基于TM數據的阿克蘇市生態環境質量指數RSEI分級研究

李清云 王振錫 崔婕 楊光 楊勇強 廉國強

摘 要：借助遙感技術手段構建了阿克蘇市生態環境質量指數RSEI，并對其生態環境質量特征進行評價。結果表明，阿克蘇市干度和熱度值較高而綠度和濕度值較低的區域占主導地位，主要分布在北部、南部大面積荒漠和沙漠地帶，反之，干度和熱度值較低而綠度和濕度值較高的區域所占比例較小，主要分布在綠洲和少量荒漠、沙漠植被分布區；2016年阿克蘇市遙感生態環境質量指數RSEI處于2級（0.2～0.4，“較差”）的區域所占比例最高，為50.43%，其次是3級（0.4～0.6，“一般”），為41.29%。因此，阿克蘇區域生態環境質量形勢依然比較嚴峻，還需加大區域生態環境建設和保護工作的力度。

關鍵詞：RSEI綜合指數；TM數據；主成分分析；分級評價

中圖分類號：X171.1 文獻標識碼：A DOI 編碼：10.3969/j.issn.1006-6500.2018.12.018

Abstract：Ecological environmental quality index（RSEI）of Aksu city was constructed by means of remote sensing technology， and its ecological environment quality characteristics was evaluated. The results showed that the area of higher dryness and heat value was dominant， which was distributed in the Gobi， desert regions of Aksu north and southarea， while there was few higher green and humid value areas distributed in oasis， and desert vegetation region. In 2016， the ratio of RSEI level 2 （0.2～0.4） area in Aksu city was 50.43%， and then was RSEI level 3 （0.4～0.6） area（41.29%）. Therefore， regional ecological environment quality of Aksu city was still in severe situation and ecological environment protection should be accelerated.

Key words： RSEI composite index； TM data； principal component； graded evaluation

生態環境質量的好壞對人類生存質量有著直接的影響，隨著全球氣候變暖、大氣污染、水污染、森林銳減、土地退化、生物多樣性減少等生態環境問題的加劇，生態系統合理利用和生態環境質量問題備受關注。生態環境質量評價是對評價區的生態環境系統的優劣程度進行定量分析與定性描述的過程，其目的在于明確該評價區生態環境的現狀及預測人類開發活動對生態環境產生的影響。Smith W等[1]基于RS和GIS探索，以遙感、制圖技術和統計分析方法對坦桑尼亞Batemi河谷的上地利用進行了生態環境監測及評價研究；Basso等[2]利用遙感數據和GIS對意大利南部的Agri流域進行生態環境敏感性評價；左偉等[3]基于TM影像實現了對土地覆被數據的提取，并利用GIS分析了其時空變化的驅動力和生態環境效應；劉瑞等[4]建立了基于RS技術的縣級區域環境質量評價模型；徐涵秋[5-6]和羅春等[7]利用遙感指數對福建長汀水土流失區進行了生態環境質量評價及動態監測；徐涵秋[5-6]選取了綠度、濕度、熱度、干度等完全基于遙感的指標，利用主成分分析法構建了遙感生態指數RSEI，該指數在水土流失區及城市的生態環境評價中得到了廣泛應用，該指數與《生態環境狀況評價技術規范》中的評價指數EI的計算結果具有可比性，不同的是RSEI指數不僅是一個量化指標，同時還可以將區域生態環境變化進行可視化、時空分析、建模和預測，因此，該指數彌補了EI指數在這些方面存在的不足。RSEI評價方法所需的指標均從遙感影像獲得，現時性較好，便于進行生態環境質量時空變化的快速評價。

新疆阿克蘇市是“中國紅富士蘋果之鄉”和“國家級優質商品棉基地”，本研究借助遙感技術手段，對2016年阿克蘇市生態環境質量進行定量分析，以期為區域生態環境建設和政策制定提供參考依據。

1 材料和方法

1.1 研究區概況

阿克蘇市位于新疆維吾爾自治區西南部，北靠天山托木爾峰，東望塔里木河，西界吉爾吉斯斯坦天山邊境，南鄰塔里木盆地，處于79°39′～82°01′E，39°30′～42°27′N，是阿克蘇地區的政治、經濟、文化中心，是新興的環保型生態城市，也是一個多民族聚居區。阿克蘇市屬典型的大陸性暖溫帶干旱氣候區，光熱資源豐富，降水稀少，蒸發量大，氣候干燥，無霜期205～219 d，全年日照時數為2 855～2 967 h，年均氣溫9.9～11.5 ℃，日平均氣溫≥0 ℃，年降水量為42.4～94.4 mm。干旱少雨，風大沙多，自然環境脆弱，環境承載能力較低。

研究區地域遼闊，地勢平坦，地形西高東低。市區距烏魯木齊市公路里程1 010 km。市轄4鄉2鎮1場，土地總面積為144.2 hm2，地貌以沖積平原和沙漠為主，占區域總面積的95.40%，其他為山地，占4.60%。全市地貌可劃分為3個類型區：西北部陰干山區，覆蓋十分稀疏的荒漠植被；中部洪積平原為綠洲地帶，屬流水侵蝕地貌；東南部沙漠區，為塔克拉瑪干大沙漠西北部的一部分，屬風成干燥地。阿克蘇市自建市以來，一直把植物造景、綠化美化作為城市發展的突破口，力爭建設良好的生態環境。由于阿拉爾市位于阿克蘇市行政范圍內，為了保證遙感數據的連續性，故本研究范圍包含阿拉爾市，將阿克蘇市行政界限以內的所有區域作為研究范圍。研究區行政區劃圖見圖1。

1.2 遙感影像及處理

本研究使用的Landsat8 OLI遙感數據來源于美國地質勘探局USGS（United States Geological Survey）。選取2016年植被生長季，云量較少，且時相相近，數據質量較好的遙感影像，共獲取5幅遙感數據。遙感數據經過輻射校正、幾何校正、直方圖配準等預處理。其中：輻射校正采用Gyanesh等[8]和Pat[9]參數模型，將影像的灰度值轉換成傳感器處的反射率，以減少不同影像在光照、地形和大氣等方面的差異；不同時相影像之間的配準采取二次多項式模型，配準是通過直方圖匹配進一步消除不同數據之間的時相差異；圖像重采樣方法為最近鄰像元法，保證配準的均方根誤差控制在0.5個像元以內；最后，利用阿克蘇市邊界圖，裁剪出研究區域影像。

1.3 基于遙感數據的RSEI生態環境指數

本研究所采用的RSEI指數方法是徐涵秋[6]提出的一個新型遙感生態指數，能夠快速地監測和評價區域生態環境質量。在反映生態環境質量的諸多因素中，綠度、濕度、熱度、干度與人們的日常生活息息相關，也是人類直觀感覺判別生態條件優劣的最重要的因素，因此常被用于評價生態系統[10-13]。本研究中以植被指數、濕度分量、地表溫度和土壤指數指標來代替綠度、濕度、熱度和干度因子，定量、客觀地評價2016年阿克蘇市的生態環境質量。生態環境指數RSEI函數如下：

SEI=（Greenness，Wetness，Heat，Dryness）（1）

其遙感定義為：

RSEI=f（NDVI，Wet，LST，NDSI）（2）

式中，Greenness為綠度，Wetness為濕度，Heat為熱度，Dryness為干度。植被指數NDVI間接表示綠度指標，Wet代表濕度指標，地表溫度LST間接代表熱度指標，NDSI代表干度指標。各指標計算采用徐涵秋[6]的計算方法。

基于ENVI 5.1遙感數據處理平臺，通過主成分分析法、歸一化處理等獲取生態環境指數RSEI。生態環境指數RSEI計算公式如下：

RSEI0=1-PC[f（NDVI，Wet，NDSI，LST）]（3）

RSEI0為初始生態環境指數，歸一化處理采用公式（3）進行。

RSEI=（RSEI0-RSEI0min）/（RSEI0max-RSEI0min）（4）

1.4 數據處理

綠度指標，用NDVI計算值來表示；濕度指標，用Wet計算值表示；熱度指標，用LST計算值表示；在確定比輻射率ε時，先計算各期影像NDVI值，然后采用混合像元分解法求植被覆蓋度Pv和ε干度指標，用NDSI計算值表示。

利用ENVI 5.1 SP3分析平臺對遙感影像數據進行處理，運用Arcgis 10.5軟件進行分析制圖。對影像的預處理，如輻射定標、Flaash大氣校正、裁剪、配準等步驟都要精準到位；對不同時期影像必須經過大氣校正處理，將原始數據的DN值轉換為反射率值計算；Landsat影像有多種數據形式，在進行計算時要選擇與傳感器相對應的參數和公式，不能將基于DN值的公式用來計算影像反射率，不能將增強型專題制圖儀ETM+的公式用來計算專題制圖儀TM的數據。

2 結果與分析

2.1 綠度、濕度、熱度和干度指標分析

基于ENVI 5.1遙感數據處理平臺，獲取了研究區綠度、濕度、熱度、干度4個指標數據。為了便于數據比較分析，對每個指標進行歸一化處理（介于0.0～1.0之間），并以0.2為間隔分成5個等級。

2.1.1 綠度指標 綠度指標即歸一化植被指數NDVI，是反映經濟林長勢、植物生長狀態和植被空間分布密度的最佳指示因子。根據影像提取的綠度指標分級圖見圖2。

綠度指標越大的區域顏色偏于藍色，表征植被覆蓋程度越高；指標數值越小則偏于紅色，表征植被覆蓋程度越低。從圖2可以看出，2016年研究區綠度指標出現的區域由多至少依次為3級（0.4～0.6）、4級（0.6～0.8）、2級（0.2～0.4）、1級（0.0～0.2）、5級（0.8～1.0）最少，分別占區域總面積的71.8%，17.9%，7.0%，2.4%，0.9%；其中3級（0.4～0.6）范圍主要分布在荒漠、戈壁和沙漠區域，4級（0.6～0.8）范圍主要分布在綠洲和一些戈壁、沙漠區域，5級（0.8～1.0）范圍主要分布在阿克蘇市和阿拉爾市的綠洲經濟林種植區域。這說明研究區植被覆蓋區域較少且分布不均衡，這與阿克蘇市植被分布情況相一致，即北部主要為荒漠，南部則以沙漠為主，綠洲主要沿阿克蘇河沖積平原分布。

2.1.2 濕度指標 根據遙感纓帽變換中土壤、植被所反映的濕度分量，對遙感圖像做線性正交變換，得出濕度指數，反映出土壤和植被的濕度特征。根據影像提取的濕度指標分級圖見圖3。

濕度指標較大的區域色調偏于綠色和白色，反之偏于與黃色和棕褐色。從圖3可以看出， 2016年阿克蘇市的濕度指標處于3級（0.4～0.6）和4級（0.6～0.8）的區域較多，分別占區域總面積的40%和26%，主要位于綠洲和荒漠植被著生地帶；其次是2級（0.2～0.4）和1級（0.0～0.2），分別占20%和10%，主要位于荒漠和沙漠植被著生地帶；而5級（0.8～1.0）區域分布范圍最小，占4%，主要位于綠洲和阿克蘇水系分布地帶。這說明研究區濕度大的區域較少且分布不均衡，與阿克蘇市河流、水系分布情況相一致。

2.1.3 熱度指標 本研究中熱度指標主要由地表溫度來代表，地表溫度是環境溫度的主體，是城市熱島效應的基本體現。熱度指標越大的區域顏色越偏于紅色，反之越偏于藍色。從圖4可以看出，2016年阿克蘇市的熱度指標處于第5級（0.8～1.0）的區域較多，占區域總面積的40%，第3級（0.4～0.6）和第4級（0.6～0.8）區域的次之，分別占25%和20%，第2級（0.2～0.4）區域占10%，第1級（0.8～1.0）區域最少，占5%。阿克蘇市屬典型的大陸性暖溫帶干旱氣候區，光熱資源豐富，降水稀少，蒸發量大，氣候干燥，阿克蘇市的年平均氣溫在10.8 ℃，極端最高氣溫達40.7 ℃，極端最低氣溫為-27.6 ℃，日平均溫度大于10 ℃的天數有197 d，本文中得到的熱度指標與當地實際溫度變化一致，是影響阿克蘇市生態環境質量的重要因素。

2.1.4 干度指標 干度指標選用的是裸土指數，本研究中的干度指標由建筑指數IBI[14]和裸土指數SI[15]合成得到。干度指標越大的區域顏色越偏于黃色，反之越偏于藍色。從圖5可以看出，2016年阿克蘇市干度指標處于第5級（0.8～1.0）的區域最多，占區域總面積的45%，第4級（0.6～0.8）區域次之，占20%，第3級（0.4～0.6）和第2級（0.2～0.4）區域分別占15%和12%，第1級（0.0～0.2）區域最少，占8%。這主要由阿克蘇市特殊的自然環境所決定的，阿克蘇市北部、南部為大面積荒漠和沙漠，未利用土地占土地總面積的71.85%，綠洲范圍不足30%；中部區域干度較大的原因主要是城鎮擴張，建筑用地有所增加造成[16-17]。

2.2 生態環境質量指數提取

通過主成分分析對阿克蘇市生態環境質量指數指標進行提取，各分量特征值和特征值貢獻率如表1所示。

從表1可以看出，經過主成分變換后第一主成分包含了4個指標中絕大多數和生態環境質量相關的信息，研究區4個指標（植被、濕度、干度和熱度）的第一主分量的特征值0.099 9，特征值貢獻率達83.94%，四期遙感數據中的第一主成分（PC1）特征值累積貢獻率均大于80.0%，其第一主分量的結果為極顯著，且包含了4個指標中的絕大多數信息，可用合成的PC1來替代原有的綠度指標、濕度指標、熱度指標和干度指標，并以此合成新遙感生態環境質量評價指數RSEI。因此，本研究以主成分分析第一主分量來代表綠度、濕度、干度和熱度指標的信息，并以此構建生態環境質量指數。

2.3 生態環境質量指數分級與評價

生態環境指數RSEI越大表征生態環境質量越好，反之則越差。為了更好地分析RSEI生態環境質量指數評價結果，將主成分變換得到的生態環境質量指數（介于0.0～1.0之間）以0.2為間隔分成5個級別，即0.0～0.2為1級、 0.2～0.4為2級、0.4～0.6為3級、0.6～0.8為4級、0.8～1.0為5級，分別代表差、較差、一般、良和優的5個等級。研究區生態環境指數RSEI分級情況如圖6所示。經計算，2016年阿克蘇市生態環境質量指數的均值為0.492 8，在總體水平上處于3級，說明其生態環境質量處于“一般”等級。

為進一步了解研究區生態環境質量分級狀況，分別統計5個級別的像元數量及比例情況，從統計結果（表2）來看，2016年阿克蘇市生態環境質量指數值RSEI處于2級（ 0.2～0.4）的區域最多，3級（0.4～0.6）位列第2位，二者合計占區域總面積的91.72%；1級（0.0～0.2）和5級（0.8～1.0）所占比重較小，二者比例之和僅為4.21%。由此可見，2016年阿克蘇市生態環境質量主要處于“較差”的等級。

從研究區生態環境指數RSEI等級分布來看，生態環境質量界定為“優”和“良”的區域（5級和4級）主要集中在阿克蘇河水系兩側的綠洲區域；處于“一般”水平的（3級）范圍主要分布在綠洲區域和植被覆蓋度較高的荒漠和沙漠地區；生態環境質量為“差”和“較差”的區域主要位于植被非常稀疏的塔克拉瑪干沙漠腹地和部分戈壁區域。也就是說，研究區生態環境質量總體評價為“較差”的原因主要是研究區特殊的地理位置分布所決定的。

3 結論與討論

研究區綠度、濕度、熱度、干度4個指標數據分析表明，綠度、濕度值普遍較低，二者較高值的分布區域在綠洲、河流周邊區域和少量荒漠、沙漠植被的分布區；而干度和熱度值普遍較高，區域分布以北部、南部戈壁、沙漠區域為主；在這4個遙感生態指標中濕度、綠度對區域生態環境質量起正面作用，而熱度和干度則起負面作用，其中代表綠度指標的植被覆蓋度（NDVI）對生態指數的貢獻最大，說明植被是阿克蘇市的生態環境質量重要的影響因子。這主要由阿克蘇市特殊的自然環境所決定的，阿克蘇市北部、南部為大面積荒漠和沙漠，未利用土地占土地總面積的71.85%，綠洲范圍不足30%，區域內主要以干熱為主的荒漠和沙漠地貌類型為主。

研究區生態環境質量指數分級情況表明，研究區生態環境質量指數值RSEI處于2級（ 0.2～0.4）的區域占區域總面積比例達50.43%，主要位于植被非常稀疏的塔克拉瑪干沙漠腹地和部分戈壁區域，總體生態環境質量處于“較差”的等級，這主要是研究區特殊的地理位置分布所決定的。而處于3級（0.4～0.6，“一般”）的區域占41.29%，主要分布在綠洲區域和植被覆蓋度較高的荒漠和沙漠地區。自2000年以來，自治區加快了新疆林業生態體系和產業體系建設步伐，陸續開展了森林分類經營、退耕還林、特色林果產業等重大林業工程，阿克蘇市林地面積有所增長，使該區域生態環境質量在一定程度上得到了提高和改善，但仍需采取人工輔助措施進一步開展植被保護和土地資源合理利用，其生態環境建設和保護還需進一步努力。

基于遙感生態指數的阿克蘇市生態環境綜合評價結果表明，該方法能夠在一定程度上揭示區域生態環境質量的空間分布與變化特征，但由于遙感數據時相不一致、分辨率不高等因素限制，所得結果還需要通過多種遙感數據源進行進一步驗證，而且對區域生態環境質量變化的驅動力及對策研究仍需深入開展。

參考文獻：

[1]SMITH W， MEREDITH T C， et al. Exploring methods for rapid assessment of woody vegetation in the Batemi Valley， North-central Tanzania[J].Biodiversity & conservation，1999，8（4）：447-470.

[2]BASSO F， BOVE E， DUMONTET S， et al. Evaluating environmental sensitivity at the basin scale through the use of geographic information systems and remotely sensed data： an example covering the Agri basin（Southern Italy）[J].Catena，2000，40（1）：19-35.

[3]左偉，陳洪玲，王橋，等.基于遙感的山區縣域土地覆被變化的驅動力因子和生態環境效應分析——以重慶市忠縣為例[J].山地學報，2004，22（2）：240-247.

[4]劉瑞，王世新，周藝，等.基于遙感技術的縣級區域環境質量評價模型研究[J].中國環境科學，2012，32（1）：181-186.

[5]徐涵秋.城市遙感生態指數的創建及其應用[J].生態學報，2013，33（24）：7853-7862.

[6]徐涵秋.區域生態環境變化的遙感評價指數[J].中國環境科學，2013，33（5）：889-897.

[7]羅春，劉輝，戚陸越.基于遙感指數的生態變化評估——以常寧市為例[J].國土資源遙感，2014，26（4）：145-150.

[8]GYANESH C， BRIAN L M， DENNIS L H. Summary of current radiometric calibration coeffcients for Landsat MSS， TM， ETM+， and EO-l ALI sensors[J] .Remote sensing of environment， 2009， 113： 893-903.

[9]PAT S C.Image-based atmospheric corrections-revisited and revised[J].Photogrammetric engineering and remote sensing，

1996，62（9）：1025-1036.

[10]JANET TV. Remote sensing of urban heat islands by day and night[J].Photogrammetric engineering and remote sensing，2005，71（5）：613-621.

[11]XU H Q. Analysis of impervious surface and its impact on urban heat environment using the normalized difference impervious surface index（NDISI）[J].Photogrammetric engineering and remote sensing，2010，76（5）：557-565.

[12]趙躍龍，張玲娟.脆弱生態環境定量評價方法的研究[J].地理科學，1998，18（1）： 78- 84.

[13]KSHAMA G， PRAMOD K， S K P， et al. Urban neighborhood green index-A measure of green spaces in urban areas[J].Landscape and urban planning，2012，105（3）：325-335.

[14]XU H. A new index for delineating built-up land features in satellite imagery[J].International journal of remote sensing，2008，29（14）：4269-4276.

[15]RIKIMARU A， ROY P S，MIYATAKE S. Tropical forest cover density map-ping[J].Tropical ecology，2002，43（1）：39-47.

[16]王讓會，樊自立.干旱區內陸河流域生態脆弱性評價——以新疆塔里木河流域為例[J].生態學雜志，2001，20（3）：63-68.

[17]段漢明，李傳斌.西部大開發中，生態環境重建的制度措施[J].生態學雜志，2001，20（4）：39-41.