黄河故道区域生态环境质量评价及成因分析

许宁,蔡永兵,邬方莉,李元征

(1.商丘师范学院 测绘与规划学院,河南 商丘 476000;2.商丘师范学院 河南省黄河故道生态保护与治理工程技术研究中心,河南 商丘 476000;3.安徽科技学院 资源与环境学院,安徽 凤阳 233100;4.河南大学 地理与环境学院,河南 开封 475004;5.河南财经政法大学 资源与环境学院,河南 郑州 450046)

良好的生态环境是人类生存和社会经济可持续发展的基础[1].区域生态环境的优劣状况准确监测与客观评估是保护生态环境与保障高质量发展的必然要求与重要手段[2].近年来,遥感技术在生态质量评价研究领域得到广泛应用[3].单一的遥感指数往往不能完全反映区域生态环境质量状况,综合评价方法也存在指标选取和权重分配时的主观性,或部分指标代表性不强、可获取性较差、评价结果难以进行空间分析等问题[4,5].徐涵秋基于绿度、湿度、热度和干度指标建立的一个完全基于遥感信息和自然因素的遥感生态指数(RSEI)[4].该指数的优势在于利用主成分分析来确定各生态因子的权重,避免了人为确定权重的主观偏差,计算结果具有客观性和稳定性,能实现对区域生态环境质量快速监测与评价[4,6].RSEI已成功应用于城市[7,8]、国家[9]、流域[10-12]、山地[13]、矿区[14]、干旱区[15]等不同尺度且分布于不同自然环境与经济发展水平的区域生态环境质量监测与评价.但鲜有基于遥感和GIS技术对黄河故道区域的生态环境质量进行定量监测与评价的研究.

目前基于RSEI的研究内容主要分为:生态环境质量的时空变化分析[11,14,15]、生态环境质量变化与各指标因子关系模型分析[13,16]、区域生态环境质量评价与驱动机制分析[17,18]、区域特色的生态环境质量模型优化[19,20]等4方面.多是围绕上述4个方面中的某一方面或者两方面展开.区域生态环境质量变化的驱动机制还不明确,有待进一步深入研究.

黄河故道是历史上黄河流域的重要组成部分.黄河改道后,缺乏水源的故道沿线面临土地沙化、土地盐渍化,土壤肥力下降等问题.黄河故道位于省际交接区,沿线多为贫穷落后的革命老区.随着城镇化的稳步推进,人地矛盾越发尖锐、生态环境问题日益突出[21].为响应国家加强“黄河流域生态保护与高质量发展”的号召,本文基于遥感生态指数(RSEI)对黄河故道兰考至商丘段区域1992年、2001年、2013年与2020年的生态环境质量进行动态监测和客观评价,并利用地理探测器,从植被覆盖度、土地利用类型、不透水面、海拔4方面探求区域生态环境质量变化的影响机理,以期为黄河故道区域生态环境保护工作和决策提供数据支持.

1 研究区与数据源

1.1 研究区概况

黄河故道西自河南省开封市兰考县从黄河干流分出,东至江苏省盐城市滨海县入海,整体呈西北至东南走向的带状分布.我们以黄河故道兰考至商丘段为研究区,位于114°39′E～115°46′E,34°17′N～34°56′N,总面积7500 km2.研究区地处河南省和山东省的接壤区域,位于黄淮腹地,自古就有“豫东门户”“中原锁匙”之称.该区域属于暖温带半湿润大陆性季风气候,年均气温为13.9～14.3℃,年降水量约为686.5～872.9 mm[22].黄河故道区域社会经济发展相对滞后、基础设施薄弱,是各地发展的洼地和短板.

1.2 数据

考虑到研究区农作物的物候特征、影像质量以及遥感生态指数的比较,本文从美国地质调查局网站(http://glovis.usgs.gov/)上下载了多期4月中下旬晴空无云的Landsat TM/OLI遥感影像,具体包括1992年4月16日TM数据、2001年4月25日TM数据、2013年4月26日OLI数据与2020年4月29日OLI数据.并基于上述影像,通过人机交互解译提取土地利用数据,将其分为耕地、林地、水、农村居民点、城镇用地以及未利用地.30 m空间分辨率的NASA DEM数据来自于美国航空航天局网站(https://search.earthdata.nasa.gov/).

为客观真实地反映地表覆盖情况,减少数据因素引起的误差,对遥感影像进行了几何配准、辐射定标、大气校正和裁剪等预处理.为避免大片水域对主成分分析(PCA)的荷载分布造成影响[6],本文采用改进的归一化差异水体指数(MNDWI)[23]建立水体掩膜.

2 研究方法

2.1 遥感生态指数指标的计算

本文采用RSEI来评价研究区生态环境质量.该指数综合了绿度、湿度、热度、干度四个指标,分别采用归一化植被指数(NDVI)、湿度分量(Wet)、地表温度(LST)、裸土指数(SI)与建筑指数(IBI)的均值来代表[4].

(1)绿度指标:采用NDVI代表绿度指标,计算方法见公式(1),NDVI是表征植物生长状态与营养信息的最佳因子,与植物叶面积指数、植被覆盖度以及生物量密切相关[24].

NDVI = (ρnir-ρred) /(ρnir+ρred)

(1)

式中:ρnir代表数据的近红外波段,ρred代表红色波段.

(2)湿度指标:湿度指标由缨帽变换中的湿度分量表征.Landsat不同传感器执行此变化时模型计算参数不同[25,26],TM与OLI传感器数据的计算公式分别见公式(2)与(3):

TM数据:

Wet=0.0315ρblue+0.2021ρgreen+0.3102ρred+0.1594ρnir-0.6706ρswir1-0.6109ρswir2

(2)

OLI数据:

Wet=0.1511ρblue+0.1973ρgreen+0.3283ρred+0.3407ρnir-0.7117ρswir1-0.4559ρswir2

(3)

(3)热度指标:热度指标主要由遥感影像反演的地表温度表征,具体计算公式[27]如下:

L=gain×DN+bais

(4)

T=K2/ln(K1/L+1)

(5)

式中:L为热红外辐射亮度;gain、DN、bais分别为代表热红外波段增益值,像元灰度值和热红外波段偏置值、T为传感器温度值,K1、K2分别为定标参数,在Landsat 5影像中K1=607.76 W/(m2·sr·μm)、K2=1260.56 K;在Landsat 8影像中K1=774.8853 W/(m2·sr·μm)、K2=1321.0789 K.计算亮度温度T后可通过地表比辐射率计算地表温度,计算公式[28]为:

LST=T/[1+(λT/ρ)lnε]-273

(6)

式中:LST为地表真实温度;ρ=1.438×10-2mK,λ为中红外波段中心波长,Landsat 5第6波段中心波长为11.45 μm、Landsat 8第10波段中心波长为10.9 μm.

(4)干度指标:干度指数是对土壤干化的量化.黄河故道河岸区域有部分裸露土地,因此采用裸土指数(SI)代表;另外研究区还包括商丘、民权、兰考等城市的建城区,故使用建筑物指数(IBI)和裸土指数(SI)二者结合生成干度指数(NDBSI)表示研究区土壤干化程度,计算公式[29]如下:

NDBSI=(SI+IBI)/2

(7)

SI=[(ρswir1×1.0+ρred)-(ρnir+ρblue)]/[(ρswir1×1.0+ρred)+(ρnir+ρblue)]

(8)

(9)

2.2 遥感生态指数构建

利用主成分分析(PCA)计算绿度、湿度、热度与干度等指标贡献率,构建遥感生态指数计算模型[8],实现单一变量综合表征多个生态指标目的.

(10)

式中:n为分项指标个数;ai为指标权重系数;PCi为主成分分量.

因绿度、湿度、热度与干度4个指标的单位、量纲并不一致,在进行主成分变换前,需要进行归一化处理,将它们数值映射到[0,1]范围内.各指标的归一化处理公式[6]为:

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

(11)

式中:NIi为标准化处理后的指标值,Ii为对应指标在像元处的值;Imax、Imin分别为研究区内该指标的最大值和最小值.

另外,由于大面积水体会对主成分分析的结果造成影响,需对各指标水体先进行掩膜裁剪处理.我们首先计算出改进的归一化差异水体指数(MNDWI)[23],然后设定合适阈值,实现水体掩膜.MNDWI计算公式如下:

MNDWI=(Green-MIR)/(Green+MIR)

(12)

式中:Green为绿色波段,MIR为中红外波段.

为了便于不同年份RSEI比较分析,也需对多个年份的RSEI进行归一化处理[6].

2.3 不透水面信息的提取

采用归一化差值不透水面指数(NDISI)[30]提取研究区的不透水面信息.该指数采用符合波段的形式创建,能够快速自动的提取不透水面信息.其计算公式为:

(13)

式中:NIR、MIR和TIR分别表示Landsat影像的近红外、中红外1波段和热红外波段的反射率,MNDWI为改进的归一化差异水体指数.

2.4 地理探测器

地理探测器是探测地理现象的空间分异性,以及揭示其背后驱动因子的一种新的统计学方法[31].地理探测器q统计量,可度量空间分异性、探测解释因子、分析变量之间交互关系,其表达式为:

(14)

(15)

式中:L为因变量Y或因子X的分层;Nh和N分别为层h和全区的单元数;σ2h和σ2分别是层h和全区的Y值的方差;SSW为层内方差之和;SST为全区总方差.q取值范围为[0,1],q数值越大,表示各因子对研究区RSEI的影响越大,反之则越弱.

3 结果与分析

3.1 生态环境质量模型构建

本研究先将各期标准化后的绿度、湿度、热度和干度4个指标进行波段合成,然后对合成后的图像进行主成分分析,得到各指标主成分分析结果,见表1.

表1 1992-2020年指标主成分分析

由表1可知,4个时期第一主成分的贡献率分别为82.76%、81.51%、85.01%与83.52%,均在80%以上,表明第一主成分因子已实现了多数指标数据的综合,在一定程度上规避了人为干扰.另外,绿度和湿度对生态环境起积极作用,符号应为正值;热度和干度对生态环境起消极作用,符号应为负值.除第一主成分之外,其它主成分的符号和大小难以解释生态现象.因此,可使用第一主成分构建RSEI.为与实际认知相符合,在对PC1进行标准化处理之前,先对2001年、2013年、2020年PC1进行反向处理.四个时期各指标对PC1的贡献度均表现为绿度指标>湿度指标,干度指标>热度指标的特征,体现出绿度和干度指标是黄河故道RSEI构建中极其重要的要素,对研究区生态环境质量的优劣具有较大的影响.

3.2 生态环境质量时间变化

为了定量分析生态环境质量的变化,分别统计了各期绿度、湿度、热度、干度和RSEI的均值,并将RSEI结果以0.2为间隔等距分为差、较差、中等、良、优5个生态等级.

如表2所示,1992-2020年绿度指标和湿度指标均值呈增加趋势,热度指标和干度指标呈现先减后增,整体上略微减少的趋势.黄河故道区域RSEI均值在1992-2013年间呈持续好转趋势,由1992年的0.538上升到2013年的0.707.2013-2020年间生态环境质量有所退化,降至0.683.研究区RSEI均值所处生态等级由1992的中等级,上升至后3期的良等级.说明了近30年研究区生态环境质量整体呈改善的趋势.

表2 1992-2020年4个指标和RSEI均值统计

如图1所示,黄河故道区域生态等级为差与较差的区域占比由1992年的27.53%,降至2020年的8.78%,呈显著下降趋势.与此同时,生态环境质量为优、良面积占比由1992年的43.45%,上升至2013年的72.42%,而后下降为2020年的67.09%.研究区生态环境质量为差的面积占比明显减少,由1992年的2.08%降至2020年的0.01%.生态环境质量为优的面积占比显著增多,由1992年的8.82%上升至2020年36.69%.这说明随着国家与地方各种关于生态环境保护政策的推出和实施,黄河故道地区的生态环境呈现出整体变好的趋势.

图1 各年份RSEI等级面积占比柱状图

由表3可知,1992-2001年,2001-2013年生态环境质量变好面积远大于变差面积,黄河故道区域生态环境质量呈现显著变好趋势.2013-2020年生态环境质量变好的面积略小于变差的面积,生态环境质量趋于稳定.

表3 1992年-2020年黄河故道区域生态环境质量等级变化

1992-2001年,生态环境质量变好的面积为3514.48 km2,以轻微变好为主,其次是中等变好.变差面积为800.92 km2,主要为轻微变差.在1992-2020年期间,黄河故道区域生态环境质量变好的面积达到4602.951 km2,所占百分比达到62.3%;生态环境质量下降的面积较少,仅占11.31%.生态稳定区域面积为1949.31 km2,占总面积的26.38%.从图中可以看出,1992-2020年各地生态指数的变化大部分在呈变好趋势.

3.3 生态环境质量空间变化

本文结合研究区的土地利用数据,对1992-2020年遥感生态指数空间分布格局分析,如图2所示,1992年研究区生态环境质量为差地区呈条带状主要集中分布在兰考县、民权县、曹县等地黄河故道两岸.生态环境质量为较差地区除了分布在城区,其余集中分布在生态环境质量差的地区的周边地区.生态环境质量为中等区域主要分布在农村居民点.生态环境质量良、优的区域主要分布在林地、耕地.随着时间的推移,研究区生态环境质量差的区域显著减少,黄河故道兰考县区域其生态指数也在逐年递增,变化较为明显.

图2 1992年-2020年遥感生态指数分布图

由图3可知,黄河故道生态环境质量变化呈现显著的空间分异.1992-2020年,研究区生态环境质量变差的区域主要分布在城乡交错带.城镇化建设对生态环境会造成一定的负面影响.随着社会经济的快速发展,城镇化扩张的需求不断增大,建城区替代了原有的植被覆盖区域,变化最为显著的是研究区东南部的商丘市区城乡交错带.1992-2020年,研究区生态环境质量变好的区域主要分布在黄河故道两侧.长期以来,各级政府重视故道生态修复,生态保护政策和项目的实施对生态环境的改善起到很大的促进作用.开展植树造林、改良盐碱地、护堤固沙,打造黄河故道绿色生态廊道.分别修建有兰考林场、民权林场、民权黄河故道湿地公园、商丘黄河故道国家森林公园、曹县黄河故道湿地风景区等,有效改善了黄河故道两岸的生态环境质量.

图3 黄河故道区域遥感生态指数变化图

由图4可知,各生态等级的重心转移波动明显.1992-2001年和2001-2013年各生态等级中,中等级和良等级重心转移方向大致相同,先向东南方向转移,再转向西北方向;而差等级和优等级则是先向东北方向转移,再分别转向西北和西南两个相反方向.从各个等级的重心转移路径中可以看出,除较差等级的重心转移幅度较小外,其他等级的重心转移幅度均较大.其中良等级在1992-2001年重心向东南方向转移了52.33 km,优等级在2001-2013年重心向西南方向转移了61.93 km,差等级在2013-2020年间重心迁移幅度最大,往东南方向迁移了77.39 km.说明1992-2020年,黄河故道不同生态等级的区域变化显著,波动范围较大,从整体上来看各生态等级重心均向南移.除差等级外,其他各等级重心在2001年和2013年均在偏离1992年的重心的方向上,而2020年各等级重心却在不断向1992年的重心方向靠近.从中可以看出1992-2013年各生态等级变化趋势与2013-2020年变化趋势相反.这与前面的生态环境质量时空变化分析结果相符.

图4 1992-2020年黄河故道各生态等级重心转移

3.4 生态环境质量变化成因分析

为了定量分析区域生态环境质量变化的影响机理,本文将表征研究区生态环境质量的RSEI作为因变量Y,将研究区的植被覆盖度、土地利用类型、不透水面与海拔4个因子作为自变量,通过系统采样,并提取了样点的相关属性.其中,采样间距为500 m,共得到29949个采样点.利用地理探测器中的因子探测探究各影响因子对RSEI空间分异特征的解释力q,结果见表4.植被覆盖度对生态环境质量空间分异的解释力度最高,4个时间段q值分别为0.791、0.856、0.840和0.833.其次是土地利用.不透水面和海拔对生态环境质量分异的影响较小.

表4 各影响因素影响力(地理探测器q值)探测结果

为进一步定量验证植被覆盖度与生态环境质量的关系,对研究区各时段的植被覆盖度变化和生态指数变化数据进行系统采样,共119913个样点,以确保统计结果的客观性和代表性.如图5所示,通过回归分析发现,各时段植被覆盖度变化和生态指数的变化呈现显著的线性正相关关系,相关系数皆大于0.88.说明植被覆盖度在改善区域生态环境质量上具有重要的作用.

图5 植被覆盖度变化与生态指数变化关系的回归分析

4 讨论与结论

4.1 讨论

本研究基于1992、2001、2013和2020年4期Landsat遥感影像数据,通过计算绿度NDVI、湿度Wet、热度LST和干度NDBSI,并利用主成分分析构建遥感生态指数RSEI,对黄河故道近30年的生态环境质量进行监测与评价.研究发现生态环境质量与人类活动强度关系较为密切,绿色植被主要决定了绿度、湿度指标的高低,人为开发活动很大程度上影响干度、热度指标的高低,在二者综合影响下决定了区域生态环境质量的总体水平,这与薛陈利[32]、施婷婷[33]、单薇[34]等的研究结论一致.

遥感影像数据的质量与时相的差异,会影响评价精度.使用的30 m空间分辨率的Landsat卫星遥感影像,会存在混合像元的问题.本文选择了绿度、湿度、热度和干度指标构建RSEI,可能难以充分表征区域生态环境质量.今后的研究应利用更高分辨率的遥感影像,并根据黄河故道地区土地沙化、盐碱化较严重的特点,修改RSEI,综合评价该区域的生态环境质量.另外,区域生态系统的形成与发展受自然和人为等多种因素的影响.本文利用地理探测器探求区域生态环境质量变化的影响机理时,仅考虑了植被覆盖度、土地利用类型、不透水面与海拔4个方面.年降水量和平均气温的变化在一定程度上影响着区域的湿度和温度,未来研究中应考量这方面的影响.

4.2 结 论

本文基于Landsat遥感影像,利用主成分分析构建遥感生态指数,结合地理探测器,定量分析了黄河故道区域生态环境质量变化趋势及影响机理.结果表明:

(1)研究区的生态环境质量呈现显著的时空差异特征,在时间尺度上,1992-2013年间,生态环境质量呈持续好转的态势,2013-2020年间生态环境质量基本保持稳定;在空间区域上,生态环境质量下降的区域主要分布在城乡交错带.1992-2020年间,黄河故道区域各生态等级的重心迁移幅度较大,时空波动较明显.这在一定程度上反映出该区域生态系统不稳定.

(2)绿度和干度对黄河故道地区生态环境质量变化的贡献最大,这与研究区地处华北平原,区内耕地分布广泛,植被覆盖度相对较高,加上近年来城市化快速发展导致建设用地不断增加有关.在一定程度上体现了研究区生态环境状况的优劣与植被覆盖度和土地利用的变化密切相关.

(3)黄河故道区域生态环境质量的变化是受自然因素、人为因素的共同影响而发生的.主要受植被覆盖度变化的影响,其次是土地利用变化的影响.黄河故道区域应协调好土地资源开发利用与生态环境保护的关系.在大力发展经济的同时,需加强生态保护、加快生态文明建设,完善生态保护政策.