2000—2020年黑龍江省植被時空變化對氣候因子響應

劉智源，李繼紅

摘要：以2000—2020年黑龍江省的MODIS NDVI數據、土地利用數據和氣象數據作為研究對象，提取出耕地、林地和草地3種主要土地覆蓋類型的氣溫、降水2個氣候因子，探究黑龍江省植被覆蓋指數（NDVI）近21 a的時空變化和植被變化與氣候因子的關系。采用Theil-Sen（泰爾-森）趨勢估算和Mann-Kendall（曼-肯德爾）趨勢檢驗、變異系數、Hurst（赫斯特）指數和相關分析等方法，對黑龍江省2000—2020年不同季節、不同植被類型NDVI的時空變化特征及NDVI與溫度、降水量的關系進行分析。結果表明，1）近21 a黑龍江省生長季年均NDVI為0.91，高植被覆蓋區域主要分布于黑龍江省的中部及南部，NDVI的年內波動變化存在明顯的季節特征。2）全省NDVI較為穩定，草地NDVI穩定性最高。3）近21 a黑龍江省NDVI整體呈顯著上升趨勢，速度為每10 a增加4.7%，其中呈顯著增加趨勢的區域占全省面積的35.55%（P<0.05），這些區域主要分布在黑龍江省中部、西部和北部。4）未來黑龍江省NDVI整體變化趨勢以同向持續變化為主（69.5%），發展趨勢可能向退化的惡性方向發展占35.33%，可能向改善的良性方向發展占43.6%。5）黑龍江省的植被和各季節與降水和溫度均呈正相關（P<0.05）。由此得到，近21 a黑龍江省植被整體覆蓋水平良好，且呈改善趨勢。未來植被覆蓋變化向良性改善方向的發展趨勢為主，氣溫和降水均對植被變化呈正相關影響。

關鍵詞：黑龍江省；NDVI；氣候因子；時空變化 ；偏相關系數

中圖分類號：Q948文獻標識碼：A文章編號：1006-8023（2024）01-0085-13

Responses of Temporal and Spatial Changes of Vegetation to Climate Factors in Heilongjiang Province from 2000 to 2020

LIU Zhiyuan， LI Jihong*

（College of Forestry， Northeast Forestry University， Key Laboratory of Sustainable Management of Forest Ecosystem， Ministry of Education， Harbin 150040， China）

Abstract：Taking the MODIS NDVI data， land use data and meteorological data of Heilongjiang Province from 2000 to 2020 as the research object， three main types of land cover， farmland， forest land and grassland， and two climate factors， temperature and precipitation， were extracted to explore the spatial and temporal changes of the vegetation cover index （NDVI） in Heilongjiang Province in the past 21 years and the relationship between vegetation changes and climate factors. Using Theil-Sen and Mann-Kendall trend tests， coefficient of variation， Hurst index， and correlation analysis methods， Using Theil Sen trend estimation， Mann Kendall trend test， coefficient of variation， Hurst index， and correlation analysis methods， this study analyzed the spatiotemporal variation characteristics of NDVI in different seasons and vegetation types in Heilongjiang Province from 2000 to 2020， as well as the relationship between NDVI and temperature and precipitation. The results indicated that， 1） in the past 21 years， the average annual NDVI of the growth season in Heilongjiang Province had been 0.91， and the high vegetation coverage area was mainly distributed in the central and southern parts of Heilongjiang Province. There were obvious seasonal characteristics of NDVI fluctuations within the year. 2） The NDVI in the province was relatively stable， with the highest stability in grassland NDVI. 3） In the past 21 years， the overall NDVI in Heilongjiang Province had shown a significant upward trend， with a rate of 4.7% increase every 10 years. The regions showing a significant increasing trend accounted for 35.55% of the province's area （P<0.05）， mainly distributed in the central， western， and northern parts of Heilongjiang Province. 4） In the future， the overall trend of NDVI in Heilongjiang Province will mainly be continuous changes in the same direction （69.5%）， with 35.33% likely to develop towards a malignant direction of degradation and 43.6% likely to develop towards a benign direction of improvement. 5） The vegetation and seasons in Heilongjiang Province were positively correlated with precipitation and temperature （P<0.05）. As a result， the overall vegetation coverage level in Heilongjiang Province has been good in the past 21 years and shows an improvement trend. The development trend of future vegetation cover changes is mainly towards benign improvement， and temperature and precipitation have a positive correlation with vegetation change.

Keywords：Heilongjiang Province; NDVI; climatic factors; spatio-temporal variation; partial correlation coefficient

0引言

植被是陸地生態系統的主體，在土壤形成、氣候調節和生態系統穩定方面發揮著關鍵作用[1-2]。植被生長和氣候變化兩者存在交互影響，植被會因為氣候變化影響其生長，同時氣候也會因為植被的生長得到反饋，在面對氣候變化中植被的生長狀態能產生相應的指示[3-5]。而且，植被覆蓋和氣候變化都會受到人類活動的影響，能反映出區域生態系統的質量 [6-7]。近年來，植被與氣候之間的動態關系受到許多因素的影響，生態系統受到破壞后需要長時間去恢復，而嚴重的全球氣候變化和過度的人類活動可能是生態系統破壞的原因之一 [8]。植被的生長和動態變化已經引起了廣泛學者的關注，對地表植被及其覆蓋變化的研究已經成為全球科學研究的重要組成部分[9-11]。

隨著衛星遙感技術的不斷進步和成熟，利用遙感數據監測植被生長狀況和植被覆蓋變化是目前流行且高效的方法，植被指數是研究上述2種課題的最有意義方法之一[12-13]。在目前的研究成果中，眾多植被指數被廣泛應用于植被覆蓋變化的研究[14]。其中， John等[15]將歸一化植被指數（NDVI）帶進大眾視野，在對大尺度的植被生長狀況和植被覆蓋變化的研究時表現良好，也是評價區域生態好壞的一個重要標準。與此同時NDVI遙感數據集也在不斷擴充，Landsat TM、GIMMS、SPOT-VGT和MODIS逐漸加入植被變化研究中，且作為不同尺度植被覆蓋研究下主要的數據來源[16-19]，特別是MODIS數據，因其相對于其他數據在時空分辨率和光譜分辨率中有較大優勢，從2000年至今被廣泛地應用于區域甚至全球的大尺度植被變化研究和生態環境的監測[20-21]。近些年來，植被變化的研究仍然是一個熱點問題，基于長時序的NDVI數據，國內外許多學者研究了世界各地不同時空尺度上的植被變化；李雨鴻等[11] 使用MODIS-NDVI數據集，通過使用像元二分模型估算遼寧省的植被覆蓋情況，結果顯示近19 a來全省有92.3%面積的植被覆蓋度在增加；Meng等[22]對內蒙古地區植被變化研究發現，干旱地區的荒漠草原和戈壁沙漠都已顯著退化，而草甸草原和高寒草原呈顯著上升趨勢；穆少杰等[24]對內蒙古地區影響植被生長的因子研究發現，植被生長相比起單因子的影響更加依賴于水熱組合的作用，且草原植被覆蓋度對降水量的響應存在時滯效應；易揚等[25]的研究發現，長江中游地區的植被NDVI 動態變化趨勢存在絕大部分區域是不確定性發展，且城市群周邊植被NDVI呈持續退化趨勢；Gholamnia等[23]在伊朗庫爾德斯坦省植被覆蓋的研究中發現，當地植物對一個月前的降水量與該地區的最大NDVI有較高的相關性。這些研究表明，植被活動變化在全球范圍內增強，在北半球的中高緯度增強結果顯著。

由于人類活動、極端氣候和自然災害等因素的影響，導致耕地、草地面積減少。但近年來得到了政府政策的保障，生態用地是目前我國重點保護與恢復的土地類型。所以，在世界氣候變化與生態環境保護的大背景下，深入研究黑龍江地區植被覆蓋的差異性時空變化趨勢具有重要意義。本研究通過利用MODIS NDVI的時間序列數據集、土地利用統計數據和氣象統計數據，對黑龍江地區近21 a間植物NDVI的空間變化趨勢特點以及趨勢規律做出了解析。

1研究區與數據

1.1研究區概況

黑龍江省是中國最東北端的省份，位于43°26′～ 53°33′N， 121°11′～ 135°05′E，總面積4.73×105 km2，北部接壤俄羅斯，東邊為日本海，西側和南側毗鄰內蒙古和吉林省。黑龍江省也是中國最大的林業省份之一，長白山脈、完達山脈以及大小興安嶺等山區包含了省內絕大多數的天然林資源。全省年平均氣溫在-4～5 ℃，平均降水量大于500 mm，四季分明，屬寒溫帶和溫帶大陸性季風氣候，從南到北是中溫和寒溫帶，且具有明顯的季風性特征。夏季易受東南季風的影響，降水量大；冬季易受到西北風影響，降水不足且空氣干燥[26-27]。

1.2數據來源及預處理

1.2.1MODIS數據

本研究利用GEE（Google Earth Engine）平臺下載2000—2020年MODIS NDVI（MOD3Q1）產品，數據時間分辨率為16 d，空間分辨率為250 m。由于數據在2001年和2002年中幾個月存在部分缺失，使用地理空間數據云（http：//www.gscloud.cn/search）對缺失數據進行補充下載。首先利用ArcGIS對這部分數據進行裁剪，然后利用最大值合成法（Maximum Value Composites，MVC）逐月合成NDVI數據，得到研究區2000—2020年逐月NDVI時間序列數據集。

1.2.2氣象數據和土地覆蓋數據

本研究中使用的氣象數據來自國家基礎科學技術平臺-國家地球系統科學數據中心（http：//www.geodata.cn）2000—2020年的中國區域逐月降水量數據集和中國區域逐月近地表平均氣溫數據集[28-29]，空間分辨率為1 km。分別將氣象數據與對應的時間段（春（3—5月）、夏（6—8月）、秋（9—11月）、冬（12月至翌年2月））的NDVI進行疊加分析。土地覆蓋數據來源于武漢大學中國LCA基礎數據庫（CLCD）數據集，空間分辨率為30 m[30]。將氣象數據和土地利用數據重采樣為250 m空間分辨率。

2研究方法

2.1Theil-Sen趨勢分析法和 Mann-Kendall 檢驗

首先采用Theil-Sen（泰爾-森）趨勢估算方法計算黑龍江省NDVI的變化趨勢，然后結合Mann-Kendall（曼-肯德爾）檢驗判斷其趨勢的顯著性。Theil-Sen趨勢分析法是一種非參數統計趨勢分析方法。其優點是樣本對離群值和測量誤差趨勢分析的影響不敏感，適用于時間序列NDVI的趨勢分析 [16]。計算公式如下

β=Medianxm-xnm-n。 （1）

式中：β為判斷NDVI變化趨勢的斜率；Median為中位數函數；m、n為時間序數；xm、xn分別代表第m和第n年NDVI的值。

當β>0時，表明NDVI在此時間范圍內呈上升趨勢；當β=0時，表明NDVI在此時間范圍內維持不變；當β<0時，表明NDVI在此時間范圍內呈下降趨勢。根據β的取值情況，變化趨勢被劃分為3個區間：β>0.001為增加、-0.001<β<0.001為基本不變、β<0.001為減少。

Mann-Kendall方法是一種非參數統計檢驗方法，屬于非參數檢驗。其優點是測試樣本不需要滿足某些分布規則，離群值和異常值不會干擾檢驗結果。計算Theil-Sen趨勢后用這種方法對變化趨勢進行檢驗[25]。當顯著性水平為α時，若正態分布統計量|ZC|滿足|ZC| > Z1-α/2，則說明時間序列在此顯著水平下，顯著性存在統計學意義。當統計量滿足|ZC|≥1.28時，通過置信度為90%顯著性檢驗；當統計量滿足|ZC|≥1.64時，通過置信度為95%顯著性檢驗，顯著性區間劃分見表1。

2.2Hurst（赫斯特））指數

Hurst指數是基于長時序非函數周期的R/S （Rescaled range analysis）的分析方法，可以描述NDVI持續性或反持續性的變化，本研究采取R/S 分析法計算 Hurst指數判斷黑龍江省植被NDVI（式中記為NDVI）演變趨勢的預測[31-33]。原理如下。

時間序列（t），t =1，2，……，這里NDVI（t）=B（t） - B（t -1），B（t）為時刻t的觀測值，對于任意大于等于1的正整數τ，定義其均值序列為

NDVIτ=1τ∑τt=1NDVI（t），τ=1，2，……。（2）

累計離差序列X（t，τ）

X（t，τ）=∑τt=1（ξ（t）-ξτ），1≤t≤τ。（3）

極差序列R（τ）

R（τ）=max1≤t≤τX（t，τ）-min1≤t≤τX（t，τ），τ=1，2，……。（4）

標準差序列S（τ）

S（τ）=1τ∑τt-1（NDVI（t）-NDVIτ）212，τ=1，2，……。（5）

式中： R（τ）/S（τ）R/S，若關系R/S∝τH成立，則意味著時間序列NDVI （t），t =1，2，……，Hurst現象存在，Hurst指數用H表示，取值范圍0～1。當0<H<0.5時，表明未來NDVI變化趨勢是反持續的。當0.5<H<1時，表明未來NDVI變化趨勢與過去相同。當H為0.5時，表明NDVI時間序列的未來趨勢與過去趨勢之間沒有相關性[25]。

2.3基于像元的植被NDVI變異系數計算

通過計算變異系數（Cv）可以觀察植被覆被在時序上的波動情況，并且能很好地表現出NDVI數據在時間序列上變化的離散程度以及均值水平，通常用于數據穩定性評價[34]，計算公式如下

Cv=1n-1∑ni=1（NDVIi-NDVI2）NDVI。（6）

2.4基于像元的偏相關分析

在描述植被NDVI和氣溫、降水的關系時，為了控制變量間的影響，在對氣溫和降水二者之一和NDVI的關系分析時需控制另一個變量。采用偏相關分析方法來客觀描述NDVI和降水、溫度的關系[25]，計算按公式如下

r=∑ni=1（xi-x-）（yi-y-）∑ni=1（xi-x-）2∑ni=1（yi-y-）2。（7）

rijh=rij-rihrjh（1-r2ih）（1-r2jh）。（8）

式中：yi是第i年平均氣溫、降水；y-是氣溫、降水多年平均值；xi是第i年NDVI平均值；x-是NDVI多年平均值；rij是變量溫度和降水的簡單相關系數；rih是溫度與NDVI的簡單相關系數；rjh是降水和NDVI的簡單相關系數。

3結果與分析

3.1黑龍江省NDVI空間分布特征

黑龍江省植被生長季在每年的4—10月，采用最大值合成法合成2000—2020年黑龍江省生長季逐月的NDVI值，如圖1所示。由圖1可知，黑龍江全省在生長季時平均NDVI為0.91，有92.5%面積的高植被覆蓋度區域（NDVI>0.85），遍布黑龍江全省，NDVI>0.95的極高植被覆蓋區域主要分布于黑龍江省的中部和南部；6.8%面積的中植被覆蓋度區域（0.5<NDVI<0.85），分布區域從南向北縱穿整個黑龍江??；0.7%的低植被覆蓋度區域（NDVI<0.5），主要分布于黑龍江省的西側。

3.2黑龍江省NDVI時空變化特征

利用2020年黑龍江省月均值NDVI數據對NDVI年內變化進行分析，黑龍江省2020年內月均NDVI伴隨年內氣溫和降水的變化存在明顯變化的特征。年內NDVI值為0.11～0.85，NDVI最大值和年內NDVI最小值分別出現于7月和2月，如圖2所示。

由圖2可知，2—7月是降水、氣溫上升時間段，該時間段內NDVI值也在逐月增加，7月至次年1月是降水、氣溫下降的時間段，該時間段內NDVI值也在逐月下降。7月達到了年內氣溫和降水的峰值，同時NDVI也處于年內最大值；2月是年內降水最少月份，氣溫也處于零下，NDVI此時為年內最小值。其中NDVI變化在5月增長幅度最大（23.97%），10月下降幅度最大（-26.29%）。

2000—2020年黑龍江省NDVI存在顯著上升的變化趨勢，速度為每10 a 增加4.7%（P<0.05），如圖3所示。其中， 2019年達到了NDVI年平均值的最大值（0.47），分別在2001和2004年達到最小值（0.41）。 2000—2020年，有12 a NDVI變化趨勢為上升，8 a NDVI變化趨勢為下降，其中2012年增長速率最大（6.43%），2004年減少速率最大（9.47%）。基于2000—2020年的黑龍江省土地覆蓋數據，從林地、耕地、草地中提取并分別計算其NDVI的平均值，并進一步討論了黑龍江省不同植被類型的NDVI變化趨勢。結果表明，3種植被類型的NDVI與全省NDVI變化趨勢相似。3種植覆蓋類型在年間呈顯著增加趨勢（P<0.05），增長率由大到小為：林地、草地、耕地。

3.3黑龍江省不同植被覆蓋類型穩定性的空間分布

變異系數可以描述NDVI多年的穩定性，變異系數在0～0.15內為弱變異，在0～0.3內為中等變異，在大于0.3的范圍內為強變異。黑龍江省植被變異系數如圖4所示，全省的變異系數范圍為0～1.3，平均變異系數為0.081。其中NDVI弱變異的區域占全省面積的97.34%，中等變異的區域占全省面積的2.33%，強變異的區域占全省面積的0.33%。呈現從北到南趨于穩定的態勢，總體狀態相對穩定。變異明顯的中、強變異區域主要集中在黑龍江省西部和松花江兩岸。

對不同植被覆蓋類型NDVI進行變異系數的計算和統計，見表2，草地、林地和耕地的植被覆蓋均整體處于較為穩定的狀態，變異系數均值由大到小分別為：耕地（0.038 0）、林地（0.036 0）、草地（0.002 1）。可以看出草地的植被覆蓋穩定性最低，耕地的植被覆蓋穩定性最高。

3.4黑龍江省各年度和季節NDVI變化趨勢與顯著性檢驗

為了研究黑龍江省NDVI的變化趨勢，在逐像元的基礎上計算了Theil-Sen趨勢，并獲得了黑龍江省NDVI變化率（β）的空間分布圖和Mann-Kendall檢驗統計量（ZC）的空間分布如圖5所示。由圖5可知，黑龍江省年NDVI的變化率為-0.03～0.02，全省植被年際變化增加顯著的區域占全省總面積的35.55%（P<0.05），植被退化的區域占全省面積的10%（P<0.05）且分布不均勻。從分布上看，黑龍江省中部、西部和北部植被增加明顯。對β進行顯著性檢驗，可以發現減少和顯著減少的區域集中在城市和河流沿岸的地區，呈點狀線狀圍出的多邊形，這樣的分布特征與土地利用類型的空間位置有較大的重合。

由表3可知，黑龍江省2000—2020年在春季、夏季、秋季、冬季的平均β均為正，各季節的植被覆蓋度均呈上升趨勢。夏季的植被覆蓋增速最快，達到了每10 a增長0.003 1。不同季節植被覆蓋的變化范圍具有差異性，顯著性也有所區別。氣候對植被覆蓋的影響可以在一定程度上通過不同季節的植被覆蓋的變化幅度進行反映。在一年4個季節中僅有夏季的ZC通過了P=0.05的檢驗，在2000—2020年夏季的植被覆蓋是有顯著增加的，說明研究區域內夏季的植物生長對氣候變化收到了正反饋效應。

3.5黑龍江省不同植被類型Hurst指數與未來變化趨勢

為更好了解黑龍江省NDVI的未來變化趨勢的持續性，通過逐像元計算黑龍江省NDVI的Hurst指數，并結合通過顯著性檢驗的Sen趨勢變化結果，得出黑龍江省植被覆蓋狀況未來變化方向和過去變化趨勢的關系，如圖6所示。黑龍江省Hurst指數介于0.141～0.987，其均值為0.539，全省有30.5%面積NDVI的Hurst指數小于0.5，有69.5%面積NDVI的Hurst指數大于0.5，結果表明，黑龍江省植被總體變化具有同向持續發展的特征。Hurst指數越接近0.5，未來變化的持續性與過去趨勢之間的相關性就越小。因此，根據持續性的方向和強度，Hurst指數可以分為以下4類：強反向持續性（0<H<0.35）、弱反向持續性（0.35<H<0.50）、弱同向持續性（0.50<H<0.65）、強同向持續性（0.65<H<1）。將可持續性指數（H）和NDVI空間的變化趨勢疊加后得出NDVI未來發展方向及強度，見表4。

由圖6和表4可知，未來黑龍江省整體發展態勢可能向良性方向發展（良性方向占56.52%），其中持續改善的區域占37.88%（弱持續性改善和強持續性改善分別占33.6%和4.28%），過去退化但未來變為改善趨勢的區域占6.72%（反強持續性退化和反弱持續性退化分別占0.29%和6.43%）；持續退化的區域占16.68%（強持續性退化占2.08%，弱持續性退化占14.60%）過去有所改善，但未來會退化的區域占18.65%（反強持續性改善占1.13%，反弱持續性改善占17.52%）。黑龍江省NDVI持續

改善地區主要分布在中西部及北部，西部持續改善的植被覆蓋類型為草地，中部則為耕地。說明黑龍江省草原和農作物的植被覆蓋受到較好的保護，在未來會持續增加。持續退化的區域分布不均，聚集在城市和河流附近，這表明人類活動對植被覆蓋造成不好影響，但是預測強持續退化區域的面積不大，主要分布于城市中，說明人類活動受到管控良好，并未影響到森林、草地等自然生態區域。過去退化但未來是改善趨勢的區域分布沒有明顯空間規律，主要存在于河流兩側和以點圍繞的城市邊緣，說明人類限制了城市擴張活動和對生態紅區的保護及重建，在未來將可能增加城市周邊和河流兩岸的植被覆蓋。過去改善但未來變為退化趨勢的區域分布主要位于黑龍江省的西側和最北側，黑龍江省西側為松嫩平原，松嫩平原是黑龍江省主要的糧食產出地，同時也有較為嚴重的土壤退化問題；北側處于寒溫帶，植被覆蓋以天然林為主。人類活動對這一地區的影響是有限的，因此這種變化的原因可能是氣候因素的變化，而氣候因素的改變可能是由人類活動間接產生的。

3.5黑龍江省不同季節植被NDVI變化與降水、氣溫的關系

為探究黑龍江省NDVI變化與氣候之間的關系，選取氣溫和降水量為氣候因子變量。在繪制NDVI與氣溫和NDVI與降水相關關系分布圖時分別控制好降水和氣溫的無關變量影響，并結合顯著性檢驗從中再次提取出P<0.05顯著性水平的像元分析結果，如圖7所示。

黑龍江省NDVI與溫度的相關系數為-0.875～0.916，黑龍江省有87.86%的正相關像元和12.14%的負相關像元，表明NDVI與氣溫呈高度正相關。對NDVI與溫度之間的相關性進行顯著性檢驗，并提取顯著性水平為P<0.05的相關像元。結果顯示氣溫對NDVI的正相關作用區域從西向東橫穿整個黑龍江省，而負相關作用的區域集中分布在黑龍江省最北和最南部。

黑龍江省NDVI與降水的相關系數范圍為-0.953～0.981，空間上全省存在65.67%的正相關像元，34.33%的負相關像元，NDVI與降水量呈高度正相關。對NDVI與降水量之間的相關性進行了顯著性檢驗，并提取了顯著性水平為P<0.05的相關像元，結果顯示降水對NDVI的正相關作用區域集中分布于黑龍江省中部、北部和西部，負相關區域相對集中在西南和東部。

分別計算不同植被覆蓋類型NDVI與相應氣溫和降水的相關系數，并從中提取顯著性水平為P<0.05的像元，得到表5。結果顯示草地NDVI與氣溫和降水的相關性強度最高，且林地、草地、耕地3種植被的NDVI與氣溫的相關性均存在高度正相關關系，耕地NDVI與降水的相關性強度最低。耕地NDVI有近40%的面積與降水呈負相關關系。氣溫和降水對3種植被NDVI的總體影響均為正相關，均值都大于0。

分別計算不同季節NDVI與當季氣溫、降水的相關系數，并從中提取顯著性水平為P<0.05的像元，分析后進行統計，得到表6。發現NDVI在夏季與氣溫的相關性最高， 在秋季與降水的相關性最高，冬季與降水的相關性最低，原因可能是冬季是以雪的形式降水，積雪覆蓋會對NDVI值計算產生影響。夏季有近30%面積的植被NDVI與氣溫的相關性呈負相關關系，原因可能是由于氣候異常和黑龍江省地處緯度較高，7月份日照時數超過14 h的天數較多，抑制了植物的生長。超過30%的植被與春季降水量呈負相關關系，原因可能是黑龍江省整體處于中高緯度，存在局部高寒區域，3—5月土地存在積雪覆蓋，并未完全消融，降水仍以雪為主，延緩了植物的生長季?？傮w來看氣溫和降水在春季、夏季和秋季均呈正相關影響。

4討論與結論

4.1討論

通過對2000—2020年黑龍江植被變化情況進行調查研究，確定了黑龍江植被的覆蓋現狀總體上呈增長態勢，但增長速度相對減緩。在對大區域植被覆蓋變化進行研究時，需要將區域內人類行為、自然環境2個要素的影響納入研究范圍內。

滿衛東等[35]指出黑龍江省自1998年，開始執行退耕還林的政策措施，政策實施后，在黑龍江地區進行了全部退耕還林的還草任務。在2000—2013年黑龍江省23.38%的農田變為森林， 11.75%的農田變為草地，曾經荒廢的荒地在經過了多年的治理之后，植被又得到了修復，退耕還林還草工作取得了較大成績，在本研究中耕地、林地和草地的NDVI也呈年際間顯著增加。說明人為因素對植被覆蓋的影響是重要的因素之一，政策、人口和科技等人類因素都將可能成為直接或間接影響植物生長和植被覆蓋的原因。黑龍江省城區和高海拔地區植被蓋度變化呈逐漸改善趨勢，其他地形植被蓋度變化呈惡化趨勢，造成這種變化的原因可能是農田復墾面積的增加和城市化進程的加快。

由于黑龍江省地理位置和植被覆蓋類型的獨特性，在研究植被覆蓋時應對全年植被覆蓋變化和生長季植被覆蓋變化進行區分研究。研究得出2000—2020年黑龍江省植被NDVI在時間上呈顯著增長，在空間上以改善為主且未來持續改善趨勢明顯。這與石淞等[36]的研究結果一致。羅新蘭等[37] 研究認為在植被生長發育過程中，降水的影響相對較小，溫度成為控制植物生長發育的重要控制因子。黑龍江省地處中高緯度，屬于溫帶季風氣候，降水和植物覆蓋指數在空間上具有比較顯著的差異性，且大部分區域年內存在長期的低溫且積雪覆蓋的現象，植物休眠期也比較漫長，降雨在夏季居多。在本研究中也指出不同季節下，不同的氣候因子對黑龍江省植被生長的影響狀況也不同，氣溫在春季和秋季對NDVI值正向影響遠大于負向影響，而降水在夏季和秋季對NDVI值正向影響遠大于負向影響。說明在不同地區的植被覆蓋研究中應區分氣候因子對各季節下植被生長情況的影響。省內年平均氣溫和降水變化趨勢以上升為主，對于年內氣溫和降水的變化而言，春季氣溫上升會影響闊葉林和沼澤植被的生長時間，溫度將成為影響植被覆蓋度的關鍵因素，而夏季氣溫過高可能抑制了植被的生長，降水成為影響植被覆蓋度的關鍵因素，國志興等[38]的相關研究中也存在一致結果。

4.2結論

1）從NDVI角度來看，近21 a來黑龍江省植被整體覆蓋水平良好，生長季年均NDVI為0.91?？臻g分布上，黑龍江省有92.5%高植被覆蓋區域，主要分布于黑龍江省的中部及南部；有0.7%低植被覆蓋區域，主要分布在黑龍江省的東西兩側。

2）從不同土地類型NDVI和季節氣候的角度來看，黑龍江省的植被在春夏秋冬4個季節與降水和溫度的相關性均為正（P<0.05），且黑龍江省年內NDVI變化存在明顯的季節特征，僅夏季NDVI顯著增加（P<0.05）。年內NDVI均值2月最低（0.11），7月最高（0.85）。全省有39.05%面積耕地的植被變化與降水呈負相關關系，春季有30.06%的植被變化與降水呈負相關關系，夏季有26.28%的植被變化與氣溫呈負相關關系。對耕地、林地、草地的NDVI進行年際穩定性定量和定性分析后發現，草地NDVI穩定性最高（Cv=0.002 1），全省NDVI變化也較為穩定。

3）從NDVI年際變化和未來持續性分析，近21年黑龍江省NDVI整體顯著上升，累計增長了14.6%，速度每10 a增長為4.7%（P<0.05），增加速率從小到大為耕地、草地、林地。其中全省植被NDVI呈顯著增加趨勢的區域占全省總面積的35.55%（P<0.05），主要分布在黑龍江省中部、西部和北部。黑龍江省在未來植被NDVI的變化趨勢良性方向（43.6%）多于惡性方向（35.33%），且未來有69.5%的未來變化趨勢與過去的變化方向是同向的。

植被覆蓋變化對環境的響應是一個多因素驅動影響的過程，本研究的局限在于僅探究了植被變化同氣溫、降水量的關系，并未進一步討論NDVI與高程、坡度及土壤等其他地形地貌因素的關系，對于不同經緯度的同種植物及相同經緯度的不同種植物存在不同的生長變化趨勢，這一點仍需在后續研究中進行思考。此外，本研究在植被覆蓋的分類中也未對各土地利用類型的植物進行分類分析，上述因子對不同種類植物的影響也不同，這些問題需要在后續的研究中進一步探討。

【參考文獻】

[1]唐見，曹慧群，陳進.生態保護工程和氣候變化對長江源區植被變化的影響量化[J].地理學報，2019，74（1）：76-86.

TANG J， CAO H Q， CHEN J. Effects of ecological conservation projects and climate variations on vegetation changes in the source region of the Yangtze River[J]. Acta Geographica Sinica， 2019， 74（1）： 76-86.

[2]吳正方，靳英華，劉吉平，等.東北地區植被分布全球氣候變化區域響應[J].地理科學，2003，23（5）：564-570.

WU Z F， JIN Y H， LIU J P， et al. Response of vegetation distribution to global climate change in northeast China[J]. Scientia Geographica Sinica， 2003， 23（5）： 564-570.

[3]劉雪佳.中國陸地主要植被類型生產力及其與氣候因子的關系[D].太原：山西大學，2019.

LIU X J. Main land vegetation productivity and their relationship with climatic factors in China[D]. Taiyuan： Shanxi University， 2019.

[4]趙健赟，丁圓圓，杜梅，等.基于遙感植被指數的青海高原植被覆蓋對氣候變化的響應關系分析[J].中國水土保持，2022（3）：41-44，7.

ZHAO J Y， DING Y Y， DU M， et al. Response of vegetation cover to climate change in Qinghai Plateau based on remote sensing vegetation index[J]. Soil and Water Conservation in China， 2022（3）： 41-44， 7.

[5]金凱.中國植被覆蓋時空變化及其與氣候和人類活動的關系[D].楊凌：西北農林科技大學，2019.

JIN K. Spatio-temporal variations of vegetation cover and its relationships between climate change and human activities over China[D]. Yangling： Northwest A & F University， 2019.

[6]耿慶玲，陳曉青，赫曉慧，等.中國不同植被類型歸一化植被指數對氣候變化和人類活動的響應[J].生態學報，2022，42（9）：3557-3568.

GENG Q L， CHEN X Q， HE X H， et al. Vegetation dynamics and its response to climate change and human activities based on different vegetation types in China[J]. Acta Ecologica Sinica， 2022， 42（9）： 3557-3568.

[7]徐勇，黃雯婷，盧夢緣，等.氣候變化和人類活動對西南喀斯特地貌區植被NDVI變化相對作用[J].水土保持研究，2022，29（3）：292-299.

XU Y， HUANG W T， LU M Y， et al. Vegetation cover change and the relative role of climate change and human activities in southwest Karst areas[J]. Research of Soil and Water Conservation， 2022， 29（3）： 292-299.

[8]張一然，文小航，羅斯瓊，等.近20年若爾蓋濕地植被覆蓋變化與氣候因子關系研究[J].高原氣象，2022，41（2）：317-327.

ZHANG Y R， WEN X H， LUO S Q， et al. Study on the relationship between vegetation cover change and climate factors in Zoige wetland in recent 20 years[J]. Plateau Meteorology， 2022， 41（2）： 317-327.

[9]鄧椿，蔣曉輝，聶桐，等.山西省植被覆蓋度多因子探測特征與驅動力分析[J].環境科學與技術，2022，45（2）：182-191.

DENG C， JIANG X H， NIE T， et al. Multi-factor detection characteristics and driving force analysis of vegetation coverage in Shanxi Province[J]. Environmental Science & Technology， 2022， 45（2）： 182-191.

[10]邱鳳婷，過志峰，張宗科，等.大湄公河次區域植被覆蓋時空變化特征及其與氣象因子的關系[J].南京林業大學學報（自然科學版），2022，46（2）：187-195.

QIU F T， GUO Z F， ZHANG Z K， et al. Spatio-temporal change characteristics of vegetation coverage and its relationship with meteorological factors in the Greater Mekong Subregion[J]. Journal of Nanjing Forestry University （Natural Sciences Edition）， 2022， 46（2）： 187-195.

[11]李雨鴻，陶蘇林，李榮平，等.遼寧省植被覆蓋度時空演變及其對氣候因子的響應[J].氣象與環境學報，2020，36（5）：86-90.

LI Y H， TAO S L， LI R P， et al. Spatio-temporal evolution of vegetation coverage and its responses to climatic factors in Liaoning Province[J]. Journal of Meteorology and Environment， 2020， 36（5）： 86-90.

[12]REES M， CONDIT R， CRAWLEY M， et al. Long-term studies of vegetation dynamics[J]. Science， 2001， 293（5530）： 650-655.

[13]何利平，簡季.四川省2009—2020年植被覆蓋度時空變化遙感動態監測[J].水土保持通報，2022，42（2）：203-209.

HE L P， JIAN J. Remote sensing dynamic monitoring on temporal and spatial changes of vegetation coverage in Sichuan Province from 2009 to 2020[J]. Bulletin of Soil and Water Conservation， 2022， 42（2）： 203-209.

[14]ALENCIA DELGADO D， HERNANDEZ PALMA J， FASSNACHT F， et al. Estimation of aerial biomass using discrete-wave LiDAR data in combination with different vegetation indices in plantations of Pinus radiata （D. DON）， Region del Maule， Chile[J]. Sustainability， Agri， Food and Environmental Research， 2014， 2（3）： 30-49.

[15]TOWNSHEND J R G， GOFF T E， TUCKER C J. Multitemporal dimensionality of images of normalized difference vegetation index at continental scales[J]. IEEE Transactions on Geoscience and Remote Sensing， 1985， GE-23（6）： 888-895.

[16]桑國慶，唐志光，鄧剛，等.基于MODISNDVI時序數據的湖南省植被變化研究[J].長江流域資源與環境，2021，30（5）：1100-1109.

SANG G Q， TANG Z G， DENG G， et al. Study on vegetation change in Hunan Province based on MODIS NDVI time series data[J]. Resources and Environment in the Yangtze Basin， 2021， 30（5）： 1100-1109.

[17]劉艷麗.基于LandsatTM影像監督分類的土地利用探究：以張掖地區為例[J].現代園藝，2020，43（24）：141-143.

LIU Y L. Study on land use based on Landsat TM image supervision classification—a case study of Zhangye region[J]. Xiandai Horticulture， 2020， 43（24）： 141-143.

[18]王濤，趙元真，王慧，等.基于GIMMSNDVI的青藏高原植被指數時空變化及其氣溫降水響應[J].冰川凍土，2020，42（2）：641-652.

WANG T， ZHAO Y Z， WANG H， et al. Spatial and temporal changes of vegetation index and their response to temperature and precipitation in the Tibetan Plateau based on GIMMS NDVI[J]. Journal of Glaciology and Geocryology， 2020， 42（2）： 641-652.

[19]劉正才，屈瑤瑤.基于SPOT-VGT數據的湖南省植被變化及其對氣候變化的響應[J].北京林業大學學報，2019，41（2）：80-87.

LIU Z C， QU Y Y. Vegetation change and its response to climate change based on SPOT-VGT in Hunan Province of Southern China[J]. Journal of Beijing Forestry University， 2019， 41（2）： 80-87.

[20]于信芳，莊大方.基于MODISNDVI數據的東北森林物候期監測[J].資源科學，2006，28（4）：111-117.

YU X F， ZHUANG D F. Monitoring forest phenophases of northeast China based on MODIS NDVI data[J]. Resources Science， 2006， 28（4）： 111-117.

[21]王正興，劉闖，HUETE Alfredo.植被指數研究進展：從AVHRR-NDVI到MODIS-EVI[J].生態學報，2003，23（5）：979-987.

WANG Z X， LIU C， ALFREDO H. From AVHRR-NDVI to MODIS-EVI： advances in vegetation index research[J]. Acta Ecologica Sinica， 2003， 23（5）： 979-987.

[22]MENG X Y， GAO X， LI S Y， et al. Spatial and temporal characteristics of vegetation NDVI changes and the driving forces in Mongolia during 1982-2015[J]. Remote Sensing， 2020， 12（4）： 603.

[23]GHOLAMNIA M， KHANDAN R， BONAFONI S， et al. Spatiotemporal analysis of MODIS NDVI in the semif-arid region of Kurdistan （Iran）[J]. Remote Sensing， 2019， 11（14）： 1723.

[24]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（9）：1255-1268.

MU S J， LI J L， CHEN Y Z， et al. Spatial differences of variations of vegetation coverage in inner Mongolia during 2001-2010[J]. Acta Geographica Sinica， 2012， 67（9）： 1255-1268.

[25]易揚，胡昕利，史明昌，等.基于MODISNDVI的長江中游區域植被動態及與氣候因子的關系[J].生態學報，2021，41（19）：7796-7807.

YI Y， HU X L， SHI M C， et al. Vegetation dynamics and its relationship with climate factors in the middle reaches of the Yangtze River Based on MODIS NDVI[J]. Acta Ecologica Sinica， 2021， 41（19）： 7796-7807.

[26]賈建英，郭建平.東北地區近46年氣候變化特征分析[J].干旱區資源與環境，2011，25（10）：109-115.

JIA J Y， GUO J P. Characteristics of climate change in northeast China for last 46 years[J]. Journal of Arid Land Resources and Environment， 2011， 25（10）： 109-115.

[27]高永剛，那濟海，顧紅，等.黑龍江省氣候變化特征分析[J].東北林業大學學報，2007，35（5）：47-50.

GAO Y G， NA J H， GU H， et al. Characteristic analysis of climate change in Heilongjiang Province during 1961-2003[J]. Journal of Northeast Forestry University， 2007， 35（5）： 47-50.

[28]JING W L， YANG Y P， YUE X F， et al. A spatial downscaling algorithm for satellite-based precipitation over the Tibetan Plateau based on NDVI， DEM， and land surface temperature[J]. Remote Sensing， 2016， 8（8）： 655.

[29]荊文龍，馮敏，楊雅萍.一種NCEP/NCAR再分析氣溫數據的統計降尺度方法[J].地球信息科學學報，2013，15（6）：819-828.

JING W L， FENG M， YANG Y P. A statistical downscaling approach of NCEP/NCAR reanalysis temperature data[J]. Journal of Geo-Information Science， 2013， 15（6）： 819-828.

[30]YANG J E， HUANG X. The 30 m annual land cover dataset and its dynamics in China from 1990 to 2019[J]. Earth System Science Data， 2021， 13（8）： 3907-3925.

[31]張涵丹，衛偉，薛萐.基于R/S分析和Mann-Kendall檢驗的定西市氣溫降水變化特征[J].水土保持研究，2015，22（6）：183-189.

ZHANG H D， WEI W， XUE S. Analysis on the variation of temperature and precipitation in Dingxi based on R/S and Mann-Kendall test[J]. Research of Soil and Water Conservation， 2015， 22（6）： 183-189.

[32]張殷欽，胡偉，劉俊民.基于R/S分析法的地下水位動態變化趨勢分析[J].中南大學學報（自然科學版），2012，43（12）：4912-4916.

ZHANG Y Q， HU W， LIU J M. Groundwater level regime variation trend on basis of rescaled range analysis[J]. Journal of Central South University （Science and Technology）， 2012， 43（12）： 4912-4916.

[33]馮新靈，馮自立，羅隆誠，等.青藏高原冷暖氣候變化趨勢的R/S分析及Hurst指數試驗研究[J].干旱區地理，2008，31（2）：175-181.

FENG X L， FENG Z L， LUO L C， et al. Fractal analysis of climate change and Hurst index experiment in Tibetan Plateau in future[J]. Arid Land Geography， 2008， 31（2）： 175-181.

[34]曹永強，周姝含，楊雪婷.近20年遼寧省植被動態特征及其對氣候變化的響應[J].生態學報，2022，42（14）：5966-5979.

CAO Y Q， ZHOU S H， YANG X T. Vegetation dynamics and its response to climate change in Liaoning Province in last 20 years[J]. Acta Ecologica Sinica， 2022， 42（14）： 5966-5979.

[35]滿衛東，王宗明，劉明月，等.1990—2013年東北地區耕地時空變化遙感分析[J].農業工程學報，2016，32（7）：1-10.

MAN W D， WANG Z M， LIU M Y， et al. Spatio-temporal dynamics analysis of cropland in Northeast China during 1990-2013 based on remote sensing[J]. Transactions of the Chinese Society of Agricultural Engineering， 2016， 32（7）： 1-10.

[36]石淞，李文，丁一書，等.東北地區植被時空演變及其對氣候變化和人類活動的響應[J/OL].中國環境科學：1-14[2023-01-26].

SHI S， LI W， DING Y S， et al. Spatiotemporal evolution of vegetation and its response to climate change and human activities in northeast China[J/OL]. China Environmental Science， 1-14[2023-01-26].

[37]羅新蘭，李英歌，殷紅，等.東北地區植被NDVI對不同時間尺度SPEI的響應[J].生態學雜志，2020，39（2）：412-421.

LUO X L， LI Y G， YIN H， et al. Response of NDVI to SPEI at different temporal scales in Northeast China[J]. Chinese Journal of Ecology， 2020， 39（2）： 412-421.

[38]國志興，王宗明，宋開山，等.1982—2003年東北林區森林植被NDVI與水熱條件的相關分析[J].生態學雜志，2007，26（12）：1930-1936.

GUO Z X， WANG Z M， SONG K S， et al. Correlations between forest vegetation NDVI and water/thermal condition in Northeast China forest regions in 1982-2003[J]. Chinese Journal of Ecology， 2007， 26（12）： 1930-1936.