基于RSEI的中小城市生态环境质量时空动态演变分析

摘 要：中小城市的迅速扩张导致日渐严重的生态环境问题，通过谷歌地球引擎 （Google Earth Engine， GEE） 建立遥感生态指数 （Remote Sensing Environmental Index， RSEI），对明光市2013—2021年的生态环境质量时空变化进行评价，并探测其主要驱动因子。结果表明：近10年间，明光市RSEI值呈现上升-下降和总体下降的趋势，在空间上呈现出生态环境较好的区域向南部转移现象，生态质量优 （或差） 的区域聚集趋势逐渐加强，两级分化趋势愈加显著，有明显的空间分异性；整体生态环境质量状况为：恶化面积 （41.63%）gt;改善面积 （33.24%）gt;保持不变面积 （25.12%）；探测因子结果显示，明光市RSEI空间分异主要驱动因子为植被与降雨。

关键词：生态环境质量；谷歌地球引擎（GEE）；遥感生态指数（RSEI）；地理探测器；明光市

中图分类号：TP79"" 文献标识码：A"" 文章编号：1673-1794（2024）05-0001-04

作者简介：陈叶霞，安徽大学资源与环境工程学院硕士生（合肥 230610）； 王春，滁州学院地理信息与旅游学院教授，博士，研究方向：实景三维建模；徐燕，滁州学院地理信息与旅游学院讲师（安徽 滁州 239000）；郁林成，安徽大学资源与环境工程学院硕士生（合肥 230610）。

我国中小城市数量多，且发展十分迅速^[1]，快速发展的过程中，引发了一系列的生态环境问题^[2]，这受到部分学者的关注，余帅华对中小城市空间形态演变与优化进行了研究^[3]；孙斌等构建评价模型对黄河流域城市群耦合协调度进行测度^[4]；刘畅以创建良好的人居环境为目标，研究中小城市规划管理问题及提升路径^[1]。生态环境是一个综合动态系统^[5]，为避免局限性与偶然性，徐涵秋^[6-7]运用主成分分析法 （principal component analysis，PCA）构建具有权重客观性、结果可视性等优点的遥感生态指数 （RSEI） 模型 ^[8]，随即在评价生态环境这一综合动态系统的过程中得到了广泛应用。李凤莹^[9]等利用RSEI指数研究了上海南汇东滩湿地，对其进行生态格局变化评价；马云飞^[10]等将研究区聚焦在长白山自然保护区；白建荣^[11]等则利用RSEI评价兰州周边地区削山造地时空变化规律及其生态环境效应。由此可以看出，RSEI模型具有较强的普适性，同时这些研究缺乏对中小城市生态环境质量的演变的研究，且目前的评价标准很少对乡村级别区域进行评估，难以很好地保护小区域生态稳定^[12]。文章以明光市为例，结合谷歌地球引擎建立遥感生态指数，分析其生态环境质量时空变化特征，并探测其主要驱动因子。

1 研究区和数据

1.1 研究区概况

明光市地处江淮流域，山水本底优渥，它是全国重要的畜禽产品和瓜果蔬菜生产基地，同时也是长三角一体化、宁滁一体化的重要节点^[3]。明光矿产与黄砂资源丰富，素有“山峦藏宝、阡陌流金”之誉，城镇化发展十分迅速。明光市居滁州市北侧，地处东经117°至119°，北纬32°至34°之间，北起泊岗乡新准村，南至张八岭镇岭南村，东从自来桥镇梅花村，西抵花园湖。南北最大长度87.6km，东西最大宽度68.1km，总面积2335km2，辖4个街道、13个乡镇。全市地势南高北低，地形南北兼容，境内南部为低山区（35%），中部为丘陵（50%），北部平原占10%，湖泊占5%，全年降雨丰富。

1.2 数据来源及预处理

Landsat卫星遥感影像来源于GEE平台，植被生长季均选择在6～9月^[13]。为了避免水域对RSEI结果的影响，所有数据基于LC分类剔除水体部分，并进行重采样，统一坐标系为WGS_1984_UTM_Zone_50N，空间分辨率为30m。

2 评价方法

2.1 遥感生态指数

RSEI=f（NDVI，Wet，LST，NDBSI），式中f为主成分分析方法（PCA）^[14]，模型中的四个因子分别代表绿度、湿度、热度和干度。各个指标基于TM和OLI传感器光谱波段数据计算获得^[13]（表2）。

归一化各因子之后^[15]，实施主成分分析。明光市内水资源比较丰富，对各指标采用MNDWI水体指数掩膜掉水体信息，可避免大片水域影响PCA的荷载分布^[16]。所求得的遥感生态指数RSEI值介于[0，1]，值越趋近于1，研究区生态环境质量越好。

2.2 空间自相关分析

为研究区内随机抽取的5000个样本赋RSEI值，计算其全局Moran’ sI空间自相关指数。指数值域范围为[-1，1]。若为正值，则呈现聚集趋势，若值趋近于零，则呈随机分布^[12]。进一步计算具有统计学意义的Z得分与p值，并通过指标逐个检验零假设，可以分析出要素是低值的空间聚类（Z得分低并为负数且p值小）还是高值的空间聚类（Z得分高且p值小）。选择置信度，再进行空间统计，相关参数如下所示：

2.3 驱动因素分析

通过地理探测器的因子探测^[17]揭示各因子对明光市生态环境质量的影响程度，用驱动力强度q值表示，q值越接近1，影响越大；反之，影响越小。交互探测^[17]则通过评估X1和X2双影响因子交互作用 q值的变化，判断是否会增加或减少对因变量Y的解释力，其作用类型分为 5类：非线性减弱、单因子非线性减弱、双因子增强、独立和非线性增强 ^[18]。

为探测驱动明光市RSEI变化的因素，结合数据自身的性质和研究区现状，借鉴前人研究成果^[19]，选取NDVI、DEM、PRE、TA、POD、NTL和LC作为探测因子。

3 评价结果

3.1 生态环境质量时空动态演变

3.1.1 各指数主成分结果

由图1所示PCA结果可知（表4），明光市RESI第一主成分（PC1） 在2013—2021年的贡献率均超过70%，各期第一主成分包含四个指数大部分特征，且各个指标对RSEI的贡献度与真实情况相符合。

3.1.2 小区域RESI均值分布

2013年全市RSEI均值为0.596，其中隶属于明光街道的韩山社区、花园社区、黄郢社区等八个社区的生态环境质量等级为差，周边的明光经济开发区、吕郢社区、蔬菜村和南大寺社区等级为较差，两个等级对应的总面积占明光街道的24.10%，导致明光街道RSEI均值远低于其他地区（图1）。另外，在潘村镇、柳巷镇、涧溪镇和三界镇也分布了等级为较差的村，但面积占比小，对各自乡镇的影响不大。明光市中部以及南部生态环境质量等级主要分布为良，其中石坝镇魏桥村的RSEI值达到了0.823，等级为优。这是由于石坝镇地处江淮分水岭延伸出的平原过渡带，境内水质较好，土壤肥沃且植被丰富。

2017年明光市RSEI均值为0.696，生态环境质量的提高可能与淮河流域退耕还林、还草措施的推行导致的植被覆盖度持续增长有关^[20]。分析可知，少部分村落与社区的RSEI值有所波动，但各个乡镇整体生态环境质量状况均有所改善。生态环境质量差的区域较2013年几乎没有改变，但是等级为较差的区域新增滨河社区，隶属于明光街道。即使该街道局部生态环境变差，但是整体RSEI值比2013年高，说明该地区在发展城市建设的同时兼顾环境保护，并且取得了良好的效果。另外，2013—2017年间，等级为一般的区域中有百分之八十以上向良转好，等级为优的村新增17个，分布在桥头镇、明西街道、明东街道、苏巷镇、石坝镇、女山湖镇和张八岭镇。

2021年RSEI均值降低至0.490，整体生态环境质量下降。查阅政府官方资料可知，因正逢明光市标准农田建设进入到大规模建设时期^[21]，2019年之后，其北部柳巷镇、潘村镇、女山湖镇等地区受到高标准农田改造、路网建设以及新农村建设等项目的负向指标的影响，生态环境质量下降，但张八岭镇、三界镇等南部地区大力发展林业，并取得较好成绩，生态环境状况日益向好；另一方面，由于城北工业园区、城东新区和城北经济开发区的规划建设，明光市的城市建成区几何重心与可达重心轨迹由西北向东北偏移^[3]，城市建设进入高潮期，RSEI值较低区域逐渐向北扩张，生态环境质量等级为优良的区域向南迁移。

3.1.3 RESI分级面积统计

2013—2021年，明光市生态环境质量为先升后降但总体下降的趋势，2013、2017与2021年RESI均值分别为0.596、0.696、0.490。其中，张八岭镇、三界镇、管店镇和自来桥镇的数值持续上升，且三界镇涨幅最大，达到33.06%。其他区域RSEI值的变化趋势与整体趋势保持一致，值得注意的是，苏巷镇、桥头镇、女山湖镇、古沛镇和泊岗乡RSEI值均下降了40%以上，而潘村镇下降了54.68%，柳巷镇达到了60.34%，影响了整体生态环境质量（图2）。PCA统计结果表明，NDVI为主要正向影响因素，多年间NDVI均值的升降趋势与RSEI趋势基本一致。

用等间距分级法将RSEI分为5级：差[0，0.2]、较差（0.2，0.4]、一般（0.4，0.6]、良（0.6，0.8]、优（0.8，1]。统计2013—2021年三期影像中各个等级面积。

2013至2017年，研究区环境质量等级未发生变化的有801.85km²，情况整体向好，呈现出从等级差向优良转移的趋势（表5）。其中，等级良向优转移面积最大，达到312.43km²，其次是等级一般转移到等级良，面积为281.88km²，而等级为差向好转移的总面积为86.22km²，其中转移为优的面积只有5.43km²。在环境质量本底较好时，维护与提升环境质量有较高的效益，当生态环境遭到严重破坏时，在保证发展的同时，很难将其治理与改善到较为理想的状态。

2017至2021年，环境质量等级保持不变的面积较上一阶段减少了17.39％，为662.41km²，且环境质量整体呈恶化趋势。等级提升的面积只有367.21km²，约为之前的三分之一，等级下降的面积大幅增长，达到1061.56km²。其中由等级优向良转移的面积最大，为179.32km²，再到等级良向一般转移（158.64km²）。

对比分析2013和2021年的数据（图3），9年来，环境质量等级下降面积达到982.54km²，占全市41.63%，主要

分布在中部以及北部的潘村镇、柳巷镇、桥头镇、女山湖镇以及苏巷镇。等级不变的面积为592.88km²，占全市面积的25.12%。等级上升的面积有784.58km²，占比33.24%，主要集中在石坝镇南部，自来桥镇北部以及三界镇。

3.2 空间自相关分析

计算结果显示，3期 Moran’ s I 指数值分别为0.291、0.359、0.602，均值为0.417，表明明光市RSEI值空间自相关性高。2013—2021年明光市的 Moran’ s I 指数总体上呈现上升趋势，表明该区域的生态质量优和差的区域呈现出聚集趋势逐渐加强的现象。该地区县域经济建设政策的实施和土地利用的方式改变对当地生态环境产生了较大的影响。

数据显示，2013—2021年间，热点区域先向中部集中（主要分布在女山湖镇、苏巷镇以及石坝镇北部等），再向南部扩张，石坝镇南部、三界镇、张八岭镇和自来桥镇等被热点区域占领，冷点区域向北部转移（图4）。经过多年自然与人为因素的影响，城市内部生态用地和农业用地等转为建设用地的面积迅速扩大，植被覆盖率大幅下降。在乡村建设过程中，居民区生态环境质量提高的同时，潘村、泊岗等地人口空心化带来大量耕地被荒废的问题，导致耕地生态环境质量状况起伏变化，客观上加剧了生态环境问题。因此冷点区域在中北部迅速扩张，热点区域向南迁移。

3.3 RESI空间分异驱动因子分析

在地理探测器中探究生态环境质量变化的驱动因素，选择NDVI、DEM、PRE、TA、POD、NTL和LC作为探测因子，再借助K均值聚类、分位数法等分类方法，把分类等级分为3～9类，利用因子探测和交互探测探究主要驱动因素。

为了探测结果的可靠性，另外将2015年和2019年的数据带入模型中进行计算。驱动因子的驱动力强度q值通过0.05显著性检验的情况在不同年份有所不同：2013年（NDVI）、2015年（NDVI、DEM、PRE、LC）、2017年（POD）、2019年（PRE、POD）、2021年（NDVI、DEM、PRE、LC）。其中NDVI与PRE出现频率最高^[22]，表明多年来明光市RSEI变化主要受当地自然因素影响^[20]。其次为POD、LC和DEM，是因为明光市人口空心化带来的部分土地利用类型的波动变化给生态环境带来了负面影响。因子间交互作用结果表明（图5），任意双因子交互作用对明光市的RSEI变化都有更强的影响。2013—2021年间，交互作用最强驱动力分别为：2013年（NDVI∩TA）、2015年（PRE∩LC）、2017年（PRE∩POD）、2019年（NDVI∩DEM）、2021年（PRE∩LC），说明众多因子中， PRE、NDVI和LC对研究区RSEI变化的影响最大，这与单因子探测结果基本一致。

4 结论

文章基于谷歌地球引擎构建遥感生态指数，对明光市多年的生态环境质量状况进行定性定量分析，研究显示：

（1）2013—2021年，明光市RSEI值呈现上升-下降且总体下降的趋势，且空间上生态环境较好的区域在向南部转移。小区域内的RSEI均值变化情况显示，总体保持较好的乡镇为张八岭镇和自来桥镇，较差的为市区，各期生态环境质量等级为差的范围几乎不变，并且城市发展导致较差的范围在向外围扩张。

（2）2013—2021年，明光市的生态质量优（或差） 的区域聚集趋势逐渐加强，生态质量两级分化，呈现明显的空间分异性。整体生态环境质量状况为：恶化面积（41.63%）gt;改善面积（33.24%）gt;保持不变面积（25.12%）。等级下降面积主要分布在中部以及北部的潘村镇、柳巷镇、桥头镇、女山湖镇以及苏巷镇。等级上升的面积主要集中在石坝镇南部，自来桥镇北部以及三界镇。

（3）地理探测器结果表明，不同年份影响生态环境质量的因子有所不同。数据显示，NDVI、DEM、PRE、POD、LC都对生态环境质量有影响，但总体上，NDVI与PRE出现频率最高，对RSEI变化的驱动力度最大。人口空心化和土地利用方式的变化也对研究区生态环境带来负面影响。适宜的降水与土地利用类型有利于植被的生长，能够对明光市生态环境带来积极的影响。

5 讨论

近10年是明光市飞速发展的阶段，在乡村振兴战略、宁滁一体化、承接“长三角”产业转移等诸多政策红利支持下，全市发展正在提质增效。明光市生态环境质量的变化情况与区域政策实施密切相关，2010 年后，明光经济开发区与产业新城进入全面建设阶段，城市空间形态经历了巨大变革，新产业园区的崛起打破了原有城市格局，推动城市空间快速增长，城市中心继续向东部新区转移^[3]。2019年之后明光市受到高标准农田改造、路网建设以及新农村建设等项目的负向指标的影响，致使相应植被覆盖率降低以及乡村建设用地面积收缩。并且在乡村建设过程中，居民区生态环境提高的同时，北部部分地区人口空心化导致大量耕地被荒废，客观上加剧了生态环境问题，故而生态环境质量高的区域向南部转移，人为干扰对生态环境质量的影响愈加显现。因此地方在发展的同时，应制定严格的环境保护政策，降低生态用地转换概率，设置规划引导区，指导城市空间扩展与乡村建设，以确保城镇建设和环境保护得到较好协调。

NDVI、PRE、POD、DEM与LC都是驱动明光市生态环境质量发生改变的因素，其中，NDVI与PRE发挥更主要的作用^[22]。植被覆盖状况受自然因素和人为干扰共同影响，但是积极的政策支持将对区域生态环境质量的优化起到更直观的作用。POD能够直观地反应研究区内人类聚集程度，其对生态环境产生负面影响比NTL更明显^[23]。明光市地势平坦，以丘陵为主，DEM与NTL对RSEI空间分异的驱动力不高，这与一些学者的结论不一致^[24]，主要原因是不同地区海拔与土地利用变化情况不同。

［参 考 文 献］

［1］ 刘畅.中小城市规划管理问题及提升路径研究[D].太原：山西大学，2023：7.

[2] 刘希朝，李效顺，陈鑫，等.江苏省城镇化与生态环境耦合测度及空间冲突诊断[J].农业工程学报，2023，39（13）：238-248.

[3] 余帅华.基于多源时空数据的中小城市空间形态演变与优化研究[D].合肥：安徽建筑大学，2023：1-97.

[4] 孙斌，徐渭，薛建春，等.黄河流域城市群城镇化与生态环境耦合协调预测[J].地球科学与环境学报，2021，43（5）：887-896.

[5] 傅楷翔，贾国栋，余新晓，等.基于改进遥感生态指数的青藏公路那（曲）安（多）段生态环境评估及驱动机制分析[J].环境科学，2024，45（3）：1586-1597.

[6] 徐涵秋.城市遥感生态指数的创建及其应用[J]. 生态学报，2013，33（24）：7853-7862.

[7] 徐涵秋.区域生态环境变化的遥感评价指数[J].中国环境科学，2013，33（5）：889-897.

[8] ZHENG Z，WU Z，CHEN Y，et al.Instability of remote sensing based ecological index （RSEI） and its improvement for time series analysis[J].Science of the Total Environment，2022，814：152595.

[9] 李凤莹，张饮江，赵志淼，等.基于遥感生态指数的上海南汇东滩海岸带湿地生态格局变化评价[J].上海海洋大学学报，2020，29（5）：746-756.

[10] 马云飞，李建平，陈长胜，等.长白山地区遥感生态指数时空变化及其气候响应[J].沙漠与绿洲气象，2023，17（2）：91-97.

[11] 白建荣，王桂钢，杨腊梅.兰州周边地区削山造地遥感监测及生态效应分析[J].测绘地理信息，2020，45（4）：26-28.

[12] 杨永健，李洪忠，陈劲松，等.基于遥感生态指数的区域生态质量评价——以遂宁市船山区为例[J].人民长江，2019，50（7）：71-76+82.

[13] 曹书舸，陈爽.江苏重要生态功能区质量演变及红线管控效应[J].生态学报，2023，43（21）：8933-8947.

[14] 张超，吴水荣，孟贵，等.基于主成分分析法的山西省生态文明建设成效评价[J].生态经济，2023，39（10）：217-220+229.

[15] 张静，杨丽萍，贡恩军，等.基于谷歌地球引擎和改进型遥感生态指数的西安市生态环境质量动态监测[J].生态学报，2023，43（5）：2114-2127.

[16] 徐涵秋.利用改进的归一化差异水体指数（MNDWI）提取水体信息的研究[J].遥感学报，2005（5）：589-595.

[17] 李鑫磊，李瑞平，王秀青，等.基于地理探测器的河套灌区林草植被覆盖度时空变化与驱动力分析[J].干旱区研究，2023，40（4）：623-635.

[18] 王劲峰，徐成东.地理探测器：原理与展望[J].地理学报，2017，72（1）：116-134.

[19] YANG H，YU J，XU W，et al.Long-time series ecological environment quality monitoring and cause analysis in the Dianchi Lake Basin， China[J].Ecological Indicators，2023，148：110084.

[20] 常俊超，崔亚军.淮河流域极端气象事件与植被时空演变及响应关系研究[J].水电能源科学，2023，41（6）：17-21.

[21] 鹿光耀，廖镇宇，翁贞林.我国高标准农田建设的政策演进及其启示[J].农业经济，2024（1）：107-109.

[22] WANG X，YAO X，JIANG C，et al.Dynamic monitoring and analysis of factors influencing ecological environment quality in northern Anhui，China，based on the Google Earth Engine[J].Scientific Reports，2022，12（1）：20307.

[23] 赵嘉丽，李兴，孙冰.基于AWRSEI的岱海流域生态环境质量时空演变及驱动因子分析[J].环境科学，2024，45（3）：1598-1614.

[24] CUI R，HAN J，HU Z.Assessment of spatial temporal changes of ecological environment quality： A case study in huaibei city，China[J].Land，2022，11（6）：944.

责任编辑：陈星宇