宋梦来, 陈海涛, 丁 晗, 崔乃心, 亢戈霖, 王玉秋
(1.南开大学 环境科学与工程学院, 天津 300350; 2.交通运输部天津水运工程科学研究所港口水工建筑技术国家工程实验室 工程泥沙交通行业重点实验室, 天津 300456)
植被作为陆地生态系统的主体，在保持水土、防风固沙、维持气候和生态系统稳定等方面具有重要作用[1]。植被覆盖度(Fraction of Vegetation Coverage, FVC)定义为植被在地面单位面积内的垂直投影占比[2]，可作为衡量地表植被状况及繁茂程度的有效指标。20世纪中后期以来，全球森林与草原植被迅速减少并衍生出一系列生态环境问题，在此背景下，迫切需求开展FVC时空演变的研究，这对客观揭示植被状况、促进区域绿色可持续发展等方面具有深远意义。
遥感技术被广泛应用在长时序、大范围FVC动态监测中。借助传统的遥感分析手段下载、预处理影像，面临数据量庞大、处理效率低等问题，而GEE云平台对常用影像已经进行大气校正、几何配准、辐射定标等预处理工作，并可通过在线编程的方式快速实现影像获取、批量处理、计算分析，极大提高了运行效率[3]。因此，基于GEE云平台进行FVC动态监测相较于使用本地软件(ENVI，ArcGIS)具有明显的特色优势。已有学者应用GEE平台从国家[4]、省级行政区[5]、流域等[6]不同尺度开展了长时序FVC遥感监测研究，如Chen等[7]借助GEE平台Landsat遥感影像，对我国北方毛乌素沙漠FVC空间分异特征进行监测。李晶等[8]反演了1987—2020年黄河流域及流域内煤炭国家规划矿区的FVC，指出该区域年际FVC呈波动式上升态势。这些研究均表明基于GEE平台进行FVC变化监测在尺度和时效等方面具有巨大优势。
天津市作为京津冀东部绿色生态屏障区，战略地位突出，生态环境保护是该区域发展的基础。2021年9月天津市提出要加快津城和滨城间绿色生态屏障建设，十四五期间一级管控区内森林绿化覆盖率超过13.16%[9]。但由于该地区气候变化以及长期不合理的人类活动，导致区域植被遭到一定程度的破坏[10]。目前已有学者开展了有关天津市FVC对气候和人类活动因子响应关系的研究，如Zhou等[11]分析了京津冀2001—2011年植被对气候变化的响应模式，得出降水为该区域植被变化的决定性因子。王静等[12]强调天津等大中城市周围植被呈现明显退化趋势，城市边缘地带大量高质量耕地、林地被侵占及城镇建设对区域植被产生负面影响。上述研究对认识天津市植被动态变化的驱动因素具有重要意义，但依旧存在一些问题：(1) 目前对天津市FVC影响因素的研究多局限于探讨单一因素的贡献程度，而因素之间的交互作用对FVC地理空间分异的影响鲜有报道。(2) 在统计方法上，虽然各种形式的方法被应用于FVC动态变化定量归因的研究中，如多元线性回归[13]、残差趋势分析等[14]方法，但现阶段利用随机森林(Random Forest, RF)模型进行逐像元回归分析，从而揭示各因素对FVC空间异质性影响的相关研究仍显滞后。RF模型与上述方法相比具有明显的优点，其对多重共线性不敏感，无需进行变量的选择[15]，因而已有学者将RF模型应用到多因素定量归因的研究中，如Leroux等[16]利用RF模型分析萨赫勒地区植被变化的驱动力，表明降水是该地区植被动态变化的主导因子。Wang等[17]同样借助RF模型探讨了长汀县2000—2010年地形、气候、城市化、人口密度和经济因素对植被的影响。上述研究均表明RF模型可为量化不同因素对FVC动态变化的响应关系提供一种新思路。
针对以上思考，本研究基于GEE平台，逐年遍历1990—2020年天津市Landsat遥感影像获取年均FVC，采用随机森林模型的特征重要性排序、偏依赖图技术量化不同因素对FVC的相对重要性和非线性响应关系，并进一步分析多因素耦合对FVC空间分布的解释力度。本研究旨在为天津市生态监测、环境保护及区域高质量发展提供科学依据和决策支持。
天津市位于38°34′—40°15′N，116°43′—118°04′E，地处华北平原北部，东临渤海，北依燕山，位于海河下游，是华北平原以及环渤海地区重要的生态屏障区。全市地形以平原和洼地为主，地势西北高，东南低。植被类型多样，植被资源多集中在地势较高的蓟州北部山区，随着海拔高度的变化，由西北向东南依次呈现山地草丛—农业栽培植被—滨海盐生植被的分布规律。气候条件属于暖温带半湿润半干旱季风性气候，春冬干燥、夏季多雨，平均气温在11.4～12.9℃，年降水量611.6～640.0 mm。天津市现有16个市辖区(图1)，分别为市内六区(1：和平区、2：河北区、3：河东区、4：河西区、5：南开区、6：红桥区)、环城四区(北辰区、东丽区、津南区、西青区)、远郊区县(蓟州区、宝坻区、武清区、宁河区、静海区)和滨海新区。区域总面积1.2×104km2，土地利用类型以耕地和城乡、工矿、居民用地为主。人口数量达到1 561.83万人。近年来，天津市经济发展迅速，人类活动强度不断增大，区域发展与生态保护之间的矛盾凸显。因此研究天津市植被变化特征及其对气候及人类活动因素的响应模式对该区域植被恢复、生态环境改善和建立生态宜居城市等方面具有重要意义。
图1 研究区域地理位置
2.1 数据来源
2.1.1 FVC数据 反演FVC的基础遥感数据来源于GEE平台提供的已经过大气校正、几何配准等预处理工作的Landsat5，7，8 Surface Reflectance Tier 1系列产品[18]。在GEE平台中利用时间和空间的过滤函数获取研究区1990—2020年遥感影像，利用CFmask算法生成的质量评估波段(pixel_qa)的数值建立规则，筛除云、阴影覆盖度高的低质量像元，得到质量较高的像元，从而实现对影像去云[19]。
2.1.2 影响因素 与植被动态变化密切相关的因素主要为气候和人类活动因素[20-21]。参考Yu等[22]在京津冀地区的研究选取年均气温、年降水量作为影响FVC的气候因子。结合天津市近30 a城镇化急剧扩张导致土地利用类型发生剧烈变化的现状，选取土地利用作为表征人类活动的强烈程度指标之一[23]。同时由于天津市人口聚集化程度高，同样将人口密度作为影响FVC的人类活动因素，详细的数据来源见表1。
2.2 研究方法
本研究基于最大值合成法得到的年际NDVI数据，采用像元二分模型计算FVC，该方法弥补了NDVI本身对高覆盖区植被易饱和、低覆盖区植被难以区分的缺点[25]。为进一步分析FVC的时空动态变化特征，利用一元线性回归的方法对FVC进行趋势分析，借助F检验法对变化趋势进行显著性检验；
应用变异系数进行FVC波动程度分析；
利用Hurst指数对FVC未来发展趋势进行预测。为探明气候因素(年均气温、年降水量)和人类活动因素(土地利用、人口密度)与FVC在空间上的非线性响应关系，采用随机森林模型进行逐像元尺度的回归分析，并进一步应用特征重要性排序和偏依赖图技术量化不同因素对FVC的影响程度及多因素交互作用。具体方法如下所述。
表1 影响因素数据及来源
2.2.1 FVC计算方法 采用像元二分模型估算FVC[26]，其计算公式如式(1)所示：
(1)
式中:NDVI为归一化植被指数;NDVIsoil为纯裸土覆盖的NDVI值,理论上接近于0;NDVIveg为纯植被覆盖的NDVI值,理论上接近于1;选取NDVI频率累计表上累积频率5%和95%的值作为NDVIsoil和NDVIveg[27]。
参考王静等[12]在京津冀地区关于FVC的分类标准，结合研究区实际情况将FVC划分为5个等级：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动态分析方法
(1) 一元线性回归及F检验。利用一元线性回归的方法对天津市31年间FVC的时序变化进行拟合分析，再比较各像元变化趋势的空间差异，计算公式如(2)所示：
(2)
式中:K为变化率;n为总年数;FVCi为第i年的年均FVC。K>0表示FVC呈增加趋势,K=0表示FVC基本不变,K<0表示FVC呈减少趋势。
利用F检验法对一元线性回归的趋势进行检验，其计算公式如(3)—(5)所示。根据检验结果进行分级：显著降低(K<0，p<0.05)、无显著降低(K<0，p>0.05)、无显著升高(K>0，p>0.05)、显著升高(K>0，p<0.05)。
(3)
(4)
(5)
(2) 变异系数。变异系数(Coefficient of Variation, CV)计算公式如(6)所示。参考黄悦悦[28]和朱林富[29]在城市区域CV值的分类标准，划分为5个等级：低波动(0
(6)
(3) Hurst指数。采用重标极差(R/S)计算Hurst指数[30]，其计算公式如(7—11)所示。对于FVC时间序列定义为FVC(t)，t=1,2,3，…，n，对于任意正整数τ≥1，均值序列为：
(7)
累计离差序列U(t,τ)为：
(8)
极差R(τ)为：
R(τ)=maxU(t,τ)-minU(t,τ)
(9)
标准差S(τ)为：
(10)
计算Hurst指数：
R(τ)/S(τ)=(ατ)H
(11)
式中:H为Hurst指数,H介于0～1,当0 2.2.3 随机森林 随机森林(RF)是一种基于分类和回归的机器学习算法，能够用来分析自变量与因变量之间复杂的非线性关系[31]。本研究采用Python的Scikit-learn机器学习工具包进行随机森林回归分析。由于本研究所涉及的时序范围长达31 a，逐年进行栅格值提取所涉及数据量较为庞大，计算时间长，因此以5 a为周期，分别选取1990年、1995年、2000年、2005年、2010年、2015年、2020年的FVC与同期气候和人类活动因素栅格影像作为输入数据。在ArcGIS 10.2中将所有输入的栅格数据重采样至1 km分辨率，对FVC栅格数据进行栅格转点，利用Extract Multi Values to Point工具提取气候和人类活动因素栅格数据相应位置的像元值，实现与FVC数据的匹配，构建总计83 972条数据的原始数据集，其中80%作为训练数据，20%作为测试数据，采用决定系数(R2)作为回归精度评价指标。 天津市1990—2020年FVC的变化趋势见图2。1990—2020年天津市年均FVC整体呈显著下降趋势，变化率为0.001 5(p<0.05)。研究期间年均FVC由1990年的0.70下降到2020年的0.65，最高值和最低值分别出现在1990年(0.70)和2012年(0.59)。进一步进行分阶段线性拟合，结果表明：1990—2012年天津市年均FVC呈显著下降趋势，变化率为0.003 1(p<0.05)，植被状况明显退化。2012—2020年天津市年均FVC变化趋势不显著(p>0.05)，但年均FVC有一定的正负波动，增率达到0.004 0。总体上，研究区FVC在时序上显示以2012年为拐点，经历了1990—2012年下降阶段和2012—2020年波动阶段。 图2 1990-2020年天津市FVC时间变化趋势 天津市1990—2020年不同等级FVC变化趋势见图3。研究区内低、中低、中植被覆盖比例均呈显著增加趋势(p<0.05)，变化率分别为0.001 6，0.001 1，0.000 9。其中低植被覆盖比例由1990年的13.66%上升到2020年的18.23%。中高和高植被覆盖比例变化趋势相似，均呈显著下降趋势(p<0.05)，变化率分别为-0.001 0和-0.002 7，其中高植被覆盖比例由1990年的61.08%降低到2020年的42.57%。 图3 1990-2020年天津市不同等级FVC变化趋势 进一步对天津市1990—2020年不同等级FVC的转移情况进行统计，结果见表2。与1990年相比，2020年天津市低、中低和中植被覆盖区面积分别增加了551.56 km2，450.20 km2，294.45 km2，中高和高植被覆盖区面积分别减少了125.71 km2，415.46 km2。研究区内低、中低和中植被覆盖区面积的增加主要来自于高植被覆盖区的转入，转入量分别为451.68 km2，369.21 km2，469.07 km2，说明低、中低和中植被覆盖区面积大幅增加主要归因于高覆盖区植被的退化。 如图4A所示，天津市FVC整体呈现由市内六区向外逐渐递增的空间分布格局。为详细研究天津市植被分布情况，依据2.2.1所述划分标准将天津市多年平均FVC进行分级，不同类型FVC统计结果见图4B，天津市FVC类型以高植被覆盖为主(49.68%)，中高、低、中和中低依次递减，区域占比在8.95%～16.25%。 表2 1990-2020年天津市不同等级FVC转移矩阵 km2 在市辖区基础上将天津市划分为市内六区、环城四区、远郊区县和滨海新区四部分，进一步分区统计植被覆盖情况，结果见图4C。市内六区以低植被覆盖为主(49.01%)，该区域为中心城区，城镇化水平较高，说明城市的发展会对植被覆盖造成较大影响； 图4 1990-2020年天津市FVC空间分布特征 天津市1990—2020年FVC的变化情况如图5所示。天津市51.29%的区域FVC呈降低趋势，其中32.62%的区域降低趋势显著，主要分布在环城四区以及滨海新区。这两个区域处于津滨城市发展主轴上，城镇化进程的快速推进可能对区域植被状况造成负面影响[32]。天津市48.71%的区域FVC呈增加趋势，其中27.42%的区域增加趋势显著，主要分布在远郊区县及市内六区，远郊区县为基本农田及现代农业用地区，严格实行耕地与基本农田保护政策，从而利于植被保护。 天津市1990—2020年FVC的波动情况见图6。整体来看，1990—2020年CV的平均值为0.36，变异程度属于高波动。在空间上呈现出“高波动与低波动并存，高波动区居多，地域性差异明显”的空间分布格局，具体表现为：高波动区占比最大(29.13%)，主要分布在市内六区、环城四区和滨海新区，低波动区占比最小(16.06%)，集中分布在蓟州区和宝坻区。 天津市1990—2020年Hurst指数如图7A所示，最大值为0.96，最小值为0.05，平均值为0.42。大部分区域(80.62%)未来变化趋势表现为反持续性，主要分布在远郊区县和滨海新区。仅有19.38%的区域表现为持续性，集中分布在市内六区及其周边。进一步结合变化率K对FVC的未来趋势进行分析，结果见图7B，未来FVC发展趋势以退化为主，区域占比53.62%，其中反持续性退化(改善—退化)的比重为42.01%，主要分布在远郊区县。持续性退化(退化—退化)的比重为11.51%，集中分布在环城四区。 图5 1990-2020年天津市FVC空间变化特征 图6 1990-2020年天津市FVC波动情况 3.4.1 特征重要性排序 基于RF模型分析气候因素和人类活动因素对FVC的影响，特征重要性排序可以反映不同因子对FVC的影响大小，所有因子的特征重要性总和为100%。由图8可知，各个因子对FVC的影响程度依次为土地利用>人口密度>年降水量>年均气温，总的来说，人类活动因素(57.27%)对1990—2020年FVC的影响程度远高于自然因素(42.73%)，土地利用为影响植被动态变化的主导因子。Chang等[33]在京津冀地区的研究也表明，东南部的平原地区植被变化受人类活动因素较大，农田开垦、居民用地扩张等人类活动是导致植被退化的主要原因。 图7 1990-2020年天津市Hurst指数及未来FVC变化趋势 从自然因素来看，年降水量(22.42%)对FVC的影响稍高于年均气温(20.31%)，这与前人研究一致，刘德义[34]分析了天津市1982—2003年自然植被对气候变化的响应模式，表明降水是天津市植被指数年际变化的主要制约因子，降水的多寡决定了植被的生长状况。阎世杰等[35]基于地理探测器进行了2006—2015年京津冀地区植被变化定量归因的研究，同样得出降水作为植被空间分布的主导因子，对年际植被空间分异的解释力最大(39.40%)。 从人类活动因素来看，土地利用(34.62%)对FVC的影响远高于人口密度(22.65%)。进一步结合1990—2020年的土地利用转移矩阵(图9)可以发现，研究期间天津市土地利用类型发生了不同程度的转移，1990—2000年，大量林地(5 597 km2)转换为耕地。2000年以后，社会经济高速发展使得天津市城镇化进程加剧，城乡、工矿、居民用地的面积急剧增加，由2000年的1 865 km2升高到2020年的3 252 km2，在2000—2010年和2010—2020年分别有大量(1 202 km2)及部分(206 km2)耕地被侵占转化为城乡、工矿、居民用地。林地及耕地面积的持续减少及城乡、工矿、居民用地迅速扩张可能为该地区植被显著退化的重要原因。 3.4.2 偏依赖图 偏依赖图(Partial Dependence Plot，PDP)可以显示随机森林的偏效应[36]。如图10所示，在自然因素方面，年均气温小于12.5℃时，随着年均气温的升高，FVC基本保持不变，当年均气温超过12.5℃，FVC与其呈现负相关关系； 图8 不同因素的特征重要性排序 图9 1990-2020年土地利用转移矩阵(km2) 在人类活动因素方面，不同土地利用类型植被覆盖程度不同，林地的FVC最高(0.78)，耕地(0.76)、草地(0.72)、城乡、工矿、居民用地(0.63)依次递减； 图10 自然因素和人类活动因素的偏依赖 3.4.3 因素交互作用 本文提出的随机森林模型同样可以量化因素交互对FVC空间分布的解释力度，将各影响因素两两组合，作为随机森林的输入变量，FVC作为输出变量，参数一律设置为默认，训练随机森林模型，利用模型验证集的R2量化不同因素组合对FVC空间分布的解释力度[38]。模型的拟合结果见图11所示，从单一因素来看，土地利用对FVC空间变异的解释力度最大(15.71%)，人口密度(3.86%)、年降水量(0.63%)、年均气温(0.53%)依次递减，这与特征重要性排序结果一致。 从组合因素来看，年均气温与年降水量共同作用对FVC的空间解释力度(12.28%)远高于单一因素拟合结果，表明水热组合的共同作用会加强对FVC空间分布的解释力。这与孟丹等[39]研究结果一致，孟丹采用偏相关和复相关分析手段逐像元进行京津冀地区植被覆盖变化的气候驱动力分析，并得出降水和气温综合驱动型对植被空间分异的影响高于单一降水和单一气温驱动型。图中还显示出，土地利用作为天津市FVC空间分布的主导因子，在同气候因子的交互作用下对FVC空间分布解释力度增强，土地利用与年均气温、年降水量交互，分别能解释16.36%，19.52%的FVC空间分布差异，相比于单一年均气温和单一年降水量分别增加了15.83%和18.89%。 (1) 在时间上，1990—2020年天津市年均FVC整体呈下降趋势，变化率为0.001 5(p<0.05)。分阶段拟合显示FVC以2012年为节点呈不同时序变化，其中1990—2012年FVC显著降低，变化率为0.003 1(p<0.05)，2012—2020年FVC变化趋势不显著(p>0.05)。不同等级FVC的变化趋势时序差异明显，1990—2012年低、中低和中植被覆盖比例显著增加(p<0.05)，中高和高植被覆盖比例变化轨迹为显著降低(p<0.05)。低、中低和中植被覆盖区面积大幅增加归因于区域内大量高覆盖区植被的退化。 图11 因素交互作用对FVC的影响 (2) 在空间上，天津市FVC总体上呈现由市内六区向外逐渐增高空间的分布格局，区域整体以高植被覆盖为主(49.68%)。32.62%的区域FVC显著降低，主要分布在环城四区以及滨海新区，27.42%的区域增加趋势显著，主要分布在远郊区县及市内六区。植被退化面积比重高于改善比重，且FVC未来变化趋势将以退化为主。 (3) 天津市植被变化受到气候和人类活动因素的共同影响。人类活动因素(57.27%)对FVC的影响程度远高于气候因素(42.73%)。土地利用为FVC时空分异的主导因子，林地、耕地面积的持续减少及城乡、工矿、居民用地扩张为研究区植被显著退化的重要原因。年均气温与年降水量共同作用会加强对FVC空间分布的解释力度。 虽然本研究基于GEE平台获取的年均FVC，结合气候和人类活动因素的长时序、多元遥感影像数据客观揭示了不同因子对FVC时空演变特征的影响，但研究中仍有许多不足需要改进：(1) 应用Landsat影像反演得到的FVC栅格数据的分辨率为30 m，而来源于中国科学院资源环境科学数据中心等网站气候和人类活动因素栅格数据分辨率最高为1 km。针对分辨率不一致的问题，虽然已进行重采样实现数据匹配，但数据精度降低对结果准确性造成一定影响。(2) FVC时空变化特征受气候、地形、土地利用、人口密度、产业发展等多种因素的共同影响，基于长时序数据可连续获得及数据能够被栅格化的原则，本研究只考虑了年均气温、年降水量、土地利用、人口密度4种因子，所选驱动力因素对FVC变化的解释力还远远不够，亟需更多维度的栅格数据以便准确客观揭示影响天津市FVC动态变化的主导因子。3.1 FVC时间变化特征
3.2 FVC空间分布特征
环城四区较市内六区而言，中高、高植被覆盖比例增加；
远郊区县基本以高植被覆盖为主(68.81%)，这些地区植被类型多为林地、灌草从和农作物，植被长势较好；
滨海新区以低植被覆盖为主(52.06%)，特别是在东南部水域周围及沿海地区。
3.3 FVC空间变化特征
3.4 FVC影响因素分析
年降水量在580 mm以下时，FVC与年降水量呈现正相关关系，当年降水量超过580 mm时，FVC变化趋势趋于平缓。图中还显示出年均气温与年均降水发生变化的节点高度重合，当气候条件处于节点(年均温度12.5℃且年降水量580 mm)附近时，FVC较高(0.74)，这说明只有在合适的降水和温度范围内植被才会开始生长，二者满足一定条件使得区域水热状况最佳时才利于植被生长[37]。
人口密度与FVC整体呈现负相关关系，人口密度较低时，植被覆盖程度较好，但当增加到一定程度后FVC迅速降低。
