基于TM数据的阿克苏市生态环境质量指数RSEI分级研究

李清云 王振锡 崔婕 杨光 杨勇强 廉国强

摘 要：借助遥感技术手段构建了阿克苏市生态环境质量指数RSEI，并对其生态环境质量特征进行评价。结果表明，阿克苏市干度和热度值较高而绿度和湿度值较低的区域占主导地位，主要分布在北部、南部大面积荒漠和沙漠地带，反之，干度和热度值较低而绿度和湿度值较高的区域所占比例较小，主要分布在绿洲和少量荒漠、沙漠植被分布区；2016年阿克苏市遥感生态环境质量指数RSEI处于2级（0.2～0.4，“较差”）的区域所占比例最高，为50.43%，其次是3级（0.4～0.6，“一般”），为41.29%。因此，阿克苏区域生态环境质量形势依然比较严峻，还需加大区域生态环境建设和保护工作的力度。

关键词：RSEI综合指数；TM数据；主成分分析；分级评价

中图分类号：X171.1 文献标识码：A DOI 编码：10.3969/j.issn.1006-6500.2018.12.018

Abstract：Ecological environmental quality index（RSEI）of Aksu city was constructed by means of remote sensing technology， and its ecological environment quality characteristics was evaluated. The results showed that the area of higher dryness and heat value was dominant， which was distributed in the Gobi， desert regions of Aksu north and southarea， while there was few higher green and humid value areas distributed in oasis， and desert vegetation region. In 2016， the ratio of RSEI level 2 （0.2～0.4） area in Aksu city was 50.43%， and then was RSEI level 3 （0.4～0.6） area（41.29%）. Therefore， regional ecological environment quality of Aksu city was still in severe situation and ecological environment protection should be accelerated.

Key words： RSEI composite index； TM data； principal component； graded evaluation

生態环境质量的好坏对人类生存质量有着直接的影响，随着全球气候变暖、大气污染、水污染、森林锐减、土地退化、生物多样性减少等生态环境问题的加剧，生态系统合理利用和生态环境质量问题备受关注。生态环境质量评价是对评价区的生态环境系统的优劣程度进行定量分析与定性描述的过程，其目的在于明确该评价区生态环境的现状及预测人类开发活动对生态环境产生的影响。Smith W等[1]基于RS和GIS探索，以遥感、制图技术和统计分析方法对坦桑尼亚Batemi河谷的上地利用进行了生态环境监测及评价研究；Basso等[2]利用遥感数据和GIS对意大利南部的Agri流域进行生态环境敏感性评价；左伟等[3]基于TM影像实现了对土地覆被数据的提取，并利用GIS分析了其时空变化的驱动力和生态环境效应；刘瑞等[4]建立了基于RS技术的县级区域环境质量评价模型；徐涵秋[5-6]和罗春等[7]利用遥感指数对福建长汀水土流失区进行了生态环境质量评价及动态监测；徐涵秋[5-6]选取了绿度、湿度、热度、干度等完全基于遥感的指标，利用主成分分析法构建了遥感生态指数RSEI，该指数在水土流失区及城市的生态环境评价中得到了广泛应用，该指数与《生态环境状况评价技术规范》中的评价指数EI的计算结果具有可比性，不同的是RSEI指数不仅是一个量化指标，同时还可以将区域生态环境变化进行可视化、时空分析、建模和预测，因此，该指数弥补了EI指数在这些方面存在的不足。RSEI评价方法所需的指标均从遥感影像获得，现时性较好，便于进行生态环境质量时空变化的快速评价。

新疆阿克苏市是“中国红富士苹果之乡”和“国家级优质商品棉基地”，本研究借助遥感技术手段，对2016年阿克苏市生态环境质量进行定量分析，以期为区域生态环境建设和政策制定提供参考依据。

1 材料和方法

1.1 研究区概况

阿克苏市位于新疆维吾尔自治区西南部，北靠天山托木尔峰，东望塔里木河，西界吉尔吉斯斯坦天山边境，南邻塔里木盆地，处于79°39′～82°01′E，39°30′～42°27′N，是阿克苏地区的政治、经济、文化中心，是新兴的环保型生态城市，也是一个多民族聚居区。阿克苏市属典型的大陆性暖温带干旱气候区，光热资源丰富，降水稀少，蒸发量大，气候干燥，无霜期205～219 d，全年日照时数为2 855～2 967 h，年均气温9.9～11.5 ℃，日平均气温≥0 ℃，年降水量为42.4～94.4 mm。干旱少雨，风大沙多，自然环境脆弱，环境承载能力较低。

研究区地域辽阔，地势平坦，地形西高东低。市区距乌鲁木齐市公路里程1 010 km。市辖4乡2镇1场，土地总面积为144.2 hm2，地貌以冲积平原和沙漠为主，占区域总面积的95.40%，其他为山地，占4.60%。全市地貌可划分为3个类型区：西北部阴干山区，覆盖十分稀疏的荒漠植被；中部洪积平原为绿洲地带，属流水侵蚀地貌；东南部沙漠区，为塔克拉玛干大沙漠西北部的一部分，属风成干燥地。阿克苏市自建市以来，一直把植物造景、绿化美化作为城市发展的突破口，力争建设良好的生态环境。由于阿拉尔市位于阿克苏市行政范围内，为了保证遥感数据的连续性，故本研究范围包含阿拉尔市，将阿克苏市行政界限以内的所有区域作为研究范围。研究区行政区划图见图1。

1.2 遥感影像及处理

本研究使用的Landsat8 OLI遥感数据来源于美国地质勘探局USGS（United States Geological Survey）。选取2016年植被生长季，云量较少，且时相相近，数据质量较好的遥感影像，共获取5幅遥感数据。遥感数据经过辐射校正、几何校正、直方图配准等预处理。其中：辐射校正采用Gyanesh等[8]和Pat[9]参数模型，将影像的灰度值转换成传感器处的反射率，以减少不同影像在光照、地形和大气等方面的差异；不同时相影像之间的配准采取二次多项式模型，配准是通过直方图匹配进一步消除不同数据之间的时相差异；图像重采样方法为最近邻像元法，保证配准的均方根误差控制在0.5个像元以内；最后，利用阿克苏市边界图，裁剪出研究区域影像。

1.3 基于遥感数据的RSEI生态环境指数

本研究所采用的RSEI指数方法是徐涵秋[6]提出的一个新型遥感生态指数，能够快速地监测和评价区域生态环境质量。在反映生态环境质量的诸多因素中，绿度、湿度、热度、干度与人们的日常生活息息相关，也是人类直观感觉判别生态条件优劣的最重要的因素，因此常被用于评价生态系统[10-13]。本研究中以植被指数、湿度分量、地表温度和土壤指数指标来代替绿度、湿度、热度和干度因子，定量、客观地评价2016年阿克苏市的生态环境质量。生态环境指数RSEI函数如下：

SEI=（Greenness，Wetness，Heat，Dryness）（1）

其遥感定义为：

RSEI=f（NDVI，Wet，LST，NDSI）（2）

式中，Greenness为绿度，Wetness为湿度，Heat为热度，Dryness为干度。植被指数NDVI间接表示绿度指标，Wet代表湿度指标，地表温度LST间接代表热度指标，NDSI代表干度指标。各指标计算采用徐涵秋[6]的计算方法。

基于ENVI 5.1遥感数据处理平台，通过主成分分析法、归一化处理等获取生态环境指数RSEI。生态环境指数RSEI计算公式如下：

RSEI0=1-PC[f（NDVI，Wet，NDSI，LST）]（3）

RSEI0为初始生态环境指数，归一化处理采用公式（3）进行。

RSEI=（RSEI0-RSEI0min）/（RSEI0max-RSEI0min）（4）

1.4 数据处理

绿度指标，用NDVI计算值来表示；湿度指标，用Wet计算值表示；热度指标，用LST计算值表示；在确定比辐射率ε时，先计算各期影像NDVI值，然后采用混合像元分解法求植被覆盖度Pv和ε干度指标，用NDSI计算值表示。

利用ENVI 5.1 SP3分析平台对遥感影像数据进行处理，运用Arcgis 10.5软件进行分析制图。对影像的预处理，如辐射定標、Flaash大气校正、裁剪、配准等步骤都要精准到位；对不同时期影像必须经过大气校正处理，将原始数据的DN值转换为反射率值计算；Landsat影像有多种数据形式，在进行计算时要选择与传感器相对应的参数和公式，不能将基于DN值的公式用来计算影像反射率，不能将增强型专题制图仪ETM+的公式用来计算专题制图仪TM的数据。

2 结果与分析

2.1 绿度、湿度、热度和干度指标分析

基于ENVI 5.1遥感数据处理平台，获取了研究区绿度、湿度、热度、干度4个指标数据。为了便于数据比较分析，对每个指标进行归一化处理（介于0.0～1.0之间），并以0.2为间隔分成5个等级。

2.1.1 绿度指标 绿度指标即归一化植被指数NDVI，是反映经济林长势、植物生长状态和植被空间分布密度的最佳指示因子。根据影像提取的绿度指标分级图见图2。

绿度指标越大的区域颜色偏于蓝色，表征植被覆盖程度越高；指标数值越小则偏于红色，表征植被覆盖程度越低。从图2可以看出，2016年研究区绿度指标出现的区域由多至少依次为3级（0.4～0.6）、4级（0.6～0.8）、2级（0.2～0.4）、1级（0.0～0.2）、5级（0.8～1.0）最少，分别占区域总面积的71.8%，17.9%，7.0%，2.4%，0.9%；其中3级（0.4～0.6）范围主要分布在荒漠、戈壁和沙漠区域，4级（0.6～0.8）范围主要分布在绿洲和一些戈壁、沙漠区域，5级（0.8～1.0）范围主要分布在阿克苏市和阿拉尔市的绿洲经济林种植区域。这说明研究区植被覆盖区域较少且分布不均衡，这与阿克苏市植被分布情况相一致，即北部主要为荒漠，南部则以沙漠为主，绿洲主要沿阿克苏河冲积平原分布。

2.1.2 湿度指标 根据遥感缨帽变换中土壤、植被所反映的湿度分量，对遥感图像做线性正交变换，得出湿度指数，反映出土壤和植被的湿度特征。根据影像提取的湿度指标分级图见图3。

湿度指标较大的区域色调偏于绿色和白色，反之偏于与黄色和棕褐色。从图3可以看出， 2016年阿克苏市的湿度指标处于3级（0.4～0.6）和4级（0.6～0.8）的区域较多，分别占区域总面积的40%和26%，主要位于绿洲和荒漠植被着生地带；其次是2级（0.2～0.4）和1级（0.0～0.2），分别占20%和10%，主要位于荒漠和沙漠植被着生地带；而5级（0.8～1.0）区域分布范围最小，占4%，主要位于绿洲和阿克苏水系分布地带。这说明研究区湿度大的区域较少且分布不均衡，与阿克苏市河流、水系分布情况相一致。

2.1.3 热度指标 本研究中热度指标主要由地表温度来代表，地表温度是环境温度的主体，是城市热岛效应的基本体现。热度指标越大的区域颜色越偏于红色，反之越偏于蓝色。从图4可以看出，2016年阿克苏市的热度指标处于第5级（0.8～1.0）的区域较多，占区域总面积的40%，第3级（0.4～0.6）和第4级（0.6～0.8）区域的次之，分别占25%和20%，第2级（0.2～0.4）区域占10%，第1级（0.8～1.0）区域最少，占5%。阿克苏市属典型的大陆性暖温带干旱气候区，光热资源丰富，降水稀少，蒸发量大，气候干燥，阿克苏市的年平均气温在10.8 ℃，极端最高气温达40.7 ℃，极端最低气温为-27.6 ℃，日平均温度大于10 ℃的天数有197 d，本文中得到的热度指标与当地实际温度变化一致，是影响阿克苏市生态环境质量的重要因素。

2.1.4 干度指标 干度指标选用的是裸土指数，本研究中的干度指标由建筑指数IBI[14]和裸土指数SI[15]合成得到。干度指标越大的区域颜色越偏于黄色，反之越偏于蓝色。从图5可以看出，2016年阿克苏市干度指标处于第5级（0.8～1.0）的区域最多，占区域总面积的45%，第4级（0.6～0.8）区域次之，占20%，第3级（0.4～0.6）和第2级（0.2～0.4）区域分别占15%和12%，第1级（0.0～0.2）区域最少，占8%。这主要由阿克苏市特殊的自然环境所决定的，阿克苏市北部、南部为大面积荒漠和沙漠，未利用土地占土地总面积的71.85%，绿洲范围不足30%；中部区域干度较大的原因主要是城镇扩张，建筑用地有所增加造成[16-17]。

2.2 生态环境质量指数提取

通过主成分分析对阿克苏市生态环境质量指数指标进行提取，各分量特征值和特征值贡献率如表1所示。

从表1可以看出，经过主成分变换后第一主成分包含了4个指标中绝大多数和生态环境质量相关的信息，研究区4个指标（植被、湿度、干度和热度）的第一主分量的特征值0.099 9，特征值贡献率达83.94%，四期遥感数据中的第一主成分（PC1）特征值累积贡献率均大于80.0%，其第一主分量的结果为极显著，且包含了4个指标中的绝大多数信息，可用合成的PC1来替代原有的绿度指标、湿度指标、热度指标和干度指标，并以此合成新遥感生态环境质量评价指数RSEI。因此，本研究以主成分分析第一主分量来代表绿度、湿度、干度和热度指标的信息，并以此构建生态环境质量指数。

2.3 生态环境质量指数分级与评价

生态环境指数RSEI越大表征生态环境质量越好，反之则越差。为了更好地分析RSEI生态环境质量指数评价结果，将主成分变换得到的生态环境质量指数（介于0.0～1.0之间）以0.2为间隔分成5个级别，即0.0～0.2为1级、 0.2～0.4为2级、0.4～0.6为3级、0.6～0.8为4级、0.8～1.0为5级，分别代表差、较差、一般、良和优的5个等级。研究区生态环境指数RSEI分级情况如图6所示。经计算，2016年阿克苏市生态环境质量指数的均值为0.492 8，在总体水平上处于3级，说明其生态环境质量处于“一般”等级。

为进一步了解研究区生态环境质量分级状况，分别统计5个级别的像元数量及比例情况，从统计结果（表2）来看，2016年阿克苏市生态环境质量指数值RSEI处于2级（ 0.2～0.4）的区域最多，3级（0.4～0.6）位列第2位，二者合计占区域总面积的91.72%；1级（0.0～0.2）和5级（0.8～1.0）所占比重较小，二者比例之和仅为4.21%。由此可见，2016年阿克苏市生态环境质量主要处于“较差”的等级。

从研究区生态环境指数RSEI等级分布来看，生态环境质量界定为“优”和“良”的区域（5级和4级）主要集中在阿克苏河水系两侧的绿洲区域；处于“一般”水平的（3级）范围主要分布在绿洲区域和植被覆盖度较高的荒漠和沙漠地区；生态环境质量为“差”和“较差”的区域主要位于植被非常稀疏的塔克拉玛干沙漠腹地和部分戈壁区域。也就是说，研究区生态环境质量总体评价为“较差”的原因主要是研究区特殊的地理位置分布所决定的。

3 结论与讨论

研究区绿度、湿度、热度、干度4个指标数据分析表明，绿度、湿度值普遍较低，二者较高值的分布区域在绿洲、河流周边区域和少量荒漠、沙漠植被的分布区；而干度和热度值普遍较高，区域分布以北部、南部戈壁、沙漠区域为主；在这4个遥感生态指标中湿度、绿度对区域生态环境质量起正面作用，而热度和干度则起负面作用，其中代表绿度指标的植被覆盖度（NDVI）对生态指数的贡献最大，说明植被是阿克苏市的生态环境质量重要的影响因子。这主要由阿克苏市特殊的自然环境所决定的，阿克苏市北部、南部为大面积荒漠和沙漠，未利用土地占土地總面积的71.85%，绿洲范围不足30%，区域内主要以干热为主的荒漠和沙漠地貌类型为主。

研究区生态环境质量指数分级情况表明，研究区生态环境质量指数值RSEI处于2级（ 0.2～0.4）的区域占区域总面积比例达50.43%，主要位于植被非常稀疏的塔克拉玛干沙漠腹地和部分戈壁区域，总体生态环境质量处于“较差”的等级，这主要是研究区特殊的地理位置分布所决定的。而处于3级（0.4～0.6，“一般”）的区域占41.29%，主要分布在绿洲区域和植被覆盖度较高的荒漠和沙漠地区。自2000年以来，自治区加快了新疆林业生态体系和产业体系建设步伐，陆续开展了森林分类经营、退耕还林、特色林果产业等重大林业工程，阿克苏市林地面积有所增长，使该区域生态环境质量在一定程度上得到了提高和改善，但仍需采取人工辅助措施进一步开展植被保护和土地资源合理利用，其生态环境建设和保护还需进一步努力。

基于遥感生态指数的阿克苏市生态环境综合评价结果表明，该方法能够在一定程度上揭示区域生态环境质量的空间分布与变化特征，但由于遥感数据时相不一致、分辨率不高等因素限制，所得结果还需要通过多种遥感数据源进行进一步验证，而且对区域生态环境质量变化的驱动力及对策研究仍需深入开展。

参考文献：

[1]SMITH W， MEREDITH T C， et al. Exploring methods for rapid assessment of woody vegetation in the Batemi Valley， North-central Tanzania[J].Biodiversity & conservation，1999，8（4）：447-470.

[2]BASSO F， BOVE E， DUMONTET S， et al. Evaluating environmental sensitivity at the basin scale through the use of geographic information systems and remotely sensed data： an example covering the Agri basin（Southern Italy）[J].Catena，2000，40（1）：19-35.

[3]左伟，陈洪玲，王桥，等.基于遥感的山区县域土地覆被变化的驱动力因子和生态环境效应分析——以重庆市忠县为例[J].山地学报，2004，22（2）：240-247.

[4]刘瑞，王世新，周艺，等.基于遥感技术的县级区域环境质量评价模型研究[J].中国环境科学，2012，32（1）：181-186.

[5]徐涵秋.城市遥感生态指数的创建及其应用[J].生态学报，2013，33（24）：7853-7862.

[6]徐涵秋.区域生态环境变化的遥感评价指数[J].中国环境科学，2013，33（5）：889-897.

[7]罗春，刘辉，戚陆越.基于遥感指数的生态变化评估——以常宁市为例[J].国土资源遥感，2014，26（4）：145-150.

[8]GYANESH C， BRIAN L M， DENNIS L H. Summary of current radiometric calibration coeffcients for Landsat MSS， TM， ETM+， and EO-l ALI sensors[J] .Remote sensing of environment， 2009， 113： 893-903.

[9]PAT S C.Image-based atmospheric corrections-revisited and revised[J].Photogrammetric engineering and remote sensing，

1996，62（9）：1025-1036.

[10]JANET TV. Remote sensing of urban heat islands by day and night[J].Photogrammetric engineering and remote sensing，2005，71（5）：613-621.

[11]XU H Q. Analysis of impervious surface and its impact on urban heat environment using the normalized difference impervious surface index（NDISI）[J].Photogrammetric engineering and remote sensing，2010，76（5）：557-565.

[12]趙跃龙，张玲娟.脆弱生态环境定量评价方法的研究[J].地理科学，1998，18（1）： 78- 84.

[13]KSHAMA G， PRAMOD K， S K P， et al. Urban neighborhood green index-A measure of green spaces in urban areas[J].Landscape and urban planning，2012，105（3）：325-335.

[14]XU H. A new index for delineating built-up land features in satellite imagery[J].International journal of remote sensing，2008，29（14）：4269-4276.

[15]RIKIMARU A， ROY P S，MIYATAKE S. Tropical forest cover density map-ping[J].Tropical ecology，2002，43（1）：39-47.

[16]王让会，樊自立.干旱区内陆河流域生态脆弱性评价——以新疆塔里木河流域为例[J].生态学杂志，2001，20（3）：63-68.

[17]段汉明，李传斌.西部大开发中，生态环境重建的制度措施[J].生态学杂志，2001，20（4）：39-41.