2001～2014年云貴高原植被NDVI時空變化特征

劉志軍，曾業隆，嚴 蘭，譚 偉

(貴州大學 林學院，貴州 貴陽 550025)

植被是覆蓋地表的植物群落的總稱，是全球生態系統的重要組成部分，其覆蓋狀態是生態系統良性循環的關鍵診斷參數，對全球物質循環、能量平衡以及生態系統的水循環、碳循環、氣候變化、石漠化和水土流失方面起到了極其重要的作用[1-4]。植被指數是衡量地表植被狀況、指示生態環境變化的一個重要指標[5]，在眾多植被指數中，歸一化植被指數(Normalized Difference Vegetation Index，簡稱NDVI)是應用最廣泛的植被指數[6]，利用NDVI不僅能較為真實地反映地表植被覆蓋狀況，也能大范圍長時間序列地監測地表植被覆蓋的變化[7-9]。因此，利用NDVI的時間序列數據研究植被的時空的變化對生態系統及其生態效應具有重要意義。國內外許多學者對不同區域的NDVI時空變化特征進行了相關的研究。Park H S等[10]基于NDVI數據研究了東亞植被從1982年到2006年的時間變化特征；Piao S等[11]結合NDVI數據分析了1982～2006年歐亞大陸植被生長變化的時空格局；劉靜等[12]利用NDVI數據采用轉移矩陣的方法，研究了毛烏素沙地1990～2007年間的植被覆蓋變化趨勢；戴聲佩等[13]利用GMMS/NDVI數據分析了我國西北地區1982～2006年植被的時空變化特征，研究結果認為我國西北部地區近25年來NDVI呈增長趨勢，且增速為0.5%/10a；進一步地，謝曉華等[14]應用像元二分原理，揭示了閩江流域植被覆蓋度的時空變化規律。在植被動態變化趨勢方法上，劉亞龍等[15]利用非參數檢驗方法，分析了膠東半島最近10年NDVI的變化趨勢，研究結果表明膠東半島的NDVI變化趨勢以衰減區域占主導地位；此外，王新明等[16]將R/S方法用于NDVI的時間序列分析，這種方法可以定量描述時間序列的持久性或反持久性，進一步說明了中國西部NDVI時間序列表現出更強的的持久性。王文輝等[17]采用逐像元趨勢分析，探究了福建長汀植被覆蓋度的變化；袁麗華等[18]采用Theil-Sen Median趨勢分析和Mann-Kendall檢驗，研究了黃河流域NDVI的變化趨勢特征。

云貴高原是中國的第四大高原，中部是我國石漠化分布相對比較集中的地區，石漠化面積占石漠化總面積53.4%，且大部分區域屬于喀斯特地貌，受特殊地質地貌條件的影響，該區域生態環境十分脆弱，植被變化的穩定性尚未明確。然而目前的研究成果主要集中在空間范圍較大的西南地區或縣級區域尺度，針對云貴高原整體區域NDVI時空變化的研究較少[19]；另外，很少有研究者對云貴高原NDVI的穩定性進行評價。鑒于上述情況此，本文利用2001～2014年的MODIS NDVI數據，結合趨勢分析和穩定性分析方法，探討云貴高原近14年來植被NDVI時空變化特征及穩定性，以期為該區域的生態環境保護和石漠化治理提供科學依據。

1 材料和方法

1.1 研究區概況

云貴高原是世界上喀斯特地貌發育最典型的地區之一，該區域水土流失強度大、石漠化嚴重、生態環境脆弱。云貴高原地區通常指云南省和貴州省，地處位于東經100°～111°，北緯22°～30°之間，土地面積55.92萬km2，占全國國土面積的5.8%(如圖1)。該區域地勢由北向南呈階梯式下降，西北部和東南部分別為最高和最低地帶，海拔介于400～3500 m，屬亞熱帶濕潤區。此外，云貴高原氣候為亞熱帶季風氣候，氣候差別顯著，是中國森林植被類型最為豐富的區域，動植物資源豐富。

1.2 數據來源與處理

NDVI數據為地理空間數據云得到的中國MODND1M月合成產品，來源于中國科學院計算機網絡信息中心國際科學數據鏡像網站(http：//www.gscloud.cn)；行政邊界數據為全國1∶400萬基礎地理信息數據，來源于國家基礎地理信息中心。MODIS NDVI數據起止時間為2001年1月到2014年12月，空間分辨率為500 m，具有較高精度，時間分辨率為逐月，并用輻射定標、大氣校正和去云等手段對原始數據進行了預處理，數據使用前先對其進行逐圖檢查，對異常值數據進行替換處理。

1.3 研究方法

1.3.1均值法 為能有效反映出研究區年內植被NDVI的總體情況，本研究通過計算年內每月的NDVI平均值，代表當年的NDVI值，公式如下：

圖1 云貴高原示意圖Fig.1 Map of the Yunnan-Guizhou plateau

(1)

此外，為能有效反映研究區14年植被NDVI的總體特征，本研究對2001-2014年植被的年累計平均值進行計算。公式如下：

(2)

1.3.2一元線性回歸趨勢分析 在分析植被NDVI趨勢變化的方法中，一元線性回歸分析方法使用較為實用，該方法可以模擬每個柵格的變化趨勢，可以準確真實地反映長時間序列的植被NDVI變化特征[20]。張勃等[ 21]和Stow D等[22]利用此方法研究了植被覆蓋度的變化特征。本文利用一元線性回歸分析的方法，對研究區NDVI進行逐像元線性回歸分析，得到逐個像元在時間內的變化特征和趨勢。公式如下：

(3)

式中：θslope表示變化趨勢的斜率；n表示總的年數；NDVIi表示第i年的年均NDVI值；θslope>0表示植被覆蓋呈增加趨勢，θslope<0表示植被覆蓋呈減少趨勢，θslope=0表示植被覆蓋無變化趨勢。本文采用F檢驗對趨勢進行顯著性檢驗[23]，根據檢驗結果將變化趨勢結果劃分為五個等級：極顯著減少(θslope<0，p<0.01)；顯著減少(θslope<0，0.010.05)；顯著增加(θslope>0，0.010，p<0.01)。

1.3.3變異系數法 變異系數法可以分析植被NDVI的波動情況，劉洋等[24]和Milich L等[25]利用此方法分析了植被覆蓋度的波動規律，李卓等[26]利用此方法分析了京津冀地區植被覆蓋度的穩定性。本文通過逐像元計算云貴高原2001～2014年NDVI年均值的變異系數，可以得到NDVI在時間序列上的穩定性。公式如下：

(4)

2 結果與分析

2.1 云貴高原NDVI時空分布格局

為了研究云貴高原植被NDVI隨時間變化的特點，采用均值法對2001～2014年14a年間各年、各月求平均值，能有效反映出研究區年和月的變化。圖2是用均值法求出2001～2014年每年平均NDVI值的年際變化情況。圖2表明，在2001～2014年間，云貴高原植被年平均NDVI值整體呈現上升趨勢，年均值在0.63～0.73之間波動，數值變化范圍較小，增速為0.00395/a。2002～2005年NDVI值整體呈現下降的趨勢，在0.672～0.631之間波動，2005年達到14a間的最低值；2005年之后，除2010年、2012、2014年有較大的下降外，NDVI值整體呈現上升趨勢，2013年達到最大值。查閱相關文獻[27]發現，云貴高原在2005、2010、2012、2014年發生了不同程度的干旱，由此推測干旱災害對植被NDVI變化造成影響。因此，從年際變化來看，14a間云貴高原的植被覆蓋總體向好的方向發展，植被覆蓋得到很大的提高，說明云貴高原的植被逐漸變好。

圖3是用均值法求出2001～2014年每個月平均NDVI值的變化情況。圖3表明，云貴高原植被NDVI在年內分布整體呈單峰曲線，分布不均勻，月均值在0.599～0.777之間波動。1～3月曲線呈緩慢下降的趨勢，NDVI值較均勻，出現一年中的最低值0.599；從3月份開始，隨溫度升高，降雨量增加，植被進入發芽期，NDVI值逐漸增大，9月達到一年中的最大值，接近0.777；9月之后，氣溫開始下降，降雨量降少，植被進入休眠期，NDVI值開始逐漸下降，減小的幅度較大。因此從14年總體來看，3～9月植被覆蓋度逐漸增加，9月份達到最大；8～11月植被覆蓋度沒有較大的變化，維持在較高值；11月到第二年的3月植被覆蓋度下降幅度最大，降到一年中最低值。

圖2 2001～2014年云貴高原NDVI年際變化Fig.2 Inter-annual variation of the NDVI in Yunnan-Guizhou plateau from 2001 to 2014

圖3 2001～2014年云貴高原NDVI月變化Fig.3 Monthly variation of the NDVI in Yunnan-Guizhou plateau from 2001 to 2014

云貴高原NDVI季節空間變化具有明顯的變化規律。統計得出云貴高原NDVI季節空間變化具有明顯的變化特點，從圖4可以看出，變化主要集中在中部和東部地區，植被NDVI隨季節的變化呈現由東向西先增加后減少的變化規律，西南地區植被NDVI隨季節變化不明顯。夏季植被NDVI值最高，其次是秋季，冬季的植被NDVI值最低。西南地區主要以常綠植被為主，對季節的響應不明顯，東南部植被覆蓋較高，有部分常綠植被，受季節影響較小，中部喀斯特地區，植被稀疏，受季節變化影響最大。

圖4 2001～2014年云貴高原NDVI季節變化Fig.4 Seasonal variation of the NDVI in Yunnan-Guizhou plateau from 2001 to 2014

根據2001～2014年的年均NDVI數據，運用ArcGIS軟件逐像元計算14a平均值得到云貴高原平均NDVI空間分布圖(圖5)。由于受海拔和特殊地貌的影響，云貴高原的NDVI空間分布具有顯著性的差異性，如圖5云貴高原的NDVI在空間整體分布呈西南、東南高，西北、中部低的空間格局，均值為0.68。高值區主要分布在西南、東南地區，其最高值在南部的西雙版納地區，均值為0.80，主要原因是該地區氣候為熱帶季風氣候，氣候溫暖濕潤，有大量的熱帶雨林，其次是東南部的黔東南地區和東北部的赤水地區，主要原因是黔東南地區原始生態保存完好，境內有雷公山、云臺山、佛頂山等原始森林，赤水境內有亞熱帶常綠闊葉林原生植被帶。低值區主要分布在中部和西北部，中部的畢節地區、曲靖市、六盤水市是云貴高原的中心，是中國石漠化分布相對較集中的地區，嚴重的石漠化導致植被稀疏，西北部的迪慶藏族自治州是云貴高原向青藏高原的過渡帶，這里海拔較高是北半球緯度最低的雪山群，高寒植被區。圖中紅色部分是NDVI值小于0.1的無植被區，主要是城市區、滇池、洱海、撫仙湖、程海、梅里雪山、玉龍雪山等。

圖5 2001～2014年云貴高原年均NDVI空間分布Fig.5 Spatial distribution of average annual DNVI in Yunnan-Guizhou plateau from 2001 to 2014

2.2 云貴高原NDVI趨勢分析

本文將一元線性回歸趨勢分析與F檢驗結合起來，用來反映云貴高原2001～2014年每個柵格的植被NDVI變化趨勢。圖6是把一元線性回歸趨勢分析的結果和F檢驗的結果相結合，得到逐像元的2001～2014年云貴高原植被NDVI的變化趨勢的空間分布特征。從植被NDVI變化趨勢的空間分布可以看出：2001～2014年云貴高原植被NDVI值主要以增加為主，且增加的區域遠遠大于減少的區域。植被NDVI極顯著增加的區域主要分布在云貴高原中部的畢節地區、昭通地區、曲靖市、文山地區，以及云貴高原東北部的遵義地區的東北部和西北部的臨滄市，主要原因是這些區域植被面積增加并大部分得到改善，以喀斯特地區石漠化分布集中的畢節、六盤水、黔西南為例，通過退耕還林、封山育林以及水土保持工程對石漠化區域進行治理，使得植被面積明顯增加。植被NDVI顯著性增加的區域主要分布在云貴高原的東部和北部的大部分地區，中部主要呈現零散分布，主要原因是，人類活動近14a來未對植被進行破壞，保護環境意識加強。變化不明顯的區域主要分布在云貴高原的南部西雙版地區、東部的黔東南地區和遵義地區的中部，以及西部的大理市、怒江、迪慶、德宏地區，以上這些區域，植被覆蓋度較好，并沒有遭到嚴重破壞，如西雙版納地區的熱帶雨林，黔東南的原始森林，赤水地區的原生植被帶。植被NDVI顯著減少的區域主要分布在昆明市、貴陽市、曲靖市、大理市、保山市、銅仁市的城市邊緣，紅河地區的東南部也有減少區域，同時在其它地州市也有零星的減少區域。因為這些區域城市化擴展導致植被面積減少，特別地，在喀斯特地區，生態脆弱，受人為干擾強度大，導致植被覆蓋度減少程度明顯。

圖6 2001～2014年云貴高原年均NDVI變化趨勢 Fig.6 Spatial distribution of the coefficient of variation of the inter-annual NDVI and precitation in Yunnan-Guizhou plateau from 2001 to 2014

表1是云貴高原NDVI的變化趨勢統計，可以看出14a間全區域的NDVI值變化趨勢以極顯著增加為主，極顯著和顯著減少的比例較少，各類變化趨勢的占總面積的比例：極顯著增加>變化不顯著>顯著增加>極顯著減少>顯著減少。統計表明，有占總面積59.9%的區域植被覆蓋呈現顯著性增長的趨勢，有占總面積0.7%的區域植被覆蓋度呈現顯著性減少的趨勢，其余占總面積39.4%的區域植被變化不顯著。

表1 NDVI變化趨勢顯著統計Tab.1 Significance of the trend of NDVI

以上結果說明，云貴高原植被NDVI整體為增加的趨勢，增加的區域主要是石漠化較集中的畢節地區、六盤水、文山地區，顯著減少的趨勢較少，主要分布在人口相對頻繁的城市周邊和喀斯特生態脆弱的地區。

表2 NDVI變異系數統計Tab.2 Variation coefficient of NDVI

圖7 2001～2014年云貴高原年均NDVI變異程度 Fig.7 Spatial distribution of coefficient of variation of the inter-annual NDVI in Yunnan-Guizhou plateau from 2001 to 2014

2.3 云貴高原植被NDVI空間穩定性評價

圖7是由ArcGIS軟件求出2001-2014年14a間云貴高原逐個像元的c.vNDVI值，根據以往研究結果，本文參照以往劉洋等[24]和李卓等[26]的研究結果將云貴高原c.vNDVI變異值分為三個等級：非常穩定(c.vNDVI≤0.05)、穩定(0.050.1)。從圖7和表2可以看出，2001～2014年云貴高原植被NDVI值總體處于中等波動變化，高波動變化所占的比例較少。如圖低波動區域占總面積的37.3%，主要分布在北部地區，以西雙版納、大理、德宏分布較集中，其次是東南部的黔東南、銅仁中部地區，以上這些地區水熱條件和原生植被較好，故植被波動變化較小；中等波動變化區域占總面積的59.0%，主要分布在畢節中部以東地區、六盤水、曲靖北部地區，由于該地區植被主要以灌木為主，植被稀疏。高波動區域占總面積的3.7%，主要分布石漠化嚴重的畢節西部地區、昭通西部和高海拔地區的迪慶和怒江，該地區植被受海拔和降水的影響較大，故波動性較高。

3 結論與討論

本研究分析了云貴高原近14年來植被NDVI時空分布格局、變化趨勢和穩定性等特征，對NDVI空間分布研究，得到空間分布上具有明顯的差異性，東南部與西南部明顯高于中部，西北部地區較低；對NDVI趨勢分析，得到云貴高原植被整體逐漸變好，特別是石漠化嚴重地區的植被呈增加趨勢，說明喀斯特地區石漠化治理工程和生態恢復工程對植被的快速恢復起到重要作用；對近14年NDVI年均值分析，得到年均值在0.63～0.73之間波動，整體呈現上升的趨勢，但在2005年達到14年間的最低值，分析發現2005年主要是云南遭受近50年來最大干旱和貴州發生嚴重夏旱[28]，說明極端干旱氣候事件對植被NDVI的變化會產生一定影響。此外對空間穩定性分析，得到處于低波動變化占比為37.3%，主要分布在自然保護區和原始生態保持較好地區；中等波動變化占比為59.0%，主要分布在以灌木為主的植被稀疏地區；高波動變化占比為3.7%，主要分布在石漠化嚴重地區和高海拔地區，說明NDVI穩定性受植被類型和人類活動及氣候影響較大。

本研究的結果與華維等[29]和張勃等[20]研究的西南地區植被覆蓋變化特征結果相似，同時與劉世梁等[30]研究云南省植被NDVI時空變化特征和李仕容等[31]研究貴州省植被覆蓋度時空變化特征與趨勢的結果相似，說明本研究結果具有較大利用價值。此外我們分析發現不同數據源監測得到的結果會存在差異，本文研究使用的MODIS NDVI數據與前人研究使用的SPOT VGT數據不同，并且在空間分辨率和時間上也不同，因此不同數據源對NDVI變化趨勢和穩定性的影響有待于進一步探討。同時地形地貌對植被NDVI時空分布具有一定影響，下一步研究可以考慮喀斯特和石漠化對NDVI的變化和穩定性有何影響。此外，人類活動和極端氣候對植被NDVI的變化起到重要作用，如何科學評估生態工程和干旱氣候的對植被NDVI的影響，是今后云貴高原生態恢復和生態保護的重要參考，也是未來研究的重點。

參考文獻：

[1] 張 萍，曾信波.植被蓄水保土功能研究[J]. 山地農業生物學報，1999(5)：300-304.

[2] 李玉山.黃土高原森林植被對陸地水循環影響的研究[J]. 自然資源報，2001(05)：427-432.

[3] 王德爐，朱守謙，黃寶龍.石漠化過程中土壤理化性質變化的初步研究[J]. 山地農業生物學報，2003，22(3)：204-207.

[4] 呂 蒙，鐘悅之.NDVI在生態環境研究中的應用進展[J]. 農村經濟與科技，2011，22(06)：11-14.

[5] 張喜旺，吳炳方.基于中高分辨率遙感的植被覆蓋度時相變換方法[J]. 生態學報，2015，35(04)：1155-1164.

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

[7] 田慶久，閔祥軍.植被指數研究進展[J]. 地球科學進展，1998(04)：10-16.

[8] 顧祝軍，曾志遠.遙感植被蓋度研究[J]. 水土保持研究，2005(02)：18-21.

[9] 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(03)：204-210.

[10] Park H S，Sohn B J.Recent trends in changes of vegetation over East Asia coupled with temperature and rainfall variations[J].JournalofGeophysicalResearchAtmospheres，2010，115(D14)：1307-1314.

[11] Piao S，Wang X，Ciais P，etal. Changes in satellite-derived vegetation growth trend in temperate and boreal Eurasia from 1982 to 2006[J].GlobalChangeBiology，2011，17(10)：3228-3239.

[12] 劉 靜，銀 山，張國盛，等.毛烏素沙地17年間植被覆蓋度變化的遙感監測[J]. 干旱區資源與環境，2009，23(07)：162-167.

[13] 戴聲佩，張 勃，王海軍.中國西北地區植被NDVI的時空變化及其影響因子分析[J]. 地球信息科學學報，2010，12(03)：315-321.

[14] 謝曉華，賴日文，李永實.基于RS技術的閩江流域植被覆蓋度時空變化分析[J]. 貴州大學學報：自然科學版，2008，25(5)：536-539.

[15] 劉亞龍，王 慶，畢景芝，等.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[J]. 海洋學報(中文版)，2010，32(03)：79-87.

[16] 王新明，王長耀，牛 錚.應用R/S方法分析NDVI時間序列[J]. 地理與地理信息科學，2005(05)：20-23，48.

[17] 王文輝，馬祥慶，田 超，等.福建長汀植被覆蓋度變化的主要驅動影響因子及影響力分析[J]. 福建農林大學學報(自然科學版)，2017，46(03)：277-283.

[18] 袁麗華，蔣衛國，申文明，等.2000～2010年黃河流域植被覆蓋的時空變化[J]. 生態學報，2013，33(24)：7798-7806.

[19] 靖娟利，王永鋒.西南巖溶區NDVI時空變化及其與氣候因子的關系[J]. 水土保持研究，2016，23(5)：169-174.

[20] 張 君，延軍平.1982-2013年陜西不同植被類型NDVI變化特征分析[J]. 干旱區資源與環境，2017，31(04)：86-92.

[21] 張 勃，王 東，王桂鋼，等.西南地區近14a植被覆蓋變化及其與氣候因子的關系[J]. 長江流域資源與環境，2015，24(6)：956-964.

[22] Stow D，Daeschner S，Hope A，etal. Variability of the Seasonally Integrated Normalized Difference Vegetation Index Across the North Slope of Alaska in the 1990s[J].InternationalJournalofRemoteSensing，2003，24(5)：1111-1117.

[23] 穆少杰，李建龍，陳奕兆，等.2001～2010年內蒙古植被覆蓋度時空變化特征[J]. 地理學報，2012，67(09)：1255-1268.

[24] 劉 洋，李誠志，劉志輝，等.1982～2013年基于GIMMS-NDVI的新疆植被覆蓋時空變化[J]. 生態學報，2016，36(19)：6198-6208.

[25] Milich L，Weiss E.GAC NDVI interannual coefficient of variation (CoV) images：ground truth sampling of the Sahel along north-south transects[J].InternationalJournalofRemoteSensing，2000，21(2)：235-260.

[26] 李 卓，孫然好，張繼超，等.京津冀城市群地區植被覆蓋動態變化時空分析[J]. 生態學報，2017(22)：1-9.

[27] 韻 婕，任福民，李憶平，等.1960～2010年中國西南地區區域性氣象干旱事件的特征分析[J]. 氣象學報，2014，72(2)：266-276.

[28] 韓蘭英，姚玉璧，李憶平，等.近60年中國西南地區干旱災害規律與成因[J]. 地理學報，2014，69(5)：632-639.

[29] 華 維，范廣洲，李洪權，等.西南地區近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.

[30] 劉世梁，田韞鈺，尹藝潔，等.云南省植被NDVI時間變化特征及其對干旱的響應[J]. 生態學報，2016，36(15)：4699-4707.

[31] 李仕蓉.2000～2013年貴州省植被覆蓋時空變化特征與趨勢[J]. 貴州農業科學，2014，42(07)：202-205.