EN中文

自然资源遥感 >

2025 , Vol. 37 >Issue 5: 243 - 253

DOI: https://doi.org/10.6046/zrzyyg.2024316

技术应用

基于RSEI模型的滇西北高山峡谷区生态环境质量动态监测及驱动因子分析

  • 张萍 , 1 ,
  • 庞咏 , 1 ,
  • 陈庆松 1, 2 ,
  • 杨坤 1 ,
  • 邹祖建 1 ,
  • 侯云花 1 ,
  • 王彩琼 1 ,
  • 冯思齐 1
展开
  • 1.中国地质调查局昆明自然资源综合调查中心，昆明 650100
  • 2.中国地质学会西南山地生态地质演化与保护修复创新基地，昆明 650100
庞 咏（1983-），男，本科，工程师，主要从事测绘工程方面的研究。Email：。

张 萍（1996-），女，硕士研究生，从事GIS应用、遥感信息提取与生态遥感研究。Email：。

Copy editor: 陈昊旻

收稿日期: 2024-10-08

  修回日期: 2025-03-17

  网络出版日期: 2026-06-03

基金资助

中国地质调查局地质调查项目“三江源及周边地区生态修复综合调查（昆明中心）”(DD20230467)

“滇西北高山峡谷区生态修复综合调查”(DD20230483)

收起

Dynamic monitoring and driving factor analysis for eco-environmental quality in alpine gorges of northwest Yunnan based on a remote sensing ecological index model

  • ZHANG Ping , 1 ,
  • PANG Yong , 1 ,
  • CHEN Qingsong 1, 2 ,
  • YANG Kun 1 ,
  • ZOU Zujian 1 ,
  • HOU Yunhua 1 ,
  • WANG Caiqiong 1 ,
  • FENG Siqi 1
Expand
  • 1. Kunming Natural Resources Comprehensive Survey Center of China Geological Survey，Kunming 650100，China
  • 2. Southwest Mountain Ecological Geological Evolution，Conservation and Restoration Innovation Base，Geological Society of China，Kunming 650100，China

Received date: 2024-10-08

  Revised date: 2025-03-17

  Online published: 2026-06-03

Fold

摘要

滇西北高山峡谷区是我国重要的生态保护区，区内城市化进程加快，环境问题日益突出。了解其生态环境质量的时空变化情况，对滇西北高山峡谷区生态环境保护和建设具有重要意义。该文选取1990年、1995年、2001年、2008年、2015年和2022年的Landsat TM/OLI遥感影像计算绿度、湿度、干度和热度4个生态指标，构建遥感生态指数（remote sensing ecological index，RSEI），对滇西北高山峡谷区1990—2022年的生态环境质量进行了评价与监测。结果表明：①1990—2022年研究区RSEI均值呈先下降后上升趋势，1995年达到最低值0.450，随后持续上升，由1995年的0.450增加至2022年的0.604；②研究区生态环境质量等级优和良好的面积占比增加了22.03%，差和较差的占比减少了14.49%，主要以改善为主，改善区域占比高达62.42%，生态差的区域主要集中于农耕区、城镇建设区、金沙江沿岸、低海拔植被稀疏区以及鹤庆县坝子的边坡地区，生态优的区域主要分布在高海拔植被茂盛且人类活动干扰少的山地区域；③土地利用类型是影响研究区生态环境质量变化主要驱动因子，高程（X1）∩土地利用（X6）具有最强交互作用，对研究区的生态环境质量影响最大；④黏土区生态质量以差和较差为主，岩浆岩区生态恶化趋势明显，沉积岩区生态质量显著改善，变质岩与杂岩区则保持相对稳定。

关键词： 生态环境质量; 遥感生态指数; 地理探测器; 驱动因子; 滇西北高山峡谷区

本文引用格式

张萍 , 庞咏 , 陈庆松 , 杨坤 , 邹祖建 , 侯云花 , 王彩琼 , 冯思齐 . 基于RSEI模型的滇西北高山峡谷区生态环境质量动态监测及驱动因子分析[J]. 自然资源遥感, 2025 , 37(5) : 243 -253 . DOI: 10.6046/zrzyyg.2024316

Abstract

The alpine gorges in northwest Yunnan，important ecological reserves in China，are facing increasingly prominent environmental problems due to accelerated urbanization. Insights into the spatiotemporal changes in eco-environmental quality are of great significance for eco-environmental protection and construction in the alpine gorges of Northwest Yunnan. This study selected Landsat TM/OLI remote sensing images from 1990，1995，2001，2008，2015，and 2022 as the data source to extract four ecological indices：normalized difference vegetation Index （NDVI），wetness （WET），normalized difference bare soil index （NDBSI），and land surface temperature （LST）. Consequently，a remote sensing ecological index （RSEI） was constructed to assess and monitor the eco-environmental quality of the alpine gorges in northwest Yunnan from 1990 to 2022. The results indicate that from 1990 to 2022，the average RSEI in the study area showed a trend of an initial decline followed by an increase. Specifically，the RSEI reached its lowest value of 0.450 in 1995 and then increased continuously from 0.450 in 1995 to 0.604 in 2022. Over this period，the proportion of areas with excellent and good eco-environmental quality increased by 22.03%，while those classified as poor and very poor eco-environmental quality decreased by 14.49%. These variations were predominantly composed of improvements，covering 62.42% of the study area. Spatially，areas with very poor quality were primarily concentrated in agricultural areas，urban construction land，along the Jinsha River，low-altitude areas with sparse vegetation，and the slopes of landform intermontane basins （Bazi） in Heqing County. In contrast，areas with excellent quality were mainly distributed in high-altitude mountainous regions characterized by lush vegetation and minimal human disturbance. Moreover，the land use type was identified as the main driving factor influencing the eco-environmental quality in the study area. The strongest interaction was observed between elevation （X1） and land use （X6），exerting the greatest impacts on eco-environmental quality in the study area. Besides，areas with clay soils were dominated by poor and very poor quality. The magmatic rock areas displayed a clear trend of ecological deterioration，while the sedimentary rock area presented significant improvements. Conversely，the metamorphic and complex rock areas maintained relative stability.

Key words： eco-environmental quality; remote sensing ecological index （RESI）; geodetector; driving factor; alpine gorge in northwest Yunnan

0 引言

生态环境质量评价是通过特定时空范围内，对人类活动及社会经济发展下生态环境的优劣程度进行定性或定量分析和判断[1-2]。滇西北金沙江中游丽江古城—大理鹤庆段高山峡谷区是我国生态环境脆弱地区之一，近年来因资源的不合理开发利用致使该区域水土流失、石漠化等生态环境问题不断加剧。因此，及时准确地监测区域生态环境变化变得尤为重要。
遥感技术以快速、实时和大范围监测等优势被广泛地应用于生态环境监测领域，已成为评价区域生态环境的有效手段。国内外学者也开展了大量研究工作，尤其是在城市[3]、森林[4]、矿区[5]、自然保护区[6]、流域[7]等方面的动态监测和评估。但仅运用单一指标，如归一化植被指数（normalized difference vegetation index，NDVI）[8]、增强型植被指数（enhanced vegetation index，EVI）[9]、地表温度（land surface temperature，LST）[10]、植被覆盖度（fractional vegetation cover，FVC）[11]等很难准确评价且不全面客观，因此集成多个指标来进行综合生态质量评价的研究也逐渐增多。2013年徐涵秋[12]提出遥感生态指数（remote sensing ecological index，RSEI），它是基于卫星遥感影像信息耦合多个指标，通过主成分分析综合客观评价区域生态质量进行的方法，其有效解决了传统生态环境指数存在的难获取、权重设定干扰等弊端，结果更客观，目前也应用于不同尺度区域的生态环境质量评价中[13-14]。然而，大多数研究聚焦于通过RSEI等综合指标来评估生态环境质量，却较少关注地质因素对生态环境质量的影响。事实上，在滇西北高山峡谷区等生态敏感区，地层单元与地层岩性等地质因素与生态环境质量之间存在着紧密且复杂的联系，深入研究这些联系意义重大。不同地层单元形成于漫长地质历史时期，历经各异的沉积、构造运动等复杂过程。这种地质历史的差异，直接决定了地层单元的物质构成、结构特性等，这些特性又进一步在土壤形成、植被生长等生态基础环节发挥关键作用，最终对生态环境质量产生深远影响。而地层岩性作为构成地层单元的物质基础，其类型丰富多样，不同岩性具有截然不同的物理化学性质，这些特性也决定了由其构成的地层单元的稳定性与演化过程。同时，地层单元形成时的地质背景，如沉积环境、构造应力等，反过来又严格制约着地层岩性的组合与分布。这种相互影响、相互塑造的关系，深刻塑造了区域生态环境的基础格局，对生态系统的结构、功能以及生态环境质量有着不可忽视的影响。
综上，为了明晰滇西北金沙江中游丽江古城—大理鹤庆段高山峡谷区的生态环境质量情况，本文基于Landsat TM/OLI多时相卫星遥感影像，采用主成分分析法（principal component analysis，PCA）构建RSEI模型，分析研究区1990—2022年生态环境质量的时空变化特征及趋势，探究其背后影响因素，并充分考量地层单元与地层岩性等地质因素，以期从地质根源上了解生态环境质量的差异，为区域生态环境保护、综合治理和可持续发展提供科学决策依据。

1 研究区概况及数据源

1.1 研究区概况

研究区位于金沙江中游，青藏高原向云贵高原过渡地带（99°23″~100°32″E，26°34″~27°46″N），横跨横断山脉与云贵高原，行政区划主要涉及丽江市古城区、玉龙纳西族自治县以及大理白族自治州鹤庆县（图1），面积约9 912 km2。区内总体地势为北高南低，气候属低纬暖温带高原山地季风气候，旱季和雨季分明。年平均气温为12.6~19.9 ℃，年均降雨量966.4 mm。由于该地区特殊的地理环境，使其全年季节性气候差异明显，构成了独特的“一山分四季，十里不同天”的立体气候。
图1 研究区位置图

Fig.1 Location map of the research area

1.2 数据源及其处理

本研究所用的Landsat TM/OLI系列遥感影像数据来源于美国地质勘测局（http://glovis.usgs.gov/），为保证研究的可比性，所选影像数据时相一致（冬季），且云量均小于3%。对研究区影像进行辐射定标、大气校正、镶嵌等预处理操作，并裁剪得到研究区。
影响因素的分析因子选取包括年均降水量、年均气温、数字高程模型（digital elevation model，DEM）、坡度、坡向、土地利用、1∶25万地质图等数据，数据来源见表1。
表1 数据类型及来源

Tab.1 Data type and source

数据类型 数据时期 分辨率/m 数据来源
年均降水量 1990—2022年 1 000 国家地球系统科学数据中心（https://www.geodata.cn）
年均气温 1990—2022年 1 000 国家地球系统科学数据中心（https://www.geodata.cn）
高程 2019年 30 欧洲航天局（European Space Agency，ESA）
坡度 — 30 由DEM提取得到
坡向 — 30 由DEM提取得到
土地利用 1990—2022年 30 https://zenodo.org/
1∶25万
地质图		 — — 云南省测绘资料档案馆（云南省基础地理信息中心）

2 研究方法

2.1 RSEI构建

本研究选取绿度、湿度、干度和热度4个指标来构建RSEI，各指标分别用NDVI、WET、归一化裸土指数（normalized difference barren soil index，NDBSI）和LST表示，计算方法参考相关文献[15-22]。构建RSEI时，为解决不同年份数据指标的可比性和指标间的量纲影响，采用最小-最大标准化方法对4个指标进行归一化处理，计算公式为：
NI=（I-Imin）/（Imax-Imin） ，
式中：NI为归一化后的指标值；I 为指标原始值；Imax和Imin分别为指标的最大值和最小值。
把式（1）处理后的指标按年份进行波段合成后进行PCA分析，选择包含4个指标主要特征的主成分，计算初始RSEI。由于最终要对比不同年份的生态环境质量，故仍采用最小-最大标准化方法对初始RSEI进行归一化处理，得到最终的RSEI。

2.2 生态环境质量影响因素研究

1）地理探测器。地理探测器是分析和探测空间分异性，以及揭示其背后驱动力的一组统计学方法，其包括4个探测器，分别是分异及因子探测、交互作用探测、风险区探测和生态探测，各探测器具体原理见参考文献[23]。本研究采用因子和交互作用探测器探究生态环境质量的驱动因素。
2）叠加分析。运用叠加分析方法，将1∶25万地质数据与研究区生态环境质量数据进行叠加，旨在明晰研究区生态环境质量空间分异是否受地质因素影响。

3 结果与分析

3.1 各指标主成分分析结果

由表2可以看出，6个研究年份NDVI、WET、NDBSI和LST的第一主成分（PC1），第二主成分（PC2）的累计贡献率超85%，表明他们集中了4个指标的大部分特征，可用这2个主成分来代替这4个指标综合表征该地区的生态环境质量。在PC1中，1990年、1995年和2001年NDVI和WET指标均为负值，NDBSI指标均为正值，LST指标由负值转为正值，说明绿度和湿度在这3个时期对生态环境有负面影响，干度对生态环境质量有积极促进作用，热度相关性不明显。相反，在2008年、2015年和2022年，主成分PC1与NDVI和WET指标呈正相关，与NDBSI指标呈负相关，说明绿度和湿度对生态环境有促进作用，干度对生态环境有抑制作用，且1990—2022年NDVI和WET的载荷值呈增大趋势，说明该地区生态环境越来越好。在PC2中，1990年、1995年和2001年与WET和LST呈正相关，说明湿度和热度指数对生态起正面作用，虽然在PC1中LST也有贡献，但不如对PC2的贡献。而2008年、2015年和2022年，PC2主要与NDVI，NDBSI和LST呈正相关，也反映出3个指数对生态环境有积极促进作用，而WET虽然在PC2中有贡献，但不如对PC1的贡献。综合来看，PC1更能代表好的生态质量，而 PC2更能代表差的生态质量。但有些地区在2种成分上表现并不完全相反，说明这2种成分只能表现生态质量的一部分，因此将PC1和PC2的贡献率作为权重，得到RSEI指数计算公式为：
RSEI = （PC1×P1）-（PC2×P2），
式中P1和P2分别为PC1和PC2的贡献率。
表2 不同年份各生态指标主成分载荷值与贡献率

Tab.2 Principal component loadings and contribution rates of various ecological indicators in different years

年份 指标 NDVI WET NDBSI LST 特征值 贡献率/%
1990年 PC1 -0.733 019 -0.675 479 0.080 012 -0.002 920 0.017 3 76.24
PC2 -0.268 505 0.183 089 -0.904 060 0.277 595 0.003 9 17.05
PC3 0.622 254 -0.713 416 -0.321 146 0.026 516 0.001 4 6.11
PC4 0.058 204 -0.035 280 0.270 440 0.960 328 0.000 1 0.60
1995年 PC1 -0.693 931 -0.704 739 0.143 292 -0.035 632 0.019 4 65.37
PC2 -0.251 984 0.124 664 -0.389 030 0.877 279 0.005 9 19.79
PC3 0.626 182 -0.691 483 -0.336 319 0.128 981 0.003 6 12.25
PC4 0.250 717 -0.098 249 0.845 584 0.460 951 0.000 8 2.59
2001年 PC1 -0.716 393 -0.691 728 0.088 302 0.022 252 0.015 9 77.99
PC2 -0.271 631 0.178 840 -0.886 031 0.330 426 0.003 2 15.70
PC3 0.638 512 -0.699 655 -0.315 282 0.058 156 0.001 1 5.52
PC4 0.072 801 -0.003 198 0.328 250 0.941 776 0.000 2 0.79
2008年 PC1 0.621 550 0.463 497 -0.630 783 -0.030 969 0.020 7 66.68
PC2 0.257 623 -0.146 374 0.099 662 0.949 880 0.006 0 19.23
PC3 -0.530 956 -0.318 177 -0.765 585 0.175 300 0.003 8 12.29
PC4 -0.515 162 0.813 946 0.077 846 0.256 980 0.000 6 1.80
2015年 PC1 0.624 463 0.641 042 -0.443 251 0.051 381 0.020 8 65.23
PC2 0.177 633 -0.089 233 0.231 590 0.952 287 0.007 4 23.14
PC3 -0.473 379 -0.132 025 -0.825 767 0.276 751 0.003 4 10.57
PC4 -0.595 319 0.750 781 0.260 776 0.117 979 0.000 3 1.06
2022年 PC1 0.707 173 0.407 722 -0.577 196 0.022 692 0.019 9 68.28
PC2 0.155 665 -0.032 550 0.205 687 0.965 609 0.005 8 19.96
PC3 -0.522 730 -0.220 301 -0.786 452 0.244 367 0.003 2 11.09
PC4 -0.449 921 0.885 534 0.077 664 0.085 839 0.000 2 0.67

3.2 生态环境质量时空变化分析

1990—2022年滇西北高山峡谷区的各指标和RSEI平均值变化趋势见图2。各分量指标中，1990—2022年NDVI和WET均值呈平缓的波动趋势，在1995年都达到最低，分别为0.770和0.477；NDBSI的变化趋势与RSEI的趋势成负相关；LST总体则呈下降-上升-下降-上升趋势，2001年后出现急转折，LST在2008年具最低值为0.527，2001—2008年间降幅达43.07%。1990—2022年间，研究区RSEI均值整体呈先下降后上升趋势，1995年RSEI达最低为0.450，较1990年下降了8.26%，随后RSEI均值呈持续增长趋势，由1995年的0.450增加至2022年的0.604，增幅达34.22%。其中，1995年研究区RSEI均值突然下降，通过PC1荷载值分析发现，1990—2001年NDVI和WET指标均对生态环境起负反馈，NDBSI为正反馈，且NDVI和NDBSI均高于1990和2001年，WET则低于该2个年份，表明1995年地表植被覆盖情况低于其他年份，这可能RSEI均值突然下降的主要原因。随后RSEI下降趋势得到遏制并趋向好转，这与1999年后开始实施的一系列生态修复工程有关，这与该地区的NDVI和WEI变化规律基本一致，也就是NDVI和WET指标对生态环境起到了正反馈作用，从而使得RSEI均值呈持续增长。总的来说，研究区的生态环境质量变化虽有起伏，但其是逐渐变好的，且植被对生态环境影响是很明显的。
图2 1990—2022年单一指标与RSEI的均值

Fig.2 Mean of single indicator and RSEI from 1990 to 2022

为直观反映研究区生态环境质量变化情况，基于已有的分级标准[24]，将RSEI值以0.2为间隔划分为差[0,0.2）、较差[0.2,0.4）,中[0.4,0.6）、良[0.6,0.8）和优[0.8,1]5个等级，结果见表3和图3。由表3可知，1990—2022年，研究区各生态等级面积变化明显，生态等级为差、较差和中等的面积占比整体均呈下降趋势，期间三者占比之和共计下降了22.02百分点。生态等级为良和优的变化趋势整体均呈上升趋势，两者面积占比之和从1990年的37.74%上升至2022年的59.77%，增长面积达2 163.79 km2。表明研究区生态环境质量不断地在改善。
表3 1990—2022年研究区不同生态环境质量等级面积和占比统计

Tab.3 Statistics of area and proportion of different ecological environment quality grades in the study area from 1990 to 2022

RSEI 1990年 1995年 2001年 2008年 2015年 2022年
面积/km2 占比/% 面积/km2 占比/% 面积/km2 占比/% 面积/km2 占比/% 面积/km2 占比/%/ 面积/km2 占比/%
差 1 449.33 14.75 1 726.05 17.57 1 313.17 13.37 852.63 8.68 880.38 8.96 825.95 8.41
较差 2 274.26 23.15 2 340.74 23.83 2 121.28 21.60 1 792.07 18.24 1 923.64 19.58 1 474.42 15.01
中等 2 391.87 24.35 2 733.98 27.83 2 437.65 24.82 2 369.45 24.12 2 359.77 24.02 1 651.31 16.81
良好 2 367.18 24.10 2 428.64 24.72 2 838.56 28.90 3 243.93 33.02 2 970.30 30.24 3 205.67 32.63
优 1 340.19 13.64 593.43 6.04 1 112.18 11.32 1 564.75 15.93 1 688.75 17.19 2 665.49 27.14
图3 1990—2022年研究区生态环境质量等级分布

Fig.3 Distribution of ecological environment quality levels in the study area from 1990 to 2022

从空间上看（图3），生态环境差和较差的区域主要集中于人类活动频繁如农业耕作、城镇建设等区域、金沙江沿岸以及低海拔植被稀疏地区，尤其在1995年，研究区内生态环境差和较差的区域进一步扩大，一方面是由于该年是丽江大开发时期，旅游业高速发展，城市化的规模不断扩大；另一方面由于金沙江沿岸，属干热河谷地带，气候炎热干燥、降水与蒸发比严重失衡、植被覆盖率低、水土流失严重，是导致生态环境恶劣的主要原因。随着区内自1999年开始实施天然林保护工程、退耕还林工程及其他一系列生态工程后，研究区内整体生态环境质量呈收缩式逐渐变好趋势，即2001—2022年间，生态差和较差的区域主要集中于人类活动频繁的居民区、耕地种植区以及鹤庆县坝区的边坡地区，少部分位于海拔高的山顶，生态等级良好和中等在研究区内均有分布，且面积都有不同程度的减少。而生态环境优的区域主要分布在高海拔植被茂盛且人类活动干扰少的山地区域，特别是玉龙纳西族自治县境内，其主要原因是政府逐步强化对老君山国家地质公园、玉龙雪山自然保护区、拉市海高原湿地省级自然保护区等区域的生态环境保护，因此生态环境质量明显改善。
对研究区1990—2022年的RSEI进行差值变化检测，结果见表4和图4。由表4可知，除去不变情况下，1990—2022年，研究区生态环境以变好为主，占比高达62.42%，生态环境变差的面积占比则为18.94%，生态环境质量明显提升。分阶段看，1990—1995年研究区生态等级变差的程度最大为45.84%，面积达4 502.79 km2，而生态变好的面积仅占20.64%，表明1990—1995年研究区的生态是逐渐恶化的。相较1990—1995年间，1995—2001年、2001—2008年以及2008—2015年间总体生态环境质量变差的面积均是减少的，变好的面积是增加的，且变好的面积均远大于变差的，说明该时期研究区的生态质量呈波动的缓慢改善。而2015—2022年，生态条件变差的面积仅占13.23%，生态好转的面积为5 414.54 km2，占比达55.12%，变差的面积明显小于变好的，说明该时期研究区生态环境质量得到显著提升。
表4 研究区各时期生态环境质量变化统计表

Tab.4 Statistical table of changes in ecological environment quality in various periods of the study area

时间 类别 情况 级差 级面积/km2 占比/% 类面积/km2 占比/%
1990—1995年 变差 显著变差 -3 374.94 3.82 4 502.79 45.84
明显变差 -2 1 189.09 12.11
略微变差 -1 2 938.76 29.92
不变 无明显变化 0 3 292.22 33.52 3 292.22 33.52
变好 略微变好 1 1 356.62 13.81 2 027.83 20.64
明显变好 2 480.61 4.89
显著变好 3 190.60 1.94
时间 类别 情况 级差 级面积/km2 占比/% 类面积/km2 占比/%
1995—2001年 变差 显著变差 -3 215.70 2.20 1 787.01 18.19
明显变差 -2 492.72 5.02
略微变差 -1 1 078.59 10.98
不变 无明显变化 0 2 975.98 30.30 2 975.98 30.30
变好 略微变好 1 3 188.69 32.46 5 059.85 51.51
明显变好 2 1 576.49 16.05
显著变好 3 294.67 3.00
2001—2008年 变差 显著变差 -3 106.47 1.08 2 060.14 20.97
明显变差 -2 466.05 4.74
略微变差 -1 1 487.62 15.14
不变 无明显变化 0 2 888.91 29.41 2 888.91 29.41
变好 略微变好 1 2 846.38 28.98 4 873.79 49.62
明显变好 2 1 621.02 16.50
显著变好 3 406.40 4.14
2008—2015年 变差 显著变差 -3 153.69 1.56 2 328.07 23.70
明显变差 -2 422.85 4.30
略微变差 -1 1 751.52 17.83
不变 无明显变化 0 5 000.81 50.91 5 000.81 50.91
变好 略微变好 1 2 120.45 21.59 2 493.96 25.39
明显变好 2 326.11 3.32
显著变好 3 47.40 0.48
2015—2022年 变差 显著变差 -3 100.56 1.02 1 299.58 13.23
明显变差 -2 290.16 2.95
略微变差 -1 908.86 9.25
不变 无明显变化 0 3 108.71 31.65 3 108.71 31.65
变好 略微变好 1 3 887.83 39.58 5 414.54 55.12
明显变好 2 1 417.94 14.44
显著变好 3 108.77 1.11
图4 1990—2022年滇西北高山峡谷区RSEI变化监测

Fig.4 Monitoring of RSEI changes in alpine mountain canyon area of Northwest Yunnan from 1990 to 2022

由图4可知，1990—2022年间，研究区生态环境质量恶化区域主要集中在古城区中心城区周边，鹤庆县坝区的乡镇区域、农业耕作区及南部海拔较低的植被稀疏边坡处，以及玉龙纳西族自治县部分西部高海拔植被稀疏的地区；而生态环境质量有所改善的区域则集中在处于自然状态、受人为干扰较少，或已实施相关生态修复治理措施的植被茂盛地区。总的来说，研究区1990—2022年的生态环境质量有所改善，这一结果主要得益于一系列生态保护工程的施行，部分区域升级为自然保护区以及国家为加快推进生态文明建设出台一系列生态保护规划政策，有力促进了研究区生态环境质量的整体改善。

3.3 影响因素分析

3.3.1 单因子探测分析

单因子探测结果如表5所示，从1990—2022年整体平均驱动力来看，各因子影响力依次为：土地利用>高程>气温>坡向>坡度>岩性>降水，土地利用方式、高程q值均大于0.150，是驱动高山峡谷区RSEI变化的主要控制因子。从年际变化来看，7个控制因子的q值均随年份发生变化，年均降水的q值始终垫底，对RSEI影响最弱；土地利用类型的q值逐年份递增，2022年达最大值0.555 4，说明土地利用情况对RSEI的空间分布差异解释力最强，通过上述RSEI的空间分布结果还可发现，生态质量差区（差/较差），土地利用类型主要为居民地和耕地，生态质量优区（优/良），土地利用类型为林地；高程的q值位列第二，随海拔升高，气温递减率（-0.6 ℃/100 m）与降水递增趋势（+15 mm/100 m）共同促进FVC提高，使得生态环境质量更优。这一定程度上也表明在经济快速发展与生态工程实施的背景下，土地利用变化与海拔梯度效应对生态质量的影响持续扩大。相反，地层岩性的影响力相对较弱，这可能是因为地质因子对生态环境质量的影响较为间接、缓慢以及受其他因素干扰大，需要较长时间的积累才能体现出明显的作用。
表5 研究区各时期因子探测结果

Tab.5 Results of factor detection in different periods of the study area

驱动因子 1990年 1995年 2001年 2008年 2015年 2022年 1990—2022
年平均值
q 排序 q 排序 q 排序 q 排序 q 排序 q 排序 q 排序
高程 0.125 8 3 0.113 7 2 0.088 8 3 0.166 7 3 0.197 6 3 0.236 5 2 0.154 9 2
坡度 0.129 3 2 0.064 5 5 0.120 6 2 0.131 3 5 0.146 0 5 0.184 6 4 0.129 4 5
坡向 0.085 7 6 0.105 0 4 0.086 6 4 0.197 7 2 0.218 9 2 0.132 8 6 0.137 8 4
气温 0.120 2 4 0.109 9 3 0.074 4 5 0.141 7 4 0.180 5 4 0.202 2 3 0.138 2 3
降水 0.016 8 7 0.011 7 7 0.017 9 7 0.017 3 7 0.041 8 7 0.038 0 7 0.023 9 7
土地利用 0.398 5 1 0.339 4 1 0.387 9 1 0.486 5 1 0.470 5 1 0.555 4 1 0.439 7 1
岩性 0.086 6 5 0.035 8 6 0.070 7 6 0.083 7 6 0.102 4 6 0.156 8 5 0.089 3 6

3.3.2 交互探测分析

交互因子探测可以反映多个因子共同作用时对生态环境质量的影响。从交互探测结果来看（图5），不同驱动因子两两交互共同作用时增强了对生态环境质量影响的解释力，表现为双因子增强和非线性增强。其中，土地利用与其余因子的交互作用的解释力普遍要强于其余因子间的交互作用，1990—2022年间高程和土地利用间的交互作用最大（0.493 2），结合单因子探测结果，进一步验证了高程和土地利用的空间耦合效应是影响区域RSEI空间分异的主要驱动因子，这2因子的变化会一定程度的影响RSEI模型的4个指标，进而影响了研究区的生态环境质量，这亦与实际情况相符合。此外，土地利用与岩性的交互作用也具一定的解释力，这可能因为土地利用活动会反向改变与岩性的生态效应，从而影响区域生态环境。
图5 因子交互探测结果

Fig.5 Results of factor interaction detection

3.3.3 岩性与生态环境质量

根据上述结果，尽管岩性的影响较小，但为了能揭示地质环境与生态系统之间的内在联系，进一步明确岩性在生态环境质量变化中的具体作用机制，根据不同地层单元将研究区的主要岩性划分为5大类，分别为黏土、岩浆岩、沉积岩、变质岩和杂岩，分析得到岩性的生态环境质量的分布特点。不同年份不同地层单元生态环境质量空间分布见图6，不同岩性生态环境变化情况见表6。
图6 不同年份不同地层单元的生态环境质量空间分布情况

Fig.6 Spatial distribution of ecological environment quality in different geological units in different years

表6 1990—2022年研究区不同岩性生态环境质量变化情况

Tab.6 Changes in ecological environment quality of different lithologies in the study area from 1990 to 2022 （%）

岩性 恶化 不变 改善
黏土 19.24 10.17 6.32
岩浆岩 24.24 19.17 18.46
沉积岩 40.61 49.75 62.47
变质岩 12.83 17.77 9.70
杂岩 1.86 2.48 2.88
由图6和表6结果显示，黏土分布区的生态环境质量主要以差和较差为主，6个研究年份生态等级中等及以下的面积占比均达80%以上，等级良好和优的占比最小仅不到10%，这是由于黏土主要分布于第四系地层，而第四系作为最新的地质单元，常伴随大量的人类活动，如农耕、工业活动、建设开发等因素，可能导致土壤肥力下降、结构破坏，使得生态环境质量较差。在岩浆岩分布区，各生态等级变化波动不稳定，生态质量差和较差的占比在35%~45%左右，到2022年中等及以下占比高达65.31%，其生态环境质量呈恶化趋势，原因可能是研究区岩浆岩主要分布于金沙江沿岸以及鹤庆坝子的边坡区域，属于二叠系地层，以玄武岩居多，岩石的气孔构造与化学风化特性导致土壤发育不良、水土流失风险高，而高强度采矿、农业垦殖和城市化等进一步加剧植被破坏、土壤污染和栖息地碎片化等，形成“开采-侵蚀-退化”的恶性循环，从而引发生态退化。沉积岩分布区，随时间推移表现为“良好”和“优”等级比例逐步攀升，“差”和“较差”等级比例则显著缩减，到后期，中等及以上等级占比显著提升，生态质量有显著改善趋势，这是由于该区域主要以砾岩、砂岩和灰岩居多，分布于古近系、二叠系和三叠系等地层，这些地层风化产物丰富，在人工干预下能有效固土保水，此外，砾岩、砂岩的高透水性利于水分渗透与植物根系发育，为植被恢复创造条件；灰岩的易溶蚀性及其对重金属的吸附能力，配合化学改良措施等可快速改良土壤、治理污染，使能保持较好的生态环境质量。变质岩分布区总体以中等及以上等级占主导，中等及以上面积占比可达70%以上，且“良好”和“优”等级比例也较高，尤其2001年后，向好趋势明显，该区域多为片岩、板岩等，分布于新元古界和古元古界地层，地层构造稳定，岩石抗侵蚀能力强，岩石风化形成的土壤透水性良好，有利于植被生长发育，维系了较好的生态环境质量。杂岩区生态环境质量以中等及以上水平为主，低质量问题不突出，且各年份等级分布相对稳定，未出现明显恶化或波动，反映其生态环境具有较强的稳定性。
另外，根据表6可知，1990—2022年生态环境质量变化趋势差异显著，沉积岩分布区“改善”比例最高，达62.47%，显著高于岩性，但仍有40.61%恶化、49.75%不变，说明部分区域受地质条件（如岩石风化差异）、修复力度不足等影响，修复进程存在滞后或遗漏，需进一步优化治理方案。岩浆岩分布区的恶化比例 24.24%，虽有18.46%得到改善，但被恶化趋势抵消，需加强源头治理，遏制“恶化”主导的局面。变质岩分布区相较于“恶化”（12.83%）与 “改善”（9.70%），“不变”占比最高，说明其生态环境状态相对稳定，未出现大规模恶化或改善。而黏土区以生态恶化为主，比例达19.24%，显著高于“不变”与“改善”，恶化区域主要是人类活动频繁、海拔较高的无植被覆盖区或金沙江沿岸区域。总之，上述结果亦与不同地层单元生态环境质量变化情况（表7）存在一致性，这一定程度说明区域生态变化是地质本底条件、人类活动方式与自然地理要素共同作用的结果，后续还需针对不同地层单元并结合其岩石特性制定差异化的生态保护策略，以实现生态保护的精细化与长效化。
表7 1990—2022年研究区不同地层单元生态环境质量变化情况

Tab.7 Changes in ecological environment quality of different stratigraphic units in the study area from 1990 to 2022 （%）

地层单元 恶化 不变 改善
新生界 第四系 19.22 10.16 6.33
新近系 0.05 0.07 0.08
古近系 18.90 17.58 10.32
中生界 白垩系 0.22 0.16 0.34
三叠系 15.63 24.31 42.93
古生界 二叠系 19.30 14.78 17.10
石炭系 0.86 1.16 0.94
泥盆系 2.72 3.29 4.01
志留系 0.51 0.64 0.77
奥陶系 0.53 0.56 0.37
新元古界 5.16 6.55 4.13
古元古界 7.37 10.86 5.36

4 结论与讨论

通过构建RSEI模型，并结合研究区自然条件、地质条件等驱动因素对滇西北高山峡谷区1990—2022年间生态环境质量动态监测，得到以下结论：
1）1990—2022年研究区的遥感生态指数RSEI均值整体呈现先下降后上升趋势，1995年达到最低值0.450，随后RSEI均值呈持续上升趋势，至2022年达到0.604。
2）生态环境质量为优和良好的面积占比从1990年的37.74%上升到2022年的59.77%，差、较差和中等的面积占比减少了22.02百分点。生态环境差的区域主要集中于人类活动频繁（如农业耕作、城镇建设等）区域、金沙江沿岸、低海拔植被稀疏地区以及鹤庆县坝区的边坡地区，生态环境优的区域主要分布在高海拔植被茂盛且人类活动干扰少的山地区域。
3）1990—2022年，研究区生态环境质量以改善为主，生态环境质量改善的区域占比高达62.42%，生态环境恶化区域的面积占比则为18.94%，改善面积大于恶化面积，说明区内生态环境质量明显提升。
4）土地利用类型是影响研究区生态环境质量变化主要驱动因子，高程与土地利用具有最强交互作用，对研究区的生态环境质量影响最大，这亦与实际情况相符合。
5）黏土区的生态环境质量以差和较差为主，中等及以下的面积占比均达80%以上，等级良好和优的占比最小仅不到10%；岩浆岩区，各生态等级变化波动不稳定，生态等级差和较差的占比在35%~45%左右，到2022年中等及以下占比高达65.31%，其生态环境质量呈恶化趋势；沉积岩区随时间推移良好和优等级比例攀升，差和较差等级比例缩减，生态质量有显著改善趋势；变质岩区总体以中等及以上等级占主导，良好和优等级比例较高向好趋势明显；杂岩区生态环境质量以中等及以上水平为主，低质量问题不突出。生态环境质量改善区域主要分布于沉积岩区，岩浆区和黏土区以恶化趋势主导。
本研究运用RSEI评价了滇西北高山峡谷区生态环境质量并分析其影像因素，可为该区域生态保护提供参考，但仍存在以下不足之处：①驱动因子的选取未考虑人类活动因素；②地质因素分析还有所欠缺；③未能结合实测数据来验证生态质量评价结果，未来还将继续完善，以提高结果的准确性。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
徐燕, 周华荣. 初论我国生态环境质量评价研究进展[J]. 干旱区地理, 2003, 26(2):166-172.

Xu Y, Zhou H R. Preliminary discussion on the research progress of ecological environment quality assessment in China[J]. Arid Land Geography, 2003, 26(2):166-172.

[2]
田佳良. 区域生态环境质量评价研究综述[J]. 环境保护与循环经济, 2013, 33(11):63-66.

Tian J L. A review of research on regional ecological environment quality assessment[J]. Environmental Protection and Circular Economy, 2013, 33 (11):63-66.

[3]
Geng J W, Yu K Y, Xie Z, et al. Analysis of spatio-temporal variation and drivers of ecological quality in Fuzhou based on RSEI[J]. Remote Sensing, 2022, 14(19):4900.

[4]
潘明慧, 袁轶男, 王亚蕾, 等. 基于 RSEI 的福州旗山国家森林公园生态环境质量变化研究[J]. 山东农业大学学报(自然科学版), 2020, 51(1):57-63.

Pan M H, Yuan Y N, Wang Y L, et al. Research on the changes in ecological environment quality of Qishan National Forest Park in Fuzhou based on RSEI[J]. Journal of Shandong Agricultural University(Natural Science Edition), 2020, 51 (1):57-63.

[5]
范雅慧, 刘英, 衡文静, 等. 基于遥感生态指数的神东矿区 1990—2022 年煤炭开采对生态环境的影响分析[J]. 绿色矿山, 2024, 2(1):41-53.

Fan Y H, Liu Y, Heng W J, et al. Analysis of the impact of coal mining on the ecological environment in Shendong mining area from 1990 to 2022 based on remote sensing ecological index[J]. Journal of Green Mine, 2024, 2 (1):41-53.

[6]
Jing Y, Zhang F, He Y, 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, 110:105874.

[7]
杨泽康, 田佳, 李万源, 等. 黄河流域生态环境质量时空格局与演变趋势[J]. 生态学报, 2021, 41(19):7627-7636.

Yang Z K, Tian J, Li W Y, et al. The spatiotemporal pattern and evolution trend of ecological environment quality in the Yellow River basin[J]. Acta Ecologica Sinica, 2021, 41 (19):7627-7636.

[8]
李应鑫, 李石华, 彭双云. 云南省九大高原湖泊流域 NDVI 时空演变及其与气候的响应关系[J]. 水土保持研究, 2020, 27(4):192-200.

Li Y X, Li S H, Peng S Y. The spatiotemporal evolution of NDVI in the nine major plateau lake basins in Yunnan Province and its res-ponse to climate[J]. Research of Soil and Water Conservation, 2020, 27 (4):192-200.

[9]
温旭丁, 罗赵慧, 符良刚. 气候与土地利用变化对粤港澳大湾区增强型植被指数时空变化影响[J]. 生态科学, 2023, 42(6):222-232.

Wen X D, Luo Z H, Fu L G. The impact of climate and land use change on the spatiotemporal changes of enhanced vegetation index in the Guangdong Hong Kong Macao Greater Bay Area[J]. Ecological Science, 2023, 42 (6):222-232.

[10]
伍明飞, 林杰. 基于 Landsat 影像的杭州市主城区地表温度和热岛效应研究[J]. 科学技术与工程, 2022, 22(24):10812-10817.

Wu M F, Lin J. Research on surface temperature and heat island effect in the main urban area of Hangzhou City based on landsat images[J]. Science Technology and Engineering, 2022, 22 (24):10812-10817.

[11]
徐尚昭, 陈斌, 周阳阳, 等. 矿区植被覆盖度时空变化遥感监测研究——以广东省大宝山矿区为例[J]. 安徽农业科学, 2023, 51(5):46-50.

Xu S Z, Chen B, Zhou Y Y, et al. Research on remote sensing monitoring of spatiotemporal changes in vegetation coverage in mining areas:A case study of Dabaoshan mining area in Guangdong Province[J]. Journal of Anhui Agricultural Sciences, 2023, 51 (5):46-50.

[12]
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. Creation and application of urban remote sensing ecological index[J]. Acta Ecologica Sinica, 2013, 33 (24):7853-7862.

[13]
程琳琳, 王振威, 田素锋, 等. 基于改进的遥感生态指数的北京市门头沟区生态环境质量评价[J]. 生态学杂志, 2021, 40(4):1177-1185.

Cheng L L, Wang Z W, Tian S F, et al. Ecological environment quality evaluation of Mentougou District,Beijing based on improved remote sensing ecological index[J]. Chinese Journal of Ecology, 2021, 40 (4):1177-1185.

[14]
Liu Q, Yu F H, Mu X M. Evaluation of the ecological environment quality of the Kuye River source basin using the remote sensing eco-logical index[J]. International Journal of Environmental Research and Public Health, 2022, 19(19):12500.

[15]
Baig M H A, Zhang L F, Shuai T, et al. Derivation of atasselled cap transformation based on Landsat-8 satellite reflectance[J]. Remote Sensing Letters, 2014, 5(5):423-431.

[16]
Crist E P. A TM tasseled cap equivalent transformationfor reflectance factor data[J]. Remote Sensing of Environment, 1985, 17(3):301-306.

[17]
林雪, 季建万, 沙晋明. 大田县近22a环境变化遥感监测研究[J]. 福建师范大学学报(自然科学版), 2018, 34(5):24-31.

Lin X, Ji J W, Sha J M. Research on remote sensing monitoring of environmental changes in Datian County over the past 22 years[J]. Journal of Fujian Normal University(Natural Science Edition), 2018, 34 (5):24-31.

[18]
徐涵秋. 水土流失区生态变化的遥感评估[J]. 农业工程学报, 2013, 29(7):91-97,294.

Xu H Q. Remote sensing assessment of ecological changes in soil erosion areas[J]. Transactions of the Chinese Society of Agricultural Engineering, 2013, 29 (7):91-97,294.

[19]
Janet N. Remote sensing of urban heat island by day and night[J]. Photogrammetric Engineering and Remote Sensing, 2005, 71(5):613-621.

[20]
Chander G, Markham B L, Helder D L. Summary of current radiometric calibration coefficients for Landsat MSS,TM,ETM+,and EO-1 ALI sensors[J]. Remote Sensing of Environment, 2009, 113(5):893-903.

[21]
Yu X, Guo X, Wu Z. Land surface temperature retrieval from Landsat 8 TIRS-comparison between radiative transfer equation-based method,split window algorithm and single channel method[J]. Remote Sensing, 2014, 6(10):9829-9852.

[22]
Sobrino J A, Jimenez-munoz J C, Paolini L. Land surface retrieval from Landsat TM5[J]. Remote Sensing of Environment, 2004, 90(4):434-440.

[23]
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.

DOI

Wang J F, Xu C D. Geographic detector:Principles and prospects[J]. Acta Geographica Sinica, 2017, 72 (1):116-134.

[24]
中华人民共和国环境保护部. 生态环境状况评价技术规范:HJ 192—2015[S]. 北京: 中国环境科学出版社, 2015.

Ministry of Environmental Protection of the People’s Republic of China. Technical specification for ecological environment assessment:HJ 192—2015[S]. Beijing: China Environmental Science Press, 2015.

Options
文章导航

/

〈 〉