基于遥感生态指数的长汀县生态环境质量评价研究

颜子淳，王 璐，蓝承威，游宁龙

（福建农林大学园林学院，福建 福州 350002）

随着经济和社会的高速发展，城市人口密度的高度集中，导致城市生态承载压力变大，人居环境质量堪忧。生态环境质量的监测评估对城市生态环境保护和社会可持续发展提供重要的指导作用，帮助有效缓解城市生态压力和资源紧张等问题。

目前，生态环境质量评价方式还没有一个规范的评价体系，早期的评价数据来源较为单一，大多来采用土质检验、测绘取样、物种调查[1]。随着3S 技术的不断发展，遥感信息技术与景观生态学领域逐渐开始融合，许多相关的评价指数被用以开发利用，显著提高了生态环境质量的评估效率。例如，植被覆盖指数[2]、叶面积指数[3]、地表温度反演[4,5]、道路干扰强度指数[6]、土地利用程度综合指数[7,8]等。由于生态系统的复杂多样，单一的生态指标难以在宏观上全面分析生态空间异质性变化。针对上述问题，徐涵秋提出结合“绿度指数”、“湿度”、“干度” 和“地表温度”4 种指标融合形成的新型遥感生态指数(RemoteSensing based Ecological Index，RSEI)对生态质量进行评估和检测，该新型指数能客观、精准、实用的提取多样地表信息而被广泛应用到生态质量评价中[9]。

长汀县曾是南方红壤地区水土流失最为严重地区之一，水土治理一直以来就是长汀政府重点管控的目标[10]。自2000年起福建省委、省政府就制定了针对长汀县水土流失综合治理的民办实事项目，并且给予资金上的重点支持[11]；经过长时间坚持不懈的治理，长汀县水土流失面积从2011年底的3.18 万hm2降到2020年底的2.10 万hm2，水土流失率降到6.78%，低于福建省平均水平。鉴于此，本文选取2004、2010、2020年龙岩市长汀县Landsat5 TM 和Landsat8 OLI 遥感影像，通过遥感影像获得绿度指数、湿度指数、干度指数、地热指数4 类评价指标，利用RSEI 指数模型与主成分析法构建遥感生态指数，为该城区生态环境质量评价与保护提供科学的依据。

1 研究地概括与数据处理

1.1 研究地概况

长汀市地处龙岩市西北部，地势低洼，四周高山环绕，境内山峦叠嶂，山岭与河谷相间，属于亚热带海洋性季风气候，全年气候温和，无霜期长，区域降雨时空分布不均衡，干湿两季分明。该区自然资源丰富，森林覆盖率面积广，拥有优质地下水资源和地热资源，境内有卧龙山风景区、汀州古城墙、朝斗岩风景区和汀州天后宫等风景名胜。

1.2 数据来源及处理

本文数据取自地理空间数据云，选用2004年、2010年和2020年3 个年份的龙岩市长汀县遥感卫星影像（见图1），其中2004年、2010年卫星影像来自于Landsat 5 TM 传感器，2020年卫星影像来自于Landsat 8 OLI 传感器，均采用云量低于5%的影像。为保证评价监测的准确性，遥感数据均使用10月影像（见表1）。数据内容通过ENVI5.3 软件经过辐射定标、大气校正，裁剪拼合的处理，提取研究区域范围。

图1 长汀县Landsat 影像Figure 1 Landsat image of Changting County

表1 遥感影像数据Table 1 Remote Sensing Image Data

2 研究方法

2.1 指数提取

2.1.1 绿度指数

绿度指数能反应植被覆盖及其生长活力，是评价植被密度和健康状况的一个重要指标[12]，该指数通过近红外波段反射率和红色波段反射率之间的差异提取，NDVI 计算公式如下：

式中，ρNIR、ρRed分别代表近红外波段、红波段的反射率。

2.1.2 湿度指数

湿度指数表示土壤、大气中湿度分布的情况，与土地利用退化、更新等生态环境变化有着紧密联系，在遥感影像中通常采用缨帽变换方法提取[13,14]，湿度指数WET 相关公式如下：

式中，ρBluc、ρGreen、ρSWIR1、ρSWIR2分别表示蓝、绿、短波红外1、短波红外2 波段反射率。

2.1.3 干度指数

生态环境受城市建设和开发干扰，随着城镇化快速的发展，土壤用地被城市建筑和裸土给替代，造成地表水土流失、气候干燥等环境问题。干度指数（NDBSI）由建筑指数（IBI）和裸土指数（SI）结合而得到[15,16]，指数数值越高代表的区域越干燥，能充分反应研究区域环境现状。干度指数公式如下：

式中，ρBluc、ρGreen、ρRed、ρNIR、ρSWIR1分别表示蓝、绿、红、近红外波段、短波红外1 波段反射率。

2.1.4 地热指数

大面积人造构筑物和大气污染导致城市环境质量下降、城市气温显著升高。地表温度的监测能有效评估城市热岛效应强弱，对生态环境改善和环境指标体系构建有重要意义[17-19]。地热指数相关公式如下：

式中，L6/10表示TM 传感器或OIL 传感器的热红外波段（分别对应第6、10 波段），gain 和bias 分别表示波段增益系数和偏置系数，在遥感影像的原始文件上可以获取，DN 为遥感图像灰度值；T 为黑体辐射亮度值，ε 表示地表比辐射率；L↑和L↓为大气向上和向下的辐射亮度，τ 表示大气在热红外波段透过率，辐射亮度和热红外波段透过率可通过NASA 官网发布的大气参数查询网址获得（http://atmcorr.gsfc.nasa.gov）；K1和K2表示Landsat 系列传感器的定标参数。

2.2 遥感生态指数构建

初步计算所得的4 个生态指数，按照2%~98%的置信区间进行归一化处理，使得它们的取值范围在0~1的区间内。将处理好的4 个指数进行波段融合以便进行主成分分析。以往的指数权重构建大多采用专家评审和层次分析等主观性较强的方法，主成分分析的降维统计能将分量相关的信息通过正交变换改变其原有的坐标轴线，从而将主要分量信息压缩至前1~2 个主成分之中，这种分析方法将4 个指数按照客观贡献值进行重新划分，避免了人为权重的主观性干扰[20,21]。经过主成分分析，提取第一主成分PC1创建初始遥感生态指数（RSEI0），为了使指数结果表现更加客观，使用1 减去PC1获得RSEI0，之后在进行归一化处理，将区间保留在0~1 之间，数值越大代表生态质量越好。

3 结果与分析

3.1 长汀县遥感生态指数主成分分析

根据2004、2010、2020年长汀县4 个指数的主成分分析结果可知(见表2)，3 个年份的特征值贡献率基本集中第一主成分中，占据75%以上的特征值，基本涵盖了4 个指标的相关特性，其它3 个主成分的正负指标不稳定，且无明显规律可循，无法明确解析生态环境变化的内在机制，因此选用PC1 创建遥感生态指数效果最佳。第一主成分中绿度指数和湿度指数都为正值，对生态环境质量起到了正向作用，而地热指数和干度指数皆为负值，说明这两类指数越高对生态环境的压力越大。

表2 主成分分析结果Table 2 Principal Component Analysis Results

3.2 长汀县各类生态指标相关性分析

结合各年份绿度指数（NDVI）、湿度指数(WET)、地热指数(LST)、干度指数(NDBSI)以及遥感生态指数（RSEI）相关性分析可知（见表3），在4 个生态因子之中，地热指数在各年份中的相关性最低，3年年平均相关系数为0.623，其中最低平均相关度在2020年仅有0.552，相对而言干度指数与各指数间相关程度最高，3 个年份年平均相关性能达到0.778，其中最高平均相关度在2004年达到0.823；遥感生态指数的年平均相关度比任何单个因子都要高，比最低的地热指数高出42.22%，比单因子相关度最高的干度指数高出13.88%，表明遥感生态指数与各生态指标间的关联性极强，能涵盖4个指标基本的生态信息，是作为生态质量评价的优质指标。

表3 各类指数与遥感生态指数相关性分析Table 3 Correlation analysis between various indices and remote sensing ecological indices

3.3 长汀县生态质量动态变化评价

在2004年—2020年期间，长汀县遥感生态指数呈现缓慢上升趋势（见表4）。指数的均值从0.655 上升至0.739，整体上升了12.82%，可以看出近年来长汀县生态环境质量正在逐步改善，在注重城市发展建设的同时也对生态环境提供相应的保护。4类生态指标中绿度指数和湿度指数有明显的上升趋势，地热指数和干度指数则保持相对稳定。为了更好分析研究区生态质量变化情况，将遥感生态指数按照等级大小划分为差(0~0.2)、较差(0.2~0.4)、中(0.4~0.6)、良(0.6~0.8)、优(0.8~1)5类（见图2、表5）。整体上看长汀县生态质量等级优的土地占地面积最大且增长趋势明显，2004、2010 和2020年间占地比值分别为39.06%、35.65%和54.83%，2004年至2010年间生态质量等级优的面积略有降低，而到了2020年等级优的面积又大幅度增长，从1109.59 km2上升至1706.43 km2；生态质量中等与良等级的面积在2010年升至最高分别为451.99 km2和1005.13 km2，占长汀县的14.52%和32.30%，2020年又分别减少至9.14%和24.93%；2004—2020年长汀县生态质量等级差和较差的面积占比分别从8.60%和11.29%下降至5.98%和5.11%，所占研究区面积最小且随着年份逐渐减少。总的来说，长汀县等级优和良的区域占地面积大且持续的增加，等级差和较差的区域占地面积小且持续减少，这说明在长汀县水土治理管制下，其生态环境质量已经显著改善。

图2 2004—2020年RSEI 等级图像Figure 2 2004—2020 RSEI level image

表4 3年间各类指标的均值与标准差Table 4 Mean and standard deviation of various indicators in three years

表5 RSEI 变化统计Table 5 Statistics of changes in RSEI

4 结论与讨论

从遥感生态指数分析可知，2004—2010年长汀县的遥感生态指数基本保持稳定，但生态质量差和较差的区域面积明显在减少，从619.03 km2减少至545.44 km2，区域整体生态发展状况较良好。而2010—2020年长汀县的遥感生态指数有明显的提升，从0.657 上升至0.739，生态质量优的区域面积大幅度增长，其他等级的区域面积持续减少。在快速城镇化背景下，长汀县生态环境质量保持稳定且持续提升，这得益于美丽乡村实验基地的实施与建设以及长期针对严重水土流失区的综合治理。

综合4 类生态指数的相关性分析，地热指数(LST)与遥感生态指数(RSEI)相关程度最弱，而干度指数(NDBSI)与遥感生态指数(RSEI)高度相关。长汀县本土森林覆盖面积广，林业资源优势巨大，并且区域全年气候凉爽宜人，城市的热岛效应不明显，因此，地热指标对其生态环境质量影响相关性最弱；而研究时段处于10月份，长汀县降雨量相对全年偏少，城市内部低温干燥，并且县内红壤水土流失的严重，这导致干度指数对遥感生态指数构建影响最为显著。综合生态指数的构建不仅与研究区地理条件因素相关，而且也受季节性变化影响，在分析生态环境质量的同时还应当考虑生态因子的季节性变化。

综上所述，本文基于绿度指数、湿度指数、地热指数、干度指数4 类指数，采用主成分分析法构建的遥感生态指数，对长汀县生态环境质量进行监测和分析，从而更加客观、准确反应研究区生态环境状况。但本文研究仍存在不足之处，其一：研究区域影响年份跨度较大，无法精确度量相邻年份之间的变化情况，今后会考虑结合不同数据源影像按照研究区发展情况分阶段展开讨论；其二：影响城市环境变化的条件复杂多样，仅考虑生态指标因素无法全面解析生态质量变化的规律，未来还会加入城市经济发展、文旅规划以及林业种植工程等环境影响指标，弥补这方面的研究。