人類活動影響下安徽省植被指數時空變化分析

魏圓圓 孫守剛 梁 棟 賈兆紅

(1.安徽大學互聯(lián)網學院, 合肥 230039；2.安徽大學農業(yè)生態(tài)大數據分析與應用技術國家地方聯(lián)合工程研究中心, 合肥 230601)

0 引言

植被聯(lián)結了水體、空氣、土壤等自然地理環(huán)境，是維持陸地生態(tài)系統(tǒng)的主要組成部分。隨著遙感技術的研究與發(fā)展，研究人員對紅光和紅外波段進行組合并定義了40多種植被指數[1-3]。其中，歸一化植被指數(Normalized difference vegetation index,NDVI)是表征植被覆蓋和生長狀況的重要指標,常用于指示植被的數量特征、監(jiān)測植被季節(jié)變化和生態(tài)系統(tǒng)質量評價[4-8]等。

目前，多位學者已經對我國眾多地區(qū)植被指數時空變化特征展開了深入研究。崔利芳等[9]研究了長江流域氣溫、降水量和植被NDVI變化特征，結果表明1982—2015年流域NDVI呈顯著增加趨勢，NDVI與氣溫的相關性較高,而與降水量的相關性并不顯著；許敏等[10]利用植被指數產品(MOD13A3)對安徽省植被覆蓋度進行研究，結果表明2000—2014年研究區(qū)內植被覆蓋度整體呈增長趨勢；何彬方等[11]基于MODIS (Moderate-resolution imaging spectroradiometer)數據對2000—2009年安徽省植被時空變化的研究結果表明，安徽省年平均NDVI趨勢總體增加，但空間分布上有差異；徐光來等[12]基于2000—2016年MODIS數據探討了安徽省NDVI時空變化與氣象因子的關系，結果表明安徽省NDVI呈顯著增加趨勢，各類植被月均NDVI與氣溫或降水具有相關性；汪小欽等[13]利用Landsat系列遙感數據基于TAVI對長汀縣1988—2013年5個時期的植被覆蓋度進行分析，結果表明長汀縣植被覆蓋情況總體良好，中高以上植被覆蓋度區(qū)域占全縣面積的65%以上；劉惠敏等[14]以MODIS和AVHRR衛(wèi)星資料為主要數據源，針對安徽省淮北平原、大別山區(qū)進行數值對比及特點分析，結果表明相同覆被類型對應的兩個衛(wèi)星日值之間具有較好的相關性，但不同地表覆被NDVI波形差異明顯；陳寬等[15]應用線性趨勢分析法和地理探測器模型探討2000—2015年自然和人為因素對植被NDVI變化的影響，結果表明植被覆蓋度總體上呈增加趨勢，植被NDVI變化受土壤類型和糧食產量的交互影響最為明顯；王濤等[16]對榆林地區(qū)植被變化與人類活動響應進行研究,結果表明榆林地區(qū)NDVI減少趨勢主要和人類活動有關；文獻[17-18]對湖北省2005—2015年NDVI數據進行分析，結果表明NDVI與夜間燈光亮度呈顯著負相關，整體上人類經濟活動與NDVI呈負相關關系。以上研究大多數是基于低分辨率(空間和時間)的MODIS或AVHRR數據進行研究，采用的線性趨勢回歸方法規(guī)避誤差能力較弱；同時，利用人類活動影響因子與植被指數變化做相關分析的研究相對較少，或僅做主觀分析判斷，并未涉及影響因子的定量分析。

針對以上情況，本研究采用MOD13Q1產品NDVI數據、GDP、POP以及Land Cover網格數據作為影響因子，利用Sen+MK (Theil-Sen Median and Mann-Kendall)趨勢分析法、Hurst指數分析法、地理探測器模型，開展安徽省2006—2020年NDVI的時間變化特征、空間分布及變化特性等研究，為安徽省生態(tài)環(huán)境保護、社會經濟可持續(xù)發(fā)展提供重要參考。

1 研究區(qū)域與數據

1.1 研究區(qū)概況

安徽省位于長江三角洲地區(qū)，東經114°54′～119°37′，北緯29°41′～34°38′，總面積1.401×105km2。安徽省地形地貌復雜多樣，長江和淮河自西往東橫穿全境，將全省劃分為淮北、江淮、江南3大自然區(qū)。淮河以北地勢平坦廣闊，歸屬平原一帶。江南一帶以丘陵、山地為主，山地多呈北東向、近東西向分布。安徽省位處暖溫帶與亞熱帶氣候帶，氣候溫和，四季分明，但因季風氣候影響，降水變化明顯，常伴有旱澇等自然災害[19]。全省年平均氣溫15.49℃，平均降水量1 195.6 mm[10]。安徽省是農業(yè)大省，全省耕地面積5.5×106hm2，農作物品類豐富。

1.2 研究數據與預處理

本文遙感數據來自于美國NASA(National Aeronautics and Space Administration)的Terra/MODIS網格陸地植被數據(http:∥search.earthdata.nasa.gov/search),選用2006—2020年MOD13Q1數據產品[20]，該產品時間分辨率為16 d，空間分辨率為250 m，包括12個波段，第1波段為NDVI波段、第12波段為像元可信度波段，本文將使用以上兩個波段數據。采用-1～3標記像元可信度類型，見表1[21]。

表1 MOD13Q1像元可信度Tab.1 MOD13Q1 pixel reliability

利用MRT(Modis reprojection tools)工具對安徽省2006—2020年全部MODIS數據進行預處理，批量拼接、投影、轉換、提取波段，并統(tǒng)一為WGS84坐標系。利用安徽省省界矢量圖對數據進行裁剪，得到安徽省區(qū)域數據，并進行MVC(Maximum value composites)最大化合成，得到2006—2020年每月數據[22-24]。使用S-G濾波(Savitzky Golay filter)算法對長時間序列NDVI數據集進行平滑降噪處理，并用像元可信度波段進行質量控制，得到每月NDVI柵格影像(有效值0～1)。S-G濾波算法又稱數據平滑多項式濾波法，通過最小二乘卷積擬合方法來平滑和計算一組相鄰值或光譜值的導數，與中值迭代濾波法、傅里葉變換法相比，基于S-G濾波法重構后的NDVI 時間序列在曲線平滑程度和直觀表現(xiàn)上均取得了較好的效果，對提高該數據產品質量有很大幫助[21,25]。最后，對月NDVI柵格影像均值化處理可得到研究期內年均、季節(jié)NDVI數據。

使用中國科學院資源環(huán)境科學與數據中心(http:∥www.resdc.cn/Default.aspx)提供的2010年和2015年中國GDP空間分布公里網格數據集、中國人口空間分布公里網格數據集，分別作為人類活動對NDVI空間分布的影響因子1和影響因子2。使用European Space Agency (ESA)(https:∥climate.esa.int/en/)的2010年和2015年Land Cover數據作為人類活動對NDVI空間分布的影響因子3。所有數據均重新采樣到空間分辨率250 m。

2 研究方法

2.1 Sen+MK趨勢分析

Theil-Sen Median方法又被稱為Sen斜率估計，是一種穩(wěn)健的非參數統(tǒng)計的趨勢計算方法。該方法計算效率高，對于測量誤差和離群數據不敏感，常被用于長時間序列數據的趨勢分析[18,26-27]。若年變化率β大于0，則表示植被呈增長趨勢，反之呈退化趨勢。β計算式為

(1)

式中NDVIj、NDVIi——各像元第j年、第i年NDVI

Median(·)——取中值函數

Mann-Kendall (MK)屬于非參數檢驗方法，與其他參數檢驗的方法相比，不需要樣本遵從一定的分布[26]。Sen斜率估計用于計算趨勢值，通常與MK非參數檢驗結合使用，即先計算Sen趨勢值，然后使用MK方法判斷趨勢顯著性。計算公式為

(2)

其中

(3)

(4)

(5)

式中Z——統(tǒng)計量，取(-∞,+∞)

sgn——符號函數

k——序列中數據個數，取15

當Z通過0.05的顯著性檢驗(P<0.05)，認為植被呈現(xiàn)顯著性變化。

2.2 Hurst指數(R/S)分析

Hurst指數是描述非函數長周期的重要指標，該指數由英國水文專家HURST提出[28-29]。本文采用R/S分析(Rescaled range analysis)法計算Hurst指數進行NDVI預測，原理如下：

將長時間序列NDVI(i)(i=1,2,…,N)劃分為L個子序列NDVI(L)={X1(t),X2(t),…,XL(t)}(t=1,2,…,n),n=N/L，為每個子序列的長度。

均值序列為

(6)

累計離差序列為

(7)

極差序列為

(8)

標準差序列為

(9)

原始序列在長度為n的時間跨度上的重標極差為

(10)

若有(R/S)n∝nH，則表示存在Hurst現(xiàn)象，Hurst指數用H表示，可用于長時間NDVI序列的持續(xù)性判斷。Hurst指數判斷形式分為4類，當0

2.3 地理探測器模型

王勁峰等[30]結合GIS空間疊加技術和集合論，提出“地理探測器”模型GeoDetector (http:∥www.geodetector.cn/)，該模型由4部分組成，分別為風險探測器、因子探測器、生態(tài)探測器、交互作用探測器。本文使用因子探測器(Factor_detector)定量分析人類活動對植被區(qū)域分布的影響，其工作原理簡要描述如下。

圖1 空間類別分區(qū)及疊加圖層示意圖Fig.1 Space category partition and overlay layer

(11)

式中Nd——d區(qū)域網格數

N——全區(qū)域網格數

V——全區(qū)域NDVI方差

q越大則表明影響因子B對NDVI的影響越大，反之則影響越小；若q=0，則說明影響因子B與NDVI分布完全獨立；若q=1，則說明影響因子B完全控制了NDVI的分布。

3 結果與分析

3.1 NDVI時間變化特征

3.1.1年際變化

對于NDVI在時間維度上的變化特征一般采用趨勢分析法[2]，若線性擬合趨勢系數(作為增長率)大于0則表明植被呈增長趨勢，反之表明植被趨于退化。采用決定系數R2和F檢驗來判定趨勢顯著性[11]。2006—2020年安徽省歸一化植被指數NDVI的年變化趨勢如圖2所示。研究期內NDVI的變化范圍為0.535～0.568，平均值為0.553；最大值出現(xiàn)在2020年，其值約為0.568；最小值出現(xiàn)在2006年，其值約為0.535。2006—2020期間年增長率為0.001 7a-1，決定系數為0.623 9，通過顯著性水平α=0.01的顯著性檢驗(P<0.01)，15年累積增長率為6.23%，表明研究期內安徽省植被覆蓋總體上呈增長趨勢。

圖2 NDVI年際變化趨勢Fig.2 Inter-annual trend of NDVI

3.1.2季節(jié)變化

季均歸一化植被指數NDVI如圖3所示，2006—2020年各季節(jié)變化趨勢各異，但四季均呈現(xiàn)顯著的(P<0.01)增長趨勢，其中秋季年增長率最大，為0.004 2a-1，2020年NDVI最大，為0.565，2006年NDVI最小，為0.484；冬季年增長率次之，為0.003 6a-1，2019年NDVI最大，為0.459，2009年NDVI最小，為0.371。春季和夏季年增長率相當，分別為0.002 9a-1和0.003 1a-1，其中春季2006年NDVI最小，為0.558，2016年NDVI最大，為0.612；夏季2006年NDVI最小，為0.667，2019年NDVI最大，為0.721。2006—2020年春、夏、秋、冬的NDVI均值分別為0.590、0.691、0.527、0.420，四季中夏季的NDVI均值最大，這一規(guī)律充分體現(xiàn)了植被生長的季節(jié)性特點。

圖3 四季NDVI年際動態(tài)變化Fig.3 Inter-annual changes of NDVI dynamic in each season

3.2 NDVI空間變化特征

3.2.1NDVI變化趨勢分析

對安徽省2006—2020年NDVI進行Sen斜率分析，得到安徽省植被影像數據每個像元在研究期內的年變化率β，并結合MK非參數檢驗判斷其趨勢顯著性，參考文獻[26],將變化趨勢分為5種類型，分別為嚴重退化、輕微退化、穩(wěn)定不變、輕微改善和明顯改善，分析得到2006—2020年NDVI變化趨勢統(tǒng)計表和變化趨勢分布圖(表2、3和圖4、5)。

表2 2006—2020年NDVI變化趨勢統(tǒng)計Tab.2 Trend statistics of inter-annul NDVI from 2006 to 2020

由表2可知，安徽省2006—2020年歸一化植被指數NDVI改善趨勢顯著，輕微改善和明顯改善區(qū)域面積總和為96 904.83 km2，占全省面積的69.17%；安徽省NDVI變化趨勢保持穩(wěn)定不變的區(qū)域面積為10 503.20 km2，占比7.50%；安徽省NDVI呈嚴重退化、輕微退化趨勢的區(qū)域總面積為32 691.98 km2，占比23.33%。可見，安徽省植被15年間總體上改善的比例遠大于退化的比例，這也與安徽省近些年來堅持綠色發(fā)展，加強生態(tài)文明建設及全面建成小康社會的目標相契合。

從圖4可知，安徽省2006—2020年植被改善區(qū)域主要分布在長江以南地區(qū)，如黃山市、池州市、宣城市、六安市中南區(qū)域等，安徽省北部地區(qū)如宿州市、淮北市、蚌埠市與宿州市交界區(qū)域也呈現(xiàn)出明顯的增長趨勢。NDVI退化區(qū)域主要出現(xiàn)在阜陽市、合肥市長豐縣、淮南市壽縣、馬鞍山市當涂縣與宣城市交界區(qū)域等。NDVI保持不變的區(qū)域相對分散，遍布在全省各地，其中阜陽市、淮南市壽縣、合肥市、巢湖市、滁州市定遠縣等地占比相對較高。

圖4 2006—2020年NDVI變化趨勢分布Fig.4 Trend distribution of inter-annul NDVI from 2006 to 2020

從表3可以看出，安徽省15年間4個季節(jié)中，植被改善的面積比例均大于退化的比例，其中夏季植被改善的面積比例小于其他三季、植被退化的面積比例高于其他三季。

表3 2006—2020年季節(jié)NDVI變化趨勢統(tǒng)計Tab.3 Seasonal trend statistics of inter-annul NDVI from 2006 to 2020

從圖5可以看出，安徽省2006—2020年四季NDVI變化明顯改善所占比例較高的為春季、冬季，其次為秋季和夏季。NDVI變化輕微改善所占比例較高的為夏季、秋季，這表明15年間夏季、秋季植被均長勢良好，變化趨勢不明顯。從空間位置上看，春、冬兩季安徽省中北部區(qū)域均有大面積植被退化區(qū)域，且大致分布在省會城市合肥市及合肥市周邊城市，長江流域在夏季和秋季植被退化較嚴重。

3.2.2NDVI持續(xù)性分析

安徽省2006—2020年歸一化植被指數NDVI的Hurst指數空間分布如圖6所示。全省Hurst指數分布在0.134～1.000之間，均值為0.543，Hurst指數大于0.5的區(qū)域占全省總面積的64.52%，其中呈現(xiàn)弱正持續(xù)趨勢的比例為60.64%，呈現(xiàn)強正持續(xù)趨勢的比例為3.88%；Hurst指數小于0.5的區(qū)域占全省總面積的35.48%，其中呈現(xiàn)弱反持續(xù)趨勢的比例為34.77%，呈現(xiàn)強反持續(xù)趨勢的比例為0.71%。總體來看，安徽省NDVI變化以正持續(xù)性為主。

為更好展現(xiàn)安徽省NDVI變化趨勢的持續(xù)性，將Hurst指數空間分布結果(圖6)與Sen斜率分析年NDVI變化趨勢結果(圖4)相疊加，持續(xù)性變化趨勢分為6類：持續(xù)嚴重退化、持續(xù)輕微退化、持續(xù)穩(wěn)定不變、持續(xù)輕微改善、持續(xù)明顯改善、變化趨勢不確定，結果如圖7所示。全省NDVI呈現(xiàn)持續(xù)輕微改善、持續(xù)明顯改善的比例分別為22.03%、20.33%，占據了全省總面積的42.36%，主要分布在安徽省北部、南部地區(qū)，如宿州市中部區(qū)域、亳州市與淮南市交界、宣城市、池州市等地；持續(xù)嚴重退化、持續(xù)輕微退化的比例分別為4.13%、13.10%，主要分布在合肥市長豐縣、淮南市壽縣大部、阜陽市的臨泉縣和阜南縣等地；持續(xù)穩(wěn)定不變的比例為4.93%，零星分布在全省各地。NDVI變化趨勢不確定的比例最高，達35.48%，以大別山區(qū)域為主，巢湖市、黃山市以及宿州市靈璧縣也有少量分布。

圖7 2006—2020年NDVI變化特征空間分布Fig.7 Spatial distribution of NDVI based on Hurst index and trend from 2006 to 2020

3.3 人類活動對植被指數的影響

因子探測器對人類活動影響因子的定量分析結果如表4所示，2010年及2015年GDP空間分布、POP空間分布、Land Cover空間分布如圖8～10所示。

表4 因子探測器下的q值Tab.4 q value in factor_detection of human factors

圖8 GDP空間分布Fig.8 Spatial distributions of GDP

圖9 人口空間分布Fig.9 Spatial distributions of population

圖10 土地覆蓋空間分布Fig.10 Spatial distributions of land cover

結合圖8～10，由表4可知，2010年POP對NDVI空間分布解釋力在29%以上，GDP對NDVI空間分布的解釋力在27%以上，兩者差距不大，Land Cover對NDVI空間分布的解釋力在39%以上，且都通過了顯著性檢驗(P<0.01)，這說明GDP及POP對NDVI的空間分布均存在顯著影響，且Land Cover的影響力度最大；2015年GDP、POP、Land Cover對NDVI空間分布解釋力都在15%以上，解釋力從大到小依次為POP、GDP、Land Cover，但GDP、Land Cover均未通過顯著性(P<0.01)檢驗，與2010年相比較，2015年GDP、POP、Land Cover解釋力均有所下降，NDVI的空間變異性可能受更多復雜因素的影響。總的來看，體現(xiàn)人類活動的GDP、POP、Land Cover對NDVI分布變異均存在較大影響，其中POP(P<0.01)影響力最大，且有較高的顯著性。

3.4 討論

通過安徽省15年(2006—2020年)NDVI的空間分布和變化趨勢分析，發(fā)現(xiàn)研究期內安徽省在時間及空間上植被變化均呈現(xiàn)不斷改善的趨勢。植被生長變化趨勢的分析需要長時間序列觀測數據的支撐，GIMMS(Global inventory modeling and mapping studies)NDVI數據是目前覆蓋時間最長的全球連續(xù)數據集，而MODIS NDVI數據作為GIMMS NDVI數據的延續(xù)和升級，具有高光譜分辨率、高空間分辨率等特點。對比不同衛(wèi)星上搭載的AVHRR、MODIS以及VEGETATION(VGT)等[31-32]傳感器觀測的NDVI數據產品(表5)可知，MODIS在監(jiān)測植被生長空間分布和變化趨勢上更具優(yōu)勢。

表5 NDVI遙感數據產品對比Tab.5 Comparison of NDVI remote sensing data

植被指數的變化是眾多因素共同作用的結果，植被的空間分布格局由自然環(huán)境因子確定，而短期內的人類活動如退耕還林、城市擴張等政策因素都會對局部區(qū)域NDVI產生重要影響。結合圖4可以看出，安徽省中部偏北植被呈現(xiàn)退化趨勢，且該區(qū)域未來處于持續(xù)輕微退化或變化趨勢不確定狀態(tài)(圖7)，初步推斷這一趨勢與該區(qū)域城市發(fā)展狀況有關。因此，量化人為因素對植被指數的影響，將有利于科學精準地分析植被指數的時空演變特性。

4 結論

(1)從植被指數年際變化角度，時間趨勢上，近15年來，安徽省植被指數呈波動型增長趨勢，累積增長率(6.23%)的分析體現(xiàn)了植被指數的不斷改善狀態(tài)；空間分布上，安徽省不同地區(qū)植被覆蓋呈現(xiàn)差異性變化，大部分區(qū)域(69.17%)植被指數呈明顯增長趨勢，大約23.33%的區(qū)域有退化現(xiàn)象，這些變化趨勢主要與不同城市的建設與發(fā)展狀態(tài)有關。

(2)從植被指數季節(jié)變化角度，時間趨勢上，安徽省各季節(jié)變化趨勢總體一致，四季均呈現(xiàn)顯著的(P<0.01)增長趨勢同時各季節(jié)又略有差異：其中秋季、冬季增長率較高，說明秋冬兩季對植被指數整體提升貢獻較大；空間分布上，夏季、秋季輕微改善所占比例最高，說明15年間夏、秋兩季植被長勢持續(xù)良好，變化不顯著。

(3)從NDVI持續(xù)性上分析，安徽省內，呈現(xiàn)植被持續(xù)改善的區(qū)域遠大于植被持續(xù)退化的區(qū)域，其中持續(xù)退化區(qū)域占總面積的17.23%，并且退化區(qū)域主要分布在省會合肥市及其周邊縣域，可見快速的經濟發(fā)展勢必會帶來城市及其周邊植被的退化。總體上看，2006—2020年安徽省植被指數以持續(xù)改善為主。

(4)從人類活動影響來看，2010年安徽省人口分布以及GDP、Land Cover對NDVI的空間分布解釋力都在27%以上。2015年人口分布以及GDP、Land Cover對NDVI的空間分布解釋力有所降低，但仍在15%以上，結合同期NDVI空間變化趨勢，該現(xiàn)象的存在可能受該時期內經濟高速發(fā)展、城鎮(zhèn)化建設加速、綠色發(fā)展理念落實等諸多因素影響。總的來說，人類活動對NDVI時空變異性存在較大影響，相比國內生產總值和土地覆蓋，人口分布的影響最顯著。