基于改進型遙感生態指數(MRSEI)模型的滇中地區生態環境質量研究

農蘭萍，王金亮①，玉院和

(1.云南師范大學地理學部，云南 昆明 650500；2.云南省高校資源與環境遙感重點實驗室，云南 昆明 650500；3.云南省地理空間信息技術工程技術研究中心，云南 昆明 650500)

生態環境質量是指在一定的時空范圍內，生態環境受自然-社會-經濟復合系統影響表現出的地域差異性，反映了生態環境的優劣程度[1]，受人類活動影響較大。在遙感技術的支持下，生態環境質量研究發展迅速，已成為生態環境研究的熱點問題之一，涉及省域、縣域等多個研究尺度[2-3]，以及城市生態環境質量[4]、流域生態環境[5]等多個研究對象。

早期，我國對生態環境質量的研究以建立評價指標體系為主[6]，多以層次分析法[7]等開展生態環境質量的綜合評價。其中，建立生態環境質量評價體系是生態環境質量評價必不可少的環節之一。此后，生態環境質量的動態監測[8]、時空差異分析[9]等方面的研究工作也逐漸加強, 生態環境質量研究逐漸從定性評價過渡到定量評價。在生態環境質量評價中，除構建指標體系外，評價方法的選取也十分關鍵，常用于生態環境質量評價的模型和方法有壓力-狀態-響應模型[10]、模糊評價法[11]等。近年來，地理信息系統(GIS)和遙感(RS)技術為生態環境質量研究和發展提供了高效的監測和分析手段。其中，以徐涵秋[12]提出的遙感生態指數(RSEI)模型應用最為廣泛，其優勢在于以遙感手段快速監測生態環境質量變化，以第1主成分構建模型，減少主觀因素影響，模型適用性強。但該模型多以自然因子反映生態環境質量的狀態，在一定程度上忽略了人為因素的主導作用，不利于分析生態環境質量變化與人類活動的相關性。

綜上所述，從生態環境質量熱點研究角度出發，以中分辨率成像光譜儀(moderate-resolution imaging spectroradiometer, MODIS)系列產品數據中的歸一化植被指數(normalized difference vegetation index, NDVI)等長時間序列遙感數據為基礎，定量分析滇中地區生態環境質量時空變化特征，并以地理探測器研究其變化的主導因素，揭示自然、人文因素綜合作用下對滇中地區生態環境質量的影響，為滇中地區打造區域一體化和建設以高原湖泊為主體、山水相連的高原生態格局提供借鑒。

1 研究區概況與數據來源

1.1 研究區概況

滇中地區位于云南省中部(23°19′～27°03′ N，100°43′～100°50′ E)，包括昆明市、曲靖市、玉溪市和楚雄州4個州市(共42個區、縣)。國土總面積約9×104km2，約占全省土地面積的1/4。滇中地區緯度低，但海拔相對較高，太陽輻射較同緯度地區強。區域屬亞熱帶季風氣候區，在西南季風和東南季風的控制下，氣候呈現出明顯的干濕季變化。區域內植被覆蓋率較高，以次生林為主，包括華山松林、云南松林和針闊混交林等[13]，自然條件優越。但在地形條件影響下，滇中北部、西北部以及西南部等干熱河谷地區和東南部喀斯特地區水土保持能力較弱。因此，水土流失問題較為嚴重，易發生土地資源退化等現象，進而影響生態環境的良性發展。在云南省內，滇中地區集中了云南省38%的人口和55%的GDP(2018年末云南省統計年鑒數據)，是省內經濟發展的重要引擎。隨著滇中城市群的發展，該區域不斷加強以昆明為中心的交通樞紐建設，承接云南省主要的工業經濟和產業轉移，并依托自然資源開發工礦產業、打造休閑旅游勝地，城市化進程不斷加快，在一定程度上影響了當地生態環境質量的可持續發展。因此，開展滇中生態環境質量研究工作，了解滇中地區生態環境質量的變化過程，可為滇中地區踐行生態文明建設理念、打造云南省生態文明建設排頭兵提供參考。

1.2 數據來源

研究所使用的數據主要有2種：(1)遙感數據：MODIS產品數據(包括地表反射率數據MOD09A1、地表溫度數據MOD11A2 和植被指數數據MOD13Q1，分別用于提取所需的地表反射率、白天地表溫度和NDVI等參數)，其來源于NASA官方遙感數據網站(https:∥ladsweb.modaps.eosdis.nasa.gov/)，數據經MODIS數據批處理軟件(MODIS reprojection tool, MRT)批量投影轉換為WGS84后，根據研究區范圍裁剪；高程、坡度等數據從SRTM(shuttle radar topography mission)數字高程模型提取，數據來源于地理空間數據云(http:∥www.gscloud.cn/)。(2)社會經濟數據：包括2000—2018年人口、國內生產總值(GDP)等縣域社會經濟數據，采用反距離權重法插值為空間數據，該數據來源于云南省統計年鑒。為了統一數據空間分辨率，均重采樣為250 m。遙感數據的具體參數見表1。

表1 遙感數據來源

2 研究方法

2.1 改進型遙感生態指數(MRSEI)模型

RSEI模型是一個集成遙感信息并綜合多個生態環境質量評價指標的可快速監測生態環境質量變化的綜合指數模型。該模型廣泛應用于城市生態環境監測[14]、區域水土流失監測[15]、礦區生態環境研究[16]等方面。但模型的適用范圍有限，僅適用于陸地范圍，因此在實驗中需對研究區內的水體進行掩膜。模型通常以綠度(NDVI)、濕度(WET)、熱度(LST)和干度(NDBSI)指數來綜合構建模型，其中NDBSI需通過建筑指數(index-based built-up index, IBI)和土壤指數(soil index, SI)綜合計算得出。在城市化進程下，人類活動及其所產生的社會經濟活動強度對生態承載力的良性循環具有重要影響[17]。因此，筆者在RSEI模型的基礎上加入人口、GDP等社會經濟因子，并對用主成分分析法提取第1主成分作為初始RSEI的原方法加以改進，以主成分分析法確定指標權重，保留各指標特征信息，進一步研究自然與人為因素相互作用對區域生態環境的影響程度。

MRSEI模型計算過程如下：首先，需要選取MRSEI所需的正向指標(NDVI、WET)和負向指標(NDBSI、LST和人口、GDP等)。其中，MOD09A1遙感數據需經纓帽變換后提取濕度分量，經波段計算后提取干度指標。纓帽變換是一種正交線性變換，以信息量豐富的少數維度替代原多光譜空間并建立與地物發展的聯系過程[18]，以突出土壤、植被等信息特征。LOBSER等[19]研究發現，MODIS影像數據與Landsat TM影像存在著類似的空間變換特征，并確定了MODIS數據纓帽變換的轉換系數，可進行濕度分量的提取。

Landsat TM與MOD09A1數據纓帽變換的對應關系[20]為

TWE,TM=0.031 5ρ1+0.202 1ρ2+0.310 2ρ3+0.159 4ρ4-0.680 6ρ5-0.610 9ρ6，

(1)

TWE,MODIS=0.240 8ρ1+0.313 2ρ2+0.114 7ρ3+0.248 9ρ4-0.641 6ρ5-0.508 7ρ6。

(2)

式(1)～(2)中，TWE,TM為Landsat TM遙感影像的濕度分量；TWE,MODIS為MOD09A1遙感影像的濕度分量；ρ1、ρ2、ρ3、ρ4、ρ5、ρ6分別為藍、綠、紅、近紅外、短波紅外1、短波紅外2的光譜反射率。

受大氣因素的影響，MODIS部分產品數據會存在空值現象，因此，基于MOD09A1等遙感數據，采用最大合成法計算出春、夏、秋、冬4個季節的數據后，再求季節均值，以提取年均NDVI、年均濕度等指標信息。其次，對所用指標進行指標標準化處理。最后，再利用SPSS軟件對因子進行主成分分析，并根據得出的指標成分矩陣、方差和方差百分比計算各年份的指標權重。為了減少人為因素的誤差，便于多年生態環境質量的比較分析，對各年份的指標權重求取多年平均權重作為最終的指標權重，NDVI、WET、NDBSI、LST、人口和GDP的多年指標權重均值分別為0.18、0.15、0.17、0.11、0.19和0.20。最終，通過加權圖層疊置法計算各個年份的MRSEI。

2.2 變異系數

變異系數是以標準差和平均值之間的關系來反映因變量的變化程度[21]，可用來反映多年生態環境質量年際變化的穩定程度。該值越大，離散程度越大，穩定性越低。為直觀表示生態環境質量變化的穩定性，將其分為4個等級：變異程度非常穩定(≤0.1)、穩定(>0.1～0.2)、不穩定(>0.2～0.3)和非常不穩定(>0.3)[22]。計算公式為

(3)

2.3 Theil-Sen Median趨勢度

Theil-Sen Median趨勢度是以中位數評價長時間序列數據變化趨勢的穩健型非參數統計分析方法[23]。該方法需進行顯著性檢驗，其優勢在于對非正態分布數據仍可進行數據趨勢分析，可用來分析生態環境質量變化改善或退化的變化趨勢。

(4)

式(4)中，β為n(n-1)/2數據組合斜率的中位數(時間序列長度n=19)；IMRSE，i和IMSRE，j分別為年份i和年份j的MRSEI數據值。β>0說明研究時間序列過程中生態環境質量改善，反之說明生態環境質量退化。

2.4 空間自相關分析

地理學第一定律指出，任何事物間都有聯系且距離相近的事物聯系更為密切[24]，表現出事物的聯系性特征。與此同時，具有空間特性的事物也表現出空間分異性。空間自相關常用于時空格局演變研究[25]，可分為全局和局部空間自相關2種類型，分別用全局Moran′sI指數和局部Moran′sI指數表示。

全局Moran′sI指數計算公式為

(5)

(6)

式(5)～(6)中，I為全局Moran′sI指數，其閾值為[-1,1]，I<0表示負相關，I=0表示不相關，I>0表示正相關；wij為權重系數，僅當i和j相鄰時wij取1，否則取值為0；xi和xj分別為滇中地區i、j處的生態環境質量指數；S2為變量x的離差平方和。

局部Moran′sI指數計算公式為

(7)

式(7)中，Ii為局部Moran′sI指數。

2.5 地理探測器

地理探測器作為一種探測空間分異性及分析驅動力的統計方法，其基本思想是若不存在空間異質性，則研究區的子區域方差不小于區域總方差，而存在統計關聯性的變量空間分布一致[26]。地理探測器包括4個探測器：分異及因子探測、生態探測、風險區探測和交互作用探測。該方法廣泛用于區域變量的空間差異分析[27]，如縣域生活質量空間差異分析等[28]。

2.5.1分異及因子探測

(8)

式(8)中，以NDVI自變量為例，q為NDVI對MRSEI空間分異的解釋能力，其值越大解釋能力越強，閾值為[0,1]；h為NDVI自變量的子區域；Nh和N分別為NDVI子區域和整個區域的單元數；σ和σh分別為NDVI子區域和整個區域的方差。

2.5.2生態探測

生態探測用于比較2個因子對屬性Y的空間分布影響是否具有顯著差異，以F統計量表示。若樣本發生概率小于顯著性水平α，則2個因子間存在顯著性，以“Y”記；反之，以“N”記。

(9)

(10)

(11)

式(9)～(11)中，Nx1和Nx2分別為因變量x1和x2的樣本數；WSS，x1和WSS，x2分別為因變量x1和x2形成的分層層內方差和；L1和L2分別為因變量x1和x2的分層數量。

2.5.3風險區探測

風險區探測用于辨析2個子區域的屬性均值差異是否顯著，用t統計量進行檢驗。

(12)

式(12)中，ˉYh為子區域h內的屬性均值；Var為方差；nh為子區域h內樣本數量。

2.5.4交互作用探測

交互作用探測是在分異及因子探測的基礎上，用以識別不同因子間的交互作用，再分析自變量相互作用下對因變量的作用。因子的交互作用探測有5種表現形式，即非線性減弱、單因子非線性減弱、雙因子增強、獨立和非線性增強。

該研究使用地理探測器(http:∥www.geodetector.org/)分析滇中生態環境質量影響因子差異，結合滇中地區實際情況將各因子進行離散化處理，并根據自然斷點法分級。其中，因滇中地區植被覆蓋度較高，將其細分為7個等級。而人口和GDP等社會經濟數據呈非指數型逐年增長趨勢，將其按各年的實際情況利用自然斷點法分為5級。遙感因子分級情況見表2。

表2 滇中地區遙感因子分級標準

NDVI表示綠度；WET表示濕度；LST表示熱度；NDBSI表示干度。

3 結果與分析

3.1 滇中生態環境質量時間變化特征

通過計算NDVI、WET等指標，經主成分分析法確定指標權重，得到滇中地區2000—2018年MRSEI變化結果(圖1)。

結果顯示，整體上MRSEI值呈波動上升趨勢，說明研究區整體生態環境質量較好，此與滇中地區生態安全研究結果相符，表現為2010—2015年生態安全指數升高，MRSEI值增大，即生態環境轉好[29]。州市層面，MRSEI值表現為楚雄州>玉溪市>昆明市>曲靖市。其中，楚雄州和玉溪市MRSEI超出滇中地區MRSEI平均水平，而昆明市和曲靖市MRSEI落后于滇中平均水平。2000—2018年MRSEI年均值為0.645；2015年滇中地區MRSEI均值達峰值，為0.688，說明該年份生態環境質量最佳；而2003年滇中地區生態環境質量最差，MRSEI均值為0.597。在各州市中，除楚雄州MRSEI峰值(0.756)出現在2008年外，其余州市MRSEI峰值均出現在2015年。

2000—2018年滇中地區生態環境質量的變異系數CV平均值為0.066，小于0.1，表明生態環境質量狀況非常穩定。從圖2來看，生態環境質量變異程度非常穩定、穩定、不穩定、非常不穩定區域面積占比分別為85.72%、13.67%、0.33%和0.28%，滇中大部分地區生態環境質量變化非常穩定(CV≤0.1)，滇中地區東北部變化穩定，僅昆明市中心等人口密集、經濟活動強度大的地區生態環境質量變化波動較大、穩定性低。各州市中，楚雄州生態環境質量變化最為穩定(CV=0.051)，其次是玉溪市(CV=0.053)和昆明市(CV=0.073)，而曲靖市(CV=0.090)生態環境質量穩定性最差。

從近19 a滇中地區MRSEI的變化趨勢來看，總體上滇中地區MRSEI呈增長趨勢，約80%的區域生態環境質量有所改善。但生態環境質量改善程度以不顯著和弱顯著為主，分別占改善總面積的51.64%和46.33%，而改善程度為顯著和極顯著區域占比極小，僅達2.03%。生態環境質量退化區域占總面積的比例為21.35%，以不顯著退化為主，占總退化面積的93.34%，表明滇中生態環境質量雖有退化，但退化程度不明顯。

3.2 滇中生態環境質量空間變化特征

3.2.1基于全局Moran′sI指數的空間特征分析

計算滇中地區近19 a的全局Moran′sI指數(圖3)發現，全局Moran′sI指數整體呈上升趨勢，且檢驗全局Moran′sI指數的Z統計量為正值。縣域生態環境質量存在著顯著的空間聚集，空間特征表現為生態環境質量較高的縣域趨于與生態環境質量較高的縣域相鄰，或生態環境質量較低的縣域趨于與生態環境質量較低的縣域相鄰。自2004年后，高高、低低的空間聚集特征顯著加強。

3.2.2基于局部Moran′sI指數的空間特征分析

對滇中地區生態環境質量進行局部空間自相關性分析，滇中地區生態環境質量局部空間特征(圖4)表明，研究區主要表現出高高聚集、高低聚集、低低聚集、低高聚集和無顯著性5類空間特征，其中高高聚集和低低聚集表現為正空間相關性。

近19 a，高高聚集的縣域主要集中在滇中西部地區，而低低聚集類型的縣域重心由東北向西南方向移動，逐漸轉移至滇中地區中部，形成研究區西部高高聚集、中部低低聚集、東部無顯著空間相關性的空間格局特征。2000—2018年，始終表現為高高聚集特征的縣域有新平縣，長期處于高高聚集的縣域有楚雄市、雙柏縣、大姚縣、姚安縣、南華縣，均位于楚雄州。而在2004年前，生態環境質量低低聚集的重點區域主要集中在曲靖市的麒麟區、沾益區和馬龍區，2004年后重心逐漸移至五華區、盤龍區、西山區、官渡區、呈貢區、安寧市、嵩明縣、富民縣和宜良縣等經濟活動強度較大的地區。自低低聚集重心轉至研究區中部后，澄江市生態環境質量呈現出高低聚集的空間特征，表現為澄江市生態環境質量較高且被生態環境質量相對較低的縣域所包圍。低高聚集的空間特征以元謀縣為主，說明與周邊縣域相比較，元謀縣生態環境質量相對較低。

3.2.3基于生態質量變化度和不同地形條件下的空間特征分析

根據HJ 192—2015《生態環境狀況評價技術規范》中的生態環境狀況變化度分級標準，并結合滇中地區的實際情況，將滇中地區MRSEI變化度絕對值進行分級，分為基本不變(<0.05)、略微變化(0.05～<0.15)、中等變化(0.15～<0.25)、明顯變化(0.25～<0.35)和顯著變化(≥0.35)5個等級，以分析2000—2018年滇中地區生態環境質量變化度在空間上的變化情況。

圖5顯示，2000—2005年，滇中地區MRSEI變化情況以基本不變、略微變好和略微變差為主，分別占總面積的48%、38%和10%，滇中地區生態環境質量略微改善，在空間上分布較為均勻。而略微變差、中等變差的地區主要集中在研究區中部，及昆明市的五華區、盤龍區等地。

2005—2010年，滇中地區生態環境質量基本保持不變。而研究區東部生態環境質量略微變差，占總面積的11%；研究區西部生態環境質量略微變好，占總面積的7%。2010—2015年，滇中地區生態環境質量有所改善，以基本不變和略微變好為主，分別占總面積的56%和43%，略微變好區域主要集中在滇中東部。2015—2018年，滇中地區生態環境質量變化表現為基本不變和略微變差的特征，兩者面積分別占總面積的84%和14%，略微變差區域零散分布，但主要集中在研究區東部。總體來說，滇中地區生態環境質量變化度以基本不變為主，局部地區表現為略微變化和略微變差波動變化，與滇中總體生態環境質量變化趨勢一致。在空間分布上，略微變好區域主要集中在研究區西部地區，研究區中部、東部地區生態環境質量略微變差。2010—2015年研究區東部生態環境質量明顯改善。

根據李炳元等[30]對中國陸地地貌海拔的劃分方法并結合滇中地區實際情況，將高程分別以1 000、1 500、2 000、2 500、3 000、3 500、4 000 m為臨界值劃分為8個等級，以研究山區生態環境質量的空間分布特征。根據滇中坡度的實際情況，以5°為步長，將其分為8個等級。由圖6可知，滇中地區多山地，在不同等級的高程、坡度類型下，MRSEI表現出不同的空間分布特征。

滇中生態環境質量在不同高程的變化規律總體上以3 000 m為界，在3 000 m及以上，高程值越大生態環境質量越高。在>3 500～4 000 m高程范圍出現低值，主要集中在東川地區，所占面積小，生態環境質量有部分降低；而在3 000 m以下，≤1 000 m的低海拔區域生態環境質量較好，>1 000～1 500和>2 000～2 500 m海拔區域次之，>1 500～2 000 m的中海拔地區生態環境質量較差。而在不同坡度下，>20°～25°和>25°～30°坡度下生態環境質量最高，>30°～35°和>15°～20°坡度下生態環境質量次之，>35° 區域生態環境質量處于中等水平。>15°～20°坡度區域的生態環境質量呈現坡度越小、生態環境質量越差的變化趨勢。綜上，海拔3 000 m及以上、坡度>20°～30°區域生態環境質量最好，而海拔>1 500～2 000 m、坡度在10°以下區域生態環境質量較差。

3.3 滇中生態環境質量時空變化影響因素分析

3.3.1分異及因子探測

經地理探測器分異及因子探測得出不同年份各個因子的q值，結果見圖7。多年分異及因子探測結果顯示，q平均值由大到小為人口>NDBSI>NDVI>GDP>LST>WET。這表明在MRSEI模型中，人口數量分布對生態環境質量的空間分異影響較大，其次是NDBSI和NDVI指數，而WET指數對生態環境質量的空間分異影響較小。

3.3.2生態探測

滇中地區生態環境質量生態探測結果中，“Y”表示2個因子存在顯著性差異，“N”表示無顯著性差異。近19 a，NDVI與WET、LST、人口和GDP之間,WET與NDBSI、人口、GDP之間，NDBSI與人口,LST與人口，人口與GDP之間始終存在著顯著性差異，而NDVI與NDBSI,WET與LST，NDBSI與人口、GDP之間，LST與GDP之間在某些年份表現出無顯著性差異。總體上，各因子之間的相互關系以顯著性差異為主。因此，選用NDVI、WET、NDBSI、LST、人口和GDP等因子對滇中地區生態環境質量進行評價和空間差異分析具有重要的探測意義。

3.3.3風險區探測

為探測各因子在不同等級下對生態環境質量的影響程度，對其進行風險區探測，各因子的風險探測結果見圖8。風險區探測結果表明，NDVI和WET對生態環境質量起正反饋作用，即植被覆蓋率越高、濕度越大的地區生態環境質量越好，其中NDVI對生態環境質量的影響更大。而NDBSI、LST、人口和GDP對生態環境質量的作用是負向的，即干度值越高、地表溫度越高、人口數量越大、經濟活動強度越大的地區，生態環境質量壓力越大，生態環境質量相對較差。

3.3.4交互作用探測

交互作用探測可反映出多因子相互作用對生態環境質量產生的影響。滇中地區生態環境質量影響因子間的交互作用探測中，2個因子之間多呈雙因子增強的交互作用，即雙因子交互作用大于單因子影響，由此也反映出滇中生態環境質量的差異受多種因素的影響，而非單因子起決定作用。而WET與人口、GDP，LST與GDP因子的交互作用呈非線性增強現象，即濕度與人口和GDP等因子交互，和地表溫度與GDP交互作用下對滇中地區生態環境質量變化的影響程度較小，進一步反映出與NDVI、NDBSI等受人類活動干擾大的影響因子相比，滇中地區濕度、熱度與人類活動的相互作用對生態環境影響較小。因此，在滇中地區需重視人類活動對生態環境的干擾作用以及生態環境變化的發展趨勢。

4 討論

以MRSEI模型對滇中地區長時間序列的生態環境質量進行監測，從時間和空間2個尺度分析滇中整體和局部的生態環境質量變化特征。總體上，滇中地區整體生態環境質量改善且生態環境質量較為穩定，這與滇中地區加強水土保持工作、注重封山育林以提高森林覆蓋率有密切聯系。但局部冷點地區生態環境質量的退化需要加強重視，如昆明市人口密集區建筑業的快速發展影響著生態環境質量的提高，因此需合理規劃城市建設用地的規模，提高城市容積率，加強城市綠地建設。與此同時，云南省承接沿海地區轉移的醫藥、食品、輕工、鋼鐵等產業，其牽引著人口的流動，激發了城市建設用地規模的擴大，人口壓力也帶來了生態環境質量壓力，因此在承接產業的同時，需要規劃好城市建設用地規模，保留足夠的生態環境用地，減少對生態用地的占用。而在各州市中，楚雄州生態環境質量最佳，與2016年云南省生態文明建設年度評價結果中的綜合環境質量指數和生態環境保護指數結果相一致，體現出MRSEI模型評價的可靠性。除此之外，利用MODIS數據開展的生態環境質量評價，其結果顯示自然因子中NDVI和NDBSI與社會經濟等因子的交互作用大于WET和LST與人類活動之間的交互作用，反映人類活動對生態環境質量的影響程度不斷加強。利用MODIS數據對滇中生態環境質量進行研究，其結果與利用Landsat數據進行生態環境質量研究所得結果相似[31]，表明在研究范圍較大的情況下，可使用中分辨率的遙感影像進行生態環境質量評估，以提高生態環境質量時序評價效率。

但研究中仍存在著不足之處，由于缺少較精細的鄉鎮人口和GDP等數據，人口和GDP的空間化與實際情況存在一定誤差。因此，在后期的研究中，需完善人為因素等相關指標的空間化，增加并優化指標體系，更好地服務于生態環境質量監測。

5 結論

(1)通過變異系數、Theil-Sen Median趨勢度等方法分析滇中地區近19 a的生態環境質量發現，滇中地區生態環境質量總體呈波動上升趨勢，且波動程度非常穩定，生態環境質量轉好，其中以2015年的生態環境質量為最佳。各州市中，楚雄州生態環境質量狀況最佳，而曲靖市生態環境質量狀況相對較差。

(2)滇中地區生態環境質量呈正空間相關性，但呈現出經度地帶性的空間差異，即由滇中西部到東部呈現出高高聚集—低低聚集—無顯著性的空間分布格局，其中高高聚集的重心一直保持在研究區西部，而自2004年后，低低聚集的重心由研究區東部逐漸移至東部。

(3)階段性生態環境質量變化過程中，總體上呈現出研究區西部生態環境質量優于研究區東部的格局，但在2010—2015年，研究區東部環境改善程度大于研究區西部。在地形空間分布上，海拔>3 000 m、坡度>20°～30°的區域生態環境質量較好，而生態環境質量相對較差的地區與人口分布特征一致。

(4)經地理探測研究生態環境質量的影響因子發現，NDVI和WET對MRSEI起正反饋作用，而NDBSI、LST、人口和GDP等因子表現為負反饋作用。其中，多因子共同作用對生態環境質量的影響更大，而自然-人文因素交互作用中NDVI、NDBSI與人類活動交互作用對生態環境質量的影響程度更大。