Evaluation of Ecological Quality in Xiong’an New Area Based on RSEI Index

雄安新区设立于2017年4月1日，位于河北省保定市，地处北京、天津、保定腹地，属北纬中纬度地带。规划范围为雄县、容城县、安新县及周边部分乡镇区域（见图1）。研究区地势平坦，属暖温带季风型大陆性气候，四季分明，春旱多风，夏热多雨，秋凉气爽，冬寒少雪。年均气温11.9°C，年平均降雨量522.9 mm。其海拔20 m以下，地物类型以植被覆盖区为主，其中耕地占农用地主导地位。雄安新区具有多样生态系统，境内白洋淀湿地是华北平原上最大的淡水湿地，也是国家重点生态湿地，主要位于安新县境内。近几年在“退耕还淀”、补水与水质修复等工程下，白洋淀的水域覆盖面积得到控制，湖水质量提高显著。

Figure 1.  Location of Xiong’an New Area

数据下载于美国地质调查局（USGS），采用多光谱Landsat8_OLI 1T级卫星遥感影像，分别为2013年9月1号与2019年9月2号数据，云量均在0.1%以下。原始影像如图2所示。数据已经过辐射定标、大气校正等一系列预处理工作。

Figure 2.  Landsat8_OLI images of the study area （RGB: bands 7, 5, 2）

遥感生态指数法在近几年生态质量评价上应用较为广泛^[15-17]。该指数通过植被指数、湿度信息、地表温度、建筑-裸土信息耦合了绿度、湿度、热度、干度四大生态要素，通过主成分分析方法综合表达了区域生态环境质量。相较于传统生态环境状况指数（Ecological Index，EI）方法，遥感生态指数法不仅可以定量评估生态质量，还可以将评估结果结果可视化显示，更有助于决策者了解区域生态结构布局。此外，遥感生态指数法数据易获取、评价结果与EI指数也具有可比性，适用于监测高速发展下雄安新区的生态质量。其表达式如下：

式（1）中：RSEI代表遥感生态指数，LST代表地表温度，NDVI代表植被指数，WET代表湿度信息，NDSI代表建筑-裸土信息。

湿度采用了缨帽变换中湿度分量提取方法，其中的湿度分量反映了植被、水体和土壤中的湿度含量，可以有效表达研究区的水分含量情况。采用Baig等人^[18]对Landsat8_OLI传感器提出的湿度表达式如下:

式（2）中：WET_OLI代表Landsat8_OLI数据的湿度分量，ρ₂, ρ₃, ρ₄, ρ₅, ρ₆, ρ₇代表Landsat8_OLI数据的2、3、4、5、6、7波段反射率。

考虑到研究区中建设用地会对地表造成不同程度的干化影响，故采用NDSI指数来作为干度指标。NDSI指数综合反映了裸土与建设用地对地面造成的干化现象。其中，代表裸土部分造成的干度程度采用土壤指数SI，建设用地部分采用建筑指数IBI指数，最终干度指标NDSI具体表达式如下:

其中:

式（3）中：NDSI代表建筑-裸土指数；式（4）和（5）中：IBI与SI分别代表建筑指数与土壤指数，ρ₂, ρ₃, ρ₄, ρ₅, ρ₆代表Landsat8_OLI数据的2、3、4、5、6波段反射率。

热度指标采用地表温度来进行表达。地表温度的反演采用覃志豪^[19]等人提出的单窗算法，该方法适合多波段且具有红外波段的传感器使用，其简化后具体表达式如下:

其中：

式（6）中：LST为地表温度（K），T_sensor是Landsat8_OLI传感器上的亮度温度（K），T_a是大气平均温度（K），a和b为参考系数，且如果地表温度在0—70°C范围内，那么a = −67.355351，b = 0.458606；式（7）中：K₁、K₂为Landsat8计算地表真实温度的参数，K₁为774.89，K₂为1321.08，L为Landsat8_OLI第10波段定标后辐射值；L为热红外波段定标后的辐射值；式（8）和（9）中：C和D为计算时的中间变量，ε为地表比辐射率，本次实验是通过植被覆盖率求得的；τ代表大气透过率。

绿度指标采用归一化植被指数（NDVI），代表区域植被覆盖度与生长状态。具体表达方式如下:

式（10）中：NDVI代表归一化植被指数，ρ_NIR是近红外波段反射率，ρ_R代表红波段反射率。

空间主成分分析方法（Principal Component Analysis，PCA）是图像信息提取与数据压缩中应用较为广泛的方法。其运用对特征光谱空间坐标的旋转去掉各指标之间的相关性，从而达到将四个指标的主要信息集中在少量主成分上。其权重分配不受人为干扰，但是由于各指标取值范围与量纲不同，指标需要进行标准化处理：

式（11）中：NI为标准化后的指标；I_min和I_max为指标置信区间中的最小值与最大值。

式（12）中：为便于度量指标，采用式（12）对RSEI进行标准化处理，最终RSEI指数取值范围为[0,1]，且数值越大，证明区域生态环境质量越高，反之则越差。

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。

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。

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。

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。

Figure 3.  RSEI hierarchical map of the study area

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。

Figure 4.  Changes of RSEI index from 2013 to 2019

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。

Figure 5.  Land use maps in 2013 and 2019

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。

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。

Figure 6.  Landsat8_OLI images of the study area in May （RGB: bands 4, 5, 2）

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。

Figure 7.  RSEI histograms for different land use types

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。

雄安新区处于高区发展阶段，生态质量与规划建设程度息息相关。本文以雄安新区为研究区，采用RSEI指数方法研究雄安新区设立前后生态质量变化情况与变化原因。主要结论如下：（1）通过相关主成分分析与相关性分析可知，RSEI指数可以从四大生态角度综合表达雄安新区生态质量。绿度与湿度与RSEI指数呈正相关，对生态质量起积极作用，干度与热度相反；（2）2013—2019年间RSEI指数下降了0.07，雄安新区整体生态质量呈下降趋势；（3）统计变化区域相关情况可知，雄安新区生态质量变化程度较大区域占总面积约10%，整体生态质量变化程度不高；（4）不同土地利用类型RSEI指数取值呈现聚集分布。裸土地、建设用地分布在低值区，水域和植被分布在高值区。此外虽然2019年综合生态质量下降，但其城镇干化程度与植被质量同时上升。此外，本文虽然取得一定研究成果但仍有许多不足之处，如生态质量评价数据受时间限制，提取结果会随时间变化而发生改变，故本研究采用相同时间区域内数据。在后续工作中会进一步研究以减少时间的影响。

通过以上数据分析对新区建设有以下意见：（1）保护湿地资源，加大对白洋淀湿地的保护力度，保持补水工程与水域治理工程。（2）减少雄安新区地表裸露面积或者程度。当地表裸露时其在RSEI指数分析中生态质量是最差的，适当减少裸露频率与程度有利于区域的保持良好生态质量。（3）建设新区同时应与“绿色”同行。高植被覆盖度不仅可以防风固土以及净化空气，还可以拉高区域的平均生态质量，在建设的同时应加大绿化力度，提升植被质量，增加绿化面积或提高区域植被覆盖度。