東北老工業區植被覆蓋度時空特征及城市化關聯分析

肖驍, 李京忠,2, 韓彬, 逯承鵬, 薛冰,*

?

東北老工業區植被覆蓋度時空特征及城市化關聯分析

肖驍1, 李京忠1,2, 韓彬1, 逯承鵬1, 薛冰1,*

1. 中國科學院污染生態與環境工程重點實驗室/中國科學院沈陽應用生態研究所, 沈陽 110016 2. 許昌學院城鄉規劃與園林學院, 許昌 461000

植被覆蓋度研究一直是揭示自然生態系統演化以及人類活動與環境演化關系的重要路徑。基于MODIS數據, 結合像元二分模型和一元線性回歸方法, 定量估算東北老工業區2000—2015年的植被覆蓋度及其時空變化特征, 并特別分析遼寧省植被覆蓋度變化與城市化水平的關系。結果表明, 1)東北老工業區的植被覆蓋度呈現“中部高-東西低-西部最低”的空間分布態勢; 2)黑龍江省和吉林省高植被覆蓋區明顯增加, 但遼寧省高植被覆蓋區面積比重由2000年全省總面積的49.99%下降到2015年的25.99%, 這一變化情況在遼寧省城市化水平的空間差異中得到進一步的驗證; 3)除部分遼西城市植被退化趨勢嚴重并且逐漸向東蔓延, 東北老工業區植被覆蓋表現出增加的趨勢, 特別是黑吉兩省與內蒙古交界的大部分地區植被覆蓋度明顯提高。研究結果闡明了東北老工業區植被演化格局與過程, 對推動綠色可持續轉型及生態文明建設具有重要意義。

植被覆蓋度; 城市化; 像元二分模型; 東北老工業區

1 前言

依賴于優越的自然地理條件和豐富的礦產資源, 東北老工業區在建國初期對新中國的工業體系建設和經濟發展做出了卓越貢獻, 但也因為發展理念與技術水平限制等若干原因, 使得區域生態環境退化嚴重[1–2]或已到達臨界狀態, 例如三江平原濕地面積銳減4.05萬平方公里, 東北黑土區的水土流失面積占總面積的34%[3], 嚴重影響了區域可持續發展。自2000年以來, 東北地區著力推進經濟的可持續轉型并強調加強森林、草地的生態保護, 明確提出將堅持以生態為主導的林業和林區經濟發展方向、切實加強天然草場恢復和保護等重大措施。2016年4月, 《中共中央國務院關于全面振興東北地區等老工業基地的若干意見》印發實施, 提出要“打造北方生態屏障和山青水綠的宜居家園, ……, 堅決摒棄損害甚至破壞生態環境的發展模式和做法”, 因此, 開展東北地區的生態環境演化研究, 對于明確東北地區生態環境要素的基準線、掌握其時空變化趨勢, 進而服務全面振興東北戰略具有重要的現實意義。

開展植被覆蓋度的時空變化特征研究, 不僅能夠評估植被長勢及生態保護成效[4–7], 而且可以為區域可持續發展提供科學決策依據。在植被覆蓋度研究手段和方法上, 遙感數據覆蓋范圍廣、時間有效性強且容易獲取[8–13], 地理信息系統手段具有強大的空間分析處理能力, 因此目前主要采用遙感與地理信息系統相結合的方法。像元二分模型利用遙感數據估算植被覆蓋度, 具有模型簡單、物理意義明確等優點[14–16]。QI J等采用像元二分模型來反演圣佩德羅流域區植被的時空動態特征[17]; 馬娜等基于遙感和像元二分模型研究了植被覆蓋度格局并證明應用像元二分模型計算植被覆蓋度的方法是簡潔且有效的[18]; 劉廣峰等建立像元二分模型提取植被覆蓋度的結果表明, 基于NDVI的像元二分模型適合于沙漠化地區的植被覆蓋度提取, 平均精度達到79.4%[19]。近年來利用植被蓋度情況評估區域自然生態環境, 并與各種環境因素進行關聯研究成為了主要研究方向之一, 并且取得了許多重要研究成果。例如HG KHARIN借助植被指數來監測干旱地區的土地退化程度[20]; YENGOH G T等指出植被覆蓋度的研究逐漸成為土地荒漠化評估的主要手段[21]; DENG等依據NDVI分析了祁連山地區的植被覆蓋特征及其受氣候變化影響情況[22]; 穆少杰等通過反演內蒙古地區2001-2010年植被覆蓋度的時空變化規律并結合同期降雨量和溫度數據揭示了植被覆蓋度與氣候因子的相關性[23]; 王偉軍等開展了2000-2014年甘南高原植被覆蓋度的時空變化格局并結合同期氣溫、降水數據及物候信息, 從不同時空尺度和植被類型研究了甘南高原植被覆蓋度的年、月際變化及其對氣候變化的響應[24]。目前將植被覆蓋度的時空演變規律與社會經濟因子結合, 特別是針對東北振興戰略實施以來, 城市化水平與植被覆蓋度的相關性研究相對較少。因此, 開展東北老工業區植被覆蓋度時空特征及其與城市化水平之間關系的拓展研究, 具有重要的理論與實踐意義。

基于此, 本研究選取2000、2005、2010和2015年為研究時相, 利用MODIS數據開展東北老工業區的黑龍江省、吉林省和遼寧省的植被覆蓋度估算研究, 以定量分析東北老工業區植被覆蓋度的時空分布和變化特征, 進而將植被覆蓋度變化程度與城市化水平進行相關分析, 以進一步闡明東北老工業區植被時空變化規律和城市化水平的相關性, 以闡釋在新時期的東北全面振興過程中所面臨的若干關鍵基礎科學問題, 為東北地區區域生態環境建設及城市發展提供合理科學數據支撐和有效的決策依據。

2 數據與方法

2.1 數據選取與預處理

MODIS遙感數據由于具有較寬的覆蓋范圍、可連續觀測和免費獲取的特點, 在區域植被覆蓋估算方面成為主要數據源[25], 能夠滿足植被覆蓋度空間和時間序列的監測需求。為了避免逐日遙感影像的云覆蓋等影響, 選擇無云或少云覆蓋的MODIS—NDVI 16d數據集作為植被覆蓋度監測的基礎數據。通過美國航空航天宇航局的一級大氣數據存檔和分發系統(Level 1 and Atmosphere Archive and Distri-bution System, LAADS)下載MODIS13Q1數據集, 空間分辨率為250m×250m。同時選擇遼寧省的2014年城市化度統計數據作為植被覆蓋變化與城市化因子的相互關系分析的數據源。

根據研究區的情況, 考慮到東北地區每年的八月份植被覆蓋最為茂盛, 本研究遙感數據的時相為2000、2005、2010和2015年的八月份, 數據軌道號為h25v03、h26v03、h26v04、h27v04、h27v05。利用MODIS重投影工具(MODIS Reprojection Tool, MRT)將研究區的五景數據分別進行拼接處理和投影轉換, 并根據研究區行政邊界矢量數據進行裁剪。

2.2 植被覆蓋度及變化趨勢估算方法

植被覆蓋度(Fractional Vegetation Cover, FVC )是指植被(包括葉、莖、枝)在地面的垂直投影面積占統計區總面積的百分比[26–27], 本研究采用Gutman等人提出的像元二分模型法提取植被覆蓋度[28], 其基本原理是假設每一個像元都可分解為植被和土壤兩部分, 即像元信息是綠色植被成分貢獻的信息和土壤成分貢獻的信息的綜合[28], 主要表達式為:

其中, NDVI為像元的歸一化植被指數(Normalized difference vegetation index, NDVI)值,NDVI為完全是裸土或無植被覆蓋像元的NDVI值, 即純裸土像元的歸一化植被指數值。NDVI為完全由植被覆蓋的像元的NDVI值, 即純植被像元歸一化植被指數值。

NDVI和NDVI的取值是像元二分模型的關鍵, 對于純裸土像元的 NDVI, 理論上應接近于0; 純植被像元的 NDVI, 理論上接近于1。但是由于大氣條件、季節變化和植被類型等因素的影響, 不同影像的NDVI和NDVI通常存在一定的不確定性。理想的調整方式是根據圖像的統計信息, 利用給定的置信度截取的NDVI灰度的上下限值分別近似代表NDVI和NDVI。置信度的選取要依據實際的NDVI值分布而定, 本研究以累計頻率為0.5%的NDVI 值作為NDVI, 以累計頻率為99.5% 的 NDVI值作為NDVI, 最后通過公式(1)得到研究區各年份的植被覆蓋度。

為了能夠更好的量化評價植被覆蓋度, 參照水利部頒布的《土壤侵蝕分類分級標準》(SL190- 1996), 并結合研究區植被覆蓋度數值分布情況, 將植被覆蓋度分為五個等級, 即低植被覆蓋度[0, 20%]、中低植被覆蓋度[20%, 40%]、中等植被覆蓋度[40%, 60%]、中高植被覆蓋度[60%, 80%]和高植被覆蓋度[80%, 100%], 并進行分級制圖。

2.3 植被覆蓋度變化趨勢計算

一元線性回歸分析可以模擬每個像元值的變化趨勢, 不僅滿足在若干時間節點的長時段內對研究對象變化探測的要求, 基于像元尺度的趨勢估算還能夠提供空間演變規律的指示信息, 因此常用在植被覆蓋度變化趨勢的估算研究中, 計算結果以變化斜率的形式得出:

式中:為研究年數, 本文=4;為1—年的年序號;FVC為第年某像元植被覆蓋度值;是研究區內植被覆蓋度變化斜率, 反映了在研究期間植被覆蓋度的變化趨勢。當>0時, 表示植被覆蓋度增加, 即植被改善; 當=0時, 表示植被覆蓋度沒有發生變化; 當<0時, 則表示植被覆蓋度降低, 代表植被退化。同時, 斜率絕對值越大, 植被覆蓋度增加的幅度越大, 反之則增加的幅度越小。本文利用一元線性回歸方法對植被覆蓋度變化趨勢進行計算, 按照變化斜率的大小, 劃分不同的等級(表1)。

2.4 城市化計算方法

人口城市化是衡量城市化水平的重要指標, 指農業人口進入城市轉變為非農業人口的過程和農村地區轉變為城市地區所導致的變農業人口為非農業人口的過程。一般以城鎮人口占總人口的比重[31]來計算人口城市化水平, 表達式為:

其中,城鎮為城鎮人口總數,總為該市行政范圍內的總人口。因為人口城市化的主體是經濟活動人口, 其實質應是人口經濟活動的轉移過程。因此, 城市化水平可以在一定程度上表征城市經濟發展水平。

3 結果與分析

3.1 東北老工業區植被覆蓋時空演化特征

東北老工業區植被覆蓋度總體分布基本一致, 均呈現“中部高—東西低—西部最低”的空間分布特征(圖1)。中部地區北起黑龍江省大興安嶺南至遼寧省丹東市, 形成十分明顯的高植被覆蓋帶, 其中包括黑龍江省北部和遼吉兩省東部等地, 境內的大、小興安嶺和長白山山脈等原始森林是形成高植被覆蓋區的主要原因; 中度和中高植被覆蓋區分布不集中, 分散在黑龍江省東北部和西北部、吉林省西北部以及遼寧省西部, 地理位置與三江平原、松—嫩—遼平原農業區基本吻合。除此之外, 中度和中高植被區在全域范圍內均有零星散步。低植被覆蓋區面積較少但位置相對穩定集中, 位于省會城市中心地帶以及黑龍江大慶、吉林白城等地構成的中西部城市群內以及遼西城市群。截至2015年, 遼寧大多數中西部城市植被覆蓋度普遍偏低, 面臨土地荒漠化問題[29]。

2000—2015年全域的高植被覆蓋度地區(以下簡稱高植被區)占比明顯增加(表2), 約增加12%, 其他等級占比均不同程度減少。2015年相比2000年增加的高植被區主要位于黑龍江、吉林兩省, 分別增加了21.94%、8.25%。但其他等級植被覆蓋度地區占比均不同程度減少, 這與全域的變化趨勢一致, 可見黑龍江省的植被變化是研究區全域植被變化的主控因素。然而遼吉兩省高覆蓋度的植被退化嚴重, 2000年遼寧省高植被區占比全省面積已不及一半(42.42%), 此后高植被區不增反減, 到 2015年僅剩29.99%。

圖1 東北老工業區植被覆蓋度空間分布圖

表2 各等級植被覆蓋度占比統計(%)

上述對各等級植被覆蓋度進行了量化統計, 但難以探測植被蓋度發生變化的具體位置從而實現林區、草場等區域植被的防控監測目標。為此, 以2000、2005、2010和2015年作為時間節點, 采用一元線性回歸模型計算植被覆蓋度的變化趨勢, 進一步揭示15年間研究區植被覆蓋度變化的空間分布情況(圖2)。植被覆蓋度基本穩定地區的面積僅有36.27萬km2, 即超過一半的土地植被覆蓋度發生了明顯變化(圖3)。具體來看, 黑吉兩省與內蒙古交界的大部分地區植被覆蓋度明顯增加, 2000年大興安嶺、大慶和齊齊哈爾市等植被蓋度大多為中低水平(圖1—a), 東北振興戰略提出以后, 生態環境得到治理, 植被覆蓋度逐年增加, 不僅退化的原始林得到進一步地修復, 而且部分土地荒漠化趨勢也得到了逆轉; 植被退化區面積僅有15.82萬km2, 植被改善區面積幾乎是植被退化區的二倍。由此可見, 研究區植被覆蓋度在15年間呈現增加趨勢。然而也不乏植被退化明顯的局部地區, 遼西北地區就在其列, 該地區城市荒漠化趨勢逐漸向東蔓延, 構成了植被嚴重退化城市群, 也驗證了可持續發展綜合能力較弱[31]。

圖2 植被覆蓋度變化趨勢空間分布

圖3 植被覆蓋度變化統計

3.2 植被覆蓋度變化與城市化因子相關性分析

城市化與生態環境之間客觀上存在著密切的關系, 由于農村人口向城鎮轉移, 城市地域不斷擴展, 必然要占用自然生態空間的土地資源, 造成植被生境的變化, 這對城市的環境保護提出了更高的要求。同時由于經濟總量的增加, 使城市更具能力進行環保投資, 在一定程度上保護了植被資源, 因此城市化對植被資源具有雙重作用[32–33]。遼寧省城市化水平差異較大, 在省會城市的帶動和輻射作用下, 沈陽市、撫順市、本溪市等地在2014年城市化水平達到60%以上。2009年國家將遼寧沿海地區提到戰略部署內, 大連市、盤錦市等沿海城市經濟發展勢頭迅猛, 城市化水平居高, 但朝陽市、葫蘆島市、鐵嶺市和阜新市等地區城市化發展落后(圖4、圖5)。在城市化水平較高的地區, 如盤錦市、沈陽市、大連市的植被呈現嚴重退化或中度退化的趨勢, 特別是沈陽市大部分地區的植被嚴重或中度退化, 以區縣為單位分析, 除了新民市東部和沈陽市渾河周邊的中心城區的植被有增加跡象外, 其他區域的植被明顯退化。可見, 在高度城市化的背景下, 城市人口數量的增加帶來了城鄉土地利用方式的變革, 植被生態區遭到破壞, 帶來了植被覆蓋度的大幅衰減。然而, 以撫順市和本溪市為代表的高城市化水平的地區植被覆蓋度不減反增, 這是當地天然林草地等植被保護工作的有效實施的緣故, 也與中等植被覆蓋度的農業區的發展擴建有關。鐵嶺市、朝陽市、葫蘆島市等地區的城市化水平較低, 植被覆蓋度輕微增加或者基本不變的土地廣布, 但也存在植被嚴重退化的現象。在過去的15年里, 這些地區的生態用地雖然得到了一定的治理, 但連年氣候干旱多風, 加之超載過牧等自然人為因素的影響使得該區域草地農田風蝕沙化明顯, 土地荒漠化治理工作有待加強。綜上所述, 東北老工業區城市化水平可以作為植被覆蓋度變化原因參考因素之一, 但城市化水平的高低不能作為衡量城市植被覆蓋度變化的絕對影響因素, 還需結合其他影響因素進行綜合分析。

圖4 遼寧省城市化指數空間分布

圖5 遼寧省植被覆蓋度變化趨勢空間分布

4 結論與討論

普遍認可的像元二分模型適用于東北老工業區的植被覆蓋度估算研究, 同時, 一元線性回歸方法能夠有效獲取植被覆蓋度逐年的演變趨勢。利用上述方法開展2000—2015年東北老工業區的植被覆蓋度研究, 分析了各級植被覆蓋區的面積占比及變化情況, 評估了四個年份內東北老工業區植被覆蓋度的變化趨勢, 并將城市化指數與植被覆蓋度的變化程度進行比對。本研究為深入認識東北老工業區近15年的植被覆蓋度的空間分布情況, 探明植被覆蓋度的年際變化規律提供了方法學的新思路, 也能夠為東北老工業區的生態環境建設提供決策依據。主要得出了以下結論: 1)2000—2015年東北老工業區植被覆蓋度均表現出“中部高-東西低-西部最低”的空間分布特征, 南北貫穿形成明顯的高植被覆蓋帶。中度和中高植被覆蓋區分布不集中, 與三江平原等農業區基本吻合。低植被覆蓋區以省會城市為代表, 連片集中分布在中西部城市群內; 2)近15年東北老工業區高植被覆蓋區明顯增加, 主要集中在黑龍江省和吉林省。遼寧省的高植被覆蓋區占全省總面積百分比由2000年的49.99%迅速下降至2015年的25.99%, 其中遼西至遼中區域的朝陽市、阜新市、錦州市、沈陽市等構成了植被嚴重退化的城市群。從總體上看, 東北老工業區在2000年至2015年植被覆蓋度呈現增加趨勢, 這得益于生態環境保護工程的實施; 3)遼寧省的城市化水平可以作為植被覆蓋度變化原因的參考, 但是不同地區的植被覆蓋度與城市化水平的相關性存在差異。最后, 本研究僅選取了城市化指數一種社會經濟因子, 沒有聯合其他社會經濟因子與植被覆蓋度展開綜合對比分析。從社會經濟角度來看, 人口密度和城市GDP水平也能夠反映社會經濟基礎發展的程度, 因此今后應考慮這些因素對植被覆蓋度的影響。

[1] XUE Bing, TOBIAS M. Sustainability in China: bridging global knowledge with local action[J]. Sustainability, 2015, 7(4): 3714–3720.

[2] REN Wanxia, XUE Bing, GENG Yong, et al. Inventorying heavy metal pollution in redeveloped brownfield and its policy contribution: case study from Tiexi district, China [J]. Land Use Policy, 2014, 38: 138–146.

[3] 錢正英. 東北地區有關水土資源配置、生態與環境保護和可持續發展的若干戰略問題研究(綜合卷)[M]. 北京: 中國科學出版社, 2007.

[4] CARLSON T N, RIPLEY D A. On the relation between NDVI, fractional cover, and leaf area index[J]. Remote Sensing of Environment, 1997, 62: 241–252.

[5] 夏北成, 龔建周. 廣州市植被覆蓋度等級結構及其時空格局特征[J]. 生態科學, 2006, 5:417–422.

[6] WITTENBERG L, DAN M, BEERI O, et al. Spatial and temporal patterns of vegetation recovery following sequences of forest fires in a Mediterranean landscape, Mt. Carmel Israel[J]. Catena, 2007, 71(1):76–83.

[7] JOSHI P K K, ROY P S, SINGH S, et al. Vegetation cover mapping in India using multi-temporal IRS Wide Field Sensor (WiFS) data[J]. Remote Sensing of Environment, 2006, 103(2):190–202.

[8] 梁順林, 李小文, 王錦地, 等. 定量遙感: 理念與算法[M]. 北京: 科學出版社, 2003.

[9] LEPRIEUR C, VERSTRAETE M M, PINTY B. Evaluation of the performance of various vegetation indices to retrieve vegetation cover from AVHRR data[J]. Remote Sensing Reviews, 1994, 10(4): 265–284.

[10] 劉漢生, 吳宜進, 張永利, 等. 湖北省黃岡市欠發達地區植被覆蓋度時空特征分析[J]. 生態科學, 2015, 5: 23–28.

[11] 李京忠, 曹明明, 邱海軍, 等. 汶川地震區災后植被恢復時空過程及特征——以都江堰龍溪河流域為例[J]. 應用生態學報, 2016, 11: 1–11.

[12] 韓佶興. 2000—2011年東北亞地區植被覆蓋度變化研究[D]. 北京: 中國科學院研究生院, 2012.

[13] JIAPAER G, CHEN X, BAO A. A comparison of methods for estimating fractional vegetation cover in arid regions[J]. Agricultural and Forest Meteorology, 2011, 151(12): 1698–1710.

[14] 宋乃平, 杜靈通, 王磊. 鹽池縣2000-2012年植被變化及其驅動力[J]. 生態學報, 2015, 22: 7377–7386.

[15] 賈坤, 姚云軍, 魏香琴, 等. 植被覆蓋度遙感估算研究進展[J]. 地球科學進展, 2013, 7: 774–782.

[16] 李苗苗, 吳炳方, 顏長珍, 等. 密云水庫上游植被覆蓋度的遙感估算[J]. 資源科學, 2004, 4: 153–159.

[17] QI J, MARSETT R C, MORAN M S, et al. Spatial and temporal dynamics of vegetation in the San Pedro River basin area[J]. Agricultural & Forest Meteorology, 2000, 105(1/3):55–68.

[18] 馬娜, 胡云峰, 莊大方, 等. 基于遙感和像元二分模型的內蒙古正藍旗植被覆蓋度格局和動態變化[J]. 地理科學, 2012, 2: 251–256.

[19] 劉廣峰, 吳波, 范文義, 等. 基于像元二分模型的沙漠化地區植被覆蓋度提取—以毛烏素沙地為例[J]. 水土保持研究, 2007, 2: 268–271.

[20] KHARIN H G, GRINGOF I G. Conceptual approach to applica-tion of the normalized difference vegetation index for the assessment of arid land degradation[J] Russian Meteorology and Hydrology, 2002 (7): 64–72.

[21] YENGOH G T, DENT D, OLSSON L, et al. Applications of NDVI for Land Degradation Assessment[M]// TUCKER, COMPTON J, TENGBERG, et al. Use of the Norma-lized Difference Vegetation Index (NDVI) to Assess Land Degradation at Multiple Scales. Springer Internati-onal Publishing, 2015.

[22] DENG Shaofu, YANG Taibao, ZHENG Biao, et al. Vegetation Cover Variation in the Qilian Mountains and its Response to Climate Change in 2000-2011[J]. Journal of Mountain Science, 2013(6): 1050–1062.

[23] 穆少杰, 李建龍, 陳奕兆, 等. 2001-2010年內蒙古植被覆蓋度時空變化特征[J]. 地理學報, 2012, 9: 1255–1268.

[24] 王偉軍, 趙雪雁, 萬文玉, 等. 2000—2014年甘南高原植被覆蓋度變化及其對氣候變化的響應[J]. 生態學雜志, 2016, 9: 2494–2504.

[25] 張彥彬, 安楠, 劉佩艷, 等. 基于MODIS數據的山西省六大煤田區植被覆蓋度時空變化特征及其驅動力分析[J]. 干旱區地理, 2016, 1: 162–170.

[26] PUREDORJ T S, TATEISHI R, ISHIYAMA T, et al. Relationships between percent vegetation cover and vegeta-tion indices[J]. International Journal of Remote Sensing, 1998, 19(18): 3519–3535.

[27] 張東海, 任志遠, 王曉峰, 等. 基于MODIS的陜西黃土高原植被覆蓋度變化特征及其驅動分析[J]. 生態與農村環境學報, 2013, 1: 29–35.

[28] GUTMAN G, IGNATOV A. The derivation of the green vegetation fraction from NOAA/AVHRR data for use in numerical weather prediction models[J]. International Journal of Remote Sensing, 1998, 19(8): 1533–1543.

[29] 陳效逑, 王恒. 1982—2003年內蒙古植被帶和植被覆蓋度的時空變化[J]. 地理學報, 2009, 1: 84–94.

[30] 臧銳, 張鵬, 楊青山, 等. 吉林省城市化水平綜合測度及時空演變[J]. 地理科學, 2013, 10: 1231–1237.

[31] 鹿晨昱, 張琳, 薛冰, 等. 遼寧省區域可持續發展時空綜合測度研究[J]. 經濟地理, 2015, 8: 32–39.

[32] 劉婧. 東北地區產業集聚與城市化發展關系研究[D]. 長春: 東北師范大學, 2006.

[33] 王少劍, 方創琳, 王洋. 京津冀地區城市化與生態環境交互耦合關系定量測度[J]. 生態學報, 2015, 7: 2244– 2254.

肖驍, 李京忠, 韓彬, 等. 東北老工業區植被覆蓋度時空特征及城市化關聯分析[J]. 生態科學, 2017, 36(6): 71-77.

Xiao Xiao, LI Jingzhong, HAN Bin, et al. Spatial-temporal characteristics of vegetation coverage and its correlation with urbani-zation in traditional industrial area of Northeastern China[J]. Ecological Science, 2017, 36(6): 71-77.

Spatial-temporal characteristics of vegetation coverage and its correlation with urbanization in traditional industrial area of Northeastern China

Xiao Xiao1, LI Jingzhong1,2, HAN Bin1, LU Chengpeng1, XUE Bing1,*

1. Lab for Pollution Ecology and Environmental Engineering, Institute of Applied Ecology, Chinese Academy of Sciences, Shenyang 110016, China 2.College of Urban and Rural Planning and Landscape, Xuchang University, Henan 461000, China

Study on vegetation coverage is very important for revealing the evolution of natural ecosystem as well as the relationship between human activities and environmental evolution. Based on the MODIS data and by combining the dimidiate pixel model with simple linear regression method, this research quantitatively estimated the vegetation coverage and its spatial-temporal variation characteristics in traditional industrial area of northeastern China during 2000-2015, and the relationship between the change of vegetation coverage and the level of urbanization in Liaoning province was especially analyzed. The results show that: 1) the spatial distribution of the vegetation coverage appeared to be “central-high, west and east-low, west-lowest”; 2) high vegetation coverage areas increased significantly in Heilongjiang province and Jilin province. However, in Liaoning province, the high vegetation coverage area accounted the proportion of the province’s total area fell from 49.99% to 25.99% during 2000-2015, which was further verified by the spatial difference of Liaoning province’s urbanization level; 3) in addition to the vegetation degradation trend that seriously and gradually spread eastward in some western Liaoning cities, the vegetation coverage in most traditional industrial areas of Northeastern China showed increasing trend, especially in most Heilongjiang and Jilin province areas adjacent to Inner Mongolia.The research results show the vegetation evolution pattern and process of the traditional industrial area of Northeastern China, and have an important significance to promote the sustainable transformation of the green and ecological civilization construction.

vegetation coverage; urbanization; dimidiate pixel model; traditional industrial area of Northeastern China

10.14108/j.cnki.1008-8873.2017.06.010

Q948.1; Q149; X835

A

1008-8873(2017)06-071-07

2016-09-12;

2016-11-16

國家自然科學基金(41471116, 41701142); 中國科學院青年創新促進會(2016181); 遼寧省自然科學基金(201602743, 20170540898)

肖驍(1990—), 女, 遼寧丹東人, 碩士, 主要從事土地利用遙感監測研究, E-mail: xiaoxiao@iae.ac.cn

薛冰, 男, 博士, 研究員, 主要從事區域可持續發展和低碳城市的研究, E-mail: xuebing@iae.ac.cn