基于RSEI-熵权法复合模型的路域生态环境综合评价

陈耀胡永歌徐恩凯何瑞珍田国行

河南农业大学风景园林与艺术学院河南农业大学河南省风景园林国际联合实验室

导出/参考文献 分享 打印

摘 要：以Landsat影像为数据源，运用RSEI模型对郑尧高速郑禹段沿线两侧各6 km路域空间2004年、2013年和2020年生态环境展开动态评价，结合熵权法构建复合模型开展季相综合生态环境评价。结果表明：研究区RSEI指数夏季最高，其次是春季、秋季和冬季；生态环境质量空间变化最明显的是冬季，其次是春季、秋季和夏季，主要原因是耕地和森林受季节变化影响较大；耕地、建设用地与生态环境质量关联性最大，其次是森林、水体和草地；研究区2004年、2013年、2020年综合生态环境指数分别为0.588 7、0.520 2和0.581 6,呈“先变差-再变好”的趋势；RSEI-熵权法复合模型可以有效开展高速公路路域生态环境质量综合评价，弥补单一季相生态环境评价的不足。研究内容可为区域生态环境综合评价提供技术支持，为路域空间可持续发展提供理论依据。

关键词：高速公路;路域生态环境;RSEI模型;熵权法;季相综合评价;

基金：河南省高校学科创新引智基地项目，项目编号GXJD006;

“十九大” 告提出构建交通强国目标[1,2],2021年《国家综合立体交通 规划纲要》提出分两步走全面构建现代化高质量的国家综合立体交通 [3],高速公路在其中承担了重要的角色。自1984年中国大陆第一条高速公路沪嘉高速[4]修建以来，截至2019年底，中国高速公路总里程达14.26万km, 居世界第一。但是高速公路带来便利的同时，也对沿线路域生态环境[5,6,7]产生了一系列不利影响，因此，如何快速开展路域生态环境季相综合评价，实现高速公路路域生态环境的可持续发展成为本次研究重点。

相较于传统人工调研的不便，更加便捷准确的的遥感技术开始广泛应用。1987年西安-临潼高速公路路域生态环境影响评价项目是中国首次对路域生态环境影响展开评价[8];2003年赵勇等[9]采用定量研究手段，选取8个生态指标对少林寺-洛阳高速公路路域生态环境影响进行综合评价；2010年牛玉欣等[10]应用遥感技术建立了公路生态环境评价模型，对青海省某公路生态环境质量现状进行分析；2015年国家环保部发布了《生态环境状况评价技术规范》[11],推出了生态环境状况指数EI (Ecological Index, EI);2016年，彭宇[12]以EI相关指数为指标构建路域生态环境退化评价分析模型；姚爱冬等[13]以Landsat 8遥感影像及DEM为主要数据源，通过提取植被、土壤和地形等相关因子，并根据其对生态环境质量的贡献程度构建评价模型，对邵武—光泽高速公路两侧5 km范围内的区域生态环境质量进行评价；2019年，RSEI (Remote Sensing Based Ecological Index, RSEI)模型[14]被引入到高速公路评价当中[5],为路域生态环境快速评测提供新途径。

1 研究区概况与数据源

1.1研究区概况

1.2数据源

图1 研究区位 下载原图

表1 影像基本信息 导出到EXCEL

2 研究方法

2.1数据预处理

(1)尺度划分：

运用Arc GIS10.7绘制道路并构建单侧6 km的路域缓冲区作为研究区，采用GIS渔 工具构建多尺度 格，共得到完整有效的 格数量为：100 m尺度81 798个，300 m尺度9 459个，500 m尺度3 320个，1 000 m尺度778个；

(2)遥感影像处理：

运用ENVI软件根据邓书斌等所著的《ENVI遥感图像处理办法》[22]对Landsat影像进行预处理并开展RSEI模型的相关计算。

2.2研究方法

首先采用RSEI模型对研究区2004年、2013年、2020年3个时期春、夏、秋、冬4个季节的绿度(NDVI)、湿度(WET)、干度(NDBSI)和热度(LST)[23]等4个遥感生态指标进行计算并开展RSEI生态环境评价，探索4个分指标和RSEI指数的季相变化情况；其次对2020年4种尺度下RSEI季相评价结果与土地利用占比展开相关性分析，探究用地类型与生态环境之间的关联性；最终运用熵权法对RSEI季相评价结果进行赋权，构建RSEI-熵权法复合模型开展路域生态环境综合评价。

2.2.1RSEI(Remote Sensing Based Ecological Index, RSEI)模型

RSEI模型[14]和分指标公式见式(1)～式(7):

RSEI=P(NDVI,WET,NDSI,LST)?????????(1)RSEΙ=Ρ(ΝDVΙ,WEΤ,ΝDSΙ,LSΤ)?????????(1)

(1)绿度(NDVI):

NDVI=(Pnir?Pred)/(Pnir+Pred)?????????(2)ΝDVΙ=(Ρnir-Ρred)/(Ρnir+Ρred)?????????(2)

式中：nir、red分别代表遥感影像中的近红外波段和红色波段。

(2)湿度(WET):

WET=C1Pblue+C2Pgreen+C3Pred+C4Pnir+C5Pswir1+C6Pswir2 (3)

式中：blue、green、red、nir、Swir1、Swir2分别代表Landsat TM/ETM/OLI影像里的对应的蓝、绿、红、近红外等波段，C1～C6代表上述波段反射率，可从影像头文件处获得。

(3)干度(NDBSI):

NDBSI=(SI+IBI)/2?????????(4)ΝDBSΙ=(SΙ+ΙBΙ)/2?????????(4)

SI=(Pswir1+Pred)?(Pnir+Pgreen)(Pswir1+Pred)+(Pnir+Pgreen)?????????(5)SΙ=(Ρswir1+Ρred)-(Ρnir+Ρgreen)(Ρswir1+Ρred)+(Ρnir+Ρgreen)?????????(5)

IBI=[2Pswir1/(Pswir1+Pnir)-Pnir/(Pnir+Pred)+Pgreen/(Pgreen+Pswir1)]/[2Pswir1/(Pswir1+Pnir)+Pnir/(Pnir+Pred)+Pgreen/(Pgreen+Pswir1)] (6)

(4)热度(LST):

采用大气校正法[22]反演地表温度，按以下公式求取研究区热度分布情况。

LST=T/[λTp?lnε+1]?????????(7)LSΤ=Τ/[λΤp?lnε+1]?????????(7)

B(TS)=[Lλ?L↑?τ(1?ε)L↓]/τε?????????(8)B(ΤS)=[Lλ-L↑-τ(1-ε)L↓]/τε?????????(8)

T=K2/(K1B(TS)+1)?????????(9)Τ=Κ2/(Κ1B(ΤS)+1)?????????(9)

式中：T为传感器温度；λ为TM/ETM+/OLI遥感影像TIR 波段中心波长；ε为地表比辐射率[23];K为定标系数，可从相关书籍[22]和用户手册获取，大气投射率信息可从(https: //atmcorr.gsfc. nasa.gov/) 站获得。

(5)量化处理：

采用公式(10)对分指标进行量化处理，将指标评价值范围固定在 [0～1][23]之间。

Ni=(A?Amin)/(Amax?Amin)?????????(10)Νi=(A-Amin)/(Amax-Amin)?????????(10)

式中：Ni为第i个分指标的归一化结果；A为分指标的原始值；Amax和Amin分别为分指标原始值中的最大、最小值。