成都市龙泉山城市森林公园植被覆盖度与景观格局特征动态变化分析

doi:10.11873/j.issn.1004-0323.2023.6.1455

成都市龙泉山城市森林公园植被覆盖度与景观格局特征动态变化分析

王海熠^,¹, 王洪荣², 陈树新¹, 罗鑫¹, 刘炳杰³, 田昕¹, 冯毅^,⁴, 王鹏杰⁵

1.中国林业科学研究院资源信息研究所，北京 100091

2.四川省林业和草原调查规划院，四川成都 610081

3.北京林业大学森林资源和环境管理国家林草局重点实验室，北京 100083

4.成都龙泉山城市森林公园管委会，四川成都 610000

5.国家林业和草原局林草调查规划院，北京 100013

Dynamic Change Analysis of Vegetation Coverage and Landscape Pattern Characteristics in Longquan Mountain Urban Forest Park, Chengdu City

WANG Haiyi^,¹, WANG Hongrong², CHEN Shuxin¹, LUO Xin¹, LIU Bingjie³, TIAN Xin¹, FENG Yi^,⁴, WANG Pengjie⁵

1.Institute of Forest Resource Information Techniques，Chinese Academy of Forestry，Beijing 100091，China

2.Sichuan Forestry and Grassland Survey and Planning Institute，Chengdu 610081，China

3.Forest Resources and Environmental Management National Forest and Grass Bureau Key Laboratory，Beijing Forestry University，Beijing 100083，China

4.Chengdu Longquan Mountain Urban Forest Park Management Committee，Chengdu 610000，China

5.Forestry and Grassland Investigation and Planning Institute of the State Forestry and Grassland Administration，Beijing 100013，China

通讯作者: 冯毅(1983-)，男，四川阆中人，助理研究员,主要从事森林培育方面的研究。E⁃mail：304006152@qq.com

收稿日期: 2023-05-16 修回日期: 2023-11-12

基金资助:

高分辨率对地观测系统重大专项课题. 21⁃Y20B01⁃9001⁃19/22⁃1
四川省林草科技创新团队数字林草监测与林草碳汇创新研究与示范. CXTD2023003

Received: 2023-05-16 Revised: 2023-11-12

作者简介 About authors

王海熠(1998-)，女，安徽淮南人，硕士研究生，主要从事遥感技术与应用研究E⁃mail：wanghy@ifrit.ac.cn , E-mail：wanghy@ifrit.ac.cn

摘要

生态环境恶化问题引起人们高度重视，对植被覆盖度与景观格局特征动态变化研究，可有效增强植被群落稳定性。成都市龙泉山城市森林公园为川中丘陵区生态恢复典型自然地理代表。本研究基于Landsat8 OLI与GF1 WFV遥感影像数据，结合像元二分模型和景观格局指数，分析了该公园2014~2021年植被覆盖度变化特征与空间景观格局变化特征。结果表明：①龙泉山城市森林公园2014、2017和2021年植被覆盖度皆以中高覆盖度为主，且2021年验证精度达0.90。②2014~2021植被覆盖情况呈现先下降再上升的趋势：2014~2017年间，植被覆盖度退化严重，中高与高植被幅度盖度面积骤减，景观上斑块复杂度与破碎度加剧；2017~2021年间，由于政府保护措施的执行，植被覆盖度有所恢复，中低植被覆盖度面积减少幅度最大，高植被覆盖度面积增加幅度最大，植被生态有所恢复，景观上斑块复杂度降低、景观破碎加剧程度有所缓解。本研究为川中丘陵区的生态恢复及今后规划提供一定的科学参考依据。

关键词： 植被覆盖度 ; 景观格局指数 ; 像元二分模型 ; 动态变化

Abstract

People attach great importance to the deterioration of ecological environment. The study on the dynamic changes of vegetation coverage and landscape pattern characteristics can effectively enhance the stability of vegetation community. Longquan Mountain Urban Forest Park in Chengdu is a typical physical and geographical representative of ecological restoration in the hilly area of central Sichuan. Based on Landsat8OLI and GF1WFV remote sensing image data， combined with pixel dichotomy model and landscape pattern index， this study analyzed the change characteristics of vegetation coverage and spatial landscape pattern in the park from 2014 to 2021. The results show that： ①the vegetation coverage of Longquan Mountain Urban Forest Park is mainly medium and high coverage in 2014， 2017 and 2021， and the verification accuracy is 0.90 in 2021. ②from 2014 to 2021， the vegetation cover decreased first and then increased： from 2014 to 2017， the vegetation coverage degraded seriously， the coverage area of medium-high and high vegetation amplitude decreased sharply， and the patch complexity and fragmentation on the landscape increased. From 2017 to 2021， due to the implementation of government protection measures， the vegetation coverage was restored， the area of middle and low vegetation coverage decreased the most， the area of high vegetation coverage increased the most， the vegetation ecology was restored， the complexity of patches on the landscape decreased and the degree of landscape fragmentation was alleviated. This study provides a certain scientific reference basis for ecological restoration and future planning in the hilly area of central Sichuan.

Keywords： Fractional vegetation cover ; Landscape pattern index ; Dimidiate pixel model ; Dynamic change

PDF (7401KB) 元数据多维度评价相关文章导出 EndNote| Ris| Bibtex 收藏本文

本文引用格式

王海熠, 王洪荣, 陈树新, 罗鑫, 刘炳杰, 田昕, 冯毅, 王鹏杰. 成都市龙泉山城市森林公园植被覆盖度与景观格局特征动态变化分析. 遥感技术与应用[J], 2023, 38(6): 1455-1466 doi:10.11873/j.issn.1004-0323.2023.6.1455

WANG Haiyi, WANG Hongrong, CHEN Shuxin, LUO Xin, LIU Bingjie, TIAN Xin, FENG Yi, WANG Pengjie. Dynamic Change Analysis of Vegetation Coverage and Landscape Pattern Characteristics in Longquan Mountain Urban Forest Park, Chengdu City. Remote Sensing Technology and Application[J], 2023, 38(6): 1455-1466 doi:10.11873/j.issn.1004-0323.2023.6.1455

1 引言

龙泉山地处成都平原与丘陵区的过渡地带，在川中丘陵区具有典型的自然地理代表性。龙泉山城市森林公园于2017年3月开始建设，是成都市着力打造的“城市绿心”，不属于传统意义上的公园，因此不参与国家公园等级的划分。“城市绿心”的建设积极响应了习近平总书记视察四川时作出的“规划好天府新区，突出公园城市特点，考虑生态价值”指示，是实现中心城区与东部城市新区连接的重要环节^［1］。由于人类工程活动的干扰、林种结构的不合理等原因，使得龙泉山城市森林公园低海拔的原始植被破坏情况严重，林相单一，生态环境相对脆弱。为防止城市洪涝和泥石流等灾害的发生，贯彻习近平生态文明思想，落实习近平总书记对四川及成都工作系列重要指示精神，成都市在2017年与2018年分别编制了《龙泉山城市森林公园总体规划（2016—2035年）》与《成都市龙泉山城市森林公园保护条例》，在2021年开展了公园城市龙泉山生态保护修复暨国家储备林项目，并结合四川省印发的《四川省川中丘陵区（龙泉山成都段）高质量国土绿化试点示范项目（2021—2022）》实施方案用以对公园进行生态复建^［1-2］。

植被是覆盖地表的植物群落的统称，在陆地地表生态系统中处于核心地位，对维护生态平衡和促进区域可持续发展起着举足轻重的作用^［3-4］。植被覆盖度（Fractional Vegetation Cover，FVC）是指植被的叶、茎和枝部分在地表的垂直投影面积占统计区域总面积的百分比，与光合作用面积及植被茂密程度之间都存在着明显的对应关系，不仅能够体现植被的基本状况，在调节气候问题、改善水土流失和稳定生态系统等方面都起到了重要作用^［4-7］。传统的植被监测通常采用更新频率较低的统计方法，这些方法耗时、费力、成本高，最突出的短板是无法对大范围的植被覆盖变化进行监测。相反，遥感技术具有实时性强、广覆盖度等优点，已成为监测生态环境的一种行之有效的方法^［4］。

植被景观是由不同大小和形状的植被斑块单元排列而成的地理空间对象，具有显著视觉特性、尺度差异和生态人文特征^［8］。植被景观格局的变化是指在一定时期内景观的空间构成与功能的变化，可能受到生态系统结构与功能的自然因素和人文活动的影响^［9-10］。景观格局的变化将直接作用于生态系统服务在空间上的分布，并间接作用于景观内生态过程^［8，11］。研究景观格局的变化对土地利用变化、城市化、生态结构和功能以及环境保护等方面有着重要作用^［8，12］。

近年来，国内外有关FVC的研究多集中在对长时间序列FVC的制图分析上，少有在分析多时期FVC变化的基础上，结合景观格局的变化对研究区的林相情况进行分析和评价^［13］。本研究以龙泉山城市森林公园为研究区，利用龙泉山城市森林公园建设前期（2014年）、建设初期（2017年）和建设后期（2021年）的植被生长旺盛且清晰无云的遥感影像，基于归一化差值植被指数（Normalized Difference Vegetation Index，NDVI）构建像元二分模型（Dimidiate Pixel Model，DPM），分别获取了研究区3个时段的FVC，再通过机载CCD影像提取植被点并进行交叉验证，最后结合景观格局指数对FVC的时空变化特征进行统计分析^［5］。在量化分析FVC与景观格局指数的基础上，以期对龙泉山城市森林公园和川中丘陵区的生态建设和环境保护有所借鉴，为可持续发展思想及成都市创建城市绿心奠定理论与实践基础，在森林生态价值转化等方面建成示范样板，形成可复制、可推广的经验^［1］。

2 数据与研究区

2.1　研究区概况

龙泉山城市森林公园地处四川省成都市的龙泉山脉成都段（104°09′~104°61′E，30°21′~30°95′N），山脉狭长，整体呈南北走向，是成都市中心城区和东部城市新区的天然边界，地形以低山、平坝为主，地势绵延起伏，最高海拔达1 036 m（图1）。该地区属于中亚热带季风湿润气候，四季分明，夏季降雨集中、气候炎热，冬季降水偏少、气候干燥，年平均气温为16.1 ℃，年平均降水量为934 mm^{［1，14-15］}。森林植被林相单一，有底无景。森林资源质量不高且生物多样性不足，导致景观效果不佳，自然植物群落破坏较为严重。森林植被大部分为次生天然林或人工林，以柏木林为主要类型。区域人口居住分散、分布不均。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1 研究区位置与卫星影像图

Fig.1 The geographical location and satellite image of the study area

2.2　数据来源

由于研究区常年云雾较多，为获取云量少于5%的影像，研究所用的三期数据分别为2014年8月13日的Landsat-8 OLI影像，通过中科院地理空间数据云下载，空间分辨率为30 m；2017年7月10日与2021年8月2日的高分1号WFV影像，通过陆地观测卫星数据服平台下载，空间分辨率为16 m，具体参数见表1。

表1 卫星参数信息

Table 1 Satellite parameter information

Landsat 8 OLI			GF 1 WFV
波段名称	带宽/μm	分辨率/m	波段名称	带宽/μm	分辨率/m
Band1 Coastal	0.43~0.45	30	Band1 Blue	0.45~0.52	16
Band2 Blue	0.45~0.51	30	Band2 Green	0.52~0.59	16
Band3 Green	0.53~0.59	30	Band3 Red	0.63~0.69	16
Band4 Red	0.64~0.67	30	Band4 NIR	0.77~0.89	16
Band5 NIR	0.85~0.88	30
Band6 SWIR1	1.57~1.65	30
Band7 SWIR2	2.11~2.29	30
Band8 Pan	0.50~0.68	15
Band9 Cirrus	1.36~1.38	30
Band10 TIRS1	10.6~11.19	100
BAND11 TIRS2	11.5~12.51	100

新窗口打开| 下载CSV

三期遥感影像成像时间为夏季，是植被生长的旺季，时间上具有可对比性，代表性强，数据空间参考为“WGS_1984_UTM Zone_48N”。运用ENVI 5.3软件对遥感影像进行校正、异常值剔除和裁剪。再将两幅GF1 WFV影像16 m分辨率重采样至30 m，与Landsat-8 OLI影像分辨率保持一致。最后结合NDVI与DPM对植被覆盖信息进行等级划分，确定各等级覆盖面积与其变化范围。

辅助数据来自“成都龙泉山城市森林公园2021年森林植被地图绘制项目（510101202101070）”进行遥感实验所获取的0.3 m分辨率的航空CCD影像，成像时间为2021年7月11日。

3 研究方法

3.1　植被覆盖度分析方法

3.1.1　归一化差值植被指数

NDVI对植被密度和长势具有显著的指示作用，且与FVC之间存在正相关性，反演FVC时具有良好的提取效果^［16］，计算公式为：

N D V I = \frac{(R_{N I R} - R_{R})}{(R_{N I R} + R_{R})}

（1）

N D V I_{n} = (N D V I l t - 1) * (- 1) + (N D V I g t 1) * 1

+ (N D V I g e - 1 a n d N D V I l e 1) * N D V I

（2）

式（1）中，R_NIR为影像近红外波段的反射率，R_R为影像红光波段的反射率。在Landsat8 OLI中为5、4波段，在GF1 WFV中为4、3波段。

式（2）中，NDVI_n为NDVI归一化后数值，在ENVI的波段计算中lt、gt、ge和le分别表示小于、大于、大于等于和小于等于。

NDVI的取值范围为［-1，1］，数值越高植被覆盖状况越好。由于受大气的影响，会出现超出［-1，1］的异常值，需要通过公式（2）对NDVI异常值进行波段计算来实现归一化处理。

3.1.2　像元二分模型

DPM的计算原理是认为每一个像元都由植被与土壤两个要素构成，然后分解遥感光谱信息，再建立DPM，进而得到FVC^［17］，计算公式为：

F V C = \frac{N D V I - N D V I_{s o i l}}{N D V I_{v e g} - N D V I_{s o i l}}

（3）

式（3）中，FVC为植被覆盖度，NDVI_soil为纯裸地覆盖像元的NDVI值；NDVI_veg为纯植被覆盖像元的NDVI值。

由于影像中的噪声是不可避免的，导致NDVI的极值并不一定是NDVI_max与NDVI_min，因此通过选取置信区间的方式来减少噪声的影响^［18-19］。区间最大值为N_veg，最小值为N_soil^［20］。根据三期影像各自计算所得的NDVI频率统计表，本研究中三期影像均选取［5%， 95%］作为置信区间，最后利用FVC公式（3）得到3个时期龙泉山城市森林公园的FVC分布图。

为利于下文的数据分析，本研究借鉴了相关文献划分标准，依据研究区的植被覆盖情况与生态环境特点，将FVC按表2所示分为了5个等级^［21-22］。

表2 植被覆盖度等级划分表

Table 2 Classification table of FVC grades

等级	划分范围	名称
Ⅰ	FVC≤0.30	低植被覆盖度
Ⅱ	0.30＜FVC≤0.60	中低植被覆盖度
Ⅲ	0.60＜FVC≤0.75	中植被覆盖度
Ⅳ	0.75＜FVC≤0.90	中高植被覆盖度
Ⅴ	FVC＞0.90	高植被覆盖度

新窗口打开| 下载CSV

3.1.3　植被覆盖度验证方法

将通过GF 1影像反演得到的FVC结果与通过CCD影像监督分类得到的FVC结果进行交叉验证，来验证植被覆盖度精度。以2021年植被覆盖度作为验证对象，航空CCD影像的获取时间为2021年7月11日，GF 1影像的获取时间为2021年8月2日，两者均为2021年夏季（6~8月），符合森林植被相同物候期的要求。

具体方法是在分辨率0.3 m的CCD影像上划定一个大小为3.2 km×3.2 km范围的区域，在每个FVC等级中各有10个样点的前提下，从此区域中随机抽取50个16 m×16 m大小的感兴趣样点区域（图2），其中选取16 m×16 m窗口是了确保和GF 1影像的空间分辨率一致^［5］。通过将筛选出的样点区域进行植被和非植被的分割来实现监督分类，该样点的FVC即为植被像元在其中的占比，将通过监督分类得到的FVC按表2进行等级划分，最后将划分后的FVC等级与反演所得的FVC等级进行对比，来实现精度检验。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2 研究区验证点在CCD影像上的位置

Fig.2 Location of the verification point in study area on the CCD image

3.1.4　植被覆盖动态度

植被覆盖动态度可以直观反映出某一时间范围内每个FVC等级的变化速率与特征^［5，23］，公式如下：

D = (\frac{F_{2}}{F_{1}} - 1) * \frac{1}{T} \times 100 %

（4）

式（4）中D为特定时间段内植被覆盖动态度，F₁ 和F₂ 分别为某一研究时段期初和期末的植被覆盖面积，T为两个时期的间隔年数。

3.1.5　植被覆盖度差值指数

采用插值法定量分析不同时期之间的植被覆盖度动态变化△FVC^［24-25］，公式如下：

∆ F V C = F V C_{i} - F V C_{i - 1}

（5）

式（5）中的ΔFVC为植被覆盖差值指数，△FVC＞0表示FVC增加，△FVC＜0则表示减少。FVC _i 及FVC_i-1是前后两期FVC影像上的像元值。FVC差值指数的取值范围［-1， 1］，按照表3中的5个等级对差值进行划分，以此来表达FVC的退化或改善等变化程度^［25-26］。

表3 植被覆盖变化类型等级划分表

Table 3 Classification table of vegetation cover change types and grades

等级	划分范围	名称
1	-1 ≤ΔFVC≤-0.3	明显退化
2	-0.3＜ΔFVC≤-0.1	轻微退化
3	-0.1＜ΔFVC≤0.1	无明显变化
4	0.1＜ΔFVC≤0.3	轻微改善
5	0.3＜ΔFVC≤1	明显改善

新窗口打开| 下载CSV

3.2　景观格局分析

采用景观指数对景观格局进行描述和分析，可以定量分析景观斑块特征、破碎化特征、多样性特征等^［7，29］。本研究选取5种基于斑块类型尺度指数作为分析基础，具体参数见表4，利用Fragstats4.2软件计算上述5种指数。

表4 景观格局指数

Table 4 Landscape pattern index

应用尺度	指数
斑块类型尺度	斑块数量（Number of Patches，NP）
	平均斑块面积（Mean Patch Size，MPS）
	景观形状指数（Landscape Shape Index，LSI）
	最大斑块指数（Largest Patch Index，LPI）
	聚合度指数（Aggregation Indices，AI）

新窗口打开| 下载CSV

4 结果与分析

4.1　研究区植被覆盖度时空分布及总体变化

4.1.1　植被覆盖度空间分布特征

研究区2014年、2017年和2021年的FVC分布图（图3）显示，Ⅴ分布在研究区中部往西南方向延伸区域，Ⅰ分布于研究区边缘区域，多为湖泊河流与村落等建设用地。研究区内3期平均FVC分别为0.757 6、0.665 2、0.706 0，2014年FVC均值水平最高，2021年次之，2017年最低，其变化趋势与2017年开始针对龙泉山城市森林公园植被破坏严重进行生态保护建设情况相吻合。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3 研究区2014、2017、2021年植被覆盖度等级空间分布

Fig.3 Spatial distribution of FVC levels in the study area in 2014， 2017 and 2021

从3期数据各等级FVC面积的统计结果（表5）可以看出，研究区2014年与2021年皆以Ⅳ与Ⅴ为主，2014年Ⅳ与Ⅴ面积总和为864.37 km²，占研究区总面积的67.86%；2021年Ⅳ与Ⅴ面积总和为710.90 km²，占研究区总面积55.81%。2017年则以Ⅱ、Ⅲ与Ⅳ为主，三者面积总和为626.36 km²，占研究区总面积49.17%。3期数据的Ⅳ占比均较高，维持在（30±4）%范围内。2017~2021年间，Ⅲ、Ⅳ和Ⅴ面积占比总和皆高于60%，分别达到82.18%、67.74%、73.71%，说明研究区植被覆盖情况良好。

表5 研究区不同时期、不同植被覆盖度等级面积统计表（km²）

Table 5 Statistical table of different periods and different levels of vegetation coverage in the study area（km²）

FVC 等级	2014年		2017年		2021年
FVC 等级	面积	占比	面积	占比	面积	占比
合计	1 273.81	100%	1 273.83	100%	1 273.83	100%
Ⅰ	103.29	8.11%	139.32	10.94%	130.46	10.24%
Ⅱ	123.69	9.71%	271.54	21.32%	204.46	16.05%
Ⅲ	182.45	14.32%	281.45	22.09%	228.01	17.90%
Ⅳ	431.89	33.91%	344.92	27.08%	367.45	28.85%
Ⅴ	432.48	33.95%	236.61	18.57%	343.45	26.96%

新窗口打开| 下载CSV

4.1.2　2021年植被覆盖度估算结果验证

通过对比GF 1影像反演得到的FVC结果与过CCD影像监督分类得到的FVC结果进行精度验证。50个样点中，5个样点不属于反演所得到的FVC等级范围，即存在5个误差点，分别是Ⅲ的2个样点与Ⅳ的3个样点。对于50个样点进行交叉验证，结果表明，基于GF l数据的2021年FVC估算精度为0.90。

4.1.3　植被覆盖度时间变化趋势

通过公式（5）计算出3个时期之间FVC的变化程度，统计结果见图4与表6。由图4与表6可以看出研究区植被覆盖变化类型以未发生明显变化为主，2014~2017年无明显变化等级的占比为37.41%，2017~2021年无明显变化等级的占比为42.21%，2014~2021年无明显变化等级的占比为42.27%。2014~2017年期间，FVC退化面积（575.13 km²）大于改善面积（221.54 km²），植被退化较为严重；2017~2021年期间，FVC改善面积（463.46 km²）大于退化面积（272.69 km²），植被生态有所恢复。总体来看，2014年至2021年期间，FVC退化面积（456.95 km²）大于改善面积（277.89 km²），植被依旧未恢复之前生态状况，但比之2017年有所好转，表明龙泉山城市森林公园生态保护建设起到了一定效果。从整体上看，各等级的FVC之间存在着相互转移的关系，向相邻的低或高等级转移的面积大，跨等级转移的面积比较小，表明3个时期内的研究区植被变化情况虽复杂但正常。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4 研究区植被覆盖度变化空间分布图

Fig.4 Spatial distribution of vegetation coverage changes in the study area

表6 研究区不同等级植被覆盖度差值指数统计表（km²）

Table 6 Area statistics of FVC change in the study area （km²）

变化等级	2014~2017年		2017~2021年		2014~2021年
变化等级	面积	占比	面积	占比	面积	占比
合计	1 272.85	100%	1 273.83	100%	1 272.85	100%
明显退化	232.54	18.27%	95.30	7.48%	191.07	15.01%
轻微退化	342.59	26.91%	177.39	13.93%	265.88	20.89%
无明显变化	476.18	37.41%	537.68	42.21%	538.02	42.27%
轻微改善	144.01	11.31%	311.17	24.43%	177.04	13.91%
明显改善	77.53	6.09%	152.29	11.96%	100.84	7.92%

新窗口打开| 下载CSV

4.1.4　植被覆盖度动态变化分析

从表7可以看出，2014~2017年期间Ⅰ、Ⅱ和Ⅲ面积增加，Ⅳ和Ⅴ面积减少。其中，Ⅱ增长最为显著、增加幅度最大，增加147.85 km²，动态度为39.84%；Ⅴ面积减少较为严重、减小幅度最大，减少195.87 km²，动态度为-15.1%。由此表明，2014~2017年间研究区Ⅳ与Ⅴ斑块遭到不同程度的破坏，植被状况逐渐下降，Ⅳ与Ⅴ的植被存在明显退化现象，生态破坏较为严重。其中，A区块与B区块范围内的植被退化情况较为严重，自然植被破坏、房屋扩建与人为活动等因素是导致这一现象的主要原因（如图5所示）。

表7 研究区不同等级植被覆盖度面积变化统计表

Table 7 Statistical table of area change of FVC of different grades in the study area

FVC等级	变化量/km²			动态度
FVC等级	2014~ 2017年	2017~2021年	2014~2021年	2014~2017年	2017~2021年	2014~2021年
Ⅰ	36.03	-8.86	27.17	11.63%	-2.12%	8.77%
Ⅱ	147.85	-67.08	80.77	39.84%	-8.23%	21.77%
Ⅲ	99.00	-53.44	45.56	18.09%	-6.33%	8.32%
Ⅳ	-86.97	22.53	-64.44	-6.71%	2.18%	-4.97%
V	-195.87	106.84	-89.03	-15.10%	15.05%	-6.86%

新窗口打开| 下载CSV

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5 2014年（a、c）与2017年（b、d）局部对比图

Fig.5 Local comparison map in 2014 （a， c） and 2017 （b， d）

2017~2021年期间，Ⅰ、Ⅱ和Ⅲ的面积减少，Ⅳ和Ⅴ面积增加。其中，Ⅱ的面积缩减最为明显、减少幅度最大，减少面积为67.08 km²，动态度为-8.23%；Ⅴ面积增长最为显著、增加幅度最大，增加面积为106.84 km²，动态度为15.05%。整体看，2017年~2021年间，研究区植被状况逐渐改善，尤其Ⅴ面积的增加说明了生态保护起到了效果。其中，A与B区块的植被覆盖情况有所改善，C区块的三岔湖景区东部FVC下降较多。对比两期影像（如图6所示）可以看出道路与房屋扩建是造成C区块FVC下降的主要原因。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6 2017年与2021年三岔湖景区局部对比图

Fig.6 Local comparison map of Sancha Lake Scenic Spot in 2017 and 2021

2014~2021年期间，FVC变化的趋势与2014~2017年一致：Ⅰ、Ⅱ和Ⅲ面积增加，Ⅳ和Ⅴ面积减少，但变化幅度相比2014~2017年要减缓许多。其中，Ⅱ面积增加最多（80.77 km²），动态度达21.77%；Ⅴ面积减少最为严重（89.03 km²），动态度达-6.86%。可以看出8年间FVC经历了先大幅度下降再有所升高的“V”字形过程，但总体还未恢复到2014年水平。由此表明，自2017年开始一系列政策的实施对生态环境起到了有效的保护作用。

4.2　景观格局结果与分析

研究区在各时期景观指数变化趋势如图7所示。在一定程度上，斑块数量NP能够度量某一特定斑块类型的破碎程度。由图5（a）可知，2014~2021年Ⅰ的NP数值呈先上升再下降趋势，其余等级FVC皆呈现先下降再上升趋势。其中，Ⅲ的NP数值一直处于最高水平，Ⅱ、Ⅳ与Ⅴ在2014~2017年呈现下降趋势，2017~2021年间有所上升。

图7

新窗口打开| 下载原图ZIP| 生成PPT

图7 研究区不同等级植被覆盖度上的景观指数

Fig.7 Landscape index on vegetation coverage of different grades in the study area

斑块数量NP与平均斑块面积MPS均能部分代表景观破碎化程度，MPS增大、NP减小斑块破碎度降低^［27］。但由于各等级的FVC面积之间存在着相互转移的关系，会造成两者变化趋势不一定完全相反的情况。从图7（b）中可以看出，三期影像的Ⅲ的MPS在2014~2021年间一直维持在最小水平，表明其受人类活动影响较大，破碎程度较高。在2014~2017年间Ⅱ与Ⅲ破碎度下降，Ⅰ、Ⅳ与Ⅴ破碎度上升；而在2017~2021年间破碎度变化呈现出相反的趋势，除Ⅱ与Ⅲ破碎度加剧外，Ⅰ、Ⅳ与Ⅴ的破碎度均呈现下降趋势，Ⅴ破碎度下降程度最为显著。结合NP数据可以得出，2017年后研究区景观破碎程度整体呈下降趋势，人类活动影响减弱，生态环境有所改善。

最大斑块指数LPI为某种类型中的最大斑块在景观总面积中所占的比重，体现了景观空间格局，它的大小对景观中的优势种、内部种的丰度等指标有重要影响，体现着人类活动的方向与强弱，可以作为确定优势景观元素的依据，与景观破碎度呈正相关性^［1，22］。从图7 （c）中可以看出，2014~2021年期间Ⅱ和Ⅲ的LPI与Ⅰ、Ⅳ和Ⅴ的LPI呈现出相反变化趋势。Ⅵ的LPI从2014年的最大值6.77%断崖式下降至2017年的最小值0.38%，再上升至2021年的最大值4.43%。表明在此期间，Ⅵ的优势地位逐渐遭到削弱后，通过政府一系列政策措施的修复治理，后优势地位逐渐恢复、斑块整体性逐步加强。

景观形状指数LSI是衡量斑块形状复杂性的指数，其值越大说明斑块越复杂、形状越不规则^［28-29］。从图7（d）中可以看出，2014~2021年间Ⅰ的LSI先上升再小幅度降低，Ⅴ的LSI先下降再小幅度升高，Ⅱ、Ⅲ和Ⅳ的LSI呈现逐步升高的趋势，且Ⅲ的增加程度最为明显。2017~2021年间各等级FVC的LSI变化幅度相较于2014~2017年有明显减小。结果表明，在此期间除Ⅴ斑块的边界复杂度有所下降之外，其余等级斑块边界复杂程度皆增加，向不规则方向发展，后通过人为干预使得2017~2021年LSI值的增长幅度大大降低。

聚合度指数AI反映了斑块的聚集程度，其值越高说明斑块越集中，斑块间连接性越好^［30］。从图7（e）可以看出，2014~2021年间Ⅰ与Ⅴ的AI较高，且呈现先降低再升高趋势，Ⅱ的AI呈现先升高后降低趋势，Ⅲ与Ⅳ的AI呈现连续下降趋势。说明Ⅰ与Ⅴ区域分布较为集中，Ⅲ与Ⅳ区域离散程度变高。

5 讨论

（1）由于航空CCD影像获取困难、成本高等原因，本研究只采集到了研究区2021年7月的研究区CCD影像图，仅对2021年的影像数据进行了精度检验，可能存在其他两期FVC精度有所误差的现象未被发现的情况，无法全面客观地评价研究区的FVC现有状况。

（2）2021年开展的公园城市龙泉山生态保护修复暨国家储备林项目与2021年印发的《四川省川中丘陵区（龙泉山成都段）高质量国土绿化试点示范项目（2021—2022）》两项的措施实施时间与获取的2021年影像时间过近，无法在本研究中及时且准确地体现出两项措施的生态建设成果及景观营造成效。

（3）人类活动的干扰与研究区地质两者共同造成了龙泉山植被破坏严重的情况。龙泉山城市森林公园的道路与房屋扩建造成了研究区植被覆盖度下降、景观破碎度上升。由于研究区自然地形多为10°~55°的坡度，而因道路与房屋形成的人工切割坡度多在60°以上，形成了坡度变化较大的起伏地形，物理风化严重，土壤贫瘠，受人类工程与降水量的影响较大，容易发生小型滑坡等地质灾害^［31-32］。另外由于动植物平衡被破坏，导致病虫害发生次数较多，农药的使用剂量增加，造成土壤环境污染等问题^［2］。

（4）后期植被覆盖度的上升与景观破碎度的下降与政府的保护措施与总体规划有关。从具体措施来看，针对道路与房屋扩建问题，龙泉驿站进行了生态移民，将移民后废弃的耕地与建筑进行了退耕还林、调整了林种结构、建立生态经济林和封山育林等植被恢复操作。针对地质与土壤问题，成都市启动了土壤修复工程并对地质灾害点进行了综合防治^{［2，32，33］}。从政策规划来看，成都市先后开展编制了《龙泉山植被恢复工程实施管理方案》、《龙泉山生态植被恢复工程成片植树造林项目》、《龙泉山城市森林公园总体规划（2016—2035年）》和《成都市龙泉山城市森林公园保护条例》等条例方案。

（5）从FVC与景观格局指数的变化趋势上可以看出研究区生态环境尚未完全恢复，后续还需进一步加强对研究区植被的恢复，重视研究区域周边植被保护和恢复建设工作，综合改善区域生态环境。

6 结论

本研究基于2014年、2017年和2021年的3期遥感影像数据，采用像元二分模型和景观格局指数分析了四川省成都市龙泉山城市森林公园2014~2021年的FVC与景观格局特征。总体上，龙泉山城市森林公园2014~2021年间植被覆盖情况呈现出明显的两段性特征，结论如下：

（1）2014~2017年的FVC总体呈下降趋势，整体景观破碎度呈上升趋势，研究区自然植物群落破坏较为严重，生态环境脆弱。从FVC看，研究区Ⅳ和Ⅴ面积显著减少，Ⅰ、Ⅱ与Ⅲ等级面积增加，研究区域内FVC呈现Ⅴ转向Ⅰ的趋势。在景观格局指标上，研究区破碎化程度加剧，Ⅴ景观的优势地位下降，斑块复杂性与景观多样性增加。

（2）2017~2021年的FVC总体呈上升趋势，且整体景观生态格局呈现出良好的演化趋势，研究区人类活动影响不再剧烈，生态环境逐渐改善。从FVC看，研究区Ⅰ、Ⅱ与Ⅲ等级面积总体减少，Ⅳ与Ⅴ等级面积明显增加，研究区内FVC由Ⅰ向Ⅴ转入趋势明显。从景观格局指数看，研究区破碎化程度有所缓解，斑块整体性加强，Ⅴ景观恢复优势地位。

（3）2014~2021年间，研究区FVC与景观格局稳定性整体呈现出“V”字形曲线，表现出先下降后上升的趋势，自然生态环境稳定性有所恢复。说明研究区环境保护工程实施效果显著，《龙泉山城市森林公园总体规划（2016—2035年）》《成都市龙泉山城市森林公园保护条例》与公园城市龙泉山生态保护修复暨国家储备林项目等措施落施效果显著。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

LIU Yunyu，Study on landscape pattern evolution of Long-quanshan Urban Forest Park based on GIS technology

［D］. Chengdu： Chengdu University of Technology， 2019.

[本文引用: 5]

刘蕴瑜

基于GIS技术的龙泉山城市森林公园景观格局演变研究

［D］.成都：成都理工大学，2019.

[本文引用: 5]

[2]

LI Xia， Accelerating the protection and construction of ecological environment in the Hilly Areas of Eastern Chengdu： A research report on the implementation of vegetation restoration and protection project in Longquan Mountain， Longquanyi District

［J］. Journal of The Chengdu Mucipal Party College of C.P.C， 2011（2）： 67-69，83.

[本文引用: 3]

李霞

加快成都东部山丘区生态环境保护和建设——对龙泉驿区龙泉山实施植被恢复与保护工程的调研报告

［J］. 中共成都市委党校学报， 2011（2）： 67-69，83.

[本文引用: 3]

[3]

WANG

Jing

， ZHOU

Weiqi

， XU

Kaipeng

， 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.