广西壮族自治区植被覆盖度时空变化及多元化因子分析

杨君楠 狄光智

摘 要：旨在利用MODIS遙感数据集对研究区19年植被覆盖度的时空变化及多元化因子进行分析，研究表明：（1）广西近19年植被覆盖度整体较高，空间分布呈四周高、中间低的特征；（2）2001-2019年FVC呈上升趋势，且上升趋势的面积占比达到61.50%，上升速率为每10年0.091，且波动变化相对稳定；（3）由气温、降水量与FVC偏相关性结果可知，植被覆盖度与气候因子之间存在相关性，气温以每10年0.38℃的上升速率呈上升趋势，降水量呈缓慢下降趋势，降水量及气温对植被覆盖度的影响存在空间异质性；随着海拔的升高植被覆盖度呈先增后减的趋势；坡向对植被类型的布局影响较大，阳坡主要以林地类型为主，阴坡主要以草地和林地为主；不同坡度植被覆盖变化显著，在坡度≤15°时植被覆盖度较高，当坡度越大时植被覆盖度呈下降状态；（4）随着土地利用类型的变化植被覆盖度有明显差异，转为林地和草地的面积及植被覆盖度都呈逐年增加趋势，耕地植被覆盖度呈先增后降的趋势。

关键词： 植被覆盖度； MODIS；FVC； 像元二分模型； 一元线性趋势分析； 偏相关性分析

中图分类号：Q 948.1     文献标志码：A   文章编号：0253-2301（2023）01-0058-08

DOI： 10.13651/j.cnki.fjnykj.2023.01.009

Analysis on the Temporal and Spatial Variation and Diversification Factors ofVegetation Coverage in Guangxi Zhuang Autonomous Region

YANG Jun-nan， DI Guang-zhi*

（Southwest Forestry University， Kunming， Yunnan 650224， China）

Abstract： This paper aimed to use the MODIS remote sensing data set to analyze the temporal and spatial variation and diversification factors of vegetation coverage in the study area in the past 19 years. The research showed that： （1） In the recent 19 years， the vegetation coverage in Guangxi was higher on the whole， and the spatial distribution was characterized by higher in the periphery and lower in the middle. （2） From 2001 to 2019， FVC showed an increasing tendency， and the area of the increasing tendency accounted for 61.50%. The raising rate was 0.091 per 10 years， and the fluctuation was relatively stable. （3） According to the partial correlation results of temperature， precipitation and FVC， there was a correlation between vegetation coverage and climatic factors. The temperature increased at a rate of 0.38℃ every 10 years， and the precipitation decreased slowly. The influence of precipitation and temperature on the vegetation coverage had spatial heterogeneity. With the increase of altitude， the vegetation coverage increased first and then decreased. The slope aspect had a great influence on the layout of vegetation types. The sunny slope was mainly dominated by forest land types， while the shady slope was mainly dominated by grassland and forest land types.The vegetation coverage changed significantly at different slopes. When the slope was less than 15°， the vegetation coverage was higher， and when the slope was larger， the vegetation coverage decreased. （4） With the change of land use types， there was significant difference in the vegetation coverage. The area converted to forestland and grassland and the vegetation coverage increased year by year， while the vegetation coverage of cultivated land increased first and then decreased.

Key words： Vegetation coverage； MODIS； FVC； Dimidiate pixel model； Unitary linear trend analysis； Partial correlation analysis

植被是人类赖以生存和发展的物质基础，对地表生态环境的建设发挥着相当重要的作用，同时植被也是陆地生态系统的重要组成部分［1］。植被覆盖度是指植被（包括叶、茎、枝）在地面的垂直投影面积占统计区总面积的百分比［2］，是衡量植被生长和植物群落覆盖等健康状况与否的综合指标之一。由于社会的发展，特别是人类活动在很大程度上影响了陆地生态系统的平衡，引起全球变暖、植被生境的破坏等问题，而植被覆盖度变化的同时也影响着区域气候、水文、生态等环境因子的变化。植被覆盖度的获取方法过去一直采用的是实地测量法，比如目估法、采样法、仪器法、模型法等［3］，传统方法不管在人力、物力、财力还是时间成本上都消耗过大，具有一定的局限性。近些年来遥感技术不断发展与应用，国内外很多学者就利用遥感数据对不同尺度区域的植被覆盖度进行了反演和驱动因子分析［4-9］。从最开始传统实地估量植被覆盖度到现在通过遥感影像以数学模型为基础进行估算，用遥感估算得方法节省了大量得人力、物力以及时间，这为进一步估算碳汇和评估区域生态环境提供了科学的数据支撑。

广西位于中国地势第二级阶梯，地处云贵高原的东南部。目前利用遥感技术对广西植被覆盖度以及相关因子分析的研究较少。由于NDVI（Normalized Difference Vegetation Index，归一化植被指数）是依据地表反射率监测地表植被变化的指标［10-11］，植被覆盖度（Fractional Vegetation Coverage，FVC）是指植被垂直投影到地表的面積占研究区总面积的分布比例，是植被生长信息的直观反映，是研究生态和气象等环境变化的重要影像因子。因此，本研究以广西为研究区域，以MODIS植被指数NDVI数据集为基础，利用像元二分模型反演出植被覆盖度，运用相关分析方法探讨广西FVC的时空变化，同时对多元驱动因子进行相关分析，为广西区域生态环境的建设和中国南部植被覆盖度的研究提供现实依据。

1 研究区概况及数据来源

1.1 研究区概况

广西是少数民族自治区，也是中国沿海自治区。属于中国华南地区西部，省界与广东、湖南、贵州及云南相接壤，并与越南相毗邻，南濒北部湾海峡，总面积为23.67 hm2，位处中国地势的第二级阶梯。因其不同的地形地貌，研究区北部以中亚热带季风气候为主，南部以南亚热带季风气候为主，多地年降水量均≥1 000 mm，多数地区年降水量≥1 500 mm。各地年平均气温＞16℃，气温随纬度的变化由北向南递增，由山地丘陵向平原盆地递增。整个地势为中间低四周高，平均海拔在750 m以上，总体来说山地、高原及丘陵为研究区主体地貌。

1.2 数据来源与预处理

研究选用3种数据：（1）遥感数据，源于NASA官方遥感数据网站（https：//ladsweb.modaps.eosdis.nasa.gov）MODIS卫星产品中的MOD13Q1 NDVI数据［12-13］和MCD12Q1土地利用数据，利用MODIS预处理软件（MODIS reprojection tool，MRT）将MOD13Q1 NDVI数据以及MCD12Q1土地利用数据分别进行重采样、重投影及拼接等预处理，使其空间分辨率达到一致；（2）DEM高程数据，源于地理空间数据云（http：//www.gscloud.cn/），利用ArcGIS 10.8软件对广西DEM数据进行镶嵌、裁剪等处理，然后将其统一为与NDVI数据相同的坐标系和投影坐标，提取地形因子并分级；（3）气候数据，源于中国气象数据共享服务网（http：//data.cma.cn/），将气候基础数据插值处理，最后按照研究区域矢量图进行掩膜提取出研究区域栅格化的逐年逐月的气候影像。

2 研究方法

2.1 像元二分模型

NDVI可以体现植被健康生长状况，是目前被广泛应用的植被指数［15-17］。其估算公式如下：

NDVI=NIP-RNIR+R（1）

式（1）中：NDVI为归一化植被指数，其中R为红波段，NIR为近红外波段。

像元二分模型假设是将像元光谱信息分为纯植被有效贡献信息（S1）和裸土有效贡献信息（S2）两部分混合而成，即：

S=S1+S2（2）

若某一像元的裸土覆盖像元用Ss表示，纯植被覆盖像元用Sv 表示，则这一像元的植被覆盖度（FVC）将以植被覆盖度的面积占比来表示，裸土覆盖度可以表述为（1-FVC），此时计算S1、S2和FVC的表达式为：

S1=Sv×FVC （3）

S2=SS ×（1-FVC） （4）

FVC=S-SSSv-SS（5）

由于NDVI和FVC之间存在显著的相关性，结合上述公式（1）和公式（5），FVC的计算公式即为：

FVC=NDVI-NDVISNDVIv-NDVIS（6）

式（6）中：NDVIS为纯土壤覆盖的像元NDVI值，NDVIv为纯植被覆盖像元NDVI值。

2.2 线性回归模型

线性回归分析方法将模拟植被覆盖度的变化趋势［18］。本研究基于最小二乘法逐个像元采用线性回归模型拟合斜率，以单个像元FVC随时间变化特征进行分析19年间广西植被覆盖度（FVC ）的变化趋势和变化速率，其公式如下：

θslope=n×∑ni=1i×FVCi-∑ni=1i∑ni=1FVCi∑ni=1i2×n-（∑ni=1i）2（7）

式（7）中：θslope为19年以来FVC的变化斜率；n为年份，i为年变量，FVCi代表第i年的FVC。当FVC＞0时，说明植被覆盖度呈上升趋势，反之下降。其计算公式如下：

R2=［∑ni=1（i-）×（FVCi-FVC）］2∑ni=1（i-）2×∑ni=1（FVC-FVC）2（8）

式（8）中：i为2001-2019年的年份号1～19；n为年份；为这19年的植被覆盖度平均值；FVCi为第i年的FVC值，FVC为2001-2019年FVC的平均值。根据检验结果和θslope值的大小将FVC分为7个等级，并统计相应区间的面积占比。

2.3 FVC变异系数分析法

变异系数（coefficient of variation，Cv）可以反映植被覆蓋度多年的变化波动状况［19］，其计算公式如下：

Cv=∑ni=1（i-）×（FVCi-FVC）2n-1

FVC（9）

式（9）中：Cv是FVC的变异系数；n为年份；FVCi为第i年的FVC值，FVC表示2001-2019年的FVC平均值；若Cv≤0.15，则FVC波动变化较小，植被生长处于稳定状况；若Cv＞0.15，则FVC波动变化较大，植被生长处于非稳定状况；根据前人的研究，根据变异系数值的大小，将植被FVC波动大小进行分等并统计相应区间的面积占比。

2.4 FVC相关系数模型

偏相关分析是用于研究多个因子之间的相关性［20］，依据研究区域的植被覆盖度，利用Matlab软件进行分析其与同区域年均气温和年降水量之间的偏向性，并进行偏相关性假设检验，其计算公式如下：

rij，k=rij，k-rik×rjk（1-r2ik）-（1-r2jk）（10）

式（10）中：rij，k表示对i和j这2个变量因子进行偏相关分析获取的偏相关系数；其中，rij、rik、rjk为2个变量因子的简单相关系数，rij

，k取值范围在［-1，1］之间，若rij，k＞0时，则说明2个变量因子之间呈正相关；若rij，k＜0，则说明2个变量因子之间呈负相关；若

rij，k的绝对值接近1时，说明2个变量因子之间的偏相关性较好，若rij，k的绝对值接近0时，说明2个变量因子之间的偏相关性越低。

2.5 马尔科夫模型

马尔科夫模型是一种统计模型，本文对研究区域的土地利用覆盖变化情况采用此模型进一步分析研究在生态政策实施开始时和研究结束时土地利用变化情况以及不同土地利用类型的变化方向［21］。其计算公式如下：

Sij=S11  S12  …  S1n

S21  S22  …  S2n

┇ ┇ ┇ ┇

Sn1  Sn2  …  Snn  （11）

式（11）中：S表示土地面积，n表示土地利用类型的数量，i表示研究开始初的土地利用类型，取值1，2，…，n；j表示研究结束末的土地利用类型，取值1，2，…，n。3 结果与分析

3.1 广西植被覆盖度时空分布特征

3.1.1 广西植被覆盖度空间分布特征

2001-2019年广西平均植被覆盖度的均值为0.77，并依据《土壤侵蚀分类分级标准》将计算出来的FVC遥感影像基于目前的植被覆盖度分类研究进行等级划分［22］，分为5个等级，分别为较高、高、中等、较低及低。该研究以2001、2005、2010、2015、2019年为代表年份，对其进行植被覆盖度面积占比统计（表1），其中，较高植被覆盖度和高植被覆盖度总和多年超过80%；低、较低、中等3个等级的植被覆盖面积百分比呈减少趋势，而较高、高2个等级的植被覆盖区域面积占比呈显著增加趋势，说明研究区植被覆盖度整体较高，呈增加趋势，与中国西北地区相比较，植被覆盖度明显偏高［23］。在空间分布上，研究区域植被覆盖度整体呈现四周高，中间低。

3.1.2 广西植被覆盖度时间分布特征

2001-2019年研究区植被覆盖度随时间变化趋势如图1所示，该区域植被覆盖度呈缓慢上升趋势，每10年

增加8%（P＜0.05），该研究区域2005年植被覆盖度最低为0.69，这是由于该区域自2000年开始实施退耕还林等生态恢复等相关政策的过程中，土地利用类型面积发生相应的改变以及人类活动会对植被覆盖度造成一定的影响［24］。随着时间的变化，尤其是2012年之后的7年，2013-2019年该研究区域平均植被覆盖度FVC值为0.81。由于受到植被生长季节的影响，2001-2019年植被覆盖度月变化显著（图2），1月、2月、11月、12月植被覆盖度相对较低，3月、4月、5月、6月是植物生长季节，植被覆盖度显著上升，7月、8月、9月、10月达到全年植被覆盖度顶峰状态，其中9月FVC最大为0.51，2月FVC最低为0.30，月平均FVC值达到0.42，FVC总体呈现春冬较低，夏秋较高的稳定趋势。

3.2 植被覆盖度变化趋势分析

变化趋势分析结果表明：2001-2019年广西省多数地区FVC呈上升趋势，通过对Slope进行F检验，根据前人对植被覆盖度变化趋势的分级研究［25］，对该研究区FVC变化趋势进行分级，并统计其不同等级的FVC面积占比（表2）。结果显示，呈下降趋势的面积占研究区域总面积的13.67%；呈上升趋势的面积占研究区域总面积的61.50%；呈稳定趋势的面积占研究区域总面积的24.84%；从空间分布上来看，呈下降趋势的地区主要分布在南宁、崇左、贵港；呈上升趋势的地区主要分布在河池、百色、桂林、钦州、北海、来宾；呈稳定趋势的地区主要分布在桂林、梧州、贺州等区域。

3.3 植被覆盖度与相关气候因子的分析

3.3.1 降水、气温分布特征

通过克里金插值法对研究区多年降水量、气温进行处理，根据2001-2019年研究区降水、气温空间分布特征可得：研究区19年的降水量表现为从西北向东南递增，年降水量多的区域主要分布在桂林、贺州、防城港、钦州、北海等地区；研究区近19年的气温由于纬度的不同呈自北向南递增的趋势，年均气温20.91℃，年均气温随着纬度的增加而降低，气温较高的地区主要分布在钦州、防城港、北海等地区。图3为研究区年降雨量、年均气温值的时间变化趋势图，由此可以得出，2001-2019年广西省降雨量与气温均值呈波动上升趋势，其中，2015年降雨量值为168.91 mm，为多年最高值，2011年降雨量为多年最低，值为107.83 mm；2001-2019年其气温最高值为21.38℃，2015年是研究区多年气温均值最高得年份，2011年研究区年均气温为研究年份最高，值为20.26℃，广西壮族自治区2001-2019年年均气温与年降雨量呈正相关。

3.3.2 植被覆盖度与降水、气温的偏相关性分析

研究区长时间序列植被覆盖度与年气温的偏相关系数为0.12，FVC与年气温呈正相关面积占整个研究区面积的70%。呈正相关的地区分别是百色、河池、南宁；FVC同年降雨量的偏相关系数为0.27，研究区内FVC年均值与年降雨量呈正相关的面积占18%，主要分布在东部地区；通过对植被覆盖度与年降水量和年均气温的偏相关性分析可得降雨量对植被覆盖度的影响比气温对其的影响大。

3.4 地形因子对植被覆盖度的相关分析

3.4.1 海拔对植被覆盖度的影响

植被被覆盖度随海拔的升高呈现出不同的变化［26］，80%以上的区域其海拔主要在750 m以内，仅有20%的地区其海拔高于750 m；海拔不同导致植被覆盖度存在明显的空间异质性。从图4可以看出，海拔＜200 m时，植被覆盖度最低为0.72，当海拔在1 000～1 250 m时，FVC的值最高为0.81，植被覆盖度随海拔的上升呈现逐渐增高的趋势。

3.4.2 坡度对植被覆盖的影响

从图5可以得出，研究区域坡度≤15°时，土地利用类型覆盖面积最广泛的是城市和草地，面积占比分别为19.29%、63.49%；随着坡度的增加，林地的覆盖面积随坡度的上升呈显著增加趋势，耕地、城市的覆盖面积呈显著降低趋势，耕地的覆盖面积在坡度≤15°时，覆盖面积占比最高为15.10%；草地的覆盖度随坡度的增加呈缓慢降低趋势；由此可知，坡度越大，林地的植被覆盖度逐渐升高，反之降低；耕地和草地的植被覆盖度随之降低；由于水分在海拔较低，坡度较为平缓的区域较为充沛，因此坡度对于水体没有较大的意义。

3.4.3 坡向对植被覆盖度的影响

由图6可知，当研究区域坡向为平坡时，将土地利用类型的面積占比进行比较，其面积占比从高到低依次为草地＞林地＞城市＞耕地＞水域＞未利用分类；坡向为阳坡和阴坡时，覆盖面积最广的土地利用类型林地和草地；在阴坡范围内，林地和草地的覆盖面积占比分别为27.23%、58.48%，在阳坡范围内，林地和草地的覆盖面积占比分别为18.83%、65.37%；林地覆盖面积占比值在平坡中最高，耕地覆盖面积占比值在阳坡中最高，说明阳坡水热光照条件相比其他坡向更为充足，适合当地居民经营农业，发展相关经济林。

3.5 土地利用变化对植被覆盖度的相关分析

土地利用面积的变化如表3、表4所示，结合相关代表年份（2001、2010、2019年）的各土地利用类型植被覆盖度的变化可知：林地面积逐年增长，林地类型植被覆盖度年均增幅为0.67%；2001-2010年各土地利用类型转为耕地的面积逐年增加，2010-2019年转入耕地的面积显著减少，该土地类型植被覆盖度年均降幅为11%；草地为研究区域典型的地表覆盖类型，草地植被覆盖度的年均增幅为1.63%，草地覆盖面积总体呈增长趋势；随着社会发展的需要各土地类型转为城市的面积呈逐渐增加的趋势，该土地类型植被覆盖度逐年降低，植被覆盖度年均降幅为8.8%，由此可知，城市的发展对未来植被覆盖度产生重要影响。

4 结论与讨论

（1）广西2001-2019年植被覆盖度较好，分布较为均匀，空间分布呈中间低四周高的特征。（2）研究区FVC总体呈缓慢上升趋势，植被覆盖度随物候的变化季节性变化明显，7月至10月份植被覆盖度达到年高峰阶段，1月至2月份植被覆盖度达到年最低值。（3）植被覆盖度的变化与气候因子之间存在相关性，分析得出在研究区降雨量对植被覆盖度的影响大于气温对其的影响。（4）植被主要分布在海拔≤1 250 m以内；植被覆盖度也随不同坡度发生变化；植被覆盖度在坡向为阳坡时草地和林地的植被覆盖度偏高，在阴坡主要以耕地分布为主。（5）近年来土地利用类型发生了明显的变迁，由于研究区2001年根据《国务院关于进一步做好退耕还林还草试点工作的若干意见》采取了有利措施，有效实施了相关生态政策，植被覆盖度发生了明显的变化，耕地的利用面积逐渐减少，林地和草地的利用面积逐年上升。

参考文献：

［1］朱文泉，张锦水，潘耀忠，等.中国陆地生态系统生态资产测量及其动态变化分析［J］.应用生态学报，2007（3）：586-594.

［2］李晶，刘乾龙，刘鹏宇.1998-2018年呼伦贝尔市植被覆盖度时空变化及驱动力分析［J］.生态学报，2022，42（1）：220-235.

［3］张云霞，李晓兵，陈云浩.草地植被盖度的多尺度遥感与实地测量方法综述［J］.地球科学进展，2003（1）：85-93.

［4］易浪，任志远，张翀，等.黄土高原植被覆盖变化与气候和人类活动的关系［J］.资源科学，2014，36（1）：166-174.

［5］熊俊楠，彭超，范春捆，等.基于MODIS时序数据的汶川地震灾区植被覆盖变化监测［J］.应用基础与工程科学学报，2018，26（1）：60-69.

［6］赵丽红，王屏，欧阳勋志，等.南昌市植被覆盖度时空演变及其对非气候因素的响应［J］.生态学报，2016，36（12）：3723-3733.

［7］郑勇，杨武年，刘冲，等.川西高原近20 a植被覆盖变化遥感动态监测及驱动力分析［J］.遥感技术与应用，2020，35（6）：1447-1456.

［8］赵舒怡，宫兆宁，刘旭颖.2001-2013年华北地区植被覆盖度与干旱条件的相关分析［J］.地理学报，2015，70（5）：717-729.

［9］张静，朱梦娜，宋佳佳，等.基于归一化植被指数的小浪底库区植被覆盖度时空变化研究［J］.科学技术创新，2021（13）：66-69.

［10］易雪，杨森，刘鸣彦，等.辽宁省植被覆盖度时空变化特征及其对气候变化的响应［J］.干旱气象，2021，39（2）：252-261.

［11］SUN Y L， GUO P， YAN X D， et al.Dynamics of vegetation cover and its relationship with climate change and human activities in Inner Mongolia［J］.Journal of Natural Resources， 2010， 25（3）：407-414.

［12］YAN E， WANG G， LIN H， et al.Phenology-based classification of vegetation cover types in Northeast China using MODIS NDVI and EVI time series［J］.International Journal of Remote Sensing， 2015， 36（2）：489-512.

［13］周梦遥，何东进，游巍斌，等.基于MODIS数据的福建省植被覆盖度时空变化分析［J］.福建林业科技，2018，45（2）：6-12.

［14］史晓亮，王馨爽.黄土高原草地覆盖度时空变化及其对气候变化的响应［J］.水土保持研究，2018，25（4）：189-194.

［15］FUNG T， SIU W.Environmental quality and its changes， an analysis using NDVI［J］.International Journal of Remote Sensing， 2000， 21（5）： 1011-1024.

［16］WARDLOW B D， EGBERT S L.Large-area crop mapping using time-series MODIS 250 m NDVI data： An assessment for the US Central Great Plains［J］.Remote sensing of environment， 2008， 112（3）： 1096-1116.

［17］樸世龙，方精云.最近18年来中国植被覆盖的动态变化［J］.第四纪研究，2001（4）：294-302.

［18］熊俊楠，彭超，程维明，等.基于MODIS-NDVI的云南省植被覆盖度变化分析［J］.地球信息科学学报，2018，20（12）：1830-1840.

［19］何宝忠，丁建丽，张喆，等.新疆植被覆盖度趋势演变实验性分析［J］.地理学报，2016，71（11）：1948-1966.

［20］阿荣，毕其格，董振华.基于MODIS/NDVI的锡林郭勒草原植被变化及其归因［J］.资源科学，2019，41（7）：1374-1386.

［21］郭力宇，李雨思，王涛，等.气候变化与人类活动对植被覆盖的影响［J］.西安科技大学学报，2020，40（1）：148-156.

［22］原丽娟，毕如田，徐立帅，等.沁河流域植被覆盖时空分异特征［J］.生态学杂志，2019，38（4）：1093-1103.

［23］张含玉，方怒放，史志华.黄土高原植被覆盖时空变化及其对气候因子的响应［J］.生态学报，2016，36（13）：3960-3968.

［24］汤巧英，戚德辉，宋立旺，等.基于GIS和RS的延河流域植被覆盖度与地形因子的相关性研究［J］.水土保持研究，2017，24（4）：198-203.

［25］王琳，李娜，文广超，等.黄河流域河南段植被覆盖度变化及驱动力分析［J/OL］.水土保持通报：1-7［2023-01-05］.DOI：10.13961/j.cnki.stbctb.20221017.002.

［26］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.

（责任编辑：陈文静）