张乃明, 陈冬花, 邢 菲, 刘赛赛, 栗旭升, 李 虎

(1.新疆师范大学 地理科学与旅游学院, 新疆 乌鲁木齐 830054; 2.滁州学院 计算机与信息工程学院, 安徽 滁州239000； 3.乌鲁木齐北辰众星空间信息科技有限公司, 新疆 乌鲁木齐 830000;4.新疆农业大学 草业与环境科学学院, 新疆 乌鲁木齐 830052; 5.滁州学院 地理信息与旅游学院, 安徽 滁州239000)

新疆干旱区气候恶劣，生态环境脆弱，是山地—绿洲—荒漠系统的典型区域。山地系统是干旱区水资源的主要形成区，对干旱区生态环境具有重要意义；荒漠系统是干旱区面积广布和生态环境恶劣的区域；绿洲则是人类生存和生产活动的重要场所，绿洲生态系统对于干旱区的生态环境和人类的生存发展十分重要[1-4]。为了了解干旱区生态环境状况，综合、客观有效的监测评价手段十分必要。

随着3S技术的不断发展和广泛应用，在生态环境监测和分析评价方面取得了一定成果，能够更加实时、准确和多尺度的对生态环境进行监测评价[5-6]。尤其是遥感对地观测技术的快速发展，宏观、实时、快速的优点使遥感技术被广泛应用于各个领域，运用遥感技术对生态环境进行监测分析在国内外已有很多学者开展了大量研究[7-10]。例如，通过水体指数的提取对河流湖泊的生态环境监测评估[11]；利用植被指数对森林或草原生态系统监测[12-13]；提取温度研究城市热岛效应评测城市热环境等[14]。但这些研究多侧重于单一生态指数的研究,单一生态指数无法对复杂的生态环境进行综合性监测评价，因此利用多个生态因子综合进行区域生态环境的监测评价十分必要。徐涵秋[15]提出了遥感生态指数(remote sensing based ecological index, RSEI)，该指数耦合了绿度、湿度、干度和热度4个指标，具有客观性、多指标、大范围的优点[16-18]，可实现对综合性生态环境进行监测评价。

近几十年来，随着西部大开发、城市化的深入以及环境保护政策的推广，在干旱区进行森林资源保护、大面积的荒漠裸地的改造和开垦荒地，新增了大面积的现代绿洲。为了更好地了解干旱区生态环境的变化规律和影响因素，本文拟通过建立RSEI指数对新疆博乐市1997—2016年的干旱区生态变化进行客观、综合、动态分析，旨在为干旱区生态环境的保护和治理提供科学依据。

1 研究区概况

博乐市是博尔塔拉蒙古自治州的首府，与哈萨克斯坦共和国接壤，是中国西部重要的沿边开放城市和第二座亚欧大陆桥的西桥头堡。全市行政区域面积达到7 790 km2，总人口2.64×104。位于干旱区，属大陆性干旱半荒漠和荒漠气候，日照时间长，降水量少，蒸发量大，荒漠广布，生态脆弱。本次研究选取博乐市博尔塔拉河流域作为研究区，位于艾比湖以西，北依阿拉套山，南部为天山西段北麓区域，位于阿拉套山和岗吉格山间谷地，博尔塔拉河从西到东贯穿中部，绿洲沿河分布，呈条带状。研究区包含山地、荒漠和绿洲，属于山地—绿洲—荒漠系统的典型区域，地理位置位于东经81°31′57″至82°44′19″，北纬44°37′54″至45°14′56″之间，总面积约为4 564.56 km2。

2 材料与方法

2.1 数据的获取与预处理

2.1.1 地形数据 地形数据选择SRTM(shuttle radar topography mission)数字高程模型，从地理空间数据云中免费下载获得。DEM数据的空间分辨率为30 m与Landsat遥感影像数据的分辨率相一致，将多景DEM进行镶嵌合并，然后利用ArcGIS中的地形水文分析功能，提取流域范围，得到博乐市内博尔塔拉河流域边界，作为研究区。

2.1.2 遥感影像 本文遥感影像数据来自美国地质调查局网站(USGS)3期Landsat系列遥感影像作为数据源，分别为1997年8月21日Landsat 5 TM影像、2007年9月18日Landsat 5 TM影像和2016年8月25日Landsat 8影像数据，三景影像空间分辨率为30 m。影像季节相同，云量较少，季节差异性小。由于影像受地形、光照和大气等方面的差异影响，在使用数据前需对其进行预处理，分别对3景影像进行辐射定标、大气校正、几何校正和根据研究区界线进行裁剪，几何校正采用二次多项式和最近像元法，其均方根误差RMSE<0.5个像元。

2.1.3 土地利用类型分类 使用研究区遥感影像，结合土地利用分类标准(GB/T 21010-2007)和研究区区域下垫面具体情况对土地利用类型进行分类，将研究区土地分为耕地、林地、草地、水域、建设用地和裸地等6类。根据外业调查数据建立解译标志，通过ENVI软件平台进行支持向量机分类，采取人机交互解译，并参照高分辨率遥感影像和外业采集样点对分类结果进行精度验证。1997年土地利用分类精度为88.32%，Kappa系数为0.871 1；2007年分类精度为91.02%，Kappa系数为0.882 3；2016年分类精度为92.21%，Kappa系数为0.890 4，总体分类精度能够满足研究要求。

2.2 研究方法

2.2.1 遥感生态指数评价模型 遥感生态指数(RSEI)是用于综合反映研究区域生态环境现状的新型遥感生态指数，该指数是通过绿度、湿度、热度和干度4个指标来综合反映区域生态环境，其中，绿度、湿度、热度和干度分别用植被指数NDVI，湿度指数Wet，地表温度LST和裸土指数NDBSI来代表[7]。RSEI指数主要依靠遥感技术来实现，各个指标的影响是根据数据本身的性质决定的，降低了实际操作中人为主观因素的影响，对研究区生态环境的状况既能实现客观定量评价，同时也能对生态环境的演变进行时空性分析以及可视化展现。

(1) 绿度指标。绿度指标主要是通过植被指数反映，与植物的叶面积指数、覆盖度以及生物量都息息相关。在植被指数中归一化植被指数(NDVI)被广泛使用，在用于检测植被覆盖度、植物的长势、叶面积指数以及其他物理化学性质中发挥着重要作用。

NDVI=(N-R)/(N+R)

(1)

式中：N——Landsat TM数据的近红外波段，R——红色波段。

(2) 湿度指标。RSEI中的湿度指标反映了水体、土壤和植被中的湿度，是生态环境研究中的一个重要指标。RSEI中的湿度指标可以通过缨帽变化中的湿度分量来计算[11]。其表达式为：

Wet(TM)= 0.031 5B1+0.202 1B2+0.310 2B3+

0.159 4B4-0.680 6B5-0.610 9B7

(2)

Wet(OLI)= 0.151 1B1+0.197 3B2+0.328 3B3+

0.340 7B4-0.711 7B5-0.455 9B7

(3)

式中：Wet(TM)——Landsat TM数据计算出的湿度分量； Wet(OLI)——Landsat 8数据计算出的湿度分量；B1,B2,B3,B4,B5,B7——TM数据的第1，2，3，4，5，7波段反射率和OLI数据的2，3，4，5，6，7波段反射率。

(3) 热度指标。本文通过地表温度(LST)来代表热度，通过Landsat数据中的热红外波段，先计算亮度温度Tb，再进行比辐射率ε校正求得温度。其表达式为：

LST=Tb/{1+〔(λTb)/ρ〕lnε}-273.15

(4)

Tb=K2/ln(K1/L6+1)

(5)

T6=gain×DN+bias

(6)

式中：λ——TM数据的第6波段的中心波长(11.5 μm)和Landsat 8数据的第10波段的中心波长(10.9 μm)。ρ——1.438×10-2mK；Tb——亮度温度；ε——比辐射率，通过Sobrino[19]提出的NDVI阈值进行计算。式K1和K2——定标参数； gain和bias——波段的增益值和偏置值； DN——landsat数据的灰度值。

(4) 干度指标。根据研究区的具体区域环境情况，选择使用裸土指数SI和建筑指数IBI来合成代表干度指数(NDSI)：

NDSI=(SI+IBI)/2

(7)

其中：

SI= 〔(B5+B3)-(B4+B1)〕/

〔(B5+B3)+(B4+B1)〕

(8)

(9)

(5) 构建遥感生态指数。对以上所求得NDVI，NDSI，LST，Wet指标分别进行标准化处理，使4个指标统一量纲，将指标值统一到0～1范围之间，在一定程度上削减因时间差异带来的影响。将4个指标进行耦合，通过主成分分析构建遥感生态指数RSEI。该方式的优点就是在构建RSEI指标时，无需通过人为方式对耦合中的各指标赋予权值，而是根据各指标自身的性质以及对第一主成分的贡献率来确定，在很大程度上避免了人为因素的影响而导致结果偏差，使得RSEI指标更加具有客观性。各指标标准化的公式为：

NIi=(Ii-Imin)/(Imax-Imin)

(10)

式中：NIi——各个指标标准化后的结果；Ii——各个指标在像元i的值；Imax——各指标中的最大值；Imin——各指标中的最小值。

由于研究区具有一定范围水域，为了防止水域对主成分的载荷影响，通过MNDWI水体指数进行水体提取，建立掩膜，去掉水体信息[15]。将标准化后的4个指标通过ENVI软件合成一幅新的影像，通过主成分分析模块进行主成分分析，得到第一主成分PC1及相关统计结果。为了使遥感生态指数与生态环境状况成正比，用1减去PC1获得初始生态指数RSEI0，为了便于分析，再对结果进行标准化处理获得RSEI遥感生态指数。

RSEI0=1-PC1

(11)

RSEI= (RSEI0-RSEI0min)/

(RSEI0max-RSEI0min)

(12)

式中：RSEI——所求的遥感生态指数，它反应了区域的生态状况，其值越大表示生态质量越好，反之越差； RSEI0min，RSEI0max——RSEI0指数的最小值和最大值。

2.2.2 评价模型检验 相关度是反映事物之间联系程度的重要指标，通过相关系数可以表示事物之间的密切程度。通过ENVI软件对主成分分析结果进行相关性分析，得出各个指标与遥感生态指数得相关系数矩阵，并计算各种指标的平均相关度，通过平均相关度来检验评价模型的适宜性。相关系数越接近1，表示相关度越高，RSEI的综合代表度也就越高，则模型适宜性越强。平均相关度公式为：

(13)

式中：P——平均相关度；PQ，PR，PS——同一时期的Q，R，S指标的相关系数；n——指标个数。

3 结果与分析

3.1 遥感生态指数评价模型检验分析

从表1中可以看出，就绿度、湿度、干度和热度4个指标来说，干度指标相关度最高，3期平均值达到0.784；湿度指标相关度最低，值为0.649。符合干旱区气候干旱的特点。3期的RSEI与各个指标的相关系数值为0.819，相比单指标中值最高的干度指标高出3.5%，比单指标中值最低的湿度指标高出17%，比各个单指标的平均值(0.735)高出8%。显然，RSEI的相关度高于其他单指标，所以RSEI可用来综合反映研究区的生态环境质量。

3.2 博乐市生态环境质量分析

表2是各年份绿度、湿度、干度和热度指标以及遥感生态指数RSEI的均值变化情况。从表2中可以发现，1997—2016年3期RSEI均值分别为0.250，0.302，0.422，呈上升的趋势，说明研究区的生态环境质量在不断改善。1997—2007年RSEI增长幅度与2007—2016年的增长幅度相比，2007—2016年的增长幅度较大，说明在2007—2016年生态环境改善程度较大。分析表2中4个指标值对PC1的贡献度发现，绿度和湿度指标为正值，说明绿度和湿度与生态环境质量成正相关；干度和热度成负值，则干度和热度与生态环境质量成负相关。同时3期4个指标中湿度指标的贡献度始终是最小的，这符合干旱区的实际情况。近20 a，研究区绿度指标总体呈上升趋势，而干度和热度总体呈下降趋势，绿度指标与RSEI指标趋势变化相同。

表1 博乐市遥感生态指数各指标与RSEI的相关系数矩阵

注：MC为平均相关度； MC均为平均相关度的3期平均值。

表2 博乐市各年份4个指标和遥感生态指数RSEI均值变化

注：贡献率指对PC1的贡献度。

3.3 博乐市遥感生态环境质量变化动态分析

为了对RSEI进行可视化和定量化分析，将3期RSEI的结果以0.2为间隔划分为5个等级，为差、较差、中、良、优(见图1)，并对各等级的面积和所占比例进行统计(见表3)。统计结果如下：①总的来看，研究区生态环境质量为差和较差的等级居于主导地位，各年份所占面积比重分别为80.24%，71.69%和61.59%，整体生态环境质量较差。②1997年RSEI等级为良和优的面积比例为11.24%，2007年增长到14.34%，到了2016年所占比例为26.20%，从中可以看出1997—2016年RSEI呈上升状态，说明博乐市近20 a生态环境质量得到了很大的改善。③1997—2007年优和良等级比例增长了3.1%，2007—2016年增长了11.86%，1997—2007年差和较差等级比例减少了8.55%，2007—2016年减少了10.1%，2007—2016年的RSEI增长幅度较大，生态环境质量改善的幅度较大。

图1 博乐市1997-2016年遥感生态指数变化表3 博乐市1997-2016年生态等级和面积变化

RSEI等级1997年面积/km2百分比/%2007年面积/km2百分比/%2016年面积/km2百分比/%差2 863.0162.722 223.8148.72779.8317.08较差799.8517.521048.722.972 031.8644.51中388.848.52637.613.97557.0812.21良434.559.52635.4813.92543.8811.92优78.311.7218.970.42651.9114.28

图1是1997年、2007年和2016年3期的遥感生态指数RSEI图，从图上可以直观地看出研究区近20 a遥感生态指数的变化情况。从3期RSEI图像比较来看，RSEI等级为差的面积在不断减少，良和优的面积在不断增加，说明研究区生态环境质量在不断的改善。受干旱区MODS系统影响，研究区整体生态环境质量较差。研究区北部主要为山地，生态环境质量较好，林地面积分布较广，RSEI等级以优和良为主；研究区中部主要为绿洲，具有良好的水源，耕地较多，生态环境质量较好；绿洲和山地之间主要为荒漠，分布较广，生态环境质量较差。

3.4 博乐市遥感生态环境质量时空差异分析

为了分析博乐市近20 a生态环境质量的时空差异变化，在基于RSEI指数5个等级划分的基础上，对博乐市1997年和2016年RSEI指数进行差值变化检测，得到图2和表4。

由表4可知，自1997—2016年博乐市生态环境状况改善的面积为1 712.79 km2，占总面积的37.52%；变差的面积为101.35 km2，所占比例为2.22%，没有明显变化的面积为2 750.42 km2，所占比例为60.26%，改善的面积明显大于恶化的面积，研究区生态环境质量总的来看呈改善的趋势，但局部地区也存在恶化的现象。从图2中发现，北部山地地区、绿洲区域以及南部和绿洲周围的荒漠区域RSEI改善的面积较大，绿洲和山地之间的荒漠生态环境变化较小。北部山地为阿拉套山，生态环境质量较好，同时这些年来国家倡导森林资源保护，所以该地区RSEI以优和良为主导，并呈现不断改善的趋势。研究区中部地区被博尔塔拉河贯穿，以绿洲为主，受人类活动影响较大，具有大量的耕地，由于绿洲生态建设和开荒复耕，从1997—2016年绿洲范围在不断的扩大，生态环境质量也在不断的改善。

图2 博乐市1997-2016年RSEI变化检测结果

但从图2中发现，中部地区存在很多变差的区域，主要是由于西部大开发，城市的扩张、建设用地的增加以及土地的不合理利用，导致生态环境的恶化。南部为天山西部北麓区域，随着全球气温升高，冰雪融水增多，南部荒漠区域生态环境质量有所改善。山地与绿洲之间的荒漠区域近20 a在一定程度上生态环境质量有所改善，改善的区域主要分布在山地、绿洲边缘，受人类活动和荒漠生态建设影响，荒漠生态环境质量有一定的改善。

表4 博乐市1997-2016年RSEI检测结果

4 结论与讨论

遥感生态指数RSEI耦合了绿度、湿度、干度和热度指标来反映生态环境质量，通过遥感技术手段，很大程度上避免了人为因素的影响，综合、客观、定量地反映了博乐市近20 a绿洲生态环境质量的变化，为博乐市生态环境保护和治理提供了科学依据。

(1) 在利用绿度、湿度、干度和热度指标耦合RSEI指数时，绿度和湿度对RSEI指数起正相关作用，相反干度和热度起负相关作用。其中湿度指标在对RSEI指数的贡献度中最小，主要是由于研究区地处干旱区，气候干燥，湿度较小。

(2) 博乐市处于MODS系统内，区域内生态环境质量等级较低，生态环境脆弱。近20 a，博乐市RSEI指数总体较低，但呈不断上升趋势，生态环境质量在不断改善。生态环境质量较好的地区主要分布在植被覆盖较高的北部山地和中部绿洲地区，其他荒漠地区生态环境质量较差。从北到南，可以发现研究区的RSEI呈现出：好—差—好—差的分布。

(3) 根据博乐市生态环境遥感监测，生态环境质量改善的同时也存在部分区域生态环境恶化的现象。博乐市生态环境质量总体上呈改善的趋势，改善区域主要分布在北部山地、中部绿洲和南部天山西部北麓荒漠区域。生态环境恶化的区域主要集中在中部绿洲的耕地和城镇建设用地区域。

干旱区荒漠建设、绿洲化改善了区域的生态环境质量，同时也扩大了人类的生存空间，但低水平、不合理的开发利用，也会很容易导致生态环境的恶化。由于干旱区生态的脆弱性和绿洲与荒漠具有互为转换性，不合理的土地利用很容易造成土壤退化，并且在很大程度上是不可逆转的。在促进经济社会发展的同时，遵循自然规律，合理配置资源和土地利用，科学地进行绿洲建设。

遥感生态指数主要依靠遥感影像数据进行提取分析，对遥感影像的质量以及对数据的处理要求较高，不同区域的卫星数据参数和大气参数具有不同区域特性，本研究区的数据处理主要使用前人总结的经验方法，在数据处理参数选择方面具有一定限制性。遥感生态指数在整体上可以有效的反映出区域的生态环境状况，但由于区域生态系统的形成和发展受到多种因素的影响，遥感生态指数在一定程度上无法全面反映区域生态环境。在今后研究中，需要根据研究区的具体情况，结合多方面生态环境要素进行综合分析。