2000—2018年辽河流域植被NDVI变化及其与温度、降水的响应关系
2022-05-14朱丽亚胡克孙爽
朱丽亚, 胡克, 孙爽
2000—2018年辽河流域植被NDVI变化及其与温度、降水的响应关系
朱丽亚, 胡克*, 孙爽
中国地质大学(北京)海洋学院, 北京 100083
在全球气候变暖的背景下, 研究流域植被覆盖度的时空变化及对气候变化的响应对辽河流域的生态环境建设具有重要参考价值。基于2000—2018年研究区分辨率为250 m×250 m的MODIS-NDVI遥感数据、同期流域温度和降水量数据, 借助MVC最大合成、变异系数、趋势分析、Hurst指数、偏相关分析等方法, 得出辽河流域近19年植被覆盖空间分布、变化特征、演变趋势以及气象要素对NDVI变化的响应关系。结果表明: (1)在时间上, 辽河流域19年来NDVI月平均波峰值集中在6—8月份, 7月份达到最大。在年际变化方面, 辽河流域植被覆盖呈缓慢增长的趋势。(2)在空间上, 辽河流域植被覆盖度整体较好, 空间分布由东向西递减, 低植被覆盖区域(<0.3)约占流域总面积的37.78%, 高植被覆盖区域(>0.4)约占流域总面积的14.93%。(3)植被覆盖变异方面, 研究区整体呈低和较低波动的变化状态, 共占90.60%。东西区域的波动差异较为明显。(4)在变化趋势上, 约46.50% 的地区植被覆盖得到了改善, 约36.99% 的区域植被覆盖基本没有发生变化。(5)温度、降水对辽河流域植被生长整体表现为促进作用。近19年来辽河流域植被覆盖整体在不断改善。
归一化植被指数; 植被覆盖; 时空分布; 辽河流域
0 前言
IPCC(Intergovernmental Panel on Climate Change, IPCC)第五次综合报告指出, 全球平均地表温度在1880—2012年间升高了0.85℃, 在1951—2012年间的升温速率几乎是1880年以来的两倍[1]。全球气候的持续变暖对陆地生态的影响正在逐步加深, 植被是连接土壤、大气、水分的纽带, 是实现生态系统物质循环与能量交换的中枢[2]。NDVI为归一化植被指数(Normalized Difference Vegetation Index, NDVI), 它能衡量植被吸收太阳辐射的有效辐射比例, 在一定程度上能够表征植被的覆盖程度和生长状况, 是区域和全球尺度生态环境变化的监测指标之一[3-6]。植被覆盖度极易受到气候变化和人类活动的影响[7-13]。遥感技术能大尺度、长时间的进行动态监测, NDVI数据应用到环境监测以及植被对气候变化的响应已是当前研究热点。全球气候的波动会影响区域气候, 而NDVI对不同的气候变化所做出的响应存在差异, 植被类型不同对温度、降水的响应也会有一定的差别[14]。国内外学者基于不同的NDVI遥感数据, 从不同空间尺度、时间尺度对区域植被覆盖变化及驱动因素做了大量研究, 并指出在气象因素中温度和降水是影响NDVI变化最主要的因素[8, 9, 15, 16]。
辽河流域是我国七大河流之一, 是东北地区南部最大的河流, 流域大部分地区属于农牧交错地带。近年来, 随着经济的快速增长, 流域内城镇化建设的不断推进、沿河工农业的快速发展以及水利工程的修建等影响, 使得流域部分水质污染[17]。在全球气候变暖的背景下, 流域区域降水特征出现了较为明显的改变[18], 影响着水资源、植被覆盖的时空分布, 进而影响当地生态环境。本文借助2000—2018年的MODIS-NDVI数据, 结合同期降水与温度数据, 分析辽河流域近19年植被覆盖的时空变化特征、演变趋势以及气象要素对NDVI变化的响应关系, 有助于辽河流域生态环境的监测。
1 研究区概况
辽河流域位于我国东北地区西南部, 地处40°30′ N—45°10′ N, 117°00′ E—125°30′ E之间, 流域面积为21.9×104km2, 干流长1430 km, 子流域包括西辽河、东辽河、浑河、辽河干流及支流。北面与松花江相接, 向南流入渤海(图1), 流域共流经内蒙古、河北、辽宁和吉林4个省份[19]。流域地势呈东西高中部低、北高南低, 辽河中游冲积平原海拔在200 m以下, 由河流冲积而成; 辽河下游为滨海平原, 地势比较平坦, 海拔在50 m以下[19]。辽河流域的气候属于温带半湿润半干旱季风气候, 流域全年平均温度在4—9 ℃之间, 南部温度较高, 北部温度较低, 平原温度较高, 山地温度较低。流域年累计降水量大约300—1000 mm, 各区域的降水差异较大, 辽河干流以东的区域达900 mm左右, 西辽河上游降水量在300 mm左右, 降水主要集中在6—8月份, 常会出现强降雨或暴雨的天气。流域内自然植被类型主要为暖温带落叶阔叶林和温带灌丛等[20]。
2 数据来源与研究方法
2.1 数据来源与数据处理
NDVI数据来源于美国土地过程分布式数据中心(https://lpdaac.usgs.gov), 数据集为2000年2月—2018年12月的MOD13Q1, 空间分辨率250 m, 时间分辨率16 d。MODIS是搭载在Terra卫星上的重要传感器[21], NDVI数据集经过水、云、气溶胶处理, 以及辐射校正、大气校正、几何纠正等处理[22], 数据质量和分辨率较高。利用NASA提供的MODIS数据预处理工具MRT(MODIS Reprojection Tool, MRT), 原始NDVI数据的正弦曲线投影(SIN)重投影为通用横轴墨卡托投影(UTM), 同时将HDF格式转换为TIF格式。利用ArcGIS软件批量掩模裁剪出辽河流域的NDVI数据, 再进行最大值合成处理, 得到每月NDVI栅格数据集, 这种方法能够减弱太阳高度角、云层和大气环境的影响[23]。利用Python、ENVI、MATLAB和ArcGIS等软件处理NDVI栅格数据, 并进行数学运算、空间分析和重分类等操作, 从而获得NDVI数据的趋势斜率、Hurst指数、变异系数、偏相关系数等指标, 然后进一步对所有指标划分等级、重分类。
图1 研究区示意图
Figure 1 Location of the study area
气象数据由中国气象数据网(http://data.cma.cn/)提供, 利用Rstudio提取出辽河流域内19个气象站点的气象数据, 标准化处理成月值、年值数据。辽河流域19期月平均温度和月降水量的空间分布图由ArcGIS反距离加权平均差值工具(IDW)插值而成, 空间分辨率、投影信息及边界信息与NDVI数据相一致。研究区的数字高程模型(DEM)数据来源于地理空间数据云(http://www.gscloud.cn/)。
2.2 研究方法
2.2.1 最大值合成法
采用最大值合成(Maximum value composites, MVC)法处理NDVI数据, 以获得每月NDVI。
一年内各月植被指数的均值作为年平均植被指数, 该指标能表征该年内植被的总体生长状况, 可进一步分析研究期间辽河流域植被的年际变化及趋势。春、夏、秋、冬四季各月植被指数的均值作为季平均植被指数, 该指标用来表征植被覆盖度的季节性变化。
2.2.2 趋势分析法
回归趋势线是对变量进行回归分析, 要求变量随时间变化[24]。采用趋势分析法, 分析辽河流域2000—2018年每个像元的NDVI变化趋势, 得出研究区19年的NDVI变化趋势图, 计算过程如下:
2.2.3 Hurst指数分析法
英国水文学家Hurst提出Hurst指数, 用来表征观测值序列数据的可持续性[25, 26], 在水文、生态、气候学等各个领域得到了广泛应用。采用法计算Hurst指数, 计算公式如下:
极差序列:
标准差序列:
2.2.4 变异系数法
变异系数是标准差与平均数的比值, 是描述每一个观测值变异程度的指标, 变异系数越小, 观测序列稳定, 波动小; 反之, 序列较为不稳定, 波动大[27]。本文用变异系数来衡量研究期间每个像元值的变化情况。计算公式为:
2.2.5 偏相关分析
3 结果与分析
3.1 不同时间尺度下NDVI的变化特征
3.1.1 NDVI季节变化
辽河流域全年NDVI月均值在0.16—0.64范围内波动, 整体呈现先增加后减少趋势, 与平均温度和降水的时间变化趋势相吻合(图2)。温度、降水及NDVI的波峰都主要集中在6—8月份, NDVI均值分别为0.55、0.64、0.59, 其中最大值为7月份的0.64。波谷出现在1月份, NDVI值为0.16。在6—8月份, 平均温度较高、降水充足, 相比其他月份水热条件较好, 更适宜植被的生长, 所以NDVI达到最大值。月季尺度上NDVI的变化特征与植被生长的周期特征一致, 1—8月为持续增长期, 9—12月为下降期。根据NDVI各季节分布图(图6), 辽河流域地区植被覆盖差异明显, 整体表现为夏季NDVI>春季NDVI>秋季NDVI>冬季NDVI, 可见, 辽河流域植被覆盖增加主要发生在夏季, 植被光合作用强, 生长较为明显。2000—2018年, 大部分区域NDVI值在0.2—0.4范围内(图6), 春季和秋季NDVI平均值为0.37, 夏季为0.74, 冬季为0.25。
3.1.2 NDVI年际变化
2000—2018年间, 辽河流域年平均温度和年降水量呈上升趋势。随着全球气候的持续变暖, 中国的平均温度在100年的时间内上升了0.5—0.8℃, 变化趋势与全球相一致[28]。研究区域的年均温度及年降水量波动状况如图3所示, 其中年降水量最大值出现在2010年。根据辽河流域研究期间的年均温度、年降水量的空间分布图(图4), 流域年降水量差别较大, 介于296.83—754.46 mm之间, 年平均温度介于5.58—10.87 ℃之间, 空间分布均由东向西递减, 西辽河平原整体上降水较少、平均温度比较低。19年来流域年降水量累计为443.04 mm、平均温度为7.73 ℃。
图2 辽河流域降水量、温度及NDVI变化特征
Figure 2 Variation of monthly-averaged precipitation, temperature and NDVI in Liao River Basin
图3 辽河流域年降水量、平均温度及NDVI年际变化特征
Figure 3 Variation of precipitation temperature and NDVI in Liao River Basin
利用均值法计算的年NDVI值作为辽河流域植被覆盖度(图3), 分析了19年间辽河流域植被覆盖情况。研究期间, NDVI在波动中呈缓慢增加的状态, 但整体相对稳定, 像元NDVI均值最小为2000年的0.61; 最大为2012年的0.72。研究区NDVI有两个减少与增长的时间段, 减少时间段为2004—2006年、2008—2010年, 增长时间段分别为2006—2008年、2015—2018年。2004—2006年间, 相对前一阶段降水增加, 温度降低, 相对湿度增大, 间接影响植被生长发育。2008—2010年间, 降水变化异常, 温度下降明显, 水热因子的改变超过了植被的适应能力, 植被代谢过程减缓。2006—2008年间, 温度有所上升, 降水相对上一阶段略微减少, 水热因子达到植被生长的适宜条件, 利于植被生长。总之, 从年际变化分布来看, 2015年后, 整体温度、降水量呈增加趋势, 与NDVI变化态势相一致, 植被生长较好。
3.2 植被覆盖度的空间分布及变化特征
为了研究辽河流域植被2000—2018年NDVI的空间分布格局, 以像元为单位计算NDVI 19年的平均值, 将NDVI值划分为五个级别并进行重分类, 得到NDVI空间分布图(图5)。辽河流域年均植被NDVI值在0—0.8区间, 均值为0.33, 空间分布格局由东向西递减。整体看, 辽河流域植被覆盖高的区域所占总面积的62.22%, 说明整体植被覆盖较好。植被覆盖度低(0
图4 2000—2018年辽河流域平均温度(A)与降水量(B)空间分布
Figure 4 Spatial distribution of average temperature(A) and precipitation(B) in the Liao River Basin in 2000-2018
图5 辽河流域年均NDVI空间分布
Figure 5 Spatial distribution of annual average of NDVI in the Liao River Basin
3.3 NDVI变化趋势分析
计算研究区2000—2018年间NDVI的趋势斜率(k), 将计算结果重分类为5个等级, 分别对应于不同的NDVI变化性质。从图7可知, 近19年来辽河流域植被覆盖整体有所改善, 面积比例约为46.51%, 主要分布在西辽河源头老哈河、乌尔吉木河以及新开河流域, 明显改善(k≥0.005)的面积1.12×104km2, 占总面积的5.26%, 稍有改善(0.001≤k<0.005)的面积为9.33×104km2, 占总面积的41.25%。流域植被基本没有发生变化(-0.001≤k<0.001)的区域面积约为8.37×104km2, 占总面积的36.99%。仅有约16.5%的地区植被呈退化趋势, 主要分布在西辽河流域西部边缘区域: 哈黑尔河、查干木伦河以及浑河流域东部边缘区域; 其中, 明显退化区域面积(k<-0.005)约为2.06×103km2, 占流域总面积的0.91%, 轻微退化(-0.005≤k<-0.001)区域面积为3.53×104km2, 占流域总面积的15.59%。
图6 辽河流域NDVI四季分布图
Figure 6 NDVI distribution of Liao River Basin in four seasons
3.4 NDVI可持续性分析
根据研究区实际情况和计算得到的Hurst指数值, 采用R/S法计算NDVI时间序列H值, 并将Hurst指数计算结果进行重分类, 经统计分析可知(表1): 研究区Hurst指数空间差异明显, 范围在0.13—0.95之间, 平均值为0.49, 时间序列上流域整体呈弱反持续性。研究区未来植被覆盖呈反向持续性变化的(0 基于辽河流域2000—2018年NDVI数据的像元变异性计算结果, 对结果划分相应的等级得到植被覆盖度波动状态图(图8)。将变异值分为5个等级, 低波动变化态势(0<C<0.05)、较低波动变化(0≤C<0.1)、中波动变化态势(0.1≤C<0.15)、较高波动变化态势(0.15≤C<0.2)、高波动变化态势(0.2≤C<1)。研究期间, 流域植被覆盖呈较低和低波动的变化态势共占90.60%。从空间分布上看, 东西区域的波动有显著的差异, 西辽河流域波动值较大, 主要由于该区域是生态恢复建设的重点防治区域, 随着生态建设工程的相继实施, 植被生长显著改善, 同时, 该地区植被类型主要是草地, 对比东辽河流域的林地, 更易受到人为因素和气候变化的影响。 图7 辽河流域NDVI变化斜率 Figure 7 Changing trend of NDVI in the Liao River Basin 表1 NDVI持续性特征 2000—2018年, 辽河干流东部、东辽河流域和浑河流域的年降水量均大于600 mm, 辽河干流和浑河流域的的大部分区域年平均温度高于7 ℃; 西辽河流域年平均温度较低, 气候相对干燥。区域植被覆盖度是由气候环境和植被本身的理化特征共同决定[20]。气候环境的变化会对影响植被的生长环境, 从而会影响植被的生长, 进而会影响植被覆盖度。 以年为单位, 计算2000—2018年各像元的NDVI与平均温度和年降水的偏相关系数, 得出研究区温度与NDVI偏相关系数A及降水与NDVI偏相关系数B的空间分布图(图9), 显著性通过t统计量检验。图9表明, NDVI对温度和降水的响应在空间上呈不均匀分布, 正负相关并存。NDVI与年平均温度的偏相关系数介于-0.91—0.91之间, 平均值为0.22, 偏相关系数为正的区域占研究区总面积的79.59%, 其中有21.92% 通过<0.05的检验, 呈负相关区域为20.41%, 无显著负相关。正相关区域主要集中在地势较高的西辽河子流域、山区向平原的过渡带, 由于山区海拔较高, 相对于平原地区温度较低, 热量可能是影响植被生长的主要因子, 在达到植被生长的适宜温度之前, 增温会促进植被的光合、呼吸等代谢过程, 土壤中的营养物质释放速度加快, 有利于植被生长。与年降水的偏相关系数介于-0.88—0.95之间, 平均值为0.10, 偏相关系数为正的区域占研究区总面积的60.30%, 其中有27.29%通过<0.05的检验, 呈负相关区域为39.70%, 有10.50%通过<0.05的检验。正相关区域主要集中在西辽河流域, 对于干旱半干旱地区而言, 植被对降水的响应更敏感, 降水会增加土壤的含水量, 加快营养物质的运输及植被的代谢过程, 从而促进植被的生长。值得注意的是, 辽河流域东南区域年均植被覆盖度较高, 平均温度在10 ℃以上、年降水量大于600 mm, 而NDVI与年平均温度和降水量的偏相关系数却很低甚至为负, 相关系数很低说明温度、降水不是影响植被生长的主要活动因子, 可考虑人为因素的干扰。相关系数为负值的区域, 说明该地区的水热条件抑制了植被的生长活动。 图8 辽河流域植被变异空间分布 Figure 8 Spatial distribution of variation coefficient of NDVI in the Liao River Basin 图9 NDVI与温度(A)、降水(B)的偏相关系数空间分布图 Figure 9 Partial correlation coefficients between NDVI and average temperature(A), precipitation(B) 辽河区域面积较大, 受气候变化、人类活动的影响, 流域内植被的生长存在差异, 直接影响植被覆盖度。本研究表明, 辽河流域植被覆盖整体较好, 季节尺度上, NDVI的变化特征与季节的气候变化趋势相关, 植被增加主要发生在夏季和春季, 主要归因于当地的气候环境, 6—8月, 温度较高, 雨水充足, 气候更适宜植被生长, 冬季温度较低, 植物生长会受到一定的限制, 这与Sun等[29]对中国北方植被对气候变化的研究结果一致。年际尺度上, NDVI在波动中缓慢增加, 整体相对稳定, 这与韦石等人得出的辽河流域植被覆盖变化的结论一致[30]。空间分布上, 辽河流域植被覆盖较好, 四季植被覆盖度与年均植被覆盖度分布情况较为一致, 高植被覆盖主要分布在浑河流域, 这是因为该地区植被类型主要是林地, 且属于长白山森林生态功能区, 植被覆盖度相对较高[31], 而西辽河流域属于农牧交错地带, 植被主要为草地, 林地覆盖较少, 面积只占流域总面积的10%, 整体看, 西辽河流域覆盖度相对较低[32]。从变化趋势上看, 46.51%的区域植被覆盖得到了改善, 尤其是在科尔沁沙地地区表现最为明显, 波动性也较大, 此结果与吕嘉欣等[33]对科尔沁沙地植被时空变化的研究结果一致, 这是由于辽河流域是我国生态环境治理与恢复的重点研究区域, 截至目前, 已开展了一系列的生态建设工程。如: 1978年, 国家开始实施“三北”防护林, 其中西辽河流域内的科尔沁沙地是重点防治区域。2000年, 内蒙古地区实施退耕还林还草工程, 2014年, 通辽市进行“双千万亩”综合治理, 随着生态建设工程的相继实施, 流域内的生态环境有所改善。 气候变化中, 水热因子的组合机制决定了植被生长、组织结构, 以及分布等动态变化[34]。辽河流域东部为地势平坦的平原地区, 西部为海拔较高的干旱半干旱地区。NDVI对温度和降水的响应在空间上呈不均匀分布, 正负相关系数并存, 空间分布上, 年平均温度和降水量分布由东向西递减, 东部水热条件更适宜植被生长, 植被覆盖度较高, 与温度、降水的相关系数较低, 水热因子对植被生长活动的影响较小。在海拔高的山区, 温度较低, 降水不足, 植被对水热因子的变化会更敏感, 与温度、降水的相关系数值也相对较高。焦珂伟等[34]研究表明在年降水量大于600 mm的区域, 植被对热量因子的响应可能更敏感, 降水不是植被生长的主要限制因子, 在半干旱地区, 水分不足(年平均降水量小于600 mm), 植被生长活动受到抑制。例如在半干旱地区老哈河流域夏季温度升高会导致植被覆盖减少, 降水增加有利于植被的生长[35]。在黄土高原的半湿润地区, 温度对NDVI季节性的变化有利, 而在半干旱地区, 温度对NDVI的影响不显著[36]。综合来看, 研究期间, 温度上升、降水增加对辽河流域植被生长整体表现为促进作用。这一结论与Sun等[29]的研究结果一致, 即在全球气候变暖的背景下, 中国北方植被覆盖度呈小幅上升趋势[37]。同时, 李本纲等[38]的研究也表明在全国范围内NDVI与温度和降水相关显著。Ichii等[39]对北半球植被动态变化的研究中表明, 北半球中高纬度NDVI的增加与全球气候变暖密切相关。 本文虽获得了一些研究成果, 还存在以下不足之处: 1)植被对气候变化的响应具有复杂性, 本文只分析温度和降水对植被覆盖度的影响, 并未考虑人类活动、其他变量等驱动因素, 研究应明确各变量与植被变化的数量关系。2)根据辽河流域近19年植被覆盖变化, 预测的未来趋势变化没有考虑未来的气候变化、人类活动等因素的影响。3)在全球变暖及极端事件频发的气候变化背景下, 应考虑气候的波动变化及极端事件对区域植被生长的影响。 本文以2000—2018年MODIS-NDVI遥感数据、同期流域降水和温度数据为基础, 借助MVC最大合成、趋势分析、Hurst指数、变异系数节偏相关分析, 得出辽河流域近19年植被覆盖时空变化特征、演变趋势以及气象要素对NDVI变化的响应关系, 得出结论如下: (1)NDVI在月季变化上表现出与植被生长周期相符的阶段性特征, NDVI月均值在0.16—0.64范围内波动, 整体呈现先增加后减少趋势。年际变化上, NDVI在波动中呈缓慢增加的状态, 整体变化趋势相对稳定, 像元NDVI均值最大为2012年的0.72, 最小为2000年的0.61。 (2)空间分布上, 流域植被覆盖整体较好, 空间分布格局由东向西递减, 高植被覆盖区主要分布在浑太河子流域。流域内约16.5%的地区植被呈退化趋势, 主要分布在西辽河流域西部边缘区域: 哈黑河、苏吉高河和敖尔盖河等; 46.50%的区域植被覆盖得到了改善, 主要分布在西辽河源头老哈河、乌尔吉木河以及新开河流域。 (3)植被覆盖变异方面, 辽河流域植被覆盖未来变化趋势中反向特征会强于同向特征。Hurst指数范围在0.13—0.95之间, 平均值为0.49, 时间序列上呈弱反持续性。流域植被覆盖呈较低和低波动的变化态势共占90.60%。 (4)研究区域内NDVI与平均温度、降水的偏相关系数正负相关并存, 整体上呈正相关。NDVI与年平均温度的偏相关系数为正的区域占比为79.59%, 与年降水的偏相关系数为正的区域占比为60.30%。整体来说, 温度、降水对辽河流域植被生长整体表现为促进作用。 [1] 姚玉璧, 张强, 王劲松, 等. 中国西南干旱对气候变暖的响应特征[J]. 生态环境学报, 2014, 23(9): 1409–1417. [2] PARMESAN C, YOHE G. A globally coherent fingerprint of climate change impacts across natural systems[J]. Nature, 2003, 421(6918): 37–42. [3] 王兮之, 梁钊雄. 基于MODIS-NDVI的连江流域植被覆被及空间格局变化分析[J]. 水土保持研究, 2010, 17(3): 59–63. [4] 汪权方, 李家永. 基于时序NDVI数据的鄱阳湖流域常绿覆被季节性变化特征[J]. 长江流域资源与环境, 2008, 17(6): 866–871. [5] 李海亮, 赵军, 任皓晨. 石羊河流域NDVI的季节时空变化研究[J]. 安徽农业科学, 2008, 36(23): 10127–10128. [6] 贺振, 贺俊平. 基于SPOT-VGT的黄河流域植被覆盖时空演变[J]. 生态环境学报, 2012, 21(10): 1655–1659. [7] JACKSON R B, RANDERSON J T, CANADELL J G, et al. Protecting climate with forests[J]. Environmental Research Letters, 2008, 3(4): 269–269. [8] 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. [9] KAWABATA A, ICHII K, YAMAGUCHI Y. Global monitoring of interannual changes in vegetation activities using NDVI and its relationships to temperature and precipitation[J]. International Journal of Remote Sensing, 2001, 22(7): 1377–1382. [10] HUETE A, DIDAN K, MIURA T, et al. Overview of the radiometric and biophysical performance of the MODIS vegetation indices[J]. Remote Sensing of Environment, 2002, 83(1/2): 195–213. [11] 赵坤成, 张永福, 朱小强, 等. 2000—2014年艾比湖NDVI变化及其与降水、温度响应关系[J]. 广东农业科学, 2017, 44(9): 82–88. [12] 李跃鹏, 刘海艳, 周维博. 陕西省1982–2015 NDVI时空分布特征及其与气候因子相关性[J]. 生态科学, 2017, 36(6): 153–160. [13] 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. [14] 张晓克, 鲁旭阳, 王小丹. 2000—2010年藏北申扎县植被NDVI时空变化与气候因子的关系[J]. 山地学报, 2014, 32(4): 475–480. [15] 付新峰, 杨胜天, 刘昌明. 雅鲁藏布江流域NDVI时空分布及与站点气候因子的关系[J]. 水土保持研究, 2006, 13(3): 229–232. [16] 韩辉邦, 马明国, 严平. 黑河流域NDVI周期性分析及其与气候因子的关系[J]. 遥感技术与应用, 2011, 26(5): 554–560. [17] 郭芬. 辽河流域水生态与水环境因子时空变化特征研究[D]. 北京: 中国环境科学研究院, 2009. [18] 刘斌. 辽河流域降水特征与气候因子影响研究[J]. 水利技术监督, 2020(1): 173–219. [19] 徐彩彩, 张殷波, 张远, 等. 辽河流域河流的分类[J]. 生态学杂志, 2015, 34(6): 1723–1730. [20] 郗延彪, 任春颖, 相恒星, 等. 2000—2015年辽河流域植被净初级生产力变化研究[J]. 湿地科学, 2018, 16(3): 445–450. [21] 范松克, 郝成元. 2001—2016年河南省NDVI时空变化特征分析[J]. 江苏农业学报, 2019, 35(4): 860–867. [22] 吴昌广, 周志翔, 肖文发, 等. 基于MODIS NDVI的三峡库区植被覆盖度动态监测[J]. 林业科学, 2012, 48(1): 22–28. [23] 轩俊伟, 盛建东. 2001—2017年新疆玛纳斯河流域植被NDVI时空变化特征[J]. 林业资源管理, 2018(6): 30–37. [24] 宋怡, 马明国. 基于GIMMS AVHRR NDVI数据的中国寒旱区植被动态及其与气候因子的关系[J]. 遥感学报, 2008, 12(3): 499–505. [25] 贺振, 贺俊平. 近32年黄河流域植被覆盖时空演化遥感监测[J]. 农业机械学报, 2017, 48(2): 179–185. [26] 李双双, 延军平, 万佳. 近10年陕甘宁黄土高原区植被覆盖时空变化特征[J]. 地理学报, 2012, 67(7): 960–970. [27] HURST H E. Long-term storage capacity of reservoirs[J]. Transactions of the American Society of Civil Engineers, 1951(12): 770–808. [28] 任国玉, 郭军, 徐铭志, 等. 近50年中国地面气候变化基本特征[J]. 气象学报, 2005, 63(6): 942–956 [29] SUN Yangling, YANG Yanli, ZHANG Yue, et al. Assessing vegetation dynamics and their relationships with climatic variability in northern China[J]. Physics and Chemistry of the Earth Parts A/B/C, 2015, 87/88: 79–86. [30] 韦石, 张慧. 辽河流域NDVI时空变化特征[J]. 北方环境, 2012, 24(6): 103–107. [31] 郑娇琦, 王华斌, 刘伟玲, 等. 2000—2010年辽河流域生态系统功能变化评估 [J]. 水土保持研究, 2015, 22(6): 245–249. [32] 张伟科, 封志明, 杨艳昭, 等. 北方农牧交错带土地利用/覆被变化分析—以西辽河流域为例[J]. 资源科学, 2010, 32(3): 573–579. [33] 吕家欣, 李秀芬, 郑晓, 等. 近40年科尔沁沙地植被时空变化及其驱动力[J]. 生态学杂志, 2020, 39(5): 1399–1408. [34] 焦珂伟, 高江波, 吴绍洪, 等. 植被活动对气候变化的响应过程研究进展[J]. 生态学报, 2018, 38(6): 2229–2238. [35] 刘晓帆, 任立良, 袁飞, 等. 老哈河流域NDVI动态变化及其与气候因子的关系[J]. 河海大学学报(自然科学版), 2010, 38(1): 1–5. [36] XIE Baoni, JIA Xiaoxu, QIN Zhanfei, et al. Vegetation dynamics and climate change on the Loess Plateau, China: 1982–2011[J]. Regional Environmental Change, 2015, 16(6): 1–12. [37] 何航, 张勃, 侯启, 等. 1982–2015年中国北方归一化植被指数(NDVI)变化特征及对气候变化的响应[J]. 生态与农村环境学报, 2020, 37(1): 244–253. [38] 李本纲, 陶澍. AVHRR NDVI与气候因子的相关分析[J]. 生态学报, 2000, 20(5): 898–902. [39] ICHII K, KAWABATA A, YAMAGUCHI Y, et al. Global correlation analysis for NDVI and climatic variables and NDVI trends: 1982–1990[J]. International Journal of Remote Sensing, 2002, 23(18): 3873–3878. Vegetation NDVI changes in the Liao River Basin from 2000 to 2018 and its response to temperature and precipitation ZHU Liya, Hu Ke*, SUN Shuang School of Marine Sciences, China University of Geosciences (Beijing), Beijing 100083, China Under the background of drastic global climate change, studying the spatiotemporal change of vegetation coverage and the response to climate change is of great significance to the ecological construction of the Liao River Basin. Based on MODIS-NDVI remote sensing data of 250 m×250 m, temperature and precipitation data in the study region from 2000-2018, Maximum Synthesis, and Spatial Superposition were used to analyze the spatial-temporal distribution, variation characteristics, evolution trend of vegetation, and response of meteorological elements to the alterations of NDVI in the Liao River Basin over the past 19 years. The results showed that: (1) In terms of time, the peaks of monthly average NDVI over the last 19 years occurred mainly in June-August, and the maximum was 0.64 in July. In the interannual variation, the vegetation coverage appeared a relatively slow growth tendency. (2) Spatially, the vegetation coverage in the Liao River Basin was relatively doing well during the study period. The spatial distribution of vegetation coverage decreased from east to west. The low vegetation coverage area with an average NDVI of less than 0.3 for many years accounted for approximately the total area of the basin 37.78%, and the area covered by high vegetation greater than 0.4 occupied about 14.93%. (3) In the NDVI variation, 90.06% vegetation coverage had a low fluctuation, thereinto the fluctuations between east and west are more obvious. (4) In terms of variation trends, about 46.50% of the area’s vegetation coverage was improved, and about 36.99% was remained basically untransformed. (5) Temperature and precipitation were positive factors for the overall vegetation growth in the study area. The overall vegetation coverage was continuously improving over the past years. NDVI; vegetation coverage; spatiotemporal evolution; Liao River Basin 朱丽亚, 胡克, 孙爽. 2000—2018年辽河流域植被NDVI变化及其与温度、降水的响应关系[J]. 生态科学, 2022, 41(3): 203–213. ZHU Liya, HU Ke, SUN Shuang. Vegetation NDVI changes in the Liao River Basin from 2000 to 2018 and its response to temperature and precipitation[J]. Ecological Science, 2022, 41(3): 203–213. 10.14108/j.cnki.1008-8873.2022.03.024 S157.2 A 1008-8873(2022)03-203-11 2020-07-11; 2020-08-03 国土资源部地质环境治理专项(3-4-2014-175) 朱丽亚(1996—), 女, 新疆乌苏市人, 博士研究生, 主要从事海岸带地质环境研究, E-mail: Zhuliya0911@163.com 胡克(1957—), 男, 教授, 主要从事海岸带国土开发与资源环境研究, E-mail: huke@cugb.edu.cn3.5 植被覆盖度的变异性分析
3.6 NDVI与温度、降水关系
4 讨论与结论
4.1 讨论
4.2 结论
