基于像元二分模型的艾比湖湿地NDVI指数对微气候的响应

赵秀霞，楚新正，马晓飞，2，莫丰瑞，2(.新疆师范大学地理科学与旅游学院，新疆 乌鲁木齐 835400； 2.新疆师范大学干旱区湖泊与资源环境实验室，新疆 乌鲁木齐 835400)

基于像元二分模型的艾比湖湿地NDVI指数对微气候的响应

赵秀霞1,2，楚新正1，马晓飞1，2，莫丰瑞1，2
(1.新疆师范大学地理科学与旅游学院，新疆 乌鲁木齐 835400； 2.新疆师范大学干旱区湖泊与资源环境实验室，新疆 乌鲁木齐 835400)

本研究提取了艾比湖湿地不同年份(1998、2007、2011、2014年)的NDVI指数，并进行了实地考察，然后利用像元二分模型对研究区植被覆盖状况进行估算，并分析其在时空分布上的特征及形成原因，建立影响植被覆盖与微气候变化的线性回归模型。结果表明，1)在空间分布上，西南部冲积平原植被覆盖等级最高，东北部覆盖等级略低于西南部，无覆盖和低覆盖等级分布面积最为广泛；在时间分布上，无覆盖面积处于下降趋势，低覆盖和中覆盖面积有所增加，较高覆盖与高覆盖等级面积处于下降趋势；2)不同植被覆盖度对气候变化的响应存在一定的差异；植被覆盖对降水量变化的反应最为强烈，在时间上具有一定的滞后性，对湿度变化的响应不明显，气温与植被覆盖水平之间存在线性函数关系。

艾比湖湿地；NDVI指数；植被覆盖度；像元二分模型；微气候

植被覆盖状况是反映气候变化的指向标，对区域微气候的变化具有高度的灵敏性和准确性[1-2]，可通过植被覆盖度这一指数进行量化表达。植被覆盖度是指植被冠层、枝干、茎叶等在地面上的垂直投影所占统计区总面积的百分比[3]，对植被覆盖度的准确计算可为研究气候变化、生态环境的演变和地表植被的更替提供基础数据[1,4]。遥感技术的应用使得植被覆盖的计算在宏观尺度上得到了明显提高，也为多时段的植被覆盖状况计算提供便利。对植被覆盖的计算主要通过植被指数实现，常见植被指数有归一化植被指数 (NDVI)、比值植被指数(RVI)、绿度植被指数(GVI)、垂直植被指数(PVI)、土壤植被指数(SAVI)、差值植被指数(DVI)、环境植被指数(EVI)[5]，其中以NDVI指数应用最为广泛，且大量研究证明其精度也最高，但该指数对植被高覆盖区反应不敏感，因此，对植被覆盖较高区域采用这一指数进行计算易形成偏差。鉴于此，利用改进的像元二分模型降低实际计算过程中的偏差，同时提高植被覆盖计算的准确性就显得尤为重要[6-9]。通过该模型对已获取的NDVI指数进行修正，可进一步实现指数提取的精确性。目前，国内外已有研究成果中主要以植被覆盖的年际变化为主，在时间尺度上具有较好的连续性。对多年月植被覆盖变化与微气候变化的关系还有待进一步深入研究[10]。

艾比湖湿地独特的自然条件，湿地植被覆盖不仅受湖水水位的影响，同时也受气候变化的影响[11]，植被覆盖不仅在季相分布表现出显著差异，而且在月相分布上也表现出巨大的差异[12]。受降水、气温、湿度的影响，不同年份的月植被覆盖状况表现出很大的差异，对植被覆盖与气候因子关系的研究可为艾比湖流域小气候重建和发展趋势预测提供借鉴。因此，本研究分别选取1998年9月、2007年9月、2011年7月三期TM和2014年8月的OLI影像，以植被覆盖的月际变化为主，对艾比湖湿地植被覆盖状况进行计算，进一步分析植被覆盖对微气候变化的关系特征，对影响植被覆盖状况的气候因子(温度、降水、湿度)进行综合评价，建立植被覆盖与气候变化的线性回归模型。

1 数据与方法

1.1 研究区概况

艾比湖湿地位于准格尔盆地西南部边缘带和阿拉山口风区交接处，湖泊构造上属断陷湖结构，是我国西北地区第一大咸水湖，属于温带大陆性气候，年平均气温5 ℃，年平均降水量105.17 mm，蒸发量1 315 mm，蒸发量约为降水量的12.5倍，属极端干旱与干旱区。湖泊主要依靠河流补给与冰雪融水补给，主要入湖河流有博尔塔拉河、精河、奎屯河、四棵树河和古尔图河，目前主要依靠博尔塔拉河补给，其余河流均已断流。以湖泊为中心形成的湿地，植被覆盖类型多样，主要植被有梭梭(Holoxylonammodendron)、芦苇(Phragmitesaustralis)、柽柳(Tamarixchinensis)、盐节木(Halocnermumstrobilaceum)、盐爪爪(Kalidiumfoliatum)、骆驼刺(Alhagisparsifolia)、花花柴(Kareliniacaspica)、碱蓬(Suaedaglauca)、梭梭(Haloxylonammodendron)和胡杨(Populuseuphratica)等植物，湿地植被覆盖状况整体状况良好。

1.2 数据与方法

1.2.1 遥感数据 通过美国地质勘查局USGS网站下载获取1998年9月、2007年9月和2011年7月三期TM影像和2014年8月一期OLI影像。由Landsat 8卫星生成的OLI影像进行5、4、3三个波段组合红外假彩色影像，能够消除大气水汽对于地表植被的影响，对地表植被地反映也更为清晰，且能获得更准确的植被覆盖信息。由Landsat 5、7获得TM影像，以4、3、2三个波段合成产品为基础进行解译，影像对应时期均为一年内植被生长比较茂盛时期。

1.2.2 气象数据 通过中国气象科学数据共享服务网站获得中国地面国际交换站(精河站)气候资料年值数据集和月值数据集。由区站号为51334的气象站提供1951年-2014年气象数据，经纬度位置为(44°37′ N，82°54′ E)，海拔320.1 m，此研究数据的选取以所获取的影像资料所对应的前一月、当月、后一月共3个月气象资料为基础，再结合遥感影像解译数据进行模型拟合和估计。

1.2.3 NDVI指数的提取 NDVI指数即归一化植被指数，主要通过光学原理利用遥感影像的波谱特征进行提取，能够较好地反映出地表植被的生长状况和植被覆盖状况，与植被的叶面积指数、净初级生产力以及吸收光合有效辐射比例(fraction of absorbed photosynthetically active radiation，FAPAR)等具有较强的相关性[13]。具体算法如下：

NDVI=(DNNIR-DNR)/(DNNIR+DNR)

(1)

式中:DNNIR表示TM影像的近红外波段反射率，DNR表示TM影像的可见红光波段的反射率。NDVI指数取值范围在-1～1，-1～0区间内表示无植被覆盖或水体、云、雪覆盖的NDVI值，0～1区间内表示有植被覆盖且随着覆盖度的增加其值也越大，具体操作利用ENVI 4.5软件的NDVI功能实现。

1.2.4 像元二分模型 像元二分模型假设一个像元内由植被和裸土两部分构成，像元信息量由植被组成部分信息量和土壤组成部分信息量共同构成，对于混合像元的信息量可用下式表示：

Fg=(F0-F1)/(F-F1)

(2)

式中:Fg表示植被覆盖度，F表示像元所反映的信息总量，F1表示纯植被像元所覆盖的遥感信息量，F0表示纯土壤覆盖像元的信息量。综合各类植被指数进行评价，选取能够反映植被覆盖度的NDVI指数进行计算，将NDVI值带入式(3)中可得到。

Fg=(NDVI-NDVIsoil)/(NDVI-NDVIveg)

(3)

(4)

2 结果及分析

2.1 NDVI指数的空间分布特征

利用像元二分模型对提取的四期影像的NDVI指数进行校正，获得精度在95%以上的研究区域NDVI指数，通过ENVI 4.5软件的密度切片工具对NDVI指数进行划分，制定NDVI指数的空间分布特征(图1)。其分布特征为1998年9月和2007年9月NDVI空间分布较为一致。在有河流穿越的区域，由于水热条件较好的林地(包括灌木、疏林地、有林地)等面积较大，相应的NDVI也比较大；在研究区南部由于人工开垦农田，耕地面积的增加使得对应的NDVI值也比较高；相反，在东部靠近沙漠区边缘带，由于土地退化等原因，NDVI值呈现一定的下降趋势；在河流两岸地带由河流向两岸逐渐降低，呈现更为狭窄的带状分布，2011年和2014年这种趋势更为明显；2011年艾比湖流域西北部地区因植被覆盖度降低和土地沙化导致NDVI值出现负值，主要源于人口增长带来的压力，耕地面积的逐年扩张，开荒造田，过度引用入湖河水灌溉；在西南边缘带因以农五师第90团为中心的屯垦区农业种植面积扩大，导致同一时期的NDVI值相应有所增加；在保护区内，保护措施的加大使得人为干扰因素对林、草地等的影响减弱，NDVI值有所升高。

2.2 NDVI指数的时间分布特征

目前已有研究对归一化植被指数(NDVI)在时间尺度上的研究多集中于不同季节之间的比较，而对于不同年份相同季相的研究较少。本研究对同一季相的四期遥感影像进行NDVI指数的提取，时间分布特征如图2所示。

NDVI月值指数值域分布面积是指不同年月时期同一NDVI值所对应的区域面积，NDVI月值指数值域分布面积所占比重是指不同年月同一NDVI值对应面积占总区域面积的百分比。在-1～0区间的NDVI值像元所占比重1998年为45.6%，2007年为38%(图2)，假设1998年在-1～0区间的NDVI值增长率为1，则2007年同比下降0.15；2011年所占比重为50.5%，同比上升0.31；2014年所占比重为53.76%，同比下降0.06。1998年至2007年，NDVI值为负值(-1～0)的像元比重有所下降；2007年至2011年，这一指数范围内呈现增长态势；而在2011年至2014年又有所降低。在0～1间，假设1998年NDVI值的增长率为1，则2007年同比增长率为60%，2011年同比增长率为-70%，2014年同比增长率为-63%，NDVI值上升约0.07。

图1 不同年份月值NDVI指数空间分布特征Fig. 1 Characteristics of monthly values of NDVI index spatial distribution in different years

图2 不同年份不同植被覆盖度NDVI月值指数值域分布面积及所占比重Fig. 2 Distribution area and the proportion of different monthly values of NDVI range in different years

2.3 研究区植被覆盖等级时空差异特征

研究区以荒漠景观为基质，植被覆盖与其它不同类型景观存在一定的差异[2]。对研究区进行覆盖等级的划分，得出研究区植被覆盖度状况(表1、图2)。

结果表明，艾比湖湿地植被覆盖度可分为高植被覆盖(0.875～1.000)、较高植被覆盖(0.625～0.875)、中植被覆盖(0.375～0.625)、低植被覆盖(0.125～0.375)、无植被覆盖(0.000～0.125)5个等级，区内无植被覆盖区域面积所占比重最大(表1)，主要原因是计算过程中预先将水体区域界定为无植被覆盖区域，进而增加了无植被覆盖区域的面积。无植被覆盖土地面积1998年为2 215.89 km2，2007年为2 156.5 km2(表2)。2011年无植被覆盖的面积又有所增加，占研究区总面积的89%，同比增加15%；与2011年相比，2014年8月无植被覆盖区域的面积所占比重为65%，与前三期比较无植被覆盖的面积减少幅度最大，2011年艾比湖流域西北部地区NDVI值出现负值(图3)，这是因为该地区出现植被覆盖度恶化和土地沙化的情况，这主要是源于人口增长，耕地面积的逐年扩张，开荒造田，过度引入湖河水灌溉。而在低覆盖度范围内，2014年的面积均比前三期高，在植被方面有所增强；在中覆盖度和较高覆盖度范围内，不同时期的土地面积基本一致，变化幅度不大，保持在3个百分点左右；而高覆盖度面积比较大，其中2007年面积最大，2014年则降到了最小，面积只有22.11 km2。

2.4 植被覆盖对气候变化的响应分析及线性模型估计

植被覆盖状况对气候环境的变化具有高度的灵敏性。温度、湿度和降水量的变化对植被覆盖状况有影响，地表植被的覆盖状况外在地显现出来，更进一步使微气候环境发生变化，在不同植被覆盖等级范围内，各影响因子的作用各不相同[14]。选取与影像相对应的月值气象资料为基础，结合影像对应的前一月、当月和后一月的气象数据，算出平均月值气象数据，最后对植被覆盖度与气候因子进行相关矩阵分析(表2)。

表1 不同年份不同植被覆盖等级所占面积及比重Table 1 Area and proportion of different grades of vegetation coverage in different years

图3 不同年份月植被覆盖空间分布特征Fig. 3 Characteristics of monthly values of vegetation cover spatial distribution in different years

利用皮尔逊相关系数进行单侧检验分析，降水量与无植被覆盖区域显著相关(P<0.05)，与其它植被覆盖等级呈负相关关系(P>0.05)(表2)。月平均气温变化与植被覆盖状况之间无显著相关关系，与无植被覆盖等级相关系数为0.987(P>0.05)，与其它覆盖等级负相关(P>0.05)；相对湿度与低植被覆盖等级正相关(P>0.05)，与其它等级覆盖度负相关但不显著(P>0.05)。

2.4.1 降水量变化对植被覆盖的影响及线性模型估计 湿地保护区及周边地带，由于人类活动相对较小，对于植被的覆盖变化影响较小，因此研究侧重于自然因素方面。对四期影像的植被覆盖面积和对应降水量数据资料构建二次函数模型，以Yi(i=高、中、低、无)代表4个时期植被覆盖面积，Xj(j=1998、2007、2011、2014)代表同期月平均降水量，进行曲线复合估计。结果显示(图4)，1998年的降水量月值为102 mm，这一时期无植被覆盖的面积占79%，低覆盖的面积占16%，中覆盖度面积仅占3%，较高覆盖度和高覆盖度面积各占1%；2007年月均值降水量只有52.7 mm，这一时期无植被覆盖的面积下降约2个百分点，低覆盖度的面积与前一时期持平，而相反中覆盖和高覆盖的土地面积均有增加；2011年降水量月均值为216.7 mm，这一时期的无植被覆盖的面积所占比重为89%，低覆盖度的面积减少了9个百分点，中覆盖度、较高覆盖度、高覆盖度面积基本与1998年保持一致。

表2 气候因子与植被覆盖的相关关系矩阵分析Table 2 Analysis of correlation matrix between the climate of factors and vegetation coverage grades

注：*表示显著相关(P<0.05)。

Note：* indicate significant correlation at the 0.05 level.

图4 植被覆盖等级对降水量变化的曲线拟合Fig. 4 Response curve of vegetation coverage grades to precipitation change

2.4.2 气温变化对于植被覆盖度的影响及线性模型拟合 气温对于植被覆盖度的影响较降水量明显[15]，在时间上具有一致性，气温变化直接影响着植被生长状况和长势。对比不同时期的气温与植被覆盖状况发现，气温与之植被覆盖度之间存在显著的相关性(P<0.05)(图5)。1998年平均气温17.57 ℃，这一时期不同等级(无、低、中、较高、高)的植被覆盖度所占面积分别为79%、16%、3%、1%、1%，2007年月平均气温17.47 ℃，该时期不同等级(无、低、中、较高、高)的植被覆盖度所占面积分别为77%、16%、3%、2%、2%，2007年平均气温较1998年约降低1 ℃，这一时期的较高覆盖度和高覆盖度所占面积约增加了1个百分点；2011年平均气温23.7 ℃，较前两期的上升幅度较大，不同等级(无、低、中、较高、高)的植被覆盖度所占面积分别为89%、7%、2%、1%、1%，无植被覆盖度土地面积为2 478.15 km2，低植被覆盖度土地面积只有184.56 km2，减少了9个百分点左右，中覆盖度面积较前两期下降了1个百分点，高覆盖度面积与1998年保持一致维持在1个百分点左右。

通过线性模型对气温与植被覆盖度进行拟合估计，结果表明,无覆盖土地面积随累积气温上升而增加；低覆盖与中覆盖土地面积随着累积气温的增加而降低，累积气温的增加抑制了地表植被的生长，土地面积减小；较高覆盖与高覆盖土地面积受气温影响较低，覆盖面积保持稳定且有一定的增加。

2.4.3 相对湿度变化对植被覆盖度的影响及线性模型拟合 相对湿度主要与降水量和气温变化相关。相对湿度的变化对于植被的覆盖度有一定的影响，对比不同时期的平均湿度可以得出，平均相对湿度较低时植被的覆盖度在中覆盖度、较高和高覆盖度范围所占面积下降；相对湿度较高时，低盖度和中盖度范围内所占面积比例较大，主要在于较高和高覆盖度范围土地利用类型主要为耕地或者人工林地，人为灌溉增加了土壤含水量，增加了地表相对湿度，增加高覆盖度的土地面积；低覆盖度和中覆盖度土地所占面积较大。水源补给主要靠大气降水等补给，人工引水较少，相对湿度较高时植被生长状况较好，植被覆盖面积也相应增加。表明相对湿度较高时，低覆盖度和中覆盖度的土地面积增加；相对湿度较低时，较高覆盖度和高覆盖度土地面积在人为影响下仍会保持在一定范围内，较高覆盖度和高覆盖度所占面积对平均相对湿度的变化反应灵敏性并不是很高。

图5 植被覆盖等级对年平均气温变化的线性拟合Fig. 5 Response curve of vegetation coverage grade to air temperature change

湿度对植被覆盖的影响与温度降水不同，无覆盖土地面积随着相对湿度的增加先降低至一定程度之后开始增加；低覆盖与中覆盖土地面积随着相对湿度的增加而增加，在相对湿度达到52.5%后开始减少；较高覆盖与高覆盖土地面积随着相对湿度的增加到一定程度之后开始减少(图6)。

图6 植被覆盖等级对湿度变化的曲线拟合Fig. 6 Response curve of vegetation coverage grade to relative moisture change

3 讨论与结论

不同年份月植被覆盖时空分布特征表明，2011年无植被覆盖面积增加、2014年8月无植被覆盖面积减少幅度最大、2011年西北部地区NDVI值出现负值，这是因为该地区出现植被覆盖度恶化和土地沙化的情况，这主要是源于人口增长带来的压力、耕地面积的逐年扩张、开荒造田、过度引入湖河水灌溉。在低覆盖度范围内，2014比前三期在高覆盖度面积较大，2007年面积最大，一方面在于水域面积的减少，另一方面主要与保护区植被恢复状况良好有关。2014年低植被覆盖面积最小，这主要与人类活动的增加导致土地自然退化有关，土地退化导致植被生长环境恶化，导致植物覆盖度降低。

通过运用像元二分模型[6]进行植被覆盖度的计算，显著提高了植被分布的精度，能够实现严格意义上植被覆盖的准确计算，为研究气候变化提供充足的理论基础。NDVI指数的分布特征与植被覆盖状况具有较高的一致性[14]，在实现植被覆盖度的提取方面具有重要的作用。利用模型对粗略获取的植被覆盖度进行修正，获得了精度较高的植被覆盖度。对影响植被覆盖变化的自然气候因子进行了相关研究，建立植被覆盖等级与气候因子之间的关联模型，对几类主要气候因子和植被覆盖状况进行了曲线以及线性拟合估计，主要得出以下结论。

1)鉴于不能将以荒漠为基质的艾比湖湿地地表植被覆盖景观的研究等同于陆地及其它景观，在计算过程中需要对相关植被指数进行修正，依据地形、气候等要素进行指数修正，显著提高了湿地植被覆盖计算的精度，减弱了NDVI对较高植被覆盖度反映的不敏感性，实现了研究植被覆盖计算精度的提升，二者在时空尺度上具有一致的分布特征。植被覆盖度能够更准确地反映出植被的覆盖特征，实现植被覆盖的量化计算。NDVI指数也能够用来反映植被的覆盖特征，但在实现植被覆盖特征的精准量化方面存在不足，其取值范围在-1～1之间，与植被覆盖实际分布特征存在不一致且不易识别。

2)植被覆盖状况在微气候变化研究方面具有重要的作用，通过对植被覆盖状况的研究可对未来气候环境的变化进行预测，为湿地保护工作提供预测作用[15]。利用影像资料提取不同年份的植被覆度，结合气象站数据，建立微气候变化与植被覆盖之间的关联模型，并在现有数据资料基础上通过模型对气候变化与植被覆盖状况进行曲线估计，结果表明，不同的植被覆盖等级之间，气候要素的影响存在一定的差异，植被覆盖等级对年平均气温变化的线性拟合分析表明，气温较高时，较高覆盖度和高覆盖度植被覆盖面积减少；气温较低时，较高覆盖度和高覆盖度的面积相应增加[16]。

References:

[1] 秦伟,朱清科,张学霞,李文华,方斌.植被覆盖度及其测算方法研究进展.西北农林科技大学学报:自然科学版,2006,34(9):163-170. Qin W,Zhu Q K,Zhang X X,Li W H,Fang B.Review of vegetation covering and its measuring and calculating method.Journal of Northwest A & F University:Natural Science Edition,2006,34(9):163-170.(in Chinese)

[2] 宋清洁,崔霞,张瑶瑶,孟宝平，高金龙，向宇轩.基于小型无人机与MODIS数据的草地植被覆盖度研究——以甘南州为例.草业科学，2017,34(9):40-50. Song Q J,Cui X,Zhang Y Y,Meng B P,Gao J L，Xiang Y X.Grassland fractional vegetation cover analysis using small UVAs and MODIS——A case study in Gannan Prefecture.Pratacultaral Science,2006，34(9):163-170.(in Chinese)

[3] 穆少杰,李建龙,陈奕兆,刚成诚,周伟,局为民.2001-2010年内蒙古植被覆盖度时空变化特征.地理学报,2012,67(9):1255-1268. Mu S J,Li J L,Chen Y Z,Gang C C,Zhou W,Ju W M.Spatial Differences of variations of vegetation coverage in Inner Mongolia during 2001-2010.Acta Geographica Sinica,2012,67(9):1255-1268.(in Chinese)

[4] 刘春静,张丽,周宇.中国新疆及中亚五国干旱区草地覆盖度反演与分析.草业科学,2016,33(5):861-870. Liu C J,Zhang L,Zhou Y.Retrieval and analysis of grassland coverage in arid Xinjiang,China and five countries of Central Asia.Pratacultaral Science,2016,33(5):861-870.(in Chinese)

[5] 李苗苗.植被覆盖度的遥感估算方法研究.北京：中国科学院研究生院硕士学位论文，2003. Li M M.The method of vegetation fraction estimation by remote sensing.Master Thesis.Beijing:Graduate University of Chinese Academy of Sciences,2003.(in Chinese)

[6] 马娜,胡云峰,庄大方,张学利.基于遥感和像元二分模型的内蒙古正蓝旗植被覆盖度格局和动态变化.地理科学,2012,32(2):251-256. Ma N，Hu Y F,Zhuang D F,Zhang X L.Vegetation coverage distribution and its changes in Plan Blue Banner based on remote sensing data and dimidiate pixel model.Scientia Geographica Sinica,2012,32(2):251-256.(in Chinese)

[7] 王玮,冯琦胜,郭铌,沙莎.基于长时间序列NDVI资料的我国西北干旱区植被覆盖动态监测.草业科学,2015,32(12):1969-1979. Wang W,Feng Q S,Guo N,Sha S.Dynamic monitoring of vegetation coverage based on longtime Gseries NDVI data sets in northwest arid region of China.Pratacultaral Science,2015,32(12):1969-1979.(in Chinese)

[8] 张世虎,王一峰,侯勤正,董小刚,孙坤.青海省干旱指数时空变化特征与气候指数的关系.草业科学,2015,32(12):1980-1987. Zhang S H,Wang Y F,Hou Q Z,Dong X G,Sun K.Spatial and temporal characteristics of aridity index and association with AO and ENSO in Qinghai Province.Pratacultaral Science,2015,32(12):1980-1987.(in Chinese)

[9] 刘广峰,吴波,范文义,李晓松,范楠楠.基于像元二分模型的沙漠化地区植被覆盖度提取——以毛乌素沙地为例.水土保持研究,2007,14(2):268-271. Liu G F,Wu B,Fan W Y,Li X S,Fan N N.Extraction of vegetation coverage in desertification regions based on the dimidiate pixel model——A case study in Maowusu Sandland.Research of Soil and Water Conservation,2007,14(2):268-271.(in Chinese)

[10] 杨尚武,张勃,赵一飞,王强,季定民,周丹.1998-2011年甘肃河东地区NDVI时空变化.干旱区研究,2014,31(1):74-79. Yang S W,Zhang B,Zhao Y F,Wang Q,Ji D M,Zhou D.Spatial and temporal variation of NDVI in the Hedong Region of Gansu Province during the period of 1998 to 2011.Arid Zone Research,2014,31(1):74-79.(in Chinese)

[11] 周锡饮,师华定,王秀茹.气候变化和人类活动对蒙古高原植被覆盖变化的影响.干旱区研究，2014,31(4):604-610. Zhou X Y,Shi H D,Wang X R.Impact of climate change and human activities on vegetation coverage in the Mongolian Plateau.Arid Zone Research,2014,31(4):604-610.(in Chinese)

[12] 李磊,李艳红.20年间艾比湖流域植被覆盖度景观格局变化.干旱环境监测,2013,27(4):154-159. Li L,Li Y H.Landscape pattern change of vegetation coverage in Ebinur Lake over the past 20 years.Arid Environmental Monitoring,2013,27(4):154-159.(in Chinese)

[13] 李向婷.新疆荒漠区稀疏植被覆盖度信息提取及时空变化分析.杨凌:西北农林科技大学硕士学位论文，2013. Li X T.Sparse vegetation coverage information extraction and analysis of temporal and spatial vaiation of arid desert in Xinjiang.Master Thesis.Yangling:Northwest Agriculture and Forestry University,2013.(in Chinese)

[14] 陈爱京,肖继东,曹孟磊.基于 MODIS数据的伊犁河谷植被指数变化及其对气候的响应.草业科学,2016,33(8):1502-1508. Chen A J,Xiao J D,Cao M L.Research on change of vegetation index and response to climate in Yili River Valey based on MODIS data.Pratacultaral Science,2016,33(8):1502-1508.(in Chinese)

[15] 杨光华,包安明,陈曦,刘海隆,代述勇,黄莹.气候和土地利用变化对塔里木河干流区植被覆盖变化的影响.中国沙漠,2010,30(6):1389-1397. Yang G H,Bao A M,Chen X,Liu H L,Dai S Y,Huang Y.Vegetation cover change with climate and land use variation along main stream of Tarim River.Journal of Desert Research,2010,30(6):1389-1397.(in Chinese)

[16] 孙艳萍,张晓萍,刘建祥,徐金鹏,陈文凯.黄土高原水蚀风蚀交错带植被覆盖度动态变化.干旱区研究,2013,30(6):1036-1043. Sun Y P，Zhang X P，Liu J X，Xu J P,Chen W K.Dynamic change of vegetation coverage in water-wind erosion ecotone in the Loess Plateau.Arid zone research,2013,30(6):1036-1043.(in Chinese)

(责任编辑 武艳培)

本刊如有印装质量问题,请将原杂志寄回编辑部，由本部负责调换。

Ebinur Lake Wetland vegetation coverage in response to a micro-climate change

Zhao Xiu-xia1,2, Chu Xin-zheng1, Ma Xiao-fei1,2, Mo Feng-rui1,2
(1.Xinjiang Normal Universit, College of Geography Science and Tourism, Urumqi 835400, China；2.Xinjiang Normal University Lake and Resource Environment Laboratory of Arid Area, Urumqi 835400, China)

The normalized difference vegetation indexes (NDVI) for different years (1998, 2007, 2011, 2014) were extracted through a dimidiate pixel model for The Ebinur Lake Wetland, and combined with high accuracy field investigation data analysis. By using the NDVI index to calculate vegetation cover conditions in the study area, we analyzed temporal and spatial characteristics and the causes of variation, and established a linear regression model between vegetation and climate change. The results showed that: 1) In the spatial analysis, the highest level of vegetation cover was in the southwest of the alluvial plain, the level of vegetation coverage in the northeast was slightly lower than that in the southwest, and no coverage and low coverage grade areas were distributed the most widely. In the temporal analysis, no coverage areas were in a downward trend, low coverage and middle coverage areas increased, and higher coverage and high coverage areas were in a downward trend; 2) In response to climate change, there were certain differences in different vegetation coverage levels. The degree of reaction of vegetation coverage to rainfall is the strongest, with hysteresis, at certain times, and showed no obvious response to air temperature. Between humidity and vegetation coverage level there was a completely concat relationship.

Ebinur Lake Wetland; normalized difference vegetation index (NDVI); vegetation coverage (FVC); dimidiate pixel model(DPM); micro-climate

Chu Xin-zheng E-mail:xzchu@sina.cn

2016-07-11 接受日期：2017-03-01

国家自然科学基金项目(41261046)；新疆师范大学地理科学与旅游学院博士点开放课题支撑项目(XJNU-DL-201616)

赵秀霞(1991-)，甘肃武威人，在读硕士生，主要从事干旱区景观生态方面的研究。E-mail:m18139285086_2@163.com

楚新正(1956-)，陕西汉中人，教授，本科，主要从事干旱区景观生态和区域发展方面的研究。E-mail：xzchu@sina.cn

10.11829/j.issn.1001-0629.2016-0367

S162.4;P463.2

A

1001-0629(2017)06-1168-10

赵秀霞,楚新正,马晓飞,莫丰瑞.基于像元二分模型的艾比湖湿地NDVI指数对微气候的响应.草业科学,2017,34(6)：1168-1177.

Zhao X X,Chu X Z,Ma X F,Mo F R.Ebinur Lake Wetland vegetation coverage in response to a micro-climate change.Pratacultural Science，2017,34(6)：1168-1177.