基于GIS的滁州市NDVI时空动态变化分析

李俊杰 冯婧娟 彭俊

摘 要：根据中国科学院地理科学与资源研究中心提供的年度植被指数（NDVI）空间分布数据集，采用莫兰指数、高/低聚类、聚类和异常值和热点分析等方法，对滁州市1999-2018年的NDVI时空动态变化进行分析。结果表明，滁州市呈现低值NDVI区域聚类模式，主要分布在女山湖风景区、琅琊山风景区和高邮湖风景区，并且低值地区相连，区域之间具有明显的相关性（即在空间位置上表现为相邻）;滁州市低值NDVI聚类趋势由女山湖风景区的单一聚类，逐渐演变为三个风景区的聚类，并对区域性经济体的形成起着至关重要的促进作用。

关键词：滁州市;GIS;NDVI;时空动态

中图分类号：Q948  文献标识码：A  文章编号：1673-260X（2021）06-0053-04

引言

植被是土壤、大气和水之间的天然纽带，具有明显的季节变化和年际变化特征，在一定程度上代表土地覆盖的内容，通常会因为气候变化、降水变化和经济政策等发生改变。在植被评价中常用NDVI来描述植被的生长状态、植被覆盖度等内容。国内许多学者对NDVI在不同尺度上的变化趋势进行研究[1-5]。王海军利用GIS、RS对中国西北地区NDVI时空变化特征及其区域气候变化进行分析，探讨了气温和降水的回归性、滞后性以及两者对NDVI的综合作用[6];毕晓丽等利用NDVI起伏型时间序列模型，对中国NDVI时间序列动态变化进行分析[7]，NDVI动态变化主要受环境因子、植被类型、土地利用、覆盖变化等影响。国外许多学者在研究植被动态变化趋势时，通常分析NDVI对气候、降水变化的响应程度和滞后性[8-10]。Bounoua等通过NDVI的变化特征得出植被密度的增加可以部分补偿温室效应的平行增加。植被状态的变化会影响降水分布的低频模式，并可能降低其在热带地区的低频变异性，在北纬地区则可能增加其低频变异性[11]。Bounoua等利用小波分析提供了区域尺度上植被动态的相关信息，如NDVI的平均值和最小值、物候周期的振幅、NDVI最大值出现的时间和土地覆盖变化，后者与降水数据相结合，用于解释观测到的土地覆盖变化，并确定与土地退化有关的细微变化[12]。

20年前，滁州市只是一个默默无闻的小城，20年后成功迈入了全国文明城市的行列，短短20年间滁州市生态文明建设取得了重大突破，未来的发展将会蒸蒸日上。本文基于年度植被指数空间分布数据集，利用RS解译和GIS空间分析方法，研究滁州市1999-2008年NDVI的时空动态变化，探究植被系数发生变化的原因，分析其未来的发展趋势，研究成果可为地方政府和管理人员提供解决方案和参考，为区域经济发展及生态环境保护和修复工作提供新的思路。

1 研究区域概况

滁州市位于安徽省东部，长江以北，东南连接“长三角”，习惯上称“皖东”。辖凤阳县、定远县、明光市、天长市、来安县、全椒县、琅琊区、南谯区，全市土地总面积1.35万平方公里。基本上处于江苏省南京市、安徽省合肥市及蚌埠市构成的三角区域内，是南京都市圈核心伙伴城市。周边临近江苏省扬州市、淮安市、宿迁市及本省淮南市等。市域襟江带淮，南望长江，北流淮河，山水相间。

2 数据来源和研究方法

2.1 數据来源

通过中国科学院资源环境科学数据中心下载获取1999-2018年的年度植被指数（NDVI）空间分布数据集。在全国地区地级市边界，截取滁州市地级市边界矢量数据，导入个人地理数据库中。

2.2 研究方法

2.2.1 NDVI矢量数据采集

利用ArcGIS中的栅格数据掩膜提取功能，以滁州市矢量数据为边界，分别从全国NDVI栅格数据中提取1999-2018年的滁州市NDVI栅格数据集，将NDVI栅格数据进行重分类，将重分类的滁州市NDVI数据转成面，得到滁州市NDVI矢量数据。

对滁州市NDVI矢量数据属性中的符号系统进行色彩分级，输入值NDVI_VALUE，采用自然断点法，将其NDVI分为五类，最低值为0，最大值为0.92（不采用负值，因为负值往往是遥感图像受到云、雪等因素影响生成的，一般接近零的值以岩石和裸土为主，对生态评价参考价值不大）。

2.2.2 数据处理方法

（1）莫兰指数（Morans I） 莫兰指数是衡量空间自相关程度的一个综合性评价，用来评价数据在全局成聚集或离散的随机分布程度，通常分布区间为[-1，1]。[0，1]为各地理实体之间存在正相关性，[-1，0]为各地理实体之间存在负相关性，0表示无相关。该指数会产生P值和Z值，通常Z只要大于规定临界值2.58或者-2.58，随机产生此聚类或离散模式的可能性小于1%，若同时P为0，则可以拒绝零假设。如果拒绝零假设，可判断空间分布上为聚类或离散。

（2）高/低聚类分析（Getis-Ord General G） General G是用来衡量高/低值聚类程度的综合性评价，通常分布区间为[0，1]。该方法会产生P值和Z值，通常Z只要大于规定临界值2.58或者-2.58，随机产生此聚类模式的可能性小于1%，若P值较小且在统计学上显著，则可以拒绝零假设。如果零假设被拒绝，Z值为正数，则观测的General G指数会比期望的General G指数要小，表明属性的低值在研究区域中聚类。

（3）聚类和异常值分析（Anselin local Morans I） 聚类和异常值分析可识别具有拥挤显著性的热、冷点和空间异常值，使用局部莫兰指数统计量，对加权要素进行分析。正值表示要素具有包含同样高或同样低的属性值的邻近要素，该要素是聚类的一部分负值I表示要素具有包含不同值的邻近要素，该要素是异常值。

（4）冷热点分析（Getis-ord Gi*） 热点分析是通过某个要素及其相邻要素的局部总和将与所有要素的总和进行比较。当局部总和与所预期的局部总和有很大差异，以至于无法成为随机产生的结果时，会产生一个具有显著统计学意义的Z值。若Z为负值，表示冷点区域;Z为正值，表示热点区域。

3 滁州市NDVI的时空动态变化

3.1 NDVI时空变化特征

通过莫兰指数分析，初步判断1999-2018年滁州市NDVI的动态分布趋势（即在空间分布上呈现离散或聚集），获得的Moran I指数动态变化如表1所示。Z值在10.7-21.0之间，平均值为15.1，远大于规定的临界值，随机产生此聚类的模式可能性小于1%。莫兰指数分布在0.21-0.60之间，平均值为0.42，处于[0，1]之间，且有逐渐减小的趋势，表明滁州市的NDVI呈现聚集的动态变化趋势。

高/低值聚类分析获得的高/低聚类动态变化如表2所示。Z值的分布区间在-1.82至-11.43之间，平均值为-6.83，远小于规定临界值，此结果随机产生低聚类模式的可能性小于1%。同时高/低值的General G均值为0.000005，说明滁州市NDVI低值数据的集聚趋势明显。

输出滁州市NDVI聚类和异常值分布图，将图形属性分为没有明显聚集、高值与高值集聚、高值包围低值分布、低值包圍高值分布、低值和低值集聚五大类，通过类别分布来研究区域之间的空间相关性。可以清楚地发现，低值和低值地区相连，区域之间具有明显的相关性，在空间位置上表现为相邻。

1999-2018年滁州市NDVI低值与低值集聚现象趋于稳定，主要分布于琅琊区，明光市北部和天长市东部，说明这三个地区处于低植被覆盖地区，土地利用率较高，自然环境相对较差。其原因可能是这三个地区分别为琅琊山风景区、女山湖风景区和高邮湖风景区。从21世纪初开始，滁州市旅游业成为一种综合性产业，是拉动经济发展的重要动力。加快发展旅游业，是深化供给侧结构性改革、培育经济增长新动能的重要引擎，是促进产业扶贫脱贫、提高人民群众生活品质的重要途径，是扩大对外开放、提升地区形象的重要举措。滁州市旅游业在2000年收入5.59亿元，占国民经济总产值254.9亿元的2.19%，至2018年收入240.9亿元，占国民经济总产值1801.7亿元的13.37%。旅游业呈现欣欣向荣的发展趋势，经济得到迅速发展，也导致三个风景区自身及周边地区植被被用于旅游开发，土地利用率升高。

2006年明光市首次出现高值包围低值区域，其原因可能是明光市女山湖森林覆盖率较低，森林质量不高，多为人工林，且受松材线虫的侵害，生态系统多样性受到严重威胁。“十一五”期间，明光市为加强自然保护区管理与建设，对现有的自然保护区保护绩效进行动态管理，强化自然保护区监管能力，提高自然保护区管理水平，根据省、市《自然保护区发展规划》，继续开展自然保护区建设，提高自然保护区覆盖率。科学确定旅游区的游客容量，合理设计旅游线路，使旅游基础设施建设与生态环境的承载力相适应。在2014年，明光市、来安县、琅琊区和天长市出现了大量高值包围低值地区，其原因可能是在“十二五”期间，滁州市制定了《滁州市国民经济和社会发展第十二个五年规划纲要》，根据区域资源环境承载能力、发展基础与潜力，立足科学发展，合理划分重点开发、限制开发和禁止开发的主体功能区。限制开发区域为森林资源密集地区、江河水系源头地区、生态环境脆弱地区等，主要包括凤阳山、岱山、老嘉山、练子山、皇甫山、琅琊山、孤山和黄栗树等生态绿核区。其任务是强化生态保护与整治，引导人口向重点开发区和优化开发区转移，选择条件好的中心镇进行集约开发，促使了高值包围低值区域的形成。

3.2 NDVI时空变化趋势

通过冷热点分析，探究NDVI低值聚类空间分布特征的相关性对滁州市各区域产生的影响，获得1999-2018年的冷热点分布特征，以更加直观地反映出区域之间的相关性。分布特征表明滁州市冷点聚类趋势显著。

1999-2010年冷点在女山湖风景区及附近旅游业相关产业链聚类，其原因可能是明光市位于江淮分水岭之上，处于南京、合肥、徐州三大都市圈中心地带，是中西部和长三角交汇处，是开发皖江承接产业转移的良好示范基地。2000年以来，明光市为打造吸引东部魅力后花园，加快女山地质公园景区建设，促进其不断升级。全力打造女山休闲度假旅游区，营造女山水域景观、山岳景观、地质景观、文化遗存和民俗风睛，使其成为长三角区域中融生态、休闲、度假、科普于一体的旅游胜地，加快争创4A级旅游景区的步伐。女山湖景区在加强自身建设和管理的同时，也在积极对外招商引资，促使女山湖风景区及周边产业链经济的发展，土地利用率得到提高，女山湖景区及周边呈现低值NDVI聚类分布趋势。

2011年冷点聚类开始分布于女山湖景区、琅琊山景区和高邮湖景区，并且在2014-2015年冷点区域达到最大化。可能原因是女山湖景区经济迅速发展，为其他两个景区提供了借鉴作用。“十二五”期间，滁州市旅游业总体呈现提质增效、持续向好的发展态势。旅游产业规模不断壮大，综合实力大幅提升，从政策机制等方面提出旅游业的发展方向和措施，改革创新不断突破;重点景区和城镇的公共基础设施建设进一步加强，旅游标识系统、旅游公厕、旅游资讯等公共服务建设取得实质性进展，基础设施显著改善;“醉美滁州、亭好滁州”的品牌形象深入人心，红色产品、绿色产品、蓝色产品、古色产品、文旅产品等拥有一定知名度，品牌效应不断提升，品牌形象日益彰显。使得三个风景区旅游业发展迅速，其风景区周边产业链得到巩固和发展，土地利用率较高，经济发展迅速。

2016年起，冷点区域又开始减少，恢复到三个风景区聚类模式。原因可能是“十三五”期间，滁州市环境保护工作紧紧围绕“十三五”环保规划这个总纲，严格环境准入，深入开展污染治理，突出做好重点行业环境监管，强化环境风险及环境应急管理，加强环境保护能力建设。对定远吴圩镇、明光女山湖、天长永丰镇等6个乡镇和凤阳小岗村、南谯二郎村等9个村庄实施“乡镇环境连片整治”和“问题村”治理，开展对78个建制村农村环境综合整治，集中打造一批生态创建示范点。出台《滁州市生态强市建设行动计划》，全椒县成功创建全市第一个省级生态县，天长市永丰镇、来安县舜山镇率先成功创建国家级生态镇。目前，全市省级生态县1个，国家级生态乡镇2个，省级生态乡镇40个，生态村81个，市级生态乡镇44个，生态村202个。滁州市在“十三五”期间，对各个市县农村进行生态改造，植被得到了恢复，使得低值NDVI开始逐渐减少。

4 結论与展望

（1）加强对低值NDVI的区域环境保护，做到可持续性发展。1999-2018年滁州市NDVI始终为低值NDVI区域聚类模式，未来很可能继续保持低值NDVI聚类的趋势。因此，在土地合理开发利用的同时，要进行自然植被的保护和修复工作，真正做到“绿水青山就是金山银山”。

（2）发展低值NDVI区域经济体，带动区域性经济发展。滁州市低值NDVI聚类主要分布于女山湖风景区、琅琊山风景区和高邮湖风景区。近年来，滁州市入选全国文明城市，旅游业得到了迅速发展，还形成了南京、合肥、徐州三大都市圈中心地带的商业圈，低值地区已经发挥带动作用，促使区域经济的发展。

（3）政府以低值NDVI景区为鉴，总结经验教训。1999-2018年滁州市低值NDVI聚类趋势由女山湖景区单一聚类，慢慢演成了三个景区聚类，在未来很可能会有更多景区加入聚类模式。政府可以出台相关政策，宏观调控经济的发展，通过三大风景区的发展现状和规划，为其他风景区提供宝贵的经验，做到统筹兼顾，合理性的发展。

参考文献：

〔1〕陈安安，孙林，胡北，罗隆诚，王俊.近10a黄土高原地区NDVI变化及其对水热因子响应分析[J].水土保持通报，2011，6（05）：219-223.

〔2〕来风兵，张展赫，陈蜀江，陈孟禹.塔克拉玛干西部别里库姆沙漠NDVI时空变化特征[J].水土保持通报，2016，6（02）：243-248.

〔3〕李双成，刘逢媛，戴尔阜，吴绍洪.NDVI与气候因子耦合关系及其地域差异的定量递归分析—以云南省纵向岭谷区为例[J].北京大学学报，2008，6（03）：155-161.

〔4〕江东，王乃斌，杨小唤，刘红辉.NDVI曲线与农作物长势的时序互动规律[J].生态学报，2002，22（02）：247-252.

〔5〕甘淑，何大明，袁希平.NDVI在澜沧江流域山区林地覆盖遥感监测中的应用研究[J].林业科学，2001，37（04）：134-136.

〔6〕王海军，张勃.基于GIS与RS的中国西北地区NDVI时空变化特征及其对区域气候变化的响应[D].兰州：西北师范大学，2010.

〔7〕毕晓丽，覃德华，葛剑平.NDVI起伏型时间序列模型初探[J].应用与环境生物学报，2004，10（04）：399-401.

〔8〕K， Ichii， A， et al. Global correlation analysis for NDVI and climatic variables and NDVI trends： 1982-1990[J]. International Journal of Remote Sensing， 2002.

〔9〕Lu H Raupach M R， Mcvicar T R， et al. Decomposition of vegetation cover into woody and herbaceous components using AVHRR NDVI time series[J]. Remote Sensing of Environment， 2003， 86（01）：1-18.

〔10〕Consoli S， Cirelli G L， Toscano A. Monitoring crop coefficient of orange orchards using energy balance and the remote sensed NDVI[J]. Proceedings of SPIE - The International Society for Optical Engineering， 2006， 24（01）： 63590V-63590V-11.

〔11〕Beatriz Martínez， María Amparo Gilabert. Vegetation dynamics from NDVI time series analysis using the wavelet transform[J]. Remote Sensing of Environment， 2009， 113（09）： 1823-1842.

〔12〕Bounoua L， Collatz G J， Los S O， et al. Sensitivity of Climate to Changes in NDVI[J]. Journal of Climate， 2000， 13（13）： 2277-2292.3.