东北老工业区植被覆盖度时空特征及城市化关联分析
2017-12-29肖骁李京忠韩彬逯承鹏薛冰
肖骁, 李京忠,2, 韩彬, 逯承鹏, 薛冰,*
东北老工业区植被覆盖度时空特征及城市化关联分析
肖骁1, 李京忠1,2, 韩彬1, 逯承鹏1, 薛冰1,*
1. 中国科学院污染生态与环境工程重点实验室/中国科学院沈阳应用生态研究所, 沈阳 110016 2. 许昌学院城乡规划与园林学院, 许昌 461000
植被覆盖度研究一直是揭示自然生态系统演化以及人类活动与环境演化关系的重要路径。基于MODIS数据, 结合像元二分模型和一元线性回归方法, 定量估算东北老工业区2000—2015年的植被覆盖度及其时空变化特征, 并特别分析辽宁省植被覆盖度变化与城市化水平的关系。结果表明, 1)东北老工业区的植被覆盖度呈现“中部高-东西低-西部最低”的空间分布态势; 2)黑龙江省和吉林省高植被覆盖区明显增加, 但辽宁省高植被覆盖区面积比重由2000年全省总面积的49.99%下降到2015年的25.99%, 这一变化情况在辽宁省城市化水平的空间差异中得到进一步的验证; 3)除部分辽西城市植被退化趋势严重并且逐渐向东蔓延, 东北老工业区植被覆盖表现出增加的趋势, 特别是黑吉两省与内蒙古交界的大部分地区植被覆盖度明显提高。研究结果阐明了东北老工业区植被演化格局与过程, 对推动绿色可持续转型及生态文明建设具有重要意义。
植被覆盖度; 城市化; 像元二分模型; 东北老工业区
1 前言
依赖于优越的自然地理条件和丰富的矿产资源, 东北老工业区在建国初期对新中国的工业体系建设和经济发展做出了卓越贡献, 但也因为发展理念与技术水平限制等若干原因, 使得区域生态环境退化严重[1–2]或已到达临界状态, 例如三江平原湿地面积锐减4.05万平方公里, 东北黑土区的水土流失面积占总面积的34%[3], 严重影响了区域可持续发展。自2000年以来, 东北地区着力推进经济的可持续转型并强调加强森林、草地的生态保护, 明确提出将坚持以生态为主导的林业和林区经济发展方向、切实加强天然草场恢复和保护等重大措施。2016年4月, 《中共中央国务院关于全面振兴东北地区等老工业基地的若干意见》印发实施, 提出要“打造北方生态屏障和山青水绿的宜居家园, ……, 坚决摒弃损害甚至破坏生态环境的发展模式和做法”, 因此, 开展东北地区的生态环境演化研究, 对于明确东北地区生态环境要素的基准线、掌握其时空变化趋势, 进而服务全面振兴东北战略具有重要的现实意义。
开展植被覆盖度的时空变化特征研究, 不仅能够评估植被长势及生态保护成效[4–7], 而且可以为区域可持续发展提供科学决策依据。在植被覆盖度研究手段和方法上, 遥感数据覆盖范围广、时间有效性强且容易获取[8–13], 地理信息系统手段具有强大的空间分析处理能力, 因此目前主要采用遥感与地理信息系统相结合的方法。像元二分模型利用遥感数据估算植被覆盖度, 具有模型简单、物理意义明确等优点[14–16]。QI J等采用像元二分模型来反演圣佩德罗流域区植被的时空动态特征[17]; 马娜等基于遥感和像元二分模型研究了植被覆盖度格局并证明应用像元二分模型计算植被覆盖度的方法是简洁且有效的[18]; 刘广峰等建立像元二分模型提取植被覆盖度的结果表明, 基于NDVI的像元二分模型适合于沙漠化地区的植被覆盖度提取, 平均精度达到79.4%[19]。近年来利用植被盖度情况评估区域自然生态环境, 并与各种环境因素进行关联研究成为了主要研究方向之一, 并且取得了许多重要研究成果。例如HG KHARIN借助植被指数来监测干旱地区的土地退化程度[20]; YENGOH G T等指出植被覆盖度的研究逐渐成为土地荒漠化评估的主要手段[21]; DENG等依据NDVI分析了祁连山地区的植被覆盖特征及其受气候变化影响情况[22]; 穆少杰等通过反演内蒙古地区2001-2010年植被覆盖度的时空变化规律并结合同期降雨量和温度数据揭示了植被覆盖度与气候因子的相关性[23]; 王伟军等开展了2000-2014年甘南高原植被覆盖度的时空变化格局并结合同期气温、降水数据及物候信息, 从不同时空尺度和植被类型研究了甘南高原植被覆盖度的年、月际变化及其对气候变化的响应[24]。目前将植被覆盖度的时空演变规律与社会经济因子结合, 特别是针对东北振兴战略实施以来, 城市化水平与植被覆盖度的相关性研究相对较少。因此, 开展东北老工业区植被覆盖度时空特征及其与城市化水平之间关系的拓展研究, 具有重要的理论与实践意义。
基于此, 本研究选取2000、2005、2010和2015年为研究时相, 利用MODIS数据开展东北老工业区的黑龙江省、吉林省和辽宁省的植被覆盖度估算研究, 以定量分析东北老工业区植被覆盖度的时空分布和变化特征, 进而将植被覆盖度变化程度与城市化水平进行相关分析, 以进一步阐明东北老工业区植被时空变化规律和城市化水平的相关性, 以阐释在新时期的东北全面振兴过程中所面临的若干关键基础科学问题, 为东北地区区域生态环境建设及城市发展提供合理科学数据支撑和有效的决策依据。
2 数据与方法
2.1 数据选取与预处理
MODIS遥感数据由于具有较宽的覆盖范围、可连续观测和免费获取的特点, 在区域植被覆盖估算方面成为主要数据源[25], 能够满足植被覆盖度空间和时间序列的监测需求。为了避免逐日遥感影像的云覆盖等影响, 选择无云或少云覆盖的MODIS—NDVI 16d数据集作为植被覆盖度监测的基础数据。通过美国航空航天宇航局的一级大气数据存档和分发系统(Level 1 and Atmosphere Archive and Distribution System, LAADS)下载MODIS13Q1数据集, 空间分辨率为250m×250m。同时选择辽宁省的2014年城市化度统计数据作为植被覆盖变化与城市化因子的相互关系分析的数据源。
根据研究区的情况, 考虑到东北地区每年的八月份植被覆盖最为茂盛, 本研究遥感数据的时相为2000、2005、2010和2015年的八月份, 数据轨道号为h25v03、h26v03、h26v04、h27v04、h27v05。利用MODIS重投影工具(MODIS Reprojection Tool, MRT)将研究区的五景数据分别进行拼接处理和投影转换, 并根据研究区行政边界矢量数据进行裁剪。
2.2 植被覆盖度及变化趋势估算方法
植被覆盖度(Fractional Vegetation Cover, FVC )是指植被(包括叶、茎、枝)在地面的垂直投影面积占统计区总面积的百分比[26–27], 本研究采用Gutman等人提出的像元二分模型法提取植被覆盖度[28], 其基本原理是假设每一个像元都可分解为植被和土壤两部分, 即像元信息是绿色植被成分贡献的信息和土壤成分贡献的信息的综合[28], 主要表达式为:
其中, NDVI为像元的归一化植被指数(Normalized difference vegetation index, NDVI)值,NDVI为完全是裸土或无植被覆盖像元的NDVI值, 即纯裸土像元的归一化植被指数值。NDVI为完全由植被覆盖的像元的NDVI值, 即纯植被像元归一化植被指数值。
NDVI和NDVI的取值是像元二分模型的关键, 对于纯裸土像元的 NDVI, 理论上应接近于0; 纯植被像元的 NDVI, 理论上接近于1。但是由于大气条件、季节变化和植被类型等因素的影响, 不同影像的NDVI和NDVI通常存在一定的不确定性。理想的调整方式是根据图像的统计信息, 利用给定的置信度截取的NDVI灰度的上下限值分别近似代表NDVI和NDVI。置信度的选取要依据实际的NDVI值分布而定, 本研究以累计频率为0.5%的NDVI 值作为NDVI, 以累计频率为99.5% 的 NDVI值作为NDVI, 最后通过公式(1)得到研究区各年份的植被覆盖度。
为了能够更好的量化评价植被覆盖度, 参照水利部颁布的《土壤侵蚀分类分级标准》(SL190- 1996), 并结合研究区植被覆盖度数值分布情况, 将植被覆盖度分为五个等级, 即低植被覆盖度[0, 20%]、中低植被覆盖度[20%, 40%]、中等植被覆盖度[40%, 60%]、中高植被覆盖度[60%, 80%]和高植被覆盖度[80%, 100%], 并进行分级制图。
2.3 植被覆盖度变化趋势计算
一元线性回归分析可以模拟每个像元值的变化趋势, 不仅满足在若干时间节点的长时段内对研究对象变化探测的要求, 基于像元尺度的趋势估算还能够提供空间演变规律的指示信息, 因此常用在植被覆盖度变化趋势的估算研究中, 计算结果以变化斜率的形式得出:
式中:为研究年数, 本文=4;为1—年的年序号;FVC为第年某像元植被覆盖度值;是研究区内植被覆盖度变化斜率, 反映了在研究期间植被覆盖度的变化趋势。当>0时, 表示植被覆盖度增加, 即植被改善; 当=0时, 表示植被覆盖度没有发生变化; 当<0时, 则表示植被覆盖度降低, 代表植被退化。同时, 斜率绝对值越大, 植被覆盖度增加的幅度越大, 反之则增加的幅度越小。本文利用一元线性回归方法对植被覆盖度变化趋势进行计算, 按照变化斜率的大小, 划分不同的等级(表1)。
2.4 城市化计算方法
人口城市化是衡量城市化水平的重要指标, 指农业人口进入城市转变为非农业人口的过程和农村地区转变为城市地区所导致的变农业人口为非农业人口的过程。一般以城镇人口占总人口的比重[31]来计算人口城市化水平, 表达式为:
其中,城镇为城镇人口总数,总为该市行政范围内的总人口。因为人口城市化的主体是经济活动人口, 其实质应是人口经济活动的转移过程。因此, 城市化水平可以在一定程度上表征城市经济发展水平。
3 结果与分析
3.1 东北老工业区植被覆盖时空演化特征
东北老工业区植被覆盖度总体分布基本一致, 均呈现“中部高—东西低—西部最低”的空间分布特征(图1)。中部地区北起黑龙江省大兴安岭南至辽宁省丹东市, 形成十分明显的高植被覆盖带, 其中包括黑龙江省北部和辽吉两省东部等地, 境内的大、小兴安岭和长白山山脉等原始森林是形成高植被覆盖区的主要原因; 中度和中高植被覆盖区分布不集中, 分散在黑龙江省东北部和西北部、吉林省西北部以及辽宁省西部, 地理位置与三江平原、松—嫩—辽平原农业区基本吻合。除此之外, 中度和中高植被区在全域范围内均有零星散步。低植被覆盖区面积较少但位置相对稳定集中, 位于省会城市中心地带以及黑龙江大庆、吉林白城等地构成的中西部城市群内以及辽西城市群。截至2015年, 辽宁大多数中西部城市植被覆盖度普遍偏低, 面临土地荒漠化问题[29]。
2000—2015年全域的高植被覆盖度地区(以下简称高植被区)占比明显增加(表2), 约增加12%, 其他等级占比均不同程度减少。2015年相比2000年增加的高植被区主要位于黑龙江、吉林两省, 分别增加了21.94%、8.25%。但其他等级植被覆盖度地区占比均不同程度减少, 这与全域的变化趋势一致, 可见黑龙江省的植被变化是研究区全域植被变化的主控因素。然而辽吉两省高覆盖度的植被退化严重, 2000年辽宁省高植被区占比全省面积已不及一半(42.42%), 此后高植被区不增反减, 到 2015年仅剩29.99%。
图1 东北老工业区植被覆盖度空间分布图
表2 各等级植被覆盖度占比统计(%)
上述对各等级植被覆盖度进行了量化统计, 但难以探测植被盖度发生变化的具体位置从而实现林区、草场等区域植被的防控监测目标。为此, 以2000、2005、2010和2015年作为时间节点, 采用一元线性回归模型计算植被覆盖度的变化趋势, 进一步揭示15年间研究区植被覆盖度变化的空间分布情况(图2)。植被覆盖度基本稳定地区的面积仅有36.27万km², 即超过一半的土地植被覆盖度发生了明显变化(图3)。具体来看, 黑吉两省与内蒙古交界的大部分地区植被覆盖度明显增加, 2000年大兴安岭、大庆和齐齐哈尔市等植被盖度大多为中低水平(图1—a), 东北振兴战略提出以后, 生态环境得到治理, 植被覆盖度逐年增加, 不仅退化的原始林得到进一步地修复, 而且部分土地荒漠化趋势也得到了逆转; 植被退化区面积仅有15.82万km², 植被改善区面积几乎是植被退化区的二倍。由此可见, 研究区植被覆盖度在15年间呈现增加趋势。然而也不乏植被退化明显的局部地区, 辽西北地区就在其列, 该地区城市荒漠化趋势逐渐向东蔓延, 构成了植被严重退化城市群, 也验证了可持续发展综合能力较弱[31]。
图2 植被覆盖度变化趋势空间分布
图3 植被覆盖度变化统计
3.2 植被覆盖度变化与城市化因子相关性分析
城市化与生态环境之间客观上存在着密切的关系, 由于农村人口向城镇转移, 城市地域不断扩展, 必然要占用自然生态空间的土地资源, 造成植被生境的变化, 这对城市的环境保护提出了更高的要求。同时由于经济总量的增加, 使城市更具能力进行环保投资, 在一定程度上保护了植被资源, 因此城市化对植被资源具有双重作用[32–33]。辽宁省城市化水平差异较大, 在省会城市的带动和辐射作用下, 沈阳市、抚顺市、本溪市等地在2014年城市化水平达到60%以上。2009年国家将辽宁沿海地区提到战略部署内, 大连市、盘锦市等沿海城市经济发展势头迅猛, 城市化水平居高, 但朝阳市、葫芦岛市、铁岭市和阜新市等地区城市化发展落后(图4、图5)。在城市化水平较高的地区, 如盘锦市、沈阳市、大连市的植被呈现严重退化或中度退化的趋势, 特别是沈阳市大部分地区的植被严重或中度退化, 以区县为单位分析, 除了新民市东部和沈阳市浑河周边的中心城区的植被有增加迹象外, 其他区域的植被明显退化。可见, 在高度城市化的背景下, 城市人口数量的增加带来了城乡土地利用方式的变革, 植被生态区遭到破坏, 带来了植被覆盖度的大幅衰减。然而, 以抚顺市和本溪市为代表的高城市化水平的地区植被覆盖度不减反增, 这是当地天然林草地等植被保护工作的有效实施的缘故, 也与中等植被覆盖度的农业区的发展扩建有关。铁岭市、朝阳市、葫芦岛市等地区的城市化水平较低, 植被覆盖度轻微增加或者基本不变的土地广布, 但也存在植被严重退化的现象。在过去的15年里, 这些地区的生态用地虽然得到了一定的治理, 但连年气候干旱多风, 加之超载过牧等自然人为因素的影响使得该区域草地农田风蚀沙化明显, 土地荒漠化治理工作有待加强。综上所述, 东北老工业区城市化水平可以作为植被覆盖度变化原因参考因素之一, 但城市化水平的高低不能作为衡量城市植被覆盖度变化的绝对影响因素, 还需结合其他影响因素进行综合分析。
图4 辽宁省城市化指数空间分布
图5 辽宁省植被覆盖度变化趋势空间分布
4 结论与讨论
普遍认可的像元二分模型适用于东北老工业区的植被覆盖度估算研究, 同时, 一元线性回归方法能够有效获取植被覆盖度逐年的演变趋势。利用上述方法开展2000—2015年东北老工业区的植被覆盖度研究, 分析了各级植被覆盖区的面积占比及变化情况, 评估了四个年份内东北老工业区植被覆盖度的变化趋势, 并将城市化指数与植被覆盖度的变化程度进行比对。本研究为深入认识东北老工业区近15年的植被覆盖度的空间分布情况, 探明植被覆盖度的年际变化规律提供了方法学的新思路, 也能够为东北老工业区的生态环境建设提供决策依据。主要得出了以下结论: 1)2000—2015年东北老工业区植被覆盖度均表现出“中部高-东西低-西部最低”的空间分布特征, 南北贯穿形成明显的高植被覆盖带。中度和中高植被覆盖区分布不集中, 与三江平原等农业区基本吻合。低植被覆盖区以省会城市为代表, 连片集中分布在中西部城市群内; 2)近15年东北老工业区高植被覆盖区明显增加, 主要集中在黑龙江省和吉林省。辽宁省的高植被覆盖区占全省总面积百分比由2000年的49.99%迅速下降至2015年的25.99%, 其中辽西至辽中区域的朝阳市、阜新市、锦州市、沈阳市等构成了植被严重退化的城市群。从总体上看, 东北老工业区在2000年至2015年植被覆盖度呈现增加趋势, 这得益于生态环境保护工程的实施; 3)辽宁省的城市化水平可以作为植被覆盖度变化原因的参考, 但是不同地区的植被覆盖度与城市化水平的相关性存在差异。最后, 本研究仅选取了城市化指数一种社会经济因子, 没有联合其他社会经济因子与植被覆盖度展开综合对比分析。从社会经济角度来看, 人口密度和城市GDP水平也能够反映社会经济基础发展的程度, 因此今后应考虑这些因素对植被覆盖度的影响。
[1] XUE Bing, TOBIAS M. Sustainability in China: bridging global knowledge with local action[J]. Sustainability, 2015, 7(4): 3714–3720.
[2] REN Wanxia, XUE Bing, GENG Yong, et al. Inventorying heavy metal pollution in redeveloped brownfield and its policy contribution: case study from Tiexi district, China [J]. Land Use Policy, 2014, 38: 138–146.
[3] 钱正英. 东北地区有关水土资源配置、生态与环境保护和可持续发展的若干战略问题研究(综合卷)[M]. 北京: 中国科学出版社, 2007.
[4] CARLSON T N, RIPLEY D A. On the relation between NDVI, fractional cover, and leaf area index[J]. Remote Sensing of Environment, 1997, 62: 241–252.
[5] 夏北成, 龚建周. 广州市植被覆盖度等级结构及其时空格局特征[J]. 生态科学, 2006, 5:417–422.
[6] WITTENBERG L, DAN M, BEERI O, et al. Spatial and temporal patterns of vegetation recovery following sequences of forest fires in a Mediterranean landscape, Mt. Carmel Israel[J]. Catena, 2007, 71(1):76–83.
[7] JOSHI P K K, ROY P S, SINGH S, et al. Vegetation cover mapping in India using multi-temporal IRS Wide Field Sensor (WiFS) data[J]. Remote Sensing of Environment, 2006, 103(2):190–202.
[8] 梁顺林, 李小文, 王锦地, 等. 定量遥感: 理念与算法[M]. 北京: 科学出版社, 2003.
[9] LEPRIEUR C, VERSTRAETE M M, PINTY B. Evaluation of the performance of various vegetation indices to retrieve vegetation cover from AVHRR data[J]. Remote Sensing Reviews, 1994, 10(4): 265–284.
[10] 刘汉生, 吴宜进, 张永利, 等. 湖北省黄冈市欠发达地区植被覆盖度时空特征分析[J]. 生态科学, 2015, 5: 23–28.
[11] 李京忠, 曹明明, 邱海军, 等. 汶川地震区灾后植被恢复时空过程及特征——以都江堰龙溪河流域为例[J]. 应用生态学报, 2016, 11: 1–11.
[12] 韩佶兴. 2000—2011年东北亚地区植被覆盖度变化研究[D]. 北京: 中国科学院研究生院, 2012.
[13] JIAPAER G, CHEN X, BAO A. A comparison of methods for estimating fractional vegetation cover in arid regions[J]. Agricultural and Forest Meteorology, 2011, 151(12): 1698–1710.
[14] 宋乃平, 杜灵通, 王磊. 盐池县2000-2012年植被变化及其驱动力[J]. 生态学报, 2015, 22: 7377–7386.
[15] 贾坤, 姚云军, 魏香琴, 等. 植被覆盖度遥感估算研究进展[J]. 地球科学进展, 2013, 7: 774–782.
[16] 李苗苗, 吴炳方, 颜长珍, 等. 密云水库上游植被覆盖度的遥感估算[J]. 资源科学, 2004, 4: 153–159.
[17] QI J, MARSETT R C, MORAN M S, et al. Spatial and temporal dynamics of vegetation in the San Pedro River basin area[J]. Agricultural & Forest Meteorology, 2000, 105(1/3):55–68.
[18] 马娜, 胡云峰, 庄大方, 等. 基于遥感和像元二分模型的内蒙古正蓝旗植被覆盖度格局和动态变化[J]. 地理科学, 2012, 2: 251–256.
[19] 刘广峰, 吴波, 范文义, 等. 基于像元二分模型的沙漠化地区植被覆盖度提取—以毛乌素沙地为例[J]. 水土保持研究, 2007, 2: 268–271.
[20] KHARIN H G, GRINGOF I G. Conceptual approach to application of the normalized difference vegetation index for the assessment of arid land degradation[J] Russian Meteorology and Hydrology, 2002 (7): 64–72.
[21] YENGOH G T, DENT D, OLSSON L, et al. Applications of NDVI for Land Degradation Assessment[M]// TUCKER, COMPTON J, TENGBERG, et al. Use of the Normalized Difference Vegetation Index (NDVI) to Assess Land Degradation at Multiple Scales. Springer International Publishing, 2015.
[22] DENG Shaofu, YANG Taibao, ZHENG Biao, et al. Vegetation Cover Variation in the Qilian Mountains and its Response to Climate Change in 2000-2011[J]. Journal of Mountain Science, 2013(6): 1050–1062.
[23] 穆少杰, 李建龙, 陈奕兆, 等. 2001-2010年内蒙古植被覆盖度时空变化特征[J]. 地理学报, 2012, 9: 1255–1268.
[24] 王伟军, 赵雪雁, 万文玉, 等. 2000—2014年甘南高原植被覆盖度变化及其对气候变化的响应[J]. 生态学杂志, 2016, 9: 2494–2504.
[25] 张彦彬, 安楠, 刘佩艳, 等. 基于MODIS数据的山西省六大煤田区植被覆盖度时空变化特征及其驱动力分析[J]. 干旱区地理, 2016, 1: 162–170.
[26] PUREDORJ T S, TATEISHI R, ISHIYAMA T, et al. Relationships between percent vegetation cover and vegetation indices[J]. International Journal of Remote Sensing, 1998, 19(18): 3519–3535.
[27] 张东海, 任志远, 王晓峰, 等. 基于MODIS的陕西黄土高原植被覆盖度变化特征及其驱动分析[J]. 生态与农村环境学报, 2013, 1: 29–35.
[28] GUTMAN G, IGNATOV A. The derivation of the green vegetation fraction from NOAA/AVHRR data for use in numerical weather prediction models[J]. International Journal of Remote Sensing, 1998, 19(8): 1533–1543.
[29] 陈效逑, 王恒. 1982—2003年内蒙古植被带和植被覆盖度的时空变化[J]. 地理学报, 2009, 1: 84–94.
[30] 臧锐, 张鹏, 杨青山, 等. 吉林省城市化水平综合测度及时空演变[J]. 地理科学, 2013, 10: 1231–1237.
[31] 鹿晨昱, 张琳, 薛冰, 等. 辽宁省区域可持续发展时空综合测度研究[J]. 经济地理, 2015, 8: 32–39.
[32] 刘婧. 东北地区产业集聚与城市化发展关系研究[D]. 长春: 东北师范大学, 2006.
[33] 王少剑, 方创琳, 王洋. 京津冀地区城市化与生态环境交互耦合关系定量测度[J]. 生态学报, 2015, 7: 2244– 2254.
肖骁, 李京忠, 韩彬, 等. 东北老工业区植被覆盖度时空特征及城市化关联分析[J]. 生态科学, 2017, 36(6): 71-77.
Xiao Xiao, LI Jingzhong, HAN Bin, et al. Spatial-temporal characteristics of vegetation coverage and its correlation with urbanization in traditional industrial area of Northeastern China[J]. Ecological Science, 2017, 36(6): 71-77.
Spatial-temporal characteristics of vegetation coverage and its correlation with urbanization in traditional industrial area of Northeastern China
Xiao Xiao1, LI Jingzhong1,2, HAN Bin1, LU Chengpeng1, XUE Bing1,*
1. Lab for Pollution Ecology and Environmental Engineering, Institute of Applied Ecology, Chinese Academy of Sciences, Shenyang 110016, China 2.College of Urban and Rural Planning and Landscape, Xuchang University, Henan 461000, China
Study on vegetation coverage is very important for revealing the evolution of natural ecosystem as well as the relationship between human activities and environmental evolution. Based on the MODIS data and by combining the dimidiate pixel model with simple linear regression method, this research quantitatively estimated the vegetation coverage and its spatial-temporal variation characteristics in traditional industrial area of northeastern China during 2000-2015, and the relationship between the change of vegetation coverage and the level of urbanization in Liaoning province was especially analyzed. The results show that: 1) the spatial distribution of the vegetation coverage appeared to be “central-high, west and east-low, west-lowest”; 2) high vegetation coverage areas increased significantly in Heilongjiang province and Jilin province. However, in Liaoning province, the high vegetation coverage area accounted the proportion of the province’s total area fell from 49.99% to 25.99% during 2000-2015, which was further verified by the spatial difference of Liaoning province’s urbanization level; 3) in addition to the vegetation degradation trend that seriously and gradually spread eastward in some western Liaoning cities, the vegetation coverage in most traditional industrial areas of Northeastern China showed increasing trend, especially in most Heilongjiang and Jilin province areas adjacent to Inner Mongolia.The research results show the vegetation evolution pattern and process of the traditional industrial area of Northeastern China, and have an important significance to promote the sustainable transformation of the green and ecological civilization construction.
vegetation coverage; urbanization; dimidiate pixel model; traditional industrial area of Northeastern China
10.14108/j.cnki.1008-8873.2017.06.010
Q948.1; Q149; X835
A
1008-8873(2017)06-071-07
2016-09-12;
2016-11-16
国家自然科学基金(41471116, 41701142); 中国科学院青年创新促进会(2016181); 辽宁省自然科学基金(201602743, 20170540898)
肖骁(1990—), 女, 辽宁丹东人, 硕士, 主要从事土地利用遥感监测研究, E-mail: xiaoxiao@iae.ac.cn
薛冰, 男, 博士, 研究员, 主要从事区域可持续发展和低碳城市的研究, E-mail: xuebing@iae.ac.cn
