张雪颖，竞 霞

(1.自然资源部陕西基础地理信息中心，陕西 西安 710054；2.西安科技大学 测绘科学与技术学院，陕西 西安 710054)

0 引言

乡镇作为城市的细小单元，其生态环境和社会经济发展之间的矛盾体现了城市发展环境和发展之间的协调性，为推进乡村生态文明建设，党的十九大题出了《乡村振兴战略规划(2018—2022年)》方案，该文件中提出了“建设生态宜居乡村，推进绿色发展”，明确表明乡村经济发展应考虑生态环境保护，构建自然和社会协调共生的乡村发展新格局[1]。受到城市化进程影响，乡镇也会朝着这一进程发展，必将受到自然和社会的共同影响，乡镇生态环境质量也随之受到不同程度的干扰，致使乡镇生态环境和社会发展之间的矛盾更加突出[2]。社会经济发展所带来的生态环境问题引起各界学者的广泛关注，为缓解生态与经济发展之间的矛盾，为区域生态和经济发展规划调控提供参考资料，学者们利用不同方法对不同区域的生态环境质量进行了评价[3-5]。国内外对于生态环境质量的评价大致可以分为2个阶段，第一个阶段是构建指标评价体系，如RAPPORT[6]等选取8个危害生态环境的指标因子，结合研究区实际情况构建评价体系，探究研究区的生态系统状况，指标体系的构建也具有多样化，灰色关联法，综合评价法和模糊评价法等都是常用的指标体系构建方法[7]；随着地理信息和遥感技术的发展，生态环境质量的第二个发展阶段则体现在遥感手段的运用，大量学者利用遥感技术对生态环境质量进行评价[8-9]。RSEI指数是国内学者徐涵秋[10]提出的新型遥感生态指数，RSEI耦合从遥感影像中提取的湿度、绿度、干度和热度，其不仅考虑了植被覆盖，还考虑了气候和建设用地扩张指标，所计算的生态指数具有较强的说服力，RSEI也被大量学者运用到不同区域的生态环境评价中，如钟欣呈等[11]利用遥感生态指数对玉溪市16年的生态环境质量进行了监测和评价。各个从遥感影像中提取的指标都经过主成分耦合，而第一主成分贡献率在60%～90%不等[12]，以此得到的结果不能保证较高的贡献率，因此结合层次分析法和熵权法确定组合权重，从主观和客观角度确定各成分贡献度，进而加权求和得到改进的遥感生态指数，可更全面，客观的反映生态环境质量。其次，长期以来的生态环境评价都集中在城市和流域尺度上[13-15]，少有研究乡镇尺度。以长安区为研究区，从4期的Landsat影像中提取绿度、湿度、干度、热度指标，通过组合权重和加权求和构建改进的遥感生态指数，探究研究区生态环境质量时空变化，并选取地形、人口密度和土地利用等影响因子，通过地理探测器计算自然和社会因子对改进的遥感生态指数的解释值，进一步探究引起长安区生态环境质量时空分异的影响因子，为乡镇生态环境保护、生态格局提供科学依据，同时也可为其它类似乡镇尺度的生态环境质量评价提供参考。

1 研究区概况和数据来源

1.1 研究区概况

西安市长安区位于108°38′E～109°14′E，北纬33°47′N～34°18′N，在关中平原腹地，西安市南部、秦岭北麓，东部与蓝田县接壤，南部与柞水县相连，西北与咸阳市毗邻，北接雁塔区、灞桥区和未央区，西靠鄠邑区。长安区的地形是东有平原，西南有山脉，境内最低海拔330 m，最高海拔2 880 m。地形北低南高、东高西低平，东西长55 km、南北宽52 km。长安区南部以秦岭山地为主，北部以渭河断陷谷地冲积平原区为主，其中平原以西以渭河冲积平原为主，秦岭北麓以洪积扇群为主，北部以黄土平原和川道沟壑为主。长安区属于暖温带半湿润大陆性季风气候，雨量适中，四季分明，气候温和，年均气温15.5 ℃，降水约600 mm左右，境内多以耕地和林地为主，林地主要分布在南部，耕地则主要以北部旱地为主。

图1 研究区概况图

1.2 数据来源

研究所用数据主要分为2个部分，一是遥感影像数据，包括Landsat TM/OLI系列数据和DEM数据，Landsat TM/OLI系列数据源于美国地质勘测局(http：//glovis.usgs.gov/)，分别选用2006年、2009年的Landsat-5TM影像以及2013年、2019年的Landsat-8OLI影像。为保证研究结果的可靠性，所选遥感影像云量均小于2%，主要集中在6～9月份，影像质量佳，对所获取的影像进行辐射定标和大气校正，再以研究区矢量裁剪影像获取所需影像集。DEM数据来源于地理空间数据云平台(http：//www.gscloud.cn)的ASTGTMV 3高程数据集。第2部分则为可获取的栅格数据集，包括土地利用和人口密度，均来源中国科学院资源环境科学与数据中心(http：//www.resdc.cn/)，通过矢量数据裁剪土地利用和人口密度数据获得本文研究所用数据集，为减少误差，采用统一的投影坐标系统。

2 研究方法

2.1 指标提取

遥感生态指数RSEI(Remote Sensing Based Ecological Index，RSEI)最先由徐涵秋[10]提出，是基于遥感技术、以自然因子为主、可以对乡镇的生态环境质量进行高效监测与评价的新型生态评价指数，其耦合了绿度、湿度、干度、和热度4个表征生态环境的指标，共同构成一个指标，高效的反映了区域生态环境质量。在此基础上进行改进，首先从所处理得到的遥感影像中提取绿度、湿度、干度和热度指标，其具体所反映的生态学意义在此不做过多赘述，指标计算和相关参数含义可参考相关文献[16-19]，在进行下一步实验前，采用极差法对所计算的指标进行标准化[20]。

2.2 遥感生态指数构建

2.2.1 组合权重计算

1)层次分析法。层次分析法(AHP)主要是根据人们的主观判断进行定量分析，对将要求解的问题按层次加以分解，一个较大的问题被分解为不同层次上的较小的问题。通过赋值求矩阵特征向量来处理不同的问题，获得各小问题优先级权重，再加权求和层层归并出各备选方案在总目标达成过程中所占有的比重，其中比重最大者即是最终解决方案[21]。使用Yaahp 12.7软件进行层次分析法确定主观权重W1j，并通过了一致性检验，表明所选取指标的权重计算结果合理，可用于下一步的研究。

2)熵权法。熵权法作为一种比较客观的定权方法，主要是根据各个指标提供的信息量的大小赋予权重，信息熵与权重之间呈现反向关系，信息熵越大，在评价体系中给予的权重越小；信息熵越小，在评价体系中给予的权重越大[22]。计算步骤如下。

计算第j个评价指标的信息熵

(1)

计算第j个指标的权重W2j

(2)

组合权重计算。利用最小信息熵原理和拉格朗日中值定理把层次分析法得到的权重W1j和熵权法得到的权重W2j进行重组[21]，最终得到的指标权重Wj，见表1，计算公式为

表1 权重计算结果

(3)

2.2.2 遥感生态指数计算

将计算所得的组合权重带入加权求和公式中，得到改进的遥感生态指数，计算公式如下

RSEI=ω1×NDVI+ω2×WET+ω3×NDBSI+ω4×LST

(4)

式中：ω1,ω2,ω3,ω4为NDVI,WET,NDBSI,LST的权重。将计算结果进行标准化，使其值在0～1范围内，RESI的值越接近“1”，表明生态环境质量越好；RSEI值越接近“0”，表明生态环境质量越差。

2.3 地理探测器

针对风险探测、因素分析和因素交互探测，常通过统计学方法地理探测器来实现。地理探测器的4个探测器分别对应4种功能：因子探测通过解释力大小判别主要影响因素；交互探测通过协同作用等探测因子交互作用的大小；生态探测比较方差判断各因子的显著性差异；风险探测对比差异性从而找出风险的主要因素[23]。研究主要涉及因子探测器和交互探测器，用于揭示改进RSEI时空分异的主要影响因子，并分析各因子交互作用下生态环境质量变化的主导因素。

(5)

(6)

SST=Nσ2

(7)

3 结果分析

通过ArcGIS 10.5平台，将计算好的权重和各个已经标准化后的指标进行加权求和得到改进的遥感生态指数，以此结果作为评价研究区生态环境质量的指标，并作为因变量带入地理探测器探究其时空分异的影响因素。

3.1 长安区遥感生态指数时间变化特征

利用Arcgis 10.5将每一期Landsat影像提取出的绿度指标、湿度指标、干度指标和热度指标通过组合所得到的权重进行加权求和处理，得到改进RSEI指数，计算所得到的各期RSEI值均经过归一化处理，使其值介于[0，1]范围之间。

2006年、2009年、2013年和2019年长安区RSEI均值分别为0.594 1、0.573 7、0.471 8和0.639 1(图2)，呈现出先减小，后大幅上升的趋势，其中2006—2013年指数持续下降，而2013—2019年指数上升非常明显，上升了0.045，总体而言，研究的13年期间，长安区RSER值出现好转趋势，表明长安区的生态环境近年来逐渐变好。

图2 2006—2019年长安区遥感生态指数均值时间变化特征

3.2 长安区遥感生态指数空间变化特征

从RSEI空间分布图来看(图3)，图中绿色代表生态环境为优和良的区域，其中2006年和2019年绿色区域明显要高于2009、2013年。图中红色区域代表生态环境为差和较差的区域，重要集中在高桥街道、韦曲街道、郭杜街道和大兆街道等长安区北部地区。从2009年开始由于经济发展与城乡建设而导致长安区环境有所恶化，而从2013年之后开始注重生态环境保护，RSEI指数上升明显。

图3 长安区生态环境质量时空分异图

3.3 长安区生态遥感指数驱动因素分析

3.3.1 因子探测分析

选取长安区各时期地形因子、社会因子和模型因子3个类型共9个变量作为自变量，分别探测2006、2009、2013和2019年各个因子对遥感生态指数RSEI的影响。同时，以2006—2019年平均值从静态的角度进一步分析各因子对遥感生态指数的影响。从静态角度(表2)来看，不同的地理因子和人为因子对遥感生态指数空间分异性解释有着很大差异。各个因子的解释力大小依次为：绿度指数(0.904)>干度指数(0.891)>热度指数(0.858)>土地利用(0.726)>高程(0.704)>湿度指数(0.699)>人口密度指数(0.626)>坡度(0.535)>坡向(0.006)。其中，绿度指数、干度指数、热度指数和土地利用对遥感生态指数空间分异性解释力较大，是影响遥感生态指数的主要因子，高程、湿度、人口密度和坡度次之，坡向影响最小。整体来看，植被覆盖指数对生态指数的分异性解释力最大，解释力最高可达0.952；坡向因素则最小，解释力最低为0.004。

表2 2006—2019年长安区因子探测结果

从动态角度而言(图4)，各个因子对遥感生态指数的分异性解释力表现出了不同的变化趋势，但是主导因子相对而言是一致的。2006—2009年除坡向外，其余因子的解释力均呈现上升趋势；2009—2013年，热度和高程的解释力呈现上升趋势，而其余因子的解释力均表现为下降的趋势；2013—2019年间，绿度指数、湿度指数和干度指数对遥感生态指数的解释力有明显的增强趋势，其余因子都有不同程度解释力的降低。总体而言，绿度指数、湿度指数、土地利用和干度为主导因子，而坡向影响力最低。

图4 影响因子解释力值

3.3.2 交互探测分析

分别探测2006年、2009年、2013年和2019年各个地理因子和社会因子相互交互作用的影响时，进一步探测每个影响因子平均值对遥感生态指数的交互作用。交互探测结果显示(表3)，2006—2019年长安区遥感生态指数第一主导因子为干度指数∩热度指数，第二主导因子为绿度指数∩热度指数，第三主导因子为干度指数∩高程，第四主导因子为绿度指数∩高程，综合程度来看，自然-自然复合为第一主导，自然-社会复合影响力也较大，其q平均值分别为0.866 5和0.819 0。研究表明，植被覆盖度对遥感生态指数具有非常重要的影响作用，而地区温度又对植被覆盖度有着直接影响，当研究区内的地表温度无论是高于还是低于植物生长最适温度时，都会在很大程度上影响植物生长，甚至会导致植物的死亡；而第三四主导因子中的高程则会影响研究区局部区域的人口密度进而对植被覆盖度产生影响。总之，在2006—2019年间，长安区的影响因子交互作用对遥感生态指数的解释力不是独立增强或减弱的，也并非简单的相互叠加，而是各种因子相互作用的结果。

表3 2006—2019年长安区交互探测结果

4 结论与讨论

4.1 结果

利用层次分析法和熵权法耦合得到遥感生态指数，再通过地理探测器模型分析绿度、湿度、干度和热度4个模型因子，海拔、坡度、坡向3个地形因子，人口密度和土地利用2个社会因子，共9个因子对遥感生态指数的影响情况与作用机制。

1)2006—2019年长安区遥感生态指数等级为“优”、“良”的面积呈现波动增长的趋势，有2个比较明显的阶段，第1阶段是从2006—2013年，生态质量为“优”“良”的总面积占比由54.22%降到32.05%；第2阶段2013—2019年间，32.05%又迅速回升到64.99%，生态环境有所改善。

2)2006—2019年长安区空间生态质量指数差异明显，但生态质量好坏聚集区较为集中且变化不大，呈现较明显的南北分布格局。生态环境为优和良的区域主要集中在长安区南部秦岭及周边地区，生态环境为差和较差的区域，主要集中在高桥街道、韦曲街道、郭杜街道和大兆等长安区北部地区。

3)影响因子探测结果表明不同的地理因子和人为因子对遥感生态指数空间分异性的解释力有着很大差异。各因子的解释力大小前五为绿度指数(0.904)>干度指数(0.891)>热度指数(0.858)>土地利用(0.726)>高程(0.704)。

4)2006—2019年自然∩自然交互因子为区域第一主导交互因子，其次为自然∩社会交互，其平均值分别为0.866 5和0.819 0。

4.2 讨论

对2006—2019年长安区遥感生态指数时空变化和影响因素的探究，在一定程度上分析出了长安区的生态质量状况以及模型因子、环境因子和社会因子对于长安区生态环境的作用机制与影响程度。生态环境是一个复杂的综合体，各因素的影响也是动态过程，因此，此次研究也有很多改善的空间，例如将生物多样性也加入影响因子之中，在研究生态随时间变化时，可以选择更多的年份进行分析，构建更加合理、科学的模型。对于研究区而言，尽管近年来长安区生态环境质量有了较大提升，但仍存在诸多问题，因此对所取得的研究成果结合着眼今后的发展，根据长安区区域现状提出一些有针对性的意见。对于那些发展比较成熟的地区，比如核心区等，这些地区的特征就是受到了很大的空间约束，没有太大的发展潜力，因此这些地方在有限的地面覆盖范围内，尽量将建筑面积和绿地都集中起来，但要将建筑面积和绿化范围均匀分布在城市中；对于那些需要开发的地区，例如在城市郊区、乡村等，这些地区的地面覆盖特征表现为发展不够成熟、发展潜力大、具有很高的可塑性，对此类地区进行地面覆盖改造，则既要保证地区的发展，又要把裸露土地尽量还原成植物，以保证区域整体的生态安全。