基于Landsat TM/OLI影像的哈尔滨市植被覆盖度与景观格局动态变化分析

马建明,常晓晴,邢艳秋,王德军

(东北林业大学 森林作业与环境研究中心,哈尔滨 150040)

0 引言

随着全球人口的持续增长,城市用地不断扩张,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[1]。植被作为陆地生态系统最重要的组成要素之一,城市植被可以为居民提供多种环境和社会效益,包括净化空气、降噪、缓解城市热岛效应、减少雨水径流和维护生物多样性,以及美化环境、缓解压力等[2]。城市植被能够很好地反映城市生态环境状况,是评价城市化发展健康的主要指标。因此,定量监测城市植被时空变化对评价城市生态环境质量、城乡规划、促进城市可持续发展等方面具有重要意义。

植被覆盖度(Fractional vegetation cover,FVC)是评价植被生长状况、分布特征和结构变化的重要参数,在城市化研究、植被变化监测和生态环境调查中得到广泛应用[3]。城市FVC的时空动态变化研究可综合反映城市扩张下的植被变化,进而监测城市环境和城市发展。另外,植被景观格局综合反映了植被空间分布及其在环境异质性和干扰状况综合控制下的动态变化特征,已被证明是评估景观模式的有效手段,通常使用景观格局指数定量化表示[4]。城市快速发展导致建筑用地大面积扩张,侵占原有自然地表植被,带来严重的生态环境问题。应用景观生态学方法研究植被覆盖度景观格局的演变规律,有助于了解城市发展下的植被变化过程,从而揭示植被覆盖情况与自然环境、人为干扰之间的影响因素,为区域发展提供重要依据[5]。

相较于传统的地面测量,遥感技术可以快速大范围监测城市扩张、植被覆盖度和景观格局的变化[6]。许玉凤等[7]根据15 a的MODIS NDVI数据,分析黎平县植被变化,结果表明植被有明显改善;李恒凯等[8]根据1990—2013年5期Landsat影像数据,对23 a间定南县岭北稀土矿区的植被覆盖情况和景观格局进行了综合分析;苏凯等[9]利用2000—2015年4期MODIS数据,对东北森林带景观格局的时空变化展开研究,并结合MCE-CA-Markov模型,预测东北森林带2020年景观格局变化趋势;苏艳琴等[10]以福建省三明市沙县作为研究区,以Landsat为数据源,利用线性光谱混合模型分别提取1996、2004、2014年的植被覆盖度,并分析其变化趋势;张晓东等[11]基于生态景观学原理,利用1989—2014年4期Landsat影像数据,分析了宁夏盐池县植被景观格局时空演变特征,并探讨植被与降雨之间的关系;徐凯健等[12]利用1975—2013年6期Landsat系列影像数据,以福建省长汀县为研究区,分析植被覆盖度和景观格局在不同时期的变化情况,并探讨人类活动以及政策的影响。但是上述研究主要集中在生态脆弱区和丘陵地貌的植被覆盖度动态变化研究,而结合植被覆盖度,从景观生态学角度对植被景观格局演变研究较少,尤其是人类活动较为集中的城市区域。因此,开展城市区域植被覆盖度及景观格局变化的研究,对掌握城市发展进程和景观生态保护具有重要意义。

哈尔滨市位于我国东北部,地处松嫩平原,是我国最北的省会城市,面积最大,但城市化水平远远低于我国的中南部城市。近些年由于城市的经济发展、新城区规划、棚户区改造以及生态恢复政策实施等影响,生态格局发生重大变化[13]。本研究以2004、2010、2005、2020年4期Landsat TM/OLI遥感影像作为数据源,利用归一化植被指数和像元二分法提取哈尔滨市的植被覆盖度,结合景观生态学理论分析在快速城市化背景下植被覆盖度的时空变化和景观格局的演变,有助于认清生态景观演替和机制,为该区域今后的城市建设和景观格局优化提供科学依据。

1 研究区概况及数据源

1.1 研究区概况

哈尔滨市位于黑龙江省南部,地理范围是125°42′～130°10′ E,44°04′～46°40′ N,是中国重要的制造业基地。该地区属中温带大陆性季风气候,年平均温度3.6 ℃,冬长夏短,降水集中在6—9月份,年平均降水量569.1 mm。整体地势东高西低,东以山丘为主,西以平原为主,四周有大量农田包围。土壤种类众多,以黑土为主。本研究区域为哈尔滨市的中心城区,具体范围包括道里区、南岗区、道外区、平房区、香坊区和松北区,总面积约2243.84 km2,如图1所示。

图1 研究区位置图(2020年9月15日Landsat OLI影像,假彩色合成)Fig.1 The location of study area (Landsat OLI image on September 15, 2020, false color synthesis)

1.2 数据源及预处理

本研究采用Landsat TM/OLI影像数据,空间分辨率为30 m,采集时相分别为2004年9月21日(TM)、2010年9月22日(TM)、2015年9月20日(OLI)和2020年9月15日(OLI)。本研究忽略在较短时间内由植被生长状况不同对植被覆盖度的影响,选取的4个影像中植被属于同一物候期,植被覆盖度的时空变化具有可比性[14]。

为消除遥感影像因大气传输、平台运行状况及传感器系统等因素造成的误差,本研究利用ENVI5.3对遥感影像数据进行辐射定标、几何校正和大气校正等预处理,并以1∶50 000地形图数据为标准,对4个影像进行几何精校正,校正精度控制在1个像素内,最后利用哈尔滨市中心城区行政边界分别裁剪4期影像数据。

2 研究方法

2.1 归一化植被指数

归一化植被指数(Normalized Difference Vegetation Index, NDVI)是一种简单有效的量化绿色植被的指标,根据植被的光谱特征,将近红外和红波段反射率进行组合,突出表现植被的遥感特征信息,同时抑制土壤反射或大气等干扰因素的影响,能够较好地反映植被生长状态,被广泛用于植被动态变化监测、农作物长势估算以及植被特征识别等方面[15],计算见式(1)。

NDVI=(NIR-R)/(NIR+R) 。

(1)

式中:NDVI为归一化植被指数;NIR为近红外波段;R为红波段。NDVI的取值范围是-1～1,其中NDVI的负值(接近-1的值)对应于水域,接近于0的值通常表示岩石、裸地或雪的贫瘠区域。正值表示有植被覆盖,值越大表明植被覆盖度越高。

2.2 植被覆盖度估算模型

遥感影像的每个像元可能由多个组分构成,而每个组分对遥感传感器所观测的信息都有贡献,因此可以将遥感信息分解,建立像元分解模型来估算植被覆盖度。像元二分模型(Dimidiate Pixel Model,DPM)因其简便高效成为混合像元模型法中最常用的植被覆盖度估算模型之一,具有明确的物理含义[16]。假设影像中每一个像元记录的地物光谱信息只由植被和非植被2部分组成,所得的光谱信息也只由这2个组分因子线性合成,其各自的面积在像元中所占的比率即为各因子的权重,见式(2)[17]。

NDVI=f·NDVIveg+(1-f)·NDVIsoil。

(2)

式中:f为混合像元中植被所占的比例即为该像元的植被覆盖度;NDVI为混合像元的归一化植被指数;NDVIveg和NDVIsoil分别为全植被覆盖和裸土对应的NDVI。由于纯像元受土壤、植被类型和叶绿素含量等因素的影响,NDVIveg和NDVIsoil存在很大的不确定性。为此,对4期Landsat影像提取的NDVI值进行直方分布图统计分析,以95%的置信度(影像中NDVI值对应的像元数量的累计百分比)确定NDVI的上下限阈值,分别近似代表裸土和纯植被覆盖区域的NDVI ,取值见表1,此方法可以有效减少遥感影像中的噪声等产生的误差,并在FVC研究中得到了广泛使用[18-20]。植被覆盖度的数学表达形式见式(3)。

表1 2004—2020年NDVIveg和NDVIsoilTab.1 The values of the NDVIveg and NDVIsoilfrom 2004 to 2020

(3)

2.3 景观格局评价方法

景观指数高度浓缩了景观格局信息,反映了景观的结构组成和空间配置特征[21]。参考相关研究,结合研究区域的具体特征和研究的实际需求,从斑块面积、斑块个数、蔓延度与多样性指数4个方面定量描述研究区植被覆盖度景观格局特征的时空变化,各景观指数具体含义和计算方式见表2。利用景观格局分析软件Fragstats 4.2计算出哈尔滨市植被覆盖度的景观格局指数。

表2 景观指数含义及其计算方法Tab.2 Description and calculation of landscape metrics

3 结果与分析

3.1 植被覆盖度变化特征

本研究首先利用Landsat TM/OLI影像提取了哈尔滨市2004、2010、2015、2020年4期的NDVI,其空间分布如图2所示。随后利用像元二分法得到哈尔滨市2004、2010、2015、2020年的植被覆盖度。为进一步了解哈尔滨市植被覆盖度的空间分布情况,参照Cai等[3]的分级方法,并结合研究区的实际情况,将研究区植被覆盖度划分为5个等级:无植被覆盖区(0≤fc<0.2)、低植被覆盖区(0.2≤fc<0.4)、中植被覆盖区(0.4≤fc<0.6)、中高植被覆盖区(0.6≤fc<0.8)、高植被覆盖区(0.8≤fc<1),植被覆盖度空间分布如图3所示。

图2 2004—2020年哈尔滨市中心城区NDVI分布图Fig.2 The maps of NDVI distribution in Harbin center city from 2004 to 2020

图3 2004—2020年哈尔滨市植被覆盖等级图Fig.3 The maps of vegetation coverage grade in Harbin from 2004 to 2020

由图3可以看出,各等级植被覆盖度空间分布具有明显的空间差异性。哈尔滨市区以高植被覆盖分布为主,主要分布在城区的北、东和西3个片区,这3个片区主要是以林业、农业用地为主,9月份为农作物的成熟期,植被覆盖度较高;从城区内部来看,以松花江为界线,江北城区整体植被覆盖度均高于江南城区,这可能是因为江北城区属于新开发区,规划合理,同时政府也更加注重城区的生态环境,而江南城区属于老城区,植被覆盖度低于江北城区。

由表3可知,2004—2020年各等级植被覆盖度区域的面积发生了明显变化。其中,高植被覆盖度和无植被覆盖度的区域面积呈现逐渐增长的趋势,而低、中和中高植被覆盖度区域的面积均逐渐减少。整体来看,在2004—2020年研究区高植被覆盖度和中高植被覆盖度的区域面积累计和占总面积的比例分别为77.81%、72.54%、73.01%、83.31%,说明哈尔滨市整体植被覆盖情况较好,呈增加趋势。相较于2004、2010和2015,2020年的植被覆盖情况最好,其中高植被覆盖度地区的面积为1 647.09 km2,占区域面积的67.40%。2004—2020年高、无植被覆盖度区域的面积分别增加了383.50 、91.07 km2,而低植被覆盖度、中植被覆盖度和中高植被覆盖度区域的面积累计减少了474.57 km2,占比19.42%,可以发现高植被覆盖度区域的面积要远超过无植被覆盖区域的面积,说明哈尔滨市总体生态环境向好。

表3 各等级植被覆盖度面积Tab.3 The area of each vegetation coverage grade km2

3.2 不同植被覆盖等级间的动态变化分析

为了进一步分析不同等级植被覆盖度区域面积的变化,本研究计算了2004—2010年、2010—2015年和2015—2020年的转移矩阵,见表4。

表4 2004—2020年不同等级植被覆盖转移矩阵Tab.4 Transfer matrix of vegetation coverage at different levels from 2004 to 2010 km2

2004—2010年植被覆盖度等级未发生变化的区域达到1 346.23 km2,占总面积的59.99%。在发生变化的区域中,高植被覆盖度区域转向中高植被覆盖度区域面积最大,转换面积为302.04 km2,这可能是由于哈尔滨市的发展与扩展,人民生产生活需求量大,从自然界获取的资源量增加,对生态植被不可避免地产生负面影响。2010—2015年,中高植被覆盖度主要转变为高植被覆盖度区域,转换面积为333.41 km2。虽然还存在高植被覆盖度区域减少的现象,但是整体发展良好。另外,由中植被覆盖度区域转化为中高植被覆盖度区域,面积为98.65 km2,由低植被覆盖区域转向中植被覆盖区域,面积为74.86 km2,由无植被覆盖度区域转向低植被覆盖区域,面积为27.68 km2,植被覆盖度均有所增加。2015—2020年,中高植被覆盖区域向高植被覆盖度区域转化的面积仍最多,共转化了408.95 km2,虽然存在中高植被覆盖度转向中植被覆盖度的区域,但面积较少,仅为20.95 km2。其次是低植被覆盖度的区域向中植被覆盖度的区域转化,面积为132.43 km2,说明哈尔滨市的植被覆盖度呈现上升的趋势。

3.3 哈尔滨市景观格局分析

利用Fragstats 4.2计算得到哈尔滨市的植被覆盖度的景观指数值。由图4(a)可以看出,2004—2020年高植被覆盖度区域占据了景观中的主导地位,其次为中高植被覆盖度。研究区域内的不同时期,无植被覆盖度区域的景观百分比逐渐增加,低植被覆盖度和中植被覆盖度的景观百分比属于先增加后减少。而中高植被覆盖度的景观百分比一直处于减少状态,但依然处于优势地位。结合图4(b)斑块个数分析,大多数植被覆盖度区域斑块个数呈现先增加后减少的趋势,说明景观的破碎化程度先增加后减少,最后连片性增加,即城区扩建形成连片区域。

图4 哈尔滨不同时期植被覆盖度景观百分比和斑块个数Fig.4 Percentage of vegetation coverage and number of patches for each period in Harbin city

多样性指数主要反映景观的异质性和丰富程度。由表5可知,2004—2020年香农多样性指数先增加后保持稳定,说明哈尔滨市的植被斑块多样性上升后保持平稳,各植被覆盖类型异质性逐渐增强,破碎化程度高。另外,蔓延度指数由2004年的53.51%下降至2020年的43.98%,表明植被斑块的分布逐渐分散和复杂,景观破碎度加剧,团聚程度不高,景观中大斑块的面积被蚕食减小。虽然哈尔滨市区主要以城区建设为主,但近年来随着旧城区改造和新城区建设以及人们对绿化的重视,景观结构组成趋向复杂化。

表5 研究区不同时期多样性指数和蔓延度指数Tab.5 Diversity index and spread index in different periods in the study area

4 讨论与结论

城市的扩张必然以牺牲绿地为代价,但随着社会经济发展,保护环境意识的提高以及各种城市绿化政策的实施,城市区域植被覆盖度逐渐增加。本研究基于长时间遥感影像数据进行城市植被覆盖度和植被景观格局分析,结果表明,随着哈尔滨城市的发展,植被覆盖度逐渐增加,说明近年来哈尔滨政府实施各种植被保护政策取得了显著性的成效,“哈尔滨市城市总体规划”“哈尔滨市城市绿地条例”等措施的实施有效保护和增加了绿地面积,改善了生态环境,这与Dao等[22]对哈尔滨土地利用变化研究得出绿地面积逐渐增加的结果基本一致,同时李继红等[23]研究也表明哈尔滨市近十年植被碳储量明显增强。另外,在本研究中选择分辨率较精细的TM影像存在着一定的局限性,城市绿地的斑块较小且破碎,其变化不易检测,虽然不影响结论的正确性,但可能会影响结果的精度[24],可在未来研究中借助更高分辨率的遥感影像(如高分系列,WorldView-2影像等)进行深入研究。Song等[25]对哈尔滨市中心区景观格局特征研究也同样表明该地区生态斑块面积小,碎片性强。此外,本研究分析了哈尔滨市植被覆盖度和景观格局动态变化,但其变化的驱动因素和影响机制并未考虑。在快速推进城市化进程同时,如何增强植被的生态环境效应,维持城市的可持续发展还需进一步研究。

本研究利用Landsat TM/OLI影像数据,结合归一化植被指数和像元二分模型,对哈尔滨市2004—2020年内的植被覆盖度进行估算。最后,利用植被覆盖度和景观生态学理论分析哈尔滨景观格局演变,结论如下。

1)整体而言,哈尔滨市整体植被覆盖度较好。2004—2020年高植被覆盖度和中高植被覆盖度的区域面积之和占总区域面积分别为77.81%、72.54%、73.01%、83.31%。不同等级植被覆盖的变化趋势不同,在2004—2020年,高植被覆盖度区域和无植被覆盖度区域变化较大,整体呈现增长趋势。而低、中和中高植被覆盖度区域均有下降趋势。从空间分布来看,哈尔滨市主城区由于建筑物比较集中,植被覆盖度较低,而城郊植被覆盖度较高。

2)结合转移矩阵方法,分析了2004—2020年哈尔滨市不同植被覆盖度等级间的动态变化。植被覆盖度的转化整体趋于良性发展,但存在部分区域由于新城区建设和人类生活影响造成的植被覆盖度下降,需要引起相关部门的重视。

3)利用景观生态学理论,结合植被覆盖度,分析了哈尔滨市植被覆盖度景观格局动态变化。研究表明2004—2020年高植被覆盖度区域占据了优势地位,其次是中高植被覆盖度区域。大部分植被覆盖区域的斑块数量呈现先增加后减少的趋势。总体来看,2004—2020年哈尔滨市植被景观多样性逐渐增加,植被斑块的分布逐渐分散和复杂。