2001—2017年青海省NDVI时空变化特征及其对气候因子的响应

    陈文静 杨从从

    

    

    

    摘 要：为研究青海省归一化植被指数（NDVI，Normalized Difference Vegetation Index）时空变化特征及其对气候因子的响应，基于2001—2017年MOD13A3植被指数产品和气温、降水数据，利用趋势线分析模型和相关系数法分析青海省17 a间NDVI、气温和降水的分布特征及这三者之间的相关性和滞后性。研究结果表明：2001—2017年，青海省平均植被覆盖呈现震荡上升的趋势，青海省的植被覆盖情况整体呈现东高西低、南高北低的分布规律;青海省年平均降水整体呈现下降趋势，空间上呈现南多北少，中部地区少的分布特征;青海省年平均气温整体呈现波动趋势，海西和海东气温较高，其余地区气温较低，玉树藏族自治州气温呈现上升趋势;植被生长对气候要素的变化具有一定的滞后性，青海省的NDVI受前0-1月降水影响最大，相关系数为0.928 4，青海省的NDVI受前0—1月份气温影响最大，相关系数为0.916 6。

    关键词：青海省;归一化植被指数（NDVI）;滞后性;时空变化特征

    中图分类号：Q948 ? ?文献标识码：A ? 文章编号：1006-8023（2020）05-0054-08

    Abstract：In order to study the spatiotemporal change characteristics of NDVI in Qinghai Province and its response to climate factors， based on MOD13A3 vegetation index products， temperature and precipitation data from 2001 to 2017 in Qinghai Province， the trend line analysis model and correlation coefficient method were used to analyze the distribution characteristics of NDVI， air temperature and precipitation， as well as the correlation and lag between NDVI and air temperature and precipitation. The results showed that： the average vegetation coverage in Qinghai Province showed an upward trend from 2001 to 2017， and the overall vegetation coverage in Qinghai Province showed a distribution pattern of high in the east and low in the west， and high in the south and low in the north. The average annual precipitation in Qinghai Province showed a downward trend overall， spatially showing more distribution in the south and less in the north and central region. The average annual temperature in Qinghai Province fluctuated as a whole. The temperature in Haixi and Haidong was relatively high， while the temperature in other areas was relatively low， and the temperature in Yushu showed an upward trend. Vegetation growth had a certain time-lag on the change of climate factors， NDVI in Qinghai Province was most affected by last 0-1 month precipitation with the correlation coefficient of 0.928 4， NDVI in Qinghai Province was most affected by last 0-1 month temperature with the correlation coefficient of 0.916 6.

    Keywords：Qinghai Province; NDVI; time-lag;spatiotemporal change

    0 引言

    生态系统是一个复杂多变的系统，它不仅包含各类植物、动物和微生物，还涉及气候学、土壤学、地理学、水文学、物理和化学等多个学科，其中植被在陆地生态系统中占有非常重要的地位。植被的生长与气候变化之间有着密切的联系，气候的变化影响着植被的生长，同时植被的生长状况又反过来影响着气候的变化[1]。因此，植被动态研究一直是生态学和环境研究领域内的热点问题之一[2]。

    隨着遥感技术的发展，遥感光谱信息因其具有综合性好、现势性强的优点，一直被广泛应用于植被的研究中。其中近年来发展起来的植被指数可以宏观反映绿色植物的生物量和覆盖度等特征，也可以很好地反映绿色植物的生长状况及空间分布。NDVI（Normalized Difference Vegetation Index，归一化植被指数）、EVI（Enhanced Vegetation Index，增强型植被指数）等在反映植被的空间分布和生长状况方面都有很广泛的应用。NDVI与绿色植物的植被覆盖度之间存在较好的相关性，因此常用来研究区域生态环境的变化，并对这些变化进行定量的模拟和反演。近年来，学者们基于MODIS数据开展了大量研究，分析了不同研究区植被盖度变化的驱动机制。李晓兵等[3]从季度和年际两个角度研究了中国北方植被NDVI与降水之间的相关性，结果表明植被的生长与降水之间存在着显著的相关性。高丽敏等[4]采用定性与定量相结合的方法，通过研究西北 1982—2000年的NDVI 和地面气象因子之间的关系，分析了西北生态环境的变化过程，从年际的角度研究了黄土高原地区降水与NDVI之间的相关性。张蓓蓓等[5]利用2000—2017年贵州省MODIS数据和气象站点数据，以时间序列、变化趋势和空间动态变化分析等方法，研究贵州省植被覆盖的时空变化特征，探讨植被覆盖变化对气象因子在地域、变化速率和变化方向方面的时空响应规律。张韵捷等[6]利用1982—2013年的长时间序列NDVI和气象数据分析了植被生长动态变化特征与气温、降水的相关性，发现蒙古高原植被的生长状况与降水量有极显著的正相关关系，与气温则有极显著的负相关关系。张景华等[7]基于 2000—2010年澜沧江流域的MODIS-NDVI数据和气象站点数据，分析和探讨了该地区NDVI与气候因子的相关性。由此可见，利用NDVI 研究某些地区植被生长状况及其与气候之间的相关关系具有可行性。

    青海省地形多样，省内山脉高耸，河流纵横，属于典型的高原大陆气候，常年干燥、少雨，气温较低，森林植被稀少，结构简单。为了解近17 a来青海省植被生长状况及其与气候因子之间的相关关系，更好地保护青海省的植被，有效地提高植被覆盖率，为青海省的生态建设提供数据参考，本文利用2001—2017年MODIS数据和气象站点数据研究NDVI时空变化特征及其对气候因子的响应[8-13]。

    1 研究区及数据来源

    1.1 研究区概况

    青海位于中國西部，是中国青藏高原上的重要省份之一，地理位置为89°35～103°04′E，31°09′～39°19′N。境内山脉高耸，地形复杂多样，河流纵横交错。青海省与甘肃、四川、西藏和新疆接壤，是长江、黄河和澜沧江的发源地，称为“三江源”地区。地形以盆地、高山和河谷相间分布的高原为主，属于“世界屋脊”青藏高原的一部分。青海省独特的自然环境决定了其植物区系和植被类型具有相应的特征。青海现有的森林资源主要分布在江河源头的高山峡谷地带，树种高寒性突出，分布海拔高。草地是青海省的主要植被类型，天然草地面积占全省土地面积的 51.36%，主要草地类型包括高寒草甸、高寒草原和温性草原，森林资源主要分布在江河源头的高山峡谷地带[14]。图1为青海省地理位置及气象站点分布图。

    1.2 数据源及预处理

    MODIS植被指数产品（MOD13A3）数据来自 NASA-Land Processes DAAC数据中心（https：//ladsweb.modaps.eosdis.nasa.gov），为月合成产品，空间分辨率为1 000 m。选择行列号分别为h25v05和h26v05的同一时期（例如 MOD13A3.A2001001.h25v05.006.2015140092848.hdf 为 2001年1月的h25v05数据）MODIS数据。利用USGS EROS（美国地质调查局地球资源观测与科技中心）提供的MRT（MODIS Reprojection Tool）工具对数据进行获取NDVI栅格数据及投影的转换，为了便于实验过程中的统计分析，本研究统一采用Krasovsky Albers投影。对获取的NDVI数据进行裁剪便可以获得研究区域的NDVI栅格数据。利用ArcGIS中“像元统计数据”工具，进一步得到年均NDVI栅格影像数据集。

    气象数据由中国气象科学数据共享服务网提供（https：//data.cma.cn），包括2001—2017年青海省内的33个气象站点的日降水和气温资料。利用C语言实现对气象数据的预处理，得到月平均降水和气象数据，基于预处理之后的气象数据使用ArcGIS利用克里金插值法做插值处理，获得年均降水和年均气温的插值图像。

    2 研究方法

    2.1 相关系数模型

    相关系数模型是衡量变量之间线性相关程度的指标。样本相关系数用r表示，相关系数的取值范围为[-1，1]。|r|值越大，误差Q越小，变量之间的线性相关程度越高;|r|值越接近0，Q越大，变量之间的线性相关程度越低。

    式中：xi为自变量;yi为因变量;x，y分别为两变量的平均值。本研究中以月平均气温和NDVI的相关性为例，xi为NDVI第i月的值，x为12个月NDVI的平均值;yi为第i月的平均气温，y为12个月的平均气温。

    2.2 趋势线分析模型

    趋势线分析模型能够模拟每个栅格的变化特征，根据变化特征可以反演出该栅格的植被生长趋势，从而反映研究区在不同研究时段内的植被覆盖度变化的空间特征。本文主要利用趋势线分析青海省2001—2017年植被覆盖度空间特征[13]。其公式为：

    式中：n为监测累计年数;Valuei为第i年数据的值（比如第i年NDVI的值）;θslope为趋势线的斜率，若θslope>0，说明NDVI在n年间的变化趋势是增加的，反之则减少。

    3 结果与分析

    3.1 植被变化的时空特征

    由青海省2000 — 2017年植被覆盖年际变化趋势（图2）中线性回归方程的斜率可知，2001—2017年青海省平均植被覆盖呈现震荡上升的趋势，年平均NDVI从2001年的0.167 2增加到 2017年的0.189 5，年平均NDVI最高值出现在2010年（0.193 6），最低值出现在2001年（0.167 2）。虽然增长的速度不快，且呈震荡趋势，但就总体而言呈现缓慢上升趋势。可见青海省在保证现有植被健康生长的同时，增加了植被覆盖度。

    从2001—2017年NDVI空间分布图（图3）中可以看出青海省的植被覆盖情况整体呈现东高西低、南高北低的分布规律。其主要原因是青海的玉树与果洛是长江、黄河、澜沧江的发源地，这里水资源比较充沛，植被生长旺盛，所以植被覆盖度高于海西地区。海西土地面积30.09万km2，其中耕地、草地和林地总土地面积的32.25%，石山、雪山、冰川、沙漠、戈壁和盐沼等占全州土地面积的67.75%。所以植被覆盖度较海北、海南、西宁和海东等这些水资源比较充沛的地区低。

    从2001—2017年NDVI变化趋势图（图4）中可以看出海北、海南、西宁、海东和黄南这些地区植被覆盖度呈现上升趋势（θslope>0），但是海西、玉树、格尔木市和果洛这些地区植被覆盖度呈现不增长甚至下降趋势（θslope<0），其下降较为严重的地方海西和玉树，玉树下降的主要原因和玉树地震后，生态环境遭到了严重破坏有十分重要的关系[15-17]。海西地形主要是昆仑山、阿尔金山和祁连山环抱的柴达木盆地和唐古拉山北麓高原两部分，盆地从边缘至中央大体依次为高山、丘陵、戈壁、平原及湖沼，地势复杂，人工干预程度降低，受自然条件影响较大。接下来会进一步研究该地区植被覆盖度与降水和温度之间的关系。

    [4]高丽敏，陈兴鹏，黄艳，等.基于RS和GIS的中国西北不同生态类型区生态环境时空变化研究[J].中国沙漠，2007，27（1）：65-70.

    GAO L M， CHEN X P， HUANG Y， et al. Study on eco-environmental spatio-temporal change of different ecological divisions in northwest of China based on RS and GIS[J]. Journal of Desert Research， 2007， 27（1）： 65-70.

    [5]张蓓蓓，蔡宏，田鹏举，等.2000—2017年贵州省植被覆盖时空变化特征及其对气候变化的响应[J].地球与环境，2020，48（4）：461-470.

    ZHANG B B， CAI H， TIAN P J， et al. Spatiotemporal variation of vegetation in Guizhou from 2000 to 2017 and its response to climate change[J]. Earth and Environment， 2020， 48（4）： 461-470.

    [6]张韵婕，桂朝，刘庆生，等.基于遥感和气象数据的蒙古高原1982～2013年植被动态变化分析[J].遥感技术与应用，2016，31（5）：1022-1030.

    ZHANG Y J， GUI C， LIU Q S， et al. The analysis of the vegetation dynamic changes from 1982 to 2013 in the Mongolian Plateau based on satellite imageries and meteorological data[J]. Remote Sensing Technology and Application， 2016， 31（5）： 1022-1030.

    [7]张景华，封志明，姜鲁光，等.澜沧江流域植被NDVI与气候因子的相关性分析[J].自然资源学报，2015，30（9）：1425-1435.

    ZHANG J H， FENG Z M， JIANG L G， et al. Analysis of the correlation between NDVI and climate factors in the Lancang river basin[J]. Journal of Natural Resources， 2015， 30（9）： 1425-1435.

    [8]张博，周伟.1969—2018年青海省生长季降水时空变化特征分析[J/OL].长江科学院院报：1-7.http：//kns.cnki.net/kcms/detail/42.1171.TV.20200519.1709.024.html.

    ZHANG B， ZHOU W. Temporal and spatial variation characteristics of precipitation in the growing season of Qinghai Province from 1969 to 2018[J/OL]. Journal of Yangtze River Scientific Research Institute：1-7. http：//kns.cnki.net/kcms/detail/42.1171.TV.20200519.1709.024.html.

    [9]韩炳宏，周秉荣，颜玉倩，等.2000-2018年间青藏高原植被覆盖变化及其与气候因素的关系分析[J].草地学报，2019，27（6）：1651-1658.

    HAN B H， ZHOU B R， YAN Y Q， et al. Analysis of vegetation coverage change and its driving factors over Tibetan Plateau from 2000 to 2018[J]. Acta Agrestia Sinica， 2019， 27（6）：1651-1658.

    [10]崔锦霞，郭安廷，杜荣祥，等.1990—2015年青海省湖泊时空变化及其对气候变化的响应分析[J].长江流域资源与环境，2018，27（3）：658-670.

    CUI J X， GUO A T， DU R X， et al. Spatial-temporal variations of lakes in Qinghai Province and its responses to climatic change analysis from 1990 to 2015[J]. Resources and Environment in the Yangtza Basin， 2018， 27（3）： 658-670.

    [11]马浩.2000—2015年青海省植被EVI变化趋势及其影响因素分析[J].林业资源管理，2017，37（6）：77-83.

    MA H. Analysis on the changing trend of vegetation EVI and its influencing factors in Qinghai Province from 2000 to 2015[J]. Forest Resources Management， 2017， 37（6）： 77-83.

    [12]陳超男，朱连奇，田莉，等.秦巴山区植被覆盖变化及气候因子驱动分析[J].生态学报，2019，39（9）：3257-3266.

    CHEN C N， ZHU L Q， TIAN L， et al. Spatial-temporal changes in vegetation characteristics and climate in the Qinling-Daba Mountains[J]. Acta Ecologica Sinica， 2019， 39（9）： 3257-3266.

    [13]馮国艳，马明国.西南地区2001-2014年植被变化时空格局[J].中国岩溶，2018，37（6）：866-874.

    FENG G Y， MA M G. Spatial-temporal pattern of vegetation changes in Southwest China during 2001-2014[J]. Carsologica Sinica， 2018， 37（6）：866-874.

    [14]王莉雯，卫亚星，牛铮.基于遥感的青海省植被覆盖时空变化定量分析[J].环境科学，2008，33（6）：1754-1760.

    WANG L W， WEI Y X， NIU Z. Analysis of vegetation spatial and temporal variations in Qinghai Province based on remote sensing[J]. Environmental Science， 2008， 33（6）：1754-1760.

    [15]罗传文.均匀论[M].北京：科学出版社，2014.

    LUO C W. Uniform theory[M]. Beijing： Science Press， 2014.

    [16]庄国泰，吴国增.青海玉树地震灾区生态环境影响评估[M].中国环境科学出版社，2011.

    ZHANG G T， WU G Z. Ecological environment impact assessment of the earthquake-stricken area in Yushu， Qinghai[M]. Beijing： China Environmental Science Press， 2011.

    [17]杨尊尊，段渊古，高天，等.1999-2017年西咸新区景观格局变化及驱动力研究[J].西部林业科学，2020，49（1）：99-106.

    YANG Z Z，DUAN Y G，GAO T，et al.Landscape pattern dynamics of Xixian new area and its driving forces [J].Journal of West China Forestry Science，2020，49（1）：99-106.