2024, Vol. 45
2. 新疆大学新疆绿洲生态重点实验室, 乌鲁木齐 830017
2. Xinjiang Key Laboratory of Oasis Ecology, Xinjiang University, Urumqi 830017, China
绿洲是干旱区独有的地理单元, 具有地域性、水源性、脆弱性和高效率的特征[1].在我国, 绿洲集中了干旱区超过90%的人口与95%以上的社会财富[2].绿洲生态环境脆弱, 极易受到人类活动扰动, 一旦绿洲生态环境遭到严重破坏, 旱区人类社会将无法维继[3].维持绿洲的稳定性是干旱区人类生存发展的基本要求[4, 5], 因此, 及时准确地对绿洲生态环境质量评估, 掌握其变化情况对于调整人类开发行为, 保护绿洲生态环境具有重要作用.
由于绿洲地面观测站点少, 生态环境相关的历史记录欠缺, 绿洲区域的生态环境状况监测难度较大.随着遥感信息技术的发展, 遥感数据越来越多地被应用于生态环境质量的评估之中, 相比传统统计与数据调查方法, 遥感数据可以以低成本获取高质量、交通不便区域的数据[6], 为生态质量与环境变化的实时监测提供了条件.采用遥感反演的地表生物物理参数可以有效表征特定生态环境的状况, 如表示植被生长状况的归一化植被指数（normalized difference vegetation index, NDVI）[7], 表示植物冠层结构的叶面积指数（leaf area index, LAI）[8], 表示地表水分状况的归一化水体指数（modified normalized difference water index, MNDWI）[9]等.除采用单一指数外, 学者们也结合地面观测、社会经济等多种与生态环境有关的指标, 建立生态环境质量评价体系来综合评价生态环境状况[10, 11], 如“驱动-压力-状态-影响-响应”模型（driving-pressure-state-impact-response, DPSIR）[12]、生态系统服务和权衡的综合评估模型（integrated valuation of ecosystem services and trade-offs, InVEST）[13]和生态脆弱性评估模型（natural oasis ecological vulnerability assessment model, NOEV）[14]等, 这些指数在应用时容易面临结构复杂、只能表征部分生态环境状况、不同地区指标设置权重的不同和某些地区地面观测数据缺乏的问题, 而且遥感数据与地面数据来源不同, 社会经济统计数据也难以栅格化, 这些因素都会影响模型应用的普适性.徐涵秋[15]利用遥感影像数据, 结合主成分分析以及与生态环境质量密切相关的绿度、湿度、干度和热度指标, 创建了遥感生态指数（remote sensing ecological index, RSEI）, 该指数指标全部来源于遥感数据, 且不需要人为设置权重, 提高了生态环境质量评价的客观性、时效性和准确性[16].目前RSEI已广泛应用于不同区域生态环境质量评价与监测[17 ~ 19], 由于RSEI具有避免单一指标特征带来的权重定义偏差, 结果可视化程度高并能获取单元范围内评价结果的优势[20], 在生态脆弱的绿洲区域应用逐渐增加[21 ~ 23].土地利用/土地覆被变化（land use/cover change, LUCC）直接且客观地记录了人类活动对下垫面和地表景观的改变过程, 对绿洲环境演变和生态安全具有决定性作用[24, 25].因此, 将RSEI与LUCC相结合, 可对绿洲生态环境质量进行更综合全面的评价.
经济社会发展与生态环境保护的平衡是绿洲可持续发展的关键[26].奇台绿洲因其深厚的土层和充足的水源为农业活动提供了良好的条件.上世纪80年代之后, 奇台绿洲开始了大规模的农业开发, 耕地面积不断扩张, 绿洲土地利用不断强化, 但也因为盲目农业开发、超采地下水等不合理的土地开发利用, 带来了土壤次生盐渍化、地下水位下降和土地沙化等环境问题[27].本文选取奇台绿洲2001~2022年期间的Landsat影像, 基于LUCC和RSEI评估了农业开发下奇台绿洲生态环境质量及其时空变化, 分析了RSEI在干旱区绿洲生态环境监测中的适用性和不足, 并利用地理探测器分析影响奇台绿洲RSEI变化的原因, 以期为该区域生态文明建设和可持续发展提供参考.
1 材料与方法 1.1 研究区概况奇台县地处新疆东北部（89°13′~91°22′E, 42°25′~45°29′N）, 海拔506~4 014 m, 县域由南向北包括山地、绿洲、沙漠和戈壁等不同地理单元.奇台绿洲（图 1）位于该县的中南部平原区, 北接古尔班通古特沙漠, 南临天山山脉, 面积2 750 km2, 属于温带大陆性干旱半干旱气候, 年均温4.7℃, 年平均降水量176 mm[28], 土质宜耕, 耕作历史悠久, 是我国重要的商品粮基地.
|
图 1 研究区示意 Fig. 1 Schematic of the research area |
使用Landsat5的TM和Landsat8的OLI/TIRS影像作为数据源（USGS, https://earthexplorer.usgs.gov）, 空间分辨率30 m.为保证数据的可对比性, 选择时相尽可能一致、无云和卫星过境前一周内无降水的影像, 共筛选出2001年6月10日、2007年6月27日、2014年6月14日和2022年6月12日植物生长最为茂盛的4期影像数据用于分析.遥感影像的预处理包括辐射校正和大气校正.LUCC数据来源于中国年度土地覆盖数据集（annual china land cover dataset, CLCD）[29], 空间分辨率30 m, 与遥感影像数据相同.生态环境空间变化的影响因素分析中使用的其他相关数据来源见表 1.
|
表 1 因素分析数据来源 Table 1 Factor analysis data sources |
1.3 研究方法 1.3.1 遥感生态指数RSEI的构建
RSEI基于绿度、湿度、干度和热度4个指标, 通过主成分分析（PCA）耦合而成, 由于指标数据全部来源于遥感数据, 且不需要设置权重, 具有较强的客观性与可对比性, RSEI表达式为[32]：
|
(1) |
式中, greenness为绿度, wetness为湿度, dryness为干度, heat为热度.
绿度是由归一化植被指数（NDVI）表示；湿度利用遥感影像缨帽变换获得的湿度分量Wet表示；干度由归一化差异裸土指数（normalized difference built-up soil index, NDBSI）表示, 其由建筑指数（index-based built-up index, IBI）与裸土指数（soil index, SI）组成.热度由地表温度（LST）表示, 本文通过大气校正法反演地表温度来获得LST, 4个指标的计算公式见文献[33].
因此, RSEI可以通过下式表示：
|
(2) |
计算RSEI前需通过归一化水体指数（MNDWI）进行水体掩膜以避免水域对于RSEI主成分分析时的影响[15].
1.3.2 指标百分位去噪与整体归一化由于各个指标的维度不同, 直接进行主成分转换将产生权重偏差, 需要对各个指标进行标准化操作, 采用整体归一化进行指标标准化, 将4个时期中的整体最大值以及整体最小值引入归一化公式进行计算.此外, 个别极高与极低的噪声对于归一化后的数据有较大影响, 因此采用百分位去噪归一化, 将各指标数值按照2%去除高值和低值噪声, 去除噪声后的最小值设为指标整体最小值, 最大值设置为指标整体最大值.归一化公式为：
|
(3) |
式中, NIi为指标归一化的值, Ii为指标像元值, Imin为各指标整体最小值, Imax为各指标整体最大值.
根据RSEI各指标对环境影响的方向性, 用1减去主成分分析得出的结果[32]：
|
(4) |
RSEI0计算完成后, 也需要进行整体正规范化至[0, 1]之间, 因此最终的RSEI计算结果见下式：
|
(5) |
式中, RSEImin为RSEI0的整体最小值, RSEImax为RSEI0的整体最大值.
1.3.3 空间自相关分析空间自相关分析是能够检验因子与其空间邻近位置是否存在相关现象的指标[34], 生态环境质量的空间相关性能够表现其在空间分布上的同质性[35].本文分别利用全局空间自相关（global Moran's I）与局部空间自相关（local Moran's I）对RSEI进行分析.
全局空间自相关（global Moran's I）反映相邻近的空间单元像元值的相关性[36], 其计算公式如下：
|
(6) |
式中, N为元素的完整个数, Xi为i位置的生态环境质量的值, X为研究区域内所有元素的生态环境质量的平均值, wij为空间权重, Moran's I的值范围为[-1, 1].Moran's I越接近1, 生态质量的空间正相关越强, 越接近-1则生态质量的空间负相关性更强, 0则表明没有空间自相关.
局部空间自相关（local Moran's I）反映整体空间中局部位置内空间单元像元值的相关性[37], 其计算公式如下：
|
(7) |
其代数含义与global Moran's I公式相同.
通过局部空间自相关（local Moran's I）生成LISA聚类图, 以95%的显著性检验显示局部空间聚类, 聚类类型分别为：高-高、低-低、高-低、低-高和不显著.高-高聚类表示生态质量高值区域周围也是生态质量高值, 低-低聚类则为区域及邻近单元的生态质量值均为低值, 高-低聚类为目标区域生态质量为高值[38], 但周围为低值, 低-高为目标区域生态质量为低值, 周围为高值[39].
根据研究区的景观格局和分布范围, 按1 km × 1 km创立格网, 并对格网中心点进行重采样, 每期RSEI提取2 762个样点进行空间自相关分析以解释RSEI在空间上的依赖性.
1.3.4 地理探测器地理探测器可以发现自变量不同分层下因变量的空间异质性, 并能够解释其背后驱动力, 与传统统计方法相比, 具有不受因子变量类别及维度影响的优势[40].地理探测器的单因子探测可以探测影响因子空间变化对于因变量空间分异的解释程度[41].其计算公式如下：
|
(8) |
式中, L为变量Y或因子X的分层总数；Nh和N分别为层h和整个区域的单元数；σh2和σ2分别为层h和整个区域因变量的方差.q值范围在[0, 1], q值越大说明因子的空间分布变化对于因变量空间分布变化的解释能力越强, 因子对于因变量的影响也就越大.
2 结果与分析 2.1 奇台绿洲土地覆盖变化奇台绿洲2001年、2007年、2014年和2022年土地覆盖空间分布如图 2所示, 土地覆盖类型以耕地和草地为主, 其次为裸地与不透水面, 水体与森林面积很少.耕地在绿洲各区分布广泛, 草地主要分布于绿洲北部与南部, 裸地分布于绿洲北部靠近沙漠的区域以及部分干涸的河道, 不透水面则主要分布在建城区.
|
图 2 奇台绿洲土地覆盖类型空间分布 Fig. 2 Spatial distribution of land cover types in Qitai Oasis |
奇台绿洲各年份土地覆盖面积如表 2所示.耕地面积先增后降, 2001~2014年期间从1 283.514 km2增加到1 551.561 km2, 增加了268.047 km2, 2014~2022年期间则减少129.424 km2, 草地的变化与耕地相反, 2001~2014年持续减少, 2014~2022年转为增加.2001~2007年裸地趋于减少, 但2014~2022年出现了大幅增加, 增加了106.769 km2.不透水面主要为建成区, 2001~2022年其面积呈现出持续增加态势.整个绿洲土地覆盖状况变动幅度最大的地区为绿洲北部（图 2）, 主要表现为2001~2014年绿洲北部草地被开垦为耕地, 而在2022年这些增加的耕地有一部分重新转变为草地, 毗邻古尔班通古特沙漠边缘的草地则变为了裸地.
|
|
表 2 奇台绿洲土地覆盖类型面积变化/km2 Table 2 Area variations of land cover types in Qitai Oasis/ km2 |
2.2 奇台绿洲RSEI主成分分析 2.2.1 主成分分析结果
对奇台绿洲2001年、2007年、2014年和2022年的NDVI、Wet、NDBSI和LST进行主成分分析, 4个年份的第一主成分PC1特征贡献率分别为92.500%、91.995%、93.111%和94.134%（表 3）, PC1的特征贡献率均在90%以上, 故可利用PC1表征RSEI.4个年份中, 代表环境质量好的绿度、湿度对应的NDVI、Wet特征向量均为正值, 而代表环境质量差的干度、热度对应的NDBSI与LST特征向量则为负值, 符合实际情况.此外, 各年份载荷最大的指标均为NDBSI（0.570~0.618）, 其次是NDVI（0.555~0.579）, 二者远高于Wet（0.363~0.446）和LST（0.340~0.413）, 说明在奇台绿洲, 干度和绿度对生态环境质量起主导作用, NDBSI对生态环境的影响略高于NDVI.
|
|
表 3 主成分分析的PC1结果 Table 3 PC1 results of principal component analysis |
2.2.2 RSEI的验证
基于1 km×1 km的2 762个网格点, 提取了RSEI及NDVI、Wet、NDBSI和LST值并分别将RSEI、NDVI和Wet值投影到一个三维空间, 将RSEI、NDBSI和LST值投影至另一个三维空间, 建立RSEI、NDVI和Wet的3D散点图以及RSEI、NDBSI和LST的3D散点图, 以获得每个指标与RSEI的关系.结果如图 3所示, RSEI值越高的点对应NDVI与Wet值也越高, 而NDBSI与LST值则越低, RSEI与NDVI和Wet表现出明显的正相关关系, 与NDBSI和LST具有明显的负相关关系.
|
图 3 RSEI与NDVI、Wet的3D散点图和RSEI与NDBSI、LST的3D散点图 Fig. 3 3D scatter plot of RSEI, NDVI, and Wet and 3D scatter plot of RSEI, NDBSI, and LST |
对RSEI以[0, 0.2]、（0.2, 0.4]、（0.4, 0.6]、（0.6, 0.8]和（0.8, 1]为分割标准将奇台绿洲环境质量划分为差、较差、中等、良和优共5个等级, 用于评定奇台绿洲生态环境的质量, 奇台绿洲各年份生态环境质量空间分布如图 4所示, RSEI值大致呈现出南北低中间高的空间分布格局.等级为差的区域主要分布在北部与南部, 北部区域由于靠近古尔班通古特沙漠, 多为稀疏植被与裸地, 西南区域为干涸的冲沟和河床, 生态环境质量较差.等级为良与优的区域大多分布在绿洲中部与东南角, 主要为耕地与草地, 东南角区域属天山北坡山前草地与旱田, 植被覆盖较好, 生态环境质量较好.
|
图 4 奇台绿洲RSEI时空分布 Fig. 4 Temporal and spatial distribution of RSEI in Qitai Oasis |
图 5为奇台绿洲各年份RSEI均值以及不同生态环境质量等级所占比例.奇台绿洲2001年、2007年、2014和2022年RSEI均值分别为0.392、0.423、0.452和0.438, RSEI在2001~2014年期间逐渐上升, 在2014~2022年期间下降, 整体上2001~2022年, 奇台绿洲RSEI表现为增加.奇台绿洲等级为差与较差的面积之和在各时期均大于50%, 说明整体环境质量较差.等级为优的面积最小, 但呈持续增加趋势, 其2001年的面积占比为5.924%, 到2022年增加到了15.498%, 增加了近10%.等级为良的面积整体减少, 但是变化幅度不大.等级为中等的区域面积先增后减.而较差等级在4个年份均有着较高的面积占比, 平均为30.921%, 在2001~2014年呈持续增加态势, 2014~2022年则有较大幅度的减少, 减少后面积占比已低于2001年, 等级为差的面积变化则相反, 其在2001~2014年从29.257%持续减少到13.308%后, 2022年又大幅度增加到26.796%.
|
图 5 奇台绿洲RSEI各生态环境质量等级面积占比 Fig. 5 Area proportions of each ecological environment quality level of RSEI in Qitai Oasis |
根据奇台绿洲RSEI等级变化进行分类：RSEI等级降低二级及以上为生态环境质量显著恶化, 降低一级为轻度恶化, 等级变化为0则为不变, 等级增加一级为轻度改善, 等级增加二级及以上为显著改善.奇台绿洲生态环境质量2001~2007年、2007~2014年、2014~2022年和2001~2022年的RSEI变化趋势结果如表 4所示, 各时段发生变化区域的面积均超过50%, 未发生变化的区域平均占比为44.014%, 轻度改善区域平均占比为20.242%, 轻度恶化为17.140%, 显著改善为10.472%, 显著恶化为8.133%.从2001~2022年整体来看, 奇台绿洲生态环境质量表现为改善的面积占比35.017%, 恶化面积为21.576%, 整体生态环境质量趋于改善.但需要注意的是, 2014~2022年的RSEI出现了较为剧烈的变化, 较上一个时段, 不变和轻度改善区域的面积占比明显下降, 分别下降了7.745%和7.175%, 轻度恶化和显著恶化的面积占比则显著上升, 分别上升了8.627%和4.357%.
|
|
表 4 2001~2022年奇台绿洲RSEI水平变化检测 Table 4 Detection of RSEI level changes in Qitai Oasis from 2001 to 2022 |
奇台绿洲生态质量空间变化趋势如图 6所示.2001~2007年, 奇台绿洲轻度改善区域多位于绿洲南部, 而明显改善区域则位于西北角与东北部, 恶化区域较为分散.2007~2014年, 奇台绿洲的西北部生态环境质量改善较为显著.2014~2022年奇台绿洲生态环境质量变化剧烈, 西北部与东南部都出现了较多的显著恶化区域.改善区域向中部农田区域集中.整体来看, 奇台绿洲2001~2022年明显恶化区域主要散布于绿洲外围, 改善区域集中分布于中部的农田区域.
|
图 6 2001~2022年奇台绿洲生态环境质量变化趋势 Fig. 6 Changing trend of ecological environment quality in Qitai Oasis from 2001 to 2022 |
全局空间自相关计算的各年份Moran's I指数以及局部空间自相关的LISA聚类结果如图 7所示, 奇台绿洲各年份RSEI的Moran's I指数分别为0.342、0.317、0.274和0.381, 均通过P < 0.05的显著性检验, 说明奇台绿洲RSEI存在显著的空间正自相关性, 2001~2014年, Moran's I指数逐渐降低, RSEI的空间集聚性减弱, 而2022年Moran's I指数相比于2014年显著升高, 且高于其他任何时期, 说明2014~2022年期间奇台绿洲RSEI空间集聚明显增强.在整个研究期间, 奇台绿洲RSEI聚类类型以不显著、高-高和低-低为主, 高-高聚类为生态环境质量好的类型聚集, 主要分布于农田区域, 低-低聚类为生态环境质量差的类型聚集, 主要分布于北部稀疏草地和裸地.整体上2001~2014年期间高-高聚类面积与空间分布特征无明显变化, 2014~2022年期间高-高聚类面积有所增加且明显向研究区中部聚集.相较于2001年, 低-低聚类在2007和2014年有明显的减少, 减少原因是部分草地被开垦为耕地, 绿度增加温度降低, 生态环境质量相对改善, 2022年期间, 低-低聚类范围出现增加, 增加的区域主要分布在与古尔班通古特沙漠毗邻的绿洲北部边缘.此外, 2001~2014年东南角区域分布的高-高聚类在2022年几乎消失, 变为不显著区域.
|
图 7 奇台绿洲RSEI的LISA聚类图 Fig. 7 LISA cluster diagram of RSEI in Qitai Oasis |
利用地理探测器对奇台绿洲RSEI空间分布的异质性进行因素分析, 选取了海拔、坡度、年均温和年降雨这4个自然因子和土地覆盖、人口密度和人均耕地这3个社会因子, 进行了单因子检测, 结果如表 5所示.在代表影响程度的q值中, 除了2007年的年均温q值为0.115外, 其他时期各自然因子的q值均低于0.1, 说明该区域地形与气候对RSEI空间异质性没有明显的影响, 而在社会因子中, 人口密度与人均耕地q值较低, 且人均耕地的q值在2014年与2022年未通过P < 0.05的验证, 二者对生态环境无明显影响, 但土地覆盖各期q值均大于0.3, 说明各个时期的土地覆盖情况对生态环境都具有明显影响.相较于其他年份, 2022年土地覆盖的q值增加到了0.515, 人类活动对研究区生态环境的影响明显上升.
|
|
表 5 单因素检测结果 Table 5 Single-factor detection results |
3 讨论 3.1 奇台绿洲RSEI空间分布的影响因素
海拔、坡度、年均温和年降水被常常被认为是对生态环境有重大影响的因子[42], 但在奇台绿洲, 北部为邻近沙漠的平原, 南部为缓坡冲积扇, 地势平坦, 地形对于当地的生态环境影响很小.气温和降水对于生态环境的空间分布没有明显的影响的原因可能是, 干旱区的绿洲均为灌溉农业, 作物绿度基本不受降水影响, 草地中的天然植被多以耐旱、耐盐植物为主, 如盐节木、梭梭等, 它们叶片退化, 绿度低, 生长稀疏, 在年蒸发量达2 141 mm, 而年均降水不足200 mm的环境中, 这些天然植被依赖地下水生存, 对降水的响应不明显.因此, 对于奇台绿洲而言, 人类活动引起的土地覆盖变化是生态环境变化的最大影响因素, 这与Ju等[43]的研究结果一致.
表 6为奇台绿洲各时期不同土地覆盖类型的RSEI均值, RSEI值由大到小顺序为耕地、草地、不透水面和裸地, 除耕地处于较高的RSEI值以外, 草地、裸地和不透水面的RSEI值均很低, 这说明, 如果奇台绿洲耕地面积扩大, 整体RSEI值会明显上升, 草地与裸地增加时, RSEI值则会下降.建成区面积很小, 不透水面对整体RSEI影响不大.
|
|
表 6 奇台绿洲不同土地覆盖类型的RSEI均值 Table 6 Mean RSEI values for different land cover types in Qitai Oasis |
3.2 RSEI在干旱区绿洲的适用性 3.2.1 RSEI在干旱区绿洲生态环境监测中应用的优势
RSEI综合了与生态环境状况密切相关的绿度、湿度、干度和热度指标, 能够客观地反映地表生态环境状况变化, 是目前广泛应用的一种生态环境质量评估方法.本研究中, RSEI的第一主成分PC1在各个时期特征贡献率均超过90%, 能较好地反映于奇台绿洲生态环境质量现状及其已发生的变化, 因此, RSEI具有良好地对生态环境质量进行客观评估的能力.目前, 利用RSEI评估地区生态环境质量都是利用各研究区指标的最大最小值进行归一化后拟合, 所得结果只适用于该地区的生态质量评估, 未来可考虑建立同类型区域（如干旱地区）的RSEI评价体系, 同类型区域归一化时采用统一的适应该类型区域生态环境质量的阈值进行归一化, 以便进行自然环境背景相似的不同区域之间生态环境质量的对比研究.
3.2.2 RSEI在绿洲生态环境监测应用中需注意的问题LUCC是奇台绿洲RSEI空间分布及其变化的主要影响因素, 奇台绿洲生态环境质量最好的区域为耕地区域, 2001~2014年期间, 奇台绿洲RSEI值的上升有相当一部分原因是由于农业开发下的耕地面积扩大, 农作物生长期较高的NDVI与Wet值使得RSEI值升高.LUCC引起的水资源再分配对RSEI变化的影响更应该引起重视, 这种影响在奇台绿洲已有一定的展现：2001~2014年奇台绿洲耕地面积增加268.05 km2（表 2）, 期间RSEI值持续上升（图 5）, 但当地地下水位却持续下降[44], 为了节约水资源, 改变地下水超采状况, 近10年来, 当地大面积普及了节水灌溉和以水定地, 对绿洲北部一些耕地实行了退耕还草, 尽管2022年的RSEI值仍然好于2001年和2007年, 但在原本地下水位最高的、与沙漠毗邻的绿洲北部, 由于地下水位大幅下降, 2022年有大面积的草地变为了裸地（图 2）, 当地下水补给修复能力有限时, 这种影响可能会持续较长时间.
重视天然植被的RSEI变化将有助于提高遥感数据在缺乏地下水数据时对生态环境质量评估的准确性.绿洲由人工生态环境与天然生态环境组成, 其天然生态系统十分脆弱, 农业开发中造成的水资源再分配, 对于天然生态系统影响较大.从表 6可以看出, 2001~2022年, 耕地的RSEI持续升高, 而草地和裸地的RSEI在2022年均出现了明显下降, 这与整体RSEI变化趋势相似（图 5）, 但是它们的下降速率不同, 与2014年相比, 2022年草地的RSEI下降了11.604%, 裸地下降了29.762%, 整体RSEI仅下降了3.097%, 这是由于耕地RSEI的持续上升, 减弱了整体RSEI对生态环境潜在风险程度的评估.由于地表水、地下水测点数据通常难以获取, 因此, 使用RSEI对干旱区绿洲进行生态环境质量分析时, 加大草地、裸地等天然生态系统在RSEI变化中的权重将有助于提高其发现环境质量变化中潜在风险的能力.
干旱区的关键环境因子是水资源, 奇台绿洲平原区的主要水资源供给来自于地下水[45], 其中绝大部分用于了农业灌溉, RSEI利用遥感数据无法直接获取地下水的数据, 仅使用RSEI评估干旱区绿洲的生态环境质量而不考虑当地水资源承载力可能会忽视潜在的生态环境风险。因此, 未来对绿洲生态环境质量进行监测时, 应将当地水资源承载力纳入生态环境质量监测中, 以获得更为科学准确的生态环境质量评价.
4 结论（1）奇台绿洲土地覆盖以耕地和草地为主, 其次为裸地, 水体与森林面积很少；耕地面积在2001~2014年增长了268.047 km2, 2014~2022年减少了129.424 km2, 草地面积则在2001~2014年降低了258.459 km2, 在2014~2022年增加了19.466 km2, 裸地面积在2007年后持续上升, 相比于2014年, 2022年裸地面积增加106.769 km2, 增加了约351%.
（2）奇台绿洲2001年、2007年、2014年和2022年RSEI均值分别为0.392、0.423、0.452和0.438, 生态环境质量等级为差和较差的区域在各个时期面积占比均大于50%, 生态环境质量整体较差, RSEI呈现出南北低中间高的空间分布格局.
（3）2001~2022年, 奇台绿洲生态环境质量先升后降.其中, RSEI等级不变的区域面积为1 200.660 km2, 占比43.407%, 改善区域面积为968.602 km2, 占比31.790%, 恶化区域面积为596.807 km2, 占比24.348%, 改善区域面积大于恶化区域, 生态环境质量整体呈现上升趋势, 但相较于2014年, 2022年的RSEI出现了明显下降, 特别是自然生态系统中的草地和裸地的RSEI, 分别下降了11.604%和29.762%.
（4）奇台绿洲RSEI空间分布的最主要影响因素是LUCC.各土地覆盖类型中, 生态环境质量最好的是耕地, 其次为草地, 裸地最差.LUCC对生态环境质量的影响主要在于土地覆盖状况变化引起地表环境参数的相应变化.
（5）奇台绿洲生态环境质量存在正的空间自相关性, 低-低聚类集中分布于绿洲北部靠近沙漠的区域, 高-高聚类则表现为由散布向绿洲中部耕地区域集聚.
| [1] | Han D L, Meng X Y. Recent progress of research on oasis in China[J]. Chinese Geographical Science, 1999, 9(3): 199-205. DOI:10.1007/s11769-999-0044-x |
| [2] | 韩德林. 新疆人工绿洲[M]. 北京: 中国环境科学出版社, 2000. |
| [3] | Jia B Q, Zhang Z Q, Ci L J, et al. Oasis land-use dynamics and its influence on the oasis environment in Xinjiang, China[J]. Journal of Arid Environments, 2004, 56(1): 11-26. DOI:10.1016/S0140-1963(03)00002-8 |
| [4] |
董敬儒, 颉耀文, 段含明, 等. 黑河流域绿洲变化的模式与稳定性分析[J]. 干旱区研究, 2020, 37(4): 1048-1056. Dong J R, Xie Y W, Duan H M, et al. Analysis of patterns in the variation and stability of oases in the Heihe River basin[J]. Arid Zone Research, 2020, 37(4): 1048-1056. |
| [5] |
王耀斌, 刘光琇, 冯起, 等. 基于粗糙集与灰色理论的额济纳绿洲稳定性综合评价[J]. 资源科学, 2012, 34(9): 1750-1760. Wang Y B, Liu G X, Feng Q, et al. Evaluation of oasis stability in Ejina based on rough set and grey theory[J]. Resources Science, 2012, 34(9): 1750-1760. |
| [6] | Boori M S, Choudhary K, Paringer R, et al. Spatiotemporal ecological vulnerability analysis with statistical correlation based on satellite remote sensing in Samara, Russia[J]. Journal of Environmental Management, 2021, 285. DOI:10.1016/j.jenvman.2021.112138 |
| [7] |
王正兴, 刘闯, Huete A. 植被指数研究进展: 从AVHRR-NDVI到MODIS-EVI[J]. 生态学报, 2003, 23(5): 979-987. Wang Z X, Liu C, Huete A. From AVHRR-NDVI to MODIS-EVI: advances in vegetation index research[J]. Acta Ecologica Sinica, 2003, 23(5): 979-987. DOI:10.3321/j.issn:1000-0933.2003.05.020 |
| [8] | Fang H L, Zhang Y H, Wei S S, et al. Validation of global moderate resolution leaf area index (LAI) products over croplands in northeastern China[J]. Remote Sensing of Environment, 2019, 233. DOI:10.1016/j.rse.2019.111377 |
| [9] |
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. |
| [10] | Suter II G W, Norton S B, Cormier S M. A methodology for inferring the causes of observed impairments in aquatic ecosystems[J]. Environmental Toxicology and Chemistry, 2002, 21(6): 1101-1111. DOI:10.1002/etc.5620210602 |
| [11] | Fano E A, Mistri M, Rossi R. The ecofunctional quality index (EQI): a new tool for assessing lagoonal ecosystem impairment[J]. Estuarine, Coastal and Shelf Science, 2003, 56(3-4): 709-716. DOI:10.1016/S0272-7714(02)00289-5 |
| [12] |
李帆, 贾夏, 赵永华, 等. 基于DPSIR模型的黄土高原生态敏感性演变格局及驱动力分析[J]. 农业工程学报, 2023, 39(9): 241-251. Li F, Jia X, Zhao Y H, et al. Evolutionary pattern and driving forces of ecological sensitivity in the Loess Plateau using DPSIR model[J]. Transactions of the Chinese Society of Agricultural Engineering, 2023, 39(9): 241-251. |
| [13] |
李骞国, 王录仓, 严翠霞, 等. 基于生境质量的绿洲城镇空间扩展模拟研究——以黑河中游地区为例[J]. 生态学报, 2020, 40(9): 2920-2931. Li Q G, Wang L C, Yan C X, et al. Simulation of urban spatial expansion in oasis towns based on habitat quality: a case study of the middle reaches of Heihe River[J]. Acta Ecologica Sinica, 2020, 40(9): 2920-2931. |
| [14] | Yi F, Lu Q, Li Y H, et al. Ecological vulnerability assessment of natural oasis in arid Areas: application to Dunhuang, China[J]. Ecological Indicators, 2023, 149. DOI:10.1016/j.ecolind.2023.110139 |
| [15] |
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. |
| [16] | 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 |
| [17] | Zhang M, Wang J M, Zhang Y, et al. Ecological response of land use change in a large opencast coal mine area of China[J]. Resources Policy, 2023, 82. DOI:10.1016/j.resourpol.2023.103551 |
| [18] | Liao W H. Temporal and spatial variations of eco-environment in Association of Southeast Asian Nations from 2000 to 2021 based on information granulation[J]. Journal of Cleaner Production, 2022, 373. DOI:10.1016/j.jclepro.2022.133890 |
| [19] | Yuan B D, Fu L N, Zou Y A, et al. Spatiotemporal change detection of ecological quality and the associated affecting factors in Dongting Lake Basin, based on RSEI[J]. Journal of Cleaner Production, 2021, 302. DOI:10.1016/j.jclepro.2021.126995 |
| [20] | Aizizi Y, Kasimu A, Liang H W, et al. Evaluation of ecological space and ecological quality changes in urban agglomeration on the northern slope of the Tianshan Mountains[J]. Ecological Indicators, 2023, 146. DOI:10.1016/j.ecolind.2023.109896 |
| [21] | Dong C Y, Qiao R R, Yang Z C, et al. Eco-environmental quality assessment of the artificial oasis of Ningxia section of the Yellow River with the MRSEI approach[J]. Frontiers in Environmental Science, 2023, 10. DOI:10.3389/fenvs.2022.1071631 |
| [22] | Gao P W, Kasimu A, Zhao Y Y, et al. Evaluation of the temporal and spatial changes of ecological quality in the Hami Oasis based on RSEI[J]. Sustainability, 2020, 12(18). DOI:10.3390/su12187716 |
| [23] |
周玄德, 郭华东, 孜比布拉·司马义, 等. 干旱区绿洲城市遥感生态指数变化监测[J]. 资源科学, 2019, 41(5): 1002-1012. Zhou X D, Guo H D, Zibibula S, et al. Change of remote sensing ecological index of an oasis city in the arid area[J]. Resources Science, 2019, 41(5): 1002-1012. |
| [24] |
宋文杰, 张清, 刘莎莎, 等. 基于LUCC的干旱区人为干扰与生态安全分析——以天山北坡经济带绿洲为例[J]. 干旱区研究, 2018, 35(1): 235-242. Song W J, Zhang Q, Liu S S, et al. LUCC-based human disturbance and ecological security in arid area: a case study in the economic zone on Northern Slope of the Tianshan Mountains[J]. Arid Zone Research, 2018, 35(1): 235-242. |
| [25] |
黄青, 孙洪波, 王让会, 等. 干旱区典型山地-绿洲-荒漠系统中绿洲土地利用/覆盖变化对生态系统服务价值的影响[J]. 中国沙漠, 2007, 27(1): 76-81. Huang Q, Sun H B, Zhang R H, et al. Effect of oasis land-use and land-cover change on ecosystem service values in typical mountain-oasis-desert system in arid region[J]. Journal of Desert Research, 2007, 27(1): 76-81. DOI:10.3321/j.issn:1000-694X.2007.01.019 |
| [26] | Yao K X, Halike A, Chen L M, et al. Spatiotemporal changes of eco-environmental quality based on remote sensing-based ecological index in the Hotan Oasis, Xinjiang[J]. Journal of Arid Land, 2022, 14(3): 262-283. DOI:10.1007/s40333-022-0011-2 |
| [27] |
韩春鲜, 熊黑钢. 奇台绿洲开发下的人地关系发展规律及可持续发展研究[J]. 新疆大学学报(自然科学版), 2008, 25(2): 222-227, 240. Han C X, Xiong H G. Research on the pattern of relationship between Qitai Human Oasis and environment and its sustainable development[J]. Journal of Xinjiang University (Natural Science Edition), 2008, 25(2): 222-227, 240. DOI:10.3969/j.issn.1000-2839.2008.02.019 |
| [28] |
熊黑钢, 付金花, 王凯龙. 基于熵权法的新疆奇台绿洲水资源承载力评价研究[J]. 中国生态农业学报, 2012, 20(10): 1382-1387. Xiong H G, Fu J H, Wang K L. Evaluation of water resource carrying capacity of Qitai Oasis in Xinjiang by entropy method[J]. Chinese Journal of Eco-Agriculture, 2012, 20(10): 1382-1387. |
| [29] | Yang J, Huang X. The 30 m annual land cover dataset and its dynamics in China from 1990 to 2019[J]. Earth System Science Data, 2021, 13(8): 3907-3925. DOI:10.5194/essd-13-3907-2021 |
| [30] | Peng S Z, Ding Y X, Wen Z M, et al. Spatiotemporal change and trend analysis of potential evapotranspiration over the Loess Plateau of China during 2011-2100[J]. Agricultural and Forest Meteorology, 2017, 233: 183-194. DOI:10.1016/j.agrformet.2016.11.129 |
| [31] | Peng S Z, Gang C C, Cao Y, et al. Assessment of climate change trends over the Loess Plateau in China from 1901 to 2100[J]. International Journal of Climatology, 2018, 38(5): 2250-2264. DOI:10.1002/joc.5331 |
| [32] |
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 |
| [33] |
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. |
| [34] | Diniz-Filho J A F, Bini L M, Hawkins B A. Spatial autocorrelation and red herrings in geographical ecology[J]. Global Ecology and Biogeography, 2003, 12(1): 53-64. DOI:10.1046/j.1466-822X.2003.00322.x |
| [35] | Jing Y Q, Zhang F, He Y F, et al. Assessment of spatial and temporal variation of ecological environment quality in Ebinur Lake Wetland National Nature Reserve, Xinjiang, China[J]. Ecological Indicators, 2020, 110. DOI:10.1016/j.ecolind.2019.105874 |
| [36] |
巩杰, 谢余初, 赵彩霞, 等. 甘肃白龙江流域景观生态风险评价及其时空分异[J]. 中国环境科学, 2014, 34(8): 2153-2160. Gong J, Xie Y C, Zhao C X, et al. Landscape ecological risk assessment and its spatiotemporal variation of the Bailongjiang watershed, Gansu[J]. China Environmental Science, 2014, 34(8): 2153-2160. |
| [37] |
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. |
| [38] | Xiong Y, Xu W H, Lu N, et al. Assessment of spatial-temporal changes of ecological environment quality based on RSEI and GEE: a case study in Erhai Lake Basin, Yunnan province, China[J]. Ecological Indicators, 2021, 125. DOI:10.1016/j.ecolind.2021.107518 |
| [39] | Yu T T, Abulizi A, Xu Z L, et al. Evolution of environmental quality and its response to human disturbances of the urban agglomeration in the northern slope of the Tianshan Mountains[J]. Ecological Indicators, 2023, 153. DOI:10.1016/j.ecolind.2023.110481 |
| [40] | Shen W, Zheng Z C, Qin Y C, et al. Spatiotemporal characteristics and driving force of ecosystem health in an important ecological function region in China[J]. International Journal of Environmental Research and Public Health, 2020, 17(14). DOI:10.3390/ijerph17145075 |
| [41] |
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. |
| [42] | Long Y, Jiang F G, Deng M L, et al. Spatial-temporal changes and driving factors of eco-environmental quality in the Three-North region of China[J]. Journal of Arid Land, 2023, 15(3): 231-252. DOI:10.1007/s40333-023-0053-0 |
| [43] | Ju X F, He J L, Zhang Q, et al. Evolution pattern and driving mechanism of eco-environmental quality in arid oasis belt—A case study of oasis core area in Kashgar Delta[J]. Ecological Indicators, 2023, 154. DOI:10.1016/j.ecolind.2023.110866 |
| [44] |
李根生, 曾强, 董敬宣, 等. 准东矿区邻近奇台绿洲地下水位变化趋势分析[J]. 中国矿业, 2017, 26(5): 148-153. Li G S, Zeng Q, Dong J X, et al. Analysis of the change of ground water level in Qitai oasis nearby eastern Junggar coalfield[J]. China Mining Magazine, 2017, 26(5): 148-153. DOI:10.3969/j.issn.1004-4051.2017.05.028 |
| [45] |
王宗侠, 刘苏峡. 1990—2020年天山北坡地下水储量估算及其时空演变规律[J]. 地理学报, 2023, 78(7): 1744-1763. Wang Z X, Liu S X. Estimation and spatiotemporal evolution of groundwater storage on the northern slope of the Tianshan Mountains over the past three decades[J]. Acta Geographica Sinica, 2023, 78(7): 1744-1763. |