基于退耕还林工程的生态环境质量动态变化研究——以云南兰坪县为例

李益敏，李盈盈，刘师旖，吴博闻，赵娟珍

1.云南大学地球科学学院

2.云南省高校国产高分卫星遥感地质工程研究中心

随着社会经济的发展，人类为了满足自身不断增长的物质利益需求，对自然进行无限制的索取，对生态系统造成了严重的破坏[1-2]。为了缓解生态环境问题，1999年国家正式启动了退耕还林还草工程，在四川、甘肃、陕西3省进行试点，2000年在全国范围内进行推广。云南省怒江傈僳族自治州（简称怒江州）兰坪白族普米族自治县（简称兰坪县）成为退耕还林工程试点示范县，2000——2001年完成退耕还林28.67 km2，并从2002年起全面展开退耕还林还草工程，到2006年，累计完成退耕还林62.67 km2，不仅增加了兰坪县的林草覆盖率，而且使水土流失、泥石流等自然灾害得到有效遏制。2014年，第二轮退耕还林还草工程正式启动[3]。怒江州在此背景下，提出了以公路沿线、江河两岸、城镇面山和湖库周围等生态脆弱区与重要生态区位作为全州第二轮退耕还林还草工程实施的重点，截至2019年，兰坪县完成退耕还林153.6 km2。

2020年6月30日，国家林业和草原局发布了《中国退耕还林还草二十年（1999——2019）》白皮书。白皮书显示，20年来我国实施退耕还林还草34.33万km2，成林面积占全球同期增绿面积的4%以上，全国退耕还林还草当年产生的生态效益总价值量为1.38万亿元[4]。学者们针对退耕还林在生态环境方面的成效开展了大量研究。2003年，罗海波等[5]对贵州省退耕还林工程与土壤养分流失情况的相关性进行了研究；
2004年，李蕾等[6]引入土壤保持功能价值的评价方法，对退耕还林工程的土壤保持效益进行评价，开启了基于退耕还林工程对生态系统服务功能影响的研究；
2007年，高国雄等[7]基于退耕还林不同配置方式，对生态系统服务功能进行了评价；
2010年，李莉等[8]引入了《生态环境状况评价技术规范（试行）》规定的生态环境状况评价指标体系和计算方法，对奈曼旗在退耕还林工程实施初期以及实施5年后的生态环境质量进行了评价；
2016年，高凤杰等[9]构建了牡丹江地区土地生态安全评价指标体系，定量分析了牡丹江地区在退耕还林工程期间土地生态安全的时空演变情况；
2020年，王静等[10]将自然和人为因素分离开，探讨了宝鸡地区年际和季节尺度上退耕还林工程的生态效果。

目前，对于生态环境质量的评价方法主要有压力-状态-响应（PSR）模型[11-12]、驱动力-压力-状态-影响-响应（DPSIR）模型[13-14]、综合指数法[15]、多变量海洋生物指数（M-AMBI）模型[16-17]、生态环境状况指数（EI）模型[18-19]、遥感生态距离指数（RSEDI）模型[20]、遥感生态指数（RSEI）模型[21-22]等，但这些模型主要应用于对特定行政区域或流域的生态环境质量进行评价，以此来反映研究区内生态环境质量的变化，对于模型的应用价值还有待挖掘。退耕还林工程作为国家的重大生态建设工程，对其在生态环境方面的成效进行研究，不仅可以推动工程的实施，还可以为工程实施提出建设性意见。因此，将生态环境质量的评价模型应用于退耕还林工程是理论与实践的有机结合，既可以促进退耕还林工程的实施，又可以使模型发挥其现实意义，但目前相关研究较少。兰坪县作为高山峡谷地区，地质灾害频发，水土流失严重，生态环境较为脆弱，对该区域开展生态环境质量动态研究可以为其生态建设工程提供基础，对其生态修复具有重要意义。

RSEI模型由徐涵秋[23]在2013年提出，该模型利用主成分分析法自动分配评价指标的权重，与EI模型相比具有可视化、能进行时空分析、易于建模等优点。笔者以怒江州第二轮退耕还林工程为背景，将RSEI模型应用于兰坪县在退耕还林工程实施前（2013年）、实施过程中（2017年）以及实施末期（2020年）的生态环境质量动态变化研究，并从基本农田、坡度、生态环境质量3个方面考虑，确定了兰坪县潜在退耕区域，以期为退耕还林工程实施效果评价提供方法参考，同时对其他退耕区的退耕效果评价和今后退耕区的确定具有借鉴意义。

兰坪县位于怒江州东部、云南省西部，全县总面积为4 371.2 km2（图1）。兰坪县地处“三江并流”世界自然遗产腹地，全县森林覆盖率达71.47%。县境内矿产资源丰富，分布着220多个矿床、矿点，拥有储量1 100万个金属吨的世界级凤凰山铅锌矿，长时间、高强度的矿产开发以及修路等经济建设活动使得县内自然灾害频发、水土流失严重，有200多个地质灾害隐患点，水土流失面积占全县面积的20%左右，导致兰坪县生态环境较为脆弱。

图1 研究区行政区划Fig.1 Administrative division of the study area

本研究所需的数据包括Landsat 8遥感影像、数字高程模型（DEM）数据以及行政区划、水体和积雪区、退耕还林、基本农田矢量数据。其中Landsat8遥感影像、DEM数据来源于地理空间数据云；
行政区划数据来源于国家科技基础条件平台——国家地球系统科学数据中心；
水体和积雪区依据遥感影像目视解译得到；
基本农田矢量数据来源于怒江州自然资源局；
2014——2016年退耕还林矢量数据来源于怒江州林业和草原局。2017——2020年退耕还林数据由遥感影像提取，先运用监督分类与目视解译相结合的方法提取2013年、2020年2期耕地数据，然后通过空间分析得到退耕还林数据，用2014——2016年退耕还林矢量数据进行验证，精度达86.20%。

RSEI模型包含绿度、干度、湿度和热度4个指标，首先基于Landsat 8遥感影像，运用ENVI5.3提取出单个指标，然后运用主成分分析法进行降维处理，将第一主成分的值作为RSEI 的初始值，并据此计算出RSEI ，具体计算过程如下。

2.1 RSEI单一指标计算

（1）绿度

归一化植被指数（NDVI）能够反映植被生长状况、植被覆盖度以及时空分布特征[24]，因此将NDVI作为反映绿度的指标，其计算公式如下：

式中：ρNIR为近红外波段的反射率；
ρRed为红波段的反射率。

（2）干度

随着城市化进程的加快，不透水面性质的建设用地迅速扩张，不透水面和裸露的土壤加剧了区域的干燥程度。选取建筑指数（IBI）和裸土指数（SI）作为干度指标，其计算公式如下：

式中：ρSWIR1、ρGreen分别代表短波红外1、绿波段的光谱反射率；
NDBSI为干度指标。

（3）湿度

在生态环境检测中，湿度指标与土壤湿度和植被紧密相关[25]，能够反映生态环境质量状况，其计算公式如下：

式中：WET 为湿度指标；
b1、b2、b3、b4、b5、b6分别为蓝波段、绿波段、红波段、近红外波段、短波红外1和短波红外2的光谱反射率。

（4）热度

地表温度反映热度指标。采用大气校正法进行地表温度反演，计算公式如下：

式中：L为OLI/TIRS影像第10波段像元在传感器处的辐射值；
DN为像元灰度值；
gain、bais分别为像元增益值和偏置值，可在遥感影像的头文件中获取；
B（LST）为黑体辐射亮度；
L↑、L↓、T分别为大气向上、向下的辐射亮度和在热红外波段的透过率，可在网站https://atmcorr.gsfc.nasa.gov/查询；
LST为热度指标；
K1、K2为定标参数，在OLI/TIRS影像中分别为 480.89、1 204.14 W/(m2·sr·µm)；
ε为地表辐射率，参考吴映曈等[26]的相关研究依据NDVI获取。

2.2 RSEI计算

（1）主成分分析

由于评价指标的量纲不同对于主成分分析结果的影响较为明显[27]，因此需要对NDVI、NDBSI、WET、LST 这4个指标进行归一化处理〔式（9）〕，然后在ENVI5.3软件中进行主成分分析，将方差最大的第一主成分的值作为RSEI的初始值〔式（10）〕。

式中：NI为指标标准化后的值；
I为指标的数值；
Imin、Imax分别为指标的最小值与最大值。

式中：RSEI0为遥感生态指数的初始值；
PC1为4个指标经过主成分分析后提取的第一主成分信息。

（2）RESI的计算与分级处理

将RSEI0进行归一化处理，得到最终的RSEI〔式（11）〕，然后采用等间隔法将 RSEI分为差（0～0.2）、较差（0.2～0.4）、一般（0.4～0.6）、良（0.6～0.8）、优（0.8～1）5 个等级。

式中：RSEI0-min、RSEI0-max分别为RSEI0的最大值和最小值。

3.1 兰坪县2013——2020年生态环境质量变化

3.1.1 主成分分析法结果

由于澜沧江穿过兰坪县，且兰坪县西南部有积雪，为避免水域、积雪对RSEI模型的影响，在进行主成分分析时将水域和积雪淹没掉。由主成分贡献率及特征值（表1）可知，2013年、2017年、2020年PC1的贡献率分别为93.01%、92.78%、93.24%，均高于90%，说明合成的PC1信息可以代表绿度、干度、湿度和热度4个指标所包含的所有信息。

表1 主成分贡献率及特征值Table 1 Principal component contribution rate and characteristic value

3.1.2 生态环境质量空间变化

由兰坪县2013年、2017年、2020年RSEI分级图（图2）可知，兰坪县生态环境质量以良、优2个级别为主，生态环境质量差、较差的区域主要分布在澜沧江两岸。2013——2017年，兰坪县的RSEI变化不明显，变化区域主要在澜沧江南段、西岸，兔峨乡中部地区，RSEI为差、较差的区域面积减少。2017——2020年，兰坪县的生态环境质量明显提高，澜沧江两岸RSEI为差、较差的区域面积明显减少（如中排乡的西岸），研究区北部和中部RESI为良、优的区域面积明显增加。从RSEI的平均值来看，从2013年的0.587 22变为2017年的0.598 471再变为2020年的0.623 225，2013——2017年RSEI提高了1.92%，而2017——2020年提高了4.14%。总体来讲，2013——2020年兰坪县的生态环境质量不断提高。

图2 兰坪县2013——2020年RSEI分级Fig.2 RSEI grading map of Lanping County in 2013-2020

3.1.3 生态环境质量时间变化

由兰坪县2013——2020年RSEI各等级面积及占比（表2）可知，2013年、2017年和2020年，兰坪县RSEI为优的区域面积占比最大，为差的区域面积占比最小。2013——2017年，兰坪县RSEI各等级面积变化较小，等级为良、优的区域面积占比增加，而等级为差、较差和一般的区域面积占比均下降，其中，等级为一般的区域面积占比减少了1.01%，其他2个等级的面积占比减少均小于1%。2017——2020年，RSEI各等级的面积变化规律与2013——2017年的变化规律相同，但变化幅度增加，RSEI等级为优的区域面积占比增加了3.17%，等级为较差的区域面积占比减少了1.96%，其他各等级面积占比变化为1%～1.5%。因此， 2013——2020年，兰坪县的生态环境质量呈上升趋势，RSEI等级为良、优的区域面积增加，等级为差、较差和一般的区域面积呈减少趋势。

表2 兰坪县2013——2020年RSEI各等级面积及占比Table 2 Area and proportion of RSEI grades in Lanping County from 2013 to 2020

3.1.4 生态环境质量等级变化

由兰坪县RSEI等级变化统计结果（表3）可知，2013——2020年，兰坪县内75%以上的区域生态环境质量处于不变状态，生态环境质量变化幅度较小，RSEI的等级差主要集中在-1和1这2个级别上，生态环境质量变好的区域面积远远大于生态环境质量变差的区域面积。2013——2017年，兰坪县生态环境质量不变的区域面积占76.29%，等级差为-1和1的区域面积分别为350.122 5、635.800 5 km2，分别占总面积的8.15%、14.80%，生态环境质量变好的区域面积是生态环境质量变化变差的区域面积的1.7倍。2017——2020年，兰坪县生态环境质量不变的区域面积为3 232.883 7 km2，占研究区总面积的75.25%，生态环境质量变好的区域面积占比达18.31%，是生态环境质量变差的区域面积占比的2.8倍。可见，兰坪县的生态环境质量在2013——2020年处于上升趋势，且上升幅度增加。

由兰坪县2013——2017年、2017——2020年RSEI等级变化（图3）可以明显看出，2013——2020年兰坪县生态环境质量等级以保持不变为主。2013——2017年，兰坪县生态环境质量变好的区域分布比较均匀，较为集中地分布在中排乡中部、通甸镇中部以及啦井镇北部；
而生态环境质量变差的区域有2个集中分布区，分别为营盘镇的西北部以及东部，其次在研究区的西部高海拔区域均匀分布。2017——2020年，兰坪县的生态环境质量以保持不变和质量等级提高为主，生态环境质量变差的区域极少且分布不明显，生态环境质量变好的区域主要分布在澜沧江两岸，以西岸为主，在中排乡、石登乡、营盘镇分布面积较大。

图3 兰坪县2013——2017年、2017——2020年RSEI等级变化Fig.3 RSEI grade changes in Lanping County from 2013 to 2017 and from 2017 to 2020

3.2 兰坪县退耕还林区生态环境质量变化

3.2.1 生态环境质量时空变化

以退耕还林斑块数据为基础，探究退耕还林区的生态环境质量变化。通过对比研究区、退耕还林2 km缓冲区以及退耕还林斑块内的RSEI平均值（表4）可以发现，在3个研究尺度下，虽然退耕还林斑块的RSEI最小，生态环境质量最差，但其RSEI的增加值最大，生态环境质量改善速度最快。2013——2020年，研究区内的RSEI增加了6.13%，退耕还林2 km缓冲区内的RSEI提升了10.33%，但退耕还林斑块内的RSEI却提升了22.42%，因此退耕还林工程对于生态环境质量改善具有直接且显著的影响。

表4 研究区、退耕还林2 km缓冲区以及退耕还林斑块内的RSEI平均值Table 4 RSEI mean values in the study area, 2 km buffer zone and patches of converting cropland to forests

由于退耕还林斑块较小，且生态环境中没有严格的分界线，退耕还林工程对周围环境也会产生一定的影响，因此以退耕还林2 km缓冲区范围内的区域作为退耕还林区开展进一步研究。由兰坪县2013——2020年退耕还林区RSEI分级图（图4）可知，2013——2020年，退耕还林区内的生态环境质量显著提升，RSEI等级为差、较差的区域面积减少，而等级为良、优的区域面积明显增加，其中中排乡与兔峨乡的变化尤为明显。

图4 兰坪县2013——2020年退耕还林区RSEI分级Fig.4 RSEI grading diagram of converting cropland to forests in Lanping County in 2013-2020

由兰坪县退耕还林区2013——2017年、2017——2020年RSEI等级转移矩阵（表5、表6）可知，2013——2017年、2017——2020年2个时段，退耕还林区RSEI等级为差、较差和一般的区域面积减少，等级为良、优的区域面积增加，各等级中RSEI等级提高的区域面积要大于等级变差的区域面积。由此可知，在第二轮退耕还林工程实施期间，兰坪县生态环境质量明显提升。

表5 兰坪县退耕还林区2013——2017年RSEI等级转移矩阵Table 5 RSEI grade transfer matrix of converting cropland to forests in Lanping County in 2013-2017

表6 兰坪县退耕还林区2017——2020年RSEI等级转移矩阵Table 6 RSEI grade transfer matrix of converting cropland to forests in Lanping County in 2017-2020

3.2.2 兰坪县潜在的退耕还林区

由上述研究结果可知，在第二轮退耕还林工程实施期间，兰坪县生态环境质量有了较大幅度的提升，尤其是退耕还林斑块内生态环境质量提升更为明显。退耕还林工程对生态环境质量改善的内因主要表现在以下2个方面：1）兰坪县退耕还林区主要位于坡度大于25°的区域，布局合理，该区域是自然灾害高发区，退耕后水土流失、土壤侵蚀等自然灾害明显减弱，对生态环境质量改善具有直接作用；
2）在退耕还林工程实施的过程中会优化农村产业结构、调整生产生活方式，对生态环境质量的改善具有间接作用。

相关研究表明，退耕还林率与生态环境质量变化的相关性较高[28]。兰坪县作为以山地为主的生态环境脆弱区，县域内现有耕地分布还存在一定的不合理性，因此可进一步推进退耕还林工程以促进兰坪县生态环境质量的改善。首先，基本农田是耕地中最精华的部分，保护耕地最重要的就是对基本农田的保护[29]，因此可将基本农田区作为退耕还林区的限制条件；
其次，坡度对土地利用具有一定的限制性，坡度大于25°的耕地水土流失问题比较严重，因此可将25°以上的耕地作为优先考虑的退耕区；
最后，从生态环境质量改善的角度出发，可优先在RSEI等级为差和较差的区域实施退耕还林工程。依据以上3个条件，将基本农田、坡度和2020年RSEI等级图进行叠加分析，确定兰坪县潜在退耕还林区，结果如图5所示。兰坪县潜在退耕区主要分布在中排乡、石登乡、营盘镇和兔峨乡4个乡镇，其中分布面积最大的是中排乡（11.451 1 km2），其次为兔峨乡（8.693 3 km2），而在啦井镇、金顶镇和通甸镇的分布面积较少。

图5 兰坪县潜在退耕区Fig.5 Potential abandoned farmland areas in Lanping County

（1）兰坪县的生态环境质量以良、优2个级别为主，生态环境质量等级在2013——2020年由一般转为良，2013——2017年RSEI提升了1.92%，2017——2020年提升了4.14%，生态环境质量处于上升趋势。

（2）2013——2017年、2017——2020年2个时期内，75%以上的区域生态环境质量保持不变，生态环境质量变化幅度较小，生态环境质量等级差主要处于- 1、0、1这 3个级别上，生态环境质量变好的区域面积远远大于变差的区域面积。

（3）2013——2020年，兰坪县退耕还林区生态环境质量等级显著提升，遥感生态指数由2013年的0.540 166变为2020年的0.595 963，提升了10.33%。生态环境质量等级为差、较差和一般的区域面积减少，而等级为良、优的区域面积增加。

（4）兰坪县的生态环境质量在整个第二轮退耕还林工程中一直处于上升趋势，2017——2020年的提升幅度大于2013——2017年，退耕还林斑块生态环境质量的提升幅度明显大于研究区和退耕还林2 km缓冲区，退耕还林工程有力地促进了兰坪县生态环境质量提升。

本研究将RSEI模型应用于退耕还林区生态环境质量动态变化研究，使退耕还林工程的生态效果更为直观。研究结果可以为后期退耕还林工程的实施提供参考，如生态环境质量等级为差的区域可以优先实施退耕还林工程。退耕还林工程的规划期限往往较长，由于RSEI模型的效果较好，因此可以在退耕还林区进行推广。