基于多时相RSEI的生态环境质量评价

王井利 余鹏程 蔡福 刘慧楠 高天娇

摘要：以辽宁省新民市作为研究对象，基于2014年、2017年、2020年的相近月份（5—6月）Landsat 8 OLI_TRIS数据，提取4个生态因子［绿度（NDVI）、湿度（WET）、干度（NDBSI）、热度（LST）］，采用主成分分析法构建遥感生态指数（RSEI），对研究区域生态环境质量时空演变特征进行评价。结果表明，2014年、2017年、2020年新民市RSEI的均值分别为0.397、0.348、0.506，呈先降后升的趋势。2014—2020年，生态环境质量等级为差和较差的区域主要分布在西北区域，面积占比由62.5%降至33.2%；生态环境质量等级为较好和好的区域主要分布在东南区域，面积占比呈明显的先降低后升高趋势，由21.3%先下降到18.4%后上升到37.0%。4个因子中绿度和湿度对生态环境质量起到正面作用，其中湿度的正面影响较为显著；干度和热度起到负面作用，其中干度的负影响较为显著。

关键词：生态环境质量；Landsat8 OLI_TRIS；遥感生态指数（RSEI）；主成分分析；新民市

中图分类号：X826；TP79         文献标识码：A

文章编号：0439-8114（2024）04-0056-05

Eco-environmental quality evaluation based on multi-temporal RSEI：

A case study in Xinmin City

Abstract： Taking Xinmin City of Liaoning Province as the research object， based on the Landsat 8 OLI_TRIS data of similar months （May to June） in 2014， 2017 and 2020， four ecological factors ［greenness （NDVI）， humidity （WET）， dryness （NDBSI）， heat （LST）］ were extracted， and the remote sensing ecological index （RSEI） was constructed by principal component analysis to evaluate the spatial and temporal evolution characteristics of eco-environment quality in the study area. The results showed that the regional mean values of RSEI in Xinmin City in 2014， 2017 and 2020 were 0.397， 0.348 and 0.506 respectively， showing a trend of first decreasing and then increasing. From 2014 to 2020， the areas with poor eco-environmental quality and relatively poor eco-environmental quality were mainly distributed in the northwest region， and the area ratio decreased from 62.5% to 33.2%. The areas with relatively good eco-environmental quality and good eco-environmental quality were mainly distributed in the southeast， and the proportion of area showed an obvious trend of first decreasing and then increasing， from 21.3% to 18.4% and then rising to 37.0%. Among the four factors， greenness and humidity played a positive role in the quality of eco-enviroment， and the positive effect of humidity was generally more significant； dryness and heat played a negative role， and the negative effect of dryness was more significant.

Key words： eco-environmental quality； Landsat 8 OLI_TRIS； remote sensing ecological index； principal component analysis； Xinmin City

对生态环境质量的监测和评价是开展生态环境保护的重要依据，已经成为目前乃至未来绿色和可持续发展的必经之路。生态环境质量评价是一种在时间和空间范围内确定各指标的权重，进而对生态环境质量进行评价，并且提出相关的改善方法和促进生态恢复措施的方法。

自20世紀60年代就已经有学者展开了针对生态环境质量评价方法的研究［1］。90年代初，美国国家环保署启动了对国家部分地区生态环境质量状况的研究计划［2］；Dizdaroglu等［3］使用MUSIX 生态质量评价模型对城市生态环境质量状况做出评估。国内生态环境质量的评价方法很多，主要分为两大类，一类是单项评价方法，一类是综合评价方法。传统的生态环境状况指数（EI）出现在2015年第一次修订的《生态环境状况评价技术规范》［4］中，该指数虽已被学者们广泛使用，但是存在一些问题，如各指标权重是否合理［5］、归一化系数是否有效［6］等。徐涵秋［7］构建了一种新型遥感生态指数（RSEI），它需要的4个指标可通过遥感反演直接获取，弥补了EI的不足，是一种相对更加高效的生态环境质量评价方法。针对中国传统的环境质量评价方法，EI在速度和操作上没有新型遥感生态指数RSEI突出。RSEI求解运用了主成分分析，根据4个指标各自的特性及影响力的大小，赋予4个指标更加科学的载荷［8］。刘少军等［9］基于GIS组件技术对海南岛生态质量气象进行评价。姜平等［10］基于超越概率阈值法，结合计算流体力学数值模拟，建立适用于住宅区环境品质定量评估的一般方法和流程。2020年，于英潭等［11］利用断面检测数据对太子河本溪城区段河流水生态系统健康进行评价。马明亮等［12］通过CALPUFF模拟了西宁市大气环境风险事件的精细化扩散特征。金佳琦［13］利用主成分分析、因子分析等方法对毛乌素沙漠进行了生态环境质量评估，并提出了相应的对策及建议。沈佩姗［14］利用遥感生态指数对南京市生态环境质量进行了定量评价。况婷［15］采用新型遥感生态指数对万载县生态环境变化趋势进行实证研究，系统地分析了土地利用作用下生态环境变化的过程及格局。陈孟［16］通过构建遥感生态指数分析了成都市中心城区环境质量。吕大伟等［17］运用遥感生态指数开展了弋阳县生态环境质量评价，并基于多期数据判断生态质量稳定性，选取生态源地。

辽宁省新民市生态环境建设存在许多问题，例如土地沙化、水土流失、土地利用结构不合理、土壤肥力下降、土地污染较严重和自然灾害频繁等［18，19］，急需要一种科学、高效的方法对新民市的生态环境质量状况进行监测和评价，进而在此研究基础上提出科学、合理的治理措施。因此，本研究以新民市作为研究对象，采用RSEI对新民市的生态环境质量做出评价，以期为新民市环境治理提供理论基础。

1 研究区概况

新民市隶属于辽宁省沈阳市，位于辽宁省中部，辽河下游平原地区。区域面积3 318 km2，约占沈阳市全域面积的1/4。地处北纬41°42′—42°17′，东经122°27′—123°20′。研究区卫星影像如图1所示。

2 资料与方法

2.1 资料

2.1.1 资料来源 利用空间分辨率为30 m（OLI）/100 m（TIRS）和重访周期为16 d的美国陆地卫星Landsat 8的原始卫星遥感影像，通过波段计算地表的绿度、湿度、温度和干度，然后对生态环境质量状况做出分析，并探讨这4个指标对生态环境质量的影响。选取2014年6月4日、2017年5月20日和2020年6月20日的Landsat 8原始影像数据。

2.1.2 遥感影像的预处理 遥感影像由于受到外界的干扰，例如辐射影响、大气影响、几何形变等，难免会使遥感影像产生一些误差，因此在进行求解RSEI时需要先对遥感影像进行预处理。本研究使用ENVI影像处理软件，处理工序主要包括辐射定标、大气校正、裁剪以及图像融合等。

2.2 研究方法

2.2.1 遥感生态指数 遥感生态指数是利用遥感影像数据反演出的4个生态因子（湿度、绿度、干度、热度），通过主成分分析得到的一种遥感生态指数，它可以对区域生态环境质量状况做出快速、准确的评价。其计算式如下。

[RSEI=NDVI，WET，NDSI，LST] （1）

式中，NDVI为归一化植被指数；WET为湿度指数；NDSI为干度指数；LST为热度指数。

求解该指数中各指标均可通过遥感影像利用ENVI软件反演得到，弥补了《生态环境状况评价技术规范》中EI的不足之处，可以作为一种辅助的参考。

2.2.2 热度指标 热度指标指的是地表温度。温度反演的方法有很多，本研究直接使用基于大气校正法的Landsat8 TIRS地表温度反演工具实现，该方法的原理如下。

式中，[L10]为传感器的辐射值；DN为像元灰度值；gain为波段增益值；bias为偏置值，可以在遥感影像的头文件中直接获取；[PV]为植被覆盖度；[PV2]为1-[PV]；[NDVIsoil]为无植被覆盖区域的NDVI，取经验值0.05；[NDVIveg]为纯植被像元的NDVI，取经验值 0.7；[εsurface]和[εbuilding]分别为自然表面和城镇区像元比辐射率；BLST为黑体辐射亮度；[L][↑]、[L][↓]、T分别为大气向上、向下辐射亮度和在热红外波段的透过率；LST为地表温度；[K1]和[K2]分别为定标参数，TIRS影像分别取值480.89和1 201.14；[BTS]为黑体热辐射亮度。

2.2.3 干度指标 干度指标是由裸土指数（SI）和建筑指数（IBI）耦合求取平均值获得，其計算式如下。

式中，SI和IBI的计算式如下。

式中，[ρblue]、[ρgreen]、[ρred]、[ρnir]、[ρswir1]分别表示蓝、绿、红、近红外、中红外短波1的波段反射率。

2.2.4 湿度指标 湿度指标与生态环境质量状况密切相关，采用缨帽变换法进行求解，求解公式如下。

[WET=0.150 9ρblue+0.197 3ρgreen+0.327 9ρred+0.347 6ρnir-0.711 2ρswir1-0.457 2ρswir2]    （11）

式中，[ρswir2]表示中红外短波2的反射率。

2.2.5 绿度指标 植被覆盖度、比叶面积、植物生长量和叶面积指数等都是评价生态环境质量的重要指标。归一化植被指数（Normalized difference vegetation index，NDVI）与这些量均有着密切的相关关系，因此选取NDVI作为绿度指标，直接使用ENVI软件中的NDVI扩展工具反演而来，原理为：

[NDVI=ρnir-ρred/ρnir+ρred]  （12）

2.2.6 各指标归一化处理 由于4种指标的量纲存在差异，无法进行相应的匹配计算，因此需要将这    4个指标进行归一化处理，转化为无量纲数值，取值范围为0～1。

[NLi=Li-Lmin/Lmax-Lmin] （13）

式中，[NLi]为各指标归一化后的结果；[Li]为各指标各像元对应的i处像元值；[Lmin]为各指标像元值对应的最小值；[Lmax]为各指标像元值对应的最大值。

2.2.7 主成分分析及变换 生态指标归一化后，由于人为因素对4个指标所赋载荷缺乏合理性，因此采用多元统计方法中的主成分分析（PCA）法，它可以根据各组分自身性质及贡献度对各指标赋予载荷值，不仅可以避免人为的主观差异，也可提高结果的精度。计算主成分获取的最主要的是第一主成分，在对3年4个指标的归一化处理后进行主成分分析得到4组主成分，提取第一主成分PC1，再用1减去提取出的PC1，得到初始的遥感生态指数（[RSEI0]）。

[RSEI0=1-PC1fNDVI，WET，NBSI，LST]

（14）

同样将3年的[RSEI0]进行归一化处理，得到RSEI：

式中，RSEI范围在0～1，值越大表明生态质量越好；[RSEI0_max]、[RSEI0_min]分别为[RSEI0]的最大值和最小值。

3 结果与分析

3.1 遥感生态指数3年4个指标第一主成分PC1的结果

由表1可以看出，2014年、2017年、2020年第一主成分的贡献率分别为77.7%、80.5%和78.6%，均超过了77.0%，说明第一主成分包含了4个指标的大部分信息，可以代替这4个指标求解RSEI，以此对新民市的生态环境质量状况做出评价。PC1中，NDVI和WET的载荷均为正值，说明绿度和湿度对生态环境起到促进作用；而NDSI和LST的载荷均为负值，说明干度和热度对生态环境质量起到抑制作用。这与自然界的基本规律是一致的。3年的RSEI可表示为：

[RSEI2014=0.311NDVI+0.641WET-0.589NDSI-0.525LST] （16）

[RSEI2017=0.567NDVI+0.570WET-0.594NDSI-0.027LST] （17）

[RSEI2020=0.301NDVI+0.557WET-0.588NDSI-0.503LST] （18）

式中，[RSEI2014]、[RSEI2017]、[RSEI2020]分别表示2014年、2017年和2020年的RSEI。

新民市2014年、2017年和2020年的RSEI分别为0.397、0.348和0.506，可知新民市近7年的生态环境质量呈先略微降低后上升的趋势。2014—2017年的湿度和绿度均减小，干度和热度均增大，这与其变小的规律相一致；干度指标由2014年的0.716降低到2020年的0.534；NDVI由2014年的0.412升高至2020年的0.603。这说明随着城镇化的推进，建筑用地逐渐增多的同时，对土地绿化也在有条不紊地进行着。

3.2 RSEI分级结果

将RSEI按0.2间隔划分为5个区间，从0开始，对应区间依次为［0.0，0.2）、［0.2，0.4）、［0.4，0.6）、［0.6，0.8）、［0.8，1.0］，依次对应差、较差、一般、较好、好5个等级。从图2可以看出，新民市2017年的生态环境质量最差，生态环境质量为差的区域主要分布在西北区域；2020年生态环境质量为差的地区明显减少。2014—2020年，新民市的生态环境经历了一个先被破坏后逐渐恢复的过程。新民市近7年生态环境质量最差的区域普遍位于西北区域，且2017年新民市超一半地区的生态环境质量处于一个较差或差的水平。

RSEI分类结果各级别下的土地面积占比见表2。从表2可以看出，新民市2017年生态环境质量分级为差的区域面积占比达40.9%，这也证明了2017年的生态环境质量总体比较差，导致2017年的RSEI为3年中的最低。2020年生态环境质量较好和好的区域面积占比达37.0%，因此该年份的RSEI最大。新民市近7年区域面积占比重心由一般以下先变为较差以下，然后逐渐向一般和较好靠近，且生态环境质量差和较差的区域面积占比由2014年的62.5%降低到2020年的33.2%；生态环境质量较好和好的区域面积占比由2014年的21.3%升高到2020年的37.0%。生态环境质量差和较差的区域面积改善了接近50%。

3.3 时空变化分析

遥感监测生态环境质量在达到定量的基础上，依据2014年与2020年的RSEI差值分为3个级别，小于-0.2代表生态环境质量状况变差；介于-0.2～0.2代表微变；大于0.2的代表变好。2014—2020年新民市生态环境质量变好的区域占26.6%，主要位于西北和东北区域；微变的区域占70.2%，主要分布于东南区域；变差的区域仅占3.2%（图3）。

4 小结与讨论

1）新民市2014年、2017年和2020年RSEI均值分别为0.397、0.348和0.506，可以看出新民市生态环境质量总体上朝着好的方向发展，但是生态环境质量现阶段仍处于一般水平。2020年生态环境质量等级为一般和较好的区域面积占比增加，较差和差的区域面积占比减少，因此该年份的遥感生态指数最大，生态环境质量状况最好。

2）2014年、2017年和2020年新民市生态环境质量较差的区域主要分布在西北区域，2017年新民市的生态环境质量状况最差。

3）新民市西北部地区生态环境质量较差，受到绿度、湿度、干度、温度的影响。其中，湿度和绿度对生态环境质量起促进作用，且促进作用较显著的是湿度；干度和温度对生态环境质量起到抑制作用，且干度的抑制作用较显著。

4）2014—2020年，新民市生态环境质量以微变为主，主要分布在东南区域；变好的区域达26.6%，主要分布在新民市西北和东北区域。

参考文献：

［1］ 王小磊.基于遥感生态指数的阜新市生态环境质量研究［D］.辽宁阜新：辽宁工程技术大学，2019.

［2］ 肖笃宁.美国环境监测和评价项目中的生态指标研究［J］.资源生态环境网络研究动态，1992（1）：22-27.

［3］ DIZDAROGLU D，TAN Y，DAWES L. A micro-level indexing model for assessing urban ecosystem sustainability［J］. Smart & sustainable built environment，2012，1（3）：291-315.

［4］ HJ/T 192—2006，中华人民共和国环境保护行业标准（试行）［S］.

［5］ 孟 岩，赵庚星.基于卫星遥感数据的河口区生态环境状况评价——以黄河三角洲垦利县为例［J］.中国环境科学，2009，29（2）：163-167.

［6］ 叶有华，梁永贤，沈一青，等.《生态环境状况评价技术规范（试行）》中若干值得商榷的问题［J］.热带地理，2009，29（4）：404-406.

［7］ 徐涵秋.区域生态环境变化的遥感评价指数［J］.中国环境科学，2013，33（5）：889-897.

［8］ 张秦瑞，赵良军，韩依廷，等.宜宾市2013—2019年生态变化的遥感影像分析［J］.宜宾学院学报，2021，21（6）：93-98.

［9］ 刘少军，张京红，李天富，等.基于GIS组件技术的生态质量气象评价系统［J］.气象与环境学报，2006（3）：51-53.

［10］ 姜 平，刘晓冉，康 俊，等.基于超越概率的重庆市住宅区风环境品质定量评估［J］.气象与环境学报，2020，36（6）：31-41.

［11］ 于英潭，王首鹏，刘 琳，等.太子河本溪城区段河流水生态系统健康评价［J］.气象与环境学报，2020，36（1）：89-95.

［12］ 马明亮，申红艳，魏鸿业，等.西宁市大气环境风险模拟研究［J］.气象与环境学报，2013，29（6）：42-48.

［13］ 金佳琦.基于遥感生态指数的多源遥感影像沙漠环境监测［D］.济南：山东大学，2021.

［14］ 沈佩姗.区域土地覆盖变化及其生态环境质量评价［D］.南京：南京邮电大学，2020.

［15］ 况 婷.基于遥感生态指数的万载县土地利用生态环境评价研究［D］.南昌：江西师范大学，2020.

［16］ 陈 孟.基于遥感技术的成都市中心城区环境質量评价及预测［D］.昆明：昆明理工大学，2020.

［17］ 吕大伟，蔡海生，张学玲，等.基于遥感生态指数的弋阳县生态安全格局构建及优化［J］.农业现代化研究，2021，42（3）：545-556.

［18］ 刘 智.沈阳市生态环境敏感脆弱区评价及划分［J］.环境保护与循环经济，2019，39（6）：35-39.

［19］ 杨凤江.浅谈新民市当前的主要环境生态问题［J］.环境保护科学，2001（6）：47-48.