基于MODIS NDVI的廣西沿海植被動態(tài)及其主要驅(qū)動因素

成方妍,劉世梁,*,尹藝潔,呂一河,安南南,劉昕明

1 北京師范大學(xué)環(huán)境學(xué)院, 北京 100875 2 中國科學(xué)院生態(tài)環(huán)境研究中心城市與區(qū)域生態(tài)國家重點實驗室, 北京 100085 3 廣西壯族自治區(qū)海洋研究院, 南寧 530022

基于MODIS NDVI的廣西沿海植被動態(tài)及其主要驅(qū)動因素

成方妍1,劉世梁1,*,尹藝潔1,呂一河2,安南南1,劉昕明3

1 北京師范大學(xué)環(huán)境學(xué)院, 北京 100875 2 中國科學(xué)院生態(tài)環(huán)境研究中心城市與區(qū)域生態(tài)國家重點實驗室, 北京 100085 3 廣西壯族自治區(qū)海洋研究院, 南寧 530022

歸一化植被指數(shù)(NDVI)可以表征區(qū)域植被狀況,目前利用NDVI表征沿海區(qū)域植被動態(tài)的研究仍相對缺乏。以MODIS NDVI為源數(shù)據(jù),分析2000—2014年間,廣西沿海區(qū)域的植被動態(tài)、NDVI動態(tài)趨勢和持續(xù)性,以及NDVI動態(tài)的主要驅(qū)動因素。結(jié)果表明：在海岸線10 km區(qū)域范圍內(nèi),NDVI均值較高(0.71),年際間波動較小(SD為0.02)?？臻g上,NDVI呈現(xiàn)出陸地高、濱海和河口區(qū)域低的分布特征,不同類型植被NDVI差異顯著,以廣泛分布于陸地的林地最高(0.76),以濱海濕地植被(0.52)和其他類型植被(未利用地等)最低(0.50)。植被動態(tài)趨勢(斜率k)表明,57%的林地表現(xiàn)為改善趨勢(k≥0.002),而52%的濱海濕地則表現(xiàn)為退化趨勢(k≤-0.002)。利用Hurst指數(shù)對生態(tài)持續(xù)性進行分析,林地、旱地表現(xiàn)為持續(xù)改善,濱海濕地呈現(xiàn)持續(xù)退化的趨勢。驅(qū)動因素分析表明,氣象因素對植被NDVI的影響均不顯著,NDVI的動態(tài)主要受地形特征和人為因素的影響,NDVI及其動態(tài)趨勢與復(fù)合地形指數(shù)和距河流的距離多呈負相關(guān),與坡度、高程、距交通線路和城鎮(zhèn)的距離多為正相關(guān)?？傮w上,區(qū)域內(nèi)NDVI動態(tài)趨勢以良性發(fā)展為主,但濱海濕地等呈現(xiàn)持續(xù)退化的區(qū)域需持續(xù)關(guān)注。

濱海區(qū)域；時空變化；趨勢分析；Hurst指數(shù)；驅(qū)動因素

植被動態(tài)受氣候條件、地形地貌以及人類活動的影響,是反映區(qū)域生態(tài)環(huán)境狀況的重要指標[1- 3]。歸一化植被指數(shù)(NDVI)削弱了大氣層和地形陰影的影響,對地表植被的覆蓋程度非常敏感,是檢測和指示植被覆蓋狀況和動態(tài)的常用指標之一[4-5]。NDVI時序數(shù)據(jù)在植被監(jiān)測、物候預(yù)測和災(zāi)難預(yù)測等方面均得到了廣泛的應(yīng)用[4, 6]。

廣西沿海的濕地面積廣闊,資源豐富,具有較高的生態(tài)功能和社會價值。近年來,隨著廣西沿海經(jīng)濟的快速發(fā)展,人類活動愈發(fā)密集,大量的濱海濕地轉(zhuǎn)變?yōu)橄趟B(yǎng)殖場,過度的開發(fā)利用,導(dǎo)致處于海路交互核心區(qū)的濱海過渡帶的生態(tài)環(huán)境敏感而脆弱,嚴重破壞了濱海濕地區(qū)域的生態(tài)平衡[22]。該文選取2000—2014年廣西沿海區(qū)域生長季盛期的MOD13Q1影像,沿海岸線向內(nèi)陸方向設(shè)定10 km的緩沖區(qū)作為研究區(qū)域,利用最大值合成法分析NDVI時間序列的時空分布動態(tài),采用一元線性回歸方程斜率k和Hurst指數(shù)研究不同類型植被NDVI的動態(tài)趨勢特征以及持續(xù)性,探討NDVI時間序列波動的主要驅(qū)動因素,為沿海區(qū)域植被的利用和保護提供基礎(chǔ)數(shù)據(jù)和理論依據(jù)。

1 研究地概況和研究方法

1.1 研究區(qū)概況

廣西沿海區(qū)域位于廣西壯族自治區(qū)最南端,從東至西分屬北海市、欽州市和防城港市管轄。海岸線東起兩廣交界的洗米河口,西至中越邊界的北侖河,長1 629 m,有6條主要河流入海。屬于南亞熱帶海洋性季風氣候,廣西沿海區(qū)域陸域自海岸線向陸延伸10 km范圍內(nèi)地形海拔均小于300 m。海岸各地年平均氣溫在21—24 ℃之間,最高38 ℃,最低-2 ℃；年降水量在2 141—2 771 mm之間,平均年蒸發(fā)量在1 428—1 831 mm之間；年平均相對濕度為79%—82%；年日照時數(shù)在1 540—2 232 h之間。廣西海岸帶天然植被包括針葉林、常綠季雨林、紅樹林、竹林等類型,針葉林主要為南亞松林和馬尾松林,常綠季雨林主要有箭毒木片林、格木片林等,紅樹林主要樹種有白骨壤、桐花樹等,竹林代表種為刺竹；人工植被有經(jīng)濟林、防護林、農(nóng)作物群落及少量的香蕉果園。沿海區(qū)域人工地貌突出,河口三角洲及海積平原已大面積開辟為海水養(yǎng)殖場。

圖1 廣西沿海區(qū)域位置示意圖 Fig.1 Geographical location of the coastland of GuangxiBL：北侖河口; ZZ：珍珠灣; FC：防城港灣; MW：茅尾海; QZ：欽州灣; DF：大鳳江口; NL：南流江口; LZ：廉州灣; TS：鐵山港灣; DD：丹兜海

1.2 研究數(shù)據(jù)

該研究中NDVI數(shù)據(jù)來源于美國宇航局(NASA)的MODIS植被指數(shù)產(chǎn)品數(shù)據(jù)MOD13Q1,該數(shù)據(jù)基于最大合成法,產(chǎn)品數(shù)據(jù)經(jīng)過幾何和大氣校正,每16 d合成,空間分辨率250 m。該研究選取2000至2014年7至9月的影像為研究對象,該時期也是年內(nèi)植被覆蓋程度最高的月份[19],利用Envi4.7對原始影像進行預(yù)處理。

圖2 不同尺度緩沖區(qū)內(nèi)土地利用結(jié)構(gòu)Fig.2 Land-use composition of different buffer zones

鑒于濱海濕地具有帶狀特征[7],以海岸線為基線,1 km為間隔,從海岸線向內(nèi)作15 km的環(huán)狀緩沖帶[23],土地利用變化在7 km處趨于平穩(wěn),在13 km處又出現(xiàn)波動(圖2),故研究區(qū)域以廣西海岸線為起點,向陸延伸10 km的帶狀區(qū)域?；趯V西濱海濕地的調(diào)查發(fā)現(xiàn),濱海紅樹林、潮間帶等分布范圍在3 km范圍內(nèi),對于景觀動態(tài)來說,10 km范圍內(nèi)的植被的變化也是最為顯著區(qū)域。

印尼是“21世紀海上絲綢之路”的重要支點，我國的“一帶一路”倡議和印尼的“海洋強國戰(zhàn)略”高度契合。投資達瑞鉛鋅礦項目顯示了中色股份積極踐行“一帶一路”倡議、努力推進兩國產(chǎn)業(yè)合作，為實現(xiàn)中印互利共贏、促進兩國的經(jīng)濟社會發(fā)展貢獻力量。

土地覆被數(shù)據(jù)產(chǎn)品(MCD12Q1),是綜合MODIS TERRA和MODIS AQUA土地覆被數(shù)據(jù)產(chǎn)品產(chǎn)生,考慮研究區(qū)內(nèi)主要的植被類型,將區(qū)域內(nèi)土地覆被類型簡化為6類：林地、旱地、水田、居住地(包括交通用地)、濕地和其他(荒地、未利用地等)。廣西濱海區(qū)域的DEM高程數(shù)據(jù)通過全國1∶25萬DEM提取和計算,氣象數(shù)據(jù)來源于國家氣象信息中心。

1.3 分析方法

探討沿海區(qū)域植被覆蓋的年際變化規(guī)律,利用最大值合成法獲取每年生長季盛期(7至9月)NDVI影像的最大值,代表當年的植被覆蓋狀況[24]。分析研究區(qū)域NDVI空間分布特征時,則取15年NDVI的平均值,以此代表研究區(qū)多年的平均植被覆蓋情況。采用趨勢線分析法模擬植被覆蓋的年際變化趨勢[25],利用Hurst指數(shù)指示變化趨勢的生態(tài)持續(xù)性[26],并在此基礎(chǔ)上分析植被覆蓋變化的主要驅(qū)動因素。同時,利用ANOVA單因素方差分析不同類型植被覆蓋程度差異的顯著性水平。

1.3.1 NDVI的年際變化趨勢

NDVI的年際變化趨勢,以各柵格多年數(shù)值最小次方線性回歸方程的斜率表示[27],具體公式如下：

(1)

式中,n為15,i為年序號,MNDVI,i為第i年的NDVI。其中,當k>0時,說明植被覆蓋在15年間的變化趨勢是增加的；反之,則減少。當前,k值變化趨勢的劃分并沒有統(tǒng)一標準[25, 28-29],考慮研究區(qū)中NDVI的整體分布情況,通過計算k值的變化,研究發(fā)現(xiàn)k值基本符合正態(tài)分布,故利用等間距劃分法,將植被覆蓋變化劃分為5個等級,分別為退化(k≤-0.002)、輕度退化(-0.002≤k<-0.001)、穩(wěn)定不變(-0.001≤k<0.001)、輕度改善(0.001≤k<0.002)和改善(k≥0.002)。ANOVA結(jié)果表明,不同等級間差異顯著(F468021=222400,P<0.001)。

1.3.2 植被變化趨勢的持續(xù)性

Hurst指數(shù)(H)是定量描述時間序列長程依賴性的主要方法之一,當0.5

(2)

(3)

(4)

(5)

對于比值Rτ/Sτ?R/S,若R/S∝τH,則說明該時間序列存在Hurst現(xiàn)象。H值由lg(R/S)n=a +H×lg(n)利用最小二乘法擬合得到。由于τ值小時散點稀疏,而τ值大時散點則相對過于密集,這樣在利用最小二乘法線性擬合時斜率會受到權(quán)重的影響,研究取τ≥4[26]。

1.3.3 植被NDVI變化的驅(qū)動因素

考慮到光、熱、水是影響植物生長的主要氣象因素,選取月氣溫、降水和日照數(shù)據(jù)(東興市、防城港市、欽州市和北海市4個氣象站點平均),分析研究區(qū)內(nèi)NDVI值與氣象因素的相關(guān)性。由于氣象因素之間可能存在的相關(guān)性[3],探討NDVI與不同氣象因素的相關(guān)關(guān)系時采用偏相關(guān)分析。該研究的NDVI影像取自7至9月,考慮到氣象因素對植被的影響可能具有“時滯效應(yīng)”,因此從6—9月的氣象數(shù)據(jù)中,分別提取單月、雙月及3個月平均值進行相關(guān)性分析。

除了氣候因素,地形特征和人類活動也是影響植被覆蓋時空變化的重要因素[16,30]。參考以往研究,選擇復(fù)合地形指數(shù)CTI(表征空間位置的綜合水熱條件[31]),坡度(%),坡向(按順時針方向從正北的0°到360°)和高程表征地形特征[16,31-32]。從人類活動角度出發(fā)考慮,城鎮(zhèn)是人類活動的核心區(qū)域,而河流往往是人類居住區(qū)的重要考慮因素,不同居住區(qū)間又以道路網(wǎng)絡(luò)相連接,考慮研究區(qū)位于濱海區(qū)域并參考以往研究[16,31,33],該研究選取了4個因素代表人類活動對植被覆蓋的干擾,分別為距河流、交通路線、城鎮(zhèn)和海岸線的距離?；贒EM數(shù)據(jù),利用ArcGIS10.2的空間分析模塊與Geomorphometry軟件得到CTI,坡度,坡向,高程,距河流距離、距交通路線距離、距城鎮(zhèn)距離和距海岸線距離。分別分析區(qū)域內(nèi)各柵格多年平均NDVI和k值與以上影響因素的相關(guān)性,探討NDVI年際波動的主要驅(qū)動因素。由于坡向是一環(huán)形變量,分別對其求正弦、余弦值進行變換,生成2個新的亞變量,進行相關(guān)分析,正弦值表示朝東的程度,余弦值表示朝北的程度[32]。

2 結(jié)果和分析

2.1 植被覆蓋的時間變化特征

圖3 2000—2014年廣西沿海區(qū)域NDVI的年際變化 Fig.3 Inter-annual variations of NDVI in the coastland of Guangxi from 2000 to 2014

2000至2014年間,沿海區(qū)域NDVI在0.68至0.76之間波動,NDVI的多年平均值為0.71,年際間差異較小,SD為0.02(圖3)。其中,2007至2011年間,區(qū)域NDVI值偏高,波動在0.71至0.76之間。

2.2 植被覆蓋的空間分布特征

廣西沿海區(qū)域NDVI的空間分布呈現(xiàn)出陸地高,濱海和河流下游低的分布特征(圖4),陸地土地覆被類型多為林地和旱地,而濱海和河流下游區(qū)域居住區(qū)和其他覆被類型廣泛分布。NDVI小于0.1的區(qū)域主要分布在防城港灣、欽州灣、大鳳江口、南流江口和鐵山港灣沿岸,多為其他覆被類型(圖4、5)。整體上,NDVI大于0.7的高植被覆蓋區(qū)域占區(qū)域總面積的70%,0.3—0.7之間的植被覆蓋區(qū)域占26%,NDVI小于0.1的區(qū)域占1%。

圖4 2000—2014年廣西沿海區(qū)域NDVI的空間分布Fig.4 Spatial distribution of NDVI in coastland of Guangxi from 2000 to 2014

圖5 廣西沿海區(qū)域土地覆被類型分布Fig.5 Distribution of land-use types of coastland of Guangxi

研究區(qū)域內(nèi),不同土地覆被類型的NDVI差異極顯著(F5,89=182,P<0.001),但NDVI年際波動差異并不顯著(P>0.05),因此以15年的平均NDVI代表不同土地覆被類型的植被覆蓋狀況。不同土地覆被類型間,以林地的平均NDVI值最高,旱地和水田其次,居住區(qū)居中,濕地和其他最低(表1)。其中,林地、旱地和水田NDVI主要分配在>0.7的范圍內(nèi),而居住地、濕地和其他則多分布在0.5附近。

2.3 植被動態(tài)趨勢及其持續(xù)性分析

2000至2014年間,研究區(qū)域內(nèi)有46%的植被得到改善,多分布于河流中上游的陸地上；退化土地則集中于濱海和河流中下游地區(qū),約占總面積的27%；輕度退化、輕度改善以及穩(wěn)定不變狀態(tài)的土地斑塊較為分散,分別占總面積的8%、14%和6%(圖6)。不同土地覆被類型中,57%的林地得到了改善,52%的濕地呈現(xiàn)出退化趨勢,其他的覆被類型則多處于相對穩(wěn)定的狀態(tài)(圖7)。

表1 不同土地覆被類型NDVI比較

將NDVI動態(tài)趨勢與Hurst指數(shù)疊加,得到NDVI動態(tài)趨勢持續(xù)性的分布(圖8)。持續(xù)改善的植被面積占研究區(qū)總面積的33%,多分布于林地、旱地等NDVI相對較高的土地覆被類型中；持續(xù)退化的植被較少,所占比例為17%,但多分布于濕地、其他等NDVI偏低類型中。此外,未來變化趨勢無法確定的區(qū)域占總面積的30%,多集中于濱海區(qū)域(表2)。

圖6 2000—2014年廣西沿海區(qū)域NDVI動態(tài)趨勢Fig.6 Trends of NDVI in coastland of Guangxi from 2000 to 2014

土地覆被類型Types分配比例Allocationratio/%持續(xù)退化Persistencedegradation持續(xù)輕度退化Persistenceslightlydegradation持續(xù)穩(wěn)定不變Persistencestableness持續(xù)輕度改善Persistenceslightlyimprovement持續(xù)改善Persistenceimprovement不確定Uncertainty林地Forestland1841093426旱地Dryland1851083723水田Paddyfield2351163125居住區(qū)Residentialquarters3059101730濕地Wetland291341647其他Others234842240

圖7 不同土地覆被類型NDVI動態(tài)趨勢統(tǒng)計Fig.7 Statistics of NDVI trend by different land-use types

圖8 基于Hurst 指數(shù)的NDVI變化特征空間分布Fig.8 Spatial distribution of NDVI variation character based on Hurst index

2.4 植被覆蓋動態(tài)的驅(qū)動因素分析

沿海區(qū)域6至8月的氣象因素(氣溫、降水量和日照時間),兩兩之間相關(guān)性多顯著(圖9),故分析氣象因素與NDVI相關(guān)性時,采用偏相關(guān)分析。然而,氣象因素與區(qū)域內(nèi)不同土地覆被類型NDVI的相關(guān)性均不顯著(P>0.05)。

圖9 氣溫、降水和日照時間的相關(guān)性分析 Fig.9 Correlation analysis between temperature, precipitation and sunshine duration

坡向的正弦和余弦值、距海岸線距離與區(qū)域及其不同土地覆被類型的NDVI和NDVI動態(tài)趨勢相關(guān)性多不顯著,故在表3中不再列出以上3個變量。NDVI和NDVI動態(tài)趨勢與其他變量則呈現(xiàn)出較好的相關(guān)性,二者與CTI和距離河流的距離多為負相關(guān),與坡度、高程、距交通線路和城鎮(zhèn)的距離則多為正相關(guān)。

3 討論

廣西沿海區(qū)域整體的NDVI值較高,而且年際波動較小,與以往的研究結(jié)果相似[19,34]。研究區(qū)內(nèi)NDVI>0.7的區(qū)域占區(qū)域總面積的70%,NDVI不足0.3的區(qū)域僅占4%,這導(dǎo)致區(qū)域整體的NDVI值偏高。此外,研究區(qū)域為南亞熱帶海洋性季風氣候,常年高溫多雨,植被覆蓋率高且多為常綠植物,在非極端天氣影響下,NDVI的年際波動程度較低。空間上,區(qū)域NDVI分布表現(xiàn)為陸地高,濱海和河流下游低的趨勢,這與土地覆被類型的分布有關(guān),陸地多為林地和旱地,而濱海和河流下游區(qū)域則多分布著居住區(qū)、濕地和其他覆被類型。

2000至2014年間,研究區(qū)內(nèi)約一半的植被得到改善,改善植被多為林地,這與當?shù)卣诘蜕角鹆陞^(qū)大面積植樹種草有關(guān)[19]；退化區(qū)域則多集中于濱海和河流下游,這些區(qū)域內(nèi)大量分布著居住區(qū)和其他類型植被,且交通網(wǎng)絡(luò)密布。值得注意的是,林地等NDVI較高的區(qū)域通常表現(xiàn)為持續(xù)改善趨勢,而濕地等NDVI低的區(qū)域則多表現(xiàn)為持續(xù)退化。林地等覆被類型由當?shù)卣姆龀值靡猿掷m(xù)改善,而大量的濕地則開發(fā)為港口、道路、養(yǎng)殖場等,從而呈現(xiàn)為退化趨勢,在未來的開發(fā)利用活動中應(yīng)加強對濱海濕地等NDVI偏低區(qū)域的關(guān)注。

表3 NDVI及其變化趨勢與影響因素的相關(guān)系數(shù)

*P<0.05,**P<0.01. 復(fù)合地形指數(shù) CTI

土地覆被分類的不同、植被下墊面與NDVI分辨率也會影響計算的結(jié)果,在該研究中,土地覆被類型分類體系與NDVI來源相同,而且在NDVI時間選擇上,選擇NDVI數(shù)值最大的月份。另外,為了消除分辨率的問題,研究的空間尺度較大,能夠體現(xiàn)變化的總體趨勢。通過和實地的調(diào)研比較,研究結(jié)果與實際情況較為符合。

植被NDVI及其動態(tài)趨勢與氣象因素的相關(guān)性并不顯著,而多與地形特征和人為因素呈現(xiàn)顯著相關(guān)性,這與以往對沿海區(qū)域的研究相似[17,35]。研究區(qū)域內(nèi),盡管4個氣象站點的年均溫(F14, 59=68.78,P<0.001)、年降水量(F14, 59=7.98,P<0.001)和年日照時數(shù)(F14, 59=11.61,P<0.001)的年際變化差異均顯著,但其與NDVI相關(guān)性并不顯著,這可能與NDVI動態(tài)更多的受到地形特征和人類活動的干擾有關(guān)。廣西沿海區(qū)域海拔波動范圍為-6 m至290 m之間,高海拔區(qū)域集中分布于西北和東北的山地；在研究區(qū)內(nèi),以1 km×1 km為分析窗口,逐個提取地形起伏度[36],濱海區(qū)域平均地形起伏度為0.02,最大起伏度為0.55,整個區(qū)域內(nèi)地形波動較小,但NDVI及其動態(tài)趨勢與地形特征因素的相關(guān)性卻多顯著。NDVI及其動態(tài)趨勢與CTI多為負相關(guān),由于CTI與坡度有關(guān),因此這種負相關(guān)間接反映了植被動態(tài)與坡度的關(guān)系[32]；沿海區(qū)域NDVI及其動態(tài)趨勢與坡度和高程表現(xiàn)為正相關(guān),與坡向則多不相關(guān),這與劉亞龍等[2]和馬宗文等[16]的研究結(jié)果相似,原因可能是平坦地區(qū)更利于城市建設(shè),以及人為在低山丘陵區(qū)的大面積植樹。NDVI及其動態(tài)趨勢與距河流的距離呈現(xiàn)為負相關(guān),可能與研究區(qū)多處于河流下游,而河口、三角洲等地區(qū)近年來多有開發(fā)活動有關(guān)；距交通線路、城鎮(zhèn)的距離與NDVI表現(xiàn)為正相關(guān),可能與居住區(qū)和交通線路綠化區(qū)有關(guān)。

4 結(jié)論

該研究基于MODIS NDVI數(shù)據(jù),利用NDVI時間序列,采用最大值合成法、一元線性回歸方程斜率和Hurst趨勢指數(shù),探討了沿海區(qū)域植被的時空分布特征及其影響因素。結(jié)果表明,廣西沿海區(qū)域NDVI值較高,但年際波動不大,空間上則表現(xiàn)為陸地高,濱海和河流下游低的趨勢,這主要與土地覆被類型的空間分布有關(guān),林地、旱地等高NDVI類型廣泛分布于陸地,而濕地等低NDVI類型則多分布于濱海和河流河口。此外,林地在人工大量植樹造林的基礎(chǔ)上表現(xiàn)出持續(xù)改善趨勢,而濱海、河口區(qū)域的高強度開發(fā)則造成濕地呈現(xiàn)持續(xù)退化趨勢。廣西沿海植被覆蓋的變化與氣象因素相關(guān)性并不顯著,主要受到地形特征和人類活動的影響。因此,在未來的開發(fā)利用活動中應(yīng)加強對濱海濕地和河口區(qū)域的關(guān)注。

[1] Lamchin M, Park T, Lee J Y, Lee W K. Monitoring of vegetation dynamics in the mongolia using MODIS NDVIs and their relationship to rainfall by natural zone. Journal of the Indian Society of Remote Sensing, 2014, 43(2): 325- 337.

[2] 劉亞龍, 王慶, 畢景芝, 張明明, 邢前國, 施平. 基于Mann-Kendall方法的膠東半島海岸帶歸一化植被指數(shù)趨勢分析. 海洋學(xué)報, 2010, 32(3): 79- 87.

[3] 孫紅雨, 王長耀, 牛錚, 布和敖斯爾, 李兵. 中國地表植被覆蓋變化及其與氣候因子關(guān)系──基于NOAA時間序列數(shù)據(jù)分析. 遙感學(xué)報, 1998, 2(3): 204- 210.

[4] Pettorelli N, Vik J O, Mysterud A, Gaillard J M, Tucker C J, Stenseth N C. Using the satellite-derived NDVI to assess ecological responses to environmental change. Trends in Ecology & Evolution, 2005, 20(9): 503- 510.

[5] Fensholt R, Sandholt I, Rasmussen M S. Evaluation of MODIS LAI, fAPAR and the relation between fAPAR and NDVI in a semi-arid environment using in situ measurements. Remote Sensing of Environment, 2004, 91(3/4): 490- 507.

[6] Li L L, Wang Y P. What drives the aerosol distribution in Guangdong-the most developed province in Southern China?. Scientific Reports, 2014, 4: 5972- 5972.

[7] 李加林. 基于MODIS的沿海帶狀植被NDVI/EVI季節(jié)變化研究——以江蘇沿海互花米草鹽沼為例. 海洋通報, 2006, 25(6): 91- 96.

[8] 耿利寧. 基于時序MODIS的水稻種植制度提取[D]. 南京: 南京信息工程大學(xué), 2013: 42- 44.

[9] Lu L L, Kuenzer C, Wang C Z, Guo H D, Li Q T. Evaluation of three MODIS-Derived vegetation index time series for dryland vegetation dynamics monitoring. Remote Sensing, 2015, 7(6): 7597- 7614.

[10] 吳健生, 陳莎, 彭建. 基于圖像閾值法的森林雪災(zāi)損失遙感估測——以云南省為例. 地理科學(xué)進展, 2013, 32(6): 913- 923.

[11] 白雲(yún). 基于混合像元分解的海壇島植被覆蓋度因子研究. 亞熱帶資源與環(huán)境學(xué)報, 2013, 8(4): 81- 86.

[12] 袁麗華, 蔣衛(wèi)國, 申文明, 劉穎慧, 王文杰, 陶亮亮, 鄭華, 劉孝富. 2000—2010年黃河流域植被覆蓋的時空變化. 生態(tài)學(xué)報, 2013, 33(24): 7798- 7806.

[13] 張雪艷, 胡云鋒, 莊大方, 齊永清. 蒙古高原NDVI的空間格局及空間分異. 地理研究, 2009, 28(1): 10- 18, 圖版2.

[14] Xiao J, Moody A. Geographical distribution of global greening trends and their climatic correlates: 1982- 1998. International Journal of Remote Sensing, 2005, 26(11): 2371- 2390.

[15] Park H, Jeong S J, Ho C H, Kim J, Brown M E, Schaepman M E. Nonlinear response of vegetation green-up to local temperature variations in temperate and boreal forests in the Northern Hemisphere. Remote Sensing of Environment, 2015, 165: 100- 108.

[16] 馬宗文, 許學(xué)工, 盧亞靈. 環(huán)渤海地區(qū)NDVI擬合方法比較及其影響因素. 生態(tài)學(xué)雜志, 2011, 30(7): 1558- 1564.

[17] 陳云浩, 李曉兵, 史培軍. 1983—1992年中國陸地NDVI變化的氣候因子驅(qū)動分析. 植物生態(tài)學(xué)報, 2001, 25(6): 716- 720.

[18] 宗瑋. 上海海岸帶土地利用/覆蓋格局變化及驅(qū)動機制研究[D]. 上海: 華東師范大學(xué), 2012: 44- 44.

[19] 田義超, 陳志坤, 梁銘忠. 北部灣海岸帶植被覆蓋時空動態(tài)特征及未來趨勢. 熱帶地理, 2014, 34(1): 76- 86.

[20] 徐大勇, 張濤, 孫貽超, 鄧小文, 周濱, 盧學(xué)強, 邵曉龍, 張良運, 陳紅, 袁雪竹, 白明英. 基于NDVI的天津市濱海新區(qū)植被覆蓋度變化及預(yù)測研究. 生態(tài)經(jīng)濟, 2010, (12): 45- 50.

[21] 李建平, 張柏, 張泠, 王宗明, 宋開山. 濕地遙感監(jiān)測研究現(xiàn)狀與展望. 地理科學(xué)進展, 2007, 26(1): 33- 43.

[22] 曹慶先, 戴培建, 范航清, 葛文標, 何斌源, 蘭國寶, 黎廣釗, 梁文, 莫竹承, 邱廣龍, 吳斌, 曾聰, 周浩郎. 廣西北部灣典型海洋生態(tài)系統(tǒng)—現(xiàn)狀與挑戰(zhàn). 北京: 科學(xué)出版社, 2015.

[23] 王毅杰, 俞慎. 長江三角洲城市群區(qū)域濱海濕地利用時空變化特征. 濕地科學(xué), 2012, 10(2): 129- 135.

[24] 韓貴鋒. 中國東部地區(qū)植被覆蓋的時空變化及其人為因素的影響研究[D]. 上海: 華東師范大學(xué), 2007: 35- 35.

[25] 范娜, 謝高地, 張昌順, 陳龍, 李文華, 成升魁. 2001年至2010年瀾滄江流域植被覆蓋動態(tài)變化分析. 資源科學(xué), 2012, 34(7): 1222- 1231.

[26] 江田漢, 鄧蓮堂. Hurst指數(shù)估計中存在的若干問題——以在氣候變化研究中的應(yīng)用為例. 地理科學(xué), 2004, 24(2): 177- 182.

[27] 劉世梁, 趙海迪, 董世魁, 蘇旭坤, 劉琦, 鄧麗, 張翔. 基于SPOT NDVI的阿爾金山自然保護區(qū)植被動態(tài)變化研究. 干旱區(qū)研究, 2014, 31(5): 832- 837.

[28] 莊長偉, 歐陽志云, 徐衛(wèi)華, 鄭華, 王效科, 白楊. 基于MODIS的海河流域生態(tài)系統(tǒng)空間格局. 生態(tài)學(xué)雜志, 2009, 28(6): 1149- 1154.

[29] 張月叢, 趙志強, 李雙成, 孟憲鋒. 基于SPOT NDVI的華北北部地表植被覆蓋變化趨勢. 地理研究, 2008, 27(4): 745- 754, 圖版1.

[30] 信忠保, 許炯心, 鄭偉. 氣候變化和人類活動對黃土高原植被覆蓋變化的影響. 中國科學(xué) D輯: 地球科學(xué), 2007, 37(11): 1504- 1514.

[31] 劉琦, 劉世梁, 趙清賀, 王聰, 鄧麗, 楊玨婕, 董世魁. 漫灣水電站建設(shè)的景觀生態(tài)風險時空分異及影響因子研究. 安全與環(huán)境學(xué)報, 2012, 12(6): 113- 118.

[32] 連綱, 郭旭東, 傅伯杰, 虎陳霞. 黃土高原小流域土壤容重及水分空間變異特征. 生態(tài)學(xué)報, 2006, 26(3): 647- 654.

[33] 包維楷, 劉照光. 岷江上游大溝流域驅(qū)動植被退化的人為干擾體研究. 應(yīng)用與環(huán)境生物學(xué)報, 1999, 5(3): 233- 239.

[34] 楊紹鍔, 譚裕模, 胡鈞銘. 基于NDVI的廣西近十年植被變化特征分析. 南方農(nóng)業(yè)學(xué)報, 2012, 43(11): 1783- 1788.

[35] 何章莉, 史合印, 邢前國, 潘偉斌. 遙感技術(shù)在大亞灣區(qū)域土地利用類型監(jiān)測中的應(yīng)用. 生態(tài)科學(xué), 2006, 25(4): 371- 374, 384- 384.

[36] 周自翔, 李晶, 任志遠. 基于GIS的關(guān)中-天水經(jīng)濟區(qū)地形起伏度與人口分布研究. 地理科學(xué), 2012, 32(8): 951- 957.

The dynamics and main driving factors of coastal vegetation in Guangxi based on MODIS NDVI

CHENG Fangyan1, LIU Shiliang1,*, YIN Yijie1, Lü Yihe2, AN Nannan1, LIU Xinming3

1TheSchoolofEnvironmentalSciences,BeijingNormalUniversity,Beijing100875,China2StateKeyLaboratoryofUrbanandRegionalEcology,ResearchCenterforEco-environment,ChineseAcademyofSciences,Beijing100085,China3MarineResearchAcademyofGuangxiZhuangAutonomousRegion,Nanning530022,China

The normalized difference vegetation index (NDVI) can be used to characterize a region′s vegetation status, however, there have been few studies on the NDVI dynamics of coastal wetland areas. Using MODIS NDVI as the data source, we analyzed the vegetation dynamics, NDVI trend, and the main driving factors of NDVI in the coastal wetland areas of Guangxi from 2000 to 2014. The results showed that in the coastal wetland area with a 10-km buffer, the mean NDVI value was relatively high (0.71). However, annual fluctuations were more stable (SD=0.02). Spatially, NDVI showed a higher trend in terrestrial land and a lower trend in coastal and estuarine areas. The NDVI values of various vegetation types were significantly different, and the highest value was recorded for woodland, which is widely distributed in the terrace (0.76), and the lowest value was found for coastal wetland (0.52) and other vegetation types (e.g., bare land) (0.50). The vegetation trend (slopek) showed that 57% of the woodland was improving (k≥ 0.002), and 52% of the coastal wetland was degrading (k≤ -0.002). The Hurst index of the sustainability of vegetation showed that forest land and dry land have been continuously improving, while the coastal wetland showed a trend of continuous degradation. The influence of meteorological factors on NDVI dynamics was not significant, and the NDVI was mainly affected by topographic characteristics and human activities. NDVI and its trend were negatively correlated with comprehensive topographic indexes and the distance from the river, and positively correlated with slope, altitude, and the distance from roads and valleys. Altogether, most regions showed positive development, but the coastal wetland exhibited degradation and needed to be improved.

coastal wetland area; temporal and spatial dynamics; trend analysis; Hurst index; driving factors

國家自然科學(xué)基金資助項目(41571173)；國家科技支撐計劃資助項目(2014BAK19B06)；廣西壯族自治區(qū)海洋研究院自主課題資助項目

2015- 09- 09;

日期:2016- 06- 14

10.5846/stxb201509091866

*通訊作者Corresponding author.E-mail: shiliangliu@bnu.edu.cn

成方妍,劉世梁,尹藝潔,呂一河,安南南,劉昕明.基于MODIS NDVI的廣西沿海植被動態(tài)及主要其驅(qū)動因素.生態(tài)學(xué)報,2017,37(3):788- 797.

Cheng F Y, Liu S L, Yin Y J, Lü Y H, An N N, Liu X M.The dynamics and main driving factors of coastal vegetation in Guangxi based on MODIS NDVI.Acta Ecologica Sinica,2017,37(3):788- 797.