基于生态遥感指数的拉林公路生态变化

杨 莹，许 刚，陈兴梅，吴世红，连 懿

（1.交通运输部天津水运工程科学研究所 水路交通环境保护技术交通行业重点实验室，天津 300456；2.天津师范大学地理与环境科学学院，天津 300387）

近年来，随着我国经济的飞速发展，公路建设进展迅猛[1].但在公路蓬勃发展之时，公路的施工和运营会对公路所在区域的生态环境造成一定的破坏[2]，特别是西藏等生态承载力较差的地区表现得尤为明显.截至2018年底，西藏公路通车总里程突破9×104km[3].西藏公路的建设势必对生态环境产生一定影响，而生态环境是水资源、土地资源、生物资源以及气候资源数量和质量的总称，是人类社会开展政治、经济和文化等所有活动的根本，影响着人类的生存和发展[4].因此协调交通建设与生态环境之间的关系是我国公路建设中需要解决的问题，而客观地分析公路建设对生态系统的影响具有十分重要的意义.

公路分布多呈线性且面积广阔，通过传统的调查方式，如实地调查等，不仅费时、费力，而且难以做到定位定量，信息不够全面[5].RS（remote sensing）和GIS（geographic information system）具有信息量大、观测范围广、精度高和速度快等优势，已逐渐应用于生态环境分析的研究领域[6].研究人员基于MODIS和LANDSAT ETM等遥感数据，以生态环境的可持续利用和改善保护为主线，对西部开发和长江中上游的治理展开了相应研究[7-8].随着原环境保护部颁发《生态环境状况评价技术规范》（以下简称《规范》），基于遥感的生态环境状况指数（ecological index，EI）在生态评价领域中得到广泛应用[9-10].但获取EI指标中的污染负荷指数受到地域尺度和时间的限制，不适合范围较大的研究区，尤其是西部地区省份的统计数据更加缺乏，难以获得完整的数据，因此EI不适宜西藏等范围较大地区的生态状况研究.吴宜进等[11]从数据缺失的角度提出了基于主成分分析法的西藏植被生态环境质量评价方法，此方法可以弥补EI的不足，更准确地反映数据完整性低的西藏地区的生态状况.徐涵秋[12]对遥感生态环境状况指数进行了改进.

本研究以拉林高等级公路为例，引入西藏植被生态环境质量评价方法，选取MODIS数据集，利用Google earth engine（GEE）平台提取陆地表面温度（land surface temperature，LST）、总初级生产力（gross primary productivity，GPP）、叶面积指数（leaf area index，LAI）、植被覆盖度（fractional vegetation cover，FVC）和地面湿度（wet）5项指标，并基于主成分分析法构建遥感生态指数P，对拉林高等级公路研究区生态系统结构的时空变化特征进行遥感定量分析，为公路环境保护提供技术支持.

1 研究区域与数据

1.1 研究区概况

拉林高等级公路（简称拉林公路）位于中国西藏自治区东南部（29°N~30°N、91°E~95°E），平行于国道G318拉林段，连接省会拉萨和地级市林芝，是中国西藏自治区境内的一条城际一级公路，路线全长413.6 km[13].拉林公路的建成共分为2期工程，第1期工程从拉林公路的两端林芝和拉萨市起始，终点为工布江达和墨竹工卡县，于2013年5月下旬开工，2015年9月建成通车.第2期工程为工布江达至墨竹工卡段，建设时间为2015年9月—2019年4月.拉林公路所在区域平均海拔高于3 000 m，为高原温带半干旱季风气候，当地植被主要为草地和灌木林等.研究区范围为公路中心沿线两侧10 km以内的区域，如图1所示.

1.2 数据来源

影像选自MODIS（中分辨率成像光谱moderateresolution imaging spectroradiometer）数据集.MODIS数据集覆盖范围广，扫描宽度达2 330 km，时间分辨率较高，可用于全球范围研究的陆地、海洋和大气等领域的标准数据产品较多.数据筛选及处理工作均在GEE平台完成，GEE是一个集科学分析和地理信息数据可视化于一体的综合性平台，存储了大量免费的遥感影像数据集.本研究采用WGS84坐标系统，筛选云量少、质量高的数据，时间范围为2012年、2014年和2019年的7—9月，利用均值法对各指标7—9月数据进行合成，最后结果作为后续主成分分析的数据基础.7—9月拉林公路所在区域的植被生长旺盛，能够为生态环境变化分析提供较好的基础.为避免各个指标像元不统一，不同波段的数据产品需要进行重采样，统一分辨率为250 m，为后续主成分分析提供数据支持.

拉林公路地区DEM（digital elevation model）数据选自全球的SRTM V3产品（SRTM Plus），由NASA JPL提供，其分辨率为1角秒（约30 m），用于反演拉林公路地区的海拔情况.

2 遥感生态指数模型的构建

2.1 遥感生态指数模型构建的过程

《规范》中的生态环境状况指数（EI）共包括生物丰度、植被覆盖、水网密度、土地退化和环境质量5个评价指数，其中部分评价指数的使用需要通过年度统计和地面监测数据获取，这使得指数应用场景的局限性较强.而西藏地区的人口密度相对较低，获取数据的难度也较平原地区高，因此要用标准的EI指数实现宏观的生态状况分析难度较大.基于文献[12]中的生态遥感指数，研究选用与自然生态环境相关的绿度、湿度和热度3个重要指标作为拟建遥感生态的评价指标，其中植被覆盖度（FVC）、叶面积指数（LAI）和总初级生产力（GPP）表征沿路的植被质量特征、植被生长状况和覆盖度等，是直接反映研究区绿度的重要指标；陆地表面温度（LST）和地面湿度（wet）表征研究区的热度和湿度，是与植被生长关系紧密的2个重要生态因子.各指标所用数据源如表1所示.

表1 各研究指标及其数据产品Tab.1 Various research indicators and their data products

遥感生态指数模型的构建需要将单一的指标指数进行耦合，常规的耦合方式是指数加权方式.该方法中指标的权重主要由人为标定，受地域影响明显，同时需要采集大量的实验数据作支撑，不适合大尺度和数据缺失的区域.主成分分析方法是一种将多变量通过正交线性变换进行筛选的多维数据压缩技术[14]，可以获取各个指标的权重值，进而减少人为确定权重造成的指标集成差异的干扰，对数据集能够做出客观分析.因此，本研究基于以上5种指标，采用主成分分析方法建立遥感生态指数模型，遥感生态指数

该模型利用主成分变换集成以上5个指标，并根据各指标对主成分的贡献度，对其进行加权求和来确定权重，实现以单一变量耦合多个指标的目的，有效避免了因主观因素引起的权重不均.最终的分析结果及动态变化可直观展示，同时有效弥补了EI的不足，更有利于对沿路生态环境的变化进行定量、客观地分析.加权求和的公式为

式（2）中：ci（i=1，2，…，m）为某一主成分的方差贡献率；m为选择的主成分个数；pci为对应的第i个主成分.在做主成分变换前，由于各指标量纲不统一，对指标进行标准化，将其数值映射到[0，1]区间.指标标准化处理公式为

式（3）中：Xi为标准化后的像元值；xi、xmin和xmax分别为像元i的原始值、最小值和最大值.

2.2 相关参数的反演

2.2.1 植被覆盖度（FVC）

植被在生态系统中占有重要地位，是生态系统存在的基础，它在陆地表面的能量交换、生物地球化学循环和水文循环过程中扮演着重要的生态角色.植被覆盖度（FVC）是植物群落覆盖地表状况的一个综合量化指标，是重要的生态气候参数[15].归一化植被指数（NDVI）与植被覆盖度之间的线性关系[16]为

式（5）中：NDVImax为归一化植被指数的最大值，NDVImin为归一化植被指数最小值.由于拉林公路地区沿路环境的特殊性，获得实测数据比较困难.因此，本研究采用95%置信区间方法提取归一化植被指数的最大值和最小值，得到的NDVImax和NDVImin代入式（5）得到FVC的分布状况.

2.2.2 叶面积指数（LAI）和总初级生产力（GPP）

叶面积指数用于进一步反映沿路生态环境的植被质量，总初级生产力是表征植物光合作用的指标，常用于量化植被生长质量.利用MODIS产品反演得到叶面积指数已经有了大量的验证[18-19]，LAI表达式为

式（6）中：DNA为叶面积指数影像的灰度值，不包括裸地、冰川和水域等特殊土地类型的DN值.

同样基于MOD17A2H产品获取GPP的分布，其表达式为

式（7）中：DNs为总初级生产力指数影像的灰度值，不包括裸地、冰川和水域等特殊土地类型的DN值.

2.2.3 陆地表面温度（LST）

陆地表面温度为经比辐射率校正的地表温度，用于反映公路沿线区域的热环境问题.将陆地表面温度转换为常用的摄氏度，其公式为：

式（8）中：DN为陆地表面温度影像的灰度值.

2.2.4 湿度（wet）

湿度是影响植被生长的重要因子，也是驱动生态环境变化的重要因素[20].有学者发现TVDI等湿度或干度指标对反演西部区域的土壤和植被的湿度不太适宜，并对比发现MODIS缨帽变换后的湿度分量可以较好地反映拉林公路所在地区的植被和土壤的综合湿度[11].缨帽变换又称坎斯-托马斯（Kauth-Thomas transformation，K-T）变换，是根据土壤和植被等多维光谱空间中信息分布规律，通过经验性线性变换得到的正交分量[21].利用MOD09A1地表反射率产品，在改进的MODIS缨帽变换的基础上计算拉林公路所在地区的湿度指标[22]，其提取公式为

式（9）中：ρRed、ρGreen、ρBlue、ρNIR1、ρNIR2、ρSWIR1和ρSWIR2分别为红、绿、蓝、近红外1、近红外2、短波红外1和短波红外2波段的反射率.

3 结果与讨论

3.1 遥感生态指数分布

通过MODIS数据产品可以实现单一指标的构建，在此基础上本研究采用主成分分析原理实现5个指标信息的耦合并构建遥感生态指数P，进而综合分析拉林公路东西段研究区（第1期工程修建路段）和中段研究区（第2期工程修建路段）在施工和治理过程中的生态状况变化.为避免人为因素引起的计算偏差，使模型更加客观，以方差贡献率作为生态指数模型的权重参考标准，基于式（2）建立不同年份的生态指数模型.最终将不同年份的主成分因子（PC1、PC2、PC3）带入对应的生态指数模型中，得到拉林公路区域遥感生态指数的分布情况.

从不同年份指标的一致性角度考虑，利用式（3）对计算所得初始遥感生态指数P进行标准化处理，得到拉林公路所在区域2012年、2014年和2019年遥感生态指数的分布状况，P介于[0，1]之间，P值越大表示生态环境质量越高，生态环境越好；反之表示生态环境越差.表2为各主成分特征值及贡献率.

表2 各主成分特征值及贡献率Tab.2 Characteristic values and contribution rates of principal components

由表2可知：①不同年份PC1、PC2和PC3的累计贡献率均大于80%，表明这3个成分信息集中了5个指标的大部分特征；②不同指标成分区间的对应关系相对稳定，第1主成分（PC1）中GPP、FVC和LAI较大，3期均达到0.8以上，因此该主成分能够较好地表征植被的分布特征；第2主成分（PC2）中LST较大，3期均在0.9以上，能够较好地表征热度因子；wet在第3主成分（PC3）中较大，3期达到0.95以上，在一定程度上表征了湿度的分布特征.

3.2 沿路生态环境的时空变化分析

遥感变化检测分析是对比不同年份生态状况时空变化的有效手段，图2为2012年、2014年和2019年遥感生态指数P的分布情况.

图2 2012年、2014年和2019年遥感生态指数P的分布Fig.2 Distribution of comprehensive ecological indexes in 2012，2014，and 2019

由图2可以看出，拉林公路施工前后的生态状况普遍呈现“东西段较好，中段较差”的空间格局.生态状况较好的地区主要集中在公路东西两段研究区，包括拉萨、墨竹工卡、工布江达和林芝等地；公路中段墨竹工卡至工布江达地区的遥感指数显示其生态指数等级为中等偏差.该遥感生态状况的时空分布特征表明，无论是施工前还是施工后，生态指数P具有相似的变化趋势，因此自然条件是该分布特征的主要原因.从拉萨至墨竹工卡和林芝至工布江达两段海拔普遍较低，水热条件优越，植被种类多且生态状况相对较好；中段地区海拔相对较高，气候干燥寒冷，空气相对稀薄，植被生态状况较脆弱，从遥感指数上体现的生态状况相对较差.为了综合定量分析遥感生态指数分布特征，对图2进行量化统计.以0.2为间隔对P进行了等级划分，共分为差、较差、中等、良好和优5个等级，并对像元进行统计分析，结果如表3所示.

由表3可以看出，2012年和2019年遥感生态指数为中等及以上地区的面积占总面积的64.02%和77.86%，分布范围较广.同年遥感生态指数评价等级为较差和差地区的面积占总面积的35.52%和22.16%，分布范围较小，这表明研究区的生态环境状况相对较好.而2014年遥感生态指数等级与之相反，遥感生态综合指数为中等及以上地区的面积占总体面积的49.87%，而较差和差的区域地区占总面积的50.13%，生态环境状况较差.统计数据显示，2012—2019年，拉林公路的遥感生态指数呈“V”字型变化趋势，在一定程度上反映出其生态状况呈现由好变坏又变好的过程.

表3 2012—2019年各级生态指数的面积变化Tab.3 Area change of each ecological index between 2012—2019

为了更直观地监测拉林公路建设前后公路沿线区域的生态质量变化，对同一地区不同年份的P进行栅格差值运算，取值范围为[-1，1].在此基础上，将生态状况变化的结果密度分割为明显变好（0.5，1]、变好（0.1，0.5]、不变[-0.1，0.1]、变差[-0.5，-0.1）和明显变差[-1，-0.5）共5个等级，以不同颜色进行表示，得到生态指数的动态变化分布情况，结果如图3所示，对应的像元统计如表4所示.

表4 生态变化动态统计Tab.4 Dynamic statistios of ecological change

图3 生态指数变化情况Fig.3 Change detection of ecological indexes

由图3（a）可以看出，2012—2014年生态质量变坏较为明显的区域主要集中在东西两段.根据拉林公共路生态质量的统表（表4）可知，2012—2014年研究区生态状况改善的面积为1 532 km2，占总面积的17.20%；生态环境状况退化的区域面积为4 573 km2，占总面积的51.33%；生态质量总体呈现退化趋势，其中退化区域的面积明显高于改善区域的面积.2012—2014年为施工集中期，施工过程中部分原生植被剥离，同时废弃渣土也有堆积现象，这些都对公路沿线生态环境造成一定破坏，生态系统结构退化相对明显且迅速.2014年研究区生态环境质量最差，其中较差和差的区域占研究区总面积的50.13%，研究区生态综合指数最低.2014—2019年研究区的生态环境质量有所改善，研究区域生态改善地区面积为5 776 km2，退化地区面积为958 km2，分别占总面积的64.84%和10.76%，总体生态质量呈现明显变好的趋势.结合图3（b）可知，变好的区域主要集中在沿路附近，公路中段研究区生态质量变好区域的面积相对东西两段略微增多，说明拉林公路生态修复工程起到明显效果.施工的同时，沿路临建恢复、施工便道恢复、取料场和弃土场恢复以及绿色环保等措施也对沿路生态区域起到复原作用，使其与原生态面貌保持一致[23].由图3可知，2012年和2019年拉林公路所在区域的生态质量大致相同，甚至部分区域有变好趋势；此外，由表4可知，2012—2019年不变区域的面积占总面积的37.26%，改善区域的面积为3 994 km2，变差区域的面积为1 594 km2，分别占总面积的比例为44.84%和17.89%.由此可见2019年生态质量相比2012年略有改善，生态修复初见成效.

3.3 影响因子分析

为了更好地分析影响生态环境的因素，本研究将重点研究区域集中于公路东西两段，结合DEM数据和归一化植被指数NDVI分析自然环境对生态环境产生的影响.图4为研究区DEM数据和2014年NDVI数据，表5和表6为拉林公路东西两段的生态等级变化.

图4拉林公路所在区域DEM和NDVI分布图Fig.4 DEMand NEVI map of Lalin Highway

表5 2012—2014年不同海拔下的生态等级变化（西段）Tab.5 Changes in ecological levels at different altitudesfrom 2012 to 2014（west section）

表6 2014—2019年不同海拔下的生态等级变化（东段）Tab.6 Changes in ecological levels at different altitudes from 2014 to 2019（east section）

由表5和表6可以看出，拉林公路所在区域地形越低生态变化越剧烈，且地形低的地区生态质量恢复速度较快；反之生态质量恢复较慢.其中：

（1）由表5可知，在公路东西两段研究区建设期间（2012—2014年），生态状况处于变差及以下级别的区域主要集中在4 500 m以下，累计面积占比达到40.61%.而海拔4 500 m以上地区生态环境质量变坏及以下的累计面积占比为15.88%.由此可知，海拔相对较低的地区生态质量变差的较多.结合研究区地形分布情况（图4）可知，研究区东西两段海拔较低，且东段的海拔低于西段，最低海拔为3 145 m.造成低海拔地区生态环境质量变差的原因与植被的分布具有直接关系.研究区NDVI与海拔的关系如图5所示.由图5可知，海拔4 500 m以下地区的归一化植被指数大部分在0.6以上，说明该地区植被较多，面积占比为51.54%.因此拉林公路建设施工期间对植被的破坏直接影响了当地的生态质量，且该地区处于高寒区，破坏的植被难以在短时间内恢复原状，因此施工期间当地的生态质量退化较为明显.

图5 不同海拔下的NDVI等级分布Fig.5 NDVI level distribution at different altitudes

（2）在公路东西两段区域生态环境恢复期间（2014—2019年），生态环境质量变好及以上的区域同样集中在4 500 m以下的低海拔地区，其累计面积占比为47.66%；海拔在4 500 m以上区域生态环境质量变好及以上的累计面积占比为17.22%；其中海拔在4 000 m以下的区域面积约占总面积的29.15%，改善的区域主要集中在海拔相对较低的地区，且沿路附近区域的生态质量改善尤为明显，可见生态恢复措施的实施使当地生态环境进一步提升.但结合图4发现，部分边缘地区的生态质量恢复并不明显.根据DEM数据和NDVI的分布可以看出，研究区边缘海拔相对较高，最高可达5 751 m.海拔高的地区气温低，昼夜温差大且辐射强等特殊的自然条件对植被恢复的要求较高，且在这些区域中部分地区的植被覆盖较多，NDVI值达到0.6以上.但由于自身承载力低和自然条件的特殊性，海拔较高且植被较多的地区生态恢复较困难，因此该区域内生态修复工程的效果不明显.

4 结论

本研究基于遥感技术手段得到拉林公路研究区生态系统的植被覆盖度、叶面积指数、总初级生产力、陆地表面温度和湿度共5项指标，使用主成分分析方法构建遥感生态指数P模型，对近8年（2012—2019年）拉林公路所在研究区域的生态环境质量进行分析，并根据拉林公路的施工阶段，定量分析了生态破坏期和生态恢复期影响生态环境变化的相关影响因子，结果表明：

（1）拉林公路所在研究区域生态环境质量整体较脆弱，呈现东西段优中段差的分布格局.2012—2019年研究区内遥感生态指数总体呈现“V”字型变化趋势，改善区域和退化区域的面积分别占总面积的44.84%和17.89%.其中，2012—2014年研究区域生态状况退化较明显，2014—2019年拉林公路所在研究区生态状况逐渐改善.

（2）施工的行为方式对生态环境修复快慢产生重要影响.建设期间东西段研究区的集中施工加速了当地生态环境的退化，而在生态状况改善区域集中的沿路垂直分布地带和中段，施工期间注重生态恢复，利用原有植被和草皮表土回填的方法，使得中段地区生态环境得到明显改善.

（3）生态环境的影响因子分析表明，地形对生态环境质量变化也有显著影响.地形越低的地区植被覆盖度越高，生态变化越剧烈，且地形低的地区生态环境相对较好，因此生态恢复较快，反之生态环境变化不明显，且恢复较慢.