成都市生态环境质量动态变化遥感监测分析

李成绕，薛东剑，张 露，陈文烯

（1.成都师范学院 史地与旅游学院，四川 成都 611130；2.成都理工大学 地球科学学院，四川 成都 610059；3.阿坝师范学院 电子信息与自动化学院，四川 阿坝藏族自治州 623002）

人类活动对全球生态系统具有重要影响[1]，因此生态环境受到广泛关注，监测多尺度生态系统的变化以发现现有问题很重要。当前，用于地球观测系统的卫星遥感能够大面积、实时、快速和周期性的重复观测，已被广泛用于生态研究领域。许多学者通过选择不同的指标体系以及构建不同的模型方法，以各类遥感指数作为表征，从不同尺度对各类生态系统[2-6]的生态环境开展了监测评价。

2013年，徐涵秋[7]提出一个完全基于遥感技术，以主成分分析综合植被指数、湿度分量、地表温度和建筑指数等4个评价指标的遥感生态指数（Remote Sensing Ecological Index，RSEI）来对城市的生态状况进行快速监测与评价，既能够综合反映生态系统的整体特征，又避免了计算过程的主观随意性，从而实现了对不同生态系统快速、客观和综合的评价。随着遥感技术的发展，生态环境质量评价的指标和方法不断完善[8-9]。Hu[10]提出了基于压力状态响应（PSR）框架，采用主成分分析（PCA）的一种新的基于遥感的生态指数（RSEI）来评价城市生态质量，避免了因个体特征而导致权重定义的变化或错误。Wang[11]利用MODIS和DMSP/OLS遥感数据，从生产力、外部干扰变化和人类社会经济发展三个影响生态系统质量的主要因素中，选取净第一生产力、植被指数和光照指数，采用主成分分析法自动确定权重系数，构建增强型遥感生态指数。Zhu[12]提出了一种改进的基于移动窗口模型的遥感生态指数，即基于移动窗口的遥感生态指数（MWRSEI），克服了自然条件对生态环境影响的有限性。2019年Xu[13]利用锐化的地表温度影像，对遥感生态指数（RSEI）进行了改进，并利用该指数生成了生态状况的时间序列图像，采用Mann-Kendall检验和Theil-Sen估计量来评估RSEI时间序列趋势和变化方向的显著性。在图像序列的基础上，采用变化向量分析（CVA）方法检测生态变化，揭示了生态状况的改善。

成都市作为我国西部地区重要的中心城市，随着经济的发展，城市的面积在过去的二十年里迅速扩大，导致生态环境发生了很多的变化。因此，本文旨在，根据2000年、2009年和2018年的遥感数据计算出生态环境指数（绿、湿、热、干），监测2000年至2018年成都市这一快速发展区域RSEI的长期动态变化。

1 研究区与数据

1.1 研究区概况

成都市是我国四川省的省会和成渝地区双城经济圈的核心城市，它位于四川盆地西部、岷江中游，岷江是长江上游的主要支流。如图1所示，本文主要以成都市二圈层11个市辖区为研究区域，这也是城市乃至全省的政治和经济中心，这里的建筑和人口高度集中。随着城市化进程的加快，在过去的十八年中，该地区的生态环境质量急剧下降。因此，对该地区生态质量时空格局的研究是有意义的，可以为城市规划者和决策者提供启示。

图1 研究区位置示意图

1.2 数据源与预处理

如表1所示，本研究使用了美国地质调查局（USGS，http：//earthexplorer.usgs.gov/）于2000-04-16、2009-03-24获取的Landsat TM和2018-04-18获取的Landsat OLI的图像。使用ENVI软件完成了遥感图像的辐射校正，将图像的灰度值（DN）转换为传感器的反射率，然后使用FLAASH大气校正模型对每个相位的可见和近红外波段进行大气校正。

表1 遥感数据信息表

2 方法

2.1 基于遥感的生态指数（RSEI）计算

在反映生态质量的诸多自然因素中，RSEI包括与人类生存密切相关的四个重要指标（绿色、湿度、热量和干度），通常用于评估生态质量。在此研究中，RSEI由几个指标组成，这些指标可以通过Landsat数据集快速获取。

首先，人们普遍意识到，某些地区的生态模式和过程受到其边界内外土地利用变化的影响很大[14]。其中，最显著的自然特征是由生态用地向建设用地的转变。因此，采用归一化差异建筑和裸土指数（NDBSI）来表示人类活动对环境的压力强度。第二，环境状态指标旨在描述环境现状和资源的质量和数量，以及它们随时间的变化；因此，选择NDVI作为简单快速识别植被区的绿度指标。最后，应用地表温度（LST）和湿度（WET）来指示当地气候（即温度和湿度）随环境的变化。由于所有指标的数据来源相同，RSEI在不同时空尺度上具有可扩展性、可视化和可比性。

2.1.1 绿度指标（NDVI）

NDVI已被成功地用于监测和评估不同规模的植被覆盖度[15-16]。大多数研究表明，NDVI对低密度植被敏感，特别适合于人满为患的高密度城市地区[17-18]。因此，这里采用NDVI表示绿度指标，如式（1）：

式中：ρi分别是TM和OLI传感器中每个波段的行星反射率。

2.1.2 湿度指标（WET）

Kauth-Thomas变换（K-T变换）可以生成三个分量，即湿度、绿色和亮度，已被广泛用于评估生态环境。土壤和植被的水分含量可以通过湿度分量来反映[19]。TM和OLI的湿度分量可以分别通过式（2）和式（3）获得：

2.1.3 热度指标（LST）

地表温度（LST）是研究区域热环境的重要参数。本文使用大气校正方法对LST进行了反演[20]，大气校正方法也称为辐射传输方程（RTE），是基于大气辐射传输模型的传统算法。它的一些辅助数据可从NASA网站（https：//atmcorr.gsfc.nasa.gov/）获得，地表温度（LST）的评估如式（4）：

式中：λ是发射辐射的波长（对于Landsat 5/7，为11.435μm，Landsat8波段10为10.9μm；ρ（1.438×10-2mK）；ε是地表反射率，可以表示为式（5）：

Tsensor是卫星亮度温度，可以通过式（5）和式（6）计算：

式中：Lλ是传感器的光谱辐射率，Gain和Bias分别为波段增益值和偏置值，DN表示Landsat图像的灰度值，K1和K2是TM/OLI传感器定标参数。对于TM和OLI，K2=1260.56K和1321.08K，以及K1=607.76和774.89mWcm-2sr-1μm-1。

2.1.4 干度指标（NDBSI）

随着城市化和人类活动的发展，建筑物和裸露的土壤逐渐取代了生态系统的自然表面，导致地球变得“干燥”，并破坏了环境质量。Hu和Xu构建了归一化差异建筑和土壤指数（NDBSI）来表示干度指标，该指数由IBI和BI组成，见式（8）-式（10）[8]：

其中

2.2 RSEI指标综合

基于以上对各因子的计算，为了克服简单加权法中主观经验对权重分配的影响，为此，采用主成分分析（PCA）来确定各变量的相对重要性。PCA方法是一种多维数据压缩技术，可以消除四个变量之间的任何共线性影响[18]。更重要的是，根据各因子对主成分的贡献，自动客观地分配各因子的权重，防止因个体特征导致权重定义的变化或误差[8]。

在处理主成分分析之前，将所有因子（即NDBSI、NDVI、LST和WET）重新定标在0到1之间。然后使用ENVI（5.5.3版）软件的PCA旋转工具计算PCA，生成单波段图像（即RSEI图像），可以表示为式（11）：

为了便于不同研究时期之间的时间比较，结果RSEI值再次从0标准化为1，较高的值表示生态质量较好，较低的值表示生态质量较差。

3 结果分析

3.1 主成分分析

由主成分分析结果（表2）可以看出，在第一主成分中，绿度（NDVI）和湿度（WET）均为正值，说明二者对生态环境起着积极的作用。热度（LST）和干度（NDBSI）均为负值，表明二者对生态环境有消极影响。其他主要成分（PC2、PC3、PC4）的符号和大小不稳定，难以解释生态现象。因此，本研究将PC1用于构建RSEI。

表2 主成分分析结果

3.2 生态环境质量动态变化分析

图2显示了2000年、2009年和2018年RSEI的空间分布。在图2中，为了更好地分析生态环境质量的代表性，根据RSEI值，采用等间隔0.2将研究区域分为5个等级[13]，分别代表极差、差、中、良、优。总体上看，极差和差等级主要集中在中东部地区，优、良等级则集中在北部和西北部地区。2000-2018年，RSEI分布的一个显著特点是，环境质量差的地区在2000年集中在中部，而在2009年则呈四周分散，到2018年分散得更为明显。

图2 2000-2018年遥感生态指数（RSEI）

图3反映了成都市2000-2018年生态环境质量动态变化，从图3上可以看出，2000-2009年，中心城区周围和东部地区生态状况明显变差，毫无疑问，这是城市蔓延导致的2000-2009年生态环境的恶化；2009-2018年中心城区生态环境状况得到了改善，这得益于近年来我国环境保护政策的贯彻和实施，环境治理力度的加大以及传统工业污染的转移。

图3 2000-2018年成都市生态环境变化检测

表3显示了研究区2000年、2009年、2018年三个时期的各指标和RSEI平均值，通过比较可以看出，研究区RSEI均值从2000年的0.55下降到2009年的0.47，表明该时期研究区生态环境质量变差，而到2009年，RSEI均值又上升为0.51，表明该时期研究区的生态环境质量有所改善，总体来看，2000-2018年RSEI降低了0.04。2000-2018年干度呈增加的趋势，表明研究区建筑面积逐渐增加。绿度持续减少，总体减少0.1。热度在整个过程中呈下降趋势，湿度则呈上升的趋势。

表3 各指标和遥感生态指数均值

3.3 生态环境质量等级变化分析

对各年份各等级生态指数所占面积与比例进行统计（表4、图4）。2000年、2009年、2018年，中等级所占面积比例变化不大，优、良等级所占面积比例都呈现先下降后上升的趋势，并且优、良等级在2000-2009年间的下降趋势大于2009-2018年的上升趋势，2000-2009年优、良等级面积共下降了513.84km2，18年间优等级共下降了3.39%，良等级下降了2.03%，所以，通过优、良等级所占面积比例的变化也可以得出研究区在2000-2018年生态质量变差了。极差、差等级呈先上升后下降的趋势，其中极差等级面积在2000-2009年期间增加了184.29km2，上升了5.07%，2009-2018年则减少了129.83km2，下降了3.54%。差等级在2000-2009年面积增加了297.24km2，上升了8.17%，相当于2009-2018年减少的近两倍。从对各年份各等级生态指数所占面积与比例变化的分析，也说明了成都市生态环境质量呈先下降后上升的趋势。

表4 各年份生态等级所占面积和比例变化表

图4 各年份生态等级所占面积和比例统计图

4 结束语

为了了解生态环境的现状和预测未来的变化，遥感生态指数用于区域生态环境监测和评估也日益受到关注，而完全基于遥感信息技术的遥感生态监测是综合反映生态系统整体特征的重要途径之一。因此，本文采用遥感生态指数（RSEI）对城市化快速发展的成都市生态环境质量进行了快速监测和定量评价，为研究区的生态环境保护、综合治理和可持续发展提供了科学依据。研究结果表明绿度和湿度对生态环境起着积极的作用，干度和热度对生态环境起着消极的作用，其中干度指标对生态环境的负面影响最大，所以，建筑面积的扩大会导致生态退化，而植被建设可以提高生态环境质量。