基于Google Earth Engine的洱海流域建成区范围及生态质量变化分析

郑舒元 陈星宇 海燕 王建雄

鄭舒元，陈星宇，海 燕，等. 基于Google Earth Engine的洱海流域建成区范围及生态质量变化分析［J］. 湖北农业科学，2024， 63（2）：199-204．

摘要：以洱海流域为研究区，借助Google Earth Engine云平台，利用Landsat 8 OLI系列影像，合成研究区域的增强的指数型建筑指数（EIBI）并对洱海流域建成区进行提取，再对研究区域遥感生态指数进行合成，通过对建成区范围与流域范围内遥感生态指数进行空间相关分析，从而对2014—2021年洱海流域及其建成区进行生态评估。结果表明，EIBI可有效增强建筑信息，使用EIBI可有效、准确地提取研究区域建成区，经过EIBI提取，洱海流域2014—2021年建成区扩张面积共14.712 km²；2014—2021年洱海流域生态明显改善，遥感生态指数增加0.008，其上升速率为0.001/年，流域内超过65%的区域生态得到改善；洱海流域建成区与生态未得到改善区域大致匹配，建成区经过生态修复后生态质量未见显著提升，且建成区生态质量呈逐年下降趋势，说明建成区对环境改善具有阻力。

关键词：洱海流域；增强的指数型建筑指数；遥感生态指数；Google Earth Engine；流域环境

中图分类号：P237；X321         文献标识码：A

文章编号：0439-8114（2024）02-0199-06

DOI：10.14088/j.cnki.issn0439-8114.2024.02.030 开放科学（资源服务）标识码（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

洱海作为云南省九大高原湖泊之一，其流域为生态系统的重要组成部分。21世纪以来，洱海流域周边土地进行了不同程度的开发利用，导致建成区不断扩张，人口密度的上升、建成区不断扩张以及对植被的破坏使得洱海流域生态质量下降问题日渐突出，对洱海流域生态质量进行评估对其生态建设具有重要意义。

当前对生态环境遥感监测的研究有了较大发展，大多研究从土地利用变化、城市热岛效应以及不透水面盖度等角度对生态效应影响进行评价，其多为单角度及单一生态因子对生态效应进行评价，徐涵秋^［1，2］于2013年提出遥感生态指数（Remote sensing based ecological index，RSEI），其利用主成分分析法对绿度、湿度、干度及热度生态指标进行合成，规避了人为确定权重而导致评价结果的不確定性，其计算结果较为稳定客观，能够用于对研究区的生态环境遥感综合评价^［3-10］，近年来，吴志杰等^［11］以福建省龙岩市为例，利用遥感生态指数对山地城市进行生态遥感变化分析，对其环境质量做出评估；张娟等^［12］以河南省焦作市为例，利用遥感生态指数对资源枯竭型城市生态环境变化影响进行评估；王志超等^［13］利用遥感生态指数与植被覆盖度相结合，对成都市锦江区的生态质量做出评估并证明RSEI能够反映2002—2018年锦江区生态质量及变化情况；刘栩位等^［14］利用遥感生态指数对三峡库区重庆段水土保持生态功能区生态环境质量状况进行了评估；范德芹等^［15］利用改进的遥感生态指数对神府矿区的生态环境变化进行综合评价，得到目标区域生态逐渐得到修复，生态环境质量逐渐提升的结论。

传统的遥感数据处理方法对长时序研究而言工作量较大，近年来云平台的发展使得遥感数据的存储计算及可视化得到了新的处理途径^［16-19］，Google Earth Engine（下文简称GEE）平台由Google公司提供技术支撑，其提供大量全球尺度不同分辨率卫星影像数据，能够为长期监测和长时序数据处理提供有力支撑^［20-25］，Hamud等^［26］利用GEE对索马里巴纳迪尔30年的城市扩展及土地利用进行了提取分析。本研究借助GEE获取2014—2021年洱海流域的Landsat 8 OLI系列影像，通过GEE计算研究区域增强的指数型建筑指数（Enhanced index-based built-up index，EIBI）提取该流域建成区，再分别计算流域绿度指标、湿度指标、干度指标及热度指标，通过以上计算结果对RSEI指数进行合成，并与提取的建成区进行叠加统计分析，从而对洱海流域生态环境质量进行评估。

1 研究区概况

研究区域位于云南省中部偏西洱海流域，地处北纬25°25′—26°10′，东经99°32′—100°27′，流域面积2 607.75 km²，湖面高程1 966 m时湖面面积为252 km²，一般湖水面积约246 km²，蓄水量约29.5×108 m³，呈狭长形，流域内河流呈现聚集状汇入中心湖泊，境内有大小河溪共117条，主要入湖沟渠125条，辖大理市、洱源县2市县16个乡镇。具有供水、灌溉、发电、调节气候、渔业、航运及旅游七大功能，是云南省九大高原湖泊之一，干湿季分明，5—10月为雨季，11月至次年4月为旱季，多年年均温度及降雨量分别为15.1 ℃和1 048 mm。

2 数据来源与研究方法

2.1 数据来源及预处理

研究采用Landsat 8地表反射率（Surface reflectance，SR）数据作为数据源，其从Google Earth Engine（GEE，https：//earthengine.google.com/）平台直接获Landsat 8 OLI数据，时间跨度为2014—2021年，选取2014年及2021年1月相同时段影像数据进行对比分析。数据受到的云、雨雪等不利因素利用CFMASK方法去除，再利用头文件信息对影像进行辐射定标及大气校正，最终得到可用于处理的影像数据。

2.2 建筑扩张信息提取

不同地物具有不同光谱特征，且不同地物对太阳光的反射和吸收的程度不同，其反射光谱曲线具有显著差异，利用这一差异可区别土地利用类型，从而进一步提取感兴趣区，通过分析并找出城市用地与其他地物之间的差距，可将建筑用地信息与其他地物相区别开来，从而提取建成区。

Zha等^［27］改进了归一化建筑指数（Normalized differences built-up index，NDBI）用于提取建筑用地，该指数思想与归一化植被指数NDVI相似，经过对光谱的进一步分析而得来，其表达式为：

该公式由近红外与红光波段计算得来，ρ_nir与ρ_red分别表示近红外波段与红波段的反射率，在这2个波段之间，建筑用地、裸土与沙地的灰度值逐渐增加，其他值则逐渐下降，因此图像上大于0的像元值可归为建筑用地及沙地裸土。

徐涵秋^［28］提出的基于压缩数据维方法提取建筑用地信息的指数，又称指数型建筑用地指数（Index-based Built-up Index，IBI），采用原始波段衍生出的3个指数波段来构建新的影像对建筑用地进行提取，其采用了土壤植被调节指数（Soil adjusted vegetation index，SAVI）、修正归一化水体指数（Modified normalized differences water index，MNDWI）和归一化建筑指数（NDBI），模型如下所示。

式中，ρ_nir、ρ_red、ρ_green、ρ_mir1分别表示近红外波段、红波段、绿波段、中红外波段的反射率；L代表常量，默认值为0.5。

由于研究区域包含大量山地、裸土区域，在分析时需要剔除大部分干扰因素的影响从而准确提取目标区域，为准确提取研究区域建成区，选用吴志杰等^［29］提出的增强的指数型建筑指数（Enhanced index-based built-up index，EIBI）来对研究区建成区进行提取，其对富含黏土型矿物的地表裸土有很好的抑制作用，经过对漳州市及福州市研究区提取结果对比验证，证实其能够准确区分研究区域内裸土和建筑物，精度可达90%以上；代颖懿等^［30］基于Landsat-7 影像，利用EIBI提取福州市区建成区的精度可达92%。因此，选择EIBI来提取研究区的建成区信息，其公式模型如下：

其中，EIBI由归一化差值裸地与建筑用地指数（Normalized difference bareness and built-up Index，NDBBI）、裸土指數（Bare soil index，BSI）、增强型裸土指数（Enhanced bare soil index，EBSI）计算得到，ρ_blue为蓝光波段反射率，ρ_green为绿光波段反射率，ρ_red为红光波段反射率，ρ_nir为近红外波段反射率，ρ_swir1和 ρ_swir2为短波红外波段反射率。且在使用 NDBBI、SAVI、MNDWI、BSI、EBSI等指数模型生成指数波段时不能直接使用归一化数据进行计算，其中NDBBI要经过0～255的灰度值拉伸。运用EIBI建筑指数对2014—2021年洱海流域建成区进行提取结果如图1所示，通过将EIBI提取结果与原始影像进行叠加，并进行目视解译，该指数能够准确剔除研究区内山体及裸土，提取建成区。

2.3 RSEI指数计算

遥感生态指数（Remote sensing based ecological index，RSEI）是一种基于湿度、绿度、干度和热度4种自然因子为主的评价生态状况的体系，可以快速评价生态环境状况。需利用绿度指标、湿度指标、干度指标及热度指标4个波段来进行合成，再对合成的多波段影像进行主成分分析得到，其中绿度指标为归一化植被指数（Normalized difference vegetation index，NDVI）；湿度指标为地表湿度（Wet），具体表现为缨帽变换的第三分量；干度指标为建筑指数与裸土指数合成干度指数（Normalized difference soil index，NDSI），由建筑指数（Index-based built-up index，IBI）与土壤指数（Soil index，SI）合成；热度指标为地表温度（Land surface temperaturae，LST）。以上指标计算公式如下所示。

式中，LST为地表温度；ε为地表比辐射率；λ为热红外波段的中心波长；ρ=14 380 umk，T=k₂-ln （k₁/L+1），L=gainDN+bias，其中DN表示卫星传感器记录下的数字信号值转化来的反射率，gain为传感器增益，bias为传感器偏移。k₁、k₂、gain、bias 均可在影像头文件中获取。计算完4个波段的指数后，将其进行多波段合成，其合成顺序为NDVI、Wet、NDSI、LST，对合成后的新影像进行主成分分析（PCA），提取主成分分析后所得的多波段影像的第一波段，再将第一主成分进行归一化处理，归一化后的第一主成分即为遥感生态指数（RSEI），其归一化的表达式为：

其中，PC1_min为第一主成分最小值，PC1_max为第一主成分最大值。通过对数据进行辐射定标、大气校正、几何校正、地形校正等预处理后，对绿度指标、湿度指标、干度指标、热度指标进行提取并进行归一化处理与主成分分析，可得到4个指标分量的主成分分析结果（表1）。

由表1可知，2期影像的第一主成分贡献率分别为86.72%、84.73%，说明第一主成分PC1包含了影像绝大部分特征信息，且湿度指标与绿度指标的荷载值为正值，其对遥感生态指数为正面贡献；干度指标与热度指标的荷载值为负值，说明其对遥感生态指数为负面贡献。综上，PC1可充分集成4个指标分量的信息，该研究区域可采用第一主成分PC1来提取遥感生态指数（RSEI）。

RSEI越大表明所处地区环境越好，其通过不同阈值（间隔为0.2）分级可分为1—5级，其生态状况根据分级可分为差、较差、中等、良、优5个等级，通过对2014年与2020年洱海流域建成区提取结果与重分类后所得的洱海流域RSEI指数进行叠加分析，可掌握洱海流域建成区的生态情况变化，经计算后的洱海流域2014年、2020年RSEI如图2所示。

3 结果与分析

3.1 2014—2021年洱海流域建筑扩张变化及影响

利用2021年建成区与2014年建成区相比较，可以计算得到8年间增长的建成区面积与建成区区域的遥感生态指数，通过对不同年份之间的建成区指数之间作差即可得出2014—2021年建成区范围变化，8年间建成区面积与遥感生态指数变化结果如表2所示，建成区范围变化如图1所示。从表2可看出，2014—2021年，建成区面积增加了14.712 km²，而建成区遥感生态指数降低了0.008，洱海流域内建筑面积年均扩展为1.839 km²，其建成区的遥感生态指数年均降低0.001 3。

由图1可知，洱海流域建成区扩展主要集中于洱海流域下游大理市及杭瑞高速途经流域路段，流域上游洱源县及流域西侧喜洲镇、古城区以及西景线、大丽线沿途。由于政策原因，洱海东岸海东镇开发速度有所减缓，2014—2021年该区域未见显著扩张。对2014年建成区与2021年建成区遥感生态指数进行提取，2014年建成区遥感生态指数为0.811，2021年建成区遥感生态指数为0.800，可见建成区遥感生态指数明显低于洱海流域整体遥感生态指数，且2014—2021年建成区遥感生态指数呈逐年下降趋势，通过对2014年与2021年建成区RSEI做差可分析建成区内RSEI整体变化趋势，其结果如图3所示。

由图3可知，RSEI呈上升趋势的区域占整个建成区的47.54%，RSEI呈下降趋势的区域占整个建成区的52.06%，其中呈下降趋势的区域，遥感生态指数下降的速率为0.043/年，呈上升趋势的区域上升速率为0.029/年，综合说明建成区整体生态呈下降趋势，生态质量下降来源于建成区的扩展导致的环境破坏及原有建成区生态质量的下滑，证明建成区扩展对洱海流域生态有负面影响。

3.2 洱海流域生态质量时空变化分析

为能够更好反映洱海流域的生态质量变化，根据徐涵秋^［1］对RSEI的评估等级将研究区内RSEI进行分级，生态质量差为1级（0～0.2），生态质量较差为2级（0.2～0.4），生态质量中等为3级（0.4～0.6），生态质量良好为4级（0.6～0.8），生态质量优为5级（0.8～1.0），对研究区RSEI进行分级统计，其结果如表3所示。

由表3可知，2014—2021年洱海流域生态指数等级以优（5级）为主，其占比均超过85%，该时间段内1级、2级、3级占比均不足1%；研究时间段内洱海流域生态指数大幅上升，超过65%的4级地升为5级地。图4从空间上直观体现洱海流域的RSEI指数等级变化，可见研究区整体生态环境有巨大改善，大部分区域RSEI评级得以上升；未见显著改善区域经与建成区提取结果叠加分析可得，研究區生态未见显著改善区域基本与建成区提取结果相吻合，2014年建成区所在的区域生态评价等级处于较低水平，说明建成区扩张对研究区域的环境有负面影响。

综上，2014—2021年洱海流域的遥感生态指数从0.869上升到0.877，共上升了0.008，表明研究区域生态质量呈逐年改善趋势，年均上升速度为0.001/年，与建成区生态呈下降趋势不同，由于国家于研究时间段内对洱海流域生态进行整治与保护以及对洱海流域提出转型发展要求，对洱海周边的建成区进行了转型及调整，于2018—2019年时间段内关停了洱海流域内所有矿山，以及对原有矿山设施进行拆除，对洱海流域实施流域面山绿化建设与退耕还林和陡坡地生态治理工程，实施西湖居民区生态搬迁工程及分类清理建设用地，对整个洱海流域生态质量有了较大提高，使得整个研究区生态呈改善趋势。

4 结论

利用Google Earth Engine云平台，并利用Landsat8 OLI系列遥感数据，对洱海流域建成区扩张分析后可得以下结论。

1）使用增强的指数型建筑指数（EIBI）可有效抑制富含黏土矿物的裸土信息，而增强建成区信息，使用EIBI可有效、准确地提取研究区域建成区，经过EIBI提取，洱海流域2014—2021年建筑扩张面积共14.712 km²。

2）使用遥感生态指数（RSEI）对洱海流域建筑扩张地域进行生态评估，评估结果为2014—2021年洱海流域生态环境得到显著改善，遥感生态指数逐年上升，其上升速率为0.001/年，2014—2021年流域内超过65%的区域生态得到改善。

3）洱海流域建成区与生态未得到改善区域大致匹配，建成区经过生态修复后生态质量未见显著提升，且建成区生态质量呈逐年下降趋势，说明建成区对环境改善具有阻力。

参考文献：

［1］ 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.

［2］ 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.

［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］ 王东升， 王小磊， 雷泽勇. 基于遥感生态指数的阜新市生态质量评估［J］. 生态科学， 2020， 39（3）：88-94.

［5］ 李 妍，张国钦，吝 涛，等. 乡镇遥感生态指数时空变化及影响因子研究——以天津市蓟州区为例［J］. 生态学报，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， 王金辉， 徐美娜，等. 典型入海口海岸带生态环境质量遥感评价研究——以宝山区为例［J］. 海洋学研究，2020，38（2）：66-73.

［8］ 喬 敏，张永彬，宇林军.基于遥感生态指数的北京市生态环境质量动态监测［J］.华北理工大学学报（自然科学版），2020，      42（4）：17-23.

［9］ 张 寒，潘 安，罗 芳.基于遥感生态指数的南充市生态环境质量评价［J］.西华师范大学学报（自然科学版），2020，41（4）：395-403.

［10］ 项 颂，吴 越，吕兴菊，等. 洱海流域农业面源污染空间分布特征及分类控制策略［J］.环境科学研究，2020，33（11）：2474-2483.

［11］ 吴志杰，邹 丹，黄绍霖.山地城市扩展及生态变化遥感分析［J］.亚热带资源与环境学报，2016，11（3）：81-87，94.

［12］ 张 娟，文广超，王恩营，等.基于遥感生态指数的焦作市生态环境动态监测与评价［J］.水土保持通报，2020，40（6）：107-114.

［13］ 王志超，何新华.基于植被覆盖度和遥感生态指数的成都市锦江区生态质量评估［J］.生态与农村环境学报，2021，37（4）：492-500.

［14］ 刘栩位，周启刚，周 浪，等.基于RSEI的三峡库区重庆段水土保持生态功能区生态环境质量动态监测［J］.水土保持研究，2021，28（5）：278-286.

［15］ 范德芹，邱 玥，孙文彬，等. 基于遥感生态指数的神府矿区生态环境评价［J］.测绘通报，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］ 郑子豪，吴志峰，陈颖彪，等.基于Google Earth Engine的长三角城市群生态环境变化与城市化特征分析［J］.生态学报，2021，41（2）：717-729.

［20］ 廖文秀，陈奕云，赵 曦，等. 基于GEE的湖北省近30年湖泊及其岸线演变分析［J］.湖北农业科学，2021，60（10）：46-54，59.

［21］ 张祯祺，蔡惠文，张平平，等.基于GEE遥感云平台的三江源植被碳源/汇时空变化研究［J］.自然资源遥感，2023，35（1）：231-242.

［22］ 谷 雷，岳彩荣，张国飞，等.基于Google Earth Engine平台的大湄公河次区域2001—2019年植被NPP时空变化分析［J］.西部林业科学，2021，50（2）：132-139.

［23］ 杨坤士，卢 远，翁月梅，等.Google Earth Engine平台支持下的南流江流域生态环境质量动态监测［J］.农业资源与环境学报，2021，38（6）：1112-1121.

［24］ 皮青山，席 茜，周玉科.Google Earth Engine云平台及植被遥感案例研究［J］.测绘与空间地理信息，2021，44（2）：38-41.

［25］ 姜伊兰，陈保旺，黄玉芳，等.基于Google Earth Engine和NDVI时序差异指数的作物种植区提取［J］.地球信息科学学报，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.

［29］ 吴志杰，赵书河.基于TM图像的“增强的指数型建筑用地指数”研究［J］.国土资源遥感，2012（2）：50-55.

［30］ 代颖懿，刘 辉，黎启燃，等. 基于中等空间分辨率遥感影像的建筑用地信息提取［J］.亚热带资源与环境学报，2013，8（4）：68-74.

收稿日期：2022-09-13

基金项目：国家自然科学基金项目（41867040）

作者简介：郑舒元（1997-），男，云南玉溪人，硕士，主要从事资源与环境遥感研究，（电话）15261805767（电子信箱）952012141@qq.com；通信作者，王建雄（1975-），男，云南玉溪人，教授，博士，主要从事资源与环境遥感研究，（电话）13608873306（电子信箱）jianxiongw@126.com。