2001—2020年安徽省植被生長趨勢分析

摘 要：遙感技術是可用于監測農作物種植面積的一種快速、經濟和準確的新技術。歸一化植被指數（NDVI）指植被覆蓋特征，可用來監測和評估大尺度的地表植被覆蓋變化。以安徽省為研究區，基于2001—2020年的MODIS-NDVI數據，對該區域的植被生長趨勢進行分析。結果表明：①研究區中部和南部地區植被長勢良好，而北部地區植被長勢不佳。②MODIS數據（MOD13A3）在安徽地區的植被生長動態監測中得到了很好的驗證，證明用時間序列的NDVI值監測植被生長趨勢的可行性。③根據MODIS-NDVI數據反映的該地區植被覆蓋情況，相關部門應當因地制宜，做好保護措施，防止過度砍伐，以保護當地自然生態系統。

關鍵詞：MODIS-NDVI；植被；趨勢分析；安徽省

中圖分類號：Q948 文獻標志碼：A 文章編號：1674-7909（2024）18-118-4

DOI：10.19345/j.cnki.1674-7909.2024.18.028

0 引言

植被作為陸地上至關重要的地表覆蓋類型，具有調節氣候、保持生態平衡及推動地區可持續發展等作用［1］。植被覆蓋的變化通常是多種因素綜合作用的結果，如環境、氣候、生態等，植被變化一直被各國科學家和政府所關注［2-3］。對植被長勢進行監測，能夠為田間管理措施的實施，以及開展早期產量預測提供重要依據［4］。歸一化植被指數（NDVI）是指植被的生長狀態［5-6］，被廣泛用于監測、分析和繪制植被生理和生物物理特征的時空分布［7］，是利用植物葉綠素在綠光波段的強烈吸收，結合紅光和近紅外線波段的反射率的歸一化處理進行表征。NDVI對植被的綠色信息具有高度敏感性，因此在監測區域植被生長方面表現出色。目前，利用NDVI來估算植被生長趨勢已成為一種成熟且可靠的技術手段［8-10］。

近年來，國內外許多學者使用NDVI數據，對不同區域、不同類型和不同尺度上的植被變化開展了深入研究［11］。SINGH等［12］利用多光譜遙感技術監測甘蔗蚜蟲對谷物高粱田中高粱植株造成的傷害；ZHAO等［13］通過對杭州灣南岸農田植被覆蓋指數的研究，發現不同耕作方式下NDVI的變化規律存在一定的差異；KELLY等［14］利用NDVI分析秸稈直徑與產量預測因子的關系，包括NDVI與株高、籽粒產量的關系；WANG等［15］利用NDVI數據與青藏高寒草原季節性植被生長年際變化的野外數據，揭示了植被對氣候變化的生長響應規律。

安徽省位于我國華東地區，擁有良好的自然風貌與深厚的人文底蘊。隨著近年來社會經濟的迅猛發展，安徽省的植被特征也隨之發生了變化，這一變化對人類社會活動及生態環境的影響日益顯著。鑒于此，以安徽省為研究區，采用2001—2020年MODIS-NDVI數據，深入分析該地區植被生長變化特征，并探究其原因。研究結果對于了解安徽省的氣候變化趨勢及推動生態環境保護工作，具有一定的參考價值和實踐意義。

1 研究區概況

安徽省總面積約14.01萬km2，占全國總面積的1.45%。安徽省地勢西南高、東北低，地形地貌南北迥異，復雜多樣。安徽省深受季風影響，四季特征鮮明，地處暖溫帶與亞熱帶過渡地區，淮河以北地區屬暖溫帶半濕潤季風氣候區，淮河以南地區為亞熱帶濕潤季風氣候區。安徽省各地市年平均氣溫為14 ℃～17 ℃，年平均降水量為773～1 673 mm；在降水分布上，安徽省南部多于北部。安徽省可劃分為淮北平原、江淮丘陵和皖南山區三大自然區域。進一步細分，安徽省還可以被劃分為5個自然區域，分別是淮北平原、江淮丘陵、皖西大別山區、沿江平原及皖南山區。

2 數據來源及處理

2.1 數據來源

研究使用的數據包括2001—2020年的MODIS植被指數數據（MOD13A3）（數據來源https：//ladsweb.modaps.eosdis.nasa.gov/search/order）。MOD13A3屬于陸地3級標準數據月合成產品，具有1 000 m分辨率，每隔1個月提供1次。MOD13A3數據產品，包括NDVI、EVI、數據質量、紅波段反射率等共11層數據。研究使用的數據為第1層的NDVI數據。

2.2 數據處理

先用MRT（MODIS Reprojection Tools）將MOD13A3-NDVI數據批量拼接，并將其轉換為WGS84/Albers Equal Area Conic投影結果。再用波段運算工具計算出2001—2020年所有年份的NDVI均值，在數據中提取出安徽省的NDVI數據，將2001—2020年NDVI均值合并到一個文件中，然后通過一次性裁剪操作完成所有年份數據的裁剪。最后，通過ENVI查看NDVI變化趨勢的文件，并導入Arcgis繪圖。

3 研究方法及結果分析

3.1 研究方法

根據像元趨勢分析法，對研究區內特定位置的像元來說，2001—2020年每年對應1個NDVI，可構建NDVI與年份之間的一元線性回歸方程，通過分析回歸方程的參數來揭示NDVI的變化趨勢。

y（i，j）=kx+P" " " " """ " " " " " " " " "（1）

式（1）中：y表示第i行j列處像元2001—2020年的NDVI，x表示年份（x=2001，2002，…，2020）。 回歸方程的參數主要包括斜率k及其顯著性P。k值表示NDVI的變化趨勢，當kgt;0時，表示NDVI增加；而klt;0時，則表示NDVI減少。P值表示該變化趨勢在統計學上是否顯著（顯著性水平α取0.05），當Pgt;0.05時，表示變化趨勢不顯著；Plt;0.05時，則表示變化趨勢顯著。因此，可以根據k值和P值將安徽省NDVI的變化分為4種類型，即增加但不顯著、增加顯著、減少但不顯著及減少顯著。最后，統計4種變化類型像元數占像元總數的比例，以定量評估2001—2020年安徽省植被覆蓋變化趨勢。

3.2 結果分析

3.2.1 NDVI各變化類型占比分析

圖1顯示了2001—2020年安徽省4種NDVI變化類型占比情況，可以看出2001—2020年安徽省植被變化的趨勢。2001—2020年，安徽省年平均NDVI線性趨勢系數為正值的區域占總面積的71.49%，為負值的區域占總面積的28.51%。其中，植被顯著增加的像元數約占總數的35.92%，植被增加但不顯著的像元數約占總數的35.57%，植被減少但不顯著的像元數約占總數的22.01%，植被顯著減少的像元數約占總數的6.51%?？傮w來看，研究區多數區域的植被趨勢系數均在0以上，即植被有正向生長的趨勢，但也有一些區域出現了負值。整體上，2001—2020年安徽省植被指數上升的區域比下降的區域大。

3.2.2 NDVI變化趨勢分布分析

圖2顯示了2001—2020年安徽省年均NDVI整體呈顯著增加趨勢，增率為0.003 1/a。植被顯著增加的區域大部分分布在安徽省的中部和南部地區。有增加但不顯著的區域主要分布在安徽省的北部地區。安徽省北部和沿長江流域地區均出現植被減少但不顯著的現象。NDVI值下降表明安徽省北部地區生態環境正在惡化，植被面積不斷下降，主要原因為皖北平原作為重要的糧食產區，人類活動對該地區影響較大。顯著減少的區域在安徽省各地區都有分布，其中長江中下游地區較為顯著，且主要分布在城市及其周邊地區，主要原因為近年來隨著城市化進程快速推進，土地利用模式的變化也間接地限制了農業的生產活動。

以淮河為界，淮河以北大部分地區的植被變化呈現不明顯的增加和顯著減少；淮河以南大部分地區植被變化呈現增長的趨勢。其中，大別山地區的植被生長趨勢良好，原因為該區域自然環境好，生態保持能力強，受外界干擾較小，同時也說明近年來安徽省在生態環境保護方面的工作發揮了積極的作用。安徽省中部江淮丘陵地區，如合肥市及周邊地區，植被顯著減少，主要原因為近年來該地區經濟發展迅速，不合理的土地利用導致植被面積顯著減少。

4 結論

基于2001—2020年安徽省的MODIS-NDVI遙感數據，通過像元趨勢分析，利用MRT、ENVI、Arcgis等軟件對安徽省2001—2020年的植被生長變化趨勢進行了分析，研究結論如下。

①植被顯著增加的像元數約占總數的35.92%，植被增加但不顯著的像元數約占總數的35.57%，植被減少但不顯著的像元數約占總數的22.01%，植被顯著減少的像元數約占總數的6.51%。

②總體而言，2001—2020年安徽省植被面積呈增加的趨勢。從空間分布上來看，安徽省中部、南部地區植被面積增加的顯著性大于北部地區，植被覆蓋面積減少的地區主要分布在安徽省北部局部地區、江淮丘陵地區以及長江中下游地區，顯著增加的地區主要分布在大別山區和皖南山區，以淮河為界表現為中部和南部增加、北部減少的分布狀況。

③通過對2001—2020年安徽省MODIS-NDVI數據進行分析，發現安徽省植被面積整體呈增長趨勢，但安徽省北部仍有局部地區植被減少較為顯著，因此，相關部門應加強對該地區的生態監測，及時調整城市發展規劃，科學指導土地利用規劃，以保護自然資源，減少對生態環境的破壞。

參考文獻：

［1］黃靖，夏智宏.基于MODIS遙感數據的武漢市植被覆蓋變化監測分析［J］.氣象與環境科學，2009，32（2）：16-20.

［2］郭鈮.植被指數及其研究進展［J］.干旱氣象，2003（4）：71-75.

［3］杜剛.基于EOS/MODIS的植被指數監測模型研究及應用［D］.武漢：華中科技大學，2005.

［4］張杰，劉魏衛.鹽城市街頭綠地土壤特征與植物長勢衰弱的關系研究［J］.現代園藝，2019（9）：34-36.

［5］PINZON J E，BROWN M E，TUCKER C J.EMD correction of orbital drift artifacts in satellite data stream［M］.Singapore：World Scientific Publishing，2005.

［6］DEERING D W .Rangeland reflectance characteristics measured by aircraft and spacecraft sensors［M］.USA：Texas A amp; M University， 1978.

［7］GITELSON A A .Wide dynamic range vegetation index for remote quantification of biophysical characteristics of vegetation［J］.Journal of Plant Physiology， 2004， 161（2）：165-173.

［8］CUNHA A A S，KOUTSOUKOS E A M， GITELSON A A，et al.MODIS NDVI optimization to fit the AVHRR data series-spectral considerations［J］.Remote Sensing of Environment， 1998， 66（3）：343-350.

［9］張杰，劉魏衛.鹽城市街頭綠地土壤特征與植物長勢衰弱的關系研究［J］.現代園藝，2019（9）：34-36.

［10］王亞娟，趙艷玲，焦利鵬，等.濟寧市2005—2016年植被覆蓋度變化及影響因素［J］.濟南大學學報（自然科學版），2018，32（3）：171-177.

［11］彭代亮，黃敬峰，王秀珍.基于MODIS-EVI區域植被季節變化與氣象因子的關系［J］.應用生態學報，2007（5）：985-991.

［12］SINGH B U ， PADMAJA P G ， SEETHAR-

AMA N .Biology and management of the sugarcane aphid， melanaphis sacchari （zehntner） （homoptera： aphididae）， in sorghum： a review［J］.Crop Protection， 2004， 23（ 9）：739-755.

［13］ZHAO H B，YANG X P，LI J L.MODIS data based NDVI Seasonal dynamics in agroecosystems of south bank Hangzhouwan bay［J］.African Journal of Agricultural Research， 2011， 6（17）：4025-4033.

［14］KELLY J，CRAIN J L，RAUN W R .By-plant prediction of corn （zea mays l.） grain yield using height and stalk diameter［J］.Communications in Soil Science amp; Plant Analysis，2015，46（5）：564-575.

［15］WANG H，LIU H，HUANG N，et al.Satellite-derived NDVI underestimates the advancement of alpine vegetation growth over the past three decades［J］.Ecology， 2021，102（12）：e03518.

基金項目：天津市教委科研計劃項目（2021KJ184）。

作者簡介：張為師（1985—），女，博士，副教授，研究方向：地理與資源管理學；尚靜（2000—），女，碩士生，研究方向：地理與資源管理學；徐穎（1993—），男，博士，講師，研究方向：政府管理、地理與資源管理學。