萬安國 , 王建強，王東東

1. 都昌縣氣象局，江西 九江 332600 2. 東華理工大學 測繪工程學院，江西 南昌 330013 3. 核工業(yè)二九〇研究所，廣東 韶關 512029

0 引 言

隨著國家經(jīng)濟的不斷發(fā)展，城鎮(zhèn)化步伐的加速，人們對土地的需求量不斷加大(張永彬等，2019)，造成了土地利用結構不合理，同時帶來了氣候變暖(張衍華等，2012)、土地荒漠化、水土流失嚴重(張京紅等，2005；郭志華等，2010)、生物多樣性減少(張曉東等,2017)和空氣污染等一系列的環(huán)境問題(Mollenhauer et al,2017)。根據(jù)相關統(tǒng)計數(shù)據(jù)顯示，2015年全球污染最嚴重的20個城市，中國就有16個城市上榜，而2018年全球污染最嚴重的100個城市，中國有56個城市上榜，其中污染最嚴重的前20個城市中，有2個城市在中國。從統(tǒng)計數(shù)據(jù)來看，環(huán)境狀況在一定程度上得到了改善，但總體情況不容樂觀。人類、土地和生態(tài)環(huán)境三者之間的矛盾日益嚴峻，已經(jīng)成為國內(nèi)外關注的焦點問題。近些年來，遙感和GIS技術在不斷成熟，遙感是迅速獲取海量地表數(shù)據(jù)的有效工具，它具有獲取信息速度快、周期短、同步效果好、適應性強(徐海玲，2017)和覆蓋面廣等特點，其數(shù)據(jù)蘊含的信息量大、對研究對象無損害、動態(tài)性和實時性強、更新速度快等許多特點，為各種研究對象調(diào)查提供數(shù)據(jù)支撐。同時GIS技術在地理數(shù)據(jù)的存儲、管理、分析、描述和可視化等方面具有巨大的優(yōu)勢，在土地整治規(guī)劃(喻光明等，2008)、土地資源的開發(fā)與管理、重大自然災害和災情評估等多個領域得到廣泛的應用，是各種研究的重要技術支持。因此，RS和GIS技術相結合逐漸成為監(jiān)測和分析土地利用變化和生態(tài)環(huán)境狀況的重要手段之一(王釗齊等，2017)。

萍鄉(xiāng)市作為江南煤炭生產(chǎn)的重要基地，隨著大量的煤炭資源被開采和挖掘，給該區(qū)域帶來了許多的環(huán)境問題，對原本脆弱的生態(tài)環(huán)境造成了更加嚴重的負面影響，監(jiān)測和分析該區(qū)域的土地利用變化和生態(tài)環(huán)境狀況有利于提高人們的環(huán)境保護意識。文中利用GIS和RS技術，采用監(jiān)督分類中的支持向量機法解譯出萍鄉(xiāng)市土地利用信息，通過遙感生態(tài)指數(shù)(Remote Sensing Ecological Index，RSEI)分析和評價該區(qū)域的生態(tài)環(huán)境狀況(徐涵秋，2013)。以期為萍鄉(xiāng)市生態(tài)文明建設和制定區(qū)域未來發(fā)展規(guī)劃提供參考。

1 區(qū)域概況與數(shù)據(jù)預處理

1.1 區(qū)域概況

萍鄉(xiāng)市位于江西省的西部位置，被稱為江西省的“西大門”，處于贛西經(jīng)濟發(fā)展格局的中心位置。地理坐標范圍為(113°35′—114°17′E，26°57′—28°01′N)。東與宜春市的袁州區(qū)和吉安市的安?？h相臨，南與吉安市的永新縣相接，西與株洲市的茶陵縣、攸縣和醴陵市相靠，北與瀏陽市相接壤，市境南北最長為127 km，東西最寬為67 km。

1.2 數(shù)據(jù)預處理

文中選用2002、2007、2013和2018年云量較少、質量較好的Landsat 7 ETM+影像和Landsat 8 OLI影像為主要數(shù)據(jù)源，其中2002、2007和2018年萍鄉(xiāng)市2期影像的成像時間分別為10月和11月；2013年2期影像的成像時間均在10月，其中Landsat的影像數(shù)據(jù)主要來源于美國地質勘探局網(wǎng)站和地理空間數(shù)據(jù)云網(wǎng)站。所得遙感數(shù)據(jù)均進行輻射定標、大氣校正、影像的鑲嵌與裁剪等一系列預處理。

2 研究方法

2.1 土地利用類型的解譯

參考《土地利用現(xiàn)狀分類》國家標準(GB/T 21010—2017)的分類標準，考慮到影像的分辨率和研究目的，將研究區(qū)的土地利用類型分為林地、草地、建設用地、耕地、水域和未利用地6大類。通過對研究區(qū)現(xiàn)有的認識和經(jīng)驗，輔助于Google Earth軟件中高分辨率地圖，使用ENVI軟件對研究區(qū)的每類地物選取100個訓練樣本，計算訓練樣本之間的可分離性，確保每個樣本之間的可分離性大于1.85。最后采用支持向量機的方法對研究區(qū)4個時期的影像進行監(jiān)督分類，同時通過混淆矩陣的方法對分類結果進行精度驗證，確保分類的精度較高。

2.2 各生態(tài)評價指標的計算

綠度指標選用歸一化植被指數(shù)(Normalized Difference Vegetation Index，NDVI)，歸一化植被指數(shù)是植被指數(shù)中被廣泛應用的指數(shù)(張朋興，2018；張乃明等，2019)，能夠反映植被的生長狀況，對區(qū)域的溫度調(diào)節(jié)、噪聲吸收和空氣凈化等有重要的影響，其計算式：

(1)

式中，PNIR為遙感影像近紅外波段的反射率，PR為遙感影像紅波段的反射率，NDVI的取值范圍為[-1,1]。濕度指標(WET)是通過對遙感影像進行穗帽變換后獲取的(張傲雙，2019)，它可以較好地反映地表植被、水體和土壤的濕度狀況，在生態(tài)環(huán)境監(jiān)測與分析中得到有效的利用，其計算式(Crist，1985；Baig et al，2014)：

1) 對于Landsat ETM+影像來說

WET=0.2626Pblue+0.2141Pgreen+0.0926Pred

+0.0656Pnir-0.7629Pswir1-0.5388Pswir2

(2)

2) 對于Landsat OLI影像來說

WET=0.1511Pblue+0.1973Pgreen+0.3283Pred

+0.3407Pnir-0.7117Pswir1-0.4559Pswir2

(3)

式中，Pblue、Pgreen、Pred、Pnir、Pswir1、Pswir2分別代表遙感影像藍波段、綠波段、紅波段、近紅外波段、短波紅外波1段、短波紅外2的反射率。土壤的干化會影響區(qū)域的生態(tài)環(huán)境狀況，干化的程度越嚴重，給地區(qū)的生態(tài)環(huán)境狀況帶來的危害越嚴重。一般來說，干度指標選用的是裸土指數(shù)(SI)，但建筑用地同樣能帶來地表的干化，本研究的干度指標(Normalized Difference Built-up and Soil Index，NDSI)是通過裸土指數(shù)(SI)和建筑指數(shù)(IBI)兩者的合成而得到的，其計算式(Rikimaru, 2002；Xu，2008)：

1) 裸土指數(shù)：

(4)

2) 建筑物指數(shù)：

(5)

3) 干度指標：

(6)

式中，IBI為建筑物指數(shù)，SI為裸土指數(shù)，NDSI為干度指標。熱度指標選用地表溫度(Land Surface Temperature，LST)來表示，城市的熱島效應、全球氣候變暖和冰川的融化都與地表溫度的升高有著密切的聯(lián)系，通過大氣校正法(丁鳳和徐涵秋，2006；Griend and Owe,1993)來反演研究區(qū)的地表溫度，其計算式：

Lλ=[εB(Ts)+(1-ε)L↑]τ+L↑

(7)

B(Ts)=[Lλ-L↑-τ(1-ε)L↓]/(τε)

(8)

(9)

式中，ε為地表比輻射率，B為黑體熱輻射亮度，Ts為地表溫度，L↓為大氣向下輻射的亮度，τ為地面真實的輻射亮度經(jīng)過大氣層到達傳感器的輻射亮度，L↑為大氣向上輻射的亮度值。其中，ε采用NDVI閾值法計算得到，根據(jù)影像的中心經(jīng)緯度、成像時間和海拔等相應參數(shù)，在網(wǎng)站(http://atmcorr.gsfc.nasa.gov)上查詢相應的L↑、L↓和τ值。對于Landsat7 ETM+影像，K1=666.09 w/(m2srμm)，K2=1 282.71 K。對于Landsat8 TIRS影像，K1=774.89 w/(m2·sr·μm)，K2=1 321.08 K。

2.3 遙感生態(tài)指數(shù)的構建

基于指標原始數(shù)據(jù)的特點，采用主成分分析法客觀地確定權重值，將多種單一指標耦合成為一個綜合指標(繆鑫輝和梁勤歐，2020)，避免了主觀確定權重的隨意性和誤差性。首先對指標進行標準化處理，然后通過主成分分析法構建出研究區(qū)的RSEI，主成分分析后的PC1集成了各評價指標的大部分信息，各評價指標對RSEI的影響程度是根據(jù)其數(shù)據(jù)本身的性質所決定的，RSEI值的大小是各評價指標綜合作用的結果。為了使PC1數(shù)值的大小與生態(tài)環(huán)境質量的好壞相對應，用1減去利用PC1貢獻率計算出的生態(tài)指數(shù)，最后得到了RSEI0，其計算式：

RSEI0=1-f{PC1[f(NDVI，

WET，LST，NDSI)]}

(10)

為了便于遙感生態(tài)指數(shù)的分析和比較，對RSEI0也進行標準化處理，最終得到研究區(qū)的RSEI，其計算式：

(11)

式中，RSEI為最終建立的遙感生態(tài)指數(shù)，其取值范圍為0—1，RSEImin為RSEI0的最小值，RSEImax為RSEI0的最大值。RSEI愈接近1，生態(tài)環(huán)境狀況越好，反之，生態(tài)環(huán)境狀況越差。

3 結果與分析

3.1 土地利用類型變化分析

通過監(jiān)督分類中的支持向量機法對2002、2007、2013和2018年萍鄉(xiāng)市的土地利用類型進行分類解譯，得到這4個時間段的土地利用類型信息(圖1)，并統(tǒng)計出萍鄉(xiāng)市各土地利用類型的信息(表1)，以反映2002—2018年土地利用的變化情況。分析圖1和表1可知，2002年萍鄉(xiāng)市林地面積最多，為2 627.4 km2,占比為67.95%，而未利用地面積最少，為2.97 km2。與2002年相比，2007年建設用地和草地在增多，水域、林地、耕地和未利用地在減少。與2007年相比，2013年建設用地、草地和未利用地在增多，水域、林地和耕地在減少。與2013年相比，2018年建設用地、水域、林地、未利用地和耕地在增多，草地面積在減少。2002—2018年萍鄉(xiāng)市建設用地持續(xù)增多；水域、林地和耕地先減后增，總體呈減少態(tài)勢；草地面積先增后減，總體呈增加態(tài)勢；未利用地先減后增，總體呈增加態(tài)勢。

圖1 2002(a)、2007(b)、2013(c)和2018(d)年萍鄉(xiāng)市土地利用信息Fig. 1 Land use information of Pingxiang city in 2002 (a)，2007 (b)，2013 (c) and 2018 (d)

表1 2002、2007、2013和2018年研究區(qū)各土地利用類型面積

3.2 生態(tài)環(huán)境狀況的時空變化分析

由主成分分析結果(表2)可知，第一主成分(PC1)最為穩(wěn)定，NDVI和WET在PC1特征向量為正值，對RSEI起到了正面影響；而LST和NDSI在PC1特征向量為負值，對RSEI起到了負面影響，這與實際生態(tài)情況相符。2002、2007、2013和2018年PC1特征值的貢獻率分別為95.39%、94.93%、94.59%、88.27%。4個時間段的PC1特征值的貢獻率均超過85%以上，表明PC1涵蓋了4個指標因子的大部分信息，通過主成分分析得到的PC1能夠代替原有的4個評價指標，并以此合成萍鄉(xiāng)市的遙感生態(tài)指數(shù)。

表2 2002、2007、2013和2018年NDVI、WET、LST和NDSI的主成分分析結果

為了更好地了解和分析研究區(qū)的生態(tài)環(huán)境狀況，同時根據(jù)研究區(qū)生態(tài)環(huán)境的實際情況，參考其他研究的分級標準(徐涵秋，2013)，以0.2為間隔將遙感生態(tài)指數(shù)劃分為(0—0.2]、(0.2—0.4]、(0.4—0.6]、(0.6—0.8]、(0.8—1]，分別對應差、較差、一般、良好、優(yōu)，共5個等級。2002、2007、2013和2018年萍鄉(xiāng)市生態(tài)環(huán)境狀況分布如圖2所示，進一步統(tǒng)計各生態(tài)環(huán)境狀況等級所占面積情況得到表3。分析可知，2002—2018年萍鄉(xiāng)市的生態(tài)環(huán)境狀況以一般和良好為主，良好等級面積所占比重一直最大。

圖2 2002(a)、2007(b)、2013(c)和2018(d)年萍鄉(xiāng)市生態(tài)環(huán)境狀況分布Fig. 2 Distribution of ecological environment of Pingxiang city in 2002 (a)，2007 (b)，2013 (c) and 2018 (d)

表3 2002、2007、2013和2018年萍鄉(xiāng)市生態(tài)環(huán)境分級統(tǒng)計值

由于各區(qū)縣的地勢地貌、經(jīng)濟、人口密度和城鎮(zhèn)化建設水平不同，生態(tài)環(huán)境狀況也有很大的差異性，為了了解各區(qū)縣的生態(tài)環(huán)境狀況，統(tǒng)計出2002—2018年萍鄉(xiāng)市各區(qū)縣的遙感生態(tài)指數(shù)的均值(表4)，用遙感生態(tài)指數(shù)均值表示生態(tài)環(huán)境的好壞，根據(jù)各區(qū)縣遙感生態(tài)指數(shù)的均值大小，對各個區(qū)縣的生態(tài)環(huán)境質量進行排名。通過對各區(qū)縣遙感生態(tài)指數(shù)的分析和比較，同時制作了萍鄉(xiāng)市各區(qū)縣的遙感生態(tài)指數(shù)均值空間分布(圖3)。

表4 2002、2007、2013和2018年萍鄉(xiāng)市各區(qū)縣遙感生態(tài)指數(shù)的均值和排名統(tǒng)計

由圖3和表4可知，2002年RSEI均值最高的地區(qū)為蓮花縣，為0.624，生態(tài)環(huán)境狀況最好；安源區(qū)作為市政府所在地，城區(qū)面積和人口密度相對較高，遙感生態(tài)指數(shù)均值最小，為0.565，生態(tài)環(huán)境狀況最差。與2002年相比，2007年RSEI均值都有升高，生態(tài)環(huán)境狀況都有變好的趨勢，其中蘆溪縣的RSEI均值最大，為0.668；而RSEI最低的為安源區(qū)，為0.599。2013年蘆溪縣的RSEI均值最高，為0.621；安源區(qū)的RSEI均值最小，為0.500。2018年蘆溪縣的RSEI均值排名第一，為0.660；RSEI均值最小為安源區(qū)，其值為0.528。

圖3 2002(a)、2007(b)、2013(c)和2018(d)年萍鄉(xiāng)市遙感生態(tài)指數(shù)均值的空間分布Fig. 3 Spatial distribution of the mean of RSEI of Pingxiang city in 2002 (a)，2007 (b)，2013 (c) and 2018 (d)

3.3 土地利用與生態(tài)環(huán)境狀況之間的關系

土地利用類型變化是人與自然共同作用于土地后，導致地表土地類型發(fā)生改變的結果。土地利用變化與生態(tài)環(huán)境的演變有著密切的關系，土地利用不僅能改變地表覆被的情況，同時也會改變區(qū)域內(nèi)的生態(tài)環(huán)境因子，生態(tài)環(huán)境因子的變化往往會引起生態(tài)環(huán)境質量的改變。林地、草地和水域等生態(tài)用地具有保護和穩(wěn)定區(qū)域生態(tài)系統(tǒng)平衡的作用，在一定程度上能夠改善生態(tài)環(huán)境狀況；而建設用地和未利用地等對生態(tài)環(huán)境具有一定程度的消極作用。為了更好地驗證土地利用類型與生態(tài)環(huán)境之間的關系，對土地利用類型信息與遙感生態(tài)指數(shù)進行分析處理，得到各土地利用類型的遙感生態(tài)指數(shù)值的大小(表5)。

分析表5可知，2002、2007年各土地利用類型下的RSEI均值大小為林地>水域>草地>耕地>未利用地>建設用地，2013年各土地利用類型下的RSEI均值大小為林地>草地>水域>耕地>建設用地>未利用地，2018年各土地利用類型下的RSEI均值大小為林地>草地>水域>耕地>未利用地>建設用地。通過對比發(fā)現(xiàn)，生態(tài)環(huán)境較好區(qū)域主要分布于林地、草地和水域等生態(tài)用地；生態(tài)環(huán)境較差區(qū)域主要位于建設用地和未利用地位置(塔拉，2019；趙恒謙，2019；王志杰，2021)，這與實際情況是相符的。

表5 2002、2007、2013和2018年萍鄉(xiāng)市各土地利用類型下的RSEI的統(tǒng)計值

4 結 論

文中基于2002、2007、2013和2018年Landsat遙感數(shù)據(jù)，利用GIS和RS技術，選用監(jiān)督分類中的支持向量機法對萍鄉(xiāng)市4個時期的影像進行土地利用信息提取，分析了萍鄉(xiāng)市的土地利用信息變化。同時通過提取綠度指標、干度指標、濕度指標和熱度指標4個評價指標，利用主成分分析法構建出萍鄉(xiāng)市的遙感生態(tài)指數(shù)(RSEI)，分析了萍鄉(xiāng)市生態(tài)環(huán)境狀況的時空變化，結論如下：

1) 2002—2018年萍鄉(xiāng)市的林地面積最大，而未利用地面積一直最少。2002—2018年建設用地持續(xù)增多；水域、林地和耕地先減后增，總體呈減少態(tài)勢；草地面積先增后減，總體呈增加態(tài)勢；未利用地先減后增，總體呈增加態(tài)勢。

2) 2002—2018年萍鄉(xiāng)市的生態(tài)環(huán)境狀況以“一般”和“良好”為主，其中“優(yōu)”和“良好”等級面積先增后減再增，總體呈增加態(tài)勢；“一般”等級面積先減后增再減，總體呈減少態(tài)勢；“較差”和“差”等級總體呈增加趨勢；“差”等級面積一直在持續(xù)增加。2002年蓮花縣的RSEI均值最大，為0.624，生態(tài)環(huán)境處于“良好”水平。2007、2013、2018年蘆溪縣的RSEI均值最大，生態(tài)環(huán)境都處于“良好”水平；而安源區(qū)的RSEI均值一直最小，生態(tài)環(huán)境始終處于“一般”水平。

3) 林地、草地和水域位置的生態(tài)環(huán)境質量相對偏好，說明林地、草地和水域等生態(tài)用地具有保護和穩(wěn)定生態(tài)系統(tǒng)平衡的作用，在一定程度上能夠改善生態(tài)環(huán)境狀況。而建設用地和未利用地位置的生態(tài)環(huán)境質量相對偏差，說明建設用地和未利用地對生態(tài)環(huán)境起消極作用。在生態(tài)環(huán)境保護和改善的進程中，需要進一步考慮土地資源的合理配置，科學規(guī)劃城市的發(fā)展方向。