古浪县生态环境遥感监测与变化分析研究
2021-09-24刘晋阳
张 乔,王 威,刘晋阳
(1.国家林业与草原局调查规划设计院,北京100714;2.河南省地矿局第二地质环境调查院,郑州450053)
随着我国城市化与工业化规模不断扩大,人口、资源与环境之间的矛盾日益突出,党的十八大报告提出,要把生态文明建设放在首要位置,而通过区域环境监测可以判断生态环境质量及其变化趋势,根据监测得出的结果制定对应的环境保护措施,能够更好地实现区域可持续发展。遥感技术具有快速、大范围获取区域环境信息的优点[1],在环境评价中发挥着重要作用,如利用植被指数监测森林生态系统[2]、利用水体指数进行流域水环境特征分析[3]、反演地表温度分析城市热岛效应[4]等,然而单一指标对生态环境监测的研究往往无法完整反映区域生态环境质量的好坏。2006年国家环境保护部颁布了《生态环境状况评价技术规范》,提出了包含生物丰度指数、植被覆盖指数、水网密度指数、土地胁迫指数、污染负荷指数的生态环境评价指数EI,该指数面向区域整体生态环境质量,弥补了单一遥感指标对环境评价的片面性,但存在指标权重及应用范围方面存在争议[5],并且部分评价指标难以获取。针对这种情况,国内学者徐涵秋提出一种基于遥感信息的生态环境评价指数RSEI,该指数通过主成分分析耦合植被、湿度、地表温度和干度判断区域生态环境质量,具有简便易行,并可对评价结果进行可视化、空间分析、建模与预测的优点[6]。自提出后在环境监测领域中得到了广泛应用,如宋慧敏等利用该指数对陕西省渭南市生态环境做出动态监测研究[7],罗春等利用该指数对湖南省常宁市做出生态变化评估[8],张晓东等对宁夏盐池农牧交错地区做出动态监测研究[9],均较好的揭示了研究区内生态环境质量的空间分布与变化特征。
古浪县是河西走廊重要组成部分和中心极核,隶属中国旅游标志之都——马踏飞燕的出土地甘肃省武威市,全县以精细化工、食品和生物医药等特色产业为主体,具有鲜明的地域特色。目前有关古浪县生态环境监测与评价方面的研究已有较多,如杨倩倩等利用PSR 模型对古浪县土地生态安全作出评价研究[10],丁峰等利用CBERS-1 影像数据对古浪县进行荒漠化监测研究[11],但利用遥感生态指数对古浪县采取整体生态监测的研究较少。本文利用遥感生态指数(RSEI)对古浪县2005—2016年的生态环境状况进行评价与变化分析,以期为古浪县城市发展与环境保护提供科学依据。
1 研究地区与研究方法
1.1 研究地区概况
图1 研究地区概况图Fig.1 General map of the research area
古浪县隶属于甘肃省武威市,位于甘肃省中部,河西走廊东端,介于37°09′— 37°54′N,102°38′—103°54′E 之间,东南分别与景泰县和天祝县相连,西北与凉州区接壤,处于青藏高原、蒙新高原、黄土高原三大高原的交汇地带,自然条件差异大。全县人口39.6 万,总面积5 103 km2,气候为温带干旱性大陆气候,地势南高北低,平均海拔2 500 m,南部为中高山地,属于祁连山山脉东段,中部为低山丘陵与平原组成的绿洲区,北部为腾格里沙漠区,县内矿产资源丰富,主要有煤炭、石灰岩、高岭土、铁、铜、铅、锌等。
1.2 数据及数据预处理
图2 古浪县遥感影像(R(5)G(4)B(3)与R(7)G(6)B(4))Fig.2 Remote sensing images of Gulang County(R(5)G(4)B(3)and R(7)G(6)B(4))
两期Landsat 遥感影像来自美国地质勘探局网站,分别为2005年11月Landsat5 TM 影像及2016年11月Landsat8 OLI_TIRS 影像,影像晴空无云,质量完好。利用ENVI5.3.1 软件对遥感影像进行预处理:采用二次多项式与最邻近像元法对影像进行配准,使其均方根误差控制在0.5 个像元以内;进行辐射定标获取表观反射率;对辐射定标后的影像进行大气校正,消除大气及光照对反射率的影响,最终获取地表实际反射率。
1.3 研究方法
本文采用绿度、湿度、热度、干度指数构建遥感生态指数RSEI,绿度反映区域植被覆盖程度,湿度反映土壤、植被含水量,热度反映地表温度,干度反映建筑用地面积及与裸土面积,以上指标均可基于遥感数据获取。
1.3.1 评价指标
(1)绿度指标(NDVI),采用归一化植被指数NDVI来计算。其公式为:
式中:ρnir与ρred为近红外波段与红波段的反射率。
(2)湿度指标(Wet),利用缨帽变换获取的湿度分量,反映土壤、植被湿度状况,缨帽变换是一种特殊的主成分分析[12],通过分析多光谱影像中土壤、植被等在多光谱空间中信息分布规律,然后对多波段影像进行经验性线性正交变换得到各个分量[13],在干旱区,土壤湿度对维护绿洲生态环境平衡及发展具有重要意义[14],对于TM 与OLI数据的提取公式分别为:
式中:ρblue、ρgreen、ρred、ρnir、ρswir1、ρswir2分别代表蓝波段、绿波段、红波段、近红外、短波红外1波段及短波红外2波段的反射率。
(3)热度指标(LST),热度指标由热红外波段反演获取的地表温度表示,卫星接受到的辐射亮度值Lx由三部分组成:大气向上辐射亮度值;地面真实辐射亮度经过大气层之后到达传感器的能量;大气向下辐射到地面后反射的能量。首先要计算黑体在热红外波段的辐射亮度B(TS)。
式中ε 为地表比辐射率,通过NDVI 阈值法获取[15-16]。TS为地表真实温度,Ix↑与Ix↓分别为大气向上辐射亮度和大气向下辐射亮度,τ 为大气在热红外波段的透过率,以上三个参数在NASA(http://atmcorr.gsfc.nasa.gov/)获取。获取黑体辐射亮度后,利用普朗克公式反函数求得地表真实温度LST。
式中K1、K2分别为定标参数,对于TM 数据,K1=607.76 W/(m2· μm·sr),K2=1 260.56 K。对于TIRS Band 10 数据,K1=774.89/(m2·μm·sr),K2=1 321.08 K。需要注意的是Landsat8 影像拥有10、11 两个热红外波段,由于波段11 的辐射定标误差较大,必须选择第10 波段作为地表温度反演波段[16]。
(4)干度指标(NDSI),干度指数由裸土指数(SI)及建筑指数(IBI)组成,该指数对于城市生态分析与干旱区监测有很好的利用价值,计算公式为:
其中ρblue、ρgreen、ρred、ρnir、ρSWIR1分别为蓝波段、绿波段、红波段、近红外波段及短波红外1波段的反射率。
1.3.2 指标正规化处理 进行主成分分析前要对评价指标进行正规化处理,式中Imax与Imin分别为各指标在影像中最大值与最小值,Ix为指标在像元x中的值,NIx为正规化后的值。
指标正规化的目的是为了消除物理量量纲的不同而造成的影响,未正规化的值如果进行主成分分析则会影响指标权重,造成结果偏差。
1.3.3 主成分分析 利用ENVI 对四项指标正规化后的值进行主成分分析(表1),将主要信息集中在第一波段,主成分分析的原理是将数据通过线性变换转换成不相关的变量,生成互不相关的输出波段,使第一变量具有最大的方差,从而达到远离噪声和减少数据集维数的作用,利用主成分分析可以有效避免指因方法不同而造成的结果偏差,从而提高结果的准确性。
表1 指标主成分分析Tab.1 Principal component analysis of four factors
由表1 可知,四项指标两年的PC1 贡献率均大于80%,表明PC1 集中了4 项指标的大部分特征,其中绿度(NDVI)与湿度(Wet)的贡献度为正值,说明对生态环境产生正面影响,干度(NDSI)与地表温度(LST)的贡献度呈负值,说明对生态环境产生负面影响。令RSEI0为初始遥感生态指数:
进一步对RSEI0进行正规化处理,得到RSEI。其中RSEI0max与RSEI0min分别为初始遥感生态指数的最大值与最小值。RSEI0x为RSEI0在像元x中的值。
RSEI 即有四项指标组成的遥感生态指数,其值介于[0,1]之间,RSEI越接近于1,表明生态环境质量越优,反之,生态环境质量越差。
2 结果分析
通过各单项指标的变化判断古浪县生态环境变化,利用RSEI 分级图与生态环境质量变化监测图,判断RSEI的空间分布与转移情况(表2)。
2.1 单指标分析
由表2 可知其中代表绿度的NDVI 值与代表湿度的Wet 值均呈现上升趋势,但同时代表负面影响的热度LST 值与干度的NDSI 值同样呈现上升趋势,单从4 项指标中无法反映研究区整体的生态环境变化,将4 项指标耦合得到RSEI 值,其均值上升4.3%,表明古浪县生态环境质量呈上升趋势。
表2 各年份生态指标与遥感生态指数RSEI的统计值Tab.2 Statistics of four indicators and RSEI
由图3可得出古浪县四项单指标的空间变化格局,并统计出变化较为明显的区域。这些区域分别具有不同特征,如黄羊川镇、西靖乡、横梁乡、古丰乡,农业、工业相对落后,牧业相对发达;裴家营镇、黄花滩乡、直滩乡、新堡乡、十八里堡乡农业相对发达;古浪镇、泗水镇、土门镇、大靖镇、黑松驿镇工业较为发达,这些变化与城镇优势产业的发展有着密切关联。
图3 单指标变化时空分异特征Fig.3 Spatial and temporal characteristics of single index change
2.2 古浪县生态评价与变化分析
为进一步分析古浪县生态环境质量变化情况,将RSEI 划分为[0,0.2),[0.2,0.4),[0.4,0.6),[0.6,0.8)和[0.8,1]五个等级,分别代表差、较差、中、良、优,并分析RSEI 在古浪县的分布格局及变化情况。
表3 2005—2016单项指标变化时空分布Tab.3 The spatial and temporal distribution of 2005—2016 single index changes
由表4可知,其中生态环境质量等级为差的土地面积基本不变,生态环境质量较差的面积较2005年减少了13.7%,生态环境为中等的土地面积减少4%,生态环境为良与优的土地面积分别上升了12.1%与15.9%。根据级差理论,将古浪县生态环境变化情况分为9 个等级,其中0 级为基本不变,3、4 代表明显变好,1、2 代表略微变好,-1、-2 代表略微变差,-3、-4 代表明显变差,统计结果如表5所示。
表4 古浪县各生态等级对应土地面积Tab.4 Area and percentage of each RSEI level in Gulang County
表5 古浪县生态环境面积变化Tab.5 Change of ecological environment area in Gulang County
由表5可知,古浪县生态环境质量变差面积比例为45.02%,所占面积为2 317.38 km2,生态环境变好的土地面积比例为50.18%,面积为2 560.68 km2,生态环境质量基本不变的面积比例为4.80%,面积为244.94 km2,生态环境质量变好的面积较生态环境变差的面积多336.8 km2,且变好的幅度高于变差的幅度。
由图4可知,生态环境质量差的区域主要集中在古浪县北部的腾格里沙漠及古浪县西南部的古丰乡西山堡、十八里堡乡一带。前者是由于沙漠地区生物多样性差,植被覆盖率低,气温高,土壤含水量低。西山堡及十八里堡乡一带富含丰富的矿产资源,矿产资源开采会对区域生态环境造成诸多负面影响,如水土流失、植被减少、地表沉陷、土壤污染等[18]。生态环境为优的区域主要集中在古浪镇、裴家营东部的昌灵山保护区及古浪县南部的祁连山山区一带。主要原因为这些区域人类活动相对较少,工业化程度低、建筑面积较少,多以山区林地、草地、耕地为主。
图4 古浪县不同时期生态质量空间分布图Fig.4 Spatial distribution map of ecological quality at different times in Gulang County
由图5可判断古浪县生态面积转移的空间分布格局,新堡乡生态环境质量大范围上升,泗水镇、土门镇、大靖镇整体下降。变化明显的区域呈深红色与深绿色的“散点”分布,通过分析这些散点的位置可知古浪县生态环境变优的区域分布在北部腾格里沙漠区南部边缘,生态环境明显变差的区域主要在泗水镇、土门镇、大靖镇。通过分析与实际验证,古浪县生态环境变优的原因有:古浪县对环境的保护与建设加强,如三北防护林工程、县内封山、封沙育林工程等,使得古浪县局部地区植被覆盖度不断增加。在腾格里沙漠修建大规模的光伏电站,在节约资源的同时光伏组件起到了阻碍沙丘移动的作用,加以沙漠南部梭梭、红柳等沙生植被的不断增加,实现了经济与生态的双重收益。生态环境质量变差的主要因素是:泗水镇、土门镇地区城镇化与工业化规模不断扩大,建筑用地面积与工业用地面积增加,造成干度指数增加,在大靖镇的深红色“散点”多为新增的建筑物与植被减少的土地。
图5 古浪县生态环境质量变化监测图Fig.5 Monitoring map of ecological environment quality change in Gulang County
3 生态指数建模与预测
为进一步对古浪县生态环境变化趋势进行分析,对研究区进行采样,采用3×3网格贯穿全影像采样法选取样点,以RSEI为因变量,NDVI、Wet、LST、NDSI为自变量,进行逐步回归分析,得出研究区两个年份的回归模型(模型均通过了1%的显著性检验):
2005年:RSEI=0.088NDVI+0.440Wet-0.386LST-0.357NDSI+0.685(R2=0.995)
2016年:RSEI=0.122NDVI+0.425Wet-0.426LST-0.387NDSI+0.714(R2=0.999)
四项指标在回归分析中均没有被剔除,其中NDVI 与Wet 系数均为正值,说明它们对生态环境产生正面影响,LST 与NDSI 的系数为负值,说明它们对生态环境产生负面影响,这与主成分分析PC1 的指标贡献情况基本吻合,NDVI 与Wet 的系数绝对值之和呈现下降趋势,LST 与NDSI 的系数绝对值之和呈现上升趋势,且LST 与NDSI 的系数之和大于NDVI 与Wet 的系数之和,以2016年模型进行预测,预测研究区RSEI 上升0.1 个单位,Wet需提高0.236 个单位或NDSI 下降0.259 个单位,图6 中,NDSI 与LST 的斜度明显大于NDVI 与Wet 的斜度,证实了模型的准确性,在各项指标保持原速率变化的情况下,古浪县整体生态环境质量会出现增速放缓的趋势。
图6 三维散点特征图Fig.6 3D-scatterplots of feature space
针对负面影响因子LST 与NDSI,其中LST 值的高低不仅取决于太阳的热辐射,还与土地利用类型密切相关[19],由单指标分析与实际情况得出,NDVI 与NDSI 一般为此消彼长的关系[20],改善沙漠区环境、提高地表植被覆盖度是提高区域生态环境质量的重要手段,据此建议古浪县在未来的城市发展及环境保护中要注意合理配置土地资源,优化产业布局,确保城市规划区与农田保护区相协调,重视区域基础设施建设水平,重点监测深红色“散点”出现的位置,把可持续发展作为规划与建设的核心。
4 结论
(1)通过分析,2005—2016年间,古浪县RSEI 均值由0.421 上升至0.439,整体上升4.3%,表明古浪县生态环境质量总体呈上升趋势,其中50.18%的地区生态环境质量变好,生态环境质量变差的区域面积占总面积的45.02%,基本不变的土地面积占4.8%。
(2)通过空间格局分析,生态环境质量改善的区域主要集中在古浪县东南部祁连山区及北部腾格里沙漠南部边缘,变好的主要原因为当地造林力度增加,工业技术不断改善。生态环境质量下降的区域主要集中在泗水镇、土门镇、大靖镇等地区,变差的原因一方面是由于区域气候变暖,导致区域地表温度上升,另一方面是由于泗水镇、土门镇定位为工业型城镇,地区近几年大力发展工业及制造业,造成建筑面积不断增加,植被覆盖度减少,大靖镇定位为商贸城镇,城镇化速度加快,人类活动较为频繁。
(3)通过逐步回归分析进行建模与预测,发现负面影响因子的系数之和呈上升趋势且大于正面影响因子系数之和,其中热度因子对RSEI 影响最大,说明热度是影响古浪县生态环境质量的重要因子。提升植被覆盖度,改善沙漠环境是提高生态环境质量的有效手段。
本文利用遥感生态指数对古浪县进行生态监测,较为准确地揭示了古浪县的生态环境变化情况,得出的结论可为古浪县环境保护及城市发展提供理论依据,由于影像数量及分辨率受限,评价结果的精度受到一定影响。文中采用的评价指标以生态环境特征为主,未考虑社会、经济等因素,在未来研究工作中会深入探讨如何将有关因子量化并与遥感生态指标结合进行更加全面的评价与分析。