基于遥感分析的国土空间生态功能重点提升区的识别

邓潇潇 吴颖

摘  要  基于遥感影像及GIS空间方法，通过研究浏阳市绿度、热度、干度和湿度四个指标构建遥感生态指数评价模型，探索浏阳市生态本底变化，掌握生态家底，从而为浏阳市生态功能重点提升区的诊断与识别提供判断依据。以此划定为国土空间生态功能重点提升区，为浏阳市国土空间生态保护修复提供空间指引。

关键词  遥感分析;生态环境;生态功能;重点提升区

中图分类号：P951               文献标志码：A

Identification of Key Elevation Zones of Ecological Function in Territorial Space Based on Remote Sensing Analysis：

A case study of Liuyang

Deng Xiaoxiao ， Wu Ying

（The Third Surveying and Mapping Institue of Hunan Province， Changsha Hunan 410007）

Abstract： Based on remote sensing images and GIS spatial methods， a remote sensing ecological index evaluation model was constructed by studying the indexes of green degree， heat degree， dry degree and humidity in Liuyang， to master the ecological family background， so as to provide a basis for the diagnosis and identification of the key areas of ecological function enhancement in Liuyang.  It will be designated as a key enhancement area for the ecological functions of the territorial space and provide spatial guidance for the ecological conservation and restoration of the territorial space of Liuyang.

Keywords： remote sensing analysis; ecological environment; ecological function; key improvement area

遥感技术发展为识别生态环境时空变化提供了有力技术支撑。遥感生态指数由徐涵秋[1]提出，涵盖绿度、热度、干度和湿度等自然因子，借助主成分分析法对城市生态环境进行快速监测。该方法弥补了单一生态环境指标的不足，并得到众多验证。本文借助于遥感数据构建遥感生态指数对浏阳市生态本底进行评估，掌握生态破坏相对严重区域的动态变化情况，确定国土空间生态功能重点提升区，为统筹山水林田湖草整体治理、科学保护、生态修复打好基础。

1  研究区域和数据

1.1  研究區概况

浏阳市位于北纬27°51′-28°34′，东经113°10′-114°15′，东西宽105.8km，南北长80.9km，总面积5 007.75km?。地处湘赣边界地带，古为“吴楚咽喉”，是世界闻名的花炮之乡。属亚热带季风气候，历年平均气温18.4℃，年均降水量1 680mm。山地与丘陵构成浏阳市主要地貌，东北地区海拔较高，西南地区海拔相对较低。

1.2  数据选择与预处理

选取浏阳市1994年、2008年、2013年及2019年四期遥感数据，对多光谱中的七个波段进行研究分析。影像获取时间统一在7—9月，保证气温、植被等因素在统一时间节点状态基本一致，确保研究结果具有可比性。

其次，对选取的影像进行预处理，即辐射校正、几何校正、无缝镶嵌，依据矢量数据裁剪出浏阳市影像，对不同时相的影像进行配准，确保配准误差（RMSE）小于0.5个象元[2]，修正图像数据中因大气质量、太阳高度、传感器灵敏度等引起的畸变。

2  研究方法

选取与人类息息相关的热度（LST）、绿度（NDVI）、干度（NDSI）以及湿度（Wet）四个指标构建遥感生态指数（RSEI），以此作为识别生态功能重点提升区的判断因子。

（1）热度指标

以地表温度代表热度指标，通常称之为地表的皮肤温度。在城市热岛效应、自然灾害监测等方面，地表温度扮演着至关重要的角色，获得地表温度的主要途径是利用热红外遥感技术[3]。本文采用地表温度反演方法中的大气校正法（辐射传输方程法），计算公式为：

（1）

（2）

式中：L10指热红外线辐射亮度值;I10↑、I10分别是大气向上、向下辐射亮度;τ10为大气在热红外波段的透过率;ε10表示地表比辐射率;B（Ts）是与Ts在同一温度下黑体的热辐射亮度;Ts为亮度温度，单位为K。

（3）

地表真实温度LST的获取主要源自普朗克公式的反函数，单位为℃：

（4）

式中：可通过影像的元数据获得定标系数K1和K2。

地表比辐射率[4]按经验公式[5]计算，表达式为：

（5）

（2）绿度指标

归一化植被指数（NDVI）能敏感地监测土壤的变化，对开展植被研究有着极为重要的意义[6]，且在环境监测中得到了十分广泛的应用，用来反映植被覆盖程度，即归一化植被指数越高，表示土地覆盖较多的植被。其公式为：

（6）

式中：ρnir、ρred分别代表近红外、红光波段的光谱反射率。

（3）湿度指标

湿度指标的获取主要来源于缨帽变换中的Wet分量，表示植被与土壤中含有的水分。缨帽变换在处理影像时能够进行数据压缩以及去冗余，其湿度、绿度、亮度分量与地表物理参数存在紧密关系。不同传感器其公式有所不同，具体为：

TM数据：

Wet=0.0315βblue+0.2021βgreen+0.3102βred+0.1594βnir-0.6706βmir1-0.6109βmir2（7）

ETM+数据：

Wet=0.2626βblue+0.2141βgreen+0.0926βred+0.0656βnir-0.7629βmir1-0.5388βmir2 （8）

OLI数据：

Wet=0.1511βblue+0.1973βgreen+0.3283βred+0.3407βnir-0.7117βmir1-0.4559βmir2（9）

式中：βi代表影像数据中相应波段的光谱反射率。

（4）干度指标

干度指标主要用来表示地表“干化”的程度，包括裸露的土壤和建设用地导致的土地“干化”。因此由裸土指数和建筑指数两部分构成干度指标（NDSI），具体公式为：

NDSI=（SI+IBI）/2（10）

其中裸土指数：

SI=[（ρmir+ρred ）-（ρnir+ρbule）]/[（ρmir+ρred）+（ρnir+ρbule） ]（11）

建筑指数：

（12）

（5）遥感生态指数构建

由于各指标的量纲与值域存在差异，《生态环境状况评价技术规范》[7]将无量纲化处理后的指标的值域规范到[0，1]范围内，从而更好地分析浏阳市生态环境质量。

NIi=（Ii-Imin ）/（Imax-Imin ）  （13）

其中：Inir为归一化后的指标，Ii为各分项指标，Imax代表指标的最大值，Imin代表指标最小值。

3  浏阳市生态环境质量指数整体评价

3.1  生态环境指标分析

借助ENVI软件对1994年、2008年、2013年、2019年遥感影像进行处理，获取绿度、热度、干度及湿度指标，通过主成分分析获取RSEI值，以此了解浏阳市在该期间的生态环境变化情况。

从表1可得1994年、2008年、2013年、2019年四期RSEI值分别为0.68、0.57、0.74、0.63，总体上浏阳市遥感生态环境质量指数处于较好状态。其中热度、干度指标值自1994—2019年总体上呈现出上升趋势，与浏阳市城市不断扩张、建筑面积增加息息相关;归一化植被指数平均值上升，其中山区上升较为明显。

（1）热度指标分析

从图1可得，浏阳主要以中低地表能量均质性分布，且逐渐呈现趋高态势。高热度区主要分布在中心城区、金阳新城等区域，随时间呈逐渐扩张趋势;低值区主要集中分布于北部连云山片区、东北部的山地区域，随时间呈逐渐缩小趋势;中值区主要分布在高值区外圈范围，随时间变化逐渐转为与高值区相间分布。

空间上来看，1994—2019年间，热度变化最明显的区域与建设用地扩张的范围空间耦合程度较高，说明随着建成区的不断扩张，导致地表温度不断升高。

在剔除城区建设用地及云层干扰的基础上，热度变化明显的区域主要集中于浏阳市西北部沙市—淳口镇部分区域及北部的古港—沿溪镇等部分区域，主要因为城市的不断向外扩张造成周边生态环境的破坏。

（2）绿度指标分析

从图2发现高值区主要集中位于大围山镇、张坊镇、小河乡、高坪镇、淳口镇东部等，且分布范围随时间的增大逐渐减小;低值区主要位于淮川街道、永安镇、洞阳镇、古港—沿溪镇南部等地，其分布范围随时间的增长逐渐增加，主要是因为其属于浏阳市中心城区、金阳新区以及两型产业园区内，城镇发展快，开发力度强，因此对植被的破坏程度较大。

从绿度质量来看，山区植被绿度质量总体情况较好。在1994—2008年期间，随着浏阳市建成区的不断扩大，绿度质量有较大幅度下降，西北部、中部、北部地区出现明显斑块状非植被用地（剔除云层的干扰）。2013年绿度质量得到显著提升，2019年山区植被指数上升明显。

从绿度规模来看，山地植被分布格局基本定型，整体格局相对稳定。建成区内部呈现明显的破碎化，低值区域由块状聚集逐渐向破碎斑块转变，说明建设用地在不断扩张的同时也逐渐开始注重内部植被绿化。

（3）湿度指标分析

从图3中可以发现，湿度值较高的区域主要集中分布于北部连云山脉所在片区及大围山镇—张坊镇等区域，而低值区域主要分布于中心城区、金阳新城等人口密集区域。

（4）干度指标分析

由图4可知高值区范围呈现出不断扩张的趋势，其中2008年扩张程度最为明显，主要体现在浏阳市西北部沙市—淳口镇及中北部淮川—关口—古港镇等区域。随着近几年对自然生态环境的逐渐重视，在一定程度上减少裸露土壤的面积，但建设用地的扩张使得干度指标仍呈现逐年上涨的趋势。

3.2 生态环境质量空间分布特征

为了更直观地反映浏阳市生态环境质量的空间分布特征，将生态环境质量指数进行分级，包括差、较差、一般、良和优五个等级，其中各等級的区域范围分别为[0，0.2]、（0.2，0.4]、（0.4，0.6]、（0.6，0.8]、（0.8，1.0]，以此获得浏阳市生态环境质量空间分布图。

从整体上看，浏阳市在1994—2019年间生态环境质量基本上处于良好的状态，其值分别为0.68、0.57、0.74、0.63。主要呈现出“中间建成区较差周围区域较好”大体走向，且中心建成区随时间不断向四周扩张，由此说明生态环境质量对建成区及其周边地区有着较高敏感度，城市化的快速发展对生态环境质量将产生显著影响。2008年浏阳市生态环境质量相比1994年呈下降趋势，生态环境质量等级为“一般”占比较大，为40.88%;2013年生态环境质量有所改善，上升至“良”，占比高达68.16%;2019年间浏阳市“优”的范围有所扩大，说明浏阳市注重对生态环境的保护，使其生态环境质量在不断地提高。

从空间上看，1994年浏阳市生态环境质量等级为差和较差的区域主要集中在中部关口街道、古港镇、金刚镇、镇头镇等区域;2008年生态环境质量变化最显著的区域主要体现浏阳市金阳新城片区及金刚—大瑶镇等部分区域;2013年期间生态环境质量等级变化较为明显，主要体现在西北部金阳新城区域及沙市-淳口镇部分地区;2019年生态环境质量较好的区域主要分布在连云山片区及大围山南部、张坊镇、高坪镇等区域，较差的区域主要位于沙市—淳口、古港—沿溪等镇及金刚—大瑶镇的部分地区。

综上，将浏阳市北部由于城镇发展较快、林地与耕地等植被减少较多的沙市—淳口、古港—沿溪—官渡—达浒镇的部分村庄及南部因矿产资源开发利用强度较大、分布较密集导致的土壤裸露、植被破坏情况较严重的大瑶—金刚—文家市镇部分村庄划定为生态功能重点提升区，详见图7。并借助Invest模型对浏阳市生境质量进行分析论证，结果显示本文提取的生态功能重点提升区所在范围的生境质量较差，主要处于中低等，进而表明本文的研究结果具有一定的真实性。

4  结论

本文凭借遥感生态指数（RSEI）评价模型从热度、绿度、干度及湿度四个维度出发对浏阳市生态环境进行综合分析。以此构建遥感生态指数，作为判断因子用于识别浏阳市生态修复重点区域，是国土空间生态修复前期工作的一部分，能更好地推进国土空间规划的开展。结论如下：

（1）选取生态环境要素中的地表温度、植被、裸土、建筑等，结合定量、定性分析，研究结果说明地表温度、干度与建设用地呈正比，植被与建设用地呈负相关，地表温度与植被呈负相关。

（2）浏阳市自1994—2019年以来，生态环境质量从整体上一直处于良好的状态。虽随着城镇的快速扩张，生态环境受到一定破坏，但在政府不断提高居民的生活环境质量、增加城市绿化、改善城区生态条件等努力下，生态环境得到较好的维持。

（3）综合分析得出浏阳市生态环境破坏较严重区域：在1994—2019年间，剔除城区建设用地、云层的干扰，热度、干度变化明显的区域主要集中于浏阳市西北部、南部和东南部大部分区域;而植被变化明显的区域主要集中分布于浏阳市南部以及北部地区的部分乡镇。

因此，将浏阳市南部地区的大瑶—金刚—文家市镇部分村庄、西北部沙市—淳口镇部分区域以及北部地区的古港—沿溪—官渡—达浒镇部分生态环境质量有所下降的村庄划定为国土空间生态功能重点提升区（剔除中心城区、云层等的干扰因素），在遵循客观规律的前提下开展重点区域的生态保护与修复，有效制定生态修复的技术模式，提升国土空间生态修复治理能力。

参考文献/References

[1]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.

[2]祝佳. Landsat8卫星遥感数据预处理方法[J].国土资源遥感，2016，28（2）：21-27.

[3]朱贞榕，程朋根，桂新，等.地表温度反演的算法综述[J].测绘与空间地理信息，2016（5）：70-75.

[4]Bhandari A K， Kumar A， Singh G K. Improved feature extraction scheme for satellite images using NDVI and NDWI technique based on DWT and SVD[J]. Arabian Journal of Geosciences， 2015， 8（9）：6949-6966.

[5]王新生，徐静，柳菲，等.近10年我国地表比辐射率的时空变化[J].地理学报， 2012， 67（1）：93-100.

[6]张军，贾春蓉，李鹏，等.陕西省丹江流域NDVI 分布及其与土地利用的关系[J].中国水土保持科学，2016，14（2）：67-73.

[7]HJ/T 192-2015 生態环境状况评价技术规范（施行）[S].北京：中国标准出版社，2015.