基于MODIS NDVI的廣西沿海植被動態及其主要驅動因素

成方妍,劉世梁,*,尹藝潔,呂一河,安南南,劉昕明

1 北京師范大學環境學院, 北京 100875 2 中國科學院生態環境研究中心城市與區域生態國家重點實驗室, 北京 100085 3 廣西壯族自治區海洋研究院, 南寧 530022

基于MODIS NDVI的廣西沿海植被動態及其主要驅動因素

成方妍1,劉世梁1,*,尹藝潔1,呂一河2,安南南1,劉昕明3

1 北京師范大學環境學院, 北京 100875 2 中國科學院生態環境研究中心城市與區域生態國家重點實驗室, 北京 100085 3 廣西壯族自治區海洋研究院, 南寧 530022

歸一化植被指數(NDVI)可以表征區域植被狀況,目前利用NDVI表征沿海區域植被動態的研究仍相對缺乏。以MODIS NDVI為源數據,分析2000—2014年間,廣西沿海區域的植被動態、NDVI動態趨勢和持續性,以及NDVI動態的主要驅動因素。結果表明：在海岸線10 km區域范圍內,NDVI均值較高(0.71),年際間波動較小(SD為0.02)。空間上,NDVI呈現出陸地高、濱海和河口區域低的分布特征,不同類型植被NDVI差異顯著,以廣泛分布于陸地的林地最高(0.76),以濱海濕地植被(0.52)和其他類型植被(未利用地等)最低(0.50)。植被動態趨勢(斜率k)表明,57%的林地表現為改善趨勢(k≥0.002),而52%的濱海濕地則表現為退化趨勢(k≤-0.002)。利用Hurst指數對生態持續性進行分析,林地、旱地表現為持續改善,濱海濕地呈現持續退化的趨勢。驅動因素分析表明,氣象因素對植被NDVI的影響均不顯著,NDVI的動態主要受地形特征和人為因素的影響,NDVI及其動態趨勢與復合地形指數和距河流的距離多呈負相關,與坡度、高程、距交通線路和城鎮的距離多為正相關。總體上,區域內NDVI動態趨勢以良性發展為主,但濱海濕地等呈現持續退化的區域需持續關注。

濱海區域；時空變化；趨勢分析；Hurst指數；驅動因素

植被動態受氣候條件、地形地貌以及人類活動的影響,是反映區域生態環境狀況的重要指標[1- 3]。歸一化植被指數(NDVI)削弱了大氣層和地形陰影的影響,對地表植被的覆蓋程度非常敏感,是檢測和指示植被覆蓋狀況和動態的常用指標之一[4-5]。NDVI時序數據在植被監測、物候預測和災難預測等方面均得到了廣泛的應用[4, 6]。

廣西沿海的濕地面積廣闊,資源豐富,具有較高的生態功能和社會價值。近年來,隨著廣西沿海經濟的快速發展,人類活動愈發密集,大量的濱海濕地轉變為咸水養殖場,過度的開發利用,導致處于海路交互核心區的濱海過渡帶的生態環境敏感而脆弱,嚴重破壞了濱海濕地區域的生態平衡[22]。該文選取2000—2014年廣西沿海區域生長季盛期的MOD13Q1影像,沿海岸線向內陸方向設定10 km的緩沖區作為研究區域,利用最大值合成法分析NDVI時間序列的時空分布動態,采用一元線性回歸方程斜率k和Hurst指數研究不同類型植被NDVI的動態趨勢特征以及持續性,探討NDVI時間序列波動的主要驅動因素,為沿海區域植被的利用和保護提供基礎數據和理論依據。

1 研究地概況和研究方法

1.1 研究區概況

廣西沿海區域位于廣西壯族自治區最南端,從東至西分屬北海市、欽州市和防城港市管轄。海岸線東起兩廣交界的洗米河口,西至中越邊界的北侖河,長1 629 m,有6條主要河流入海。屬于南亞熱帶海洋性季風氣候,廣西沿海區域陸域自海岸線向陸延伸10 km范圍內地形海拔均小于300 m。海岸各地年平均氣溫在21—24 ℃之間,最高38 ℃,最低-2 ℃；年降水量在2 141—2 771 mm之間,平均年蒸發量在1 428—1 831 mm之間；年平均相對濕度為79%—82%；年日照時數在1 540—2 232 h之間。廣西海岸帶天然植被包括針葉林、常綠季雨林、紅樹林、竹林等類型,針葉林主要為南亞松林和馬尾松林,常綠季雨林主要有箭毒木片林、格木片林等,紅樹林主要樹種有白骨壤、桐花樹等,竹林代表種為刺竹；人工植被有經濟林、防護林、農作物群落及少量的香蕉果園。沿海區域人工地貌突出,河口三角洲及海積平原已大面積開辟為海水養殖場。

圖1 廣西沿海區域位置示意圖 Fig.1 Geographical location of the coastland of GuangxiBL：北侖河口; ZZ：珍珠灣; FC：防城港灣; MW：茅尾海; QZ：欽州灣; DF：大鳳江口; NL：南流江口; LZ：廉州灣; TS：鐵山港灣; DD：丹兜海

1.2 研究數據

該研究中NDVI數據來源于美國宇航局(NASA)的MODIS植被指數產品數據MOD13Q1,該數據基于最大合成法,產品數據經過幾何和大氣校正,每16 d合成,空間分辨率250 m。該研究選取2000至2014年7至9月的影像為研究對象,該時期也是年內植被覆蓋程度最高的月份[19],利用Envi4.7對原始影像進行預處理。

圖2 不同尺度緩沖區內土地利用結構Fig.2 Land-use composition of different buffer zones

鑒于濱海濕地具有帶狀特征[7],以海岸線為基線,1 km為間隔,從海岸線向內作15 km的環狀緩沖帶[23],土地利用變化在7 km處趨于平穩,在13 km處又出現波動(圖2),故研究區域以廣西海岸線為起點,向陸延伸10 km的帶狀區域。基于對廣西濱海濕地的調查發現,濱海紅樹林、潮間帶等分布范圍在3 km范圍內,對于景觀動態來說,10 km范圍內的植被的變化也是最為顯著區域。

印尼是“21世紀海上絲綢之路”的重要支點，我國的“一帶一路”倡議和印尼的“海洋強國戰略”高度契合。投資達瑞鉛鋅礦項目顯示了中色股份積極踐行“一帶一路”倡議、努力推進兩國產業合作，為實現中印互利共贏、促進兩國的經濟社會發展貢獻力量。

土地覆被數據產品(MCD12Q1),是綜合MODIS TERRA和MODIS AQUA土地覆被數據產品產生,考慮研究區內主要的植被類型,將區域內土地覆被類型簡化為6類：林地、旱地、水田、居住地(包括交通用地)、濕地和其他(荒地、未利用地等)。廣西濱海區域的DEM高程數據通過全國1∶25萬DEM提取和計算,氣象數據來源于國家氣象信息中心。

1.3 分析方法

探討沿海區域植被覆蓋的年際變化規律,利用最大值合成法獲取每年生長季盛期(7至9月)NDVI影像的最大值,代表當年的植被覆蓋狀況[24]。分析研究區域NDVI空間分布特征時,則取15年NDVI的平均值,以此代表研究區多年的平均植被覆蓋情況。采用趨勢線分析法模擬植被覆蓋的年際變化趨勢[25],利用Hurst指數指示變化趨勢的生態持續性[26],并在此基礎上分析植被覆蓋變化的主要驅動因素。同時,利用ANOVA單因素方差分析不同類型植被覆蓋程度差異的顯著性水平。

1.3.1 NDVI的年際變化趨勢

NDVI的年際變化趨勢,以各柵格多年數值最小次方線性回歸方程的斜率表示[27],具體公式如下：

(1)

式中,n為15,i為年序號,MNDVI,i為第i年的NDVI。其中,當k>0時,說明植被覆蓋在15年間的變化趨勢是增加的；反之,則減少。當前,k值變化趨勢的劃分并沒有統一標準[25, 28-29],考慮研究區中NDVI的整體分布情況,通過計算k值的變化,研究發現k值基本符合正態分布,故利用等間距劃分法,將植被覆蓋變化劃分為5個等級,分別為退化(k≤-0.002)、輕度退化(-0.002≤k<-0.001)、穩定不變(-0.001≤k<0.001)、輕度改善(0.001≤k<0.002)和改善(k≥0.002)。ANOVA結果表明,不同等級間差異顯著(F468021=222400,P<0.001)。

1.3.2 植被變化趨勢的持續性

Hurst指數(H)是定量描述時間序列長程依賴性的主要方法之一,當0.5

(2)

(3)

(4)

(5)

對于比值Rτ/Sτ?R/S,若R/S∝τH,則說明該時間序列存在Hurst現象。H值由lg(R/S)n=a +H×lg(n)利用最小二乘法擬合得到。由于τ值小時散點稀疏,而τ值大時散點則相對過于密集,這樣在利用最小二乘法線性擬合時斜率會受到權重的影響,研究取τ≥4[26]。

1.3.3 植被NDVI變化的驅動因素

考慮到光、熱、水是影響植物生長的主要氣象因素,選取月氣溫、降水和日照數據(東興市、防城港市、欽州市和北海市4個氣象站點平均),分析研究區內NDVI值與氣象因素的相關性。由于氣象因素之間可能存在的相關性[3],探討NDVI與不同氣象因素的相關關系時采用偏相關分析。該研究的NDVI影像取自7至9月,考慮到氣象因素對植被的影響可能具有“時滯效應”,因此從6—9月的氣象數據中,分別提取單月、雙月及3個月平均值進行相關性分析。

除了氣候因素,地形特征和人類活動也是影響植被覆蓋時空變化的重要因素[16,30]。參考以往研究,選擇復合地形指數CTI(表征空間位置的綜合水熱條件[31]),坡度(%),坡向(按順時針方向從正北的0°到360°)和高程表征地形特征[16,31-32]。從人類活動角度出發考慮,城鎮是人類活動的核心區域,而河流往往是人類居住區的重要考慮因素,不同居住區間又以道路網絡相連接,考慮研究區位于濱海區域并參考以往研究[16,31,33],該研究選取了4個因素代表人類活動對植被覆蓋的干擾,分別為距河流、交通路線、城鎮和海岸線的距離。基于DEM數據,利用ArcGIS10.2的空間分析模塊與Geomorphometry軟件得到CTI,坡度,坡向,高程,距河流距離、距交通路線距離、距城鎮距離和距海岸線距離。分別分析區域內各柵格多年平均NDVI和k值與以上影響因素的相關性,探討NDVI年際波動的主要驅動因素。由于坡向是一環形變量,分別對其求正弦、余弦值進行變換,生成2個新的亞變量,進行相關分析,正弦值表示朝東的程度,余弦值表示朝北的程度[32]。

2 結果和分析

2.1 植被覆蓋的時間變化特征

圖3 2000—2014年廣西沿海區域NDVI的年際變化 Fig.3 Inter-annual variations of NDVI in the coastland of Guangxi from 2000 to 2014

2000至2014年間,沿海區域NDVI在0.68至0.76之間波動,NDVI的多年平均值為0.71,年際間差異較小,SD為0.02(圖3)。其中,2007至2011年間,區域NDVI值偏高,波動在0.71至0.76之間。

2.2 植被覆蓋的空間分布特征

廣西沿海區域NDVI的空間分布呈現出陸地高,濱海和河流下游低的分布特征(圖4),陸地土地覆被類型多為林地和旱地,而濱海和河流下游區域居住區和其他覆被類型廣泛分布。NDVI小于0.1的區域主要分布在防城港灣、欽州灣、大鳳江口、南流江口和鐵山港灣沿岸,多為其他覆被類型(圖4、5)。整體上,NDVI大于0.7的高植被覆蓋區域占區域總面積的70%,0.3—0.7之間的植被覆蓋區域占26%,NDVI小于0.1的區域占1%。

圖4 2000—2014年廣西沿海區域NDVI的空間分布Fig.4 Spatial distribution of NDVI in coastland of Guangxi from 2000 to 2014

圖5 廣西沿海區域土地覆被類型分布Fig.5 Distribution of land-use types of coastland of Guangxi

研究區域內,不同土地覆被類型的NDVI差異極顯著(F5,89=182,P<0.001),但NDVI年際波動差異并不顯著(P>0.05),因此以15年的平均NDVI代表不同土地覆被類型的植被覆蓋狀況。不同土地覆被類型間,以林地的平均NDVI值最高,旱地和水田其次,居住區居中,濕地和其他最低(表1)。其中,林地、旱地和水田NDVI主要分配在>0.7的范圍內,而居住地、濕地和其他則多分布在0.5附近。

2.3 植被動態趨勢及其持續性分析

2000至2014年間,研究區域內有46%的植被得到改善,多分布于河流中上游的陸地上；退化土地則集中于濱海和河流中下游地區,約占總面積的27%；輕度退化、輕度改善以及穩定不變狀態的土地斑塊較為分散,分別占總面積的8%、14%和6%(圖6)。不同土地覆被類型中,57%的林地得到了改善,52%的濕地呈現出退化趨勢,其他的覆被類型則多處于相對穩定的狀態(圖7)。

表1 不同土地覆被類型NDVI比較

將NDVI動態趨勢與Hurst指數疊加,得到NDVI動態趨勢持續性的分布(圖8)。持續改善的植被面積占研究區總面積的33%,多分布于林地、旱地等NDVI相對較高的土地覆被類型中；持續退化的植被較少,所占比例為17%,但多分布于濕地、其他等NDVI偏低類型中。此外,未來變化趨勢無法確定的區域占總面積的30%,多集中于濱海區域(表2)。

圖6 2000—2014年廣西沿海區域NDVI動態趨勢Fig.6 Trends of NDVI in coastland of Guangxi from 2000 to 2014

土地覆被類型Types分配比例Allocationratio/%持續退化Persistencedegradation持續輕度退化Persistenceslightlydegradation持續穩定不變Persistencestableness持續輕度改善Persistenceslightlyimprovement持續改善Persistenceimprovement不確定Uncertainty林地Forestland1841093426旱地Dryland1851083723水田Paddyfield2351163125居住區Residentialquarters3059101730濕地Wetland291341647其他Others234842240

圖7 不同土地覆被類型NDVI動態趨勢統計Fig.7 Statistics of NDVI trend by different land-use types

圖8 基于Hurst 指數的NDVI變化特征空間分布Fig.8 Spatial distribution of NDVI variation character based on Hurst index

2.4 植被覆蓋動態的驅動因素分析

沿海區域6至8月的氣象因素(氣溫、降水量和日照時間),兩兩之間相關性多顯著(圖9),故分析氣象因素與NDVI相關性時,采用偏相關分析。然而,氣象因素與區域內不同土地覆被類型NDVI的相關性均不顯著(P>0.05)。

圖9 氣溫、降水和日照時間的相關性分析 Fig.9 Correlation analysis between temperature, precipitation and sunshine duration

坡向的正弦和余弦值、距海岸線距離與區域及其不同土地覆被類型的NDVI和NDVI動態趨勢相關性多不顯著,故在表3中不再列出以上3個變量。NDVI和NDVI動態趨勢與其他變量則呈現出較好的相關性,二者與CTI和距離河流的距離多為負相關,與坡度、高程、距交通線路和城鎮的距離則多為正相關。

3 討論

廣西沿海區域整體的NDVI值較高,而且年際波動較小,與以往的研究結果相似[19,34]。研究區內NDVI>0.7的區域占區域總面積的70%,NDVI不足0.3的區域僅占4%,這導致區域整體的NDVI值偏高。此外,研究區域為南亞熱帶海洋性季風氣候,常年高溫多雨,植被覆蓋率高且多為常綠植物,在非極端天氣影響下,NDVI的年際波動程度較低。空間上,區域NDVI分布表現為陸地高,濱海和河流下游低的趨勢,這與土地覆被類型的分布有關,陸地多為林地和旱地,而濱海和河流下游區域則多分布著居住區、濕地和其他覆被類型。

2000至2014年間,研究區內約一半的植被得到改善,改善植被多為林地,這與當地政府在低山丘陵區大面積植樹種草有關[19]；退化區域則多集中于濱海和河流下游,這些區域內大量分布著居住區和其他類型植被,且交通網絡密布。值得注意的是,林地等NDVI較高的區域通常表現為持續改善趨勢,而濕地等NDVI低的區域則多表現為持續退化。林地等覆被類型由當地政府的扶持得以持續改善,而大量的濕地則開發為港口、道路、養殖場等,從而呈現為退化趨勢,在未來的開發利用活動中應加強對濱海濕地等NDVI偏低區域的關注。

表3 NDVI及其變化趨勢與影響因素的相關系數

*P<0.05,**P<0.01. 復合地形指數 CTI

土地覆被分類的不同、植被下墊面與NDVI分辨率也會影響計算的結果,在該研究中,土地覆被類型分類體系與NDVI來源相同,而且在NDVI時間選擇上,選擇NDVI數值最大的月份。另外,為了消除分辨率的問題,研究的空間尺度較大,能夠體現變化的總體趨勢。通過和實地的調研比較,研究結果與實際情況較為符合。

植被NDVI及其動態趨勢與氣象因素的相關性并不顯著,而多與地形特征和人為因素呈現顯著相關性,這與以往對沿海區域的研究相似[17,35]。研究區域內,盡管4個氣象站點的年均溫(F14, 59=68.78,P<0.001)、年降水量(F14, 59=7.98,P<0.001)和年日照時數(F14, 59=11.61,P<0.001)的年際變化差異均顯著,但其與NDVI相關性并不顯著,這可能與NDVI動態更多的受到地形特征和人類活動的干擾有關。廣西沿海區域海拔波動范圍為-6 m至290 m之間,高海拔區域集中分布于西北和東北的山地；在研究區內,以1 km×1 km為分析窗口,逐個提取地形起伏度[36],濱海區域平均地形起伏度為0.02,最大起伏度為0.55,整個區域內地形波動較小,但NDVI及其動態趨勢與地形特征因素的相關性卻多顯著。NDVI及其動態趨勢與CTI多為負相關,由于CTI與坡度有關,因此這種負相關間接反映了植被動態與坡度的關系[32]；沿海區域NDVI及其動態趨勢與坡度和高程表現為正相關,與坡向則多不相關,這與劉亞龍等[2]和馬宗文等[16]的研究結果相似,原因可能是平坦地區更利于城市建設,以及人為在低山丘陵區的大面積植樹。NDVI及其動態趨勢與距河流的距離呈現為負相關,可能與研究區多處于河流下游,而河口、三角洲等地區近年來多有開發活動有關；距交通線路、城鎮的距離與NDVI表現為正相關,可能與居住區和交通線路綠化區有關。

4 結論

該研究基于MODIS NDVI數據,利用NDVI時間序列,采用最大值合成法、一元線性回歸方程斜率和Hurst趨勢指數,探討了沿海區域植被的時空分布特征及其影響因素。結果表明,廣西沿海區域NDVI值較高,但年際波動不大,空間上則表現為陸地高,濱海和河流下游低的趨勢,這主要與土地覆被類型的空間分布有關,林地、旱地等高NDVI類型廣泛分布于陸地,而濕地等低NDVI類型則多分布于濱海和河流河口。此外,林地在人工大量植樹造林的基礎上表現出持續改善趨勢,而濱海、河口區域的高強度開發則造成濕地呈現持續退化趨勢。廣西沿海植被覆蓋的變化與氣象因素相關性并不顯著,主要受到地形特征和人類活動的影響。因此,在未來的開發利用活動中應加強對濱海濕地和河口區域的關注。

[1] Lamchin M, Park T, Lee J Y, Lee W K. Monitoring of vegetation dynamics in the mongolia using MODIS NDVIs and their relationship to rainfall by natural zone. Journal of the Indian Society of Remote Sensing, 2014, 43(2): 325- 337.

[2] 劉亞龍, 王慶, 畢景芝, 張明明, 邢前國, 施平. 基于Mann-Kendall方法的膠東半島海岸帶歸一化植被指數趨勢分析. 海洋學報, 2010, 32(3): 79- 87.

[3] 孫紅雨, 王長耀, 牛錚, 布和敖斯爾, 李兵. 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. 遙感學報, 1998, 2(3): 204- 210.

[4] Pettorelli N, Vik J O, Mysterud A, Gaillard J M, Tucker C J, Stenseth N C. Using the satellite-derived NDVI to assess ecological responses to environmental change. Trends in Ecology & Evolution, 2005, 20(9): 503- 510.

[5] Fensholt R, Sandholt I, Rasmussen M S. Evaluation of MODIS LAI, fAPAR and the relation between fAPAR and NDVI in a semi-arid environment using in situ measurements. Remote Sensing of Environment, 2004, 91(3/4): 490- 507.

[6] Li L L, Wang Y P. What drives the aerosol distribution in Guangdong-the most developed province in Southern China?. Scientific Reports, 2014, 4: 5972- 5972.

[7] 李加林. 基于MODIS的沿海帶狀植被NDVI/EVI季節變化研究——以江蘇沿海互花米草鹽沼為例. 海洋通報, 2006, 25(6): 91- 96.

[8] 耿利寧. 基于時序MODIS的水稻種植制度提取[D]. 南京: 南京信息工程大學, 2013: 42- 44.

[9] Lu L L, Kuenzer C, Wang C Z, Guo H D, Li Q T. Evaluation of three MODIS-Derived vegetation index time series for dryland vegetation dynamics monitoring. Remote Sensing, 2015, 7(6): 7597- 7614.

[10] 吳健生, 陳莎, 彭建. 基于圖像閾值法的森林雪災損失遙感估測——以云南省為例. 地理科學進展, 2013, 32(6): 913- 923.

[11] 白雲. 基于混合像元分解的海壇島植被覆蓋度因子研究. 亞熱帶資源與環境學報, 2013, 8(4): 81- 86.

[12] 袁麗華, 蔣衛國, 申文明, 劉穎慧, 王文杰, 陶亮亮, 鄭華, 劉孝富. 2000—2010年黃河流域植被覆蓋的時空變化. 生態學報, 2013, 33(24): 7798- 7806.

[13] 張雪艷, 胡云鋒, 莊大方, 齊永清. 蒙古高原NDVI的空間格局及空間分異. 地理研究, 2009, 28(1): 10- 18, 圖版2.

[14] Xiao J, Moody A. Geographical distribution of global greening trends and their climatic correlates: 1982- 1998. International Journal of Remote Sensing, 2005, 26(11): 2371- 2390.

[15] Park H, Jeong S J, Ho C H, Kim J, Brown M E, Schaepman M E. Nonlinear response of vegetation green-up to local temperature variations in temperate and boreal forests in the Northern Hemisphere. Remote Sensing of Environment, 2015, 165: 100- 108.

[16] 馬宗文, 許學工, 盧亞靈. 環渤海地區NDVI擬合方法比較及其影響因素. 生態學雜志, 2011, 30(7): 1558- 1564.

[17] 陳云浩, 李曉兵, 史培軍. 1983—1992年中國陸地NDVI變化的氣候因子驅動分析. 植物生態學報, 2001, 25(6): 716- 720.

[18] 宗瑋. 上海海岸帶土地利用/覆蓋格局變化及驅動機制研究[D]. 上海: 華東師范大學, 2012: 44- 44.

[19] 田義超, 陳志坤, 梁銘忠. 北部灣海岸帶植被覆蓋時空動態特征及未來趨勢. 熱帶地理, 2014, 34(1): 76- 86.

[20] 徐大勇, 張濤, 孫貽超, 鄧小文, 周濱, 盧學強, 邵曉龍, 張良運, 陳紅, 袁雪竹, 白明英. 基于NDVI的天津市濱海新區植被覆蓋度變化及預測研究. 生態經濟, 2010, (12): 45- 50.

[21] 李建平, 張柏, 張泠, 王宗明, 宋開山. 濕地遙感監測研究現狀與展望. 地理科學進展, 2007, 26(1): 33- 43.

[22] 曹慶先, 戴培建, 范航清, 葛文標, 何斌源, 蘭國寶, 黎廣釗, 梁文, 莫竹承, 邱廣龍, 吳斌, 曾聰, 周浩郎. 廣西北部灣典型海洋生態系統—現狀與挑戰. 北京: 科學出版社, 2015.

[23] 王毅杰, 俞慎. 長江三角洲城市群區域濱海濕地利用時空變化特征. 濕地科學, 2012, 10(2): 129- 135.

[24] 韓貴鋒. 中國東部地區植被覆蓋的時空變化及其人為因素的影響研究[D]. 上海: 華東師范大學, 2007: 35- 35.

[25] 范娜, 謝高地, 張昌順, 陳龍, 李文華, 成升魁. 2001年至2010年瀾滄江流域植被覆蓋動態變化分析. 資源科學, 2012, 34(7): 1222- 1231.

[26] 江田漢, 鄧蓮堂. Hurst指數估計中存在的若干問題——以在氣候變化研究中的應用為例. 地理科學, 2004, 24(2): 177- 182.

[27] 劉世梁, 趙海迪, 董世魁, 蘇旭坤, 劉琦, 鄧麗, 張翔. 基于SPOT NDVI的阿爾金山自然保護區植被動態變化研究. 干旱區研究, 2014, 31(5): 832- 837.

[28] 莊長偉, 歐陽志云, 徐衛華, 鄭華, 王效科, 白楊. 基于MODIS的海河流域生態系統空間格局. 生態學雜志, 2009, 28(6): 1149- 1154.

[29] 張月叢, 趙志強, 李雙成, 孟憲鋒. 基于SPOT NDVI的華北北部地表植被覆蓋變化趨勢. 地理研究, 2008, 27(4): 745- 754, 圖版1.

[30] 信忠保, 許炯心, 鄭偉. 氣候變化和人類活動對黃土高原植被覆蓋變化的影響. 中國科學 D輯: 地球科學, 2007, 37(11): 1504- 1514.

[31] 劉琦, 劉世梁, 趙清賀, 王聰, 鄧麗, 楊玨婕, 董世魁. 漫灣水電站建設的景觀生態風險時空分異及影響因子研究. 安全與環境學報, 2012, 12(6): 113- 118.

[32] 連綱, 郭旭東, 傅伯杰, 虎陳霞. 黃土高原小流域土壤容重及水分空間變異特征. 生態學報, 2006, 26(3): 647- 654.

[33] 包維楷, 劉照光. 岷江上游大溝流域驅動植被退化的人為干擾體研究. 應用與環境生物學報, 1999, 5(3): 233- 239.

[34] 楊紹鍔, 譚裕模, 胡鈞銘. 基于NDVI的廣西近十年植被變化特征分析. 南方農業學報, 2012, 43(11): 1783- 1788.

[35] 何章莉, 史合印, 邢前國, 潘偉斌. 遙感技術在大亞灣區域土地利用類型監測中的應用. 生態科學, 2006, 25(4): 371- 374, 384- 384.

[36] 周自翔, 李晶, 任志遠. 基于GIS的關中-天水經濟區地形起伏度與人口分布研究. 地理科學, 2012, 32(8): 951- 957.

The dynamics and main driving factors of coastal vegetation in Guangxi based on MODIS NDVI

CHENG Fangyan1, LIU Shiliang1,*, YIN Yijie1, Lü Yihe2, AN Nannan1, LIU Xinming3

1TheSchoolofEnvironmentalSciences,BeijingNormalUniversity,Beijing100875,China2StateKeyLaboratoryofUrbanandRegionalEcology,ResearchCenterforEco-environment,ChineseAcademyofSciences,Beijing100085,China3MarineResearchAcademyofGuangxiZhuangAutonomousRegion,Nanning530022,China

The normalized difference vegetation index (NDVI) can be used to characterize a region′s vegetation status, however, there have been few studies on the NDVI dynamics of coastal wetland areas. Using MODIS NDVI as the data source, we analyzed the vegetation dynamics, NDVI trend, and the main driving factors of NDVI in the coastal wetland areas of Guangxi from 2000 to 2014. The results showed that in the coastal wetland area with a 10-km buffer, the mean NDVI value was relatively high (0.71). However, annual fluctuations were more stable (SD=0.02). Spatially, NDVI showed a higher trend in terrestrial land and a lower trend in coastal and estuarine areas. The NDVI values of various vegetation types were significantly different, and the highest value was recorded for woodland, which is widely distributed in the terrace (0.76), and the lowest value was found for coastal wetland (0.52) and other vegetation types (e.g., bare land) (0.50). The vegetation trend (slopek) showed that 57% of the woodland was improving (k≥ 0.002), and 52% of the coastal wetland was degrading (k≤ -0.002). The Hurst index of the sustainability of vegetation showed that forest land and dry land have been continuously improving, while the coastal wetland showed a trend of continuous degradation. The influence of meteorological factors on NDVI dynamics was not significant, and the NDVI was mainly affected by topographic characteristics and human activities. NDVI and its trend were negatively correlated with comprehensive topographic indexes and the distance from the river, and positively correlated with slope, altitude, and the distance from roads and valleys. Altogether, most regions showed positive development, but the coastal wetland exhibited degradation and needed to be improved.

coastal wetland area; temporal and spatial dynamics; trend analysis; Hurst index; driving factors

國家自然科學基金資助項目(41571173)；國家科技支撐計劃資助項目(2014BAK19B06)；廣西壯族自治區海洋研究院自主課題資助項目

2015- 09- 09;

日期:2016- 06- 14

10.5846/stxb201509091866

*通訊作者Corresponding author.E-mail: shiliangliu@bnu.edu.cn

成方妍,劉世梁,尹藝潔,呂一河,安南南,劉昕明.基于MODIS NDVI的廣西沿海植被動態及主要其驅動因素.生態學報,2017,37(3):788- 797.

Cheng F Y, Liu S L, Yin Y J, Lü Y H, An N N, Liu X M.The dynamics and main driving factors of coastal vegetation in Guangxi based on MODIS NDVI.Acta Ecologica Sinica,2017,37(3):788- 797.