陳銘楊 程煜 楊洪偉 黃薇薇 楊冬雪 任雅茹

摘要：把握區(qū)域生態(tài)環(huán)境的時(shí)空格局，厘清其主要影響因素，對(duì)實(shí)現(xiàn)區(qū)域生態(tài)文明建設(shè)具有決定性作用。基于GEE平臺(tái)，構(gòu)建遙感生態(tài)指數(shù)（RSEI），解析2001—2020年間長(zhǎng)三角生態(tài)環(huán)境質(zhì)量時(shí)空變化，并利用隨機(jī)森林模型分析其影響因素。結(jié)果顯示：（1）時(shí)間維度上，RSEI先降后升，但研究期末仍低于期初；空間維度上，山地丘陵區(qū)RSEI顯著高于各城市建成區(qū)。（2）時(shí)空演化上，皖北地區(qū)RSEI始終呈上升態(tài)勢(shì)，長(zhǎng)江沿岸及太湖周邊城市建成區(qū)RSEI明顯呈下降趨勢(shì)。（3）建設(shè)用地面積占比（POCL）、坡度（SLOPE）和高程（DEM）是影響長(zhǎng)三角RSEI的主導(dǎo)因素。當(dāng)POCL大于3%時(shí)，對(duì)RSEI起抑制作用，在3%-50%區(qū)間，其抑制作用更為顯著；SLOPE在0-0.6°和2.5°-29.5°區(qū)間對(duì)RSEI起促進(jìn)作用，而在0.6°-2.5°和大于29.5°區(qū)間對(duì)RSEI起抑制作用；DEM ≥ 1150 m時(shí)，其對(duì)RSEI的促進(jìn)作用達(dá)到最大后保持平穩(wěn)。進(jìn)一步優(yōu)化城市用地空間布局，增加城市綠地面積，是實(shí)現(xiàn)長(zhǎng)三角高質(zhì)量發(fā)展的必由之路。

關(guān)鍵詞：長(zhǎng)三角；生態(tài)環(huán)境質(zhì)量；隨機(jī)森林；影響因素

中圖分類號(hào)：X87；X826文獻(xiàn)標(biāo)志碼：A文章編號(hào)：1001-2443（2023）03-0277-09

引言

伴隨著我國(guó)城鎮(zhèn)化進(jìn)程的不斷加快，土壤退化、水質(zhì)惡化、大氣污染等生態(tài)環(huán)境問(wèn)題日益突出［1］，在影響自然環(huán)境的同時(shí)也極大制約了社會(huì)經(jīng)濟(jì)的高質(zhì)量發(fā)展。及時(shí)監(jiān)測(cè)與評(píng)估區(qū)域生態(tài)環(huán)境的變化，對(duì)保持區(qū)域生態(tài)環(huán)境質(zhì)量具有重要意義。

生態(tài)環(huán)境質(zhì)量評(píng)價(jià)作為生態(tài)環(huán)境研究中的關(guān)鍵問(wèn)題，備受學(xué)者關(guān)注。早期生態(tài)環(huán)境質(zhì)量評(píng)價(jià)研究中，學(xué)者們多采用基于面板統(tǒng)計(jì)數(shù)據(jù)的壓力—狀態(tài)—響應(yīng)模型（PSR）［2］、生態(tài)環(huán)境指數(shù)（EI）［3］、生態(tài)足跡［4］等方法。這類方法所需指標(biāo)較多，部分指標(biāo)數(shù)據(jù)獲取難度大，且研究受限于行政區(qū)劃影響，多為省域［4］、市域［5］和縣域［6］等中宏觀尺度，缺乏空間上的整體情況研究。2013年，徐涵秋［7-8］提出的遙感生態(tài)指數(shù)（Remote Sensing Ecological Index， RSEI）由熱度、綠度、干度、濕度四個(gè)指標(biāo)組成，該指數(shù)的指標(biāo)數(shù)據(jù)可完全通過(guò)遙感手段獲得，且能反映區(qū)域生態(tài)系統(tǒng)的復(fù)雜性、多樣性和典型性，同時(shí)，該指數(shù)可從柵格尺度上評(píng)價(jià)區(qū)域生態(tài)環(huán)境質(zhì)量。因此，RSEI很快成為了測(cè)度生態(tài)環(huán)境質(zhì)量的有效新手段［9-10］。然而，利用RSEI評(píng)價(jià)大范圍區(qū)域的生態(tài)環(huán)境質(zhì)量時(shí)，卻會(huì)面臨龐大的遙感數(shù)據(jù)下載和預(yù)處理的困難［11］。隨著Google Earth Engine（GEE）平臺(tái)的建立與發(fā)展，其強(qiáng)大的云算力和存儲(chǔ)特征為遙感影像數(shù)據(jù)的處理提供了高效的處理平臺(tái)［12］，進(jìn)一步推動(dòng)了RSEI的應(yīng)用［13-14］。

長(zhǎng)三角是我國(guó)經(jīng)濟(jì)社會(huì)發(fā)展最具顯示性的戰(zhàn)略區(qū)域，其快速發(fā)展的背后是植被覆蓋率下降、生態(tài)用地減少、生態(tài)系統(tǒng)退化等一系列生態(tài)環(huán)境問(wèn)題，嚴(yán)重削弱了該區(qū)域環(huán)境承載能力。在長(zhǎng)三角一體化全方位加速發(fā)展的新階段，“堅(jiān)持綠色高質(zhì)量發(fā)展，把保護(hù)和修復(fù)生態(tài)環(huán)境擺在重要位置”，高度重視并構(gòu)建區(qū)域生態(tài)環(huán)境保護(hù)共同體是實(shí)現(xiàn)生態(tài)環(huán)境質(zhì)量保護(hù)與經(jīng)濟(jì)發(fā)展雙重目標(biāo)的客觀需求。當(dāng)前從柵格尺度評(píng)價(jià)長(zhǎng)三角整體生態(tài)環(huán)境質(zhì)量的相關(guān)研究較少，此外，在生態(tài)環(huán)境質(zhì)量影響因素研究中通常采用地理探測(cè)器［1］、相關(guān)分析法［9］、因子分析法［15］等方法，但這類方法只能揭示解釋變量與因變量之間的線性關(guān)系，而非線性的隨機(jī)森林模型則可以彌補(bǔ)以上方法的不足。因此，本文將借助GEE平臺(tái)，基于MODIS數(shù)據(jù)，建立RSEI綜合評(píng)價(jià)模型，研究2001—2020年長(zhǎng)三角生態(tài)環(huán)境質(zhì)量的時(shí)空演化特征，并運(yùn)用隨機(jī)森林模型探析影響因素的重要性及其與生態(tài)環(huán)境質(zhì)量之間的非線性關(guān)系，以期為長(zhǎng)三角生態(tài)環(huán)境保護(hù)提供科學(xué)依據(jù)。

1 研究方法與數(shù)據(jù)來(lái)源

1.1 數(shù)據(jù)來(lái)源

構(gòu)建遙感生態(tài)指數(shù)所需的歸一化植被指數(shù)（NDVI）數(shù)據(jù)提取自MOD13A1數(shù)據(jù)集，該數(shù)據(jù)集選取每個(gè)位置十六天內(nèi)的最優(yōu)像素進(jìn)行合成，分辨率為500 m；地表溫度（LST）數(shù)據(jù)提取自MOD11A2地表溫度數(shù)據(jù)集，MOD11A2數(shù)據(jù)集以1 km的分辨率提供了8天地表溫度的平均值；干度和濕度數(shù)據(jù)提取自MOD09A1影像集，MOD09A1影像集提供了MODIS影像中7個(gè)波段的表面光譜反射率估計(jì)值，該影像集以8天為周期進(jìn)行合成，分辨率為500 m［16］。

土地利用和DEM數(shù)據(jù)來(lái)源于中科院資源環(huán)境科學(xué)與數(shù)據(jù)中心（https：//www.resdc.cn/），土地利用數(shù)據(jù)空間分辨率為30 m×30 m，DEM空間分辨率為90 m×90 m，同時(shí)基于DEM數(shù)據(jù)，通過(guò)ArcGIS 10.5中的Aspect和Slope工具計(jì)算出坡度和坡向數(shù)據(jù)。降水?dāng)?shù)據(jù)和氣溫?cái)?shù)據(jù)均來(lái)自國(guó)家地球系統(tǒng)科學(xué)數(shù)據(jù)中心（http：//www.geodata.cn/），空間分辨率為1 km×1 km。人口密度柵格數(shù)據(jù)來(lái)源于Worldpop（https：//www.worldpop.org/），空間分辨率為1 km×1 km。GDP柵格數(shù)據(jù)是基于夜間燈光數(shù)據(jù)、土地利用數(shù)據(jù)及市級(jí)GDP統(tǒng)計(jì)數(shù)據(jù)對(duì)1km×1km的網(wǎng)格賦值所得到［17］，空間分辨率為1km×1km。

1.2 預(yù)處理

在GEE平臺(tái)上采用去云中值的方法合成2001、2005、2010、2015和2020年五個(gè)時(shí)相夏季MODIS數(shù)據(jù)集，并將MODIS數(shù)據(jù)集分辨率重采樣為1 km。為確保計(jì)算土壤和植被濕度的準(zhǔn)確性，需要掩膜去除大面積水體。坐標(biāo)系統(tǒng)一采用WGS1984地理坐標(biāo)系，并基于5 km×5 km漁網(wǎng)統(tǒng)計(jì)遙感生態(tài)指數(shù)和各影響因素的均值。

1.3 研究方法

1.3.1 遙感生態(tài)指數(shù) 遙感生態(tài)指數(shù)（RSEI）可由綠度、熱度、濕度和干度四個(gè)生態(tài)指標(biāo)構(gòu)成［7-8］。綠度通過(guò)NDVI來(lái)表征；熱度可用地表溫度（LST）來(lái)表征；濕度指標(biāo)（WET）使用MOD09A1多光譜影像集經(jīng)纓帽變換后的第三分量進(jìn)行表征，代表土壤和植被所含水分的多少［18］；干度指標(biāo)（NDBSI）采用建筑指數(shù)（IBI）和裸土指數(shù)（SI）的平均值來(lái)刻畫［19-20］。各生態(tài)指標(biāo)的計(jì)算方法見(jiàn)表1。

1.3.2 隨機(jī)森林模型 隨機(jī)森林模型是Breiman于2001年提出的一種基于決策樹(shù)的機(jī)器學(xué)習(xí)算法，可模擬解釋變量和因變量之間的復(fù)雜關(guān)系［21］。隨機(jī)森林利用bootsrap重采樣方法從原始樣本中抽取多個(gè)樣本構(gòu)造決策樹(shù)，其回歸模型結(jié)果按決策樹(shù)投票分?jǐn)?shù)而定［22］。本文將2001年、2010年和2020年三個(gè)時(shí)相的8個(gè)影響因子和RSEI分別作為自變量和因變量，按照1∶9的比例劃分測(cè)試集和訓(xùn)練集構(gòu)建隨機(jī)森林模型。利用部分依賴圖描述某一解釋變量在排除其他解釋變量的情況下與因變量之間的回歸關(guān)系，并通過(guò)測(cè)試集的R2來(lái)對(duì)模型精度進(jìn)行表征。

2 結(jié)果與分析

2.1 RSEI模型檢驗(yàn)

由表2可知：（1）四個(gè)指標(biāo)各年份第一主成分（PC1）的貢獻(xiàn)率均在60%以上，表明PC1能集合四個(gè)指標(biāo)大部分的特征信息［23］，可用于主成分分析；（2）四個(gè)指標(biāo)的平均貢獻(xiàn)度絕對(duì)值中，NDVI（0.6743）＞NDBSI（0.5734）＞LST（0.3584）＞W(wǎng)ET（0.2003）；（3）PC1中四個(gè)指標(biāo)的貢獻(xiàn)度中NDVI與WET為正值，起正向效應(yīng)，LST與NDBSI為負(fù)值，起負(fù)向效應(yīng)，這與實(shí)際情況相符。因此，依據(jù)PC1提取的信息構(gòu)建RSEI是合理的。

由于缺乏實(shí)測(cè)數(shù)據(jù)，因此直接評(píng)價(jià)RSEI模型的準(zhǔn)確性較為困難。而生態(tài)環(huán)境質(zhì)量與土地利用類型密切相關(guān)［24］，因此可借助土地利用數(shù)據(jù)間接驗(yàn)證RSEI模型的準(zhǔn)確性。以0.2為間隔，將RSEI劃分為優(yōu)、良、一般、較差和差五個(gè)等級(jí)［9］，并統(tǒng)計(jì)2001年、2010年和2020年三個(gè)時(shí)相各等級(jí)的土地利用類型面積占比，據(jù)此繪制成圖1。由圖1可知，RSEI等級(jí)為優(yōu)的主要土地利用類型是林地，其次是耕地，其余用地類型占比非常小。RSEI等級(jí)為良和一般的土地利用類型情況非常相似，主要是耕地，占比都在50%以上。RSEI等級(jí)為差和較差的土地利用類型以建設(shè)用地為主，其中RSEI等級(jí)為差中的建設(shè)用地面積占比達(dá)到了70%以上。這與林地是生態(tài)用地，耕地是半生態(tài)用地，建設(shè)用地是非生態(tài)用地［25］的實(shí)際情況相符合。因而，本文所構(gòu)建RSEI模型測(cè)算的結(jié)果是可靠的。

2.2 生態(tài)環(huán)境質(zhì)量時(shí)空特征

從圖2可以看出，研究期內(nèi)，長(zhǎng)三角生態(tài)環(huán)境質(zhì)量呈先降后升的波動(dòng)變化，但研究期末仍差于研究期初，最高值（0.6686）出現(xiàn)在2005年，最低值（0.6354）出現(xiàn)在2015年。具體來(lái)看，2001—2005年間，生態(tài)環(huán)境質(zhì)量略微變好，這是因?yàn)?005年全國(guó)降水普遍偏多，而降水的增多會(huì)在一定程度上提高土壤的濕度。2005—2015年逐漸惡化，原因是城市化的快速發(fā)展，生態(tài)用地的大幅度縮減，使得生態(tài)功能退化。2010—2015年下降速率較前五年有所減緩，下降速率由3.25%降至1.78%，2015—2020年間生態(tài)環(huán)境質(zhì)量明顯改善，這一期間，國(guó)家相繼發(fā)布了《全國(guó)生態(tài)保護(hù)與建設(shè)規(guī)劃（2013—2020年）》《生態(tài)文明體制改革總體方案》，這為長(zhǎng)三角大力開(kāi)展生態(tài)保護(hù)和治理提供了指導(dǎo)，導(dǎo)致區(qū)域生態(tài)環(huán)境質(zhì)量逐步好轉(zhuǎn)。

為了進(jìn)一步分析長(zhǎng)三角生態(tài)環(huán)境質(zhì)量，以0.2為間隔將RSEI分成五類等級(jí)［9］，分別是差［0，0.2］、較差［0.2，0.4］、一般［0.4，0.6］、良好［0.6，0.8］和優(yōu)［0.8，1.0］。由圖3和表3可知，長(zhǎng)三角生態(tài)環(huán)境質(zhì)量以良好等級(jí)為主，其面積占比超過(guò)50%，這與長(zhǎng)三角水熱條件優(yōu)越、綠化覆蓋率較高的事實(shí)相符合。從時(shí)間上來(lái)看：優(yōu)等級(jí)面積占比呈現(xiàn)出升—降—升的變化趨勢(shì)；良好等級(jí)面積占比呈現(xiàn)出降—升的變化趨勢(shì)，最高值（63.68%）出現(xiàn)在2001年，最低值（51.24%）出現(xiàn)在2015年；一般等級(jí)面積占比呈現(xiàn)出升—降的變化趨勢(shì)；較差和差等級(jí)呈現(xiàn)出降—升—降—升的變化趨勢(shì)，波動(dòng)較大。

從空間分布格局來(lái)看（圖4），長(zhǎng)三角生態(tài)環(huán)境質(zhì)量整體呈“北劣南優(yōu)，東差西好”的空間格局。其中，生態(tài)環(huán)境質(zhì)量等級(jí)為差和較差的區(qū)域主要集中分布在上海、蘇州、無(wú)錫和常州等城鎮(zhèn)化水平較高的地區(qū)，其建設(shè)用地面積的擴(kuò)張擠占了原本的生態(tài)用地，導(dǎo)致植被綠地減少，城市熱島效應(yīng)增強(qiáng)。等級(jí)為優(yōu)良的區(qū)域主要分布在皖西大別山以及皖南和浙江南部等山地丘陵區(qū)，這里植被覆蓋率較高，人類活動(dòng)強(qiáng)度相對(duì)較弱，生態(tài)承載能力較強(qiáng)。等級(jí)為一般的地區(qū)主要集中分布在皖北，2001年皖北地區(qū)的生態(tài)環(huán)境質(zhì)量以一般為主，部分地區(qū)生態(tài)環(huán)境質(zhì)量處于較差和差等級(jí)，這是由于該地區(qū)的土地利用類型以農(nóng)業(yè)用地為主，早期的農(nóng)業(yè)生產(chǎn)方式較為粗放，隨著綠色農(nóng)業(yè)生產(chǎn)技術(shù)的應(yīng)用與推廣，皖北地區(qū)生態(tài)環(huán)境質(zhì)量逐漸改善，2020年皖北地區(qū)大部分地區(qū)生態(tài)環(huán)境質(zhì)量處于良好等級(jí)，只有阜陽(yáng)市的中南部小范圍區(qū)域生態(tài)環(huán)境質(zhì)量仍以一般等級(jí)為主。

2.3 生態(tài)環(huán)境質(zhì)量時(shí)空演變

表4給出了長(zhǎng)三角2001—2020年三個(gè)不同時(shí)段的生態(tài)環(huán)境質(zhì)量變化面積統(tǒng)計(jì)結(jié)果，可以看出，2001—2010年，持續(xù)改善的區(qū)域面積為4.43萬(wàn) km2，而退化的區(qū)域面積為6.8萬(wàn) km2，生態(tài)環(huán)境質(zhì)量退化的面積明顯高于改善的面積，表明長(zhǎng)三角在2001—2010年間生態(tài)環(huán)境質(zhì)量處于下降的趨勢(shì)。與2001—2010年相比，2010—2020年生態(tài)環(huán)境質(zhì)量變化具有與之相反的趨勢(shì)，2010—2020年，生態(tài)環(huán)境質(zhì)量改善的面積為4.83萬(wàn) km2，高于生態(tài)環(huán)境質(zhì)量退化的面積4.14萬(wàn) km2?？傮w來(lái)看，2001—2020年與2001—2010年具有類似的變化趨勢(shì)，雖然近10年生態(tài)環(huán)境質(zhì)量有所改善，但改善的幅度還不夠顯著。

依據(jù)圖5可知，不同地區(qū)RSEI的變化趨勢(shì)存在明顯的空間差異。2001—2010年，生態(tài)環(huán)境變差的區(qū)域主要集中在蘇州、常州、無(wú)錫、上海等城市化發(fā)展較快的地區(qū)，江蘇中部和北部城市生態(tài)環(huán)境質(zhì)量也有所變差，與濕度有所降低相關(guān)，皖北農(nóng)業(yè)區(qū)的生態(tài)環(huán)境質(zhì)量明顯提高。2010—2020時(shí)間段里，皖北農(nóng)業(yè)區(qū)、江蘇省、上海市和浙江省南部區(qū)域生態(tài)環(huán)境質(zhì)量有所改善，這得益于生態(tài)保護(hù)規(guī)劃與措施的制定和實(shí)施，以及人們生態(tài)保護(hù)理念的提升，變差的區(qū)域較少，主要集中在合肥、阜陽(yáng)等地，如近些年來(lái)經(jīng)濟(jì)社會(huì)發(fā)展迅速的合肥市，其建設(shè)用地面積更是由2001年的125.00 km2增至2020年的466.54 km2，擴(kuò)大了將近三倍。整體來(lái)看，2001—2020年，長(zhǎng)三角生態(tài)環(huán)境質(zhì)量變差的地區(qū)主要分布在城市建成區(qū)，生態(tài)環(huán)境質(zhì)量改善的地區(qū)主要集中分布在皖北農(nóng)業(yè)區(qū)。值得注意的是，上海市的不透水面面積（主要包括建筑和道路）由2001年的1367.96 km2增加至2020年的2472.39 km2，超過(guò)上海市總面積的三分之一［26］，但經(jīng)過(guò)近20年的環(huán)境治理和造林，上海市的森林覆蓋率從1999年的3%增至2020年的18.49%，雖然2020年上海市生態(tài)環(huán)境質(zhì)量較2001年有所下降，但整體呈好轉(zhuǎn)趨勢(shì)。

2.4 生態(tài)環(huán)境質(zhì)量影響因素分析

生態(tài)環(huán)境質(zhì)量受到自然和人文因素的綜合影響［27］?；趯?duì)已有研究的梳理［1，9，28］，遵循科學(xué)性和可獲取性等原則，本文選取2001年、2010年和2020年三個(gè)時(shí)相的高程（DEM）、坡度（SLOPE）、坡向（ASPECT）、年均降水（PRE）以及年均氣溫（TEM）作為自然解釋變量，GDP、人口密度（POP）和建設(shè)用地面積占比（POCL）作為人文解釋變量，RSEI為被解釋變量，用以構(gòu)建隨機(jī)森林模型。在構(gòu)建隨機(jī)森林模型前，利用SPSS軟件對(duì)三個(gè)時(shí)相的8個(gè)影響因素與對(duì)應(yīng)年份的RSEI做了相關(guān)性分析，結(jié)果（表5）顯示各年份的影響因素均在0.01的顯著性水平與RSEI上顯著相關(guān)，滿足構(gòu)建隨機(jī)森林的條件。

基于隨機(jī)森林模型構(gòu)建RSEI與影響因素之間的回歸模型，三個(gè)時(shí)相的測(cè)試集決定系數(shù)R2分別為0.811、0.811和0.843，均在0.8以上，說(shuō)明模型擬合結(jié)果較好。圖6是基于permutation方法得到的影響因素相對(duì)重要性排序。由圖6可知，自然因素中，PRE和TEM的重要性大小排名相對(duì)靠后，表明二者對(duì)長(zhǎng)三角RSEI空間分布的影響力不夠顯著，其中2001年P(guān)RE重要性大小偏高是由于該年份長(zhǎng)江下游地區(qū)出現(xiàn)干旱的狀況，導(dǎo)致PRE解釋力偏高。其次，ASPECT對(duì)RSEI變化無(wú)明顯驅(qū)動(dòng)作用，SLOPE和DEM重要性排名靠前，表明二者對(duì)RSEI空間分異性的解釋力度高。人文因素中，POCL的重要性自2010年以來(lái)明顯大于其他影響因子，表明POCL已逐漸成為長(zhǎng)三角RSEI變化的主導(dǎo)因子，GDP與POP則相對(duì)靠后，三個(gè)人文因素的重要性大小在研究期內(nèi)增加較快，說(shuō)明研究期內(nèi)人類活動(dòng)對(duì)生態(tài)環(huán)境的影響持續(xù)增強(qiáng)?？傮w來(lái)說(shuō)，POCL、SLOPE和DEM的重要性大小排名相對(duì)靠前，是影響長(zhǎng)三角RSEI的主導(dǎo)因素。

為準(zhǔn)確得出各變量與RSEI的偏依賴關(guān)系，這里選取三個(gè)時(shí)相的所有樣本數(shù)據(jù)構(gòu)建隨機(jī)森林模型，并得到偏依賴關(guān)系圖（圖7），其反映了長(zhǎng)三角RSEI與各影響因素之間的數(shù)理關(guān)系。結(jié)果表明：建設(shè)用地面積占比與RSEI的關(guān)系呈現(xiàn)出平穩(wěn)—下降的趨勢(shì)，當(dāng)建設(shè)用地面積占比小于3%時(shí)，RSEI穩(wěn)定不變，表明此時(shí)RSEI受到城市擴(kuò)張的影響較小，當(dāng)建設(shè)用地面積占比大于3%時(shí)，其與RSEI呈顯著的負(fù)相關(guān)關(guān)系，值得注意的是，當(dāng)建設(shè)用地面積占比在3%-50%時(shí)，RSEI迅速下降，表明此時(shí)城市擴(kuò)張對(duì)生態(tài)環(huán)境的抑制作用較強(qiáng)。GDP在3.1×105 萬(wàn)元/km2內(nèi)與RSEI呈顯著的負(fù)相關(guān)關(guān)系，RSEI隨著GDP的增加先是急劇下滑再緩慢下滑，當(dāng)GDP增加至3.1×105 萬(wàn)元/km2，RSEI達(dá)到低值后開(kāi)始趨于平緩。人口密度對(duì)生態(tài)環(huán)境的影響與GDP相類似，當(dāng)人口密度小于2.5×104 人/km2時(shí)，其與RSEI呈負(fù)相關(guān)關(guān)系。高程偏依賴圖中可以看出，隨著高程的增加，RSEI隨之增加，到1150 m左右達(dá)到最高值并幾乎保持不變。海拔是影響人口和經(jīng)濟(jì)發(fā)展的重要因素，通常人類在海拔較低的平原地帶活動(dòng)較為頻繁［29］，高海拔地區(qū)人類活動(dòng)干擾相對(duì)較小，因而長(zhǎng)三角高海拔地區(qū)的生態(tài)環(huán)境質(zhì)量相對(duì)較好。坡度與RSEI的關(guān)系呈現(xiàn)出上升—下降—上升—下降的趨勢(shì)，當(dāng)坡度小于0.6°時(shí)，RSEI開(kāi)始上升，隨后在0.6°-2.5°之間，RSEI開(kāi)始下降，當(dāng)坡度大于2.5°時(shí)，RSEI又開(kāi)始上升，直至29.5°時(shí)，RSEI才呈下降趨勢(shì)，可能是由于坡度大于29.5°時(shí)易發(fā)生水土流失，進(jìn)而造成RSEI的下降。由ArcGIS 10.5坡向分類可知，陽(yáng)坡在135°-225°之間，半陽(yáng)坡為225°-315°，坡向偏依賴圖中可以看出陽(yáng)坡的生態(tài)環(huán)境質(zhì)量明顯高于陰坡。氣溫偏依賴圖中可以看出，隨著氣溫上升RSEI呈現(xiàn)出平穩(wěn)—上升—波動(dòng)下降的趨勢(shì)，當(dāng)年均氣溫低于13.8 ℃時(shí)，RSEI幾乎穩(wěn)定不變，而年均氣溫在13.8 ℃-15 ℃間，RSEI開(kāi)始上升，隨后開(kāi)始波動(dòng)下降，這是因?yàn)闅鉁貢?huì)影響植被綠度的高低［30］，同時(shí)氣溫會(huì)改變城市熱島強(qiáng)度［31］，進(jìn)而影響RSEI。降水與RSEI的關(guān)系基本呈現(xiàn)上升—下降—平穩(wěn)的趨勢(shì)，當(dāng)年均降水小于1150 mm時(shí)，RSEI逐漸上升，而年均降水大于1150 mm小于2100mm時(shí)，RSEI開(kāi)始下降，年均降水大于2100mm時(shí)，則幾乎保持不變，與植被生長(zhǎng)對(duì)降水有一定的最適范圍有關(guān)［32］。

3 討論

（1）傳統(tǒng)RSEI構(gòu)建過(guò)程需要在計(jì)算機(jī)本地下載和處理遙感影像數(shù)據(jù)，過(guò)程較為繁瑣。且在面對(duì)研究區(qū)中云量較多區(qū)域存在數(shù)據(jù)缺失這一問(wèn)題時(shí)，研究者們通常采用相近年份的遙感影像來(lái)替代該年份的遙感影像［11］，一定程度上影響了結(jié)果的準(zhǔn)確性。借助GEE平臺(tái)使用去云中值的方法合成夏季RSEI分指標(biāo)數(shù)據(jù)，一方面可以極大提升模型構(gòu)建效率，另一方面可有效減小云量的干擾，提高研究的準(zhǔn)確性。

（2）已有相關(guān)研究表明，MODIS遙感影像相較于Landsat系列遙感影像更加適合于中尺度的研究［33］，故本研究選取MODIS遙感影像作為數(shù)據(jù)源構(gòu)建RSEI模型。建模結(jié)果顯示，PC1中四個(gè)指標(biāo)貢獻(xiàn)度的正負(fù)值分布與實(shí)際情況相符合，且經(jīng)驗(yàn)證RSEI模型得到的結(jié)果合理可靠。因此，本研究基于GEE平臺(tái)采用MODIS數(shù)據(jù)構(gòu)建的RSEI，可較好的評(píng)估長(zhǎng)三角生態(tài)環(huán)境質(zhì)量。

（3）本文構(gòu)建的隨機(jī)森林模型精度較高，可以有效解釋影響因素與RSEI之間的非線性關(guān)系。但同時(shí)也存在一些不足，本文隨機(jī)森林模型的運(yùn)算基于柵格數(shù)據(jù)模式，一些常規(guī)的統(tǒng)計(jì)年鑒數(shù)據(jù)由于缺乏成熟的空間化數(shù)據(jù)集而無(wú)法選用［22］，未來(lái)可考慮用機(jī)器學(xué)習(xí)的方法來(lái)實(shí)現(xiàn)統(tǒng)計(jì)年鑒數(shù)據(jù)空間化。

4 結(jié)論

本文基于GEE平臺(tái)，通過(guò)MODIS數(shù)據(jù)構(gòu)建遙感生態(tài)指數(shù)（RSEI），解析了2001—2020年間長(zhǎng)三角生態(tài)環(huán)境質(zhì)量時(shí)空變化，并利用隨機(jī)森林分析了其影響因素。主要結(jié)論如下：

（1）長(zhǎng)三角整體生態(tài)環(huán)境質(zhì)量本底較好。從時(shí)序特征上來(lái)看，長(zhǎng)三角生態(tài)環(huán)境質(zhì)量呈先降后升的波動(dòng)變化，但研究期末仍差于期初。從空間格局上來(lái)看，整體呈現(xiàn)出“北劣南優(yōu)，東差西好”的分異格局。從時(shí)空演化上來(lái)看，皖北生態(tài)環(huán)境質(zhì)量逐漸趨好，長(zhǎng)江沿岸、太湖周邊地區(qū)的城市建成區(qū)生態(tài)環(huán)境質(zhì)量明顯變差。

（2）建設(shè)用地面積占比（POCL）、坡度（SLOPE）和高程（DEM）是造成長(zhǎng)三角RSEI空間分異的主導(dǎo)因子。當(dāng)POCL大于3%時(shí)，其對(duì)RSEI起負(fù)面影響，在3%-50%區(qū)間，對(duì)RSEI的抑制作用顯著增強(qiáng)；SLOPE在2.5°-29.5°和0-0.6°兩個(gè)區(qū)間對(duì)RSEI起促進(jìn)作用，而在大于29.5°和0.6°-2.5°兩個(gè)區(qū)間時(shí)對(duì)RSEI起抑制作用；DEM≥1150 m時(shí)，其對(duì)RSEI的促進(jìn)作用達(dá)到最大后保持平穩(wěn)。

（3）建設(shè)用地的迅速擴(kuò)張是導(dǎo)致長(zhǎng)三角地區(qū)生態(tài)環(huán)境質(zhì)量下降的主要原因，因此未來(lái)需要合理規(guī)劃城市用地空間布局，增加城市綠地面積，以實(shí)現(xiàn)長(zhǎng)三角地區(qū)的高質(zhì)量發(fā)展。此外，可根據(jù)各影響因素與RSEI之間的關(guān)系，因地制宜地開(kāi)展生態(tài)環(huán)境治理與保護(hù)工作。

參考文獻(xiàn)

［1］ 宋媛， 石惠春， 謝敏慧， 等. 2000—2017年甘肅省生態(tài)環(huán)境質(zhì)量時(shí)空演變格局及其影響因素［J］. 生態(tài)學(xué)雜志， 2019， 38（12）： 3800-3808.

［2］ 高珊， 黃賢金. 基于PSR框架的1953—2008年中國(guó)生態(tài)建設(shè)成效評(píng)價(jià)［J］. 自然資源學(xué)報(bào)， 2010， 25（2）： 341-350.

［3］ 宋述軍， 柴微濤， 周萬(wàn)村. RS和GIS支持下的四川省生態(tài)環(huán)境狀況評(píng)價(jià)［J］. 環(huán)境科學(xué)與技術(shù)， 2008（10）： 145-147.

［4］ 張志強(qiáng)， 徐中民， 程國(guó)棟， 等. 中國(guó)西部12省（區(qū)市）的生態(tài)足跡［J］. 地理學(xué)報(bào)， 2001（5）： 598-609.

［5］ PAN H Y， ZHUANG M， GENG Y， et al. Emergy-based ecological footprint analysis for a mega-city： The dynamic changes of Shanghai［J］. Journal of Cleaner Production， 2018， 210： 552-562.

［6］ 劉瑞， 王世新， 周藝， 等. 基于遙感技術(shù)的縣級(jí)區(qū)域環(huán)境質(zhì)量評(píng)價(jià)模型研究［J］. 中國(guó)環(huán)境科學(xué)， 2012， 32（1）： 181-186.

［7］ 徐涵秋. 區(qū)域生態(tài)環(huán)境變化的遙感評(píng)價(jià)指數(shù)［J］. 中國(guó)環(huán)境科學(xué)， 2013， 33（5）： 889-897.

［8］ 徐涵秋. 城市遙感生態(tài)指數(shù)的創(chuàng)建及其應(yīng)用［J］. 生態(tài)學(xué)報(bào)， 2013， 33（24）： 7853-7862.

［9］ 李婷婷， 馬超， 郭增長(zhǎng)， 等. 基于RSEI模型的賀蘭山長(zhǎng)時(shí)序生態(tài)質(zhì)量評(píng)價(jià)及影響因素分析［J］. 生態(tài)學(xué)雜志， 2021， 40（4）： 1154-1165.

［10］ XU H Q， WANG Y F， GUAN H D， et al. Detecting ecological changes with a remote sensing based ecological index （RSEI） produced time series and change vector analysis［J］. Remote Sensing， 2019， 11（20）： 2345.

［11］ 王淵， 趙宇豪， 吳健生， 等. 基于Google Earth Engine云計(jì)算的城市群生態(tài)質(zhì)量長(zhǎng)時(shí)序動(dòng)態(tài)監(jiān)測(cè)—以粵港澳大灣區(qū)為例［J］. 生態(tài)學(xué)報(bào)， 2020， 40（23）： 8461-8473.

［12］ 楊露. 祁連山地區(qū)生態(tài)環(huán)境質(zhì)量時(shí)空變化及其驅(qū)動(dòng)機(jī)制分析［D］. 蘭州： 蘭州大學(xué)， 2021： 1-2.

［13］ WEI H L， WEI G J. Evaluation of the spatiotemporal variations in the eco-environmental quality in China based on the remote sensing index［J］. Remote Sensing， 2020， 12（15）： 2462.

［14］ YANG X Y， MENG F， FU P J， et al. Spatiotemporal change and driving factors of the eco-environment quality in the Yangtze River Basin from 2001 to 2019［J］. Ecological Indicators， 2021， 131： 108214.

［15］ 鄭嵐， 張志斌， 笪曉軍， 等. 嘉峪關(guān)市土地生態(tài)安全動(dòng)態(tài)評(píng)價(jià)及影響因素分析［J］. 干旱區(qū)地理， 2021， 44（1）： 289-298.

［16］ 鄭子豪， 吳志峰， 陳穎彪， 等. 基于Google Earth Engine的長(zhǎng)三角城市群生態(tài)環(huán)境變化與城市化特征分析［J］. 生態(tài)學(xué)報(bào)， 2021， 41（2）： 717-729.

［17］ 韓向娣， 周藝， 王世新， 等. 基于夜間燈光和土地利用數(shù)據(jù)的GDP空間化［J］. 遙感技術(shù)與應(yīng)用， 2012， 27（3）： 396-405.

［18］ LOBSER S E， COHEN W B. MODIS tasseled cap： Land cover characteristics expressed through transformed MODIS date［J］. International Journal of Remote Sensing， 2007， 28（22）： 5079-5101.

［19］ 劉峰， 楊光， 韓雪瑩， 等. 科爾沁沙地生態(tài)環(huán)境質(zhì)量遙感動(dòng)態(tài)監(jiān)測(cè)—以奈曼旗為例［J］. 水土保持研究， 2020， 27（5）： 244-249+258.

［20］ 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.

［21］ BREIMAN L. Random forests［J］. Machine learning， 2001， 45（1）： 5-32.

［22］ 夏曉圣， 陳菁菁， 王佳佳， 等. 基于隨機(jī)森林模型的中國(guó)PM2.5濃度影響因素分析［J］. 環(huán)境科學(xué)， 2020， 41（5）： 2057-2065.

［23］ 陳煒， 黃慧萍， 田亦陳， 等. 基于Google Earth Engine平臺(tái)的三江源地區(qū)生態(tài)環(huán)境質(zhì)量動(dòng)態(tài)監(jiān)測(cè)與分析［J］. 地球信息科學(xué)學(xué)報(bào)， 2019， 21（9）： 1382-1391.

［24］ ZHENG Z H， WU Z F， CHEN Y B， et al. Instability of remote sensing based ecological index （RSEI） and its improvement for time series analysis［J］. Science of the Total Environment， 2022， 814： 152595.

［25］ 劉繼來(lái)， 劉彥隨， 李裕瑞. 中國(guó)“三生空間”分類評(píng)價(jià)與時(shí)空格局分析［J］. 地理學(xué)報(bào)， 2017， 72（7）： 1290-1304.

［26］ 黃昕， 李家藝， 楊杰， 等. Landsat衛(wèi)星觀測(cè)下的30m全球不透水面年度動(dòng)態(tài)與城市擴(kuò)張模式（1972—2019）［J］. 中國(guó)科學(xué)： 地球科學(xué)， 2021， 51（11）： 1894-1906.

［27］ 吳宜進(jìn)， 趙行雙， 奚悅， 等. 基于MODIS的2006—2016年西藏生態(tài)質(zhì)量綜合評(píng)價(jià)及其時(shí)空變化［J］. 地理學(xué)報(bào)， 2019， 74（7）： 1438-1449.

［28］ 排日海·合力力， 昝梅， 阿里木江·卡斯木. 烏魯木齊市生態(tài)環(huán)境遙感評(píng)價(jià)及驅(qū)動(dòng)因子分析［J］. 干旱區(qū)研究， 2021， 38（5）： 1484-1496.

［29］ 劉睿文， 封志明， 楊艷昭， 等. 基于人口集聚度的中國(guó)人口集疏格局［J］. 地理科學(xué)進(jìn)展， 2010， 29（10）： 1171-1177.

［30］ LAMCHIN M， LEE W K， JEON S W， et al. Long-term trend and correlation between vegetation greenness and climate variables in Asia based on satellite data［J］. Science of the Total Environment， 2018， 618： 1089-1095.

［31］ 向煬， 周志翔. 基于地理探測(cè)器的城市熱島驅(qū)動(dòng)因素分析—以武漢市為例［J］. 長(zhǎng)江流域資源與環(huán)境， 2020， 29（8）： 1768-1779.

［32］ 付含培， 王讓虎， 王曉軍， 等. 1999—2018年黃河流域NDVI時(shí)空變化及驅(qū)動(dòng)力分析［J］. 水土保持研究， 2022， 29（2）： 145-153+162.

［33］ 郭城， 陳穎彪， 鄭子豪， 等. 顧及時(shí)空背景的遙感生態(tài)指數(shù)適用性分析—以粵港澳大灣區(qū)為例［J］. 地理與地理信息科學(xué)， 2021， 37（5）： 23-30.

Abstract： Grasping the spatial and temporal pattern of the regional ecological environment and clarifying its main influencing factors have a decisive role in realizing the construction of regional ecological civilization. Based on Google Earth Engine platform， we analyzed the temporal and spatial characteristics of ecological environment quality in Yangtze River Delta from 2001 to 2020 by constructing Remote Sensing Ecological Index （RSEI）， and discussed the influencing factors by random forest method. The results are as follows： （1） In the temporal dimension， RSEI decreased first and then increased， but it was still lower at the end of the study than at the beginning of the study. （2） In terms of spatio-temporal evolution， RSEI in northern Anhui was always on the rise， while RSEI in built-up areas along the Yangtze River and around Taihu Lake was obviously on the decline. （3） Construction land area proportion （POCL）， SLOPE and elevation （DEM） are the dominant factors affecting RSEI in the Yangtze River Delta. When POCL is greater than 3%， it has an inhibitory effect on RSEI， and the inhibitory effect is more significant in the range of 3%-50%. SLOPE promoted RSEI in the interval of 0°-0.6° and 2.5°-29.5°， and inhibited RSEI in the interval of 0.6°-2.5°and greater than 29.5°. When DEM ≥ 1150 m， its promoting effect on RSEI reaches the maximum and remains stable. To further optimize the spatial layout of urban land and increase the area of urban green space is the only way to achieve high-quality development of the Yangtze River Delta.

Key words： Yangtze River Delta; ecological environment quality; random forests; influencing factors

（責(zé)任編輯：鞏 劼）