淮河流域植被变化及影响因素分析

贺巧宁，徐金梦，李鑫川

（淮阴师范学院 城市与环境学院，江苏 淮安 223300）

0 引言

植被变化对水文、生态环境和气候产生重要影响，可作为气候和人类活动对环境敏感性的指标。持续显著的气候变化和日益增强的人类活动已对全球植被造成严重影响。因此，研究植被变化规律以及分析植被变化的影响因素具有重要意义。

归一化植被指数可反映植被生长状态和长势，被广泛应用于研究区域乃至全球植被覆盖状况变化。严登明等利用MODIS 时序数据分析了淮河流域土地利用时空格局动态及其植被覆盖变化；王情等研究了淮河流域植被覆盖时空变化，包括月变化规律、年际变化趋势和不同景观类型的植被指数变化趋势等[1]；史晓亮等利用MODIS NDVI 遥感影像数据与TRMM 卫星降水数据，采用降水距平百分率（Pa）作为气象干旱的评价指标，分析了2001-2016 年淮河流域植被NDVI 和降水异常百分比的年际变化特征及其相关性[2]。这些研究主要探讨了淮河流域植被覆盖的时空变化以及气象因子对植被变化的影响，鲜少关注植被变化的人为影响因素。美国军事气象卫星线性扫描业务系统传感器获取的夜间灯光数据与用电水平、经济水平和人口数量有很强的相关性，被广泛应用于监测城市化进程和人类活动[3]。有鉴于此，文章拟选用DMSP 灯光数据并结合温度和降水等气象数据探讨淮河流域植被变化对气候变化和人类活动的响应。

淮河流域是典型的气候过渡带地区，兼具南北气候特征[4]。因此，在南北气候的共同作用下，流域内植被变化存在显著差异。同时，在国家政策支持下，各地经济发展迅速，城市化水平日益提高，使得各个地区土地利用方式发生了显著变化[5]。然而，已有研究较为关注淮河流域植被变化与自然因素之间的关系，对其与人类活动之间的关系以及自然因素和人类活动两种因素谁占主导地位的研究关注较少。为此，本研究拟基于NDVI 数据，分析2000-2013 年淮河流域植被时空变化特征，在此基础上结合2000-2013 年淮河流域气温、降水和夜间灯光数据探讨淮河流域植被NDVI 变化对气候变化和人类活动的响应，以期为中国快速城镇化背景下和“双碳”目标下的区域生态环境建设与可持续发展提供参考。

1 研究区概况

淮河流域地处中国东部，介于长江和黄河两流域之间，地理位置在E111°55′～121°20′，N30°55′～36°20′之间，面积约为27 万km²。淮河流域的西部、西南部以及东北部为山区，其余为广阔的平原，山区多于平原，沿海大于内陆，流域植被类型主要为各类农作物、灌丛、森林及草甸等。淮河流域位于中国南北气候的交界处，其南部大部分为亚热带季风及湿润性气候，北部多为温带季风气候；其气温及降水基本呈由南向北递减分布。

2 数据与研究方法

2.1 数据来源与预处理

2.1.1 植被数据来源与预处理

MOD09Q1 反射率数据来源于美国LP DAAC的MODIS 数据产品。淮河流域范围选用h27v05 和h28v05 进行拼接和投影转换。MOD09Q1 反射率数据的时间分辨率为8d，空间分辨率为250m，用近红外波段和红波段计算出淮河流域植被NDVI。

每8d 的MOD09Q1 反射率数据是基于每天的反射率数据采用最大值合成法以消除云和气溶胶等的影响而生成的影像[6]。论文先对8d 合成的NDVI数据运用S-G 滤波进行平滑，后经平均计算得到月、季节和年尺度的NDVI。

2.1.2 降水和气温数据来源与预处理

论文选用的气象数据来源于中国气象数据网（http://data.cma.cn），选取淮河流域及其周边70个气象站点的日尺度降水量和气温数据。数据处理中先对数据进行质量检验与控制，然后采用克里金插值方法进行空间插值，最后利用淮河流域边界进行掩膜提取，得到流域内降水和气温的空间分布。

2.1.3 城市化水平数据来源与预处理

在本次研究过程中发现，如果采取传统的方法来分析淮河流域城市化发展水平，需要用到大量社会经济统计数据，但是由于淮河流域不是一个统计口径的行政区划[7]，各区域之间在统计数据时会有所差异，因此论文采用夜间灯光数据来反映城市化水平。研究所用夜间灯光数据来源于美国军事气象卫星DMSP，空间分辨率为1000m。文章提取了2000-2013 年淮河流域14a 的灯光数据，并对流域范围的稳定夜间灯光数据进行传感器间相互校正、同年多传感器校正和连续性校正，生成了适用于淮河流域的长时间序列的灯光数据集[8]。

由于不同数据类型具有不同的分辨率且考虑到最低分辨率，因此将地表反射率数据计算的NDVI值和气温降水数据统一重采样至1km×1km 的空间分辨率，以便进行空间分析与对比[16]。

2.2 研究方法

2.2.1 相关性分析

相关系数用于研究变量之间的线性相关程度，本文选用相关系数表征淮河流域植被NDVI 与灯光数据DMSP、气温和降水的关联程度[9]，计算公式为：

其中，为与的协方差，为的方差，为的方差。

2.2.2 变化趋势分析

文章选用线性拟合方程对淮河流域NDVI 的年变化趋势进行拟合。拟合方程为，其中，a 为NDVI 随着时间x 变化的回归系数；x 为时间，y 为NDVI，计算公式为：

式中，n 为研究时段的长度，为第i 年的NDVI。a ＞0 表 示NDVI 呈现上升趋势，a ＜0 表示NDVI 呈现下降趋势。使用P 值进行显著性检验，P ＜0.05 为显著，P ＜0.01 为极显著。结合回归系数大小和显著性水平，论文将变化趋势分为5 个等级，NDVI 变化趋势分级表，见表1。

表1 NDVI 变化趋势分级表

3 结果与讨论

3.1 淮河流域植被NDVI 时空变化特征

3.1.1 植被NDVI分布特征

2000-2013 年淮河流域年均NDVI 在空间分布上存在明显的空间异质性，2000-2013 年淮河流域年均NDVI 空间分布图，见图1。江苏省区域NDVI年均值要高于山东省、安徽省和河南省，其多年平均NDVI 值为0.44，其他三省（山东省、安徽省和河南省）的年均NDVI 值分别为0.39、0.43 和0.43。淮河流域内平原地区NDVI 值较小，普遍介于0.4-0.5 之间；山区NDVI 值较大，如大别山区、伏牛山区和桐柏山区，多介于0.5-0.6 之间，其中大别山区NDVI 普遍＞0.6，是流域内NDVI 最高值区域。沂蒙山区NDVI 值较小，多年平均NDVI 值介于0.3-0.4 之间。

图1 2000-2013 年淮河流域年均NDVI 空间分布图

3.1.2 植被NDVI变化特征

2000-2013年淮河流域年均NDVI呈显著增加趋势，淮河流域2000-2013年年均NDVI变化，见图2。整个研究期内，流域平均年NDVI以0.57%/a（P<0.05）速率增加。其中，在2000-2007年NDVI增长速率较快（1.22%/a（P<0.05））；2008-2013年流域内NDVI值增长速率变缓，以每年0.56%（P<0.05）的速率缓慢上升。研究期内，2000年NDVI值最小，为0.37；2007年NDVI达到最大值0.47。淮河流域NDVI值整体呈逐年上升的趋势，这与前人关于淮河流域绝大部分地区NDVI有显著增加趋势的研究结果相一致[10]。此外，从植被NDVI的动态变化中可以反映出淮河流域生态质量的变化，体现了淮河流域内各地政府对生态脆弱区的保护以及生态建设的重视。

图2 淮河流域2000-2013 年年均NDVI 变化

空间分布上，在2000-2013 年，淮河流域植被NDVI 总体呈变绿趋势，淮河流域2000-2013 年NDVI 变化趋势，见图3。这主要是由于淮河流域近年来大力发展平原林业以及农业，平原地区植被覆盖有所改善。淮河流域西部山区地区植被茂盛，NDVI 总体亦呈增加趋势。在一些城市及周边地区，植被NDVI 呈减少趋势，这可能是由于城市化发展导致部分耕地和草地被建设用地占用，植被覆盖下降。从各省来看，河南省西南部地区NDVI 极显著增加；山东省中部地区和江苏省东南部地区呈显著减少趋势。研究发现江苏省的盐城、泰州和扬州等地区由于城市建设和社会经济的发展，农耕面积减少，NDVI 显著减少。

图3 淮河流域2000-2013 年NDVI 变化趋势

3.2 植被NDVI 变化的影响因素

3.2.1 气象因子对植被变化的影响

植被受人类活动、气候因子、地形地貌等多种因素影响[11]，其中降水量和气温是影响植被变化的主要气候因子。文章根据淮河流域及其周围的70 个气象站点，利用2000-2013 年中国地面气候资料日值数据集，计算获得淮河流域年平均气温和年降水量。

3.2.2 气温和NDVI的关系

淮河流域年均气温在空间上呈现由南向北递减的空间分布特征。温度低值主要位于沂蒙山区，多年平均温度为12～14℃；温度高值主要位于城市及其周边地区，多年均温在16～17℃。流域内年均气温年际波动较大，最低值出现在2003 年，年均气温为14.4℃，最高值出现在2006 年，年均气温为15.6℃。2000-2013 年淮河流域NDVI 与气温之间的相关关系，见图4。可见，在2000-2013 年期间，淮河流域内气温的变化与植被变化呈现正相关关系，相关系数为0.3。

图4 2000-2013 年淮河流域NDVI 与气温之间的相关关系

3.2.3 降水和NDVI的关系

2000-2013 年，淮河流域内年降水量呈现由南向北递减的分布特征，其中，大别山区降水量最大，年降水量在1000mm 以上；鲁西平原北部和豫东平原北部年降水量在700mm 左右，降水量较小。流域内降水量年际变化显著，其中，2001 年降水量最小，为656mm；2003 年降水量最大，为1289mm；多年平均降水量值为892mm。在研究期内，2001 年流域总降水量骤降，干旱强度大，这与郑晓东[12]、谢五三[13]的研究结果一致。

对比淮河流域年均NDVI 变化规律可知，植被NDVI 年变化与降水量的年变化并不一致，说明植被NDVI 值的变化不仅受降水量变化的影响，还受其他自然因素和人为因素综合叠加影响。由图5 可知，NDVI 与降水之间的相关性较小，相关系数为0.18，表明研究期内淮河流域植被的生长受降水量的影响较小。

图5 2000-2013 年淮河流域NDVI 与降水之间的相关关系

3.2.4 城市化过程对植被变化的影响

随着淮河流域内城市快速发展，热岛效应增强，对流域内局地气候造成影响，从而对流域内植被生长状态产生影响，因此研究城市化进程对植被变化影响有重要意义。文章基于2000-2013 年DMSP/OLS 夜间遥感数据，处理得到淮河流域城市夜间灯光数据，并用此夜间灯光数据分布反映城市的扩展情况和人类活动的变化。利用DN 值的大小衡量城市化水平，城市化水平越高，DN 值越大。

淮河流域内各城市城市化水平呈现明显的差异性。淮河流域西北部的河南省郑州市及其周围城市化程度较高，山东省南部的临沂市和济宁市以及江苏省的徐州市、扬州市和淮安市城市化水平次之，安徽省城市化水平整体较低。

从2000-2013 年淮河流域年均灯光亮度值的变化图中可以看出，2000-2013 年淮河流域城市化水平逐年增加，2000-2013 年淮河流域年均灯光亮度值的变化（左）和植被NDVI 与DMSP 之间的相关关系（右），见图6。2000-2005 年城市化发展速度较稳定，从2006 年开始，增长速度加快，这一现象是由于各地工业发展，带动城市化发展，使得城市范围迅速扩张。

图6 2000-2013 年淮河流域年均灯光亮度值的变化（左）和植被NDVI 与DMSP 之间的相关关系（右）

淮河流域植被NDVI 与DMSP 呈正相关关系且相关性较强，反映了淮河流域内各城市在发展的同时，也注重生态环境的保护。前人的研究表明，淮河流域内的城市可以充分利用衔接南北地区的优势，通过对南北地区的资源调度来促进发展，而对于城市化发展较为缓慢的城市，可以合理利用当地的条件来发展，例如将高污染产业转换为低污染产业，合理利用土地类型，推动旅游等第三产业的发展，从而提高城市化水平[14]。

综合上述淮河流域NDVI 与DMSP、气温和降水数据的相关性分析可知：NDVI与DMSP 呈正相关关系且相关性较强，NDVI 与气温呈正相关关系但相关性较弱，NDVI 与降水呈负相关关系且相关性极低。由此可见，在2000-2013 年期间，对淮河流域植被NDVI 变化影响最大的因素是城市发展，其次是气温，降水量的影响最小。由此可见，城市化进程是影响淮河流域植被变化的主导因素。

4 结论

论文基于MODIS MOD09Q1 反射率数据、气象数据和DMSP 灯光数据，分析了2000-2013 年淮河流域植被NDVI 的时空变化特征，在此基础上结合淮河流域气温和降水的时空变化特征和流域内城市化发展进程，探讨了气候变化和人类活动对淮河流域植被变化的影响。主要研究结论包括：

1）2000-2013 年淮河流域年均NDVI 在空间分布上呈现明显差异，江苏省NDVI 年均值要高于山东省、安徽省和河南省。淮河流域年均NDVI 值在0.37-0.47 之间，呈现显著增加的趋势。空间分布上，在2000-2013 年，淮河流域植被NDVI 总体呈变绿趋势。

2）2000-2013 年淮河流域年降水量和年均气温在空间上呈由南向北递减的分布特征。流域内年均气温变化稳定，城市及其周围地区温度较高。流域内年降水量整体呈现下降趋势，年际波动较大。2000-2013 年间，植被NDVI 与气温呈不显著正相关关系，与降水呈不显著负相关关系。

3）2000-2013 年淮河流域城市灯光数据呈现上升趋势，不同城市之间存在一定的差异。研究期内，植被NDVI 与DMSP 呈显著正相关关系。在城市化进程中，植被NDVI 亦在提升，说明淮河流域各城市经济发展的同时，也关注生态环境的保护。在影响淮河流域植被变化的因素中，人类活动占主导地位，降水量与气温变化的影响较小，且气温的影响程度要高于降水量的影响程度。