基于遙感生態指數的元謀干熱河谷生態環境動態監測及其驅動力分析

梁巧玲史正濤陳越豪何光熊史亮濤李 婕

(1.云南師范大學 地理學部,云南 昆明650500;2.云南省農業科學院熱區生態農業研究所,云南 元謀651300;3.元謀干熱河谷植物園,云南 元謀651300)

干熱河谷是中國西南地區特殊的地理單元,熱量高、降水量少以及蒸發強的獨特自然環境條件,孕育高原特色現代農業[1]。而隨著人類活動加劇,對生態環境產生明顯影響。近年來干熱河谷的生態環境現狀和未來發展備受國家高度重視,從構建西南生態安全屏障到生態系統保護和修復重大工程規劃,關于生態環境尤其是生態環境脆弱區的研究及評估成為研究熱點[2]。20世紀60年代國外學者開展對生態環境質量評價的研究。伴隨遙感技術的發展,利用RS和GIS獲取地面信息,再結合數學方法進行環境綜合評價,使生態環境質量研究得到較大飛躍[3]。其中以Charles等人對河口地區開展的生態監測和評價最具代表性[4]。而在2006年國家環境保護局提出生態環境狀況指數(EI),用于評價一個地區的生態環質量狀況。鑒于該指數存在指標權重人為設定,且獲取難度大等缺點。2013年徐涵秋基于遙感影像提出了遙感生態指數(RSEI),用于定量評價區域的生態環境質量[5]。相較EI指數,RSEI指數的構建不依賴于地面調查數據,在確?？臻g上的連續性的同時減少了人為干預,從而保證評價結果的客觀合理性[6]。此后該指數被廣泛應用于區域地理生態研究中。周萌等人利用遙感生態指數對東江源區2000—2019年的生態環境質量進行了時空變化分析以及動態監測[7]。Wang[8]通過改進遙感生態指數(ARSEI)耦合了綠度、鹽度、濕度、熱量和土地退化指數,對干旱區生態環境質量進行了監測和評價。但在解剖生態環境變化的驅動力研究尚有不足。因此,本文引入地理探測器作為探索空間分異的統計學方法[9],用于解釋影響生態環境質量的空間異質性和揭示其背后的驅動力。

元謀干熱河谷作為中國西南干旱河谷的典型代表,干熱的氣候與人為活動影響下,出現植被—土壤協同退化的自然現象,使該區成為較為典型的生態脆弱區[10]。本文以Landsat遙感影像作為數據源,通過構建遙感生態指數模型,采用主成分分析和地理探測器等方法,探究2000—2020年期間元謀干熱河谷生態環境質量時空變化特征[11],進一步分析其生態環境變化的驅動因素,為治理干熱河谷區域的生態環境保護和可持續發展提供借鑒和參考依據。

1 研究區概況

元謀干熱河谷主要集中分布于元謀干熱河谷境內(101°35′—102°06′E,25°23′—26°06′),地處滇中高原北緣,屬楚雄彝族自治州。地勢呈四周高,中間低,由南向北傾斜的“筲箕凹”形,屬于南亞熱帶干熱河谷氣候[9],年均降雨量657.5 mm,全年基本無霜,年平均氣溫21.4℃。干熱河谷的典型植被類型為稀樹灌木草叢[12]。獨特的氣候環境,快速發展農業經濟,給元謀干熱河谷帶來發展機遇的同時也給河谷的生態環境帶來了挑戰。隨著森林覆蓋率減小、土地退化、水土流失嚴重,該區已成為中國較為典型的生態脆弱分布區[13]。

2 數據與分析

2.1 數據來源及處理

本文所獲取的Landsat遙感影像來自美國地質勘查局USGS(https:∥earthexplorer.usgs.gov/),時間為2000年12月25日、2010年12月23日的Landsat 7 ETM和2020年12月26日Landsat 8 OLI遙感影像數據。元謀干熱河谷旱季干旱少雨少云,在此統一選取12月(云量＜8%)遙感影像作為研究數據源。借助ENVI5.3平臺對影像數據進行預處理,如輻射定標、大氣校正、重采樣、裁剪等。而其他輔助數據:DEM數據來源于地理空間數據云(http:∥www.gscloud.cn,30 m×30 m);土地利用通過人機交互監督分類法對3期Landsat影像進行分類。參照國家標準《土地利用現狀分類(GB/T21010-2007)》,結合研究區的土地利用現狀,采用土地利用3級分類系統將元謀干熱河谷的土地利用類型劃分為林地、灌草叢、耕地、建筑用地、水體及其他6類。對完成分類的土地利用數據進行精度評價:總體精度大于85%,kappa系數在80%以上[14];人口及經濟數據集源于中國中國科學院資源環境科學數據中心(http:∥www.resdc.cn/),而氣溫和降水數據來源于國家地球系統科學數據中心(http:∥www.geodata.cn);空間分辨率均為1 km×1 km[15],需進一步重采樣到30 m×30 m,使各個因子結果適用于評價指標的計算。最后通過利用ArcGIS將遙感生態指數、DEM和社會經濟等數據格網化并分級賦值,進行地理探測器分析。

2.2 研究方法

2.2.1 RSEI計算 元謀干熱河谷的生態環境特征主要表現為森林覆蓋率低,土壤貧瘠,水土流失嚴重,生態環境脆弱?；趨^域自然環境特性,本文選取NDVI,WET,NDBSI和LST這4個指標,擬構建元謀干熱河谷的遙感生態指數,利用主成分分析方法對指標賦予權重。

(1)綠度指標。NDVI應用于檢測植被生長狀態和植被覆蓋度[16]。

式中:NDVI為歸一化植被指數;Tnir,Tred分別為ETM,OLI數據中紅、近紅外波段的反射率。

(2)濕度指標。Wet主要反映了水體和土壤、植被的濕度,廣泛應用在生態環境監測和評價。利用遙感纓帽變換獲取的濕度分量與土壤濕度有關[17],計算如下:

式中:h1-h6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。

(3)干度指標。建筑物和裸土會造成土地干化,嚴重影響河谷流域的生態環境問題,本文采用建筑物指數IBI和裸土指數

SI的平均值來構建干度指標NDBSI[18-20]:

式中:Tblue,Tgreen,Tred,Tnir,Tswir1分別為藍波段、綠波段、紅波段、近紅外波段、短波紅外1。

(4)熱度指標。熱度指標用地表溫度(LST)經比輻射率校正的溫度來表示。通過利用Landsat數據的熱紅外波段,計算亮度溫度Lλ,并進行比輻射率ε校正,計算公式:

式中:gain,bias分別為熱紅外波段的增益值與偏置值;DN為像灰度值;B(TS)為黑體輻射亮度;L↑和L↓為大氣向上和向下的輻射亮度;T為大氣熱紅外波段透過率;ε為地表比輻射率。對于Landsat 7影像來說,K1=666.09;K2=1 282.71;而Landsat 8影像K1=774.89;K2=1 321.08[21-23]。

通過上述公式計算出生態環境質量4個評價指標,再經歸一化處理,最后合成一幅新的影像,構建一個函數[24],表達式為:

式中:NDVI為歸一化植被指數;Wet是濕度分量;NDBSI是由建筑指數與裸土指數線性合成得到;LST是地表溫度指數。

(5)4個指標歸一化處理。為了便于后續計算,需對研究區生態環境質量評價的4個指標進行標準化處理,使其數值介于[0,1]之間,從而有助于對各指標進行比較[25-26]。歸一化公式為:

式中:Ai為第i個指標標準化處理值;Bi為第i個原指標值;Bmax為第i個指標最大值;Bmin第i個指標最小值。

為了使濕度指標能更好反映地面濕度,本研究采用歸一化水體指數(MNDWI)實現對水體信息的掩膜,從而避免大面積水體影響PCA的荷載分布[27]。其計算公式為:

式中:Pgreen為綠光波段;Pnir為中紅外波段。

(6)遙感生態指數構建。RSEI指數由上述4個指標經歸一化后轉換后的第一主成分(PC1)所構成,通過主成分分析方法計算得到4個指標,基于4個指標數值范圍不一[28-29],經歸一化處理,其具體公式為:RSEI0=1-PC1〔f(NDVI,Wet,NDBSI,LST)〕(13)

式中:RSEI0生態指數的初始值;RSEI0-min,RSEI0-max為初始值的最小和最大值;RSEI則是遙感生態指數,其數值越接近1,表明生態環境越好,越接近0表明生態環境越差。

2.2.2 地理探測器模型 由王勁峰等人提出地理探測器主要用于分析空間分異性的影響因素及各因子間的交互探測[30]。將RSEI等級作為因變量,將綠度、濕度、干度、熱度、降雨量、氣溫、高程、經濟和人口密度及土地利用10個評價指標作為自變量,導入地理探測器進行運算。利用地理探測器中的因子探測和交互探測,分析影響元謀干熱河谷生態環境質量的驅動力[31]。根據因子探測器所得結果中的q值和p值得出各指標對元謀干熱河谷生態環境的影響力及。q值越大,說明指標對生態環境的影響力越大。因子探測器計算公式為:

式中:q為某影響因子對元謀干熱河谷生態環境質量指數的影響力,即解釋力強度;h=1,…,L;L為因變量RSEI和自變量因子的分類數;Nh,N分別為不同分級的區域和全區域內的樣本數;δ2h,δ2分別為不同分級的區域和全區域內RSEI的方差[11]。

而交互探測器主要用于探測多因子交互作用后對生態環境質量的影響力,即影響因子相互作用后是否會強化或弱化對區域生態環境的影響,或者這些因子對生態環境的影響是相互獨立的[32]。該方法是首先分別計算兩種因子對生態環境質量的q值q(X1),q(X2),交互后的q值q(X1∩X2)然后對q(X1),q(X2)與q(X1∩X2)進行比較,主要類型詳見表1。

表1 多因子交互探測類型[33]

3 結果與分析

3.1 生態環境質量評價結果

由表2可知,2000,2010和2020年生態環境質量指標第一主成分的特征值分別為0.312,0.265,0.333;貢獻率分別為78.75%,72.85%,81.69%。這3期影像的PC1的貢獻率都超過70%,涵蓋上述4個指標的大部分特征信息。而PC4的貢獻率較小,可忽略不計?；赑C1累積貢獻率超過70%,因此,構建RSEI生態指數模型能全面反映研究區的生態環境綜合狀況,對評價生態質量具有較好的適普性。

表2 計算各主成分特征值、貢獻率和累計貢獻率

由表3中的4個指標均值變化來看,2000—2020年綠度和濕度指標的均值呈現先降后升的變化趨勢,說明這20 a元謀干熱河谷采取生態修復政策措施取得一定成效;而LST呈現前10 a微增后10 a有微減變化。而干度指標呈現小幅度增長變化的趨勢,表明元謀干熱河谷在2010年的城鎮化速度有所加快,不透水表面和裸土面積有所增加。從各指標均值變化來看NDVI,NDSI和LST指標在這20 a間的變化幅度較大,說明2個指標對元謀干熱河谷RSEI變化起著至關重要作用。從RSEI均值變化幅度上看,2000年元謀干熱河谷RSEI值為0.628,到2010年RSEI降低到0.609,說明2010年的生態環境質量較差。而到2020年,隨著研究區的生態環境恢復和治理,RSEI值上升到0.684,生態環境質量變好。在2000—2010年,RSEI值減少0.02,減少幅度為3.01%;而在2010—2020年RSEI值增加0.075,增幅為12.31%;從總體來看,在2000—2020年RSEI值變化幅度約為8.91%,RSEI值呈現先降后升的變化趨勢。后10 a生態環境改善的效果明顯優于前10 a改善的效果。

表3 元謀干熱河谷2000—2020年4個指標和RSEI的變化統計

3.2 RSEI空間變化分析

3.2.1 RSEI整體性分析 根據《生態環境評價技術規范》的分級標準,以0.2為間隔,將元謀干熱河谷生態指數劃分成5個等級:差(0～0.2)、較差(0.2～0.4)一般(0.4～0.6)、良(0.6～0.8)、優(0.8～1.0)[7];通過分級統計得到RSEI空間分布狀況(圖2,表4)。

由圖1可知,在2000—2020年元謀干熱河谷的生態環境質量等級以良好、一般為主。從遙感生態環境指數的空間分布來看(圖1),環境質量等級較低區域主要集中在元謀干熱河谷壩區和流域兩側,受干熱氣候條件及人類活動影響,生態環境質量較差。較高質量等級則分布在元謀干熱河谷東南部高海拔地區,隨著水分條件改善,植被覆蓋度高,生態環境較好。從整體上看,元謀干熱河谷生態環境質量指數年均值在0.609～0.684間,呈現先“先降后升”變化的趨勢,多年RSEI平均值為0.640,研究區生態環境質量一般。

圖1 元謀干熱河谷2000—2020年遙感生態指數的等級分布

由表4可知,在2000—2010年元謀干熱河谷生態環境為優和良好的區域面積由原來的42.83%下降到2010年34.63%;而等級為差和較差的區域面積比例由2000年的18.63%上升到2010年的31.48%,整體生態環境質量較差。而這個時期元謀干熱河谷城鎮化建設加快導致生態環境惡化。但在2010—2020年元謀干熱河谷的生態環境質量出現好轉,表現在生態級差和較差的面積減少,由2010年636.71 km2降到2020年的508.82 km2。生態等級為良和優的面積比例由2010年的34.63%增加到2020年的40.04%,后期元謀干熱河谷實行的生態恢復工程和政策的積極響應,使得該區近10 a的生態環境明顯改善。

表4 元謀干熱河谷2000—2020年生態等級及面積變化

3.2.2 RSEI區域性分析 為進一步探究元謀干熱河谷RSEI變化情況,本文通過對元謀干熱河谷管轄的10個鄉鎮20 a RSEI研究,結果如圖2所示。

由圖2可以看出,新華鄉、姜驛鄉的RSEI均值低于全縣的RSEI平均值,表明這兩個鄉鎮生態環境狀況較差;而物茂鄉、老城鄉以及元馬鎮RSEI較高,表明該區域的生態環境狀況相對較好,而這些區域多屬于農、林業種植區,人口密度相較主城區低,擁有較好的自然區位條件。2000—2020年姜驛鄉、黃瓜園鎮、物茂鄉、元馬鎮的RSEI處于上升;而江邊鄉處于下降趨勢,說明水庫修建對該區生態環境造成一定影響;而其他鄉鎮的RSEI均值相對穩定。這也進一步說明元謀干熱河谷實施生態保護取得一定成效,轄區生態環境得到改善。

圖2 元謀干熱河谷轄區各鄉鎮不同時期RSEI等級

3.3 RSEI動態變化分析

依據研究區實際情況,采用指數分級法將生態環境指數等級變化分為5類間隔為0.3,分別表現為:惡化(RSEI指數值＜-0.6),變差(-0.3＜RSEI指數值＜-0.6),不變(0＜RSEI指數值＜-0.3),變好(0.3＜RSEI指數值＜0)和優化(RSEI指數值＞0.3)[11]。以獲取RSEI為基礎,分別對元謀干熱河谷2000—2020年的生態環境質量進行分級面積變化統計和分析。通過圖3和表5可知,2000—2010年期間,元謀干熱河谷生態環境質量不變的面積占總體的60%以上;生態環境質量轉好的面積占元謀干熱河谷總面積的19.95%;而生態環境變差的面積占研究區域面積的18.8%。生態好轉與惡化的面積基本相當。

圖3 元謀干熱河谷2000—2020年生態環境質量等級變化

表5 元謀干熱河谷2000—2020年RSEI等級變化監測

在2010—2020年期間元謀干熱河谷生態環境質量變好等級面積占總面積的25.41%遠高于生態變差的面積。而生態環境轉好集中在河谷兩側,主要受退耕還林還草政策以及水庫修生態移民等政策的影響,使得河谷兩側的生態環境得到改善。生態環境變差集中在元謀干熱河谷居民區和耕作區周圍,而不合理的人類活動在一定程度影響了當地生態環境?？傮w來,前10 a元謀干熱河谷生態環境較差,后10 a元謀干熱河谷生態環境出現轉好。這進一步說了元謀干熱河谷生態修復工程和措施初步顯現成效,部分區域的生態環境質量明顯改善。

3.4 驅動力因素分析

區域生態環境質量受人為和自然等多重因素驅動,而干熱河谷生態環境狀況差異分明且環境條件復雜。因此本文選取NDVI,Wet,NDBSI和LST這4個基礎指標,再結合當地獨特干熱氣候條件及人類活動對生態環境影響,篩選出降水、氣溫、高程(DEM)、經濟密度(GDP)、人口密度(POP)、土地利用等指標作為自變量X,以研究區RSEI模型第1主成分PC1作為因變量Y。利用ArcGIS采用自然斷點法對自變量進行分級,創建500 m×500 m的格網進行均勻分布采樣,去除異常點,共7 770個樣本點。然后將數據導入到基于Excel的地理探測器軟件中進行因子探測,探究各驅動因子對RSEI空間分異特征的解釋力(圖4)。由表6可知,2000—2020年期間對10個因子探測結果顯示:p=0,表明所選10個因子對元謀干熱河谷生態環境解釋力都很充足。q值是指對RSEI的影響強度,也是對空間分異特征的解釋力[11]。從時間序列來看,2000年q值大小依次為:土地利用＞綠度指標＞干度指標＞濕度指標＞熱度指標＞氣溫＞海拔＞降水＞人口密度＞經濟密度,其中土地利用(q=0.589)是影響2000年研究區生態環境的主導因子。2010年影響因子解釋力大小為:綠度指標＞土地利用＞干度指標＞濕度指標＞熱度指標＞氣溫＞海拔＞降水＞經濟密度＞人口密度。而綠度指標的q=0.583,是2010年元謀干熱河谷生態環境變化的主要影響因素;2020年影響強度大小為:綠度指標＞土地利用＞熱度指標＞氣溫＞濕度指標＞海拔＞降水＞經濟密度＞干度指標＞人口密度。然而,綠度和土地利用的q值均大于0.5,是生態環境變化的主導因素?？傮w來看,這20 a研究區的綠度指標q值都大于0.5,是影響元謀干熱河谷生態環境變化的重要因素。其他因子也在不同程度上影響著生態環境的變化。

表6 元謀干熱河谷生態環境變化單因子探測結果

圖4 元謀干熱河谷探測因子空間分布

由圖5可知,探究2000—2020年影響元謀干熱河谷生態環境變化的10因子間兩兩交互探測共產生36項交互結果。相較單因子,雙因子的交互作用對元謀干熱河谷生態環境的影響更為顯著。主要表現在20 a間綠度、干度、濕度和熱度指標、氣溫、降水、海拔、GDP值、人口密度、土地利用這10個因子,任意兩因子的交互作用對元謀干熱河谷生態環境質量的影響力均大于單因子的影響,且都顯示為雙因子增強。其中2000年影響RSEI最大的是土地利用∩綠度指標的交互作用q=0.712,是所有因子中對元謀干熱河谷生態環境質量空間分異性有最強的解釋力。而在2010年NDVI∩NDBSI交互作用q值在0.7以上,其影響最大。2020年NDVI∩LST的交互作用對元謀干熱河谷的RSEI影響最強。從2000—2020年所有因子交互探測結果顯示:綠度指標、土地利用和干度指標這3個因子對元謀干熱河谷生態環境變化的影響最為顯著。這20 a期間,綠度因素的影響作用逐漸增大,而植被覆蓋度的提高對研究區生態環境恢復和治理中起著關鍵性的作用。而干度和土地利用的變化主要受土壤和城市擴張影響,導致地表裸露、干化嚴重。因此在恢復和保護當地生態環境,要注重合理開發利用土地資源和保護植被。

圖5 研究區2000—2020年各因子交互探測器結果

4 結論

(1)利用RSEI模型并采用主成分分析方法來研究元謀干熱河谷的生態環境質量變化情況。從時間上看,2000—2020年元謀干熱河谷的RSEI均值從0.628增至0.684,增長率為8.92%,生態環境正在逐步改善;而空間上看,元謀干熱河谷生態環境較好區域集中分布在元謀干熱河谷高海拔植被覆蓋度較高的地區;生態較差等級分布在金沙江和龍川江流域河谷兩側低海拔區域內,整體呈現出“中部低、四周高”分布特征。

(2)從生態環境空間變化分析中可知,元謀干熱河谷生態環境質量改善集中在中部與西部區域,而東部鄉鎮變化不大;從時間變化上看,2000年元謀干熱河谷生態環境質量等級差的面積占研究區面積的18.63%,到2010年增長到31.48%。而隨著生態環境改善,2020年生態等級較差的面積降至25.49%。這說明元謀干熱河谷實施生態修復工程取得一定成效。

(3)分析影響元謀干熱河谷生態環境驅動力的結果顯示:綠度指標和土地利用對生態環境質量的影響較為顯著;2000—2020年各指標q的平均值排序大小為:NDVI＞土地利用＞NDBSI＞LST＞WET＞氣溫＞高程＞降水＞經濟密度＞人口密度。再對比3期影響生態環境質量的因子發現,q值存在不同程度的變化,側面說明在這20 a期間所選10個因子對元謀干熱河谷生態環境質量的時空分布影響存在波動性。而兩兩因子交互后的q值均大于單因子的影響。其中綠度指標與其他因子交互后q值均大于0.5,而土地利用與其他因子相交的q值也顯著大于其他交互結果。這進一步說明綠度和土地利用對元謀干熱河谷的生態環境變化起著關鍵性作用。任意兩因子間交互的影響力都要大于單因子的影響,說明元謀干熱河谷的生態環境現狀是自然和人為因素共同作用的結果,而氣溫、降水、人口及GDP等因素是其具體的表現。

因此,在發展元謀干熱河谷社會經濟的同時,應合理配置和利用土地資源,繼續落實生態保護和修復工作,促進生態環境和諧發展。由于特定區域的綠度、濕度、干度和熱量等指標的變化存在一定隨機性,為了使本文的生態環境評價結果更加科學合理,在后續的研究中更詳細結合元謀干熱河谷的區域特征,建立更加完善的生態環境評價體系,為生態治理提供更加準確的方向。