基于GLDAS和MODIS的烏江流域植被與地表水變化關系研究

石悅樾+銀正彤+鄭文鋒

摘要：在西南地區，貴州省為喀斯特地貌面積最大省份，烏江是貴州省第一大河。為獲得2003—2014年烏江流域植被覆蓋變化與地表水變化間的關系，得出植被時間和空間變化規律，為烏江流域生態保護提供參考依據。基于GLDAS、MODIS/NDVI和TRMM3B43數據，首先使用趨勢分析法分析12年內NDVI變化趨勢，通過簡單相關、偏相關、復相關分析法得出植被覆蓋變化與地表水（含雪水當量、土壤水和地表徑流）間變化關系。結果表明：12年中，烏江流域NDVI整體呈上升趨勢，每年上升率為0.001 5，植被覆蓋率較高的年份有2007年、2008年、2009年、2013年；夏季植被增加面積最多，夏季NDVI值對整個NDVI值上升變化貢獻最大；植被減少區域為西部、中部城市地區；植被增加區域主要在研究區東部；秋季、冬季植被隨地表水下降而下降；常綠針葉林、灌叢、常綠闊葉林NDVI變化對地表水變化相關性較高。

關鍵詞：烏江流域；植被覆蓋；NDVI變化；地表水；生態保護

中圖分類號： S181文獻標志碼： A文章編號：1002-1302（2017）12-0192-06

通信作者：銀正彤，博士，副教授，主要從事“3S”技術在環境監測中的應用研究。E-mail：312346079@qq.com。貴州省是全國自然資源豐富大省之一，其喀斯特地貌面積占全省面積的73.6%，為西南地區喀斯特面貌最大省份[1]，植被生長環境惡劣，同時受人類活動影響，植被覆蓋變化對生態環境保護重要性日益凸顯。

研究植被覆蓋有益于了解區域變化趨勢，及時發現問題并采取相應措施解決植被覆蓋中存在的問題。在國內外，水文數據模型（global land data assimilation system，簡稱GLDAS）數據的使用與分析都已被研究成熟[2-4]，目前對GLDAS所獲取的氣溫、降水、土壤水數據研究方法主要有趨勢法、相關性分析[5]、均值法和標準差法[6]等。自1999年起，中分辨率成像光譜儀（moderate-resolution imaging spectroradiometer，簡稱MODIS）數據被學者廣泛應用以研究陸地表面變化，Tian等使用MODIS數據研究長時間序列的植被變化中，以歸一化植被指數（normalized difference vegetation index，簡稱NDVI）數據分析2000—2012年內蒙古植被變化與氣候變化、生態修復工程對植被覆蓋影響時發現，在研究期中內蒙古植被覆蓋在生態修復工程作用下得到增強，為半干旱地區生態修復工程實施提供科學參考依據[7]。Badreldin等基于MODIS數據結合土壤調節植被指數對埃及沙漠化進行檢測[8]。以MODIS數據提取植被覆蓋數據與氣候變化關系研究中，使用的研究方法主要有均值法、趨勢法、相關分析法、偏相關分析法，但分析過于簡單，只考慮單一相關性，均未涉及到其他因子對變量因子的影響[9-10]。

本研究選取MODIS/NDVI數據結合GLDAS和熱帶降雨衛星（tropical rainfall measuring mission，簡稱TRMM）數據，使用相關分析法、偏相關分析法、復相關分析法綜合分析2003—2014年烏江流域植被變化與地表水間的關系。

1材料與方法

1.1研究區概況

烏江流域位于我國西南地區，104°10′～109°22′E、26°06′～28°48′N，在貴州省境內部分貫穿貴州北部。研究區 1 ∶400萬植被數據來源于國家自然科學基金委員會“中國西部環境與生態科學數據中心”（http：//westdc.westgis.ac.cn），主要分為6類：常綠針葉林、常綠闊葉林、耕地、草地、灌叢和無植被區（圖1），研究區地勢西高東低，喀斯特地貌發育顯著。烏江在貴州省內河長802 km，是貴州省第一條大河，發源于貴州省威寧縣，自西向東流經黔北包括貴州省省會貴陽市、渝東南，在重慶市涪陵區匯入長江，全流域區屬于亞熱帶溫濕季風氣候，年均氣溫13～18 ℃。烏江流域貴州境內全區平均高程為1 226.21 m，相對高差為2 791 m。自1982年烏江渡水電站完工后，目前干流上已建成11個梯級水電站。烏江流域受喀斯特地貌、區內人類活動、流域梯級開發影響，生態脆弱，資源可持續發展較弱。

1.2數據來源與處理

選用2003年1月—2014年12月MOD13Q1數據，軌道號為h27v06，空間分辨率為250 m，16 d為1期，每年23期，共276幅影像圖，數據來源于美國航空航天局（National Aeronautics and Space Administration，簡稱NASA）官網。首先使用

MODIS reprojection tool （MRT）對MOD13Q1進行投影轉換，經過重采樣后，采用最大值合成法（maximum value composite，簡稱MVC）處理每月上、下旬MOD13Q1數據獲得月NDVI值，其中個別月數據缺失，以多年平均值代替。

GLDAS數據在一定程度上接近中國實際數據[5]，本研究以GLDAS_NOAH LSM，Version2獲取地表水數據，時間分辨率為1個月，空間分辨率為1°×1°，數據來源NASA官網，地表水為土壤水、雪水當量、地表徑流三者之和。其中土壤水共計4層，土壤深度分別是0～10、10～40、40～100、100～200 cm，研究區土壤水為4層數據之和。降水數據來自NASA官網，選取TRMM3B43，時間分辨率是1個月，空間分辨率為0.25°×0.25°，TRMM3B43數據與實測值有差距，在貴州省內變化趨勢與實測值擬合優度高[11]，采用TRMM3B43作趨勢變化研究。

1.3研究方法

采用一元線性回歸模型作NDVI、降水、地表水、土壤水、雪水當量和地表徑流變化趨勢分析，公式為：endprint

Yn=a+bXn。（1）

式中：Yn表示n期時因變量；Xn表示n期時自變量；a、b為參數，b>0，研究期內呈上升變化，b<0，研究期內呈下降變化。同時使用標準差分類法將研究期內的變量變化分為7類：重度減少、中度減少、輕度減少、保持不變、輕度增加、中度增加、重度增加。

研究植被覆蓋與地表水變化關系時，首先使用簡單相關分析分別計算出NDVI變化與地表水變化的簡單相關系數、NDVI 變化與降水變化的簡單相關系數；接著使用偏相關分析分別計算出NDVI變化與地表水變化的偏相關系數，進行t檢驗；最后通過復相關分析，進行F檢驗；綜合得出NDVI、地表水、降水三者間關系。

2結果與分析

2.1NDVI變化

烏江流域2003—2014年年均NDVI值為0.613 3，在 0.578 4～0.644 0之間，整體植被覆蓋率較高；2005年年均NDVI值最低，2013年年均NDVI值最高（圖2）。研究期內NDVI值整體上升，每年上升率為0.001 5。

由圖3-a可知，12年中烏江流域東部NDVI值整體較高，均在0.6以上，烏江下游NDVI值比上游高，NDVI值在 >0.6～0.8間的區域占總面積的74.00%。由圖3-b可知，12年中NDVI減少區集中在研究區西部，有普定縣、黔西縣、平壩縣、大方縣、六枝特區、威寧縣、水城縣、七星關區、赫章縣、東部沿河縣，主要減少面積比為27.97%；NDVI增加區域主要集中在研究區東部的施秉縣、江口縣、鎮遠縣、鳳岡縣、余慶縣、開陽縣、龍里縣、湄潭縣、貴定縣、石阡縣、息烽縣和西部的納雍縣中部、織金縣中部，增加面積比為30.99%。

四季劃分時間為春季（3—5月）、夏季（6—8月）、秋季（9—11月）、冬季（12—次年2月）。由圖4可知，春季的 NDVI 每年以0.000 4速率逐年遞減， 夏季、 秋季和冬季都是

逐年遞增，每年上升率分別為0.000 3、0.007 5、0.003 6。其中秋季通過0.05水平顯著性檢驗，春季、夏季和冬季未通過顯著性檢驗。季節NDVI均值由高到低依次為夏季（0.765 9）>秋季（0.632 6）>春季（0.585 7）>冬季（0.467 6）。

由圖5、圖6可知，研究區西部四季中NDVI值較低，東部較高。春季NDVI值中>0.4～0.6的占總面積的51.39%，西部大多在>0.2～0.4，東部在>0.4～0.8之間；植被覆蓋減少區域主要是貴陽市、威寧縣、七星關區、黔西縣、大方縣、水城縣、赫章縣、普定縣、六枝特區；植被增加面積為 17 404.83 km2，占區域面積的32.06%，植被增加區域主要有印江縣、石阡縣、龍里縣、湄潭縣、鳳岡縣、石阡縣、余慶縣；保持不變的區域面積占總面積的40.21%。夏季NDVI值中 >0.6～0.8的區域面積占總面積的76.76%，整體在>0.6～10之間，東部NDVI值比西部高；貴陽市、威寧縣、六枝特區、普定縣、遵義縣、東五縣等沿烏江地帶呈減少趨勢；植被增加區域包括年際變化趨勢中東部增加區域，還有西部赫章縣、大方縣、納雍縣、七星關區、織金縣，植被增加面積為 30 903.31 km2，占總面積的5693%；保持不變的面積占總面積的19.41%。秋季NDVI值中>0.6～0.8區域面積占總面積的67.74%，西部NDVI值在>0.4～0.8之間，東部NDVI值在>0.4～0.8之間，其中>0.6～0.8分布占絕大多數，整體空間變化趨勢與年均NDVI空間變化趨于一致，除了納雍縣、織金縣為減少趨勢；植被增加面積為17 303.77 km2，占總面積的31.88%，保持不變的面積為39.17%。冬季NDVI值中>0.4～0.6占總面積的68.14%，西部NDVI值在>0.2～06間，東部NDVI值在>0.2～0.8間，其中以>0.4～0.6分布為主，整體空間變化趨勢與年均NDVI空間變化趨于一致，除了普定縣為增加趨勢，貴陽市為減少趨勢，植被增加面積為1 723.66 km2，占總面積的31.75%，保持不變的面積占總面積的39.00%。

2.2降水和地表水變化趨勢

降水年際變化和季節變化趨勢如圖7所示，年降水每年以2.285 5 mm的速率上升，季節降水變化中春季、夏季、秋季每年分別以0.066 8、1.489 5、1.068 1 mm速率上升，冬季每年以0.425 2 mm速率下降，降水整體呈上升趨勢。

地表水年際變化如圖8所示，地表水整體呈下降趨勢，其中雪水當量呈上升趨勢，土壤水和地表徑流呈下降趨勢。由圖9可知，地表水季節變化中春季和冬季地表水呈上升變化，夏季和秋季呈下降變化；雪水當量季節變化中四季均呈上升變化；土壤水四季均呈下降變化；地表徑流季節變化中春季呈上升變化，夏季、秋季、冬季呈下降變化。地表水整體呈下降變化。

2.3NDVI與地表水的關系

2.3.1NDVI與地表水偏相關分析降水會影響地表水，把降水數據作為控制變量得出不同植被NDVI值與地表水、雪水當量、土壤水、地表徑流的年際偏相關系數分別為-0.08～

3結論

烏江流域喀斯特地貌發育顯著，在全球氣候變暖的環境下，植被覆蓋與區域生態緊密相關。本研究以2003—2014年的MODIS/NDVI、TRMM3B43和GLDAS分析烏江流域植被覆蓋變化與降水、地表水變化間的關系，得出結論如下：

（1）烏江流域12年中NDVI整體呈上升趨勢，NDVI均值從2003年的0.594 2上升至2014年的0.636 1，四季中夏季植被增加面積最多。NDVI減少的區域集中在西部和中部城市范圍內，植被類型以耕地和常綠闊葉林為主；NDVI增加區域集中在東部地區，以灌叢和常綠針葉林為主，常綠針葉林和灌叢對地表水變化的耐受力較高。烏江流域在以常綠針葉林為主要植被類型的地區，要注重森林保護工作，建立自然保護區，營造烏江流域水土保持林。endprint

（2）季節不同植被變化與地表水變化關系不同。春季、夏季NDVI變化與地表水變化呈正相關，秋季NDVI變化中，常綠針葉林、灌叢、耕地NDVI與地表水呈負相關，常綠闊葉林、草地NDVI與地表水呈正相關；冬季NDVI變化與地表水變化呈負相關。冬季地表水上升變化會引起植被覆蓋下降變化，要推行抗寒能力強的植物種植，增強區域生態自我調節能力。

（3）植被不同對地表水變化響應亦不同，春季、秋季灌叢NDVI與地表水復相關系數最高，夏季常綠針葉林NDVI與地表水復相關系數最高，冬季常綠闊葉林NDVI與地表水復相關系數最高。春季灌叢NDVI隨地表水增加而增加，夏季耕地NDVI隨地表水增加而增加，秋季灌叢NDVI隨地表水增加而減少，冬季常綠闊葉林NDVI隨地表水增加而減少。構建研究區生態-經濟-社會圈時，要特別注意灌叢、耕地和常綠闊葉林帶來的生態效益，關鍵在于烏江流域植被合理布局。

參考文獻：

[1]鄭偉，王中美. 貴州喀斯特地區降雨強度對土壤侵蝕特征的影響[J]. 水土保持研究，2016，23（6）：333-339.

[2]吳盼，馮雨晴，梁四海，等. 基于GLDAS與TVDI降尺度反演土壤含水量[J]. 北京師范大學學報（自然科學版），2016，52（3）：265-270.

[3]Kdzior M，Zawadzki J. Comparative study of soil moisture estimations fromSMOSsatellitemission，GLDASdatabase，andcosmic-ray

neutrons measurements at COSMOS station in Eastern Poland[J]. Geoderma，2016，283：21-31.

[4]Bi H Y，Ma J W，Zheng W J，et al. Comparison of soil moisture in GLDAS model simulations and in situ observations over the Tibetan Plateau[J]. Journal of Geophysical Research Atmospheres，2016，121（6）：2658-2678.

[5]王文，汪小菊，王鵬. GLDAS月降水數據在中國區的適用性評估[J]. 水科學進展，2014，25（6）：769-778.

[6]Li D Y，Zhao T J，Shi J C，et al. First evaluation of aquarius soil moisture products using in situ observations and GLDAS model simulations[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing，2015，8（12）：5511-5525.

[7]Tian H J，Cao C X，Chen W，et al. Response of vegetation activity dynamic to climatic change and ecological restoration programs in Inner Mongolia from 2000 to 2012[J]. Ecological Engineering，2015，82（4）：276-289.

[8]Badreldin N，Frankl A，Goossens R. Assessing the spatiotemporal dynamics of vegetation cover as an indicator of desertification in Egypt using multi-temporal MODIS satellite images[J]. Arabian Journal of Geosciences，2014，7（11）：4461-4475.

[9]丁文榮. 滇東南喀斯特地區植被覆蓋變化及其影響因素[J]. 水土保持研究，2016，23（6）：227-231.

[10]袁沫汐，鄒玲，林愛文，等. 湖北省地區植被覆蓋變化及其對氣候因子的響應[J]. 生態學報，2016，36（17）：5315-5323.

[11]李威，蔣平，趙衛權，等. TRMM衛星降水數據在喀斯特山區的適用性分析——以貴州省為例[J]. 水土保持研究，2016，23（1）：97-102.丁茜，付梅臣，王力. 基于轉移矩陣的重慶市北碚區土地利用變化分析[J]. 江蘇農業科學，2017，45（12）：198-204.endprint