基于MRSEI模型的阿勒泰市生态环境时空变化及驱动力分析

刘 笑， 郭 鹏， 祁佳峰， 杜文玲， 张茹倩， 张 坤

（1.石河子大学理学院，新疆 石河子 832003；2.绿洲城镇与山盆系统生态兵团重点实验室，新疆 石河子 832003）

生态环境是人类生存和发展的基础［1-2］，更是实现区域社会经济可持续发展的关键［3-4］。因此，科学准确地认识区域生态环境状况十分必要［5-6］。城市作为一个地区乃至一个国家人口、经济、文化的集中点是进行生态环境研究的重要对象。然而，随着城镇化进程的快速推进［7］，加快了人类活动对地表环境的破坏，使得城市生态系统面临着严峻的挑战［8］。因此，客观、定量、及时地分析城市生态环境时空变化特征及其驱动因子，已经成为保护生态环境的必要途径和热门研究内容［9］。

相较于传统评估生态环境质量的方法，遥感以其快速、实时、大规模监测以及数据的开放获取等优势，在生态环境领域得到了广泛应用［10-12］。目前，国内外遥感生态环境监测与评价常用模型研究主要有两大类：一类是单一指数模型；另一类是综合指数模型［13］。基于遥感的单一指数模型虽然具有简易的特点，但由于影响因子的多样性和复杂性，仅仅依靠单一指标难以较好的全面揭示生态环境的系统性变化［14-15］。徐涵秋［16］以城市生态系统为例，通过主成分分析，耦合绿度、湿度、干度、热度4个指标构建城市遥感生态指数（RSEI），此指数不仅完全基于遥感信息而且综合考虑多种因素，能够对区域生态环境的时空变化进行系统分析，已被广泛地应用于城市生态环境质量状况评价［17］。但由于每个研究区都有其特定的生态环境，分析的侧重点也有所差别［18］，因此不断有学者对其进行改善［19-24］。如王杰等［25］加入土地退化度信息指标，构建了适用于干旱区的遥感生态指数（ARSEI)；范德芹等［26］引入植被净初级生产力（NPP），对矿区生态环境状况进行了系统评价；刘英等［27］引入空气质量指标，以北京市为例构建改进型遥感生态指数（MRSEI），对比分析发现MRSEI更适用于城市生态质量评价。

在生态环境领域，地理探测器模型因其探测空间分异性并能揭示其背后驱动力的强大能力被广泛应用［3,28］。如：朱增云等［29］采用地理探测器模型对伊犁谷地生境质量的空间分布和变化趋势进行驱动因子探测、交互作用探测以及生态探测分析；排日海·合力力等［3］使用地理探测器中单因子分析和多因子交互作用分析法对乌鲁木齐RSEI 的8 个影响因子进行影响程度的定量探测。阿勒泰市处于干旱区，生态环境十分脆弱，相关生态环境研究开展较少，而系统、全面、定量的评价生态环境时空变化特征及驱动因子工作在阿勒泰市相对较少。本研究利用MRSEI 模型，结合时间序列遥感影像数据，探究了2015—2021年阿勒泰市的生态环境质量时空动态变化特征,并应用地理探测器模型，分别对绿度、干度、湿度、温度和空气质量5 个指标进行了单因子探测与多因子交互探测，分析其对研究区生态环境指数的影响程度。

1 研究区与方法

1.1 研究区概况

阿勒泰市（86°53′～88°27E′,47°14′～48°39′N）位于阿尔泰山南麓，准葛尔盆地北缘（图1）。南北长146 km，东西宽84 km，总面积1.15×104km2。阿勒泰市自北向南呈明显的梯降式垂直分布，自上而下可分为北部山区、南部丘陵区、山间冲积平原区3个自然地貌单元。属中温带亚干旱大区、干旱大区气候带，南北气候差异较大。据监测资料显示，该市空气质量较好达到国家二级标准，主要污染物为可吸入颗粒物（PM10）和细颗粒物（PM2.5）［30-31］。

图1 研究区示意图Fig.1 Location of the study area

1.2 数据来源与处理

本文使用的数据包括行政区划数据、Landsat8 OLI 影像数据、MCD19 产品数据、DEM 数据（表1）。数据处理过程包括利用ENVI 5.6对Landsat8 OLI数据进行辐射定标、FLAASH大气校正、图像镶嵌与裁剪、指标计算、归一化以及主成分分析，MODIS MCD19数据利用MCTK工具进行处理。

表1 数据来源Tab.1 Data source

2 研究方法

2.1 MRSEI和RSEI模型构建

遥感生态指数（RSEI）模型利用主成分分析耦合了绿度——归一化差值植被指数NDVI、热度——地表温度LST、干度——建筑和裸土指数NDB-SI、湿度——缨帽变化的湿度分量WET，函数表达式为：

改进型遥感生态指数（MRSEI）是在RSEI 的基础上引入空气质量指标——AOD 气溶胶光学厚度所构建的新指数［27］，与RSEI相比更适用于城市生态质量评价。改进型遥感生态指数函数表达式为：

（1）绿度指标

NDVI能够反映植被覆盖度［32］。因此，选用NDVI代表绿度指标，公式为：

（2）热度指标

热度指标用地表温度代替，公式为［33-34］：

式中：T为传感器处温度值；λ为Landsat8 OLI 第10波段的中心波长（λ=10.895 μm）；ρ=1.438×10-2；ε为地表比辐射率，其取值参考文献［35］；Lλ为Landsat8 OLI的热红外10波段在传感器处光谱辐射值；DN值为像元灰度值；gain和bias分别为第10 波段的增益和偏置值；K1和K2分别为774.89 W·（M2·sr·μm）-1和1321.08 K。

（3）湿度指标

湿度指标用缨帽变化的湿度分量WET表示，公式为［27］：

（4）干度指标

由IBI 建筑指数［36］和裸土指数SI［37］两者合成代表干度指标，公式为：

式中：ρi（i=2，3，4，5，6，7）分别为Landsat8 OLI 影像对应波段的反射率。

（5）空气质量指标

AOD 数据是根据多角度大气校正算法MAIAC反演的MODIS新气溶胶产品MCD19［38］，空间分辨率为1 km。据文献［39-46］研究表明，AOD 能够准确反应一定地区范围内颗粒物空气质量，并且AOD与PM2.5与PM10浓度具有较高的相关性，而根据新疆生态环境状况公报［30］表明，阿勒泰市空气质量首要污染物以PM10和PM2.5为主。综上分析，AOD可以较好地表征阿勒泰市的空气质量。

为了消除不同指标之间量纲不同所带来的影响，对各个指标进行正规化，将量纲统一到［0,1］公式为：

式中：NIi为第i个指标正规化后的值；Ii为第i个指标值；Imin为第i个指标的最小值；Imax为第i个指标的最大值。

利用主成分分析法确定各个指标所占的权重，选取主成分分析后，特征贡献率最高的第一主成分PC1，此成分不仅很好的集成了每个指标的信息，并能够进行合理的解释，因此，PC1可用于创建综合指数。为了使PC1 值与所代表的生态环境成正比，采用1-PC1作为初始的改进型遥感生态指数MRSEI0：

为了指标间的度量和比较更加便捷，需对MRSEI0进行正规化处理：

式中：P代表MRSEI0；NP代表归一化的变量，取值范围是［0，1］，值越大表示生态越好，反之，越差。

2.2 MRSEI分等定级

通过计算MRSEI，对阿勒泰市生态环境进行区域分异和时间变化分析。根据《生态环境评价技术规范》中生态环境状况分级标准，以0.2 为间隔，将MRSEI 分成5 个等级，等级越高代表生态环境越好。具体划分情况如表2。

表2 MRSEI分级Tab.2 MRSEI classification

2.3 标准差椭圆及重心迁移模型

将侧重于经济、人口、产业研究的重心迁移法引入到生态环境质量评价中［47］，揭示阿勒泰市生态环境质量同一等级不同时期的重心迁移方向、迁移距离以及聚散程度等空间动态变化规律。借助于ArcGIS 10.7 计算重心并绘制重心移动路径图。阿勒泰市生态环境质量各级的重心计算公式为：

式中：和分别为重心经度、纬度；Cti为第t年第i等级生态环境指数的面积；Xi、Yi分别为第i等级生态环境指数几何中心经纬度；n为该等级生态环境指数面积总数。

2.4 地理探测器

地理探测器不仅能够探测空间分异现象而且可以揭示其背后驱动力。在基于遥感的生态环境质量评价中该方法被应用的越来越广泛。地理探测器共有4 个探测器［48］，本文选用因子探测和交互作用探测2个。

（1）因子探测

因子探测器能够探测属性的空间分异性，以及探测某因子多大程度上解释了属性的空间分异，用q值度量，公式如下：

式中：h表示因子的分级；Nh表示分级h研究对象的个数；N表示整个研究区对象的个数；Nσ2表示分级h的方差；σ2和分别表示整个研究区和分级h的方差。

（2）交互作用探测

能够探测2个因子共同作用时对于Y的作用是增强或者减弱，探测结果可以分为以下几种（表3）。

表3 两因子交互作用结果［29］Tab.3 Two-factor interaction results

3 结果与分析

3.1 阿勒泰市RSEI与MRSEI对比分析

基于阿勒泰市2015—2021 年的MRSEI 和RSEI计算结果进行等级划分，结果如表4 所示。阿勒泰市生态环境质量等级以差、较差和中等为主，生态环境质量良好和优秀的区域面积较小。生态环境质量差的区域占研究区总面积的26%以上，主要分布在建成区、农村居民点和工业区。生态环境质量较差的区域占研究区面积的25%以上，主要分布在研究区北部的裸地区域。生态环境质量中等的区域占研究区面积的17%以上，主要分布在研究区北部的林地、南部部分草地及部分湿地。生态环境质量良好的区域占研究区面积的9%以上，主要分布在北部及南部的部分林地。而生态环境质量优秀的区域主要分布在部分耕地覆被区、部分林地及湿地，占研究区面积的4%以上。

表4 生态质量各级比例Tab.4 Percentage of ecological quality levels

将MRSEI 与RSEI 结果对比分析发现，尽管两者在空间分布和程度上存在差异，但其对阿勒泰市生态监测结果大致趋势一致。由图2a 和图2b 及表4 可知，2015 年MRSEI 结果中生态差和较差的比例分别为26.88%、34.31%，而RSEI中生态差和较差的比例为29.81%、38.52%，分别增加2.93%和4.21%，但在中等、良好和优秀等级中，RSEI 相较于MRSEI为减少趋势，分别减少3.86%、0.74%和2.54%。2017—2021 年间，MRSEI 和RSEI 在不同等级之间也有差别，但总体变化不大。由图2可知，生态环境恶化或转好部分与AOD 严重程度的空间分布较为一致，表明城市生态质量受空气质量指标的影响。分析图2c、图2g、图2k、图2o 可知，阿勒泰市建成区AOD 较为严重，对应的图2b、图2f、图2j、图2n 中此区域生态环境差和较差面积相较于图2a、图2e、图2i、图2m 有所增加，而中等、良好和优秀则有所减少，整体图2b、图2f、图2j、图2n 中此区域生态环境差于图2a、图2e、图2i、图2m。反映了阿勒泰市MRSEI 与RSEI 的差异与AOD 的空间分布有关，表明了即使在空气质量较好的阿勒泰市AOD 对其生态质量在空间分布上仍有影响。

图2 RSEI和MRSEI等级分布、AOD、MRSEI与RSEI差值分布Fig.2 RSEI and MRSEI grade distribution,AOD,MRSEI and RSEI difference distribution

3.2 阿勒泰市生态环境时空变化分析

3.2.1 改进型遥感生态指数时空变化分析 2015—2021 年阿勒泰市的生态环境整体较好（图3），生态环境质量差的地区大部分集中在南部丘陵区、山间冲积平原区，由于这些地区土地利用类型较为丰富、气候条件适宜，人口密集且经济较为发达，人类活动过于频繁造成了生态环境质量总体比较差。塘巴湖、克兰河、乌鲁木齐盖提河附近以及北部山区由于植被覆盖率较高、水资源相对较为充足，再加上北部地区拥有自然保护区的优势条件，因此，这些地区生态环境质量的总体状况较好。

图3 改进型遥感生态指数空间分布Fig.3 Spatial distribution of MRSEI

2015 年、2017 年、2019 年、2021 年阿勒泰市改进型遥感生态指数均值分别为0.3707、0.3525、0.3846、0.3850，整体呈上升趋势，说明2015—2021年间阿勒泰市生态环境质量总体变好。从图4可以看出，NDVI 均值由0.4256 提升至0.4900；WET 均值由0.2209 提升至0.2359；NDBSI 均值由0.7665 下降至0.7062；AOD均值由0.3538下降至0.2287。NDVI值的升高代表植被覆盖度的增加，WET值的升高代表土壤湿度的增加，而NDBSI和AOD值的下降则代表建筑或裸土面积的减少以及空气质量的好转，尽管在全球气候变暖大背景下LST均值由0.5865提升至0.6436，但并不影响阿勒泰市生态环境质量整体提高的趋势。这7 a 中，阿勒泰市生态环境质量整体稳步提高得益于自2000 年来新疆启动的公益林建设、林国产业发展、退耕还林等 一系列林业生态工程。

图4 2015—2021年5大指标空间分布Fig.4 Spatial distribution of five major indicators from 2015 to 2021

3.2.2 不同等级MRSEI 时空特征分析 对2015—2021 年间不同等级生态指数的空间变化进行分析结果表明（表5），重心平均偏移距离最大为Ⅰ级生态指数达2.598 km，Ⅱ级第二，为1.759 km，其他三级偏移距离在1 km 之内，分别为Ⅲ级0.243 km、Ⅳ级0.661 km、Ⅴ级0.874 km。其中，2015—2017 年，Ⅰ级重心偏移距离最大为9.720 km，Ⅴ级偏移距离最小，偏移1.393 km，其余偏移距离由大到小为：Ⅲ级、Ⅳ级和Ⅱ级，分别偏移3.747 km、3.044 km 和2.429 km；2017—2019 年，Ⅴ级偏移距离最大，且远远超过其他等级，高达9.892 km，说明该时间段内，此类生态指数在空间位置上跨度较大，与之相反，Ⅰ级生态指数重心偏移距离反而由2015—2017 年偏移最大变为了偏移最小，仅有0.808 km，其余三级偏移距离也并不集中，分别为6.887 km、2.342 km、2.667 km，总体来看，该段时间内生态指数重心空间跨度较大；2019—2021 年，生态指数重心距离偏移最大的仍为Ⅴ级，为6.048 km，其次为Ⅰ级偏移5.434 km，其他三级由高到低为：Ⅳ级偏移3.435 km、Ⅱ级偏移3.127 km、Ⅲ级偏移1.799 km。综上分析，阿勒泰市不同等级MRSEI指数重心在空间位置上的变化较为稳定，Ⅰ级和Ⅱ级区域的空间迁移能力较强，Ⅲ～Ⅴ级区域的空间迁移能力相对较弱，即高生态指数区域在空间上相对稳定。

表5 重心偏移距离与方位角统计Tab.5 Center of gravity offset distance and azimuth statistics

对比分析2015—2021年间Ⅰ～Ⅴ级生态指数重心迁移方向发现（图5），Ⅰ～Ⅳ级生态指数重心总体北移，Ⅴ级重心则整体南移，表明阿勒泰市南部生态质量逐渐好转。其中，Ⅰ级生态指数重心从2015—2021 年先向东北，再向西北，最后向东北偏移，偏移过程复杂，但都在切木尔切克乡内偏移；Ⅱ级生态指数重心这7 a间则呈现出持续向北的偏移特征，整体偏移角度不大；Ⅲ级生态指数重心2015—2017年向西南偏移，2017—2021年一路向东北蔓延，空间上跨越巴里巴盖乡和切木尔切克乡；Ⅳ级生态指数重心则呈现出类“V”型偏移，先向西南，再持续向东北偏移；Ⅴ级生态指数重心偏移趋势则呈现出南移趋势，2015—2019 年持续南移，虽在2019—2021 年间有北移趋势，但仍在2015 年重心位置的南面，反映了阿勒泰市南部Ⅴ级生态指数明显增长。分析2015—2021 年阿勒泰市MRSEI 指数重心迁移距离与方向发现，Ⅴ级重心围绕阿苇滩镇与181 团变动，该区域相对其他地区农田与林地相对较多，对Ⅴ级生态指数的重心影响较大，也反映出了此种地类对于阿勒泰市生态环境优化起着非常重要的作用。

图5 各等级MRSEI标准差椭圆及重心迁移轨迹Fig.5 MRSEI standard deviation ellipse and gravity center migration trajectory of each grade

分析2015—2021 年不同生态指数标准差椭圆半轴长可以发现，Ⅰ级生态指数的长轴先由47.2 km增长至58.1 km，再缩短至57.7 km，但整体仍为增长趋势，短轴则持续缩短，由42.3 km缩至33.8 km。扁率也在不断增大，表明Ⅰ级空间分布的方向性先增强后减小而离散程度在逐步增大；Ⅱ级生态指数长轴持续缩短，扁率也持续减小，但短轴却与两者呈现出完全相反的变化趋势，即持续增长，表明Ⅱ级空间分布的方向性呈减少趋势，离散程度也逐步减少。分析表6中其他三级空间标准差椭圆参数可以得出：Ⅲ～Ⅴ级空间分布的方向性总体呈减少趋势，空间分布更加集中。

表6 2015—2021年不同等级遥感生态指数标准差椭圆参数Tab.6 Standard deviational ellipse parameters for different levels of remote sensing ecological indice from 2015 to 2021

3.3 阿勒泰市生态环境质量影响因子探测分析

3.3.1 单因子探测分析 单因子探测结果表明（图6），5个因子均具有显著性差异，可以作为影响因子对阿勒泰市生态环境质量空间异质性进行分析。q值度量这5个因子对于MRSEI的影响程度有多大，q值越大表示对MRSEI 的影响程度越大，反之亦然。2015—2021 年整体上看，湿度、温度、空气质量3 个指标对于阿勒泰市生态环境质量的影响程度相对较大。其中，2015年的影响程度依次为：湿度＞温度＞空气质量＞绿度＞干度，而湿度指标、温度指标和空气质量指标q＞0.8，是2015 年阿勒泰市改进型遥感生态指数的主导因子；2017 年影响程度依次为：湿度＞空气质量＞绿度＞干度＞温度，相较于2015年，湿度和空气质量（q＞0.8）依然是2017 年的主导因子，而上一年主导因子之一的温度，在2017年影响程度q值仅为0.309；2019年影响程度依次为：干度＞绿度＞湿度＞温度＞空气质量，其中，干度和绿度是主导因子，但其影响程度相较于2015 年和2017 年也有所下降，q值仅为0.585和0.582，2021年影响程度依次为：绿度＞干度＞湿度＞空气质量＞温度，其中绿度为主导因子（q=0.515）。分析各指标对PC1 的贡献度（载荷值）（表7）发现，温度、干度和空气质量这3个指标为负值，说明它们对阿勒泰市生态环境共同起负面作用；而绿度和湿度指标均为正值，说明它们起积极作用，且这5 个指标对于阿勒泰市生态环境状况的贡献度大小与单因子探测结果相一致。综上所述，在不同时间段，这5个因子对于阿勒泰市生态环境指标的影响程度有所不同。3.3.2 交互作用分析 利用5类影响因子与阿勒泰市2015年、2017年、2019年和2021年生态环境指数进行交互探测分析，共计产生10 项结果，如图7 显示，任意2 个因子的交互结构均呈现出双因子增强或者是非线性增强，并不存在独立或者减弱的关系，也就是说任意2 个因子的交互作用对于生态环境指数的作用都要大于单个因子，即阿勒泰市生态环境质量空间的演变是受到多个因素共同作用的结果，交互作用q值与2个因子之间的交互作用对于生态环境质量的影响程度成正比。2015 年双因子增强有9项，非线性增强有1项，对MRSEI交互作用影响最强的是AOD∩LST、LST∩WET 以及WET∩NDBSI 的交互作用，q值均为1，且q值都很高，均在0.8以上。2017年双因子增强有6项，非线性增强有4 项，LST∩WET 和WET∩NDBSI 的交互作用最强，q值仍为1，其余因子交互探测与2015 年相同，q值也均在0.8 以上。2019 年和2021 年交互作用与2015年和2017 年不同，呈现出非线性增强项多，双因子增强项少的规律，2019年空气质量与其他因子交互探测值相对较低，2021 年交互作用最强的2 个因子是AOD∩NDVI（q=0.971）。结果表明，任意双因子的交互探测作用相较于单因子对于阿勒泰市MRSEI的影响程度均有大幅提高。

表7 指标主成分分析PC1载荷Tab.7 Index principal component analysis PC1 load

图6 单因子探测影响程度Fig.6 Impact of single factor detection

图7 多因子交互作用探测结果Fig.7 Multi-factor interaction detection results

4 结论

本研究基于改进的遥感生态环境质量MRSEI模型，探究了2015—2021年阿勒泰市的生态环境质量的时空动态变化特征并将其结果与RSEI 进行对比,应用地理探测器模型，分别对绿度、干度、湿度、温度和空气质量5个指标进行了单因子探测与多因子交互探测，分析其对研究区生态环境指数的影响程度，主要结论如下：

（1）2015—2021 年，阿勒泰市绿度和湿度指标对于区域内改进型遥感生态指数起正相关作用，而温度、干度和空气质量这3 个指标对此起负相关作用。其中干度和绿度对于指数的影响较大，主要得益于一系列林业生态工程。

（2）阿勒泰市整体生态质量有变好的趋势。空间上，Ⅰ和Ⅱ级区域的空间迁移能力较强，Ⅲ～Ⅴ级，即高生态指数区域在空间上相对稳定。Ⅰ～Ⅳ级重心总体北移，Ⅴ级重心总体南移，表明阿勒泰市南部生态环境质量逐渐好转。

（3）绿度、干度、湿度、温度和空气质量5 个因子具有显著性差异且作用强度随时间而变，2015年造成生态环境质量变化的主导因子分别为湿度、温度和空气质量，2021 年主导因子为绿度。任意2 个因子的交互作用对于生态环境指数的作用都要大于单个因子，即阿勒泰市生态环境质量空间的演变是受到多个因素共同作用的结果。

（4）MRSEI 和RSEI 在空间分布和程度上存在差异，但其对阿勒泰市生态监测结果大致趋势一致，两者差异与AOD 的空间分布有关，表明了即使在空气质量较好的阿勒泰市AOD 对其生态质量在空间分布上仍有影响。