萍乡市土地利用变化及生态环境质量评价

万安国 , 王建强，王东东

1. 都昌县气象局，江西 九江 332600 2. 东华理工大学 测绘工程学院，江西 南昌 330013 3. 核工业二九〇研究所，广东 韶关 512029

0 引 言

随着国家经济的不断发展，城镇化步伐的加速，人们对土地的需求量不断加大(张永彬等，2019)，造成了土地利用结构不合理，同时带来了气候变暖(张衍华等，2012)、土地荒漠化、水土流失严重(张京红等，2005；郭志华等，2010)、生物多样性减少(张晓东等,2017)和空气污染等一系列的环境问题(Mollenhauer et al,2017)。根据相关统计数据显示，2015年全球污染最严重的20个城市，中国就有16个城市上榜，而2018年全球污染最严重的100个城市，中国有56个城市上榜，其中污染最严重的前20个城市中，有2个城市在中国。从统计数据来看，环境状况在一定程度上得到了改善，但总体情况不容乐观。人类、土地和生态环境三者之间的矛盾日益严峻，已经成为国内外关注的焦点问题。近些年来，遥感和GIS技术在不断成熟，遥感是迅速获取海量地表数据的有效工具，它具有获取信息速度快、周期短、同步效果好、适应性强(徐海玲，2017)和覆盖面广等特点，其数据蕴含的信息量大、对研究对象无损害、动态性和实时性强、更新速度快等许多特点，为各种研究对象调查提供数据支撑。同时GIS技术在地理数据的存储、管理、分析、描述和可视化等方面具有巨大的优势，在土地整治规划(喻光明等，2008)、土地资源的开发与管理、重大自然灾害和灾情评估等多个领域得到广泛的应用，是各种研究的重要技术支持。因此，RS和GIS技术相结合逐渐成为监测和分析土地利用变化和生态环境状况的重要手段之一(王钊齐等，2017)。

萍乡市作为江南煤炭生产的重要基地，随着大量的煤炭资源被开采和挖掘，给该区域带来了许多的环境问题，对原本脆弱的生态环境造成了更加严重的负面影响，监测和分析该区域的土地利用变化和生态环境状况有利于提高人们的环境保护意识。文中利用GIS和RS技术，采用监督分类中的支持向量机法解译出萍乡市土地利用信息，通过遥感生态指数(Remote Sensing Ecological Index，RSEI)分析和评价该区域的生态环境状况(徐涵秋，2013)。以期为萍乡市生态文明建设和制定区域未来发展规划提供参考。

1 区域概况与数据预处理

1.1 区域概况

萍乡市位于江西省的西部位置，被称为江西省的“西大门”，处于赣西经济发展格局的中心位置。地理坐标范围为(113°35′—114°17′E，26°57′—28°01′N)。东与宜春市的袁州区和吉安市的安福县相临，南与吉安市的永新县相接，西与株洲市的茶陵县、攸县和醴陵市相靠，北与浏阳市相接壤，市境南北最长为127 km，东西最宽为67 km。

1.2 数据预处理

文中选用2002、2007、2013和2018年云量较少、质量较好的Landsat 7 ETM+影像和Landsat 8 OLI影像为主要数据源，其中2002、2007和2018年萍乡市2期影像的成像时间分别为10月和11月；2013年2期影像的成像时间均在10月，其中Landsat的影像数据主要来源于美国地质勘探局网站和地理空间数据云网站。所得遥感数据均进行辐射定标、大气校正、影像的镶嵌与裁剪等一系列预处理。

2 研究方法

2.1 土地利用类型的解译

参考《土地利用现状分类》国家标准(GB/T 21010—2017)的分类标准，考虑到影像的分辨率和研究目的，将研究区的土地利用类型分为林地、草地、建设用地、耕地、水域和未利用地6大类。通过对研究区现有的认识和经验，辅助于Google Earth软件中高分辨率地图，使用ENVI软件对研究区的每类地物选取100个训练样本，计算训练样本之间的可分离性，确保每个样本之间的可分离性大于1.85。最后采用支持向量机的方法对研究区4个时期的影像进行监督分类，同时通过混淆矩阵的方法对分类结果进行精度验证，确保分类的精度较高。

2.2 各生态评价指标的计算

绿度指标选用归一化植被指数(Normalized Difference Vegetation Index，NDVI)，归一化植被指数是植被指数中被广泛应用的指数(张朋兴，2018；张乃明等，2019)，能够反映植被的生长状况，对区域的温度调节、噪声吸收和空气净化等有重要的影响，其计算式：

(1)

式中，PNIR为遥感影像近红外波段的反射率，PR为遥感影像红波段的反射率，NDVI的取值范围为[-1,1]。湿度指标(WET)是通过对遥感影像进行穗帽变换后获取的(张傲双，2019)，它可以较好地反映地表植被、水体和土壤的湿度状况，在生态环境监测与分析中得到有效的利用，其计算式(Crist，1985；Baig et al，2014)：

1) 对于Landsat ETM+影像来说

WET=0.2626Pblue+0.2141Pgreen+0.0926Pred

+0.0656Pnir-0.7629Pswir1-0.5388Pswir2

(2)

2) 对于Landsat OLI影像来说

WET=0.1511Pblue+0.1973Pgreen+0.3283Pred

+0.3407Pnir-0.7117Pswir1-0.4559Pswir2

(3)

式中，Pblue、Pgreen、Pred、Pnir、Pswir1、Pswir2分别代表遥感影像蓝波段、绿波段、红波段、近红外波段、短波红外波1段、短波红外2的反射率。土壤的干化会影响区域的生态环境状况，干化的程度越严重，给地区的生态环境状况带来的危害越严重。一般来说，干度指标选用的是裸土指数(SI)，但建筑用地同样能带来地表的干化，本研究的干度指标(Normalized Difference Built-up and Soil Index，NDSI)是通过裸土指数(SI)和建筑指数(IBI)两者的合成而得到的，其计算式(Rikimaru, 2002；Xu，2008)：

1) 裸土指数：

(4)

2) 建筑物指数：

(5)

3) 干度指标：

(6)

式中，IBI为建筑物指数，SI为裸土指数，NDSI为干度指标。热度指标选用地表温度(Land Surface Temperature，LST)来表示，城市的热岛效应、全球气候变暖和冰川的融化都与地表温度的升高有着密切的联系，通过大气校正法(丁凤和徐涵秋，2006；Griend and Owe,1993)来反演研究区的地表温度，其计算式：

Lλ=[εB(Ts)+(1-ε)L↑]τ+L↑

(7)

B(Ts)=[Lλ-L↑-τ(1-ε)L↓]/(τε)

(8)

(9)

式中，ε为地表比辐射率，B为黑体热辐射亮度，Ts为地表温度，L↓为大气向下辐射的亮度，τ为地面真实的辐射亮度经过大气层到达传感器的辐射亮度，L↑为大气向上辐射的亮度值。其中，ε采用NDVI阈值法计算得到，根据影像的中心经纬度、成像时间和海拔等相应参数，在网站(http://atmcorr.gsfc.nasa.gov)上查询相应的L↑、L↓和τ值。对于Landsat7 ETM+影像，K1=666.09 w/(m2srμm)，K2=1 282.71 K。对于Landsat8 TIRS影像，K1=774.89 w/(m2·sr·μm)，K2=1 321.08 K。

2.3 遥感生态指数的构建

基于指标原始数据的特点，采用主成分分析法客观地确定权重值，将多种单一指标耦合成为一个综合指标(缪鑫辉和梁勤欧，2020)，避免了主观确定权重的随意性和误差性。首先对指标进行标准化处理，然后通过主成分分析法构建出研究区的RSEI，主成分分析后的PC1集成了各评价指标的大部分信息，各评价指标对RSEI的影响程度是根据其数据本身的性质所决定的，RSEI值的大小是各评价指标综合作用的结果。为了使PC1数值的大小与生态环境质量的好坏相对应，用1减去利用PC1贡献率计算出的生态指数，最后得到了RSEI0，其计算式：

RSEI0=1-f{PC1[f(NDVI，

WET，LST，NDSI)]}

(10)

为了便于遥感生态指数的分析和比较，对RSEI0也进行标准化处理，最终得到研究区的RSEI，其计算式：

(11)

式中，RSEI为最终建立的遥感生态指数，其取值范围为0—1，RSEImin为RSEI0的最小值，RSEImax为RSEI0的最大值。RSEI愈接近1，生态环境状况越好，反之，生态环境状况越差。

3 结果与分析

3.1 土地利用类型变化分析

通过监督分类中的支持向量机法对2002、2007、2013和2018年萍乡市的土地利用类型进行分类解译，得到这4个时间段的土地利用类型信息(图1)，并统计出萍乡市各土地利用类型的信息(表1)，以反映2002—2018年土地利用的变化情况。分析图1和表1可知，2002年萍乡市林地面积最多，为2 627.4 km2,占比为67.95%，而未利用地面积最少，为2.97 km2。与2002年相比，2007年建设用地和草地在增多，水域、林地、耕地和未利用地在减少。与2007年相比，2013年建设用地、草地和未利用地在增多，水域、林地和耕地在减少。与2013年相比，2018年建设用地、水域、林地、未利用地和耕地在增多，草地面积在减少。2002—2018年萍乡市建设用地持续增多；水域、林地和耕地先减后增，总体呈减少态势；草地面积先增后减，总体呈增加态势；未利用地先减后增，总体呈增加态势。

图1 2002(a)、2007(b)、2013(c)和2018(d)年萍乡市土地利用信息Fig. 1 Land use information of Pingxiang city in 2002 (a)，2007 (b)，2013 (c) and 2018 (d)

表1 2002、2007、2013和2018年研究区各土地利用类型面积

3.2 生态环境状况的时空变化分析

由主成分分析结果(表2)可知，第一主成分(PC1)最为稳定，NDVI和WET在PC1特征向量为正值，对RSEI起到了正面影响；而LST和NDSI在PC1特征向量为负值，对RSEI起到了负面影响，这与实际生态情况相符。2002、2007、2013和2018年PC1特征值的贡献率分别为95.39%、94.93%、94.59%、88.27%。4个时间段的PC1特征值的贡献率均超过85%以上，表明PC1涵盖了4个指标因子的大部分信息，通过主成分分析得到的PC1能够代替原有的4个评价指标，并以此合成萍乡市的遥感生态指数。

表2 2002、2007、2013和2018年NDVI、WET、LST和NDSI的主成分分析结果

为了更好地了解和分析研究区的生态环境状况，同时根据研究区生态环境的实际情况，参考其他研究的分级标准(徐涵秋，2013)，以0.2为间隔将遥感生态指数划分为(0—0.2]、(0.2—0.4]、(0.4—0.6]、(0.6—0.8]、(0.8—1]，分别对应差、较差、一般、良好、优，共5个等级。2002、2007、2013和2018年萍乡市生态环境状况分布如图2所示，进一步统计各生态环境状况等级所占面积情况得到表3。分析可知，2002—2018年萍乡市的生态环境状况以一般和良好为主，良好等级面积所占比重一直最大。

图2 2002(a)、2007(b)、2013(c)和2018(d)年萍乡市生态环境状况分布Fig. 2 Distribution of ecological environment of Pingxiang city in 2002 (a)，2007 (b)，2013 (c) and 2018 (d)

表3 2002、2007、2013和2018年萍乡市生态环境分级统计值

由于各区县的地势地貌、经济、人口密度和城镇化建设水平不同，生态环境状况也有很大的差异性，为了了解各区县的生态环境状况，统计出2002—2018年萍乡市各区县的遥感生态指数的均值(表4)，用遥感生态指数均值表示生态环境的好坏，根据各区县遥感生态指数的均值大小，对各个区县的生态环境质量进行排名。通过对各区县遥感生态指数的分析和比较，同时制作了萍乡市各区县的遥感生态指数均值空间分布(图3)。

表4 2002、2007、2013和2018年萍乡市各区县遥感生态指数的均值和排名统计

由图3和表4可知，2002年RSEI均值最高的地区为莲花县，为0.624，生态环境状况最好；安源区作为市政府所在地，城区面积和人口密度相对较高，遥感生态指数均值最小，为0.565，生态环境状况最差。与2002年相比，2007年RSEI均值都有升高，生态环境状况都有变好的趋势，其中芦溪县的RSEI均值最大，为0.668；而RSEI最低的为安源区，为0.599。2013年芦溪县的RSEI均值最高，为0.621；安源区的RSEI均值最小，为0.500。2018年芦溪县的RSEI均值排名第一，为0.660；RSEI均值最小为安源区，其值为0.528。

图3 2002(a)、2007(b)、2013(c)和2018(d)年萍乡市遥感生态指数均值的空间分布Fig. 3 Spatial distribution of the mean of RSEI of Pingxiang city in 2002 (a)，2007 (b)，2013 (c) and 2018 (d)

3.3 土地利用与生态环境状况之间的关系

土地利用类型变化是人与自然共同作用于土地后，导致地表土地类型发生改变的结果。土地利用变化与生态环境的演变有着密切的关系，土地利用不仅能改变地表覆被的情况，同时也会改变区域内的生态环境因子，生态环境因子的变化往往会引起生态环境质量的改变。林地、草地和水域等生态用地具有保护和稳定区域生态系统平衡的作用，在一定程度上能够改善生态环境状况；而建设用地和未利用地等对生态环境具有一定程度的消极作用。为了更好地验证土地利用类型与生态环境之间的关系，对土地利用类型信息与遥感生态指数进行分析处理，得到各土地利用类型的遥感生态指数值的大小(表5)。

分析表5可知，2002、2007年各土地利用类型下的RSEI均值大小为林地>水域>草地>耕地>未利用地>建设用地，2013年各土地利用类型下的RSEI均值大小为林地>草地>水域>耕地>建设用地>未利用地，2018年各土地利用类型下的RSEI均值大小为林地>草地>水域>耕地>未利用地>建设用地。通过对比发现，生态环境较好区域主要分布于林地、草地和水域等生态用地；生态环境较差区域主要位于建设用地和未利用地位置(塔拉，2019；赵恒谦，2019；王志杰，2021)，这与实际情况是相符的。

表5 2002、2007、2013和2018年萍乡市各土地利用类型下的RSEI的统计值

4 结 论

文中基于2002、2007、2013和2018年Landsat遥感数据，利用GIS和RS技术，选用监督分类中的支持向量机法对萍乡市4个时期的影像进行土地利用信息提取，分析了萍乡市的土地利用信息变化。同时通过提取绿度指标、干度指标、湿度指标和热度指标4个评价指标，利用主成分分析法构建出萍乡市的遥感生态指数(RSEI)，分析了萍乡市生态环境状况的时空变化，结论如下：

1) 2002—2018年萍乡市的林地面积最大，而未利用地面积一直最少。2002—2018年建设用地持续增多；水域、林地和耕地先减后增，总体呈减少态势；草地面积先增后减，总体呈增加态势；未利用地先减后增，总体呈增加态势。

2) 2002—2018年萍乡市的生态环境状况以“一般”和“良好”为主，其中“优”和“良好”等级面积先增后减再增，总体呈增加态势；“一般”等级面积先减后增再减，总体呈减少态势；“较差”和“差”等级总体呈增加趋势；“差”等级面积一直在持续增加。2002年莲花县的RSEI均值最大，为0.624，生态环境处于“良好”水平。2007、2013、2018年芦溪县的RSEI均值最大，生态环境都处于“良好”水平；而安源区的RSEI均值一直最小，生态环境始终处于“一般”水平。

3) 林地、草地和水域位置的生态环境质量相对偏好，说明林地、草地和水域等生态用地具有保护和稳定生态系统平衡的作用，在一定程度上能够改善生态环境状况。而建设用地和未利用地位置的生态环境质量相对偏差，说明建设用地和未利用地对生态环境起消极作用。在生态环境保护和改善的进程中，需要进一步考虑土地资源的合理配置，科学规划城市的发展方向。