2024, Vol. 45
植被是陆地生态系统变化的直接表征[1], 而植被覆盖度（fractional vegetation cover, FVC）作为最常用的植被响应指标, 能够反映地表植被生长状况, 衡量区域生态环境变化, 是气候变化、水土保持、区域生态环境质量评估等领域的研究热点[2~4]. FVC具有有效拉伸植被信息值域的优势, 能够弥补归一化植被指数（normalized difference vegetation index, NDVI）难以区分低植被覆盖和对高植被覆盖易于饱和的不足, 是评估植被动态变化和生态质量的重要参数[5], 因此, 动态监测FVC时空演变格局对揭示区域生态环境质量演变和调节生态过程等具有重要意义.
目前, 天地一体化的遥感监测技术成为地表FVC监测的有力工具[6~8]. 其中, 混合像元二分模型法在进行FVC估算时主要基于NDVI数据, 不需要建立回归模型, 且不依赖地面观测数据, 因而得到了广泛应用[9~11]. 例如, 有学者基于该方法研究了中国[12~14]、中国北方地区[15]、中国八大经济区[16]、长江流域[17]、淮河流域[18]、华北平原[11]、西南高山峡谷[19]、岷江上游[20]、北京[21~24]和内蒙古[25]等不同尺度FVC时空变化趋势, 并揭示了变化的主要影响因素, 为我国植被修复提供了重要科学支撑. 上述研究取得了积极成效, 为本研究揭示长时间序列FVC时空动态特征提供了有效支撑.
FVC时空变化受自然和社会因素驱动[23~30], 特别是在城市化作为全球性现代化进程的一种普遍现象下, 城市扩大提升了城市容纳能力, 促进了经济发展, 提高了居民生活质量；然而, 城市化进程中的人口增长、资源消耗和城镇扩张等也对生态环境产生了一定的胁迫作用, 影响了区域生态系统格局、过程和功能, 可能导致城市及周边地区生态质量降低[5, 31~33], 其最直观的表现便是植被的变化. 目前, 国内外对FVC的研究多集中于时空动态变化特征及定性分析城市化对FVC的负面影响；近年来, 部分研究开始关注城市化对不同等级FVC的影响, 以及建设用地变化与FVC变化之间的定量研究[5, 34]；虽然在城市化和FVC的相互关系研究方面取得了较多成果, 然而, 探讨FVC对北京市不同城市化梯度响应关系的研究还比较薄弱. 鉴于此, 本研究依托长时间序列FVC数据集, 运用Theil-Sen Median和Mann-Kendall等方法分析北京市2000 ~ 2020年FVC空间格局和年际变化规律, 进而探讨FVC对不同城市化梯度的响应, 以期为北京市生态环境保护和高质量发展提供切实有效的依据.
1 材料与方法 1.1 研究区概况北京市地处华北平原北部, 位于39.5° ~ 41°N, 115.4° ~ 117.5°E, 东与天津市毗连, 其余均与河北省相邻, 总面积为16 410 km2. 北京市下辖16区, 在生态功能区划上分为中心城区（东城区、西城区、朝阳区、海淀区、丰台区、石景山区）、平原区（顺义区、大兴区、通州区）和生态涵养区（门头沟区、怀柔区、密云区、房山区、延庆区、平谷区、昌平区）. 辖区地势西北高东南低, 西部、北部和东北部三面环山, 东南部是一片缓缓向渤海倾斜的平原. 气候属暖温带半湿润半干旱季风气候, 四季分明, 夏季高温多雨, 冬季寒冷干燥, 年均气温10 ~ 12℃, 年降水量约600 mm；植被类型以阔叶林、混交林为主, 2022年新增造林绿化10 200 hm2, 森林覆盖率达到44.8%.
1.2 数据来源及处理本研究采用的数据主要包括NDVI数据集、GDP及人口数据和土地利用数据. 其中, ① NDVI数据集：来源于国家青藏高原科学数据中心, 时间分辨率为月度, 空间分辨率为250 m, 时间跨度为2000 ~ 2020年；本研究采用最大值合成法生成年度NDVI数据集, 进而以北京市边界为掩膜, 提取2000 ~ 2020年逐年NDVI作为FVC计算的基础数据集；② GDP及人口数据：来源于中国科学院资源环境科学与数据中心, 时间为2000年、2010年和2019年；由于没有2020年GDP和人口数据, 故用2019年数据替代；③土地利用数据：来源于全球30 m地表覆盖（GlobeLand30）数据集（https://www.webmap.cn/commres.do?method=globeIndex）, 该数据集包含10个主要的地表覆盖类型, 分别是耕地、森林、草地、灌木地、湿地、水体、苔原、人造地表、裸地、冰川和永久积雪, 北京市包括除苔原、冰川和永久积雪外的8个类型.
1.3 研究方法 1.3.1 FVC估算FVC估算以NDVI数据集为基础, 采用公式（1）进行计算[35~37].
|
(1) |
式中, FVC为植被覆盖度；NDVImax为纯植被像元的NDVI值, 此处使用95%处的NDVI值；NDVImin为完全无植被覆盖像元的NDVI值, 此处使用5%处的NDVI值. 根据《土壤侵蚀分类分级标准》（2008年）, 将北京市FVC划分为5个等级, 即低覆盖度（0 < FVC ≤ 30%）、中低覆盖度（30% < FVC ≤ 45%）、中等覆盖度（45% < FVC ≤ 60%）、中高覆盖度（60% < FVC ≤ 75%）和高覆盖度（75% < FVC ≤ 100%）.
FVC标准差表征了局部FVC的差异性. 通过分析北京16个行政区FVC的标准差, 表征2000 ~ 2020年时间序列上每个区FVC空间异质性, 标准差越大, 区内FVC的空间差异越大.
1.3.2 Theil-Sen Median趋势分析Theil-Sen Median方法又称为Sen斜率估计, 是一种稳健的非参数统计的趋势计算方法, 无需遵循特定分布, 不受异常值干扰, 适用于长时间序列FVC趋势分析[38, 39], 其计算如公式（2）：
|
(2) |
式中, β为FVC变化趋势；Median为中值；FVCi和FVCj分别为第i年和第j年时序数据集. 若β > 0, 则FVC呈现增长趋势, 反之, FVC呈现下降趋势.
Mann-Kendall（MK）检验是一种非参数的时间序列趋势检验方法[40], 其不需要测量值服从正态分布, 不受缺失值和异常值的影响, 适用于长时间序列数据的趋势显著检验. 具体过程如下：先确定所有对偶值（FVCi, FVCj, j > i）中FVCi、FVCj的大小关系（设为S）, 作出如下假设：H0序列中的数据随机排列, 即无显著趋势；H1序列存在上升或者下降趋势. S计算如公式（3）：
|
(3) |
式中, sgn为符号函数, 计算如公式（4）：
|
(4) |
使用检验统计量Z进行趋势检验, Z统计值计算方法如公式（5）：
|
(5) |
式中, Var的计算公式为：Var（S）= n（n - 1）（2n + 5）/18；n为序列中的数据个数. 选取的置信水平为95%和99%.
1.3.3 城市化水平及其与FVC相关性分析北京城市化水平可以从3个维度（经济城市化、人口城市化和空间城市化）进行综合表征. 首先, 经济城市化是指资金和技术从农村流向城市, 采用单位面积GDP表征；第二, 人口城市化是区域人力资本积累的过程, 采用人口密度表征；第三, 空间城市化是指城市用地逐渐扩大, 采用城市化指数表征, 即1 km栅格尺度上的人造地表占区域面积的比例. 具体来说, 利用ArcGIS的Create Fishnet功能将北京市划分为1 km×1 km的网格, 以1 km网格为最小统计单元, 计算每个网格内人造地表面积的占比, 将其视为城市化指数. 多数研究表明, 空间城市化是城市化进程的关键指标, 是衡量一个地区乃至一个国家社会、文化和经济等发展程度的重要表征[41], 因此, 后续以城市化指数为关键表征指标来分析FVC与城市化的相关关系.
（1）剖面线分析 剖面线分析可以直观反映出研究区相同位置上FVC与城市化指数之间的对应关系. 利用ArcGIS 10.2软件, 以天安门广场为中心点, 分别绘制经过中心点的南-北、东-西、东南-西北和西南-东北方向的4条剖面直线；每隔50 m设置1个取样点（图 1）, 提取该取样点3 m同心圆范围内的FVC和城市化指数；将获取的数据利用SPSS 27软件进行标准化处理, 进而对标准化数据进行Pearson相关性分析.
|
图 1 经过中心点的4条剖面线位置示意 Fig. 1 Location of the four profile lines passing through the center point |
（2）全域网格分析 虽然剖面线分析具有直观可视化的优势, 但是该方法具有一定随机性, 不能完整展现研究区城市化指数与FVC之间的相关关系, 因此, 使用全域网格分析法全面提取研究区城市化指数和FVC信息, 用以计算两者之间的相关性. 采用城市化指数计算时划定的1 km×1 km的网格；利用ArcGIS 10.2软件提取每个网格中城市化指数和FVC均值, 分析2000、2010和2020年FVC与城市化指数之间的相关关系. 由于不同行政区内部的异质性, 为进一步验证FVC与城市化指数的相关性, 分别统计不同行政区和六环内外FVC与城市化指数进行相关性分析.
2 结果与分析 2.1 FVC时空动态特征2000 ~ 2020年, 北京市FVC表现出显著的空间异质性, 西北高东南低（图 2）. 高覆盖度区域占北京市的65.22%, 集中于门头沟区、延庆区、密云区、房山区、平谷区和昌平区北部；与军都山、西山和丫髻山等山脉走向一致, 是北京市天然林的主要分布区, 地带性植被为温带落叶阔叶林并兼有温性针叶林；中高覆盖度区域占北京市的17.70%, 主要分布于近郊的平原区；低中覆盖度区域主要分布在中心城区, 且向外圈层式扩展；低覆盖度区域以东城区和西城区为主.
|
图 2 北京市FVC空间分布 Fig. 2 Spatial distribution of fractional vegetation cover in Beijing |
2000 ~ 2020年, 北京市FVC呈现波动上升趋势[图 3（a）], 峰值出现在2004、2008、2013、2018和2020年, 并且在2020年达到历史高点（77.92%）, 图 2也验证了北京市FVC在时间序列上表现出的逐步上升态势. 图 3（b）展示了2000 ~ 2020年北京市不同等级FVC的时间变化特征, 其中, 低覆盖区域逐渐变小, 由2020年的3.74%减至2020年的0.58%, 低于多年均值（1.26%）；中低覆盖度和中等覆盖度有所增加, 二者由2020年的12.51%增至2020年的16.75%, 高于多年均值（15.82%）；中高覆盖度由2000年的24.19%减至2020年的15.35%, 减少了8.84%, 2020年中高覆盖度低于多年均值（17.70%）；高覆盖度增加了7.76%, 2020年达到67.32%, 高于多年均值（65.22%）.
|
（a）FVC, （b）FVC占比 图 3 2000 ~ 2020年北京市FVC均值和不同等级FVC占比 Fig. 3 Mean value of fractional vegetation cover and percentage of different levels of fractional vegetation cover in Beijing from 2000 to 2020 |
FVC变化显著性检验结果表明（图 4）, FVC以极显著增加为主, 占北京市面积的26.39%；显著增加占2.29%, 显著减少占3.75%, 极显著减少占12.34%；总体而言, 显著增加面积高于显著减少面积, 二者相差12.59%；另外, 50.23%的面积表现为FVC变化不显著. 在空间上, 20年间FVC极显著增加区域主要分布在房山区西部、门头沟区中部、昌平区西部、延庆区东北部、怀柔区北部、密云区西部, 以及以天安门广场为中心, 同心圆式外延10 ~ 12 km的范围, 主要包括东城区、西城区、朝阳区西部、海淀区东南部和丰台区北部. FVC极显著减少区域主要分布在平谷区四座楼风景区、密云区密云水库和云蒙山、怀柔区怀九河和琉璃庙河沿线、延庆区莲花山、门头沟区清水河和东灵山-百花山、房山区拒马河上游、延庆区八达岭景区等.
|
图 4 北京市FVC显著性检验结果 Fig. 4 Results of significance test of fractional vegetation cover in Beijing |
从不同行政区来看[图 5（a）], 中心城区中的东城区和西城区FVC虽最低, 但表现为前期低后期高；海淀区FVC多年均值最大, 为57.48%；其次为石景山区（54.11%）、丰台区（47.46%）、朝阳区（46.55%）. 生态涵养区FVC均值处于较高水平（FVC > 74.72%）；平原区稳定在60%以上. FVC标准差分析结果表明[图 5（b）], 2000 ~ 2020年, 西城区FVC标准差最小, 其次为门头沟区；怀柔区、延庆区、东城区、平谷区、密云区、顺义区、大兴区和通州区FVC较为平稳；海淀区、朝阳区、丰台区、石景山区和昌平区变化较大.
|
图 5 北京市不同行政区FVC均值和标准差 Fig. 5 Mean and standard deviation of fractional vegetation cover in different administrative districts in Beijing |
北京市土地利用包括耕地、林地、草地、灌木林地、湿地、水体、人造地表和裸地8个类型[图6（a）~6（c）], 耕地主要分布在平原区和平谷区、房山区、延庆区、密云区和昌平区等生态涵养区的地势平坦区域；林地主要分布在西北部山区和丫髻山；人造地表主要分布在中心城区和其他各区的建成区；湿地包括永定河、潮白河、拒马河、大清河和北运河等；水体主要包括密云水库、官厅水库（北京部分）、怀柔水库和十三陵水库等；草地分布在生态涵养区, 灌木林地和裸地零星分布. 林地面积最大, 且一直呈增加态势, 由2000年的43.66%增至2020年的45.10%；耕地降幅10.71%, 2020年为23.78%；人造地表增速最快, 由2000年的9.69%增至2020年的21.19%, 增幅11.50个百分点, 增速0.575%·a-1. 2000 ~ 2020年土地利用转换结果表明[图 6（d）], 3 015.75 km2的土地利用面积发生了转换, 其中, 耕地向人造地表的转换面积最大, 占转换面积的53.83%.
|
图 6 2000、2010和2020年北京市土地利用空间分布及空间转换 Fig. 6 Spatial distribution of land use in 2000, 2010, and 2020 and its conversion in Beijing |
2000 ~ 2020年, 中心城区城市化进程最高, 北京市西北部城市化进程较低（图 7）. 人口城市化与区域经济发展和土地利用变化具有因果关系, 表现为单位面积GDP和城市化指数的空间分布与人口密度的空间分布基本一致；城市化进程的高值区反映了城市化的集聚效应. 在空间城市化方面, 2000、2010和2020年的人造地表占比分别为9.69%、13.64%和21.19%, 2000 ~ 2020年增幅11.50个百分点, 主要分布在各区建成区；在不同行政区划上, 东城区和西城区最高, 均达到了90%以上；朝阳区、海淀区和通州区增幅相当, 分别为28.67%、28.12%和27.68%；顺义区、丰台区和大兴区增幅约在24.00%；石景山区增幅19.04%, 昌平区增幅18.27%；可见, 中心城区和平原区城市化水平增幅较大, 生态涵养区普遍增幅较小, 最小增幅为延庆区（2.52%）, 其次为门头沟区（3.51%）. 总体上, 城市化进程表现为以中心城区为中心圈层式扩展, 空间集聚态势显著且空间分异性强.
|
图 7 北京市多维城市化空间分布 Fig. 7 Spatial distribution of multidimensional urbanization in Beijing |
对比同一剖面线位置发现城市化指数和FVC之间呈现明显的对应关系, 4条剖面线上FVC与城市化指数均呈现显著负相关（表 1）, 表明随着城市化水平的提高, FVC一般呈现降低趋势（图 8）. 随着距离中心点的位置变化, FVC也随之变化, 一般来说, 远离城市的区域FVC较高, 植被类型也较丰富.
|
表 1 剖面线FVC与城市化指数的相关性分析结果1） Table 1 Results of correlation analysis between fractional vegetation cover and urbanization index of profile line |
|
蓝线表示FVC, 橙线表示城市化指数 图 8 剖面线FVC与城市化指数的关系 Fig. 8 Relationship between fractional vegetation cover and urbanization index of profile line |
4条剖面线上FVC与城市化指数的具体关系如图 8所示. 在南北方向, 南线经过东城区、西城区、丰台区和大兴区, 全长50.98 km；北线经过东城区、朝阳区、昌平区和怀柔区, 全长123.12 km. 距离中心点20 km内, 即中心点向北至朝阳区最北, 向南至大兴区城区位置, FVC较低, 城市化指数较高, 人口密度和单位面积GDP均较大；随着距离不断北移, FVC增加, 城市化水平也趋于稳定；南线随着距离南移, FVC虽有所提升, 但整体低于北线.
在东西方向, 东线横穿东城区、朝阳区和通州区, 全长36.52 km；西线经过西城区、海淀区、丰台区和门头沟区, 全长81.75 km；距离中心点20 km内, 城市化水平较高, FVC较低；西线向西城市化水平减弱, FVC相对较高；东线经过的区域城市化指数较高, FVC虽较中心城区高, 但变化规律不明显.
在西北-东南方向, 西北线穿过西城区、海淀区和昌平区, 全长55.45 km；东南线经过东城区、朝阳区、通州区, 全长47.55 km；该线所经区域城市化水平较高, 依然呈现距中心点20 km内城市化指数高, FVC低的特征；西北线和东南线FVC随距离延长有所提高, 但整体变化差异较大.
在西南-东北方向, 西南线跨越西城区、丰台区和房山区, 全长69.19 km；东北线穿过东城区、朝阳区、顺义区和平谷区, 全长86.41 km；该线中心点20 km内FVC较低, 东北线FVC略高于西南线.
2.3.2.2 全域网格尺度城市化与FVC关系北京城市化进程与FVC变化回归分析结果表明（图 9）, 二者总体呈现负相关, 2000、2010和2020年的回归系数（R2）分别为0.68、0.67和0.74；从回归方程的斜率来看, 随着城市化进程减弱, FVC会相应增加.
|
图 9 2000、2010和2020年FVC与城市化指数回归分析结果 Fig. 9 Results of regression analysis of fractional vegetation cover and urbanization index in 2000, 2010, and 2020 |
由于全域网格分析可能忽略区域内部的空间异质性, 即各行政区的城市化水平及生态保护与修复工程实施范围和程度不同, 表现出不同的城市化率及植被变化速率. 因此, 分别统计了北京市16区FVC与城市化指数信息并进行相关性分析, 结果表明, 16区均呈现不同程度的显著负相关（表 2）. 具体来看, 中心城区中东城区和西城区在2000年以后城市化水平相对稳定, FVC与城市化指数的负相关性呈现降低趋势, FVC有所提升；朝阳区、海淀区、丰台区和石景山区负相关系数高于平原区和生态涵养区；平原区城市用地扩展较快, 且全域分布, 在一定程度了减弱了FVC；生态涵养区中密云区、延庆区、怀柔区、门头沟区、房山区的城市化水平较低, 与FVC的相关性相对较弱, 但近20年来也呈现增加趋势, 特别是昌平区、平谷区和房山区.
|
|
表 2 北京市16区FVC与城市化指数相关系数1） Table 2 Correlation coefficients between fractional vegetation cover and urbanization index in 16 districts of Beijing |
此外, 北京市六环内外也表现为城市化指数越高, FVC越低的趋势（表 3）. 不同的是, 六环内城市化程度相对均衡, 低植被覆盖面积不断减少, 向较高植被覆盖发展；六环外正在快速城市化阶段, 原有的高植被覆盖会受到影响, 在一定程度和范围内会呈现降低趋势.
|
|
表 3 六环内外FVC与城市化指数相关系数1） Table 3 Correlation coefficients between fractional vegetation cover and urbanization index inside and outside the Sixth Ring Road |
3 讨论 3.1 FVC时空动态
北京因其城市化水平高、人口密度大、土地利用变化显著的特征成为研究FVC对城市化响应的典型对象, 因此, 从长时间序列揭示FVC的动态变化, 并分析城市化所引起的FVC的时空分异特征, 研究结果可为北京市生态保护和修复提供科学依据.
北京市FVC变化具有空间和时间异质性. 空间上, FVC呈现西北高东南低的格局, 高FVC区域主要分布在军都山、西山和丫髻山等山脉, 低FVC分布于中心城区及周边区域. 时间上, 2000 ~ 2020年FVC波动上升, 并在2020年达到最大峰值；低植被覆盖区域面积逐渐变小；高植被覆盖增加了7.76%, 2020年达到67.32%, 高于多年均值（65.22%）；中心城区虽然以低FVC为主, 但植被变化表现为显著增加, 这一结果与王曦等[21]和于世勇等[42]的研究结果一致, 彰显了城市公园、口袋公园和小微绿地等举措的有效性；平原区城市化扩张迅速, 但FVC基本保持稳定, 以中高覆盖为主, 凸显了北京市两轮百万亩造林绿化工程治理效果；生态涵养区生态本底较好, 但由于城市化建设侵占了耕地和草地等, 导致部分地区FVC显著下降. 海淀区、朝阳区、丰台区和石景山区的FVC标准差变化较大, 是由于区内局部植被覆盖的上升, 提升了FVC的空间差异, 这也正好印证了中心城区的FVC呈现显著上升趋势. 综合而言, 城市化是驱动FVC负向变化的主要因子, 同时, 山水林田湖草沙系统工程又正向促进植被恢复, 二者协同将有利于实现生态系统提质增效.
3.2 不同城市化梯度FVC响应有研究表明, 土地利用变化会直接改变植被覆盖[43~45]. 2000 ~ 2020年, 快速城市化导致土地利用剧烈变化, 促使大量耕地转为人工地表（53.83%）. 利用城市化指数探讨城市化进程对FVC的影响, 发现FVC与城市化进程整体呈现负相关关系, 这与王静等[5]的研究结果相一致；本研究还发现这种负相关表现为0.01水平上的显著性. 剖面线分析显示距离中心点20 km内, 城市化指数较高, FVC较低；之后距中心点距离越远, FVC越高；全域网格分析表明随城市化进程减弱, 二者的相关性会降低, 意味着FVC会相应增加, 不同行政区二者之间的关系也印证了这一点, 表现为东城区和西城区在城市化水平趋于稳定后, FVC呈现显著增加趋势, 向着中低覆盖度发展；中心城区负相关系数高于平原区和生态涵养区；生态涵养区城市化水平整体较低, 与FVC的相关性相对较弱, 但近20年来也呈现增加趋势, 特别是昌平区、平谷区和房山区. 北京市六环内外经历着不同的城市化发展阶段, 六环内低FVC向较高植被覆盖发展, 而六环外高植被覆盖在一定程度和范围内呈现降低趋势. 上述结果与不同城市化梯度变化息息相关, 总体而言, 在城市化发展均衡地区, 虽然FVC与城市化呈现负相关关系, 但这种负相关性正在不断减弱, 主要源于建成区绿化覆盖率不断提升, 生态保护与修复工程效果不断显现.
4 结论（1）2000 ~ 2020年, 北京市FVC呈现整体向好发展态势, 并以高植被覆盖为主, 占北京市总面积的65.22%, 其分布以生态涵养区为主；同时低植被覆盖区域面积呈减少趋势. FVC以显著增加为主（28.68%）, 分布在生态涵养区和以天安门广场为中心, 同心圆式外延10 ~ 12 km的范围内；16个行政区之间表现出不同的城市化率及FVC变化速率, 西城区、门头沟区变化最小；怀柔区、延庆区、东城区、平谷区、密云区、顺义区、大兴区和通州区较为平稳；海淀区、朝阳区、丰台区、石景山区和昌平区变化较大.
（2）2000 ~ 2020年, 城市化进程显著是北京市土地利用变化的重点特征, 人造地表增幅11.50个百分点；以耕地向人造地表转换为主, 占土地利用转换总面积的53.83%. 城市化指数与FVC在剖面线和全域网格尺度均表现出显著负相关, 即城市化对区域FVC产生负面影响；但随着城市化进程趋于稳定, 这种负相关性会逐渐减弱, 表现为中心城区虽以低植被覆盖为主, 但植被变化呈显著增加趋势, 植被向好发展, 区域生态质量日渐改善.
| [1] |
徐勇, 戴强玉, 黄雯婷, 等. 2000~2020年西南地区植被NDVI时空变化及驱动机制探究[J]. 环境科学, 2023, 44(1): 323-335. Xu Y, Dai Q Y, Huang W T, et al. Spatio-temporal variation in vegetation cover and its driving mechanism exploration in Southwest China from 2000 to 2020[J]. Environmental Science, 2023, 44(1): 323-335. |
| [2] |
朴世龙, 方精云. 最近18年来中国植被覆盖的动态变化[J]. 第四纪研究, 2001, 21(4): 294-302. Piao S L, Fang J Y. Dynamic vegetation cover change over the last 18 years in China[J]. Quaternary Sciences, 2001, 21(4): 294-302. DOI:10.3321/j.issn:1001-7410.2001.04.002 |
| [3] |
刘宪锋, 潘耀忠, 朱秀芳, 等. 2000-2014年秦巴山区植被覆盖时空变化特征及其归因[J]. 地理学报, 2015, 70(5): 705-716. Liu X F, Pan Y Z, Zhu X F, et al. Spatiotemporal variation of vegetation coverage in Qinling-Daba Mountains in relation to environmental factors[J]. Acta Geographica Sinica, 2015, 70(5): 705-716. |
| [4] |
杨思遥, 孟丹, 李小娟, 等. 华北地区2001-2014年植被变化对SPEI气象干旱指数多尺度的响应[J]. 生态学报, 2018, 38(3): 1028-1039. Yang S Y, Meng D, Li X J, et al. Multi-scale responses of vegetation changes relative to the SPEI meteorological drought index in North China in 2001-2014[J]. Acta Ecologica Sinica, 2018, 38(3): 1028-1039. |
| [5] |
王静, 周伟奇, 许开鹏, 等. 京津冀地区城市化对植被覆盖度及景观格局的影响[J]. 生态学报, 2017, 37(21): 7019-7029. Wang J, Zhou W Q, Xu K P, et al. Spatiotemporal pattern of vegetation cover and its relationship with urbanization in Beijing-Tianjin-Hebei megaregion from 2000 to 2010[J]. Acta Ecologica Sinica, 2017, 37(21): 7019-7029. |
| [6] | Wei Z Z, Wan X Y. Spatial and Temporal characteristics of NDVI in the Weihe River Basin and its correlation with terrestrial water storage[J]. Remote Sensing, 2022, 14(21). DOI:10.3390/RS14215532 |
| [7] | Yan K, Gao S, Chi H J, et al. Evaluation of the vegetation-index-based dimidiate Pixel model for fractional vegetation cover estimation[J]. IEEE Transactions on Geoscience and Remote Sensing, 2022, 60: 1-14. |
| [8] | Wang M, An Z F, Wang S Y. The time lag effect improves prediction of the effects of climate change on vegetation growth in Southwest China[J]. Remote Sensing, 2022, 14(21). DOI:10.3390/RS14215580 |
| [9] |
张亮, 丁明军, 张华敏, 等. 1982-2015年长江流域植被覆盖度时空变化分析[J]. 自然资源学报, 2018, 33(12): 2084-2097. Zhang L, Ding M J, Zhang H M, et al. Spatiotemporal variation of the vegetation coverage in Yangtze River Basin during 1982-2015[J]. Journal of Natural Resources, 2018, 33(12): 2084-2097. |
| [10] |
王一, 郝利娜, 许强, 等. 2001-2019年黄土高原植被覆盖度时空演化特征及地理因子解析[J]. 生态学报, 2023, 43(6): 2397-2407. Wang Y, Hao L N, Xu Q, et al. Spatio-temporal variations of vegetation coverage and its geographical factors analysis on the loess Plateau from 2001 to 2019[J]. Acta Ecologica Sinica, 2023, 43(6): 2397-2407. |
| [11] |
阿多, 赵文吉, 宫兆宁, 等. 1981-2013华北平原气候时空变化及其对植被覆盖度的影响[J]. 生态学报, 2017, 37(2): 576-592. A D, Zhao W J, Gong Z N, et al. Temporal analysis of climate change and its relationship with vegetation cover on the North China plain from 1981 to 2013[J]. Acta Ecologica Sinica, 2017, 37(2): 576-592. |
| [12] |
马梓策, 于红博, 曹聪明, 等. 中国植被覆盖度时空特征及其影响因素分析[J]. 长江流域资源与环境, 2020, 29(6): 1310-1321. Ma Z C, Yu H B, Cao C M, et al. Spatiotemporal characteristics of fractional vegetation coverage and its influencing factors in China[J]. Resources and Environment in the Yangtze Basin, 2020, 29(6): 1310-1321. |
| [13] |
陈淑君, 许国昌, 吕志平, 等. 中国植被覆盖度时空演变及其对气候变化和城市化的响应[J]. 干旱区地理, 2023, 46(5): 742-752. Chen S J, Xu G C, Lv Z P, et al. Spatiotemporal variations of fractional vegetation cover and its response to climate change and urbanization in China[J]. Arid Land Geography, 2023, 46(5): 742-752. |
| [14] |
赵明伟, 王妮, 施慧慧, 等. 2001-2015年间我国陆地植被覆盖度时空变化及驱动力分析[J]. 干旱区地理, 2019, 42(2): 324-331. Zhao M W, Wang N, Shi H H, et al. Spatial-temporal variation and its driving forces of vegetation coverage in China from 2001 to 2015[J]. Arid Land Geography, 2019, 42(2): 324-331. |
| [15] |
李钰溦, 贾坤, 魏香琴, 等. 中国北方地区植被覆盖度遥感估算及其变化分析[J]. 国土资源遥感, 2015, 27(2): 112-117. Li Y W, Jia K, Wei X Q, et al. Fractional vegetation cover estimation in northern China and its change analysis[J]. Remote Sensing for Natural Resources, 2015, 27(2): 112-117. |
| [16] |
杨玉莲, 杨昆, 罗毅, 等. 1998~2016中国八大经济区植被覆盖对PM2.5浓度时空分布的影响[J]. 环境科学, 2021, 42(11): 5100-5108. Yang Y L, Yang K, Luo Y, et al. Effect of vegetation coverage on the temporal and spatial distribution of PM2.5 concentration in China's Eight Major Economic Regions from 1998 to 2016[J]. Environmental Science, 2021, 42(11): 5100-5108. |
| [17] |
易浪, 孙颖, 尹少华, 等. 2000—2019年长江流域植被覆盖时空演化及其驱动因素[J]. 生态学报, 2023, 43(2): 798-811. Yi L, Sun Y, Yin S H, et al. Spatial-temporal variations of vegetation coverage and its driving factors in the Yangtze River Basin from 2000 to 2019[J]. Acta Ecologica Sinica, 2023, 43(2): 798-811. |
| [18] |
赵胜楠, 王宇, 乔旭宁. 1987—2021年淮河流域植被覆盖度时空变化与驱动因素分析[J/OL]. 农业机械学报, http://kns.cnki.net/kcms/detail/11.1964.s.20230221.1426.016.html, 2023-02-22. Zhao S N, Wang Y, Qiao X N. Spatiotemporal variation and driving factors for FVC in Huaihe River Basin from 1987 to 2021[J/OL]. Transactions of the Chinese Society for Agricultural Machinery, http://kns.cnki.net/kcms/detail/11.1964.s.20230221.1426.016.html, 2023-02-22. |
| [19] |
赖金林, 齐实, 崔冉冉, 等. 西南高山峡谷区植被变化及影响因素分析[J]. 环境科学, 2023, 44(12): 6833-6846. Lai J L, Qi S, Cui R R, et al. Analysis of vegetation change and influencing factors in southwest alpine canyon area[J]. Environmental Science, 2023, 44(12): 6833-6846. |
| [20] |
祝聪, 彭文甫, 张丽芳, 等. 2006-2016年岷江上游植被覆盖度时空变化及驱动力[J]. 生态学报, 2019, 39(5): 1583-1594. Zhu C, Peng W F, Zhang L F, et al. Study of temporal and spatial variation and driving force of fractional vegetation cover in upper reaches of Minjiang River from 2006 to 2016[J]. Acta Ecologica Sinica, 2019, 39(5): 1583-1594. |
| [21] |
王曦, 张怡雯. 基于Landsat影像的北京植被覆盖度变化趋势分析[J]. 遥感技术与应用, 2021, 36(6): 1388-1397. Wang X, Zhang Y W. An Analysis of change trend of fractional vegetation cover in Beijing based on landsat imagery[J]. Remote Sensing Technology and Application, 2021, 36(6): 1388-1397. |
| [22] |
刘泽, 陈建平. 基于Landsat-8影像数据的北京植被覆盖度时空特征与地形因子的关系[J]. 成都理工大学学报(自然科学版), 2022, 49(1): 119-128. Liu Z, Chen J P. Relationship between temporal and spatial characteristics of vegetation coverage and topographic factors in Beijing based on Landsat-8 image data[J]. Journal of Chengdu University of Technology (Science & Technology Edition), 2022, 49(1): 119-128. |
| [23] |
袭月, 张志强, 周洁, 等. 城市化进程下地表温度时空变化及其与植被覆盖度的相关性——以北京五环区域为例[J]. 林业科学, 2021, 57(6): 1-13. Xi Y, Zhang Z Q, Zhou J, et al. Spatial and temporal variation of ground surface temperature under urbaniation and its correlation with vegetation coverage: a case study of the 5th ring road of Beijing[J]. Scientia Silvae Sinicae, 2021, 57(6): 1-13. |
| [24] |
王嫣然, 张学霞, 赵静瑶, 等. 2013-2014年北京地区PM2.5时空分布规律及其与植被覆盖度关系的研究[J]. 生态环境学报, 2016, 25(1): 103-111. Wang Y R, Zhang X X, Zhao J Y, et al. Temporal and spatial distribution of PM2.5 and its relationship with vegetation coverage in Beijing during the period of 2013-2014[J]. Ecology and Environmental Sciences, 2016, 25(1): 103-111. |
| [25] |
张慧龙, 杨秀春, 杨东, 等. 2000-2020年内蒙古草地植被覆盖度时空变化及趋势预测[J]. 草业学报, 2023, 32(8): 1-13. Zhang H L, Yang X C, Yang D, et al. Spatio-temporal changes in grassland fractional vegetation cover in Inner Mongolia from 2000 to 2020 and a future forecast[J]. Acta Prataculturae Sinica, 2023, 32(8): 1-13. |
| [26] |
张良侠, 岳笑, 周德成, 等. 气候变化和人类活动对我国典型草原区植被恢复的影响[J]. 环境科学, 2023, 44(5): 2694-2703. Zhang L X, Yue X, Zhou D C, et al. Impacts of climate change and human activities on vegetation restoration in typical grasslands of China[J]. Environmental Science, 2023, 44(5): 2694-2703. |
| [27] |
穆少杰, 李建龙, 陈奕兆, 等. 2001—2010年内蒙古植被覆盖度时空变化特征[J]. 地理学报, 2012, 67(9): 1255-1268. Mu S J, Li J L, Chen Y Z, et al. Spatial differences of variations of vegetation coverage in Inner Mongolia during 2001—2010[J]. Acta Geographica Sinica, 2012, 67(9): 1255-1268. |
| [28] | Luo Q L, Luo L Y, Zhou Q F, et al. Does China's Yangtze River Economic Belt policy impact on local ecosystem services?[J]. Science of the Total Environment, 2019, 676: 231-241. |
| [29] | Wang S W, Chen H Q, Su W J, et al. Research on habitat quality assessment and decision-making based on semi-supervised ensemble learning method—Daxia River Basin, China[J]. Ecological Indicators, 2023, 156. DOI:10.1016/j.ecolind.2023.111153 |
| [30] | Zhao A Z, Zhang A B, Lu C Y, et al. Spatiotemporal variation of vegetation coverage before and after implementation of Grain for Green Program in Loess Plateau, China[J]. Ecological Engineering, 2017, 104: 13-22. |
| [31] | Zhou Q, Zhao X, Wu D H, et al. Impact of urbanization and climate on vegetation coverage in the Beijing-Tianjin-Hebei Region of China[J]. Remote Sensing, 2019, 11(20). DOI:10.3390/rs11202452 |
| [32] | Tang R Y, Zhao X, Zhou T, et al. Assessing the impacts of urbanization on albedo in Jing-Jin-Ji Region of China[J]. Remote Sensing, 2018, 10(7). DOI:10.3390/rs10071096 |
| [33] | Xia N, Li M C, Cheng L. Mapping impacts of human activities from nighttime light on vegetation cover changes in Southeast Asia[J]. Land, 2021, 10(2). DOI:10.3390/land10020185 |
| [34] | Zhang P, Dong Y L, Ren Z B, et al. Rapid urbanization and meteorological changes are reshaping the urban vegetation pattern in urban core area: a national 315-city study in China[J]. Science of the Total Environment, 2023, 904. DOI:10.1016/j.scitotenv.2023.167269 |
| [35] | Sen P K. Estimates of the regression coefficient based on Kendall's tau[J]. Journal of the American Statistical Association, 1968, 63(324): 1379-1389. |
| [36] |
徐勇, 郑志威, 郭振东, 等. 2000~2020年长江流域植被NDVI动态变化及影响因素探测[J]. 环境科学, 2022, 43(7): 3730-3740. Xu Y, Zheng Z W, Guo Z D, et al. Dynamic variation in vegetation cover and its influencing factor detection in the Yangtze River Basin from 2000 to 2020[J]. Environmental Science, 2022, 43(7): 3730-3740. |
| [37] |
赵伟, 高博, 卢清, 等. 2006~2019年珠三角地区臭氧污染趋势[J]. 环境科学, 2021, 42(1): 97-105. Zhao W, Gao B, Lu Q, et al. Ozone pollution trend in the Pearl River Delta Region during 2006-2019[J]. Environmental Science, 2021, 42(1): 97-105. |
| [38] |
田智慧, 任祖光, 魏海涛. 2000~2020年黄河流域植被时空演化驱动机制[J]. 环境科学, 2022, 43(2): 743-751. Tian Z H, Ren Z G, Wei H T. Driving mechanism of the spatiotemporal evolution of vegetation in the Yellow River Basin from 2000 to 2020[J]. Environmental Science, 2022, 43(2): 743-751. |
| [39] | Sun M X, Ji Z X, Jiao X, et al. Mapping grassland based on bio-climate probability and intra-annual time-series abundance data of vegetation habitats[J]. Remote Sensing, 2023, 15(19). DOI:10.3390/RS15194723 |
| [40] |
杨靖, 戴君虎, 姚华荣, 等. 1992-2020年横断山区植被分布与植被活动变化[J]. 地理学报, 2022, 77(11): 2787-2802. Yang J, Dai J H, Yao H R, et al. Vegetation distribution and vegetation activity changes in the Hengduan Mountains from 1992 to 2020[J]. Acta Geographica Sinica, 2022, 77(11): 2787-2802. |
| [41] | Zhang F, Xu N, Wang C, et al. Multi-scale coupling analysis of urbanization and ecosystem services supply-demand budget in the Beijing-Tianjin-Hebei region, China[J]. Journal of Geographical Sciences, 2023, 33(2): 340-356. |
| [42] |
于世勇, 徐前, 于晓斐. 2005-2020年北京地区植被覆盖变化分析[J]. 林业资源管理, 2023(3): 98-104. Yu S Y, Xu Q, Yu X F. Analysis of vegetation cover changes in Beijing from 2005 to 2020[J]. Forest Resources Management, 2023(3): 98-104. |
| [43] | Tang L P, Ke X L, Chen Y Y, et al. Which impacts more seriously on natural habitat loss and degradation? Cropland expansion or urban expansion?[J]. Land Degradation & Development, 2021, 32(2): 946-964. |
| [44] | Wilsey C B, Lawler J J, Cimprich D A. Performance of habitat suitability models for the endangered black-capped vireo built with remotely-sensed data[J]. Remote Sensing of Environment, 2012, 119: 35-42. |
| [45] | Hou Y Z, Zhao W W, Liu Y X, et al. Relationships of multiple landscape services and their influencing factors on the Qinghai-Tibet Plateau[J]. Landscape Ecology, 2021, 36(7): 1987-2005. |