黃土高原植被覆蓋時空變化及原因

張家政, 李崇貴, 王 濤

(西安科技大學 測繪科學與技術學院, 西安 710054)

植被是連接水分、土壤和大氣的紐帶，也是陸地地表生態系統的主體部分[1-3]。植被不僅對荒漠化治理具有重要意義，而且與當地社會環境發展和整個生態穩定等方面都有密切聯系，因此對區域內植被生長狀況進行長時間序列動態變化監測具有重要的現實意義。植被覆蓋度(Fractional Vegetation Coverage，FVC)是量化植被生長狀態的關鍵因子，同時也是土壤侵蝕與水土流失的重要影響因子。利用歸一化植被指數(Normalized Different Vegetation Index，NDVI)，采用像元二分模型近似估算植被覆蓋度進而分析植被動態變化[4]，可以為地區環境治理和生態環境變化提供科學的有力參考。

遙感技術在長時間序列植被變化監測研究具有顯著優勢。目前，長時間序列植被覆蓋變化研究的數據來自NOAA/AVHRR，SPOT/VGT，MODIS等衛星傳感器獲取到的植被指數。國內外學者在不同遙感數據源的植被覆蓋動態監測方面做了大量研究。如李晶等[5]基于1985—2015年Landsat影像獲取年最大NDVI數據，采用像元二分模型計算不同時期寶日希勒礦區的植被覆蓋度，并對其進行變化趨勢分析，揭示了植被覆蓋演變規律。鄧興隆等[6]選用1982—2013年GIMMS NDVI數據分析了中亞地區植被覆蓋與降水和氣溫的關系，認為植被變化受降水影響強于受氣溫影響。孟浩斌等[7]基于MODIS數據采用像元二分模型研究三峽庫區植被覆蓋度變化在不同地形因子上的分布，認為植被覆蓋變化在坡度分布差異最為顯著。

黃土高原生態環境脆弱，水土流失嚴重，是我國生態環境建設與保護的重點區域。1999年國家開始實施“退耕還林(草)”等生態修復工程，植被覆蓋面積顯著提高。黃土高原植被覆蓋變化相關研究取得大量研究成果，多集中在以年際尺度人類活動或自然環境因子對植被覆蓋變化影響方面，如孟晗等[8]研究認為黃土高原近15 a植被覆蓋總體呈現增加趨勢，降水量對植被影響大于溫度對于植被響應。范倩倩等[9]研究同樣認為1982—2015年黃土高原植被覆蓋度呈上升趨勢。董鐿等[10]研究認為氣候變化和人類活動共同對黃土高原植被存在影響，其中主要影響因素是人類活動。劉靜等[11]通過研究黃土高原全區NDVI與氣溫、降水和日照等氣候因子相關性發現，NDVI僅對降水的響應明顯，對氣溫不存在顯著關系。Li等[12]通過退耕還林前后氣象因子對植被的影響發現，黃土高原生長季平均NDVI受根系土壤水分決定，年平均NDVI受標準化蒸散虧缺指數(SEDI)和降水決定。這些研究為黃土高原生態環境建設發揮了重要作用，但是由于植被改善與人類活動變化之間的關系不甚明了，已有研究多開展植被與降水、氣溫變化的相關性分析工作，對人類活動對于植被變化以及二者之間的關系研究較少，并且這些研究并沒有從植被物候生長分析氣象因子對其擾動。因此，本文利用黃土高原1982—2018年NDVI(1982—2011年GIMMS NDVI和2000—2018年MODIS NDVI)數據為數據源，氣溫和降水數據為基礎，利用像元二分法模型估算出黃土高原地區植被覆蓋度時空變化，采用植被綠度模型、相關性分析法和殘差分析法分析植被覆蓋度變化特征及其對氣象因子和人類活動的響應，以期為黃土高原生態環境恢復成效評價提供科學參考。

1 研究區概況

黃土高原是中國四大高原之一，其位于我國黃河流域中部，范圍在100°54′—114°33′E，33°43′—41°16′N，主要包括陜西、甘肅、寧夏、山西、內蒙古、河南、青海7省[13-14](圖1)，面積約為63.4萬km2。該區域地勢西高東低，地勢起伏較大，平均高程0～5 217 m。黃土高原地區夏天炎熱少雨，冬季干燥寒冷，年均氣溫為9～12℃，年均降水量在100～800 mm[15-16]，氣溫年、日較差大，且東部和西部的溫度變化較大。黃土高原蒸發量普遍高于實際降水量，年蒸發量為1 400～2 000 mm，總體趨勢是東南低西北高，故導致水土流失嚴重，全年氣候干燥。

圖1 研究區示意圖

2 數據與方法

2.1 數據源及預處理

GIMMS NDVI3g數據為美國馬里蘭大學GLCF(Global Land Cover Facility)研究組生產的15 d合成產品數據，下載地址(https:∥ecocast.arc.nasa.gov/data/pub/gimms/)，其空間分辨率為8 km×8 km，時間尺度為1982—2011年。本數據為NC4格式文件，通過MATLAB對其進行解壓、投影變換等處理，得到時間分辨率為15 d、空間分辨率為8 km的GIMMS NDVI數據，對15 d數據采用最大合成法(Maximum Value Composition，MVC)進一步消除云和大氣等異常值的影響[17]，最終得到月、年尺度的GIMMS NDVI數據集。

MODIS NDVI數據為美國國家航天航空局(NASA)提供的MODIS 16 d合成產品數據，下載地址(https:∥modis.gsfc.nasa.gov/data/)，其空間分辨率為1 km×1 km，時間尺度為2000—2018年。利用MRT工具和ENVI軟件進行格式轉換、投影轉換和拼接，利用MVC得到月、年尺度的MODIS NDVI數據集，然后利用Python進行研究區邊界裁剪。對MODIS數據進行重采樣，得到分辨率為8 km×8 km的逐月NDVI數據。

氣象數據來源于國家科技基礎條件平臺—國家地球系統科學數據中心(http:∥www.geodata.cn)提供的月均氣溫(TEM)和總降水量(PRE)。該數據集空間分辨率為1 km×1 km，時間尺度為1982—2018年[18]。該數據為NC格式文件，利用Python進行數據預處理，使之變成可以使用的柵格圖像。為了與NDVI數據空間分辨率相匹配，本文采用重采樣方式將氣候數據插值為8 km×8 km空間分辨率。

土地利用數據來源于中國科學院資源環境科學數據中心(http:∥www.resdc.cn/)，包括1980和 2018年2期數據，空間分辨率為1 km×1 km。土地利用類型包括農田、林地、草地、水體、建設用地和未利用地6大類。

2.2 GIMMS NDVI數據時間序列插補

由于兩種數據源來自于不同傳感器，必須進行重構以獲取連續且效果明顯的長時序數據集。基于2000—2011年交叉年份的GIMMS NDVI與MODIS NDVI月值數據，通過對兩種數據進行相關性分析發現2010年的兩種數據具有明顯顯著性相關(相關系數為0.987 3，p<0.001)。因此，本文以2010年MODIS年最大NDVI為因變量，GIMMS年最大NDVI為自變量，獲取兩者的回歸方程：y=0.9256x+0.0612，R2=0.899 8(圖2A)。一致性檢驗結果顯示(圖2B)，應用MODIS NDVI數據對GIMMS NDVI數據進行時間序列擬合，兩者數據擬合效果最好，說明2012—2018年NDVI延長數據可以用于1982—2011年GIMMS NDVI數據的延長，建立的1982—2018年長時間序列NDVI數據集可以進行植被覆蓋變化的研究。

圖2 GIMMS模擬NDVI與GIMMS NDVI檢驗

本文沿用MVC的思想獲取月、季節(3—5月為春季，6—8月為夏季，9—11月為秋季，4—9月為植被生長季)NDVI數據集。

2.3 像元二分法估算植被覆蓋度

根據研究區像元值大小，我們可以通過混合像元法中的像元二分法模型進行地表植被覆蓋度反演[19-21]。依據研究區影像上的NDVI的灰度分布情況，以5%置信度截取NDVI的上下限閾值分別近似代表NDVIsoil和NDVIveg。其計算公式如下：

式中：FVC表示植被面積占總像元面積的比率；NDVIveg表示全植被覆蓋像元NDVI；NDVIsoil表示無植被覆蓋裸土像元NDVI。

2.4 植被綠度變化率分析

研究表明，植被的綠度變化率[22-23](GRC)能真實有效反映植被的年際變化。采用綠度變化率模擬1982—2018年黃土高原植被變化趨勢，計算公式為：

式中:變量n為年序列長度；FVCi表示第i年的FVC。當GRC值為正時,說明在n年FVC是呈增加趨勢變化的,植被得到改善;否則,當GRC的值為負時,則表示FVC有減小趨勢,植被有退化趨勢。

2.5 多元回歸殘差分析

基于單個像元采用多元回歸殘差分析方法建立FVC-氣象因子的理想回歸方程[24-26]，具體有以下3個步驟：(1)基于FVC以及氣象因子(TEM和PRE)時間序列數據，以FVC為因變量、氣象因子為自變量，建立線性回歸方程，計算模型中的各項參數；(2)基于氣象因子數據以及模型回歸參數，計算FVC預測值(FVCc-f)，用來表示僅受氣象因子對FVC的影響；(3)計算FVC觀測值(FVCc-p)與FVC預測值的差值，即FVC殘差(ξ)，用來表示僅受人類活動對FVC的影響。

FVCc-f=a×TEM+b×PRE+c

ξ=FVCc-p-FVCc-f

式中:a,b和c為模型參數；ξ為FVC殘差。當ξ>0時,表示人類活動對植被有積極影響;當ξ=0時,表示人類活動對植被無顯著影響;當ξ<0時,表示人類活動對植被有消極影響。

3 結果與分析

3.1 黃土高原植被覆蓋度動態演變特征

3.1.1 植被覆蓋度的變化特征 本研究基于像元尺度計算研究區春、夏、秋和生長季FVC變化趨勢(圖3)。黃土高原1982—2018年植被覆蓋波動變化較大，但總體呈現增長趨勢(p<0.01)，其春、夏、秋和生長季增長速率分別0.001 2/a，0.004 4/a，0.002 4/a和0.004 4/a，且各時期后期增加速率均遠高于前期，尤其以夏季和生長季增加速率的變化最為明顯，年均增長率分別為0.969 9%和0.947 1%。而秋季增加速率呈現不顯著增加趨勢，其年均增長率穩定在0.461 9%。在4種曲線中，1982—1998年春、夏、秋和生長季年變化幅度較小，其平均增長率分別為0.918 1%，0.770 2%，0.137 9%和0.645 1%。但自1999年大規模實施“退耕還林(草)”工程建設以來，黃土高原FVC呈現顯著增加趨勢[27-28]，1999—2018年春、夏、秋和生長季年均增長率分別增加到1.143 1%，1.373 4%，0.990 7%和1.479 1%，植被覆蓋情況得到明顯改善。

圖3 1982-2018年黃土高原各季FVC

3.1.2 植被覆蓋度動態變化特征 采用綠度變化率趨勢法來分析黃土高原植被FVC空間分布特征，并將其GRC分為4級，分別為嚴重退化(-0.035

圖4 基于植被綠度變化率的黃土高原FVC變化趨勢空間分布

春季植被占研究區61.66%的區域呈現改善趨勢，主要分布在太行山中段等區域，其中0.255%的區域，呈現顯著增加(p<0.01)。而植被呈現退化趨勢主要分布在內蒙古巴彥淖爾和呼和浩特、陜西西安和渭南、山西太原和晉中等區域，其中1.479%的區域呈現顯著減少(p<0.01)。春季萬物復蘇，但氣溫回升明顯蒸散量加大，加劇了土壤水分的虧缺，導致半干旱地區更加干旱，從而加劇了植被的退化。夏季和生長季表現出空間上一致性，植被占研究區78.53%和78.46%區域呈現改善，主要分布在寧夏南部、內蒙古阿拉善盟和巴彥淖爾、晉陜丘陵等區域，其中1.249%和1.121%的區域呈現顯著增加(p<0.01)。而植被呈現退化趨勢地區主要分布在內蒙古鄂爾多斯、寧夏銀川、甘肅慶陽和白銀、青海西寧等區域，其中0.644%和0.583%的區域呈現顯著減少(p<0.01)，夏季黃土高原西部尤其以寧夏平原、汾渭盆地等地區植被覆蓋度出現大幅度下降，這是由于該地區主要糧食作物為小麥，夏季正好是小麥收獲季節。

秋季植被占研究區69.07%的區域呈現改善趨勢，主要分布在陜北地區、甘肅固原、內蒙古東勝等區域，其中0.229%的區域呈現顯著增加(p<0.01)。這是由于植被對氣溫和降水存在一定滯后性，夏季降水的累積導致秋季土壤含水量增加，故導致秋季植被呈現顯著性增加趨勢面積高于夏季和生長季。而植被呈現退化趨勢地區主要分布在青海西寧、河南鄭州、寧夏銀川、陜西西安和寶雞等區域，其中1.65%的區域呈現顯著減少(p<0.01)。

3.2 人類活動和氣候變化對于FVC的影響

3.2.1 人類活動對于FVC的響應 本文通過FVC與TEM和PRE的回歸分析，基于像元尺度分析人類活動對于FVC的影響(圖5)。

圖5 人類活動對黃土高原FVC影響趨勢空間分布

春季殘差為正的面積占研究區總面積的55.79%，且其平均變化率為0.056%/a，說明在春季人類活動對FVC主要以正面影響為主。人類活動產生正面影響較為明顯區域占比4.65%(0.010～0.035)，主要分布在陜西境內子午嶺，山西太行山等地區，表明這些區域人類活動對植被變化產生積極影響；而人類活動產生負面影響較為明顯區域占比0.92%(-0.031～-0.015)，主要分布在汾渭盆地的城鎮地區及銀川和呼和浩特等一些大型城市，表明這些區域人類活動對植被變化產生消極作用。而在夏和生長季殘差則表現出空間上一致性，其面積為正的區域分別占研究區總面積的64.79%和61.33%，其平均變化率分別為0.22%/a和0.17%/a，說明在夏季和生長季人類活動對FVC主要以正面影響為主。但人類活動在夏季和生長季均沒有影響較為明顯區域，只是零星的分布在研究區內部。秋季殘差為正的面積占研究區總面積的64.63%，且其平均變化率為0.17%/a，說明在秋季人類活動對FVC主要以正面影響為主。人類活動產生正面影響較為明顯區域占比0.84%(0.015～0.029)，主要分布在渭河南部和山西汾河以西等地區，表明這些區域人類活動對植被變化產生積極影響；而人類活動產生負面影響較為明顯區域占比0.52%(-0.028～-0.010)，主要分布在汾渭盆地的城鎮地區及西寧、蘭州、太原和呼和浩特等一些大型城市，表明這些區域人類活動對植被變化產生消極作用。

3.2.2 氣候變化對于FVC的響應 通過上述描述的基于像元尺度的相關分析方法，本研究從季節尺度上(春、夏、秋和生長季)分析了黃土高原地區37 a的FVC與氣象因子(氣溫和降水)相關分析(p<0.05)，利用相關系數來分析氣象因子與植被的相關程度(圖6—7)。黃土高原地區的FVC與溫度和降水總體上呈正相關關系。春季FVC的變化與溫度和降水變化的相關系數分別為0.070，0.139。說明春季植被對降雨相對于溫度響應更加敏感。就降雨而言，相關系數較高地區主要集中在渭河以北和涇水以西等地區，相關系數為0.524～0.613；與降雨相比，溫度相關系數就不是很敏感，但FVC與溫度在陜西延安和榆林等地區，相關系數為0.514～0.692。夏季FVC變化與溫度和降雨變化的相關系數分別為0.185，0.131。說明夏季植被對溫度相對于降雨響應更加敏感。就溫度而言，研究區78.09%地區呈正相關趨勢，其中43.16%地區呈顯著正相關趨勢(p<0.01)，但總體相關性仍然較低(R=0.198)，相關系數較高地區主要集中在陜北地區和內蒙古巴彥淖爾等地；與溫度相比，降雨相關系數較高地區主要集中在陜北地區、山西太行山和呂梁山等地區，相關系數分別為0.326，0.358。秋季FVC的變化與溫度和降雨變化的相關系數分別為0.085和 0.117，說明秋季植被與降雨相對于溫度響應更為敏感。

圖6 黃土高原FVC變化與溫度相關系數

黃土高原植被生長季FVC與溫度呈正相關，相關系數為0.200(p<0.05)；而涇渭盆地中南部等地區的植被FVC與溫度呈負相關，相關系數為-0.512～-0.134；余下的地方植被FVC與溫度也是正相關，相關系數為0～0.564。由于溫度上升，加劇了水分的蒸發，植被生長所需要的水分就會減少，減緩了植被的生長。黃土高原植被 FVC與降雨總體上呈正相關，相關系數為0.184(p<0.05)。其中，內蒙古鄂爾多斯和關中平原等地區的植被FVC與降雨呈負相關，相關系數為-0.461～0；山西太行山和呂梁山等地區的植被FVC與降雨呈顯著正相關，相關系數為0.521～0.601；余下其他地區的植被FVC與降雨也是正相關，相關系數為0～0.31。由此說明降雨對黃土高原地區總體上起到正面作用。

圖7 黃土高原FVC變化與降雨相關系數

4 討 論

隨著國家對黃土高原生態環境的治理以及一系列相關政策的實施，近年來黃土高原植被動態變化規律已經成為目前研究的熱點。在植被FVC的空間變化方面，本文研究發現黃土高原春、夏、秋和生長季FVC整體均呈現顯著性增加趨勢，這與孟晗等[8]、史曉亮等[29]研究結論基本一致。

另外，已有研究表明，氣象因子尤其是溫度[30-31]和降雨[32-33]會對黃土高原植被生長產生一定影響。因此，本文進一步對溫度和降雨進行分析，并定量探究了不同季節黃土高原FVC與氣象因子的相關性以及人類活動對植被產生的影響，以此揭示了不同季節植被對氣象因子以及人類活動的響應規律。在植被動態與氣象因子的關系方面，本文研究結果表明，FVC與溫度在夏季和生長季呈現顯著正相關的區域為黃土高原中部和南部地區，秋季呈現顯著正相關的區域較少。FVC與降雨在秋季和生長季呈現顯著正相關，說明降雨響應存在一定的滯后性[34-35]，夏季降水的累積，導致秋季土壤含水量增加。

植被覆蓋變化受氣象因子和人類活動共同影響，人類活動的加劇使得黃土高原土地利用類型快速變化。由1980—2018年黃土高原土地利用轉移矩陣(表1)可以看出，1980—2018年以來，農田、林地和草地是黃土高原主要的土地利用類型，農田、草地和未利用土地的面積減少，而林地和建筑用地面積增加，說明一系列生態工程活動對黃土高原起到了良好的作用。雖然林地覆蓋情況有所改善，但是隨著城鎮化的發展，建筑用地急劇增加(增加13 861 km2)，部分草地和耕地轉化為建筑用地，從而導致部分地區植被覆蓋度有所降低。

表1 黃土高原1980-2018年土地利用轉移矩陣 km2

5 結 論

(1)黃土高原1982—2018年春、夏、秋和生長季平均FVC總體呈現增加趨勢，尤其是自1999年國家實施退耕還林(草)工程之后，植被覆蓋度增加趨勢更為明顯。

(2)在空間上，黃土高原春、夏、秋、生長季FVC呈現由西北部到東南部過渡的趨勢，植被呈現改善趨勢的面積要大于呈現退化趨勢的面積。

(3)在人類活動中，春、夏、秋和生長季人類活動對FVC主要以正面影響為主，其中春、夏、秋和生長季人類活動對FVC影響為正的面積分別占研究區總面積的55.79%，64.79%，64.63%和61.33%。在氣象因子中，黃土高原FVC對溫度和降雨的響應存在明顯的差異。在空間上，FVC與溫度在夏季和生長季呈現顯著正相關的區域面積占比較大，主要在黃土高原中部和南部地區。FVC與降雨在春季和秋季呈現顯著正相關的區域面積占比較大。