通化市植被指数与土地利用时空变化特征分析

蒋兆恒，陶国芳，陈 峥

植被指数（NDVI，Normalized Difference Veg⁃etation Index）可以准确反映地表植被覆盖状况［1］，土地利用/土地覆被变化（LUCC，Land Use/Land Cover Change）可以表征人类活动对地球表层系统的影响［2］.基于MODIS、Landsat等卫星遥感影像得到的NDVI、LUCC时序数据已被广泛应用于不同尺度区域的植被动态变化监测和土地利用/土地覆被变化监测的相关研究中，对揭示区域生态环境变化的基本特征、可能造成的影响和主要驱动力分析具有重要意义.

通化市位于吉林省东南部，东经125°71′~126°44′，北纬40°52′~42°49′之间，属温带大陆性季风气候，中低山地和丘陵台地地貌类型.全市幅员1.56万平方公里，山地面积约占全市面积的2/3［3-4］.地处长白山系，生态环境优美，自然资源丰富，森林覆盖率达67.39%，被誉为中国中药之乡、葡萄酒之乡、人参之乡、优质大米之乡，是国家园林城市、森林城市，曾获得全国森林康养试点建设市、美丽山水城市、人居环境范例奖、新时代中国最美生态宜居名城和最美绿水青山生态名城等诸多荣誉［5］.通化市下辖梅河口市、集安市、辉南县、柳河县、通化县、东昌区、二道江区7个县（市、区）和1个国家级医药高新区、1个吉林通化国际内陆港务区［5］.2021年梅河口市改制为梅河新区，成为省属高质量发展先行示范区［6］.考虑到本研究的时间范围为2000—2020年，期间梅河新区还未成立，因而仍将梅河口市纳入通化市范围.研究通化市2000—2020年的NDVI与LUCC时空变化特征，可为厘清近20年来自然因素与人类活动的相互作用对通化市环境变化的影响提供科学信息，为通化市国土空间规划和生态文明建设提供理论参考.

1 数据来源与研究方法

1.1 数据来源

通化市NDVI时序数据采用MOD13A1数据集NDVI数据项.该数据集来源于美国宇航局地球观测系统数据和信息系统（EOSDIS）的LAADS DAAC数据分发系统平台（https：//lad⁃sweb.modaps.eosdis.nasa.gov），空间分辨率500 m，时间分辨率16天，每年获取23个时序的遥感影像.选取2001—2020年共20年、460个时序遥感影像，利用MRT（MODIS Reprojection Tool）工具完成投影转换和镶嵌等预处理，利用研究区矢量边界进行裁剪，采用最大值合成法生成通化市2000—2020年共20个年度NDVI栅格数据.为了统一数据精度，将NDVI栅格数据重采样为1 km空间分辨率.

通化市土地利用数据来源于中国科学院地理科学与资源研究所资源环境科学与数据中心提供的全国土地利用类型遥感监测空间分布数据集，空间分辨率1 km.该数据集是基于美国陆地卫星Landsat系列的遥感影像，通过人工目视解译生成.选取2000年、2005年、2010年、2015年 和2020年 共5期全国土地利用类型遥感监测数据，利用研究区矢量边界进行裁剪，获得通化市2000年、2005年、2010年、2015年、2020年的年度土地利用栅格数据.

1.2 研究方法

（1）NDVI数据处理方法.Sen+MK方法是目前长时间序列植被覆盖状况变化趋势分析的最有效方法.采用Sen+MK方法，基于Matlab和ArcGIS软件平台，进行2001—2020年通化市NDVI时序数据的变化趋势分析和显著性检验.Sen斜率估计（Sen’s slope estimator）可以消除异常值对斜率的影响［7］，其计算方法如下：

式中：β为年度NDVI时序数据的变化趋势，xj、xi分别为时间j、i对应的NDVI序列数据值，Median（ ）是中位数函数.β>0表示NDVI时间序列呈上升趋势，β<0表示NDVI时间序列呈下降趋势.

本研究给定显著性水平α为0.05，设定了通过置信度95%的MK检验法对Sen趋势进行显著性检验.MK检验方法（Mann-Kendall test）不要求趋势是线性的，且不受缺失值和异常值的影响［8］.应用时先计算Sen趋势值，再使用MK方法判断趋势显著性，完成5年周期、10年周期和20年周期的多时间尺度NDVI变化趋势和变化显著性分析.

（2）土地利用数据处理方法.通化市土地利用数据的处理主要基于ENVI、ArcGIS、Excel等软件平台.首先，利用ENVI软件基础工具Change Detection中的Change Detection Statistics计算通化市土地利用转移矩阵［9-10］，分别完成5年周期、10年周期和20年周期的多时间尺度土地利用类型的变化特征提取；其次，导出土地利用转移数据并在Excel软件中进行统计分析；最后，结合2000年、2005年、2010年、2015年、2020年的土地利用类型遥感监测数据进行综合分析，揭示通化市土地利用时空变化的规律.

2 结果与分析

2.1 通化市NDVI时空变化特征

基于Sen+MK方法的通化市NDVI显著性变化趋势5年周期、10年周期和20年周期的时空分布情况如图1、图2、图3所示，显著性变化趋势统计结果见表1.

图1 2001—2020年通化市5年周期NDVI变化趋势

图2 2001—2020年通化市10年周期NDVI变化趋势

图3 2001—2020年通化市20年周期NDVI变化趋势

（1）5年周期NDVI时空变化特征.通化市2001—2005年、2006—2010年、2011—2015年、2016—2020年四个5年周期内NDVI变化幅度不大，通过0.05显著性检验的NDVI变化趋势区域零星分布.从时间序列看，2001—2005年NDVI变化趋势最不明显，显著上升和显著下降的像元总和占比不足0.8%；2006—2010年NDVI显著上升像元占比1.58%，显著下降像元占比1.13%；2011—2015年NDVI显著上升和显著下降的像元占比分别减少到0.83%和0.82%；2016—2020年数值有所上升，显著上升像元占比1.69%，显著下降像元占比0.97%，显著上升变化更为明显.总的来说，随着时间发展四个5年周期的NDVI显著下降和显著上升的比例呈波动式变化，但显著上升变化更为明显.从空间分布情况看，NDVI显著下降区域呈现由东南部、中东部向西北部迁移的特点，NDVI显著上升区域呈现由西北端、西北部向东南大部迁移的特点.

表1 2001—2020年通化市NDVI变化趋势像元统计

（2）10年周期NDVI时空变化特征.通化市2001—2010年、2011—2020年两个10年周期NDVI通过0.05显著性检验的变化趋势差异明显.从时间序列看，2001—2010年NDVI显著下降和显著上升趋势均不明显，占比分别为1.49%和2.59%；2011—2020年NDVI显著下降趋势进一步变小，占比为0.84%，而显著上升趋势更加明显，像元占比达13.47%.从空间分布情况看，NDVI显著下降区域主要分布在研究区的西北部和中南部，且显著下降趋势的范围在缩小；NDVI显著上升区域从2001—2010年零星分布转变为2011—2020年大范围均匀分布.

（3）20年周期NDVI时空变化特征.通化市2001—2020年20年周期的NDVI通过0.05显著性检验的变化趋势明显，主要表现为显著上升趋势，NDVI呈显著上升的像元占比高达51.89%.NDVI显著下降趋势不明显，像元占比仅为0.59%.从空间分布情况看，除研究区西北部外其他地区均表现为明显的NDVI上升趋势.

2.2 通化市土地利用时空变化特征

（1）土地利用年度基本特征.通化市2000年、2005年、2010年、2015年、2020年的5期年度土地利用情况见图4.根据遥感监测数据提取的通化市土地利用类型包括耕地、林地、草地、水域、居民地（城乡、工矿、居民用地的简称）和未利用土地6个一级类型和17个二级类型，各类型像元统计结果见表2.对五个年度的土地利用数据求平均值可知，通化市以林地、耕地所占比例最大，分别为66.75%和27.87%；其次为居民地、草地和水域，分别为2.21%、1.54%和1.47%；未利用土地所占比例较小，仅为0.16%.从时间序列看，归属一级类型耕地的水田有减少趋势，旱地有增加趋势；归属一级类型林地的有林地有增加趋势，而灌木林、疏林地和其他林地均有明显的减少趋势；归属一级类型草地的高覆盖度草地有微弱的增加趋势，而中覆盖度草地有减少趋势；归属一级类型水域的滩地有减少趋势，而河渠、湖泊、水库坑塘在2000—2015年维持稳定，2015—2020年数据表明河渠、湖泊数量有所增加，水库坑塘数量减少；归属一级类型居民地的城镇用地逐年增加，农村居民点和其他建设用地在2000—2015年维持稳定，2015—2020年出现增加趋势；归属一级类型未利用土地的沼泽地和裸岩石质地数量较少较稳定，未发生明显变化.

图4 通化市2000年、2005年、2010年、2015年、2020年土地利用类型遥感监测

表2 通化市2000年、2005年、2010年、2015年、2020年土地利用类型像元统计

（2）土地利用时空变化特征.基于ENVI软件提取了通化市多尺度时间序列的土地利用转移矩阵，基于土地利用的一级类型对发生转移的土地利用情况进行统计汇总，结果见表3.

5年周期土地利用变化特征.通化市2000—2005年、2005—2010年、2010—2015年、2015—2020年四个5年周期的土地利用转移情况表明，前三个5年周期土地利用类型间转移较少，2015—2020年土地利用类型间转移频繁.其中，以耕地与林地之间的转移数量最大，分别为耕地向林地转移1 217 km2、林地向耕地转移1 488 km2；耕地与居民地之间的转移数量位居第二，分别为耕地向居民地转移265 km2、居民地向耕地转移177 km2；水域向耕地、草地向林地、草地向耕地也有不同程度地转移，数量分别为121 km2、66 km2、197 km2，其他土地利用类型间的转移数量较少，详见表3.

10年周期土地利用变化特征.通化市两个10年周期的土地利用转移情况对比表明，2000—2010年通化市土地利用类型间转移较少，2010—2020年土地利用类型间转移频繁.进一步将2010—2020年转移情况与上述2015—2020年转移情况对比发现，转移特征极为相似，主要差异在于2010—2020年林地向未利用土地转移15 km2.其他仅在耕地向居民地、林地、水域等类型，以及居民地向耕地、林地、水域等类型有微小地转移.

20年周期土地利用变化特征.通化市2000—2020年20年周期的土地利用转移情况表明，耕地与林地之间的转移数量最大，耕地与居民地之间的转移数量次之，再次为草地与林地、耕地与水域，其他类型间转移数量较小，详见表3.对比发现，通化市2000—2020年土地利用转移特征与2015—2020年、2010—2020年土地利用转移特征极为相似，由此可以推断通化市土地利用类型间的转移主要发生在2015—2020年间.结合图4和表2分析可知，土地利用变化空间分布上最为明显的是研究区的西北部和西部.主要原因在于2015年左右通化市土地利用总体规划发生了较大变化，城镇化、工业化的推进占用了部分耕地，而为了保障区域生态安全通化市有计划地实施了退耕还林［11］.除上述一级土地利用类型间的转移外，林地、草地、居民地下属的各二级土地利用类型间转移也比较多.

表3 2000—2020年通化市多尺度时间序列土地利用转移矩阵 单位：km2

3 结论与讨论

通过对通化市近20年的多尺度时间序列NDVI和土地利用变化的遥感分析得出以下结论：

（1）利用Sen+MK方法研究了通过0.05显著性检验的通化市NDVI变化趋势，结果表明：2001—2020年通化市NDVI呈现显著上升的变化趋势，空间分布情况为NDVI全区大范围显著上升，仅西北部的部分地区显著下降.显著下降区域主要位于梅河口市境内，是近年来通化市行政区划范围内城镇化和产业化最为迅速的县级市所在地，2013年该县级市被确立为吉林省扩权强县改革试点，现为省级梅河新区.四个5年周期NDVI变化趋势均不明显但存在细微差异，10年周期以2011—2020年显著上升趋势更为明显，20年周期显示呈显著上升的像元占比达到了51.89%.

（2）利用ENVI软件中的Change Detection Statistics工具计算了2000—2020年通化市土地利用转移矩阵，结果表明：土地利用变化主要发生在2015—2020年间，变化的类型主要发生在耕地与林地之间，耕地与居民地、草地与林地、耕地与水域也有一定程度的变化.土地利用变化的区域主要分布在研究区的西北部和西部.

（3）通化市NDVI变化和土地利用变化是自然因素与人为因素共同作用的结果.在当今全球环境变化的大背景下，气候变化必然会对NDVI和土地利用产生影响.据了解，通化市所在的长白山地区2001—2018年NDVI和气温呈逐年增长趋势，降水显著增加但存在较大的年际间变异［12］.通化市社会经济发展、城市化进程、高质量发展先行示范区建设和土地利用总体规划变化等促使了2015—2020年间土地利用类型的变化，而国家和吉林省推行的生态文明建设、国土空间规划、园林城市和森林城市的建设等促使植被覆盖增加，NDVI显著上升.通化市NDVI变化和土地利用变化的时空特征可为各级政府和有关部门开展生态保护修复、国土空间规划等提供科学参考.