基于改进型遥感生态距离指数的秀山县生态环境质量评估

王志超，何新华,2

(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，西澳大利亚州 珀斯 6009)

1 研究背景

石漠化现象是我国西南亚热带喀斯特地区严重的生态环境问题，石漠化伴随而来的是水土流失,使基岩大量裸露， 土地退化， 生产力丧失[1]。 石漠化地区大多位于“老少边穷”地区， 落后的生产方式和突出的人地矛盾更容易使地区生态环境质量不断恶化[2]。 定期对石漠化地区生态环境质量进行准确的监测和评估对改善石漠化地区生态环境、 保障社会经济的正常发展具有重大意义。

目前遥感和地理信息技术被广泛用于生态环境质量监测和评估。赵玉灵[3]和吴翠等[4]分别基于层次分析法对海南岛矿山地质环境和三峡库区巫山—奉节段生态环境敏感性进行了评估，张崇淼等[5]基于压力-状态-响应模型对铜川市城市生态安全进行了评估。李红星等[6]和刘立冰等[7]分别使用徐涵秋的遥感生态指数模型[8]对武汉市和龙溪—虹口国家级自然保护区生态质量进行了监测和评估。基于遥感和地理信息数据的多因子综合评价模型使生态环境评估的可靠性增加，但合理的评估模型构建，指标因子组合和适宜权重才能确保评估结果的准确性，这亦是生态环境的监测和评估中需要解决的问题。

秀山县地处重庆东南、武陵山中段，秀山县全县有超过85%的地区位于碳酸岩层[9]，是具有代表性的喀斯特石漠化地区。目前还鲜有基于遥感数据对秀山县生态环境质量进行定量化的综合评估。张娟[10]基于距离函数构建了一套适用于干旱区生态环境质量的新型评估体系遥感生态距离指数(Remote Sensing Ecological Distance Index, RSEDI)。石三娥等[11]和黄钰涵等[12]分别利用RSEDI对石羊河流域绿洲区和乌鲁木齐生态环境质量进行了监测和评估。作为客观赋权法，RSEDI能够简便、快速和准确地监测区域生态环境质量。

本研究以Landsat系列数据和其他地理信息数据为数据源， 提取代表石漠化地区秀山县生态环境质量特点的石漠化指数、 建筑裸土指数、 湿度指数、 植被指数4个指标， 基于遥感生态距离指数(RSEDI)框架构建适用于石漠化地区生态环境质量监测和评估的改进型遥感生态距离指数(Modified Remote Sensing Ecological Distance Index, MRSEDI)， 为秀山县和渝东南生态保护发展区生态环境监测和保护提供重要参考。

2 研究区概况和数据来源

2.1 研究区概况

秀山土家族苗族自治县(简称为秀山县)位于重庆市东南渝贵鄂湘四省市交界处，地理坐标为28°9′43″N—28°53′5″N，108°43′6″E—109°18′58″E。研究区地处武陵山脉中段、四川盆地东南缘的外侧，土地面积为2 462 km2。研究区地处川东南褶皱带，境内西南高，东北低，平坝、丘陵、低山、中山呈交错分布，气候类型为属亚热带湿润季风气候，年均温为16 ℃，常年降水量为1 341.1 mm。研究区全境位于我国西南喀斯特山地石漠化生态脆弱区，全境碳酸盐层占总面积的87.59%，研究区呈现出典型的喀斯特区生态脆弱特征，土层贫瘠、地表破碎、群落单一、生态承载力小。

2.2 数据来源和预处理

本文选用3景Landsat5/8数据作为数据源，数据获取日期分别为1990年8月22日(Landsat5)、2002年8月23日(Landsat5)和2016年8月29日(Landsat8)，数据获取平台为中国科学院地理空间数据云(www.gscloud.cn)。影响来源日期较为接近，可以忽略季节不同造成的影响。影像质量较好，云量均<5%。由于影像已经过辐射校正和几何校正，本文对数据进行了辐射定标、FLAASH大气校正等预处理，并使用研究区边界进行裁剪，数据处理平台为ENVI5.2。其他数据包括人口空间分布栅格[13]，数据来源为中国科学院资源环境科学数据中心数据注册与出版系统，其中2002年人口分布情况由2000—2005年变化趋势计算得出，2016年人口分布情况由2010—2015年变化趋势计算得出，1990年人口分布情况为直接获得。研究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)。数字高程模型(DEM)为30 m分辨率ASTER GDEMV2数据，来源平台为中国科学院地理空间数据云(www.gscloud.cn)

2.3 研究方法

2.3.1 改进型遥感生态距离指数的构建

选取合理、可操作性和针对研究区代表性的评估指标，能够快速、准确地评估研究区生态环境质量。研究区地处我国西南喀斯特山地石漠化生态脆弱区，全境85%以上区域均为可溶性碳酸盐岩层，受喀斯特石漠化环境制约，研究区生态脆弱。石漠化程度是研究区生态环境质量的重要决定因素，因此本文选取石漠化指数代表研究区石漠化状况。随着石漠化地区社会经济快速发展、不合理的生产方式加剧，极易造成不透水面(建成区)和裸地面积增加，从而加剧生态环境的恶化。本研究选取建筑裸土指数代表研究区不透水面(建成区)和裸地状况，植被状况和湿度状况对石漠化地区生态环境极度敏感。良好的植被能减缓石漠化地区土壤侵蚀和水土流失，良好湿度状况可以决定土壤对农作物和植物供水条件，保障正常农业生产。本文选取植被指数和湿度指数分别代表研究区植被和湿度状况。

石漠化指数、建筑裸土指数、湿度指数、植被指数4个指标能充分反映研究区生态环境状况。本文基于上述4个指标构建改进型遥感生态距离指数(MRSEDI)。MRSEDI是一种客观赋权法，使用石漠化指数、建筑裸土指数、湿度指数、植被指数构建四维空间，以石漠化指数和建筑裸土指数的最大值、湿度指数和植被指数的最小值为研究区内最差点，计算研究区内其他点到最差点的距离，即为MRSEDI值。距离越小，代表指数越小，生态环境质量越差，反之越好。MRSEDI计算公式为

MRSEDI=[(RI-RImax)2+(NDSI-NDSImax)2+

(WI-WImin)2+(NDVI-NDVImin)2]1/2。

(1)

式中:RI、NDSI、WI、NDVI分别代表某一像元的石漠化指数、建筑裸土指数、湿度指数和植被指数;下标max和min分别表示相应指标在置信区间的最大值和最小值。

2.3.2 分量指标提取

2.3.2.1 石漠化指数(RI)提取

石漠化指数(Rocky Desertification Index, RI)需要综合考虑遥感技术监测的特点和研究区的实际情况。本研究RI的计算选用吴林霖等[14]通过植被覆盖度 (Fractional Vegetation Cover，VFC)、基岩裸露度(Bare Soil Index, SI)、坡度(Slope)和单位面积土地居住人口数(Population Density, PD)建立的石漠化评价模型，考虑到研究区的面积，使用Landsat系列影像替代MODIS影像作为遥感数据来源。RI越高，代表该像元石漠化程度越高，具体公式[13]

RI=0.55VFC+0.28SI+0.12Slope+0.05PD。(2)

式中：VFC为植被覆盖度；SI为基岩裸露度；Slope为坡度；PD为单位面积土地居住人口数。各个分量指标计算方法如下。

像元二分模型法操作性强，计算简便。本文选用像元二分法反演VFC，公式[15]为

(3)

本文基于图像的噪点状况，置信区间为0.5%～99.5%。

NDVI计算公式为

(4)

式中ρred、ρnir分别表示Landsat5/8影像的红色、近红外波段。

基岩裸露度采用Rikimaru提出的裸土指数估算，其公式[16]为

(5)

式中ρblue、ρswir1表示Landsat5/8影像的蓝色、短波红外1波段。

坡度基于DEM在ArcGIS中提取，单位面积土地居住人口数(PD)直接采用预处理好的中国人口空间分布栅格裁剪后获得。

上述4个分量(RI、NDSI、WI、NDVI)具有不同量纲，除VFC外，在加权之前，需要进行归一化处理，其公式为

(6)

式中:NI为归一化后的数值；I为某一位置像元的大小，Imax、Imin分别为指标的最大值、最小值。

因VFC越高表示植被覆盖情况越好，对石漠化程度起反向影响。因此加权前需要对VFC进行倒转，具体方法为用1减去原始VFC值。

2.3.2.2 建筑裸土指数(NDSI)提取

采用裸土指数(SI)和建筑指数(Index-based Build-up Index, IBI)来合成建筑裸土指数(Normalized Differential Building-Soil Index, NDSI)，裸土指数计算公式同式(5)，建筑指数和建筑裸土指数合成公式[8,17]分别为：

IBI={2ρswir1/(ρswir1+ρnir)-[ρnir/(ρnir+ρred)+

ρgreen/(ρgreen+ρswir1)]}/{2ρswir1/(ρswir1+ρnir)+

[ρnir/(ρnir+ρred)+ρgreen/(ρgreen+ρswir1)]}；

(7)

(8)

式中ρgreen表示Landsat5/8影像的绿波段。

2.3.2.3 湿度指数(WI)提取

采用缨帽变换的湿度分量(WET)来代表湿度指数(Wetness Index, WI)，TM和OLI传感器的计算公式[18-19]分别为：

WITM=0.031 5ρblue+0.202 1ρgreen+0.310 2ρred+

0.159 4ρnir-0.680 6ρswir1-0.610 9ρswir2；

(9)

WIOLI=0.151 1ρblue+0.197 3ρgreen+0.328 3ρred+

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

(10)

式中ρswir2表示Landsat5/8影像的短波红外2波段。

2.3.2.4 植被指数(NDVI)提取

归一化植被指数(NDVI)被广泛应用于监测植被生长状况，其计算公式为

(11)

由于上述4个分量指标量纲不同，计算MRSEDI前需要再次使用式(6)进行归一化处理，后代入式(1)，所得结果按照0.5%～99.5%的置信区间再次使用式(6)进行归一化处理，所求即为改进型遥感生态距离指数(MRSEDI)，MRSEDI越高代表生态环境质量越好，反之越差。

表3 各级改进型遥感生态距离指数面积分年统计Table 3 Areas and proportions of MRSEDI levels in 1990, 2002, and 2016

3 结果和分析

3.1 秀山县生态质量总体评估

如表1所示，MRSEDI与单个分量的相关性平均值均在0.8以上，单指标与MRSEDI的相关性均在0.7以上，MRSEDI与分量指标间相关性较好。这说明MRSEDI指数具有较高的综合代表性，可以使用MRSEDI指数代表秀山县生态环境质量。

表1 MRSEDI与单个分量的相关系数检验Table 1 Result of correlation coefficient between MRSEDI and each variable

如表2所示，1990—2016年间石漠化指数和建筑裸土指数连续下降，分别下降了37.22%和25.81%；湿度指数先微弱下降后上升，总体上升了15.41%；植被指数连续上升，上升了21.23%。从分量指标可以得出16 a间秀山县石漠化程度下降，裸地面积下降。秀山县植被覆盖在本身较好的情况下面积继续扩大，土壤湿度状况在轻微下降后得到恢复并上升，说明秀山县土壤的含水量总体上升，水分保持能力得到提高。16 a间，研究区MRSEDI连续上升，从1990年的0.617上升到2016年的0.748，总体上升了21.23%。结合分量指标，秀山县16 a间生态环境质量持续变好，整体生态环境质量良好。

表2 各指标和改进型遥感生态距离指数分年统计Table 2 Values of indicators and MRSEDI in 1990, 2002 and 2016

3.2 秀山县生态环境质量时空变化分析

为了对秀山县生态环境质量进一步定量化和可视化分析，将三期MRSEDI按0.2为间隔进行分级，从低到高对应等级分别为差、较差、中、良和优，如图1所示，各个等级对应的面积和占比见表3。

图1 各年份改进型遥感生态距离指数分级Fig.1 Ratings of MRSEDI in 1990, 2002, and 2016

由表3可知，研究区优等级区域面积在1990—2002年间几乎不变，2002—2016年间呈剧烈增加趋势，从24.65%增加到52.63%，增加了27.98%，2016年优等级区域面积超过了研究区面积的50%。1990—2016年间，研究区优、良等级区域面积之和持续增加，从1990年的55.94%增加到2016年的82.67%；差、较差等级区域面积之和持续下降，从17.50%下降到7.00%。由表3可以看出秀山县生态环境质量变好，具体表现为生态环境质量差区域面积持续减少，优良区域面积和持续增加。

进一步分析图1可以看出:1990年秀山县生态环境差和较差等级区域主要分布在秀山县的有聚落分布地域周围，相对低海拔区域，优良等级的连续分布区域主要在研究区西南部没有聚落的区域。原因主要是80年代末至90年代初，秀山县生态环境破坏严重，植被覆盖低，石灰岩出露现象严重[20]。此外，秀山县土地利用方式极为不合理，随意开垦，有大量不适宜耕作的坡耕地存在，水土流失极为严重[21-22]。2002年生态环境质量差和较差等级区域仍主要分布在有聚落分布的低海拔地区，但面积有所减少。原因在于秀山县在1990—2002年间积极推进封山育林，恢复植被，且加强基本农田建设，淘汰不宜耕种开垦地，加强向农民普及符合水土保持的农业生产方式[23-24]。因此，分布在聚落周边的生态环境质量差和较差土地得以恢复。但从20世纪90年代后期开始，秀山县开始大力发展锰矿产业，由于生产方式落后，直接排放有害物质，大量的锰矿企业对秀山县生态环境恢复起了一定的阻碍作用[25]。矿山开采首先对土壤环境质量产生影响[26]，这也与1990—2002年间代表土壤质量的土壤湿度(WI)指数下降相符。2016年生态环境质量差和较差等级区域主要大片连续分布在秀山县县城和周边的中和街道、平凯街道、清溪场镇和官庄镇(以下称为中心城区，其余区域称为非中心城区)。秀山县内其他区域生态环境质量均以优良等级为主，少量较差和差等级区域呈点状散乱分布在非中心城区。这是因为自2005年开始，秀山县开始采取强有力的措施整治锰污染，关停排放不达标锰矿企业[27]，并继续推进生态移民等生态环境保护措施[28]，秀山县自2008年开始乡村人口逐年下降。此外，秀山县全域均被纳入了渝东南生态保护发展区，生态环境质量建设被纳入工作重点。1990—2016年间，秀山县生态环境质量优良等级区域在秀山县非中心城区大量扩张，差和较差等级区域由沿聚落周边散乱分布转化为在秀山县中心城区集中分布。

3.3 秀山县生态环境质量时空差异分析

为了反映秀山县生态环境质量在26 a间的时空差异变化特征，在秀山县1990年和2016年MRSEDI分级的基础上进行差值计算，本研究认为极差≥2的区域为剧烈变化区，极差为1的区域为轻度变化区，极差为0的区域为基本不变区，结果如图2所示，各极差的面积和对应的占比如表4所示。

图2 1990—2016年改进型遥感生态距离指数等级 变化空间分布Fig.2 Spatial distribution of the change of MRSEDI from 1990 to 2016

表4 1990—2016年改进型遥感生态距离指数等级变化Table 4 Change of MRSEDI levels from 1990 to 2016

由表4可知，1990—2016年间，研究区生态环境质量变好区域面积为1 329.64 km2，占总面积的54.01%。26 a间，秀山县生态环境质量以变好和基本不变为主，其中基本不变、轻度变好、剧烈变好分别占研究区面积的34.49%、31.13%和22.88%。秀山生态环境质量变差区域面积较小，为283.11 km2，仅占总面积的11.50%。由图2可知，秀山县生态环境质量变好的区域主要分布在非中心城区的聚落周围，基本不变区域主要大片连续分布在秀山县西南侧无聚落分布区域，其余基本不变区域主要散乱分布在其他区域，变差区域主要连续分布在县城中心城区。26 a间，秀山县生态环境质量时空变化主要呈现出非中心城区上升，县城中心城区下降的趋势，这与秀山县26 a间生态环境质量空间分布及变化高度保持一致，中心城区城市建成区扩大是生态环境质量下降的主要原因，而非核心发展区退耕还林，进行生态移民，加强基本农田建设，并对锰矿矿区进行大力整治是26 a间生态环境质量上升的主要原因。

4 结 论

本研究选取能够反映秀山县生态环境质量的石漠化指数、建筑裸土指数、湿度指数和植被指数，构建了改进型遥感生态距离指数(MRSEDI)，对秀山县生态环境质量进行监测和评估，结果发现：

(1)秀山县生态环境质量自1990年开始不断上升，1990年、2002年和2016年MRSEDI均值分别为0.617、0.665和0.748。从空间上来看，秀山县生态环境质量变化主要表现为生态环境优良等级区域面积急剧上升，到2016年秀山县生态环境质量优良等级区域面积达82.67%，主要分布在除县城中心城区外的全境。

(2)从时空差异来看，秀山县1990—2016年间生态环境质量以变好和不变为主，其中变好区域面积占全县的54.01%，不变区域面积占全县的34.49%。变好和不变区域主要分布在除县城中心城区外的全境，其中变好区域主要连续分布在除县城中心城区聚落的周围；变差区域主要分布在县城中心城区。

(3)1990—2016年间，秀山县生态环境质量整体较好且持续上升，主要原因是26 a间秀山县先后退耕还林，封山育林，加强基本农田建设，淘汰不宜耕种开土地，并对锰矿产业进行优化。

5 讨 论

本文对遥感生态距离指数(RSEDI)改进，构建改进型遥感生态距离指数(MRSEDI)，将原本适用于干旱区的生态环境质量评估方法引入到石漠化地区。以方便获取的Landsat系列影像为主要研究数据，MRSEDI可以简便、快速和较为准确地评估和监测秀山县生态环境质量和变化情况。但是，目前同类评估方法在石漠化地区生态环境评估和监测中应用较少，本文选取的石漠化指数、建筑裸土指数、湿度指数和植被指数4个指标能否代表其他石漠化地区的生态环境特点还有待检验，在后续的评估中可以根据不同石漠化地区的状况对评价指标进行增加和改进，使MRSEDI能更好地为石漠化地区生态环境建设、监测和保护提供参考。