基于植被覆盖度和遥感生态指数的成都市锦江区生态质量评估

王志超，何新华,2①

(1.西南大学资源环境学院，重庆 400716；2.西澳大利亚大学生物科学学院，澳大利亚 珀斯 6009)

21世纪以来，我国中西部地区城市进入高速发展阶段，随之而来的是城市人口密度上升、建成区扩张、植被破坏，这一系列现象带来的城市生态质量下降问题正在凸显。定期对城市生态质量进行准确评估对于城市生态环境建设具有重要意义。

植被覆盖度(fractional vegetation cover, FVC)是指植被(包含枝、叶、茎)在地面上的垂直投影面积占总面积的比例[1]。FVC是反映地表植被变化的指标，较好的植被覆盖能够维持区域生态平衡，减弱城市热岛效应和全球气候变暖对城市的影响，美化城市环境[2]。利用遥感数据计算FVC值来评估生态质量的方法已经在布鲁塞尔[3]、旧金山湾区[4]、蒙古国[5]、大连[2]、西安[6]等区域得到了广泛应用。徐涵秋[7]2013年提出的遥感生态指数(remote sensing based ecological index,RSEI)是基于遥感数据将绿度、湿度、干度和热度4个遥感指数进行耦合，从而快速监测区域生态质量、分布格局及其变化情况。RSEI已经在武汉[8]、皖江城市带[9]、雄安新区[10]、丹江流域(河南段)[11]等城市(群)和区域的生态质量监测中广泛应用。近年来，杨绘婷等[12]、张文强等[13]、孙从建等[14]分别利用FVC和RSEI评估了长汀县、武夷山国家级自然保护区、晋西南黄土高原区和吕梁山贫困区生态环境质量状况及其变化情况。同时利用FVC和RSEI对区域生态环境质量进行评估，可以研究FVC和RSEI的相互关系，重点分析植被覆盖变化对生态环境质量产生的影响，能很好地反映研究区生态环境质量和变化情况。成都市是我国中西部地区发展最快的城市之一，但鲜有基于遥感数据对成都城市生态质量进行定量监测的研究。因此，以成都市锦江区为例，基于多期遥感数据，利用FVC和RSEI对锦江区城市生态质量进行定量监测和评估，为成都市城市生态建设和环境保护提供参考。

1 研究区概况

选取成都市锦江区为研究区，地理坐标为30°32′59″～30°40′21″ N,104°03′29″～104°09′56″ E。锦江区地处四川盆地西部边缘、成都平原核心地带，全境地势平坦，属亚热带季风气候区，雨热同期，年均温为16.2 ℃，年均降水量为800～1 000 mm。锦江区位于成都市一圈层核心城区，为成都社会经济最为发达的辖区之一，辖区面积为62 km2，2018年常住人口为70.83万人，人口密度为11 424人·km-2,为我国中西部地区人口密度最大的区域之一。

2 研究方法

2.1 数据来源与预处理

研究选用Landsat 5 TM影像和Landsat 8 OLI影像和TIRS影像作为数据源，Landsat系列卫星数据获取便捷，数据时间跨度大，是进行长期地表监测最有效的卫星数据之一。研究数据获取日期分别为2002年6月25日(TM)、2009年6月12日(TM)和2018年6月5日(OLI/TIRS)，来源平台为中科院地理空间数据云(http:∥www.gscloud.cn)。影像在研究区上方云量极少，质量较好。研究所用影像来源日期较为接近，可以忽略季节、植被生长状态不同造成的差异。影像已经进行了辐射校正和几何校正，研究数据预处理步骤为辐射定标、FLAASH大气校正、裁剪等，数据处理平台为ENVI 5.2。非遥感数据为锦江区边界数据，来源平台为北京大学地理数据平台(http:∥geodata.pku.edu.cn)以及各年份的研究区国民经济和社会发展统计公报。

2.2 遥感生态指数(RSEI)构建

RSEI耦合了绿度、湿度、干度和热度4大指标[7]，在近年来的生态环境质量与动态变化评价中得到了广泛应用，RSEI计算过程包括分量指标选取和主成分分析2项。

2.2.1分量指标选取

(1)绿度指标

归一化植被指数(normalized difference vegetation index,NDVI,INDV)被广泛用于反映植被生长变化状况，具有操作简便、准确性高等优点。因此该研究使用NDVI来代表绿度指标，计算公式为

(1)

式(1)中，ρred和ρnir分别代表TM影像和OLI/TIRS影像的红色和近红外波段，分别对应TM影像第3、4波段的反射率，OLI/TIRS影像第4、5波段的反射率。

(2)湿度指标

遥感缨帽变化的湿度分量(WET,TWE)能够反映地面地表湿度状况，可用于代表湿度指标。TM和OLI传感器的WET计算公式[15-16]分别为

TWE，TM=0.031 5ρblue+0.202 1ρgreen+0.310 2

ρred+0.159 4ρnir-0.680 6ρswir1-0.610 9ρswir2，

(2)

TWE，OLI=0.151 1ρblue+0.197 3ρgreen+0.328 3

ρred+0.340 7ρnir-0.711 7ρswir1-0.455 9ρswir2。

(3)

式(2)～(3)中，ρblue、ρgreen、ρred、ρnir、ρswir1、ρswir2分别代表TM影像和OLI/TIRS影像的蓝色、绿色、红色、近红外、短波红外1、短波红外2波段，分别对应TM影像第1、2、3、4、5、7波段的反射率，OLI/TIRS影像第2、3、4、5、6、7波段的反射率。

(3)干度指标

自然裸土和建筑物是造成城市地表干化的主要因素。鉴于研究区同时存在自然裸土和建筑物，因此使用裸土指数(bare soil index,SI，IS)和建筑指数(index-based build-up index,IBI，IIB)构成干度指数(normalized differential building-soil index,NDSI，INDS)，计算公式[7,17-18]为

(4)

IIB={2ρswir1/(ρswir1+ρnir)-[ρnir/(ρnir+ρred)+ρgreen/(ρgreen+ρswir1)]}/[2ρswir1/(ρswir1+ρnir)+ρnir/(ρnir+ρred)+ρgreen/(ρgreen+ρswir1)],

(5)

(6)

式(4)～(6)中，ρblue、ρgreen、ρred、ρnir、ρswir1代表TM影像和OLI/TIRS影像的蓝色、绿色、红色、近红外、短波红外1波段，分别对应TM影像第1、2、3、4、5波段的反射率，OLI/TIRS影像第2、3、4、5、6波段的反射率。

(4)热度指标

地表温度(land surface temperature, LST)与植被生长、城市内水蒸气循环、城镇化进程等自然和人文因素密切相关，因此使用地表温度(LST)代表热度指标。LST计算方式有多种，其中大气校正法操作简便，可靠性较高，该研究选用大气校正法计算LST，计算公式[19-20]为

B(TS)=[Lλ-L↑-τ(1-ε)L↓]/τε。

(7)

式(7)中，B(TS)为黑体热辐射亮度，W·m-2·sr-1·μm-1；Lλ为传感器辐射亮度(分别对应TM影像第6波段、OLI/TIRS影像第10波段的辐射值)，W·m-2·sr-1·μm-1；ε为地表比辐射率，使用覃志豪等[21]提出的方法基于NDVI值进行估算，将地表分为城镇、水体和自然表面；τ为大气透射率；L↑、L↓分别为大气向上、向下辐射量，W·m-2·sr-1·μm-1；τ、L↑、L↓均通过NASA网站(https:∥atmcorr.gsfc.nasa.gov/)查询获得。

(8)

式(8)中，TS为地表真实温度，℃；K1和K2为定标参数，对于TM数据：K1为607.76 W·m-2·sr-1·μm-1，K2为1 260.56 K，对于TIRS(10波段)数据：K1为774.89 W·m-2·sr-1·μm-1，K2为1 321.08 K。

2.2.2主成分分析

主成分分析法(PCA)是将多个变量划为少数几个综合指标的统计方法[22]，可以避免主观因素对权重的影响。研究基于PCA进行绿度、湿度、干度、热度指标的集成。由于上述4个指标量纲不同，在进行主成分变换之前需要统一量纲，公式为

(9)

式(9)中，IN为统一后的数值；I为指标值；Imax和Imin分别为指标的最大值和最小值。

上述4个指标统一量纲后可进行主成分变换，通常使用第1主成分PC1代表RSEI。为了使最终结果便于比较，需要对其统一量纲，公式同式(9)。

2.3 植被覆盖度构建

植被覆盖度(FVC，CFV)是植物群落覆盖地表状况的综合量化指标，可通过衡量地面植被覆盖质量来评估区域生态环境质量与动态变化。像元二分模型法可操作性强，计算简便，被较多用于反演区域CFV，计算公式[23]为

(10)

式(10)中，S为像元的植被指数；Ssoil为纯裸土像元值；Sveg为纯植被像元值。

为了与NDVI对RSEI的影响形成区分，采用大气阻抗植被指数(atmospherically resistant vegetation Index,ARVI,IARV)作为计算FVC的植被指数。ARVI能够修正城市气溶胶对植被指数的影响[24]，常用公式[25]为

(11)

式(11)中，ρblue、ρred、ρnir代表TM影像和OLI/TIRS影像的蓝色、红色、近红外波段，分别对应TM影像第1、3、4波段的反射率，OLI/TIRS影像第2、4、5波段的反射率。由于缺乏实测数据，该研究根据ARVI统计直方图截取置信区间，选用ARVI值的1%～99%为置信区间，并取在1%和99%阈值处的ARVI值作为对应的Ssoil和Sveg。

RSEI中的绿度分量NDVI和FVC值均能对植被状况进行评估，但两者并不重复[12]，RSEI是耦合了4个指标的综合指标，而FVC是直接通过评估地表植被覆盖度来反映生态质量。FVC和RSEI为2个相对独立的生态质量评价指标。

3 结果与分析

3.1 锦江区植被覆盖度的时空变化分析

2002—2009年，研究区FVC由0.522下降到0.493，下降了5.61%；2009—2018年，FVC由0.493上升到0.502，上升了1.79%。2002—2018年研究区FVC总体呈下降趋势，下降了3.92%。由于目前尚无统一的分级阈值标准，参考以往城市植被覆盖度研究[2，26]，并结合锦江区实际情况，将FVC以0.2为间隔分为5个等级，从低到高分别对应差、较差、中、良、优分级(图1)，各个等级对应面积和比例见表1。

表1 植被覆盖度年度分级统计Table 1 FVC area levels in 2002, 2009 and 2018

2002年研究区FVC以优良等级区域为主，面积占45.47%，其次为较差等级区域、中等级区域和差等级区域，分别占19.95%、18.41%和16.16%；2009年研究区植被覆盖状况发生变化，整体来看优良等级、差等级区域面积减少，分别减少9.78%和2.86%，较差等级、中等级面积增加，分别增加8.65%和3.98%；2018年研究区优良等级区域面积变化不大，中等级区域面积增加6.32%，较差等级区域面积减小1.31%，差等级区域面积略微减小。2002—2018年研究区FVC呈现下降趋势，表现为优良区域面积下降，中等级面积上升，其中优良区域面积主要在2002—2009年间下降，中等级面积在2002—2018年间持续上升。表1表明，2002—2018年，FVC均值由0.522下降至0.493，优良区域破坏是FVC总体下降的主要原因；2009—2018年，FVC均值又上升至0.502，植被覆盖较差等级、差等级区域面积下降，中等级上升，是这一时期FVC微弱回升的主要原因。

由图1可知，2002年FVC优良等级区域主要分布在研究区南部，此时研究区南部大部区域还是非城市建成区，FVC较差及差等级区域主要分布在研究区北部的城市建成区。2009年FVC优良等级区域仍分布在研究区南部，但随着城市建成区向南发展，南部的优良等级区域面积已经急剧减少，研究区北部仍以较差及差等级区域为主。2018年研究区南部的FVC优良等级区域面积进一步减少，因研究区南部区域城市建设对于植被的破坏，优良等级集中分布区域被压缩到研究区最为东南端的“三圣花乡”一带。城市建成区扩大是FVC下降的主要原因。锦江区在16 a间持续进行人工园林绿化建设，城市人工园林绿化和城市公园建设面积(数量)不断上升，这是研究区2009—2018年FVC微弱恢复的主要原因。随着城市园林绿化建设在研究区北部即传统城市建成区推广，北部差等级区域面积也有所下降。16 a间，原有的FVC各等级区域大片连续分布转化为FVC优良等级、中等级、较差等级镶嵌式散乱分布，这是由于研究区南部的城市建成区扩张和北部的人工园林绿地建设都呈点状和线状进行，原有的某一等级大片连续分布区域中某些区域在短时间内迅速变化，导致各等级区域呈现镶嵌式分布。

3.2 锦江区遥感生态指数主成分分析

研究区2002、2009和2018年RSEI的4个分量主成分分析结果见表2。4个分量对PC1的荷载值中，代表绿度的NDVI、代表湿度的WET与代表干度的NDSI、代表热度的LST符号相反，其中NDVI和WET起积极作用，为正向指标；NDSI和LST起消极作用，为反向指标。PC2、PC3、PC4中4个分量的特征值符号和大小变化难以解释，且PC1对RSEI贡献度≥70.00%，已经较明显地集齐了4个分量的特征信息，因此可以使用PC1代表4个分量指标。2002—2009年的PC1中代表正向指标的NDVI和WET荷载值呈负值，代表反向指标的NDSI和LST荷载值呈正值，这表明2002—2009年研究区的生态质量与PC1值呈反比[13-14]，为了统一为值越大表示生态质量越好，在使用式(9)统一量纲前，还需使用式(12)对PC1进行反向处理。

表2 主成分分析结果Table 2 Results of the principal components analysis

IRSE，0=1-PC1

(12)

式(12)中，IRSE，0为反向处理后的RSEI指标值；PC1为原始第1主成分指标值。

3.3 锦江区遥感生态指数时空变化分析

如表3所示，研究区生态指数由2002年的0.526下降到2009年的0.517，下降了1.71%，2009—2018年则下降2.32%，2002—2018年总体下降3.99%，这表明锦江区2002—2018年生态质量呈微弱下降趋势。

表3 2002—2018年锦江区遥感生态指数(RSEI)变化Table 3 Status of RSEI of Jinjiang District in 2002, 2009 and 2018

在分量指标中，NDVI先下降后微弱回升，与FVC变化趋势一致；NDSI呈上升趋势。2002、2009和2018年NDVI荷载值的绝对值分别为0.662、0.738和0.643，NDSI荷载值的绝对值分别为0.585、0.594和0.669，这与16a间城市建成区连续上升相符。NDVI为RSEI中最大积极影响分量，NDSI为最大消极影响分量。2002和2009年NDVI为RSEI最大影响分量，随着城市扩张过程中城市建成区对于原有植被的替代，干度荷载值在16 a间呈上升趋势，并在2018年成为RSEI的最大影响分量。湿度WET对RSEI的影响在逐步上升，这表明研究区城市公园建设对生态质量起到了积极作用。热度LST对RSEI的影响呈现总体下降趋势，这表明全球气候变暖对研究区生态质量的消极影响总体呈减弱趋势。

基于文献[7-9]对RSEI的分级方法，对研究区RSEI进行进一步定量化和可视化分析，将RSEI以0.2为间隔分为5个等级，从低值到高值分别对应差、较差、中、良、优，分级如图2所示，各个等级对应面积和比例如表4所示。

表4 2002—2018年锦江区不同等级遥感生态指数区域面积变化Table 4 Changes of areas with different RSEI levels in Jinjiang District from 2002 to 2018

从表4可知，2002年研究区以优良等级区域为主，面积占46.12%，其次为较差等级区域，中等级和差等级区域，分别占22.69%、19.11%和12.08%。2009年研究区RSEI发生变化，整体来看优良等级、差等级区域面积分别减少10.31%和9.00%，中等级、较差等级区域面积分别增加10.92%和8.38%。2018年研究区优良等级区域面积继续减少4.49%，中等级区域面积继续增加5.59%，较差等级区域面积略微减小，差等级区域面积几乎不变。2009和2018年研究区中等级、优良等级和较差等级区域面积较为接近，分别占总面积的33%左右。2002—2018年研究区RSEI下降趋势表现为优良等级区域面积急剧下降，中等级区域面积急剧上升，其中2002—2009年变化趋势较为明显，2009—2018年趋势较为缓和。虽然研究区差等级区域面积在16 a间下降了5.13%，但研究区较差等级和差等级区域总面积变化不大，这表明RSEI较高等级区域的破坏是RSEI下降的主要原因。

由图2可知，2002年RSEI优良等级区域主要分布在研究区南部，中等级区域主要散乱分布在研究区南部，当时研究区南部大部区域还是非城市建成区，RSEI较差及差等级区域主要分布在研究区北部的城市建成区；2009年RSEI优良等级区域仍分布在研究区南部，但随着城市建成区向南发展，优良等级区域面积已经被压缩，RSEI较差等级区域向南部发展。研究区北部的RSEI差等级区域多转化成较差等级区域；2018年研究区南部的RSEI优良等级区域面积被进一步压缩，只有最南侧有少量优良等级区域成片分布。研究区RSEI较差和差等级扩张方向和趋势与陈平等[27]模拟的锦江区建设用地扩展方向一致。研究区西南区域靠近成都高新区核心区域，东南区域位于《成都市城市总体规划(1998年—2020年)》中规划的东部城市副中心和向东发展用地[28]，城市建成区迅速扩张，造成RSEI在16 a间由优良等级向低等级转化。由于城市建成区的扩张，研究区大部区域呈现优良等级、中等级、较差等级镶嵌式散乱分布。

3.4 锦江区植被覆盖度和遥感生态指数时空差异分析

为了更好地了解锦江区生态质量时空变化情况，对不同年份植被覆盖度和遥感生态指数分别进行差值计算，参考王勇等[11]、张文强等[13]、孙从建等[14]对FVC和RSEI差值的分级方法，结合研究区实际情况，将结果划分为剧烈变差[-1,0.4)、显著变差[-0.4,-0.2)、轻微变差[-0.2,-0.05)、基本不变[-0.05,0.05)、轻微变好[0.05,0.2)、显著变好[0.2,0.4)和剧烈变好[0.4,1]7个等级进行分析，结果见表5～6。

由表5可知，较2002—2009年间，2009—2018年研究区植被覆盖变好区域面积增加7.62%，而植被覆盖变差区域面积减小4.47%，这与2009—2018年间研究区植被覆盖微弱上升相符。2002—2018年和2002—2009年间，研究区植被覆盖变好区域面积大于变差区域面积，但2002—2018年和2002—2009年研究区FVC总体均呈下降趋势，主要是由于研究区植被覆盖剧烈变差区域面积在2002—2018年间均大于显著变好区域面积。

表5 2002—2018年锦江区植被覆盖度等级变化Table 5 Changes of FVC level in Jinjiang District from 2002 to 2018

由表6可知，较2002—2009年，2009—2018年间研究区RSEI变好区域面积下降4.88%，变差区域面积增加1.62%，这与2009—2018年研究区RSEI总体下降幅度大于2002—2009年的结论相符。2002—2018年间研究区RSEI变好区域面积均大于变差区域面积，但RSEI在2002—2018年均呈现下降趋势，主要是由于研究区RSEI剧烈变差区域面积在2002—2018年间均大于剧烈变好区域面积。

表6 2002—2018年遥感生态指数等级变化Table 6 Changes of RSEI level in Jinjiang District from 2002 to 2018

由表5～6可知，2002—2018年研究区FVC和RSEI变化区域面积较大，均大于75%，基本不变区域面积较小，均小于25%，需要结合研究区FVC和RSEI空间变化图进一步解释。由图3可知，2002—2018年间，研究区FVC和RSEI不变区域呈散乱分布，研究区北部大部区域FVC和RSEI呈变好趋势，这是研究区北部加强园林绿地建设、新建城市公园、对老旧社区进行环境治理的结果；研究区南部大部区域FVC和RSEI呈现变差趋势，这是由于成都市城市扩张，城市发展重心南移，研究区南部社会经济快速发展，人类活动加强，城市建成区替代原有的植被覆盖区域，生态环境质量明显下降。

由图2可知，2002—2009年研究区西南区域生态质量下降较为明显，2009—2019年间研究区东南区域生态质量下降较为明显。这是由于东南区域西侧的成都高新区(南区)核心区域在21世纪初10余年迅速发展，从而带动周边的区域城市建成区迅速扩张，西南区域生态质量在2002—2009年间下降较为明显；2009—2018年间，东南区域紧邻东侧的成都东客站、轨道交通2号线等重要交通设施开始运行，迅速带动东南区域建成区扩张，加之东部副中心继续发展，因此东南区域在2009—2018年生态质量下降较为明显。

3.5 锦江区植被覆盖度和遥感生态指数相关性分析

2002、2009和2018年研究区FVC和RSEI的相关系数分别为0.946、0.942和0.891，可见锦江区FVC与RSEI有较高相关性，说明FVC变化对RSEI变化具有较大影响，这与前文中绿度NDVI为RSEI主要正向影响分量的结论相符。

由图2可知，研究区FVC与RSEI空间上具有高度相关性，各年份大部分区域FVC分布和RSEI分布趋于一致。由图3可知，研究区各个阶段的FVC和RSEI变化区域分布趋于一致。说明研究区FVC对生态质量变化具有显著影响。

2009—2018年间研究区FVC整体微弱恢复，但RSEI仍呈下降趋势。由表2可知，主要原因为2009—2018年间研究区干度指数上升，干度对RSEI的负面影响大于绿度的正面影响，这表明随着城市的高速发展，建成区原有植被被替代，城市建成区对生态质量的破坏作用正在加大。

4 结论与建议

(1)研究区植被覆盖度(FVC)和遥感生态指数(RSEI)关系密切，其分布和变化趋于一致。FVC和RSEI能够综合反映2002—2018年间研究区生态质量及其空间分布变化。

(2)研究区总体生态质量一般。2002—2018年间，研究区FVC呈先下降后微弱恢复的总体下降趋势，RSEI呈现连续下降趋势。表明研究区生态质量呈现下降趋势，主要原因是研究区南部城市扩张，建成区替代了原有的植被覆盖区域。

(3)从FVC和RSEI的空间分布及变化来看，研究区生态质量主要呈现北部上升、南部下降的特点。植被覆盖是生态质量变化的主要积极影响因子，城市建成区扩张是生态质量变化的主要消极影响因子。

(4)人工园林绿化和城市公园建设能够对现有的城市建成区生态环境质量恢复起到积极作用。锦江区可以借鉴研究区北部生态环境恢复经验，在南部新的城市建成区积极推进人工园林绿化和城市公园建设，促进生态环境质量，从而实现“生态城区”的目标。