滦河上游植被指数NDVI及EVI对SPEI的响应差异

陈 菲， 史晓亮， 丁 皓， 李 艺， 史孟琦

(西安科技大学 测绘科学与技术学院， 陕西 西安 710054)

1 研究背景

植被是地球土壤圈、大气圈和水圈等相互联系的纽带[1]，与气候变化有着密不可分的联系，同时也是响应气候变化的指示器[2]。干旱是一种水量相对亏缺的自然现象，具有影响范围广、持续时间长等特点[3]，作为影响植被生长的主要因素之一，持续干旱会严重限制植被生长。因此，在全球气候变暖、干旱事件频发的背景下[4]，分析植被对气象干旱的响应关系具有重要的现实意义。

目前，众多国内外学者研究干旱的常用指数，其中，标准化降水蒸散指数SPEI(standardized precipitation evapotranspiration index)与植被指数关系最密切[5]。在区域尺度上，许多学者利用归一化植被指数NDVI(normalized difference vegetation index)和增强型植被指数EVI(enhanced vegetation index)等遥感植被指数开展了植被对气象干旱的响应关系研究[6]。NDVI是反映地表植被覆盖和植被生长状况最有效的参数之一，可定量监测植被动态变化[7]，被广泛应用于植被生长状况的研究中。王雨晴等[8]、齐贵增等[9]、Rajpoot等[10]基于NDVI分析了气象干旱对植被生长状况的影响，表明SPEI与NDVI具有很强的正相关性，且相关程度因不同植被类型而有所差异。相比于NDVI，EVI解决了NDVI的易饱和问题，不仅能很好地反映浓密植被的生长变化[11-12]，更能够区分稀疏植被[13]。王亚林等[14]、Aulia等[15]探讨了EVI对气象干旱的响应关系。相关研究均表明NDVI、EVI与气象干旱存在较明显的正相关关系，但目前已有研究中缺乏对不同植被类型条件下的两种植被指数对气象干旱响应关系的差异分析。

滦河上游位于我国农牧交错带南缘，是张家口-承德国家级水源涵养区的关键组成部分，也是京津冀地区重要的生态安全屏障，但其地貌特征复杂，属气候敏感区，生态环境脆弱[16]。目前关于滦河上游地区植被对干旱响应的研究较少，因此，本文基于2000-2019年多时间尺度SPEI与MODIS-NDVI/EVI数据，探讨不同植被类型及植被指数对干旱的响应及差异，以期为滦河上游地区干旱应对及生态文明建设提供科学依据。

2 数据来源与研究方法

2.1 研究区概况

滦河上游水系发源于河北省丰宁县巴彦图古尔山麓，至承德市滦平县张百湾镇，全长513 km，集水面积为25 367 km2，其水系、高程及气象站点分布如图1所示。该地区位于坝上高原，平均海拔为1 227 m，自东南向西北逐渐增高。研究区属中温带干旱半干旱大陆性季风气候，夏季炎热多雨，冬季寒冷干燥。滦河上游植被类型主要包括温带常绿针叶林、温带落叶阔叶林、温带草原、灌木等，草地是滦河上游分布最多、范围最广的土地覆盖类型。受气候变化影响，自20世纪70年代以来，该地区开始呈现持续性的干旱化趋势。

图1 滦河上游水系、高程及气象站点分布

2.2 数据来源

遥感植被指数数据来源于美国航空航天局 (National Aeronautics and Space Aclministration, NASA https://ladsweb.modaps.eosdis.nasa.gov)，其中2000-2019年的月尺度MODIS NDVI/EVI(MOD13A3)数据空间分辨率为1 km，土地覆盖类型数据(MCD12Q1)采用2018年MODIS三级年度全球土地覆盖类型产品，空间分辨率为500 m。上述遥感数据均使用MRT(MODIS reprojection tool)软件完成投影、格式转换和重采样等预处理工作，同时对土地覆盖类型进行重分类。

通过中国气象数据网(http://data.cma.cn)获取了2000-2019年滦河上游及其邻近区域4个气象站点的气象数据(气象站点分布见图1)，包括月平均气温、降水以及经纬度信息，其中部分异常值通过计算研究时段内该月数据平均值进行插补。

数字高程模型(digital elevation model，DEM)数据获取自地理空间数据云(http://www.gscloud.cn/)，空间分辨率为90 m。

2.3 研究方法

2.3.1 标准化降水蒸散指数 文中采用标准化降水蒸散指数SPEI作为干旱监测指标。该指数是针对降水量与潜在蒸散量插值序列累积概率值进行的正态标准化[17]，既有SPI指数的多尺度特征，同时也将潜在蒸散量的影响考虑在内[18]。已有研究对SPEI在中国地区的适用性进行分析，并认为该指数在很多地区能够准确评估气象干旱的发生程度[19]。

SPEI具有多时间尺度的特征，本文选用1、3、6、12个月的时间尺度来计算SPEI。1个月时间尺度的SPEI可以比较清楚地反映出短期地表水分的细微变化；3个月时间尺度的SPEI可以清晰地反映出季节的干旱变化情况；6个月时间尺度的SPEI可以反映以半年时间为周期的干旱情况；同理，12个月时间尺度的SPEI可以反映出年际间的干旱变化情况[20]。SPEI具体的计算方法可以参考Vicente等[21]的研究。基于SPEI指数的干旱程度及等级划分如表1所示。

表1 基于SPEI指数的干旱程度及等级划分

2.3.2 趋势分析 趋势分析法即对一组随时间序列变化的变量进行一元线性回归分析，以像元为单位计算斜率，以此来反映每个栅格像元上植被指数NDVI和EVI的年际变化趋势，计算公式为：

(1)

式中：n为时间序列总年数；i的值为1～20，代表2000-2019年；VIi为第i年的植被指数值(NDVI、EVI)。当Slope>0时，说明植被指数在研究时间范围内有增加的趋势；当Slope<0时，则说明呈减少趋势。

2.3.3 相关分析 在像元尺度计算2000-2019年滦河上游植被指数和不同时间尺度SPEI的相关系数，从而反映不同时间尺度SPEI对NDVI和EVI的影响程度，计算公式如下：

(2)

3 结果与分析

3.1 滦河上游气象干旱变化特征

根据气象站点建立泰森多边形获取SPEI加权平均值，进而分析2000-2019年滦河上游1、3、6、12个月时间尺度下相应的SPEI(SPEI-1、SPEI-3、SPEI-6、SPEI-12)时间变化特征，结果见图2。由图2可看出，滦河上游地区气候呈现出干湿交替的特征，不同时间尺度的SPEI变化幅度存在差异，变幅随着时间尺度的增加而增大；研究年限内各时间尺度的SPEI值均呈波动增大趋势，波动幅度较大的年份为2009-2010年；滦河上游整体干旱程度呈减弱趋势，SPEI-1、SPEI-3、SPEI-6、SPEI-12的线性增长速率分别为0.012 8/a、0.013 3/a、0.029 8/a、0.043 8/a。整体上，以2010年为分水岭，2010年之前经常发生长时间尺度的干旱，且干旱程度较大，2010年之后，干旱频次逐渐减少，且干旱程度较轻。

图2 2000-2019年滦河上游不同时间尺度的SPEI时间变化特征

对2000-2019年滦河上游干旱面积占比进行统计，其变化特征如图3所示。由图3可见，2000-2019年间仅2015与2016年未发生干旱，其余年份均发生了不同程度的干旱，其中2000、2002、2004、2007、2009、2011、2014、2017、2019年的干旱面积高达100%；2001、2005、2008、2012、2018年的干旱面积在50%～100%之间；2003、2006、2010、2013年的干旱面积小于50%。滦河上游干旱面积年际变化幅度较大，总体而言，干旱发生面积呈减少趋势，干旱面积占比趋势率为-1.430 4%/a。

图3 2000-2019年滦河上游干旱面积占比时间变化特征

3.2 滦河上游植被变化特征

为了消除北方冬天植被覆盖度低的影响，采用最大值合成法将植被指数月值数据合成到年尺度，获取滦河上游多年平均NDVI和EVI空间分布情况，并采用趋势分析法得到逐像元NDVI和EVI变化趋势，结果如图4、5所示。根据植被覆盖度划分标准对图4(a)、5(a)中的NDVI、EVI空间分布进行分析：高植被覆盖区(NDVI>0.6)主要分布在河北省围场县、丰宁县、隆化县和滦平县，占研究区面积的69%，该地区分布着国家级自然保护区和国有林场，植被生长状况较好，故植被覆盖度较高；中等植被覆盖区(0.3

图4 2000-2019年滦河上游NDVI及其变化斜率空间分布 图5 2000-2019年滦河上游EVI及其变化斜率空间分布

对图4(b)、5(b)中基于一元线性回归模型得出的NDVI、EVI变化趋势进行分析：滦河上游植被变化趋势具有明显的地域差异。总体上看，2000-2019年有高达98.65%的区域NDVI呈现增加趋势，表明近20年滦河上游地区的植被状况有明显改善，其中，26.67%的区域呈微弱增加趋势；71.98%的区域呈明显增加趋势；轻微减少、基本不变和明显减少的区域占比较少，分别为0.17%、0.72%、0.46%。EVI呈明显减少、轻微减少、基本不变、轻微增加、明显增加的区域占比分别为0.05%、1.18%、16.49%、74.08%、8.20%，轻微增加的区域占到了大多数。改善较为明显的区域多数分布在张家口市东北部和内蒙古自治区境内，主要是在近些年降水量增加和退耕还林还草等生态措施的作用下，这些地区植被指数增长速率相对较快。

2000-2019年滦河上游植被指数NDVI和EVI的时间变化趋势如图6所示。

图6 2000-2019年滦河上游植被指数NDVI和EVI的时间变化趋势

由图6可以看出，NDVI和EVI变化趋势大致相同，NDVI的平均增大速率为0.005 7/a，EVI的平均增大速率为0.004 4/a，两者均在2006-2009年有明显的波动变化，在2000-2006、2009-2013年间呈缓慢增大趋势，2014年略有减小，2014年以后总体呈波动增大趋势。

3.3 植被对气象干旱的响应

通过计算2000-2019年各年份滦河上游的NDVI、EVI与SPEI的相关系数分析研究区植被状况与气象干旱的相关性。结果表明，植被生长状况受到SPEI的影响，而不同时间尺度下的SPEI对植被指数的影响程度略有不同，湿润的气候更加有利于植被的生长。NDVI与SPEI-1、SPEI-3、SPEI-6、SPEI-12的相关系数为正值的区域占研究区总面积比例依次为96.5%、98.1%、89.8%、90.5%，相关系数分别为0.178、0.179、0.152、0.145。EVI与SPEI-1、SPEI-3、SPEI-6、SPEI-12相关系数为正值的区域占研究区总面积比例依次为97.8%、96.6%、98.6%、98.2%，相关系数分别为0.278、0.301、0.356、0.339。从相关系数的空间分布上来看，不同时间尺度下的SPEI与植被指数相关系数的空间分布特征大体一致。两者相关性较高的区域主要分布在研究区的东西两侧，相关系数较低的区域主要分布在研究区的中部。NDVI对气象干旱的响应在3个月时间尺度时最明显，即对季尺度响应最明显，而EVI与SPEI-6的相关性最强。整体上，EVI对干旱的响应强于NDVI。

林地、草原、农田是分布于滦河上游的3种主要土地覆盖类型，因此，文中通过统计这3类土地覆盖类型在不同时间尺度下的NDVI和EVI与SPEI的相关系数的最大值，进一步分析不同土地覆盖类型对干旱的响应差异，统计结果如图7所示。

图7 不同时间尺度下各主要土地覆盖类型的NDVI、EVI与SPEI的最大相关系数

从最大相关系数来看，草地EVI与不同尺度SPEI的最大相关系数分别为0.786、0.805、0.830、0.822，相应的NDVI最大相关系数略小于EVI，分别为0.518、0.550、0.543、0.538。草地对不同时间尺度干旱的响应程度均高于农田及林地，林地植被指数与SPEI的最大相关系数最小。从时间尺度上看，草地、农田及林地EVI对中期干旱(SPEI-6)响应程度更高，相关系数分别为0.830、0.798、0.718，草地、农田NDVI对短期干旱(SPEI-3)响应程度更高，相关系数分别为0.550、0.499，而林地NDVI与SPEI-12的最大相关系数更高，为0.403。草地、林地和农田的EVI与不同时间尺度干旱指数的最大相关系数均大于NDVI，但均表现为草地对水分胁迫的敏感程度最强，农田次之，林地最弱，这表明EVI对监测植被生态系统发生干旱的敏感性优于NDVI。故在研究区旱情监测中，需更加注重草地生长状态的变化，鉴于林地植被所表现出较强的耐旱性，在未来全球变暖、干旱加剧的背景下，森林生态系统将在区域甚至全球生态系统下发挥重要作用。

4 讨 论

4.1 植被指数NDVI和EVI的空间差异性分析

采用最大值合成法将MODIS月值数据合成年尺度数据，进而获取2000-2019年两种植被指数平均值的空间分布。气候变化和错综复杂的人类活动使滦河上游的植被分布具有显著的空间异质性[22]，比较研究时段内NDVI值与EVI值及其变化斜率的空间分布图(图4、5)发现，两种植被指数的空间分布特征基本一致，但EVI值明显大于NDVI值，为了分析两者的差异，本研究采用差值模型，用NDVI值及其变化斜率分别减去相应的EVI值及其变化斜率并取绝对值，获取两者的差值空间分布，如图8所示。

由图8可见，NDVI与EVI差值较大的区域分布在河北省承德市，差值较小的区域分布在内蒙古自治区境内，由于滦河上游地区植被覆盖度自东南向西北逐渐减小(图4、5)，故说明在植被覆盖度较高的地区NDVI和EVI的差值较大。这主要是因为NDVI在高植被覆盖区域无法准确地反映植被的生长状况[23]，而EVI克服了NDVI在高植被覆盖区域易饱和、在低植被覆盖区域受土壤影响较大的缺点[24]。前文中已表明，研究期内滦河上游大部分区域的植被状况得到了改善，其中内蒙古境内的植被指数增长速率大于河北省，而NDVI与EVI的变化趋势存在差异。当土地覆盖类型为林地与草地时，NDVI与EVI的变化斜率相差较大，而农田覆盖地区变化斜率相差较小。植被指数的增长表明近20年国有林场和人工造林工程的实施，进一步带动了滦河上游生态环境质量好转，同时河北省政府成立的滦河上游国家级自然保护区对当地森林的保护也起到了积极的推动作用。

4.2 不同植被指数与土地覆盖类型对干旱响应的差异

通过分析植被指数与气象干旱的相关系数可知，滦河上游地区植被指数与不同时间尺度的SPEI整体呈正相关，这与史尚渝等[25]和万红莲等[26]的研究结果相同，其中NDVI与SPEI-3的相关性最强，EVI与SPEI-6的相关性最强。总体而言，EVI与SPEI的相关性强于NDVI与SPEI的相关性。图9显示了3个月和6个月时间尺度的SPEI与NDVI、EVI的相关系数差值空间分布，由图9可以看出，两者的空间分布特征基本一致，差值较大的区域主要植被类型为农田，差值较小的区域主要植被类型为林地和草地，这是由于农田地区周边人口密度大，受到人类活动干扰较多，对植被生长造成了一定程度的影响。

图8 滦河上游植被指数NDVI与EVI差值及其变化斜率差值空间分布图 图9 3个月和6个月时间尺度的SPEI与NDVI、EVI的相关系数差值空间分布

不同土地覆盖类型对干旱响应的程度存在差异[27]。其中草地的响应程度最强，这与杨思遥等[28]对华北地区植被变化对SPEI气象干旱指数多尺度响应的研究结果基本一致，说明干旱对草地的生长起到了一定程度的抑制作用。草地、农田的响应程度在季尺度时最敏感。草地属于浅根系植物，在降雨时的储水能力较弱，这使得草地对干旱具有较强的响应，对短时间的干旱敏感性强于长时间的干旱[29]。在以农田为主的河北地区，人为干扰较多，如灌溉、施肥等农田管理措施为农作物提供了更好的生长条件，因此，农田植被指数与SPEI的相关系数小于草地。林地的根系发达，当森林缺水时，其根系会向土壤更深处发展，因此耐旱性较好，对短时间的干旱响应不明显。基于此，研究区政府应该积极推进退耕还林、植树造林等生态保护措施来解决干旱问题。

总体来说，本文的研究结果与前人研究的关于北方地区的气象干旱情况基本一致。但是，由于滦河上游地区气象站点偏少，且分布不均匀，降水量数据存在少量异常值，虽然使用算数平均值进行补充，但基于此计算的SPEI仍然可能存在一些偏差，故在后续研究中应着重考虑气象观测数据的密度及空间分布的均匀性来研究气候干旱对植被生长的影响。

5 结 论

基于2000-2019年滦河上游地区气象和MODIS数据研究了该地区干旱变化情况和植被生长变化状况，分析了植被对多时间尺度SPEI的响应特征以及不同土地覆盖类型对干旱响应程度的差异。主要结论如下：

(1)2000-2019年滦河上游不同时间尺度的SPEI变化幅度较大，总体呈上升的趋势，干旱化程度自东向西逐渐增加。干旱面积占比的年际变化幅度较大，但总体呈现减少趋势，趋势率为-1.430 4%/a。

(2)从空间上看，滦河上游植被覆盖呈东南高西北低的分布状况，NDVI的平均值为0.661，EVI的平均值为0.451，NDVI值明显高于EVI值，大部分地区植被生长状况较好；从时间上看，近20年的植被状况呈向好趋势，无论是NDVI还是EVI，变化率大于0的区域占到95%以上。

(3)不同时间尺度的SPEI与NDVI和EVI在大部分区域呈现出不同程度的正相关。NDVI与SPEI的相关性强于EVI与SPEI的相关性，其中土地覆盖类型为草地时的植被指数与SPEI的相关程度最强，其次是农田，相关程度最弱的是林地。NDVI与3个月时间尺度的SPEI相关系数最高，EVI与6个月时间尺度的SPEI相关系数最高。在空间上，植被指数与SPEI的相关系数从东西两侧向中间逐渐减小。与NDVI相比，EVI对气象干旱的响应程度强于NDVI，更能清楚地反映植被的变化状况。