朱麗君 蒙吉軍, 李江風(fēng)

河北省植被覆蓋變化及對生態(tài)建設(shè)工程的響應(yīng)

朱麗君1蒙吉軍1,?李江風(fēng)2

1.北京大學(xué)城市與環(huán)境學(xué)院地表過程分析與模擬教育部重點實驗室, 北京 100871; 2.中國地質(zhì)大學(xué)(武漢) 公共管理學(xué)院, 武漢 430074; ?通信作者, E-mail: jijunm@pku.edu.cn

在分析河北省 2000—2015 年植被覆蓋變化特征的基礎(chǔ)上, 結(jié)合地形、氣候和社會經(jīng)濟數(shù)據(jù), 通過構(gòu)建空間計量模型識別研究區(qū)植被變化的影響因素, 進而利用人工神經(jīng)網(wǎng)絡(luò)量化生態(tài)建設(shè)工程對植被變化的影響程度。結(jié)果表明, 河北省南部及東北部的植被指數(shù)比西北部高, 研究時段內(nèi)大部分地區(qū)植被得到改善, NDVI 基本上不變、增加和降低區(qū)域的比例分別為 15.14%, 61.75%和 23.11%。2000 年植被 NDVI 分布的影響因素主要有海拔高度、人均 GDP 和人口密度, 起消極作用; 2015 年影響因素增加降水量和生態(tài)建設(shè)工程造林量, 起積極作用。生態(tài)建設(shè)工程對植被 NDVI 的影響絕大部分為正值, 且多為輕度改善, 顯著改善地區(qū)分布在承德市和張家口市, 這些地區(qū)也是 NDVI 變化值和生態(tài)建設(shè)工程造林量(EPA)變化值的熱點區(qū)域。生態(tài)建設(shè)工程對 NDVI 的影響為負(fù)值的情況主要出現(xiàn)在張家口市的西北部地區(qū)、秦皇島和唐山市的東部地區(qū)以及南部的城市建成區(qū)。研究結(jié)果可為科學(xué)評價河北省生態(tài)建設(shè)工程績效提供依據(jù), 為區(qū)域生態(tài)環(huán)境保護和植被恢復(fù)提供支持。

NDVI; 生態(tài)建設(shè)工程; 人工神經(jīng)網(wǎng)絡(luò); 空間計量模型; 河北省

作為陸地生態(tài)系統(tǒng)的重要組成部分, 植被是聯(lián)結(jié)大氣、土壤和生物各要素的紐帶, 貫穿于生態(tài)系統(tǒng)的物質(zhì)循環(huán)、能量流動和信息傳遞過程, 在水土保持、減緩溫室氣體濃度上升、地表輻射平衡、碳氮循環(huán)和維持生態(tài)系統(tǒng)穩(wěn)定等方面發(fā)揮重要作用[1]。植被覆蓋變化能夠反映地表生態(tài)環(huán)境的演變和區(qū)域環(huán)境的總體狀況, 是反映環(huán)境對自然要素和人類活動反饋的重要指示器, NDVI (normalized difference vegetation index, 歸一化植被指數(shù))和EVI (enhanc-ed vegetation index, 增強型植被指數(shù))是應(yīng)用最廣泛的測度植被覆蓋變化的指標(biāo)[2]。

近年來, 對植被覆蓋的研究多集中在植被覆蓋變化的特征及規(guī)律[3]、歸因分析[4]、空間尺度效應(yīng)[5]、時間滯后效應(yīng)[6]以及對影響因素的響應(yīng)和反饋等方面。眾多學(xué)者一致認(rèn)為, 自然因素和人為因素共同作用促使植被覆蓋狀況發(fā)生變化[7–15]。具體而言, 自然因素主要包括氣候因素(如氣溫、降水量、日照時長和濕度等)[7–9]、地形因素(如海拔高度和坡度等)[10–11]、地表植被覆蓋類型和自然災(zāi)害(如極端氣候、旱澇、水土流失、森林草場火災(zāi)和病蟲害蟲等)[12–14]。人為因素表現(xiàn)為人類生產(chǎn)生活和建設(shè)活動對地表的直接或間接改變, 包括社會經(jīng)濟因素以及生態(tài)建設(shè)工程等[15]。中國在生態(tài)建設(shè)工程上的努力和貢獻尤為突出[16], 因此針對中國開展的生態(tài)建設(shè)工程對植被變化影響的研究, 受到越來越廣泛的關(guān)注[17]。

張清雨等[18]和羅敏等[19]構(gòu)建 NDVI 與氣溫和降水的線性回歸模型, 通過計算 NDVI 模擬值和實測值的殘差來表征人類活動對植被的影響, 人類活動對植被變化表現(xiàn)出來的促進作用被定性地歸結(jié)于生態(tài)建設(shè)工程。Qu 等[20]也利用殘差分析法區(qū)分氣候和人為因素對植被變化的影響, 并探究生態(tài)恢復(fù)工程和人口遷移兩種人為因素對植被變化的影響。唐見等[21]構(gòu)建人工神經(jīng)網(wǎng)絡(luò)模型來量化氣候變化和生態(tài)保護工程對植被變化的影響程度。Zhang 等[22]利用回歸方法, 定量地區(qū)分幾種生態(tài)政策對植被變化的影響。由于生態(tài)建設(shè)工程的實施方案、實施規(guī)模以及對區(qū)域的適應(yīng)程度等不同, 目前對植被變化的影響并沒有統(tǒng)一的結(jié)論。上述研究一致認(rèn)為生態(tài)建設(shè)工程對植被恢復(fù)有促進作用, 孫慶齡等[23]則認(rèn)為三江源生態(tài)保護與建設(shè)工程的實施對區(qū)域植被整體變化的影響有限。也有一些研究表明植樹造林可能導(dǎo)致生態(tài)系統(tǒng)惡化[24]。從總體上看, 這些研究成果對認(rèn)識生態(tài)建設(shè)工程對植被變化的影響有重要的科學(xué)價值, 但對影響程度的評估和度量還有待探索。量化生態(tài)建設(shè)工程對植被變化的影響程度, 是判斷生態(tài)建設(shè)工程布局和適應(yīng)性管理對策是否得當(dāng)?shù)臎Q策依據(jù)[21]。

在京津冀地區(qū)協(xié)同發(fā)展的背景下, 快速的城市化和工業(yè)化過程導(dǎo)致河北省生態(tài)環(huán)境日益惡化。內(nèi)環(huán)京津地區(qū)的特殊地理位置, 決定河北省的生態(tài)建設(shè)不僅要維持本省的生態(tài)安全, 也是京津地區(qū)的生態(tài)屏障, 因此河北省先后被納入多個重點生態(tài)建設(shè)工程?，F(xiàn)階段, 河北省植被研究集中于探討植被變化過程[25–26]及其與氣候因子的關(guān)系[27–28], 針對河北省生態(tài)建設(shè)工程對植被變化的定量研究仍是空白。因此, 本文在分析河北省植被覆蓋變化特征及影響因素的基礎(chǔ)上, 揭示生態(tài)建設(shè)工程對植被變化的影響, 構(gòu)建人工神經(jīng)網(wǎng)絡(luò)模型來量化影響程度, 并繪制空間分布圖, 旨在為科學(xué)地評價生態(tài)建設(shè)工程績效提供依據(jù), 也為河北省生態(tài)環(huán)境保護和植被恢復(fù)工作提供支持。

1 研究區(qū)概況

河北省橫跨華北和東北兩大地區(qū), 地理坐標(biāo)范圍為 113°27′—119°50′E, 36°05′—42°40′N, 總面積為 18.88 萬 km2。地勢西北高、東南低, 地貌復(fù)雜多樣, 類型齊全, 有壩上高原、燕山和太行山山地以及河北平原三大地貌單元, 分別占全省總面積的8.5%, 48.1%和 43.4%。河北省屬溫帶大陸性季風(fēng)氣候, 大部分地區(qū)四季分明, 年平均氣溫為 11.8oC, 年均降水量為 503.4 mm, 年日照時數(shù)為 2487.2 小時, 年無霜期為 81～204 天。2017 年, 全省總?cè)丝?519.52 萬, 人口城鎮(zhèn)化率為 39.89％。全省生產(chǎn)總值為 35964.0 億元, 第一、二、三產(chǎn)業(yè)結(jié)構(gòu)為 9.8:48.4:41.8。2002 年以來, 生態(tài)建設(shè)工程在河北省全面展開, 包括三北防護林體系工程(三北防護林工程、太行山綠化工程和沿海防護林工程)、退耕還林工程和京津風(fēng)沙源治理工程等。截至 2015 年, 河北省各重大生態(tài)建設(shè)工程累計造林 4.42 萬 km2, 占全省總面積的 23.40%。

2 數(shù)據(jù)與研究方法

2.1 數(shù)據(jù)采集與預(yù)處理

本文采用的行政區(qū)劃數(shù)據(jù)來源于國家基礎(chǔ)地理信息中心全國 1:100 萬基礎(chǔ)地理信息數(shù)據(jù)庫, 地形數(shù)據(jù)來源于中國科學(xué)院計算機網(wǎng)絡(luò)信息中心地理空間數(shù)據(jù)云平臺(http://www.gscloud.cn)。植被覆蓋數(shù)據(jù)來自中國年度植被指數(shù)(NDVI)空間分布數(shù)據(jù)集[29],空間分辨率為 1km×1km。氣象數(shù)據(jù)來源于中國科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心資源環(huán)境數(shù)據(jù)云平臺(http://www.resdc.cn)。社會經(jīng)濟數(shù)據(jù)(包括各縣的GDP 和人口等)來自《河北省社會經(jīng)濟年鑒》(2001和 2016 年)。生態(tài)建設(shè)工程相關(guān)統(tǒng)計數(shù)據(jù)為 2000—2015 年河北省各縣重大生態(tài)建設(shè)工程的造林面積, 來自河北省林業(yè)和草原局網(wǎng)站。

在 ArcGIS 10.2 平臺上, 將所有數(shù)據(jù)轉(zhuǎn)換成空間數(shù)據(jù), 采用世界大地測量系統(tǒng) 1984 (WGS-84)橢球體為參考坐標(biāo)基準(zhǔn), 投影坐標(biāo)系的投影模式以及中央子午線分別設(shè)置為通用橫軸墨卡托(UTM)和108°E。

2.2 研究方法

2.2.1 NDVI變化分級

基于像元求取 2000—2015 年 NDVI 的差值, 獲得研究區(qū) NDVI 變化的空間分布。

= NDVI2015?NDVI2000, (1)

采用自然斷點分級法將劃分為 7 種類型[30]。其中, ?1≤≤?0.20 為顯著降低, ?0.20<≤?0.10 為中度降低, ?0.10<<0 為略微降低, 0≤≤0.05 為基本上不變, 0.05<≤0.10 為略微增加, 0.10<≤0.20 為中度增加, 0.20<≤1 為顯著增加。

2.2.2 綜合回歸方法

采用綜合回歸方法, 估計 NDVI 與影響因素在2000 年和 2015 年兩個時間點的依賴關(guān)系, 具體包括普通最小二乘模型(Ordinary Least Squares, OLS)、空間滯后模型(Spatial Lag Model, SLM)、空間誤差模型(Spatial Error Model, SEM)和空間自回歸移動平均模型(Spatial Autoregressive Moving Average, SARMA)。不同的模型側(cè)重不同的方面: OLS 不考慮空間結(jié)構(gòu)的影響, 用于檢驗 NDVI 和影響因素的關(guān)聯(lián), 然后假設(shè)空間自相關(guān)或空間依賴性存在, 用空間回歸模型(SLM, SEM 和 SARMA)估計 NDVI 與影響因素的關(guān)系[31]; SLM 假設(shè)空間自相關(guān)發(fā)生在因變量中, 考慮地理單位之間因變量的空間擴散現(xiàn)象(溢出效應(yīng)), 強調(diào)鄰域效應(yīng), 考慮空間結(jié)構(gòu)對因變量的影響; SEM 假設(shè)空間依賴作用存在于隨機干擾項之中, 度量相鄰地理單元因變量的誤差沖擊對研究區(qū)觀察值的影響程度, 側(cè)重于變量之間的被忽視和不可觀測的空間相互依賴性; SARMA 綜合考慮空間自相關(guān)和空間依賴性。

本研究的因變量包括 2000 年和 2015 年的 NDVI, 自變量為相應(yīng)時期的海拔高度、降水量、氣溫、人均 GDP、人口密度和生態(tài)建設(shè)工程造林量。所有的變量匯總在 ESRI?ArcGIS10.3 軟件中, 共有 170個區(qū)縣級行政單位作為樣本。OLS, SLM, SEM 和SARMA 模型均采用GeoDa 095i軟件構(gòu)建。

2.2.3 熱點分析

熱點分析用于識別具有統(tǒng)計顯著性的高值(熱點)和低值(冷點)的空間聚類。熱點分析工具對數(shù)據(jù)集中的每一個要素執(zhí)行 Getis-Ord Gi* 統(tǒng)計, 計算得到得分和值, 從而確定高值或低值要素在空間發(fā)生聚類的位置, 只有具有高值且被同樣具有高值的要素包圍的要素才會成為具有顯著統(tǒng)計意義的熱點。本研究使用熱點分析來識別 NDVI 變化值和生態(tài)工程造林量變化值的熱點和冷點, 并識別兩個變量的冷、熱點重疊區(qū)域, 揭示生態(tài)建設(shè)工程造林量與區(qū)域植被指數(shù)在空間上的聯(lián)系。

2.2.4人工神經(jīng)網(wǎng)絡(luò)

BP 人工神經(jīng)網(wǎng)絡(luò)(Back-propagation Neural Net-work, BPNN)可以用來模擬輸入、輸出數(shù)據(jù)間的復(fù)雜關(guān)系, 能夠應(yīng)用于植被指數(shù)與影響因子之間復(fù)雜關(guān)系的模擬[32–33]。

2000 年河北省生態(tài)建設(shè)工程尚未全面開展, 這一階段的植被受到地形、氣候和社會經(jīng)濟要素的影響, 本研究將該階段界定為基準(zhǔn)期。2015 年大規(guī)模實施生態(tài)建設(shè)工程, 在 2000 年的基礎(chǔ)上, 植被還受到生態(tài)建設(shè)工程的影響, 將該階段界定為改變期。

以河北省 170 個區(qū)縣行政單元為樣本, 構(gòu)建兩個神經(jīng)網(wǎng)絡(luò)模型: 1)利用基準(zhǔn)期的植被 NDVI 和地形、氣候以及社會經(jīng)濟數(shù)據(jù)來訓(xùn)練 BPNN 模型中的參數(shù), 得到網(wǎng)絡(luò) 1, 同時得到基準(zhǔn)期的模擬值, 將改變期的地形、氣候及社會經(jīng)濟數(shù)據(jù)輸入訓(xùn)練好的網(wǎng)絡(luò) 1, 得到改變期的模擬值; 2)利用改變期的植被NDVI 和地形、氣候、社會經(jīng)濟以及生態(tài)建設(shè)數(shù)據(jù)訓(xùn)練新的 BPNN 模型, 得到網(wǎng)絡(luò) 2 及改變期在網(wǎng)絡(luò)2 中的模擬值。通過比較兩個階段的模擬值和實測值來量化生態(tài)建設(shè)工程對植被 NDVI 的影響程度, 計算公式如下:

ΔNDVIt=NDVIrc?NDVIrr, (2)

ΔNDVI1=NDVIsc1?NDVIsr, (3)

ΔNDVI2=NDVIsc2?NDVIsr, (4)

ΔNDVIe=ΔNDVI2?ΔNDVI1, (5)

=ΔNDVIe/ΔNDVIt×100%, (6)

=ΔNDVIe/NDVIrr×100%, (7)

式中, ΔNDVIt表示兩個階段的 NDVI 實測值差值, 代表受所有因素影響的 NDVI 的總變化量; NDVIrc和 NDVIrr分別表示改變期和基準(zhǔn)期的 NDVI 實測值; ΔNDVI1表示地形、氣候和社會經(jīng)濟要素對NDVI 的影響值; NDVIsc1和 NDVIsr分別表示改變期和基準(zhǔn)期植被在網(wǎng)絡(luò) 1 中的 NDVI 模擬值; ΔNDVI2表示地形、氣候、社會經(jīng)濟要素和生態(tài)建設(shè)工程對 NDVI 的影響值; NDVIsc2表示改變期植被在網(wǎng)絡(luò) 2 中的 NDVI 模擬值; ΔNDVIe表示生態(tài)建設(shè)工程對 NDVI 的影響值;表示生態(tài)建設(shè)工程對植被NDVI 變化的貢獻比例;表示生態(tài)建設(shè)工程對基準(zhǔn)期植被 NDVI 的影響比例。

3 結(jié)果與分析

3.1 河北省2000—2015年植被變化時空特征

河北省植被狀況區(qū)域差異明顯, 南部及東北部的植被指數(shù)比西北部高。植被指數(shù)低值區(qū)集中在西北部高原地區(qū)、沿海地區(qū)以及建設(shè)活動較多的城市中心。從城市中心往外, 植被指數(shù)升高, 主要因為距離城市中心越遠(yuǎn), 建設(shè)活動減少, 對植被生長的負(fù)向影響越小, 因此植被狀況越好(圖 1)。2000— 2015 年, 研究區(qū)大部分地區(qū)的植被指數(shù)有所增加, 但西北部高原地區(qū)以及建設(shè)活動較多的地區(qū)植被指數(shù)下降。11 個地級市均有分布, 尤其是高原地區(qū)的張家口市、沿海的唐山市、秦皇島市、滄州市、靠近京津地區(qū)的廊坊市以及石家莊市, 承德市是植被指數(shù)下降最少的地級市。

從表 1 可以看出, 2000—2015 年 NDVI 基本上不變的區(qū)域為 28420km2(占 15.14%), 增加的區(qū)域為 144314km2(占 61.75%), 降低的區(qū)域為 43369km2(占 23.11%)。其中, NDVI 中度增加的區(qū)域面積最大, 為 64633km2, 占研究區(qū)總面積的 34.44%, 超過增加區(qū)域的一半。NDVI 顯著增加的區(qū)域集中在張家口市和承德市。在植被指數(shù)降低的區(qū)域中, NDVI略微降低的區(qū)域面積最大, 為 25791km2, 占研究區(qū)總面積的 13.74%, 超過降低區(qū)域的一半。NDVI 中度降低和顯著降低區(qū)域的面積較小, 主要分布在南部經(jīng)濟發(fā)展和城市化速度較快的區(qū)縣, 多為建設(shè)用地占用生產(chǎn)用地和生態(tài)用地導(dǎo)致?？梢钥闯? 河北省植被 NDVI 變化與區(qū)域植被本底、自然地理環(huán)境以及資源開發(fā)活動密切相關(guān)。

表1 2000—2015年河北省NDVI變化統(tǒng)計

3.2 河北省植被分布的影響因素

基于上述結(jié)果并參考文獻[7,11,15], 確定回歸模型的假設(shè)因子(表 2)?？紤]數(shù)據(jù)的可獲取性, 以區(qū)縣行政單元作為分析尺度。其中, 生態(tài)建設(shè)工程造林量為以 2000 年生態(tài)建設(shè)工程造林量為基礎(chǔ), 逐年累加的累計造林量。為消除變量單位的影響, 對所有數(shù)據(jù)采用極大值法進行標(biāo)準(zhǔn)化處理。

如表 3 所示, 首先, 運行 OLS, 根據(jù)方差膨脹因子(Variance Inflation Factor, VIF)值判斷共線性, 刪除氣溫自變量, 確定回歸模型的自變量為海拔高度、降水量、人均 GDP、人口密度和生態(tài)建設(shè)工程造林量。在OLS 結(jié)果中, 2000 和 2015 年的 Moran’s指數(shù)分別為 0.4631 和 0.5292, 指數(shù)殘差檢驗結(jié)果均通過 0.01%的顯著性檢驗, 表現(xiàn)出顯著的空間自相關(guān)關(guān)系, 不滿足獨立分布的假設(shè), 空間依賴性的診斷表明, 模型殘差中存在統(tǒng)計顯著的空間滯后項和空間誤差項。其次, 在 SLM 和 SEM 模型中, 空間滯后項和空間誤差項都在 0.01%水平上顯著正相關(guān)。2000 和 2015 年 Breusch-Pagan 檢驗的統(tǒng)計值均通過 0.1%水平的顯著性檢驗, 表明自變量指標(biāo)數(shù)據(jù)不存在異方差。第三, 模型擬合度量結(jié)果表明, 3 種空間回歸模型的2明顯大于 OLS, 說明空間回歸模型可以解釋更多的研究區(qū)植被指數(shù)變化, 并且 SEM和 SARMA 模型的 Log likelihood 值在 4個模型中最大, AIC 和 SC 值在 4 個模型中最小, 因此 SEM 和SARMA 模型更適用。

表2 回歸模型的假設(shè)變量

表3 河北省NDVI影響因素回歸結(jié)果

注: ***≤0.01, **≤0.05, *≤0.1, 括號內(nèi)數(shù)字為標(biāo)準(zhǔn)差。

從表 3 可以看出, 在 2000 年 OLS 和 SLM 模型中, 海拔高度與植被指數(shù)均顯著負(fù)相關(guān), 海拔較低的平原地區(qū)更適合植被恢復(fù), 尤其是人工植被的恢復(fù)。降水量僅在 SEM 模型中與植被指數(shù)顯著正相關(guān), 在另外 3 個模型中均不顯著, 其相關(guān)性不穩(wěn)定的原因可解釋為植被狀況對氣候的響應(yīng)在時間上存在滯后性, 在空間上存在尺度依存性, 并且降水量數(shù)據(jù)為經(jīng)過 DEM 校正得到的插值數(shù)據(jù), 與DEM 數(shù)據(jù)的共線性可能導(dǎo)致回歸結(jié)果有誤差。人均 GDP和人口密度在所有模型中與植被指數(shù)均負(fù)相關(guān), 反映出經(jīng)濟發(fā)展水平和人口壓力對植被狀況有顯著的負(fù)向作用, 也說明隨著社會經(jīng)濟的發(fā)展, 人類對生產(chǎn)生活空間的需求不斷增加, 擠壓生態(tài)空間, 高強度的城鎮(zhèn)建設(shè)活動對生態(tài)環(huán)境產(chǎn)生的壓力尤其凸顯。生態(tài)建設(shè)工程造林量在 4 個模型中對區(qū)域植被均未表現(xiàn)出顯著相關(guān)性, 這與河北省 2002 年以后才啟動退耕還林工程和京津風(fēng)沙源治理工程有直接關(guān)系。

2015 年的回歸結(jié)果與 2000 年有兩處差異: 1) 降水量在 4 個模型中都與植被指數(shù)顯著正相關(guān), 與以往研究[27–28]得到的結(jié)果相同, 反映出在正常水平內(nèi)年降水量越多, 越能滿足植被生長對水分的需求, 對植被生長有促進作用; 2)生態(tài)建設(shè)工程造林量在 OLS 和 SLM 模型中與植被指數(shù)顯著正相關(guān), 反映出生態(tài)建設(shè)工程對區(qū)域植被生長產(chǎn)生明顯的正向影響。生態(tài)建設(shè)工程造林量在 2000 年與 2015 年模型中顯示截然不同的回歸結(jié)果, 主要有兩個方面的原因: 一方面, 2015 年重點生態(tài)建設(shè)工程累計造林面積達(dá) 4.42 萬 km2, 增加幅度較大, 因此生態(tài)建設(shè)工程對植被恢復(fù)的影響不容忽視; 另一方面, 生態(tài)建設(shè)工程實施 15 年產(chǎn)生績效, 給予早期的人工植被足夠的生長時間, 植被生長更為茂盛, NDVI 的增加幅度更大。

3.3 植被變化對生態(tài)建設(shè)工程的響應(yīng)

圖 2 顯示, 2000—2015 年生態(tài)建設(shè)工程造林量與NDVI 變化值之間存在正相關(guān)關(guān)系。由于還有其他因素影響植被指數(shù)的變化, 所以回歸模型的擬合優(yōu)度較小。

熱點分析結(jié)果(圖 3)顯示, 從 2000 年到 2015 年, 河北省 NDVI 變化和生態(tài)建設(shè)工程造林量變化的熱點地區(qū)以及兩者的重合區(qū)域均集中在北部的承德市和張家口市, 說明這些地區(qū)造林量增加面積顯著, 植被覆蓋情況改善明顯。承德市和張家口市的林地分布較為集中, 密度較大, 植被覆蓋基礎(chǔ)較好, 同時社會經(jīng)濟發(fā)展的壓力小于南部地區(qū), 對土地資源利用的需求較小, 對生態(tài)空間的擠占較小, 因此生態(tài)建設(shè)工程的實施效果比較理想, 對植被覆蓋情況改善效果顯著。NDVI 變化的冷點分布在京津周圍的廊坊市、滄州市北部、唐山市沿海地區(qū)以及研究區(qū)南部的邯鄲市和邢臺市(圖 3(a)), 表明這些地區(qū)植被覆蓋情況沒有得到改善, 甚至發(fā)生退化。生態(tài)建設(shè)工程造林量變化的冷點集中在南部地區(qū), 包括石家莊市、保定市、廊坊市、滄州市、衡水市、邢臺市和邯鄲市(圖 3(b)), 表明這些地區(qū)的造林量增加較少。兩者的冷點重合區(qū)域主要位于滄州、廊坊、保定、邢臺和邯鄲等地級市的部分區(qū)縣(圖3(c)), 這些地區(qū)生態(tài)建設(shè)工程的實施規(guī)模較小且力度不大, 同時南部地區(qū)的社會經(jīng)濟發(fā)展給植被生長帶來壓力, 因此生態(tài)建設(shè)工程未能實現(xiàn)預(yù)期的植被覆蓋改善效果。

BP 人工神經(jīng)網(wǎng)絡(luò)模擬結(jié)果(圖 4 和 5)顯示, 在170 個區(qū)縣中, 生態(tài)建設(shè)工程對植被 NDVI 大多數(shù)為正向影響, 其中影響值為 0~0.1 的區(qū)縣最多, 多分布于河北省南部。影響值>0.1 的區(qū)縣主要分布于承德市和張家口市, 也是造林量變化的熱點區(qū)域。有 36 個區(qū)縣的影響值是負(fù)數(shù), 多分布于張家口市的西北部、秦皇島和唐山市的東部以及廊坊、保定、滄州、石家莊、邢臺和邯鄲市的城市建成區(qū)。生態(tài)建設(shè)工程對植被 NDVI 的影響占基準(zhǔn)期NDVI 的比例大多數(shù)在 0~0.1 之間, 對 NDVI 變化值的貢獻比例則分布較廣, 從?100 到 100, 其中樣本最多的是1~5, 其次是 0.1~0.5 和 0.5~1。說明河北省大部分地區(qū)的生態(tài)建設(shè)工程對植被 NDVI 的變化起顯著的積極作用。EPA 對 NDVI 變化值的貢獻比例分布與 EPA 對 NDVI 的影響值的分布在絕大部分地區(qū)較為一致, 即影響值較大的地區(qū)貢獻比例較大, 影響值較小的地方貢獻比例較小。但是, 也存在一些完全相反的地區(qū), 甚至正、負(fù)值也相反。如廊坊市和滄州市靠近京津地區(qū)的區(qū)縣, EPA 對 NDVI 的影響顯示正值, 而 EPA 對 NDVI 變化值的貢獻比例顯示負(fù)值, 說明這些地區(qū)的 NDVI 在研究時段內(nèi)減小, 這一現(xiàn)象與 NDVI 變化熱點分析的冷點聚集分布現(xiàn)象相一致。

4 討論

本研究得出的河北省植被覆蓋變化特征與以往研究結(jié)果[25–26]一致, 東北部地區(qū)植被狀況較好, 2000—2015 年省域內(nèi)大部分地區(qū)植被狀況得到改善, 植被指數(shù)低值區(qū)集中在西北部高原、渤海灣以及城市建成區(qū)。氣候因素是影響植被變化的重要因素, 本文回歸分析結(jié)果顯示河北省植被變化與降水量正相關(guān), 與以往研究結(jié)論[27–28]一致。氣溫對河北省植被變化的影響則有所差異, 晏利斌等[27]發(fā)現(xiàn)植被變化與氣溫正相關(guān), 孟丹等[28]發(fā)現(xiàn)植被變化與氣溫負(fù)相關(guān), 本文在數(shù)據(jù)檢驗階段由于 VIF 值過高將氣溫剔除。氣溫因素出現(xiàn)如此截然不同的結(jié)果歸因于兩個方面: 一是研究時段的不同導(dǎo)致氣溫的影響存在差異; 二是氣溫數(shù)據(jù)來源的不同以及對年均溫和生長季均溫的選擇導(dǎo)致分析結(jié)果有所差異。因此, 氣溫與河北省植被變化的相關(guān)性有待進一步探討。與氣溫相比, 降水量對河北省植被變化的影響更大, 更穩(wěn)定。

中國為改善生態(tài)環(huán)境頒布一系列政策, 并實施大批生態(tài)工程。學(xué)者們針對這些政策和工程的實施效果進行大量研究, 但多數(shù)研究將自然因素之外的影響籠統(tǒng)地歸納為人類活動的影響[34], 定性地將人類活動產(chǎn)生的積極影響歸結(jié)于區(qū)域生態(tài)政策和工程的實施。實際上, 人類活動包括社會經(jīng)濟建設(shè)和生態(tài)環(huán)境建設(shè)兩大方面, 前者以資源開發(fā)、經(jīng)濟增長、滿足生產(chǎn)和生活為目標(biāo), 對植被變化的影響多為負(fù)面; 后者諸如城市綠化、生態(tài)工程等, 以改善環(huán)境、保護生態(tài)為目標(biāo), 對植被變化的影響多為正面。因此, 籠統(tǒng)地探討人類活動的影響, 無法區(qū)分二者, 難以正確評估生態(tài)政策和工程的效果。為解決這一問題, 本文將人類活動定量為人均 GDP、人口密度和生態(tài)建設(shè)工程造林量, 清晰、全面地量化人類活動對植被生長的影響。結(jié)果表明, 河北省社會經(jīng)濟建設(shè)確實對植被生長總體上起到抑制作用, 而生態(tài)建設(shè)工程對植被生長起促進作用, 與孟丹等[28]對京津冀地區(qū)植被變化的研究結(jié)果相互驗證。此外, 本文還量化各區(qū)縣生態(tài)建設(shè)工程對植被變化的影響程度, 由于不同地區(qū)生態(tài)建設(shè)工程實施規(guī)模和當(dāng)?shù)貙こ痰倪m宜程度不同, 加之不同植被恢復(fù)措施和不同林種類型的生態(tài)效益不同, 導(dǎo)致生態(tài)建設(shè)工程的效果因地而異, 因此對植被變化的影響表現(xiàn)出不同的結(jié)果。

本研究存在不足之處。采用 2000 和 2015年截面數(shù)據(jù)分析河北省 2000—2015 年植被變化時空特征, 容易忽略這兩個年度數(shù)據(jù)無法發(fā)現(xiàn)的年際變化與年內(nèi)變化規(guī)律。未來工作應(yīng)深入分析 NDVI 時間序列的變化特征, 并考慮影響的滯后效應(yīng), 與截面數(shù)據(jù)分析結(jié)果進行比較, 得出更穩(wěn)定、更可靠的結(jié)論。另外, 盡管本研究全面地考慮了研究區(qū)內(nèi)實施的所有生態(tài)建設(shè)工程, 但不夠細(xì)化, 采用的數(shù)據(jù)是河北省所有生態(tài)工程造林量的總和, 而不同生態(tài)建設(shè)工程的實施規(guī)模和人造植被類型等都有區(qū)別, 導(dǎo)致對植被變化的影響有所差異。因此, 應(yīng)進一步分析各個重大生態(tài)建設(shè)工程對植被變化的影響, 評估不同生態(tài)建設(shè)工程的效果。

[1] Piao S, Wang X, Ciais P, et al. Changes in satellite-derived vegetation growth trend in temperate and boreal Eurasia from 1982 to 2006. Global Change Biology, 2011, 17(10): 3228–3239

[2] 陳燕麗, 羅永明, 莫偉華, 等. MODIS NDVI 與MODIS EVI對氣候因子響應(yīng)差異. 自然資源學(xué)報, 2014(10): 1802–1812

[3] 梁四海, 陳江, 金曉媚, 等. 近 21 年青藏高原植被覆蓋變化規(guī)律. 地球科學(xué)進展, 2007, 22(1): 33–40

[4] 欒金凱, 劉登峰, 黃強, 等. 近 17 年陜西榆林植被指數(shù)的時空變化及影響因素. 生態(tài)學(xué)報, 2018, 38 (8): 2780–2790

[5] 高江波, 吳紹洪, 蔡運龍. 區(qū)域植被覆蓋的多尺度空間變異性——以貴州喀斯特高原為例. 地理研究, 2013, 32(12): 2179–2188

[6] 王青霞, 呂世華, 鮑艷, 等. 青藏高原不同時間尺度植被變化特征及其與氣候因子的關(guān)系分析. 高原氣象, 2014, 33(2): 301–312

[7] 郭晶, 關(guān)華德, 章新平. 1982～2010 年洞庭湖流域植被指數(shù)的變化及其與氣候因子的相關(guān)分析. 長江流域資源與環(huán)境, 2015, 24(8): 1305–1314

[8] Georganos S, Abdi A M, Tenenbaum D E, et al. Examining the NDVI-rainfall relationship in the semi-arid Sahel using geographically weighted regression. Journal of Arid Environments, 2017, 146: 64–74

[9] 田義超, 梁銘忠. 北部灣沿海地區(qū)植被覆蓋對氣溫和降水的旬響應(yīng)特征. 自然資源學(xué)報, 2016, 31(3): 488–502

[10] Zoungrana B J, Conrad C, Thiel M, et al. MODIS NDVI trends and fractional land cover change for improved assessments of vegetation degradation in Burkina Faso, West Africa. Journal of Arid Environ-ments, 2018, 153: 66–75

[11] 朱林富, 謝世友, 楊華, 等. 基于 MODIS EVI 的重慶植被覆蓋變化的地形效應(yīng). 自然資源學(xué)報, 2017, 32(12): 2023–2033

[12] Gillespie T W, Ostermann-Kelm S, Dong C, et al. Monitoring changes of NDVI in protected areas of southern California. Ecological Indicators, 2018, 88: 485–494

[13] 江姍珊, 張增信, 王瑋琳, 等. 江蘇省植被動態(tài)演變規(guī)律及其與極端氣候事件的關(guān)系. 南京林業(yè)大學(xué)學(xué)報(自然科學(xué)版), 2016, 40(5): 74–80

[14] Li Chunlan, Wang Jun, Hu Richa, et al. Relationship between vegetation change and extreme climate indices on the Inner Mongolia Plateau, China, from 1982 to 2013. Ecological Indicators, 2018, 89: 101–109

[15] Li Ting, Lü Yihe, Fu Bojie, et al. Gauging policy-driven large-scale vegetation restoration programmes under a changing environment: their effectiveness and socio-economic relationships. Science of the Total Environment, 2017, 607/608: 911–919

[16] Chen C, Park T, Wang X, et al. China and India lead in greening of the world through land-use manage-ment. Nature Sustainability, 2019, 2: 122–129

[17] Li Shuai, Liang Wei, Fu Bojie, et al. Vegetation changes in recent large-scale ecological restoration projects and subsequent impact on water resources in China’s Loess Plateau. Science of the Total Environ-ment, 2016, 569/570: 1032–1039

[18] 張清雨, 趙東升, 吳紹洪, 等. 基于生態(tài)分區(qū)的內(nèi)蒙古地區(qū)植被覆蓋變化及其影響因素研究. 地理科學(xué), 2013, 33(5): 594–601

[19] 羅敏, 古麗·加帕爾, 郭浩, 等. 2000—2013 年塔里木河流域生長季 NDVI 時空變化特征及其影響因素分析. 自然資源學(xué)報, 2017, 32(1): 50–63

[20] Qu Sai, Wang Lunche, Lin Aiwen, et al. What drives the vegetation restoration in Yangtze River basin, China: climate change or anthropogenic factors? Eco-logical Indicators, 2018, 90: 438–450

[21] 唐見, 曹慧群, 陳進. 生態(tài)保護工程和氣候變化對長江源區(qū)植被變化的影響量化. 地理學(xué)報, 2019, 74(1): 76–86

[22] Zhang Daojun, Jia Qiqi, Xu Xin, et al. Contribution of ecological policies to vegetation restoration: a case study from Wuqi County in Shaanxi Province, China. Land Use Policy, 2018, 73: 400–411

[23] 孫慶齡, 李寶林, 許麗麗, 等. 2000－2013 年三江源植被 NDVI 變化趨勢及影響因素分析. 地球信息科學(xué)學(xué)報, 2016, 18(12): 1707–1716

[24] Zhang J, Niu J, Bao T, et al. Human induced dryland degradation in Ordos Plateau, China, revealed by mul-tilevel statistical modeling of normalized difference vegetation index and rainfall time-series. Journal of Arid Land, 2014, 6(2): 219–229

[25] 李卓, 孫然好, 張繼超, 等. 京津冀城市群地區(qū)植被覆蓋動態(tài)變化時空分析. 生態(tài)學(xué)報, 2017, 37(22): 7418–7426

[26] 尹?？? 趙文廷, 李超, 等. 基于生態(tài)分區(qū)的河北省植被覆蓋時空變化特征研究. 土壤通報, 2016, 47(1): 29–35

[27] 晏利斌, 劉曉東. 1982—2006 年京津冀地區(qū)植被時空變化及其與降水和地面氣溫的聯(lián)系. 生態(tài)環(huán)境學(xué)報, 2011, 20(2): 226–232

[28] 孟丹, 李小娟, 宮輝力, 等. 京津冀地區(qū) NDVI 變化及氣候因子驅(qū)動分析. 地球信息科學(xué)學(xué)報, 2015, 17(8): 1001–1007

[29] 焦珂?zhèn)? 高江波, 吳紹洪, 等. 植被活動對氣候變化的響應(yīng)過程研究進展. 生態(tài)學(xué)報, 2018, 38(6): 2229–2238

[30] 鄭亞云. 榆林 NDVI 時空變化及驅(qū)動因子研究[D]. 西安: 長安大學(xué), 2015

[31] Chi G, Ho H C. Population stress: a spatiotemporal analysis of population change and land development at the county level in the contiguous United States, 2001–2011. Land Use Policy, 2018, 70: 128–137

[32] Stepchenko A, Chizhov J. NDVI short-term forecas-ting using recurrent neural networks // Environment. Technology. Resources: Proceedings of the 10th Inter-national Scientific and Practical Conference. Rezekne, 2015: 180–185

[33] Huang Shengzhi, Ming Bo, Huang Qiang, et al. A case study on a combination NDVI forecasting model based on the entropy weight method. Water Resources Management, 2017, 31(11): 3667–3681

[34] Wang Fangtian, An Pingli, Huang Can, et al. Is afforestation-induced land use change the main contributor to vegetation dynamics in the semiarid region of North China?. Ecological Indicators, 2018, 88: 282–291

Change of Vegetation and Contribution of Ecological Construction Projects in Hebei Province

ZHU Lijun1, MENG Jijun1,?, LI Jiangfeng2

1. Key Laboratory of Earth Surface Processes of Ministry of Education, College of Urban and Environmental Sciences, Peking University, Beijing 100871; 2. School of Public Administration, China University of Geosciences, Wuhan 430074; ?Corresponding author, E-mail: jijunm@pku.edu.cn

This study analyzed the characteristics of vegetation change, and built spatial econometric models to identify the affecting factors of vegetation change in Hebei Province with topographic, meteorological, and socio-economic data. On this basis, the hotspot analysis and artificial neural network were used to further quantify the specific impact extent of the ecological projects on vegetation change. The results showed that vegetation index in the southern and northeastern regions of Hebei Province was higher than that in the northwestern areas. Vegetation improved in most areas during the study period and the area proportion of NDVI sustained regions, increased regions and decreased regions is 15.14%, 61.75% and 23.11%, respectively. The main influencing factors of NDVI were elevation, per capita GDP and population density in 2000, which had a negative effect on vegetation in Hebei Province, while NDVI in 2015 was also affected by the additional factors, precipitation and ecological construction program, which had a positive effect. The impacts of ecological construction projects on NDVI were positive in most areas, and most of them were slightly improved. The areas with significant improvement were distributed in Chengde City and Zhangjiakou City, which were also hot spots of NDVI change and EPA (Ecological Project Area) change. The negative impact of ecological construction project on NDVI mainly occurred in the northwest of Zhangjiakou City, the east of Qinhuangdao and Tangshan, and the urban built-up area in the south of Hebei Province. The research results provide a basis for the scientific evaluation of the performance of national ecological construction projects and support for ecological protection and vegetation restoration of Hebei Province.

change of vegetation; ecological construction project; artificial neural network; spatial econometric model; Hebei Province

10.13209/j.0479-8023.2020.047

國家自然科學(xué)基金(41871074)資助

2019–06–26;

2020–02–24