官雨薇

（电子科技大学 四川成都 611731）

基于MODIS数据的沙漠化发展趋势分析

官雨薇

（电子科技大学 四川成都 611731）

沙漠化问题的日益加剧，对生态环境、人类生活、社会经济等方面造成严重影响，对于沙漠化程度的监测以及沙漠化变化趋势的分析成为关注的热点。文章基于MODIS的归一化植被指数（NDVI）产品和反照率（Albedo）产品，构建表征沙漠化程度的沙漠化指数（DDI），并根据全国2000～2015年沙漠化指数值的变化趋势，分析近年来沙漠化的趋势变化。结果表明，近年来的沙漠化趋势有所好转，也从侧面反映出相关的防护措施已初见成效。

沙漠化指数（DDI）；时间序列趋势分析；沙漠化变化监测

引言

根据国家林业局公布的材料，到2009年为止，我国18个省（市、自治区）的508个县（旗、区）已经受到沙漠化的影响，受影响面积约262.37万km2，是全国总面积的27.33%。沙漠化使得土地丧失生产力，导致产量下降，阻碍社会经济发展，还对交通、建筑、通信等方面造成严重危害，导致我国约541亿人民币的直接经济损失。

日趋严重的沙漠化问题已对人类生活、生产等方面造成严重影响，沙漠化的防治工作成为全球共同关注的焦点。沙漠化监测作为沙漠化预防及治理的重点工作，需要确定沙漠化的区域、面积以及发展速度等问题。

1 国内沙漠化监测现状

沙漠化现象在遥感影像上表现为裸露地表信息的增强和植被信息的减弱，可以采用地表反照率、地表温度、地表湿度、植被覆盖度等指标因子表征。

沙漠化监测的内容是由监测结果的用途决定的，因此，沙漠化监测内容是涵盖土壤、植被、水文、地质地貌、气候气象、社会经济于一体的。现有的沙漠化监测方法包括基于地面站点的人工监测，以及基于遥感技术的空中或者卫星监测[1-3]。

基于地面站点的人工监测，主要包括以下方法：要素评价法主要用于定性分析沙漠化发生的位置；Thornthwaite法则运用于植被-气候关系和气候生产力研究中；地面抽样法是利用成熟抽样技术进行调查，结合数理统计分析推算沙漠化土地面积及动态。地面监测的特点是：在大量的人力和物力支持下，耗费时间过多，并且监测速度缓慢，受人为影响大。

遥感技术主要为区域性或者大范围的环境调查和监测提供支持。沙漠化的遥感监测是基于多时相遥感影像数据，对沙漠化特征、范围等因素进行统计分析的方法，监测对象包括大气、地面覆盖、海洋及近地表状况等。遥感监测的特点：能有效识别沙漠化类型及特征，并且能获取偏远山区的沙漠化信息；卫星重返周期短，成像快，便于长时间序列的动态监测。

自20世纪90年代以来，对于沙漠化的监测，既为沙漠化预防及治理的各项方针政策制订提供了基础资料，又为预防及治理效果的鉴定提供数据，并且对沙漠化防治可能产生的负面影响进行及时预测[4-6]。

2 数据及方法

2.1 数据

由于MODIS相对于其他陆地卫星的传感器，具有高空间分辨率，高时间分辨率，以及高光谱分辨率的特点，使得MODIS数据广泛应用于长时间序列的对地信息监测（植被、温度等）及趋势分析、突然性灾害监测等方面。

MODIS植被指数产品是基于MODIS二级产品的反射率数据（MOD09系列），经云掩膜、重气溶胶校正等预处理的反射率计算得到的，用于表现植被状况的时空综合特征。植被指数产品在Terra星和Aqua星的数据是分不同时间段进行计算。因此，本文考虑到数据的易获取性与时间连续性，使用1km的MODIS月合成植被指数产品MOD13A3中的NDVI指数产品。

MODIS的Albedo产品是基于核驱动模型的地表二向反照率遥感反演算法，且MODIS的反照率产品是结合了Terra和Aqua两颗卫星上的两个MODIS传感器数据。因此，本文采用MCD43A3产品，时空分辨率是16天/1km，8天更新。

2.2 方法模型及流程

根据Albedo与NDVI之间存在额负相关关系，曾永年在2006年提出沙漠化差值指数方法模型[7]，构建沙漠化差值指数（DDI），并根据DDI值得到全球沙漠化分级产品，以此分析全球沙漠化的状况及变化趋势。由于这一方法具有数据易获取、数据的时空连续性良好的特点，解决了大部分沙漠化指标体系的数据难获取的问题，是适用于大范围沙漠化监测的方法。

基于Albedo-NDVI二维空间的DDI表达式如下：

其中，

DDI——沙漠化差值指数；

k——Albedo和NDVI特征空间拟合直线斜率（a）的倒数。

实验数据的具体处理流程如图1所示。由于全国数据量过大，在文中构建沙漠化指数（DDI）时，是通过选取随机样点的方式。根据样点的Albedo-NDVI二维空间中斜率k(-0.6737)，计算得到k倒数α为1.4895，DDI表达式如下：根据沙漠化指数分级图，我国总体分布特征呈现东部高、西部低，从东南向西北逐级递减即东北、华南、华中、西南地区DDI值高，而西北地区DDI值低。15年的年度DDI均值在0.89～1.0附近，总体均值为0.92。年度DDI的最大值出现在长白山地区、大小兴安岭、以及海南岛、台湾，以及四川盆地、秦岭、巫山等区域。

3 分析及结论

沙漠化趋势分析主要是针对已有的沙漠化数据，对一个时间段内沙漠化变化情况进行统计分析。对于沙漠化的变化趋势分析，采用针对每个像元的时间序列拟合法，即以一个像元的15年间的DDI值作为拟合数据，通过线性拟合的方法得到DDI的变化趋势线。对于一个区域的趋势分析，常用的方法是以均值体现其平均状况。因此针对全国区域的沙漠化趋势分析，主要通过区域的DDI均值变化趋势体现，如图1所示。

东北：东三省的DDI均值整体高于1.2，15年总体均值在1.25左右，远高于全国年度DDI均值水平0.9～1.0。15年间东三省整体DDI值处于缓慢上升趋势，0.003/年左右。2009年的DDI值下降，主要是由于当年东三省大范围的高温及大旱。

图1 流程图

华北：由于内蒙古的面积约为全国总面积的12.3%，影响了中国整体的DDI均值变化曲线的走向，且近10年内蒙古地区受干旱和人口影响较大，导致DDI值较低。山西省在2000～2014年沙漠化程度逐年降低，植被覆盖度增加快，主要原因是山西位于“三北”防护林建设工程的中，近年来的开展退耕还林（草）力度加大，且重点建设防风治沙防护林带等。

图2 全国沙漠化指数均值变化折线图

华东：由于华东地区雨水丰沛，温度适宜，植被生长条件良好，因此这一地区的DDI值高。2002年的异常波动可能是由于气候、以及2002年前的Albedo数据是仅仅由Terra数据合成造成的。位于珠江三角洲的上海市，由于早期的城市扩张，导致年度DDI均值波动幅度大，且植被覆盖度低于华东地区的其他省份，但是2009年后，上海市的年度DDI均值保持平稳状态。福建、江西、浙江、安徽四省的年度DDI均值有缓慢上升趋势，且年度DDI均值都在1.2以上。

西北：陕西省、宁夏回族自治区的年度DDI均值有明显的上升趋势，这与三北防护林建设的退耕还林、退耕还草等治理工程有很大关系，说明沙漠化治理工程已取得明显效果。

西南：西南片区的山地较多，云南、贵州、重庆、四川的年度DDI均值则主要在1.1～1.4之间，四省市的年度DDI都高于全国的DDI均值，近15年呈平稳上升变化趋势。

华中华南：由于靠近热带地区，常年雨水丰富、日照条件充足，主要植被类型是常绿阔叶林等，植被覆盖度高。华中华南大部分区域的年度DDI均值远高于全国DDI均值，但是各省的年度DDI均值波动幅度较大。河南、广西、海南、湖南、湖北的DDI均值都有较大的涨幅。

近15年间，我国大多数省市自治区的年度DDI均值增长幅度明显，增长速率为0.01～0.02/年。山西、陕西、宁夏、海南等地区年度DDI均值具有明显的上升趋势。我国年度DDI均值降幅明显的区域主要位于秦岭以北的陕西中部、山西南部，大兴安岭边缘的东北平原北部，以及天山山脉附近的准格尔盆地与塔里木盆地的边缘区域等。

[1]殷贺.基于时间序列植被特征的内蒙古沙漠化评价.地理学报[J],2011(05):p.653-661.

[2]段英杰.基于MODIS的西藏沙漠化动态监测研究.广西大学学报(自然科学版)[J],2012(02):p.312-316.

[3]高永.荒漠化监测[M].北京：气象出版社，2013

[4]边振.基于遥感技术的荒漠化监测方法研究[D].2011,北京林业大学.

[5]任艳群.基于NDVI-Albedo特征空间的沙漠化动态变化研究——以准格尔盆地南缘为例.水土保持通报[J],2014(02):p.267-271+325.

[6]何磊.利用MOD13Q1产品监测肯尼亚2001—2010年荒漠化动态.中国沙漠[J],2013(01):p.46-52.

[7]曾永年，向南平等.Albedo-NDVI特征空间及沙漠化遥感监测指数研究.地理科学[J],2006(01):p.75-81