对比遥感生态指数与改进型遥感生态指数的应用

梁恒 刘辉

（1 福州大学环境与安全工程学院 福建福州 350108 2 福州大学地理与生态环境研究中心 福建福州 350108 3 福州中谷海创科技发展有限公司 福建福州 350108）

0 引言

生态环境对人类生产活动有巨大影响，近年来生态环境问题持续引发关注，对于区域生态质量进行评价愈发重要，而仅仅根据文本数据难以准确的评价区域生态质量，例如我国2006 年提出的EI 生态评价指数［1-2］，因其繁琐的评价过程以及无法评价小范围生态质量等缺点，应用频率逐渐降低。随着遥感、地理信息系统技术的发展，依据其大范围监测、数据获取周期短、空间分辨率较高等特点，逐渐被应用于农业、气象、测绘等诸多领域。利用遥感技术可以实现地面信息的动态监测、评价结果可视化等，因此遥感技术也逐渐被应用于生态环境评价领域［3］。遥感技术的应用使得生态评价过程更加便捷，且能更加准确地应用于任意区域。早期科研人员利用遥感技术进行区域动态监测多是依靠植被覆盖度、地表温度等单一指标，例如YUAN 等［4］利用差值植被指数研究城市热岛效应，SANDHOLT 等［5］分析地表温度对地表水分的影响，而单一指标只能反映区域生态的单一方面特征［6］，往往难以准确反映区域总体生态质量。

2013 年，徐涵秋［7］综合多个遥感指数，将绿度、湿度、干度、热度通过主成分分析进行整合，提出RSEI 指数。RSEI 评价体系构建完全基于遥感影像，数据获取难度小，并且将区域生态质量进行量化，使得生态质量动态监测对比更加简便，且RSEI 通过主成分分析综合多因素信息，评价结果较为客观，包含信息更加全面，适用性较强，近年来被广泛应用［8］。例如宋慧敏等［9］利用RSEI评价渭南市生 态质量、王士 远等［10］利用RSEI对长白山地区近20 年生态变化进行研究、王丽春等［11］利用RSEI 评价新疆玛纳斯湖湿地生态改善情况。

宋美杰等［12］为了最大限度地提取各评价指标信息，将各主成分加权相加，提出了改进型遥感生态指数。MRSEI 在RSEI 基础上，使用客观赋权法进一步保留各评价指标信息，但是各主成分相互独立，加权相加后是否使得MRSEI 相较于RSEI 更能综合代表各评价指标，这一点仍需验证。

本研究以福建省南靖县为研究区，其辖区内包含多种地形，且各地类分布较为集中，有利于区分不同指数对生态质量评价的区别。从NASA 官网下载研究区影像，分别构建RSEI及MRSEI 评价体系，比较通过2 种指数提取方法得到的生态质量评价结果。

1 研究区概况

南靖县位于福建省东部，紧邻漳州市区，辖区内地形复杂，由西向东分别是中低山、丘陵、台地、河谷平原、冲击平原5大类型区域。随近年来漳州市城市扩张，以及南靖县经济增长，2010—2020 年间，南靖县建筑区增加50.1 km2，增长率165.72%，主要集中在西部，环境生态变化较大。南靖县区位见图1。

图1 南靖县区位

2 数据源及预处理

本文选取研究区2010 年、2014 年、2017 年、2021 年Landsat TM/OLI 影像（影像来源于http：//glovis.usgs.gov/），影像云量皆低于5%，研究区影像清晰无遮挡，且影像均为每年2月、3 月拍摄，以确保数据的可比性。沿研究区外围按矩形裁剪，并对影像进行辐射定标、大气校正等预处理，避免影像经过多次运算后异常值累积［13］，最后按照行政区边界进行精确裁剪。

3 研究方法

3.1 指数构建

RSEI 与MRSEI 以绿度、湿度、干度、热度作为评价指标，通过主成分分析综合各指标主要信息。RSEI 以第一主成分作为生态质量评价标准，MRSEI 则将前三主成分特征值贡献率作为权重，将前三主成分加权叠加结果作为生态质量评价标准。两指数遥感定义见公式（1）。

式中：NDVI、WET、NDSI、LST 分别代表绿度、湿度、干度、热度指标；f 为主成分分析。

NDVI、WET、NDSI 计算如公式（2）～（6）。

式中：ρblue、ρgreen、ρred、ρnir、ρswir1、ρswir2在Landsat TM 影像中分 别为1、2、3、4、5、7 波段，在Landsat OLI 影像中分别为2、3、4、5、6、7 波段；b1～b6表示各波段系数，在Landsat TM 影像中分别为0.031 5、0.202 1、0.310 2、0.159 4、0.680 6、0.610 9，在Landsat OLI 影像中分别为0.151 1、0.197 3、0.328 3、0.340 7、0.711 7、0.455 9［14］。

LST 可采用辐射传输方程法反演获取，计算如公式（7）～（8）。

式中：B（Ts）表示黑体辐射亮度，Lλ、Lu、Ld分别表示热红外波段辐射亮度、大气上行辐射、大气下行辐射；τ、ε 分别表示大气透过率、地表比辐射率，其中ε 采用覃志豪等［15］提出的计算方法获得；K1、K2为定标系数，可在影像元数据中获得；τ、Lu、Ld皆可在NASA 网站（https：//atmcorr.gsfc.nasa.gov ）获得。

RSEI 将PC1作为环境生态质量的评价标准，MRSEI 则将前三主成分按照特征值贡献率加权相加，第四主成分因为特征值贡献率占比较小，其中包含有效信息较少，所以不参与MRSEI 构建，RSEI、MRSEI 表达式见公式（9）～（10）。

式中：ei为第i 主成分对应特征值贡献率；PCi为第i 主成分。

在构建指数时，水体会影响到主成分分析时湿度指标的占比，从而使得最终结果产生误差［16］。本文使用徐涵秋［17］提出的水体指数MNDWI 提取研究区水域范围，并进行掩膜处理，其表达式见公式（11）。

式中：ρgreen、ρmir分别表示绿光波段、中红外波段反射率。

因为湿度指标是通过缨帽变换获得，其量纲与其他指标存在差异，需要将各指标进行标准化，另外为去除影像处理时产生的异常值，本文选择0.5%～99.5%为置信区间，标准化后各指标量纲统一到［0，1］，标准化表达式见公式（12）。

式中：NI 表示标准化之后的各指标像元值；Ii表示标准化之前的各指标像元值；Imin、Imax分别表示该指标置信区间内像元值中最小值、最大值。

3.2 主成分分析

主成分分析是通过线性变换将多维度信息整合到相互正交的较少维度中，其中第一主成分集中了大部分信息［18］。RSEI、MRSEI 通过主成分分析将4 个生态指标中的主要信息集成到各主成分中，主成分信息及统计结果如表1。

表1 各年份主成分分析

南靖县各年份影像主成分分析前三主成分特征值贡献率总和分别为98.39%、98.84%、99.01%、98.99%，说明前三主成分中包含4 个指标中的大部分信息。

4 RSEI、MRSEI 对比

4.1 相关性对比

MRSEI 是经过主成分分析后二次处理的结果，所以MRSEI 是否可以代表4 个指标仍需要进行验证。宋美杰等［12］通过对比MRSEI 与各指标相关性验证MRSEI 是否具有代表性，本文采用同样的方法验证RSEI 与MRSEI 同各指标相关性，对比两指数的综合代表性。

标准化之后RSEI 和MRSEI 与各指标具有相同的值域，便于对比两指数与各指标之间相关性，同时便于两指数进行对比。两指数及各指标之间相关系数见表2。

表2 两指数及各指标之间相关系数

对比各年份各指标相关性，各指标平均相关度绝对值范围处于0.549 5～0.809 7 之间，RSEI 平均相关度绝对值范围处于0.859 9～0.893 3 之间，MRSEI 平均相关度绝对值范围处于0.852 5～0.889 8 之间，且各指标历年平均相关度也小于RSEI和MRSEI，由此可以得出RSEI 与MRSEI 所包含信息量大于任一指标，皆比任一指标更具有综合代表性。

各年份RSEI 平均相关度及历年平均相关度皆略大于MRSEI，两指数平均相关度接近。且对于不同指标，两指数与其相关度各有大小，说明总体上RSEI 更具有综合代表性。

4.2 两指数分级评价对比

虽然两指数与各指标平均相关度较为接近，但是对区域生态质量评价仍需进行比较。标准化处理之后各年份两指数像元值皆分布在［0，1］之间，像元值越接近1，代表该区域生态质量越好，反之，则代表生态环境越差。对各年份RSEI 和MRSEI 进行分级，按相等间隔将RSEI 和MRSEI 重分类分成优、良、中、较差、差5 个等级。

根据南靖县土地利用数据，分别在植被覆盖区与建成区选取6 处区域（见图2），对比两指数对不同区域生态等级划分情况，其中1～3 号为植被覆盖区，4～6 号为建成区，土地利用数据来源于国家基础地理信息中心全球地表覆盖数据产品服务网站（http：//www.globallandcover.com/）。

图2 土地利用及取样

对比各年份RSEI 及MRSEI 对于不同区域生态等级划分情况，白色代表RSEI 等级划分高于MRSEI，黑色代表MRSEI等级划分高于RSEI，两指数分级对比详见图3。

图3 两指数分级对比

根据对比结果，两指数在大部分区域生态等级划分一致，比较1～6 号样区，各年份1～3 号样区白色斑块大多多于黑色斑块，4～6 号样区黑色斑块大多多于白色斑块，说明相较于MRSEI，RSEI 更倾向于赋予植被覆盖区更高生态等级，而MRSEI 则在建成区赋予高于RSEI 的生态等级，显然RSEI 等级划分更加合理。

表3 两指数各级生态质量面积占比

5 结论

RSEI、MRSEI 历年相关度均值皆高于任一指标，说明两指数比任一指标更具有代表性。RSEI 与各指标各年份相关度均值及历年相关度均值皆高于MRSEI，说明RSEI 对于各指标更具有综合代表性，且两指数对区域生态质量历年变化趋势相同；对于区域生态质量评价，两指数划分各等级区域分布大致相同，RSEI 等级划分高于MRSEI 区域主要分布在植被覆盖率较高区域，MRSEI 等级划分高于RSEI 区域主要分布在建成区。

主成分分析将各指标主要信息重新分配到其他维度，即各主成分，而各主成分相互独立，难以确定累积相加后的结果是否如第一主成分一般仍具有综合代表性。MRSEI 按照各主成分贡献率为权重将前三主成分加权相加，然而有效信息增加同时不可避免造成冗余信息累积，使得最终评价结果可信度低于RSEI，且MRSEI 构建过程更为繁琐，对比结果表明RSEI 相较于MRSEI 更适合生态质量评价。