黄河流域生态保护和高质量发展已经上升为国家重大战略, 黄河生态保护与治理势在必行^[1]。良好的流域生态环境是实现可持续发展的前提条件, 但是黄河流域, 特别是黄河中下游影响区人地关系非常复杂, 尤其是近年来随着社会的不断发展, 城市化进程不断加快等人类活动叠加自然干扰造成的生态环境问题日益突出^[2]。因此, 监测黄河中下游影响区生态状况、评估生态环境变化特征也成为当前迫切需要面对的问题^[3]。

生态环境监测和评估方法较多, 但缺乏利用遥感作为全数据链评估黄河中下游影响区生态状况的相关研究^[4]。遥感技术具有快速、时实、大面积等优点已经被广泛地应用于生态环境领域^[5], 成为监测和评估区域生态环境的有效手段^[6]。特别是遥感大数据平台的出现, 能够对海量数据进行快速处理和分析, 对生态环境的实时监测和评估提供帮助。

21世纪以来国内外研究学者利用遥感技术, 通过构建指数模型对区域生态环境的监测和评估开展了大量研究, 指数模型主要包括：EI指数^[7]、DPSIR-TOPSIS模型^[8]和AHP-Grey的动态生态环境评价模型^[9]等, 丰富了生态环境监测和评估的方法。但是以往这些研究存在影响因子选择单一或模型构建受到人为因素的影响等问题, 对生态环境的监测和评估的精度有一定影响。而徐涵秋^[10]提出的一种包含湿度、绿度、干度和热度等因素综合反映的遥感生态指数(Remote Sensing Ecological Index, RSEI), 避免人为因素对研究结果产生的影响, 提高了研究结果的客观性。近几年该指数在漓江流域^[11]、长三角城市群^[12]以及整个中国区^[13]都有相应研究, 因此, RSEI指数是一种普遍接受的可以在大范围内进行对比的方法, 适宜进行大尺度, 也适宜进行与他人做横向比较。但目前对黄河中下游影响区生态环境的研究更多关注某一影响因子对生态环境的影响^[14]及早期黄河流域生态环境状况^[15-16], 缺少对近些年黄河故道等地区生态空间变化及生态状况的整体监测和评估, 此外, 对黄河有记载以来所流经地区的近20年生态状况及其差异性仍不得而知。

本研究基于遥感大数据平台、遥感数据以及土地利用分类数据, 利用生态空间分类体系和RSEI模型, 分析2000年以来黄河中下游影响区生态空间类型及生态指数的时空变化规律, 并对该地区的生态环境进行监测和评估。

1 数据来源与研究方法 1.1 研究区界定

本研究涉及到的黄河中下游影响区是指包括黄河中下游流域在内的五省一市, 即河南、河北、山东、安徽、江苏以及天津的部分地区^[17]。研究区选择主要是依据有记载以来, 黄河所流经区域(图 1)。2600多年来^[18], 黄河下游河道经历了从北到南, 又从南到北的大循环摆动。下游故道略呈折扇形, 最北经由今河北霸州市、天津海河入海, 最南经由安徽、江苏夺淮河入海(在江苏省经过中山河与黄河故道在滨海县入海)。因此, 研究区不仅仅局限于黄河当前的流域范围, 更多关注为黄河流域的影响范围, 既包括当前的黄河河道及黄河流域范围, 还考虑历史的黄河故道及其流域波及范围。研究区地理位置在32°25′—39°21′N和119°25′—110°10′E, 研究区总面积26.72万km², 该区域位于华北平原, 地势平坦, 属于暖温带半干旱季风气候, 夏季温暖多雨, 冬季寒冷干燥。

1.2 研究数据

土地利用遥感观测数据。本研究土地利用类型数据来自于中国科学院资源与环境数据中心^[19], 涉及2000年和2020年的两期影像, 空间分辨率为1km。原始数据来主要来自Landsat影像, 选取影像时尽量避免云雾干扰, 以无云或者少云的准备生长季影像为主^[20]。对遥感影像进行几何校正和图像增强处理, 建立图像解译标志^[21]。土地利用类型分为耕地、林地、草地、水域、建设用地、未利用地等6个一级类。两期遥感影像分类准确度为92.4%和93.2%, 满足本研究要求^[22]。

MODIS影像数据。采用空间分辨率为500m、时间分辨率为8d的MOD09A1地面反射率数据, 对该数据进行辐射定标和几何校正等基本处理, 其消除大气散射、吸收、反射引起的部分误差, 为地表实际反射率^[23-24]。本研究同时利用MOD11A2 V6数据提供的空间分辨率为1km的8d平均地表温度数据。

1.3 研究方法 1.3.1 生态空间定义及变化分析

《生态保护红线划定指南》中对生态空间定义为指具有自然属性、以提供生态服务或生态产品为主体功能的国土空间, 包括森林、草原、湿地等。这一定义更多的是从国土空间规划或生态红线的角度, 早前学术界就生态空间展开过深入研究, 但目前并未对生态空间的概念与分类达成共识。而本研究从生态评估角度参考最新学者^[25]对生态空间的定义, 该生态空间的界定不仅考虑了国土资源的生态空间定义, 还包括了建设用地和耕地等受到人为干扰强烈的土地范围, 即本研究涉及的生态空间不仅是把生产和生活用地也看作承载着城镇和农田生态系统的空间范围统一加以考虑。因此, 本研究基于土地利用类型衍生出三种生态用地类型：生态用地、半生态用地和弱生态用地(表 1)。

本研究基于土地利用类型衍生的生态空间分类体系, 通过叠加运算实现图谱融合对研究区生态空间类型变化进行统计分析^[26]。具体步骤为：1)对经过分类后的土地利用数据集进行重分类, 设置生态用地、半生态用地和弱生态用地三类编码分别为1、2、3；2)将前一时刻的栅格单元的编码作为十位数, 后一时刻的栅格单元的编码作为个位数, 生成一个两位数编码的生态空间图谱单元。最终得到2000—2020年黄河中下游影响区生态空间变化图谱。

1.3.2 RSEI指标计算及变化分析

RSEI是一种完全基于遥感数据得到的综合分析区域生态环境的方法, 可以客观反映区域的生态环境质量^[27-28]。该方法选择湿度(Wet)、绿度(NDVI)、干度(NDSI)、热度(LST)等4个生态因子^[29-30]。其中, 热度指标LST数据利用同源的MODIS地表温度产品插补得到完整的LST数据^[31], 其余指标公式如下:

(1)

(2)

(3)

(4)

(5)

(6)

式中, ρ_1—7代表MODIS第1—7波段的地表反射率。SI表示土壤指数, IBI表示建筑指数。由于四个指标量纲不统一, 为了减小对研究结果的影响, 最终是将各指标的值进行归一化处理, 使其变换到0—1之间^[32], 公式如下：

(7)

式中, N_I为归一化指标, I为原始指标, I_min为指标I最小值, I_max为指标I最大值。

之后对四个指标通过主成分分析方法进行合成, 并选取得到的第一主成分作为RSEI指数^[13]。根据RSEI模型计算出研究区2000—2020年RSEI值, RSEI值越高, 表示生态空间状况越好。为了更直观地反映研究区生态空间状况, 根据《生态环境评价技术规范》中生态环境分级标准^[3], 进一步将RSEI值以0.2为间隔划分为5个等级, 分别代表生态状况差(0—0.2)、较差(0.2—0.4)、中等(0.4—0.6)、良(0.6—0.8)、优(0.8—1)5个等级。

2 研究结果 2.1 生态空间演变的时空特征

通过对研究区2000年和2020年土地利用分布变化进行统计, 获得研究区不同时段各土地利用类型分布及其变化情况(图 2, 图 3)。结果表明研究区主要土地利用类型是耕地, 且分布较广泛, 2000年和2020年耕地面积分别占研究区总面积的71.37%和67.91%, 近20年间面积共减少9849km², 减少速度为469km²/a；研究区林地分散度较小, 集中分布在河南省西南一带, 与2000年林地面积相比, 2020年面积共减少805km²；研究区草地主要分布在林地外围, 此外山东省北部和南部也分布大量草地, 草地面积同样有所减少, 共减少1878km², 减少速度为减少89km²/a；水域主要包括黄河、天津市的北大港水库和团泊洼水库、山东省微山湖以及江苏省的洪泽湖和高邮湖, 面积共增加1662km², 增速为79km²/a；2000年建设用地只集中在城区, 2020年可以明显看到建设用地以各自为中心向外扩大, 近20年建设用地面积共增加11146km², 增速为531km²/a, 其中河南省郑州市、山东省济南市以及天津市建设用地面积明显增大；未利用地主要包括自然保护区和湿地公园等, 主要分布在河北省北部边界和山东省北部边界, 自2000年至2020年面积共减少1175km², 增速为56km²/a。

2000—2020年研究区生态空间用地发生了不同程度的变化(图 4)。“半生态用地→弱生态用地”占比最大, 占总变化面积的41.78%, 面积为32452km², 即平均每年有1545km²地区由耕地转为建设用地；其次为“弱生态用地→半生态用地”、“生态用地→半生态用地”和“半生态用地→生态用地”, 面积分别为21927km²、10154km²和8927km², 占比分别为28.21%、13.06%和11.48%。山东省和河南省生态空间类型转换的面积较多, 转换面积分别为23455km²和24513km², 且多以“半生态用地→弱生态用地”为主, 天津市生态空间类型转换面积较少, 共转换1920km²；“弱生态用地→生态用地”类型主要集中在天津市和山东省北部边界, “生态用地→半生态用地”主要集中在黄河入海口区域(山东省东营市), 而河南省主要以“半生态用地→弱生态用地”和“半生态用地→生态用地”为主, 其中“半生态用地→弱生态用地”主要集中在河南省的郑州市和洛阳市, 而“半生态用地→生态用地”主要分布在河南省黄河流域一带, 呈狭长分布。

2.2 生态指数时空变化

统计研究区2000—2020年RSEI分布变化情况并进行趋势线分析和显著性检验。从图 5中可以看出, 生态级别为“优”主要分布在河南省、江苏省和安徽省周边；研究区中部生态级别主要为“中等”和“良”；研究区北部生态级别以“较差”为主, 只有北部边界一带生态级别为“差”。通过利用线性趋势分析法了解研究区时空变化趋势, 分析结果表明生态指数变化较小的地区主要集中在研究区中部, 而研究区北部和南部生态状况变化较大, 且通过了0.01显著性检验。

统计研究区各生态级别面积, 以便对研究区生态质量进行评估。结果表明：研究区2000—2020年生态级别为“中等”、“良”的研究区面积整体呈上升趋势, 2000—2020年两者面积分别增加52956km²和39296km², 从2000年占比36.60%和8.94%增加至2020年的52.77%和20.94%, 而生态级别为“较差”呈下降趋势, 面积共减少41593km², 由2000年的32.92%减少至2020年的20.21%；生态级别为“差”的研究区面积整体呈下降趋势, 由2000年的5.93%减少至2020年的2.80%；生态级别为“优”的研究区面积整体处于缓慢增长状态, 近20年共增加9979km², 由2000年的0.23%增加至2020年的3.28%(图 6)。

2000—2020年研究区内各省市生态空间类型发生不同程度变化, 但RSEI整体呈稳健增长趋势。2005年RSEI均值达到最小(0.39), 生态级别为“较差”, 而2018年RSEI均值达到最大(0.52), 生态级别为“中等”, 说明研究区生态环境质量有所提高(图 7)。统计研究区五省一市每年RSEI变化, 结果显示各省市RSEI均呈现缓慢增长趋势, 其中江苏省和河南省生态环境较好, 生态级别整体处于“中等”, RSEI分别为0.54、0.49, 山东省、安徽省和河北省生态级别由“较差”转为“中等”, RSEI分别增长0.14、0.05和0.17, 2000—2015年天津市的RSEI在0.3之间平稳波动, 但2015年之后, 天津市RSEI急剧上升, RSEI由2015年的0.26上升为0.56。

统计研究区黄河流域内外2000—2020年RSEI变化情况(图 8), 得到黄河流域内外RSEI均呈波动上升趋势, RSEI整体介于0.4—0.5之间, 生态级别整体为“中等”。图 8可以看出流域内外RSEI平均值变化波动情况大体类似, 2003年流域内外RSEI最小, RSEI分别为0.40和0.38, 而2018年达到最大值(0.56和0.54)；多年来流域内外的RSEI变化趋势值均较小(0.007)且几乎无差异。就2000—2020年流域内外RSEI多年平均而言, 黄河流域的RSEI为0.479, 大于流域之外的0.469。这说明了黄河流域内的生态状况虽然整体略好于流域之外, 但是流域内外的变化值均很小且变化趋势并无明显差异。

2.3 不同生态空间类型内生态指数变化分析

2000—2020年各生态空间类型的生态状况整体均有所提升。图 9表明2000—2020年期间3种生态空间类型的RSEI均呈上升趋势, 表明生态用地区域的生态保持整体向好、耕地生态功能增强及城市等人居生态环境均有所好转。3种生态空间类型的RSEI主要集中在0.4—0.6之间, 生态级别整体为“中等”, 2003年RSEI达到近20年最小, 而2018年RSEI达到最大。从图 9中可以看出2015年之前各生态空间类型RSEI整体变化平稳, 整体波动幅度为0.04, 2015年之后RSEI急剧上升, 上升幅度为0.2。

3 结论与讨论 3.1 结论

本研究利用土地利用数据衍生出的生态空间, 并分析黄河中下游影响区生态空间类型变化；进一步, 基于Google Earth Engine平台合成无云MODIS数据并通过主成分分析生成遥感生态指数RSEI^[33], 进一步对研究区生态指数的变化进行分析。本研究得到以下几点基本结论：

(1) 生态空间用地类型变化中, “半生态用地→弱生态用地”占比最大, 占总变化面积的41.78%, 表明近20年城市的扩张主要以侵占农田为主, 其次为“弱生态用地→半生态用地”, 占比为28.21%, 表明在城市扩张侵占农田的同时也会伴随着少部分其他生态类型转换为农田。

(2) 研究区2000—2020年生态状况整体有所改善, 生态级别为“中等”、“良”和“优”的研究区面积整体呈上升趋势, 而生态级别为“较差”和“差”的面积呈下降趋势；研究区各省份的生态状况也在持续改善, 特别是山东省、安徽省和河北省生态级别由“较差”转为“中等”。研究区黄河流域内外区域的RSEI均呈上升趋势且趋势基本一致, 说明了黄河流域内外的生态状况几乎没有区别。

(3) 研究区生态用地、半生态用地和弱生态用地RSEI主要分布在0.4—0.6之间, 生态级别整体为“中等”。2000—2020年RSEI整体均呈现线性上升趋势, 对应生态空间可知, 研究区林草地等生态用地的生态状况持续向好、耕地的生态功能有所增强, 城市等人居生态环境亦有所好转。

3.2 讨论

在整个研究过程中, 本研究完全利用了遥感手段和对应逐栅格的算法完成了数据处理与运算, 而没有任何人为的权重设置、参数赋值等步骤。本研究搭建的研究框架能够快速地对2000—2020年来黄河中下游影响区的生态状况进行定量评估, 且本研究所用RSEI与其他评估方法相比^[34-35], 数据更容易获取和运算分析, 也使评估结果更为客观。

就结果而言, 虽然研究区整体的生态状况持续改善, 他人的研究也发现了在研究时段研究区植被具有增强的趋势^[36-37], 但要注意的是, 在逐栅格分析生态指数的变化趋势时, 发现在局部区域, 尤其是研究区中部还存在很多地方生态指数下降。因此, 我们有必要审慎对待这段时期的生态好转状况, 尤其是植被绿度, 在全国范围内均持续提升的大背景下^[38], 对生态空间的转换驱动因子及其对生态状态的影响因素与稳定性等方面仍需进一步探索。

研究区生态状况复杂多样, 气候变化、人类行为^[39]以及政策变化^[40]都会对生态环境产生一定的影响, 本研究RSEI指数虽考虑湿度、绿度、干度和热度等四种因素, 但并未考虑气候因子等对生态环境的影响。因此在今后研究中, 应结合实际情况, 在现有研究的基础上添加气候因子等多种影响因素, 更加精确的对研究区的生态环境状况进行监测和评估。