中建八局第四建设有限公司,266100
[摘要内容]本文以山东济南市为研究调查对象,使用了2000年和2010年的两期Landsat 5 tm影像和2019年的Landsat 8 oli影像共三期遥感影像为研究数据,通过生态环境质量评价指标来获取济南市的生态环境质量状况,并且根据不同年份的数据互相比较来得出济南市在2000年到2019年的生态环境质量变化状况,为济南市生态环境发展提供参考和意见。本论文的主要研究结果:济南市 2000年、2010年、2019年的RSEI指数值分别为0.741、0.202、0.756,这说明济南市在2000年到2019年期间,生态环境质量呈现先下降后上升的趋势,2000年的RSEI指数比2019年的低,说明总体来看济南市的生态环境质量呈现上涨趋势,生态环境质量逐渐获得了改善。
[关键词] 生态环境质量;RSEI;主成分分析
一、引言
使用遥感技术对区域生态研究的文章有很多,例如李尧等利用遥感生态指数(RSEI)模型,对哈尔滨市延寿县生态环境状况进行了综合评价,得出结果为延寿县RSEI空间分布的总体特征表现为中间差、周围好的地域特征,其东北和东南部RSEI值较高,中部RSEI值较低。王志超等在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一文中得出结论锦江区植被覆盖率呈先下降后略有回升的整体下降趋势;而遥感生态指数呈连续下降趋势。何安良和周江文以长沙市为例,采用RSEI遥感生态指数模型对长沙市的城市生态环境进行了评价,得出了2004年、2013年、2019年遥感生态指数呈逐渐下降趋势,生态等级差与较差的面积逐渐增加的结论。李婷婷、马超等通过利用遥感生态指数模型结合SRTM DEM数据等对贺兰山山地生态系统进行研究,得出了贺兰山生态环境虽存在缓慢变好趋势,但整体生态质量仍极端脆弱的结论。
综上所述,利用遥感生态指数来监测和评价城市生态环境质量是当前的一种有效途径。济南市位于山东省中西部,是闻名遐迩的泉城,每年到这里旅游的人不计其数。但是21世纪以来,济南市在自然、人口、经济和政策等影响因素下生态环境状况出现了一系列问题。所以科学地开展对于生态环境质量的监测和评价工作对于促进济南市的社会和经济可持续性发展有着非常重大的意义。本文基于RSEI模型对济南市生态环境进行了多尺度、长期序列的综合性生态环境现状评价,分析其2000-2019年的变化特点和趋势,为济南市生态环境的保护与综合治理提供科学依据
二、研究方法
(一)基于遥感的RSEI遥感生态指数
遥感生态指数 RSEI(Remote Sensing Based Ecological Index,RSEI)是由徐涵秋教授在遥感技术的基础上提出的一种新的生态指标,这种指标可用于城市生态状况的快速监测和评价。在反映生态质量诸多自然因素中,湿度、绿度、干度和温度等与人们日常生活的关系最为紧密,也是一种可以直观地用来评价一个整体生态环境的重要测量指标,因此,人们往往将其实际应用引入到对整个生态系统的宏观评估中。RSEI通过主成分分析,综合了湿度(WET)、归一化植被指数(NDVI)、建筑—裸土指数(NDBSI)和地表温度(LST),代表了湿度、绿度、干度和热度等自然环境最重要的生态因子。综上所述,遥感生态指数 RSEI 可以表示为上述四个指标的集成函数,即
(2.1)
生态环境质量评价指数(RSEI)是一个完全基于遥感技术建立的生态环境评价指数,它结合了绿度指标(VI)、湿度指标(WET)、干度指标(NDBSI)和热度指标(LST),可以迅速地监测和分析评价各个区域的生态环境质量,是一种基于自然因素的生态环境评价指标。通过对主成分分析进行了权重调整,避免了由于人为原因导致的权重不均,并且通过自己制作的专题地图更加直观的让大家了解其评价的结果及其动态的变化。
(二)归一化处理
每一个评估指标都在计算过程中有不同单位,为了避免这种情况,在对主成分进行分析之前将每个评估指标都进行了归一化的处理。进行归一化处理后,各个指标的数值和取得相同的范围将会在[0,1]之间,接着对归一化之后的指标进行主成分分析,该方法可以避免不同尺度的结果权重不平衡,减少不同季节遥感图像的差异。归一化处理的公式如下所示:
(2.2)
在上述式中:为进行归一化之后的指标,
为该指标在像元i处的值,
分别为该指标的最大值和最小值。
(三) PCA以及变换
在将四个指标数据进行了归一化的图像处理后,利用 envi 5.3软件的三景波段图像合成工具可以把四个指标的影像数据综合称为单景影像,接着我们使用 PCA分析工具对新整理的影像数据进行了主成分分析。根据研究主成分分析的累计贡献率和实际研究需求,保留贡献率高的主成分进行主成分变换。为了将修改后的图像值表示为生态环境的优劣(值越高,生态环境越好),可以使用以下转换公式获得原始生态指数
。
(2.3)
在某些情况下,值越低的地方反而生态较好,这个时候可以用
公式来进行计算,使的RSEI值高的地方表示生态越好。接着对得到的
值进行归一化处理,使它的范围在[0,1]之间。值越大,表示该地区的生态环境越好。
三、各个年份RSEI计算及结果
通过ENVI5.3软件将2000、2010、2019年的Landsat 8遥感数据进行了处理,分别计算得到了绿度指标(NDVI)、湿度指标(WET)、干度指标(NDBSI)和热度指标(LST),分别进行归一化处理之后使用波段融合工具将四幅影像合为一景影像,再利用主成分分析工具计算得到了遥感生态指数RSEI。利用该RSEI指数制作专题地图,可以了解到济南市2000-2019这十九年生态环境大致变化情况,并且可以借此分析生态环境发生变化的原因。表3.1分别提供了三个年份RSEI指数的基本数据。
表3.1各年份RSEI遥感生态指数统计表
年份 | 2000 | 2010 | 2019 |
最小值 | 0.498 | 0.098 | 0.386 |
最大值 | 0.945 | 0.341 | 0.972 |
平均值 | 0.741 | 0.202 | 0.756 |
标准差 | 0.030 | 0.024 | 0.042 |
由上表数据可知,2000年、2010年、2019年的RSEI指数平均值分别是0.741、0.202、0.756,此项数据显示,济南市在2000年至2019年期间,生态环境的质量指数呈现先是下降后继续上升的变化趋势,2000年的RSEI指数比2019年的低,说明了总体上济南市的生态环境和水资源的质量也呈现出一定的上升倾向,生态环境的质量也逐渐地得到了改善。
四、生态环境质量指数分级
表4.1济南市不同RSEI等级面积占比
RESI等级 | 2000(km2) | 占比(%) | 2010(km2) | 占比(%) | 2019(km2) | 占比(%) |
1:差 | 1569.62 | 15.35 | 1872.84 | 18.32 | 128.72 | 1.26 |
2:较差 | 1284.00 | 12.56 | 3098.10 | 30.31 | 1534.53 | 15.01 |
3:中等 | 3570.91 | 34.93 | 3153.20 | 30.85 | 3241.67 | 31.71 |
4:良好 | 2280.45 | 22.31 | 1711.39 | 16.74 | 3421.60 | 33.47 |
5:优 | 1517.28 | 14.84 | 386.73 | 3.78 | 1895.74 | 18.55 |
总和 | 10222.26 | 100.00 | 10222.26 | 100.00 | 10222.26 | 100.00 |
上表为济南市不同RSEI等级面积占比表,从表中可以得知2000年开始到2010年,等级为优和良好的面积占比均呈现下降趋势,说明济南市整体生态环境破坏严重,RSEI指数下降;2010年与2019年相比,等级为优和良好的面积占比明显上升,等级为差的面积占比明显下降,说明从2010年到2019年期间,济南市的生态环境得到了保护,整体环境质量有所上升。2000年与2019年相比,等级为优和良好的面积占比明显上升,等级为差的面积占比明显下降,说明了从2000年到2019年济南市的环境质量明显得到了改善。
图4.1 2000年RSEI分布图
图4.2 2010年RSEI分布图 图4.3 2019年RSEI分布图
上面三幅影像分别为本次研究三个年份的RSEI等级分级图,由图可知,2000年商河县,长清区和平阴县绿色占多数,生态环境质量较好,而章丘区和历城区整体呈现橙红色,生态环境质量较差。2010年济南市整体环境质量都较差,可能是粗放式的经济发展带来的副作用。2019年莱芜区、章丘区、历城区、天桥区、历下区等地方整体呈现绿色,说明这几个区域的环境质量得到了明显的改善,而商河县和长清区绿色的浓度和面积占比虽然不如上述提到的几个区域,但较2010年橙色区域明显减少,整体环境质量得到了较好的改善。
五、结论
本文以济南市为研究对像,通过对绿度指标(NDVI)、湿度指标(WET)、干度指标(NDBSI)和热度指标(LST)进行主成分分析来获得生态环境质量评价指标(RSEI),了解济南市的动态环境质量数据,并且根据不同年份的数据互相比较来得出济南市在2000年到2019年的生态环境质量变化状况,为济南市生态环境发展提供参考和意见。本论文的主要研究结果如下所示:
(1)济南市2000年、2010年、2019年的RSEI值分别为0.741、0.202、0.756,此项数据表明,济南市在2000年到2019年期间,生态环境质量呈现先下降后上升的趋势,2000年的RSEI指数比2019年的低,说明总体上济南市生态环境质量呈现上升趋势,生态环境质量逐渐得到改善。根据表4.7可知2000年与2019年相比,等级为优和良好的面积占比明显上升,等级为差的面积占比明显下降。
(2)从各指标的变化趋势来分析,2000年、2010年和2019年三年的NDVI指标总体呈现上升的趋势,这说明济南市植被覆盖率逐步上升,尤其是济阳区、长清区和平阴区变化尤为明显。
济南市2000年、2010年和2019年的湿度指标(WET)总体呈现了下降趋势,这说明了济南市的总体植被和土壤湿度有所下降。
2000年、2010年和2019年的干度指标(NDBSI)呈现先下降后上升的趋势,但是2019年的干度指数比2000年的指数降低了0.092,总体呈现下降趋势。
2000年、2010年和2019年的热度指标(LST)处于逐渐下降的趋势。
(3)济南市2019年城市绿地覆盖率比2010年提升了5.1%,绿化覆盖率显著上升,NDVI指标与植被覆盖率相关。湿度指标和干度指标与人口密度和建筑物面积相关。地表温度与归一化植被指数、地形起伏程度的相关性较大,与这两个要素成负相关。
参考文献
[1] 徐涵秋.城市生态指数的传感及其应用[J]. 生态学报,2013,33(24):7853-7862.
[2]张彦敏,张征云,江文渊,李莉,张雷波,张亦楠.天津市重要生态空间的生态变化遥感监测分析[J].环境生态学,2020,2(06):7-12.
[3] 周玲美,王世航.内蒙古杭锦旗生态环境时空变化的遥感监测与评价[J]. 应用生态学报,2020,31(6):1999-2006.
[4] 农兰萍,王金亮.基于RSEI模型的昆明市生态环境质量动态监测[J]. 生态学杂志,2020,39(6):2042-2050.
[5] 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(05)