基于NDVI的贵州省植被覆盖时空特征分析

2021-04-23贺中华

华南师范大学学报（自然科学版） 2021年2期

邢愿，贺中华,2*

(1. 贵州师范大学地理与环境科学学院，贵阳 550001； 2. 贵州师范大学国家喀斯特石漠化防治工程技术研究中心，贵阳 550001)

归一化植被指数(Normalized Difference Vegetation Index，NDVI)作为植被生长及覆盖的最佳指示因子，可以良好地反映植被分布特征及变化，是评价地区生态环境发展的重要指标之一[1]. 通过卫星遥感手段对植被和气象因子进行持续动态监测，利用NDVI、标准化降水蒸散指数(SPEI)和标准化降水指数(SPI)等量化指标，分析不同尺度上的植被水文响应，为揭示陆表生态环境特征提供了强有力的数据支持和研究手段.

目前关于植被指数影响因素的研究中，主要以气象因子为主. 如：利用多元线性回归分析法，分析多个气象因素对归一化植被指数的影响，研究表明气象因子可以用来预测植被的未来生长状况[2]；运用多个气象要素(气温、风速、降雨量)和SPEI指数进行突变分析和趋势分析,研究内蒙古典型草原区NDVI与气候变化的响应机制，研究表明降雨量是影响典型草原植被生长的主要气象要素，气温次之[3]；利用线性趋势分析、Pearson相关分析、多元线性回归模型以及通径分析的方法，对黄土高原2000—2015年全区和不同植被覆被类型区内 NDVI与气象因子的变化趋势以及相互作用关系进行分析，研究表明黄土高原区的NDVI与气象因子之间没有显著相关性，但在不同植被覆被类型区，气象因子对NDVI存在显著作用，且不同植被覆被类型差异明显[4]. 贵州省作为我国喀斯特地貌分布最广、分布面积占比最大的省份，其石漠化问题也最为突出[5]. 学者们对贵州省的植被变化的研究取得较多成果，如：运用最大合成法、加权平均法、线性趋势法等方法和GIS中的Spatial Analyst Tools等技术方法，分析了贵州省2005—2014年的植被变化趋势特征,研究表明贵州省的NDVI值整体呈正增长趋势[6]；采用一元线性回归、标准差分析和 Hurst指数等时间序列统计分析法，对贵州省的NDVI值变化的时空格局和发展趋势进行研究，研究表明贵州省东部和西部的NDVI值相对稳定，中部的波动明显[7]；通过建模反演植被覆盖度，利用遥感与地理信息系统软件发现贵州省中部的植被覆盖度最差，被覆盖度从东南方向向西北方向递减[8]；通过变化倾斜率、变异系数以及相关分析法，对比分析了贵州省不同岩性区NDVI值的变化规律及主导因素,研究表明不同岩性基底上的NDVI值、NDVI的变化率及变异系数存在一定差异性[9]；利用同期气温与降雨量数据，研究贵州省的林草植被覆盖度在2001—2014年的时空变化及其与气温、降雨量变化的关系，研究表明贵州省的林草植被覆盖度变化与降雨量改变有较明显的正相关性，但与气温变化没有明显相关性[10]；利用NDVI数据与贵州省84个气象站点提供的气象资料,分析1987—2003年贵州省的植被变化状况以及NDVI与气温、降雨量的相互关系，研究表明贵州省春季时的NDVI与气温、降雨量的相关系数最大[11]；利用时间序列、变化趋势和空间动态变化分析等方法，研究贵州省植被覆盖的时空变化特征及植被覆盖变化对气象因子在地域、变化速率和变化方向的影响，研究表明贵州省的NDVI与气温的相关性大于与降雨量的，但其对降雨量的滞后性却高于对气温的[12]. 但是，已有研究多在年际变化上分析贵州省的植被变化特征及其与气候的响应关系，在气象要素(气温、降雨量)对植被生长的时空响应规律及其对气候变化的空间滞后关系方面的研究较少.

2001—2018年，贵州省的极端气候出现频繁，降雨量的空间分布更为不均，导致植被生长对气候变化的敏感性不同，其空间分布特征也存在差异性[13]. 为更全面揭示贵州省的气温、降雨量对植被生长的影响规律，本文基于 2001—2018 年的长时间序列NDVI数据，采用线性趋势分析法和相关性分析法，分析贵州省的植被覆盖面积在18年间的时空变化特征；同时结合2001—2018年植被的降水利用效率与2010、2017年2期土地覆盖数据，研究不同土地覆盖类型的NDVI的特征，以期为贵州省的水土流失和土地石漠化防治提供依据.

1 研究区概况

贵州省(简称“黔”或“贵”)共有9个行政区划单位，其中：6个地级市(贵阳市、遵义市、六盘水市、安顺市、毕节市、铜仁市)、3个自治州(黔东南苗族侗族自治州、黔南布依族苗族自治州、黔西南布依族苗族自治州)；全省界于北纬24°37′～29°13′，东经103°36′～109°35′，地处中国西南内陆地区腹地，境内地势西高东低，自中部向北、东、南三面倾斜，平均海拔在1 100 m左右，总面积为17.62 万km2，如图1. 全省地貌可概括分为高原、山地、丘陵和盆地4种基本类型，其中92.5%的面积为山地和丘陵；截至2017年底，贵州省的森林覆盖率为 55.3%，营造林面积为67万hm2[14]. 贵州省植被的空间特征呈现明显的过渡性，从而使各种植被类型在地理分布上相互重叠、错综，各种植被类型组合变得复杂多样. 贵州省这种特殊的地质地貌类型和气侯特征影响了土壤的发育和分布，形成独特的喀斯特地貌；贵州省除黔东南苗族侗族自治州外，其他州市的地貌类型均为喀斯特地貌类型，土层浅薄、水土流失严重，植被区域分异性明显，生态基础十分脆弱，损坏后难以恢复[15].

图1 贵州省行政区划示意图

2 数据来源与研究方法

2.1 数据来源

数据来源于美国NASA的MODIS植被指数产品数据MOD13A1(https:∥www.nasa.gov/). 数据空间分辨率为500 m，时间分辨率为16 d，时间范围为2001年1月—2018年12月. 利用MRT软件进行格式转换和投影转换，采用最大值合成法(MVC)获得18年逐月NDVI数据，去除云、大气和太阳高度角等产生的影响. 2001—2018年的气象资料来源于中国气象科学数据共享服务网(http:∥data.cma.cn/)，选用研究区域内31个国家气象站点的气象数据(降雨量、气温)，统计为月数据并利用克里金插值法生成降雨量、月均温栅格数据. 2017年的土地覆盖数据来源于清华大学地球系统科学系(http:∥data.ess.tsinghua.edu.cn)，2010年的土地覆盖数据来源于全国地理信息资源目录服务系统(http:∥www.webmap.cn/mapDataAction.do?method=globalLandCover)，分辨率均为30 m. 本文根据需要将土地覆盖类型进行统一整理，将研究区划分为耕地、林地、水体、草地和建设用地5类.

2.2 研究方法

2.2.1 最大值合成法采用国际通用的最大值合成法(Max Value Composites，MVC)[16-17]生成当月的NDVI值. 该处理可以消除云、大气以及太阳高度角等的部分影响. 在本研究中，以16 d的NDVI数据为基础，采用最大值合成法获取月最大NDVI值：将每月2幅的NDVI图像通过波段运算实现最大值合成，以2幅图像中每一个像元的最大值代表该月的NDVI值. 计算公式为：

MNDVIi=max(NDVI′i,NDVI″i)，

其中:MNDVIi为第i月的最大NDVI值;NDVI′i、NDVI″i分别为第i月的上半月、下半月的NDVI值.

2.2.2 植被降水利用效率为消除降雨量突变对植被覆盖面积的影响，以植被降水利用效率(Precipitation-Use Efficiency,PUE)为评价指标. 植被降水利用效率[18]是评价干旱与半干旱地区土地退化的有力工具，计算公式如下:

其中：p为年降雨量，Pn为年净初级生成力. DYMOND等[19]指出:干旱、半干旱地区生态系统的NPP与归一化植被指数(NDVI)呈显著的线性相关关系. 在利用遥感影像数据研究这些地区PUE的空间变异特征时，可采用生长季(4—11月)的NDVI累积值作为NPP的代用指标[20]. 对应时段的降雨量为气象站点数据空间插值所得.

2.2.3 一元回归趋势分析一元回归趋势分析是对一组随时间变化的变量进行回归分析的方法，预测其未来变化趋势[21]. 计算公式如下

其中：n为总年数；NDVIi为第i年的NDVI均值；φslope为趋势线的斜率. 根据文献[22]，以趋势线的斜率来确定NDVI的变化趋势(表1).

表1 NDVI变化趋势表Table 1 The table of NDVI variation

2.2.4 相关性分析采用Pearson相关分析法[23]，对贵州省2001—2018年的NDVI与降雨量、气温空间插值数据进行逐像元相关性分析，研究植被生长对气象要素(降雨量、气温)的敏感性. 其计算公式为：

3 结果分析

3.1 植被覆盖面积的时空特征

3.1.1 植被覆盖面积变化的时间特征由贵州省2001—2018年逐年的NDVI均值(图2A)可知：(1)2001—2018年，贵州省的总体植被覆盖面积呈增加趋势，生态环境得到明显改善[24]. (2)贵州省的NDVI均值在0.77～0.84之间波动，其中2001—2009年的NDVI均值波动较大，不存在明显的趋势特征. (3)贵州省的NDVI均值每年增加0.003 3；自2013年以来，贵州省的NDVI均值呈现快速增长的趋势，即贵州省的整体植被生长状况好转，2016年的NDVI均值最大(0.84).

为更详细研究贵州省的植被覆盖面积变化情况，分别统计9个行政区划单位2001—2018年逐年的NDVI均值. 为表述简洁，将3个自治州(黔东南苗族侗族自治州、黔南布依族苗族自治州、黔西南布依族苗族自治州)简写为黔东南、黔南、黔西南. 由(图2B、C、D)可知：(1)各行政区划单元的植被覆盖面积均呈增加趋势. 毕节、六盘水市的增加趋势最显著，这与文献[24]的研究结果一致；毕节、六盘水市的NDVI均值分别以每年0.004 6和0.004 2的速度增加；黔东南地区的增加趋势最缓慢，造成黔东南地区的NDVI均值变化趋势缓慢的原因为黔东南地区属于非喀斯特地区，植被覆盖良好. (2)2012—2015年，安顺、贵阳、遵义、铜仁市的NDVI均值呈现明显的先减后增的趋势，表明这些地区在2012—2015年的植被生长状况是先变差后逐渐改善，发生这种状况可能与当年的降雨量及气温有关.

图2 贵州省整体及各行政区划单位逐年的NDVI均值变化(2001—2018年)

3.1.2 植被覆盖面积变化的空间特征利用最大值合成法得到2001—2018年逐年的最大NDVI值，得到贵州省18年的NDVI均值的空间分布图(图3). 由图可知：(1)贵州省18年的NDVI均值的空间分布特征呈现为喀斯特地区明显高于非喀斯特地区. (2)贵州省18年的NDVI均值呈东高西低的分布特征. 造成贵州省西部18年的NDVI均值较低的原因为:毕节市及六盘水市的海拔较高，地形以高原山地为主，喀斯特地区石漠化较为严重，植被覆盖较为稀少[25]. 黔东南地区属于非喀斯特地区，海拔低，植被以林地及农作物为主，因此，黔东南地区18年的NDVI均值明显高于贵州省其他行政区划单位.

图3 贵州省逐年的NDVI均值的空间分布(2001—2018年)

以5年为周期，分别探究2001、2005、2010、2015、2018年的NDVI值与18年NDVI均值的变化情况，用NDVI距平值[16]来表示,即贵州省2001、2005、2010、2015、2018年的NDVI值与18年NDVI均值的差值. 由图4可知：(1)与多年平均的植被生长状况相比，2001年，毕节市及安顺市的植被生长状况呈退化状态，贵阳市及遵义市的植被生长状况有所提升. (2)2005年，植被生长状况呈退化状态的地区主要分布在贵州省西部地区，东部地区的植被生长状况有明显改善，铜仁市较为显著. 铜仁市的NDVI值高于全省18年的NDVI均值，究其原因为2005年6月下旬至8月中旬，贵州省中部、北部及东部地区严重伏旱. (3)2010年，贵州省的植被生长状况整体呈退化趋势，仅有少部分地区的NDVI值大于全省18年NDVI均值；根据贵州省历年灾情记录，2010年贵州省发生特大夏、秋、冬、春连旱，西部和南部地区最为严重[26]，因此植被生长状况呈退化趋势. (4)2015年，贵阳市及安顺市的植被生长状况呈明显退化，遵义市及铜仁市的植被生长状况明显改善，遵义市及铜仁市的NDVI值高于全省18年NDVI均值. (5)2018年，全省植被生长状况改善最显著的地区为毕节市，全省的年NDVI距平值的空间分布特征为西高东低，与吴跃等[27]的研究成果一致.

3.2 植被覆盖面积变化趋势及植被降水利用效率

3.2.1 植被覆盖面积变化趋势利用一元回归趋势分析，反映2001—2018年贵州省NDVI值的变化趋势. 由表2及图5可知：(1)贵州省的植被覆盖改善区域的面积远大于植被覆盖退化区域的面积，且贵州省喀斯特地区的植被覆盖退化程度高于非喀斯特地区，西部地区退化程度高于东部地区. (2)植被总体改善区域、基本保持不变的区域、植被覆盖退化区域分别占植被覆盖总面积的85.8%、8.94%、5.19%. (3)毕节市的植被覆盖改善最显著，明显改善面积占全省改善面积的51.89%；其次为黔西南地区. (4)植被覆盖明显退化地区分布于遵义市南部、贵阳市与安顺市等主城区附近，与贵州省城镇化面积不断扩张这一事实相符[28].

植被覆盖面积保持基本稳定的区域为黔东南地区(非喀斯特地区)，究其原因为：黔东南地区海拔低、森林覆盖率高和水土保持良好. 由文献[29]可知：截止2018年，黔东南地区的森林覆盖率为67.67%，位居全省第一；铜仁市、黔南、遵义市、六盘水市、黔西南、安顺市、毕节市、贵阳市的森林覆盖率分别为 65.19%、64.66%、60.48%、59.72%、58.71%、56.73%、54.19%、52.16%.

3.2.2 植被降水利用效率植被覆盖面积变化受多种因素的综合影响，NDVI值的变化趋势不能完全作为判断一个地区植被覆盖改善或退化的依据. 因此，本文参考文献[18]引入植被降水利用效率(PUE)作为植被覆盖面积变化趋势研究的指标，利用ArcGIS软件得到2001—2018年贵州省在植被生长季的植被降水利用效率的变化趋势(图6). 由图可知：贵州省的PUE整体呈增加趋势，总体空间分布特征呈北高南低的状态，增加趋势较为显著的区域主要分布于毕节市和遵义市. 究其原因为:退耕还林、“两江”防护林体系建设、长江经济带生态修复治理、植被恢复费造林等重点生态修复工程、石漠化治理等取得了显著成效，使得毕节市及遵义市的生态植被得到良好改善[30].

图4 贵州省的年NDVI距平值(2001—2018年)

表2 贵州省NDVI变化趋势面积统计(2001—2018年)Table 2 The area statistics of NDVI variation in Guizhou Province from 2001 to 2018 km2

图5 贵州省逐年的NDVI均值变化趋势(2001—2018年)

图6 贵州省在植被生长季的植被降水利用效率的变化趋势(2001—2018年)

利用ArcGIS软件将NDVI变化趋势值与PUE相乘，若两者相乘所得值为正，则说明研究区的NDVI变化趋势与PUE的变化趋势相同;否则，说明两者变化趋势不同[18]. 结合图7及吴林霖等[31]的研究可知贵州省NDVI及PUE的变化趋势相异区分布于全省各行政区划单位，与贵州省的石漠化、水土流失地区的空间分布基本一致. 由此可知贵州省大部分地区的NDVI与PUE的变化趋势相异的主要原因是：石漠化和水土流失严重，使植被的生长受到影响.

图7 贵州省的NDVI与植被降水利用效率的变化趋势异同区(2001—2018年)

3.3 植被覆盖面积变化影响因素分析

3.3.1 气候变化对植被覆盖面积变化的影响影响区域植被变化的主要气象因素为降雨量与气温，植被在不同时期对降雨量、气温的敏感性不同. 为反映气候变化对植被变化的影响规律，对贵州省2001—2018年的NDVI与不同时期的气温、降雨量做相关性分析. 由分析结果(表3)可知：(1)NDVI与月均气温的相关性较强，相关系数达0.682，而 NDVI与降雨量的相关性未达到显著，表明气温对植被的生长影响更大. 同理，在植被生长季(4—11月)，气温变化对植被的影响大于降雨量的影响,这与张蓓蓓等[12]的研究结果一致. (2)在3、4月份，气温、降雨量与NDVI均呈正相关，表明随着气温、降雨量的增加，春季植被的长势逐渐变好.

表3 贵州省的NDVI与气温、降雨量的相关系数(2001—2018年)Table 3 The correlation coefficient of NDVI, temperature and precipitation in Guizhou Province from 2001 to 2018

为了揭示植被生长对气象要素(降雨量、气温)的响应规律，以同期及前1、2、3个月为时间尺度，研究气温、降雨量与NDVI的相关性. 由结果(图8)可知：(1)贵州省的NDVI与前1、2、3个月的降雨量的相关系数(R2)高于当月NDVI与降雨量的相关系数，表明植被生长变化对降雨量变化存在明显滞后效应，分析可得植被生长变化对降雨量变化的滞后期为1个月. (2)贵州省NDVI与同期气温显著相关；除10、11月的NDVI与前2个月气温的相关系数高于当月NDVI与气温的相关系数，其他月的NDVI对气温的滞后效应不明显. 综上所述，贵州省的植被生长变化对降雨量变化的时间滞后期为1个月，植被生长变化对气温变化不存在明显滞后性，可见植被生长变化对气温的敏感性高于降雨量.

图8 贵州省的NDVI与同期及前1、2、3个月降雨量和月均温的相关系数(2001—2018年)

为进一步研究在植被生长季(4—10月)中植被对气象要素(降雨量、气温)的空间响应规律，逐像元研究NDVI与同期降雨量、气温变化的相关性. 依据前人研究[12]，将NDVI与气象要素(降雨量、气温)的相关性划分为4类：显著负相关(R2≤-0.5;P<0.05)、负相关(-0.5

3.3.2 土地覆盖类型变化对植被覆盖面积变化的影响为研究不同土地覆盖类型与NDVI之间的定量关系，利用2010年及2017年2期土地覆盖数据，分析贵州省5种土地覆盖类型(耕地、林地、草地、水体、建议用地)的面积及空间分布格局的变化情况. 由表4及图10可知：2010—2017年，贵州省有73 229.83 km2的土地面积发生相互转化，其中：76.5%的草地转换为其他土地覆盖类型，主要分布于黔西南及毕节市；64.6%的林地转换为其他土地覆盖类型，主要分布于黔东南、铜仁市东南部地区及遵义市西北部.

图9 贵州省在植被生长季中NDVI与同期降雨量、气温的相关性空间分布图(2001—2018年)

表4 贵州省2010—2017年土地覆盖面积转移矩阵Table 4 The transfer matrix of land cover area in Guizhou Province from 2010 to 2017 km2

图10 贵州省的土地覆盖类型转移空间分布(2010—2017年)

由文献[22]可知贵州省的NDVI值分布具有规律性：在植被生长季(4—11月)，农业区的NDVI值大于草地覆盖区的，林地区的NDVI值最高；非喀斯特区的NDVI值大于喀斯特区的；降雨量高的地区的NDVI值大于降雨量低的地区的；东部地区的NDVI值大于西部地区的. 本文参考文献[22],将NDVI值划分为5个区间(S1：NDVI<0.1、S2：0.1≤NDVI<0.2、S3：0.2≤NDVI<0.4、S4：0.4≤NDVI<0.6、S5：NDVI≥0.6)，并统计不同土地覆盖类型在每个区间的面积. 由表5、表6可知：(1)由于耕地作物的多样性引起的作物特性与季相的不同[3]，使得耕地区的NDVI值横跨区间S1至S4. 其中：2010年，51.8%的耕地区的NDVI值介于0.2～0.4之间；2017年，69.7%的耕地区的NDVI值介于0.4～0.6之间. (2)由于不同树种在同一时期的生长状况是不同的，所以，种植不同树种的林地区的NDVI值也存在差别. 2017年，从S1到S5都有林地分布，总体看来林地分布于S4 (0.4≤NDVI<0.6)；2010年，80.8%的林地区的NDVI值介于0.4～0.6之间；2017年，93.8%的林地区的NDVI值介于0.4～0.6之间. (3)草地状况的差异性较大，从S1到S5均有草地的分布. 2010、2017年的草地多集中在S4，分别占61.2%、74.0%. (4)贵州省独特的地形地貌，导致建设用地分布较为分散，由于建设用地周围通常是NDVI值较高的耕地及绿化植被的影响，因此，建设用地的NDVI值较高且主要集中于S3，且2010、2017年分别占66.7%、58.7%.