昆明市2011—2020年植被覆盖时空变化特征分析及其归因

刘逸娴, 张军*, 唐莹, 龙玉兰

(1.云南大学地球科学学院, 昆明 650500;2.云南大学,国际河流与生态安全研究院, 昆明 650500)

随着全球变暖以及全球人口、资源等诸多问题的出现,陆地生态系统受到了严重威胁,人类可持续发展也受到了前所未有的挑战。目前,全球变化情况导致生态环境的改变,引起国内外众多学者的密切关注。近10 a生态环境发生了显著变化,表现在湿地破坏、冰川融化、水土流失等问题,而植被作为陆地生态系统的主体,是土壤、大气、水分的自然连接纽带[1],植被覆盖度是衡量地表植被生长状况和评价研究区生态系统健康程度的重要指标[2]。人类活动以及气候因素对植被覆盖情况产生了举足轻重的影响。因此在全球变化的背景下,研究植被覆盖的时空分布、变化特征、未来变化趋势和其潜在的驱动因素,成为众多国内外学者积极探讨和研究的问题。遥感技术具有范围广、实时方便且客观等优势。如今利用遥感技术手段监测植被生长状况,研究植被覆盖演化趋势,已经成为主流方法。其中归一化植被指数(normalized difference vegetation index, NDVI)常用于评价植被覆盖情况的好坏,是植被生长状况及植被覆盖的最佳指示因子[3-4]。国内外学者利用NDVI对不同尺度的区域研究其植被覆盖的情况及时空特征,并有学者分析植被覆盖变化的驱动因子。李婷等[5]利用SPOT/VEGETA-TION NDVI研究了岷江流域植被变化特征以及各影响因子对其变化的具体贡献量。何清芸等[6]用MODIS_NDVI数据分析了2000年以来重庆植被覆盖度时空演变及驱动因子。缪利等[7]用SPOT/VEG NDVI数据对青藏高原不同植被覆盖类型进行时空演变特征的分析以及探求气候因子的影响。谷金芝等[8]用MODIS数据分析了2001—2015年华北平原植被覆盖时空变化特征及其影响因素。李杰等[9-10]分别对云南怒江流域和中老缅交界区的植被覆盖情况进行探索。宋梦来等[11]以天津市为例,基于GEE(google earth engine)云平台与Landsat数据对植被覆盖度的时空演变特征及影响因素进行细致分析。当前,对于大尺度范围的植被变化监测研究主要以MODIS数据为主,并且结合GEE遥感云平台对大数据进行处理,而小尺度范围的研究则多采用 Landsat或者更高分辨率的数据。

昆明市植被类型多样,天然药物资源品种数量全国第一,局部地区生物多样性高度丰富。近年来,昆明市加大对环境的保护力度,成立生物多样性保护领导小组,开展湖滨生态带建成和湿地恢复的工作,促进人与自然和谐共生。现对昆明市的植被覆盖进行研究,探索其时空分布特征、变化趋势和未来植被变化走向,可以更好地了解昆明的环境,为创建更美好的文明城市提供参考资料。目前对于云南地区植被研究不多,并且对局部地区的研究和讨论也较少,且对昆明地区的植被研究未及时更新[12-16]。采用MODIS_NDVI数据,结合气象数据和造林面积数据,对昆明市2011—2020年植被覆盖情况进行分析,利用ArcGIS、MATLAB、ENVI等专业软件,运用MK检验法、Sen’s斜率估计法、变异系数法、Hurst指数法、偏相关分析法以及空间分析法对植被覆盖的时间变化特征、空间变化差异、空间波动特征、未来趋势特征及影响因子展开研究,以期为昆明的生态环境评估及治理等提供参考依据。

1 研究区概况

作为国家首批文化和旅游消费示范城市以及国家创新型城市,昆明市地处东经102°10′～103°40′,北纬24°23′～26°22′,总面积达21 012.54 km2。该区域南临滇池,三面环山。昆明市位于云贵高原中部,地貌复杂多变,地形差异较大。昆明地理位置属于北纬亚热带,具有十分典型的温带气候特点,以“春城”闻名中外。昆明年均气温15 ℃,全年降水量约1 031 mm,相对湿度为74%,日照充足,天晴少雨,紫外线强,气候温和,四季如春。研究区概况如图1所示。

图1 研究区概况Fig.1 Geographic situation of study region

2 数据来源及研究方法

2.1 数据来源与预处理

本研究所采用的遥感数据有两类:第一类来源于NASA(https://earthdata.nasa.gov/)提供的230幅2011—2020年MODIS MOD13Q1-NDVI时间序列产品。官方发布的影像数据已经经过了畸变校正、辐射定标以及水、云、重气溶胶等处理。其时间分辨率为16 d,空间分辨率为250 m。因其高空间分辨率和短时间间隔的特点,广泛应用于大范围长时间的植被覆盖动态监测研究。第二类数据是DEM(digital elevation model)数据,从地理空间数据云(http://www.gscloud.cn/)下载得到。该数据分辨率为30 m,借助遥感软件ArcGIS进行镶嵌裁剪等处理工作。

MODIS数据仍需要利用批处理工具MRT(MODIS reprojection tools)进行批量投影和格式转换等工作。后续工作需要在ENVI5.6中将所需研究区裁剪出来,得到昆明市近10 a的NDVI时间序列遥感数据集。为了避免异常值的影响,有效反映昆明植被覆盖的状况,在ArcGIS软件中对数据进行每月的最大合成法处理,并且剔除NDVI小于0.1的值。由于年最大的NDVI可以更好地表现一个地区的植被覆盖状况,因此用所得各年NDVI最大值作为当年的NDVI。

气象数据来源于国家科学院气象数据网(http://data.cma.cn/)提供的从2011—2020年昆明市气象站的每月平均气温和各月降水量数据。造林面积来源于2012—2021年云南省统计局(http://stats.yn.gov.cn/tjsj/tjnj/)发布的统计年鉴。

2.2 研究方法

2.2.1 MK检验法

MK(Mann-Kenddall)检验法是一种非参数秩检验的气候诊断与预测技术,可以实现序列趋势的显著性判断[6]。其优点是适用于类型变量和顺序变量,样本而且无需遵从一定的分布,并且能够抵抗异常值的影响,计算也比较简便。这种方法已广泛应用于世界各地,可用来检测植被覆盖指数NDVI的趋势。MK检验法定义的统计量S表示为

(1)

式(1)中;n为时间序列的数据长度(本文中,n=10年);Xj与Xi为每个像元的每年的NDVI最大值,其中j>I,而sgn(Xj-Xi)为符号函数,其含义为

(2)

当n≥10时,可以将统计量S近似看作为正态分布,此时正态分布的均值E(S)=0。进而使S标准化得到Z,再进行显著性检验,判断序列的升降趋势。获得Z的公式为

(3)

式(3)中:方差V(S)计算公式为

(4)

式(4)中:n为序列中对结的个数,结是指重复出现的数据组;ti指结的宽度,即重复数据组的重复数据个数。在此研究中结为0,因此分子中的被减数为0。用双边趋势检验Z,在给定显著水平α的情况下,若|Z|≤Z1-α/2,表示趋势不显著,反之若|Z|>Z1-α/2,说明趋势显著。当|Z|≥Z1-α/2则表示上升趋势,若|Z|

2.2.2 Sen’s斜率估计法

非参数Sen’s斜率估计法可计算出时间序列的斜率,并不受异常值的影响,抗噪性强。因其高精度的结果,Sen’s斜率的估计变量被称为“用于估计线性趋势的最流行的非参数技术”。与MK检验法结合起来使用,既可实现序列趋势的显著性判断并且估计趋势斜率。斜率的计算可由n对数据点的所有斜率中值得到。公式为

(5)

式(5)中:Median表示中值函数;估计斜率β表示此序列的平均变化率以及时间序列的趋势,正值表示上升趋势,而负值则表明下降趋势。通过将Sen’s斜率估计法和MK检验法结合起来,研究昆明市10 a的植被覆盖特征情况。

2.2.3 变异系数法

变异系数是一个数据序列的标准差与平均值的比值,可用来表示数据都离散程度。计算得到的数值越大说明数据序列越离散。其值计算方法为

(6)

为了探求昆明市植被覆盖空间波动特征,本研究用NDVI时间序列的数据计算变异系数,若得到的CV值越大,表明在昆明市过去10 a中,NDVI分布离散,植被覆盖的波动性较大。反之,得到的值越小,说明植被覆盖的波动性越小。

2.2.4 Hurst指数法

Hurst指数由英国学者Hurst提出,可有效定量描述时间序列的可持续性[10]。基于R/S(rescaled range analysis)法计算该指数,其研究过程如下。

将本研究中的数据序列定义为{NDVI(t)}(t=1,2,3,…),对于任意正整数t=1,定义均值序列为

(7)

累计离差序列为

(8)

极差序列为

Rτ=maxU(t,τ)-minU(t,τ), 1≤t≤τ;

τ=1,2,…,n

(9)

标准差序列为

(10)

2.2.5 空间分析法

利用数学软件MATLAB对预处理后的栅格数据进行MK检验法、Sen’s斜率估计法、变异系数以及Hurst指数的获取等。为了探究NDVI的变化趋势以及未来变化特征,本文中将逐栅格获取的值进行重分类并进行叠加分析,以进行空间分析。例如用Z与β耦合获取NDVI 10 a间的变化趋势,用H与变化趋势获得的值耦合获取植被未来发展趋势。

2.2.6 偏相关分析法

植被覆盖的影响因子有很多,其中任何一种影响因素的变化可能会影响到另一种因素的变化,本文中讨论了植被覆盖与气候因子温度和降水量以及人类活动植树造林面积之间的关系。其中在讨论气候因子对植被产生影响时用到了偏相关分析。它指研究两个因素之间的关系时,为了排除其他要素的影响,将其他要素影响视为协变量的方法表达式为

(11)

式(11)中:rxy,z表示变量z固定后变量x与y的偏相关系数;rxy、rxz、ryz分别表示y、x、z三者间两两之间的相关系数。

3 结果与分析

3.1 时间变化特征

由昆明市NDVI年际变化曲线可知(图2),2011—2020年间昆明市全年植被覆盖整体呈增加趋势,增速为3.6%/10a(P<0.01)。近10年昆明市植被NDVI变化可以分为4个阶段,分别为4个上升期和2个下降期,分别在2016年和2018年出现波峰,分别为0.797和0.802,在2017年出现波谷,值为0.796。前八年的NDVI增速比较明显,后两年的植被覆盖情况有所下降。根据国家林业和草原局资讯,昆明市积极投资退耕还林等工作,在2000年始,20年间退耕还林250.6万亩(1亩=666.7 m2),改变昆明山水,筑牢长江上游的绿色屏障。但由于近两年极端天气的加剧,可能影响到植被覆盖情况。

图2 昆明市NDVI年际变化曲线Fig.2 Annual variation curve of NDVI in Kunming

3.2 空间差异特征

图3表明了近10年昆明市逐栅格计算得出的NDVI平均值的分布图。由图3可知,昆明市植被NDVI低值区主要集中于整个南部昆明市市辖区以及呈贡县、安宁市和市辖区接壤处。此外嵩明县也有部分NDVI低值区域。由于接壤处是滇池所在处,水域的NDVI在0附近。而市辖区是居民生活密集的区域,城市建设与经济发展致使植被覆盖不如附近地区。对整个昆明市10 a NDVI平均值定量分析(表1),结果显示,NDVI小于0.4的区域植被覆盖度低,占比2.36%,区域面积为496.66 km2。NDVI在0.4～0.6的区域植被覆盖度适中,占整个研究区面积比为5.19%,区域面积为1 094.34 km2。NDVI值0.6以上为植被覆盖率高的区域,占整个昆明市92.45%,其中NDVI在0.8～0.9达57.78%。全市NDVI小于0.6的区域面积约为1 588.89 km2,

表1 NDVI空间分布差异

图3 昆明市NDVI空间分布Fig.3 Spatial distribution of NDVI

主要分布在昆明市西南部。同时表1中分别每年对NDVI进行对比分析。发现近10 a的高覆盖率均在90%以上,其中2012年高植被覆盖率最大。低覆盖率均在3%以下,2016年低植被覆盖率最小。全市植被覆盖率总体于2011—2017年呈现出上升趋势,但是近两年有下降趋势。

3.3 空间变化特征

3.3.1 NDVI空间变化趋势

由Sen’s斜率分析法对10年间昆明市影像进行逐栅格计算变化趋势斜率,其斜率取值范围在-0.099～0.067,说明10 a间NDVI变化趋势空间差异比较明显。并对其进行了MK检验,根据95%的置信水平,结合Sen’s斜率分析将昆明市NDVI变化趋势分为5个等级,分别为严重退化、轻微退化、基本不变、轻微改善与明显改善(表2)。利用ArcGIS进行重分类以及叠加分析,得出结果如图4所示。经统计,研究区约71.44%的区域得到改善,基本不变的约为4.9%,而植被覆盖有所退化的区域约占23.66%。严重退化的区域主要集中在嵩明县,部分分布在宜良县、石林彝族自治县、呈贡县、晋宁县及市辖区,占比约1.97%,面积大小为414.59 km2。这些严重退化的地区多因为区域林地少,人类过度开垦,毁坏林草植被,造成土壤石漠化[17-18]。总体来说,整个昆明市大部分区域的植被覆盖情况有所改善,市内植被发展状况良好。

表2 NDVI变化趋势统计

图4 昆明市植被变化趋势Fig.4 Trend of vegetation change in Kunming

3.3.2 空间波动特征

基于像元尺度,同时对昆明市NDVI时间序列进行变异系数的计算,结果如图5所示,所获得的值取值范围在0.008～2.260。说明研究区植被变化波动特征内存在显著的空间差异。对结果进行空间制图,由图5可知,嵩明县、昆明市市辖区、呈贡县、宜良县、安宁市与晋宁县相较其他区域波动较大。结合高分辨率影像发现,CV低值区主要分布在禄劝彝族苗族自治县、寻甸回族彝族自治县、石林彝族自治县和富民县等地,这些地方林地多、耕地少,变化较为稳定,因此NDVI波动较小。而CV高值区域经济发展迅速,人为影响大,区域多为城镇用地、交通要道及耕地,因此NDVI波动较大。

图5 昆明市NDVI变异系数Fig.5 NDVI coefficient of variation in Kunming

3.4 未来趋势特征

对昆明市过去10 a进行的空间分析,但对其未来发展趋势尚不明确,因此进一步用Hurst指数计算了每个栅格的H。对H进行重分类,将其划分为5个部分,如图6所示。H介于0.5～1面积占比为69.59%,面积约为14 645.22 km2,表明该区域植被覆盖表现出与过去同向性持续特征,即与过去10 a昆明市植被覆盖变化情况相似,其中H在0.6以上的区域表现出强同向持续性,占整个昆明市面积34.26%。H=0.5的区域说明植被覆盖情况无法确定与过去是否一致,占比为8.76%,面积约为1 843.54 km2。当H介于0～0.5时,说明该区域植被覆盖情况表现出与过去发展趋势相反的特征,区域面积占比为25.64%,约为5 395.94 km2,其中H在0.4以下的区域表现出强反向持续性。

图6 昆明市NDVI持续性特征Fig.6 Sustained characteristics of NDVI in Kunming

为了进一步探讨研究区未来植被发展的趋势特征,对过去趋势与持续性特征进行空间分析,得到NDVI变化趋势结果(图7)与Hurst指数的耦合信息。将昆明市未来植被发展状况分为良性、恶性、基本不变和不确定4种方向,如表3所示。在前景良性发展方向中,持续性轻微改善和明显改善的区域分别为8.80%和3.24%,两者合计12.04%,整个昆明市内均有分布。反持续性轻微退化和严重退化共占7.60%,说明这部分的植被由退化转成良性发展。在恶性发展中,持续性轻微占比最高为14.66%。结合图7,结果发现栅格像元主要集中在嵩明县,少部分集中在宜良县、寻甸回族彝族自治县、石林彝族自治县和呈贡县等地。而植被覆盖情况不变的像元占大多数,为昆明市的57.96%。结合昆明市NDVI空间分布图,发现这些区域植被覆盖情况良好,说明城市绿化程度良好且保持良好。未来发展不确定的像元极少,面积仅占0.86 km2。

表3 昆明市NDVI未来发展趋势特征

3.5 昆明植被覆盖影响因素分析

3.5.1 植被覆盖对气候变化的响应

全球气候变化导致区域内气温和降水量产生巨大变化,从而对植被造成了一定的影响。因此做出昆明市平均月气温与平均降水量年际变化曲线,以探求植被覆盖对气候变化的响应,如图8与图9所示。经统计,2011—2020年昆明平均月气温呈增加趋势,增速为0.31/10 a,未通过显著性检验。昆明平均月降水量呈增加趋势,增速为28.31/10 a,未通过显著性检验。但是通过分析发现,2011—2018年平均月降水量增速为58.68/10 a,通过P<0.01的显著性检验。根据趋势图分析,2018—2019年平均气温急剧上升,而降水量也显著下降,气候发生了显著变化。与NDVI年际曲线对比,在2018年植被NDVI也开始下降。对平均月气温和平均月降水量进行偏相关分析,其中年平均NDVI与平均月降水量的偏相关系数为0.76(P<0.01),年平均NDVI与平均月气温的偏相关系数为0.37,未通过显著性检验。说明昆明市降水量比气温更能影响到植被覆盖情况。因为昆明市近几年太阳照射总体充足,对植被影响变化不大。

图8 昆明市平均月气温年际变化曲线Fig.8 Annual variation curve of the average monthly temperature in Kunming

图9 昆明市平均月降水量年际变化曲线Fig.9 Annual variation curve of the average monthly precipitation in Kunming

3.5.2 人类活动对植被覆盖的影响

气候变化对植被覆盖产生巨大影响,但是人类活动的也是重要影响因素之一。随着退耕还林、植树造林等全国活动的开展,这些生态工程对植被覆盖情况产生了积极影响。本文中分析了累积造林面积与植被NDVI的关系,如图10所示,发现造林面积以2.30万公顷/年增加,与年平均NDVI有正相关关系,相关系数为0.908(P<0.01),说明人类活动中植树造林对改善植被覆盖情况展现了十分重要的积极作用,且取得明显效果。但值得注意的是,近两年植被指数却开始下降。结合气温和降水量对NDVI影响研究说明,NDVI的下降主要归因于气候因素,尤其是降水量的影响。

图10 人类活动对植被覆盖的影响Fig.10 Influence of human activities on vegetation coverage

4 结论与讨论

4.1 结论

(1)近10 a昆明市植被覆盖情况良好,且呈增加趋势,增速为3.6%/10 a,并通过置信度P<0.01的显著性检验。

(2)从昆明市10年的平均NDVI空间分布上可知,植被覆盖情况呈现出西南部低,北部高的分布特征。昆明市植被覆盖率高(NDVI>0.6)的区域,占整个昆明市92.45%,整体植被覆盖状况良好,低海拔地段处NDVI更容易出现低值。全市NDVI小于0.6的区域主要集中在西南部。

(3)昆明市过去10年约71.44%的区域得到改善,远大于23.65%的植被退化区域。另外还有4.90%的区域植被状况基本不变。

(4)研究区植被变化波动特征内存在显著的空间差异,波动大的区域经济发展迅速,人为影响大,区域多为城镇用地、交通要道和耕地。波动小的地区主要是林区。

(5)从未来趋势上看,植被覆盖良性发展的占19.64%,恶性发展的占22.40%,基本不变的约为57.96%,其中嵩明县、昆明市市辖区、呈贡县、宜良县和石林彝族自治县等地需要引起重视。

(6)昆明市整体光照充足,降雨量比气温更能影响到植被覆盖情况,而近10年的植树造林工程为改善植被情况做出巨大贡献。近两年昆明市植被指数的下降说明NDVI主要归因于气候因素。

4.2 讨论

有研究表明,2001—2015年昆明市植被指数呈增加趋势[14]。同时学者指出这期间内植被覆盖减少的区域主要分布在昆明南部,植被低覆盖主要在昆明主城区[12]。这与本研究得出的结论一致,并且此特征一直延续至今。根据前人研究结果,1951—2010年昆明市年平均气温基本呈逐年升高的趋势[19],结合本研究中探讨的近10年的年平均气温的特征,说明在全球变暖的大背景下,昆明市近60年气温逐年增加。本研究量化了气温、降水与造林面积与NDVI之间的关系,发现气温、降水与造林面积均与NDVI有正相关关系。总体来说,近10年昆明植被指数发展状况良好,这与人类积极造林活动密不可分,然而对于气温陡然上升,降水量减少的干旱时期,仍然需要做好预防措施。但本研究探讨的内容仍旧存在不足。首先在数据源的选择上,仅仅使用了MODIS_NDVI数据,其数据监测范围广,但是空间分辨率还有待提高,并未使用多源NDVI数据集进行相互验证。其次,基于年际NDVI、气温、降水量和造林面积进行讨论,对季度和月份数据变化的敏感性仍然需要分析和研究。另外本研究只探讨了气温、降水量和造林面积的影响,对植被覆盖的影响因素十分广泛,应该搜集更多自然、人文、生态数据进行深入研究,这样才能为解决如何保护环境问题提供更有力的支撑。