近15年中國西南地區(qū)植被覆蓋度動態(tài)變化

鄭朝菊， 曾源， 趙玉金， 趙旦， 吳炳方

(1.中國科學院遙感與數(shù)字地球研究所，北京 100094; 2.中國科學院大學，北京 100049)

近15年中國西南地區(qū)植被覆蓋度動態(tài)變化

鄭朝菊1,2， 曾源1， 趙玉金1， 趙旦1， 吳炳方1

(1.中國科學院遙感與數(shù)字地球研究所，北京 100094; 2.中國科學院大學，北京 100049)

基于MODIS-NDVI數(shù)據(jù)，利用像元二分模型估算獲得中國西南地區(qū)2000—2014年間的250 m分辨率月度植被覆蓋度(fractional vegetation cover，F(xiàn)VC)，結合氣象數(shù)據(jù)，采用趨勢分析、相關分析和殘差分析方法，對西南地區(qū)近15 a間FVC時空變化及與氣候、人類活動的關系進行了綜合分析。結果表明： ①2000—2014年間西南地區(qū)森林生態(tài)系統(tǒng)的年最大FVC顯著增加，增加速率為0.096 2 a-1(p<0.05)，農(nóng)田年最大FVC增幅最小(0.031 1 a-1，p=0.582)； ②FVC變化存在明顯的空間差異，滇北、黔渝地區(qū)的森林和灌叢、三江源地區(qū)的草地以及廣西南部的農(nóng)田FVC顯著增加，但汶川、橫斷山、川西北等地FVC顯著下降； ③西南地區(qū)年最大FVC與秋季降水和夏季均溫的相關性最好，相關系數(shù)分別為0.320和0.281； ④2000—2014年間西南地區(qū)FVC殘差的增加速率為0.023 2 a-1，說明人類活動對西南地區(qū)植被生長整體上起促進作用。

植被覆蓋度； 像元二分模型； 西南地區(qū)； 氣候變化； 人類活動

0 引言

植被是陸地生態(tài)系統(tǒng)的主體，也是聯(lián)結土壤、大氣和水分的自然“紐帶”，其年際和季節(jié)變化明顯，在全球變化研究中充當著“指示器”的作用[1]。植被覆蓋度(fractional vegetation cover，F(xiàn)VC)指植被(包括葉、莖、枝)在地面的垂直投影面積占統(tǒng)計區(qū)總面積的百分比[2]，是反映地表植被覆蓋狀況和生態(tài)環(huán)境的重要指標。植被覆蓋度遙感估算主要包括物理模型法和統(tǒng)計模型法[3]，前者以幾何光學模型[4]和輻射傳輸模型[5]為主，可從機理上把握植被生化組分對光譜特征的影響，但通常輸入變量多且難以準確測量[3]； 后者以植被指數(shù)法[6]、像元分解法[7]、回歸模型[8]、分類決策樹[9]和人工神經(jīng)網(wǎng)絡[10]為主。其中，回歸模型對實測數(shù)據(jù)依賴大，難以大范圍推廣； 分類決策樹和人工神經(jīng)網(wǎng)絡基于數(shù)據(jù)挖掘，估算時需要大量樣本，建立網(wǎng)絡時存在主觀成分。相比之下，像元分解法和植被指數(shù)法不需要建立回歸模型，對實測數(shù)據(jù)依賴較小，并能削弱大氣、土壤等影響，經(jīng)驗證后可外推到大范圍地區(qū)，形成通用的植被覆蓋度計算方法[11]。在全球變暖和人類活動的影響下，西南地區(qū)陸地生態(tài)系統(tǒng)(植被)變化明顯[12]。華維等[13]發(fā)現(xiàn)1982—2002年間該區(qū)NDVI春冬以增大為主，夏秋以減小為主； 張遠東等[14]發(fā)現(xiàn)1982—2006年西南地區(qū)灌叢、針葉林、草甸和高山植被的NDVI明顯增大； 張笑鶴等[15]發(fā)現(xiàn)1982—2006年雅魯藏布江和怒江流域四季NDVI均顯著增大； Zhang等[16]指出2000—2009年青藏高原南部氣溫升高和降水減少抑制了植被生長； 張勃等[17]發(fā)現(xiàn)近14 a來西南地區(qū)各植被類型NDVI均顯著增加。在前人研究的基礎上，針對西南地區(qū)近15 a來的植被變化，綜合分析生態(tài)系統(tǒng)特征、氣候效應與人類活動的影響，做到定量評價植被生長狀況及其變化驅動因素。

本文基于MODIS-NDVI數(shù)據(jù)，利用改進的像元二分模型估算西南地區(qū)2000—2014年間的植被覆蓋度，探討不同生態(tài)系統(tǒng)植被變化及與氣候、人類活動的關系，為科學評價西南地區(qū)生態(tài)環(huán)境狀況、植被生長潛力、固碳能力提供數(shù)據(jù)支持，為西南地區(qū)重大生態(tài)建設工程的宏觀布局和實施提供參考。

1 數(shù)據(jù)源與研究方法

1.1 研究區(qū)概況

本研究所指的“西南地區(qū)”(N21°08′～36°29′，E87°22′～112°03′)包括了我國廣西、貴州、重慶、云南、四川五省(市、自治區(qū))全境及青海南部、西藏東南的部分縣市(圖1)。該區(qū)地貌復雜，橫跨廣西丘陵、云貴高原、四川盆地、若爾蓋高原、橫斷山地和青藏高原東南部。氣候類型包括亞熱帶季風氣候、熱帶季雨林氣候及青藏高原獨特的高原氣候，年均氣溫在0～24 ℃之間，年降水量在600～2 300 mm范圍內(nèi)，由東南向西北遞減[18]。

圖1西南地區(qū)2010年土地覆被圖及精度驗證樣地分布

Fig.1Landcoverof2010andthedistributionofsampleplots

1.2 數(shù)據(jù)源及其預處理

1.2.1 遙感數(shù)據(jù)

NDVI來源于16 d合成的MODIS-NDVI產(chǎn)品(reverb.echo.nasa.gov)，空間分辨率為250 m。為減少異常值等噪聲影響，對其進行了Savitzky-Golay濾波處理，然后取最大值合成了2000—2014年西南地區(qū)月度NDVI數(shù)據(jù)。

溫度數(shù)據(jù)來源于中國氣象數(shù)據(jù)網(wǎng)(data.cma.cn)提供的西南地區(qū)及周邊242個有效氣象站點2000—2014年逐日平均氣溫(圖1)，利用Universal Kriging法插值成250 m分辨率柵格； 降水采用2000—2014年的TRMM3B42數(shù)據(jù)(trmm.gsfc.nasa.gov)，該數(shù)據(jù)是TRMM衛(wèi)星與其他衛(wèi)星聯(lián)合反演的降水產(chǎn)品，空間分辨率為0.25°× 0.25°，時間分辨率為3 h。Cheng等[20]發(fā)現(xiàn)TRMM3B42數(shù)據(jù)與地面觀測數(shù)據(jù)在月尺度上相關系數(shù)約0.9，且空間一致性較好； 劉俊峰等[21]指出隨時間尺度增加，TRMM3B42數(shù)據(jù)精度提高； 本文將TRMM3B42數(shù)據(jù)與西南地區(qū)147個氣象站點近15 a的降水數(shù)據(jù)進行對比，結果表明年尺度上兩組數(shù)據(jù)一致性較高(R2=0.841 1)。土地覆被數(shù)據(jù)來源于“全國生態(tài)環(huán)境十年變化(2000—2010年)遙感調(diào)查與評估”項目提供的全國30 m土地覆被產(chǎn)品，采用MAJORITY法重采樣為250 m，作為FVC估算模型中閾值確定和不同生態(tài)系統(tǒng)FVC提取與分析的基礎數(shù)據(jù)。土壤類型數(shù)據(jù)來源于中國西部環(huán)境與生態(tài)科學數(shù)據(jù)中心(westdc.westgis.ac.cn)提供的1∶100萬中國土壤數(shù)據(jù)集(V1.1)(HWSD)，采用的土壤分類系統(tǒng)為FAO-90。

1.2.2 地面觀測數(shù)據(jù)

為驗證FVC估算精度，2012年8月在西南地區(qū)野外調(diào)查中布設了125個100 m×100 m精度驗證樣地。樣地選取的原則是樣地及周邊大范圍內(nèi)物種組成、群落結構與生境相對均勻，樣地分布見圖1。125個樣地包括森林樣地36個，每個樣地選取2個30 m×30 m樣方； 灌叢樣地16個，每個樣地選取3個10 m×10 m樣方； 草地和農(nóng)田樣地分別為39和34個，每個樣地選取9個1 m×1 m樣方。利用GPS記錄樣方坐標，并采用魚眼相機垂直拍攝多張照片，利用Caneye軟件計算FVC，將樣地內(nèi)各樣方的FVC均值視為該樣地的實測FVC。此外，為確定FVC估算模型中NDVI的閾值，在研究區(qū)還布設了48個樣地，布設方式與125個精度驗證樣地相同，專門作為閾值校驗地面調(diào)查點。

1.3 植被覆蓋度估算方法

像元二分模型假設像元由植被覆蓋地表和無植被覆蓋地表2部分構成，所得到的光譜信息即這兩種組分以面積比加權的線性組合。其中植被覆蓋地表的面積比即該像元的植被覆蓋度，公式為

FVC=(NDVI-NDVIsoil)/(NDVIveg-NDVIsoil) ，

(1)

式中：NDVIsoil為無植被覆蓋像元的NDVI值，一般在-0.1 ～ 0.2之間[8]；NDVIveg為純植被像元的NDVI值，其值隨時空變化。Matsui等[22]選擇8 km分辨率的GIMMS-NDVI累積頻率97%處的NDVI為NDVIveg，3%處的NDVI為NDVIsoil計算了美國西南和墨西哥FVC； Kevin等[23]利用1 km分辨率的AVHRR年最大NDVI，在14種土地覆被類型內(nèi)各取累積頻率為98%處的NDVI為NDVIveg估算了1993—1998年美國FVC； 吳云等[24]利用250 m分辨率的MODIS-NDVI，在各土地覆被類型內(nèi)取累積頻率為95%的NDVI為NDVIveg，土壤類型內(nèi)取累積頻率為5%的NDVI為NDVIsoil，估算了2000—2007年海河流域FVC； 周志強等[3]利用30 m分辨率的TM和HJ-1A/B CCD數(shù)據(jù)計算的NDVI，取累積頻率為98%處的NDVI為NDVIveg，2%處的NDVI為NDVIsoil估算了2000年和2009年南水北調(diào)中線水源區(qū)FVC。

在前人研究的基礎上，我們選擇了2%，3%和5%的置信度水平設置NDVIveg和NDVIsoil，分別對2012年8月西南地區(qū)的FVC進行估算，采用48個獨立樣地進行閾值校驗，發(fā)現(xiàn)2%的置信度水平下估算的FVC結果最好，因此取森林、灌叢、草地、農(nóng)田及其他共5大類各土地覆被類型單元累積頻率98%的NDVI為NDVIveg，取共計13大類各土壤類型單元累積頻率2%的NDVI為NDVIsoil，通過柵格計算得到2000—2014年間西南地區(qū)的FVC。

1.4 植被覆蓋度分析方法

1.4.1 趨勢分析

利用2000—2014年間西南地區(qū)年最大的FVC，在像元尺度上進行一元線性回歸，得到回歸斜率，即

(2)

式中：t為監(jiān)測年數(shù)；y為第i年的年最大FVC。

回歸斜率可反映2000—2014年間西南地區(qū)FVC的變化趨勢及幅度。斜率為正，表明FVC增加； 斜率絕對值越大，F(xiàn)VC變化幅度越大。采用F檢驗法對線性回歸的顯著性進行檢驗，取顯著性水平為95%。

1.4.2 相關分析

年最大FVC和不同時段氣候因子的相關性用Pearson相關系數(shù)表示為

(3)

式中：x為不同時段氣候因子；y為年最大FVC，以氣象站點為中心取3×3窗口的像元均值；n為樣本數(shù)量。

采用偏相關系數(shù)來確定每種氣候因子對FVC的貢獻度，公式為

(4)

式中：rx1y，rx2y，rx1x2分別為y與氣候因子x1，y與氣候因子x2，兩氣候因子x1與x2相關系數(shù)；rx1y·x2表示x2固定時，y與x1的偏相關系數(shù)。采用t檢驗法對偏相關系數(shù)的顯著性進行檢驗，取顯著性水平為95%。

1.4.3 殘差分析

殘差分析法[25]由Evans和Geerken提出，利用年最大FVC與氣候因子間的良好線性關系建立回歸模型，得到年最大FVC擬合值，將其視為氣候因子對年最大FVC的影響。假設地形和土壤等自然條件未發(fā)生變化，利用遙感估算的FVC減去FVC擬合值(理論上完全由氣候因素引起的植被變化)，即得到人類活動引起的年最大FVC變化，從而分離出氣候因素和人類活動對FVC變化的影響，公式為

(5)

2 結果與分析

2.1 西南地區(qū)植被覆蓋度估算結果

2.1.1 不同生態(tài)系統(tǒng)植被覆蓋度估算結果

2000—2014年間西南地區(qū)平均年最大FVC大于80%的區(qū)域占總面積的60.40%，平均年最大FVC小于40%的僅占14.65%。在空間上，西南地區(qū)FVC呈現(xiàn)從東南向西北遞減的趨勢(圖2(左))。2000—2014年間西南地區(qū)年最大FVC整體呈增加趨勢，增加速率為0.047 3 a-1(p=0.241)。從不同時間段來看，2000—2002年間西南地區(qū)年最大FVC明顯增加，由71.69%增長至74.56%； 而2003—2008年變化不大，年最大FVC介于73.02%～73.48%之間； 2009—2014年間最大FVC則波動式上升，植被覆蓋總體有所改善(圖2(右上))。

基于2010年土地覆被數(shù)據(jù)獲得該區(qū)主要生態(tài)系統(tǒng)類型的面積比： 森林(29.08%)、灌叢(14.25%)、草地(24.11%)和農(nóng)田(15.34%)。這4種生態(tài)系統(tǒng)類型具有較好的生態(tài)系統(tǒng)服務功能，并且能反映不同植被類型對植被覆蓋度變化的貢獻程度，其平均年最大FVC從大到小為農(nóng)田(88.65%)>森林(88.46%)>灌叢(83.80%)>草地(61.08%)(圖2(右下))。2000—2014間年西南地區(qū)各生態(tài)系統(tǒng)的年最大FVC均呈增加趨勢，其中森林年最大FVC增幅最大，達0.096 2 a-1(p<0.05)，其次是灌叢(0.077 4 a-1，p=0.069)和草地(0.076 2 a-1，p=0.208)，農(nóng)田年最大FVC增幅最小(0.031 1 a-1，p=0.582)。林灌草覆蓋的地區(qū)植被生長狀況基本反映了自然條件的年際變動，加之退耕還林還草等生態(tài)工程的有效實施，年最大FVC增幅較大且顯著性較高； 而農(nóng)田生態(tài)系統(tǒng)年最大FVC較高，增幅較小，且作物生長、輪替及退耕及城市擴張等造成植被生長年際間變動趨勢不顯著，與實際情況相符。

圖2 2000—2014年西南地區(qū)平均年最大FVC空間分布(左)、西南地區(qū)(右上)及不同生態(tài)類型(右下)年最大FVC變化

2.1.2 精度驗證

依據(jù)野外采樣數(shù)據(jù)對2012年的年最大FVC估算結果進行精度評價，125個樣地的均方根誤差(RMSE)為0.067 3，遙感估算FVC與實測FVC具有很好的線性相關性(R2=0.742 6)。不同生態(tài)系統(tǒng)中，農(nóng)田FVC估算精度最高，RMSE為0.050 6，森林FVC估算精度最低，RMSE為0.086 3(圖3)。

圖32012年植被覆蓋度遙感監(jiān)測結果精度驗證

Fig.3Verifiedtheaccuracyofremotesensingmonitoringresultsoffractionalvegetationcoverin2012

2.2 西南地區(qū)植被覆蓋度時空變化

2.2.1 年際變化

2000—2014年西南地區(qū)年最大FVC呈增加趨勢(slope>0)的面積(120.07×104km2)多于呈下降趨勢(slope<0)的面積(90.47×104km2)(圖4)。其中，年最大FVC顯著增加(slope>0且p<0.05)的區(qū)域占總面積的13.60%，顯著下降(slope<0且p<0.05)的區(qū)域占8.45%。各生態(tài)系統(tǒng)年最大FVC顯著增加的面積比例分別為草地(14.75%)、灌叢(13.88%)、森林(13.46%)和農(nóng)田(13.15%)，顯著下降的面積比例分別為草地(9.19%)、農(nóng)田(7.68%)、灌叢(7.34%)和森林(5.64%)。

圖42000—2014年西南地區(qū)年最大FVC線性回歸斜率分布

Fig.4SlopeofLinearregressionofannualmaximumFVCfrom2000to2014inthesouthwesternChina

在空間上，森林和灌叢FVC在滇北、黔渝退耕還林重點區(qū)顯著增加，但在汶川地震災區(qū)、橫斷山顯著下降(圖5(a)(b))； 草地FVC在三江源明顯增加，但在藏東南、川西北顯著下降(圖5(c))； 農(nóng)田FVC在廣西南部顯著增加，但在四川盆地、云貴高原石漠化地區(qū)顯著下降，在川東、黔北無顯著變化(圖5(d))。

(a) 森林(b) 灌叢

(c) 草地(d) 農(nóng)田

圖52000—2014年西南地區(qū)不同生態(tài)系統(tǒng)年最大FVC變化趨勢

Fig.5TrendsofannualmaximumFVCchangeforecosystemfrom2000to2014

2.2.2 季節(jié)變化

2000—2014年除夏季FVC呈減少趨勢(0.041 4 a-1，p=0.617)外，各季節(jié)FVC均呈增加趨勢(圖6)。其中，秋季FVC增幅最大且極顯著(0.229 8 a-1，p<0.01)； 其次是春季(0.135 7 a-1，p=0.123)，可能與全球變暖引起的植物生長期延長或提前有關； 冬季FVC增幅較小且不顯著(0.122 3 a-1，p=0.219)。

(a) 春(b) 夏

(c) 秋(d) 冬

圖62000—2014年西南地區(qū)季節(jié)性平均FVC時間序列變化

Fig.6ChangeofseasonalaverageFVCinthesouthwesternChinafrom2000to2014

2.3 西南地區(qū)植被覆蓋度變化的驅動因素

2.3.1 氣候變化對年最大植被覆蓋度變化的影響

西南地區(qū)年最大FVC與秋季降水和夏季均溫的相關性最好，相關系數(shù)分別為0.320和0.281(表1)。不同生態(tài)系統(tǒng)中，草地年最大FVC與年均溫顯著負相關(r=-0.610)，與年降水顯著正相關(r=0.761)； 草地生長主要受春秋降水和秋季溫度的影響，相關系數(shù)均在0.65以上。農(nóng)田年最大FVC受溫度變化的控制大于降水，與年均溫和年降水的相關系數(shù)分別為0.52和0.37； 季節(jié)尺度上受春夏溫度和夏秋降水影響最大，相關系數(shù)均在0.50以上。森林和灌叢生態(tài)系統(tǒng)中，植被生長受降水的影響大于溫度，但相關性不顯著。灌叢年最大FVC與溫度和降水均為正相關，森林除秋季外，年最大FVC均與溫度正相關，與降水負相關。

表1 西南地區(qū)不同生態(tài)系統(tǒng)年最大FVC與氣候因子的相關系數(shù)表

*p<0.05 ; **p<0.01.

西南地區(qū)夏季均溫和秋季降水對年最大FVC的影響存在明顯的空間差異(圖7)。青海南部年最大FVC與夏季均溫和秋季降水顯著正相關(rx1y·x2>0且p<0.05)的面積比例最大，分別為15.93%和16.92%。西藏東南年最大FVC與夏季均溫和秋季降水顯著負相關(rx1y·x2<0且p<0.05)的面積比例最大，分別為11.71%和9.06%。重慶年最大FVC與夏季均溫和秋季降水顯著負相關的面積比例也較大，分別為8.50%和7.72%。四川年最大FVC與夏季均溫顯著正相關的面積比例較大(7.07%)，但與秋季降水負相關關系明顯。廣西年最大FVC與秋季降水顯著正相關的面積比例較大(7.55%)，但與夏季均溫相關性不顯著(p>0.05)的面積比例達91.19%，說明溫度不是該地區(qū)植被生長的主控因子。云貴高原年最大FVC與夏季均溫和秋季降水相關性較差，這些區(qū)域或為灌溉農(nóng)田或為石漠化地區(qū)，溫度和降水對植被的影響不明顯。

(a) 最大FVC與夏季均溫的偏相關系數(shù)(b) 年最大FVC與秋季降水的偏相關系數(shù)

圖7西南地區(qū)年最大FVC分別與夏季均溫、秋季降水的偏相關系數(shù)

Fig.7PartialcorrelationcoefficientsbetweentheannualmaximumFVCandsummeraveragetemperatureandautumnprecipitation

2.3.2 人類活動對年最大植被覆蓋度變化的影響

2000—2014年間西南地區(qū)FVC殘差的增加速率為0.023 2 a-1，說明人類活動整體上對西南地區(qū)植被覆蓋度增加起了促進作用。對西南地區(qū)FVC殘差序列進行趨勢分析，得到2000—2014年FVC殘差變化趨勢的空間分布(圖8)?？梢钥吹剑?5 a來人類活動對西南地區(qū)植被覆蓋度的增加既有促進作用，又有破壞作用。

圖8 2000—2014年西南地區(qū)FVC殘差變化趨勢

西南地區(qū)FVC殘差變化趨勢為正的區(qū)域占總面積的57.62%，主要分布在貴州(74.25%)、重慶(68.65%)、廣西(64.66%)和云南(62.67%)，這些地區(qū)人類活動對植被生長起了促進作用。如云貴高原農(nóng)藥化肥的使用提高了農(nóng)田植被覆蓋度； 重慶市依托天保工程、退耕還林等生態(tài)工程，庫區(qū)森林植被得到恢復； 廣西珠江防護林體系工程的實施，促使森林面積持續(xù)增加。

西南地區(qū)FVC殘差變化趨勢為負的區(qū)域主要分布在四川盆地、藏東南和川西高原，此外在昆明、貴陽、南寧等地也有零星分布，這些地區(qū)人類活動對植被生長起了破壞作用。如四川“綿陽—成都—樂山”片區(qū)，城市擴張侵占了大量自然植被及優(yōu)質農(nóng)田； 西藏東南部人口增加和超載放牧，造成草地退化，且加劇了土壤侵蝕，使本就脆弱的生態(tài)環(huán)境和植被覆蓋遭到嚴重破壞； 川西高原過度水電開發(fā)、非法采伐及過度放牧導致森林破壞、草地退化； 沿交通干線分布的貴陽、南寧等城市迅速擴張，植被覆蓋度有所減少。

3 結論

本文基于MODIS-NDVI數(shù)據(jù)，利用像元二分模型估算了西南地區(qū)2000—2014年的植被覆蓋度，并對其時空變化進行分析，探討了年最大FVC與溫度、降水的相關性，在此基礎上，通過殘差分析反映人類活動對FVC變化的影響，主要結論如下：

1)2000—2014年西南地區(qū)FVC整體呈增加趨勢，增加速率為0.047 3 a-1(p=0.241)。各生態(tài)系統(tǒng)的年最大FVC均呈增加趨勢，其中森林年最大FVC增幅最大(0.096 2 a-1，p<0.05)，農(nóng)田年最大FVC增幅最小(0.031 1 a-1，p=0.582)。

2)FVC變化存在明顯的空間差異，滇北、黔渝地區(qū)的森林和灌叢、三江源地區(qū)的草地以及廣西南部的農(nóng)田FVC顯著增加，但汶川、橫斷山、川西北等地FVC顯著下降。

3)除夏季外，各季節(jié)FVC均呈增加趨勢，秋季FVC增幅最大； 西南地區(qū)年最大FVC與秋季降水和夏季均溫的相關性最好，相關系數(shù)分別為0.320和0.281。

4)2000—2014年間西南地區(qū)FVC殘差的增加速率為0.023 2 a-1，說明人類活動對西南地區(qū)植被生長整體上起了促進作用。FVC殘差變化趨勢為正的區(qū)域占57.62%，主要分布在貴州(74.25%)、重慶(68.65%)、廣西(64.66%)和云南(62.67%)，F(xiàn)VC殘差變化趨勢為負的區(qū)域主要分布在四川盆地、藏東南和川西高原等地，這些區(qū)域人類活動對植被覆蓋起了破壞作用。

MODIS-NDVI數(shù)據(jù)始于2000年，因此本文研究的時間序列相對較短。在今后的研究中，將考慮結合其他長時序數(shù)據(jù)集，分析近30 a，甚至更長時間段內(nèi)西南地區(qū)FVC的動態(tài)變化。本文從大尺度上研究了FVC變化與氣候因子及人類活動的關系，而要進行具體植被建設恢復工作，還需要在更小尺度上利用高分辨率遙感影像做進一步研究。此外，可以選擇典型區(qū)，結合GDP、鐵路公路、人口密度等社會經(jīng)濟因子，進一步分析政策和經(jīng)濟對FVC變化的影響，為西南地區(qū)植被恢復及生態(tài)環(huán)境建設提出合理的治理和保護方案。

[1] 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(shù)據(jù)分析[J].遙感學報,1998,2(3):204-210. Sun H Y,Wang C Y,Niu Z,et al.Analysis of the vegetation cover change and the relationship between ndvi and environmental factors by using NOAA time series data[J].Journal of Remote Sensing,1998,2(3):204-210.

[2] 程紅芳,章文波,陳鋒.植被覆蓋度遙感估算方法研究進展[J].國土資源遙感,2008,20(1):13-18.doi:10.6046/gtzyyg.2008.01.02. Cheng H F,Zhang W B,Chen F.Advances in researches on application of remote sensing method to estimating vegetation coverage[J].Remote Sensing for Land and Resources,2008,20(1):13-18.doi:10.6046/gtzyyg.2008.01.02.

[3] 周志強,曾源,張磊,等.南水北調(diào)中線水源區(qū)植被覆蓋度遙感監(jiān)測分析[J].國土資源遙感,2012,24(1):70-76.doi:10.6046/gtzyyg.2012.01.13. Zhou Z Q,Zeng Y,Zhang L,et al.Remote sensing monitoring and analysis of fractional vegetation cover in the water source area of the middle route of projects to divert water from the South to the North[J].Remote Sensing for Land and Resources,2012,24(1):70-76.doi:10.6046/gtzyyg.2012.01.13.

[4] Zeng Y,Schaepman M E,Wu B F,et al.Scaling-based forest structural change detection using an inverted geometric-optical model in the Three Gorges region of China[J].Remote Sensing of Environment,2008,112(12):4261-4271.

[5] Gemmell F,Varjo J,Strandstrom M,et al.Comparison of measured boreal forest characteristics with estimates from TM data and limited ancillary information using reflectance model inversion[J].Remote Sensing of Environment,2002,81(2/3):365-377.

[6] Montandon L M,Small E E.The impact of soil reflectance on the quantification of the green vegetation fraction from NDVI[J].Remote Sensing of Environment,2008,112(4):1835-1845.

[7] Gutman G,Ignatov A.The derivation of the green vegetation fraction from NOAA/AVHRR data for use in numerical weather prediction models[J].International Journal of Remote Sensing,1998,19(8):1533-1543.

[8] Carlson T N,Ripley D A.On the relation between NDVI,fractional vegetation cover,and leaf area index[J].Remote Sensing of Environment,1997,62(3):241-252.

[9] Hansen M C,DeFries R S,Townshend J R G,et al.Towards an operational MODIS continuous field of percent tree cover algorithm:Examples using AVHRR and MODIS data[J].Remote Sensing of Environment,2002,83(1/2):303-319.

[10]Boyd D S,Foody G M,Ripple W J.Evaluation of approaches for forest cover estimation in the Pacific Northwest,USA,using remote sensing[J].Applied Geography,2002,22(4):375-392.

[11]Qi J,Marsett R C,Moran M S,et al.Spatial and temporal dynamics of vegetation in the San Pedro River basin area[J].Agricultural and Forest Meteorology,2000,105(1/3):55-68.

[12]張永恒,范廣洲,李臘平,等.西南地區(qū)植被變化與氣溫及降水關系的初步分析[J].高原山地氣象研究,2009,29(1):6-13. Zhang Y H,Fan G Z,Li L P,et al.Preliminary analysis on the relationships between NDVI change and its temperature and precipitation in southwest China[J].Plateau and Mountain Meteorology Research,2009,29(1):6-13.

[13]華維,范廣洲,李洪權,等.西南地區(qū)近21年來NDVI變化特征分析[J].成都信息工程學院學報,2008,23(1):91-97. Hua W,Fan G Z,Li H Q,et al.Analysis of NDVI variation features over Southwest China during last 21 years[J].Journal of Chengdu University of Information Technology,2008,23(1):91-97.

[14]張遠東,張笑鶴,劉世榮.西南地區(qū)不同植被類型歸一化植被指數(shù)與氣候因子的相關分析[J].應用生態(tài)學報,2011,22(2):323-330. Zhang Y D,Zhang X H,Liu S R.Correlation analysis on normalized difference vegetation index(NDVI) of different vegetations and climatic factors in Southwest China[J].Chinese Journal of Applied Ecology,2011,22(2):323-330.

[15]張笑鶴.西南地區(qū)NDVI和NPP時空動態(tài)及其與氣候因子相關性分析[D].北京:中國林業(yè)科學研究院,2011. Zhang X H.Spatio-Temporal Dynamic of NDVI and NPP and their Correlation with Climatic Factors in Southwest China[D].Beijing:Chinese Academy of Forestry,2011.

[16]Zhang L,Guo H D,Ji L,et al.Vegetation greenness trend(2000 to 2009) and the climate controls in the Qinghai-Tibetan Plateau[J].Journal of Applied Remote Sensing,2013,7(1):073572.

[17]張勃,王東,王桂鋼,等.西南地區(qū)近14 a植被覆蓋變化及其與氣候因子的關系[J].長江流域資源與環(huán)境,2015,24(6):956-964. Zhang B,Wang D,Wang G G,et al.Vegetation cover change over the southwest China and its relation to climatic factors[J].Resources and Environment in the Yangtze Basin,2015,24(6):956-964.

[18]董謝瓊,段旭.西南地區(qū)降水量的氣候特征及變化趨勢[J].氣象科學,1998,18(3):239-247. Dong X Q,Duan X.Climatic characteristics and variation tendency of precipitation in the southwest region of China[J].Scientia Meteorologica Sinica,1998,18(3):239-247.

[19]2010年中國土地覆被遙感監(jiān)測數(shù)據(jù)集(ChinaCover2010)封面插圖[J].遙感學報,2013,17(4):693. Image of the China national land cover data for 2010(China Cover 2010) in the cover[J].Journal of Remote Sensing,2013,17(4):693.

[20]Chen H M,Yuan W H,Li J,et al.A possible cause for different diurnal variations of warm season rainfall as shown in station observations and TRMM 3B42 data over the southeastern Tibetan Plateau[J].Advances in Atmospheric Sciences,2012,29(1):193-200.

[21]劉俊峰,陳仁升,韓春壇,等.多衛(wèi)星遙感降水數(shù)據(jù)精度評價[J].水科學進展,2010,21(3):343-348. Liu J F,Chen R S,Han C T,et al.Evaluating TRMM multi-satellite precipitation analysis using gauge precipitation and MODIS snow-cover products[J].Advances in Water Sciences,2010,21(3):343-348.

[22]Matsuit T,Lakshmi V,Small E E.The effects of satellite-derived vegetation cover variability on simulated land-atmosphere interactions in the NAMS[J].Journal of Climate,2005,18(1):21-40.

[23]Gallo K,Tarpley D,Mitchell K,et al.Monthly fractional green vegetation cover associated with land cover classes of the conterminous USA[J].Geophysical Research Letters,2001,28(10):2089-2092.

[24]吳云,曾源,趙炎,等.基于MODIS數(shù)據(jù)的海河流域植被覆蓋度估算及動態(tài)變化分析[J].資源科學,2010,32(7):1417-1424. Wu Y,Zeng Y,Zhao Y,et al.Monitoring and dynamic analysis of fractional vegetation cover in the Hai River Basin based on MODIS data[J].Resources Science,2010,32(7):1417-1424.

[25]Evans J,Geerken R.Discrimination between climate and human-induced dryland degradation[J].Journal of Arid Environments,2004,57(4):535-554.

[26]Herrmann S M,Anyamba A,Tucker C J.Recent trends in vegetation dynamics in the African Sahel and their relationship to climate[J].Global Environmental Change,2005,15(4):394-404.

(責任編輯：邢宇)

MonitoringanddynamicanalysisoffractionalvegetationcoverinsouthwesternChinaoverthepast15yearsbasedonMODISdata

ZHENG Zhaoju1，2, ZENG Yuan1, ZHAO Yujin1, ZHAO Dan1, WU Bingfang1

(1.InstituteofRemoteSensingandDigitalEarth,ChineseAcademyofSciences,Beijing100094,China; 2.UniversityofChineseAcademyofSciences,Beijing100049,China)

Fractional vegetation cover (FVC) is a critical indicator for vegetation and eco-environment. It is frequently used as a basic input for hydrology, meteorology and water-soil protection studies at regional or global scales. Southwestern China is an important ecological barrier and the major water supplying area in China. It is important to carry out the study of changes of regional fractional vegetation cover for the protection of eco-environment. In this paper, based on the MODIS-NDVI data obtained from 2000 to 2014, the authors estimated fractional vegetation cover of southwestern China by using the method of dimidiate pixel model, and analyzed the spatial-temporal variation characteristics of the FVC. The results show that, in the past 15 years, the FVC of southwestern China has shown an increasing trend in general but decreased in some meadow areas over the northwest of the study area and the urban expanded areas. In different kinds of ecosystem types, the forest shows the largest average increase of the annual maximum FVC (0.096 2 a-1,p<0.05), while the grassland shows the smallest increase (0.031 1 a-1,p=0.582). Fractional vegetation cover has increased in different degrees in most seasons in the past 15 years in southwestern China, with the increase in autumn being most rapid (0.229 8 a-1) and has most significant trend (p<0.01), followed by spring. For better understanding the effects of climate change on FVC, the correlation coefficients of climatic factors and the annual maximum FVC in different temporal durations were calculated. The results suggest that the annual maximum FVC is significantly related to accumulated precipitation of autumn and mean temperature in summer, showing correlation coefficients of 0.320 and 0.281. In addition, human activities are also important causes resulting in FVC change and the effect has increased in both positive and negative aspects.

fractional vegetation cover; dimidiate pixel method; southwestern China; climatic factor; human activities

10.6046/gtzyyg.2017.03.19

鄭朝菊,曾源,趙玉金,等.近15年中國西南地區(qū)植被覆蓋度動態(tài)變化[J].國土資源遙感,2017,29(3):128-136.(Zheng Z J,Zeng Y,Zhao Y J,et al.Monitoring and dynamic analysis of fractional vegetation cover in southwestern China over the past 15 years based on MODIS data[J].Remote Sensing for Land and Resources,2017,29(3):128-136.)

2015-12-30；

2016-01-28

國家重點研發(fā)計劃項目“區(qū)域生態(tài)系統(tǒng)服務與生態(tài)安全格局演變”(編號： 2016YFC0502102)、“基于多源遙感的生態(tài)參數(shù)標準化數(shù)據(jù)集構建”(編號： 2016YFC0500201)和國家科技支撐計劃項目“西南生態(tài)安全屏障決策支撐技術體系”(編號： 2011BAC09B08)共同資助。

鄭朝菊(1991-)，女，碩士研究生，主要從事植被生態(tài)遙感方面的研究。Email: zhengzj2014@radi.ac.cn。

曾源(1979-)，女，博士，研究員，主要從事生態(tài)遙感方面的研究。Email: zengyuan@radi.ac.cn。

TP 79

： A

： 1001-070X(2017)03-0128-09