基于遥感生态指数模型的临沂市环境监测

杜鹏

（山东省国土测绘院，山东 济南 250101）

1 研究背景

随着社会的发展和城市的扩张，人类的生产生活和资源、环境之间的矛盾越来越明显。准确地确定出区域生态环境状况，有利于我们在后续中做出更加精准和适合的决策，有利于缓和人类和环境之间的矛盾，使两者之间的关系更加缓和，更有利于区域的可持续发展。

区域生态环境状况监测的手段多种多样，但是基于监测的实时性、经济性和连续性，遥感技术由于其高时间分辨率、实时性和大尺度等优势，成为评价区域生态环境的有效方法。但是，目前对各类生态系统评价的研究多基于单一的生态环境指标[1]。但是一个区域的环境中包含多种生态因素，单单一种指数的提取并不能准确得反映出该区域的生态环境状况。所以，一种综合多种生态环境影响因子的监测方法是非常重要的。近年提出了来，有学者提出了新型遥感生态指数（remote sensing based ecological index, RSEI），它完全基于遥感信息，集成了反映生态环境最为直观的多重指标[1]，可以实现对目标区域的生态环境的快速评价和长时间序列的监测，还可以根据基于时间序列的变化对未来的变化做出预测和采取相应的措施。

2 研究区域与研究方法

2.1 研究区概况

临沂市位于山东省东南部，面积17191.2 平方公里，人口一千多万，南北8 公里最大跨度22，东西最大跨度161 公里，下辖3 区9 县。临沂整体呈现西北高东南低，山地集中分布在蒙阴、平邑和费县等县区；丘陵主要分布在山区外围，沂南、兰陵、沂水等县均有分布，总体以沭河以东分布最广；平原主要分布在临沂的南部。其境内的沂蒙山脉的龟蒙顶是山东第二高峰，而且境内还有独特的岱崮地貌。

2.2 数据源及其预处理

本文选取两期Landsat 系列卫星影像作为数据源，分别是Landsat-5 TM（2005.05.08） 和Landsat-8 OLI（2015.05.20）。Landsat 是美国NASA 的陆地卫星计划，首颗卫星于1972 年发射，截至目前已经发射到了Landsat-8。该陆地卫星计划的系列卫星为人类观测地球、科学研究和生态环境监测等提供了极其重要的数据来源。

Landsat-5 TM 传感器的波段设置和空间分辨率如表1 所示。

表1 Landsat-5 TM 的波段设置

Landsat-8 OLI 传感器的波段设置和空间分辨率如表2 所示。

表2 Landsat-8 OLI 的波段设置

由于下载的Landsat 数据的级别是1B，已经经过了几何校正，此处无需再进行重复的几何校正。然后利用ENVI 软件的辐射定标模块对四幅影像进行辐射定标，定标后的数据产品选择反射率文件，其中后续中用到的热红外波段数据没法直接用辐射定标模块进行定标，需要自行查询文件中的定标系数通过Bandmath 工具来进行手动定标。

然后再将不同年份的上下两景影像镶嵌成一景，再用研究区的矢量文件进行裁剪，得到研究区的完整影像文件，至此，整个研究的原始数据准备工作完成，然后就是专题信息的获取和研究结果的获取与分析。

2.3 遥感生态指数评价模型

在21 世纪初，基于生态环境状况指数（EI）[2]的环境监测在我国一些省、市得到了一定的应用，但是我国地理环境种类多而且复杂，所以该指数存在一定的局限性。

遥感生态指数（RSEI）是能够综合反映一个区域总体的生态环境状况的新型指数模型。该指数耦合了绿度、湿度、热度和干度4 个人类直观判断生态环境优劣的指标，其中，绿度、湿度、热度和干度分别用植被指数、湿度指数、地表温度和裸土指数代表[1]。该模型完全基于遥感信息技术，降低了在评价过程中的主观性，使得评价结果更加客观与真实，并且评价结果具有良好的可视化效果，在后续的制定相关政策的时候能够根据不同区域的不同特点制定出相应的措施。

遥感生态指数模型中，总共含有四个指标：绿度、湿度、干度和热度。

（1）绿度：通过归一化植被指数（NDVI）来获取。该指标是一个展现了一个区域的植被生长状况、植被覆盖度和叶面积指数等关于植被总体状态的客观指标。通过如下公式来获取绿度指标。

NDVI=(ρNIR+ρRed)/(ρNIR-ρRed)

上式中：ρNIR和ρRED分别代表近红外波段和红波段的反射率。

（2）湿度：缨帽变换又称K-T 变换，即通过对影像的坐标轴的变换而得到目标分量。基于TM和OLI 数据的湿度分量的提取公式分别如下[3]：

Wet2005=0.0315ρBlue+0.2021ρGreen+0.3102ρRed+0.1594ρNIR-0.6806ρSWIR1-0.6109ρSWIR2

Wet2015=0.1511ρBlue+0.1972ρGreen+0.3283ρRed+03407ρNIR-0.7117ρSWIR1-0.4559ρSWIR2

上式中：ρBlue、ρGreen、ρRed、ρNIR、ρSWIR1和ρSWIR2分别是TM和OLI 传感器影像对应的蓝波段、绿波段、红波段、近红外波段、短波红外1 和短波红外2 的反射率。

（3）热度：最直接的指示因子就是温度，所以在本研究中就用两景遥感影像反演得到的温度数据来作为热度指标。基于TM6 的温度反演公式如下[4-6]：

L6=DN*gains+offset

T6=K2/ln(K1/(L6+1))

TS={a(1-C-D)+[(b-1)(1-C+D)+1]*T6-D*Tα}/C

a=-67.355351

b=0.458606

C=ε6*τ

D=(1-τ)[1+(1-ε6)*τ]

Tα=19.2704+0.92621*T0

上式中：τ 为透射率,T0为地表附近温度，ε6是地表比辐射率通过植被覆盖度计算。

Landsat8 数据利用波段10 进行地表温度的反演，公式如下：

L10=DN*gains+offset

L10=τ10[ε10B10(Ts)+(1-ε10)I10↓]+I10↑

上式中：L10是第10 波段的辐射亮度值；τ10是透射率；I10↑和I10↓分别是大气向上和向下辐射亮度。

B10(Ts)是与Ts相同的黑体的温度，由普朗克定律获取；地表真实温度Ts可通过普朗克定律反函数求得[1]。

上述公式里的一些参数可以通过NASA 网站根据遥感影像的经纬度和获取时间来查询。

（4）干度：城市地表里的硬化地表和裸土地是影响干度的重要指标。因此本文选用建筑指数（IBI）和裸土指数（SI）合成干度指标，记为裸土指数（NDSI），计算公式如下[7]：

NDSI=(SI+IBI)/2

SI=[(ρSWIR1+ρRed)-(ρBlue+ρNIR)]/[(ρSWIR1+ρRed)+(ρBlue-ρNIR)]

IBI= {2ρSWIR1/ (ρSWIR1+ρNIR)- [ρNIR/ (ρNIR+ρRed)+ρGreen/(ρGreen+ρSWIR1)]}/{2ρSWIR1/(ρSWIR1+ρNIR)+ [ρNIR/(ρNIR+ρRed)+ρGreen/(ρGreen+ρSWIR1)]}

上述的四个指标就是遥感生态指数模型中需要的参数，但是这几个参数的数值大小和单位等相差很大，所以在先将这四个指标进行归一化处理。RSEI 以主成分变换来集成以上4 个指标，并根据各个指标对第一主成分（PC1）的贡献度来确定其权重[8]。利用ENVI 软件的主成分分析模块，将四个指标数据导入，然后再计算每一年数据的PC1，并获得初始遥感生态指数（RSEI0）。

为了便于后续的分析和区域等级划分，也将遥感生态指数进行归一化处理，公式如下：

RSEI=(RSEI0-RSEImin)/(RSEImax-RSEImin)

至此，遥感生态指数获取完成，经过归一化后其大小在0～1之间，数值大的地区表示生态状况好、反之，数值小的地区的生态状况较为一般。

3 结果分析与展望

2005 年临沂市的RSEI 数据的均值为0.513，2015 年的数据均值则为0.580，总体来说临沂市的生态环境质量在2005 年至2015 年间是呈良性变化的。为了便于进行分析，将RSEI 的值分为4 个等级，分别为较差、中等、良和优，其对应的RSEI 值的区间分别是0～0.4、0.4～0.6、0.6～0.8 和0.8～1[9]。

不同生态等级的占比如表3 所示。

表3 临沂市生态等级比例

通过分析和查看结果专题图和真彩色影像发现，位于临沂市西北方向的沂蒙山区的RSEI 指数是呈增长的，也就是说沂蒙山区的生态状况的在2005 年至2015 年期间是良性变化的，局部变化如图1-2，其中绿色越深表示生态状况越好，这种变化的趋势与当地的政策和环境保护行为是密不可分的。在临沂市区的周边分析发现，周边许多地块的RSEI 指数是降低的，通过两幅真彩色的影像的分析发现，RSEI 指数降低的地区多是有增加的建筑，这与实际情况也是相符的，建筑物的热度和干度相比植被来说数值是比较大的，也是使RSEI 指数降低的主要因子。

图1 临沂市沂蒙山区RSEI 的局部变化分析

通过2005 年和2015 年的遥感生态指数结果图对比和变化分析发现，遥感生态指数模型通过糅合多种因素能够很好的展示出目标区域的生态环境状况，并且拥有遥感技术的大面积观测、时间分辨率高等特点，通过对相关区域的长时间序列的监测可以动态地掌握区域整体的生态环境变化趋势，同时也能够为有关部门的相关决策提供相应的数据支持，并根据现势情况来做出相应规划。

图2 临沂市地区RSEI 监测结果