淮河流域1999—2018年NDVI時(shí)空演變特征研究

高 崢,劉賽艷,秦 璇,徐柳昕

(揚(yáng)州大學(xué)水利科學(xué)與工程學(xué)院,江蘇 揚(yáng)州 225009)

植被是全球碳循環(huán)的主要參與者之一,在陸面水分運(yùn)移和能量傳輸中發(fā)揮著巨大作用。植被覆蓋變化情況是區(qū)域生態(tài)環(huán)境變化的重要指示特征,能直接反映出區(qū)域生態(tài)環(huán)境對(duì)變化環(huán)境的響應(yīng)[1]。目前,對(duì)植被覆蓋變化的監(jiān)測(cè)方法主要有地表實(shí)測(cè)和遙感測(cè)量[2]。其中,地表實(shí)測(cè)對(duì)人力和物力的消耗較大,且只能提供小尺度范圍內(nèi)的植被結(jié)構(gòu)和分布狀況,因此具有明顯的局限性[3]。相比之下,遙感測(cè)量則多是以歸一化差異植被指數(shù)(Normalized Difference Vegetation Index,NDVI)作為地表植被的特征參量,直觀地揭示地表植被覆蓋的變化趨勢(shì)。

作為反映區(qū)域植被覆蓋綜合狀況的一種指標(biāo),NDVI數(shù)據(jù)不僅獲取簡(jiǎn)便,而且能夠?qū)崟r(shí)地反映植被分布特征及變化,在大尺度地表植被監(jiān)測(cè)和研究方面有著巨大的優(yōu)勢(shì)[4]。目前,國(guó)內(nèi)外學(xué)者基于NDVI時(shí)間序列,開(kāi)展的研究主要集中在3個(gè)方面:①不同時(shí)間尺度(如月、季、旬、年等)NDVI的變化規(guī)律[5-6];②不同氣象因子(如降水、氣溫等)對(duì)NDVI的影響[7-8];③不同人類(lèi)活動(dòng)(如土地利用類(lèi)型、農(nóng)作物種植類(lèi)型等)對(duì)NDVI的影響[9-10]。這些研究表明,受當(dāng)?shù)貧庀笠蜃雍腿祟?lèi)活動(dòng)的影響,NDVI變化具有典型的區(qū)域特征,因此從區(qū)域尺度上研究植被覆蓋的變化特征更有現(xiàn)實(shí)意義。盡管如此,以往研究多注重NDVI的時(shí)間變化特征,尤其是整體上升或下降的變化趨勢(shì)及其空間分布,而對(duì)NDVI空間特征向量或者說(shuō)空間模態(tài)變化規(guī)律的相關(guān)研究卻不多。事實(shí)上,NDVI空間模態(tài)變化規(guī)律對(duì)于了解流域植被覆蓋狀況、生態(tài)水文變化過(guò)程、開(kāi)展區(qū)域生態(tài)環(huán)境保護(hù)與治理具有重要的意義[1,10]。經(jīng)驗(yàn)正交函數(shù)分解法(Empirical Orthogonal Function,EOF)能夠刻畫(huà)要素(如降水)場(chǎng)的空間分布特點(diǎn),反映不同區(qū)域之間的空間變化關(guān)系,而且分解的空間結(jié)構(gòu)多具有明確的物理意義[11],已被廣泛用于氣象水文分析領(lǐng)域[12]。因此,本研究擬采用EOF方法研究區(qū)域NDVI變化情況,揭示區(qū)域NDVI空間模態(tài)變化規(guī)律。

淮河流域地處中國(guó)南北氣候過(guò)渡帶,自然植被分布具有明顯的地帶性特點(diǎn),研究該流域植被覆蓋的變化特征,對(duì)于當(dāng)?shù)厣鷳B(tài)環(huán)境的保護(hù)與改善、自然資源的合理利用具有重要的意義?？v觀現(xiàn)有研究成果,對(duì)淮河流域植被覆蓋的研究多集中在流域整體尺度NDVI的變化規(guī)律及其影響因子上[13],而且植被數(shù)據(jù)較為陳舊,對(duì)流域不同子流域NDVI空間模態(tài)變化特征的研究也較少。因此,本文選取淮河流域?yàn)榈湫脱芯繉?duì)象,擬在淮河流域1999—2018年的NDVI時(shí)間序列的基礎(chǔ)上,采用Mann-Kendall(MK)趨勢(shì)檢驗(yàn)法和EOF法,研究該流域不同時(shí)間尺度上植被覆蓋的變化趨勢(shì)和空間模態(tài)演變特征,以期為流域植被分布特征、生態(tài)環(huán)境保護(hù)等提供參考。

1 研究區(qū)概況

淮河流域位于中國(guó)東部,地處111°55′～121°20′E,30°55′～36°20′N(xiāo),西起桐柏山、伏牛山,東臨黃海,南部與長(zhǎng)江流域接壤,北部與黃河流域相鄰,流域總面積為27萬(wàn)km2。流域總體屬于暖溫帶半濕潤(rùn)季風(fēng)氣候區(qū),春冬干旱少雨,夏秋悶熱多雨,冷暖、旱澇轉(zhuǎn)變劇烈。流域上中游主要的植被類(lèi)型為亞熱帶落葉闊葉林,流域農(nóng)作物多為雙季水稻、油菜、豌豆、小麥等。

本文研究區(qū)域?yàn)榛春尤饔?淮河流域2013年土地利用類(lèi)型見(jiàn)圖1,數(shù)據(jù)來(lái)源于中國(guó)科學(xué)院資源環(huán)境科學(xué)與數(shù)據(jù)中心網(wǎng)站(https://www.resdc.cn/)。同時(shí),為了明晰淮河流域各子流域的植被覆蓋變化特征,將淮河流域劃分為4個(gè)子流域:上游、中游、下游和沂沭泗水地區(qū)。

圖1 淮河流域土地利用類(lèi)型及其4個(gè)子流域

2 數(shù)據(jù)與研究方法

2.1 數(shù)據(jù)來(lái)源與處理

NDVI數(shù)據(jù)主要來(lái)源于中國(guó)科學(xué)院資源環(huán)境科學(xué)與數(shù)據(jù)中心網(wǎng)站(https://www.resdc.cn/)提供的月植被空間分布數(shù)據(jù)集(1999—2018年)。數(shù)據(jù)空間分辨率為1 km,是基于連續(xù)時(shí)間序列的SPOT/VEGETATION NDVI衛(wèi)星遙感數(shù)據(jù),采用最大值合成法生成的月度(1—12月)植被數(shù)據(jù)集[14]。該數(shù)據(jù)集質(zhì)量良好,應(yīng)用廣泛?；贏rcGIS軟件平臺(tái)和Python編程語(yǔ)言等對(duì)數(shù)據(jù)集進(jìn)行了批量格式轉(zhuǎn)換、裁剪等處理工作。

2.2 研究方法

MK法是一種應(yīng)用范圍很廣的非參數(shù)趨勢(shì)檢驗(yàn)方法,具體可見(jiàn)文獻(xiàn)[15],此處不再贅述。采用MK趨勢(shì)檢驗(yàn)法分析淮河流域NDVI的變化趨勢(shì)時(shí),置信水平取95%。此外,采用Sen趨勢(shì)估計(jì)法[16]計(jì)算了淮河流域NDVI序列的線性傾向率。

對(duì)某一物理量X進(jìn)行采樣研究,采樣的空間點(diǎn)數(shù)量為m,時(shí)間點(diǎn)數(shù)量為n。建立該物理量的樣本矩陣Xm×n=[X1,X2,…,Xn],其中X的第j個(gè)真實(shí)空間場(chǎng)為Xj=[x1j,x2j,…,xmj]T,xij(i=1～m,j=1～n)表示在第i空間點(diǎn)、第j時(shí)間點(diǎn)對(duì)X的采樣值。結(jié)合物理量X,闡述EOF法[14]的步驟如下。

a)對(duì)矩陣Xm×n進(jìn)行距平化處理,得到樣本距平矩陣A:

(1)

其中aij為xij的距平化值,即:

(2)

式中xik——在第i空間點(diǎn)、第k時(shí)間點(diǎn)對(duì)X的采樣值。

b)計(jì)算矩陣A與其轉(zhuǎn)置矩陣AT的交叉積,得到協(xié)方差矩陣C:

(3)

c)計(jì)算矩陣C的特征根λj(j=1～m,λ1>λ2>…>λm)和對(duì)應(yīng)特征向量Vj(即X的第j個(gè)空間模態(tài))所構(gòu)成的矩陣V=[V1,V2,…,Vm],其中Vj=[v1i,v2i,…,vmi]T,vij(i=1～m,j=1～m)表示Vj的第i個(gè)元素。矩陣C與V滿足:

C×V=V×Λ

(4)

其中Λ為對(duì)角矩陣,即:

(5)

d)計(jì)算空間模態(tài)Vj的方差貢獻(xiàn)率δj,確定物理量X的主要空間模態(tài):

(6)

由式(6)可知:δj越大,空間模態(tài)Vj的重要性越突出。

e)檢驗(yàn)主要空間模態(tài)之間差異的顯著性。為了判斷空間模態(tài)是隨機(jī)的噪聲還是有物理意義的信號(hào),需要進(jìn)行顯著性檢驗(yàn)。利用North法[16]對(duì)特征值的誤差范圍進(jìn)行顯著性檢驗(yàn),在95%置信度水平下的特征根誤差為:

(7)

式中 Δλi——特征值λi的誤差范圍,i=1～m。

由式(7)計(jì)算各特征值的誤差范圍,若某一特征值的誤差范圍與其前后特征值的誤差范圍沒(méi)有交集,則對(duì)應(yīng)的空間模態(tài)通過(guò)差異顯著性檢驗(yàn),即該空間模態(tài)是有物理意義的。

本研究采用EOF法研究淮河流域NDVI空間變化特征,選取方差貢獻(xiàn)率大于20%的空間模態(tài)作為淮河流域NDVI的主要模態(tài),在95%置信水平下檢驗(yàn)各主要模態(tài)差異的顯著性。

3 結(jié)果與討論

3.1 淮河流域NDVI的時(shí)間變化特征

淮河全流域及各子流域1999—2018年月NDVI的多年平均值見(jiàn)圖2。由圖2可知,淮河全流域及各子流域月NDVI的多年平均值變化均呈M形。就淮河全流域而言,月NDVI的峰值分別出現(xiàn)在4月(0.65)和8月(0.74),雙峰之間的谷值出現(xiàn)在6月份(0.46)。具體而言,淮河流域2—4月春季來(lái)臨,植被生長(zhǎng)迅速,月NDVI值快速增加;5—6月第一茬小麥和水稻開(kāi)始收割,月NDVI值明顯減少,并在6月下降至谷值;7—8月第二茬水稻、夏玉米等糧食作物生長(zhǎng),月NDVI值開(kāi)始恢復(fù)并進(jìn)一步增加,在8月達(dá)到第2個(gè)峰值;自9月步入秋冬季節(jié)后,隨著第二茬糧食作物的收割,全流域月NDVI值再次下降。由此可見(jiàn),淮河全流域月NDVI的變化受該流域作物熟制的重要影響,這與嚴(yán)四英等[17]研究的結(jié)果一致。

圖2 淮河流域1999—2018年月NDVI的多年平均值

由圖2還可以得出,月NDVI均值由大到小依次為上游、中游、下游和沂沭泗水地區(qū),這種均值差異跟各子流域的植被類(lèi)型特征密切相關(guān)。具體而言,淮河流域上、中游地區(qū)林地較多,而沂沭泗水地區(qū)的丘陵地貌較多、巖體占比大而植被少[18]。此外,從雙峰之間的谷值來(lái)看,上游月NDVI變化幅度最小,中、下游變化幅度最大。月NDVI變化幅度的差異主要是因?yàn)樯嫌无r(nóng)田占比相對(duì)較少,受作物熟制影響較小,而中下游地區(qū)絕大多數(shù)的土地覆蓋類(lèi)型為農(nóng)田,受作物熟制影響較大[18]。

淮河全流域及各子流域春季(3—5月)、夏季(6—8月)、秋季(9—11月)、冬季(12月至次年2月)和年度NDVI的變化過(guò)程見(jiàn)圖3。由圖3可以看出,淮河全流域及各子流域春季、夏季、秋季和冬季NDVI的數(shù)值分別位于0.46～0.68、0.54～0.75、0.40～0.60和0.20～0.48范圍內(nèi),夏季NDVI最高,冬季NDVI最小。此外,淮河流域年度NDVI的數(shù)值位于0.42～0.58范圍內(nèi),其中上、中游NDVI最大,沂沭泗水地區(qū)NDVI最小。

圖3 淮河流域各季節(jié)和年度NDVI過(guò)程

淮河全流域及各子流域春、夏、秋、冬季和年度NDVI的變化趨勢(shì)見(jiàn)表1。由表1可知,除植被生長(zhǎng)緩慢的冬季外,淮河流域四季NDVI總體呈顯著上升趨勢(shì)。在4個(gè)子流域中,僅下游夏、冬季NDVI呈不顯著下降趨勢(shì),而其他子流域四季NDVI均呈上升趨勢(shì),尤其是春秋兩季,多為顯著上升趨勢(shì)?；春酉掠闻c其他子流域存在差異的主要原因是:下游耕地面積占比較高,且多為水旱兩熟連作作物,夏冬兩季NDVI變化規(guī)律易作物熟制影響[18]。此外,淮河流域(除下游以外)年度NDVI均呈顯著上升趨勢(shì),年度NDVI線性傾向率由大到小依次為上游(0.05/10a)、中游(0.04/10a)、沂沭泗水地區(qū)(0.02/10a)和下游(0.01/10a)。

表1 淮河流域各季節(jié)和年度NDVI的變化趨勢(shì)

總體上,淮河流域NDVI時(shí)間序列在1999—2018年呈持續(xù)增加態(tài)勢(shì),這和當(dāng)前“全球變綠(Global Greening)”[1,17]的研究結(jié)果是一致的。盡管有研究表明,全球氣候變暖中大氣中的二氧化碳增加能夠讓植物生長(zhǎng)得更加旺盛,但是人類(lèi)活動(dòng)尤其是植樹(shù)造林、退耕還林還草的貢獻(xiàn)也是不可忽略的[1]。結(jié)合淮河流域近20 a退耕還林以及其他水土保持措施的實(shí)施情況,可知國(guó)家相關(guān)政策的實(shí)施在淮河流域植被恢復(fù)與生態(tài)保護(hù)工作中取得了較好的成效[19]。

3.2 淮河流域NDVI空間變化特征

將淮河4個(gè)子流域1999—2018年NDVI和四季NDVI集,按照(子流域×年份)的形式組成5個(gè)4×20數(shù)據(jù)矩陣,然后對(duì)這5個(gè)矩陣進(jìn)行EOF分解,獲得年和季節(jié)NDVI的主要空間模態(tài)。

淮河流域年NDVI的空間模態(tài)見(jiàn)表2。由表2可知,淮河流域年NDVI第一個(gè)特征向量的方差貢獻(xiàn)率達(dá)到72.1%,第二個(gè)特征向量的方差貢獻(xiàn)率達(dá)到22.8%,兩者累計(jì)方差貢獻(xiàn)率達(dá)到了94.9%,且兩者的誤差范圍沒(méi)有交疊。因此,第一和第二模態(tài)代表了淮河流域年NDVI的主要空間變化特征。

表2 淮河流域年NDVI的空間模態(tài)

淮河流域年NDVI的第一、二模態(tài)見(jiàn)圖4。由圖4a可知,第一模態(tài)特征向量值均為正值,表明淮河子流域近20 a植被覆蓋變化一致,呈現(xiàn)同增同減的分布模式。特征向量高值中心位于上游,次高值中心位于沂沭泗水地區(qū),中游地區(qū)為低值中心,說(shuō)明上游與沂沭泗水地區(qū)NDVI變化幅度較大,中游和下游地區(qū)的NDVI變化幅度較小。由圖4b可知,第二模態(tài)特征向量值大致以上中游交界處為界,東部為負(fù)值區(qū),西部為正值區(qū)。其中,正值中心出現(xiàn)在淮河流域上游區(qū)域,負(fù)值中心出現(xiàn)在下游區(qū)域,特征向量值從內(nèi)陸向沿海不斷減小,表明淮河流域植被覆蓋狀況是由內(nèi)陸向沿海遞減,這和實(shí)際情況是相符的。

a)模態(tài)一空間分布

b)模態(tài)二空間分布圖4 淮河流域年NDVI第一、二模態(tài)

淮河流域四季NDVI的主要模態(tài)見(jiàn)表3。由表3可知,淮河流域春、夏、秋季NDVI只有第一個(gè)特征向量的方差貢獻(xiàn)率都超過(guò)了20%,因此第一模態(tài)代表了3個(gè)季節(jié)NDVI的空間分布特征?；春恿饔蚨綨DVI有2個(gè)特征向量的方差貢獻(xiàn)率超過(guò)20%,累積方差貢獻(xiàn)率達(dá)到91.2%,而且兩者誤差范圍無(wú)重合區(qū)間。因此,第一、第二模態(tài)代表了淮河流域冬季NDVI的空間分布特征。

表3 淮河流域季節(jié)NDVI變化的主要空間模態(tài)

淮河流域四季NDVI的第一模態(tài)見(jiàn)圖5。總體而言,淮河流域四季NDVI變化一致,呈現(xiàn)同增同減的空間分布模式。高值中心一般都位于上游,低值中心多位于中下游地區(qū),特征向量值由西向東呈遞減趨勢(shì),說(shuō)明上游地區(qū)NDVI變化幅度較大,中下游地區(qū)的NDVI變化幅度較小,植被覆蓋度由內(nèi)陸向沿海變化逐漸降低。

a)春季

b)夏季圖5 淮河流域四季NDVI的第一模態(tài)

c)秋季

d)冬季續(xù)圖5 淮河流域四季NDVI的第一模態(tài)

淮河流域冬季NDVI第二模態(tài)見(jiàn)圖6?；春恿饔蚨綨DVI第二模態(tài)的特征向量值有正有負(fù),西部和東北部為負(fù)值區(qū),中部和東部為正值區(qū)。其中,負(fù)值中心出現(xiàn)在淮河流域上游區(qū)域,正值中心出現(xiàn)在中游區(qū)域,特征向量值從內(nèi)陸向沿海依次減小,反映出淮河流域冬季NDVI變化是由內(nèi)陸向沿海遞減的。

圖6 淮河流域冬季NDVI的第二模態(tài)

4 結(jié)論

基于1999—2018年NDVI時(shí)間序列,采用MK趨勢(shì)檢驗(yàn)法和EOF法分析了淮河流域植被覆蓋時(shí)空演變規(guī)律。

a)受流域作物熟制影響,淮河流域月NDVI的多年平均值整體呈M狀。由于植被類(lèi)型不同,淮河子流域NDVI的均值和變化幅度都存在一定的差異。

b)除植被生長(zhǎng)緩慢的冬季外,淮河流域四季NDVI總體呈顯著上升趨勢(shì)。在農(nóng)田面積占比較多的下游,夏、冬兩季NDVI呈不顯著下降趨勢(shì),而在淮河其他子流域,四季NDVI均呈上升趨勢(shì),尤其是春、秋兩季,多為顯著上升趨勢(shì)。

c)淮河流域年NDVI總體呈顯著上升趨勢(shì),和全球變綠的趨勢(shì)是一致的,同時(shí)也表明近20年來(lái)退耕還林及其他水土保持措施,在淮河流域植被恢復(fù)與生態(tài)保護(hù)工作取得較好的成效。

d)淮河流域NDVI空間模態(tài)分布整體上同增同減,東部與西部差異較大的形式。且上游NDVI變化幅度較大,中、下游NDVI變化幅度較小,植被覆蓋度由內(nèi)陸向沿海逐漸降低。