引言

赣南地区是我国重要的脐橙主产区之一。自20世纪70年代开始种植脐橙以来，赣州市依托适宜的气候、地形和土壤条件，大力实施“兴果富农”等产业发展战略，推动脐橙种植规模持续扩大，逐步形成了以信丰县、安远县和寻乌县为代表的集中连片种植区。脐橙产业的发展有效带动了区域经济增长和农民增收，但大规模农业开发和土地利用方式变化也可能对区域生态环境产生深刻影响。因此，开展赣南脐橙主产区生态环境质量的动态监测与评价，对于科学掌握区域生态状况、优化果园布局以及推进农业与生态协调发展具有重要意义。生态环境质量评价方法大致可分为两类：一类是基于单因子变化的评价方法，如土地利用/覆盖变化、植被净初级生产力和植被覆盖度^[等指标分析；另一类是基于多因子综合集成的评价方法。与单因子方法相比，多因子综合评价能够更全面地刻画生态环境系统的整体状态，因而在区域生态环境监测中得到广泛应用。当前应用较多的综合评价方法主要包括我国《生态环境状况评价技术规范》中提出的生态指数（Ecological Index，EI）以及徐涵秋提出的遥感生态指数（Remote Sensing Ecological Index，RSEI）。其中，RSEI 利用绿度、湿度、干度和热度等生态相关指标，通过主成分分析实现指标耦合，能够在较少人为赋权干预的条件下较为客观地反映区域生态环境质量状况，因而已被广泛应用于流域、城市群、山区和生态功能区等不同尺度的生态环境监测研究。近年来，Google Earth Engine 平台在长时序遥感影像处理、云端计算与区域生态监测方面表现出显著优势，为大范围、多时期生态环境动态分析提供了高效技术支撑。已有研究多集中于城市扩张区、流域和典型生态脆弱区的生态环境变化分析，而针对特色农业主产区，尤其是赣南脐橙主产区生态环境质量长期演变过程的遥感定量研究仍相对较少。现有关于赣南脐橙的研究主要聚焦于种植面积变化、空间扩张和产业布局，对其生态环境质量时空演变及空间分异格局的系统研究尚显不足。基于此，本文以赣南脐橙三大主产区——信丰县、安远县和寻乌县为研究对象，依托GEE平台，选取2001-2022 年典型年份生长季Landsat影像，构建基于NDVI、WET、NDBSI和LST的RSEI，分析研究区生态环境质量的时间变化特征、空间分布格局及等级结构演变，以期为赣南脐橙主产区生态环境保护、农业景观优化和区域高质量发展提供科学依据。

1研究数据与方法

1.1研究数据

1.1.1研究数据

本文所用数据主要包括 Landsat 遥感影像、MODIS 地表温度产品、DEM 数据以及气象、人口和经济等辅助数据。其中，Landsat 数据用于提取绿度、湿度和干度指标，MODIS 数据用于表征热度指标，DEM及社会经济数据主要用于辅助分析研究区生态环境空间差异特征。

Landsat 遥感影像选取2001、2005、2009、2013、2018 和2022 年6—10 月生长季云量低于10% 的 Landsat5 TM 和 Landsat8 OLI/TIRS 地表反射率产品，空间分辨率为30 m。上述数据均来源于 GEE 平台，数据产品已完成辐射定标、大气校正和几何校正。为减弱云污染和单景影像不完整对结果的影响，本文在目标年份基础上，综合目标年及其前后相邻年份的同季节影像，通过云掩膜处理后生成合成影像，以提高时相代表性和影像质量。

热度指标数据采用 MODIS MOD11A28 d 合成陆表温度产品，原始空间分辨率为1 km。为便于与其他指标进行栅格运算和空间叠加分析，将其重采样至30 m 网格尺度，但其原始热红外信息空间尺度仍保持为1 km。研究区水体信息采用改进的归一化水体指数（Modified Normalized Difference Water Index，MNDWI）进行识别与剔除，以减少水体对湿度指标及综合评价结果的干扰。

辅助数据中，气象数据来自中国气象数据网，利用日值数据插值生成降水、年平均气温和年平均相对湿度栅格；人口和 GDP 空间分布数据来自中国科学院资源环境科学数据中心；DEM 数据来自 NASA SRTM 数据集。结合研究区实际地形特征，从 DEM 数据中提取高程、坡度和曲率等地形因子，并采用平均变点法提取地势幅值信息，以辅助解释研究区生态环境质量的空间分异特征。

1.1.2研究区概况

赣州市位于江西省南部，地理坐标范围为东经113°54′—116°38′、北纬24°29′—27°09′。该地区地处南岭、武夷山和诸广山三大山脉交汇地带，属于江南丘陵山地地貌区，地形起伏较大，山地和丘陵广泛分布。研究区位于中亚热带南缘，属亚热带季风气候，具有雨量充沛、热量丰富、光照条件较好、昼夜温差较大和无霜期较长等特点。区域土壤以酸性红壤为主，具备适宜脐橙种植的自然条件。

依托良好的生态本底与产业基础，赣州市逐步形成了较大规模的脐橙种植区，其中信丰县、安远县和寻乌县是赣南脐橙的典型主产区。三县在地形地貌、植被覆盖和城镇发展水平等方面具有一定差异，这为生态环境质量的空间比较研究提供了良好条件。因此，本文选取信丰县、安远县和寻乌县作为研究区域，对赣南脐橙主产区生态环境质量进行动态监测与评价。

三县之间以地势较高的山系作为行政边界，山系中间的低洼盆地就发展出了城市，信丰县的地势起伏较小，所以其城市面积较大。

1.2研究方法

1.2.1 RSEI指标选取与构建方法

遥感生态指数（RSEI）通常由绿度、湿度、干度和热度4 个能够综合反映地表生态环境状态的指标构成。结合研究区自然地理特征及数据可获取性，本文选取归一化植被指数（NDVI）表征绿度，缨帽变换湿度分量（WET）表征湿度，归一化裸土建筑指数（NDBSI）表征干度，地表温度（LST）表征热度。上述4 个指标共同构成赣南脐橙主产区生态环境质量评价指标体系。

1.2.2绿度指标（NDVI）

绿度反映植被覆盖程度及生长状况，是区域生态环境质量评价的重要指标。本文采用归一化植被指数（NDVI）表征绿度，其计算公式为：

式中，NIRNIRNIR 为近红外波段反射率，RedRedRed 为红光波段反射率。NDVI 值越大，表明植被覆盖状况越好，通常对应较优的生态环境质量。

1.2.3 湿度指标（WET）

湿度指标用于表征地表水分状况。本文采用缨帽变换（Tasseled Cap Transformation）所得湿度分量作为 WET 指标。缨帽变换能够有效提取地表亮度、绿度和湿度信息，其中第三分量通常用于反映湿度特征。不同 Landsat传感器的缨帽变换系数存在差异，本文根据相应传感器类型分别进行计算。WET 值越高，说明地表湿润程度越高，生态环境状况通常越好。

1.2.4 干度指标（NDBSI）

干度指标反映地表裸露程度及建设用地干扰强度。本文采用裸土指数（Soil Index，SI）与建筑指数（Index-based Built-up Index，IBI）的平均值构建归一化裸土建筑指数（NDBSI），以综合反映区域自然裸地和人为建设活动引起的干燥化特征。NDBSI 值越大，通常表明地表裸露和建设干扰程度越高，对生态环境质量的影响越不利。

1.3 热度指标（LST）

地表温度（Land Surface Temperature，LST）是反映地表热环境状态的重要参数，与地表能量平衡、水热条件及植被生长密切相关。本文采用 MOD11A2 产品提供的8d 平均陆表温度表征研究区热度特征。LST 值越高，通常表示热环境压力越大，对生态环境质量越不利。

1.4 指标归一化处理

由于 NDVI、WET、NDBSI 和 LST 的量纲和取值范围不同，在进行主成分分析前需对各指标进行归一化处理。本文采用极差标准化方法对各指标进行无量纲化处理，其公式为：

式中， 为指标归一化值，为原始指标值，和 分别为该指标的最小值和最大值。

1.5 RSEI 构建方法

在对4 个指标完成标准化后，采用主成分分析（Principal Component Analysis，PCA）提取综合生态信息。由于第一主成分（PC1）通常能够集成大部分原始变量信息，故以其作为 RSEI 构建的基础。考虑到绿度和湿度与生态环境质量呈正相关，而干度和热度与生态环境质量呈负相关，本文采用如下方式计算 RSEI 初始值：

为消除不同年份 PC1 数值范围差异的影响，对进一步进行归一化处理，得到最终遥感生态指数：

最终所得 RSEI取值范围为0-1，数值越大表示生态环境质量越好。

1.6生态环境质量等级划分

参考《生态环境评价技术规范》中基于RSEI的生态环境分级标准，将生态环境质量分为5个等级，见表1。

生态环境质量	差	较差	一般	良	优
RSEI值	0-0.2	0.2-0.4	0.4-0.6	0.6-0.8	0.8-1

2结果分析

2.1赣南脐橙主产区生态环境质量指数构建结果

对2001、2005、2009、2013、2018和2022年赣南脐橙主产区生长季NDVI、WET、LST和NDBSI进行主成分分析，结果如表2所示。各年份第一主成分贡献率均高于75%，说明PC1能够较好地集成4个指标的大部分信息，基于PC1构建 RSEI具有较好的合理性和适用性。其中，2005年PC1贡献率最高，为80.16%；其余年份PC1贡献率均稳定在75%以上，表明RSEI在研究区长期生态环境质量监测中具有较好的稳定性。

年份	特征值贡献率(%)				RSEI均值
	PC1	PC2	PC3	PC4
2022	75.79	21	2.98	0.23	0.7068
2018	76.91	20.26	2.62	0.2	0.6708
2013	75.9	22.75	1.21	0.23	0.6312
2009	76.88	18.8	4.13	0.2	0.6423
2005	80.16	15.39	4.3	0.14	0.6034
2001	75.39	18.79	5.55	0.18	0.415

从各年份 RSEI 均值变化来看，研究区生态环境质量总体呈改善趋势。2001 年 RSEI 均值为0.415，至2022 年增加至0.7068，21 年间增幅为0.2918。分阶段来看，2001-2005 年 RSEI 增长最为明显，由0.415 提升至0.6034，增幅为0.1884；2005-2009 年继续上升至0.6423；2009-2013 年略有下降，由0.6423下降至0.6312；2013-2018 年与2018—2022 年则再次呈现上升态势，分别提升至0.6708 和0.7068。总体上，赣南脐橙主产区生态环境质量在研究时段内表现出“改善—改善—轻微波动—持续改善”的变化特征。

2.2赣南脐橙主产区生态环境质量时空格局特征

图7展示了2001-2022 年赣南脐橙主产区 RSEI 的空间分布格局。从时间演变上看，研究区生态环境质量总体呈提升趋势，各年份RSEI均值分别为0.415、0.6034、0.6423、0.6312、0.6708和0.7068，表明近21年来研究区生态环境状况整体趋于改善。尽管2009-2013年间RSEI均值出现小幅下降，但长期趋势仍以提升为主。

从空间分布特征看，研究区生态环境质量高值区主要分布于地势较高、植被覆盖较好且人类活动扰动相对较弱的山地丘陵区域；低值区则主要集中于城镇建设较密集、地表开发强度较高的区域。县域比较结果表明，安远县东部及寻乌县部分区域生态环境质量整体较好，而信丰县城镇分布较为集中的区域生态环境质量相对较低。整体上，研究区生态环境质量呈现出南部优于北部、东部优于西部的空间分异格局。

这一空间格局在一定程度上反映了地形条件、植被覆盖状况及人为活动强度的共同作用。地势较高区域通常具有更高的森林覆盖率和更低的建设开发强度，生态环境质量相对较优；而城镇集中区和交通通达性较高区域更容易受到建设活动和土地利用变化影响，从而表现出较低的生态环境质量。

2.3生态环境质量等级结构变化特征

各年份不同生态环境质量等级面积占比结果如表3所示。2001 年研究区生态环境质量以“较差”和“一般”等级为主，两者面积占比之和超过88%，而“优”和“良”等级面积占比较低，约为10%。至2005 年，研究区生态环境质量明显提升，“一般”和“良”等级面积占比接近80%，其中“优”等级面积占比接近10%。2009 年和2013 年，研究区生态环境质量仍以“一般”和“良”等级为主，但“优”等级面积在2013 年相较2009 年有所下降，与该阶段 RSEI 均值的小幅波动相一致。2018 年和2022 年，研究区“优”和“良”等级面积持续扩大，2022 年两者面积占比之和已超过78%，其中“优”等级面积占比达到29.0630%，表明研究区生态环境质量结构由中低等级逐步向中高等级转变。

进一步来看，“差”和“较差”等级面积总体呈减少趋势，尤其在2001-2005 年间下降最为明显；“一般”等级面积总体呈波动下降趋势；“良”等级面积整体上升，并逐渐成为研究区占主导地位的生态环境质量等级；“优”等级面积总体增长，反映出研究区高生态质量区域不断扩展。研究区生态环境质量等级结构的这种演变特征，说明赣南脐橙主产区生态环境质量在整体改善的同时，内部空间格局也在持续优化。

	各年份不同生态环境质量占比情况(%)
生态环境质量等级	2001	2005	2009	2013	2018	2022
差	1.72	0.26	0.36	0.09	0.0927	0.1757
较差	48.03	10.64	7.02	4.21	4.3589	2.6625
一般	40.77	36.91	30.53	36.38	26.1869	18.8878
良	9.08	42.42	45.30	48.26	49.2702	49.2110
优	0.41	9.76	16.78	11.05	20.0914	29.0630

2.4 RSEI 分布曲线与面积变化分析

从2001-2022 年 RSEI 分布曲线变化特征来看，2001 年研究区 RSEI 曲线峰值主要集中在0.2-0.4 区间，表明该时期生态环境质量整体偏低；2005 年、2009 年和2013 年的曲线峰值逐步向0.6-0.8 区间移动，说明研究区生态环境质量总体提升并趋于“良”等级；2018 年和2022 年曲线峰值进一步向高值区间靠近，且高值区面积明显扩大，表明研究区生态环境质量持续改善。

结合各等级面积变化情况可以看出，2001-2022 年间，“优”等级面积总体增加，尽管2009-2013 年出现阶段性回落，但长期趋势仍以增长为主；“差”等级面积显著减少，尤其在2001-2005 年减少最为明显；“较差”等级面积总体下降，但2013-2018 年间出现轻微波动；“一般”等级面积整体呈下降趋势；“良”等级面积则持续增加，并逐步成为研究区生态环境质量的主体等级。这表明赣南脐橙主产区生态环境质量在研究期内经历了由中低等级向中高等级转变的过程，区域整体生态环境状况不断改善。

2.5结果讨论

本文基于 RSEI 对赣南脐橙主产区2001-2022 年生态环境质量进行了长时序监测，结果表明研究区生态环境质量整体呈改善趋势。这一变化可能与区域生态保护力度增强、植被恢复水平提升以及部分地区土地利用结构优化等因素有关。同时，研究区内生态环境质量在空间上表现出明显差异，表明地形地貌条件、植被覆盖状况及人类活动强度对区域生态环境格局具有重要影响。

需要指出的是，本文采用离散年份代表研究时段生态环境变化过程，能够较好刻画长期演变趋势，但对年际尺度波动特征的反映仍存在一定局限。另一方面，RSEI 虽然能够综合表征生态环境质量，但其主要依赖遥感信息，对于社会经济因素、土地利用政策和果园经营方式变化等驱动机制的揭示仍较为有限。因此，后续研究可在本研究基础上进一步结合土地利用变化、人口密度、交通条件、气象因子及社会经济统计数据，采用地理探测器、空间回归等方法开展驱动机制定量分析，以提高对区域生态环境变化成因的解释能力。

3结论

本文基于 Google Earth Engine 平台，选取2001、2005、2009、2013、2018 和2022 年生长季 Landsat 遥感影像，构建 NDVI、WET、NDBSI 和 LST4 个指标，采用主成分分析方法建立赣南脐橙主产区遥感生态指数（RSEI），对信丰县、安远县和寻乌县生态环境质量进行了长时序监测与评价，主要结论如下：

（1）各年份第一主成分贡献率均大于75%，平均贡献率较高，说明 PC1 能够较好集成 NDVI、WET、NDBSI 和 LST4 个指标的主要生态信息，基于上述指标构建的 RSEI 在赣南脐橙主产区具有较好的适用性。

（2）2001-2022 年赣南脐橙主产区 RSEI 均值由0.415 增加至0.7068，总体呈上升趋势，表明研究区生态环境质量整体持续改善。其中，2001-2005 年为生态环境质量提升最为显著的阶段，2005 年之后虽存在一定波动，但总体仍保持改善态势。

（3）从空间格局看，研究区生态环境质量以“良”等级为主，高值区主要分布于地势较高、植被覆盖较好的区域，低值区主要集中于城镇建设较密集区域。整体上，研究区生态环境质量表现出南部优于北部、东部优于西部的空间分异特征。

（4）从等级结构变化看，2001-2022 年间“优”和“良”等级面积总体增加，“差”和“较差”等级面积总体减少，表明赣南脐橙主产区生态环境质量结构持续优化，区域生态状况逐步向较高等级演进。

4 不足与展望

本文基于长时序遥感数据对赣南脐橙主产区生态环境质量进行了动态监测，较为系统地揭示了研究区生态环境质量的时间变化趋势和空间分布格局，但仍存在以下不足：

（1）本文主要从 RSEI角度对生态环境质量进行综合评价，尚未对地形、气候、土地利用变化、人口密度和经济发展水平等潜在驱动因素开展定量识别与作用机制分析。

（2）研究中采用典型年份进行阶段性监测，虽能够反映长期演变趋势，但对连续年份生态环境波动过程的刻画仍不够充分。

（3）本文结果主要基于遥感综合指标进行评价，尚缺乏地面生态调查数据或其他独立评价结果的精度验证。

未来研究可进一步结合更高时间分辨率遥感数据、多源地理环境数据及社会经济数据，引入地理探测器、空间计量模型等方法，对赣南脐橙主产区生态环境质量演变的驱动机制进行定量分析；同时，结合果园扩张、退果还林和城镇化过程，深入探讨产业发展与生态环境质量变化之间的耦合关系，为特色农业主产区生态保护与可持续发展提供更有力的科学支撑。

参考文献：

1. [1] 谢芳,邱国玉,尹婧,等.泾河流域40年的土地利用/覆盖变化分区对比研究[J].自然资源学报,2009,24(08):1354-1365.
2. [2] 陈福军,沈彦俊,李倩,等.中国陆地生态系统近30年NPP时空变化研究[J].地理科学,2011,31(11):1409-1414.
3. [3] 王志成,刘新华,贾付生,等.近10a阿克苏流域植被覆盖时空演变特征及影响因素[J].长江科学院院报,2017,34(09):24-28.
4. [4] 高鹏文,阿里木江·卡斯木,图尔荪阿依·如孜,等.哈密市生态环境效益时空分析[J].干旱区研究,2020,37(04):1057-1067.
5. [5] 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(05):889-897.
6. [6] 王丽霞,赵蕊,刘招,等.基于RSEI的延河流域生态环境质量监测与预估[J].干旱区研究,2022,39(03):943-954.
7. [7]田甜,刘丽娟,王萃.基于长时序Landsat遥感影像的赣南脐橙时空变化分析[J].河南科技,2022,41(09):119-122.
8. [8] 张静,杨丽萍,贡恩军,等.基于谷歌地球引擎和改进型遥感生态指数的西安市生态环境质量动态监测[J].生态学报,2023,43(05):2114-2127.
9. [9] Haoran Y, Chaonan C, Qingdong D, et al. Analysis of spatial heterogeneity and influencing factors of ecological environment quality in China’s North-South transitional zone[J]. International journal of environmental research and public health,2022,19(04):2236.
10. [10]颜科,刘瑞,杨远陶.基于RSEI的大熊猫国家公园生态环境评价[J].地理空间信息,2022,20(04):26-30.
11. [11]章程焱,杨少康,董晓华,等.基于RSEI指数的长江上游流域生态环境质量时空演变及影响因子研究[J].水土保持研究,2023,30(01):356-363.