基于RS的陜北地區(qū)植被覆蓋度變化及驅(qū)動力研究

晉成名， 楊興旺， 景海濤

(1.上海鐵路北斗測量工程技術(shù)有限公司，上海 200040； 2.河南理工大學(xué)測繪與國土信息工程學(xué)院,焦作 454000)

0 引言

植被是陸地生態(tài)系統(tǒng)的神經(jīng)中樞，是人類生存不可或缺的環(huán)境要素，為人類社會生活提供重要資源。因此，大量國內(nèi)外學(xué)者對于植被進(jìn)行研究，如郭力宇等[1]研究了2000—2016年MODIS NDVI植被指數(shù)特征變化； 楊元合等[2]利用植被NDVI數(shù)據(jù)分析了青藏高原草地植被類型對氣候存在明顯的滯后效應(yīng)； 郭永強等[3]利用黃土高原1978—2015年地表反射率數(shù)據(jù)，得出氣候變化的貢獻(xiàn)率為23.77%； 李登科等[4]研究了陜西省退耕還林以來氣候?qū)χ脖桓采w的影響； Camberlin等[5]研究了非洲半干旱地區(qū)植被的變化特征，發(fā)現(xiàn)植被與降水量的關(guān)系為顯著正相關(guān)； Cuomo等[6]通過分析意大利南部地區(qū)植被變化，發(fā)現(xiàn)不同區(qū)域植被變化的影響因素不同； Evans等[7]利用殘差分析法分離社會經(jīng)濟(jì)因素和氣候因素對植被的影響，表明在高緯度地區(qū)氣溫升高會促使植被迅速生長； Sun等[8]通過研究渭河流域的植被特征，得出土地開墾導(dǎo)致了植被覆蓋率下降； 韓貴峰[9]選取人口、國內(nèi)生產(chǎn)總值(gross domestic product,GDP)和建設(shè)用地等作為社會經(jīng)濟(jì)因素，分別分析了各因素對中國東部地區(qū)植被覆蓋的影響，結(jié)果均呈現(xiàn)出負(fù)相關(guān)關(guān)系，負(fù)相關(guān)系數(shù)也呈現(xiàn)出空間差異。熊育久等[10]通過研究城市植被的空間分布，為城市自然資源評估提供了參考。

本文通過研究陜北地區(qū)2000—2015年的植被覆蓋度變化情況，分析研究區(qū)植被和降水、氣溫的相關(guān)關(guān)系； 并通過調(diào)查、統(tǒng)計分析研究區(qū)同時期的社會經(jīng)濟(jì)狀況，探究不同社會經(jīng)濟(jì)影響因子對植被的驅(qū)動作用，對該區(qū)域未來生態(tài)恢復(fù)具有一定的指導(dǎo)意義。

1 研究區(qū)概況與數(shù)據(jù)源

1.1 研究區(qū)概況

本文研究區(qū)域主要位于陜西省榆林市和延安市，屬于我國黃土高原區(qū)域中心地段。該區(qū)域地形復(fù)雜，地勢不平整，整體為西高東低，海拔約500～1 900 m，高差大。土地總面積92 521 km2。其地理位置范圍在N36°～39°,E107°～111°之間。研究區(qū)具體地理位置如圖1所示。

圖1 研究區(qū)地理位置圖Fig.1 Geographical map of the study area

1.2 數(shù)據(jù)源

1)MODIS數(shù)據(jù)。數(shù)據(jù)選取陜北地區(qū)2000—2015年MODIS NDVI(MOD13A1)數(shù)據(jù)集，時間分辨率16 d、空間分辨率250 m。原始影像為HDF格式，投影為Sin投影，需轉(zhuǎn)換為TIFF格式，利用ENVI軟件對轉(zhuǎn)換后的MODIS NDVI數(shù)據(jù)進(jìn)行波段運算，得到標(biāo)準(zhǔn)的NDVI數(shù)據(jù)集。采用最大值合成法(maximum value composite,MVC)分別合成月、年MODIS NDVI數(shù)據(jù)，進(jìn)而得到研究區(qū)植被覆蓋度。

2)氣象數(shù)據(jù)。主要采用黃河流域氣象站點測得的氣溫數(shù)據(jù)，主要來源于中國氣象局氣象數(shù)據(jù)共享服務(wù)網(wǎng)。降雨數(shù)據(jù)來源于各個站點監(jiān)測的水文數(shù)據(jù)，采用反距離權(quán)重的方法插值為降雨柵格數(shù)據(jù)。

3)社會經(jīng)濟(jì)數(shù)據(jù)。社會經(jīng)濟(jì)數(shù)據(jù)來自社會經(jīng)濟(jì)數(shù)據(jù)庫(陜西省統(tǒng)計年鑒數(shù)據(jù))，黃土高原數(shù)據(jù)中心，以及實地調(diào)研數(shù)據(jù)。包括 2000—2015 年延安市和榆林市的總?cè)丝凇⑧l(xiāng)村就業(yè)人口、第一產(chǎn)業(yè)、糧食產(chǎn)量、第二產(chǎn)業(yè)，第三產(chǎn)業(yè)，耕地面積等。

2 研究方法

2.1 植被覆蓋度的計算

根據(jù)像元二分模型原理[11]，植被覆蓋度計算公式如下：

(1)

式中：FVC為植被覆蓋度；NDVIsoil為裸土或者無植被像元的NDVI值，該值無限接近于0；NDVIveg為純植被像元的NDVI值，該值無限接近于1。

2.2 趨勢分析

利用線性回歸方法分別研究植被和降雨、氣溫的變化趨勢，回歸方程的斜率代表了植被生長的變化趨勢，其計算公式為：

(2)

當(dāng)slope>0時，該研究內(nèi)的NDVI呈現(xiàn)出增長趨勢，當(dāng)slope<0時，植被NDVI呈減少趨勢； 當(dāng)slope的絕對值大小說明植被NDVI變化的強烈程度。同理，降雨和氣溫的空間趨勢也是如此。

2.3 相關(guān)分析

為了探索研究區(qū)植被特征和氣候因子、社會經(jīng)濟(jì)因子之間的關(guān)系，本研究選取16 a植被數(shù)據(jù)，分析年、季植被覆蓋度與影響因子之間的關(guān)系，利用相關(guān)分析方法，計算相關(guān)系數(shù)，根據(jù)相關(guān)系數(shù)大小探究不同變量之間的關(guān)系，相關(guān)系數(shù)取值范圍為[-1～1]。相關(guān)系數(shù)計算公式為：

(3)

2.4 MVC法

為了研究NDVI 在空間上的整體變化特征，采用MVC法合成研究區(qū)2000—2015年月NDVI值。計算公式為：

MNDVIi=max(NDVIi1，NDVIi2，NDVIi3)

(4)

式中：i為月序號，取值范圍1～12整數(shù)；MNDVIi為第i月的NDVI值；NDVIi1，NDVIi2，NDVIi3分別為月的上、中、下旬NDVI值。

3 結(jié)果與分析

3.1 植被覆蓋度的時空變化分析

3.1.1 植被覆蓋度年際變化分析

為了更好地研究植被覆蓋度變化趨勢，將植被覆蓋度分為4種類型，分別為劣覆蓋度(<0.3)、低覆蓋度([0.3,0.5))、中覆蓋度([0.5,0.7])和高覆蓋度(>0.7)。在2000—2015年，植被覆蓋度整體在0.35～0.55之間，中間年份出現(xiàn)略微波動現(xiàn)象。研究區(qū)植被覆蓋度整體呈上升趨勢，上升趨率為0.008 6/a。2000—2015年均植被覆蓋度約為0.46，最高值出現(xiàn)在2015年，其值為0.543； 最小值出現(xiàn)在2000年，其值為0.350。

3.1.2 植被覆蓋度空間變化分析

結(jié)合表1和圖2可知，2000—2015年，研究區(qū)由北向南植被覆蓋度依次升高，年際植被覆蓋度分布主要以劣覆蓋度和高覆蓋度為主，其次是中覆蓋度，低覆蓋度占的比重最小。

表1 不同植被年際覆蓋度比例分布Tab.1 Proportion distribution of different vegetation coverage (%)

(a) 2000年(b) 2001年(c) 2002年

(d) 2003年(e) 2004年

圖2 2000—2015年研究區(qū)植被覆蓋度空間分布Fig.2 Spatial distribution of vegetation coverage in the study area from 2000 to 2015

3.1.3 植被覆蓋度趨勢變化

表2為研究區(qū)2000—2015年不同時段植被覆蓋度趨勢變化統(tǒng)計，從表2可以看出，2000—2015年植被處于增加的趨勢，有73.45%的像元植被處于改善之中，其中輕度改善的區(qū)域占總像元數(shù)的13.79%，中度改善的區(qū)域占總像元數(shù)的17.76%，明顯改善的區(qū)域占總像元數(shù)的41.9%。在2006—2010年與2000—2005年的對比發(fā)現(xiàn)植被變化趨勢有明顯好轉(zhuǎn)，改善的區(qū)域在逐漸擴(kuò)大，slope大于0的區(qū)域占總像元數(shù)的58.51%，其中輕度改善的區(qū)域占總像元數(shù)的9.29%，中度改善的區(qū)域占總像元數(shù)的7.87%，明顯改善的區(qū)域達(dá)到29.04%，此時間段明顯改善的區(qū)域大多集中榆林東部地區(qū)，在2011—2015年和2006—2010年對比得出植被總趨勢在退化； 在2011—2015年退化的像元數(shù)占總像元數(shù)的46.81%，明顯退化的區(qū)域主要集中在榆林地區(qū)的東部和南部，延安市的改善和退化區(qū)域呈分散分布。

表2 研究區(qū)2000—2015年不同時段植被覆蓋度趨勢變化統(tǒng)計Tab.2 Statistics of vegetation coverage trend in the study area from 2000 to 2015

3.2 降水和氣溫空間變化分析

3.2.1 降水空間變化

根據(jù)插值的月降水?dāng)?shù)據(jù)，利用ArcGIS軟件柵格計算得到研究區(qū)2000—2015年的平均降水量空間分布，如圖3所示。

圖3 研究區(qū)2000—2015年降水特征空間分布Fig.3 Spatial distribution of precipitation characteristics in the study area from 2000 to 2015

整體來看年降水量從南向北逐漸增多，南北部降水分布不均勻，年均降水量為385.217 mm，年均降雨量最大值為521.222 mm，出現(xiàn)在延安地區(qū)的洛川縣，最低值為261.914 mm，位于榆林西部的定邊縣。陜北南部降水量較大主要是由于延安南部屬于延安高原丘陵溝壑半濕潤氣候區(qū)，受夏季風(fēng)影響較大，太陽輻射條件比較好，所以降水較多； 長城沿線以北為溫帶干旱和半干旱氣候區(qū)，降水顯著減少。

3.2.2 氣溫空間變化

利用插值的月氣溫數(shù)據(jù)，通過ArcGIS柵格計算得出研究區(qū)2000—2015年的平均氣溫空間分布，如圖4所示。由圖4可以看出，氣候類型由南部的長城以北風(fēng)沙灘地重半干旱氣候區(qū)到延安高原丘陵溝壑半濕潤氣候區(qū)，研究區(qū)南北部地形差異，導(dǎo)致年均氣溫呈現(xiàn)由北向南遞減，由東向西遞增的趨勢。研究區(qū)年平均氣溫是9.92 ℃，最高溫度是11.22 ℃。位于榆林的府谷縣，南部氣候干旱，風(fēng)沙較大，所以溫度較高，最低溫度是7.42 ℃，延安的宜川縣和黃龍縣，南部受地形起伏影響，氣候濕潤，溫度比較低。

圖4 研究區(qū)2000—2015年年均氣溫空間分布Fig.4 Spatial distribution of annual mean temperature in the study area from 2000 to 2015

3.3 降水和氣溫趨勢變化分析

3.3.1 降水趨勢變化分析

通過趨勢線性分析法來模擬每個柵格的降雨趨勢，反映不同時期的年均降雨量的空間分布特點，同時趨勢線性分析法根據(jù)2000—2015年每年的降水和氣溫進(jìn)行擬合，消除了研究時段內(nèi)隨機性偶發(fā)因素對于降水和氣溫變化的影響，擬合結(jié)果更貼近于降雨以及氣溫真實的變化情況。圖5為通過趨勢線性分析法算出研究區(qū)2000—2015年降雨趨勢變化圖。

圖5 研究區(qū)2000—2015年年均降水趨勢變化Fig.5 Changes in annual average precipitation trends in the study area from 2000 to 2015

3.3.2 氣溫趨勢變化分析

圖6為通過趨勢線性分析法算出研究區(qū)2000—2015年年均氣溫的變化趨勢。由圖可知，陜北地區(qū)的年均氣溫處于上升的趨勢，受地形、氣候等因素的影響導(dǎo)致研究區(qū)的年均氣溫在空間上呈現(xiàn)差異。研究區(qū)南部的氣溫的增長要高于研究區(qū)北部干旱區(qū)，變化趨勢的平均值為2.063，最大值是2.624，主要集中吳旗縣和志丹縣的西部地區(qū)，最小值是0.177，主要集中研究區(qū)中部和北部地區(qū)。

圖6 研究區(qū)2000—2015年年均氣溫趨勢變化Fig.6 Trend of annual average temperature in the study area from 2000 to 2015

4 植被影響因素分析

4.1 降水對植被的影響

研究區(qū)植被覆蓋度與降水之間的相關(guān)性如圖7所示，研究區(qū)年植被覆蓋度與年降水呈正相關(guān)關(guān)系，植被覆蓋度隨著降雨量的增加而增加，兩者相關(guān)系數(shù)為0.42。降雨量整體在300～650 mm，16 a平均降雨量為426.3 mm。在2000—2002年降雨量呈逐漸增加趨勢，2000—2002年植被覆蓋度呈明顯的增加趨勢，2000—2002年植被覆蓋度和降雨量變化趨勢一致，而在2004年降雨量顯著減少，植被覆蓋度增加，說明在2004年植被可能受到社會經(jīng)濟(jì)因素的影像，退耕還林還草政策有利于植被恢復(fù)。2004—2015年，植被覆蓋度和降雨量變化趨勢基本一致，未出現(xiàn)滯后現(xiàn)象。

(a) 年植被覆蓋度與降雨量統(tǒng)計圖 (b) 年植被覆蓋度與降雨量相關(guān)分析圖圖7 年植被覆蓋度與降水相關(guān)關(guān)系Fig.7 Correlation between vegetation coverage and precipitation

4.2 氣溫對植被的影響

研究區(qū)植被覆蓋度與氣溫之間的相關(guān)性如圖8所示，研究區(qū)年植被覆蓋度與年氣溫整體呈正相關(guān)關(guān)系，植被覆蓋度隨著氣溫的增加而增加，兩者相關(guān)系數(shù)為0.11。氣溫整體在9～12 ℃。在2001年和2011年出現(xiàn)峰值，植被覆蓋度出現(xiàn)峰值卻在2002年和2012年，表現(xiàn)出一定的時滯效應(yīng)。

(a) 年植被覆蓋度與年均氣溫統(tǒng)計圖 (b) 年植被覆蓋度與年均氣溫相關(guān)分析圖圖8 年植被覆蓋度與氣溫相關(guān)關(guān)系Fig.8 Correlation between vegetation coverage and air temperature

5 綜合影響分析

統(tǒng)計2000—2015年研究區(qū)的植被覆蓋度數(shù)據(jù)、降水和氣溫數(shù)據(jù)、社會經(jīng)濟(jì)數(shù)據(jù)(GDP、農(nóng)村人口、總?cè)丝?、耕地面積等)，數(shù)據(jù)標(biāo)準(zhǔn)化之后進(jìn)行主成分分析，結(jié)果如表3所示。

表3 植被覆蓋變化驅(qū)動因子貢獻(xiàn)率Tab.3 Contribution rate of drivers of vegetation cover change

由表3可知，影響最大的是國內(nèi)生產(chǎn)總值，有著超出1/3的貢獻(xiàn)率(41.4%)。其次是農(nóng)村人口變化，農(nóng)村人口變化對植被有-38.3%的貢獻(xiàn)率。然后是耕地面積，對植被有32.8%的貢獻(xiàn)率，由于退耕還林政策的實行，植被覆蓋度受到較大影響。降水影響是在整個研究區(qū)起作用，相對氣溫，降雨量16年來出現(xiàn)較大波動，因此降水對植被有21.3%的貢獻(xiàn)率，由于氣溫作用的有限性，且2000—2015年均氣溫變化幅度為3 ℃左右，因此其貢獻(xiàn)率最低，僅為7.1%。它們之間的排序為： GDP>農(nóng)村人口>總?cè)丝?耕地面積>降水>氣溫，可以理解城市化的加劇，對植被覆蓋產(chǎn)生了巨大影響。

6 結(jié)論

通過研究陜北地區(qū)2000—2015年的植被覆蓋度和降水、氣溫的相關(guān)關(guān)系，得出結(jié)論；

1)陜北地區(qū)植被覆蓋度整體在0.35～0.6之間，相鄰年份間植被覆蓋度呈現(xiàn)交替性變化。在2015年，植被覆蓋度明顯較差，研究區(qū)整體的植被覆蓋度變化曲線具有一致性。

2)研究區(qū)年植被覆蓋度與年降水呈正相關(guān)關(guān)系，植被覆蓋度隨著降雨量的增加而增加，兩者相關(guān)系數(shù)為0.42。氣溫整體在9～12 ℃，在2001年和2011年出現(xiàn)峰值，植被覆蓋度出現(xiàn)峰值卻在2002年和2012年，表現(xiàn)出一定的時滯效應(yīng)。

3)2000—2015年隨著經(jīng)濟(jì)發(fā)展、人口遷移、退耕還林以及退耕還草等政策，植被覆蓋提高，生態(tài)環(huán)境優(yōu)化。