土地生態質量遙感評價模型與主控因子研究
——以廣安市為例

陳震, 夏學齊, 陳建平

(中國地質大學(北京)地球科學與資源學院，北京 100083)

0 引言

隨著全球生態環境日益惡化，生態問題越來越得到人們的重視，土地生態質量評價方法研究已成為土地生態科學的重要研究方向。土地生態評價指標體系的建立是土地生態質量評價的重點，目前的土地生態評價指標體系主要有3類： ①以聯合國糧農組織(Food and Agriculture Organization of the United Nations，FAO)制定的《可持續土地利用評價綱要》為基礎進行相應修改的評價指標體系； ② 以“壓力-狀態-響應”(pressure-state-response，PSR)模型為基礎的評價指標體系； ③基于“經濟-環境-社會”(environmental effects statement，EES)結構的生態評價指標體系。

國內外傳統的土地生態評價指標體系研究多以FAO建立的《可持續土地利用評價綱要》為基準，根據實際情況進行了相關改進。Pieri等[1]于1995年提出了以林地退化、水土流失、鹽漬化、地下水下降等生態因素建立土地質量評價指標體系，分析了不同因素對土地生態質量的影響程度； 2003年Messing等[2]根據經典FAO評價體系，基于實際情況，從坡向、土壤質地、有機質、降水、pH值等方面研究了小流域范圍農業用地生態狀況。近年來，以PSR模型和EES框架為基礎的研究逐漸增多。2011年張軍以等[3]根據三峽庫區生態區的土地生態質量特點，以PSR模型為基礎，建立城市化水平、人均土地面積、單位面積農藥使用量等21個評價指標，對三峽庫區2003—2006年的土地生態總體狀況進行計算，對土地生態狀況的變化趨勢進行了分析； 2011年Paracchini等[4]以EES模型為基礎，選取30個評價指標，對研究區內不同土地利用類型進行綜合分析，提出了權衡評價的概念，該概念用于滿足土地管理部門的實際需求； 2019年鞏芳等[5]在研究草原生態系統補償對其生態經濟系統的響應機理時，運用“驅動力-壓力-狀態-影響-響應”(driving forces-pressure-state-impact-responses，DPSIR)模型，取得了較好的效果； 2020年鄒炎平等[6]分別采用非期望產出導向和生態低效率2種模型，研究了2016年全國30個省(區市)的生態環境效率、生態無效效率和產出改進； 2020年王毅等[7]以河西走廊5個地級市為研究區，根據當地實際情況，基于PSR-EES模型構建了一套生態安全評價指標體系，選用綜合指數法計算了研究區2008—2017年間的生態安全動態值。

綜合指數法是一種重要的數學模型，也是土地生態質量評價中運用最多的土地生態質量評價模型[8-12]。理想點法是綜合指數方法之一，本文將理想點法應用于廣安市土地生態質量評價，以生態本底、生態結構、生態效益、生態脅迫4個準則層的14個評價指標建立評價指標體系； 用德爾菲法(主觀法)和熵權法(客觀法)計算各個評價指標的權重值，利用主成分分析法對主控因子進行提取，并對理想點各生態等級面積變化與主控因子之間的關系進行分析，旨在整體掌握廣安市2000年、2005年、2010年和2015年土地生態質量各生態等級的分布與主控因子之間的關系，為土地整治部門提出土地生態質量監管決策依據和技術支持。

1 研究區概況和數據源

1.1 研究區概況

廣安市位于四川省中部的丘陵區和東部的平行嶺谷區之間，地理范圍在E105°56′～107°19′，N30°01′～30°52′之間。丘陵地貌為主，高程為400～1 500 m； 處于亞熱帶季風區域，氣候溫暖、降水充沛； 湖泊和河流較多，物產較豐富，植物多為亞熱帶常綠闊葉林。廣安市中部的渠江、西南部的嘉陵江均為長江的支流，NE-SE向的華鎣山、銅鑼山、明月山大體呈平行狀排列于廣安市東部。廣安市土地面積為6 339.22 km2，由1市、3縣、2區組成(圖1)； 2017年的總人口為464.7萬，2018年國民生產總值(gross domestic product，GDP)為1 250.2億元。廣安市為國家級園林城市，生態環境整體較好。其整體生態結構是，森林和湖泊主要分布在西部、北部東和南部地區，為土地生態質量較高的面狀區域； 分布于中部的渠江和西南部的嘉陵江及鄰近區域為土地生態質量較高的線狀區域； 基本農田和經濟林區域是土地生態質量良好的面狀區域； 建設用地占比較高的城鎮及鄰近區域是土地生態質量中低的面狀區域。

圖1 廣安市行政圖Fig.1 Administrative map of Guang’an City

1.2 數據源及其預處理

本文從地理空間數據云、 美國國家海洋和大氣管理局夜間燈光數據網站(http: //www.class.ngdc.noaa.gov/)、資源環境數據云平臺、全球變化科學研究數據出版系統等網站下載了遙感、地形、氣溫、降水、夜間燈光、GDP、人口、歸一化植被指數(normalized difference vegetation index，NDVI)、植被初級總生產力(gross primary productivity，GPP)等相關數據。

遙感數據來自地理空間數據云網站，從該網站下載了2000年、2005年和2010年的Landsat5以及2015年Landsat8衛星共計4個時相的8景遙感影像。Landsat5數據級別為Level 1T ，經過了輻射校正以及有地面控制點的幾何糾正。Landsat8數據也是Level 1T級產品，該產品經過了地形校正和輻射校正以及幾何糾正。本文在此基礎上進行了Flaash大氣校正、鑲嵌、裁剪等預處理。

本研究對遙感影像提取了分形紋理、顏色、植被指數、水體指數、裸地指數、建筑物指數等地物特征，并結合支持向量機模型進行了土地利用分類，并統計了各時相、各土地利用類型的面積占比。各年份土地利用類型占比和分布情況如表1和圖2所示。

表1 2000年、2005年、2010年和2015年各土地利用類型占比Tab.1 Proportion of land use types in 2000, 2005, 2010 and 2015 (%)

選用公里格網作為評價單元，評價指標導入公里網的步驟為： ①用ArcGIS10.3軟件的FISHNET工具模塊創建廣安市范圍的尺寸為1 km×1 km的公里格網； ②將土地分類數據賦值到各公里格網的屬性數據中； ③將地形、人口、GDP、夜間燈光、氣溫、NDVI、降水、GPP、土地利用分類等數據賦值到各公里格網的屬性數據中。

2 研究方法

2.1 評價指標選擇

本文綜合考慮廣安市的實際情況，以廣安市面臨的主要生態問題為導向，基于土地生態學等相關理論，對各類評價指標進行篩選，建立了包括生態本底、生態結構、生態效益和生態脅迫4個準則層的共計14個評價指標組成的遙感評價指標體系，如表2所示。

表2 土地生態質量遙感評價指標體系Tab.2 Remote sensing evaluation index system forland ecological quality

2.2 主客觀賦權重

關于評價指標權重值的計算方法有多種，主要分為主觀法和客觀法2大類： ①德爾菲法[13](Delphi method)是一種專家意見法和主觀賦權方法，也是一種綜合各位專家的經驗、主觀意見的綜合賦權法； ②熵權法是一種客觀賦權法，其中的“熵”的概念是由德國物理學家克勞修斯于1865年提出的[14]，主要反映物理能量在空間中分布的均勻度，能量分布越均勻，熵值就越高，而信息熵的概念出現較晚，最早于1945年由Shannon等人引入到信息論中，最初主要用于描述源信號的不確定性[15]。

本文采用主客觀法結合的方法計算各評價指標的權值，該方法避免了主觀或客觀單一賦權法的片面性，綜合了主客觀2種方法的優點。主客觀結合法計算權重Wi的公式為：

Wi=αUi+βVi，

(1)

式中：U為德爾菲法計算的權重值；V為熵權法計算的權重值；i為評價指標的序號；α和β分別為主觀法和客觀法的組合系數，α和β的約束條件為α2+β2=1。

2.3 理想點法土地生態質量等級劃分

目前，綜合指數法模型是土地生態質量評價中應用最多的數學評價模型[4]，具有計算精簡、信息損耗小、評價指標縱向與橫向的對比分析方便等優勢。理想點法屬于綜合指數法模型評價方法之一，是一種實用性很強的多指標數學建模方法，具體算法為：

1)建立決策矩陣(公里網格屬性表)。假設評價單元數為i，評價指標數為j，經過評價指標數據標準化處理，可以建立多屬性(多指標標準化值)的決策矩陣A，即

(2)

式中：rmn為第m個評價單元中第n個評價指標的標準化值。

2)構建N維歐氏空間中一個理想值點和一個評價點，使得理想點向量各分量取值都為1。評價點向量中，正向指標和負向指標的計算公式分別為：

(3)

(4)

因為在步驟1)中，各項評價指標數據都經過了標準化處理，正、負向指標的標準化值都分布于[0，1]區間； 經過負向指標計算后，負向指標就變成了正向指標，可以將正負指標的理想值都賦值為1，從而減少模型的運算量。

3)根據上述主客觀賦權法，計算各評價單元中每項評價指標的加權值，獲得評價向量； 最后計算評價向量和理想點向量之間的歐式距離，計算公式為：

(5)

式中：D為歐式距離值；Vij為第i個評價單元中第j個評價指標的加權值。

4)根據步驟3)計算得到的各個評價單元的歐式距離，應用自然斷點法對各評價單元進行生態等級劃分。

理想點法在多指標綜合評價應用中，對評價單元和評價指標的數量都沒有限制，并便于對評價內容進行縱向和橫向比較，故應用范圍較廣。通過步驟2)和3)對傳統理想點評價模型的改進，使得改進后的理想點模型計算效率得到了提高，也更能描述土地生態質量評價指標的生態本底、生態結構、生態效益和生態脅迫4個準則層對土地生態質量的影響，可以使生態評價更加準確。

2.4 主控因子分析

本文應用主成分分析法提取土地生態質量主控因子。主成分分析法是一種用于數據降維的統計方法，其算法為： ①進行空間變換(正交變換)； ②將原來相關的隨機向量分量轉成新的無關的隨機向量分量，如果從線性代數的角度來理解，是將協方差矩陣轉變換成對角形矩陣，如果從立體幾何角度來理解，是對坐標系進行正交變換，用新坐標系中的新隨機向量代表樣本點最分散(即方差最大)的N個正交方向，實現數據降維，從而獲得精度較高的低維系統； ③通過創建價值函數將低維變量系統轉換成一維變量系統[16]。

主成分分析法能將多變量系統轉變成數量較少的新變量系統，這較少的幾個新變量包含原來多變量系統的絕大部分信息量。土地生態質量評價系統也是多變量(評價指標)系統，采用主成分分析法可以將這個多變量系統通過正交變換轉成少數幾個變量組成的系統，而這個少數變量的系統也包含了原土地生態質量多個評價指標的絕大部分信息。主成分分析法在進行正交變換后，形成相互獨立的主成分，消除了多個評價指標間的關聯度。主成分分析法中各主成分的貢獻率權數代表該主成分包含的信息量在原來全部信息總量中的占比，而貢獻率權數是客觀的、數據驅動的。

3 結果與討論

3.1 土地生態質量理想點等級劃分

本文應用MATLAB 2016a軟件編程實現了各評價單元理想點值(土地生態質量評價值)的計算； 然后利用ArcGIS10.3軟件中的自然斷點法，對各公里網格的理想點值進行了等級劃分。廣安市范圍內共有7 012個評價單元，將各評價單元的理想點值按自然斷點法由低到高劃分第1級(較差)、第2級(一般)、第3級(中等)、第4級(良好)、第5級(優秀)等5個生態質量等級。4個時相的土地生態質量理想點等級如圖3所示。 本文獲取了4個時相各等級評價單元數量的占比情況，如表3所示。從圖3和表3可以看出，廣安市各年份、各生態等級的面積占比大部分集中在第2級和第3級，各年份第2級和第3級面積之和占比都在90%左右； 各年份第5級面積占比都較小，都不到1%。第2級與第3級面積占比情況大致呈負相關，2000—2005年第2級面積占比有一定幅度上升，2005—2010年下降較大，而2010—2015年有較小幅度的下降，第3級與第2級變化趨勢相反； 2000—2005年第4級占比有較小幅度上升，而2005—2010年有較小幅度下降，2010—2015年又有小幅上升； 第1級和第4級面積占比大致呈負相關。總體上，第3級面積占比在各等級中最大，而第3級面積占比總體上呈上升趨勢，因而廣安市2000—2015年間土地生態質量有所提高，這是當地土地整治部門決策正確、監管有效的有力證明。

表3 4個時相各生態等級評價單元數量占比Tab.3 Proportion of evaluation units of each ecological level in 4 phases (%)

3.2 主控因子分析

本文應用SPSS22軟件中的主成分分析功能，提取了廣安市4個時相土地生態質量的主控因子。具體實現步驟是： 將廣安市各時相的各評價單元所對應的由多評價指標標準化值建立的決策矩陣導入SPSS22軟件，閾值設定為1，表示將主成分分析法結果中方差大于1的向量設定為主成分； 最后將前幾個主成分向量中分值最高的位置對應的評價指標(因子)設定為主控因子。2000年、2005年、2010年和2015年時相的主控因子見表4—表7，其中成分順序為第1主成分向量中按照值的大小排序； 加粗因子為該主成分分量中分值最高的因子； 主控因子中(+)表示正向因子，(-)表示負向因子。

表4 2000年主控因子Tab.4 Main control factors in 2000

表5 2005年主控因子Tab.5 Main control factors in 2005

(續表)

表6 2010年主控因子Tab.6 Main control factors in 2010

表7 2015年主控因子Tab.7 Main control factors in 2015

根據表4—7，取前3個主成分中各自的最大值所對應的評價指標作為主控因子。2000年、2005年、2010年和2015年主控因子如表8所示。

表8 2000、2005、2010和2015年主控因子Tab.8 Main control factors in 2000, 2005, 2010 and 2015

從表8中的各年份主控因子可以看出，除2005年的第一主控因子為氣溫，其他年份的第一主控因子都是林地占比，這說明從長遠來看，林地占比是該地區最重要的土地生態質量主控因子。根據本文數據預處理結果，2005年氣溫比2000年有所升高，結合表3可以得知，隨著2005年氣溫的升高，生態質量第3級面積占比也同時提高，這說明氣溫與第3級(土地生態質量中等)面積占比呈正相關，由于第3級是最大面積占比等級，第3級面積占比的提高也代表了整體土地生態質量的提高，因而總體上氣溫與土地生態質量呈正相關。總之，林地占比和氣溫是對廣安市土地生態質量重要的主控因子，林地占比和氣溫都與土地生態質量呈正相關。

4 結論

本文以四川省廣安市為研究區，依據土地生態學等相關理論，結合廣安市的實際情況構建了相應的土地生態質量評價指標體系，基于理想點法的遙感評價模型對2000年、2005年、2010年和2015年的土地生態質量進行了綜合分析和評價，得到以下結論：

1)土地生態總體質量有上升趨勢； 林地占比、溫度為土地生態質量最重要的主控因子，溫度、林地占比都和土地生態質量呈正相關。

2)提出采用主客觀結合法計算各土地生態評價指標權值，避免了單純主觀或客觀賦權的片面性，提高了計算評價指標權重的準確程度。

3)對傳統的理想點模型進行改進，設置所有評價指標的理想值為1，然后計算評價指標向量到理想點向量(全為1)的歐氏空間距離，減少了土地生態質量評價模型的運算量，提高了工作效率。

4)通過本文的研究為廣安市土地整治部門提供了技術支持和決策依據。在未來研究中，將進一步完善評價指標數量和種類，同時在景觀生態模型方面上將開展評價模型的進一步研究。