重庆南川区生态环境变化及其对城市不透水面的响应

邓力维, 徐丽华

重庆南川区生态环境变化及其对城市不透水面的响应

邓力维, 徐丽华*

西南大学资源环境学院, 重庆 400715

城市建筑物的扩张使得不透水面挤占了大量的自然生态空间, 利用遥感技术对生态环境进行监测有助于快速掌握区域生态变化过程。以重庆市生态典型示范区南川为研究区, 利用2002、2011、2016年3期多时相Landsat影像, 通过耦合绿度、湿度、干度、热度四个因子, 计算各个时期的遥感生态指数(RSEI), 并采用归一化不透水面指数提取各个年份的不透水面信息, 借助景观格局指数揭示不透水面时空变化对区域生态的影响, 最后结合人类活动范围以及经济、政策等多角度对区域生态环境变化进行分析。结果表明: (1)研究期内南川区的RSEI均值由0.6791下降至0.5712, 再上升到0.6669, 生态环境总体有所恢复。构成RSEI的四个因子中, 对区域生态影响最大的是绿度指数, 其次为干度指数。(2)2002—2016年间研究区不透水面扩张主要以内部填充为主, 不透水面年增长率约为6.31%。(3)不透水面斑块面积较大、聚集度高、结合度强的区域RSEI值低, 生态等级为优的区域相较生态质量差的区域聚集度低12%左右。(4)生态环境与人类活动范围、生态政策具有一定的相关性, 与道路距离每增大100 m, RSEI值提高约0.0149; 积极的生态政策对区域生态环境具有促进作用。总的来说, 合理利用现有不透水面进行建设, 增加不透水面形态的复杂性和分散性, 保护已有植被, 注重经济增长与生态保护相协调是改善区域生态环境的关键。

不透水面; 遥感生态指数; 景观格局指数; 生态环境变化

城市化进程的加快使得大量不透水面取代了原有的自然地表景观植被, 进而影响地表温度、土地利用变化、城市空间规划以及城市生态建设[1–4]等, 对生态环境造成了一定程度的破坏, 对区域生态环境监测与评价也提出了更高的要求[5]。不透水面的变化是城市扩张的主要标志, 城市不透水面的比例及时空动态变化是影响城市发展程度以及生态质量状况的重要指标[6]。因此, 研究不透水面的变化对生态环境的影响具有重要意义。

遥感技术的发展为城市不透水面的提取提供了可行性, 发展了一些基于遥感的生态质量评价方法, 如基于生态系统的服务价值法[7]、PSR与层次分析法构建的综合指数法[8]、Delphi与模糊评价相结合法[9]等。徐涵秋提出了以干度、热度、绿度、湿度四个指标集成的遥感生态指数(Remote Sensing Ecological Index, RSEI)[10], 该指数的各指标完全基于遥感影像获取, 通过主成分分析非人为地确定各因子对生态环境的贡献, 所得结果客观且具有较好的空间可视化效果, 在干旱区、水土流失区、矿区、城市群[11–15]等地的生态环境质量评价中得到广泛应用。景观格局可描述不同大小形状的景观斑块在空间上的布局[16]。自然、生物及社会的各种生态过程相互作用构成了景观格局的变化与发展, 人类的开发活动也主要在景观层次上进行[17]。随着研究区城市化的推进, 人类活动强度和范围不断增大, 不透水面占比提升且分布情况复杂, 因此结合景观格局指数分析研究区生态质量变化, 对于及时查清研究区的景观生态格局以针对性地保护生态环境具有显著作用。

重庆复杂的地形使得区域间生态差异表现更为明显[18], 不透水面景观格局亦趋于复杂化, 及时掌握山区城市生态环境变化对于城市规划建设具有重要意义。重庆市南川区以中山、低山为主要地貌[19], 在川东平行岭谷区代表性显著, 该区北部致力于发展生态农业, 南部金佛山是5A级风景名胜区。南川区经历了城镇化到重庆市典型生态示范区的转型, 对该区生态变化情况进行研究, 分析其对不透水面、人类活动范围的响应以及生态政策的影响, 对更大范围的区域生态建设具有辐射示范作用。因此, 本文拟采用2002、2011、2016年三个时期的Landsat影像, 通过提取各研究期不透水面信息分析其时空变化特征, 并结合遥感生态指数、景观格局指数定量分析南川区不透水面时空分异以及人类活动对区域生态环境的影响。

1.1 研究区概况

南川区坐落于重庆南部, 经纬度范围为北纬28°46′—29°30′、东经106°54′—107°27′, 总面积约2602 km2(图1)。该区地形以山地为主, 地势东南高西北低, 境内海拔最低323 m, 最高2228 m。主要可分为北部生态农业示范区、中部城乡一体化示范区、南部金佛山三个类区[20]。该区自然资源主要包括以煤为代表的矿产资源, 以野猪、猴等为代表的生物资源, 水资源、森林资源、土地资源等储量丰富, 先后被评为“国家卫生城市”、“国家森林旅游示范县”。

1.2 数据来源与预处理

文中使用遥感数据为Landsat卫星影像, 数据均来源于地理空间数据云(http://www.gscloud.cn)平台。影像获取时间分别为2002年6月11日、2011年5月27日、2016年6月17日, 传感器分别为TM/ETM/OLI, 其中TM影像包含蓝、绿、红、近红外、中红外等7个波段, ETM影像包含蓝、绿、红、近红外、短波红外等8个波段, OLI影像包含海岸、蓝、绿、红、近红外、短波红外、全色等11个波段, 本研究所用波段为绿光、红光、近红外3个波段, 空间分辨率均为30 m。云量分别为 1.68, 0.01, 2.11, 轨道号均为127/40。对三期影像分别进行几何校正、辐射定标、大气校正等预处理, 几何校正时投影为UTM投影, 投影坐标系为WGS_1984_UTM_Zone_ 48N, 校正方式为二次多项式, 重采样方式选择双线性内插(Bilinear), 最后用南川区的区界矢量文件进行裁剪, 其结果影像如图2所示。

图1 研究区地理位置

Figure 1 Geographic location of the study area

1.3 研究方法

1.3.1遥感生态指数

文中用遥感生态指数()对区域生态环境进行评价。的构建需要整合绿度、湿度、热度和干度因子四个分量, 因此需要分别构建单一分量, 将四个单一分量进行叠加后, 进行主成分分析, 并将第一主成分作为的初始状态值。最后, 对其进行归一化处理, 得到最终的值。遥感生态指数的表达式如公式(1)所示。

(1)

式中,为主成分分析函数,分别用归一化植被指数、缨帽变换的湿度分量、地表温度、建筑物与裸土指数的均值来表示, 其计算公式详见参考文献[10]。

1.3.2 逐步多元线性回归

利用ArcGIS软件, 分别对图像按照10×10(0.3 km×0.3 km)格网贯穿全影像的方法进行随机采样, 每幅影像均匀采集20000个样点。以为因变量,作为自变量进行逐步多元线性回归分析, 具体分析绿度、湿度、热度、干度对区域生态的影响。同时为了更为直观地表现四个分量与的关系, 利用MATLAB R2014b绘制散点图, 对遥感生态指数和四个分量进行可视化显示。

图2 研究区Landsat影像

Figure 2 Landsat images of study area

1.3.3 不透水面提取

文中采用归一化不透水面指数(Normalized Difference Impervious Surface Index, NDISI)对不透水面进行提取,全面考虑了相近地类的光谱特性, 能较好地区分出不透水面和裸土信息, 且实现方式较为简单[21]。表达式如式(2)、(3)所示。式中,为不透水面指数,为归一化水体指数,分别是Landsat影像中的绿光、近红外、中红外1波段和热红外波段。

(2)

(3)

1.3.4 景观格局指数

选取平均斑块面积(Mean Patch Area, PA_MN), 最大斑块指数(Large Patch Index, LPI), 平均形状指数(Mean Shape Index, Shape_MN), 斑块密度(Patch Density, PD), 聚集度(Aggregation Index, AI), 斑块结合度(COHESION)6种景观指数作为评价指标, 对不透水面的空间分布状况进行评价, 所使用软件为景观格局分析软件Fragstats 4.2。

2.1 城市生态环境质量总体状况

2.1.1 城市生态环境时空变化

对干度、热度、湿度、绿度指标进行主成分分析(表1)发现, 三个时期PC1的贡献率都较大, 因此第一主成分可用于描述4个指标的特征。两个指标与两个指标符号相反, 说明它们分别对研究区生态起着相反的作用。代表干度和代表热度的指标对生态环境造成消极影响, 代表湿度及代表绿度的指数则对区域生态起着积极作用。四个指标在2011年PC1、PC2载荷与2002、2016年载荷符号不同, 说明2011年的生态条件与PC1值成反比, 在初始化之前应进行反向处理[12], 使三期情况统一。

对研究区三个年份各指标均值和的均值变化进行统计(表2)发现: (1)指数持续增大, 符合区域城市化实际进程, 代表热度的指数则出现了先减后增的趋势, 这与研究区的气温变化实际情况一致; (2) 绿度指标、湿度指标在研究期间持续增长, 增长率在8.5%左右, 表明研究区的植被覆盖面积有所增加; (3) 总的来说, 四个指标的变化趋势表明研究区14年间生态环境质量逐渐改善,均值呈现先下降后上升的趋势。

表1 各生态指标主成分分析结果

表2 南川区各研究期四个指标及RSEI均值

根据0.2的相等间隔对指数进行分级[10](表3), 由表3可知, 2002—2016年间, 研究区最大面积占比的区域由生态等级良好转向生态质量中等, 2016年恢复为生态条件良好。2002—2011年间, 生态质量等级为优、良的面积都有所减少(分别减少了5.16%、37.53%), 同时等级为中等及以下的区域面积都有不同程度的增大, 表现出区域生态有所恶化; 2011—2016年间, 生态等级为优、良的区域面积占比均有所上升, 而生态质量为中等、较差以及差的区域面积都有所减小, 说明研究区生态质量逐渐得到改善。

表3 2002—2016年南川区生态等级变化

由图3可以看出: 2002—2016年间, 生态质量最差的区域均集中在中部城市区, 而等级最高的区域大都集中在南部的金佛山生态示范区, 表现出一定的规律性。2002—2011年间, 研究区生态质量有所下降, 在图3(b)上表现为红色、黄色区域相较图3(a)明显扩张, 而绿色面积显著减少; 2011—2016年间, 虽然城市建筑密度以及不透水面面积随着城市化进程仍进一步增大, 但城市中心生态质量却得到了明显改善, 在图3(c)上表现为城市中心的红色、黄色区域面积相较图3(b) 明显减小; 研究区南部的生态质量也得到进一步的提高, 在图3(c)上表现为绿色区域面积相较图3(b)相比显著增大, 说明近年来人们在开发建设城市的同时, 更加注重对已有城区和植被的生态环境保护。

2.1.2 城市生态环境建模分析

分别对2002、2011、2016年影像的及影像进行随机采样, 每幅影像采集20000个样本点, 然后以为因变量,为自变量进行逐步多元线性回归分析, 得到2002、2011、2016年的回归模型如下:

20020.0860.3440.0950.678

0.315(4)

20110.2720.3780.4640.624

0.217(5)

20160.3240.0350.6130.729

0.109(6)

在逐步回归的过程中, 4个指标都被保留了下来, 说明4个指标都对研究区生态质量有重要影响; 回归方程中,的系数为负,的系数则为正, 表示干度、热度指数增加对区域生态有负面影响, 而绿度与湿度指数的增大则有利于优化区域生态质量, 这也与实际生态情况相符。

图3 南川区各研究期生态质量分级图

Figure 3 Ecological quality classification map of Nanchuan in different study years

通过三维散点图可以更加直观地描述四个指标和的关系。以2016年为例, 图4(a)是、与的三维散点图, 图4(d)是、与的三维投影图。由图4(a)、4(d)可以看出两幅图都具有较好的趋势性:的增加对生态质量有正向的积极作用, 表明植被覆盖率与地表湿度的增加能够促进生态环境的好转;指数的增大则会引起指数的降低, 表现为地表温度的上升以及建筑物、裸土范围的扩张会导致生态环境的恶化。同时可以由图4(b)看出,对的大小起着重要作用, 在R2为0.791的前提下, 其趋势线斜率达0.9884; 由图4(c)、(e)、(f)可知,指数大部分都集中在0.5—1.0之间,主要集中在0.6—0.7的范围内, 变化广度较小, 而在0.6之前表现出较弱的趋势性, 均未能显示出与相同程度的趋势性。这说明区域植被覆盖面积越大, 绿度越高, 就越有利于区域生态质量的改善。进一步的, 2002、2011、2016年的系数值分别为0.678、0.624、0.729, 而的系数绝对值则分别为0.344、0.378、0.035, 由此可见,的系数绝对值越大,的系数绝对值就越小, 表现为当地面建筑物及裸土所占比例越大, 就越难通过增加植被覆盖度的方法来达到改善区域环境的目的。以2016年为例(图4b、图4e), 要使指数增加0.2, 只需要使值下降0.012即可; 而如果想通过抬高来达到同样的目的, 则需要将值提高0.21。

2.2 城市生态环境对不透水面的响应

2.2.1 城市不透水面时空变化

不透水面的分布与变化是城市空间扩展的重要表征, 能够较为准确地反映人类活动强度以及城市建筑用地增长趋势[4]。利用(式2)提取研究区不透水面信息, 提取结果如图5所示。对每幅不透水面影像随机选取400个样本点, 与原影像进行对比并精度验证。验证结果表明, 2002、2011、2016年的不透水面提取总体精度分别为94.38%、94.76%、89.75%, Kappa系数分别为0.8736、0.8830、0.7753, 分类精度都超过85%, Kappa系数均大于0.75, 符合精度要求。由图5可见, 2002—2016年间, 研究区不透水面扩张主要集中在中部城区, 总体表现为由城市中心向周边地区扩张, 其中南部金佛山的不透水面扩张形式以分散式扩张为主。

图4 2016年各指数与RSEI相关性散点图

Figure 4 Scatter points of correlation maps between each index andin 2016

图5 各研究期南川区不透水面提取影像

Figure 5 Images of impervious surface extraction in Nanchuan during the research period

对各研究期不透水面变化情况(表4)进行比较, 可以发现, 2002—2016年, 南川区不透水面面积总共增加了69.82 km2, 年均增长率约为6.31%; 其中2002—2011年间, 不透水面面积由78.99 km2增加到108.53 km2, 年均增长率约为4.16%; 2011—2016年间, 不透水面增加面积为40.28 km2, 年均增长率约为7.42%, 相较前一阶段, 不透水面面积增长率提高了约40%。

2.2.2 不透水面景观格局对生态环境的影响

不透水面的景观格局变化是影响城市生态质量的重要因素。以为因变量, 景观格局指数为自变量, 对南川区值与不透水面的6种景观格局指数进行相关分析, 得到平均斑块面积、最大斑块指数、平均形状指数、聚集度、斑块密度、斑块结合度与之间的相关系数分别为–0.950、–0.727、–0.461、–0.937、0.887、–0.879, 可以看出平均斑块面积、聚集度、斑块密度、斑块结合度与之间存在强的相关性, 而最大斑块指数、平均形状指数与RSEI之间则呈弱相关, 说明了该区域的生态质量受不透水面的平均斑块面积、聚集度、斑块密度、斑块结合度的影响较大。将不透水面信息与上述的优、良、中等、较差、差5个等级叠加进行景观格局分析, 统计各个生态等级相对应的不透水面景观格局指数(表5), 可以看出, 相较于生态等级为差、较差的区域,等级高的区域平均斑块面积、斑块聚集度等都比较小, 说明等级高的区域, 其不透水面斑块的平均面积较小, 斑块聚集程度较低(比等级低的聚集度小12%左右), 不透水面斑块之间的结合度也较低。由此可见, 不透水面斑块面积小、最大斑块指数和平均形状指数低, 斑块聚集程度低且结合度小的区域生态环境质量较好,等级较高。

表4 各研究期不透水面变化情况

2.3 人类活动范围对生态环境的影响

人类活动的强度和广度均会在一定程度上对区域生态环境造成影响。为了进一步揭示人类活动范围对研究区生态环境的影响, 选取研究区的中心城区按照100 m等间距分为距离道路0–100 m、100–200 m、200–300 m、300–400 m、400–500 m 的5个区域(图6), 然后将其分别与进行叠加, 得到研究区距离道路0—100 m、100—200 m、200—300 m、300—400 m、400—500 m各间隔的生态环境分布图(图7)。可以看出, 与道路距离越远,等级越高, 表现为图7 (e)中呈绿色、深绿色的面积相较图7(a)明显增多; 而距离道路越近, 人类活动加剧, 生态条件越差, 表现为图7(a)中呈黄色、红色的区域面积较大。

表5 不同RSEI等级所对应的不透水面景观格局指数

通过对生态等级与距道路100米等间隔各区域进行数据统计发现(表6), 距离道路400—500 m的区域生态等级为优、良所占比例达91.14%, 生态环境质量较高, 相较于距离道路100 m范围内生态等级为优、良的区域所占比例高18.25%。同时, 将各间隔距离所对应的值进行分析, 计算得到各间隔距离的均值(图8)。总体来说, 随着与道路的距离越来越大, 人类活动强度与广度都有所减弱,均值有所增加, 表现为与道路距离每增大100 m,值提高约0.0149。从图8中可以看出, 与道路间隔在100—200 m之间相比在100 m范围内的区域生态环境改善明显,均值上升约9.12%。

图6 研究区中心城区道路分级图

Figure 6 Road classification map of central area in Nanchuan

图7 100米等间隔生态环境分布图

Figure 7 Distribution map of ecological environment at equal interval of 100 meters

表6 各RSEI等级对应的100米等间距生态状况

图8 100米等间隔对应的RSEI均值

Figure 8 RSEI mean value for 100–meter equal intervals

2.4 经济、政策对生态环境的影响

研究期间, 南川区生态环境总体向好发展。根据《南川统计年鉴》, 研究区2016年地区生产总值233.39亿元, 相比2011年增加了约57.21亿元, 年均增长率约为6.5%, 经济增长平稳有序; 建成区面积由2011年的18.21 km2增加到2016年的24.52 km2, 第二、三产业产值也稳步提升。为了应对经济发展以及城镇化建设所带来的一些生态问题, 研究区更加注重对建成区的绿化工作, 截至2016年底, 建成区绿化率达33.4%; 植树造林工作有序开展, 2016年南川区森林覆盖率达到了52%, 森林蓄积量达800万立方米, 相比同年重庆市总体森林绿化率高7%左右; 对污水的处理能力也逐渐提高, 2016年南川区全年污水处理量达1847万立方米, 生活污水处理率高达91.0%。尤其是位于研究区南部的金佛山地区被评为“世界自然遗产”、“5A级旅游景区”、“国家森林公园”后, 政府出台了一系列生态保护政策与项目, 创新生态机制, 鼓励社会资本共同参与建设森林公园, 体现出政策对生态环境的促进作用。

根据遥感生态指数及建模分析发现: 绿度和湿度指数的增大对区域生态环境具有积极作用, 干度与热度指标的上升则会降低生态质量等级。研究期间, 南川区生态质量先下降后提高, 总体来说生态环境有所改善。2002—2011年间, 生态等级为优的区域面积减少了5.16%, 等级为差的区域增加了8.67 km2; 而2011—2016年间, 生态等级为中等及以下的区域面积均有所减小, 等级为良好的区域占全区总面积的80%左右。

不透水面扩张形式由圈层式扩张转变为分散扩张、内部填充为主。2002—2016年, 南川区不透水面面积共增加了69.82 km2。不透水面尤其是建筑用地扩张对区域环境的破坏显著, 表现为要使RSEI指数增加0.2, 让NDSI值下降0.012即可, 但却需要将NDVI值提高0.21来达到同样的目的。不透水面的平均斑块面积、聚集度、斑块结合度等景观格局指数与区域生态环境之间存在较强的相关性。平均斑块面积较大、聚集度高、斑块结合度强的区域RSEI值低, 生态等级为优的区域相较生态质量差的区域不透水面聚集度低12%左右。

人类活动的强度与范围对区域生态环境的影响呈现出一定的规律性, 总体表现为与道路距离越远, RSEI等级越高。与道路相隔400—500 m的区域，生态等级为优、良所占比例约为91.14%, 相较于在道路100 m范围内相同生态等级的区域高17.29%。同时经济、政策也能影响生态环境变化, 合理的经济发展、健康的生态政策对于生态质量的改善具有正向引导作用。

为优化生态环境, 应针对城市中心区合理规划建设范围, 抑制城市规模盲目扩张, 协调好土地资源开发与生态环境保护之间的关系; 其次要提高植被覆盖率, 尤其是提高建成区的绿化率以构建森林城市, 发挥区域的生态优势; 也可以降低不透水面的连通度, 构造植被、水体、不透水面景观的交替分布。针对人类活动强度较大的区域, 应当发挥政策的积极作用, 创新生态保护机制, 建设生态监测体系, 推动区域生态顶层设计与底层改变相协同。同时区域生态状况受地理、文化科技等多种因素影响, 在本研究中尚未考虑全面。在今后的研究中, 应根据区域实际构建区域生态质量综合评价体系以更好地指导区域生态建设。

[1] MA Yuling, YANG Kun, ZHANG Shaohua, et al. Impacts of large–area impervious surfaces on regional land surface temperature in the Great Pearl River Delta, China[J]. Journal of the Indian Society of Remote Sensing, 2019, 47(11): 1831–1845.

[2] AICHELE S S, ANDRESEN J A. Spatial and temporal variations in land development and impervious surface creation in Oakland County, Michigan, 1945–2005[J]. Journal of Hydrology, 2013, 485: 96–102.

[3] 周正龙, 沙晋明, 范跃新, 等. 厦门市不透水面景观格局时空变化及驱动力分析[J]. 应用生态学报, 2020, 31(1): 230–238.

[4] 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[J]. 应用生态学报, 2018, 29(11): 3735–3746.

[5] 王美雅, 徐涵秋, 李霞, 等. 不透水面时空变化及其对城市热环境影响的定量分析——以福州市建成区为例[J]. 应用基础与工程科学学报, 2018, 26(6): 1316–1326.

[6] 李苗, 臧淑英, 吴长山, 等. 哈尔滨市中心城区不透水面时空变化及驱动力分析(英文)[J]. Journal of Geographical Sciences, 2018, 28(3): 323–336.

[7] 宋文彬, 张翼然, 张玲, 等. 洪河国家级自然保护区沼泽生态系统服务价值估算[J]. 湿地科学, 2014, 12(1): 81–88.

[8] 陈强, 陈云浩, 王萌杰, 等. 2001–2010年洞庭湖生态系统质量遥感综合评价与变化分析[J]. 生态学报, 2015, 35(13): 4347–4356.

[9] WANG Xiaodan, CAO Yingzi, ZHONG Xianghao, et al. A new method of regional eco-environmental quality assessment and its application[J]. Journal of Environmental Quality, 2012, 41(5): 1393–1401.

[10] 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.

[11] 周玄德, 郭华东, 孜比布拉·司马义. 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.

[12] 张文强, 孙从建, 李新功. 晋西南黄土高原区植被覆盖度变化及其生态效应评估[J]. 自然资源学报, 2019, 34(8): 1748-1758.

[13] LIU Suoxuan, YUAN Yanbin, ZHAO Hao, et al. Analysis of ecological environment changes in hydropower development zone based on RSEI: a case study in the middle and lower reaches of the Qingjiang river, China[J]. Journal of Ecology and Rural Environment, 2019, 35(11): 1361–1368.

[14] 吴志杰, 王猛猛, 陈绍杰, 等. 基于遥感生态指数的永定矿区生态变化监测与评价[J]. 生态科学, 2016, 35(5): 200–207.

[15] 王东升, 王小磊, 雷泽勇. 基于遥感生态指数的阜新市生态质量评估[J]. 生态科学, 2020, 39(3): 88–94.

[16] 杜培军, 陈宇, 谭琨. 湿地景观格局与生态安全遥感监测分析——以江苏滨海湿地为例[J]. 国土资源遥感, 2014, 26(1): 158–166.

[17] 何珍珍, 王宏卫, 杨胜天, 等. 渭干河–库车河绿洲景观生态安全时空分异及格局优化[J]. 生态学报, 2019, 39(15): 5473–5482.

[18] 陈艳英, 唐云辉, 张建平. 基于MODIS的重庆市植被指数对地形的响应[J]. 中国农业气象, 2012, 33(4): 587– 594.

[19] 查瑞生, 陈梦琳, 赵晓雪. 基于地形起伏度的南川区人居环境地形适宜性评价[J]. 西南大学学报(自然科学版), 2014, 36(10): 150–156.

[20] 杨坡, 何多兴, 田永中, 等. 土地利用总体规划生态环境影响空间评价——以重庆市南川区为例[J]. 水土保持研究, 2013, 20(1): 215–219.

[21] 徐涵秋, 施婷婷, 王美雅, 等. 雄安新区地表覆盖变化及其新区规划的生态响应预测[J]. 生态学报, 2017, 37(19): 6289–6301.

Ecological environment changes and their responses to urban impervious surfaces in Nanchuan, Chongqing

DENG Liwei, XU Lihua*

School of Resources and Environment, Southwest University, Chongqing 400715, China

As a result of the urban spatial expansion, a great deal of natural ecological space has been occupied by impervious surfaces. Under this circumstance, monitoring the ecological environment by remote sensing technology helps to master the regional ecological change process rapidly. Nanchuan, Chongqing, a typical ecological region, was chosen as the study area. Based on the Landsat images in 2002, 2011 and 2016; the greenness, humidity, dryness and heat were integrated to calculate the remote sensing ecological index (RSEI). Then normalized difference impervious surface index was used to extract the impervious surface information of the three years mentioned above. Furthermore, landscape pattern indices were used to display the impact on the regional ecology exerted by temporal–spatial variation of impervious surface. The regional ecological environment changes were analyzed from the perspectives of human activities, economy and policies. It turned out that the overall ecological environment index gradually recovered, with the mean RSEI values of Nanchuan dropped from 0.6791 to 0.5712, then increased to 0.6669 in the study years. Of the four indices that make up RSEI, greenness index had the greatest impact on the regional ecology, followed by the dryness index. Internal filling played a dominant role in the expansion of the impervious surface in the study area from 2002 to 2016, with an annual growth rate of 6.31% approximately. Moreover, areas with large average patch, high aggregation and strong cohesion had low RSEI values. Compared to superior ecological areas, inferior areas were about 12% lower in aggregation. The ecological environment had a certain correlation with the scope of human activities and ecological policies; the RSEI value raised by about 0.0149 for every 100 m increase in road distance, and positive ecological policies could promote the regional environment. In general, the key to improving the regional ecological environment is to rationally utilize the existing impervious surface for construction, increase the complexity and dispersion of impervious surface morphology, protect the existing vegetation, and pay attention to the coordination of economic growth and ecological protection.

impervious surface; remote sensing ecological index; landscape pattern index; ecological environment variation

邓力维, 徐丽华. 重庆南川区生态环境变化及其对城市不透水面的响应[J]. 生态科学, 2022, 41(3): 107–116.

DENG Liwei, XU Lihua. Ecological environment changes and their responses to urban impervious surfaces in Nanchuan, Chongqing[J]. Ecological Science, 2022, 41(3): 107–116.

10.14108/j.cnki.1008-8873.2022.03.012

X826

A

1008-8873(2022)03-107-10

2020-05-25;

2020-06-13

国家自然科学基金项目(41671291); 西南大学实验技术研究项目(SYJ2021040); 重庆市基础科学与前沿技术研究一般项目(cstc2016jcyjA0184)

邓力维(1995—), 女, 重庆梁平人, 硕士研究生, 主要从事遥感生态、遥感图像处理研究, E-mail:2291397815@qq.com

徐丽华, 女, 博士, 副教授, 主要从事遥感图像信息处理研究、土壤养分预测与制图, E-mail:sweitlianna@126.com

猜你喜欢 不透水南川斑块 南川：“特”字上下功夫 “同”字上做文章当代党员(2022年9期)2022-05-20基于无人机可见光影像与OBIA-RF算法的城市不透水面提取农业工程学报(2022年4期)2022-04-242003—2019年厦门市不透水面时空演变特征亚热带资源与环境学报(2022年1期)2022-03-22颈动脉的斑块逆转看“软硬”自我保健(2021年2期)2021-11-30基于RS 和GIS 的哈尔滨中心城区不透水面研究科学技术创新(2021年31期)2021-11-27一篇文章了解颈动脉斑块妇女之友(2021年9期)2021-09-26microRNA-146a与冠心病患者斑块稳定性的相关性昆明医科大学学报(2020年11期)2020-12-28一种提取不透水面的可见光波段遥感指数农业工程学报(2020年8期)2020-06-04重庆市南川区：山隐云深不知处科学导报(2019年23期)2019-09-03有颈动脉斑块未必要吃降脂药百姓生活(2019年2期)2019-03-20

推荐访问:南川 重庆 生态环境