江西省植被NDVI變化及其對氣候變化的響應

郭夢媚++郭勝利++周佳雯等

摘要：利用MODIS數據插補GIMMS NDVI數據，基于S-G濾波法重構長時間序列的NDVI數據集，反演了江西省1982—2013年植被動態變化特征，并結合研究區及其周邊25個氣象站點的氣溫、降水、日照時數和相對濕度數據，分別從年際變化和月變化出發，分析植被NDVI動態變化及其與氣候因子之間的關系。結果表明：江西省植被NDVI年際變化整體呈緩慢波動上升趨勢，從空間尺度分析，得出21世紀初植被覆蓋率>20世紀90年代植被覆蓋率>20世紀80年代植被覆蓋率，3個年代NDVI變化呈增加趨勢，這與江西省近30年平均氣溫逐年上升、降水量和相對濕度逐年緩慢下降，整體呈暖干化的氣候條件密不可分；日照時數及氣溫對江西植被 NDVI 年變化起著決定性作用。進一步分析植被與氣候要素年變化相關性發現，NDVI 與日照時數、氣溫的關系較之與降水、相對濕度的關系更為密切；植被與氣候因子月變化分析表明日照時數對NDVI響應最為顯著，氣溫次之，且兩者皆有1個月、3個月的滯后效應。降水量與相對濕度對NDVI的響應相對不顯著，且無滯后性。

關鍵詞：植被；NDVI；氣候變化

中圖分類號： S181；S127文獻標志碼： A文章編號：1002-1302（2015）11-0421-06

收稿日期：2014-11-22

基金項目：國家重大科學研究計劃“973”項目（編號：2012CB955200）；國家自然科學基金（編號：41375044）。

作者簡介：郭夢媚（1990—），女，江蘇南京人，碩士研究生，研究方向為生態遙感。E-mail：gmm414@sina.com。

通信作者：郭勝利，教授，博士生導師，研究方向為生態遙感。E-mail：shlguo@nuist.edu.cn。植被作為地表狀況的重要表征，是陸地地表生態系統的核心部分，研究植物與氣候之間的相互關系、植物對氣候變化的響應與適應對策，對了解植物演化、預測植物在未來氣候變化條件下的變化特征具有重要意義[1-3]。植被不僅與氣溫、降水、相對濕度等主要氣候因子相互適應，還受地質地貌以及人類活動等影響，同時植被覆蓋也對地理環境產生很高的依賴性，對全球能量平衡、水循環、生物化學循環起著重要的調控作用[4]。遙感以其覆蓋范圍廣、信息量大、能連續觀測等特點，在植被動態監測中有著廣闊的應用前景。歸一化植被指數NDVI是植被生長狀態和植被的指示因子[4-5]。近年來，國內外許多學者嘗試利用不同精度的遙感數據在不同時空尺度上分析植被動態變化和NDVI之間的關系。孫紅雨等利用1985—1990年連續69個月的NDVI時間序列數據和同時期的月平均氣溫、降水數據對中國植被動態變化與氣候因子相關性進行分析，結果表明，中國植被指數沿經線有明顯的季相推移[6]。李曉兵等分析了1983—1992 年中國北方幾種典型植被 NDVI 與降水年際變化、季節變化之間關系以及降水的空間差異對植被的影響[7]。王宏等綜合利用 Kriging 插值方法對降水、氣溫數據插值生成中國東北地區二維氣象因子影像，再與之相對應的 NDVI 數據進行相關性分析[8]。王宗明等結合1982—2003年GIMMS-NDVI數據集和GIS技術，應用基于像元的相關分析方法，分析了東北地區植被NDVI對氣候變化的響應[9]。白淑英等利用1982—2006年GIMMS NDVI 數據和氣象站點資料，結合中國地形的三大階梯分布，分析長江流域植被NDVI時空變化特征及其對氣候變化響應的時滯效應[10]。雖然目前有不同時間、空間分辨率的遙感數據類型可利用，但單一遙感數據源在時間序列上有一定的局限性，如AVHRR-GIMMS數據時間序列為1981—2006年，MODIS數據為2000年至今，2個數據集不一致。近年來，國內已有學者通過融合不同遙感數據源，延長NDVI時間序列，研究植被動態變化與氣候因子間的關系。李運剛等利用紅河流域1981—2006年GIMMS數據、2006年SPOT-VEGETATION數據以及1981—2001年逐日氣象數據，使用GIS方法和地統計學方法，探討河谷和山脈地形的通道-阻隔作用下紅河流域NDVI時空變化及與氣候因子的關系[11]。韓佶興等利用1982—2010年GIMMS、MODIS 2種遙感數據集的NDVI數據，分析了松花江流域植被NDVI時空特征及其與氣候因子的關系[12]。何月等利用GIMMS、MODIS 2種NDVI資料研究1982—2010年浙江省植被覆蓋狀況，結合同期氣溫、降水、濕潤指數等氣候指標，分析了該地區植被年際變化、月際變化及其對氣候要素的響應特征[13]。毛德華等基于逐像元一元線性回歸模型，應用MODIS NDVI數據對GIMMS NDVI進行時間序列拓展，拓展序列通過一致性檢驗，基于1982—2009年植被年最大NDVI數據集，在GIS平臺上進行了植被NDVI變化和NDVI與年平均氣溫、年降水量之間的相關分析[14]。本研究利用MODIS數據對GIMMS NDVI數據進行插補，構成長時間序列的NDVI數據集，對江西省1982—2013年植被動態變化特征進行分析，并結合研究區及其周邊25個氣象站點的氣溫、降水、日照時數、相對濕度數據，分別從年際變化和月變化出發，分析植被NDVI動態變化及其與氣候因子之間的關系，旨在為研究植物對氣候變化適應對策提供依據。

1材料與方法

1.1研究區概況

江西省地處中國東南、長江中下游以南，位于24°29′～ 30°04′N、113°34′～ 118°28′E之間。省境東、南、西三面環山，中南部丘陵綿延起伏，盆地谷地相間，北部為鄱陽湖及濱湖平原。全省面積16.69×104km2，其中山地面積約占全省面積的36%，丘陵占 42%。屬于中亞熱帶濕潤季風氣候區，氣候溫暖，雨量充沛，適宜植物生長，植被覆蓋率高。

1.2數據源與預處理

1.2.1NDVI數據本研究使用AVHRR-GIMMS、MODIS 2種數據集的NDVI遙感數據。其中，1982—2006年GIMMS NDVI數據來自于中國西部環境與生態科學數據中心。GIMMS NDVI數據是美國航空航天局（NASA）全球監測與模型研究組（global inventory monitoring and modeling studies）提供的NOAA/AVHRR-NDVI數據集，投影格式為ALBERS等面積投影，時間分辨率為15 d，空間分辨率為8 km。該數據集消除了火山爆發、太陽高度角、傳感器靈敏度隨時間變化等影響，誤差小、精度高。采用國際通用的最大化合成法MVC（maximum value composites）獲得月最大NDVI，以減少云、大氣、太陽高度角等因素的影響。MODIS數據采用NASA提供的MOD13A 3植被指數產品集，時間分辨率為1個月，空間分辨率為1 km，時間序列為2000年2月至2013年12月。用MRT （MODIS reprojection tools）軟件對所獲產品數據批處理進行影像拼接、裁剪、投影、坐標系轉換，將其統一轉換成ALBERS等面積投影和WPS-84坐標系。

1.2.2氣象數據同期氣象數據來源于中國氣象科學數據共享服務網，中國地面氣候資料月值數據集。用Excel軟件篩選出江西省及其周邊25個氣象站點1982—2013年逐月平均氣溫、降水、相對濕度、日照時數等氣象要素數據。氣象站點分布如圖1所示。江西省行政區劃圖包括江西省邊界、省內縣邊界、周邊省份的矢量圖。

1.3研究方法

1.3.1NDVI時間序列數據插補2類數據集雖然都經過幾何精確校正、輻射校正、大氣校正等預處理，但仍不可避免存在云、氣溶膠的噪音影響，所以分別對2類數據集進行Savizky-Golay濾波[15]，該算法基于TIMESAT軟件，能夠有效平滑降噪的同時，保持時間序列NDVI變化趨勢。

1.3.2植被與氣候因子變化趨勢分析本研究采用一元線性回歸和多項式擬合江西省多年年均NDVI、氣候因子隨時間變化的趨勢。一元線性回歸方程為：

yi=bit+a。

式中：i為年份，a為回歸常數，b為線性趨勢斜率，yi為待分析變量。b>0 （<0）表示變量在時間t內呈上升（下降）趨勢。同理分析氣溫、降水、日照、相對濕度的變化趨勢，b×10則為氣候傾向率[16-17]。

1.3.3NDVI對氣候變化的響應特征分析采用相關分析和偏相關分析法進行植被變化與氣候因子之間關系研究，通過計算年均NDVI與年均氣溫、年降水、年均日照時數、年均相對濕度之間的相關系數和偏相關系數表征全區整體植被NDVI動態變化對氣候因子的年際響應。通過計算NDVI月值和月平均氣溫、月降水量、月平均日照時數、月平均相對濕度的相關系數和二項式線性擬合來分析植被與氣溫、降水、日照時數、相對濕度的年內關系。

2結果與分析

2.1NDVI時間序列數據的插補延長

由于GIMMS、MODIS數據集所用傳感器不同，波段范圍存在差異，在延長時間序列分析NDVI動態變化前，需對2種數據進行一致性檢驗。首先將MODIS NDVI的1 km分辨率數據重采樣至8 km，并統一投影格式為Albers等面積投影和WPS-84坐標系，使兩者空間上相匹配。在重構NDVI長時間序列分析動態變化前，有必要對重疊的7年數據分別從全區域大尺度進行一致性檢驗。首先利用2000—2006年每月最大值數據的全區平均值進行相關分析，建立回歸模型，兩者相關系數為0.985（P<0.001，n=83），建立線性回歸方程：

NDVIGIMMS=0.819 5×NDVIMODIS+0.220 6。

利用MODIS插補GIMMS數據在全區域大尺度可以實現，再基于擬合的線性回歸方程對GIMMS NDVI缺失的2007—2013年的數據進行插補， 從而達到延長NDVI時間序

列的目的（圖2）。

2.1.1植被的時空變化分析用年平均NDVI值代表全區植被覆蓋狀況，進行年際變化趨勢分析。由圖3可見，1982—2013年間江西省植被NDVI整體呈緩慢波動上升趨勢。過去32年平均NDVI值在0.492～0.535之間浮動，總體線性變化趨勢不明顯，大致分3個階段：1982—1990年植被覆蓋在波動中緩慢增加，1990年達到高峰0.531，隨后緩慢下降；1993—2002年波動下降，2005年達到低谷0.493后開始波動上升，2007年出現NDVI最大值0.535。根據NDVI年均變化曲線及政府對生態文明建設的重視程度，未來幾年內江西省植被覆蓋變化趨勢會繼續上升。

為從空間尺度探討32年間江西省植被NDVI動態變化情況，將32年分為3個時期：1982—1990年，以9年年均 NDVI 值代表80年代江西省植被NDVI狀況；1991—2000年，以10年年均NDVI值代表20世紀90年代江西省植被NDVI狀況；2001—2013年，以13年年均NDVI值代表21世紀初江西省植被NDVI狀況。ARCGIS軟件中，分別對3個階段的NDVI數據進行柵格計算，得出20世紀80年代、90年代和21世紀初植被NDVI年代際的動態變化情況。1982—1990年，NDVI在0.08～0.30間的像元占1.3%，0.30～0.41間的像元占6%，0.41～0.47間的占8%，0.47～0.53間和0.53～058間的各占15%，0.58～0.67間的占10%；1991—2000年，NDVI在0.07～0.31間的像元占1.30%，0.31～0.42間的占6%，0.42～0.48間的占11%，0.48～0.54間的占16%，0.54～0.58間的占12%，0.58～0.66間的占9%；2001—2013年，NDVI在0.17～0.35間的像元占4.8%，0.35～0.44間的占9.4%，0.44～0.52間的占13.0%，0.52～0.59間的占15%，0.59～0.69間的占12%。可以明顯看出21世紀初植被覆蓋率>20世紀90年代植被覆蓋率>20世紀80年代植被覆蓋率（圖4）。

2.1.2氣候因子的動態變化對江西省及其周邊25個氣象站點過去32年的年均氣溫、降水量、年均日照時數、年均濕度統計可知，1982—2013年江西省32年年均溫為18.22 ℃，最高值為19.03 ℃（1998年），最低值為17.18 ℃，升溫趨勢明顯，增暖幅度（氣候傾向率）達0.35 ℃/10年。年累積降水量在32年間平均值達1 676.73 mm，最高值為2 144.86 mm（2012年），最低值為1 285.51 mm（2011年），整體32年降水量呈波動性下降趨勢，但變化不顯著。年均日照時數最長日照年份在2003年，最短在1997年，總體32年內下降趨勢不明顯。過去32年年均相對濕度平均值為77.93%，最高值為81.04%（1997年），最低值為73.34%（2004年），整體以1.59%/10年的下降速率波動變化（圖5）。

2.2NDVI對氣候因子年變化的響應

為了從全區域角度定量分析植被對氣候因子年變化的響應特征，對1982—2013年NDVI與各氣候因子作了相關、偏相關分析，如表1所示，NDVI與氣溫和日照變化的相關性及偏相關性在0.250左右，NDVI與降水量和相對濕度的相關性呈負相關，偏相關性在0.1左右，說明從全區角度分析，NDVI均值和氣候因子的相關性不顯著。表11982—2013年江西省NDVI與氣候因子的相關系數

NDVI-TNDVI-PNDVI-SNDVI-HrNDVI-TrNDVI-T/PSHrNDVI-PrNDVI-P/TSHrNDVI-SrNDVI-S/TPHrNDVI-HrNDVI-H/TPS0.2830.237-0.0420.1410.2120.228-0.1870.021注：T代表氣溫；P代表降水；S代表日照時數；H代表相對濕潤；rNDVI-T、rNDVI-T/PSH分別表示NDVI 與氣溫的相關系數和偏相關系數，依此類推。

2.2.1植被的月變化由圖6可以看出，3—8月江西省植被NDVI值逐漸增加，因為3月份各種植物開始生長，到8月NDVI達到一年中的頂峰，各類植被均處于生長旺盛階段，9月份植被減少不明顯，這與植被NDVI對氣候變化的響應具有“時滯效應”密不可分。10月NDVI開始迅速下降，植被漸漸停止生長，枯萎落葉，植被覆蓋率降低，NDVI減少，至次年1月降到全年最低值。

2.2.2氣候因子的月變化不同月份的氣候因子變化會對植被全年各個生長階段有不同的貢獻特征，通過計算32年各月份的月NDVI值與年份的相關系數，得出1982—2013年江西省氣溫、降水、日照時數、相對濕度的月變化率。如圖7所示，各氣象因子不同月份的環比年變化趨勢不同。除了1月份，全年各月均呈環比增溫趨勢，2、3、7—9月均通過0.05水平的置信度檢驗，這與全年溫度變化趨勢基本一致。從降水量32年環比變化來看，2—4月、7、9、10月均呈減少趨勢。32年日照時數環比變化則與降水量呈完全相反趨勢，2—4月、

7、9、10月均呈增加趨勢，其中3、9、10月的增加率通過了0.05水平的置信度檢驗。全年的相對濕度均呈下降趨勢，3、4、9、10月通過0.01水平的置信度檢驗，表現為極顯著減少，5、7月通過0.05水平的置信度檢驗，下降明顯。

2.2.3NDVI對氣候因子月變化的響應如表2所示，從氣溫因子變化分析，除了10—12月，其他月份植被與當月溫度成正相關，3、5月份尤為顯著，相關性達到0.05顯著性水平檢驗。這是因為植被生長主要集中在春季，受溫度影響較大，溫度的上升促進了植物的生長。反之，冬季溫度下降對植物生長起到抑制作用。3月份植被NDVI與前1月溫度，5月份植被NDVI與前1月、前3月溫度相關性均達到0.05顯著性水平檢驗，說明 2、4 月份溫度雖然與當月NDVI相關性不顯著，但對后1～3個月植被生長狀況具有促進作用，因為2月的氣溫偏高會引起暖春，植物生長偏早。從降水量因子變化分析，除了11月份，其他月份植被與當月降水量成負相關性，1、7月份與當月降水量相關性達到0.05顯著性水平檢驗，無滯后性，這主要因為江西省全年降水量豐富，季節性變化大，7月正值雨季降水量頂峰，暴雨內澇，抑制植物生長；1月正值冬季枯水期，水源不足，都對植被生長造成抑制作用。從日照時數變化分析，1、7、10、12月與當月日照相關性達到0.01顯著性水平檢驗，3、4月與當月日照相關性達到0.05顯著性水平檢驗，其中7月與6月日照相關性也達到0.01顯著性水平檢驗，受日照影響最為明顯。2、9月與前3個月日照相關性均達到0.05顯著性水平檢驗，說明6月、12月份日照時數對后3個月植被生長有滯后影響，這可能是植物生長接受光合作用需要時間的表現。日照時數對植被生長影響明顯主要是由于江西省地形以丘陵山地為主，大大增加了植被冠層對入射光有效輻射的吸收系數（FPAR）、最大光能利用率，使得陸地植被最大有效化地進行光合作用。從相對濕度變化分析，除了6、12月，其他月份植被與當月相對濕度都成負相關，4月比其他月更為顯著，負相關性通過0.01顯著性水平檢驗，無滯后性，這可能是因為相對濕度影響蒸騰作用，相對濕度大，導致植物蒸騰作用弱，植物運輸礦物質營養和調節葉片溫度的能力下降，葉片就有可能被重力向下拖拽。此外，相對濕度過大或過小都會導致氣孔關閉，植物氣孔關閉，CO2不能進入葉肉細胞，光合作用減慢甚至停止，這些都是抑制植被生長的重要因素。

3結論與討論

本研究以江西省為研究區，利用GIMMS NDVI和MODIS NDVI數據分析了1982—2013年期間江西省植被動態變化特征及其對氣溫、降水、日照時數和相對濕度變化的響應，結果表明，1982—2013年間江西省植被NDVI年際變化整體呈緩慢波動上升趨勢。每年的3—8月植被NDVI值逐漸增加，8月達到頂峰，9月份植被減少不明顯，10月NDVI開始迅速下降，至次年1月降到全年最低值。從空間尺度分析，21世紀初植被覆蓋率>20世紀90年代植被覆蓋率>20世紀80年代植被覆蓋率，3個年代NDVI變化呈增加趨勢，一方面是由于江西省近30年平均氣溫逐年上升、降水量和相對濕度逐年緩慢下降，整體呈暖干化的氣候條件對植被生長起到正反饋作用；另一方面也與政府重視生態文明建設、人們環境保護意識增強有關。從時間變化趨勢上分析，江西省32年間年際升溫趨勢明顯，增暖幅度（氣候傾向率）達0.35 ℃/10年，除1月份，全年各月均呈增溫趨勢。年累積降水量整體環比呈波動性下降趨勢，但變化不顯著。年均日照時數總體32年內下降趨勢不明顯，月變化與降水量呈完全相反的趨勢。年均相對濕度整體以10年1.59%的下降速率波動變化，每年的3、4、9、10月表現為極顯著減少，5、7月下降明顯。從年際尺度分析表明，氣溫和日照時數對NDVI均值的響應比降水量和相對濕度明顯，從月際尺度分析，日照時數對植被生長起主導作用，氣溫次之，且兩者皆有1個月、3個月的滯后效應，表明江西省的丘陵山地地形大大增加了植被冠層對入射光有效輻射的吸收系數（FPAR）和最大光能利用率，使陸地植被有效進行光合作用，加大了植物的生長勢，有助于植物能量儲備，產生累積效應，從而有滯后性。降水量與相對濕度對NDVI的響應相對不顯著，無滯后性。

參考文獻：

[1]Wright I J，Reich P B，Westoby M，et al. The worldwide leaf economics spectrum[J]. Nature，2004，428：821-827.

[2]Wright I J，Reich P B，Cornelissen J H，et al. Assessing the generality of global leaf trait relationships[J]. The New Phytologist，2005，166（2）：485-496.

[3]張井勇，董文杰，葉篤正，等. 中國植被覆蓋對夏季氣候影響的新證據[J]. 科學通報，2003，48（1）：91-95.

[4]孔次芬. 金沙江流域（云南段）植被覆蓋變化與氣候因子相關性研究[D]. 重慶：重慶師范大學，2012.

[5]紀迪. 青藏高原氣候變化及其NDVI的響應[D]. 南京：南京信息工程大學，2012.

[6]孫紅雨，王長耀，牛錚，等. 中國地表植被覆蓋變化及其與氣候因子關系——基于NOAA時間序列數據分析[J]. 遙感學報，1998，2（3）：204-210.

[7]李曉兵，史培軍. 中國典型植被類型NDVI動態變化與氣溫、降水變化的敏感性分析[J]. 植物生態學報，2000，24（3）：379-382.

[8]王宏，李霞，李曉兵，等. 中國東北森林氣象因子與NDVI的相關關系[J]. 北京師范大學學報：自然科學版，2005，41（4）：425-430.

[9]王宗明，國志興，宋開山，等. 中國東北地區植被NDVI對氣候變化的響應[J]. 生態學雜志，2009，28（6）：1041-1048.

[10]白淑英，王莉，史建橋. 長江流域NDVI對氣候變化響應的時滯效應[J]. 中國農業氣象，2012，33（4）：579-586.

[11]李運剛，何大明. 紅河流域NDVI時空變化及其與氣候因子的關系[J]. 山地學報，2009，27（3）：333-340.

[12]韓佶興，王宗明，毛德華，等. 1982—2010年松花江流域植被動態變化及其與氣候因子的相關分析[J]. 中國農業氣象，2011，32（3）：430-436.

[13]何月，樊高峰，張小偉，等. 浙江省植被NDVI動態及其對氣候的響應[J]. 生態學報，2012，32（14）：4352-4362.

[14]毛德華，王宗明，羅玲，等. 基于MODIS和AVHRR數據源的東北地區植被NDVI變化及其與氣溫和降水間的相關分析[J]. 遙感技術與應用，2012，27（1）：77-85.

[15]Jnsson P，Eklundh L. Seasonality extraction by function fitting to time-series of satellite sensor data[J]. IEEE Transactions on Geoscience and Remote Sensing，2002，40（8）：1824-1832.

[16]李英年，趙新全，周華坤，等. 長江黃河源區氣候變化及植被生產力特征[J]. 山地學報，2008，26（6）：678-683.

[17]高祺，繆啟龍，岳艷霞. 河北省木本植物物候變化特征及其對氣候變暖的響應[J]. 中國農業氣象，2011，32（1）：17-22.牛明芬，梁文涓，武肖媛，等. 復合微生物菌劑在牛糞堆肥中的應用效果[J]. 江蘇農業科學，2015，43（11

：427-429.