基于遙感生態(tài)指數(shù)的淮南礦區(qū)生態(tài)環(huán)境質(zhì)量變化分析*

陳 晨，胡 林，李 玉

(1.平安煤炭開采工程技術(shù)研究院有限責(zé)任公司，安徽 淮南 232001；2.淮河能源燃?xì)饧瘓F(tuán)有限責(zé)任公司，安徽 淮南 232001)

0 引言

淮南礦區(qū)煤炭儲量豐富，長期的煤炭開采活動帶動了周邊地區(qū)的經(jīng)濟(jì)發(fā)展和社會進(jìn)步，然而經(jīng)濟(jì)發(fā)展與生態(tài)環(huán)境往往呈現(xiàn)一種負(fù)相關(guān)關(guān)系，經(jīng)濟(jì)飛速發(fā)展的同時，也給礦區(qū)帶來了生態(tài)破壞、環(huán)境污染、土地退化等一系列環(huán)境問題，進(jìn)而對礦區(qū)居民生存環(huán)境造成負(fù)面影響。而礦區(qū)居民生存環(huán)境又與生態(tài)環(huán)境質(zhì)量密切相關(guān)，必須采取有效措施開展環(huán)境治理和修復(fù)，提升和改善生態(tài)環(huán)境治理。因此，開展生態(tài)環(huán)境質(zhì)量評價顯得尤為重要，能夠?yàn)榈V區(qū)環(huán)境治理修復(fù)和生態(tài)環(huán)境質(zhì)量改善提供重要的參考和依據(jù)。

生態(tài)環(huán)境質(zhì)量評價是根據(jù)特定的目的，選擇具有代表性、可比性、可操作性的評價指標(biāo)和方法，對生態(tài)環(huán)境質(zhì)量的優(yōu)劣程度進(jìn)行定性或定量的分析和判斷[1-2]。2006年，原國家環(huán)境保護(hù)部以行業(yè)標(biāo)準(zhǔn)的形式頒發(fā)了《生態(tài)環(huán)境狀況評價技術(shù)規(guī)范》，推出了基于遙感技術(shù)[3]的生態(tài)環(huán)境狀況指數(shù)EI，旨在對我國縣級以上生態(tài)環(huán)境提供一種年度綜合評價標(biāo)準(zhǔn)。2013年，在考慮到EI權(quán)重的合理性、歸一化系數(shù)的設(shè)定、指標(biāo)的易獲取性和生態(tài)狀況可視化等問題的情況下，徐涵秋[4]提出了一種完全基于遙感信息、集成多種生態(tài)因子的遙感生態(tài)指數(shù)(Remote Sensing Ecology Index，RSEI)，該指數(shù)用綠度、濕度、干度和熱度4個分量反映區(qū)域的生態(tài)環(huán)境狀況，通過主成分分析對各個指標(biāo)賦以權(quán)重，計(jì)算結(jié)果具很強(qiáng)的客觀性、穩(wěn)定性和可視性。RSEI將一維的EI值轉(zhuǎn)換為二維的面表示，很好地表現(xiàn)了生態(tài)環(huán)境在空間上的分布，并且可以通過不同時空的對比反映區(qū)域生態(tài)環(huán)境狀況的演變[5-7]。RSEI指數(shù)自提出以來，在區(qū)域生態(tài)環(huán)境遙感監(jiān)測和評價領(lǐng)域得到了廣泛應(yīng)用。在此基礎(chǔ)上，擬利用RSEI方法進(jìn)行研究區(qū)生態(tài)環(huán)境質(zhì)量的綜合評價和演變分析。

1 單一評價指標(biāo)構(gòu)建

遙感數(shù)據(jù)統(tǒng)一選用Landsat OLI影像，影像獲取時間見表1。首先分別對淮南礦區(qū)2013年、2016年、2019年的遙感影像進(jìn)行數(shù)據(jù)預(yù)處理，然后分別對綠度、濕度、熱度和干度4個指標(biāo)進(jìn)行計(jì)算。

表1 Landsat OLI影像獲取時間Table 1 Landsat OLI image acquisition time

1.1 熱度指標(biāo)

熱度指標(biāo)由地表溫度來代表，目前，地表溫度反演算法主要有大氣校正法(也稱為輻射傳輸方程：Radiative Transfer Equation，RTE)、單通道算法和分裂窗算法[8-9]。本文對熱度的計(jì)算采用大氣校正算法[10]，其基本原理為借助大氣輻射傳輸方程，在將大氣影響去除的前提下，將衛(wèi)星所觀測到地表熱輻射強(qiáng)度轉(zhuǎn)化為相應(yīng)的地表溫度，具體流程如圖1所示。根據(jù)熱紅外波段輻射傳輸方程，傳感器接收到的熱紅外輻射由大氣向上熱輻射、地表物透過大氣傳遞的真實(shí)地表熱輻射、大氣向下熱輻射再經(jīng)由地表發(fā)射后透過大氣傳遞到傳感器的輻射3部分組成，方程見式(1)

圖1 基于大氣校正法的TIRS地表溫度反演流程Fig.1 Flow chart of TIRS surface temperature inversion based on atmospheric correction method

Lλ=[εB(Ts)+(1-ε)Ld]τ+Lu

(1)

式中，Lλ為熱紅外波段輻射定標(biāo)后所得的輻射亮度值；ε為地表比輻射率；B(Ts)為黑體熱輻射亮度；Ts為地表真實(shí)溫度；τ為熱紅外波段的大氣透過率；Lu,Ld分別為大氣向上和向下輻射亮度。B(Ts)計(jì)算公式為

B(Ts)=[Lλ-Lu-τ(1-ε)Ld]τε

(2)

式中，Lu,Ld和τ可通過成像時間以及中心經(jīng)緯度在NASA提供的網(wǎng)站(http：//atmcorr.gsfc.nasa.gov/)獲取，ε通過植被覆蓋度獲取。設(shè)組成自然表面的像元可以簡單地看作是由不同比例的植被和裸地組成，在計(jì)算地表比輻射率時可以按式(3)粗略估計(jì)。

ε=FvRvεv+(1-Fv)Rsεs+dε

Rv=0.933 2+0.058 5Fv

Rs=0.990 2+0.106 8Fv

(3)

式中，F(xiàn)v為植被覆蓋度；Fv和Fs分別是植被和裸地的溫度比率；εv取值為0.986，εs為0.972；研究區(qū)所在地區(qū)TIRS 10的εv取值為0.985，εs為0.973。地表較平整時，dε可取0，地表高低差別大時，dε可根據(jù)經(jīng)驗(yàn)公式(4)估算，當(dāng)Fv<0.5時，dε=0.003 8Fv；當(dāng)Fv<0.5時，dε=0.003 8(1-Fv)；當(dāng)Fv=0.5時，dε最大，dε=0.001 9。

(4)

式中，NDVI為歸一化植被指數(shù)；NDVISoil為完全是裸土或無植被覆蓋區(qū)域的NDVI值；NDVIVeg則代表完全被植被所覆蓋的像元的NDVI值，即純植被像元的NDVI值。取經(jīng)驗(yàn)值NDVIVeg= 0.70和NDVISoil= 0.05，即當(dāng)某個像元的NDVI大于0.70時，F(xiàn)v取值為1；當(dāng)NDVI小于0.05，F(xiàn)v取值為0。在獲取黑體在熱紅外波段的輻射亮度之后，根據(jù)普朗克公式可得到地表溫度Ts為

(5)

對于TIRS Band 10，K1=774.89 W/(m2·μm·sr)，K2=1 321.08 K。

1.2 濕度指標(biāo)

土壤濕度是表示土壤干濕程度的物理量，通常用土壤含水量與土壤干重之比來表示。遙感纓帽變換所獲得的亮度、綠度、濕度分量已被廣泛地應(yīng)用在生態(tài)環(huán)境監(jiān)測中，其中的濕度分量反映了水體和土壤、植被的濕度，與生態(tài)密切相關(guān)[11]。纓帽變換是一種特殊的主成分分析，經(jīng)過纓帽變換后的第3個分量可以很好地反映出土壤的濕度狀況，因此可以用來估算土壤濕度分量指數(shù)。對于Landsat 8有

Wet=0.151 1ρ2+0.197 3ρ3+0.328 3ρ4+0.340 7ρ5-0.711 7ρ6-0.455 9ρ7

(6)

式中，ρi=(1,2,3,…,7)為各波段的反射率。

1.3 干度指標(biāo)

干度指標(biāo)[12]是用來反映地表未受植被覆蓋及地表損毀的指標(biāo)，例如裸土、建設(shè)用地等，對研究建成區(qū)的擴(kuò)張及生態(tài)環(huán)境的保護(hù)具有重要意義。在研究區(qū)域內(nèi)礦區(qū)建設(shè)及煤炭開采導(dǎo)致的地表植被退化土地，都會造成地表的“干化”，對干度有影響。因此可由裸土指數(shù)SI和建筑指數(shù)IBI二者耦合來表示干度指標(biāo)，對于OLI/TIRS數(shù)據(jù)來說

NDSI=(SI+IBI)/2

(7)

式中，ρi=(1,2,3,…,7)為各波段的反射率。

1.4 綠度指標(biāo)

植被指數(shù)[13]常被用來進(jìn)行植被分析，以區(qū)別地表植被間的細(xì)小差異。在許多場合，植被指數(shù)可發(fā)現(xiàn)并增強(qiáng)在原始彩色圖像上所觀察不到的植被間的差異。歸一化植被指數(shù)NDVI與植物生物量等相關(guān)性很大，在植被指數(shù)中應(yīng)用最廣泛。云、水體、雪等對可見光具有高反射能力，NDVI以負(fù)值表示；地面覆蓋為巖石或裸土[14]等時，NDVI以0左右的值表示；有植被籠罩地區(qū)其值為正，覆蓋度越大，NDVI值越大。因此，本文用歸一化差值植被指數(shù)作為綠度分析指標(biāo)。

2 綜合指數(shù)構(gòu)建

RSEI指數(shù)采用主成分變換來進(jìn)行指標(biāo)集成，其最大優(yōu)點(diǎn)就是集成各指標(biāo)的權(quán)重不是人為確定，而是根據(jù)數(shù)據(jù)本身的性質(zhì)、各個指標(biāo)對各主分量的貢獻(xiàn)度來自動客觀地確定，從而更加客觀。主成分分析借助正交變換，將隨機(jī)向量的相關(guān)分量轉(zhuǎn)化到不相關(guān)，再通過構(gòu)造價值函數(shù)[15-16]把系統(tǒng)從低維轉(zhuǎn)化成一維，設(shè)法將原來具有一定相關(guān)性的多個指標(biāo)重組成一組互相無關(guān)的綜合指標(biāo)。由于4個指標(biāo)的量綱不統(tǒng)一，因此，在做主成分變換前，必須先對這些指標(biāo)進(jìn)行正規(guī)化，將它們的數(shù)值映射到[0，1]區(qū)間，轉(zhuǎn)化成無量綱，然后再計(jì)算PCA，各指標(biāo)的正規(guī)化公式為

(8)

式中，Yi為標(biāo)準(zhǔn)化后的指標(biāo)值；Xi為原指標(biāo)值；Xmin為最小值；Xmax為最大值。借助ENVI 5.3軟件平臺，通過主成分變換合成新型生態(tài)環(huán)境質(zhì)量指數(shù)RSEI。統(tǒng)計(jì)各指標(biāo)第一主成分特征向量與特征值見表2。可以發(fā)現(xiàn)，2013年、2016年和2019年第一主成分的特征值貢獻(xiàn)率分別為64.55%、63.70%、67.15%，3個年份的遙感數(shù)據(jù)中的第一主成分(PC1)特征值累積貢獻(xiàn)率均大于60.0%，說明第一主成分中包含了4個指標(biāo)中的大多數(shù)信息[17]。在3個年份中，綠度指標(biāo)和濕度指標(biāo)的第一主成分均呈正值，這說明綠度和濕度在影響生態(tài)環(huán)境平衡中起到正面作用，而熱度指標(biāo)和干度指標(biāo)的第一主成分呈現(xiàn)負(fù)值，則可以說明它們在影響生態(tài)環(huán)境平衡起負(fù)面作用，這與淮南礦區(qū)的實(shí)際情況相符。一般情況下也認(rèn)為綠度指數(shù)越大，說明該地區(qū)的植被覆蓋度越高[18-24]；濕度指數(shù)越大，說明該地區(qū)的土壤和地表植被濕度越大，生態(tài)環(huán)境也越好。熱度指數(shù)和干度指數(shù)越大，說明該地區(qū)地表溫度越高，土壤和建設(shè)用地等硬化就越嚴(yán)重，生態(tài)環(huán)境就越差[25-28]。因此，采用第一主成分創(chuàng)建RSEI指數(shù)模型。

表2 各指標(biāo)第一主成分Table 2 The first principal component of each indicator

3 分析與評價

根據(jù)上述RSEI指數(shù)模型計(jì)算得到研究區(qū)各年份的生態(tài)環(huán)境質(zhì)量綜合指數(shù)，并對其進(jìn)行正規(guī)化處理，采用自然截?cái)喾▽ρ芯繀^(qū)生態(tài)環(huán)境質(zhì)量進(jìn)行分級，將生態(tài)環(huán)境質(zhì)量分為優(yōu)、良、一般、較差和差五級，結(jié)果如圖2所示。根據(jù)評價結(jié)果對各年份不同生態(tài)環(huán)境質(zhì)量評價等級面積及其占比進(jìn)行統(tǒng)計(jì)，結(jié)果見表3?？梢钥闯?，生態(tài)環(huán)境質(zhì)量優(yōu)良的區(qū)域主要為耕地和水域，城鎮(zhèn)、工礦、農(nóng)村居民地生態(tài)環(huán)境質(zhì)量較差。2019年生態(tài)環(huán)境質(zhì)量明顯變差，特別是礦區(qū)東北部耕地，可能與成像時期農(nóng)作物種植狀況和長勢有關(guān)。2013—2019年研究區(qū)內(nèi)的生態(tài)環(huán)境狀況為優(yōu)的面積不斷減少；狀況為良的面積先增加后減少；生態(tài)環(huán)境狀況為一般、較差的面積先略有減少后略有增加；狀況為差的面積先明顯減少后顯著增加。

圖2 RSEI生態(tài)環(huán)境質(zhì)量評價Fig.2 RSEI eco-environmental quality assessment

表3 各年份不同生態(tài)環(huán)境質(zhì)量評價等級面積及其占比Table 3 Area and proportion of different eco-environment quality evaluation grades in each year

將2013年評價結(jié)果和2019年疊加，可以得出研究區(qū)2013—2019年間的生態(tài)環(huán)境演變情況，如圖3所示、見表4。由于RSEI指數(shù)變化在一個等級以內(nèi)，視為生態(tài)環(huán)境狀況幾乎不變；變差大于一個等級時，視為環(huán)境狀況變差；變好大于一個等級時，視為環(huán)境變好。由圖3、表4可知，2013—2019年間水體區(qū)域生態(tài)環(huán)境狀況幾乎不變，城鎮(zhèn)區(qū)域生態(tài)環(huán)境狀況好轉(zhuǎn)，部分農(nóng)田區(qū)域生態(tài)環(huán)境變差。2013—2019年生態(tài)環(huán)境質(zhì)量變好的比例為15.288%，基本不變的比例為63.394%，變差的比例為21.318%。

表4 生態(tài)環(huán)境質(zhì)量評價變化統(tǒng)計(jì)Table 4 Statistics of changes in ecological environment quality assessment

圖3 RSEI指數(shù)變化分級Fig.3 Grading diagram of RSEI index

4 結(jié)論

(1)針對淮南礦區(qū)主要生態(tài)環(huán)境問題，在遙感和GIS技術(shù)支持下，采用遙感生態(tài)指數(shù)RSEI方法，對研究區(qū)生態(tài)環(huán)境質(zhì)量進(jìn)行評價和時空演變分析，得出2013—2019年淮南礦區(qū)生態(tài)環(huán)境質(zhì)量的時空變化規(guī)律。

(2)淮南礦區(qū)內(nèi)耕地和水域的生態(tài)環(huán)境質(zhì)量總體較好，城鎮(zhèn)、工礦、農(nóng)村居民地的生態(tài)環(huán)境質(zhì)量總體較差。

(3)2013—2019年淮南礦區(qū)的生態(tài)環(huán)境質(zhì)量總體呈變差趨勢，水體區(qū)域生態(tài)環(huán)境狀況幾乎不變，城鎮(zhèn)區(qū)域生態(tài)環(huán)境狀況好轉(zhuǎn)，部分農(nóng)田區(qū)域生態(tài)環(huán)境變差。