浙江省近20年植被變化趨勢及驅動因子分析

賀忠華，張育慧*，何月，張小偉，蔡菊珍，雷莉萍

1.浙江省氣候中心，浙江 杭州 310017；2.中國科學院空天信息創新研究院/數字地球重點實驗室，北京 100094

植被是陸地生態系統的重要組成部分，不僅參與生物圈碳水循環等調節區域氣候，也能反映區域自然和人類活動的變化（劉啟興等，2019；趙維清等，2019）。遙感觀測是當前植被變化監測的重要手段。研究表明，自1982年以來，全球和區域植被活動發生了一系列變化，包括21世紀前后的降低和增長趨勢等（Park et al.，2010；Yuan et al.，2018）。大量研究將植被變化與氣候因子進行關聯分析，探討其受氣候因子及其變化的影響，特別是中國南方的溫度變化和北方的降水限制等（Liu et al.，2015；Piao et al.，2011；Zhang et al.，2011）。

植被變化的氣候響應存在顯著的區域差異。趙鴻雁等（2019）研究發現甘肅中東部地區植被變化與溫度存在顯著相關，降水次之、太陽輻射最小。李思慧（2019）發現氣候變暖和植被生長季變長是影響通遼2003年以來植被增長的主要因素。賈路等（2019）研究發現降水增加對西安植被覆蓋具有顯著促進作用。另外，熊巧利等（2019）研究發現植被覆蓋和生長對氣候變化的響應受到地形因素的影響。而在經濟快速發展區域，植被年際變化與氣象因子則可能沒有顯著關系（何全軍，2019）。因此，局部地區的植被生長對氣候因子的響應存在顯著差異，理解區域植被變化及其驅動因子的敏感性差異有利于區域生態保護和治理。

除氣候影響外，人為因素也是影響區域植被變化的重要因子。劉啟興等（2019）通過歸一化植被指數（Normalized Difference Vegetation Index：NDVI）與氣象因子的相關和復回歸分析發現，氣象因素和人類活動在一定程度上共同促進黃河源區植被2000年以來的生長。趙維清等（2019）研究表明，城市擴張是影響湖北省植被變化的主要原因。王瑾等（2019）研究表明人類的環境保護意識提升對內蒙草地有一定的積極作用。董晨煒等（2017）發現2007年以來杭州灣地區城市擴張對建成區植被產生了不利影響。所以，探索植被變化的氣候響應同時，分析人為因素對植被趨勢變化的影響有利于分析城市擴張的生態影響和區域的可持續發展。

研究顯示，二十一世紀以來全球出現植被綠化，且中國對其貢獻了近25%（Chen et al.，2019；Zhu et al.，2016）。中國的植被綠化主要是由于東部地區森林（Ahrends et al.，2017）和農田（Zuo et al.，2018）植被的持續增長。浙江是位于中國東南部的省份，以丘陵地帶為主，地處亞熱帶季風氣候。該區域土地覆蓋以森林和農業區為主，而浙北地區是長江三角洲經濟區的重要組成部分。因此，浙江植被變化及其驅動因子解析對區域生態文明建設具有重要意義。高大偉等（2010）和何月等（2012）研究了浙江省1982年至21世紀初植被覆蓋的趨勢變化及其氣候響應，發現區域的溫度抑制和濕度促進作用。董晨煒等（2017）利用三期（2000、2007、2013年）夜光數據與植被指數的閾值關聯分析，探討了杭州灣城市擴張對植被的不利影響。由于植被變化趨勢受到不同主導因素影響，其在遠離人類活動的森林區域、人類參與種植的農業區域以及以人類活動為主的城市及周邊區域存在明顯差異。然而，浙江區域2000年以來的植被趨勢變化的空間分布及其主導驅動歸因研究還未開展。

1 數據和方法

1.1 研究區概況

圖1 浙江省2015年土地覆蓋（a）和數字高程及區縣代表氣象站點分布（b）Fig.1 Land cover in 2015 (a) and digital elevation and district and county representative meteorological station distribution (b) over Zhejiang Province

本研究以浙江省區域為例，分析氣候變化和城市發展對區域生態植被變化的影響。浙江省土地覆蓋和數字高程及區縣代表氣象站點分布見圖1，其地表覆蓋以森林、農田和城市為主（圖1a）。森林區域主要分布在浙南和浙西等較高海拔地區，農田區域主要分布在浙中洼地和浙北平原地區（圖1b），而城市區域主要分布在杭州灣、寧波、臺州和溫州等沿海地區。其中，土地覆蓋數據來源于歐空局土地覆蓋產品（http://maps.elie.ucl.ac.be/CCI/viewer/index.php），數字高程數據來源于美國國家航空航天局提供的航天飛機雷達地形任務（Shuttle Radar Topography Mission: SRTM）數字高程數據集。浙江屬于亞熱帶濕潤季風氣候，年平均氣溫15—18 ℃，年平均降水量980—2 000 mm，年平均日照時數1 710—2 100 h。

1.2 數據和預處理

本研究主要使用數據包括表征植被活動的中分辨率成像光譜儀（Moderate-resolution Imaging Spectroradiometer：MODIS）觀測增強型植被指數（MOD13A2，Enhanced Vegetation Index：EVI）、總初級生產力（MOD17A2H，Gross Primary Production：GPP）等植被生態參量數據；表征氣候變化的區縣代表氣象站觀測氣溫、降水和日照等氣象和氣候因子；以及表征人類活動特征的美國國防軍事氣象衛星（Defense Meteorological Satellite Program-Operational Linescan System：DMSP/OLS）和Soumi-NPP對地觀測衛星（Suomi National Polar-Orbiting Partnership/Visible Infrared Imaging Radiometer Suite：Soumi-NPP/VIIRS）觀測夜間燈光數據等。

1.2.1 植被生態參量

由于研究區域植被覆蓋茂密，為減少植被指數飽和對研究結果的影響（Huete et al.，2002），本研究采用EVI數據進行植被趨勢變化研究。該數據來源于美國國家航空航天局2000—2019年Terra-MODIS觀測的16天合成產品，空間分辨率為1 km（Huete et al.，2011）。

為探討區域植被生長相關的植被光合作用變化，本研究采用EVI對應時期（2000—2019年）的Terra-MODIS觀測結果反演得到GPP數據，其時空分辨率為8 d和500 m（Running et al.，2015）。該產品為美國國家航空航天局（National Aeronautics and Space Administration：NASA）發布的官方產品，已經過多次的地面資料驗證（Turner et al.，2006；Liu et al.，2015）。

文中使用的MOD11A2-EVI和MOD17A2HGPP產品數據均通過谷歌地球引擎（Google earth engine）獲?。℅orelick et al.，2017）。數據預處理包括：（1）云掩膜處理，獲取高質量觀測數據結果；（2）通過20年觀測數據進行年內不同時期的中值求解，表征植被年內常態變化；（3）在區域或不同土地覆蓋類型內的參數均值求解中，原始影像數據空白值由對應時期中值數據填補；（4）GPP數據采用雙線性內插進行空間重采樣至1 km，累積計算至16天的時間分辨率。

1.2.2 氣象和氣候因子

本研究使用的同期氣象數據來源于浙江省氣象局，選取省內75個區縣代表氣象站觀測2000—2019年逐日氣溫、降水和日照時數結果。氣象站的空間分布參見圖1b。為探討氣候因子與植被變化的對應關系，本研究將氣象要素的日均值數據重采樣到16天時間分辨率。

1.2.3 夜間燈光數據

為分析生態植被變化與人類活動的關系，本研究采用DMSP/OLS和Soumi-NPP/VIIRS觀測夜間燈光數據表征人類活動變化（Elvidge et al.，2010）。DMSP/OLS夜光指數為年數據，空間分辨率為30′′（弧秒，浙江地區約為0.8—1 km）。該數據來源于不同傳感器：F14（2000—2003）、F15（2000—2008）、F16（2004—2009）和F18（2010—2013）。由于不同傳感器和成像條件的差異，影響數據的連續性和可比性。本研究采用DMSP/OLS夜光數據校正方法（鄒進貴等，2014；Liu et al.，2012），獲取得到2000—2013年的DMSP/OLS夜光數據。該處理過程包括：（1）穩定像元篩選；（2）參考年份數據及夜光穩定區域選??；（3）不同傳感器觀測數據融合和參考校正；（4）夜光數據的時序校正等步驟。

相比DMSP/OLS，Soumi-NPP/VIIRS夜光數據在時空分辨率和觀測信號敏感性等方面有了較大提升。其觀測時間為2012年4月至今，數據時空分辨率為月均值和15′′（弧秒，浙江地區約為0.4—0.5 km）。由于Soumi-NPP/VIRR和DMSP/OLS的夜光數據差異，本文采用楊任飛（2018）引用的數據整合方法，得到2000—2019年遙感觀測夜間燈光指數產品。

1.3 研究方法

本研究采用的方法主要包括：（1）一元線性回歸和Mann-Kendall趨勢檢驗；（2）年際變化提取和數據歸一化；（3）相關分析與多元線性回歸。通過一元線性回歸和趨勢檢驗獲取生態植被變化趨勢及其顯著性。利用年際變化提取和數據歸一化得到植被和氣候因子的年際變化特征，并使其具有可比性。使用相關分析與多元線性回歸方法進行生態植被變化的自然和人為因素的驅動分析。

1.3.1 一元線性回歸和Mann-Kendall趨勢檢驗

本研究采用一元線性回歸計算EVI數據的趨勢變化特征，使用Mann-Kendall對計算趨勢進行顯著性檢驗。該方法對EVI進行逐像元應用，獲取EVI數據的時空變化特征。研究中使用EVI數據2000—2019年的16 d時間分辨率的數據進行16 d趨勢計算，進而轉換成年趨勢。趨勢計算見公式（1）、（2）。

式中，Slope(16d)為2000—2019年間時間分辨率為16 d的EVI數據的變化趨勢；n為數據總量；i為數據序列號；EVIi表示序列號為i的像元EVI數據；Slopea為年趨勢（MODIS-EVI數據每年設置為23個16 d的時間單位）。

Mann-Kendall是一種非參數統計方法，被廣泛應用于氣象、水文等數據的趨勢判別，它對序列數據沒有強制的分布要求，并不受少量異常數據的干擾。本研究對EVI逐像元時間序列進行Mann-Kendall趨勢檢驗，判別不同像元趨勢的顯著性差異。趨勢計算見公式（3）—（5）。

式中，ZMK為單個序列的Mann-Kendal標準化檢驗統計量；S統計量是由前后影像的EVI數據計算得到。var(S)為S統計量的方差，求解公式可簡化為var(S)=n(n-1)(2n+5)/18。sgn(θ)提供邏輯判別函數。本文分別進行不同置信水平（0.01、0.05和0.1）上的EVI趨勢檢驗，即ZMK＞2.58，ZMK＞1.96和ZMK＞1.65。

1.3.2 年際變化提取和數據歸一化

為了獲取植被變化和氣候因子的年際變化特征，本研究采用多年數據不同時期的中值表征植被和氣候的年內常態變化特征，用于年內變化的特征去除。年際變化特征提取見公式（6）、（7）

式中，EVIChangei,j表示EVI年際變化時間序列；EVIi,j表示第i年、第j期的EVI數據。EVImedianj表示2000—2019年第j期的中值數據。

由于植被指數和多種氣候因子表征內容不同，且在不同區域像元本底和變化值存在較大差異，故在數據間的對比分析中，需要進行數據的歸一化處理。本研究采用Z分數進行數據的歸一化處理，公式如下：

式中，EVIChangeZi,j表示EVI變化的歸一化序列。mean(EVIChangei,j)和std(EVIChangei,j)分別表示EVI變化時序數據的均值和標準差。

年際變化的累積變化量則為多年數據與初始年份（2000）對應時期數據進行差值處理，再進行累積計算，獲取物理量的近20年的累積變化量。

1.3.3 相關分析與多元線性回歸

本研究通過對植被變化和氣候因子、夜間燈光數據等進行相關分析，分別從自然氣候因子和人類活動兩方面進行植被變化驅動因子分析。應用皮爾斯相關系數和t檢驗進行相關分析。皮爾斯相關系數計算公式：

式中，ra,b為序列a和b的相關系數；ai為序列第i個數據的EVI值；bi為氣候因子或夜間燈光指數的第i個數據值；和分別為EVI序列和氣候因子或夜間燈光序列的均值。

本研究利用EVI及與其具有顯著相關關系（P＜0.1）的變量進行多元線性回歸，獲取標準化系數（Beta），分析多變量對EVI年際變化的貢獻強弱及其分布。其中，EVI數據為植被生長季期間的年均值，夜間燈光指數為年值，氣候和氣象因子為像元植被生長季期間的鄰近站點觀測均值。像元的鄰近站點采用距離小于50 km的多個站點或者大于50 km的最近站點。

2 結果與分析

2.1 浙江省區域生態植被時空變化

圖2 浙江省2000—2019年EVI年趨勢變化（a）、及GPP累積變化（b）Fig.2 Yearly trends of EVI (a) and cumulative change of GPP (b) from 2000 to 2019 over Zhejiang Province

圖3 浙江省2000—2019年EVI趨勢顯著性Fig.3 Significance of EVI trends from 2000 to 2019 over Zhejiang Province

浙江省2000—2019年EVI趨勢及近20年GPP累積變化量見圖2，EVI趨勢顯著性見圖3。參考圖1中土地類型分布圖，可以發現浙江省內EVI（圖2a）存在顯著趨勢（P＜0.05）變化的植被主要覆蓋于森林及部分天養農田區，且為顯著增長。而在城市區域的EVI顯示出降低趨勢，特別是杭州灣、寧波、臺州和溫州城市及周邊地區。圖2b結果顯示，GPP累積量在EVI顯著增長和減少趨勢區域分別出現明顯增長（＞2.0 kg·m-2）和減少（＜-1.0 kg·m-2）?？傮w結果顯示，浙江地區近20年出現植被的顯著增長，并引起植被光合作用碳吸收的增強，而浙江城市及周邊地區的植被生態出現明顯退化。

圖4 浙江省2000—2019年EVI年均值（a）、及GPP年均值（b）Fig.4 Yearly mean values of EVI (a) and GPP (b) from 2000 to 2019 over Zhejiang Province

圖5 浙江省2015年典型土地類型劃分Fig.5 Typical land cover in 2015 over Zhejiang Province

表1 浙江省典型土地類型上EVI和GPP的統計Table 1 EVI and GPP statistics on typical land cover over Zhejiang Province

如圖4所示，浙江EVI和GPP多年均值的高值主要分布在浙南和浙西的高海拔森林區域（EVI＞0.4；GPP＞1.8 kg·m-2），低值則分布在浙東沿海的平原城市及周邊區域（EVI＜0.1；GPP＜0.6 kg·m-2）。另外，本文對浙江地區植被指數和總初級生產力的均值和變化按典型土地類型劃分（圖5）進行統計見表1。結果顯示，全省呈現植被增長趨勢以及近20年的植被光合作用碳吸收的增加，植被指數增長和光合作用碳吸收最高值在森林區[EVI趨勢：(1.78±0.94) 10-3·a-1，GPP變化量：(2.47±2.12) kg·m-2]，最低值出現在城區。全省EVI增加趨勢達年均值的0.40%，2000—2019的EVI總變化趨近年均值的7.66%。而近20年所有陸地像元GPP與2000年數據的相對變化統計總增加量約為(1.92±2.34) kg·m-2，為多年均值 (1.30±0.41) kg·m-2的1.48倍。另外，圖6顯示了典型土地類型植被指數EVI均值的時序變化特征。其中，林區EVI均值最高且存在顯著增長趨勢（0.60×10-3a-1），2016年夏季達到峰值；而城區EVI均值呈現顯著減少趨勢（-1.11×10-3a-1）。

2.2 植被變化與氣候因子的關系

EVI與浙江省區縣代表氣象站觀測氣溫、降水和日照時數的省內均值時序分布見圖7。省內EVI均值為主要植被覆蓋區（EVI＞0.15）的16天合成數據，氣候因子為75個站點觀測日均產品的16天均值合成數據。圖7a結果顯示，EVI與氣溫具有良好的一致性分布，主要表現為季節變化和趨勢增長的相似性，其時序相關系數達0.94（P＜0.01）。而EVI與日均日照和日均降水量時長存在較弱的相關關系（r=0.55，P＜0.01；r=0.27，P＜0.01）。植被生長季（4—9月）期間的EVI和氣候因子年際變化（Z分數年均值）（圖7b）結果顯示，EVI年際變化與氣溫變化存在顯著正相關關系（r=0.54，P＜ 0.05），而與降水和日照時數變化無顯著相關。EVI與氣溫、降水和日照時數的多元線性回歸分析結果顯示，氣溫為顯著影響因子，而降水和日照時數為排除變量，回歸模型的Beta為0.54。以上結果表明，溫度變化是浙江省區域近20年植被年際變化的主導氣候因子。

2.3 植被變化與夜光指數的關系

圖8所示為浙江省近20年夜光指數均值和變化量。圖8a顯示出浙江省內夜光高亮值主要分布在杭州灣周邊城市群，主要包括杭州、寧波等市區，金華、臺州和溫州城區等，亮度值向城區周邊降低。圖8b顯示2000—2019年間，各城市周邊均出現一定的夜光增強，表征了區域城市擴張范圍。

圖6 浙江省典型土地覆蓋區域EVI均值的時序變化Fig.6 Temporal variation of EVI in typical land cover over Zhejiang Province

圖7 浙江省EVI與氣候因子16天均值（a）和年均值（b）的時序變化Fig.7 Temporal variation of mean values of EVI and climate factors in 16 days (a) and yearly mean (b) over Zhejiang Province

圖8 浙江省夜間燈光指數近20年均值（a）和變化量（b）Fig.8 The mean value (a) and changes (b) of night light index in recent 20 years over Zhejiang Province

本研究對城市夜光多年均值進行數據篩選，評估夜光與植被指數的相關關系。通過對夜間燈光亮度值進行分層，分別分為0—10、10—20、…、50—63共6層，從每層數據中隨機篩選100個采樣點，獲取夜光多年均值及對應EVI多年均值數據，其散點圖如圖9a所示。結果顯示，夜間燈光高低值分別對應EVI數據低高值，呈現顯著負相關關系（r=0.62，P＜0.01）。為探索城市夜光與植被指數變化的區域差異性，本研究利用夜光數據年均值與EVI生長季（4—9月）年均值進行逐像元相關分析，相關結果（P＜0.1）見圖9b。結果表明，杭州灣周邊城區，特別是杭州市東北和東南區域、湖州東部、寧波市周邊城區等地，植被指數年際變化與夜光指數年均值呈現顯著負相關關系（r= -0.60±0.13）。而在部分遠離城市區域，夜光指數與植被指數呈現正向相關關系（r=0.56±0.13）。因此，城市發展對周邊植被具有一定的抑制作用，主要表現為城市擴張引起的土地利用變化等。而在遠離城市區域，夜間燈光對本地植被生長存在一定促進作用，相關研究有待進一步探索。

2.4 植被變化的人為和氣候貢獻率分布

利用植被生長季期間EVI的多年變化與夜光指數、鄰近站點觀測氣象和氣候因子進行多元回歸，計算得到的標準化參數空間分布見圖10。結果顯示，表征人類活動的夜光指數對EVI的年際變化影響廣泛。浙東、浙北地區夜光指數對城市周邊區域植被生長起到顯著抑制作用（Beta為-0.53±0.22），而在浙中、浙西和浙南地區，夜光指數具有一定的促進作用（Beta為0.46±0.21）。各種氣候因子的影響則分布在不同的局部地區。站點觀測氣溫主要對浙西南植被顯著增長區（圖2a和圖3）的植被變化具有明顯的促進作用（Beta為0.52±0.22）。降水對浙西部分地區植被具有明顯的促進作用，而對浙西北和浙東南地區植被具有較弱的抑制作用。另外，日照時數對浙北部分植被區域具有一定的促進作用。

圖9 EVI與夜間燈光指數的近20年均值的散點圖（a）及像元年均值時序相關的空間分布（b）Fig.9 The scatter diagram of average EVI and night light index for 20 year (a) and spatial distribution of time series correlation coefficients between EVI and night light index (b)

圖10 植被生長季期間EVI年際變化的多變量貢獻分布Fig.10 Distribution of the multivariate contribution to EVI’s inter-annual change during the growing period

3 討論

浙江省近20年植被年際變化與二十世紀末存在顯著差異，整體趨勢由顯著減少（何月等，2012；高大偉等，2010）轉變為顯著增長，這與全球植被整體變化趨勢（Yuan et al.，2018）具有良好的一致性。浙江植被指數近20年總增長趨近年均值的7.66%，接近于中國東部2003—2016年間的植被指數增長比例（He et al.，2020）；其植被總生產力近20年總增量為 (1.92±2.34) kg·m-2，即年增長趨勢約為 (9.14±11.14) g·m-2·a-1，與2000—2016年的浙江地區GPP增長趨勢分布一致（Ma et al.，2019）。研究結果表明，溫度是促進近20年區域植被生長的主要氣候因子，這與20世紀末的影響因子存在顯著差異。降水量和干濕程度的大小對二十世紀末的浙江植被變化具有正向作用（何月等，2012），而熱量則對植被生長具有明顯的抑制作用（高大偉等，2010）。這與該地區近20年降水量逐年增加有關：水汽充沛使得其不再成為區域植被年際變化的主導因子。浙江地區被發現是中國東部植被綠化的重要區域，它與相關的農業發展和水土保持具有重要關系（Chen et al.，2019），這也印證了遠離城市區域植被變化的人類活動的促進作用（夜光指數正相關于EVI）。浙江省內大部分城市的邊緣區域植被呈現顯著的減少趨勢，且與夜光指數具有顯著負相關關系，表明城市的發展和擴張對于周邊植被會產生不利影響（劉沁萍等，2014），這與杭州灣城市擴張對植被的影響結果研究具有一致性（董晨煒等，2017）。該研究結果顯示，氣候條件及其變化是影響浙江整體植被年際變化的重要因子，而人類活動對省內植被的影響存在區域差異。

本研究采用了多元線性回歸的標準化系數探討多種因子對植被年際變化的貢獻率，半定量地描述了各變量的貢獻強度及其空間分布。但是，當前變量對浙江植被年際變化的代表性有待進一步探討，各變量之間的自相關及其正交化也需要進一步完善。當前的貢獻強度可用于變量間的相對比較，但難以定量刻畫變量對植被變化的絕對貢獻。另外，本研究使用的遙感數據空間分辨率較粗（1 km），難以滿足市縣等局部地區生態植被變化的評估需求。當前的夜光指數和氣候因子對植被變化的整體貢獻不高，更多影響因素的共同評估有利于區域植被變化的氣候和人為貢獻率評價。

4 結論

本研究使用多源衛星遙感和地面觀測生態植被參量、氣象和氣候因子、人類活動相關數據等分析浙江區域生態植被變化及其驅動歸因，通過線性回歸和趨勢分析等探討了浙江區域生態植被的顯著增長。結果發現，2000—2019浙江省內EVI增加比例趨近多年均值的7.66%，而近20年GPP的增加量約為多年均值的1.48倍。其中主要增長區域為浙南、浙中和浙西區域的森林覆蓋區，而浙北和浙東區域的城市區域為明顯減少區域。通過年際變化提取和相關分析等發現氣溫升高對省內植被增長趨勢具有顯著貢獻（r=0.54，P＜0.01）。浙江城市周邊區域植被趨勢變化受到人類活動的顯著抑制影響（r= -0.60±0.13），而在遠離城市區域夜光數據呈現正向驅動（r=0.56±0.13）。植被年際變化的多變量貢獻結果顯示，表征人類活動的夜光數據在全省范圍具有重要影響，而氣候因素則會影響局部地區。因此，氣候條件和人類活動分別在不同區域影響植被的年際趨勢變化，其中人類活動影響范圍更廣。