2001～2020年嘉陵江流域植被覆盖度时空变化特征

胡孟珂 于欢 孔博 熊梓璇 徐涛

摘要：植被覆盖度是反映一个地区生态系统健康程度的重要指标，掌握植被覆盖度变化特征有助于了解地区生态环境演变，对于指导地区可持续发展具有重要意义。基于MODIS-NDVI数据，应用像元二分模型进行植被覆盖度提取，采用一元线性回归分析、稳定性分析和GIS空间分析等方法分析了2001～2020年嘉陵江流域植被覆盖度时空变化特征。结果表明：① 2001～2020年嘉陵江流域的植被覆盖度总体上呈现上升趋势，植被覆盖率较好，位于0.70～0.81之间。② 流域内38.05%的区域植被保持稳定不变，呈现改善状态的区域占44.69%，主要为东南部低海拔地区和陇南地区，呈现退化的区域占17.26%，主要为高海拔地区和城市周边区域。流域内植被稳定性大部分为弱变异，中等变异区与河流相关性较高，强变异区分布于城市地区和高山雪线附近。③ 在500～1 000 m海拔范围内，植被改善比例达到最大，在3 000～4 000 m海拔范围内，植被的退化比例最大。植被改善主要的坡度范围为0°～18°，但在0°～5°范围内植被退化的比例较大。随着坡度的不断升高，植被的退化比例逐渐升高，改善比例逐渐下降。植被覆盖度变化的坡向差异不大，各个坡向基本一致，以稳定和改善为主。④ 矿产开发、城市扩张、农业种植等人类活动是导致植被破坏的重要原因。研究表明，近20 a来嘉陵江流域生态环境逐渐向着良性的方向发展。研究成果可帮助相关部门构建嘉陵江流域生态保护屏障，为流域生态环境综合监测和治理提供科学依据。

关 键 词：植被覆盖度; 时空变化; NDVI; 像元二分模型; 嘉陵江流域

中图法分类号： Q948   文献标志码： A

DOI：10.16232/j.cnki.1001-4179.2022.01.013

0 引 言

植被覆盖度（Fractional Vegetation Cover，FVC）指植被在地面的垂直投影面积占统计区总面积的比例[1-3]。环境变化、人类活动、自然灾害等因素都会引起植被覆盖度的变化。植被覆盖度在反映地区表面植被群落生长趋势，评价地区生态环境健康程度，及指示地区生态环境系统变化中具有十分重要的意义[4]。因此研究一个区域的植被覆盖度变化特征有利于掌握一个区域的水文、生态、环境变化等情况[5-6]。

归一化植被指数[7-8]（Normalized Difference Vegetation Index，NDVI）是反映植被长势和营养信息的重要参数之一，且与植被覆盖度有高度相关性。目前，国内外应用广泛、技术成熟的提取植被覆盖度的模型是像元二分模型，它是一种基于NDVI对植被覆盖度进行提取的模型，研究表明像元二分模型提取植被覆盖度可靠性较高[3-6]。王磊等利用多年遥感数据分析了南充市辖区近15 a植被覆盖度变化特征[3]。邓晨晖等在秦岭植被覆盖度时空变化的研究中得出秦岭地区植被变化是气候变化和人类活动共同作用的结果，但其中人类活动的影响最大[4]。许玉凤等基于2000～2014年NDVI时间序列数据集，应用像元二分模型，研究了15 a来贵州省高原植被覆盖度时空变化特征[9]。刘洪鹄等利用线性相关分析方法分析了1981～2006年嘉陵江流域植被覆盖度时空变化[10]。俱战省等利用Landsat遥感数据研究了1987～2015年嘉陵江源区植被覆盖度时空变化特征，研究表明研究区植被改善面积多于退化面积，矿产资源的开采对于植被的影响较大[11]。杨瑞瑞等基于NDVI数据集，采用相关性分析、趋势分析和滞后性分析方法分析了若尔盖地区植被覆盖度与气候因子的相关关系[12]。吴志杰等以Landsat8 OLI为遥感数据源，評价了植被覆盖度对地形因子的响应[13]。彭飞等在研究呼伦贝尔草原植被覆盖度时空变化特征时应用了异常变化点检测算法，结合气象数据，深入研讨了气象因子与植被覆盖度变化之间的关系[14]。张亮等在对长江流域植被覆盖度变化进行研究后发现，整个长江流域植被覆盖度都呈现出上升趋势，气温是所有因素中的主导因素[15]。1999年退耕还林工程率先在川、陕、甘三省试点，嘉陵江流域地处三省交界处，但有关嘉陵江流域近20 a来植被变化趋势的研究却很少。有些研究针对的是嘉陵江部分区域，研究范围太小，不足以反映整个流域的情况;另一些研究因时段较短（退耕还林工程实施以来），也不足以反映长期的变化情况。

本文以整个嘉陵江流域为研究区，利用像元二分模型，结合MODIS遥感影像数据对嘉陵江流域的植被覆盖度进行估算;并应用趋势分析法、稳定性分析法、GIS空间分析技术等，分析了2001～2020年植被覆盖度时空变化特征及其对地形因子的响应，以为流域生态环境综合监测和治理提供科学依据。

1 研究区概况

嘉陵江发源于秦岭，因流经陕西嘉陵谷而得名，向西南流经陕西、甘肃、四川省和重庆市，于重庆市朝天门汇入长江。其流域面积约16万km2，是长江支流中流域面积最大，流量第二的大河。发源地到广元市昭化区以上为上游，昭化区到重庆市合川区为中游，合川区至重庆市朝天门河口为下游，河流的绝大部分流经四川盆地东北部。本文选取嘉陵江流域为研究区（见图1），研究区为亚热带季风气候，降水量年际变化大，气候较为湿润。流域内地貌类型较多，在上游段，河流主要在山地地形中穿行，属于山区河流。在中游段，河道逐渐开阔，地形条件也变为盆地和丘陵。在下游段，河流流经四川盆地东部平行岭谷区，形成峡谷河流。

2 数据来源和研究方法

2.1 数据来源

遥感数据来源于美国国家航空航天局（NASA）提供的2001～2020年MOD13Q1级栅格化的NDVI数据产品（https：∥ladsweb.modaps.eosdis.nasa.gov），时间分辨率为16 d，空间分辨率为250 m。覆盖研究区的是三景影像数据，即h26v05，h27v05，h27v06。采用MODIS官网网站提供的MODIS Reprojection Tool（MRT）完成对原始影像的拼接和重投影等处理。为最大程度消除云、雾、大气和非生长季的影响，选取植物生长最为旺盛的生长季（6～9月）作为研究时段，采用最大值合成法（MVC）合成生长季每月最大NDVI数据集，再将这4个月的数据进行合成平均得到年度NDVI数据集。在合成前，先筛选出质量较差的月份，再选择相邻年份相同月份质量较好的数据，计算得到平均值以代替该年质量较差月份的数据参与年NDVI平均值的计算。

DEM数据来源于地理空间数据云（http：∥www.gscloud.cn/）的90 m空间分辨率的SRTMDEMUTM数据，经拼接、投影、重采样后得到空间分辨率为250 m的数据，与处理后的NDVI数据空间分辨率保持一致。嘉陵江流域矢量范围来源于中国科学院资源环境科学数据中心（http：∥www.resdc.cn/）。

2.2 研究方法

2.2.1 植被覆蓋度估算

2.2.5 植被覆盖度等级划分

为更加直观地展现近20 a来嘉陵江流域植被覆盖度变化情况，对历年植被覆盖度进行等比例阈值划分，将植被覆盖度等级划分为5级，具体划分情况为：极低植被覆盖（0≤FVC<0.2）;低植被覆盖（0.2≤FVC<0.4）;中等植被覆盖（0.4≤FVC<0.6）;高植被覆盖（0.6≤FVC<0.8）;极高植被覆盖（0.8≤FVC≤1.0）。

3 结果与分析

3.1 植被覆盖度时间变化特征

2001～2020年嘉陵江流域植被覆盖度总体上呈现上升趋势（见图2～3）。年平均植被覆盖度在0.70～0.81之间，植被覆盖度较好，最低出现在2001年，2020年到达峰值。从变化趋势来看，2001～2013年间植被覆盖度整体上呈现明显的上升趋势，但在2006年和2011年出现低谷。其原因在于：2006年夏季川渝地区发生了历史罕见的旱灾，降水量减少直接影响到植物生长，导致该年植被覆盖度出现低谷[25];2011年嘉陵江流域先后遭遇了3次暴雨，暴雨引起的洪水以及带来的次生灾害，如水土流失、土壤盐碱化、滑坡等导致了该年植被覆盖减少[26]。2012～2013年间，被破坏的植被逐渐恢复到了被破坏前的状态。2013～2018年，植被覆盖度呈现出平缓的下降趋势，这与该时段内较快的经济和社会发展有着一定的关系。2018～2020年，在政府有关生态环境保护政策的支持下，流域内植被覆盖度出现了快速上升的趋势。

3.2 植被覆盖度空间变化趋势

利用IDL 8.5软件编程实现2001～2020年间逐像元一元线性回归分析并对斜率进行重分类（见表3），最终得到近20 a来嘉陵江流域植被覆盖度变化趋势图和显著性检验图（见图4）。

从变化程度来看，嘉陵江流域38.05%的区域植被覆盖度保持稳定。1999年川陕甘3省率先启动“退耕还林、荒山造林”工程，工程实施20 a以来，流域内39.48%的区域呈现改善状态，分布于东南部海拔较低的区域，这些区域水热条件优越，因此植被长势好。明显改善的区域占5.21%，主要分布于流域北部的陇南地区，陇南地区退耕还林成果十分显著，植被覆盖度明显提高。退化的区域多为高海拔地区，占16.29%。高海拔地区的气温、降水等条件较为恶劣，这是影响植被生长，造成植被退化的原因。严重退化区域占0.97%，点状分布于各个城市群周边，由此可见城市的快速扩张对其周边的植被造成了严重的破坏。从变化显著性来看，呈现增长趋势的区域占总面积的44.69%，其中43.12%的区域通过了显著性水平为0.05的检验，表现为显著改善;呈现退化趋势的区域占总面积的17.26%，其中2.97%的区域通过了显著性水平为0.05的检验，表现为显著退化。邓元杰等[29]分析了1995～2015年长江中上游NDVI时空变化，研究表明植被覆盖度显著增加的区域包括嘉陵江流域，与本节分析结果相符。

3.3 植被覆盖度稳定性分析

经分析与统计，嘉陵江流域2001～2020年植被覆盖度稳定性（见图5）表现为：① 流域内弱变异区占比为82.82%，植被覆盖度比较稳定。② 中等变异区占比为16.98%，呈现出明显的沿河流分布的特征，这与嘉陵江及其支流年际流量变化有一定的关系。流域北部的陇南地区退耕还林成果十分显著，也表现为中等变异。③ 强变异区的占比很小，总和仅为0.20%，分布于各个城市建成区的附近，以川东地区和重庆市区最为显著。还有一部分强变异区域位于高山山顶的雪线附近，呈点状和环状分布。雪线的变化也会引起附近植被的变化。

3.4 植被覆盖度时空变化对地形因子的响应

3.4.1 植被覆盖度对海拔的响应

将植被覆盖度变化趋势与海拔数据进行叠加分析后，得到植被变化与海拔的关系（见图6）。从统计数据来看，在500～1 000 m海拔范围内，植被改善比例最大，约为58.64%，由于这一区域海拔较低而且人类活动较少，再加之国家有关“退耕还林，荒山造林”政策，因此在这一区域植被的改善最为明显。在3 000～4 000 m海拔范围内，植被的退化比例最大，约为34.09%。在500～4 000 m海拔范围内，随着海拔的升高，植被的退化比例也不断升高，改善的比例不断下降，说明随着海拔的升高，高海拔地区低温、降水少的气候环境对植物的生长造成了负面影响。在海拔低于500 m的范围内，人类活动较多，经济社会发展对植被的生长造成了很大的影响。研究区内，海拔高于4 000 m的区域相对较少，但是也明显表现出高海拔区域植被变化特征，即处于稳定状态的植被占比最大，植被退化的比例高于改善的比例。

3.4.2 植被覆盖度对坡度的响应

将植被覆盖度变化趋势与坡度数据进行叠加分析后，得到植被变化与坡度的关系（见图7）。从统计数据可以看出，植被改善主要的范围为0°～18°，由于退耕还林政策的实施，林业资源得到了很好的保护，因此植被生长较好，得到了明显的改善。但在0°～5°坡度范围内植被退化占比较大，此区域为人类活动的主要区域，人类的生产生活几乎都在该区域开展，所以植被受到人类影响较大，退化较为严重。随着坡度的不断升高，植被的退化占比逐渐升高，改善比例逐渐下降。这是因为坡度升高使得坡面积温较少、单位面积上的平均降水量也小、水分不容易被土壤吸收、水土流失严重，所以植被退化面积比例有所上升[27-28]。

3.4.3 植被覆盖度对坡向的响应

将植被覆盖度变化趋势与坡向数据进行叠加分析后，得到植被变化与坡向的关系（见图8）。从统计数据可以看出，植被覆盖度变化的坡向差异较小，各个坡向基本一致，以稳定和改善为主，退化的比例只占到了17%左右。这说明在嘉陵江流域植被覆盖度的变化受坡向的影响较小。原因在于：虽然阳坡接收到的太阳辐射较多，但水分蒸发量也较大;阴坡接收太阳辐射少，但土壤湿润，土壤腐殖质含量高，农业种植与其他人类活动也多在阳坡。多种效应相互抵消使得坡向对植被覆盖度的影响不明显[28-29]。

3.5 人类活动对植被覆盖度变化的影响

已有学者的研究表明，人类的活动是影响植被变化的重要因素[4，11，30-32]。嘉陵江流域矿产资源丰富，以煤矿、铁矿为主，煤矿主要分布于华蓥山地区和大巴山地区。铁矿主要分布于涪江流域，据最新探测结果显示：平武境内铁矿估量5亿～6亿t。矿产资源一般位于植被较为丰富的山区，由于矿产露天开采、矿物弃渣、修建进场道路等原因，大量的地表植被遭到破坏。矿区内水土流失严重，即使停止开采活动，植被也难以恢复（见图9（a））。随着经济社会的不断发展，城市建设和扩张也在加速，为增加新的居住用地或修建工业设施，植被也会遭到破坏[33]（见图9（b））。此外，开垦农业用地也会破坏大片森林、灌木丛和草地，造成人类居民点附近的植被覆盖度下降，虽然近20 a“退耕还林、荒山造林”政策取得了很好的成效，但是相关部门仍需继续贯彻落实相关规定，尽量减少人类活动对于植被的影响（见图9（c））。

4 结 论

本文结合MODIS-NDVI数据、DEM数据等，运用像元二分模型估算了2001～2020年嘉陵江流域的植被覆盖度，并进一步采用一元线性回归分析、稳定性分析和GIS空间分析等方法分析了20 a来嘉陵江流域植被覆盖度空间变化特征，可以得出以下结论：

（1） 在时间上，2001～2020年嘉陵江流域的植被覆盖度总体上呈现上升趋势，植被覆盖率较好，位于0.70～0.81之间。2006，2011年受到自然灾害影响，植被覆盖度有所下降。2013～2018年受人类活动影响，植被覆盖度缓慢下降。2018～2020年，在国家保护生态政策的支持下，植被覆盖度呈现上升的趋势。

（2） 在空间上，流域内38.05%的区域植被覆盖度保持稳定不变，呈现改善状态的区域占44.69%，主要为东南部低海拔地区和陇南地区，呈现退化的区域占17.26%，主要为高海拔地区和城市周边区域。流域内植被稳定性大多为弱变异，中等变异区与河流相关性较高，强变异区主要分布于城市地区和高山雪线附近。

（3） 在植被覆盖度变化对地形因子的响应上，500～1 000 m海拔范围内，植被改善比例达到最大，3 000～4 000 m海拔范围内，植被的退化比例最大。植被改善主要的坡度范围为0°～18°，但在0°～5°范围内植被退化的比例较大。随着坡度的不断升高，植被的退化占比逐渐升高，改善比例逐渐下降。植被覆盖度变化的坡向差异不大，各个坡向基本相同，以稳定和改善为主，退化的比例只占到了17%左右。

（4） 矿产开发、城市扩张、农业种植等人类活动也是导致植被退化的重要原因，建议相关部门加大监管力度，保护生态环境免遭破坏。

参考文献：

[1] CARLSON T N，RIPLEY D A.On the relation between NDVI，fractional vegetation cover，and leaf area index[J].Remote Sensing of Environment，1997，62（3）：241-252.

[2] 符靜，秦建新，张猛，等.2001～2013年洞庭湖流域植被覆盖度时空变化特征[J].地球信息科学学报，2016，18（9）：1209-1216.

[3] 王磊，王杰，付林，等.南充市辖区近15年植被覆盖度变化特征[J].生态科学，2019，38（1）：159-167.

[4] 邓晨晖，白红英，高山，等.秦岭植被覆盖时空变化及其对气候变化与人类活动的双重响应[J].自然资源学报，2018，33（3）：425-438.

[5] PIAO S，WANG X，CIAIS P，et al.Changes in satellite-derived vegetation growth trend in temperate and boreal Eurasia from 1982 to 2006[J].Global Change Biology，2011，17（10）：3228-3239.

[6] JIAN P，LIU Z，LIU Y，et al.Trend analysis of vegetationdynamics in Qinghai-Tibet Plateau using Hurst Exponent[J].Ecological Indicators，2012，14（1）：28-39.

[7] GILLIES R R，KUSTAS W P，HUMES K S.A verification of the " triangle" method for obtaining surface soil water content and energy fluxes from remote measurements of the Normalized Difference Vegetation Index（NDVI）and surface radiant temperature[J].International Journal of Remote Sensing，1997，18（15）：3145-3166.

[8] 齐亚霄，张飞，陈瑞，等.2001～2015年天山北坡植被覆盖动态变化研究[J].生态学报，2020，40（11）：3677-3687.

[9] 许玉凤，陈发辉，傅良同.近15年贵州高原植被变化时空格局分析[J].西部林业科学，2019，48（1）：1-6.

[10] 刘洪鹄，张平仓，刘宪春，等.嘉陵江流域植被覆盖时空变化特征[J].长江流域资源与环境，2011，20（1）：111-115.

[11] 俱战省，楊青森，邢培茹.1987～2015年嘉陵江源区植被覆盖度时空变化特征[J].地球与环境，2020，48（4）：452-460.

[12] 杨瑞瑞，易桂花，张廷斌，等.2000～2015年若尔盖地区植被覆盖度变化及气候因子驱动分析[J].草业科学，2018，35（12）：2822-2835.

[13] 吴志杰，何国金，黄绍霖，等.南方丘陵区植被覆盖度遥感估算的地形效应评估[J].遥感学报，2017，21（1）：159-167.

[14] 彭飞，范闻捷，徐希孺，等.2000～2014年呼伦贝尔草原植被覆盖度时空变化分析[J].北京大学学报（自然科学版），2017，53（3）：563-572.

[15] 张亮，丁明军，张华敏，等.1982～2015年长江流域植被覆盖度时空变化分析[J].自然资源学报，2018，33（12）：2084-2097.

[16] 李卓，孙然好，张继超，等.京津冀城市群地区植被覆盖动态变化时空分析[J].生态学报，2017，37（22）：7418-7426.

[17] 赵明伟，王妮，施慧慧，等.2001～2015年间我国陆地植被覆盖度时空变化及驱动力分析[J].干旱区地理，2019，42（2）：324-331.

[18] 杨旭超，张军，李杰，等.呈贡区近30年植被覆盖度时空变化特征与土地利用驱动[J].水土保持研究，2019，26（4）：232-238.

[19] 王君，杨晓梅，隋立春，等.西安市1995～2016年植被覆盖度动态变化监测及景观格局分析[J].生态科学，2019，38（6）：81-91.

[20] LI P，HE Z W，HE D，et al.Fractional vegetation coverage response to climatic factors based on grey relational analysis during the 2000-2017 growing season in Sichuan Province，China[J].International Journal of Remote Sensing，2019，41（3），1170-1190.

[21] 王瑞杰，闫峰.2000～2018年西北砒砂岩区植被覆盖度与地形效应[J].应用生态学报，2020，31（4）：1194-1202.

[22] 陈桃，包安明，何大明.基于MODIS NDVI的攀枝花市植被覆盖变化及其驱动力[J].长江流域资源与环境，2018，27（8）：1847-1857.

[23] 吴志杰，何国金，黄绍霖，等.南方丘陵区植被覆盖度遥感估算的地形效应评估[J].遥感学报，2017，21（1）：159-167.

[24] 吕华丽.长江流域植被覆盖变化及其驱动力因子研究[D].武汉：华中农业大学，2012.

[25] 2006年全国旱灾情况[J].中国减灾，2007（2）：8-9.

[26] 国家防洪抗旱总指挥部办公室.2011年全国洪涝灾害情况[J].中国防汛抗旱，2012，22（1）：26.

[27] 蔡宏，何政伟，安艳玲，等.基于RS和GIS的赤水河流域植被覆盖度与各地形因子的相关强度研究[J].地球与环境，2014，42（4）：518-524.

[28] 程圣东，李占斌，鲁克新，等.文安驿流域植被覆盖度时空分异及其与地貌因子关系研究[J].西安理工大学学报，2011，27（2）：145-150.

[29] 邓元杰，姚顺波，侯孟阳，等.长江流域中上游植被NDVI时空变化及其地形分异效应[J].长江流域资源与环境，2020，29（1）：66-78.

[30] 李文龙，薛中正，郭述茂，等.基于3S技术的玛曲县草地植被覆盖度变化及其驱动力[J].兰州大学学报（自然科学版），2010，46（1）：85-90，95.

[31] 李微，宋鑫，刘伟男，等.大连市植被覆盖度时空变化研究[J].辽宁师范大学学报（自然科学版），2019，42（1）：93-98.

[32] 祝聪，彭文甫，张丽芳，等.2006～2016年岷江上游植被覆盖度时空变化及驱动力[J].生态学报，2019，39（5）：1583-1594.

[33] SICILIANO G.Urbanization strategies，rural development and land use changes in China：a multiple-level integrated assessment[J].Land Use Policy，2012，29（1）：165-178.

（编辑：黄文晋）