基于遙感生態指數模型的楊凌農業高新技術產業示范區生態環境評價

夏積德, 高煥霖, 李峰博, 雷小平, 仇文娟

(1.楊凌職業技術學院, 陜西 楊凌 712100; 2.西北農林科技大學, 陜西 楊凌 712100; 3.永壽縣水利局， 陜西 永壽 713400)

社會經濟的良性發展離不開生態環境建設，準確而詳細的掌握區域生態環境狀況，有助于政府積極而正確地指引生態環境建設，從而更好地服務于區域社會經濟發展。2006年國家環境保護部頒布了《生態環境狀況評價技術規范》，推出了基于遙感技術的生態環境狀況指數(ecological index， EI)評測[1]。傳統的EI是多個區域生態因子指數的加權結果，只能籠統地定性說明一個地區的生態狀況，難以定量化地研究區域內生態環境狀況和空間分布[2]。同時，很多研究基于遙感技術進行單一指標反演和評價，僅能片面的反映出生態環境質量在某一維度的變化，而實際的生態環境系統具有整體性和復雜性，生態系統中的每個影響因子都是無法分隔開來的。為此，基于遙感技術的遙感生態指數(remote sensing based ecological index， RSEI)從綠度、濕度、干度和溫度4個維度出發評價生態環境質量[3-6]運用而生。與傳統的EI相比，RSEI能夠快速、定量和客觀的評價區域生態環境，并能獲得區域生態環境的空間分布。

楊凌農業高新技術產業示范區(簡稱“楊凌區”)地處關中平原腹地、農業硅谷，是全國唯一的國家級農業高新技術產業示范區，是國家批準的向亞太經合組織開放的十大工業園區之一，也是國家重點支持的五大高新區之一。中國楊凌農業高新科技成果博覽會是中國國家級四大科技展會之一，是農業高新技術、產品展示交易的重要平臺，其規模和社會影響日益擴大。近年來，楊凌區借助自身科教優勢，經濟發展迅速，其依托西北農林科技大學和楊凌職業技術學院，采取“政府組織，企業帶動，科技支撐，農戶實施”的方式，大力發展生態友好型和資源節約型農業、畜牧業和養殖業等產業，產業示范作用不斷增強，對農業、農村、農民的帶動作用和輻射力逐步擴大，促進了農村發展和農民增收，將為國家鄉村振興戰略的實施和實現作出較大貢獻。但隨著經濟、人口、資源和環境的矛盾加劇，如何平衡經濟發展與環境惡化的矛盾是楊凌區面臨的嚴峻挑戰。為此，本文將RSEI應用于楊凌區的生態環境狀況監測之中，旨在快速、客觀和定量的評價楊凌區生態環境狀況及其時空變異規律，從而為環境決策方案提供幫助，為楊凌區更好地開展生態環境建設工作提供科學依據。

1 研究區概況

楊凌區(107.56°—108.08°E， 34.14°—34.20°N)，位于陜西黃土高原南部、關中平原西部，總面積135 km2。地勢總體平緩，呈現北高南低和西高東低的特點。東與武功縣相鄰，西倚扶風縣，南瀕渭河與眉縣和周至縣相接，北與武功縣和扶風縣接壤。屬于暖溫帶半濕潤半干旱氣候，年均降水量為637 mm且多集中在夏秋季，年均氣溫約13 ℃。境內塬、坡、灘地交錯，土壤肥沃，適宜多種農作物生長。2017年末，常住人口約2.80×105人。

楊凌示范區在陜西省內6個地市建立了13個農業試驗、示范基地，示范區兩所高校在西部省份建立了44個實驗與示范基地。近年來，楊凌示范區企業在農業結構調整、農民增收方面的帶動作用較大，其不斷探索“公司+科技+農戶”等模式，為農戶提供技術培訓和指導，促進農民增收脫貧，據不完全統計，每年楊凌示范區科技推廣帶來的農民效益增加值超過1.00×1010元人民幣。

2 數據源與研究方法

2.1 數據源及數據預處理

選用2013年6月和2018年5月的Landsat 8 OLI和TIRS遙感影像作為數據源。為了消除不同時相因大氣傳輸特性、平臺運行狀況及傳感器系統等因素所造成的誤差，在ENVI 5.3下分別對兩期影像進行輻射定標、大氣校正、幾何精校正和配準，保證得兩期影像的準確性和可疊加性，最后對兩期影像進行裁剪。

2.2 RSEI模型

在反映生態環境質量的諸多因子中，綠度、溫度、干度、濕度是人類直觀感覺生態環境質量優劣的最重要指標，具有很強的代表性。RSEI模型分別用植被覆蓋度、地表溫度、裸土和建筑指數、濕度指數來代表綠度、溫度、干度和濕度作為評價指標[1]，并利用主成分分析對這4個重要影響因子進行了耦合，用于反映區域生態壞境質量和空間分布情況。RSEI函數表達式如下：

RESI=f(VFC,LST,NDBSI,Wet)

(1)

式中：VFC——植被覆蓋度(%); LST——地表溫度(℃); NDBSI——裸土和建筑指數; Wet——濕度指數。

2.2.1 各指標分量計算 綠度指標分量：VFC是植被在地面的垂直投影面積占統計區總面積的百分比，是衡量地表植被覆蓋的重要指標，與植物生長狀況、葉面積指數息息相關。植被的自然表面像元的光譜能量值來自于綠色植被和裸露土地兩部分，即：

VFC=(NDVI-NDVIsoil)/(NDVIveg-NDVIsoil)

(2)

式中：NDVIsoil——裸露的土壤的植被歸一化指數(NDVI)； NDVIveg——植被高度覆蓋的NDVI值，可近似地認為NDVIsoil和NDVIveg為置信區間內的最大值和最小值，置信區間為0.05～0.95。

溫度指標分量：本文采用輻射傳輸法進行地表溫度反演[7]，利用熱輻射傳輸模型計算相同溫度黑體亮度值，再利用普朗克定律進行計算。由于TIRS中波段11輻射定標偏差較大，故選用波段10進行地表溫度的反演，具體公式如下：

L10=τ10〔εb10(Ts)+(1-ε10)I10↓〕+I10↑

(3)

(4)

式中：L10——傳感器處的輻射亮度值；b10——大氣在熱紅外波段10的透過率；ε——地表比輻射率；I10↑——大氣向上輻射亮度；I10↓——大氣向下輻射亮度；b10(Ts)——與Ts相同的黑體的輻射量度，可由普朗克公式計算；k1，k2——定標參數。

干度指標分量：裸土和建筑用地均會造成地表“干化”，因此，干度指標除了選擇最顯著的IBI(建筑指數)[8]外，還應考慮研究區存在有大量的裸土，故以IBI為基礎合成裸土指數SI來構建干度指標(NDBSI)，合成的方法采用主成分變化分析方法。

NDBSI=PCA(IBI,SI)

(5)

(6)

(7)

式中：ρi——OLI影像各對應波段的反射率。

濕度指標分量：遙感影像纓帽變換所獲取的濕度分量Wet反映了地表水體、植被和土壤的濕度狀況，計算公式如下：

Wet= 0.151 1ρblue+0.197 2ρgreen+0.328 3ρred+

0.340 7ρNIR-0.711 7ρSWIR1-0.455 9ρSWIR2

(8)

2.2.2 綜合指數的構建 由于綠度、濕度、干度和溫度指標的量綱有所不同，采用下式的歸一化處理消除量綱差異對計算結果的影像。

NI=(I-Imin)/(Imax-Imin)

(9)

式中：NI——標準化結果，為該指標數值大小；Imax，Imin——該指標在置信區間內的極大值和極小值，置信區間為0.05～0.95。

主成分分析法(PCA)是一種將多個變量通過線性變換來選取少數重要變量的降維壓縮技術[9-11]。本文采用主成分變換來構建綜合的RSEI。通過特征光譜空間坐標軸的旋轉來去掉各個指標的相關性，把綠度、濕度、干度和溫度的主要信息集中到主成分上。RSEI值越大，說明生態環境質量越好。在ArcGIS中利用重分類函數，采用自然斷點法，按照數值由小到大將RSEI劃分為差(0～0.2)、較差(0.2～0.4)、中(0.4～0.6)、良(0.6～0.8)、優(0.8～1.0)這5個等級。同時，利用主成分分析的結果進行相關性分析，建立RSEI與各指標以及指標之間的相關系數矩陣，檢驗模型的適宜性。

3 結果與分析

3.1 各指標分量貢獻率評價

通過對4個RSEI指標分量進行主成分分析，以明確各指標分量對整個生態環境質量的貢獻。楊凌區2013年和2018年的4個RSEI指標分量的主成分分析結果見表1。

表1 楊凌區生態指數模型各指標主成分貢獻度

由表1可以看出：①兩個年份的第一主成分PC1的特征值貢獻率都大于75%，說明第一主成分耦合了4個指標的大部分信息，具有代表4個指標的能力；②與PC2、PC3和PC4相比，PC1的各指標貢獻率相對平穩，未出現過大或過小的情況，這說明PC1的結構更加合理，不會丟失某種指標大部分的信息；③在兩個年份中，干度指標在PC1的貢獻率最大，其次為綠度和溫度，而濕度指標在PC1的貢獻率最小，這說明干度對RSEI影響最大，而濕度影響最小；④在PC1的4個指標分量中，綠度和濕度指標是負值而干度和溫度指標是正值，吻合了綠度和濕度指標對生態系統起正面的貢獻，干度和溫度指標起反面的貢獻。

總體來看，PC1具有良好的結構、完整的信息量和合理的解釋。因此，PC1可以用來創建綜合的RSEI，反映區域生態環境質量。

3.2 RSEI與各指標分量相關性分析

通過構建相關系數矩陣，對RSEI與4個指標分量之間的相關性進行了分析，結果見表2。

表2 楊凌區生態指數模型指標相關系數矩陣

由表2可以看出：①干度指標與其他3種指標的相關度最強。其中2013年平均相關度高達0.75，而2018年的平均相關度也高達0.74。這說明干度對PC1的貢獻率最大且基本一致；溫度指標的平均相關度最低，平均為0.49；②在兩期影像中，RSEI與4個指標具有較強的相關性，介于0.65-0.98之間，且其綜合平均相關度高達0.83，比干度指標的平均相關度高出12.1%，比溫度指標的平均相關度高出69.3%。綜合來看，RSEI與各指標的相關度表現很好，結構合理和穩定，模型具有很強的適宜性，可用來綜合反映楊凌區生態環境的質量。

3.3 楊凌區生態環境狀的空間分布與總體評價

楊凌區2013年和2018年的RSEI空間分布見圖1—2。

圖1 2013年楊凌區RSEI空間分布

從圖1可看出，楊凌區2013年的生態質量較差的區域集中在楊凌城區和西北方向的五泉鎮附近，生態環境質量較好的區域集中在西南，東北方向的渭河沿岸和崔西溝區域。由圖2可知，楊凌區2018年生態環境較差的區域集中在楊凌城區，東北方向的五泉鎮區域生態環境質量明顯改善，且最差的區域也高度集中于城區的人口密集度大的區域和大型工業園區。

圖2 2018年楊凌區RSEI空間分布

2013和2018兩個年份各RSEI分級面積及其占比結果如表3所示。從表3可看出，2013年RSEI平均為0.45，2018年RSEI平均為0.50，這說明楊凌區的RESI等級總體上處于中等水平，2013-2018年間生態環境狀況有所好轉，生態環境質量呈增長趨勢。2013年至2018年，雖然RSEI值在0.6以上的區域面積雖有較大的提高，但是0.6以下的區域面積也在增大，特別是較差的區域面積增大了37.8%。總的來看，2013年楊凌區生態環境質量集中在較差、中和良這3個等級，2018年雖然和2013年的情況類似，但出現了向兩極(優或差)逐漸分布的情況，這說明楊凌區的生態環境改善工作確實取得了較大的進步，但也面臨著一些挑戰。

表3 2013-2018年楊凌區生態環境狀況面積轉移矩陣

3.4 生態環境面積轉移矩陣分析

為了探究2013-2018年楊凌區生態環境質量變化的內部規律，構建各等級面積轉移矩陣來分析其變化特征(詳見表4)。

表4 2013-2018年楊凌區生態環境面積轉移矩陣

由表4和圖1可看出：①從2013—2018年總體而言，RSEI各等級都有向其他等級區域面積轉移的情況，沒有出現不被轉移的情況；②轉移強度最大的是2013年的差區域向2018年的較差區域轉移，轉移率高達42.1%；轉移強度最小的是2013年的優區域向2018年的差區域轉移，轉移率為2.1%，說明生態環境有所改善；③縱觀5個等級，差區域和優區域的變化率最大，平均變化率分別約為72%和76%；而較差區域的變化率最小約為57%，這反映了這5 a間生態變化比較劇烈，生態系統變化相對復雜，說明了人為因素對生態環境變化的影響較大；④2013年至2018年楊凌區生態環境質量提高的面積50.77 km2，占轉移面積的38.3%；生態環境質量下降的面積30.09 km2，占轉移面積的22.7%；楊凌區生態環境質量總體有較大的提升。

4 結 論

本文基于遙感數據，利用主成分分析耦合生態環境的4個分量構建遙感生態指數模型，對楊凌區生態環境狀況和空間分布狀況進行了分析。研究分析方法克服了以往生態質量評價因子難以可視化表達的缺點，通過遙感定量解譯和空間耦合，能夠客觀定量地揭示楊陵區生態環境質量的空間分布與變化特征，對楊陵區生態環境建設的未來規劃和管理具有重要的參考價值。

從主成分貢獻度和RSEI相關度分析可知，經過主成分變化耦合4個生態分量(綠度、干度、濕度和溫度)的第一主成分PC1，具有良好的結構、完整的信息量和合理的解釋，由PC1經過歸一化后得出的RSEI具有較好的刻畫楊凌區生態環境質量。

楊凌區2013—2018年間，RESI均值由0.45上升至0.50，生態環境質量提高的面積達到50.77 km2，占全區總面積的38%，這說明在楊凌區在經濟飛速發展的5 a間，生態環境建設工作也取得了一定的成果。從楊凌區生態環境空間布局來看，生態環境差異空間分布更加合理，生態環境質量較差的區域主要集中在城區人為活動密集區和大型工業園區，體現出高度聚集的模式。

在影響楊凌區生態環境質量的各指標中，干度分量影響最大，其次為綠度、溫度和濕度。這說明楊凌區的生態環境質量主要受到裸地和建筑用地面積偏大的影響，而水域和植被面積偏小。因而，在楊凌區未來規劃中，應結合生態美麗鄉村建設，控制并有效減小裸地和建設用地面積，積極關注生態景觀特別是城區綠化和海綿城市建設。

本文研究成果在全國同類地區發展中具有參考價值，其推廣應用的適宜性問題有待今后進一步研究。