1990-2020年天津市植被覆蓋度時空演變特征及影響因素分析

宋夢來, 陳海濤, 丁 晗, 崔乃心, 亢戈霖, 王玉秋

(1.南開大學 環境科學與工程學院, 天津 300350; 2.交通運輸部天津水運工程科學研究所港口水工建筑技術國家工程實驗室 工程泥沙交通行業重點實驗室, 天津 300456)

植被作為陸地生態系統的主體，在保持水土、防風固沙、維持氣候和生態系統穩定等方面具有重要作用[1]。植被覆蓋度(Fraction of Vegetation Coverage, FVC)定義為植被在地面單位面積內的垂直投影占比[2]，可作為衡量地表植被狀況及繁茂程度的有效指標。20世紀中后期以來，全球森林與草原植被迅速減少并衍生出一系列生態環境問題，在此背景下，迫切需求開展FVC時空演變的研究，這對客觀揭示植被狀況、促進區域綠色可持續發展等方面具有深遠意義。

遙感技術被廣泛應用在長時序、大范圍FVC動態監測中。借助傳統的遙感分析手段下載、預處理影像，面臨數據量龐大、處理效率低等問題，而GEE云平臺對常用影像已經進行大氣校正、幾何配準、輻射定標等預處理工作，并可通過在線編程的方式快速實現影像獲取、批量處理、計算分析，極大提高了運行效率[3]。因此，基于GEE云平臺進行FVC動態監測相較于使用本地軟件(ENVI，ArcGIS)具有明顯的特色優勢。已有學者應用GEE平臺從國家[4]、省級行政區[5]、流域等[6]不同尺度開展了長時序FVC遙感監測研究，如Chen等[7]借助GEE平臺Landsat遙感影像，對我國北方毛烏素沙漠FVC空間分異特征進行監測。李晶等[8]反演了1987—2020年黃河流域及流域內煤炭國家規劃礦區的FVC，指出該區域年際FVC呈波動式上升態勢。這些研究均表明基于GEE平臺進行FVC變化監測在尺度和時效等方面具有巨大優勢。

天津市作為京津冀東部綠色生態屏障區，戰略地位突出，生態環境保護是該區域發展的基礎。2021年9月天津市提出要加快津城和濱城間綠色生態屏障建設，十四五期間一級管控區內森林綠化覆蓋率超過13.16%[9]。但由于該地區氣候變化以及長期不合理的人類活動，導致區域植被遭到一定程度的破壞[10]。目前已有學者開展了有關天津市FVC對氣候和人類活動因子響應關系的研究，如Zhou等[11]分析了京津冀2001—2011年植被對氣候變化的響應模式，得出降水為該區域植被變化的決定性因子。王靜等[12]強調天津等大中城市周圍植被呈現明顯退化趨勢，城市邊緣地帶大量高質量耕地、林地被侵占及城鎮建設對區域植被產生負面影響。上述研究對認識天津市植被動態變化的驅動因素具有重要意義，但依舊存在一些問題：(1) 目前對天津市FVC影響因素的研究多局限于探討單一因素的貢獻程度，而因素之間的交互作用對FVC地理空間分異的影響鮮有報道。(2) 在統計方法上，雖然各種形式的方法被應用于FVC動態變化定量歸因的研究中，如多元線性回歸[13]、殘差趨勢分析等[14]方法，但現階段利用隨機森林(Random Forest, RF)模型進行逐像元回歸分析，從而揭示各因素對FVC空間異質性影響的相關研究仍顯滯后。RF模型與上述方法相比具有明顯的優點，其對多重共線性不敏感，無需進行變量的選擇[15]，因而已有學者將RF模型應用到多因素定量歸因的研究中，如Leroux等[16]利用RF模型分析薩赫勒地區植被變化的驅動力，表明降水是該地區植被動態變化的主導因子。Wang等[17]同樣借助RF模型探討了長汀縣2000—2010年地形、氣候、城市化、人口密度和經濟因素對植被的影響。上述研究均表明RF模型可為量化不同因素對FVC動態變化的響應關系提供一種新思路。

針對以上思考，本研究基于GEE平臺，逐年遍歷1990—2020年天津市Landsat遙感影像獲取年均FVC，采用隨機森林模型的特征重要性排序、偏依賴圖技術量化不同因素對FVC的相對重要性和非線性響應關系，并進一步分析多因素耦合對FVC空間分布的解釋力度。本研究旨在為天津市生態監測、環境保護及區域高質量發展提供科學依據和決策支持。

1 研究區概況

天津市位于38°34′—40°15′N，116°43′—118°04′E，地處華北平原北部，東臨渤海，北依燕山，位于海河下游，是華北平原以及環渤海地區重要的生態屏障區。全市地形以平原和洼地為主，地勢西北高，東南低。植被類型多樣，植被資源多集中在地勢較高的薊州北部山區，隨著海拔高度的變化，由西北向東南依次呈現山地草叢—農業栽培植被—濱海鹽生植被的分布規律。氣候條件屬于暖溫帶半濕潤半干旱季風性氣候，春冬干燥、夏季多雨，平均氣溫在11.4～12.9℃，年降水量611.6～640.0 mm。天津市現有16個市轄區(圖1)，分別為市內六區(1：和平區、2：河北區、3：河東區、4：河西區、5：南開區、6：紅橋區)、環城四區(北辰區、東麗區、津南區、西青區)、遠郊區縣(薊州區、寶坻區、武清區、寧河區、靜海區)和濱海新區。區域總面積1.2×104km2，土地利用類型以耕地和城鄉、工礦、居民用地為主。人口數量達到1 561.83萬人。近年來，天津市經濟發展迅速，人類活動強度不斷增大，區域發展與生態保護之間的矛盾凸顯。因此研究天津市植被變化特征及其對氣候及人類活動因素的響應模式對該區域植被恢復、生態環境改善和建立生態宜居城市等方面具有重要意義。

圖1 研究區域地理位置

2 數據與方法

2.1 數據來源

2.1.1 FVC數據 反演FVC的基礎遙感數據來源于GEE平臺提供的已經過大氣校正、幾何配準等預處理工作的Landsat5，7，8 Surface Reflectance Tier 1系列產品[18]。在GEE平臺中利用時間和空間的過濾函數獲取研究區1990—2020年遙感影像，利用CFmask算法生成的質量評估波段(pixel_qa)的數值建立規則，篩除云、陰影覆蓋度高的低質量像元，得到質量較高的像元，從而實現對影像去云[19]。

2.1.2 影響因素 與植被動態變化密切相關的因素主要為氣候和人類活動因素[20-21]。參考Yu等[22]在京津冀地區的研究選取年均氣溫、年降水量作為影響FVC的氣候因子。結合天津市近30 a城鎮化急劇擴張導致土地利用類型發生劇烈變化的現狀，選取土地利用作為表征人類活動的強烈程度指標之一[23]。同時由于天津市人口聚集化程度高，同樣將人口密度作為影響FVC的人類活動因素，詳細的數據來源見表1。

2.2 研究方法

本研究基于最大值合成法得到的年際NDVI數據，采用像元二分模型計算FVC，該方法彌補了NDVI本身對高覆蓋區植被易飽和、低覆蓋區植被難以區分的缺點[25]。為進一步分析FVC的時空動態變化特征，利用一元線性回歸的方法對FVC進行趨勢分析，借助F檢驗法對變化趨勢進行顯著性檢驗；應用變異系數進行FVC波動程度分析；利用Hurst指數對FVC未來發展趨勢進行預測。為探明氣候因素(年均氣溫、年降水量)和人類活動因素(土地利用、人口密度)與FVC在空間上的非線性響應關系，采用隨機森林模型進行逐像元尺度的回歸分析，并進一步應用特征重要性排序和偏依賴圖技術量化不同因素對FVC的影響程度及多因素交互作用。具體方法如下所述。

表1 影響因素數據及來源

2.2.1 FVC計算方法 采用像元二分模型估算FVC[26]，其計算公式如式(1)所示：

(1)

式中:NDVI為歸一化植被指數;NDVIsoil為純裸土覆蓋的NDVI值,理論上接近于0;NDVIveg為純植被覆蓋的NDVI值,理論上接近于1;選取NDVI頻率累計表上累積頻率5%和95%的值作為NDVIsoil和NDVIveg[27]。

參考王靜等[12]在京津冀地區關于FVC的分類標準，結合研究區實際情況將FVC劃分為5個等級：低(0≤FVC<0.30)、中低(0.30≤FVC<0.45)、中(0.45≤FVC<0.60)、中高(0.60≤FVC<0.75)和高(0.75≤FVC<1)。

2.2.2 FVC動態分析方法

(1) 一元線性回歸及F檢驗。利用一元線性回歸的方法對天津市31年間FVC的時序變化進行擬合分析，再比較各像元變化趨勢的空間差異，計算公式如(2)所示：

(2)

式中:K為變化率;n為總年數;FVCi為第i年的年均FVC。K>0表示FVC呈增加趨勢,K=0表示FVC基本不變,K<0表示FVC呈減少趨勢。

利用F檢驗法對一元線性回歸的趨勢進行檢驗，其計算公式如(3)—(5)所示。根據檢驗結果進行分級：顯著降低(K<0，p<0.05)、無顯著降低(K<0，p>0.05)、無顯著升高(K>0，p>0.05)、顯著升高(K>0，p<0.05)。

(3)

(4)

(5)

(2) 變異系數。變異系數(Coefficient of Variation, CV)計算公式如(6)所示。參考黃悅悅[28]和朱林富[29]在城市區域CV值的分類標準，劃分為5個等級：低波動(00.3)。

(6)

(3) Hurst指數。采用重標極差(R/S)計算Hurst指數[30]，其計算公式如(7—11)所示。對于FVC時間序列定義為FVC(t)，t=1,2,3，…，n，對于任意正整數τ≥1，均值序列為：

(7)

累計離差序列U(t,τ)為：

(8)

極差R(τ)為：

R(τ)=maxU(t,τ)-minU(t,τ)

(9)

標準差S(τ)為：

(10)

計算Hurst指數：

R(τ)/S(τ)=(ατ)H

(11)

式中:H為Hurst指數,H介于0～1,當0

2.2.3 隨機森林 隨機森林(RF)是一種基于分類和回歸的機器學習算法，能夠用來分析自變量與因變量之間復雜的非線性關系[31]。本研究采用Python的Scikit-learn機器學習工具包進行隨機森林回歸分析。由于本研究所涉及的時序范圍長達31 a，逐年進行柵格值提取所涉及數據量較為龐大，計算時間長，因此以5 a為周期，分別選取1990年、1995年、2000年、2005年、2010年、2015年、2020年的FVC與同期氣候和人類活動因素柵格影像作為輸入數據。在ArcGIS 10.2中將所有輸入的柵格數據重采樣至1 km分辨率，對FVC柵格數據進行柵格轉點，利用Extract Multi Values to Point工具提取氣候和人類活動因素柵格數據相應位置的像元值，實現與FVC數據的匹配，構建總計83 972條數據的原始數據集，其中80%作為訓練數據，20%作為測試數據，采用決定系數(R2)作為回歸精度評價指標。

3 結果與分析

3.1 FVC時間變化特征

天津市1990—2020年FVC的變化趨勢見圖2。1990—2020年天津市年均FVC整體呈顯著下降趨勢，變化率為0.001 5(p<0.05)。研究期間年均FVC由1990年的0.70下降到2020年的0.65，最高值和最低值分別出現在1990年(0.70)和2012年(0.59)。進一步進行分階段線性擬合，結果表明：1990—2012年天津市年均FVC呈顯著下降趨勢，變化率為0.003 1(p<0.05)，植被狀況明顯退化。2012—2020年天津市年均FVC變化趨勢不顯著(p>0.05)，但年均FVC有一定的正負波動，增率達到0.004 0。總體上，研究區FVC在時序上顯示以2012年為拐點，經歷了1990—2012年下降階段和2012—2020年波動階段。

圖2 1990-2020年天津市FVC時間變化趨勢

天津市1990—2020年不同等級FVC變化趨勢見圖3。研究區內低、中低、中植被覆蓋比例均呈顯著增加趨勢(p<0.05)，變化率分別為0.001 6，0.001 1，0.000 9。其中低植被覆蓋比例由1990年的13.66%上升到2020年的18.23%。中高和高植被覆蓋比例變化趨勢相似，均呈顯著下降趨勢(p<0.05)，變化率分別為-0.001 0和-0.002 7，其中高植被覆蓋比例由1990年的61.08%降低到2020年的42.57%。

圖3 1990-2020年天津市不同等級FVC變化趨勢

進一步對天津市1990—2020年不同等級FVC的轉移情況進行統計，結果見表2。與1990年相比，2020年天津市低、中低和中植被覆蓋區面積分別增加了551.56 km2，450.20 km2，294.45 km2，中高和高植被覆蓋區面積分別減少了125.71 km2，415.46 km2。研究區內低、中低和中植被覆蓋區面積的增加主要來自于高植被覆蓋區的轉入，轉入量分別為451.68 km2，369.21 km2，469.07 km2，說明低、中低和中植被覆蓋區面積大幅增加主要歸因于高覆蓋區植被的退化。

3.2 FVC空間分布特征

如圖4A所示，天津市FVC整體呈現由市內六區向外逐漸遞增的空間分布格局。為詳細研究天津市植被分布情況，依據2.2.1所述劃分標準將天津市多年平均FVC進行分級，不同類型FVC統計結果見圖4B，天津市FVC類型以高植被覆蓋為主(49.68%)，中高、低、中和中低依次遞減，區域占比在8.95%～16.25%。

表2 1990-2020年天津市不同等級FVC轉移矩陣 km2

在市轄區基礎上將天津市劃分為市內六區、環城四區、遠郊區縣和濱海新區四部分，進一步分區統計植被覆蓋情況，結果見圖4C。市內六區以低植被覆蓋為主(49.01%)，該區域為中心城區，城鎮化水平較高，說明城市的發展會對植被覆蓋造成較大影響；環城四區較市內六區而言，中高、高植被覆蓋比例增加；遠郊區縣基本以高植被覆蓋為主(68.81%)，這些地區植被類型多為林地、灌草從和農作物，植被長勢較好；濱海新區以低植被覆蓋為主(52.06%)，特別是在東南部水域周圍及沿海地區。

圖4 1990-2020年天津市FVC空間分布特征

3.3 FVC空間變化特征

天津市1990—2020年FVC的變化情況如圖5所示。天津市51.29%的區域FVC呈降低趨勢，其中32.62%的區域降低趨勢顯著，主要分布在環城四區以及濱海新區。這兩個區域處于津濱城市發展主軸上，城鎮化進程的快速推進可能對區域植被狀況造成負面影響[32]。天津市48.71%的區域FVC呈增加趨勢，其中27.42%的區域增加趨勢顯著，主要分布在遠郊區縣及市內六區，遠郊區縣為基本農田及現代農業用地區，嚴格實行耕地與基本農田保護政策，從而利于植被保護。

天津市1990—2020年FVC的波動情況見圖6。整體來看，1990—2020年CV的平均值為0.36，變異程度屬于高波動。在空間上呈現出“高波動與低波動并存，高波動區居多，地域性差異明顯”的空間分布格局，具體表現為：高波動區占比最大(29.13%)，主要分布在市內六區、環城四區和濱海新區，低波動區占比最小(16.06%)，集中分布在薊州區和寶坻區。

天津市1990—2020年Hurst指數如圖7A所示，最大值為0.96，最小值為0.05，平均值為0.42。大部分區域(80.62%)未來變化趨勢表現為反持續性，主要分布在遠郊區縣和濱海新區。僅有19.38%的區域表現為持續性，集中分布在市內六區及其周邊。進一步結合變化率K對FVC的未來趨勢進行分析，結果見圖7B，未來FVC發展趨勢以退化為主，區域占比53.62%，其中反持續性退化(改善—退化)的比重為42.01%，主要分布在遠郊區縣。持續性退化(退化—退化)的比重為11.51%，集中分布在環城四區。

圖5 1990-2020年天津市FVC空間變化特征

圖6 1990-2020年天津市FVC波動情況

3.4 FVC影響因素分析

3.4.1 特征重要性排序 基于RF模型分析氣候因素和人類活動因素對FVC的影響，特征重要性排序可以反映不同因子對FVC的影響大小，所有因子的特征重要性總和為100%。由圖8可知，各個因子對FVC的影響程度依次為土地利用>人口密度>年降水量>年均氣溫，總的來說，人類活動因素(57.27%)對1990—2020年FVC的影響程度遠高于自然因素(42.73%)，土地利用為影響植被動態變化的主導因子。Chang等[33]在京津冀地區的研究也表明，東南部的平原地區植被變化受人類活動因素較大，農田開墾、居民用地擴張等人類活動是導致植被退化的主要原因。

圖7 1990-2020年天津市Hurst指數及未來FVC變化趨勢

從自然因素來看，年降水量(22.42%)對FVC的影響稍高于年均氣溫(20.31%)，這與前人研究一致，劉德義[34]分析了天津市1982—2003年自然植被對氣候變化的響應模式，表明降水是天津市植被指數年際變化的主要制約因子，降水的多寡決定了植被的生長狀況。閻世杰等[35]基于地理探測器進行了2006—2015年京津冀地區植被變化定量歸因的研究，同樣得出降水作為植被空間分布的主導因子，對年際植被空間分異的解釋力最大(39.40%)。

從人類活動因素來看，土地利用(34.62%)對FVC的影響遠高于人口密度(22.65%)。進一步結合1990—2020年的土地利用轉移矩陣(圖9)可以發現，研究期間天津市土地利用類型發生了不同程度的轉移，1990—2000年，大量林地(5 597 km2)轉換為耕地。2000年以后，社會經濟高速發展使得天津市城鎮化進程加劇，城鄉、工礦、居民用地的面積急劇增加，由2000年的1 865 km2升高到2020年的3 252 km2，在2000—2010年和2010—2020年分別有大量(1 202 km2)及部分(206 km2)耕地被侵占轉化為城鄉、工礦、居民用地。林地及耕地面積的持續減少及城鄉、工礦、居民用地迅速擴張可能為該地區植被顯著退化的重要原因。

3.4.2 偏依賴圖 偏依賴圖(Partial Dependence Plot，PDP)可以顯示隨機森林的偏效應[36]。如圖10所示，在自然因素方面，年均氣溫小于12.5℃時，隨著年均氣溫的升高，FVC基本保持不變，當年均氣溫超過12.5℃，FVC與其呈現負相關關系；年降水量在580 mm以下時，FVC與年降水量呈現正相關關系，當年降水量超過580 mm時，FVC變化趨勢趨于平緩。圖中還顯示出年均氣溫與年均降水發生變化的節點高度重合，當氣候條件處于節點(年均溫度12.5℃且年降水量580 mm)附近時，FVC較高(0.74)，這說明只有在合適的降水和溫度范圍內植被才會開始生長，二者滿足一定條件使得區域水熱狀況最佳時才利于植被生長[37]。

圖8 不同因素的特征重要性排序

圖9 1990-2020年土地利用轉移矩陣(km2)

在人類活動因素方面，不同土地利用類型植被覆蓋程度不同，林地的FVC最高(0.78)，耕地(0.76)、草地(0.72)、城鄉、工礦、居民用地(0.63)依次遞減；人口密度與FVC整體呈現負相關關系，人口密度較低時，植被覆蓋程度較好，但當增加到一定程度后FVC迅速降低。

圖10 自然因素和人類活動因素的偏依賴

3.4.3 因素交互作用 本文提出的隨機森林模型同樣可以量化因素交互對FVC空間分布的解釋力度，將各影響因素兩兩組合，作為隨機森林的輸入變量，FVC作為輸出變量，參數一律設置為默認，訓練隨機森林模型，利用模型驗證集的R2量化不同因素組合對FVC空間分布的解釋力度[38]。模型的擬合結果見圖11所示，從單一因素來看，土地利用對FVC空間變異的解釋力度最大(15.71%)，人口密度(3.86%)、年降水量(0.63%)、年均氣溫(0.53%)依次遞減，這與特征重要性排序結果一致。

從組合因素來看，年均氣溫與年降水量共同作用對FVC的空間解釋力度(12.28%)遠高于單一因素擬合結果，表明水熱組合的共同作用會加強對FVC空間分布的解釋力。這與孟丹等[39]研究結果一致，孟丹采用偏相關和復相關分析手段逐像元進行京津冀地區植被覆蓋變化的氣候驅動力分析，并得出降水和氣溫綜合驅動型對植被空間分異的影響高于單一降水和單一氣溫驅動型。圖中還顯示出，土地利用作為天津市FVC空間分布的主導因子，在同氣候因子的交互作用下對FVC空間分布解釋力度增強，土地利用與年均氣溫、年降水量交互，分別能解釋16.36%，19.52%的FVC空間分布差異，相比于單一年均氣溫和單一年降水量分別增加了15.83%和18.89%。

4 討論與結論

(1) 在時間上，1990—2020年天津市年均FVC整體呈下降趨勢，變化率為0.001 5(p<0.05)。分階段擬合顯示FVC以2012年為節點呈不同時序變化，其中1990—2012年FVC顯著降低，變化率為0.003 1(p<0.05)，2012—2020年FVC變化趨勢不顯著(p>0.05)。不同等級FVC的變化趨勢時序差異明顯，1990—2012年低、中低和中植被覆蓋比例顯著增加(p<0.05)，中高和高植被覆蓋比例變化軌跡為顯著降低(p<0.05)。低、中低和中植被覆蓋區面積大幅增加歸因于區域內大量高覆蓋區植被的退化。

圖11 因素交互作用對FVC的影響

(2) 在空間上，天津市FVC總體上呈現由市內六區向外逐漸增高空間的分布格局，區域整體以高植被覆蓋為主(49.68%)。32.62%的區域FVC顯著降低，主要分布在環城四區以及濱海新區，27.42%的區域增加趨勢顯著，主要分布在遠郊區縣及市內六區。植被退化面積比重高于改善比重，且FVC未來變化趨勢將以退化為主。

(3) 天津市植被變化受到氣候和人類活動因素的共同影響。人類活動因素(57.27%)對FVC的影響程度遠高于氣候因素(42.73%)。土地利用為FVC時空分異的主導因子，林地、耕地面積的持續減少及城鄉、工礦、居民用地擴張為研究區植被顯著退化的重要原因。年均氣溫與年降水量共同作用會加強對FVC空間分布的解釋力度。

雖然本研究基于GEE平臺獲取的年均FVC，結合氣候和人類活動因素的長時序、多元遙感影像數據客觀揭示了不同因子對FVC時空演變特征的影響，但研究中仍有許多不足需要改進：(1) 應用Landsat影像反演得到的FVC柵格數據的分辨率為30 m，而來源于中國科學院資源環境科學數據中心等網站氣候和人類活動因素柵格數據分辨率最高為1 km。針對分辨率不一致的問題，雖然已進行重采樣實現數據匹配，但數據精度降低對結果準確性造成一定影響。(2) FVC時空變化特征受氣候、地形、土地利用、人口密度、產業發展等多種因素的共同影響，基于長時序數據可連續獲得及數據能夠被柵格化的原則，本研究只考慮了年均氣溫、年降水量、土地利用、人口密度4種因子，所選驅動力因素對FVC變化的解釋力還遠遠不夠，亟需更多維度的柵格數據以便準確客觀揭示影響天津市FVC動態變化的主導因子。