2000—2019年新疆植被覆盖度时空格局及重心变化分析

王建国，张 飞,3

2000—2019年新疆植被覆盖度时空格局及重心变化分析

王建国1,2，张 飞1,2,3※

（1. 新疆大学资源与环境科学学院，乌鲁木齐 830046；2. 新疆大学绿洲生态教育部重点实验室，乌鲁木齐 830046；3. 新疆大学智慧城市与环境建模自治区普通高校重点实验室，乌鲁木齐 830046）

植被对生态环境稳定有着极其重要的意义，研究植被覆盖变化及驱动机制，可为区域生态保护工作提供参考。该研究利用2000—2019年MODIS/EVI数据，基于像元二分法获取植被覆盖度（Fractional Vegetation Cover，FVC），运用线性回归分析揭示了FVC变化规律，进一步利用重心模型分析了植被、气温和降水的空间变化过程。结果表明：1）2000—2019年新疆平均FVC值为0.255，空间分布差异明显，以极低覆盖度为主，极高覆盖度区域主要分布在西北部、北部以及南疆的绿洲地区。2）新疆FVC呈上升趋势，变化平稳。东疆波动较大，2015年FVC高于平均值近20%，其他地区FVC在平均值5%上下波动；全疆植被减少趋势区域占总面积的53.04%，极显著恶化区域占总面积的4.73%。3）从重心迁移分析，气温是新疆FVC空间变化的主要驱动因素，在经度方向上呈正相关（相关系数为0.734）；伊犁河谷地区植被重心和降水重心在经度方向上呈负相关（相关系数为−0.492）。新疆植被覆盖度低且分布不均匀，具有显著性变化（<0.05）的像元主要分布在人类活动区域，好转区域面积大于恶化区域，生态恢复工作效果明显，在恶化区域应当继续加强植被保护工作。

遥感；模型；EVI；植被覆盖度；时空变化；重心；驱动机制

0 引 言

植被是陆地生态系统的核心组成部分，对维护区域生态平衡、调节地球能量平衡、维护地球表面稳定具有重要作用，植被覆盖变化能够反映气候变化和人类活动对生态环境的影响[1]。植被覆盖度（Fractional Vegetation Cover，FVC）指某一区域植被投影面积占区域面积的比值，反映研究区域内植被覆盖程度，作为生态环境健康的一个重要指标，在研究区域生态系统方面起着重要的作用[2-3]。

植被覆盖有明显的时空变化特征，相对于地表实测研究，遥感技术优势明显[4]。研究发现归一化植被指数（Normalized Difference Vegetation Index，NDVI）与植被分布密度呈显著线性相关[5]，在植被覆盖度估算中已被广泛应用。李林叶等[6]基于MODIS/NDVI数据，利用像元二分模型从区域和像元尺度分析了呼伦贝尔草原 2000—2016 年植被覆盖度时空变化和驱动机制，研究发现与年降水量呈正相关的区域面积占比最大；邵霜霜等[7]基于SPOT-4/NDVI数据，利用Sen + Mann-Kendall趋势分析和空间自相关分析方法，分析了新疆植被覆盖的变化趋势特征和空间分布的聚集性特点；章维鑫等[8]基于Landsat影像，利用归一化植被指数和Mann-Kendall突变分析，研究了1986—2016年泸西县植被的时空变化特征，研究发现石漠化综合治理生态工程是植被增加的主要因素。然而NDVI在高植被覆盖区域易饱和，低植被覆盖区易受土壤背景影响，增强型植被指数（Enhanced Vegetation Index，EVI）针对NDVI的不足进行了改进[9]，在植被研究方面已具有了一定的实践基础[10-14]。田志秀等[10]基于MODIS/EVI数据，利用时间序列谐波分析（Harmonic Analysis of Time Series，HANTS）和趋势线分析等方法，探究2000—2014年锡林郭勒地区不同草原类型时空变化及其对气候的响应情况；向菲菲等[11]基于MODIS/NDVI和MODIS/EVI数据，分析了三峡库区植被对气候变化的响应；吕妍等[12]将MODIS/EVI数据应用于VPM模型，对中国西南喀斯特地区植被变化时空特征进行了研究；杨怡等[13]基于MODIS/EVI数据，采用一元线性回归和变异系数等方法分析了新疆古尔班通古特沙漠植被的时空变化特征，发现EVI能较好的表征植被覆盖度的变化趋势；李向婷等[14]在新疆稀疏植被覆盖度区域进行遥感信息提取方法的比较，发现EVI的模拟结果精度最高，是目前大尺度荒漠覆盖区植被信息提取较为适宜的方法之一。

以上研究结果表明，不同地区植被覆盖度时空变化及驱动机制存在明显差异，EVI对荒漠面积广阔，植被稀疏的新疆地区，具有适用性和合理性[13-14]。以往对新疆地区研究选用的数据分辨率较低[7,15]，容易造成数据缺失，而且对植被覆盖空间变化的驱动机制分析不充分。因此，本研究基于MODIS/EVI数据，运用像元二分法实现植被覆盖度的估算，再利用线性回归模型和距平百分率分析植被覆盖度时空变化特征；在此基础上，利用重心模型从空间分析气温降水与植被覆盖变化的相关性，剖析了植被覆盖空间变化的内在机制。通过对近20年来新疆地区植被覆盖度时空格局及变化特征研究，为未来生态环境保护工作，特别是为重点区域造林治沙，控制荒漠化等政策的制定提供参考。

1 研究区概况及数据源

1.1 研究区概况

新疆维吾尔自治区位于中国西北部，地处73°20'～96°25'E，34°15'～49°10'N，总面积约为1.66×106km2，属于典型的温带大陆性气候，四季分明，降水量少，气候干燥[16]。山脉与盆地相间排列，天山将研究区分为南北2个地区，分别位于暖温带和中温带，自然条件有明显的不同；山脉孕育的河流分布于盆地的边缘，为绿洲农业提供了水源；平原地区水资源匮乏，植被稀疏，沙漠覆盖广，有着典型的山地-绿洲-荒漠生态系统。由于其特殊的地理位置和干旱的气候，生态环境极为脆弱，植被对气候长期变化和短期振动极为敏感。如图1所示，依据地形特点和土地覆盖类型分布特征，分南疆、北疆、东疆[17]和伊犁河谷地区4个区域对比分析。

1.2 数据源及预处理

本文遥感数据选择美国国家航空航天局（https://ladsweb.modaps.eosdis.nasa.gov/）提供的MODIS产品数据MOD13Q1，时间范围为2000—2019年生长季[6]（5—9月），时间分辨率为16 d，空间分辨率为250 m，行列号为h23v04、h23v05、h24v04、h24v05、h25v04和h25v05，共1 200幅影像。使用MRT（MODIS Reprojection Tools）软件从MOD13Q1数据中提取EVI数据，进行拼接、重投影和格式转换，利用最大合成法[18]（Maximum Value Composites，MVC），消除云、雪等因素影响，合成年EVI数据。气温和降水数据源于国家青藏高原科学数据中心，下载网址为（https://data.tpdc.ac.cn/zh-hans/），空间分辨率为1 km，时间范围为1901—2017，将2000—2017年的气温、降水数据重采样为250 m的空间分辨率。

2 研究方法

基于EVI采用像元二分模型计算植被覆盖度[19]，提取累计频率低于5%的值作为裸土区域的EVI值，高于95%的值作为植被全覆盖时的EVI值，进而计算FVC值。参考陈效逑等[20]的FVC划分方法，将FVC进一步划分为：极低覆盖度（0～0.2）、低覆盖度（>0.2～0.4）、中覆盖度（>0.4～0.6）、高覆盖度（>0.6～0.8)、极高覆盖度（>0.8～1）5个等级。采用一元线性回归分析一方面对2000—2019年最大植被覆盖度年际变化趋势进行分析，另一方面逐像元模拟植被覆盖度的变化趋势，并采用检验判断显著性，以评估FVC变化的显著性水平。参考李林叶等[6]研究，将FVC变化趋势等级划分为：极显著好转区域（slope>0，<0.01)、显著好转区域（slope>0，0.01≤<0.05）、变化不显著区域（≥0.05）、显著恶化区域（slope<0，0.01≤<0.05）、极显著恶化区域slope<0，<0.01）5个等级。距平百分率[21]能直观反映新疆不同地区FVC较多年平均水平偏多或偏少，表征某些年植被覆盖变化的异常变化程度。将距平百分率变化等级进一步划分为：异常偏少（≤-50%）、偏少（>-50%～-30%）、正常（>-30%～30%）、偏多（>30%～50%）、异常偏多（≥50%）。

重心[22]即区域加权平均中心，通过其变化从空间上描述植被覆盖变化的时空演变特征，揭示在空间上的不均衡分布规律。通过对比植被、气温和降水的重心分布和演变轨迹，可以发现各要素的空间变化趋势，并以此判断FVC与气温降水空间变化的相关性[23]。

3 结果与分析

3.1 新疆植被覆盖度空间分布格局

计算2000—2019年平均FVC值，并进行等级划分，得到新疆植被覆盖度空间分布图（图2）。新疆地区平均FVC值为0.255，植被覆盖度较低，空间分布不均匀，西北明显优于东南。从图1可知，西北地区有大量的耕地、草地和灌木等分布，植被覆盖度较高的。研究区整体以极低覆盖度为主，占全疆总面积的63.53%，主要分布于南部塔克拉玛干沙漠地区和东部地区；极高覆盖度区域占总面积的13.06%，主要集中分布在研究区的西北部和北部。

注：FVC为植被覆盖度，下同。

不同地区之间植被分布差异较大，东疆地区平均FVC值为0.124，以极低覆盖度为主，占东疆总面积的86.82%；极高覆盖度区域面积仅占2.9%，分布于吐鲁番盆地东北部。南疆地区平均FVC值为0.191，中国最大的塔克拉玛干沙漠是极低覆盖度分布的主要区域；极高覆盖度区域占南疆总面积的6.94%，集中分布在塔里木盆地边缘绿洲地区，该区域植被覆盖度高低分明，过渡面积较少，人为影响痕迹较为严重。北疆地区平均FVC值为0.54，相较于其他地区，各植被覆盖度等级占比均匀，极高覆盖度区域主要分布在准噶尔盆地周围的山脉地区。伊犁河谷地区平均FVC值为0.865，以极高覆盖度为主，占该地区总面积的77.90%，低覆盖度区域仅占5%，该区域耕地面积较大，受人类生产活动影响。

3.2 新疆植被覆盖度的时间变化特征

对全疆及4个地区FVC值进行线性回归分析（图3）。如图3a所示，全疆FVC总体呈上升趋势，拟合趋势线斜率为0.13×10-3，2达到了 0.40（<0.01）。变化过程分为2个阶段，2002—2008年呈下降趋势，而2008—2019年呈上升趋势。图3e所示，伊犁河谷地区FVC总体呈下降趋势，趋势线斜率为-1.55×10-3（<0.05）。其中2000—2014下降趋势明显；而2014年以来，呈不显著上升趋势。北疆和东疆植被覆盖呈下降趋势，变化趋势不显著，而南疆地区呈不显著上升趋势。

图3 2000—2019年新疆不同地区FVC变化

从图4可知，全疆及不同地区距平百分率变化波动差异较大，但均在正常水平内。除东疆地区年际变化波动剧烈外，其他地区总体上较为稳定，FVC在平均值5%上下波动。在2015年东疆地区植被覆盖度高出平均值20%左右，图2可知，该地区总体植被覆盖低且集中，易受到外界干扰。南疆地区在2000—2009年多处于低于平均水平的状态，而在2010—2019年整体上高于该地区平均水平。北疆和伊犁河谷地区同在天山以北，关系密切，波动具有一定的一致性。

3.3 新疆植被覆盖度空间分布趋势变化

逐像元进行一元线性回归分析，2000—2019年植被覆盖度减少区域面积大于增加区域，植被减少区域占总面积的53.04%。大部分区域植被覆盖变化的斜率比较低；呈减少趋势的区域中，变化斜率较高的像元较为分散的分布在昆仑山脉、天山山脉和阿尔泰山脉等山脉地区；呈增加趋势的区域中，变化斜率较高的像元分布在塔里木盆地西部和北部的边缘，以及准噶尔盆地的北部边缘。

图4 2000—2019年新疆不同地区FVC距平百分率变化

结合斜率分析和显著性检验将新疆FVC变化趋势划分成5个等级（图5）。全疆以变化不显著区域为主，占总面积的75%；显著好转区域和极显著好转区域面积共占14.16%，较集中分布在南疆塔里木盆地西部、北部边缘，北疆伊犁河谷地区和准格尔盆地南部边缘；极显著恶化区域面积占4.73%，在北疆准噶尔盆地北部和西部地区、南疆塔里木盆地南部和东北部边缘地区分布较为集中，在东疆吐鲁番盆地分布较为分散。从不同地区分析，北疆的好转区域面积明显大于恶化区域，极显著好转区域面积占该区总面积17.52%，好转区域主要分布于在南部和西南部，恶化区域分布在北部和西北部；东疆恶化区域面积比好转区域多5.77%，呈点状分散分布；南疆好转区域面积比恶化区域多4.44%，好转区域分布在塔里木盆地西部和西北部的绿洲地区，恶化区域分布在塔里木盆地南北两侧的绿洲边缘，应继续加强植被保护工作。

图5 2000—2019年新疆FVC变化空间分布

3.4 重心迁移分析

基于重心模型分析新疆地区植被、气温和降水的空间不均匀变化情况，本文通过计算得出2000—2017年各指标的重心坐标，并绘制重心分布图（图6）。植被重心分布在天山山脉南缘，进一步证实西北地区植被覆盖明显优于东南地区。对比2010年前后，植被重心的变化，明显向东北方向迁移；气温重心分布比较分散，而降水重心分布相对比较集中，2007、2008、2010和2017年向西北方向分散分布。

图6 2000—2017年新疆气温、FVC和降水重心分布图

从经度和纬度[24]2个方向上分析年际间各要素重心轨迹的变化和联系，并进行相关性分析（表1）。从经度变化来看，全疆降水、气温和植被的重心向高经度移动，即向东部偏移；在0.01置信水平上，植被重心和气温重心呈极强正相关（0.734）。在0.1置信水平上，南疆地区植被重心和气温重心呈较强正相关（0.394），北疆地区植被重心和气温重心呈较强负相关（−0.409）。在0.05置信水平上，伊犁河谷地区植被重心和降水重心呈强负相关（−0.492）。从纬度变化来看，全疆植被重心向高纬度移动，即向北部偏移；在纬度空间联系上，各地区植被重心和气温、降水重心的变化不具有相关性。从总体的迁移趋势来看，植被重心经度和纬度变化呈强正相关（0.893），重心向东北方向移动趋势明显。

表1 2000—2017新疆不同地区FVC与气温降水重心变化相关系数

注：***、**、*分别表示0.01、0.05、0.1的显著水平（双尾）[25]。

Note: ***, **, and * were significant levels of 0.01, 0.05 and 0.1, respectively (double tail).

4 结论与讨论

4.1 讨 论

国内外对植被覆盖的研究和讨论较多，但对不同尺度、不同气候类型的研究区，不同的数据和方法的适用性也不尽相同。研究中采用250 m分辨率的MODIS/EVI数据，比前人的分辨率更高，有利于提升估测精度[26]，且增强植被指数对新疆植被覆盖具有较强的适用性，对植被覆盖变化更加敏感[27]。采用线性回归对植被覆盖度进行变化趋势分析，发现全疆拟合效果较好，呈极显著增加趋势。逐像元进行变化趋势分析，能直观表现不同区域植被覆盖变化的趋势及显著性，有显著变化的区域主要分布在人类活动区域，且好转区域面积大于恶化面积，说明近20年来人们对环境的影响趋于好的方向，但恶化区域也应受到未来防风固沙工作的关注。通过重心模型研究植被空间分布的增量变化，通过植被、气温和降水重心的轨迹变化，判断植被与气温降水在空间上的相互关系。发现在经度方向上，全疆植被重心与气温重心显著正相关，气温重心的迁移直接影响着不同地区冰雪融化，并通过地表径流影响植被的空间分布[28]；而北疆地区，植被重心与气温重心呈较强的负相关性，温度升高会增加其干旱加重，该地区植被覆盖多以草地和灌木为主，更易受到干旱影响[15]。

本文从经度和纬度两个角度分析了植被覆盖度与气温降水重心迁移的关系，能够体现经度和纬度2个方向的差异，但2个方向的综合效应及不同植被覆盖度类型对气候因素的响应仍待研究，同时自然因素和社会因素的耦合作用会对相关性分析的精度产生一定的影响。目前，遥感技术已成为监测植被覆盖度变化的主要手段，随着传感器种类的多样化，高光谱分辨率和高空间分辨率遥感数据的综合反演，能够更充分地利用数据资源，提高模型和反演结果的精度。植被覆盖度变化研究多需要长时间序列数据，通过多源遥感数据综合反演，解决定量遥感面临的“尺度转换”问题也是未来亟需解决的问题。

4.2 结 论

本文利用2000—2019年MODIS/EVI时间序列遥感影像，采用趋势分析、相关性分析与重心模型等方法，分析了新疆及其4个分区植被空间分布格局、时空变化和重心迁移等特征，得到以下结论：

1）新疆植被覆盖度较低，平均值为0.255，其空间分布不均匀，西北明显高于东南；北疆和伊犁河谷地区植被覆盖度高于全疆平均水平，分别为0.54和0.865；南疆和东疆地区植被覆盖度低于全疆平均水平，分别为0.191和0.124。

2）2000—2019年，全疆植被覆盖度呈显著上升趋势（<0.01）。伊犁河谷地区呈下降趋势（<0.05），2014年以来有所回升。植被覆盖变化呈减少趋势的区域面积占总面积的53.04%，但在显著性小于0.05的水平下，好转区域面积大于恶化区域面积。变化具有显著性的像元主要分布在人类活动区域，受人类活动影响明显。

3）在经度变化上，植被重心与气温重心正相关（<0.01），是新疆植被空间变化的主要驱动因素。伊犁河谷地区植被重心与降水重心负相关（<0.05），而在纬度变化上，植被重心与气温、降水重心的空间变化无显著性关系。

[1] Peng J, Liu Z, Liu Y, et al. Trend analysis of vegetation dynamics in Qinghai-Tibet Plateau using Hurst Exponent[J]. Ecological Indicators, 2012, 14(1): 28-39.

[2] Guan K, Wood E F, Caylor K K. Multi-sensor derivation of regional vegetation fractional cover in Africa[J]. Remote Sensing of Environment, 2012, 124: 653-665.

[3] Yin Jifu, Zhan Xiwu, Zheng Youfei, et al. Improving Noah land surface model performance using near real time surface albedo and green vegetation fraction[J]. Agricultural and Forest Meteorology, 2016, 218/219: 171-183.

[4] William S, Xubin Z, Patrick B, et al. Intercomparison of seven NDVI products over the United States and Mexico[J]. Remote Sensing, 2014, 6(2): 1057-1084.

[5] Olthof I, Pouliot D. Treeline vegetation composition and change in Canada's western Subarctic from AVHRR and canopy reflectance modeling[J]. Remote Sensing of Environment, 2010, 114(4): 805-815.

[6] 李林叶，田美荣，梁会，等. 2000-2016年呼伦贝尔草原植被覆盖度时空变化及其影响因素分析[J]. 生态与农村环境学报，2018，34(7)：584-591. Li Linye, Tian Meirong, Liang Hui, et al. Spatial and temporal changes of vegetation coverage and influencing factors in Hulun Buir grassland during 2000-2016[J]. Journal of Ecology and Rural Environment, 2018, 34(7): 584-591. (in Chinese with English abstract)

[7] 邵霜霜，师庆东. 基于FVC的新疆植被覆盖度时空变化[J]. 林业科学，2015，51(10)：35-42. Shao Shuangshuang, Shi Qingdong. Spatial and temporal change of vegetation cover in Xinjiang based on FVC[J]. Scientia Silvae Sinicae, 2015, 51(10): 35-42. (in Chinese with English abstract)

[8] 章维鑫，曹建华，吴秀芹. 基于Landsat影像的石漠化区植被动态监测及治理效益研究[J]. 农业工程学报，2019，35(8) ：221-229. Zhang Weixin, Cao Jianhua, Wu Xiuqin. Dynamic monitoring and control benefits of vegetation in rocky desertification areas based on Landsa images[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(8): 221-229. (in Chinese with English abstract)

[9] Liu H Q, Huete A. A feedback based modification of the NDVI to minimize canopy background and atmospheric noise[J]. IEEE Transactions on Geoence & Remote Sensing, 1995, 33(2): 457-465.

[10] 田志秀，张安兵，王贺封，等. 锡林郭勒盟不同草原类型EVI的时空变化及其对气候的响应[J]. 草业科学，2019，36(2)：346-358. Tian Zhixiu, Zhang Anbing, Wang Hefeng, et al. Temporal and spatial variations of EVI and its response to influence of climate with different grassland types in Xilin Gol League[J]. Pratacultural Science, 2019, 36(2): 346-358. (in Chinese with English abstract)

[11] 向菲菲，王伦澈，姚瑞，等. 三峡库区气候变化特征及其植被响应[J]. 地球科学，2018，43(S1)：42-52. Xiang Feifei, Wang lunche, Yao Rui, et al. The characteristics of climate change and response of vegetation in Three Gorges Reservoir Area[J]. Earth Science, 2018, 43(S1): 42-52. (in Chinese with English abstract)

[12] 吕妍，张黎，闫慧敏，等. 中国西南喀斯特地区植被变化时空特征及其成因[J]. 生态学报，2018，38(24)：8774-8786. Lv Yan, Zhang Li, Yan Huimin, et al. Spatial and temporal patterns of changing vegetation and the influence of environmental factors in the karst region of Southwest China[J]. Acta Ecologica Sinica, 2018, 38(24): 8774-8786. (in Chinese with English abstract)

[13] 杨怡，吴世新，庄庆威，等. 2000—2018年古尔班通古特沙漠EVI时空变化特征[J]. 干旱区研究，2019，36(6)：1512-1520. Yang Yi, Wu Shixin, Zhuang Qingwei, et al. Spatiotemporal change of EVI in the Gurbantunggut Desert from 2000 to 2018[J]. Arid Zone Research, 2019, 36(6): 1512-1520. (in Chinese with English abstract)

[14] 李向婷，白洁，李光录，等. 新疆荒漠稀疏植被覆盖度信息遥感提取方法比较[J]. 干旱区地理，2013，36(3)：502-511. Li Xiangting, Bai Jie, Li Guanglu, et al. Comparison of methods based on MODIS for estimating sparse vegetation fraction across desert in Xinjiang[J]. Arid Land Geography, 2013, 36(3): 502-511. (in Chinese with English abstract)

[15] 杜加强，赵晨曦，贾尔恒·阿哈提，等. 近30a新疆月NDVI动态变化及其驱动因子分析[J].农业工程学报，2016，32(5)：172-181. Du Jiaqiang，Zhao Chenxi，Jiaerheng Ahati, et al. Analysis on spatio-temporal trends and drivers in monthly NDVI during recent decades in Xinjiang, China based two datasets[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 33(5): 172-181. (in Chinese with English abstract)

[16] Li N, Lin H, Wang T, et al. Impact of climate change on cotton growth and yields in Xinjiang, China[J]. Field Crops Research, 2019, 247: 107590.

[17] 陈亚宁，徐长春，杨余辉，等. 新疆水文水资源变化及对区域气候变化的响应[J]. 地理学报，2009，64(11)：1331-1341. Chen Yaning, Xu Changchun, Yang Yuhui, et al. Hydrology and water resources variation and its responses to regional climate change in Xinjiang[J]. Acta Geographica Sinica, 2009, 64(11): 1331-1341. (in Chinese with English abstract)

[18] 孙威，王鹏新，韩丽娟，等.条件植被温度指数干旱监测方法的完善[J].农业工程学报，2006,22(2) ：22-26.

Sun Wei, Wang Pengxin, Han Linjuan, et al. Further improvement of the approach to monitoring drought using vegetation and temperature condition indexes from multi-years' remotely sensed data[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2006, 22(2): 22-26. (in Chinese with English abstract)

[19] 张永，杨自辉，王立，等. 石羊河中游生长季植被覆盖对气候的响应[J]. 干旱区研究，2018，35(3)：662-668. Zhang Yong, Yang Zihui, Wang Li, et al. Response of vegetation coverage to climatic factors in the middle reaches of the Shiyang River in growing season[J]. Arid Zone Research, 2018, 35(3): 662-668. (in Chinese with English abstract)

[20] 陈效逑，王恒. 1982-2003年内蒙古植被带和植被覆盖度的时空变化[J]. 地理学报，2009，64(1)：86-96. Chen Xiaofu, Wang Heng. Spatial and temporal variations of vegetation belts and vegetation cover degrees in Inner Mongolia from 1982 to 2003[J]. Acta Geographica Sinica, 2009, 64(1): 86-96. (in Chinese with English abstract)

[21] 朱林富，谢世友，杨华，等. 基于MODIS-EVI的重庆植被覆盖时空分异特征研究[J]. 生态学报，2018，38(19)：6992-7002. Zhu Linfu, Xie Shiyou, Yang Hua, et al. Study on the spatial-temporal variability of vegetation coverage based on MODIS-EVI in Chongqing[J]. Acta Ecologica Sinica, 2018, 38(19): 6992-7002. (in Chinese with English abstract)

[22] 张猛，曾永年. 长株潭城市群湿地景观时空动态变化及驱动力分析[J]. 农业工程学报，2018，34(1)：241-249. Zhang Meng, Zeng Yongnian. Temporal and spatial dynamic changes and driving forces analysis of wetland landscape of Chang-Zhu-Tan urban agglomeration[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(1): 241-249. (in Chinese with English abstract)

[23] 张更喜，粟晓玲，郝丽娜，等. 基于NDVI和scPDSI研究1982-2015年中国植被对干旱的响应[J].农业工程学报，2019，35(20) : 145-151. Zhang Genxi, Su Xiaoling, Hao Lina, et al. Response of vegetation to drought based on NDVI and scPDSI data sets from 1982 to 2015 across China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35 (20): 145-151. (in Chinese with English abstract)

[24] 赵小风，黄贤金，张兴榆，等. 区域经济重心及COD、SO2、TSP排放重心演变路径分析：以江苏省为例[J]. 长江流域资源与环境，2010，19(3)：225-230. Zhao Xiaofeng, Huang Xianjin, Zhang Xingyu, et al. Evolution of economic and COD, SO_2, TSP emission gravity centers in Jiangsu Province[J]. Resources and Environment in the Yangtze Basin, 2010, 19(3): 225-230. (in Chinese with English abstract)

[25] 丁焕峰,李佩仪.中国区域污染重心与经济重心的演变对比分析[J].经济地理,2009,29(10):1629-1633. Ding Huanfeng, Li Peiyi. The Varlation contrastive analysis of economic gravity centre and regional pollution gravity centre of China:1986—2006[J]. Economic Geography, 2009, 29 (10): 1629-1633 (in Chinese with English abstract)

[26] 万红梅，李霞，董道瑞. 基于多源遥感数据的荒漠植被覆盖度估测[J]. 应用生态学报，2012，23(12)：3331-3337. Wan Hongmei, Li Xia, Dong Daorui. Estimation of desert vegetation coverage based on multi-source remote sensing data[J]. Chinese Journal of Applied Ecology, 2012, 23(12): 3331-3337. (in Chinese with English abstract)

[27] 杨强，王婷婷，陈昊，等. 基于MODIS EVI数据的锡林郭勒盟植被覆盖度变化特征[J]. 农业工程学报，2015，31(22)：191-198. Yang Qiang, Wang Tingting, Chen Hao, et al. Characteristics of vegetation cover change in Xilin Gol League based on MODIS EVI data[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(22): 191-198. (in Chinese with English abstract)

[28] 陈亚宁，李稚，方功焕，等. 气候变化对中亚天山山区水资源影响研究[J]. 地理学报，2017，72(1) ：18-26. Chen Yaning, Li Zhi, Fang Gonghuan, et al. Impact of climate change on water resources in the Tianshan Mountians, Central Asia[J]. Acta Geographica Sinica, 2017, 72(1): 18-26. (in Chinese with English abstract)

Spatial-temporal pattern and gravity center change of fractional vegetation cover in Xinjiang, China from 2000 to 2019

Wang Jianguo1,2, Zhang Fei1,2,3※

(1.,,830046,; 2.,,,830046,; 3.,830046,)

Vegetation has become the main producer to serve as an integral part of natural ecosystem, as well as perform various vital ecological functions. Vegetation coverage has some direct effects on the structure, functions, and health of an ecosystem. The vegetation coverage can also be one of the key ecological parameters that can reflect the level and quality of an ecosystem, particularly on Xinjiang, China, characterized by shortage of water resources and fragile ecological environment in the arid hinterland of Eurasia. New challenge has posed on the ecological system in Xinjiang, as "the Belt and Road" initiative is being promoted. Furthermore, the area and quality of vegetation coverage is degrading, as adverse effects increased from the climate change and human activities in the last 20 years, leading to severe negative impacts on the ecological environment and social economy. Therefore, it is necessary to carry out the long-term sequence monitoring on the vegetation coverage at the regional scale, in order to promote the eco-friendly development model, and further to ensure the sustainable development of the "Silk Road of Green Development". In this study, MODIS/EVI data was employed to obtain the Fractional Vegetation Coverage (FVC) based on pixel dichotomy, thereby to explore the change in vegetation coverage and its driving mechanisms. The variation of FVC was revealed using the percentage of deviation from normal and linear regression analysis. The driving mechanism of FVC change was also analyzed by the gravity center model and correlation analysis. The results showed that: 1) The average vegetation coverage was 0.255 in Xinjiang from 2000 to 2019, where the area with an very low coverage accounting for 63.53%. The vegetation coverage was higher in Yili River Valley, where the area with an extremely high coverage accounting for 77.9%, whereas that in southern Xinjiang only accounted for 6.94%. 2) The FVC was on the rise in Xinjiang as a whole, with a stable variation. The percentage of abnormal change was within the normal range. However, the fluctuation of FVC was relatively large in eastern Xinjiang. In 2015, the FVC value was nearly 20% higher than the average level, with other regions fluctuating in the range of ±5%. The reduction area of vegetation coverage was larger than that of the increasing area, where 53.04% of the area tended to decrease. At the level of significance less than 0.05, the area with increasing trend was large. 3) In the driving mechanisms for the variation of vegetation coverage, the spatial position of vegetation centers, temperature and precipitation were calculated to analyze the change and relationship between the gravity centers of various elements from the spatial level. The vegetation center of gravity fluctuated to high longitude and high latitude. In terms of longitude change, temperature was the main driving factor of vegetation spatial change in Xinjiang, indicating a positive correlation between the center of vegetation and temperature. There was a negative correlation between the vegetation center and precipitation center in Yili River Valley, withvalue of -0.492. However, there was no significant relationship between the vegetation center and the center of temperature and precipitation in eastern Xinjiang. The significant change of vegetation coverage was less than 0.05 under the level of low vegetation coverage and uneven distribution. The increased area was greater than the reduced area, indicating an obvious effect of ecological restoration. A recommendation can be to strengthen the vegetation protection, especially in the area of reduced vegetation coverage. The evaluation of vegetation change and its driving mechanisms in different regions of Xinjiang can provide a scientific basis to protect the fragile ecological environment.

remote sensing; model; EVI; fractional vegetation coverage; spatio-temporal change; gravity center; driving mechanisms

王建国，张飞. 2000—2019年新疆植被覆盖度时空格局及重心变化分析[J]. 农业工程学报，2020，36(20)：188-194.doi：10.11975/j.issn.1002-6819.2020.20.022 http://www.tcsae.org

Wang Jianguo, Zhang Fei. Spatial-temporal pattern and gravity center change of fractional vegetation cover in Xinjiang, China from 2000 to 2019[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(20): 188-194. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2020.20.022 http://www.tcsae.org

2020-05-30

2020-10-08

中国科学院战略性先导科技专项“泛第三极环境变化与绿色丝绸之路建设”课题（XDA20040400）

王建国，主要研究方向：干旱区资源环境遥感研究。Email：742323804@qq.com

张飞，教授，博导。主要研究方向：干旱区生态环境遥感应用研究。Email：zhangfei3s@163.com

10.11975/j.issn.1002-6819.2020.20.022

S127

A

1002-6819(2020)-20-0188-07