基于RSEI 和ANN-CA-Markov 模型的伊寧市生態(tài)環(huán)境質(zhì)量動(dòng)態(tài)監(jiān)測(cè)及預(yù)測(cè)研究

陳勉為，馮 丹，張仕凱，江 雨，張新蘭

（1.伊犁師范大學(xué)化學(xué)與環(huán)境科學(xué)學(xué)院，新疆 伊寧 835000；2.伊犁師范大學(xué)污染物化學(xué)與環(huán)境治理重點(diǎn)實(shí)驗(yàn)室，新疆 伊寧 835000）

生態(tài)環(huán)境質(zhì)量是人類活動(dòng)和生態(tài)環(huán)境共同作的結(jié)果，自然環(huán)境與人類生存和社會(huì)經(jīng)濟(jì)發(fā)展息息相關(guān)，隨著社會(huì)的發(fā)展和科技的進(jìn)步，人類物質(zhì)文明的發(fā)展達(dá)到了前所未有的高度，但是伴隨而來(lái)的是日益嚴(yán)峻的生態(tài)環(huán)境問(wèn)題［1］。人類過(guò)度地攫取自然資源，盲目追求經(jīng)濟(jì)利益，經(jīng)濟(jì)的發(fā)展與資源配置的矛盾日益突出，給人類自身的生存和發(fā)展帶來(lái)了嚴(yán)重的威脅，這使得世界各國(guó)日漸關(guān)注生態(tài)環(huán)境問(wèn)題［2］。1992年“可持續(xù)發(fā)展”的觀念在巴西舉行的聯(lián)合國(guó)發(fā)展與環(huán)境會(huì)議上提出，人類清晰地意識(shí)到在追求經(jīng)濟(jì)發(fā)展的同時(shí)要保護(hù)生態(tài)環(huán)境，實(shí)現(xiàn)可持續(xù)發(fā)展是全世界面臨的艱巨任務(wù)。

從世界范圍來(lái)看，我國(guó)的生態(tài)環(huán)境問(wèn)題更加嚴(yán)峻。我國(guó)的經(jīng)濟(jì)在快速發(fā)展，但在發(fā)展的過(guò)程中，過(guò)度消耗自然資源，由此引發(fā)了一系列生態(tài)環(huán)境問(wèn)題。土地退化、水土流失、空氣污染等一系列問(wèn)題是中國(guó)面臨的主要環(huán)境問(wèn)題［3］。人們對(duì)生態(tài)環(huán)境問(wèn)題越來(lái)越關(guān)注，生態(tài)環(huán)境的好壞直接影響區(qū)域的可持續(xù)發(fā)展，如何用科學(xué)的方法定量評(píng)價(jià)生態(tài)環(huán)境就顯得格外重要。目前，已知并可行的研究方法多種多樣，衛(wèi)星遙感以其大范圍監(jiān)測(cè)、周期性、實(shí)時(shí)性等優(yōu)點(diǎn)，在區(qū)域生態(tài)環(huán)境評(píng)價(jià)中得到了廣泛的應(yīng)用。然而，目前的大多數(shù)研究?jī)H基于單一指標(biāo)來(lái)描述生態(tài)環(huán)境的特定方面，基于遙感影像熱紅外波段反演地表溫度監(jiān)測(cè)城市熱島［4］；或者構(gòu)建各種干旱指數(shù)來(lái)評(píng)估區(qū)域干旱狀況［5］。然而，由于生態(tài)系統(tǒng)的復(fù)雜性，單一的指標(biāo)往往無(wú)法全面有效地描述生態(tài)環(huán)境。同時(shí)，有學(xué)者利用層次分析法和壓力-狀態(tài)-響應(yīng)（PSR）模型對(duì)多個(gè)指標(biāo)進(jìn)行構(gòu)建，從而對(duì)生態(tài)環(huán)境進(jìn)行評(píng)價(jià)［6］，但這些指標(biāo)通常面臨著權(quán)重難以確定、人為主觀性強(qiáng)等問(wèn)題。自徐涵秋［7］首次提出使用遙感生態(tài)指數(shù)（Remote-sensing ecological index，RSEI）來(lái)表征生態(tài)環(huán)境質(zhì)量，該指數(shù)利用主成分分析將4個(gè)生態(tài)指標(biāo)耦合起來(lái)，該指標(biāo)獲取簡(jiǎn)單、無(wú)需人工確定權(quán)重等優(yōu)點(diǎn)，目前多名學(xué)者已證明RSEI的可靠性。Cui 等［8］以生態(tài)環(huán)境質(zhì)量指數(shù)為基礎(chǔ)分析了2000—2020年淮北市生態(tài)環(huán)境的變化情況，并且得出2000—2010 年，城市建設(shè)對(duì)各類土地的侵占，是導(dǎo)致生態(tài)環(huán)境質(zhì)量下降的直接原因；Zhang等［9］以烏魯木齊市為研究對(duì)象，結(jié)果表明近25 a來(lái)，烏魯木齊市RSEI 均值逐漸下降，生態(tài)環(huán)境總體惡化，但各區(qū)縣之間的差異依然顯著；王瑾杰等［10］以吐魯番市和哈密市為研究對(duì)象，建立和繪制吐哈地區(qū)多個(gè)時(shí)期的RSEI模型，并對(duì)此地區(qū)的生態(tài)環(huán)境質(zhì)量及土地利用進(jìn)行了定量分析，研究表明2000—2018年吐哈地區(qū)的生態(tài)環(huán)境質(zhì)量表現(xiàn)為略微下降的趨勢(shì)；農(nóng)蘭萍等［11］基于RSEI 模型對(duì)昆明市生態(tài)環(huán)境質(zhì)量的動(dòng)態(tài)監(jiān)測(cè)，研究結(jié)果表明2000—2018 年，昆明市RSEI的平均值為0.51，生態(tài)環(huán)境質(zhì)量呈現(xiàn)“上升-下降-上升-下降”的波動(dòng)變化趨勢(shì)。目前為止，主要是針對(duì)研究區(qū)域RSEI的動(dòng)態(tài)評(píng)價(jià)［12］，但對(duì)RSEI的預(yù)測(cè)目前僅有王麗霞等［13］通過(guò)耦合CA-Markov模型對(duì)研究區(qū)域進(jìn)行生態(tài)環(huán)境預(yù)測(cè)，傳統(tǒng)的CA-Markov 模型具有較強(qiáng)的主觀性，對(duì)于生態(tài)環(huán)境變化這類復(fù)雜問(wèn)題的模擬，其準(zhǔn)確性并不高，但人工神經(jīng)網(wǎng)絡(luò)（Artificial neural network，ANN）具有模擬復(fù)雜非線性問(wèn)題的能力，因此本研究在CA-Markov 模型的基礎(chǔ)上構(gòu)建ANN-CA-Markov 模型，將4 個(gè)生態(tài)指標(biāo)作為驅(qū)動(dòng)力因子，并結(jié)合RSEI對(duì)生態(tài)環(huán)境質(zhì)量進(jìn)行更科學(xué)合理地預(yù)測(cè)。

本文以新疆伊犁州伊寧市作為研究區(qū)域，伊寧市作為伊犁河谷城市，先后榮獲“中國(guó)優(yōu)秀旅游城市”“國(guó)家園林城市”、國(guó)家新型城鎮(zhèn)化綜合試點(diǎn)市等稱號(hào)，土地資源、礦產(chǎn)資源、畜牧業(yè)資源、林業(yè)資源極其豐富。因此科學(xué)、合理地對(duì)伊寧市生態(tài)環(huán)境質(zhì)量變化進(jìn)行動(dòng)態(tài)監(jiān)測(cè)及合理預(yù)測(cè)研究，不僅能夠探索伊寧市生態(tài)環(huán)境質(zhì)量變化的時(shí)空分布特征，分析影響因素，還能夠?yàn)橐翆幨猩鷳B(tài)空間的優(yōu)化管控與未來(lái)的可持續(xù)發(fā)展和決策提供適合建議，以保證國(guó)土空間的生態(tài)安全。本研究對(duì)于伊寧市生態(tài)環(huán)境質(zhì)量動(dòng)態(tài)監(jiān)測(cè)及預(yù)測(cè)具有重大意義，為可持續(xù)發(fā)展戰(zhàn)略和生態(tài)保護(hù)規(guī)劃改善伊寧市生態(tài)環(huán)境質(zhì)量提供參考和科學(xué)依據(jù)。

1 研究區(qū)概況

圖1 研究區(qū)域示意圖Fig.1 Schematic diagram of the study area

2 數(shù)據(jù)與方法

2.1 數(shù)據(jù)來(lái)源與預(yù)處理

研究中使用的數(shù)據(jù)來(lái)自美國(guó)地質(zhì)調(diào)查局（USGS）的Landsat TM5和Landsat OLI-TIRS8，數(shù)據(jù)參數(shù)見(jiàn)表1。遙感影像空間分辨率為30 m，空間投影坐標(biāo)系為WGS_1984_UTM_Zone_44N，其中Landsat5 TM 寬幅為185×185 km2，Landsat OLI/TIRS8 寬幅為170×180 km2。研究區(qū)所用的矢量數(shù)據(jù)涉及伊寧市各縣域行政邊界，來(lái)源于中國(guó)科學(xué)院資源環(huán)境科學(xué)與數(shù)據(jù)中心（https://www.resdc.cn/）。

表1 2006—2021年4期遙感影像部分參數(shù)Tab.1 Part parameters of four remote sensing images from 2006 to 2021

在提取構(gòu)建RSEI前，原始圖像需經(jīng)過(guò)ENVI 5.3進(jìn)行預(yù)處理，包括幾何校正、輻射定標(biāo)、大氣校正和圖像裁剪，預(yù)處理結(jié)果進(jìn)行假彩色合成（由Near IR、Red、Green三波段合成）（圖2）。

圖2 2006—2021年預(yù)處理假彩色合成圖像Fig.2 Pretreatment of false color composite images from 2006 to 2021

2.2 遙感生態(tài)指數(shù)

本次研究中，RSEI 采用主成分分析法，先將綠度（NDVI）、濕度（WET）、干度（NDSI）及熱度（TEM）通過(guò)模型分別計(jì)算；為減少誤差，篩選4個(gè)指標(biāo)的數(shù)據(jù)處于5%～95%的置信區(qū)，并進(jìn)行歸一化處理，將歸一化處理的數(shù)據(jù)通過(guò)波段合成，4 個(gè)指標(biāo)歸一化后的數(shù)據(jù)集中到第一主成分上，根據(jù)4 個(gè)指標(biāo)在主成分上的貢獻(xiàn)率和自身性質(zhì)來(lái)確定權(quán)重值，可減少人為賦值誤差，各指標(biāo)模型如下。

2.2.1 綠度（植被指數(shù)）植被指數(shù)（NDVI）由Rouse等［14］提出，并已成為遙感中最廣泛使用的植被指數(shù)，用于監(jiān)測(cè)地表綠色植被覆蓋，本文中使用此指標(biāo)來(lái)表征RSEI中的綠度。公式如下：

式中：ρNIR為近紅外波段；ρred為紅波段。波長(zhǎng)參數(shù)見(jiàn)表2。

表2 Landsat衛(wèi)星傳感器參數(shù)Tab.2 Landsat satellite sensor parameters

2.2.2 濕度（濕分指數(shù)）濕分指數(shù)（WET）可通過(guò)纓帽變換（也稱K-T變換）計(jì)算得出，從Landsat圖像數(shù)據(jù)中提取參數(shù)，本文使用此指標(biāo)來(lái)表征RSEI中的濕度，但由于Landsat TM5和Landsat OLI8傳感器參數(shù)不同，因此對(duì)于濕分量模型參數(shù)有所不同［15-16］。公式如下：

式中：ρblue為藍(lán)波段；ρgreen為綠波段；ρSWIR1為短波紅外1；ρSWIR2為短波紅外2。波長(zhǎng)參數(shù)見(jiàn)表2。

心理彈性(resilience)是影響主觀幸福感的又一重要變量，它是指?jìng)€(gè)體在危險(xiǎn)情境下良好適應(yīng)的動(dòng)態(tài)過(guò)程[10]，是個(gè)體在面對(duì)嚴(yán)峻或持久挑戰(zhàn)時(shí)仍能保持其情緒和認(rèn)知幸福感的能力[11]。諸多研究已證實(shí)，心理彈性對(duì)主觀幸福感具有實(shí)質(zhì)性影響[12，13]，心理彈性涉及逆境下的積極適應(yīng)模式[15]，是主觀幸福感的重要預(yù)測(cè)因素[6]。還有研究表明，心理彈性與大學(xué)生的樂(lè)觀、積極情緒顯著正相關(guān)[15]，提高心理彈性可能提升大學(xué)生壓力下的積極情緒，緩解消極情緒[16]。

2.2.3 干度（建筑-裸土指數(shù)）建筑-裸土指數(shù)（NDSI）可用于有效監(jiān)測(cè)環(huán)境干度，通過(guò)對(duì)建筑指數(shù)（IBI）和裸土指數(shù)（SI）兩者的平均值進(jìn)行計(jì)算［17-18］，以此指標(biāo)來(lái)表征RSEI中的干度。公式如下：

2.2.4 熱度（陸地表面溫度）陸地表面溫度（TEM）使用大氣矯正法對(duì)Landsat 圖像數(shù)據(jù)進(jìn)行地表溫度反演，通過(guò)利用植被覆蓋度（Fractional vegetation cover，F(xiàn)VC）計(jì)算得到地物發(fā)射率（Ref），原始的遙感影像像元亮度值[B(Ts)]經(jīng)過(guò)輻射校正后，得到星上輻射亮度值，星上輻射亮度值經(jīng)過(guò)大氣校正，去除水汽的影響后，得到輻射亮度值，然后將輻射亮度值轉(zhuǎn)化為相對(duì)于黑體的黑體輻射亮度值，通過(guò)Plank函數(shù)的轉(zhuǎn)化，將黑體輻射亮度值轉(zhuǎn)化為黑體亮度溫度值，即為地表溫度［19-22］。公式如下：

式中：NDVI＜0.05、NDVI＞0.7、NDVI0.05～0.7分別為NDVI 取值范圍；E（water）為水體像元比輻射率；E（building）為城鎮(zhèn)像元比輻射率；E（natural）為自然表面比輻射率；ρTIRS1為熱紅外1 波段；Lup為大氣向上輻射亮度；Ldown為大氣向下輻射亮度；t為大氣在熱紅外波段的透過(guò)率（Lup、Ldown、t的數(shù)據(jù)通過(guò)NASA大氣剖面計(jì)算器得出http://atmcorr.gsfc.nasa.gov/）；K1和K2為衛(wèi)星發(fā)射預(yù)設(shè)常量（Landsat TM5：K1=607.76、K2=1260.56；Landsat OLITIRS8：K1=774.89、K2=1321.08）。參數(shù)見(jiàn)表2。

2.2.5 RSEI模型建立將上面得到的4個(gè)因子指標(biāo)通過(guò)主成分分析（PCA）進(jìn)行耦合，利用第一個(gè)主成分（PC1）構(gòu)建RSEI，最大的優(yōu)點(diǎn)是綜合指標(biāo)的權(quán)重不是人為確定，而是根據(jù)各指標(biāo)對(duì)PC1 的貢獻(xiàn)度自動(dòng)客觀確定，避免了在計(jì)算中因權(quán)重設(shè)置因人而異、因方法不同而可能導(dǎo)致結(jié)果偏差，提高了結(jié)果的客觀性和可信度。

由于上述4個(gè)因子的維度不均勻，如果直接用4個(gè)因子來(lái)計(jì)算PCA，每個(gè)指標(biāo)的權(quán)重就會(huì)不平衡。因此，在計(jì)算PCA之前，應(yīng)該對(duì)上述4個(gè)因子進(jìn)行歸一化處理，將每個(gè)指標(biāo)值轉(zhuǎn)換為0～1 范圍內(nèi)的無(wú)量綱值［23］。公式如下：

式中：XIi為歸一化之后的數(shù)值；Ii為歸一化前的數(shù)值；Imax和Imin分別為歸一化前的最大值和最小值。

4 個(gè)因子在歸一化計(jì)算后，借助ENVI 5.3 軟件中波段合成模塊和PCA 模塊計(jì)算PC1，在個(gè)別情況下，生態(tài)較好區(qū)域的值反而越低，對(duì)其進(jìn)行正負(fù)值轉(zhuǎn)置，使RSEI 值越高的地方表示生態(tài)越好。公式如下：

2.3 預(yù)測(cè)模型

元胞自動(dòng)機(jī)（Cellular automata，CA）模型是一種具有模擬復(fù)雜系統(tǒng)時(shí)空演化過(guò)程的能力模型［24］，但傳統(tǒng)的CA 模型具有較強(qiáng)的主觀性，因此存在一定的局限性。人工神經(jīng)網(wǎng)絡(luò)具有足夠模擬復(fù)雜非線性問(wèn)題的能力，擁有較強(qiáng)的并行、分布式存儲(chǔ)、處理、自組織、自適應(yīng)和自學(xué)能力，其本質(zhì)就是通過(guò)對(duì)樣本的不斷訓(xùn)練從而獲取最小誤差的網(wǎng)絡(luò)參數(shù)值，而后通過(guò)輸入與訓(xùn)練樣本相似的數(shù)據(jù)輸出結(jié)果誤差最小的數(shù)據(jù)［25］。Markov 模型是用來(lái)預(yù)測(cè)事件發(fā)生概率的一種方法，在區(qū)域土地利用變化中Markov模型有著廣泛的應(yīng)用［26-27］，但由于土地利用的空間分布隨機(jī)性較強(qiáng)，因此傳統(tǒng)模型具有局限性，很難達(dá)到預(yù)測(cè)效果。

通過(guò)耦合ANN、CA、Markov 模型，以CA 作為基礎(chǔ)，結(jié)合Markov 和ANN 模型進(jìn)行構(gòu)建，成為ANNCA-Markov 模型，此模型普遍適用于土地利用變化的模擬和預(yù)測(cè)，因生態(tài)環(huán)境質(zhì)量也是具有高度空間自相關(guān)性的柵格數(shù)據(jù)，因此研究嘗試使用ANN-CAMarkov 模型對(duì)RSEI 進(jìn)行預(yù)測(cè)。通過(guò)使用中山大學(xué)劉小平教授團(tuán)隊(duì)開(kāi)發(fā)的GeoSOS-FLUS V2.4軟件，完成對(duì)研究區(qū)域未來(lái)的RSEI 的預(yù)測(cè)［28］。運(yùn)用Kappa系數(shù)和FoM 指數(shù)來(lái)確定精度，其中Kappa 系數(shù)大于75%，認(rèn)為結(jié)果可信度較高，模擬效果較好；FoM 指數(shù)為靈敏值，一般小于0.1則認(rèn)為模擬精度較高。

3 結(jié)果與分析

3.1 4個(gè)指標(biāo)的主成分分析

伊寧市2006—2021 年4 個(gè)年份RSEI 指標(biāo)主成分分析結(jié)果如表3 所示。4 個(gè)年份PC1 的貢獻(xiàn)率結(jié)果分別為85.67%、76.39%、79.67%、82.17%，表明PC1 集中了4 個(gè)指標(biāo)的大部分特征，可以用來(lái)表示研究區(qū)域的整體生態(tài)情況。其中綠度和濕度的特征值均為正值，說(shuō)明綠度和濕度對(duì)伊寧市生態(tài)水平具有正面影響；干度和熱度的特征值均為負(fù)值，說(shuō)明干度和熱度對(duì)伊寧市生態(tài)水平具有負(fù)面影響。此外對(duì)比4個(gè)年份4個(gè)指標(biāo)的特征絕對(duì)值發(fā)現(xiàn)，4個(gè)指標(biāo)排序?yàn)榫G度＞熱度＞干度＞濕度，說(shuō)明影響伊寧市生態(tài)環(huán)境質(zhì)量的主要因素依次為綠度、熱度、干度、濕度，符合伊犁河谷地區(qū)所表現(xiàn)出來(lái)的生態(tài)狀況［29］。

表3 2006—2021年各指標(biāo)主成分分析Tab.3 Principal component analysis of indicators from 2006 to 2021

3.2 伊寧市生態(tài)環(huán)境質(zhì)量的時(shí)空變化分析

通過(guò)Excel 將4個(gè)指標(biāo)數(shù)據(jù)及RSEI 統(tǒng)計(jì)并繪制折線圖（圖3）。根據(jù)我國(guó)生態(tài)環(huán)境部發(fā)布的《生態(tài)環(huán)境狀況評(píng)價(jià)技術(shù)規(guī)范（HJ 192—2015）》對(duì)生態(tài)環(huán)境狀況進(jìn)行分級(jí)，以0.2 作為分級(jí)標(biāo)準(zhǔn)，即好（0.8～1.0）、較好（0.6～0.8）、中等（0.4～0.6）、較差（0.2～0.4）、差（0.0～0.2）。

圖3 2006—2021年分量指標(biāo)和RSEI的統(tǒng)計(jì)值Fig.3 Statistical values of sub indicators and RSEI from 2006 to 2021

由圖3 根據(jù)時(shí)間變換分析可知，2006—2021 年伊寧市4 個(gè)年份RSEI 指標(biāo)平均值為0.451，表明其生態(tài)環(huán)境質(zhì)量總體處于中等水平。2006—2021 年RSEI 從0.427 上升到0.484，上升了13.34%，呈現(xiàn)上升趨勢(shì)，表明伊寧市生態(tài)環(huán)境質(zhì)量整體有所改善，其中2011—2016 年期間漲幅達(dá)11.28%，上升較為明顯，主要得益于伊寧市北坡荒漠草原開(kāi)展生態(tài)修復(fù)的原因［30］；但2016—2021年由于伊寧市開(kāi)發(fā)區(qū)城市化進(jìn)程加快，土地利用的轉(zhuǎn)變，導(dǎo)致RSEI 出現(xiàn)小幅度下降。4個(gè)指標(biāo)中綠度、干度、熱度變化幅度趨于平穩(wěn)；由于伊寧市處于伊犁河谷內(nèi)，且自1999 年開(kāi)始，降水呈持續(xù)增長(zhǎng)趨勢(shì)［31］，因此濕度增幅較為明顯。

根據(jù)上述RSEI 分級(jí)標(biāo)準(zhǔn)，利用ArcGIS 10.5 軟件對(duì)伊寧市各年的RSEI 進(jìn)行重分類處理，得到2006—2021年伊寧市生態(tài)環(huán)境質(zhì)量圖（圖4）。由圖4 分析可知，2006—2021 年伊寧市北部山區(qū)生態(tài)環(huán)境質(zhì)量處于較差或中等水平，主要由于伊寧市北部依靠天山山脈，轄區(qū)內(nèi)北山坡面積近1.3×104hm2，絕大部分屬于半荒漠化草場(chǎng)，屬于生態(tài)脆弱區(qū)，總體發(fā)展處于穩(wěn)定水平，其中2011—2016年生態(tài)呈現(xiàn)變好趨勢(shì)，但后期出現(xiàn)反彈；南部伊犁河城區(qū)生態(tài)環(huán)境質(zhì)量基本處于中等、較好水平，主要因?yàn)闉l臨伊犁河，水熱資源豐富，為南部奠定了優(yōu)良的生態(tài)環(huán)境基礎(chǔ)；中部城區(qū)有明顯地向外擴(kuò)張趨勢(shì)，較2006年相比，西部開(kāi)發(fā)區(qū)及東城區(qū)生態(tài)質(zhì)量呈下降趨勢(shì)，其中2016 年城區(qū)生態(tài)呈現(xiàn)較差狀態(tài)，但隨后開(kāi)展綠化及建造公園等市政工程［32］，2021年城區(qū)生態(tài)環(huán)境得到改善，恢復(fù)至中等水平。

圖4 2006—2021年伊寧市RSEI等級(jí)分布Fig.4 Distributions of RSEI in Yining City from 2006 to 2021

通過(guò)ArcGIS和Excel將2006—2021年4期RSEI各等級(jí)面積進(jìn)行提取并計(jì)算（表4）。由表4 可看出2006—2021 年伊寧市生態(tài)環(huán)境質(zhì)量等級(jí)為好的區(qū)域面積減少了9.27 km2，占總面積1.37%，保持相對(duì)穩(wěn)定；較好區(qū)域面積減少31.47 km2，占總面積4.67%；中等區(qū)域的面積保持相對(duì)穩(wěn)定，面積增加4.06 km2，占比0.60%；較差區(qū)域面積變化較為顯著，2006—2021年面積增長(zhǎng)49.59 km2，占總面積7.35%，應(yīng)盡快采取修復(fù)措施；差的區(qū)域面積減少12.92 km2，占總面積1.92%，其中2011 年下降較為明顯，但隨后呈上升趨勢(shì)，主要由于2011年后城市不斷向外擴(kuò)張，土地利用類型轉(zhuǎn)變。綜上所述伊寧市生態(tài)環(huán)境質(zhì)量變化呈現(xiàn)兩極正在逐漸縮小的趨勢(shì)，但中等區(qū)域及較差區(qū)域的面積正在逐年增大，總體生態(tài)環(huán)境呈現(xiàn)穩(wěn)中趨差的方向發(fā)展，需加大生態(tài)修復(fù)力度。

表4 2006—2021年伊寧市各生態(tài)等級(jí)面積與占比Tab.4 Area and proportion of different ecological grades in Yining City from 2006 to 2021

3.3 伊寧市生態(tài)環(huán)境質(zhì)量的時(shí)空變化差異分析

在上述RSEI等級(jí)劃分的基礎(chǔ)上，為得到不同年份之間生態(tài)環(huán)境質(zhì)量變化的時(shí)空分布信息，利用差值處理不同年份的RSEI。將變化情況分為3 類變好（＞0）、不變（=0）和變差（＜0），其中按照變化的程度將變好與變差分為4 級(jí)，分別為±4、±3、±2 和±1，統(tǒng)計(jì)結(jié)果見(jiàn)表5，并通過(guò)ArcGIS 10.5繪圖，結(jié)果見(jiàn)圖5。

表5 2006—2021年伊寧市生態(tài)質(zhì)量變化情況Tab.5 Changes of ecological quality in Yining City from 2006 to 2021 /km2

圖5 2006—2021年伊寧市RSEI時(shí)空變化Fig.5 Temporal and spatial changes of RSEI in Yining City from 2006 to 2021

由表5 及圖5 分析得出，根據(jù)時(shí)間變化分析得出，2006—2011 年生態(tài)環(huán)境質(zhì)量的面積變化：變好的面積180.49 km2、不變的面積共315.53 km2、變差的面積178.40 km2，分別占總面積的26.76%、46.78%、26.45%，北部山坡地區(qū)生態(tài)環(huán)境質(zhì)量逐年改善。2011—2016年生態(tài)環(huán)境質(zhì)量的面積變化：變好的面積177.66 km2、不變的面積共268.45 km2、變差的面積228.30 km2，分別占總面積的26.34%、39.80%、33.85%。2016—2021年生態(tài)環(huán)境質(zhì)量的面積變化：變好的面積243.80 km2、不變的面積共247.89 km2、變差的面積182.73 km2，分別占總面積的36.15%、36.76%、27.09%，伊寧市生態(tài)環(huán)境質(zhì)量向差的趨勢(shì)發(fā)展。2006—2021 年生態(tài)環(huán)境質(zhì)量的面積變化：變好的面積159.14 km2、不變的面積共312.99 km2、變差的面積202.30 km2，分別占總面積的23.60%、46.41%、30.00%?？傮w上，伊寧市的生態(tài)環(huán)境質(zhì)量狀況較穩(wěn)定，但整體環(huán)境質(zhì)量依然不容樂(lè)觀，如不及時(shí)開(kāi)展生態(tài)修復(fù)，未來(lái)生態(tài)環(huán)境將會(huì)進(jìn)一步變差。

3.4 RSEI預(yù)測(cè)

首先通過(guò)GeoSOS-FLUS V2.4 軟件利用Markov和ANN 模型分別以2011 年和2016 年伊寧市RSEI分類數(shù)據(jù)為依據(jù)，將NDVI、WET、NDSI、TEM作為驅(qū)動(dòng)力因子，確定轉(zhuǎn)換規(guī)則，獲得2021年模擬預(yù)測(cè)，將2021 年模擬預(yù)測(cè)結(jié)果與實(shí)際2021 年遙感生態(tài)指數(shù)分類圖進(jìn)行比較。通過(guò)模擬與真實(shí)數(shù)據(jù)進(jìn)行比較，具有較高精度，Kappa 系數(shù)為0.815，F(xiàn)oM 指數(shù)為0.04，證明模擬數(shù)據(jù)具有一定的準(zhǔn)確性，結(jié)果可靠。因此通過(guò)2021 年為基準(zhǔn)，依此模型預(yù)測(cè)2026 年及2031年伊寧市RSEI（圖6）。

圖6 2026年和2031年伊寧市RSEI預(yù)測(cè)Fig.6 Forecast of RSEI in Yining City in 2026 and 2031

通過(guò)圖6分析，可看出2026年和2031年伊寧市北坡地區(qū)生態(tài)得到一定程度改善，但由于伊寧市西部生態(tài)差地區(qū)靠近伊犁圖開(kāi)沙漠，生態(tài)改善存在困難，結(jié)合新疆伊寧市城市2018—2035 年總體規(guī)劃，隨著未來(lái)經(jīng)濟(jì)及城市化進(jìn)程的繼續(xù)發(fā)展，城區(qū)在未來(lái)生態(tài)環(huán)境依舊保持在中等水平，但城市將會(huì)繼續(xù)向外擴(kuò)張，自2000 年伊寧市耕地面積286.13 km2縮減到2018 年229.20 km2［33］，未來(lái)耕地面積將持續(xù)減少，建議在經(jīng)濟(jì)與社會(huì)發(fā)展的同時(shí)，加強(qiáng)區(qū)域生態(tài)保護(hù)。

4 結(jié)論

（1）2006—2021 年伊寧市4 個(gè)年份RSEI 指標(biāo)主成分分析結(jié)果表明，綠度和濕度對(duì)伊寧市生態(tài)水平具有正面影響，干度和熱度對(duì)伊寧市生態(tài)水平具有負(fù)面影響，影響伊寧市生態(tài)環(huán)境質(zhì)量的主要因素依次為綠度、熱度、干度、濕度，符合伊犁河谷地區(qū)所表現(xiàn)出來(lái)的生態(tài)狀況。

（2）2006—2021 年伊寧市4 個(gè)年份RSEI 指標(biāo)平均值為0.451，總體處于中等水平。伊寧市北部山區(qū)屬于半荒漠化草場(chǎng)，屬生態(tài)脆弱區(qū)，生態(tài)環(huán)境質(zhì)量處于中下水平；南部瀕臨伊犁河，水熱資源豐富，生態(tài)環(huán)境質(zhì)量基本處于中上水平；西部開(kāi)發(fā)區(qū)及東城區(qū)生態(tài)環(huán)境質(zhì)量2016年前呈下降趨勢(shì)，隨后開(kāi)展綠化及建造公園等對(duì)策，恢復(fù)至中等水平。伊寧市生態(tài)環(huán)境質(zhì)量變化呈現(xiàn)兩極正在逐漸縮小的趨勢(shì)，但中等區(qū)域及較差區(qū)域的面積正在逐年增大，總體生態(tài)環(huán)境呈現(xiàn)穩(wěn)中向差的發(fā)展趨勢(shì)，需加大生態(tài)修復(fù)力度。

（3）預(yù)計(jì)2026 年和2031 年伊寧市北坡地區(qū)生態(tài)得到一定程度改善，但由于伊寧市西部生態(tài)差地區(qū)靠近伊犁圖開(kāi)沙漠，生態(tài)改善存在困難，結(jié)合《新疆伊寧市城市2018—2035 年總體規(guī)劃》，城區(qū)在未來(lái)生態(tài)環(huán)境依舊保持在中等水平，但城市將會(huì)繼續(xù)向外擴(kuò)張，未來(lái)耕地面積將持續(xù)減少，建議在經(jīng)濟(jì)與社會(huì)發(fā)展的同時(shí)，加強(qiáng)區(qū)域生態(tài)保護(hù)。

綜上所述，構(gòu)建RSEI 動(dòng)態(tài)監(jiān)測(cè)評(píng)價(jià)伊寧市近15 a 來(lái)的生態(tài)質(zhì)量情況，分析4 個(gè)影響因素對(duì)伊寧市生態(tài)環(huán)境質(zhì)量影響機(jī)理，明確城市發(fā)展過(guò)程中的生態(tài)空間缺陷，利用CA-Markov 模型與ANN 人工神經(jīng)網(wǎng)絡(luò)相結(jié)合，預(yù)測(cè)伊寧市未來(lái)10 a內(nèi)生態(tài)質(zhì)量情況，預(yù)測(cè)精度（Kappa 系數(shù)）可達(dá)到0.815，遠(yuǎn)高于傳統(tǒng)預(yù)測(cè)模型，但目前還不能達(dá)到隨時(shí)隨地的動(dòng)態(tài)預(yù)測(cè)，未來(lái)可通過(guò)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行圖像的深度學(xué)習(xí)，通過(guò)以往的大量圖像數(shù)據(jù)的學(xué)習(xí)訓(xùn)練，使人工智能算法的精度達(dá)到0.9 以上，并可以進(jìn)行長(zhǎng)期準(zhǔn)確預(yù)測(cè)。