张卓群

(安徽理工大学空间信息与测绘工程学院，安徽 淮南 232001)

1 绪论

气候变化已经很大程度影响了生态系统,并将产生深远而巨大的影响[1]。Schmidt等的研究结果表明，NDVI对于降水敏感性很强[2]；李本纲等研究发现，我国NDVI与温度和降水都有显著的相关性[3]。气候变暖目前而言，对于寒冷地区的植被是有利的,但从大范围来讲，可能会增强不利影响。气候变化对农业气候条件以及荒漠化产生可能会有直接的影响,从而限制粮食安全和农业可持续发展[4]。由这些研究分析得到，由于区域的不同，气候变化对植被生长和生态环境会产生不同的影响。进行深入的气候变化研究，尤其研究和分析局部地区的气候变化和植被变化,对促进可持续发展,以及应对一系列气候变化造成的影响是非常重要的[5,6]。

2 研究区概况

西双版纳地区(N21°09′～22°36′,E99°58′～101°50′)地处云南省南部，总面积19690km2。西双版纳南部和老挝、缅甸接壤，西面、北面和东面与滇西南的山原、山地相连；整个地势周围高、中部低，以山原为主，其中分布着许多宽谷盆地、低山和低丘；海拔范围较广，从最低(南部的南腊河与澜沧江交汇处水面)的475m至最高峰(澜沧江西岸的桦竹梁子)2429.5m。西双版纳的典型热带地区仅为海拔900～1000m以下的低山、河谷及坝区，约占总面积的18%[7,8]。

3 遥感数据的收集与处理

3.1 NDVI数据的收集

3.1.1 基于数据提取植被信息的理论支持

归一化植被指数(NDVI)[9]是目前国际上最为通用的一种，被定义为近红外和可见光红光波段数值之差除以这2个波段数值之和[10]。计算公式如下：

式中,NIR为近红外波段数值;R为可见光红光波段数值;NDVI的值介于±1之间，即-1≤NDVI≤1。负值表示为云、地表的水或冰雪；0值表示为岩石或裸地；正值表示有植被覆盖，NDVI值越大表明地表植被覆盖度越大。

3.1.2 NDVI数据选取

在众多监测植被的遥感数据中，目前国际上使用较多的是NOAA/AVHRR、Landsat、SPOT/VGT和MODIS数据。相对于Landsat和SPOT来说，MODIS的时间分辨率较高，为16d，而且至今已有20a多的观测历史，能够满足长时间连续监测植被变化的要求，广泛用来研究区域性尺度植被变化[11]。本文利用分辨率为250m的数据进行研究。

3.2 NDVI数据的处理

3.2.1 NDVI数据的预处理

由于MOD13Q1数据己经进行了辐射定标、几何校正、大气校正等一系列的校正，所以只需要在专门处理MODIS数据的软件MODIS Reprojection Tool(MRT)中进行重投影和几何校正，选用GCS_WGS_标系，并以.tif格式输出。在ENVI中利用研究区矢量边界对MOD13Q1遥感影像进行裁剪，得到西双版纳傣族自治州的遥感影像，并将灰度值转换为NDVI值，由此得到真正的西双版纳NDVI遥感影像。

3.2.2 植被覆盖度遥感估算模型选取

本文选取像元二分模型作为研究所应用的基础模型，像元二分模型形成了一定的理论基础,不受地域的限制，并削弱了土壤背景、植被类型和大气的影响[12-14]。

像元二分模型的基本原理是假设每个像元都可分解为纯植被和纯土壤2个部分，所得到的光谱信息(如NDVI)是以2种纯组分的面积比例加权的线性组合[14]。其中，纯植被所占的面积百分比即为研究区的植被覆盖度，公式如下：

VFC=(NDVI-NDVIsoil)/(NDVIveg-NDVIsoil)

(1)

式中，VFC表示植被覆盖度；NDVI、NDVIsoil和NDVIveg分别表示任意像元、纯土壤像元和纯植被像元的NDVI。也可用以下公式：

VFC=(NDVI-NDVImin)/(NDVImax-NDVImin)

(2)

式中，NDVImax和NDVImin分别为区域内NDVI的最大值和最小值。由于噪声必定存在，NDVImax和NDVImin一般取一定置信度范围内的最大值与最小值，主要根据图像实际情况来选定置信度的取值。通过参考李苗苗的估算NDVImax和NDVImin的方法，提取研究区统计结果中NDVI值累积概率54%和95%分别为NDVImin和NDVImax[14,15]。

3.2.3 植被覆盖图提取与分析

参考佟斯琴等的植被覆盖度的等级划分,见表1。在ARCGIS中进行重分类，并将分类结果绘制成地图，得到2000—2017年这17a的植被覆盖图，如图1所示。

图1 2000—2017年植被覆盖图

表1 植被覆盖度等级划分

3.3 植被覆盖度变化分析

根据表1的植被覆盖度等级划分，计算得到近20a来的植被覆盖折线图。

由图2和图3分析得到，2002年极高覆盖度有了显著地提升并且极高覆盖度达到了近20a的最高点，相反的高覆盖度有明显的下降趋势；2000—2004年极高覆盖度均呈现上升的趋势，对应的高覆盖度有明显的下降趋势，其它覆盖度变化不明显；2005年极高覆盖度明显下降了很多，对应的其它植被覆盖度有了明显的不同程度上升；2005—2006年，虽然极高覆盖度回升到了原有的高度，但是从2006—2012年间极高覆盖度还是基本呈现逐年下降的趋势，对应的高覆盖度和中等覆盖度有明显的上升趋势；2012—2013年，极高覆盖度又回升到了原有的高度，对应的其它植被覆盖度有了明显的下降趋势；2014—2015年，极高覆盖度又有了明显的下降趋势，经过2a的缓和，2016—2017年又回升到了和2000年相近的高度，其它植被覆盖度呈现相反的趋势。

图2 2000—2017年西双版纳植被覆盖变化折线图

图3 2000—2017年西双版纳植被覆盖变化的百分比堆积折线图

4 2000—2013年西双版纳州气候变化

本文选取西双版纳地区景洪气象站和勐腊气象站2000—2013年的气象数据来研究分析气候变化。

4.1 年平均气温

根据气象局提供的数据绘制出了景洪气象站和勐腊气象站的年平均气温折线图，见图4、5。

图4 景洪站平均气温

图5 勐腊站平均气温

可以看出两站点的平均气温相差不大，但是相比较而言景洪站的气温更高一点。

对两气象站点的年平均气温进行回归分析，分别使用直线、二次曲线和三次曲线进行拟合。

从图6和图7可以看出，三次曲线相对拟合度更高一些，两站点的回归方程为，景洪：

图6 景洪气温

图7 勐腊气温

y=0.01x+0.01x2-0.001x3+22.406

勐腊：

y=0.071x-0.008x2

可以看出，两气象站点的气温都有上升的趋势，但是，勐腊地区的气温呈缓慢上升的趋势，景洪地区的气温上升速度更快一些。

4.2 年平均降水量

根据气象局提供的数据绘制出了景洪气象站和勐腊气象站的年平均降水量折线图。

图8 景洪站平均降水量

图9 勐腊站平均降水量

对两气象站点的年平均降水量进行回归分析，分别使用直线、二次曲线和三次曲线进行拟合。

从图10和图11分析得到，三次曲线的拟合度更高，两站点的回归方程分别为，景洪：

图10 景洪降水量

图11 勐腊降水量

y=159.257x-29.065x2+1.351x3+1045.945

勐腊：

y=-234.395x+22.743x2-0.607x3+2173.438

从曲线拟合和回归方程式都可以看出，2个气象站点的变化趋势不同。相比较而言，勐腊地区仅有先下降后上升的趋势，但其下降的降水量更多一些。

4.3 日照时数

根据气象局提供的数据绘制出了景洪气象站和勐腊气象站的年平均日照时数折线图。

从图12和图13分析得到，2000—2013年两气象站点的平均日照时数的变化趋势不明显。

图12 景洪站平均日照时数

图13 勐腊站平均日照时数

4.4 平均风速

根据气象局提供的数据绘制出了景洪气象站和勐腊气象站的年平均风速折线图。

从图14和图15分析得到，这13a来两站点的平均风速都在升高，且勐腊地区的平均风速更高一些，这也和勐腊地区的海拔更高有关。

图14 景洪站平均风速

图15 勐腊站平均风速

4.5 平均相对湿度

根据气象局提供的数据绘制出了景洪气象站和勐腊气象站的年平均相对湿度折线图。

从图16和图17分析得到，两气象站点的平均相对湿度都在下降。

图16 景洪站平均相对湿度

图17 勐腊站平均相对湿度

5 西双版纳气候变化对植被的影响

在SPSS中分别对景洪和勐腊地区的数据进行相关分析和偏相关分析，以研究植被覆盖变化与气温、降水量的相关性。

5.1 景洪地区分析

5.1.1 相关分析

由表2分析得到，极高覆盖度与气温负相关关系较强，其它覆盖度与气温表现为正相关关系。极高覆盖度与降水量正相关关系不太明显，而其它覆盖度与降水量的负相关关系也较弱。

表2 植被覆盖度与气温、降水量的相关系数

说明气温对影响植被覆盖度较强，而且气温和降水量对于极高覆盖度和其它覆盖度有着相反的影响。

5.1.2 偏相关分析

由图18和图19分析得到，分别剔除降水量和气温的影响，各植被覆盖度与气温、降水量相关性较强。其中，气温和降水量对于极低覆盖度和低覆盖度的影响更加明显；而极高覆盖度与气温、降水量的负相关关系较明显。

图18 剔除降水量对植被覆盖度的影响

图19 剔除气温对植被覆盖度的影响

5.2 勐腊地区

5.2.1 相关分析

由表3分析得到，气温对各植被覆盖度的相关性更加明显，并且除极高覆盖度外，均呈现较明显的正相关关系。而降水量与各植被覆盖度的相关性较低，除极高覆盖度外，均为负相关关系。

表3 植被覆盖度与气温、降水量的相关系数

5.2.2 偏相关分析

图20与图21反映的相关性与景洪地区一致，均可看出气温与降水量之间的影响很大，且与各植被覆盖度的相关性均较明显。

图20 剔除降水量对植被覆盖度的影响

图21 剔除气温对植被覆盖度的影响

6 结论

本文以2000—2017年西双版纳州MODIS NDVI数据为基础，结合2000—2013年景洪和勐腊气象站点的降水量和气温数据，对植被覆盖度与气温、降水量之间进行相关分析，分析了气候变化对于植被覆盖变化的影响。结合西双版纳州地貌图和植被覆盖图研究了各植被覆盖度的空间分布特征和时空变化历史。

通过以上研究分析，得到了以下结论。基于2000—2017年MODIS NDVI数据，通过ARCGIS进行重分类得到植被覆盖图，结合西双版纳州地貌图分析得到，勐海县相比其它2个地区，植被覆盖度明显较低。2000—2004年勐腊县和景洪市植被覆盖度较高，尤其2002年可以看出极高覆盖度极高，然而2002年以后特别是极高覆盖度都在减小，2005年植被覆盖度最差。从2017年植被覆盖图可以看出，植被覆盖度相比2000—2004年还是有很大的差距。近17a的植被覆盖经历了退化、治理又退化的过程，近2a有所回升。

通过植被覆盖度的趋势分析，得到以下结论。低覆盖度、中等覆盖度和高覆盖度的变化趋势相近，大致呈现下降、上升又下降的过程。相比较而言，极高覆盖度则呈现明显的相反趋势；而极低覆盖度只呈现上升又下降的趋势。

通过勐腊、景洪气象站2000—2013年气象数据的趋势分析，得到以下结论。两地区的气温大致均呈现上升趋势，而且景洪地区上升的速度更快，后期又有些回落。景洪地区的降水量变化趋势复杂一些，但是比起勐腊地区，和2000年相比，2013年的降水量要高一些。两地区的日照时数没有变化，风速提高较明显而平均相对湿度有些下降。

通过勐腊、景洪地区植被覆盖度与降水量、气温的相关分析和偏相关分析，得到以下结论。由相关分析得到，气温对各植被覆盖度有较强的相关性，并且除极高覆盖度外均呈现较明显的正相关关系。而各植被覆盖度与降水量的相关性不高，且除极高覆盖度外，均为负相关关系。

由负相关分析得到，分别剔除降水量和气温的影响，各植被覆盖度与气温、降水量呈现明显的相关性。其中，极低覆盖度和低覆盖度相对来说易受气温和降水量的影响；极高覆盖度与气温、降水量呈现较为明显的负相关关系。

分析得到，随着两地区近20a来的气温上升，对于极高覆盖度的减少和其它覆盖度的上升影响较大；而降水量的变化对于极高覆盖度的上升和其它覆盖度的减少也有一定的影响。

7 不足与展望

本文利用遥感数据和气象站点数据，对西双版纳州气候和植被变化进行分析，并分析了气候与植被的关系。但是由于时间、数据和作者的研究水平有限，研究中仍存在着大量的问题和不足之处，需要在以后的工作中加以改善。

对于植被覆盖度的数据分析，由于数据和技术问题，无法利用转移矩阵等数据分析方式进行更加精确有效的分析；由于研究区只能找到2000—2013年景洪市和勐腊县的气候数据，所以气候变化的分析有些片面，无法完整地反映2000—2017年研究区的气候变化；本文仅通过气候变化来分析植被覆盖变化，对人类活动对于植被覆盖度变化的影响缺乏分析。以上这些问题，在以后的工作研究中需要改善和重视。