基于遥感指数的生态变化评估
——以常宁市为例

罗春， 刘辉，2， 戚陆越

( 1.福州大学环境与资源学院，福州 350108； 2．福州大学遥感信息工程研究所，福州 350108； 3.福州大学福建省空间信息工程研究中心，福州 350108)

0 引言

目前遥感技术已在生态环境领域得到广泛应用，利用各种遥感指数对流域[1]、城市[2]、森林[3]、湖泊[4]和土地[5]等进行动态监测,但是大多数的监测仍基于单一的指标进行评测，如利用植被指数监测森林生态系统的变化[6]，利用不透水地表指数[7]评价城市生态环境，利用地表温度评测城市热环境[8]等,这些单指标评价往往只能解释某一方面的生态特征。徐涵秋在水土流失区生态变化的遥感评估中提出了多指标的遥感生态指数(remote sensing ecology index,RSEI)，这是一个完全基于遥感信息、能够集成多种指标因素的遥感综合生态指数，并用其快速地监测福建省长汀盆地水土流失区的生态质量，为政府采取保持水土流失政策提供依据，取得了良好的效果。

常宁市是湖南省水土流失重点治理区之一,探讨其生态变化对改善常宁市生态环境和评估水土流失治理效果具有非常重要的意义。鉴于此，本文以常宁市为例，采用遥感生态指数和数理统计学方法，定量评估其生态系统的变化状况。

1 研究区概况及数据源

1.1 研究区概况

常宁市位于N26°07′～26°36′，E112°07′～112°41′之间，地质环境复杂，出露岩石种类多且风化强烈，土壤侵蚀潜在危险性较大； 属中亚热带季风湿润性气候，市区年平均气温18.5～20.2℃，年降水量1 005.1～1 836.2 mm， 6—9月为汛期，期间雨量占全年总降雨量的60%左右。汛期高强度降雨是该区水土流失的主要外营力。

湖南省湘资沅澧中游治理区是2006年19个国家级水土流失重点治理区之一。常宁市地处该治理区内，是湖南省水土保持修复试点市。多年来当地政府一直大力宣传植树种草治理水土流失的重要性，出台了相应的政策法规，实施了一些治理措施。

1.2 数据源及其预处理

研究所用的Landsat TM遥感数据来源于中国科学院对地观测与数字地球中心，图像获取日期分别为1990-12-07,2002-10-13及2009-10-24，季相基本相同，质量较好。

遥感数据预处理主要有3个步骤： 首先在ENVI中进行遥感图像几何纠正，采用二次多项式和最邻近像元法，配准的均方根误差RMSE< 0.5 个像元； 其次，由于植被指数对大气很敏感，因此必须做辐射校正，辐射校正采用Chander 等[9]和Chavez[10]的模型； 最后，依照行政区界线进行图像裁剪。

2 遥感生态指数及其指标

徐涵秋[11]指出，在反映生态质量的诸多自然因素中，绿度、湿度、热度及干度是人类直观感觉生态条件优劣的重要因素，因此常被用于评价生态系统[4,12-13]，而且这 4 个指标可以从遥感图像中快速地提取，如采用植被指数、裸土指数、湿度分量、地表温度就可以分别代表绿度、干度、热度和湿度。这样，拟建的遥感生态指数就可以表示为这 4 个指标的函数，即

RSEI=f(G,W,T,D),

(1)

式中：G为绿度；W为湿度；T为热度；D为干度。

2.1 湿度指标

缨帽变换中的亮度、绿度、湿度分量与地表物理参量有直接关系。其中湿度分量反映了土壤和植被的湿度，与生态密切相关。因此，本研究的湿度指标采用这一湿度分量来代表。以 Landsat TM 图像为例，其表达式为[14]

WET=0.031 5ρ1+0.202 1ρ2+0.310 2ρ3+0.159 4ρ4-0.680 6ρ5-0.610 9ρ7,

(2)

式中：WET为湿度指标；ρi(i=1,…,5,7)为 TM 图像各对应波段的反射率。

2.2 绿度指标

归一化植被指数(normorolized difference vegetable index，NDVI)与植物生物量、叶面积指数以及植被覆盖度都有密切的关系[15]。因此，可选其来代表绿度指标，即

NDVI=(ρ4-ρ3)/(ρ4+ρ3)。

(3)

2.3 热度指标

本研究采用地表温度(land surface temperature，LST)代表热度，先用Landsat 用户手册的模型计算出亮温T[9，16]，再对其进行比辐射率校正，获得LST[17]，即

LST=T/[1+(λT/z)lnε]，

(4)

式中：λ为TM 6 波段的中心波长(λ=11.5 μm)；z=hc/K=1.438×10-2mK(其中，h为普朗克常数，取值为6.26×10-34J/s; c为光速，取值为2.998×108m/s;K为斯忒藩-玻耳兹曼常数，取值为1.38×10-23J/K)；ε为地表比辐射率，其取值见文献[12]；T和LST的单位为 K。

2.4 干度指标

在水土流失区，干度指标(normalized difference soil index，NDSI)通常选用裸土指数(bare soil lndex，BI)来代表。但由于研究区还有相当多的建筑用地，建筑指数(index-based built-up index，IBI)同样代表地表的干度，因此干度指标最后由二者合成。可分别采用 Rikimaru和徐涵秋的模型计算出BI[18]和IBI[19]，然后计算NDSI，即

NDSI=(SI+IBI)/2。

(5)

2.5 构建遥感生态指数

主成分分析(principal component analysis, PCA)方法是一种将多个变量通过正交线性变换来选出少数重要变量的多维数据压缩技术[20]。它将多维的信息集中到少数几个特征分量上，不仅可以减少原始多变量间的信息重叠，且简化了变量个数，其中的第一个主分量是对原始多变量数据集方差贡献最大的新变量，用这一新变量来构建遥感生态指数可以降低计算的复杂度，且具有一定的代表性。因此，本研究采用主成分变换来集成以上4个变量。首先分别计算3个时相图像的4个指标，对它们进行归一化后将它们合成为一幅新图像，再对新的图像进行主成分变换，得到4个指标的主成分矩阵(表1)。

表1 指标主成分分析

从表1可以看出： 第一主成分(PC1)的贡献率都大于 95%，表明它已集中了 4 个指标的大部分特征； 在 PC1 中，代表湿度的WET和代表绿度的NDVI呈正值，说明二者共同对生态起正面的贡献； 而代表热度和干度的LST，NDSI呈负值，说明二者协同对生态起负面影响，这与实际情况相符。为使 PC1 大的数值代表好的生态条件，可进一步用 1减去计算出的 PC1，获得初始的生态指数RSEI0，然后同样对RSEI0进行正规化，以便于指标的度量和比较，得到RSEI(图1)，其值介于[0,1]之间，即

RSEI=(RSEI0-RSEImin)/(RSEImax-RSEImin) 。

(6)

式中：RSEImin表示生态指数RSEI中最小值；RSEImax表示生态指数RSEI中的最大值。RSEI值越接近1，表示生态越好，反之则越差。

(a) 1990年TM图像(b) 2002年TM图像(c) 2009年TM图像

(d) 1990年RSEI图像(e) 2002年RSEI图像(f) 2009年RSEI图像

3 结果分析

3.1 常宁市的生态变化

表 2是研究区各年份 4 个指标和遥感生态指数RSEI均值。

表2 各年份4个指标和RSEI的均值

从表2各指标变化可知，代表生态变好的绿度和代表生态差的干度均值在这20 a中都是先下降后上升，而代表生态变差的热度有稍微的上升和代表生态变好的湿度反而有稍微的下降，这与常宁市的人为不合理的开发建设活动加剧了水土流失有关，在城区基础设施、大规模房地产开发建设过程中，工程施工时间跨度大，规划用地类型多样，水土流失出现了某些新特点； 另一个原因是，常宁市处内陆，近年来全球气候变暖的影响，干度和热度也在一定程度上有所上升。以上4 个指标总体上反映研究区植被覆盖有所改善，水土流失势头有所抑制，也表明所建的RSEI生态指数可以综合代表4 个指标。

为了更好地分析新指数的合理性，进一步将各年份的RSEI指数以0.2为间隔分成5个级别，分别代表生态差、较差、中等、良、优 5 个等级，对应的RSME指数范围分别为[0，0.2)，[0，0.4)，[0，0.6)，[0，0.8)和[0.8，1.0](表3)。

表3 1988—2010年间常宁市各RESI级别面积及其百分比

从表3中看出，生态级别为优和良等级所占的面积比例先从13.086%下降到4.006%，再上升到 16.699%； 而等级为差的面积比例也先从小到大再到小变化。总体表明，常宁市的生态质量有了非常大的提高。利用差值原理，分7个等级对常宁市的生态进行变化检测。其中“0级”为基本未变级，“变好”和“变差”都各分3级。得到的变化等级统计表见表 4。

表4 变化检测

变化检测分级图和变化趋势图见图 2。

(a) 1990年RSEI分级图像(b) 2009年RSEI分级图像(c) 1990—2009年RSEI变化趋势

图2常宁市1990，2009年生态分级图和基于差值法的变化检测图

Fig.25-leveledRSEIimagesofChangningCityin1990and2009andtheirchangedetection

1990—2009 年间，从变化幅度看，该区生态条件变差、等级下降的面积为 250.52 km2，约占总面积的 12.167%，而生态转好的面积达528.38 km2，占到了25.662%； 从空间分布看，生态条件变好的地点主要分布在郊区中水域周围(图 2 (c)中的红色图斑)。生态变差的主要是一些新增的城区基础设施和大规模房地产开发建设(图 2 (c)中的绿色图斑)，而林业周围变化不大，以蓝色调为主。

3.2 RSEI 综合代表性分析

从RSEI和各指标之间的相关度来进行综合代表性的定量分析。RSEI与各指标的相关度越强，说明它越能综合代表各个指标。表5是各指标和RSEI的相关系数以及各指标自身之间的相关系数。

表5 4个指标和 RSEI的相关矩阵

①以某一指标与其他指标相关系数的绝对值来计算，以1990年WET为例：Mean=(|0.907|+|0.911|+|0.910|)/3=0.909。

4 结论

本文利用遥感生态指数，研究了常宁市1990—2009年间生态环境状况和变化趋势，得到如下结论：

1)在整个研究区域中，代表植被覆盖状况的绿度指标(NDVI)在 4 个指标中对生态指数 RSEI的贡献最大，说明植被是十分重要的影响因素，以植树造林为主的水土流失治理工程已显示正在改善该区的生态质量。

2)20 a来,常宁市存在湿度下降而热度有所升高的现象，是由于该市在基础设施建设和房地产开发过程中，某些不当的人为活动破坏了地貌、植被和水土保持设施，产生了大量的废土弃渣，使城市环境在短期内急剧变坏。

3)RSEI变化检测表明，常宁市的生态环境质量在20 a内，先有所下降，但是在政府的高度重视下，相继出台了绿化、水土保持治理等多项政策，在城市建设的施工过程中，根据具体情况采取了一些相应措施控制水土流失，防治结合，生态环境又有了较明显的改善。

4)从空间上看，生态条件变好的地点主要分布在区内水域周围，生态变差的则主要为一些新增的城区基础设施和大规模房地产开发建设工地，而林区及其周围生态变化不大。这些结论可为常宁市今后进一步做好水土保持工作提供参考。

志谢： 特别感谢谢天文师兄对实验及论文写作的指导。

参考文献(References)：

[1] 吴炳方,卢善龙.流域遥感方法与实践[J].遥感学报,2011,15(2):201-223.

Wu B F,Lu S L.Watershed remote sensing:Methodology and a paradigm in Hai Basin[J].Journal of Remote Sensing,2011,15(2):201-223.

[2] 潘卫华,徐涵秋.泉州市城市扩展的遥感监测及其城市化核分析[J].国土资源遥感,2004,16(4):36-40.

Pan W H,Xu H Q.A study of urban spatial expansion of Quanzhou City on the basis of remote sensing technology and urbanization core analysis[J].Remote Sensing for Land and Resources,2004,16(4):36-40.

[3] 杨存建,欧晓昆,党承林,等.森林植被动态变化信息的遥感检测[J].地球信息科学,2000(4):71-75.

Yang C J,Ou X K,Dang C L,et al.Detecting the change information of forest vegetation dynamics for remote sensing[J].Geo-Information Science,2000(4):71-75.

[4] 王海波,马明国.基于遥感的湖泊水域动态变化监测研究进展[J].遥感技术与应用,2009,24(5):674-684.

Wang H B,Ma M G.A review of monitoring change in lake water areas based on remote sensing[J].Remote Sensing Technology and Application,2009,24(5):674-684.

[5] 汤世华,樊风雷,王云鹏,等.土地利用变化的遥感监测及其与经济发展关系的研究——以增城市1998—2003土地利用为例[J].农业现代化研究,2005,26(5):378-381.

Tang S H,Fan F L,Wang Y P,et al.Change of land-use remote sensing monitoring and relationship of economic development：Taking land-use of Zengcheng from 1998 to 2003 as an example[J].Research of Agricultural Modernization,2005,26(5):378-381.

[6] 范建忠,李登科,董金芳.陕西省重点生态建设工程区植被恢复状况遥感监测[J].农业工程学报,2012,28(7):228-234.

Fan J Z,Li D K,Dong J F.Remote Sensing analysis of vegetation restoration in key ecological construction areas of Shaanxi Province[J].Transactions of the Chinese Society of Agricultural Engineering,2012,28(7):228-234.

[7] 徐涵秋.城市不透水面与相关城市生态要素关系的定量分析[J].生态学报,2009,29(5):2456-2462.

Xu H Q.Quantitative analysis on the relationship of urban impervious surface with other components of the urban ecosystem[J].Acta Ecologica Sinica,2009,29(5):2456-2462.

[8] 周榕,徐涵秋,林云彬.城市建成区地表热通量的遥感研究——以泉州市区为例[J].遥感信息,2006(6):50-54.

Zhou R,Xu H Q,Lin Y B.Remote sensing study on the surface heat flux and its relationship with the urban heat island：Taking Quanzhou City as an example[J].Remote Sensing Information,2006(6):50-54.

[9] Chander G,Markham B L,Helder D L.Summary of current radiometric calibration coefficients for Landsat MSS,TM,ETM+and EO-1 ALI sensors[J].Remote Sensing of Environment,2009,113:893-903.

[10]Chavez P S Jr.Image-based atmospheric corrections:Revisited and revised[J].Photogrammetric Engineering and Remote Sensing,1996,62(9):1025-1036.

[11]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):91-98.

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):91-98.

[12]Nichol J.Remote sensing of urban heat islands by day and night[J].Photogrammetric Engineering and Remote Sensing,2005,71(5):613-621.

[13]赵跃龙,张玲娟.脆弱生态环境定量评价方法的研究[J].地理科学进展,1998,17(1):67-72.

Zhao Y L,Zhang L J.A study on index and method of quantitative assessment of fragile environment[J].Progress in Geography,1998,17(1):67-72.

[14]Crist E P.A TM tasseled cap equivalent transformation for reflectance factor data[J].Remote Sensing of Environment,1985,17(3):301-306.

[15]Goward S N,Xue Y K,Czajkowski K P.Evaluating land surface moisture conditions from the remotely sensed temperature/vegetation index measurements:An exploration with the simplified simple biosphere model[J].Remote Sensing of Environment,2002,79(2/3):225-242.

[16]NASA.Landsat7 science data user’s handbook[EB/OL].http://landsathandbook.gsfc.nasa.gov,2012-09-05.

[17]Janet N.Remote sensing of urban heat islands by day and night[J].Photogrammetric Engineering and Remote Sensing,2005(5):613-621.

[18]Rikimaru A,Roy P S,Miyatake S.Tropical forest cover density mapping[J].Tropical Ecology,2002,43(1):39-47.

[19]徐涵秋,杜丽萍.遥感建筑用地信息的快速提取[J].地理信息科学学报,2010,12(4):574-579.

Xu H Q,Du L P.Fast extraction of build-up land information from remote sensing imagery[J].Journal of Geo-Information Science,2010,12(4):574-579.

[20]徐涵秋.基于压缩数据维的城市建筑用地遥感信息提取[J].中国图象图形学报,2005,10(2):223-229.

Xu H Q.Remote sensing information extraction of urban built up land based on a data dimension compression technique[J].Journal of Image and Graphics,2005,10(2):223-229.