宋夢來, 陳海濤, 丁 晗, 崔乃心, 亢戈霖, 王玉秋

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

植被作為陸地生態(tài)系統(tǒng)的主體，在保持水土、防風(fēng)固沙、維持氣候和生態(tài)系統(tǒng)穩(wěn)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(nèi)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(biāo)。20世紀(jì)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(tài)環(huán)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(qū)域綠色可持續(xù)發(fā)展等方面具有深遠意義。

遙感技術(shù)被廣泛應(yīng)用在長時序、大范圍FVC動態(tài)監(jiān)測中。借助傳統(tǒng)的遙感分析手段下載、預(yù)處理影像，面臨數(shù)據(jù)量龐大、處理效率低等問題，而GEE云平臺對常用影像已經(jīng)進行大氣校正、幾何配準(zhǔn)、輻射定標(biāo)等預(yù)處理工作，并可通過在線編程的方式快速實現(xiàn)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(tài)監(jiān)測相較于使用本地軟件(ENVI，ArcGIS)具有明顯的特色優(yōu)勢。已有學(xué)者應(yīng)用GEE平臺從國家[4]、省級行政區(qū)[5]、流域等[6]不同尺度開展了長時序FVC遙感監(jiān)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(jiān)測。李晶等[8]反演了1987—2020年黃河流域及流域內(nèi)煤炭國家規(guī)劃礦區(qū)的FVC，指出該區(qū)域年際FVC呈波動式上升態(tài)勢。這些研究均表明基于GEE平臺進行FVC變化監(jiān)測在尺度和時效等方面具有巨大優(yōu)勢。

天津市作為京津冀東部綠色生態(tài)屏障區(qū)，戰(zhàn)略地位突出，生態(tài)環(huán)境保護是該區(qū)域發(fā)展的基礎(chǔ)。2021年9月天津市提出要加快津城和濱城間綠色生態(tài)屏障建設(shè)，十四五期間一級管控區(qū)內(nèi)森林綠化覆蓋率超過13.16%[9]。但由于該地區(qū)氣候變化以及長期不合理的人類活動，導(dǎo)致區(qū)域植被遭到一定程度的破壞[10]。目前已有學(xué)者開展了有關(guān)天津市FVC對氣候和人類活動因子響應(yīng)關(guān)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(yīng)模式，得出降水為該區(qū)域植被變化的決定性因子。王靜等[12]強調(diào)天津等大中城市周圍植被呈現(xiàn)明顯退化趨勢，城市邊緣地帶大量高質(zhì)量耕地、林地被侵占及城鎮(zhèn)建設(shè)對區(qū)域植被產(chǎn)生負面影響。上述研究對認(rèn)識天津市植被動態(tài)變化的驅(qū)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(tǒng)計方法上，雖然各種形式的方法被應(yīng)用于FVC動態(tài)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(xiàn)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(zhì)性影響的相關(guān)研究仍顯滯后。RF模型與上述方法相比具有明顯的優(yōu)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(xué)者將RF模型應(yīng)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(qū)植被變化的驅(qū)動力，表明降水是該地區(qū)植被動態(tài)變化的主導(dǎo)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(jīng)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(tài)變化的響應(yīng)關(guān)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(shù)量化不同因素對FVC的相對重要性和非線性響應(yīng)關(guān)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(tài)監(jiān)測、環(huán)境保護及區(qū)域高質(zhì)量發(fā)展提供科學(xué)依據(jù)和決策支持。

1 研究區(qū)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(huán)渤海地區(qū)重要的生態(tài)屏障區(qū)。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(qū)，隨著海拔高度的變化，由西北向東南依次呈現(xiàn)山地草叢—農(nóng)業(yè)栽培植被—濱海鹽生植被的分布規(guī)律。氣候條件屬于暖溫帶半濕潤半干旱季風(fēng)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(xiàn)有16個市轄區(qū)(圖1)，分別為市內(nèi)六區(qū)(1：和平區(qū)、2：河北區(qū)、3：河?xùn)|區(qū)、4：河西區(qū)、5：南開區(qū)、6：紅橋區(qū))、環(huán)城四區(qū)(北辰區(qū)、東麗區(qū)、津南區(qū)、西青區(qū))、遠郊區(qū)縣(薊州區(qū)、寶坻區(qū)、武清區(qū)、寧河區(qū)、靜海區(qū))和濱海新區(qū)。區(qū)域總面積1.2×104km2，土地利用類型以耕地和城鄉(xiāng)、工礦、居民用地為主。人口數(shù)量達到1 561.83萬人。近年來，天津市經(jīng)濟發(fā)展迅速，人類活動強度不斷增大，區(qū)域發(fā)展與生態(tài)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(yīng)模式對該區(qū)域植被恢復(fù)、生態(tài)環(huán)境改善和建立生態(tài)宜居城市等方面具有重要意義。

圖1 研究區(qū)域地理位置

2 數(shù)據(jù)與方法

2.1 數(shù)據(jù)來源

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

2.1.2 影響因素 與植被動態(tài)變化密切相關(guān)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(qū)的研究選取年均氣溫、年降水量作為影響FVC的氣候因子。結(jié)合天津市近30 a城鎮(zhèn)化急劇擴張導(dǎo)致土地利用類型發(fā)生劇烈變化的現(xiàn)狀，選取土地利用作為表征人類活動的強烈程度指標(biāo)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(shù)據(jù)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(shù)據(jù)，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(qū)植被易飽和、低覆蓋區(qū)植被難以區(qū)分的缺點[25]。為進一步分析FVC的時空動態(tài)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(yīng)用變異系數(shù)進行FVC波動程度分析；利用Hurst指數(shù)對FVC未來發(fā)展趨勢進行預(yù)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(yīng)關(guān)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(yīng)用特征重要性排序和偏依賴圖技術(shù)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(shù)據(jù)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(shù);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(qū)關(guān)于FVC的分類標(biāo)準(zhǔn)，結(jié)合研究區(qū)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(tài)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(shù);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(jù)檢驗結(jié)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(shù)。變異系數(shù)(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(qū)域CV值的分類標(biāo)準(zhǔn)，劃分為5個等級：低波動(00.3)。

(6)

(3) Hurst指數(shù)。采用重標(biāo)極差(R/S)計算Hurst指數(shù)[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(shù)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(biāo)準(zhǔn)差S(τ)為：

(10)

計算Hurst指數(shù)：

R(τ)/S(τ)=(ατ)H

(11)

式中:H為Hurst指數(shù),H介于0～1,當(dāng)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(xué)習(xí)算法，能夠用來分析自變量與因變量之間復(fù)雜的非線性關(guān)系[31]。本研究采用Python的Scikit-learn機器學(xué)習(xí)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(shù)據(jù)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(shù)據(jù)。在ArcGIS 10.2中將所有輸入的柵格數(shù)據(jù)重采樣至1 km分辨率，對FVC柵格數(shù)據(jù)進行柵格轉(zhuǎn)點，利用Extract Multi Values to Point工具提取氣候和人類活動因素柵格數(shù)據(jù)相應(yīng)位置的像元值，實現(xiàn)與FVC數(shù)據(jù)的匹配，構(gòu)建總計83 972條數(shù)據(jù)的原始數(shù)據(jù)集，其中80%作為訓(xùn)練數(shù)據(jù)，20%作為測試數(shù)據(jù)，采用決定系數(shù)(R2)作為回歸精度評價指標(biāo)。

3 結(jié)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(xiàn)在1990年(0.70)和2012年(0.59)。進一步進行分階段線性擬合，結(jié)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?？傮w上，研究區(qū)FVC在時序上顯示以2012年為拐點，經(jīng)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(qū)內(nèi)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(zhuǎn)移情況進行統(tǒng)計，結(jié)果見表2。與1990年相比，2020年天津市低、中低和中植被覆蓋區(qū)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(qū)面積分別減少了125.71 km2，415.46 km2。研究區(qū)內(nèi)低、中低和中植被覆蓋區(qū)面積的增加主要來自于高植被覆蓋區(qū)的轉(zhuǎn)入，轉(zhuǎn)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(qū)面積大幅增加主要歸因于高覆蓋區(qū)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(xiàn)由市內(nèi)六區(qū)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(jù)2.2.1所述劃分標(biāo)準(zhǔn)將天津市多年平均FVC進行分級，不同類型FVC統(tǒng)計結(jié)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(qū)域占比在8.95%～16.25%。

表2 1990-2020年天津市不同等級FVC轉(zhuǎn)移矩陣 km2

在市轄區(qū)基礎(chǔ)上將天津市劃分為市內(nèi)六區(qū)、環(huán)城四區(qū)、遠郊區(qū)縣和濱海新區(qū)四部分，進一步分區(qū)統(tǒng)計植被覆蓋情況，結(jié)果見圖4C。市內(nèi)六區(qū)以低植被覆蓋為主(49.01%)，該區(qū)域為中心城區(qū)，城鎮(zhèn)化水平較高，說明城市的發(fā)展會對植被覆蓋造成較大影響；環(huán)城四區(qū)較市內(nèi)六區(qū)而言，中高、高植被覆蓋比例增加；遠郊區(qū)縣基本以高植被覆蓋為主(68.81%)，這些地區(qū)植被類型多為林地、灌草從和農(nóng)作物，植被長勢較好；濱海新區(qū)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(qū)。

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(qū)域FVC呈降低趨勢，其中32.62%的區(qū)域降低趨勢顯著，主要分布在環(huán)城四區(qū)以及濱海新區(qū)。這兩個區(qū)域處于津濱城市發(fā)展主軸上，城鎮(zhèn)化進程的快速推進可能對區(qū)域植被狀況造成負面影響[32]。天津市48.71%的區(qū)域FVC呈增加趨勢，其中27.42%的區(qū)域增加趨勢顯著，主要分布在遠郊區(qū)縣及市內(nèi)六區(qū)，遠郊區(qū)縣為基本農(nóng)田及現(xiàn)代農(nóng)業(yè)用地區(qū)，嚴(yán)格實行耕地與基本農(nóng)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(xiàn)出“高波動與低波動并存，高波動區(qū)居多，地域性差異明顯”的空間分布格局，具體表現(xiàn)為：高波動區(qū)占比最大(29.13%)，主要分布在市內(nèi)六區(qū)、環(huán)城四區(qū)和濱海新區(qū)，低波動區(qū)占比最小(16.06%)，集中分布在薊州區(qū)和寶坻區(qū)。

天津市1990—2020年Hurst指數(shù)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(qū)域(80.62%)未來變化趨勢表現(xiàn)為反持續(xù)性，主要分布在遠郊區(qū)縣和濱海新區(qū)。僅有19.38%的區(qū)域表現(xiàn)為持續(xù)性，集中分布在市內(nèi)六區(qū)及其周邊。進一步結(jié)合變化率K對FVC的未來趨勢進行分析，結(jié)果見圖7B，未來FVC發(fā)展趨勢以退化為主，區(qū)域占比53.62%，其中反持續(xù)性退化(改善—退化)的比重為42.01%，主要分布在遠郊區(qū)縣。持續(xù)性退化(退化—退化)的比重為11.51%，集中分布在環(huán)城四區(qū)。

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(tài)變化的主導(dǎo)因子。Chang等[33]在京津冀地區(qū)的研究也表明，東南部的平原地區(qū)植被變化受人類活動因素較大，農(nóng)田開墾、居民用地擴張等人類活動是導(dǎo)致植被退化的主要原因。

圖7 1990-2020年天津市Hurst指數(shù)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(yīng)模式，表明降水是天津市植被指數(shù)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(qū)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(dǎo)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(jié)合1990—2020年的土地利用轉(zhuǎn)移矩陣(圖9)可以發(fā)現(xiàn)，研究期間天津市土地利用類型發(fā)生了不同程度的轉(zhuǎn)移，1990—2000年，大量林地(5 597 km2)轉(zhuǎn)換為耕地。2000年以后，社會經(jīng)濟高速發(fā)展使得天津市城鎮(zhèn)化進程加劇，城鄉(xiāng)、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(zhuǎn)化為城鄉(xiāng)、工礦、居民用地。林地及耕地面積的持續(xù)減少及城鄉(xiāng)、工礦、居民用地迅速擴張可能為該地區(qū)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(yīng)[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，F(xiàn)VC基本保持不變，當(dāng)年均氣溫超過12.5℃，F(xiàn)VC與其呈現(xiàn)負相關(guān)關(guān)系；年降水量在580 mm以下時，F(xiàn)VC與年降水量呈現(xiàn)正相關(guān)關(guān)系，當(dāng)年降水量超過580 mm時，F(xiàn)VC變化趨勢趨于平緩。圖中還顯示出年均氣溫與年均降水發(fā)生變化的節(jié)點高度重合，當(dāng)氣候條件處于節(jié)點(年均溫度12.5℃且年降水量580 mm)附近時，F(xiàn)VC較高(0.74)，這說明只有在合適的降水和溫度范圍內(nèi)植被才會開始生長，二者滿足一定條件使得區(qū)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(zhuǎn)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(xiāng)、工礦、居民用地(0.63)依次遞減；人口密度與FVC整體呈現(xiàn)負相關(guān)關(guān)系，人口密度較低時，植被覆蓋程度較好，但當(dāng)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，F(xiàn)VC作為輸出變量，參數(shù)一律設(shè)置為默認(rèn)，訓(xùn)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(jié)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(jié)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(jié)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(jié)果一致，孟丹采用偏相關(guān)和復(fù)相關(guān)分析手段逐像元進行京津冀地區(qū)植被覆蓋變化的氣候驅(qū)動力分析，并得出降水和氣溫綜合驅(qū)動型對植被空間分異的影響高于單一降水和單一氣溫驅(qū)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(dǎo)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(jié)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(jié)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(qū)面積大幅增加歸因于區(qū)域內(nèi)大量高覆蓋區(qū)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(xiàn)由市內(nèi)六區(qū)向外逐漸增高空間的分布格局，區(qū)域整體以高植被覆蓋為主(49.68%)。32.62%的區(qū)域FVC顯著降低，主要分布在環(huán)城四區(qū)以及濱海新區(qū)，27.42%的區(qū)域增加趨勢顯著，主要分布在遠郊區(qū)縣及市內(nèi)六區(qū)。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(dǎo)因子，林地、耕地面積的持續(xù)減少及城鄉(xiāng)、工礦、居民用地擴張為研究區(qū)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(jié)合氣候和人類活動因素的長時序、多元遙感影像數(shù)據(jù)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(yīng)用Landsat影像反演得到的FVC柵格數(shù)據(jù)的分辨率為30 m，而來源于中國科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心等網(wǎng)站氣候和人類活動因素柵格數(shù)據(jù)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(xiàn)數(shù)據(jù)匹配，但數(shù)據(jù)精度降低對結(jié)果準(zhǔn)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(chǎn)業(yè)發(fā)展等多種因素的共同影響，基于長時序數(shù)據(jù)可連續(xù)獲得及數(shù)據(jù)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(qū)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(shù)據(jù)以便準(zhǔn)確客觀揭示影響天津市FVC動態(tài)變化的主導(dǎo)因子。