秦皇島市2001—2020年植被覆蓋動態變化及預測

張朔川， 湯 軍， 高賢君

(長江大學地球科學學院， 武漢 430100)

植被是地球表面所有植物群體的統稱，在地球生物環境中處于十分重要的地位，對生態系統的發展起到良好的指引作用，是反映研究區域生態環境狀況重要的標志之一[1]。植被覆蓋度指的是植被的葉子、枝干和整體的植被結構等在外界光源照射下投射到地表的垂直投影面積占目標區域面積的比例[2]，是衡量地表植被生長狀況和評價研究區生態系統健康程度的重要指標[2-3]。故監測植被覆蓋度的動態變化并預測其未來狀況對研究區域的環境保護和規劃建設具有重要意義。

目前，使用遙感數據對地表植被覆蓋變化情況進行監測的方法已被廣泛應用于各項研究中。崔云雷[4]以2016年的Landsat8遙感影像作為數據源，采用3種非線性混合像元分解方法并結合回歸模型和非參數模型，獲得了適合荒漠區域的植被覆蓋度遙感反演方法；穆少杰等[5]使用2001—2010年的MODIS-NDVI遙感數據，基于像元二分模型對內蒙古植被覆蓋度時空變化特征進行分析；岳健等[6]采用高分二號衛星影像的歸一化植被指數(normalized difference vegetation index,NDVI)數據與無人機遙感相結合，建立基于高分二號影像的NDVI的阜康北部沙漠植被覆蓋度搖桿估算線性模型；高鵬文等[7]以1988、1998、2008、2018年4期Landsat遙感影像為數據源，運用像元二分模型對哈密綠洲的植被覆蓋度變化狀況進行分析，并結合氣候和人為因素對變化的驅動力因素進行分析。近些年，中外學者的研究主要集中在小空間尺度、短時間序列內植被覆蓋度的時空變化和自然、人為驅動力對植被覆蓋度的影響，對大范圍和長時間內的植被覆蓋度變化趨勢的預測研究卻相對較少[8-10]。

谷歌地球引擎(Google Earth Engine，GEE)有著強大的后端處理器和豐富的數據資源，能方便快捷地對長時間跨度、大區域范圍和高分辨率的遙感影像進行在線處理[11-13]。現基于GEE平臺，使用Javascript API調用2001—2020年共1 443景的Landsat ETM/OLI遙感數據，運用像元二分模型、最大值合成法和一元線性回歸趨勢分析模型，對秦皇島市20年間的最大植被覆蓋度進行估算，計算出最大植被覆蓋度的變異系數，并分析20年間植被覆蓋度的變化趨勢及相關影響因素；再使用元胞自動機-馬爾可夫鏈(cellular automata-Markov，CA-Markov)模型對2025年的植被覆蓋情況進行了預測，為秦皇島市的生態環境治理和建設提供科學依據。

1 研究區概況與數據來源

1.1 研究區概況

秦皇島市位于華北地區，河北省東北部(118°33′9″～119°51′9″E, 39°24′52″～40°37′39″N)，處于燕山山脈東段丘陵地區與山前平原地帶[14]，地勢北高南低，包含海港區、山海關區、北戴河區、撫寧區、昌黎縣、盧龍縣、青龍滿族自治縣7個轄區，共7 813 km2(圖1)。其中山海關、北戴河、南戴河有著獨特的自然和人文景觀，是著名的避暑勝地[14]。秦皇島市位于暖溫帶，地處半濕潤區，氣候類型為暖溫帶半濕潤大陸性季風氣候，由于臨海受海洋影響較大，氣候溫和，全年平均氣溫約11.2 ℃[15]。

圖1 秦皇島市地理位置

1.2 數據來源

基于GEE平臺提供的Landsat系列影像數據并進行在線處理，共計使用1 443景，包括Landsat 5 Surface Reflectance Tier 1數據、Landsat 7 Surface Reflectance Tier 1數據、Landsat 8 Surface Reflectance Tier 1數據；秦皇島市行政區矢量文件來源于自然資源部標準地圖服務系統(http://bzdt.ch.mnr.gov.cn/)；秦皇島市2001—2018年逐年的平均氣溫、20-20時降水量和日照時數數據來自國家氣象科學數據開放中心官網(http://www.data.cma.cn)；土地利用類型遙感影像數據來自于中國科學院地理科學與資源研究所共享官網(http://www.resdc.cn)。

2 研究方法

2.1 像元二分模型

采用最大值合成法[16]，計算得到研究區年度最大歸一化植被指數值(NDVI)，計算公式為

NDVIn=max NDVIm

(1)

式(1)中:NDVIn為所求第n年的NDVI最大合成值；NDVIm為每個像元上每幅影像的NDVI值；m為包含研究區的第n年的遙感影像總數。

像元二分模型不受地域、地形等客觀因素限制，對于地表實測數據的依賴性不強，可以通過相關的計算來減少或消除因大氣和土壤類型等諸多因素帶來的誤差[17]，因此在使用遙感影像對研究區植被覆蓋度(fractional vegetation cover，FVC)進行估算的過程中應用十分廣泛，該模型可表示為

(2)

式(2)中: FVC代表植被覆蓋度;NDVIveg則代表完全被植被所覆蓋的像元的NDVI值;NDVIsoil表示完全是裸土或無植被覆蓋區域的NDVI值。

2.2 變異系數

變異系數(coefficient of variation，CV)是用來表示一組地理數據變異程度的統計量[18]，在一定程度上也可以指示區域生態系統的脆弱程度[19]，其計算公式為

(3)

式(3)中:CV為植被覆蓋度的變異系數；j=1，2，…，20為年序號；xj為第j年的植被覆蓋度；x為20年間的最大植被覆蓋度的均值。變異系數的值越大，說明數據分布的越離散，植被覆蓋度的波動性越大；反之則說明數據分布的較為集中，植被覆蓋度的波動性較小，在研究年限內較為穩定。

2.3 一元線性回歸模型

研究區影像每個像元的植被覆蓋度會隨著時間的變化而表現為增長、降低和基本穩定的趨勢。研究采用一元線性回歸模型分析植被覆蓋度隨時間變化的趨勢，通過線性擬合每個像元20年間的植被覆蓋度變化趨勢，從而計算變化率[20]。公式為

(4)

式(4)中：k為植被覆蓋度變化趨勢線斜率;n=20為監測年數;j=1，2，…，20 為年序號; FVCj為第j年植被覆蓋度最大合成值。

2.4 元胞自動機-馬爾可夫鏈模型

元胞自動機(cellular automata，CA)是一種時間、空間、狀態都離散，空間相互作用和時間因果關系為局部的網格動力學模型，具有模擬復雜時空演化過程的能力[21]，可以表示為

St+1=f(St,n)

(5)

式(5)中：S表示元胞離散的狀態集合;n是元胞鄰域；t和t+1代表不同時刻;f是局部的空間元胞狀態轉換規則。

馬爾可夫鏈(Markov)模型是利用某一目標系統的現狀和其在一段時間內的發展趨勢，預測該系統未來時間內的狀況的一種概率預測分析方法與技術，一般用于無后效性特征的地理事件的預測[21]，可以表示為

St+1=P×St

(6)

式(6)中：St和St+1分別表示t和t+1時刻的系統狀態；Pij代表系統的轉移概率矩陣，表示為

(7)

系統從某一時刻t到t+1時刻，狀態Si轉移為Sj的頻數nij與Si狀態頻數ni之比，即為該過程的轉移概率。

以CA架構為基礎，對CA模型的卓越表達能力和Markov模型的長期預測能力加以結合運用，可以使預測結果更加合理[22-23]。

3 結果與分析

3.1 植被覆蓋度分級變化特征

用NDVI最大值合成法和像元二分模型[24-25]，基于GEE平臺計算生成研究區各年間各個像元的NDVI最大值影像并最終得到全年最大植被覆蓋度影像。使用等間距劃分法[26]，對研究區的植被覆蓋度進行分級。五級(低植被覆蓋度)：0<植被覆蓋度<20%;四級(中低植被覆蓋度)：20%<植被覆蓋度<40%;三級(中植被覆蓋度)：40%<植被覆蓋度<60%；二級(中高植被覆蓋度)：60%<植被覆蓋度<80%；一級(高植被覆蓋度)：植被覆蓋度>80%。確定植被覆蓋度分級體系后，運用ENVI5.1軟件中的重分類功能，以制定好的分類體系為基礎依據，改變不同數據級別的顏色，輸出秦皇島市2001—2020年的最大植被覆蓋度分級圖(圖2)和最大植被覆蓋度分級占比表(表1)。

圖2 2001—2020年秦皇島市最大植被覆蓋度分級

由圖2和表1可得出，2001—2020年20年間秦皇島市植被覆蓋情況總體良好，且各級植被覆蓋度的面積無較大變化，整體上仍以中高植被覆蓋度和高植被覆蓋度為主，低、中低、中植被覆蓋度有著輕微的增長趨勢，中高、高植被覆蓋度有輕微的下降趨勢。2013年高植被覆蓋度以58.2%的占比達到20年間最高，2015年占比39.5%為20年間最低；2005年低植被覆蓋度以10.6的占比達到20年間最高，2008年占比8.2%為20年間最低。植被覆蓋度在空間分布上保持著西北、西南部較高，東北、東南部較低的分布趨勢。高植被覆蓋度區域主要集中于青龍縣、盧龍縣、撫寧區北部和昌黎縣南部地區，這部分區域多農村和山地，生態環境良好，植被豐富；低植被覆蓋度區域主要集中于山海關區、北戴河區和海港區，這部分區域人口密度大，屬于秦皇島市主城區，臨海且多居民區、商業區，植被較為稀少。

表1 2001—2020年秦皇島市最大植被覆蓋度分級占比表

3.2 植被覆蓋度穩定性分析

使用式(4)計算得到秦皇島市2001—2020年的最大植被覆蓋度變異系數分布如圖3所示，可以看出：2001—2020年間秦皇島市植被覆蓋度整體上較為穩定，植被覆蓋度變異系數低于0.2的區域占73%，主要分布在青龍縣、盧龍縣、撫寧縣以及昌黎縣等植被覆蓋度較高的區域，這些區域植被茂盛，抗干擾性較強，植被覆蓋度波動變化較小；變異系數大于0.8的區域占7%，主要分布在大小河流、湖泊周邊以及人口密集的城區。水域所在地較大的變異系數與其本身植被覆蓋度為零有關，從而導致變異系數出現異常的高值，而城區較大的植被覆蓋度變異系數則說明人類活動、城市發展擴張對于區域的植被分布情況有著巨大影響，導致植被覆蓋度出現大幅波動。

圖3 秦皇島市最大植被覆蓋度變異系數分布圖

3.3 植被覆蓋度變化趨勢分析

使用一元線性回歸模型對秦皇島市范圍內各像元2001—2020年的最大植被覆蓋度變化趨勢進行擬合，計算出每個像元的最高植被覆蓋度變化趨勢斜率(k)，斜率為正值時表示植被覆蓋度呈增長趨勢；斜率為負值時表示植被覆蓋度呈減少趨勢；斜率趨近于零時表示植被覆蓋度基本保持穩定。根據獲取到的各個像元的植被覆蓋度變化趨勢數據，采用自然間斷點分級法，將變化趨勢分為5類：明顯改善(k>0.013)、輕微改善(0.003

由圖4和表1、表2可以看出，2001—2020年近20年間秦皇島市植被覆蓋度變化趨勢主要以基本穩定和輕微改善為主，其中呈現基本穩定趨勢的面積占秦皇島市總面積的42.3%；輕微改善趨勢的面

圖4 秦皇島市最大植被覆蓋度變化趨勢圖

積占32%，主要分布在青龍縣東南部、海港區西北部以及昌黎縣南部；輕微退化趨勢的面積占14%，主要分布在各區、縣城區范圍向外擴張的邊緣地區；明顯改善趨勢的面積占8%，主要分布在各區、縣周邊的郊區，尤以撫寧縣和山海關區為主；嚴重退化趨勢的面積占3.7%，主要分布在各區、縣的城鎮中心區域，其中尤以海港區、北戴河區和青龍縣城區為主。

3.4 植被覆蓋度影響因素分析

植被覆蓋度的變化是在自然氣候變化和人類活動共同作用下影響的，自然氣候變化主要影響長時間跨度下植被覆蓋度的總體變化趨勢，而短期內，人類活動對植被覆蓋度的影響更為直接，影響結果更為明顯[27]。

3.4.1 自然氣候因素分析

探討秦皇島市2001—2020年的年平均氣溫、20-20時累計降水量、日照時數的變化趨勢及其與年最大植被覆蓋度平均值之間的變化關系，進而發現：秦皇島市近20年間，年平均氣溫、20-20時累計降水量和日照時數整體上呈現出上升趨勢，且年平均植被覆蓋度在整體上也呈現出略微上升的趨勢。如圖5所示，每逢氣溫、降水量、日照時數出現極值，經過1～2年，植被覆蓋度平均值也會有極值出現。在長時間跨度上，高平均氣溫、大降水量和長日照時數往往帶來的是植被覆蓋度平均值的增加，反之則表現為植被覆蓋度平均值的減少。

圖5 2001—2020年秦皇島市20-20時降水量、平均氣溫和日照時數與年最大植被覆蓋度平均值變化關系趨勢

3.4.2 人為因素分析

人類活動對地表植被覆蓋情況最直觀的影響體現在土地利用方式的變化上。將獲取的土地利用類型遙感數據進行面積計算，得到秦皇島市2000—2020年土地利用變化情況如表3所示，由此可知，2000—2020年間秦皇島市的林地和城鄉工礦居民用地明顯增加，林地面積從2000年的2 174 km2增長到2020年的2 476 km2，增長率為13.89%，城鄉工礦居民用地從2000年的455 km2增長到2020年的960 km2，增長率為110.99%；耕地、草地、水域及未利用地的減少率分別為10.74%、26.48%、1.07%和34.62%。結果顯示，秦皇島市高、中高植被覆蓋度區域面積減少，低、中低植被覆蓋度區域增加的主要原因在于耕地、草地和未利用地的大幅度減少，同時城鄉工礦居民用地面積顯著增加。

表3 秦皇島市2000—2020年土地利用變化情況

3.5 植被覆蓋度預測

基于Markov模型，使用2010—2015年秦皇島市植被覆蓋度分級數據計算出轉移概率矩陣并以此作為轉換規則，再以2015年秦皇島市植被覆蓋分級數據為基礎，使用CA-Markov模型預測2020年各級植被覆蓋情況。通過對比預測結果與真實結果，經驗證可得兩者之間的Kappa系數為0.6834，Kappa系數大于0.61，表明二者之間具有高度的一致性[28]，差異較小，故使用CA-Markov模型進行植被覆蓋情況的預測具有較強的參考價值。

鑒于此，又以2015—2020年植被覆蓋度分級數據計算出轉移概率矩陣并作為轉換規則，運用CA-Markov模型，以2020年秦皇島市植被覆蓋分級數據為基礎預測2025年各級植被覆蓋度情況，結果如圖6和表4所示。

圖6和表4表明，秦皇島市植被覆蓋情況在保持2015—2020年的變化趨勢下，到2025年，全市各級植被覆蓋度變化不大，仍以高植被覆蓋度為主，占47.4%，與2020年相比增長了0.9%；低植被覆蓋度和中植被覆蓋度分別減少了0.8%和0.14%；其中中低植被覆蓋度和中高植被覆蓋度基本保持不變，與2020年持平。

圖6 2025年秦皇島市植被覆蓋分級圖

表4 2025年秦皇島市植被覆蓋度分級占比

4 結論

基于目前先進的GEE平臺，調用了1443景的Landsat遙感影像，使用最大值合成法、像元二分模型一元線性回歸模型、變異系數和CA-Markov模型對秦皇島市2001—2020年植被覆蓋度的動態變化及其影響因素進行探究，并對秦皇島市2025年的植被覆蓋情況進行預測。主要得出以下結論。

(1)2001—2020年20年間，秦皇島市最大植被覆蓋度主要以中高植被覆蓋度和高植被覆蓋度為主，二者面積之和均超過總面積的65%。與2001年相比，2020年秦皇島市低植被覆蓋度增加了0.9%，中低植被覆蓋度增加了1.4%，中植被覆蓋度增加了0.4%，中高植被覆蓋度減少了1.5%，高植被覆蓋度減少了1.1%，植被覆蓋度呈現出西北、西南部偏高，東北、東南部較低的分布趨勢。

(2)秦皇島市20年間植被覆蓋度整體較為穩定，最大植被覆蓋度變異系數小于0.2的穩定區域占73%，主要集中于植被茂密、種類繁多、抗干擾性強的草地、林地地區，變異系數大于0.8的波動較大的地區占7%，主要集中于河流湖泊和城區等植被稀少、抗干擾性差的地區。

(3)秦皇島市20年間植被覆蓋度增加區域占40%，多位于秦皇島市東北部；減少區域占17.7%，多位于秦皇島市西北部和東部沿海地區；保持基本不變的區域占42.3%，多位于秦皇島市中部和西南地區。

(4)預測結果表明，2025年秦皇島市高植被覆蓋度占比為47.4%，與2020年相比增長了0.9%；中高植被覆蓋度占比為27.5%，增加了0.1%；中植被覆蓋度占比為10.6%，減少了0.4%；中低植被覆蓋度占比為6.1%，降低了0.1%；低植被覆蓋度占比為8.4%，降低了0.8%。

(5)氣溫、降水量和日照時數的增加對植被覆蓋度有一定的影響，但短期內人類活動的影響更為直接。耕地、草地和未利用地的大面積減少，城鄉工礦居民用地的顯著增加是導致中高、高植被覆蓋度占比減少的直接原因。建議有關部門應加強對植被覆蓋度減少地區的監管和治理，注重開展植被的保護工作，在保證經濟發展的前提下，充分考慮綠地的數量和布局。

研究結果對秦皇島市未來的生態環境建設工作具有一定的參考價值，但由于此次研究時間跨度和區域范圍較大，且需要調用多型號Landsat傳感器的遙感影像，故會在一定程度上影響植被覆蓋度估算結果的準確性。并且本次研究對目標區域植被覆蓋度變化的原因只是進行了大體上的整理和概括，并未進行細致的研究與探討，同時也沒有給出詳細的應對建議，這些問題都需要再進一步的研究中加以完善。