-
随着我国城市化进程推进,生态环境与人类活动关系密不可分,人口与环境间矛盾日益突出。生态环境是一个地区赖以生存和发展的基础,实时监测区域生态环境状况对城市规划建设以及保护生态环境有着重要作用。而雄安新区作为国家重点发展与规划的城市,生态保护与建设尤为重要。随着新区规划纲要逐步实施,雄安新区工业园与城区建设正在快速进行,分析和了解雄安新区生态质量的变化,能够更有针对性地去开发和保护。
某一区域生态环境质量评价方法主要有模糊评判法、层次分析法、网络分析法和综合指数法等。而以往通过生态评价方法选取所需指标难度较大,指标权重设定具有主观性,不能准确反映整个研究区的评价结果。随着遥感技术的蓬勃发展为监测区域生态环境提供更大的便利,就实时性和可视化而言,目前遥感技术手段已经可以满足辅助决策的基本需求。各种基于遥感技术的生态方法在水土保持[1-2]、生态质量监测与修复[3-5]、生态系统演变[6-7]等生态领域得到了广泛应用。基于此,基于遥感手段定量判断区域生态状况方法日渐成熟,研究者通过构建不同的遥感指数,反演不同生态角度下的生态变化。例如应用不同植被指数(NDVI、EVI等)评价区域生物量[8],利用不透水面指数与地表温度评估城市热岛效应[9-10],采用干旱指标或湿度指数表达地面植被干旱情况与土壤湿度[11-13]等。这些遥感指数可以很好表达生态环境在某一方面的生态特征。然而,真实的生态环境质量受多因素影响,一个可以从多角度直观、准确的评价区域生态环境质量的综合指标便尤为重要。基于此,徐涵秋等[14]从不同生态角度出发提出一个综合指标新型遥感生态指数(Remote sensing based ecological index,RSEI)。该指数完全基于遥感方法提取生态指标,从绿度、湿度、热度和干度等4个生态要素角度出发综合评价区域生态质量,评价指标易获取,可实现区域生态质量快速监测,将该方法应用于雄安新区对其生态质量变化进行分析是本研究的主要目的。
本文基于雄安新区设立前后数据,综合湿度、干度、热度、绿度等指标构建RSEI综合指数模型反演雄安新区生态质量,从空间和时间角度上真实反映雄安新区设立前后生态环境质量变化并分析其原因,以期为地方政府准确掌握新区生态变化趋势与制定雄安新区经济可持续发展政策提供科学依据。
-
表1是耦合四大指标过程中主成分分析的统计结果,表达了各指数在不同成分间的载荷量,正负性对应对主成分影响的正负性。从表中可知,2013和2019年的第一主成分(PC1)贡献率均大于97%,PC1集中了4个指标的绝大部分特征。四个指标对PC1的贡献程度并不相同,其中绿度与湿度对PC1贡献是正面影响,而热度与干度对PC1贡献是负面影响,即绿度与湿度对区域生态质量起正面作用,热度与干度起负面作用。这与传统生态质量评价影响结果相符合。而其他成分所占比重较小,且正负性并不具有科学的意义,故第一主成分可以科学表达四大指标。在第一主成分中,干度载荷量最大,对第一主成分影响程度最高。
指标 Indicator 2013 2019 PC1 PC2 PC3 PC4 PC1 PC2 PC3 PC4 绿度 Normalized difference vegetation index 0.548 0.748 0.191 −0.321 0.527 0.119 0.338 0.771 湿度 Wet 0.400 −0.367 −0.635 −0.550 0.376 0.581 −0.721 −0.030 干度 Normalized difference soil index −0.550 −0.009 0.325 −0.769 −0.385 −0.431 −0.573 0.581 热度 Land surface temperature −0.486 0.553 −0.675 0.056 −0.658 0.680 0.194 0.260 特征值 Eigenvalue 0.100 0.013 0.006 0.001 0.133 0.014 0.006 0.001 特征值贡献率 Percent Eigenvalue/% 97.82 1.77 0.40 0.01 98.77 1.04 0.18 0.01 Table 1. Results of PCA analysis
相关度是反映不同事物间密切程度的常用指标,常采用相关系数来表达。表2是各指标和RSEI指数的相关性系数以及各个指标自身之间的相关性系数,平均值计算方式为各指标与其他指标间两年的相关系数均值。从单个指标来看,各分指标之间平均相关度最高的是NDSI指数,其与其他三个指标相关系数的两年均值为0.84。但是经过反演得到的RSEI指数与这四个指标的平均相关系数均大于0.84,其两年均值为0.92,比单指标相关度最高的NDSI指数高出8%,与其他四大指标密切程度最高。综上所述,RSEI指数可以集成四个单指标的绝大部分信息,而且比任何单一指标都具备表达区域生态质量代表性,可以更全面、综合的表达研究区域的生态状况。
年份 2013 2019 指数 NDVI WET NDSI T RSEI NDVI WET NDSI T RSEI NDVI 1.00 0.63 −0.86 −0.64 0.85 1.00 0.81 −0.92 −0.89 0.90 WET 0.63 1.00 −0.90 −0.77 0.98 0.81 1.00 −0.80 −0.69 0.94 NDSI −0.86 −0.90 1.00 0.81 −0.99 −0.92 −0.80 1.00 0.74 −0.98 LST −0.64 −0.77 0.81 1.00 −0.90 −0.89 −0.69 0.74 1.00 −0.84 平均值 NDVI=0.79, WET=0.77, NDSI=0.84, T=0.76, RSEI=0.92 Table 2. Correlation coefficient matrix for five indicators
-
表3为研究区两年间各指标均值统计情况。从表中可以看出,两年间NDVI、WET、NDSI均值降低,而LST上升,表明雄安新区整体绿度、湿度、干度呈下降趋势。RSEI指数均在0.65之上,表明雄安新区的生态环境质量整体水平较高。2013—2019年间RSEI指数整体下降幅度为0.07。说明相对于2013年,目前雄安新区生态质量是逐步下降的。
指标 NDVI WET NDSI LST RSEI 2013年 0.76 0.64 0.41 0.39 0.72 2019年 0.67 0.63 0.39 0.48 0.65 Table 3. Changes of average values for five indicators
将RSEI指数以0.2为间隔进行分级,共分为5个生态等级,数值取值范围为[0,0.2)、[0.2,0.4)、[0.4,0.6)、[0.6,0.8)、[0.8,1.0]依次代表生态质量差、较差,中级,良级,优级等级(见图3)。从图3可知与2013年相比,2019年的黄红色区域明显增多,生态质量差、较差等级占比增大,生态质量降低。主要表现为东北部与西北角方向出现了大面积红黄区域,通过观察原始影像预测可能与城市建设有关。
-
利用遥感手段对研究区进行生态质量变化监测是了解区域生态状况变化的有效方法。为了更直观地观察研究区生态质量的变化情况,将2013、2019年数据进行差值变化监测,依据上述分级方法,可根据各像元变化的好坏及程度分为−4~4的9个变化等级,统计不同等级面积变化以及空间分布(见表4和图4)。从表4统计来看,生态质量未变化区域占面积最大,变化程度为一级(正负级)占总面积百分比为35.99%,与不变等级累计为90.27%,可见雄安新区生态质量仍保持相对稳定。生态质量变化空间分布由如图4可知,其中以红色代表生态环境质量下降区域,绿色代表上升区域,白色为生态质量不变区域。变差区域仍聚集在东北部与西北角方向,为进一步确定发生变化原因,还需与雄安新区规划建设和布局相联系。
类别 变化等级 面积/km2 百分比/% 类面积/km2 类百分比/% 退化 −4 14.45 0.81 598.68 33.61 −3 51.93 2.92 −2 82.39 4.63 −1 449.91 25.26 不变 0 966.92 54.28 966.92 54.28 改善 1 0.00 10.73 215.69 12.11 2 191.20 1.13 3 20.11 0.22 4 4.01 0.02 Table 4. Changes of RSEI rank level
-
雄安新区的生态质量与其规划建设息息相关,了解雄安新区土地利用空间布局有助于更深入研究其生态质量变化与城镇化间的联系,进一步阐述和分析雄安新区生态质量变化的原因。
-
本文以2013年和2019年遥感影像为数据基础,采用多尺度分割与最大似然法相结合的分类方式提取雄安新区土地利用类型。根据标准《土地利用现状分类》(GB/T21010-2017)并结合实地情况将雄安新区分为四大土地利用类型,即:建设用地、植被、裸土地、水域。为确保分类精度,辅助以目视解译手段将分类结果进一步调整,如图5所示。
统计两年间的土地利用面积如表5所示。从表5可知,以耕地为主导的植被区占研究区面积的70%左右,分布最为广泛。2019年的裸土地、建设用地面积增加。由图5可知,新增裸土地的空间位置较为特殊,主要区域位于雄安新区北部,呈现规则形状、大面积聚集性分布。通过解读《河北雄安新区规划纲要》内容发现,雄安新区规划空间格局是“北城、中苑、南淀”。其中“北城”简单来说就是在新区北部以城区为主。新增的裸土区域多为大面积的规则形状,虽未成为城镇用地,但与新区扩充城市面积有着必然联系。
土地利用类型 2013 2019 面积/km2 比例/% 面积/km2 比例/% 裸土地 43.98 0.02 111.56 0.06 建设用地 291.13 0.16 330.11 0.19 水域 107.47 0.06 106.71 0.06 植被 1338.70 0.75 1232.91 0.69 总计 1781.29 1.00 1781.29 1.00 Table 5. Proportion and area of land use types
然而,单从总体面积变化并不能表达雄安新区规划建设中土地利用动态变化。转移矩阵是定量描述土地利用动态变化的有效方法。统计2013与2019年土地利用类型占地面积并以转移矩阵方式表达(见表6)。由表6可知,2013—2019年间植被面积减少面积约105 km2,2019年新增的裸土地、建设主要来源于2013年的植被区。此外,研究发现2013年与2019年水域面积变化并不明显,但两年间水域与植被间转化程度较高。究其原因有二,一是本次研究选择图像时间是位于植被旺盛时,受水生植物、沿岸植被影响严重。二是水域面积受气候影响严重,丰水期与枯水期水域面积、沿岸植被面积相差较大。本研究采用相同方法提取2013年与2019年5月份水域面积(见图6),统计发现2013年与2019年水域面积分别为91.15 km2与115.83 km2,即2019年5月水域面积大于13年同月份水域面积,主要得益于白洋淀的补水工程,据杨婧雯等[20]表明,近几年白洋淀水位呈上升趋势。
2019年/km2 2013年/km2 裸土地 建设用地 水域 植被 裸土地 3.50 3.25 0.44 104.37 建设用地 9.14 242.86 1.39 76.73 水域 2.35 1.53 72.08 30.75 植被 28.99 43.50 33.56 1126.85 Table 6. Transformation matrix of different land use types
-
由3.1可知,新区城镇建设区域的生态质量明显下降,基于RSEI指数评价的生态质量会受不同土地利用类型影响。我们采集2013—2019年各土地利用类型的RSEI值并统计直方图。发现不同土地利用类型RSEI指数取值呈现聚集分布现象。其中裸土地、建设用地分布在低值区,水域和植被分布在高值区。植被的RSEI值分布范围是最广泛的,其值分布在0.1-1.0之间,贯穿整个分布范围。相关研究表明RSEI指数与植被覆盖度具有较高的相关性,植被覆盖程度越高,RSEI指数数值越大。从统计图中可知,RSEI最高值区只有植被类型存在,也就是说RSEI指数大于0.9的区域是植被覆盖度最高的区域。
此外,通过统计各土地利用类型RSEI均值我们发现,2019年建设用地的RSEI均值低于2013年,植被区高于2013年植被均值。这可以表明,2019年城市的干化程度高但植被质量上升。据相关文献指出,至2020年,雄安新区造林面积达到31万亩。森林地表覆盖类型其地表裸露时间远小于耕地,从水土保持与生态环境可持续发展角度来说,其生态价值是远大于耕地的。高森林覆盖率会一定程度上提升雄安新区的生态质量。
年份 2013 2019 指标 RSEI均值 RSEI均值 建设用地 0.5237 0.4648 植被 0.6133 0.6454 裸土地 0.3912 0.3081 水域 0.6321 0.6513 Table 7. RSEI mean values for different land use types
Evaluation of Ecological Quality in Xiong’an New Area Based on RSEI Index
doi: 10.12172/202110120003
- Received Date: 2021-10-12
- Available Online: 2022-06-27
- Publish Date: 2022-08-23
-
Key words:
- Xiong’an New Area /
- RSEI index /
- Land use /
- Ecological quality
Abstract: Ecological environment is the basis of a region's survival and development, and the monitoring of ecological quality in Xiong’an New Area will be an important content related to regional development. In this research, based on Landsat8/OLI images in 2013 and 2019, combined with humidity, dryness, heat, greenness and other indicators, through the spatial principal component analysis (PCA) method, the main information of the four indicators was concentrated on a small number of principal components, thus constructing RSEI comprehensive index. By means of remote sensing technology, the changes of ecological quality and reasons of this change before and after the establishment of Xiong’an New Area were analyzed from the perspective of space and time. In addition, the relationship between different land use types and the RSEI index were discussed quantitatively. The results showed that: (1) Greenness and humidity had positive effects on ecological quality, while dryness and heat were opposite, among which dryness had the greatest influence. (2) From 2013 to 2019, the overall ecological quality of Xiong’an New Area showed a downward trend. (3) According to the statistics of regional changes, the area with relatively great change degree of ecological quality was about 10% of the total area, which indicated that the change degree of the overall ecological quality was not high. (4) The values of RSEI index of different land use types showed aggregation distribution. Bare land and construction land were distributed in low-value area, while water and vegetation were distributed in high-value area. In summary, After the establishment of, the ecological quality of Xiong’an New Area has been declining in the past two years. In the future planning and construction, we should strengthen the protection of ecological environment and build a scientific and reasonable spatial layout to support the sustainable economic development of Xiong’an New Area and build a green and intelligent new city.