基于ＲＵＥ与ＮＤＶＩ的人类活动对牧区植被变化干扰强度的研究

丁鹏凯 邵怀勇 仙巍 李波 易霞 杨青林

摘要：利用归一化植被指数（NDVI）与降水利用率（RUE）结合最小二乘法进行趋势分析，分析2000—2014年人类活动对川西北江河源区植被变化的干扰强度。结果表明，2000—2014年研究区植被强度总体好转，2000—2010年研究区植被恢复良好，2010—2014年研究区植被局部显著退化区域明显多于显著恢复区域。2000—2014年研究区内人为因素对植被变化的干扰总体以负向干扰为主，负向干扰面积占研究区总面积的57.59%，正向干扰面积占21.85%。其中，2000—2005年研究区人类活动对植被的变化主要呈中度正向干扰，2005—2010年主要呈轻度正向干扰，而2010—2014年人为负向干扰严重。人类活动对研究区内植被变化的负向干扰以轻度负向干扰为主，主要分布于石渠、阿坝、红原、若尔盖四县，而强度人为负向干扰主要位于石渠县;人为正向干扰以中度人为正向干扰为主，主要集中于石渠县北部;甘孜、色达、壤塘三县无明显人为干扰。

关键词：NDVI;RUE;植被变化;趋势分析;人类活动

中图分类号：Q948.15        文献标识码：A

文章编号：0439-8114（2018）23-0048-07

DOI：10.14088/j.cnki.issn0439-8114.2018.23.012           开放科学（资源服务）标识码（OSID）：

植被是陆地表面最突出的土地覆盖类型，其变化在全球能量循环及物质的生物化学循环中具有重要影响。归一化植被指数（NDVI）是地表植被覆盖特征的重要指标之一，由遥感图像获取归一化植被指数（NDVI）被广泛应用于植被监测、农作物估产及干旱监测等方面。植被变化是气候因素与人类活动共同作用的结果。近年来对于气候因素对植被变化影响的研究较多，但定量评价人类活动对植被变化的研究相对较少，根据这些研究，可以将定量评价人类活动影响的方法分为4类，修正NDVI法或利用降水利用率（RUE）、残差法、主成分分析或因子分析法以及利用通用标准来衡量不同驱动因素的影响[1-9]。降水利用率（RUE）是地面净初级生产力（NPP）与降水量的比值，为理解降水与植被生产力之间的关系，以及植被退化的评估提供了一个简单而有效的指标[10]。从近年来的研究来看，NDVI与NPP存在线性关系[11，12]，利用年累计NDVI代替NPP计算RUE可以减少NPP噪声的影响且更加具有操作性[13-16]。

川西北江河源区地处青藏高原东缘，横断山区高山峡谷向高原过渡地带，是长江、黄河水系重要的水源涵养地。该区地势高峻、气候寒冷，生态环境先天脆弱。草地长期过渡放牧，导致沼泽与草地退化，沙化严重，水源涵养和生物多样性保护受到严重威胁，生态地质环境脆弱性加剧，已威胁到四川省乃至长江、黄河流域的安全[17，18]。

本研究结合NDVI与RUE的变化趋势，剔除降水量对植被变化的影响，对2000—2014年川西北江河源区人类活动对植被变化的干扰强度进行定量化研究[9，19]，旨在探讨NDVI与RUE相结合从而分析人类活动对川西北江河源区植被变化影响强度的方法，并对研究区植被变化原因进行分析，准确把握近年来国家与地方政府出台政策对该地区植被现状的影响以及近年来保护政策下草地恢复的效果，为相关部门制定植被保护政策提供相关依据，有利于研究区的和谐发展。

1  研究区概况

川西北江河源区位于四川省西北部，与西藏藏族自治区、青海省和甘肃省交界（图1）。包括石渠、甘孜、色达、壤塘、阿坝、红原、若尔盖共7个县，面积共73 495.63 km2，占四川省總面积的15.12%。川西北江河源区植被类型以草地为主，作为中国八大牧区之一，地处青藏高原东缘，横断山区高山峡谷向高原过渡地带，是长江、黄河水系重要的水源涵养地。该区海拔较高，平均海拔3 500 m以上，年均温-2～4 ℃，年平均降水量在500～800 mm，生态环境脆弱，属于高寒气候，加上多年来过度放牧，沼泽和草地退化严重。

2  数据与方法

2.1  数据源

2.1.1  NDVI数据  NDVI数据采用NASA Goddard Space Flight Center提供的2000—2014年MOD13Q1数据集中的NDVI产品，正弦曲线投影，时间分辨率为16 d，空间分辨率为250 m。本研究应用MRT、ArcGIS Python软件对数据进行格式与投影转换、图像拼接与裁剪得到研究区NDVI数据，运用最大值合成法将16 d NDVI数据合成为月均值，从而消除云、雾及太阳高度角等因素对NDVI的影响。

2.1.2  降水数据  降水数据来源于中国气象科学数据共享服务网，主要为研究区及其周边共17个气象站点提供的年降水数据。利用克里金插值法对年降水数据进行插值，进行裁剪得到研究区2000—2014年降水量栅格图像。

2.1.3  RUE数据  RUE的定义为实际NPP与降水量的比值。初级生产力与NDVI之间存在线性关系[13]，根据此理论，可以利用年累计NDVI来代替NPP计算RUE，NDVI可以通过地球观测系统直接获得，而通过地球观测直接获得的NPP会产生更多的噪声。因此，本研究利用NDVI数据与降水对RUE进行估算。

2.2  研究方法

2.2.1  最小二乘法  利用最小二乘法来估计NDVI、RUE随时间变化的线性趋势，能够更合理准确地反映出研究区NDVI与RUE变化的趋势;另外，利用最小二乘法基于像元求解线性趋势可以更好地分析研究区NDVI与RUE随时间变化在空间上的差异[20-22]。最小二乘法公式如下：

其中，i等于1时表示2000年，n表示2000—2014年的年份数，IMPORTi表示输入的数据，在本研究中代表NDVI或RUE，Slope则表示NDVI或RUE从2000—2014年的变化趋势。

2.2.2  利用NDVI与RUE斜率初步判定人类活动干扰的区域  如果NDVI与RUE均呈明显的上升趋势，表明在降水下降或者变化不明显的情况下NDVI出现明显的增长，则认为人为正向干扰大于降水的作用，NDVI的增长主要由强度人为正向干扰导致（图2a）。若NDVI与RUE均呈明显的下降趋势，表明在降水增加或者变化不明显的情况下，NDVI出现明显的降低，则认为NDVI的减少主要是由于强度人为负向干扰导致（图2b）。如果NDVI呈明显上升趋势，RUE呈明显下降趋势，表明降水量的增加导致了NDVI的明显上升，则认为NDVI的增加主要是由降水引起（图2c）。如果NDVI呈明显的上升趋势，RUE变化不明显，表明降水的增加导致了NDVI的增加，人为干扰强度为中度正向干扰（图2d）。如果NDVI呈明显的下降趋势，RUE呈明显的上升趋势，表明NDVI的下降主要是由于降水的严重下降引起的，则认为是轻度人为负向干扰区域（图2e）。如果NDVI呈下降趋势，而RUE无明显变化，则表明在降水增加的情况下NDVI出现明显的下降，人为干扰较为强烈，判断为中度人为负向干扰（图2f）。如果NDVI变化不明显，RUE出现明显的上升，表明在降水减少的情况下NDVI保持稳定，人为干扰较为强烈判断为中度人为正向干扰（图2g）。如果NDVI变化不明显，RUE出现明显的下降，表明在降水增加的情况下NDVI保持稳定，人为干扰较为强烈判定为中度人为负向干扰（图2h）。如果NDVI与RUE变化均不明显则说明无明显人为影响[9，13，19]。

通过对研究区以及各县NDVI与RUE均值进行统计，并求得各自趋势，分析2000—2014年15年来研究区与各县植被的变化情况，并对趋势线进行对比，总体上判断人为干扰对牧区植被变化的影响。另外，在空间上对NDVI与RUE趋势图进行叠加，基于像元来讨论研究区人为干扰对植被变化的影响，将人为干扰对植被变化的影响分为七类。

3  结果与分析

3.1  时间序列分析

通过对研究区NDVI及RUE 2000—2014年的平均值变化及线性趋势（图3、表1）分析，发现2000—2014年15年来研究区年均NDVI值总体上呈上升趋势，年均上升0.000 7，最大值出现在2010年，为0.786 3，最小值出现在2008年，为0.745 5。分县域来看，石渠县、色达县、若尔盖县、壤塘县与甘孜县最大值均出现在2010年，红原县、阿坝县最大值出现在2005年，在2010年也出现峰值;15年间NDVI均值石渠县最低，若尔盖县最高，分别为0.693 5、0.813 9。研究区所有县在2000—2014年NDVI均呈上升趋势。从表1的 NDVI线性趋势可以看出，15年来若尔盖县NDVI值上升最快，年均上升0.001 1，超过研究区上升趋势的50%，上升最慢的为红原县，年均上升仅0.000 2。

研究区15年来年均RUE总体呈下降趋势，年均下降0.000 1。RUE最高值出现在2002年，为0.016 18，最低值出现在2012年。从各县来看，除若尔盖县以外，其他各县最高值均出现在2002年。由表1可以得到，各县RUE线性趋势均为负值，其中石渠县RUE下降最快，为研究区平均下降速度的两倍，壤塘县与甘孜县下降速度最慢，其他4个县下降速度近于研究区RUE下降的速度。

对研究区以及研究区各县NDVI、RUE分别进行显著性检验（P<0.2）（表1）[13]。从整个研究区来看，NDVI无显著变化，而RUE显著降低，整个研究区植被变化的人为影响呈中度负向干扰。分县域来看，每个县NDVI均呈上升趋势，但变化不明显;石渠县、若尔盖县、红原县与阿坝县4个县RUE均显著降低，这4个县对植被变化的人为干扰呈中度负向干扰，其余3个县NDVI、RUE均无明显变化，人为干扰不明显。

3.2  植被变化趋势及人为干扰程度分时段分析与评价

通过研究，分别求得研究区NDVI及RUE 2000—2005年、2005—2010年、2010—2014年的平均值及变化趋势显著性分区，并通过空间叠加，得到研究区植被变化人为干扰程度分时段评价结果（图4）。

从平均NDVI来看，研究区2000—2005年、2005—2010年、2010—2014年NDVI值空间分布无较大变化。从NDVI显著变化来看，2000—2005年以增加为主并均匀分布于整个研究区，显著减少区域极少;2005—2010也以显著增加为主，显著减少区域较少，主要分布于阿坝县与红原县;2010—2014年則以显著减少为主，整个研究区均有分布，显著增加区域较少。从平均RUE来看，石渠县平均RUE最高，色达县、壤塘县、阿坝县与红原县RUE较低。从RUE显著变化来看，2000—2005年以显著减少为主，主要分布在石渠县北部、若尔盖县与阿坝县北部;2005—2010年以显著增加为主，主要集中在甘孜、色达、壤塘与阿坝四县，显著减少区域较少，集中分布在若尔盖县;2010—2014年RUE显著变化以显著减少为主，主要分布在红原县以西各县，显著增加区域较少，主要分布在若尔盖县。

从评价结果来看，2000—2005年研究区人为干扰主要为中度正向干扰与轻度负向干扰，在整个研究区分布都较为均匀;2005—2010年人为干扰主要以正向干扰为主，轻度正向干扰与强度正向干扰主要集中在甘孜县、色达县、壤塘县以及阿坝县，石渠县则以中度正向干扰为主，若尔盖县与红原县中度正向干扰零星分布，负向干扰以中度为主，零星分布于研究区;2010—2014年研究区人为干扰主要以轻度负向干扰为主，轻度负向干扰集中分布在研究区西部各县，强度负向干扰零星分布于研究区，中度负向干扰主要分布在若尔盖县与红原县，人为正向干扰区域较小，除若尔盖县轻度正向干扰较为集中外，正向干扰零星分布于其他县。

3.3  植被变化趋势整体分析

通过对研究区NDVI及RUE 2000—2014年的平均值、变化斜率及变化趋势显著性分区（图5）分析发现：研究区RUE呈西高东低的趋势，石渠县最高，甘孜、若尔盖以及色达西部整体上较高，甘孜东部、壤塘县、阿坝县与壤塘县相对较低（图5a）。从RUE变化斜率来看，增长区域主要集中在甘孜县、色达县和壤塘县，其余各县均以降低为主，其中石渠县下降最为显著（图5b）。整个研究区RUE变化以显著减少为主（图5e），显著减少区域面积占研究区总面积的62.86%，无明显变化区与显著增加区域分别占37.06%、0.08%;甘孜县、色达县、壤塘县虽然为增长区域但增长并不显著，显著增加区域面积较少，仅在甘孜南部有零星分布。

NDVI值除石渠县外分布较均匀，石渠县北部区域NDVI值均较低（图5c）。研究区内NDVI减少区域与增加区域无明显差距（图5d）。研究区NDVI变化趋势以无明显变化为主（图5f），显著减少区域与显著增加区域除石渠县外均匀零星分布;显著减少区域、无明显变化区域和显著增加区域占研究区总面积比例分别为10.55%、68.89%、20.56%;在石渠县北部显著增长区域较为集中，南部则显著减少较为集中。

3.4  植被变化人为干扰程度整体评价

对2000—2014年NDVI与RUE趋势图进行空间叠加，基于像元讨论研究区人为干扰对植被变化的影响（图6）。评价结果表明，研究区人为负向干扰总面积为42 458.94 km2，占研究区总面积的57.59%，人为负向干扰分为强度人为负向干扰、中度负向人为干扰与轻度负向人为干扰，以轻度人为负向干扰为主，三者面积分别为7 728.44、547.56、34 682.94 km2，各占研究区总面积的9.80%、0.74%与47.04%;无明显人为干扰面积共16 109.94 km2，占研究区总面积的21.85%;人为正向干扰区域总面积为15 156.50 km2，占研究区总面积的20.56%，人为正向干扰同样分为轻度正向人为干扰、中度正向人为干扰与强度正向人为干扰，以中度正向干扰为主，其面积分别为4 432.19、10 661.88、62.44 km2，各占研究区总面积的6.01%、14.46%与0.08%。

研究发现石渠县南部强度负向人为干扰最为集中;中度负向人为干扰区域集中在甘孜县、色达县以及壤塘县;轻度负向人为干扰区域在整个研究区分布较为均匀;甘孜县与色达县无明显人为干扰区域占比较大;轻度正向人为干扰区域则主要分布在石渠县、若尔盖县以及红原縣;中度正向人为干扰区域主要集中在石渠县，其余各县均有分布;强度正向人为干扰区域，仅在甘孜最南端有分布。

4  小结

从植被变化来看，研究区内2000—2014年植被总体呈恢复趋势。2000—2010年研究区NDVI显著增加区域明显，植被恢复良好;2010—2014年NDVI显著减少区域远多于显著增加区域，植被局部区域出现显著退化。

从时间尺度来看，2000—2014年人为负向干扰面积占研究区总面积的57.59%，人为正向干扰面积占研究区总面积的21.85%，研究区植被变化人为干扰总体以负向干扰为主。研究区2000—2005年人类活动对植被变化的影响主要呈中度正向干扰，2005—2010年间主要呈轻度正向干扰，而2010—2015年负向干扰严重。

空间尺度来看，2000—2014年研究区RUE降低区域主要集中在石渠县、若尔盖县;增长区域主要集中在甘孜县、色达县和壤塘县。NDVI减少与降低区域分布较为均匀。研究区植被变化人为负向干扰以轻度人为负向干扰为主，主要分布与石渠、阿坝、红原、若尔盖四县，强度人为负向干扰主要集中于石渠县;研究区植被变化人为正向干扰以中度人为正向干扰为主，整个区域均有分布，特别是石渠县北部;无明显人为干扰区域主要分布在甘孜、色达、壤塘三县。

参考文献：

[1] WANG T，SUN J G，HAN H，et al. The relative role of climate change and human activities in the desertification process in Yulin region of northwest China[J].Environmental Monitoring & Assessment，2012，184（12）：7165-7173.

[2] HE C，TIAN J，GAO B，et al. Differentiating climate-and human-induced drivers of grassland degradation in the Liao River Basin，China[J].Environmental Monitoring & Assessment，2015， 187（1）：1-14.

[3] MA Y，FAN S，ZHOU L，et al. The temporal change of driving factors during the course of land desertification in arid region of North China：The case of Minqin County[J].Environmental Geology，2007，51（6）：999-1008.

[4] LI S，YAN J，LIU X，et al. Response of vegetation restoration to climate change and human activities in Shaanxi-Gansu-Ningxia region[J].Journal of Geographical Sciences，2013，23（1）：98-112.

[5] ZHOU W，SUN Z G，JIANLONG L I，et al. Desertification dynamic and the relative roles of climate change and human activities in desertification in the Heihe River Basin based on NPP[J].Journal of Arid Land，2013，5（4）：465-479.

[6] TANG Q，HE X，BAO Y，et al. Determining the relative contributions of climate change and multiple human activities to variations of sediment regime in the Minjiang River，China[J].Hydrological Processes，2013，27（25）：3547-3559.

[7] YIN F，DENG X，JIN Q，et al. The impacts of climate change and human activities on grassland productivity in Qinghai Province，China[J].Frontiers of Earth Science，2014，8（1）：1-11.

[8] XU D，LI C，ZHUANG D，et al. Assessment of the relative role of climate change and human activities in desertification：A review[J].Journal of Geographical Sciences，2011，21（5）：926-936.

[9] 李輝霞，周红艺，魏兴琥.基于RUE和NDVI的人类活动对植被干扰强度分析——以桂西北为例[J].中国沙漠，2014，34（3）：927-937.

[10] HU Z，YU G，FAN J，et al. Precipitation-use efficiency along a 4500-km grassland transect[J].Global Ecology & Biogeography，2010，19（6）：842-851.

[11] DU P W. Linear regression relationships between NDVI，vegetation and rainfall in Etosha National Park，Namibia[J].Journal of Arid Environments，1999，42（4）：235-260.

[12] HUI-XIA L I，LIU S Z. Research on grassland degradation assessment model based on ETM+ image：A case study in Naqu county of Tibet[J].Journal of Desert Research，2007（3）：412-418.

[13] LI H，WEI X，ZHOU H. Rain-use efficiency and NDVI-based assessment of karst ecosystem degradation or recovery：A case study in Guangxi，China[J].Environmental Earth Sciences，2014， 74（2）：977-984.

[14] PRINCE S D，COLSTOUN E B D，KRAVITZ L L. Evidence from rain-use efficiencies does not indicate extensive Sahelian desertification[J].Global Change Biology，1998，4（4）：359-374.

[15] SYMEONAKIS E，DRAKE N. Monitoring desertification and land degradation over sub-Saharan Africa[J].International Journal of Remote Sensing，2004，25（3）：573-592.

[16] 李春娥，刘秋荣，张丽君.新疆2000-2012年NDVI、降水和RUE的时空特征[J].草业科学，2015，32（11）：1740-1747.

[17] 李  波.川西北江河源区资源环境承载力时空过程评价与分析[D].成都：成都理工大学，2017.

[18] 魏瑞琪，邵怀勇，李林峰，等.基于MODIS的川西北江河源区草地退化状况时空分析[J].物探化探计算技术，2018，40（2）：262-268.

[19] MA M，FRANK V. Interannual variability of vegetation cover in the Chinese Heihe River Basin and its relation to meteorological parameters[J].International Journal of Remote Sensing，2006，27（22）：3473-3486.

[20] 陆广勇，杨勤科，王海江.基于MODIS-NDVI时序数据的黄土丘陵区土地覆盖分类研究[J].水土保持研究，2011，18（2）：112-115.

[21] 侯光雷，张洪岩，王野乔，等.基于时间序列谐波分析的东北地区耕地资源提取[J].自然资源学报，2010，25（9）：1607-1617.

[22] 彭  飞，王  涛，薛  娴.基于RUE的人类活动对沙漠化地区植被影响研究——以科尔沁地区为例[J].中国沙漠，2010，  30（4）：896-902.