马士彬，安裕伦杨广斌*，张勇荣

喀斯特地区不同植被类型NDVI变化及驱动因素分析
——以贵州为例

马士彬1，2，3，安裕伦1，2，杨广斌1，2*，张勇荣3

1. 贵州师范大学地理与环境科学学院，贵州 贵阳 550001；2. 贵州省山地资源与环境遥感应用重点实验室，贵州 贵阳 550001；3. 六盘水师范学院环境与资源科学系，贵州 六盘水 553004

以SPOT-VEG NDVI数据为基础结合植被类型、气象和石漠化数据，通过NDVI变化趋势倾斜率及逐像元相关分析，分析不同植被类型NDVI变化趋势及驱动因素。结果表明，（1）2000—2013年贵州省植被NDVI呈增加趋势，其中2000—2007年为快速增加期，变化率为0.25/10 a（r2=0.923）；2008—2013年增速减缓，变化率为0.02/10 a（r2=0.381）。（2）人工植被NDV I增速最大为0.17/10 a（r2=0.813），灌丛灌草丛次之，为0.13/10 a（r2=0.85），乔木类植被（常绿阔叶林、落叶阔叶林、常绿和落叶阔叶混交林、针叶林、针阔混交林）和竹林的NDVI基本保持不变。（3）贵州省气候变化呈不显著冷干趋势，其中降水对植被变化的影响力大于温度，植被NDVI与年降水量和年均温均呈现不显著负相关关系。（4）人工植被与降水和气温的逐像元分析中，显著负相关比重较大，分别达到20%和15%；灌丛灌草丛的显著负相关比重也大于正相关，分别达到16%和17%；乔木类植被则相反，显著正相关比重较大，其中河谷季雨林达到48%。（5）人类活动强度较高的区域，NDVI变化与城市扩展、植树造林及石漠化治理面积有显著正相关性。由此得出，在人类活动强度较大的区域，如城镇周边、生态治理与修复措施的实施区域，植被变化主要受人为作用制约；但当人类活动或干扰较少时，气候变化限制植被的变化趋势。所以，从宏观角度分析植被变化与气候变化的关系时，必须权衡人为作用和气候变化对植被变化的影响。

喀斯特；植被类型；NDVI；气候变化；人为作用

引用格式：马士彬， 安裕伦， 杨广斌， 张勇荣. 喀斯特地区不同植被类型NDV I变化及驱动因素分析——以贵州为例［J］. 生态环境学报， 2016， 25（7）： 1106-1114.

MA Shibin， AN Yulun， YANG Guangbin， ZHANG Yongrong. The Analysis of the Difference Vegetation Variation and Driver Factors on NDVI Change in Karst Region： A Case on Guizhou ［J］. Ecology and Environmental Sciences， 2016， 25（7）： 1106-1114.

我国西南地区是世界三大喀斯特地貌连片发育区，喀斯特地貌发育、演化的许多理论问题将在中国南方喀斯特区域被解决（Sweeting，1995）。杨明德（1990）指出喀斯特环境是地球上一个独特的自然环境，具有二元三维空间，是一个物质能量交换复杂的开放系统，其地域性和动态性都很显著，喀斯特环境属于世界上一类脆弱的环境，具有生态变异敏感度高，环境承载容量低，灾害忍受阈值弹性小的基本特性。喀斯特地区主要的生态问题就是石漠化，熊康宁等对喀斯特地区石漠化发生、发展和演化机理做了系统、深入的研究（熊康宁，2002），认为水土流失是石漠化形成的核心问题（熊康宁等，2012），而造成水土流失的主要原因是植被覆盖的减少。所以准确、客观地监测长时间序列上植被的变化情况，探索植被变化的水文、土壤、气候效应，是保护喀斯特脆弱生态环境的基本前提和保障。

归一化植被指数（Normalized difference vegetation index，NDVI），是通过遥感手段获取的一种直接反映植被生长状态的数据，与植被覆盖度、生物量、光合有效辐射吸收率等植物理化特征有密切关系（Prince，1991；Carlson et al.，1997）。NDVI数据具有覆盖区域广、时效长、重复周期短等特点，可以实现大区域、长时间序列植被变化的监测。自20世纪80年代以来，NDVI数据已经成为全球和区域尺度植被监测的主要数据源（Defrieset al.，1994）。国际上，M yneni et al.（1997）和Tucker et al.（2001）分别分析了1981—1991年和1981—1999年的NDVI变化，发现北半球植被活动呈现增强趋势，中纬度地区尤为明显，并将该增强趋势归因于气候变暖。Park et al.（2010）通过分析东亚北部1982—2006年4—10月的NDVI数据发现，植被活动在1990s中期之前趋于增强，而后呈现明显减弱的趋势。国内，方精云等（2003）利用NOAA-AVHRR/NDVI时间序列数据从全国尺度上分析得出1982—1999年我国植被活动在增强；区域尺度上韦振锋等（2014）利用SPOT VEG数据对我国西北地区植被变化进行研究，认为西北地区植被覆盖整体呈增加趋势，但局部地区干旱少雨和人类活动抑制了植被生长；王海军等（2010）研究认为西北年均NDVI与气温呈明显正相关且寒区植被NDVI变化对气温比较敏感；毛德华等（2011）在对AVHRR和MODIS数据进行一致性分析的基础上，分析东北多年冻土区植被变化及对气候变化的响应；赵舒怡等（2015）研究认为华北平原的植被覆盖度呈南高北低、中部高四周低的分布特点，植被覆盖度主要呈上升趋势；邓伟等（2014）研究认为，气温是长江中下游区域植被覆盖变化的主要影响因素。通过上述分析可以看出，目前对NDVI数据的使用以及植被变化对气候变化响应分析的相关研究已经比较系统和全面。在西南喀斯特区域，Cai et al.（2014）通过分析贵州省植被NDVI与气候变化、土地利用变化以及人口迁移等要素的关系后，认为喀斯特地区植被NDVI增强主要是由于人为因素驱动导致，文章分析过程中选用点状气象数据进行分析同时未考虑植被类型的生态功能差异性。基于此，本文将在喀斯特地貌背景下，以不同植被类型为空间单元，进行逐像元的植被变化规律及其对气候变化响应的分析，以期进一步探索喀斯特生态环境效应机制和石漠化治理模式。

1　研究区概况与数据方法

1.1研究区概况

贵州省位于中国西南部，与湖南、广西、云南、四川、重庆接壤，介于103°31'～109°30′E，24°30′～29°13′N之间。属于喀斯特高原山区，山地和丘陵占区内总面积的92.5%，喀斯特面积占全省国土面积的61.9%。地势西高东低，平均海拔1100 m。由于地形因素影响，区内气温和降水分布差异显著。西部威宁、水城等高海拔区域属暖温带季风气候，平均气温10.5 ℃，1月最低气温-1.6 ℃，年降水量为883.1 mm；中部、东部为亚热带季风气候，平均气温14.8 ℃，1月最低气温2.3 ℃，年降水量为1200 mm。

1.2数据来源及处理

1.2.1NDVI数据处理

本研究采用的NDVI数据是2000年1月—2007年12月SPOT VGT数据，空间分辨率为1 km（数据来源http：//westdc.westgis.ac.cn/）以及2008年1月—2013年12月MODIS NDVI数据（数据来源：https：//ladsweb.nascom.nasa.gov/data/search.htm l），空间分辨率250 m。SPOT VGT传感器的波段设置考虑了植被监测目的，数据质量较高（Maisongrande et al.，2004，Fensholt et al.，2009），因此在研究较小空间尺度的问题或者不需要1998年以前的数据时，应尽量使用SPOT VGT数据（Pettorelli et al.，2005）。由于SPOT VEG NDVI数据只涵盖2007年以前的数据，故2007—2013年数据采用MODIS NDVI数据。由于二者空间分辨率不同，为保证研究结果的一致性，将空间分析网格大小确定为1 km×1 km，对MODIS NDVI数据进行重采样处理。利用最大值合成方法（Maximum value composition，MVC）将NDVI旬数据生成月NDVI，将1年中12个月的NDVI取最大值表示年内植被的平均生长状况（A llen et al.，2002）。

1.2.2植被类型数据

根据中国科学院中国植被图编辑委员会于2001年出版的《中国1∶100万植被图集》经遥感调查细化获得的贵州省植被类型数据（图1），将贵州省植被类型归纳为常绿阔叶林（EBLF）、落叶阔叶林（DBLF）、常绿和落叶阔叶混交林（EDBLF）、针叶林（CF）、针阔混交林（CBMF）、河谷季雨林（RVMF）、竹林（BF）、常绿灌丛灌草丛（ESG）、落叶灌丛灌草丛（BSG）、大田作物（Crops）、经济林（EF）、园地（Garden）共12类。

1.2.3气象数据处理

气象数据为2000—2013年51个气象站降水和气温的日值数据，其中贵州省33个，湖南省3个，广西自治区5个，云南省3个，四川省2个，重庆市5个，数据源自中国气象数据网（http：//data.cma.cn/）（图1）。气象数据采用反距离权重内插法进行空间插值，获取贵州省2000—2013年年降水量和年均气温的栅格图像，分辨率为1 km×1 km。

1.3方法

1.3.1趋势法

趋势线是对1组随时间变化的变量进行回归分析，预测其变化趋势的曲线。通过计算每个像元上10 a的NDVI，用趋势线分析法模拟该像元NDVI的变化趋势，即年际变化：

图1　植被类型和气象观测点的空间分布Fig. 1　spatial distribution of vegetation types and climate in Guizhou province

某象素点的趋势线是该象点n年的年NDVI最大值用一元线性回归模拟出来的1个总的变化趋势，K即是这条趋势线的斜率。K＞0，表示NDVI在n年间的变化趋势是增加的，表示区域植被得到修复；反之，植被退化（徐建华，2002）。

1.3.2相关分析

对研究区14 a NDVI数据与温度、降水量的空间插值数据进行逐像元相关分析。由此反映出气候因子与NDVI序列的相关程度及其空间分布规律，综合分析植被NDVI对气候因子的响应。相关系数计算公式：

式中，x、y分别为两个要素样本值的平均值；rxy为要素x和y之间的相关系数（徐建华，2002）。

2　植被时空变化特征

2.1时间变化特征

2000—2013年，贵州省植被年最大NDVI呈显著上升趋势，增速为0.067/10 a（r2=0.474）。研究区植被NDVI变化分为两个阶段：2000—2007年为快速上升期，年增长速率达到0.25/10 a（r2=0.923），2007年NDVI达到研究时段峰值0.655；2008年贵州省NDVI值下降到0.606，后缓慢恢复；2008—2013年增长速率为0.02/10 a（r2=0.381）（图2）。

对不同植被类型2000—2013年NDVI均值进行统计分析得出，人工植被（经济林、大田作物、果园）的NDVI值上升趋势最为显著，平均达到0.17/10 a（r2=0.817）；其次是灌木林地（常绿灌木灌草丛、落叶灌木灌草丛），NDVI增长速率为0.13/10 a（r2=0.85）；针叶林、常绿阔叶林、落叶阔叶林、河谷季雨林、竹林NDVI值变化趋势不明显，r2的平均值为0.0925，其中常绿和落叶阔叶混交林呈不显著降低趋势，降低率为0.004/10 a，r2=0.001（图3）。

图2　2000—2013年贵州省归一化植被指数（NDVI）和NDVI值显著增高区域造林面积Fig. 2　The change of NDVI and the forestation area of NDVI enhanced region in GuiZhou province from 2000 to 2013

图3　2000—2013年贵州省各植被类型NDVI变化趋势Fig. 3　The trend of NDVI in all kinds of vegetation types in Guizhou province from 2000 to 2013

2.2空间特征

2.2.1空间分布特征

研究区NDVI高值区主要分布在东南部、南部、西北部的非喀斯特区域，因为这些区域以碎屑岩为主，土壤发育良好，保水保肥能力强，植被类型以阔叶林、针阔混交林、竹林为主。低值区主要分布在西部、西南部、东北部的典型喀斯特发育区，土壤水分条件较差，植被类型以灌丛灌草丛为主；同时贵阳、遵义、安顺等城市密集区也是植被NDVI较低的区域。

2.2.2空间趋势特征

为检测贵州植被NDVI变化趋势，笔者计算了2000—2013年植被NDVI的趋势倾斜率，并进行了M-K检验，将结果划分为显著降低、不显著降低、无变化、不显著增强和显著增强5个等级（图4）。结果表明，2000—2013年贵州省大部分区域植被NDVI为增强趋势，增加和退化面积比例分别为81.65%和2.6%，其中显著增强的面积占36.9%。空间分布上，显著增强的区域主要集中在西部水城、盘县、威宁和东部黄平、镇远、铜仁等区域，这些区域都是典型的喀斯特发育区，原有NDVI值比较低，石漠化程度较高。NDVI降低的区域主要集中在大城市周边，如贵阳、遵义；值得注意的是，北部赤水、仁怀，南部的望谟、册亨，以及东南部的荔波、从江等区域NDVI也呈现降低趋势。

3　NDVI变化的驱动力分析

3.1植被覆盖对气候变化的响应

3.1.1时间序列特征

贵州省2000—2013年年降水量呈下降趋势，气候倾向率为-13.26 mm·a-1（α＜0.05）；年均温呈下降趋势，变化速率达到-0.03 ℃·a-1（α＜0.1），所以研究期内贵州气候的整体变化趋势以冷干为主。对2000—2013年植被NDVI、年均气温和年降水量进行年内平均，计算NDVI与气温和降水之间的相关系数。结果表明，植被NDVI与年降水量间呈负相关关系，相关系数为-0.533（α＜0.05）；植被NDVI与年均气温间呈不显著负相关关系，相关系数为-0.19（未通过0.1置信水平检验）。从相关分析结果看，植被NDVI与年降水量间的相关系数明显大于年均温，所以年降水量对贵州省植被年NDVI最大值变化的贡献大于气温。

3.1.2空间特征

图4　2000—2013年贵州省归一化植被指数（NDVI）变化倾斜率Fig. 4　Spatial distribution of NDVI change slope in GuiZhou province from 2000 to 2013

图5　2000—2013年贵州省归一化植被指数（NDVI）与年降水量（a）和年均温（b）相关系数空间分布Fig. 5　Spatial distribution of correlation coefficient between NDVI and precipitation （a）， NDVI and temperature （b） in GuiZhou province from 2000 to 2013

通过对2000—2013年研究区植被NDVI与年均温和年降水的空间插值数据进行逐像元相关分析（图5）。结果表明：研究区植被NDVI与年降水相关系数小于0的像元面积占研究区总面积的53.55%，其中相关系数小于-0.5的像元占研究区总面积的7.2%；空间上（图5a），黔东北、贵阳、安顺地区植被NDVI与年降水量呈显著负相关，主要植被类型为灌丛灌草丛、园地和人工植被；呈显著正相关的区域主要分布在黔西北和黔南、黔东南部分地区，植被类型以乔木和竹林为主。通过统计不同植被类型在各相关系数等级的分布面积比重可知（图6a），人工植被中的大田作物、园地、经济林与年降水呈显著负相关（r＜-0.5）的面积占该类植被总面积的20%，远大于呈显著正相关（r＞0.5）的面积；常绿和落叶阔叶混交林、温性针叶林、竹林与降水呈相关的面积都在55%以上，大于呈负相关的面积。

研究区植被NDVI与年均温呈正负相关的像元面积分别占研究区总面积的53.69%和46.31%，相关系数大于0.5和小于-0.5的像元分别占研究区总面积的6.64%和5.06%。与年均温的相关关系中，从乔木到灌丛灌草丛再到人工植被，正相关比重逐渐下降（图6b）。乔木类植被中各类型与气温呈正相关像元比重都大于负相关，其中河谷季雨林90%以上的像元与气温呈正相关。灌丛灌草丛和人工植被与气温呈显著负相关比重分别为12%和13%，均大于显著正相关。

图6　各植被类型NDVI与降水和温度相关性（a）NDVI与降水；（b）NDVI与温度Fig. 6　The percentage of correlation cell in all kinds of vegetation types. （a） NDVI and precipitation； （b） NDVI and temperature

图7　贵州省部分县石漠化治理与NDVI变化关系Fig. 7　The relationship between rock desertification restoration and annual NDVI from 2000 to 2013

3.2人为因素对植被覆盖的影响

通过上述分析可知，气候是影响植被变化的重要因素，但人为作用可以增强或减弱气候的影响力。为系统阐述区域人为作用对植被变化的影响，分析2000—2013年NDVI显著增高区域的造林面积与NDVI值的关系（图2）。结果显示，贵州省2000—2004年造林面积最大，同期NDVI值增加速率最大，说明人为作用对于推动植被NDVI值起到了显著作用。选取贵州省轻度以上石漠化面积占县国土面积超过50%的10个县，分别统计2000—2013年各县轻度以上石漠化面积、石漠化治理面积占该县石漠化总面积比重以及NDVI显著增高的面积（图7）。对比发现，石漠化治理面积比重与NDVI显著增强面积比重存在一定相关性，说明石漠化治理过程中，植被修复措施对区域NDVI值提高起到一定作用。

另外研究区大中城市周边NDVI降低明显，其原因主要是城市扩展，大量植被覆盖土地转化为建设用地。以贵阳为例，计算2010—2013年NDVI的变化率，并以城市驻地为圆心，生成10个2 km间隔的缓冲区，分别计算每个缓冲弧内NDVI变化率均值。结果显示（图8），贵阳市西北方向的植被NDVI显著降低，而研究期内贵阳市的西北方向为城市主要扩展方向，说明人为驱动的城市扩张是导致NDVI下降的另一因素。

4　讨论

全球气候变暖及降水的区域性变化已经得到广泛验证（王绍武等，1995；Dai et al.，1998；IPCC，2007），本文也得出贵州省2000—2013年气候变化呈冷干趋势。根据之前的研究，温度影响了光合作用和呼吸作用的速率以及植物对养分的利用效率；降水是植物水分需求的主要来源（Bachelet et al.，2001；Wang et al.，2001；Tan，2007），因此温度降低、降水量减少将限制植物的生长（Piao et al.，2014）。但本文分析得出，在贵州省气候呈冷干的变化趋势下，植被NDVI呈上升趋势，与之前的研究结论相矛盾。通过分析各植被类型NDVI变化及其对气候变化的响应后发现，灌丛灌草丛和人工植被与气温和降水的关系中，负相关较突出，随着温度下降和降水减少，NDVI呈增加趋势。贵州省灌丛灌草丛和人工植被的面积占全省国土面积的80.4%，导致区域整体NDVI变化与气候变化呈负相关。灌丛灌草丛和人工植被受人为影响大，如退耕还林还草、石漠化治理、人为灌溉及施肥等措施，导致当气候变冷、变干时并没有明显抑制植被NDVI值的增加。因此，植被变化对气候变化的响应与植被类型有着密切关系，分析二者的关系时必须考虑植被类型的生态功能差异性。

另外，研究区乔木类植被（常绿阔叶林、落叶阔叶林、常绿和落叶阔叶混交林、针叶林、针阔混交林）与气温和降水的相关关系中，正相关较突出，即随着温度降低和降水的减少，乔木类植被NDVI值呈降低趋势。根据贵州省生态功能区划，乔木林类植被基本纳入到了重要生态公益林保护区内，人为干预较少，植被与气候间的关系较单一，在这种条件下，气候呈冷干趋势变化限制了植被生长，导致NDVI值降低或增速减缓。

综上，区域环境要素与人类活动间相互影响，随着人类改造自然的能力不断增强，自然因素间的相互作用受人类干扰的程度也逐渐加大。在人类活动强度较大的区域，如城镇周边、生态治理与修复措施的实施区域，气候条件对植被变化的限制性被打破；但当人类活动或干扰较少时，二者仍然体现严格的自然生态规律。所以，从宏观角度分析植被变化与气候变化的关系时，必须权衡人为作用和气候变化对植被变化影响的，构建单纯气候条件影响下的大区域尺度、不同植被类型及组合的植被生态系统，并长时间监测植被变化对气候变化的响应机制，包括响应时间（敏感性）、生长态势、植物群落演替、物质循环等，才能真正揭示气候-植被二者间的相关作用模式。

5　结论

图8　2000—2013年贵阳市NDVI变化Fig. 8　Vegetable change of GuiYang from 2000 to 2013

（1）2000—2013年贵州省植被NDVI值呈上升趋势，2000—2008年上升速率大于2008—2013年。2000—2013年贵州省气候呈冷干趋势变化。

（2）贵州省植被NDVI值与年降水量和年均温均呈现负相关关系，其中年降水量变化对植被变化的影响力大于年均温。

（3）乔木类植被（常绿阔叶林、落叶阔叶林、常绿和落叶阔叶混交林、针叶林、针阔混交林）和竹林的NDVI变化主要受气候变化影响，与气候变化的正相关性较突出；灌丛灌草丛（常绿灌草丛、落叶灌草丛）和人工植被（大田作物、经济林、园地）主要受人为作用影响（城市化、植树造林、石漠化治理等），人为作用打破了气候对植被变化的限制性机制，呈现随着气温降低和降水量减少，植被NDVI增大的负相关关系。

（4）通过分析得出，植被变化对气候变化的响应与植被类型有着密切关系，分析二者的关系时必须考虑尺度效应造成的差异。同时由于人为改造自然的能力不断提高，对自然要素间相关作用的机制产生了本质的影响，所以分析气候与植被间的相互关系时必须构建或选择单一气候条件下的植被生态系统作为分析单元。

ALLEN R G， PEREIRA L S， RARES D， et al. 1998. Crop Evaportranspiration Guidelines for Computing Crop Water Requirements-FAO Irrigation and Drainage Paper 56 ［M］. Rome： Food and Agriculture Organization of the United Nations.

BACHELET D， NEILSON R P， LENIHAN J M， et al. 2001. Climate change effects on vegetation distribution and carbon budget in the United States ［J］. Ecosystems， 4（3）： 164-185.

CA I H Y， YANG X H， WANG K， et al. 2014. Is Forest restoration in the southw est china Karst promoted mainly by climate change or human-induced factors？ ［J］. Remote Sensing， 6（10）： 9895-9910.

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

DAI A G， TRENBERTH K E， KARL T R. 1998. Global variations in droughts and wet spells： 1900-1995 ［J］. Geophysical Research Letters，25（17）： 3367-3370.

DEFRIES R S， TOWNSHEND J R G. 1994. NDVI-derived land cover classification at a global scale ［J］. International Journal of Remote Sensing， 15（17）： 3567-3586.

FENSHOLT R， RASMUSSEN K， N IELSEN T T， et al. 2009. Evaluation of earth observation based long term vegetation trends-Intercom paring NDVI time series trend analysis consistency of Sahel from AVHRR GIMMS， Terra MODIS and SPOT VGT data ［J］. Remote Sensing of Environment， 113（9）： 1886-1898.

IPCC. 2007. Climate Change 2007： The Physical Science Basis. Contribution of working group I to the fourth assessment report of the intergovernmental panel on climate change ［R］. Cambridge， UK：Cambridge University Press.

LOTSCH A， FRIEDL M A， ANDERSON B T， et al. 2003. Coupled vegetation-precipitation variability observed from satellite and climate records ［J］. Geophysical Research Letters， 30（14）： 1774.

MAISONGRANDE P， DUCHEM IN B， DEDIEU G. 2004. VEGETATION/SPOT： An operational mission for the Earth monitoring；presentation of new standard products ［J］. International Journal of Remote Sensing， 25（1）： 9-14.

MYNENI R B， KEELING C D， TUCKER C J， et al. 1997. Increased plant grow th in the northern high latitudes from 1981 to 1991 ［J］. Nature，386： 698-702.

PARK H S， SOHN B J. 2010. Recent trends in changes of vegetation over East Asia coupled with temperature and rainfall variations ［J］. Journal of Geophysical Research， 115（D14）： 1307-1314.

PETTORELLI N， VIK J O， MYSTERUD A， et al. 2005. Using the satellite-derived NDVI to assess ecological responses to environmental change ［J］. Trends in Ecology and Evolution， 20（9）： 503-510.

PHILIPPON N， MOUGIN E， JARLAN L， et al. 2005. Analysis of the linkages between rainfall and land surface conditions in the West African monsoon through CMAP， ERS-WSC， and NOAA-AVHRR data ［J］. Journal of Geophysical Research， 1109（D24）： 115.

PIAO S L， FANG J Y， ZHOU L M， et al. 2003. Interannual variations of monthly and seasonal normalized difference vegetation index （NDVI）in China from 1982 to 1999 ［J］. Journal of Geophysical Research，108（D14）： 4401.

PIAO S L， NAN H J， FORD C H T， et al. 2014. Evidence for a weakening relationship between interannual temperature variability and northern vegetation activity ［J］. Nature Communications， 5： 5018.

PRINCE S D. 1991. A model of regional primary production for use w ith coarse resolution satellite data ［J］. International Journal of Remote Sensing， 12（6）： 1310-1330.

SWEETING M M.1995. Karst in China： its geomorphology and environment ［M］. Berlin： Springer-Verlag.

TAN S Y. 2007. The influence of temperature and precipitation climate regimes on vegetation dynam ics in the US G reat Plains： A satellite bioclimatology case study ［J］. International Journal of Remote Sensing，28（22）： 4947-4966.

TUCKER C J， SLAYBACK D A， PINZON J E， et al. 2001. Higher northern latitude normalized difference vegetation index and growing season trends from 1982 to 1999 ［J］. International Journal of Biometeorology，45（4）： 184-190.

WANG J， PRICE K P， RICH P M. 2001. Spatial patterns of NDVI in response to precipitation and temperature in the central Great Plains ［J］. International Journal of Remote Sensing， 22（18）： 3827-3844.

邓伟， 袁兴中， 刘红， 等. 2014. 区域性气候变化对长江中下游流域植被覆盖的影响［J］. 环境科学研究， 27（9）： 1032-1042.

方精云， 朴世龙， 贺金生， 等. 2003. 近20年来中国植被活动在增强［J］.中国科学（C辑）， 33（6）： 554-565.

毛德华， 王宗明， 宋开山， 等. 2011. 东北多年冻土区植被NDVI变化及其对气候变化和土地覆被变化的响应［J］. 中国环境科学， 31（2）：283-292.

王海军， 靳晓华， 李海龙， 等. 2010. 基于GIS和RS的中国西北NDVI变化特征及其与气候变化的耦合性［J］. 农业工程学报， 26（11）：194-203.

王绍武， 叶瑾林. 1995. 近百年全球气候变暖的分析［J］.大气科学， 19（5）：545-553.

韦振锋， 王德光， 张翀. 2014. 1999-2010年中国西北地区植被覆盖对气候变化和人类活动的响应［J］. 中国沙漠， 34（6）： 1665-1670.

熊康宁， 李晋， 龙明忠. 2012. 典型喀斯特石漠化治理区水土流失特征与关键问题［J］. 地理学报， 67（7）： 878-888.

熊康宁. 2002. 喀斯特石漠化的遥感-GIS典型研究［M］. 北京： 地质出版社.

徐建华. 2002. 现代地理学中的数学方法［M］. 北京： 高等教育出版社：93-94.

杨明德. 1990. 论喀斯特环境的脆弱性［J］. 云南地理环境研究， 2（1）：21-29.

赵舒怡， 宫兆宁， 刘旭颖. 2015. 2001-2013年华北地区植被覆盖度与干旱条件的相关分析［J］. 地理学报， 75（5）： 717-729.

中国科学院中国植被图编辑委员会. 2001. 1：1000000中国植被图集［M］.北京： 科学出版社.

The Analysis of the Difference Vegetation Variation and Driver Factors on NDVI Change in Karst Region： A Case on Guizhou

MA Shibin1，2，3， AN Yulun1，2， YANG Guangbin1，2， ZHANG Yongrong3
1. School of Geography and Environment， Guizhou Normal University， Guiyang 550001， China；2. Guizhou M ountain Resources and Environmental Remote SensingApplication Laboratory， Guiyang 550001， China；3. Department of Environment and Geography， Liupanshui Normal University， Liupanshui 553004， China

In order to indicate the trend of vegetation change and the driving factors in Karst region， the slope of normalized difference value index （NDVI） change trend and the correlation analysis of pixel by pixel w ere used to analyze the NDVI change trend and driving factors of different vegetation based on the SPOT-VEG NDVI data and combined w ith vegetation type，meteorological data and rocky desertification data. The results showed that： （1） The NDVI of Guizhou Province presented an increase trend from 2000 to 2013， in which it presented a significant increase during 2000 to 2007 and the ratio of change was 0.25/10 a （r2=0.923）； while the grow th slowed from 2008 to 2013 and the ratio of change was 0.02/10 a （r2=0.381）. （2） The NDVI of artificial vegetation grew fastest with the speed of 0.17/10 a （r2=0.813）， the secondly was the shrub land and grass w ith the speed of 0.13/10 a （r2=0.85）. The NDV I of trees and bamboo forest was almost invariant. （3） The climate change in Guizhou was dry-cool and precipitation influenced more than temperature. There was no significant negative correlation betw een NDV I and the annual precipitation and the annual mean temperature. （4） By pixel and pixel analyzing the artificial vegetation， precipitation and temperature， the ratio of negative correlation was bigger which reached to 20% and 15% respectively. The negative correlation ratio of shrub land and grass was bigger than positive correlation which reached to 16% and 17% respectively. On contrast， the tree's positive correlation ratio was bigger in which that of river valley monsoon forest reached to 48%. And （5） in those areas of higher intensity human activities such as urban periphery and rocky desertification management regions， the NDV I change w as significant correlated w ith urban expanding， afforestation and rocky desertification restoration areas. Therefore， in these areas， the vegetation change was mainly attributed to human activities. However when human activities induced less， the climate change restricted the trend of vegetation change. To analyze the relationship between vegetation change and the climate change from the macroscopic angle， the influence weight of human action and climate change must be identified.

karst； vegetation type； NDVI； climate change； human factors

10.16258/j.cnki.1674-5906.2016.07.003

TP75

A

1674-5906（2016）07-1106-09

贵州省科技合作计划项目（黔科合LH字［2015］7610号；黔科合LH字［2014］7459号）；贵州省教育厅自然科学研究重点项目（黔教合KY字［2013］173号）；国家自然科学基金项目（41161002；41361091）；贵州省教育厅高校人文社会科学研究规划项目（14GH007）

马士彬（1982年生），男，副教授，博士研究生，研究方向为遥感与地理信息系统应用。E-mail： msb88.com@163.com *通信作者：杨广斌（1973年生），男，教授，博士，硕士研究生导师，主要研究方向为GIS应用与开发。E-mail： ygbyln@163.com

2016-05-09