摘 要：隨著遙感技術(shù)的快速發(fā)展，利用遙感生態(tài)指數(shù)（Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ Ｅｃｏｌｏｇｉｃａｌ Ｉｎｄｅｘ，ＲＳＥＩ） 進(jìn)行區(qū)域生態(tài)環(huán)境質(zhì)量監(jiān)測(cè)取得了一定進(jìn)展，但是ＲＳＥＩ 在應(yīng)用不同區(qū)域中很少考慮空氣質(zhì)量對(duì)當(dāng)?shù)厣鷳B(tài)環(huán)境的影響。針對(duì)這一局限性，以南寧市為例，在ＲＳＥＩ 的基礎(chǔ)上，加入能精準(zhǔn)監(jiān)測(cè)城區(qū)高分辨率空氣質(zhì)量的差值霾指數(shù)（Ｄｉｆｆｅｒｅｎｃｅ Ｈａｚｅ Ｉｎｄｅｘ，ＤＨＩ），構(gòu)建新型遙感生態(tài)指數(shù)（ｎｅｗ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ Ｅｃｏｌｏｇｉｃａｌ Ｉｎｄｅｘ，ＲＳＥＩｎｅｗ），隨后對(duì)比分析ＲＳＥＩ 與ＲＳＥＩｎｅｗ 的平均相關(guān)度和ＰＣ１，驗(yàn)證了構(gòu)建的ＲＳＥＩｎｅｗ 模型更具有表征區(qū)域生態(tài)環(huán)境的代表性。利用ＲＳＥＩｎｅｗ 模型對(duì)南寧市生態(tài)環(huán)境質(zhì)量進(jìn)行動(dòng)態(tài)變化分析，結(jié)果表明，２０１３—２０２１ 年，南寧市生態(tài)環(huán)境質(zhì)量得到優(yōu)化，ＲＳＥＩｎｅｗ 提升了１５％ ，整體生態(tài)環(huán)境水平處于中等（０． ４ ～０． ６） 以上。

關(guān)鍵詞：新型遙感指數(shù)；主成分分析；生態(tài)環(huán)境質(zhì)量；南寧市

中圖分類(lèi)號(hào)：Ｐ４０７ 文獻(xiàn)標(biāo)志碼：Ａ 開(kāi)放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（ＯＳＩＤ）：

文章編號(hào)：１００３－３１０６（２０２４）０４－０９４７－０７

０ 引言

生態(tài)環(huán)境質(zhì)量在要素、結(jié)構(gòu)和功能等方面能較好地體現(xiàn)生態(tài)系統(tǒng)的綜合特征［１］，與人類(lèi)息息相關(guān)，是人類(lèi)生存的基本要素。與只包含非生物因素的環(huán)境不同，生態(tài)系統(tǒng)是一個(gè)復(fù)雜的整體系統(tǒng)［２］。如今，城市生態(tài)環(huán)境質(zhì)量在城市經(jīng)濟(jì)發(fā)展、氣候變化、土地利用和人類(lèi)健康方面發(fā)揮著不可忽視的作用。隨著城鎮(zhèn)化的加劇，嚴(yán)重的環(huán)境問(wèn)題如土地退化、氣候變暖、水污染、空氣污染和資源稀缺［３］不僅制約了城鎮(zhèn)化的進(jìn)一步發(fā)展，而且對(duì)區(qū)域可持續(xù)發(fā)展極其有害。所以，如何科學(xué)地確定城市生態(tài)環(huán)境質(zhì)量狀況并提供定量分析是目前研究的急迫需求［４］。

傳統(tǒng)上，生態(tài)環(huán)境質(zhì)量評(píng)估采用半定量方法，如層次分析法（ＡＨＰ）和加權(quán)線(xiàn)性組合法（ＷＬＣ）。這些方法存在主觀(guān)性強(qiáng)，當(dāng)需要許多指標(biāo)時(shí)不太適用等問(wèn)題［５］，而遙感在某種程度上很好地彌補(bǔ)了傳統(tǒng)半定量方法的缺陷。遙感技術(shù)的優(yōu)勢(shì)在于快速、實(shí)時(shí)、大規(guī)模、周期性和重復(fù)性地獲取全面的表面信息［６］，已廣泛應(yīng)用于區(qū)域生態(tài)質(zhì)量評(píng)估領(lǐng)域。大量學(xué)者利用遙感信息提取單一指標(biāo)，調(diào)查生態(tài)狀況。例如，Ｉｖｉｔｓ 等［７］使用永久植被分?jǐn)?shù)（ＰＶＦ）來(lái)估計(jì)安達(dá)盧西亞河岸帶的有利和不利生態(tài)狀況。Ｊｉｎ 等［８］最先開(kāi)發(fā)了高光譜花指數(shù)（ＨＦＩ）來(lái)監(jiān)測(cè)青藏高原的開(kāi)花狀態(tài)和花物候?qū)W。但是，單一的生態(tài)環(huán)境評(píng)估因子不足以描述復(fù)雜的城市生態(tài)環(huán)境質(zhì)量，也沒(méi)有考慮許多其他生態(tài)環(huán)境評(píng)估因子對(duì)生態(tài)系統(tǒng)的貢獻(xiàn)。因此，徐涵秋［９］在２０１３ 年首次提出了一個(gè)遙感生態(tài)指數(shù)（Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ Ｅｃｏｌｏｇｉｃａｌ Ｉｎｄｅｘ，ＲＳＥＩ），為生態(tài)環(huán)境質(zhì)量分析提供了新的方向。ＲＳＥＩ 基于遙感技術(shù)，僅整合了綠、濕、干和熱４ 個(gè)容易獲得的生態(tài)指標(biāo)，然后利用主成分分析自動(dòng)客觀(guān)地分配每個(gè)指標(biāo)的權(quán)重。它巧妙地解決了之前的問(wèn)題，在流域［１０－１２］、礦區(qū)［１３－１４］、生態(tài)脆弱區(qū)［１５－１７］、園區(qū)［１８－１９］以及城市［２０－２３］等方面得到了普遍應(yīng)用。

在實(shí)際應(yīng)用中，許多學(xué)者對(duì)ＲＳＥＩ 進(jìn)行了不同的調(diào)整，如從干度指標(biāo)著手，李紅星等［２４］對(duì)建筑指數(shù)和裸土指數(shù)的面積比值進(jìn)行權(quán)重分配。潘洪義等［２５］采用增強(qiáng)型建筑和裸土指數(shù)構(gòu)建。張秦瑞等［２６］采用歸一化不透水面和裸土指數(shù)代替原有建筑指數(shù)。從引入指標(biāo)著手，楊羽佳等［２７］通過(guò)融入人類(lèi)生活強(qiáng)度指標(biāo)構(gòu)建改進(jìn)城市遙感生態(tài)指數(shù)（ＩＲＳＥＩ）。范德芹等［２８］針對(duì)礦區(qū)生態(tài)引入植被凈初級(jí)生產(chǎn)力ＮＰＰ 指標(biāo)構(gòu)建改進(jìn)型ＲＳＥＩ。萬(wàn)虹麟等［２９］引入ＰＭ２． ５ 濃度指標(biāo)構(gòu)建新型遙感生態(tài)指數(shù)（ｎｅｗＲｅｍｏｔｅ Ｓｅｎｓｉｎｇ Ｅｃｏｌｏｇｉｃａｌ Ｉｎｄｅｘ，ＲＳＥＩｎｅｗ）。從綠度指標(biāo)著手，劉索玄等［３０］通過(guò)改進(jìn)型土壤植被指數(shù)（ＭＡＳＶＩ）代替歸一化植被指數(shù)ＮＤＶＩ 作為綠度指標(biāo)構(gòu)建ＲＳＥＩ。

綜上所述，ＲＳＥＩ 自提出以來(lái)已得到廣泛應(yīng)用，并且有許多文獻(xiàn)對(duì)其各項(xiàng)指數(shù)進(jìn)行多方面的調(diào)整和改進(jìn)，但可以發(fā)現(xiàn)，很少有學(xué)者考慮空氣質(zhì)量對(duì)生態(tài)環(huán)境的影響。目前，城市經(jīng)濟(jì)快速發(fā)展的同時(shí)，面臨著許多空氣污染問(wèn)題，例如，霧霾天氣在許多城市占全年的１ ／ ３ 以上，輕、中度污染是霧霾天氣的主要形式。汽車(chē)快速增多導(dǎo)致大部分城市嚴(yán)重交通擁堵，加劇汽車(chē)尾氣排放，車(chē)輛尾氣污染取代燃煤成為許多城市ＰＭ２． ５ 的首要貢獻(xiàn)源。因此本文針對(duì)這一缺陷，提出了一種ＲＳＥＩｎｅｗ，除了采用原模型的４ 個(gè)生態(tài)指標(biāo)外，利用馮海霞等［３１］ 提出的一種基于Ｌａｎｄｓａｔ８ 影像構(gòu)建的差值霾指數(shù)（Ｄｉｆｆｅｒｅｎｃｅ ＨａｚｅＩｎｄｅｘ，ＤＨＩ），加入空氣質(zhì)量指標(biāo)，對(duì)南寧市的生態(tài)環(huán)境質(zhì)量進(jìn)行監(jiān)測(cè)與評(píng)估，分析和研究該地區(qū)生態(tài)環(huán)境的時(shí)空動(dòng)態(tài)變化以及預(yù)測(cè)，可為南寧市日后更加合理的發(fā)展提供數(shù)據(jù)，為區(qū)域社會(huì)、經(jīng)濟(jì)和生態(tài)環(huán)境的可持續(xù)發(fā)展提供新的科學(xué)依據(jù)。

１ 研究區(qū)概況

南寧市簡(jiǎn)稱(chēng)邕，是廣西壯族自治區(qū)轄地級(jí)市、首府，位于廣西南部，下轄７ 區(qū)４ 縣以及代管１ 個(gè)縣級(jí)市，轄區(qū)總面積２． ２１ 萬(wàn)平方千米。南寧通江達(dá)海，水路自邕江而上可至滇黔兩省，順流而下可直達(dá)粵港澳，至２０２１ 年末，常住人口城鎮(zhèn)化率６９． ７９％ 。域內(nèi)以邕江廣大河谷為中心的盆地形態(tài)，氣候濕潤(rùn)、雨量充沛，植物豐富、河系發(fā)達(dá)，生態(tài)空間和本底良好，全市綠化面積覆蓋率近４０％ ，擁有國(guó)家級(jí)的大明山自然保護(hù)區(qū)，自治區(qū)級(jí)的隆安龍虎山自然保護(hù)區(qū)、南寧市級(jí)的邕寧縣南曉鎮(zhèn)那蘭村鷺鳥(niǎo)自然保護(hù)區(qū)等８ 個(gè)自然保護(hù)區(qū)，以及２ 個(gè)國(guó)家濕地公園、１ 個(gè)國(guó)家石漠公園、８ 個(gè)森林公園、２ 個(gè)風(fēng)景名勝區(qū)，是重要的生態(tài)保護(hù)城市，對(duì)南寧市生態(tài)環(huán)境質(zhì)量進(jìn)行研究具有重要意義。

２ 材料與方法

２． １ 數(shù)據(jù)及其預(yù)處理

本文主要使用２０１３、２０１７、２０２１ 年Ｌａｎｄｓａｔ８ ＯＬＩ衛(wèi)星影像作為實(shí)驗(yàn)數(shù)據(jù)，如表１ 所示。Ｌａｎｄｓａｔ８ 衛(wèi)星是美國(guó)Ｌａｎｄｓａｔ 計(jì)劃中的最新衛(wèi)星，于２０１３ 年２ 月發(fā)射。其主要搭載了２ 個(gè)傳感器，分別是陸地成像儀（ＯＬＩ）和熱紅外傳感器（ＴＩＲＳ）［３２］，設(shè)計(jì)壽命至少為５ 年。ＯＬＩ 由卡羅拉多的Ｂａｕｅｒ ＡｅｒｏｓｐａｃｅＴｅｃｈｎｏｌｏｇｉｅｓ 開(kāi)發(fā)，有９ 個(gè)光譜通道，與以前的傳感器相比，增加了２ 個(gè)新波段，本研究引入的ＤＨＩ 使用了其新增的深藍(lán)色波段。

ＤＥＭ 影像從地理空間數(shù)據(jù)云下載（ｈｔｔｐ：∥ｗｗｗ． ｇｓｃｌｏｕｄ． ｃｎ ／ ｓｅａｒｃｈ），每景需要３ ～ ４ 張影像覆蓋整個(gè)南寧市，其空間分辨率為３０ ｍ，時(shí)間分辨率為１６ ｄ，在ＡｒｃＧＩＳ１０． ６ 軟件中進(jìn)行鑲嵌裁剪和重分類(lèi)，在ＥＮＶＩ 軟件中完成輻射校正和大氣校正。因南寧全市流域集水面積在２００ ｋｍ２ 以上的河流有武鳴河、清水河、郁江、右江等３９ 條，為盡可能減小實(shí)驗(yàn)誤差，采用改進(jìn)的歸一化差異水體指數(shù)（ＭｏｄｉｆｉｅｄＮｏｒｍａｌｉｚｅｄ Ｄｉｆｆｅｒｅｎｃｅ Ｗａｔｅｒ Ｉｎｄｅｘ，ＭＮＤＷＩ）［３３］提取水體掩膜研究區(qū)，設(shè)定闕值為２． ５，以規(guī)避水體對(duì)指數(shù)提取的影響。

ＭＮＤＷＩ ＝ （ρｇｒｅｅｎ － ρｍｉｒ ）／ （ρｇｒｅｅｎ ＋ ρｍｉｒ ）， （１）

式中：ρｇｒｅｅｎ、ρｍｉｒ 分別對(duì)應(yīng)Ｌａｎｄｓａｔ８ ＯＩＬ 的第３、６ 波段反射率。

２． ２ 遙感指數(shù)構(gòu)建

本文引入代表空氣質(zhì)量指標(biāo)的指數(shù)———ＤＨＩ 構(gòu)建ＲＳＥＩｎｅｗ，ＤＨＩ 指數(shù)是基于美國(guó)陸地衛(wèi)星計(jì)劃Ｌａｎｄｓａｔ８ ＯＬＩ，選用其中對(duì)空氣污染物最敏感的深藍(lán)波段———Ｂａｎｄ１ 和最不敏感的短波紅外波段———Ｂａｎｄ７ 進(jìn)行差值得到，該指數(shù)不僅可以對(duì)ＰＭ２． ５ 濃度進(jìn)行監(jiān)測(cè)，還可以適用于空氣質(zhì)量指數(shù)（ＡｉｒＱｕａｌｉｔｙ Ｉｎｄｅｘ，ＡＱＩ）的監(jiān)測(cè)，對(duì)城鎮(zhèn)空氣質(zhì)量監(jiān)測(cè)具有較高的應(yīng)用價(jià)值。

ＲＳＥＩｎｅｗ 的函數(shù)表達(dá)式與遙感定義為：

ＲＳＥＩｎｅｗ ＝ ｆ（ＮＤＶＩ，ＷＥＴ，ＬＳＴ，ＮＤＢＳＩ，ＤＨＩ）， （２）

式中：ＮＤＶＩ、ＷＥＴ、ＬＳＴ、ＮＤＢＳＩ、ＤＨＩ 分別表示植被分量、濕度分量、地表溫度的熱度分量、涵蓋裸土和建筑指數(shù)的干度分量、空氣質(zhì)量分量。

使用主成分分析方法將５ 個(gè)生態(tài)環(huán)境評(píng)價(jià)指標(biāo)合成一個(gè)綜合生態(tài)指數(shù)，５ 個(gè)分量指標(biāo)的計(jì)算如表２ 所示。

由于５ 個(gè)指標(biāo)的量綱和數(shù)值范圍存在較大差異，為減少不同指標(biāo)數(shù)值大小對(duì)綜合評(píng)價(jià)指數(shù)結(jié)果的影響，采用２％ ～ ９８％ 作為置信區(qū)間對(duì)各指標(biāo)進(jìn)行歸一化處理，將其值映射到［０，１］。歸一化方法如下：

ＩＮ ＝ （Ｉ － Ｉｍｉｎ ）／ （Ｉｍａｘ － Ｉｍｉｎ ）， （３）

式中：ＩＮ 為歸一化處理后的指標(biāo)值，Ｉ 為原指標(biāo)數(shù)值，Ｉｍａｘ 和Ｉｍｉｎ 分別為指標(biāo)的最大值和最小值。

對(duì)歸一化后的５ 個(gè)指標(biāo)進(jìn)行主成分分析，因其他主成分（ＰＣ２ ～ ＰＣ５）無(wú)規(guī)律可循、忽大忽小，不能揭示生態(tài)環(huán)境變化的內(nèi)在機(jī)理，而主成分ＰＣ１ 較為穩(wěn)定且貢獻(xiàn)率相對(duì)較高，故選用ＰＣ１ 創(chuàng)建初始生態(tài)指數(shù)，若正好與現(xiàn)實(shí)情況相反，可進(jìn)一步用１ 減去ＰＣ１ 來(lái)表示，表達(dá)式為：

ＲＳＥＩ０ ＝ １ － ＰＣ１（ＮＩＮＤＶＩ ，ＮＩＷＥＴ ，ＮＩＬＳＴ ，ＮＩＮＤＢＳＩ ，ＮＩＤＨＩ ），（４）

式中：ＲＳＥＩ０ 為初始的ＲＳＥＩ，ＰＣ１ 為第一主成分，ＮＩ 為分量指標(biāo)的歸一化處理后的值。建立的ＲＳＥＩｎｅｗ 值越高，表示生態(tài)環(huán)境越優(yōu)，反之說(shuō)明生態(tài)環(huán)境越差。

３ 結(jié)果與分析

３． １ ＲＳＥＩ 與ＲＳＥＩｎｅｗ 對(duì)比分析

對(duì)于新構(gòu)建的ＲＳＥＩｎｅｗ，以突顯其優(yōu)于ＲＳＥＩ，更具綜合代表性，可從以下兩方面進(jìn)行分析：① 檢查主成分分析中的ＰＣ１ 是否更能代表生態(tài)信息；② 使用相關(guān)系數(shù)檢驗(yàn)?zāi)Ｐ偷倪m用性，相關(guān)系數(shù)接近１ 則表明模型的綜合代表性越高，也就是模型的適宜性越好，因此構(gòu)建的ＲＳＥＩ 與各指標(biāo)之間的平均相關(guān)度。

ＲＳＥＩ 與ＲＳＥＩｎｅｗ 主成分分析結(jié)果對(duì)比如表３所示，可以看出，貢獻(xiàn)率均在６０％ 以上，雖然貢獻(xiàn)率都在８０％ 以下，但已有文獻(xiàn)表明，在ＲＳＥＩ 評(píng)估的應(yīng)用中，無(wú)需特別在意ＰＣ１ 的占比，主成分分量應(yīng)用的重點(diǎn)在于其是否能真正代表某一特定信息，所以只要它能正確代表生態(tài)信息就可以使用［３４］。３ 個(gè)年份的ＰＣ１ 的載荷值中綠度和濕度的值均為正，反映其對(duì)研究區(qū)的生態(tài)起促進(jìn)作用，干度、熱度和ＰＭ２． ５ 濃度指標(biāo)的值均為負(fù)，反映其對(duì)生態(tài)起到抑制作用，這與實(shí)際情況相符，所以本結(jié)果能代表正確的生態(tài)信息，可以進(jìn)行使用。

每一年的ＲＳＥＩｎｅｗ 模型的ＰＣ１ 貢獻(xiàn)率均高于ＲＳＥＩ 模型，并從影像中對(duì)比發(fā)現(xiàn)ＲＳＥＩｎｅｗ 模型更全面地代表了城市的生態(tài)質(zhì)量，并更好、更集中地表達(dá)了各項(xiàng)指標(biāo)的特征。

此外，平均相關(guān)度可以說(shuō)明ＲＳＥＩ 與各指標(biāo)之間的相關(guān)性很強(qiáng)，能綜合表征各指標(biāo)信息，比任何單一指標(biāo)都更具有代表性，能更全面地反映生態(tài)環(huán)境狀況（平均相關(guān)度計(jì)算由某年份某一指標(biāo)與其他指標(biāo)的相關(guān)系數(shù)的絕對(duì)值之和再求平均得到［３５］）。將２０１３、２０１７、２０２１ 年的ＲＳＥＩ 模型、ＲＳＥＩｎｅｗ 模型與各指標(biāo)及其之間的平均相關(guān)度進(jìn)行對(duì)比，如表４ 所示，可以觀(guān)察到，ＲＳＥＩｎｅｗ 模型與各指標(biāo)在不同年份的平均相關(guān)性均優(yōu)于ＲＳＥＩ 模型，這表明ＲＳＥＩｎｅｗ更有效地整合了各指標(biāo)的信息。在ＲＳＥＩｎｅｗ 模型中，ＮＤＢＳＩ 干度指標(biāo)的單指標(biāo)平均相關(guān)性最高，３ 個(gè)階段的平均相關(guān)性均值為０． ７８５ ２，其次是ＷＥＴ，各階段均值為０． ７６４ ６，而ＲＳＥＩｎｅｗ 模型的各年份平均相關(guān)度為０． ８１４ ４，比５ 項(xiàng)指標(biāo)中最高的ＮＤＢＳＩ 高出４． ９８％ ，說(shuō)明新型構(gòu)建的ＲＳＥＩ 模型較單一指標(biāo)更具有表征城市生態(tài)環(huán)境的代表性。

３． ２ 南寧市生態(tài)環(huán)境時(shí)空動(dòng)態(tài)變化分析

為了便于分析ＲＳＥＩｎｅｗ 體現(xiàn)的生態(tài)效應(yīng)，本文參考《生態(tài)環(huán)境狀況評(píng)價(jià)技術(shù)規(guī)范》（ＨＪ １９２—２０１５），依據(jù)等間距法，將ＲＳＥＩｎｅｗ 分成５ 個(gè)生態(tài)質(zhì)量等級(jí)：差（０ ～ ０． ２）、較差（０． ２ ～ ０． ４）、中等（０． ４ ～０． ６）、良好（０． ６ ～ ０． ８）、優(yōu)（０． ８ ～ １． ０），并進(jìn)一步統(tǒng)計(jì)２０１３、２０１７ 和２０２１ 年各生態(tài)等級(jí)面積和占比，如表５ 所示?？梢钥闯?，２０１３—２０２１ 年，優(yōu)和良等級(jí)的占比面積呈遞增趨勢(shì)，優(yōu)等級(jí)上升了８． ０４％ ，良等級(jí)上升了１５． ３６％ ，差等級(jí)的占比面積相對(duì)在減少，減少了８． ０９％ ，表明南寧市在這１０ 年的生態(tài)環(huán)境質(zhì)量整體上呈良好的發(fā)展態(tài)勢(shì)。相應(yīng)地，這種情況在圖１ 中也有所體現(xiàn)，２０１３—２０２１ 年，在圖２ 中更為直觀(guān)地看出城市生態(tài)環(huán)境較差的區(qū)域面積在逐漸漸少，繼而被生態(tài)環(huán)境優(yōu)的取代，這與《２０２１ 年南寧市生態(tài)環(huán)境狀況公報(bào)》中的２０１５—２０２１ 年南寧市環(huán)境空氣質(zhì)量類(lèi)別（圖３）情況相符。

從空間分布上看，對(duì)比實(shí)際遙感影像發(fā)現(xiàn)，大部分處于差、較差水平的地區(qū)與無(wú)植被或植被覆蓋較少的地區(qū)相符。這可能是因?yàn)橹脖桓采w較少的地區(qū)具有較低的綠度和濕度，裸土暴露導(dǎo)致高熱度、干度和空氣顆粒物濃度。此外，土壤水土流失、土壤質(zhì)量差和高海拔地區(qū)的極端氣候等因素也可能導(dǎo)致ＲＳＥＩｎｅｗ 值較低。生態(tài)等級(jí)為中等的地區(qū)通常位于未利用地和林地的交界處，生態(tài)等級(jí)為良和優(yōu)的地區(qū)通常具有較高的植被覆蓋。

為了更加明確地分析南寧市１０ 年間的生態(tài)環(huán)境動(dòng)態(tài)變化，基于以上５ 種生態(tài)等級(jí)的劃分，對(duì)南寧市各年份的ＲＳＥＩｎｅｗ 結(jié)果進(jìn)行兩兩差值變化監(jiān)測(cè)，結(jié)果如表６ 所示。可以看出，變好的占比面積均大于變差的，這也說(shuō)明了這１０ 年間南寧市的生態(tài)環(huán)境水平總體值呈略微上升的趨勢(shì)，這與南寧市當(dāng)?shù)氐膶?shí)際情況相符?！笆濉逼陂g，南寧市深入貫徹落實(shí)習(xí)近平生態(tài)文明思想，積極踐行“綠水青山就是金山銀山”的理念，大力加強(qiáng)生態(tài)文明建設(shè)和環(huán)境保護(hù)力度，成功擦亮“中國(guó)綠城”名片，實(shí)現(xiàn)了空氣質(zhì)量排名全國(guó)前２０ 位。

３． ３ ＲＳＥＩｎｅｗ 的建模與預(yù)測(cè)

ＲＳＥＩｎｅｗ 可以通過(guò)多元線(xiàn)性回歸建立模型來(lái)模擬和預(yù)測(cè)南寧市的生態(tài)變化趨勢(shì)，因此，對(duì)２０２１ 年歸一化后的各指標(biāo)專(zhuān)題影像以及ＲＳＥＩｎｅｗ 結(jié)果圖進(jìn)行隨機(jī)采樣３０ ０００ 個(gè)點(diǎn)，足夠的樣本點(diǎn)保證了回歸分析結(jié)果的客觀(guān)性。以ＲＳＥＩｎｅｗ 的樣點(diǎn)作為因變量，ＮＤＶＩ、ＷＥＴ、ＮＤＢＳＩ、ＬＳＴ 和ＤＨＩ 的樣點(diǎn)作為自變量，使用ＳＰＳＳ 進(jìn)行多元線(xiàn)性回歸，得到了基于ＲＳＥＩｎｅｗ 的南寧市生態(tài)模型：

ＲＳＥＩｎｅｗ ＝ ０． ４１７ＮＤＶＩ ＋ ０． ４２８ＷＥＴ － ０． ００４ＮＤＢＳＩ －"０． １８１ＬＳＴ － ０． ２１９ＤＨＩ ＋ ０． １３５（Ｒ２ ＝ ０． ９２９）。（５）

從獲得的模型可以看出，模型擬合度較高。各指標(biāo)的回歸系數(shù)顯示，ＮＤＶＩ 和ＷＥＴ 系數(shù)為正值，暗示對(duì)生態(tài)環(huán)境有正面影響；而ＮＤＢＳＩ、ＬＳＴ 和ＤＨＩ系數(shù)為負(fù)值，暗示對(duì)生態(tài)環(huán)境有負(fù)面影響，與實(shí)際情況相符?；貧w系數(shù)的絕對(duì)值顯示，對(duì)生態(tài)環(huán)境質(zhì)量影響最大的是ＮＤＶＩ 和ＷＥＴ，其綜合作用超過(guò)了ＮＤＢＳＩ、ＬＳＴ 和ＤＨＩ 的綜合作用。總體而言，ＮＤＶＩ和ＷＥＴ 對(duì)生態(tài)環(huán)境的提升至關(guān)重要，表明當(dāng)前以增加綠度為主的生態(tài)治理對(duì)環(huán)境質(zhì)量的改善起到主導(dǎo)作用，同時(shí)也促進(jìn)了區(qū)域環(huán)境形成有利氣候。因此，未來(lái)南寧市若要提高生態(tài)質(zhì)量，必須不破壞現(xiàn)有自然資源，播種綠色，增加綠地，適當(dāng)降低建筑覆蓋率，提高城市濕度和空氣質(zhì)量。根據(jù)模型預(yù)測(cè)，未來(lái)每增加０． ２４ 單位的ＮＤＶＩ 可將ＲＳＥＩｎｅｗ 相應(yīng)提升０． １單位，如果將各指標(biāo)都相對(duì)增加或減少，那么對(duì)提高生態(tài)質(zhì)量有著事半功倍的效果。

４ 結(jié)束語(yǔ)

本文在ＲＳＥＩ 模型的基礎(chǔ)上，加入了新的空氣質(zhì)量指標(biāo)———ＤＨＩ，建立了ＲＳＥＩｎｅｗ 模型，將ＲＳＥＩｎｅｗ 模型與ＲＳＥＩ 模型進(jìn)行對(duì)比分析，說(shuō)明了新建的模型相比ＲＳＥＩ 模型能夠更加全面地代表南寧市生態(tài)質(zhì)量情況。通過(guò)ＲＳＥＩｎｅｗ 模型結(jié)果表明，２０１３—２０２１ 年間，南寧市作為廣西壯族自治區(qū)首府，雖然經(jīng)濟(jì)發(fā)展十分迅速，但在近１０ 年并沒(méi)有忽視生態(tài)環(huán)境問(wèn)題，ＲＳＥＩｎｅｗ 指數(shù)的均值從２０１３ 年的０． ４７ 至２０２１ 年的０． ６２，上升了１５％ ，表明生態(tài)環(huán)境質(zhì)量整體得到優(yōu)化，這一切離不開(kāi)國(guó)家日益完善的生態(tài)政策，離不開(kāi)政府對(duì)生態(tài)環(huán)境的保護(hù)力度。南寧市應(yīng)繼續(xù)在合理的城市生態(tài)科學(xué)規(guī)劃的基礎(chǔ)上，維護(hù)良好的生態(tài)環(huán)境和健康的城市發(fā)展。

由于數(shù)據(jù)、時(shí)間和技術(shù)的限制，本研究存在一些不足，例如僅使用了南寧市的Ｌａｎｄｓａｔ 衛(wèi)星影像、遙感數(shù)據(jù)分辨率較低等。在后續(xù)研究中，可以考慮擴(kuò)展使用不同衛(wèi)星影像進(jìn)行多源數(shù)據(jù)融合，并加強(qiáng)生態(tài)評(píng)估維度，以更系統(tǒng)地分析和評(píng)價(jià)生態(tài)環(huán)境。

參考文獻(xiàn)

［１］ ＳＯＷＩＮ ＇ ＳＫＡＳ ＇ ＷＩＥＲＫＯＳＺ Ｂ． Ａｐｐｌｉｃａｔｉｏｎ ｏｆ ＳｕｒｒｏｇａｔｅＭｅａｓｕｒｅｓ ｏｆ Ｅｃｏｌｏｇｉｃａｌ Ｑｕａｌｉｔｙ Ａｓｓｅｓｓｍｅｎｔ：Ｔｈｅ Ｉｎｔｒｏｄｕｃｔｉｏｎ ｏｆ ｔｈｅ Ｉｎｄｉｃａｔｏｒ ｏｆ Ｅｃｏｌｏｇｉｃａｌ Ｌａｎｄｓｃａｐｅ Ｑｕａｌｉｔｙ（ＩＥＬＱ）［Ｊ］． Ｅｃｏｌｏｇｉｃａｌ Ｉｎｄｉｃａｔｏｒｓ，２０１７，７３：２２４－２３４．

［２］ ＷＯＬＣＨ Ｊ Ｒ，ＢＹＲＮＥ Ｊ，ＮＥＷＥＬＬ Ｊ Ｐ． Ｕｒｂａｎ ＧｒｅｅｎＳｐａｃｅ，Ｐｕｂｌｉｃ Ｈｅａｌｔｈ， ａｎｄ Ｅｎｖｉｒｏｎｍｅｎｔａｌ Ｊｕｓｔｉｃｅ：ＴｈｅＣｈａｌｌｅｎｇｅ ｏｆ Ｍａｋｉｎｇ Ｃｉｔｉｅｓ ‘Ｊｕｓｔ Ｇｒｅｅｎ Ｅｎｏｕｇｈ’［Ｊ］．Ｌａｎｄｓｃａｐｅ ＆ Ｕｒｂａｎ Ｐｌａｎｎｉｎｇ，２０１４，１２５：２３４－２４４．

［３］ ＭＯＮＴＧＯＭＥＲＹ Ｍ Ｒ． Ｔｈｅ Ｕｒｂａｎ Ｔｒａｎｓｆｏｒｍａｔｉｏｎ ｏｆ ｔｈｅＤｅｖｅｌｏｐｉｎｇ Ｗｏｒｌｄ ［Ｊ ］． Ｓｃｉｅｎｃｅ，２００８，３１９（５８６４）：７６１－７６４．

［４］ ＧＲＩＧＧＳ Ｄ，ＳＴＡＦＦＯＲＤＳＭＩＴＨ Ｍ，ＧＡＦＦＮＥＹ Ｏ，ｅｔ ａｌ．Ｓｕｓｔａｉｎａｂｌｅ Ｄｅｖｅｌｏｐｍｅｎｔ Ｇｏａｌｓ ｆｏｒ Ｐｅｏｐｌｅ ａｎｄ Ｐｌａｎｅｔ［Ｊ］． Ｎａｔｕｒｅ，２０１３，４９５（７４４１）：３０５－３０７．

［５］ ＫＵＭＡＲ Ｐ，ＴＨＡＫＵＲ Ｐ Ｋ，ＢＡＮＳＯＤ Ｂ Ｋ，ｅｔ ａｌ． Ｍｕｌｔｉｃｒｉｔｅｒｉａ Ｅｖａｌｕａｔｉｏｎ ｏｆ Ｈｙｄｒｏｇｅｏｌｏｇｉｃａｌ ａｎｄ ＡｎｔｈｒｏｐｏｇｅｎｉｃＰａｒａｍｅｔｅｒｓ ｆｏｒ ｔｈｅ Ｇｒｏｕｎｄｗａｔｅｒ Ｖｕｌｎｅｒａｂｉｌｉｔｙ Ａｓｓｅｓｓｍｅｎｔ［Ｊ］． Ｅｎｖｉｒｏｎ Ｍｏｎｉｔ Ａｓｓｅｓｓ，２０１７，１８９（１１）：５６４．

［６］ ＲＡＩ Ｐ Ｋ． Ｆｏｒｅｓｔ ａｎｄ Ｌａｎｄ Ｕｓｅ Ｍａｐｐｉｎｇ Ｕｓｉｎｇ ＲｅｍｏｔｅＳｅｎｓｉｎｇ ａｎｄ Ｇｅｏｇｒａｐｈｉｃａｌ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｙｓｔｅｍ：Ａ ＣａｓｅＳｔｕｄｙ ｏｎ Ｍｏｄｅｌ Ｓｙｓｔｅｍ ［Ｊ］． Ｅｎｖｉｒｏｎｍｅｎｔａｌ Ｓｋｅｐｔｉｃｓ ＆Ｃｒｉｔｉｃｓ，２０１３，２（３）：９７－１０７．

［７］ ＩＶＩＴＳ Ｅ，ＣＨＥＲＬＥＴ Ｍ，ＭＣＨＬ Ｗ，ｅｔ ａｌ． Ｅｓｔｉｍａｔｉｎｇ ｔｈｅＥｃｏｌｏｇｉｃａｌ Ｓｔａｔｕｓ ａｎｄ Ｃｈａｎｇｅ ｏｆ Ｒｉｐａｒｉａｎ Ｚｏｎｅｓ ｉｎ Ａｎｄａｌｕｓｉａ Ａｓｓｅｓｓｅｄ ｂｙ Ｍｕｌｔｉｔｅｍｐｏｒａｌ ＡＶＨＨＲ Ｄａｔａｓｅｔｓ［Ｊ］．Ｅｃｏｌｏｇｉｃａｌ Ｉｎｄｉｃａｔｏｒｓ，２００８，９（３）：４２２－４３１．

［８］ ＪＩＮ Ｃ，ＳＨＥＮ Ｍ Ｇ，ＺＨＵ Ｘ Ｌ，ｅｔ ａｌ． Ｉｎｄｉｃａｔｏｒ ｏｆ ＦｌｏｗｅｒＳｔａｔｕｓ Ｄｅｒｉｖｅｄ ｆｒｏｍ ｉｎ Ｓｉｔｕ Ｈｙｐｅｒｓｐｅｃｔｒａｌ Ｍｅａｓｕｒｅｍｅｎｔ ｉｎａｎ Ａｌｐｉｎｅ Ｍｅａｄｏｗ ｏｎ ｔｈｅ Ｔｉｂｅｔａｎ Ｐｌａｔｅａｕ［Ｊ］． ＥｃｏｌｏｇｉｃａｌＩｎｄｉｃａｔｏｒｓ，２００９，９（４）：８１８－８２３．

［９］ 徐涵秋． 區(qū)域生態(tài)環(huán)境變化的遙感評(píng)價(jià)指數(shù)［Ｊ］． 中國(guó)環(huán)境科學(xué)，２０１３，３３（５）：８８９－８９７．

［１０］ ＬＩ Ｎ Ｌ，ＬＩＵ Ｃ Ｃ，ＣＨＥＮＧ Ｓ Ｈ Ｃ，ｅｔ ａｌ． Ｆｅａｓｉｂｉｌｉｔｙ ｏｆＣｏｍｂｉｎｅｄ Ｐａｒａｖｅｒｔｅｂｒａｌ Ｂｌｏｃｋ ａｎｄ Ｓｕｂｃｏｓｔａｌ ＴｒａｎｓｖｅｒｓｕｓＡｂｄｏｍｉｎｉｓ Ｐｌａｎｅ Ｂｌｏｃｋ ｉｎ Ｐｏｓｔｏｐｅｒａｔｉｖｅ Ｐａｉｎ ＣｏｎｔｒｏｌＡｆｔｅｒ Ｍｉｎｉｍａｌｌｙ Ｉｎｖａｓｉｖｅ Ｅｓｏｐｈａｇｅｃｔｏｍｙ［Ｊ］． Ａｃｔａ Ａｎａｅｓｔｈｅｓｉｏｌｏｇｉｃａ Ｔａｉｗａｎｉｃａ，２０１３，５１（３）：１０３－１０７．

［１１］ 王勇，王世東． 基于ＲＳＥＩ 的生態(tài)質(zhì)量動(dòng)態(tài)變化分析———以丹江流域（河南段）為例［Ｊ］． 中國(guó)水土保持科學(xué)，２０１９，１７（３）：５７－６５．

［１２］ 陳麗紅，劉普幸，花亞萍． 基于ＲＳＥＩ 的疏勒河流域生態(tài)質(zhì)量綜合評(píng)價(jià)及其成因分析［Ｊ］． 土壤通報(bào)，２０２１，５２（１）：２５－３３．

［１３］ 魏力輝，萬(wàn)大娟，畢軍平，等． 錫礦山銻礦區(qū)生態(tài)環(huán)境質(zhì)量遙感動(dòng)態(tài)監(jiān)測(cè)與評(píng)價(jià)［Ｊ］． 環(huán)境科學(xué)與技術(shù)，２０２０，４３（６）：２３０－２３６．

［１４］ 劉虎，姜岳，夏明宇，等． 基于３０ 年遙感監(jiān)測(cè)的礦區(qū)生態(tài)環(huán)境變化———以南四湖周邊礦區(qū)為例［Ｊ］． 金屬礦山，２０２１（４）：１９７－２０６．

［１５］ ＪＩＮＧ Ｙ Ｑ，ＺＨＡＮＧ Ｆ，ＨＥ Ｙ Ｆ，ｅｔ ａｌ． Ａｓｓｅｓｓｍｅｎｔ ｏｆＳｐａｔｉａｌ ａｎｄ Ｔｅｍｐｏｒａｌ Ｖａｒｉａｔｉｏｎ ｏｆ Ｅｃｏｌｏｇｉｃａｌ ＥｎｖｉｒｏｎｍｅｎｔＱｕａｌｉｔｙ ｉｎ Ｅｂｉｎｕｒ Ｌａｋｅ Ｗｅｔｌａｎｄ Ｎａｔｉｏｎａｌ Ｎａｔｕｒｅ Ｒｅｓｅｒｖｅ，Ｘｉｎｊｉａｎｇ，Ｃｈｉｎａ ［Ｊ ］． Ｅｃｏｌｏｇｉｃａｌ Ｉｎｄｉｃａｔｏｒｓ， ２０２０，１１０：１０５８７４．

［１６］ ＹＡＮＧ Ｘ Ｄ，ＢＡＩ Ｙ Ｐ，ＣＨＥ Ｌ，ｅｔ ａｌ． Ｉｎｃｏｒｐｏｒａｔｉｎｇ Ｅｃｏｌｏｇｉｃａｌ Ｃｏｎｓｔｒａｉｎｔｓ Ｉｎｔｏ Ｕｒｂａｎ Ｇｒｏｗｔｈ Ｂｏｕｎｄａｒｉｅｓ：Ａ ＣａｓｅＳｔｕｄｙ ｏｆ Ｅｃｏｌｏｇｉｃａｌｌｙ Ｆｒａｇｉｌｅ Ａｒｅａｓ ｉｎ ｔｈｅ Ｕｐｐｅｒ ＹｅｌｌｏｗＲｉｖｅｒ［Ｊ］． Ｅｃｏｌｏｇｉｃａｌ Ｉｎｄｉｃａｔｏｒｓ，２０２１，１２４（２）：１０７４３６．

［１７］ 楊雪荻，白永平，車(chē)?yán)?，等?黃河上游生態(tài)脆弱區(qū)城市增長(zhǎng)邊界劃定———以臨夏回族自治州為例［Ｊ］． 自然資源學(xué)報(bào)，２０２１，３６（１）：１６２－１７５．

［１８］ 江仕嶸，童亞文，劉耀華，等． 秦嶺國(guó)家植物園生態(tài)環(huán)境質(zhì)量評(píng)價(jià)［Ｊ］． 林業(yè)資源管理，２０２０（３）：８５－８８．

［１９］ 張華，宋金岳，李明，等． 基于ＧＥＥ 的祁連山國(guó)家公園生態(tài)環(huán)境質(zhì)量評(píng)價(jià)及成因分析［Ｊ］． 生態(tài)學(xué)雜志，２０２１，４０（６）：１８８３－１８９４．

［２０］ 劉智才，徐涵秋，李樂(lè)，等． 基于遙感生態(tài)指數(shù)的杭州市城市生態(tài)變化［Ｊ］． 應(yīng)用基礎(chǔ)與工程科學(xué)學(xué)報(bào)，２０１５，２３（４）：７２８－７３９．

［２１］ 張立偉，張運(yùn)，黃晨． 皖江城市帶近２０ ａ 生態(tài)環(huán)境變化遙感指數(shù)分析［Ｊ］． 長(zhǎng)江流域資源與環(huán)境，２０１８，２７（５）：１０６１－１０７０．

［２２］ 約日古麗卡斯木，孜比布拉· 司馬義，王蕾，等． 新疆博樂(lè)市生態(tài)環(huán)境變化對(duì)城市建設(shè)用地?cái)U(kuò)張的響應(yīng)［Ｊ］． 農(nóng)業(yè)工程學(xué)報(bào)，２０１９，３５（１）：２５２－２５９．

［２３］ 吳可人，高祺，王讓會(huì)，等． 基于ＲＳＥＩ 模型的石家莊生態(tài)環(huán)境質(zhì)量評(píng)價(jià)［Ｊ］． 地球物理學(xué)進(jìn)展，２０２１，３６（３）：９６８－９７６．

［２４］ 李紅星，黃解軍，梁友嘉，等． 基于遙感生態(tài)指數(shù)的武漢市生態(tài)環(huán)境質(zhì)量評(píng)估［Ｊ］． 云南大學(xué)學(xué)報(bào)（自然科學(xué)版），２０２０，４２（１）：８１－９０．

［２５］ 潘洪義，李加安，張琴． 基于ＲＳＥＩ 的地震區(qū)生態(tài)環(huán)境質(zhì)量恢復(fù)研究———以汶川縣為例［Ｊ］． 長(zhǎng)江流域資源與環(huán)境，２０２１，３０（３）：７４５－７５７．

［２６］ 張秦瑞，趙良軍，林國(guó)軍，等． 改進(jìn)遙感生態(tài)指數(shù)的宜賓市三江匯合區(qū)生態(tài)環(huán)境評(píng)價(jià)［Ｊ］． 自然資源遙感，２０２２，３４（１）：２３０－２３７．

［２７］ 楊羽佳，張怡，匡天琪，等． 利用改進(jìn)城市遙感生態(tài)指數(shù)的蘇州市生態(tài)分析［Ｊ］． 測(cè)繪科學(xué)技術(shù)學(xué)報(bào)，２０２１，３８（３）：３２３－３３０．

［２８］ 范德芹，邱癑，孫文彬，等． 基于遙感生態(tài)指數(shù)的神府礦區(qū)生態(tài)環(huán)境評(píng)價(jià)［Ｊ］． 測(cè)繪通報(bào)，２０２１（７）：２３－２８．

［２９］ 萬(wàn)虹麟，霍飛，牛玉芬，等． 顧及ＰＭ２． ５ 濃度遙感生態(tài)指數(shù)模型的滄州市區(qū)生態(tài)環(huán)境質(zhì)量動(dòng)態(tài)監(jiān)測(cè)分析［Ｊ］．地球物理學(xué)進(jìn)展，２０２１，３６（３）：９５３－９６０．

［３０］ 劉索玄，袁艷斌，趙？，等． 基于遙感生態(tài)指數(shù)（ＲＳＥＩ）的水電開(kāi)發(fā)區(qū)生態(tài)環(huán)境變化分析：以清江中下游地區(qū)為例［Ｊ ］． 生態(tài)與農(nóng)村環(huán)境學(xué)報(bào)，２０１９，３５ （１１ ）：１３６１－１３６８．

［３１］ 馮海霞，馮海英，楊立才，等． 一種基于Ｌａｎｄｓａｔ ８ 的城區(qū)空氣質(zhì)量監(jiān)測(cè)方法［Ｊ］． 環(huán)境污染與防治，２０２１，４３（１）：７９－８３．

［３２］ ＬＯＶＥＬＡＮＤ Ｔ Ｒ，ＩＲＯＮＳ Ｊ Ｒ． Ｌａｎｄｓａｔ ８：Ｔｈｅ Ｐｌａｎｓ，ｔｈｅＲｅａｌｉｔｙ，ａｎｄ ｔｈｅ Ｌｅｇａｃｙ［Ｊ］． Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ ｏｆ Ｅｎｖｉｒｏｎｍｅｎｔ，２０１６，１８５：１－６．

［３３］ 徐涵秋． 利用改進(jìn)的歸一化差異水體指數(shù)（ＭＮＤＷＩ）提取水體信息的研究［Ｊ ］． 遙感學(xué)報(bào)，２００５ （５ ）：５８９－５９５．

［３４］ 徐涵秋，鄧文慧． ＭＲＳＥＩ 指數(shù)的合理性分析及其與ＲＳＥＩ 指數(shù)的區(qū)別［Ｊ］． 遙感技術(shù)與應(yīng)用，２０２２，３７（１）：１－７．

［３５］ 徐涵秋． 城市遙感生態(tài)指數(shù)的創(chuàng)建及其應(yīng)用［Ｊ］． 生態(tài)學(xué)報(bào)，２０１３，３３（２４）：７８５３－７８６２．

作者簡(jiǎn)介

歐陽(yáng)心如 女，（１９９９—），碩士研究生。主要研究方向：生態(tài)遙感。

（*通信作者）陳天偉 男，（１９６５—），碩士，教授。主要研究方向：空間數(shù)據(jù)建模。

楊衛(wèi)聰 男，（１９９７—），碩士研究生。主要研究方向：空間數(shù)據(jù)建模。

基金項(xiàng)目：國(guó)家自然科學(xué)基金（４１８６１０５０ ）；廣西自然科學(xué)基金（２０１７ＧＸＮＳＦＡＡ１９８３０８）