image
Home Journals Progress in Geophysics
Progress in Geophysics

Abbreviation (ISO4): Prog Geophy      Editor in chief:

About  /  Aim & scope  /  Editorial board  /  Indexed  /  Contact  / 
Online first  /  Current issue  /  All issues  /  Top access  /  RSS

Progress in Geophysics >

2024 , Vol. 39 >Issue 5: 1749 - 1762

DOI: https://doi.org/10.6038/pg2024HH0408

Dynamic assessment of ecological environment quality in the ecological functional zone of central Guizhou city and its driving factor analysis

  • WenYan LI , 1 ,
  • AnJun LAN , 1, * ,
  • ZeMeng FAN 2, 3 ,
  • Dan WANG 1
Expand
  • 1 College of Geography and Enviromental Sciences, Guizhou Normal University, Guiyang 550025, China
  • 2 State Key Laboratory of Resources and Enviromental Information System, Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101, China
  • 3 College of Resources and Environment, University of Chinese Academy of Sciences, Beijing 100039, China

Received date: 2023-11-25

  Online published: 2024-12-19

Copyright

Copyright ©2024 Progress in Geophysics. All rights reserved.
Fold

Abstract

The urban ecological functional zone in central Guizhou, positioned as the core area and growth pole for urban construction in the typical karst region of Southwest China, is the focal point of this study. Addressing the scientific challenge of comprehensively elucidating and dynamically evaluating the spatiotemporal trends in ecological environment quality, this paper, based on the Google Earth Engine (GEE) cloud platform, employs remote sensing ecological index and pixel dichotomous model for vegetation coverage to extract spatiotemporal information on ecological environment quality and vegetation coverage in the central Guizhou urban ecological functional zone. The study further integrates Moran's I index and Geographic Detector to quantitatively identify and analyze the key factors and driving mechanisms of ecological quality changes. Research results indicate that the ecological quality of the urban ecological functional zone in central Guizhou exhibited an overall positive trend from 2001 to 2020. The Remote Sensing Ecological Index increased from 0.742 to 0.796, and vegetation coverage rose from 0.588 to 0.758. The spatial distribution and temporal evolution trends between the two were essentially similar, with a high correlation of 0.893.Notably, regions demonstrating improved ecological quality were predominantly concentrated in areas such as Fuquan City, Wudang District, Qianxi City, and Kaiyang County, with respective average increases of 9.34%, 7.48%, 7.32%, and 6.46%. Conversely, districts including Huaxi, Guanshanhu, Baiyun, and Pingba exhibited a declining trend in ecological environment quality, with decreases of 4.62%, 2.77%, 2.54%, and 2.15%.The determination of driving factors for ecological environment quality indicates that natural factors, primarily represented by vegetation coverage, and anthropogenic factors, characterized by land use and population density, are the predominant factors influencing the ecological environment quality in the central Guizhou urban ecological functional zone. This research contributes valuable insights to assist decision-making in enhancing urban ecological civilization construction and accelerating sustainable social and economic development in Guizhou Province.

Key words： Google Earth Engine (GEE); Remote sensing-based ecological index; Fractional vegetation cover; Urban ecological functional zones in central Guizhou city

Cite this article

WenYan LI , AnJun LAN , ZeMeng FAN , Dan WANG . Dynamic assessment of ecological environment quality in the ecological functional zone of central Guizhou city and its driving factor analysis[J]. Progress in Geophysics, 2024 , 39(5) : 1749 -1762 . DOI: 10.6038/pg2024HH0408

0 引言

城市化的快速发展对生态环境脆弱的喀斯特山地城市造成威胁.21世纪初以来，中国西部山区快速城市化导致城市环境质量恶化(Liu et al., 2017；Wei et al., 2017).因此，注重地区生态环境保护，协调城市快速扩张与资源环境保护的突出矛盾丞待解决.
我国对于生态环境质量的研究始于20世纪80年代，在计算机技术高速发展的推动下，遥感信息技术以其快速、实时、大范围监测的独特优势被广泛运用到生态环境质量监测中(万虹麟等，2021；赵月等，2023).初期由于数据受限，许多学者采用大量观测资料和相关统计数据来进行评估，如傅伯杰(1992)对中国各省区的生态质量进行了评估，朱晓华等(2004)分析了江苏的生态质量及其驱动因素.区域生态环境质量评估经历了由宏观到微观、从定性到定量的演变，各种生态环境评价指标也得以不断发展.常见的遥感指标包括植被参数(Wang et al., 2020)、土地覆盖相关指数(王志杰和代磊，2021)、不透水面指数(王美雅和徐涵秋，2018)等.与此同时，对区域生态环境多因素指标影响的共同作用更加关注，如叶亚平和刘鲁君(2000)、徐涵秋(2013)、毛文永(2014)等学者采用了多种不同的生态指标对生态环境进行评价.其中由徐涵秋(2013)提出的遥感生态指数(Remote Sensing Ecological Index，RSEI)综合了湿度(WET)、绿度(NDVI)、干度(NDBSI)和热度(LST)四个生态指标，通过主成分分析确定了指标权重，避免了人为主观因素设定的影响，有利于对区域尺度生态质量进行长期、客观、持续评价.
遥感云计算平台Google Earth Engine(GEE)的出现，使得长时间序列的遥感数据定量分析变得便捷，适用于大范围、长时期RSEI构建和环境质量监测评估.目前基于该平台对于生态环境质量进行评价的研究已广泛应用于河流湖泊(杨泽康等，2021；田智慧等，2023)和城市建设开发(吴可人等，2021；吴小波等，2023)等区域.利用植被覆盖度和RSEI对研究区的生态环境质量进行评估，并分析二者之间的相互关系，有助于更准确地揭示地区生态质量的空间分布格局和变化状况.
黔中城市生态功能区作为贵州省最具经济活力的区域，在当前生态文明城市建设和快速城市化的大背景下，黔中城市生态功能区生态环境质量时空分布格局状况如何？与区域植被覆盖变化状况联系是否紧密，以及找出影响区域生态环境的主要驱动因素是提升贵州省城市生态文明建设质量亟需研究的关键问题之一.对于开展城市绿色空间保护、城市规划和森林植被恢复具有重要意义(Zheng et al., 2005；刘勇和岳文泽，2010).因此，该研究旨以具有典型喀斯特地貌特征的黔中城市生态功能区为案例区，基于GEE平台，利用多时期Landsat遥感图像，最小云量合成法构建目标年份遥感影像基础数据，综合运用遥感生态指数、像元二分模型，集成地理探测器、相关性分析方法，在对近20年来遥感生态指数和植被覆盖度的时空变化特征求解的基础上，定量解析黔中城市生态功能区生态质量变化的时空异质性及其驱动因素，为城市发展与生态保护双重驱动下的黔中城市生态功能区实施国土空间修复规划和生态保护方法提供基础支撑.

1 研究数据与方法

1.1 研究区概况

贵州省国土空间生态修复规划(2021—2035年)将贵州省涵盖贵阳市全域、遵义市(播州区、汇川区、红花岗区)、安顺市(西秀区、平坝区)、毕节市(黔西市)、黔南州(福泉市、贵定县、瓮安县、龙里县)5个地级市在内的20个县(市、区)的区域划为黔中城市生态功能区(贵州省自然资源厅，2022).功能区地处西南内陆腹地，是贵州经济最为活跃的区域，具备显著的区位优势和便捷的交通网络，国土总面积达2.54万km2(图 1).地形地貌以山地、丘陵为主，喀斯特地貌遍布，生态系统脆弱敏感，属亚热带季风气候区，年平均气温约为15 ℃.该区域不仅是长江和珠江上游的重要生态屏障，同时也是贵州省人口密度最高、开发程度最大、城镇化率最高的地区.作为首批国家生态文明试验区，对两江中下游地区生态安全承担着不可替代的作用，注重地区生态环境保护，协调城市快速扩张与资源环境保护的突出矛盾丞待解决.
图1 研究区地理位置示意图

Figure 1 Location map of study area

1.2 数据来源

本文数据来源主要有3部分，基于GEE编程(JavaScript).(1)Landsat系列遥感影像数据.选取2001—2020年生长季(5—10月)的Landsat5-TM、Landsat8-OLI影像.各产品GEE云平台调用，该数据集已经过预处理，对每一幅影像利用QA波段进行去云掩膜处理，上传矢量边界拼接合成覆盖研究区的影像，反射率产品调用Landsat5-TM、Landsat8-OLI的Surface Reflectance Tier1数据，以上数据作为RSEI指标计算的基础数据以及MNDWI水体指数掩膜水体信息的数据.(2)Landsat5-TM、Landsat8-OLI的地表反射率数据集(Surface Reflectance，SR)，同时也作为FVC计算的基础数据.(3)DEM高程数据来自30 m分辨率的ASTER全球数字高程模型，矢量边界数据来源于国家基础地理信息中心，作为区位图制作的辅助数据.

1.3 研究方法

本研究基于Landsat系列遥感影像数据，借助GEE云平台对研究区生态环境质量(RSEI)及植被覆盖度(FVC)进行提取，利用ArcGIS、相关性分析方法对研究区生态环境变化进行分析，采用地理探测器模型对研究区生态环境质量影响因素进行探讨，具体技术流程图如图 2所示.
图2 技术流程图

Figure 2 Technical flowchart

1.3.1 生态环境质量状况评价指数模型

选取遥感生态指数模型对研究区的生态环境质量进行评价，该模型通过遥感影像数据反演计算4个生态指标，用主成分分析法客观赋予4个指标因子权重，提取具有代表性的第一主成分做标准化处理，得到RSEI指数，从而对研究区进行生态环境质量状况评价(徐涵秋，2013).
(1) 绿度指标
选取归一化植被指数NDVI表征研究区绿度指标，它不仅反映了植物生物量，还反映出叶面积指数以及植被覆盖度(Goward et al., 2002)，计算公式如下：
其中ρi为Landsat影像中对应波段的地表反射率.
(2) 干度指标
利用裸土指数(SI)和建筑指数(IBI)的集成指数(NDBSI)来表示(褚馨德等，2022)，计算公式如下：
式中的ρi为Landsat影像中对应波段的地表反射率.
(3) 湿度指标
湿度指标计算方法如下：
式中：ρi与式(3)、(4)中的含义相同，WETTM和WETOLI分别表示TM、OLI传感器计算方法.
(4) 热度指标
用Landsat热红外波段反演所得地表温度(Land Surface Temperature，LST)表示热度指标，计算公式如下：
式中：λ表示TM和OLI传感器热红外6和10波段的中心波长；ρ=1.438×10-2mk；DN为像元灰度值，gain和bias分别为对应波段的增益值和偏置值，T为传感器处温度值，K1和K2分别为定标参数，ε为地表辐射率(何天星等，2023).
(5) 综合生态指数的构建
计算四个生态指标后，采用主成分分析法(PCA)对四个生态指标进行线性变换.主成分分析根据各项指标的贡献度自动确定权重，从而量化指标结果，避免了主观因素带来的偏差，使结果更加精确(徐涵秋，2005；胡晓等，2020).对四个生态指标进行归一化处理，将其量纲统一到[0, 1]之间，然后进行PCA计算.归一化计算方式如下：
式中，Ii为某个因子的像元值，Imax和Imin表示该因子的最大值、最小值.过归一化处理后的指标合成一幅新的影像，计算得到第一主成分(PCA1)，对PCA1进行归一化处理，得到生态指数(RSEI).RSEI的值越接近1，表示研究区的生态质量越好，反之则表示生态质量越差(王渊等，2020).

1.3.2 FVC指数构建

植被覆盖度(FVC)作为评估地表植被覆盖和区域生态环境状况重要指标(李卓，2019)，计算方式如下：
式中：NDVI表示归一化植被指数，NDVIsoil和NDVIveg分别代表纯裸土和纯植被像元的归一化植被指数值(Gutma and Ignatov, 1998).RSEI中的绿度分量NDVI和FVC值均可以对植被生长状况进行评估，但两者并不完全等同(杨绘婷和徐涵秋，2020)，RSEI是耦合4个指数的综合指标，而FVC则直接通过评估地表植被覆盖度来反映生态质量，因此FVC和RSEI表示两个相对独立的生态质量评价指标.

1.3.3 地理探测器

地理探测器是一种能揭示地理现象空间分异差异和分析自变量与因变量之间相互作用的数学模型(王劲峰和徐成东，2017)，相比传统的相关系数模型，其具有定量数据分析、定性数据处理，以及各变量之间交互作用进行分析的综合强大功能(祝聪等，2019).本文采用地理探测器中因子探测、交互探测对黔中城市生态功能区生态环境质量驱动因子进行分析和归因.其中因子探测的主要功能是探测q值，即影响因子多大程度上解释了黔中城市生态功能区生态环境质量空间分异状况，其计算过程如公式(12)所示：
其中，SSW为不同层内方差之和，SST为全区总方差，L表示影响因子X的层数，Nh和N则表示因子层h和研究区样本数；σh2和σ2分别表示层h和研究总域内Y的方差，q值表示因子X对Y的影响程度.交互作用及探测功能识别不同活力影响因子X之间交互作用，以及影响因子X1和X2共同作用时是否会增加或减弱因变量Y的解释力，验证人文、自然要素等因子之间对研究区生态环境质量的影响是否相互独立.

2 结果分析

2.1 RSEI指标构建合理性检验

RSEI指标计算提取的四个分量，对四个指标进行主成分分析，结果(表 1)显示，各指标第一主成分均在70.96%~91.49%之间.PCA1集合了绝大多数特征，且绿度(NDVI)和湿度(WET)特征向量第一主成分均为正值，表明对生态环境质量产生正向影响，热度(LST)和干度(NDBSI)指标对RSEI生态环境质量产生负向影响，这与实际情况相吻合.证明在此次研究中构建的RSEI模型的合理性，基于PCA1提取构建指标，并进行归一化处理，来表征研究区生态环境质量的有效性.
表1 主成分分析结果

Table 1 Result of PCA analysis

年份 指标 PCA1 PCA2 PCA3 PCA4
2001 NDVI 0.996036 -0.039806 -0.066996 -0.042897
WET 0.055185 0.407061 0.825882 -0.386231
NDBSI -0.069532 -0.173022 -0.340973 -0.921394
LST -0.005752 -0.895980 0.444036 0.004363
特征值 0.004744 0.000232 0.000203 0.000006
贡献率/% 91.49 4.47 3.92 0.12
2006 NDVI 0.899267 0.440499 -0.079230 -0.001109
WET 0.114848 -0.054196 0.991700 -0.006290
NDBSI -0.001843 0.000034 -0.006121 -0.999980
LST -0.422048 0.896116 0.098707 0.000291
特征值 0.006779 0.001915 0.101072 0.000000
贡献率/% 76.52 21.62 1.86 0.00
2011 NDVI 0.884668 0.360012 -0.272001 -0.117340
WET 0.096361 -0.150426 0.483886 -0.856703
NDBSI -0.371816 0.175171 -0.760776 -0.502283
LST -0.264253 0.903924 0.336288 0.001503
特征值 0.012087 0.001373 0.000493 0.000045
贡献率/% 86.35 9.81 3.52 0.32
2017 NDVI 0.754024 0.521000 -0.363764 -0.166456
WET 0.138999 -0.162900 0.451211 -0.866339
NDBSI -0.525124 0.122000 -0.698301 -0.470889
LST -0.369285 0.828900 0.420072 0.003639
特征值 0.012189 0.001868 0.000870 0.000096
贡献率/% 81.14 12.43 5.79 0.64
2020 NDVI 0.979386 0.168375 -0.108091 -0.027730
WET 0.121277 -0.095843 0.980565 -0.120821
NDBSI -0.040842 -0.001168 -0.117323 -0.992253
LST -0.156290 0.981052 0.114207 -0.008225
特征值 0.007654 0.003033 0.000251 0.000003
贡献率/% 70.96 27.72 1.29 0.03

2.2 黔中城市生态功能区生态环境质量时空分布分析

黔中城市生态功能区生态环境质量结果如图 3所示，可以看出整个功能区呈现出明显的空间异质性.2001年，城市功能区生态环境较差的区域主要分布于北部的遵义市和南部的贵阳市市区，以及西部的黔西市，西南部的安顺市西秀区、平坝区等城市建成区域.而后呈现出由中心城市建设区向四周扩散恶化的趋势，表明随21世纪以来，地处西南腹地的黔中城市生态功能区的快速城市化导致环境质量恶化.表 2显示，2001年黔中城市生态功能区生态环境质量均值为0.758，2006年为0.652，较2001年相比下降0.106，2017较2011年相比，生态环境质量均值下降0.022，降幅不大，2020年生态环境质量均值最高.整体来看2001—2020年呈上升趋势，表明黔中城市生态功能区环境质量呈现好转态势.
图3 2001—2020年黔中城市功能区生态环境质量指数及变化分布

Figure 3 Ecological environment quality index and variation distribution of central Guizhou urban functional areas from 2001 to 2020

表2 各期RSEI统计表

Table 2 RSEI statistics table for each period

生态指数(RSEI) 最小值 最大值 均值 标准差
2001 0 1 0.758 0.065
2006 0 1 0.652 0.083
2011 0 1 0.719 0.106
2017 0 1 0.697 0.110
2020 0 1 0.796 0.911
图 4a—e为黔中城市功能区生态功能区分县(区)行政区域统计分析生态环境质量箱型图.可以看出，2001年福泉市、贵定县、汇川区、龙里县、瓮安县、乌当区的生态环境质量明显高于平均水平，表明该区域生态环境质量较好.此外，除贵阳市乌当区外，贵阳市全域生态环境质量均低于平均水平，表明该区域生态环境质量较差.2006年福泉市、贵定县、龙里县、瓮安县、乌当区生态环境质量持续高于平均水平，表明该区域城市生态环境质量相对优化且呈稳定态势，较2001年相比，生态环境质量高于平均水平的新增了西秀区，表明该区域生态环境质量呈现改善趋势.2020年是生态环境质量均值最高的一年，其中福泉市、贵定县、龙里县、瓮安县、乌当区生态环境质量较为稳定且持续高于平均水平，与2001年相比，高于平均水平的区域还新增了红花岗区、汇川区、开阳县、息烽县、修文县等城市，总体而言，黔中城市生态功能区生态质量呈现出先变差后改善的过程，表明近20年功能区生态保护治理工作成效显著.
图4 RSEI数据各年份在各行政区域的箱型图

Figure 4 Boxplot of the RSEI data in each administrative area

2.3 黔中城市生态功能区生态环境质量时空变化分析

2.3.1 生态环境质量时空变化分析

为进一步分析黔中城市功能区在各城市生态质量变化状况，采用1 km×1 km的渔网提取各区域RSEI变化值，得到25505个样本点，删除水域异常值得到25334个样本点，并在ArcGIS中利用分区统计工具，选取四个变化参数(最大值、最小值、平均值、标准差)统计分析出RSEI在各城市的变化状况，具体变化状况可分为三个时段表示：图 5a显示，2001—2011年10年间，RSEI变化均值在各城市均为负值，表明黔中城市功能区生态环境质量在该时段呈下降态势，黔中城市功能区整体生态环境压力较大.图 5b显示，2011—2020年，RSEI变化均值在各城市均为正值，表明黔中城市功能区生态环境质量有所好转，与前10年相比，红花岗区、汇川区、开阳县等城市生态环境质量均值提升幅度较大，说明城市生态治理政策效果显著.图 5c则显示近20年，观山湖区、花溪区、南明区RSEI变化均值为负，降低幅度不大，其余城市均为正值，表明近20年间城市生态环境质量先下降后上升而整体上升趋势，黔中城市生态功能区生态环境质量得到了恢复和提高.
图5 2001—2020年黔中城市功能区RSEI数据在各城市变化

Figure 5 Changes in RSEI data for urban functional areas in central Guizhou from 2001 to 2020

2.3.2 空间自相关分析

基于生态环境质量时空变化分析后，进一步分析样本点的全局和局部空间自相关性.如图 6所示，第一、三象限样本点较为聚集，表明黔中城市生态功能区的生态环境变化在空间上呈现出正相关和负相关的趋势.Moran's I值为0.211，具有显著性，这表明生态环境质量变化在空间上并非随机分布.通过进一步进行局部Moran's I指数分析，我们发现研究区的生态环境质量变化呈现出聚集性的分布，而非随机性.根据LISA图的显示，高高聚集区主要位于功能区中部，这表明这些城市的生态环境质量呈现出改善的趋势.相反，低低聚集区主要分布在南部的贵阳市中心城区以及城市建设开发区等区域，这表明这些城市的生态环境质量呈现出恶化的趋势.值得注意的是，显著性水平小于0.01的区域主要位于生态环境质量强相关(HH)和弱相关(LL)的区域，这表明黔中城市功能区在这些区域的生态环境质量变化非常显著，在干预城市生态环境时应重点关注此区域.
图6 RSEI数据变化的莫兰散点图(a)、显著性水平图(b)和局部空间自相关图(c)

Figure 6 Moran's scatter plot of RSEI data changes (a), significance level plot (b), and local spatial autocorrelation map (c)

2.4 黔中城市生态功能区生态环境质量变化成因分析

2.4.1 植被覆盖与生态环境质量分布分析

生态环境质量变化与区域植被覆盖度息息相关，了解黔中城市生态功能区植被覆盖度分布状况有利于深入研究与区域生态质量变化的关联，从而进一步解释分析功能区生态质量变化的原因及趋向.
结合RSEI分布图(图 3)和植被覆盖分布图(图 7)，可以看出两者的空间分布特征和变化状况基本趋于一致(王志超和何新华，2021).植被覆盖度较低区域多集中在功能区南部和北部城市化水平较高的城市中心建成区，呈现出由城市中心向四周扩散的态势，反之高覆盖区多集中在功能区中部，表明中部黔西市煤矿、息烽开阳至瓮安福泉磷矿等矿山集中连片区开展的矿山生态修复工程工作治理成效显著.图 7f显示2001—2020年功能区植被覆盖度降低区域显示为由城市建成区向四周扩散的态势，表明功能区随城镇化率提高、经济社会快速发展和矿产资源勘探开发等人类活动导致城市生态环境遭到一定破坏，原有的植被覆盖地区被城市建筑所取代，从而出现研究区生态环境质量及植被覆盖度降低的现象.表 3显示，2001—2006年研究区FVC均值由0.588上升到0.648，到2011年又下降至0.556，而后呈逐步稳定上升态势.
图7 2001—2020年黔中城市生态功能区植被覆盖度(FVC)图(a—e)及变化图(f)

Figure 7 Vegetation coverage (FVC) map (a—e) and change map (f) of ecological function zone in central Guizhou city from 2001 to 2020

表3 各期FVC统计表

Table 3 Statistics table for each period

植被覆盖度(FVC) 最小值 最大值 均值 标准差
2001 0 1 0.588 0.090
2006 0 1 0.648 0.089
2011 0 1 0.556 0.130
2017 0 1 0.735 0.116
2020 0 1 0.742 0.115
对每年计算出的RSEI与FVC进行相关性分析，计算出相关性矩阵，若相关系数大于0.5，表明二者的相关性为强相关.结果显示，研究区的FVC和RSEI在2001、2006、2011、2017、2020年的相关系数分别为0.837、0.639、0.893、0.819、0.708，表明FVC与RSEI之间存在显著的正相关性，进一步验证了FVC对生态环境质量变化的影响.同时，从表 2和表 3可得知，研究区FVC和RSEI变化状况表现出明显的阶段性.在2001—2011年的近10年间，研究区的FVC和RSEI呈下降趋势，而2011—2020年则呈上升趋势.通过对研究区FVC和RSEI指标的综合分析，揭示了黔中城市功能区生态环境质量的空间分布格局和变化状况，这些结果为我们更深入地理解和干预城市生态环境提供了重要的参考依据.

2.4.2 单因子探测分析

对生态环境质量影响综合成因进行分析，选取研究区地形及土壤、人类活动、气候及植被三大类影响因子，选用自然断点法将影响因子进行分级，创建研究区1 km×1 km的格网对影响因子进行采样，将生态环境质量状况作为因变量探测研究区各因子采样点对因变量的影响程度.表 4为地理探测器单因子探测结果，结果表明，显著水平p值均为0，说明所选因子均对生态环境质量空间分异有显著性影响，q值为RSEI空间分异解释程度的大小.各因子对生态环境质量的影响程度排序为植被覆盖度>土地利用类型>人口密度>坡度>GDP>土壤类型>海拔>年平均降雨>年平均气温>夜间灯光.其中植被覆盖度及土地利用类型对RSEI解释力大于0.1，说明这是影响研究区内RSEI空间分布的主要因子，进一步验证了植被覆盖度和生态环境质量分布分析结果的有效性.人口密度、GDP、坡度、土壤类型对RSEI解释力中等，为次要因子.夜间灯光、气候因子解释力较小，表明对研究区RSEI空间分布特征影响程度较弱.
表4 单因子探测结果

Table 4 The results of single detection

探测因子 解释力q 显著水平p q值排序
地形及土壤影响因子 海拔 0.017 0 7
坡度 0.048 0 4
土壤类型 0.020 0 6
人类活动影响因子 土地利用类型 0.101 0 2
夜间灯光 0.001 0 10
人口密度 0.074 0 3
GDP 0.031 0 5
气候及植被影响因子 年平均降水 0.014 0 8
年平均气温 0.014 0 9
植被覆盖度 0.108 0 1

2.4.3 多因子交互作用探测分析

进一步分析任意两个因子对研究区生态环境质量空间分异的影响程度及其显著性差异，利用地理探测器对影响因子进行交互作用与风险探测，具体结果如图 8所示.风险探测与交互探测矩阵表明，与单个因子相比，两个因子交互作用对黔中城市生态功能区生态环境质量的影响程度更大.交互探测结果表明，植被覆盖度∩土地利用(q=0.1643)、植被覆盖度∩人口密度(q=0.1441)、人口密度∩植被覆盖度(q=0.1401)，说明植被覆盖度、土地利用、人口密度双因子的交互作用对黔中城市生态功能区RSEI空间分异特征具有较强的解释力，而年平均气温∩年平均降水(q=0.0363)、年平均气温∩土壤类型在双因子探测中对研究区生态环境质量解释力较弱.风险探测结果表明，土地利用与海拔、坡度地形因素对研究区RSEI空间分布的影响具有显著性差异；人口密度与坡度、土地利用、植被覆盖等因子均具有显著性差异，与其余因子无显著性差异；GDP与土地利用、植被覆盖度具有显著性差异，与其他因子无显著性差异；总体来看，以土地利用、人口密度人为因素，植被覆盖度为自然因素是影响功能区RSEI分布的主要影响因子.
图8 风险探测与交互探测矩阵

Figure 8 Risk dection and interactive dection matri

3 讨论

根据计算的遥感生态指数结果，可知RSEI呈波动变化，生态环境质量的驱动因素判定显示，人类活动导致的土地利用变化、植被覆盖度为主的自然因素是引起生态质量变化的关键因素.作为贵州省人口聚集区和人类活动活跃、国家级生态文明试验区，黔中城市功能区在贵州省具有重要地位.全面客观评估整个城市生态功能区生态环境变化对城市可持续发展和公园绿色城市建设有着重要意义(吴小波等，2023).研究结果显示，在2001—2011年的10年间，黔中城市功能区的生态环境质量受到城市建设发展的影响而呈现下降趋势，而后呈缓慢上升逐渐稳定态势，200—2020年来生态环境质量不断改善.特别是2009年以来，随着国内首部促进生态文明建设的地方性法规《贵阳市促进生态文明建设条例》出台，2011年生态环境质量呈现好转态势，2014年《贵州省生态文明建设促进条例》的实施，2016我国首批国家生态文明试验区之一的确立，2017年《国家生态文明试验区(贵州)实施方案》的发布，一定程度上对于地区生态环境质量的改善都产生正向影响.系列措施显示了生态文明和可持续发展理念深入民心，严格的生态环境保护政策也在促进生态环境质量的提升方面发挥着明显的作用.这不仅对地区的生态环境改善产生了积极效果，同时也为未来的城市规划和发展提供了有益的经验教训.
在计算RSEI的过程中，利用4个生态指标进行计算反演得到研究区生态环境质量状况，但这四个指标是否具有代表性，以及它们之间是否是简单的线性关系，还值得进一步分析(Jing et al., 2020；Liao and Jiang, 2020；吴小波等，2023).下一步可以考虑增加指标数量(Wei et al., 2019)，对研究区生态环境质量状况进行深入分析.对于生态环境质量驱动因子分析，由于生态系统的复杂性，不同土地覆盖类型的主要驱动因子在不同阶段也有不同差异(范泽孟和李赛博，2019)，应该进一步分析所选取因子的代表性及其有效性.对于影像数据的选择，因为时间跨度较大，个别月份的数据缺失，使得实验结果受到数据量的限制.大量的研究表明，RSEI可以表征一个地区的生态环境状况(徐涵秋，2013；郑子豪等，2021)，本研究侧重于利用GEE平台实现了对贵州省黔中城市功能区生态质量长时间大范围的动态评估，分析近20年该区域的生态环境质量分布特征，利用地理探测器分析影响黔中城市生态功能区生态环境质量的驱动因素.我们也意识到研究尚未对更深层次的因素进行充分分析和探讨，所选驱动因素是否具有代表性和推广性.在今后的研究中，有必要采用更全面的定量和定性遥感数据以及非遥感数据，从多个角度对这些因素进行进一步分析.这将有助于更好地理解功能区生态环境变化的综合影响，为更全面的决策和政策制定提供有力支持.

4 结论

本文以黔中城市功能区为研究对象，对平台提供的目标年份的Landsat数据，耦合计算遥感生态指数的四个指标.通过主成分分析法构建遥感生态指数(RSEI)，同时利用像元二分模型构建植被覆盖度(FVC).利用ArcGIS、地理探测器进行制图与结果分析，评估黔中城市功能区各区县生态环境质量分布状况及驱动因素，得出结论如下：
(1) 黔中城市生态功能区近20年间RSEI总体呈改善趋势，其生态环境变化存在明显的空间自相关，生态环境质量变差与生态环境质量变好区域呈一定空间上的集聚性，表明RSEI能够较好地表征研究区的生态环境质量.
(2) 功能区植被覆盖(FVC)与遥感生态指数(RSEI)密切相关，二者的分布和变化趋势高度一致.表明两者共同综合反映了研究区生态质量及其空间分布的变化状况.为功能区开发建设和可持续发展提供科学依据.
(3) 地理探测器与植被覆盖结果交互验证显示，研究区的生态质量表现出北部和中部上升、南部下降的趋势.植被覆盖在生态质量变化中扮演着积极的主导因素，而城市建设区的不断扩张则成为主要的负面影响因素.利用地理探测器对地形及土壤、气候与植被、人类活动三个方面进行对研究区RSEI进行因子探测，以植被覆盖度为主的自然因素、土地利用和人口密度为主的人为因素是功能区RSEI空间分布格局形成与变化的主要驱动因素，在对功能区进行进一步生态环境治理时需要加强对这部分影响因子的关注.

感谢审稿专家提出的修改意见和编辑部的大力支持！

References

Publishing order | Descend order by publishing year | Descend order by cited within
Chu X D , Jia W , Zhang J H . Ecological environment quality evaluation of Qilian mountain nature reserve based on RSEI model. The Administration and Technique of Environmental Monitoring, 2022, 34(1 38 42.

DOI

Fan Z M , Li S B . Change pattern of land cover and its driving force since 2001 in the New Eurasian Continental Bridge Economic Corridor. Acta Ecologica Sinica, 2019, 39(14): 5015-5027.

DOI

Goward S N , Xue Y K , Czajkowski K P . Evaluating land surface moisture conditions from the remotely sensed temperature/vegetation index measurements: An exploration with the simplified simple biosphere model. Remote Sensing of Environment, 2002, 79(2-3): 225-242.

DOI

Gutman G , Ignatov A . The derivation of the green vegetation fraction from NOAA/AVHRR data for use in numerical weather prediction models. International Journal of Remote Sensing, 1998, 19(8): 1533-1543.

DOI

He T X , Tian N , Zhou R . Dynamic assessment of eco-environmental quality in Yangtze River Delta integration demonstration area based on GEE and RSEI. Chinese Journal of Ecology, 2023, 42(2): 436-444.

DOI

Hu X , Zhu Y J , Ming A Y . Evaluation of ecological environment quality of Taian based on remote sensing ecological index. Mine Surveying, 2020, 48(2): 106-110.

DOI

Jing Y Q , Zhang F , He Y F . Assessment of spatial and temporal variation of ecological environment quality in ebinurlake wetlandnational nature reserve, Xinjiang, China. Ecological Indicators, 2020, 110: 105874.

DOI

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. Remote Sensing, 2020, 12(15): 2462.

DOI

Liu Y , Yue W Z . Estimation of urban vegetation fraction by image fusion and spectral unmixing. Acta Ecologica Sinica, 2010, 30(1): 93-99

Liu Y , Yue W Z , Fan P L . Assessing the urban environmental quality of mountainous cities: A case study in Chongqing, China. Ecological Indicators, 2017, 81: 132-145.

DOI

Tian Z H , Yin C X , Wang X L . Dynamic monitoring and driving factors analysis of ecological environment quality in Poyang Lake Basin. Environmental Science, 2023, 44(2): 816-827.

DOI

Wan H L , Huo F , Niu Y F . Dynamic monitoring and analysis of ecological environment change in Cangzhou city based on RSEI model considering PM2.5 concentration. Progress in Geophysics, 2021, 36(3): 953-960.

DOI

Wang C L , Jiang Q O , Deng X Z . Spatio-temporal evolution, future trend and phenology regularity of net primary productivity of forests in Northeast China. Remote Sensing, 2020, 12(21): 3670.

DOI

Wang J F , Xu C D . Geodetector: Principle and prospective. Acta Geographica Sinica, 2017, 72(1): 116-134

Wang M Y , Xu H Q . Temporal and spatial changes of urban impervious surface and its influence on urban ecological quality: A comparison between Shanghai and New York. Chinese Journal of Applied Ecology, 2018, 29(11): 3735-3746.

DOI

Wang Y , Zhao Y H , Wu J S . Dynamic monitoring of long time series of ecological quality in urban agglomerations using Google Earth Engine cloud computing: A case study of the Guangdong-Hong Kong-Macao Greater Bay Area, China. Acta Ecologica Sinica, 2020, 40(23): 8461-8473

Wang Z C , He X H . Assessments of ecological quality in Jinjiang district of Chengdu city using the FVC and RSEI models. Journal of Ecology and Rural Environment, 2021, 37(4): 492-500.

DOI

Wang Z J , Dai L . Assessment of land use/cover changes and its ecological effect in karst mountainous cities in central Guizhou Province: Taking Huaxi District of Guiyang City as a case. Acta Ecologica Sinica, 2021, 41(9): 3429-3440.

DOI

Wei W , Guo Z C , Xie B B . Spatiotemporal evolution of environment based on integrated remote sensing indexes in arid inland river basin in Northwest China. Environmental Science and Pollution Research, 2019, 26(13): 13062-13084.

DOI

Wei Y D , Li H , Yue W Z . Urban land expansion and regional inequality in transitional China. Landscape and Urban Planning, 2017, 163: 17-31.

DOI

Wu K R , Gao Q , Wang R H . Evaluation of ecological environment quality in Shijiazhuang based on RSEI model. Progress in Geophysics, 2021, 36(3): 968-976.

DOI

Wu X B , Fan X Y , Liu X J . Temporal and spatial variations of ecological quality of Chengdu-Chongqing Urban Agglomeration based on Google Earth Engine cloud platform. Chinese Journal of Ecology, 2023, 42(3): 759-768.

DOI

Xu H Q . A study on information extraction of water body with the modified normalized difference water index (MNDWI). Journal of Remote Sensing, 2005, 9(5): 589-595

Xu H Q . A remote sensing urban ecological index and its application. Acta Ecologica Sinica, 2013, 33(24): 7853-7862.

DOI

Yang H T , Xu H Q . Assessing fractional vegetation cover changes and ecological quality of the Wuyi mountain national nature reserve based on remote sensing spatial information. Chinese Journal of Applied Ecology, 2020, 31(2): 533-542.

DOI

Yang Z K , Tian J , Li W Y . Spatio-temporal pattern and evolution trend of ecological environment quality in the Yellow River Basin. Acta Ecologica Sinica, 2021, 41(19): 7627-7636.

DOI

Ye Y P , Liu L J . A preliminary study on assessment indicator system of provincial Eco-environmental quality in China. Research of Environmental Sciences, 2000, 13(3): 33-36.

DOI

Zhao Y , Meng D , Ding F . Dynamic assessment of ecological quality in Xiong'an New Area from 2000 to 2022 based on GEE platform. Progress in Geophysics, 2023, 38(5): 2023-2036.

DOI

Zheng H , Ouyang Z Y , Wang X K . Effects of regenerating forest cover on soil microbial communities: A case study in hilly red soil region, Southern China. Forest Ecology and Management, 2005, 217(2-3): 244-254.

DOI

Zheng Z H , Wu Z F , Chen Y B . Analyzing the ecological environment and urbanization characteristics of the Yangtze River Delta Urban Agglomeration based on Google Earth Engine. Acta Ecologica Sinica, 2021, 41(2): 717-729.

DOI

Zhu C , Peng W F , Zhang L F . Study of temporal and spatial variation and driving force of fractional vegetation cover in upper reaches of Minjiang River from 2006 to 2016. Acta Ecologica Sinica, 2019, 39(5): 1583-1594.

DOI

Zhu X H , Yang X C , Liu T K . On mechanism for eco-environmental quality of Jiangsu province. Economic Geography, 2004, 24(4): 473-476.

DOI

褚 馨德 , 贾 伟 , 张 峻豪 . 基于RSEI模型的祁连山自然保护区生态环境质量评价. 环境监测管理与技术, 2022, 34(1): 38-42.

DOI

范 泽孟 , 李 赛博 . 新亚欧大陆桥经济走廊土地覆被变化及驱动力分析. 生态学报, 2019, 9(14): 5015-5027.

DOI

傅 伯杰 . 中国各省区生态环境质量评价与排序. 中国人口·资源与环境, 1992, 2(2): 48-54

何 天星 , 田 宁 , 周 锐 . 基于GEE和RSEI的长三角一体化示范区生态环境质量动态评估. 生态学杂志, 2023, 42(2): 436-444.

DOI

胡 晓 , 朱 元娇 , 明 安远 . 基于遥感生态指数(RSEI)的泰安市生态环境质量评价. 矿山测量, 2020, 48(2): 106-110.

DOI

刘 勇 , 岳 文泽 . 基于图像融合与混合像元分解的城市植被盖度提取. 生态学报, 2010, 30(1): 93-99

毛 文永 . 规划生态环评目标与指标体系的建立. 环境影响评价, 2014 2): 26-28.

DOI

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. 环境科学, 2023, 44(2): 816-827.

DOI

万 虹麟 , 霍 飞 , 牛 玉芬 . 顾及PM2.5浓度遥感生态指数模型的沧州市区生态环境质量动态监测分析. 地球物理学进展, 2021, 36(3): 953-960.

DOI

王 劲峰 , 徐 成东 . 地理探测器: 原理与展望. 地理学报, 2017, 72(1): 116-134

王 美雅 , 徐 涵秋 . 上海和纽约城市不透水面时空变化及其对生态质量影响的对比. 应用生态学报, 2018, 29(11): 3735-3746.

DOI

王 渊 , 赵 宇豪 , 吴 健生 . 基于Google Earth Engine云计算的城市群生态质量长时序动态监测——以粤港澳大湾区为例. 生态学报, 2020, 40(23): 8461-8473

王 志超 , 何 新华 . 基于植被覆盖度和遥感生态指数的成都市锦江区生态质量评估. 生态与农村环境学报, 2021, 37(4): 492-500.

DOI

王 志杰 , 代 磊 . 黔中喀斯特山地城市土地利用/覆被变化及其生态效应评价——以贵阳市花溪区为例. 生态学报, 2021, 41(9): 3429-3440.

DOI

吴 可人 , 高 祺 , 王 让会 . 基于RSEI模型的石家庄生态环境质量评价. 地球物理学进展, 2021, 36(3): 968-976.

DOI

吴 小波 , 范 晓雨 , 刘 晓敬 . 基于Google Earth Engine云平台的成渝城市群生态环境质量时空变化. 生态学杂志, 2023, 42(3): 759-768.

DOI

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. 遥感学报, 2005, 9(5): 589-595

徐 涵秋 . 城市遥感生态指数的创建及其应用. 生态学报, 2013, 33(24): 7853-7862.

DOI

杨 绘婷 , 徐 涵秋 . 基于遥感空间信息的武夷山国家级自然保护区植被覆盖度变化与生态质量评估. 应用生态学报, 2020, 31(2): 533-542.

DOI

杨 泽康 , 田 佳 , 李 万源 . 黄河流域生态环境质量时空格局与演变趋势. 生态学报, 2021, 41(19): 7627-7636.

DOI

叶 亚平 , 刘 鲁君 . 中国省域生态环境质量评价指标体系研究. 环境科学研究, 2000, 13(3): 33-36.

DOI

赵 月 , 孟 丹 , 丁 凤 . 基于GEE云平台的2000-2022年雄安新区生态质量动态评价. 地球物理学进展, 2023, 38(5): 2023-2036.

DOI

郑 子豪 , 吴 志峰 , 陈 颖彪 . 基于Google Earth Engine的长三角城市群生态环境变化与城市化特征分析. 生态学报, 2021, 41(2): 717-729.

DOI

祝 聪 , 彭 文甫 , 张 丽芳 . 2006-2016年岷江上游植被覆盖度时空变化及驱动力. 生态学报, 2019, 39(5): 1583-1594.

DOI

朱 晓华 , 杨 秀春 , 刘 天科 . 江苏省生态环境质量动态变化驱动机制研究. 经济地理, 2004, 24(4): 473-476.

DOI

Options
Outlines

/

〈 〉