乡镇遥感生态指数时空变化及影响因子研究——以天津市蓟州区为例

李 妍,张国钦,吝 涛,叶 红,刘玉琴,陈天翼,刘文惠

1 中国科学院城市环境研究所,中国科学院城市环境与健康重点实验室, 厦门 361021 2 中国科学院大学, 北京 101408

党的十九大提出实施乡村振兴战略,推出了《乡村振兴战略规划(2018—2022年)》,提出“建设生态宜居乡村,推进绿色发展”,构建人与自然和谐共生的乡村发展新格局,是未来绿色生态农村建设的重中之重[1]。乡镇由于其自身的演变和人为的干扰,必然会表现出生态环境与社会发展的不协调性[2]。乡镇尺度的生态环境评价作为我国农村生态文明建设的一项基础工作,是我国可持续发展战略实施和绿色生态农村建设的重要组成部分。长期以来,我国的研究热点是城市尺度的生态环境评价,对小尺度的乡镇环境质量的变化趋势和影响因子关注甚少[3]。目前我国乡镇生态环境评价的指标模型繁多,包括《生态环境状况评价技术规范(HJ192—2015)》中的生态指数[4]、环境监测数据实地采集与分析[5]、居民环境满意度调查[6]等方法。然而,大部分乡镇尺度的生态环境评价方法都有着指标较为繁琐[7]、指标获取较难[8]、数据要求高[9]、数据质量难以得到保证[10]等缺点,缺乏一种简单便捷、效率高、能够推广使用的评价方法。因此,以乡镇为评价单元,进行生态环境质量评价并探讨其影响机制[11],有针对性地进行政策调整,对实现我国乡镇经济与生态环境协调发展,推动乡村生态文明建设,实现乡村振兴有重要意义[12]。

为了提高生态环境质量评价工作的效率与质量,一些研究开始将信息共享系统[13]、地理信息系统[14]、遥感技术[15]等方法与传统的生态环境评价手段相结合[16],以缩短乡镇生态环境质量评价的工作周期,便于快捷、准确地进行乡镇不同时期生态环境质量的评价和演变分析。本研究采用遥感生态指数[17]进行研究区生态环境质量评价,并采用遥感数据、统计数据和社会调查数据相结合的方法[18]进行研究区生态环境质量空间分异性的影响因子分析。从遥感影像中提取干度、湿度、绿度、热度四个可以涵盖大部分生态环境信息的分指标,进行乡镇生态环境质量评价[19]和时空演变分析[20]。采用主成分分析法进行分指标到综合指标的集成,避免了人为主观因素对指标权重的影响,可以客观地反映研究区的生态环境状况[21]。同时,以遥感生态指数为因变量,选取社会、经济、地形、模型四大类型九个因子作为自变量,使用地理探测器方法进行影响力探测分析,探究蓟州区乡镇生态环境质量空间分异性的影响因子[22],为蓟州区乡镇生态环境维持与保护方面的政策和乡村生态规划、优化蓟州区乡镇生态格局提供建议和科学依据[23],同时也为其他类似乡镇尺度的生态环境质量评价与影响因子分析提供参考[24]。

1 研究区概况与数据获取

1.1 研究区概况

蓟州区,原为天津市蓟县,2016年12月撤县设区。如图1所示,蓟州区下辖26个乡镇、949个行政村,全区总面积1590 km2,位于天津市最北部,北纬39°45′—40°15′,东经117°05′—117°47′,属暖温带半湿润大陆性季风气候。四季分明,阳光充足,热量丰富,昼夜温差大,季风气候鲜明,风向季节更替明显。2019年11月14日,蓟州区被生态环境部评为第三批“绿水青山就是金山银山”实践创新基地；2020年10月9日,被生态环境部授予第四批国家生态文明建设示范市县称号。截至2018年末2019年初,蓟州区有户籍人口87.21万人,常住人口90.19万人,其中城镇人口26.34万人,乡村人口60.87万人。

图1 蓟州区区位和行政区划Fig.1 Location and administrative division of Jizhou District

1.2 数据获取与预处理

本文以从美国地质勘探局官网(https://earthexplorer.usgs.gov/)上获取的研究区2000年、2005年、2010年、2015年、2020年的Landsat系列遥感影像为源数据。为保证数据质量和结果准确性,所选影像均为夏季影像,月份差距在两个月内,且云量均在10%以下。为了减少不同时相影像在光照和大气等方面的差异,对这5期遥感影像进行预处理,通过辐射定标将像元灰度值转换为辐射亮度值,再利用FLAASH大气校正法进行大气校正。预处理结束后计算遥感生态指数,以乡镇为基本单元进行空间可视化分析和时空演变及影响因子分析。蓟州区社会经济数据来自蓟州区乡镇基本信息调查问卷结果,蓟州区30m高程数据来自中国科学院计算机网络信息中心地理空间数据云平台(http://www.gscloud.cn)。通过ArcGIS将遥感生态指数、社会经济数据和DEM数据格网化并分级赋值,进行地理探测器分析。

2 研究方法

2.1 遥感生态指数

遥感生态指数(Remote Sensing Ecological Index, RSEI)是一个可以快速进行生态环境质量监测与评价的指标[25],包括4个重要的生态环境指标,绿度、热度、干度、湿度。通过遥感影像反演得到上述四个指标,再通过主成分分析得到遥感生态指数。由于所选的指标完全基于遥感影像即可获得,且计算过程没有人为干预,结果客观可靠[26],因此可以客观反映研究区生态环境的整体状况。其中：①绿度指标由广泛应用的归一化植被指数(Normalized Differential Vegetation Index, NDVI)表示,可以反映植物生长状态以及植被分布密度,在一定程度上体现出地表空间变化规律。②热度指标由地表温度(Land Surface Temperature, LST)表示,与研究区的绿化覆盖、建成区面积和人口密度等有关[27]。③干度指标(Normalized Differential Soil Index, NDSI)由裸土指数(Soil Index,SI)和建筑指数(Index-based Built-up Index, IBI)的均值表示。在乡镇生态环境中,由生态用地转化为建筑用地也会造成地表“干化”,因此最终干度指数代表地表的“干化”程度,包括从生态用地向建筑用地和裸地的转变。干度指数越高,地表越裸露,土地退化越严重。④湿度指标,由湿度分量(Wet)表示,是经过缨帽变换的湿度分量,代表开放水体和研究区土壤和植被的湿度,根据传感器的不同,缨帽变换的系数也不同,不同传感器的缨帽变换系数可以在Index DataBase网站(https://www.indexdatabase.de/db/i-single.php?id=93)查找。本研究使用Landsat 7 ETM遥感影像(2000年—2015年)和Landsat 8 OLI遥感影像(2020年)进行遥感生态指数计算,绿度、热度、干度、湿度四个指标的计算公式及说明如表1所示[25]。

耦合上述四个指标的信息并可以作为独立的生态指标进行环境评价,形成综合遥感生态指数。为了消除不同指标之间量纲的影响,对所有指标进行标准化处理,将原始指标值的范围统一到[0,1]并无量纲化[28]。标准化公式如下：

(1)

式中,NX为某一指标标准化后的值,X为该指标的像元平均值,Xmax为该指标的最大值,Xmin为该指标的最小值。

经过标准化后的四个指标就可以集成得到遥感生态指数。对于各指标在综合指标中所占的权重,为了最大程度上消除人为主观因素的影响,采用主成分分析法进行指标集成。如果存在某一主成分,正向指标主成分均为正值且负向指标主成分均为负值,且该主成分特征贡献率最高,则认为该主成分最大限度上集中了各项指标的特征,即第一主成分PC1。PC1即为初始的遥感生态指数RSEI0。为了方便进行对比再次进行标准化,得到最终构建的遥感生态指数RSEI,计算公式如下：

RSEI0=PC1[f(NDVI,Wet,LST,NDSI)]

(2)

(3)

式中,RSEI0为未经归一化的初始遥感生态指数,RSEI0_max为RSEI0的最大值,RSEI0_min为RSEI0的最小值。RSEI为最终构建的遥感生态指数,其值介于[0,1]之间,越接近1,表示生态环境质量越好。

2.2 地理探测器

地理探测器由中国科学院地理科学与资源研究所王劲峰提出[22],是探测变量空间分异性及其背后驱动因子的一种统计学方法,与传统的统计方法相比,地理探测器可以分析影响因素的解释能力和多个影响因素之间的交互作用[29],越来越多的被应用到基于遥感的生态环境评价中[30]。地理探测器共有四个探测器,其基本原理如表2所示。

以通过统计数据和社会调查数据可直接或间接获取的数据[31]为基础,考虑指标的定量性、实效性和可信性[32],选取2020年社会因子、经济因子、地形因子、模型因子四个类型[33]共9个变量作为自变量(见表3)；综合考虑研究区面积和空间特征等因素,将蓟州区按1 km×1 km划分为共计1597个网格[34],利用ArcGIS的空间分析和统计工具,将上述自变量数据转化成格网数据并分级赋值,以2020年遥感生态指数为因变量,运用地理探测器模型得到各指标对生态环境质量的影响力水平和交互作用[35]。

表1 Landsat遥感生态指数计算公式

表2 地理探测器基本原理

表3 地理探测器自变量选择

3 结果与分析

3.1 蓟州区生态环境质量的时空变化

根据遥感生态指数的四个分指标主成分分析结果(表4),第一主成分PC1的特征值贡献率均为最高,即第一主成分最大限度上集中了四个分指标的特征信息；且在每个年份主成分分析结果的PC1中,Wet和NDVI均为正值,NDSI和LST均为负值,符合对四个指标与生态环境质量反馈关系的普遍认知,即湿度和植被覆盖对生态环境质量有正面影响,地表裸露程度、人为建筑面积和地表温度对生态环境质量有负面影响[17]。因此,以第一主成分PC1构建遥感生态指数RSEI。

表4 遥感生态指数各指标主成分分析结果

将得到的蓟州区五个年份的遥感生态指数划分为五个等级：0—0.2为极差,0.2—0.4为差,0.4—0.6为中等,0.6—0.8为好,0.8—1为极好。分级后各研究年份的遥感生态指数空间分布如图2所示。从生态等级分布变化来看,蓟州区2000年到2020年生态环境质量整体提升,生态环境质量等级为差和极差的区域明显减少,生态质量等级为好的区域面积增加,生态环境质量好的区域集中在蓟州区的北部山区、南部农业用地和水库、泄洪区等水域区域；中部和水库周边的人口密集区域,尤其是人口最多且人口分布较为集中的渔阳镇附近生态环境质量相对较差。

图2 蓟州区2000—2020年生态环境质量等级分布图Fig.2 The distribution map of eco-environmental quality in Jizhou District from 2000 to 2020

表5总结了2000—2020年蓟州区生态环境质量各等级面积和比重的变化。其中,生态环境质量等级为差和极差的区域面积减少了10.73%；生态环境质量等级为好和极好的区域面积增加了20.23%,达到蓟州区总面积的77.8%。由图3可看出,生态环境质量明显提升的区域(图3中绿色区域)包括白涧镇西北部、许家台镇东南部、官庄镇西南部、青甸洼泄洪区和别山镇、东赵各庄镇及其周边地区等,相对聚集且区域面积较大；生态环境质量明显降低的区域(图3中橘色和红色区域)主要有于桥水库大部分、渔阳镇西南部、洇溜镇、邦均镇、礼明庄镇、上仓镇等,区域较小且较为分散。

表5 蓟州区2000—2020年生态环境质量各等级面积和比例

图3 蓟州区2000—2020年生态环境质量变化Fig.3 Changes of eco-environmental quality in Jizhou District from 2000 to 2020

3.2 蓟州区乡镇生态环境质量演变趋势分类

以蓟州区行政乡镇边界对蓟州区2000—2020年的生态环境质量做分区统计,根据各乡镇生态环境质量随时间变化的规律,可以将蓟州区28个乡镇和水库、水洼20年来的生态质量变化趋势大致划分为三类：第一类,生态环境质量大趋势上持续上升,称为持续上升型；第二类,生态环境质量没有稳定的升降规律,在多个研究年份内生态环境质量下降,但最终生态质量是上升的,称为波动上升型,大部分乡镇都属于此类型；第三类,生态环境质量没有稳定的升降规律,最终生态环境质量下降,称为波动下降型,该类型只有礼明庄镇和于桥水库。具体分类见表6。

表6 蓟州区2000—2020年生态环境质量变化分类

图4 蓟州区评估单元2000—2020年生态环境质量变化分类Fig.4 Classification of eco-environmental quality changes of assessment units in Jizhou District from 2000 to 2020

三种类型的乡镇空间分布如图4。由图可知,大部分上升型乡镇集中在蓟州区北部和西北部山林地区,均为遥感影像中植被覆盖较为茂盛的区域；波动上升型乡镇集中在蓟州区南部农业聚集地,这些区域包含了蓟州区大部分的农业用地；生态环境质量属于波动下降型的礼明庄镇位于其他类型乡镇包围之中,且由遥感影像中可见人为建筑用地较多且较密集。其中值得关注的是于桥水库的生态环境质量逐年下降,表示当地有关部门对水库的保养和维护不到位,需要加大对于桥水库的保护力度,严格落实水源地保护措施,恢复水库生态系统,确保天津城市供水安全和水源地生态安全。

3.3 蓟州区乡镇生态环境质量影响因子探测分析

图5 地理探测器影响因子空间分布图Fig.5 Spatial distribution of impact factors of Geodetector

地理探测器各因子空间分布如图5所示。其中,人口密度、人均收入、人均农业产值和用电密度的空间分布情况大体一致,均呈现为中心乡镇和水库、水洼边缘数值较高、北部山林地区数值较低；海拔表现为由北部山林地区到南部耕地逐渐放缓的空间形态；干度指数与绿度指数空间分布相似,呈现为中心城镇聚集区较高、山林地区和耕地较低的分布形态；湿度指数在南部耕地和水库周边数值较高；绿度指数在北部山林地区和南部耕地较高,中心城镇地区较低,整体各因子分布与实际情况相符。

3.3.1主导因子探测分析

根据地理探测器模型的因子探测结果(表7),所有影响因子的P值均<0.001,表明所选因子均对蓟州区乡镇生态环境质量的空间分布有显著影响[36]。由于在地理探测器中需要同时纳入模型因子后才能得到高度显著的结果,从而全面反映自然地理因子和社会经济因子的影响,但模型因子本身就与遥感生态指数有较大的关联性,故在进行结果分析时,重点分析模型因子以外的其他因子的影响力(图6)。从影响因子类型来看,地形因子的影响力>社会因子>经济因子。在经济因子中,用电密度的解释力大于人均农业产值；在社会因子中,人均收入的解释力大于人口密度,但以上四个因子的q统计值均小于0.1,因此经济因子和社会因子中的四个影响因子对蓟州区乡镇的生态环境质量空间分异性影响力较小,人均收入的影响力略大于人口密度和用电密度,人均农业产值的影响力最小。地形因子海拔的q统计值为0.1720,影响力仅次于4个模型因子,但远不如模型因子的影响力大。故在除模型因子外的其他三类因子中,地形因子中的海拔对蓟州区生态环境质量的空间分异性影响最大,社会因子和经济因子的影响力相对较小。说明蓟州区乡镇生态环境质量的空间分布受海拔影响要大于受其他社会经济因素的影响。

表7 因子探测结果

图6 地形因子、社会因子和经济因子q统计值Fig.6 q-statistic results of terrain factors、social factors and economic factors

3.3.2交互作用分析

影响因子的交互作用分析结果见表8。对九个影响因子的交互探测结果表明,任意两个影响因子交互的作用强度都要大于单一影响因子。其中人均收入与干度指数、人均收入与热度指数、人口密度与海拔、人口密度与用电密度、人口密度与干度指数、人口密度与热度指数、海拔与绿度指数、海拔与干度指数、海拔与热度指数、人均农业产值与干度指数、用电密度与干度指数、用电密度与热度指数以及四个模型因子两两交互呈现为双因子增强交互作用,其余均呈现非线性增强交互作用。交互作用力最大的是干度指数与绿度指数的交互作用,q值为0.8115,即对蓟州区乡镇生态环境质量空间分布的解释水平为81.15%,在所有因子中对蓟州区乡镇生态环境质量的空间分异性有最强的解释力。人均收入和人口密度、人均农业产值和人均收入、人均农业产值和人口密度、用电密度和人均收入、用电密度和人口密度、用电密度和人均农业产值为N,说明这些因子的组合对蓟州区乡镇生态环境质量的空间分异性的影响不具有显著性的差异。总体看来,地表裸露程度和建筑面积对生态环境质量的影响最大[37],即人类活动导致的地表覆盖变化可能是蓟州区乡镇生态环境质量分布的主要影响因素。

表8 影响因子交互探测结果

综合地理探测器的分析结果,蓟州区乡镇的生态环境质量空间分异性不仅是单一影响因子直接、独立作用的结果,而是社会因子、经济因子、地形因子和模型因子等影响因素交互后互相增强的综合作用导致的[38]。单因子探测和交互探测结果的差异反映出,对于蓟州区乡镇生态环境质量的空间分异性的影响力,大部分影响因子通过与其他因子的协同作用可以比单独作用更好地体现出来[39]。

4 结论与讨论

本文采用遥感、统计和社会调查相结合的方法进行研究区生态环境质量时空分异性及其影响因子探测分析。其中影响因子选取人口、社会经济、地形地貌、遥感生态模型四大类型,人口密度、人均收入、人均农业产值、用电密度、海拔和遥感生态指数的四个分指数共九个因子,通过地理探测器分别得到单因子探测的q统计值和交互因子探测的q统计值。研究表明2000年—2020年蓟州区乡镇生态环境质量整体呈上升趋势,各个乡镇生态环境质量变化趋势可分持续上升型、波动上升型、波动下降型三种类型；地理探测器结果表示,在主导因子探测方面,蓟州区乡镇生态环境质量的空间分布受海拔影响要大于受其他社会经济因素的影响；在因子交互作用探测方面,蓟州区乡镇生态环境质量的空间分异性受多个影响因子共同作用,每两个因子之间相互作用的影响力都大于单一因子的影响力,其中干度指数与绿度指数的交互作用最为显著。整体生态环境质量上升,说明蓟州区各乡镇在生态环境维持与治理方面政策的大方向是有效的,绝大部分区域生态环境质量都在提升,少部分地区略有降低,应有针对性地进行政策调整,改善生态环境质量；根据地理探测器分析结果,地表干度情况、热度情况和绿度情况对蓟州区乡镇生态环境质量的影响最大,说明土地利用变化和城市建设是乡镇生态环境质量的主要影响因素和关键影响因子。因此,蓟州区各乡镇在未来的生态环境保护与规划中应更注意城镇化过程中农业及其他生态用地与建设用地的平衡,科学地进行乡镇发展格局规划,在不破坏生态环境的前提下,实现乡镇生产与生态协同发展。

在整个研究过程中,由于遥感卫星重访周期限制,在进行研究区乡镇生态环境评价时,所选影像的日期难以统一,对评价结果的可比性可能造成一定的影响。此外,在地理探测器结果分析中,q值最大的是干度指数与绿度指数的交互作用(q=0.8115),其余的q统计值大部分集中在0.4—0.8左右；社会因子和经济因子交互作用的q统计值在0.1—0.3之间,可能由于社会经济因子主要反映了人类活动的强度,更多与污染排放具有较强的相关性,导致对于侧重生态环境总体状况评价的遥感生态指数解释力较弱。

本研究也可为其他地区和尺度的分析提供借鉴,未来相关研究可以进一步纳入对乡镇自然资源占用、生态环境污染等方面的评价,并开展相关因素对乡镇生态环境影响机制机理的实证调查与研究,为乡村生态文明建设和乡村振兴提供支撑。