延安市1999—2019 年植被覆盖时空变化特征

2022-06-23黄智卿宫阿都

河北农业大学学报 2022年3期

黄智卿，宫阿都

（遥感科学国家重点实验室/环境遥感与数字城市北京市重点实验室，北京师范大学，北京 100875）

植被覆盖度（Fractional vegetation coverage，FVC）是植物群落覆盖地表状况较为直观的定量指标，是描述植被群落及生态系统的重要参数［1-2］。植被生长状况能够反映区域生态环境变化，是需要长期跟进的重要研究方向。随着遥感和地理信息技术不断发展，遥感影像信息获取量大、数据更新周期短等特点为FVC的研究提供了强大的数据支持，使得长时间、大范围的植被覆盖动态监测成为可能。

近年来，国内外学者们从不同角度针对我国北方和西北地区FVC区域性时间空变化特征以及理论方法进行了许多研究工作，取得诸多进展。对于时空特征变化，发现西北干旱地区不同区域FVC近年来多体现为整体提升的变化趋势，且存在年际变化，降水等气候因素对植被生长具有重要影响［3-6］；针对FVC估算、精度验证方法，发现用实测法、置信度法估计参数后的像元二分模型效果好［7］。另有研究基于长时间序列的 MODIS 和野外实测数据，通过比较多种植被覆盖度经验模型、像元二分模型、改进的三波段最大梯度差模型的差异，发现TVI 经验模型、像元二分模型对河西干旱区FVC估算结果表现良好［8］。目前，基于归一化植被指数的像元二分法具有简单灵活、精度好且适用性广的优点，仍是估算植被覆盖度最常用的方法［9-11］。

我国近20 年来持续推进“退耕还林”工程，针对生态环境尤其敏感的黄土高原地区，已有研究表明退耕还林工程能极大改变当地植被，使相同气候条件在工程实施后给植被带来积极影响［12］。

目前，对于西北地区的植被覆盖研究多以宏观区域性研究为主，近年来缺乏聚焦黄土高原腹地中心城市延安市植被时空变化的细致性、针对性研究。延安地处黄土高原的中南地区，黄土地貌发育，生态环境脆弱，植被对当地环境气候的调节尤为重要。而延安市是我国1999 年推行“退耕还林”的首批城市之一，政策落实已有20 年，分析当地植被时空变化对其生态恢复的效果评估与未来方向具有参考意义。

因此，利用Landsat 遥感影像，结合像元二分模型、转移矩阵、逐像元转移分析的方法，对延安市1999、2009、2019 年FVC进行分阶段时空变化特征研究，从而聚焦延安市1999—2019 年植被覆盖度时空演变的特征，以期为当地近年来生态环境评价及生态文明建设未来方向提供参考。

1 研究区概况

陕西省延安市位于我国西北部，地处黄河中游，介于东经107°41′至110°31′，北纬35°21′至37°31′（图1）。

图1 延安市行政区划及高程Fig. 1 Administrative division and elevation of Yan’an

全市总面积约3.7 万km2。延安市属内陆干旱半干旱气候，年均气温在7.7 ℃至10.6 ℃，年均降水量500 mm 左右。延安市辖1 市2 区10 县，截至2019 年地区年末总人口225.57 万。延安地处黄土高原的中南地区，主要发育丘陵、沟壑类型的黄土地貌。地势西北高东南低；北部地区以黄土梁、峁以及沟壑地貌为主，占全市总面积的72%；南部以黄土塬沟壑地貌为主，占总面积的19%［13］。延安市拥有林地总面积约17.56 万km2，林草覆盖率达57.9%，林业资源丰富。

2 数据与方法

2.1 数据源

针对FVC时空变化分析，采用Landsat 遥感影像，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网站、地理空间数据云网站以及美国地质调查局官网，为使影像能准确反映植被生长状况，成像时间均选择植被长势最好的夏季，含云量均在5%以内。针对FVC结果对比验证，采用的SPOT/VEGETATION NDVI 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网站，成像时间为每年八月份。延安市降水数据采用20 时至次日20 时24 h 累计降水量，与日平均气温数据均来自于中国气象科学数据共享服务网(表1)。人口数据来源于2000 至2020 年《中国城市统计年鉴》。

表1 研究所使用数据信息Table 1 Data information used by the research

2.2 研究方法

植被指数是计算植被覆盖度的基础，国内外已发展了几十种不同的植被指数模型，其中应用较广的包括RVI、DVI、PVI、NDVI、DDVI等［14］。归一化植被指数NDVI应用最为广泛（式1）。

根据基于NDVI改进的像元二分模型可知，像元NDVI值可通过植被部分信息NDVIveg与无植被覆盖的裸土部分信息NDVIsoil表达［15］（式2）。该模型能够削弱土壤背景、植被类型与大气等外在因素影响。

理论上，裸地表面提供的NDVIsoil应近似为零、不易变化，但受环境条件影响实际处于［-0.1，0.2］的变化范围［16］。NDVIveg受植被类型等因素影响，亦会随时间或空间发生改变。故研究通过选取一定置信区间的NDVImax、NDVImin替代NDVIveg、NDVIsoil。

依据延安市林业资源丰富、植被覆盖较高的特点，认为当NDVI小于5%时为土壤覆盖，大于95% 时为全植被覆盖，将位于95% 和5% 频率的NDVI分别作为NDVImax和NDVImin，代入式（2）中计算FVC［14］。

2.3 数据处理

2.3.1 预处理对于实验中含有条带的Landsat 7 影像进行去条带的修复处理。采用FLAASH 方法对影像进行辐射定标、大气校正。在大气校正中，辅助SRTM（Shuttle radar topography mission，SRTM）数据，统计DEM 数据在研究区范围内的均值作为地面高程参数。

经过直方图色彩平衡、3 次卷积重采样以及边缘羽化等方法进行镶嵌，剪裁后得到研究区范围的遥感影像。

2.3.2NDVI与FVC的计算计算3 期影像NDVI，运用转换二值法去除异常值，使用像元二分模型计算得到3 期影像FVC。FVC理论取值应在［0,1］，由于影像中水体、建设用地、石质山等非植被地物光谱信息以及植被覆盖度极高地区的影响，此时仍存在区间以外的值。进一步通过转换二值法处理，最终得到的3 期影像FVC结果如下（图2）。

图2 延安市1999、2009、2019 年FVCFig. 2 FVC of Yan’an in 1999, 2009, 2019

2.4 FVC 等级评价

依据实际情况和专家经验，学者们总结得出适用于西北干旱半干旱地区植被不同FVC对应的植被覆盖度等级关系（表2），以该标准对FVC结果进行等级划分［14］。

表2 植被覆盖度等级划分Table 2 Classification of vegetation coverage

3 结果与分析

3.1 FVC 概况

对FVC结果依据分级标准进行分级和统计并添加标准误差标记（图3）。结果显示延安市高覆盖度植被占比最大，裸地和低覆盖度植被的面积在1999 年占较大比重，20 年间呈下降态势，缩减比例依次为51.7%、55.4%、20.0%。中覆盖度、中高覆盖度、高覆盖度植被面积呈增长态势，增加比例依次为35.1%、64.9%、58.5%。直至2019 年，6 个级别FVC依次占延安市总面积的10.3%、8.8%、10.6%、11.5%、12.7%、46.3%，中高覆盖度以上地区高达总面积的60%。裸地面积的标准差最小，是最稳定的FVC级别。

图3 延安市1999—2019 年各级别FVC 面积统计图Fig. 3 1999—2019 FVC area statistics at all levels in Yan’an

将1999—2019 年20 年分为前后10 年2 个阶段，第1 阶段裸地、低覆盖度植被面积大幅减少，第2阶段基本稳定；中低覆盖度平稳下降；中覆盖度在增长56.9%后下降；中高覆盖度和高覆盖度在第1阶段大幅增加，第2 阶段增速放缓。

3.2 逐像元空间变化分析

3.2.1 1999—2009 年FVC逐像元转移情况分析图4 可知，在第1 阶段，延安市北部、西北部黄土地貌发育地区植被覆盖改善明显。市中心以南的中部，包括洛川县以及富县以东沟壑地区植被覆盖也有所提升。延安市东部呈现十年来交替改善和退化现象，其中改善地区地势相对较高，退化地区地势相对低。

图4 延安市1999—2009 年FVC 逐像元空间转移情况Fig. 4 1999—2009 spatial transfer of FVC pixel by pixel in Yan’an

延安市西部、东南部的高覆盖度植被区域较稳定，无明显退化或改善。植被存在明显退化的区域多处于水系以及包含城市群的沟壑地带，以横穿延安市中心宝塔区的延河流域、西部洛河的部分流域最为典型。水系FVC无变化。此外，观察发现横穿研究区南部有清晰线性区域植被严重退化，而与其相接的其它沟壑地带不受影响，表现出轻微转好态势。经查实其为青兰高速（G22）线路，为连接青岛市和兰州市的国家重点工程项目，于2019 年全面投入使用。

3.2.2 2009—2019 年FVC逐像元转移情况由图5可知，在第2 阶段延安市北、西北、东北以及南部地区植被均发生较为明显的退化，以西北部的吴起县和志丹县、延安市中心城区以及南部的洛川县最为严重。

图5 延安市2009—2019 年FVC 逐像元空间转移情况Fig. 5 2009—2019 spatial transfer of FVC pixel by pixel in Yan’an

中部偏北、东部地势较低地区植被有明显改善。城镇中心及附近流域尤为严重，市中心以南的2 处森林区域植被覆盖度仍然保持良好平衡。2 阶段流域范围的植被覆盖有所改善。延河地区植被退化减弱；南部洛河流域、西南部沮河流域植被明显转好，以东南部宜川县最为突出；西北部沟壑及水域仍存在较为严重退化。该阶段发生更多由高速公路、铁路等建设引起的严重退化的线性区域，主要分布于南部植被覆盖度高的地区。青兰高速附近植被覆盖度与上一阶段相比明显增加，体现出恢复的迹象。

3.2.3FVC逐像元总体转移情况FVC逐像元总体转移情况见图6。综合总体FVC转移情况（图6）可知：延安市20 年来大部分区域的植被覆盖度明显改善；西北部地区FVC不稳定，改善的同时亦存在明显的退化；西南、东南部森林资源20 年来保持良好平衡状态；大部分地区FVC存在波动。大型城镇区逐年退化较其他区县更明显。比较前后2 个阶段发现，一阶段植被覆盖改善良好，以北部及中南部黄土地貌发育区域最明显，沿沟壑分布的城镇地区以及流域植被退化现象有退化。二阶段除中、东部地区好转，南部林区稳定外，整体发生明显的退化，退化的发生是总体的、均匀的。

图6 延安市1999—2019 年FVC 逐像元空间转移情况Fig. 6 1999—2019 spatial transfer of FVC pixel by pixel in Yan’an

3.3 转移矩阵时间变化分析

3.3.1 1999—2009 年各级FVC转移方向在一阶段，各等级主要转化方向如下（表3）：裸地、低覆盖度植被中分别有58.77%、47.31%向中覆盖度及以下转化；49.33%的中低覆盖度植被向中、中高覆盖度转化；高达67.55%的中覆盖度植被转化为中高、高覆盖度；近70%的中高覆盖度植被面积向最高覆盖度转化。中等及以下等级负转化比例依次为13.8%、16.95%、16.99%，明显高于2 个高等级的负转化比例12.5%和5.03%。各等级的负转化比例随转化方向的降低而递减。5 个等级的负转化面积依次递减，由此可见，在研究时段前10 年较低覆盖度植被更倾向退化。

表3 延安市1999—2009 年各等级FVC 面积转移矩阵Table 3 1999—2009 FVC area transfer matrix of all grades in Yan’an

由矩阵对角线得，各等级稳定不变面积比例分别为29.37%、17.47%、18.17%、15.46%、17.58%、96.51%，原高覆盖度植被最为稳定，其次为裸地，中间3 个等级相对不稳定。

以上结果表明，一阶段较低等级覆盖度植被向更高等级均匀转化、自身的负转化趋势发展，是中级及以上覆盖度植被面积增加、低等级减少的主要原因。较高等级向最高等级大比例的正向转化，是高覆盖度植被面积10 年间大幅增加的主要原因，转化面积高达3 000 km2。低植被覆盖度地区提升FVC需要循序渐进，10 年期内的正向转化无法达到最高级别。

3.3.2 2009—2019 年各级FVC转移方向在二阶段裸地仍在向高等级转化，但是相较上阶段向各级别转化比例分别有所下降，且正向转化大于稳定不变比例；低覆盖度植被正向转化有所减少，负向转化比例是上一阶段的2 倍，为900 km2左右；中低覆盖度植被正向转化大幅减少，而向2 个低级别转化面积分别加倍，转化面积约1 500 km2；中、中高覆盖度植被均有40%左右面积分别发生正、负向转化；高覆盖度植被主要向中高覆盖度有小比例的负转化，但实际退化面积超过2 000 km2（表4）。

表4 延安市2009—2019 年各等级FVC 面积转移矩阵Table 4 2009—2019 FVC area transfer matrix of all grades in Yan’an

各等级稳定不变面积比例分别为37.92%、21.58%、21.14%、21.79%、25.28%、86.67%，最稳定等级仍为高覆盖度植被，其他各等级表现出更加稳定的态势。

在本阶段，低至中覆盖度等级存在不同程度的正向转化，且裸地正向转化大幅减少，导致面积下降。高覆盖度植被面积增加的主要来源依旧是中及中高覆盖度。各级FVC正向转化速度放缓，同时均发生不同程度的退化，退化规模随等级提高而增加。

3.3.3 各级FVC总体转移方向分析总体转移矩阵（见表5）。

表5 延安市1999—2019 年各等级FVC 面积转移矩阵Table 5 1999—2019 FVC area transfer matrix of all grades in Yan’an

裸地至中高覆盖度分别有75.95%、70.19%、68.96%、72.24%、69.41% 实现正向转化，比率均在70%左右。但全过程中存在正负交替的情况，当地植被覆盖度正向转化的结果并非稳定增加实现的。低、中低、中覆盖度植被20 年间存在15%至20%的负向转化，且一阶段中较低覆盖度植被更易退化，故当地一直存在着较低覆盖度植被退化的现象。

3.4 FVC 参考序列对比

基于SPOT/VEGETATION NDVI，采用与时空分析相同的NDVIsoil、NDVIveg选取方法运用像元二分模型计算并绘制FVC均值逐年变化折线图（图7）。可知FVC以2014 年为转折点，先上升后下降，近年下降明显，整体波动性较强，与研究总体结果与结论相符。预测趋势线显示未来呈上升态势。描述性统计结果显示（表6）最小值为1999 年0.53，最大值为2014 年0.85。参考序列1999、2009、2019年FVC均值0.53、0.69、0.60，表现出先上升后下降的态势。研究得出3 年FVC依次为0.47、0.53、0.64，与参考序列具有一致性。因此，研究结果具有一定可信度与参考价值。

图7 延安市1999—2019 年FVC 平均值变化Fig. 7 1999—2019 changes in the average value of FVC in Yan’an

表6 延安市1999—2019 年FVC 平均值描述统计Table 6 Descriptive statistics of the average value of FVC in Yan'an from 1999 to 2019

4 讨论与结论

4.1 时间序列影响因素分析

植被生长受到诸多因素的影响，包括自然因素与人文因素等。因该类数据具备时间上的连续性，使用适用于时间趋势变化数据的灰关联方法，以年为单位，取延安市1999—2019 年气温、降水量作为自然因素，人口数作为人文因素，分析三者与FVC变化趋势的拟合程度，通过比较关联序探究各因素与FVC的关联程度［17-20］。结果显示（表7）属于人文因素的人口数量与FVC的关联程度最高；属自然因素的降水量与气温的关联程度相对较弱，平均关联序为0.64，降水与FVC关联度优于气温。因此在本研究中，人文因素与植被覆盖度趋势拟合情况最好，关联序为0.77，相较自然因素潜在影响力更大。人口数量可能适用于当地植被覆盖度变化趋势的预测。