生态环境的科学评价与合理优化调控，既是资源环境领域研究的热点问题，又是生态经济发展和生态文明建设的迫切需求^[1]。文献[2]通过遥感生态指数(RSEI)监测与评价区域生态质量。文献[3]通过监测土地利用类型变化过程，结合景观分析法评估生态环境质量变化。文献[4]从近20个遥感生态指数中选定最优指数，探索适用于区县级的生态评价方法。文献[5]基于压力-状态-响应(P-S-P)模型建立地震灾区生态环境评价指标体系。文献[6]基于深度学习技术对河南省罗山县及各乡镇的生态环境评价。文献[7]应用生态系统服务价值(ESV)评估、景观生态安全指数(LES)、压力-状态-响应(PSR)模型，共同构建干旱地区乌鲁木齐市土地生态安全评价体系。文献[8]采用改进的遥感生态指数(MRSEI)对青海省都兰县进行监测与评价。综上，各个评价体系指标的选取因地制宜^[9-11]，不能满足其普遍性、适用性原则。针对上述问题，《生态环境状况评价技术规范(试行)》(HJ/T 192—2006)^[12]规定了我国生态环境具体的评价标准，并于2015年修订为《生态环境状况评价技术规范》(HJ/T 192—2015)^[13](简称《规范》)。该规范实施以来，并无针对阜新地区的生态环境相关研究。

本文拟以阜新市为例，参照规范要求，首先提取遥感影像数据，并结合土地覆被数据、空气质量数据等得到5个评价指标；然后利用主成分分析法对阜新市2000—2018年生态环境的变化趋势进行评价，以期为阜新市环境保护状况及可持续发展提供科学依据。

1 研究区与数据处理

阜新市地处辽宁省西部的低山丘陵区，全市总面积为10445km²，属北温带半干旱大陆性季风气候。

本文所用6幅遥感影像来自美国地质勘探局官方网站，分别为2000、2009年与2018年9月的TM、ETM、OLI影像。影像云量均小于5%，质量较好。

土地利用数据为中国科学院资源环境科学与数据中心的30m土地利用数据。2000与2009年的空气质量数据采用全球PM_2.5栅格数据，2018年数据由空气监测站数据插值所得。验证数据来自辽宁省统计年鉴。

影像预处理的主要过程如下：①利用ENVI 5.3将影像进行辐射校正；②通过FLAASH大气校正，消除光照和大气等因素对地物反射的影响；③对大气校正后的影像进行影像配准，使其配准误差RMS小于0.5；④对配准后的影像进行镶嵌、裁剪处理，并计算评价体系所用参数。

2 研究方法

《规范》中生态环境状况指数(EI)前3个指标可由遥感数据获得，而土地胁迫指数需将地面监测与遥感更新相结合，污染负荷指数需由环境统计和气象部门等公布的年度数据计算求得。因此，EI只能获取年度数据，且无法可视化具体区域情况。

新型遥感生态指数(RSEI)近年被广泛用于评价区域的生态环境状况^[14-16]。但RSEI指标体系未考虑污染因素对环境的影响，评价效果并不理想。

本文根据《规范》要求并结合RSEI，提出新的生态环境状况指数(new ecological index，NEI)，以生物丰度指数、植被覆盖指数、干度、湿度及空气质量指数5个生态指标综合评价生态环境。以干度代替土地胁迫指数，以湿度代替水网密度指数，以空气质量代替污染负荷指数，能够相应地反映土地质量遭受的胁迫程度、水的丰富程度及区域内的环境污染影响，不仅能实现全面评价，而且数据易得。

2.1 指标构建 2.1.1 生物丰度指数

生物丰度指数用于评价区域内生物的丰贫程度。根据《规范》可知，不同生境类型所占的权重不同。本文将30m土地利用数据重分类(如图 1所示)后分别赋予相应权重，即林地为0.35，草地为0.21，水域为0.28，耕地为0.11，建筑用地为0.04，未利用地为0.01。

2.1.2 植被覆盖指数

归一化植被指数(NDVI)可综合反映植物的生长状况、地表植被覆被度及叶面积指数等多种性质^[17]。因此用NDVI表示植被覆盖指数，公式为

式中，ρ₄、ρ₃分别代表TM、ETM及OLI影像的近红外和红波段的反射率。

2.1.3 干度指标

《规范》中的土地胁迫指数受水土流失、土地沙化及土地开发等因素的影响。因此，采用能够反映土壤干化的指标裸土指数(SI)^[18]和建筑指数(IBI)^[19]表示干度指标(NDSI)，公式为

其中

式中，ρ₁—ρ₅分别代表TM、ETM及OLI影像的蓝、绿、红、近红外、短波红外1波段的反射率。

2.1.4 湿度指标

缨帽变换得到的湿度分量可有效反映水体、地表土壤及植被的含水情况，与生态环境紧密相关^[20]。因此，采用缨帽变换得到的湿度分量作为湿度指标，公式为

式中，ρ_i(i=1, 2, …, 5, 7)分别为TM、ETM、OLI影像蓝、绿、红、近红、中红1、中红外2波段。

2.1.5 空气质量指数

由于缺乏早期AQI数据，2000与2009年采用NASA官网下载的PM_2.5全球栅格数据，并对其进行重采样。利用2018年中国环境监测总站下载的逐日监测数据，求取均值后进行插值处理，得到2018年阜新市空气质量数据。

2.2 新生态环境指数构建

主成分分析(PCA)由于无需人为确定权重，而是根据数据本身特性及对主成分的贡献客观进行权重计算，减少了很多主观性因素的影响。因此，采用主成分分析法对以上5个指标综合处理，从而耦合为一个综合生态环境状况指数。

由于各个指标量纲存在差异，在进行主成分分析前，首先需要对5个指标进行归一化处理，使其数值范围为[0, 1]，公式为

式中，NI为归一化后的分量指标值；I为该分量指标的原始数值；I_max、I_min分别为该分量指标的最大值和最小值。

为了方便与其他生态环境评价指标进行对比，同样对NEI₀进行正规化，公式为

式中，NEI为新建的生态环境状况指数，其值位于[0, 100]，越接近100，表明生态环境越好。

3 结果与分析 3.1 新生态指数结果与分析

对预处理后的影像进行指标提取，并结合土地利用分类及空气质量数据进行主成分分析，结果见表 1。

由表 1可知，阜新市试验区的主成分分析结果如下：

(1) 5个指标的第一主成分(PC₁)和第二主成分(PC₂)在2000、2009、2018年的累积贡献率分别达到88.89%、91.66%、85.72%，均大于85%，表明前两个主成分集中了5个指标的大部分特征信息。

(2) 其余主成分(PC₃—PC₅)的贡献率较低，仅为10%左右，且其载荷值的符号和数值都不太稳定，不能有效反映生态现象。

(3) 5个指标对前两个主成分的荷载值具有一定的规律性。如植被覆盖指数在前两主成分中均为正值，干度指标均为负值，这与它们对生态环境的正负影响情况正好相符，而在PC₃—PC₅中时正时负，不能合理解释生态现象。说明PC₁、PC₂已基本代表大部分指标的特征信息，能够综合反映研究区内的生态环境情况。

图 2为新生态环境指数影像。可见，2000—2018年NEI在35~55区间的区域由10.37%下降至1.59%，而在75~100区间的区域从12.08%上升至44.18%，且3年的NEI指数均值分别为64.914、65.498、72.906，表明阜新市的生态环境情况得到不断改善。

3.2 NEI与EI比较

为了对比NEI与EI，计算研究区2000与2009年的生物丰度指数和植被覆盖指数等指标信息，并计算EI，见表 2。

由表 2可知，EI与NEI在2000与2009年的指标值相差均接近5，EI指数偏高，但生态环境发展趋势相同。根据《规范》中生态环境状况分级可知，EI与NEI级别均为“良”。总体而言，EI与NEI具有一定的相似性。EI与NEI存在差异性的原因可能为EI的构建是采用固定的权重，而NEI是根据各指标的贡献程度客观确定权重，从而使得结果具有一定的差异性。由于NEI与EI的指标选取可比性较强，虽然指标构成并不完全相同，但结果的一致性较强，且结果也较接近。

4 结语

NEI中5个指标可通过遥感数据获得，能较全面地评价区域生态环境状况；通过主成分贡献值，客观决定各指标的权重大小，从而耦合成一个可综合反映区域生态环境状况的指标。

NEI的选取与《规范》中的指标具有较强的可比性，均反映出阜新市的生态环境情况得到了改善。但NEI不仅可作为一个指标综合反映区域生态环境，而且可实现区域生态环境可视化与实时化。

2000—2018年，阜新市的生态环境整体呈良好状态，但2018年处于“差”与“较差”级别的面积比例相比之前有所增加，主要位于东北部风沙地区及城市区域。因此，在加快城镇发展及资源转型过程中，不可忽略其对生态环境造成的影响。