2000—2018 年陕北地区NDVI 时空变化及其对水热条件的响应

程 杰 ，杨亮彦 *，黎雅楠

（1.西安理工大学，西安 710048；2.陕西省土地工程建设集团有限责任公司，西安 710075； 3.陕西地建土地工程技术研究院有限责任公司，西安 710021；4.自然资源部退化及未利用土地整治工程重点实验室，西安 710021）

0 引 言

【研究意义】植被作为联系土壤和大气之间能量交换、水分循环和生物循环过程的纽带，在水循环和能量转换过程中起着重要作用[1-3]。植被空间分布可以反映出土壤水分、浅层地下水埋深及空气温度的区域性时空分布[4]。同时，植被的时空变化也会引起地表温度、地表反照率等参数的变化[5]，从而影响地表能量和水量的收支平衡[6]。且干旱区植被生态系统对气候变化极为敏感，探究植被变化过程可为气候变化研究提供重要的依据，因此研究不同区域的植被时空分布特征及其影响因素，是目前研究全球气候变化的重复内容[7-8]。

陕北地区位于黄土高原中心，属于黄土高原沟壑区，其气候干旱，降雨季节性变化较大，是森林向草原的过渡带。且早期由于经济结构不合理与长期以来的过度开发，加剧了陕北地区的水土流失，形成了生态破坏与经济贫困的恶性循环，导致陕北地区生态环境极为脆弱。20 世纪末期以来，国家实施退耕还林工程和保护天然林工程，陕北地区生态环境得到有效的缓解和恢复，气候改良较为明显。因此探究陕北地区植被覆盖的动态变化特征及其与水热条件的响应关系，对指导该地区生态环境恢复和经济的可持续发展具有重要的意义。

【研究进展】随着遥感技术的快速发展，为宏观、长时间序列监测植被的动态变化提供了丰富的数据源和新技术。其中MODIS 数据具有时间分辨率高、数据产品丰富、免费获取等特点，对于探究区域尺度长时间序列的植被与水热变化规律具有明显的优势。而基于遥感数据的归一化植被指数（NDVI）能够较好地反映地表土地覆盖类型、植被生长状况、植被生物量等，被广泛应用于监测区域及全球尺度的土地利用和植被覆盖度的动态变化[9]。近年来，国外学者基于NDVI 值对区域植被时空分布进行了一系列研究[10-12]。国内针对西北干旱区植被时空分布和生态环境修复的研究也较多[8,13-14]，针对不同研究区，利用不同的卫星数据对区域植被生态环境进行了定量分析，但目前国内外学者利用长时间序列数据，进行陕北地区植被时空动态变化的研究及探究植被与水热条件的响应关系较少，难以为陕北生态环境可持续发展提供可靠的支撑。

【切入点】本研究以2000—2018 年的MODIS植被指数数据为基础，结合同期的降水和气温数据，利用最大值合成法、差值法、线性回归斜率法等方法，分析了陕北地区植被指数的时空分布格局及季节性动态变化特征，研究了植被变化与水热条件的响应关系。【拟解决的关键问题】探明了2000—2018 年影响陕北植被指数的关键因素，为生态环境建设的健康发展提供了依据。

1 研究区域概况

陕北地区位于陕西省北部（107°58′E—109°15′E，37°31′N—38°49N），涵盖了榆林市和延安市，总面积达92 521.4 km2，面积约占陕西省的45%。研究区地处半干旱地区，区内干旱缺水，生态环境脆弱。其北部属于黄土高原和毛乌素沙地南缘交界处，多为剥蚀沙丘和丘间草地；南部位于黄土高原中心地带，丘陵沟壑地貌，水土流失严重。研究区内平均海拔在1 200 m，年均温度在10.1 ℃左右，年均降水量在350～550 mm，多年降水不均，且季节性变化较大，其中7—9 月为雨季，具有典型的半干旱气候特征。

图1 陕北地区位置及DEM 图 Fig.1 Location and DEM map of Northern Shaanxi

2 数据来源与研究方法

2.1 数据来源与处理

2.1.1 MODIS 数据产品

本文选取2000—2018年3—11月的NDVI数据，数据来源于美国航空局合成的MODIS 16 d 合成数据（https://ladsweb.modaps.eosdis.nasa.gov/search/），共计342 幅影像，行列号为h26v05，其空间分辨率为500 m，时间分辨率为16 d，每月可获取2 期影像，取二者平均值作为当月植被指数。利用ENVI5.3 软件将HDF 格式转换为TIFF 格式数据，并进行投影转换和区域裁剪、拼接。

2.1.2 气象数据

气象数据来源于中国气象数据网（https://data.cma.cn/），研究区内共有10 个国家气象站点，分别为神木站（53651）、榆林站（53646）、靖边站（53735）、横山站（53740）、绥德站（53754）、定边站（53725）、洛川站（53942）、延安站（54845）、延长站（53854）和吴旗站（53738），选取各气象站点2000—2018 年每日降水和气温数据，通过整理和计算获取研究区降水、气温的月均值和年均值。

2.2 研究方法

2.2.1 最大值合成法

最大值合成法[2]（Maximum Value Composites,MVC）是国际通用的NDVI 数据统计方法。通过最大值合成法可以消除大气污染、云、太阳高度角等因素的干扰[15-16]。本研究选取了陕北地区2000—2018 每年3—11 月NDVI 值，取每月2 期数据的平均值，为该月植被指数数据，再通过最大值合成法，提取每个像元的最大值为该年NDVI 值，其公式为：

式中：NDVIi表示第i 年的NDVI 值，i 取值1～19，分别代表2000—2018 年，NDVIij表示第i 年第j 月的NDVI 值，j 取值1～9，分别代表3—11 月。

2.2.2 差值法

差值法是用来衡量研究区不同年份之间的NDVI的动态变化。本研究为了直观显现2000—2009 年、2009—2018 年陕北地区NDVI 值的动态变化特征，分析2 个时间段研究区的植被生长状况，采用差值法研究近19 a 陕北地区植被指数的变化趋势。

式中：NDVIi、NDVIj表示第i 年和第j 年的NDVI 值；NDVIi-j表示第i 年与第j 年的差值。

2.2.3 线性回归斜率法

为了研究 2000—2018 年间陕北地区植被覆盖变化趋势及其与水热条件的响应关系，文中采用线性回归斜率方法，模拟每个像元年NDVI 值的变化趋势，分析植被在研究时段的时空变化规律。计算归一化植被指数序列与时间序列的像元回归斜率Slope[17]，若斜率为正则表示植被覆盖状况随时间变化呈上升趋势，为负则表示植被覆盖随时间呈下降趋势，且斜率的绝对值越大，说明植被覆盖状况变化越明显。其计算式为：

式中：Slope 为NDVI 变化趋势斜率；n 为监测时间段的年数，本研究将近19 a 分成2000—2009 年和2009—2018 年2 个时间段，n 取值为10；NDVIi表示第i 年的植被指数。当Slope>0 表示植被生长趋于改善，Slope<0 表示植被生长趋于退化状态。

3 结果与分析

3.1 陕北地区NDVI 时空分布特征 3.1.1 NDVI 时间分布特征

利用最大值合成法对陕北地区2000—2018 年的NDVI 进行最大值合成，获取的最大值NDVI 可较好地反映陕北地区植被生长最好的状况。通过一元线性回归模拟陕北地区NDVI 的年际变化趋势（图2）。图2 可知，2000—2018 年，陕北地区的年NDVI 值在0.40～0.65 之间，整体呈现上升趋势，个别年际变化波动性较大。其中，NDVI 年均值在2000—2002 年呈显著增长趋势；在2003—2014 年间，研究区NDVI值保持整体缓慢上升趋势，局部有波动；2015 年，该地区NDVI 出现显著下降趋势，经分析发现，2015年研究区降水量是近几年的最小值，水量不足影响了植被的生长状况；2015 年之后，研究区NDVI 又呈上升趋势。整体分析，研究区NDVI 值在2000—2018年呈持续上升趋势，局部有波动起伏，其原因是研究区水热变化的不确定性导致了NDVI 值的波动变化，加上人类对研究区生态环境的保护，使陕北地区植被覆盖保持整体上升趋势。

图2 2000—2018 年陕北地区NDVI 年际变化 Fig.2 Interannual Change of NDVI in Northern Shaanxi between 2000 to 2018

3.1.2 NDVI 空间分布特征

本研究将2000—2018年NDVI累加后的平均值作为研究区19 a的NDVI值，同时根据不同植被指数的变化情况，将研究区植被覆盖划分为无植被区（NDVI≤0.2）、极低植被区（0.2

图3 2000—2018陕北地区NDVI年均值空间分布 Fig.3 Distribution of NDVI Annual Mean in Northern Shaanxi between 2000 to 2018

3.2 陕北地区NDVI 动态变化特征

3.2.1 差值法

利用差值法分析2000 年、2009 年和2018 年陕北地区8 月的NDVI 动态变化特征（图4）。统计出植被不同变化范围的面积，并根据NDVI差值的大小将研究区植被变化分为7 个等级，NDVI差值≤-0.25 为严重退化区，-0.250.25为高度改善区[20-22]。

图4 2000—2018 年NDVI 差值空间分布 Fig.4 Spatial distribution of NDVI Difference between 2000 to 2018

表1 为2000—2018 年陕北地区各NDVI 差值比例及面积。与2000 年相比，2009 年的植被覆盖退化的区域为739.3 km2，仅占研究区总面积的0.80%，散落分布在毛乌素沙地风沙滩区，其中严重退化的区域不足0.02%。研究区植被覆盖改善的区域达到了78 751.4 km2，占研究区总面积的85.12%，其中轻度改善区域有31 853.4 km2，占总面积的34.43%，分布在延安市周边的丘陵低山区域和榆林西北部的风沙滩区；中度改善区域有36 132.8 km2，占总面积的39.05%；高度改善区域占总面积的11.64%，达到10 765.2 km2，分布在陕北地区的中部。植被覆盖基本不变的区域占研究区的14.08%，主要分布在延安南部丘陵区。以上数据说明在2000—2009 年之间，陕北地区植被覆盖度得到显著的提高，生态环境得到有效的保护，反映了国家政策指导的正确性，突出了榆林与延安政府对国家退耕还林还草政策的积极响应以及贡献。

对比2009 年，2018 年植被覆盖退化的区域有3 011.3 km2，占研究区总面积的3.26%，主要分布在城市周边和南部的低山丘陵区，其原因在于2009 年到2018 年城市化建设发展较快，占用了城市周边的耕地和草地。研究区植被覆盖改善的区域占研究区总面积的62.82%，其中绝大部分区域为轻度改善，面积为46 346.7 km2，占研究区总面积的50.09%，高度改善的区域仅占总面积的1.15%。植被指数基本不变的区域有31 385.3 km2。

表1 2000—2018 年陕北地区各NDVI 差值比例及面积 Table 1 Proportion and Area of NDVI Differences in Northern Shaanxi from 2000 to 2018

3.2.2 线性回归斜率法

图5 表示2000—2009 年和2009—2018 年陕北地区NDVI 的线性回归斜率分布图，表2 为2 个时间段NDVI 斜率比例及面积。从图5 和表2 中可知，陕北地区植被指数各时间段变化趋势存在着明显的差异性。在2000—2009 年间，陕北地区的植被覆盖变化的平均斜率为0.013 0/10 a。在此10 a 内，陕北地区植被总体呈现明显上升趋势，其中植被覆盖得到改善的区域占研究区的87.41%，大部分为高度改善区域；10.33%的区域基本不变，仅有2.26%的区域植被有所退化，退化的区域主要分布在西部山区和毛乌素沙地边缘地带，说明沙地生态系统脆弱，存在较大的不确定性；在2009—2018 年间，陕北地区的植被覆盖变化的平均斜率为0.007 6/10 a，研究区植被覆盖继续保持上升趋势，其中植被覆盖得到改善的区域占研究区的68.52%，24.89%的区域基本不变，有6.59%的区域植被有所退化，退化的区域主要分布在延安市区周边和其他城镇边缘地带，其主要原因是近10 a 城镇扩张较快，周边植被遭到一定程度的破坏，导致植被指数下降。

图5 2000—2018 年陕北地区NDVI 线性回归斜率空间分布 Fig.5 Spatial distribution of NDVI linear regression slope in Northern Shaanxi from 2000 to 2018

对比2000—2009 年和2009—2018 年可以发现，陕北地区植被指数增长的速度有所放缓，植被覆盖变化的平均斜率从0.013 0/10 a 降到0.007 6/10 a。分析认为，20 世纪末期，榆林和延安政府积极响应国家政策，实施退耕还林还草、引洪淤地、兴建防风防沙林、陡坡地治理等沙地治理的浩大工程，这些工程的实施保护了自然地表的稳定性，促进了陕北地区植被的生长恢复，使其生态环境得到有效的保护。因此在2000—2009 年间，陕北地区植被指数得到显著的增加。随着城市的不断发展，城市周边的生态环境遭到一定的破坏，加上早期治沙工程的成果需要政府和人民不断的维护，因此后10 a，陕北地区植被指数增速放缓，但仅有6.59%的区域植被有所退化，充分反映了陕北人民对陕北地区生态环境健康发展的贡献。

表2 2000—2018 年陕北地区不同NDVI 斜率比例及面积 Table. 2 Proportion and area of different NDVI slope in Northern Shaanxi from 2000 to 2018

3.3 植被指数与水热条件响应关系

图6（a）、图6（b）分别为每月NDVI 值与降雨量、气温的变化曲线，从图6 中曲线可知，每一年的NDVI、降雨量、气温均有明显的季节性变化，均出现先上升后下降的变化趋势，其中最大值在夏季，春秋次之，冬季最小。三者的变化过程具有高度一致性，说明植被指数的年内变化特点和水热条件是吻合的。 仔细对比NDVI 与温度、降水的变化曲线可以发现，虽然NDVI 与二者之间的变化具有一致性，但每年最高值出现的月份上存在差异，每年NDVI 最高值出现在8 月，而降水和温度的最高值一般出现在7 月，说明植被指数与温度、降水之间存在一定的滞后关系，与毛德华等[1]、殷刚等[8]的研究结果相符。

图6 2000—2018 年陕北地区每月NDVI 值与降雨量和气温的变化曲线 Fig.6 Changes of Monthly NDVI Value and Rainfall and Temperature in Northern Shaanxi from 2000 to 2018

图7（a）、图7（b）分别表示2000—2018 年陕北地区NDVI 与年降雨量、NDVI 与年均气温的变化曲线图。从图中可知，研究时段内NDVI 的变化趋势与降雨量和气温基本一致，但NDVI 与二者的相关性差距较大，NDVI 与年降雨量存在显著正相关（R=0.63，P<0.01），与气温相关性较弱（R=0.23）。以上数据说明陕北地区植被生长受降雨量和气温共同影响，降雨量较气温更能决定研究区植被生长状况。

图7 2000—2018 年陕北地区NDVI 与年降雨量和年均气温的变化曲线 Fig.7 Changes of NDVI and Annual Rainfall and Average Temperature in Northern Shaanxi from 2000 to 2018

4 讨 论

植被指数的时空动态变化是国内外学者研究的热点，植被变化的监测是长时间序列的动态过程[23]。本研究在前人的研究基础上，基于MODIS 数据产品，利用差值法和线性回归斜率法，对2000—2018 年陕北地区的植被指数进行像元尺度的变化研究。研究发现，在2000—2018 年间，陕北地区植被指数变化受水热条件和国家生态政策的共同影响，呈现持续上涨趋势，表明了退耕还林还草、引洪淤地、兴建防风防沙林、陡坡地治理等国家生态政策的有效性，与已有相关研究结果[19]一致。研究证明了植被指数与温度、降水之间存在一定的滞后关系，与相关的研究结果[1,8]相符。植被指数的时空动态变化是气候变化、土地利用类型变化等自然和社会因素综合作用的结果[23]，但本研究仅从国家生态政策和水热条件方面分析了植被指数变化，仍然存在较多不足和需要改进的地方，其中未将其他自然和社会因素引入研究体系，且缺乏自然和社会因素对植被指数变化的定量化分析[19]；同时，由于影像数据空间分辨率的局限性，本研究未详细分析陕北地区不同土地利用类型的植被变化[2]，因此在后续的研究中，需综合自然和社会因素，对植被指数变化的影响因素进行定量化研究。

5 结 论

1）差值法和线性回归斜率法均能较好地反映出研究区的植被变化趋势。但线性回归斜率法效果更优，其综合考虑了植被变化的结果和过程，具有更好的适用性。

2）陕北地区植被指数年际变化趋势存在明显的差异性。2000—2009 年间，陕北地区NDVI 变化的平均斜率为0.013 0/10a，呈明显上升趋势；2009—2018年间，陕北地区NDVI 的平均斜率为0.007 6/10a，植被覆盖继续保持上升趋势，但改善速度有所减缓，退化的区域增加到6.59%，主要分布在延安市区周边和其他城镇边缘地带。

3）陕北地区植被指数年年际变化特点与水热条件变化特征相符。表明陕北地区植被生长受降雨量和气温共同影响，且降雨量较气温更能决定研究区植被生长状况。但每年三者最高值出现的月份上存在差异，表明植被指数与温度、降水之间存在一定的滞后关系。