左璐， 孫雷剛,3， 魯軍景， 徐全洪， 劉劍鋒， 馬曉倩

(1.河北省科學院地理科學研究所，石家莊 050021； 2.河北省地理信息開發(fā)應用工程技術研究中心，石家莊 050021； 3.巨鹿縣應用技術研究院，邢臺 055250)

0 引言

我國工業(yè)化、城市化進程的明顯加快，人口的激增和城市擴張，加劇了對生態(tài)環(huán)境的干擾和破壞，環(huán)境污染、資源短缺、生態(tài)系統(tǒng)退化等生態(tài)環(huán)境問題日益突出，成為制約我國社會經濟發(fā)展的重要瓶頸[1-2]。生態(tài)環(huán)境是人類生存的基礎條件，生態(tài)質量的好壞直接影響人類居住環(huán)境與社會經濟發(fā)展的協(xié)調穩(wěn)定。因此，建立科學準確的生態(tài)質量評價體系和量化模型，客觀認識和評價區(qū)域的生態(tài)質量狀況和變化情況，對于實現區(qū)域社會經濟綠色、高質量發(fā)展具有重要的指導意義[3]。京津冀地區(qū)人口增長與經濟發(fā)展迅速，城鎮(zhèn)化水平不斷提高，植被退化、城市熱島等生態(tài)環(huán)境問題突出，如何定量評價該區(qū)域生態(tài)質量狀況及其變化情況，成為生態(tài)學、經濟學、地理學等相關學科的研究熱點[4]。

生態(tài)質量評價按照特定評價標準，分析一定時空尺度上生態(tài)環(huán)境質量狀況以及變化，進而體現生態(tài)環(huán)境的好壞優(yōu)劣，以及對人類生存和經濟社會發(fā)展的適宜性[5]。眾多學者采用壓力-狀態(tài)-響應模型(pressure-state-response，PSR)[6-7]篩選指標體系，運用層次分析法[8-9]、綜合指數評價法[10]、模糊評判法[11]、聚類分析法[12]等定性定量方法評判生態(tài)環(huán)境質量的好壞優(yōu)劣。潘洋等[13]采用層次分析法構建了包括土地環(huán)境狀況、水環(huán)境狀況、人體感受等8大要素28個指標的評價體系，運用綜合指數法對廣西金秀地區(qū)的生態(tài)環(huán)境質量進行綜合評價。但這些方法易受人為主觀因素的影響，加上社會經濟等統(tǒng)計數據的獲取難度，一定程度上限制了其使用。隨著遙感技術的發(fā)展，客觀高效、快速準確、時空連續(xù)的多源遙感數據被廣泛應用于生態(tài)環(huán)境研究中[14-15]。

國家環(huán)保部發(fā)布的《生態(tài)環(huán)境狀況評價技術規(guī)范》提出了生態(tài)環(huán)境狀況指數(ecological index，EI)，該指數基于植被覆蓋指數、水網密度指數、生物豐度指數、土地脅迫指數和污染負荷指數等構建，其中前3個可由遙感直接獲取，其他則需結合地面觀測和各地區(qū)年度統(tǒng)計數據，受地域、時間、尺度的限制較大，且各指標權重的確定忽略了區(qū)域本身的差異。徐涵秋[16-17]基于EI，利用Landsat衛(wèi)星數據提取的綠度、熱度、濕度、干度指標，構建了遙感生態(tài)指數(remote sensing ecological index，RSEI)，被廣泛應用于市域、縣域等小范圍的生態(tài)質量評價[18-20]。但Landsat數據時間分辨率較低，受天氣、地形等條件的影響難以獲取區(qū)域內同一時期的高質量影像。MODIS數據具有較好的空間分辨率，時間序列完整，空間跨度大，利用MODIS數據構建遙感生態(tài)指數，對于實現省級、國家級等大范圍的生態(tài)質量遙感綜合評價具有重要意義[21-22]。本文基于MODIS數據，提取了歸一化植被指數(normalized difference vegetation index，NDVI)、地表含水量指數(surface water content index，SWCI)、地表溫度(land surface temperature，LST)和MODIS建筑-裸土指數(MODIS normalized difference built-up and soil index，NDSIM)，用來代表生態(tài)環(huán)境綠度、濕度、熱度和干度，構建MODIS遙感生態(tài)指數(RSEIM)，實現了京津冀地區(qū)的生態(tài)環(huán)境質量綜合評價及動態(tài)監(jiān)測。

1 研究區(qū)概況與數據源

1.1 研究區(qū)概況

京津冀地區(qū)位于環(huán)渤海心臟地帶，包括北京市、天津市和河北省全域(E113°27′～119°50′，N36°05′～42°40′)。地勢由西北向東南傾斜，地貌復雜多樣。該地區(qū)屬暖溫帶季風氣候，年均降雨量為400～800 mm。植被分布具有明顯的地帶性和垂直性規(guī)律，冀西北高原以草原草甸為主，冀北山間盆地主要為針葉林、闊葉林及灌叢，太行山及燕山山地丘陵以灌木和灌草叢為主，冀東南平原大多為耕地和人工植被。

京津冀地區(qū)是中國北方的經濟核心區(qū)，與長三角城市群、珠三角城市群并稱為我國三大城市群，總面積21.8萬km2，占全國國土面積的2.3%。2018年常住人口約1.13億人，占全國總人口的8.08%，地區(qū)生產總值約8.51萬億元，占國內生產總值的9.46%。1980—2015年，京津冀地區(qū)城市化率由19.63%增長到58.28%，年均增長率為2.19%[23]。

1.2 數據源及其預處理

遙感數據來源于美國MODIS數據產品網站(https: //ladsweb.modaps.eosdis.nasa.gov/)，本文選取覆蓋京津冀地區(qū)的H26V04，H26V05，H27V04，H27V05共4景影像范圍，數據產品為地表反射率(MOD09A1)和地表溫度產品(MOD11A2)，2種產品均經過輻射校正和大氣校正等預處理，具有可靠的精度和質量。MOD09A1由可見光到短波紅外的7個波段(620～2 155 nm)組成，空間分辨率為500 m, 時間分辨率均為8 d。MOD11A2為1 km分辨率的地表溫度產品，包含白天和夜間地表溫度，時間分辨率也為8 d。獲取時間為2001年、2010年及2019年的7—9月份，該時期京津冀地區(qū)植被生長旺盛，便于區(qū)分植被和非植被。

基于以上遙感產品計算得到各指標因子，經過拼接裁剪、投影轉換、重采樣等操作后，得到空間信息統(tǒng)一的各指標柵格數據。篩選晴空無云的高質量數據，計算得到各指標7—9月的平均值，作為后續(xù)構建綜合遙感生態(tài)指數的數據基礎。

氣象數據為中國氣象數據網(http: //data.cma.cn/)下載的“中國地面氣候資料日值數據集”，選取京津冀地區(qū)25個氣象站點的氣溫、地表溫度、降水量和相對濕度數據。該數據根據國家規(guī)范標準制作，經過了異常值檢驗和缺省剔除，精度可信。統(tǒng)計數據來源于《中國統(tǒng)計年鑒》、《中國環(huán)境統(tǒng)計年鑒》及《河北經濟年鑒》等，年份為2001—2019年。

2 指標及方法

2.1 評價指標選擇

徐涵秋[16]利用Landsat遙感影像提取綠度(NDVI)、濕度(Wet)、熱度(LST)、干度(NDSI)4個重要指標，采用主成分分析法計算組合得到RSEI來綜合反映生態(tài)環(huán)境質量狀況。綠度表征地表植被覆蓋及生物量豐度; 濕度表征生態(tài)系統(tǒng)的水分含量; 熱度反映地表溫度，人類活動造成的碳排放、城市熱島等，都會引起地表溫度異常; 干度表征生態(tài)系統(tǒng)土地退化狀況，地表越“干化”，土地越裸露，生態(tài)質量越差[17]。

1)綠度。植被是生態(tài)系統(tǒng)的重要組成部分，是地球生物圈的物質基礎。研究表明NDVI與植被生物量、葉面積指數、植被覆蓋度密切相關[24-25]，這里同樣用NDVI來表征生態(tài)系統(tǒng)綠度，公式為：

，

(1)

式中：ρNIR和ρRED分別為近紅外、紅波段的反射率；b2和b1分別為MOD09A1的第2波段和第1波段。

2)濕度。徐涵秋將Landsat影像的纓帽變換濕度分量作為濕度指標，纓帽變換多應用于Landsat和IKONOS等數據，MODIS數據不能簡單類比[21]。這里用SWCI作為濕度指標，該指數由MODIS對水分反射率變化敏感的第6和第7波段計算得到，能有效提取植被冠層及地表的水分含量，被廣泛用于地表干旱研究[26]。計算公式為：

，

(2)

式中：ρSWIR1和ρSWIR2為短波紅外的反射率；b6和b7分別為MOD09A1的第6波段和第7波段。

3)熱度。將MOD11A2遙感數據的灰度值，轉換成常用的攝氏度來表征LST[21]，轉換公式為：

LST=0.02DN-273.15

，

(3)

式中DN為地表溫度產品影像的灰度值。

4)干度。建設用地和裸土等造成地表的“干化”，導致生態(tài)質量變差。徐涵秋[16]基于Landsat數據計算的建筑指數和裸土指數構建了建筑-裸土指數(normalized difference built-up and soil index，NDSI)，其中建筑指數由土壤調節(jié)植被指數、修正歸一化水體指數和歸一化建筑指數(normalized difference building index，NDBI)衍生而來[26-27]， NDBI基于近紅外(第2波段)及短波紅外(第6波段)計算得到。由于傳感器及波譜設置差異，呂穎等[28]分析了MODIS光譜規(guī)律后，發(fā)現MODIS的綠(第4波段)、紅(第1波段)波段存在建設用地反射率低、其他地類反射率高的特點，由此提出了新型的MODIS建筑指數NDBIM。結合MODIS裸土指數(bare soil index，BSIM)[29]，構建了基于MODIS的新型干度指標NDSIM，公式為：

，

(4)

，

(5)

，

(6)

式中：ρRED，ρNIR，ρBLUE，ρGREEN和ρSWIR1分別為紅、近紅外、藍、綠波段和短波紅外的反射率；b1，b2，b3，b4和b6分別為MOD09A1的第1，2，3，4波段和第6波段。這里調整了NDBIM分子的相減順序，取原值相反數(原NDBIM<0為建設用地)，為了保證裸土指數和建筑指數對干度的同向影響，即兩者值越大，干度指標值越大。

2.2 RSEIM模型構建

以單一指標形式，綜合以上4個分量指標的信息是構建RSEIM的關鍵。主成分分析法是一種常用的多元統(tǒng)計方法，通過多變量線性正交變換，在盡量保證原變量信息的同時，減少變量個數。主成分分析能有效集成4個分量，根據數據本身性質及對各個主成分的貢獻度來確定分量指標的權重，避免人為主觀因素造成的偏差。在主成分分析前，為了消除量綱的影響，采用離差標準化方法將4個指標分量統(tǒng)一到0～1之間[16-17]。

經過標準化處理后的4個分量指標就可以用來計算主成分了，利用ENVI軟件的主成分分析模塊對4個指標影像進行分析，計算公式如下：

RSEI0=1-PC1

，

(7)

，

(8)

式中：PC1為4個指標的第一主成分；RSEI0為像元i的初始生態(tài)指數；RSEI0_max，RSEI0_min為初始生態(tài)指數的最大、最小值；RSEIM為標準化的RSEI0。

為了定量化分析不同時期的生態(tài)狀況時空變化[30]，將標準化的RSEIM以0.2為間距劃分為5個等級，分別表示生態(tài)質量狀況差[0,0.2]、較差(0.2,0.4]、中等(0.4,0.6]、良(0.6,0.8]、優(yōu)(0.8,1.0]，并重新分等級賦值為1～5。再利用差值變化檢測，對2001—2019年的生態(tài)質量狀況進行動態(tài)監(jiān)測，按照等級差值將生態(tài)質量變化分為明顯變差(-4和-3)、變差(-2和-1)、不變(0)、變好(1和2)、明顯變好(3和4)這5種情況。

3 結果與分析

3.1 遙感生態(tài)指數參數分析

表1是研究區(qū)4個分量指標的主成分分析結果，可以看出4個指標對第一主成分(PC1)的貢獻度相對穩(wěn)定； 2001年、2010年及2019年，PC1的特征值貢獻率分別為89.31%，88.33%和82.81%，均大于80%，說明PC1已包含了4個指標的大部分信息； 且NDVI，SWCI與NDSIM，LST對生態(tài)質量的作用相反，前2個指標起正向促進作用，后兩個起消極負向作用，與實際情況相符，故可以利用PC1來構建綜合生態(tài)指數。

表1 指標主成分分析結果

表2是各分量指標標準化值及RSEIM的統(tǒng)計值，結果表明，2001—2010年，RSEIM均值由0.556增加到0.583，總體增加4.93%，研究區(qū)生態(tài)質量有所提升，這與前人的研究成果基本一致[31-32]； 2010—2019年，RSEIM下降到0.527，總體下降9.55%。2001—2019年，研究區(qū)生態(tài)指數整體呈下降趨勢，總體降低5.22%。

表2 各指標和RSEIM統(tǒng)計值Tab.2 Statistics of each indictor and RSEIM

從各分量指標的變化來看，2001—2010年，SWCI和NDVI都有所增加，增加率分別為4.37%和4.52%； 2010—2019年，下降率分別8.38%和2.68%。從整個研究期看，SWCI總體降低了4.37%，NDVI增加了1.81%，NDVI的小幅增加，說明了近年來京津冀地區(qū)植被綠化建設初見成效[33-34]。而對于LST和NDSIM，2001—2010年，兩者都降低了，下降率分別為2.73%和3.42%； 2010—2019年，兩者分別增加了6.78%和9.91%。從整個研究期看，LST總體增加了3.86%，NDSIM增加了6.15%。

結合RSEIM的變化來分析，2001—2010年，對生態(tài)質量起正向促進作用的SWCI和NDVI增加，起負向作用的LST和NDSIM下降，因此RSEIM升高，生態(tài)質量好轉； 而2010—2019年，SWCI和NDVI均下降，LST和NDSIM均上升，尤其是表征建設用地和裸土的NDSIM增加明顯，這與近年來城市建設用地擴張，土地逐漸退化的現實情況相符[23]，因此RSEIM明顯下降，生態(tài)質量變差。從整個研究期看，2001—2019年，盡管起正向作用的NDVI整體增加了1.81%，但SWCI總體降低，同時起消極作用的LST和NDSIM也增加了(3者平均變化幅度為4.79%)，NDVI的增幅不足以抵消其他3個指標對生態(tài)質量的負作用，因此RSEIM整體呈下降趨勢。以上分析說明，構建的RSEIM與各分量指標的變化一致，進一步說明RSEIM具有較好的綜合代表性。

還可從RSEIM與各指標之間的相關性來分析其對生態(tài)質量的綜合代表性，表3是各指標自身之間及RSEI與各指標的相關系數表。由表3可以看出，4個分量指標中平均相關度最高的是SWCI，在2001年達到0.879，3年平均值為0.858。而RSEIM與4個分量指標的3個年份的相關度均大于0.9，3 a平均值為0.916，比最高的SWCI高出了6.76%，比4個指標的平均值(0.793)高出了15.55%。這說明構建的RSEIM不僅集中了各分量指標的信息，還比任一指標更具代表性，更能綜合表達區(qū)域生態(tài)質量狀況。

表3 各指標和RSEIM相關系數統(tǒng)計表

3.2 京津冀地區(qū)生態(tài)質量時空變化

3.2.1 生態(tài)質量空間分布

圖1是2001—2019年研究區(qū)RSEIM的空間分布，由圖1可以看出，研究區(qū)生態(tài)質量優(yōu)良區(qū)域集中在北部燕山—西部太行山區(qū)沿線，生態(tài)質量差和較差區(qū)域主要分布在冀西北生態(tài)脆弱區(qū)，京津唐、冀中南等城市化地區(qū)生態(tài)質量等級較低，環(huán)渤海濱海區(qū)由于植被覆蓋度低，土地裸露，生態(tài)質量也較差。2001年，冀西北山間盆地、壩上高原等地分布有大范圍的生態(tài)質量差和較差區(qū)域，北京、天津及河北各市中心城區(qū)生態(tài)質量也較差，另外滄州東部濱海區(qū)由于氣候、水文及人為不合理開發(fā)利用等多方面因素，土地鹽堿化嚴重，生態(tài)質量較差[35](圖1(a))。2010年，冀西北生態(tài)質量明顯改善，差和較差區(qū)域明顯減少，中等區(qū)域逐漸擴大； 滄州東部濱海區(qū)生態(tài)質量顯著改善，差和較差等級大范圍減少； 北京、天津及河北各市如石家莊、保定、唐山等城市中心區(qū)，差和較差等級區(qū)域向外擴張明顯(圖1(b))。到2019年，冀西北生態(tài)質量持續(xù)改善，北京、天津生態(tài)質量差和較差的區(qū)域繼續(xù)向遠郊分散擴大，同時河北各市城鎮(zhèn)化地區(qū)，尤其是冀中南石家莊、邯鄲、邢臺等地，生態(tài)質量差和較差的區(qū)域逐漸擴大(圖1(c))。

(a) 2001年 (b) 2010年 (c) 2019年

從生態(tài)質量各等級的面積和占比來看(圖2)，2001年及2010年，研究區(qū)生態(tài)質量占比最高的等級為良，占比分別為36.54%和38.20%，2019年生態(tài)質量占比最高的等級為中等(32.04%)，等級為良的占比下降到25.77%。2001年、2010年、2019年，生態(tài)質量等級為中等及以上的占比分別為80.38%，85.75%，76.83%，差和較差的占比總和分別為19.62%，14.25%，23.17%，生態(tài)質量中等及以上的比重先增加后降低，差和較差的比重先減少后增加，研究區(qū)生態(tài)質量總體降低。2001—2019年，生態(tài)質量等級為差的占比從7.71%減少到6.69%，較差的占比由11.91%增加到16.49%，最差的等級向較差等級轉移。這說明對于局部生態(tài)脆弱區(qū)，如壩上荒漠區(qū)，由于植樹造林、退耕還林還草等一系列生態(tài)保護措施的實施，植被得以恢復，土地安全狀況變好，生態(tài)質量趨于好轉[36-37]。但從整個研究區(qū)來看，較差等級增加的比重大于差等的減少，研究區(qū)生態(tài)質量總體仍呈下降趨勢。2001—2019年，生態(tài)質量等級為中等的比重持續(xù)增加，良和優(yōu)的等級比重整體下降，整個研究區(qū)的生態(tài)質量等級重心逐漸由良、優(yōu)等級向中等轉移?？傮w而言，生態(tài)質量處于退化趨勢，這與前文對RSEIM的分析結果一致(表2)。

圖2 2001—2019年研究區(qū)各等級生態(tài)質量面積和占比

3.2.2 生態(tài)質量動態(tài)變化

按照等級差值，我們對研究區(qū)的生態(tài)質量變化進行了檢測。從空間分布上來看(圖3)，2001—2010年，研究區(qū)生態(tài)質量改善區(qū)主要在冀西北及冀東南，呈2條帶狀分布，其中張家口地區(qū)生態(tài)質量改善尤為明顯。冀中南至京津唐地區(qū)，生態(tài)質量逐漸退化，東北部承德、秦皇島等地生態(tài)質量基本不變(圖3(a))。2010—2019年，生態(tài)改善區(qū)范圍減小，主要分布在冀西北的張家口、承德北部及保定西部等； 冀東及東南平原大部，生態(tài)質量均呈退化態(tài)勢(圖3(b))。綜合來看，2001—2019年，研究區(qū)生態(tài)質量總體呈現出西北改善，東南退化的空間格局，改善區(qū)域集中分布在冀西北的張家口、承德北部、保定西部及秦皇島、滄州沿海地區(qū)，生態(tài)退化區(qū)主要分布在冀東南及京津唐等經濟快速發(fā)展地區(qū)(圖3(c))。

(a) 2001—2010年 (b) 2010—2019年 (c) 2001—2019年

表4分階段對研究區(qū)的生態(tài)質量等級變化進行了統(tǒng)計，2001—2010年，研究區(qū)生態(tài)質量提升的面積為5.57萬km2，占整個研究總面積的25.66%； 生態(tài)質量等級下降的面積為3.31萬km2，占比為15.23%，等級提升的面積及比重遠大于下降的面積及比重，說明研究區(qū)生態(tài)質量明顯改善。2010—2019年，僅有不到10%的區(qū)域生態(tài)質量轉好，35.51%的區(qū)域生態(tài)質量轉差，等級不變的比重也由59.11%下降到54.88%，說明研究區(qū)生態(tài)質量逐漸退化。研究期間，研究區(qū)生態(tài)質量呈先改善后退化的變化特征。整體而言，2001—2019年生態(tài)質量轉好區(qū)域占比(20.18%)小于轉差區(qū)域占比(35.69%)，生態(tài)質量總體呈下降趨勢。

表4 2001—2019年研究區(qū)生態(tài)質量變化面積和占比

從各市的生態(tài)質量變化來看，承德、秦皇島、北京、衡水、保定的RSEIM均值較高，生態(tài)質量較好； 張家口、天津、滄州的RSEIM均值較低，生態(tài)質量較差(圖4)。研究期間，承德的生態(tài)質量持續(xù)最優(yōu)，2001年、2010年、2019年的RSEIM始終高于其他城市，3個年份的RSEIM均值為0.774，比整個研究區(qū)的平均值(0.555)高出了39.46%，其次為秦皇島、北京、衡水、保定、邯鄲、石家莊，均高于研究區(qū)3個年份的RSEIM均值。張家口的RSEIM均值最低，但研究期間持續(xù)增長，從2001年的0.358增加到2019年的0.531，增幅達48.28%，年均增長2.21%，其中2001—2010年增長最快，年均增長率達3.82%，說明2001—2019年張家口的生態(tài)環(huán)境持續(xù)改善，生態(tài)質量顯著提高。承德的RSEIM也呈緩慢增長，從2001年的0.769增長至2019年的0.779，年均增長0.07%。北京、天津、石家莊、唐山、秦皇島、廊坊的RSEIM持續(xù)下降，其中天津下降最為明顯，2001—2019年從0.559下降至0.419，總體降低了25.08%，其次為廊坊、唐山，總體降幅均超過20%。邯鄲、邢臺、保定、滄州和衡水的RSEIM均呈現出先上升后下降的變化特征，其中，2001—2010年滄州的RSEIM增長最顯著，從0.523增長至0.596，增幅為14.03%； 2010—2019年，邯鄲的RSEIM下降最明顯，從0.665下降至0.446，降幅為32.87%，其次為邢臺、衡水、滄州，降幅均超過20%。

圖4 2001—2019年研究區(qū)各市RSEIM統(tǒng)計

3.3 生態(tài)質量變化的驅動因素

大量研究表明，生態(tài)環(huán)境的變化往往是由于自然和人為等多種因素驅動[38-39]。本文對京津冀地區(qū)生態(tài)質量變化的驅動因素進行了分析，發(fā)現溫度、濕度等自然因素、人類生產生活及生態(tài)保護政策等人為因素，是驅動研究區(qū)生態(tài)環(huán)境變化的主要因素。

3.3.1 自然因素

對研究區(qū)25個氣象站點2001—2019年的年均氣溫、年均地溫、降水量和相對濕度進行統(tǒng)計，討論研究區(qū)的溫度和濕度變化情況，如圖5所示。

(a) 溫度變化(b) 濕度變化

結果表明，2001—2019年，研究區(qū)年均氣溫和年均地溫均呈上升趨勢，這與前面2.2部分遙感熱度指標的變化相一致(表2)。年均氣溫從2001年的11.16 ℃上升到2019年的11.74 ℃，平均每年上升0.032 ℃； 年均地溫從2001年的13.03 ℃上升到2019年的14.40 ℃，平均每年上升0.076 ℃，且年均地溫的回歸分析結果具有顯著的統(tǒng)計學意義(R2=0.310 3，P<0.05)(圖5(a))。2001—2019年，研究區(qū)年均降水量呈小幅度波動上升趨勢，相對濕度呈輕微下降趨勢，但兩者趨勢并不顯著。2001—2019年，年均降水量從437.47 mm增加到458.20 mm，平均每年增加1.15 mm； 相對濕度由58.57%下降到54.63%，在2003年達到最高值62.50%，自2016年后持續(xù)下降(圖5(b))。

總的來看，降水量的略微增加有利于區(qū)域植被生長和濕度增加，對區(qū)域綜合生態(tài)質量有正向促進作用； 但溫度的大幅增加及相對濕度的下降，這些不利因素會導致區(qū)域生態(tài)質量的下降。因此，溫度、降水量、相對濕度等氣候因素的變化在一定程度上導致了研究區(qū)生態(tài)質量的退化。

3.3.2 人為因素

1)社會經濟因素。人口激增、城市擴張、經濟發(fā)展等都會對生態(tài)環(huán)境造成壓力，導致生態(tài)質量退化。本文統(tǒng)計了2001—2019年以來，京津冀地區(qū)城市群的耕地面積(km2)、建成區(qū)面積(km2)、人口密度(人/km2)、國內生產總值(gross domestic product,GDP)密度(萬元/km2)及人均GDP(元/人)的變化情況，以此來分析社會經濟和人類活動等人為因素對區(qū)域生態(tài)環(huán)境質量造成的影響(圖6)。GDP密度、人均GDP及人口密度代表經濟發(fā)展程度，耕地面積和建成區(qū)面積代表人類土地利用對生態(tài)環(huán)境的干擾程度。由圖6可以看出，研究區(qū)社會經濟發(fā)展迅速，GDP密度及人均GDP指標增長顯著。其中北京、天津的GDP增速明顯，兩個地區(qū)的GDP密度平均每年增長15.45%，比整個研究區(qū)的均值(13.59%)高了1.86百分點(圖6(a))。同時，北京、天津人口密度增長也最快，兩個地區(qū)的人口密度平均年增長率(3.83%)，是研究區(qū)均值(1.61%)的2.38倍(圖6(b))。隨著京津冀協(xié)同發(fā)展的不斷推進，河北各市的GDP密度和人均GDP增速明顯，其中滄州、唐山、廊坊等增速較快(圖6(a))； 但從人口密度來看，承德人口密度基本不變，張家口人口呈負增長，其他河北各市的人口密度均呈現不同程度的增長(圖6(b))。

(a) GDP密度、人均GDP及建成區(qū)面積變化(b) 人口密度及耕地面積變化

研究期間，北京、天津的耕地面積急劇減少，年均下降率分別為2.93%和0.66%，比研究區(qū)均值(0.09%)分別高了2.84百分點和0.57百分點。承德、張家口、保定及邢臺等地受耕地保護、基本農田等政策影響，耕地面積少量增加，河北其他各市的耕地面積均減少，年均下降率為0.14%，其中廊坊、唐山、秦皇島耕地面積明顯減少(圖6(b))。從建成區(qū)面積變化來看，研究區(qū)各市建成區(qū)面積均明顯增加，北京、天津的建成區(qū)面積年均增長率分別為4.05%和5.64%，河北各市的建成區(qū)面積平均年增長率為6.56%，比研究區(qū)均值(6.49%)高0.7百分點，其中滄州、保定、衡水增加明顯(圖6(a))。以上結果表明，京津冀地區(qū)城市化進程中，耕地資源快速減少，建設用地急劇擴張，人類活動對生態(tài)環(huán)境的干擾程度不斷加大。

京津唐、冀中南工業(yè)化城鎮(zhèn)化地區(qū)，人口稠密，社會經濟快速發(fā)展，城市化迅速擴張，生態(tài)質量明顯退化，說明社會經濟活動增強、人類干擾強度增大等因素是導致生態(tài)質量退化的重要驅動因素。

2)政策因素。隨著國家“主體功能區(qū)戰(zhàn)略”、“京津冀生態(tài)環(huán)境支撐區(qū)”、《京津冀協(xié)同發(fā)展規(guī)劃綱要》、《京津冀協(xié)同發(fā)展生態(tài)環(huán)境保護規(guī)劃》等政策的實施，壩上高原山地區(qū)，燕山—太行山山區(qū)作為京津冀地區(qū)重要的生態(tài)功能區(qū)和生態(tài)屏障，大力實施生態(tài)建設工程，大規(guī)模開展國土綠化及生態(tài)修復工作，生態(tài)質量得到有效改善和恢復。冀中平原、燕山山前平原、冀中南平原等地區(qū)作為國家及省級重點開發(fā)區(qū)域，是京津冀地區(qū)人口、經濟和城市的主要聚集地，城鎮(zhèn)化、工業(yè)化發(fā)展迅速，生態(tài)空間被大量擠占，出現局部生態(tài)退化現象。

4 討論

原有的RSEI基于Landsat數據，被廣泛應用于市域、縣域或專題區(qū)的生態(tài)環(huán)境質量監(jiān)測[30]，對于省級、國家級等區(qū)域大尺度的生態(tài)質量監(jiān)測應用較少。本研究利用空間覆蓋范圍更廣的MODIS數據，參考徐涵秋[16-17]的RSEI，通過分析MODIS波段光譜特征規(guī)律，選擇對濕度更敏感的SWCI來表征濕度，利用對建設用地更敏感的紅光、綠光波段構建MODIS建筑指數NDBIM，優(yōu)化得到干度指標NDSIM，構建了基于MODIS的表征區(qū)域綜合生態(tài)質量的RSEIM。表5對比了本文改進的濕度SWCI、干度NDSIM和原濕度Wet[40]、干度NDSI與RSEIM、綠度NDVI、熱度LST之間的相關性，3個年份中，改進后的干度NDSIM、濕度SWCI，相比原干度、濕度指標，與單指標LST，NDVI以及綜合指數RSEIM的相關性都高，說明改進后的干度、濕度指標更能表征生態(tài)系統(tǒng)各因子之間的相互作用關系，得到的綜合生態(tài)指數代表性更強。

表5 改進前后的干度、濕度指標與RSEIM、熱度、綠度指標的相關性

常用的指標耦合方法是將各指標加權求和，當多個指標對生態(tài)系統(tǒng)質量起作用時，要確定哪個指標對全局變化起主要作用較為困難，且具有較大不確定性[16,30]。以RSEIM為因變量，以NDSIM，SWCI，NDVI，LST這4個分量指標為自變量，建立了研究區(qū)3個年份的多元回歸模型(均通過1%的顯著性檢驗)，分別為：

RSEIM_2001= 0.307 1SWCI+0.302 5NDVI-0.184 6LST-0.293 6NDSIM+0.446 9(R2= 0.994) ，

(9)

RSEIM_2010= 0.317 1SWCI+0.313 0NDVI-0.171 5LST-0.278 2NDSIM+0.424 5(R2= 0.993) ，

(10)

RSEIM_2019= 0.330 6SWCI+0.307 9NDVI-0.217 1LST-0.279 1NDSIM+0.433 5(R2= 0.992) 。

(11)

從3個年份各指標回歸系數的絕對值來看，4 個指標對生態(tài)指數貢獻度最大的是SWCI，然后依次為 NDVI，NDSIM和 LST。SWCI和NDVI系數為正，說明對生態(tài)起正向作用，NDSIM和 LST系數為負，說明對生態(tài)起負向作用，這與表1的分析一致。徐涵秋[16]利用該方法發(fā)現對福州市生態(tài)指數貢獻度依次為NDVI，NDSI，LST和Wet。說明主成分分析能依據數據本身性質客觀反映各地生態(tài)差異，避免了人為主觀因素的影響，評價指標賦權科學合理，提高了區(qū)域生態(tài)質量評價的準確性和客觀性。

5 結論

本文基于MODIS數據對遙感生態(tài)指數進行了改進，推廣了其應用范圍和尺度； 根據MODIS數據特性，對濕度和干度指標進行了優(yōu)化； 直接利用時空連續(xù)的MODIS數據及產品，打破了數據源的時空限制； 采用主成分分析法，避免了人為設定權重的主觀差異。本文為基于遙感的區(qū)域大范圍生態(tài)質量綜合評價及其時空變化規(guī)律探究，提供了一種新的評價角度，主要結論如下：

1)京津冀地區(qū)總體生態(tài)質量中等，2001年、2010年和2019年生態(tài)等級在中等及以上的占比分別為80.38%，85.75%和76.83%。生態(tài)質量區(qū)域差異明顯，北部燕山—西部太行山地區(qū)生態(tài)質量優(yōu)良，冀西北張家口及冀東南城市中心區(qū)生態(tài)質量較差。行政區(qū)劃上，承德、秦皇島、北京、保定等地的生態(tài)質量較好，張家口、天津生態(tài)質量較差。

2)2000—2019年，研究區(qū)生態(tài)質量整體呈下降趨勢，綜合遙感生態(tài)指數從2001年的0.556增長到2010年的0.583，2019年又下降到0.527，總體降低5.22%。研究期間，生態(tài)質量轉好、不變和轉差的面積占比分別為20.18%，44.13%，35.69%，生態(tài)退化的面積明顯大于改善面積?？臻g上大體表現為西北改善、東南退化的格局，行政區(qū)劃上，張家口、承德生態(tài)質量提升，邯鄲、邢臺、衡水、廊坊、天津生態(tài)質量下降。

3)氣候變化、社會經濟和生態(tài)保護政策等人為因素共同導致了研究區(qū)的生態(tài)質量變化。降水量的增加促進了研究區(qū)的植被生長，溫度升高和相對濕度降低則抑制了生態(tài)質量轉好。張家口由于人為生態(tài)保護政策加強，生態(tài)質量明顯改善； 冀東南由于人口增加、經濟發(fā)展、城市擴張等社會經濟因素，生態(tài)質量發(fā)生退化。