基于Landsat 8的漓江流域生态环境质量及其影响因素分析

倪春雨, 何文, 姚月锋,3*

(1.桂林理工大学测绘地理信息学院, 桂林 541006; 2.广西壮族自治区中国科学院广西植物研究所, 桂林 541006; 3.广西喀斯特植物保育与恢复生态学重点实验室, 桂林 541006)

生态环境是人类生存的基本要求,其质量会对人类生活以及社会经济的可持续发展产生一定的影响[1]。然而,当今社会经济迅速发展,城市化进程加速推进以及人为活动影响下的土地利用和植被覆盖度的变化会导致区域生态系统结构和功能发生改变,进而对生态环境质量产生一定的影响[2-3]。因此,评估生态环境质量的时空变化,确定生态环境质量的关键影响因素,有效控制生态环境质量,对环境保护和区域可持续发展具有重要意义。

遥感技术以其高效率、实时快速、大范围监测的优势,被广泛应用在生态环境的监测中。单一遥感指标如归一化植被指数(normalized difference vegetation index, NDVI)[4]、植被净初级生产力(net primary productivity,NPP)[5]、增强型植被指数(enhanced vegetation index,EVI)[6]、植被干旱指数(temperature vegetation dryness index,TVDI)[7]等被广泛应用于生态环境的评价。然而,要评估一个区域对生态系统各种复杂多样的影响状况,使用单个指标进行评价显然是不够的。2015年,中华人民共和国生态环境部提出了由多种指标综合构建的生态环境状况指数(ecological index, EI)用来反映区域的生态环境质量[8],但该指数的权重为人为设定,部分数据难以获取等原因限制了该指数的推广。徐涵秋[9]通过绿度、湿度、干度、热度4个指标并使用主成分分析构建了遥感生态指数模型(remote sensing ecological index,RSEI)。该模型具有遥感数据容易获取,无需人为设定权重的优势,广泛应用于城市化进程对环境的影响,植被覆盖度对环境状态的变化等方面,成为当前评估生态环境的主要模型[10-11]。因此,基于RSEI快速、精准地揭示区域生态环境质量变化及其主要影响因素对于促进区域生态文明建设和可持续发展具有一定的指导意义。

漓江是桂林山水的纽带和社会经济发展的黄金水道乃至生命线。桂林国际旅游胜地建设对土地利用空间分布格局与生态环境质量等方面影响是否符合桂林实际情况和发展要求,对促进桂林经济社会与生态环境稳定可持续发展具有重要的意义。GEE(Google Earth Engine)是一个完全开放的多源影像数据平台[12],适用于对大范围、多时相RSEI的构建和生态环境质量的评价[13]。为此,以漓江流域为研究区,基于GEE云计算平台,融合Landsat 8数据,通过绿度、湿度、热度、干度4个生态环境指标运用主成分分析法构建RSEI,并分析流域2013—2021年生态环境质量时空变化格局;最后,通过地理探测器探讨引起漓江流域生态环境质量变化的关键因素尤其是桂林国际旅游胜地建设引起的土地利用变化的影响,以期为漓江流域生态环境保护与桂林国家可持续发展议程创新示范区建设提供科学依据。

1 数据与方法

1.1 研究区

漓江流域位于中国《十二五规划纲要》中提到的“两屏三带”中的南方丘陵山地带,作为桂林旅游发展黄金水道,是使桂林市成为国家可持续发展议程创新示范区、世界自然遗产地以及国家旅游综合改革试验区的重要基础。漓江流域总面积约5 831 km2,干流全长214 km,整体地势北高南低,以漓江为中轴线,呈南北向狭长带状分布。流域北部为碎屑岩中低山地貌,中南部主要为低山、丘陵、岩溶,具有典型的喀斯特地貌[14],气候特征为亚热带季风气候,夏长冬短,雨量充沛,光热强度大,年均气温约为19 ℃,年降雨量为1 838～1 941 mm。

1.2 遥感数据

1.2.1 Landsat 8数据

Landsat 8是美国国家航空航天局(National Aeronautics and Space Administration,NASA)和美国地质调查局(United States Geological Survey,USGS)联合开发的一颗卫星,于2013年2月11日发射升空,重访周期16 d,搭载OLI陆地成像仪和TIRS热红外传感器。GEE可以提供不同层次的Landsat产品,选用Collection 1数据集的地表反射率(surface reflectance,SR)产品,在GEE平台集成,影像分辨率为30 m,时间分辨率为16 d。由于2022年GEE中Landsat Collection 1数据集已经停止更新,选用2013—2021年漓江流域共197景Landsat 8遥感影像,利用CFMASK算法生成的质量评估波段QA进行批量去云处理,进行几何校正、辐射定标和大气校正等预处理操作,并采用年中值合成法计算。

1.2.2 遥感生态指数(RSEI)影响因素选择

选取自然因素(坡度、年均降水量、年均温度、蒸散发、土壤湿度、地表径流、植被覆盖度、叶面积指数)、人为因素(土地利用类型、到湖泊河流距离、到人工表面距离、人均财政收入、人口密度、气溶胶)来作为影响漓江流域RSEI时空变化的因素(表1)。由于数据来源不同,空间分辨率存在较大差异,为计算方便,统一重采样为 30 m×30 m。

表1 影响因素概况Table 1 Overview of influencing factors

1.3 土地利用类型分类

根据《土地利用现状分类》(GB/T 21010—2017),基于GEE遥感云计算平台,采用监督分类中支持向量机(support vector machine, SVM)的方法[15],结合漓江流域土地利用的特点,将流域解译为草地、耕地、水域、林地、建设用地5种土地利用类型(表2)。基于Google Earth高清影像以及高分辨率遥感影像数据为参考,进行目视解译获取样本点,手动对感兴趣区域进行采样并选取训练样本,选取时尽量对5种地类进行覆盖,遵循随机、均匀的原则使各类样本点在研究区内随机均匀分布,每种样本选取数量为80～100个。从Landsat 8影像提取用于分类的光谱特征如植被指数、归一化差异水体指数(normalized difference water index,NDWI)、归一化差异建筑指数(normalized difference built-up index,NDBI),基于数字高程模型(digital elevation model,DEM)获取地形特征坡度(slope)、海拔(elevation)、坡向(aspect)等进行地物区分。在此基础上通过随机函数withRandom进行训练样本的选择,随机抽取70%用来建模,剩下的30%用来验证,使用GEE的支持向量机算法库(library support vector machines,libsvm)训练Landsat 8影像土地利用分类模型。在得到多期土地类型的分类结果后,使用验证样本,采取基于混淆矩阵的精度评价方法对分类的结果进行精度评价。

表2 研究区土地利用类型分类Table 2 Classification criterion of different land use types

1.4 遥感生态指数(RSEI)构建

遥感生态指数4个指标中,绿度指标采用代表地表植被状况的的归一化植被指数(NDVI,记为NDVI)表示[16];湿度指标(Wet,记为Wet)采用缨帽变换中的第3分量湿度分量提取的方法来表示[17];干度指标(NDBSI,记为NDBSI)选用土壤指数(soil index, SI,记为SI)和建筑指数(index-based built-up index, IBI,记为IBI)的平均值来表示[18];热度指标采用地表温度(land surface temperature,LST,记为LST)表示,可通过GEE平台,结合Landsat 8影像数据采用辐射传输模型法来反演获得。利用主成分变换将遥感生态指数RSEI0进行归一化处理,得到的RSEI值域为[0,1],RSEI数值越接近于1代表该年生态质量越好,反之越差[19],其计算公式为

RSEI0=1-{PC1[f(NDVI,Wet,NDBSI,LST)]}

(1)

(2)

式中:PC1为4个指标归一化后指标通过第一主成分分析的结果;RSEI0为未归一化之前的遥感生态指数;RSEI0min为生态遥感指数最小值;RSEI0 max为生态遥感指数最大值。

将各年份的RSEI指数以0.2为间隔分成差(0,0.2]、较差(0.2,0.4]、中等(0.4,0.6]、良好(0.6,0.8]、优(0.8,1.0]共5个生态等级,如表3[20]所示,以完成漓江流域生态环境质量的等级评价。

表3 生态环境质量分级[20]Table 3 Grading scale of ecological environment quality[20]

1.5 空间自相关分析

为了更好的衡量流域生态环境质量的空间相关性,将2013—2021年漓江流域RSEI影像的像素大小重新采样到5 km×5 km的尺度,基于约640个重采样点,利用Moran’sZ指数(全局空间自相关)和局部空间关联指数(local indicator of spatial association, LISA)对漓江流域RSEI进行空间自相关分析。其中,全局自相关Moran’sI指数(记为I)计算公式为

(3)

利用Moran’s局部空间关联指数(LISA)分析流域生态环境质量聚集性程度。LISA指数具体表现为5种类型[21],分别为位于第一象限高-高(H-H),表示所选区域和空间相邻区域生态环境质量值高;第二象限低-高(L-H),表示所选区域生态环境质量值低,但相邻区域生态环境质量值高;第三象限低-低(L-L),表示所选区域和空间相邻区域生态环境质量值低;第四象限高-低(H-L),表示所选区域生态环境质量高,但相邻区域生态环境质量值低;以及无显著性(HS)。其表达式为

(4)

式(4)中:J为局部空间关联指数LISA值。

1.6 地理探测器

地理探测器是一种用于探测要素空间分层异质性,揭示其背后驱动力的一种统计学方法[22]。以漓江流域2020年的RSEI为因变量,以坡度(X1)、年均降水量(X2)、年均温度(X3)、蒸散发(X4)、土壤湿度(X5)、地表径流(X6)、气溶胶(X7)、植被覆盖度(X8)、叶面积指数(X9)、土地利用分类(X10)、到湖泊河流距离(X11)、到人工表面距离(X12)、人均财政收入(X13)、人口密度(X14)共14个变量为自变量作为影响因素。利用因子检测器以及交互探测器量化自变量X对RSEI空间分布的影响,用q表示,其表达式为

(5)

2 结果与分析

2.1 漓江流域土地利用类型变化

漓江流域土地利用类型分类Kappa值均为90%以上,总体精度均在0.9以上,具有较高可信度,可用于后期分析。漓江流域主要以林地为主,约占整个流域的50%以上,水域面积最小,仅约占整个流域面积的1%(图1)。漓江流域2013—2021年,林地、水域与建设用地的面积增加。其中,建设用地面积扩张现象较为明显,主要扩大区域为流域中西部、南部、东北小部分区域等;而耕地的面积减少明显。土地利用类型转移矩阵也表明,耕地转出面积742.31 km2,占总变化面积的52.68%(表4)。此外,建设用地增加的面积主要来源为耕地的转移。

图1 漓江流域土地利用分类图Fig.1 Land use classification maps of the Lijiang River basin

表4 2013—2021年漓江流域土地利用转移矩阵Table 4 Land use transition matrix of the Lijiang River basin from 2013 to 2021

2.2 漓江流域生态环境质量分析

基于遥感生态指数4个指标的主成分分析表明,2013—2021年,PC1(第1主成分)对RSEI的贡献率分别为69%、61.5%、62.08%、67.84%、65.41%、66.87%、62.94%、62.95%、62.87%,PC1可以解释整个数据集中60%以上的总变异(表5),说明PC1集中了4个指标的大部分特征,避免了在RSEI计算过程中由于主观加权而导致结果偏差。4个指标在PC1的贡献率中,NDVI和Wet均为正值,NDBSI和LST均为负值,这与现实中绿度和湿度对生态环境起正向作用,干度和热度对生态环境起负向作用情况相符。在PC2～PC4(第2～第4主成分)中,4个指标忽正忽负,难以解释生态现象,所以相较于其他主成分分量,PC1可用于构建RSEI。

表5 RSEI 4个指标主成分分析Table 5 Principal component analysis of four RSEI indicators

2013—2021年,漓江流域绿度(NDVI)指标分量均值以每年0.004 3的速率呈波动性上升趋势,说明植被覆盖度呈波动性增加(图2);湿度(Wet)均值总体以每年0.006 2的速率增加,流域的地表湿度呈现增加趋势,有利于流域植被生长进而提高植被覆盖度;干度(NDBSI)均值以每年0.002 7速率呈现波动上升,说明地表裸土干化面积增加;热度(LST)的均值呈下降—上升—下降趋势,以每年0.045 5的速率变化,说明地表温度在缓慢波动。这从侧面反映2013—2021年随着城市化进程的推进,漓江流域土壤裸露、地表硬化问题增加,但在退耕还林还草等相关政策的实施下流域的植被覆盖度呈增加趋势。研究期间漓江流域RSEI先下降后上升,且总体呈上升趋势,多年平均RSEI为0.62,表明漓江流域生态环境质量处于中上水平且在持续改善;漓江流域RSEI变化曲线与NDVI变化趋势相似,说明流域生态环境质量受植被变化影响明显。

NDVI为0.004 3;Wet为0.006 2;NDBSI为0.002 7;LST为0.045 5

2.3 漓江流域生态环境质量的时空分布格局

从RSEI的空间分布来看,RSEI等级差和较差的区域主要位于流域中部以及南部部分区域,而RSEI等级优和良好的区域主要分布在流域的北部、东南部以及西南部(图3)。其中,漓江流域RSEI等级为良的占比为34.50%～44.79%,RSEI等级为差的占比最小(6.4%)。2013—2021年,漓江流域RSEI差、较差和优等级的比例下降,分别下降了0.55%、1.58%和11.9%;而中等和良等级的比例上升,分别上升了8.06%和5.97%。总体上,漓江流域的生态环境质量向好的趋势发展。

图3 漓江流域2013—2021年RSEI空间分布Fig.3 Spatial distribution of RSEI in the Lijiang River Basin from 2013 to 2021

2.4 漓江流域生态环境质量(RSEI)空间自相关分析

漓江流域2013—2021年各年份Moran’s I指数分别为0.33、0.33、0.34、0.32、0.39、0.37、0.31、0.30、0.29,表明漓江流域的生态环境质量具有较强的空间正相关性(图4)。RSEI主要分布在第一象限(高-高聚集)和第三象限(低-低聚集),表明漓江流域的生态环境质量好与差两极分化明显。2013—2021年漓江流域的生态环境质量空间形态聚集主要以不显著聚集、高-高聚集以及低-低聚集为主(图5)。其中,不显著聚集区数量最多,主要分布在流域的中东部以及北部、南部等大部分区域;高-高聚集区主要分布在流域的西北部以及东南部部分以林地为主区域;低-低聚集区主要分布在流域中南部以建设用地为主区域。

lagged表示Moran’s I 指数大小,用于研究RSEI的空间聚集性

图5 2013—2021年漓江流域生态指数LISA指数空间分布Fig.5 Spatial distribution of LISA index of Lijiang River basin from 2013 to 2021

2.5 漓江流域生态环境质量影响因素

土地利用变化对流域生态环境质量影响明显(图6),耕地、林地、建设用地和草地多年平均RSEI分别为0.47、0.76、0.16、0.70,可以看出,林地的生态环境质量水平最高,建设用地的生态环境质量水平最低。林地和草地绿度、湿度较大,干度、热度较小,因而RSEI均值较大;耕地上附着有农作物,使得绿度提高,但是其植被密度不及林地草地,因而RSEI均值较林地、草地低;建设用地由于下垫面硬化,绿色植物较少,所以绿度、湿度低,干度、热度大,因而RSEI均值最低。

图6 每种土地利用类型的平均RSEIFig.6 Average RSEI for each land use type

通过对单一研究时段内多因素对漓江流域生态环境质量影响分析表明,各影响因素对生态环境质量的影响程度不一,其中,土地利用分类(X10)和植被覆盖度(X8)的解释能力最高,分别为58.4%和55.32%;而年均降水量(X2)对RSEI的独立解释能力最低,仅为1.82%。此外,不同影响因素交互作用之后的解释力要大于单因子检测的解释力,最显著的交互作用是土地利用(X10)∩植被覆盖度(X8),如图7所示,解释能力为67.95%,说明交互检测后,土地利用和植被覆盖度对漓江流域生态环境质量影响的解释力大幅提升。最不明显的是年均降水量(X2)与土壤湿度(X5)的交互作用(q仅为8.5%)。

图7 漓江流域地理探测结果Fig.7 Results of the geographical detector analysis of the Lijiang River basin

3 讨论

3.1 漓江流域生态环境质量

采用主成分分析所构建的遥感生态指数(RSEI)能合理解释漓江流域生态环境质量的时空变化情况,与以往研究指出的RSEI能够合理表征区域生态环境质量结论相似[23-25]。以绿度(NDVI)和湿度(Wet)表征地表良好植被和水分状况的指标对流域生态环境质量具有正贡献作用,能够促进流域生态环境质量的改善;而以干度(NDBSI)和热度(LST)表征地表水分亏缺和干旱胁迫的指标对流域生态环境质量有负贡献作用,会影响流域生态环境质量的恢复和改善。刘英等[26]在基于上述4种指标的基础上,加入空气质量气溶胶光学厚度(aerosol optical depth,AOD),构建了改进型遥感生态指数(modified remote sensing ecological index,MRSEI),并用来分析北京市的生态环境质量,结果表明,MRSEI和RSEI对北京市生态监测结果大致趋势一致,MRSEI显示出比RSEI更高的监测精度。此外,其它研究也在尝试通过加入GDP、人口以及环境指标等方式改进RSEI对生态环境质量评价的应用[27-28]。但徐涵秋等[29]指出,GDP、人口等指标是影响生态的主要因子,本身并不反映生态的状况,加入环境指标的指数和RSEI原来的定义也有所不同。因此,RSEI应以遥感可获取的生态指标为宜,增加因素并不能完全提高评价质量。在今后的研究中应更加全面的考虑与生态状况本身相关的因子对RSEI进行改进。

漓江流域总体的生态环境质量水平较高,RSEI中等和良等级的面积比例正在不断上升,流域的整体生态环境质量得到显著改善且趋向于良好的方向发展,这与已有的研究结论相一致[30]。主要原因是近年来漓江流域退耕还林还草等政策的实施,植被恢复改善了流域生态环境质量。RSEI等级优和良的区域主要分布在流域北部、东部以及西南部等区域,这些区域以林地和草地为主。RSEI等级差和较差的区域主要位于流域中部以及南部区域,以建设用地以及耕地为主,说明漓江流域生态环境质量空间分布也与不同土地利用类型有着密切联系。生态环境质量的分布格局受到了土地利用类型及其空间功能区划调控的影响[31]。2013—2021年漓江流域生态环境质量具有较强的空间自相关性,主要表现为高-高聚类、低-低聚类和不显著聚类,与桂林市范围内的生态风险研究结论相类似[32]。高-高聚集区主要分布在城市的边界地区,受人为活动影响小,区域生态环境质量水平较好。低-低聚集区主要位于漓江流域中南部,是人类与经济活动的主要活动区域,已逐渐从分散分布过渡到集中连续分布,形成了较强的聚集性和稳定性,相对而言生态环境质量水平较差。桂林市以建设用地为主的中部和东北部地区GDP和人口密度较高,城市化水平发展较快[33]。建设用地的扩张会对流域生态环境质量产生一定的影响[34]。因此,在桂林国际旅游胜地建设规划过程中,需要有效保护植被生态系统的稳定性,并有效控制建设用地面积的扩张。

3.2 漓江流域生态环境质量的影响因素

土地利用类型、植被覆盖度、叶面积指数、坡度是影响漓江流域生态环境质量变化的重要因素,这与其他流域生态环境质量影响因素研究结果相一致[35-37]。也与王志远等[38]对洞庭湖生态经济区的生态环境质量格局演变的驱动因素相似。漓江流域RSEI主要受人为因素影响,其中土地利用类型是RSEI空间变化的主要因素,独立解释力接近60%,与其他自然因素相比,对RSEI空间变化的影响程度更高。人为活动对土地的干扰越大,土地利用强度就越大,伴随着林地、草地的减少,建设用地增加,原有生态系统容易被打破。这主要因为不同土地利用类型的绿度、湿度、干度和热度指数存在显著差异,耕地、林地、草地绿度湿度较高,干度热度较低;而建设用地干度热度高,绿度湿度低。特别是在漓江流域,区域土地利用水平高[39],不同土地类别间RSEI差异明显。林地和草地对应的各年RSEI均值较高,而建设用地对应的RSEI均值最低。此外,漓江流域RSEI4个指标中,以NDVI代表的绿度指标对流域生态环境质量影响最为显著,因此,流域生态环境质量与植被生长状况密切相关。漓江流域林地和草地的植被覆盖度占比较大,且面积增加,生态环境质量整体上呈现转好的趋势,对维护区域生态系统的协调与平衡有着促进作用。坡度对研究区生态环境质量的影响较弱,但也为影响流域生态环境质量的关键因素,坡度会通过改变水分和养分在土壤中的分布情况进而影响流域的植被生长与生态环境质量[40-41]。

漓江流域生态环境质量受多因素相互作用影响显著,其中,土地利用与植被覆盖度、叶面积指数等因素的交互作用明显。随着桂林国际旅游胜地建设的推进,社会经济发展较为活跃,人为因素之间的相互作用强度尤为突出,对流域生态环境质量影响逐渐明显。乌鲁木齐以及黄河流域的研究表明人为因素之间的交互作用也会对生态环境质量的影响较大[42-43]。仅探讨了漓江流域单一时间段上生态环境质量变化及其主导影响因素,但流域生态环境质量受多因素长时空尺度相互作用的影响。此外,漓江流域作为典型的喀斯特地貌分布区,是华南脆弱喀斯特环境的重要生态安全屏障[44],将石漠化指数等相关因素引入影响因素中,将会对生态环境质量变化有更加深入的了解。因此,从高时空分辨率多尺度上揭示流域生态环境质量变化及其影响因素耦合关系,对于桂林国际旅游胜地建设以及区域可持续发展目标实现具有重要意义。

4 结论

(1)桂林国际旅游胜地建设以来,漓江流域生态环境质量总体处于中上等水平,并呈现上升趋势。漓江流域以植被覆盖度状况良好的林地为主,生态系统整体处于较为稳定的状态。漓江流域生态环境质量具有明显的空间自相关性,其空间形态聚集主要以不显著聚集、高-高聚集以及低-低聚集为主。其中,高-高聚集区主要分布在流域的西北部以及东南部部分以林地为主区域;低-低聚集区主要分布在流域中南部以建设用地为主区域。

(2)不同因素对漓江流域生态环境质量的影响存在差异,但流域生态环境质量变化是人为和自然因素共同作用的结果,其中,人为因素的影响要远远大于自然因素。由桂林国际旅游胜地建设引起的土地利用与植被覆盖度变化对漓江流域生态环境质量的影响较强,且它们之间的交互作用影响更为显著。随着城市化进程的不断推进,漓江流域生态环境质量仍面临一定风险。为了实现漓江流域生态环境保护以及区域可持续发展目标,需进一步加强漓江流域植被恢复和生态保护,逐步优化不同土地利用类型空间格局。