2000年—2020年珠江流域植被覆蓋度時空變化特征研究

馮建平

2000年—2020年珠江流域植被覆蓋度時空變化特征研究

馮建平

（西華師范大學地理科學學院四川南充637009）

文章基于Google Earth Engine平臺，在MODIS EVI數據的基礎上，結合像元二分法模型和一元線性回歸兩種方法來研究珠江流域2000年—2020年植被覆蓋度時空變化特征。結果表明：（1）2000年—2020年研究區內植被覆蓋度以0.002 9/a的速率波動上升；（2）珠江流域植被覆蓋度空間上明顯呈西高東低分布格局，植被覆蓋度呈現改善趨勢的區域面積大于呈退化趨勢的區域面積，且大部分低植被覆蓋度區域轉變為中植被覆蓋度區域。研究結果有助于了解地區生態環境演變，對于指導地區生態修復和可持續發展具有重要意義。

植被覆蓋度；EVI；珠江流域；時空變化；趨勢分析

植被作為陸地生態系統的重要組成部分，通過光合作用吸收二氧化碳和水生成氧氣和有機質，在水循環和碳循環中起著至關重要的作用[1-2]。植被覆蓋變化可以作為反映植被健康和生態系統穩定性的重要指標，監測植被覆蓋度的時空動態對于及時準確地評估生態系統恢復政策的效益至關重要[3-4]。常用于計算或者表征植被覆蓋度的植被指數有歸一化植被數據（NDVI）和增強植被指數（EVI），與NDVI相比，EVI在合成算法上做了進一步的優化，有效地克服了NDVI容易過飽和的問題[5-6]。

王行漢等基于MODIS EVI數據，利用相關性分析方法探討2004年—2013年珠江流域植被變化對氣象因子和人類活動因子的響應，研究結果表明珠江流域人類活動對植被變化影響程度大于自然環境[7]。王睿卿等利用一元線性回歸方法探討2000年—2015年珠江流域NDVI植被時空變化特征，并運用地理探測器探討自然環境因素與人為活動因素兩類因素對研究區內植被NDVI時空變化的影響程度，研究結果表明珠江流域平均植被覆蓋呈明顯改善趨勢且人類活動對植被變化影響程度大于自然環境[8]。

綜上所述，關于珠江流域植被覆蓋變化的研究主要集中在NDVI時空變化特征及其與氣候、地形等因子之間的關系上，而利用MODIS EVI對珠江流域植被覆蓋度動態變化趨勢進行研究較少。故本文利用Google Earth Engine（GEE）平臺，以MODIS EVI數據為基礎，運用像元二分法和一元線性回歸兩種方法分析珠江流域2000年—2020年植被覆蓋度時空變化特征，從宏觀方面了解區域植被變化趨勢分布狀況，旨在為珠江流域生態修復和可持續發展提供決策依據。

1 研究區概況

珠江流域位于我國的西南部，橫跨云南、貴州、廣西、江西、福建、廣東6個省級行政單元，流域面積44.68萬km2。研究區地勢總體上呈西高東低，從西到東依次跨過云貴高原、廣西丘陵、珠江三角洲三大地貌單元，海拔范圍為-55 m～2 890 m。研究區內氣候以亞熱帶季風氣候為主，多年平均氣溫在14 ℃～22 ℃間，多年平均降水在660 mm～2 200 mm間，受海陸位置和地形的共同作用，降水量呈現由西向東逐漸增加的趨勢[9]。

2 數據來源與研究方法

2.1 數據來源

本文數據來源于GEE遙感云平臺，分辨率為250 m，時間分辨率為16 d，具體處理過程如下：首先利用GEE網頁端的JavaScript API接口訪問2000年—2020年全球范圍的MOD13Q1 EVI產品數據集，其次根據矢量范圍篩選和裁剪出位于珠江流域的影像數據集，最后采用最大值合成法獲取2000年—2020年共21年的最大EVI時間序列影像[10]。

2.2 研究方法

2.2.1 Google Earth Engine云平臺

Google Earth Engine是谷歌公司研發的云計算平臺，其不僅可以提供海量的地理空間數據，還可以在線對地理空間數據進行采集、處理、編輯和可視化等一系列的操作。它提供的數據包括各種常用的光學影像、雷達影像、氣象和地形等數據集，容量達到PB級。GEE可以實現快速、大量地處理數據，而不受空間和時間限制，這有助于研究者快速地監測和量化地表動態變化。目前，GEE已被廣泛應用于植被、水、城鎮和土地利用變化監測等地學遙感研究[11]。

2.2.2 最大值合成法

為了更好地降低云、大氣和太陽高度角等因素對MODIS EVI數據質量的影響程度，本研究采用最大值合成法逐年合成珠江流域植被EVI的年最大值[12]，具體計算公式如下：

2.2.3 像元二分法模型

像元二分法是線性混合像元分解最簡化的一種模型，其原理是假設每個像元物質都由植被和非植被兩部分組成，植被與非植被的面積在像元中所占的比例是二者的權重。植被覆蓋度就是植被所對應的權重，具體計算方法如下：

2.2.4 趨勢分析法

為了更加清楚地掌握2000年—2020年間珠江流域的時空變化特征，利用一元線性回歸的方法分析逐個像元植被覆蓋度的變化趨勢，具體計算公式如下：

表1　植被覆蓋度變化趨勢分類標準

3 結果與分析

3.1 植被覆蓋度的時間變化特征

為了更好地體現珠江流域植被覆蓋度年際間的變化，逐年求取研究區內全部像元的平均值表示當年珠江流域整體的植被覆蓋程度，繪制2000年—2020年珠江流域年最大EVI均值圖（見圖1）。研究區在近21年內植被覆蓋度平均值呈現波動上升趨勢，最小值出現在2000年，為0.529，于2018年達到最大值0.589。從擬合的線性關系可知，2000年—2020年珠江流域植被覆蓋度的增加趨勢為0.002 9/a，表明研究區植被覆蓋呈現改善的趨勢。

圖1　珠江流域2000年—2020年植被覆蓋度的年際間變化

3.2 植被覆蓋度的空間變化特征

利用Matlab 2019a軟件編程實現逐像元求取2000年—2020年間植被覆蓋度的均值后，參考相關研究文獻[11,13]，利用ArcGIS 10.3的重分類工具把植被覆蓋等級分為以下5類：植被覆蓋度小于5%的為無植被覆蓋，介于5%與30%之間的為劣覆蓋度，介于30%與50%之間的為低覆蓋度，介于50%與70%之間的為中覆蓋度，大于70%的為高覆蓋度。最終得到近21年來珠江流域植被覆蓋度空間分布格局，如圖2所示。從研究區域整體上看，呈現西高東低的分布格局。高覆蓋度主要分布于海拔較高的林地區域，由于海拔相對適中，水熱條件較好，適宜植被生長，如曲靖市東南部、文山壯族苗族自治州東北部、百色市西北部。劣覆蓋度和無植被覆蓋主要分布于低海拔的建設用地區域，這部分區域坡度小，地形平坦，受人為活動的影響較大，如南寧市、柳州市、桂林市、汕頭市、潮州市等地級市的城區，珠江三角洲的粵港澳大灣區。

圖2　珠江流域2000年—2020年植被覆蓋度分布格局

為了更加清晰地了解2000年—2020年各等級植被覆蓋度區域面積占比變化的情況，對2000年和2020年各等級植被覆蓋度進行疊置分析后，得到2000年—2020年珠江流域植被覆蓋度變化空間轉移矩陣（見表2）。根據統計數據可知，2020年高覆蓋度、中覆蓋度和無植被覆蓋區域與2000年相比有所增加，其區域面積占比分別增加10.57%、8.42%和0.28%。剩余劣覆蓋度和低覆蓋度區域占比分別降低0.25%和19.02%。2000年低覆蓋度區域的轉出面積最大，占整個研究區面積的27.02%，其中大部分區域的植被由于生態環境的改善從低覆蓋度轉為中覆蓋度。

表2　珠江流域2000年—2020年植被覆蓋度變化空間轉移矩陣（單位：%）

利用Matlab 2019a軟件編程獲取2000年—2020年間逐像元一元線性回歸分析的斜率，并結合顯著性結果進行重分類，最終得到近21年來珠江流域植被覆蓋度變化趨勢圖（見圖3）。從變化程度來看，珠江流域73.37%的區域植被覆蓋度的變化趨勢為基本保持穩定。植被覆蓋度呈現改善趨勢的區域面積大于呈退化趨勢的區域面積，植被覆蓋度變化趨勢呈極顯著改善和顯著改善的面積占比分別為11.31%和11.03%；極顯著退化和顯著退化的面積占比分別為2.4%和1.88%。

圖3　珠江流域2000年—2020年植被覆蓋度變化趨勢圖

4 結論

本研究基于GEE云平臺，在MODIS EVI數據集的基礎上，利用像元二分法模型估算了2000年—2020年珠江流域的植被覆蓋度，并采用一元線性回歸和空間轉移矩陣的方法探討近21年來珠江流域植被覆蓋度時空變化特征，得出以下結論：

（1）在時間上，2000年—2020年珠江流域的植被覆蓋度總體上呈現上升趨勢，植被覆蓋率較高，處于0.529～0.589之間。

（2）在空間上，珠江流域植被覆蓋度空間上明顯呈西高東低的分布格局，植被覆蓋度呈改善趨勢的區域面積大于呈退化趨勢的區域面積。此外，研究區內實施生態修復工程后，大部分植被低覆蓋度區域改善變為植被中覆蓋度區域。

本文從時間和空間兩個角度分析珠江流域近21年來的植被覆蓋變化情況，在今后的研究中，將進一步考慮自然因素和人為因素對植被覆蓋變化的影響，從而為珠江流域植被恢復及生態環境建設提出更加合理的治理和保護方案。

[1]陳寬,楊晨晨,白力嘎,等.基于地理探測器的內蒙古自然和人為因素對植被NDVI變化的影響[J].生態學報,2021,41(12):4963-4975.

[2]鄧元杰,姚順波,侯孟陽,等.長江流域中上游植被NDVI時空變化及其地形分異效應[J].長江流域資源與環境,2020,29(1):66-78.

[3]丁永康,葉婷,陳康.基于地理探測器的滹沱河流域植被覆蓋時空變化與驅動力分析[J].中國生態農業學報(中英文),2022,30(11):1737-1749.

[4]谷雷,岳彩榮,趙勛,等.基于Google Earth Engine的云南省1999—2018年植被覆蓋度變化分析[J].西部林業科學,2020,49(5):74-80.

[5]廖成浩,曾艷,姚昆,等.江西植被EVI時空動態監測及驅動因素分析[J].云南大學學報(自然科學版),2022,44(5):981-989.

[6]伍宜丹,馬悅,吳浩然,等.基于MODIS-EVI指數的四川省植被指數時空演變特征及驅動力[J].水土保持研究,2020,27(5):230-236,243,2.

[7]王行漢,叢沛桐,劉超群,等.2004—2013年珠江流域植被變化及其脅迫分析[J].生態學報,2017,37(19):6494-6503.

[8]王睿卿,蔣曉輝,聶桐.基于地理探測器的珠江流域NDVI時空變化及驅動力分析[J].人民珠江,2022,43(7):61-73.

[9]吳志勇,白博宇,何海,等.珠江流域1981—2020年水文干旱時空特征分析[J/OL].河海大學學報(自然科學版):1-10[2022-08-12].http://kns.cnki.net/kcms/detail/32.1117.TV.20220812.1155.002.html.

[10]馮李.金沙江流域植被覆蓋度的遙感動態監測及其驅動機制研究[D].昆明:云南師范大學,2021.

[11]朱林富,謝世友,楊華,等.基于MODIS-EVI的四川植被覆蓋地形分布特征[J].西南大學學報(自然科學版),2022,44(9):122-132.

[12]李亞楠.新疆2001-2020年NDVI時空特征及其對環境因子響應研究[D].烏魯木齊:新疆大學,2021.

[13]李美麗,尹禮昌,張園,等.基于MODIS-EVI的西南地區植被覆蓋時空變化及驅動因素研究[J].生態學報,2021,41(3):1138-1147.

10.3969/j.issn.2095-1205.2023.01.11

Q948

A

2095-1205(2023)01-34-04

馮建平（1995— ），男，漢族，四川宜賓人，碩士研究生在讀，研究方向為資源與環境遙感。