张 浩，杜培军，罗洁琼，李二珠

（1. 南京大学 卫星测绘技术与应用国家测绘地理信息局重点实验室，江苏 南京 210023；2.南京大学 江苏省地理信息技术重点实验室，江苏 南京 210023；3.南京大学 江苏省地理信息资源开发与利用协同创新中心，江苏 南京 210023）

基于遥感生态指数的南京市生态变化分析

张 浩1,2,3，杜培军1,2,3，罗洁琼1,2,3，李二珠1,2,3

（1. 南京大学 卫星测绘技术与应用国家测绘地理信息局重点实验室，江苏 南京 210023；2.南京大学 江苏省地理信息技术重点实验室，江苏 南京 210023；3.南京大学 江苏省地理信息资源开发与利用协同创新中心，江苏 南京 210023）

城市化进程不断加快带来一系列生态环境问题，遥感技术可以快速、客观、定量地评价生态环境变化。选取1990、2002、2013年Landsat遥感影像提取湿度、绿度、干度、热度4个评价指标，通过主成分分析方法计算遥感生态指数RSEI，进行南京市生态环境变化定量分析评价。结果表明1990～2013年南京市生态环境质量有一定程度的下降，生态环境变好的区域主要分布在以明城墙为范围的老城区及周边，生态环境变差的区域分布在新近建设的“一城三区”。进一步分析发现，在4个分指标中，代表干度的指标NDBSI对于生态指数RSEI的贡献度最大，说明生态环境质量的下降与不透水面的大幅增加密切相关。

生态变化；遥感生态指数；城市扩展；南京市

近年来，我国的城镇化建设工作持续推进，取得了巨大的成就，同时也带来一些问题，如环境污染、交通拥堵、城市安全等。随着环境保护意识深入人心，城市生态环境质量评价工作显得愈加重要。2015年12月，中央城市工作会议在京召开，会议指出，城市工作是一个系统工程，要统筹生产、生活、生态3大布局。因此，如何在加快城市建设的同时，改善生态环境，是实现当前我国城市可持续发展面临的重要挑战。建立相对完备、易于实施的生态环境遥感动态监测和分析评价技术，可为解决这一问题提供重要的技术支持。

国内外学者在利用遥感技术进行生态环境评价方面开展了大量研究工作[1-6]。20世纪90年代以来，南京市城市化进程不断加快，城市化对生态环境的影响日益显著，作为国家区域中心城市之一，探讨其生态变化对于改善南京城市生态环境，提高城市发展持续性、宜居性具有重要意义。因此，本文利用遥感生态指数对南京市进行多指标、大范围、多时相的生态变化综合评价研究，探讨影响城市生态环境变化的关键因素并分析原因，一方面可以服务于南京市生态环境监测和生态城市建设，另一方面可以试验RSEI的适用性和有效性。

1 研究区与数据源

1.1 研究区概况

南京市位于长江下游中部富庶地区，是国家区域中心城市，也是长三角辐射带动中西部地区发展的国家重要门户城市。市中心新街口地理坐标为北纬32°02'38"、东经118°46'43"。南京属亚热带季风气候，雨量充沛，年平均降水1 200 mm，四季分明，年平均温度15.4℃。截止2014年，南京市常住人口为821.61万人，总面积达6 587.02 km2。

本次研究选取南京市主城区和仙林、东山、江北3个副城区及其周边区域为研究区，总面积约为2 198.71 km2。

1.2 数据源及预处理

本研究选取3景Landsat遥感影像作为主要数据源，获取日期分别为1990-07-11（TM）、2002-07-12（TM）和2013-08-11（OLI/TIRS），如图1所示。影像季相相同，质量完好，避免了因季节差异、植被生长状态不同而造成的影响。

图1 南京市遥感影像

数据预处理过程如下：①使用二次多项式和最邻近像元法对不同时相的三景影像进行几何校正，使其均方根误差小于0.5个像元以满足精度要求；②对影像进行辐射定标操作，将DN值转换为传感器处的反射率；③对辐射定标后的影像进行大气校正，消除大气和光照等因素对地物反射的影响[7-9]。

2 研究方法

本文针对城市生态系统，使用一个基于遥感信息并集成多种指标因素的遥感综合生态指数RSEI，通过提取湿度、绿度、干度、热度4个与人类生存相关的重要指标，客观快速地评价城市生态质量。4个指标分别对应使用遥感技术手段可获取的缨帽变换的湿度分量、植被指数、建筑裸土指数和地表温度来表示。缨帽变换的湿度分量与植被和土壤的湿度紧密相关，采用其值反映研究区湿度状况[10]；归一化植被指数NDVI是使用最为广泛的植被指数，使用它来代表绿度指标；研究区除城市建成区外，还包括部分裸土，因此，采用建筑指数IBI和土壤指数SI二者相结合生成的“建筑-裸土指数”NDBSI来表示干度指标[11-12]；热度指标使用地表温度表示，首先使用Landsat用户手册的模型计算亮度温度[13-14]，再通过比辐射率校正计算得出LST。RSEI计算流程如图2所示。

图2 RSEI计算流程图

图中，ρB、ρG、ρR、ρNIR、ρSWIR1、ρSWIR2分别代表TM第1、2、3、4、5、7波段以及OLI的Blue、Green、Red、NIR、SWIR1、SWIR2波段的反射率。对于Landsat5 TM影像，C1=0.031 5、C2=0.202 1、C3=0.310 2、C4=0.159 4、C5=−0.680 6、C6=−0.610 9；对 于Landsat8 OLI 影像[15]，C1=0.151 1、C2=0.197 3、C3=0.328 3、C4=0.340 7、C5=−0.711 7、C6=−0.455 9。

地表温度计算中，L6/10分别为TM/TIRS热红外波段像元在传感器处的辐射值；DN为像元灰度值；gain和bias分别为波段增益值和偏置值。对于TM，gain为0.055，bias为1.182 43；而对于TIRS，gain为3.342，bias为0.1；T为传感器处温度值，K1和K2分别为定标参数；对于TM，K1=607.76 W/（m2·sr·μm）、K2=1 260.56 K；而对于TIRS band10，K1=774.89W/（m2·sr·μm）、K2=1 321.08K；LST为地表温度，λ为热红外波段的中心波长，ρ= 1.438×10-2m·K，ε为地物的比辐射率，其值根据Sobrino的模型通过NDVI进行估算[16]。

主成分分析（PCA）是一种将多个变量通过正交线性变换来选出少数重要变量的多维数据压缩技术[17]。本研究采用主成分变换来集成以上4个指标，根据各指标对主分量的贡献度来自动客观地确定权重，从而实现以单一变量耦合多个指标的目的。在做主成分变换前，由于各指标量纲不统一，首先对这些指标进行正规化，将它们的数值映射到[0，1]区间。需要注意的是，由于长江穿南京市域而过，为避免大片水域影响PCA的荷载分布，对各指标采用MNDWI水体指数掩膜掉水体信息[18-19]。再将经过正规化及水体掩膜后的4个指标合成一幅新的影像，对新影像进行主成分变换，得到主成分分析结果矩阵。

为使PC1大的数值代表好的生态条件，可进一步用1减去计算出的PC1，获得初始的生态指数。为便于指标的度量和比较，同样对其进行正规化，结果即为所求的遥感生态指数RSEI，其值介于[0，1]之间。RSEI 值越高，表示其生态质量越好，反之则越差。

3 结果与分析

3.1 南京市生态环境时空变化分析

图3为计算得出的南京市遥感生态指数RSEI影像，表1则统计了研究区内各个年份4个分指标值的均值、标准差以及对PC1荷载值。从表1可以发现，南京市RESI均值由1990年的0.697到2002年的0.622，下降了10.76%；由2002年的0.622再到2013年的0.554，下降了10.93%。20余a间，RSEI指数呈逐年下降的趋势。相应地，这种情况在图3中也有所体现，自1990～2013年，代表生态环境较差的红色区域逐渐在研究区内扩散，继而取代了表示生态环境优良的蓝色区域。同时，对比各年份不同指标的PC1荷载值可以看出，湿度Wet与绿度NDVI的荷载值为正值，二者对生态环境有正面的贡献，而干度NDBSI与热度LST荷载值为负值，它们对生态有负面的影响，这与实际情况相符。进一步对比各分指标对PC1的荷载值绝对值可发现，NDBSI以及LST对结果的贡献度较大，并呈现逐年增长的趋势，这说明不透水面即建设用地对于生态环境评价结果影响较大，城市建设用地的大幅增加导致了生态环境质量的逐步下降。

图3 南京市遥感生态指数图

表1 各年份指标及RSEI均值、PC1荷载值变化

为进一步对RSEI进行定量化与可视化分析，将各年份计算结果以0.2为间隔，划分为5个等级：优、良、中、较差、差，如图4所示。对1990、2002、2013 3 a各等级所占面积与比例进行统计，如表2所示。

图4 RSEI分级图

表2 生态等级和面积比例变化

结果表明，1990年，研究区内生态状况为优、良的区域占总面积的68.58%；2002年占比为56.32%；而到了2013年这一比例下降到44.79%，23 a间共下降了23.79%。这说明南京市生态状况明显下降。与此同时，研究区生态状况为较差、差的区域面积比例由1990年的12.27%上升到2002年的20.59%和2013年的33.68%，同样印证了南京市生态状况逐年下滑的趋势。从空间分布上看，1990年，生态环境优良的区域占据研究区的大部分，大致包括了林地、草地、农田等用地类型，而生态环境较差的区域则集中在以明城墙为范围的老城区及周边，主要为居民住宅及建设用地。2002年，随着城镇建设的进一步扩大，生态环境转差的区域也逐渐扩大，受政府政策影响，主要包括1992年设立于主城东南的江宁开发区、1992年设立于主城东北的新港工业区以及2002年设立于大厂地区的沿江工业开发区，这些地区集中了不同类型的企业，包括重工业、制造业、化学工业等，因此生态环境变化显著。2013年，生态较差的区域明显扩大，分布在长江两岸，大规模的城市新区建设使得江南主城区仅剩紫金山一座“绿岛”，而江北地区生态较差的区域也逐渐连成带状，分布在六合-浦口城区。

基于以上5个等级的划分，对南京市各年份RSEI指数两两进行差值变化检测。绿色代表生态环境质量改善的区域；红色代表生态环境恶化的区域，黄色则代表生态环境质量不变的区域，如图5所示。

表3 变化检测

图5 南京市生态环境变化检测图

由表3可知，1990～2013年间，南京市生态环境状况变好的区域面积为344.19 km2，占总面积的15.65%；生态环境状况变差的区域面积为981.09 km2，占总面积的44.62%。虽然南京市整体生态环境呈下降趋势，但仍有部分区域生态环境变好。由图5可以看出，生态环境变好的区域主要分布在以明城墙为范围的老城区及周边，这是由于南京市老城改造和大规模的园林绿化逐渐改善了老城区的生态环境，其中，2010年南京市申办青奥成功，市政府提出“办好青奥会、建设新南京”，大力开展生态文明建设与城市环境整治工作，因此优化改善了主城的生态环境；生态环境状况保持稳定的区域主要包括主城的紫金山、城东南的青龙山、江北的老山等山地丘陵地区，以及分布在研究区北部的农田地区，这些地区由于覆盖绿色植被，生态环境并未发生大的变化；生态环境退化的区域分布在老城区的外围地区，覆盖长江两岸，究其原因，则离不开南京市大规模的城市建设与扩张。

2001年，随着人口增长、经济发展，南京市提出“一城三区”的发展战略，重点建设河西新城区、东山新市区、仙林新市区和江北新市区。2009年，规划升级，调整为“一主城三副城八新城”[20]，旨在增强副城中心继续向周边新城镇辐射的能力。在政府政策的正确引导下，经过20余a的飞速建设与发展，南京城市扩张展现出一定的方位性[21]，以新街口为中心：向东北方向扩展，对应仙林地区；向东南方向扩展，对应江宁地区；向西南方向扩展，对应河西地区。而江北地区的扩展则表现为沿交通干线及长江桥梁扩展[22]。城市扩展的主要方位和区域与遥感生态指数RSEI评价结果显示的生态环境状况变差的区域基本吻合，进一步说明了建设用地的增加对生态环境的负面影响。

3.2 RSEI建模与参数分析

为了进一步模拟和预测城市生态环境的变化趋势，在研究区内随机采集30 000个样点（剔除水体部分无效点），提取样点各年份指标值，以Wet、NDVI、NDBSI、LST为自变量，遥感生态指数RSEI为因变量，进行逐步回归分析，建立城市生态环境质量评价模型，结果如下：

1990年RSEI=0.145 Wet+0.271 NDVI−0.475 NDBSI−0.414 LST+0.840 r2=0.996

2002年RSEI=0.176 Wet+0.218 NDVI−0.473 NDBSI−0.410 LST+0.808 r2=0.999

2013年RSEI=0.143 Wet+0.211 NDVI−0.533 NDBSI−0.441 LST+0.844 r2=0.986

从各年份结果可以看出，模型拟合度较高，并且在逐步回归分析中，4个自变量均保留下来，说明对于RSEI来说，4个指标均为关键指标。从各自变量系数可以看出，Wet与NDVI系数为正，对生态环境评价结果起正面影响，而NDBSI和LST系数为负，对生态评价结果起负面影响。综合来看，4个指标回归系数绝对值最大的是NDBSI，其次分别是LST、NDVI、Wet。以最近的2013年为例，根据模型的预测，要使研究区内RESI提高0.1单位，则需要使NDVI提升0.474单位，或使NDBSI下降0.188单位。因此，在后续的城市规划及建设中，应当适量控制不透水面的增加比例，并加大城市绿地、城市森林公园的投资与建设力度，创造出一个生态健全、环境优美的城市生活空间。

4 结 语

RSEI遥感生态指数基于遥感技术手段，集成了城市生态系统的4个重要指标，即湿度、绿度、干度和热度，使用主成分分析方法避免了人为权重设置，客观、定量地评价城市生态环境，较好地反映了南京市多年来生态环境变化情况。研究表明：

1）1990～2013年间，南京市生态环境质量整体上呈逐年下降趋势。RESI均值由1990年的0.697下降到2002年的0.622及2013年的0.554，整体下降了20.52%。研究区内生态状况为优、良的区域占总面积的比例由1990年的68.58%减少为2002年的56.32%以及2013年的44.79%，23 a间共下降了23.79%。2）变化检测表明，生态环境变好的区域主要分布在主城区，这得力于老城区环境整治与园林绿化；生态环境变差的区域受城市扩展影响，分布在新近建设的“一城三区”；而林地、农田等地类分布的区域生态环境状况保持稳定。

3）在4个分指标中，代表干度的指标NDBSI对于生态指数RSEI的贡献度最大，说明生态环境质量的下降与不透水面的大幅增加密切相关。通过对RSEI 的建模与预测发现，若想城市生态环境改善，需进一步合理配置土地资源，科学布局城市发展空间，加大城市绿色生态建设。

[1] 江振蓝,沙晋明,杨武年.基于GIS的福州市生态环境遥感综合评价模型[J].国土资源遥感,2004(3): 46-48

[2] 安静,刘红玉,郝敬锋,等.南京仙林新市区景观生态质量变化研究[J].水土保持研究,2012(02): 231-235

[3] 周静,管卫华.基于生态足迹方法的南京可持续发展研究[J].生态学报,2012(20): 6 471-6 480

[4] HJ 192-2006. 生态环境状况评价技术规范（实行）[S].

[5] 刘洪岐.基于RS和GIS的北京市生态环境评价研究[D].北京:首都师范大学, 2008

[6] 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): 7 853-7 862

[7] CHAVEZ P S.Image-Based Atmospheric Corrections-Revisited and Improved[J]. Photogrammetric Engineering & Remote Sensing,1996, 62(9): 1 025-1 036

[8] CHANDER G, MARKHAM B. Revised Landsat-5 TM Radiometric Ralibration Procedures and Postcalibration Dynamic Ranges[J]. IEEE Transactions on Geoscience & Remote Sensing,2003, 41(11): 2 674-2 677

[9] CHANDER G, MARKHAM B L, HELDER D L. Summary of Current Radiometric Calibration Coefficients for Landsat MSS, TM, ETM+, and EO-1 ALI Sensors, Remote Sensing of Environment[J]. Pp–903 International Journal of Geomatics & Geosciences, 2009, 113(5): 893-903

[10] CRIST E P. A TM Tasseled Cap Equivalent Transformation for Reflectance Factor Data[J]. Remote Sensing of Environment, 1985, 17(3): 301-306

[11] XU H. A new Index for Delineating Built-up Land Features in Satellite Imagery[J]. International Journal of Remote Sensing, 2008, 29(14): 4 269-4 276

[12] RIKIMARU A, ROY P S, MIYATAKE S. Tropical Forest Cover Density Mapping[J].Tropical Ecology,2002,1(43): 39

[13] Nasa. Landsat 7Science Data Users Handbook: General Interest Publication[S].

[14] Nasa. Landsat8 Data Users Handbook[S].

[15] BAIG M H A, ZHANG L, SHUAI T, et al. Derivation of a Tasselled Cap Transformation Based on Landsat 8 at-Satellite Reflectance[J]. Remote Sensing Letters, 2014, 5(5):423-431

[16] SOVRINO J A, JIMÈNEZ-MUNOZ J C, PAOLINI L. Land Surface Temperature Retrieval From LANDSAT TM 5[J]. Remote Sensing of Environment,2004, 90(4): 434-440

[17] 徐涵秋. 基于压缩数据维的城市建筑用地遥感信息提取[J].中国图像图形学报,2005(2): 223-229

[18] CHAVEZ P S. Image-based Atmospheric Corrections-revisited and Improved[J]. Photogrammetric Engineering & Remote Sensing,1996(62):1 025-1 036

[19] 徐涵秋.利用改进的归一化差异水体指数（MNDWI）提取水体信息的研究[J].遥感学报,2005, 9(5): 589-595

[20] 南京市人民政府. 南京市城市总体规划（2011～2030）[S].

[21] 谢中凯,李飞雪,李满春,等.大城市居住用地扩展特征及驱动力分析:以南京市中心城区（长江以南）为例[J].测绘科学,2015(6): 92-97

[22] 郝素秋,徐梦洁,蒋博.南京市城市建成区扩张的时空特征与驱动力分析[J].经济研究导刊,2008(19): 193-195

P237

B

1672-4623（2017）02-0058-05

10.3969/j.issn.1672-4623.2017.02.019

2016-05-19。

项目来源：江苏省自然科学基金资助项目（BK2012018）；中国地质调查局地质调查子项目(12120115050901)。

张浩，硕士研究生，主要从事城市遥感、遥感信息分析与应用方面的研究。