1. 引言

天山北坡地处亚欧大陆腹地，位于我国西北地区，是我国西部经济最发达的地区，同时也是我国西部的重要生态屏障。天山北坡属于典型的山地–绿洲–荒漠复合生态系统，生态环境十分脆弱，一旦破坏生态恢复的难度极大。随着近30年社会经济的快速发展，天山北坡面临着许多生态问题[1]。土地利用的改变[2]、植被覆盖的变化[3]、土地盐碱化[4]、地下水下降[5]等问题日益凸显，生态环境质量遭受到了影响，全面、客观评价天山北坡生态环境质量就显得至关重要。

在现有研究中生态环境质量评价方法有两种，单一因子评价被广泛使用，如用NDVI反映区域植被分布特征[6]、用热环境指数反映区域地表温度分布特征[7]等，这些指标主要用于刻画生态环境某一方面的特征，而无法刻画区域的综合生态环境状态；另一种为多因子评价，大多通过不同层次指标，人为确定权重，具有代表性的是生态环境状态指数(EI)，生态环境部根据生物丰度指数、植被覆盖指数、水网密度指数、土地退化指数和环境质量指数所构建。遥感生态指数(Risk-Screening Environmental Indicators, RSEI)是一种使用遥感影像数据，从绿度、湿度、热度和干度等角度全面反映区域生态环境状况的指标[8]。通过NDVI来代表绿度指标，地表温度LST代表热度，建筑指数IBI和裸土指数SI代表干度，植被和土壤的湿度。通过主成分变换来确定不同指标的权重，避免了人为因素的干扰，结果更为客观可靠[8]。在干旱地区的生态环境质量评价中也得到了应用。蒋超亮等[9]，对古尔班通古特沙漠的生态环境时空格局进行了评价，研究结果显示，古尔班通古特沙漠的生态环境质量总体水平较低，位置偏远、人为干扰程度低的区域生态环境更趋于稳定，而资源开发、工程建设等高强度的人类活动对沙漠植物造成了严重的干扰和破坏，导致部分区域出现生态退化的现象。Zheng[10]研究了露天煤矿区域的生态环境质量，结果显示生态环境质量主要受气候变化影响，受采矿影响较小，种植植被可以促进矿区生态环境的治理和修复。Wang[11]使用MODIS数据在GEE平台上生成遥感生态指数(RSEI)，分析了研究过去二十年新疆的生态质量和环境因素之间的关系，以及生态质量的空间特征和变化趋势。然而，现有对于天山北坡生态环境质量的关注相对较少，长时间大范围的研究也相对匮乏。

因此，基于Google Earth Engine，使用Landsat5和8数据，综合绿度、干度、热度、湿度四个维度，以主成分分析生成1990年、2000年、2010年、2020年RSEI指标，探讨近三十年天山北坡遥感生态环境时空演变及空间转移特征，探究天山北坡生态环境质量动态演化规律，对于维持区域经济发展与生态环境保护之间的平衡具有重要意义。

2. 数据与方法

2.1. 研究区概况

本文的天山北坡指的是我国境内东天山、中天山北麓的呈条带状洪–冲积扇的大片区域，位于亚欧大陆腹地和我国西北地区、新疆的中部；塔克拉玛干沙漠以北，准噶尔盆地以南；包括乌鲁木齐市、昌吉回族自治区、博尔塔拉蒙古自治州、石河子市、沙湾市、乌苏市、奎屯市、克拉玛依市等城市。地理坐标介于42˚45'N~46˚13'N、79˚53'E~91˚32'E之间，总面积约为14.9 w平方千米。地势从南到北逐渐降低，起伏明显，河流切割剧烈，地质构造复杂。在气候上为温带大陆性气候，干旱少雨，气温日较差和年较差均很大，日照时间长。年均降水量在150.1~360.8 mm之间，主要集中在5、6两月[12]。天山北坡作为我国重要的能源战略基地，克拉玛依油田和准东油田蕴含着丰富的石油、煤炭资源，年均产千万吨以上；天然气、风能和太阳能极为充沛；铁、铜、金、钼、石灰岩、花岗岩、石膏等金属、非金属矿产资源也分布在不同的区域[13]。

2.2. 数据来源及其预处理

本文使用的遥感影像数据Landsat 5 TM、Landsat8 OLI遥感影像均来源于GEE平台，数据集均为多波段地表反射率数据集，所获取影像的成像时间为1992、1998、2010、2020年全年影像(由于1990年和2000年遥感影像出现大量缺失，因此选择相近年份数据代替)。由于GEE平台中的Landsat8数据集已经进行过大气校正，所以预处理过程主要包括影像的质量控制(去云处理)、影像镶嵌、水体积雪掩膜处理等操作[14]。

2.3. 研究方法

本文选取绿度、干度、热度、湿度，作为监测天山北坡生态环境质量的遥感指标。遥感生态指数选取了常用的NDVI、地表温度等可通过遥感反演得到的指标，避免了EI指数数据难获取的问题。采用主成分分析法对4个指标进行耦合，根据各个指标对第一主成分的贡献率来确定其权重，避免了人为确定权重值而导致的偏差，因而使得RESI指标更加具有客观性。

1) 绿度指标

归一化植被指数(NDVI)常用于表示植被生长状况，是一种用于表示区域植被分布的重要参数[6]。选用NDVI代表绿度指标，表达式如下：

$NDVI=\frac{{\rho }_{nir}-{\rho }_{red}}{{\rho }_{nir}+{\rho }_{red}}$(1)

式中： ${\rho }_{nir}$表示Landsat数据的近红外波段光谱反射率， ${\rho }_{red}$表示Landsat数据的红外波段光谱反射率。

2) 湿度指标

湿度是反映生态系统状况的一个重要参数，主要反映区域地表湿度状态，包括植被和土壤的湿度[15]。通过缨帽变换的湿度分量来表达湿度指标，本研究使用Landsat5 TM和Landsat8 OLI数据，具体表达式如下：

$We{t}_{Lc8}=0.315{\rho }_{blue}+0.2021{\rho }_{green}+0.3012{\rho }_{red}+0.1594{\rho }_{nir}-0.6806{\rho }_{swir1}-0.6019{\rho }_{swir2}$(2)

$We{t}_{Lc5}=0.1511{\rho }_{blue}+0.1973{\rho }_{green}+0.3283{\rho }_{red}+0.3407{\rho }_{nir}-0.7117{\rho }_{swir1}-0.4559{\rho }_{swir2}$(3)

式中： ${\rho }_{blue}$、 ${\rho }_{green}$、 ${\rho }_{red}$、 ${\rho }_{nir}$、 ${\rho }_{swir1}$、 ${\rho }_{swir2}$分别代表Landsat5和8的蓝波段、绿波段、红波段、近红外波段、短红外波段1、短红外波段2的光谱反射率。

3) 干度指标

土壤干化及建设用地的扩张常常会给生态环境带来负面影响，因此同时使用裸土指数(SI)和建筑指数(IBI)合成干度指标(NDBSI)[16]，具体表达式如下：

$NDBSI=\frac{SI+IBI}{2}$(4)

$SI=\frac{\left({\rho }_{swir1}+{\rho }_{red}\right)-\left({\rho }_{nir}+{\rho }_{blue}\right)}{\left({\rho }_{swir1}+{\rho }_{red}\right)+\left({\rho }_{nir}+{\rho }_{blue}\right)}$(5)

$IBI=\frac{\frac{2{\rho }_{swir1}}{{\rho }_{swir1}+{\rho }_{nir}}-\left(\frac{{\rho }_{nir}}{{\rho }_{nir}+{\rho }_{red}}+\frac{{\rho }_{green}}{{\rho }_{green}+{\rho }_{swir1}}\right)}{\frac{2{\rho }_{swir1}}{{\rho }_{swir1}+{\rho }_{nir}}+\left(\frac{{\rho }_{nir}}{{\rho }_{nir}+{\rho }_{red}}+\frac{{\rho }_{green}}{{\rho }_{green}+{\rho }_{swir1}}\right)}$(6)

式中： ${\rho }_{blue}$、 ${\rho }_{green}$、 ${\rho }_{red}$、 ${\rho }_{nir}$、 ${\rho }_{swir1}$分别代表Landsat8 OLI的蓝波段、绿波段、红波段、近红外波段、短红外波段1的光谱反射率。

4) 热度指标

地表温度是表征地表和大气之间物质交换和能量交换的重要参数[17]，因此用地表温度代表热度指标。具体表达式如下：

$\text{LST}=\frac{T_b}{1+\frac{\lambda T_b}{\rho }\epsilon }-237.15$(7)

式中， $\lambda$指的是Landsat热红外波长， $\rho =1.438\times {10}^{-2}\text{m}\cdot \text{K}$， $\epsilon$为发射率， $T_b$为亮式温度。

地表温度是表征地表和大气之间物质交换和能量交换的重要参数，因此用地表温度代表

5) 归一化处理

将5个指标分别归一化处理，将指标值范围统一在0-1之间，使其具有可比性。归一化处理公式如下：

$N{I}_i=\frac{I_i-I_{\min }}{I_{\max }-I_{\min }}$(8)

式中： $N{I}_i$指的是归一化处理后生成的指标值， $I_i$为该指标在像元i处的值； $I_{\max }$指的是该指标的最大值， $I_{\min }$是该指标的最小值。

6) 主成分分析构建RSEI

使用绿度、干度、热度、湿度构建RSEI，构建方法如下：

$\text{RSEI}=\text{PCA}\left(\text{f}\left(\text{NDVI},\text{WET},\text{NDBSI},\text{LST}\right)\right)$(9)

式中，NDVI、WET、NDBSI、LST、SI分别代表绿度、干度、热度、湿度指标分量。采用主成分分析法对各项指标进行耦合，其计算流程相对简单，且没有主观误差的干扰，具有一定的优势，使得RSEI指标更加客观可靠。

采用以下公式计算初始的RSEI0数值。

${\text{RSEI}}_0=1-\text{PCA}\left(\text{f}\left(\text{NDVI},\text{WET},\text{NDBSI},\text{LST}\right)\right)$(10)

式中：PCA为主成分分析，NDVI、WET、NDBSI、LST分别代表绿度、湿度、干度、热度。

并对RSEI0进行标准化处理，得到最终的RSEI值。

$\text{RSEI}=\frac{{\text{RSEI}}_0-{\text{RSEI}}_{0\min }}{{\text{RSEI}}_{0\max }-{\text{RSEI}}_{0\min }}$(11)

式中：分别表示计算得到的RSEI₀最大值和最小值，RSEI为最终的遥感生态指数。

3. 结果分析

3.1. 主成分分析结果

1990年、2000年、2010年、2020年天山北坡RSEI特征值与特征值贡献率如表1所示，可以看出，1990年、2000年、2010年、2020年RSEI指标第一主成分(PC1)和第二主成分(PC2)特征值贡献度之和超过了85%。1990年、2000年、2010年、2020年天山北坡RSEI第一主成分贡献率分别为60.59%、61.18%、75.91%、80.62%，第一主成分涵盖了4个指标超过了60%的信息；说明使用绿度、湿度、干度、热度这4个指标构建天山北坡RSEI是可行的。

Table 1.Results of principal component analysis (PCA)

表1.主成分分析结果

3.2. 天山北坡生态环境质量等级时空演变特征

3.2.1. 天山北坡生态环境质量等级时间演变

1990~2020年间天山北坡生态环境质量呈现出“下降–上升–下降”的波动变化，总体呈现略微下降的趋势(表2)。天山北坡RSEI均值从1990年的0.418下降至2020年的0.409，下降趋势平均为0.003/a，在这30年间下降率为2.25%。2010年天山北坡RSEI均值出现峰值(0.4202)，最低值出现在2000年(0.3979)。

Table 2.Mean RSEI values for the northern slopes of the Tianshan Mountains, 1990~2020

表2.1990~2020年天山北坡RSEI均值

图1反映了1990~2020年间各RSEI各等级面积占比。1990~2020年间天山北坡生态环境质量以中等与较差为主，面积占比之和均超过70%。1990~2020年间等级为差的面积整体呈现增长的趋势，具体表现为“略微增加–减少–增加”的波动变化，面积占比增加了7.30%。1990~2020年间等级为较差的总面积表现为增长的趋势，面积占比增加了5.33 %。

Figure 1.Percentage of each RSEI class on the north slope of Tianshan Mountain during 1990~2020

图1.1990~2020年间天山北坡各RSEI等级占比

3.2.2. 天山北坡生态环境质量等级空间演变

参考以往研究，将研究区RSEI值按照相等间隔划分为五个等级，分别为：RSEI值为0~0.2，生态环境质量为差(Ⅰ)；RSEI值为0.2~0.4，生态环境质量为较差(Ⅱ)；RSEI值为0.4~0.6，生态环境质量为中等(Ⅲ)；RSEI值为0.6~0.8，生态环境质量为良(Ⅳ)；RSEI值为0.8~1，生态环境质量为优(Ⅴ)。

图2反映了1990~2020年天山北坡RSEI值不同等级空间分布。从总体上来看，不同年份的生态环境质量空间分布表现出一定的规律性。生态环境质量差和较差的区域主要集中在研究区的东部和北部，在山前地带生态环境质量差和较差的区域与生态环境质量中等及以上的区域相间分布。生态环境质量为中等及优、良的区域主要集中在研究区中部和南部，并以西北–东南走向的两个条带状区域贯穿天山北坡东西。中部生态环境质量中等及以上的区域以条带贯穿阜康市的南部、乌鲁木齐市中部、昌吉市中部、呼图壁县中部、玛纳斯县中部及北部、沙湾县中北部、乌苏市东北部以及奎屯市、石河子市、五家渠市大部分区域。南缘的生态环境质量中等及以上区域沿着天山北部山体分布。

Figure 2.Distribution of ecological environment quality levels on the northern slopes of the Tianshan Mountains, 1990~2020

图2.1990~2020年天山北坡生态环境质量等级分布

得到1990~2020年生态环境质量等级空间分布变化图(图3)，其中改善区为生态环境质量等级提高的区域，稳定区为生态环境质量等级不变的区域，恶化区为生态环境质量退化的区域，并统计各阶段生态环境质量等级变化的面积及其所占的比重(表3)。

天山北坡生态环境质量等级变化情况以不变为主，生态环境质量等级发生改善区域与恶化区域的比例在不断的转换，天山北坡生态环境质量也在发生演变。1990~2000年间，天山北坡全域63.07%的生态环境质量等级未发生改变；生态环境质量等级发生改善的区域占到总面积的11.74%；风险等级下降的区域占到25.18%。生态环境质量等级不变的区域比例最大，生态环境质量等级发生恶化的区域大于改善的区域，恶化的面积比改善的面积多约13.44%，可见这一时期生态环境质量快速变差。生态环境质量发生恶化的区域主要集中在研究区的西部，在东部与南部也有零星错落分布。生态环境质量改善的区域主要分布在研究区的中部，以条带状集中分布。

2000~2010年间，可以观察到这一时期生态环境质量等级发生改善的区域明显扩张，而恶化的区域明显萎缩，天山北坡全域68.02%的生态环境质量等级未发生改变；生态环境质量等级发生改善的区域占到总面积的20.95%；等级下降的区域占到11.03%。生态环境质量等级不变的区域比例最大，改善的面积比恶化的面积多约9.92%，可见这一时期生态环境质量在变好。生态环境质量发生改善的区域主要集中在研究区的中部和南部。生态环境质量恶化的区域主要集中在研究区的西部以及东南部。

2010~2020年间，可以观察到这一时期生态环境质量等级发生改善的区域明显萎缩，而恶化的区域明显扩张。天山北坡全域66.18%的生态环境质量等级未发生改变；生态环境质量等级发生改善的区域占到总面积的12.81%；风险等级下降的区域占到21.01%。生态环境质量等级不变的区域比例最大，生态环境质量等级发生恶化的区域大于改善的区域，恶化的面积比改善的面积多约8.20%，可见这一时期的生态环境质量在变差。生态环境质量发生恶化的区域主要集中在研究区中南和中北区域。生态环境质量改善的区域主要分布在中部，以条带状集中分布。可见，天山北坡生态环境质量的演变具有一定的区域性与阶段性。

Figure 3.Spatial distribution of changes in ecological environment quality level on the north slope of Tianshan Mountain, 1990~2020

图3.1990~2020年天山北坡生态环境质量等级变化的空间分布

Table 3.Statistics on the area of changes in the ecological environment quality level of the northern slopes of the Tianshan Mountains from 1990 to 2020

表3.1990~2020年天山北坡生态环境质量等级变化面积统计表

3.2.3.天山北坡生态环境质量等级空间转移

天山北坡生态环境质量的变化主要通过不同生态环境质量等级之间的相互转换完成。本小节通过构建生态环境质量转移矩阵，分析1990~2020年不同阶段天山北坡生态环境质量等级转移情况(图4)。

从整体上看，天山北坡生态环境质量等级转移主要发生在相邻生态环境质量等级之间，跨等级的转换相对较少。研究区内生态环境质量等级转换以差与较差、较差与中等、中等与良，良与优的相互转化为主要特征。从前文可知，天山北坡1990~2020年呈现出“下降–上升–下降”的波动变化，总体呈现略微下降的趋势。从不同时间段来看，1990~2000年生态环境质量下降的原因主要是生态环境质量等级较差转为差(2717.91 km²)、中等转为较差(22486.47 km²)、良转为中等(5683.3 km²)。2000~2010年生态环境质量变好的原因主要是差转为较差(3875.54 km²)、较差转中等(11292.25 km²)、较差转良(3734.92 km²)。2010~2020年生态环境质量下降的原因主要是生态环境质量等级较差转为差(12402.36 km²)、中等转为较差(10329 km²)、良转为中等(3358.92 km²)、。1990~2020年生态环境质量下降的原因主要是由于生态环境质量等级较差转为差(10036.89 km²)、中等转为较差(25392.89 km²)、良转为中等(5438.13 km²)。

总体而言，1990~2000年天山北坡生态环境质量变化主要与以中等及以下的等级往更下一级的转移有关，生态环境质量发生改善的时期由较差转中等贡献最大，生态环境质量发生恶化时期以较差转差的贡献最大。然而，中等以上较高的生态环境质量等级相对稳定，发生转换的面积相对较少。说明天山北坡生态环境十分脆弱，中等及以下的区域生态环境质量极易往更下一级发生转换，因此需要提高对生态环境质量等级为中等、较差和差的区域的保护和关注。

Figure 4.Sankey diagram of transfer of ecological environment quality level in different periods on the north slope of Tianshan Mountain, 1990~2020

图4.1990~2020年天山北坡不同时期生态环境质量等级转移桑基图

4. 讨论与结论

4.1. 结论

本文基于GEE平台，以1990、2000、2010、2020年天山北坡Landsat5和8数据为基础，通过波段运算、主成分分析得到研究区生态环境质量空间分布，分析了研究区生态环境质量时空演变特征。得到了以下结论：

在时间尺度上，1990~2020年间研究区生态环境质量呈现出“下降–上升–下降”的波动变化，总体呈现略微下降的趋势。在空间尺度上，天山北坡生态环境质量以中等与较差为主，生态环境质量差和较差的区域主要集中在研究区的东部和北部，在山前地带生态环境质量差和较差的区域与生态环境质量中等及以上的区域相间分布。生态环境质量为中等及优、良的区域主要集中在研究区中部和南部，并以西北–东南走向的两个条带状区域贯穿天山北坡东西。

1990~2000年间，生态环境质量等级发生恶化的区域大于改善的区域，这一时期生态环境质量快速变差，与这一时期生态环境质量等级较差转为差、中等转为较差、良转为中等有关。2000~2010年间，生态环境质量等级发生改善的区域明显扩张，而恶化的区域明显萎缩，这一时期生态环境质量在变好，与这一时期生态环境质量等级较差转中等、较差转良、中等转良有关。2010~2020年间，生态环境质量等级发生改善的区域明显萎缩，而恶化的区域明显扩张，这一时期的生态环境质量在变差，与这一时期生态环境质量等级较差转为差、中等转为较差有关。

4.2. 讨论

1990~2020年间天山北坡生态环境质量总体呈现略微下降的趋势。与Yan等[18]研究结果不一致，主要由于研究的时间尺度、指标选取导致。Yan等[18]研究时间范围为2000~2019年，天山北坡生态环境质量呈现上升趋势，本研究在该阶段变化趋势基本一致。天山北坡生态环境质量的略微下降可能与近30年间经济快速发展阶段城市化、资源过渡开发、过渡放牧、大型工程项目建设等因素有关。

天山北坡生态环境质量差和较差的区域主要集中在研究区的东部和北部，生态环境质量为中等及优、良的区域主要集中在研究区中部和南部，并以西北–东南走向的两个条带状区域贯穿天山北坡东西。可能由于天山北坡北部位于古尔班通古特沙漠南缘，裸土广布，以风沙地貌为主，地表温度高；水源稀少，蒸发强烈，河流地表水难以到达，沿线工业矿业用水需求大，土壤含水量低，地表植被覆被分布稀疏，不利于植被生长。而天山北部山地、山前及盆地边缘汇集了大量的降水，以内陆河流地表水与地下水的形式向平原区聚集，为植被生长提供大量水源，土壤含水量也相对较高。

相较于单一指数，RSEI综合了四个非常有代表性且与人类密切相关的维度，可以全面描述区域的生态环境质量。此外，通过主成分分析确定指标权重，而非人为确定权重，结果更为客观。但是天山北坡面临荒漠化、盐碱化等生态问题、未来可以考虑加入沙化指标、盐度指标、土地退化指标等维度，构建更适合干旱区的生态环境质量指标体系，以更科学细致的描述天山北坡地表生态环境。

参考文献