基于指標自動篩選的新疆開孔河流域生態健康評價

汪小欽,林夢婧,丁 哲,周 玨,汪傳建,陳勁松

1 福州大學空間數據挖掘和信息共享教育部重點實驗室,衛星空間信息技術綜合應用國家地方聯合工程研究中心,數字中國研究院(福建), 福州 350108 2 石河子大學信息科學與技術學院,兵團空間信息工程技術研究中心, 石河子 832000 3 中國科學院深圳先進技術研究院空間信息計算與分析中心, 深圳 518055

生態系統為人類提供自然資源和賴以生存和發展的生態環境,是社會繁榮和經濟發展的基礎。近幾十年來,人類對全球生態環境的破壞日趨嚴重,生態系統健康受到極大的威脅,生物多樣性衰減、土地沙漠化、鹽堿化、石漠化、酸雨、溫室效應、水體污染等生態環境惡化問題日益突出,這些問題不僅威脅到人類自身的生存,而且會危害到子孫后代的生存環境[1]。生態健康研究是環境保護和可持續發展領域的熱點問題[2],專家學者對不同類型生態系統[3-10]及不同區域尺度[11-14]開展了生態健康評價研究,取得了一定的進展。生態健康評價方法主要有指示物種法和指標體系法,由于區域或流域是多種生態系統的空間載體,往往很難找到恰當的指示物種(種群)對其進行監測評價；指標體系法綜合考慮生態系統的特征及其提供的服務功能,通過構建特定的指標體系進行定量評價,評價結果具有綜合性,因而被國內外廣泛應用[15-22]。生態健康評價的指標分類方法很多,眾多國內外學者從自身的研究角度出發,構建了不同的評價指標體系,其中以壓力-狀態-響應(Press-State-Response,PSR)及其擴展修正模型指標體系最為常用。在常用的生態指標體系中,往往人為忽略或簡化上層指標和下層指標之間的重疊和交叉聯系,呈現“樹杈”形狀；生態等級網絡(Ecological Hierarchy Network,EHN)框架繼承了“樹杈狀”生態指標體系的層次結構,并通過補充上下層指標間的重疊和交叉聯系,可以更好地反映生態系統的完整性并合理的分配指標權重[23-24],被越來越廣泛地應用。如何自適應篩選出能反映區域特性的關鍵指標當前生態健康評價面臨的重要問題之一。

常用的指標篩選方法有灰色粗糙集法[25]、層次分析法[26]等,或者通過組合多種方法進行指標篩選[16,27-30]。近年來,出現了定量化的指標篩選模型,如Lin等[24,31]和黃潔等[32]提出一種使用EHN框架進行指標篩選,將網絡分析與量化指標選擇過程相結合,通過矩陣化分析和定量選取模型,為指標的篩選工作提供了一種新的思路。但是這些研究對指標采用等權重分配,且對Dale和Beyeler[33]總結的指標選取需滿足的8個標準的判斷具有較強的主觀性,在一定程度上影響了結果的客觀性。

新疆開都河—孔雀河流域(簡稱開孔河流域)地處我國西北部極端干旱區,生態環境十分脆弱。加之近年來,人類對自然資源不合理地開發利用,使得開孔河流域面臨著水資源的極度匱乏及嚴重浪費,出現森林、草地退化,濕地萎縮,土地沙漠化、鹽堿化等問題,流域生態健康面臨著巨大的壓力[34]。近年關于開孔河流域的生態問題,主要從氣候變化[35]、人居環境[36]、水資源優化配置[37]和水資源承載力評價[38-39]等方面開展研究,針對開孔河流域生態健康狀況開展全面評價的研究較少。

本文以開孔河流域為研究區,廣泛收集能反映流域生態健康狀況的指標,融合PSR框架和EHN框架,構建網狀生態健康評價指標體系及指標定量化篩選模型,并對新疆開孔河流域進行生態健康綜合評價,為區域生態可持續發展策略的制定提供參考依據。

1 研究區與數據預處理

1.1 研究區概況

開孔河流域位于新疆中部,介于83°50′—90°45′E,40°19—43°18′N之間(圖1),主要由開都河流域、博斯騰湖和孔雀河流域組成。流域內海拔高度在637—4812 m之間,地勢西北高、東南低,山地、盆地、河谷、平原、荒漠和戈壁交錯分布,地形較為復雜。開孔河流域地處歐亞大陸腹地,因遠離海洋和高山阻隔,具有明顯的干旱大陸性氣候特征。整個流域干燥少雨、蒸發強烈；多沙塵暴、浮塵天氣,氣候條件極為惡劣,生態環境較為脆弱。近年來,由于人口的不斷增長、經濟的快速發展、水土資源過度和不合理的開發利用,使得人類活動的干擾已經超過該地區自然資源承載力,出現了高山草甸和山地草原退化、濕地萎縮、灌區土地次生鹽漬化、土地沙漠化等嚴重的生態環境問題,區域生態健康面臨的威脅日益增大[34]。

圖1 研究區地理位置及MODIS影像Fig.1 Location of study area and MODIS image with R1G2B3 combination

1.2 數據及預處理

為開展開孔河流域生態健康評價,收集了遙感數據、氣象數據和其他數據(表1)。

表1 研究數據

遙感數據以MODIS產品為主,在NASA官方網站(https://ladsweb.modaps.eosdis.nasa.gov/)下載。所有產品先利用MRT軟件轉換為UTM-WGS84投影；使用LDOPE工具提取質量數據,利用TIMESAT軟件中的S-G(Savitzky-Golay)濾波算法去除時序數據中的噪聲；然后進行數據級轉換,獲得真實的物理量；最后進行研究區域裁剪。MOD17A2H數據產品包括8天總初級生產量(Gross Primary Production,GPP)和凈初級生產量(Net Primary Production,NPP)的信息,MOD17A3H產品提供年度NPP的信息,來自給定年份的8天NPP產品(MOD17A2H)的總和。由于只獲取到2001—2015年的年度NPP數據,因此,將2016和2017年的MOD17A2H產品中NPP數據求和獲得年度NPP值。

氣象數據來源于中國氣象數據網(http://data.cma.cn/)。其中中國地面氣候資料年值、月值數據集選取的氣象要素包括年均氣溫、平均最高氣溫、年降水量、最大日降水量等,基于樣條插值理論的Anusplin氣象數據曲面擬合專業軟件進行氣象數據插值；中國氣象背景數據集空間分辨率為500 m,包括≥0℃積溫、≥10℃積溫、濕潤指數、干燥度等參數。

地形數據使用的是美國地質調查局網站(https://gdex.cr.usgs.gov/)提供的空間分辨率為30m的ASTER GDEM V2全球數字高程數據,用于小流域提取和地形因子指標計算。土地利用類型數據、陸地生態系統類型空間分布數據、土壤質地數據及1km格網的人口密度數據均來源于中國科學院資源環境數據云平臺(http://www.resdc.cn/)。土地利用現狀遙感監測數據包括耕地、林地、草地、水域、居民地和未利用土地6個一級土地利用類型以及25個二級土地利用類型類型,結合小流域邊界用于計算景觀生態學指數、土地墾殖率等指標；陸地生態系統類型空間分布數據主要用于后續的結果分析。土壤質地數據通過百分比來反映砂土、粉砂土和黏土三大類不同質地顆粒的含量,借鑒土壤可侵蝕性因子的計算方法[40],作為土壤質地指數來表征研究區內土地質地的分布差異特征。

2 研究方法

本文以新疆開孔河流域為研究區,開展流域生態健康評價研究。技術路線從層次上可分為三大部分：一是網狀指標體系構建,收集研究區數據并計算相關指標,基于PSR框架和EHN框架,構建生態健康評價網狀候選指標體系；二是定量化指標篩選模型構建,包括候選指標權重計算和基于最優化理論的篩選模型；三是研究區生態健康評價與分析。

2.1 網狀指標體系構建

借鑒相關研究成果,融合PSR框架和EHN框架,構建目標層-準則層-要素層-指標層的4層指標體系,其中網狀結構僅體現于要素層和指標層之間(圖2)。以生態健康評價作為目標層,壓力、狀態、響應為準則層。壓力從土地和人口兩個角度選取評價指標,狀態從活力、組織力、恢復力、地形地貌、水熱狀況5個角度選取指標,響應從沙漠化敏感性、鹽堿化敏感性、土壤侵蝕敏感性3個角度選取指標。候選指標選取兼顧科學性、數據易獲取性和可量化性等原則,分析要素層指標與指標層指標之間的重疊和交叉聯系,在網狀指標體系中,指標層指標與要素層指標的聯系包括一對一和一對多的關系。本案例中指標層有31個候選指標。

圖2 基于PSR和EHN框架的生態健康評價網狀指標體系Fig.2 The network index system of ecological health assessment based on PSR and EHN frameworkPSR：壓力-狀態-響應框架Press-State-Response；EHN：生態等級網絡框架Ecological Hierarchy Network;NDVI：歸一化植被指數 Normalized difference vegetation index;LAI：葉面積指數 Leaf area index;FPAR：光合有效輻射 Fraction of absorbed photosynthetically active radiation;NPP: 凈初級生產量 Net primary production

由于評價指標的量綱及其所代表的物理意義存在較大的區別,在進一步處理前,必須對評價指標數據進行標準化處理,所有指標值都歸一化到[0,1],柵格大小統一為500m×500m。

2.2 候選指標權重的客觀計算

將主成分變換(Principal Component Analysis,PCA)和熵權法相結合進行候選指標權重的客觀計算。其中要素層指標通過PCA法確定權重,指標層指標通過熵權法確定相對權重,然后按照網狀指標體系結構,通過要素層對指標層指標權重進行約束,獲取初始權重,最后通過權重二次分配的方式獲取候選指標層指標的組合權重。

要素層指標均為抽象且無法直接量化的指標,因此,將每個要素層指標對應的多個指標層指標通過主成分變換方法集成,獲取要素層指標的具體數值,然后將集成后所獲取的要素層指標再次進行主成分分析,根據評價指標對各主成分的貢獻度來自動、客觀地確定指標權重,可以避免因人的主觀判斷所確定的指標權重對評價結果造成的偏差。

指標層的指標均有具體的含義和數值,其相對權重采用熵權法[16]進行計算,基本思路是根據指標相對變化程度的大小來確定客觀權重,指標相對變化程度越大,指標所分配到的權重也應越大。

2.3 評價指標自動篩選模型構建

根據流域生態健康評價網狀指標體系的等級結構,構建要素層和指標層的關系矩陣R,其將用于約束定量化指標篩選模型。通過線性代數的矩陣來表示指標體系中要素層與指標層的相互關聯性,形成關系矩陣R。

式中,行與要素層指標對應,K表示要素層指標的個數；列與指標層指標對應,J表示指標層指標個數；k為要素層的指標序號,j為指標層的指標序號,rkj表示要素層指標k與指標層指標j是否有關聯關系。如果二者沒有關聯,rkj=0；如果二者有關聯則,則rkj=1。

基于最優化理論,根據要素層指標和指標層指標之間的關系矩陣的分析結果,并在保證指標體系完備性的同時,減少指標冗余,需使最終入選指標數(目標函數Z)達到最小值。

指標篩選模型的目標函數Z設為：

同時,需要滿足如下3個約束條件：

式中,Z代表指標層(j)指標要選擇的數目；x4j代表備選評價指標dj是否被選；X4代表方程解集向量,W4表示候選指標的權重向量,′表示轉置；目標方程表示指標篩選滿足選取的指標層指標數量最少；約束條件(1)表示基于保障生態系統完整性的要求,每個要素層指標(ck)(k=1,2,…K)所衍生的指標層指標(x4j)(即dj,j=1,2,…J)中至少有一個對應被選取,保證下層指標與上層指標具有連續性；約束條件(2)表示,為了達到指標體系完備性的要求,指標體系的權重之和要達到一定的精度要求,本文參照主成分分析法的要求,被選指標權重占原始指標權重的比例不低于85%；約束條件(3)表示備選指標x4j(j=1,2,…J)只能被選擇(=1)或者被排除(=0)。

該最優模型可以利用遺傳算法求解,獲得中選指標。由于去除了指標層中的部分指標,中選指標權重和小于1,因此在保持要素層指標權重不變條件下,對中選指標的權重進行再分配,使權重和為1。

2.4 生態健康評價指數計算

采用綜合指標法,即基于中選指標的標準化值及相應的重分配后的權重,通過加權求和的方法計算整個研究區范圍內的各評價單元的綜合指標值構建生態健康綜合指數(Ecological Health Comprehensive Index,EHCI)。

3 結果與討論

3.1 定量化指標篩選結果與中選指標合理性分析

計算指標層候選指標的多年平均值,通過主成分分析法和熵權法分別計算要素層和指標層指標權重,然后獲得候選指標的組合權重(表2),獲得候選指標的權重向量W4(即“組合權重”一列)。

表2 候選指標權重與中選指標再分配權重

將網狀指標體系中候選指標權重向量W4和關系矩陣R,帶入指標篩選模型中,通過遺傳算法求解模型。在本文的實驗中,交叉率為0.8,變異率為0.05,種群規模為200,遺傳的最大代數為1000。

利用遺傳算法獲取最優解的數目minZ=17,具體的解集為X=[ 1 1 1 0 1 1 0 1 1 0 0 1 1 1 1 0 0 1 1 0 0 0 1 0 0 0 0 1 1 0 1],其中1表示該指標中選。對篩選后的指標進行權重再分配,使其和為1。中選指標及再分配后的權重如表2最后一列。

從表中可知,要素層指標所衍生的指標層指標中至少有一個對應選取,保證了指標體系的完整性。在本實例中,將生態健康評價指標從31個優化到17個,用54.8%的指標表達了85.98%的信息,能夠較全面地反映生態健康評價的各個重要方面,并且排除了人為主觀影響。

通過文獻調研,共收集了30篇關于干旱區、半干旱區生態健康評價相關的文獻,進行評價指標使用頻次統計。17個中選指標在30篇文獻中使用的頻次統計如圖3所示。可以發現所有的17個指標在30篇文獻中的使用頻次百分比都在20%及以上。歸一化植被指數(Normalized Difference Vegetation Index,NDVI)、年降水量和植被覆蓋度3個指標的使用頻次百分比均超過了50%。中選指標在干旱區、半干旱區生態健康評價與分析的研究中使用頻率較高,說明本文的定量化指標篩選模型具有較高的合理性。

圖3 中選指標在干旱半干旱區研究中被采用次數Fig.3 Frequency of selected indicators used for arid and semi-arid regions

本文的定量化指標篩選方法是基于各指標多年平均值來進行指標篩選,后續的生態健康評價可以直接利用中選指標及再分配后的權重進行計算。因此,EHCI計算只需要收集和計算中選指標不同年份相關數據,不需要計算所有的候選指標。而常用的PCA降維方法,變換后各主成分分量的物理意義不夠明確； PCA各分量不同年份的指標權重值不同,有可能在一定程度上影響結果的可比性；所有進行評價的年份都需要收集和計算所有的候選指標。因此,與常用的PCA降維方法相比,本文提出的定量化指標篩選方法具有更明確的物理意義和可推廣性。

3.2 開孔河流域生態健康空間差異

利用中選指標及其再分配后的權重,計算開孔河流域2001—2017年各年份的流域生態健康評價綜合指數EHCI,其中2001年、2010年、2017年和17年的平均生態健康指數如圖4所示。

圖4 生態健康綜合指數分布Fig.4 Spatial distribution of Ecological Health Comprehensive Index(EHCI)

開孔河流域生態健康17年來的空間格局變化不大,整個流域生態健康空間異質性顯著,總體分布特征為西北高、東南低。生態健康狀況差的區域主要分布在流域的東南部、開都河綠洲和孔雀河綠洲兩大綠洲外圍,這些區域主要為荒漠、戈壁區,植被極度稀少,17年來生態健康差的區域變化不大；生態健康一般的區域主要分布在流域中部兩大綠洲與荒漠、戈壁區過渡帶以及西北部的高山區,這些區域植被覆蓋比較稀少；生態健康良好的區域主要分布在開孔河流域西北部的河谷地帶、中部兩大綠洲區,這些區域有大面積的草本、沼澤、綠洲和農田,整體上植被覆蓋比較好。17年來,生態健康良好的區域有所增加,其中改善最明顯的區域主要分布在孔雀河綠洲區。

3.3 開孔河流域生態健康的時間變化趨勢

利用Sen+Mann-Kendall法[41]對開孔河流域2001—2017年的EHCI指數進行趨勢分析。將Sen趨勢度β絕對值小于0.005的位置判定為無明顯變化,采用檢驗統計量Z來檢驗趨勢的顯著性,本文取顯著水平α=α=0.05,Z1-α/2=Z0.975=Z0.975=1.96。當β>0.005,|Z|>1.96時,序列呈顯著上升趨勢；當β>0.005,|Z|≤1.96時,序列呈上升但不顯著趨勢；當β<-0.005,|Z|>1.96時,序列呈顯著下降趨勢；當β<-0.005,|Z|≤1.96時序列呈下降但不顯著趨勢。開孔河流域生態健康評價結果的趨勢分析結果如圖5所示。

圖5清晰地表明了開孔河流域EHCI變化趨勢的空間分布格局：生態環境明顯改善的區域集中在兩大綠洲區、和碩縣西北部的平原和丘陵區以及和靜縣的部分濕地河谷區域,并以孔雀河綠洲區生態環境改善最為明顯。這一現象說明2000—2013年期間,塔河流域管理局開展的國家級生態綜合治理工程[42]效果顯著,該工程的具體措施包括河道治理、灌區節水改造、生態輸水、生態建設等[43],受生態治理工程的影響,流域內植被改善趨勢十分明顯。由于區域發展農業的需要,人們開墾新的農田使得平原綠洲灌區面積增大,此外,農田防護林網增密,也在一定程度上使得綠洲灌區植被生長季NDVI持續增加。生態健康嚴重退化的區域面積較少,主要集中在尉犁縣靠近庫爾勒市的綠洲和荒漠之間的一部分過渡區,該區域生態環境脆弱；庫爾勒市市區和零散分布在開都河綠洲區以及和靜縣高山區,對庫爾勒市區而言,則與近些年該地區社會經濟快速發展、建設用地擴展有密切聯系[44]。輕微退化主要集中在和靜縣高山區,該區域退化的原因是氣候變化、草原過度放牧和蟲鼠災害造成的高山草甸、山地草原退化[34]。此外,開都河綠洲和孔雀河綠洲的邊緣區域也存在輕微退化。

陰俊齊等[34]對開孔河流域生態環境環境10年(2000—2010年)變化評估的成果表明,生態系統質量發生改善的區域集中分布于庫魯克塔格山,孔雀河中上游的綠洲區、流域西北部的部分濕地區。陳曦等[43]利用NDVI表征塔里木河流域2000—2013年的生態健康狀況,其研究成果表明,開孔河流域的平原耕地增加速率在塔里木河流域“四源一干”區域中最大,植被覆蓋度呈現上升的趨勢,流域西北部山區的植被出現退化的趨勢。兩者的研究成果與本文的研究成果在空間分布上較為吻合,在一定程度上驗證了本文生態健康評價方法的合理性和評價結果的可靠性。

對EHCI趨勢分析結果進行統計(表3)。表3表明開孔河流域生態健康整體上呈改善趨勢,但是部分地區也存在著嚴重退化現象。42.23%的地區生態環境保持基本不變；生態環境改善區域面積占41.56%,其中明顯改善的區域的比例達到了10.26%；生態退化區域占16.21%,其中嚴重退化面積為1.61%。生態環境改善區域面積遠大于退化面積,約是2.5倍,其中明顯改善面積約是嚴重退化面積的6.4倍。說明受塔河綜合治理工程的影響,區域生態環境得到較大改善。綜上所述,開孔河流域生態環境變化趨勢整體上是在穩定的基礎上,向著上升的趨勢發展。

表3 EHCI趨勢分析變化區域統計

3.4 不同生態系統生態健康指數分析

研究區有7大生態系統類型,包括農田、森林、草地、水體與濕地、荒漠、聚落和其他生態系統(裸土地、裸巖石礫地)。計算7大生態系統在2001—2017年EHCI的平均值和標準差(圖6),其中平均值在一定程度上反映了生態系統總體的生態健康狀況,標準差可以反映各生態系統內部生態健康的差異。從圖中生態系統均值箱線圖可以發現,農田生態系統的總體生態健康狀況最好,其次是水體與濕地,最差的為荒漠生態系統。從箱體的長短來看,農田和聚落的箱體較長,說明這2個生態系統的EHCI均值在這段時間內的波動較大,也表明這兩個生態系統健康狀況發生了較大的變化。各生態系統17年間的EHCI標準差的差異較大,森林、草地、水體與濕地和聚落標準差值均大于0.10,說明這4種生態系統內部健康狀況差異較大,其中森林生態系統內部健康狀況差異最大,其次是草地；荒漠和其他生態系統的標準差較小,基本上小于0.06,說明這兩種生態系統內部生態健康差異很小；農田生態系統的標準差值居中,說明其內部生態健康狀況的差異大于荒漠和其他生態系統。從標準差箱體的長短來看,農田的箱體較長,說明農田生態系統的EHCI標準差在這段時間內的波動較大。

圖6 17年EHCI均值與標準差箱線圖Fig.6 Mean and standard deviation of EHCI during 17 years

統計17年農田、森林、草地和水體與濕地生態系統的EHCI分布直方圖(圖7)。可以發現,農田生態系統的EHCI值主要分布在0.45—0.6之間,水體與濕地生態系統主要集中在0.3—0.4的范圍內；森林和草地生態系統的EHCI分布較為分散,森林在0.2—0.3低值區和0.5—0.6高值區占比均較高,草地在0.2—0.3和0.5—0.6范圍內分別有一個波峰,在0.3—0.4范圍內有一個波谷。上述結果也驗證了森林和草地的內部生態健康狀況差異較大,而農田和水體與濕地生態系統內部差異較小,特別是農田生態系統,EHCI值集中分布在高值區,因此該流域總體生態健康狀況最好的為農田生態系統。

圖7 不同生態系統EHCI分布直方圖Fig.7 EHCI histogram of different ecosystems

對不同生態系統的趨勢分析結果按變化類型進行統計(圖8)。可以看出,農田生態系統健康狀況明顯改善的比例最多,超過了50%,而呈現退化區域的比例僅占10.8%,這與該區域大規模進行綠洲開發和保護,與農田防護林網密度不斷增加的客觀情況相吻合。聚落生態系統健康狀況明顯退化的比例最多,達到了8.98%,表明該地區聚落生態系統退化最嚴重,其次為森林和草地生態系統,這主要是因為該區域尤其是庫爾勒地區快速城市化發展進程和人口的增長使得區域生態環境遭到破壞,同時由于區域經濟和農業的發展使得部分森林和草地被轉化為建設用地和耕地。荒漠生態系統生態健康狀況基本穩定的比例最高,達到了67.98%,也是明顯改善的比例最低的生態系統,其他生態系統健康狀況基本穩定的比例也接近50%,這與二者受人類干擾程度較低,生態系統穩定性較高的客觀情況吻合。水體與濕地生態系統健康狀況的改善比例超過六成,明顯退化的比例僅為1.32%,這與該區域相對于其他生態系統,水資源相對充足,生態環境較好的客觀情況吻合。

圖8 不同生態系統趨勢分析結果分類統計Fig.8 EHCI trends statics for different ecosystems

4 結論

在文獻調研與統計分析獲取的用于流域生態健康評價的常用指標和通用指標的基礎上,構建了基于PSR和EHN框架的流域生態健康評價的網狀指標體系,能更準確地表達復雜生態系統各因素的相互關聯。提出了一種集成主成分分析法和熵權法的客觀確權法,并通過權重二次分配的方式獲取了指標層指標權重的方法,避免了人為主觀影響,指標權重分配合理,能體現不同指標之間重要性的差異。在關系矩陣和指標權重的約束下,基于最優化理論構建了入選指標數目最少的指標篩選模型,定量化地實現了區域生態健康評價指標的篩選,提高了指標篩選過程的科學性和客觀性。后續研究可以進一步考慮簡化指標體系結構,如不設置要素層,構建更為合理的約束條件等,從而降低定量化指標篩選模型的應用難度,提高模型可推廣性。

在開孔河流域生態健康評價中,將生態健康評價指標從31個優化到17個,用54.8%的指標表達了85.98%的信息,有效解決了傳統指標設置主觀、冗余的問題。開孔河流域生態健康總體分布特征為西北高、東南低,生態健康狀況差的區域主要分布在開孔河流域東南部的大范圍的荒漠和戈壁區和中部綠洲區外圍等自然生態環境惡劣區域,生態健康良好的區域主要分布在流域西北部的河谷濕潤地帶和中部的兩大綠洲區。生態健康狀況變化趨勢整體上是朝著改善的方向發展,生態環境明顯改善的比例達到了10.26%,僅有1.61%的地區出現明顯退化,其中孔雀河綠洲區生態環境改善最為明顯,尉犁縣靠近庫爾勒市的綠洲和荒漠之間的一部分過渡區及庫爾勒市市區生態健康退化最為明顯。生態健康狀況最好的是農田生態系統,最差的是荒漠生態系統。17年來,農田生態系統生態健康狀況明顯改善的比例最高,聚落生態系統明顯退化的比例最高,達到了8.98%。開孔河流域生態健康的總體好轉趨勢主要原因是塔河綜合治理項目實施以后,塔里木河流域生態環境得到了有效改善。