基于Google Earth Engine的洱海流域建成區范圍及生態質量變化分析

鄭舒元 陳星宇 海燕 王建雄

鄭舒元，陳星宇，海 燕，等. 基于Google Earth Engine的洱海流域建成區范圍及生態質量變化分析［J］. 湖北農業科學，2024， 63（2）：199-204．

摘要：以洱海流域為研究區，借助Google Earth Engine云平臺，利用Landsat 8 OLI系列影像，合成研究區域的增強的指數型建筑指數（EIBI）并對洱海流域建成區進行提取，再對研究區域遙感生態指數進行合成，通過對建成區范圍與流域范圍內遙感生態指數進行空間相關分析，從而對2014—2021年洱海流域及其建成區進行生態評估。結果表明，EIBI可有效增強建筑信息，使用EIBI可有效、準確地提取研究區域建成區，經過EIBI提取，洱海流域2014—2021年建成區擴張面積共14.712 km²；2014—2021年洱海流域生態明顯改善，遙感生態指數增加0.008，其上升速率為0.001/年，流域內超過65%的區域生態得到改善；洱海流域建成區與生態未得到改善區域大致匹配，建成區經過生態修復后生態質量未見顯著提升，且建成區生態質量呈逐年下降趨勢，說明建成區對環境改善具有阻力。

關鍵詞：洱海流域；增強的指數型建筑指數；遙感生態指數；Google Earth Engine；流域環境

中圖分類號：P237；X321? ? ? ? ?文獻標識碼：A

文章編號：0439-8114（2024）02-0199-06

DOI：10.14088/j.cnki.issn0439-8114.2024.02.030 開放科學（資源服務）標識碼（OSID）：

Analysis of built-up area range and ecological quality changes in the Erhai Basin?based on Google Earth Engine

ZHENG Shu-yuan1，2， CHEN Xing-yu3， HAI Yan1，2， WANG Jian-xiong1，2

（1. Yunnan Agricultural University， Kunming? 650201，China； 2. Agricultural Remote Sensing and Precision Agriculture Engineering Research Center of Yunnan Universities， Kunming? 650201，China；3. College of Economics and Management，Southwest Forestry University， Kunming? 650224，China）

Abstract： Taking Erhai Basin as the research area， with the help of Google Earth Engine cloud platform and Landsat 8 OLI series images， the enhanced index-based build-up index （EIBI） of the research area was synthesized and the built-up areas in Erhai Basin was extracted. Then， the remote sensing-based ecological index of the study area was synthesized. Through the spatial correlation analysis of the remote sensing-based ecological index of the built-up area and the basin， the ecological assessment of Erhai Basin and its built-up area from 2014 to 2021 was carried out. The results showed that the EIBI could effectively enhance the building information. Using EIBI could effectively and accurately extract the built-up area of the study area. After EIBI extraction， the expansion area of the built-up area of Erhai Basin from 2014 to 2021 was 14.712 km². From 2014 to 2021， the ecology of Erhai Basin was significantly improved， the remote sensing ecological index increased by 0.008， with an increase rate of 0.001/year， and more than 65% of the regional ecology in the basin was improved. The built-up area in Erhai Basin roughly matched the area where the ecology had not been improved. The ecological quality of the built-up area had not been significantly improved after ecological restoration， and the ecological quality of the built-up area showed a downward trend year by year， indicating that the built-up area had resistance to environmental improvement.

Key words： Erhai Basin； enhanced index-based built-up index； remote sensing-based ecological index； Google Earth Engine； basin environment

洱海作為云南省九大高原湖泊之一，其流域為生態系統的重要組成部分。21世紀以來，洱海流域周邊土地進行了不同程度的開發利用，導致建成區不斷擴張，人口密度的上升、建成區不斷擴張以及對植被的破壞使得洱海流域生態質量下降問題日漸突出，對洱海流域生態質量進行評估對其生態建設具有重要意義。

當前對生態環境遙感監測的研究有了較大發展，大多研究從土地利用變化、城市熱島效應以及不透水面蓋度等角度對生態效應影響進行評價，其多為單角度及單一生態因子對生態效應進行評價，徐涵秋^{［1，2］}于2013年提出遙感生態指數（Remote sensing based ecological index，RSEI），其利用主成分分析法對綠度、濕度、干度及熱度生態指標進行合成，規避了人為確定權重而導致評價結果的不確定性，其計算結果較為穩定客觀，能夠用于對研究區的生態環境遙感綜合評價^［3-10］，近年來，吳志杰等^［11］以福建省龍巖市為例，利用遙感生態指數對山地城市進行生態遙感變化分析，對其環境質量做出評估；張娟等^［12］以河南省焦作市為例，利用遙感生態指數對資源枯竭型城市生態環境變化影響進行評估；王志超等^［13］利用遙感生態指數與植被覆蓋度相結合，對成都市錦江區的生態質量做出評估并證明RSEI能夠反映2002—2018年錦江區生態質量及變化情況；劉栩位等^［14］利用遙感生態指數對三峽庫區重慶段水土保持生態功能區生態環境質量狀況進行了評估；范德芹等^［15］利用改進的遙感生態指數對神府礦區的生態環境變化進行綜合評價，得到目標區域生態逐漸得到修復，生態環境質量逐漸提升的結論。

傳統的遙感數據處理方法對長時序研究而言工作量較大，近年來云平臺的發展使得遙感數據的存儲計算及可視化得到了新的處理途徑^［16-19］，Google Earth Engine（下文簡稱GEE）平臺由Google公司提供技術支撐，其提供大量全球尺度不同分辨率衛星影像數據，能夠為長期監測和長時序數據處理提供有力支撐^［20-25］，Hamud等^［26］利用GEE對索馬里巴納迪爾30年的城市擴展及土地利用進行了提取分析。本研究借助GEE獲取2014—2021年洱海流域的Landsat 8 OLI系列影像，通過GEE計算研究區域增強的指數型建筑指數（Enhanced index-based built-up index，EIBI）提取該流域建成區，再分別計算流域綠度指標、濕度指標、干度指標及熱度指標，通過以上計算結果對RSEI指數進行合成，并與提取的建成區進行疊加統計分析，從而對洱海流域生態環境質量進行評估。

1 研究區概況

研究區域位于云南省中部偏西洱海流域，地處北緯25°25′—26°10′，東經99°32′—100°27′，流域面積2 607.75 km²，湖面高程1 966 m時湖面面積為252 km²，一般湖水面積約246 km²，蓄水量約29.5×108 m³，呈狹長形，流域內河流呈現聚集狀匯入中心湖泊，境內有大小河溪共117條，主要入湖溝渠125條，轄大理市、洱源縣2市縣16個鄉鎮。具有供水、灌溉、發電、調節氣候、漁業、航運及旅游七大功能，是云南省九大高原湖泊之一，干濕季分明，5—10月為雨季，11月至次年4月為旱季，多年年均溫度及降雨量分別為15.1 ℃和1 048 mm。

2 數據來源與研究方法

2.1 數據來源及預處理

研究采用Landsat 8地表反射率（Surface reflectance，SR）數據作為數據源，其從Google Earth Engine（GEE，https：//earthengine.google.com/）平臺直接獲Landsat 8 OLI數據，時間跨度為2014—2021年，選取2014年及2021年1月相同時段影像數據進行對比分析。數據受到的云、雨雪等不利因素利用CFMASK方法去除，再利用頭文件信息對影像進行輻射定標及大氣校正，最終得到可用于處理的影像數據。

2.2 建筑擴張信息提取

不同地物具有不同光譜特征，且不同地物對太陽光的反射和吸收的程度不同，其反射光譜曲線具有顯著差異，利用這一差異可區別土地利用類型，從而進一步提取感興趣區，通過分析并找出城市用地與其他地物之間的差距，可將建筑用地信息與其他地物相區別開來，從而提取建成區。

Zha等^［27］改進了歸一化建筑指數（Normalized differences built-up index，NDBI）用于提取建筑用地，該指數思想與歸一化植被指數NDVI相似，經過對光譜的進一步分析而得來，其表達式為：

該公式由近紅外與紅光波段計算得來，ρ_nir與ρ_red分別表示近紅外波段與紅波段的反射率，在這2個波段之間，建筑用地、裸土與沙地的灰度值逐漸增加，其他值則逐漸下降，因此圖像上大于0的像元值可歸為建筑用地及沙地裸土。

徐涵秋^［28］提出的基于壓縮數據維方法提取建筑用地信息的指數，又稱指數型建筑用地指數（Index-based Built-up Index，IBI），采用原始波段衍生出的3個指數波段來構建新的影像對建筑用地進行提取，其采用了土壤植被調節指數（Soil adjusted vegetation index，SAVI）、修正歸一化水體指數（Modified normalized differences water index，MNDWI）和歸一化建筑指數（NDBI），模型如下所示。

式中，ρ_nir、ρ_red、ρ_green、ρ_mir1分別表示近紅外波段、紅波段、綠波段、中紅外波段的反射率；L代表常量，默認值為0.5。

由于研究區域包含大量山地、裸土區域，在分析時需要剔除大部分干擾因素的影響從而準確提取目標區域，為準確提取研究區域建成區，選用吳志杰等^［29］提出的增強的指數型建筑指數（Enhanced index-based built-up index，EIBI）來對研究區建成區進行提取，其對富含黏土型礦物的地表裸土有很好的抑制作用，經過對漳州市及福州市研究區提取結果對比驗證，證實其能夠準確區分研究區域內裸土和建筑物，精度可達90%以上；代穎懿等^［30］基于Landsat-7 影像，利用EIBI提取福州市區建成區的精度可達92%。因此，選擇EIBI來提取研究區的建成區信息，其公式模型如下：

其中，EIBI由歸一化差值裸地與建筑用地指數（Normalized difference bareness and built-up Index，NDBBI）、裸土指數（Bare soil index，BSI）、增強型裸土指數（Enhanced bare soil index，EBSI）計算得到，ρ_blue為藍光波段反射率，ρ_green為綠光波段反射率，ρ_red為紅光波段反射率，ρ_nir為近紅外波段反射率，ρ_swir1和 ρ_swir2為短波紅外波段反射率。且在使用 NDBBI、SAVI、MNDWI、BSI、EBSI等指數模型生成指數波段時不能直接使用歸一化數據進行計算，其中NDBBI要經過0～255的灰度值拉伸。運用EIBI建筑指數對2014—2021年洱海流域建成區進行提取結果如圖1所示，通過將EIBI提取結果與原始影像進行疊加，并進行目視解譯，該指數能夠準確剔除研究區內山體及裸土，提取建成區。

2.3 RSEI指數計算

遙感生態指數（Remote sensing based ecological index，RSEI）是一種基于濕度、綠度、干度和熱度4種自然因子為主的評價生態狀況的體系，可以快速評價生態環境狀況。需利用綠度指標、濕度指標、干度指標及熱度指標4個波段來進行合成，再對合成的多波段影像進行主成分分析得到，其中綠度指標為歸一化植被指數（Normalized difference vegetation index，NDVI）；濕度指標為地表濕度（Wet），具體表現為纓帽變換的第三分量；干度指標為建筑指數與裸土指數合成干度指數（Normalized difference soil index，NDSI），由建筑指數（Index-based built-up index，IBI）與土壤指數（Soil index，SI）合成；熱度指標為地表溫度（Land surface temperaturae，LST）。以上指標計算公式如下所示。

式中，LST為地表溫度；ε為地表比輻射率；λ為熱紅外波段的中心波長；ρ=14 380 umk，T=k₂-ln （k₁/L+1），L=gainDN+bias，其中DN表示衛星傳感器記錄下的數字信號值轉化來的反射率，gain為傳感器增益，bias為傳感器偏移。k₁、k₂、gain、bias 均可在影像頭文件中獲取。計算完4個波段的指數后，將其進行多波段合成，其合成順序為NDVI、Wet、NDSI、LST，對合成后的新影像進行主成分分析（PCA），提取主成分分析后所得的多波段影像的第一波段，再將第一主成分進行歸一化處理，歸一化后的第一主成分即為遙感生態指數（RSEI），其歸一化的表達式為：

其中，PC1_min為第一主成分最小值，PC1_max為第一主成分最大值。通過對數據進行輻射定標、大氣校正、幾何校正、地形校正等預處理后，對綠度指標、濕度指標、干度指標、熱度指標進行提取并進行歸一化處理與主成分分析，可得到4個指標分量的主成分分析結果（表1）。

由表1可知，2期影像的第一主成分貢獻率分別為86.72%、84.73%，說明第一主成分PC1包含了影像絕大部分特征信息，且濕度指標與綠度指標的荷載值為正值，其對遙感生態指數為正面貢獻；干度指標與熱度指標的荷載值為負值，說明其對遙感生態指數為負面貢獻。綜上，PC1可充分集成4個指標分量的信息，該研究區域可采用第一主成分PC1來提取遙感生態指數（RSEI）。

RSEI越大表明所處地區環境越好，其通過不同閾值（間隔為0.2）分級可分為1—5級，其生態狀況根據分級可分為差、較差、中等、良、優5個等級，通過對2014年與2020年洱海流域建成區提取結果與重分類后所得的洱海流域RSEI指數進行疊加分析，可掌握洱海流域建成區的生態情況變化，經計算后的洱海流域2014年、2020年RSEI如圖2所示。

3 結果與分析

3.1 2014—2021年洱海流域建筑擴張變化及影響

利用2021年建成區與2014年建成區相比較，可以計算得到8年間增長的建成區面積與建成區區域的遙感生態指數，通過對不同年份之間的建成區指數之間作差即可得出2014—2021年建成區范圍變化，8年間建成區面積與遙感生態指數變化結果如表2所示，建成區范圍變化如圖1所示。從表2可看出，2014—2021年，建成區面積增加了14.712 km²，而建成區遙感生態指數降低了0.008，洱海流域內建筑面積年均擴展為1.839 km²，其建成區的遙感生態指數年均降低0.001 3。

由圖1可知，洱海流域建成區擴展主要集中于洱海流域下游大理市及杭瑞高速途經流域路段，流域上游洱源縣及流域西側喜洲鎮、古城區以及西景線、大麗線沿途。由于政策原因，洱海東岸海東鎮開發速度有所減緩，2014—2021年該區域未見顯著擴張。對2014年建成區與2021年建成區遙感生態指數進行提取，2014年建成區遙感生態指數為0.811，2021年建成區遙感生態指數為0.800，可見建成區遙感生態指數明顯低于洱海流域整體遙感生態指數，且2014—2021年建成區遙感生態指數呈逐年下降趨勢，通過對2014年與2021年建成區RSEI做差可分析建成區內RSEI整體變化趨勢，其結果如圖3所示。

由圖3可知，RSEI呈上升趨勢的區域占整個建成區的47.54%，RSEI呈下降趨勢的區域占整個建成區的52.06%，其中呈下降趨勢的區域，遙感生態指數下降的速率為0.043/年，呈上升趨勢的區域上升速率為0.029/年，綜合說明建成區整體生態呈下降趨勢，生態質量下降來源于建成區的擴展導致的環境破壞及原有建成區生態質量的下滑，證明建成區擴展對洱海流域生態有負面影響。

3.2 洱海流域生態質量時空變化分析

為能夠更好反映洱海流域的生態質量變化，根據徐涵秋^［1］對RSEI的評估等級將研究區內RSEI進行分級，生態質量差為1級（0～0.2），生態質量較差為2級（0.2～0.4），生態質量中等為3級（0.4～0.6），生態質量良好為4級（0.6～0.8），生態質量優為5級（0.8～1.0），對研究區RSEI進行分級統計，其結果如表3所示。

由表3可知，2014—2021年洱海流域生態指數等級以優（5級）為主，其占比均超過85%，該時間段內1級、2級、3級占比均不足1%；研究時間段內洱海流域生態指數大幅上升，超過65%的4級地升為5級地。圖4從空間上直觀體現洱海流域的RSEI指數等級變化，可見研究區整體生態環境有巨大改善，大部分區域RSEI評級得以上升；未見顯著改善區域經與建成區提取結果疊加分析可得，研究區生態未見顯著改善區域基本與建成區提取結果相吻合，2014年建成區所在的區域生態評價等級處于較低水平，說明建成區擴張對研究區域的環境有負面影響。

綜上，2014—2021年洱海流域的遙感生態指數從0.869上升到0.877，共上升了0.008，表明研究區域生態質量呈逐年改善趨勢，年均上升速度為0.001/年，與建成區生態呈下降趨勢不同，由于國家于研究時間段內對洱海流域生態進行整治與保護以及對洱海流域提出轉型發展要求，對洱海周邊的建成區進行了轉型及調整，于2018—2019年時間段內關停了洱海流域內所有礦山，以及對原有礦山設施進行拆除，對洱海流域實施流域面山綠化建設與退耕還林和陡坡地生態治理工程，實施西湖居民區生態搬遷工程及分類清理建設用地，對整個洱海流域生態質量有了較大提高，使得整個研究區生態呈改善趨勢。

4 結論

利用Google Earth Engine云平臺，并利用Landsat8 OLI系列遙感數據，對洱海流域建成區擴張分析后可得以下結論。

1）使用增強的指數型建筑指數（EIBI）可有效抑制富含黏土礦物的裸土信息，而增強建成區信息，使用EIBI可有效、準確地提取研究區域建成區，經過EIBI提取，洱海流域2014—2021年建筑擴張面積共14.712 km²。

2）使用遙感生態指數（RSEI）對洱海流域建筑擴張地域進行生態評估，評估結果為2014—2021年洱海流域生態環境得到顯著改善，遙感生態指數逐年上升，其上升速率為0.001/年，2014—2021年流域內超過65%的區域生態得到改善。

3）洱海流域建成區與生態未得到改善區域大致匹配，建成區經過生態修復后生態質量未見顯著提升，且建成區生態質量呈逐年下降趨勢，說明建成區對環境改善具有阻力。

參考文獻：

［1］ 徐涵秋.城市遙感生態指數的創建及其應用［J］.生態學報，2013，33（24）：7853-7862.

［2］ 徐涵秋. 區域生態環境變化的遙感評價指數［J］. 中國環境科學，2013，33（5）：889-897.

［3］ HU X S， XU H Q. A new remote sensing index for assessing the spatial heterogeneity in urban ecological quality： A case from Fuzhou City， China［J］. Ecological indicators， 2018， 89：11-21.

［4］ 王東升， 王小磊， 雷澤勇. 基于遙感生態指數的阜新市生態質量評估［J］. 生態科學， 2020， 39（3）：88-94.

［5］ 李 妍，張國欽，吝 濤，等. 鄉鎮遙感生態指數時空變化及影響因子研究——以天津市薊州區為例［J］. 生態學報，2022，42（2）：474-486.

［6］ ZHU D Y，CHEN T，ZHEN N， et al. Monitoring the effects of open-pit mining on the eco-environment using a moving window-based remote sensing ecological index［J］. Environmental science and pollution research， 2020， 27（13）：15716-15728.

［7］ 范小安， 王金輝， 徐美娜，等. 典型入?？诤０稁鷳B環境質量遙感評價研究——以寶山區為例［J］. 海洋學研究，2020，38（2）：66-73.

［8］ 喬 敏，張永彬，宇林軍.基于遙感生態指數的北京市生態環境質量動態監測［J］.華北理工大學學報（自然科學版），2020，? ? ? 42（4）：17-23.

［9］ 張 寒，潘 安，羅 芳.基于遙感生態指數的南充市生態環境質量評價［J］.西華師范大學學報（自然科學版），2020，41（4）：395-403.

［10］ 項 頌，吳 越，呂興菊，等. 洱海流域農業面源污染空間分布特征及分類控制策略［J］.環境科學研究，2020，33（11）：2474-2483.

［11］ 吳志杰，鄒 丹，黃紹霖.山地城市擴展及生態變化遙感分析［J］.亞熱帶資源與環境學報，2016，11（3）：81-87，94.

［12］ 張 娟，文廣超，王恩營，等.基于遙感生態指數的焦作市生態環境動態監測與評價［J］.水土保持通報，2020，40（6）：107-114.

［13］ 王志超，何新華.基于植被覆蓋度和遙感生態指數的成都市錦江區生態質量評估［J］.生態與農村環境學報，2021，37（4）：492-500.

［14］ 劉栩位，周啟剛，周 浪，等.基于RSEI的三峽庫區重慶段水土保持生態功能區生態環境質量動態監測［J］.水土保持研究，2021，28（5）：278-286.

［15］ 范德芹，邱 玥，孫文彬，等. 基于遙感生態指數的神府礦區生態環境評價［J］.測繪通報，2021（7）：23-28.

［16］ SHETTY S，GUPTA P K，BELGIU M，et al. Assessing the effect of training sampling design on the performance of machine learning classifiers for land cover mapping using multi-temporal remote sensing data and Google Earth Engine［J］. Remote sensing，2021，13（8）：1-22.

［17］ LI K，WANG L，YIN D M. Deriving corn and soybeans fractions with Land Remote-Sensing Satellite（System， Landsat） imagery by accounting for endmember variability on Google Earth Engine［J］. International journal of remote sensing，2021，42（12）：4493-4513.

［18］ ZHANG Z M，WEI M Y，PU D C，et al. Assessment of annual composite images obtained by Google Earth Engine for urban areas mapping using random forest［J］. Remote sensing，2021，13（4）：748.

［19］ 鄭子豪，吳志峰，陳穎彪，等.基于Google Earth Engine的長三角城市群生態環境變化與城市化特征分析［J］.生態學報，2021，41（2）：717-729.

［20］ 廖文秀，陳奕云，趙 曦，等. 基于GEE的湖北省近30年湖泊及其岸線演變分析［J］.湖北農業科學，2021，60（10）：46-54，59.

［21］ 張禎祺，蔡惠文，張平平，等.基于GEE遙感云平臺的三江源植被碳源/匯時空變化研究［J］.自然資源遙感，2023，35（1）：231-242.

［22］ 谷 雷，岳彩榮，張國飛，等.基于Google Earth Engine平臺的大湄公河次區域2001—2019年植被NPP時空變化分析［J］.西部林業科學，2021，50（2）：132-139.

［23］ 楊坤士，盧 遠，翁月梅，等.Google Earth Engine平臺支持下的南流江流域生態環境質量動態監測［J］.農業資源與環境學報，2021，38（6）：1112-1121.

［24］ 皮青山，席 茜，周玉科.Google Earth Engine云平臺及植被遙感案例研究［J］.測繪與空間地理信息，2021，44（2）：38-41.

［25］ 姜伊蘭，陳保旺，黃玉芳，等.基于Google Earth Engine和NDVI時序差異指數的作物種植區提?。跩］.地球信息科學學報，2021，23（5）：938-947.

［26］ HAMUD A M，SHAFRI H Z M，SHAHARUM N S N. Monitoring urban expansion and land use/land cover changes in Banadir， Somalia using Google Earth Engine （GEE）［J］. IOP Conference Series： Earth and environmental science，2021，767（1）：012041.

［27］ ZHA Y， GAO J， NI S. Use of normalized difference built-up index in automatically mapping urban areas from TM imagery［J］. International journal of remote sensing，2003，24（3）：583-594.

［28］ 徐涵秋.基于壓縮數據維的城市建筑用地遙感信息提?。跩］.中國圖象圖形學報，2005，10（2）：223-229.

［29］ 吳志杰，趙書河.基于TM圖像的“增強的指數型建筑用地指數”研究［J］.國土資源遙感，2012（2）：50-55.

［30］ 代穎懿，劉 輝，黎啟燃，等. 基于中等空間分辨率遙感影像的建筑用地信息提?。跩］.亞熱帶資源與環境學報，2013，8（4）：68-74.

收稿日期：2022-09-13

基金項目：國家自然科學基金項目（41867040）

作者簡介：鄭舒元（1997-），男，云南玉溪人，碩士，主要從事資源與環境遙感研究，（電話）15261805767（電子信箱）952012141@qq.com；通信作者，王建雄（1975-），男，云南玉溪人，教授，博士，主要從事資源與環境遙感研究，（電話）13608873306（電子信箱）jianxiongw@126.com。