文章信息
- 周梦遥, 何东进, 覃德华, 游巍斌, 巫丽芸, 肖石红
- ZHOU Mengyao, HE Dongjin, QIN Dehua, YOU Weibin, WU Liyun, XIAO Shihong
- 1995—2015年厦门市土地利用变化对植被覆盖度的影响
- Impacts of land use change on vegetation coverage in Xiamen City from 1995 to 2015
- 森林与环境学报,2017, 37(4): 440-445.
- Journal of Forest and Environment,2017, 37(4): 440-445.
- http://dx.doi.org/10.13324/j.cnki.jfcf.2017.04.011
-
文章历史
- 收稿日期: 2017-02-27
- 修回日期: 2017-05-11
2. 福建农林大学金山学院, 福建 福州 350002;
3. 河南科技大学林学院, 河南 洛阳 471000
2. Jinshan College of Fujian Agriculture and Forestry University, Fuzhou, Fujian 350002, China;
3. College of Forestry, Henan University of Science and Technology, Luoyang, Henan 471000, China
植被对一个地区环境和生态建设有着重要的作用,并有利于一个地区的可持续发展,因而植被覆盖度(fractional vegetation cover, FVC)的变化及其相关方面是目前地理环境变化的热点研究领域。随着遥感技术的快速发展,以遥感数据为基础的FVC的相关研究也日趋深入,逐渐出现了土地覆被分类、植被遥感分类与制图及植被动态监测研究[1]。通常来说,反映植被状态的归一化植被指数能很好地指示研究区的植被覆盖状况并且深受研究者喜爱,而关于影响FVC变化因子的研究也成为遥感领域的热点[2]。
目前,学术界对厦门的研究主要集中于分析土地利用变化的驱动因素及生态效应,如陈本清等[3]在遥感数据支持下分析了厦门市1989—2000年的土地利用变化及其驱动因素,揭示了厦门市在城市化过程中土地利用的特点及规律,为厦门市城市规划提供了参考依据;也有部分学者对厦门市FVC变化进行相关研究,如陈丽珍等[4]就利用混合像元模型对厦门市2000—2013年的FVC进行了分析,得出了其FVC的变化趋势,其研究对厦门市植被覆盖监测和生态城市构建具有一定指导意义。综合众多学者的研究,植被对一个地区的气候、水文及生物至关重要,而土地利用是造成植被覆盖变化的主要因素之一[5],但目前尚未有学者对厦门市土地利用变化之下的FVC进行研究,因而文中将研究重点放在1995—2015年间厦门市FVC随土地利用变化程度上,通过研究该时间段内土地利用方式变化对FVC的影响,为厦门市城市化进程中如何保持良好的FVC提出相关建议。
1 研究区概况与数据源 1.1 研究区概况厦门市位于东经118°04′04″,北纬24°26′46″,地处中国东南沿海,福建省东南部,属于亚热带季风气候,温和多雨,年平均降雨量在1 200 mm左右,地形以滨海平原、台地和丘陵为主,地势由西北向东南倾斜,地带性植被为亚热带常绿阔叶林。厦门市由厦门岛、鼓浪屿及其众多小岛屿和同安、集美、海沧、翔安等组成,西接漳州台商投资区,北邻南安,东南与大小金门和大担岛隔海相望,是闽南地区的主要城市之一,现有常住人口381万。厦门是中国海滨城市,是中国最早实行对外开放政策的4个经济特区之一,5个开发开放类国家综合配套改革试验区之一(即“新特区”),“中国(福建)自由贸易试验区”三片区之一,也是两岸新兴产业和现代服务业合作示范区、东南国际航运中心、两岸区域性金融服务中心和两岸贸易中心。根据统计资料[6],2015年厦门市地区生产总值为3 466.03亿元,城镇居民人均可支配收入42 607元,农村居民人均可支配收入17 558元,城乡差距不断缩小,生态环境质量进一步提高,通过了国家生态城市的考核验收,厦门市成为了福建省首个通过验收的城市。
1.2 数据源与数据处理 1.2.1 数据来源遥感影像数据来自于“地理空间数据云”,分别取自1995年9月4日和2005年7月24日的Landsat TM遥感数据以及2015年8月2日厦门市的Landsat 8 OLI遥感影像,3期影像含云量均在0.5%以下。辅助数据为厦门市1:50 000市级地区矢量地形数据,以便提取厦门市行政边界。由于遥感卫星会受到来自许多方面的影响,因此,在获取遥感图像之后,要对遥感原始图像进行处理。
1.2.2 数据处理由于大气的存在,遥感影像在成像过程中会产生误差,大气校正是为纠正遥感图像传输中由大气散射引起的辐射误差的处理过程,主要使用太阳光谱卫星信号的二次模拟(second simulation of the satellite signal in the solar spectrum,6S)模型进行大气校正[7],该模型是以辐射传输理论为基础,融合地形、气象、光谱等参数的计算程式,适用性广并且精度较高。运用6S模型进行校正后,得到如下计算公式[8]。
${r_{ac}} = \frac{{{x_a}R - {x_b}}}{{1 + {x_c}\left[ {{x_a}R - {x_b}} \right]}}$ | (1) |
式中:xa、xb、xc分别为遥感器接收的大气折射、背景辐射和来自地物象元的反射的参数;R为表观辐照度; rac为大气校正后得到的地表反射率。
使用6S模型对厦门市1995、2005和2015年Landsat影像的相应波段分别进行大气校正,校正结果见表 1。根据大气校正结果,利用ENVI5.2软件计算地表反射率,从而可以利用该结果进行FVC的计算。
波段 | xa | xb | xc |
1995年第3波段The third waveband of 1995 | 0.004 07 | 0.045 64 | 0.071 79 |
1995年第4波段The fourth waveband of 1995 | 0.005 63 | 0.021 73 | 0.045 69 |
2005年第3波段The third waveband of 2005 | 0.003 38 | 0.041 49 | 0.071 79 |
2005年第4波段The fourth waveband of 2005 | 0.004 71 | 0.019 82 | 0.045 69 |
2015年第4波段The fourth waveband of 2015 | 0.003 30 | 0.041 19 | 0.071 79 |
2015年第5波段The fifth waveband of 2015 | 0.005 01 | 0.020 31 | 0.045 69 |
FVC是指整个树冠垂直投影在地面的面积占研究区总植被面积的比例,最初的监测方法是以地面测量为主的目估法、仪器法、采样法和模型法[1],由于遥感技术的快速发展,以遥感数据为基础的FVC的相关研究也日趋深入,植被覆盖监测方法也转向计算机分类法、植被指数法、像元分解模型法、回归分析法等,文中借助归一化植被指数(normalized difference vegetation index,NDVI)法反映植物相关生长状况,其计算公式如下[9]
${I_{{\rm{NDV}}}} = \frac{{{P_{{\rm{nir}}}} - {P_{{\rm{red}}}}}}{{{P_{{\rm{nir}}}} - {P_{{\rm{red}}}}}}$ | (2) |
式中:INDV为归一化植被指数;Pnir为近红外波段的反射率;Pred为红光波段的反射率。
根据公式(2),利用厦门市1995、2005和2015年的地表反射率,就可以实现NDVI的计算。
2.2 植被覆盖度的计算选取像元二分模型进行FVC的计算,公式为[10]
${f_g} = \frac{{{I_{{\rm{NDV}}}} - {I_{{\rm{NDV,0}}}}}}{{{I_{{\rm{NDV,}}\infty }} - {I_{{\rm{NDV,0}}}}}}$ | (3) |
式中:fg为FVC;INDV为各影像的NDVI值;INDV, 0为裸地像元的NDVI值;INDV, ∞为纯植被覆盖像元的NDVI值。
利用公式(3) 计算厦门市FVC,根据置信区间求得INDV, 0=0.03,INDV, ∞=0.80,并对所得的FVC值进行处理,使得所得的结果在符合范围(0, 1) 内,处理结果如图 1所示。
根据计算可知,厦门市1995、2005、2015年的平均FVC值分别为0.35、0.22、0.31,由此可知,在研究时段内厦门市FVC呈现出先降低后增加的过程,且FVC在东南方变化更为剧烈,为更好地分析厦门市FVC的变化,还需要对研究区3个时段的土地利用情况进行分析。
3 结果与分析 3.1 土地利用分布信息提取土地利用是基于土地自身特点之下的对土地构成进行改变的方式,目前,常用的土地利用分类法有监督分类和非监督分类[11]。监督分类是以已经提供的研究区为样本,在特征参数辅助下根据函数关系从而完成对遥感影像的图像分类;非监督分类是没有提供分类标准的,使用者需根据待研究区选取特征参数,从而自己建立规则进行分类。文中主要利用最大似然法对遥感影像的红光、绿光和蓝光波段进行真彩色图像合成来进行监督分类[12],将土地利用类型分为耕地、林地、建设用地、水域以及其他(包括未利用地、裸地及小部分受云层干扰未能很好辨别地物的土地),各年份均抽取200个点,各地类至少抽取20个点,得到的Kappa系数分别为0.92、0.89和0.95,处理结果如图 2所示。
3.2 土地利用变化对植被覆盖度的影响 3.2.1 土地利用转移矩阵土地利用转移矩阵主要是在系统分析之后对分类状态与转移状态进行定量描述,然而为了更好地说明这种变化以及这种变化与FVC改变之间的关联,就需要利用监督分类所得的3个时相栅格图计算转换矩阵。经过监督分类可知,1995年至2015年间,厦门市土地利用类型发生了很大的改变,故需要根据土地利用转移矩阵得知厦门市土地利用变化的具体方向,计算结果如表 2所示。
土地类型 Land type | 1995—2005年Year 1995—2005 | 2005—2015年Year 2005—2015 | 995—2015年Year 1995—2015 | ||||||||||||||
a | b | c | d | e | a | b | c | d | e | a | b | c | d | e | |||
a | 169.20 | 95.33 | 7.92 | 57.96 | 141.02 | 166.20 | 30.55 | 11.90 | 186.69 | 5.62 | 283.23 | 64.11 | 9.50 | 105.32 | 172.89 | ||
b | 8.44 | 214.89 | 0.53 | 22.72 | 101.76 | 34.61 | 373.17 | 1.57 | 23.20 | 11.75 | 5.30 | 347.45 | 1.56 | 8.11 | 58.29 | ||
c | 16.81 | 2.22 | 17.37 | 0.16 | 1.35 | 13.76 | 0.32 | 21.50 | 0.35 | 0.14 | 21.20 | 1.16 | 13.14 | 0.07 | 0.50 | ||
d | 33.50 | 178.31 | 0.80 | 262.24 | 180.59 | 126.70 | 162.91 | 1.89 | 189.58 | 45.58 | 31.24 | 307.14 | 2.07 | 172.44 | 197.35 | ||
e | 1.10 | 37.88 | 0.26 | 8.12 | 16.61 | 13.19 | 4.97 | 0.67 | 16.03 | 0.89 | 5.17 | 8.78 | 0.60 | 9.25 | 11.95 | ||
1) a.建设用地;b.林地;c.耕地;d.水域;e.其他。Note: a.construction land; b.woodland; c.cultivated land; d.water area; e.others. |
由表 2转移矩阵显示的面积变化可以看出:耕地面积一直在减少且减少速度逐年加快;林地先减少后增加,但总体来说面积变化不大;建设用地面积增长较快。综合来看,1995—2015年间,耕地以平均每年减少3.4%的速度流失,耕地主要流出方向是建设用地和林地,耕地的这种变化是城市化进程中不可避免的现象;建设用地得到大幅度增长,年均增幅为3.58%,主要转入来源为耕地(49%)与林地(24%);1995—2015年间,林地面积变化不大,主要是1995—2005年间有部分转变为耕地,但总体上呈增加趋势,增长率为4%;大量未利用地得到开发,主要流向建设用地和耕地。
3.2.2 土地利用变化对植被覆盖度的影响一般来说,造成区域植被覆盖变化的原因大致有人类活动下造成的土地利用变化及自然环境因子两个方面,土地利用变化对植被覆盖影响主要表现为随着土地利用变化而带来的土地功能的改变,其具体表现为包括植被、生物在内的多方面的综合变化[13]。为了更好地说明FVC随土地利用变化的情况,在上文得出的植被覆盖率和各种土地利用类型的基础上,利用ArcGIS10.1软件进行叠加分析,计算得出了1995—2015年各种土地利用类型之下的平均FVC(图 3)。
土地利用变化是厦门市植被覆盖变化的重要影响因素,在人类活动影响之下产生了包括林地、耕地在内的各种土地利用类型的植被,植被覆盖又随不同土地利用而发生改变。由图 3可看出,厦门市1995—2005年间平均FVC在耕地和水域变化不大,建设用地和林地下降,其他用地增幅较大,而2005—2015年间各地类平均FVC均在上升。总体来说,1995—2015年间,厦门市各地类平均FVC在水域增加7%,建设用地增加35%,耕地增加22%,林地减少27%。
综合表 2、图 3以及厦门市城市发展策略,得出厦门市FVC变化的主要原因:(1) 建设用地扩张为主的城市化进程带来的FVC的变化,从而导致大部分耕地和未利用地转化为建设用地;(2) 林地面积的变化带来FVC的改变,在生态城市指引下带来的林地面积的恢复,使城市绿化度增加。
基于1995—2015年间厦门市FVC随土地利用变化的研究,为厦门市生态城市构建提出如下建议:(1) 城市林业建设是构建生态型城市可持续发展的基础[14],所以保证林地面积对维护厦门地区良好的FVC具有重要的意义,政府应继续实施天然林保护工程,通过封山育林、退耕还林等各项工程加大林地恢复进度和造林的力度;(2) 研究时段内建设用地增长迅速,不仅占用了耕地、林地,从某些方面来说,也破坏了自然生态平衡,在未来厦门市的建设和发展中,应对此加以重视,根据“控制生产用地、保障生活用地、提高生态用地比例”原则进行必要的生态规划,以促进土地利用效益的提高;(3) 研究时段内,厦门市耕地面积不断减少,伴随着城市化的进程,人地矛盾必然加剧。因此,厦门市应根据实际情况做好耕地保护,严守耕地红线,落实耕地占补平衡制度,提高耕地质量,并加大都市农业与生态观光农业支持力度,重点发展绿色农业、无公害农业,充分发挥耕地的社会、经济、生态复合效益;(4) 为更好地促进区域可持续发展,建设生态文明城市,建议厦门市在本区经济需求和生态安全的基础上开展土地利用集约程度评价,获取完善的土地利用信息,以更好地指导厦门市土地利用和生态建设,并加强土地利用及管理的法制监管力度,从而使厦门市土地利用方式更加科学。
4 结论与讨论文中在1995、2005、2015年3个时段Landsat卫星数据的基础上,利用6S模型对遥感数据进行大气校正,在ENVI5.2和ArcGIS10.1软件辅助下分析了3个时段厦门市植被覆盖对土地利用变化的响应,得到如下结论:厦门市FVC在1995-2005年间降低37%,在2005—2015年间增加29%,总体上呈减少趋势。这说明在城市化建设过程中,植被覆盖会产生阶段性降低,但只要做好生态建设和管理工作,FVC是可以恢复的;厦门市耕地面积大幅度减少,减少幅度逐渐加大,林地面积有所减少,建设用地面积大幅度增加。受经济和生态效益的驱动,耕地大部分转化为建设用地,小部分转化为城市园林用地;土地利用对FVC的影响主要表现在:各地类受城市发展策略的影响FVC均有所上升,但林地对FVC的影响更大。
综上所述,植被在城市生态系统中占据重要地位,对城市化过程中生态环境的变化具有重要的指示意义。森林城市在城市生态建设中地位日益上升,并促进城市林业的发展[15],所以在进行生态城市构建的同时,不应忽视对森林的开发与保护,在进行研究规划时可以借助景观尺度运用不同的模型对城市森林景观格局进行分析和预测,从而更好地指导城市发展规模与城市森林间的关系,保持良好的FVC。
[1] | 李苗苗. 植被覆盖度的遥感估算方法研究[D]. 北京: 中国科学院研究生院遥感应用研究所, 2003. http://cdmd.cnki.com.cn/Article/CDMD-80070-2003094573.htm |
[2] | 吴昌广, 李生, 任华东, 等. USLE/RUSLE模型中植被覆盖管理因子的遥感定量估算研究进展[J]. 应用生态学报, 2012, 23(6): 1728–1732. |
[3] | 陈本清, 徐涵秋. 厦门市土地利用年际变化遥感分析[J]. 地球信息科学, 2004, 6(3): 99–104, 127. |
[4] | 陈丽珍, 陈云. 基于遥感技术的厦门市植被覆盖变化监测[J]. 测绘与空间地理信息, 2015, 38(1): 175–177. |
[5] | 贺肖芳, 陈燕, 朱敏, 等. 盐城海岸带植被覆盖度时空变化及其与土地利用变迁响应研究[J]. 中南林业科技大学学报, 2016, 36(2): 101–105. |
[6] | 国家统计局. 中国统计年鉴[M]. 北京: 中国统计出版社, 2015. |
[7] | HADJIMITSIS D G, PAPADAVID G, AGAPIOU A, et al. Atmospheric correction for satellite remotely sensed data intended for agricultural applications:impact on vegetation indices[J]. Natural Hazards and Earth System Sciences, 2010, 10(1): 89–95. DOI:10.5194/nhess-10-89-2010 |
[8] | SRIVASTAVA P K, HAN D W, RICO-RAMIREZ M A, et al. Estimation of land surface temperature from atmospherically corrected LANDSAT TM image using 6S and NCEP global reanalysis product[J]. Environmental Earth Sciences, 2014, 72(12): 5183–5196. DOI:10.1007/s12665-014-3388-1 |
[9] | 尹海魁, 赵文廷, 李超, 等. 基于生态分区的河北省植被覆盖时空变化特征研究[J]. 土壤通报, 2016, 47(1): 29–35. |
[10] | 马娜, 胡云锋, 庄大方, 等. 基于遥感和像元二分模型的内蒙古正蓝旗植被覆盖度格局和动态变化[J]. 地理科学, 2012, 32(2): 251–256. |
[11] | 张景华, 封志明, 姜鲁光. 土地利用/土地覆被分类系统研究进展[J]. 资源科学, 2011, 33(6): 1195–1203. |
[12] | DEBEIR O, LATINNE P, VAN DEN STEEN I. Remote sensing classification of spectral, spatial and contextual data using multiple classifier system[J]. Image Analysis & Stereology, 2001, 20(S1): 584–589. |
[13] | 陈赛赛, 杨艳丽, 孙艳玲, 等. 1984-2013年于桥水库流域土地利用变化对植被覆盖度的影响[J]. 天津师范大学学报(自然科学版), 2016, 36(2): 39–46. |
[14] | 张林娟, 何东进, 洪伟, 等. 生态文明与城市林业建设关系剖析[J]. 中国城市林业, 2016, 14(1): 8–12. |
[15] | 张林娟, 何东进, 洪伟, 等. 福州城市林业建设现状与发展对策[J]. 福建林业科技, 2016, 43(3): 230–236. |