：633-643.

[2] 李微，宋鑫，劉偉男，等. 大連市植被覆蓋度時空變化研究[J]. 遼寧師范大學學報（自然科學版），2019，42（1）：93-98.

[3] 繆鑫輝，梁勤歐. 基于遙感生態指數的甬江流域生態環境變化分析[J]. 長江流域資源與環境，2021，30（2）：427-438.

[4] J?NICKE C，OKUJENI A，COOPER S，et al. Brightness gradient-corrected hyperspectral image mosaics for fractional vegetation cover mapping in Northern California[J]. Remote sensing letters，2020，11（1）：1-10.

[5] KIM J，KANG S，SEO B，et al. Estimating fractional green vegetation cover of Mongolian grasslands using digital camera images and MODIS satellite vegetation indices[J]. GIScience amp; remote sensing，2020，57（1）：49-59.

[6] 王君，楊曉梅，隋立春，等. 西安市1995—2016年植被覆蓋度動態變化監測及景觀格局分析[J]. 生態科學，2019，38（6）：81-91.

[7] 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.

[8] 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.

[9] 張立偉，張運，黃晨. 皖江城市帶近20 a生態環境變化遙感指數分析[J]. 長江流域資源與環境，2018，27（5）：1061-1070.

[10] 楊江燕，吳田，潘肖燕，等. 基于遙感生態指數的雄安新區生態質量評估[J]. 應用生態學報，2019，30（1）：277-284.

[11] 王勇，王世東. 基于RSEI的生態質量動態變化分析：以丹江流域（河南段）為例[J]. 中國水土保持科學，2019，17（3）：57-65.

[12] 楊繪婷，徐涵秋. 基于遙感空間信息的武夷山國家級自然保護區植被覆蓋度變化與生態質量評估[J]. 應用生態學報，2020，31（2）：533-542.

[13] 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.

[14] 孫從建，李曉明，張文強，等. 基于遙感信息的呂梁山貧困區生態安全評價[J]. 中國環境科學，2019，39（12）：5352-5360.

[15] ALI BAIG M H，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.

[16] 徐建華. 計量地理學[M]. 2版. 北京：高等教育出版社，2014.

[17] 李苗苗. 植被覆蓋度的遙感估算方法研究[D]. 北京：中國科學院研究生院（遙感應用研究所），2003.

[18] 張思源，聶瑩，張海燕，等. 基于地理探測器的內蒙古植被NDVI時空變化與驅動力分析[J]. 草地學報，2020，28（5）：1460-1472.

[19] 王志超，何新華. 基于植被覆蓋度和遙感生態指數的成都市錦江區生態質量評估[J]. 生態與農村環境學報，2021，37（4）：492-500.

（責任編輯：何" 艷）