銀川市生態環境質量時空演變及驅動因子分析

王佳蓉,何 杰,屈國興,侯嘉燁,王恒恒

(寧夏大學地理科學與規劃學院,銀川 750021)

【研究意義】生態環境是人類生存的基本保障和社會發展的基礎,生態環境動態變化將直接影響人類的生活質量[1]。生態環境質量一般指特定時空范圍內的資源和環境要素下生態環境的優劣程度[2]。開展生態環境評價與監測有助于了解生態環境質量狀況及變化趨勢,為生態環境保護決策提供科學參考。將遙感技術和地理信息技術相結合進行對地觀測分析,具有快速、實時、覆蓋面廣的優勢,被廣泛應用于生態環境監測中。利用遙感技術構建的評價指標已成為監測區域生態環境質量的重要手段?！厩叭搜芯窟M展】植被覆蓋度、歸一化植被指數(NDVI)已被廣泛用于評估植被生長及變化[3-6];地表溫度(LST)被用于研究城市熱島效應[7],水體指數被用于評估生境適宜性或干旱狀況[8-9],土地利用變化被用于探究生態環境效應[10]。以上指標均是針對某一生態環境領域的細化單一指標,生態環境由復雜的生態系統組成,受多種因素影響,基于單因子指標的評價方法無法全面反映區域生態環境質量的系統性變化,多因子評價比單因子更有優勢[11]。我國生態環境部于2006年提出生態環境狀況指數(Ecological index,EI),利用生物豐度、植被覆蓋度、水網密度等指標對生態環境進行綜合評價和系統分析,被廣泛應用于評價生態環境承載力[12]。EI只能提供對地區生態狀況的概括性描述,不能詳細描述該地區各種環境條件的局部分布及內部差異,且各評價因子權重需要通過實驗反復確定,權重設置人為干擾因素較大,應用領域不同,權重不同。2013年,徐涵秋等[13]提出遙感生態指數(Remote sensing ecological index,RSEI),該指數可以減少評估過程中人為因素的影響,克服EI的空間可視化困難,已被廣泛用于監測區域生態環境質量[14-16]。國內外學者從不同角度和尺度來探究區域生態環境質量狀況,準確地了解和評估地區環境發展的動態變化[17-18],驗證現行環境治理政策的成效,為后續精準治理生態環境提供科學依據和參考,基于RSEI的區域生態環境質量評價已成為該領域的重點研究方向[19-20]?！颈狙芯壳腥朦c】多數研究經常選用間隔5或10年的遙感影像進行RSEI評估[21],針對區域連續長時間序列的區域生態環境質量監測相對較少,若將其應用于區域長時間尺度的動態監測研究,使用傳統方式構建RSEI面臨著數據量大、部分影像像素點缺失、數據預處理和指數計算過程繁雜等困難[22]。云計算平臺的出現改變了傳統地理空間數據存儲、管理和分析的方式。其中,Google Earth Engine平臺是能進行高性能并行運算的云服務平臺,其擁有大量遙感影像數據存檔且具有高性能計算和大數據處理能力,被廣泛應用于科學研究[23]。GEE平臺是通過API(Application programing interface)和基于Web的交互式開發環境實現對GEE平臺云端數據的訪問、操作及可視化等[24]。銀川市地處干旱半干旱區域,生態系統較不穩定,近年來快速城鎮化更對生態情況形成威脅,面臨著植被退化、濕地減少等區域生態問題,因此如何“及時、快速、科學的”監測與評價銀川市生態環境質量變化成為亟待解決的問題?！緮M解決的關鍵問題】基于Landsat 5、Landsat 7和Landsat 8系列數據,以寧夏銀川市為研究區,提取統計綠度、濕度、干度、地表溫度等生態指標,耦合構建遙感生態指數(RSEI),重構銀川市2000—2020年生態環境質量動態變化,探究該地區生態環境質量時空分布特征和變化趨勢,并分析影響生態環境的主導因子和交互因子,以期為銀川市環境保護、生態修復工作及更加科學合理地制定區域發展規劃提供理論參考和科學依據。

1 材料與方法

1.1 研究區概況

銀川市位于中國西北地區、寧夏平原中部(圖1),是黃河流域生態保護的重要屏障,屬于溫帶大陸性氣候,四季分明,春遲夏短,秋早冬長,晝夜溫差大,雨雪稀少,蒸發強烈,氣候干燥,風大沙多。銀川市地形主要由山地和平原構成,西部、南部較高,北部、東部較低,略呈西南-東北方向傾斜。地貌類型多樣,自西向東分為賀蘭山山地、沖積扇前傾斜平原、洪積沖積平原、沖積湖沼平原、河谷平原。黃河穿境而過,跨靈武市、永寧縣、興慶區和賀蘭縣,形成眾多湖泊濕地,對改善生態環境具有天然資源優勢。銀川市生態系統穩定性較差,面臨植被退化、濕地減少等系列區域生態環境問題;因此,對銀川市進行生態環境質量監測與分析具有重要意義。

基于國家測繪地理信息局標準地圖服務網站下載的審圖號為GS(2019)1822號的標準地圖制作,底圖邊界無修改。The standard map with the approval number GS(2019)1822 downloaded from the standard map service website of the National Bureau of Surveying, Mapping and Geographic Information is made, and the base map boundary is not modified.

1.2 數據來源及處理

研究采用的數據主要有Landsat系列數據集、降水、氣溫、DEM、GDP、土地利用數據、夜間燈光和PM2.5數據,數據詳細信息見表1。通過JavaScript API 在GEE平臺上在線訪問研究區范圍內2000—2020年植被生長季(6—9月)的Landsat 5 TM、Landsat 7 ETM、Landsat 8 OLI地表反射率數據集,該數據已進行幾何校正、大氣校正等預處理。使用時序插值的方法對空值進行填充,即采用線性內插的方法對時序光譜曲線中部分缺失數據依據其時間前后的光譜信息對其插值,并利用MASK算法對數據進行去云處理,減少干擾,為了避免水體對主成分載荷的影響,利用歸一化差異水體指數(MNDWI)獲取水體掩膜并去除水體。影響因子數據處理具體包括:在ArcGIS 10.6中經多次實驗,確定創建500 m×500 m矩形網絡,生成24 827個采樣點,利用自然斷點法將因變量RSEI和所有自變量數據劃分為九類,將樣點輸入地理探測器,進行驅動因子分析量化[25]。

表1 數據詳細信息

1.3 研究方法

1.3.1 基于GEE平臺的RSEI構建與計算 基于GEE平臺,提取研究區的綠度、濕度、干度和熱度指標,調用主成分分析算法合成RSEI。對以上分量指標歸一化[26],通過主成分分析,得到第一主成分PC1,對PC1進行正負轉置得到遙感生態指數初始值RSEI0,將RSEI0歸一化處理得到遙感生態指數(RSEI),公式如下:

RSEI0=1-PC1[f(NDVI,WET,NDBSI,LST)]

(1)

RSEI=(RSEI0-RSEI0min)/(RSEI0max+RSEI0min)

(2)

式中,NDVI、WET、NDBSI和LST指綠度、濕度、干度、熱度,計算公式見徐涵秋[13]的方法。RSEI0max指遙感生態指數初始值的最大值,RSEI0min是其最小值。RSEI取值范圍在[0,1],值越大,說明生態環境狀況越好。

1.3.2 相關性分析莫蘭指數 空間自相關包括全局空間自相關(Global Moran’sI)和局部空間自相關(Local Moran’sI)。RSEI空間相關性分析可用于描述區域生態環境質量變化同質性分布[27]。Global Moran’sI指數揭示空間相鄰單元RSEI變化值的相互關系模式,即評估它是聚類的、分散的還是隨機的,其絕對值接近1,空間自相關更強,計算公式如下:

(3)

為探究銀川市生態環境質量的高-高和低-低空間集聚區,了解生態環境質量的局部空間分布特征,基于GeoDa軟件,采用局部莫蘭指數(Local Moran’sI)LISA進行局部空間自相關分析,公式如下:

(4)

基于Origin軟件,采用Pearson相關性分析可以定量分析RSEI變化與各分量(NDVI、WET、LST和NDBSI)[28]變化之間的相關性,計算公式如下:

(5)

式中,變量X表示RSEI變化,Y表示影響RSEI變化的各分量指標。

1.3.3 地理探測器 地理探測器是探究地理現象空間異質性,并揭示其驅動因子的一種統計學模型[29]。被廣泛應用于探測環境、植被和土地研究等方面?；贓xcel軟件中的GeoDetector插件,通過因子探測和交互作用探測分析遙感生態指標[30](NDVI、WET、NDBSI和LST)、降水、氣溫、高程、坡度、GDP、聚落聚集度、夜間燈光和PM2.5等12個因子對生態環境的影響力程度和交互作用。

因子探測。因子探測用于探測生態環境空間分異及驅動因子的影響水平。

(6)

式中,q表示12個影響因子對RSEI的解釋力,q∈[0,1];h為自變量的分層序號;Nh和N為層h和區域內的單元數;σh和σ2分別表示層h和區域內Y值的方差;SSW表示層內方差之和;SST表示全區總方差。

交互作用探測。交互探測用于研究多因子交互作用對生態環境質量的影響。分別計算任意兩個因子X1與X2疊加后的q值[q(X1∩X2)],判斷各因子交互作用程度(表2)。

表2 因子交互探測作用判斷

2 結果與分析

2.1 各指標主成分分析

基于研究區遙感影像提取NDVI、WET、NDBSI和LST指標,利用主成分分析方法計算RSEI。由表3可知,除2017年和2018年外,其余年份的PC1特征值貢獻率均在75%以上,即第一主成分PC1中包含4個指標中多數與生態環境質量相關的主要信息,可以最大程度集中NDVI、WET、NDBSI和LST 4個分量指標的特征,因此可以選用第1主成分的結果計算RSEI表征研究區生態環境質量;21年中,有17個年份PC1特征值貢獻率超過80%,表明RSEI模型在銀川市的生態環境質量評價中適用性較好。

表3 2000—2020年分量指標的主成分分析

2.2 銀川市生態環境質量時空變化分析

2.2.1 生態環境質量時間變化 為準確判斷銀川市生態環境質量的時間變化趨勢,將RSEI進行分段線性擬合(圖2)。

圖2 銀川市遙感生態指數的分段擬合結果Fig.2 RSEI segment-fitting results in Yinchuan city

銀川市生態環境質量變化總體呈“上升—下降—緩慢上升”趨勢。銀川市RSEI在2000—2007年呈上升狀態(表4),斜率為0.01,2007—2013年呈下降階段,斜率為-0.0129,2013—2020年的擬合結果呈緩慢上升趨勢,斜率為0.0056。

表4 線性擬合參數

從圖3可知,RSEI均值從2000年的0.39增長到2020年的0.42,2001年出現最低值(0.37),2007年出現峰值(0.47),即銀川市的生態環境質量在2000—2007年呈波動式上升趨勢,在2007—2013年呈退化狀態,2013—2020年生態環境質量逐漸得到改善。

圖3 2000—2020年銀川市的遙感生態指數Fig.3 RSEI of Yinchuan city from 2000 to 2020

2.2.2 生態環境質量空間變化 應用GEE平臺計算得出銀川市2000—2020年RSEI指數等級分布(圖4),參考《生態環境狀況評價技術規范》[12]中的生態環境分級標準和以往學者的研究成果[13],研究以0.2為間隔將RSEI值劃分為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)和優[0.8,1),從該指數可以得出區域生態環境質量空間分布及變化情況。銀川市生態環境質量總體分布特點表現為北部優于南部,主要原因是北部湖泊濕地眾多,黃河穿境而過,水熱條件組合較好。生態環境質量等級為“中等”和“良好”的區域主要分布在銀川市中部的耕地區域、黃河兩岸地帶及賀蘭山自然保護區;等級為“較差”和“差”的區域主要分布在賀蘭山洪積扇、城市建成區和南部的靈武市戈壁灘區域。2007年以后,城市建成區不斷擴大,部分水域面積減少,對生態環境質量造成一定影響,生態環境質量“較差”和“差”等級的區域面積占比增加。隨著銀川市生態保護修復工程推進,生態環境逐漸好轉,生態環境質量由中部向南北兩側逐漸改善,“中等”和“良好”等級的區域面積占比逐漸提高,南部的靈武市生態環境質量等級由“差”和“較差”逐漸轉為“中等”,研究區在城市建成區不斷擴張的情況下生態環境總體上有所改善,生態修復工作對提高環境質量等級具有重要意義。

圖4 銀川市生態環境質量等級空間分布Fig.4 Spatial distribution of eco-environmental quality level in Yinchuan city

從圖5可知,2000—2007年銀川市生態環境質量提高,生態環境質量為“差”和“較差”的區域面積減少573.50 km2,所占比例呈波動式下降趨勢,共下降6.95%;生態環境質量等級為“優”和“良”的區域面積增加495.54 km2,其占比也不斷增加,共增加5.85%;生態環境質量等級為“中等”的區域面積占比變化幅度較小。2007—2013年銀川市生態環境質量等級為“差”和“較差”的區域面積增加596.43 km2,占比由56.12%增加至62.87%;生態環境質量“優”等級和“良”等級的區域面積減少661.68 km2,占比由32.46%減少至24.26%,表明在該期間生態環境退化。2013—2020年銀川市生態環境質量等級為“差”和“較差”的區域面積減少628.22 km2,占比減少9.07%;等級為“優”和“良”的區域面積增加419.04 km2,占比增加4.24%,呈現波動上升趨勢,表明研究區生態環境在此期間得到一定改善。綜上,銀川市生態環境質量在2000—2007年有所提高,在2007—2013年退化,在2013—2020年得到一定改善。

圖5 銀川市生態環境質量等級面積Fig.5 Ecological environment quality grade area in Yinchuan city

從表5和圖6可知,銀川市生態環境質量保持不變的面積比重較大,在3個時間段的面積占比分別為54.82%、53.16%和47.90%,在2000—2020年生態質量“不變”的區域面積占比為55.25%,該區域生態質量21年來整體較穩定。銀川市不同時期生態環境質量變化不一致。2000—2007年,銀川市生態質量“變好”區域面積為2484.68 km2,占總面積的30.74%,生態環境“變好”區域主要集中在賀蘭山及外圍區域和靈武市的北部;生態環境質量“變差”區域面積為1167.17 km2,面積占比14.44%,研究區“變好”區域面積是“變差”面積的2倍多。2007—2013年,生態環境質量“變好”區域面積2321.49 km2,占總面積的28.72%,主要集中在西夏區的南梁農場、賀蘭縣的暖泉農場、黃河銀川段東岸、靈武市中部圓疙瘩湖周邊地帶和靈武市南部部分地區;生態環境質量“變差”的區域面積為1464.68 km2,占總面積的18.12%,銀西高速鐵路以東的丘陵地區和寧東地區生態質量退化,在此期間生態環境變好區域較之前減少,且生態環境變差面積增加。2013—2020年,生態環境“變好”區域面積為2751.42 km2,占比34.04%,主要集中在賀蘭山東麓洪積扇、月牙湖及靈武市馬家灘地區;“變差”區域面積為1459.77 km2,占比18.06%,主要集中在賀蘭縣東部、靈武市城市建成區和靈武市最南部。生態質量差值等級數為“變好”的區域面積較2013年以前增加,說明該區域生態環境質量在該時期表現為由低等級向高一等級逐漸轉變,生態環境質量逐年得到改善。2000—2007年銀川市生態環境質量提升,在2007—2013年退化,2013—2020年逐漸得到改善。

表5 銀川市生態環境質量年際變化

圖6 銀川市生態環境質量空間變化Fig.6 Temporal variation of eco-environmental quality in Yinchuan city

2.3 銀川市生態環境質量的相關性分析

2.3.1 空間自相關分析 為了探索銀川市生態環境變化的空間分布特征,采用600 m×600 m網格對2000年、2007年、2013年和2020年RSEI影像進行重采樣,得到24 025個樣點,計算樣點的全局和局部空間自相關(圖7～8)。2000年、2007年、2013年和2020年Moran’sI指數分別為0.893、0.897、0.887和0.861,且均在0.01水平顯著相關,研究結果具有可信度,Moran’sI在2000—2007年上升,在2007—2013年下降,在2013—2020年上升,表明研究區生態環境質量的空間聚集度呈“上升—下降—上升”的趨勢,這與其生態環境質量等級變化趨勢一致。表明,銀川市生態環境質量變化的空間分布呈聚集性,生態環境質量好與差的區域分布相對集中。高-高聚集主要集中在賀蘭山自然保護區、三區兩縣城外的林場和農田,這些區域遠離城鄉居民點,受人類活動影響較小,生態環境質量較好;低-低聚集主要分布在靈武市的丘陵和戈壁灘等地區。2000—2007年銀川市低-低聚集區域面積減少,表明該地區生態環境質量提高;2007—2013年,低-低區級區域面積增加,表明該地區生態環境質量下降;2013—2020年低-低聚集區域面積顯著減少,說明該時段區域生態環境質量有所改善。

圖8 銀川市生態環境質量的局部空間自相關Fig.8 Local spatial autocorrelation of eco-environmental quality in Yinchuan city

2.3.2 Pearson相關分析 為進一步明確各生態分量(NDVI、LST、WET和NDBSI)變化與RSEI變化的關系,分析RSEI的變化機制,計算2020年與2000年影像差值RSEI與各分量之間的Pearson相關系數(圖9),在置信度0.01級別,P<0.01,均通過顯著性檢驗。NDVI和WET與RSEI呈正相關,Pearson相關系數分別為0.436和0.646,表明NDVI和WET增加值越大,銀川市生態環境質量越好;NDBSI和LST與RSEI呈負相關,Pearson相關系數分別為-0.574和-0.849,表明NDBSI和LST增加會給銀川市生態質量造成一定壓力。綜上,RSEI與4個分量指標之間存在較強相關性,且與主成分分析結果趨勢一致,說明RSEI能集中各分量指標的信息,用該指數可以反映銀川市生態環境質量變化情況。同時,RSEI變化與NDBSI的相關系數最大,與WET的相關系數次之,NDBSI反應建筑和裸土的變化情況,說明銀川市生態環境的變化主要是由城市擴張等因素動態驅動,表明2007—2013年銀川市生態環境質量下降與城市擴張、水域濕地面積減少等原因有關。

圖9 銀川市遙感生態指數與各因子相關性分析Fig.9 Correlation analysis of RSEI and various factors in Yinchuan city

2.4 銀川市生態環境質量的影響因子探測分析

2.4.1 生態環境質量的影響因子探測分析 從表6可知,2000年對生態環境質量空間異質性影響程度排序為NDBSI>NDVI>WET>LST>高程>聚落聚集度>GDP>PM2.5>降水>夜間燈光>氣溫>坡度;2005年對生態環境質量空間分布影響程度排序為LST>NDBSI>WET>NDVI>高程>PM2.5>GDP>降水>聚落聚集度>氣溫>夜間燈光>坡度;2010年對生態質量的影響程度排序為NDBSI>LST>NDVI>WET>高程>PM2.5>GDP>聚落聚集度>降水>氣溫>夜間燈光>坡度;2015年對生態質量影響程度排序為WET>NDBSI>NDVI>LST>高程>PM2.5>降水>氣溫>GDP>聚落聚集度>夜間燈光>坡度;2020年對生態環境質量影影響程度排序為NDBSI>NDVI>WET>LST>高程>PM2.5>降水>氣溫>GDP>聚落聚集度>夜間燈光>坡度。在RSEI模型分量生態指標中,NDBSI對銀川市生態環境質量的影響力最大,與皮爾遜分析結果一致,表明城市擴張是引起銀川市生態質量變化的主要原因。在自然與社會因子中,高程、PM2.5和GDP是區域生態環境質量空間分布的主要影響因子,降水和氣溫是次影響因子,夜間燈光亮度和坡度對其影響力較小。

表6 銀川市生態環境質量的影響因子探測結果

2.4.2 生態環境質量的影響因子交互探測分析 從圖10～11可知,銀川市生態環境質量的12個影響因子中雙因子交互產生的影響均大于單因子,銀川市生態環境質量影響因子交互作用表現為雙因子增強和非線性增強,表明銀川市生態環境質量不是單因子作用的結果,是遙感生態評價指標、自然、社會和經濟等多因子交互后增強的效應所致。

圖10 銀川市生態環境質量的遙感生態指標交互探測Fig.10 Interactive detection of ecological index of ecological environment quality by remote sensing in Yinchuan city

在遙感生態評價指標中,2000年、2005年和2020年NDBSI∩LST交互作用影響力(q值分別為0.973、0.979和0.975)最強,表明該時段區域地表溫度、地表建筑面積和裸土面積對其生態環境的影響較大;2010年NDVI∩LST交互作用影響力(q值為0.975)最強,表明在該時段銀川市地表植被覆蓋度和地表溫度對生態環境質量影響較大;2015年WET∩LST交互作用影響力(q值為0.978)最強,表明在該時段濕度和熱度是影響銀川市生態環境質量空間分布的主要因子。

銀川市自然和社會因子交互作用均大于單因子作用效果,表現為雙因子增強和非線性增強。2000年對銀川市RSEI解釋力最大的是高程∩聚落聚集度(q值為0.685);2005年對銀川市RSEI解釋力影響最大的是高程∩GDP(q值為0.738);2010年對銀川市RSEI解釋力影響最大的是高程∩聚落聚集度(q值為0.702);2015年對銀川市RSEI解釋力影響最大的是PM2.5∩高程(q值為0.712);2020年對銀川市RSEI解釋力影響最大的是降水∩坡度(q值為0.869),降水∩氣溫交互作用影響力次之(q值為0.850)。2000—2020年所有自然和社會因子交互探測結果顯示,高程、聚落聚集度、GDP、PM2.5以及夜間燈光對銀川市生態環境變化的影響最顯著。

圖11 銀川市生態環境質量的自然社會因子交互探測Fig.11 Interactive detection of natural social factors

其中,高程對銀川市生態環境變化影響最大,賀蘭山銀川區域人為干擾較少,植被覆蓋率較高,生態環境質量較好;除高程因子外,人類聚落、經濟擴張對銀川市生態環境質量具有重要影響,即在社會發展過程中,硬化面積和地表裸露面積增大,導致植被覆蓋度減小,生態環境質量降低。

3 討 論

3.1 GEE云平臺的應用成效

針對于區域長時間尺度的動態監測研究,使用傳統方式構建RSEI面臨著數據量大、部分影像像素點缺失、數據預處理和指數計算過程繁雜等困難[22],限制了研究的準確性和時間序列長度。前人研究表明,GEE云平臺可在線調用長時序、大尺度海量數據,方便快捷[23,31]。本研究進一步證實了法GEE平臺的優勢。一方面,GEE平臺提高了銀川市生態環境質量變化監測的精度,利用GEE強大的云計算能力提取構建銀川市近21年的RSEI時,綠度、濕度、干度和熱度指標均基于一年中6—9月所有可用遙感數據計算得出,相較傳統方法中選用一期或幾期遙感影像進行年際RSEI評估[21],這種通過大量影像計算提取指標的方法,提高了生態環境質量監測的精度。另一方面,基于GEE云計算圖像處理方式,能較好改善因天氣原因(多云、多雨等)導致的遙感數據缺失、圖像色差等問題[27],同時能極大提高影像處理速率,從而擴展RSEI在大范圍、長時間序列生態評估中的應用。

3.2 近21年銀川市生態環境變化的影響機制

利用RSEI對銀川市2000—2020年的生態環境進行遙感監測與分析,RSEI值估算結果與生態修復和保護措施實施前后,區域生態環境質量的改善狀況相對一致,與本研究所監測的結果相吻合,且每年PC1的值都在60%以上,表明RSEI對銀川市具有較好的適用性,可以用來研究該區域生態環境質量變化。銀川市生態環境質量呈“上升—下降—緩慢上升”的趨勢,其中2000—2007年生態質量向好的主要原因是賀蘭山地等受人為干擾少的區域植被覆蓋度高,2007—2013年銀川市生態環境質量有所退化,主要原因是該時段研究區城市化建設進程較快,部分濕地面積減少,這與該區域現有的部分學者[19]的研究結果一致。2013—2020年銀川市生態環境質量逐漸改善,生態“變好”面積不斷提高,原因是銀川市開展的生態修復和保護措施對生態環境質量的影響較大,生態整治成效顯著。因子探測結果顯示,遙感生態指標NDBSI對生態環境質量影響最大,自然社會因子中,高程、PM2.5和GDP是主要影響因子;交互探測結果表明任意2個因子交互后的影響均大于單因子[32],說明銀川市生態環境質量變化是多因子協同作用的結果。賀蘭山地海拔高,植被覆蓋度高,且遠離城市建成區,不易受到人為活動的干擾。除高程因子外,人類聚落、經濟擴張對銀川市生態環境質量具有重要影響,即在社會發展過程中,硬化面積和地表裸露面積增大,導致植被覆蓋度減小,生態環境質量降低。因此,在城市擴張和經濟發展過程中,要注重合理開發利用土地資源[33],優化城市空間布局,保護生態環境。

4 結 論

(1)近21年來,銀川市生態環境質量變化情況呈“上升—下降—緩慢上升”的趨勢,2000—2007年呈上升狀態,生態環境變好的區域主要集中在賀蘭山及外圍區域和靈武市北部;2007—2013年退化,退化區域主要分布于銀西高速鐵路以東的丘陵地區和寧東地區;2013—2020年得到改善,生態環境改善區域主要集中在賀蘭山東麓洪積扇、月牙湖及靈武市馬家灘地區。

(2)銀川市生態環境質量變化的空間分布呈聚集性。高-高聚集區主要集中在賀蘭山自然保護區、三區兩縣的林場和農田區域,低-低聚集區主要分布在靈武市的丘陵和戈壁灘等地區。2000—2007年銀川市低-低聚集區域面積減少;2007—2013年,低-低聚集區域面積增加,2013—2020年低-低聚集區域面積顯著減少,說明近21年銀川市生態環境呈先上升后下降再改善的趨勢。

(3)NDVI與WET對生態環境質量起正向作用,NDBSI與LST對其起負向作用,單因子探測中,遙感生態指標NDBSI對生態質量影響最大,自然社會因子中高程、PM2.5和GDP是主要影響因子。交互探測顯示,因子間的交互作用為雙因子增強和非線性協同增強,遙感生態指標中NDBSI和LST對生態影響程度較高,自然社會因子中高程、聚落聚集度、GDP、PM2.5以及夜間燈光對銀川市生態環境變化的影響較為顯著。