文章快速检索     高级检索
  生态与农村环境学报  2019, Vol. 35 Issue (11): 1361-1368   DOI: 10.19741/j.issn.1673-4831.2018.0870
0
基于遥感生态指数(RSEI)的水电开发区生态环境变化分析:以清江中下游地区为例
刘索玄 , 袁艳斌 , 赵皞 , 李倩     
武汉理工大学资源与环境工程学院, 湖北 武汉 430070
摘要:为了快速监测水能开发过程中区域生态环境变化,协调水电开发与生态环境保护的关系。以清江水电梯级开发时间为节点,选取1987、2004和2015年Landsat TM/OLI影像,从绿度、湿度、热度和干度4个方面分别提取改进型土壤植被指数(MASVI)、湿度分量(WET)、地表温度(LST)和裸土指数(NDSI)4个评价指标,结合主成分分析,生成新型遥感生态指数(remote sensing ecological index,RSEI),对清江水电开发区生态环境进行评价。结果表明:(1)清江中下游地区1987、2004和2015年RSEI均值分别为0.443、0.664和0.515,呈先上升后下降趋势;(2)生态环境改善地区主要分布在低山丘陵区和平坦平原区,生态环境退化地区主要分布在水利枢纽中心及其附属库区、沿岸喀斯特山地及清江汇入长江口的丘陵区;(3)清江水电开发区生态环境与MASVI和NDSI关系最密切,3 a平均相关度分别为0.879和-0.916。认为提高植被覆盖度以及对裸露、干化地表进行治理是水利枢纽建设区环境恢复的关键。
关键词生态环境    遥感生态指数(RSEI)    动态监测    主成分分析    
Analysis of Ecological Environment Changes in Hydropower Development Zone Based on RSEI: A Case Study in the Middle and Lower Reaches of the Qingjiang River, China
LIU Suo-xuan , YUAN Yan-bin , ZHAO Hao , LI Qian     
School of Resources and Environmental Engineering, Wuhan University of Technology, Wuhan 430070, China
Abstract: In order to timely monitor the ecological environment changes during the development of water energy and coordinate the relationship between hydropower development and ecological environmental protection, Landsat TM/OLI images in 1987, 2004 and 2015 were selected according to the timeline of Qingjiang hydropower cascade development. Four evaluation indexes, namely, modified adjusted soil vegetation index (MASVI), wet index (WET), land surface temperature (LST) and normalized difference soil index (NDSI), were extracted to represent the four aspects of greenness, humidity, heat and dryness. A new remote sensing ecological index (RSEI) was generated using principal component analysis to evaluate the ecological environment of Qingjiang hydropower development zone. Results show that:(1) The RSEI of the middle and lower reaches of the Qingjiang River in 1987, 2004 and 2015 were 0.443, 0.664, and 0.515, showing a trend of first rising and then declining. (2) The ecological environment improvement areas are mainly distributed in the low hilly areas and flat plain areas, while the ecological environment degraded areas are mainly distributed in the water conservancy hubs and their affiliated reservoir areas, the Karst mountains along the coast, and the hilly areas where the Qingjiang River afflux into the Yangtze River. (3) The ecological environment of Qingjiang hydropower development area is most closely related to the MASVI and the NDSI. The average correlation of the 3 years between ecological environment and these two indexes is 0.879 and -0.916, respectively. Improving vegetation coverage and controlling bare and dry surface are the keys to the environmental restoration of hydropower construction areas.
Key words: ecological environment    remote sensing ecological index(RSEI)    dynamic monitoring    principal component analysis    

随着对能源和水资源的需求增加, 水力发电作为一种可再生、无污染的能源被广泛开发利用[1]。大型水利水电工程往往建于生态脆弱区, 工程建设在创造巨大经济效益的同时, 也会对生态环境系统产生胁迫[2]。如何准确分析评价水利工程对生态环境的影响, 将对区域生态环境保护和可持续发展产生重要意义。

区域生态环境评价方法主要有模糊评判法、层次分析法、网络分析法和综合指数法[3]。以往生态评价方法所选指标获取难度大, 指标权重设定具有主观性, 不能准确反映整个研究区的评价结果。遥感技术的发展推动了区域生态环境评价研究的发展:付刚等[4]利用遥感数据和GIS对北京市生态脆弱性进行评价; 周雪欣等[5]选取植被覆盖度、土壤侵蚀程度和石漠化敏感性程度指标, 采用综合指数法定量评价北盘江流域生态环境质量。利用遥感技术获取评价指标, 便于快速、全面评价生态环境时空变化, 已成为水电开发区生态评价的创新点。

作为全国水电梯级开发的首个试点, 清江中下游成为我国生态环境建设的重点区域。关于清江水电开发的研究, 主要针对水库汛限水位[6]、洪水概率[7]或水电梯级联合调度[8]以及运营模式[9]等方面, 而面向整个水电开发区长期的综合性生态环境评价研究还较少。因此, 根据水电梯级开发的时间顺序, 选择清江中下游地区1987、2004和2015年3期遥感数据反演各期生态环境指标, 运用主成分分析法构建新型遥感生态指数(remote sensing ecology index, RSEI, IRSE), 对该地区1987—2015年生态环境时空变化进行分析, 以期为区域生态环境保护和综合治理提供科学依据。

1 研究区概况

清江是湖北省境内第2大长江支流, 发源于利川市齐岳山龙洞沟。地势西高东低, 流经区域以山地为主(山地面积占比>80%), 总海拔高差为1 330 m。流域内年平均无霜期为285.4 d, 年均降水量为1 335.5 mm, 水能资源较为丰富, 其中, 水资源主要集中在恩施以下的干流河段(占比>80%)。清江梯级开发工程始于1987年, 规划在清江中下游地区建设“水布垭—隔河岩—高坝洲”3个梯级工程。截至2014年, 清江13座水电站全面竣工。其中, 下游的隔河岩和高坝洲水电站分别建成于1994和2003年; 位于恩施州巴东县境内的水布垭水电站于2009年6月底建成。此次研究区域为清江中下游及其周边地区, 包括宜都市、五峰县、长阳县和巴东县部分地区, 面积共计8 783.12 km2(图 1)。

图 1 研究区概览 Fig. 1 Overview of the study area
2 数据来源与研究方法 2.1 数据来源与预处理

以清江中下游为界, 以水电站梯级建设起始时间、下游梯级建成时间、水电梯级全面建成时间为依据, 统一选用美国地质调查局(USGS)网站(http://glovis.usgs.gov/)提供的1987年4月17日、2004年5月17日的Landsat 5 TM影像及2015年4月14日的Landsat 8 OLI影像。所选影像质量完好, 云量较少, 时相一致, 能保证研究结果具有可比性。采用ENVI 5.3软件对遥感影像数据进行预处理, 主要包括辐射定标、大气校正、波段组合以及图像配准和裁剪等。非遥感数据包括地貌分布图、土壤植被覆盖图、湖北省省市县行政区划图和清江统计文本资料。

2.2 RSEI的构建

绿度、湿度、热度和干度能直观反映生态条件优劣, 常用于评价生态环境。采用改进型土壤植被指数(modified adjusted soil vegetation index, MASVI)、湿度分量(WET)、地表温度(land surface temperature, LST)和裸土指数(normalized difference soil index, NDSI)分别代表绿度、湿度、热度和干度来综合评价清江水电开发区生态环境。基于数据标准化和主成分变换方法将IRSE转换为各项指标的函数[10-11]

$ \begin{array}{l} {I_{{\rm{RSE}}}} = f\left( {{I_{{\rm{MASV}}}},{T_{{\rm{WE}}}},{T_{{\rm{LS}}}},{I_{{\rm{NDS}}}}} \right) = \\ \sum\limits_{u = 1}^n {\left( {{M_u} \cdot {\omega _{\rm{M}}}} \right)} + \sum\limits_{u = 1}^n {\left( {{W_u} \cdot {\omega _{\rm{W}}}} \right)} + \\ \sum\limits_{u = 1}^n {\left( {{L_u} \cdot {\omega _{\rm{L}}}} \right)} + \sum\limits_{u = 1}^n {\left( {{N_u} \cdot {\omega _{\rm{N}}}} \right)} 。\end{array} $ (1)

式(1)中, IMASV为绿度; TWE为湿度; TLS为热度; INDS为干度; MuWuLuNu分别为栅格图像中第u个栅格MASVI、WET、LST和NDSI值; ωMωWωLωN分别为MASVI、WET、LST和NDSI权重; n为栅格数。

2.2.1 分量指标的选取

(1) 绿度指标。植被对区域生态环境状况指示极为敏感。改进型土壤植被指数通过降低土壤背景影响来提高植被指数的敏感度。由于研究区主要地貌分布类型为山地, 故选用IMASV可以更好地反映此类型用地的绿度情况, 其计算公式[12]

$ {I_{{\rm{MASV}}}} = \left[ {2{\rho _{{\rm{NIR}}}} + 1 - \sqrt {{{\left( {2{\rho _{{\rm{NIR}}}} + 1} \right)}^2} - 8\left( {{\rho _{{\rm{NIR}}}} - {\rho _{{\rm{red}}}}} \right)/2} } \right]。$ (2)

式(2)中, ρNIRρred分别为TM和OLI近红外和红光波段的反射率。

(2) 湿度指标。土壤湿度是用于土壤退化等生态环境研究的重要指标。遥感缨帽变换提取的湿度分量反映了地表土壤和植被的湿度状况。基于TM和OLI反射率数据计算湿度分量(WET,TWE)的公式[13-14]分别为

$ \begin{array}{l} {T_{{\rm{WE}},{\rm{TM}}}} = 0.0315{\rho _{{\rm{blue}}}} + 0.2021{\rho _{{\rm{green}}}} + 0.3102{\rho _{{\rm{red}}}} + \\ \;\;\;\;\;\;\;\;\;\;\;\;\;0.1594{\rho _{{\rm{NIR}}}} - 0.6806{\rho _{{\rm{SWIR}}1}} - 0.6109{\rho _{{\rm{SWIR}}2}}, \end{array} $ (3)
$ \begin{array}{l} {T_{{\rm{WE}},{\rm{OLI}}}} = 0.1511{\rho _{{\rm{blue}}}} + 0.1972{\rho _{{\rm{green}}}} + 0.3283{\rho _{{\rm{red}}}} + \\ \;\;\;\;\;\;\;\;\;\;\;\;\;0.3407{\rho _{{\rm{NIR}}}} - 0.7117{\rho _{{\rm{SWIR}}1}} - 0.4559{\rho _{{\rm{SWR}}2}}。\end{array} $ (4)

式(3)~(4)中, ρblueρgreenρredρNIRρSWIR1ρSWIR2分别为TM和OLI蓝、绿、红、近红外、短波红外1和短波红外2波段的反射率。

(3) 热度指标。地表温度与植被的生长与分布、地表水资源蒸发循环密切相关, 是反映地表环境的重要参数之一。由于NASA的陆地过程分布式数据档案中心MODIS现有产品地表温度分辨率为1 000 m, 为确保用GIS对分量指标进行叠加分析的精度一致, 可通过地表热辐射传输方程反演获取。基于TM6提取地表真实温度Ts的计算公式[15]

$ {T_{\rm{s}}} = {T_{\rm{b}}}/\left[ {1 + \left( {\lambda {T_{\rm{b}}}/\alpha } \right)\ln {\varepsilon _6}} \right]。$ (5)

式(5)中, Tb为传感器处温度,K;中心波长λ为11.435 μm;α取1.438×10-2 mK;ε6为基于TM6波段的地表比辐射率。

同时考察Landsat 8热红外波段10和11, 由于波段11对大气剖面的误差敏感[16], 故基于波段10来反演地表温度, 通过普朗克定律反函数求得Ts:

$ {T_{\rm{s}}} = {K_2}/\ln \left[ {{K_1}/{B_{10}}\left( {{T_{\rm{s}}}} \right) + 1} \right]。$ (6)

式(6)中, B10(Ts)为温度Ts的黑体在热红外波段10的辐射亮度值;K1K2取值分别为774.89 W·m-2·sr-1·μm-1和1 321.08 K。地表比辐射率ε6计算方法见文献[17]。

(4) 干度指标。自然裸土和人为施工建筑用地均会造成地表“干化”, 干度指标由裸土指数(soil index, SI, IS)[18]和建筑指数(index-based built-up index, IBI, IIB)[19]组成, 记为裸土指数(NDSI, INDS)[11], 其计算公式为

$ {I_{{\rm{NDS}}}} = \left( {{I_{\rm{S}}} + {I_{{\rm{IB}}}}} \right)/2。$ (7)

为了消除量纲差异对RSEI的影响, 对各指标进行标准化处理:

$ {I_{\rm{n}}} = \left( {I - {I_{\min }}} \right)/\left( {{I_{\max }} - {I_{\min }}} \right)。$ (8)

式(8)中, In为标准化后指标; I为原始指标; ImaxImin为指标最大值和最小值。

2.2.2 主成分分析

生态环境评价的关键是将改进型土壤植被指数、湿度分量、地表温度和裸土指数转化为综合评价指标。由于研究区存在清江、长江大面积水体, 为了避免大片水域影响主成分分析(principal component analysis, PCA)的荷载分布, 使湿度指标能够刻画地表真实湿度, 采用MNDWI(modified normalized difference water index)指数掩膜掉水体信息[20]。此次研究将各标准化分量指标进行波段合成后, 基于水体掩膜信息进行主成分分析, 对清江IRSE进行转换, 其表达式为

$ {I_{{\rm{RSE}}}} = \sum\limits_{i = 1}^m {{C_{{\rm{P}},i}}} \cdot \frac{{{\lambda _i}}}{{\sum\limits_{i = 1}^m {{\lambda _i}} }}, $ (9)
$ {\omega _j} = \sum\limits_{i = 1}^m {{{\left( {\frac{{{b_{ij}}}}{{\sqrt {{X_j}} }} \cdot \frac{{\sqrt {{\lambda _i}} }}{{\sum\limits_{i = 1}^m {{\lambda _i}} }}} \right)}_i}} /\sum\limits_{j = 1}^n {\sum\limits_{i = 1}^m {\left( {\frac{{{b_{ij}}}}{{{{\sqrt X }_j}}} \cdot \frac{{\sqrt {{\lambda _i}} }}{{\sum\limits_{i = 1}^m {{\lambda _i}} }}} \right)} } 。$ (10)

式(9)~(10)中, CP, i为评价指标的主成分; λi为第i个主成分的特征向量值; ωj为第j个评价指标的权重; mn分别为主成分和评价指标个数; bij为第i个主成分在第j个评价指标上的荷载系数; $\sqrt {{X_j}} $为第j个评价指标的标准差。基于PCA计算结果, 1987、2004和2015年的IRSE可进一步表达为

$ \begin{array}{*{20}{c}} {{I_{{\rm{rsse}}}} = \left( {\begin{array}{*{20}{c}} {0.6265}&{0.2737}&{0.0885}&{0.0113}\\ {0.7735}&{0.1525}&{0.0911}&{0.0029}\\ {0.6502}&{0.2768}&{0.0697}&{0.0033} \end{array}} \right)\left( {\begin{array}{*{20}{l}} {{C_{{\rm{P}},1}}}\\ {{C_{{\rm{P}},2}}}\\ {{C_{{\rm{P}},3}}}\\ {{C_{{\rm{P}},4}}} \end{array}} \right) = }\\ {\left( {\begin{array}{*{20}{c}} {0.32}&{0.35}&{ - 0.17}&{ - 0.46}\\ {0.59}&{0.42}&{ - 0.15}&{ - 0.31}\\ {0.49}&{0.27}&{ - 0.28}&{ - 0.33} \end{array}} \right)\left( {\begin{array}{*{20}{c}} {{I_{{\rm{MASV}}}}}\\ {{T_{{\rm{WE}}}}}\\ {{T_{{\rm{IS}}}}}\\ {{I_{{\rm{NDS}}}}} \end{array}} \right)。} \end{array} $ (11)

式(11)中, IMASVTWE变量系数为正, 说明其对生态环境起积极作用; 而TLSINDS变量系数为负, 说明其对生态环境起消极作用。利用式(8)对3个时期IRSE进行标准化, 采用ArcGIS 10.5软件中相等间隔(0.2)的重分类函数, 将IRSE划分为差(0~0.2)、较差(>0.2~0.4)、中等(>0.4~0.6)、良(>0.6~0.8)和优(>0.8~1.0)5个生态等级[21], 提取研究区生态环境变化分级图。

3 结果与分析 3.1 模型检验

为了判定RSEI的综合代表程度, 通过统计各年份4个分量指标和RSEI的相关系数以及各指标自身之间的相关性来检验模型适宜性(表 1)。干度分量平均相关度最高, 3 a平均相关度达0.685, 绿度、湿度和热度的3 a平均相关度则分别为0.626、0.642和0.505。而RSEI与各指标的平均相关度均大于0.750, 3 a平均相关度达0.799, 比4个指标的平均值(0.614)高30.1%。因此, RSEI与各指标间的相关度更高, 可反映清江水电开发区生态环境状况。

表 1 各年份清江水电开发区生态环境评价分量指标与遥感生态指数(RSEI)相关性 Table 1 Correlation between the indicators of ecological environment assessment and remote sensing ecological index (RSEI) of Qingjiang hydropower development zone in each year
3.2 水电开发区域生态环境评价分析

统计分析1987—2015年4个分量指标和RSEI(表 2), 清江水电开发区1987、2004和2015年RSEI均值分别为0.443、0.664和0.515, 呈逐阶段先上升后下降趋势, 变化幅度分别为49.9%和22.4%。其中, 代表生态变好的绿度和湿度均值呈先上升后下降趋势; 代表生态变差的热度和干度均值呈先降低后上升趋势, 单一指标的综合作用与RSEI基本吻合。

表 2 清江水电开发区生态环境评价各项分量指标和遥感生态指数(RSEI)统计值 Table 2 Four statistical indicators of ecological environment assessment and the statistical value of remote sensing ecological index (RSEI) in Qingjiang hydropower development zone

通过分析各分量指标对PCA载荷值的贡献发现, 在1987—2004年间, 绿度和湿度分量对PCA贡献度较大, 由于森林覆盖面积与水域面积扩大, MASVI与WET分别上升41.19%和16.27%, 清江中下游地区环境质量明显提高; 而2004—2015年间, 绿度和干度分量对PCA贡献度较大, 植被覆盖度减少及裸土干化使MASVI下降15.51%, NDSI上升9.40%, 研究区生态质量开始恶化。在水电梯级开发的两个时间段, 绿度贡献度最大, 说明植被覆盖度对生态环境的影响最大, 成为影响清江中下游地区生态环境的决定因素。

为了进一步分析RSEI体现的生态效应, 统计1987、2004和2015年各生态等级面积和占比(表 3)。结果表明, 1987—2015年间, 清江中下游地区生态等级变化明显, 1987年生态等级为中等以下面积所占比例为86.64%, 2004年为37.89%, 2015年为72.11%, 说明1987—2004年间生态环境呈良好的发展态势, 但2004—2015年间生态环境呈下降趋势。因此, 在水电梯级项目全面建成之后, 对清江中下游地区环境进行整治尤为必要。

表 3 1987、2004和2015年清江水电开发区各生态等级面积及占比 Table 3 Area and proportion of different ecological grades in Qingjiang hydropower development zone in 1987, 2004 and 2015

为了探究生态环境的空间变化特征, 对水电梯级开发各阶段生态环境进行空间分级(图 2)。在水电梯级开发起始年, 清江中下游地区生态环境整体处于中等水平, 环境恶劣地区(差、较差等级)主要集中在西部裸土严重的喀斯特丘陵、山地以及中部、西南部大起伏山地区, 环境良好(良、优等级)地区主要分布在东部林地、农业发达的耕地地区及清江流域沿岸地带。2004年清江中下游地区生态环境整体处于良水平, 环境恶劣地区主要集中在隔河岩、高坝洲两个水电梯级建设项目的下游地区及长江沿岸丘陵区。2015年清江中下游地区生态环境整体处于中等水平, 环境恶劣地区以水布垭水电站为起始点, 围绕清江干、支流呈放射状分布。

图 2 1987、2004和2015年清江中下游地区遥感生态指数(RSEI)等级分布 Fig. 2 Distribution of remote sensing ecological index (RSEI) in the middle and lower reaches of Qingjiang River in 1987, 2004 and 2015
3.3 清江水电开发区域生态环境动态变化分析

为了对生态状况时空变化特征进行分析, 在5个RSEI生态等级的基础上, 利用ArcGIS 10.5软件对清江中下游地区生态状况差值变化进行检测(表 4)。1987—2004年间, 该区域生态条件变化显著, 生态条件变差区域面积为989.34 km2, 约占总面积的11.50%, 主要分布在清江沿岸沟壑以及新建隔河岩、高坝洲下游区域〔图 3(a)中红色图斑〕; 生态条件改善区域面积达6 015.50 km2, 占69.92%, 主要分布在低山丘陵、喀斯特山地, 土地利用以常绿阔叶林、常绿针叶林和针阔叶混交林为主。

表 4 1987、2004和2015年清江中下游地区生态状况差值变化 Table 4 Changes of ecological conditions in the middle and lower reaches of the Qingjiang River in 1987, 2004 and 2015

图 3 1987、2004和2015年清江中下游地区遥感生态指数(RSEI)变化 Fig. 3 Changes of remote sensing ecological index (RSEI) in the middle and lower reaches of the Qingjiang River in 1987, 2004 and 2015

随着下游梯级大坝的建成, 日调节型隔河岩水库正常蓄水位为200 m, 库容30.18亿m3, 年调节型高坝洲水库正常蓄水位为80 m, 库容4.03亿m3。更多的水资源被保留在峡谷型库容内, 为农业、渔业和林业等的发展以及林地、草地等的恢复提供更多水源。2003年植被混凝土护坡绿化技术的成功应用[22], 使得2004年绿度指数(0.593)和土壤湿度(0.636)为3 a最高, 促进了该地区农业升级改造的发展及植被的恢复。

2015年清江中下游地区生态环境整体呈退化趋势, 生态环境恶化区域面积达4 991.12 km2, 占总面积的58.01%, 而生态环境改善区域面积为618.48 km2, 仅占7.19%。生态条件改善区域主要分布在东部低山丘陵区和平坦平原区〔图 3(b)中绿色图斑〕。生态环境退化区域广泛分布在以新建水布垭枢纽为中心的上下游区域, 梯级水电站建设对生态环境的影响作用是叠加的, 包括时间和空间的累积。工程区层间剪切带发育, 断裂构造较发育, 有岩溶洞穴及岩溶通道, 地质条件较为复杂。岩性为灰岩、泥灰岩和页岩等软硬互层, 土层浅薄, 易受侵蚀。

水电梯级开发活动引起水土流失, 表现为扰动面积大、强度高, 建设周期长。水土保持生态效应评价主要包括水、土和植被3个方面, 即保水、保土和植被恢复[23]。水电梯级项目全面建成后, 土壤湿度(0.477)为3 a最低, 比2004年降低25.00%。土壤含水量是陆表生态系统水循环的重要组成部分, 影响土壤性质和植被生长。土壤抗冲蚀能力差等自然因素和主体工程施工活动等人为因素, 压占土地、开挖表土和扰动土地范围较大, 均不利于植被恢复[24]。2015年干度指数(0.512)比2004年升高9.40%, 绿度指数(0.501)比2014年降低15.51%, 过度开发使清江中下游地区进入快速调整和不稳定阶段。因此, 在水电梯级建设的同时, 有效防止水土流失造成的地表干化和提高植被覆盖度成为生态环境恢复的关键。

1987—2015年清江中下游地区各县市生态环境空间特征稳定比例均超过30%(表 5), 从空间〔图 3(c)〕上来看, 生态环境恶化区域面积比例相对较高(26.89%)的为宜都市, 生态环境改善区域面积比例较高的为长阳自治县和巴东县, 比例分别为47.77%和51.46%。在清江下游水电开发阶段(1987—2004年), 宜都市生态环境变化剧烈, 环境退化区域面积比例达26.05%, 长阳自治县、五峰自治县和巴东县环境改善区域面积比例均>70.00%。隔河岩和高坝洲水利枢纽工程兴建引发的水库蓄水及部分河段的扩宽工程使得水域面积明显增加, 植被环境恢复与建设的关键就是解决水源问题。基于遥感估算植被覆盖度[25]的结果也表明, 1987年清江中下游地区林地覆盖率仅为21.50%, 2004年上升为57.66%, 植被覆盖面积呈现增长趋势。

表 5 1987、2004和2015年清江中下游地区各县市生态环境变化面积比例 Table 5 Proportion of ecological environment changes in counties and cities alongside the middle and lower reaches of the Qingjiang River in 1987, 2004 and 2015

水电梯级项目全面建成后, 长阳自治县、五峰自治县和巴东县呈现不同程度的环境恶化趋势, 宜都市恶化区域面积比例虽有所减缓, 但也超过环境恢复速率。其中, 巴东县中部及东南部、五峰自治县北部以及长阳自治县西北部和东南部差等级增加幅度最大, 以隔河岩为中心的长阳自治县东南部和宜都市东南部环境有所改善, 说明清江中下游地区受水电梯级建设人类活动干扰的影响, 生态环境等级变化明显。大坝及水库群的建设占用大量土地资源, 植被覆盖度降低至34.29%, 比2004年降低23.37百分点。由于裸土造成的地表干化程度(祼土指数)提高9.40%, 流域梯级的过度开发会破坏天然的地表地貌, 导致不同程度的水土流失。2015年清江中下游地区地表温度比2004年升高16.95%, 水库蓄水后, 库区水体面积及覆被变化, 使其与空气之间的能量交换方式和强度发生改变, 导致气温变化, 影响原来稳定的群落结构完整性[26]。因此, 在发挥水电梯级项目建设巨大经济效益和生态价值的同时, 提高植被覆盖度及防范因过度开发引起的水土流失、地表干化已成为流域治理和生态修复的重点。

4 讨论与结论

传统的生态环境评价方法中所选河流水质、水文流量和底栖动物群落等数据, 需人工采集, 获取耗时、耗力且具有滞后性。完全基于遥感的RSEI, 采用主成分分析方法确定权重, 克服了以往生态评价指标难以空间化和权重确定具有主观性的缺点, 通过遥感空间变量的解译和耦合, 能定量揭示区域生态环境的空间分布与变化, 为水电开发区生态环境提供实时、客观的监测技术。

依据水电梯级开发的时间顺序, 选取Landsat 5和Landsat 8遥感数据, 通过建立新型RSEI, 对清江水电开发区1987—2015年间生态环境时空变化进行分析, 以期为区域生态环境保护与治理提供科学依据, 得出以下结论。

(1) 清江中下游地区1987、2004和2015年RSEI均值分别为0.443、0.664和0.515, 呈先上升后下降趋势。这是因为在下游梯级水电站建成后, 水库蓄水、部分河段的扩宽工程和防护坡绿化技术, 促进了植被的恢复, 生态环境得到一定改善; 水电梯级项目全面建成后, 过度开发扰动大量地表, 原生植被遭到破坏, 土壤抗侵蚀能力变差, 水土流失加剧,导致生态环境恶化。

(2) 清江中下游地区受水电梯级建设活动干扰的影响, 生态环境等级变化明显。从空间上来看, 1987—2015年间, 生态环境改善区域主要分布于低山丘陵区和平坦平原区, 生态环境退化区域主要分布在水利枢纽中心及其附属库区、沿岸喀斯特山地以及清江汇入长江口的丘陵区。在清江下游水电开发阶段, 宜都市生态环境变化剧烈, 环境退化比例最大; 梯级水电站全面建成后, 长阳自治县、五峰自治县和巴东县生态环境均呈现恶化趋势, 宜都市生态环境恶化趋势虽有所减缓, 但超过环境恢复速率。

(3) 为了提高生态承载力, 加强水利枢纽沿岸地带水土流失及地表干化的治理力度, 各县市应该积极发展水土保持型生态农业, 保护好天然林和退耕林, 合理调度水资源, 提高植被覆盖度, 以改善清江中下游地区生态环境。

参考文献
[1]
秦卫华, 刘鲁君, 徐网谷, 等. 小南海水利工程对长江上游珍稀特有鱼类自然保护区生态影响预测[J]. 生态与农村环境学报, 2008, 24(4): 23-26, 36. [ QIN Wei-hua, LIU Lu-jun, XU Wang-gu, et al. China Prediction of Ecological Impacts of the Planned Xiaonanhai Power Dam on the Rare and Endemic Fishes Nature Reserve in the Upper Reaches of the Yangtze River[J]. Journal of Ecology and Rural Environment, 2008, 24(4): 23-26, 36. DOI:10.3969/j.issn.1673-4831.2008.04.005] (0)
[2]
夏萍娟, 陈芳清. 大型水利水电工程扰动区景观生态恢复与建设的探讨[J]. 长江流域资源与环境, 2013, 22(增刊1): 103-107. [ XIA Ping-juan, CHEN Fang-qing. Ecological Restoration and Rehabilitation of Landscape at the Disturbance Region of Large Hydropower Projects[J]. Resources and Environment in the Yangtze Basin, 2013, 22(Suppl. 1): 103-107.] (0)
[3]
WANG F Q, YANG H, ZHAO H, et al. Ecological Effect Evaluation of Water Diversion in the Yellow River Delta Wetland[J]. Water Policy, 2018, 20(4): wp2018166. DOI:10.2166/wp.2018.166 (0)
[4]
付刚, 白加德, 齐月, 等. 基于GIS的北京市生态脆弱性评价[J]. 生态与农村环境学报, 2018, 34(9): 830-839. [ FU Gang, BAI Jia-de, QI Yue, et al. Ecological Vulnerability Assessment in Beijing Based on GIS Spatial Analysis[J]. Journal of Ecology and Rural Environment, 2018, 34(9): 830-839.] (0)
[5]
周雪欣, 罗昊. 基于GIS与RS技术的北盘江流域生态环境质量评价研究[J]. 环境科学与管理, 2018, 43(7): 178-182. [ ZHOU Xue-xin, LUO Hao. Ecological Environment Quality Assessment of Beipanjiang Basin Based on and Remote Sense[J]. Environmental Science and Management, 2018, 43(7): 178-182. DOI:10.3969/j.issn.1673-1212.2018.07.041] (0)
[6]
周研来, 郭生练, 段唯鑫, 等. 梯级水库汛限水位动态控制[J]. 水力发电学报, 2015, 34(2): 23-30. [ ZHOU Yan-lai, GUO Sheng-lian, DUAN Wei-xin, et al. Dynamic Control of Flood Limited Water Level for Cascade Reservoirs[J]. Journal of Hydroelectric Engineering, 2015, 34(2): 23-30.] (0)
[7]
刘章君, 郭生练, 李天元, 等. 设计洪水地区组成的区间估计方法研究[J]. 水利学报, 2015, 46(5): 543-550. [ LIU Zhang-jun, GUO Sheng-lian, LI Tian-yuan, et al. Interval Estimation Method for Design Flood Region Composition[J]. Journal of Hydraulic Engineering, 2015, 46(5): 543-550.] (0)
[8]
林伟, 李英海, 董晓华, 等. 基于二维嵌套动态规划的清江梯级联合调度研究[J]. 水力发电, 2018, 44(6): 75-79. [ LIN Wei, LI Ying-hai, DONG Xiao-hua, et al. Research on Joint Scheduling of Qingjiang Cascade Power Stations Based on Two-Dimensional Nested Dynamic Programming[J]. Water Power, 2018, 44(6): 75-79. DOI:10.3969/j.issn.0559-9342.2018.06.017] (0)
[9]
傅振邦, 谭少华. 清江流域的水电开发与运营创新[J]. 水力发电学报, 2012, 31(4): 1-5. [ FU Zhen-bang, TAN Shao-hua. Innovations in Hydropower Development and Operation in Qingjiang River Valley[J]. Journal of Hydroelectric Engineering, 2012, 31(4): 1-5.] (0)
[10]
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 Han-qiu. A Remote Sensing Urban Ecological Index and Its Application[J]. Acta Ecologica Sinica, 2013, 33(24): 7853-7862.] (0)
[11]
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. [ XU Han-qiu. A Remote Sensing Index for Assessment of Regional Ecological Changes[J]. China Environmental Science, 2013, 33(5): 889-897. DOI:10.3969/j.issn.1000-6923.2013.05.019] (0)
[12]
LIAQAT U, MUHAMMAD J M C, HUANG W J, et al. Evaluation of MODIS and Landsat Multiband Vegetation Indices Used for Wheat Yield Estimation in Irrigated Indus Basin[J]. Computers and Electronics in Agriculture, 2017, 138: 39-47. DOI:10.1016/j.compag.2017.04.006 (0)
[13]
CRIST E P. A TM Tasseled Cap Equivalent Transformation for Reflectance Factor Data[J]. Remote Sensing of Environment, 1985, 17(3): 301-306. DOI:10.1016/0034-4257(85)90102-6 (0)
[14]
BAIG M H A, 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. DOI:10.1080/2150704X.2014.915434 (0)
[15]
NICHOL J. Remote Sensing of Urban Heat Islands by Day and Night[J]. Photogrammetric Engineering and Remote Sensing, 2005, 71(5): 613-621. DOI:10.14358/PERS.71.5.613 (0)
[16]
YU X L, GUO X L, WU Z C. 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. DOI:10.3390/rs6109829 (0)
[17]
覃志豪, 李文娟, 徐斌, 等. 陆地卫星TM6波段范围内地表比辐射率的估计[J]. 国土资源遥感, 2004, 16(3): 28-32, 36-41, 74. [ QIN Zhi-hao, LI Wen-juan, XU Bin, et al. The Estimation of Land Surface Emissivity for Landsat TM6[J]. Remote Sensing for Land & Resources, 2004, 16(3): 28-32, 36-41, 74. DOI:10.3969/j.issn.1001-070X.2004.03.007] (0)
[18]
ROY P S, RIKIMARU A, MIYATAKE S. Tropical Forest Cover Density Mapping[J]. Tropical Ecology, 2002, 43(1): 39-47. (0)
[19]
XU H. A New Index for Delineating Built-Up Land Features in Satellite Imagery[J]. International Journal of Remote Sensing, 2008, 29(14): 4269-4276. DOI:10.1080/01431160802039957 (0)
[20]
徐涵秋. 利用改进的归一化差异水体指数(MNDWI)提取水体信息的研究[J]. 遥感学报, 2005, 9(5): 589-595. [ XU Han-qiu. A Study on Information Extraction of Water Body With the Modified Normalized Difference Water Index (MNDWI)[J]. Journal of Remote Sensing, 2005, 9(5): 589-595.] (0)
[21]
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 Han-qiu. Assessment of Ecological Change in Soil Loss Area Using Remote Sensing Technology[J]. Transactions of the Chinese Society of Agricultural Engineering, 2013, 29(7): 91-97, 294.] (0)
[22]
许文年, 王铁桥, 李建林, 等. 清江隔河岩电厂高陡混凝土边坡绿化技术研究[J]. 水利水电技术, 2003, 34(6): 43-46. [ XU Wen-nian, WANG Tie-qiao, LI Jian-lin, et al. Study on Greening Technique for High Steep Concrete Slope in Geheyan Hydroelectic Plant[J]. Water Resources and Hydropower Engineering, 2003, 34(6): 43-46.] (0)
[23]
薛凤.水利水电类生产建设项目水土保持生态效应评价[D].北京: 北京林业大学, 2016. [XUE Feng.Soil and Water Conservation Ecological Effect Assessment of Water Conservancy and Hydropower Production[D].Beijing: Beijing Forestry University, 2016.] (0)
[24]
陈洋, 王玮, 罗龙海, 等. 金沙江干热河谷地带大型水电工程建设区水土流失防治措施探讨:以白鹤滩水电站为例[J]. 水电与新能源, 2018, 32(1): 68-71, 78. [ CHEN Yang, WANG Wei, LUO Long-hai, et al. Soil Erosion Prevention and Control Measures for Construction Area of Large-Scale Hydropower Project in Dry and Hot Valley Zone of Jinsha River:A Case Study of Baihetan Hydropower Station[J]. Hydropower and New Energy, 2018, 32(1): 68-71, 78.] (0)
[25]
胡春艳, 卫伟, 王晓峰, 等. 甘肃省植被覆盖变化及其对退耕还林工程的响应[J]. 生态与农村环境学报, 2016, 32(4): 588-594. [ HU Chun-yan, WEI Wei, WANG Xiao-feng, et al. Change in Vegetation Cover as Affected by Grain for Green Project in Gansu[J]. Journal of Ecology and Rural Environment, 2016, 32(4): 588-594.] (0)
[26]
王守文. 湖北省清江流域水电梯级开发环境保护对策研究[J]. 水力发电, 2016, 42(11): 4-7, 46. [ WANG Shou-wen. Research on Environment Protection of Hydropower Cascade Development in Qingjiang River Basin of Hubei Province[J]. Water Power, 2016, 42(11): 4-7, 46. DOI:10.3969/j.issn.0559-9342.2016.11.002] (0)