1991—2021年雄安新區土地利用與植被覆蓋變化遙感研究

2023-12-28 07:27崔囤月王世東張學軍

自然資源遙感 2023年4期

崔囤月, 王世東, 張學軍

(1.河南理工大學測繪與國土信息工程學院,焦作 454000; 2.河南省地質礦產勘查開發局第二地質礦產調查院,鄭州 450001)

0 引言

雄安新區于2017年4月1日由國務院宣布成立,這一國家型戰略的提出,意味著雄安新區將成為繼深圳經濟特區和浦東新區之后又一個具有全國意義的新區[1-2],因此,雄安新區的生態問題得到了廣泛關注。植被作為區域的重要生態屏障,對區域的生態安全和可持續發展起著不可替代的作用,而植被覆蓋信息的提取及植被覆蓋變化的驅動因素分析對揭示生態系統環境變化、植被恢復和重建布局具有重要意義[3]。對于大面積區域的植被覆蓋信息提取,需要具有長序性和區域性的遙感數據支撐。植被覆蓋度是遙感數據反演的一種參數,是衡量地表植被狀況的直觀指標,也是評價區域生態環境優劣的重要因子[4]。目前對植被覆蓋度的估算方法可歸納為經驗模型法和植被指數轉換法,歸一化差值植被指數(normalized difference vegetation index,NDVI)是植被指數轉換法中普適性較好且應用較廣泛的一種。何全軍等[5]選取比值植被指數(ratio vegetation index,RVI)、NDVI和增強型植被指數(enhanced vegetation index,EVI)進行了相關植被指數的應用分析,結果表明NDVI和RVI結果較穩定,EVI具有數據異常的現象。像元二分模型是以NDVI為遙感信息量,對植被覆蓋度進行估算的一種經驗模型方法,削弱了大氣、土壤背景和植被類型的影響,普適性較好[6-7],因而被研究者們廣泛應用。王思等[7]基于MODIS-NDVI數據,利用像元二分模型對廣東省2000—2020年的植被覆蓋信息進行了提取,并利用一元線性回歸模型對植被覆蓋度進行了時空格局變化趨勢的模擬; 晉成名等[8]利用像元二模型對陜北地區2000—2015年的植被覆蓋信息進行提取,分析了氣候和降水對植被覆蓋變化的影響; 蘇迎慶等[9]基于Landsat數據對汾河流域2000—2018年的植被覆蓋度進行二次反演,得到植被覆蓋信息,從空間和時間的角度分析了植被覆蓋的變化特征。

植被覆蓋變化受氣候、地形、人為等多重因素的影響[10-11],研究者對植被覆蓋變化驅動因素的探究應用最廣泛的方法是相關性分析; 而地理探測器模型作為探測空間分異性,以及揭示其背后驅動因子的新興統計學方法[12-14],其理論基礎與相關性分析相似,目前已被廣泛應用到驅動因子探測方面。彭文甫等[15]利用地理探測器模型,對影響四川省2000—2015年植被覆蓋變化的自然因子,進行風險、因子、生態和交互探測; 李丹等[16]為了解黑龍江省1980—2015年耕地時空變化的驅動因素,對其4個階段的耕地變化,利用地理探測器進行了驅動因子探測與交互作用探測; 祁鵬衛等[17]利用地理探測器,對重慶市2000—2019年植被覆蓋變化進行了驅動因子探測與交互作用探測; 趙子娟等[18]基于MOD13Q1數據,利用像元二分模型和相關性分析,對西遼河流域2000—2018年植被覆蓋變化情況及影響因素進行了研究。

與植被覆蓋變化相比,土地利用變化更為顯著。雄安新區土地利用變化之快受全國矚目。地處華北村落聚集地區,成立之前對該地區土地利用變化的研究尤為薄弱; 此外,將土地利用變化與植被覆蓋變化相結合進行研究更為鮮有。因此,本文進行的雄安新區土地利用與植被覆蓋變化之間的響應研究,對其生態問題、土地利用結構優化及未來城市發展規劃等問題具有重要意義?；诖?本文以遙感數據與GIS技術為基礎,利用圖譜融合法對土地利用變化信息進行提取,基于像元二分模型對植被覆蓋信息進行提取,利用地理探測器模型對植被覆蓋變化進行潛在驅動因素探測,并利用圖譜融合法對土地利用變化與植被覆蓋變化之間的響應進行探究,進而為雄安新區的可持續發展提供一定的科學依據和對策建議。

1 研究區概況與數據源

1.1 研究區概況

雄安新區于2017年為打造北京非首都功能疏解集中承載地而建立,由河北省容城縣、雄縣、安新縣及周邊部分區域組成,處于冀中平原中部,屬太行山麓平原向沖積平原的過渡帶[19-20],位于E115°～116°、N38°～39°之間(圖1)。平均海拔3～21 m,地勢較高的土壤多為褐土、干旱土,地勢低的土壤多為潮土、砂姜黑土、半水成土、水成土。區域面積為1 576.6 km2,屬于華北村落聚集的平原地區,距離北京和天津均為105 km,有較好的地理優勢[2]。雄安新區擁有河北省淡水面積最大的湖泊——白洋淀,面積為366 km2,是河北省重要濕地保護區,具有較好的生態潛力。本文只以安新縣、容城縣、雄縣作為研究區域。

圖1 雄安新區地理位置

1.2 數據源及其處理

1.2.1 土地利用數據

從地理空間數據云(https: //www.gscloud.cn)獲取雄安新區1991年、2001年、2011年、2017年和2021年30 m分辨率的遙感影像,其中前3 a為Landsat5 TM數據集,后2 a為Landsat8 OLI數據集,時間節點均選在對地類容易區分的9月份。然后對其進行預處理和土地利用信息提取,將土地利用類型劃分為建設用地、耕地、林草地、其他用地和水域5種類別,利用支持向量機(support vector machine,SVM)分類,綜合分類精度達到85.50%以上。

1.2.2 植被覆蓋數據

為保證數據的一致性,植被覆蓋度反演仍采用Landsat數據。從USGS獲取5個時期的生長季(4—10月)數據,進行波段運算得到月尺度NDVI數據; 采用平均值合成法得到年尺度NDVI數據,進行波段運算獲得植被覆蓋度數據; 并對年份接近的2期數據進行差值計算,得到1991—2021年4個階段的植被覆蓋變化趨勢; 參考前人的分類標準[21-22]和雄安新區植被覆蓋變化的實際情況,對植被覆蓋變化情況(ΔFVC)劃分為5級: [-1.00,-0.60)為嚴重退化、[-0.60,-0.10)為輕度退化、[-0.10,0.10)為保持穩定、[0.10,0.60)為輕度改善、[0.60,1.00]為明顯改善,最終用于驅動因子分析。

1.2.3 社會及自然驅動因子數據

從中國科學院資源環境科學數據中心(https: //www.resdc.cn)獲取土壤類型(圖2(c))、土壤質地(圖2(d))和5期1 km人口分布網格數據。從中國經濟社會大數據平臺(https: //data.cnki.net)獲取GDP數值。從網站(https: //eogdata.mines.edu)獲取5期夜光遙感數據,利用夜光數據與GDP數值間接獲得5期1 km GDP分布網格數據。從地理空間數據云獲取高程數據(圖2(a)),通過高程獲取坡度(圖2(b))。然后對數據進行裁剪、數據離散化、類別劃分、重采樣,并對GDP和人口數據進行差值計算獲取其階段性變化數據((圖3(a)—(d))和(圖3(e)—(h)),最終用于驅動因子探測。

(a) 高程 (b) 坡度 (c) 土壤類型 (d) 土壤質地

2 研究方法

2.1 土地利用變化圖譜建立

為了解各土地利用類型的演化過程,借鑒已有的圖譜融合法[23-25],對前后兩期土地利用類型的圖譜單元代碼按照式(1)實現圖譜融合,計算公式為:

C=10A+B

(1)

式中:C為各階段之間土地利用轉移情況的柵格屬性圖譜;A為前一時期的土地利用圖譜柵格單元屬性值;B為后一時期的土地利用圖譜柵格單元屬性值。引入土地利用變化率,計算公式為:

(2)

式中:P為土地利用變化率;Sxy為初期x土地利用類型轉化為末期y土地利用類型的圖譜面積或單元,其中x≠y;n為土地利用類型的數量[25]。

2.2 植被覆蓋度估算

本文以NDVI為遙感信息量,利用像元二分模型進行植被覆蓋度估算,彌補了NDVI對高植被覆蓋和低植被覆蓋研究效果欠佳的缺點[26-27]。NDVI和像元二分模型計算公式為:

NDVI=(NIR-R)/(NIR+R)

(3)

式中:NDVI為歸一化植被覆蓋指數;NIR和R分別為近紅外波段和紅外波段的反射率。

(4)

式中:FVC為植被覆蓋度,取值范圍[0,1];NDVIsoil為無植被覆蓋的像元的NDVI值;NDVIveg為全植被覆蓋的像元的NDVI值[28]。通常這2個參數通過實測數據的FVCmax和FVC經過反算獲得,考慮本次實驗沒有實測數據和參數的不穩定性,因此取0.05為置信度,以NDVI累積頻率95.00%和5.00%分別確定2個參數。

根據水利部2008年頒布的《土壤侵蝕分類分級標準》中植被覆蓋度分級標準和相關研究[29],將植被覆蓋度(FVC)劃分為5級: [0,0.30)(低覆蓋度)、[0.30,0.45)(中低覆蓋度)、[0.45,0.60)(中等覆蓋度)、[0.60,0.75)(中高覆蓋度)、[0.75,1](高覆蓋度)。

2.3 地理探測器模型

地理探測器模型是探測空間分異性,以及揭示其背后驅動力的一種新興統計學方法[10,30-31],本文使用地理探測器模型中的風險因子探測,研究植被覆蓋變化的潛在驅動因素。

風險因子探測用于探測屬性Y的空間分異性,即本文中的植被覆蓋度變化Y是否因為空間位置或環境不同而產生了差異; 以及探測本文選取的驅動因子X對植被覆蓋度變化Y的影響程度,用q值度量,表達式為[10]:

(5)

(6)

SST=Nσ2

(7)

式中:q為驅動因子對空間分異性的影響程度;L為變量Y或因子X的分層(strata),即分類或分區;Nh和N分別為層h和全區的單元數;σh2和σ2分別為層h和全區的Y值的方差;SSW和SST分別為層內方差之和和全區總方差。q的值域為[0,1],值越大說明Y的空間分異性越明顯,即q值越大表示自變量X對屬性Y的解釋能越強,反之則越弱,q值表示X解釋了100×q%的Y[12,32]。

3 結果與分析

3.1 土地利用變化

基于5期土地利用圖譜(圖4),利用圖譜融合法獲得1991—2021年4個階段的土地利用演化圖譜(圖5),并提取各土地利用類型之間的轉化信息(表1、表2)。

表1 1991—2021年雄安新區土地利用數量結構變化

表2 1991—2021年雄安新區土地利用轉化類型面積與占比

(a) 1991—2001年 (b) 2001—2011年

綜合分析如下:

1)總體而言,雄安新區土地利用結構主要以耕地和建設用地為主,水域、未利用用地和林地次之,與華北村落聚集地區的土地利用結構相吻合。

2)從土地利用的變化特征來看,1991—2021年建設用地始終處于增加趨勢,2011—2017年和2017—2021年容城縣中心區域建設用地的增長最為明顯,這與雄安新區的建設有較大關系,該區域為雄安新區建設的啟動區,增長的面積主要來源于耕地和其他用地,流出的面積主要變成耕地。其他用地整體減少,主要是2017—2021年產生大幅度減少,流出的面積主要變成耕地。林草地整體增加,其中1991—2001年林草地處于減少趨勢,流出的面積主要變成耕地; 2001—2021年林草地處于增長趨勢,增長的面積主要來源于水域和其他用地,尤其是白洋淀水域附近的植被覆蓋面積大幅度增加,這離不開國家和雄安新區政府對白洋淀生態保護濕地的重視。水域整體減少,1991—2001年處于增長趨勢,增長的面積主要來源于耕地; 在2001—2017年大幅度減少,2017年面積達到最低,流出的面積主要變成耕地; 2017年11月以緩解河北省中南部農業缺水和為白洋淀生態補水為目的的“引黃入冀補淀工程”試通水,2019年6月雄安新區政府頒布重點建設孝義河的政策,因此2017—2021年水域面積顯著增長,增長的面積主要來源于水域附近的耕地和其他用地。耕地無明顯變化。

3)從土地利用的轉化特征來看,1991—2001年安新縣中南部的其他用地→耕地轉化最為明顯,雄縣西南部和溢洪道附近的耕地→其他用地轉化較為明顯,建設用地→耕地轉化主要發生在安新縣西南部,耕地→建設用地轉化呈離散型分布,無聚集性轉化。2001—2011年雄縣東部發生耕地向建設用地和其他用地的聚集性轉化,這與圖4中2011年雄縣東部出現建設用地和其他用地大面積增長特征相吻合; 雄縣南部和溢洪道附近的其他用地→耕地轉化較為明顯,建設用地→耕地轉化呈離散型分布。2011—2017年容城縣和雄縣的耕地→建設用地轉化最為明顯,其次是雄縣東部和溢洪道附近的其他用地→耕地和建設用地→耕地轉化,以及呈離散型分布的耕地→其他用地轉化。2017—2021年容城縣中部發生大面積的耕地→建設用地轉化,該區域為啟動區的容西和容東安置區,也是自雄安新區成立以來變化最顯著的區域; 雄縣部分區域也發生耕地→建設用地轉化,其他用地和耕地之間的轉化呈離散型分布,其余轉化類型均不明顯。

3.2 植被覆蓋時空變化

3.2.1 植被覆蓋空間分布特征

1991—2021年雄安新區整體植被覆蓋情況良好,中高及以上植被覆蓋度的區域面積占雄安新區總面積的50%以上(表3)。從平均植被覆蓋度各等級的空間分布來看,安新縣中高及以上植被覆蓋度區域面積占比最高,雄縣最低; 中等及以下植被覆蓋度的區域總面積在各區域的占比由高到低順序為: 雄縣、容城縣、安新縣(圖6)。因此,安新縣具有較好的生態環境,這與安新縣的地理環境有關,因為白洋淀生態保護濕地坐落于安新縣東南部; 生態環境較差的是雄縣,這與雄縣的經濟發展和人類的頻繁活動有關,雄縣是雄安新區經濟實力最強的地區,說明該地區的經濟發展極大影響到了植被的生長,因此雄安新區政府要對該雄縣的生態環境增加重視程度,實現經濟與生態同進步。

表3 雄安新區年均植被覆蓋度

3.2.2 植被覆蓋階段性變化趨勢

為深刻了解雄安新區植被覆蓋變化趨勢,對1991—2021年5期植被覆蓋度數據進行差值計算,得到1991—2021年植被覆蓋階段性變化趨勢(表4和圖7),并進行了如下分析:

(a) 1991—2001年 (b) 2001—2011年

1)1991—2021年雄安新區植被整體經歷了“退化→改善”的過程。1991—2001年,植被整體退化,退化區域總面積大于改善區域總面積,退化區域主要集中于溢洪道和雄縣中東部,占雄安新區總面積的39.15%; 改善區域總面積占比達到29.91%,改善區域主要集中于安新縣西南部和白洋淀水域附近。保持穩定的區域在3個縣區均有離散型分布。

2)與上一階段相比,2001—2011年雄安新區植被有明顯改善,輕度改善和明顯改善的區域面積較上一時期有所提高,總占比34.80%,改善區域位置發生較大變化,集中于雄縣西部、容城縣東部和安新縣北部。退化區域的總面積與上一時期有所降低,總占比為31.27%; 其中,嚴重退化的區域面積占比最低,集中區域位于安新縣白洋淀水域附近。保持穩定的區域面積占比有小幅度擴張,在3個縣區均呈離散型分布。

3)2011—2017年相比于2001—2011年,植被整體仍有較大改善,改善區域面積總占比分47.55%,退化區域面積總占比26.59%。其中,明顯改善的區域面積大幅度增加,同比上一階段,增長3倍之多,區域主要集中于雄縣東部和安新縣西南部; 退化的區域和保持穩定的區域在3個縣區呈離散型分布,其中白洋淀水域附近的退化較明顯。

4)2017—2021年是雄安新區成立4周年,植被仍然呈改善趨勢,改善區域總面積遠大于退化區域總面積,退化面積總占比達到4個階段中最低。嚴重退化區域發生位置變化,主要集中于啟動區的容西和容東安置區,說明雄安新區的建設是該區域植被退化的重要原因,改善區域集中于容城縣西部、雄縣北部和白洋淀水域,這和2019年6月雄安新區政府發布的白洋淀生態屏障重點保護政策有關。

3.3 植被覆蓋變化驅動因素

3.3.1 植被覆蓋變化潛在驅動因素

植被覆蓋變化受多重因素的影響,本文選取自然方面的土壤質地、土壤類型、高程、坡度、社會方面的人口密度變化、GDP 變化等6個驅動因子,分別作為自變量X1,X2,X3,X4,X5,X6。以植被覆蓋階段性變化趨勢作為因變量Y,利用地理探測器模型對雄安新區1991—2021年植被覆蓋變化趨勢進行驅動因子分析(表5)。

表5 驅動因子作用強度q值變化趨勢

分析結果表明: 植被覆蓋變化存在空間分異性,1991—2001年,土壤質地對植被覆蓋變化影響程度最強; 土壤類型、人口密度變化和GDP變化對植被覆蓋變化也具有較強的影響程度。2001—2011年,人口密度變化仍是驅動因子中影響程度最強的,且影響程度較上一時期有所提高; 影響程度較強的仍是土壤類型、土壤質地和GDP變化,且土壤類型和GDP的影響程度較上一時期有所提高,土壤質地的影響程度較上一時期有所降低。2011—2017年,GDP變化是驅動因子中影響程度最強的,且影響程度較上一時期有所提高,達到30 a間q值最高峰; 影響程度較強的是土壤質地、土壤類型和人口密度變化,但人口密度變化影響程度較上一時期有所降低。2017—2021年,土壤質地是驅動因子影響程度最強的; 影響程度較強的驅動因子與上一時期相同,除GDP變化外,影響都有所提高。高程和坡度對植被覆蓋變化影響程度都較低,說明高程和坡度對雄安新區植被覆蓋變化的影響較小,這與雄安新區的地理環境有關。

3.3.2 土地利用變化對植被覆蓋變化的影響

除以上潛在驅動因素外,本文也探究了土地利用變化對植被覆蓋變化的影響。土地利用變化圖譜中共有20種轉化類型,大部分是發生少量圖元的轉化,因此本文將4個階段的重要土地利用轉化類型圖譜(圖5)與植被覆蓋變化趨勢圖譜(圖7)進行基于公式1的圖譜融合,并計算各轉化類型對植被變化的貢獻率(圖8)?？傮w來看,1991—2001年30 a間,重要土地利用轉化類型對植被退化的總貢獻率最高達到45.19%,對植被改善的總貢獻率最高達到31.64%,表明土地利用變化對植被覆蓋變化存在較大影響。

(a) 1991—2001年 (b) 2001—2011年

統計結果表明:

1)1991—2001年,重要土地利用轉化類型對植被退化和改善的總貢獻率分別達到30.27%和31.64%。植被嚴重退化區域主要集中于雄縣中部及溢洪道附近,與產生耕地→其他用地的區域分布相似,表明耕地→建設用地是該時段該區域植被嚴重退化的重要原因。安新縣產生其他用地→耕地和建設用地→耕地的區域與安新縣出現的植被明顯改善區域分布相似,說明該2種轉化類型是該階段植被改善的重要原因。

2)2001—2011年,重要土地利用轉化類型對植被退化和改善的總貢獻率分別達到28.68%和20.40%,其他用地→耕地轉化對植被明顯改善的貢獻率最大,說明其他用地→耕地轉化是該時段植被改善的重要原因; 水域→耕地轉化和耕地→建設用地轉化對植被嚴重退化貢獻率較大,說明該2種轉化類型是該階段植被退化的重要原因; 而且發現水域減少也會造成植被退化現象。

3)2011—2017年,土地利用變化對植被退化和改善的影響最小,總貢獻率分別為15.70%和27.50%。雄縣出現的其他用地→耕地轉化區域與植被明顯改善的區域相似,且其他用地→耕地對植被明顯改善的貢獻率較大,說明該轉化類型是該階段植被改善的重要原因。

4)2017—2021年,土地利用變化對植被退化的影響較大,總貢獻率達到45.18%。容城縣中部的植被嚴重退化區域與耕地→建設用地轉化的區域相似,該轉化類型對植被嚴重退化貢獻率達到最大,說

明耕地向耕地→建設用地轉化是該階段植被嚴重退化的重要原因。

根據以上分析可以看出: 耕地向建設用地和其他用地的轉化是植被退化的重要原因,建設用地向其他用地向耕地的轉化是植被改善的重要原因,其余土地利用轉化類型對植被變化均是較小的影響。

4 問題與討論

本文以遙感數據和GIS技術為基礎,研究了雄安新區1991—2021年近30 a土地利用與植被覆蓋變化特征,利用地理探測器探究了植被覆蓋變化的潛在驅動因素,并探究了土地利用變化與植被覆蓋變化之間的響應。對主要問題討論如下:

1)關于土地利用類型之間的相互轉換。城市的擴張和新區的建設使得3縣建設用地不斷增長,水域減少,林草地增加較少,應注重規避其造成的負面影響,例如土地城鎮化后形成的用地浪費、白洋淀生態屏障的損傷以及林草地較少造成的水土流失問題,尤其是容城縣中部地區和安新縣白洋淀水域附近,應注重城市的未來整體規劃,建立土地管理體制,時刻監測其土地利用變化情況,實現城市發展與生態環境的同步提升,最終將雄安新區建設成為一個集綠色、生態、韌性、美麗于一體的經濟特區。

2)植被覆蓋情況的退化與改善。30 a間,雄縣是3縣之中GDP最高,經濟發展最快的一個,但發展經濟的同時,應注重生態環境質量的同步提升。白洋淀水域附近的植被覆蓋變化始終不穩定,應建立該區域的植被覆蓋監管體制,防止水土流失,努力將安新縣打造成為雄安新區的“后花園”。

3)不同驅動因素對植被覆蓋的影響。容城縣中部和雄縣區域的土地利用變化對植被退化的貢獻最為明顯,應加強該區域的土地利用變化關注度,防止植被退化現象的再次出現和嚴重化,安新縣西南部和雄縣區域的土地利用變化對植被改善的貢獻較為明顯,應對其加以借鑒。

5 結論

1)1991—2021年雄安新區建設用地整體增長,轉入面積主要來源于耕地和其他用地; 其他用地面積整體減少,流出面積主要變成耕地; 林草地面積同比增長最多,轉入面積主要來源于水域和其他用地; 水域面積整體減少,流出面積主要變成耕地和其他用地; 耕地面積無明顯變化,主要是與建設用地和其他用地之間的相互轉化。

2)1991—2021年雄安新區整體植被覆蓋情況良好,其中安新縣植被覆蓋情況最好,生態環境較優越,容城縣次之,雄縣最差。植被整體呈現退化→改善的趨勢,1991—2001年植被整體退化,2001—2021年植被整體均呈現改善趨勢。1991—2001年雄縣出現明顯退化,白洋淀水域附近出現明顯改善; 2001—2011年雄縣西部、容城縣東部和安新縣北部出現明顯改善,白洋淀水域附近出現明顯退化; 2011—2017年,雄縣東部和安新縣西南部出現大面積改善區域,退化區域在3個縣區均有離散分布,其中白洋淀水域附近較明顯; 2017—2021年白洋淀水域附近、容城縣西部和雄縣北部出現改善,容城縣中部地區出現退化。

3)土壤類型、人口密度變化和GDP變化對雄安新區植被覆蓋變化均有較強的影響程度,其中1991—2001年土壤質地影響最大,2001—2011年人口密度變化影響最大,2011—2017年GDP變化影響最大,2017—2021年土壤質地影響最大,因地處平原,高程和坡度差異較小,所以對其影響也較小。除此以外,建設用地和其他用地向耕地的轉化是植被改善的重要原因,耕地向建設用地和其他用地的轉化是植被退化的重要原因。

4)地理探測器模型能有效地分析植被覆蓋變化的驅動機制,對于大區域的植被覆蓋變化驅動研究具有借鑒意義,在生態環境監測、城鄉規劃和可持續發展方面具有良好的應用潛力。由于本文研究區域和數據的局限性,驅動因子種類選取較少,仍具有改進空間,但在一定程度上反映了人為因素和自然因素對雄安新區植被覆蓋變化的影響。