中国被认为是目前城市化速度最快的发展中国家，城市人口数量庞大，能源消耗量及碳排放量仍处于“双上升”阶段[1]。中国城市人口在2016年已经相当于世界平均水平，达到57.35%；预计2030年将达到75%[2].绿色可持续发展和生态文明建设已经成为我国城市化发展的主流，随着城镇化的迅速推进和城市用地的快速扩张，原有的城市绿色空间遭受大幅度的破坏，空间格局变化巨大。绿色空间作为评判城市生态环境的重要指标，被广泛地认为一定程度上反映了该地区的自然条件和人类活动的变化。20世纪后半期，国内外开始广泛开展人类活动与生态环境之间响应关系的定性与定量研究，并从单一角度、单一因子发展为多角度、多因子、多尺度的研究[3-5]。遥感技术因其快速、实时、长时序观测、覆盖范围广等优点被广泛应用[6-7]，通过遥感技术实现对城市化进程中土地生态环境的动态监测分析，可以探索城市化建设与生态环境发展之间的同步性与关联性[8]，进而促进城市化进程中社会、经济与生态的健康可持续发展。
近30年来，京津冀地区在推进城乡经济社会高速发展的同时，遭遇了一系列资源环境问题和国土生态安全威胁，生态环境治理需求极为迫切[9-10]。随着国家的一系列有关生态环境保护政策的出台，京津冀地区也在迫切地给出相应措施，2015年批准实施《京津冀协同发展生态保护规划》，首次规定了京津冀地区生态环保红线，并规定了环境质量底线和资源消耗上线。面对国家在京津冀地区部署的重大战略，客观并及时地对生态环境的动态变化实时监测，这不仅是对国家政策的支持，更是京津冀地区生态环境建设工作得以顺利开展的前提，是整个京津冀地区发展建设规划的迫切需求。
本研究基于遥感生态指数(RSEI)以及城市绿色空间数据，对京津冀地区生态环境进行监测和评估，分析和研究城市化背景下该地区土地生态环境的时空动态变化和演变规律，可以为京津冀地区城市化更加合理的发展和科学治理绿色空间提供数据和依据，对区域经济、社会和环境的可持续协调发展具有重要意义。
1 数据和方法
1.1 研究区概况
京津冀地区包括北京、天津两个直辖市以及河北11个地级市，地处北纬36°05′～42°40′，东经113°27′～119°50′之间。该城市群位于华北平原北端，整体地势呈现出西北高东南低的地形特点，地貌类型多样包括平原、山地、丘陵等，西部有京北第一草原(坝上草原)、燕山和太行山山系，属温带大陆性季风气候。近年来，京津冀地区人口大量集中，人类活动的程度和范围不断扩大，城市建设用地不断扩张，经济快速增长。
1.2 数据来源与处理
本次研究所采用的卫星遥感影像是由美国国家航空航天局NASA的EOS/MODIS提供的，其中Modis数据类型包括：MOD09A1(8天最大反射率合成，空间分辨率500 m)，MOD11A2(地表温度数据，空间分辨率1 km)，MOD13A1(16天植被覆盖指数，空间分辨率500 m)(https：//ladsweb.modaps.eosdis.nasa.gov/).影像数据时间跨度为2000年7月-2020年8月，七八月份是全年内植被覆盖度极高的月份，所下载的影像数据尽量挑选研究区域影像云量少，数据反映度最佳的。
1.3 研究方法
1.3.1城市绿色空间定义
城市绿色空间(urban green space，UGS)在景观学中的广义概念是城市环境中所覆盖的任何一种植被[11]。随着对城市绿色空间研究的进一步发展，其研究区域主要指城市内部环境与周边环境所覆盖植被的区域，是城市中自然或者半自然的土地利用状态[12-13]。归一化植被指数(NDVI)可以很好地反映植物生长状态以及区域土地生态状况，特别是在受到人类活动扰动强烈的城市地区[14]。通过NDVI阈值划分，可以将城市的绿色空间划分为四个类型[15-16]：1) 无植被覆盖地表，主要为城市灰色空间，包括裸地、不透水面等；2) 低植被密度区，主要为城市及周边的人造城市绿色空间如公园、道路防护林及荒草地、疏林地等；3) 中植被密度区，主要为半自然城市绿色空间，如新造林地、植物园、城市社区林地、草地等；4) 高植被密度区，包括自然城市绿色空间如森林、苗圃和连片的耕地等。
对照2000-2020年全球地表覆盖成果(http：∥www.globallandcover.com/)，选取研究区范围内的30 m分辨率地表覆盖数据，叠加后进行随机采样，判断京津冀地区2000年、2010年和2020年3个年份不同地表覆盖类型，最终得到表1中用于划分绿色空间的NDVI阈值。根据不同植被密度分别设置像元编码[无植被覆盖区1、低植被密度区2、中植被密度区3、高植被密度区4]；将研究期分为2000-2010、2010-2020及2000-2020三个阶段，前一时刻与后一时刻的像元编码以十位数和个位数的组合形式成为绿色空间变化的像元编码，因此得到京津冀地区城市绿色空间变化时空图谱。
表1 城市绿色空间的NDVI阈值
Table 1 NDVI thresholds for urban green space
无植被覆盖低植被密度中植被密度高植被密度[-1,0.35)[0.35,0.56)[0.56,0.74)[0.74,1]
1.3.2RSEI模型构建
遥感生态指数(RSEI)，是反映被评价区域生态环境质量状况的一系列指数的综合评价方法，本文利用MODIS数据提取的是绿度(NDVI)、湿度(WET)、干度(NDSI)、热度(LST)这4种生态因子来生成遥感生态指数[6，17-18]。
绿度指标本文选用NDVI来进行表达，其被广泛应用于植被及植物物候研究，其表达式为：
(1)
湿度指标(WET)通过遥感缨帽变换获得，可以较好地反映植被和土壤湿度。在不同的传感器中，其表达式不同，在本文中，其表达式为：
WET=0.151 1ρblue+0.197 3ρgreen+0.328 3ρred+
0.340 7ρnir-0.711 7ρswir1-0.455 9ρswir2.
(2)
干度指标(NDSI)通过求取裸土指数(SI)和建筑指数(IBI)的均值来获得土壤亮度，用于分析土地退化现状，其表达式为：
NDSI=(SI+IBI)/2 .
(3)
(4)
(5)
热度指标(LST)使用Modis数据来进行地表温度反演，其表达式为：
LST=0.02DN-273.15 .
(6)
上述公式中：ρred为红波段的反射率，ρblue为对应蓝波段的反射率、ρgreen为绿波段的反射率、ρnir为近红外波段的反射率、ρswir1为短波红外1波段的反射率、ρswir2为短波红外2波段的反射率、DN为地表温度灰度值。
由于每项指标的量纲数量级不同，需对初始数据进行标准化处理，指标值范围统一为0～1，指标标准化计算公式为：
X＇=(X-Xmin)/(Xmax-Xmin) .
(7)
式中：X＇为标准化指标值；X为指标数值；Xmax、Xmin分别为该指标的最大值和最小值。
本文采用主成分分析法(PCA)集成NDVI、WET、LST和NDSI这4个指标构建RSEI生态指数，对第一主成分结果(PC1)计算得到初始生态指数(RSEI0)，公式为：
RSEI0=1-{PC1[f(NDVI,WET,LST,NDSI)]} .
(8)
对RSEI0进行标准化处理，公式为：
RSEI=(RSEI0-RSEI0_min)/
(RSEI0_max-RSEI0_min) .
(9)
式中：RSEI为遥感生态指数，RSEI0为初始生态指数，RSEI0_min为指标的最小值；RSEI0_max为指标的最大值。遥感生态指数值在0～1之间，该值越大，表示生态的质量越好。
1.3.3空间生态变化趋势分析
采用一元线性回归分析模拟2000-2020年研究区每个栅格单元RSEI的变化趋势，该方法基于最小二乘法逐栅格拟合年像元值的斜率，可以综合反映其变化趋势，其具体计算公式如下[19-20]：
(10)
式中：slope为RSEI的变化趋势；n为时间序列；bi为第i年RSEI的值。当slope>0 时，表示呈上升的趋势；当slope<0时，表示呈下降的趋势；当slope=0时，表示无变化。
2 结果与讨论
2.1 城市绿色空间时空演变分析
2.1.1城市绿色空间时间变化特征
京津冀地区主要绿色空间为中、高植被密度区并呈逐年增加的趋势，无植被覆盖区和低植被覆盖区呈现逐年递减趋势。通过对研究区土地植被密度进行统计，获得不同时段植被密度区的分布及其变化情况，2000年、2010年和2020年京津冀地区不同植被密度下的绿色空间分布如图1所示。研究区主要绿色空间为中、高植被密度区，分布在东北及东南地区。2000年中、高植被密度区占整个区域面积的比例为78.34%(图1(a))，中植被密度区为主要区域，占41.30%；到2010年中、高植被密度区的占比上升到86.41%，且高植被密度区呈现快速增长的趋势并超过中植被密度区达到57.33%(图1(b))；而2020年两个区域占整个地区的90.01%，中、高植被密度区的面积差距进一步加大，高植被密度区进一步增加至65.12%(图1(c)).根据2002-2020年的全国城乡建设统计年鉴，随着城市化的发展京津冀地区的城市建成区面积从2 570.62 km2增加到4 802.19 km2，本研究中无植被覆盖区和低植被密度区主要在水域、城市建设区及其周边区域，呈现出逐年递减的趋势，这一结果主要受到城市发展过程中对城市绿地的建设与保护的影响。
图1 2000年、2010年和2020年京津冀地区绿色空间分布
Fig.1 The urban greenspace regions of the Beijing-Tianjin-Hebei region in 2000, 2010, and 2020
2.1.2城市绿色空间不同地区变化特征
图2显示了2000-2020年间研究区的绿色空间发生的不同程度的变化。中植被密度区向高植被密度区的转换面积占比最大，占总变化的54.92%，且在不同城市均为主要转换类型；其次为低植被密度向中、高植被密度转换，分别为18.80%和9.21%；而植被密度下降的主要类型为高植被密度向中植被密度转换和中植被密度向低植被密度转换，分别占总变化量的6.28%和4.43%；由其他密度类型转换为无植被覆盖区和低植被覆盖区的比例为9.15%，这部分转换量主要受城市扩张过程中灰色空间及人造绿色空间产生的影响，主要集中在中部、东部及东南地区。
图2 2000-2020年城市绿色空间植被密度变化
Fig.2 Changes of urban greenspace vegetation density values from 2000 to 2020
分阶段来看，2000-2010年间植被密度有所改善的区域主要分布在张家口、承德、天津、沧州等地，2010-2020年植被密度有所改善的地区主要为西北部——张家口、承德、石家庄和保定及北京、天津的城市中心地带；植被密度减少的空间分布在2000-2010年主要为保定、石家庄、邢台和邯郸及北京、天津的城市中心地带，2010-2020年主要为东部和东南地区，尤其是沿海城市。
20年的时间里研究区的植被密度整体呈上升趋势，表2统计了研究区不同阶段中各个城市植被密度提升的面积，结果表示2000-2010阶段和2010-2020阶段不同城市的植被密度有提升也有下降，结合图3所反映京津冀不同城市绿色空间转换的主要类型统计结果，可以将研究区划分为3个变化梯度，第一梯度为张家口、承德和保定3个城市，占整个上升区的61%，第二梯度为北京、天津、石家庄、唐山和沧州，第三梯度为秦皇岛、邯郸、邢台、廊坊和衡水。张家口和承德位于京津冀地区的西北部与保定的北部地区一起承担着区域的水源涵养与水土保持功能，通过太行山绿化、北方防沙带等工程，使得公益林和天然林得到很好的保护与修复。北京、天津、石家庄、唐山等城市作为城市化程度较高地区，植被密度改善的区域相对集中在城市中心，这类城市更加注重已有的绿色空间的建设和保护；东部天津、沧州沿海地区受滨海湿地生态修复和退化林修复工程的影响，临海地区的植被密度改善明显，主要为无植被覆盖区向中植被密度区转化及低植被密度区向高植被密度区转化。衡水、邯郸、邢台等城市位于华北农业生态区，植被受人类活动如农作物的夏收和秋收等影响会呈现植被密度变化的波动，但整体表现比较平稳，城市的西部、北部区域植被密度呈逐年递增的趋势。在两种主要植被密度减少的转换类型中，各个城市所占的比例主要为较高城市化水平的城市如北京、天津、石家庄、唐山等(图3(b))，这与赵安周等人在进行研究区的不透水表面覆盖率的相关研究中得出的结论相近[21]。
图3 2000-2020年京津冀不同城市绿色空间主要变化
Fig.3 The main changes of urban greenspace in the Beijing-Tianjin-Hebei region during 2000-2020
表2 京津冀不同阶段植被密度提升面积
Table 2 Increased area values of vegetation density in Beijing-Tianjin-Hebei region during 2000-2010 and 2010-2020 万km2
城市阶段2000-20102010-2020北京860.551950.60天津4272.88-374.81石家庄522.413342.39唐山3406.48-1275.39秦皇岛2074.51-1598.77邯郸955.011070.92邢台321.971502.18保定3650.294845.30张家口13258.0814500.02承德19065.753378.01沧州5278.85-493.80廊坊3225.05-1178.23衡水1824.1267.89京津冀58715.9325736.33
2.2 京津冀地区生态环境质量综合评价
2000年、2010年以及2020年第一主成分的贡献率均在90%以上，包含了4项指标中多数与生态环境质量相关的主要信息，可以用于分析研究区生态环境质量。研究区的生态状况总体呈上升趋势，其RSEI均值由2000年的0.410 9上升至2020年的0.684 5，上升了66.59%，反映京津冀地区整体生态环境得到改善，其中2000-2010年RSEI改善速率为0.014 3/a，2010-2020年间为0.013 1/a.为反映2000-2020年京津冀地区RSEI的空间分布情况，将RSEI值划分为5个等级，每个等级间隔0.2，分别代表生态状况差[0,0.2]，较差(0.2,0.4]，中等(0.4,0.6]，良(0.6,0.8]和优(0.8,1]，如图4所示。2000年生态状况高值区主要分布在北京、承德、唐山、廊坊、保定等地，RSEI>0.6的区域占比为29.58%(图4(a))；2010年生态状况高值区在2000年的基础上向周边扩大，主要为区域的东部和南部，以及承德和张家口的南部地区，RSEI>0.6的区域占比为60.74%(图4(b))；2020年生态指数高值区主要分布在地区的东部和南部，面积占比较2010年有所减少，RSEI>0.6的区域占比为49.38%(图4(c)).京津冀地区的生态指数中等及以下的区域呈波动变化，2000年、2010年和2020年分别占比为70.42%、39.26%和50.62%，空间分布从环中心区域发展为主要集中在北部、西北山区及北京、天津等城市中心。
图4 2000年、2010年和2020年京津冀地区RSEI空间分布
Fig.4 The distribution of RSEI in the Beijing-Tianjin-Hebei region in 2000, 2010, and 2020
为进一步分析京津冀RSEI的空间变化，基于一元线性回归模型，在像元尺度上进一步分析了20年来该值的变化趋势，并将RSEI的变化趋势分为快速下降区(slope≤-0.1)、缓慢下降区(-0.1
图5 2000-2020年京津冀地区的RSEI变化趋势
Fig.5 The change trend of RSEI in the Beijing-Tianjin-Hebei region during 2000-2020
2.3 不同绿色空间遥感生态指数变化分析
2000-2020年不同绿色空间生态指数呈现波动变化，2000-2010年间整体呈上升趋势，2010-2020年间为下降趋势。如图6(a)所示，无植被覆盖区2020年RSEI值达到近20年最低，有植被覆盖的城市绿色空间的RSEI均值为0.4～0.65之间。低植被密度区生态指数在2020年达到最低，中植被密度区2010年生态指数最高，2020年与2000年生态状况基本持平；高植被密度区面积逐年增加，其生态状况总体呈上升趋势，2020年与2010年区域生态状况均处于良好等级。
对图6(b)中主要绿色空间变化区域的生态状况进行统计可知，2000年至2020年绿色空间无变化区域以及各正向转换的变化区域RSEI均值平均增加了10.19%，增加速率为0.026 1/a；各负向转换的变化区域RSEI均值平均减少了12.59%，减少速率为0.038 5/a.
图6 京津冀地区不同城市绿色空间RSEI变化
Fig.6 RSEI changes of urban greenspace in the Beijing-Tianjin-Hebei region
3 结论
京津冀地区作为北方的重要经济区，人类活动强烈，生态环境的变化是其能否保持可持续发展的重要基础。本文基于不同植被密度划分城市绿色空间，运用MODIS数据通过主成分分析构建遥感生态指数，对京津冀地区20年的生态环境状况时空变化特征进行分析。结论如下：
1) 京津冀地区绿色空间根据其植被密度情况可划分为无植被、低密度区、中密度区和高密度区，从西北部、南部的平原区向北部丘陵区逐渐增加。研究期内受太行山绿化、北方防沙带建设等系列绿化工程影响，植被密度提升明显。
2) 通过像元编码得到京津冀地区城市绿色空间变化时空图谱，可知研究期内京津冀地区绿色空间转换方式主要为中、低植被密度区向高一级植被密度区转换，城市化程度较高区域更加注重已有的绿色空间的建设与保护。
3) 通过构建遥感生态指数可以用来评价京津冀地区的生态环境时空变化，但要注意的是区域生态状况是自然、经济和社会多项活动综合影响的结果，仍然要进一步考虑自然条件、农业种植结构、产业结构等对区域生态的影响。在今后的研究中可以在此基础上结合典型区域，根据区域特点分析城市发展中的自然因素和人类活动对于土地生态所产生的影响及耦合关系。
[1] 胡嘉琪.城市化背景下长三角核心城市群植被NPP时空演变特征及其驱动机制[D].上海：华东师范大学,2019.
[2] 成超男,胡杨,赵鸣.城市绿色空间格局时空演变及其生态系统服务评价的研究进展与展望[J].地理科学进展,2020,39(10)：1770-1782.
CHENG C N,HU Y,ZHAO M.Progress and prospect of the spatiotemporal change and ecosystem services evaluation of urban green space pattern[J].Progress in Geography,2020,39(10)：1770-1782.
[3] BROWN A G,HATTON J,O’BRIEN C E,et al.Vegetation,landscape and human activity in Midland Ireland：mire and lake records from the Lough Kinale-Derragh Lough area,Central Ireland[J].Vegetation History and Archaeobotany,2005,14(2)：81-98.
[4] 魏建兵,肖笃宁,解伏菊.人类活动对生态环境的影响评价与调控原则[J].地理科学进展,2006,25(2)：36-45.
WEI J B,XIAO D N,XIE F J.Evaluation and regulation principles for the effects of human activities on ecology and environment[J].Progress in Geography,2006,25(2)：36-45.
[5] 岳文泽,徐建华,徐丽华.基于遥感影像的城市土地利用生态环境效应研究——以城市热环境和植被指数为例[J].生态学报,2006,26(5)：1450-1460.
YUE W Z,XU J H,XU L H.An analysis on eco-environmental effect of urban land use based on remote sensing images：a case study of urban thermal environment and NDVI[J].Acta Ecologica Sinica,2006,26(5)：1450-1460.
[6] 徐涵秋.城市遥感生态指数的创建及其应用[J].生态学报,2013,33(24)：7853-7862.
XU H Q.A remote sensing urban ecological index and its application[J].Acta Ecologica Sinica,2013,33(24)：7853-7862.
[7] 张博,周伟,张福存.1999-2018年青海省土地退化遥感监测及其驱动力分析[J].水土保持通报,2020,40(2)：120-128.
ZHANG B,ZHOU W,ZHANG F C.Remote sensing monitoring and driving force analysis of land degradation in Qinghai province from 1999 to 2018[J].Bulletin of Soil and Water Conservation,2020,40(2)：120-128.
[8] 王欣.青海海东新城城市化发展中绿色空间体系的构建研究[D].西安：西安建筑科技大学,2014.
[9] 汪翡翠,汪东川,张利辉,等.京津冀城市群土地利用生态风险的时空变化分析[J].生态学报,2018,38(12)：4307-4316.
WANG F C,WANG D C,ZHANG L H,et al.Spatiotemporal analysis of the dynamic changes in land use ecological risks in the urban agglomeration of Beijing-Tianjin-Hebei vegion[J].Acta Ecologica Sinica,2018,38(12)：4307-4316.
[10] 梁龙武,王振波,方创琳,等.京津冀城市群城市化与生态环境时空分异及协同发展格局[J].生态学报,2019,39(4)：1212-1225.
LIANG L W,WANG Z B,FANG C L,et al.Spatiotemporal differentiation and coordinated development pattern of urbanization and the ecological environment of the Beijing-Tianjin-Hebei urban agglomeration[J].Acta Ecologica Sinica,2019,39(4)：1212-1225.
[11] KABISCH N,HAASE D.Green spaces of European cities revisited for1990-2006[J].Land scape and Urban Planning,2013,110：113-122.
[12] 杨振山,张慧,丁悦,等.城市绿色空间研究内容与展望[J].地理科学进展,2015,34(1)：18-29.
YANG Z S,ZHANG H,DING Y,et al.Progress and prospect on urban green space research[J].Progress in Geography,2015,34(1)：18-29.
[13] 叶林,曹坤梓,邢忠.基于规划诉求的城市绿色空间分类体系探讨[J].现代城市研究,2018(6)：51-58.
YE L,CAO K Z,XING Z.Research on classification system of urban green space[J].Modern Urban Research,2018(6)：51-58.
[14] 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.
[15] 金佳莉,王成,贾宝全.我国4个典型城市近30年绿色空间时空演变规律[J].林业科学,2020,56(3)：61-72.
JIN J L,WANG C,JIA B Q.Spatio-temporal patterns of evolution urban greenspace during the last three decades in four typical cities of China[J].Scientia Silvae Sinicae,2020,56(3)：61-72.
[16] KUANG W,ZHANG S,LI X,et al.A 30-meter resolution dataset of China’s urban impervious surface area and green space fractions,2000-2018[J].Earth System Science Data,2021,13(1)：63-82.
[17] 王建,赵牡丹,李健波,等.基于MODIS时序数据的秦巴山区生态环境质量动态监测及其驱动力分析[J].山地学报,2021,39(6)：830-841.
WANG J,ZHAO M D,LI J B,et al.Dynamic monitoring and driving forces of eco-environmental quality in the Qinba mountains based on MODIS time-series data[J].Mountain Research,2021,39(6)：830-841.
[18] 陈丽红,刘普幸,花亚萍.基于RSEI的疏勒河流域生态质量综合评价及其成因分析[J].土壤通报,2021,52(1)：25-33.
CHEN L H,LIU P X,HUA Y P.Comprehensive evaluation of ecological quality and its factors analysis in the shule river basin based on RSEI[J].Chinese Journal of Soil Science,2021,52(1)：25-33.
[19] STOW D A,HOPE A,MC GUIRE D,et al.Remote sensing of vegetation and land-cover change in Arctic Tundra ecosystems[J].Remote Sensing of Environment,2004,89(3)：281-308.
[20] 李辉霞,刘国华,傅伯杰.基于NDVI的三江源地区植被生长对气候变化和人类活动的响应研究[J].生态学报,2011,31(19)：5495-5504.
LI H X,LIU G H,FU B J.Response of vegetation to climate change and human activity based on NDVI in the Three-River Headwaters region[J].Acta Ecologica Sinica,2011,31(19)：5495-5504.
[21] 赵安周,刘宪锋,裴韬,等.京津冀地区不透水表面覆盖率的时空演变及其对植被的影响[J].地理研究,2021,40(6)：1582-1595.
ZHAO A Z,LIU X F,PEI T,et al.Spatiotemporal evolution of impervious surface percentage and its impact on vegetation in Beijing-Tianjin-Hebei region[J].Geographical Research,2021,40(6)：1582-1595.