高原河谷城市植被时空变化及其影响因素——以青海省西宁市为例

高 云,谢苗苗,付梅臣,曹翊坤

(中国地质大学(北京) 土地科学技术学院, 北京 100083)

高原河谷城市植被时空变化及其影响因素
——以青海省西宁市为例

高 云,谢苗苗*,付梅臣,曹翊坤

(中国地质大学(北京) 土地科学技术学院, 北京 100083)

高原型河谷城市具有特殊的自然地理与气候特征,生态环境脆弱,城市化引起的生态环境问题日益突出。植被作为其生态系统的载体,响应更加敏感。深入研究高原型河谷城市的植被变化及其影响因素,对促进西部大开发及城市化健康发展,建立良好的城市人居、生态环境具有重要的现实意义。西宁市作为典型的高原型河谷城市,植被覆盖在城市化与退耕还林(草)政策共同作用下变化明显。基于植被-不透水表面-土壤(V-I-S)模型,以西宁市城市规划区1995年与2009年两期landsat TM影像为数据源,利用线性光谱混合模型进行混合像元分解,获取研究区植被覆盖度的空间分布。通过整体分析、转移矩阵分析,格网分析等技术手段,研究植被时空变化特征并分别探讨川道与丘陵植被变化的影响因素。结果表明：研究期内,西宁城市规划区平均植被覆盖度维持在30%左右。2009年与1995年相比植被覆盖度出现下降,植被覆盖空间差异略有减小。在数量上,基本无覆盖、中覆盖、高覆盖等级呈增加趋势,低覆盖、全覆盖呈下降趋势。研究区西北部及西南部丘陵区植被覆盖整体趋于好转,主要由中低丰度植被等级变化而来,原因在于2000—2005年湟中县累计退耕还林(草)54.91km2,累计造林247.98km2,使研究区西北部植被覆盖等级提高,表明西宁市退耕还林(草)工程对于改善植被覆盖效果明显。同时丘陵区植被变化与气候影响趋势相同,表明其植被变化可能也受气候变化影响。城市扩展方向及强度对其周边植被覆盖的影响突出。市区快速扩张及农业退化使川道内中高丰度植被覆盖整体退化趋势明显。主要原因在于2000年后西宁进入快速发展期,城市用地规模迅速增大,川道内城市周边大量中高覆盖等级植被转变为基本无覆盖等级,造成植被退化。川道内城市区域植被变化与气候影响趋势相反,表明本文研究结果可能低估了城市化对川道内植被变化的影响幅度,相比气候影响,人为活动的影响更加强烈。研究区内植被覆盖等级的变化趋势为植被覆盖较差的等级(基本无覆盖和低覆盖)向高一级别发展,得益于退耕还林(草)工程；中等级别以上的覆盖等级出现一定程度的退化,尤其是位于川道中受到城市化干扰的区域植被退化问题尤为突出,需对这些区域采取植被保育措施,避免植被覆盖高等级区域受到城市化影响造成不可逆转的退化。

高原型河谷城市；植被变化；线性光谱混合模型；转移矩阵；西宁市

青藏高原作为地球的“第三极”,是典型的生态环境敏感区[1]。其独特的地域环境使高原生态系统非常脆弱,森林覆盖率低,植被生长缓慢,一旦被毁,极易演变为荒漠、戈壁,且恢复难度大[2]。高原型河谷城市因其特殊的地形、地貌特征,城市化过程受到地形条件深刻的潜在影响,人为扰动对生态系统影响剧烈[3]。植被作为城市生态系统的子系统,响应更加敏感[4]。20世纪后期以来,随着经济发展与人口增长,不合理资源开发与盲目垦殖,使本就脆弱的高原植被遭到破坏,导致水土流失、草原退化和土地沙化等生态问题[5]。为解决上述问题,我国于21世纪初期开展了退耕还林(草)工程。深入研究城市化与退耕还林(草)工程共同作用下高原型河谷城市的植被变化及其影响因素,对促进西部大开发及城市化健康发展,建立良好的城市人居、生态环境具有重要的现实意义。

基于遥感的植被变化研究成为全球变化研究的重要领域之一[6- 7]。遥感技术作为提取陆地表面信息的手段,具有大面积同步观测、较好的时效性等特点,能够很好的提取植被信息,监测植被变化[8]。近年来研究中,国内外学者利用NOAA-AVHRR、SPOT、SPOT-VGT、MODIS等高时间低空间分辨率数据对大、中尺度区域进行了较长时序的植被变化研究并探讨了其与气候因子的关系[9- 14],利用Landsat TM与ETM+等中空间低时间分辨率数据对中小尺度区域进行了植被变化研究,且侧重于植被空间格局的变化分析[15- 16]。目前植被估算的主要方法为植被指数法与混合像元法[17]。但由于城市地物光谱的高异质性、下垫面性质与大气污染等影响,采用植被指数表征城市植被所得信息量明显偏低[18]。基于RIDD的V-I-S(Vegetation-Impervious surface-Soil)模型[19]发展而来的混合像元模型不仅提高了植被提取模型的精度,并且丰富了地表植被的信息量[20]。主要包括线性模型、概率模型、几何光学模型、随机几何模型以及模糊模型等方法[21]。

根据高原城市植被变化的研究多聚焦于黄土高原河谷城市,青藏高原河谷城市植被变化研究较少的研究现状。本文选择青藏高原典型河谷城市——西宁市为研究区,采用简单、高效、物理意义明确的线性光谱混合模型提取植被覆盖[22],并采用亚像元、像元与格网等多个尺度解析西宁城区在快速城市化及“退耕还林(草)”工程共同作用下的植被覆盖分布及变化,有助于加深对高原型河谷城市植被变化特征及影响因素的分析,同时为生态环境质量评价与保护提供更加精确的依据。

1 研究区概况

西宁市位于青藏高原东部边缘河湟谷地湟水上游,地理坐标东经100°54′至101°56′,北纬36°13′至37°23′,地处青藏高原与黄土高原交错地带,山峦起伏,沟壑纵横,为典型高原河谷城市。海拔在2200—3000m之间,平均海拔2295m,四面环山,全市地貌以浅山丘陵和川水河谷阶地为主,受地形、海拔及水、热条件影响,形成了川水、脑山及浅山3个生态区域。属大陆性高原半干旱气候,以寒冷、干旱为主,年均温6.1℃,年均降水量400mm。独特的地貌及气候使森林植被覆盖低,植物生长缓慢。

图1 研究区位置示意图Fig.1 Sketch of the study area

本文选取西宁市城市规划区为研究区(图1),包括市区全部及大通、湟源、湟中部分地区,面积1425.4km2。市区主要为河湟川谷地带冲积平原,西北高,东南低,川道呈“丰”字形由西北向东南延伸。

2 数据与方法

2.1 数据源与预处理

研究所选数据源为研究区1995年6月11日与2009年6月17日两期四景Landsat 5 TM遥感影像的第1—5和第7波段(影像轨道号为132/34与132/35)。两期影像中植被基本处于同一物候期,其时空变化可比性较好。同时辅以西宁市市区规划图及DEM高程图。

首先进行辐射定标[23],参照影像头文件信息,将DN值转化为辐射亮度值,消除传感器及太阳仰角造成的内部误差；其次采用MODTRAN 4+模型进行大气纠正,转化为地表反射率。参照西宁市城市规划区矢量文件,对两期影像分别进行镶嵌、配准处理,误差在一个像元内。最后,通过影像裁剪获得研究区影像。基础数据预处理及后续分析工作均在遥感处理软件ENVI5.0、地理信息系统Arc GIS10.0平台支持下完成。

2.2 植被覆盖度提取

采用线性光谱混合模型(LSMM)进行混合像元分解并提取植被覆盖度。虽然混合像元内组分并非简单线性关系,但LSMM具有一定物理学意义,仍可高效提取地表覆盖特征[24- 25],且精度可达90%以上[26]。其通常定义为：像元在某一波段的光谱亮度值是由构成像元的端元(Endmember)的反射率(亮度值)以其所占像元面积比例为权重系数的线性组合[24,27],公式如下：

(1)

(2)

(3)

式中,Riλ为第λ波段第i个像元的光谱反射率；N为端元的数量,且N≤m+1,m为波段数；f为对应i像元的第k个端元所占的分量值；Ckλ为第k个端元所在λ波段的光谱反射值；εiλ为第λ波段第i个像元对应的误差值；RMS为均方根误差(RMS越小,模型总体误差越小)。

2.2.1 纯净像元获取

端元获取是混合像元分解的关键,其类型、数量及光谱值均影响LSMM分解精度。数量少会纳入非典型端元产生分量误差,多则会使模型对噪音、污染物等敏感性增强而影响分类精度[28- 29]。根据西宁土地覆被特点,参考V-I-S模型,本文确定端元类型为土壤、植被、高反照地物、低反照地物四类。

通过最小噪声分离(MinimumNoiseFraction,MNF)变换去相关分离数据噪声,减少后续计算量。同时判定数据内在维度(波段数)[30]。两期影像经MNF变换生成的6个波段分量中,前4个信息含量很高,因此选取前4个分量进行纯净像元指数(PixelPurityIndex,PPI)处理,提取纯净像元,并将PPI值大于20的区域输出为感兴趣区(RegionofInterest,ROI),作为端元收集范围。

2.2.2 端元收集

将MNF前3个分量及输出的ROI输入N-维可视化器,在三维旋转过程中选取不同集群拐点与边缘作为端元,同时交互式参考像元波谱曲线(图2),筛选出土壤、植被、高反照及低反照四种端元。

图2 端元波谱特征Fig.2 Spectral profile of end-members

2.2.3LSMM分解与结果检验

采用收集到的端元波谱特征,通过带约束条件的最小二乘法进行LSMM分解,得到研究区植被盖度(VEGFR)(图3)。采用光谱分解均方根误差进行结果检验。根据LSMM分解所得均方根RMS图像可得平均误差为0.003与0.004,均小于误差要求0.02[31]。且RMS高于0.1的像元数小于10,满足精度要求。

2.3 植被整体变化及转移矩阵

为进一步分析植被覆盖的变化特征,在得到的植被覆盖度基础上,对其进行分级处理。考虑西宁当地气候条件与植被特征,参考李晓琴等提出的五级分类方法[32],据植被丰度指标,将研究区内植被丰度分为五级(表1)。

图3 植被覆盖度分布图Fig.3 Fraction image of vegetation cover

植被覆盖等级Vegetationcoveragegrades基本无覆盖Novegetationcoverage低覆盖Lowvegetationcoverage中覆盖Moderatevegetationcoverage高覆盖Highvegetationcoverage全覆盖Fullvegetationcoverage等级编码Numbers(A)12345阈值Threshold/%0≤Fg<1010≤Fg<3030≤Fg<6060≤Fg<9090≤Fg

图4 研究区植被覆盖分级图Fig.4 The diagram of different vegetation coverage grades

得到研究区植被覆盖等级的空间分布(图4),进而通过转移矩阵利用等级编号(表1)计算1995与2009年植被覆盖等级的变化趋势。其公式为[33]：

Ci×j=Aki×j×10+A(k+1)i×j

(4)

式中,i、j分别为栅格图像行列编号,Ci×j为由k时期到k+1时期第i行j列像元的植被覆盖等级变化,Aki×j为前一期植被覆盖等级编码,A(k+1)i×j为后一期植被覆盖等级编码。

2.4 植被变化类型及格网分析

在转移矩阵及植被覆盖等级空间分布的基础上,划分植被变化类型。植被覆盖等级上升定义为植被好转类型,植被覆盖等级不变定义为植被保持类型,植被覆盖等级下降则定义为植被退化类型(公式5)。

TCi×j=A(k+1)i×j-Aki×j

(5)

式中,TCi×j为由k时期到k+1时期的植被覆盖等级变化类型,A(k+1)i×j为前一期的植被覆盖等级编码,Aki×j为后一期植被覆盖等级编码(表1)。如TCi×j>0,定义为植被好转类型,如TCi×j<0,定义为植被退化型,如TCi×j=0,定义为植被保持型。

为凸显研究区内的主要变化类型,识别整体植被演变的主要信息及区域,基于30m空间分辨率的植被类型分布,本文采用格网分析法进行尺度上推描述植被变化类型的空间分布[34]。根据研究区面积及信息量综合考虑,采用600m×600m格网,根据格网内植被演变类型权重定义格网内植被演变类型属性,格网内植被演变类型权重大于50%则定义该类型为格网转变类型。以此得到植被演变类型的主要空间分布(图6)。

3 植被时空变化结果分析

3.1 数量结构变化

表 2 研究区平均植被盖度及不同等级组成面积统计(1995—2009)

3.2 植被覆盖等级转移矩阵

植被覆盖等级转移矩阵显示,基本无覆盖等级集中在东南部川道城市建成区及其周边丘陵过渡地带,其中68.345%维持原状,变化则主要向低覆盖等级组分转变,转变区域主要位于北部川道与丘陵山区过渡边缘(图5,A)。而转变为基本无覆盖等级的来源以低覆盖、高覆盖及全覆盖等级为主,综合作用导致基本无覆盖等级增加78.0975km2。低覆盖等级53.012%维持不变,其余主要向无、中覆盖等级转变,向无覆盖转变区域主要位于东南部城市建成区及其周边过渡带,而向中覆盖转变的主要区域为西北部及西南部丘陵山区(图5,B),转变为低覆盖等级的来源主要是基本无覆盖、中覆盖及高覆盖等级,综合作用导致低覆盖等级减少62.5374km2。中覆盖等级组分除47.974%维持不变外,其余部分主要向低、高覆盖等级组分转变。向高覆盖转变区域位于西北部区域,向低覆盖转变区域则分散于川道内(图5，C),转变为中覆盖等级的主要来源为低覆盖和高覆盖,综合作用导致中覆盖等级增加23.8293km2。高覆盖等级主要向无、低、中覆盖等级转变,高覆盖向无覆盖转变主要区域为城市中心区周边及南部川道内,向低、中覆盖等级转换的主要区域为西部及北部川道内(图5，D),转变为高覆盖的来源主要是中覆盖及全覆盖等级,综合作用下高覆盖等级增加3.069 km2。全覆盖等级仅9.788%未发生变化,大部分向高覆盖等级组分转变,少量向无、低、中覆盖等级转变。且转变区域主要集中于西部、北部及东南部川道内(图5，E),但转变为全覆盖的来源很少,只有高覆盖少量转变为全覆盖,综合作用下全覆盖面积下降42.4584km2。

表3 1995—2009年不同植被覆盖等级组分面积比转移矩阵

图5 植被等级空间动态分布图Fig.5 Distribution of vegetation coverage grade dynamic

3.3 植被变化类型空间分布

综合上述各等级变化趋势,定义植被覆盖等级上升为植被好转类型,不变为植被保持类型,下降则为植被退化类型。并依据格网分析进行尺度上推以提取各等级变化信息,得到研究区植被演变类型分布(图6)。可见研究区西北部丘陵区植被覆盖整体趋于好转,主要由基本无覆盖至低覆盖、低覆盖至中覆盖及中覆盖至高覆盖转化而来。主要原因为西宁市自2003年开始大力实施退耕还林(草)工程,如图6所示,实施效果明显。川道内除较早城市核心区植被覆盖未发生变化外,其他区域植被覆盖整体下降明显。主要由低覆盖至无覆盖、中覆盖至低覆盖、高覆盖至中、低、无覆盖及全覆盖至高覆盖转化而来。其中东南部川道内植被覆盖丰度下降的主要原因是由于城市快速扩张导致的城市周边中、低覆盖等级组分不断被侵蚀,而中西部川道内主要中高植被覆盖组分为农业植被覆盖,可见研究期内中西部川道内农业植被覆盖下降也较为明显。

图6 植被演变类型分布图Fig.6 Distribution of vegetation coverage grade dynamic type

4 植被变化影响因素分析与讨论

4.1 川道内城市拓展对植被变化的影响

河谷型城市空间发展具有典型特征,大体经历“集中块状—放射性突变发展—分散组团—带型城市”4个阶段。由于河谷两侧山体的限制,在空间形态上不同于平原城市,往往具有不变性特征。西宁市川道内城市扩展、耕地、绿地覆盖的变化共同影响了植被覆盖度的空间分布特征。

图7 西宁市1990—2009年城市建设用地面积Fig.7 Xining urban construction land area of 1990—2009

西宁城市空间扩展经历了集中块状期—突变放射生长期—分散组团期3个阶段,正在向带状都市区方向发展。1990年至2000年间为“横向填充”阶段,城市内部功能区调整和完善,根据统计资料[35],1990年城市建设用地面积51.52km2,1995年为52.7 km2,2000年为57.17 km2,1990—1995年增长率为2.29%,1995—2000年增长率为8.48%,城市建设用地面积增加平缓。但2000—2005年城市建设用地面积增幅达31.19%,2005—2009虽然下降12.57%,但总体上2000—2009城市建设用地增幅较大。原因在于进入21世纪后,随着西部大开发战略的实施及新一轮城市总体规划的实施,西宁市快速发展,进入“分散组团期”,城市中心地区工业用地置换,城市空间结构拉开,内部趋于整合,城市向分散组团方向发展,导致城市用地规模迅速增大(图7),对川道内植被覆盖造成了不可逆转的破坏。

图8 市区1990—2009耕地面积Fig.8 Urban arable land area of 1990—2009

同时,川道内城市周围多为中高丰度农业植被覆盖,城市扩展必然侵占耕地,2000至2005年西宁市区耕地面积持续下降,2005—2009年则呈小幅上升趋势(图8),说明建设用地扩展对耕地面积影响明显,且与图7城市建设用地面积变化趋势吻合,互相佐证。综合表明城市化导致川道内城市周边大量中高覆盖等级植被转变为基本无覆盖等级,造成植被退化(表3,图5,图6)。

图9 1990—2009年建成区园林绿地Fig.9 Public green area of built-up of 1990—2009

由于受区域自然环境的限制,西宁市建成区园林绿地面积较少,绿地不成系统。建成区园林绿地面积总体上呈先降后升趋势(图9)。1990—1995年小幅下降1.35km2,1995—2009则累计增长23.23km2,公共绿地整体上呈稳定的增加趋势。显然,城市内部人工园林绿地伴随城市化发展配套建设。但相比城市扩展侵占城市周边耕地的变化量56.97 km2,建成区绿地面积相对较少,增加的园林绿地对缓解城市化引起的植被退化有一定作用,但并不能阻止川道内植被退化趋势。

4.2 丘陵退耕还林(草)及造林对植被变化的影响

西宁自2000—2005年,大力推进退耕还林(草)工程。川道平均高程为2300m左右,丘陵区域平均高程为2600m左右,根据上文区域统计得到植被好转类型区域的平均高程为2596m,平均坡度为14°,可知植被好转类型主要位于丘陵地带。根据统计资料[35],全市退耕还林(草)区域主要位于大通、湟中、湟源三县。其中,湟中县是青海省实施退耕还林(草)的重点县之一,且本文西北部丘陵区主要位于湟中县,因此湟中县退耕还林(草)及造林数据可有效表示该政策对研究区丘陵植被覆盖变化的影响。

湟中县退耕还林(草)及造林面积变化趋势与全市变化基本吻合,同样在2002年达到峰值后下降(图10)。截止2005年累计退耕还林(草)54.91km2,累计造林247.98km2。可见,退耕还林(草)及造林明显提高了丘陵区植被覆盖等级,有效的促进了植被好转。

图10 2000—2005年湟中县退耕还林(草)及造林面积Fig.10 Area of Converting cultivated land into forest/grass and afforestation of 2000—2009 in Huangzhong County

4.3 气候变化对植被的影响

植被覆盖的变化是气候变化与人类活动的综合产物[36]。上文中已对人类活动对植被的影响进行了详细讨论,同时,气候变化对植被的影响也不可忽略。在全球变暖的背景下,青藏高原在研究期内的总体特征是气温呈上升趋势,降水量呈增加趋势,最大可能蒸散量呈下降趋势,大多数地区的干湿状况为由干向湿发展的趋势[37]。西宁地区的气候变化与青藏高原整体变化吻合,表现出向暖湿方向变化的趋势。气温呈上升趋势,气候倾向率为0.34℃/10a,特别在20世纪90年代后增温明显；降水量呈增加趋势,气候倾向率为25.24mm/10a[38]。由于青藏高原为气候变化敏感区及生态脆弱带,因此西宁气候的变化趋势对其植被变化有较为明显的影响,导致其植被生长季提前及生长季生长加速[39],在一定程度上提高了西宁植被覆盖。同时,影像获取日期正处于西宁春末夏初,研究表明在研究期内该地区春季及夏季不同类型植被的NDVI均呈显著增加趋势[39]。与研究区内川道及丘陵区植被覆盖趋势相比较,可知丘陵区植被变化与气候影响趋势相同,川道内城市区域变化则与气候影响趋势相反。由此可知,丘陵区域在退耕还林(草)、造林及气候的共同作用下表现出植被好转,川道区域在城市化及气候的共同影响下表现出植被退化,可见,本文研究结果低估了城市化对川道内植被变化的影响幅度,相比气候影响,人为活动的影响更加强烈。

5 结论

本文针对典型高原型河谷城市西宁,以TM影像为数据源,基于V-I-S模型及线性光谱混合模型提取研究区植被覆盖度,并采用整体分析、转移矩阵及格网分析探究了西宁市城市规划区植被覆盖在亚像元、像元与格网尺度上的变化特征,并分别探讨了城市化对川道内植被的负向影响因素、退耕还林对丘陵区植被的正向影响因素及气候变化对植被覆盖变化的影响。主要结论包括：研究期内,西宁城市规划区平均植被覆盖度维持在30%左右。2009年与1995年相比植被覆盖度出现下降,植被覆盖空间差异略有减小。在数量上,基本无覆盖、中覆盖、高覆盖等级呈增加趋势,低覆盖、全覆盖呈下降趋势。

研究区西北部及西南部丘陵区植被覆盖整体趋于好转,主要由中低丰度植被等级变化而来,2000—2005年湟中县累计退耕还林(草)54.91km2,累计造林247.98km2。综合作用下使研究区西北部植被覆盖等级提高,表明西宁市退耕还林(草)工程对于改善植被覆盖效果明显,同时丘陵区植被变化与气候影响趋势相同,表明其植被变化可能也受气候变化影响。城市扩展方向及强度对其周边植被覆盖的影响表现突出。市区快速扩张及农业退化使川道内中高丰度植被覆盖整体退化趋势明显,主要由低覆盖至无覆盖、中覆盖至低覆盖、高覆盖至中、低、无覆盖及全覆盖至高覆盖转化而来。主要原因在于2000年后西宁进入快速发展期,城市用地规模迅速增大,川道内城市周边大量中高覆盖等级植被转变为基本无覆盖等级,造成植被退化,同时较低的城市园林绿地覆盖及人口增长加剧了川道内的植被退化。川道内植被退化趋势与气候影响下的区域植被好转趋势相反,相比气候影响,人为活动的影响更加强烈。

概括来说,研究区植被覆盖等级的变化趋势为植被覆盖较差的等级(基本无覆盖和低覆盖)向高一级别发展,得益于退耕还林(草)工程；中等级别以上的覆盖等级出现一定程度的退化,尤其是位于川道中受到城市化干扰的区域植被退化问题尤为突出,需对这些区域采取植被保育措施,避免植被覆盖高等级区域受到城市化影响造成不可逆转的退化。

采用线性光谱混合模型评价城市植被动态具有优秀的表现,本文采用两期时点数据评估了西宁市近15年间的植被覆盖动态变化,为更加全面、科学的评价城市植被动态,下一步研究中可针对多时序数据进行城市植被动态及其驱动机制研究。

致谢: 中山大学地理科学与规划学院刘珍环博士给予帮助，特此致谢。

[1] Xu J, Zhang B P, Tan J, Sun R H, Yao Y H. Spatial relationship between altitudinal vegetation belts and climatic factors in the Qinghai-Tibetan Plateau. Journal of Mountain Science, 2009, 27(6): 663- 670.

[2] Ma Y Y. Ecological city: Tibetan Plateau urban development goals in the 21st century. Journal of Peking University (Philosophy and Social Sciences), 2004, (S1): 88- 92.

[3] Yang Y C. Research on the Valley-city of China. Areal Research and Development, 1999, 18(3): 61- 65.

[4] Hu S J, Hu D Y, Zhao W J. Extract urban vegetation coverage based on LSMM and improved FCM: a case study in Haidian District. Acta Ecologica Sinica, 2010, 30(4): 1018- 1024.

[5] Ma J L, Ma H. On the work of “stopping cultivation to return to forestry and grassland” of Xining City. Journal of Qinghai Environment, 2002, 12(3): 106- 108.

[6] Mark R, Rick C, Mick C, Steve P, Dave T. Long-Term Studies of Vegetation Dynamics. Science, 293(5530): 650- 655.

[7] Jia B Q. Driving factor analysis on the vegetation changes derived from the Landsat TM images in Beijing. Acta Ecologica Sinica, 2013, 33(5): 1654- 1666.

[8] Zou P, Wang Y P, Wang Z S, Fan F L. Accessing the linear spectral un-mixing approach for extracting vegetation information using landsat ETM+ data in Macao. Journal of South China Normal University: Natural Science Edition, 2007, (2): 131- 136.

[9] Neigh C S R, Tucker C J, ownshend J R G T. North American vegetation dynamics observed with multi-resolution satellite data. Remote Sensing of Environment, 2008, 112(4): 1749- 1772.

[10] Martínez B, Gilabert M A. Vegetation dynamics from NDVI time series analysis using the wavelet transform. Remote Sensing of Environment, 2009, 113(9): 1823- 1842.

[11] Li Y C, Gong P, Liu C X, Chen J, Yu D Y. Vegetation cover changes and correlation with climatic factors in Northern China during 1982—1999. Resources Science, 2006, 28(2): 109- 117.

[12] Sun H Y, Wang C Y, Niu Z, Bukhosor, Li B. Analysis of the vegetation cover change and the relationship between NDVI and environmental factors by using NOAA time series data. Journal of Remote Sensing, 1998, 2(3): 204- 210.

[13] Qiu H M, Cao M M. Spatial and temporal variations in vegetation cover in China based on SPOT vegetation data. Resources Science, 2011, 33(2): 335- 340.

[14] Song F Q, Xing K X, Liu Y, Liu Z C, Kang M Y. Monitoring and assessment of vegetation variation in Northern Shanxi based on MODIS /NDVI. Acta Ecologica Sinica, 2011, 31(2): 354- 363.

[15] Han G F, Xu J H. Vegetation change trajectory and the reasons in Shanghai City. Acta Ecologica Sinica, 2009, 29(4): 1793- 1803.

[16] Mo H W, Ren Z Y. Images analysis of the vegetation coverage changes in Yuyang District of Northern Shaanxi Province in the recent 30 years. Resources Science, 2009, 31(8): 1409- 1414.

[17] Chen Y H, Li X B, Shi P J. Landscape spatial-temporal pattern analysis on change in the fraction of green vegetation based on remotely sensed data: A case study in Haidian District, Beijing. Acta Ecologica Sinica, 2002, 22(10): 1581- 1586.

[18] Yue W Z. Study on urban landscape pattern and its thermal environment effect based on remote sensing image. Beijing: Science Press, 2008, 76- 77.

[19] Ridd M K. Exploring a V-I-S(vegetation-impervious surface-soil) model for urban ecosystem analysis through remote sensing: comparative anatomy for cities. Remote Sensing, 1995, 16(12): 2165- 2185.

[20] Wang Z Y, Xu J H, Lü G H, Zhang Z H, Hu Q. Patterns of urban green spaces based on linear spectral mixture model: an empirical study in Urumqi. Journal of East China Normal University: Natural Science, 2008, (6): 40- 50, 74- 74.

[21] Ichoku C, Karnieli A. A review of mixture modeling techniques for sub-pixel land cover estimation. Remote Sensing of Reviews, 1996, 13(34): 161- 186.

[22] Li E S, Zhang B M, Song L H, Yu W J, Tang D J. A review on spectral unmixing algorithms based on linear mixing model. Science of Surveying and Mapping, 2011, 36(5): 42- 44.

[23] The user′s guide of Landsat Science Date [EB/OL]. [2012- 4- 27]. http//landsathandbook.gsfc.nasa.gov/handbook.html.

[24] Zhao Y S. Principles and Methods of Analysis of Remote Sensing Applications. Beijing: Science Press, 2003: 330- 331.

[25] Cui T X, Gong Z N, Zhao W J, Zhao Y L, Lin C. Research on estimating wetland vegetation abundance based on spectral mixture analysis with different endmember model: a case study in Wild Duck Lake wetland, Beijing. Acta Ecologica Sinica, 2013, 33(4): 1160- 1171.

[26] Wu C S. Normalized spectral mixture analysis for monitoring urban composition using ETM+ imagery. Remote Sensing of Environment, 2004, 93(4): 480- 492.

[27] Liu Z H, Wang Y L, Peng J, Xie M M, Li Y. Using ISA to analyze the spatial pattern of urban land cover change: A case study in Shenzhen. Acta Geographica Sinca, 2011, 66(7): 961- 971.

[28] Xie M M, Wang Y L, Li G C. Spatial variation of impervious surface area and vegetation cover based on SubPixel Model in Shenzhen. Resources Science, 2009, 31(2): 257- 264.

[29] Liu Y, Yue W Z. Estimation of urban vegetation fraction by image fusion and spectral unmixing. Acta Ecologica Sinica, 2010, 30(1): 93- 99.

[30] Li H, Chen J F, Yu M. Extracting vegetation coverage information from ASTER remote sensing data based on linear spectral immixture model. Geo-Information Science, 2005, 7(1): 103- 106,115- 115.

[31] Wu C S, Murray A T. Estimating impervious surface distribution by spectral mixture analysis. Remote Sensing of Environment, 2003, 84(4): 493- 505.

[32] Li X Q, Sun D F, Zhang F R. Landscape pattern analysis on change in the fraction of green vegetation based on remotely sensed data in Beijing Mountainous Area. Journal of Mountain Science, 2003, 21(3): 272- 280.

[33] Shi P J. Methods and practice of land use/cover change research. Beijing: Science Press, 2000: 106- 109.

[34] Yao Y H, Zhang B P, Luo Y, Zhu J, Cen G. The application of grid computing method to the research of spatial pattern---an analysis of karst landscape pattern in Guizhou. Geo-Information Science, 2006, 8(1): 73- 78.

[35] Xining Bureau of Statistics. Xining Statistical Yearbook. Beijing: China Statistics Press, 1986- 2009.

[36] Li Y F, Liu G H. Characteristics of vegetation cover changes in Lantsang Basin based on MODIS vegetation index products (MOD13). Resources Science, 2012, 34(7): 1214- 1221.

[37] Wu S H, Yin Y H, Zheng D, Yang Q Y. Climate changes in the Tibetan Plateau during the last three decades. Acta Geographica Sinica, 2005, 60(1): 3- 11.

[38] Pang L Y. Research on climate change of Xining in recent 40 years. Qinghai Meteorology, 2004, 2: 24- 27,33- 33.

[39] Yan Y H, Pu S L. Variations in grassland vegetation cover in relation to climatic factors on the Tibetan Plateau. Journal of Plant Ecology, 2006, 30(1): 1- 8.

参考文献:

[1] 许娟, 张百平, 谭靖, 孙然好, 姚永慧. 青藏高原植被垂直带与气候因子的空间关系. 山地学报, 2009, 27(6): 663- 670.

[2] 马玉英. 生态城市: 21世纪青藏高原城市发展的目标. 北京大学学报: 哲学社会科学版, 2004, (S1): 88- 92.

[3] 杨永春. 中国河谷型城市研究. 地域研究与开发, 1999, 18(3): 61- 65.

[4] 胡姝靖, 胡德勇, 赵文吉. 基于LSMM和改进的FCM提取城市植被覆盖度——以北京市海淀区为例. 生态学报, 2010, 30(4): 1018- 1024.

[5] 马建龙, 马宏. 西宁市退耕还林(草)工作刍议. 青海环境, 2002, 12(3): 106- 108.

[7] 贾宝全. 基于TM卫星影像数据的北京市植被变化及其原因分析. 生态学报, 2013, 33(5): 1654- 1666.

[8] 邹蒲, 王云鹏, 王志石, 樊风雷. 基于ETM+图像的混合像元线性分解方法在澳门植被信息提取中的应用及效果评价. 华南师范大学学报: 自然科学版, 2007, (2): 131- 136.

[11] 李月臣, 宫鹏, 刘春霞, 陈晋, 于德永. 北方13省1982—1999年植被变化及其与气候因子的关系. 资源科学, 2006, 28(2): 109- 117.

[12] 孙红雨, 王常耀, 牛铮, 布和敖斯尔, 李兵. 中国地表植被覆盖变化及其与气候因子关系——基于NOAA时间序列数据分析. 遥感学报, 1998, 2(3): 204- 210.

[13] 邱海军, 曹明明. 基于SPOT VEGETATION数据的中国植被覆盖时空变化分析. 资源科学, 2011, 33(2): 335- 340.

[14] 宋富强, 刑开雄, 刘阳, 刘志超, 康慕谊. 基于MODIS/NDVI的陕北地区植被动态监测与评价. 生态学报, 2011, 31(2): 354- 363.

[15] 韩贵峰, 徐建华. 上海城市植被变化轨迹及其成因分析. 生态学报, 2009, 29(4): 1793- 1803.

[16] 莫宏伟, 任志远. 陕北榆阳区1978年至2005年植被覆盖率变化分析. 资源科学, 2009, 31(8): 1409- 1414.

[17] 陈云浩, 李晓兵, 史培军. 基于遥感的植被覆盖变化景观分析——以北京海淀区为例. 生态学报, 2002, 22(10): 1581- 1586.

[18] 岳文泽. 基于遥感影像的城市景观格局及其热环境效应研究. 北京: 科学出版社. 2008: 76- 77.

[20] 王占永, 徐建华, 吕光辉, 张治华, 胡青. 运用线性光谱混合模型解析城市绿色空间格局: 乌鲁木齐市的实证研究. 华东师范大学学报: 自然科学版. 2008, (6): 40- 50, 74- 74.

[22] 李二森, 张保明, 宋丽华, 余文杰, 唐德瑾. 线性混合模型的光谱解混算法综述. 测绘科学, 2011, 36(5): 42- 44.

[24] 赵英时. 遥感应用分析原理与方法. 北京: 科学出版社, 2003: 330- 331.

[25] 崔天翔, 宫兆宁, 赵文吉, 赵雅莉, 林川. 不同端元模型下湿地植被覆盖度的提取方法——以北京市野鸭湖湿地自然保护区为例. 生态学报, 2013, 33(4): 1160- 1171.

[27] 刘珍环, 王仰麟, 彭建, 谢苗苗, 李猷. 基于不透水表面指数的城市地表覆被格局特征——以深圳市为例. 地理学报, 2011, 66(7): 961- 971.

[28] 谢苗苗, 王仰麟, 李贵才. 基于亚像元分解的不透水表面与植被覆盖空间分异测度——以深圳市为例. 资源科学, 2009, 31(2): 257- 264.

[29] 刘勇, 岳文泽. 基于图像融合与混合像元分解的城市植被盖度提取. 生态学报, 2010, 30(1): 93- 99.

[30] 李慧, 陈建飞, 余明. 线性光谱混合模型的ASTER影像植被应用分析. 地球信息科学, 2005, 7(1): 103- 106,115- 115.

[32] 李晓琴, 孙丹峰, 张凤荣. 基于遥感的北京山区植被覆盖景观格局动态分析. 山地学报, 2003, 21(3): 272- 280.

[33] 史培军. 土地利用/覆盖变化研究的方法与实践. 北京: 科学出版社, 2000: 106- 109.

[34] 姚永慧, 张百平, 罗扬, 朱军, 岑纲. 格网计算法在空间格局分析中的应用——以贵州景观空间格局分析为例. 地球信息科学, 2006, 8(1): 73- 78.

[35] 西宁市统计局. 西宁市统计年鉴. 北京: 中国统计出版社, 1990- 2009.

[36] 李亚飞, 刘高焕. 澜沧江流域植被覆盖变化特征及其与气候因子的关系. 资源科学, 2012, 34(7): 1214- 1221.

[37] 吴绍洪, 尹云鹤, 郑度, 杨勤业. 青藏高原近30年气候变化趋势. 地理学报, 2005, 60(1): 3- 11.

[38] 庞立英. 近40年来西宁地区的气候变化研究. 青海气象,2004, (2): 24- 27,33- 33.

[39] 杨元合, 朴世龙. 青藏高原草地植被覆盖变化及其与气候因子的关系. 植物生态学报, 2006, 30(1): 1- 8.

Pattern dynamics of vegetation coverage of Plateau Valley-City in the Western China: a case study in Xining

GAO Yun, XIE Miaomiao*, FU Meichen, CAO Yikun

SchoolofLandScienceandTechnology,ChinaUniversityofGeosciences,Beijing100083,China

The geographical and climatic characteristics of Plateau Valley-City in the Western China are very typical and fragile. The urban ecosystems and environment have been damaged by urbanization recently years. Vegetation coverage plays a key role in the ecosystem of Plateau Valley-City, and it is very sensitive to urbanization. As a typical plateau Valley-City, Xining experienced rapid urbanization and implemented the policy of Converting Cultivated Land into Forest/Grass at the same time. Study on pattern dynamics of vegetation coverage of Xining urban plan zone and its causative factors is of great significance for promoting Western Development and urbanization, and contributes to creating a pleasant urban eco-environment in the Western China. Landsat TM data are the most economical and temporal continuous remote sensing images, however, vegetation pattern analysis on urban scale needs high resolution images. To resolve the problems and provide a more accurate result, Landsat TM data of 1995 and 2009 were unmixed by Linear Spectral Mixing Model (LSMM) in Xining plan zone to calculate proportion of vegetation cover, based on Vegetation-Impervious surface-Soil (V-I-S) model. Linear Spectral Mixture Model comprises five main processes: Minimum Noise Fraction (MNF), Pixel Purity Index (PPI), end-members collection by n-D visualizer, linear spectral unmixing and accuracy test. End-members include vegetation, high albedo surface, low albedo surface and soil. By using statistical analysis, transfer matrix and grid analysis, we evaluated the pattern dynamic of vegetation coverage, and discussed the effect of urbanization, Converting Cultivated Land into Forest/Grass and climate change to vegetation changes in each Valley terrace area and hills area. The results indicate that: at overall level, the average vegetation coverage kept about 30% and showed a downtrend in the study period, meanwhile the regional differences had a little decrease. The areas of no vegetation coverage, moderate and high abundance vegetation coverage showed increasing trend, while the areas of low and full abundance vegetation coverage showed decreasing trend. The vegetation coverage in northwestern and southwestern area emerged in an increasing trend and it was mainly from low and moderate vegetation coverage. Huangzhong County is the main area affected by the policy, and finished Converting Cultivated Land into Forest/Grass and afforestation of 54.91km2and 247.98km2from 2000 to 2005. It suggested that the policy was very effective. Vegetation dynamics of hills areas may be affected by climate change because that they had same trend to the vegetation dynamics effects of climate change in Tibetan Plateau. Vegetation coverage around urban built-up area changed obviously along with urbanization direction and intensity. Areas of moderate and high abundance vegetation coverage presented a degenerate trend, especially in the urban built-up area influenced by urbanization. The main reason is that urban construction land rapid increased after 2000 and occupied moderate and high vegetation coverage. Effects of human activities on vegetation coverage may be more intense comparing to climate change because that their effect trends on vegetation are opposite. The changing trend of vegetation coverage grade can be summarized that low grades developed to high grades because of converting cultivated land into forest/grass and medium grades presented a degenerate trend because of urbanization. It is necessary to take measures to protect the vegetation around built-up area, and avoid irreversible degradation.

plateau valley-city; vegetation dynamics; linear spectral mixing model; transfer matrix; Xining

国家自然科学基金青年基金(41101175)；国家自然科学基金(41171440)

2013- 06- 09;

2013- 10- 08

10.5846/stxb201306091533

*通讯作者Corresponding author.E-mail: xiemiaomiao@cugb.edu.cn

高云,谢苗苗,付梅臣,曹翊坤.高原河谷城市植被时空变化及其影响因素——以青海省西宁市为例.生态学报,2014,34(5):1094- 1104.

Gao Y, Xie M M, Fu M C, Cao Y K.Pattern dynamics of vegetation coverage of Plateau Valley-City in the Western China: a case study in Xining.Acta Ecologica Sinica,2014,34(5):1094- 1104.