基于卫星遥感技术的绿色发展指标——以中国西部地区为例

李志忠,孙萍萍*,陈霄燕,王建华,刘 拓,贾 俊

(1. 中国地质调查局西安地质调查中心,陕西 西安 710054; 2. 中国地质调查局西部绿色发展研究院,陕西 西安 710054; 3. 中国科学院空天信息创新研究院,北京 100094)

0 引 言

《地球生命力报告》显示：人类活动正在不断地给地球施加压力，资源、能源供给日趋紧张，生态环境恶化，全球性环境问题频发。这些问题促使人类开始反思传统发展观的弊端，绿色发展逐渐成为各国解决资源环境多重挑战、应对气候变化和金融危机的共同方案。2019年12月，欧盟委员会公布了应对气候变化、推动可持续发展的“欧洲绿色协议”，希望能够在2050年前实现欧洲地区的“碳中和”；美国通过加大新能源领域的投入、出台相关法案，带动绿色发展；日本政府发布了“绿色增长战略”；韩国提出“绿色增长经济振兴战略”；印度尼西亚、南非等发展中国家也纷纷制定了绿色经济战略计划。在中国，党的十八届五中全会明确提出“创新、协调、绿色、开放、共享”五大发展理念；十九届五中全会进一步强调要推动绿色发展，促进人与自然和谐共生，促进经济社会全面绿色转型；2021年政府工作报告提到“扎实做好碳达峰、碳中和各项工作”。因此，走绿色发展之路，推动经济社会领域实现全面绿色转型已成为全社会的共识。

实时掌握资源环境、社会经济等指标，开展定量动态变化趋势分析，明确区域绿色发展水平与进程，作出科学应对，是改善生态环境、实现生态文明建设的有效途径。2016年，国家发展和改革委员会制定并发布了《绿色发展指标体系》，相关专家学者从资源利用、经济增长、生态保护等多个方面选取绿色发展指标，构建绿色发展评价体系，开展了基于省、市、县的评价工作。但是，绿色发展涵盖的内容丰富，影响因素众多，快速、准确、动态地获取各项指标成为评价中的重点和难点。在绿色发展评价中，传统的数据来源主要依靠各类调查与统计分析数据，这些数据往往来源各异、尺度不同，客观性与时效性受限于数据可获取的难易程度，从而在一定程度上影响了评价的内容与精度。卫星遥感技术因具有瞬时成像、远程传输、信息综合、动态更新、受地面条件限制少等优点，可以实现大范围快速成像覆盖，已在地质、气象、海洋、环境、减灾等众多领域得到广泛应用。近年来，基于卫星遥感技术的人居环境质量定性和定量化研究逐渐丰富，评价体系也不断更新与完善，主要集中于利用遥感生态指数的生态环境遥感监测及评价。遥感数据具有的综合性、动态性和客观性，使其有望成为快速动态评价区域绿色发展的有效手段，但目前国内外将其应用于绿色发展相关方面的研究仍较少。

中国西部地处“一带一路”倡议建设的核心带、黄土高原和青藏高原的生态屏障区、秦岭生态环境保护的主战场和美丽中国“中脊带”的关键区段，是实现经济社会全面绿色转型的重要区域。本文立足建设美丽中国、推进绿色发展的大背景，在系统梳理和总结国内外绿色发展指标获取、评价方法和评价体系构建等的基础上，提出应用卫星遥感技术构建绿色发展指标的流程、方法和关键技术，将其应用于西部地区两个典型城市(榆林和延安)，深入探讨了卫星遥感技术在中国西部绿色高质量发展评估应用中的效果，并在此基础上进一步分析了基于卫星遥感技术开展绿色发展程度评价的目标、方向和展望。

1 绿色发展的科学内涵与评价指标

1.1 科学内涵

2002年，联合国开发计划署发表《中国人类发展报告2002：绿色发展，必选之路》，首次提出绿色发展是中国的必由之路，是可持续发展理念与战略的实现方式。

绿色发展理念的内涵在实践中不断丰富和深化，已不再是生态和经济系统两者之间的协调关系与共同发展，而是拓展至经济、生态、社会、生活、政治等多个方面，强调多系统之间的共同可持续发展。关于绿色发展内涵的界定，国外学者主要聚集于“绿色经济”(Green Economy)、“绿色增长”(Green Growth)等概念，以应对气候变化和资源环境保护、促进经济增长并兼顾社会进步，国内学者则主要立足于经济、社会、生态、可持续发展等多个不同视角，本质都是追求资源、环境、经济、社会之间的协调发展，在经济增长的同时减少对资源环境的影响。

1.2 评价指标

绿色发展涉及经济、社会、环境等多个要素，各要素之间相互影响、相互制约。科学选择绿色发展指标，是定量反映区域绿色发展进程和水平的重要环节。国内学者对此进行了大量研究，根据不同研究区的资源、环境、经济情况，针对性地开展了指标筛选。在全国范围内，北京师范大学、西南财经大学与国家统计局联合构建了中国绿色发展指数，其涵盖经济增长绿化度、资源环境承载潜力和政府政策支持度3个方面的55个指标，对全国30个省(自治区、直辖市)的绿色发展水平进行了评价。通过对国家发展和改革委员会《绿色发展指标体系》进行调整，郝淑双等选取44个指标对全国30个省(自治区、直辖市)进行了绿色发展综合评价。向书坚等基于绿色生产指数、绿色消费指数和绿色健康指数3个维度，筛选77个指标构建中国绿色经济发展指数评价指标体系。在区域尺度上，吴传清等基于资源利用、环境治理、增长质量和绿色生活4个维度，选取28个指标构建长江中游城市群绿色发展指标评价体系；任嘉敏等以东北老工业基地11个城市为研究对象，从资源利用、产业绿色化、经济发展质量、环境保护、绿色人居5方面构建指标体系,分析东北老工业基地绿色发展水平时空演变特征。在省域尺度上，于成学等基于资源环境、自然资源、环境政策与投资3个维度，选取49个指标构建辽宁省绿色发展水平评价指标体系；张欢等基于绿色美丽家园、绿色生产消费、绿色高端发展3个维度，选取24个指标构建湖北省地级及以上城市、自治州绿色发展评价指标体系。

本研究对国内外代表性的绿色发展评价指标体系进行了汇总(表1)。从表1可以看出，虽然这些指标均具有较强的权威性和代表性，但种类繁多且影响程度不一。将这些影响因素全部列入进行实证评价分析的操作难度较大，难以很好地反映评价对象的绿色发展水平，有必要结合区域实际选取可量化、易操作的指标进行评价。

表1 绿色发展指标评价体系汇总Table 1 Summary of Index Evaluation System of Authoritative Green Development

2 基于卫星遥感技术的绿色发展评价

卫星遥感技术已在地表覆被信息提取、生态环境监测等方面得到较多应用。通过卫星遥感技术，一方面可以获取长时间序列的动态数据，实现对区域绿色发展的综合动态分析；另一方面可以通过多时相遥感影像变化检测或分类比较，实现对小尺度特定指标的监测与变化分析。

2.1 评价流程

基于卫星遥感技术的绿色发展评价流程包括指标筛选、指标体系确立、指标数据获取、绿色发展水平评价与分级、综合分析等(图1)。

图1 基于卫星遥感技术的绿色发展指标评价流程图Fig.1 Flow Chart of Green Development Index Evaluation Based on Satellite Remote Sensing Technology

(1)指标筛选。其主要有两种方式：一种是基于经验的主观筛选；另一种是定量的客观筛选。两者相比，前者过多依赖先有经验，主观性较强，缺乏数理支撑；后者依据数学方法进行指标筛选，易忽略指标本身的现实意义。在考虑指标现实意义的基础上又保持指标筛选的客观性，推荐采用定量与定性相结合的方式筛选指标。

(2)指标体系确立。筛选指标后，确立由不同层级指标构成的绿色发展评价指标体系，并对各指标权重进行赋值。现有的指标权重赋值方法主要为主观赋值法和客观赋值法。主观赋值法主要基于专家的主观判断和经验，常见的有层次分析法、模糊综合评价法、专家评判法等；客观赋值法是基于数学的定量数据分析方法，如主成分分析法、因子分析法、熵权法等。

(3)指标数据获取。遥感监测数据来源多以中高空间分辨率的光学卫星数据为主，如国外的Landsat、SPOT、QuickBird、IKONOS、MODIS、HY-PERION、DMSP/OLS、NPP-VIIRS卫星等，以及国内的环境(HJ)、资源(ZY)、高分(GF)系列卫星等，特别是高分五号、六号卫星的高光谱、多光谱数据等在生态资源监测中将会发挥重要作用。

(4)绿色发展水平评价与分级。在指标标准化处理和权重计算的基础上，测算各层级评价值和综合评价值，通常采用指标加权求和计算。其计算公式为

(1)

式中：为绿色发展指数；为第个指标的个体指数；为指标个数，=1,2,…,55；为指标的权数。

(5)综合分析。结合研究区特点，对区域绿色发展水平进行综合分析与评价。

2.2 指标体系构建

光学传感器在高空记录地表反射的光谱信息，这些信息受地物种类、特征、环境的影响呈现出明显差异，可以较好地反映区域绿色发展的指标变化。

本文综合已有的绿色发展指标研究成果(表1)，以代表性强、易于遥感提取为条件，从生态环境保护与人文经济两方面筛选出12项绿色发展指标及其对应的遥感参数(表2)。指标选取的原则为：①综合性原则，尽可能考虑多方面因素进行整体分析和评价的指标；②目标性原则，指标既能客观反映评价对象，各指标间又相互独立；③定量与定性相结合；④可操作性原则，即指标有准确的数据来源。

表2 基于卫星遥感技术的绿色发展指标Table 2 Green Development Index Based on Satellite Remote Sensing Technology

3 应用实例

本文选择位于中国西部陕北黄土高原的两个典型城市(延安和榆林)为研究对象。其北部的黄土高原和毛乌素沙漠交界多为侵蚀沙丘和丘间草地，南部为黄土高原丘陵沟壑区，是中国水土流失最为严重的区域(图2)。

图2 陕北地区位置及数字高程模型Fig.2 Location and DEM of the Northern Shaanxi

3.1 区域绿色发展指标体系构建

针对延安—榆林地区地理环境特征及主要环境地质问题，基于前述评价指标的选取原则，综合考虑植被、气候、环境质量、土地利用程度、经济发展等要素，构建了该地区区域绿色发展指标评价体系(表3)。

表3 延安—榆林地区多源遥感数据的区域绿色发展指标体系Table 3 Index System of Green Development Based on Multi-source Remote Sensing Data in Yan’an-Yulin Area

3.2 数据处理

(1)人均林地面积、土地利用程度两个指标由中国土地利用/土地覆被遥感监测数据库(CNLUCC)获得，本文选取2018年数据进行信息提取及分析。该数据以美国陆地卫星Landsat遥感影像作为主要信息源。按照土地利用类型(LUCC)对生态环境影响的大小，依次对植被、耕地、水域、建设用地、未利用地进行土地利用程度分级标准化赋值(表4、图3)。人均林地面积指标提取基于土地利用类型数据，结合2018年延安及榆林地区年鉴人口统计计算生成(图4)。

图3 2018年延安—榆林地区土地利用类型和土地利用程度分布Fig.3 Land Use Type and Degree of Yan’an-Yulin Area in 2018

图4 2018年延安—榆林地区人均林地面积分布Fig.4 Distribution of Per Capita Forest Land Area of Yan’an-Yulin Area in 2018

表4 土地利用类型分级标准化取值Table 4 Standardized Values of Land Use Type Classification

(2)植被覆盖度数据来源于MOD13A1 MODIS植被指数产品，采用最大合成法合成2018年延安—榆林地区归一化植被指数(NDVI)；净初级生产力数据为MOD17A3H MODIS净初级生产力产品，年度净初级生产力(NPP)来自给定年份的所有8 d净光合作用(PSN)产品(MOD17A2H)的总和；蒸散量(ET)为2018年MOD16-ET MODIS地表蒸散量数据，数据空间分辨率均为500 m。借助于美国航空航天局(NASA)提供的MRT投影转换工具，得到2018年研究区归一化植被指数、蒸散量及净初级生产力(图5、6)。

图5 2018年延安—榆林地区年均PM2.5和蒸散量分布Fig.5 Distributions of Average PM2.5 and ET of Yan’an-Yulin Area in 2018

图6 2018年延安—榆林地区植被覆盖度和净初级生产力分布Fig.6 Distributions of Vegetation Coverage and NPP of Yan’an-Yulin Area in 2018

(3)PM数据来源于加拿大Dalhousie大学大气成分分析组织(Atmospheric Composition Analysis Group)利用美国航空航天局提供的MODIS等卫星遥感数据反演得出的栅格数据集(https:∥sites.wustl.edu/acag/datasets/surface-pm2-5/)，空间分辨率为0.01°×0.01°，本文选取2018年数据进行分析。

(4)年均降水量和年均气温数据来源于中国地面气候资料年值数据集。本文选取2018年延安—榆林地区各气象站点每日降水和气温数据，基于ArcGIS软件经反距离权重插值法，生成500 m分辨率栅格降水量和气温的年均值数据(图7)。

图7 2018年延安—榆林地区年均降水量和年均气温分布Fig.7 Distributions of Average Annual Precipitation and Temperature of Yan’an-Yulin Area in 2018

(5)土地沙化程度数据由2018年延安—榆林地区7月和8月Landsat-8 遥感影像预处理、拼接、裁剪后，利用曾永年等提出的基于Albedo-NDVI特征空间的沙漠化遥感监测差值指数模型(Difference Index of Desertification)计算生成(图8)。

图8 2018年延安—榆林地区土地沙化程度分布Fig.8 Distribution of Land Desertification Degree of Yan’an-Yulin Area in 2018

(6)夜间灯光指数数据由2018年NPP-VIIRS夜间灯光数据处理获得(图9)，来源于2000～2018年全球500 m分辨率的“类NPP-VIIRS”夜间灯光数据集(https:∥doi.org/10.7910/DVN/YGIV-CD)。已有研究表明，夜间灯光数据与区域经济发展存在相关关系。

图9 2018年延安—榆林地区夜间灯光指数分布Fig.9 Distribution of Night Lighting Index of Yan’an-Yulin Area in 2018

3.3 计算指标权重

在上述指标构建的基础上，对表3中目标层A下各层之间的因素两两比较，得出重要性赋值，构造判断矩阵(表5)。根据判断矩阵计算各因素权重，并进行归一化处理和一致性检验，最终得到各指标的综合权重(表6)。

表5 判断矩阵基本形式Table 5 Basic Form of Judgment Matrix

表6 绿色发展指标综合权重Table 6 Comprehensive Weight of Green Development Index

3.4 综合评价

以500 m栅格为评价单元，计算各评价指标后，以栅格运算的方式结合各评价指标属性，对其加权求和得到2018年延安—榆林地区绿色发展指标综合评价指数，并对其分级显示(图10)。由图10可以看出，延安—榆林地区绿色发展程度由南向西北逐渐降低，延安地区整体高于榆林地区。绿色发展最高等级区域主要分布于延安南部，黄龙县绿色发展程度为总体最高，富县、宜川县、黄陵县次之，该地区植被覆盖度较高，且人均林地面积较大；中部的宝塔区为延安中心城区所在地，土地利用类型主要为建设用地，虽然反映其经济发展的夜间灯光指数显著高于其他区域，但因其绿色植被与气候环境、土地利用程度均较低，所以绿色发展水平总体较低。绿色发展3级、4级区域主要分布于延安北部以及榆林东部。榆林西北部为毛乌素沙漠南缘风沙草滩区，生态环境脆弱，绿色发展程度等级最低；东南部是黄土高原腹地，峁梁纵横交错，沟谷深切，是中国水土流失的主要分布区，绿色发展等级处于整个研究区中下级。

图10 2018年延安—榆林地区绿色发展指标综合评价及分级评价Fig.10 Comprehensive and Grading Evaluations of Green Development Index of Yan’an-Yulin Area in 2018

本文主要采用卫星遥感数据和产品进行绿色发展评价，结合研究区城市发展现状和地貌、地质条件等实际进行对比，表明了评价结果的有效性和优越性。在绿色发展指标体系设计方面，本次研究在借鉴已有成果的基础上结合遥感数据的特点进行了完善，应用该方法可对多期次遥感数据进行对比分析，评价区域绿色发展变化，同时在应用中可进一步结合研究区域尺度和范围的不同，对指标体系进行适当调整。

4 基于卫星遥感技术的绿色发展评价展望

4.1 基于卫星遥感技术的绿色发展指标监测网络建设

通过搭建绿色发展指标监测网络，进一步拓展数据源。基于卫星遥感技术的绿色发展指标一方面要充分运用高分辨率光学影像、航空影像、卫星InSAR、高光谱影像、激光雷达(Lidar)等对地观测手段，另一方面要和地球物理探测、地面常规探测和观测手段有机结合，在西部地区典型的黄河流域、秦岭山区等建设“空-天-地”多源立体监测网络。结合已建设的农/牧/林/草业科技站网、国家或行业野外监测站网、水文等，共同构建绿色发展指标监测网络，搭建物联网平台，采用北斗、移动通讯、ZigBee无线组网技术进行通讯和数据传输，形成协同观测、技术交流、资料交换、数据共享、设施联网、开发利用等合作机制，将各类观测数据进行无缝衔接和有机融合，实现绿色发展指标的综合实时监测。

4.2 绿色发展分析与评价大数据平台建设

大规模环境评估数据的高效利用将在促进环境保护决策方面发挥巨大的潜力。传统的处理技术缺少大数据量、实时、多样和全量数据的供给及完善的处理能力，大数据分析与遥感监测数据的结合则使得大规模、高精度的绿色发展评价成为可能。在“空-天-地”一体化多源绿色发展指标监测数据的基础上，针对初始数据开展提取、归类，充分发挥现有数据最大价值，不断补充新数据，完善数据库信息，并得出基于完整数据证据链的结论。从复杂的数据集中创建数据分析模型，并通过使用算法、建模、查找相关性(如化学污染和航空照片中的位置、遥感的表现形式等)得出可信的结论，并获得支撑决策的有用信息，这将为大范围快速开展绿色发展程度评估提供有效途径。

5 结 语

本文立足建设美丽中国、推进绿色发展的大背景，对绿色发展内涵和国内外评价指标及方法进行了系统梳理，提出了应用卫星遥感技术开展绿色发展指标体系构建的流程、方法和关键技术，并开展了实证研究，以期为区域绿色发展水平的实时动态评价与科学响应提供技术参考。

(1)绿色发展水平评价涉及领域广，影响因素多，对数据要求高，需结合区域实际情况选取适宜的指标，从而对区域绿色发展进行科学测度。本文结合中国西部地区典型特点，从自然条件、生态保护、人类活动及社会经济等方面选择了与遥感技术相关的10项指标，应用构建的评价方法对延安—榆林地区年度绿色发展水平进行了评价，通过与区内城市发展现状和地貌、地质条件等实际进行对比，表明了该方法的有效性和优越性。

(2)延安—榆林地区绿色发展程度由南向西北逐渐降低，延安地区总体高于榆林地区。延安南部绿色发展等级普遍较高，其中黄龙县最高。榆林西北部和东南部的绿色发展水平呈现明显不同：西北部的毛乌素沙漠南缘风沙草滩区生态环境脆弱，绿色发展程度等级最低；东南部黄土高原丘陵沟壑区峁梁纵横，沟谷深切，绿色发展等级处于整个研究区中下级。

(3)西部地区幅员辽阔，能源资源丰富，生态环境脆弱，区域发展不平衡，决定了该地区必须坚持绿色发展理念、走可持续发展的道路。卫星遥感技术的进步和航天技术的发展可以很好地满足区域大范围环境和生态监测的需求。基于卫星遥感技术的绿色发展指标提取和评价在中国特别是西部地区具有广阔的应用前景，可以通过开展以遥感为主的多种技术相结合的“空-天-地”一体化监测网络、大数据和分析平台等建设，为大范围快速开展绿色发展评价提供更加有效的途径。

西安地质调查中心是自然资源部中国地质调查局直属的正局级公益一类事业单位，是全国六大区中心之一，其前身是1962年成立的国家地质部西安地质矿产研究所，主要承担西北地区地质调查、科技创新、科学普及等工作。六十年来，西安地质调查中心不断弘扬“李四光精神”和“三光荣精神”，践行“责任、创新、合作、奉献、清廉”的新时代地质文化，守护大秦岭，监测黄土地，勘探戈壁滩，支撑西北城市群规划，服务美丽中国“中脊带”建设，聚焦西部绿色发展，着力破解制约西北地区经济社会发展的资源环境重大问题，支撑国家能源、矿产、水和其他战略资源安全保障。六十年来，西安地质调查中心始终秉持“勘探西北、地质报国”的情怀，辛勤耕耘、埋头苦干，实现了1∶250 000区调大幅提升，达到150×10km，全面提高了对西北地区的地质认知；1∶50 000区调达到95×10km，1∶50 000矿调达到73×10km，实现重点成矿区带的全覆盖；先后为国家提交了各类靶区120个，为实现“两个一百年”的奋斗目标，创造了辉煌业绩。六十年的发展，凝聚了创业者的心血、探索者的智慧、开拓者的足迹，离不开历代品德优良、基础扎实、知识广博、专业精深的地质工作者坚持不懈的努力。本专辑将收录和反映西安地质调查中心及各兄弟单位支撑服务国家重大战略的工作成果，特别是在西部大开发中做出的贡献和成绩，衷心感谢全力支持本次专辑工作的专家学者。本文构思和编写过程中，得到彭苏萍院士、郭华东院士、彭建兵院士、王焰新院士、杜培军教授、陈圣波教授等专家学者的指导帮助，在此表示真诚感谢！