1、第 41 卷 第 1 期2023 年 1 月 广西师范大学学报(自然科学版)Journal of Guangxi Normal University(Natural Science Edition)Vol.41 No.1Jan.2023DOI:10.16088/j.issn.1001-6600.2021101004http:辛文杰,马姜明,王永琪.基于遥感生态指数的桂林市生态环境质量评价J.广西师范大学学报(自然科学版),2023,41(1):200-212.XIN W J,MA J M,WANG Y Q.Evaluation of ecological environment quality
2、 in Guilin City based on RSEIJ.Journal of Guangxi NormalUniversity(Natural Science Edition),2023,41(1):200-212.?基于遥感生态指数的桂林市生态环境质量评价辛文杰1,2,3,马姜明1,2,3,王永琪1,2,3(1.广西漓江流域景观资源保育与可持续利用重点实验室(广西师范大学),广西 桂林 541006;2.广西师范大学 可持续发展创新研究院,广西 桂林 541006;3.珍稀濒危动植物生态与环境保护教育部重点实验室(广西师范大学),广西 桂林 541006)摘 要:生态环境质量的评估监测
3、是联合国可持续发展目标中的重要内容,也是国家可持续发展议程创新示范区建设及绩效评估的重要指标。本文基于 2001、2006、2015、2019 年桂林市的 landsat TM/OLI 遥感影像数据,应用主成分分析法将绿度(NDVI)、湿度(WET)、干度(NDBSI)、热度(LST)4 个指标集成为遥感生态指数(RSEI),对桂林市 20012019年 20 年的生态环境质量进行评估监测。结果表明:RSEI 能够较好地指示桂林市生态环境质量状况,单一指标因子中干度对生态环境质量的影响最大,热度最小;20012019 年桂林市生态环境持续向好,RSEI 均值由 0.51 增至 0.65,增幅达
4、 27.45%,60.10%的区域生态环境质量在变好,并以变好一个等级为主;20 年间各区县生态环境状况均得到改善,其中全州县、灌阳县的改善情况最为突出,RSEI 均值分别提升 0.184、0.182,生态环境质量优良等级面积占比分别增加38.42%、35.27%;桂林市生态环境质量的空间分布格局与其土地利用类型及空间功能区划的调控有重要关系,阳朔县生态环境质量中差和较差等级的分布占据了其生态空间功能区,生态环境监测及保护力度有待加强。关键词:遥感生态指数;生态环境质量;主成分分析;桂林市中图分类号:X826 文献标志码:A 文章编号:1001-6600(2023)01-0200-13良好的生
5、态环境是人类生存及社会经济持续发展的保障,是建设美丽中国,实现高质量发展的底色。城市化进程的快速推进加剧了生态环境退化的风险,对城市生态环境质量进行评估监测能为生态环境保护政策的制定及城市的可持续发展提供导向。城市生态环境质量评价早期研究的数据来源单一,大都来自统计、调查和监测资料。学者们从不同角度构建指标体系,评价方法以统计方法、数学模型为主,包括因子分析法1、模糊评价法2、城市生态环境适宜度模型3及生态环境状况指数4等,但是这些评价方法往往存在指标权重主观性强,评价结果的空间差异性难以有效体现等问题。随着 3S 技术的发展,卫星遥感数据越来越多地应用于生态环境评价领域,如植被指数5-6、地
6、表温度7-8、不透水地表盖度9、干扰指数10等遥感指数的提出显著提高了生态环境的评估效率,很好地弥补了传统半定量评估方法的缺陷11,但是生态系统的影响因素复杂多样,单一生态因子难以全面揭示生态环境的变化情况。针对以上问题,徐涵秋12提出了能快速监测和评价城市生态状况的遥感生态指数(remote sensing based ecological index,RSEI),该指数应用主成分分析法集成了植被指数、湿度分量、建筑指数、地表温度 4 个指标,既避免了早期研究中指标权重赋值的主观性,又避免了仅用单一遥感指数来表征生态环境状况的片面性,以客观可靠、可比性强的优势被广泛应用于城市生态环境评价领域
7、。如程志峰等13运用 RSEI 对苏锡常城市群生态环境质量进行评价,发现建筑类地物的增加是生态环境质量下降的重要原因之一;张乃明等14运用 RSEI 对新疆干旱区博乐市生态环境开展评估,指出荒漠生态建设和绿洲面积的扩大对生态环境的改善有积极影响;茹克亚萨吾提等15运用 RSEI 对阜康收稿日期:2021-10-10 修回日期:2021-12-17基金项目:国家自然科学基金(31660197);广西创新驱动发展(科技重大)专项课题(桂科 AA20161002-1);桂林市科学研究与技术开发计划项目(20190205)通信作者:马姜明(1976),男,江西永新人,广西师范大学教授,博导。E-mai
8、l:http:市生态环境进行监测分析,得出其生态环境质量的快速下降与干旱自然条件下的超负荷开采有重要关系。桂林是典型的喀斯特地貌区,生态环境脆弱,景观资源保育任务繁重,生态资源利用需求的增长与环境实际承载力之间的矛盾日益突出。2018 年桂林市被批准成为首批国家可持续发展议程创新示范区,2020 年底桂林国际旅游胜地基本建成,2021 年习总书记在桂林市视察时指出:“桂林山水甲天下,天生丽质,绿水青山,是大自然赐予中华民族的一块宝地,一定要呵护好。,努力打造世界级旅游城市、宜居城市”,生态环境在桂林城市发展中的重要地位不言而喻。科学地开展生态环境质量评估监测不仅有利于桂林市国家可持续发展议程创
9、新示范区的建设,而且对生态环境保护管理部门的精准施策具有重要的指导意义。但是以往的生态评价研究多服务于旅游资源,以漓江流域或桂林市的部分区县为对象,开展生态安全、生态承载力的研究较多,缺乏对桂林市生态环境状况的长时序监测。为此,本文基于 RSEI 对桂林市 20012019 年的生态环境状况进行评价,分析其时空格局与演变趋势,并揭示其所辖区县的生态环境状况,为桂林市生态环境保护及可持续发展提供科学参考。1 研究区概况与数据源1.1 研究区概况桂林市位于广西壮族自治区东北部,地处湘桂走廊南端,属中亚热带季风气候,光照充足,雨量充沛。地形总体上呈北高南低的趋势,地貌类型多样,可分为中山、低山、丘陵
10、、岩溶石山和河谷平原 5 大类,是“中国南方喀斯特”系列的重要地貌形态之一。河流水系发达,为典型的雨源型山区河流。全市下辖 6 区10 县,代管荔浦市,其中 6 区包括秀峰区、叠彩区、七星区、象山区、雁山区、临桂区,以下简称为“六城区”。年鉴资料显示,2018 年桂林土地总面积达 27 809 km2,其行政区高程图如图 1 所示。1.2 数据来源及预处理研究所选用的基础数据来自美国地质勘测局(http:glovis.usgs.gov/),包括 2001 年、2006 年的landsat-5 TM 影像及 2015 年、2019 年的 landsat-8 OLI 影像,空间分辨率 30 m。所
11、选影像在研究区范围内云量较少,成像时间相近,季节差异性小,保证了研究结果在时间序列上的可比性(表 1)。在 ENVI 5.3 中对每景影像进行辐射定标、大气校正、几何校正,并完成影像镶嵌及研究区的裁剪等预处理工作,其中大气校正采用 FLASSH 模型,几何校正采用二次多项式和最近邻法,保证均方根误差小于 0.5。此外,桂林全市河流包括桂江、湘江、资江等大大小小的河流 100 余条,为了尽可能避免水体对主成分载荷分布的影响,采用 MNDWI 指数16提取水体信息,对研究区的水体进行掩膜处理。2 研究方法2.1 遥感生态指数各分量指标的计算2.1.1 绿度指标归一化植被指数(normalized
12、differential vegetation index,NDVI)利用了绿色植被分别在红光波段、近红外波段表现出的高吸收率、高反射率特征,常用于植被监测17,能直观地反映地表植被的覆盖度,是快速获取植被生长状况的有效手段18-19,在此用以表征绿度,公式为:INDVI=NIR-Red()/NIR+Red()。(1)式中:INDVI为绿度;NIR、Red分别代表近红外波段、红外波段的光谱反射率。2.1.2 湿度指标湿度指数(WET)用的是遥感缨帽变换得到的湿度分量,较好地反映了地表植被和土壤的水分信息,公式为20:IWET,TM=0.031 5Blue+0.202 1Green+0.310
13、2Red+0.159 4NIR-0.680 6SWIR1-0.610 9SWIR2,(2)IWET,OLI=0.151 1Blue+0.197 2Green+0.328 3Red+0.340 7NIR-0.711 7SWIR1-0.455 9SWIR2。(3)102广西师范大学学报(自然科学版),2023,41(1)式中:IWET为温度指数;Blue、Green、SWIR1、SWIR2分别代表蓝波、绿波、短波红外 1、短波红外 2 的光谱反射率。底图审图号:桂 S(2020)48 号图 1 桂林市概况示意Fig.1 Overview of Guilin City 表 1 遥感影像数据Tab.1
14、 Remote sensing image data传感器类型轨道号成像时间云量/%TM124/0422001-11-260124/0432001-11-260125/0422001-11-170125/0432001-11-170124/0422006-11-080124/0432006-11-080125/0422006-10-3013.00125/0432006-10-302.00OLI124/0422015-10-160124/0432015-10-160.01125/0422015-10-231.66125/0432015-10-233.47124/0422019-11-120.13
15、124/0432019-11-125.27125/0422019-10-020.75125/0432019-10-021.232.1.3 干度指标建筑物-裸土指数(normalized differential building-soil index,NDBSI)囊括了城市建筑和裸土的信息,由裸土指数(ISI)21和建筑指数(IIBI)22综合算出,在此用以表征干度,公式为:ISI=SWIR1+Red()-Blue+NIR()/SWIR1+Red()-Blue+NIR(),(4)IIBI=2SWIR1SWIR1+NIR-NIRNIR+Red+GreenGreen+SWIR1()|/2SWIR1
16、SWIR1+NIR+NIRNIR+Red+GreenGreen+SWIR1()|,(5)INDBSI=ISI+IIBI()/2。(6)2.1.4 热度指标采用大气校正法反演地表温度(land surface temperature,LST)23-24,用以表征热度,其中地表比辐射率的计算参考覃志豪等25提出的综合考虑自然表面、水面和城镇 3 类地表覆盖类型的方法,公式为:L6/10=GgainDDN+Bbias,(7)FV=INDVI-INDVI,s()/INDVI,v-INDVI,s(),(8)surf=0.962 5+0.061 4FV-0.046 1FV2,(9)build=0.958 9+0.086 0FV-0.067 1FV2,(10)T=L6/10-L-(1-)L/,(11)TLST=K2/ln K1/T+1()。(12)式中:L6/10为热红外波段(TM、OLI 影像分别对应第 6、10 波段)的辐射值;DDN表示像元灰度值;Ggain和 Bbias可在影像头文件中获取,分别表示波段增益值、偏置值;FV表示植被覆盖度;INDVI,s和 INDVI,V表示无植被和纯植被像元