2001～2020年嘉陵江流域植被覆蓋度時空變化特征

胡孟珂 于歡 孔博 熊梓璇 徐濤

摘要：植被覆蓋度是反映一個地區生態系統健康程度的重要指標，掌握植被覆蓋度變化特征有助于了解地區生態環境演變，對于指導地區可持續發展具有重要意義?；贛ODIS-NDVI數據，應用像元二分模型進行植被覆蓋度提取，采用一元線性回歸分析、穩定性分析和GIS空間分析等方法分析了2001～2020年嘉陵江流域植被覆蓋度時空變化特征。結果表明：① 2001～2020年嘉陵江流域的植被覆蓋度總體上呈現上升趨勢，植被覆蓋率較好，位于0.70～0.81之間。② 流域內38.05%的區域植被保持穩定不變，呈現改善狀態的區域占44.69%，主要為東南部低海拔地區和隴南地區，呈現退化的區域占17.26%，主要為高海拔地區和城市周邊區域。流域內植被穩定性大部分為弱變異，中等變異區與河流相關性較高，強變異區分布于城市地區和高山雪線附近。③ 在500～1 000 m海拔范圍內，植被改善比例達到最大，在3 000～4 000 m海拔范圍內，植被的退化比例最大。植被改善主要的坡度范圍為0°～18°，但在0°～5°范圍內植被退化的比例較大。隨著坡度的不斷升高，植被的退化比例逐漸升高，改善比例逐漸下降。植被覆蓋度變化的坡向差異不大，各個坡向基本一致，以穩定和改善為主。④ 礦產開發、城市擴張、農業種植等人類活動是導致植被破壞的重要原因。研究表明，近20 a來嘉陵江流域生態環境逐漸向著良性的方向發展。研究成果可幫助相關部門構建嘉陵江流域生態保護屏障，為流域生態環境綜合監測和治理提供科學依據。

關 鍵 詞：植被覆蓋度; 時空變化; NDVI; 像元二分模型; 嘉陵江流域

中圖法分類號： Q948 ? 文獻標志碼： A

DOI：10.16232/j.cnki.1001-4179.2022.01.013

0 引 言

植被覆蓋度（Fractional Vegetation Cover，FVC）指植被在地面的垂直投影面積占統計區總面積的比例[1-3]。環境變化、人類活動、自然災害等因素都會引起植被覆蓋度的變化。植被覆蓋度在反映地區表面植被群落生長趨勢，評價地區生態環境健康程度，及指示地區生態環境系統變化中具有十分重要的意義[4]。因此研究一個區域的植被覆蓋度變化特征有利于掌握一個區域的水文、生態、環境變化等情況[5-6]。

歸一化植被指數[7-8]（Normalized Difference Vegetation Index，NDVI）是反映植被長勢和營養信息的重要參數之一，且與植被覆蓋度有高度相關性。目前，國內外應用廣泛、技術成熟的提取植被覆蓋度的模型是像元二分模型，它是一種基于NDVI對植被覆蓋度進行提取的模型，研究表明像元二分模型提取植被覆蓋度可靠性較高[3-6]。王磊等利用多年遙感數據分析了南充市轄區近15 a植被覆蓋度變化特征[3]。鄧晨暉等在秦嶺植被覆蓋度時空變化的研究中得出秦嶺地區植被變化是氣候變化和人類活動共同作用的結果，但其中人類活動的影響最大[4]。許玉鳳等基于2000～2014年NDVI時間序列數據集，應用像元二分模型，研究了15 a來貴州省高原植被覆蓋度時空變化特征[9]。劉洪鵠等利用線性相關分析方法分析了1981～2006年嘉陵江流域植被覆蓋度時空變化[10]。俱戰省等利用Landsat遙感數據研究了1987～2015年嘉陵江源區植被覆蓋度時空變化特征，研究表明研究區植被改善面積多于退化面積，礦產資源的開采對于植被的影響較大[11]。楊瑞瑞等基于NDVI數據集，采用相關性分析、趨勢分析和滯后性分析方法分析了若爾蓋地區植被覆蓋度與氣候因子的相關關系[12]。吳志杰等以Landsat8 OLI為遙感數據源，評價了植被覆蓋度對地形因子的響應[13]。彭飛等在研究呼倫貝爾草原植被覆蓋度時空變化特征時應用了異常變化點檢測算法，結合氣象數據，深入研討了氣象因子與植被覆蓋度變化之間的關系[14]。張亮等在對長江流域植被覆蓋度變化進行研究后發現，整個長江流域植被覆蓋度都呈現出上升趨勢，氣溫是所有因素中的主導因素[15]。1999年退耕還林工程率先在川、陜、甘三省試點，嘉陵江流域地處三省交界處，但有關嘉陵江流域近20 a來植被變化趨勢的研究卻很少。有些研究針對的是嘉陵江部分區域，研究范圍太小，不足以反映整個流域的情況;另一些研究因時段較短（退耕還林工程實施以來），也不足以反映長期的變化情況。

本文以整個嘉陵江流域為研究區，利用像元二分模型，結合MODIS遙感影像數據對嘉陵江流域的植被覆蓋度進行估算;并應用趨勢分析法、穩定性分析法、GIS空間分析技術等，分析了2001～2020年植被覆蓋度時空變化特征及其對地形因子的響應，以為流域生態環境綜合監測和治理提供科學依據。

1 研究區概況

嘉陵江發源于秦嶺，因流經陜西嘉陵谷而得名，向西南流經陜西、甘肅、四川省和重慶市，于重慶市朝天門匯入長江。其流域面積約16萬km2，是長江支流中流域面積最大，流量第二的大河。發源地到廣元市昭化區以上為上游，昭化區到重慶市合川區為中游，合川區至重慶市朝天門河口為下游，河流的絕大部分流經四川盆地東北部。本文選取嘉陵江流域為研究區（見圖1），研究區為亞熱帶季風氣候，降水量年際變化大，氣候較為濕潤。流域內地貌類型較多，在上游段，河流主要在山地地形中穿行，屬于山區河流。在中游段，河道逐漸開闊，地形條件也變為盆地和丘陵。在下游段，河流流經四川盆地東部平行嶺谷區，形成峽谷河流。

2 數據來源和研究方法

2.1 數據來源

遙感數據來源于美國國家航空航天局（NASA）提供的2001～2020年MOD13Q1級柵格化的NDVI數據產品（https：∥ladsweb.modaps.eosdis.nasa.gov），時間分辨率為16 d，空間分辨率為250 m。覆蓋研究區的是三景影像數據，即h26v05，h27v05，h27v06。采用MODIS官網網站提供的MODIS Reprojection Tool（MRT）完成對原始影像的拼接和重投影等處理。為最大程度消除云、霧、大氣和非生長季的影響，選取植物生長最為旺盛的生長季（6～9月）作為研究時段，采用最大值合成法（MVC）合成生長季每月最大NDVI數據集，再將這4個月的數據進行合成平均得到年度NDVI數據集。在合成前，先篩選出質量較差的月份，再選擇相鄰年份相同月份質量較好的數據，計算得到平均值以代替該年質量較差月份的數據參與年NDVI平均值的計算。

DEM數據來源于地理空間數據云（http：∥www.gscloud.cn/）的90 m空間分辨率的SRTMDEMUTM數據，經拼接、投影、重采樣后得到空間分辨率為250 m的數據，與處理后的NDVI數據空間分辨率保持一致。嘉陵江流域矢量范圍來源于中國科學院資源環境科學數據中心（http：∥www.resdc.cn/）。

2.2 研究方法

2.2.1 植被覆蓋度估算

2.2.5 植被覆蓋度等級劃分

為更加直觀地展現近20 a來嘉陵江流域植被覆蓋度變化情況，對歷年植被覆蓋度進行等比例閾值劃分，將植被覆蓋度等級劃分為5級，具體劃分情況為：極低植被覆蓋（0≤FVC<0.2）;低植被覆蓋（0.2≤FVC<0.4）;中等植被覆蓋（0.4≤FVC<0.6）;高植被覆蓋（0.6≤FVC<0.8）;極高植被覆蓋（0.8≤FVC≤1.0）。

3 結果與分析

3.1 植被覆蓋度時間變化特征

2001～2020年嘉陵江流域植被覆蓋度總體上呈現上升趨勢（見圖2～3）。年平均植被覆蓋度在0.70～0.81之間，植被覆蓋度較好，最低出現在2001年，2020年到達峰值。從變化趨勢來看，2001～2013年間植被覆蓋度整體上呈現明顯的上升趨勢，但在2006年和2011年出現低谷。其原因在于：2006年夏季川渝地區發生了歷史罕見的旱災，降水量減少直接影響到植物生長，導致該年植被覆蓋度出現低谷[25];2011年嘉陵江流域先后遭遇了3次暴雨，暴雨引起的洪水以及帶來的次生災害，如水土流失、土壤鹽堿化、滑坡等導致了該年植被覆蓋減少[26]。2012～2013年間，被破壞的植被逐漸恢復到了被破壞前的狀態。2013～2018年，植被覆蓋度呈現出平緩的下降趨勢，這與該時段內較快的經濟和社會發展有著一定的關系。2018～2020年，在政府有關生態環境保護政策的支持下，流域內植被覆蓋度出現了快速上升的趨勢。

3.2 植被覆蓋度空間變化趨勢

利用IDL 8.5軟件編程實現2001～2020年間逐像元一元線性回歸分析并對斜率進行重分類（見表3），最終得到近20 a來嘉陵江流域植被覆蓋度變化趨勢圖和顯著性檢驗圖（見圖4）。

從變化程度來看，嘉陵江流域38.05%的區域植被覆蓋度保持穩定。1999年川陜甘3省率先啟動“退耕還林、荒山造林”工程，工程實施20 a以來，流域內39.48%的區域呈現改善狀態，分布于東南部海拔較低的區域，這些區域水熱條件優越，因此植被長勢好。明顯改善的區域占5.21%，主要分布于流域北部的隴南地區，隴南地區退耕還林成果十分顯著，植被覆蓋度明顯提高。退化的區域多為高海拔地區，占16.29%。高海拔地區的氣溫、降水等條件較為惡劣，這是影響植被生長，造成植被退化的原因。嚴重退化區域占0.97%，點狀分布于各個城市群周邊，由此可見城市的快速擴張對其周邊的植被造成了嚴重的破壞。從變化顯著性來看，呈現增長趨勢的區域占總面積的44.69%，其中43.12%的區域通過了顯著性水平為0.05的檢驗，表現為顯著改善;呈現退化趨勢的區域占總面積的17.26%，其中2.97%的區域通過了顯著性水平為0.05的檢驗，表現為顯著退化。鄧元杰等[29]分析了1995～2015年長江中上游NDVI時空變化，研究表明植被覆蓋度顯著增加的區域包括嘉陵江流域，與本節分析結果相符。

3.3 植被覆蓋度穩定性分析

經分析與統計，嘉陵江流域2001～2020年植被覆蓋度穩定性（見圖5）表現為：① 流域內弱變異區占比為82.82%，植被覆蓋度比較穩定。② 中等變異區占比為16.98%，呈現出明顯的沿河流分布的特征，這與嘉陵江及其支流年際流量變化有一定的關系。流域北部的隴南地區退耕還林成果十分顯著，也表現為中等變異。③ 強變異區的占比很小，總和僅為0.20%，分布于各個城市建成區的附近，以川東地區和重慶市區最為顯著。還有一部分強變異區域位于高山山頂的雪線附近，呈點狀和環狀分布。雪線的變化也會引起附近植被的變化。

3.4 植被覆蓋度時空變化對地形因子的響應

3.4.1 植被覆蓋度對海拔的響應

將植被覆蓋度變化趨勢與海拔數據進行疊加分析后，得到植被變化與海拔的關系（見圖6）。從統計數據來看，在500～1 000 m海拔范圍內，植被改善比例最大，約為58.64%，由于這一區域海拔較低而且人類活動較少，再加之國家有關“退耕還林，荒山造林”政策，因此在這一區域植被的改善最為明顯。在3 000～4 000 m海拔范圍內，植被的退化比例最大，約為34.09%。在500～4 000 m海拔范圍內，隨著海拔的升高，植被的退化比例也不斷升高，改善的比例不斷下降，說明隨著海拔的升高，高海拔地區低溫、降水少的氣候環境對植物的生長造成了負面影響。在海拔低于500 m的范圍內，人類活動較多，經濟社會發展對植被的生長造成了很大的影響。研究區內，海拔高于4 000 m的區域相對較少，但是也明顯表現出高海拔區域植被變化特征，即處于穩定狀態的植被占比最大，植被退化的比例高于改善的比例。

3.4.2 植被覆蓋度對坡度的響應

將植被覆蓋度變化趨勢與坡度數據進行疊加分析后，得到植被變化與坡度的關系（見圖7）。從統計數據可以看出，植被改善主要的范圍為0°～18°，由于退耕還林政策的實施，林業資源得到了很好的保護，因此植被生長較好，得到了明顯的改善。但在0°～5°坡度范圍內植被退化占比較大，此區域為人類活動的主要區域，人類的生產生活幾乎都在該區域開展，所以植被受到人類影響較大，退化較為嚴重。隨著坡度的不斷升高，植被的退化占比逐漸升高，改善比例逐漸下降。這是因為坡度升高使得坡面積溫較少、單位面積上的平均降水量也小、水分不容易被土壤吸收、水土流失嚴重，所以植被退化面積比例有所上升[27-28]。

3.4.3 植被覆蓋度對坡向的響應

將植被覆蓋度變化趨勢與坡向數據進行疊加分析后，得到植被變化與坡向的關系（見圖8）。從統計數據可以看出，植被覆蓋度變化的坡向差異較小，各個坡向基本一致，以穩定和改善為主，退化的比例只占到了17%左右。這說明在嘉陵江流域植被覆蓋度的變化受坡向的影響較小。原因在于：雖然陽坡接收到的太陽輻射較多，但水分蒸發量也較大;陰坡接收太陽輻射少，但土壤濕潤，土壤腐殖質含量高，農業種植與其他人類活動也多在陽坡。多種效應相互抵消使得坡向對植被覆蓋度的影響不明顯[28-29]。

3.5 人類活動對植被覆蓋度變化的影響

已有學者的研究表明，人類的活動是影響植被變化的重要因素[4，11，30-32]。嘉陵江流域礦產資源豐富，以煤礦、鐵礦為主，煤礦主要分布于華鎣山地區和大巴山地區。鐵礦主要分布于涪江流域，據最新探測結果顯示：平武境內鐵礦估量5億～6億t。礦產資源一般位于植被較為豐富的山區，由于礦產露天開采、礦物棄渣、修建進場道路等原因，大量的地表植被遭到破壞。礦區內水土流失嚴重，即使停止開采活動，植被也難以恢復（見圖9（a））。隨著經濟社會的不斷發展，城市建設和擴張也在加速，為增加新的居住用地或修建工業設施，植被也會遭到破壞[33]（見圖9（b））。此外，開墾農業用地也會破壞大片森林、灌木叢和草地，造成人類居民點附近的植被覆蓋度下降，雖然近20 a“退耕還林、荒山造林”政策取得了很好的成效，但是相關部門仍需繼續貫徹落實相關規定，盡量減少人類活動對于植被的影響（見圖9（c））。

4 結 論

本文結合MODIS-NDVI數據、DEM數據等，運用像元二分模型估算了2001～2020年嘉陵江流域的植被覆蓋度，并進一步采用一元線性回歸分析、穩定性分析和GIS空間分析等方法分析了20 a來嘉陵江流域植被覆蓋度空間變化特征，可以得出以下結論：

（1） 在時間上，2001～2020年嘉陵江流域的植被覆蓋度總體上呈現上升趨勢，植被覆蓋率較好，位于0.70～0.81之間。2006，2011年受到自然災害影響，植被覆蓋度有所下降。2013～2018年受人類活動影響，植被覆蓋度緩慢下降。2018～2020年，在國家保護生態政策的支持下，植被覆蓋度呈現上升的趨勢。

（2） 在空間上，流域內38.05%的區域植被覆蓋度保持穩定不變，呈現改善狀態的區域占44.69%，主要為東南部低海拔地區和隴南地區，呈現退化的區域占17.26%，主要為高海拔地區和城市周邊區域。流域內植被穩定性大多為弱變異，中等變異區與河流相關性較高，強變異區主要分布于城市地區和高山雪線附近。

（3） 在植被覆蓋度變化對地形因子的響應上，500～1 000 m海拔范圍內，植被改善比例達到最大，3 000～4 000 m海拔范圍內，植被的退化比例最大。植被改善主要的坡度范圍為0°～18°，但在0°～5°范圍內植被退化的比例較大。隨著坡度的不斷升高，植被的退化占比逐漸升高，改善比例逐漸下降。植被覆蓋度變化的坡向差異不大，各個坡向基本相同，以穩定和改善為主，退化的比例只占到了17%左右。

（4） 礦產開發、城市擴張、農業種植等人類活動也是導致植被退化的重要原因，建議相關部門加大監管力度，保護生態環境免遭破壞。

參考文獻：

[1] CARLSON T N，RIPLEY D A.On the relation between NDVI，fractional vegetation cover，and leaf area index[J].Remote Sensing of Environment，1997，62（3）：241-252.

[2] 符靜，秦建新，張猛，等.2001～2013年洞庭湖流域植被覆蓋度時空變化特征[J].地球信息科學學報，2016，18（9）：1209-1216.

[3] 王磊，王杰，付林，等.南充市轄區近15年植被覆蓋度變化特征[J].生態科學，2019，38（1）：159-167.

[4] 鄧晨暉，白紅英，高山，等.秦嶺植被覆蓋時空變化及其對氣候變化與人類活動的雙重響應[J].自然資源學報，2018，33（3）：425-438.

[5] PIAO S，WANG X，CIAIS P，et al.Changes in satellite-derived vegetation growth trend in temperate and boreal Eurasia from 1982 to 2006[J].Global Change Biology，2011，17（10）：3228-3239.

[6] JIAN P，LIU Z，LIU Y，et al.Trend analysis of vegetationdynamics in Qinghai-Tibet Plateau using Hurst Exponent[J].Ecological Indicators，2012，14（1）：28-39.

[7] GILLIES R R，KUSTAS W P，HUMES K S.A verification of the " triangle" method for obtaining surface soil water content and energy fluxes from remote measurements of the Normalized Difference Vegetation Index（NDVI）and surface radiant temperature[J].International Journal of Remote Sensing，1997，18（15）：3145-3166.

[8] 齊亞霄，張飛，陳瑞，等.2001～2015年天山北坡植被覆蓋動態變化研究[J].生態學報，2020，40（11）：3677-3687.

[9] 許玉鳳，陳發輝，傅良同.近15年貴州高原植被變化時空格局分析[J].西部林業科學，2019，48（1）：1-6.

[10] 劉洪鵠，張平倉，劉憲春，等.嘉陵江流域植被覆蓋時空變化特征[J].長江流域資源與環境，2011，20（1）：111-115.

[11] 俱戰省，楊青森，邢培茹.1987～2015年嘉陵江源區植被覆蓋度時空變化特征[J].地球與環境，2020，48（4）：452-460.

[12] 楊瑞瑞，易桂花，張廷斌，等.2000～2015年若爾蓋地區植被覆蓋度變化及氣候因子驅動分析[J].草業科學，2018，35（12）：2822-2835.

[13] 吳志杰，何國金，黃紹霖，等.南方丘陵區植被覆蓋度遙感估算的地形效應評估[J].遙感學報，2017，21（1）：159-167.

[14] 彭飛，范聞捷，徐希孺，等.2000～2014年呼倫貝爾草原植被覆蓋度時空變化分析[J].北京大學學報（自然科學版），2017，53（3）：563-572.

[15] 張亮，丁明軍，張華敏，等.1982～2015年長江流域植被覆蓋度時空變化分析[J].自然資源學報，2018，33（12）：2084-2097.

[16] 李卓，孫然好，張繼超，等.京津冀城市群地區植被覆蓋動態變化時空分析[J].生態學報，2017，37（22）：7418-7426.

[17] 趙明偉，王妮，施慧慧，等.2001～2015年間我國陸地植被覆蓋度時空變化及驅動力分析[J].干旱區地理，2019，42（2）：324-331.

[18] 楊旭超，張軍，李杰，等.呈貢區近30年植被覆蓋度時空變化特征與土地利用驅動[J].水土保持研究，2019，26（4）：232-238.

[19] 王君，楊曉梅，隋立春，等.西安市1995～2016年植被覆蓋度動態變化監測及景觀格局分析[J].生態科學，2019，38（6）：81-91.

[20] LI P，HE Z W，HE D，et al.Fractional vegetation coverage response to climatic factors based on grey relational analysis during the 2000-2017 growing season in Sichuan Province，China[J].International Journal of Remote Sensing，2019，41（3），1170-1190.

[21] 王瑞杰，閆峰.2000～2018年西北砒砂巖區植被覆蓋度與地形效應[J].應用生態學報，2020，31（4）：1194-1202.

[22] 陳桃，包安明，何大明.基于MODIS NDVI的攀枝花市植被覆蓋變化及其驅動力[J].長江流域資源與環境，2018，27（8）：1847-1857.

[23] 吳志杰，何國金，黃紹霖，等.南方丘陵區植被覆蓋度遙感估算的地形效應評估[J].遙感學報，2017，21（1）：159-167.

[24] 呂華麗.長江流域植被覆蓋變化及其驅動力因子研究[D].武漢：華中農業大學，2012.

[25] 2006年全國旱災情況[J].中國減災，2007（2）：8-9.

[26] 國家防洪抗旱總指揮部辦公室.2011年全國洪澇災害情況[J].中國防汛抗旱，2012，22（1）：26.

[27] 蔡宏，何政偉，安艷玲，等.基于RS和GIS的赤水河流域植被覆蓋度與各地形因子的相關強度研究[J].地球與環境，2014，42（4）：518-524.

[28] 程圣東，李占斌，魯克新，等.文安驛流域植被覆蓋度時空分異及其與地貌因子關系研究[J].西安理工大學學報，2011，27（2）：145-150.

[29] 鄧元杰，姚順波，侯孟陽，等.長江流域中上游植被NDVI時空變化及其地形分異效應[J].長江流域資源與環境，2020，29（1）：66-78.

[30] 李文龍，薛中正，郭述茂，等.基于3S技術的瑪曲縣草地植被覆蓋度變化及其驅動力[J].蘭州大學學報（自然科學版），2010，46（1）：85-90，95.

[31] 李微，宋鑫，劉偉男，等.大連市植被覆蓋度時空變化研究[J].遼寧師范大學學報（自然科學版），2019，42（1）：93-98.

[32] 祝聰，彭文甫，張麗芳，等.2006～2016年岷江上游植被覆蓋度時空變化及驅動力[J].生態學報，2019，39（5）：1583-1594.

[33] SICILIANO G.Urbanization strategies，rural development and land use changes in China：a multiple-level integrated assessment[J].Land Use Policy，2012，29（1）：165-178.

（編輯：黃文晉）