北部湾沿海流域植被覆盖动态变化及其驱动因素

杨钰文， 卢 远，2，3*

(1.南宁师范大学地理科学与规划学院， 南宁 530001； 2.北部湾环境演变与资源利用教育部重点实验室， 南宁 530001；3.广西地表过程与智能模拟重点实验室， 南宁 530001)

植被的存在、生长、更新、演替、分布格局等变化影响着流域下垫面改变、水循环与水文过程[1]。沿海流域水文过程的改变直接影响着河口浅滩淤涨速率改变、河口水下三角洲发育，海岸线变迁，最终造成海湾生态环境的变化[2-5]。因此，研究沿海流域内植被覆盖的动态变化及其持续性对流域、海岸带的生态环境建设与综合流域管理具有重要意义。

目前利用遥感监测植被覆盖动态变化的研究已经很成熟，可分为分类后比较法和基于像元光谱的直接比较法。其中基于像元光谱的比较不仅能探测出像元的细微变化，且避免了分类误差对变化检测精度的影响[6]，具体包含线性回归分析法、变异系数(coefficient of variation,CV)、Hurst指数、像元二分法以及变化矢量分析(change vector analysis,CVA)等。如郭同宇等[7]通过计算逐像元的回归系数及其显著性，分析了内蒙古植被变化趋势；廖春贵等[8]采用变异系数、相关分析等方法对广西北部湾经济区植被的时空变化特征进行分析；王建邦等[9]基于变异系数的人为影响模型辅以Hurst指数等探讨了中国植被覆盖人为影响的时空分布及其未来发展趋势。常用的长时间序列(>15年)监测植被覆盖动态变化的遥感数据有Landsat(1972年至今)、GIMMS NDVI(1982—2015年)、SPOT NDVI(1998年至今)以及MODIS(2000年至今)等。Landsat数据具有高空间、长时间分辨率的特点，但其受云雾影响影像缺失严重；GIMMS NDVI空间分辨率为8 km不适合小尺度研究；SPOT NDVI空间分辨率1 km，比MODIS数据稍低。MODIS拥有归一化植被指数(normalized difference vegetation index, NDVI)和增强型植被指数(enhanced vegetation index,EVI)两种植被指数数据集，其中MODIS NDVI是研究植被动态变化较为理想的植被指数[10]。

北部湾沿海流域地理位置特殊：处于海陆交界，拥有8条较大的入海河流，属于北部湾经济区的主体区域。特殊的地理环境使得流域系统复杂多样，人类活动剧烈，陆域生态和近海环境风险严峻[11-12]。基于此背景，现首次以北部湾入海流域为研究单元，基于2000—2018年MODIS NDVI数据，采用修正的CVA、CV、Hurst指数等方法分析北部湾沿海流域植被动态变化趋势及其持续性并对流域植被覆盖变化驱动因素进行探讨。这对于评价河流、陆地、海洋生态系统的环境质量，揭示陆地—河流—海洋的生态过程具有重要的理论和实际意义。

1 研究区概况与数据来源

1.1 研究区概况

北部湾沿海流域位于中国南海西北部，地理坐标为北纬21°24′～22°1′、东经 107°56′～109°40′，总面积26 069.94 km2，如图1所示。该流域包含八大入海流域，自西向东依次为：沙潭河、防城河、茅岭江、钦江、大风江、南流江、铁山河、九州河。北部湾沿海流域植被覆盖较高，天然植被与人工植被共存。天然植被主要包括针叶林、常绿季雨林、红树林等；人工植被主要包括桉树林和农作物群落[13]。流域的地势北高南低，地形依次为山脉—丘陵—滩涂—浅海。自《广西北部湾经济区发展规划》的提出，该区域着重经济发展，人类活动强烈，沿海、河口区域人工地貌突出，河口三角洲及海积平原已大部分开辟为海水养殖场。

图1 北部湾沿海流域分布Fig.1 Distribution of coastal basins in Beibu Gulf

1.2 数据来源

本研究所选用的遥感数据为EOS/Terra卫星MOD13Q1产品的NDVI数据集，时间分辨率为16 d，空间分辨率为250 m，时间系列为2000—2018年，数据来源于美国宇航局(NASA)。对该数据进行批量投影转换为WGS 84坐标、镶嵌、裁剪等预处理，最后利用最大值合成法(MVC)对其进行年最大值合成得到每一年的最大值合成影像。气象数据集(气温和降水)来源中国科学院资源环境科学数据中心(http://www.resdc.cn/DataSearch.aspx)，该数据集空间分辨率为1 km，基于全国2 400多个气象站点日观测数据，通过整理、计算和空间插值处理生成，故将其重采样至250 m。

2 研究方法

2.1 修正的变化矢量分析

变化矢量分析最早由Malile在1980年提出[14]，采用欧式距离来表示变化的强度。变化矢量在分析长时间序列NDVI变化时，假设第x年的矢量P=[NDVIx,1，NDVIx,2，NDVIx,3,…,NDVIx,n]，NDVIx,j为某一像元在x年j时相获得的NDVI值，n为时间维数。则第x年到第y年的NDVI变化强度表示为

(1)

将每相邻年份的NDVI变化强度相加则得到整个研究时段的NDVI累计变化强度。

变化矢量分析可以得到研究时段的NDVI变化强度，但无法获得NDVI的变化方向，即无法判断研究时段内植被的变化趋势。为克服这一缺点，参照文献[15]所修正的变化矢量法，引入一元线性回归分析，通过构建研究时间段内NDVI时间序列的一元线性回归方程，得到一元线性回归方程的系数b，即获得研究时段内植被的变化方向：系数b>0时，表示植被为增长趋势，反之则是减少趋势。修正的变化矢量分析表示为

(2)

2.2 变异系数

变异系数用来表示地理数据的波动程度[16]，利用变异系数来表示研究时段内流域植被变化的波动程度，数值越大表示植被变化波动程度越大；数值小表示植被状态较为稳定。变异系数计算公式为

(3)

2.3 Hurst指数

Hurst指数由英国水文学家Hurst在研究尼罗河时间序列水文数据时提出[17]，它可以用来定量描述长时间序列信息的长程依赖性，即预测未来数据的变化趋势。现采用R/S分析法来计算Hurst指数，该方法定义极差与标准差的比值R/S存在以下指数关系：

NDVIR/NDVIS=(cn)H

(4)

式(4)中：NDVIR为研究时间段内NDVI时间序列的极差；NDVIS为标准差；n为时间序列长度；c为常量；H为Hurst指数。Hurst指数值存在以下规律：当0.5

3 结果分析

3.1 植被覆盖的时间变化与空间分布

计算2000—2018年北部湾沿海流域历年NDVI平均值，对流域内历年NDVI均值进行年际变化趋势统计。图2所示为2000—2018年流域内多年NDVI均值变化趋势，可知流域内植被覆盖度较高，年平均NDVI值在0.75～0.85波动，年际间差异较小。

图2 2000—2018年广西北部湾沿海流域NDVI年际变化Fig.2 NDVI annual change of Beibu Gulf coastal basin in Guangxi from 2000 to 2018

多年NDVI均值空间分布如图3所示。可见，西部沙潭河、防城河、茅岭江以及南流江中部区域为植被覆盖较好区域，其NDVI值均在0.7以上。流域内植被整体上呈现从北至南递减，越靠近海域植被覆盖越少；植被覆盖从流域外边界到河流中心逐渐减少，越靠近河流中心的植被覆盖越少，尤其以茅岭江、钦江、南流江、九州河流域为典型代表。由此可知，北部湾沿海流域植被覆盖遵循这样一个规律：从陆地到海域、从流域外边界到河流中心植被覆盖度逐渐减少。

图3 2000—2018年NDVI均值空间分布Fig.3 Spatial distribution of NDVI mean values from 2000 to 2018

3.2 植被覆盖的变化趋势及其持续性

3.2.1 植被覆盖变化趋势及其稳定性分析

利用修正的变化矢量分析法逐年计算流域内NDVI变化矢量强度，将每相邻年份的NDVI变化矢量强度相加得到整个研究时段的NDVI变化趋势空间分布图(图4)。对NDVI变化矢量强度进行重新分级，定义[-∞,-0.7]为严重退化，(-0.7,-0.5]为明显退化，(-0.5,-0.3]为中度退化，(-0.3,-0.1]为轻度退化，(-0.1,-0.01]为略微退化，(-0.01,0.01)为无变化，[0.01,0.1)为略微改善，[0.1,0.3)为轻度改善，[0.3,0.5)为中度改善，[0.5,0.7)为明显改善，[0.7,+∞]为极大改善。2000—2018年间，北部湾沿海流域植被覆盖改善区域占73.6%，退化区域占26.3%，流域内植被覆盖变化类型主要为轻中度变化类型。计算各流域NDVI变化矢量强度特征统计如图5所示。级别在中度改善以上的区域主要分布在西部的大风江、钦江以及茅岭江流域；中度退化级别以下区域集中在东部的南流江、铁山河、九州河流域。整体表现出河口、滨海区域植被退化较为明显。

图4 2000—2018年NDVI变化趋势空间分布Fig.4 Spatial distribution of NDVI change trend from 2000 to 2018

图5 各流域植被覆盖变化趋势统计图Fig.5 Statistical chart of vegetation cover change trend in each basin

变异系数可以反映研究时段内植被覆盖变化的稳定性，图6为北部湾沿海流域NDVI变异系数。流域内NDVI变异系数值介于0～0.424，整体表现为河口、滨海区等植被覆盖率较少的区域植被变化波动最为强烈。

图6 2000—2018年NDVI变异系数空间分布Fig.6 Spatial distribution of NDVI variation coefficient from 2000 to 2018

3.2.2 植被覆盖未来变化趋势分析

计算流域内多年NDVI Hurst指数值，Hurst指数值范围为0～0.9。流域内植被覆盖变化趋势呈现持续性的占27.7%，反持续性的占73.3%，流域内植被覆盖变化整体上呈现反持续性，即未来植被覆盖变化呈现较大的波动性。利用Hurst指数值与变化趋势强度空间分布图叠加，即植被覆盖变化趋势信息与可持续信息耦合，结果如图7所示。各流域持续性变化区域占比统计如图8所示，流域内持续改善区域大于持续退化区域，其中持续改善区域占总流域面积的19.6%，持续退化区域占8%。各流域呈现出“中间大两头小”的态势，即持续改善区域和持续退化区域大部分为中、轻度变化区域，明显、极大变化区域占比较小。流域内植被持续改善区域和持续退化区域占比不同，整体上表现出中部流域(茅岭江、钦江、大风江)持续改善区域占比大于东西部流域。

图7 植被覆盖持续性变化区域Fig.7 Area of continuous change of vegetation cover

图8 各流域植被覆盖持续性变化特征统计图Fig.8 Statistical chart of the characteristics of the continuous change of vegetation cover in each watershed

4 驱动因素分析

气候因素、地形特征以及人类活动是影响植被覆盖变化的重要因素[18]。气温、降水是影响植被生长的主要气候因素，选取2000—2015年年平均气温、年降水量数据集，分析流域内NDVI变化趋势与气象因素的相关性。用高程、坡度表征地形特征。根据沿海流域的特点，选取了距城镇距离、距河流距离、距河口距离以及距海岸线距离4个因素来代表人类活动对植被覆盖的干扰。

图9为各个影响因子与流域内NDVI变化趋势的相关系数，通过0.01水平的显著性检验，未通过的赋值0。由图9可知，流域内植被变化趋势与人为因素和气候因素相关性较高，与地形特征相关性较低。气候因素对流域内植被覆盖变化趋势多为负相关，其中降水与植被变化趋势相关性高于气温。地形特征与植被变化趋势多为正相关。植被覆盖变化趋势与到城镇距离为正相关，与距河流距离多为正相关，与距河口、海岸线的距离的相关性具有不一致性，其中东部的南流江与九州河流域的植被变化趋势与距河口、海岸线的距离呈现较高的负相关。

图9 植被覆盖变化趋势与驱动因素的相关系数Fig.9 Correlation coefficient between vegetation cover change trend and driving factors

5 结论

以2000—2018年MODIS NDVI数据为基础，采用修正的变化矢量分析、变异系数、Hurst指数等方法分析北部湾沿海流域植被覆盖动态变化特征及其未来发展趋势，结论如下。

(1)北部湾沿海流域植被覆盖度较高且年际变化幅度较小，多年NDVI均值表现出从陆地到滨海、从流域外边界到河流中心逐渐递减的规律。在时间变化方面，北部湾沿海流域内植被覆盖率较高且多为常绿植物，在非极端气候或人类活动影响下，植被的年际变化较小。在空间分布上，流域内陆地多为林地或旱地，而河岸、河流下游与滨海区多为居住区与湿地[19]，因此多年NDVI均值表现出从陆地到滨海、从流域外边界到河流中心逐渐递减的规律。

(2)采用修正的变化矢量法、变异系数分析2000—2018年间北部湾沿海流域植被覆盖变化趋势及其稳定性，得出流域内植被覆盖改善区域占73.6%，退化区域占26.3%。其中河口、滨海区不仅为植被退化明显区域且为植被变化波动性较强区域，这与河口、海岸带近年的开发活动有关[20]。

(3)利用Hurst指数预测北部湾沿海流域未来植被覆盖变化趋势，未来流域内植被覆盖变化波动性较强，其中持续改善区域仅占19.6%，持续退化区域占8%，其余的72.4%为波动性变化区域。流域内人类活动较强烈，陆地上有人工桉树林的种植[21]，河口、滨海区是海水养殖的主要场所[22]，这些人为干扰导致流域内植被覆盖变化呈现波动性。

(4)选取气温、降水、高程、坡度、距城镇距离、距河流距离、距河口距离以及距海岸线距离8个因子来探索北部湾沿海流域植被覆盖变化驱动因素，得出流域内植被变化趋势与人为因素和气候因素相关性较高，与地形特征相关性较低。北部湾沿海流域地势较平坦，人为干扰遍布，地形特征对植被变化影响较小。研究区河流众多，降水直接引起河流水文过程的变化，水文过程的改变就会引起下垫面变化，这是降水与植被覆盖趋势相关性较高的原因。整个流域位于北部湾经济开发区，人类开发活动强烈，人为影响因素成为植被覆盖变化的主要驱动因素。