Welcome to visit Anhui Agricultural Science Bulletin!

Anhui Agricultural Science Bulletin >

2025 , Vol. 31 >Issue 5: 73 - 79

DOI: https://doi.org/10.16377/j.cnki.issn1007-7731.2025.05.016

Monitoring and analysis of dynamic changes of ecological environment in Hefei City based on the remote sensing ecological index

  • ZHANG Yin 1, 2 ,
  • CHEN Li 3 ,
  • WANG Xiaohong 1 ,
  • FANG Gang 1, 2
Expand
  • 1School of Environment and Surveying Engineering, Suzhou University, Suzhou 234000, China
  • 23S Technology Application Research Center in Northern Anhui, Suzhou 234000, China
  • 3Suzhou No. 2 High School, Suzhou 234000, China

Received date: 2024-10-23

  Online published: 2025-03-13

Fold

Abstract

The remote sensing ecological index of Hefei City, Anhui Province was selected as the research object and Landsat 5 and 8 images were used as data sources to conduct principal component analysis on greenness index, humidity index, dryness index and heat index. RSEI model was constructed to dynamically monitor and evaluate the ecological environment quality of the research area, and analyze its temporal and spatial changes. The results showed that from 2001 to 2021, the RSEI index in the study area generally declined first and then increased slowly. Greenness and humidity were positively correlated with eco-environmental quality, while dryness and heat were negatively correlated with eco-environmental quality. In terms of spatial change, RSEI invariable areas were scattered from 2001 to 2011, and the ecological environment quality around the main urban area declined. From 2011 to 2016, RSEI values increased in the western and northern parts of the country, and decreased in some southern regions, but its overall ecological environment quality improved. From 2016 to 2021, the ecological and environmental quality in the main urban areas will continue to improve. This paper provides a reference for the evaluation of ecological environment quality of similar areas.

Key words： remote sensing ecological index; ecological environment; principal component analysis; dynamic change monitoring

Cite this article

ZHANG Yin , CHEN Li , WANG Xiaohong , FANG Gang . Monitoring and analysis of dynamic changes of ecological environment in Hefei City based on the remote sensing ecological index[J]. Anhui Agricultural Science Bulletin, 2025 , 31(5) : 73 -79 . DOI: 10.16377/j.cnki.issn1007-7731.2025.05.016

良好的生态环境质量是经济社会可持续发展的关键因素。随着工业化和城市化的快速发展，城市生态环境质量呈现出持续演变的趋势，为更好地支持城市生态系统建设，对城市生态环境质量进行精准评估显得尤为重要。植被覆盖度（Fractional vegetation cover，FVC）作为衡量地表植被覆盖状况的关键指标之一，能够反映区域生态平衡的动态变化，以有效缓解城市热岛效应及全球气候变暖带来的负面影响[1-2]。近年来，遥感技术在区域生态环境质量评估领域中的应用日益广泛[3-5]，例如甬江流域[3]、大连[2]和西安[6]等。徐涵秋[7]研究提出了遥感生态指数（Remote sensing ecological index，RSEI），通过耦合绿度、湿度、干度和热度4个指标，实现了生态环境质量的动态监测和变化分析。RSEI已在多个城市[8-10]、流域[11]和自然保护区[12]等区域的生态环境评价中得到了广泛应用[13-14]。目前，有关安徽合肥市生态环境质量定量分析的研究相对较少。为此，本文在参考相关研究成果基础上，以Landsat 5和Landsat 8影像（2001、2006、2011、2016和2021年）为数据源，以ENVI和ArcGIS软件为平台，结合RSEI模型对合肥市2001—2021年的生态环境质量动态变化进行分析，探讨植被覆盖度和城市扩张对其生态环境质量的影响，旨在为城市生态环境保护和建设提供参考。

1 材料与方法

1.1 数据来源

本文选取合肥市遥感生态指数作为研究对象，以研究区Landsat 5 TM和Landsat 8 OLI影像为数据源。数据来源于中科院地理空间数据云平台（http://www.gscloud.cn/），成像时间分别为2001年11月21日（TM）、2006年6月12日（TM）、2011年4月23日（TM）、2016年7月25日（OLI）和2021年6月5日（OLI）。

1.2 研究方法

1.2.1 遥感生态指数（RSEI）构建

通过耦合绿度、湿度、干度和热度4个指标[7]，来实现生态环境质量的综合评价。RSEI计算过程包括分量指标选取和主成分分析（Principal component analysis，PCA），流程如图1所示。
图1 技术处理流程
（1）分量指标选取。绿度指标：归一化植被指数（Normalized difference vegetation index，NDVI）可以很好地反映植被生长状况，操作简便且精度高。其计算如式（1）所示。
N D V I = ρ N I R - ρ R ρ N I R + ρ R   
式（1）中， ρ R和 ρ N I R分别表示红色波段和近红外波段的反射率，R和NIR分别对应TM影像的第3和第4波段或OLI影像的第4和第5波段。
湿度指标：缨帽变换中的湿度分量（WET）可以反映湿度状况。TM和OLI影像的WET计算[15]如式（2）～（3）。
W E T T M = 0.031   5 ρ B + 0.202   1 ρ G + 0.310   2 ρ R +          0.159   4 ρ N I R - 0.680   6 ρ S W I R 1 -          0.610   9 ρ S W I R 2
W E T O L I = 0.151   1 ρ B + 0.197   3 ρ G + 0.328   3 ρ R +           0.340   7 ρ N I R - 0.711   7 ρ S W I R 1 -           0.455   9 ρ S W I R 2  
式（2）～（3）中， ρ B、 ρ G、 ρ R、 ρ N I R、 ρ S W I R 1和 ρ S W I R 2分别表示蓝色波段、绿色波段、红色波段、近红外波段、短波红外1波段和短波红外2波段的反射率。
干度指标：干度指数（Normalized difference built-up and soil index，NDBSI）由裸土指数（Soil index，SI）和建筑指数（Index-based built-up index，IBI）构成，可以反映城市的地表干化程度，其计算[7]如式（4）～（6）所示。
S I = ( ρ S W I R 1 + ρ R ) - ( ρ N I R + ρ B ) ( ρ S W I R 1 + ρ R ) + ( ρ N I R + ρ B )
I B I = 2 ρ S W I R 1 ρ S W I R 1 + ρ N I R - ρ N I R ρ N I R + ρ R - ρ G ρ G + ρ S W I R 1 2 ρ S W I R 1 ρ S W I R 1 + ρ N I R + ρ N I R ρ N I R + ρ R + ρ G ρ G + ρ S W I R 1
N D B S I = S I + I B I 2
热度指标：利用地表温度（Land surface temperature，LST）作为热度指标可以反映城市化对生态环境的影响。LST计算方式有多种，其中大气校正法操作简便，精度较高，因此，本文选用此方法计算LST[16]，计算如式（7）～（9）。
L = g a i n × DN+bias
T b = K 2 l n   ( K 1 L + 1 )
L S T = T 1 + λ T ρ l n   ε
式（7）～（9）中，gain和bias分别表示影像的增益值和偏置值；DN表示像元灰度值。LST表示地表温度；λ表示热红外波段的中心波长；ρ表示波尔兹曼常数；ε表示地表比辐射率；T表示传感器的温度值；K 1和K 2分别表示定标系数；L表示热红外波段影像的辐射值。在TM影像中，K 1=607.76 W·（m2·sr·μm）-1，K 2=1 260.56 K，λ=11.435 0 μm；在TIRS影像中，K 1=774.89 W·（m2·sr·μm）-1，K 2=1 321.08 K，λ=10.900 0 μm；ρ=1.438×10-2 mK。
（2）水体掩膜。为真实地反映植被和土壤湿度状况，利用改进归一化水体指数（Modified normalized difference water index，MNDWI）对研究区水体进行掩膜，以消除水体对湿度的影响。其计算[17]如式（10）所示。
M N D W I = ρ G - ρ N I R ρ G + ρ N I R

1.2.2 主成分分析

主成分分析法是将多个变量信息压缩至前1～2个主成分，根据各指标对主成分的贡献度，自主分配权重，避免人为干预带来的偏差[18-19]。由于4个指标量纲不同，在进行主成分变换前需归一化量纲，其计算如式（11）。
I N = I - I m i n I m a x + I m i n
式（11）中，I N为归一化后的数值；I为指标值；I max和I min分别为最大值和最小值。
4个指标归一化量纲后可进行主成分变换，通常用第1主成分PC1表示RSEI。为使结果便于比较，需对其进行归一化，计算同公式（11）。
在上述各项指标基础上提取研究区每年的RSEI值，并对研究区RSEI的时间变化和空间变化进行分析。

1.2.3 植被覆盖度构建

采用像元二分模型法计算FVC[19]，其计算如式（12）。
F V C = S - S s o i l S v e g - S s o i l
式（12）中，S为植被指数；S soil为纯裸土像元值；S veg为纯植被像元值。
为更好地突出NDVI对RSEI的影响，采用大气阻抗植被指数（Atmospherically resistant vegetation index，ARVI）计算FVC，其计算如式（13）。
A R V I = ρ N I R - ( 2 ρ R - ρ B ) ρ N I R + ( 2 ρ R - ρ B )
式（13）中， ρ B、 ρ R和 ρ N I R分别表示蓝色波段、红色波段和近红外波段的反射率。
由于缺乏研究区实际的监测数据，只能通过统计ARVI直方图来确定其置信区间，选择1%和99%的置信区间作为其S soil和S veg。

2 结果与分析

2.1 研究区RSEI的时间变化

在ENVI软件中统计NDVI、WET、NDBSI和LST的均值、标准差以及PC1荷载值，结果如表1所示。
表1 2001—2021年研究区各分量指标的均值、标准差和PC1荷载值
年份 指标 均值 标准差 PC1荷载值
2001 NDVI 0.884 0.061 0.039
WET 0.238 0.174 0.508
NDBSI 0.483 0.307 -0.784
LST 0.737 0.169 -0.350
RSEI 0.791 0.214
2006 NDVI 0.659 0.186 0.209
WET 0.433 0.262 0.548
NDBSI 0.526 0.378 -0.675
LST 0.564 0.247 -0.449
RSEI 0.528 0.220
2011 NDVI 0.675 0.176 0.406
WET 0.295 0.173 0.445
NDBSI 0.677 0.251 -0.754
LST 0.798 0.174 -0.263
RSEI 0.418 0.199
2016 NDVI 0.740 0.207 0.407
WET 0.503 0.237 0.451
NDBSI 0.541 0.299 -0.648
LST 0.561 0.240 -0.458
RSEI 0.533 0.218
2021 NDVI 0.674 0.209 0.429
WET 0.470 0.211 0.441
NDBSI 0.563 0.302 -0.701
LST 0.660 0.203 -0.361
RSEI 0.539 0.208
由表1可知，2001、2006、2011、2016和2021年RSEI均值分别为0.791、0.528、0.418、0.533和0.539，其中指数在2001—2006年呈下降趋势。绿度和湿度对生态环境产生了积极影响，干度和热度则相反。研究区2001、2006、2011、2016和2021年的绿度指标（NDVI）均值分别为0.884、0.659、0.675、0.740和 0.674，湿度指标（WET）均值分别为0.238、0.433、0.295、0.503和0.470，干度指标（NDBSI）均值分别为0.483、0.526、0.677、0.541和0.563，热度指标（LST）均值分别为0.737、0.564、0.798、0.561和0.660。NDVI均值呈先下降再上升再下降趋势，WET呈波动趋势，NDBSI的变化与生态环境质量息息相关，而LST整体呈波动趋势。
根据RSEI值将研究区生态环境质量按照[0，0.2）、[0.2，0.4）、[0.4，0.6）、[0.6，0.8）和[0.8，1.0]划分为差、较差、中、良和优5个等级，其面积和占比如表2所示，不同年份的生态环境质量变化如图2所示。
表2 2001—2021年基于RSEI的生态环境等级面积和占比
等级 分级标准 2001年 2006年 2011年 2016年 2021年
面积/km2 比例/% 面积/km2 比例/% 面积/km2 比例/% 面积/km2 比例/% 面积/km2 比例/%
差 [0，0.2） 125.19 10.31 259.12 21.71 323.00 26.73 247.18 20.75 288.20 23.91
较差 [0.2，0.4） 117.45 9.67 189.47 15.88 329.74 27.28 194.74 16.34 275.60 22.86
中 [0.4，0.6） 208.05 17.14 200.63 16.81 245.10 20.28 193.89 16.27 231.72 19.22
良 [0.6，0.8） 328.02 27.02 229.03 19.19 150.27 12.43 232.30 19.50 185.43 15.38
优 [0.8，1.0] 435.39 35.86 315.06 26.41 160.51 13.28 323.39 27.14 224.61 18.63
图2 2001—2021年研究区生态环境质量等级分布
由表2可知，2001年，RSEI主要集中在中等级区和优、良等级区，面积占比80.02%，而较差和差等级区面积占比分别为9.67%和10.31%。2006年，优和良等级区面积分别减少9.45和7.83个百分点，较差和差等级区面积分别增加了6.21和11.40个百分点。与2006年相比，2011年优和良等级区面积进一步减少19.89个百分点，差和较差等级区面积分别增加了5.02和11.40个百分点，中等级区面积增加了3.47个百分点。与2011年相比，2016年优和良等级区面积增加了20.93个百分点，差和较差等级区面积分别减少了5.98和10.94个百分点。到2021年，优和良等级区面积减少12.63个百分点，差、较差和中等级区面积分别增加了3.16、6.52和2.95个百分点。整体上，2001—2021年研究区RSEI均值呈下降趋势，优、良和中等级区面积减少，较差和差等级区面积增加（图2）。
在RSEI指数提取中，研究区2001、2006、2011、2016和2021年绿度、湿度、干度和热度4个指标的主成分分析结果如表3所示。第一主成分贡献率分别为75.45%、75.68%、75.36%、83.94%和80.24%。
表3 主成分分析结果
PCA 2001年 2006年 2011年 2016年 2021年
特征根 贡献率/% 特征根 贡献率/% 特征根 贡献率/% 特征根 贡献率/% 特征根 贡献率/%
1 0.091 5 75.45 0.196 0 75.68 0.108 4 75.36 0.206 7 83.94 0.180 6 80.24
2 0.022 6 94.08 0.034 1 88.83 0.024 0 92.06 0.024 6 93.92 0.023 8 90.80
3 0.006 1 99.10 0.026 5 99.08 0.009 6 98.74 0.013 6 99.45 0.019 1 99.30
4 0.001 1 100.00 0.002 4 100.00 0.001 8 100.00 0.001 4 100.00 0.001 6 100.00

2.2 研究区RSEI的空间变化

由图2可知，2001—2021年，研究区主城区植被覆盖度相对较低，而外围区植被覆盖度相对较高。2001年，优良等级区主要分布在东南部，较差等级区集中在中部和西部。2006年，优良等级区面积增加，集中在西部和北部，而差和较差等级区仍分布在中部和东部。2011年，优良等级区面积减少。2016年，西部、北部和东南部的优良等级区面积显著增加。到2021年，西部差和较差等级区面积增加。
2001—2021年RSEI空间变化差异如图3所示。将研究区RSEI变化差异分为变差（剧烈变差、显著变差、轻微变差）、不变和变好（轻微变好、显著变好、剧烈变好）三大类，其面积与占比如表4所示。
图3 2001—2021年RSEI空间变化差异
表4 2001—2021年研究区RSEI变化差异类型的面积与占比统计
RSEI变化 变化程度 2001—2006年 2006—2011年 2011—2016年 2016—2021年
面积/km2 比例/% 面积/km2 比例/% 面积/km2 比例/% 面积/km2 比例/%
变差 剧烈变差 463.20 37.89 271.88 22.36 59.84 4.93 207.01 17.10
显著变差 207.68 16.99 170.75 14.04 112.03 9.23 124.01 10.24
轻微变差 164.00 13.42 165.80 13.64 211.50 17.42 150.77 12.56
不变 基本不变 118.87 9.72 167.19 13.75 191.19 15.75 222.24 18.36
变好 轻微变好 86.07 7.04 215.14 17.69 191.87 15.80 296.76 24.51
显著变好 73.04 5.98 159.72 13.14 199.40 16.42 159.19 13.15
剧烈变好 109.57 8.96 65.47 5.38 248.38 20.45 49.35 4.08
2001—2006年，研究区RSEI变好区面积占比21.98%，变差区面积占比68.30%。2006—2011年，RSEI变好区面积增加了14.23个百分点，变差区面积减少了18.26个百分点。2016—2021年，RSEI变好区面积有所增加，表明生态环境质量有所改善。2001—2006年和2006—2011年，RSEI变好区面积均小于变差区面积，而在2011—2016年和2016—2021年，情况正好相反，变差区面积减少，变好区面积增加，表明2011—2021年研究区生态环境质量得到持续改善（图3，表4）。
综上，研究区各年份RSEI变化区面积较大，均超过75%，而基本不变区面积较小，均低于25%。2001—2011年，RSEI不变区分布较零散，主城区周边的生态环境质量有所下降；2011—2016年，西部和北部区域RSEI值上升，南部部分区域的RSEI值下降，但总体生态环境质量有所改善；2016—2021年，主城区生态环境质量持续好转。

3 结论与讨论

本文以安徽合肥市Landsat 5和Landsat 8影像为数据源，对绿度指标、湿度指标、干度指标以及热度指标进行主成分分析，构建RSEI模型，动态监测和评估该地区2001—2021年的生态环境质量，分析其生态环境质量的时空变化，得出以下结论。2001—2021年，城市化发展对研究区生态环境质量产生了较大影响，RSEI均值由2001年的0.791下降到2011年的0.418，随后缓慢上升，到2021年RSEI为0.539。2001—2011年，研究区城市化发展加快导致RSEI下降，反映出核心区生态压力相对增加；而在2011—2021年，随着城市绿化和治理措施的实施，生态环境质量得到改善，但RSEI仍未恢复到2001年的水平。绿度和湿度与研究区生态环境质量呈正相关，而干度和热度与生态环境质量呈负相关。由于遥感影像分辨率有限和成像时间不一致，评价结果与实际情况可能会存在一定的偏差。在今后的研究中，通过优化RSEI算法，结合土地利用数据和GEE平台使评价结果更加科学合理。

References

Publishing order | Descend order by publishing year | Descend order by cited within
1
张强，张杰，孙国武，等. 祁连山山区空中水汽分布特征研究[J]. 气象学报，2007，65（4）：633-643.

2
李微，宋鑫，刘伟男，等. 大连市植被覆盖度时空变化研究[J]. 辽宁师范大学学报（自然科学版），2019，42（1）：93-98.

3
缪鑫辉，梁勤欧. 基于遥感生态指数的甬江流域生态环境变化分析[J]. 长江流域资源与环境，2021，30（2）：427-438.

4
JÄNICKE C， OKUJENI A， COOPER S，et al. Brightness gradient-corrected hyperspectral image mosaics for fractional vegetation cover mapping in Northern California[J]. Remote sensing letters，2020，11（1）：1-10.

5
KIM J， KANG S， SEO B，et al. Estimating fractional green vegetation cover of Mongolian grasslands using digital camera images and MODIS satellite vegetation indices[J]. GIScience & remote sensing，2020，57（1）：49-59.

6
王君，杨晓梅，隋立春，等. 西安市1995—2016年植被覆盖度动态变化监测及景观格局分析[J]. 生态科学，2019，38（6）：81-91.

7
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.

8
李红星，黄解军，梁友嘉，等. 基于遥感生态指数的武汉市生态环境质量评估[J]. 云南大学学报（自然科学版），2020，42（1）：81-90.

9
张立伟，张运，黄晨. 皖江城市带近20 a生态环境变化遥感指数分析[J]. 长江流域资源与环境，2018，27（5）：1061-1070.

10
杨江燕，吴田，潘肖燕，等. 基于遥感生态指数的雄安新区生态质量评估[J]. 应用生态学报，2019，30（1）：277-284.

11
王勇，王世东. 基于RSEI的生态质量动态变化分析：以丹江流域（河南段）为例[J]. 中国水土保持科学，2019，17（3）：57-65.

12
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[J]. 应用生态学报，2020，31（2）：533-542.

13
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.

14
孙从建，李晓明，张文强，等. 基于遥感信息的吕梁山贫困区生态安全评价[J]. 中国环境科学，2019，39（12）：5352-5360.

15
BAIG M H ALI， ZHANG L F， SHUAI T，et al. Derivation of a tasselled cap transformation based on Landsat 8 at-satellite reflectance[J]. Remote sensing letters，2014，5（5）：423-431.

16
徐建华. 计量地理学[M]. 2版. 北京：高等教育出版社，2014.

17
李苗苗. 植被覆盖度的遥感估算方法研究[D]. 北京：中国科学院研究生院（遥感应用研究所），2003.

18
张思源，聂莹，张海燕，等. 基于地理探测器的内蒙古植被NDVI时空变化与驱动力分析[J]. 草地学报，2020，28（5）：1460-1472.

19
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[J]. 生态与农村环境学报，2021，37（4）：492-500.

Options
Outlines

/

〈 〉

ISSN 1007-7731　CN 34-1148/S
Bimonthly, Founded in 1995
Superintendent: Anhui Association for Science and Technology
Sponsored by: Anhui Association Of Agricultural Science Societies
Postal Code: 230091　
Tel: 0551-62675980、62678400
E-mail:anhuinxtb1995@163.com;ahnxtb2023@163.com
Visited
    Total visitors:
    Visitors of today:
    Now online:
Copyright © Anhui Agricultural Science Bulletin, All Rights Reserved.