基于GEE黃河三角洲長時序生態指數遙感估算與分析

張戰偉，董其軍，李婷婷

(山東明嘉勘察測繪有限公司,山東 淄博 255086)

0 引言

黃河流域生態保護和高質量發展，是重大國家戰略。2022年中共山東省委、山東省人民政府印發了《山東省黃河流域生態保護和高質量發展規劃》，其中明確了黃河三角洲生態防護治理、生物多樣性保護工程。近年來，遙感技術已被廣泛用于生態評價、監測、保護等工作，其具有長時序、范圍廣、信息量豐富等優勢，可為濕地資源監測、植被多樣性保護、生態修復等提供支撐，因此開展基于遙感技術手段的生態評估與分析具有重要的意義[1-3]。

本文基于2000—2021年的Landsat 5、Landsat 7、Landsat 8遙感影像數據，對黃河三角洲區域進行了長時間序列的歸一化植被指數(NDVI)、濕度指數(Wet)、鹽分指數(SI3)、遙感生態指數(RSEI)進行了計算，分析了指數之間的相關關系，其次按年度對4種指數分別做了重標極差分析及Hurst指數預測分析，研究成果可為黃河三角洲的生態修復及評價提供科學依據及理論指導。

1 研究現狀

目前國內外學者基于遙感技術方法，從多個方向開展了生態環境相關的研究，針對黃河三角洲區域的遙感生態研究也得了較多學者的關注，并形成了諸多成果。主要研究方向涉及新生濕地空間分布規律[4]濕地動態變化[5-6]、植被空間分布監測[7]、土壤鹽分提取[8]等。這些研究體現了遙感在黃河三角洲生態環境評價、監測等工作中的技術優勢。

鹽漬化是全球性問題，廣泛發生在干旱和濱海地區[9]，鹽漬化對植被影響明顯，會惡化生態環境[10-11]，針對鹽漬化問題，很多學者基于遙感技術開展了大量研究。趙欣悅等[12]利用Landsat 8 OLI對阿拉善地區鹽漬化特征進行了分析。黃曉宇等[13]基于光譜指數、波段反射率與實測值實現了土壤含鹽量的快速檢測。卞福花等[14]對不同水鹽生境下蘆葦濕地植被及土壤碳氮磷生態化學計量特征進行了研究。吳霞等[15]利用同時期土壤樣本與Landsat 8影像，基于相關分析和曲線回歸分析法構建了土壤鹽漬化評價指數。楊麗萍等[16]基于Sentinel-2數據，通過提取鹽分指數、植被指數等6類變量，設計了土壤鹽分預測模型。陳俊英等[17]利用無人機多光譜、GF-1遙感數據，結合土壤含鹽量，構建了鹽漬化監測模型，提高了鹽漬化的監測精度。黃河三角洲為濱海區域，鹽漬化問題對生態的影響是需要重點考慮的因素。

近年來隨著遙感云計算平臺等技術的發展，基于遙感數據長時間序列的研究越來越多。徐振田等[18]利用1986—2016年的Landsat影像，分析了黃河三角洲近30年濕地的時空分布和動態變化特征。焦瑞峰等[19]以 1986—2018 年的衛星遙感影像為基礎，分析了黃河三角洲分布格局、濕地面積及變化規律。余澤鴻等[20]基于2005—2018 年MODIS、Landsat數據，分析了黃河三角洲土壤鹽分含量時空演變特征。張晨宇等[21]以Landsat影像為基礎，揭示了2000—2020 年黃河三角洲鹽地堿蓬等植被的時空變化規律。長時間序列的分析能夠得到更加科學、完整、全面的特征規律，受到越來越多學者的關注，因此本文基于Google Earth Engine (GEE)開展黃河三角洲長時序生態指數遙感估算與分析的研究。GEE由谷歌在2010年推出，是目前應用最為廣泛的遙感云計算平臺，具有自動并行處理和快速計算的特點，是目前最流行的地球大數據處理平臺[22]。GEE集成了近40年歷史遙感影像數據，研究人員可以基于GEE開展生態、農業、海洋等諸多領域的研究。GEE主要由計算資源、數據集、代碼編輯器、APIs組成，支持JavaScript和Python語言開發，且用戶能夠上傳柵格或矢量數據進行處理、分析。

2 研究方法

2.1 總體技術流程

本研究利用GEE平臺優勢，對黃河三角洲區域2000—2021年的生態質量進行評估與分析，利用遙感數據構建NDVI、Wet、SI3、RSEI生態要素，并根據研究區域的特點，引入了SI3與RSEI相結合的評價分析方法，對2000—2021年逐年環境質量進行全面、完整的長時間序列的變化規律進行分析，為該區域生態環境評估提供了新的思路。研究的總體技術路線如圖1所示。

圖1 研究總體技術路線圖

2.2 遙感數據

本文采用Landsat 5、Landsat 7、Landsat 8衛星影像為數據源，研究時間為2000—2021年，共計22年。使用的衛星為美國NASA的陸地衛星計劃中的3顆，具體參數如表1所示。其中2000—2011年使用Landsat 5影像，2012—2013年使用Landsat 7影像，2014—2021年使用Landsat 8影像，影像的空間分辨率為30m，結果為逐年1月1日—12月31日去云后均值合成。

表1 遙感影像數據來源衛星主要參數

2.3 采用指數

本文選用歸一化植被指數(NDVI)、濕度指數(Wet)、鹽分指數(SI3)、遙感生態指數(RSEI)進行黃河三角洲區域的生態估算及分析。各指數的計算如公式(1)～(4)所示。

(1)

其中：NIR為近紅外波段的反射值;R為紅光波段的反射值。

(2)

其中：B表示藍光波段;G表示綠光波段;R表示紅光波段。

Wet=c1B1+c2B2+c3B3+c4B4+c5B5+c6B6

(3)

其中：B1～B6分別代表藍波段、綠波段、紅波段、近紅波段、中紅外波段 1、中紅外波段 2;c1～c6為傳感器參數。

綜上所述，海南省新生兒疾病篩查信息系統的應用現已可以滿足海南省新生兒疾病篩查的整個服務流程的需求，將新生兒疾病篩查工作中各環節的繁瑣和某些不規則流程通過信息化管理演變為可靈活處理的程序，大大提高了工作效率和工作質量，未來還需根據不同時期的需求繼續改進，逐步完善功能的拓展和維護，甚至可以考慮引進區塊鏈技術在性能上繼續提高。通過信息化管理，對新生兒疾病的早發現、早診斷和早治療，減少殘疾兒發生率提高出生人口素質的目的具有重大意義。

RSEI=f(NDVI,Wet,LST,NDSI)

(4)

其中：NDVI為綠度指標;Wet為濕度指標;LST為熱度指標;NDSI為干度指標。

RSEI耦合了綠度、濕度、熱度和干度4 類指標，各指標根據本身性質確定，非人為加權確定，該指數能夠快速評價、監測生態質量，可以對區域的生態環境變化規律進行建模、時空分析及可視化，是一種基于自然與遙感因素的量化指標[23]。由于RSEI耦合的4類指標信息完全來源于遙感數據，信息獲取相對容易，且計算過程避免人為因素影響，獲得的結果更加客觀、可靠。

2.4 數據處理與制圖

首先基于遙感影像數據生成2000—2021年4類指數數據，并制作逐年NDVI、Wet、SI3、RSEI柵格圖。其次對逐年的4種指數分別做重標極差分析、Hurst指數預測分析。

Hurst指數是對長時間序列的自相關性分析，并對未來趨勢的預測。Hurst指數的思路是：

設Xi=X1,…,Xn為一時間序列n個連續值，取對數并進行一次差分后的數據劃分為長度為H的相鄰的子區間A，即A×H=n。

每個子區間的均值為：

(5)

標準差為：

(6)

(7)

組內極差為：

Rh=Max(Xr,A)-Min(Xr,A)

(8)

Hurst指數(H)為：

(9)

Hurst推出的關系為：

(10)

式中:c為常數;n為觀察值個數;H為Hurst指數。

3 實驗結果及分析

3.1 NDVI、Wet、SI3、RSEI指數

本文對2000—2021年間5個年份的結果進行了重點分析，如圖2所示。

從圖2可知，NDVI在2000年為0.03～0.9，高值分布區域較多；在2011年有所下降，為0.3～0.7之間，其中東營市城區區域部分值相對較低，與城鎮化建設有關；在2021年整體呈現上升趨勢，且NDVI分布較為均勻；研究時間內整體呈先降后升的變化趨勢，說明前期植被覆蓋狀況有所惡化，近年來研究區域生態環境保護力度不斷加強，植被覆蓋有所好轉。RSEI在2000年為0.02～0.9，高值分布區域較多；2011年整體值有所降低，在2016年及2021年有所升高。鹽度值及濕度值整體較為平穩。總體上，4類指數呈現不同的空間差異性，沿岸和內陸呈現不同的趨勢和變化，2000—2021年4類指數整體均體現出“V”字形或倒“V”字形變化趨勢。

3.2 Hurst指數

本文基于2000—2021年4類指數數據，分析了變化規律并進行了預測，如圖3所示。其中：

H=0.5表示時間序列可以隨機游走，過去的趨勢與未來沒有關系；0

下面重點對RSEI進行分析，從圖3可以看出，RSEI低值部分主要是沿海海洋區域，因此不在分析范圍內，圖3中大于0.5的值比例最大，此外結合圖2可以看出自2011年以來，生態環境指數呈現上升趨勢，說明生態環境有改善趨勢，結果與近年來我國生態保護政策的實施及地方生態保護力度的加強一致。

圖2 研究區2000—2021年4類指數制圖成果

圖3 研究區2000—2021年4類指數Hurst預測制圖成果

3.3 相關性分析

3.3.1 相關系數

RSEI是在4個生態指數Wet(濕度)、NDVI(綠度)、LST(熱度)、NDBI建筑指數(干度)的基礎上通過主成分變換得出的一個評價生態環境質量的指標，該指數具有較強的客觀性、評價結果可視化效果好等優點，因此與EI指數(生態指數)相比，該指數更適用于區域生態環境質量評價。然而SI3與RSEI結合的研究者較少，鑒于此，基于RSEI指數與SI3、NDVI、Wet進一步分析。

如表2所示，本研究隨機選取120個抽樣點進行分析，其中RSEI與Wet的相關性最高為0.687，表明濕度對生態指數環境的影響最大；與SI3的相關性為-0.18，呈現負相關，表明鹽度會制約生態環境的變化；與NDVI的相關性為0.01，表明NDVI的變化與生態指數的相關性并不明顯。相關系數R平方(COD)依然是Wet較高，其次為SI3、NDVI。

表2 RSEI與SI3、NDVI、Wet分析結果

3.3.2 相關性趨勢

RSEI指數與鹽分指數SI3，NDVI，Wet的相關趨勢分析，RSEI與SI3負相關，趨勢逐漸下降，表明鹽分制約了生態環境的發展，與Wet正相關，逐漸上升，Wet的增加對環境優化具有至關重要的作用，與NDVI相關趨勢基本保持平穩(圖4)。因此加強水域濕地的保護對環境具有極大的貢獻度。

a—RSEI_SI3;b—RSEI_Wet;c—RSEI _NDVI圖4 RSEI與SI3、Wet、NDVI相關性分析

4 結論

本研究提取了黃河三角洲區域2000—2021年度歸一化植被指數、濕度指數、鹽分指數、遙感生態指數4個參數指標，此外考慮到黃河三角洲的區域特點，引入了鹽分指數(SI3)與遙感生態指數(RSEI)相結合的評價分析方法，為該區域生態環境評估提供了新的思路。此外，本文分析了2000年以來每個年度的數據，獲得了長時間序列的分析結果，得到的變化規律更加完整、細致。通過利用GEE平臺的優勢，可以快速的獲得分析結果，可為其他區域的生態遙感評估及分析提供參考。根據本文的研究成果發現：

(1)自2011年以來黃河三角洲區域的生態環境指數呈現上升趨勢，生態環境持續改善，這與我國生態保護政策及地方生態保護工作相關。

(2)通過RSEI與SI3、NDVI、Wet的相關趨勢分析，發現Wet的增加對環境優化具有重要影響，因此加強水域濕地的保護將有利于環境改善。

(3)鹽度值與環境質量呈現負相關，說明鹽度會制約生態環境的改善。

本文基于GEE平臺開展區域生態遙感研究，較為全面、準確地反映了研究區的生態質量情況，能夠為黃河三角洲區域的生態修復及保護提供參考。目前國產化的遙感大數據平臺也強勢發展，比如航天宏圖的PIE-Engine(Pixel Information Expert Engine)、阿里云達摩院的AI Earth等，需要發揮國產平臺優勢，開展生態遙感等方面的相關研究。此外，本文研究考慮的因素仍相對單一，不利于結果的系統性分析，因此下一步將結合人口、居民區、耕地等因素對遙感生態指數的影響開展進一步研究。