松遼流域生態環境時空動態評價及驅動因素分析

邢艷春，甯 珂，李雪蘭

(1.吉林財經大學 統計學院，吉林 長春 130117；2.成都理工大學 工程技術學院，四川 樂山 614000)

1 研究背景

流域生態系統是由一個水系所聯通的社會、經濟、自然的復合生態系統，是生物多樣性的聚集地，也是人類生產生活的重要場所。當流域某一處生態環境遭到破壞時，整個流域的生態環境健康以及區域社會經濟的發展將會受到影響。及時有效的評估流域生態環境質量時空變化并分析其驅動因素對于制定流域協同性保護十分重要。

由于其數據獲取方便、成本低、地表信息連續覆蓋、數據具有可比性等優點，遙感技術已成為流域生態環境監測與評價可視化的有效手段[1]。例如：Shi等[2]在2017年通過MODIS產品在提取增強化歸一化植被指數(EVI)用于識別流域植被生產力狀況。采用修正的歸一化差異水體指數(MNDWI)研究流域內濕地動態演化[3]。歸一化差分裸土指數(NDBSI)可以有效區分流域區建筑物[4]。然而，影響流域的生態環境質量的因素是復雜多樣的，僅采用單一的生態指標會產生生態系統評估上的誤差。為改進流域生態環境質量監測和評價方法，越來越多的研究者聚合多種生態環境指標進行評估。早期聚合多種生態環境指標方法，一般采用層次分析法[5]、熵權法[6]、耦合協調度(CCD)模型[7]等綜合指數評價法對生態環境進行量化評估。但因權重賦予沒有科學規范的標準，往往受主觀因素影響較大。Xu等[8]提出了一種完全基于遙感數據的遙感生態指數(RSEI)。該方法將綠度、濕度、干度、熱度四個指標通過主成分分析方法(PCA)結合提取特征值，不僅消除了單一指標的局限性，還解決了權重選擇的主觀性，已成為評估復雜生態系統生態狀況的首選方案[8]。早期的RSEI構建需要對衛星數據進行下載、處理、疊加等操作，此過程會產生一些系統性錯誤并需要大量時間。本研究集成了數據采集、數據預處理、誤差分析、在GEE(谷歌地球引擎)平臺上繪制結果。該平臺一些數據集(如 Landsat 系列和 MODIS 產品數據系列)已經過輻射校準或大氣校正處理。與傳統的遙感影像處理軟件相比，GEE平臺更適用于大規模遙感影像的構建和生態環境質量評價，提高評價的準確性，同時節省研究時間。

松遼流域是中國生態安全屏障建設的重要戰略要地，特殊的地理環境為珍稀動植物提供了優良的生存空間，保護流域生態環境對維持大環境下生態系統穩定和維護生物多樣性具有重要意義[9]。本研究基于GEE平臺，從MODIS數據中提取了四個廣泛應用的生態指標，使用主成分分析方法，對松遼流域的生態環境質量進行評價，探究其空間分布格局和時空變化，并揭示了松遼流域生態環境質量變化的驅動因素。

2 研究方法

2.1 研究區域松遼流域(115°31′E-135°9′E，38°35′N-53°35′N)泛指中國東北地區，是我國九大流域片之一。該片區橫跨遼、吉、黑、蒙、冀五省，包含了遼河、松花江兩大水系，輻射總面積約77×104km2[10]。松遼流域南部瀕臨渤海和黃海，西、北、東部環繞大興安嶺、小興安嶺和長白山三大山系。中、南部形成寬闊的遼河平原、松嫩平原，東北部為三江平原。該區域不僅是氣候變化的敏感區和重要的碳匯區，也是我國沼澤濕地最豐富、最集中的區域之一。松遼流域地理概況見圖1。

圖1 松遼河流域地理概況Fig.1 Geographical overview of the Songliao River Basin

2.2 數據來源

2.2.1 MODIS數據集 MODIS數據集是美國宇航局基于美國地球觀測系統(EOS)計劃中用于觀測全球生物和物理過程的大型空間遙感儀器長期觀測全球生物和物理過程產生的影像數據。

本研究用于構建RSEI的4個輸入量：綠度(Greenness，EVI)、濕度(Wetness，WET)、熱度(Heat，LST)和干度(Dryness，NDSI)[11-13]，所使用的數據通過調用GEE平臺數據庫提供的MODIS系列，包括分別來自MOD13A1、MOD09A1、MOD11A2和MOD09A1獲得(表1)。

表1 RSEI模型的生態指標數據來源Table 1 Data source of ecological indicators for constructing RSEI model

2.2.2 生態環境質量及驅動力分析數據 生態環境質量及驅動力分析包含自然因素、人為因素兩個維度，涉及松遼流域的降雨、氣溫、蒸發量、水資源量、區域人口密度和生態治理狀況等方面。松遼流域的土地利用數據、矢量邊界數據、數字高程模型數據(DEM)來源于中國科學院地理科學與資源研究所資源環境科學與數據中心。松遼流域氣象數據來源于國家氣象科學數據共享服務平臺，獲取了研究區各氣象站點的年均降水量、均溫、蒸發量。松遼流域社會經濟數據、生態治理狀況等數據來源于國家統計局地方統計年鑒和政策文件(表2)。

表2 其他數據來源Table 2 other data sources

2.3 模型構建遙感生態指數模型是僅依托遙感技術提取信息、可集成多種生態指標、快速評估區域生態狀況的聚合指數[13]。該方法選取自然生態環境的4個重要指標作為擬建生態指數的評價指標，即綠度、濕度、熱度和干度，通過對與生態環境密切相關的生態指標進行數據預處理(歸一化)，消除由于量綱不同造成的差異后，用主成分分析法(PCA)確定各指標的權重，建立遙感生態指數評價模型[14]。

生態環境質量受多方面因素影響和作用。其中，綠度(代表植被)、濕度(代表土壤水分)、干度(代表建筑物)和熱度(代表溫度)，不僅與生態系統緊密相關，同時也是使人們直觀感受生態環境好壞的重要因素[13]。因此，本文構建RSEI遙感生態指數模型，函數表達式為：

RSEI=f(G1，M1，D1，H1)

(1)

式中：G1代表綠度指標(Greennes)；M1代表濕度指標(Moisture)；D1代表干度指標(Dryness)；H1代表熱度指標(Heat)。

2.3.1 綠度指標(Greennes) 本研究的綠度指標用增強植被指數(Enhanced Vegetation Index，EVI)表示。增強植被指數是歸一化植被指數的一種改進算法[15]。對比歸一化植被指數(NDVI)，該指標提高了對稀疏植被探測的靈敏度，減少了大氣和土壤噪音對信息提取的干擾，盡可能減少由于大氣或者植被生長地表所造成的誤差。EVI的數據在測量茂密的植被區域，以及在大多數類似情況下能減輕飽和度。由于該指標能夠穩定地反應所測地區植被的情況，目前已廣泛的應用于區域地表植被空間變化規律的探索。

計算公式為：

(2)

式中：ρNIR為近紅外波段反射率；ρR為紅光波段反射率；ρβ為藍光波段反射率。

2.3.2 濕度指標(Moisture) 土壤水分能較好的反映區域動植物在土壤中的基本濕度狀況，在氣候、環境、生態等研究與應用起著重要作用，是監測地表環境的重要指標。松遼流域的綜合濕度，遙感技術中纓帽變換的濕度分量能夠很好反應。本研究采用纓帽變換當中的濕度分量來代表濕度指標通過MODIS反射率數據。公式為：

WETTM=0.0315ρblue+0.2021ρgreen+0.3102ρred+0.1594ρNIR-0.6806ρSWIR1-0.6109ρSWIR2

WETOLI=0.1511ρblue+0.1973ρgreen+0.3283ρred+0.3407ρNIR-0.7117ρSWIR1-0.4559ρSWIR2

(3)

式中：ρblue為MODIS影像的藍波段；ρgreen為綠波段1；ρred為紅波段；ρNIR為近紅外波段；ρSWIR1為短紅外波段1；ρSWIR2為短紅外波段2。

2.3.3 干度指標(Dryness) 土壤干化會對區域生態環境造成惡劣的影響，進而破壞整個生態系統[16]。因此，本研究選用裸土指數(Soil Index，SI)和建筑物指數(Index-based Built-up Index，IBI)組合為歸一化干度指數((Normalied Difference Soil Index，NDSI)來反映土壤干化程度。公式為：

歸一化干度指數(NDSI)：

NDSI=(SI+IBS)/2

(4)

建筑指數(IBI)：

IBI=IBI1/IBI2

(5)

(6)

(7)

裸土指數(SI)：

SI=(ρSWIR1-ρR-ρNIR1-ρB)/(ρSWIR1-ρR+ρNIR1+ρB)

(8)

式中：ρB、ρG、ρR、ρSWIR1分別為MODIS數據的藍、綠、紅、近紅外1、短波紅外波段1的反射率數據。

2.3.4 熱度指標(Heat) 生態環境地表溫度與生態環境與人文社會經濟發展密切相關。遙感技術中通常運用大氣校正法、單窗算法和單通道算法等方法獲取ρNIR地表溫度[17-19]。研究發現，大氣校正法反演的地表溫度與實際測量地表溫度誤差在1 ℃之內[20]，所以本研究采用大氣校正法反演的陸地地表溫度(Land Surface Temperature，LST)代表松遼流域熱度指標。公式如下：

LST=T/[1+(λT/ρ)lnε]-273.15

(9)

式中：T表示傳感器熱度值；λ代表熱紅外波段中心波長；ρ為常數1.438×10-2mK；ε代表地表比輻射率。

2.3.5 主成分分析(PCA) 主成分分析法(Principal Componens Analysis)也稱主量分析。主成分分析法是利用降維的思想，在損失很少信息量的前提下，把多個指標轉化為幾個綜合指標的多元統計方法[21]。主成分分析法的運算步驟：①對原始數據進行標準化處理(歸一化處理)；②計算相關系數矩陣R；③計算特征值和特征向量；④選擇k個主成分，計算綜合評價值。加權求和公式：

(10)

式中：P為生態綜合指數；ei(i=1，2，…，k)為某一主成分的方差貢獻率；k為選取的主成分個數；pci表示對應的第i個主成分。

2.4 基于GEE 的數據預處理

2.4.1 去除云像元 MODIS遙感影像中會出現云遮擋，會對影像中指標數據提取造成誤差。在進行數據提取前需要對目標年份影像進行去云和去除不好質量的影像[22]。

本研究基于GEE編程，篩選目標年份前一年以及下一年的遙感影像通過官方提供的MODIS云掩膜算法，對符合條件的影像數據集去除有云像元，以無云像元中值合成松遼流域內目標監測期植被生長期最小云量影像[23]。

2.4.2 水體掩膜 松遼流域內湖泊眾多，河流主干道常年流水[10]。水體會影響區域土壤濕度指標的監測，從而影響主成分的荷載分布[24]。因此，我們對該階段松遼流域內大面積水域進行掩膜。本研究采用修正的歸一化差異水體指數(MNDWI)，提取研究區的水體，并對水體進行掩膜。公式為：

MNDWI=(ρG-ρSWIR1)/(ρG+ρSWIR1)

(11)

式中：ρG為綠光波段反射率；ρSWIR1為短波紅外波段1反射率。

2.4.3 遙感生態指數計算 經過除云、水體掩膜，指標正向歸一化處理后，本文通過GEE平臺將目標年份的綠度、濕度、熱度和干度4個指標進行主成分分析，獲得加權后的初始RSEI0，計算公式為：

RSEI0=1-PC1[f(EVI，WET，NDSI，LST)]

(12)

式中：PC1為第1主成分，f為對4個指標進行正向歸一化處理，同樣對RSEI0進行正向歸一化處理，得到最終的RSEI值，見式(13)。其值介于[0，1]之間，RSEI值越接近于1，表示生態環境質量越好。

RSEI=(RESI0-RSEI0min)/(RESI0max-RSEI0min)

(13)

式中：RESI0min、RESI0max為目標年份的RESI0最小值和最大值；RESI為最終的遙感生態指數。

2.4.4 動態變化分析 本研究參考《生態環境狀況評價技術規范(試行)》(HJ/T192-2006)中劃分方法，將松遼流域生態環境質量指數劃分為5個生態等級(優、良、中、較差、差)，RSEI指數越大說明生態環境質量越好，反之說明生態質量越差。

動態變化分析是按照時間的維度，對某一數據或者不同數據變化趨勢進行差異化研究的分析方法，也可以對數據的未來變化進行預測，即現狀分析和預測分析。本研究在由GEE平臺輸出的RSEI柵格數據基礎上，在Arcgis軟件中調用柵格計算器工具，通過柵格作差的方式得到3個時段的RSEI指數變化趨勢。吳宜進等[11]以正值代表“Better”，負值代表“Worse”，0則代表“Unchanged”，從而全面分析松遼流域20年以來的生態變化趨勢。

3 生態環境評價

3.1 主成分分析模型評估松遼流域研究不同階段的遙感生態指數是根據四個指標的貢獻度對PC1進行評分計算得出的。由表3可知，松遼流域研究不同階段PC1在研究年份的四個PC中具有最大的特征值，且第一主成分貢獻率ECR(pc1%)比例在 88% 到 90% 之間，表明PC1與PC2、PC3和PC4相比，收集了四個指標中最多的變異信息(表3)。PC1可以最大限度地集中各個指標的特征，合理解釋生態現象，因此可以用來創建RSEI。

表3 四個變量對第一主成分(PC1)的貢獻Table 3 The contribution of four variables to the first principal component(PC1)

此外，PC1中的四個指標根據其符號分為兩類，一類是EVI和WET，另一類是LST和NDBI。這兩個類別的相反跡象表明它們對生態狀況的貢獻是相反的。代表綠度的EVI和代表濕度的WET對生態環境表現出很強的正向作用。代表熱度的LST和代表干度的NDSI在PC1中呈負值，表明其對生態環境呈負向作用，與實際相符。ε表示以第一主成分建立回歸方程的隨意擾動項。

由此可建立以RSEI0為因變量的主成分分析回歸方程：

(14)

(15)

3.2 松遼流域生態環境遙感指數評價松遼流域RSEI的空間分布來看，松遼流域局部地區屬于生態脆弱區，呈“東北優，西南差”的空間分布格局，生態環境整體優良。

2000年松遼流域RSEI平均值為0.6145(SD=0.2211)。2010年，該區域RSEI值有上升，平均值為0.6547(SD=0.2010)。2020年，該區域RSEI平均值有下降，為0.6539(SD=0.1906)。

2000年松遼流域區域生態質量有57 295 km2為差等級區域，占總面積的4.62%；2010年差等級區域面積僅為31 073 km2，占2.50%；2020年差等級區域較差質量區域僅為2.32%。2000年松遼流域區域生態質量最好的區域占28.78%；2010年生態質量最好的區域占33.23%，有很大的改善。但是到2020年，生態質量最好的區域僅占29.38%，退化了47 873 km2(圖2)。

圖2 松遼流域RSEI圖及土地利用情況Fig.2 RSEI map and land use in Songliao Basin

3.3 松遼流域生態環境遙感指數分量指標研究構成RSEI的四個指標分別為EVI、WET、LST和NDBI，并且GEE平臺的運算結果中包含各分量指標的相關信息。對各分量指標時空特征的分析有助于理解RSEI指數的形成機理。EVI綠度指標在2000—2020年間逐個時段都呈現上升趨勢，植被覆蓋度的逐年變高，尤其是松遼流域東南部在2000—2010年期間上升明顯(圖3(a)—圖3(c))。WET濕度指標在2000—2020期間呈緩慢升高態勢，但變化不甚明顯，從分布特征來看西部地區明顯低于其余地區(圖3(d)—圖3(f))。LST熱度指標在2000—2020期間時空差異較大，LST呈現出西南部較高，漸次向其他方向降低的空間特征(圖3(g)—圖3(i))，各十年間該指標變化明顯，主要體現在西南部棕色色斑逐年縮小。NDBI干度指標同LST時空分布特征相似，主要區別在于，NDBI在松遼流域北部地區起伏明顯，第一個十年該區域指標呈下降趨勢，但在第二個十年該區域又有一定上升，可能與一些地區過度開采有關(圖3(j)—圖3(l))。

圖3 RSEI各分量指標的時空特征分析Fig.3 Spatial-temporal characteristics analysis of RSEI component indicators

4 驅動因素分析

4.1 松遼流域生態環境遙感變化趨勢2000年、2010年、2020年較差等級及以下面積占比分別為21.62%，14.09%，12.47%。對比2000年與2010年，松遼流域整個區域有355 585 km2的土地生態環境質量變得更好。但是，有60 155 km2的土地生態質量有不同程度的退化。2010年與2020年對比，有13.70%的土地退化，最明顯的區域在內蒙古管轄范圍的呼倫湖附近(圖4)。從2000—2010年，松遼流域整體生態環境有大幅度提升，其中有28.66%的面積得以恢復。從2010—2020年，松遼流域整體生態環境修復程度放緩，此階段有14.79%生態好轉。此外，此階段有71.51%的土地維持不變，13.70%的土地退化。比上一個十年，內蒙古呼倫湖區域和遼寧沈陽市附近區域退化更為明顯(圖4)。

圖4 松遼流域RSEI每隔10年時空變化趨勢Fig.4 Spatial-temporal trend of RSEI in Songliao Basin every 10 years

4.2 自然、社會經濟和政策因素東北區是中國強大的工業基地，形成了以鋼鐵、機械、石油、化工等為核心的工業體系。工業區由南向北逐步推進，以鋼鐵為核心的沈陽—撫順—鞍山—本溪重工業區，以機械、化工為主的旅大工業區，以煤炭、化工等為主的遼西走廊工業區，以機械、化工、造紙等為主的長春—吉林中部工業區，以電機、石油、機械工業等為主的哈爾濱—大慶—齊齊哈爾工業區，以煤炭—森林工業為主的黑龍江西部工業區等[25]。1990年代，以東北區為代表的我國一大批老工業基地發展出現不同程度緩慢增長稱為“東北現象”[26]。東北地區經濟增長疲軟，GDP總量和增速排位都急劇降低。東北積極進行產業結構調整后，由新動能、新產業為核心的綠色健康經濟增長模式替代長期以資源消耗、環境損害為代價的粗放式經濟增長模式。而正是這一產業結構調整給予了生態系統自我恢復的時間，2000—2010年松遼流域中部和南部以各重工業基地為核心的周邊生態都得到了一定的恢復。由此整體來看，第一個十年松遼流域生態整體向好發展。

而位于松遼流域的中部地區內蒙古通遼市科爾沁附近，由于2010—2020年“三北”防護人工林工程保護和管理措施更加模式化和標準化，松遼流域的林地經過破壞后逐漸開始生態修復的進程。重點治理的通遼市科爾沁大沙地通過一系列人工造林、封山育林和工程固沙等措施，增強了地表的固沙能力，顯著改善了該區域的生態環境。

2000年，國家正式實施天然林保護工程，木材產量大幅調減。松遼流域北部以及位于黑龍江省小興安嶺腹地的伊春為林地及草地覆蓋區，該區域作為以前的老林場，自2000年天然保護林工程啟動以來成功卓越，2011年停止森林主伐，2013年又全面停止商業性采伐。國家對生態保護的政策實施對生態環境質量評估有明顯的正向影響，所以從圖2松遼流域RSEI圖中也反應出來，上述區域的生態環境整體也呈現優良狀態。

但2010—2020年隨著整體經濟的飛速發展，城市經濟密度提高、城市人口密度和規模的擴大以及區域人口數量的增長[26-27]，由于人口的增加和糧食需求的增加，開墾耕地增加，加快了草地、林地、沼澤地的開墾，對生態環境造成了一定壓力致使遼寧沈陽市附近區域退化明顯。

內蒙古自治區在第二個十年，生態環境退化明顯(圖4)，內蒙古自治區是全國煤炭產量最大的省區，相關研究[28]顯示人類活動干擾是生態環境惡化的主因。內蒙古農牧交錯區，灌溉耗水、過度放牧是影響生態環境質量的主要因素，特別是灌溉耗水解釋了該區域湖泊消退的近8成的面積變化。而在草原區，生態環境持續惡化原因主要來自煤炭開采，內蒙古自治區礦山開采征占用草原的現象長期存在。2016年中央環境保護督察反饋意見就曾指出，內蒙古自治區多年來礦產資源開發利用粗放，對生態環境造成嚴重破壞，“開一處礦山、毀一片草原、損一方生態”現象突出。

4.3 松遼流域土地利用覆蓋變化因素土地利用覆蓋變化(LUCC)直接造成了陸地表面物理特性的變化，改變了陸表和大氣之間的能量以及物質交換，影響了地表的能量平衡，進而對區域生態環境產生重要影響(松遼流域土地利用分類時空變化見圖5)。如農業的擴張(水稻種植)、城市化過程、森林的退化等都是溫室氣體CH4的直接來源；耕地增加同灌溉用水的增加如影隨形，在大多數干旱地區，每公頃灌溉作物需要消費10000 t的水分[29]。由于陡然增加的灌溉用水量導致地下水超采問題顯著，地下水水位下降會引起地下水水質惡化、枯竭等一系列的環境問題影響生態環境評分。相應的濕地、林地、湖泊、森林等土地利用類型的增加對于生態環境質量的改善有很大的幫助[30-33]。

圖5 松遼流域土地利用分類時空變化情況Fig.5 Spatial-temporal changes of land use classification in the Songliao River Basin

松遼流域人類用地，從2000年的28 693 km2增長到了2020年的36 776 km2，人類用地擴張了8 083 km2(表4)。主要集中在松遼流域的南部，特別是遼寧省，人類活動加劇，占比排行第五人類用地一直呈穩定上升趨勢，這意味著生活、生產要素向城鎮集中，還伴隨有工廠等大量工業設施，工業聚集和人口聚集從生產和生活兩個方面加劇了城鎮的環境污染，造成遼寧管轄區域生態環境質量退化。

表4 松遼流域土地利用覆被變化分析結果Table 4 Result of LUCC trend analysis in Songliao Basin

20年間，松遼流域的耕地面積占比從29.85%上升到30.88%，增長面積12 746 km2。在2000—2010年間，水田面積增加了5 184 km2，旱地面積減少了778 km2。在2010—2020年間，水田面積增加了13 259 km2，旱地面積減少了4 919 km2(表4)。另外受到平原系統地下水位下降、農田開墾等影響，2010—2020年，松遼流域的灘涂面積從2.41%下降到2.13%，減少了5 154 km2(表4)。

2000—2020年，高蓋度草地面積減少了3 460 km2，草地減少的分布區域主要在黑龍江、吉林、遼寧與內蒙古東部交接地帶的半干旱、半濕潤的草原地區，包括呼倫貝爾市、興安盟附近的草原。盲目的耕地擴展也加速了草原土地沙化和鹽漬化。從2000—2020年，沙地增加了428 km2(表4)。草場的退化、沙化、造成了呼倫貝爾草原生態環境逐漸惡化，使得在RSEI評價中，該區域生態環境質量等級為差或者較差的面積占比較多。

4.4 水量平衡因素從水量平衡角度看，東北黑土地區水資源補給量變化不顯著，而水資源短缺有加劇之勢。本研究從國家氣象科學數據共享服務平臺獲取松遼流域降水和均溫。由于東北水資源補給主要依靠大氣降水，由圖6知松遼流域地區降水量整體呈上升趨勢，但變化不顯著。溫度呈現在波動中緩慢上升的狀態，溫度和降水呈現同方向變化趨勢，由此可知東北地區大氣降水變化不顯著。但隨著耕地結構的變化方向由旱地向水田轉化，灌溉用水量的增加直接導致了地下水開采量的增加，一定程度上造成了地下水水位下降趨勢明顯。地下水大幅度的下降，會引起地下水水質惡化、枯竭等一系列的環境問題影響生態環境評分，更嚴重的還會誘發地面塌陷、地裂等地質巨變。據統計[34-35]，相比2001年用于農業的地下水開采量，東北地區2016年增加了16%，達到了2.65×1010m3，而地下水埋深增加的區域主要集中于三江平原東部，以及遼河平原西部等地區。亦可佐證圖3中，該區域2010—2020年生態遙感指數RSEI相對變差。

圖6 松遼流域2000—2020降水均溫趨勢Fig.6 Average temperature trend of precipitation in Songliao River Basin from 2000 to 2020

5 結論與展望

5.1 結論2000—2020年20年間，松遼流域的生態環境呈“東北優，西南差”的空間分布，質量整體優良，局部地區生態脆弱。整體呈變好趨勢，局部區域生態退化明顯。2010—2020年生態環境退化明顯的區域主要集中在內蒙古呼倫湖區域、三江平原東部，以及遼河平原西部等地區。

自然、社會經濟和人為政策共同驅動影響松遼流域的生態質量變化。2000—2010年松遼流域中部和南部以各重工業基地為核心的周邊生態恢復主要是因為東北工業進行產業結構調整給予了生態系統自我恢復的時間；2010—2020年松遼流域的中部地區和內蒙古通遼市科爾沁附近的生態恢復歸功于國家環保政策的實施；內蒙古自治區2010—2020年的生態退化地區的主要驅動因子是過度的礦產開發和灌溉耗水。說明人類的社會經濟生產活動和環保政策的實施對于生態環境的質量評估有至關重要的作用，我們應該加大生態環境治理力度，加強工業污染治理監管力度。

結合土地利用類型覆被的分類結果和水量平衡變化來看。2010—2020年人類活動加劇城鎮建設用地增加主導了遼寧管轄區域生態環境的退化。而草場的退化和沙化造成了呼倫貝爾草原生態環境逐漸惡化，致使內蒙古東部與呼倫貝爾生態評級較差。松遼流域耕地結構由旱地向水田轉化致使三江平原東部，以及遼河平原西部地下水埋深增加、水量平衡失衡，生態遙感指數評級降低。

5.2 展望由于松遼流域1900—2000年的生態因為開墾、采礦等活動變化程度更劇烈。但是MODIS數據從2000年開始才有記錄。本研究的方法對于2000年之前的變化分析存在局限。未來的研究可以針對松遼流域已識別出的生態變化敏感區采用Landsat數據進行小尺度長時序的生態環境質量的評估。此外，開墾、采礦等人為活動干擾不僅會破壞陸地植被，會造成土壤貧瘠、土壤重金屬污染、地下水抑制、生物多樣性減少和大氣污染。之后研究可以從土壤重金屬含量、土壤養分、生物多樣性、大氣塵埃等方面[36]采集地理對象的位置和形態的空間數據結合相關人為活動因素做驅動因素分析，提出關于土地、大氣生態恢復的建議。