2000—2010年黄河流域植被覆盖的时空变化

2013-12-20袁丽华蒋卫国申文明刘颖慧王文杰陶亮亮刘孝富

生态学报 2013年24期

袁丽华，蒋卫国，申文明，刘颖慧，王文杰，陶亮亮，郑华，刘孝富

(1.北京师范大学地表过程与资源生态国家重点实验室，北京 100875;2.北京师范大学环境演变与自然灾害教育部重点实验，北京 100875;3.环境保护部卫星环境应用中心，北京 100094;4.北京师范大学资源学院，北京 100875;5.中国环境科学研究院环境信息科学研究所，北京 100012;6.中国科学院生态环境研究中心城市与区域生态国家重点实验室，北京 100085)

植被具有明显的年际和季节变化特点，是连接大气、水体、土壤的自然纽带，在保持土壤、调节大气和维持生态系统稳定等方面具有十分重要的作用［1-2］。NOAA/AVHRR、SPOT/VGT、MODIS传感器获取的数据覆盖范围广、时间分辨率高并且数据免费，因此成为长时间序列植被覆盖年际变化研究的数据源［3-8］。(NDVI)与生物量、叶面积指数有较好的相关关系，能够很好地反映地表植被的繁茂程度，在一定程度上代表地表植被覆盖变化［9-12］。

黄河流域位于我国干旱、半干旱和半湿润地区，生态环境脆弱，在气候变化和人类活动影响下，流域植被覆盖的状况发生了改变［13］。目前，黄河流域植被变化研究取得了一定成果。杨胜天、孙睿等利用8 km的AVHRR/NDVI数据，对黄河流域1982—1999年植被覆盖的空间变化及其与降水的相关关系进行分析，结果发现20a来黄河流域植被覆盖度有增加趋势;汛期降水量的多少对植被覆盖的年际变化起主导作用［14-15］。李春晖等利用8 km的AVHRR/NDVI研究黄河流域1982—1998年NDVI空间分布、年际/季节变化以及与降水和径流的关系，结果发现17a来黄河流域各分区年平均NDVI都呈现增加趋势;NDVI年内变化与降水、径流年内变化呈现明显的正相关;NDVI年际变化与降水具有一定的相关性，但与径流变化的关系相对复杂［16］。刘绿柳等利用1982—1999年8 km的NOAA/AVHRR分析黄河流域NDVI与气温、降水的关系，发现流域NDVI与降水、温度相关显著的植被类型以草地、灌木为主［17］。贺振等基于1998—2011年1 km的SPOT/VGT数据，分析黄河流域NDVI时空分布、时间变化特征和年际变化趋势，得出自1998年以来，黄河流域NDVI整体在不断提高，生态环境在不断改善的结论［13］。目前的研究成果主要是基于8km的NOAA/AVHRR和1 km的SPOT/VGT数据，数据的空间分辨率偏低;其次，研究植被年际变化趋势采用一元线性回归，而线性回归规避误差能力较弱［7］;再者，利用Hurst指数研究植被可持续性的研究比较少见。

鉴于上述情况，本文以250 m的MOD13Q1为数据源，通过数据预处理获得2000—2010年黄河流域年均NDVI时间序列，采用规避误差能力较强的Theil-Sen median趋势分析和Mann-Kendall以及Hurst指数方法，研究黄河流域植被覆盖区域NDVI的空间分布特征、时间变化特征、变化趋势特征特征和可持续性特征，以期为黄河流域生态环境的保护提供依据。

图1 黄河流域位置示意图Fig.1 Location of the Yellow River Basin

1 数据与方法

1.1 研究区域概况

黄河流域发源于青海省巴颜喀拉山，流经青海、四川、甘肃、宁夏、内蒙古自治区、陕西、山西、河南和山东9省，在山东垦利县流入渤海，流域面积为79.46×104km2(图1)。黄河流域地势西高东低，西部河源地区平均海拔在4000 m以上，由一系列高山组成;中部地区海拔在1000—2000 m之间，为黄土地貌，水土流失严重;东部海拔不超过100 m，主要由黄河冲积平原形成［13］。黄河流域属于大陆性气候，东南部属半湿润气候，中部属半干早气候，西北部属干旱气候。流域内地貌类型多样，生境复杂，为各种植被类型的发育创造了有利条件［17］;主要土地利用类型为林地、草地和耕地。

1.2 数据来源与处理

NDVI数据来源于美国NASA的MODIS植被指数产品数据MOD13Q1。数据空间分辨率为250 m，时间分辨率为16 d，时间范围:2000年2月—2010年12月。首先利用MRT(MODISReProjection Tools)软件进行格式转换和投影转换，把Hdf格式转换为Geotiff格式，把Sinusoidal投影转换为WGS84/Albers Equal Area Conic投影，重采样方法和重采样分辨率分别为邻近自然法和250 m。然后采用最大值合成法获取2000—2010年逐月NDVI数据，有效地去除云、大气和太阳高度角等产生的影响［18-19］。最后利用均值法获取逐年平均的NDVI数据，消除极端年份气候异常对植被生长状态的影响［20］。

1.3 研究方法

采用Theil-Sen median趋势分析和Mann-Kendall以及Hurst指数方法，研究黄河流域植被覆盖区域，即NDVI值大于等于0.1的区域的NDVI的空间分布特征、时间变化特征、变化趋势和可持续性特征［19］。

(1)Theil-Sen Median趋势分析和Mann-Kendall检验

Theil-Sen Median趋势分析和Mann-Kendall检验方法能够很好的结合起来，成为判断长时间序列数据趋势的重要方法，并且已经逐渐应用到植被长时间序列分析中［7，21-23］。该方法的优点是不需要数据服从一定的分布，对数据误差具有较强的抵抗能力，对于显著性水平的检验具有较为坚实的统计学理论基础，使得结果较为科学和可信［7］。其中，Theil-Sen Median趋势分析是一种稳健的非参数统计的趋势计算方法，可以减少数据异常值的影响［25-27］。Theil-Sen Median趋势计算n(n－1)/2个数据组合的斜率的中位数，其计算公式为:

当SNDVI＞0时，反映NDVI呈现增长的趋势，反之则反映NDVI呈现退化的趋势。

Mann-Kendall是一种非参数统计检验方法，用来判断趋势的显著性，它无需样本服从一定的分布，也不受少数异常值的干扰［28-29］。计算公式如下:

设定 {NDVIi}，i=2000，2001，…，2010

式中，NDVIi和NDVIj分别表示像元i年和j年的NDVI值，n表示时间序列的长度;sgn是符号函数;统计量Z的取值范围为－∞，+∞( )。在给定显著性水平α下，当|Z|＞u1－α/2时，表示研究序列在α水平上存在显著的变化。一般取α=0.05，本文判断在0.05置信水平上NDVI时间序列变化趋势的显著性。

(2)Hurst指数

Hurst指数是定量描述时间序列长程依赖性的有效方法［30］，在水文学、经济学、气候学、地质和地球化学等领域有着广泛的应用，近期在植被覆盖变化研究中应用起来［2，30-31］。其基本原理:对于时间序列NDVI(t)}{，t=1，2，…，n ，定义均值序列:

对于比值R(τ)/S(τ)≜R/S，若存在如下关系R/S∝ τH，则说明分析的时间序列存在Hurst现象，H称为Hurst指数。H值可以根据log(R/S)n=a+H×log(n)利用最小二乘法拟合得到。

根据H的值判断NDVI序列是完全随机还是存在持续性。Hurst指数(H值)取值包括3种形式:如果0.5＜H＜1，表明时间序列是一个持续性序列，即未来变化与过去的变化趋势一致，且H越接近1，持续性越强。如果H=0.5，则说明NDVI时间序列为随机序列，不存在长期相关性。如果0＜H＜0.5，则表明时间序列具有反持续性，即未来的变化趋势与过去的变化趋势相反，H越接近0，反持续性越强。

2 结果与分析

2.1 植被覆盖的空间分布特征

利用2000—2010年的年均NDVI数据，计算11a平均值得到平均NDVI空间分布图(图2)。从图2可以看出，黄河流域NDVI空间分布呈现出西部和东南部高，北部低的分布特征。西部地区海拔较高，主要植被类型为森林、草地及草本湿地，具有较高的NDVI值;东南部地区属于半湿润气候，林地和农作物分布广泛，因此NDVI值明显较高;北部地区主要为山地、鄂尔多斯高原、黄土高原、河套平原和宁夏平原，其中鄂尔多斯高原和黄土高原植被覆盖较少，因此NDVI值较低，而河套平原和宁夏平原，有农作物种植，年均NDVI值介于0.3—0.4之间。NDVI值小于0.1的无植被覆盖区域(红色部分)主要为流域西部的湖泊、冰川、裸岩、水库和荒漠以及流域北部的沙地和沙漠。

图2 黄河流域2000—2010年平均NDVI(Normalized Difference Vegetation Index)空间分布Fig.2 Spatial distribution of average NDVI from 2000 to 2010

对11a NDVI平均值的分级统计结果表明:NDVI值小于0.1的无植被区域占流域总面积的1.7%，植被覆盖区域占98.3%。0.1—0.4的低值区占 53.3%，大于 0.4 的占 45%;其中 0.4—0.5 的区域占 19.5%，0.5—0.6的区域占10.5%，大于0.6的较高植被覆盖区占5.0%。

2.2 植被覆盖的时间变化特征

为了研究黄河流域植被覆盖区域NDVI随时间变化的特点，取2000—2010年年均NDVI影像中植被覆盖区域的NDVI平均值，代表当年植被覆盖的状态，并制作年际NDVI变化图(图3)。从图3可以看出，黄河流域植被覆盖区域的年均 NDVI值在0.3—0.4之间波动，其中2000—2004年植被覆盖区域的NDVI波动较大，不存在明显的趋势特征;但自2005年以来，植被覆盖区域的NDVI呈现快速增长的趋势，表明植被整体生长状况开始好转。

2.3 植被覆盖变化趋势分析

图3 2000—2010年黄河流域年际NDVI变化Fig.3 Inter-annual variation of NDVI from 2000 to 2010

将Theil-Sen Median趋势分析和Mann-Kendall检验结合起来，可以有效地反映2000—2010年黄河流域NDVI的变化趋势的空间分布特征。由于基本上不存在SNDVI严格等于0的区域，所以本文根据SNDVI的实际情况，将SNDVI介于－0.0005和0.0005的划分为稳定不变，SNDVI值大于等于0.0005的划分为改善区域，SNDVI值小于－0.0005的划分为退化区域。将Mann-Kendall检验在0.05置信水平上的显著性检验结果划分为显著变化(Z＞1.96或Z＜－1.96)和变化不显著(－1.96≤Z≤1.96)。将Theil-Sen median趋势分析的分级结果和Mann-Kendall检验的分级结果进行叠加，得到像元尺度上NDVI变化趋势数据，并将结果划分为5种变化类型(表1)。从表1可以看出，植被覆盖状况改善的区域占植被覆盖总面积的62.9%;稳定不变即没有发生显著变化的区域占9.4%;植被退化的区域仅占27.7%。

表1 NDVI(Normalized Difference Vegetation Index)变化趋势统计Table 1 Statistics of NDVI Trend

图4 2000—2010年黄河流域年均NDVI变化趋势Fig.4 Trends of inter-annul NDVI from 2000 to 2010

图从4可以看出:2000—2010年黄河流域地表植被改善的区域远远大于植被退化的区域。植被明显改善的区域主要分布在甘肃省的南部和庆阳市南部、陕北地区、鄂尔多斯市中部和北部、狼山、山西省西部以及青海省境内黄河流域的两侧;轻微改善的地区主要位于四川省、甘肃省和青海省交接的中部地区、吕梁山;稳定不变地区在流域内呈现零散分布;轻微退化的区域主要位于巴颜喀拉山、阿尼玛卿山、祁连山、包头至呼和浩特市、阴山南麓、子午岭、甘肃省庆阳市北部和西部、陕西省西部以及南部的森林覆盖地区;严重退化的区域主要分布在陇中黄土高原、河套平原、大青山、太原盆地、晋城市以及关中盆地的两端;轻微退化和严重退化伴随分布的地区有宁夏平原、鄂尔多斯市西部、临汾盆地、运城盆地、洛阳市以及山东省境内。

2.4 植被覆盖变化的可持续性分析

黄河流域NDVI的Hurst指数均值为0.65，Hurst指数小于0.5的区域占总面积的14.0%，大于0.5的区域占为86.0%，表明黄河流域植被覆盖区域NDVI的正向持续性较强。

为了揭示植被的变化趋势及其持续性，将NDVI变化趋势结果与Hurst指数结果进行叠加，得到变化趋势与持续性的耦合信息(图5)。将耦合结果划分为6种情形:1持续性与严重退化;2持续性与轻微退化;3持续性与稳定不变;4持续性与轻微改善;5持续性与明显改善;6未来变化趋势不确定，包括反持续性与严重退化、轻微退化、稳定不变、轻微改善和明显改善5种组合，无法确定其未来变化趋势。

图5 植被覆盖变化特征图空间分布Fig.5 Spatial distribution of NDVI based on trend and Hurst index

持续改善的组合面积比重达53.7%，主要分布在陕西省中部和北部、甘肃省东南部、山西省中部、狼山和鄂尔多斯市东部和北部地区(图5);持续稳定不变面积组合达7.8%，主要零散分布在内蒙古、宁夏、甘肃、青海、山西和河南省;持续退化所占比例为24.5%，主要分布在巴颜喀拉山、阿尼玛卿山南部、祁连山、陇中黄土高原、宁夏平原、宁夏中部、甘肃省庆阳市中北部、河套平原、阴山南麓、大青山、包头至呼和浩特市、太原盆地、临汾盆地、运城盆地、晋城市、关中盆地、洛阳市以及山东省境内(图5);14.0%的区域未来变化趋势无法确定，主要分布在阿尼玛卿山、黄南与甘南藏族自治州、西宁市、甘肃省中部和陕西省中部(图5)。持续退化和未来变化趋势区域无法确定的区域的植被变化状况需要研究人员继续关注。

3 结论与讨论

3.1 结论

(1)从空间分布上分析，黄河流域植被覆盖呈现出西部和东南部高，北部低的分布特征。

(2)从时间变化上分析，2000—2010年黄河流域植被覆盖区域年均NDVI值在0.3—0.4之间波动，其中2000—2004年植被覆盖区域NDVI波动较大，不存在明显的趋势特征;但自2005年以来，植被覆盖区域NDVI呈现快速增长的趋势。

(3)从NDVI变化趋势上分析，2000—2010年黄河流域地表植被覆盖改善的区域远远大于植被退化的区域。改善的区域占植被覆盖区域的62.9%，退化的区域占27.7%，9.4%的区域呈现稳定不变的状态。

(4)基于Hurst指数的数据分析表明，86.0%的植被覆盖区域NDVI呈现正向持续现象，NDVI持续性较强。由变化趋势与可持续性数据叠加结果得出:持续改善的组合面积占植被覆盖区域总面积的53.7%，持续稳定不变的区域占7.8%，持续退化的区域占24.5%，另外14.0%的植被覆盖区域未来变化趋势无法确定，持续退化的区域和未来变化趋势无法确定的区域的植被的变化状况需要研究人员继续关注和研究。

3.2 讨论

本研究采用250m中等空间分辨率的长时间序列MODIS/NDVI数据，利用Theil-Sen median趋势分析和Mann-Kendall以及Hurst指数方法分析黄河流域植被的时间变化特征、变化趋势特征和可持续性特征。研究结果能够有效地反映黄河流域植被覆盖的变化状况，有助于促进区域生态环境的保护，具有一定的实用性。同时本研究也存在着一定的局限性，首先，没有针对不同植被类型的变化进行分析;其次，植被变化受气候、人文和政策的综合影响，因此需要进一步加强对NDVI变化的原因进行分析;最后，植被变化的地域差异性十分显著，需要加强对不同地域植被变化差异的研究。

［1］Sun H，Wang C Y，Niu Z，Bukhosor，Li B.Analysis of the vegetation cover change and the relationship between NDVIand environmental factors by using NOAA time series data.Journal of Remote Sensing，1988，2(3):204-210.

［2］Fan N，Xie G D，Zhang C S，Chen L，Li W H，Cheng SK.Spatial-temporal dynamic changes of vegetation cover in Lancang river basin during 2001—2010.Resource Science，2012，34(7):1222-1231.

［3］Rigina O，Rasmussen M S.Using trend line and principal component analysis to study vegetation changes in Senegal 1986—1999 from AVHRR NDVI 8km data.Geografisk Tidsskrift-Danish Journal of Geography，2003，103(1):31-42.

［4］Anyamba A，Tucker C J.Analysis of Sahelian vegetation dynamics using NOAA-AVHRR NDVI data from 1981—2003.Journal of Arid Environments，2005，63(3):596-614.

［5］Ma M G，Wang J，Wang X M.Advance in the Inter-annual variability of vegetation and its relation to climate based on remote sensing.Journal of Remote Sensing，2006，10(3):421-431.

［6］Fensholt R，Rasmussen K，Nielsen T，Mbow C.Evaluation of earth observation based long term vegetation trendsIntercomparing NDVI time series trend analysis consistency of Sahel from AVHRR GIMMS，Terra MODISand SPOTVGT data.Remote Sensing of Environment，2009，113(9):1886-1898.

［7］Cai B F，Yu R.Advance and evaluation in the long time series vegetation trends research based on remote sensing.Journal of Remote Sensing，2009，13(6):1170-1186

［8］Fensholt R，Proud SR.Evaluation of Earth Observation based global long term vegetation trendsComparing GIMMSand MODISglobal NDVI time series.Remote Sensing of Environment，2012，119:131-147.

［9］Tucker C J.Red and photographic infrared linear combinations for monitoring vegetation.Remote Sensing of the Environment，1979，8(2):127-150.

［10］Baret F，Guyot G.Potentials and limits of vegetation indices for LAI and APAR assessment.Remote Sensing of Environment，1991，35(2):161-173.

［11］Gutman G，Ignatov A.The derivation of the green vegetation fraction from NOAA/AVHRR data for use in numerical weather prediction models.International Journal of Remote Sensing，1998，19(8):1533-1543.

［12］Zhao Y S.Principles and Methods of Analysis of Remote Sensing Applications.Beijing:Science Press，2003，374-376.

［13］He Z，He J P.Spatio-temporal variation of vegetation cover based on SPOT-VGT in Yellow River Basin.Ecology and Environmental Sciences，2012，21(10):1655-1659.

［14］Sun R，Liu C M，Zhu Q J.Relationship between the fractional vegetation cover change and rainfall in the Yellow River Basin.Acta Geographica Sinica，2001，56(6):667-672.

［15］Yang ST，Liu C M，Sun R.The vegetation cover over last 20 years in Yellow River Basin.Acta Geographica Sinica，2002，57(6):679-684.

［16］Li CH，Yang Z F.Spatio-temporal changes of NDVI and their relations with precipitation and runoff in the Yellow River Basin.Geographical Research，2004，23(6):753-759.

［17］Liu L L，Xiao F J.Spatial-temporal correlations of NDVI with precipitation and temperature in Yellow River Basin.Chinese Journal of Ecology，2006，25(5):477-481.

［18］Holben B N.Characteristics of maximum-value composite images from temporal AVHRR data.International Journal of Remote Sensing，1986，7(11):1471-1434.

［19］Piao SL，Fang J Y.Dynamic vegetation cover change over the last 18 years in China.Quaternary Sciences，2001，21(4):294-302.

［20］Zhang Y C，Zhao Z Q，Li SC，Meng X F.Indicating variation of surface vegetation cover using SPOT NDVIin the northern part of North China.Geographical Research，2008，27(4):745-755.

［21］Tucker C J，Newcomb W W，Los SO，Prince SD.Mean and inter-year variation of growing-season normalized difference vegetation index for the Sahel 1981—1989.International Journal of Remote Sensing，1991，12(6):1133-1135.

［22］Milich L，Weiss E.GACNDVIinter annual coefficient of variation(CoV)images:ground truth sampling of the Sahel along north-south transects.International Journal of Remote Sensing，2000，21(2):235-260.

［23］Lunetta R S，Knight JF，Ediriwickrema J，Lyon JG，Worthy L D.Land-cover change detection using multi-temporal MODISNDVIdata.Remote Sensing of Environment，2006，105(2):142-154.

［24］Fensholt R，Langanke T，Rasmussen K，Reenberg A，Prince S D，Tucker C，Scholes R J，Le Q B，Bondeau A，Eastman R，Epstein H，Gaughan A E，Hellden U，Mbow C，Olsson L，Paruelo J，Schweitzer C，Seaquist J，Wessels K.Greenness in semi-arid areas across the globe 1981—2007an Earth Observing Satellite based analysis of trends and drivers.Remote Sensing of Environment，2012，121:144-158.

［25］Theil H.A rank-invariant method of linear and polynomial regression analysis.I，IIand III.Proceedings of Koninklijke Nederlandse Akademie van Wetenschappen，1950，53:386-392，521-525，1397-1412.

［26］Sen P K.Estimates of the regression coefficient based on Kendall's tau.Journal of the American Statistical Association，1968，63(324):1379-1389.

［27］Hoaglin D C，Mosteller F，Tukey J W.Understanding Robust and Exploratory Data Analysis.New York:Wiley，2000，169-181.

［28］Kendall M G.Rank Correlation Methods.London:Griffin，1970.

［29］Tošic'I.Spatial and temporal variability of winter and summer precipitation over Serbia and Montenegro.Theoretical and Applied Climatology，2004，77(1/2):47-56.

［30］Hou X Y，Ying L L，Gao M，Bi X L，Lu X，Zhu M M.Character of vegetation cover change in China's Eastern coastal areas 1998—2008.Scientia Geographica Sinica，2010，30(5):735-741.

［31］Wang G G，Zhou K F，Sun L，Qin Y F，Li X.Study on the vegetation dynamic change and R/Sanalysis in the past ten years in Xinjiang.Remote Sensing Technology and Application，2010，25(1):84-90.

参考文献:

［1］孙红雨，王长耀，牛铮，布和敖斯尔，李兵.中国地表植被覆盖变化及其与气候因子关系——基于NOAA时间序列数据分析.遥感学报，1988，2(3):204-210.

［2］范娜，谢高地，张昌顺，陈龙，李文华，成升魁.2001年至2010年澜沧江流域植被覆盖动态变化分析.资源科学，2012，34(7):1222-1231.

［5］马明国，王建，王雪梅.基于遥感的植被年际变化及其与气候关系研究进展.遥感学报，2006，10(3):421-431.

［7］蔡博峰，于嵘.基于遥感的植被长时序趋势特征研究进展及评价.遥感学报，2009，13(6):1170-1186.

［12］赵英时.遥感应用分析原理与方法.北京:科学出版社，2003，374-376.

［13］贺振，贺俊平.基于SPOT-VGT的黄河流域植被覆盖时空演变.生态环境学报，2012，21(10):1655-1659.

［14］孙睿，刘昌明，朱启疆.黄河流域植被覆盖度动态变化与降水的关系.地理学报，2001，56(6):667-672.

［15］杨胜天，刘昌明，孙睿.近20年来黄河流域植被覆盖变化分析.地理学报，2002，57(6):679-684.

［16］李春晖，杨志峰.黄河流域NDVI时空变化及其与降水/径流关系.地理研究，2004，23(6):753-759.

［17］刘绿柳，肖风劲.黄河流域植被NDVI与温度、降水关系的时空变化.生态学杂志，2006，25(5):477-481.

［19］朴世龙，方精云.最近18年来中国植被覆盖的动态变化.第四纪研究，2001，21(4):294-302.