邢艳春,甯 珂,李雪兰
(1.吉林财经大学 统计学院,吉林 长春 130117;2.成都理工大学 工程技术学院,四川 乐山 614000)
流域生态系统是由一个水系所联通的社会、经济、自然的复合生态系统,是生物多样性的聚集地,也是人类生产生活的重要场所。当流域某一处生态环境遭到破坏时,整个流域的生态环境健康以及区域社会经济的发展将会受到影响。及时有效的评估流域生态环境质量时空变化并分析其驱动因素对于制定流域协同性保护十分重要。
由于其数据获取方便、成本低、地表信息连续覆盖、数据具有可比性等优点,遥感技术已成为流域生态环境监测与评价可视化的有效手段[1]。例如:Shi等[2]在2017年通过MODIS产品在提取增强化归一化植被指数(EVI)用于识别流域植被生产力状况。采用修正的归一化差异水体指数(MNDWI)研究流域内湿地动态演化[3]。归一化差分裸土指数(NDBSI)可以有效区分流域区建筑物[4]。然而,影响流域的生态环境质量的因素是复杂多样的,仅采用单一的生态指标会产生生态系统评估上的误差。为改进流域生态环境质量监测和评价方法,越来越多的研究者聚合多种生态环境指标进行评估。早期聚合多种生态环境指标方法,一般采用层次分析法[5]、熵权法[6]、耦合协调度(CCD)模型[7]等综合指数评价法对生态环境进行量化评估。但因权重赋予没有科学规范的标准,往往受主观因素影响较大。Xu等[8]提出了一种完全基于遥感数据的遥感生态指数(RSEI)。该方法将绿度、湿度、干度、热度四个指标通过主成分分析方法(PCA)结合提取特征值,不仅消除了单一指标的局限性,还解决了权重选择的主观性,已成为评估复杂生态系统生态状况的首选方案[8]。早期的RSEI构建需要对卫星数据进行下载、处理、叠加等操作,此过程会产生一些系统性错误并需要大量时间。本研究集成了数据采集、数据预处理、误差分析、在GEE(谷歌地球引擎)平台上绘制结果。该平台一些数据集(如 Landsat 系列和 MODIS 产品数据系列)已经过辐射校准或大气校正处理。与传统的遥感影像处理软件相比,GEE平台更适用于大规模遥感影像的构建和生态环境质量评价,提高评价的准确性,同时节省研究时间。
松辽流域是中国生态安全屏障建设的重要战略要地,特殊的地理环境为珍稀动植物提供了优良的生存空间,保护流域生态环境对维持大环境下生态系统稳定和维护生物多样性具有重要意义[9]。本研究基于GEE平台,从MODIS数据中提取了四个广泛应用的生态指标,使用主成分分析方法,对松辽流域的生态环境质量进行评价,探究其空间分布格局和时空变化,并揭示了松辽流域生态环境质量变化的驱动因素。
2.1 研究区域松辽流域(115°31′E-135°9′E,38°35′N-53°35′N)泛指中国东北地区,是我国九大流域片之一。该片区横跨辽、吉、黑、蒙、冀五省,包含了辽河、松花江两大水系,辐射总面积约77×104km2[10]。松辽流域南部濒临渤海和黄海,西、北、东部环绕大兴安岭、小兴安岭和长白山三大山系。中、南部形成宽阔的辽河平原、松嫩平原,东北部为三江平原。该区域不仅是气候变化的敏感区和重要的碳汇区,也是我国沼泽湿地最丰富、最集中的区域之一。松辽流域地理概况见图1。
图1 松辽河流域地理概况Fig.1 Geographical overview of the Songliao River Basin
2.2 数据来源
2.2.1 MODIS数据集 MODIS数据集是美国宇航局基于美国地球观测系统(EOS)计划中用于观测全球生物和物理过程的大型空间遥感仪器长期观测全球生物和物理过程产生的影像数据。
本研究用于构建RSEI的4个输入量:绿度(Greenness,EVI)、湿度(Wetness,WET)、热度(Heat,LST)和干度(Dryness,NDSI)[11-13],所使用的数据通过调用GEE平台数据库提供的MODIS系列,包括分别来自MOD13A1、MOD09A1、MOD11A2和MOD09A1获得(表1)。
表1 RSEI模型的生态指标数据来源Table 1 Data source of ecological indicators for constructing RSEI model
2.2.2 生态环境质量及驱动力分析数据 生态环境质量及驱动力分析包含自然因素、人为因素两个维度,涉及松辽流域的降雨、气温、蒸发量、水资源量、区域人口密度和生态治理状况等方面。松辽流域的土地利用数据、矢量边界数据、数字高程模型数据(DEM)来源于中国科学院地理科学与资源研究所资源环境科学与数据中心。松辽流域气象数据来源于国家气象科学数据共享服务平台,获取了研究区各气象站点的年均降水量、均温、蒸发量。松辽流域社会经济数据、生态治理状况等数据来源于国家统计局地方统计年鉴和政策文件(表2)。
表2 其他数据来源Table 2 other data sources
2.3 模型构建遥感生态指数模型是仅依托遥感技术提取信息、可集成多种生态指标、快速评估区域生态状况的聚合指数[13]。该方法选取自然生态环境的4个重要指标作为拟建生态指数的评价指标,即绿度、湿度、热度和干度,通过对与生态环境密切相关的生态指标进行数据预处理(归一化),消除由于量纲不同造成的差异后,用主成分分析法(PCA)确定各指标的权重,建立遥感生态指数评价模型[14]。
生态环境质量受多方面因素影响和作用。其中,绿度(代表植被)、湿度(代表土壤水分)、干度(代表建筑物)和热度(代表温度),不仅与生态系统紧密相关,同时也是使人们直观感受生态环境好坏的重要因素[13]。因此,本文构建RSEI遥感生态指数模型,函数表达式为:
RSEI=f(G1,M1,D1,H1)
(1)
式中:G1代表绿度指标(Greennes);M1代表湿度指标(Moisture);D1代表干度指标(Dryness);H1代表热度指标(Heat)。
2.3.1 绿度指标(Greennes) 本研究的绿度指标用增强植被指数(Enhanced Vegetation Index,EVI)表示。增强植被指数是归一化植被指数的一种改进算法[15]。对比归一化植被指数(NDVI),该指标提高了对稀疏植被探测的灵敏度,减少了大气和土壤噪音对信息提取的干扰,尽可能减少由于大气或者植被生长地表所造成的误差。EVI的数据在测量茂密的植被区域,以及在大多数类似情况下能减轻饱和度。由于该指标能够稳定地反应所测地区植被的情况,目前已广泛的应用于区域地表植被空间变化规律的探索。
计算公式为:
(2)
式中:ρNIR为近红外波段反射率;ρR为红光波段反射率;ρβ为蓝光波段反射率。
2.3.2 湿度指标(Moisture) 土壤水分能较好的反映区域动植物在土壤中的基本湿度状况,在气候、环境、生态等研究与应用起着重要作用,是监测地表环境的重要指标。松辽流域的综合湿度,遥感技术中缨帽变换的湿度分量能够很好反应。本研究采用缨帽变换当中的湿度分量来代表湿度指标通过MODIS反射率数据。公式为:
WETTM=0.0315ρblue+0.2021ρgreen+0.3102ρred+0.1594ρNIR-0.6806ρSWIR1-0.6109ρSWIR2
WETOLI=0.1511ρblue+0.1973ρgreen+0.3283ρred+0.3407ρNIR-0.7117ρSWIR1-0.4559ρSWIR2
(3)
式中:ρblue为MODIS影像的蓝波段;ρgreen为绿波段1;ρred为红波段;ρNIR为近红外波段;ρSWIR1为短红外波段1;ρSWIR2为短红外波段2。
2.3.3 干度指标(Dryness) 土壤干化会对区域生态环境造成恶劣的影响,进而破坏整个生态系统[16]。因此,本研究选用裸土指数(Soil Index,SI)和建筑物指数(Index-based Built-up Index,IBI)组合为归一化干度指数((Normalied Difference Soil Index,NDSI)来反映土壤干化程度。公式为:
归一化干度指数(NDSI):
NDSI=(SI+IBS)/2
(4)
建筑指数(IBI):
IBI=IBI1/IBI2
(5)
(6)
(7)
裸土指数(SI):
SI=(ρSWIR1-ρR-ρNIR1-ρB)/(ρSWIR1-ρR+ρNIR1+ρB)
(8)
式中:ρB、ρG、ρR、ρSWIR1分别为MODIS数据的蓝、绿、红、近红外1、短波红外波段1的反射率数据。
2.3.4 热度指标(Heat) 生态环境地表温度与生态环境与人文社会经济发展密切相关。遥感技术中通常运用大气校正法、单窗算法和单通道算法等方法获取ρNIR地表温度[17-19]。研究发现,大气校正法反演的地表温度与实际测量地表温度误差在1 ℃之内[20],所以本研究采用大气校正法反演的陆地地表温度(Land Surface Temperature,LST)代表松辽流域热度指标。公式如下:
LST=T/[1+(λT/ρ)lnε]-273.15
(9)
式中:T表示传感器热度值;λ代表热红外波段中心波长;ρ为常数1.438×10-2mK;ε代表地表比辐射率。
2.3.5 主成分分析(PCA) 主成分分析法(Principal Componens Analysis)也称主量分析。主成分分析法是利用降维的思想,在损失很少信息量的前提下,把多个指标转化为几个综合指标的多元统计方法[21]。主成分分析法的运算步骤:①对原始数据进行标准化处理(归一化处理);②计算相关系数矩阵R;③计算特征值和特征向量;④选择k个主成分,计算综合评价值。加权求和公式:
(10)
式中:P为生态综合指数;ei(i=1,2,…,k)为某一主成分的方差贡献率;k为选取的主成分个数;pci表示对应的第i个主成分。
2.4 基于GEE 的数据预处理
2.4.1 去除云像元 MODIS遥感影像中会出现云遮挡,会对影像中指标数据提取造成误差。在进行数据提取前需要对目标年份影像进行去云和去除不好质量的影像[22]。
本研究基于GEE编程,筛选目标年份前一年以及下一年的遥感影像通过官方提供的MODIS云掩膜算法,对符合条件的影像数据集去除有云像元,以无云像元中值合成松辽流域内目标监测期植被生长期最小云量影像[23]。
2.4.2 水体掩膜 松辽流域内湖泊众多,河流主干道常年流水[10]。水体会影响区域土壤湿度指标的监测,从而影响主成分的荷载分布[24]。因此,我们对该阶段松辽流域内大面积水域进行掩膜。本研究采用修正的归一化差异水体指数(MNDWI),提取研究区的水体,并对水体进行掩膜。公式为:
MNDWI=(ρG-ρSWIR1)/(ρG+ρSWIR1)
(11)
式中:ρG为绿光波段反射率;ρSWIR1为短波红外波段1反射率。
2.4.3 遥感生态指数计算 经过除云、水体掩膜,指标正向归一化处理后,本文通过GEE平台将目标年份的绿度、湿度、热度和干度4个指标进行主成分分析,获得加权后的初始RSEI0,计算公式为:
RSEI0=1-PC1[f(EVI,WET,NDSI,LST)]
(12)
式中:PC1为第1主成分,f为对4个指标进行正向归一化处理,同样对RSEI0进行正向归一化处理,得到最终的RSEI值,见式(13)。其值介于[0,1]之间,RSEI值越接近于1,表示生态环境质量越好。
RSEI=(RESI0-RSEI0min)/(RESI0max-RSEI0min)
(13)
式中:RESI0min、RESI0max为目标年份的RESI0最小值和最大值;RESI为最终的遥感生态指数。
2.4.4 动态变化分析 本研究参考《生态环境状况评价技术规范(试行)》(HJ/T192-2006)中划分方法,将松辽流域生态环境质量指数划分为5个生态等级(优、良、中、较差、差),RSEI指数越大说明生态环境质量越好,反之说明生态质量越差。
动态变化分析是按照时间的维度,对某一数据或者不同数据变化趋势进行差异化研究的分析方法,也可以对数据的未来变化进行预测,即现状分析和预测分析。本研究在由GEE平台输出的RSEI栅格数据基础上,在Arcgis软件中调用栅格计算器工具,通过栅格作差的方式得到3个时段的RSEI指数变化趋势。吴宜进等[11]以正值代表“Better”,负值代表“Worse”,0则代表“Unchanged”,从而全面分析松辽流域20年以来的生态变化趋势。
3.1 主成分分析模型评估松辽流域研究不同阶段的遥感生态指数是根据四个指标的贡献度对PC1进行评分计算得出的。由表3可知,松辽流域研究不同阶段PC1在研究年份的四个PC中具有最大的特征值,且第一主成分贡献率ECR(pc1%)比例在 88% 到 90% 之间,表明PC1与PC2、PC3和PC4相比,收集了四个指标中最多的变异信息(表3)。PC1可以最大限度地集中各个指标的特征,合理解释生态现象,因此可以用来创建RSEI。
表3 四个变量对第一主成分(PC1)的贡献Table 3 The contribution of four variables to the first principal component(PC1)
此外,PC1中的四个指标根据其符号分为两类,一类是EVI和WET,另一类是LST和NDBI。这两个类别的相反迹象表明它们对生态状况的贡献是相反的。代表绿度的EVI和代表湿度的WET对生态环境表现出很强的正向作用。代表热度的LST和代表干度的NDSI在PC1中呈负值,表明其对生态环境呈负向作用,与实际相符。ε表示以第一主成分建立回归方程的随意扰动项。
由此可建立以RSEI0为因变量的主成分分析回归方程:
(14)
(15)
3.2 松辽流域生态环境遥感指数评价松辽流域RSEI的空间分布来看,松辽流域局部地区属于生态脆弱区,呈“东北优,西南差”的空间分布格局,生态环境整体优良。
2000年松辽流域RSEI平均值为0.6145(SD=0.2211)。2010年,该区域RSEI值有上升,平均值为0.6547(SD=0.2010)。2020年,该区域RSEI平均值有下降,为0.6539(SD=0.1906)。
2000年松辽流域区域生态质量有57 295 km2为差等级区域,占总面积的4.62%;2010年差等级区域面积仅为31 073 km2,占2.50%;2020年差等级区域较差质量区域仅为2.32%。2000年松辽流域区域生态质量最好的区域占28.78%;2010年生态质量最好的区域占33.23%,有很大的改善。但是到2020年,生态质量最好的区域仅占29.38%,退化了47 873 km2(图2)。
图2 松辽流域RSEI图及土地利用情况Fig.2 RSEI map and land use in Songliao Basin
3.3 松辽流域生态环境遥感指数分量指标研究构成RSEI的四个指标分别为EVI、WET、LST和NDBI,并且GEE平台的运算结果中包含各分量指标的相关信息。对各分量指标时空特征的分析有助于理解RSEI指数的形成机理。EVI绿度指标在2000—2020年间逐个时段都呈现上升趋势,植被覆盖度的逐年变高,尤其是松辽流域东南部在2000—2010年期间上升明显(图3(a)—图3(c))。WET湿度指标在2000—2020期间呈缓慢升高态势,但变化不甚明显,从分布特征来看西部地区明显低于其余地区(图3(d)—图3(f))。LST热度指标在2000—2020期间时空差异较大,LST呈现出西南部较高,渐次向其他方向降低的空间特征(图3(g)—图3(i)),各十年间该指标变化明显,主要体现在西南部棕色色斑逐年缩小。NDBI干度指标同LST时空分布特征相似,主要区别在于,NDBI在松辽流域北部地区起伏明显,第一个十年该区域指标呈下降趋势,但在第二个十年该区域又有一定上升,可能与一些地区过度开采有关(图3(j)—图3(l))。
图3 RSEI各分量指标的时空特征分析Fig.3 Spatial-temporal characteristics analysis of RSEI component indicators
4.1 松辽流域生态环境遥感变化趋势2000年、2010年、2020年较差等级及以下面积占比分别为21.62%,14.09%,12.47%。对比2000年与2010年,松辽流域整个区域有355 585 km2的土地生态环境质量变得更好。但是,有60 155 km2的土地生态质量有不同程度的退化。2010年与2020年对比,有13.70%的土地退化,最明显的区域在内蒙古管辖范围的呼伦湖附近(图4)。从2000—2010年,松辽流域整体生态环境有大幅度提升,其中有28.66%的面积得以恢复。从2010—2020年,松辽流域整体生态环境修复程度放缓,此阶段有14.79%生态好转。此外,此阶段有71.51%的土地维持不变,13.70%的土地退化。比上一个十年,内蒙古呼伦湖区域和辽宁沈阳市附近区域退化更为明显(图4)。
图4 松辽流域RSEI每隔10年时空变化趋势Fig.4 Spatial-temporal trend of RSEI in Songliao Basin every 10 years
4.2 自然、社会经济和政策因素东北区是中国强大的工业基地,形成了以钢铁、机械、石油、化工等为核心的工业体系。工业区由南向北逐步推进,以钢铁为核心的沈阳—抚顺—鞍山—本溪重工业区,以机械、化工为主的旅大工业区,以煤炭、化工等为主的辽西走廊工业区,以机械、化工、造纸等为主的长春—吉林中部工业区,以电机、石油、机械工业等为主的哈尔滨—大庆—齐齐哈尔工业区,以煤炭—森林工业为主的黑龙江西部工业区等[25]。1990年代,以东北区为代表的我国一大批老工业基地发展出现不同程度缓慢增长称为“东北现象”[26]。东北地区经济增长疲软,GDP总量和增速排位都急剧降低。东北积极进行产业结构调整后,由新动能、新产业为核心的绿色健康经济增长模式替代长期以资源消耗、环境损害为代价的粗放式经济增长模式。而正是这一产业结构调整给予了生态系统自我恢复的时间,2000—2010年松辽流域中部和南部以各重工业基地为核心的周边生态都得到了一定的恢复。由此整体来看,第一个十年松辽流域生态整体向好发展。
而位于松辽流域的中部地区内蒙古通辽市科尔沁附近,由于2010—2020年“三北”防护人工林工程保护和管理措施更加模式化和标准化,松辽流域的林地经过破坏后逐渐开始生态修复的进程。重点治理的通辽市科尔沁大沙地通过一系列人工造林、封山育林和工程固沙等措施,增强了地表的固沙能力,显著改善了该区域的生态环境。
2000年,国家正式实施天然林保护工程,木材产量大幅调减。松辽流域北部以及位于黑龙江省小兴安岭腹地的伊春为林地及草地覆盖区,该区域作为以前的老林场,自2000年天然保护林工程启动以来成功卓越,2011年停止森林主伐,2013年又全面停止商业性采伐。国家对生态保护的政策实施对生态环境质量评估有明显的正向影响,所以从图2松辽流域RSEI图中也反应出来,上述区域的生态环境整体也呈现优良状态。
但2010—2020年随着整体经济的飞速发展,城市经济密度提高、城市人口密度和规模的扩大以及区域人口数量的增长[26-27],由于人口的增加和粮食需求的增加,开垦耕地增加,加快了草地、林地、沼泽地的开垦,对生态环境造成了一定压力致使辽宁沈阳市附近区域退化明显。
内蒙古自治区在第二个十年,生态环境退化明显(图4),内蒙古自治区是全国煤炭产量最大的省区,相关研究[28]显示人类活动干扰是生态环境恶化的主因。内蒙古农牧交错区,灌溉耗水、过度放牧是影响生态环境质量的主要因素,特别是灌溉耗水解释了该区域湖泊消退的近8成的面积变化。而在草原区,生态环境持续恶化原因主要来自煤炭开采,内蒙古自治区矿山开采征占用草原的现象长期存在。2016年中央环境保护督察反馈意见就曾指出,内蒙古自治区多年来矿产资源开发利用粗放,对生态环境造成严重破坏,“开一处矿山、毁一片草原、损一方生态”现象突出。
4.3 松辽流域土地利用覆盖变化因素土地利用覆盖变化(LUCC)直接造成了陆地表面物理特性的变化,改变了陆表和大气之间的能量以及物质交换,影响了地表的能量平衡,进而对区域生态环境产生重要影响(松辽流域土地利用分类时空变化见图5)。如农业的扩张(水稻种植)、城市化过程、森林的退化等都是温室气体CH4的直接来源;耕地增加同灌溉用水的增加如影随形,在大多数干旱地区,每公顷灌溉作物需要消费10000 t的水分[29]。由于陡然增加的灌溉用水量导致地下水超采问题显著,地下水水位下降会引起地下水水质恶化、枯竭等一系列的环境问题影响生态环境评分。相应的湿地、林地、湖泊、森林等土地利用类型的增加对于生态环境质量的改善有很大的帮助[30-33]。
图5 松辽流域土地利用分类时空变化情况Fig.5 Spatial-temporal changes of land use classification in the Songliao River Basin
松辽流域人类用地,从2000年的28 693 km2增长到了2020年的36 776 km2,人类用地扩张了8 083 km2(表4)。主要集中在松辽流域的南部,特别是辽宁省,人类活动加剧,占比排行第五人类用地一直呈稳定上升趋势,这意味着生活、生产要素向城镇集中,还伴随有工厂等大量工业设施,工业聚集和人口聚集从生产和生活两个方面加剧了城镇的环境污染,造成辽宁管辖区域生态环境质量退化。
表4 松辽流域土地利用覆被变化分析结果Table 4 Result of LUCC trend analysis in Songliao Basin
20年间,松辽流域的耕地面积占比从29.85%上升到30.88%,增长面积12 746 km2。在2000—2010年间,水田面积增加了5 184 km2,旱地面积减少了778 km2。在2010—2020年间,水田面积增加了13 259 km2,旱地面积减少了4 919 km2(表4)。另外受到平原系统地下水位下降、农田开垦等影响,2010—2020年,松辽流域的滩涂面积从2.41%下降到2.13%,减少了5 154 km2(表4)。
2000—2020年,高盖度草地面积减少了3 460 km2,草地减少的分布区域主要在黑龙江、吉林、辽宁与内蒙古东部交接地带的半干旱、半湿润的草原地区,包括呼伦贝尔市、兴安盟附近的草原。盲目的耕地扩展也加速了草原土地沙化和盐渍化。从2000—2020年,沙地增加了428 km2(表4)。草场的退化、沙化、造成了呼伦贝尔草原生态环境逐渐恶化,使得在RSEI评价中,该区域生态环境质量等级为差或者较差的面积占比较多。
4.4 水量平衡因素从水量平衡角度看,东北黑土地区水资源补给量变化不显著,而水资源短缺有加剧之势。本研究从国家气象科学数据共享服务平台获取松辽流域降水和均温。由于东北水资源补给主要依靠大气降水,由图6知松辽流域地区降水量整体呈上升趋势,但变化不显著。温度呈现在波动中缓慢上升的状态,温度和降水呈现同方向变化趋势,由此可知东北地区大气降水变化不显著。但随着耕地结构的变化方向由旱地向水田转化,灌溉用水量的增加直接导致了地下水开采量的增加,一定程度上造成了地下水水位下降趋势明显。地下水大幅度的下降,会引起地下水水质恶化、枯竭等一系列的环境问题影响生态环境评分,更严重的还会诱发地面塌陷、地裂等地质巨变。据统计[34-35],相比2001年用于农业的地下水开采量,东北地区2016年增加了16%,达到了2.65×1010m3,而地下水埋深增加的区域主要集中于三江平原东部,以及辽河平原西部等地区。亦可佐证图3中,该区域2010—2020年生态遥感指数RSEI相对变差。
图6 松辽流域2000—2020降水均温趋势Fig.6 Average temperature trend of precipitation in Songliao River Basin from 2000 to 2020
5.1 结论2000—2020年20年间,松辽流域的生态环境呈“东北优,西南差”的空间分布,质量整体优良,局部地区生态脆弱。整体呈变好趋势,局部区域生态退化明显。2010—2020年生态环境退化明显的区域主要集中在内蒙古呼伦湖区域、三江平原东部,以及辽河平原西部等地区。
自然、社会经济和人为政策共同驱动影响松辽流域的生态质量变化。2000—2010年松辽流域中部和南部以各重工业基地为核心的周边生态恢复主要是因为东北工业进行产业结构调整给予了生态系统自我恢复的时间;2010—2020年松辽流域的中部地区和内蒙古通辽市科尔沁附近的生态恢复归功于国家环保政策的实施;内蒙古自治区2010—2020年的生态退化地区的主要驱动因子是过度的矿产开发和灌溉耗水。说明人类的社会经济生产活动和环保政策的实施对于生态环境的质量评估有至关重要的作用,我们应该加大生态环境治理力度,加强工业污染治理监管力度。
结合土地利用类型覆被的分类结果和水量平衡变化来看。2010—2020年人类活动加剧城镇建设用地增加主导了辽宁管辖区域生态环境的退化。而草场的退化和沙化造成了呼伦贝尔草原生态环境逐渐恶化,致使内蒙古东部与呼伦贝尔生态评级较差。松辽流域耕地结构由旱地向水田转化致使三江平原东部,以及辽河平原西部地下水埋深增加、水量平衡失衡,生态遥感指数评级降低。
5.2 展望由于松辽流域1900—2000年的生态因为开垦、采矿等活动变化程度更剧烈。但是MODIS数据从2000年开始才有记录。本研究的方法对于2000年之前的变化分析存在局限。未来的研究可以针对松辽流域已识别出的生态变化敏感区采用Landsat数据进行小尺度长时序的生态环境质量的评估。此外,开垦、采矿等人为活动干扰不仅会破坏陆地植被,会造成土壤贫瘠、土壤重金属污染、地下水抑制、生物多样性减少和大气污染。之后研究可以从土壤重金属含量、土壤养分、生物多样性、大气尘埃等方面[36]采集地理对象的位置和形态的空间数据结合相关人为活动因素做驱动因素分析,提出关于土地、大气生态恢复的建议。