基于遥感生态指数的绵阳市区生态环境变化分析

来源:用户上传      作者:

　　摘 要：基于1996、2009和2018年LandsatTM/OLI遥感影像，采用RSEI指数对绵阳市区的生态环境及变化状况进行分析。结果显示，1996-2009年绵阳市区生态质量呈下降趋势，RSEI均值从0.769下降至0.709;2009-2018年生态质量有所改善，RSEI均值从0.709上升至0.733;各年份的评价指标标准差与PC1荷载值的绝对值呈正相关。定量分析绵阳市1996-2018年快速发展对城市生态环境的影响，得出结论：1996-2018年间，涪城区和游仙区环境质量改善明显，环境质量下降的区域多分布于涪江沿岸;与指标相关的地物种类越多、面积占比越大，对环境影响越强;随着绵阳市区的发展，对环境影响最大的指标由1996年的绿度变为2018年的干度。提升城市环境，需合理配置城市建设用地，多种类多面积进行城市绿色生态建设。
　　关键词：Landsat影像;遥感生态指数;生态环境质量
　　DOI：10. 11907/rjdk. 192195
　　中图分类号：TP317.4    文献标识码：A                 文章编号：1672-7800（2020）003-0230-04
　　Analysis of Ecological Change in Mianyang Using Remote Sensing
　　Based Ecological Index
　　CHEN Meng1，2，WEN Xing-ping1，2，ZHANG Hao-nan1，2，XU Jun-long1，2，LI Qian1，2
　　（1. Faculty of Land Resource Engineering， Kunming University of Science and Technology;
　　2. Mineral Resource Prediction and Evaluation Engineering Laboratory of Yunnan Province， Kunming 650093，China）
　　Abstract： Quantitative analysis of the impact of development of Mianyang urban on ecological from 1996 to 2018 was made based on Landsat TM/OLI remote sensing images in 1996， 2009 and 2018， RSEI was used to measure the urban ecology of Mianyang. The results showed that the ecological quality decreasing trend from 1996 to 2009， with the average value of RSEI decreased from 0.769 to 0.709. From 2009 to 2018， the average value of RSEI rose slightly from 0.769 to 0.733. At the same time， it was found that the index standard deviation was positively correlated with the absolute value of PC1. From 1996 to 2018， the quality of old urban areas of Fucheng and Youxian improved significantly， and most of the regions with reduced environmental quality were located along the Fujiang river， indicating that the more kinds of objects related to the index and the larger proportion of the area， the stronger the impact on the environment. With the development of Mianyang， the index that has the greatest impact on environmental quality has changed from greenness in 1996 to dryness in 2018. So， to improve urban ecological， it is necessary to allocate urban construction land reasonably and carry out urban ecological construction in many kinds and areas.
　　Key Words： Landsat TM/OLI; remote sensing based ecological index; ecological environment quality
　　0 引言
　　我國正处于城市化发展转型阶段，以往的粗放式发展在带来巨大经济效益的同时也对环境造成了严重污染。随着经济的发展，人们生活水平得到提高，同时对生态环境质量的要求也越来越高，粗放式发展方式已无法适应社会需求[1]。遥感技术可有效监测地表覆被信息，进而分析生态环境状况，对城市建设及规划尤为重要。 　　利用遥感技术对城市生态进行研究较多，如岳文泽等[2]采用遥感影像进行城市土地利用类型及空间结构对生态环境效应的影响研究;肖荣波等[3]對城市热岛研究成果进行总结，分析了城市热岛效应对城市生态环境效应的影响，建议对城市热岛效应进行多维度研究;增辉等[4]以深圳市龙华镇为研究区，根据多时段景观类型及结构特征，利用空间统计方法构造了一个生态风险指数，对指数的采样结果进行半变异函数分析及插值，解释了生态风险的空间特征和形成机制;程晋南等[5]运用生态环境指数（ecological index，EI）对泰安市土地生态环境状况进行评价，并分析区域土地生态环境状况及其变化趋势，验证了RS与GIS结合在建立土地生态环境质量评价模型的可行性;徐涵秋[6]提出遥感生态指数（remote sensing based ecological index，RSEI）并应用于福建长汀县，与EI指数计算结果进行比较，结果发现RSEI不仅是一个定量化指标，还能对区域生态环境变化情况进行建模及预测。
　　目前有不少文献利用遥感技术对绵阳市进行了多方位研究[7-10]，但对绵阳市区的生态环境遥感监测还未见报道。本文为排除人为因素对各指标阈值、权重的影响，利用RSEI指数分析绵阳市区生态环境的变化情况，以期为绵阳市区生态环境保护和建设提供科学依据。
　　1 研究区概况及数据源
　　1.1 研究区概况
　　绵阳市位于四川盆地西北部，涪江中上游，是全省第二大城市，地理坐标位于东经103°45′ -105°43′ ，北纬30°42′ -33°03′ 之间。地势西北高、东南低，地形起伏大。中部为河谷冲积平原，涪江自西北入境，流经市区，从东南部出境。全市北西—南东呈条带状展布，山区占61%，丘陵占20.4%。绵阳市下辖3区、1市、5县，本文选择绵阳市中心城区游仙区和涪城区为研究区，简称为绵阳市区。
　　1.2 数据源及预处理
　　本文选用三景Landsat遥感影像，分别是1996年7月10日专题制图仪获取的影像（thematic mapper，TM）、2009年6月12日的TM影像与2018年的6月5日陆地成像仪所获取的影像（operational land imager，OLI）和热红外传感器获取的影像（thermal infrared sensor，TIRS），如图1所示。影像云量均小于8%且成像时间较为接近，避免季节差异影响。
　　数据预处理过程：①对三景影像进行几何校正，将均方根误差控制在0.5个像素以内;②对影像进行辐射定标;③将辐射定标后的影像进行大气校正。
　　2 研究方法
　　利用RSEI分析绵阳市区生态环境变化情况。RSEI集成绿度、湿度、干度和热度4个评价指标，分别代表归一化差值植被指数（NDVI）、缨帽变换的湿度分量（WET）、建筑指数和裸土指数合成的干度指数（NDSI）及地表温度（LST）4大要素。通过主成分变换集成各指标，表达式[11]如下：
　　2.1 评价指标构建
　　2.1.1 绿度指标
　　NDVI常用于显示植被分布，较高的NDVI代表土地覆被包含较多的绿色植被[12]，计算公式为：
　　式中，[BNIR]和[BR]分别为影像的近红外及红色波段反射率。
　　2.1.2 湿度指标
　　缨帽变换所获得的亮度、绿度、湿度指标已广泛应用于生态环境监测[13]，其中的湿度指标与土壤特征及湿度有关，湿度指标计算公式为：
　　式中，[BB]、[BG]、[BR]、[BNIR]、[BSWIR1]、[BSWIR2]分别代表影像的蓝、绿、红、近红外、短波红外1、短波红外2波段的反射率。
　　2.1.3 干度指标
　　研究区包括建成区及部分裸土，因此由建筑指数IBI和裸土指数SI合成“建筑—裸土指数”代表干度指标，计算公式[14]如下：
　　式中，[BB]、[BG]、[BR]、[BNIR]和[BSWIR1]分别代表影像的蓝、绿、红、近红外、短波红外1波段的反射率。
　　2.1.4 热度指标
　　利用影像算法[15-18]对地表温度进行反演，计算公式如下：
　　式中，DN为TM或OLI影像的像元亮度值，[ρ]为1.143 8[×]10-2m;[ε]为地表比辐射率，采用Valor & Caselles[19]提出的植被指数混合模型估算。对于TM影像，[gain]为0.055，[bias]为1.182，[K1]为607.76W/（m2[×]sr[×]um），K2为1260.56K，[λ]为11.5um;对于TIRS传感器，[gain]为3.342，[bias]为0.1，[K1]为774.89W/（m2[×]sr[×]um），[K2]为1321.08K，[λ]为10.9um。
　　2.2 综合指标构建
　　首先将上述指标数值范围进行统一，即将4个指标进行归一化，计算公式如下：
　　式中，[Pi]为归一化后的指标值，[Mi]为该指标在[i]像元的值，[Mmin]为该指标的最小值，[Mmax]为该指标的最大值。
　　对上述4个指标的合成结果进行主成分分析（Principal Component Analysis，PCA）。将归一化处理后的4个指标用于PC1计算。为使最终结果中大的数值代表好的生态条件，取PC1值的相反数，获得未归一化的生态指数RSEI0，即
　　然后对RSEI0进行归一化处理：
　　[RSEI]即为所建的遥感生态指数，其值越大生态环境就越好，反之则生态环境越差[20]。
　　3 结果与分析
　　3.1 生态环境质量整体分析
　　表1是各指标值及计算得到的RSEI值相关统计数据。从表中可以看出3个年份的指标经主成分分析后的第一主成分PC1贡献度都在75%以上，表明第一主成分包含了4个指标的大部分信息，且各指标荷载值相对稳定。因为RSEI0是取PC1的相反数，因此据表1中各成分指标PC1的载荷值可以看出NDVI和WET为负值，说明它们对绵阳市区生态环境质量起正面作用;NDSI和LST为正值，说明它们起负面作用。1996-2009年生态质量呈下降趋势，RSEI平均值从0.769下降至0.709，降幅为7.8%;2009-2018年略微上升，RSEI平均值从0.709上升至0.733，增幅为3.4%。总的来看，1996-2018年间绵阳市区生态环境质量呈先下降后上升状态，虽然总体呈下降趋势，但生态环境质量有所改善。考虑到评价指标的均值都在0附近，为了减少误差，放弃使用离散系数而选择标准差衡量数据分布的离散程度，标准差越大说明数据分布越不均匀。图2为不同指标标准差与荷载值的绝对值关系。从图2可以看出，3个年份荷载值的绝对值都与标准差呈正相关，表明对于同一种指标，影响该指标的地物类型种类越多同时面积占比越大，则该指标对环境的影响越强。1996年的绿度对环境影响最强， 2009年和2018的干度对环境影响最强，这是因为随着城市发展，建成区的面积不断增大，同时植被面积不断减少所致。 　　图3是将RSEI以0.2为间距分为5个等级的效果图，图中白色部分为掩模掉的水体（彩图扫描OSID码可见）。表2为统计的各年份RSEI等级的面积及比例。结果表明1996-2009年绵阳市区RSEI等级变化明显，等级为中级以上区域所占面积呈下降趋势，由93.9%降至89.98%;2009-2018年研究区RSEI等级为中级以上区域面积小幅上涨，由89.98%增加至91.56%，再次印证了22年来绵阳市区生态环境质量先下降再上升的状态。
　　图4是1996-2018年绵阳市区生态变化检测图。在RSEI成果基础上进行波段减法运算，对绵阳市区不同时期的RSEI指数进行检测。表3是对检测结果的统计。从检测结果来看，1996-2018年生态等级变差的面积为196.10km2，占总面积的13.10%;不变的面积为1 265.11km2，占总面积的83.85%;变好的面积为47.52km2，占总面积的3.15%。生态环境质量降低的地区所占面积高于生态质量变好区域所占面积，总体生态质量呈下降趋势。
　　从空间变化特征来看，生态环境恶化的区域大部分分布于涪江沿岸，生態环境不变的区域基本分布于市区周围的丘陵区，生态环境得到改善的区域主要集中在涪城区和游仙区的老城区。
　　4 结语
　　RSEI指数基于遥感技术，包含了城市生态系统4个重要指标，即湿度、绿度、干度和热度，使用PCA方法减少了人为因素影响，可简单快速地对城市生态环境进行量化评价，较好表现绵阳市区22年来生态环境变化情况。
　　本文研究表明：
　　（1）1996-2018年间，绵阳市区生态环境质量整体呈先下降再上升趋势。RESI均值由1996年的0.769下降至2009年的0.709，降幅为7.8%;由2009年的0.709上升至2018年0.733，涨幅为3.4%。研究区内生态状况为良及以上的区域占研究区总面积的比例由1996年的93.9%减少为2009年的89.98%;由2009年的89.98%，上升到2018年的91.56%。
　　（2）动态变化监测表明，生态环境变差的区域受城市扩展影响，从西北到东南主要分布在涪江沿岸;生态环境得到改善的区域主要集中于涪城区和游仙区的老城区，这是近年来在老城区开展环境治理的结果。
　　（3）3个年份的荷载值绝对值都与各指标标准差呈正相关。表明对于同一种指标，影响该指标的地物类型种类越多同时面积占比越大，该指标对环境的影响越强。1996年绿度对环境的影响最强，2009年和2018年则是干度对环境的影响最强，这是因为随着城市的发展，城市建成区域面积在不断增大的同时植被面积不断减少。
　　（4）在4个评价指标中，代表干度的指标对RSEI指数影响最大，表明城市生态环境质量恶化与城市建成区面积扩大密切相关。同时，绿度指标对生态指数RSEI的正面影响最大。因此，若要提升城市生态环境质量，需合理配置城市建设用地，科学布局城市空间，进行多种类多面积的城市绿化生态建设。
　　参考文献：
　　[1]李扬，张晓晶. “新常态”：经济发展的逻辑与前景[J]. 经济研究，2015，50（5）：4-19.
　　[2]岳文泽，徐建华，徐丽华. 基于遥感影像的城市土地利用生态环境效应研究——以城市热环境和植被指数为例[J]. 生态学报，2005，26（5）：169-174.
　　[3]肖荣波，欧阳志云，李伟峰，等. 城市热岛的生态环境效应[J]. 生态学报，2005，25（8）：59-63.
　　[4]曾辉，刘国军. 基于景观结构的区域生态风险分析[J]. 中国环境科学，1999，19（5）：454-457.
　　[5]程晋南，赵庚星，李红，等. 基于RS和GIS的土地生态环境状况评价及其动态变化[J]. 农业工程学报，2008，24（11）：83-88.
　　[6]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.
　　[7]董廷旭，秦其明，王建华. 近30年来绵阳市城市用地扩展模式研究[J].  地理研究，2011，30（4）：667-675.
　　[8]李海峰，郭科，但尚铭，等. 基于COST模型的热岛效应时空演变特征分析[J]. 测绘科学，2012，37（2）：164-166.
　　[9]李海峰，李永树，卢正，等. 绿地景观热环境效应的遥感研究[J]. 测绘科学，2018，43（1）：66-72.
　　[10]谢莉. 基于GIS及遥感技术的绵阳城市森林布局研究[D]. 雅安：四川农业大学，2011.
　　[11]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.
　　[12]GOWARD S N，XUE Y，CZAJKOWSKI K P. Evaluating land surface moisture conditions from the remotely sensed temperature/vegetation index measurements：an exploration with the simplified simple biosphere model[J]. Remote Sensing of Environment，2002，79（2-3）：225-242.
　　[13]李芳芳，贾永红. 一种基于TM影像的湿地信息提取方法及其变化检测[J]. 测绘科学，2008，33（2）：147-149.
　　[14]HU X， XU H.  A new remote sensing index for assessing the spatial heterogeneity in urban ecological quality： a case from fuzhou city， china[J].  Ecological Indicators， 2018（89）：11-21. 　　[15]丁凤，徐涵秋. 基于Landsat TM的3种地表温度反演算法比较分析[J]. 福建师范大学学报（自然科学版），2008（1）：91-96.
　　[16]张浩，杜培军，罗洁琼，等. 基于遥感生态指数的南京市生态变化分析[J]. 地理空间信息，2017，15（2）：58-62.
　　[17]ARTIS D A，CARNAHAN W H. Survey of emissivity variability in thermography of urban areas[J]. Remote Sensing of Environment，1982，12（4）：313-329.
　　[18]WENG Q，LU D，SCHUBRING J. Estimation of land surface temperature-vegetation abundance relationship for urban heat island studies[J]. Remote Sensing of Environment，2004，89（4）：467-483.
　　[19]VALOR E，CASELLES V. Mapping land surface emissivity from NDVI： application to european， african， and south american areas[J].  Remote Sensing of Environment， 1996， 57（3）：167-184.
　　[20]LIU Z， XU H， LI L， et al. Ecological change in the hangzhou area using the remote sensing based ecological index[J].  Journal of Basic Science & Engineering， 2015， 23（4）：728-739.
　　（責任编辑：杜能钢）
　　收稿日期：2019-08-26
　　基金项目：国家自然科学基金项目（41101343）
　　作者简介：陈孟（1994-），男，昆明理工大学国土资源与工程学院、云南省矿产资源预测评价工程实验室硕士研究生，研究方向为资源与环境遥感;温兴平（1970-），男，博士，昆明理工大学国土资源与工程学院、云南省矿产资源预测评价工程实验室教授、博士生导师，研究方向为遥感技术及其地学应用。本文通讯作者：温兴平。
转载注明来源:https://www.xzbu.com/8/view-15217623.htm