生态环境质量与人类生存和社会经济可持续发展息息相关，反映特定的时间和空间范围内的生态优劣程度，受到自然和人为因素的共同干扰，单一要素难以全面客观地反映生态环境状况。新型遥感生态指数(remote sensing ecological index, RSEI) 能够实现对复杂生态环境进行高效快速大范围的定量统计和数字成图。它基于遥感影像数据集成了绿度、湿度、干度和热度4个生态环境影响因素，很好的解决了传统生态环境指数(ecological index, EI)中土地退化指数计算复杂，环境质量指数应用受限等问题^[1-2]。目前基于RSEI的研究内容主要分为：生态环境质量的时空变化分析、生态环境质量变化驱动力机制研究和生态环境质量变化和各指标因子关系模型与预测分析3方面^[3-5]。宋慧敏等^[6]对渭南市1995年至2015的生态环境质量进行研究发现，除渭南市周边和部分矿区的生态环境质量下降外，整体生态环境得到改善；朱青等^[7]综合地形因子、气候因子、土地利用类型和社会经济4方面发现，坡度因子是影响该区域生态环境质量的最重要指标因子；杨凤海等^[8]对东北黑土流失区的建模和预测发现，绿度指标是该区域生态环境质量改善的关键指标因子，当绿度指标增加0.26时RSEI会增加0.1。以上研究均是围绕上述3个内容的某一方面或者2个方面展开，缺乏基于RSEI的区域生态环境质量的全面评价与驱动力机制分析。

漓江流域是是桂林市旅游资源开发的核心区域。自1998年以后，流域的温度受气候变暖的影响尤为明显，冬季0 ℃以下的天气基本为零，且近年来流域枯水期逐年增加，土壤含水量下降，水源林面积不断减少等环境问题突出^[9-10]。漓江两岸的生态环境遭到严重破坏，已经影响到桂林市的生态文明建设；因此，针对漓江流域生态环境质量的科学评估研究对流域的生态环境保护意义重大。

目前针对漓江流域环境问题的研究大部分是在上游、下游、市区等局部区域进行实地采样获取数据建模，分析土壤、水、植被等单一要素的环境变化情况^[11-13]。然而漓江流域属于典型的喀斯特地貌区，峰丛林立，洼地众多，植被茂密，人工调查难度极大且成本高、效率低，很难全面反映流域环境质量状况。为了准确客观地获取漓江流域整体生态环境质量的动态变化，本研究基于Landsat系列遥感数据，利用主成分分析法计算RSEI指数，并构造多元回归模型判断影响流域环境质量的主要因子，对漓江流域生态环境质量进行时空变化分析、驱动力机制分析以及预测，掌握影响漓江流域环境质量变化的内在因素，以期为区域环境保护工作和决策提供参考依据。

漓江流域位于广西东部桂林市境内(E 110°07′39″~110°42′57″，N 24°38′10″~25°53′59″)，涉及桂林市区及漓江周边5县的部分地区(图 1)，拥有闻名中外的漓江风景名胜区，以及1个国家级自然保护区2个自治区级自然保护区。流域总面积为5 585 km²，呈现出中部为低山地，北部和东西部较高的地形分布特征，具有典型的喀斯特地貌，气候特征为亚热带季风气候，夏长冬短，雨量充沛，光热强度大，年均气温为19.3 ℃，年降雨量为1 838~1 941.55 mm。

图 1(Fig. 1)

图 1 漓江流域研究区域位置图 Fig. 1 Location map of Lijiang River Basin research area

漓江流域的气候特征使其雨季和旱季的水量差异明显，不同季节地表覆被及干湿度和温度情况不同，使得传感器探测到的波谱数值有所差异。区域生态环境质量在较短年限内不易看出差别，且基于同源遥感数据的生态环境质量的定量评价能够更准确地说明生态环境质量的真实变化情况。因此本研究为了排除雨量不同对结果的影响，以10年左右为1个周期分别选取了1991年11月15日(TM)、2001年11月18日(ETM+)、2009年11月13日(ETM+)和2019年11月12日(OLI/TIRS)的Landsat系列卫星数据，云量均 < 5%。对各年份影像进行的数据预处理主要包括对各年份影像进行几何校正、辐射定标、Flaash大气校正^[14]、高程校正、镶嵌和裁剪，以减少不同时相的影像在地形、光照、大气等方面的差异。不同年份的影像通过二次多项式和最邻近象元法进行影像配准，均方根误差均 < 0.5个象元；最后为了避免大面积水域对提取的RSEI指数造成影响，研究基于自动水面提取指数(automated water extraction index, AWEI)^[15]提取研究区水体，并对水体进行掩膜。

生态环境与植被、干、湿、热等密切相关，这4个因素能够直观反映生态环境质量优劣。NDVI(normalized difference vegetation index)为归一化植被指数^[16]，可以对植被长势进行估算，代表绿度；湿度(WET)采用缨帽变换提取^[17]；选用建筑指数(index-based built-up index, IBI)^[18]和裸土指数(soil index, SI)^[19]的平均值作为干度指标(normalized difference soil index, NDSI)，可以更好的反映城市用地面积和地表裸露造成的干化情况；为了消除研究区域不同温度反演方法对结果造成的影响，统一采用辐射传输方程法来计算热度指标((land surface temperature, LST)^{[1-2, 20]}。根据式(1)，将这4个指标值范围归一化至0和1之间，排除指标量纲影响，再将归一化后的4个新指标重新组合成一幅新的影像数据。利用主成分分析将新影像的主要光谱特征集中在第1主成分中，达到隔离噪声与减少数据冗余的效果，选择第1主成分(PC1)作为初始生态指数RSEI₀^[1-2]，再根据公式(2)获得像元的RSEI指数值。主成分分析结果如表 1所示。主成分分析的最大优点是根据累积方差百分比(贡献率)来确定各个主成分的排序，排除常规指标耦合方法对权重确定的人为干扰和单一因素片面性的缺点，对生态环境质量的衡量更为客观准确。

表 1(Tab. 1)

表 1 主成分分析结果 Tab. 1 Principal component(PC) analysis results 年份Year 指标Index 第1主成分PC1 第2主成分PC2 第3主成分PC3 第4主成分PC4 1991 绿度NDVI 0.412 -0.735 -0.229 0.488 湿度WET 0.018 0.538 0.093 0.838 干度NDSI -0.822 -0.177 -0.508 0.188 热度LST -0.394 -0.374 0.825 0.157 特征值Eigenvalue 0.019 0.002 0.001 0.001 贡献率Contribution rate/% 83.31 9.71 6.43 0.55 2001 绿度NDVI 0.170 -0.799 -0.273 0.509 湿度WET 0.045 0.516 0.102 0.849 干度NDSI -0.856 0.043 -0.509 0.080 热度LST -0.486 -0.307 0.810 0.115 特征值Eigenvalue 0.024 0.004 0.002 0 贡献率Contribution rate 80.28 14.20 5.00 0.52 2009 绿度NDVI 0.963 -0.270 -0.001 -0.022 湿度WET 0.137 0.415 0.104 0.894 干度NDSI -0.192 -0.715 -0.523 0.422 热度LST -0.134 -0.494 0.846 0.152 特征值Eigenvalue 0.013 0.002 0.001 0 贡献率Contribution rate 82.70 12.28 3.80 1.22 2019 绿度NDVI 0.170 -0.666 -0.644 0.336 湿度WET 0.002 0.378 0.090 0.922 干度NDSI -0.795 0.467 -0.354 -0.155 热度LST -0.582 -0.443 0.672 0.117 特征值Eigenvalue 0.012 0.002 0.001 0 贡献率Contribution rate/% 77.90 13.14 8.71 0.25     Notes: NDVI stands for normalized difference vegetation index.

表 1 主成分分析结果 Tab. 1 Principal component(PC) analysis results

式中：N_i为上述4个指标因子经过归一化后的数值；I为该指标在某一象元处的数值；I_min为该指标的最小值；I_max为该指标的最大值；PC1_min为第1主成分的最小值；PC1_max为第1主成分的最大值。

从表 1可以看出：1)4年中各指标第1主成分的贡献率分别为83.31%、80.28%、82.70%和77.90%，表明第1主成分集中了4个指标因子的大部分信息；2)在第1主成分中，绿度和湿度指标因子始终呈正值，热度和干度指标因子始终呈负值，说明绿度和湿度对漓江流域的生态环境改善有促进作用，干度和热度对生态环境质量改善有抑制作用，这与实际情况相符；3)其他主成分指标有正有负，结果解释力较弱，说明基于第1主成分构建的RSEI模型能够定量解释漓江流域的生态质量变化情况，其值越大表明生态环境质量越好。

图 2a为研究区各年份遥感生态指数图。基于RSEI指标对生态环境质量划分原则^[1]，将RSEI数值从低到高，以0.200为间隔将漓江流域生态质量划分为差、较差、中、良、优5个生态环境等级，统计各年份不同生态环境等级所占面积(表 2)及其比例(图 3)。

图 2(Fig. 2)

图 2 漓江流域各年份遥感影像图和遥感生态指数图 Fig. 2 Remote sensing image map and RSEI map of Lijiang River Basin in different years

表 2(Tab. 2)

表 2 生态环境等级面积统计 Tab. 2 Statistics of area in ecological environment grade   km2 年份Year 差Poor 较差Inferior 中Medium 良Good 优Excellent 1991 0.041 1 008.538 2 703.410 2 085.300 9.655 2001 79.624 1 107.783 2 378.129 2 197.821 34.803 2009 0.004 1.899 1 484.861 4 243.663 59.153 2019 0.918 273.646 1 792.249 3 521.246 181.243

表 2 生态环境等级面积统计 Tab. 2 Statistics of area in ecological environment grade

图 3(Fig. 3)

图 3 各年份生态环境等级所占比例 Fig. 3 Proportion of ecological environment grade in each year

利用ENVI软件统计功能对图 2a的RSEI指数值进行统计得出，漓江流域1991、2001、2009和2019年的RSEI均值分别0.534、0.530、0.662和0.625。根据表 2和图 3和生态环境质量划分原则可知，流域1991和2001年的生态环境等级均为“中”，2009和2019年的生态环境等级均为“良”。

从表 2及图 3分析得出，流域生态环境变化分为3个阶段，第1阶段为1991—2001年，此期间流域生态环境等级处于“中”等水平，生态环境质量变化平缓。第2阶段为2001—2009年，此时段内区域生态环境等级由“中”变为“良”，变好趋势明显；“中”等级以下(包括“中”)的生态环境面积减小2 078.772 km²；“良”及“优”的生态面积增加2 070.192 km²。第3阶段为2009—2019年，此期间流域生态环境质量较为稳定，处于“良”水平。

综合图 2b遥感原始影像和实地考察分析得出，“差”和“较差”等级生态环境主要分布在漓江周边地区，位于流域中部和南部，土地利用类型主要为居民地和耕地，“中”等级生态环境主要分布漓江流域中部，土地利用类型主要为耕地，“良”及“优”等级生态环境主要分布在漓江流域北部和边缘地区，主要土地利用类型为林地^[21-22]，可以说明漓江流域不同生态环境分布与土地利用类型有密切联系。

为了动态分析漓江流域生态环境质量变化情况，根据等级差大小将RSEI差值变化分为9个级别，获得漓江流域不同时间段RSEI变化统计表(表 3)和不同变化类别面积及所占比例(图 4)。

表 3(Tab. 3)

表 3 RSEI变化统计 Tab. 3 Statistics of RSEI changes 类别 Category 级别 Grade 1991→2001 2001→2009 2009→2019 1991→2019 比例 Percentage/% 面积 Area/km2 比例 Percentage/% 面积 Area/km2 比例 Percentage/% 面积 Area/km2 比例 Percentage/% 面积 Area/km2 变差Worse -4 0 0.004 0 0.003 0 0.009 0 0 -3 0.011 0.618 0 0.002 0.052 2.997 0.002 0.120 -2 0.341 19.545 0.003 0.195 1.378 79.052 0.181 10.380 -1 9.686 555.699 0.523 29.989 19.230 1 103.293 2.910 166.971 不变Unchanged 0 81.504 4 676.139 30.918 1 773.83 75.831 4 350.636 49.710 2 852.016 变好Better 1 8.335 478.212 63.096 3 620.012 3.483 199.803 44.761 2 568.046 2 0.122 7.023 5.379 308.618 0.026 1.496 2.414 138.476 3 0.001 0.053 0.079 4.540 0 0.004 0.022 1.284 4 0 0 0.002 0.104 0 0.003 0 0.003     注：“0”级为生态没有发生变化，负级为生态环境质量变差，正级差为生态环境质量变好。Notes: “0” level refers to that the ecology has not changed, the negative level indicates that the ecological environment quality has become worse, and the positive level refers to that the ecological environment quality has become better.

表 3 RSEI变化统计 Tab. 3 Statistics of RSEI changes

图 4(Fig. 4)

图 4 生态环境变化柱状图 Fig. 4 Histogram of ecological environment change

由表 3及图 4分析得出：漓江流域生态环境变化级别最明显的是“-1”和“1”级，表明各时间段内区域生态环境变化不鲜明。1991—2001年间流域的生态环境质量保持稳定状态，2001—2009年生态环境得到改善，此时间段内“变好”类别的生态面积达到3 933.274 km², 较1991—2001年多了3 447.986 km²，增幅达到710.50%，其中“1”级的面积为3 620.012 km²，占整体面积的63.70%。整体时间段上流域的生态环境质量改善明显，“变好”的生态面积达到2 707.809 km²。

本研究将4类指标和RSEI按1%的比例随机抽样获得约6万5 000个训练样本点，对4类训练样本抽样点与RSEI指数样本点进行回归分析并建立各个年份的回归模型^[5]，见式(3)~(6)。由于RSEI是通过4个指标因子主成分分析变化获得，本质上是原始指标因子的线性组合，因此各年份回归模型具有较好的拟合度，相关系数R²均接近1，且模型均通过了1%的显著性检验，说明RSEI模型能够科学表示4个原始指标的综合信息，具有较高的精度和可靠性。

由回归模型(3)~(6)指标系数分析可知，干度、热度指标系数为负，与RSEI指数呈现负相关关系，对生态环境改善具有抑制作用，湿度、绿度指标系数为正，与RSEI指数呈现正相关关系，对生态环境改善具有促进作用。4年回归模型中绿度、湿度、干度和热度指标的系数绝对值的平均值分别为0.713、0.122、0.368和0.380，表明正相关指标(绿度、湿度)对RSEI的综合影响程度大于负相关指标(干度、热度)。查阅资料^[23-24]发现，桂林市森林覆盖率从1990年39.40%、2001年的57.00%、2009年的66.50%提升到现在的71.62%，使得近30年绿度指标系数变化较为稳定，对漓江流域的生态环境影响最大。查阅历史天气数据^[25]发现1991、2001、2009和2019年桂林市11月份的降雨量分别为98.80、38.51、52.80和70.12 mm，与湿度指标系数变化规律基本一致，而漓江流域是典型的喀斯特地貌区域，流域内裸露的石灰基岩较多^[26]，导致湿度指标对漓江流域的生态环境质量影响最小。

以2019年为例(图 5)，将抽样点的各指标因子与RSEI指数进行相关性分析。图 5a、图 5d分别是RSEI与正相关指标和负相关指标的三维散点图，其顶端为生态环境好的散点聚集区，代表区域湿度大植被多，底端为生态环境差的散点聚集区，代表区域地表裸露热量多。图 5b、图 5c、图 5e和图 5f分别是RSEI与湿度、绿度、热度和干度的二维散点图，从中可以看出：RSEI与湿度、绿度呈现明显的正线性相关关系，与热度、干度呈现明显的负线性相关关系，同主成分分析结果和多元回归模型分析结果一致。NDSI归一化后数值集中在0.2~0.6之间，WET经过归一化后的数值主要集中在0.40~0.55之间，表明漓江流域土壤偏干，但没有大面积石漠化区域，姚月峰等^[22]通过温度-植被干旱指数对漓江流域的研究发现林地为主的上游区域土壤湿度高于下游区域，整体以干旱为主，与本研究结果基本一致，说明本模型适宜漓江流域的环境状况研究。

图 5(Fig. 5)

图 5 2019年RSEI与各指标分量间的散点图 Fig. 5 Scatter diagram between RSEI and each index component in 2019

保持WET、NDSI和LST这3个因子不变的前提下，选取4年的RSEI回归模型，对2021年漓江流域的生态环境进行预测进行综合预测。预测表明若2021年漓江流域的RSEI值提升0.100，相应的绿度因子需要增加0.140。然而在实际情况中，4个指标因子相互关联，共同影响着漓江流域的生态环境质量，因此在环境治理过程中不应该只重视绿度因而忽略其他指标，应当统筹兼顾、科学系统地治理生态环境。

不同植被长势下NDVI值和植被覆盖度值会有一定的差异，为了深入地分析植被对生态环境质量的影响程度，本研究采用三波段梯度差法^[27]求出植被覆盖度(vegetation coverage, VC)，见式(7)。计算1991—2019年内4个时间段内的植被覆盖度变化和RSEI变化，对其进行抽样并对抽样数据进行回归分析，结果如图 6所示。

图 6(Fig. 6)

图 6 漓江流域RSEI变化与植被覆盖度变化散点图 Fig. 6 Scatter diagram of RSEI change and vegetation coverage change in Lijiang River Basin

式中：ρ₂、ρ₃、ρ₄分别为绿、红、近红外波段反射率；λ₂、λ₃、λ₄分别为绿、红、近红外波段中心波长，μm；d为象元梯度差；d_max为象元梯度差最大值。

由图 6可以看出除2001—2009年时间段R²为0.489以外，其余时间段植被覆盖度变化和RSEI指数值变化的R²均在0.650以上，近30年的R²达到0.890，表现出来明显的正向线性相关性，说明漓江流域植被覆盖情况与生态环境质量有紧密的联系，当植被覆盖度减小时，RSEI值减小，生态环境等级由“优”向“差”方向转化，植被覆盖度增加时，RSEI值增大，生态环境等级由“差”向“优”方向转化。

1) 漓江流域1991、2001、2009和2019年的生态环境等级分别为“中”“中”“良”和“良”。从1991年至2019年间，RSEI数值从0.534增至0.625，“变好”的生态面积达到2 707.809 km²，生态环境质量持续改善，改善的土地类型主要为居民地及耕地，集中在漓江流域的中部和南部地区，其间2001—2009年“变好”类别的生态面积达到3 933.274 km²，是改善最为明显的时间段。

2) 构建RSEI的4个指标因子中，热度和干度对生态环境改善起抑制作用，绿度和湿度对生态环境改善起促进作用，其中绿度指标对漓江流域的生态环境质量影响最大，湿度指标对漓江流域的生态环境质量影响最小，4个指标相辅相成，共同影响漓江流域的生态环境质量。

3) 漓江流域近30年植被覆盖变化和RSEI变化的回归系数R²达到0.890，呈现出明显的正向线性相关性，说明植被覆盖度是影响漓江流域生态环境质量变化的关键因素。

综上可知：漓江流域生态环境的科学治理需要重视植被的重要影响，同时不可忽视其他指标的影响，统筹兼顾、科学治理方可使漓江流域的生态环境持续保持良好水平。