基于遥感生态指数的武汉市生态环境质量评估

李红星 黄解军 梁友嘉 王欢 张一驰

引用本文:
Citation:

基于遥感生态指数的武汉市生态环境质量评估

    作者简介: 李红星(1993−),男,江西人,硕士生,主要从事生态环境评价研究. E-mail:yglihongxing@163.com;
    通讯作者: 黄解军, hjj@whut.edu.cn
  • 中图分类号: X171.1

Evaluating the quality of ecological environment in Wuhan based on remote sensing ecological index

    Corresponding author: HUANG Jie-jun, hjj@whut.edu.cn ;
  • CLC number: X171.1

  • 摘要: 生态环境质量是影响城市宜居水平的一项重要内容,基于遥感技术可以对生态环境质量进行快速评价,为城市生态环境保护和治理提供科学依据. 从遥感影像中提取归一化植被指数、湿度指数、地表温度、归一化建筑物-裸土指数表示绿度、湿度、干度、热度4大生态要素,然后利用主成分分析的方法将其耦合,建立遥感生态指数(RSEI)综合评价模型,对武汉市2005—2015年的生态环境质量进行评估. 结果表明:研究期间武汉市遥感生态指数等级一般及以上区域面积占比均达80%左右,体现武汉市整体生态坏境质量较好,植被覆盖度较高,生物多样性较丰富. 2005、2010年和2015年,武汉市的RSEI指数均值分别为0.60、0.55、0.53,生态质量为优良等级的区域面积所占比例从2005年的54.40%,下降到2010年的47.63%和2015年的42.44%,全市生态环境质量随着城镇化进程有所下降,但下降趋势逐步放缓,说明武汉市的生态环境保护工作取得一定成效. 在空间上,武汉市生态质量差或者较差的区域主要集中在中心城区,且有沿长江和汉江不断向外扩张的趋势,与遥感影像中城市建设用地扩张方向相吻合.
  • 图 1  武汉市位置示意图

    Figure 1.  The location of Wuhan, China

    图 2  2005—2015年武汉市生态环境质量分级图

    Figure 2.  Ecological quality classification map from 2005 to 2015 in Wuhan

    图 3  武汉市生态环境质量变化

    Figure 3.  Change of eco-environmental quality in Wuhan

    表 1  遥感生态指数等级划分

    Table 1.  The ecological environment situation scale

    级别指数特征描述
    差(0<RSEI≤0.2)植被覆盖度低,干旱少雨,岩石裸露,土壤干化,人类生活明显受到限制.
    较差(0.2<RSEI≤0.4)植被覆盖度较低,干旱少雨,物种较少,存在明显的限制人类生活的因素.
    一般(0.4<RSEI≤0.6)植被覆盖度中等,雨量适中,较适合人类生活,存在限制人类生存的因子.
    良(0.6<RSEI≤0.8)植被覆盖度较高,生物多样性较丰富,土壤有机质较丰富,气候适宜,适合人类居住.
    优(0.8<RSEI≤1.0)植被覆盖度高,生物多样性丰富,土壤有机质丰富,气候湿润怡人,生态环境稳定.
    下载: 导出CSV

    表 2  指标主成分分析结果

    Table 2.  Result of principal component analysis

    时间参量第1主成分(PC1)第2主成分(PC2)第3主成分(PC3)第4主成分(PC4)
    2005年绿度(NDVI)0.58−0.43−0.180.00
    湿度(WET)0.330.63−0.640.05
    干度(NDBSI)−0.500.47−0.310.27
    热度(LTS)−0.58−0.65−0.65−0.06
    特征值3.750.160.070.03
    贡献率/%93.643.882.080.04
    2010年绿度(NDVI)0.500.01−0.940.14
    湿度(WET)0.23−0.550.02−0.67
    干度(NDBSI)−0.40−0.83−0.030.51
    热度(LTS)−0.630.100.000.54
    特征值3.850.260.020.00
    贡献率/%95.224.270.380.13
    2015年绿度(NDVI)0.66−0.11−0.02−0.84
    湿度(WET)0.300.480.63−0.02
    干度(NDBSI)−0.430.160.620.00
    热度(LTS)−0.65−0.740.330.00
    特征值3.820.280.020.00
    贡献率/%94.595.080.460.17
    下载: 导出CSV

    表 3  2005—2015武汉市生态环境质量评价等级面积统计

    Table 3.  Area statistics of RSEI level from 2005 to 2015 in Wuhan

    生态等级2005年2010年2015年
    面积/km2面积比/%面积/km2面积比/%面积/km2面积比/%
    146.921.75209.032.49262.373.13
    较差1 021.7212.171263.9715.061 440.6017.17
    一般2 656.6231.662 912.6834.713127.3337.26
    3 499.5641.703 118.1437.152 904.6434.61
    1 067.4312.72888.6610.59657.077.83
    合计8 392.25100.008 392.48100.008 392.01100.00
    下载: 导出CSV

    表 4  2005—2015武汉市遥感生态指数等级变化

    Table 4.  Remote sensing ecological index level change from 2005 to 2015 in Wuhan

    类别级差级面积/km2级比例/%
    变差−48.870.11
    −3153.161.83
    −2847.0610.10
    −12 300.2327.41
    不变 02 983.2035.55
    变好 11 665.9619.86
    2393.914.69
    337.030.44
    41.130.01
    下载: 导出CSV
  • [1] 甘淑, 何大明. 云南高原山地生态环境现状初步评价[J]. 云南大学学报: 自然科学版, 2006, 28(2): 161-165. DOI:  10.3321/j.issn:0258-7971.2006.02.014. Gan S, He D M. Assessment on eco-environment background of Yunnan plateau mountain region[J]. Journal of Yunnan University: Natural Sciences Edition, 2006, 28(2): 161-165.
    [2] Sfriso A, Facca C, Ghetti P F. Validation of the Macrophyte Quality Index (MaQI) set up to assess the ecological status of Italian marine transitional environments[J]. Hydrobiologia, 2009, 617(1): 117-141. DOI:  10.1007/s10750-008-9540-8.
    [3] Kim J H, Yeom D H, Kim J H, et al. New ecological health assessment approaches of an urban stream using molecular and physiological level biomarkers and bioindicators[J]. Animal Cells and Systems, 2012, 16(4): 1-8.
    [4] 姚尧, 王世新, 周艺, 等. 生态环境状况指数模型在全国生态环境质量评价的应用[J]. 遥感信息, 2012, 27(3): 93-98. DOI:  10.3969/j.issn.1000-3177.2012.03.016. Yao R, Wang S X, Zhou Y, et al. The application of ecological environment index model on national evaluation of ecological environment quality[J]. Remote Sensing Information, 2012, 27(3): 93-98.
    [5] 刘建红, 徐建军, 李诚, 等. 基于遥感更新的省级生物丰度归一化系数研究—以湖北省为例[J]. 江汉大学学报: 自然科学版, 2007, 35(4): 46-50. Liu J H, Xu J J, Li C, et al. Study on normalized coefficient of provincial organism abundance based on RS data updating: Hubei Province as an example[J]. Journal of Jianghan University: Natural Sciences Edition, 2007, 35(4): 46-50.
    [6] 吴志杰, 王猛猛, 陈绍杰, 等. 基于遥感生态指数的永定矿区生态变化监测与评价[J]. 生态科学, 2016, 35(5): 200-207. Wu Z J, Wang M M, Chen S J, et al. Monitoring and evaluation of ecological change in Yongding mining area based on remote sensing ecological index[J]. Ecological Science, 2016, 35(5): 200-207.
    [7] 李粉玲, 常庆瑞, 申健, 等. 黄土高原沟壑区生态环境状况遥感动态监测-以陕西省富县为例[J]. 应用生态学报, 2015, 26(12): 3 811-3 817. Li F L, Chang Q R, Shen J, et al. Dynamic monitoring of ecological environment in loess hilly and gully region of Loess Plateau based on remote sensing: A case study on Fuxian County in Shaanxi Province, Northwest China[J]. Chinese Journal of Applied Ecology, 2015, 26(12): 3 811-3 817.
    [8] Gao Y, Huang J, Li S, et al. Spatial pattern of non-stationarity and scale-dependent relationships between NDVI and climatic factors-A case study in Qinghai-Tibet Plateau, China[J]. Ecological Indicators, 2012, 20(7): 170-176.
    [9] 王丽春, 焦黎, 来风兵, 等. 基于遥感生态指数的新疆玛纳斯湖湿地生态变化评价[J]. 生态学报, 2019, 39(8): 1-9. Wang L C, Jiao L, Lai F B, et al. Evaluation of ecological changes based on remote sensing ecological index in Manas Lake wetland, Xinjiang[J]. Acta Ecologica Sinica, 2019, 39(8): 1-9.
    [10] 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. DOI:  10.3969/j.issn.1000-6923.2013.05.019. Xu H Q. A remote sensing index for assessment of regional ecological changes[J]. China Environmental Science, 2013, 33(5): 889-897.
    [11] Crist E P. A TM tasseled cap equivalent transformation for reflectance factor data[J]. Remote sensing of Environment, 1985, 17(3): 1-6.
    [12] Huang C, Wylie B, Yang L, et al. Derivation of a tasseled cap transformation based on Landsat 7 at satellite reflectance[J]. International Journal of Remote Sensing, 2002, 23(8): 1741-1748. DOI:  10.1080/01431160110106113.
    [13] Chen C, Fu J Q, Zhang S, et al. Coastline information extraction based on the tasseled cap transformation of Landsat-8 OLI images[J]. Estuarine, Coastal and Shelf Science, 2019, 271(5): 281-291.
    [14] 李增加, 马友鑫. 利用Landsat影像热红外波段反演西双版纳勐仑地区地表温度的方法初探[J]. 云南大学学报: 自然科学版, 2008, 30(S1): 373-376.

    Li Z J, Ma Y X. A study on retrieving land surface temperature of Menglun region in Xishuangbanna based on Landsat TM/ETM+ thermal band[J]. Journal of Yunnan University: Natural Sciences Edition, 2008, 30(S1): 373-376.
    [15] 覃志豪, Zhang M H, Karnieli A, 等. 用陆地卫星TM6数据演算地表温度的单窗算法[J]. 地理学报, 2001, 56(4): 456-466. DOI:  10.11821/xb200104009. Qin Z H, Zhang M H, Karnieli A, et al. Mono-window Algorithm for retrieving land surface temperature form Landsat TM6 data[J]. Acta Geographica Sinica, 2001, 56(4): 456-466.
    [16] Juan C, Jiménez‐Muñoz, José A, et al. A generalized single-channel method for retrieving land surface temperature from remote sensing data[J]. Journal of Geophysical Research: Atmospheres, 2003, 108(D22): 4688. DOI:  10.1029/2003JD003480.
    [17] 覃志豪, 李文娟, 徐斌, 等. 陆地卫星TM6波段范围内地表比辐射率的估计[J]. 国土资源遥感, 2004, 16(3): 28-32. DOI:  10.3969/j.issn.1001-070X.2004.03.007. Qin Z H, Li W J, Xu B, et al. The estimation of land surface emissivity for Landsat TM6[J]. Remote Sensing for Land & Resources, 2004, 16(3): 28-32.
    [18] Rikimaru A, Roy PS, Miyatake S. Tropical forest cover density mapping[J]. Tropical Ecology, 2002, 43(1): 39-47.
    [19] 王帅, 徐涵秋, 唐菲, 等. 基于IBI和CA模型的城市建成区提取及其应用—以上海市为例[J]. 遥感技术与应用, 2017, 32(6): 1 161-1 170. Wang S, Xu H Q, Tang F, et al. IBI and CA Model based extraction of urban built-up area and its application: A case study in Shanghai[J]. Remote Sensing Technology and Application, 2017, 32(6): 1 161-1 170.
    [20] 刘智才, 徐涵秋, 李乐, 等. 基于遥感生态指数的杭州市城市生态变化[J]. 应用基础与工程科学学报, 2015, 23(4): 728-739. Liu Z C, Xu H Q, Li L, et al. Ecological changes in the Hangzhou area using the remote sensing based ecological index[J]. Journal of Science and Engineering, 2015, 23(4): 728-739.
    [21] 中华人民共和国生态环境部. 生态环境状况评价技术规范(试行)HJ/T 192—2006[S]. 北京: 中国环境出版集团, 2015.

    Ministry of Ecological Environment of the People's Republic of China. Technical criterion for eco-environmental status evaluation(trial implementation) HJ/T 192—2006[S]. Beijing: China Environment Publishing Group, 2015.
    [22] 曹小雪. 1961-2012年武汉市气候变化特征分析[D]. 武汉: 华中师范大学, 2015.

    Cao X X. Analysis of characteristics of climate change in Wuhan city from 1961 to 2012[D]. Wuhan: Central China Normal University, 2015.
    [23] 孙安昌, 陈涛, 张叙葭, 等. 武汉市1991-2013年城市扩张与地表覆盖变化研究[J]. 地理空间信息, 2016, 14(12): 33-36. Sun A C, Chen T, Zhang X J, et al. Study on urban expansion and land cover change in Wuhan city from 1991 to 2013[J]. Geospatial Information, 2016, 14(12): 33-36.
  • [1] 左璐孙雷刚徐全洪刘剑锋李晓婧鲁军景 . 区域生态环境评价研究综述. 云南大学学报(自然科学版), 2021, 43(4): 806-817. doi: 10.7540/j.ynu.20200484
    [2] 陈晨李素敏王艳英李雁李卫海张泉 . 高分卫星监测下的文山州植被生长环境与时空演变研究. 云南大学学报(自然科学版), 2022, 44(6): 1-11. doi: 10.7540/j.ynu.20210590
    [3] 彭友林陈敬邹挺杨国涛张杰王学春陈永军胡运高 . 杂交水稻亲本材料的产量主成分分析及品质鉴定. 云南大学学报(自然科学版), 2019, 41(1): 181-193. doi: 10.7540/j.ynu.20170717
    [4] 周爱红尹超袁颖 . 基于主成分分析和支持向量机的砂土渗透系数预测模型*. 云南大学学报(自然科学版), 2016, 38(5): 742-749. doi: 10.7540/j.ynu.20150781
    [5] 孜比布拉司马义苏力叶木沙江张泳福 . 喀什市城市生态环境质量评价研究. 云南大学学报(自然科学版), 0, -1978(0): 0- .
    [6] 孜比布拉司马义苏力叶木沙江张泳福 . 喀什市城市生态环境质量评价研究. 云南大学学报(自然科学版), 2011, 33(2): 218-223, .
    [7] 李洪磊王晓敏郑福顺李国花刘珮君胡新华付金军高艳明李建设 . 基于主成分和隶属函数分析的不同果色番茄品种引种初步评价. 云南大学学报(自然科学版), 2021, 43(2): 402-411. doi: 10.7540/j.ynu.20200106
    [8] 刘绍华曲利利白家峰陈义昌王月贾学伟许春平 . 鸢尾根提取物膜分离组分分析及卷烟加香研究. 云南大学学报(自然科学版), 2020, 42(6): 1181-1189. doi: 10.7540/j.ynu.20190501
    [9] 陈兴利 . 催化速差动力学分析法同时测定钼、钨. 云南大学学报(自然科学版), 2016, 38(S1): 109-. doi: 10.7540/j.ynu.20160194
    [10] 周凡阮景军赵丽那严俊赵钢程剑平 . 两个群体燕麦资源β-葡聚糖含量的相关分析. 云南大学学报(自然科学版), 2018, 40(2): 382-388. doi: 10.7540/j.ynu.20170484
    [11] 阮春生徐若飞和智君徐常亮张鸽陈穗云方力 . 云南省不同烟叶的综合评价研究. 云南大学学报(自然科学版), 2009, 31(4): 421-427 .
    [12] 虞双吉苗春生王新 . 极限学习机神经网络在短期降水预报中的应用. 云南大学学报(自然科学版), 2013, 35(4): 507-515. doi: 10.7540/j.ynu.20120670
    [13] 刘洋龙华赵继东杜庆治 . 基于GABP技术的PCA弥苴河水质预测. 云南大学学报(自然科学版), 2017, 39(1): 39-44. doi: 10.7540/j.ynu.20160125
    [14] 王冰陶伟曹杰 . 热带海温对纵向岭谷区5月降水年际变化的影响研究. 云南大学学报(自然科学版), 2007, 29(1): 49-54.
    [15] 王子武靳锦解亚龙郑智捷 . 基于TM影像自动提取昆明城区区域变化信息的应用. 云南大学学报(自然科学版), 2006, 28(6): 492-496,503.
    [16] 曲利利白家峰马扩彦宁振兴刘绍华许春平 . 反应温度对以鸢尾根为原料的美拉德产物分布及卷烟加香的影响. 云南大学学报(自然科学版), 2020, 42(1): 160-171. doi: 10.7540/j.ynu.20190244
    [17] 刘珮君王晓敏李国花郑福顺赵宇飞胡新华付金军高艳明李建设 . 166份番茄种质资源的综合评价. 云南大学学报(自然科学版), 2020, 42(4): 792-803. doi: 10.7540/j.ynu.20190654
    [18] 王晓敏刘珮君郑福顺李洪磊周鹏泽胡新华付金军高艳明李建设 . 宁夏露地夏茬大果番茄杂交组合的综合评价. 云南大学学报(自然科学版), 2022, 44(1): 160-170. doi: 10.7540/j.ynu.20200453
    [19] 刘晶邵玉斌龙华李一民 . 基于GFCC和能量算子倒谱的语种识别. 云南大学学报(自然科学版), 2022, 44(2): 254-261. doi: 10.7540/j.ynu.20210177
    [20] 李海燕余鹏飞周浩 . 基于贝叶斯判别器的面部检测. 云南大学学报(自然科学版), 2006, 28(4): 303-306.
  • 加载中
图(3)表(4)
计量
  • 文章访问数:  6256
  • HTML全文浏览量:  14806
  • PDF下载量:  239
  • 被引次数: 0
出版历程
  • 收稿日期:  2019-04-09
  • 录用日期:  2019-07-19
  • 网络出版日期:  2019-09-25
  • 刊出日期:  2020-01-01

基于遥感生态指数的武汉市生态环境质量评估

    作者简介:李红星(1993−),男,江西人,硕士生,主要从事生态环境评价研究. E-mail:yglihongxing@163.com
    通讯作者: 黄解军, hjj@whut.edu.cn
  • 武汉理工大学 资源与环境工程学院,湖北 武汉 430070

摘要: 生态环境质量是影响城市宜居水平的一项重要内容,基于遥感技术可以对生态环境质量进行快速评价,为城市生态环境保护和治理提供科学依据. 从遥感影像中提取归一化植被指数、湿度指数、地表温度、归一化建筑物-裸土指数表示绿度、湿度、干度、热度4大生态要素,然后利用主成分分析的方法将其耦合,建立遥感生态指数(RSEI)综合评价模型,对武汉市2005—2015年的生态环境质量进行评估. 结果表明:研究期间武汉市遥感生态指数等级一般及以上区域面积占比均达80%左右,体现武汉市整体生态坏境质量较好,植被覆盖度较高,生物多样性较丰富. 2005、2010年和2015年,武汉市的RSEI指数均值分别为0.60、0.55、0.53,生态质量为优良等级的区域面积所占比例从2005年的54.40%,下降到2010年的47.63%和2015年的42.44%,全市生态环境质量随着城镇化进程有所下降,但下降趋势逐步放缓,说明武汉市的生态环境保护工作取得一定成效. 在空间上,武汉市生态质量差或者较差的区域主要集中在中心城区,且有沿长江和汉江不断向外扩张的趋势,与遥感影像中城市建设用地扩张方向相吻合.

English Abstract

  • 良好的区域生态环境是实现地方社会经济可持续发展的根本性基础条件,区域生态环境要素组成、环境容量、开发历史和社会经济现状直接影响着生态环境[1]. 随着城镇化进程的不断加快,城市生态环境问题日益突出,已经影响到城市经济发展和市民生活质量. 对城市生态环境质量评估,了解生态环境状况及掌握其变化规律,不仅有利于促进区域经济可持续发展,而且对于城市生态文明建设具有重要的现实意义和参考价值.

    目前国内外学者从不同的角度对区域生态环境评估开展了大量研究,也提出很多的评价方法. 国外学者对生态环境评估的研究较早,20世纪60年代美国《国家环境政策》法颁布,首次提出环境影响评价的方法. 随着RS技术和GIS技术的发展,许多学者结合二者优势,借助数学方法对生态环境进行定量评价,研究的尺度和范围不断扩大. Sfriso等[2]利用MaQI指数,从生态安全的角度对意大利海洋过度的生态环境进行了评估. Kim等 [3]利用生理水平生物标志物和生物指示剂建立城市溪流的生态健康评估方法. 国内对生态环境的研究以国家环保局在2006年颁布的《生态环境评价技术规范》为基础,该规范提出了耦合生物丰富度指数、环境指数、水网密度指数、植被覆盖指数、土地退化指数等的生态环境状况指数[4](Ecological Environment Index, EI). 大到区域性生态环境评估,小到县级城市生态监测,该指数都得到了广泛应用. 然而,由于不同研究区域气候地质条件的不同,各项指标的权重也应做相应的调整,而EI指数计算过程中权重值固定. 针对这一问题,刘建红等[5]计算出1995年和2000年的湖北省省级生物丰度归一化系数,并对不同尺度的归一化系数进行分析和研究,反映出湖北省生物丰度的区域分异规律. EI指数评价生态环境质量以城市单元为主要对象,数据来自于城市的统计数据,还存在数据获取和更新,难以在大尺度下实现对生态环境状况的快速评估等问题[6].

    遥感生态指数(Remote Sensing Ecological Index, RSEI)基于遥感技术,耦合了反演得到的植被指数、湿度指数、地表温度和建筑物-裸土指数,能对区域环境进行快速监测和评价,可实现对区域生态环境变化的可视化、时空分析及变化趋势预测,同时弥补EI指数存在的不足. 因此,本文利用遥感生态指数对武汉市2005—2015年的生态环境质量进行评估,研究10年间汉市生态质量状况及其时空变化,从经济社会发展和自然条件等因素探讨生态环境变化的原因,为武汉市生态环境建设提供理论指导和科学依据.

    • 武汉是湖北省省会城市,地理位置为29°58′~31°22′N,113°41′~115°05′E,地处江汉平原东部、长江中游,全市下辖6个中心城区和7个远城区(图1),辖区总面积8 494.41 km2,常住人口达1 091万. 该市地势东高西低,南高北低,长江、汉江在此处交汇,形成“两江三镇”的地理格局. 武汉市属于亚热带湿润季风气候,全年雨量充沛,热量充足,年平均气温15.8~17.5 ℃,生态资源丰富,植物种类繁多,兼具南方和北方植物区系成分,全市有近40%的绿化覆盖率,人均绿地超过10 m2. 这些生态资源是武汉建设生态文明城市的重要资源,也是生态环境保护的重点对象.

      图  1  武汉市位置示意图

      Figure 1.  The location of Wuhan, China

    • 本文的遥感影像来自于美国地质调查局网站(https://glovis.usgs.gov/). 为了降低季节不同引起的地表干湿度和植被生长状态的差异,选取3景云量少(均小于10%),且季节均为夏秋季的Landsat影像,获取日期分别为2005年9月11日(Landsat 5 TM影像数据),2010年9月6日(Landsat 5 TM影像数据),2015年8月22日(Lndsat 8 OIL/TIRS). 由于不同时相的影像存在地形上的差异,且光照和大气因素也会对地表反射率存在影响,在计算各分指标和遥感生态指数之前,需要对3景影像进行辐射定标、大气校正、几何校正等预处理. 利用FLAASH模型进行大气校正,消除大气吸收和大气散射造成的辐射误差;采用二次多项式和最邻近法[7]对影像进行几何校正,控制均方根误差(RMS)<0.5,同时利用武汉市行政区划矢量数据裁剪出研究区预处理后的影像. 其他数据包括武汉市行政区划图,武汉市DEM数据,来自于地理空间数据云(http://www.gscloud.cn/)和地理国情监测云平台(http://www.dsac.cn/).

    • 遥感生态指数(RSEI)基于遥感技术、耦合与生态环境质量优劣直接相关的湿度、绿度、干度和热度指标,能直观快速地评价生态环境状况,是一种以自然因子为主的生态环境质量评价体系. 利用遥感影像技术,可以分别获取湿度指数(WET)、归一化植被指数[8](Normalized Differential Vegetation Index, NDVI)、建筑物-裸土指数[9](Normalized Differential Building-Soil Index, NDBSI)和地表温度(Land Surface Temperature, LST),来表示湿度、绿度、干度和热度4大生态要素. 通过对各个分量指标进行标准化消除量纲上的差异,然后利用主成分分析法确定各指标的权重,建立遥感生态指数评价模型,既避免人为主观因素对权重设置的干扰,同时又克服了传统的EI指数中各分量指标不易获取的缺点,能对区域生态环境进行快速、客观、定量的评价. RSEI遥感生态指数可以用含有4个分量指标的函数[10]表示:

      $ {\rm{RSEI}} = f\left( {{\rm{WET}},{\rm{NDVI}},{\rm{LST}},{\rm{NDBSI}}} \right), $

      式中:WET代表湿度指数,NDVI代表植被指数,LST代表地表温度,NDBSI代表建筑物-裸土指数.

    • 湿度指标与生态环境质量密切相关,湿度低表明土地退化严重,植被覆盖低,生态环境差;湿度高表明土壤水分充足,地表植被覆盖丰富,生态环境好. 缨帽变换是一种对数据压缩和去冗余的技术,通过此变换所得出的湿度分量可以反映土壤和植被的湿度,已经广泛运用在生态环境监测中[11]. 本文湿度指标以WET分量表示,由于landsat5影像和Landsat8影像的传感器不同,其湿度指标的提取公式[12-13]各不相同,分别如下:

      TM数据:

      $ {\rm{WET}} = 0.031\;5{\rho _{{\rm{blue}}}} + 0.202\;1{\rho _{{\rm{green}}}} + 0.310\;2{\rho _{{\rm{red}}}} +0.159\;4{\rho _{{\rm{nir}}}} - 0.680\;6{\rho _{{\rm{swir}}1}} - 0.610\;9{\rho _{{\rm{swir}}2}}, $

      OLI数据:

      $ {\rm{WET}} =0.151\;1{\rho _{{\rm{blue}}}} + 0.197\;3{\rho _{{\rm{green}}}} + 0.328\;3{\rho _{{\rm{red}}}} + 0.340\;7{\rho _{{\rm{nir}}}} - 0.717\;1{\rho _{{\rm{swir}}1}} - 0.455\;9{\rho _{{\rm{swir}}2}}, $

      式中:${\rho _{{\rm{blue}}}}$${\rho _{{\rm{green}}}}$${\rho _{{\rm{red}}}}$${\rho _{{\rm{nir}}}}$${\rho _{{\rm{swir}}1}}$${\rho _{{\rm{swir}}2}}$ 分别为TM和OLI影像蓝、绿、红、近红外、短波红外1、短波红外2波段的反射率.

    • 植被长势能够直接反映出区域生态环境状况,归一化植被指数(NDVI)是利用植物叶面在红光波段有较强的吸收,在近红外波段有较强的反射这一特性进行组合而成,是反映植物生长状态以及植被分布密度最明显、有效的度量,在区域土地覆盖、生态环境变化和植被分类中已经得到广泛运用. 因此可以选用NDVI来代表绿度指标,其提取公式如下:

      $ {\rm{NDVI}} = \left( {{\rho _{{\rm{nir}}}} - {\rho _{{\rm{red}}}}} \right)/\left( {{\rho _{{\rm{nir}}}} + {\rho _{{\rm{red}}}}} \right), $

      式中:${\rho _{{\rm{nir}}}}$ 代表TM和OLI影像数据中的近红外波段的反射率,${\rho _{{\rm{red}}}}$ 代表TM和OLI影像数据中的红波段反射率.

    • 热污染已经成为城市主要污染之一,目前的研究主要集中在城市热岛形成机理及时空演变,在生态环境评估方面运用较少. 地表温度(LST)与植被生长状况、农作物产量、地表水循环、城镇化等自然、人文现象及过程密切相关,可作为热度指标反应地表生态环境状况. 利用热红外技术对地表温度进行反演的算法有很多,主要包括大气校正法[14]、单窗算法[15]和单通道算法[16]等. 通过与实际地表温度进行对比发现,大气校正法反演的地表温度与实际测量地表温度误差在1 ℃之内,精度可以满足研究需要,所以采用此方法对武汉市地表温度进行反演,提取公式如下:

      $ {L_\lambda } = {\rm {Gain}}\times{\rm{DN}} + {\rm{Bias}}, $

      $B\left( {{T_{\rm{s}}}} \right) = \left[ {{L_\lambda } - {L_ \downarrow } - \tau \left( {1 - \varepsilon } \right){L_ \uparrow }} \right]/\tau \varepsilon , $

      式中:Gain,Bias分别代表增益和偏置,${L_\lambda }$ 为传感器辐射亮度,$B\left( {{T_{\rm{s}}}} \right)$ 为黑体热辐射亮度. $\tau $ 为大气在热红外波段透射率,${L_ \uparrow },{L_ \uparrow }$ 分别为大气向上、向下辐射量度,具体值可以通过美国国家航空航天局提供的网站查询获取.

      最后利用普朗克公式对地表温度 $T_{\rm{s}}$ 进行求解:

      $ {T_{\rm{s}}} = {K_2}/\ln \left( {\dfrac{{{K_1}}}{{B\left( {{T_{\rm{s}}}} \right)}} + 1} \right), $

      式中:${T_{\rm{s}}}$ 表示地表的真实温度(单位:K),${K_1},{K_2}$ 为定标参数. $\varepsilon $ 为地表比辐射率,根据覃志豪等[17]提出的利用归一化植被指数进行估算,将地表分为水体、自然表面和城镇区域. 设水体像元的地表比辐射率为0.995,则自然表面和城镇区域像元的地表比辐射率计算公式如下:

      $ {\varepsilon _{\rm s}} = 0.962\;5 + 0.614{F_{\rm v}} - 0.046\;1{F_{\rm v}}^2, $

      $ {\varepsilon _{\rm b}} = 0.958\;9 + 0.086{F_{\rm v}} - 0.067\;1{F_{\rm v}}^2, $

      其中:${F_{\rm v}}$ 为植被覆盖度可由NDVI比值计算,由于Landsat5和Landsat8传感器的不同,所以这些参数值大小也不同. 对于Landsat5数据:$ {\rm {Gain}} \!=\! 0.056\;{\rm W}/$$\left( {{{\rm{m}}^2}\cdot{{\rm{sr}}}\cdot{{\text{µ}}\rm{m}}} \right)$${\rm{Bias}} \!=\! 1.18\;{\rm W}/\left( {{{\rm{m}}^2}\cdot{{\rm{sr}}}\cdot{{\text{µ}}\rm{m}}} \right)$${K_1} \!=\! 607.76\;W/\left( {{\rm{m}}^2}\cdot\right. $$\left.{{\rm{sr}}}\cdot{{\text{µ}}\rm{ m}} \right)$${K_2} \!=\! 1\;260.56\;{\rm{K}}$;而Landsat8数据:$ {\rm{Gain}} =$$ 3.342\;0\! \times \!{10^{ - 4}}\;{\rm W}/\left( {{{\rm{m}}^2}\!\cdot\!{{\rm{sr}}}\!\cdot\!{\text{µ}\rm{m}}} \right)$${\rm{Bisa}}\! = \!1.18\;{\rm W}/\left( {{{\rm{m}}^2}\!\cdot\!{{\rm{sr}}}\!\cdot\!{\text{µ}\rm{m}}} \right)$${K_1} = 774.89\;{\rm W}/ $$\left( {{{\rm{m}}^2}\cdot{{\rm{sr}}}\cdot{\text{µ}\rm{ m}}} \right)$${K_2} = 1\;321.06\;{\rm K}$.

    • 干度指标是对土壤干化的量化,而土壤干化会对区域生态环境造成严重的影响,进而破坏整个生态系统. 植被覆盖稀疏的地表(岩石、沙地、裸土等)风化、沙化等自然进程是造成土壤干化的主要原因,考虑到研究区域存在大部分的城市建设用地,所以干度指标可以由裸土指数(SI)[18]和建筑物指数(IBI)[19]组合成归一化建筑物-裸土指数表示,在组合的过程中通常是直接对SI和IBI进行算术平均,忽视了各自对干度影响的强度,存在一定的局限性. 本文提出通过设定适当的阈值大小提取裸土和建筑物面积,然后以面积比值为权重参考标准进行加权平均计算NDBSI指数.

      裸土指数:

      $ {\rm{SI}} = \left[ {\left( {{\rho _{{\rm{swir}}1}} + {\rho _{{\rm{red}}}}} \right) - \left( {{\rho _{{\rm{blue}}}} + {\rho _{{\rm{nir}}}}} \right)} \right]/ \left[ {\left( {{\rho _{{\rm{swir}}1}} + {\rho _{{\rm{red}}}}} \right) + \left( {{\rho _{{\rm{blue}}}} + {\rho _{{\rm{nir}}}}} \right)} \right], $

      建筑物指数:

      $ {\rm{IBI}} = \frac{{2{\rho _{{\rm{swir}}2}}/\left( {{\rho _{{\rm{swir}}1}} + {\rho _{{\rm{nir}}}}} \right) - \left[ {{\rho _{{\rm{nir}}}}/({\rho _{{\rm{red}}}} + {\rho _{{\rm{nir}})}} + {\rho _{{\rm{green}}}}/\left( {{\rho _{{\rm{swir}}1}} + {\rho _{{\rm{green}}}}} \right)} \right]}}{{2{\rho _{{\rm{swir}}2}}/\left( {{\rho _{{\rm{swir}}1}} + {\rho _{{\rm{nir}}}}} \right) + \left[ {{\rho _{{\rm{nir}}}}/\left( {{\rho _{{\rm{red}}}} + {\rho _{{\rm{nir}}}}} \right) + {\rho _{{\rm{green}}}}/\left( {{\rho _{{\rm{swir}}1}} + {\rho _{{\rm{green}}}}} \right)} \right]}}, $

      干度指标(NDBSI):

      ${\rm{NDBSI}} = \alpha \cdot{\rm{SI}} + \beta \cdot{\rm{IBI}}, $

      式中:${\rho _{{\rm{green}}}}$${\rho _{{\rm{blue}}}}$${\rho _{{\rm{red}}}}$${\rho _{{\rm{nir}}}}$${\rho _{{\rm{swir}}1}}$${\rho _{{\rm{swir}}2}}$ 分别为TM和OLI影像绿、蓝、红、近红外、中红外1、中红外2波段的反射率值,$\alpha $$\beta $ 分别为SI和IBI的权重系数.

    • 遥感生态指数(RSEI)是基于湿度、绿度、热度和干度的综合性生态环境评价指标,由于各分量在数值单位和大小上的差异,在综合之前需要进行标准化处理,消除量纲上的差异,公式如下:

      $ N = \left( {I - {I_{{\rm{min}}}}} \right)/\left( {{I_{{\rm{max}}}} - {I_{{\rm{min}}}}} \right), $

      式中:N是标准化后的指标值,I为该指标数值的大小,${I_{{\rm{min}}}}$${I_{{\rm{max}}}}$ 分别为各指标中的最小值和最大值.

      对各分量指标标准化后,利用主成分分析法求出各主成分的方差贡献率,然后作为各分量指标的权重,将4个分量指标转换为原始的遥感生态指数[20],提取公式如下:

      $ {\rm{RESI}} = \mathop \sum _{i = 1}^m {a_i}{{\rm{PC}}_i} = \mathop \sum _{j = 1}^n {w_j}{I_j}, $

      式中:mn分别表示主成分和分量指标的个数;${a_i}$ 为主成分的方法贡献度;${\rm{PC}}_i$ 表示各分量指标的主成分;${w_j}$ 表示分量指标的权重;${I_j}$ 表示分量指标标准化值. 利用公式(13)将原始的遥感生态指数(RSEI)进行标准化,然后取值区间为[0, 1],值越接近1,说明生态环境质量越好. 根据《生态环境评价技术规范》生态环境分级标准[21],将遥感生态指数划分为5个等级,如表1所示.

      级别指数特征描述
      差(0<RSEI≤0.2)植被覆盖度低,干旱少雨,岩石裸露,土壤干化,人类生活明显受到限制.
      较差(0.2<RSEI≤0.4)植被覆盖度较低,干旱少雨,物种较少,存在明显的限制人类生活的因素.
      一般(0.4<RSEI≤0.6)植被覆盖度中等,雨量适中,较适合人类生活,存在限制人类生存的因子.
      良(0.6<RSEI≤0.8)植被覆盖度较高,生物多样性较丰富,土壤有机质较丰富,气候适宜,适合人类居住.
      优(0.8<RSEI≤1.0)植被覆盖度高,生物多样性丰富,土壤有机质丰富,气候湿润怡人,生态环境稳定.

      表 1  遥感生态指数等级划分

      Table 1.  The ecological environment situation scale

    • 由武汉市2005、2010年和2015年4个分量指标的主成分分析结果可知(表2),第1主成分特征值贡献度分别为93.64%、95.22%、94.59%(均超过85%),代表各指标的绝大部分信息,即利用合成的第1主成分来代替绿度、湿度、干度和热度4个分量指标. 以方差贡献率作为各分量指标权重,可在一定程度上避免人为主观因素对各指标合成的干扰,并利用该权重合成遥感生态指数(RSEI)综合评价模型,对武汉市的生态环境进行评估分析.

      时间参量第1主成分(PC1)第2主成分(PC2)第3主成分(PC3)第4主成分(PC4)
      2005年绿度(NDVI)0.58−0.43−0.180.00
      湿度(WET)0.330.63−0.640.05
      干度(NDBSI)−0.500.47−0.310.27
      热度(LTS)−0.58−0.65−0.65−0.06
      特征值3.750.160.070.03
      贡献率/%93.643.882.080.04
      2010年绿度(NDVI)0.500.01−0.940.14
      湿度(WET)0.23−0.550.02−0.67
      干度(NDBSI)−0.40−0.83−0.030.51
      热度(LTS)−0.630.100.000.54
      特征值3.850.260.020.00
      贡献率/%95.224.270.380.13
      2015年绿度(NDVI)0.66−0.11−0.02−0.84
      湿度(WET)0.300.480.63−0.02
      干度(NDBSI)−0.430.160.620.00
      热度(LTS)−0.65−0.740.330.00
      特征值3.820.280.020.00
      贡献率/%94.595.080.460.17

      表 2  指标主成分分析结果

      Table 2.  Result of principal component analysis

      就各分量指标而言,绿度指标贡献率在研究期间有先下降再上升的变化趋势,说明武汉市植被覆盖状况在前5年是恶化的,对整体生态环境的影响相比与其他指标变弱. 近年来,武汉市生态环境保护力度不断加强,植被覆盖有所好转,对整体生态环境的影响较其它指标变强. 热度指标贡献率持续上升,说明研究期间武汉市地表温度一直升高,与曹小雪[22]对武汉市气候特征研究相符合,这与城市的热岛现象有关,造成热度指标对遥感生态指数评价模型的影响较其他指标增强. 各年第1主成分中的绿度指标(NDVI)和湿度指标(WET)均为正值,说明二者对生态坏境有正向作用;干度指标(NDBSI)和热度指标(LTS)均为负值,说明二者对环境有负面影响. 绿度和湿度指标越大,说明该区域的地表植被覆盖度高,土壤水分充足,生态环境质量越好. 干度和热度值越高,说明地表植被覆盖稀疏、岩石裸露、土壤沙化、风化和城镇化等地表硬化问题严重,生态环境质量越差. 其他主成分各指标参数值的正负和大小均没有明显的变化规律,不能揭示生态环境优劣的内在机理,因此本文只利用第1主成分贡献率构建遥感生态指数(RSEI).

    • 武汉市2005—2015年遥感生态指数(RSEI)均值和各评价等级所占的面积大小及百分比见表3. 从整体来看,研究期间遥感生态指数评级为一般和良的面积占比最高(>30%),且评级为一般及以上面积比例分别为86.08%、82.44%、79.71%,说明2005—2015武汉市生态环境处于稳定,属较好的状态. 从单一年份来看,2005年生态环境等级为良的占比最高,达到41.70%;生态环境等级为差的占比最少,面积仅为146.92 km2,低于整体面积的2%;评级为较差和优的面积基本相同,比例约占12%. 2010年,生态环境评级面积占比最高的仍然是良,但是较2005年占比有所下降(为37.15%),面积为3 118.14 km2;评级为差的面积占比最少,占比2.50%. 2015年,生态环境评级一般占比最高,为37.27%,面积达3 127.33 km2;差占比最低,为3.13%. 从研究期间变化趋势看,2005年、2010年、2015年武汉市遥感生态指数(RSEI)均值逐年下降,分别为0.60、0.55、0.53,说明武汉市的生态环境不断恶化,但恶化的趋势已经得到有效的遏制,这可能与该市经济的快速发展有关. 根据武汉市统计局数据,全市生产总值由1978年的39.91亿元跃升至2017年的13 410.34亿元,常住人口由2004年的858万增加到2014年的1 033万,人类活动使植破坏、土壤污染等生态问题日益突出. 随着各级政府和社会组织环保意识的不断加强,武汉市加大了环境执法力度并加强相关的法律法规制定,生态环境恶化的趋势得到了有效抑制. 这同样能在各个生态评价等级中体现,评级为差由2005年的146.92 km2 增加至2010年的209.03 km2,面积扩张了42.27%,至2015年的262.37 km2,面积扩张速度下降为25.52%. 从空间分布看(图2),武汉市生态环境较好的区域主要分布在周边城区,这些区域经济相对薄弱,土地利用类型以耕地、林地为主,植被丰富,生物多样性高. 生态环境较差的地方集中在洪山、汉阳、武昌、青山,根据武汉市各行政区的不同定位,洪山区以教育产业为主,分布着大量高校,人口稠密;青山、汉阳、武昌则以工业为主,是一些重工业基地如武钢、武石化、东风汽车、武船等集中分布区域,工业生产和人类的经济活动都对生态环境产生了直接的影响.

      图  2  2005—2015年武汉市生态环境质量分级图

      Figure 2.  Ecological quality classification map from 2005 to 2015 in Wuhan

      生态等级2005年2010年2015年
      面积/km2面积比/%面积/km2面积比/%面积/km2面积比/%
      146.921.75209.032.49262.373.13
      较差1 021.7212.171263.9715.061 440.6017.17
      一般2 656.6231.662 912.6834.713127.3337.26
      3 499.5641.703 118.1437.152 904.6434.61
      1 067.4312.72888.6610.59657.077.83
      合计8 392.25100.008 392.48100.008 392.01100.00

      表 3  2005—2015武汉市生态环境质量评价等级面积统计

      Table 3.  Area statistics of RSEI level from 2005 to 2015 in Wuhan

    • 武汉市2005—2015年来生态环境变化差异如表4所示,该区域生态环境质量变差的面积为3 309.31 km2,占比最高,达39.44%;其次是生态环境质量不变的面积为2 983.20 km2,占比为35.56%;面积占比最低的是变好,面积为2 098.03 km2,约占武汉市面积的25%. 在生态环境质量变差的区域,有69.51%的区域生态环境质量等级变差1个等级,占绝大多数;其次是生态环境质量等级变差2个等级,占比为25.60%. 在生态环境变好区域,等级变好1个等级占绝大多数,占整个变好区域面积的79.41%;变好2个等级占比18.78%. 等级变化3级或4级占比较少,这说明武汉市生态环境变化是一个渐变的过程,而变化强烈的区域则以人类的直接经济活动有关,如耕地林地向建设用地、工业用地的转变. 从空间分布上看(图3),变差的区域主要是围绕着城市周边和大部分水域,水域生态环境的恶化与城市生活污水、企业废水的偷排漏排和近些年的水产养殖业的兴起有关,且生态环境变差的区域沿长江和汉江两侧扩张,这与孙安昌等[23]提出武汉市主城区建设用地源自对城市外围的绿地与内部湖泊地区的侵占、新城区有沿两江扩张的趋势相一致. 中心城区除水域外,生态环境质量以不变为主(部分出现变好的迹象),这说明武汉主城区近年的生态环境治理工作发挥了积极的作用,生态环境得到了一定的改善.

      图  3  武汉市生态环境质量变化

      Figure 3.  Change of eco-environmental quality in Wuhan

      类别级差级面积/km2级比例/%
      变差−48.870.11
      −3153.161.83
      −2847.0610.10
      −12 300.2327.41
      不变 02 983.2035.55
      变好 11 665.9619.86
      2393.914.69
      337.030.44
      41.130.01

      表 4  2005—2015武汉市遥感生态指数等级变化

      Table 4.  Remote sensing ecological index level change from 2005 to 2015 in Wuhan

    • 遥感生态指数(RSEI)是一种基于遥感技术的生态环境质量评价方法,具有参数获取容易、时序跨度大、评价范围广等特点优势. 本文以生态环境质量评价的遥感生态指数(RSEI)模型为基础,对RSEI模型的干度指标(NDBSI)计算进行了改进. 利用改进的RSEI模型对武汉市2005—2015年生态环境状况进行了评估和变化监测,主要结论如下:

      (1)武汉市2005—2015年RESI均值逐年减少,生态环境质量不断下降,这主要与武汉市经济快速发展,人类活动造成植被覆盖减少,湖泊面积的逐渐缩减和城市扩张引起土地利用结构的转变有关.

      (2)从空间格局上,中心城区如青山、汉阳、洪山、武昌等生态环境质量明显低于黄陂、江夏、蔡甸等周边城区,生态环境的优劣和行政区经济发展水平和定位密切相关. 因此,可以通过优化产业布局和产业升级治理城市生态环境.

      (3)在时间序列上,武汉市中心城区的生态环境质量以不变和变好为主,说明主城区生态环境的治理取得了一定的成效.

      (4)生态环境变差的区域有沿长江、汉江两侧和中心城区周边扩散的趋势. 城市的扩张造成了生态环境的破坏,城市规划应当更多地融入生态理念,促进人与自然和社会的和谐发展.

参考文献 (23)

目录

    /

    返回文章
    返回