基于遥感生态指数的塔里木垦区生态环境质量评价

何亮， 杜清， 崔丽洋， 关力伟， 郭帅， 蒋磊*

(1.中国地质调查局乌鲁木齐自然资源综合调查中心，新疆 乌鲁木齐 830026； 2.新疆维吾尔自治区林业规划设计院，新疆 乌鲁木齐 830049)

改革开放以来，随着我国经济飞速发展，人口数量也在不断增加，导致人口、资源、环境三者之间的矛盾越来越显著，生态环境问题已是各级政府和众多学者们关注的重点。坚持绿水青山就是金山银山理念，构建人与自然和谐共存的生态文明体系已是我国“十四五”期间的发展战略。因此，及时有效地监测生态环境状况，评价各类因子对生态环境质量的影响，对决策者准确把握生态环境现状并采取针对性的治理措施有着重要意义[1]。

遥感技术在获取大区域监测数据方面具有速度快、成本低、效率高的优势，利用遥感技术来监测林地[2]、湿地[3]、草地[4]、耕地[5]及城市[6]等生态系统已得到学术界广泛认可。目前，政府主要以生态环境状况指数[7]来评价某区域的生态环境质量，该方法获得的EI指数介于0～100之间，只能用单一数值来表示区域生态环境状况的好坏，无法表示区内不同生态环境状况的空间分布情况[8]。徐涵秋[8]提出以与人类生存息息相关且最能反映生态质量，同时也方便获取的绿度指标、湿度指标、干度指标和热度指标为基础，可构建新型遥感生态指数(RSEI)，该指数不但与EI具有相同的量化评分，而且能表达区域生态环境质量在时间、空间上的变化情况。自遥感生态指数提出后，诸多研究表明[9-13]，该方法能够快速、有效地评价高植被覆盖区的生态环境质量，但未见该方法运用在低植被覆盖区及干旱区的生态环境质量评价中。

第二师塔里木垦区作为塔里木河下游绿色长廊的保卫者，自流域水利管理体制改革后，塔里木河下游生态输水量得到保障，塔里木垦区生态环境的变化更加受到当地政府和学者们的关注。从塔里木河管理局公布数据发现，塔里木河生态输水量从2010年开始下降，2015年后逐年提高。因此，选择2010年、2015年生态输水改善前，以及2020年生态输水改善后的三期遥感数据，利用RSEI模型评价塔里木垦区近十年生态环境的变化情况，以期为塔里木垦区农业发展和生态格局规划提供参考，同时对遥感生态指数在干旱地区的推广应用提供依据。

1 材料与方法

1.1 研究区概况

塔里木垦区位于塔里木盆地东部，塔克拉玛干沙漠东北部(86°34′—88°00′E,40°30′—41°05′N)，北倚孔雀河，南濒塔里木河，地势平坦，海拔大部分在855 m以下，西高东低，南高北低，主要由河流冲积平原以及大片风蚀地组成，荒漠地带多沙丘和古河道分布。垦区属大陆性荒漠气候，日照丰富，年平均气温10.8 ℃，最高气温7月，最低气温1月，年均降水量34.7 mm，最大降水量为96.8 mm，平均年蒸发量为2 408.6 mm。当地植被生长稀疏，以胡杨、沙枣、梨树、红柳、梭梭、黑枸杞、芦苇、骆驼刺为主。塔里木垦区隶属新疆生产建设兵团第二师管辖，辖区内设立3个团场，总面积2 207.69 km2，区内建有两个水库，恰拉水库位于垦区西北部，大西海水库位于垦区中南部，水源补给为孔雀河和塔里木河。

1.2 数据来源

为构建RESI指数，研究选取三期Landsat遥感数据，其中2010年为Landsat5 TM数据，2015年、2020年为Landsat8 OLI数据。塔里木河生态输水大多发生在每年8月左右，如2010年8月，2015年7月，2020年8月，此月份中塔里木垦区水域面积较大，植被长势最好，生态环境质量达到峰值。三期数据获取时间分别为2010年8月13日、2015年7月26日、2020年8月8日。遥感数据来自美国地质调查局官网(http://earthexplorer.usgs.gov/)以及地理空间数据云(http://www.gscloud.cn/)，大气剖面数据来自NASA官网(https://atmcorr.gsfc.nasa.gov/)。数据预处理方面，采用 ENVI 5.3 软件进行辐射定标、大气校正、镶嵌、裁剪等，得到研究区三期Landsat反射率数据。

1.3 研究方法

徐秋涵[8]提出的RSEI模型包含4个与人类生存环境密切相关的指标，分别为绿度指标、湿度指标、干度指标和热度指标，为方便数据获取和评价，通常用归一化植被指数(NDVI)代表绿度指标，缨帽变换后的湿度分量(WET)[14,15]代表湿度指标，裸土指数(SI)[16]和建筑指数(IBI)[17]共同组成干度指标(NDBSI)，热辐射反演地表温度(LST)代表热度指标，其表达式为：

RSEI=f(NDVI,WET,NDBSI,LST)

(1)

式中：RSEI表示遥感生态指数；NDVI为归一化植被指数；WET为湿度分量；NDBSI为干度指标；LST为地表温度。

1.3.1 绿度指标

归一化植被指数(NDVI)能够较好地反映区域内植物生长状态及分布规律，故采用NDVI来代表绿度指标，其公式为：

NDVI=(ρnir-ρred)/(ρnir+ρred)

(2)

式中：NDVI为归一化植被指数；ρnir为近红外波段；ρred为红光波段。

1.3.2 湿度指标

以Landsat TM和OLI数据为基础，采用Crist[14]和Baig[15]提出的计算方法，通过缨帽变换得到湿度分量，计算公式如下：

WETTM=0.0315ρ1+0.2021ρ2+0.3102ρ3+

0.1594ρ4-0.6806ρ5-0.6109ρ7

(3)

WETOLI=0.1511ρ2+0.1973ρ3+0.3283ρ4+

0.3407ρ5-0.7117ρ6-0.4559ρ7

(4)

式中：ρi(i=1,…,6,7)为TM和OLI数据各波段的反射率。

1.3.3 干度指标

地表干度表现在两方面，一是裸土，二是人工建筑，因此采用裸土指数(SI)和建筑指数(IBI)平均的方法代表干度指标(NDBSI)，计算公式为：

(5)

(6)

NDBSI=(SI+IBI)/2

(7)

式中：ρblue为蓝光波段；ρgreen为绿光波段；ρred为红光波段；ρnir为近红外波段；ρswir1为短波红外波段。

1.3.4 热度指标

热度指标的直观表现是地表温度，本文采用热辐射传导方程来反演地表温度，具体步骤如下：

(1)计算植被覆盖度，公式为：

Fv=(NDVI-NDVIs)/(NDVIv-NDVIs)

(8)

式中：Fv为植被覆盖度；NDVI为归一化植被指数；NDVIs为无植被覆盖的NDVI值；NDVIv为完全植被覆盖的NDVI值。本文根据研究区植被特点，取NDVIs=0.05，NDVIv=0.70。

(2)计算地表比辐射率，水体的比辐射率取值0.995 0[18]，植被和建筑的比辐射率计算公式如下：

εplant=0.9625+0.0614Fv-0.0461Fv2

(9)

εbuilding=0.9589+0.0860Fv-0.0671Fv2

(10)

(3)计算黑体辐射亮度值，公式如下：

B(Ts)=[Lλ-L↑-τ(1-ε)L↓]/τε

(11)

式中：B(Ts)为黑体在Ts温度时的热辐射亮度值；Lλ为热红外波段的辐射亮度值；L↑、L↓分别为大气向上、向下辐射亮度值；τ为大气在热红外波段的透过率，ε为比辐射率。L↑、L↓、τ数值取自大气剖面官网。

(4)根据普朗克公式计算地表温度：

LST=K2/ln(K1/B(Ts)+1)

(12)

式中：LST为地表温度；K1、K2为Landsat卫星定标参数；对于TM：K1=607.76 W/(m2·um·sr)，K2=1 260.56 K；对于OLI：K1=774.89 W/(m2·um·sr)，K2=1 321.08 K。

1.3.5 遥感生态指数构建

对4个指标进行主成分分析，可有效避免主观意识对指标权重的干扰，使结果精确可靠[9]。为避免水库、湖泊等大面积水域对主成分载荷分布的影响，利用归一化水体指数[19]将水域信息从4个指标中去除。由上文公式计算得到的4个指标量纲不同，需将其正规化，公式如下：

(13)

式中：NIi为正规化后的某指标；Ii为指标在像元i的值；Imax为该指标的最大值；Imin为该指标的最小值。

正规化后的4个指标通过ENVI波段融合形成一幅含有4个波段信息的遥感数据，对其进行主成分分析，得到第一主成分(PC1)。当植被覆盖度高、生态质量好的区域PC1为负值时，为使PC1值越高代表生态质量越好，需用1减去PC1得到初始RSEI0，公式如下：

RSEI0=1-PC1[f(NDVI,WET,NDBSI,LST)]

(14)

在自然环境中，水域面积是衡量一个区域生态质量好坏的重要指标。由上式得到RSEI0缺少水域信息，为更完整地评估生态环境质量，将水域的MNDWI进行正规化处理，压缩到0.8～1的区间内，通过ArcGIS中的镶嵌功能填补RSEI0中缺失的水域信息。计算公式如下：

RSEIwater=MNDWI(1-0.8)+0.8

(15)

为了方便不同时期遥感生态指数的量化对比，对RSEI0进行正规化处理：

(16)

2 结果与分析

2.1 各指标结果分析

根据PCA统计，结果如表1。三期生态指标中，PC1的特征贡献率均超过93%，说明PC1包含了4个指标的主体信息，其中NDVI和WET为负值，NDBSI和LST为正值，说明研究区PC1中以干度、热度指标为主，且干度指标对PC1的影响大于热度指标，原因是塔里木垦区超过一半的面积为干旱炎热的荒漠地。绿度、湿度指标与PC1呈负相关，说明绿度指标、湿度指标不是研究区的主体，且绿度指标对PC1的影响大于湿度指标，原因是塔里木垦区植被覆盖度较低，湿地面积小。

表1 不同年份4个生态指标PCA结果Table 1 PCA analysis of four ecological indexes in different years

计算不同年份各指标的均值，结果如表2。绿度和湿度指标的均值逐年增长，2020年达到最高，分别为0.395和0.635，说明塔里木垦区植被覆盖面积和土壤湿度逐年增加。干度指标呈现逐年降低的趋势，这与兵团开荒种田、滴灌技术运用密切相关。热度指标变化幅度不大，保持在0.673左右。从遥感生态指数来看，无水体信息的RSEI指数均值分别为0.287、0.277和0.303，通过ArcGIS镶嵌水体信息后的RSEI指数分别为0.301、0.292和0.315，表明塔里木垦区生态环境质量处于较差等级。RSEI数值呈现先降低后升高、总体升高的趋势，说明塔里木垦区生态环境质量略有改善。对比两种方法，镶嵌水体信息的RSEI均值都高于无水体信息的均值，说明将MNDWI压缩、镶嵌至原始RSEI，该方法对研究区生态环境质量评价具有积极影响。

表2 不同年份各指标归一化均值结果Table 2 Results of normalized mean and standard deviation of each index in different years

2.2 生态环境分区评价

根据徐涵秋[8]提出的等级划分标准，将RSEI分为极差(0～0.2)、较差(0.2～0.4)、一般(0.4～0.6)、良好(0.6～0.8)、优秀(0.8～1)这5个等级，结果如图1。塔里木垦区生态环境质量总体较差，极差和较差的RSEI分布面积广，主要地类为沙漠和荒地。西部生态环境质量明显高于东部，因为西部恰拉水库常年蓄水，人口密集，耕地面积大，农业发展条件优越，且近年来在政府的大力支持下，梨、枣果业发展迅猛，不仅促进了当地经济发展，还提供了防风固沙生态功能，改善了当地生态环境质量。东部34团场由于沙漠占地面积大，风沙侵蚀严重，人口较少，且大西海水库蓄水能力不足，导致该区域植被长势较差，农业发展受限。

图1 塔里木垦区各期RSEI等级分布图Figure 1 Distribution of RSEI grades in different periods in Tarim Reclamation Area

计算RSEI各等级所占面积，结果如表3。2010—2020年，塔里木垦区不同生态环境等级所占面积变化差异明显。极差等级所占面积为50%左右，且呈现逐年增加的趋势，由2010年的48.69%增长到2020年的58.90%，增幅达到20.96%，原因是塔里木垦区位于两大沙漠之间，气候干旱，水源不足，导致该地区土地沙化严重。较差、一般、良好等级占地面积呈减少趋势，其中较差、良好等级占地面积减幅逐渐减小，一般等级占地面积减幅保持稳定。优秀等级占地面积从2010年的5.73%增长到2020年的14.62%，一方面是塔里木河生态输水量增加，从2010年的3.6×108m3增加到2020年的4.6×108m3，垦区水库面积从60.45 km2增加到89.74 km2；另一方面是开荒及荒地复垦增加了耕地面积，耕地面积从415.50 km2增加到439.10 km2。

表3 塔里木垦区不同等级RSEI面积变化表Table 3 Area changeTable of different grade RSEI in Tarim Reclamation Area

2.3 生态环境时空变化分析

将不同时期的RSEI做空间差值，以数值表示生态环境变化情况，将其分为5类：恶化(<-0.6)、变差(-0.6～-0.2)、不变(-0.2～0.2)、改善(0.2～0.6)、优化(>0.6)，结果如图2。2010—2015年间，生态环境改善的区域分布在团场内部农作区，优化的区域集中在大西海水库南侧；生态环境变差和恶化的区域较小，变差的区域呈星点状分布在团场耕作区及恰拉水库一带，恶化的区域集中在大西海水库西侧，环境恶化的原因是2015年塔里木河流量减小，水库蓄水量低。2015—2020年间，生态环境变化剧烈的区域集中在水库周边，恰拉水库大面积生态环境改善，大西海水库北侧生态环境改善明显，而南侧发生大面积恶化，原因是2020年生态输水效用显著，恰拉水库和大西海水库蓄水量增加，由于大西海水库南侧维修加固，使水库干涸。十年间，塔里木垦区生态环境优化的区域集中在大西海水库中部，改善和变差的区域星点状分布在团场农作区，恶化的区域集中在大西海水库西侧。

图2 塔里木垦区2010—2020年RSEI变化监测图Figure 2 Variation of RSEI in Tarim Reclamation Area from 2010—2020

计算各类变化所占面积，结果如表4。2010—2015年间，塔里木垦区生态环境改善和优化的面积分别占到6.57%和0.20%，生态环境变差和恶化的面积达到2.59%和0.09%。2015—2020年，改善和优化的面积分别占到4.01%和0.50%，生态环境变差和恶化的面积达到1.82%和0.15%。十年间，塔里木垦区生态环境改善和优化的面积占比9.10%，变差和恶化的面积为2.32%，说明塔里木垦区生态环境质量有所改善，这与塔里木河生态输水工程密切相关。

表4 塔里木垦区RSEI变化监测表Table 4 Monitoring Table of RSEI change in Tarim Reclamation Area

3 讨论

(1)对塔里木垦区4个指标进行主成分分析，绿度、湿度指标与PC1呈负相关，干度、热度指标与PC1呈正相关，其中干度指标的贡献度最大，其次是热度、绿度、湿度，说明干度指标是影响塔里木垦区生态环境质量的主要因子。主成分分析得到的结果与南方高植被覆盖区的研究结果[9,12-13]相反，原因是塔里木垦区荒漠占地面积大，植被覆盖度较低。

(2)通过查阅相关文献，基于遥感生态指数的评价方法大多运用在高植被覆盖区，在干旱区未见运用。本研究选择典型干旱区运用遥感生态指数模型进行生态环境质量评价，结果显示塔里木垦区生态环境质量总体处于较差等级，RSEI保持在0.3左右，较差和极差区域占比达到72%，生态环境优秀、良好和一般的区域集中在恰拉水库、大西海水库和团场农业区。RSEI呈现先降低后升高的趋势，生态环境改善、优化的面积大于变差、恶化的面积，说明塔里木垦区生态环境质量有所改善。以上评价结果均有数据支撑，说明遥感生态指数模型在干旱区适用。

(3)基于前人研究，RSEI模型在使用中为避免水体对主成分分析的影响，通常删除了水体区域，而水体对生态环境质量的贡献却是不可忽视的。本研究对水域内的MNDWI进行正规划处理，将其压缩到0.8～1区间内，通过ArcGIS镶嵌功能填补RSEI缺失的水域信息。结果表明，镶嵌水域信息的RSEI值高于一般方法得到的结果，且镶嵌后的RSEI在空间分布上完整，便于多期数据空间分析。但是，将正规化后的MNDWI值压缩至0.8～1，区间阈值选择是否合适，有待进一步研究证明。

4 结论

选取2010年、2015年和2020年三期Landsat遥感数据，通过RSEI模型展现塔里木垦区生态环境质量分布及变化情况。结果表明，塔里木垦区生态环境质量总体处于较差等级，较差和极差面积占比达到72%，生态环境质量优秀、良好、一般的区域集中在恰拉水库、大西海水库和团场农业区，周边地区生态环境质量较差。RSEI呈现先降低后升高的趋势，生态环境改善、优化的面积大于变差、恶化的面积，说明塔里木垦区生态环境质量得到改善，近年来环境治理得到一定成效，但不能放松警惕，需积极进行生态环境规划治理，处理好农业发展和生态保护之间的关系。