李维娇，邱炳文――基于行政区划的福建省植被覆盖多层次建模研究.doc

基于行政区划的福建省植被覆盖多层次建模研究 李维娇 1 邱炳文 1 曾灿英 1 （1 福州大学空间信息工程研究中心） 摘 要：植被覆盖变化的驱动力研究及其在不同尺度不同层次的变化一直是学者们关注的热点问 题。以往研究或者更注重从自然单元和自然因子角度进行植被覆盖动态演变研究，或者更偏向于 宏观社会经济因子等的指导性作用。本文将二者进行结合，以福建省为研究区，在资源环境卫星 数据的基础上，构建县—市级二层植被动态变化影响模型。研究表明在市级层次上，国民收入的 最终使用指标对植被覆盖的影响较大，与植被覆盖成负相关；在县级层次上，地形因子对植被覆 盖的影响较大，与植被覆盖呈正相关，生产要素和生活条件指标与植被覆盖成负相关。 关键词：多层次模型；行政区划；植被覆盖；驱动因子 1 前言 绿色植被在人类生活居住中起到非常重要的作用。植被受气候、水文、土壤、人类活动和社 会宏观调控等多种因素共同影响, 是区域生态环境状况的综合表征。利用现代手段进行定量分析 和模型模拟是生态-地理格局和过程研究的趋势之一，许多研究探讨了植被格局与环境的时空演 变关系(Nelson et al., 2007; Martínez and Gilabert, 2009; Souza et al., 2010; HouGuanglei, 2011)。这些研究主要分为以下两类：一种为研究不同植被覆盖的时空异质性及其与气温、降水 等气候因子的相关性；另一种为研究植被的时空非平稳性及其与海拔、纬度等因素的梯度变化关 系。 植被覆盖的多尺度多层次研究还比较少见，尽管已有不少学者开展了植被的多尺度综合效应 研究(陈佑启, 2000; 吕一河, 2006)，也有少量学者开展了土地利用驱动因子的多层次建模研究 (李晓亮, 2008; 杨维鸽, 2010)，该类研究均偏重于从自然单元层次（如流域），不同土地利用类 型开展植被覆盖驱动因子影响机制研究，且驱动因子大多以气候、地形等自然因子为主。然而植 被覆盖的动态变化不仅受到地形等自然因子的影响，社会经济条件和政府决策更会从中观、宏观 上影响到它的分布与演变，宏观区域上看政策的转变是土地利用/植被覆盖变化的根本原因，中 观尺度的社会经济发展,特别是人口和经济的快速增长,对物质产品、文化生活和环境质量提出了 更高的需求,从而影响植被覆盖和土地利用变化(杨维鸽, 2010)。当选取经济因子和宏观政策因 子进行研究时，由于社会经济条件、政府决策、土地管理策略、植被利用与保护措施等在同一行 政管理单元中具有一定的相似性，以县、市等不同管理级别作为模型中的不同层次，便于考察不 同的社会经济条件与管理调节手段下植被覆盖演变特征，评估不同特色的土地管理政策与措施的 实施效果。 多层次模型是一种可以集成不同空间尺度与管理层次以及它们之间的相互作用的统计模型， 适合于具有明显的层次、结构复杂多变的系统分析。由于其本身的层次结构特点首先被应用到社 会 科 学 领 域 ， 近 年 来 国 外 在 土 地 利 用 变 化 科 学 研 究 中 也 有 一 些 应 用 (WKY Pan, 2005; OVermarsK·P，VerburgP.H, 2006)，目前国内的研究多基于统计、人口、教育、经济、社会学 等领域。本文将多层次模型与地理学知识相结合，以福建省为研究区，在行政区划的基础上对福 建省的植被指数进行多层次线性回归分析，以福建省 85 个县级行政区划为第一层单元，以福建 省行政区划的 9 个市作为第二层单元进行福建省植被覆盖动态演变的二层模型研究，在中观和宏 观上分析福建省植被覆盖动态演变的驱动机制，分析不同行政单元上，不同的社会经济因子和政 策等对植被覆盖的影响。 2 2.1 研究区概况与数据处理 研究区概况 福建地处祖国东南部、东海之滨，陆域介于 23°30′N 至 28°22′N， 115°50′N 至 120° 40′N 之间，全省陆地面积 12.14 万平方公里，地势西北高、东南低，山地、丘陵和平原分别占 75%、15%和 10%。海域面积 13.6 万平方公里。福建属温暖湿润的亚热带海洋性季风气候，年平 均气温 17-21℃，平均降雨量 1400-2000mm，是中国雨量最丰富的省份之一。 福建的森林覆盖率为 63.1%，居全国首位。林地面积 617.9 万公顷，全国六大林区之一。有 的已辟为自然保护区，如建瓯万木林保护区及武夷山国家自然保护区等，福建林区可分为中西部 亚热带常绿阔叶林区和东部亚热带季风雨林区。 2.2 数据源 NDVI 数据来源于环境卫星一号 2010 年 201012283 数据，NDVI 是反映植物冠层背景影响的指 数，他与地表植被覆盖有关，通常情况下，NDVI 的值域范围在-1 到 1 之间，正值表示地表有植 被覆盖，并且 NDVI 值随着植被覆盖度的增大而增大；0 值表示地表为岩石或裸土，无植被覆盖； 负值表示地表覆盖受到了云、水、雪的影响。 社会经济数据采用 2010 年的年鉴统计数据，高程通过分辨率为 30m SRTM_DEM 数据获取并从 该 DEM 中提取出坡度，气象因子由福建省 2010 年每天的 65 个气象站点观测数据进行插值生成 250m 分辨率的均温、累积降水、平均日照等因子，并重采样到 30m 分辨率。人为因子体现为交 通可达性因子(距离最近道路距离，距离最近河流距离，距离最近居民点距离以及距离最近铁路 距离)和土地利用综合指数，所有的数据预处理操作均在 ESRI 公司中 ARCGIS 9.3 软件中实现。 气象因子、地形因子和人为影响因子均是求各个县、市内的平均值来代表该行政单元内的值。 图 1：福建省植被覆盖 NDVI 指数 2.3 图 2：福建省行政区划 数据处理 本文根据经验、以往的研究( WKY Pan,2005;OVermarsK•P,2006;李晓亮, 2008; 杨维鸽, 2010)和数据条件尽可能全面考虑影响植被覆盖的因子(表 1)，以便从中筛选出真正显著影响植 被覆盖的因子。由于所考虑自然因子和社会经济因子众多，将因子进行分类，分类表如表 2 所示。 为了排除因子之间的共线性对所有因子做相关分析（利用 spss 软件），在 0.01 水平上显著相关 的两个因子只取其中一个，尽量为每一类型选出一至两个代表因子，最后筛选结果如表 3 所 示。，且各个因子均进行归一化处理，处理方法为：(因子-平均值)/方差。 表 1：影响因子筛选结果表 因变量 层次 考虑的因子 企业固定资产年末净值、房地产投资、建筑业产值、粮食产量、人均 GDP、公路通车里程、农村投递 路线总长度、农业人口、非农业人口、农作物播种面积、农林水事务支出、单位从业人员数、在职职 第一层(县) 工比去年增长工资、农民人均收入同比上年增长、农民人均收入、衣着支出、居住支出、固定住宅面 积、DEM、坡度 总工业产值、轻工业产值、重工业产值、工业产值比去年增长、地区总产值、地区第一产业产值、地 NDVI 区第二产业产值、社会消费、城镇化水平、新增固定资产、固定资产投资、第一产业投资、第二产业 投资、第三产业投资、年末户籍统计总人口、常住人口数、人口密度、地方财政收入、金融机构各项 第二层(市) 人民币存款余额、农村居民最低生活保障人数、居民最低生活保障人数、期末参加新型农村医疗保险 人数、期末参加基本医疗保险的职工人数、期末参加基本养老保险职工人数、据河流的距离、据道路 的距离、日照、累积降水量、均温 表 2：影响因子分类表 因子 类型 生产要素和生活条件指标 农业人口、非农业人口、农作物播种面积、农林水事务支出、单位从业人员数、第一产业投 资、第二产业投资、第三产业投资、年末户籍统计总人口、常住人口数、人口密度 社会生产成果指标 总工业产值、轻工业产值、重工业产值、工业产值比去年增长、地区总产值、地区第一产业 产值、地区第二产业产值、建筑业产值、粮食产量、人均 GDP 社会产品实物的流通和消费指标 经济 公路通车里程、农村投递路线总长度、新增固定资产、固定资产投资 衣着支出、居住支出、固定住宅面积、农村居民最低生活保障人数、居民最低生活保障人数、 因子 期末参加新型农村医疗保险人数、期末参加基本医疗保险的职工人数、期末参加基本养老保 人民生活指标体系 险职工人数 国民收入的初次分配和再分配指 在职职工比去年增长工资、地方财政收入、农民人均收入同比上年增长、农民人均收入、金 标 融机构各项人民币存款余额 国民收入的最终使用指标 社会消费、企业固定资产年末净值、城镇化水平、房地产投资 其他 距离因子 据河流的距离、据道路的距离 因子 气象因子 日照、累积降水量、均温 地形因子 DEM、坡度 表 3：影响因子筛选结果表 因变量 层次 考虑的因子 企业固定资产年末净值、房地产投资、建筑业产值、粮食产量、农业人口、非农业人口、农作物播种 第一层(县) 面积、农林水事务支出、农民人均收入、衣着支出、居住支出、DEM NDVI 总工业产值、轻工业产值、地区总产值、地区第一产业产值、地区第二产业产值、社会消费、城镇化 第二层(市) 水平、新增固定资产、固定资产投资、年末户籍统计总人口、常住人口数、人口密度、地方财政收入 3 多层次模型 对于植被覆盖变化来说，他的驱动因子之间有着组效应，多层次模型正是一种有着组效应的 线性分析方法。也就是说，在分析各行政单元植被覆盖变化其相应的社会、地形等因子关系时， 要考虑区域背景的变化（即个体效应与组效应）。本文构建了以福建省县级行政区划为第一层次 和市级行政区划为第二层次的两层次模型，在该层次模型中，不同的市级行政区划其回归方程的截 距和斜率都是不同的，是随机的。其中，第 2 层次的斜率和截距都依赖于第 2 层次的变量，如此构 成了一个基于行政区划的两层次模型。 县级层次： �ij = �0j + �1j �ij + ��� (1) 市级层次： �0j = �00 + �01� j + �0� (2) �1j = �10 + �11 � j + �1� (3) 其中,按照福建省的行政区划，县级层次有 i 个单元(i=1,…,85)嵌套于第市级层次的 j 个单 =�� �11��0�j + �0j =�� �11��0�j + �1� = ��001j + = ��001j + 10�+ 1�、 10�+ 01 j + 01 j + 元(j=1,…,9)中。 �0j 、 为随机变量。 被分解为 r00、 r10（常数）与 u0j、 u1j（随机 效应）的和。r00，r01，r10 和 r11 是第二层回归方程的系数。Xij 是县级层次的预测变量,代表第 i 个县在第 j 个市中自变量 X 的取值。 Wj 是市级层次回归方程的预测变量。 rij 是县级层次回归方 程的随机效应,代表残差,其含义是第 i 个县在第 j 个市中的测量值 Y 不能被自变量 X 解释的部分。 零模型的目的在于了解植被变异在各个层次所占的比例及建立该层次的必要性，是方差成分 分析，也是必须要用的模式,零模型决定是否需要引入市级层次的变量来解释县级层次的回归系 数。 22 =��0�0�++������ , ���(� ���(� ))==�� 为组内方差 ����= ���� 县级层次： �� 22 +��0�0� , ���(� ���(�0� ))= =�� 为截距的方差 00 00+ 0� 市级层次：��0�0�==�� 评估多层次模型的第一步是将无条件(unconditioned)的 NULL 模型与有截距的 NULL 模型进 行比较，NULL 模型指的是没有引入解释变量的模型。采用逐步线性回归模型，确定第一层的解 释因子,并且通过容限度来诊断共线性。如果容限度在 0.5 以上, 可以排除它们之间的共线性；; 若各自变量共线性容限度都小于 0.1，则可以认为这一变量与其他自变量的存在着超出容许范围 的共线性。 4 结果分析 构建多层次模型时，在不同的层次引入不同的自变量，解释不同因子在不同尺度不同层次 的贡献与作用。零模型,不包括任何自变量,只包括了高层次的随机效应。利用方差显著与否决定 在该多层次应用研究中层次是否合理，并且是否充分体现了植被覆盖嵌套格局。同时计算组内相 关系数 ICC 确定植被覆盖与变化的变异有多大比例是由区域背景条件的差异造成的。植被覆盖与 变化的变异，是由组内相关系数 ICC 确定的。模型一县级层次上包含了一些影响植被覆盖情况的 变量。模型二在第一层县级变量的基础上,引入可能影响植被覆盖与植被变化的市级宏观层次因 子,即第二层变量。通过容限量和 P 值确定该层次影响显著的因子及因子的贡献度，模型的优劣 程度，可以通过比较各层模型的 R2 和离差统计量得出。 4.1 NDVI 零模型结果 零模型的随机效应包含部分，分别为层一部分和层二部分，代表了植被覆盖的变化中源于 县级和市级的随机效应，分别是组内差异和组间差异。NDVI 零模型运行的结果显示其组间方差 为 0.0072(p<0.0001)，组内方差为 0.0041。县级层次内组内相关系数为 0.6364，市级层次为 0.3636，两级行政区划内植被覆盖所占变县级层次变异略大于市级层次。这表明植被覆盖县级尺 度内的变异占据主导地位。据建立的经验判断准则,当组内相关系大于 0.059 时,就需要在统计建 模处理中考虑如何处理组间效应(刘德智, 2004; 周皓, 2008; 杨维鸽, 2010)。因此,对植被覆盖 与变化的驱动因子进行由县-市的多层线性模型分析完全是必要的。 表 4：零模型统计结果表 Deviance NDVI 4.2 -121.832762 Level 1 Variance 0.00413 Level 2 ICC 0.6364 Variance 0.00723 ICC 0.3636 c2 37.7（p<0.001） NDVI 多层次模型结果 使用容限度作为判断共线性的标准，当各个自变量的容限度共线性大于 0.5 时，他们之间 的贡献度是基本可以排除的，如果容限度在 0.1 以下，则该自变量与其他自变量之间超过了多重 共线性的容许界线。完整模型通过逐步引入或删除不同的因子获得最优的多层次模型结果。模型 二 （ 引 入 市 级 解 释 变 量 ） 的 解 释 力 度 较 模 型 一 （ 引 入 县 级 解 释 变 量 ） 稍 高 ， 其 R2 分 别 为 49.93%(P<0.001)和 67.45%(P=0.001)，市级层次略高于县级(表 6)。模型在不同层次不同的社会 经济因子、自然因子对植被覆盖的影响不同。 模型一为引入第一层解释变量的模型，表 5 中 Level 1 结果表明在县级层次上，多个因子中 非农业人口数、农作物播种面积、DEM 与 NDVI 显著相关。其中 DEM 和农作物播种面积对 NDVI 的 影响是正的，而非农业人口数与 NDVI 呈负相关。这其中 DEM 对 NDVI 的影响最大，其相贡献度为 0.2438；非农业人口数次之（0.1853），贡献度最小的是农作物播种面积。由于福建有着多山地 多丘陵的地形地貌，对于福建省来说，DEM 基本上可以在一定程度上反映制备的覆盖情况，海拔 越高的地区，是山地的可能性越大，其植被覆盖越好，海拔相对较低的地方，相对较平稳，人类 活动多聚集于此。非农业人口数代表一个地区的土地利用开发程度和人类活动的占地水平，非农 业人口数越大，其土地被开发利用的程度越大，人类占地面积大，不利于植被大面积覆盖故而与 NDVI 呈显著负相关的关系。农作物播种面积反应一个县的农业生产的总规模，农作物是县内主 要的经济来源与植被覆盖来源，农作物种植面积越大，NDVI 值越大，农作物播种面积对整个县 的植被覆盖有着显著的正向影响。 模型二为引入第二层解释变量的模型，表 5 中 Level 2 结果表明 NDVI 的分布差异不仅在县 级中观层次上受到非农业人口数、农作物播种面积、DEM 因子的影响外，同时也在市级层次上受 到总工业产值、社会消费、城镇化水平等因子的显著影响。其中市级层次上选取的几个因子均呈 负相关。社会消费在一定程度上反映该市的经济状态与经济实力，社会消费越多，植被覆盖越差。 总工业产值是以货币表现的工业企业在报告期内生产的工业产品总量，总工业产值越高，对环境 的影响越大，植被的覆盖越差。城镇化水平指一个地区城镇化所达到的程度，一个地区达到的城 镇化水平越高，其植被覆盖越差。在市级层次上城镇化水平对植被的影响较大，其贡献度达到 0.4118，其次为总工业产值（0.1484）和社会消费（0.1143）。 表 5： NDVI 多层次模型结果 层次 固定效应 截距 Level 1 县级 层次 Level 2 市级 层次 系数 标准差 容限度 自由度 P值 贡献度 0.533723 0.010135 52.660 6 <0.001 非农业人口数 -0.026837 0.006643 -4.040 6 <0.001 0.1853 农作物播种面 积 DEM 0.013686 0.004439 3.083 6 0.003 0.0710 0.040106 0.009109 4.403 6 <0.001 0.2438 总工业产值 -0.015880 0.006478 -2.451 53 0.018 0.1484 社会消费 -0.015144 0.004388 -3.451 53 0.001 0.1143 -0.082190 0.018574 -4.425 55 0.004 0.4118 城镇化水 平 表 6： NDVI 多层次模型拟合统计量 模型 离差统计量 c2 自由度 P值 R2 4.3 零模型 -121.832762 模型 1 -141.574973 60.12180 6 <0.001 0.4993 模型 2 -139.315196 22.58220 53 0.001 0.6745 NDVI 残差 NDVI 各层次残差如图 3 所示，由第一层次的残差图可以看出，NDVI 多层次模型县级层次在福 建省的中部区域解释得较好，残差较小，在北部南部东部个别区域残差较大。其中残差较小的区域 主要集中于南平南部、漳州东部、泉州南部和福州西部等区域，残差较大的区域主要集中于南平北 部和莆田东部。市级层次上福建省南平、福州、泉州区域解释较好，但是其残差都已经比较小了。 图 3：NDVI 县级层次(左)和市级层次(右)残差图 5 结论 在中观层次上即县级层次上，地形因子（DEM）对植被覆盖的影响较大，并且与植被覆盖呈 正相关。这是由于福建处于南方丘陵地区，随着海拔的升高，土地利用类型由人类活动聚集的建 筑用地逐渐向人烟稀少的林地转变，植被覆盖也由差变好。模型中生产要素和生活条件指标（非 农业人口数、农作物播种面积）对植被覆盖的影响略小于地形因子。其中，非农业人口数是反映 一个地区工业化的重要标志，一个地区非农业人口数越大该地区土地被开发利用的程度越大，越 不利于植被大面积覆盖，故而与 NDVI 呈负相关的关系。而农作物播种面积代表了一个地区的工 业化程度，农作物播种面积对整个县的植被覆盖有正向影响。 在宏观层次上即市级层次上，国民收入的最终使用指标（社会消费与城镇化水平）和社会 生产成果指标（总工业产值）对植被覆盖的影响较大，二者均与植被覆盖成负相关。其中，社会 消费、城镇化水平和总工业产值都从某一侧面代表一个地区的工业发达程度，通常情况下，一个 地区工业越发达，植被覆盖越差。 本文通过建立从县到市的多层次模型，定量分析各级行政区划内社会经济因素、人为影响以 及自然条件下的植被覆盖动态演变格局，从中观和宏观角度分析植被覆盖与演变的影响因素，指 导各级行政区划优化土地利用格局，为平衡区域发展与生态建设之间的关系，实现各级可持续发 展战略提供决策支持。由于经济数据因子和其他资料的欠缺，尚未考虑更为微观的村级行政区划 层次上社会经济条件与灌溉等因素对植被的影响，以后的研究可建立微观(村)-中观(县)-宏观(市) 的三层模型，从而在微观层面指导各级行政区划优化植被覆盖格局。同时，由于观测范围与分辨 率的限制，不能很好的提供土地利用系统的全部信息，因此，在多尺度方法的区域实践研究方面 有待加强。 参考文献 HouGuanglei, ZhangHongyan, WangYeqiao, 2011. Vegetation dynamics and its relationship with climatic factors in the Changbai Mountain Natural Reserve. Journal of Mountain Science 8(6), 865-875. Martínez, B. M. A. Gilabert, 2009. Vegetation dynamics from NDVI time series analysis using the wavelet transform. Remote Sensing of Environment 113(9), 1823-1842. Nelson, A., T. Oberthür.S. Cook, 2007. Multi-scale correlations between topography and vegetation in a hillside catchment of Honduras. International Journal of Geographical Information Science 21(2), 145-174. OVermarsK·P，VerburgP.H, 2006. Multilevel modelling of landuse from field to village level in the PhiliPPines. AgrieulturalSystems 23, 435-456. Souza, A. A., L. S. GalvaoJ. R. Santos, 2010. Relationships between Hyperion-derived vegetation indices, biophysical parameters, and elevation data in a Brazilian savannah environment. Remote Sensing Letters 1(1), 55-64. WKY Pan, RE Bilsborrow 2005. The use of a multilevel statistical model to analyze factors influencing landuse: a study of the Ecuadorian Amazon. Global Planetary Change 47(2), 32-52. 陈佑启, VerburgPH, 徐斌, 2000. 中国土地利用变化及其影响的空间建模分析. 地理科学进展 19(2), 116-127. 李红军，郑力，雷玉平，李春强，周戡, 2007. 基于 EOS/MODIS 数据的 NDVI 与 EVI 比较研究. 地理科学进展 26(1), 26-32. 李晓亮, 赵智杰, 黄钱, 2008. 塔里木河下游垦区耕地面积变化及驱动力的多层次分析. 安徽农业科学 36(9), 3830-3833. 刘德智, 朱建宝, 2004. 介绍一种教育研究统计软件 HLM—多层线形模型. 计算机在化学中的应用 31(8), 61-62. 吕一河, 赵文武 傅伯杰, 2006. 多尺度土地利用与土壤侵蚀. 地理科学进展 25(1), 24-33. 杨维鸽, 陈海, 杨明楠,张波,庞国伟, 2010. 基于多层次模型的农户土地利用决策影响因素分析-以陕西省米脂县高西沟村为例. 自 然资源学报 25(4), 646-655. 周皓, 巫锡炜, 2008. 流动儿童的教育绩效及其影响因素:多层线性模型分析. 人口研究 32(4), 22-32. 中国统计局,2011.福建统计年鉴—2010.中国统计出版社. Vegetation multi-level modeling research in fujian province based on administrative region Abstract： The research of vegetation change driving force and the changes of different levels in different scale has always been the hot issue of scholars. Previous research either pay more attention to the perspective of natural unit and natural factors to study the dynamic evolution of vegetation cover, or prefer to the guiding effect of macro social economic factors. In this article, we will both make a combination to Fujian province as the research area, based on resources and environment of satellite data, construction of county - municipal layer vegetation dynamics influence model. Study on the municipal level, national income eventually use index has larger negative influence with vegetation coverage. At county level, terrain factors have bigger influence (positively) on the vegetation coverage, the factors of production and living conditions index have negative correlation with vegetation cover. Key words： multilevel model, administrative division, vegetation coverage, driving factors. 通信作者：邱炳文（1973—），女，副研究员，qiubingwen@fzu.edu.cn，从事地理信息系统的研究。 李维娇，硕士研究生，18344902029,523055539@qq.com