馮榮榮，張凱莉，韓佳寧，李穎輝，劉琪琪，劉 康①

(1.西北大學(xué)城市與環(huán)境學(xué)院，陜西 西安 710127；2.陜西西安城市生態(tài)系統(tǒng)定位觀測(cè)研究站，陜西 西安 710127)

目前，遙感技術(shù)的飛速發(fā)展和多源遙感數(shù)據(jù)的開放獲取極大地促進(jìn)了區(qū)域尺度上的對(duì)地觀測(cè)研究，基于遙感技術(shù)的生態(tài)環(huán)境質(zhì)量監(jiān)測(cè)與評(píng)估是當(dāng)前研究熱點(diǎn)之一[1-3]。生態(tài)環(huán)境質(zhì)量指生態(tài)環(huán)境的優(yōu)劣程度，以生態(tài)學(xué)、地理學(xué)和環(huán)境科學(xué)等學(xué)科理論為基礎(chǔ)，在特定時(shí)間和空間尺度上，反映人與生態(tài)環(huán)境之間持續(xù)發(fā)展的協(xié)調(diào)程度[4]。然而，隨著人類社會(huì)主動(dòng)改造和適應(yīng)生態(tài)系統(tǒng)的過程，人類活動(dòng)與生態(tài)環(huán)境的關(guān)系日益密切，由此產(chǎn)生的人口、資源及環(huán)境之間的矛盾日趨突出[5-7]。因此，科學(xué)準(zhǔn)確評(píng)估區(qū)域生態(tài)環(huán)境狀況及其變化，對(duì)區(qū)域可持續(xù)發(fā)展和我國(guó)生態(tài)文明建設(shè)有重要實(shí)踐和指導(dǎo)意義。

近年來，隨著“3S”技術(shù)不斷發(fā)展，相對(duì)于傳統(tǒng)通過構(gòu)建指標(biāo)體系來評(píng)估生態(tài)環(huán)境質(zhì)量的方法，遙感具有數(shù)據(jù)源廣、數(shù)據(jù)量大、實(shí)時(shí)監(jiān)測(cè)等優(yōu)點(diǎn)，被廣泛應(yīng)用于生態(tài)環(huán)境質(zhì)量監(jiān)測(cè)與評(píng)價(jià)中[8-12]。國(guó)內(nèi)外基于遙感技術(shù)監(jiān)測(cè)生態(tài)環(huán)境質(zhì)量方面的研究目前有2大方向。一類是基于單一指標(biāo)的生態(tài)環(huán)境質(zhì)量測(cè)度，如采用NDVI指數(shù)評(píng)估區(qū)域植被變化以反映其生態(tài)環(huán)境狀況[13]，利用遙感反演的地表溫度監(jiān)測(cè)城區(qū)氣候和環(huán)境[14]，提取水體指數(shù)獲取河流信息的時(shí)空變化趨勢(shì)從而評(píng)估水環(huán)境[15]。然而，生態(tài)環(huán)境是多種影響因素綜合作用的結(jié)果，單一的生態(tài)評(píng)價(jià)指標(biāo)無法客觀、全面地反映其生態(tài)環(huán)境變化。因此，從多個(gè)生態(tài)評(píng)價(jià)指標(biāo)的綜合作用著手進(jìn)行區(qū)域生態(tài)環(huán)境評(píng)價(jià)尤為重要。近年來，有學(xué)者提出了基于遙感信息的新型遙感生態(tài)指數(shù)(remote sensing ecological index，RSEI)，該指數(shù)是基于遙感影像進(jìn)行反演，不易受到人為因素影響且能可視化表達(dá)評(píng)價(jià)結(jié)果，可實(shí)現(xiàn)對(duì)區(qū)域生態(tài)環(huán)境的快速監(jiān)測(cè)與評(píng)價(jià)[16]。目前學(xué)者們從不同尺度基于該指數(shù)開展生態(tài)環(huán)境質(zhì)量監(jiān)測(cè)研究，并取得大量研究成果，可被用于指導(dǎo)區(qū)域環(huán)境可持續(xù)發(fā)展。如從鄉(xiāng)鎮(zhèn)尺度采用RSEI研究其生態(tài)環(huán)境質(zhì)量時(shí)空變化和影響機(jī)制，進(jìn)而實(shí)現(xiàn)生態(tài)環(huán)境與鄉(xiāng)村生活協(xié)調(diào)發(fā)展[17-18]；也有學(xué)者從市級(jí)尺度采用RSEI評(píng)價(jià)生態(tài)環(huán)境質(zhì)量，為城市生態(tài)環(huán)境保護(hù)和治理提供科學(xué)建議[19-20]；此外，國(guó)內(nèi)外學(xué)者從礦區(qū)[21]、自然分區(qū)[22]等其他空間尺度開展生態(tài)環(huán)境質(zhì)量評(píng)價(jià)工作。然而，流域作為綜合區(qū)域環(huán)境特征的生態(tài)單元，除具備整體性外，亦是由生態(tài)系統(tǒng)、社會(huì)系統(tǒng)、經(jīng)濟(jì)系統(tǒng)等共同構(gòu)成的具有層次性的復(fù)雜系統(tǒng)[23]，其既能與外界進(jìn)行物質(zhì)、能量和信息交換，同時(shí)又具有清晰邊界且相對(duì)封閉的獨(dú)立單元[24]。這種特殊性在流域內(nèi)部表現(xiàn)為流域生態(tài)環(huán)境質(zhì)量也存在明顯的尺度效應(yīng)以及時(shí)間和空間滯后效應(yīng)，基于這種復(fù)雜、多層次的互動(dòng)與輻射作用，流域被眾多學(xué)者認(rèn)為是生態(tài)學(xué)理論研究與實(shí)際應(yīng)用相結(jié)合的最適宜實(shí)驗(yàn)地[25]。然而目前卻鮮有學(xué)者利用遙感生態(tài)指數(shù)對(duì)流域尺度生態(tài)環(huán)境質(zhì)量進(jìn)行研究[26]?；诖耍_展流域尺度的綜合生態(tài)環(huán)境質(zhì)量評(píng)價(jià)及驅(qū)動(dòng)機(jī)制探究具有重要意義，通過實(shí)現(xiàn)流域尺度上生態(tài)環(huán)境和人類活動(dòng)優(yōu)化配置，可促進(jìn)流域可持續(xù)發(fā)展。

秦嶺是我國(guó)中部最重要的生態(tài)安全屏障，是中國(guó)的生態(tài)命門，保護(hù)其生態(tài)環(huán)境具有重大意義。灃河流域位于秦嶺北坡，具有“山地-平原”的結(jié)構(gòu)，是自然環(huán)境和人類活動(dòng)的交互區(qū)域[27]，區(qū)域內(nèi)自然環(huán)境和經(jīng)濟(jì)社會(huì)發(fā)展差異顯著。以灃河流域?yàn)檠芯繀^(qū)，采用RSEI分析其2001—2021年生態(tài)環(huán)境質(zhì)量時(shí)空變化，通過相關(guān)性分析其空間分布情況，并基于地理探測(cè)器對(duì)其影響因子進(jìn)行探究，可以優(yōu)化灃河流域生態(tài)環(huán)境，維持并推動(dòng)流域可持續(xù)發(fā)展；與此同時(shí)也能為秦嶺北坡的生態(tài)環(huán)境建設(shè)提供科學(xué)依據(jù)。

1 研究區(qū)與數(shù)據(jù)

1.1 研究區(qū)概況

灃河是黃河支流渭河南岸的一級(jí)支流，也是西安市第3大河流[28]。灃河流域地理位置為33°40′～34°30′ N，108°30′～109°10′ E，面積約為1 670 km2，北與渭河平原相鄰，南依秦嶺山地。流域海拔約為331～2 936 m，屬暖溫帶半濕潤(rùn)大陸性季風(fēng)氣候區(qū)。流域年平均氣溫約為15 ℃，年平均降水量約為800 mm，主要集中在7—9月，約占全年總降水量的一半，年平均徑流量為4.8億m3，水土流失嚴(yán)重[29]。在行政區(qū)域上，該流域覆蓋西安市長(zhǎng)安區(qū)韋曲、郭杜和灤鎮(zhèn)等12個(gè)街道，高新區(qū)細(xì)柳、靈沼和秦渡等8個(gè)街道和鄉(xiāng)鎮(zhèn)，鄠邑區(qū)五竹街道，西咸新區(qū)灃西新城的馬王和大王等5個(gè)街道和鄉(xiāng)鎮(zhèn)以及灃東新城王寺、斗門和灃東3個(gè)街道(圖1)。

圖1 灃河流域區(qū)位Fig.1 Map of the Fenghe River watershed

1.2 數(shù)據(jù)來源及預(yù)處理

遙感數(shù)據(jù)來自美國(guó)地質(zhì)勘探局(https:∥earthexplorer.usgs.gov/)的Landsat系列影像(表1)，所選用影像集中在6月前后，以忽略季節(jié)、植被生長(zhǎng)狀態(tài)不同造成的差異，從而保證結(jié)果具有可比性。為了減少誤差，選取影像云量均小于10%，并使用ENVI 5.3軟件云自動(dòng)檢測(cè)工具生成掩膜文件進(jìn)行去云處理，進(jìn)行輻射定標(biāo)、大氣校正、圖像裁剪等預(yù)處理[30-31]后，提取綠度、濕度、干度和熱度4個(gè)遙感生態(tài)評(píng)價(jià)指標(biāo)并計(jì)算RSEI指數(shù)。其中，熱度指標(biāo)由Landsat系列影像中熱紅外波段獲取，不同傳感器空間分辨率不一致，因此采用立方卷積(cubic convolution)方法將熱紅外波段分辨率重采樣至30 m[32-33]，以確保提取的熱度指標(biāo)與其他3個(gè)指標(biāo)空間分辨率一致。

表1 2001—2021年灃河流域Landsat系列影像數(shù)據(jù)Table 1 Landsat image series data of the Fenghe River watershed from 2001 to 2021

NPP/VIIRS夜間遙感數(shù)據(jù)來自科羅拉多礦業(yè)大學(xué)(https:∥eogdata.mines.edu/nighttime_light/)，分辨率為500 m×500 m；DEM數(shù)據(jù)來自NASA EARTHDATA(https:∥search.asf.alaska.edu/)的ALOS 12.5 m×12.5 m數(shù)據(jù)，年平均降水量數(shù)據(jù)來自中國(guó)氣象數(shù)據(jù)網(wǎng)(http:∥data.cma.cn/)1 000 m×1 000 m柵格數(shù)據(jù)，土壤數(shù)據(jù)來自中國(guó)科學(xué)院南京土壤研究所中國(guó)土壤科學(xué)數(shù)據(jù)庫(kù)30 m×30 m柵格數(shù)據(jù)。為了保證數(shù)據(jù)空間分辨率一致性和結(jié)果準(zhǔn)確性，將各評(píng)價(jià)指標(biāo)、夜間燈光強(qiáng)度、DEM、坡度、降水量和土壤類型數(shù)據(jù)空間分辨率均重采樣為1 000 m×1 000 m，采用ArcGIS 10.5軟件進(jìn)行重分類賦值，并用地理探測(cè)器進(jìn)行分析。

2 研究方法

2.1 構(gòu)建遙感生態(tài)指數(shù)(RSEI)

采用RSEI監(jiān)測(cè)灃河流域2001—2021年生態(tài)環(huán)境變化。綠度(歸一化植被指數(shù)，normalized difference vegetation index，NDVI)、濕度(WET)、干度(NDSI)和熱度(地表溫度，land surface temperature，LST)4個(gè)指標(biāo)均會(huì)影響人類生活，因此采用耦合生成的綜合指數(shù)RSEI來反映生態(tài)環(huán)境質(zhì)量變化具有可信度[34]。RSEI計(jì)算公式為

IRSE=f(INDV,WET,INDS,TLS)。

(1)

式(1)中，IRSE為遙感生態(tài)指數(shù)；INDV為綠度指標(biāo)；WET為濕度指標(biāo)；INDS為干度指標(biāo)；TLS為熱度指標(biāo)；f為主成分分析。

2.1.1綠度指標(biāo)(NDVI)

NDVI與植被生長(zhǎng)狀態(tài)、生物量密切相關(guān)，可以反映植被繁茂狀況，從而在一定程度上反映地區(qū)生態(tài)環(huán)境質(zhì)量情況[35]，NDVI計(jì)算公式為

(2)

式(2)中，INDV為綠度指標(biāo)；bred和bnir分別為L(zhǎng)andsat系列影像中紅光和近紅外波段反射率。

2.1.2濕度指標(biāo)(WET)

濕度指標(biāo)為纓帽變換中的濕度分量，該分量能夠很好地監(jiān)測(cè)地表環(huán)境狀況[36]。對(duì)于不同傳感器數(shù)據(jù)源，計(jì)算方法也不同，WET計(jì)算公式為

WET,TM=0.031 5×bblue+0.202 1×bgreen+0.301 2×bred+0.159 4×bnir-0.680 6×bswir1-0.610 9×bswir2，

(3)

WET,OLI=0.151 1×bblue+0.197 3×bgreen+0.328 3×bred+0.340 7×bnir-0.711 7×bswir1-0.455 9×bswir2。

(4)

式(3)～(4)中，bred、bgreen、bblue、bnir、bswir1和bswir2分別為L(zhǎng)andsat系列影像中紅光、綠光、藍(lán)光、近紅外、短波紅外1和短波紅外2波段反射率。

2.1.3干度指標(biāo)(NDSI)

城市快速擴(kuò)張導(dǎo)致城市區(qū)域地面硬化，這會(huì)對(duì)區(qū)域生態(tài)環(huán)境質(zhì)量產(chǎn)生不利影響。采用裸土指數(shù)SI(soil index，SI，IS)和建筑指數(shù)IBI(index-based built-up index，IBI，IIB)構(gòu)建干度指標(biāo)[37]，NDSI計(jì)算公式為

(5)

(6)

(7)

式(5)～(7)中，INDS為干度指標(biāo)；IIB為建筑指數(shù)；IS為裸土指數(shù)；bred、bgreen、bblue、bnir和bswir1分別為L(zhǎng)andsat系列影像中紅光、綠光、藍(lán)光、近紅外和短波紅外1波段反射率。

2.1.4熱度指標(biāo)(LST)

熱度指標(biāo)采用LST表示，采用輻射傳輸方程來反演地表溫度，LST計(jì)算公式為

Lλ=[ε×B(Ts)+(1-ε)×Ld]×τ+Lu，

(8)

(9)

(10)

式(8)～(10)中，TLS為地表真實(shí)溫度；Lλ為衛(wèi)星傳感器接受到的熱紅外輻射亮度值；ε為地表比輻射率；B(Ts)為黑體熱輻射亮度；Lu、Ld分別為大氣向上、向下輻射亮度，其值可在NASA網(wǎng)站(https:∥atmcorr.gsfc.nasa.gov)獲得；τ為大氣在熱紅外波段的透過率，其值可在NASA網(wǎng)站獲得；K1、K2為定標(biāo)參數(shù)，Landsat5 TM影像K1=607.76 W·(m2·um·sr)-1和K2=1 260.56 K，Landsat8 OLI影像K1=774.89 W·(m2·um·sr)-1和K2=1 321.08 K。

2.1.5水體掩膜

為了避免研究區(qū)水域?qū)Y(jié)果的影響，只針對(duì)研究區(qū)非水域部分區(qū)域生態(tài)環(huán)境質(zhì)量進(jìn)行分析，采用改進(jìn)的歸一化差異水體指數(shù)(modified normalized difference water index，MNDWI，IMNDW)對(duì)NDVI、WET、NDSI和LST結(jié)果進(jìn)行掩膜處理[38]，只針對(duì)研究區(qū)非水域部分區(qū)域生態(tài)環(huán)境質(zhì)量進(jìn)行分析。MNDWI計(jì)算公式為

(11)

式(11)中，bgreen和bswir1分別為L(zhǎng)andsat系列影像中綠光和短波紅外1波段反射率。

2.1.6主成分分析

采用主成分分析方法，將與生態(tài)環(huán)境質(zhì)量相關(guān)信息集中在較少的主成分上，該方法可以集成生態(tài)環(huán)境質(zhì)量指標(biāo)權(quán)重，而無需人為設(shè)置，因而可以避免因受主觀影響而造成權(quán)重有所偏差。對(duì)歸一化綠度、濕度、干度和熱度指標(biāo)進(jìn)行主成分分析，并提取具有代表性的第1主成分(PC1)為初始遙感生態(tài)指數(shù)(RSEI′，IRSE′)，再對(duì)RSEI′進(jìn)行歸一化得到歸一化遙感生態(tài)指數(shù)(RSEI，IRSE)。

IRSE′=PC1[f(INDV,WET,INDS,TLS)]，

(12)

(13)

式(12)～(13)中，IRSE，max′和IRSE，min′分別為初始遙感生態(tài)指數(shù)最大值和最小值；IRSE為歸一化遙感生態(tài)指數(shù)，其值介于0到1之間，RSEI越接近1，說明區(qū)域生態(tài)環(huán)境質(zhì)量越好，反之則生態(tài)環(huán)境質(zhì)量越差。

2.2 空間自相關(guān)分析

為了進(jìn)一步研究灃河流域生態(tài)環(huán)境質(zhì)量空間分布，采用全局莫蘭指數(shù)(global Moran′sI)和局部莫蘭指數(shù)(local Moran′sI)對(duì)研究區(qū)生態(tài)環(huán)境質(zhì)量進(jìn)行空間相關(guān)性分析，其計(jì)算公式分別為

(14)

(15)

式(14)～(15)中，I全局和I局部分別為全局和局部莫蘭指數(shù)；n為總數(shù)；Wij為權(quán)重矩陣；xi為i地區(qū)遙感生態(tài)指數(shù)值；x為研究區(qū)遙感生態(tài)指數(shù)平均值。全局莫蘭指數(shù)取值范圍在-1～1之間。局部空間自相關(guān)類型有不顯著、高-高、高-低、低-高和低-低5種[39]。

2.3 地理探測(cè)器

地理探測(cè)器是應(yīng)用于空間數(shù)據(jù)探索性分析的有力工具，是被用來分析各種現(xiàn)象驅(qū)動(dòng)力的一種統(tǒng)計(jì)學(xué)方法[40]。地理探測(cè)器不僅可以揭示因子解釋力，還可以分析變量之間的交互關(guān)系，已被廣泛應(yīng)用到生態(tài)環(huán)境和社會(huì)科學(xué)等眾多領(lǐng)域[41-43]。采用因子探測(cè)和交互作用探測(cè)分析遙感生態(tài)評(píng)價(jià)指標(biāo)(綠度、濕度、干度和熱度)、高程、坡度、夜間燈光強(qiáng)度、降水和土壤類型9個(gè)因子對(duì)生態(tài)環(huán)境的影響力水平和交互作用。

2.3.1因子探測(cè)

因子探測(cè)用于探測(cè)生態(tài)環(huán)境空間分異性及不同驅(qū)動(dòng)因子對(duì)其的影響程度，其計(jì)算公式為

(16)

式(16)中，q為驅(qū)動(dòng)因子對(duì)生態(tài)環(huán)境的影響程度；h為驅(qū)動(dòng)因子層數(shù)；L為驅(qū)動(dòng)因子或遙感生態(tài)指數(shù)分層數(shù)；N為灃河流域樣本數(shù)；σ2為遙感生態(tài)指數(shù)方差。q取值范圍在0～1之間，q值越大，說明該驅(qū)動(dòng)因子對(duì)生態(tài)環(huán)境的影響越大，且其對(duì)生態(tài)環(huán)境的影響力為q值×100%。

2.3.2交互作用探測(cè)

交互作用探測(cè)用于探測(cè)不同驅(qū)動(dòng)因子對(duì)生態(tài)環(huán)境的交互作用，假設(shè)驅(qū)動(dòng)因子X和Y的影響力分別為q(X)和q(Y)，交互作用后產(chǎn)生q(X∩Y)，通過比較疊加后的q(X∩Y)與q(X)和q(Y)，檢驗(yàn)2個(gè)因子共同作用后它們對(duì)生態(tài)環(huán)境空間分異性的影響程度是擴(kuò)大還是降低。雙因子交互作用會(huì)產(chǎn)生以下5種探測(cè)結(jié)果：(1)當(dāng)q(X∩Y)max[q(X)，q(Y)]時(shí)，則交互作用為雙因子增強(qiáng)，即協(xié)同作用；(4)當(dāng)q(X∩Y)=q(X)+q(Y)時(shí)，則交互作用為獨(dú)立；(5)當(dāng)q(X∩Y)>q(X)+q(Y)時(shí)，則交互作用為非線性增強(qiáng)，即雙協(xié)同作用[38]。

3 結(jié)果與分析

3.1 生態(tài)環(huán)境指標(biāo)整體特征

2001、2005、2011、2015和2021年灃河流域4個(gè)遙感生態(tài)評(píng)價(jià)指標(biāo)的主成分分析結(jié)果見表2。由表2可知，2001、2005、2011、2015和2021年P(guān)C1特征值貢獻(xiàn)率分別為78.93%、82.37%、85.36%、76.10%和82.67%，均超過75%，表明PC1可以最大程度集中綠度、濕度、干度和熱度4個(gè)指標(biāo)的特征，因此可以選取其作為研究區(qū)生態(tài)環(huán)境質(zhì)量的表征。在PC1中，綠度指標(biāo)NDVI和濕度指標(biāo)WET為正值，表明它們對(duì)生態(tài)環(huán)境呈現(xiàn)正向作用，而干度指標(biāo)NDSI和熱度指標(biāo)LST為負(fù)值，其對(duì)生態(tài)環(huán)境呈現(xiàn)負(fù)向作用。

表2 灃河流域RSEI的主成分分析Table 2 Principal component analysis of RSEI in the Fenghe River watershed

NDVI、WET、NDSI和LST分別為綠度、濕度、干度和熱度。

2001—2021年灃河流域RSEI、NDVI、WET、NDSI以及LST變化情況見表3。由表3可知，2001—2011年，對(duì)環(huán)境起正向作用的NDVI和WET指標(biāo)平均值不斷增加，同時(shí)，起負(fù)向作用的NDSI和LST指標(biāo)平均值不斷降低，RSEI指數(shù)平均值在此期間呈現(xiàn)上升趨勢(shì)，表明灃河流域生態(tài)環(huán)境質(zhì)量在該期間有明顯改善。2011—2015年，起正向作用的NDVI和WET指標(biāo)平均值和起負(fù)向作用的LST平均值呈現(xiàn)增加趨勢(shì)，而NDSI平均值呈現(xiàn)降低趨勢(shì)，RSEI平均值較前一時(shí)期也有所上升，雖然熱度因子對(duì)環(huán)境產(chǎn)生的負(fù)面作用有所增加，但在綜合作用下，并未對(duì)生態(tài)環(huán)境產(chǎn)生不利影響。2015—2021年，4個(gè)評(píng)價(jià)指標(biāo)平均值均有所下降，RSEI指數(shù)平均值亦在降低，生態(tài)環(huán)境較前一時(shí)期有所退化。

表3 2001—2021年灃河流域因子平均值Table 3 Mean value of factors in the Fenghe River watershed from 2001 to 2021

3.2 灃河流域RSEI時(shí)空變化分析

為了進(jìn)一步分析RSEI反映的生態(tài)效應(yīng)，以0.2為間隔將2001、2005、2011、2015和2021年RSEI分為5級(jí)：極差(0～0.2)、較差(>0.2～0.4)、一般(>0.4～0.6)、良好(>0.6～0.8)和優(yōu)質(zhì)(>0.8～1.0)，2001—2021年灃河流域生態(tài)環(huán)境質(zhì)量等級(jí)分布見圖2。由圖2可知，灃河流域近20年生態(tài)環(huán)境質(zhì)量整體上得到很大程度的改善，生態(tài)環(huán)境質(zhì)量?jī)?yōu)質(zhì)區(qū)域面積在不斷增加，同時(shí)生態(tài)環(huán)境質(zhì)量極差區(qū)域面積在不斷減少，生態(tài)環(huán)境質(zhì)量極差區(qū)域主要集中在西咸新區(qū)和高新區(qū)等人類活動(dòng)相對(duì)聚集的地區(qū)。

圖2 灃河流域RSEI等級(jí)分布Fig.2 Distribution of RSEI grades in the Fenghe River watershed

NDVI、WET、NDSI和LST分別為綠度、濕度、干度和熱度，RSEI為遙感生態(tài)指數(shù)。

為進(jìn)一步明確灃河流域生態(tài)環(huán)境質(zhì)量狀況，對(duì)各生態(tài)環(huán)境質(zhì)量等級(jí)面積及其占比進(jìn)行統(tǒng)計(jì)(圖3)。由圖3可知，2001—2015年灃河流域生態(tài)環(huán)境明顯改善，其中，生態(tài)環(huán)境質(zhì)量極差和較差區(qū)域面積共減少300.07 km2，且其所占比例也一直呈現(xiàn)下降趨勢(shì)，共下降18.08個(gè)百分點(diǎn)；生態(tài)環(huán)境質(zhì)量良好和優(yōu)質(zhì)區(qū)域面積增加290.04 km2，其所占比例也不斷增加，共增加17.48個(gè)百分點(diǎn)；生態(tài)環(huán)境質(zhì)量一般區(qū)域面積占總面積比例變化幅度不大。2015—2021年研究區(qū)生態(tài)環(huán)境質(zhì)量極差和較差區(qū)域面積增加59.49 km2，其面積占比由14.14%增加至17.72%；生態(tài)環(huán)境質(zhì)量?jī)?yōu)質(zhì)和良好區(qū)域面積減少37.61 km2，其面積占比由65.68%降低至63.41%，表明在此期間研究區(qū)生態(tài)環(huán)境發(fā)生退化。綜上，灃河流域生態(tài)環(huán)境在2001—2015年得到明顯改善，而在2015—2021年卻有所退化。

圖3 灃河流域RSEI分級(jí)面積占比Fig.3 The ratio of RSEI classification area in the Fenghe River watershed

為了進(jìn)一步分析2001—2021年灃河流域生態(tài)環(huán)境質(zhì)量變化趨勢(shì)，將研究期間各年份RSEI進(jìn)行差值處理。指數(shù)變化等級(jí)過少不能詳細(xì)說明生態(tài)環(huán)境質(zhì)量變化的具體情況，因此參照文獻(xiàn)[20,22]，將生態(tài)指數(shù)變化分為7個(gè)等級(jí)：明顯變差、中等變差、輕微變差、不變、輕微變好、中等變好和明顯變好。由圖4和表4可知，不同時(shí)期灃河流域生態(tài)環(huán)境質(zhì)量變化不一致。2001—2005年，灃河流域生態(tài)環(huán)境質(zhì)量變好區(qū)域面積為227.63 km2，其占總面積比例為13.72%，生態(tài)環(huán)境變好區(qū)域主要集中在郭杜、黃良街道等研究區(qū)中部地區(qū)；生態(tài)環(huán)境質(zhì)量變差區(qū)域面積為124.77 km2，占總面積的7.52%，研究區(qū)總體上生態(tài)環(huán)境質(zhì)量變好趨勢(shì)大于生態(tài)環(huán)境變差趨勢(shì)。2005—2011年，研究區(qū)生態(tài)環(huán)境質(zhì)量變好區(qū)域面積為214.22 km2，占總面積的12.91%，生態(tài)環(huán)境質(zhì)量變好區(qū)域主要集中在馬王、斗門和細(xì)柳等街道；生態(tài)環(huán)境質(zhì)量變差區(qū)域面積為98.94 km2，占總面積的5.96%，研究區(qū)生態(tài)環(huán)境質(zhì)量變好面積是變差區(qū)域的2倍多。2011—2015年，研究區(qū)生態(tài)環(huán)境質(zhì)量變好區(qū)域面積為246.95 km2，占總面積的14.88%，主要集中在灃河河道附近地區(qū)；生態(tài)環(huán)境質(zhì)量變差區(qū)域面積為154.49 km2，占總面積的9.31%，主要集中在馬王、靈沼等街道，雖然生態(tài)環(huán)境質(zhì)量變差區(qū)域面積有所增加，但生態(tài)環(huán)境變好區(qū)域面積仍大于變差區(qū)域。2015—2021年，生態(tài)環(huán)境質(zhì)量變好區(qū)域面積為171.92 km2，占總面積的10.37%，大兆、引鎮(zhèn)等街道生態(tài)環(huán)境得到提高；生態(tài)環(huán)境質(zhì)量變差區(qū)域面積為156.90 km2，占總面積的9.45%，西咸新區(qū)王寺、斗門街道以及高新區(qū)細(xì)柳、興隆等街道生態(tài)環(huán)境質(zhì)量明顯退化，在該期間生態(tài)環(huán)境變好區(qū)域面積較之前有所減少，且生態(tài)環(huán)境變差區(qū)域面積較之前有所增加。綜上，2001—2015年灃河流域生態(tài)環(huán)境質(zhì)量呈現(xiàn)增長(zhǎng)趨勢(shì)，2015—2021年生態(tài)環(huán)境質(zhì)量呈現(xiàn)下降趨勢(shì)。

圖4 灃河流域RSEI等級(jí)變化Fig.4 Variation of RSEI levels in the Fenghe River watershed

表4 灃河流域RSEI等級(jí)面積變化Table 4 Changes in the area of RSEI grades in the Fenghe River watershed

3.3 生態(tài)環(huán)境質(zhì)量指標(biāo)相關(guān)性

3.3.1RSEI與評(píng)價(jià)指標(biāo)的相關(guān)分析

采用ArcGIS 10.5軟件進(jìn)行重采樣、相交等處理，研究RSEI與NDVI、WET、NDSI和LST這4個(gè)評(píng)價(jià)指標(biāo)之間的關(guān)系。由圖5可知，2001、2005、2011和2021年RSEI與NDVI的相關(guān)性最好，而2015年RSEI與NDSI的相關(guān)性最高，與此同時(shí)，RSEI與NDVI的相關(guān)性也較高。近20年間，RSEI與NDVI和WET之間存在顯著正相關(guān)關(guān)系，與NDSI和LST之間存在顯著負(fù)相關(guān)關(guān)系，這與主成分分析結(jié)果趨勢(shì)相一致，且NDVI和WET與NDSI和LST之間存在負(fù)相關(guān)關(guān)系。綜上，RSEI與NDVI、WET、NDSI和LST之間均呈現(xiàn)極強(qiáng)相關(guān)性，進(jìn)一步說明RSEI能集中各評(píng)價(jià)指標(biāo)信息，用該指數(shù)能夠反映近20年灃河流域生態(tài)環(huán)境質(zhì)量狀況。

**表示在1%水平上顯著。NDVI、WET、NDSI和LST分別為綠度、濕度、干度和熱度，RSEI為遙感生態(tài)指數(shù)。圖5 RSEI與NDVI、WET、NDSI及LST的相關(guān)性Fig.5 Correlation of RSEI with NDVI, WET, NDSI, and LST

3.3.2RSEI空間自相關(guān)分析

空間自相關(guān)是檢驗(yàn)?zāi)硞€(gè)地區(qū)生態(tài)環(huán)境質(zhì)量與其相鄰空間生態(tài)環(huán)境質(zhì)量相關(guān)性的重要指標(biāo)?；跒柡恿饔蚓坝^格局和生態(tài)系統(tǒng)特征，采用250 m×250 m柵格進(jìn)行重采樣，從2001、2005、2011、2015和2021年RSEI圖像中收集26 513個(gè)采樣點(diǎn)，通過分析變量是否具有相關(guān)性及其相關(guān)程度來解釋其空間自相關(guān)性。2001、2005、2011、2015和2021年全局Moran′sI指數(shù)分別為0.858、0.887、0.883、0.767和0.807，且均在1%水平上顯著相關(guān)，說明研究結(jié)果具有可信度。這表明2001—2021年灃河流域生態(tài)環(huán)境質(zhì)量整體空間分布呈現(xiàn)聚集特性，且具有極強(qiáng)正相關(guān)性，研究區(qū)生態(tài)環(huán)境質(zhì)量好與差的區(qū)域均為集中分布。

為了進(jìn)一步了解灃河流域RSEI時(shí)空分布特征，采用局部莫蘭指數(shù)分析研究區(qū)RSEI集聚現(xiàn)象(圖6)。由圖6可知，高-高聚集區(qū)表示空間自相關(guān)性為正，主要分布在研究區(qū)南部五臺(tái)、灤鎮(zhèn)和引鎮(zhèn)等街道，這些地區(qū)不易受到人類活動(dòng)影響，生態(tài)環(huán)境較好；低-低聚集區(qū)表示空間自相關(guān)性為負(fù)，主要分布在研究區(qū)北部西咸新區(qū)王寺、斗門和釣臺(tái)等街道。2001—2015年研究區(qū)低-低聚集區(qū)面積不斷減少，表明研究區(qū)生態(tài)環(huán)境質(zhì)量在不斷改善；2021年研究區(qū)低-低聚集區(qū)面積比2015年大，說明2015—2021年灃河流域生態(tài)環(huán)境質(zhì)量有所下降。

圖6 灃河流域RSEI的LISA聚類圖Fig.6 LISA cluster map of RSEI in the Fenghe River watershed

3.4 生態(tài)環(huán)境質(zhì)量影響因子探測(cè)分析

以2015年4個(gè)遙感生態(tài)評(píng)價(jià)指標(biāo)、高程、坡度、夜間燈光強(qiáng)度、降水和土壤類型共9個(gè)因子作為自變量，以2015年RSEI作為因變量，在研究區(qū)創(chuàng)建1 km×1 km格網(wǎng)，并采用自然斷點(diǎn)法對(duì)自變量進(jìn)行分級(jí)，采用地理探測(cè)器探明不同因子對(duì)生態(tài)環(huán)境的影響力水平和交互作用。

3.4.1因子探測(cè)分析

地理探測(cè)器的因子探測(cè)結(jié)果表明，綠度、濕度、干度、熱度、高程、坡度、夜間燈光強(qiáng)度、降水和土壤類型9個(gè)因子q值分別為0.804、0.827、0.950、0.621、0.570、0.536、0.119、0.564和0.273，且均在1%水平上顯著相關(guān)，這表明所有影響因子對(duì)灃河流域生態(tài)環(huán)境質(zhì)量的空間分異性均有顯著影響。這9個(gè)因子影響力由大到小依次為干度、濕度、綠度、熱度、高程、降水、坡度、土壤類型和夜間燈光強(qiáng)度。由于RSEI由綠度、濕度、干度和熱度4個(gè)指標(biāo)耦合而成，因此這4個(gè)遙感生態(tài)評(píng)價(jià)指標(biāo)對(duì)灃河流域生態(tài)環(huán)境的影響力明顯高于其他因子。除此之外，灃河流域生態(tài)環(huán)境受高程、坡度和降水因子的影響也較大，而土壤類型、夜間燈光強(qiáng)度對(duì)生態(tài)環(huán)境的影響較小。

3.4.2交互作用探測(cè)分析

表5為各影響因子的交互作用探測(cè)結(jié)果。由表5可知，任意2個(gè)因子交互產(chǎn)生的影響均比單獨(dú)因子的大，所有因子交互作用均為雙因子增強(qiáng)，不存在獨(dú)立和減弱的情況，說明灃河流域生態(tài)環(huán)境并不是單一因子作用的結(jié)果，而是地形、經(jīng)濟(jì)等因子與遙感生態(tài)評(píng)價(jià)指標(biāo)交互后增強(qiáng)的結(jié)果。其中，干度與其他因子的交互結(jié)果均大于0.9，表明2015年灃河流域地表裸土面積和建筑面積對(duì)該地區(qū)生態(tài)環(huán)境質(zhì)量的影響最大。

表5 影響因子交互作用探測(cè)結(jié)果Table 5 Detection results of the interaction of the influencing factors

4 討論與結(jié)論

4.1 討論

4.1.1生態(tài)環(huán)境質(zhì)量時(shí)空變化及其影響因子研究

2001—2015年灃河流域遙感生態(tài)指數(shù)平均值由0.543增長(zhǎng)到0.668，說明生態(tài)環(huán)境質(zhì)量在此期間得到改善，主要是因?yàn)檠芯繀^(qū)內(nèi)大量濕地公園、森林公園的恢復(fù)建設(shè)為生態(tài)環(huán)境質(zhì)量的整體提高做出了貢獻(xiàn)。其中，遙感生態(tài)指數(shù)高值區(qū)主要分布在研究區(qū)南部山區(qū)，而低值區(qū)域分布在研究區(qū)北部平原區(qū)，遙感生態(tài)指數(shù)呈現(xiàn)從南向北減少的趨勢(shì)，這主要是由于研究期間，隨著城市化發(fā)展，北部地區(qū)土地利用方式發(fā)生變化，如耕地變?yōu)榻ㄖ玫兀喜康貐^(qū)為秦嶺山區(qū)，林地、草地面積占比較高。2015—2021年灃河流域遙感生態(tài)指數(shù)平均值由0.668降低至0.649，說明這段時(shí)間研究區(qū)生態(tài)環(huán)境較前一階段有輕微退化，這主要是由于該時(shí)期西咸新區(qū)規(guī)劃建設(shè)全面提升，西咸新區(qū)建設(shè)加快是導(dǎo)致生態(tài)環(huán)境質(zhì)量變化的重要原因。此外，該時(shí)期高新區(qū)亦快速發(fā)展，致使區(qū)域內(nèi)較多的草地和水域變?yōu)榻ㄖ玫兀脖桓采w度降低，這些區(qū)域生態(tài)環(huán)境適宜度降低，從而導(dǎo)致研究區(qū)整體生態(tài)指數(shù)下降。因此，在未來發(fā)展中，灃河流域應(yīng)加大生態(tài)環(huán)境保護(hù)力度，不斷尋找符合不同區(qū)域的自然恢復(fù)措施，協(xié)調(diào)經(jīng)濟(jì)發(fā)展與生態(tài)環(huán)境保護(hù)之間的關(guān)系，合理規(guī)劃區(qū)域土地資源發(fā)展方向。

2001—2021年灃河流域生態(tài)環(huán)境質(zhì)量空間分布具有很強(qiáng)的正相關(guān)性，高-高聚集區(qū)主要分布在研究區(qū)南部，南部為秦嶺山地，土地利用類型以林地、草地為主，人為干擾少，土壤結(jié)構(gòu)好且植被根系對(duì)土壤流失起到攔截作用，土壤保持量高，因此南部地區(qū)生態(tài)環(huán)境質(zhì)量好；低-低聚集區(qū)主要分布在北部，土地類型以耕地和建筑用地為主，植被覆蓋率低且降水量少，土壤保持量極低，因此生態(tài)環(huán)境質(zhì)量比南部差。

2015年灃河流域生態(tài)環(huán)境影響因子分析結(jié)果表明，干度指標(biāo)是影響生態(tài)環(huán)境的主導(dǎo)因子。隨著城市化快速發(fā)展，灃河流域建筑面積在逐年增加，2015年研究區(qū)建筑面積已達(dá)到193.28 km2，其面積約為2001年的2倍。隨著流域建筑面積不斷增多，干度指標(biāo)對(duì)流域生態(tài)環(huán)境質(zhì)量的影響也越來越大。除4個(gè)遙感生態(tài)評(píng)價(jià)指標(biāo)外，高程的影響力(q值為0.570)最大，研究區(qū)南部為山區(qū)，海拔變化大，不易受到人類活動(dòng)影響；北部為平原，地勢(shì)平坦，土地利用以建筑用地為主，受人為影響大，導(dǎo)致研究區(qū)南部地區(qū)生態(tài)環(huán)境質(zhì)量比北部地區(qū)高。地理探測(cè)器的交互作用探測(cè)結(jié)果表明，任意2個(gè)因子交互后的影響均比單因子大，尤其是各因子與干度指標(biāo)交互后的作用明顯增強(qiáng)，且干度與熱度交互后的影響比綠度與濕度交互后的大，這說明2015年對(duì)灃河流域產(chǎn)生負(fù)面作用的因子影響力大于正面作用的因子，因此在以后的發(fā)展中，灃河流域在快速發(fā)展經(jīng)濟(jì)的同時(shí)也要注重對(duì)生態(tài)環(huán)境的保護(hù)，避免生態(tài)環(huán)境進(jìn)一步退化。

4.1.2局限性和未來展望

該研究基于Landsat系列遙感影像，通過主成分分析構(gòu)建了RSEI指數(shù)，并采用地理探測(cè)器分析生態(tài)環(huán)境影響因子，為研究灃河流域生態(tài)環(huán)境質(zhì)量時(shí)空變化及其影響因子提供一種有效方法。在今后研究中，還需在數(shù)據(jù)獲取及處理方法方面進(jìn)一步改進(jìn)。該研究在數(shù)據(jù)獲取方面雖然選取的遙感影像云量比較低，但還是存在少量薄云，會(huì)直接影響提取的遙感生態(tài)評(píng)價(jià)指標(biāo)的精度。與此同時(shí)，生態(tài)環(huán)境是多種因子綜合作用的結(jié)果，雖然分析了綠度、濕度、干度、熱度、高程、坡度、夜間燈光強(qiáng)度、降水和土壤類型對(duì)生態(tài)環(huán)境的影響力水平，但影響生態(tài)環(huán)境的因子遠(yuǎn)不止這些，因此在以后研究中需要將多源遙感數(shù)據(jù)與多種社會(huì)經(jīng)濟(jì)數(shù)據(jù)相結(jié)合，以便能夠更準(zhǔn)確地分析生態(tài)環(huán)境質(zhì)量變化狀況。此外，在未來研究中還可以引用相關(guān)模型，對(duì)未來的生態(tài)環(huán)境質(zhì)量進(jìn)行預(yù)測(cè)，以便開展適當(dāng)?shù)娜斯じ深A(yù)，使生態(tài)環(huán)境得到有效保護(hù)。

4.2 結(jié)論

基于Landsat系列遙感影像提取綠度、濕度、干度和熱度指標(biāo)，并采用主成分分析方法耦合生成遙感生態(tài)指數(shù)，分析近20年灃河流域生態(tài)環(huán)境時(shí)空變化特征，采用全局莫蘭指數(shù)和局部莫蘭指數(shù)對(duì)研究區(qū)生態(tài)環(huán)境質(zhì)量進(jìn)行空間相關(guān)性分析，并采用地理探測(cè)器對(duì)影響研究區(qū)生態(tài)環(huán)境質(zhì)量的主導(dǎo)因子和交互因子進(jìn)行探究。主要結(jié)論如下：

(1)2001—2015年灃河流域生態(tài)環(huán)境總體上得到很大程度的改善，綠度和濕度指標(biāo)對(duì)生態(tài)環(huán)境起正面作用，干度和熱度指標(biāo)對(duì)生態(tài)環(huán)境起負(fù)面作用，生態(tài)環(huán)境質(zhì)量的提高主要來源于植被面積的增加以及裸土和建筑面積的減少。2015—2021年灃河流域生態(tài)環(huán)境質(zhì)量有輕微下降，主要是由于在此期間對(duì)環(huán)境起正面作用的綠度和濕度指標(biāo)較之前有所下降。

(2)研究期間，灃河流域生態(tài)環(huán)境質(zhì)量存在顯著正相關(guān)關(guān)系。高-高聚集區(qū)主要分布在灤鎮(zhèn)、五臺(tái)街道等研究區(qū)南部地區(qū)；低-低聚集區(qū)主要分布在王寺、斗門街道等北部地區(qū)，2001—2015年灃河流域低-低聚集區(qū)面積不斷減少，而2015—2021年灃河流域低-低聚集區(qū)面積有所增加，說明近20年間灃河流域生態(tài)環(huán)境呈先明顯改善后輕微退化趨勢(shì)。

(3)地理探測(cè)器模型的因子探測(cè)結(jié)果表明，2015年遙感生態(tài)評(píng)價(jià)指標(biāo)中，干度指標(biāo)對(duì)灃河流域生態(tài)環(huán)境的影響力最大，即地表裸土和建筑面積對(duì)灃河流域生態(tài)環(huán)境影響最大；多因子交互作用探測(cè)結(jié)果表明，所有因子交互作用均為協(xié)同增強(qiáng)。