基于RSEI指数的吉林省四平市生态环境质量变化分析

徐思瑜，于海明，徐誉维，张熠斌，沈海鸥

（1.吉林省地质环境监测总站（吉林省地质灾害应急技术指导中心），吉林 长春 130021；2.吉林农业大学，吉林 长春 130118）

实现乡镇生产生活与生态环境协同发展是制约现代社会发展的关键问题之一。如何有效利用各种现代化监测手段，多尺度、全方位地掌握生态系统的发展、变化趋势，同时提高生态环境评价工作的质量和效率，已成为生态环境保护的重要研究方向。随着航空航天学科的飞速进步，卫星遥感技术近年来高速发展，其具有对地观测面积广阔、实时快速和周期性强等优点，已在地质环境监测、自然灾害调查、矿山地质环境治理、土地利用变化、考古、气象水文调查和城市规划等领域得到广泛应用。利用遥感数据对森林（Ochoa-Gaona et al.，2010）草地（Sullivan et al.，2010）、城市（Xu et al.，2009；曾辉等，1999）、河流（Ivits et al.，2009）及流域（Moran et al.，2004）的生态系统进行监测和评价，已是生态监测和保护的有效手段之一。但大多基于单一的指标进行监测与评价，而生态系统是多要素及其功能结构在时间和空间尺度上的综合表达（Sowinska-Swierkosz，2017）。因此，生态环境质量需从多维度进行诠释。

本文以四平市为研究对象，以新型遥感生态指数（Remote Sensing baesd Ecology Index，RSEI）为研究基础，采用Landsat系列为数据源，对该区2007年、2016年以及2021年的生态环境质量进行量化研究，其目的在于选择合适的评价模型，定性、定量研究区域内的生态环境变化，明确四平市生态环境现状，最后利用不同的评价机制进行对比分析，找出影响该区生态环境的主要因素并进行全面剖析，为保护四平市生态环境提供科学参考。本文进一步验证RSEI的适用性，扩大其应用范围，为研究区生态环境保护可持续发展提供科学依据。

1 研究区概况和数据源

1.1 研究区概况

四平市是吉林省地级市，全市辖区1.03万km2。现辖梨树、双辽、伊通3个县（市），铁东、铁西2个区，1个国家级经济技术开发区，6个省级经济开发区。截至2020年11月1日，四平市常住人口为181.47万人。因选取的3期数据时间跨度较大，本次研究区包含公主岭市（图1）。公主岭市2013年11月已由吉林省接管。

图1 研究区示意图Fig.1 Schematic Diagram of the Study Area

1.2 数据来源

遥感影像数据均在地理空间数据云（http：//www.gscloud.cn）获取，数据类型为Landsat系列数据源，为避免云量对结果的影响，选取少云或无云的影像作为研究对象，云量控制在10%以内。时间序列上，选取时相相近或同时期的遥感影像，研究时间为2007年、2016年、2021年，每年选择8月下旬的影像为对照序列。

1.3 数据预处理

为了减少不同时相影像在光照和大气方面带来的差异，对这3期遥感影像进行预处理，通过辐射定标将像元灰度值转换为辐射亮度值（Chander et al.，2009），再利用FLAASH大气校正法进行大气校正（Nazeer et al.，2014）。最后对获取的遥感影像和矢量边界进行投影，将所有数据统一到同一坐标系统下。最后对影像边界裁剪，获取研究区范围内的遥感影像。

2 研究方法

新型遥感生态指数（RSEI）是基于遥感技术，且指标容易获得、没有人为权重设定，是一个可以快速、定量客观评价研究区生态环境的指标（徐涵秋，2013a；徐涵秋，2013b）。遥感生态指数中代表生态优劣的重要生态指标是绿度、湿度、热度和干度。分别用归一化植被指数（NDVI）、湿度分量（WET）、地表温度（LST）、建筑物和裸土指数（NDBSI）来代表。这样，拟建的遥感生态指数（RSEI）就可以表示为这4个指标的函数，即：

其遥感定义为：

式（1）、式（2）中，Greenness为绿度，Wetness为湿度，Thermal为热度，Dryness为干度；NDVI为植被指数，Wet为湿度分量，LST为地表温度，NDBSI为建筑物和裸土指数。4个指标计算公式见表1。

表1 遥感生态指数计算公式Tab.1 Calculation formula of remote sensing ecological index

由于NDVI、WET、LST、NDBSI指标的量纲不统一，为避免在主成分分析中各个指标权重失衡，需要对4个因子原始值做归一化处理，将范围统一在（0，1）之间，归一化公式为：

式（3）中，BIi为某个因子归一化的像元值，bi为某个指标因子的像元值，bmax、bmin分别为该因子的最大值、最小值。

上述4个指标经归一化处理后，利用遥感影像处理工具（采用ENVI 5.3）将4个指标耦合成一幅影像，然后对合成后的影像做主成分分析，提取第一主成分PC1作为遥感生态指数初始值，从而获得初始的生态指数RSEI0。为避免大片的水域影响PCA的荷载分布，采用MNDWI水体指数（徐涵秋，2005）掩膜掉水体信息。

为了便于指标的度量和比较，可同样对RSEI0进行归一化：

RSEI即为所建的遥感生态指数，其值介于（0，1）之间。RSEI0值越接近1，说明生态越好；反之，生态质量越差。

3 结果与分析

3.1 四平市生态环境质量整体分析

对合成后的4个遥感生态指数指标进行主成分分析，得到定量化的综合指数（表2）。

从表2可以看出：1）PC1中最大限度集中了4个指标的特征信息，特征值贡献率均为最高，分别为85.44%、87.11%、76.82%，均在75%以上。2）各年份的第一主成分结果中，NDVI和WET均为正值，LST和NDBSI均为负值，表明绿度和湿度对生态环境有促进作用，温度和干度对生态环境有抑制作用，4个年份中干度的系数都最大，说明干度对生态环境质量的影响最大。3）在PC2、PC3、PC4中各指标值无渐规律可循，各指标贡献率也很小。故以第一主成分PC1构建RSEI。

表2 各年份主成分分析结果Tab.2 Principal component analysis results of each year

为从整体上分析四平市生态环境状况，分别统计了4个指标和RSEI均值（表3）。

从表3可以看出，四平市整体上从2007年、2016年、2021年的RSEI均值呈上升趋势，分别为0.661 2、0.670 3、0.696 1。说明研究区生态环境在逐渐变好，生态质量逐步提升。

表3 各指标和RSEI均值Tab.3 Average value of each index and RSEI

将四平市各地市的3期数据按0.2为间隔划分为5个等级，分别为［0～0.2）、［0.2～0.4）、［0.4～0.6）、［0.6～0.8）、［0.8～1］，分别代表生态环境差、较差、中、良、优。从四平市整体生态等级分布变化来看，四平市从2007年到2021年生态环境质量明显提升，其中双辽市生态环境质量提升明显。这与当地政府开展的相关生态环境治理工作息息相关，尤其是双辽市大力开展植树造林、退耕还林生态工程密不可分。同时可以表明RSEI反映四平市生态环境状况准确合理。如图2所示。

图2 四平市各地市RSEI质量等级分布图Fig.2 Distribution map of RSEI quality grades in all cities of Siping City

表4总结了四平市生态环境质量各等级的面积和比重。可以看出，2007—2021年生态等级为差、较差、中等级所占面积比重从30.46%下降到22.17%，而良和优等级所占面积比重从69.51%上升到77.81%。2007年与2021年对比：差、较差和中级占比到2021年明显减少，分别下降了0.98%、4.62%、2.69%；良等级占比明显增加，为5.09%。可以看出，2007—2021年，四平市生态环境质量得以提升，同时也进一步表明，四平市态环境质量得以提升。

表4 RSEI等级面积及其百分比Tab.4 RSEI grade area and its percentage

为更好地研究四平市生态环境质量的时空变化，对遥感生态指数等级图进行差值变化检测（图3），按级差符号分为3类，变好（+1、+2、+3、+4），变差（-4、-3、-2、-1），不变（0）（表5）。

表5 2007—2021年间RSEI差值变化检测Tab.5 Detection of changes in RSEI difference between 2007 and 2021

图3 2007—2021四平市RSEI差值变化检测Fig.3 Change detection of RSEI difference in Siping City

2007—2021年生态等级变差的面积为4 237.91 km2（约占总面积的29.38%），不变的面积为5 370.07 km2（约占总面积的37.23%），变好的面积为4 816.55 km2（约占总面积的33.39%），整体上生态环境质量较好。

3.2 建模与预测

采用1 km×1 km网格对3期遥感生态指数和4个指标进行整图重采样，4个指标作为自变量，遥感生态指数作为因变量进行多元回归分析，建立四平市生态模型，预测四平市生态环境变化趋势。以下为四平市2007年、2016年、2021年的回归模型：

从生态模型可以看出，NDVI和WET的系数为正，而LST和NDBSI为负，可以看出NDVI和WET对生态环境起促进作用，而LST和NDBSI起抑制作用，这个结果和表1各指标对第一主成分的贡献相一致。从回归模型的系数的均值可以看出（均值分别为：0.287 6，0.293 1，-0.284 4，-0.324 4），对研究区生态环境的影响最大的是NDBSI，其他依次为WET、NDVI、LST。

图4为2021年正向指标NDVI、WET和负向指标LST、NDSI与RSEI的三维散点特征图。特征图的上部代表植被覆盖度高且湿度较大的散点，生态环境相对优越；下部代表裸露地表、热度高的散点，生态环境较差。从三维散点特征图可以看出，散点多集中在上部，说明地表干化和裸露的区域正在逐步减少，生态环境质量正在逐渐提升，证实了四平市加强对沙地、荒地等裸露土地的治理，降低裸露土地面积，干度指数有所下降。生态环境的措施已初见成效。

图4 三维散点特征图Fig.4 3D scatter plots of indicators

整体上来看，主成分分析和多元回归都能很好地反映研究区生态环境的趋势。无论是主成分分析还是多元回归模型，代表正向指标的WET和代表负向指标的NDBSI对的生态环境影响较大。以2021年的回归模型进行预测，欲使RSEI提升0.1，那么相应的NDBSI减少0.503 3或WET提升0.368 2。但在实际生态环境治理中，干化裸露地表减少的同时伴随着绿地和植被的增加，假设NDBSI减少0.503 3，NDVI增加0.503 3，则RSEI将提升0.321 1。

4 结论与讨论

（1）对四平市2007年、2016年、2021年遥感影像进行主成分分析。NDVI和WET均为正值，LST和NDBSI均为负值，表明绿度和湿度对生态环境有促进作用，温度和干度对生态环境有抑制作用，3个年份中干度的系数都最大，说明干度对研究区生态环境质量的影响最大。

（2）从生态环境等级来看，生态等级中级以下所占面积比重下降了8.29%，中等级以上等级占比随之上升，就2007年和2021年比较来看，差、较差和中级占比到2021年明显减少分别下降0.98%、4.62%、2.69%。良等级占比明显增加，为5.09%。其中双辽市生态环境质量得到明显改善，表明RSEI能很好地综合4个分量指标，可准确表达和反映四平市生态环境状况。

（3）以NDVI、WET、LST、NDBSI和RSEI进行多元回归分析，建立四平市生态模型，其中NDBSI对生态环境影响最大，从回归模型预测结果可以看出，干化和裸露地表的治理是提升四平市生态质量的关键，这一结果也证实了双辽市裸露土地的治理，降低裸露土地面积。改善当地生态环境的措施是科学的、合理的。