基于遥感生态指数的宜昌市区生态环境变化研究

罗玛诗艺，陶 荣*，张城芳，陈兴芳

（1. 湖北省空间规划研究院，湖北 武汉 430071；2. 武汉华夏理工学院 土木建筑工程学院，湖北 武汉 430223；3. 武汉理工大学资源与环境工程学院，湖北 武汉 430070；4. 华中师范大学 城市与环境科学学院，湖北 武汉 430079）

自然生态系统是人类赖以生存和发展的基础。近年来，随着大量以城镇化为主的人类活动的增加，土地利用情况发生了很大的变化，对各种尺度上的生态系统均造成了严重扰动。因此，有效评价某地区的生态环境质量和动态监测生态环境状况的时空变化，一方面符合生态可持续发展的实际需求，另一方面将为区域规划人员进行国土空间规划提供参考。

目前，遥感技术以其方便、快捷和客观等优势，成为生态环境研究中不可或缺的一部分。遥感技术运用于生态环境质量评价方面的研究可分为3 类：①基于遥感获取的单个指标生态环境评价方法，如根据遥感解译获取的土地利用/覆被的分布特征和变化趋势分析生态环境变化[1]，土地利用/覆被变化虽可作为生态环境变化的一个方面，但生态环境是一个复杂的整体，单一的生态环境指标不能反映生态环境全面且真实的变化情况；②运用不同指数所构建的指标体系综合反映区域生态环境的变化情况，如国家颁布的《生态环境状况评价技术规范》则利用遥感反演获取的生物丰度指标、植被覆盖指标、水网密度指标、土地胁迫指标和污染负荷指标等来综合反映区域生态环境状况[2]，但各指标在体系中的权重是人为赋予的，因此其结果存在不合理性；③基于遥感信息的空间化，从遥感影像中直接获取与生态环境息息相关的指数，从而减少对指标权重的人为干预，实现生态环境变化的可视化，如对于长株潭地区生态环境的研究，肖瑛[3]选取了植被覆盖度、土壤含水量、地形3 个生态环境要素作为评价指标，徐涵秋[4]采用RSEI评价了一个地区的生态环境质量，该体系中主要包括绿度指标、湿度指标、干度指标和热度指标。

宜昌市作为长江流域的重要节点城市，其生态环境关乎长江整体流域的发展。在全球气候变暖的背景下，当地过度挖掘资源和毁林开荒等活动使得当地的水土流失和水质污染等环境问题越来越严重。本文采用RSEI 对宜昌市西陵区、点军区、猇亭区、夷陵区和伍家岗区（以下简称宜昌市区）的生态环境进行了评价，并分析了该区域RSEI 的时间变化情况和空间分布情况。

1 研究区概况与数据处理

1.1 研究区概况

本文选取的研究对象是宜昌市区，位于湖北省西南部。该区域属亚热带季风气候，年均气温为16.9℃，年均降水量为992.1~1 404.1 mm，植被类型以常绿阔叶落叶林为主；地形西北高、东南低，西北部为高山植被覆盖区，东南部丘陵平原相间分布。研究区全域林业和耕地面积占比较大，中南部城市建设用地占比较高，建成区已达170 km2。社会经济方面以电力、化工、食品医药、装配制造为四大支柱产业，2018年5个市辖区所创造的生产总值占宜昌全市生产总值的36.8%[5]，经济实力较强。

1.2 数据来源与预处理

本文以Landsat8 遥感影像为主要数据源，为保证影像能最大限度地观测到绿度信息，影像获取时间尽量处于该区域主要植被的生长期；同时为避免时间/季节变化效应引起不同光谱的响应问题，不同年份的多期影像尽量保证在一年中相近的时间段内，使植被具有相近的物候和生长状态。宜昌市夏季多云多雨，因此大量5—10月的Landsat8影像数据云量较大，不能满足应用条件，最终只有2013年8月、2015年8月和2019年10月3期影像能满足云量较少的条件，影像详细信息如表1 所示。Landsat8 影像数据均从美国地质勘探局（USGS）官网（https://earthexplorer.usgs.gov）下载。

表1 影像数据详细参数

基于ENVI 软件，结合LaSRC 2.0，本文对Landsat OLI数据进行辐射定标和大气校正，采用云量最小的策略，无缝镶嵌遥感影像；并通过影像裁剪生产特定区域的可用于地表参数反演的影像数据，详细如图1所示。

图1 数据预处理路线图

2 研究方法

2.1 指标选取与反演

本文借助徐涵秋等学者提出的RSEI 去评价宜昌市区的生态环境。RSEI由绿度、湿度、干度和热度4个与人类生产生活息息相关的指标耦合而成。4 个指标可直接从遥感影像中获取，可综合反映某一地区的生态环境状况[6]。

绿度指标是表示研究区内植被状况的一个综合感知指标。本文选取归一化植被指数（NDVI）来表示绿度。

式中 ，ρNIR和 ρRed为Landsat8 OLI 影像近红外波段和红光波段经大气校正后的反射率数据。

湿度指标反映的是水体、土壤和植被的含水量情况[7]。本文采用Landsat8 OLI传感器所获影像的缨帽变换的湿度分量——地表湿度（LSM）表示湿度指标。详细推导过程见参考文献[8]。

式中， ρBlue、 ρGreen、 ρRed、 ρNIR、 ρSWIR1、 ρSWIR2分别为Landsat8 OLI 影像蓝、绿、红、近红外、短波红外1 和短波红外2 六个波段经大气校正后的反射率数据。

热度指标反映地表热量的分布情况，可采用从热红外影像中获取的地表温度（LST）来表示。本文利用Jiménez-Munoz J C[9]等提出的单通道算法来反演LST，即

式中， Lsen为卫星传感器测得的辐射强度，单位为W/m2/sr/μm；Tsen为亮温；γ、δ 为基于普朗克函数的两个参数，其中对于TIRS 10波段而言bγ为1 324；ε 为地表比辐射率，具体数字见参考文献[9]；ψ1、ψ1和ψ1是3个大气水含量的函数，具体函数表达和推导过程见参考文献[10]。

Lsen可通过辐射校正将影像的亮度值（DN）转换为大气顶部的光谱辐射值，即

式中， ML为波段 λ 的绝对辐射定标系数；AL为波段λ的调整偏移量，这两个值均能从影像的元数据文件（MTL文件）中获取。

Tsen可根据黑体辐射能量的分布定律将辐射能量转换为亮温，即

式中，对于TIRS 10波段而言，K1和K2是热红外波段的定标常数，分别为774.89 W/m2/sr/μm和1 321.08 K。

干度指标反映的是裸土、人工建设的道路、建筑等不透水面造成的地表“干化”情况，能在一定程度上反映人类活动对生态环境状况的影响，一般由反映裸土（SI）和不透水面（IBI）[11]的指数综合而成。本文参照参考文献[12]，采用一个综合植被指数NDBSI来估算。针对Landsat8影像，其计算方法为：

式中 ，ρGreen、 ρRed、 ρNIR、 ρSWIR1、 ρSWIR2分别为Landsat8 OLI影像绿、红、近红外、短波红外1和短波红外2五个波段经大气校正后的反射率数据。

2.2 RSEI的计算

由于宜昌市区内存在长江、西北口水库等大面积水体，为避免大片水域影响主成分变换的荷载分布，使湿度指标能更准确地反映土壤和植被的含水量信息，在计算RSEI 前，本文采用MNDWI 指数[13]来提取水体面积，用于掩膜水体信息。其计算方式为：

式中， ρGreen、 ρMIR分别为影像数据中绿、中红外波段经大气校正后的反射率数据。

RSEI 由绿度、湿度、干度、热度4 个指标构成。为了消除各分量指标量纲和数值范围的不同，在执行主成分分析前，本文对4个指标进行归一化处理，即

式中，NI 为归一化后的指标值； I 为指标的数值；Imax和Imin分别为指标的最大值和最小值。

将4个归一化后的指标借助ENVI软件融合为一个图像，并进行主成分分析；再根据各主成分对其不同的贡献率，保留贡献率最大的主成分。由于第一个成分（PC1）可解释超过80%的RSEI，集中了4个指标的大部分特征，可选择PCA的PC1来表示RSEI，即

其中用1 减去PC1是为了使大的数值可以代表好的生态状况。

为了比较不同时期生态环境质量的变化情况，将实际的RSEI值进一步标准化为0~1的范围，即

RSEI值越高代表生态环境越好。

3 研究结果与分析

3.1 RSEI评价模型检验

本文通过4个分量指标和RSEI指数的相关性以及分量指标相互之间的相关性来检验RSEI 的可行性与综合代表程度。由表2 可知，在4 个分量指标中，干度指标的平均相关度最高，其均值为0.775 5，绿度、热度和湿度指标的3期平均相关度均值分别为0.679 5、0.575 0和0.650 1；3期RSEI对各指标的平均相关度均值为0.731，而4 个分量指标的平均相关度仅为0.67，表明RSEI 指数相对于单一指标来说更具代表性，能从整体上评价区域生态质量；从各指标分量与RSEI的相关性来看，干度与热度指标对RSEI 的贡献为负值，绿度与湿度指标对RSEI 的贡献为正值，表明干度与热度指标对城市生态环境起消极作用，而绿度与湿度指标的提高可以更好地促进城市生态环境的优化。

表2 RSEI与各指标的相关性分析

3.2 生态环境质量状况评价

宜昌市区2013—2019 年RSEI 和4 个分量指标统计如表3所示，可以发现，2013年、2015年和2019年的RSEI 均值分别为0.633、0.620 和0.529，生态环境质量呈逐渐下降趋势，整体降幅达到16.4%。从空间分布特征来看（图2），宜昌市区西部山地地区的生态质量明显高于东南部的平原地区，西部的夷陵区与点军区由于植被覆盖度较好，人口压力和经济开发力度较小，大部分地区的生态环境质量略高于其他三区。生态质量较差的地区主要集中在东南沿江地区以及黄泊河流域附近。结合2011—2030年宜昌市中心城区空间结构规划图（图3）发现，宜昌市规划发展呈现沿江沿河向南部发展的特点，规划了伍家岗组团和白洋组团等多个建设集聚区。随着多个工业加工园和产业园相继建成投入使用，一方面对耕地和林地等生态用地有较大地破坏，另一方面工业园与产业园所产生的工业废物难以进入生态循环，对当地的生态环境造成了较大影响。

图3 2011—2030年宜昌市中心城区空间结构图注：来源于中国城市规划设计研究院。

表3 各指标均值分析

图2 宜昌市区2013—2019年RSEI区域分布图

从4个分量指标来看，与RSEI呈正相关的湿度与绿度指标呈先升后降的趋势，整体降幅分别为2.8%和1.5%；而对RSEI 的贡献为负的干度与热度指标均呈上升趋势，增幅分别为12.5%和2.7%，表明宜昌市区生态环境的下降与植被、土壤和植被含水量的减少、地表热量和不透水面的增加有关系。植被的减少和城市不透水面的增加在一定程度上导致了宜昌市区生态环境质量的下降。

3.3 生态环境动态变化分析

根据徐涵秋[6]提出的分级研究方法，本文以0.2为分级间隔，将RSEI分为[0 0.2]、[0.2 0.4]、[0.4 0.6]、[0.6 0.8]、[0.8 1]五个等级，分别借鉴等级差值运算和土地利用变化研究的转移矩阵法，探究了生态环境质量的详细变化情况。2013—2015 年RSEI 等级转移矩阵如表4所示，可以看出，第四等级和第三等级存在明显的转出，第一等级和第五等级转入与转出不明显；经统计分析可知，2013—2015年生态环境等级为第三等级地区的面积通过转化增加了120.212 km2，其原因是部分第四等级地区转化为第三等级，第四等级地区的面积减少了190.282 km2；对角线上的值表示生态环境质量不变，对角线上方区域为高等级指标转化为低等级指标，表示生态环境质量下降，而下方区域为低等级指标转化为高等级指标，表示生态环境质量有所提高，对角线上方的面积为377.583 km2，指标下降面积占变化值的71.3%，因此2013—2015年宜昌市生态质量变差区域大于变好区域。

表4 2013—2015年RSEI等级转移矩阵/km2

本文将 2015 年的 RSEI 值减去 2013 年的 RSEI 值，得差值为正、零、负分别代表生态环境变好、不变和变差。由图4 可知，2013—2015 年大部分地区生态环境质量没有大的变化；生态环境变好的区域主要在西北口水库地区，查阅2015 年宜昌市的气象资料可知，宜昌市区经历了大面积降雨，西北口水库库容增加，为水库周围林地和草地的恢复提供了充足的水源，因此该区生态环境质量有所转变；生态环境变差的区域主要集中在点军区的中部、夷陵区的西南部以及黄泊河流域附近，且呈点状分布，这是由于宜昌市区在进行经济建设时，对局部地区过度开发，使得当地的原始生态环境发生破坏所致。

图4 2013—2015年等级变化图

2015—2019年RSEI等级转移矩阵如表5所示，可以看出，第二等级与第三等级地区的面积有所增加，其增加面积分别为387.175 km2和1 392.179 km2，第二等级地区面积增加的原因主要是第三等级和第四等级不断转化为第二等级；而第四等级地区的面积减少了1 758.7 km2，其原因是大部分第四等级转化为第三等级和第二等级。

表5 2015—2019年RSEI等级转移矩阵/km2

由2015—2019 年的等级变化图（图5）来看，区域生态环境变差的区域大面积增长，变差区域主要集中在北部与中部地区，且呈局部地区集中分布的特点；北部地区土地覆盖原为森林草地，但由于人们的大肆开发，土地覆盖发生明显变化，生态环境变化较为明显，同时由于2019 年的影像获取时期为10 月，一方面该地区的植被处于凋落期，相对的绿度指标有所降低，另一方面该时期亚热带地区降水相对减少，使得干度指标有所增加，使得RSEI值有所下降。

图5 2015—2019年等级变化图

4 结 语

本文基于 2013 年、2015 年和 2019 年 3 期遥感数据，反演获取了干度、热度、湿度和绿度4 个指标，通过主成分分析法构建了RSEI；并结合差值运算和等级转移矩阵研究方法，全面分析了宜昌市区生态环境的时空变化情况，为宜昌市城市发展与规划提供了有效的依据。

1）湿度、绿度、干度、热度4个指标所构成的生态环境指标体系比单一指标更能反映生态环境的变化。从单一指标与RSEI 的相关性来看，绿度与湿度指标对生态环境的贡献为正，而干度与热度指标对生态环境的贡献为负。

2）由3期遥感指数的均值来看，宜昌市区生态环境质量呈下降态势。从时间跨度来看，2013年、2015年和2019 年宜昌市区RSEI 均值分别为0.633、0.620 和0.529，表明2013—2019 年宜昌市区生态环境质量在逐渐变差。从空间跨度来看，东南方向整体的生态环境质量较差，而西北方向的RSEI 指数相对其他地区较高。

3）在RSEI 等级变化研究中，以中等等级和较好等级变化最为明显，且在转化中，等级下降比例明显高于等级上升比例，这也表明宜昌市区生态环境质量呈下降态势。