西安市1995—2016年植被覆盖度动态变化监测及景观格局分析

王君, 杨晓梅, 隋立春,3, 康军梅, 王志华,*

西安市1995—2016年植被覆盖度动态变化监测及景观格局分析

王君1, 杨晓梅2, 隋立春1,3, 康军梅1, 王志华2,*

1. 长安大学地质工程与测绘学院, 陕西 西安 710054 2.中国科学院地理科学与资源研究所 资源与环境信息系统国家重点实验室, 北京 100101 3. 地理国情监测国家测绘地理信息局工程中心, 陕西 西安 710054

基于Landsat TM/OLI遥感影像数据反演了西安市1995—2016年的植被覆盖度, 分析了西安市不同时期的植被覆盖度变化特征, 并运用景观格局对植被覆盖度的空间格局变化进行了定量化分析。总体统计结果显示: 西安市1995年、2002年、2009年、2016年平均植被覆盖度分别为45.40%、50.03%、55.97%、59.42%, 呈现逐年增加趋势, 其中1995—2016年极低覆盖度面积减少了1427.9337 km2, 极高植被覆盖度面积增加了1252.9080 km2, 表明西安市自然生态环境明显转好。分区统计结果显示: 南部山区秦岭和渭河洪冲积平原的植被生长保持稳定; 沿山丘陵、黄土台塬区植被增长趋势显著; 植被退化主要发生在新的建城市区域和主要发展开发区。景观格局分析显示: 西安市在此20年间, 植被覆盖度的斑块密度和斑块数量呈上升趋势, 破碎化程度加大, 这不仅表明西安市资源不断被开发利用, 同时也表明生物多样性的环境向不利趋势方向发展。这提醒我们尽管西安市总体植被覆盖度变好, 但仍需要在资源开发利用过程中密切关注保持生物多样性的环境。

像元二分模型; 植被覆盖度; 动态变化; 景观格局; 变化监测

0 前言

植被作为全球生态系统中重要的组成部分之一, 在生态保护、维持生态稳定以及改善社会环境方面有着不可替代的作用, 而遥感植被指数能够在一定程度上反映植被的密度和光合能力, 可以用于监测广大地区的植被动态。中国幅员辽阔、地形复杂, 再加上近年来工业化的快速发展, 人口的快速增长, 城市扩张等, 植被覆盖的稳定性大大降低, 引发了一系列的自然生态问题。植被覆盖度(FVC, Fractional Vegetation Cover)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[1]。它是描述植物群落表明状况的综合定量指标, 直接构成了生态系统的重要基础数据, 植被覆盖度与生态系统之间存在正相关关系。目前有关植被覆盖度变化监测的方法大量涌现[2], 而像元分解模型估算法应用的较为普遍[3], 植被覆盖的变化不仅可以监测环境、水文、生态、全球变化等, 而且它还是衡量区域生态系统环境的重要指标。景观格局指数可以反映一个地区景观的空间分布结构, 综合表现可以代表人类活动和社会经济的发展状况。

在植被稀疏、破碎化程度高的干旱半干旱地区, 借助植被指数(VI)等遥感模型获得了区域以上尺度的植被信息, 它是定量监测植被覆盖变化的有效手段[4–5]。植被覆盖度的研究始于20世纪30年代, 之后受到国内外研究者越来越多的关注[6–7]。近年来, 许多学者在植被覆盖的时空变化、热岛效应和植被的环境保护等方面取得了重要的研究成果。如: Quarmby等[8]基于AVHRR资料, 将遥感影像的像元分解为植被信息和非植被信息, 估算植被信息所占的比重; 刘宪锋[9]等以黄土高原地区为对象研究了在水土流失严重的生态环境下植被覆盖度的时空变化; 滑永春等[10]从三种植被指数出发, 利用线性回归关系提取了甘肃民勤县的植被覆盖度面积, 分析得到民勤生态恢复最为本质的原因; 张善红[11]等研究了西安市主城区夏季热岛效应强度与植被覆盖度的关系; 徐涵秋[12]等针对福建省长汀县利用植被覆盖度的变化研究了其与水土流失及热岛效应之间的关系; 曹永翔[13]等利用归一化植被指数提取青海省都兰县察汗乌苏绿洲植被覆盖度, 定量分析评价了1990—2006年植被覆盖度的时空变化特征; 穆少杰[14]等基于MODIS—NDVI遥感数据, 从不同的时空尺度上分析了2001—2010年内蒙古植被覆盖度的演化特征; 王丽春[15]等基于NDVI反演了玛纳斯湖湿地植被覆盖度, 评价了2000—2016年玛纳斯湖植被覆盖度的总体趋势; 王亚娟[16]等针对济宁市做了2005—2016年的植被覆盖度变化分析及其与驱动因子的关系; 近年来, 随着遥感技术的广泛应用, 植被的研究从定性化向定量化发展, 植被覆盖度逐渐成为研究全球或区域生态、气候、水文等方面问题的基础数据。

景观格局指数是景观生态学的主要分析方法, 目前越来越多的学者将其应用于植被覆盖度类型的景观格局分析中。龚建周[17]等在植被覆盖度等级图上探讨了了各指数之间的相关性以及相关程度的大小; 王静[18]等利用景观格局和植被覆盖度的变化研究了京津冀地区城市化对生态系统的影响; 杨晶晶[19]等利用景观格局指数对佛山市的植被覆盖度景观类型及其变化进行了特征分析; 因此利用景观指数对植被覆盖度的类型进行分析不仅可以窥探各个类型的集聚分散程度, 也可以体现出各个景观类型的生态多样性, 对于城市生态保护具有重要意义。

根据国内外学者植被覆盖度的研究成果, 可以看出其研究区域主要集中在中国的中东部地区, 对中国广大西部地区的研究较少, 且大多研究针对的区域都是区域较大的省份, 并不适应于本研究区域的分析探索。西安市作为西北地区的中心城市一带一路的重要起源地, 地质土壤类型多样, 人类活动影响剧烈, 由于其特殊的自然地理条件, 研究其植被覆盖度具有特殊的意义, 而景观格局可以在一定程度上反应该地区的生态系统。因此本文基于1995/2002/2009/2016年四个时期的遥感影像数据, 借鉴前人方法和时空数据分析原理, 构建归一化植被指数像元二分模型, 利用GIS和RS技术分析1995—2016年西安市植被覆盖度及景观格局的演变趋势, 其时间跨度大能够及时了解动态变化的过程, 填补西部地区基础研究数据的空白, 为西安市的土地资源合理布局和生态环境建设提供基础数据和理论依据。

1 研究区概况

西安市地处东经107°40′—109°49′, 北纬33°39′— 34°45′之间, 它位于关中盆地中部秦岭北部河西走廊的中部, 它与南部的汉中市和商洛市相连, 以北部的黄土台塬和渭河为界, 东部邻接渭南市, 西部与宝鸡市接壤(图1所示)。西安市南部为秦岭山地, 北部和西部为渭河断陷盆地的洪冲积平原, 东部为骊山低山丘陵。全市辖新城、碑林、莲湖、雁塔、未央、灞桥、阎良、临潼、长安、高陵10个区及周至、蓝田、户县3个县。西安市四季分明, 年平均日照时数2125h, 年平均气温14.7℃, 年平均降雨量654mm。

图1 西安市地貌与行政区划综合示意图(来源: 西安市地理志)

Figure 1 Comprehensive sketch map of landform and administrative regionalization in Xi'an (source: Xi'an Geography)

2 数据与研究方法

2.1 数据源

本研究利用1995—2016年的4期美国Landsat TM/OLI卫星遥感影像作为数据源(空间分辨率为30m), 数据来源为中科院地理空间数据云(http:// www.gscloud.cn/), 见表1所示。西安市地处三幅遥感影像结合处, 每一期影像图的行列编号为(136, 36)(137, 36)(137, 37)。为了保证影像的质量, 选取7、8、9月份的影像且影像含云量均低于10%, 因为此时影像上地物信息清晰, 植被覆盖最为明显。对所有影像进行辐射校正、大气校正和拼接裁剪。主要通过归一化植被指数、像元二分模型[20]和变化监测对植被覆盖信息进行图像增强并划分等级, 最终确定不同等级的植被覆盖面积及其变化的范围。

表1 landsatTM/OLI传感器的主要参数

2.1.1 数据处理

由于卫星自身运动、地球自转、地表大气折射和多光谱扫描仪扫描范围的影响, 可能会发生遥感卫星影像信息缺失以及影像失真等的现象。因此, 为了获得反映西安市地表植被的真实影像数据, 需要对遥感影像进行预处理, 一般包括(1)几何校正, 本文所使用的遥感影像数据选取LandsatTM/OLI所提供的影像, 该卫星影像已经进行过精校正, 因此几何校正的工作无需重复进行。(2)图像拼接, 西安市Landsat 影像在行列号为(136, 36)(137, 36)(137, 37)的卫星影像中, 需要使用Image Seamless Mosiac工具在ENVI5.1中缝镶嵌3幅影像数据。(3)图像裁剪, 利用西安市矢量掩膜数据获取西安市卫星影像裁剪图。(4)大气校正, 利用ENVI5.1中FLAASH大气校正模型校正西安市遥感影像, 消除水蒸气、大气分子和气溶胶散射对地物反射的影响, 从而获得西安市地面物体的真实反射率。

2.2 植被覆盖度计算

2.2.1 归一化植被指数

2.2.2 像元二分模型

将公式(3)和(4)代入公式(2)并进行变换, 可得

2.3 植被景观分析方法

景观指数可以高度丰富景观的格局信息, 定量反映其结构组成和空间结构特征[23]。本文计算了不同植被覆盖度的植被斑块类型指数, 定量分析了不同植被斑块类型的面积和破碎程度, 从而解析区域景观格局的变化。本文计算的景观格局指标包括: 景观斑块密度(Patch density, PD)、斑块数量(Number of patches, NP)、最大斑块指数(Largest patch Index, LPI)、边缘密度(Edge density, ED)、景观形状指数(Landscape shape index, LSI)、集聚度指数(Assre­gation index, AI)、散布与并列指数(Interspersion juxtaposition index, IJI)、平均分维数(Fractal dimen­sion index mean, FRAC_MN)、蔓延度指数(Contagion, CONTAG)和香农多样性指数(Shannon’s diversity index, SHDI)等景观指数来分别从总体和不同类型之间的景观格局变化进行分析。从而揭示不同等级植被覆盖度的空间变异特征, 各个景观指数的含义及模型见文献[24], 用以表达植被的密度、覆盖比例、集聚度以及景观斑块的异质性等方面, 斑块的规模、分布状况和景观的破碎化程度得到了很好的解释[25], 从生态学的视角来进行植被覆盖度等级的景观格局空间分析。

3 结果分析

3.1 西安市植被覆盖度时空分布及总体变化分析

为了进一步研究陕西省西安市20年来不同等级植被覆盖度的变化状况, 选取1995、2002、2009年和2016年4个时期的影像, 通过对西安市植被覆盖度变化情况的研究, 可以得出西安市植被覆盖空间分布的总体特征。

3.1.1 西安市植被覆盖度总体变化分析

由于目前没有统一的植被覆盖度等级阈值划分标准, 本文是基于相关文献[9], 结合西安市独特的生态环境特点, 将植被覆盖度等级划分为５类土地利用类型: 极低覆盖度(I级FV为<10%)、低等植被覆盖(II级FV为10%—30%)、中等植被覆盖(III级FV为30%—50%)和高等植被覆盖(IV级FV为50%—70%), 极高植被覆盖(V级FV为70%—100%)具体结果见图2。

西安市植被分布因地形有所差异, 南部的秦岭地区多以林地为主, 灌木、草地也有所分布; 西部和北部以耕地为主。1995年, 西安市蓝田县的西部台塬区、骊山低山区其植被覆盖度较低, 到2016年, 这些地区的植被覆盖度得到显著的提高, 表明生态环境和区域退耕还林、荒山绿化等项目成效显著。在西安市主城区, 植被覆盖度也有所增加, 说明城市扩张并未对植被覆盖度造成明显的影响, 这主要与西安加大城市绿地面积, 改善生活质量密切相关。

植被面积的大小是反应区域生态环境的重要指标。通过获取的1995—2016年不同时期的西安市植被覆盖度来看, 近20年来, 西安市植被覆盖度出现低覆盖度植被向高覆盖度植被转入的变化。从总体趋势分析, 西安市植被覆盖度一直处于增长趋势, 由西安市植被覆盖度变化面积统计表(表2、表3)可以推测在未来几年中西安市的高植被覆盖度面积将呈现持续上涨趋势。

图2 西安市1995—2016年植被覆盖度等级划分图

Figure 2 Classification Map of vegetation coverage Grade in Xi'an City from 1995 to 2016

表2 西安市不同等级植被覆盖度1995—2016年面积统计表

表3 西安市植被覆盖度变化面积统计表

1995—2016年西安市植被覆盖度总体变化表明, 西安市近20年来植被覆盖度普遍较好, 且随着时间的增长植被覆盖度呈上升趋势。其中, 极高等植被覆盖度(FC>70%)增幅最大, 与1995年相比, 2016年面积增加了1252.9080km2, 高等、中等植被覆盖度(50%

3.1.2 西安市各县植被覆盖度空间变化分析

通过西安市各县区植被覆盖度面积的统计覆盖表和直方图, 可以看出分布在秦岭沿山一带的周至县、蓝田区、户县以及长安区, 临潼以及西安市辖区的植被覆盖度稳定趋势表现最佳, 而阎良区和高陵区的植被覆盖度则出现了波动及退化。

Figure 3 Average vegetation coverage of 1995-2016 counties in Xi'an

其中西安市辖区极低和低度植被覆盖度的面积在逐年减少, 而中度、高度、极高植被覆盖度的面积在逐年增加, 这与政府推行的打造旅游城市, 增大绿化面积政策密切相关, 且取得成效显著; 长安区的极低及低等植被覆盖度面积在1995—2016年之间呈现出减少状态, 其中度、高度和极高植被覆盖度的面积呈逐年增加状态, 这也与其地处秦岭一带的地理位置密不可分, 且近些年来政府大力支持退耕还林工程, 效果显著; 周至县、蓝田区植被覆盖度呈上升趋势, 其主要原因是政府生态恢复措施的实施, 将不适宜种植耕作的陡坡进行绿化改造; 户县的极低植被覆盖度的面积显著减少, 中度覆盖度的面积显著增加, 主要由于其地处关中平原腹地, 南部山区森林茂盛, 地下水资源丰厚为植被生长提供了适宜的环境; 临潼区的极低、中度和高度植被覆盖度面积在1995—2002年期间增加减少, 但是在2002—2016年变化不明显, 基本持稳定状态, 这主要是由于临潼区受城南骊山形成的天然屏障, 陇海铁路、西康铁路、西潼高速等形成的交通走廊, 以及文物保护的制约, 限制了城市的发展空间, 加之随着临潼区经济的发展, 城区范围不断扩大, 但是城区的建设用地已满足不了发展的需求; 而高陵和阎良位于渭河川道平原区, 多以耕作为主, 但是随着经济的发展, 人类活动陡然增加, 造成了这些区域的植被覆盖度出现了轻微的退化, 政府应重点关注以防止其环境恶化。

3.2 西安市植被覆盖度动态变化分析

为了更加直观的解释西安市植被覆盖度动态变化特征, 利用差异图像算法, 将西安市2016年的植被覆盖度减去1995年的植被覆盖度, 得到西安市近20年来植被覆盖度变化专题图[27]。根据许多学者的研究成果, 本研究将西安市植被覆盖度动态变化分为1—7个等级[27–29]。分别为极显著减少(<-30%)、显著减少(-30%—-20%)、弱显著减少(-20%—-10%)、稳定区(-10%—10%)、弱显著增加(10%—20%)、显著增加(20%—30%)、极显著增加(>30%)。

从1995—2016年西安市植被覆盖度动态变化中分析可得(如图4所示), 植被覆盖度变化稳定的区域主要位于西南部的秦岭, 这里多为山地, 人类活动少, 植被覆盖度高且较为稳定。

统计分析结果表明(如表4所示), 西安市植被覆盖度减少区、稳定区、增加区面积分别为477.3960 km2、5126.1408 km2、4592.6361 km2, 占西安市总面积分别为4.69%、50.27%、45.04%。周至县的北部、蓝田县以及西安市辖区和渭南市相邻接区域植被覆盖度极显著增加, 说明政府实行的加快国土绿化, 退耕还林、天然林保护计划、大型绿色工程等重点林业项目取得了显著成效。西安市植被覆盖度面积减少区与面积增加区差异达到了4115.2401km2, 表明西安市整体植被覆盖度呈上升趋势, 植被生态系统稳定性良好, 自然生态环境越来越好。

图4 西安市1995—2016年植被覆盖度图

Figure 4 Vegetation coverage map of Xi'an from 1995 to 2016

表4 1995—2016年西安市植被覆盖动态变化表

3.3 景观格局分析

3.3.1 总体景观格局变化分析

由表5可见, 1995—2016年间景观破碎化程度逐渐增大, 其中破碎化程度变化最快的两个时期是1995—2002年和2009—2016年间, 在这两个时间段内斑块密度(PD)值、斑块数量(NP)值以及边缘密度(ED)值显著提高, 说明在这两个时间段内景观类型在被不断的分割, 小斑块逐渐增多, 最大斑块则保持稳定状态。1995—2016年间景观形状指数LSI呈现出“增加—减少—增加”的趋势, 由1995年的161.9254增加到2016年的245.9974, 集聚度指数(AI)则是一直减少的趋势, 散布与并列指数(IJI)则呈增加趋势, 说明整体斑块分布变得离散, 景观形状的规则越来越复杂, 平均分维数(FRAC_MN)在此时间段内呈稳定状态, 上升趋势不明显。1995—2016年间蔓延度指数(CONTAG)呈现出“减少—增加—减少”的趋势, 说明西安市的景观格局是具有多种要素的密集格局, 其异质性在减小; 而香农多样性指数(SHDI)表现为先增加后减少的趋势, 总体指数稍微降低, 说明西安市不同景观类型的比例差距有增加的趋势, 景观多样性略有减少但基本保持稳定状态, 且香农多样性与物种多样性有紧密的联系, 虽然香农多样性指数略微减少但是依然需要引起政府的重点关注, 以确保西安市物种多样性的发展。

3.3.2 不同等级类型景观格局变化分析

根据2.3节所选的景观指数, 西安市不同等级的植被覆盖度景观格局绘制如下图所示(图5)。

从1995—2016年不同等级的植被覆盖度斑块密度(PD)和斑块数量(NP)来看, 它们的变化趋势一致, 其大小排列顺序为: III>IV>II>I>V, (具体定义请参考3.1.1章节)中等植被覆盖度的斑块密度和斑块数量最多, 破碎程度最高, 极高植被覆盖度的景观破碎化程度低, 且各个等级的植被覆盖度斑块向破碎化程度增大的趋势发展, 极低植被覆盖度PD值在2009年之后趋于平稳状态, 说明近20年来西安市人类活动剧烈, 对景观格局的干扰程度加大, 2009年之后人类活动影响不再剧烈, 生态环境逐渐改善; 不同等级的最大斑块指数(LPI)排列顺序为: V>I>II>IV>III, 极高植被覆盖度的最大斑块指数呈现一直增加趋势, 极低和低等植被覆盖的最大斑块指数呈现一直减小趋势, 说明西安市的生态环境日益变好;

不同等级的边缘密度(ED)排列顺序为: II>III>IV>I>V, 不同等级的植被覆盖度边缘密度呈波动状态并逐渐上升, 其中, 中等植被覆盖度的边缘密度变化最大, 这是由于中等植被覆盖度区域主要集中在县城区域, 人类活动剧烈使得斑块分离呈破碎化现象显著;

表5 西安市1995—2016年植被覆盖度景观指数

图5 西安市不同等级植被覆盖度上的景观指数

Figure 5 Landscape index on vegetation coverage of different grades in Xi'an

景观形状指数(LSI)1995—2002年间不同等级的排列顺序为: II>III>IV>I>V, 在2002—2016年间排列顺序则为: III>II>IV>I>V, 发生交叉变化的在中等和高等植被覆盖度之间, 且各个等级的景观形状指数在1995—2002年间显著提高后期趋于平稳状态, 说明前期人类活动强度较大, 对于自然生活环境的改造需求强烈;

聚集度指数(AI)排列顺序为: V>I>II>IV>III, 极高植被覆盖度和极低植被覆盖度的AI值显示出较高的状态, 说明这两个等级的植被覆盖度区域分布较为集中, 极高植被覆盖度的AI值还呈现出波动增加的趋势, 说明其景观区域经过生态工程后不断集中; 对于AI值较低的等级, 说明其分布较为零散; 散布与并列指数(IJI)排列顺序为: III>IV>II>V>I, 其中中等植被覆盖度的类型与其余类型的斑块彼此邻近, 属于过渡植被类型, 极高和极低植被覆盖度的IJI值最小, 说明这两个等级的景观主要以连片形式分布较为集中, 也正好验证了极高和极低植被覆盖度聚集度(AI)较高这个特点;

这4个时期植被覆盖百分比(PLAND)排列顺序为: V>II>III>IV, 说明极高植被覆盖度所占景观面积的比例较大, 而极低植被覆盖度的植被覆盖百分比在1995—2009年间呈下降趋势, 其后表现为稳定状态, 结果表明, 随着政府绿化工程的实施和人们环保意识的加强, 近20年来西安市生态系统逐渐完善, 人们生活的生态环境逐渐变好。

4 结论

本文从对1995—2016年4期LandsatTM/OLI影像的植被覆盖度进行变化监测可知, 1995年到2016年西安市植被覆盖度呈增长趋势, 即全市的植被生长状况有所改善。植被大致上分布在南部秦岭山地区域, 在市中心和东北部分布为低度植被覆盖。其中1995—2016年极低度、低度植被覆盖度总体呈减少趋势, 中度、高度、极高度植被覆盖度总体呈增加趋势, 近20年来, 西安市植被覆盖度出现低覆盖度植被向高覆盖度植被转入的变化, 平均植被覆盖度随着年份的增加逐渐升高。

通过差值影像算法可以有效地动态监测西安市植被覆盖度的动态变化, 从西安市近20年来植被覆盖度变化专题图可知, 西安市植被覆盖度变化稳定的区域主要位于西南部的秦岭, 这表明政府的退耕还林工程和天然林保护工程实施成效显著。且近20年来, 西安市植被覆盖度呈稳健增加趋势, 表明西安市的自然生态环境越来越好。植被覆盖度不仅与生态环境息息相关, 而且与土壤流失量存在密切的关系, 研究西安市植被覆盖的动态变化有极其重要的意义, 虽然本文研究过程中没有采用地面样方数据进行绝对值的校验, 但这不影响西安市植被覆盖度的总体变化趋势, 因此本文分析的结论具有较强的参考意义, 在一定条件下为政府决策者提供可靠的基础数据。

随着城镇化的推进, 人类活动密切影响着景观格局的分布, 使得景观格局呈现破碎化的现象, 这将会导致自然生态环境的破坏, 从而影响整个生态系统。从总体景观格局来看, 西安市的平均分维数增加, 斑块密度和斑块数量呈上升趋势, 说明在此20年间西安市的资源不断被开发利用, 经济发展迅速, 但是在发展的同时需要密切关注西安市的生物多样性; 从不同类型植被覆盖度的景观格局来看, 西安市总体上极高、极低植被覆盖度的破碎化程度低, 分布较为集中, 但是每个等级的斑块破碎化程度不断加大, 表明城市绿化、退耕还林等工程效果显著。

西北地区自然生态环境脆弱, 沙漠化现象严重。西安市作为西北地区区人类生存活动最为频繁集中的发展基地, 其植被规模的大小直接影响着该区域的稳定性和经济的发展, 景观格局对于西安市的人类活动、经济发展以及生物多样性的分析具有现实参考意义, 因此对该区域植被覆盖度以及景观格局实施动态监测及分析有着重大的意义。

[1] 李登科. 陕西近10年来植被覆盖度变化特征及其成因分析[C]//中国气象学会第28届中国气象学会年会—— S11气象与现代农业, 2011: 14.

[2] 谢晓文, 赖日文, 李永实. 基于RS技术的闽江流域植被覆盖度时空变化分析[J]. 贵州大学学报(自然科学版), 2008(5): 536–539.

[3] 胡健波, 陈玮, 李小玉, 等. 基于线性混合像元分解的沈阳市三环内城市植被盖度变化[J]. 应用生态学报, 2009, 20(5): 1140–1146.

[4] 高志海, 李增元, 魏怀东, 等. 干旱地区植被指数(VI)的适宜性研究[J]. 中国沙漠, 2006, 26(2): 243–248.

[5] LEPRIEUR C, KERR Y H, MASTORCHIO S, et al. Monitoring vegetation cover across semi-arid regions: comparison of remote observations from various scales[J]. International Journal of Remote Sensing, 2000, 21(2): 281–300.

[6] 陶文芳. 西安—咸阳地区土地覆被时空变化及驱动因子研究[D]. 杨凌: 西北农林科技大学, 2010.

[7] DUO A, ZHAO W J, QU X Y, et al. Spatio-temporal variation of vegetation coverage and its response to climate change in North China plain in the last 33 years[J]. International Journal of Applied Earth Observations and Geoinformation, 2016, 53(4): 103–107.

[8] QUARMBY N A, TOWNSHEND J R G, SETTLE J J, et al. Linear mixture modeling applied to AHVRR data for crop area estimation[J]. International Journal of Remote Sensing, 1992, 13(3): 415–425.

[9] 刘宪锋, 杨勇, 任志远, 等. 2000—2009年黄土高原地区植被覆盖度时空变化[J]. 中国沙漠, 2013, 33(4): 1244– 1249.

[10] 滑永春, 李增元, 高志海. 2001年以来甘肃民勤植被覆盖变化分析[J]. 干旱区研究, 2017, 34(2): 337–343.

[11] 张善红, 丁小松. 西安市热岛效应与植被覆盖度的关系研究[J]. 商洛学院学报, 2016, 30(6): 76–81.

[12] 徐涵秋, 何慧, 黄绍霖. 福建省长汀县河田水土流失区植被覆盖度变化及其热环境效应[J]. 生态学报, 2013, 33(10): 2954–2963.

[13] 曹永翔, 刘小丹, 张克斌, 等. 青海省都兰县察汗乌苏绿洲植被覆盖度变化研究[J]. 中国沙漠, 2011, 31(5): 1268– 1272.

[14] 穆少杰, 李建龙. 2001-2010年内蒙古植被覆盖度时空变化特征[J]. 地理学报, 2012, 67(9): 1255–1268.

[15] 王丽春, 焦黎, 来风兵. 基于NDVI的新疆玛纳斯湖湿地植被覆盖度变化研究[J]. 冰川冻土, 2018, 40(1): 176– 185.

[16] 王亚娟, 赵艳玲, 焦利鹏, 等. 济宁市2005—2016年植被覆盖度变化及影响因素[J]. 济南大学学报(自然科学版), 2018, 32(3): 171–177.

[17] 龚建周, 夏北成. 景观格局指数间相关关系对植被覆盖度等级分类数的响应[J]. 生态学报, 2007(10): 4075– 4085.

[18] 王静, 周伟奇, 许开鹏, 等. 京津冀地区城市化对植被覆盖度及景观格局的影响[J]. 生态学报, 2017, 37(21): 7019– 7029.

[19] 杨晶晶. 佛山市植被覆盖动态变化及预测分析[D]. 北京:中国地质大学(北京), 2018.

[20] 马娜, 胡云锋, 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, 32(2): 251–256.

[21] 雷磊, 塔西甫拉提·特依拜, 李金香, 等. 干旱区典型绿洲地表温度与植被覆盖度相关性研究[J]. 中国沙漠, 2011, 31(4): 1001–1007.

[22] 赵英时. 遥感应用分析原理与方法[M]. 北京: 科学出版社, 2003.

[23] 邬建国. 景观生态学: 格局过程尺度与等级(第二版) [M]. 北京: 高等教育出版社, 2007.

[24] 何东进. 景观生态学[M]. 北京: 中国林业出版社, 2013: 168–173.

[25] YU Wenjuan, ZHOU Weiqi, QIAN Yuguo, et al. A new approach for land cover classification and change analysis: Integrating backdating and an object-based method[J]. Remote Sensing of Environment, 2016, 177: 37–47.

[26] 张学玲, 张莹, 牛德奎, 等. 基于TM NDVI的武功山山地草甸植被覆盖度时空变化研究[J]. 生态学报, 2018, 38(7): 2414–2424.

[27] 穆少杰, 李建龙, 陈亦照, 等. 2001-2010 年内蒙古植被覆盖度时空变化特征[J]. 地理学报, 2012, 67(9): 1255– 1268.

[28] 甘春英, 王兮之, 李保生, 等. 连江流域近18年来植被覆盖度变化分析[J]. 地理科学, 2011, 31(8): 1019– 1024.

[29] 温小乐, 姜兴强, 徐涵秋. 基于 TM 影像的长乐市植被覆盖度变化研究[J]. 遥感信息, 2013, 28(6): 56–61.

Dynamic change monitoring and landscape pattern analysis of vegetation coverage in Xi'an city from 1995 to 2016

WANG Jun1, YANG Xiaomei2, SUI Lichun1,3, KANG Junmei1, WANG Zhihua2,*

1.College of Geological Engineering and Geomatics, Chang'an University, Xi'an Shanxi 710054, China 2. State Key Laboratory of Resources and Environment Information System, Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China 3. National Geographic Condition Monitoring National Mapping Geographic Information Bureau Engineering Center, Xi'an Shanxi 710054, China

Based on Landsat TM/OLI remote sensing image data, the vegetation coverages of Xi'an from 1995 to 2016 were retrieved. Then, the characteristics of vegetation coverage in different periods were extracted and analyzed. Moreover, landscape indexes were also introduced to quantitatively understand the spatial changes of vegetation coverage over the past 20 years. The statistical results of whole area showed that the vegetation coverage of Xi’an City in 1995, 2002, 2009, and 2016 was 45.40%, 50.03%, 55.97%, and 59.42%, respectively, which indicated the steady growth of the vegetation coverage. From 1995 to 2016, the extremely low coverage area decreased by 1427.9337km2, and the extremely high vegetation coverage area increased by 1252.9080km2. These indicate that the natural environmental of Xi’an was becoming better. The statistical results of separating area showed that the vegetation along the hilly hills and loess terraces significantly grew, the southern mountainous areas and the flood plain of the Weihe River kept unchanged, and the vegetation degradation mainly occurred in the new construction urban areas and the major development areas. The landscape analysis also showed that the plaque density and the number of plaques were on the rise, and the degree of fragmentation was increasing. This indicated that the environment was becoming worse for the biodiversity when the resources were developed. In conclusion, our study shows that the vegetation coverage of Xi’an is growing, but we still need to pay close attention to the environment that maintains biodiversity.

dimidiate pixel model; vegetation fraction; dynamic change; landscape pattern; change monitoring

10.14108/j.cnki.1008-8873.2019.06.012

K909

A

1008-8873(2019)06-081-11

2018-11-17;

2018-12-24

中国科学院战略性先导科技专项(XDA19060202); 国家重点研发计划项目(2016YFB0501404; 2016YFC1402003); 国家自然科学基金项目(41372330; 41671436); 国家自然科学基金青年科学基金(41601345)

王君(1992—), 女, 博士研究生, 主要从事遥感影像信息提取及分析, E-mail: 2017026007@chd.edu.cn

王志华(1988—), 男, 博士, 助理研究员, 主要从事遥感地学分析, E-mail: zhwang@lreis.ac.cn

王君, 杨晓梅, 隋立春, 等. 西安市1995—2016年植被覆盖度动态变化监测及景观格局分析[J]. 生态科学, 2019, 38(6): 81-91.

WANG Jun, YANG Xiaomei, SUI Lichun, et al. Dynamic change monitoring and landscape pattern analysis of vegetation coverage in Xi'an city from 1995 to 2016[J]. Ecological Science, 2019, 38(6): 81-91.