2024, Vol. 45
2. 北京林业大学水土保持国家林业和草原局重点实验室, 北京 100083
2. Key Laboratory of National Forestry and Grassland Administration on Soil and Water Conservation, Beijing Forestry University, Beijing 100083, China
青藏公路东起青海省西宁市, 西止西藏拉萨市, 是通往西藏里程较短和路面路基维护状况最好的公路[1].更是我国内地与青藏地区联系的重要交通纽带与国防战略要道[2].在修建过程中克服了一系列艰难条件, 但与此同时不可避免地造成了沿线生态环境破坏.那曲至安多段位于青藏公路咽喉位置, 是进入拉萨的必经之地, 此段生态环境破坏最为严重[3].鉴于那曲至安多段独特的地理位置和重要的生态功能, 高效、准确地获取青藏公路那曲至安多段沿线长时序生态环境质量状况空间分布格局并明晰其时间变异趋势与驱动机制具有重要意义.
青藏公路独特的地理环境使得传统研究中普遍存在数据获取困难和数据时效性过低等问题.凭借大尺度、长时序和受限少等优点, 遥感技术已经成为生态环境研究领域一种不可或缺的手段[4].过往学者大多采用一至两个遥感指数对某一特定环境层面进行研究, 如利用归一化水体指数（NDWI）监测三江源地区湖泊面积变化研究[5]、基于地理探测器和多源数据对耕地土壤重金属来源控制因子及其交互作用识别研究[6].然而, 自然界中生态环境变化十分复杂, 使用单一遥感指数进行研究存在较大局限性与偶然性.徐涵秋[7]于2013年提出一种集成了绿度（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）模型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[8, 9], 为区域生态环境质量综合评价提供了新的思路.
RSEI凭借自身优势目前已被广泛应用于煤矿开采区[10]、内陆湖流域[11]以及城市内部[12]等地的生态环境评价研究.但RSEI主要是针对城市生态环境创建[13], 在青藏高原冻土和盐渍土占较大比重, 若仅使用单一地面干度指标会对环境评价结果产生较大误差.正是由于研究区独特的生态环境条件使得原本的RSEI已经不适用做环境评价, 因此需要针对研究区自身的生态特点对RSEI进行改进, 使之更契合当前研究区的生态环境状况.在高寒盐渍化地区由于种植密度以及存活率等问题在一定程度上导致植被稀疏, 使得RSEI中绿度指标（NDVI）的提取易受到背景的影响导致提取精度不高, SAVI指数（soil-adjusted vegetation index）在中、低植被覆盖区的提取总精度比NDVI高出2%~7%[14], 已被广泛应用到草地、干旱半干旱区以及生态修复地区的植被提取.土地盐渍化会造成土壤肥力下降, 导致区域生态环境加速恶化, 归一化盐分指数（normalized differential salinity index, NDSI）基于多源卫星数据波段运算而来, 可以精准监测研究区土壤盐渍化程度.参考国内外相关的标准、规范以及相关的研究成果[15~18], 在生态脆弱区进行道路沿线生态环境研究时, 路域范围不应小于公路用地界外300 m.在充分考虑研究区域特殊的生态环境条件的基础上, 将该区域高速公路路域适当地拓宽, 使路域基本能够涉及到高速公路建设和运营过程中产生直接或间接影响的区域.因此, 本文将生态脆弱区高速公路路域生态环境评价范围界定为公路中线两侧各5 km.
目前, 国内外学者大多针对青藏公路那曲至安多段生态现状以及公路建设对生态环境线性切割影响等进行分析评价, 但较少考虑区域生态环境质量的空间分布格局和时间变异趋势, 定量探测生态环境质量的控制因子也较为鲜见.综上所述, 本文基于GEE平台, 以青藏公路那曲至安多段中线两侧各5 km为研究区域, 选用1990~2022年Landsat影像作为数据源.在RSEI原基础上引入土壤调节植被指数（SAVI）和归一化盐分指数（NDSI）, 构建改进型盐渍遥感生态指数（salinity remote sensing ecological index, SRSEI）, 使之更适用于高寒盐渍化地区研究, 从而更加正确地反映研究区生态质量状况.并以SRSEI为因变量, 选取8个控制因子作为自变量, 探究生态环境质量对自然与人为因子的响应特征, 旨在为当地生态环境监测与治理提供科技方法支撑.
1 材料与方法 1.1 研究区概况划定青藏公路那曲至安多段中轴线两侧各延伸5 km为研究区（图 1）, 面积为1 428.6 km2.海拔范围介于4 449~5 138 m之间.气象特征主要表现为高原亚寒带季风半干旱和干旱气候.全区地貌以山地和丘陵为主, 全区地带性土壤为棕壤, 土壤类型主要为草毡土和草甸土, 小部分沼泽土和风沙土.全年大风日100 d左右, 多年平均气温-1.3~2.9℃, 最高温24.2℃, 最低温-40.5℃, 年均降水量293~430 mm.全年日照时数为2 886 h以上.
|
图 1 研究区位置示意 Fig. 1 Schematic diagram of the location of the study area |
如表 1所示, 本研究所用的数据包括Landsat5/8遥感影像、年均降水量、年均气温、高程（DEM）、植被净初级生产力（NPP）、PM2.5浓度、经济生产总值（GDP）、人口密度（POP）和土地利用方式.本研究数据处理具体如下：在GEE平台中首先生成目标年份6~9月（生长季）的Landsat 5-8影像, 并利用去云函数进行去云处理.同时, 使用JRC Monthly Water History, v1.4数据产品, 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, 得到目标年份的无云中值合成影像.随后在RSEI原基础上引入土壤调节植被指数（SAVI）和归一化盐分指数（NDSI）, 利用主成分分析法构建改进型盐渍遥感生态指数（SRSEI）并使用研究区矢量边界裁剪出经过预处理后的研究区影像.再以研究区目标年份SRSEI均值作为因变量.利用ArcGIS 10.3平台在研究区创建600 m×600 m格网, 将所有控制因子数据提取至对应SRSEI, 去除异常值点, 共5 493个样本点.最后将数据导入到基于RStudio的地理探测器中进行因子探测, 探究各控制因子对SRSEI变化的驱动力解释强度.
|
表 1 数据主要信息与来源 Table 1 Ecological factors main information and sources |
1.3 改进型盐渍遥感生态指数（SRSEI）构建 1.3.1 遥感指数计算
根据前文提出的改进型遥感指数（SRSEI）, 计算并构建绿度、湿度、干度、盐度和热度这5个遥感指数.参考相关研究[19~23], 各指数所用指标和计算方法如表 2所示.在本研究中, 改进型遥感指数（SRSEI）表达式为：
|
(1) |
|
|
表 2 SRSEI各部分遥感生态指数计算公式 Table 2 Calculation formula for remote sensing ecological index of each part of SRSEI |
式中, SRSEI为改进型遥感生态指数；SAVI为土壤调节植被指数；WET为湿度分量；NDBSI为干度指数；NDSI为盐度指数；LST为地表温度.
1.3.2 SRSEI模型构建盐渍遥感生态指数（SRSEI）主要是利用主成分分析法（PCA）, 将上述5个生态指标进行耦合.各指标的权重由主成分变换生成的荷载值来客观确定.为避免因量纲不同所造成的PCA计算过程中各指标权重失衡问题, 需要在进行主成分变换之前对各指标进行归一化处理, 将其量纲都统一在[0, 1]之间.各指标通用归一化公式：
|
(11) |
式中, Ni为归一化后的各指标值；Ii为归一化之前的指标值；Imin和Imax分别为归一化之前的指标最小值和最大值.
进行归一化处理得到盐渍遥感生态指数（SRSEI）, 其值介于[0, 1]之间.SRSEI值越接近1, 生态环境状况越好, 反之越差.当SAVI和WET指标在PC1的载荷为负值, NDBSI、NDSI和LST在PC1的载荷为正值时, 必须采用“1–PC1”进行还原[24].
1.4 地理探测器模型利用地理探测器中的因子探测和交互探测[25], 分析影响青藏公路那曲至安多段沿线生态环境质量的驱动力.因子探测器所得结果q值越大, 说明该控制因子对生态环境的影响力越大.因子探测器计算公式及多因子交互类型为：
|
(12) |
式中, q为某影响因子对SRSEI的影响力, h = 1, 2, ⋯, L；L为因变量SRSEI和自变量因子的分类数；Nh和N分别为不同分级的区域和全区域内的样本数；δh2和δ2分别为不同分级的区域和全区域内SRSEI的方差.
2 结果与分析 2.1 SRSEI有效性与适用性分析表 3为SRSEI主成分分析结果, 9个年份中PC1贡献率平均值78.26%, 均大于70%.说明第一主成分可以表征5个指标的大部分特征, 用主成分分析法研究目标区域生态环境状况是有效可行的.
|
|
表 3 研究区SRSEI第一主成分分析 Table 3 Study area SRSEI first principal component analysis |
5个指标中绿度（SAVI）、湿度（Wet）、干度（NDBSI）和归一化盐分指数（NDSI）和热度（LST）平均荷载为0.282 4、0.468 6、-0.432 3、-0.394 8和-0.578 5, 表明各个指标分量对生态环境质量SRSEI的影响程度不同.热度的影响力最大, 湿度次之, 其次是干度、归一化盐分指数, 绿度对生态环境质量的影响最小.5个指标中绿度与湿度荷载为正, 干度、归一化盐分指数和热度荷载为负.说明绿度与湿度对研究区SRSEI起到正面效应；干度、归一化盐分指数和热度对研究区SRSEI起负面效应.这也符合真实的情况, 进而证明了SRSEI具有明显的适用性与生态意义.
2.2 研究区生态环境质量SRSEI时空变化特征 2.2.1 研究区生态环境质量SRSEI时间变化特征图 2反映了1990~2022年青藏公路那曲至安多段沿线SRSEI变化情况.结果表明：研究区SRSEI呈现出“先下降后上升”的趋势, 1990~2022年研究区生态环境质量整体向好：1990年SRSEI平均值仅为0.39, 但2022年SRSEI平均值达0.74, 增长幅度87.6%, 增长率约为0.015 7 a-1；1990~2000年研究区SRSEI平均值由0.39降至0.25, 下降幅度达35.7%；2000年至2022年由于国家大力推行西藏地区生态环境建设, 研究区SRSEI平均值波浪式上升, 从2000年的0.25增至2022年的0.74, 增长幅度极大.
|
图 2 1990~2022年研究区SRSEI变化情况与线性拟合结果 Fig. 2 Changes in SRSEI in the study area from 1990 to 2022 with linear fit results |
从SRSEI的5个分指标来看（图 3）, 1990~2022年, 表征研究区地表植被覆盖与土壤含水量的绿度（SAVI）和湿度（Wet）分别上升0.107 1和0.184 7, 平均增幅为0.005 1（10 a）-1、0.058 2（10 a）-1, 变化趋势与SRSEI极度吻合；对SRSEI起负荷载的干度（NDBSI）、归一化盐分指数（NDSI）和热度（LST）分别下降0.105 6、0.033 4和0.010 8, 平均降幅0.033 1（10 a）-1、0.010 5（10 a）-1和0.003 4（10 a）-1, 与SRSEI变化趋势相反, 说明干度、归一化盐分指数和热度越高, 地表土壤板结、土壤盐渍化以及岩石裸露、地表温度偏高等问题越严重, 研究区生态环境质量越差.
|
图 3 1990~2022年研究区SRSEI各分指标变化情况与线性拟合结果 Fig. 3 Changes in SRSEI sub-indicators in the study area from 1990 to 2022 with linear fit results |
为了从空间角度更直观、定量地分析研究区生态质量SRSEI, 基于ArcGIS 10.3平台生成研究区9个时相SRSEI空间分布格局（图 4）.由图 4知, 研究区SRSEI值表现出明显的地理分异性, 呈现出“北低南高”态势.结合外业调查及遥感影像解译, 研究区北部为那曲市安多县, 安多县平均海拔4 800米以上, 永久冻土及高大冰川广为分布, 植被稀疏, 生态环境恶劣.而南部为那曲市色尼区, 海拔较北部偏低, 有少量植被.SRSEI值与生态环境实际状况完全吻合.
|
图 4 1990~2022年SRSEI空间分布格局 Fig. 4 Spatial distribution pattern of SRSEI from 1990 to 2022 |
通过等间距分级法将SRSEI分为优（0.8~1.0]、良（0.6~0.8]、中（0.4~0.6]、较差（0.2~0.4]和差[0.0~0.2]这5个等级[26], 统计各年份不同等级面积情况（图 5）.结果表明：32年间, 研究区整体生态环境质量良好, 等级为优和良的区域占比明显增加、为差和较差区域占比有所降低, SRSEI优势区域等级由较差（1990~2010年）向良好等级（2015~2022年）转变.其中SRSEI等级为差、较差和中等的区域面积占比分别呈先上升后下降、波动性下降和持续性下降趋势, 差等级区域面积占比在2000年出现峰值（25.43%）, 最低值出现在2022年（不足万分之一）, 空间上由全区均匀分布向北部集中转化；较差等级区域面积从1990年的804.6 6 km2下降至2022年的0.04 km2；中等等级区域面积占比由1990年的40.74%下降至2022年的0.01%；SRSEI等级为良和优的区域呈向好趋势, 所占比例由1990年的2.17%提高到了2022年的99.23%, 生态环境得到明显改善.尤其是2015年以来, 优等级区域面积大幅度提升, 主要分布在安多县城以南和研究区中部.
|
图 5 1990~2022年研究区不同等级生态环境面积 Fig. 5 Ecological environment area at different levels in the study area from 1990 to 2022 |
为进一步明晰研究区生态环境变化趋势, 1990~2020年以10 a为间隔；2020~2022年以1 a为间隔, 表 4和图 6反映了研究区生态环境质量面积变化情况及时间变异趋势.结果表明：1990~2022年, 研究区生态环境处于明显改善的趋势, 从整体来看, 研究区32年间生态改善面积1 425.98 km2占比99.82%, 生态退化面积2.62 km2占比0.18%, 生态改善面积远大于生态退化面积.
|
|
表 4 研究区1990~2022年SRSEI时间变异趋势 Table 4 Trends in temporal variation of SRSEI in the study area from 1990 to 2022 |
|
图 6 不同年份间生态环境状况变异趋势 Fig. 6 Trends in variation of ecological conditions between years |
从不同年份间生态环境变化面积来看（表 4）, 1990~2000年研究区生态环境整体呈急剧恶化的趋势, 恶化面积占比达96.93%, 研究区全域均出现恶化情况；2000~2010年研究区生态环境出现明显改善趋势, 占比87.49%, 虽然在北部安多县城及其附近地区仍存在生态恶化现象, 但是生态改善面积首次超过生态恶化面积, 表明这10年间研究区整体生态环境得到了明显的改善；2010~2020年和2020~2021年, 研究区生态环境改善趋势均有所提高且全域出现改善情况, 生态改善面积占比分别为99.50%和99.99%, 较2000~2010年分别提高了12.0%和12.49%；2021~2022年研究区生态环境仍处改善趋势但改善幅度减弱, 质量改善面积占比为99.82%, 低于2020~2021年（99.99%）.
2.4 生态环境质量SRSEI控制因子分析 2.4.1 单因子探测结果基于RStudio地理探测器单因子探测结果如表 5所示, 自然因素中, 植被净初级生产力（NPP）是研究区生态环境SRSEI变化中驱动力最高的控制因子, 其与PM2.5浓度多年平均q值为0.133 2和0.063 3, 在所有因子中排序2、3, 二者对SRSEI变化的驱动力强度较大；年平均气温多年q值介于0.026 9~0.080 4之间, 年平均降水量多年q值介于0.015 9~0.069 6之间, 表明气象因素相较其它因子q值较低, 对研究区SRSEI空间变化驱动力强度不高, 且年平均气温的影响力小于年平均降水量；高程因子多年份最高排序4, 平均排序7, 说明地形因素对研究区SRSEI变化无明显驱动作用.
|
|
表 5 不同年份因子探测结果 Table 5 Factor detection results in different years |
人为因素中, 土地利用方式的多年q值高于其它因子, 在所有控制因子中对SRSEI变化的驱动力最大, 表明32年来研究区生态环境变化受当地人为活动因素的影响高于自然因素.其它人为因素中, 人口密度（POP）与地区生产总值（GDP）平均排序6、8, 表明研究区SRSEI变化与人口空间分布及相关经济活动关系较弱.
所有研究年份中控制因子的驱动力强度均发生了一定变化, 多数因子的驱动力相对强度未发生较大改变, 然而近15年（2005~2020年）来植被净初级生产力（NPP）的驱动力强度持续增强, q值从2005年的0.006 4提升至2020年的0.237 2, 驱动力强度排序也由2005年的第8位上升至2020年的第1位, PM2.5浓度从2005年的第7位（0.035 7）升至2020年的第4位（0.048 9）, 根据现有政策及研究结果, 2010年以来, 国家高度重视西藏地区生态文明建设及青藏公路路域植被保护与恢复.西藏地区植被覆盖度显著提升, 结合其q值的变化可以发现, 研究区域内生态环境质量受植被净初级生产力及空气质量的影响越来越大.
2.4.2 交互探测结果地理探测器交互结果如图 7所示：与单因子比较, 青藏公路那曲至安多沿线生态环境质量SRSEI变化对任意双因子交互作用的响应更加强烈, 所有交互探测结果均属于双因子增强和非线性增强两种交互作用类型.4个研究年份中交互作用最强驱动力分别是：年均气温∩土地利用方式（2005年, q = 0.178 8）、PM2.5浓度∩土地利用方式（2010年, q = 0.273 8）和植被净初级生产力（NPP）∩土地利用方式（2015、2020年, q = 0.363 3、0.387 0）.2005~2020年所有因子交互探测结果显示：土地利用方式和植被净初级生产力（NPP）与其他因子间交互作用的驱动力明显要高于其余控制因子间的交互作用, 结合前文中单因子探测结果可以看出, 研究区SRSEI变化与这2个因子密切相关.
|
x1表示高程, x2表示年均气温, x3表示年均降水量, x4表示植被净初级生产力（NPP）, x5表示PM2.5浓度, x6表示地区生产总值（GDP）, x7表示人口密度（pop）, x8表示土地利用方式；色柱由红色至紫色表示交互作用对生态环境质量的驱动力逐渐增强 图 7 不同年份交互探测结果 Fig. 7 Interactive detection results in different years |
植被净初级生产力（NPP）与土地利用方式的交互作用对研究区SRSEI影响最大, 植被覆盖度提高对研究区生态环境治理和恢复起着关键作用.土地利用方式变化主要受城市扩张影响.因此恢复和保护当地生态环境, 要注重保护植被和合理开发利用土地资源.此外, 植被净初级生产力（NPP）与土地利用方式的交互作用在2005、2015和2020年均未呈现非线性增强的协同作用, 表明以植被净初级生产力（NPP）为代表的植被状况变化在不同人为活动背景, 尤其是在不同土地利用方式下, 对SRSEI变化的驱动力并不明显.究其原因, 应是由于国家大力在藏区及青藏公路路域进行生态环境建设和植被恢复, 因此即使当地人为活动逐年增加, 也不会对研究区生态环境改善产生遏制作用.
3 讨论 3.1 生态环境质量SRSEI时间变化特征与空间分布格局时间尺度上, 在环境变化与人为活动的双重影响下, 1990~2022年研究区生态环境质量SRSEI呈“先下降后上升”趋势.该结论同前人的研究结果一致[27], 一方面归功于研究区近年来不断增加的降水量以及充足的日照时长给植被生长提供了良好的环境条件, 促进生态环境恢复[28]；另一方面与研究区治理措施密不可分, 过去开发建设项目的动工和因人口增加等导致研究区域生态环境严重恶化.自2000年以来, 归功于“西藏生态安全屏障保护与建设”、“建设美丽西藏”、“西藏两江四河流域造林绿化”、“退化草原修复治理”和“重点区域防护林体系建设”等一系列重大林业生态工程的相继实施, 以及统筹山水林田湖草沙冰一体化保护和系统化治理、切实保护好地球第三极生态工作的开展, 促进了研究区植被恢复与生态系统修复, 从而提高了生态环境质量SRSEI.这与已有研究结果一致[29].但生态环境质量SRSEI在2005~2010年和2015~2020年持续下降（图 2）, 这主要是受青藏公路第五次改建工程和以城市扩张为代表的社会经济活动增强的影响, 从而引起的区域生态环境质量下降, 这与丁佳等[30]研究的结果一致.
空间尺度上, 研究区SRSEI整体呈“北低南高”的空间分布格局, 结合行政区划, 研究区北部为安多县城, 一方面, 北部地区平均海拔4 800 m以上, 永久冻土和高大冰川广为分布, 植被类型单一, 植被基底差, 生态环境恶劣；另一方面, 北部地区水热条件差, 降水稀少, 热量匮乏, 不利于植被生长, 加之相关的林业生态工程很难在此地发挥作用, 因此北部地区SRSEI较南部低[31].而南部为那曲市色尼区, 海拔较北部偏低, 地形以浑圆状高原丘陵为主, 植被类型较丰富, 水热条件好.虽然较北部地区人类活动强度大, 城市化进程快, 但作为地级市, 南部那曲市生态建设规划合理, 生态安全屏障构建完备, 生态保护措施得当, 林业生态工程可持续发挥较大作用, 故南部地区SRSEI高于北部地区[32].
3.2 生态环境质量SRSEI时间变异趋势1990~2022年, 从整体来看, 研究区生态环境质量SRSEI处于明显改善的趋势, 32年间先后经历“急剧恶化”、“明显改善”、“改善且趋势增加”和“改善但趋势降低”这4个阶段.这与王洁等[33]和Zhang等[34]研究的结果基本一致.1990~2000年, 研究区生态环境恶化区域面积为1 384.79km2, 占比达96.93%.通过相关研究可知1991年8月至1996年8月[35], 交通部投资8.5亿元对青藏公路的病害路段进行整治.对339.27 km的路段进行了整治和改造.改造期间不可避免地对生态系统造成负面影响.这与本文的结果相吻合.进入21世纪以来, 那曲市生态环境状况显著改善.2000~2010年生态改善面积为1 249.92 km2, 占比87.49%, 生态改善面积大于生态退化面积.这与已有研究的结果一致[36], 应是由于此阶段西藏自治区在注重公路交通发展的同时也开展公路沿线生态保护与植被恢复工作.2010~2021年得益于《西藏生态安全屏障保护与建设规划》（2010年）获得国务院批准, 青藏公路沿线生态文明建设进一步扎实推进, 公路生态环境继续保持改善且趋势增加, 该结论同前人的研究结果一致[37].结合研究区内现有生态环境的发展现状, 青藏公路那曲至安多段沿线生态环境建设下一步应当以加强土地利用方式管理、促进植被恢复和提高PM2.5浓度检测水平与空气质量为主.
3.3 不同控制因子对生态环境质量SRSEI变化的影响区域生态因素变化对生态环境质量的影响已经被广泛关注[38~41], 不同控制因子通过单因子或者与其他因子进行交互作用来对生态环境质量产生影响[42], 诸多与生态环境质量变化有关的研究表明, 不同控制因子对生态环境变化驱动力存在明显区别, 不同研究区域驱动力最强因子也有较大差别[43].在本研究中, 青藏公路那曲至安多段沿线SRSEI受自然因子与人为因子协同影响, 不同控制因子对SRSEI驱动力差异明显.
自然因子中, 植被净初级生产力（NPP）与PM2.5浓度是驱动研究区生态环境质量SRSEI变化的关键因素.该研究结果与前人一致.植被净初级生产力（NPP）与PM2.5浓度会对研究区空气质量产生影响且与区域生态敏感性、空气质量安全等都有着极为密切的关系[44], 是对SRSEI具有决定性影响的自然驱动力.因子探测结果显示, 二者对青藏公路那曲至安多段沿线生态环境质量空间分异的影响均有所提升, 与PM2.5浓度相比, 植被净初级生产力（NPP）对研究区生态环境质量SRSEI的影响更为明显.由于研究区处于青藏高原地区, 空气污染较轻, 所以植被净初级生产力（NPP）对生态环境质量空间分布可能更为重要.年均气温与年均降水量是驱动研究区生态环境质量SRSEI变化的次关键因素, 该研究结果与前人的一致.气温受太阳红外波段辐射与大气逆反射综合作用的影响, 主要通过影响植物的呼吸、光合、蒸腾等生理代谢过程来影响其生存和生长发育状况[45].与SRSEI中热度指标有直接关系, 而降水虽与植被生长、水土保持和生物群落丰富度等自然现象密切相关[46], 但个别年份的降水变化很难对生态环境造成明显影响, 此外, 青藏公路那曲至安多降水量相对稀少[47], 故热量条件可能对研究区内SRSEI空间分异更加重要并与降水发生协同作用, 应是二者对SRSEI影响不大且排序相近的原因.
人为因子中, 土地利用方式是驱动研究区生态环境质量SRSEI变化的关键因素, 同时也是包括自然因子在内的所有因子中驱动力最强的控制因子, 该研究结果与前人的一致[48].土地利用方式会直接改变地表状况, 进而引起SRSEI变化.有相关研究表明青藏公路那曲至安多段沿线生态环境质量与研究区内城市化发展及生态移民的关系最为密切.人口密度（POP）与经济生产总值（GDP）是驱动研究区生态环境质量SRSEI变化的次关键因素, 两者能够直观反映研究区内人类聚集程度与经济发展水平, 经济活动在产生GDP的同时也必然对生态环境产生影响[49].地区生产总值（GDP）因子的解释力强度在近年来均不高, 同时人口密度（POP）的驱动力强度相较于地区生产总值（GDP）增加更为明显, 一定程度说明研究区内SRSEI与人口分布的关系更为密切, 该结论同前人的研究结果一致[50].
3.4 不足与改进本研究运用GEE平台构建SRSEI并引用地理探测器对其进行驱动机制分析, 其中存在一些不足.首先本文采用的8种控制因子遥感图像分辨率不统一, 会对结果有微量影响.今后的研究尽量沿用同一分辨率影像集, 其次本研究根据研究区域特点选用了8种控制因子, 对于推广到其他人口更为密集, 经济活动更加频繁的地区有一定难度, 在以后的研究中可以加入例如夜间灯光指数进一步优化.
4 结论（1）基于GEE平台构建改进型盐渍遥感生态指数（SRSEI）, 可以高效精准地获取研究区SRSEI空间分布格局与时间变异趋势, 且与原始RSEI相比SRSEI对高寒环境下植被稀疏、盐渍化严重地区的遥感指数提取更加精确.
（2）1990~2022年青藏公路那曲至安多段沿线SRSEI时间上呈“先下降后上升”趋势, 增长幅度87.6%, 增长率约为0.015 7 a-1, 空间上呈现出“北低南高”的分布格局.生态环境处于明显改善的趋势, 生态改善面积1 425.98 km2占比99.82%.
（3）从对研究区32年间SRSEI控制因子驱动力强度分析来看, 土地利用方式是最强的单因子驱动力, 植被净初级生产力（NPP）∩土地利用方式是最强的交互驱动力.植被净初级生产力（NPP）对SRSEI的驱动力强度上升趋势明显, 表明研究区SRSEI与植被保护的关系更加密切.
| [1] | Yao T D, Thompson L, Yang W, et al. Different glacier status with atmospheric circulations in Tibetan Plateau and surroundings[J]. Nature Climate Change, 2012, 2(9): 663-667. DOI:10.1038/nclimate1580 |
| [2] |
姚檀栋, 陈发虎, 崔鹏, 等. 从青藏高原到第三极和泛第三极[J]. 中国科学院院刊, 2017, 32(9): 924-931. Yao T D, Chen F H, Cui P, et al. From Tibetan Plateau to third pole and pan-third pole[J]. Bulletin of Chinese Academy of Sciences, 2017, 32(9): 924-931. |
| [3] |
柏建坤, 王建力, 李潮流, 等. 藏北可可西里地区土壤元素背景值研究[J]. 环境科学, 2014, 35(4): 1498-1501. Bai J K, Wang J L, Li C L, et al. Study on Soil Element Background Values of the Hoh Xil Area in North Tibet[J]. Environmental Science, 2014, 35(4): 1498-1501. |
| [4] | 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 |
| [5] |
郝亚蒙. 基于遥感的三江源湖泊面积变化及影响因子分析[D]. 北京: 中国地质大学(北京), 2018. Hao Y M. Variation of lake area and its impact factors in Three-river Headwaters Region based on remote sensing[D]. Beijing: China University of Geosciences (Beijing), 2018. |
| [6] |
张宏泽, 崔文刚, 刘绥华, 等. 基于地理探测器和多源数据的耕地土壤重金属来源驱动因子及其交互作用识别[J]. 环境科学, 2023, 44(4): 2177-2191. Zhang H Z, Cui W G, Liu S H, et al. Identifying driving factors and their interacting effects on sources of heavy metal in farmland soils with geodetector and multi-source data[J]. Environmental Science, 2023, 44(4): 2177-2191. |
| [7] |
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. DOI:10.3969/j.issn.1000-6923.2013.05.019 |
| [8] | 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 |
| [9] | 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. DOI:10.1007/s11442-021-1846-8 |
| [10] |
季翔林, 阎跃观, 郭伟, 等. 耦合遥感生态指数模型的山西省及规划矿区生态环境评价[J]. 煤田地质与勘探, 2023, 51(3): 103-112. Ji X L, Yan Y G, Guo W, et al. Ecological environment assessment of Shanxi Province and planned mining area based on coupling remote sensing ecological index (RSEI) model[J]. Coal Geology & Exploration, 2023, 51(3): 103-112. |
| [11] |
田智慧, 尹传鑫, 王晓蕾. 鄱阳湖流域生态环境动态评估及驱动因子分析[J]. 环境科学, 2023, 44(2): 816-827. Tian Z H, Yin C X, Wang X L. Dynamic monitoring and driving factors analysis of ecological environment quality in Poyang Lake basin[J]. Environmental Science, 2023, 44(2): 816-827. |
| [12] |
罗镕基, 王宏涛, 王成. 基于改进遥感生态指数的甘肃省古浪县生态质量评价[J]. 干旱区地理, 2023, 46(4): 539-549. Luo R J, Wang H T, Wang C. Ecological quality evaluation of Gulang County in Gansu Province based on improved remote sensing ecological index[J]. Arid Land Geography, 2023, 46(4): 539-549. |
| [13] |
张静, 杨丽萍, 贡恩军, 等. 基于谷歌地球引擎和改进型遥感生态指数的西安市生态环境质量动态监测[J]. 生态学报, 2023, 43(5): 2114-2127. Zhang J, Yang L P, Gong E J, et al. Dynamic monitoring of eco-environmental quality in Xi'an based on GEE and adjusted RSEI[J]. Acta Ecologica Sinica, 2023, 43(5): 2114-2127. |
| [14] | Huete A R. A soil-adjusted vegetation index (SAVI)[J]. Remote Sensing of Environment, 1988, 25(3): 295-309. DOI:10.1016/0034-4257(88)90106-X |
| [15] | Forman R T T, Friedman D S, Fitzhenry D, et al. Ecological effects of roads: Toward three summary indices and an overview for North America[A]. Habitat Fragmentation and Infrastructure[C]. The Netherlands: Ministry of Transport, Public Works and Water Management, 1998. 207-231. |
| [16] | Forman R T T. Estimate of the area affected ecologically by the road system in the United States[J]. Conservation Biology, 2000, 14(1): 31-35. DOI:10.1046/j.1523-1739.2000.99299.x |
| [17] |
李晓宝, 廖祖文, 赵红, 等. 高速公路沿线PM2.5中重金属污染特征[J]. 环境科学, 2019, 40(9): 3916-3923. Li X B, Liao Z W, Zhao H, et al. Huang P. Pollution characteristics of heavy metals in PM2.5 near highway[J]. Environmental Science, 2019, 40(9): 3916-3923. |
| [18] |
彭宇. 山区高速公路生态环境评价理论与方法研究[D]. 重庆: 重庆交通大学, 2016. Peng Y. Expressway ecological environment evaluation theory and method[D]. Chongqing: Chongqing Jiaotong University, 2016. |
| [19] |
姜俊狄, 李嘉, 陈焱明, 等. 适用于秋冬季节RSEI的三峡库区生态质量评估[J]. 测绘通报, 2023(10): 14-19. Jiang J D, Li J, Chen Y M, et al. Ecological quality assessment of the Three Gorges Reservoir area for fall and winter RSEI[J]. Surveying and Mapping Bulletin, 2023(10): 14-19. |
| [20] | Ali Baig M H, Zhang L F, Shuai T, et al. Derivation of a tasselled cap transformation based on Landsat 8 at-satellite reflectance[J]. Remote Sensing Letters, 2014, 5(5): 423-431. DOI:10.1080/2150704X.2014.915434 |
| [21] | Van Nguyen O, Kawamura K, Trong D P, et al. Temporal change and its spatial variety on land surface temperature and land use changes in the Red River Delta, Vietnam, using MODIS time-series imagery[J]. Environmental Monitoring and Assessment, 2015, 187(7): 464. DOI:10.1007/s10661-015-4691-3 |
| [22] |
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. Creation of an urban remote sensing ecological index and its application[J]. Acta Ecologica Sinica, 2013, 33(24): 7853-7862. |
| [23] | Khan N M, Rastoskuev V V, Sato Y, et al. Assessment of hydrosaline land degradation by using a simple approach of remote sensing indicators[J]. Agricultural Water Management, 2005, 77(1-3): 96-109. DOI:10.1016/j.agwat.2004.09.038 |
| [24] |
徐涵秋, 邓文慧. MRSEI指数的合理性分析及其与RSEI指数的区别[J]. 遥感技术与应用, 2022, 37(1): 1-7. Xu H Q, Deng W H. Rationality analysis of MRSEI and its difference with RSEI[J]. Remote Sensing Technology and Application, 2022, 37(1): 1-7. |
| [25] | Shi T Z, Hu Z W, Shi Z, et al. Geo-detection of factors controlling spatial patterns of heavy metals in urban topsoil using multi-source data[J]. Science of the Total Environment, 2018, 643: 451-459. DOI:10.1016/j.scitotenv.2018.06.224 |
| [26] |
王芳, 李文慧, 林妍敏, 等. 1990~2020年黄河流域典型生态区生态环境质量时空格局及驱动力分析[J]. 环境科学, 2023, 44(5): 2518-2527. Wang F, Li W H, Lin Y M, et al. Spatiotemporal pattern and driving force analysis of ecological environmental quality in typical ecological areas of the Yellow River basin from 1990 to 2020[J]. Environmental Science, 2023, 44(5): 2518-2527. |
| [27] |
刘洋洋, 章钊颖, 同琳静, 等. 中国草地净初级生产力时空格局及其影响因素[J]. 生态学杂志, 2020, 39(2): 349-363. Liu Y Y, Zhang Z Y, Tong L J, et al. Spatiotemporal dynamics of China's grassland NPP and its driving factors[J]. Chinese Journal of Ecology, 2020, 39(2): 349-363. |
| [28] |
王小丹, 程根伟, 赵涛, 等. 西藏生态安全屏障保护与建设成效评估[J]. 中国科学院院刊, 2017, 32(1): 29-34. Wang X D, Cheng G W, Zhao T, et al. Assessment on protection and construction of ecological safety shelter for Tibet[J]. Bulletin of Chinese Academy of Sciences, 2017, 32(1): 29-34. |
| [29] |
陈舒婷, 郭兵, 杨飞, 等. 2000-2015年青藏高原植被NPP时空变化格局及其对气候变化的响应[J]. 自然资源学报, 2020, 35(10): 2511-2527. Chen S T, Guo B, Yang F, et al. Spatial and temporal patterns of NPP and its response to climate change in the Qinghai-Tibet Plateau from 2000 to 2015[J]. Journal of Natural Resources, 2020, 35(10): 2511-2527. |
| [30] |
丁佳, 刘星雨, 郭玉超, 等. 1980-2015年青藏高原植被变化研究[J]. 生态环境学报, 2021, 30(2): 288-296. Ding J, Liu X Y, Guo Y C, et al. Study on vegetation change in the Qinghai-Tibet Plateau from 1980 to 2015[J]. Ecology and Environmental Sciences, 2021, 30(2): 288-296. |
| [31] |
刘杰, 汲玉河, 周广胜, 等. 2000-2020年青藏高原植被净初级生产力时空变化及其气候驱动作用[J]. 应用生态学报, 2022, 33(6): 1533-1538. Liu J, JI Y He, Zhou G S, et al. Temporal and spatial variations of net primary productivity (NPP) and its climate driving effect in the Qinghai-Tibet Plateau, China from 2000 to 2020[J]. Chinese Journal of Applied Ecology, 2022, 33(6): 1533-1538. |
| [32] |
王玉琦. 21世纪青藏高原植被变化的预测[D]. 南京: 南京信息工程大学, 2018. Wang Y Q. Projected future changes in vegetation over the Tibetan Plateau in the twenty-first century[D]. Nanjing: Nanjing University of Information Science and Technology, 2018. |
| [33] |
王洁, 摆万奇, 田国行. 青藏高原景观生态风险的时空特征[J]. 资源科学, 2020, 42(9): 1739-1749. Wang J, Bai W Q, Tian G X. Spatiotemporal characteristics of landscape ecological risks on the Tibetan Plateau[J]. Resources Science, 2020, 42(9): 1739-1749. |
| [34] | Zhang X Z, Li M, Wu J S, et al. Alpine grassland aboveground biomass and theoretical livestock carrying capacity on the Tibetan Plateau[J]. Journal of Resources and Ecology, 2022, 13(1): 129-141. |
| [35] |
莫兴国, 刘文, 孟铖铖, 等. 青藏高原草地产量与草畜平衡变化[J]. 应用生态学报, 2021, 32(7): 2415-2425. Mo X G, Liu W, Meng C C, et al. Variations of forage yield and forage-livestock balance in grasslands over the Tibetan Pla-teau, China[J]. Chinese Journal of Applied Ecology, 2021, 32(7): 2415-2425. |
| [36] |
冯雨晴. 青藏高原冰川冻土变化及其生态与水文效应研究——以黄河源、雅鲁藏布江流域和冻土退化带为典型区[D]. 北京: 中国地质大学(北京), 2020. Feng Y Q. Changes of glaciers and permafrost in Qinghai-Tibet Plateau and their ecological and hydrological effects-take the Yellow River source, Brahmaputra river basin and permafrost degradation turning Zone as typical study region[D]. Beijing: China University of Geosciences (Beijing), 2020. |
| [37] |
张晓瑶, 陆林, 虞虎, 等. 青藏高原土地利用变化对生态系统服务价值影响的多情景模拟[J]. 生态学杂志, 2021, 40(3): 887-898. Zhang X Y, Lu L, Yu H, et al. Multi-scenario simulation of the impacts of land-use change on ecosystem service value on the Qinghai-Tibet Plateau[J]. Chinese Journal of Ecology, 2021, 40(3): 887-898. |
| [38] |
傅伯杰, 欧阳志云, 施鹏, 等. 青藏高原生态安全屏障状况与保护对策[J]. 中国科学院院刊, 2021, 36(11): 1298-1306. Fu B J, Ouyang Z Y, Shi P, et al. Current condition and protection strategies of Qinghai-Tibet Plateau ecological security barrier[J]. Bulletin of Chinese Academy of Sciences, 2021, 36(11): 1298-1306. |
| [39] | Huss M, Hock R. Global-scale hydrological response to future glacier mass loss[J]. Nature Climate Change, 2018, 8(2): 135-140. DOI:10.1038/s41558-017-0049-x |
| [40] | Huang W J, Duan W L, Chen Y N. Unravelling lake water storage change in Central Asia: Rapid decrease in tail-end lakes and increasing risks to water supply[J]. Journal of Hydrology, 2022, 614. DOI:10.1016/j.jhydrol.2022.128546 |
| [41] | Deng H J, Chen Y N. Influences of recent climate change and human activities on water storage variations in Central Asia[J]. Journal of Hydrology, 2017, 544: 46-57. DOI:10.1016/j.jhydrol.2016.11.006 |
| [42] |
张伟, 杜培军, 郭山川, 等. 改进型遥感生态指数及干旱区生态环境评价[J]. 遥感学报, 2023, 27(2): 299-317. Zhang W, Du P J, Guo S C, et al. Enhanced remote sensing ecological index and ecological environment evaluation in arid area[J]. Journal of Remote Sensing, 2023, 27(2): 299-317. |
| [43] | Hu C, Song M, Zhang A L. Dynamics of the eco-environmental quality in response to land use changes in rapidly urbanizing areas: A case study of Wuhan, China from 2000 to 2018[J]. Journal of Geographical Sciences, 2023, 33(2): 245-265. DOI:10.1007/s11442-023-2081-2 |
| [44] |
杨欣, 杨元琴, 李红, 等. 基于气象条件指数的我国重点区域PM2.5和臭氧复合污染气象影响评估[J]. 环境科学, 2022, 44(12): 6433-6440. Yang X, Yang Y Q, Li H, et al. Meteorological impact assessment of PM2.5 and O3 complex pollution in key regions of China based on meteorological conditions index[J]. Environmental Science, 2022, 44(12): 6433-6440. |
| [45] |
苏天成, 王姚瑶, 向琳, 等. 营林措施对成都绕城高速路域杨树人工林群落结构和物种多样性的影响[J]. 应用与环境生物学报, 2022, 28(5): 1144-1150. Su T C, Wang Y Y, Xiang L, et al. Effects of forest management on community structure and species diversity in poplar plantations of the Chengdu ring expressway area[J]. Chinese Journal of Applied and Environmental Biology, 2022, 28(5): 1144-1150. |
| [46] |
王泰华, 杨大文. 2001-2020年三江源冻土区植被物候变化特征分析[J]. 冰川冻土, 2023, 45(2): 1-13. Wang T H, Yang D W. Variation characteristics of vegetation phenology during 2001-2020 on the frozen ground zone of the Three-River source region[J]. Journal of Glaciology and Geocryology, 2023, 45(2): 1-13. |
| [47] |
田立德, 姚檀栋, 沈永平, 等. 青藏高原那曲河流域降水及河流水体中氧稳定同位素研究[J]. 水科学进展, 2002, 13(2): 206-210. Tian L D, Yao T D, Shen Y P, et al. Study on stable isotope in river water and precipitation in Naqu River basin, Tibetan Plateau[J]. Advances in Water Science, 2002, 13(2): 206-210. |
| [48] | Chen C, Park T, Wang X H, et al. China and India lead in greening of the world through land-use management[J]. Nature Sustainability, 2019, 2(2): 122-129. |
| [49] |
李思雅, 梁伟, 吕一河, 等. 黄河流域经济发展与生态环境压力的脱钩关系及驱动效应分析[J/OL]. 生态学报, 2023, 43(13). https://www.ecologica.cn/stxb/article/abstract/stxb202206091640, 2023-03-07. Li S Y, Liang W, Lv Y H, et al. Decoupling relationship and driving effect between economic development and eco-environmental pressure in the Yellow River Basin[J/OL]. Acta Ecologica Sinica, 2023, 43(13). https://www.ecologica.cn/stxb/article/abstract/stxb202206091640, 2023-03-07. |
| [50] |
蒋焕洲, 刘娇. 西藏经济社会发展与生态环境耦合协调研究[J]. 山西师范大学学报(自然科学版), 2023, 37(1): 104-111. Jiang H Z, Liu J. Study on the coupling coordinating of economic society development and ecological environment in Tibet autonomous region[J]. Journal of Shanxi Normal University (Natural Science Edition), 2023, 37(1): 104-111. |