黄土高原水土保持功能区生态环境质量遥感监测与评价

郭力宇, 孙悦悦, 王 涛

(西安科技大学 测绘科学与技术学院, 陕西 西安 710054)

黄土高原地处我国半湿润与半干旱的过渡区域,生态环境脆弱,受到自然因素和人类活动的双重干扰,是我国水土流失最为严重的区域之一[1]。2015年国家环境保护部门印发《全国生态功能区划(修编版)》,将黄土高原部分水土流失严重的区域划为国家重点生态功能区,其主要的生态服务功能为水土保持。该区由于过度人类生产开发活动,导致植被覆盖度低和水土保持功能弱等生态问题,严重威胁区域生态安全,制约当地经济可持续发展。针对黄土高原水土保持功能区进行生态环境质量评价可以有效监测区域生态环境质量动态变化,已成为目前研究的热点问题。

遥感技术具有快速、实时、易于获取等优点[2],已成为生态环境质量评价的重要手段。以往研究大多基于单一指标对生态环境质量进行评估,如Song等[3]利用土地利用数据分析黄土高原生态环境质量变化,Xu等[4]利用植被净初级生产力评估京津冀地区生态系统质量,Coutts等[5]利用地表热度评估城市热岛效应。生态环境变化是由多种因素共同作用的,基于单一指标的评价虽能在特定区域内反映部分生态效应,但难以解释生态环境中多种因素的共同作用。2013年,徐涵秋[6-7]提出遥感生态指数(remote sensing ecological index, RSEI),将4个与生态环境密切相关的指标,即绿度(normalized difference vegetation index, NDVI)、湿度(WET)、干度(normalized difference built-up and soil index, NDBSI)和热度(land surface temperature, LST),通过主成分分析进行耦合,得到可以量化的生态质量指数,为生态环境质量评价开拓了新方向。耦合RSEI的4个指标均提取自遥感影像,获取容易,避免了人为确定权重的主观性,兼具可视化表达,能有效反映区域生态环境质量状况,可对区域进行长时间序列的生态环境质量动态监测。因此被广泛应用于城市[8-9]、矿区[10-11]、流域[12-13]等区域的生态环境质量评价研究。

遥感生态指数在生态环境质量评价研究中具有客观、便捷和快速等优点。但在实际应用中还存在一些问题,例如云遮挡区域的数据缺失,影像获取时间不一致,拼接较为困难。因此在实际的研究中通常筛选出云量少的小尺度区域的几个特征时间点的数据进行研究,缺乏大尺度区域的长时序研究。Google Earth Engine(GEE)平台可以在线处理大范围长时序的遥感数据,能有效规避上述问题,将研究者从繁复的数据处理工作中解脱出来,极大地提高了工作效率。

黄土高原水土保持功能区作为黄土高原的核心区域,生态问题突出,尤其是退耕还林还草工程实施以来的生态环境质量变化受到广泛重视,目前利用RSEI对其生态环境质量进行长时间、大范围的监测评价研究较少。因此,黄土高原水土保持功能区生态环境质量监测评价对于认识国家生态保护政策带来的影响具有重要的科学意义。

本文以黄土高原水土保持功能区作为研究对象,借助GEE平台,利用2000—2020年MODIS数据构建遥感生态指数(RSEI),2000年和2020年两期土地利用数据,结合年降水量和年平均气温数据,利用趋势分析、相关分析等方法分析研究区遥感生态指数的时空变化,探讨人类活动和气候因子对区域生态环境质量的影响,对该地区生态环境质量状况进行动态监测与评价。

1 材料与研究方法

1.1 研究区概况

黄土高原水土保持生态功能区是《全国生态功能区划》划定的土壤保持重要区,位于黄土高原腹地(见图1),地理坐标为103°56′～111°46′E,34°28′～39°10′N,行政区划涉及山西省(忻州、吕梁、临汾),陕西省(榆林、延安),甘肃省(兰州、白银、天水、庆阳、定西、平凉),和宁夏回族自治区(固原、中卫),总面积约为13.3×104km2。主要地貌类型为黄土丘陵沟壑[14],整体地势西部高、东部低。该区域为半湿润-半干旱季风气候,多年平均气温约9 ℃,多年平均降水量为430～550 mm,年内降水分配不均,多集中在7、8月份。主要植被类型为森林草原和草原。

1.2 实验数据

本研究使用数据包括:2000—2020年MODIS(Moderate-resolution Imaging Spectroradiometer)数据产品,分别为MOD13A1植被指数产品、MYD091A1地表反射率产品和MYD11A2地表反射率/发射率产品,2000年、2020年土地利用栅格数据,2000—2020年逐年降水量、平均气温数据,DEM数据、矢量边界数据。数据详细介绍见表1。

表1 数据来源Tab.1 Data sources

1.3 研究方法

1.3.1 遥感生态指数构建

遥感生态指数(RSEI)借助绿度(NDVI)、热度(LST)、湿度(WET)和干度(NDBSI)4个生态指标,通过主成分分析进行耦合得到,公式如下:

RESI=f(NDVI,LST,WET,NDBSI)

(1)

1) 绿度指标

归一化植被指数与植被覆盖度、叶面积指数和植物生物量密切相关,是目前应用最为广泛的植被指数。公式如下:

NDVI=(bNIR-bRED)/(bNIR+bRED)

(2)

式中:bNIR和bRED分别为近红外、红光波段。

2) 热度指标

地表温度利用GEE平台通过白天地表温度数据转换而来,公式如下:

LST=0.02DN-273.15

(3)

式中:DN为陆地地表温度灰度值。

3) 湿度指标

湿度指标采用缨帽变换后得到,公式如下:

WET=0.1147b1+0.2489b2+0.2408b3+

0.3132b4-0.31222b5-0.6416b6-0.508b7

(4)

式中:bi(i=1,2,3,…,7)分别代表各地表反射波段。

4) 干度指标

干度指标选用裸土指数SI和建筑指数IBI合成而来,公式如下:

NDBSI=(SI+IBI)/2

(5)

SI=[(bS+bRED)-(bBLUE+bNIR)]/

[(bS+bRED)+(bBLUE+bNIR)]

(6)

IBI={2bS/(bS+bNIR)-[bNIR/(bNIR+bRED)+bGREEN/(bGREEN+bS)]}/
{2bS/(bS+bNIR)+[bNIR/(bNIR+bRED)+bGREEN/(bGREEN+bS)]}

(7)

式中:bS、bRED、bNIR、bBLUE和bGREEN分别为短波红外、红光、近红外、蓝光和绿光波段。

为了避免4个指标量纲不统一导致权重失衡问题,在主成分变换前,需对各指标进行归一化处理,公式如下:

NIi=(Ii-Imin)/(Imax-Imin)

(8)

式中:NIi为4个生态指标归一化的结果;Ii为生态指标在第i个像元处的值;Imax为最大值;Imin为最小值。

将归一化后的4个指标进行主成分转换,得到第一主成分结果(PC1),为了便于分析,对PC1进行正负置换,公式如下。

RSEI0=1-PC1

(9)

式中RSEI0为正负置换后的结果。为了便于后续研究,将置换后的RSEI0值以0.2为间隔划分为5个等级:极差(0, 0.2]、差(0.2, 0.4]、中等(0.4, 0.6]、良(0.6, 0.8]、优(0.8, 1.0]。

1.3.2 趋势分析

本研究采用一元线性回归模型对研究区2000—2020年RSEI、年降水量和平均气温进行趋势分析,计算公式如下:

y=ax+b

(10)

(11)

(12)

对计算得到的一元线性方程进行显著性检验,具体公式如下:

(13)

(14)

(15)

式中:F为统计量;U为回归平方和;Q为误差平方和;y′为利用线性方程得到的y的拟合值。

计算出F值后,在分布表中查找α=0.05,n=21时,F的临界值为4.38,若F>4.38则回归方程是显著的,反之,则不显著。

1.3.3 相关分析

利用相关系数分析2000—2020年RSEI与年降水量、年平均气温之间的相关关系,公式如下:

(16)

2 结果分析

2.1 生态空间变化特征

土地利用空间格局的变化与国家高质量发展和生态文明建设战略息息相关[15],为了更好地解释黄土高原水土保持功能区生态环境质量变化特征与土地利用变化格局之间的关系,本研究参考殷嘉迪等[16]的研究,将6类土地利用类型划分为3类生态空间,即生态用地、半生态用地和弱生态用地。生态用地包括林地、草地、水域和未利用地,生态功能强;半生态用地指耕地,具有一定的生态功能;弱生态用地为建设用地,生态功能极弱。

2000年和2020年黄土高原水土保持功能区以生态用地为主(见图2),平均面积占比为57.31%。2000—2020年研究以生态用地增加和半生态用地减少为主要特征,其中生态用地增加了4 428 km2,主要表现为草地和林地的增加,分别增加了2 901 km2和1 532 km2;半生态用地减少了5 807 km2,表现为耕地的减少;研究时段内弱生态用地表现为增加过程,共增加1 123 km2,主要为耕地向建设用地的转移。

图2 生态空间面积变化统计Fig.2 Statistics of ecological space area change

2.2 生态环境质量变化特征

2.2.1 各指标主成分分析结果

对2000年、2005年、2010年、2015年和2020年NDVI、WET、NDBSI和LST进行主成分分析(见表2),可知第一主成分(PC1)贡献率分别为95.55%、96.70%、94.33%、91.22%和92.22%,均超过90%,表明第一主成分能够反映4个生态指标的大部分特征。4个指标在PC1上贡献率相对稳定,其中NDVI和WET为正值,表明绿度和湿度对生态环境起积极作用,NDBSI和LST为负值,表明干度和热度对生态环境起消极作用。

表2 主成分分析结果Tab.2 Principal component and analysis results

2.2.2 生态环境质量等级变化

2000—2020年研究区生态环境质量整体呈增加趋势(见图3)。RSEI均值由2000年的0.39增至2020年的0.57,增加率为43.15%。研究时段内RSEI均值表现为“上升-下降-上升-下降-上升”的波动上升过程,其中RSEI最低值出现在2000年,为0.39,峰值出现在2018年,为0.59。以2000年、2005年、2010年、2015年和2020年5个特征年份为例(见图4),对研究区生态环境质量等级时空变化进行分析。空间格局上,2000—2020年,研究区生态环境质量等级以中等为主(见图5),多年平均占比约为45.61%。生态环境质量等级为优、良的区域主要分布在南部,包括延安、临汾、庆阳、天水及平凉等区域。

图3 2000—2020年RSEI均值变化过程Fig.3 The change process of RSEI from 2000 to 2020

图4 2000年、2005年、2010年、2015年和2020年生态环境质量等级空间分布Fig.4 Spatial distribution of ecological environmental quality levels in 2000, 2005, 2010, 2015 and 2020注:此图基于国家自然资源部标准地图服务网站审图号为GS(2019)1822的标准地图制作,底图无修改。

图5 2000—2020年RSEI各等级面积占比Fig.5 The area proportion of RSEI in different type during 2000-2020

生态环境等级为中的区域主要分布北部和西部,包括榆林、庆阳及定西等区域。生态环境质量等级为差的区域主要分布在北部和西北部,包括榆林市西部、中卫南部、固原北部和庆阳西北部等区域。变化趋势上,优、良等级面积明显增加,由2000年的4.38%增至2020年的42.46%,空间变化表现为由南向北逐年扩张。极差、差等级面积占比明显下降,由2000年73.42%降至2020的12.63%,降幅达60.79%,反映出研究区生态环境质量呈明显改善过程。

2.2.3 生态环境质量变化趋势分析

RSEI增加速率较快的地区集中在研究区中部,包括延安、榆林、吕梁部分区域(见图6(a))。基于显著性检验结果将变化趋势划分为4个类型分别为显著增加、不显著增加、显著减少和不显著减少。2000—2020年RSEI显著增加区域面积占比为11.59%,主要分布在延安、吕梁、平凉和天水部分地区;RSEI显著减少和不显著减少分布范围较小,零星分布在各地市的主城区及其附近区域,反映出城市扩张对生态环境质量具有负向作用(见图6(b))。

图6 2000—2020年RSEI结果空间分布Fig.6 Spatial distribution of RSEI during 2000-2020注:此图基于国家自然资源部标准地图服务网站审图号为GS(2019)1822的标准地图制作,底图无修改。

2.3 不同生态空间类型的RSEI变化

2000—2020年黄土高原水土保持功能区生态用地、半生态用地和弱生态用地RSEI多年平均值分别为0.50、0.48和0.49,生态环境质量整体为中等。2000—2020年3类生态用地的RSEI均呈增加过程(见图7)。以2008年为界,之前,生态用地和半生态用地区域的RSEI值低于弱生态用地,之后,高于弱生态用地。

图7 不同生态空间类型RSEI变化过程Fig.7 The change of RSEI in different ecological space type

用各类生态空间转移区域的RSEI均值减去保持不变区域的RSEI均值,得到发生转移后各类生态空间RSEI差值变化情况(见图8),差值为负表示发生转移后,生态环境质量比保持不变区域退化,差值为正表示发生转移后,生态环境质量比保持不变区域改善。

图8 不同生态空间转移区域RSEI变化过程Fig.8 The change process of RSEI in different ecological space transfer areas

生态用地转为半生态用地或弱生态用地导致生态环境质量下降。以2008年为界,之前生态用地转为弱生态用地的区域,生态环境质量优于转为半生态用地的区域;之后生态用地转为弱生态用地的区域,生态环境质量较转为半生态用地区域差(图8(a))。半生态用地转为生态用地可以提高生态环境质量,但转为弱生态用地导致生态环境质量持续下降(图8(b))。弱生态用地转为生态用地和半生态用地均引起生态环境质量的提高,并且弱生态用地转为半生态用地对生态环境质量的改善明显优于转为生态用地(图8(c))。黄土高原水土保持功能区生态环境脆弱,植被覆盖水平较低,生态用地、半生态用地和弱生态用地相互转变引起的生态环境质量变化情况复杂。总体来看,生态用地的转出导致区域生态环境质量的下降,并且半生态用地的转为弱生态用地导致生态环境持续下降,而弱生态用地的转出导致区域生态环境质量的改善。这一结果表明黄土高原水土保持功能区退耕还林还草工程实施引起的林地、草地等生态用地增加,明显提高了生态环境质量,而城市扩张等人类活动导致了区域生态环境质量下降。

2.4 气候因素对生态环境质量影响

见图9,2000—2020年研究区年降水量呈增加过程,显著增加占比为27.02%,主要分布在区域东部和西部。RSEI与年降水量主要呈正相关关系,显著正相关面积占25.30%,主要分布在榆林、忻州和吕梁部分地区,西部中卫、白银、兰州等也有少量分布。2000—2020年研究区年平均气温显著增加区域占比为13.78%,分散在吕梁山区和研究区西部区域。RSEI与年平均气温显著负相关区域零星分布在忻州、延安、庆阳、天水和定西。

3 讨 论

已有关于黄土高原生态质量评价研究多以塬区[17]或县域[18]为研究范围,监测范围小,不能反映大尺度黄土高原生态环境质量动态变化情况。本文基于2000—2020年MODIS数据,以黄土高原水土保持功能区为研究对象,监测其生态环境质量动态变化状况,空间尺度大、时间序列连续,对于科学认识黄土高原水土保持功能区生态环境变化具有一定的参考价值。

研究区生态环境质量整体呈改善过程,空间分布由东南向西北依次为优、良、中、差,与计伟等[19]利用生态公报得出的研究结果一致。相比之下,遥感生态指数(RSEI)数据更易获取,不受行政区划限制。1999年退耕还林还草工程实施以来,黄土高原水土保持功能区作为工程重点实施区域,耕地面积减少5 807 km2,林地、草地面积增加。据已有研究[20-22],2000年以来,延安部分地区、山西吕梁山区和甘肃东南部区域植被覆盖情况明显改善,与本研究认为的研究区自南而北生态环境质量改善结果一致。

以2008年为界,之前生态用地和半生态用地的RSEI值低于弱生态用地,之后,优于弱生态用地。这一现象可能与植被类型[23]和人类活动有关。研究区的植被类型以草地为主,水土保持能力较弱,地表容易裸露,导致生态用地生态环境质量较低。另一方面,退耕还林初期,人工种植活动对地表土壤的扰动作用可能会导致生态环境质量的轻微退化[24]。城镇和耕地则因为城市绿化和人工灌溉,改善了弱生态用地和半生态用地的植被状况和水分条件,因此早期弱生态用地生态环境质量好于生态用地。2014年第二轮退耕还林还草工程实施,研究区内植被覆盖度明显好转,生态用地和半生态用地的RSEI值逐渐优于弱生态用地。以2012年为界,之前转为弱生态用地区域的RSEI值高于转为生态用地或半生态用地的区域(图8(a)、图8(b)),之后低于转为生态用地或半生态用地的区域。城市扩张初期,受城市绿地空间的影响[25-26],弱生态用地生态环境质量较好,随着城镇化程度的提高,工程建设导致城市绿地空间大面积减少,城市地表干化和热岛效应逐渐严重,表现为转入弱生态用地的生态环境质量与转入生态用地或半生态用地的生态环境质量相比,呈退化过程。随着前一轮退耕还林工程试点工作的完成,退耕还林成果被进一步巩固,研究区植被覆盖度明显提升,转为生态用地的生态环境质量开始优于转为弱生态用地。

气候条件对生态环境质量影响具有一定的空间异质性[27],根据PC1分析结果,湿度(WET)对RSEI起正效应,而热度(LST)对RSEI起负效应,表现为RSEI与年降水量呈正相关关系,面积占比超过90%,由南而北相关性显著性逐步增强。热度(LST)对RSEI的贡献率绝对值低于湿度(WET),研究区热量充足,水分是限制植被生长的主要因素,因此RSEI对年平均气温的响应较弱,表现为RSEI与年平均气温呈不显著负相关,占比为96.39%,据已有研究[28],黄土高原植被覆盖度与年平均气温表现为微弱负相关,这可能是RSEI与年平均气温表现为不显著负相关的原因之一。2000—2020年研究区年降水量呈现增加过程,而年平均气温以不显著增加和不显著减少为主,研究时段内年降水量对RSEI的正效应大于年平均气温的负效应。另一方面,根据杨丹等[22]的研究,延安、吕梁等地人类活动对植被的贡献率大于气候因子,结合研究区生态环境质量等级分布现状,延安、吕梁等地生态环境质量明显改善。这些区域也是退耕还林还草核心区域,反映出退耕还林还草工程是研究区生态环境改善的重要原因。

4 结 论

本文利用GEE平台构建遥感生态指数,数据获取及时准确、时间序列长、研究范围大,免去了传统RSEI建模过程中,数据下载和预处理等工作步骤,极大的提高了工作效率,且提取的生态指标荷载与实际情况相符,证明利用GEE对黄土高原水土保持功能区的生态环境质量进行动态监测是高效可行的。文章主要结论为如下。

1) 2000—2020年研究区以生态用地为主,平均面积占比为57.31%,以生态用地增加和半生态用地减少为主要特征,生态用地的转入改善了区域生态环境质量。

2) 2000—2020年研究区RSEI均值由2000年的0.39增至2020年的0.57,生态环境质量明显改善。生态环境质量等级以中等为主,多年平均占比为45.61%,优、良等级面积增加38.08%,极差和差等级面积减少60.79%。RSEI显著增加区域占比为11.59%,分布在延安、吕梁等地,即退耕还林核心区。黄土高原水土保持功能区的生态环境质量改善与退耕还林还草工程关系密切。

3) RSEI与年降水量为正相关关系,显著正相关面积占比为25.30%。水分是限制研究区植被生长的主要因素,降水量增加改善了研究区生态环境质量。退耕还林工程在一定程度上弱化了RSEI对气候的响应。