冬奥会崇礼生态核心区植被覆盖时空变化遥感监测*

谭炳香 沈明潭 郄光发 戚 瞾 贺晨瑞

(1.中国林业科学研究院资源信息研究所 国家林业和草原局林业遥感与信息技术重点实验室 北京 100091；2.中国林业科学研究院 北京 100091)

植被覆盖度(fraction vegetation cover， FVC)指单位面积内植被地上部分(包括叶、茎、枝)在地表的垂直投影面积占统计区总面积的百分比(Gitelsonetal.， 2002)，是量化植被覆盖地表状况的重要指标, 是衡量地区生态环境质量变化的重要参数，也是森林防火的重要参考因子。

植被覆盖度测量可采用地面测量和遥感估测2种方法，地面测量常用于田间尺度，遥感估测常用于区域尺度。遥感估测植被覆盖度的方法很多，其中基于植被指数的混合像元二分模型法因参数意义明确、模型简单、结果可靠被广泛应用(李彩霞等， 2021)。当前，植被覆盖度研究主要集中在分布格局(Shenetal.， 2019； 何国兴等， 2021)、变化特征(Zhangetal.， 2019； 佟斯琴等， 2016)、驱动因素(Haoetal.， 2021)、现状评价(尚白军等， 2021)、预测分析(Lietal.， 2021)和生态监测应用(戚曌等， 2021)等方面，从自然因素(Songetal.， 2020； 覃巧婷等， 2021)、人为因素(张翀等， 2021)或两因素共同作用(李彩霞等， 2021)角度探讨植被覆盖变化的驱动力。在局部地区气候条件相对一致的前提下，地形是影响植被空间分布的主要生境因子之一(申丽娜等， 2017)，不同海拔、坡度和坡向植被生长所需物质能量与空间资源的差异以及人为活动决定植被的发展方向，植被覆盖变化在地形上具有明显分异规律(Heetal.， 2021； 韩磊等， 2021； 杨灿等， 2021)。

河北省张家口市崇礼区地处我国北方农牧交错地带，为京津冀风沙源区、水源涵养区和2022年北京冬奥会主要举办地之一，该区生态环境相对脆弱，土地利用景观类型、植被覆盖度变化等均会给生态环境和人们生产生活带来影响。为实现冬奥核心区生态环境长久性优良的目标， 2016—2019年，崇礼区相继完成冬奥核心区绿化工程3万hm2，森林覆盖率超过80%，植被覆盖度大幅提高，生态环境得到明显改善，但冬奥会场馆、场地和配套设施建设难免对植被覆盖造成破坏，进而影响整个区域的生态环境。客观估测和分析冬奥会场地建设前后植被覆盖度的变化状况和驱动因素、分析植被覆盖度变化在不同地形上的分布特点和规律，能够对崇礼冬奥核心区全域生态景观的统筹规划建设效果做出科学评价，为今后生态资源保护和修复提供依据，对京津冀地区的水土保持、防风治沙、生态建设、森林防火等均具有重要参考价值。

鉴于此，本研究以北京冬奥会崇礼生态核心区为研究区，基于冬奥会筹办前期(2014年)、场馆等设施建设初期(2016年)和建设后期(2020年)植被生长旺盛期获取的遥感影像，采用像元二分模型法估测3个时期的植被覆盖度，并结合地形数据统计分析植被覆盖度的时空变化特征和地形分异效应，探讨植被覆盖变化的驱动因素，以期为研究区生态规划和生态环境保护、森林防火提供参考依据。

1 研究区概况

研究区位于河北省张家口市崇礼冬奥核心区(114°17′—115°34′ E，40°47′—41°17′N)，地形以低地丘陵为主，海拔1 533～2 165 m，中间低、四周高。属东亚大陆性季风气候，年均降水量450～500 mm，年均气温3.7 ℃，存雪期150天以上，土壤多为棕壤和褐土。植被类型以天然次生林和人工林为主，乔木树种以华北落叶松(Larixprincipis-rupprechtii)、油松(Pinustabulaeformis)、山杨(Populusdavidiana)和白桦(Betulaplatyphylla)为主。

2 研究方法

2.1 遥感数据获取与处理

选用2014年7月31日(冬奥会筹办前期)获取的空间分辨率16 m的GF-1 WFV L1A级影像数据、2016年8月31日(场馆建设初期)获取的Sentinel-2A影像数据 和2020年9月14日(场馆建设后期)获取的Sentinel-2B L1C级影像数据。

Sentinel-2B L1C级影像为正射校正后的产品，利用SNAP软件进行辐射定标、大气校正，生成L2A级影像，本研究选用其中空间分辨率为10 m的2、3、4和8波段影像。GF-1 WFV影像有少量厚云，为避免云量对植被覆盖度反演的影响，将厚云区域掩膜后用2014年7月27日的GF-1 WFV影像替换。GF-1 WFV影像数据经辐射校正、大气校正和正射校正，与预处理后的Sentinel-2数据进行影像配准，配准误差小于0.5个像元，重采样生成与Sentinel-2数据一致的10 m分辨率影像。研究区遥感影像见图1。

2.2 地形数据处理

从地理空间数据云网站下载空间分辨率30 m的ASTER GDEM数字高程数据, 重采样生成与影像一致的10 m分辨率DEM数据，以此提取坡度和坡向。为研究植被覆盖变化类型在垂直方向上的分布规律，将海拔划分为1 533～1 700 m、1 701～1 800 m、1 801～1 900 m、1 901～2 000 m和2 001～2 165 m 5个梯度； 研究区坡度为0°～38.81°，参考《水土保持综合治理规划通则》(GB/T 15772—2008)，以8°为缓坡和斜坡划分界限，将坡度划分成<5°、5°～ 8°、8°～15°、15°～25°和>25°这5个等级，将坡向分为平地(-1)、阴坡(337.5°～360°、0°～22.5°、22.5°～67.5°)、半阴坡(67.5°～112.5°、295°～337.5°)、半阳坡(112.5°～157.25°、247.5°～ 292.5°)和阳坡(157.5°～202.5°、202.5°～247.5°)(赵文慧等， 2016)，因平地所占面积极小(共0.77 km2)，将其归为阳坡。

2.3 植被覆盖度估测与变化分析

基于归一化植被指数(normalized difference vegetation index， NDVI)的像元二分模型法反演植被覆盖度，采用植被覆盖动态度指数对比不同时期植被覆盖度变化，利用差值指数计算不同时期植被覆盖的变化程度，应用马尔科夫模型分析不同等级植被覆盖度之间的转换关系，运用地形分布指数分析不同植被覆盖度变化类型在地形上的分异特征，最后分析研究区2014—2020年6年间植被的变化情况。

2.3.1 归一化植被指数 归一化植被指数(NDVI)是植被生长态势和丰度的直接指示因子，与植被生长状况、生物量和分布呈显著线性关系(申丽娜等， 2017)，在植被覆盖度反演中具有很好提取效果，计算公式如下：

(1)

式中： NIR为近红外波段反射率(GF-1 4b, Sentinel-2A 8b)；R为红光波段反射率(GF-1 3b, Sentinel-2A 4b)。

NDVI的取值范围为[-1，1]，负值表示该区域有水、雪或云雾等，接近0表示该区域为岩石或裸露土壤，大于0表示该区域有植被覆盖，且随着NDVI增加，植被覆盖度增大。

2.3.2 像元二分模型 像元二分模型以像元为单位，将像元看成由植被和土壤2部分组成，通过对遥感信息进行分解，建立像元二分模型(李苗苗等， 2004)，进而得到植被覆盖度，计算公式如下：

(2)

式中： FVC为植被覆盖度； NDVIs为纯裸地覆盖像元的NDVI； NDVIv为纯植被覆盖像元的NDVI。

NDVIs和NDVIv的选取很关键，通常采用2种方法： 一是在确定为裸地和密集植被的区域内取几个像元值的均值作为NDVIs和NDVIv； 二是为减少噪声影响，统计整个研究区影像NDVI的累计百分比，通过选取置信区间方式来确定，区间最大值为NDVIv，区间最小值为NDVIs。本研究3期影像的NDVIs和NDVIv均选取置信区间 [2%～98%]对应的NDVI(王欣平等， 2016)。

为进一步研究植被覆盖变化，参照王国芳等(2020)的划分标准，结合研究区实际植被覆盖情况，将植被覆盖度划分为5个等级，见表1。

图1 研究区2014、2016和2020年标准假彩色影像Fig. 1 Standard false-color images of 2014, 2016 and 2020 for the study area

表1 植被覆盖度等级划分Tab.1 Classification of FVC grades

2.3.3 植被覆盖动态度 植被覆盖动态度能够定量反映出特定时段内不同等级植被覆盖度变化的速率和特征(胡苏李扬等， 2021)，计算公式如下:

(3)

式中：D为特定时段内植被覆盖动态度；Fa和Fb分别为某一时段期初和期末某个等级的植被覆盖度面积；T为2个时段的间隔年数。

2.3.4 植被覆盖度差值指数 对不同时期植被覆盖度影像进行逐像元差值运算，分别获取3个时期间隔植被覆盖度变化的空间范围和强度信息(贾宝全， 2013)，差值大于0表明植被覆盖度增加，小于0表示植被覆盖度减少：

ΔFVC=FVCn-FVCn-1。

(4)

式中： ΔFVC为植被覆盖度差值指数； FVCn和FVCn-1分别为第n期和前一期植被覆盖度影像像元值。

ΔFVC的取值范围为[-1，1]，将其划分为明显退化[-1.00, -0.30]、轻微退化[-0.30, -0.10]、无变化[-0.10, +0.10]、轻微改善(+0.10, +0.30]和明显改善(+0.30, +1.00] 5个等级，以反映植被覆盖度退化或改善等(杨灿等， 2021)。

2.3.5 地形分布指数 在消除不同等级地形因子绝对面积差异的前提下，利用地形分布指数能够探究不同植被覆盖度变化类型在不同地形划分等级下的分布优势(赵婷等， 2019)，合理描述植被覆盖变化的地形分异效应：

(5)

式中：Sie为第i种植被覆盖度变化类型在第e种地形因子等级下的面积；Se为第e种地形因子等级的面积；Si为第i种植被覆盖变化类型的总面积；S为整个研究区总面积。

K>1表示i植被覆盖度变化类型在e地形因子下有分布优势，K越大优势越强；K<1 表示i植被覆盖度变化类型在e地形因子下无分布优势，K=1表示分布稳定。

3 结果与分析

3.1 植被覆盖度空间分布特征

利用式(1)、(2)计算得到研究区2014、2016和2020年植被覆盖度等级空间分布(图2)，不同等级植被覆盖度面积统计结果见表2； 3个时期不同等级植被覆盖度面积变化量以及利用式(3)计算得到的不同时期植被覆盖动态度见表3。

表2 研究区不同等级植被覆盖度面积统计Tab.2 Area statistics of FVC of different grades in the study area

从图2可以看出，研究区各年度植被覆盖度分布较均匀，高植被覆盖度主要位于华北落叶松林、油松林等乔木林分布范围，植被覆盖度高于90%； 中高植被覆盖度分布在高植被覆盖度区域周围的人工幼林和灌丛杂草植被带； 低植被覆盖度、中低植被覆盖度和中植被覆盖度大部分集中在新开发建设地区及周边区域，多为建设用地、耕地或荒山荒地等。低或较低植被覆盖度区域主要与土地利用类型有关，如建设用地区域植被少，符合常理性认知。

表3 研究区不同等级植被覆盖度面积变化统计Tab.3 Statistical of area change of different FVC grades in the study area

由表2可知，研究区各时期植被覆盖均以中(Ⅲ级)、中高(Ⅳ级)和高(Ⅴ级)为主， 2014年3种植被覆盖度等级的面积之和为65.85 km2，占比81.59 %， 2016年为72.63 km2，占比90.00%， 2020年为70.11 km2，占比86.88%。3个时期研究区中级以上植被覆盖度之和均大于80%，说明植被生长状况良好。

由表3可知， 2014—2016年，低(Ⅰ级)、中低(Ⅱ级)和中(Ⅲ级)植被覆盖度的面积减少，减少幅度8.01%； 中高植被覆盖度(Ⅳ级)的面积增加幅度大，达10.38%； 高植被覆盖度(V)的面积略有减少。整体来看， 2014—2016年研究区植被状况趋向好的发展。2016—2020年，低植被覆盖度(Ⅰ级)的面积有所增加，增加动态度也最大，主要原因是土地利用性质转换，即由原来的农田、林地转变为建设用地，以满足冬奥会场馆和设施建设需要，同时也说明冬奥会场地主要在低植被覆盖区进行，对整体生态环境的影响最小。植被覆盖度减少的等级中，Ⅲ级的动态度最大，Ⅴ级植被覆盖度等级减少的面积最大, 反映出滑雪道建设对中高植被覆盖区有一定影响。2014—2020年6年间，中(Ⅲ级)、中高(Ⅳ级)和高(Ⅴ级)植被覆盖度的面积有增有减，三者综合植被覆盖度增加的面积比为4.27%； 低植被覆盖度(Ⅰ级)面积增加2.05%，中低植被覆盖度(Ⅱ级)面积减少6.31%，说明低和中低植被覆盖度的面积减少。整体来看，6年间植被覆盖度是增加的。

3.2 植被覆盖度时间变化趋势

利用式(4)计算得到3个时期植被覆盖度的统计结果(表4)和变化程度(图3)。由表4可知，研究区植被覆盖度变化类型以无明显变化为主； 2014—2016年和2014—2020年植被覆盖度改善面积大于退化面积； 2016—2020年因土地利用属性改变使植被覆盖增加面积略低于减少面积，但整体上70%的区域植被覆盖度无明显变化。从图3可以看出，植被覆盖度改善区域主要分布在山区临时道路经植被恢复后的范围内或植被覆盖度低的荒山荒地等经人工绿化后的区域； 退化区域主要集中在公路两侧扩增的冬奥会项目建设区域，植被覆盖面积连片减少。图4为研究区2016和2020年的局部真彩色影像，以图中红色圆圈为参照，其周围变化非常明显，原来的绿地(多为农田)转变为建设用地，成为冬奥会场馆设施。总之，不同植被覆盖度等级间均存在相互转移的关系，向相邻的低或高等级转移的面积大，跨等级转移的面积小。

图3 研究区2014—2016、2016—2020和2014—2020年植被覆盖度变化的空间分布Fig. 3 Spatial distribution of FVC changes in the study area in 2014—2016, 2016—2020, and 2014—2020

表4 研究区植被覆盖度变化等级面积Tab.4 Area statistics of FVC change in the study area

3.3 植被覆盖度变化地形分异特征

3.3.1 不同海拔的植被覆盖度变化 研究区植被覆盖度变化类型在垂直方向上的分布规律见图5。2014—2016年，2 000～2 165 m海拔梯度发生退化面积大于改善面积，其他海拔梯度发生改善面积大于退化面积，植被覆盖度退化型在海拔1 700 m以下区域有分布优势，改善型在海拔1 800 m以下区域有分布优势； 2016—2020年，1 533 ～1 700 m海拔梯度植被覆盖度变化最大，大面积发生退化，明显退化型在海拔1 700 m以下区域有强优势分布，轻微退化型在海拔1 700～1 800 m和2 000 m以上区域有优势分布，退化型在海拔1 800 m以下区域有分布优势，明显改善型在海拔2 000 m以上区域有微弱分布优势； 2014—2020年，明显退化型大部分发生在海拔1 700 m以下区域，海拔1 700～2 000 m范围内植被覆盖度改善面积均大于退化面积，明显退化型在海拔1 700 m以下区域强优势分布，改善型在海拔1 800 m以下区域有分布优势，轻微改善型在海拔2 000 m以上区域有分布优势。总之， 2016年以来低海拔区开发频繁，是植被变化的主要驱动力，明显退化型分布在海拔1 700 m以下区域，改善型分布在海拔2 000 m以上区域。

图4 研究区2016(左)和2020年(右)局部真彩色影像对比Fig. 4 Comparison of sub-true color images for the study area in 2016(left) and 2020 (right)

图5 研究区不同海拔等级的植被覆盖度变化类型面积Fig. 5 Area of FVC variation types at different elevation levels in the study area

图6 研究区不同坡度等级的植被覆盖度变化类型面积Fig. 6 Area of FVC variation types at different slope levels in the study area

图7 研究区不同坡向等级下的植被覆盖度变化类型面积Fig. 7 Area of FVC variation types in different aspect levels in the study area

3.3.2 不同坡位的植被覆盖度变化 坡度是地表径流和土壤侵蚀的重要影响因子，与植被覆盖度变化具有显著相关性(王欣平等， 2016)。研究区不同坡度等级各植被覆盖度变化类型的面积和地形分布指数见图6。15°～25°坡度范围的面积最大，各坡度区间植被覆盖度均发生改善和退化。2014—2016年，0°～5°坡度带植被覆盖度退化面积大于改善面积，其他坡度带植被覆盖度改善面积大于退化面积，明显退化型和轻微退化型在小于8°坡度下有分布优势，0°～5°间K最大，说明植被明显退化在此坡度带出现的概率最大； 2016—2020年，0°～5°坡度带植被发生明显退化的面积最大，明显退化型和轻微退化型在小于8°坡度下有分布优势，小于5°范围内优势最大； 2014—2020年，0°～5°坡度带发生明显退化的面积最大，明显退化型在小于8°坡度下有分布优势，其他变化类型在各坡度带无显著分布优势。总之，坡度对明显退化型植被有显著分异作用，在小于8°坡度下有分布优势。

3.3.3 不同坡向的植被覆盖度变化 研究区不同坡向各植被覆盖度变化类型的面积和地形分布指数见图7。2014—2016年，植被覆盖度在阳坡发生改善的面积最大，改善型在阳坡和半阳坡有分布优势，明显退化型在阴坡有分布优势； 2016—2020年，不同植被覆盖度变化类型在各坡向的面积分布差异较小，轻微改善型在阳坡和半阳坡有分布优势，轻微退化型和明显改善型在阴坡有分布优势； 2014—2020年，阳坡和半阳坡植被覆盖度改善面积大于退化面积，阴坡和半阴坡植被覆盖度退化面积大于改善面积，明显改善型和轻微改善型在阳坡和半阳坡有分布优势，轻微退化型在阴坡有分布优势。总之，植被改善型主要分布在阳坡，植被退化型多分布在阴坡(其中一个原因是滑雪道多选择在阴坡修建，植被受人为扰动程度大)。

4 讨论

本研究基于3个时期的遥感影像分别估测研究区植被覆盖度及其变化，分析不同海拔、坡度和坡向的植被覆盖度时空变化特征和分布规律。佟斯琴等(2016)、何国兴等(2021)研究表明，基于NDVI的像元二分模型对植被覆盖度的估测结果基本满足植被覆盖度变化精度需求，样地实测数据与估测结果的相关系数分别为0.91和0.89，模型可有效应用于植被覆盖变化反演。本研究利用高分辨率遥感影像和像元二分模型法估测植被覆盖度，其结果是可靠的。

研究区植被覆盖度在空间上呈显著差异性，表现为中部低、四周高的分布格局，与整个研究区的地形地貌特征紧密相关，山区植被覆盖度高，平原区或山谷等人类活动区植被覆盖度相对偏低。整体上研究区植被覆盖率处于较高水平，中(Ⅲ级)、中高(Ⅳ级)和高植被覆盖度(Ⅴ)3种植被覆盖等级面积占比在2014、2016和2020年分别为81.59%、90.00%和86.88%，3个时期植被覆盖度均大于80%，植被生长状态良好，生态环境稳定，生态质量较高。2014—2016年，植被覆盖度增加9.01%，提高幅度较大，体现出绿化工程效果显著； 2016—2020年，中高植被覆盖面积虽减少3.12%，但2014—2020年整体增加5.29%，说明研究区植被状况趋向好的发展，生态环境得到有效改善。

研究区植被覆盖度提高主要归功于崇礼区大造林。冬奥会申办成功前后，崇礼区政府投入大量人力、物力改善生态环境。2021年2月23日澎湃新闻报道： “2014年以来，崇礼区逐块推进奥运核心区绿化工作，累计完成造林绿化5.44万亩，奥运核心区森林覆盖率增至80%”； 放大2014和2016年遥感影像不难发现， 2014年影像上相对裸露和光秃的区域在2016年影像上已披上绿装，说明造林效果明显。

研究区同时也存在地表植被覆盖度降低现象，如2016—2020年低植被覆盖度(Ⅰ级)区域面积有所增加，增加动态度也最大，主要源于土地利用属性转换，即由原来的农田、林草地转变为建设用地，以满足冬奥会场馆和设施建设需要。植被覆盖明显退化型均发生在坡度小于8°和海拔低于1 700 m范围内，其他植被变化类型也多发生在此范围； 植被覆盖改善型多在阳坡和半阳坡有分布优势，说明冬奥会场地建设主要在低植被覆盖区域进行，对整体生态环境的影响较小。

冬奥会项目场馆场地建设多在低山和坡度小于8°的区域(缓坡区)，原多为农耕区，对周围生态环境尤其对水土流失的影响相对较小。植被覆盖度减少在研究区其他区域也有局部分布(滑雪道)，但对整个区域范围而言，其破坏只影响局部植被覆盖面积； 冬奥项目建设虽然在生态脆弱区域，但区域内森林生态系统的完整性未受到破坏，不会对整体生态防护效能发挥造成大的影响； 开发建设对项目区地表植被产生一定破坏，但项目的绿化措施和植被恢复对周边环境美化具有促进作用，不会对森林生态景观造成负面影响。

限于遥感影像获取困难等原因，未能获得可利用的2021年影像，只得到2020年9月的影像，研究结果与目前实际情况存在一定差异，如核心区农田整理项目要求视面耕地地埂全面修复，工程计划在2020年10月底完成，在本研究获取影像之后，因此该工程的绿化效果与2020年9月之后的生态建设效果在本研究中均无法体现，也是本研究的遗憾。

5 结论

1) 研究区植被覆盖度在空间上呈中间低、四周高的分布格局，在时间上表现为2014、2016和2020年不同等级间的植被覆盖度结构平稳，局部植被覆盖度因土地利用性质转换出现明显降低现象，总体趋势为植被覆盖度增加。

2) 明显退化型聚集在坡度小于8°、海拔1 533～1 700 m区域，主要是冬奥会场馆建设所致。植被覆盖明显改善型聚集在阳坡和半阳坡地区，说明人工造林效果比较明显。

3) 在研究区自然条件相似背景下，植被的巨大变化主要来自人为贡献以及土地利用性质转变。植被覆盖明显退化多发生在地形平缓的农耕区域，不会造成水土流失，对整体生态环境影响较小； 相反，植被恢复或植被覆盖改善区域多发生在山区的阳坡和半阳坡，绿化造林生态效益突出，生态环境改善明显，“生态优先、绿色发展”理念得到充分体现。