陕西省1982—2015 NDVI时空分布特征及其与气候因子相关性

李跃鹏, 刘海艳, 周维博



陕西省1982—2015 NDVI时空分布特征及其与气候因子相关性

李跃鹏1,2,3, 刘海艳2, 周维博1,3*

1. 长安大学 环境科学与工程学院, 西安 710054 2. 华北水利水电大学 资源与环境学院, 郑州 450045 3. 长安大学 旱区地下水文与生态效应教育部重点实验室, 西安 710054

基于1982—2015年8 km的GIMMS NDVI和气象资料, 结合陕西省土地利用类型数据, 利用斜率分析以及相关分析等方法, 对陕西省近34 a来植被指数NDVI的时空分布特征、变化规律及其与气候因子之间的相关性进行了深入研究, 得到如下主要结论: (1)1982—2015年陕西省年均NDVI呈现出明显南高北低的地理特征, 年均NDVI分布的空间差异性与下垫面类型密切相关, 年均NDVI呈轻度上升趋势, 局部地区(如渭河流域)增长尤为明显。(2)NDVI年际变化具有阶段性明显特征, 1982—1990间增长显著, 1991—2000和2001—2015年两段时期增长较为缓慢; NDVI年内变化差异明显, 夏季NDVI最高, 冬季最低, 春季上升趋势最为明显。月均NDVI变化曲线呈单峰型, 6—8月NDVI最高。(3)研究区NDVI与同期降水之间的响应最为明显, 而草地、农地相比于整体区域以及林地与滞后1月的气温敏感性高于同期。

陕西省; NDVI; GIMMS; 土地利用类型

1 前言

植被是区域生态系统的重要的组成[1], 是连接区域大气、土壤、生物及水分等生态要素的关键, 植被动态变化作为全球气候变化与陆地生态系统演变的重要标志, 能够有效揭示全球与区域生态系统的变化特征[2-3]。目前, 在全球气候变暖背景下, 植被生长对气候变化具有明显的反馈机制, 通过植被的气候效应以及对气溶胶、CO2含量等成分的作用, 对区域及全球气候变化产生一定的减缓作用[4]。与此同时, 气温、降水等气候要素的演变对植被的生长发育也产生了重要影响, 针对气候变化背景下植被的动态变化及与气候之间的密切联系已成为目前全球变化研究的热点[5-10]。

归一化植被指数(NDVI, Normal Difference Vegetation Index)能够有效的表征区域地表植被的覆盖和光合作用的能力, 广泛的用于区域及全球生态环境的监测与评估。王新欣[11]等利用MODIS NDVI数据针对天山北坡中段草地生物量进行了有效的评估, 并构建了有效的生物量动态估测模型。齐述华[12]等基于NOAA/AVHRR数据对青藏高原中东部地区的植被长势与气候因子密切联系进行了有效分析, 并定量评估了他们之间的关系。郭铌[13]等也针对1982—2003年间西北地区NDVI 与气温、降水之间的相关性进行了有效评估。Fensholt等[14]对比分析了GIMMS NDVI 与MODIS NDVI 之间反演全球植被动态变化的能力, 指出了两者之间的兼容性与一致性。GIMMS( Global Inventory Modeling and Mapping Studies) NDVI数据覆盖时段为1982—2015, 是目前时间序列最长的连续数据集, 具有较强的植被动态变化反演能力, 在全球性植被动态变化、土地利用演变以及陆—气圈层碳平衡变化分析与评估领域到了广泛的应用[15-18]。

陕西地区地形复杂, 水热空间分布差异性显著, 气候变化敏感, 生态系统脆弱[19]。随着气候的不断变化以及人类活动的增强, 植被覆盖变化明显, 然而目前针对陕西地区长时间序列的NDVI变化特征及其与气候因子之间的相关性研究仍然较少, 因而本文基于GIMMS NDVI数据, 通过相关分析、斜率分析等方法对陕西植被指数的时空变化特征进行探讨, 以期该区域应对气候变化以及生态保护工作的管理、规划和开展提供理论依据。

2 材料与方法

1.1 研究区概况

陕西省位于中国西北部(图1, 105°29′—111°15′E, 31°42′—39°35′N), 地域狭长, 南北长约880 km, 兼跨黄河、长江两大流域, 具有承东启西区位优势。陕西省土地利用类型(图1, 表1)以草地、农业用地和林地为主, 所占全省面积比例分别达到了42.67、45.5和14.6, 海拔约500 m到2000 m之间, 面积约占全省的90%, 平均海拔1127 m。地势南北高、中部低, 自北向南依次为陕北高原[20]、中部的关中平原和南部的秦巴山区。境内地貌复杂, 包括风沙过渡区、黄土高原区、关中平原区以及秦岭山地区、汉江盆地区和大巴山地区等主要六个地貌类型, 境内主要河流有黄河二级河流渭河, 长江流域内汉江、嘉陵江。年平均降水量576.9 mm, 年平均气温13.0, 无霜期218 d左右, 境内气候差异很大, 由北向南渐次过度为温带、暖温带和北亚热带。

1.2 数据来源与处理

本研究所用GIMMS NDVI数据来源于美国国家航空和航天局(NASA, National Aeronautics and Space Administration)戈达德航天中心全球监测与模拟研究组制作的15 d最大化合成(MVC)的 8 km NDVI 新一代数据集[21-22], 时间序列跨度1982— 2015年。该数据集着重考虑了火山灰尘、太阳高度角以及传感器灵敏度等变化对数据本身的影响, 并进行了有效的消除, 目前已在全球范围得到了广泛应用。数据本身考虑了去云以及与气象数据统一的需要, 通过最大值合成法合成月均数据, 并通过IDL读取, 生成影像, 并通过Arcmap10裁剪、统计与出图等处理。气象数据来源中国气象科学数据网陕西地区数据, 其中定义春季为3—5月, 夏季6—8月, 秋季9—11月, 冬季12 至次年2 月。

图1 研究区地理位置及其土地利用类型示意图

1.3 研究方法

1.3.1 NDVI趋势分析

趋势线分析法[23]通过对不同的栅格的变化趋势进行模拟, 对不同时期植被变化的空间特征进行分析。本文研究采用趋势线分析模拟1982—2015年陕西省植被指数NDVI变化趋势, 计算公式如下:

表1 研究区主要土地利用类型及其所占面积百分比

1.3.2 相关分析法

研究分析两个变量间密切程度长通过相关分析法, 通过计算气象要素(气温、降水)与归一化植被指数NDVI之间的相关系数, 能够有效指出两者之间的密切联系, 相关系数取值区间位于［—1,1］, 其计算公式如下:

式中,表示年份数34(1982—2015),和表示相关分析的两个变量;与分别表示变量样本值的平均值。

2 结果与分析

2.1 陕西省NDVI空间变化特征

陕西省1982—2015不同时段年均NDVI空间分布特征, 如图2, 表2所示。1982—2015年及其各个时段年均NDVI空间分布较为相似, 呈现出明显南高北低的地理特征。1982—2015年陕西省年均NDVI约为0.47, 高值地区NDVI达到了0.76, 而部分地区年NDVI约为0.16。高值地区主要分布于南部秦巴山地和中部关中平原地区, 而北部的陕北黄土高原地区为NDVI低值主要分布区。年均NDVI分布的空间差异性与下垫面类型明显相关, 南部秦巴山区气候湿润, 降水量较高, 植被茂盛, 土地利用类型以林地为主, 多常绿落叶林和落叶阔叶林, 植被指数NDVI明显较高, 年均NDVI达到了0.622; 中部为关中平原地区, 气候类型以暖温带为主, 地表多为农业用地, NDVI季节性差异明显, 春夏农作物生长期NDVI较高, 年均NDVI达到了0.514, 标准差为最高0.117; 北部为黄土高原地区, 沟壑纵横, 地表破碎, 加上长期乱垦滥伐, 植被破坏严重, 土地利用类型以草地为主, 年均NDVI较低, 为0.274。

陕西省1982—2015年不同时段年均NDVI空间变化特征, 如图2b, 表2所示。1982—1990年间, 陕西省总体上年均NDVI呈轻度上升趋势, 增长率达到了0.004, 尤其是渭河流域, 增长尤为明显, 渭河流域以农地为主要土地利用方式, 农地NDVI增长率达到了0.002; 1991—2000年间, 10a间年NDVI仍以轻度增加为主, 年增长率达到了0.002, 增加区域集中于关中平原和秦巴山区, 南部的米仓山部分地区上升趋势明显, 东北部黄河流域NDVI则呈现出一定的轻度下降趋势; 2001—2015年陕北高原年均NDVI上升趋势显著, 而中部平原地区NDVI下降明显。1982—2015年间陕西省年均NDVI总体上变化呈微弱增加趋势, 陕北延河、无定河流域, 以及大巴山附近地区是NDVI增加显著区域, 而西安、咸阳附近地区年均NDVI则下降明显。近34a来随着“三北”防护林工作进展的推进, 陕北黄土高原地区植被覆盖有了较显著的改善, 而关中地区地势平坦, 工农业发达, 城市发展迅速, 建设用地不断增加, 地表覆盖的不断变化可能是引起西安、咸阳地区NDVI逐渐下降的重要原因。

图2 1982—2015年陕西省NDVI空间分布(a)与空间变化率变化(b)

表2 1982—2015年陕西省不同时段年均NDVI及其变化率

2.2 陕西省NDVI时间变化特征

2.2.1 NDVI年际变化特征

陕西省1982—2015年均NDVI年际变化特征, 如图3, 表3所示。总体上, 1982—2015年间NDVI呈轻度增加趋势, 增长率约为0.001, 年均NDVI达到了0.47。1982—1990间年均NDVI年际增长率大约为0.0039, 呈显著增加趋势, 1991—2000和2001—2015年期间年均NDVI增长放缓, 增长率分别为0.0018和0.0014。

陕西省林地、草地以及农业用地为其主要土地利用类型, 各类用地年均NDVI及其变化率存在差异性。1982—2015年间草地类型年均NDVI为0.274, 增长趋势显著, 年际增长率约为0.002, 其中1982—1990和1991—2000年间增长率约为0.002, 上升显著, 2001—2015年间NDVI增长率高达0.006, 标准差为0.004, 呈快速波动上升趋势; 1982—2015年林业、农地年均NDVI高达到了0.622、0.514, 两者增长率约为0.001, 呈轻度上升趋势。1982—1990年间, 两类用地年均NDVI增长显著, 增长率达到0.006, 而1991—2000年间增长趋势放缓, 2001—2015期间NDVI显著下降, 下降率约为0.007, 标准差为0.004, 变幅明显。

图3 陕西省1982—2015年不同土地利用类型年均NDVI年际变化

表3 1982—2015年不同土地利用类型不同时段NDVI变化率及其标准差

2.2.2 NDVI年内变化特征

陕西省1982—2015年NDVI季节性变化特征, 如图4a, 表4所示。总体上, 近34a来, 各季NDVI依次为夏季>秋季>春季>冬季, 夏季年均NDVI高达0.65, 秋季次之, 冬季NDVI为最低的0.29。春季NDVI上升趋势最为明显, 增长率达到最高的0.002, 夏秋其次, 冬季为最低的0.0012。近些30年来研究区气候变化明显, 从80年代中期开始, 增温显著, 春季回温增速, 植被的返青期提前可能是引起春季NDVI快速上升的重要原因。

1982—2015年研究区及主要土地利用类型月均NDVI变化曲线均呈单峰型如图4b所示。6—8月NDVI最高, 12—2月NDVI值最低。3—5月份随着气温的回升、降水量的不断增加, 植被逐渐返青, 植被覆盖增加, NDVI处于快速上升期。6—8月份, 雨热同季, 为植被生长期, 植被覆盖大幅增加, 月均NDVI达到最高, 期间林地月均NDVI达到0.84。9月气温逐渐降低, 降水量不断下降, 植被处于生长晚期, 植被盖度不断下降。11—12与1—2月陕西省大部分地区, 尤其是关中平原和陕北高原处于植被枯黄期, 植被盖度最低, 月均NDVI最小。

2.3 陕西省NDVI与气候因子相关性分析

2.3.1 研究区气候变化趋势

基于1982—2015年气象数据, 对研究区34a气温、降水变化趋势进行回归分析, 以其变化率的大小、正负表征各月气温、降水的变化的大小、增减趋势, 如表5所示。分析表明, 陕西省近34 a来月均气温均呈增暖趋势, 其中3、10月份增温显著(<0.05); 研究区秋冬两季降水增加, 春夏两季减少, 均未通过显著性检验, 也反映了各月降水变化趋势并不明显。

图4 陕西省1982—2015年NDVI年内变化(a)季节性变化(b)月变化

表4 陕西省1982—2015年季节性NDVI及其变化率

2.3.2 研究区植被指数NDVI与气温、降水相关性

基于1982—2015年NDVI数据与同期、滞后1月、滞后2月和滞后3月的气温、降水分别进行相关分析, 具体结果如表6所示。根据分析结果, 研究区整体、林地、草地以及农地NDVI与同期、滞后1月、滞后2月和滞后3月的气温、降水之间相关系数都通过了0.01的显著性检验, 其中研究区、林业用地NDVI与同期气温之间的相关性最优, 相关系数高达0.938、0.929, 而草地、农业用地的NDVI与滞后1月的气温之间的相关性最为显著, 分别达到了0.888和0.848; NDVI与各类用地的同期降水量之间的相关性最好, 分别达到了0.765、0.728、0.784和0.738, 随着滞后月份的增加, 相关性逐渐降低。气温、降水的变化主要通过植被生长引起植被盖度发生改变, 而植被指数NDVI与气温之间的相关系数明显高于降水也反映了植被的生长对气温变化更为敏感, 与此同时, 草地、农业用地NDVI相比林地与滞后1月的降水敏感性高于同期。

近34 a年均NDVI与各月气温、降水量之间的相关分析, 分析结果如表7所示。据表5所示, 近34a来3、6—10月份气温呈增暖趋势, 而3、6—10月年均NDVI与气温之间的相关性都通过了显著性检验, 这也反映了该期间NDVI随着气温的增暖快速上升, 3月气温的增暖加速了植被的返青, 6—10月雨热同期, 植被生长旺盛, NDVI对气温增暖的响应更为敏感; 研究区暖季(5—9月份)降水量与年均NDVI相关系数多呈负相关, 据表5所示, 5—9月降水呈减少趋势, 这也反映了随着降水的减少, NDVI逐渐降低, 但相关系数明显低于气温, 也进一步印证了NDVI对气温的变化的响应更为敏感。

表5 陕西省月均气温、降水与年份的回归系数

注:分别代表月均气温、降水与年份的相关系数, *和**分别表示通过0.05和0.01显著性检验。

表6 陕西省归一化植被指数NDVI与气温、降水的相关系数

注:分别代表月均气温、降水与年份的相关系数, *和**分别表示通过0.05和0.01显著性检验。

表7 陕西省年均NDVI与月均气温、降水的相关系数

注:分别代表月均气温、降水与年份的相关系数, *和**分别表示通过0.05和0.01显著性检验。

3 结论

本文通过对GIMMS NDVI数据集以及土地利用类型数据和陕西省气象数据进行相关处理, 分析了陕西地区植被指数NDVI时空分布特征以及与气候因子之间的关系, 得到如下结论: (1)1982—2015年陕西省年均NDVI约为0.47, 呈现出明显南高北低的地理特征, 年均NDVI分布的空间差异性与下垫面类型显著相关, 南部秦巴林地和中部关中农业用地年均NDVI较高, 而北部的陕北黄土草原地区为NDVI偏低; 总体上, 年均NDVI呈轻度上升趋势, 局部地区(如渭河流域)增长尤为明显。(2)NDVI年际变化具有阶段性明显特征, 年均NDVI达到了0.47, 增长率约为0.001, 总体上呈轻度增加趋势, 而1982—1990间为年均NDVI增长显著期, 增长率高达0.0039; 研究区夏季年均NDVI为最高的0.65, 冬季NDVI为最低的0.29, 春季NDVI上升趋势最为明显, 增长率达到最高的0.002; 月均NDVI变化曲线呈单峰型, 6—8月NDVI最高, 12—2月NDVI最低。(4)研究区34 a来植被指数NDVI与气候因子之间存在较为明显的响应联系。研究区整体以及主要土地利用类型的NDVI与同期降水之间的响应最为明显, 相关系数分别达到了0.765、0.728、0.784和0.738, 而草地、农地相比于整体以及林地与滞后1月的气温敏感性高于同期, 相关系数分别达到了0.888和0.848, 通过了0.01显著性检验。

气候变化背景下陕西地区归一化植被指数NDVI的相关研究, 有助于把握陕西省植被时空分布与演变特征, 提升区域植被变化规律的认识水平[25-26], 对区域生态环境评估、保护与规划也具有重要的促进作用。然而陕西地区地貌类型复杂, 植被类型繁多, 仅通过相对简单的土地类型分类并不足以充分解释本区域植被指数NDVI的变化特征及规律, 本文相关研究仅限于本地区NDVI的时空分布特征及其与气候因子之间的相关性, 接下来将会结合陕西地区地面反照率、土壤水分以及蒸散等影响因子进行进一步研究与探索, 以期获取更为详实的特征和规律。

[1] KEMP P R, GARDETTO P E. Photosynthetic pathway types of evergreen rosette plants (Liliaceae) of the Chihuahuan desert[J]. Oecologia, 1982, 55: 149–156.

[2] JULIEN Y, SOBRINO J A. Global land surface phenology trends from GIMMS database[J]. International Journal of Remote Sensing, 2009, 30: 3495–3513.

[3] 索玉霞, 王正兴, 刘闯, 等.中亚地区1982年至2002年植被指数与气温和降水的相关性分析[J].资源科学, 2009, 31(8): 1422–1429.

[4] 孙红雨, 王常耀, 牛铮, 等. 中国地表植被覆盖变化及其与气候因子关系——基于NOAA时间序列数据[J].遥感学报, 19988, 2(3): 204–210

[5] ALCARAZ—SEGURA D, LIRAS E, TABIK S, et al. Evaluating the consistency of the 1982-1999 NDVI trends in the Iberian Peninsula across four time-series derived from the AVHRR sensor: LTDR, GIMMS, FASIR, and PAL—II[J]. Sensor, 2010, 10: 1291–1314

[6] 任继周, 梁天刚, 林慧龙, 等.草地对全球气候变化的响应及其碳汇潜势研究[J].草业学报, 2011, 20(2): 1–22.

[7] ZHAO X, TAN K, ZHAO S, et al. Changing climate affects vegetation growth in the arid region of the northwest China[J]. Journal of Arid Environments, 2011, 75: 946–952

[8] 国志兴, 张晓宁, 王宗明, 等. 东北地区植被物候期遥感模拟与变化规律.生态学杂志, 2010, 29(1): 165–172.

[9] 李登科, 郭铌. 陕西MODIS/NDVI的区域分布和季节变化[J].中国沙漠, 2008, 28(1): 108–113.

[10] 周伟, 王倩, 章超斌, 等.黑河中上游草地 NDVI时空变化规律及其对气候因子的响应分析[J].草业学报, 2013, 22(1): 138–147.

[11] 王新欣, 朱进忠, 范艳敏, 等.基于MODIS NDVI的天山北坡中段草地动态估产模型研究[J] .草业科学, 2009, 26(7): 24–27.

[12] 齐述华, 王长耀, 牛铮, 等.利用NDVI时间序列数据分析植被长势对气候因子的响应[J].地理科学进展, 2004, 23(3): 91–99.

[13] 郭铌, 朱燕君, 王介民, 等.近22年来西北不同类型植被NDVI变化与气候因子的关系[J]. 植物生态学报, 2008, 32(2): 319–327.

[14] FENSHOLT R, PROUD S R. Evaluation of earth observation based global long term vegetation trends: Comparing GIMMS and MODIS global NDVI time series[J]. Remote Sensing of Environment, 2012, 119: 131–147.

[15] BECK H E, MCVICAR T R, DIJK A, et al. Global evaluation of four AVHRR—NDVI data sets: Inter comparison and assessment against Landsat imagery[J]. Remote Sensing of Environment, 2011, 115: 2547–2563

[16] 毛德华, 王宗明, 宋开山, 等. 东北多年冻土区植被NDVI 变化及其对气候变化和土地覆被变化的响应[J]. 中国环境科学, 2011, 31(2): 283–292

[17] 王尧, 蔡运龙, 潘懋. 贵州省乌江流域土地利用与土壤侵蚀关系研究[J]. 水土保持研究, 2013, 20(20): 3: 11–19.

[18] 侯美亭, 延晓冬. 中国东部植被物候变化及其对气候的响应[J].气象科技进展, 2012, 2(4): 39–47.

[19] 高蓓, 栗珂, 李艳丽. 陕西近40年气候变化特征的分析[J]. 成都信息工程学院学报, 2006, 21(2): 1671–1742.

[20] 李登科. 陕北黄土高原丘陵沟壑区植被覆盖变化及其对气候的响应[J]. 西北植物学报, 2009 , 29 (5): 0867– 0873.

[21] RASMUSSEN M S. Operational yield forecast using AVHRR NDVI data: Reduction of environmental and inter—annual variability[J]. International Journal of Remote Sensing, 1997, 18: 1059–1077.

[22] PENG S S, CHEN A P, XU L, et al. Recent change of vegetation growth trend in China[J]. Environmental Research Letters, 2011, 6: 4027–4039

[23] 管延龙, 王让会, 姚建, 等.气候变化背景下天山区域地表反照率特征分析[J].干旱区地理, 2015, 38(2): 351—358.

[24] 戴声佩, 张勃, 王海军, 等. 基于SPOT NDVI的祁连山草地植被覆盖时空变化趋势分析[J].地理科学进展, 2010, 29(9): 1075–1080.

[25] ZHAO X, TAN K, ZHAO S, et al. Changing climate affects vegetation growth in the arid region of the northwest China[J]. Journal of Arid Environments, 2011, 75: 946–952

[26] RICOTTA C, AVENA G C. The remote sensing approach in broad scale phenological studies[J]. Applied Vegetation Science, 2000, 3: 117–122.

李跃鹏, 刘海艳, 周维博. 陕西省1982—2015 NDVI时空分布特征及其与气候因子相关性[J]. 生态科学, 2017, 36(6): 153-160.

LI Yuepeng, LIU Haiyan, ZHOU Weibo. The variation characteristics of NDVI and relationship with climatic factors in Shanxi Province from 1982 to 2015[J]. Ecological Science, 2017, 36(6): 153-160.

The variation characteristics of NDVI and relationship with climatic factors in Shanxi Province from 1982 to 2015

LI Yuepeng1,2,3, LIU Haiyan2, ZHOU Weibo1,3,*

1. School of Environmental Science and Engineering,Chang,an University, Xi’an 710064, China 2. School of Power Resources and Environmental Sciences, North China University of Water Resources and Electric, Zheng­Zhou 450045, China 3. Key Laboratory of Subsurface Hydrology and Ecological Effects in Arid Region Ministry of Education, Changan Univer­sity, Xi,an 710064, China

Based on the GIMMS NDVI data and meteorological data from 1982 to 2015, the temporal and spatial distribution characteristics of NDVI in recent 34 years in Shanxi Province were analyzed by means of slope analysis and correlation analysis. The results are as follows. (1) From 1982 to 2015, the annual average NDVI of Shanxi Province showed an obvious geographical characteristic from south to the north, in which the NDVI of south was higher than the north. With the spatial difference of the annual NDVI distribution, there was an significant correlation between NDVI and land use types. In general, the average annual NDVI showed a slight upward trend, andin some areas (such as the Weihe River Basin) the growth was particularly evident. (2) The interannual variability of NDVI had obvious characteristics. During the period from 1982 to 1990, NDVI grew obviously, but increased slowly from 1991 to 2000 and from 2001 to 2015. The NDVI was the highest in summer and the lowest in winter, and the increase trend was the most obvious in spring. The monthly average NDVI curve showed a single peak, and the NDVI was the highest between June and August. (3) The response of NDVI to precipitation in the same period was the most obvious, while the sensitivity to temperature of 1 month lag in grassland and agricultural land was higher than that of whole land and woodland of the same period.

Shanxi; NDVI; GIMMS; land use types

10.14108/j.cnki.1008-8873.2017.06.021

X833

A

1008-8873(2017)06-153-08

2016-10-04;

2016-12-15

国家自然科学基金(41372260); 水利部公益性行业专项(201501008); 河南省高校科技创新人才支持计划 (13HASTIT035)

李跃鹏(1981—), 男, 内蒙古通辽人, 讲师, 博士研究生, 从事水文与水资源方面的研究, E-mail: liyuepeng1981@163.com

周维博(1956—), 男, 陕西乾县人, 教授, 博士生导师, 从事水资源与水环境及节水灌溉方面的教学与研究工作, E-mail: zwbzyz823@163.com