国土资源遥感, 2020, 32(4): 209-218 doi: 10.6046/gtzyyg.2020.04.26

技术应用

基于天宫二号及Landsat8城镇生态环境现状评价

木哈代思·艾日肯,1,2, 张飞,1,2,3, 刘康4, 阿依努尔·玉山江1,2

1.新疆大学资源与环境科学学院智慧城市与环境建模普通高校重点实验室,乌鲁木齐 830046

2.新疆大学绿洲生态教育部重点实验室,乌鲁木齐 830046

3.中亚地理信息开发利用国家测绘地理信息局工程技术研究中心,乌鲁木齐 830002

4.中国科学院空间应用工程与技术中心,中国科学院太空应用重点实验室,北京 100094

Urban ecological environment evaluation based on Tiangong-2 and Landsat8 data

MUHADAISI Ariken,1,2, ZHANG Fei,1,2,3, LIU Kang4, AYINUER Yushanjiang1,2

1. Key Laboratory of Wisdom City and Environment Modeling of Higher Education Institute, College of Resources and Environmental Science, Xinjiang University, Urumqi 830046, China

2. Key Laboratory of Oasis Ecology, Xinjiang University, Urumqi 830046, China

3. Engineering Research Center of Central Asia Geoinformation Development and Utilization, National Administration of Surveying, Mapping and Geoinformation, Urumqi 830002, China

4. Technology and Engineering Center for Space Utilization, Key Laboratory of Space Utilization, Chinese Academy of Sciences, Beijing 100094, China

通讯作者: 张 飞(1980-),男,教授,主要从事干旱区资源环境遥感研究。Email:zhangfei3s@163.com。

责任编辑: 李 瑜

收稿日期: 2020-01-2   修回日期: 2020-05-14   网络出版日期: 2020-12-15

基金资助: 中国科学院战略性先导科技专项项目“泛第三极环境变化与绿色丝绸之路建设”.  XDA20040400

Received: 2020-01-2   Revised: 2020-05-14   Online: 2020-12-15

作者简介 About authors

木哈代思·艾日肯(1995-),女,硕士研究生,主要从事干旱区资源环境遥感研究。Email:18240988292@163.com。

摘要

城镇化进程引发一系列环境问题,对区域可持续发展有一定制约作用,利用多源遥感技术能以快速、准确、客观定量的优势揭示区域生态环境质量的现状,对监测区域生态环境质量有非常重要的意义。基于天宫二号宽波段成像仪及Landsat8 OLI-TIR数据,采用主成分分析法,构建遥感生态指数(remote sensing based ecological index,RSEI)用于监测与评价我国西北干旱绿洲城镇生态环境现状,并探讨天宫二号宽波段成像仪数据在生态环境监测中的应用。结果表明: 在当地生态环境起正向作用的指标是湿度(WET)、绿度(normalized difference vegetation index,NDVI),负向作用的是干度(normalized difference built-up index,NDBI)及热度(land surfce temperatune,LST),其中绿度(NDVI)对生态环境影响较大。2018年博湖县RSEI差等级[0,0.2)主要分布在城镇用地及北部未利用地; 较差等级[0.2,0.4)主要分布在山体及沙地,受到平均气温较高,蒸发量较大,日照时较长等自然因素影响; 湿地、耕地生态环境在良[0.6,0.8)和优等级[0.8,1.0]之间,说明该区域生态环境质量较好。根据生态环境质量空间分异特征,2018年研究区生态环境质量具有一定的内在联系,趋于集群的现象。该研究可为当地生态环境保护提供一定的科学依据。

关键词： 天宫二号宽波段成像仪 ; 主成分分析 ; RSEI ; 城镇化

Abstract

At present, China has entered into the rapid development stage of urbanization, and urbanization is exerting its positive effect. Such a situation inevitably brings negative effects, but remote sensing technique can quickly, accurately, objectively and quantitatively reveal the present situation of the regional ecological environment quality. Bohu County is one of the most typical areas in arid oasis in Northwest China. Based on Tiangong-2 wide-band images spectrometer and Landsat8 images, the authors constructed a multi-factor comprehensive index RSEI evaluation model in combination with principal components, which was established to evaluate the ecological environment of Bohu County. Additionally, the authors explored the application of Tiangong-2 wide-band images to ecological environment monitoring. The result shows that the greenness (NDVI) and wetness (WET) have positive effects on promoting the ecological environment quality, while the heat (LST) and dryness (NDBI) have restraining effects on ecological environment quality. Greenness (NDVI) has a greater impact on the ecological environment than the other three indicators. In 2018, the RSEI poor grade (0 ~ 0.2) in Bohu County was mainly distributed over urban land and unused land in the north;the fair grade (0.2 ~ 0.4) was mainly distributed among mountains and sandy land. Quantitative and qualitative analysis shows that the driving factors included urban economic development, higher average temperature, greater evaporation, longer sunshine and other natural factors. The ecological environment of wetland and cultivated land was between good (0.6 ~ 0.8) and excellent (0.8 ~ 1.0), indicating that the ecological environment quality of this region was good. According to the spatial differentiation characteristics of ecological and environmental quality, the ecological and environmental quality of the research area in 2018 had a strong positive correlation and certain internal relations, and tended to cluster. This study offers important results and information for planning of regional ecological environment protection and development.

Keywords： Tiangong-2 WIS ; principal component analysis ; RSEI ; urbanization

PDF (4680KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

木哈代思·艾日肯, 张飞, 刘康, 阿依努尔·玉山江. 基于天宫二号及Landsat8城镇生态环境现状评价. 国土资源遥感[J], 2020, 32(4): 209-218 doi:10.6046/gtzyyg.2020.04.26

MUHADAISI Ariken, ZHANG Fei, LIU Kang, AYINUER Yushanjiang. Urban ecological environment evaluation based on Tiangong-2 and Landsat8 data. Remote Sensing for Land & Resources[J], 2020, 32(4): 209-218 doi:10.6046/gtzyyg.2020.04.26

0 引言

城镇化发展水平已成为权衡一个国家和区域经济、社会、文化、科技发展程度的重要条件之一,在过去50 a里,全球城镇化以前所未有的速度发展[1]。其中中国城镇化率年均增加2.72百分点,由1978年的17.92%上升至2017年的58.52%[2],在快速发展的城镇化进程背景下,区域资源欠缺和生态环境恶变等问题日益突出,尤其是在我国西部干旱绿洲城镇,生态环境极为脆弱,是人地关系较为严重的区域[3]。快速、准确地了解西部干旱区绿洲城镇生态环境状况是十分重要的。

近年来,有不少学者基于Landsat数据利用一个集成了多种反映生态环境的指标[4,5,6],并通过综合指数法、层次分析法、主成分分析法、物元评价法等构建的新型遥感生态指数(remote sensing based ecological index,RSEI),围绕研究区某一时段开展定性或定量分析,这对描述生态环境时空特征变化具有一定的实践意义与较高的参考价值。而目前,具有快速、实时等优势的多源遥感技术不断进步和提升,新一代多源遥感技术也不断更新和日趋成熟,可充分利用各种手段获取互补、合作性多源遥感信息,也使实时动态监测及评价生态环境状况变得更加高效[7,8]。天宫二号于2016年9月15日发射,搭载着新一代宽波段、宽视场和“图谱合一”的宽波段成像光谱仪,全球首次在单台仪器上实现了可见近红外、短波红外及热红外谱段大视场全推扫成像的组合集成功能[9,10]。孙明等[11]利用天宫二号宽波段成像仪数据建立多因子综合指数评价模型,对马山县进行生态环境适宜性评价,探讨天宫二号宽波段成像仪在生态环境监测中的应用; Peng等[12]利用天宫二号宽波段成像仪数据对吴哥窟及其周边环境进行了监测,结果表明天宫二号宽波段成像仪在土地利用分类中有应用潜力; Mu等[13]利用天宫二号宽波段成像仪可见近红外谱段、短波红外谱段对美国南部干旱进行监测,结果表明: 天宫二号宽波段成像仪可成为干旱监测的有效数据来源; Cong等[14]利用天宫二号宽波段成像仪数据与Landsat数据融合影像对黄河三角洲湿地近30 a内变化进行研究,发现天宫二号宽波段成像仪数据与高分辨率图像融合后更有利于湿地研究。虽然很多学者将天宫二号宽波段成像仪用于多方面的科学研究中,但以城镇为视角基于天宫二号宽波段成像仪对地区生态环境评价的研究较少。鉴于此,本文利用多源遥感技术结合较少人为因素参与的主成分分析法[4],将由多种遥感生态指标构建的RSEI综合运用于我国西部干旱区,可实现对干旱区生态环境的快速监测与评价,对地区生态环境保护具有重要意义。

本文将天宫二号宽波段成像仪应用于干旱区绿洲城镇生态环境监测,针对天宫二号宽波段成像仪数据,综合利用Landsat8数据计算多种遥感生态指标结合主成分分析法构建RSEI,监测与评价我国西部典型干旱绿洲城镇博湖县生态环境现状,并从自然环境及社会经济方面进行驱动力分析,旨在为当地生态环境保护及发展提供依据。

1 研究区概况及数据源

博湖县地理坐标为E86°19'~87°26',N41°33'~42°14',属于新疆巴音郭楞蒙古自治州,位于天山南簏,焉耆盆地东南部,开都河下游,总面积为3 578.7 km2,境内有全国最大的内陆淡水湖——博斯腾湖,是焉耆盆地的天然调节水库[15](图1)。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1   研究区示意图

Fig.1   Location of study area


1)遥感影像数据。本文的数据源包括: ①2018年8月18日天宫二号宽波段成像仪数据,来源于中国载人航天工程(http: //msadc.cn/),具体指标如表1所示; ②2018年8月10日Landsat8 OLI-TIRS数据(https: //earthexplorer.usgs.gov/)。天宫二号宽波段成像仪二级数据只需大气校正[16],配准宽波段成像仪可见近红外谱段和短波红外谱段图像,保证其精度在0.5个像元内,并将二者合成波段数为16的新影像[17]; 本研究中Landsat8 OLI-TIRS数据预处理包含辐射定标、FLAASH大气校正和影像配准等过程,计算地表温度(land surface temperature,LST)及湿度(WET)时将其重采样至100 m后构建新的RSEI。

表1   天宫二号宽波段成像仪数据指标

Tab.1  Wide band imager index of Tiangong-2

波段可见近红外谱段短波红
外谱段		热红外
谱段
通道范围/μmV1: 0.970~0.990V8: 0.655~0.675S1: 1.230~
1.250		T1: 8.125~
8.825
V2: 0.930~0.950V9: 0.610~0.630S2: 1.630~
1.650		T2: 8.925~
9.275
V3: 0.895~0.915V10: 0.555~0.575
V4: 0.845~0.885V11: 0.510~0.530
V5: 0.810~0.830V12: 0.480~0.500
V6: 0.740~0.760V13: 0.433~0.453
V7: 0.6775~0.6875V14: 0.403~0.423
空间分辨率/m100200400

新窗口打开| 下载CSV


2018年博湖县土地利用类型的提取是在ENVI5.3软件中对Landsat8数据进行最大似然法监督分类得出,主要分为水体、耕地、湿地、沙地、山体、未利用地及城镇用地共7种土地利用类型,结合Google Earth验证其精度为81.73%,可满足研究需求,并对分类后影像进行分类后处理。

2)社会经济数据。利用《博湖县2018年国民经济和社会发展统计公报》(http: //www.xjbh.gov.cn),获取新疆博湖县统计数据,以综合评价研究区生态环境。

3)气象数据。由于距离研究区最近的国家气象站是焉耆县气象站,其气候环境与博湖周边气候环境基本一致,通过中国气象数据网(http: //data.cma.cn)获取焉耆县气象站月平均数据代替博湖县气象特征数据。

2 研究方法

2.1 基于天宫二号及Landsat8 OLI-TIRS数据的RSEI

反映生态环境状况的自然因素有很多,其中绿度、湿度、热度、干度是与人类生存休戚相关且可直观反映生态状况好坏的4个典型指标,因此广泛用于生态环境状况评价[18]。本研究利用天宫二号宽波段成像仪数据及Landsat8 OLI-TIRS数据适用的多种遥感生态指数通过主成分分析构建出RSEI,其中绿度指标(NDVI)、干度指标(NDBI)及水体指数(NDWI)由天宫二号宽波段成像仪数据得到,湿度(WET)、热度(LST)由Landsat8 OLI-TIRS反演得到,具体RSEI计算流程如图2所示。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2   RSEI计算过程

Fig.2   RSEI flow chart of calculation


1)绿度指标。NDVI是在监测和评估植被覆盖度等方面应用最为广泛的植被指数[19],即

NDVI=ρV4-ρV8ρV4+ρV8,

式中ρV4和ρV8分别为天宫二号宽波段成像仪数据可见近红外谱段第4和第8波段反射率。

2)干度指标。本文代表干度指标的建筑指数是NDBI,由天宫二号宽波段成像仪数据计算[20],即

NDBI=ρS2-ρV4ρS2+ρV4,

式中ρS2为天宫二号宽波段成像仪数据短波红外谱段第2波段反射率。

3)水体指数。由于本研究区拥有全国最大的内陆淡水湖——博斯腾湖,为了防止水域影响主成分载荷分布[4],利用归一化差值水体指数(normalized difference water index,NDWI)生成研究区地表水体掩模,即

NDWI=ρV10-ρV4ρV10+ρV4,

式中ρV10为天宫二号宽波段成像仪数据可见近红外谱段第10波段反射率。

4)湿度指标。参考文献[21,22],使用湿度分量作为湿度指标(WET), 该指标由Landsat8 OLI数据波段运算进行求解,具体计算过程可参照文献[5,6]。

5)热度指标。本文选用Landsat8 TIRS数据计算LST代表热度指标,LST所需要的大气剖面参数可通过网址(http: //atmcorr.gsfc.nasa.gov/)获取。具体计算过程可参照文献[23]。

2.2 综合指数的构建

环境评价主要可以分为2类: 正向指标(指标值越大越好)和负向指标(指标值越小,环境质量越好)。利用式(4)先对4个指标进行标准化,将量纲统一,便于结合主成分变换(principal component analysis,PCA)来构建RSEI[24],即

NIi=(Ii-Imin)/(Imax-Imin),

式中: NIi为标准化值; Imax和Imin分别为各指标最大和最小值。

综合指数用到的4种指标便于从遥感影像中快速提取出来,并可以直观地看到生态环境质量,因此常被用在生态环境评价中[25],即

RSEI=PCA[f(NDVI,WET,LST,NDBI)],

为各指标因素之间能进行相互比较,对RSEI进行标准化,得到最终建立的RSEI,即

RSEI=(RSEI0-RSEI0_min)/(RSEI0_max-RSEI0_min),

式中RSEI0,RSEI0_max和RSEI0_min分别为原始RSEI值及其最大、最小值。

2.3 空间自相关分析法

空间自相关分析是通过查验某种地理现象或某一变量的整体分散状态,进而可判断其在空间上是不是有聚集特性[26]。Moran’s I (全局空间自相关)指数用于验证整个研究区域某一要素的空间相关关系[27]; LISA指数(局部空间自相关)分析分化到单个空间单元的Moran’s I值,可有效地反映出空间变量值的高、低值的局部空间聚集,从而反映出局部空间的空间异常特征[27]。本文选用Moran’s I及LISA指数分析博湖县生态环境状况的空间相关度。

3 结果与分析

3.1 RSEI的构建

采用PCA综合分析4个指标,与其他分量(PC2,PC3和PC4)相比,第一主成分分量PC1具有显著特征,能很好地集成各个指标的信息,因此适用于构建出综合的RSEI[4],其计算统计值如表2所示。

表2   PCA结果

Tab.2  Result of PCAs

年份指标PC1PC2PC3PC4
2018年绿度(NDVI)0.9360.1740.0250.306
干度(NDBI)-0.8280.2180.5030.117
湿度(WET)0.7370.6080.216-0.200
热度(LST)-0.6420.671-0.365-0.064
特征值2.5170.8980.4340.151
贡献率/%62.92222.45510.8393.785

新窗口打开| 下载CSV


从表2可以看出PC1在4个主成分分量中特征值最大[6],这说明PC1能够很好地表示4个指标的大部分特征。根据PCA分析结果,可将指标分成2组: 湿度(WET)、绿度(NDVI)为一组,另一组为干度(NDBI)、热度(LST),它们对生态质量有不同的作用,该结果与实际情况相符。而在其他特征分量(PC2,PC3,PC4)中,这些指标忽正忽负,难以进行合理解释。为了进一步检验RSEI的综合代表性,分析RSEI与湿度(WET)、绿度(NDVI)、干度(NDBI)及热度(LST)之间的相关性(表3)。表明了各指标和RSEI的相关系数以及自身之间的相关系数。

表3   RSEI和各指标的相关性统计

Tab.3  Correlation analysis of RSEI and four indicators

指标绿度
(NDVI)		湿度
(WET)		干度
(NDBI)		热度
(LST)		RSEI
绿度
(NDVI)		1.0000.783**①-0.723**-0.669**0.935**
湿度
(WET)		0.783**1.000-0.747**-0.667**0.842**
干度
(NDBI)		-0.723**-0.747**1.0000.52**-0.858**
热度
(LST)		-0.669**-0.667**0.52**1.000-0.683**
RSEI0.935**0.842**-0.858**-0.683**1.000

①**在0.01级别(双尾)相关性显著。

新窗口打开| 下载CSV


为了更好地表明构建的RSEI的合理性及了解各指标间的相关程度,结合相关系数检验模型来验证其适宜性,当相关系数值靠近1,表明所建立的RSEI的适宜性越好[6]。

从表3可看出,RSEI与绿度(NDVI)、湿度(WET)均呈正相关,与干度(NDBI)、热度(LST)均呈负相关。其中,RSEI与绿度(NDVI)相关性最显著,相关性为0.935。其次RSEI和湿度(WET)、干度(NDBI)相关性分别为0.842和-0.858,均达到显著相关,与热度(LST)的相关性较好。说明RSEI与各单一指标相关性较好,新建的RSEI集成了各指标的信息,能综合代表生态环境质量状况。此外,热度(LST)和绿度(NDVI)、湿度(WET)均呈负相关,相关性分别为-0.669和-0.667,而与干度(NDBI)为正相关,相关性达到0.52。绿度(NDVI)与湿度(WET)呈正相关,相关性为0.783。

3.1.1 遥感生态环境质量分析

为了进一步了解各生态环境质量指标及遥感生态指数状况,统计了各指标标准化后及RSEI的统计值(表4)。

表4   各指数及RSEI统计值

Tab.4  Statistical value of RSEI and indicators

指标均值标准差
绿度(NDVI)0.5740.148
干度(NDBI)0.3650.117
湿度(WET)0.4230.028
热度(LST)0.7790.084
RSEI0.3930.291

新窗口打开| 下载CSV


从表4可以看出热度(LST)均值最大,其次是绿度(NDVI)、湿度(WET),最后为干度(NDBI),所建立的RSEI均值较低,为0.393。由于本文旨在了解博湖县2018年生态环境现状,故在时空角度上缺乏对比,因此通过在研究区所属的新疆范围内的相关研究文献[28,29]比较中发现本研究区生态环境质量现状整体水平较低。综合以上相关性研究可知,新建的RSEI不仅能集成各个指标,综合地考察城镇生态质量,且可定量地刻画生态环境状况,因此比单一指标分析更可靠。

3.1.2 生态环境质量等级分析及空间分布特征

借鉴已有研究成果[18,24-25],将标准化后的RSEI以0.2为间隔,分为5个等级,并统计RSEI等级的面积及比例,如表5所示。

表5   博湖县生态环境等级面积与比例

Tab.5  Scale and proportion of ecological environment level in Bohu

RSEI等级划分依据面积/km2比例/%
差[0,0.2)1 012.8038.83
较差[0.2,0.4)616.2223.62
中[0.4,0.6)158.196.06
良[0.6,0.8)415.3615.92
优[0.8,1.0]405.7915.56

新窗口打开| 下载CSV


从表5可以看出,RSEI均以差等级[0,0.2)为主,比例最高达到38.83%,生态环境质量整体处于差水平,研究区生态环境较为恶劣,空气干燥,风沙较多,因此需大力植树造林,防止风沙侵入湖泊,防止湖区污染。较差等级占23.62%,良和优等级比例相差不大,分别为15.92%和15.56%,占比最小的是中等级,为6.06%。

各种用地类型对生态价值影响差异是很大的[30],因此为在各用地类型上分析出对应的RSEI等级分布情况,将二者进行综合分析,如图3所示,可以从RSEI结果等级中明显看出,生态环境差等级主要分布在博湖县南部的大量沙地及未利用地类中; 山体大部分为生态环境差等级,而东部小部分地区为生态环境中等级; 博湖县北部城镇用地及未利用地呈现生态环境较差等级; 湿地整体在生态环境良和优等级之间,说明湿地土地类型生态环境质量基本稳定; 西部博湖县农田区域植被覆盖度较高,生态环境等级为良和优等级,说明该区域生态环境质量较好。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3   2018博湖县土地利用类型分类及RSEI结果等级

Fig.3   LUCC and RSEI result grade diagram of Bohu in 2018


通过1 km×1 km的格网对2018年RSEI专题影像进行全图采样,共2 608个样点,不仅可以更好地理解生态环境质量的空间分异特征,还能保证尺度内信息的完备性及定量评价的精准度。通过Moran’s I确定某一变量是否在空间上相关及其相关程度大小,来定量描述要素在空间上的依赖关系,如图4所示。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4   2018年博湖县RSEI Moran散点图

Fig.4   Moran scatter plots of the RSEI of Bohu in 2018


由图4可以看出,区域RSEI分布集中,离散点较少,呈现了连续分布的态势,散点主要分布在第一、三象限,Moran’s I指数达到0.858,表明研究区生态环境质量有显著的空间正相关性,即RSEI呈现显著的高值区与高值区临近,低值与低值区临近的聚集状态。

为直观地识别RSEI典型集聚类型,对RSEI专题图采集的2 608个样点进行局部空间自相关分析,得到LISA集聚图(图5(a))和LISA显著性水平图(图5(b))。由图5(a)所示,博湖县RSEI存在3类空间关联模式,即高高聚集类型(H-H),低低空间集聚类型(L-L)和高低空间离群类型(H-L)。其中“H-H”正关联的地区,占研究区总面积(去除水体掩模)的33.35%,主要分布在县境北部湿地和中西部查干诺尔乡、乌兰再格森乡、才坎诺尔乡及南部博斯腾湖乡农用地及湿地; 从局部自相关显著性程度来看(图5(b)),大部分地区单元P值为0.001的显著性水平,极小部分地区为0.05及0.01,表明生态环境热点区域十分显著。这些地区RSEI较高,生态系统及生态功能相对较高,空间关联程度较高。在实际中,博斯腾湖北部洪积扇、开都河入湖三角洲及博斯腾湖西面水资源丰富,且土壤肥沃,排灌溉条件较好,为农耕提供有利条件,与基于RSEI的“H-H”型集聚区在空间位置上基本吻合。南部沙地、未利用地及一部分库鲁克塔格山等区域位于“L-L”关联区,占研究区总面积的48.77%,从局部自相关显著性水平来看,大部分地区单元P值为0.001的显著性水平,部分地区为0.05及0.01,表明生态环境冷点区域显著。这些区域RSEI较小,生态环境质量较差,且生态环境之间存在着某种相互干扰关系,存在着空间关联性,表现出显著正相关性。在实际中,博斯腾湖南部沙地及未利用地植被覆盖度低,积盐作用较为严重,与基于RSEI的“L-L”集聚

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5   LISA集聚图和显著性水平图

Fig.5   LISA cluster map and significance map


型区在空间位置上基本吻合。总的来看,博湖县生态环境“H-H”和“L-L”空间集聚类型中P值为0.05,0.01及0.001的区域总面积分别为280 km2,410 km2和1 497 km2。有极少数的区域与周围区域的RSEI差距比较大,呈现出“H-L”和“L-H”负联系,仅占研究区面积的1.69%,零星分布于塔温觉肯乡的未利用地、博湖镇的城镇建筑用地及博斯腾湖南部边界等,该类地区受自然或人为因素的影响,区域RSEI差距较大,且高低地区不相互影响,与周围的生态环境存在着明显的差异性。另外有16.14%的不显著区域,这些地区间的RSEI关联程度较低,相互影响机制不明显,区域对抗外界干扰和自我恢复能力较强。

3.2 构建区域RSEI预测模型

为进一步描绘研究区城镇生态环境质量,建立城镇生态环境质量模型,用以模拟和预测博湖县的生态环境状况。将上一步网格化采集的样点,以RSEI作为因变量,绿度(NDVI)、湿度(WET)、热度(LST)、干度(NDBI)为自变量建立2018年区域回归关系模型(通过了1%的显著性检验),即

RSEI=1.639NDVI-0.42NDBI+0.187WET-0.706LST+0.341,　(R2=0.986),

4个评价指标仍然可从所得模型中看到,表明这些指标均为城镇生态环境质量评价的重要指标,因此可作为预测变量,评价结果可信。绿度(NDVI)、湿度(WET)指标系数大于0,表明对生态环境质量有正向作用,热度(LST)、干度(NDBI)系数小于0,表明对生态环境质量有负向作用。观察回归方程系数绝对值总和,在生态环境中有正面影响的绿度(NDVI)及湿度(WET)整体作用比负面影响的热度(LST)和干度(NDBI)大。

图6为各个指标与RSEI的关系,将正向指数(绿度(NDVI)和湿度(WET))、负向指数(热度(LST)和干度(NDBI))分别与RSEI投影至三维空间。生态环境状况较好的点主要分布在三维散点图顶端,其聚集湿度大和植被覆盖度高的地区; 而生态环境条件较弱的点位于底部,汇集热度高、植被覆盖度低、地表干化程度较严重地区。面向生态环境有促进作用的绿度(NDVI)、湿度(WET)和RSEI的投影散点斜率对于有抑制作用的热度(LST)、干度(NDBI)来说较大,这与以上通过回归模型系数分析结论一致。对于博湖县生态环境来说,绿度(NDVI)象征的植被及热度(LST)象征的LST起到的作用较大,且绿度(NDVI)比热度(LST)大。如以2018年建立的回归模型进行预测分析,未来要想研究区的RSEI提升0.1单位,其NDVI需增加0.061单位,或减少0.142单位的LST,生态质量才能得以改善。而实际中,湿度和热度原本就有此消彼长的作用[7]。因此,需充分利用当地资源,大力植树造林,防止风沙侵入湖泊,防止湖区污染,采用植物纤维覆盖裸地,使沙丘达到保护湿地、固沙的目的。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6   三维散点特征图

Fig.6   3D-scatter plots of feature space


3.3 驱动因素分析

绿洲城镇生态环境状况的影响因素不仅存在自然因素,也有社会经济发展因素,自然因素的综合作用决定其条件与分布状况,社会经济发展因素制约其发展,因此分别从自然因素与社会经济发展角度来阐述它们对该绿洲城镇生态环境现状的影响。

3.3.1 自然因素

气温和降水是影响区域生态环境变化的主要因素,根据焉耆县气象站数据如表6所示,博湖县2018年平均气温为9.11 ℃,最热月份为7月,其平均气温为23.9 ℃,其次是6月及8月,平均气温达到22.9 ℃; 年平均相对湿度53.67%,由于处于博斯腾湖下游,植被较多,所以夏季降水量较多,蒸散大,空气相对湿度受下垫面影响也较大,冬季降水量较少,地形逆温较强,蒸散较小,空气湿度高于周边及巴州南部,具备显著“湿度效应”[15]。全年平均降水量为5.77 mm,其中5月降水量最大为25.2 mm。年均蒸发量为1 933.61 mm,其中4—10月蒸发量较大为3 276.6 mm。蒸降比为335∶1,即干燥度为335。大风日数不多,集中于3—9月,多为西北风。全年总日照时数为254.75 h。总体来看2018年8月博湖县平均气温较高,区域气候较为干燥,蒸发量大,进而影响区域LST的值,故在研究区山体、南部未利用地与沙地出现或加重生态风险。

表6   2018年博湖县气候特征值

Tab.6  Climate characteristic value of Bohu in 2018

气象指标1月2月3月4月5月6月7月8月9月10月11月12月合计年平均
平均气温/℃-10.7-5.38.314.118.222.923.922.916.38.80.1-10.2109.39.11
平均相对湿度/%68625034404649565255676564453.67
降水量/mm0.80.15.6025.24.7115.41.914.30.2069.25.77
蒸发量/mm17.639.21463 276.63 276.63 276.63 276.63 276.63 276.63 276.644.919.423 203.31 933.61
平均风速/(m.s-1)1.41.52.22.832.42.32.12.11.81.71.624.92.08
日照时数/h201201.3245.9273.3301.6266.6290.5296.7309.8275.7199.3195.33057254.75

新窗口打开| 下载CSV


3.3.2 社会经济发展因素

人口增加、经济发展、能源耗损、技术进步、城镇管理和建设用地扩张等城镇化进程对生态环境具有一定的胁迫或促进作用[30]。据2018年年末博湖县统计局数据,国有建设用地供结总量比2017年增长40%,达到35.54 hm2。

图7为2014—2018年博湖县社会经济发展情况,从图7中可以看出,2018年全年全县域国内生产总值26.0亿元,增长率达到3.2%,其第一产业以2.6%的增长速度增加8.2亿元; 第二产业增加4.0亿元,同比降低8.7%; 第三产业以8.8%的速度增加,增加值为13.8亿元。博湖县2018年人均国内生产总值达到44 120元,比2017年增长2.8百分点。综上所述,随着博湖县绿洲区人口的增长,生产力水平的提高导致建设用地面积逐渐增加,且呈向周围扩张趋势,会影响区域NDBI指标,导致在城镇建设用地及北部未利用地生态环境较差等级面积较大。

图7

新窗口打开| 下载原图ZIP| 生成PPT

图7   2014—2018年博湖县社会经济发展情况

Fig.7   Social and economic development of Bohu from 2014 to 2018


4 结论

本研究结合天宫二号宽波段成像仪和Landsat8数据构建遥感生态指数模型,证明天宫二号宽波段成像仪数据也可作为可靠数据源,弥补基于单一数据源构建遥感生态指数模型的局限性。虽然有不少学者将遥感生态指数模型RSEI运用于区域生态环境监测,但运用于干旱区的研究较少,因此本文初步尝试将基于天宫二号宽波段成像仪数据及Landsat8数据共建的遥感生态指数模型运用于我国西部干旱绿洲城镇博湖县,并对其2018年生态环境现状进行定量监测与评价。

在该研究中,湿度(WET)、绿度(NDVI)在整个评价指标中为正向指标,而干度(NDBI)、热度(LST)为负向指标,对生态环境发展有一定影响。总体来说,2018年博湖县遥感生态指数存在较强的空间正相关性,其内在存在一定联系,且空间分布呈现集群特征,并非随机分布。生态环境较差地区主要分布在北部城镇用地、南部的大量沙地及未利用地,其驱动力因素主要有城镇化建设及自然因素等。对选取的样点进行回归分析,建立适用于评价和预测生态环境质量的模型。结果表明,本文所选取的4项指标均可作为评价区域生态环境质量的有效指标。

由于天宫二号于2016年发射,基于本研究所获取的数据量有限,因此仅采用2018年天宫二号宽波段成像仪可见近红外谱段和宽波段成像仪短波红外谱段对研究区现状进行监测评价,缺少了时空角度监测研究区生态环境的变化,在后期研究中可考虑利用多源遥感弥补时空上的缺失; 并利用天宫二号宽波段成像仪热红外谱段反演地表温度,且可将土壤盐分[22]等适用于干旱区的指数综合运用于构建一个完全基于天宫二号宽波段成像仪的遥感生态指数,对区域生态环境进行监测与评价。

志谢:

感谢载人航天工程提供天宫二号宽波段成像仪数据产品,在此表示衷心的感谢!

参考文献

Jacobson C R.

Identifification and quantifification of the hydrological impacts of imperviousness in urban catchments:A review

[J]. Journal of Environmental Manage-Ment, 2011,92(6):1438-1448.

[本文引用: 1]

中华人民共和国国家统计局. 中国统计年鉴[M]. 北京: 中国统计出版社, 2017.

[本文引用: 1]

National Bureau of Statistics of the People’s Republic of China. China statistical yearbook[M]. Beijing: China Statistics Press, 2017.

[本文引用: 1]

Tao Y, Li F, John C, et al.

Measuring urban environmental sustainability performance in China:A multi-scale comparison among different cities, urban clusters,and geographic regions

[J]. Cities, 2019,94:200-210.

[本文引用: 1]

徐涵秋.

区域生态环境变化的遥感评价指数

[J]. 中国环境科学, 2013,33(5):889-897.

[本文引用: 4]

Xu H Q.

A remote sensing index for assessment of regional ecological changes

[J]. China Environmental Science, 2013,33(5):889-897.

[本文引用: 4]

张洪敏, 张艳芳, 田茂, 等.

基于主成分分析的生态变化遥感监测——以宝鸡市城区为例

[J]. 国土资源遥感, 2018,30(1):203-209.doi: 10.6046/gtzyyg.2018.01.28.

[本文引用: 2]

Zhang H M, Zhang Y F, Tian M, et al.

Dynamic monitoring of eco-environment quality changes based on PCA:A case study of urban area of Baoji City

[J]. Remote Sensing for Land and Resources, 2018,30(1):203-209.doi: 10.6046/gtzyyg.2018.01.28.

[本文引用: 2]

单薇, 金晓斌, 孟宪素, 等.

基于多源遥感数据的土地整治生态环境质量动态监测

[J]. 农业工程学报, 2019,35(1):234-242.

[本文引用: 4]

Shan W, Jin X B, Meng X S, et al.

Dynamical monitoring of ecological environment quality of land consolidation based on multi-source remote sensing data

[J]. Transactions of the Chinese Society of Agricultural Engineering, 2019,35(1):234-242.

[本文引用: 4]

徐志刚, 郑鸿瑞, 戴晨曦, 等.

永定客家土楼世界遗产地土地覆盖与生态变化遥感评价

[J]. 国土资源遥感, 2018,30(1):102-108.doi: 10.6046/gtzyyg.2018.01.14.

[本文引用: 2]

Xu Z G, Zheng H R, Dai C X, et al.

Evaluation of land cover and ecological change of Yongding Hakka Tulou World Heritage Protection Area using remote sensing image

[J]. Remote Semsing for Land and Resources, 2018,30(1):102-108.doi: 10.6046/gtzyyg.2018.01.14.

[本文引用: 2]

罗春, 刘辉, 戚陆越.

基于遥感指数的生态变化评估——以常宁市为例

[J]. 国土资源遥感, 2014,26(4):145-150.doi: 10.6046/gtzyyg.2014.04.23.

DOI:10.6046/gtzyyg.2014.04.23      URL     [本文引用: 1]

利用遥感技术进行区域生态变化评估，能够得到周期长、现时性强的结果。以常宁市为例，采用遥感生态指数方法来监测水土流失区的生态变化，选取1990年，2002年及2009年的Landsat TM 遥感图像，分别提取绿度、湿度、热度和干度4个生态因子作为评估指标，结合主成分分析方法，定量、客观地评估研究区域20 a间生态变化。结果表明，遥感生态指数方法能够很好地评价水土流失区生态修复的效果，其中，遥感生态指数值上升了22.39%，生态为优良等级所占的面积比例先从1990年的13.086%下降到2002年的4.006%，再上升到了2009年16.699%，说明常宁市经过20 a的水土流失治理，该区域的生态质量先急剧下降再有了较大的改善。通过对常宁市调查分析，以植树造林和施工预防为主的措施对生态质量的改善有较好的效果。

Luo C, Liu H, Qi L Y.

Ecological changes assessment based on remote sensing indices:A case study of Changning City

[J]. Remote Sensing for Land and Resources, 2014: 26(4):145-150.doi: 10.6046/gtzyyg.2014.04.23.

[本文引用: 1]

Tang Y, Wei J, Huang X, et al.

Research on on-board calibration system of Tiangong-2 wide-band imaging spectrometer

[C]// Gu Y,Gao M,Zhao G.Proceedings of the Tiangong-2 Remote Sensing Application Conference.Lecture Notes in Electrical Engineering, 2019:28-39.

[本文引用: 1]

石满, 陈健, 覃帮勇, 等.

天宫二号数据地表温度反演及其在城市群热环境监测中的应用

[J]. 遥感技术与应用, 2018,33(5):811-819.

[本文引用: 1]

Shi M, Chen J, Qin B Y, et al.

Inversion of land surface temperature and its application in urban agglomeration thermal environment monitoring based on Tiangong-2 data

[J]. Remote Sensing Technology and Application, 2018,33(5):811-819.

[本文引用: 1]

孙明, 钟仕全, 谢敏, 等.

天宫二号对地观测数据在生态评价中的应用研究

[J]. 气象研究与应用, 2018,39(4):40-43.

[本文引用: 1]

Sun M, Zhong S Q, Xie M, et al.

Application of earth observation data of Tiangong2 in ecological assessment

[J]. Journal of Meteorological Research and Application, 2018,39(4):40-43.

[本文引用: 1]

Peng S, Xi X, Wang C.

Land use change monitoring in Angkor wat based on Tiangong-2 wide band imaging data

[C]// Gu Y,Gao M,Zhao G.Proceedings of the Tiangong-2 Remote Sensing Application Conference.Lecture Notes in Electrical Engineering, 2019:254-263.

[本文引用: 1]

Mu L, Li S, Qin B, et al.

Drought monitoring using Tiangong-2 wide-band spectrometer data

[C]// Gu Y,Gao M,Zhao G.Proceedings of the Tiangong-2 Remote Sensing Application Conference.Lecture Notes in Electrical Engineering, 2019:277-285.

[本文引用: 1]

Cong P, Chen K, Qu L, et al.

Temporal and spatial changes of the Yellow River delta wetland based on multi-source data during 30 years

[C]// Gu Y,Gao M,Zhao G.Proceedings of the Tiangong-2 Remote Sensing Application Conference.Lecture Notes in Electrical Engineering, 2019:286-299.

[本文引用: 1]

王凤英.

博湖县主要农业气象灾害及防灾减灾服务对策

[J]. 农业灾害研究, 2019,9(1):80-81.

[本文引用: 2]

Wang F Y.

Main agro-meteorological disasters in Bohu County and the disaster prevention and reduction coun-termeasures

[J]. Journal of Agricultural Catastrophology, 2019,9(1):80-81.

[本文引用: 2]

刘康, 覃帮勇, 牟伶俐, 等.

基于多时相遥感影像的围填海动态监测与变化分析——以辽宁省部分沿海县市为例

[J]. 海洋环境科学, 2017,36(6):911-917.

[本文引用: 1]

Liu K, Qin B Y, Mu L L, et al.

Monitoring and analysing of reclamation change based on multi-data remote sensing images:A case study of partial area of Liaoning Province

[J]. Marine Environmental Science, 2017,36(6):911-917.

[本文引用: 1]

刘康, 任海根, 李盛阳, 等.

基于天宫二号多光谱数据的青藏高原冻湖自动提取

[J]. 红外与激光工程, 2019,48(3):32-38.

[本文引用: 1]

Liu K, Ren H G, Li S Y, et al.

Automatic extraction of Tibet Plateau frozen lake based on Tiangong-2 multi-spectral data

[J]. Infrared and Laser Engineering, 2019,48(3):32-38.

[本文引用: 1]

Xu H Q, Wang M Y, Shi T T, et al.

Prediction of ecological effects of potential population and impervious surface increases using a remote sensing based ecological index (RSEI)

[J]. Ecological Indicators, 2018,93(11):730-740.

[本文引用: 2]

Seddon A W, Macias-Fauria M, Long P R, et al.

Sensitivity of global terrestrial ecosystems to climate variability

[J]. Nature, 2016,531(7593):229-232.

URL     PMID:26886790      [本文引用: 1]

Luo R, Zhou J, Yang J, et al.

Downscaling of Tiangong-2 land surface temperature

[C]// Gu Y,Gao M,Zhao G.Proceedings of the Tiangong-2 Remote Sensing Application Conference.Lecture Notes in Electrical Engineering, 2019:170-179.

[本文引用: 1]

Zawadzki J, Przezdziecki K, Miatkowski Z.

Determining the area of influence of depression cone in the vicinity of lignite mine by means of triangle method and Landsat TM/ETM+ satellite images

[J]. Journal of Environmental Management, 2016,166:605-614.

DOI:10.1016/j.jenvman.2015.11.010      URL     PMID:26610610      [本文引用: 1]

Problems with lowering of water table are common all over the world. Intensive pumping of water from aquifers for consumption, irrigation, industrial or mining purposes often causes groundwater depletion and results in the formation of cone of depression. This can severely decrease water pressure, even over vast areas, and can create severe problems such as degradation of agriculture or natural environment sometimes depriving people and animals of water supply. In this paper, the authors present a method for determining the area of influence of a groundwater depression cone resulting from prolonged drainage, by means of satellite images in optical, near infrared and thermal infrared bands from TM sensor (Thematic Mapper) and ETM+ sensor (Enhanced Thematic Mapper +) placed on Landsat 5 and Landsat 7 satellites. The research area was Szczercowska Valley (Pol. Kotlina Szczercowska), Central Poland, located within a range of influence of a groundwater drainage system of the lignite coal mine in Belchatow. It is the biggest lignite coal mine in Poland and one of the largest in Europe exerting an enormous impact on the environment. The main method of satellite data analysis for determining soil moisture, was the so-called triangle method. This method, based on TVDI (Temperature Vegetation Dryness Index) was supported by additional spatial analysis including ordinary kriging used in order to combine fragmentary information obtained from areas covered by meadows. The results obtained are encouraging and confirm the usefulness of the triangle method not only for soil moisture determination but also for assessment of the temporal and spatial changes in the area influenced by the groundwater depression cone. The range of impact of the groundwater depression cone determined by means of above-described remote sensing analysis shows good agreement with that determined by ground measurements. The developed satellite method is much faster and cheaper than in-situ measurements, and allows for systematic monitoring of the vast area in the vicinity of Belchatow lignite mine. Besides, this method could be useful as a helper in in-situ measurement allowing a significant reduction of the number of in-situ measurements by performing them only within problematic areas. Hence, the triangle method can be used as an effective supplement to field measurements. Although the research area is located in Poland, in the vicinity of lignite mine, the method of observation of depression cones provided in this study is universal and effective, and therefore could also be useful to an international audience.

Wei W, Guo Z, Xie B, et al.

Spatiotemporal evolution of environment based on integrated remote sensing indexes in arid inland river basin in Northwest China

[J]. Environmental Science and Pollution Research, 2019,26:13062-13084.

DOI:10.1007/s11356-019-04741-x      URL     PMID:30891703      [本文引用: 2]

Arid inland river basin has been regarded as environmental vulnerable and an important protective area in northwest China. Shiyang River Basin (SRB) is one of the most typical areas in arid inland rivers basin in China. The environmental quality evaluation of different periods is significant for environmental control and management of SRB. In this paper, the normalized differential vegetation index (NDVI), wetness index (WI), albedo, index-based built-up index (IBI), salinization index (SI), and land surface temperature (LST) were obtained through Landsat TM and OLI images in 1995, 2000, 2005, 2010, and 2016. Besides, three methods including spatial principal component analysis (SPCA), analytic hierarchy process (AHP), and remote-sensing spatial distance model (RSSDM) were compared to select a reasonable method for environmental evaluation. The AHP method was determined as the final method for objectively evaluating spatiotemporal changes of environment from 1995 to 2016 in SRB. The results showed that the environment deteriorated in 1995-2000 and improved in 2000-2016. The effect of environmental governance was significant in 2010-2016 because of the longtime environmental management between multiple departments. The results indicated that the environmental quality of SRB was generally improved from 1995 to 2016. We found that the improvement areas were mainly concentrated in the oasis and marginal areas, while environmental damage areas were mainly distributed in the urban regions. However, in most areas of the SRB, the environment was still below average level of China, and the roads of the environment management still had a long way to go. We found that spatiotemporal pattern analysis of the environment was of great importance for the formulation of plans for development of this basin and environmental protection measures.

Estoque R C, Murayama Y, Myint S W.

Effects of landscape composition and pattern on land surface temperature:An urban heat island study in the megacities of Southeast Asia

[J]. Science of the Total Environment, 2017,577:349-359.

[本文引用: 1]

徐涵秋.

水土流失区生态变化的遥感评估

[J]. 农业工程学报, 2013,29(7):91-97.

[本文引用: 2]

Xu H Q.

Assessment of ecological change in soil loss area using remote sensing technology

[J]. Transactions of the Chinese Society of Agricultural Engineering, 2013,29(7):91-97.

[本文引用: 2]

徐涵秋.

城市遥感生态指数的创建及其应用

[J]. 生态学报, 2013,33(24):7853-7862.

[本文引用: 2]

Xu H Q.

A remote sensing urban ecological index and its application

[J]. Acta Ecologica Sinica, 2013,33(24):7853-7862.

[本文引用: 2]

江振蓝, 龚振彬, 潘辉, 等.

空间自相关局部指标在城市热岛界定中的应用

[J]. 国土资源遥感, 2018,30(3):136-142.doi: 10.6046/gtzyyg.2018.03.19.

[本文引用: 1]

Jiang Z L, Gong Z B, Pan H, et al.

Application of local spatial autocorrelation indices to the delimitation of urban heat island

[J]. Remote Sensing for Land and Resources, 2018,30(3):136-142.doi: 10.6046/gtzyyg.2018.03.19.

[本文引用: 1]

巩杰, 谢余初, 赵彩霞, 等.

甘肃白龙江流域景观生态风险评价及其时空分异

[J]. 中国环境科学, 2014,34(8):2153-2160.

URL     [本文引用: 2]

以我国典型生态环境过渡带——甘肃白龙江流域为对象,借助GIS技术和Fragstats软件,基于土地利用变化的生境脆弱度和景观生态损失度构建了流域景观生态综合生态风险评价模型,并利用空间自相关分析方法,开展了土地利用变化及其生态风险评价与时空分异研究.结果表明:1990~2010年白龙江流域土地利用变化明显,林地和建设用地呈现增长趋势,耕地和草地面积呈现减少,未利用地和水域则呈波动变化.研究区景观生态风险空间分布差异明显,白龙江流域西北部和北部的生态风险高于流域的西部、东部和南部.同时,各风险等级上呈现“两头小中间大”的趋势,即中等风险区面积呈扩张的态势,低风险区和高风险区呈减弱的趋势.流域景观生态风险具有显著的空间集聚特征,其生态风险值呈现显著的空间正相关关系,这可能是流域生态风险时空分布与土地利用强度、土地利用结构及人类活动之间关系密切.

Gong J, Xie Y C, Zhao C X, et al.

Landscape ecological risk assessment and its spatio temporal variation of the Bailongjiang watershed,Gansu

[J]. China Environmental Science, 2014,34(8):2153-2160.

[本文引用: 2]

约日古丽卡斯木, 孜比布拉·司马义, 王蕾, 等.

新疆博乐市生态环境变化对城市建设用地扩张的响应

[J]. 农业工程学报, 2019,35(1):252-259.

[本文引用: 1]

Yueriguli K, Zibibula S, Wang L, et al.

Response of ecological environment change to urban construction land expansion in Bole City of Xinjiang

[J]. Transactions of the Chinese Society of Agricultural Engineering, 2019,35(1):252-259.

URL     [本文引用: 1]

王丽春, 焦黎, 来风兵, 等.

新疆精河县生态变化评价及驱动力研究

[J]. 生态与农村环境学报, 2019,35(3):316-323.

[本文引用: 1]

Wang L C, Jiao L, Lai F B, et al.

Study on evaluation and driving forces of ecological changes in Jinghe County,Xinjiang

[J]. Journal of Ecology and Rural Environment, 2019,35(3):316-323.

[本文引用: 1]

方创琳, 高倩, 张小雷, 等.

城市群扩展的时空演化特征及对生态环境的影响——以天山北坡城市群为例

[J]. 中国科学(地球科学), 2019,49(9):1413-1424

[本文引用: 2]

Fang C L, Gao Q, Zhang X L, et al.

Spatiotemporal characteristics of the expansion of an urban agglomeration and its effect on the eco-environment:Case study on the northern slope of the Tianshan Mountains

[J]. Science China Earth Sciences, 2019,49(9):1413-1424.

[本文引用: 2]

/

〈 〉

京ICP备05055290号-2
版权所有 © 2015 《自然资源遥感》编辑部
地址:北京学院路31号中国国土资源航空物探遥感中心 邮编：100083
电话:010-62060291/62060292 E-mail:zrzyyg@163.com
本系统由北京玛格泰克科技发展有限公司设计开发