基于遥感生态指数的广东石门台国家级自然保护区生态环境质量评价

黎 毅，戴克元，唐国平，杜建会，陈 桃，江 南，牛香豫，余扬波

（1.广东省粤北岩溶区碳水耦合野外科学观测研究站//中山大学地理科学与规划学院，广州 511400；2.石门台国家级自然保护区管理局，广东 清远 511500）

随着人类活动的不断扩展与加剧，自然生态环境受到极大的影响。全球气候变化、森林砍伐、水土流失、生物灭绝等问题，已成为全球性的挑战，生态环境保护愈加重要。自然保护区作为生态环境保护的重要一环，将典型的自然生态系统集中保护，为各种珍稀濒危野生动植物提供适宜的生态环境（祝萍 等，2018），具有重要的生态学价值。因此，评估自然保护区的生态环境质量，探究不同保护区级别生态环境质量的变化及其驱动力，不仅可揭示自然保护区内生态环境的特征和演变规律，也可指导未来的生态环境保护工作，提高保护区生态环境质量。

生态环境质量指生态环境的优劣程度，即在特定时间和空间范围内，从生态系统层次上反映生态环境对人类生存、社会经济持续发展的适宜程度（中国环境监测总站，2004）。遥感生态指数（Remote Sensing Ecological Index, RSEI）综合了绿度、湿度、干度、热度4个人类直观感受生态状况优劣的指标，可快速地定量评价区域的生态环境质量，揭示其时空变化规律，受到广泛关注（徐涵秋，2013）。如Liu等（2022）基于遥感生态指数分析了2000—2020年窟野河流域的生态环境质量，发现生态环境优良区主要分布在流域东段，流域南段部分区域呈恶化趋势。李婷婷等（2021a）采用遥感生态指数对贺兰山山地生态系统研究发现，贺兰山生态环境质量呈波动上升趋势，荒漠和草原区是生态环境改善的主要区域。杨绘婷等（2020）运用遥感生态指数分析武夷山国家级自然保护区生态环境质量时发现，生态变差区域集中于山顶和道路两侧，人类活动和地形因素对生态环境质量影响较大。相关研究表明遥感生态指数可以很好地开展不同地区生态环境质量评价。

广东石门台国家级自然保护区位于粤北地区，具有南亚热带季风常绿阔叶林向中亚热带典型常绿阔叶林过渡的特征。该保护区是国家重点保护的珍稀动植物（如蟒Python bivittatus、金雕Aquila chrysaetos、普陀樟Cinnamomum japonicum等）的栖息地，也是许多新物种（如石门台白丝草Chamaelirium shimentaiense、拟日本蛇菰Balanophora parajaponica等）的原生地。该保护区作为珠江最大支流北江的水源地，是粤港澳大湾区粤北生态屏障的重要组成部分。目前，对石门台自然保护区的研究多集中在动植物多样性（Zeng et al., 2021; Wang et al.,2022）、群落结构（林苗芳 等，2019；陈泓宇 等，2022）、种群特征（张琪 等，2020）等方面，然而，该保护区自建立至升级为国家级自然保护区，其生态环境质量如何变化尚不清楚。因此，有必要评估石门台自然保护区自成立以来的生态环境质量动态变化及驱动因素，为未来科学管理和保护提供依据。

由于广东石门台自然保护区内地势起伏较大，而地形对于径流的分布和积蓄有着重要的影响，同时改变气温、降水等物质和能量的分配，进而影响植被的生长和分布（Qiong et al., 2010）。气候变化会直接影响不同动植物的丰度，改变生态资源的分布，对生态环境产生重要影响（Hoffmann et al.,2019）。保护区内土壤主要为赤红壤、山地红壤和山地草甸土，由于水热条件丰富，赤红壤在成土过程中有机质积累多，土壤质地和化学性质影响着植物生长、水分保持、养分循环等（Weigel et al.,2019；李婷婷 等，2021b）。人类活动可能导致土地开发、污染、生态破坏等。因此，本文基于1997—2021年遥感影像数据，应用遥感生态指数评估广东石门台自然保护区随着保护级别的提高，生态环境质量的时空变化特征及其规律，并以保护区边界向外5 km建立缓冲带，对比保护区内外生态环境质量变化情况，同时选取地形、土壤、气候、人类活动等因素，分析影响该区生态环境质量的主要驱动因素，以期为生态环境保护工作提供参考。

1 研究区概况与方法

1.1 研究区概况

石门台自然保护区位于广东省清远市北部，属中亚热带与南亚热带过渡区（24°28′42″—24°28′43″ N、113°14′15″—113°14′17″ E）。据英德气象站数据，保护区内气候为典型的亚热带季风气候，光照充足，温暖湿润，雨量充沛，海拔高度46～1 570 m，年均温19～22 ℃，年均降水量1 500～1 800 mm。保护区植被以天然常绿阔叶林为主，地形具有山地、丘陵和平原等多样性地貌，其中以山地面积最大，土壤主要为赤红壤、山地红壤和山地草甸土（张金泉，2017）。20世纪90年代石门台地区居民大量砍伐阔叶林，严重影响了当地森林的生态平衡，因此政府于1998年成立县级自然保护区，旨在保护生态系统的完整性和生物多样性，同年升为省级自然保护区，2012 年成为国家级自然保护区。石门台自然保护区按照生态功能划分为核心区、功能区和实验区（图1）。

图1 研究区位置Fig.1 The location of the study area

1.2 数据来源及预处理

本文选用的遥感数据均来自Google Earth Engine的公开数据集①https://earthengine.google.com（表1）。其中，Landsat 5/7/8地表反射率数据由GEE收集和处理，已完成大气校正等预处理操作，可直接使用，同时利用CFMASK算法对影像进行去云处理。首先，计算每个月的归一 化 植 被 指 数（Normalized Difference Vegetation Index, NDVI），继而选取NDVI 值最高的月份及其前后各2 个月作为该年遥感影像采集的时间（Zheng et al., 2022），获取研究区内每一点在采集时期的RSEI 中值，代表该年的生态环境质量（其中1998、2004、2012、2020年受云层影像较大，存在大量空值，故剔除）。同时，考虑到水体对RSEI评价结果影响较大，借助全球水体数据集将保护区内的水体排除。

表1 遥感数据所对应数据集Table 1 Dataset corresponding to remote sensing data

驱动因子数据包括土壤酸碱度、有机碳质量分数和黏土质量分数数据、人口分布数据（简称为“人口分布数”）、数字高程模型数据、坡度数据、坡向数据、气候数据。其中，气候数据包括2021年气温与降水空间插值数据集，源于国家地球系统科学数据中心②http://loess.geodata.cn；人口分布数据来自全球人口分布数据集，用于代表保护区中居民活动的影响；坡度与坡向数据由数字高程模型计算得到，气候数据、土壤数据和人口分布数据统一重采样至30 m。这些数据主要用于分析保护区生态环境质量的空间差异及影响因素。此外，使用1997—2021年的年平均气象站数据（降水、气温）分析气候对石门台自然保护区生态环境质量年际变化的响应。气象站数据从国家气象科学数据中心③https://data.cma.cn/获取，依据研究区的地理位置选取英德站作为气象站数据来源。

1.3 遥感生态指数

生态环境质量与自然生态环境的绿度、湿度、干度、热度等密切相关，这4个指标可直接反映生态环境质量的优劣。绿度指标选取NDVI（Huete et al., 2002）度量，NDVI是评价植被生长状况的重要指标，也是反映植物营养状况的关键参数；湿度（WET）是表征土壤与地表植被湿度状况，是评价自然保护区生态环境质量的重要指标，选用缨帽变换（Crist, 1985）提取地表湿度；干度指标（NDBSI）选取建筑指数（IBI）（Xu, 2008）和裸土指数（SI）（Asner, 2009）的平均值反映建筑用地面积和地表裸露造成的干化情况；热度指标（Land Surface Temperature, LST）用地表温度度量，可通过Landsat影像中的红外波段反演获得（Nichol, 2005;Yu et al., 2014）。

为消除不同指标量纲差异所带来的影响，对4个指标进行归一化处理，公式（贾俊平，2009）为：

式中：X为各指标归一化后的值；x为各指标待归一化前的值；xmin为该指标的最小值；xmax为该指标的最大值。对归一化后的新指标进行主成分分析，选择包含4个指标主要特征的主成分（PC），然后用1减去PC 作为初始生态指数RSEI0（Xu, 2013），公式为：

得到初始RSEI0后，通过方程1 对RSEI0进行归一化处理，进而得到RSEI。同时，为了定量分析石门台自然保护区的生态环境质量，参考已有分类标准（Xu, 2013），将RSEI按照 [0, 0.2）、[0.2, 0.4）、[0.4, 0.6）、[0.6, 0.8）、[0.8, 1] 分为5个等级：较差、一般、中等、良好、优秀。

1.4 相关性分析

Spearman 相关系数（R）表示变量之间的相关性。对年际变化上生态环境评价指标中的RSEI、气候因子中的降水和气温进行相关性分析，以探究生态环境质量对气候的响应。公式（贾俊平 等，2009）为：

式中：Rx，y为相关系数；n为观测次数；xi为自变量；yi为因变量，xˉ、yˉ分别为自变量、因变量的平均值。

1.5 随机森林

随机森林是一种由决策树组成、对样本数据进行学习训练并实现预测的集成算法（Liaw and Wiener, 2002）。该算法采用Bagging思想，从总体样本中随机选取部分样本进行训练，利用选取的样本数据建立决策树，通过多棵决策树进行投票获取算术平均值，得票最多的作为回归的最终结果。随机森林可以克服过度拟合问题，在降低噪声方面更加稳定，被广泛应用于生态环境评价、水文模拟、遥感反演等研究（Chen et al., 2021）。

按照空间位置对应关系，将2021年遥感生态指数、高程、坡度、坡向、人口分布数、土壤酸碱度、黏土质量分数、有机碳质量分数、气温、降水等数据随机分为2组，其中70%的数据用于模型训练，30%用于模型检验，经多重共线性检验，不存在多重共线性问题。此外，采用Spearman相关系数（R）、均方根误差（RMSE）对模型精度进行评价。同时，将评估随机森林模型中影响因素的重要性并绘制偏依赖图，以分析各影响因素的重要程度和对RSEI的响应，探究各影响因素对生态环境质量变化的作用机制。重要性指在模型预测过程中，各特征变量的贡献率大小，贡献率越大，特征变量重要程度越高，其总和为1。偏依赖图是在弱化其他特征变量的情况下，可反映一个特征变量与模型预测函数的依赖关系，是对随机森林模型结果的有效解释（Guidotti et al., 2019）。本研究随机森林相关分析均在Python+Anaconda 3平台上完成。

2 结果与讨论

2.1 生态环境质量的时空变化

研究时段内，石门台自然保护区遥感生态指数在波动中上升，平均每年提升0.005，明显大于保护区外部（0.003），表明保护区的建立对于提升生态环境质量有重要作用，但研究时段保护区生态环境质量也有波动（图2）。1997—2003年，生态环境质量明显提升，从0.637 上升至0.747；而2003—2011 年波动较为明显，生态环境质量呈下降－上升－下降的趋势；自2012年石门台省级自然保护区升为国家级自然保护区以后，生态环境质量稳步提升至较高水平，并处于相对稳定状态。到2021年，自然保护区遥感生态指数达到0.788。

图2 1997—2021年石门台自然保护区遥感生态指数变化Fig.2 Change of remote sensing ecological index in Shimentai Nature Reserve from 1997 to 2021

自1998年成立自然保护区以来，石门台自然保护区生态环境质量为“优秀”的区域面积显著增加，生态环境质量得到显著改善（表2）。到2021年，保护区93.33%的地区生态环境质量为“优秀”或“良好”。生态环境质量为“优秀”的面积从1997 年的5.01 km2上升至2011 年的52.21 km2，再增加到2021 年 的228.75 km2。而 在1997—2011 年，生态环境质量为“中等”的面积减少75.95 km2，说明这类生态环境质量区是该时期石门台省级自然保护区的重点保护区域；而在2011—2021 年，生态环境质量为“良好”“中等”和“一般”的面积都有不同程度的减少，这3类生态环境质量总面积从2011 年的360.33 km2下降至2021年的182.76 km2。因为这3类生态环境质量区是石门台国家级自然保护区自成立以来的重点保护区域，生态环境保护措施使得生态环境质量为“优秀”的区域不断增加。

表2 石门台自然保护区各项等级面积和比例Table 2 Area and percent changes of each class in Shimentai Nature Reserve

为进一步分析石门台自然保护区生态环境质量的时空变化，分别计算了1997、2011、2021年的生态环境质量等级差值，并按“降低2个等级及以上”“降低1 个等级”“等级不变”“提升1 个等级”“提升2个等级及以上”分为“明显变差”“轻微变差”“基本不变”“轻微变好”“明显变好”5个等级（图3）。从时间上看，1997—2021年，保护区生态环境质量变好的区域占比高达64.5%，生态环境质量明显提升，不同时期保护区的生态环境质量变化存在明显差异。1997—2011年，石门台省级自然保护区有32.1%的面积生态环境质量变好，61.9%基本不变，6.0%变差。生态环境质量变差的面积明显小于变好的，说明该时期石门台省级自然保护区生态环境质量得到显著提升。2011—2021年，石门台自然保护区生态环境质量变化较为明显，生态环境质量基本不变的区域占保护区的35.4%，变差的占11.4%，变好的占53.2%。同1997—2011 年相比，生态环境质量变差的面积有一定的增加，但变好的面积依旧远大于变差的。从空间上看，核心区东部、缓冲区和实验区东部与中部生态环境质量变好，实验区西部和核心区西北角处生态环境质量波动较大。实验区为整个保护区的最外围区域，受人类活动干扰影响大，其西部有大小型水库等建设工程，给生态环境质量带来不利影响，而核心区生态环境质量变差的区域主要位于海拔高的山顶，高海拔的气候条件相对恶劣，不利于植被的生长，生态较为脆弱。

从功能区看，各功能区生态环境质量变化显著，均有较显著的提升（表3）。1997—2021年，核心区有54.39%的区域生态环境质量变好，7.95%区域变差；缓冲区有73.42%区域生态环境质量变好，2.50% 的区域变差；实验区有70.34%的区域生态环境质量变好，2.59%的区域变差。其中，2011—2021 年核心区有19.83%的区域变差，主要分布在山顶高海拔地区，该区域水土保持能力较差，植被的生长受到限制。总体上，缓冲区的生态环境质量提升最明显，实验区次之，最后为核心区。上述变化趋势与石门台自然保护区植树护林等生态保护措施密切相关。

表3 石门台自然保护区各功能区各等级面积百分比变化Table 3 Percentage change in area of each functional zone in Shimentai Nature Reserve %

2.2 随机森林模型精度及重要性分析

基于随机森林模型，综合高程、坡向、坡度、人口分布数、土壤酸碱度、黏土质量分数、有机碳质量分数、气温、降水等因子，从空间上对RSEI进行回归分析（图4）。回归模型预测值与实际值的相关系数为0.89，均方根误差为0.086，拟合效果较好，所选特征变量对目标变量的解释程度高（图4-a）。通过重要性分析发现，高程对RSEI的影响程度最大，其次为降水、气温、土壤有机碳质量分数、土壤黏土质量分数和人口分布数，而坡度对生态环境质量的影响最小。总体上，地形因子影响最大，气候因子次之，土壤因子和人口分布数影响相对较小（图4-b）。

图4 随机森林模型精度（a）及特征重要性（b）Fig.4 Accuracy of random forest model(a) and the importance of features(b)

基于随机森林算法探究石门台自然保护区3个功能区生态环境质量的影响因素重要性（图5）。在实验区，高程是影响生态环境质量的最主要因素，其次为土壤有机碳质量分数与人口分布数，坡度最小；而在缓冲区，土壤酸碱度与高程的影响最大，降水和气温次之，坡度的影响相对较小；在核心区，高程和气候因素是影响生态环境质量的主要因素，居民活动的影响最低。从影响因素变化看，气温和降水的重要性程度由外向内（即实验区－缓冲区－核心区）逐渐升高，而人口分布数由外向内逐渐降低。这也与各分区的功能相一致，核心区禁止单位和个人进入，缓冲区只准进入从事科学研究观测活动，实验区可以进入从事科学实验、教学实习、参观考察等活动。实验区海拔东部低，西部高，低海拔地区道路、房屋等建设工程多、人类活动频繁，高海拔地区人类活动相对较弱，植被从低海拔的农田、草地变为中海拔的天然阔叶林、经济竹林等，高海拔以高山草甸为主，不同海拔间生态环境质量差异显著。相比核心区与实验区，缓冲区地形起伏较小，但其土壤酸碱度的分布差异显著，东部主要为中性土壤，而中、西部以弱酸性和酸性为主，土壤因素为该区生态环境质量的主要驱动力。

图5 实验区、缓冲区、核心区生态环境质量影响因素重要性Fig.5 Importance of factors affecting ecological environment quality in experimental areas, buffer areas and core areas

2.3 影响因素分析

2.3.1 地形因素 石门台自然保护区生态环境复杂多样，不同海拔处生态环境差异明显。由RSEI 对高程的响应变化（图6-a）可以发现，当高程低于340 m时，RSEI随着高程的增加而升高；当高程超过340 m时，RSEI随着高程的增加而降低，具有显著的负相关性。由RSEI与高程的关系（图7-a）可以发现，300～600 m 海拔区生态环境最好；300 m以下的低海拔区域和900 m 以上的高海拔区生态环境质量相对较差。当海拔处于46～300 m时，人类活动频繁是造成生态环境质量相对较差的主要原因，但随着海拔的升高，人类活动逐渐减少，生态环境质量逐步提升；当海拔位于300～600 m 时，人为因素干扰较小，RSEI 变化于0.85～0.95，生态环境质量最好，主要植被类型为常绿阔叶林，且覆盖度高。土壤类型为山地红壤，质地疏松湿润，土壤肥沃（张琪 等，2018）。当海拔超过900 m 时，RSEI随着高程的升高明显降低，其值主要在0～0.7，低于RSEI 平均值。经实地考察，发现在高海拔生态环境质量较差区域主要位于高山顶部。山顶区域太阳辐射较强，风速大，温度低，雨水侵蚀强，土壤养分流失大，地表多为裸露坡地或灌草丛（张金泉，2017），因此，RSEI值较低。总体上，高海拔裸土或灌草丛区与低海拔人类活动强度大的区域应是未来重点保护和治理的区域。

图6 影响因素对RSEI的偏依赖Fig.6 Partial dependence of factors on RSEI

图7 RSEI随地形因素分布情况Fig.7 Distribution of RSEI with topographic factors

坡向不同，气温和降水也差异显著，生物量的分布也不同，生态环境质量也受到影响。当坡向位于0～180°（即北坡－东北坡－东坡－东南坡－南坡）时，RSEI随着坡向的增大而提升，在180°处达到最大；当坡向位于180～360°（即南坡－西南坡－西坡－西北坡－北坡）时，RSEI随着坡向的增大而降低（图6-b）。石门台国家级自然保护区位于北回归线北缘，按朝向可将坡向分为阴坡（0～45°、315°～360°）、半阴坡（45°～135°）、阳坡（135°～225°）、半阳坡（225°～315°）。生态环境质量优劣按坡向排序为：阳坡＞半阳坡＞半阴坡＞阴坡，即RSEI高值区域主要分布在阳坡和半阳坡（图7-b）。石门台自然保护区内植被类型以天然常绿阔叶林为主（陈泓宇 等，2022），常绿阔叶林全年均为生长季，雨热同期时生长最为茂盛。相对于阴坡，阳坡光照时间更长，热量更加充足，蒸散发更大，更适宜常绿阔叶林的生长，因此生态环境质量更好。

相比高程和坡向，坡度对RSEI 的影响相对较小。当坡度＜15°时，RSEI 值随着坡度的增加而增大；当坡度超过15°时，RSEI随着坡度的增加而降低（图6-c）。石门台自然保护区生态环境质量在不同坡度下差异较为显著，坡度15°～35°区域生态环境质量最好（图7-c）。RSEI＜0.5 的区域，坡度在0～15°，人类活动较为频繁，保护区内修建的公路大部分位于该区域，公路的两侧区域多为人工建设用地（张金泉，2017）。受人类活动影响较大，因而生态环境质量相对较差。此外，由于石门台自然保护区地形以山地为主，绝大部分区域坡度都在0～45°。当坡度≥45°时，山体较为陡峭，土壤的稳定性与渗透能力较差，水土流失相对强，植被一旦遭到破坏则难以恢复，因此该区域生态环境相对脆弱，RSEI均值相对较低。

2.3.2 土壤因素 土壤提供植被生长所需的营养物质和水分，在一定程度上影响生态环境质量。石门台自然保护区土壤酸碱度（图6-d）主要为4.5～6.5，当土壤酸碱度＜5.3 时，土壤逐渐由强酸性变为酸性，RSEI随土壤酸碱度升高而上升；当土壤酸碱度

＞5.3 时，土壤逐渐由酸性变为中性，RSEI 随土壤酸碱度升高而降低。由于强酸性土壤吸收的养分生物有效性低、微生物的活性较弱，导致土壤肥力较低，不利于植物的生长（魏兴琥 等，2021）。而酸性土壤多分布在高温多雨、湿热同季的地区，生物物质循环迅速，比中性土壤更适宜常绿阔叶林的生长。土壤有机碳质量分数（图6-e）与RSEI的分布总体呈先上升后下降趋势，当土壤有机碳质量分数≥4.1%时，RSEI随土壤有机碳质量分数的升高而降低。适宜的土壤有机碳可以提高土壤肥力、水分保持能力和生态系统稳定性，但土壤有机碳质量分数过高会导致高量土壤有机质矿化，从而引起土壤中矿质养分流失、肥力降低，影响土壤中微生物的生存以及植被的生长（张维理 等，2020）。土壤黏土质量分数（图6-f）与RSEI的分布呈上升－下降的趋势，当土壤黏土质量分数处于22%～32%时，RSEI随土壤黏土质量分数的提高而上升，该区间范围内土壤黏土质量分数愈高，肥力也愈高，更能满足植被生长的需要。当土壤黏土质量分数＞32%时，RSEI随土壤黏土质量分数的升高而显著下降，这是由于土壤黏土质量分数过高容易排水不畅，导致下雨时地表易积水、滞水，高温时易结板干裂，因而影响生态环境质量（吴希慧 等，2021）。总体上，当土壤酸碱度为5.3、有机碳质量分数为4.1%、黏土质量分数为32%时，最有利于植被的生长，RSEI最高，生态环境质量最好。

2.3.3 气候因素 从空间上看，石门台自然保护区RSEI与气温和降水都呈正相关趋势，保护区地形以山地为主，气温很大程度上受海拔影响，随海拔的升高而降低，海拔超过900 m 区域生态环境质量较差，300～600 m 海拔地区生态环境质量较好（图7-a），RSEI整体随气温的升高而提升（图6-h）；从时间上看，石门台自然保护区RSEI 与降水的区域相关性以正相关为主，其中23.6%的区域通过显著性检验（P＜0.05）。RSEI 与降水呈现正相关区域面积占比90.7%，远高于负相关区域。同时，RSEI对降水的响应有显著的区域性特征，区域整体相关性由核心区向实验区逐渐减弱，其变化趋势与人类活动一致。在禁止人类活动的核心区，92.9%的区域为正相关，其中，中、高度相关区域占比72.5%，而在人类活动相对频繁的实验区，中、高度相关区域占比下降为62.9%，实验区西部与东部外围还存在部分区域RSEI与降水呈负相关（图8-a）。总体上，降水对RSEI 有正向促进作用，充足的降水有助于维持植物的水分平衡，为植物的生长提供必要的养分，有利于植被恢复与生态环境改善。石门台自然保护区RSEI 与气温的区域相关性呈现正、负相关性交错分布（图8-b），其中6.4%的区域通过显著性检验（P＜0.05）。RSEI 与气温呈现正、负相关区域面积占比分别为64.1%和35.9%，其中，中、高度负相关区域主要分布在高海拔的山脊区域，由于该区域基本处于假林线分布区域，风大坡陡、土壤贮水性和地貌稳定较差、部分区域岩石裸露，限制了森林的生长，因此生态系统相对脆弱，随着温度的升高，生态环境质量进一步恶化（张琪 等，2018）。在局部年份（2002—2006 年），保护区生态环境质量呈先下降后上升的趋势，其变化趋势与降水量一致，降水量从2002 年的2 113.1 mm 下降至1 426.7 mm，在2006 年突增至1 961.2 mm，降水的大幅度变化对生态环境质量产生较大影响。

图8 RSEI与降水的相关性（a）以及RSEI与气温的相关性（b）Fig.8 Correlation graph between RSEI and precipitation (a),Correlation graph between RSEI and temperature(b)

2.3.4 人类活动 从偏依赖分析结果看，居民活动对生态环境质量产生负面影响，生态环境质量随着人口分布数的增加而降低（图6-i）。早期石门台地区居民大量砍伐阔叶林用于制炼钢铁，导致大面积的原始森林被破坏，生态环境受到严重的负面影响。自1998年石门台自然保护区成立以来，封山育林、严禁砍伐等生态保护措施的实施使得该地区植被得到一定恢复，生态环境质量为“优秀”区域面积显著提升，这得益于政府对保护区内毛竹林和土壤贫瘠区的改造，通过实施人工造林等生态保护措施（张金泉，2017），有效地提高了保护区植被的覆盖度与生态环境质量。而在2006—2010 年，生态环境质量有一定程度的下降（见图2），其原因可能与此期间实验区西部水利工程的大量兴建有关。自2006 年，石门台自然保护区的实验区开始修建大小型水库与水电站，这对生态环境产生一定破坏。随着2012年石门台自然保护区升级为国家级自然保护区，相应的保护政策和力度明显提升，保护站对出入保护区进行严格管控，在主要道路上设置严格关卡禁止无关人员进入，拆除了保护区内的违规建筑，对拆除区域进行生态修复，同时加大了退化土地及贫瘠区域的改造力度，大面积的裸土区域的植被生长情况得到改善，并且贯彻落实林长制，按时开展以森林资源管护和森林防火为重点的巡林工作，对保护区森林的主要虫害（如线虫）进行控制、治理与防治，设立森林红外监测系统，以及时发现问题。此外，保护区采取一系列植树造林、退耕还林、森林抚育、鼓励居民迁出措施，降低人类活动对自然保护区的压力，推动保护区森林生态系统的良性发展，这些都有助于生态环境质量的提升。

3 结论

本文基于Google Earth Engine，应用遥感生态指数对1997—2021年广东石门台国家级自然保护区的生态环境质量进行评价，并基于随机森林模型对影响生态环境质量的因子进行探讨。结果表明：

1）1997—2021 年，广东省石门台自然保护区生态环境质量总体呈动态上升趋势。其中生态环境质量为“优秀”和“良好”的面积占比从1997年的74.5%上升到2021年的93.33%，生态环境质量显著改善。随着石门台自然保护区从省级升级至国家级，政府实施了人工造林、森林抚育、动态监测等保护措施，各功能区生态环境质量变好面积明显提升，生态环境质量更加稳定。

2）地形因素中，高程是影响自然保护区生态环境质量的主要因素。生态环境质量在海拔高度上以340 m 为分界点，呈现先上升后下降的趋势；在坡向上以南坡为转折点，按照顺时针方向由北坡到南坡逐渐变好，再由南坡到北坡逐渐变差；在坡度上以15°为分界点，先短暂升高，后持续下降。气候因素中，生态环境质量对降水的响应最为显著，尤其在人类活动少的区域，降水对生态环境质量有明显的促进作用。在人类活动因素中，居民活动以及建筑、建设工程等对生态环境质量产生负面影响，而植树造林、退耕还林等生态保护措施产生积极影响。

3）自然保护区生态环境质量在空间上差异显著。生态环境质量恶化的区域主要集中在核心区的高海拔地区和实验区人类活动频繁区域，缓冲区与核心区低海拔地区生态环境质量较好并且相对稳定。因此，高海拔的生态脆弱区和村庄等人类活动强度大的区域应是未来保护的重点。

本研究以遥感影像数据为基础，运用遥感生态指数评价了广东省石门台国家级自然保护区1997—2021年的生态环境质量并分析其主要驱动因素，可为该区域生态保护提供参考，但仍存在以下不足之处：1）所使用遥感数据为Landsat 5/7/8数据，数据质量与连续性有待提高，未来可考虑使用多源遥感数据融合或无人机监测等方法增强数据的连续性；2）受限于数据的可获取性，未能结合野外实测数据进行分析，仅通过野外考察验证生态环境质量评价结果，未来应更多地结合实测数据或调查数据，以提高评价结果的准确性。