干旱区绿洲遥感生态指数的改进
刘尚钦1,2,3,4，张福浩1,2，赵习枝2，黄 靖5，高鹏程1,3,4
(1. 兰州交通大学 测绘与地理信息学院, 兰州 730070；
2. 中国测绘科学研究院, 北京 100036；
3.地理国情监测技术应用国家地方联合工程研究中心, 兰州 730070；
4.甘肃省地理国情监测工程实验室, 兰州 730070；
5.天津城建大学 地质与测绘学院, 天津 300384)
摘 要 ：针对干旱绿洲地区的生态环境复杂，生态环境质量难以通过遥感指数评价的问题，该文从生态因子选择与耦合方法两方面对遥感生态指数(RSEI)进行了优化，构建了绿洲遥感生态指数(ORSEI)，研究了2020年民勤县RSEI、干旱遥感生态指数(ARSEI)和ORSEI在细节表征方面的差异，并通过ORSEI指数对2015–2020年生态环境进行了监测与评估。研究发现，ORSEI指数提升了原遥感生态指数在干旱绿洲地区的表现力，能更精准地监测民勤县生态环境。2015–2020年生态环境总体较差，生态环境等级较高的地区主要分布在绿洲地区，绿洲扩张使生态环境质量有很大的提升，西北地区山地生态环境改善情况较为明显，沙漠腹地生态环境很差且变化复杂。
0 引言
干旱区绿洲是干旱地区开发建设和经济发展主要基地，也是改造和利用位于干旱区中沙漠地带潜力的希望所在。随着我国经济发展战略重心向西北转移，对干旱区绿洲的整治与开发建设较为紧迫。因此，快速精准获取干旱区绿洲的生态环境状态以及变化情况对环境治理和经济发展具有重要意义。
生态指数可以定量描述一个地方的生态环境状况。2006年，国家环保局发布了《生态环境状况评价技术规范》，确定了生态环境状况指数(ecological index，EI)，该指数依赖于多种统计数据，数据收集困难，很难实现对研究区生态环境的实时评价。文献[2]从绿度、干度、湿度、温度4个方面入手，提出了一种完全基于遥感数据的遥感生态指数(remote sensing ecological index，RSEI)。但是RSEI的提出是基于城市生态环境评价，将其应用在干旱区绿洲生态环境的质量评价中的准确性和合理性还有待商榷，例如，其中用来衡量绿度的归一化植被指数(normalized difference vegetation index，NDVI)因子更适用于中度植被覆盖区，干度指数(normalized difference build and soil index，NDBSI)因子更适用于城市主城区等，干旱区绿洲植被覆盖率低，土地利用类型以荒漠为主，建筑用地占比低下，上述指数就不具有代表性。因此，在构建生态环境评价指数时应根据研究区的独特性选用更具有代表性的因子。文献[3]构建了一种遥感综合指数高寒草原荒漠化指数(Alpine grassland desertification index，AGDI)，用来评价高山草原的荒漠化程度，但文中并未提出适用的遥感指数选择办法。文献[4]提出了指数选择方法，并筛选出了适用于不同类型研究区的指数，提出了适用于区县级的生态评价方法。文献[5]通过层次分析法(analytic hierarchy process，AHP)从遥感指数方面对干旱区内陆河流域的环境进行了评价，但是此种方法存在一定的主观性。文献[6]基于干旱地区构建了干旱遥感生态指数(arid remote sensing ecological index，ARSEI)，从绿度、湿度、盐度、热度以及土地退化信息评价了乌兰布和沙漠生态环境质量，并证明在干旱地区ARSEI比RSEI更具适用性，但是在具体遥感指数选择方面并没有定量描述。文献[7]发现在主成分分析（principal component analysis，PCA）时仅采用第一主成分构建会造成信息利用不充分，进而提出了改进的遥感生态指数(modified remote sensing ecological index，MRSEI)，较之传统的RSEI，能够更加充分地利用影像有效信息，在评价生态环境质量时更加可靠。
综上所述，在现有的生态遥感指数的构建研究中，对不同类型区域的遥感生态指数缺乏针对性研究，对遥感因子的选取也缺乏一定的标准。为了更有效地评价干旱区绿洲的生态环境质量，本文在前人的研究基础上，通过相关性分析选择了更适用的遥感指数和主成分分析方法，构建了绿洲干旱遥感生态指数(oasis remote sensing ecological index，ORSEI)；同时以民勤县为例，证明ORSEI在干旱绿洲地区的适用性；并研究了2015–2020年民勤县的生态环境变化特征，以期能够为民勤县的生态环境治理提供参考。
1 研究区与研究数据
1.1研究区概况
民勤县地理位置101°49'E～103°12'E、38°05'N～39°28'N，位于河西走廊东北部，由石羊河冲积、湖积而成，东北靠腾格里沙漠，西邻巴丹吉林沙漠，南靠武威盆地，属于典型的温带大陆性干旱气候，是中国四大沙尘暴策源地之一，也是中国干旱和荒漠化最严重的地区之一，总土地面积为16 016 km2。该地区干旱缺水但蒸发剧烈，最长连续无降水日数达194 d，常年风沙肆虐，大风常常伴随着特大沙尘暴，最小能见度不足1 m。民勤县基本地貌主要由沙漠、低山丘陵和平原3种组成。自20世纪以来，随着人口的增长和社会经济的发展，地下水位急剧下降，水质恶化、土壤盐渍化加重，植被退化，土地沙漠化加剧，可供人类生存居住的面积仅占6%。
1.2数据来源
Landsat8 OLI/TIRS遥感影像，来源于美国地质调查局(United States Geological Survey，USGS)，为获取植被信息，选取7～8月之间成像清晰、云量低于3%的影像。其中陆地成像仪OLI具有8个多光谱波段和1个全色波段，分辨率分别为30 m和15 m；其TIRS传感器有2个热红外波段，分别为TIRS1(波段10)和TIRS2(波段11)，中心波长分别为10.9 μm和12.0 μm，原始空间分辨率为100 m，并将影像经过辐射定标、大气校正、镶嵌、裁剪等预处理。土地利用数据与研究区的行政区划数据获取自中国科学院资源环境科学与数据中心(https://www.resdc.cn/)。为探究研究区域生态环境变化情况，分别选取2015、2018、2020年的Landsat8影像数据和土地利用数据进行计算。
2 模型构建
2.1遥感生态环境指数选择
本文针对干旱区绿洲与城市和干旱区的环境差异，并结合前人的研究，在原有的RSEI基础上加入了土地退化指标，从绿度、湿度、干度、热度以及土地退化5个方面，选取了以下几种指数来评估生态环境。
2.1.1绿度指数
植被最能直接有效地反映地表的各类变化，尤其在干旱区尤为显著。在荒漠生态区，具有抗旱、抗盐碱特性的荒漠植物利用为数不多的水资源发挥着保持水土的作用，是干旱区绿洲的守护者。本文选取了几种常见的植被指数：归一化植被指数(NDVI)、比值植被指数(ratio vegetation index，RVI)、增强型植被指数(enhaneed vegetation index，EVI)、调节土壤的植被指数(modified soil-adjusted vegetation index，MSAVI2)、适用于植被监测的通用归一化植被指数(universal normalized vegetation index，UNVI)。
2.1.2干度指数
民勤县土壤沙化严重，土壤盐碱度较高，城市建成区较为集中，对农业发展与生态环境恶化息息相关。本文采用的干度指标选取了归一化差值建筑用地指数(normalized difference built-up index，NDBI)、盐度指数(salinity index，SI-T)、裸土指数(salinity index，SI)、建筑用地指数(index-based built-up index，IBI)、NDBSI。
2.1.3湿度指数
民勤县属温带大陆性气候，区域蒸发量远大于降水量，地表径流少，只有石羊河，随着沙漠化严重，地下水位下降严重，因此，干旱缺水成为绿洲可持续发展的重要限制因素。此处选用的湿度指数有缨帽变换(Kauth-Thomas transformation，K–T)所得的湿度(TC-wetness，WET)、归一化差异湿度指数(normalized difference moisture index，NDMI)、归一化差分水体指数(modified NDWI，MNDWI)、归一化水指数(normalized difference water index，NDWI)。
2.1.4热度指数
地表温度是生态环境监测的重要指数，温度会对陆地、水分、大气产生直接的影响。
2.1.5土地退化指数
土地退化是指在不利的自然条件和人类不合理的土地利用共同作用下，土地质量和土地生产力的下降。民勤县发展以农业为主，为发展经济，水资源利用极度不合理。加之干旱区降水少蒸发大，在人为和气候的双重影响下，加速了土地退化，导致生态环境质量恶化，出现“沙进人退”的现象。干旱区土地退化的类型主要包括土壤侵蚀、沙漠化、石漠化、植被退化等。在本研究中，土地退化指标用土地退化指数来表示。结合干旱区的地理概况，以及《生态环境状况评价技术规范》中对荒漠生态系统不同土地利用类型的土地胁迫指数和开发干扰指数，将干旱区内不同土地利用类型的土地退化指数(land-use and land-cover change，LUCC)进行赋值(见表1)。
表1 不同土地利用类型的土地退化指数
2.2遥感生态环境指数模型构建
本文分别以RSEI和ARSEI作为因变量，对研究区域以多指数作为自变量分析相关性选择最优参数进行主成分分析构建ORSEI指数，同时对方程的合理性进行验证，并将得到的结果进行对比。
2.2.1RSEI
RSEI可以直接对生态环境质量进行评价，是以归一化植被指数(NDVI)、裸土指数(NDBSI)、湿度指数(WET)、温度指数(LST)为指标，通过主成分分析法选取第一主成分构建的。
表2 2020年RSEI的4个指标主成分权重
2.2.2ARSEI
文献[6]以乌兰布和沙漠为例，对RSEI指数进行了改进，构建了ARSEI指数，并说明了该指数更加适用于干旱区的生态环境质量评价。该指数是由归一化植被指数(NDVI)、盐度指数(SI-T)、湿度指数(WET)、温度指数(LST)、土地退化指数(LUCC)为指标，通过主成分分析的第一主成分构建。
表3 2020年ARSEI的5个指标主成分权重
2.2.3ORSEI
本文分别以RSEI、ARSEI生态指数为因变量与各因子进行相关性分析，根据研究区独特的地理环境情况选取更加适宜的评价因子，同时对模型合理性进行验证，并将得到的结果与因变量做细节对比分析。本文在遥感影像里随机拾取30 000个样本点以相关性绝对值选取最优指数，相关性分析见图1。从图1和表4可以看出，在绿度、干度、湿度、温度以及土地退化方面对2020年民勤县生态环境评价最优的指数分别为UNVI、SI-T、NDMI、LST和LUCC。考虑到只通过第1主成分构建生态环境评价指数会造成细节缺失，第4主成分会产生很多噪点，前3个主成分聚集了大部分信息，因此通过主成分分析所得的前3个主成分的归一化值以及特征值贡献率，构建了绿洲干旱生态遥感指数ORSEI指数。
为了更加准确、直观分析研究区生态环境质量，将ORSEI指数做归一化处理，越接近1表征生态质量更好，越接近0表示生态质量越差。然后以0.2为极差将ORSEI分为5个等级：差(1，0~0.2)、较差(2，0.2~0.4)、中(3，0.4~0.6)、良(4，0.6~0.8)、优(5，0.8~1)。为进一步表达2015–2020年环境变化情况，将2015年与2020年的生态环境质量评价等级进行差值分析，分为7个等级：显著变差[–4,–3]；明显变差(–3,–2]；略微变差(–2,–1]；无明显变化(–1,1)；略微变好[1,2)；明显变好[2,3)；显著变好[3,4]。
表4 各指数与ARSEI和RSEI的相关性分析
3 结果与分析
3.1 ORSEI合理性分析
图2是上述3种模型对民勤县生态环境评价结果的细节对比情况，对比真彩色影像可以发现，RSEI将一些离散的居民地评价为生态等级极差的地区，这与事实不符；ARSEI在一些过渡地带的生态等级评价中，表现欠佳，不能体现生态等级好和差之间的过渡性，造成的评级结果两极分化严重，此种现象在a列和d列尤为明显。b列为高植被覆盖度草地，RSEI在表达此类地物时误差较大，ARSEI和ORSEI表达较为精准；c列和d列为草、林地与沙地、荒漠的交界处，e为耕地与盐碱地的交界地带，可以看出，ORSEI能够更准确地评价生态环境质量较差的沙地、荒漠和较好的植被覆盖地区之间的过渡地带，ARSEI模型在过渡地带有信息缺失，不能有效识别过渡带；f列RSEI与ORSEI都保留了大部分细节信息，通过对比Google Earth遥感影像图，查看老虎口生态保护区实际地表植被覆盖情况发现，ORSEI的结果较为精确；g列位于生态保护区内部，生态环境状况复杂，较之ARSEI，ORSEI保留了更多的细节信息。综上可知，ORSEI模型能更准确、全面地评价民勤县的生态环境状况。
图2 民勤县各模型生态环境质量细节对比
3.2民勤县生态环境质量评价模型
从图3、表5可以看出，2015–2020年前3个主成分的特征值贡献率的和均超过了95%，表明绿洲干旱遥感生态指数ORSEI能充分表达其所包含的各个生态指数的信息。UNVI、NDMI和LUCC指数对第1主成分特征值贡献率为负值，与ORSEI的相关性为正值；SI-T和LST指数则相反，这说明绿度和湿度以及植被覆盖对民勤县生态环境的影响为正，土壤盐碱度和地表温度的影响则为负。2015–2020年UNVI、LST的第1主成分平均贡献率分别为–0.432 10、0.783 75，和ORSEI的平均相关系数分别为0.784 38、–0.836 76，由此可知绿度和温度对民勤县的生态环境评价非常重要。
表5 2015–2020年ORSEI的5个指标主成分权重
3.3民勤县生态环境质量时间变化
2015–2020年民勤县生态环境质量等级统计情况如图4所示。由图4可以看出，民勤县生态环境质量总体以较差为主，面积占比均超过了52%，2015年该等级占比高达69%，其次为中和差，三者的所占比例之和超过了89%，说明民勤县近5年来生态环境总体质量偏差。优、良等级占比较低，2015年，两等级面积占比和不超过2%，但是两等级均呈现逐渐增长的趋势，说明民勤县的生态环境在逐渐好转。
将环境质量的5个等级从差到优依次定义为1～5，然后对2020年与2015年的生态环境质量空间分布进行差值分析，按变化极差进行分级。从表6可以看出，2015–2018年民勤县生态环境以无明显变化为主，面积占比达到了51.285%；占比较大的是略微变好，有34.573%，说明近5年来民勤县生态环境得到了改善；明显变好和显著变好等级的占地面积不超过9%，明显变差和显著变差的等级占比不足6%，说明民勤县的生态环境得到了一定的改善和保护，但是生态环境改善程度还是较低。
表6 2015–2020年民勤县生态环境质量变化统计信息
3.4民勤县生态环境质量空间变化
从图4可以看出，2015年民勤县生态环境质量总体最差，其中表现为优的占地面积不到10 km2，表现为良的占地面积略多，有302 km2，2018年与2020年这两等级的占地面积逐渐增加，主要分布在农田耕地与生态保护区内高植被覆盖度草地。在沙漠绿洲与荒漠的交界处，在2015年时，生态环境质量还以中为主，2018年大部分转变为良，2020年有一部分转变为优，绿洲内部生态环境明显变好，且绿洲范围在逐渐沿荒漠方向扩大。民勤县西北山区主要以裸土岩石为主，2015–2020年生态环境质量也在逐渐变好，由2015年的较差转变为中和良。在沙漠腹地，生态环境质量在差和极差之间来回转换，表明这些地方的生态环境质量差，受人为影响较小，亟待治理。
依据民勤县生态环境等级空间分布情况可知，生态环境变好的地区主要位于绿洲内部和绿洲边界的扩张地带，从原来的“沙近人退”变成了如今的“人进沙退”。西北山地的生态环境也略有改善，沙漠腹地以不变为主，小部分地区变差，说明沙漠治理的任务任重道远。
4 讨论
近年来，民勤县围绕干旱区绿洲开展了大量的环境治理活动，人类活动对生态环境影响很大，积极影响主要体现在人工绿洲的建设与形成，生态环境通过治理，有大幅度的改善，负面影响在于绿洲内部城镇扩张以及水资源过度利用，使本就脆弱的生态环境难以得到改善。自2005年民勤生态综合治理以来，绿洲沙尘暴天气显著减少，大气降尘也有显著下降。在当地政府采取关井压田、退耕还林还草、“麦草沙障+落水栽植梭梭”以及砂石滩栽树等一系列防治措施之后对流动沙丘进行治理，2015年，沙丘移动速度由原来的6～7 m/a减缓至4.41 m/a，目前，大部分沙丘移动速度减缓，形成人工防沙梭梭林的地带，沙丘和沙漠已经没有明显移动迹象。至2016年，工程压沙面积达280 km2，人工造林820 km2，植被覆盖率也有所提高，且增多趋势显著。
人为活动对沙漠腹地的影响较小，主要依赖生态系统的自我恢复能力。2016年8月，支付宝推出“蚂蚁森林”。2017年以来，“蚂蚁森林”公益造林在民勤县北仙高速公路、民红公路沿线两侧、青土湖栽桩石、白碱湖区域植树400万穴，完成造林5.11万亩。特别是石羊河林业总场植树850万穴，完成造林10.41万亩，造林成活率达到80%以上。边界的扩张使绿洲与荒漠地带交界处生态环境变得复杂，ORSEI加强了此类地区的细节表达能力，能够更加精准地表达绿洲边界的生态环境质量。这与本文中ORSEI指数对2015–2020年民勤县生态环境质量评价结果一致，表明了ORSEI对此类地区地生态环境评价具有精准的表现力。
本文证明了ORSEI模型可以更好地评价干旱绿洲地区的生态环境，但是民勤县作为一个县级市，完全基于遥感影像以及土地利用去评价生态环境，精度不能得到有效保证，适当地添加经济、人口、农林等数据能够更准确地评价当地生态环境。本文根据相关性分析最终选取了UNVI、SI-T、NDMI、LST和LUCC4个因子构建ORSEI模型，面对不同的研究区，因子选取结果就会不同，需要根据相关性对因子重新进行选择，对于区县级遥感生态指数构建的因子选取办法，仍然值得花更多的时间去研究。
5 结束语
本文构建的绿洲干旱遥感生态指数ORSEI，选取了更适合于研究区的UNVI、SI-T、NDMI、LST、LUCC生态指标，通过主成分分析的前3个主成分融合，提升了遥感生态指数在干旱区绿洲的综合表达能力。更加准确地评价了民勤县2015–2020年的生态环境质量，并分析了变化趋势、空间分布以及变化原因。结果表明：
1)在生态环境更为复杂的干旱区绿洲，应该选用更适用的生态指标构建遥感生态指数，提升对生态环境质量的综合表达能力。通过相关性分析，对于民勤县而言，UNVI、SI-T、NDMI、LST、LUCC与RSEI和ARSEI的相关性更高，能更好地表达其生态环境质量，其中SI-T和LUCC指数加强了对干旱区土地利用现状的表达。不同的生态环境特征造成了遥感生态指数因子选取的不一致性，应根据研究区的生态特征采用合适的方法选用不同的生态因子参与构建，以此评价生态状况。
2)通过主成分分析的前3主成分构建的ORSEI指数能保留大量的细节信息，在绿洲与荒漠、耕地与沙地等环境复杂的交界地带有更优异的表达能力。对于复杂的生态环境状态，应采用合适数量的主成分参与构建。
3)绿度指数UNVI、湿度指数NDMI和土地退化指数LUCC对民勤县生态环境起到正向作用，干度指数SI-T和温度指数LST则相反，绿度UNVI、温度LST和干度SI-T对民勤县生态环境影响更大，在评价民勤县生态环境质量时极其重要。
4)2015–2020年民勤县生态环境总体较差，但是呈现好转的趋势，生态环境质量较好的地方主要分布在绿洲范围内。人工绿洲的建设是民勤县生态环境好转的主要原因，绿洲不断扩大，形成了人进沙退的局面。沙漠腹地的生态环境变化主要依赖生态系统的自我调节，变化频繁且复杂。近年来的人工造林和关井压田等项目的推进总体改善了民勤县的生态环境，尤其是绿洲边界的变化较为显著，有大幅度的改善，城市的经济发展造成了绿洲内部的生态环境状况有小幅度的下滑，政府在推进经济发展的同时应注意城市内部环境变化情况。
作者简介：997—)，女，甘肃武威人，硕士研究生，主要研究方向为政府地理信息系统开发，生态遥感。
E-mail：liushangqin163@163.com
国家重点研发计划项目(2019YFB2102500)；兰州交通大学优秀平台支持项目(201806)
引文格式：刘尚钦，张 福 浩， 赵 习 枝， 等． 干 旱 区 绿 洲 遥 感 生 态 指 数 的 改 进 ［Ｊ］． 测 绘 科 学，２０２２，４７（６）：１４３１５１，２０３。
转自：“测绘学术资讯”微信公众号
如有侵权，请联系本站删除！
