点视角下人居地生态环境时空动态研究

白 波，徐明德，白晋晋

(太原理工大学 环境科学与工程学院，山西 太原 030024)

随着我国城镇化水平的日益提高，全国范围内人口分布以及经济社会发展呈现出一定的空间差异，城镇人口聚集，经济发展迅速，与之对应的是乡村人口的流失，经济社会发展相对较慢，给城、 镇、 乡、 村人居地生态环境带来不同程度的影响[1]. 因此，准确分析评价城镇乡村人居地的生态环境状况，对进一步制定针对性保护和恢复措施极其重要.

目前生态环境的分析评价，在评价方法上主要有依据赋权法的综合指数法[2-3]、 单一指标法[4-5]、 遥感生态指数(RSEI)法[6]等，其中基于主成分分析的RSEI权重的确定不受主观因素影响，且评价指标均来自遥感反演，能较客观地反映区域生态环境状况[6]； 在研究对象上，主要是以省市县[7]、 流域[8]等区域为主，区域视角的研究不能针对性反映人居地的生态状况，且在点视角下针对人居地生态环境状况评价的研究尚不多见.

本文以RSEI为评价方法，在点视角下分析评价了晋城市各县城城区、 乡镇及农村人居地的生态环境状况，以期为研究人居地生态环境状况提供新方法，同时为晋城市制定针对性保护与恢复政策及措施提供科学依据.

1 材料与研究方法

1.1 研究区概况

晋城市位于山西南部，总面积9 490 km2，包括沁水县、 阳城县、 泽州县、 高平市五个县(县级市)，69个乡镇(不包括县城城区所在镇)，7 441个村(包括自然村). 2000年至今，晋城市城镇人口逐年增加，乡村人口逐年减少，于2010年城镇人口首次超过乡村人口，与之对应的城镇化水平逐年上升，由2001年的34.1%升至2016年的58.3%. 具体研究区位、 人口和城镇化水平如图 1 和图 2 所示.

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

图 2 人口及城镇化水平Fig.2 Population and urbanizaion level

1.2 数据来源及预处理

研究数据包括遥感数据和统计数据. 其中遥感数据：2000年ETM+、 2008年TM、 2016年OLI,每年各两景(125/35, 124/35)，来源于地理空间数据云网站，均选取九月份左右无云或少云的数据. 晋城市2001～2016年人口数据，来源于《山西省统计年鉴》.

在ENVI5.3中对遥感数据进行辐射定标、 几何校正、 大气校正、 裁剪、 拼接，获得研究区遥感数据.

1.3 研究方法

1.3.1 生态环境评价方法

参考前人研究[6]，选取RSEI分析晋城市生态环境状况. 考虑到地表温度的遥感反演受大气湍流通量、 环境辐射等因素的影响较大[9]，此次仅以绿度(NDVI)、 湿度(Wet)、 干度(NDSI)为指标，运用主成分分析方法集成三项指标[6].

参考已有研究，NDVI、WET(WetTM[10]、WetETM+[11]、WetOLI[12])、NDSI(SI[13]、IBI[14])选取以下公式进行计算：

1) 绿度

NDVI=(NIR-R)/(NIR+R).

(1)

2) 湿度

WetTM=0.031 5B+0.202 1G+0.310 2R+

0.159 4NIR-0.680 6M1-0.610 9M2,

(2)

WetETM+=0.2626B+0.214 1G+0.092 6R+

0.065 6NIR-0.7629M1-0.538 8M2,

(3)

WetOLI=0.151 1B+0.197 3G+0.328 3R+

0.340 7NIR-0.711 7M1-0.455 9M2.

(4)

3) 干度

NDSI=(SI+IBI)/2,

(5)

SI=(M1+R-NIR-B)/(M1+R+NIR+B),

(6)

IBI=[2M1/(M1+NIR)-NIR/(NIR+R)-

G/(G+MI)]/[2M1/(M1+NIR)+

NIR/(NIR+R)+G/(G+MI)],

(7)

式中：B，G，R，NIR，M1、M2分别指蓝波段、 绿波段、 红波段、 近红外波段、 中红外波段1、 中红外波段2的反射率.

主成分分析结果如表 1 所示，主成分1贡献率均在75%以上，包含了原始数据的大部分信息，且干度指标权重为负，湿度及绿度指标权重为正，符合实际情况[6].

1.3.2 人居地生态环境分析方法

考虑到不同行政级别人居地对生态环境影响程度及范围差异较大，将晋城市人居地划分为县(城区)、 乡镇、 村三级，以晋城市RSEI、 △RSEI栅格图为数据源，统计以人居地建成区中心为圆心，不同半径圆形邻域的平均值作为人居地RSEI、 △RSEI，△RSEI指不同年份RSEI差值. 圆形邻域半径的选择考虑人居地对生态环境的影响范围，县城城区半径选择3 km, 5 km, 7 km，以不同半径来反映RSEI的空间分布特征. 结合研究区多山多丘陵的地形特征，各乡镇及农村在研究期间受地形限制建成区扩张幅度较小，因此仅分别以1 km, 3 km半径邻域平均值作为农村、 乡镇RSEI、 △RSEI.

表 1 主成分分析

以农村1 km圆形邻域RSEI、 △RSEI平均值为数据源，采用热点分析、 方向分布分析研究农村RSEI、 △RSEI的空间集聚状态及其分布方向趋势.

1) 热点分析

(8)

(9)

式中：xj是j要素的属性值;ωi,j是要素i,j的空间权重;n为要素总数.

2) 方向分布分析

运用arcgis软件提供的标准差椭圆工具进行方向分布分析，通过计算椭圆的长短半轴、 方向及中心坐标确定椭圆，椭圆的长轴表示数据的分布方向趋势，短轴衡量数据的分布范围，长短轴差异越大，即椭圆离心率越大，数据方向性越明显； 短轴越短表示数据对中心点的集聚性越明显，以此得到农村RSEI及△RSEI高低值点的空间分布趋势.

椭圆的长短半轴分别是各要素横纵坐标的标准差，椭圆方向的确定以椭圆长轴所在直线为准，以正北方向为0度，顺时针旋转的角度即为椭圆角度β.β计算公式为

标准差椭圆工具用来分析高值点的分布方向趋势，因此对低值点分析前需要进行预处理，此次预处理采用1减去RSEI或△RSEI.

2 结果与分析

2.1 县城区生态环境状况时空动态

采用焦点统计工具来统计以县城建成区中心点为圆心，以半径3 km, 5 km, 7 km圆形邻域的平均值作为城区的RSEI值，结果如图 3.

从整体上看，沁水县、 陵川县、 高平市、 阳城县、 泽州县的RSEI依次由高到低，且各城区的RSEI值随统计邻域半径的增大而增大. 从各县情况看，高平市2000～2016年生态环境状况持续变差，对周围环境的影响范围随时间逐渐扩大，2008～2016年影响最为明显，到2016年7 km圆形邻域内生态环境差异较小，RSEI的均值均维持在0.42左右； 陵川县2000～2016年县域3 km范围内生态环境退化严重，且其影响范围有所扩大，对5 km 范围内生态环境干扰强度逐年略微增加； 沁水县的RSEI随时间而增大，其县城区及周围环境状况均大幅度改善，通过遥感图可知沁水县县城发展空间受地形限制，研究期间县城建成区扩张较小，对周围环境影响较小； 泽州县生态环境整体上较差，研究期间有所改善，2008～2016年改善幅度较大； 阳城县生态环境整体上看有所改善，3 km 邻域范围内持续改善，5 km，7 km范围内在2000～2008年大幅度优化，2008～2016年略微变差.

图 3 县城区RSEI时空变化图Fig.3 Change of RSEI in county areas

2.2 乡镇生态环境状况时空动态

对各乡镇3 km圆形邻域统计的RSEI、 △RSEI值进行可视化表达，如图 4 所示.

整体上看，乡镇RSEI呈四周高中间低的分布格局，研究期间乡镇生态环境除高平市外整体呈改善状态.

图 4 乡镇RSEI时空变化图Fig.4 Change of RSEI in township

分乡镇看，沁水县、 陵川县乡镇生态环境较好，研究期间RSEI维持在较高水平，陵川县西部区域乡镇生态环境有所退化； 高平市生态环境在研究期间退化严重，2000～2008年大部分乡镇RSEI降低幅度在0.2左右； 阳城县、 泽州县中部区域乡镇生态环境较差，研究期间先降低后升高，整体保持在中等状态.

2.3 村生态环境状况时空动态

以村点RSEI、 △RSEI为属性值，结合各村之间的空间关系进行热点分析、 方向分布分析，识别高低值点集聚情况及其分布方向趋势，结果如图 5～图 7 所示.

图 5 农村RSEI热点分析及标准差椭圆分析图Fig.5 Village RSEI hotspot analysis and standard deviation ellipse analysis

图 6 农村△RSEI热点分析及标准差椭圆分析图Fig.6 Village △RSEI hotspot analysis and standard deviation ellipse analysis

由图 5 可知，农村生态环境状况分布格局与乡镇相同，中间低四周高. 2000年低值点较集中分布在晋城市中部区域，以阳城县、 泽州县北部区域为主，2000～2016年低值点聚集区逐步退出沁水县，进入高平市，到2016年沁水县境内低值点聚集区仅在西北东南方向呈细条状分布，高平市大部分区域为低值点聚集区； 高值点稳定分布在晋城市四周.

由图 6 可知，2000～2008年△RSEI高值聚集区主要集中在阳城县北部及沁水县南部区域，2008～2016年重心西移，呈现出零星分布状态； 2000～2008年△RSEI低值点分布范围较大，在高平市、 阳城县分布较为集中，2008～2016年低值聚集区重心北移，分布范围缩小，主要向高平市所在区域聚集.

图 7 农村RSEI和△RSEI方向分布Fig.7 RSEI and △RSEI direction distribution in village

年份短轴(高值)/m短轴(低值)/m2000301192742420082959627929201629765276002000～200823003291782008～201627534287882000～20162562729056

结合图7(a), 7(b)和表2可知，整体上，RSEI及△RSEI高低值点标准差椭圆离心率均保持在0.8以上的较高水平，说明高低值点在空间分布上方向性趋势明显； 短轴长度变化幅度除△RSEI高值点外均较小，表明各村点对中心点的向心力无明显变化，高低值点聚集区分布的离散程度变动较小，△RSEI高值点的椭圆短轴2008～2016年大于2000～2008年，说明2008～2016年高值点向心力减小，高值点聚集区分布趋于零散； 研究期间RSEI高值点标准差椭圆角度随时间增大，低值点随时间减小，说明高值点分布方向顺时针旋转，低值点逆时针方向旋转.

3 讨 论

本文以晋城市为研究区，以人居地为研究对象，采用RSEI为评价方法，以热点分析、 标准差椭圆为分析工具，综合分析评价了晋城市人居地生态环境的时空动态变化.

1) 研究对象上，本文选取人居地，并将其概化为点要素，通过统计圆形邻域平均值获得各人居地生态环境状况，与已有研究以区域、 流域为研究对象相比[7-8]，一方面强调了人类对生态环境的影响，另一方面将与人类生产生活最为密切的生态环境作为分析对象，突出以人为中心.

2) 研究方法上，本文借鉴前人研究[6]，并在此基础上考虑现阶段热度因子遥感反演尚存的问题[9]，综合考虑选取干度、 湿度、 绿度为评价指标，采用主成分分析方法集成各项指标. 在村点RSEI分析上引入优化的热点分析和标准差椭圆分析方法，得到农村生态环境状况在不同显著性下的高低值聚类，并分析高低值分布的方向趋势，在此基础上实现了农村生态环境状况的可视化，与以往仅以阈值分类或差值法[15-16]等研究相比，此次生态环境状况的分析评价更为确切且有针对性.

通过分析识别晋城市各级人居地生态环境状况，给出如下建议：

1) 城区层面，2000～2016年，阳城县、 泽州县、 沁水县城区均呈现出一定的改善趋势，说明近年来城区人居环境得到一定改善，高平市、 陵川县生态环境退化，尤其高平市退化最为严重，且影响范围扩大至7 km以外，在以后的经济社会发展中要注重生态环境的保护及恢复工作，缩小人类活动对生态环境的影响范围.

2) 乡镇层面，除高平市外其余县境内各乡镇生态环境均有所改善，高平市境内大部分乡镇呈退化趋势，RSEI减幅在0.2～0.3之间，尤其是其北部乡镇退化比较严重，因此有必要针对高平市各乡镇，尤其是北部区域乡镇采取因地制宜的生态环境恢复措施，强化乡镇绿地建设，最大限度保证人居地生态环境的健康发展.

3) 农村层面，阳城县、 泽州县、 高平市为低值点主要聚集区，其分布具有明显的方向性，且随时间逆时针转动. 时间序列上，2000～2016年改善区主要分布在阳城县北部及沁水县境内，退化区主要集中在高平市境内，因此，针对高平市境内农村生态环境的持续退化，迫切需要加大生态环境保护力度，适当缩减耕地范围，强化退耕还林还草，建设生态文明村，逐步提高农村人居地生态环境质量，改善农村生活生产条件.

4 结 论

1) 提出的在点视角下综合运用图表分析、 可视化分析、 高低值聚类及方向分布分析对人居地生态环境状况时空动态进行研究的方法，能更确切且有针对性地反映城区、 乡镇、 农村的生态环境状况.

2) 通过可视化、 聚集性及方向性分析，对晋城市城、 镇、 乡、 村的生态环境状况进行分级识别，得出城区、 乡镇整体上生态环境状况中等且有改善趋势，农村生态环境状况分布聚集性、 方向性明显，阳城县为低值、 改善区，高平市为低值、 退化区.