王景发

摘 要：以吉林省为研究区，基于Landsat TM、OLI遥感影像数据和年平均温度、降水量等气象数据，利用像元计算、NDVI植被指数、相关分析等方法和模型，分析2010—2019年吉林省NDVI植被指数在时间和空间尺度上的变化情况，研究吉林省植被覆盖度总体与局部变化规律，阐明吉林省NDVI植被指数、植被覆盖度变化与年平均温度、降水量等自然气象因素之间的相关关系。研究结果表明：2010—2019年吉林省NDVI植被指数整体呈不断增加趋势，植被覆盖长势良好;近10a吉林省NDVI植被指数、植被覆盖度均由西北向东南逐渐增加，与吉林省由西北向东南湿润程度不断增加的气候状况显著一致;吉林省东部延边朝鲜族自治州、敦化市、白山市、通化市NDVI植被指数与植被覆盖度相对较高，吉林省西部白城市、松原市NDVI植被指数与植被覆盖度相对较低;吉林省NDVI植被指数、植被覆盖度与年平均温度、降水量等气象因子呈显著相关性。及时开展吉林省NDVI植被指数、植被覆盖度时空变化及驱动力研究，可为吉林省合理开发、规划与决策提供科学参考依据。

关键词：NDVI;植被覆盖度;时空变化;吉林省

中图分类号：S161

文献标识码：A

引言

绿色植被作为绿色生态系统不可分割的重要一员，是地理生态系统的基石，广泛分布于地球陆地和海洋生态系统的各个角落，绿色植被能够对地球表面的物质循环与能量流动过程产生重要的作用[1-3]。植被覆盖度（Fractional Vegetation Cover，FVC）即单位面积内植被垂直阴影与土地面积的比值，作为一个被量化了的重要衡量指标，植被覆盖度能够清晰地反映单位土地面积内绿色植被覆盖面积大小程度，指示植被生长变化趋势[4，5]。植被指数NDVI是一种反应植被覆盖度的重要参数，被广泛应用于生态系统植被覆盖度变化监测当中[6，7]。随着遥感技术的不断发展，GIS技术方法逐渐成为植被覆盖度研究学者的重要工具，植被覆盖度的变化监测与分析也变得越来越科学和高效[8-10]。随着航空航天、3S技术和地图制图等方法在植被遥感监测与管理分析中的应用，短时间、大面积的地面植被遥感数据被轻松获取，通过严谨科学地分析与计算，大量精确的植被覆盖度研究也逐步出现在研究学者的眼前。2009年，王宗明等利用GIMMS NDVI数据集和GIS技术对我国东北地区1982—2003年植被NDVI对气候变化的响应进行了分析，研究结果表明，我国东北地区植被NDVI与春季气温呈现显著正相关[11];2011年，毛德华等利用NOAA AVHRR GIMMS和MODIS 2种NDVI数据集对我国东北多年冻土区1982—2006年植被NDVI年际动态和空间差异进行了分析，研究结果表明，我国东北多年冻土区植被NDVI数值较高且森林是主要贡献者[12];2018年，刘家福等利用通过一致性检测的GIMMS和MODIS NDVI数据集对我国东北黑土区1982—2016年植被生长动态进行了研究，并分析其与气温和降水量等气象因子的响应关系，研究结果表明，我国东北黑土区1982—2016年植被NDVI呈现先增加后减少最后再增加趋势，多年平均NDVI数值与同时期气温和降水量具有一定相关性[13]。综上所述，大量科研学者对我国东北地区植被NDVI动态变化在大尺度宏观领域进行了广泛而详细地研究，但对吉林省2010—2019年植被NDVI时空变化及其与气象因子之间的相关关系的研究还有待完善。本文以整个吉林省作为研究对象，分析近10a NDVI植被指数数值与植被覆盖度变化情况及其与气象因素的关联性，能为中国吉林省总体分析生态系统的变化以及合理规划提供重要參数，具有极其重要的价值。

1 研究区概况

吉林省（E121°39′～131°20′，N40°51′～46°20′），简称为吉（图1），位于我国东北地区中部，北邻黑龙江省，南接辽宁省，西与广大的内蒙古自治区相接，东与朝鲜、俄罗斯接壤，面积约19万km2，是中国的工业大省和粮食生产宝地[14]。吉林省位于中纬度亚欧大陆东部，地势分为东南高大长白山脉、中部山地丘陵和西北部平原3部分，地貌地形类型丰富，气候属于温带大陆性季风气候，森林植被资源极其丰富，无霜期约为110～170d，平均日照时长约为2200～3100h，年平均降水量在410～610mm，适宜的气候为植被的生长提供了良好的环境基础[15]。

2 数据源与数据处理

第一颗Landsat系列遥感地球探测卫星于1972年7月23日发射升空， Landsat 4-5 TM遥感影像数据的覆盖范围包括南北纬83°之间的所有陆地地区，其遥感探测数据的更新时效性分辨率是短短的16d，而其在空间栅格上的分辨率更是提高到了30m，时间和空间分辨率都是当时世界的最先进水平。美国NASA国家航空航天研究部门在2013年2月11号再一次成功地将Landsat 8遥感探测地球卫星成功地送入太空并让其进入预先设定好的轨道，标志着新的陆地遥感卫星数据时代开启。Landsat 8 OLI遥感探测地球资源卫星的空间栅格分辨能力也成功提高为30m，在时间上每16d即可绕地球1圈，对地球表面进行短时间高效率的探测，所能形成的影像的长宽幅度分别为185km×185km。新的卫星在技术上进行了较大能力的提升，在与之前的Landsat 7 ETM遥感探测地球资源数据比较起来，Landsat 8 OLI遥感探测资源影像综合数据的第5波段（0.845～0.885μm），能够有效排除波段在0.825μm处水汽对遥感感测的影响;第8波段的波段范围变窄，使得植被和非植被区域的辨别更加明显;新增加2个波段：第1波段（0.433～0.453μm）主要用于海岸线地带的观测，第9波段（1.360～1.390μm）短波红外波段主要用于对云层的检测。

对于植被覆盖度变化检测研究而言，其遥感影像观测数据应尽量减少云雾等噪声对数据计算分析的影响，从而减小或避免误差。文章通过利用地理空间数据云官方网站（http：//www.gscloud.cn/）实时共享数据集合，下载获得中国吉林省2010年、2013年、2016年和2019年共4期的Landsat 4-5 TM、8 OLI遥感探测地球资源系列卫星植被作物在生长季 （6—9月） 时间段内的影像数据，使得数据总体云量控制在5%以下。利用ERDAS 9.2、Google Earth、ArcGIS 10.3和ENVI 5.3等软件对数据进行数据转换、数据校正、数据精校正、数据去噪声处理及植被指数NDVI计算和最终出图等操作，变形遥感影像数据在标准地形图的配准下逐步实现精度的提高与误差的减小。最后利用控制点检验最终数据，经检验，数据符合科学标准，可以正常使用。最终确定遥感数据为WGS 84坐标系，数据量大小在600～1000M。

气象数据由中国国家气象科学数据共享中心官网（http：//data.cma.cn/）下载获得，包括吉林省2010年、2013年、2016年和2019年4期年平均气温、年平均降水量2项指标。

3 结果与分析

3.1  NDVI年际变化趋势

利用ArcGIS 10.3对下载好的Landsat数据进行一系列预处理与精校正之后，再利用ENVI 5.3中的Band Math功能进行计算，分别求出吉林省2010年、2013年、2016年和2019年4期NDVI植被指数为0.782、0.836、0.891和0.924，变化趋势分析结果如图2。

吉林省NDVI植被指数近10a呈不断增加趋势，增加斜率高达0.0481，R2为0.9883，线性相关显著。由4期NDVI植被指数数据表明，中国吉林省近10a植被覆盖度增加显著。植被覆盖指数增加表明吉林省近年来对于绿色植被的保护意识以及相应退耕还林、还草等国策的积极相应。

3.2  NDVI空间变化趋势

对吉林省2010年、2013年、2016年和2019年4期NDVI植被指数数据进行空间变化分析，结果如图3。

吉林省NDVI植被指数由西北向东南逐渐增加，这种现象与吉林省由西北向东南湿润程度不断增加的气候状况显著一致，也同吉林省东南部属于长白山巨大野生保护森林基地现状显著一致。植被覆盖度也是东南部明显高于西北部，吉林省西北部靠近内蒙古半干旱气候区，气候干旱少雨，春季干旱多大风扬沙天气，这使得吉林省西北部地区的植被生长受到明显抑制。在市区层面上，吉林省东部延边朝鲜族自治州、敦化市、白山市、通化市NDVI植被指数和植被覆盖度相对较高;吉林省西部白城市、松原市NDVI植被指数和植被覆盖度相对较低。

从空间变化程度上来看，吉林省NDVI植被指数和植被覆盖度整体呈现不同程度的提升。其中，长春市、四平市和吉林市增长程度较大，但由于其地区分布有主要的城市群落，使得这些地区的植被指数与植被覆盖度增加程度提升受到限制。

3.3 驱动力分析

植被覆盖度变化可以充分利用NDVI植被指数数值进行合理反映，NDVI数值的变化是自然与人为因素共同影响制约的结果，其中，自然影响因素是极其重要的一部分，包括区域气候、整体地形和地貌及研究区土壤类型等。通过对吉林省2010年、2013年、2016年、2019年4期年平均最高、最低气温和年平均最大、最小降水量数据进行综合统计分析，研究结果如图4。

吉林省2010年、2013年、2016年和2019年共4期年平均最高气温分别为6.83884℃、7.87799℃、8.14378℃和8.19185℃;年平均最大降水量分别为785.212mm、923.326mm、1259.3mm和1410.17mm，气温和降水量都呈现波动上升趋势。

利用SPSS 21对吉林省NDVI植被指数数据与年平均气温、降水量数据进行相关性分析（如表1）。研究结果表明，吉林省NDVI植被指数与其相应的年平均最高、最低气温和年平均最大、最小降水量的相关性系数分别为0.918、0.015、0.986和-0.696;显著性系数分别为0.082、0.985、0.014和0.304，吉林省NDVI植被指数与年平均气温、降水量呈显著相关性，即植被覆盖度与年平均气温、降水量呈显著相关性。

4 结论

本文以吉林省为研究对象，利用Landsat系列遥感影像数据，基于NDVI归一化植被指数和植被覆盖度，同时使用遥感和GIS分析软件，对吉林省2010年、2013年、2016年和2019年4期NDVI植被指数做遥感统计分析，基于NDVI植被指数与植被覆盖度之间的相关关系，探讨吉林省植被覆盖度时空分布特征及其驱动力，研究结果如下。

从总体年际变化来看，吉林省NDVI植被指数2010—2019年呈不断增加趋势，增加斜率高达0.0481，R2为0.9883，线性相关显著，植被覆盖度也呈波动增加趋势。

从总体空间分布及变化来看，吉林省NDVI植被指数由西北向东南逐渐增加，这种现象与吉林省由西北向东南湿润程度不断增加的气候状况显著一致，也同吉林省东南部属于长白山巨大野生保护森林基地现状显著一致，植被覆盖度也表现为东南部显著高于西北部;在市区层面上，吉林省东部延边朝鲜族自治州、敦化市、白山市、通化市NDVI植被指数和植被覆盖度相对较高;吉林省西部白城市、松原市NDVI植被指数和植被覆盖度相对较低;从空间变化程度上来看，吉林省NDVI植被指数和植被覆盖度整体呈现不同程度的提升。

吉林省NDVI植被指数和植被覆盖度与年平均温度、降水量等气象因子呈显著相关性。及时开展吉林省NDVI植被指数、植被覆盖度时空变化及驱动力研究，可为吉林省合理开发、规划与决策提供科学参考依据。文章仅对影响植被覆盖度发生变化的年平均气温、降水量等气象因素进行了分析，下一步将结合人文社会条件对影响植被覆盖度变化的因素进行深入探讨。

参考文献

[1] 方精云， 郭兆迪， 朴世龙， 陈安平. 1981～2000年中国陆地植被碳汇的估算[J]. 中国科学（D辑： 地球科学）， 2007（06）： 804-812.

[2]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[J]. 遥感学报， 1998（03）： 204-210.

[3]郭铌. 植被指数及其研究进展[J]. 干旱氣象， 2003（04）： 71-75.

[4]赵舒怡， 宫兆宁， 刘旭颖. 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， 2015， 70（05）： 717-729.