基于RSEI的乌鲁木齐市生态环境时空变化评价

邢栋,何浩,谢贵臣,周子祺,何超然,李隆基

(新疆大学建筑工程学院,新疆 乌鲁木齐 830017)

0 引 言

由于近年来我国的快速发展,城镇化的进程日益加快,同时也带来了不少严重的环境问题。对于表现出的生态环境质量的变化情况,能够通过遥感技术对研究领域进行准确、高效、大范围观察区域环境的变化并研究其原因[1]。

随着遥感技术的全面发展,对于遥感生态指数(Remote Sensing Ecological Index,RSEI)的分析评价已然成为一种对区域生态环境监测的重要手段。2013年,徐涵秋等学者通过研究,给出了遥感生态指数是由绿度、湿度、热度和干度四个环境指数来构成,该指数不但达到了可以定量化评价区域生态环境质量的效果,还可以在空间尺寸上对评估结论做出可视式表述[2]。RSEI模型目前已成功用于对矿井[3]、水电开发区[4]、草原[5]、湿地[6]、流域[7]和城市[8]等地区生态环境的控制和评价。乌鲁木齐市区地处新疆中部,处于典型的温带大陆性气候,修建温度高,比较炎热,冬季严寒,空气年较差大,年均降雨量小。上述原因都造成了乌鲁木齐市的生态环境脆弱,在其城市化过程中也必然会导致生态环境的变迁[9],而生态环境的变迁同样也将影响该区域的经济发展,所以认识在城镇化迅速发展的大历史背景下的生态环境时空动态变化特点是至关重要的。目前,已经大量研究探讨了城镇化发展水平和地区自然环境质量之间的关联[10],但是对研究区构建遥感生态指数进而评价区域生态环境质量时空变化利用区域不透水面[11]和夜间灯光[12]等数据定量分析城市化进程与其生态环境质量变化的关系的研究较少。

选取地处西北的乌鲁木齐市为实验区,通过建立RSEI模型,采用主成分分析法并且使用相关软件进行该区域的生态环境时空动态变化研究;通过提取研究区不透水面数据夜间灯光数据建立遥感生态指数,对该区域的环境变化的驱动力分析。从而确定了西北干旱区的生态环境质量的情况和主要驱动力因素,为之后对相关区域的研究提供了借鉴和参考依据。

1 研究区与数据

1.1 研究区概况

研究区域分布于中国新疆维吾尔自治区北部,天山山脉中段北侧,准噶尔盆地南侧。总面积为 14 195.858 4 km2,总人口350.4万人。地处42°45′～44°08′N、86°37′～88°58′E之间。整体地形起伏悬殊,山区面积广阔。属中温带大陆性干旱气候,春秋两季较短,冬夏两季较长,昼夜温差大。整个乌鲁木齐市包括天山区、沙依巴克区、新市区、水磨沟区、头屯河区、达坂城区、米东区、乌鲁木齐县。如图1所示

图1 研究区位置

1.2 遥感数据

获得的遥感数据主要来源于国家地理空间数据云,所选取的研究区域云量均小于10%,时间分别为2013年、2015年、2017年、2019年、2021年夏季同一时期的Landat8 OLI遥感影像数据,对研究区生态变换过程进行监测与评估,还获取了中国范围逐月夜光影像(NPPVIRS)将其作为驱动力分析的重要一环。同时,通过遥感影像图提取出了研究区不透水面影像,将不透水面及研究区夜光影像加权综合后,使用所得结果进行生态环境质量变化的驱动力分析。

2 方法

2.1 实验整体思路

首先通过对2013—2021年的五幅遥感影像进行处理,得到研究区各年份的绿度、湿度、热度、干度(Greenness、Wetness、Dryness、Heat)4个自然因子,分别使用归一化后的NDVI、WET、NDBSI、LST四个指数代替,其中,归一化处理的计算公式为:

(1)

式中,xi为归一化后的指标,Xi为原始指标,Xmin为原始指标中的最小值,Xmax为原始指标中的最大值。

再对这4个指数进行主成分分析(PCA)处理,从而构建出研究区各年份所对应的遥感生态指数即RSEI。遥感生态指数涵盖了植物覆盖率、湿度、热度、干度等四种自然环境因子,而上述因子又是直接判断天然生态环境品质的关键因素,因此RSEI指数就可以综合用来评估和检测科研区内的自然生态环境品质[13]。因此,本文中通过RSEI分析将反映研究区环境的水平。构建RSEI遥感生态指数函数,即:

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

(2)

式中,NDVI是绿度指标;WET是湿度指标;LST是热度指标;NDBSI是建筑和裸土指标。

为了更简单地对比,把所得到的RSEI指数用式(1)经过归一化处理后,使其值的范围处于[0,1]左右,而RSEI的取值范围越接近于1就说明生态环保质量越好,由此可以对研究区各个年份的生态环境质量做出评价。之后,再将相邻年份的RSEI值相减,可由所得差值的数值大小来对研究区的生态环境质量进行时空变化评价。

环境变化驱动力分析方面,首先通过遥感影像进行对研究区不透水面的提取,再与研究区夜间灯光遥感数据影像进行加权综合,观察所得结果与其对应的RSEI指数的关联性,分析其内在原因,从而达到研究区环境变化驱动力分析的目的。实验整体思路如图2所示。

图2 实验整体思路

2.2 RSEI各参数计算

RSEI遥感生态指数模型是由绿度指标(NDVI)、湿度指标(WET),热度指标(LST)、干度指标(NDBSI)构建,各个指标计算如下:

(1)绿度指标(Greenness)

绿度指数和所研究区域内的植被覆盖生物量、叶面积指数和植物涵盖度等都有关,而NDVI也是目前使用得最普遍的植物指标。NDVI的计算公式为:

NDVI=(B4-B3)/(B4+B3)

(3)

式中,B3和B4分别代表遥感数据红外和近红外波段的反射率。

(2)湿度指标(Wetness)

遥感缨帽上所获取的亮度、绿度、湿率等分量,已被普遍地运用于生态环保监测中。温湿度指数即以这一温湿度分量为代表,温湿度分量反映了水体和土壤、植物之间的温湿度关系,与自然环境有关。WET的计算公式为:

WET=0.1511×B2+0.1973×B3+0.3283×B4+0.3407×B5-0.7117×B6-0.4559×B7

(4)

式中,B1～B6分别代表遥感数据的蓝、绿、红、近红外、短波红外1和短波红外2波段的反射率。

(3)干度指标(Dryness)

干度指数是反映研究区域“干化”程度的指标,城市区域的“干化”大多由于建设型地的扩张和土地大规模的裸化而导致。利用建筑指数(IBI)和裸地指数(SI)合成得到的建筑裸土指数(NDBSI)来代表研究区的干度指标。NDBSI的计算公式为:

SI=(B6+B4-B5-B2)/(B6+B4+B5+B2)

(5)

IBI=(2×B6/(B6+B5)-(B5/(B5+B4)+B3/(B3+B6)))/(2×B6/(B6+B5)+(B5/(B5+B4)+B3/(B3+B6)))

(6)

NDBSI=(IBI+SI)/2

(7)

式中,B2、B3、B4、B5、B6分别指的是landsat8的对应波段。

(4)热度指标(Heat)

利用地表温度(LST)来表示热度指标,地表温度也是判断生态环境质量的重要部分。LST的计算公式为:

pv=(NDVI-0.05)/(0.7-0.05)

(8)

e=0.04×pv+0.986

(9)

L10=gain*TIRS1+bias

(10)

T=K2/ln(K1/L10+1)

(11)

LST=T/(1+(lamda*T/p)*ln(e))

(12)

式中,e为地表辐射率;gain=(Lmax-Lmin)/255,bias=Lmin其中Lmax、Lmin分别为最大、最小光谱辐射亮度值,该值可从Landsat8的MTL文档中查询获得,TIRS1为Landsat8中的热红外波段。K1,K2值可从Landsat8的MLT文档中查询获得。TIRS1波段的中心波长 1.089 5微米,lamda=1.089 5;p=0.014 38。

2.3 主成分分析

主成分分析法(PCA)通过运用降维的思路,把多指数转变为少数多个综合指数(即主成分),其各个主要因素均可以表达各因素的主要内容,且所需数据并不重叠。通过这个方法,在引入更多因素的同时把复杂因素归于多个主要因素,使问题更简单化,而同时得出的结果也是合理的数据质量。通过在这些指数中选取关键的且相对独立性的综合指数,进行生态环境评估。在通过了主成分分析之后,第一主成分PC1也就是初始遥感环境指标的RSEI0。在个别情况下,生态较好的区域RSEI0值反而越低,这时候可以用1-RSEI0公式进行计算,使RSEI值高的地方表示生态越好。对所获得的RSEI值经过了规范化处理,使得其范围在[0,1]之间。值越高,说明该区域的自然环境较好。

3 实验结果

3.1 生态环境指标主成分分析

由表1可以得知,在时间区域中,2013年、2015年、2017年、2019年以及2021年的生态环境指标的第一主要元素的特征值分别为0.146 8,0.041 0,0.130 4,0.028 9,0.156 1,并且它们对相应的特征值贡献率平均值都超过70%,说明了PC1已经涵盖了四个指数中的主要特征。

表1 遥感生态指数的主成分分析

由表2可以看出,2013年、2017年研究区RSEI指数均值的大小较为接近,且低于其他年份,分别为0.243和0.241,而2015年、2019年以及2021年研究区RSEI指数均值较为接近,分别为0.361,0.382和0.396,这五年的RSEI指数均值整体为上升趋势。从每年4个生态指标变化趋势显示,绿度指标的均值从2013年到2019年有略微减少的特征,而2021年有增加的趋势。湿度指标的均值从2013年到2021年一直呈略微减少的特征。热度指数和干度指数的均值都显示从2013年到2015年为下降态势,到2017年为上升态势,且2017年～2019年基本保持不变,到2021年的再次下降。从以上各项指数的平均变化来看,绿度指标和干度指数平均数的变动幅度都很大,表明了影响乌鲁木齐市生态环境变动的重要因子就是绿度和干度。根据近五年的RSEI均值变化结果得出,从2013年到2021年,乌鲁木齐市的自然与生态环境有所改善。

表2 不同年份各生态指标与RSEI归一化均值统计

3.2 生态环境质量分级

利用相关软件操作,得到了主成分分析后PC1的遥感图像后,参考国家《生态环境评价技术规范》中的环境分类规范,将遥感生态指标按照0.2的间隔划分为5个级别,分别为生态差(0～0.2)、生态较差(0.2～0.4)、生态一般(0.4～0.6)、生态良(0.6～0.8)和生态优(0.8～1.0),并得出了生态环境质量划分等级图如图3,并进行了分类计算后得到了图4。

图3 乌鲁木齐市RSEI的等级分布

图4 2013—2021年乌鲁木齐市遥感生态指数分级及各等级面积

从遥感生态指数空间分布(图3)可以得到生态环境质量等级较低的区域集中在乌鲁木齐市北部(米东区)的沙漠地区,以及西南部(乌鲁木齐县)和东南部(达坂城区)海拔较高的地区。

由图4可知,同一等级下不同年份所占的面积具有明显差异,2013年和2017年在差和较差两个等级中明显超过其他年份,也说明了2013年以及2017年生态环境质量较差,相应的RSEI指标较低。2013年等级为差的区域占总面积的56.69%,而2015年等级为差的面积则占比为25.67%,2017年又升至58.95%,到了2019年以及2021年等级差面积占比明显下降,占比下降至22.08%和29.32%。等级为较差的地区面积比例由2013年占比22.03%增至2015年的40.25%,表明从2013年以来生态环境状况较差的地区情况有所好转,但2017年级别为较差的地区面积比例又降至21.08%,表明从2015年—2017年间的生态环保状况较差,2019年和2021年级别为较差的地区面积占比增至38.76%和31.08%。生态等级为一般的区域面积占比变化趋势大致与等级较差的区域面积占比相同,也可看出2013年～2015年生态环境的改善以及2015年—2017年间生态环境恶化。生态等级为良的区域除了2017年的面积占比略有下降以外,其余呈上升趋势,其等级为良的区域面积占总面积的百分比分别为7.01%、7.99%、5.68%、9.66%以及10.72%。生态等级为优的区域面积变化趋势与等级为良的区域面积变化趋势相同,2017年面积有所下降,各年度的百分比分别为2.77%、7.24%、4.05%、8.02%及13.34%。通过以上分析可知,2013—2021年这8年间生态环境质量经历了一个既有改善又有恶化的起伏的状态,总体趋势是随着时间的推移乌鲁木齐市生态环境质量是得到改善的,且2017年的生态环境质量恶化最为严重。

3.3 生态环境时空变化评价

为了进一步研究乌鲁木齐市2013—2021年生态环境变化情况,本实验对各年份的RSEI指数值进行了变化监测。具体方法是将相邻年份的RSEI指数值相减并将差值分为了5个等级,显著恶化(≤-0.6),轻微恶化(-0.6～-0.3),未变化(-0.3～0),轻微改善(0～0.3),显著改善(≥0.3),并得到了对应的空间分布图如图5以及生态环境变化等级情况如表3。由表3可知,2013—2015年乌鲁木齐市生态环境显著恶化和轻微恶化的面积占总面积的3.28%,而轻微改善和显著改善的百分比为79.43%,因此2013—2015年乌鲁木齐市的生态环境质量有了较大的改善。2015—2017年生态环境显著恶化和轻微恶化的面积占总面积的7.32%,轻微改善及显著改善的面积占总面积的15.54%,而未变化的面积的百分比为77.23%,未变化等级的RSEI指数差值范围为-0.3～0,因此总体来说,2015—2017年生态环境质量呈恶化趋势。2017—2019年恶化的面积百分比仅占1.35%,而改善的面积百分比为85.77%,故2017—2019年生态环境质量大幅度提高。2019—2021年恶化的面积占2.13%,改善面积占37.97%,因此2019—2021年生态环境质量有所提高。对空间位置上分析,生态环境质量恶化的地区集中在乌鲁木齐市的西北部(头屯河区、新市区及米东区西南部)和西南部(沙依巴克区、乌鲁木齐县)城市建设扩张的区域。但总体来说,2013—2021年乌鲁木齐市的生态环境质量是在逐步得到改善,只有极少数城市建设扩张地区存在恶化情况,也说明近年来对乌鲁木齐市区的环境治理工作有显著成效,生态环境发生好转。

表3 2013—2021年基于RSEI的生态环境变化等级情况

图5 2013—2021年乌鲁木齐市RSEI变化监测

4 讨论分析

为了探究人类活动等因素对研究区生态环境质量的影响,以由遥感影像所提取出的不透水面影像(如图6左)和研究区夜光影像(如图6右)为基础,深入探讨城市扩张对生态环境质量的影响。将不透水面影像与夜光影像的像元值分别进行归一化后,在进行加权综合,分析乌鲁木齐市各县区2013—2021年人工地面的变化情况,以此作为乌鲁木齐市2013—2021年的城市扩张情况。并将其与研究区各县区的RSEI均值做比较,从而得出研究区城市扩张和生态环境变化之间的内在关系。

图6 2013年乌鲁木齐市不透水面及夜间灯光影像

对研究区内的各县区(7区1县)进行逐一分析,统计分析各县区人工地表占比(各县区人工地表面积与研究区总面积之比)以及对应时期的RSEI均值。分析结果如图7显示,从分析结果可以看出各县区的人工地面面积占比与各县区RSEI均值呈现出正相关性,且2013年、2015年、2017年以及2021年四条曲线的相关性相似,其中2019年曲线的相关变化趋势也略区别于其他年份。考虑到地区城市化与扩张发展之间的空间相关性以及对地区生态环境质量的威胁程度,从各县区RSEI均值与其对应的人工地表占比的拟合函数可以看出城市化程度的加深对研究区各县区生态环境质量影响存在差异,由图7中2017—2019年间函数曲线的变化就可以得出在研究地区于2017—2019年间各县区人工地表区域快速扩张对其生态环境质量的干扰较强,而对其余年份相对较弱。研究区在2013—2021年城市扩张的发展进程中,人类活动范围的快速扩大对地区生态影响很强,同时也与各县区的人工地表占比及各县区RSEI平均呈现出了显著的正相关。存在以上的实验结果,这与乌鲁木齐市的地理位置和独特的气候有这较大的关系,其属于温带大陆性气候,天气干燥,夏季炎热,冬季寒冷,也因此使得乌鲁木齐的东南部(达坂城区)出现大面积裸地以及北部存在大面积沙漠,这也造成了其RSEI均值的偏低。人类活动区域的扩张虽然会给该区生态环境带来一定的破坏,但随着近年来人类对生态环境地保护及修复能力的不断提升,城市扩张同时也会给该区域带来植被及水体,这也使该区的RSEI均值不降反增。因此,乌鲁木齐市在城市扩张的进程中该区域的生态环境质量会得到一定的改善。同时也说明,在城市建设过程中,人类也越来越重视生态环境的保护。

图7 不同时期各县区人工地面面积占比与RSEI值统计关系

5 结 论

本文利用了主成分分析法(PCA)构建出了不同时间研究区的RSEI指数,在其基础上研究了乌鲁木齐市生态环境质量变化及发展趋势,并做了驱动力分析。主要结论如下:

(1)通过主成分分析可知,2013—2021年研究区的生态环境质量总体得到改善,且其中NDVI和NDBSI的变化幅度较大,说明影响乌鲁木齐市生态环境变化的主要因素为绿度和干度。

(2)2013—2021年乌鲁木齐市的生态环境质量经历了一个既有改善又有恶化的起伏的状态,总体趋势是随着时间的推移乌鲁木齐市生态环境质量是得到改善的,其中2017年的生态环境质量最差。

(3)通过对研究区各个年份RSEI指数值进行了变化监测,得出2013—2015年、2017—2019年以及2019—2021年研究区的生态环境质量都具有较大改善,而2015—2017年研究区生态环境显著恶化和轻微恶化的面积以及未变化的面积占总面积的84.55%,轻微改善及显著改善的面积仅占总面积的15.54%,可以得出2015—2017年研究区生态环境质量有较大程度的恶化。

(4)通过对研究区城市扩张和生态环境质量关系的讨论分析,2013—2021年各县区人工地表占比与各县区RSEI均值呈正相关性,即在城市扩张的进程中,该区域的生态环境质量会得到一定的改善。