滑永春, 孫小添, 白 澳, 裴志永

(1.內(nèi)蒙古農(nóng)業(yè)大學(xué) 林學(xué)院, 呼和浩特 010019; 2.內(nèi)蒙古農(nóng)業(yè)大學(xué) 能源與交通工程學(xué)院, 呼和浩特00018)

流域是一種結(jié)構(gòu)復(fù)雜的地理區(qū)域，隸屬于生態(tài)、經(jīng)濟(jì)及社會(huì)多個(gè)系統(tǒng)，具有生產(chǎn)、生活、生態(tài)及文化等多種功能。流域的生態(tài)環(huán)境是流域經(jīng)濟(jì)可持續(xù)發(fā)展的必要條件，對(duì)流域進(jìn)行環(huán)境質(zhì)量評(píng)估，對(duì)流域經(jīng)濟(jì)的可持續(xù)發(fā)展及生態(tài)文明建設(shè)具有非常重要的意義和參考價(jià)值[1]。

國(guó)內(nèi)外的學(xué)者從不同的角度對(duì)區(qū)域的環(huán)境質(zhì)量評(píng)估展開(kāi)了大量研究，提出了很多的評(píng)價(jià)方法。Sfriso等學(xué)者利用水生植被質(zhì)量指數(shù)MaQI(the Macrophyte Quality Index)，從生態(tài)安全的角度對(duì)意大利海洋過(guò)度的生態(tài)環(huán)境進(jìn)行了評(píng)價(jià)[2]。Kim等學(xué)者利用生理水平生物標(biāo)志物和生物指示劑建立了城市溪流的生態(tài)健康評(píng)估方法[3]。Hu等基于壓力—狀態(tài)—響應(yīng)模型PSR(Pressure-State-Response model)框架的遙感生態(tài)指數(shù)對(duì)中國(guó)東南部福建省福州市的區(qū)域生態(tài)變化進(jìn)行了評(píng)估[4]。宋善海等同時(shí)從生物豐度、植被覆蓋、水網(wǎng)密度、土地脅迫、污染負(fù)荷5個(gè)方面通過(guò)生態(tài)環(huán)境指數(shù)EI(Ecological environment index)對(duì)貴州省生態(tài)環(huán)境狀況進(jìn)行綜合評(píng)價(jià)[5]。郭鵬程等依據(jù)生態(tài)環(huán)境狀況評(píng)價(jià)指標(biāo)體系，選取了生物豐度指數(shù)、植被覆蓋指數(shù)、水網(wǎng)密度指數(shù)、土地脅迫指數(shù)、污染負(fù)荷指數(shù)5個(gè)分指數(shù)和一個(gè)環(huán)境限制指數(shù)，對(duì)慶陽(yáng)市蒲河流域生態(tài)系統(tǒng)的質(zhì)量進(jìn)行評(píng)價(jià)和分析[6]。

遙感生態(tài)指數(shù)RESI(Remote sensing ecological index)耦合了濕度指數(shù)(WET)、歸一化植被指數(shù)NDVI(Normalized vegetation index)、干度指數(shù)NDBSI(Normalized Difference Built-up and Bareness Index)和地表溫度LST(Land surface temperature)，可實(shí)現(xiàn)大區(qū)域生態(tài)環(huán)境質(zhì)量的監(jiān)測(cè)和評(píng)價(jià)。該指數(shù)既避免了人為的因素造成權(quán)重不均，同時(shí)又避免了傳統(tǒng)的EI指數(shù)的缺點(diǎn)，能快速、客觀、定量的對(duì)區(qū)域的生態(tài)環(huán)境進(jìn)行評(píng)價(jià)[7-8]。RESI已經(jīng)在武漢[1]、渭南市[9]、鄭州市[10]、福州市[11]、長(zhǎng)沙市等[12]城市以及漓江流域[13]、疏勒河流域[14]、滇中湖泊流域[15]、丹江流域[16]、石羊河流域[17]、甬江流域[18]、艾比湖[19]和瑪納斯湖等[20]流域的生態(tài)質(zhì)量監(jiān)測(cè)中廣泛應(yīng)用。目前關(guān)于十大孔兌生態(tài)環(huán)境評(píng)價(jià)的研究較少，因此，本文利用遙感生態(tài)指數(shù)對(duì)黃河流域十大孔兌多年的生態(tài)環(huán)境質(zhì)量進(jìn)行評(píng)估，研究期間黃河流域十大孔兌生態(tài)質(zhì)量狀況及其時(shí)空變化，為黃河流域十大孔兌區(qū)域的生態(tài)建設(shè)和環(huán)境保護(hù)提供參考。

1 研究區(qū)概況

十大孔兌(孔兌為蒙古語(yǔ)，意為河流)坐標(biāo)為39°50′—40°30′N(xiāo)，108°06′—111°E(圖1)，境內(nèi)有十個(gè)一級(jí)支流，是黃河內(nèi)蒙古段主要支流[21]。十大孔兌所在行政區(qū)包括鄂爾多斯市達(dá)拉特旗全部，東勝區(qū)、杭錦旗和準(zhǔn)格爾旗的小部分地區(qū)，面積共1.08萬(wàn)km2。研究區(qū)域?qū)儆诘湫痛箨懶詺夂颍骄鶜鉁?℃左右；年平均降雨在200～400 mm，蒸發(fā)量在2 200 mm左右。研究區(qū)根據(jù)地貌特點(diǎn)可劃分為3個(gè)區(qū)，分別為南部上游丘陵區(qū)、中部中游風(fēng)沙區(qū)、北部下游平原區(qū)[22]。

圖1 黃河流域十大孔兌位置

2 數(shù)據(jù)與研究方法

2.1 數(shù)據(jù)獲取及預(yù)處理

(1) 遙感數(shù)據(jù)。本文研究選用的遙感影像來(lái)源于地理空間數(shù)據(jù)云(http:∥www.gscloud.cn/)。獲取了2000年、2010年、2020年共12景覆蓋十大孔兌的Landsat 5 TM和Landsat 8 OLI無(wú)云遙感數(shù)據(jù)。影像的預(yù)處理包括大氣輻射校正、幾何校正、圖像的拼接和剪切等。

(2) ERA5氣象數(shù)據(jù)。本文選用的氣象再分析資料為ECMWF公開(kāi)的ERA5數(shù)據(jù)(http:∥apps.ecmwf.int/datasets/)，ERA5是迄今最強(qiáng)大的全球氣候監(jiān)測(cè)數(shù)據(jù)集，與之前的ERA-Interim產(chǎn)品相比，ERA5具有更高的時(shí)空分辨率，時(shí)間分辨率為逐小時(shí)，空間分辨率高達(dá)0.125°。本文選用覆蓋內(nèi)蒙古黃河流域1982—2020年1—12月0.125°的ECMWF-ERA5氣象模式2 m溫度、降水?dāng)?shù)據(jù)。使用Matlab對(duì)數(shù)據(jù)進(jìn)行格式轉(zhuǎn)換、年度合成、圖像裁剪、Albers等面積投轉(zhuǎn)換等處理。

2.2 研究方法

遙感生態(tài)指數(shù)(RSEI)是基于遙感技術(shù)、耦合了與生態(tài)環(huán)境質(zhì)量?jī)?yōu)劣有直接關(guān)系的濕度、綠度、干度和熱度4大生態(tài)要素[23-24]。對(duì)各個(gè)分量指標(biāo)進(jìn)行標(biāo)準(zhǔn)化處理，以此來(lái)消除各個(gè)指標(biāo)量綱上的差異，再用主成分分析法來(lái)確定各指標(biāo)的權(quán)重，從而建RSEI評(píng)價(jià)模型，公式如下：

RSEI=f(WET,NDVI,LST,NBDSI)

(1)

式中:WET代表濕度指數(shù)；NDVI代表植被指數(shù)；LST代表地表溫度；NDBSI代表建筑物—裸土指數(shù)。

(1) 濕度指標(biāo)(WET)。纓帽變換的濕度分量指標(biāo)可以反映土壤和植被的濕度，已經(jīng)廣泛運(yùn)用在生態(tài)環(huán)境監(jiān)測(cè)中[25]。本文濕度指標(biāo)以WET分量表示，由于landsat5 TM影像和Landsat8 OLI影像的傳感器不同，其濕度指標(biāo)的提取公式各不相同，分別如下：

TM數(shù)據(jù)：

WET=0.0315ρblue+0.2021ρgreen+0.3102ρred+0.1594ρnir-0.6806ρswir1-0.6109ρswir2

(2)

OLI數(shù)據(jù)：

WET=0.1511ρblue+0.1973ρgreen+0.3283ρred+0.3407ρnir-0.7171ρswir1-0.4559ρswir2

(3)

式中:ρblue，ρgreen，ρred，ρnir，ρswir1和ρswir2分別代表著TM和OLI影像藍(lán)色、綠色、紅色、近紅外、短波紅外1、短波紅外2波段的反射率。

(2) 綠度指標(biāo)(NDVI)。歸一化植被指數(shù)(NDVI)是反應(yīng)植物生長(zhǎng)變化狀態(tài)以及植被分布密度最明顯、有效的度量[26]，因此本文選用NDVI來(lái)代表綠度指標(biāo)，其公式如下：

(4)

式中:ρnir代表Landsat5 TM和Landsat8 OLI影像數(shù)據(jù)中的近紅外波段的反射率；ρred代表Landsat5 TM和Landsat8 OLI影像數(shù)據(jù)中的紅色波段反射率。

(3) 熱度指標(biāo)(LST)。地表溫度(LST)可作為熱度指標(biāo)反應(yīng)地表的生態(tài)環(huán)境狀況。本文采用大氣校正法對(duì)研究區(qū)域的地表溫度進(jìn)行反演，提取公式如下：

Lλ=Gain×DN+Bias

(5)

(6)

式中:Gain,Bias分別代表遙感影像的增益和偏置；Lλ為傳感器輻射亮度；B(Ts)為黑體熱輻射亮度；τ為大氣熱紅外波段透射率；L↑為大氣向上輻射量度、L↓為大氣向下輻射量度,通過(guò)美國(guó)國(guó)家航空航天局(http:∥atmcorr.gsfc.nasa.gov/)查詢(xún)獲取。再利用普朗克公式對(duì)地表溫度Ts進(jìn)行求解:

(7)

式中:TS表示地表真實(shí)溫度(K)；K1,K2為定標(biāo)參數(shù)；ε為地表比輻射率,利用NDVI進(jìn)行估算,將地表分為水體、自然表面和城鎮(zhèn)區(qū)域。本文設(shè)水體像元的地表比輻射率為0.995,自然表面和城鎮(zhèn)區(qū)域像元的地表比輻射率計(jì)算公式如下所示:

ε=0.9625+0.614Fv-0.0461F2v

(8)

式中:Fv為植被覆蓋度,采用混合像元分解法由NDVI值計(jì)算得到。

(4) 干度指標(biāo)(NDBSI)。干度指標(biāo)可以由裸土指數(shù)(SI)和建筑物指數(shù)(IBI)組合成歸一化建筑物—裸土指數(shù)表示，在組合的過(guò)程中通常是直接對(duì)SI和IBI進(jìn)行算術(shù)平均，取二者的平均值，最后得到NDBSI指數(shù)。

裸土指數(shù)：

(9)

建筑物指數(shù)：

(10)

干度指標(biāo)(NBDSI)：

(11)

式中:ρgreen，ρblue，ρred，ρnir，ρswir1及ρswir2分別代表TM和OLI影像綠色、藍(lán)色、紅色、近紅外、中紅外1、中紅外2波段的反射率。

2.3 遙感生態(tài)指數(shù)評(píng)價(jià)模型的構(gòu)建

遙感生態(tài)指數(shù)(RSEI)是基于濕度、綠度、熱度和干度4個(gè)分量指標(biāo)的綜合性生態(tài)環(huán)境評(píng)價(jià)指標(biāo)，由于各分量指標(biāo)在數(shù)值單位和大小上的差異，在綜合之前需要進(jìn)行標(biāo)準(zhǔn)化處理，消除量綱上的差異，公式為：

(12)

式中:N是標(biāo)準(zhǔn)化后的指標(biāo)值；I代表這個(gè)指標(biāo)數(shù)值的大小；Imin代表這個(gè)分量指標(biāo)的最小值；Imax代表這個(gè)分量指標(biāo)的最大值。對(duì)各個(gè)分量指標(biāo)進(jìn)行標(biāo)準(zhǔn)化處理后,將4個(gè)分量指標(biāo)轉(zhuǎn)換為遙感生態(tài)指數(shù),公式為:

(13)

式中:m代表主成分的個(gè)數(shù)；n代表分量指標(biāo)的個(gè)數(shù);ai代表主成分的方法貢獻(xiàn)度;PCi代表各個(gè)分量指標(biāo)的主成分;wj代表分量指標(biāo)的權(quán)重,通過(guò)主成分分析法得到各個(gè)主成分的方差貢獻(xiàn)率,作為各分量指標(biāo)的權(quán)重;Ij代表分量指標(biāo)標(biāo)準(zhǔn)化處理后的值。將原始的遙感生態(tài)指數(shù)進(jìn)行標(biāo)準(zhǔn)歸一化處理,取值區(qū)間0～1,RSEI值越接近于1,則代表著研究區(qū)域的環(huán)境質(zhì)量越好。本文結(jié)合十大孔兌的生態(tài)環(huán)境實(shí)際情況并參考了一些文獻(xiàn)[24-27],將研究區(qū)遙感生態(tài)指數(shù)劃分為5個(gè)等級(jí),見(jiàn)表1。

表1 遙感生態(tài)指數(shù)等級(jí)劃分

3 結(jié)果與分析

3.1 分量指標(biāo)主成分分析

通過(guò)十大孔兌2000年、2010年和2020年4個(gè)分量指標(biāo)的主成分分析結(jié)果可以看出(表2)，第1主成分特征值貢獻(xiàn)度分別為68%，72.83%，74.58%，代表各指標(biāo)的大部分信息。利用合成的第1主成分即PC1來(lái)代替綠度、濕度、干度和熱度4個(gè)分量指標(biāo)。然后建立遙感生態(tài)指數(shù)(RSEI)綜合評(píng)價(jià)模型，對(duì)黃河流域十大孔兌的環(huán)境質(zhì)量進(jìn)行評(píng)價(jià)。

由表2可見(jiàn)，PC1對(duì)應(yīng)的4個(gè)變量主成分載荷系數(shù)，綠度和濕度指標(biāo)各年均為正值，說(shuō)明綠度和濕度指標(biāo)對(duì)區(qū)域的環(huán)境質(zhì)量有著積極的正向作用。區(qū)域的綠度指標(biāo)和濕度指標(biāo)越大，則代表該區(qū)域的植被覆蓋率高，土壤具有充足的水分，環(huán)境質(zhì)量越高[28]。濕度指標(biāo)主成分載荷系數(shù)2000年、2010年大于綠度指標(biāo)，而在2020年綠度指標(biāo)載荷系數(shù)超過(guò)了濕度指標(biāo)。導(dǎo)致這個(gè)現(xiàn)象的原因是歸一化綠度(NDVI)數(shù)值2000年、2010年、2020年大小分別是0.25，0.28，0.43，植被覆蓋度在2000—2010年呈現(xiàn)緩慢的上升，2010—2020年植被覆蓋度快速升高；而歸一化濕度(WET)數(shù)值2000年、2010年、2020年大小分別是0.33，0.37，0.35，濕度指標(biāo)在2010年達(dá)到最大，但各年份濕度差別不大。結(jié)合表2綠度和濕度主成分載荷系數(shù)和歸一化綠度、濕度指標(biāo)可以看出，主成分載荷系數(shù)的變化和對(duì)應(yīng)的歸一化綠度、濕度指標(biāo)數(shù)值變化有著密切的關(guān)系，2010年前濕度數(shù)值相對(duì)綠度數(shù)值要大，對(duì)應(yīng)的濕度主成分載荷系數(shù)也大，但2010年后隨著研究區(qū)植被覆蓋度的快速上升，綠度指標(biāo)的載荷系數(shù)也相應(yīng)變大，成為了主導(dǎo)綠度和濕度指標(biāo)載荷系數(shù)相對(duì)變動(dòng)的主要因素。干度指標(biāo)和熱度指標(biāo)越高，則代表區(qū)域地表植被覆蓋率低、地表出現(xiàn)裸土、土壤遭受沙化、風(fēng)化等問(wèn)題，地表硬化問(wèn)題嚴(yán)重，環(huán)境質(zhì)量越差[28]。熱度指標(biāo)和干度指標(biāo)各年均有負(fù)值，說(shuō)明它對(duì)區(qū)域的環(huán)境質(zhì)量有負(fù)面影響。由表2可知熱度指標(biāo)主成分載荷系數(shù)絕對(duì)值在各年份都大于干度指標(biāo)系數(shù)。歸一化熱度(LST)2000年、2010年、2020年大小分別是0.34，0.36，0.29，意味著研究區(qū)的地表溫度也是先升高后下降。歸一化干度(NDBSI)2000年、2010年、2020年大小分別是0.31，0.27，0.21，呈現(xiàn)一直下降的趨勢(shì)。由此可見(jiàn)各年度歸一化干度數(shù)值低于熱度數(shù)值，導(dǎo)致熱度指標(biāo)系數(shù)絕對(duì)值大于干度指標(biāo)系數(shù)?？傮w上來(lái)看，綠度、濕度、干度和熱度4個(gè)分量指標(biāo)的PC1值是隨著研究區(qū)的生態(tài)環(huán)境在不斷地變化，2000—2010年，起正向作用的濕度指數(shù)貢獻(xiàn)率是大于綠度指數(shù)，但2010年后隨著研究區(qū)植被覆蓋度的快速提升，綠度指標(biāo)貢獻(xiàn)率在不斷地變大；而起負(fù)向作用的熱度指數(shù)貢獻(xiàn)率高于干度指數(shù)。

表2 各指標(biāo)主成分分析結(jié)果

3.2 十大孔兌生態(tài)環(huán)境質(zhì)量時(shí)空變化

從圖2—3可以看出，2000年、2010年、2020年黃河流域十大孔兌遙感生態(tài)指數(shù)(RSEI)均值分別為0.31，0.33，0.57，十大孔兌的環(huán)境正在緩慢改善。其中，2000—2010年除庫(kù)布齊沙漠區(qū)RSEI指數(shù)有明顯上升，其他兩個(gè)區(qū)的RSEI指數(shù)還略有下降。到2020年各區(qū)的RSEI指數(shù)值呈現(xiàn)大幅度上升，各區(qū)的生態(tài)環(huán)境得到了明顯的改善。

由表3可知，研究期間，2000年生態(tài)環(huán)境等級(jí)為差的占比最高，達(dá)到32.08%；生態(tài)環(huán)境等級(jí)為優(yōu)秀的占比最少，只占研究區(qū)的5.45%；較差和一般等級(jí)的面積相差不大，比例分別占21.99%和25.38%。2010年，生態(tài)環(huán)境等級(jí)面積占比最高的仍然是差，但是相比2000年占比下降1.98%，面積為3 247 km2；優(yōu)秀等級(jí)的面積占比最少，占比6.16%。2020年，生態(tài)環(huán)境等級(jí)為差的區(qū)域占比最高，為28.03%，面積達(dá)3 027 km2；生態(tài)環(huán)境等級(jí)為優(yōu)秀的區(qū)域占比最低，為8.40%。從整體上來(lái)看，十大孔兌的生態(tài)環(huán)境質(zhì)量等級(jí)以差到一般為主，差、較差及一般等級(jí)的面積之和占區(qū)域總面積的比例依次為79.45%，76.54%，70.16%；良好和優(yōu)秀等級(jí)的面積之和占區(qū)域總面積的比例依次為20.55%，23.46%，29.84%。2000—2020年生態(tài)等級(jí)為差的面積減少了438 km2，較差的面積減少了392 km2；一般的面積減少了174 km2，良好的面積增加了685 km2，優(yōu)秀的面積增加了319 km2。表明黃河流域十大孔兌的環(huán)境質(zhì)量在逐步緩慢改善。

圖2 2000-2020年研究區(qū)生態(tài)環(huán)境質(zhì)量分級(jí)

圖3 2000-2020年各區(qū)RSEI指數(shù)均值

表3 2000-2020年研究區(qū)生態(tài)環(huán)境質(zhì)量評(píng)價(jià)等級(jí)

4 討論與結(jié)論

4.1 討 論

氣候是生態(tài)環(huán)境形成與演變的重要推動(dòng)力之一，研究氣候變化對(duì)了解區(qū)域生態(tài)環(huán)境變化具有十分重要的意義[29]。十大孔兌地區(qū)處于干旱半干旱地帶，干旱少雨，年平均降水量不足400 mm，生態(tài)環(huán)境較為脆弱。徐康等在2020年利用中國(guó)區(qū)域7個(gè)IGS站實(shí)測(cè)氣象數(shù)據(jù)評(píng)估ERA5數(shù)據(jù)的精度，發(fā)現(xiàn)ERA5數(shù)據(jù)精度優(yōu)于早先的ERA-Interim數(shù)據(jù)，ERA5數(shù)據(jù)能夠更好地滿(mǎn)足中國(guó)區(qū)域內(nèi)氣候建模的需求。因此，本文利用ERA5氣象數(shù)據(jù)統(tǒng)計(jì)研究區(qū)年降水量和年均氣溫[30]。由圖4可知，近21 a來(lái)研究區(qū)年降水量有一定的波動(dòng)增加趨勢(shì)，但趨勢(shì)不太明顯(0.09 mm/10 a)，遠(yuǎn)低于西北地區(qū)整體降水趨勢(shì)(4.87 mm/10 a)[31]。由此可知2000—2020年略微增加的降水促進(jìn)了研究區(qū)生態(tài)環(huán)境質(zhì)量的改善，但其不是誘導(dǎo)變化的主因。圖5為可以看出近21 a來(lái)研究區(qū)的年均氣溫是呈顯著上升趨勢(shì)(0.37℃/10 a)，高于西北干旱半干旱區(qū)增溫速率(0.34℃/10 a)[32]。氣溫的上升和本研究地表溫度的上升有一定的關(guān)系，隨著氣溫上升，土壤水分的蒸發(fā)和植被的蒸騰作用加強(qiáng)，給本就干旱的研究區(qū)植被生長(zhǎng)帶來(lái)不利的因素。綜上可見(jiàn)，研究區(qū)氣候的變化對(duì)生態(tài)環(huán)境質(zhì)量的改善有有利的一面，也有不利的一面，氣候的變化影響著區(qū)域生態(tài)環(huán)境的變化，但構(gòu)不成區(qū)域環(huán)境不斷改善的主因。

圖4 研究區(qū)2000-2020年降水量變化

土地利用/土地覆蓋變化是陸地表層環(huán)境對(duì)人類(lèi)活動(dòng)和氣候變化的具體反映，是氣候變化和環(huán)境變化研究關(guān)注的主要內(nèi)容[33]。本研究利用中科院資源環(huán)境科學(xué)數(shù)據(jù)云平臺(tái)下載的空間分辨率為1 km的土地利用數(shù)據(jù)來(lái)分析十大孔兌2000—2020年土地利用變化情況。由表4可知研究期間，耕地、林地、草地面積分別增加了-84 km2，92 km2，128 km2，植被面積的變化主要得益于研究區(qū)1999年開(kāi)始實(shí)施的退耕還林還草工程、天然林保護(hù)工程、水土保持綜合治理工程、重點(diǎn)小流域以及沙棘造林等一系列工程[34]。同時(shí)未利用地面積減少了384 km2，建筑用地增加了247 km2。越來(lái)越多的未利用地被開(kāi)發(fā)利用為建設(shè)用地，地表裸土、土壤沙化、風(fēng)化等問(wèn)題得以控制，土地利用率在不斷提高[35]。綜上，生態(tài)用地面積的增加，未利用裸土地得到有效的利用，促進(jìn)了研究區(qū)生態(tài)環(huán)境質(zhì)量的改善。該結(jié)論與馬海良等[36]對(duì)該區(qū)域生態(tài)環(huán)境的研究結(jié)論基本一致，同時(shí)也說(shuō)明了各種人類(lèi)工程的實(shí)施是導(dǎo)致研究區(qū)生態(tài)環(huán)境改善的主因。

圖5 研究區(qū)2000-2020年氣溫變化

表4 研究區(qū)2000-2020年土地利用面積 km2

本文采用綠度NDVI、濕度Wet、熱度LST和干度NDSI4個(gè)指標(biāo)構(gòu)建的RSEI來(lái)評(píng)價(jià)研究區(qū)的生態(tài)環(huán)境質(zhì)量，雖能較好地反映出研究區(qū)生態(tài)環(huán)境變化趨勢(shì)。但很多學(xué)者將不同的指標(biāo)引入遙感生態(tài)指數(shù)，如李洋等加入人類(lèi)活動(dòng)指數(shù)和坡度兩個(gè)指標(biāo)，第一主成分的貢獻(xiàn)率達(dá)到70%以上[37]。十大孔兌位于黃土高原和鄂爾多斯髙原交錯(cuò)地帶，境內(nèi)地形地貌復(fù)雜多樣，丘陵區(qū)、風(fēng)沙區(qū)、平原區(qū)3種不同的地貌類(lèi)型在此交匯，導(dǎo)致境內(nèi)地形起伏度較大。同時(shí)人類(lèi)活動(dòng)對(duì)該區(qū)域的生態(tài)環(huán)境的影響比較大。未來(lái)研究中可以考慮增加海拔、坡度、土地利用、土壤等因子對(duì)生態(tài)環(huán)境質(zhì)量變化的影響。

4.2 結(jié) 論

(1) 研究期間，2000年、2010年和2020年，十大孔兌年遙感生態(tài)指數(shù)均值分別為0.31，0.33，0.57，生態(tài)環(huán)境質(zhì)量在不斷改善。

(2) 2000—2020年，十大孔兌的生態(tài)環(huán)境質(zhì)量等級(jí)以差到一般為主，差、較差及一般等級(jí)的面積之和占區(qū)域總面積的比例依次為79.45%，76.54%，70.16%。生態(tài)等級(jí)差到一般的面積減少了1 004 km2，轉(zhuǎn)化為優(yōu)良和良好等級(jí)。研究區(qū)的生態(tài)環(huán)境質(zhì)量在逐步地改善。

(3) 在空間分布上，下游平原區(qū)的生態(tài)環(huán)境質(zhì)量最優(yōu)，上游丘陵區(qū)和中游風(fēng)沙區(qū)較差。研究區(qū)域生態(tài)環(huán)境的治理取得了一定的成效。環(huán)境質(zhì)量在研究期間有了較大程度的改善。