基于NDVI的安徽省城市化对植被变化影响的研究

2022-09-15黄作辉梁栋栋占得龙苗思达

安徽师范大学学报（自然科学版） 2022年4期

黄作辉，梁栋栋，桂翔，占得龙，苗思达

(1.安徽省地勘局第二水文工程地质勘查院，安徽芜湖 241000；2.安徽师范大学地理与旅游学院，安徽芜湖 241003)

引言

城市作为我国经济发展的中心，在国民经济发展中发挥着重要作用[1]。近年来，城市人口规模不断扩大，城市用地不断向四周延伸。根据2018年国家统计局统计数据，我国城市常住人口83137万人，城市化水平达到59.58%。伴随着城市化的进程，土地覆盖、气候、人为干扰等城市化问题引起的变化对陆地生态系统结构和功能以及区域气候产生了重要的影响[2-7]。植被作为陆地生态系统的主要组成部分，是陆地生态系统存在的基础条件[8]，城市植被能够很好地反映城市生态环境的状况[9]，NDVI(Normalized Difference Vegatation Index，归一化植被指数)是植被生长状况和植被覆盖度的最佳指示因子[10]。

城市的快速发展对于生态环境存在正面或负面的作用。一方面，城市的快速扩张，不透水面面积急剧增加，占用大量生态用地，导致植被覆盖减少，从而影响城市及周边的生态质量[11-12]；另一方面，城市的发展带来社会、经济的快速发展，人们对生态环境的保护意识不断提高，城市绿地生态建设以及城市生态保护不断加强[13-14]。目前国内外对城市植被的研究主要集中在植被的时空变化特征[15-20]以及定量化地研究分析城市化对植被的负面影响[21-23]，较少对各影响因素对城市植被产生的影响进行区分，故分离不同因素的影响程度，将不同因素所造成的影响进行定量化表示具有一定的研究意义。

安徽省是长三角的重要组成部分，处在全国经济发展的战略要冲和国内几大板块的对接地带，经济活力强劲[24]。近些年来，安徽省经历了快速城市化的过程，以安徽省16个地级市的建成区为研究对象，分离土地覆盖变化和气候变化、人为活动、热岛效应等其它因素对城市植被状况的影响，探究对城市老城区、扩展区以及郊区等不同区域的影响差异，可以为快速城市化过程中植被保护提供有力的支撑。

1 研究区域及数据来源

1.1 研究区域

安徽省(东经114°54′-119°37′，北纬29°41′-34°38′)地处中国华东地区，属暖温带与亚热带的过渡地区，年平均气温在14-17℃，雨水充沛，境内自然资源丰富。

作为全国经济发展的战略要冲和国内几大板块的对接地带，安徽省经济活力强劲。随着经济的快速发展，城市化水平不断提高。从安徽省统计局网站可知(http://www.ahtjj.gov.cn/)，截止于2018年末，安徽省地区生产总值为30006.8亿元[24]，下辖16个地级市，7个县级市，45个县，44个市辖区，城镇常住人口为6323.6万人，城镇化率达54.69%。

1.2 数据来源

NDVI 数据来源于NASA的MOD13Q1 NDVI数据产品(https://earthdata.nasa.gov/)，空间分辨率为250m×250m,时间分辨率为16 d,时间跨度为2000—2018年。为排除植被的非生长期，选取植被生长成熟的8月至10月数据，经MRT(MODIS Reprojection Tool)对数据进行拼接、格式转换以及投影变换，利用软件ENVI5.3去除数据无效值。由于MOD13Q1 NDVI数据易受云、大气、太阳高度角等因素的影响[25]，为消除这些因素的影响，采用MVC方法(最大值合成法)合成NDVI月数据。采用8—10月最大NDVI数据作为年NDVI值。

为提取安徽省16个地级市的土地利用数据，本文选取2000—2018年间每隔三年的Landsat TM、ETM+、OLI数据，经辐射定标、大气校正等一系列数据预处理，采用最大似然法，对安徽省16个地级市数据进行监督分类，将其土地分为不透水面(建设用地)、植被覆盖、水体、裸地四类，提取安徽省16个地级市建成区的范围。通过随机选取多组样本点，将监督分类结果与Google Earth影像及TM影像进行对比验证，总体的分类精度达到91%以上。

2 研究方法

2.1 影响程度定量化分离

为了区分城市化过程中土地覆盖变化与气候变化、人为干扰等其他因素对NDVI影响的不同，借鉴管小彬[26]等人分离不同类型影响程度的思想，分离城市化与其他因素，假设城市NDVI值由植被所占比例决定，且植被密度均一，以不透水面面积占比表征城市扩张强度，定义如下：

NDVI(x,t)=(1-β(x,t))×NDVIFV(x,t)

(1)

式中，NDVI(x,t)为t时刻x像素点的NDVI值，NDVIFV(x,t)为t时刻x像素点全植被覆盖下NDVI值，β(x,t)为t时刻x像素点中不透水面所占的比例，由于NDVI数据与土地利用数据之间存在空间分辨率的问题，故定义β(x,t)如下：

(2)

其中，sImp(x,t)为t时刻NDVIx像素中不透水面所占的面积，s(x,t)为t时刻NDVIx像素面积。

基于此概念，假设在只有城市化的影响下，t1时刻X像素点的NDVI值为

NDVIh(X,t1)=NDVI(X,t0)+(β(X,t0)-β(X,t1))×NDVIFV(X,t0)

(3)

式中，NDVI(X,t0)为t0时刻X像素点真实NDVI值，β(X,t0)、β(X,t1)分别为t0、t1时刻X像素点中不透水面所占的比例，NDVIFV(X,t0)为t0时刻X像素点全植被覆盖下NDVI。根据控制变量的思想，城市化和其他影响因素对NDVI的影响值为

NDVIIMP=NDVIh(X,t1)-NDVI(X,t0)

(4)

NDVIELSE=NDVI(X,t1)-NDVIh(X,t1)

(5)

式中，NDVIIMP为城市化对NDVI的影响，NDVIELSE为其他因素对NDVI的影响。

2.2 NDVI指数变化分级

NDVI差值指数分级方法可以避免由于直接使用NDVI指数，而过分地关注一些微小的数值波动带来的噪声影响，利用NDVI差值指数分级方法，探究NDVI变化分布：

NDVIC=NDVIi-NDVIi-1

(6)

其中，NDVIC为前期和后期两个年份NDVI的变化值，NDVIi为第i年NDVI值，NDVIi-1为前一年份NDVI值。将其进行标准化分级，则：

无显著变化：

(7)

正向变化：

(8)

反向变化：

(9)

式中n为研究区像元数量。

2.3 趋势分析

根据年度时间序列与NDVI的相关性，可以确定植被覆盖的年际变化率[16]。以像元为单位，得到植被覆盖的变化趋势，公式如下：

(10)

式中，slope表示NDVI变化趋势的斜率，n为监测的年数，本研究期为2000—2018年，n=18，NDVIi是第i年的NDVI。正(负)斜率表示NDVI增加(减少)，slope的绝对值越大，表示变化越大。

3 结果与分析

为了研究不同区域城市化的空间差异，将城市范围划分为三个区域，即老城区、扩展区以及城市郊区，其中：老城区定义为2000年城市的建成区，此区域城市化程度高，以此来表示原城市区域；扩展区为2018年城市建成区相较于2000年扩展的部分，此区域受到土地利用变化影响较大；城市郊区定义为2018年建成区5公里的缓冲区范围，以此表示毗邻城市建成区。此外，定义了离城市距离较近，没有受到土地利用变化影响的区域，来对比分析城市土地利用变化所带来的影响。

3.1 安徽省城市土地变化时空特征

根据2000—2018年土地利用监督分类的结果，分析安徽省18年来城市用地类型转化情况，结果如图1、图2所示。随着城市化进程，安徽省各城市土地覆盖发生了明显变化，变化区域面积约占2018年城市区域面积的36.27%，其中合肥、芜湖、淮北、安庆变化面积占比最大，分别达到41.8%、47.47%、41.87%和42.51%，黄山变化面积占比最小，约为26.28%。从转变类型的总体趋势上看，安徽省各城市区域范围内主要变化类型为植被覆盖向不透水面转变，约占变化的37.23%。城市老城区土地覆盖变化较小，主要变化类型为裸地向不透水面、植被变化，约占2018年区域面积的5%-12%。各城市扩展区土地覆盖变化较大，其主要变化类型为植被覆盖向不透水面的改变，约占扩展区面积的43.73%-62.89%。城市郊区土地覆盖变化相对较少，主要变化类型为植被覆盖向不透水面以及裸地向植被覆盖的变化，变化区域约占2018年区域面积17.21%-34.52%。

图1 安徽省各市土地利用变化程度图Fig.1 Land use change degree map of each city in Anhui province

图2 2000—2018年安徽省各市土地利用变化分布图Fig.2 Land use change distribution map in Anhui province from 2000 to 2018

对各主要城市城市范围内不同土地覆盖类型的统计分析结果表明(图3)，在2000—2018年间，在快速城市化进程中，安徽省各主要城市的不透水面面积总体上呈上升趋势，合肥、芜湖、安庆、滁州、阜阳、宿州、淮北、黄山在2015—2018年期间，亳州、池州在2009—2012年期间，六安、铜陵在2012—2015年期间，经历了一轮快速城镇化过程，城市扩张速度达到最快。其他各城市城市增长速率较为平稳。芜湖、安庆、合肥、阜阳、铜陵不透水面面积增加占比较大，在27%以上。植被面积总体上呈下降趋势，各城市之间的变化趋势有较大差异。合肥、芜湖、安庆植被面积减少占比在28%以上，与不透水面之间具有较好的反比关系。总体来说，安徽省不透水面面积急剧扩展，植被资源逐渐减少，这是安徽省城市土地利用变化的主要特点。

图3 安徽省各市城市范围内土地利用变化趋势图Fig.3 Land use change trend within the urban limits of each city in Anhui province

3.2 安徽省城市植被时空变化特征

3.2.1 安徽省城市植被时间变化特征通过对各城市不同区域NDVI统计及变化趋势分析，结果如图4、表1所示，安徽省城市植被年NDVI在过去18年内呈现减少趋势，但不同城市不同区域间呈现出不同的变化趋势。城市老城区slope值大于零，说明安徽省各主要城市城市老城区NDVI总体上呈上升趋势，植被覆盖有所提升；城市扩展区slope值均小于零，说明城市扩展区NDVI总体上呈现下降趋势，植被覆盖有所减少；城市郊区离城市扩展区较近，但受到城市化影响较小，植被覆盖较好，NDVI值相对较高。

图4 安徽省各市不同区域NDVI变化图Fig.4 Changes of NDVI in different regions of each city in Anhui province

表1 安徽省各主要城市不同区域NDVI变化的Slope值Table 1 Slope values of NDVI changes in different regions of major cities in Anhui province

全省池州铜陵亳州马鞍山蚌埠六安安庆黄山老城区0.00260.00530.01541-0.00040.00160.00070.00210.00220.0037扩展区-0.0025-0.027-0.0028-0.0061-0.0064-0.0126-0.0076-0.0168-0.0015郊区0.00120.00570.01250.00780.00640.01140.01060.00640.01628无变化区0.00080.010.00840.01020.00610.01410.00410.00340.0103

就每个城市而言，合肥、芜湖、马鞍山、安庆、蚌埠、宣城、铜陵、淮北、池州、黄山呈现为上升趋势，而滁州、阜阳、宿州、亳州、六安呈现为先上升后下降，淮南则变化波动较大，但总体上，各城市郊区slope值均大于零，呈现出上升趋势。马鞍山、安庆、阜阳、蚌埠、宣城、六安、亳州、淮南、淮北、池州、黄山老城区NDVI年际变化较小，合肥、滁州、宿州老城区NDVI年际变化为先下降后上升，而芜湖变化波动较大。但总体上老城区只有宣城、芜湖、亳州slope小于零，其他slope值均大于零。无土地利用变化区域的植被NDVI的slope值均大于零，总体呈现为上升趋势，与土地覆盖类型变化最大的扩展区呈现出相反的变化趋势，说明城市化进程中对区域NDVI产生了负面影响。

3.2.2 安徽省城市植被空间变化特征利用NDVI差值指数分级方法，对安徽省各主要城市建成区NDVI 变化进行分析，结果如图5、表2所示。可以看出，2000—2018年间，安徽省各城市建成区近70%的地表NDVI指数没有发生显著变化，未发生显著变化的区域主要集中在城市郊区和老城区，这与土地覆盖变化的结果相一致。其中合肥市占比最小，约占区域面积的67.07%，宿州市占比最大，约占区域面积的77.05%，这说明在城市化过程中，合肥市植被改变最大。在研究时段内，发生负向变化的区域主要集中在城市的扩展区，相对比较集中。而发生正向变化的区域主要集中在城市的郊区的边缘地带，且发生正向变化的区域的面积比发生负向变化的区域的面积小，说明在城市化过程中，安徽省各主要城市城市植被向差的发向发展。

图5 安徽省各市NDVI差值指数分级分布图Fig.5 NDVI difference index classification distribution of each city in Anhui province

表2 安徽省各主要城市NDVI差值指数分级Table 2 NDVI difference index classification of major cities in Anhui province

全省淮北淮南滁州芜湖面积比例面积比例面积比例面积比例面积比例负向变化1644.9915.1189.8115.0995.8112.9183.1914.8983.7516.05无显著变化7755.3171.22417.3170.11560.6875.55398.6371.34352.4467.53正向变化1488.7913.688.0614.885.6911.5476.9413.7785.6916.42

全省池州铜陵亳州马鞍山面积比例面积比例面积比例面积比例面积比例负向变化1644.9915.11641482.2515.582.4416.0591.5615.29无显著变化7755.3171.22335.5673.43384.2572.41354.0668.95428.8171.63正向变化1488.7913.657.4412.5764.1912.09771578.3113.08

全省蚌埠六安安庆黄山面积比例面积比例面积比例面积比例面积比例负向变化1644.9915.11110.4414.6992.4413.6559.8113.89113.8114.35无显著变化7755.3171.22557.7574.16487.3171.95325.3175.57583.4473.56正向变化1488.7913.683.8811.1597.514.445.3810.5495.8812.09

3.3 城市化对区域NDVI的影响

3.3.1 城市化对NDVI的影响利用公式(4)、(5)对安徽省各主要城市城市化过程中土地覆盖变化与气候变化、人为干扰等其它因素对NDVI的影响进行分离，并比较了其年际变化，结果如图6所示。可以看出，城市化过程中土地覆盖变化对植被NDVI影响是负面的，但各市年际变化趋势不同。合肥、芜湖、马鞍山、安庆、滁州、阜阳、宿州、宣城、六安、铜陵、淮南、淮北、滁州、黄山土地覆盖变化对NDVI 的影响呈现出增强趋势，亳州、蚌埠则表现为减弱趋势。具体而言，合肥、芜湖、安庆、阜阳、宿州、宣城、淮北在2018年达到最大值，其他各市则在2000—2018年内达到最大值，在达到最大值以后，土地覆盖变化影响逐渐减弱。在安徽省各主要城市中，影响最大值出现在2015年的淮南市，为0.1938，最小值出现在2015年的淮北市，为0.0003。

图6 安徽省各市城市化对植被影响变化图Fig.6 Changes in vegetation affected by urbanization of each city in Anhui province

相比之下，在剔除土地覆盖变化影响后，可以看出，在城市化进程中，气候变化、人为干扰等其它因素对植被NDVI呈现出不同的影响。除滁州、阜阳、宿州、亳州、淮南、淮北以外(查阅《中国气象灾害年鉴》得知，2006年和2009年，淮河以北城市遭受极端干旱天气影响，植被受干旱气候的影响，导致出现异常值。)，安徽省其他各市其它因素影响虽然年际存在波动，但各年影响值都大于零，均表现为正面影响,这意味着城市化过程中，气候变化、人为活动等影响因素促进了植被的生长。此外，除亳州、淮北、池州以外，在2000—2018年间，安徽省各市其他因素影响均呈现出增长趋势，这意味着在忽略植被面积减少的作用下，城市化的这种促进作用随着城市化的进程而增强。总体上看，城市化虽然降低了区域的NDVI,但主要原因为土地覆盖改变所造成的，气候变化、人为干扰等其它因素对植被生长产生了显著的正向作用。

3.3.2 影响的空间差异为研究城镇化对NDVI影响的空间差异，进一步计算统计安徽省各市不同区域的土地覆盖变化影响和其它影响，结果如图7、8所示。在老城区中，其它因素影响明显高于无变化区域，这说明在城市化过程中，城市地区的植被实际上比无城市化影响情况下植被生长状况要好，这进一步说明气候变化、人为干扰等其它因素对植被生长起到了促进作用。土地覆盖对老城区植被的影响波动较大，规律性较弱，但总体上呈现出负面影响。但除六安、淮南、淮北以外，其它各市土地覆盖变化影响均出现正值，查看这些出现正值的年份土地变化情况，老城区在这些年份土地变化中，城市绿地面积比不透水面面积增加多，这可能与城市绿化以及城市拆迁后未建设，植被短时间少量增加有关。

图7 安徽省各市不同区域其他影响因素对植被影响变化图Fig.7 Changes of vegetation affected by other influencing factors in different regions of each city in Anhui province

扩展区的土地覆盖变化影响对区域的NDVI 影响最大，这与快速城市化过程中，扩展区土地利用变化剧烈，区域植被数量改变巨大的情况相一致。总体上，除蚌埠以外，土地覆盖变化影响随着城市化过程逐渐加强，区域内植被面积进一步减少。但除经济排名前两位的合肥、芜湖外，安徽省其它各市在2015年后，土地覆盖变化影响有所下降。对于其它因素的影响，除年份异常值的几个市外，其它影响对扩展区的影响总体上均表现为正面影响，但各市间的变化趋势不同，合肥、芜湖、宣城、六安、铜陵、淮南、黄山总体上呈现出增加趋势，马鞍山、安庆、滁州、阜阳、蚌埠、宿州、亳州、淮北、池州变化趋势较为复杂，其它影响先减弱后又增强，达到影响最大后，又出现减弱趋势。

土地覆盖变化对城市郊区影响较小，这与城市化过程中，城市郊区土地覆盖变化较小，植被NDVI变化多与农作物种植改变情况相一致。城市郊区其它因素影响波动较大，剔除极端气候异常的年份，与无变化区域NDVI变化趋势相一致，这进一步验证了城市郊区土地覆盖变化较小，其主要影响因素为气候变化、人为干扰等其它因素。

图8 安徽省各市不同区域土地覆盖变化对植被影响变化图Fig.8 Changes of land cover changes on vegetation in different regions of each city in Anhui province

4 讨论

4.1 气候与间接影响之间的关系

在城市化过程中，气候变化、人为干扰等其它因素对植被生长产生了显著的影响，为了定量描述这一问题，统计计算不同区域的其它影响与气候因子、降水的相关系数，如表3、表4所示。总体而言，安徽省各市其它因素影响与气温呈显著的正相关，与降水不具备相关性，但安徽省各市的表现不同。具体而言，阜阳、淮北、亳州r<0.1(p<0.05)，表现为无明显相关性，而其他各个市r>0.1(p<0.05),表现为显著的正相关。每个市的不同区域也存在空间差异，总体上，建成区的其它因素影响与气温的相关性比老城区的相关性要高，这与扩展区不透水面快速增长、城市热岛效应和自然增温所造成的升温幅度比老城区要高有关。

表3 气温与其它影响之间的相关系数Table 3 Correlation coefficients between air temperature and other influences

表4 降水与其它影响之间的相关系数Table 4 Correlation coefficients between precipitation and other influences

4.2 分离城市化影响因素的必要性

城市化会对绿地生态系统产生重要的影响，对此已作了许多研究，但大多数研究集中在城市化对植被的总体影响上[6,21，27-28]，未将城市化影响因素进行分离，得出的结论往往也是城市化对城市植被的生长起到了负面影响，但根据本文的研究可知，在城市化的过程中，去除土地覆盖因素影响后，人为干扰、气候变化等其它因素对植被生长起到了促进作用，这与总体影响之间存在着一定的差异。这种影响因素的分离对正确认识城市化对城市植被的影响具有一定的帮助，对城市化过程中植被保护具有一定的参考指导价值。

4.3 研究不足与展望

本文利用Landsat数据，运用最大似然法对安徽省各主要城市建成区进行监督分类，监督分类的精度达到91%以上，但Landsat数据的分辨率为30米，且在分类的类别上只考虑了不透水面、植被、水体、裸地四个类别，在今后的研究中应选择精度更高的，分类类别更详细的数据进行研究。另外，本文没有考虑不同植被的物候差异，虽然本文采用MVC方法(最大值合成法)合成NDVI月数据，采用5—10月最大NDVI数据作为年NDVI值，但是不同植被具有不同的生长周期以及生长时间。植被的物候差异会在下一步研究中进行探讨。