2023, Vol. 44
2. 郑州大学中国气象科学研究院郑州大学生态气象联合实验室, 郑州 450000
2. Joint Laboratory of Eco-meteorology, Zhengzhou University-Chinese Academy of Meteorological Sciences, Zhengzhou University, Zhengzhou 450000, China
鄱阳湖流域是我国水安全和生物多样性保护的重点区域, 其生态健康发展为维系长江中下游的生态安全提供了重要保障[1]. 20世纪80年代以来, 鄱阳湖流域大力开展植树造林与区域环境治理等工作, 为生态环境绿色发展起到了良好的促进作用, 然而流域内快速的城市发展和经济活动所带来的人类活动日益频繁, 给当地生态环境保护带来了新的问题和挑战[2].近年来, 诸多学者对鄱阳湖流域生态现状进行了生态风险[3]、生境质量[4]以及人类活动和气候变化对生态环境影响[5, 6]等多方面研究, 但仍存在数据获取困难和计算速度较慢等问题, 如何及时、准确地获取鄱阳湖流域长时序生态环境质量并探测其影响因素是加强流域生态保护必须解决的关键问题.
凭借大尺度、快速和周期性观测等特点, 遥感技术已发展为评估区域生态环境的重要手段[7, 8].然而以往研究多采用单一指标对生态环境中特定因素进行评价, 如利用植被指数监测地表植被覆盖变化研究[9~11]、基于地表热度的城市热岛效应研究等[12, 13].但生态环境是一个多因素的复杂系统, 单一指标难以全面评价生态环境中不同因素的综合作用与变化.因此, 集成了绿度(NDVI)、湿度(Wet)、热度(LST)和干度(NDBSI)这4个指标的遥感生态指数(remote sensing ecological index, RSEI)可以有效地解决上述问题.该模型具有指标多样性、权重客观性、结果可视性和时空分析等优点[14~16], 为区域生态环境质量综合评价提供了新的思路.然而, 面对日益增长的数据量、繁杂的数据预处理和计算工作, RSEI需要借助具备强大的数据存储和处理能力的平台.因此, 相关学者基于GEE(Google Earth Engine)平台, 利用RSEI模型开展了三江源地区与黄河流域长时序的生态环境质量综合评价[17, 18].结果表明, GEE可以快速实现遥感影像去云和指标计算、统计与分析等操作, 为应用RSEI完成大区域宏观尺度上的生态环境质量评价提供了高效计算平台.
现有研究为深入探究生态环境质量的影响因素, 主要应用相关系数、多元回归等方法分析气温、降水和海拔等自然因素的影响[19, 20], 有关自然与人文要素间多因子及因子间交互作用的定量化研究相对较少[21].然而, 面对受多因素影响的生态系统, 不同因素间交互可能会对生态环境产生额外的作用, 若仅用单因子反映生态环境变化并不客观.因此, 采用地理探测器模型[22]这一空间分析统计方法既可以探测单一因素及不同因素间交互作用对因变量的影响, 又能够快速有效地揭示不同因子对生态环境质量空间分异的驱动作用.
因此, 本文基于GEE平台, 以鄱阳湖流域为研究区域, 选用1990~2020年的Landsat影像作为数据源构建遥感生态指数, 对鄱阳湖流域生态环境质量时空格局演化进行长时序综合分析, 并利用地理探测器模型定量揭示和探讨影响流域生态环境质量的关键因素, 旨在为当地生态环境高质量发展提供科学依据.
1 材料与方法 1.1 研究区域概况鄱阳湖流域(24°29′17″~30°03′01″N, 113°42′21″~118°35′45″E, 图 1)位于长江流域中下游南岸, 范围与江西省行政辖区基本重叠, 流域总面积约16.22万km2, 其中15.67万km2位于江西省境内, 占流域总面积的96.6%, 占江西省行政辖区面积的93.9%[1].流域内地貌类型复杂, 东西南三面环山地, 中部丘陵和河谷交错分布, 北部为鄱阳湖平原, 整体平均海拔为251 m.鄱阳湖流域是我国典型多雨地区之一, 年降水量为1 341~1 943 mm, 降水时间多集中在每年的4~6月, 流域内河流众多, 水系发达, 根据分水线全流域又可分为饶河流域、信江流域、修水流域、鄱阳湖区、抚河流域和赣江流域这6个子区域.
|
图 1 研究区概况示意 Fig. 1 Location of the study area |
影像数据来自于GEE平台提供的T1级别的地表反射率数据集(Surface Reflectance, SR), 其中1990~2011年使用的是Landsat-5卫星的TM数据(ID：“LANDSAT/LT05/C01/T1_SR”), 2013~2020年使用的是Landsat-8卫星的OLI数据(ID：“LANDSAT/LC08/C01/T1_SR”), 2012年因数据源限制, 使用了2011年的Landsat-5与2013年的Landsat-8影像均值影像.影像经过几何校正、辐射校正和大气校正, 空间分辨率30 m, 时间分辨率为16 d.
首先筛选成像时间为目标年份及前后各1年的植被生长季(6~9月)时间范围中云量在60%以下的遥感影像, 并利用平台提供的Landsat云掩膜函数处理影像以去除属于云的像元.同时, 利用MNDWI水体指数[23], 设定0.15为阈值, 进行水体掩膜以避免大范围水体对湿度主成分荷载分布的影响, 并在时空分析中将研究范围内不同年份水体的并集进行掩膜处理, 以保障生态环境质量趋势分析的全面可比性.最后, 对影像集进行中值提取以消除掩膜处理与影像获取时间差的影响, 得到目标年份的无云中值合成影像.
1.2.2 其它数据为探究鄱阳湖流域生态环境质量变化的驱动机制, 根据流域近年来生态环境演变特征并参考已有研究成果[24~27], 本文选取了自然因素与人文因素两类因素中的10种典型因子进行地理探测.其中自然因素包括气象因子(年均气温、年降水量)和地形因子(高程、坡度、坡向), 人文因素包括人为干扰因子(土地利用类型、距建设用地距离)和社会经济因子(人口密度、GDP、夜间灯光指数).数据主要信息与来源见表 1.
|
表 1 数据主要信息与来源 Table 1 Data main information and sources |
驱动因子的数据预处理工作主要利用ArcGIS 10.2在本地完成.其中气象数据集提供有全国范围内的逐月降水量和月平均温度数据, 在本地完成了年降水量与年平均气温的合成与裁剪处理; 1990~2015年的GDP数据来自于中国科学院地理科学与资源研究所, 2020年的GDP数据来自江西省统计年鉴数据, 结合人口密度、土地利用类型和夜间灯光指数数据采用多因子权重匹配法[28, 29]进行了空间赋值.
1.3 研究方法 1.3.1 遥感生态指数利用主成分分析法耦合绿度(NDVI)、湿度(Wet)、热度(LST)和干度(NDBSI)这4个生态环境表征指标, 得到遥感生态指数[30].其中, 绿度指标由归一化植被指数(normalized difference vegetation index, NDVI)表示, 代表研究区内植被的生长状况及分布密度[31, 32]; 湿度指标由缨帽变换后的湿度分量(Wet)表示, 可以反映地表水体与土壤的湿度状态[33]; 热度指标即地表热度(land surface temperature, LST), 其与地表能量传输密切相关, 是研究生态过程和气候变化的重要指标[34]; 干度指标由裸土指数(soil index, SI)[35]与应用建筑指数(index-based built-up index, IBI)[36]均值化得到, 记为干度指数(normalized difference built-up and soil index, NDBSI).4个指标的计算公式及参数见表 2.
|
|
表 2 Landsat遥感生态指数计算公式 Table 2 Remote sensing ecological index calculation equation based on Landsat |
在主成分分析前后, 需要对各个生态指标和未经归一化的初始遥感生态指数进行正向归一化处理, 使其值保持在[0, 1], 以避免量纲不同所带来的影响, 正向归一化的处理公式为：
|
(1) |
式中, NIi为标准化处理后的指标值, Ii为对应指标在该像元处的值, Imax和Imin分别为对应指标的最大值和最小值.
1.3.2 地理探测器地理探测器模型通过分析地理空间各类型之间的整体差异来定量探究自变量对因变量的影响程度[38], 近年来被广泛应用于生态系统分析领域[39~41].本文选用地理探测器中的因子探测和交互探测分别实现单因子探测及因子间交互探测.
(1) 因子探测 因子探测可用于探测造成空间分异性的驱动因子对因变量的解释力, 其公式如下：
|
(10) |
式中, q为因子对因变量的影响力, 即解释力强度; h=1, 2, …, L; L为因变量和不同自变量的分级或分类; Nh和N分别为不同分级的区域和全区域内的样本数; σh2和σ2分别为不同分级的区域和全区域内因变量的方差. q值越大表明该因子对因变量的影响越大.
(2) 交互探测 交互探测可用以识别不同影响因子对因变量的交互作用, 即评估因子间共同作用是否会增强或减弱对因变量的解释力.因子间的交互作用包括了5种情况, 不同交互作用的结果和所对应q值范围见表 3.
|
|
表 3 因子探测交互结果 Table 3 Results of factors interactions |
2 结果与分析 2.1 遥感生态指数模型检验
由表 4可知, 4个指标中绿度(NDVI)与湿度(Wet)荷载呈正值, 对RSEI的影响为正效应, 绿度的平均荷载(0.668 9)大于湿度(0.201 2), 说明绿度对RSEI的贡献高于湿度; 热度(LST)与干度(NDBSI)的荷载为负值, 且热度荷载的绝对值(0.165 2)小于干度(0.690 7), 这与现实中绿度和湿度对生态环境起正效应、干度和热度对生态环境起负效应的情况相符[18].同时, 不同年份第一主成分在主成分分析结果的贡献率中, 最高为91.4%(2020年), 最低为81.4%(2000年), 平均值为85.5%, 表明遥感生态指数能够有效代表鄱阳湖流域的生态环境现状.
|
|
表 4 不同年份第一主成分荷载与贡献率 Table 4 Load and contribution rate of the PCA1 in different years |
2.2 生态环境质量整体状况
表 5反映了鄱阳湖流域及不同子区域各年份的RSEI均值, 图 2统计了1990~2020年鄱阳湖流域RSEI线性拟合的分布情况.结果表明：1990~2020年期间鄱阳湖流域生态环境质量呈上升趋势.RSEI均值从1990年的0.680 9上升至2020年的0.737 4, 增长幅度8.3%, 增长率约为0.002 5 a-1; 不同子流域中, 除饶河流域的RSEI均值从1990年的0.837 1降低至2020年的0.797 2, 下降幅度为4.8%, 其它子流域的RSEI均值均有所增长, 赣江流域和抚河流域的增长幅度最大, 分别为13.5%和8.9%.
|
|
表 5 鄱阳湖流域及不同子区域RSEI均值年际变化 Table 5 Interannual variation in RSEI mean value in Poyang Lake basin and its sub-regions |
|
图 2 1990~2020年鄱阳湖流域RSEI线性拟合 Fig. 2 RSEI linear fitting diagram of Poyang Lake basin from 1990 to 2020 |
为实现对RSEI的定量和可视化分析, 根据《生态环境评价技术规范》(HJ/T 192-2006), 进一步将鄱阳湖流域生态质量等级划分为：优(0.8, 1]、良(0.6, 0.8]、中(0.4, 0.6]、较差(0.2, 0.4]和差[0, 0.2]这5个等级, 进而得到流域不同年份生态等级的空间分布(图 3)和面积变化(图 4).可以看出：①30年间, 鄱阳湖流域整体生态环境质量良好, 质量等级为优和良的区域占比保持在总面积的70%~80%; 生态环境质量为差和较差区域占比较少且有所降低, 其中等级为差的区域从2.4%减少至1.9%, 等级为较差的区域从10.9%减少到6.2%; ②流域生态环境质量表现出明显的地理分异, 其中生态质量等级为差和较差地区主要分布在中北部平原台地区域, 如南昌市的东湖区、青山湖区和红谷滩区, 景德镇市的珠山区和昌江区; 质量等级为优和良地区主要分布在西南部的丘陵山地区域; 随时间推移, 流域中部区域生态环境出现明显改善, 但生态环境质量差和较差地区仍呈现出中部集聚的空间布局, 集聚区主要位于赣江沿岸的主要城市地区, 如南昌市、吉安市和赣州市章贡区与于都县; ③不同子区域中, 饶河流域的生态环境状况最佳, 生态等级为优和良的面积常年保持在区域总面积的85%以上; 鄱阳湖区的生态环境最差, 生态质量等级为差和较差的区域面积占比接近总面积的20%.
|
图 3 1990~2020年鄱阳湖流域生态环境质量等级分布 Fig. 3 Distribution of ecological environment quality levels in the Poyang Lake basin from1990 to 2020 |
|
图 4 1990~2020年鄱阳湖流域及不同子区域生态环境质量等级面积占比 Fig. 4 Proportion of ecological environment quality levels in the Poyang Lake basin and its sub-regions from 1990 to 2020 |
以10 a为间隔, 表 6和表 7统计了1990~2020年鄱阳湖流域生态环境质量等级面积占比和演变特征.结果表明, 1990~2000年, 流域内生态环境质量处于稳中上升的趋势, 质量等级不变面积占64.0%, 改善面积占比为21.2%, 其中轻度改善面积占比为19.6%, 流域生态环境质量的提升主要以轻度改善为主. 2000~2010年, 流域内生态环境改善趋势有所提高, 质量等级不变面积占比64.4%, 轻度改善和轻度恶化的面积占比分别为22.4%和10.6%, 较1990~2000年分别提高2.8%和降低了3.4%. 2010~2020年, 流域内生态环境仍处于改善趋势但改善幅度减弱, 质量改善面积占比与恶化面积占比分别为19.1%和16.7%, 差值为2.4%, 明显低于同区间的6.4%和11.8%.总的来说, 近30年间流域的生态环境呈现改善趋势, 质量等级不变的面积占比51.9%, 等级提升和下降的面积占比分别为31.9%和16.1%, 其中主要以轻度改善和轻度恶化为主.
|
|
表 6 鄱阳湖流域生态环境质量等级面积和占比 Table 6 Areas and proportions of ecological environment quality levels in the Poyang Lake basin |
|
|
表 7 鄱阳湖流域1990~2020生态环境质量等级变化统计 Table 7 Statistics of changes in ecological environment quality levels in Poyang Lake basin from 1990 to 2020 |
从生态环境质量变化空间分布来看(图 5), 1990~2020年鄱阳湖流域生态环境质量改善的区域主要位于低海拔地区, 其中明显改善的区域主要位于赣江流域的中部; 生态环境质量轻度恶化的区域主要分布于饶河流域、信江流域的高海拔地区, 明显恶化的区域多分布于流域中部的城市地区, 其中以鄱阳湖区内鄱阳湖与赣江连接处的平原地区最为明显. 1990~2000年流域生态环境以轻微改善和不变为主, 生态环境改善地区主要位于流域中南部, 恶化地区主要分布在流域北部和西部的高海拔地区, 空间上较为分散, 没有出现明显的恶化集中分布区域. 2000~2010年, 流域生态环境仍以改善为主, 此阶段内的生态环境质量改善区域多位于流域北部, 同时, 修水流域、饶河流域北部的高海拔地区和信江流域中部均存在明显的改善汇集区; 恶化区域则分布在抚河流域中部、鄱阳湖区和饶河流域的局部地区. 2010~2020年流域生态环境变化空间分布特征与1990~2000年较为接近, 但变化区域布局更为分散, 且存在少量的明显恶化汇集区, 地理位置主要位于鄱阳湖区南部的平原及赣江流域的部分地区.
|
图 5 1990~2020年鄱阳湖流域生态环境质量变化空间分布 Fig. 5 Spatial distribution of changes in ecological environment quality of Poyang Lake basin from 1990 to 2020 |
为整合不同数据源的空间分辨率与几何特征, 构建3 km×3 km格网对全流域进行空间样本单元的划分, 以格网中心点采样得到RSEI及各个自变量的对应值后导入R Studio环境, 之后按照q值最大化标准[38, 42]将自变量中的连续型变量以分位数、自然间断点法或等间距法离散化为6~9类, 最终得到的探测结果如表 8所示, 所选探测因子对RSEI的空间分异均有显著影响(P＜0.05).
|
|
表 8 因子探测结果 Table 8 Results of single detection |
2.4.1 单因子探测结果
自然因素中, 年平均气温多年q值介于0.104 7~0.237 5, 不同年份的q值排序为4、4、4、8和8, 年降水量多年q值介于0.010 8~0.075 1, 不同年份的q值排序为8、9、9、9和9, 两种因子相较于其它因子的q值相对较低, 表明气象因素对流域生态环境质量空间分异性的解释力强度较低, 且流域内年降水量对生态环境的影响力弱于年平均气温; 地形因子中, 坡向因子的多年q值最高仅为0.001 6, 说明坡向对流域生态环境质量变化无明显驱动作用, 而高程、坡度因子的q值常年保持在0.2以上, 二者对生态环境质量变化空间异质性的解释力强度较大, 坡度因子的q均值略高于高程, 是流域生态环境变化中影响力最高的自然要素驱动因子.
人文因素中, 人口密度因子的q值多年来明显高于其它因子, 对生态环境质量空间分异性的解释力最大, 表明近20年来鄱阳湖流域生态环境变化受人口空间分布因素的影响高于自然因素.其它因子中, 土地利用类型、距建设用地距离、夜间灯光指数和GDP 4个因子的q值均值依次减小, GDP因子的q值较低, 表明鄱阳湖流域生态环境变化与经济活动关系相对较弱.
不同驱动因子多年份q值呈波动变化, 多数因子的相对重要性未发生明显改变, 然而夜间灯光指数因子的解释力强度近20来呈现出持续增长的趋势, q值从2000年的0.067 2逐渐提升至2020年的0.173 8, 影响力强度排序也由2000年的第9位上升至2020年的第4位.现有研究结果表明, 夜间灯光指数是人口、产业结构、地域空间等方面城市化的综合反映, 与城市化发展水平存在明显相关性[43], 结合其q值的变化可以发现, 鄱阳湖流域内生态环境质量受城镇化建设的影响越来越大.
2.4.2 交互探测结果由交互探测结果可知(图 6), 因子间交互作用表现出双因子增强和非线性增强的效果, 不存在相互独立及减弱的情况, 表明因子交互作用对鄱阳湖流域生态环境质量变化的影响高于原有不同因子单独产生的影响, 更能促进鄱阳湖流域生态环境质量的变化.同时, 不同年份因子间交互作用效果呈现出一定的规律性.其中, 人口密度∩坡度对流域生态环境质量的影响力最大, 5个年份的交互值在因子交互作用中均为最高, 而且人口密度、高程和坡度与其他因子间交互作用的影响力明显要高于别的因子与其他因子间的交互作用, 结合单因子探测的结果可以看出, 鄱阳湖流域生态环境质量的变化与3个因子的关系最为密切.
|
X1表示年平均气温, X2表示年降水量, X3表示高程, X4表示坡度, X5表示坡向, X6表示土地利用类型, X7表示距建设用地距离, X8表示人口密度, X9表示GDP, X10表示夜间灯光指数; *表示非线性增强, 无标记表示双因子增强; 色柱由红至蓝表示交互作用对生态环境质量空间分异的解释力逐渐增强 图 6 交互探测器结果 Fig. 6 Interactive detector results |
坡向因子与其它因子间多存在非线性增强效果, 表明单因子探测结果解释力低的因子, 与其它因子共同作用下影响力的增强效果会更加明显.此外, 年降水量与GDP的交互作用在2005、2010、2015和2020年均呈现非线性增强的协同作用, 表明经济活动在不同气候背景, 尤其是在不同降水分布条件下, 会对生态环境质量产生更为显著的影响.究其原因, 应是由于在降水丰富的地区与时段, 部分经济活动会受较强雨水天气的影响而减少, 进而对生态环境的改善产生促进作用.
3 讨论 3.1 GEE平台构建RSEI优势基于GEE的RSEI模型构建既能够有效保证不同年份生态环境质量评价的准确性, 又可以快速实现影像的预处理与指标计算, 极大程度提高了鄱阳湖流域生态环境评价的高效性.主要体现在：①与传统利用RSEI模型时需要本地计算机下载、处理和分析数据相比, 本文通过GEE直接调用了1989~2021年的1932幅Landsat影像, 通过目标年份及前后1 a的遥感影像合成, 进一步提高了数据质量, 保证了不同年份生态环境质量评价的准确性.②本文的建模结果表示, 利用GEE平台进行主成分分析后的第一主成分中各指标的荷载值分布与实际情况相符[18], 不同年份的第一主成分贡献率平均值达85.5%, 说明本文得到的遥感评价指标可以为精确评价流域生态环境质量提供可靠基础数据, 及时高效地表征鄱阳湖流域生态环境的发展现状.③相比传统手段, GEE中集成有云量筛选、掩膜处理等数据处理和快速调用函数, 能极大程度缩短原始数据下载和数据预处理等时间[44], 同时云计算所具有的并行处理和惰性计算等优势能够将完成单一指标计算的总时间由数小时缩短至几分钟, 即能在数据质量保持不变的情况下, 极大提升模型构建效率.总的来说, 相较于传统手段, GEE在大区域生态环境质量综合评价上有着更为广阔的应用前景.
3.2 鄱阳湖流域生态环境时空演变特征及影响因素本文利用GEE平台耦合绿度、湿度、热度和干度这4个生态指标, 采用主成分分析方法构建遥感生态指数(RSEI), 本研究结果表明：1990~2020年鄱阳湖流域RSEI均值介于0.680 9~0.751 0, 流域生态环境质量状况良好, 整体呈现中部平原地区低, 周边丘陵山地地区高的空间分布, 这与傅春等[4]和曾珍英等[45]的研究结果基本一致.通过查阅统计年鉴可知, 流域生态建设与城镇化进程对鄱阳湖流域生态发展起到了十分重要的作用. 20世纪80年代以来, 江西省先后实施鄱阳湖流域造林绿化、湿地保护与恢复、水土保持生态建设等一系列生态保护和环境治理工作, 流域内森林覆盖率以每年一个多百分点的速度提升, 整体森林覆盖率已达60%以上[1], 这与本文中绿度指标在主成分分析中贡献率较高且流域生态环境质量呈持续上升趋势的结果相吻合. 2009年, “鄱阳湖生态经济区规划”获得国务院批复, 鄱阳湖流域的生态环境建设进一步上升为国家战略, 生态规划区主要包括鄱阳湖区与其周边区域, 从图 4和图 5可以看出, 相较于2000~2010年, 2010~2020年生态规划区中生态环境质量恶化区域明显减少, 应是由于此阶段生态规划区内城市发展已更为注重生态保护工作的展开.
流域内的城市发展与城镇化建设则会带来一定的生态环境恶化.江西省城镇化率从1990年的20.4%, 逐步提升至2005年的37.1%, 2020年达到60.4%, 从流域现有生态环境质量空间分布中可以看出(图 3), 生态环境质量较差区域与流域内主要城市及城镇化区域的空间分布接近; 不同子流域中城镇化率最高的鄱阳湖区生态环境质量最差, 根据朱青等[21]的研究, 人口密度、GDP与建设用地的比例与鄱阳湖区生态环境质量有着明显的负相关关系, 城镇化建设与城市发展是该区域生态环境质量较差的重要原因.因此, 结合流域内现有生态环境的发展现状, 鄱阳湖流域接下来的生态建设应以进一步加强城市建设与生态建设协同共进、城镇化地区整体绿化水平提高及重要生态系统保护和修复为主.
3.3 不同驱动因子对鄱阳湖流域生态环境变化的相对贡献鄱阳湖流域生态环境质量受多种因素共同影响, 不同驱动因子对RSEI空间分异解释力差异明显.气象因子中, 温度受太阳辐射与地表反射综合作用的影响, 与RSEI模型中热度指标有着直接密切的关系, 而降水虽与植被生长、土壤恢复和水土保持等自然现象密切相关, 但个别年份的降水变化很难对生态环境造成直接明显的影响.此外, 鄱阳湖流域降水量相对丰富, 热量条件对流域内植被生长可能更加重要, 应是二者对RSEI影响差异较大的原因.地形因子中, 植被生长易随海拔位置及所带来的气温与光照的差异而出现一定的垂直分带现象, 坡度则直接关系到土壤的肥沃程度及保水性, RSEI模型中的绿度指标能够直观地体现植被茂密程度和生长状况, 故而高程与坡度因子对流域生态环境空间分异有较大影响.
人为干扰因子中, 土地利用类型影响着地表覆被情况, 会对流域内生态过程产生影响, 进而引起生态环境质量的变化.建设用地规划是国土空间规划中的重要内容, 与区域生态空间、生态安全与生态敏感性等都有着极为密切的关系.因子探测的结果显示, 二者对鄱阳湖流域生态环境质量空间分异的影响均有所提升, 距建设用地距离因子的q值增加幅度更大, 表明流域内生态环境质量与建设用地开发情况相关性的提升更加显著.社会经济因子中, 人口密度与夜间灯光能够直观反映流域内人类聚集与城市化发展水平, GDP由经济活动运作产生, 同样会对生态环境变化带来间接的影响效应, 不同因子的解释力强度在近年来均有所升高, 同时夜间灯光指数因子的影响力强度相较于GDP增加更为明显, 一定程度说明鄱阳湖流域生态环境质量与流域内城市化发展及人口活动的关系更加密切.
4 结论(1) 基于GEE平台的鄱阳湖流域遥感生态指数(RSEI)建模及分析, 可以及时、准确和高效地获取流域内生态环境质量的时空格局演变趋势, 有助于全面分析不同因素对生态环境变化的影响, 在鄱阳湖流域生态环境保护工程的实施中有着较好的应用前景.
(2) 鄱阳湖流域生态环境质量呈现中部平原低、周边丘陵山地高的空间分布, 1990~2020年流域整体生态环境质量呈改善趋势, 近1/3区域的生态环境质量等级有所提升, 流域生态建设工程的实施效果显著, 但仍需进一步加强主要城市地区生态改善的投入力度, 以减弱城镇化进程对流域生态的影响.
(3) 从不同驱动因子对生态环境质量影响作用分析中可以发现, 人口密度和高程是影响鄱阳湖流域生态环境变化的关键因子, 而近年来夜间灯光指数、距建设用地距离等人文因素对RSEI空间分异的解释力强度上升趋势明显, 表明流域生态与人类活动的关系变得更为密切.
| [1] |
金斌松, 聂明, 李琴, 等. 鄱阳湖流域基本特征、面临挑战和关键科学问题[J]. 长江流域资源与环境, 2012, 21(3): 268-275. Jin B S, Nie M, Li Q, et al. Basic characteristics, challenges and key scientific questions of the Poyang Lake basin[J]. Resources and Environment in the Yangtze Basin, 2012, 21(3): 268-275. |
| [2] |
徐羽, 钟业喜, 冯兴华, 等. 鄱阳湖流域土地利用生态风险格局[J]. 生态学报, 2016, 36(23): 7850-7857. Xu Y, Zhong Y X, Feng X H, et al. Ecological risk pattern of Poyang Lake basin based on land use[J]. Acta Ecologica Sinica, 2016, 36(23): 7850-7857. |
| [3] |
李括, 杨柯, 彭敏, 等. 近20年来鄱阳湖流域泛滥平原沉积物微量元素含量与污染变化[J]. 环境科学, 2021, 42(4): 1724-1738. Li K, Yang K, Peng M, et al. Changes in concentrations and pollution levels of trace elements of floodplain sediments of Poyang Lake basin in recent twenty years[J]. Environmental Science, 2021, 42(4): 1724-1738. |
| [4] |
傅春, 王乐志, 邓俊鹏, 等. 不同影响因素对鄱阳湖流域生境质量变化特征分析[J]. 中国农村水利水电, 2021(11): 1-8, 23. Fu C, Wang L Z, Deng J P, et al. An analysis of the characteristics of habitat quality change in Poyang Lake basin by different influencing factors[J]. China Rural Water and Hydropower, 2021(11): 1-8, 23. |
| [5] |
刘剑宇, 张强, 邓晓宇, 等. 气候变化和人类活动对鄱阳湖流域径流过程影响的定量分析[J]. 湖泊科学, 2016, 28(2): 432-443. Liu J Y, Zhang Q, Deng X Y, et al. Quantitative analysis the influences of climate change and human activities on hydrological processes in Poyang Basin[J]. Journal of Lake Sciences, 2016, 28(2): 432-443. |
| [6] |
姚炳楠, 陈报章, 车明亮. 鄱阳湖流域植被总初级生产力时空变化特征及其气候驱动因子分析[J]. 植物学报, 2016, 51(5): 639-649. Yao B N, Chen B Z, Che M L. Spatial-temporal change of gross primary productivity in the Poyang Lake basin from 2000 to 2013 and correlation with meteorologic factors[J]. Chinese Bulletin of Botany, 2016, 51(5): 639-649. |
| [7] | Shan W, Jin X B, Ren J, et al. Ecological environment quality assessment based on remote sensing data for land consolidation[J]. Journal of Cleaner Production, 2019, 239. DOI:10.1016/j.jclepro.2019.118126 |
| [8] | Xu H Q, Wang M Y, Shi T T, et al. Prediction of ecological effects of potential population and impervious surface increases using a remote sensing based ecological index (RSEI)[J]. Ecological Indicators, 2018, 93: 730-740. DOI:10.1016/j.ecolind.2018.05.055 |
| [9] |
孟琪, 武志涛, 杜自强, 等. 基于地理探测器的区域植被覆盖度的定量影响——以京津风沙源区为例[J]. 中国环境科学, 2021, 41(2): 826-836. Meng Q, Wu Z T, Du Z Q, et al. Quantitative influence of regional fractional vegetation cover based on geodetector model-take the Beijing-Tianjin sand source region as an example[J]. China Environmental Science, 2021, 41(2): 826-836. DOI:10.3969/j.issn.1000-6923.2021.02.037 |
| [10] |
邵全琴, 樊江文, 刘纪远, 等. 三江源生态保护和建设一期工程生态成效评估[J]. 地理学报, 2016, 71(1): 3-20. Shao Q Q, Fan J W, Liu J Y, et al. Assessment on the effects of the first-stage ecological conservation and restoration project in Sanjiangyuan region[J]. Acta Geographica Sinica, 2016, 71(1): 3-20. |
| [11] |
汲玉河, 周广胜, 王树东, 等. 2000—2019年秦岭地区植被生态质量演变特征及驱动力分析[J]. 植物生态学报, 2021, 45(6): 617-625. Ji Y H, Zhou G S, Wang S D, et al. Evolution characteristics and its driving forces analysis of vegetation ecological quality in Qinling Mountains region from 2000 to 2019[J]. Chinese Journal of Plant Ecology, 2021, 45(6): 617-625. |
| [12] |
孙艳伟, 王润, 郭青海, 等. 基于人居尺度的中国城市热岛强度时空变化及其驱动因子解析[J]. 环境科学, 2021, 42(1): 501-512. Sun Y W, Wang R, Guo Q H, et al. Estimation of the urban heat island intensity change and its relationships with driving factors across China based on the human settlement scale[J]. Environmental Science, 2021, 42(1): 501-512. |
| [13] |
王阳, 孙然好. 区域气候背景对城市热岛效应的影响规律[J]. 生态学报, 2021, 41(11): 4288-4299. Wang Y, Sun R H. Impacts of regional climate on urban heat islands in China[J]. Acta Ecologica Sinica, 2021, 41(11): 4288-4299. |
| [14] |
徐涵秋. 区域生态环境变化的遥感评价指数[J]. 中国环境科学, 2013, 33(5): 889-897. Xu H Q. A remote sensing index for assessment of regional ecological changes[J]. China Environmental Science, 2013, 33(5): 889-897. |
| [15] | Liao W H, Jiang W G. Evaluation of the spatiotemporal variations in the eco-environmental quality in China based on the remote sensing ecological index[J]. Remote Sensing, 2020, 12(15). DOI:10.3390/rs12152462 |
| [16] | Huang H P, Chen W, Zhang Y, et al. Analysis of ecological quality in Lhasa Metropolitan Area during 1990-2017 based on remote sensing and Google Earth Engine platform[J]. Journal of Geographical Sciences, 2021, 31(2): 265-280. |
| [17] |
陈炜, 黄慧萍, 田亦陈, 等. 基于Google Earth Engine平台的三江源地区生态环境质量动态监测与分析[J]. 地球信息科学学报, 2019, 21(9): 1382-1391. Chen W, Huang H P, Tian Y C, et al. Monitoring and assessment of the eco-environment quality in the Sanjiangyuan region based on Google Earth Engine[J]. Journal of Geo-Information Science, 2019, 21(9): 1382-1391. |
| [18] |
杨泽康, 田佳, 李万源, 等. 黄河流域生态环境质量时空格局与演变趋势[J]. 生态学报, 2021, 41(19): 7627-7636. Yang Z K, Tian J, Li W Y, et al. Spatio-temporal pattern and evolution trend of ecological environment quality in the Yellow River Basin[J]. Acta Ecologica Sinica, 2021, 41(19): 7627-7636. |
| [19] |
李婷婷, 马超, 郭增长. 基于RSEI模型的贺兰山长时序生态质量评价及影响因素分析[J]. 生态学杂志, 2021, 40(4): 1154-1165. Li T T, Ma C, Guo Z C. Ecological quality evaluation and influencing factors analysis of Helan Mountain based on RSEI[J]. Chinese Journal of Ecology, 2021, 40(4): 1154-1165. |
| [20] |
魏雨涵, 钱建平, 范伟伟, 等. 基于RSEI的漓江流域生态环境质量动态监测[J]. 中国水土保持科学, 2021, 19(1): 122-131. Wei Y H, Qian J P, Fan W W, et al. Dynamic monitoring of ecological environment quality in Lijiang River basin based on RSEI[J]. Science of Soil and Water Conservation, 2021, 19(1): 122-131. |
| [21] |
朱青, 国佳欣, 郭熙, 等. 鄱阳湖区生态环境质量的空间分异特征及其影响因素[J]. 应用生态学报, 2019, 30(12): 4108-4116. Zhu Q, Guo J X, Guo X, et al. Spatial variation of ecological environment quality and its influencing factors in Poyang Lake area, Jiangxi, China[J]. Chinese Journal of Applied Ecology, 2019, 30(12): 4108-4116. |
| [22] | Huang C H, Liu K, Zhou L. Spatio-temporal trends and influencing factors of PM2.5 concentrations in urban agglomerations in China between 2000 and 2016[J]. Environmental Science and Pollution Research, 2021, 28(9): 10988-11000. |
| [23] |
徐涵秋. 利用改进的归一化差异水体指数(MNDWI)提取水体信息的研究[J]. 遥感学报, 2005, 9(5): 589-595. Xu H Q. A study on information extraction of water body with the modified normalized difference water index (MNDWI)[J]. Journal of Remote Sensing, 2005, 9(5): 589-595. |
| [24] |
祝聪, 彭文甫, 张丽芳, 等. 2006—2016年岷江上游植被覆盖度时空变化及驱动力[J]. 生态学报, 2019, 39(5): 1583-1594. Zhu C, Peng W F, Zhang L F, et al. Study of temporal and spatial variation and driving force of fractional vegetation cover in upper reaches of Minjiang River from 2006 to 2016[J]. Acta Ecologica Sinica, 2019, 39(5): 1583-1594. |
| [25] |
彭文甫, 张冬梅, 罗艳玫, 等. 自然因子对四川植被NDVI变化的地理探测[J]. 地理学报, 2019, 74(9): 1758-1776. Peng W F, Zhang D M, Luo Y M, et al. Influence of natural factors on vegetation NDVI using geographical detection in Sichuan Province[J]. Acta Geographica Sinica, 2019, 74(9): 1758-1776. |
| [26] |
宋媛, 石惠春, 谢敏慧, 等. 2000—2017年甘肃省生态环境质量时空演变格局及其影响因素[J]. 生态学杂志, 2019, 38(12): 3800-3808. Song Y, Shi H C, Xie M H, et al. Spatiotemporal evolution pattern and influencing factors of eco-environmental quality in Gansu from 2000 to 2017[J]. Chinese Journal of Ecology, 2019, 38(12): 3800-3808. |
| [27] | Zhu L J, Meng J J, Zhu L K. Applying geodetector to disentangle the contributions of natural and anthropogenic factors to NDVI variations in the middle reaches of the Heihe River basin[J]. Ecological Indicators, 2020, 117. DOI:10.1016/j.ecolind.2020.106545 |
| [28] |
易玲, 熊利亚, 杨小唤. 基于GIS技术的GDP空间化处理方法[J]. 甘肃科学学报, 2006, 18(2): 54-58. Yi L, Xiong L Y, Yang X H. Method of Pixelizing GDP data based on the GIS[J]. Journal of Gansu Sciences, 2006, 18(2): 54-58. |
| [29] |
刘红辉, 江东, 杨小唤, 等. 基于遥感的全国GDP 1km格网的空间化表达[J]. 地球信息科学, 2005, 7(2): 120-123. Liu H H, Jiang D, Yang X H, et al. Spatialization approach to 1 km grid GDP supported by remote sensing[J]. Geo-information Science, 2005, 7(2): 120-123. |
| [30] |
杨江燕, 吴田, 潘肖燕, 等. 基于遥感生态指数的雄安新区生态质量评估[J]. 应用生态学报, 2019, 30(1): 277-284. Yang J Y, Wu T, Pan X Y, et al. Ecological quality assessment of Xiongan New Area based on remote sensing ecological index[J]. Chinese Journal of Applied Ecology, 2019, 30(1): 277-284. |
| [31] |
李辉霞, 刘国华, 傅伯杰. 基于NDVI的三江源地区植被生长对气候变化和人类活动的响应研究[J]. 生态学报, 2011, 31(19): 5495-5504. Li H X, Liu G H, Fu B J. Response of vegetation to climate change and human activity based on NDVI in the Three-River Headwaters region[J]. Acta Ecologica Sinica, 2011, 31(19): 5495-5504. |
| [32] |
徐涵秋. 城市遥感生态指数的创建及其应用[J]. 生态学报, 2013, 33(24): 7853-7862. Xu H Q. A remote sensing urban ecological index and its application[J]. Acta Ecologica Sinica, 2013, 33(24): 7853-7862. |
| [33] |
罗开盛, 陶福禄. 融合面向对象与缨帽变换的湿地覆被类别遥感提取方法[J]. 农业工程学报, 2017, 33(3): 198-203. Luo K S, Tao F L. Method for wetland type extraction using remote sensing combing object-oriented and tasseled cap transformation[J]. Transactions of the Chinese Society of Agricultural Engineering, 2017, 33(3): 198-203. |
| [34] |
周玲美, 王世航. 内蒙古杭锦旗生态环境时空变化的遥感监测与评价[J]. 应用生态学报, 2020, 31(6): 1999-2006. Zhou L M, Wang S H. Remote sensing monitoring and evaluation of spatial and temporal changes of ecological environment in Hangjin Banner, Inner Mongolia, China[J]. Chinese Journal of Applied Ecology, 2020, 31(6): 1999-2006. |
| [35] | Rikimaru A, Roy P S, Miyatake S. Tropical forest cover density mapping[J]. Tropical Ecology, 2002, 43(1): 39-47. |
| [36] |
王丽春, 焦黎, 来风兵, 等. 基于遥感生态指数的新疆玛纳斯湖湿地生态变化评价[J]. 生态学报, 2019, 39(8): 2963-2972. Wang L C, Jiao L, Lai F B, et al. Evaluation of ecological changes based on a remote sensing ecological index in a Manas Lake wetland, Xinjiang[J]. Acta Ecologica Sinica, 2019, 39(8): 2963-2972. |
| [37] | Nichol J. Remote sensing of urban heat islands by day and night[J]. Photogrammetric Engineering & Remote Sensing, 2005, 71(5): 613-621. |
| [38] |
王劲峰, 徐成东. 地理探测器: 原理与展望[J]. 地理学报, 2017, 72(1): 116-134. Wang J F, Xu C D. Geodetector: principle and prospective[J]. Acta Geographica Sinica, 2017, 72(1): 116-134. |
| [39] |
吕晨, 蓝修婷, 孙威. 地理探测器方法下北京市人口空间格局变化与自然因素的关系研究[J]. 自然资源学报, 2017, 32(8): 1385-1397. Lü C, Lan X T, Sun W. A study on the relationship between natural factors and population distribution in Beijing using geographical detector[J]. Journal of Natural Resources, 2017, 32(8): 1385-1397. |
| [40] |
李妍, 张国钦, 吝涛, 等. 乡镇遥感生态指数时空变化及影响因子研究——以天津市蓟州区为例[J]. 生态学报, 2022, 42(2): 474-486. Li Y, Zhang G Q, Lin T, et al. The spatiotemporal changes of remote sensing ecological index in towns and the influencing factors: a case study of Jizhou District, Tianjin[J]. Acta Ecologica Sinica, 2022, 42(2): 474-486. |
| [41] |
姬超, 侯大伟, 李发志, 等. 耕地土壤重金属健康风险空间分布特征[J]. 环境科学, 2020, 41(3): 1440-1448. Ji C, Hou D W, Li F Z, et al. Assessment and spatial characteristics analysis of human health risk of heavy metals in cultivated soil[J]. Environmental Science, 2020, 41(3): 1440-1448. |
| [42] | Song Y Z, Wang J F, Ge Y, et al. An optimal parameters-based geographical detector model enhances geographic characteristics of explanatory variables for spatial heterogeneity analysis: Cases with different types of spatial data[J]. GIScience & Remote Sensing, 2020, 57(5): 593-610. |
| [43] |
陈晋, 卓莉, 史培军, 等. 基于DMSP/OLS数据的中国城市化过程研究——反映区域城市化水平的灯光指数的构建[J]. 遥感学报, 2003, 7(3): 168-175. Chen J, Zhuo L, Shi P J, et al. The study on urbanization process in China based on DMSP/OLS data: development of a light index for urbanization level estimation[J]. Journal of Remote Sensing, 2003, 7(3): 168-175. |
| [44] |
娄佩卿, 付波霖, 林星辰, 等. 基于GEE的1998~2018年京津冀土地利用变化对生态系统服务价值的影响[J]. 环境科学, 2019, 40(12): 5473-5483. Lou P Q, Fu B L, Lin X C, et al. Influence of land use change on ecosystem service value based on GEE in the Beijing-Tianjin-Hebei Region from 1998 to 2018[J]. Environmental Science, 2019, 40(12): 5473-5483. |
| [45] |
曾珍英, 江艳, 刘涛. 基于Landsat_TM影像的江西省生态环境质量状况研究[J]. 安徽农业科学, 2010, 38(5): 2531-2533. Zeng Z Y, Jiang Y, Liu T. Study on the ecological quality situation of JiangXi Province based on the Landsat_TM Image[J]. Journal of Anhui Agricultural Sciences, 2010, 38(5): 2531-2533. |