長株潭城市群生態(tài)環(huán)境質量時空演變及影響因素分析

李光哲, 王浩, 曹銀璇, 張曉宇, 寧曉剛

(1.山東科技大學測繪與空間信息學院,青島 266590; 2.中國測繪科學研究院,北京 100036)

0 引言

隨著全球城市化進程的加快,城市群已經成為人類定居和經濟發(fā)展的核心[1]。在人地關系矛盾日益加重的背景下,社會經濟與生態(tài)環(huán)境作為城市群可持續(xù)發(fā)展的重點一直深受關注[2]。目前我國城市群發(fā)展取得了顯著成就[3],但伴隨而來的是大氣污染[4]、熱島效應加強[5]和生態(tài)用地被城市用地大規(guī)模侵占[6]等一系列的生態(tài)環(huán)境問題,制約了城市群的可持續(xù)發(fā)展[7]。針對上述問題,許多學者開展了相關研究,對城市群社會經濟與生態(tài)環(huán)境發(fā)展現(xiàn)狀進行評價,如梁龍武等[8]、李平星等[9]和王淵等[10]分別針對京津冀、長三角和珠三角開展相關研究。已有研究多聚焦于探究上述一線城市群[11]生態(tài)環(huán)境質量,但隨著國內新型城市群的飛速崛起,長株潭、山東半島和呼包鄂榆等城市群為我國經濟發(fā)展提供巨大貢獻,因此掌握此類城市群的生態(tài)環(huán)境質量對可持續(xù)性發(fā)展同樣具有指導意義。

目前評價生態(tài)環(huán)境質量的方法主要有: “壓力—狀態(tài)—響應”(pressure-state-response)模型[12-14]以及生態(tài)環(huán)境狀況指數[15,16](ecological index)。上述評價方法涉及的大量指標體系和數據,在地市級以下尺度獲取難度大。其次,上述評價結果多為數值形式,難以體現(xiàn)空間分布狀況,不利于后續(xù)開展針對性治理。相比于上述方法,徐涵秋[17]提出的遙感生態(tài)指數(remote sensing ecological index, RSEI),充分利用遙感技術,克服了地市級以下尺度數據獲取難的問題,同時能夠實現(xiàn)數據的空間化和可視化展示,從而動態(tài)觀測生態(tài)環(huán)境變化。自此,RSEI指數被廣泛運用。宋慧敏等[18]、李妍等[19]、王士遠等[20]采用Landsat衛(wèi)星數據,分別對城市、鄉(xiāng)鎮(zhèn)、自然保護區(qū)3個級別地區(qū)測算RSEI,證明了RSEI在不同尺度的可靠性。但RSEI應用于較大區(qū)域時,面臨龐大數據量帶來的繁雜數據預處理和指標計算工作[21]。Google Earth Engine(GEE)云平臺是近年來全球使用高頻的云處理平臺[22],該平臺處理遙感影像能將時間與空間分辨率更好結合,在長時序遙感監(jiān)測中優(yōu)勢突出。鄭子豪等[23]和張華等[24]基于GEE云平臺,結合RSEI進行了長三角城市群生態(tài)環(huán)境質量和祁連山國家公園生態(tài)環(huán)境評價與分析。結果表明,GEE作為大區(qū)域范圍的生態(tài)質量評價與監(jiān)測的遙感計算平臺,可以改善遙感數據缺失、色差和時間不一致的問題[25]; 同時可以避免如輻射校正、大氣校正、正射校正等數據預處理工作[26]。因此本文將RSEI引入GEE平臺評價城市群生態(tài)環(huán)境質量。

以往研究分析了研究區(qū)生態(tài)環(huán)境質量及其變化[18,27-28],事實上,找出這些原因對于了解生態(tài)環(huán)境變化機制、采取切實措施保護和修復生態(tài)環(huán)境具有重要意義[29]。生態(tài)環(huán)境質量影響因素的研究方法主要分為定性和定量分析。定性分析方法僅能表征生態(tài)環(huán)境質量與各影響因素的關系及發(fā)展趨勢,難以明晰各因素對生態(tài)環(huán)境質量的影響程度; 定量方法主要是相關性分析、多元回歸模型等,此類方法僅定量分析單項影響因素對生態(tài)環(huán)境質量的影響,未能定量分析多影響因素在生態(tài)環(huán)境質量中的交互作用,且自然與人文要素間的多因素交互作用對生態(tài)環(huán)境質量的影響研究相對較少。地理探測器是探測空間分異及揭示其背后影響因子的統(tǒng)計學方法,它在度量空間分異度的同時,定量分析各影響因素之間的相對重要性和各影響因素交互作用對生態(tài)環(huán)境質量的影響[30]。因此,本文引入地理探測器進一步分析城市群生態(tài)環(huán)境質量變化的影響因素。

鑒于此,在快速城鎮(zhèn)化背景下,針對新型城市群生態(tài)環(huán)境質量評價匱乏,及其影響因素的空間異質性和交互性不清晰等問題,本文借助GEE平臺,利用長時序Landsat衛(wèi)星數據計算長株潭城市群RSEI,分析1990—2020年長株潭城市群生態(tài)環(huán)境質量時空格局,運用Sen斜率估計和Mann-Kendall(MK)檢驗進行長株潭城市群生態(tài)環(huán)境質量的變化趨勢分析,并利用地理探測器定性分析影響因素與生態(tài)環(huán)境質量的發(fā)展趨勢,定量分析影響因素間交互作用對長株潭城市群生態(tài)環(huán)境質量的影響。本文旨在為推進長株潭城市群一體化高質量發(fā)展提供科學依據,同時也為其他同類型城市群相關研究提供參考。

1 研究區(qū)概況及數據源

1.1 研究區(qū)概況

長株潭城市群地處于湖南省中東部,包括長沙、株洲、湘潭三市行政下轄23個縣區(qū)(圖1)。地理位置位于E111°58′38″～114°13′20″,N26°18′19″～28°41′22″之間,總面積2.8×104km2,屬亞熱帶季風氣候區(qū),年平均降水約1 400 mm,年均氣溫16～18 ℃; 境內地貌包括平原、崗、丘、山地等類型。長株潭城市群是湖南省的政治、經濟和文化的核心經濟區(qū)域以及城鎮(zhèn)化進程較快的典型區(qū)域[31],是中國第一個自覺開展區(qū)域經濟一體化實驗的城市群。作為長江中游城市群的重要組成部分,長株潭城市群被列為培育新型城鎮(zhèn)化戰(zhàn)略格局的重點城市群之一[32],在城市化快速發(fā)展背景下城市擴展與生態(tài)環(huán)境質量之間的矛盾突出,具有一定代表性。

圖1 研究區(qū)地理位置

1.2 數據源及其預處理

本文所用數據如表 1所示,Landsat遙感數據以1990年、1995年、2000年、2005年、2010年、2015年和2020年為中心年份,選取當年及前后年份生長季(4—10月)云量較少且影像質量較好的Landsat5 TM 和 Landsat8 OLI作為主要數據,并基于GEE云平臺在完成去云和去水掩模等預處理后進行RSEI計算。本文采用土地利用數據、人口密度數據、夜間燈光數據、降水數據、氣溫數據以及DEM數據表征研究區(qū)自然、社會發(fā)展情況,并作為影響因子參與地理探測器計算。其中2020年人口密度缺失,故采用2019年人口密度數據代替2020年人口密度數據,降水和氣溫數據為逐月數據集,為使數據時相保持一致,故選取4—10月的平均值作為代替值。各數據源在分辨率、投影和空間范圍等方面存在不一致,因此在開展研究之前,根據研究區(qū)范圍統(tǒng)一進行投影轉換和裁剪。考慮到各數據分辨率的不同,最終采用最鄰近法生成100 m×100 m分辨率數據。

表1 數據來源及預處理

2 研究方法

2.1 RSEI的計算

RSEI是一種完全基于遙感數據得到的綜合分析區(qū)域生態(tài)環(huán)境的方法,可以客觀反映區(qū)域的生態(tài)環(huán)境質量[17]。該方法選用綠度(normalized differential vegetation index, NDVI)、濕度(wetness,Wet)、熱度(land surface temperature, LST)以及干度(normalized differential soil index, NDSI)4個生態(tài)變量,能夠直觀反映區(qū)域生態(tài)環(huán)境質量優(yōu)劣情況[33]。各生態(tài)指標的計算方法如下[34]:

NDVI=(BNIR-Bred)/(BNIR+Bred)

,

(1)

WetTM=0.031 5Bblue+0.202 1Bgreen+0.310 2Bred+0.159 4BNIR-0.680 6BSWIR1-0.610 9BSWIR2,

(2)

WetOLI=0.151 1Bblue+0.197 3Bgreen+0.328 3Bred+

0.340 7BNIR-0.711 7BSWIR1-0.455 9BSWIR2,

(3)

LST=T/[1+(λT/ρ)lnε] - 273.15 ,

(4)

NDSI=(IBI+SI)/2

,

(5)

,

(6)

SI=[(BSWIR1+Bred)-(BNIR+Bblue)]/[(BSWIR1+Bred)+(BNIR+Bblue)]

,

(7)

式中:Bi為 Landsat 波段的地表反射率;SI為土壤指數;IBI為建筑指數。由于4個指標的量綱不統(tǒng)一,為減小對研究結果的影響,將各指標進行歸一化處理,使量綱在0～1之間。計算公式為:

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

,

(8)

式中:NI為歸一化指標;I為原始指標;Imin為指標I的最小值;Imax為指標I的最大值。

經過歸一化的4個指標通過主成分分析方法進行合成,并選取得到的第一主成分作為RSEI,值越大表示生態(tài)環(huán)境質量越好,計算公式為:

RSEI=PCA1[f(NDVI,Wet,LST,NDSI)] 。

(9)

2.2 Sen斜率估計和MK檢驗的趨勢分析

本文利用Sen斜率估計和MK檢驗進行長株潭城市群生態(tài)環(huán)境質量的變化趨勢分析。Sen斜率估計,是一種穩(wěn)健的非參數統(tǒng)計的趨勢計算方法。該方法計算效率高,對于測量誤差和利群數據不敏感,適用于長時間序列數據的趨勢分析[35]。MK檢驗是一種非參數的時間序列趨勢性檢驗方法,其不需要測量值服從正態(tài)分布,不受缺失值和異常值的影響,適用于長時間序列數據的趨勢顯著檢驗[36]。

Sen斜率估計的計算公式為:

(10)

式中:β為時間序列數據的趨勢變化;RSEIj和RSEIi為時間序列的RSEI值,10,表示生態(tài)環(huán)境質量呈現(xiàn)提升趨勢,反之退化。

MK檢驗統(tǒng)計量S的計算公式為:

(11)

(12)

根據時間序列長度n值的不同,顯著性檢驗統(tǒng)計量的選擇也對應發(fā)生改變。當n≥10時,統(tǒng)計量S近似服從標準正態(tài)分布,此時用檢驗統(tǒng)計量Z趨勢檢驗,Z值的計算如下:

,

(13)

。

(14)

采用顯著性水平α=0.05進行顯著性檢驗。生態(tài)環(huán)境質量變化等級如表 2所示。

表2 生態(tài)環(huán)境質量變化等級

2.3 地理探測器影響因素分析

地理探測器是探測和利用空間分異性的工具,包括分異及因子探測、交互作用探測、風險區(qū)探測和生態(tài)探測[37]。本文主要采用分異及因子探測和交互作用探測來揭示不同因素及其相互作用對長株潭城市群生態(tài)環(huán)境質量的影響。

1)分異及因子探測。探測因變量Y的空間分異性,以及自變量X對因變量Y影響程度q的空間分異。本文中,q為單因子對生態(tài)環(huán)境質量的影響程度,計算公式為:

,

(15)

2)交互作用探測。識別不同影響因素Xi之間的交互作用,即評估影響因素X1和X2共同作用時是否會增加或減弱對因變量Y的影響。具體實現(xiàn)方法為: 首先,分別計算因素X1和X2對Y的q值,即q(X1)和q(X2); 其次,計算它們交互時的q值,即q(X1∩X2); 最后,對q(X1)、q(X2)與q(X1∩X2)進行比較[30],如表3所示。

表3 交互作用q值與單因子q值對比關系表

結合數據的可獲取性原則,從人文(土地利用、人口密度和夜間燈光)和自然(DEM、降水量和溫度)2個角度,選取6個影響因素作為自變量X,將RSEI作為因變量Y。為客觀準確獲取因子探測分析結果,運用ArcGIS 10.7軟件,將上述自變量X轉化為柵格數據,運用自然斷點法進行分級賦值,綜合考慮研究區(qū)面積和空間特征等因素,創(chuàng)建研究區(qū)范圍內3 km×3 km格網,以格網中心點為樣本點,共計3 122個,通過格網中心點分別匹配RSEI值與6個影響因素值,利用地理探測器進行分異及因子探測和交互作用探測,揭示不同影響因素的空間分布及其因素間交互作用對生態(tài)環(huán)境質量的影響。

3 結果與分析

3.1 長株潭城市群生態(tài)環(huán)境質量空間格局

RSEI值從0～1表示生態(tài)環(huán)境質量由差到好,本研究RSEI數據主要集中在0.3～0.8之間,尤其在0.4～0.7之間分布密集,符合正態(tài)分布。為表述清晰且便于計算,采用自然斷點法對7期RSEI結果進行分級,計算各級平均值后進行取整處理,以此作為長株潭生態(tài)環(huán)境質量最終分級標準[38]。將生態(tài)環(huán)境質量等級劃分為5類,分別為“差”[0,0.40)、“較差”[0.40,0.55)、“中等”[0.55,0.65)、“良”[0.65,0.70)、“優(yōu)”[0.70,1]。1990—2020年長株潭城市群生態(tài)環(huán)境質量分類結果如圖2所示。長株潭城市群生態(tài)環(huán)境質量的空間分布總體上遵循“邊緣地區(qū)較好,核心區(qū)較差”的格局。生態(tài)環(huán)境質量“優(yōu)”和“良”的地區(qū)主要分布在長株潭城市群的東北部和東南部邊緣區(qū),如瀏陽市東部、攸縣東部、茶陵縣北部和東南部以及炎陵縣的大部分地區(qū)。生態(tài)環(huán)境質量“差”和“較差”的地區(qū)不斷增加,主要集中在開福區(qū)、芙蓉區(qū)、雨花區(qū)和雨湖區(qū)等城市群中部核心區(qū)。

(a) 1990年 (b) 1995年 (c) 2000年 (d) 2005年

生態(tài)環(huán)境質量分類的面積和百分比如圖3所示。1990—2000年RSEI值呈現(xiàn)下降趨勢,2000—2020年RSEI值呈現(xiàn)上升趨勢。1990—2020年30 a間生態(tài)環(huán)境質量“優(yōu)”和“良”面積平均占比大于60%,長株潭城市群生態(tài)環(huán)境質量整體向好。生態(tài)環(huán)境質量等級“優(yōu)”和“良”上下浮動的面積占比在10%～15%之間,2020年“優(yōu)”和“良”的面積占比最大。1990—2020年生態(tài)環(huán)境質量“差”的面積占比總體呈上升趨勢。總體而言,1990—2020年長株潭城市群生態(tài)環(huán)境質量整體呈現(xiàn)上升趨勢。

圖3 生態(tài)環(huán)境質量分類的面積占比

圖4 長株潭城市群生態(tài)環(huán)境質量變化趨勢空間分布

圖5 1990—2020年長株潭城市群縣區(qū)生態(tài)環(huán)境質量變化情況

3.2 長株潭城市群生態(tài)環(huán)境質量變化趨勢

采用Sen斜率估計和MK檢驗得到1990—2020年長株潭城市群生態(tài)環(huán)境質量時空變化趨勢圖,并依據2.2.2中生態(tài)環(huán)境質量變化等級進行分類,結果如圖 4所示。“顯著退化”地區(qū)主要位于研究區(qū)中部核心地區(qū),城市建成區(qū)急劇擴張,城市建設面積不斷擴大造成生態(tài)環(huán)境質量不斷惡化。“不顯著退化”地區(qū)主要位于炎陵縣中部、攸縣和茶陵縣交界處、瀏陽市西北部。“無變化”地區(qū)主要位于河流和湖泊。“不顯著提升”地區(qū)在整個研究區(qū)內分布較為分散。“顯著提升”地區(qū)主要位于研究區(qū)茶陵縣西南部、攸縣西部、湘潭縣和湘鄉(xiāng)市。1990—2020年長株潭城市群生態(tài)環(huán)境質量“顯著提升”面積為4 168.22 km2,占比為14.82%,“不顯著提升”面積為18 150.14 km2,占比為64.55%; “無變化”面積為511.28 km2,占比為1.82%; “不顯著退化”面積為4 742.69 km2,占比為16.87%,“顯著退化”面積為545.93 km2,占比為1.94%。長株潭城市群生態(tài)環(huán)境質量顯著提升。

1990—2020年長株潭城市群縣區(qū)生態(tài)環(huán)境質量變化情況如圖 5所示,其中,退化=顯著退化+不顯著退化,提升=顯著提升+不顯著提升; 中心城區(qū)為雨湖區(qū)、岳塘區(qū)、芙蓉區(qū)、開福區(qū)、天心區(qū)、望城區(qū)、岳麓區(qū)、荷塘區(qū)、蘆淞區(qū)、淥口區(qū)、石峰區(qū)和天元區(qū),不同縣區(qū)的空間分布和生態(tài)質量變化百分比呈現(xiàn)出不同的變化趨勢。總體而言,長株潭城市群的中心城區(qū)呈現(xiàn)出明顯的退化趨勢,且“不顯著提升”的地區(qū)主要分布在邊緣縣區(qū)。芙蓉區(qū)、天心區(qū)和開福區(qū)生態(tài)環(huán)境質量退化面積占比較大,分別占城市總面積的58.99%,57.84%和52.30%。湘潭縣、湘鄉(xiāng)市、瀏陽市、寧鄉(xiāng)市、茶陵縣、醴陵市、淥口區(qū)、炎陵縣、攸縣生態(tài)環(huán)境質量提升面積占比大于80%。

3.3 長株潭城市群生態(tài)環(huán)境質量影響因素

地理探測器各因子空間分布如圖6所示。土地利用類型中城鄉(xiāng)、工礦、居民用地較集中出現(xiàn)在中部核心地區(qū),林地分布在東北部和東南部地區(qū)。人口密度和夜間燈光的空間分布大體一致,均呈現(xiàn)中部核心建成區(qū)數值較高,東北部和東南部地區(qū)山區(qū)數值較低。海拔表現(xiàn)為東北部和東南部山區(qū)到中部平原放緩的空間形態(tài)。降水量呈現(xiàn)由中部向四周逐漸增加的趨勢。溫度呈現(xiàn)由中部向四周逐漸降低的趨勢。

(a) 土地利用類型 (b) 人口密度 (c) 夜間燈光

3.3.1 分異及因子探測結果分析

根據地理探測器模型的分異及因子探測結果(表4)所示,所有影響因子的顯著性檢驗P值均<0.01,表明所選因子均對長株潭城市群生態(tài)環(huán)境質量的空間分布具有顯著影響。1990—2020年間q值排名第一依次為DEM(0.296 1)、DEM(0.217 7)、土地利用(0.291 6)、夜間燈光(0.293 5)、土地利用(0.367 9)、夜間燈光(0.335 1)和土地利用(0.339 7)。1990—1995年間,DEM和溫度對生態(tài)環(huán)境質量的影響排名前二,而土地利用和夜間燈光對生態(tài)環(huán)境質量的影響位于末尾階段。2000年土地利用對生態(tài)環(huán)境質量的影響排名第一,DEM對生態(tài)環(huán)境質量的影響降至第二,但溫度和降水要高于夜間燈光和人口密度對生態(tài)環(huán)境質量的影響。2000年對生態(tài)環(huán)境質量的影響由自然因素向人文因素的過渡。2005—2020年間,土地利用和夜間燈光對生態(tài)環(huán)境質量的影響排名前二,而降水和溫度等自然因素對研究區(qū)的生態(tài)環(huán)境質量影響位于末尾階段。綜合來看,1990—2000年間自然因素>人文因素的影響,2005—2020年人文因素>自然因素的影響。

表4 分異及因子探測結果的q值①

3.3.2 交互作用探測結果分析

分別對1990年、1995年、2000年、2005年、2010年、2015年和2020年7期因子交互作用結果進行排序,將交互作用影響排名前10的因子組合整理得到表5。1990—2020年間各因素間的交互作用表現(xiàn)出對生態(tài)環(huán)境質量的影響具有小范圍波動,呈現(xiàn)先增強后減弱趨勢。1990—2010年q值排名第一的為土地利用∩海拔,分別為0.349 6,0.329 1,0.426 6,0.437 5和0.520 7; 2015—2020年q值排名第一的為土地利用∩夜間燈光0.427 2和0.410 5,與分異及因子探測結果相比q值提升程度在5%～15%之間。1990—2010年交互作用q值在不斷升高,從0.349 6到0.502 7,2020年跌落至0.410 5。排名前十的影響因素中多以土地利用、夜間燈光、DEM和人口密度兩兩組合。在2010年以前土地利用和DEM對生態(tài)環(huán)境質量表現(xiàn)出較突出的影響作用,說明2010年以前人文和自然因素都對生態(tài)環(huán)境質量產生影響。在2015年后土地利用和夜間燈光對生態(tài)環(huán)境質量表現(xiàn)出較突出的影響作用,說明2015年以后人文因素成為生態(tài)環(huán)境質量主要的影響因素。結果顯示,各因子在交互作用下對生態(tài)環(huán)境的影響度均比單因子大,說明長株潭城市群生態(tài)環(huán)境質量并不僅僅是單因子作用的結果,而是各因子交互后增強的結果。

表5 因子交互作用探測結果的q值

綜合地理探測器的分析結果,長株潭城市群的生態(tài)環(huán)境質量空間分異性不僅是單一影響因子直接、獨立作用的結果,而是人文因子和自然因子等影響因素交互后互相增強的綜合作用導致的。分異及因子探測和交互探測結果的差異反映出,對于長株潭城市群生態(tài)環(huán)境質量的空間分異性的影響,大部分影響因子通過與其他因子的協(xié)同作用可以比單獨作用更好地體現(xiàn)出來。

4 討論與結論

4.1 討論

長株潭城市群生態(tài)環(huán)境質量變化主要受到自然因素和人文因素的雙重作用。1990—2000年自然因素>人文因素對生態(tài)環(huán)境質量的影響,2000—2020年人文因素>自然因素對生態(tài)環(huán)境質量的影響。1990—2000年,長株潭城市群呈現(xiàn)自然式發(fā)展,人為干預因素少,使該時期內自然因素對生態(tài)環(huán)境質量的影響較大。2000—2020年,長株潭城市群實施《長株潭城市群資源節(jié)約型和環(huán)境友好型社會建設綜合配套改革試驗總體方案》《長株潭城市群生態(tài)綠心地區(qū)總體規(guī)劃》和《長株潭城市群生態(tài)綠心地區(qū)保護條例》等保護和管理措施,開始建立區(qū)域性生態(tài)環(huán)境補償機制,提出“一核三帶”發(fā)展戰(zhàn)略,增強了長株潭城市群向周邊的輻射能力,更加突出長株潭城市群生態(tài)綠心的優(yōu)先定位。隨著生態(tài)文明建設理念的不斷推進與落實,城市群發(fā)展更加注重向綠色轉型,生態(tài)環(huán)境質量明顯變好。這一系列的理念和管理措施使得人文因素的影響迅速提升。

本文通過GEE平臺極大地提高了影像處理的效率,同時結合地理探測器定量分析了影響因素交互作用對生態(tài)環(huán)境質量的影響。本研究可為未來新興城市群可持續(xù)發(fā)展提供相關參考。然而,本文仍存在一定局限性。首先,本文僅確定了城市群尺度上生態(tài)環(huán)境質量的主導因素,缺乏對更加精細尺度下生態(tài)環(huán)境質量的影響因素分析,下一步考慮利用其他地理空間模型,如時間地理加權回歸模型,在縣區(qū)級、格網級等精細尺度上探究生態(tài)環(huán)境質量與影響因素的時空關系。此外,對于自然和人文因素之間交互作用的復雜機理探討不夠深入,未來可納入能反映區(qū)域自然和人文發(fā)展狀況的多源大數據,探索新時代生態(tài)環(huán)境與社會經濟協(xié)調發(fā)展模式,利用網絡分析等方法探究區(qū)域生態(tài)環(huán)境質量影響因素之間的關系。

4.2 結論

本文運用GEE計算1990—2020年長株潭城市群的RSEI,首次揭示長株潭城市群生態(tài)環(huán)境質量的時空分布特征,利用Sen斜率估計和MK檢驗分析長株潭城市群生態(tài)環(huán)境質量的時空變化,并運用地理探測器進一步定量解析影響生態(tài)環(huán)境質量的影響因素及各因素的交互影響,得出以下主要結論:

1)長株潭城市群生態(tài)環(huán)境質量總體較好,空間分布總體上遵循“邊緣地區(qū)較好,核心區(qū)較差”的格局。長株潭城市群生態(tài)環(huán)境質量等級為“優(yōu)”和“良”的面積平均占比超過60%。可持續(xù)發(fā)展理念轉變了長株潭城市群城市無序擴張的發(fā)展模式,使得城市群RSEI總體上呈現(xiàn)先下降后上升趨勢,并在2000年出現(xiàn)拐點。

2)雖然城市群RSEI總體呈上升趨勢,但中心城區(qū)生態(tài)環(huán)境質量退化嚴重,非中心城區(qū)生態(tài)環(huán)境質量變化以提升為主。生態(tài)環(huán)境質量“顯著提升”的縣區(qū)分布在南部、西部和北部地區(qū)(茶陵縣、湘潭縣、湘鄉(xiāng)市和寧鄉(xiāng)市等); “顯著退化”的縣區(qū)主要分布在中部核心城區(qū)(岳塘區(qū)、芙蓉區(qū)、開福區(qū)等)。

3)1990—2020年30 a間DEM、土地利用和夜間燈光對長株潭城市群生態(tài)環(huán)境質量影響較強,人口密度、降水和溫度的影響作用較弱。1990—2000年間自然因素大于人文因素的影響,2005—2020年人文因素大于自然因素的影響。分異及因子探測和交互作用探測表明,交互作用相比單因子,對生態(tài)環(huán)境質量的影響提升5%～15%。2010年前人文因素和自然因素間的交互作用對生態(tài)環(huán)境影響較強,而2015年后人文因素間的交互作用對生態(tài)環(huán)境質量影響較強。