郑朝菊， 曾源， 赵玉金， 赵旦， 吴炳方

(1.中国科学院遥感与数字地球研究所，北京 100094; 2.中国科学院大学，北京 100049)

近15年中国西南地区植被覆盖度动态变化

郑朝菊1,2， 曾源1， 赵玉金1， 赵旦1， 吴炳方1

(1.中国科学院遥感与数字地球研究所，北京 100094; 2.中国科学院大学，北京 100049)

基于MODIS-NDVI数据，利用像元二分模型估算获得中国西南地区2000—2014年间的250 m分辨率月度植被覆盖度(fractional vegetation cover，FVC)，结合气象数据，采用趋势分析、相关分析和残差分析方法，对西南地区近15 a间FVC时空变化及与气候、人类活动的关系进行了综合分析。结果表明： ①2000—2014年间西南地区森林生态系统的年最大FVC显著增加，增加速率为0.096 2 a-1(p<0.05)，农田年最大FVC增幅最小(0.031 1 a-1，p=0.582)； ②FVC变化存在明显的空间差异，滇北、黔渝地区的森林和灌丛、三江源地区的草地以及广西南部的农田FVC显著增加，但汶川、横断山、川西北等地FVC显著下降； ③西南地区年最大FVC与秋季降水和夏季均温的相关性最好，相关系数分别为0.320和0.281； ④2000—2014年间西南地区FVC残差的增加速率为0.023 2 a-1，说明人类活动对西南地区植被生长整体上起促进作用。

植被覆盖度； 像元二分模型； 西南地区； 气候变化； 人类活动

0 引言

植被是陆地生态系统的主体，也是联结土壤、大气和水分的自然“纽带”，其年际和季节变化明显，在全球变化研究中充当着“指示器”的作用[1]。植被覆盖度(fractional vegetation cover，FVC)指植被(包括叶、茎、枝)在地面的垂直投影面积占统计区总面积的百分比[2]，是反映地表植被覆盖状况和生态环境的重要指标。植被覆盖度遥感估算主要包括物理模型法和统计模型法[3]，前者以几何光学模型[4]和辐射传输模型[5]为主，可从机理上把握植被生化组分对光谱特征的影响，但通常输入变量多且难以准确测量[3]； 后者以植被指数法[6]、像元分解法[7]、回归模型[8]、分类决策树[9]和人工神经网络[10]为主。其中，回归模型对实测数据依赖大，难以大范围推广； 分类决策树和人工神经网络基于数据挖掘，估算时需要大量样本，建立网络时存在主观成分。……