馬永康, 姜怡, 凌成星*, 劉華, 趙峰, 張雨桐

1.中國(guó)林業(yè)科學(xué)研究院資源信息研究所，北京 100091；

2.國(guó)家林業(yè)和草原局林業(yè)遙感與信息技術(shù)重點(diǎn)實(shí)驗(yàn)室，北京 100091

隨著我國(guó)城市化進(jìn)程推進(jìn)，生態(tài)環(huán)境與人類活動(dòng)關(guān)系密不可分，人口與環(huán)境間矛盾日益突出。生態(tài)環(huán)境是一個(gè)地區(qū)賴以生存和發(fā)展的基礎(chǔ)，實(shí)時(shí)監(jiān)測(cè)區(qū)域生態(tài)環(huán)境狀況對(duì)城市規(guī)劃建設(shè)以及保護(hù)生態(tài)環(huán)境有著重要作用。而雄安新區(qū)作為國(guó)家重點(diǎn)發(fā)展與規(guī)劃的城市，生態(tài)保護(hù)與建設(shè)尤為重要。隨著新區(qū)規(guī)劃綱要逐步實(shí)施，雄安新區(qū)工業(yè)園與城區(qū)建設(shè)正在快速進(jìn)行，分析和了解雄安新區(qū)生態(tài)質(zhì)量的變化，能夠更有針對(duì)性地去開(kāi)發(fā)和保護(hù)。

某一區(qū)域生態(tài)環(huán)境質(zhì)量評(píng)價(jià)方法主要有模糊評(píng)判法、層次分析法、網(wǎng)絡(luò)分析法和綜合指數(shù)法等。而以往通過(guò)生態(tài)評(píng)價(jià)方法選取所需指標(biāo)難度較大，指標(biāo)權(quán)重設(shè)定具有主觀性，不能準(zhǔn)確反映整個(gè)研究區(qū)的評(píng)價(jià)結(jié)果。隨著遙感技術(shù)的蓬勃發(fā)展為監(jiān)測(cè)區(qū)域生態(tài)環(huán)境提供更大的便利，就實(shí)時(shí)性和可視化而言，目前遙感技術(shù)手段已經(jīng)可以滿足輔助決策的基本需求。各種基于遙感技術(shù)的生態(tài)方法在水土保持[1-2]、生態(tài)質(zhì)量監(jiān)測(cè)與修復(fù)[3-5]、生態(tài)系統(tǒng)演變[6-7]等生態(tài)領(lǐng)域得到了廣泛應(yīng)用?；诖?，基于遙感手段定量判斷區(qū)域生態(tài)狀況方法日漸成熟，研究者通過(guò)構(gòu)建不同的遙感指數(shù)，反演不同生態(tài)角度下的生態(tài)變化。例如應(yīng)用不同植被指數(shù)（NDVI、EVI等）評(píng)價(jià)區(qū)域生物量[8]，利用不透水面指數(shù)與地表溫度評(píng)估城市熱島效應(yīng)[9-10]，采用干旱指標(biāo)或濕度指數(shù)表達(dá)地面植被干旱情況與土壤濕度[11-13]等。這些遙感指數(shù)可以很好表達(dá)生態(tài)環(huán)境在某一方面的生態(tài)特征。然而，真實(shí)的生態(tài)環(huán)境質(zhì)量受多因素影響，一個(gè)可以從多角度直觀、準(zhǔn)確的評(píng)價(jià)區(qū)域生態(tài)環(huán)境質(zhì)量的綜合指標(biāo)便尤為重要?；诖耍旌锏萚14]從不同生態(tài)角度出發(fā)提出一個(gè)綜合指標(biāo)新型遙感生態(tài)指數(shù)（Remote sensing based ecological index，RSEI）。該指數(shù)完全基于遙感方法提取生態(tài)指標(biāo)，從綠度、濕度、熱度和干度等4個(gè)生態(tài)要素角度出發(fā)綜合評(píng)價(jià)區(qū)域生態(tài)質(zhì)量，評(píng)價(jià)指標(biāo)易獲取，可實(shí)現(xiàn)區(qū)域生態(tài)質(zhì)量快速監(jiān)測(cè)，將該方法應(yīng)用于雄安新區(qū)對(duì)其生態(tài)質(zhì)量變化進(jìn)行分析是本研究的主要目的。

本文基于雄安新區(qū)設(shè)立前后數(shù)據(jù)，綜合濕度、干度、熱度、綠度等指標(biāo)構(gòu)建RSEI綜合指數(shù)模型反演雄安新區(qū)生態(tài)質(zhì)量，從空間和時(shí)間角度上真實(shí)反映雄安新區(qū)設(shè)立前后生態(tài)環(huán)境質(zhì)量變化并分析其原因，以期為地方政府準(zhǔn)確掌握新區(qū)生態(tài)變化趨勢(shì)與制定雄安新區(qū)經(jīng)濟(jì)可持續(xù)發(fā)展政策提供科學(xué)依據(jù)。

1 研究區(qū)概況與方法

1.1 研究樣區(qū)概況

雄安新區(qū)設(shè)立于2017年4月1日，位于河北省保定市，地處北京、天津、保定腹地，屬北緯中緯度地帶。規(guī)劃范圍為雄縣、容城縣、安新縣及周邊部分鄉(xiāng)鎮(zhèn)區(qū)域（見(jiàn)圖1）。研究區(qū)地勢(shì)平坦，屬暖溫帶季風(fēng)型大陸性氣候，四季分明，春旱多風(fēng)，夏熱多雨，秋涼氣爽，冬寒少雪。年均氣溫11.9°C，年平均降雨量522.9 mm。其海拔20 m以下，地物類型以植被覆蓋區(qū)為主，其中耕地占農(nóng)用地主導(dǎo)地位。雄安新區(qū)具有多樣生態(tài)系統(tǒng)，境內(nèi)白洋淀濕地是華北平原上最大的淡水濕地，也是國(guó)家重點(diǎn)生態(tài)濕地，主要位于安新縣境內(nèi)。近幾年在“退耕還淀”、補(bǔ)水與水質(zhì)修復(fù)等工程下，白洋淀的水域覆蓋面積得到控制，湖水質(zhì)量提高顯著。

1.2 數(shù)據(jù)源

數(shù)據(jù)下載于美國(guó)地質(zhì)調(diào)查局（USGS），采用多光譜Landsat8_OLI 1T級(jí)衛(wèi)星遙感影像，分別為2013年9月1號(hào)與2019年9月2號(hào)數(shù)據(jù)，云量均在0.1%以下。原始影像如圖2所示。數(shù)據(jù)已經(jīng)過(guò)輻射定標(biāo)、大氣校正等一系列預(yù)處理工作。

1.3 研究方法

遙感生態(tài)指數(shù)法在近幾年生態(tài)質(zhì)量評(píng)價(jià)上應(yīng)用較為廣泛[15-17]。該指數(shù)通過(guò)植被指數(shù)、濕度信息、地表溫度、建筑-裸土信息耦合了綠度、濕度、熱度、干度四大生態(tài)要素，通過(guò)主成分分析方法綜合表達(dá)了區(qū)域生態(tài)環(huán)境質(zhì)量。相較于傳統(tǒng)生態(tài)環(huán)境狀況指數(shù)（Ecological Index，EI）方法，遙感生態(tài)指數(shù)法不僅可以定量評(píng)估生態(tài)質(zhì)量，還可以將評(píng)估結(jié)果結(jié)果可視化顯示，更有助于決策者了解區(qū)域生態(tài)結(jié)構(gòu)布局。此外，遙感生態(tài)指數(shù)法數(shù)據(jù)易獲取、評(píng)價(jià)結(jié)果與EI指數(shù)也具有可比性，適用于監(jiān)測(cè)高速發(fā)展下雄安新區(qū)的生態(tài)質(zhì)量。其表達(dá)式如下：

式（1）中：RSEI代表遙感生態(tài)指數(shù)，LST代表地表溫度，NDVI代表植被指數(shù)，WET代表濕度信息，NDSI代表建筑-裸土信息。

圖1 雄安新區(qū)地理位置Fig.1 Location of Xiong’an New Area

圖2 研究區(qū)Landsat8_ OLI 原始影像（RGB: 752波段合成）Fig.2 Landsat8_OLI images of the study area （RGB: bands 7, 5, 2）

1.3.1 濕度指標(biāo)

濕度采用了纓帽變換中濕度分量提取方法，其中的濕度分量反映了植被、水體和土壤中的濕度含量，可以有效表達(dá)研究區(qū)的水分含量情況。采用Baig等人[18]對(duì)Landsat8_OLI傳感器提出的濕度表達(dá)式如下:

式（2）中：WETOLI代表Landsat8_OLI數(shù)據(jù)的濕度分量，ρ2,ρ3,ρ4,ρ5,ρ6,ρ7代表Landsat8_OLI數(shù)據(jù)的2、3、4、5、6、7波段反射率。

1.3.2 干度指標(biāo)

考慮到研究區(qū)中建設(shè)用地會(huì)對(duì)地表造成不同程度的干化影響，故采用NDSI指數(shù)來(lái)作為干度指標(biāo)。NDSI指數(shù)綜合反映了裸土與建設(shè)用地對(duì)地面造成的干化現(xiàn)象。其中，代表裸土部分造成的干度程度采用土壤指數(shù)SI，建設(shè)用地部分采用建筑指數(shù)IBI指數(shù)，最終干度指標(biāo)NDSI具體表達(dá)式如下:

其中:

式（3）中：NDSI代表建筑-裸土指數(shù)；式（4）和（5）中：IBI與SI分別代表建筑指數(shù)與土壤指數(shù)，ρ2,ρ3,ρ4,ρ5,ρ6代表Landsat8_OLI數(shù)據(jù)的2、3、4、5、6波段反射率。

1.3.3 熱度指標(biāo)

熱度指標(biāo)采用地表溫度來(lái)進(jìn)行表達(dá)。地表溫度的反演采用覃志豪[19]等人提出的單窗算法，該方法適合多波段且具有紅外波段的傳感器使用，其簡(jiǎn)化后具體表達(dá)式如下:

其中：

式（6）中：LST為地表溫度（K），Tsensor是Landsat 8_OLI傳感器上的亮度溫度（K），Ta是大氣平均溫度（K），a和b為參考系數(shù)，且如果地表溫度在0—70°C范圍內(nèi)，那么a= -67.355351，b= 0.458606；式（7）中：K1、K2為L(zhǎng)andsat8計(jì)算地表真實(shí)溫度的參數(shù)，K1為774.89，K2為1 321.08，L為L(zhǎng)andsat8_OLI第10波段定標(biāo)后輻射值；L為熱紅外波段定標(biāo)后的輻射值；式（8）和（9）中：C和D為計(jì)算時(shí)的中間變量，ε為地表比輻射率，本次實(shí)驗(yàn)是通過(guò)植被覆蓋率求得的；τ代表大氣透過(guò)率。

1.3.4 綠度指標(biāo)

綠度指標(biāo)采用歸一化植被指數(shù)（NDVI），代表區(qū)域植被覆蓋度與生長(zhǎng)狀態(tài)。具體表達(dá)方式如下:

式（10）中：NDVI代表歸一化植被指數(shù)，ρNIR是近紅外波段反射率，ρR代表紅波段反射率。

1.3.5 綜合指數(shù)構(gòu)建

空間主成分分析方法（Principal Component Analysis，PCA）是圖像信息提取與數(shù)據(jù)壓縮中應(yīng)用較為廣泛的方法。其運(yùn)用對(duì)特征光譜空間坐標(biāo)的旋轉(zhuǎn)去掉各指標(biāo)之間的相關(guān)性，從而達(dá)到將四個(gè)指標(biāo)的主要信息集中在少量主成分上。其權(quán)重分配不受人為干擾，但是由于各指標(biāo)取值范圍與量綱不同，指標(biāo)需要進(jìn)行標(biāo)準(zhǔn)化處理：

式（11）中：NI為標(biāo)準(zhǔn)化后的指標(biāo)；Imin和Imax為指標(biāo)置信區(qū)間中的最小值與最大值。

式（12）中：為便于度量指標(biāo)，采用式（12）對(duì)RSEI進(jìn)行標(biāo)準(zhǔn)化處理，最終RSEI指數(shù)取值范圍為[0,1]，且數(shù)值越大，證明區(qū)域生態(tài)環(huán)境質(zhì)量越高，反之則越差。

2 結(jié)果與分析

2.1 RSEI指數(shù)的適用性

表1是耦合四大指標(biāo)過(guò)程中主成分分析的統(tǒng)計(jì)結(jié)果，表達(dá)了各指數(shù)在不同成分間的載荷量，正負(fù)性對(duì)應(yīng)對(duì)主成分影響的正負(fù)性。從表中可知，2013和2019年的第一主成分（PC1）貢獻(xiàn)率均大于97%，PC1集中了4個(gè)指標(biāo)的絕大部分特征。四個(gè)指標(biāo)對(duì)PC1的貢獻(xiàn)程度并不相同，其中綠度與濕度對(duì)PC1貢獻(xiàn)是正面影響，而熱度與干度對(duì)PC1貢獻(xiàn)是負(fù)面影響，即綠度與濕度對(duì)區(qū)域生態(tài)質(zhì)量起正面作用，熱度與干度起負(fù)面作用。這與傳統(tǒng)生態(tài)質(zhì)量評(píng)價(jià)影響結(jié)果相符合。而其他成分所占比重較小，且正負(fù)性并不具有科學(xué)的意義，故第一主成分可以科學(xué)表達(dá)四大指標(biāo)。在第一主成分中，干度載荷量最大，對(duì)第一主成分影響程度最高。

相關(guān)度是反映不同事物間密切程度的常用指標(biāo)，常采用相關(guān)系數(shù)來(lái)表達(dá)。表2是各指標(biāo)和RSEI指數(shù)的相關(guān)性系數(shù)以及各個(gè)指標(biāo)自身之間的相關(guān)性系數(shù)，平均值計(jì)算方式為各指標(biāo)與其他指標(biāo)間兩年的相關(guān)系數(shù)均值。從單個(gè)指標(biāo)來(lái)看，各分指標(biāo)之間平均相關(guān)度最高的是NDSI指數(shù)，其與其他三個(gè)指標(biāo)相關(guān)系數(shù)的兩年均值為0.84。但是經(jīng)過(guò)反演得到的RSEI指數(shù)與這四個(gè)指標(biāo)的平均相關(guān)系數(shù)均大于0.84，其兩年均值為0.92，比單指標(biāo)相關(guān)度最高的NDSI指數(shù)高出8%，與其他四大指標(biāo)密切程度最高。綜上所述，RSEI指數(shù)可以集成四個(gè)單指標(biāo)的絕大部分信息，而且比任何單一指標(biāo)都具備表達(dá)區(qū)域生態(tài)質(zhì)量代表性，可以更全面、綜合的表達(dá)研究區(qū)域的生態(tài)狀況。

2.2 雄安新區(qū)生態(tài)質(zhì)量分析

表3為研究區(qū)兩年間各指標(biāo)均值統(tǒng)計(jì)情況。從表中可以看出，兩年間NDVI、WET、NDSI均值降低，而LST上升，表明雄安新區(qū)整體綠度、濕度、干度呈下降趨勢(shì)。RSEI指數(shù)均在0.65之上，表明雄安新區(qū)的生態(tài)環(huán)境質(zhì)量整體水平較高。2013—2019年間RSEI指數(shù)整體下降幅度為0.07。說(shuō)明相對(duì)于2013年，目前雄安新區(qū)生態(tài)質(zhì)量是逐步下降的。

將RSEI指數(shù)以0.2為間隔進(jìn)行分級(jí)，共分為5個(gè)生態(tài)等級(jí)，數(shù)值取值范圍為[0,0.2）、[0.2,0.4）、[0.4,0.6）、[0.6,0.8）、[0.8,1.0]依次代表生態(tài)質(zhì)量差、較差，中級(jí)，良級(jí)，優(yōu)級(jí)等級(jí)（見(jiàn)圖3）。從圖3可知與2013年相比，2019年的黃紅色區(qū)域明顯增多，生態(tài)質(zhì)量差、較差等級(jí)占比增大，生態(tài)質(zhì)量降低。主要表現(xiàn)為東北部與西北角方向出現(xiàn)了大面積紅黃區(qū)域，通過(guò)觀察原始影像預(yù)測(cè)可能與城市建設(shè)有關(guān)。

表1 主成分分析結(jié)果Tab.1 Results of PCA analysis

表2 各指標(biāo)相關(guān)系數(shù)矩陣Tab.2 Correlation coefficient matrix for five indicators

表3 各指標(biāo)均值變化Tab.3 Changes of average values for five indicators

圖3 研究區(qū)RSEI分級(jí)圖Fig.3 RSEI hierarchical map of the study area

2.3 變化監(jiān)測(cè)

利用遙感手段對(duì)研究區(qū)進(jìn)行生態(tài)質(zhì)量變化監(jiān)測(cè)是了解區(qū)域生態(tài)狀況變化的有效方法。為了更直觀地觀察研究區(qū)生態(tài)質(zhì)量的變化情況，將2013、2019年數(shù)據(jù)進(jìn)行差值變化監(jiān)測(cè)，依據(jù)上述分級(jí)方法，可根據(jù)各像元變化的好壞及程度分為-4~4的9個(gè)變化等級(jí)，統(tǒng)計(jì)不同等級(jí)面積變化以及空間分布（見(jiàn)表4和圖4）。從表4統(tǒng)計(jì)來(lái)看，生態(tài)質(zhì)量未變化區(qū)域占面積最大，變化程度為一級(jí)（正負(fù)級(jí)）占總面積百分比為35.99%，與不變等級(jí)累計(jì)為90.27%，可見(jiàn)雄安新區(qū)生態(tài)質(zhì)量仍保持相對(duì)穩(wěn)定。生態(tài)質(zhì)量變化空間分布由如圖4可知，其中以紅色代表生態(tài)環(huán)境質(zhì)量下降區(qū)域，綠色代表上升區(qū)域，白色為生態(tài)質(zhì)量不變區(qū)域。變差區(qū)域仍聚集在東北部與西北角方向，為進(jìn)一步確定發(fā)生變化原因，還需與雄安新區(qū)規(guī)劃建設(shè)和布局相聯(lián)系。

表4 RSEI等級(jí)變化Tab.4 Changes of RSEI rank level

圖4 2013至2019 RSEI指數(shù)變化圖Fig.4 Changes of RSEI index from 2013 to 2019

3 討論

雄安新區(qū)的生態(tài)質(zhì)量與其規(guī)劃建設(shè)息息相關(guān)，了解雄安新區(qū)土地利用空間布局有助于更深入研究其生態(tài)質(zhì)量變化與城鎮(zhèn)化間的聯(lián)系，進(jìn)一步闡述和分析雄安新區(qū)生態(tài)質(zhì)量變化的原因。

3.1 土地利用類型變化分析

本文以2013年和2019年遙感影像為數(shù)據(jù)基礎(chǔ)，采用多尺度分割與最大似然法相結(jié)合的分類方式提取雄安新區(qū)土地利用類型。根據(jù)標(biāo)準(zhǔn)《土地利用現(xiàn)狀分類》（GB/T21010-2017）并結(jié)合實(shí)地情況將雄安新區(qū)分為四大土地利用類型，即：建設(shè)用地、植被、裸土地、水域。為確保分類精度，輔助以目視解譯手段將分類結(jié)果進(jìn)一步調(diào)整，如圖5所示。

圖5 2013和2019年土地利用圖Fig.5 Land use maps in 2013 and 2019

統(tǒng)計(jì)兩年間的土地利用面積如表5所示。從表5可知，以耕地為主導(dǎo)的植被區(qū)占研究區(qū)面積的70%左右，分布最為廣泛。2019年的裸土地、建設(shè)用地面積增加。由圖5可知，新增裸土地的空間位置較為特殊，主要區(qū)域位于雄安新區(qū)北部，呈現(xiàn)規(guī)則形狀、大面積聚集性分布。通過(guò)解讀《河北雄安新區(qū)規(guī)劃綱要》內(nèi)容發(fā)現(xiàn)，雄安新區(qū)規(guī)劃空間格局是“北城、中苑、南淀”。其中“北城”簡(jiǎn)單來(lái)說(shuō)就是在新區(qū)北部以城區(qū)為主。新增的裸土區(qū)域多為大面積的規(guī)則形狀，雖未成為城鎮(zhèn)用地，但與新區(qū)擴(kuò)充城市面積有著必然聯(lián)系。

表5 土地利用面積及比例Tab.5 Proportion and area of land use types

然而，單從總體面積變化并不能表達(dá)雄安新區(qū)規(guī)劃建設(shè)中土地利用動(dòng)態(tài)變化。轉(zhuǎn)移矩陣是定量描述土地利用動(dòng)態(tài)變化的有效方法。統(tǒng)計(jì)2013與2019年土地利用類型占地面積并以轉(zhuǎn)移矩陣方式表達(dá)（見(jiàn)表6）。由表6可知，2013—2019年間植被面積減少面積約105 km2，2019年新增的裸土地、建設(shè)主要來(lái)源于2013年的植被區(qū)。此外，研究發(fā)現(xiàn)2013年與2019年水域面積變化并不明顯，但兩年間水域與植被間轉(zhuǎn)化程度較高。究其原因有二，一是本次研究選擇圖像時(shí)間是位于植被旺盛時(shí)，受水生植物、沿岸植被影響嚴(yán)重。二是水域面積受氣候影響嚴(yán)重，豐水期與枯水期水域面積、沿岸植被面積相差較大。本研究采用相同方法提取2013年與2019年5月份水域面積（見(jiàn)圖6），統(tǒng)計(jì)發(fā)現(xiàn)2013年與2019年水域面積分別為91.15 km2與115.83 km2，即2019年5月水域面積大于13年同月份水域面積，主要得益于白洋淀的補(bǔ)水工程，據(jù)楊婧雯等[20]表明，近幾年白洋淀水位呈上升趨勢(shì)。

表6 地物類型轉(zhuǎn)換矩陣Tab.6 Transformation matrix of different land use types

圖6 研究區(qū)5月Landsat8_ OLI 原始影像（RGB: 452波段合成）Fig.6 Landsat8_OLI images of the study area in May （RGB: bands 4, 5, 2）

3.2 土地利用類型與RSEI指數(shù)分布

由3.1可知，新區(qū)城鎮(zhèn)建設(shè)區(qū)域的生態(tài)質(zhì)量明顯下降，基于RSEI指數(shù)評(píng)價(jià)的生態(tài)質(zhì)量會(huì)受不同土地利用類型影響。我們采集2013—2019年各土地利用類型的RSEI值并統(tǒng)計(jì)直方圖。發(fā)現(xiàn)不同土地利用類型RSEI指數(shù)取值呈現(xiàn)聚集分布現(xiàn)象。其中裸土地、建設(shè)用地分布在低值區(qū)，水域和植被分布在高值區(qū)。植被的RSEI值分布范圍是最廣泛的，其值分布在0.1-1.0之間，貫穿整個(gè)分布范圍。相關(guān)研究表明RSEI指數(shù)與植被覆蓋度具有較高的相關(guān)性，植被覆蓋程度越高，RSEI指數(shù)數(shù)值越大。從統(tǒng)計(jì)圖中可知，RSEI最高值區(qū)只有植被類型存在，也就是說(shuō)RSEI指數(shù)大于0.9的區(qū)域是植被覆蓋度最高的區(qū)域。

表7 不同地物類型的RSEI均值Tab.7 RSEI mean values for different land use types

圖7 不同地物類型的RSEI直方圖Fig.7 RSEI histograms for different land use types

此外，通過(guò)統(tǒng)計(jì)各土地利用類型RSEI均值我們發(fā)現(xiàn)，2019年建設(shè)用地的RSEI均值低于2013年，植被區(qū)高于2013年植被均值。這可以表明，2019年城市的干化程度高但植被質(zhì)量上升。據(jù)相關(guān)文獻(xiàn)指出，至2020年，雄安新區(qū)造林面積達(dá)到31萬(wàn)畝。森林地表覆蓋類型其地表裸露時(shí)間遠(yuǎn)小于耕地，從水土保持與生態(tài)環(huán)境可持續(xù)發(fā)展角度來(lái)說(shuō)，其生態(tài)價(jià)值是遠(yuǎn)大于耕地的。高森林覆蓋率會(huì)一定程度上提升雄安新區(qū)的生態(tài)質(zhì)量。

4 結(jié)論

雄安新區(qū)處于高區(qū)發(fā)展階段，生態(tài)質(zhì)量與規(guī)劃建設(shè)程度息息相關(guān)。本文以雄安新區(qū)為研究區(qū)，采用RSEI指數(shù)方法研究雄安新區(qū)設(shè)立前后生態(tài)質(zhì)量變化情況與變化原因。主要結(jié)論如下：（1）通過(guò)相關(guān)主成分分析與相關(guān)性分析可知，RSEI指數(shù)可以從四大生態(tài)角度綜合表達(dá)雄安新區(qū)生態(tài)質(zhì)量。綠度與濕度與RSEI指數(shù)呈正相關(guān)，對(duì)生態(tài)質(zhì)量起積極作用，干度與熱度相反；（2）2013—2019年間RSEI指數(shù)下降了0.07，雄安新區(qū)整體生態(tài)質(zhì)量呈下降趨勢(shì)；（3）統(tǒng)計(jì)變化區(qū)域相關(guān)情況可知，雄安新區(qū)生態(tài)質(zhì)量變化程度較大區(qū)域占總面積約10%，整體生態(tài)質(zhì)量變化程度不高；（4）不同土地利用類型RSEI指數(shù)取值呈現(xiàn)聚集分布。裸土地、建設(shè)用地分布在低值區(qū)，水域和植被分布在高值區(qū)。此外雖然2019年綜合生態(tài)質(zhì)量下降，但其城鎮(zhèn)干化程度與植被質(zhì)量同時(shí)上升。此外，本文雖然取得一定研究成果但仍有許多不足之處，如生態(tài)質(zhì)量評(píng)價(jià)數(shù)據(jù)受時(shí)間限制，提取結(jié)果會(huì)隨時(shí)間變化而發(fā)生改變，故本研究采用相同時(shí)間區(qū)域內(nèi)數(shù)據(jù)。在后續(xù)工作中會(huì)進(jìn)一步研究以減少時(shí)間的影響。

通過(guò)以上數(shù)據(jù)分析對(duì)新區(qū)建設(shè)有以下意見(jiàn)：（1）保護(hù)濕地資源，加大對(duì)白洋淀濕地的保護(hù)力度，保持補(bǔ)水工程與水域治理工程。（2）減少雄安新區(qū)地表裸露面積或者程度。當(dāng)?shù)乇砺懵稌r(shí)其在RSEI指數(shù)分析中生態(tài)質(zhì)量是最差的，適當(dāng)減少裸露頻率與程度有利于區(qū)域的保持良好生態(tài)質(zhì)量。（3）建設(shè)新區(qū)同時(shí)應(yīng)與“綠色”同行。高植被覆蓋度不僅可以防風(fēng)固土以及凈化空氣，還可以拉高區(qū)域的平均生態(tài)質(zhì)量，在建設(shè)的同時(shí)應(yīng)加大綠化力度，提升植被質(zhì)量，增加綠化面積或提高區(qū)域植被覆蓋度。