近20 a環渤海地區GS_NDVI時空分異及其對氣候變化和LUCC的響應

黃棟 ，李鵬 ，董南*

1. 教育部人文社科重點研究基地/海洋經濟與可持續發展研究中心，遼寧 大連 116029；

2. 遼寧師范大學海洋可持續發展研究院，遼寧 大連 116029；3. 建設綜合勘查研究設計院有限公司，北京 100007

植被是陸地生態系統的主體，是全球或區域生態環境變化監測的“指示器”，反映區域植被活動特征、區域生態環境狀況，區域氣候變化和生態系統的健康狀況（彭文甫等，2019；魏榕等，2021），其對全球變化的響應研究已經成為 IGBP（國際地圈生物圈計劃）的核心內容之一（朱長明等，2019），已被廣泛應用于氣候變化、植被景觀生態格局、區域生態環境質量評價等（穆少杰等，2012；He et al.，2017；Munkhnasan et al.，2018；朱長明等，2019）。NDVI（Normal Difference Vegetation Index，歸一化植被指數）作為表征植被生長狀況的指示因子（Zhao et al.，2018），以無量綱的輻射測度指標來反映綠色植被的相對豐度和發育狀況，是最為常用的植被覆蓋變化監測指標（白建軍等，2014；楊波等，2019），其中植被生長季 NDVI（Growing Season NDVI，以下簡稱GS_NDVI）能更為有力的反映年度植被狀況，已在區域生態環境變化研究中得到廣泛應用（Liu et al.，2018）。

植被覆蓋變化受氣候和人類活動共同影響（劉家福等，2018）。近年來，國內外學者利用對地觀測數據對植被覆蓋變化及其對氣候或人類活動的響應開展了大量研究，Liu et al.（2018）基于長時間序列植被數據發現中國西南地區54.1%的植被變化與氣候變化密切相關；Zhang et al.（2016）研究發現，決定長江流域植被綠度的主要氣候因素為氣溫，而降水對植被變化的影響相對較小；楊波等（2019）研究發現2000—2017年榆林市植被得到了有效恢復，NDVI年均增長率為4.92%，NDVI變化與降水、農產品產量、還林還草面積等因素均表現出顯著正相關；劉憲鋒等（2015）探討了ENSO對秦巴山區植被可能造成的影響，并利用造林面積探討了人類活動對植被覆蓋的影響。21世紀以來，渤海區域經濟一體化浪潮獲得極大進展，區域經濟發展呈現出加速化、臨海化的總體趨勢，使得工業化、城鎮化進程加快，一系列生態環境問題隨之凸顯，逐漸成為資源環境問題的高度敏感區和重點治理區（劉彥隨等，2015；楊洋等，2015）。但針對環渤海地區NDVI變化及其驅動力的研究并不多見，并且在驅動力或影響因素方面，更多的是關注氣候因素，對人類活動影響的考察多從一個或幾個統計指標入手，較少關注區域土地利用格局及變化，統計指標局限于行政單元，無法揭示空間細節（Liu et al.，2018）。而土地利用變化高度集成了人類活動的眾多信息，可作為考察人類活動影響的重要手段，是探析區域植被覆蓋變化的重要途徑（徐勇等，2016）。

鑒于此，本文利用近20 a的遙感數據，首先從區域和像元尺度揭示環渤海地區GS_NDVI時空分異特征，接著以土地利用變化作為人類活動的一般途徑，從氣候因素和土地利用變化兩個方面探討GS_NDVI變化的影響因素，從多個層面認識和把握植被覆蓋空間特征和變化規律，有助于區域實行不同層面有針對性的統籌管理，對區域生態環境可持續發展具有重要意義，也可為陸海統籌背景下有效制定環境政策并推動生態文明建設提供科學參考。

1 數據與方法

1.1 研究區概況

渤海是我國唯一的內海，海岸線長約5700 km，被遼東半島、華北平原和山東半島環繞成“C”形（圖1）。萊州灣、渤海灣和遼東灣分別位于環渤海“C”形的北部，西部和南部（麻馨月等，2016）。環渤海地區地處中緯度，位于華北、華東和東北的結合部，東部的遼東半島和山東半島多丘陵，中部為廣闊的華北平原，屬暖溫帶大陸性季風氣候，橫跨濕潤、半濕潤及半干旱3個地帶（毋亭等，2014；梁守真等，2015）。年均氣溫8—12 ℃，年均降水量400—1000 mm，降水主要集中在夏季，尤以7、8月居多。環渤海地區的地形地貌以平原和低山丘陵為主，地勢呈北高南低、西高東低的空間格局（王曉利等，2019）。

圖1 研究區概況Fig. 1 Overview of the study area

根據2018年12月生態環境部、國家發展改革委員會、自然資源部聯合印發的《渤海綜合治理攻堅戰行動計劃》，本研究中的環渤海地區是指環繞渤海“1+12”沿海城市，即天津市和其他12個沿海地級及以上城市（大連市、營口市、盤錦市、錦州市、葫蘆島市、秦皇島市、唐山市、滄州市、濱州市、東營市、濰坊市、煙臺市）。

1.2 數據準備

本研究的基礎數據包括中國季度NDVI數據、土地利用遙感監測數據、DEM、氣象數據、行政區劃矢量邊界數據等，氣象數據來源于國家氣象科學數據中心（CMDSC）（http://data.cma.cn/）除氣象數據外的其它數據均來源于中國科學院資源環境科學數據中心（RESDC）（http://www.resdc.cn），詳見表1。本研究所需的 2000—2018年長時間序列GS_NDVI數據由基于中國季度植被指數空間分布數據集得到，計算方法為取第二和第三季度NDVI平均值；地形數據由DEM數據計算獲取；土地利用數據分類系統包括6個一級類，25個二級類（劉紀遠等，2009）；氣溫、降雨1 km格網空間數據由氣象數據經空間插值處理得到。

表1 數據來源Table 1 Data sources

1.3 研究方法

1.3.1 相關性分析

相關分析是通過對兩個或多個具備相關性的變量元素進行分析，從而衡量兩個變量因素的相互關系（王麗霞等，2019），本研究采用相關分析測度GS_NDVI與氣候因素之間的密切程度，其計算公式為：

式中：

r——計算得到的Pearson相關系數；

x和y——兩個變量的值；

n——變量的個數，r＞0表示正相關，r＜0表示負相關；r的絕對值越大，表明兩個變量間的相關性越強。

1.3.2 穩定性評價

變異系數（Cvariation，coefficient of variation）可用于衡量某一序列觀測值的離散程度，已在地理數據的空間差異性研究中得到廣泛應用（萬昌君等，2019；閆賽佳等，2020），本文引入變異系數揭示環渤海地區GS_NDVI在像元尺度下隨時間變化的穩定程度，計算公式如下：

式中：

Cvariation變異系數，Cvariation值越大，表明GS_NDVI在該尺度上隨時間變化的穩定程度越低，反之穩定程度則越高；

m——時間序列對應的數據量，本文中為19；

MGSNDVI——m個時間序列GS_NDVI平均值；

Vi——第 i年 GS_NDVI值（i=1, 2, 3……, 19）。

1.3.3 變化趨勢分析

采用一元線性回歸分析方法逐像元對環渤海地區2000—2018年GS_NDVI時間序列進行模擬，以獲取其在像元尺度下的時間序列變化趨勢，是研究植被覆蓋動態變化趨勢的有力手段（劉憲鋒等，2015），計算方法為：

式中：

S——GS_NDVI序列的回歸趨勢斜率，其為正或負時分別表示 GS_NDVI序列2000—2018年隨時間變化而呈現改善或退化趨勢；

N——研究期總年數，本文中N為19；

i——年份；

Vi——第i年GS_NDVI值。

2 環渤海地區GS_NDVI時空分異

2.1 環渤海地區GS_NDVI時間變化特征

2000—2018年環渤海地區GS_NDVI隨時間變化情況如圖2，可見區域尺度下GS_NDVI呈總體升高趨勢，由2000年的0.6227增加至2018年的0.6755，其中2002年出現最低值0.6157，2008年出現最高值0.7091。圖2同時展示了環渤海地區不同年份不同等級 GS_NDVI所占比例，總體來看GS_NDVI高值（GS_NDVI＞0.7）所占區域總面積比例明顯提升，2000年占比不到30%，到2018年已提升到約60%，其中在2002年所占比例最低，2008年所占比例最高，這與區域GS_NDVI平均值隨時間變化特征一致。從區域尺度總體特征來看，環渤海地區GS_NDVI呈增長趨勢，表明區域植被覆蓋總體得到了改善。

圖2 2000—2018年環渤海地區不同年份不同等級GS_NDVI占比及平均值Fig. 2 Interannual variation of percentage and regional average GS_NDVI during 2000-2018

2.2 環渤海地區GS_NDVI變化的空間差異特征

2.2.1 GS_NDVI空間差異

像元尺度下GS_NDVI變化更為細致地反映出行政區劃單元內部的細節。圖3a為2000—2018年環渤海 13市平均 GS_NDVI空間分布，其空間格局表現為北高南低、臨海區域低并呈帶狀分布、城市中心區低值呈聚集分布（尤其是華北平原和山東北部）。

圖3b為2000—2018年環渤海地區GS_NDVI變化空間分布，從像元數量占比來看，約74.10%的像元 GS_NDVI變化值為正，25.32%的像元GS_NDVI變化值為負，其他少量像元無變化，可見環渤海地區植被總體朝著改善方向發展，同時部分地區植被發生了退化或惡化。分析原因在于一方面國家綠化和生態建設等大規模展開，為工程實施的重點區域植被覆蓋帶來明顯改善；但另一方面，伴隨著經濟的發展，城市化和臨海化建設進程不斷加快，建設用地擴張，人地矛盾加劇，也使一些地區植被覆蓋退化嚴重。

細致來看，圖3b顯示，像元尺度下GS_NDVI變化的空間異質性大，臨海的像元GS_NDVI呈較為明顯的負增長態勢，西部河北省的平原地區也有較為聚集的像元GS_NDVI呈負增長，另外山東省濰坊市西部有明顯的GS_NDVI變化的負值聚集。21世紀以來，環渤海地區的城鄉建設應沿海經濟發展要求，大規模的工業園區、旅游開發、港口和城鎮建設等使得臨海的“C”型帶成為城鎮化建設的熱點區域，因此該類區域GS_NDVI明顯降低，植被多呈退化趨勢，而距離城市中心越近城鎮用地的擴張越明顯，植被退化越顯著。

圖3 1 km格網尺度下2000—2018年平均GS_NDVI和GS_NDVI變化Fig. 3 The mean GS_NDVI during the period of 2000 to 2018 and the changing value of GS_NDVI from 2000 to 2018 at 1 km pixel scale

2.2.2 GS_NDVI穩定性的空間差異

基于變異系數的GS_NDVI穩定性分析，獲取像元尺度環渤海地區GS_NDVI隨時間變化的穩定性空間分布（圖4），參考齊亞霄等（2020）的分類方法并結合本文中變異系數的空間分布特征對其進行分級，統計各級別對應的面積得到表2。圖4和表2中數據顯示，弱變異像元對應的面積占比為82.04%，說明環渤海地區大部分像元GS_NDVI隨時間變化穩定性較高；也有 17.96%的像元GS_NDVI隨時間變化不穩定，表現出越臨近海岸變異性越強的特點，尤其是渤海灣和萊州灣周邊（唐山市、天津市、滄州市、濱州市、東營市、濰坊市等）的近海區具有較強和強變異的像元呈顯著的空間聚集特征，同時表現出南部明顯高于北部的特征。其原因在于：山東為農業大省，農業植被覆蓋面積較多，植被覆蓋分布較為破碎，短期氣候的微小波動和人類活動更易引起的植被覆蓋的變化從而使得其變異性更強（毋亭等，2014）；相較之下環渤海“C”型的北部城市林地比例較大，植被的聚集特征較為顯著，穩定性更強。

圖4 像元尺度下GS_NDVI隨時間變化的變異系數Fig. 4 Coefficient of GS_NDVI variation at pixel scale

表2 不同類別變異系數對應的面積占比Table 2 The area ratios of different kind of CV

2.2.3 GS_NDVI變化趨勢的空間差異

基于逐像元一元線性回歸方程，得到環渤海地區像元尺度GS_NDVI變化趨勢的空間分布（圖5），參考李雙雙等（2012）、楊波等（2019）的分類方法，將本文中GS_NDVI變化程度和變化趨勢劃分為7類并統計各類所占區域總面積的比例。結合表3和圖5中的數據可知，除去基本不變的像元（占比13.13%），24.63%的像元 GS_NDVI呈退化趨勢，62.23%的像元GS_NDVI呈改善趨勢，其空間分異特征明顯，其中臨海區域有明顯的植被退化趨勢，另外唐山市、天津市、濰坊市也有大面積明顯的植被退化區域，該類區域大都經濟發展較快。總體來看，GS_NDVI變化趨勢為大部改善、局部退化。其原因在于，環渤海地區生態環境的保護與治理是社會關注的焦點，近年來政府倡導下生態建設工程帶來的生態效益正在不斷顯現，隨著“三北防護林”工程的持續推進，渤海綜合治理攻堅戰的全面開展，以及各項生態工程的積極實施，環渤海地區的植被覆蓋會得到進一步的改善；但在人口與經濟社會要素高度密集的城市周邊，城市擴張導致部分區域GS_NDVI有所退化，為此類區域的生態環境帶來壓力。

圖5 像元尺度下GS_NDVI空間變化趨勢Fig. 5 Spatial changing trend of GS_NDVI at pixel scale

表3 變化趨勢對應的變化程度、像元面積比例Table 3 The changing degree and area ratios of different changing trend

3 環渤海地區 GS_NDVI對氣候變化和LUCC的響應

3.1 環渤海地區GS_NDVI對氣候變化的響應

基于2000—2018年環渤海地區氣象站點降水、氣溫數據，經空間插值得到2000—2018年1 km降水、氣溫空間數據，進一步得到研究區2000—2018多年平均降水、氣溫在1 km像元尺度下的空間分布（圖6），降水、氣溫均表現為南部大于北部的總體特征。

圖6 研究區2000—2018年多年平均降水量和氣溫Fig. 6 Mean annual precipitation and temperature during the period of 2000 to 2018

從區域尺度來看，2000年以來環渤海13市的氣候整體呈“氣溫升高，降水增多”的趨勢（圖7、8），分別對區域尺度的年均降水與 GS_NDVI、年均氣溫與GS_NDVI作相關分析（圖7、8），得到各自的相關系數分別為 0.6（P＜0.01）和 0.07（P＞0.05），GS_NDVI與降水之間的相關關系達到顯著性水平，與溫度無顯著相關性，可見區域尺度的年均降水量對環渤海地區的植被變化影響更大，年均溫度的影響較為微弱，這一結果與梁守真等（2015）、于泉洲等（2015）的研究結果一致，分析其原因在于環渤海地區多為半濕潤、半干旱氣候，降水量較南方地區少且年際波動大，而溫度年際變化較為穩定（計算得到降水和溫度年際變化的變異系數分別為0.16和0.06），使得降水更易成為影響GS_NDVI年際變化的氣候因子。

圖7 區域尺度環渤海地區降水與GS_NDVI相關關系Fig. 7 Correlation between GS_NDVI and precipitation at regional scale

圖8 區域尺度環渤海地區氣溫與GS_NDVI相關關系Fig. 8 Correlation between GS_NDVI and temperature at regional scale

基于2000—2018年降水、氣溫和GS_NDVI空間數據，采用相關分析逐像元分別求取降水與GS_NDVI和氣溫與 GS_NDVI的相關系數，并進行 P＜0.05的顯著性檢驗，得到像元尺度降雨、氣溫與GS_NDVI的相關系數空間分布（圖9）。經統計，降水和氣溫對 GS_NDVI驅動達到顯著性（P＜0.05）及以上水平的像元分別占研究區總面積的7.93%和2.82%，可見研究區GS_NDVI年際變化受降水影響明顯強于氣溫影響，這與全區尺度的研究結果一致：其中降水-GS_NDVI顯著相關的區域中，正相關像元占比為97%，氣溫-GS_NDVI顯著相關的區域中，正相關像元占比為72%，可見該區域雨水充沛、熱量豐富對植被恢復和生長有利。從空間分布來看（圖9），降水對GS_NDVI具有顯著影響的區域主要分布在遼東半島的大連市、山東半島的煙臺市、滄州市南部；氣溫對GS_NDVI具有顯著影響的區域在唐山市南部和秦皇島市東南部有較為聚集的分布，在其他區域的分布相對稀疏。

圖9 像元尺度降雨、氣溫與GS_NDVI的相關系數空間分布（P＜0.05）Fig. 9 Spatial distribution of correlation coefficient of GS_NDVI and climate factors at pixel scale

3.2 環渤海地區GS_NDVI對LUCC的響應

3.2.1 環渤海地區土地利用變化

圖10顯示，環渤海地區土地利用具有較大的空間差異，區域的主體類型為耕地（2000、2010和2018年占研究區總面積比例均為50%以上），其基本特征為南多北少，其中，山東省為農業大省，土地利用類型以耕地為主；林地的基本特征為北多南少，主要集中在環渤海C形帶北部的遼寧省營口市、錦州市、葫蘆島市以及河北省秦皇島市；草地在煙臺市、秦皇島市、唐山市有較為明顯的聚集；建設用地主要分布在臨海區和城市中心建成區，其中渤海灣的天津市是建設用地擴張的熱點地區，土地利用的基本格局決定了環渤海地區 GS_NDVI的基本特征，即北高南低，臨海區域低、城市中心周邊區域低。

圖10 研究區2000、2010、2018年土地利用類型空間分布Fig. 10 Spatial distribution of land use at 2000, 2010 and 2018

結合環渤海地區2000—2018年各一級類土地利用面積變化和土地利用變化矩陣（表4、5），該時期土地利用一級類有所變化的像元面積占區域總面積約為50%，從各土地利用類型面積占區域總面積比例來看（表4），建設用地增加3.2%，耕地減少2.87%，草地減少2.2%、水域增加2.65%、未利用地減少 0.89%、林地增加 0.12%，可見區域土地利用變化以耕地和草地的減少、建設用地和水域的增加為主。從區域土地利用轉移矩陣來看（表5），耕地的主要去向為建設用地（耕地轉為建設用地的面積占比約為研究區總面積的9.2%，是區域土地利用變化面積最大的轉換類型）；林地的主要去向為耕地，其次為草地和建設用地；草地的主要去向為耕地；水域面積明顯增加，主要來源于建設用地和耕地；未利用地明顯減少，主要去向為耕地、水域和建設用地；建設用地明顯增加，主要來源于耕地（耕地轉出面積占2018年建設用地總面積的59%）。從空間分布來看，建設用地在臨海區、各城市中心周邊地區有較為明顯的增加，草地在秦皇島市北部、東營市東北部、錦州市西部有所減少，林地在秦皇島市東北部和錦州市西部有明顯增加；另外，臨海區（尤其是渤海灣和萊州灣）水域也有明顯增加。

表4 2000、2010、2018年環渤海地區土地利用類型面積及占比Table 4 Areas and ratios of different land use types in 2000, 2010 and 2018

表5 2000—2018年研究區土地利用轉移矩陣Table 5 Transitions of the land use during 2000-2018 km2

3.2.2 環渤海地區土地利用變化對 GS_NDVI的影響

基于環渤海地區GS_NDVI變化趨勢，分別利用表3中7種類型的像元（即明顯退化、中度退化、輕度退化、基本不變、輕度改善、中度改善和明顯改善），提取2000年和2018年對應的土地利用類型及其變化，表6展示了7種類型的像元所對應的土地利用變化面積占該類像元面積總數最大的前兩位，表中數據顯示，7種類型像元對應的土地利用變化均涉及耕地，分析原因在于，環渤海地區作為我國重要的農業耕作區，土地利用主導類型為耕地，空間分布最為廣泛，土地利用變化的過程中難以避免對耕地的影響。像元為退化（明顯退化、中度退化、輕度退化）趨勢對應的主要土地利用變化均有耕地→建設用地，表明建設用地的擴張是導致GS_NDVI呈退化趨勢的重要原因，結合圖10中建設用地擴張的空間分布特點，GS_NDVI呈退化趨勢的區域主要分布在社會經濟發展迅速的城市周邊。像元為改善（輕度改善、中度改善、明顯改善）趨勢對應的主要土地利用類型無變化，表明植被覆蓋的改善更傾向于發生在土地利用較為穩定的區域中，其中耕地→耕地的占比遠大于其他類型，分析原因在于：（1）從區域尺度來看，2000年以來環渤海地區的氣候整體呈“氣溫升高，降水增多”的趨勢，雨水充沛、熱量豐富對植被恢復和生長有利；（2）新技術的投入、農業灌溉條件的改善、對農田管理的加強等，使得耕地質量得到提高，農作物增收增產，相應的GS_NDVI隨之升高（梁守真等，2015）。

表6 不同變化趨勢的像元對應的主要土地利用類型及其變化（2000—2018年）Table 6 The main types of land use and the ratios corresponded by pixels with different kinds of changing trend from 2000 to 2018

綜合2000—2018年的土地利用變化（圖10）和GS_NDVI時空變化特征，結合區域發展背景分析得知，自 2000年“三北”防護林工程第二階段的實施，隨著其體系建設的完善，國家相繼實施了京津風沙源治理、封育政策等一系列生態保護措施，促進了環渤海地區部分區域的植被恢復和生長，使得全區尺度的GS_NDVI呈增長趨勢；臨海區域（尤其是渤海灣和萊州灣）的水產養殖業發展迅速，人工濕地擴增明顯，使得水域面積大幅增加，加上退耕還濕、濕地恢復與保護工程以及新建濕地自然保護區工程的實施，沿岸區域濱海濕地有所恢復，尤其是渤海灣和萊州灣沿岸區域，該類區域部分像元GS_NDVI有所改善；同時隨著環渤海經濟區、京津冀一體化等戰略的加快推進，沿海開放城市經濟發展的旺盛需求，城市周邊地區城鎮生活用地、交通用地等建設用地的擴張，占用了大量耕地，使得該類地區的植被退化，并且GS_NDVI隨時間變化的變異性較強，可見人類活動引起的土地利用變化（尤其是建設用地的擴張對耕地的占用）是部分區域GS_NDVI退化的關鍵驅動因素。在生態工程持續實施與社會經濟進一步發展的現實背景下，如何實現生態環境可持續發展的問題依然需要得到長期關注。

4 結論

本文基于長時間序列GS_NDVI數據，采用穩定性評價、相關性分析、變化趨勢分析等方法，揭示了環渤海地區13市2000—2018年的GS_NDVI時空分異特征，并探析了其對氣候變化和LUCC的響應，得到以下主要結論：

（1）從全區尺度來看，環渤海地區平均GS_NDVI從0.6267提升至0.6755，GS_NDVI高值（GS_NDVI＞0.7）所占區域總面積比例從2000年的占比不到30%明顯提升到2018年的約60%，可見環渤海13市植被覆蓋狀況總體呈較為明顯改善。

（2）環渤海地區平均GS_NDVI北高南低、臨海“C”形帶低、華北平原低，74.10%的像元GS_NDVI變化值為正，25.32%的像元GS_NDVI變化值為負，負值像元所在區域大都分布在低坡度區、臨海區，其中華北平原、萊州灣沿岸城市尤為明顯。

（3）環渤海地區GS_NDVI呈改善和退化趨勢的像元占比分別為62.23%和24.63%，環渤海“C”型帶北部城市（遼寧省葫蘆島市、營口市）改善趨勢最為明顯，同時隨時間變化最為穩定；華北地區（天津市、唐山市）、臨海區和城鎮擴張區域植被退化嚴重，同時隨時間變化的穩定性較差，并表現出越鄰近岸線，GS_NDVI隨時間變化的穩定性越差的特點。

（4）降水和氣溫對區域GS_NDVI變化的影響十分有限，其對 GS_NDVI驅動達到顯著性（P＜0.05）及以上水平的像元分別只占 7.93%和2.82%；在降水-GS_NDVI與溫度-GS_NDVI相關關系達到顯著性的像元中，正相關像元分別占比為97%和72%，表明環渤海地區“降水增多、氣溫升高”的氣候變化趨勢有利于植被生長和恢復，其中GS_NDVI變化與降水因素的相關關系較溫度更為密切。

（5）環渤海地區土地利用基本格局決定了區域GS_NDVI的空間格局，即北高南低、臨海區域低、城市中心周邊區域低。人類活動通過改變土地利用方式，如開展生態保護工程使得部分區域GS_NDVI有不同程度的改善；與此同時，經濟社會發展壓力下的城鎮擴張擠占生態空間，主要表現為耕地轉化為建設用地，導致GS_NDVI有所退化。總之，環渤海地區氣候因素對GS_NDVI變化有一定的影響，但人類活動驅動下土地利用變化是主導GS_NDVI產生退化及不穩定變化的關鍵因素。