劉立志,韓震

上海海洋大學海洋科學學院,上海 201306

隨著城市經(jīng)濟的高速發(fā)展和社會階段性發(fā)展的變革，生態(tài)環(huán)境發(fā)生了顯著的變化[1-3]。2012 年我國在全國范圍內(nèi)開展了生態(tài)環(huán)境十年變化（2000—2010）遙感調(diào)查與評估，促進了國內(nèi)生態(tài)環(huán)境質(zhì)量分析研究的迅速發(fā)展。生態(tài)環(huán)境質(zhì)量監(jiān)測的評價方法主要包括指數(shù)評價法、人工神經(jīng)網(wǎng)絡(luò)、灰度關(guān)聯(lián)分析法、聚類分析法、生態(tài)足跡法和模糊判別法等[5-9]。關(guān)于指數(shù)評價法的研究主要分為單一指標和綜合指標兩個方面?？紤]到生態(tài)環(huán)境的復(fù)雜性，綜合生態(tài)指數(shù)監(jiān)測往往比單一生態(tài)指數(shù)監(jiān)測更具有優(yōu)勢[10]。遙感生態(tài)指數(shù)（remote sensing ecological index,RSEI）是2013 年徐涵秋[11]利用不受人為因素影響的主成分分析法提出的，選取了濕度、綠度、干度和熱度四個指標，根據(jù)指標的貢獻值評價了福州市的生態(tài)環(huán)境質(zhì)量。該方法不僅可以定量表示生態(tài)質(zhì)量狀況，還可以進行可視化分析，已經(jīng)在許多領(lǐng)域被廣泛應(yīng)用。Alejandra M M[12]2018 年提出了城市環(huán)境質(zhì)量指數(shù)（UEQI）,將遙感數(shù)據(jù)和人口普查數(shù)據(jù)結(jié)合，利用多元統(tǒng)計分析來確定城市的環(huán)境質(zhì)量指數(shù)。Firozjaei M K 等 [13]（2021）使用美國和歐洲13 個城市的遙感影像，將植被-不透水面-土壤三角模型和遙感生態(tài)指數(shù)模型進行結(jié)合，提出了一個地表生態(tài)狀況組成指數(shù)，將裸土和人為破壞活動的土地區(qū)分開來。Maity S [14]（2022）基于遙感生態(tài)指數(shù)模型，對加而各答城市群30 年的生態(tài)環(huán)境質(zhì)量進行了評價。以上研究主要從遙感生態(tài)指數(shù)的角度評價整體城市生態(tài)質(zhì)量變化，對遙感生態(tài)指數(shù)變化以及驅(qū)動因素研究較少，利用主成分分析構(gòu)建了RSEI 模型，對上海市2013—2019 年的生態(tài)環(huán)境進行了評估，并利用地理探測器分析了上海市生態(tài)質(zhì)量的驅(qū)動因素。

1 研究區(qū)和數(shù)據(jù)來源

1.1 研究區(qū)域

上海市，位于太平洋西岸，長江和黃浦江入海匯合處，北與江蘇省南通市接壤，南與杭州灣北岸相望，西部和江蘇和浙江兩省相鄰。上海屬于河口沖積洲平原，地勢低平、東高西低，地面高程平均不足4 m，地面低于外圍高潮水位。上海屬于亞熱帶季風性氣候，常年主導(dǎo)風為東南風，氣候溫潤，日照充足，四季分明，雨水充沛。上海市境內(nèi)天然植被不多，絕大部分是人工栽培作物和林木。上海周邊地區(qū)多為農(nóng)田小鎮(zhèn)，不透水面由中心城區(qū)向四周呈現(xiàn)輻射狀。

1.2 數(shù)據(jù)來源

研究使用2013 年、2015 年、2017 年和2019 年Landsat8 衛(wèi)星OLI 傳感器的遙感影像數(shù)據(jù)，數(shù)據(jù)來源于美國地質(zhì)勘探局。研究區(qū)矢量邊界數(shù)據(jù)來自全國地理信息資源目錄服務(wù)系統(tǒng)。自然地理數(shù)據(jù)主要有：降水數(shù)據(jù)、地形高程、地形坡度、地形坡向等，其中降水數(shù)據(jù)來自國家地球系統(tǒng)科學數(shù)據(jù)中心；地形高程數(shù)據(jù)來自美國地質(zhì)勘探局；地形坡度、坡向數(shù)據(jù)來源于地理空間數(shù)據(jù)云。社會經(jīng)濟數(shù)據(jù)主要有：國內(nèi)生產(chǎn)總值(GDP)、年末常住人口、人口密度等，均引自上海市統(tǒng)計年鑒。

2 研究方法

2.1 綠度指標

歸一化植被指數(shù)（NDVI）是衡量綠化程度的指標之一[15]，其計算公式如下：

其中，BNIR和BRed分別為近紅外和紅色波段反射率。

2.2 濕度指標

通過纓帽變換從遙感數(shù)據(jù)中提取濕度指標[16]，其計算公式為：

其中，ρblue為藍光波段反射率；ρgreen為綠光波段反射率；ρred為紅光坡段反射率；ρmir1為中紅外1 波段反射率；ρmir2為中紅外2 波段反射率；對于OLI 影像，wi (i=1，2，…，6) 為纓帽變換中Wet分量各波段的系數(shù)，分別為0.1511、0.1973、0.3283、0.3407、—0.7117、—0.4559。

2.3 熱度指標

熱度指標使用經(jīng)過比輻射率校正的地表溫度(LST)，計算公式如下:

其中，e為地表比輻射率；L為衛(wèi)星傳感器處輻射強度(W·m—2·ster—1· μm—1) ；Qλ為像元對應(yīng) DN值；ML和AL分別為頭文件中該波段的乘法調(diào)整系數(shù)和加法調(diào)整系數(shù)；γ、δ為基于 Planck 函數(shù)的兩個參數(shù)；ψ1、ψ2、ψ3是大氣水汽含量w 的函數(shù)[17]。

2.4 干度指標

利用土壤指數(shù)(SI)和建筑指數(shù)（IBI）合成干度指標(NDBSI)，其計算公式如下：

其 中，ρblue、ρgreen、ρred、ρnir、ρswir1和 ρswir2分別為ETM 遙感影像第1、2、3、4、5、7 波段的反射率數(shù)據(jù)和OLI 數(shù)據(jù)第2、3、4、5、6、7 波段的反射率。

2.5 遙感生態(tài)指數(shù)的構(gòu)建

生態(tài)系統(tǒng)中，干度、綠度、熱度和濕度是研究生態(tài)學的主要參數(shù)指標[11]。為了從四個參數(shù)中得出RSEI，首先將四個指標進行標準化處理，以去除不同維度的范圍值，再將處理后的四個指標全部作為變量輸入，通過主成分分析將干度、綠度、濕度、熱度指標這一組變量轉(zhuǎn)換為主成分變量，提取第一主成分變量作為遙感生態(tài)指數(shù)。標準化公式如下：

其中，Xi是因子i的標準化值，xi是因子i的初始值。

其中，RSEI 方程由四個指標組成，即NDVI(綠度)、WET(濕度)、NDBSI (干度)和LST (熱度)。

2.6 轉(zhuǎn)移矩陣

轉(zhuǎn)移矩陣是一種衡量生態(tài)環(huán)境變化的重要工具，被廣泛應(yīng)用于和土地利用相關(guān)的各項生態(tài)環(huán)境動態(tài)變化研究中[18]。利用轉(zhuǎn)移矩陣得到了RSEI 的變化情況。

2.7 地理探測器

地理探測器是王勁峰[19]等提出的一種可以探測空間分異性并揭示驅(qū)動因子機理的統(tǒng)計學空間分析方法，可以識別顯著影響因變量的解釋變量，因子探測器可分析驅(qū)動因素的影響強度，因子探測是解釋自變量和因變量指標解釋程度大小，用解釋力q 值進行度量。表達式為：

其中，q為度量RSEI 時空分布的指標，取值范圍為0-1；L為總分區(qū)數(shù)；Nh、N分別為分區(qū)h和全區(qū)的樣本數(shù)；σh2、σ2分別為分區(qū)h和全區(qū)的樣本方差。

3 結(jié)果分析

3.1 第一主成分分析

利用主成分分析法得出了2013—2019 年各期數(shù)據(jù)的第一主成分指標統(tǒng)計表（表1），表1 內(nèi)容主要包括相關(guān)特征向量、特征值和貢獻率；從表1 中可以看出，濕度和綠度的值都為正，表示濕度和綠度這兩個指標和生態(tài)環(huán)境質(zhì)量呈正相關(guān)，而干度和熱度的值都為負數(shù)，則代表干度和熱度這兩個指標和生態(tài)環(huán)境質(zhì)量呈負相關(guān)，符合各個指標與生態(tài)環(huán)境關(guān)系相關(guān)性的實際情況。在2013 年、2015 年、2017 年和2019 年，第一主成分的貢獻率分別為80.67%，79.99%，82.68%和83.16%，說明第一主成分良好地保留了大量有效信息。對比第一主成分4 個指標載荷值變化，Wet 的絕對值遠小于其他指標，可見土壤濕度的優(yōu)化作用較小。且LST 和NDBSI 的載荷值絕對值之和大于Wet 和NDVI 之和，說明上海市不透水面熱度和土壤干化的破壞作用大于土壤濕度和植被的優(yōu)化作用。

3.2 上海市生態(tài)質(zhì)量分析

表2 為上海市各指標均值統(tǒng)計結(jié)果，從表2 中可以看出，各期指標范圍在0～1 之間，在2013—2019 年間，研究區(qū)濕度整體呈上升趨勢，濕度均值整體上升了32.14%。其中，2013—2015 年間，均值下降了8.93%。綠度在2015 年和2019 年存在不同程度的降低，但整體呈上升趨勢，具體表現(xiàn)為先下降后上升然后再下降；干度指標和熱度指標在研究期間表現(xiàn)為持續(xù)上升的趨勢，分別上升了7.89%和18.42%。2013—2019 年，上海市RSEI 均值呈逐年減少趨勢，下降率為17.19%，表明上海市生態(tài)環(huán)境質(zhì)量發(fā)生了明顯變化，整體生態(tài)質(zhì)量變差。

表2 2013—2019 年各期指標和遙感生態(tài)指數(shù)(RSEI)Tab.2 Indicators and remote sensing ecological index (RSEI) of each period from 2013 to 2019

參考相關(guān)規(guī)范[20]將RSEI 結(jié)果按表3 分為5 個等級，得到2013—2019 年上海市RSEI 分級空間分布圖，如圖1 所示，從圖1 可以看出，2013—2019 年上海市中部區(qū)域生態(tài)環(huán)境質(zhì)量等級以較差和一般為主，北部和南部區(qū)域以較好和優(yōu)為主，崇明區(qū)、金山區(qū)、奉賢區(qū)、青浦區(qū)和松江區(qū)生態(tài)質(zhì)量較好。其中金山區(qū)生態(tài)質(zhì)量等級整體以優(yōu)為主。

圖1 2013—2019 年RSEI 分級空間分布圖Fig.1 Spatial distribution map of RSEI classification from 2013 to 2019

表3 生態(tài)質(zhì)量等級劃分Tab.3 Classification of ecological quality

利用ArcGIS 疊加分析得到了各時期各級的生態(tài)質(zhì)量轉(zhuǎn)移矩陣（表4），從表4 可以看出，2013—2019 年各級生態(tài)環(huán)境質(zhì)量由差變好（等級為差、較差、一般和較好向上級的轉(zhuǎn)化）的面積占比分別為：13.68%、19.40%、17.96%和14.66%，由好變差（等級為較差、一般、較好和優(yōu)向下級的轉(zhuǎn)化）的面積占比分別為：7.62%、19.64%、21.38%和41.33%，說明雖然存在生態(tài)質(zhì)量由差轉(zhuǎn)好的趨勢，但其增速遠不及生態(tài)質(zhì)量由好變差的趨勢，因此總體上2013—2019 年上海市生態(tài)質(zhì)量仍呈下降趨勢。

圖2 為各階段RSEI 變化圖，從圖2 可以看出，2013—2015 年上海市市中心區(qū)域在經(jīng)歷了城鎮(zhèn)化和經(jīng)濟發(fā)展卻并未對其生態(tài)環(huán)境質(zhì)量產(chǎn)生影響，反而使得生態(tài)質(zhì)量變好；2015—2017 年上海市市中心區(qū)域、浦東新區(qū)和奉賢區(qū)生態(tài)質(zhì)量變差，青浦區(qū)、嘉定區(qū)和崇明區(qū)北部生態(tài)質(zhì)量變好；2017—2019 年通過各項生態(tài)環(huán)境治理和保護舉措，生態(tài)質(zhì)量得到了有效改善，浦東新區(qū)南部和奉賢區(qū)生態(tài)環(huán)境質(zhì)量變好?？傮w來看，2013—2019 年上海市生態(tài)環(huán)境質(zhì)量發(fā)生了明顯變化，崇明區(qū)、金山區(qū)、奉賢區(qū)、青浦區(qū)和松江區(qū)RSEI 值雖然高但仍存在嚴重的生態(tài)退化問題，值得相關(guān)部門引起重視。市中心區(qū)域：普陀區(qū)、楊浦區(qū)、靜安區(qū)、虹口區(qū)和黃浦區(qū)RSEI 值雖然低但生態(tài)質(zhì)量多為穩(wěn)定或變好趨勢。因此，判斷生態(tài)環(huán)境質(zhì)量影響因子，合理制定生態(tài)環(huán)境保護舉措，是下一步研究的重點。

圖2 2013—2019 年各階段RSEI 變化圖Fig.2 Spatial distribution map of RSEI classification in 2013-2019

3.3 基于地理探測器的單因子探測

為了分析影響因子和遙感生態(tài)指數(shù)之間的關(guān)系，以遙感生態(tài)指數(shù)作為因變量，影響因子作為自變量，導(dǎo)入地理探測器。選取了7 個影響因子，有GDP、人口密度、年末常住人口、降水、高程、坡度和坡向。對于高程、坡度和坡向以類型進行分區(qū)，其他數(shù)值型數(shù)據(jù)采用自然斷點法將其分為5 個分區(qū)。通過對各探測因子q 進行度量，可以分析探測因子對于遙感生態(tài)指數(shù)的空間分層異質(zhì)性（見表5）。q 值的范圍是[0,1]，q 值越小，對應(yīng)的自變量對遙感生態(tài)指數(shù)的相關(guān)性越弱，反之越強。

表5 2013—2019 年單因子探測結(jié)果Tab.5 Single factor detection results in 2013-2019

從表5 可以得到以下結(jié)論：在2013—2019 年間，研究區(qū)遙感生態(tài)指數(shù)的空間分布情況受人口密度的影響程度均強于其他6 個探測因子，都在85%以上。每一年的分異因子探測結(jié)果中q 值最小的是年末常住人口，q 值最大的是人口密度，說明對生態(tài)環(huán)境影響較大的影響因素是人口密度，作為人口相關(guān)的數(shù)據(jù)，兩者出現(xiàn)了截然相反的情況。高程對遙感生態(tài)指數(shù)的解釋力較強，并且相對穩(wěn)定排名在前三名，其q 值在0.73—0.78 小范圍內(nèi)波動；降水的q 值呈先上升后下降然后再上升，在2015 年達到峰值0.74，同年相較于其他探測因子影響程度位居第二。坡度的q 值在2013—2017 年影響力均為0.71，2019 年均值有所上升；坡向的q 值出現(xiàn)為先上升后下降的現(xiàn)象，在2017 年達到峰值0.53。GDP的q 值在0.32—0.43 范圍內(nèi)波動，從四年中q 值大小來看，GDP 對生態(tài)環(huán)境質(zhì)量變化影響較小；年末常住人口的q 值呈先下降后上升的趨勢，在2017 年出現(xiàn)了最低值0.02，影響力較低，不是主要影響因素。

3.4 基于地理探測器的因子交互作用分析

交互探測器可識別不同探測因子之間的交互作用，交互作用可分為非線性減弱、單因子非線性減弱、雙線性增強、獨立和非線性增強。除了年末常住人口與坡度、坡向和降水交互時，表現(xiàn)為非線性增強，其他探測因子交互作用表現(xiàn)均為雙因子增強。通過交互探測器來判斷2019 年各探測因子交互作用對RSEI 的影響（見表6），由表6 可知，人口密度和其他因子交互均達到了0.95 以上，對生態(tài)質(zhì)量的解釋力較好。除去人口密度和其他因子交互之外，降水∩高程的交互影響力最大，為0.97，相較于單因子的影響力提升較為明顯，同時，坡度在和其他探測因子交互作用中，坡度∩降水的交互影響力僅次于坡度∩人口的交互影響力，為0.93，說明受降水的影響，復(fù)雜地形對生態(tài)環(huán)境質(zhì)量的影響較為明顯。坡向∩GDP 的交互影響力比單因子影響力高，均僅次于分別與人口密度的交互影響力。年末常住人口與其他探測因子交互時，影響力q 值均達到了0.5 以上。任意兩個因子交互的q 值都比單因子的q 值大，說明上海市的生態(tài)質(zhì)量是人為因素和自然因素共同作用的結(jié)果。

表6 影響因子交互探測結(jié)果Tab.6 Interaction detection results of influence factors

3.5 基于地理探測器的風險區(qū)探測

風險探測器可以探測各因子在不同等級下對RSEI 的影響程度，結(jié)果如圖3 所示，風險探測結(jié)果表明，人口密度、高程、坡度對生態(tài)環(huán)境的影響較大，各級分區(qū)的RSEI 之間存在顯著差異，年末常住人口對生態(tài)環(huán)境影響較小，各級分區(qū)的RSEI 之間不存在顯著差異。人口密度越大，RSEI 均值越小，生態(tài)環(huán)境質(zhì)量越差；整體上GDP 越大，RSEI 均值較小，不同的是由于第三產(chǎn)業(yè)占比增加的浦東新區(qū)2019 年GDP 達到12 734.2 億元，相較于其他區(qū)，整體上RSEI 均值較高。RSEI 均值隨高程的增加呈現(xiàn)先降低后升高然后再降低的趨勢，高程在0～1.91（1 級分區(qū)）時RSEI 均值達到最大值0.71，在1.9～4.4（2 級分區(qū)）時RSEI 均值有所降低，在4.4～5.0（3 級分區(qū)）時RSEI 均值上升，隨后在4 和5 級分區(qū)RSEI 呈現(xiàn)下降趨勢。上海市整體平均高程不足4 m，在人類活動活躍地帶，RSEI 均值有所下降。隨著坡度等級逐漸增加，RSEI 均值逐漸變小，在坡度等級為3～5 等級時，RSEI 均值變化不大。RSEI 均值對應(yīng)坡向整體上變化特征為：正北至正東方向?qū)?yīng)的RSEI 均值最高，其次是東南方向，不同坡向?qū)ι鷳B(tài)質(zhì)量的影響存在差異。

圖3 風險探測區(qū)結(jié)果Fig.3 Risk-detector results

4 結(jié)論

利用遙感生態(tài)指數(shù)法對2013—2019 年上海市的生態(tài)環(huán)境進行了分析，并利用地理探測器模型對影響遙感生態(tài)指數(shù)變化的驅(qū)動因素進行了研究，研究結(jié)論主要如下：

（1）2013—2019 年上海市生態(tài)環(huán)境質(zhì)量發(fā)生了明顯變化，RSEI 均值下降率為17.19%，表明上海市整體生態(tài)質(zhì)量變差。

（2）崇明區(qū)、金山區(qū)、奉賢區(qū)、青浦區(qū)和松江區(qū)存在嚴重的生態(tài)退化問題，市中心區(qū)域（普陀區(qū)、楊浦區(qū)、靜安區(qū)、虹口區(qū)和黃浦區(qū)）生態(tài)質(zhì)量多為穩(wěn)定或變好趨勢。

（3）2013—2019 年，研究區(qū)遙感生態(tài)指數(shù)的空間分布情況受人口密度的影響程度強于其他五個探測因子。降水、坡度和高程對RSEI 的影響次之，即研究區(qū)的人類活動和自然環(huán)境對RSEI 的影響都較強。