近38 年科尔沁沙地NDVI时空演化

张 丽，张昱鑫

(吉林师范大学 旅游与地理科学学院，吉林 四平 136000)

0 引言

植被在陆表能量交换、水文循环和气候调节方面发挥着重要作用，是气候变化的敏感指示器[1-2].归一化植被指数(Normalized Difference Vegetation Index，NDVI)是指示大尺度植被覆盖和生产力的重要指标，其数值大小可表征植被活动强度，进而反映生态系统结构和功能的属性特征[3-4].利用遥感技术开展大区域长时间序列植被变化研究，是揭示生态系统的变化特征的重要方法[5-6].学者已报道全球范围内植被覆盖呈现上升趋势[7]，中国[8]及其东北部地区[9]植被覆盖均表现出一定程度的变化，而植被覆盖变化受气候变化与人类活动共同影响，是区域生态环境变化的直接结果[10]，揭示植被时空演化与气候变化、人类活动的关系，可为应对气候变化、提升生态系统适应能力提供理论依据[11].在植被变化驱动力方面，洲际尺度上，A.Mohammat等[12]通过对亚洲内陆地区1982—2009年各季节NDVI变化研究认为，地表变绿趋势在20世纪90年代终止，春季变冷和夏季干旱是其主要原因；在国家尺度上，朴世龙等[13]通过对1982—1999年中国NDVI变化分析认为，春季是中国植被NDVI均值上升趋势最明显、增长速率最快季节，生长季的提前是中国植被对全球变化响应最主要方式；而在区域尺度上，J.Ren等[14]通过对天山北麓1982—2000年NDVI变化及气候驱动因素分析发现，NDVI增加主要是由气象因子中降水量增加所致.科尔沁沙地处于欧亚大陆中纬度巨型沙带的东缘[15]，是中国北方典型的农牧交错带，区域气候变化与人类活动具有特殊性[16-17].目前，学者在科尔沁沙地，多开展沙丘形态监测、土壤水分空间变异特征等工作，而较少关注长时间序列植被的演化特征.因此，本文选择中国东北典型沙地——科尔沁沙地为研究对象，利用GIMMS NDVI和MODIS NDVI数据，获得该区长时间序列NDVI数据，在时空尺度上分析该区植被演化特征，同时结合气象数据和社会经济数据，探讨影响因子及其贡献率.以期阐明中国北方沙地NDVI时序变化过程及驱动力，为进一步实施生态恢复工程提供科学参数.

1 研究方法

1.1 研究区概况

科尔沁沙地处于西辽河下游干、支流沿岸的冲积平原上，是大兴安岭与燕山山脉东延相交地带，属新华夏系和阴山纬向构造体系所控制的松辽沉降带的一部分[18]，西起燕山山系的七老图山，东至松辽平原西部，南以努鲁儿虎山为界，北接大兴安岭山地南缘.范围42°30′～44°50′N，118°30′～124°15′E，面积64 387.22 km2，处于温带季风气候区向温带大陆性气候过渡地带，年均温为5.2～6.4 ℃，年降水量为343～500 mm，多年平均蒸发量为1 500～2 500 mm，冬季多西北风，春季多西南风，年均风速为3.5～4.5 m/s，全年日照时长为2 900～3 100 h，无霜期约140～160 d.地带性土壤主要为栗钙土、黑钙土和栗褐土.天然植物群落以中旱生植物为主，原生植被以榆树和蒙古栎为主.

图1 研究区位置

1.2 数据来源及处理

遥感数据包括GIMMS NDVI和MODIS NDVI，GIMMS NDVI数据采用美国国家航天航空局(NASA)全球检测与模型研究组(GIMMS)提供的GIMMS NDVI半月最大合成数据，时间序列为1982—2006年，时间分辨率为15 d，空间分辨率为8 km×8 km，该数据集是目前最长时间序列的NDVI数据，与其他NDVI数据相比，其误差小、精度高，已广泛应用于全球及区域大尺度植被变化的研究中[19]；MODIS NDVI数据为2001—2020年，时间分辨率为16 d，空间分辨率为1 km×1 km.利用MODIS Reprojection Tools(MRT)软件对下载的原始数据进行格式与投影转换、数据拼接和裁剪，统一采用WGS1984地理坐标系统，并重采样为8 km×8 km空间分辨率.两种数据集在制备过程中已经过辐射校正和几何粗校正、图像几何精校正、除坏线、除云等处理，保证了数据的质量[20].

由于两种NDVI数据采用了不同的传感器，在近红波段NIR、红波段R以及时间和空间分辨率方面有差异，故在数据补插融合前需要对两种数据进行一致性检验.本文采用GIMMS NDVI时间序列范围为1982—2006年，MODIS NDVI数据的时间范围为2001—2020年，依据2001—2006年共6年的重叠数据，对年生长季(4—10月)平均最大植被NDVI数据进行相关性分析，得到两者相关系数为0.894，在0.05置信水平上显著相关，说明两种数据年度数据在全区域尺度上具有显著一致性.采取同样方法对两者月尺度数据进行一致性检验，相关系数为0.958，在0.01置信水平上通过检验.综上，针对科尔沁沙地区域空间尺度来说，可以用MODIS NDVI数据集对GIMMS NDVI数据插补进行时间序列分析，结合2007—2020年MODIS NDVI数据插补2007—2020年度和月份GIMMS NDVI数据，将实验数据的时间跨度延伸为1982—2020年.

气象数据来源于中国气象数据网(http：//www.gscloud.cn)，包括1982—2020年研究区内26个气象站点的月平均气温、降水、风速和蒸发量数据.

1.3 研究方法

1.3.1 最大值合成法

为分析区域植被覆盖及NDVI在时间和空间上变化特征，采用最大合成法(Maximum Value Composites，MVC)获取月NDVI最大值，反映某段时间内植被指数最佳状态，可减少气溶胶、云阴影和视角等噪音影响，降低误差[21]，提高植被指数精度和质量，计算公式为

MNDVIi=Max(NDVI1，NDVI2).

其中：i为月序号(i=1，2，…，12)，取值范围为1～12；MNDVIi为第i月的NDVI最大值；NDVI1和NDVI2分别为第i月上、下半月NDVI值；Max()为最大值，并在此基础上通过月NDVI最大值求取年NDVI最大值.

1.3.2 均值法

为反映研究区域NDVI平均水平，采用均值法统计研究区NDVI均值.均值处理(Mean Value Method，MVM)能有效的降低极端气候条件对植被指数异常值造成的干扰，公式为

其中：i为年序号(i=1，2，…，38)；NDVIi表示第i年NDVI值；n为数据项数目；j为天序号(j=1，2，…，31)；NDVIij表示第i年j月NDVI值.

1.3.3 灰色关联分析

灰色关联分析方法是根据因素之间发展趋势的相似或相异程度[22-23]，对运行机制与物理原型不清楚或者根本缺乏物理原型灰关系进行模式化[24]，公式具体如下：

设序列Xi=(xi(1)，xi(2)，…，xi(n))，Xj=(xj(1)，xj(2)，…，xj(n)).始点零化像分别为

ρij=θεij+(1-θ)γij.

其中θ∈[0，1].

1.3.4 相关分析

相关分析是研究两个或两个以上处于同等地位随机变量间的相关关系，是对总体中确实具有联系的标志进行分析，可衡量两个变量因素的相关密切程度，公式为

2 结果与分析

2.1 NDVI时间变化特征

2.1.1 年际变化

科尔沁沙地1982—2020年生长季(4—10月)NDVI值总体呈波动增加趋势(见图2)，增幅23.05%，年均增长率为0.59%.其中，1982—1992年NDVI值呈波动增加趋势，增幅为16.43%，年均增加率为1.64%；1992—2007年波动减少，降幅为17.46%，年均减少速率为1.16%；2007—2020年又呈显著增加趋势，增幅为28.31%，年均增加速度为2.18%，2017年NDVI达到最大值(2.063 9).

图2 科尔沁沙地NDVI年际变化趋势

2.1.2 季节变化

研究期内，科尔沁沙地春季NDVI均值为0.319 7，从1982年的0.352 1增加到2020年的0.415 2(见图3)，增幅为17.92%，年均增长率为1.46%；夏季NDVI均值为0.711 9，由研究初期的0.583 0增至研究末期的0.822 0，增幅高达40.99%，年均增长率为1.05%；秋季NDVI均值为0.578 0，总体增加0.036 7，增幅为4.89%，年均增长率为0.13%.总体来看，2003年以后，科尔沁沙地各季节NDVI均值波动较大.

图3 科尔沁沙地NDVI季节变化趋势

2.2 NDVI空间演化特征

2.2.1 空间总体特征

在科尔沁沙地尺度上，植被生长季NDVI东部高、西部低，由东部向西部呈减少趋势(见图4(A)).近38 年大部分地区植被生长季NDVI的年均值都在0.25以上，植被状况良好；而沙地西南部NDVI年均值集中在0.15～0.25之间，植被状况稍差.从县域角度看，双辽市、康平县和科尔沁左翼后旗东南部的NDVI多年平均值较高，在0.35～0.49之间；而翁牛特旗和奈曼旗西部的NDVI多年均值相对较低，在0.15～0.26之间.

2.2.2 空间演化特征

科尔沁沙地大部分地区生长季NDVI呈上升趋势(见图4(B))，增加数值介于0.05～0.15之间，其中，库伦旗中西部、奈曼旗中部和开鲁县中西部地区NDVI的增加数值介于0.25～0.35之间，变化显著；而库伦旗东部、康平县中部、科尔沁右翼中旗和阿鲁科尔沁旗北部的部分地区，NDVI呈现下降趋势，减少数值介于0.05～0.15之间.

(A)多年均值；(B)空间变化

2.3 NDVI时空演化气候因素分析

2.3.1 气候变化特征

科尔沁沙地年均气温呈波动降低趋势，降幅为27.99%；年均降水量总体呈波动减少趋势，近38年平均年均降水量334.27 mm，二次滑动平均分析发现，该区呈现干湿交替的气候变化特征；年均风速整体呈先上升后下降趋势，其中1982—1998年增幅为35.14%，而1998—2019年降幅为27.66%；年均蒸发量亦可分两个阶段，1982—2002年年均蒸发量较高且波动变化显著，降幅达46.05%，而2000—2020年年均蒸发量显著减少且较为稳定.

2.3.2 NDVI与气候因素的关系

植被指数变化受自然与社会经济多方面影响，是一个随机变化的灰色量，适合于灰色关联分析.科尔沁沙地NDVI年均值与年均风速、年均气温、年均降水量、年均蒸发量的灰色关联度系数皆大于0.7，说明NDVI变化与气候因素存在着较大的相关性.NDVI与气象因子的灰色关联序均为年均降水量>年均风速>年均气温>年均蒸发量。

这表明该区年均降水和年均风速对植被指数变化影响最大，年均气温与年均蒸发量次之.

表1 NDVI与气象因素灰色关联系分析

对沙地1982—2020年NDVI与各对应相同年份气象因子年均气温、年均降水、年均风速和年均蒸发量进行相关分析表明，科尔沁沙地年NDVI与年均气温、年均降水量、年均风速和年均蒸发量的相关系数分别为0.361，0.656，0.597，0.233，且均在0.01水平(双侧)上显著相关.科尔沁沙地NDVI与气候要素的相关系数中，年均降水量>年均风速>年均气温>年均蒸发量，表明降水对NDVI的影响较大，降水对植被生长具有重要作用，是影响沙地NDVI变化主控因素.

3 结语

1982—2020年，科尔沁沙地植被生长季NDVI总体呈现波动上升趋势，与全球干旱区[25]、中国[26]及其东部地区[27]等不同尺度上关于NDVI变化趋势的研究结果一致.特别是以1992年为分水岭，该年以前NDVI呈现显著增加趋势，之后呈显著减少趋势，这一特征与S.L.Piao等[28]、A.Mohammat等[12]研究结果一致.科尔沁沙地NDVI年内变化呈单峰型曲线，5月份增大，7月份达到最高值，9月份开始回落，与马明国等[29]和程瑛等[30]报道一致.这种变化驱动力是全球气候变化背景下的区域响应.

科尔沁沙地植被覆盖总体上呈增加趋势，并受控于气候条件的变化，如大气的水热状况，尤其是大气降水作用更为明显.学者已开展的相关研究成果已证实这一点[20，27].而2000年以后，尤其在国家退耕还林还草、天然林保护、防沙治沙工程等政策的影响下，使得该区由沙漠化向绿洲化方向发展的进程加快，下一步工作将开展政策指标的量化分析，以定量分析政策成效.

(1)近38年科尔沁沙地NDVI呈增加趋势，年均增长速度为0.01，增幅为32.78%；NDVI增加区域多位于农田分布区，且具有空间差异性，沙地整体呈现由荒漠化向绿洲化方向发展.

(2)科尔沁沙地NDVI多年均值在1.423 5～2.063 9间波动，变化阶段特征明显，其中，1985—1992年和2007—2020年植被覆盖增加显著，增速分别为4.06%/年和4.53%/年；季节变化特征与年内变化特征具有一致性，并都呈现先上升后下降的变化趋势.

(3)科尔沁沙地NDVI增加区域较大，但增幅较小，且具有空间差异性，高值地区主要分布于其东南部，低值地区主要分布在西北部，从像元分布看，增加区域主要位于农田种植区.

(4)科尔沁沙地植被生长季NDVI变化受气象因素中的年均降水和年均风速共同驱动，而降水是影响该区NDVI值变化的主导因素.