基于遥感黄河流域内蒙古段十大孔兑生态环境质量监测评价

滑永春, 孙小添, 白 澳, 裴志永

(1.内蒙古农业大学 林学院, 呼和浩特 010019; 2.内蒙古农业大学 能源与交通工程学院, 呼和浩特00018)

流域是一种结构复杂的地理区域，隶属于生态、经济及社会多个系统，具有生产、生活、生态及文化等多种功能。流域的生态环境是流域经济可持续发展的必要条件，对流域进行环境质量评估，对流域经济的可持续发展及生态文明建设具有非常重要的意义和参考价值[1]。

国内外的学者从不同的角度对区域的环境质量评估展开了大量研究，提出了很多的评价方法。Sfriso等学者利用水生植被质量指数MaQI(the Macrophyte Quality Index)，从生态安全的角度对意大利海洋过度的生态环境进行了评价[2]。Kim等学者利用生理水平生物标志物和生物指示剂建立了城市溪流的生态健康评估方法[3]。Hu等基于压力—状态—响应模型PSR(Pressure-State-Response model)框架的遥感生态指数对中国东南部福建省福州市的区域生态变化进行了评估[4]。宋善海等同时从生物丰度、植被覆盖、水网密度、土地胁迫、污染负荷5个方面通过生态环境指数EI(Ecological environment index)对贵州省生态环境状况进行综合评价[5]。郭鹏程等依据生态环境状况评价指标体系，选取了生物丰度指数、植被覆盖指数、水网密度指数、土地胁迫指数、污染负荷指数5个分指数和一个环境限制指数，对庆阳市蒲河流域生态系统的质量进行评价和分析[6]。

遥感生态指数RESI(Remote sensing ecological index)耦合了湿度指数(WET)、归一化植被指数NDVI(Normalized vegetation index)、干度指数NDBSI(Normalized Difference Built-up and Bareness Index)和地表温度LST(Land surface temperature)，可实现大区域生态环境质量的监测和评价。该指数既避免了人为的因素造成权重不均，同时又避免了传统的EI指数的缺点，能快速、客观、定量的对区域的生态环境进行评价[7-8]。RESI已经在武汉[1]、渭南市[9]、郑州市[10]、福州市[11]、长沙市等[12]城市以及漓江流域[13]、疏勒河流域[14]、滇中湖泊流域[15]、丹江流域[16]、石羊河流域[17]、甬江流域[18]、艾比湖[19]和玛纳斯湖等[20]流域的生态质量监测中广泛应用。目前关于十大孔兑生态环境评价的研究较少，因此，本文利用遥感生态指数对黄河流域十大孔兑多年的生态环境质量进行评估，研究期间黄河流域十大孔兑生态质量状况及其时空变化，为黄河流域十大孔兑区域的生态建设和环境保护提供参考。

1 研究区概况

十大孔兑(孔兑为蒙古语，意为河流)坐标为39°50′—40°30′N，108°06′—111°E(图1)，境内有十个一级支流，是黄河内蒙古段主要支流[21]。十大孔兑所在行政区包括鄂尔多斯市达拉特旗全部，东胜区、杭锦旗和准格尔旗的小部分地区，面积共1.08万km2。研究区域属于典型大陆性气候，平均气温7℃左右；年平均降雨在200～400 mm，蒸发量在2 200 mm左右。研究区根据地貌特点可划分为3个区，分别为南部上游丘陵区、中部中游风沙区、北部下游平原区[22]。

图1 黄河流域十大孔兑位置

2 数据与研究方法

2.1 数据获取及预处理

(1) 遥感数据。本文研究选用的遥感影像来源于地理空间数据云(http:∥www.gscloud.cn/)。获取了2000年、2010年、2020年共12景覆盖十大孔兑的Landsat 5 TM和Landsat 8 OLI无云遥感数据。影像的预处理包括大气辐射校正、几何校正、图像的拼接和剪切等。

(2) ERA5气象数据。本文选用的气象再分析资料为ECMWF公开的ERA5数据(http:∥apps.ecmwf.int/datasets/)，ERA5是迄今最强大的全球气候监测数据集，与之前的ERA-Interim产品相比，ERA5具有更高的时空分辨率，时间分辨率为逐小时，空间分辨率高达0.125°。本文选用覆盖内蒙古黄河流域1982—2020年1—12月0.125°的ECMWF-ERA5气象模式2 m温度、降水数据。使用Matlab对数据进行格式转换、年度合成、图像裁剪、Albers等面积投转换等处理。

2.2 研究方法

遥感生态指数(RSEI)是基于遥感技术、耦合了与生态环境质量优劣有直接关系的湿度、绿度、干度和热度4大生态要素[23-24]。对各个分量指标进行标准化处理，以此来消除各个指标量纲上的差异，再用主成分分析法来确定各指标的权重，从而建RSEI评价模型，公式如下：

RSEI=f(WET,NDVI,LST,NBDSI)

(1)

式中:WET代表湿度指数；NDVI代表植被指数；LST代表地表温度；NDBSI代表建筑物—裸土指数。

(1) 湿度指标(WET)。缨帽变换的湿度分量指标可以反映土壤和植被的湿度，已经广泛运用在生态环境监测中[25]。本文湿度指标以WET分量表示，由于landsat5 TM影像和Landsat8 OLI影像的传感器不同，其湿度指标的提取公式各不相同，分别如下：

TM数据：

WET=0.0315ρblue+0.2021ρgreen+0.3102ρred+0.1594ρnir-0.6806ρswir1-0.6109ρswir2

(2)

OLI数据：

WET=0.1511ρblue+0.1973ρgreen+0.3283ρred+0.3407ρnir-0.7171ρswir1-0.4559ρswir2

(3)

式中:ρblue，ρgreen，ρred，ρnir，ρswir1和ρswir2分别代表着TM和OLI影像蓝色、绿色、红色、近红外、短波红外1、短波红外2波段的反射率。

(2) 绿度指标(NDVI)。归一化植被指数(NDVI)是反应植物生长变化状态以及植被分布密度最明显、有效的度量[26]，因此本文选用NDVI来代表绿度指标，其公式如下：

(4)

式中:ρnir代表Landsat5 TM和Landsat8 OLI影像数据中的近红外波段的反射率；ρred代表Landsat5 TM和Landsat8 OLI影像数据中的红色波段反射率。

(3) 热度指标(LST)。地表温度(LST)可作为热度指标反应地表的生态环境状况。本文采用大气校正法对研究区域的地表温度进行反演，提取公式如下：

Lλ=Gain×DN+Bias

(5)

(6)

式中:Gain,Bias分别代表遥感影像的增益和偏置；Lλ为传感器辐射亮度；B(Ts)为黑体热辐射亮度；τ为大气热红外波段透射率；L↑为大气向上辐射量度、L↓为大气向下辐射量度,通过美国国家航空航天局(http:∥atmcorr.gsfc.nasa.gov/)查询获取。再利用普朗克公式对地表温度Ts进行求解:

(7)

式中:TS表示地表真实温度(K)；K1,K2为定标参数；ε为地表比辐射率,利用NDVI进行估算,将地表分为水体、自然表面和城镇区域。本文设水体像元的地表比辐射率为0.995,自然表面和城镇区域像元的地表比辐射率计算公式如下所示:

ε=0.9625+0.614Fv-0.0461F2v

(8)

式中:Fv为植被覆盖度,采用混合像元分解法由NDVI值计算得到。

(4) 干度指标(NDBSI)。干度指标可以由裸土指数(SI)和建筑物指数(IBI)组合成归一化建筑物—裸土指数表示，在组合的过程中通常是直接对SI和IBI进行算术平均，取二者的平均值，最后得到NDBSI指数。

裸土指数：

(9)

建筑物指数：

(10)

干度指标(NBDSI)：

(11)

式中:ρgreen，ρblue，ρred，ρnir，ρswir1及ρswir2分别代表TM和OLI影像绿色、蓝色、红色、近红外、中红外1、中红外2波段的反射率。

2.3 遥感生态指数评价模型的构建

遥感生态指数(RSEI)是基于湿度、绿度、热度和干度4个分量指标的综合性生态环境评价指标，由于各分量指标在数值单位和大小上的差异，在综合之前需要进行标准化处理，消除量纲上的差异，公式为：

(12)

式中:N是标准化后的指标值；I代表这个指标数值的大小；Imin代表这个分量指标的最小值；Imax代表这个分量指标的最大值。对各个分量指标进行标准化处理后,将4个分量指标转换为遥感生态指数,公式为:

(13)

式中:m代表主成分的个数；n代表分量指标的个数;ai代表主成分的方法贡献度;PCi代表各个分量指标的主成分;wj代表分量指标的权重,通过主成分分析法得到各个主成分的方差贡献率,作为各分量指标的权重;Ij代表分量指标标准化处理后的值。将原始的遥感生态指数进行标准归一化处理,取值区间0～1,RSEI值越接近于1,则代表着研究区域的环境质量越好。本文结合十大孔兑的生态环境实际情况并参考了一些文献[24-27],将研究区遥感生态指数划分为5个等级,见表1。

表1 遥感生态指数等级划分

3 结果与分析

3.1 分量指标主成分分析

通过十大孔兑2000年、2010年和2020年4个分量指标的主成分分析结果可以看出(表2)，第1主成分特征值贡献度分别为68%，72.83%，74.58%，代表各指标的大部分信息。利用合成的第1主成分即PC1来代替绿度、湿度、干度和热度4个分量指标。然后建立遥感生态指数(RSEI)综合评价模型，对黄河流域十大孔兑的环境质量进行评价。

由表2可见，PC1对应的4个变量主成分载荷系数，绿度和湿度指标各年均为正值，说明绿度和湿度指标对区域的环境质量有着积极的正向作用。区域的绿度指标和湿度指标越大，则代表该区域的植被覆盖率高，土壤具有充足的水分，环境质量越高[28]。湿度指标主成分载荷系数2000年、2010年大于绿度指标，而在2020年绿度指标载荷系数超过了湿度指标。导致这个现象的原因是归一化绿度(NDVI)数值2000年、2010年、2020年大小分别是0.25，0.28，0.43，植被覆盖度在2000—2010年呈现缓慢的上升，2010—2020年植被覆盖度快速升高；而归一化湿度(WET)数值2000年、2010年、2020年大小分别是0.33，0.37，0.35，湿度指标在2010年达到最大，但各年份湿度差别不大。结合表2绿度和湿度主成分载荷系数和归一化绿度、湿度指标可以看出，主成分载荷系数的变化和对应的归一化绿度、湿度指标数值变化有着密切的关系，2010年前湿度数值相对绿度数值要大，对应的湿度主成分载荷系数也大，但2010年后随着研究区植被覆盖度的快速上升，绿度指标的载荷系数也相应变大，成为了主导绿度和湿度指标载荷系数相对变动的主要因素。干度指标和热度指标越高，则代表区域地表植被覆盖率低、地表出现裸土、土壤遭受沙化、风化等问题，地表硬化问题严重，环境质量越差[28]。热度指标和干度指标各年均有负值，说明它对区域的环境质量有负面影响。由表2可知热度指标主成分载荷系数绝对值在各年份都大于干度指标系数。归一化热度(LST)2000年、2010年、2020年大小分别是0.34，0.36，0.29，意味着研究区的地表温度也是先升高后下降。归一化干度(NDBSI)2000年、2010年、2020年大小分别是0.31，0.27，0.21，呈现一直下降的趋势。由此可见各年度归一化干度数值低于热度数值，导致热度指标系数绝对值大于干度指标系数。总体上来看，绿度、湿度、干度和热度4个分量指标的PC1值是随着研究区的生态环境在不断地变化，2000—2010年，起正向作用的湿度指数贡献率是大于绿度指数，但2010年后随着研究区植被覆盖度的快速提升，绿度指标贡献率在不断地变大；而起负向作用的热度指数贡献率高于干度指数。

表2 各指标主成分分析结果

3.2 十大孔兑生态环境质量时空变化

从图2—3可以看出，2000年、2010年、2020年黄河流域十大孔兑遥感生态指数(RSEI)均值分别为0.31，0.33，0.57，十大孔兑的环境正在缓慢改善。其中，2000—2010年除库布齐沙漠区RSEI指数有明显上升，其他两个区的RSEI指数还略有下降。到2020年各区的RSEI指数值呈现大幅度上升，各区的生态环境得到了明显的改善。

由表3可知，研究期间，2000年生态环境等级为差的占比最高，达到32.08%；生态环境等级为优秀的占比最少，只占研究区的5.45%；较差和一般等级的面积相差不大，比例分别占21.99%和25.38%。2010年，生态环境等级面积占比最高的仍然是差，但是相比2000年占比下降1.98%，面积为3 247 km2；优秀等级的面积占比最少，占比6.16%。2020年，生态环境等级为差的区域占比最高，为28.03%，面积达3 027 km2；生态环境等级为优秀的区域占比最低，为8.40%。从整体上来看，十大孔兑的生态环境质量等级以差到一般为主，差、较差及一般等级的面积之和占区域总面积的比例依次为79.45%，76.54%，70.16%；良好和优秀等级的面积之和占区域总面积的比例依次为20.55%，23.46%，29.84%。2000—2020年生态等级为差的面积减少了438 km2，较差的面积减少了392 km2；一般的面积减少了174 km2，良好的面积增加了685 km2，优秀的面积增加了319 km2。表明黄河流域十大孔兑的环境质量在逐步缓慢改善。

图2 2000-2020年研究区生态环境质量分级

图3 2000-2020年各区RSEI指数均值

表3 2000-2020年研究区生态环境质量评价等级

4 讨论与结论

4.1 讨 论

气候是生态环境形成与演变的重要推动力之一，研究气候变化对了解区域生态环境变化具有十分重要的意义[29]。十大孔兑地区处于干旱半干旱地带，干旱少雨，年平均降水量不足400 mm，生态环境较为脆弱。徐康等在2020年利用中国区域7个IGS站实测气象数据评估ERA5数据的精度，发现ERA5数据精度优于早先的ERA-Interim数据，ERA5数据能够更好地满足中国区域内气候建模的需求。因此，本文利用ERA5气象数据统计研究区年降水量和年均气温[30]。由图4可知，近21 a来研究区年降水量有一定的波动增加趋势，但趋势不太明显(0.09 mm/10 a)，远低于西北地区整体降水趋势(4.87 mm/10 a)[31]。由此可知2000—2020年略微增加的降水促进了研究区生态环境质量的改善，但其不是诱导变化的主因。图5为可以看出近21 a来研究区的年均气温是呈显著上升趋势(0.37℃/10 a)，高于西北干旱半干旱区增温速率(0.34℃/10 a)[32]。气温的上升和本研究地表温度的上升有一定的关系，随着气温上升，土壤水分的蒸发和植被的蒸腾作用加强，给本就干旱的研究区植被生长带来不利的因素。综上可见，研究区气候的变化对生态环境质量的改善有有利的一面，也有不利的一面，气候的变化影响着区域生态环境的变化，但构不成区域环境不断改善的主因。

图4 研究区2000-2020年降水量变化

土地利用/土地覆盖变化是陆地表层环境对人类活动和气候变化的具体反映，是气候变化和环境变化研究关注的主要内容[33]。本研究利用中科院资源环境科学数据云平台下载的空间分辨率为1 km的土地利用数据来分析十大孔兑2000—2020年土地利用变化情况。由表4可知研究期间，耕地、林地、草地面积分别增加了-84 km2，92 km2，128 km2，植被面积的变化主要得益于研究区1999年开始实施的退耕还林还草工程、天然林保护工程、水土保持综合治理工程、重点小流域以及沙棘造林等一系列工程[34]。同时未利用地面积减少了384 km2，建筑用地增加了247 km2。越来越多的未利用地被开发利用为建设用地，地表裸土、土壤沙化、风化等问题得以控制，土地利用率在不断提高[35]。综上，生态用地面积的增加，未利用裸土地得到有效的利用，促进了研究区生态环境质量的改善。该结论与马海良等[36]对该区域生态环境的研究结论基本一致，同时也说明了各种人类工程的实施是导致研究区生态环境改善的主因。

图5 研究区2000-2020年气温变化

表4 研究区2000-2020年土地利用面积 km2

本文采用绿度NDVI、湿度Wet、热度LST和干度NDSI4个指标构建的RSEI来评价研究区的生态环境质量，虽能较好地反映出研究区生态环境变化趋势。但很多学者将不同的指标引入遥感生态指数，如李洋等加入人类活动指数和坡度两个指标，第一主成分的贡献率达到70%以上[37]。十大孔兑位于黄土高原和鄂尔多斯髙原交错地带，境内地形地貌复杂多样，丘陵区、风沙区、平原区3种不同的地貌类型在此交汇，导致境内地形起伏度较大。同时人类活动对该区域的生态环境的影响比较大。未来研究中可以考虑增加海拔、坡度、土地利用、土壤等因子对生态环境质量变化的影响。

4.2 结 论

(1) 研究期间，2000年、2010年和2020年，十大孔兑年遥感生态指数均值分别为0.31，0.33，0.57，生态环境质量在不断改善。

(2) 2000—2020年，十大孔兑的生态环境质量等级以差到一般为主，差、较差及一般等级的面积之和占区域总面积的比例依次为79.45%，76.54%，70.16%。生态等级差到一般的面积减少了1 004 km2，转化为优良和良好等级。研究区的生态环境质量在逐步地改善。

(3) 在空间分布上，下游平原区的生态环境质量最优，上游丘陵区和中游风沙区较差。研究区域生态环境的治理取得了一定的成效。环境质量在研究期间有了较大程度的改善。