甘肃省植被覆盖时空变化趋势研究

毛转梅，陈劲松，彭尔瑞*，刘 青

(1.云南农业大学 水利学院，云南 昆明 650201；2.云南农业大学 资源与环境学院，云南 昆明 650201)

植被是指地球表面各种植物群落的总称，是全球生态系统中不可或缺的部分，维持着全球能量平衡、生物化学循环和水循环3个系统的正常运转。植被覆盖度[1]可以反映某一地区植被生长的好坏，是全球变化与陆表生态系统研究的热点[2]。归一化植被指数(normalized difference vegetation index，NDVI)是被用来研究植被的覆盖与生长状况的一种遥感因子[3]，其与植被覆盖度呈正相关关系。

近年来，学者们采用了M-K检验、方差评价[4]、偏相关、复相关分析、趋势分析、残差分析及驱动分区法[5]和像元二分模型[6]等方法对SPOT VEGETATION数据[7]、MODIS NDVI遥感数据[8]和Landsat数据[9]进行了人类活动对植被的影响[10]、植被指数(NDVI)和气候因素(CFs)在多个时间尺度和时空模式的相关性[11]、植被覆盖度与地形因子的关系[12]、植被覆盖度的驱动因子[13]、降水、气温等环境因子与植被覆盖度之间的关系[14]等方面的研究。笔者在阅读相关文献后发现大多数学者对植被覆盖的研究时间段集中在2015年前后，并且对甘肃省整体长时序植被覆盖时空变化的研究较少。因此论文采用时相较新的NDVI数据对1999～2018年甘肃省近20年的植被覆盖进行研究，在一定程度上掌握该地区植被的变化趋势，以期对甘肃省改善土地沙化和生态修复提供参考。

1 研究区概况

甘肃省位于我国西部地区，地处黄河中上游，地域辽阔，位于北纬32°11′～42°57′、东经92°13′～108°46′之间，大部分在中国地势二级阶梯上，国土面积45.37万km2，占中国总面积的4.72%。甘肃省地处内陆，不易受海洋暖湿气流影响，干燥少雨，形成温带大陆性气候。省内年平均气温在0～16 ℃之间，各地年降水量在36.6～734.9 mm，大致从东南向西北递减，乌鞘岭以西地区的降水明显减少，陇南山区和祁连山东段降水偏多。

2 数据源与研究方法

2.1 数据来源

中国月度植被指数(NDVI)空间分布数据集是基于连续时间序列的SPOT/VEGETATION NDVI卫星遥感数据，采用最大值合成法生成的1998年以来的月度(1～12月)植被指数数据集(中国月度植被指数(NDVI)空间分布数据集，中国科学院资源环境科学数据中心数据注册与出版系统，http://www.resdc.cn/DOI),2018.DOI:10.12078/2018060602)。该数据集有效反映了全国各地区在空间和时间尺度上的植被覆盖分布和变化状况。

2.2 数据处理

由于1998年的数据不完整，所以本论文利用ArcGIS软件将全国1999～2018年每月的NDVI遥感图像进行格式和投影转换；叠加甘肃省行政区划图，划分出甘肃省境内行政区边界；进行掩膜裁剪提取出研究区NDVI数据集，通过空间分析统计出甘肃省月NDVI值。

2.3 研究方法

2.3.1 方差评价 方差可以反映NDVI数据集的离散程度，方差越大表明该时间段像元的NDVI值距离NDVI平均值越远，即研究时段内植被覆盖波动较大，基于该原理用方差来描述植被覆盖波动性。

2.3.2 NDVI变化稳定性分析 变异系数(Coefficient of Variation,CV)是离散程度归一化量度，可以消除多种植被指数和平均数不同对评价离散程度比较的影响，可以用变异系数来表达NDVI变化的稳定性。利用公式(1)和公式(2)分别计算了1999～2018年植被指数的标准差和变异系数[15]。

(1)

(2)

其中，CV为变异系数，S为标准差，x为多年植被指数平均值，n为总年数。变异系数值越大，植被覆盖波动性越大，敏感程度越高。

2.3.3 回归分析法 将1999～2018年20年数据分为4个时期，采用最小二乘法拟合得到对应线性方程(y=kxi+b+i),通过K值来反映植被覆盖趋势，其表达式为：

(3)

其中：y为植被指数时序数据，x为时间序列，K>0表示植被活动增高，K<0表示植被活动降低。

2.3.4 植被覆盖度水平计算 像元二分模型[16]是一种基于线性像元分解模型的植被覆盖度计算方法，它由于计算简单并且对影像辐射校正影响较弱而被广泛应用。利用像元二分模型对植被覆盖度进行估算，计算公式如下：

(4)

其中，NDVIsoil为完全是裸土或无植被覆盖区域的NDVI值，NDVIveg则代表完全被植被所覆盖区域的NDVI值。区域内可以近似取VFCmax=100%，VFCmin=0。公式(4)可变为：

(5)

基于理论研究，纯土壤部分的值应接近于0，纯植被覆盖部分的值应接近于1。但在实际情况中因为受到大气中各种因素的影响，纯土壤值往往在-0.1～0.2之间来回波动[17]。目前已经存在的研究对NDVIv和NDVIs的取值方法也不尽相同[18]，在计算植被覆盖度的过程中，取累积百分比0.5%作为纯土壤像元值，99.5%为纯植被像元值[19]，也有部分研究根据实地情况取图像中的最大值为纯植被像元值NDVIv，取图像最小值为纯土壤像元值NDVIv。通过ENVI软件对植被覆盖度VFC计算后，发现累计概率的最小值大于5%，所以根据遥感影像的实际计算情况，本次研究中选取以图像的最大和最小值为纯植被像元值和纯土壤像元值。

2.3.5 坡度与坡向地形因子 坡度和坡向是基于DEM数据提取的最基本地形因子，它们相互关联。坡度反映的是斜坡的倾斜程度，坡向反映的是斜坡面对的方向。由于植被覆盖度与水土流失的强度呈反比，在高坡度地区，植被的覆盖度低，水土流失发生的几率大，因此可以通过分析植被覆盖度和坡度来研究某地区的水土保持情况。

2.3.6 土地利用类型 土地利用类型主要分为耕地、林地、草地、水域、城乡工矿居民用地和未利用土地五大类型。有学者研究认为归一化植被指数NDVI与土地利用之间存在着较高的相关关系[20]，基于此，本文利用2018年NDVI空间分布图和2018年土地利用类型图来分析居民的土地利用方式对植被的影响。

3 结果与分析

3.1 植被覆盖度时间变化序列分析

将1999～2018年分为1999～2003、2004～2008、2009～2013、2014～2018年4个时间段，通过ArcGIS对4个时期的NDVI图像进行归一化植被指数再合成。通过计算回归方程、R2、回归方程系数K、方差、标准差和变异系数来分析4个时间段的植被指数的变化趋势，其计算结果如表1所示，结果表明：2014～2018年方差、标准差和变异系数值最大，植被覆盖的波动性最大。回归方程系数K>0表明甘肃省整体植被活动增高，植被覆盖度月变化为增加趋势。

表1 不同时期评价指标

由图1可知，2014～2018年这个阶段较4个时间段的植被指数而言起伏程度更大，整体波动情况更好地反映植被覆盖度的季节性变化，存在明显的波峰和波谷，且5～7月出现了较大的升高，体现出植被生长旺盛的特点。同时，甘肃省冬季变化趋于稳定状态，春夏季整体为增加趋势，秋季为下降趋势，一年中植被覆盖先增后减，符合植被一年内的生长规律。受光照、降水和气温等外界自然条件的综合影响，植被在3月开始萌发，因降水少、温度低植被生长受到抑制，植被覆盖增加缓慢；5～7月降水增加、温度升高，植被生长条件适宜，植被覆盖度趋势明显增加；8～11月逐渐进入秋季植被停止生长，进入成熟期；12月降水减少，温度降低，植被覆盖度下降。

3.2 植被覆盖度的空间分布

甘肃有12个地级市、2个自治州、86个县(市、区)，从区域分布上来看，甘肃中部地区包括武威市、白银市、定西市、兰州市；甘肃西部地区包括嘉峪关市、酒泉市、张掖市、金昌市；甘肃东部地区包括庆阳市、天水市、平凉市；甘肃南部地区为陇南、临夏和甘南。甘肃省地形复杂、地貌繁多，地形以山地、高原为主，平川、沙漠和戈壁等地貌交错分布，属于典型的山地型高原地貌，海拔大多在1000 m以上，四周为群山峻岭所环抱。由于其地理环境的多样性造成的作物区域化生长，使得空间分布有一定的规律性。

图1 4个时期的植被指数随月份的变化

根据1999～2018年甘肃省年平均植被覆盖度绘制出植被覆盖度空间分布图(图2)。由图2可知，甘肃省的NDVI空间分布为东高西低、南高北低的分布趋势。东部和南部地区是植被指数最大的主要区域，中部狭长地带的植被指数在持续变大，且该地区的植被覆盖面积在不断增加，西部的植被指数一直比较低，从地域的自然特性可知产生空间差异的原因可能是西部部分地区为河西走廊的主要地带，地处沙漠和戈壁并且西部主要发展工业导致20年间的植被指数低；中部地区属于地少人多且经济较发达的地区并且以粮食作物为主，对粮食作物的需求越来越大可能是导致20年间植被指数增长的原因；东部和南部地区的植被指数持续性高主要是由于庆阳有著名的旱作农业，临夏州是一个传统农业区，陇南是甘肃省唯一属于长江水系并拥有亚热带气候的地区，所以对该地区的特色农产品发展具有特别好的优势，如武都花椒、成县核桃、宕昌中药材、文县茶叶、康县木耳、武都油橄榄等农业类型繁多。

图2 植被覆盖度空间分布图

3.3 植被覆盖度与地形因子的叠加分析

3.3.1 不同坡度下植被覆盖分布 甘肃省的坡度范围为0～89.999°，为了图像分布明显，将坡度图按照手动分类分为9个等级(表2)。

表2 不同坡度下植被覆盖度分布

坡度在很大程度上能表示植被的分布态势。通过对表2的数据进行分析，研究区植被随着坡度增大呈先增后减的趋势。植被覆盖度最大值是74.726%，最小值是2.386%。在坡度0～10°范围内，植被覆盖度最高，是植被集中覆盖的范围，在坡度比较高的地方也有一定的植被面积，并且比较稳定，植被分布随着坡度的变化不太大。具体来说，随着坡度的增加，植被覆盖度为先增加后减少的变化趋势，当坡度<10°时，植被覆盖度增加，低坡度区为人类活动频繁区域，受人类的影响特别多，所以随着坡度的增加植被覆盖度为显著的上升趋势。当坡度>10°时，随着坡度的增大植被覆盖度逐渐增大，由于整体植被覆盖度占比小，所以在高坡度趋于发生水土流失的概率较大。

3.3.2 不同坡向下植被覆盖分布 不同坡度所接受的太阳辐射和土壤水分的不同，进而影响植被的生长状态。用ArcGIS软件对DEM数据进行坡向操作后得到平面、北、东北、东、东南、南、西南、西、西北、北10个坡向，然后将北坡和东北坡合并名为阴坡，把西北坡和东坡合并名为半阴坡，把南坡和西南坡合并名为阳坡，把东南坡和西坡合并名为半阳坡。以ArcGIS软件中的坡向为源数据，按照阴阳坡的分类方法进行重分类操作得到阴坡、半阴坡、阳坡、半阳坡和平面5个坡向数据(表3)。

表3 不同坡向下植被覆盖度分布

坡向能够影响到最大的生物就是植物，向光坡(阳坡或南坡)和背光坡(阴坡或北坡)之间温度或植被的差异常常是很大的。南坡或西南坡最暖和，北坡或东北坡最寒冷，同一高度的极端温差竟达3～4 ℃。在南坡森林上界比北坡高100～200 m。永久雪线的下限因地而异，在南坡可抬高150～500 m左右。东坡与西坡的温度差异在南坡与北坡之间。由于光照、温度、雨量、风速、土壤质地等因子的综合作用，坡向能够对植物发生影响，从而引起植物和环境的生态关系发生变化。

通过对植被覆盖度和坡向的计算，得出5个不同坡向下植被覆盖度的分布数据。比较分析5个坡向下植被覆盖度的数据可知甘肃省的植被覆盖度在平面处的占比最大，在其他坡向走势相对平稳，各个坡向的植被覆盖度大小依次为平面>北>南>东北>西南>西北>东南>东>西。总体来看，平面区域的植被覆盖度显著与人类活动的影响较大有关(表4)。

表4 5个坡向下的植被覆盖度分布

3.4 植被覆盖度与土地利用类型的分析

通过ArcGIS软件对2018年NDVI影像图和土地利用类型影像进行影像预处理，按照土地利用类型的划分标准将2018年土地利用类型影像进行耕地、林地、草地、水域、城乡工矿居民用地与未利用土地5个类型划分。2018年NDVI空间分布图和2018年土地利用类型划分如图3、图4所示。NDVI的高植被覆盖区主要为林地和耕地，分布在陇南、天水甘肃南部区域；NDVI较高植被覆盖区和中等植被覆盖区主要土地利用类型为水域和草地，分布在甘肃省宁夏、兰州区域这部分区域主要以；NDVI中低植被覆盖区和低植被覆盖区主要土地利用类型是城镇工矿居民用地和未利用土地，分布在甘肃省酒泉、嘉峪关、金昌区域，这3个区域为河西走廊的部分线路，以丹霞地貌为主要特色。通过分析，可以看出当地人口对土地利用的类型会在一定程度上影响植被覆盖，进一步影响到生态环境。

图3 2018年甘肃省NDVI空间分布

图4 2018年甘肃省土地利用类型空间分布

4 结论

(1)时间尺度上1999～2018甘肃省植被覆盖度呈波动增长趋势，其中1999～2003、2004～2008、2009～2013、2014～2018年4个时间段的回归系数K>0，月方差、月标准差、月变异系数在逐渐变大，表明植被覆盖度的月变化呈增长趋势，对月变化曲线的分析可知甘肃省植被20年的月变化特征与植物的季节变化基本一致。

(2)空间尺度上甘肃省植被空间分布上总体呈现东高西低，南高北低的分布趋势，并且由于每个地域的自然条件和人为因素存在着明显的地域性差异。高坡度地区且植被覆盖度低的区域易发生水土流失现象，人类的活动影响着植被覆盖状况，如在适宜人口居住的平面区域和人们对土地的利用方式等多个方面。

(3)甘肃省植被整体为增长趋势，且其空间分布的地域性差异明显，对甘肃省的各区域进行适宜的植被种植、减少人类活动对土地造成的压力和更加适宜的土地利用类型对改善甘肃荒漠化现象具有重要作用。