近20 a环渤海地区GS_NDVI时空分异及其对气候变化和LUCC的响应

黄栋 ，李鹏 ，董南*

1. 教育部人文社科重点研究基地/海洋经济与可持续发展研究中心，辽宁 大连 116029；

2. 辽宁师范大学海洋可持续发展研究院，辽宁 大连 116029；3. 建设综合勘查研究设计院有限公司，北京 100007

植被是陆地生态系统的主体，是全球或区域生态环境变化监测的“指示器”，反映区域植被活动特征、区域生态环境状况，区域气候变化和生态系统的健康状况（彭文甫等，2019；魏榕等，2021），其对全球变化的响应研究已经成为 IGBP（国际地圈生物圈计划）的核心内容之一（朱长明等，2019），已被广泛应用于气候变化、植被景观生态格局、区域生态环境质量评价等（穆少杰等，2012；He et al.，2017；Munkhnasan et al.，2018；朱长明等，2019）。NDVI（Normal Difference Vegetation Index，归一化植被指数）作为表征植被生长状况的指示因子（Zhao et al.，2018），以无量纲的辐射测度指标来反映绿色植被的相对丰度和发育状况，是最为常用的植被覆盖变化监测指标（白建军等，2014；杨波等，2019），其中植被生长季 NDVI（Growing Season NDVI，以下简称GS_NDVI）能更为有力的反映年度植被状况，已在区域生态环境变化研究中得到广泛应用（Liu et al.，2018）。

植被覆盖变化受气候和人类活动共同影响（刘家福等，2018）。近年来，国内外学者利用对地观测数据对植被覆盖变化及其对气候或人类活动的响应开展了大量研究，Liu et al.（2018）基于长时间序列植被数据发现中国西南地区54.1%的植被变化与气候变化密切相关；Zhang et al.（2016）研究发现，决定长江流域植被绿度的主要气候因素为气温，而降水对植被变化的影响相对较小；杨波等（2019）研究发现2000—2017年榆林市植被得到了有效恢复，NDVI年均增长率为4.92%，NDVI变化与降水、农产品产量、还林还草面积等因素均表现出显著正相关；刘宪锋等（2015）探讨了ENSO对秦巴山区植被可能造成的影响，并利用造林面积探讨了人类活动对植被覆盖的影响。21世纪以来，渤海区域经济一体化浪潮获得极大进展，区域经济发展呈现出加速化、临海化的总体趋势，使得工业化、城镇化进程加快，一系列生态环境问题随之凸显，逐渐成为资源环境问题的高度敏感区和重点治理区（刘彦随等，2015；杨洋等，2015）。但针对环渤海地区NDVI变化及其驱动力的研究并不多见，并且在驱动力或影响因素方面，更多的是关注气候因素，对人类活动影响的考察多从一个或几个统计指标入手，较少关注区域土地利用格局及变化，统计指标局限于行政单元，无法揭示空间细节（Liu et al.，2018）。而土地利用变化高度集成了人类活动的众多信息，可作为考察人类活动影响的重要手段，是探析区域植被覆盖变化的重要途径（徐勇等，2016）。

鉴于此，本文利用近20 a的遥感数据，首先从区域和像元尺度揭示环渤海地区GS_NDVI时空分异特征，接着以土地利用变化作为人类活动的一般途径，从气候因素和土地利用变化两个方面探讨GS_NDVI变化的影响因素，从多个层面认识和把握植被覆盖空间特征和变化规律，有助于区域实行不同层面有针对性的统筹管理，对区域生态环境可持续发展具有重要意义，也可为陆海统筹背景下有效制定环境政策并推动生态文明建设提供科学参考。

1 数据与方法

1.1 研究区概况

渤海是我国唯一的内海，海岸线长约5700 km，被辽东半岛、华北平原和山东半岛环绕成“C”形（图1）。莱州湾、渤海湾和辽东湾分别位于环渤海“C”形的北部，西部和南部（麻馨月等，2016）。环渤海地区地处中纬度，位于华北、华东和东北的结合部，东部的辽东半岛和山东半岛多丘陵，中部为广阔的华北平原，属暖温带大陆性季风气候，横跨湿润、半湿润及半干旱3个地带（毋亭等，2014；梁守真等，2015）。年均气温8—12 ℃，年均降水量400—1000 mm，降水主要集中在夏季，尤以7、8月居多。环渤海地区的地形地貌以平原和低山丘陵为主，地势呈北高南低、西高东低的空间格局（王晓利等，2019）。

图1 研究区概况Fig. 1 Overview of the study area

根据2018年12月生态环境部、国家发展改革委员会、自然资源部联合印发的《渤海综合治理攻坚战行动计划》，本研究中的环渤海地区是指环绕渤海“1+12”沿海城市，即天津市和其他12个沿海地级及以上城市（大连市、营口市、盘锦市、锦州市、葫芦岛市、秦皇岛市、唐山市、沧州市、滨州市、东营市、潍坊市、烟台市）。

1.2 数据准备

本研究的基础数据包括中国季度NDVI数据、土地利用遥感监测数据、DEM、气象数据、行政区划矢量边界数据等，气象数据来源于国家气象科学数据中心（CMDSC）（http://data.cma.cn/）除气象数据外的其它数据均来源于中国科学院资源环境科学数据中心（RESDC）（http://www.resdc.cn），详见表1。本研究所需的 2000—2018年长时间序列GS_NDVI数据由基于中国季度植被指数空间分布数据集得到，计算方法为取第二和第三季度NDVI平均值；地形数据由DEM数据计算获取；土地利用数据分类系统包括6个一级类，25个二级类（刘纪远等，2009）；气温、降雨1 km格网空间数据由气象数据经空间插值处理得到。

表1 数据来源Table 1 Data sources

1.3 研究方法

1.3.1 相关性分析

相关分析是通过对两个或多个具备相关性的变量元素进行分析，从而衡量两个变量因素的相互关系（王丽霞等，2019），本研究采用相关分析测度GS_NDVI与气候因素之间的密切程度，其计算公式为：

式中：

r——计算得到的Pearson相关系数；

x和y——两个变量的值；

n——变量的个数，r＞0表示正相关，r＜0表示负相关；r的绝对值越大，表明两个变量间的相关性越强。

1.3.2 稳定性评价

变异系数（Cvariation，coefficient of variation）可用于衡量某一序列观测值的离散程度，已在地理数据的空间差异性研究中得到广泛应用（万昌君等，2019；闫赛佳等，2020），本文引入变异系数揭示环渤海地区GS_NDVI在像元尺度下随时间变化的稳定程度，计算公式如下：

式中：

Cvariation变异系数，Cvariation值越大，表明GS_NDVI在该尺度上随时间变化的稳定程度越低，反之稳定程度则越高；

m——时间序列对应的数据量，本文中为19；

MGSNDVI——m个时间序列GS_NDVI平均值；

Vi——第 i年 GS_NDVI值（i=1, 2, 3……, 19）。

1.3.3 变化趋势分析

采用一元线性回归分析方法逐像元对环渤海地区2000—2018年GS_NDVI时间序列进行模拟，以获取其在像元尺度下的时间序列变化趋势，是研究植被覆盖动态变化趋势的有力手段（刘宪锋等，2015），计算方法为：

式中：

S——GS_NDVI序列的回归趋势斜率，其为正或负时分别表示 GS_NDVI序列2000—2018年随时间变化而呈现改善或退化趋势；

N——研究期总年数，本文中N为19；

i——年份；

Vi——第i年GS_NDVI值。

2 环渤海地区GS_NDVI时空分异

2.1 环渤海地区GS_NDVI时间变化特征

2000—2018年环渤海地区GS_NDVI随时间变化情况如图2，可见区域尺度下GS_NDVI呈总体升高趋势，由2000年的0.6227增加至2018年的0.6755，其中2002年出现最低值0.6157，2008年出现最高值0.7091。图2同时展示了环渤海地区不同年份不同等级 GS_NDVI所占比例，总体来看GS_NDVI高值（GS_NDVI＞0.7）所占区域总面积比例明显提升，2000年占比不到30%，到2018年已提升到约60%，其中在2002年所占比例最低，2008年所占比例最高，这与区域GS_NDVI平均值随时间变化特征一致。从区域尺度总体特征来看，环渤海地区GS_NDVI呈增长趋势，表明区域植被覆盖总体得到了改善。

图2 2000—2018年环渤海地区不同年份不同等级GS_NDVI占比及平均值Fig. 2 Interannual variation of percentage and regional average GS_NDVI during 2000-2018

2.2 环渤海地区GS_NDVI变化的空间差异特征

2.2.1 GS_NDVI空间差异

像元尺度下GS_NDVI变化更为细致地反映出行政区划单元内部的细节。图3a为2000—2018年环渤海 13市平均 GS_NDVI空间分布，其空间格局表现为北高南低、临海区域低并呈带状分布、城市中心区低值呈聚集分布（尤其是华北平原和山东北部）。

图3b为2000—2018年环渤海地区GS_NDVI变化空间分布，从像元数量占比来看，约74.10%的像元 GS_NDVI变化值为正，25.32%的像元GS_NDVI变化值为负，其他少量像元无变化，可见环渤海地区植被总体朝着改善方向发展，同时部分地区植被发生了退化或恶化。分析原因在于一方面国家绿化和生态建设等大规模展开，为工程实施的重点区域植被覆盖带来明显改善；但另一方面，伴随着经济的发展，城市化和临海化建设进程不断加快，建设用地扩张，人地矛盾加剧，也使一些地区植被覆盖退化严重。

细致来看，图3b显示，像元尺度下GS_NDVI变化的空间异质性大，临海的像元GS_NDVI呈较为明显的负增长态势，西部河北省的平原地区也有较为聚集的像元GS_NDVI呈负增长，另外山东省潍坊市西部有明显的GS_NDVI变化的负值聚集。21世纪以来，环渤海地区的城乡建设应沿海经济发展要求，大规模的工业园区、旅游开发、港口和城镇建设等使得临海的“C”型带成为城镇化建设的热点区域，因此该类区域GS_NDVI明显降低，植被多呈退化趋势，而距离城市中心越近城镇用地的扩张越明显，植被退化越显著。

图3 1 km格网尺度下2000—2018年平均GS_NDVI和GS_NDVI变化Fig. 3 The mean GS_NDVI during the period of 2000 to 2018 and the changing value of GS_NDVI from 2000 to 2018 at 1 km pixel scale

2.2.2 GS_NDVI稳定性的空间差异

基于变异系数的GS_NDVI稳定性分析，获取像元尺度环渤海地区GS_NDVI随时间变化的稳定性空间分布（图4），参考齐亚霄等（2020）的分类方法并结合本文中变异系数的空间分布特征对其进行分级，统计各级别对应的面积得到表2。图4和表2中数据显示，弱变异像元对应的面积占比为82.04%，说明环渤海地区大部分像元GS_NDVI随时间变化稳定性较高；也有 17.96%的像元GS_NDVI随时间变化不稳定，表现出越临近海岸变异性越强的特点，尤其是渤海湾和莱州湾周边（唐山市、天津市、沧州市、滨州市、东营市、潍坊市等）的近海区具有较强和强变异的像元呈显著的空间聚集特征，同时表现出南部明显高于北部的特征。其原因在于：山东为农业大省，农业植被覆盖面积较多，植被覆盖分布较为破碎，短期气候的微小波动和人类活动更易引起的植被覆盖的变化从而使得其变异性更强（毋亭等，2014）；相较之下环渤海“C”型的北部城市林地比例较大，植被的聚集特征较为显著，稳定性更强。

图4 像元尺度下GS_NDVI随时间变化的变异系数Fig. 4 Coefficient of GS_NDVI variation at pixel scale

表2 不同类别变异系数对应的面积占比Table 2 The area ratios of different kind of CV

2.2.3 GS_NDVI变化趋势的空间差异

基于逐像元一元线性回归方程，得到环渤海地区像元尺度GS_NDVI变化趋势的空间分布（图5），参考李双双等（2012）、杨波等（2019）的分类方法，将本文中GS_NDVI变化程度和变化趋势划分为7类并统计各类所占区域总面积的比例。结合表3和图5中的数据可知，除去基本不变的像元（占比13.13%），24.63%的像元 GS_NDVI呈退化趋势，62.23%的像元GS_NDVI呈改善趋势，其空间分异特征明显，其中临海区域有明显的植被退化趋势，另外唐山市、天津市、潍坊市也有大面积明显的植被退化区域，该类区域大都经济发展较快。总体来看，GS_NDVI变化趋势为大部改善、局部退化。其原因在于，环渤海地区生态环境的保护与治理是社会关注的焦点，近年来政府倡导下生态建设工程带来的生态效益正在不断显现，随着“三北防护林”工程的持续推进，渤海综合治理攻坚战的全面开展，以及各项生态工程的积极实施，环渤海地区的植被覆盖会得到进一步的改善；但在人口与经济社会要素高度密集的城市周边，城市扩张导致部分区域GS_NDVI有所退化，为此类区域的生态环境带来压力。

图5 像元尺度下GS_NDVI空间变化趋势Fig. 5 Spatial changing trend of GS_NDVI at pixel scale

表3 变化趋势对应的变化程度、像元面积比例Table 3 The changing degree and area ratios of different changing trend

3 环渤海地区 GS_NDVI对气候变化和LUCC的响应

3.1 环渤海地区GS_NDVI对气候变化的响应

基于2000—2018年环渤海地区气象站点降水、气温数据，经空间插值得到2000—2018年1 km降水、气温空间数据，进一步得到研究区2000—2018多年平均降水、气温在1 km像元尺度下的空间分布（图6），降水、气温均表现为南部大于北部的总体特征。

图6 研究区2000—2018年多年平均降水量和气温Fig. 6 Mean annual precipitation and temperature during the period of 2000 to 2018

从区域尺度来看，2000年以来环渤海13市的气候整体呈“气温升高，降水增多”的趋势（图7、8），分别对区域尺度的年均降水与 GS_NDVI、年均气温与GS_NDVI作相关分析（图7、8），得到各自的相关系数分别为 0.6（P＜0.01）和 0.07（P＞0.05），GS_NDVI与降水之间的相关关系达到显著性水平，与温度无显著相关性，可见区域尺度的年均降水量对环渤海地区的植被变化影响更大，年均温度的影响较为微弱，这一结果与梁守真等（2015）、于泉洲等（2015）的研究结果一致，分析其原因在于环渤海地区多为半湿润、半干旱气候，降水量较南方地区少且年际波动大，而温度年际变化较为稳定（计算得到降水和温度年际变化的变异系数分别为0.16和0.06），使得降水更易成为影响GS_NDVI年际变化的气候因子。

图7 区域尺度环渤海地区降水与GS_NDVI相关关系Fig. 7 Correlation between GS_NDVI and precipitation at regional scale

图8 区域尺度环渤海地区气温与GS_NDVI相关关系Fig. 8 Correlation between GS_NDVI and temperature at regional scale

基于2000—2018年降水、气温和GS_NDVI空间数据，采用相关分析逐像元分别求取降水与GS_NDVI和气温与 GS_NDVI的相关系数，并进行 P＜0.05的显著性检验，得到像元尺度降雨、气温与GS_NDVI的相关系数空间分布（图9）。经统计，降水和气温对 GS_NDVI驱动达到显著性（P＜0.05）及以上水平的像元分别占研究区总面积的7.93%和2.82%，可见研究区GS_NDVI年际变化受降水影响明显强于气温影响，这与全区尺度的研究结果一致：其中降水-GS_NDVI显著相关的区域中，正相关像元占比为97%，气温-GS_NDVI显著相关的区域中，正相关像元占比为72%，可见该区域雨水充沛、热量丰富对植被恢复和生长有利。从空间分布来看（图9），降水对GS_NDVI具有显著影响的区域主要分布在辽东半岛的大连市、山东半岛的烟台市、沧州市南部；气温对GS_NDVI具有显著影响的区域在唐山市南部和秦皇岛市东南部有较为聚集的分布，在其他区域的分布相对稀疏。

图9 像元尺度降雨、气温与GS_NDVI的相关系数空间分布（P＜0.05）Fig. 9 Spatial distribution of correlation coefficient of GS_NDVI and climate factors at pixel scale

3.2 环渤海地区GS_NDVI对LUCC的响应

3.2.1 环渤海地区土地利用变化

图10显示，环渤海地区土地利用具有较大的空间差异，区域的主体类型为耕地（2000、2010和2018年占研究区总面积比例均为50%以上），其基本特征为南多北少，其中，山东省为农业大省，土地利用类型以耕地为主；林地的基本特征为北多南少，主要集中在环渤海C形带北部的辽宁省营口市、锦州市、葫芦岛市以及河北省秦皇岛市；草地在烟台市、秦皇岛市、唐山市有较为明显的聚集；建设用地主要分布在临海区和城市中心建成区，其中渤海湾的天津市是建设用地扩张的热点地区，土地利用的基本格局决定了环渤海地区 GS_NDVI的基本特征，即北高南低，临海区域低、城市中心周边区域低。

图10 研究区2000、2010、2018年土地利用类型空间分布Fig. 10 Spatial distribution of land use at 2000, 2010 and 2018

结合环渤海地区2000—2018年各一级类土地利用面积变化和土地利用变化矩阵（表4、5），该时期土地利用一级类有所变化的像元面积占区域总面积约为50%，从各土地利用类型面积占区域总面积比例来看（表4），建设用地增加3.2%，耕地减少2.87%，草地减少2.2%、水域增加2.65%、未利用地减少 0.89%、林地增加 0.12%，可见区域土地利用变化以耕地和草地的减少、建设用地和水域的增加为主。从区域土地利用转移矩阵来看（表5），耕地的主要去向为建设用地（耕地转为建设用地的面积占比约为研究区总面积的9.2%，是区域土地利用变化面积最大的转换类型）；林地的主要去向为耕地，其次为草地和建设用地；草地的主要去向为耕地；水域面积明显增加，主要来源于建设用地和耕地；未利用地明显减少，主要去向为耕地、水域和建设用地；建设用地明显增加，主要来源于耕地（耕地转出面积占2018年建设用地总面积的59%）。从空间分布来看，建设用地在临海区、各城市中心周边地区有较为明显的增加，草地在秦皇岛市北部、东营市东北部、锦州市西部有所减少，林地在秦皇岛市东北部和锦州市西部有明显增加；另外，临海区（尤其是渤海湾和莱州湾）水域也有明显增加。

表4 2000、2010、2018年环渤海地区土地利用类型面积及占比Table 4 Areas and ratios of different land use types in 2000, 2010 and 2018

表5 2000—2018年研究区土地利用转移矩阵Table 5 Transitions of the land use during 2000-2018 km2

3.2.2 环渤海地区土地利用变化对 GS_NDVI的影响

基于环渤海地区GS_NDVI变化趋势，分别利用表3中7种类型的像元（即明显退化、中度退化、轻度退化、基本不变、轻度改善、中度改善和明显改善），提取2000年和2018年对应的土地利用类型及其变化，表6展示了7种类型的像元所对应的土地利用变化面积占该类像元面积总数最大的前两位，表中数据显示，7种类型像元对应的土地利用变化均涉及耕地，分析原因在于，环渤海地区作为我国重要的农业耕作区，土地利用主导类型为耕地，空间分布最为广泛，土地利用变化的过程中难以避免对耕地的影响。像元为退化（明显退化、中度退化、轻度退化）趋势对应的主要土地利用变化均有耕地→建设用地，表明建设用地的扩张是导致GS_NDVI呈退化趋势的重要原因，结合图10中建设用地扩张的空间分布特点，GS_NDVI呈退化趋势的区域主要分布在社会经济发展迅速的城市周边。像元为改善（轻度改善、中度改善、明显改善）趋势对应的主要土地利用类型无变化，表明植被覆盖的改善更倾向于发生在土地利用较为稳定的区域中，其中耕地→耕地的占比远大于其他类型，分析原因在于：（1）从区域尺度来看，2000年以来环渤海地区的气候整体呈“气温升高，降水增多”的趋势，雨水充沛、热量丰富对植被恢复和生长有利；（2）新技术的投入、农业灌溉条件的改善、对农田管理的加强等，使得耕地质量得到提高，农作物增收增产，相应的GS_NDVI随之升高（梁守真等，2015）。

表6 不同变化趋势的像元对应的主要土地利用类型及其变化（2000—2018年）Table 6 The main types of land use and the ratios corresponded by pixels with different kinds of changing trend from 2000 to 2018

综合2000—2018年的土地利用变化（图10）和GS_NDVI时空变化特征，结合区域发展背景分析得知，自 2000年“三北”防护林工程第二阶段的实施，随着其体系建设的完善，国家相继实施了京津风沙源治理、封育政策等一系列生态保护措施，促进了环渤海地区部分区域的植被恢复和生长，使得全区尺度的GS_NDVI呈增长趋势；临海区域（尤其是渤海湾和莱州湾）的水产养殖业发展迅速，人工湿地扩增明显，使得水域面积大幅增加，加上退耕还湿、湿地恢复与保护工程以及新建湿地自然保护区工程的实施，沿岸区域滨海湿地有所恢复，尤其是渤海湾和莱州湾沿岸区域，该类区域部分像元GS_NDVI有所改善；同时随着环渤海经济区、京津冀一体化等战略的加快推进，沿海开放城市经济发展的旺盛需求，城市周边地区城镇生活用地、交通用地等建设用地的扩张，占用了大量耕地，使得该类地区的植被退化，并且GS_NDVI随时间变化的变异性较强，可见人类活动引起的土地利用变化（尤其是建设用地的扩张对耕地的占用）是部分区域GS_NDVI退化的关键驱动因素。在生态工程持续实施与社会经济进一步发展的现实背景下，如何实现生态环境可持续发展的问题依然需要得到长期关注。

4 结论

本文基于长时间序列GS_NDVI数据，采用稳定性评价、相关性分析、变化趋势分析等方法，揭示了环渤海地区13市2000—2018年的GS_NDVI时空分异特征，并探析了其对气候变化和LUCC的响应，得到以下主要结论：

（1）从全区尺度来看，环渤海地区平均GS_NDVI从0.6267提升至0.6755，GS_NDVI高值（GS_NDVI＞0.7）所占区域总面积比例从2000年的占比不到30%明显提升到2018年的约60%，可见环渤海13市植被覆盖状况总体呈较为明显改善。

（2）环渤海地区平均GS_NDVI北高南低、临海“C”形带低、华北平原低，74.10%的像元GS_NDVI变化值为正，25.32%的像元GS_NDVI变化值为负，负值像元所在区域大都分布在低坡度区、临海区，其中华北平原、莱州湾沿岸城市尤为明显。

（3）环渤海地区GS_NDVI呈改善和退化趋势的像元占比分别为62.23%和24.63%，环渤海“C”型带北部城市（辽宁省葫芦岛市、营口市）改善趋势最为明显，同时随时间变化最为稳定；华北地区（天津市、唐山市）、临海区和城镇扩张区域植被退化严重，同时随时间变化的稳定性较差，并表现出越邻近岸线，GS_NDVI随时间变化的稳定性越差的特点。

（4）降水和气温对区域GS_NDVI变化的影响十分有限，其对 GS_NDVI驱动达到显著性（P＜0.05）及以上水平的像元分别只占 7.93%和2.82%；在降水-GS_NDVI与温度-GS_NDVI相关关系达到显著性的像元中，正相关像元分别占比为97%和72%，表明环渤海地区“降水增多、气温升高”的气候变化趋势有利于植被生长和恢复，其中GS_NDVI变化与降水因素的相关关系较温度更为密切。

（5）环渤海地区土地利用基本格局决定了区域GS_NDVI的空间格局，即北高南低、临海区域低、城市中心周边区域低。人类活动通过改变土地利用方式，如开展生态保护工程使得部分区域GS_NDVI有不同程度的改善；与此同时，经济社会发展压力下的城镇扩张挤占生态空间，主要表现为耕地转化为建设用地，导致GS_NDVI有所退化。总之，环渤海地区气候因素对GS_NDVI变化有一定的影响，但人类活动驱动下土地利用变化是主导GS_NDVI产生退化及不稳定变化的关键因素。