基于遥感转型期唐山主城区地类变化的NPP响应(5)

[11]何琼，安帅，李琦.基于绿色发展理念的采煤塌陷区转型机制研究：以唐山南湖生态城为例[J].价值工程，2018，37(27)：71-73.

[12]周家彬.基于遥感的唐山市土地利用变化生态环境效应研究[D].唐山：华北理工大学，2018.

[13]张梦华.基于遥感影像的唐山市土地利用时空变化研究[D].唐山：华北理工大学，2017.

[14]沃笑，吴良才，张继平，等.基于CASA模型的三江源地区植被净初级生产力遥感估算研究[J].干旱区资源与环境，2014，28(9)：45-50.

[15]朱文泉，潘耀忠，何浩，等.中国典型植被最大光利用率模拟[J].科学通报，2006，51(6)：699-706.

唐山是我国北方重要的工业城市，同时也是一座资源型城市，随着矿物储量的消耗殆尽，此类资源型城市面临着转型发展的问题。长时间的矿业活动造成了一些地表塌陷，并衍生了一些生态环境问题，同时受工业化、城市化影响，土地利用变化剧烈且典型。为改良生态环境，加快城市转型建设，唐山于1996年底对采煤沉陷区南湖区域开展生态恢复工程。因此，本研究以唐山南湖生态工程建设关键时间节点为研究时序，基于转型期唐山土地利用变化，研究由此造成的NPP变化，研究对通过优化土地利用布局和结构来改善生态环境问题有积极意义，可为资源型城市转型发展提供理论指导和经验借鉴。目前，有关净初级生产力的估算模型主要采用Carnegie-Ames-Stanford Approach模型（简称CASA模型），其中，方精云[1]、徐国泉[2]、李玉强[3]等人从大尺度研究区域切入，估算了全国林地生态系统的净初级生产力；丁相元[4]、李晶[5]、尤南山[6]等人针对我国不同地域的生态环境特点，分别对我国北方农牧交错地带、陕北黄土高原区域、西北黑河中上游流域的NPP进行估算。王静等[7]以Landsat TM影像和相关气象数据为数据源，估算了东北地区植被NPP，并对其NPP空间变化进行对比分析；韩王亚等[8]利用MODIS-NDVI数据估算拉萨河流域15年间NPP变化情况，并对造成研究区NPP变化的因素进行分析；陈涛等[9]使用Landsat-ETM数据估算了2013年武汉14个区的NPP，并从空间和总量上进行深入分析；袁烨城等[10]以GF-1/WFV影像为数据源，在对研究区地表覆被分类的基础上，结合NDVI和气象数据估算研究区NPP，并获得研究区中等分辨率的月度NPP产品。分析发现，以往的研究多针对大尺度区域展开，对小范围区域的研究相对偏少，利用遥感数据研究唐山主城区NPP变化有足够的理论支撑。基于此，文章开展唐山主城区土地利用变化及其产生的NPP时空变化研究。1 研究区与数据源1.1 研究区概况研究区为唐山市主城区(包括路南区、路北区)，见图1。唐山市因煤而兴，矿产资源的开发利用加速了资源的枯竭、生态环境的恶化，唐山市于20世纪末开始努力在资源型城市的基础上实现城市产业转型升级，在满足城市经济建设发展的同时保障城市生态环境的保护[11]。其中，南湖生态工程是唐山城市转型建设的重要工程，经过多年的生态修复南湖区域已成为唐山市新时代的城市新名片，也是唐山转型20年来的重要成果之一，唐山市委市政府以南湖建设为契机，统筹兼顾生态、经济、社会效益，希望通过对南湖的开发与建设促进产业结构和城市发展转型。图1 研究区示意图Fig.1 Study area 影像数据研究选取 1996、2006、2015年这3年（夏季、无云）的 Landsat系列中分遥感影像作为数据源。为保证提取精度，选择1996、2006年土地利用现状图和2015年高分影像作为辅助数据进行精度验证。影像的具体参数见表1。表1 研究所用各期影像数据参数汇总表Table 1 Summary of parameters of each period of image data used in the study年份分辨率卫星 成像日期30 2 30m 2 15/30m Landsat5 TM Landsat7 ETM Landsat8 OLI_TIRS 30m 2015 2/8m高分一号(PMS)1.3 气象数据计算NPP时需要用到1996、2006、2015三年的气象数据，其中包括研究区月最高、最低和平均气温；研究区月降水量、单位面积太阳辐射量及实际蒸发量等。数据主要通过中国气象科学数据共享服务平台、美国国家气候数据中心 （National Climatic Data Center,NCDC）在中国区域的观测站点数据、河北省气象局统计年鉴等收集。2 研究方法2.1 分层分类法根据GBT-2017《土地利用现状分类》标准，结合研究区土地利用特点，将研究区土地利用类型分为5类，分别为农用地、建设用地、城市绿地、水域、其他用地（裸地、未利用地）；通过计算多波段组合最佳指数因子[12]、确定每期影像最佳地类识别波段组合的基础上，结合遥感影像光谱值的差异性，总结各用地类型的影像特征，建立不同用地类型的遥感解译标准；通过实验对比不同分类方法的分类效果好坏，选用分层分类法与最大似然分类法相结合的分类方法[13]进行土地利用类型分类，各年份地类提取精度见表2，提取结果满足制图精度要求。表2 不同时期土地利用类型分类精度汇总表Table 2 Summary of classification accuracy of land use types in different periods年份 Kappa系数精度/%1996 83.53 0.77 2006 86.92 0.83 2015 0.89 91.502.2 NPP估算模型——CASA模型2.2.1 CASA模型估算NPP流程光能利用率模型是目前研究和应用最多的一种NPP遥感反演模型，其中由Potter等1993年建立的CASA(Carnegie-Ames-Stanford Approach)模型是目前使用较多的光能利用率模型[14]。故研究采用CASA模型对研究区NPP进行估算。研究过程中，通过对所需气象数据的加工，得到CASA模型需要的参数，并通过一系列计算，最终反演出研究区NPP值。具体反演流程见图2。图2 CASA模型反演NPP流程图Fig.2 CASA model inversion NPP flow NPP计算模型NPP计算采用的CASA模型见式（1）：式（1）中：NPP(x,t)指 t月份 x 点处 NPP，单位为 g·C·m-2；APAR(x,t)指光合有效辐射量，单位MJ/m2，计算公式如下：式（2）中 SOL(t)指一年中某（t）月太阳辐射量，单位为 MJ/m2，由于研究区范围较小并处于同一纬度带，研究区每月太阳辐射量基本一致，故研究过取同年同月太阳辐射量均值进行计算；FPAR(x,t)指吸收太阳光辐射率，FPAR(x,t)=(FPAR(x,t)NDVI+FPAR(x,t)SR)/2，其中，FPAR(x,t)NDVI与 FPAR(x,t)SR分别指 NDVI指数与 NDVI比值指数(SR)下的有效吸收率。其中：式（1）中 ε(x,t)为像元 x 在 t月份的实际光能，单位为 g·c·mJ-1：其中，f1(x,t)指低温胁迫指数，f2(x,t)指高温胁迫指数，此两者反映的是温度条件，ε(x,t)指水分胁迫系数，反应的是水分条件因子；εmax值参考文献[15]。式（5）中TNDVI(x)指当NDVI值达到最大时，该月的平均气温；T(x,t)为影像成像日期的平均气温，E(x,t)、EP(x,t)分别表示实际、潜在蒸散量（mm）。3 结果与分析3.1 转型期地类变化结果与分析3.1.1 主城区地类变化基于ENVI平台，利用分层分类法，分别对3期遥感影像进行土地利用类型提取，并制图，结果见图3和表3。图3 转型期主城区土地利用类型遥感解译结果图Fig.3 Remote sensing interpretation results of land use types in the main urban area during the transition period表3 转型期各土地利用类型面积及变化情况表Table3 Table of land use types and changes in various types of land during the transition period其它用地地类 水域23.9面积（km2）1996 2006 2015农用地35.3 52.9 34.1建设用地 人工绿地87.5 8.9 94.0 16.3 104.0 22.4 14.1 2.5 4.0 5.2 4.1 8.30 14.07占比（%）1996 20.89 51.50 5.24 2006 31.17 55.39 9.61 1.47 2.36 2015 20.08 61.25 13.20 3.06 2.41增速（%/年）1996~2006 4.45 0.68 7.56 -7.48 -7.57 2006~2015 -3.55 1.06 3.74 10.8 0.25 1996~ 由表3知，建设用地为研究区占地面积最大的用地类型，1996~2015年建设用地面积共增长16.5 km2达到104km2，面积占比增加到61.25%，年均增速为0.94%，表现为稳步增长趋势；农用地变化量最小、增速最低，面积减少1.2 km2、增速为-0.2%/年，面积占比基本维持不变，但1996~2006年间农用地面积增速为48.96%，2006~2015年间增速为-3.55%，说明研究期内农用地受惠农政策影响活动剧烈；人工绿地年均增速最高，达到7.58%/年，其面积在1996~2006年间增加了7.4 km2，2006~2015年间增加了6.1 km2，至研究末期人工绿地面积增加到22.4 km2，面积占比由研究初期的5.24%增长到13.2%；水域与其他用地都保持先减后增的趋势，但整个研究期间二者面积大量减少，较研究初期水域面积减少8.8 km2，其他用地减少19.8 km2，至研究末期水域面积占比为3.06%，其他用地为2.41%。由图3知，研究期间建设用地以中东部老城区为起始中心，不断向西部、南部和西北方向延伸，至2015年，除人工绿地外其余地类则被迫依附于建设用地的边缘地带；人工绿地增长明显，主要分布在建设用地附近，但其在空间上则呈现出向南湖区域迁移聚集的趋势，研究末期人工绿地与水体的重心已迁移至南湖区域；农用地则表现为“C”字型半包围分布特征，分布在研究区外围边缘地带，环抱于建设用地外围存在 典型区——南湖区域地类变化随着南湖生态工程的建设，研究区人工绿地及水域的重心迁移至南湖区域，为了进一步了解改造后南湖区域的生态环境效应，故对南湖区域进行独立研究。采用相同的分类标准与分类方法，对南湖区域5种地类进行解译，结果见图4和表4。图4 转型期南湖区域土地利用类型遥感解译结果图Fig.4 Remote sensing interpretation results of land use types in the Nanhu area during the transition period表4 转型期期南湖区域各地类面积及其变化情况汇总表Table4 Summary table of the area and its changes in the Nanhu area during the transition period其它用地年份 水域0.8面积（km2）1996 2006 2015农用地3.2 4.9 1.0建设用地 人工绿地3.7 2.8 3.9 4.0 3.3 6.7 4.4 1.7 0.4 3.8 0.1 29.53 5.37占比（%）1996 21.48 24.83 18.79 2006 32.89 26.17 26.85 11.41 2.68 2015 6.71 22.15 44.97 25.50 0.67增速（%/年）1996~2006 4.83 0.49 3.90 -5.58 -4.54 2006~2015 -7.96 -1.54 6.75 12.35 -7.5 1996~ 由表4知，1996~2015年间南湖区域人工绿地面积由2.8 km2增加到6.7 km2，面积占比由研究初期的18.79%增长到44.97%，年平均增长率为6.96%，是南湖区域唯一正向增长的用地类型；水域面积减少了0.6 km2，面积占比下降4.03%，总体变化不明显，但 年间水域面积急剧下降，占比由29.53%下降到11.41%，至2015年面积占比又提高到25.50%；其他用地面积变化明显，年增速为-4.37%，面积由0.8 km2降至0.1 km2，至2015年其他用地面积占比降至0.67%，成为南湖区域面积最小的地类；农用地变化趋势与整体研究区一致，表现为先增后减的趋势，在研究期内表现为负增长，面积占比由21.48%降至6.71%，至2015年农用地面积仅存1 km2；南湖区域建设用地增速缓慢，但建设用地发展趋势与整体研究区建设用地发展趋势相反，表现为负增长现象，面积减少0.4 km2，占比降低2.68%。由图4知，1996~2015年间南湖区域人工绿地面积一直保持增长态势，其在空间分布上逐渐由小斑块破碎化分布演变为大面积连片式分布特征；这一时期水域面积略有减少，但水域逐渐呈现出有规律的聚集式分布，一改往日杂乱无章的分布格局；该区域建设用地逐步被人工绿地排挤至南湖区域北部和东部边缘地带，依附在人工绿地边缘，面积略微减少；南湖区域内部农用地分布特征由大斑块连片式分布逐步趋于破碎化并最终被人工绿地蚕食殆尽，其面积大量减少并最终零星地夹杂在人工绿地与建设用地之间 基于地类变化的NPP响应3.2.1 NPP变化总量响应理论上水域与建设用地的NPP产值为零，故研究不对其进行计算分析，其他用地主要为未利用地、废弃地、裸地等未被分类的用地类型，这里也不对其进行统计。因此，主要计算人工绿地、农用地的NPP，并将其作为研究区的NPP，通过对所有像元的NPP求和得出研究区NPP总量，并计算出单位面积NPP，具体计算结果见表5和图5。表5 研究区单位面积NPP估算结果Table5 NPP estimation results per unit area of the study area注：净初级生产力单位：gC·m-2年份南湖农用地南湖人工绿地50.58 46.42 47.73 48.85 44.10 51.89研究区 研究区人工绿地研究区农用地1996 49.31 2006 47.08 13.14 19.65 49.87 49.66 2015 43.54 14.90南湖区域19.31 28.60 由表5、表3知，研究区人工绿地单位面积NPP减少4.15 gC·m-2，农用地单位面积 NPP减少 6.48 gC·m-2，但由于人工绿地面积的增长，1996~2015年研究区单位面积NPP均值增长1.76 g C·m-2；南湖区域人工绿地单位面积NPP增加5.47 gC·m-2、农用地单位面积NPP减少5.77 gC·m-2，由于人工绿地面积增加，南湖区域单位面积NPP增长6.95 g C·m-2；由于农用地面积基数较大，并于1996~2006年快速增长，致使这一时期研究区整体NPP快速增长，研究区单位面积NPP增长6.51 gC·m-2，南湖区域单位面积NPP增加9.29 g C·m-2，但2006~2015年农用地面积又急剧减少，使得研究区单位面积NPP减少4.75 g C·m-2，南湖区域单位面积NPP减少 ；研究期间，南湖区域NPP均值均高于研究区NPP均值，自2006年研究区单位面积人工绿地NPP产值高于农用地。1996~2006年南湖区域单位面积NPP产值增长幅度大于研究区NPP增长幅度，在一定程度上提升了研究区NPP产值；2006~2015年南湖区域单位面积NPP减少量低于研究区单位面积NPP减少量，减缓了研究区NPP下降速度。由表3、图5a可知，由于研究区农用地基数较大且变化剧烈，致使研究区NPP总量受农业用地影响较大，变化趋势与农用地保持一致，表现为先增后减；人工绿地NPP随着人工绿地面积的逐年增加一直保持增长趋势，且增长趋势十分稳定；由于人工绿地面积的不断增长，1996~2015年在农用地NPP产值减少271t的情况下研究区NPP总产值增长299t；由于农用地的急剧减少，2006~2015年研究区NPP减少809t的情况下人工绿地NPP却增长了215t。说明人工绿地的增加有效地遏制了建设用地扩张导致农用地减少而造成NPP降低的问题，人工绿地在提高城市NPP方面起到了重要作用。1996 to 2015图5 1996~2015年研究区及南湖NPP变化图Fig.5 NPP change map of the study area and Nanhu from由表4、图5b可知，1996~2006年受农用地与人工绿地面积增长变化影响，南湖区域人工绿地NPP与农用地NPP基本保持平行增长，但由于2006~2015年农用地面积快速减少，南湖区域农用地NPP出现急剧下滑、人工绿地NPP则保持高速增长趋势；南湖区域NPP变化趋势与农用地面积变化趋势保持一致（表现为先增后减），但由于人工绿地面积的增长使得2006~2015年南湖区域NPP减少速度小于农用地NPP减少速度。说明人工绿地的增加减缓了因农用地减少造成的NPP急剧下降现象 基于地类变化的NPP空间响应利用CASA模型，估算得到1996、2006和2015年唐山市NPP（gC·m-2），其空间分布结果见图 6、图 7。图6 转型期NPP空间分布图Fig.6 NPP spatial distribution map during transition period图7 转型期南湖区域NPP空间分布图Fig.7 Spatial distribution map of NPP in the Nanhu area during the transition period由图3、图4、图 6、图7知，同一时期 NPP空间分布结果与研究区地类分布图相吻合，沿建设用地扩张的方向NPP值变为低值区，农用地、人工绿地分布区域为NPP高值区；同一时期，整体上NPP高值区分布与农用地和人工绿地分布一致，呈月牙状分布在建设用地边缘地带；研究期间，由于南湖区域生态工程建设以及东南部农用地的保留，研究区NPP高值区在空间上向路南区南湖区域迁移；1996年后NPP最大值均位于南湖区域，由于南湖区域大面积的湖泊景观的改造，致使该区域2015年NPP高值区分布范围减少，但NPP高值区的生产力有所提升且NPP高值区与人工绿地分布一致；随着时间的推移，研究区高值区逐步减少，至研究末期主要集中在研究区南部南湖生态改造区域及周边生态缓冲区域。这说明，在唐山市转型过程中，路南区南湖生态工程的建设使得南湖区域NPP水平维持在一个相对稳定的状态，随着时间的推移南湖生态工程对唐山市NPP的影响作用越来越突出，随着人们对人工绿地的重视，人工绿地对唐山市NPP产值的贡献越来越大。4 讨论与结论1）研究期间，建设用地保持稳定的增速向西北、西、西南方向扩张，覆盖面积高达61.25%；农用地是研究区第二大用地类型，呈“C”字型分布在研究区外层，变化趋势表现为先快速增加后快速减少的变化趋势，但其面积占比仅减少0.81%；人工绿地一直保持快速增长趋势，年均增长速度为7.58%/年，主要分布在建设用地周边。2）研究区NPP变化趋势与农用地变化趋势一致，受农用地影响较大；但是随着研究区人工绿地的不断增加，减缓了2006~2015年农用地大面积减少导致的研究区NPP下降趋势；研究区NPP的空间变化与农用地和人工绿地的分布一致，NPP高值区的分布与农业用地、人工绿地的空间分布相吻合，呈月牙状分布在建设用地周围。研究认为，农用地减少直接导致研究区净初级生产力生产能力降低，人工绿地的增加对于增强地区的净初级生产力有积极正向影响。3）南湖区域人工绿地面积增加3.9km2，绿地覆盖率高达44.97%，水域面积为3.8 km2，成为南湖主要景观之一；研究期间南湖单位面积NPP均高于研究区，2006年后研究区NPP最大值均位于南湖区域；研究区NPP高值区向南湖区域迁移；南湖工程的建设在改变用地类型的同时，由于人工绿地的增加在一定程度上加速了研究区1996~2006年NPP的增加，并抑制了2006~2015年NPP减少的趋势。4）地表植被覆盖情况是影响NPP高低的关键，理论上建筑物与水体的NPP为0，故研究只考虑了有植被覆盖的农用地和人工绿地，但实际上，建设用地内部总是会存在一些树木、草地，但由于其规模较小且比较零散，无法作为绿地单独提取，然而在分析遥感数据时发现，即便是这些零星的绿地或树木，已经对NDVI产生影响，因此后续可进一步细化零星分布的植被对NPP的影响。参考文献：[1]方精云，郭兆迪，朴世龙，等.1981~2000年中国陆地植被碳汇的估算[J].中国科学(D 辑)，2007，37(6)：804-812.[2]徐国泉，刘则渊，姜照华.中国碳排放的因素分解模型及实证分析：1995~2004[J].中国人口资源与环境，2006，16(6)：158-161.[3]李玉强，赵哈林，陈银萍.陆地生态系统碳源与碳汇及其影响机制研究进展[J].生态学杂志，2005，24(1)：37-42.[4]丁相元.基于GF-1卫星数据的半干旱草原区NPP遥感估算[D].北京：中国林业科学研究院，2016.[5]李晶，任志远.基于GIS的陕北黄土高原土地生态系统固碳释氧价值评价[J].中国农业科学，2011(14)：2943-2950.[6]尤南山，蒙吉军，孙慕天.2000—2015年黑河流域中上游ND VI时空变化及其与气候的关系[J].北京大学学报(自然科学版)，2019，55(1)：171-181.[7]王静，施润和，张璐.东北地区区域植被净初级生产力估算[J].遥感信息，2016，31(5)：47-52.[8]韩王亚，张超，曾源.2000—2015年拉萨河流域NPP时空变化及驱动因子[J].生态学报，2018，38(24)：8787-8798.[9]陈涛，赵丽娅，侯邦飞，等.基于CASA模型的武汉市生态系统净初级生产力(NPP)遥感估算[J].湖北大学学报(自然科学版)，2018，40(3)：315-322.[10]袁烨城，李宝林，王双，等.基于GF-1/WFV数据的三江源草地月度NPP反演研究[J].地球信息科学学报，2018，20(12)：1799-1809.[11]何琼，安帅，李琦.基于绿色发展理念的采煤塌陷区转型机制研究：以唐山南湖生态城为例[J].价值工程，2018，37(27)：71-73.[12]周家彬.基于遥感的唐山市土地利用变化生态环境效应研究[D].唐山：华北理工大学，2018.[13]张梦华.基于遥感影像的唐山市土地利用时空变化研究[D].唐山：华北理工大学，2017.[14]沃笑，吴良才，张继平，等.基于CASA模型的三江源地区植被净初级生产力遥感估算研究[J].干旱区资源与环境，2014，28(9)：45-50.[15]朱文泉，潘耀忠，何浩，等.中国典型植被最大光利用率模拟[J].科学通报，2006，51(6)：699-706.

文章来源：《遥感学报》 网址: http://www.ygxbzz.cn/qikandaodu/2021/0115/480.html