乌鲁木齐中心城区生态环境遥感监测研究

2022-07-21李晓东

湖北农业科学 2022年12期

王杰，李晓东

（新疆大学资源与环境科学学院，乌鲁木齐 830046）

随着中国城镇化的逐步推进，人类活动给生态系统带来了巨大的影响，越来越多的学者关注该问题［1，2］，生态环境破坏在城镇化过程中是不可避免的，越来越多的城镇人口导致城市环境遭受到前所未有的生态压力，且生态环境与人类活动的协调性很低，各种生态问题日益增多［3］。“绿水青山就是金山银山”的发展理念，如何增强经济发展和生态的协调对生态文明建设具有指导性意义［4］。

随着科学技术的日益发展，遥感科学技术得到了前所未有的提高。遥感监测生态环境也日益受到关注。目前，常用的生态环境监测的方法主要包括基于单一指标和多指标的评价法。王美雅等［5］基于不透水面指数对城市的生态质量进行评价，潘莹等［6］根据地表温度对城市的热环境及形成的热岛效应进行评价，但基于单指标的分开化的评价，仅能反映生态系统的某一因素影响，无法全面地反映生态环境的整体变化。

2006 年国家环境保护部推出了基于遥感科学技术的生态指数（EI）来反映生态环境质量，但是该方法缺乏较多指标的权重和指标获取的难易程度［7］。而徐涵秋［8］基于PCA 方法根据绿度、湿度、干度和热度构建了遥感生态指数（RSEI），综合评价生态环境质量。该指数被广泛利用且具有计算简便、客观和高精度等优点［9-11］。其中，茹克亚·萨吾提等［12］运用遥感生态指数对阜康市生态环境质量进行评价，分析得知干旱自然条件下超负荷开发是导致生态环境质量下降的重要因素；Hang 等［13］基于RSEI模型对城市化过程中南京市生态环境质量变化进行了评估，Zhu 等［14］将模型改进对河南郑州等地矿区进行生态环境变化分析，该方法能够用于评价研究区的生态环境质量变化。

基于当前科技的发展技术，基于遥感监测生态环境质量越来越普及，基于多指标的遥感监测能够快速准确地监测生态环境的变化。由于乌鲁木齐作为“一带一路”核心区的主要城市，生态环境质量直接影响到该地区的绿色经济发展，基于遥感技术的生态环境质量研究对于改善乌鲁木齐市中心城区生态环境质量、建设美丽乌鲁木齐市具有重要的意义。

1 研究区概况

乌鲁木齐市位于亚欧大陆腹地，天山北坡，准噶尔盆地南缘，海拔680～920 m，地势西北低，东南高，主城区坐落在狭长的葫芦状盆地当中，属于半干旱的中温带大陆性气候，年均气温7.4 ℃，年均降水量236 mm。本研究区为新疆维吾尔自治区乌鲁木齐市中心城区，主要包括：水磨沟区、沙依巴克区、天山区和新市区4 个区，总面积为1 133.6 km2。

图1 研究区地理位置

2 数据资料与研究方法

2.1 数据资料来源

本研究所使用的遥感数据为美国地质调查局官网（USGS，http：//glovis.usgs.gov/）和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）下载的Landsat5 TM 和Landsat8 OLI 影像数据（表1）。以10 年为间隔，共选取了1990、2000、2010 和2020 年共4 期的影像数据。选取的时间均在植被生长状况最佳的7 月和8 月，并且日期差距控制在1 个月，影像云量较低，至少保证研究区无云层覆盖，如果研究区覆盖到了不同影像的非重叠区域，则选取行编号相邻的数据。为降低水体对主成分分析结果的影响，本研究利用近红外波段提取水体掩膜［15］，使得水体像元不参与主成分分析。

表1 遥感数据概况

2.2 基于RSEI的生态环境质量评价模型

2.2.1 湿度指标湿度是指地表中植被和土壤水分含量，通过遥感缨帽变换所得的湿度分量能较好地反映生态系统中植被和土壤的湿度，已被广泛应用于生态环境监测中［16，17］。由于本研究所选遥感影像类型有所差异，具体公式如下：

式（1）和式（2）中，对于TM 影像，ρ1、ρ2、ρ3、ρ4、ρ5和ρ7分别代表蓝波段、绿波段、红波段、近红外波段、短波红外1 波段和短波红外2 波段的反射率；对于OLI 影像，ρ2、ρ3、ρ4、ρ5、ρ6和ρ7分别代表蓝波段、绿波段、红波段、近红外波段、短波红外1 波段和短波红外2 波段的反射率。

2.2.2 绿度指标NDVI指数是一种运用最为广泛的植被指数［18］，能够反映出植被生长状态、植被覆盖状况等，还能消除大部分的辐射误差。本研究以NDVI作为绿度指标，具体公式如下：

式（3）和式（4）中，对于TM 影像，ρ3和ρ4分别代表红波段和近红外波段的反射率；对于OLI 影像，ρ4和ρ5分别代表红波段和近红外波段的反射率。

2.2.3 热度指标对于热度指标，本研究采用地表温度反演后的结果，记为LST，反演算法采用基于辐射传输方程的大气校正算法。其原理为将大气对地表热辐射的影响，从传感器接收到的热辐射总量中减去，即得到地表热辐射强度，再将其转化为地表温度，具体计算公式如下［19］：

式（5）中，L为辐射定标后传感器端热红外波段的辐射值，在Landsat5 TM 影像中为第6 波段，在Landsat8 OLI 影像中为第10 波段；DN为像元灰度值；gain和bais分别为热红外波段的增益值和偏置值，可在影像的文件中获取。

式（6）中，T为传感器端推算出的温度值，单位为K；K1、K2为定标参数。在Landsat5 TM 影像中，K1=607.76 W/（m2·Sr·μm），K2=1 260.56 K；在Landsat8 OLI 影像中，K1=774.89 W/（m2·Sr·μm），K2=1 321.08 K。

式（7）中，LST为地表温度，单位为℃；λ为热红外波段中心波长，m·K；ε为地表比辐射率，其计算方法参考文献［19］。

2.2.4 干度指标干度指标NDBSI是由裸土指数（BI）和建筑指数（IBI）之和的平均而得出［20］，能反映出该地区裸地与人造不透水面分布情况，具体公式如下：

裸土指数SI的计算公式如下：

建筑指数IBI的计算公式如下：

式（8）～式（12）中，对于TM 影像，ρ1、ρ2、ρ3、ρ4和ρ5分别代表蓝波段、绿波段、红波段、近红外波段和短波红外1 波段的反射率；对于OLI 影像，ρ2、ρ3、ρ4、ρ5和ρ6分别代表蓝波段、绿波段、红波段、近红外波段和短波红外1 波段的反射率。

2.3 构建RSEI

由于已获得的各指标的量纲不同，不能直接参与数据分析，需要对各指标进行归一化处理，通过函数关系映射到［0，1］，其变成无量纲的纯数。各指标归一化处理的函数关系式为：

式（13）中，NIi表示各指标归一化后的结果；Ii表示像元i的指标值；Imin表示指标的最小值；Imax表示指标的最大值。

经过归一化处理后的指标，进行主成分分析［21］。对归一化后各指标波段合成后的影像数据做主成分分析处理，以特征值贡献率为评价指标的权重，则乌鲁木齐市中心城区的初始遥感生态指数（RSEI0）可表示为：

式（14）中，Pi表示各主成分的方差贡献率，PCi表示各主成分的值，wj为各指标的权重，Ij为归一化后的各指标，m和n分别代表主成分数和指标数。

由于不同时间的RSEI0值域各不相同，为方便对比分析，需要将RSEI0再次进行归一化处理，使其值域映射到［0，1］，得到最终的遥感生态指数（RSEI），表达式如下：

对于最终得到的RSEI，其值越接近1，说明生态环境质量越好；反之，说明生态质量越差。

3 结果与分析

3.1 遥感生态指数PCA 分析

将各时期数据归一化后进行波段合成，图层顺序为湿度指标（Wet）、绿度指标（NDVI）、热度指标（LST）、干度指标（NDBSI）。然后对波段合成后的影像数据进行主成分分析，同样为避免水体的干扰，在进行主成分分析时添加水体掩膜，结果如表2 所示。

由表2 可知，Wet和NDVI的系数均为正值，而LST和NDBSI的系数均为负值，说明湿度指标和绿度指标会对生态环境产生正影响，LST和NDBSI会对生态环境产生负影响。由各时期初始RSEI的系数可以看出，在产生正影响的指标中，贡献度最大的均是Wet，但无论是Wet还是NDVI，其系数的绝对值总体上均是在不断减小，两个指标对RSEI的正贡献度在减小，表明乌鲁木齐市中心城区的生态环境往良好方向发展的推动力在减弱；在产生负影响的指标中，贡献度最大的均是NDBSI，并且其系数的绝对值总体上依然在不断变大，而LST系数的绝对值在2000 年上升到最大，到2010 年下降到1990 年的水平，但在2020 年小幅上升，NDBSI和LST对RSEI的负贡献度在增大，表明乌鲁木齐市中心城区的生态环境往恶劣方向发展的推动力在增强。乌鲁木齐市中心城区的生态环境在正影响不断减小而负影响不断增大的情况下，生态环境更容易向恶劣方向发展，而造成这一问题的原因可能是由于城市建设用地的扩张而导致的NDBSI中建筑指数IBI的增大。

表2 各指标主成分分析

3.2 遥感生态指数RSEI的分级

本研究将归一化的RSEI值进行分级，进一步分析乌鲁木齐中心城区生态环境质量状况。归一化后的RSEI值域为［0，1］，按照相等间隔法重分类为差、较差、一般、良、优5 个等级，其取值区间分别为［0，0.2］、（0.2，0.4］、（0.4，0.6］、（0.6，0.8］、（0.8，1］。表3为乌鲁木齐中心城区各时期RSEI分级面积统计表，图2 所示乌鲁木齐中心城区各期RSEI分级图。

由表3 和图2 可知，乌鲁木齐中心城区各时期RSEI分级状况中，均是“较差”等级占比最大，其次是“差”等级，“优”等级的占比最小。“较差”等级占比比“优”和“良”等级占比之和的2 倍还多。从各等级的变化情况来看，只有“一般”等级是逐渐增加的，30年间总体增加了49.28 km2；“优”和“良”等级均呈先增后减的趋势，30 年间分别增加了7.35、8.32 km2；“较差”等级则呈先减后增的趋势，30 年间增加了5.79 km2；“差”等级呈先增后减再增的趋势，特别是在2000—2010 年减少的比例最大，面积为102.56 km2，并且实现了总体上的减少，30 年间减少了72.61 km2。从近30 年来看，“差”等级面积的显著减少，“较差”等级面积的平稳发展，以及“优”“良”和“一般”等级面积的缓慢增加，表明了乌鲁木齐中心城区的生态环境总体上是在逐渐变好。

表3 乌鲁木齐中心城区各期RSEI分级面积

由表3 可知，1990—2000 年乌鲁木齐市中心城区的生态环境表现为“优”“良”“一般”和“差”等级的面积分别增加了2.40、16.28、4.41 和17.64 km2，“较差”等级的面积减少了43.26 km2，相当于“较差”等级减少的面积中变好的面积略大于变得更差的面积。从图2 可以看出，中心城区的北部环境质量出现明显的好转，其他区域变化并不明显。

由表3 可知，2000—2010 年乌鲁木齐市中心城区的生态环境表现为“优”“良”“一般”和“较差”等级的面积分别增加了21.30、6.32、36.71 和40.32 km2，“差”等级的面积减少了102.56 km2；从图2 对比，2000 年和2010 年RESI空间分布来看中心区域生态环境质量明显开始好转，形状规则，其类型主要为耕地。2010—2020 年，乌鲁木齐市中心城区的生态环境表现为“一般”“较差”和“差”等级的面积分别增加了8.16、8.73 和12.31 km2（表3），“优”和“良”等级的面积分别减少了1.45、1.25 km2；“一般”等级主要分布在中心主城区和中北部平原地带，这些区域人口密集，城市建设用地集中，植被覆盖率相对较低，表明乌鲁木齐中心城区的生态环境质量开始有下降的态势。

但从整体变化上来看，中部主城区随着城市化建设的推进，城市建设用地的的扩张，其范围也有显著的增大，并且有部分离散的区域已经逐渐转变为“优”和“良”等级，而中北部地区的“一般”等级区域正成片在向“较差”和“差”级别转变。

3.3 RSEI等级变化监测分析

为了进一步分析乌鲁木齐市中心主城区30 年来的生态环境质量演变状况，将进行分级后的数据，将1990 年和2000 年、2000 年和2010 年、2010 年和2020 年以及1990 年和2020 年的RSEI值等级进行差值处理，如果差值为负，表示生态环境质量变差，如果差值为0 表示不变，如果差值为正，表示变好。统计结果和空间分布情况如表4 和图3 所示。

图3 乌鲁木齐市中心城区RSEI等级变化空间分布

表4 乌鲁木齐市中心城区RSEI等级变化

1990—2000 年，乌鲁木齐市中心城区的生态环境质量变差面积为273.09 km2，占比24.46%，生态环境质量保持不变面积为585.77 km2，占比52.46%；生态环境质量变好面积为257.76 km2，占比23.08%。表明乌鲁木齐市中心城区1990—2000 年的生态环境质量整体上有略微降低。2000—2010 年，生态环境质量变差面积为191.09 km2，占比17.06%；生态环境质量保持不变面积为591.60 km2，占比52.82%；生态环境质量变好面积为337.30 km2，占比30.12%，表明乌鲁木齐市中心城区的生态环境质量整体上有明显升高。2010—2020 年，乌鲁木齐市中心城区的生态环境质量变差面积为297.08 km2，占比26.51%；生态环境质量保持不变面积为534.86 km2，占比47.73%；生态环境质量变好面积为288.67 km2，占比25.76%，表明乌鲁木齐市中心城区的生态环境质量整体上有略微下降。1990—2020 年，乌鲁木齐市中心城区的生态环境质量变差面积为300.64 km2，占比26.93%；生态环境质量保持不变面积为429.53 km2，占比38.47%；生态环境质量变好面积为386.33 km2，占比34.60%。表明30 年来乌鲁木齐市中心城区的生态环境质量整体上有明显提高。

由图3 可以看出，1990—2000 年，变好区域主要分布在中北部及北部的平原地带以及中东部的山前戈壁地区，基本上呈片状分布；变差的区域主要分布在呈散点状分布的东部低海拔山地以及呈片状分布的西南部山前戈壁平原地带。2000—2010 年，变好区域主要分布在中部主城区以及中东部、西部和西南部的山前戈壁平原地带，基本上均是呈片状分布；变差区域主要分布在呈散点状、片状分布的西部、北部的平原地带以及呈散点状、带状分布的东部低海拔山地及山前戈壁。2010—2020 年，变好区域主要分布在中部主城区、西部山前平原以及南部的山间河谷地带基本上均是以片状、点带状分布，在人口密集的城区内多以散点状分布；变差区域主要分布在北部平原区、东部低海拔山区以及西南部的山前戈壁，基本上均呈片状分布。1990—2020 年，变差区域主要分布在东部的中低海拔山区，并有向高海拔山区蔓延的趋势，北部平原区、东南部和西南部的低山戈壁地区也有呈片状的变差趋势，而除此之外的其他区域，生态环境质量均呈现变好态势，基本上是成片分布且成片规则区域可能是耕地。

3.4 RSEI等级变化转移矩阵

为了进一步分析乌鲁木齐市中心城区不同时段的生态环境质量等级转化情况，基于遥感生态指数的影像数据，建立各时段的遥感生态指数RSEI等级变化图，结果如图4 所示（横坐标登记表示前一个年份，纵坐标表示后一个年份）。

图4 RESI等级变化转移图（单位：km2）

由图4 可知，1990～2000 年，生态环境质量等级转换面积前五的类型分别为较差-差、差-较差、一般-较差、较差-一般、良-一般，转换面积分别为109.79、74.90、56.95、53.35、29.58 km2，变好总面积为242.65 km2，变差总面积为259.71 km2，整体表现为生态环境质量略微下降。2000—2010 年，生态环境质量等级转换面积前五的类型分别为差-较差、较差-一般、较差-差、一般-较差、一般-良，转换面积分别为121.70、74.91、54.09、50.94、32.58 km2，变好总面积为337.28 km2，变差总面积为191.09 km2，整体表现为生态环境质量的明显好转。2010—2020年，生态环境质量等级转换面积前五的类型分别为差-较差、较差-差、较差-一般、一般-较差、一般-良，转换面积分别为94.49、84.60、79.21、66.87、33.19 km2，变好总面积为288.67 km2，变差总面积为297.08 km2，整体表现为生态环境质量的略微下降。1990—2010 年，生态环境质量等级转换面积前五的类型分别为差-较差、较差-差、较差-一般、一般-较差、差-一般，转换面积分别为130.46、97.09、82.94、67.69、43.51 km2，变好总面积为380.58 km2，变差总面积为297.44 km2，整体表现为生态环境质量的明显提高。