基于MODIS/EVI的额尔古纳河流域植被变化分析

余 晓，王 昊，李 翀，王义成

（1.中国水利水电科学研究院 水环境研究所，北京 100038；2.北京大学 生命科学学院，北京 100871；3.北京大学 自然保护与社会发展研究中心，北京 100871）

1 研究背景

植物组成刻画出了生态系统的外貌，植物状况是反映环境变化的敏感指示器，也是目前全球气候变化的重要研究领域。卫星遥感技术已经广泛应用于区域和全球植被监测的研究，在植被的分类、地表特征参数、植被变化与气候响应关系、农作物估算、NPP估算、全球和区域的土地利用与土地覆盖变化等诸多领域都有应用[1]。其中中分辨率成像光谱仪数据（moderate-resolution imaging spectroradiometer，MODIS）因具有高时间分辨率、高光谱分辨率和适中的空间分辨率等特点，非常适合大范围、长时期和动态的植被监测。

国内外已经有不少研究者应用MODIS卫星影像监测植被的变化。Wessels等[2]使用MODIS遥感影像解译了美国黄石国家公园和巴西帕拉州的植被覆盖，并同Landsat TM的数据进行了对比，结果表明MODIS可以成功的进行大斑块的土地覆盖解译，以及监测极端人类干扰，使用MODIS数据同使用Landsat数据相比节约了大量的人力，同时又有比之前使用的1 km AVHRR数据有更高的空间分辨率。Potapov等[3]使用MODIS数据制作了2000—2005年北半球北部森林每年减少图，并与通过Landsat卫星影像统计出的数值进行了比较，森林减少统计量精度的比较结果说明，使用MODIS影像分析监测森林覆盖减少是一种有效、可操作、成本效益好并且及时性好的方法。Verbesselt等[4]使用BFAST方法将16d的MODIS NDVI时间序列数据解析为趋势、季节和残差，以描述土地覆盖的变化，对澳大利亚南部森林区测试的结果表明BFAST方法可以用来说明森林的变化。相似地，Jacquin等[5]基于MODIS NDVI植被指数的时间序列数据，使用STL解析法和趋势分析法定位和量化了马达加斯加植被2000—2007年间的退化状况，植被的变化趋势被分为无变化、正向和负向三种，并基于分析的结果进行进一步的验证，将植被变化同火等外界威胁建立起了定量的关系。

森林破坏、草地退化和沙化面积的增加对应着植被状况的变差，这通常是生态保护极力避免的情景；与之相对的森林恢复、草地质量改善和沙化面积减少，则是保护自然生态所要尽力达成的目标。在近几年，由于受到气候干旱以及人为破坏，额尔古纳河流域生态环境脆弱，土地沙化、退化严重，对该区域植被变化进行植被监测可以科学地确定地区资源环境的时空变异特点，明确不同地区植被恢复的潜力、生态环境保护的方向以及经济开发的条件，开展此研究有着极其重要的意义[6]。本文利用2000—2009年5—10月的MODIS-EVI数据，并结合气象和地形等多源数据对植被空间变化态势进行分析，以了解该区域植被变化的情况。

2 研究区概况

额尔古纳河流经蒙古、俄罗斯和中国，位于北纬 46∘19′～53∘27′，东经115∘04′～122∘52′之间，上源海拉尔河，发源于大兴安岭西侧的吉鲁契那山麓，向西流至阿巴该图与达兰鄂罗木河交汇称为额尔古纳河，折向东北在恩和哈达镇附近的大司洛夫卡河河口与俄罗斯境内的石勒喀河汇合后成为黑龙江，并最终汇入太平洋水域的鄂霍茨克海。额尔古纳河水系主要包括额尔古纳河、激流河、根河、呼伦湖、贝尔湖、克鲁伦河、乌尔逊河、哈拉哈河、沙尔勒金河、达兰鄂罗木河（新开河）、乌兰泡和新达赉湖（新开湖）等[7]。本文研究区域为中国境内的额尔古纳河流域，流域面积约为151 184km2（如图1）。

图1 额尔古纳河流域

该流域属于温带大陆性季风气候，冬季寒冷漫长，夏季温凉短促，春季干燥风大，秋季气温骤降，霜冻来得早，冰冻时间一般从10月底、11月初至次年的4月底、5月初。该流域地处呼伦贝尔高原，大兴安岭贯穿其东部，山峦起伏，地形复杂，西南部有湖积平原、草原丘陵，地势较平坦；东北部多为波状起伏的山地[8]。

3 数据与方法

3.1 植被指数与影像特征时相的选取由于植被色素吸收在蓝色和红色波段最敏感，这两个可见光波段反射能量低，而近红外辐射吸收率少，反射和散射率高，因此植被指数运用红外和近红外波段的比值组合可以很好地反映植被绿度变化[9]。目前国内外学者已经研究发展的植被指数有40多种，其广泛地应用在全球与区域土地覆盖、植被分类和环境变化等方面[10]。其中归一化植被指数（NDVI）作为通用的植被指数提出以来，就以其稳定性受到广泛关注，成为过去20多年使用最广泛的植被指数。但是，NDVI包含了大气噪声、土壤背景等缺陷，为了克服NDVI高植被区易饱和、低植被区易受土壤背景影响的缺点，并针对MODIS数据的特点发展了基于MODIS数据的新植被指数——增强型植被指数（Enhanced Vegetation Index，EVI）。EVI综合处理了土壤背景、大气噪声和饱和度等问题，是NDVI的继承和改进。已有研究表明，EVI比NDVI能更好地与叶面积指数、生物量和光合有效辐射分量等建立线性关系。

根据研究区域的植被特征，本文选取2000—2009年共10年的MODIS植被指数产品——MOD13Q1数据的EVI数据集，其为L3级标准数据产品，空间分辨率250m，时间分辨率为16d。EVI数据集由Red、NIR、Blue（红色、近红外、蓝色）3个波段来计算生成的，其基本公式为：

式中： ρBlue、 ρRed、 ρNIR分别为蓝色、红色和近红外波段的表观反射率或者方向放射率[11]；L为土壤调节参数；C1、C2为大气调节参数；G为增益系数。

在EVI计算中，通常取L=1，C1=6 ，C2=7.5 ，G=2.5[12]。

由于本文研究区域冰冻时间一般从10月底、11月初至翌年的4月底、5月初，结合该流域气候特点以及植被生长的节律性，本文选取夏初到秋末8个连续时相的16d合成植被指数数据，即时间序列的日期编号为145～257的EVI数据，对应着从5月25（24）日—9月29（28）日，基本上完全覆盖了6—9月共128d的时段。选取的数据能够较好的反应出该时段取样点上植被的持续状态，也可以有效的避免冰封期导致的误差。

2.行业指导价格（包括现场施工安装指导费用的出厂价）：17300元/t（PE原材料参考价按11600元/t计）。

3.2 植被指数变化趋势分析对于2000—2009年MODIS-EVI数据，提取每年取样期间8个时间段的EVI数值的最大值，并将10年中每个点的EVI的最大值进行线性回归，提取回归方程的斜率，并进行95%的显著性检验。如果斜率为负，并且检验结果显著，则认为该点在10年中的EVI最大值呈现出显著下降的趋势，对应着植被指数呈明显的下降趋势，取值-1；相应的，如果斜率显著的大于0，则对应着植被指数呈明显的增加趋势，取值1；在斜率的显著性检验结果为不显著的情况下，对应着植被指数变化不明显，取值0。

根据分析表明，EVI的最大值出现频数最高的日期编号是209，对应着每年的7月28（27）日—8月12（11）日，在该日期附近植物的生物量最大。

然后，计算了每年取样期间8个时相的EVI数值的平均值并进行线性回归分析。类似的，提取回归方程的斜率，并进行显著性检验，对整个区域的每个象元进行分析，得到植被指数显著下降（-1）、显著增加（1）以及变化趋势不明显（0）的区域。按照表1的规则，综合两种分析方法结果，将该区域的象元分为4类（规则见表1）：植被指数显著降低（-1）、不变（0）、显著增加（1）以及无法确定（-9）。

表1 最大值法和平均值法结果综合规则

4 结果分析

根据EVI数据分析，在面积为151 184km2研究区内，大部分区域植被指数变化不显著，面积约为133 255km2，占总流域面积的88.14%；呈显著下降趋势的区域面积占总面积的10.05%，约为15 197km2；少量区域植被指数有显著的增加，占总面积的1.81%，约为2 733km2。总体来看，在2000—2009年期间，研究区内EVI指数显著下降的比例高于显著增加的比例。

本文统计了位于研究区内的伊敏河、海拉尔河上游（海上）、海拉尔河下游（海下）、根河上游、根河中游、根河下游、额尔古纳河干流（额干）以及得尔布尔河（得河）8个子流域中EVI植被指数显著下降的面积比（图2）。可以看出，整个海拉尔河流域（伊敏河和海拉尔河上游、下游）EVI指数显著下降的比例高于根河流域（包括根河上游、中游、下游）；伊敏河、海拉尔河上游、得尔布尔河植被指数显著下降的比例高于整个流域的平均水平，其中得尔布尔河流域EVI指数显著下降的比例最高，达到25.48%。

根据冉新华等[13]基于多源数据处理得到的全国范围内1km分辨率的植被分类数据，将区域的植被分为林地、灌木、草地、湿地、裸地、农田和其他几种类型分别进行了统计（图3），分析发现研究区域内林地和湿地EVI指数呈显著下降的比例较大，分别为15.1%和14.0%。在整个流域内林地是仅次于草地的主要植被类型，占整个研究区域的1/4左右的面积。伊敏河、海拉尔河上游和得尔布尔河流域分布着大量的林地，其林地EVI呈显著降低趋势的面积分别占各子流域林地面积的27.78%、21.66%和31.30%；伊敏河、海拉尔河上游、额尔古纳河干流、得尔布尔河以及根河下游分布有大量的湿地，其湿地EVI呈显著降低趋势的面积分别占各子流域湿地面积的19.11%、22.75%、17.04%和32.49%。

图2 各子流域EVI指数显著下降比例的统计

图3 各种植被类型EVI指数呈显著下降比例统计

图4 整个流域范围内各个海拔带EVI指数呈显著下降趋势的比例

图5 根河各个海拔带EVI指数呈显著下降趋势的比例

图6 伊敏河、海拉尔上游、海拉尔下游各个海拔带EVI指数呈显著下降趋势的比例

图7 得尔布尔河、额尔古纳河干流各个海拔带EVI指数呈显著下降趋势的比例

结合相应的DEM数据在空间上进一步的分析（图4）发现，整个流域范围内随着海拔的上升EVI指数显著降低的比例增大。统计8个子流域中植被指数降低的比例随海拔高度的变化关系（图5—图7），可以看出，所有8个子流域的低海拔区域都有较高的植被指数降低比例，这些区域的土地覆盖类型以湿地为主；在海拉尔河上游、下游和伊敏河子流域的高海拔区域，以及得尔布尔河760～1 100m的区域植被指数显著降低的比例较高，这些区域的土地覆盖类型主要是林地。

图8 流域径流分析比较

图9 各气象站年平均气温统计

图10 各气象站年降水量统计

本文选取了研究区海拉尔河和根河流域的4个水文站（图8）的月径流量数据，对生长期4—9月的累计径流量进行了统计分析，发现2000年前后径流量变化显著，各个水文站的平均径流1979—1999年都比2000—2008年明显减小，平均减小了45%。由于近年来径流量的减小，河流两岸湿地发生了大面积退化，因此在该流域湿地EVI指数呈显著下降意味着它们发生了大面积的萎缩和退化。由此可以看出整个流域都发生大面积的退化，其中森林和湿地退化比较严重。

根据研究区域内6个气象站（新左为新巴尔虎左旗、新右为新巴尔虎右旗）50多年的气温资料分析（图9）表明，该区域年平均气温波动中呈上升趋势，上升趋势为0.051℃/a，区域变暖趋势明显，其中2000年前后气温平均升高了1.07℃。整个流域气温总的演变是在波动中变暖[15]，同时温度的升高也会使得蒸发量变大，年蒸发量变化呈增大趋势，并创近45年来的最高值[14]。

据有关文献分析表明该区域降水量呈周期性变化，干湿期交替出现[15]，根据研究区降水量的数据分析（图10）表明，自2000年以来，降水量急剧减小，2000年到现在正处于枯水期，其中6个气象站2000年后的降水量比1980—1999年平均减少了82.74mm，占总降雨量的24%。

研究区域内的气象资料表明，近几十年来该区域气温年际变化趋势是逐年递增的，温度的上升使得蒸发量也呈现增大的趋势；从2000年以来，该区域年降水量均急剧下降，且降水量降到近几十年来的最低值。由此推断，在近年来该区域总体气温逐年升高、降水量减少、蒸发量增加等气候条件的变化可能是导致植被指数下降即植被呈退化趋势的主要原因。由于气温的升高，大兴安岭森林终年冻土带退化使得土壤含水量的降低，可能是导致林地大面积退化的主要原因，而湿地的萎缩和退化可能是由于近年来降雨量和径流的减小导致的，具体的原因还需进一步的研究分析。

5 结论

本文选取了2000—2009年5—9月共10年80个时相的MODIS-EVI数据，以每年EVI最大值和平均值为指标对黑龙江上游研究区的植被变化趋势进行分析。研究发现，从2000年以来整个区域植被指数总体呈下降的趋势，根据相关土地利用分类数据及DEM数据的分析发现，植被呈显著减小趋势的区域主要分布在海拔较低的湿地和海拔较高的林地。这种植被指数下降的趋势意味着植被的退化，而植被的退化会严重威胁整个流域生态系统的稳定性，因此额尔古纳河生态环境面临日益严重的退化风险。探究植被指数下降的原因是一个长期复杂的工作，需要综合考虑气象、水文、地形、植被类型以及人类活动等多种因素，并需要地面调查的验证。基于初步的对气候变化的结果分析，本文推测近些年来研究区域内总体气温升高、降水量减少和蒸发量增加等气候的变化，是额尔古纳河流域植被指数下降的一个主要原因。

致谢：本文使用的MODIS植被指数数据均来自美国大地调查局地球资源观察和科学中心U.S.Geological Survey（USGS）Earth Resources Observation and Science（EROS）Center的 Land Processes Distributed Active Archive Center（LP DAAC），衷心感谢该中心所提供的数据对我们工作的贡献。

[1]赵伟，李召良.利用MODIS/EVI时间序列数据分析干旱对植被的影响[J].地理科学进展，2007，26（6）：40-47.

[2]Wessels K J，De Fries R S，et al.Mapping regional land cover with MODIS data for biological conservation：Examples from the Greater Yellowstone Ecosystem，USA and Pará State，Brazil[J].Remote Sensing of Environment，2004，92（1）：67-83.

[3]Potapov P，Hansen M C，et al.Combining MODIS and Landsat imagery to estimate and map boreal forest cover loss[J].Remote Sensing of Environment，2008，112（9）：3708-3719.

[4]Verbesselt J，Hyndman R，et al.Detecting trend and seasonal changes in satellite image time series[J].Remote Sensing of Environment，2010，114（1）：106-115.

[5]Jacquin A，Sheeren D，et al.Vegetation cover degradation assessment in Madagascar savanna based on trend analysis of MODIS NDVI time series[J].International Journal of Applied Earth Observation and Geoinformation ，2010，12（1）：3-10.

[6]索安宁，王兮之，林勇，等.基于遥感的黄土高原典型区植被退化分析—以泾河流域为例[J].遥感学报，2009，13（2）：291-299.

[7]地方志编写委员会.呼伦湖志（续志一，1987-1997）[M].呼和浩特：内蒙古文化出版社，1998.

[8]中国水利水电科学研究院.呼伦湖水资源配置与水环境治理工程环境影响评价[R].北京：中国水利水电科学研究院水环境研究所，2005.

[9]夏浩铭，杨永国，毕远溥.基于MODIS/EVI时间序列数据分析冰冻灾害对植被绿叶时期的影响[J].安徽农业科学，2009，37（23）：11163-11165.

[10]郭铌.植被指数及其研究进展[J].干旱气象，2003，21（4）：71-75.

[11]Alfredo Huete，Chris Justice，Wim van Leeuwen.MODIS vegetation index（MOD 13）algorithm theoretical basis document version 3[M].Virginia：University of Virginia，1999.

[12]Huete A，Justice C，Liu H.Development of vegetation and soil indices for MODIS-EOS[J].Remote Sensing of Environment，1994，49：224-234.

[13]冉新华，李新，卢玲.基于多源数据融合方法的中国1km土地覆盖分类制图[J].地球科学进展，2009，24（2）：192-203.

[14]赵慧颖.呼伦贝尔沙化45年来气候变化及其对生态环境的影响[J].生态学杂志，2007，26（11）：1817-1821.

[15]王希平，赵慧颖.内蒙古呼伦贝尔市林牧农业气候资源与区划[M].北京：气象出版社，2006.