基于NDVI的黄土高原植被覆盖变化特征分析

钟莉娜，赵文武

(地表过程与资源生态国家重点实验室，北京师范大学资源学院，100875，北京)

植被作为陆地生态系统的重要组成部分，是气候和人文因素对环境影响的敏感指标。归一化植被指数(normalized difference vegetation index，NDVI)是对地表植被覆盖和生长情况的一种反映，其值可以指示植被覆盖的变化，是监测植被和生态变化的有效指标［1］。植被覆盖状况可以直接反映所在地区的生态环境状况。近年来，对地表植被覆盖状况的研究已经成为全球科学研究的热点问题，国内外学者对NDVI的动态演变规律进行了大量研究［2-13］，在不同气候条件、不同时期、不同土地利用类型的区域，NVDI变化特征具有明显的差异［14-15］。当植被覆盖较低时，NDVI对覆盖度增减反应灵敏，当覆盖度较大时，NDVI趋于饱和［16］。对于植被覆盖度低的区域，NDVI可以比较灵敏地反映植被生长的动态变化情况。黄土高原是我国生态环境最为脆弱的地区之一，自然环境条件不稳定，植被覆盖度低，抵御自然灾害的能力弱，对气候和人文活动影响较为敏感。以NDVI为数据源，通过空间统计方法进行黄土高原地区植被覆盖空间变化特征的分析，有助于加深人们对黄土高原地区生态环境总体动态状况的了解，增强对植被覆盖空间模式变化规律的理解和认知。

对黄土高原地区植被覆盖变化特征的研究一直是国内学者研究的重点内容之一［17-21］。研究表明，气候变化和人类活动等是影响黄土高原地区植被覆盖变化的重要因素。孙睿等［22］利用8 km分辨率的Pathfinder NOAA-NDVI数据，对黄河流域 1982—1999年地表植被覆盖的空间分布及时间序列变化进行了分析，并分析了降水对流域植被覆盖的影响。信忠保等［23］利用 GIMMS和 SPOT VGT 2种 NDVI数据对黄土高原地区1981—2006年植被覆盖的时空变化进行了研究，并从气候变化和人类活动的角度分析了植被覆盖变化的原因。以往的研究注重对植被覆盖变化的原因分析，但是对植被覆盖时空格局演变特征的研究相对较少，植被覆盖动态变化的研究方法也有待于进一步拓展。笔者基于1998、2003、2008和2012年每年8月21日的 SPOT-VGT NDVI数据，在GeoDa 095i和ArcGIS9.3分析软件的支持下，对黄土高原不同地区NDVI值进行空间自相关分析，并在此基础上对其空间热点分布进行探测，以期丰富植被覆盖动态变化的研究案例，揭示黄土高原地区植被覆盖格局随时间的演变特征，并在一定程度上反映黄土高原地区退耕还林(草)政策的成效。

1 研究区概况

黄土高原是世界上最大的黄土堆积区，也是水土流失最为严重的地区之一。该区域属于暖温带大陆性季风气候。蒸发强烈，秋季总蒸发量自西北向东南由380 mm减少到220 mm［24］。年平均降雨量492 mm，52%的降雨量集中在夏季，与同纬度地区比较，年降雨总量少，且季节分配集中［25］。以200和400 mm等降雨量线为界，西北部为干旱区，中部为半干旱区，东南部为半湿润区［26］。黄土高原处于从平原向山地高原过渡、从湿润向干旱过渡、从森林向草原过渡、从农业向牧业过渡的地区，各种自然要素相互交错，自然环境条件不够稳定。黄土高原地区自1999年开始全面实行退耕还林(草)政策，不仅强化了全民的生态意识，而且促进了黄土高原地区生态环境建设和农业生产结构优化，取得了比较明显的水土保持、生态和经济效益。

2 数据和方法

2.1 数据来源

植被覆盖数据来自比利时弗莱芒技术研究所(FlemishInstitute for Technological Research，Vito)影像处理中心(VEGETATION Processing Centre，CTIV)，该数据是基于法国SPOT-4卫星拍摄的遥感影像处理得到的全球NDVI数据，空间分辨率为1 km×1 km。结合植被生长的季节变化特征和年份周期，选择1998、2003、2008和2012年每年8月21日的SPOT-VGT NDVI数据进行黄土高原植被覆盖的时空变化分析。

2.2 研究方法

应用空间数据分析软件 GeoDa 095i和 Arc-GIS9.3对研究区数据进行空间自相关分析和空间热点探测。空间自相关分析是进行空间热点探测的前提。

空间自相关是指地理事物分布于不同空间位置的某一属性之间的统计相关性，通常距离越近的值之间相关性越大。空间相关性由空间自相关系数度量，检验空间事物属性是否高高相邻分布或者是高低间错分布［27］。基于 GeoDa 095i以指标 Moran'I来度量黄土高原不同地区的NDVI数据之间是否存在空间自相关。Moran'I统计方法首先假设研究对象间没有任何空间相关性，然后通过Z-score得分检验来验证假设是否成立。

空间热点探测从某种意义上来说是空间聚类的特例。热点探测采用的是Getis-Ord Gi*统计模型。每一个要素计算的Gi*统计成为Z分值。对于具有显著统计学意义的Z分值，Z分值越高，高值(热点)的聚类就越紧密，Z分值越低，低值(冷点)的聚类就越紧密。Z分值与置信度相关联，所以根据置信度来确定冷点和热点的分级。综合考虑黄土高原地区植被覆盖度较低、植被覆盖度变化范围不大的区域特点，参考ArcGIS热点分析模块的相关原理，选择可接受的置信水平为90%(P＜0.1)。在这种情况下，Z得分小于-1.65的区域称为NDVI冷点区，Z得分大于1.65的区域称为NDVI热点区［28］。同时，为了方便进一步的分析，分别在置信水平为95%(Z＜-1.96或Z＞1.96)、99%(Z＜ -2.58或Z＞2.58)处划分等级，将冷点和热点区又分别划分为3个等级。

3 结果与分析

3.1 不同年份植被覆盖度比较

将黄土高原地区NDVI数据重分类为5个等级，即 -1.0 ～0.2、0.2 ～0.4、0.4 ～0.6、0.6 ～0.8、0.8～1.0(图1)。不同年份等级面积比较见表1。可以看出，2003年较1998年而言，第1等级面积增幅最大，增加了2万km2，第2等级面积略有降低，而第3、4、5等级面积均减少，说明2003年比1998年植被覆盖度明显降低，这可能会导致当地生态环境的恶化。2008和2012年情况逐渐好转，第1等级和第2等级的土地面积逐渐减少，第3等级面积基本保持稳定，而第4等级和第5等级面积则有明显增加。

黄土高原地区在1999年开始全面推行退耕还林(草)政策。由表1中的NDVI年际变化可知，退耕还林(草)政策实施初期，植被恢复并没有显现很好的效果。这种现象可能是由于在退耕还林(草)或是荒地造林(草)初期，新种植的林地或草地尚处于植被恢复的初级阶段，树木成活率低，植被覆盖状况并没有出现迅速好转的局面。相关研究发现，在1999—2000年早期的还林工程中，树木的成活率可能只在30%左右，2001—2002年才有所改善［29］;所以，在退耕还林(草)工程实施初期，黄土高原地区植被覆盖并未增加反而降低;但随着时间的推移和对退耕还林(草)政策的持续贯彻执行，到2012年，退耕还林(草)政策已经取得了明显的成效，黄土高原整体的植被覆盖明显增加，生态环境质量得到了显著提升。

3.2 空间自相关分析

图1 黄土高原地区NDVI分级图Fig．1 Classification map of NDVI in the Loess Plateau

表1 植被覆盖不同等级面积及年变化率Tab．1 Vegetation coverage area and change rate for different grades

将黄土高原按照行政区域划分为39个区域，统计每一个行政区内的NDVI值，计算其平均值并赋为行政区划的属性。利用空间数据分析软件GeoDa 095i分别分析1998、2003、2008和2012年各行政区NDVI之间是否具有空间自相关关系，结果见图2。可知，1998、2003、2008和 2012年各年的 Moran's I值分别为0.563 2、0.387 7、0.352 8、0.464 7，并且计算结果通过了Z值检验(P值分别为0.005 0、0.010 0、0.010 0、0.005 0，均小于 0.05)，说明各年 NDVI在空间上具有空间正相关性，即在1998、2003、2008和2012年，植被覆盖高的地区与植被覆盖高的地区相邻，植被覆盖低的地区与植被覆盖低的地区相邻。空间自相关分析的结果表明，黄土高原地区植被覆盖表现出良好的空间聚集性。

3.3 空间热点探测

图2 NDVI单变量Moran散点图Fig．2 Univariate Moran scatter plot of NDVI

1998、2003、2008 和 2012 年 NDVI值的热点和冷点如图3所示。图中红色区域表示NDVI值的热点区，蓝色区域表示NDVI值的冷点区。可以看出:冷点区主要分布在黄土高原的西北方向，热点区则分布在黄土高原的东南方向;冷点区面积总体上呈减少趋势，而热点区面积则先减少后增加。1998—2003年，黄土高原冷点区主要集中在固原市、中卫市、吴忠市、银川市和石嘴山市、鄂尔多斯市和巴彦淖尔市，1998年热点区主要集中在忻州市、晋城市、阳泉市、太原市、晋中市、长治市、洛阳市、三门峡市和运城市，2003年热点区主要分布在西安、渭南市、晋城市和阳泉市;2003—2008年，NDVI值的冷点区域范围缩小，主要分布在中卫市、吴忠市、银川市、鄂尔多斯市和巴彦淖尔，2008年热点集中在西安、宝鸡市、咸阳市、铜川市和晋城市;2008—2012年，冷点区及其范围没有变化，2012年的热点区较2008年发生了转移，主要分布在黄土高原东部的长治市、晋中市、太原市、阳泉市和忻州市。

在干旱、半干旱的黄土高原地区，水分条件是制约植被生长的瓶颈，降水对植被的空间分布有决定性的意义。黄土高原地区热点区和冷点区的变化与当地的降水条件有关。黄土高原多年平均降雨量总的趋势是从东南向西北递减，东南部600～700 mm，中部300～400 mm，西北部100～200 mm。以200和400 mm等年降雨量线为界，西北部为干旱区，中部为半干旱区，东南部为半湿润区［28］。可见，黄土高原年降雨量分布与NDVI值分布有较高的一致性，说明降雨量在很大程度上决定了该地区的植被覆盖情况。

图3 黄土高原NDVI值分布热点图Fig．3 NDVI hotspots distribution map in the Loess Plateau

4 结论与讨论

1)1998、2003、2008和 2012年，黄土高原地区植被覆盖具有较好的空间自相关性，表明黄土高原植被具有良好的集聚性分布特征。

2)1998—2012年黄土高原的植被覆盖经历了先降低后增加的过程。退耕还林(草)政策有效增加了黄土高原地区的植被覆盖度，对遏制黄土高原地区生态环境退化起到了一定的控制作用。

3)黄土高原植被覆盖具有明显的空间差异。NDVI冷点区一直位于黄土高原的西北方向，热点区分布在黄土高原的东南方向。

影响黄土高原地区植被覆盖变化的原因有很多，由于数据和资料的限制，没有深入探讨土地利用方式的变化、人类活动的干扰等因素对黄土高原地区植被覆盖年际变化的影响，有待于在进一步的研究中深化。

［1］ Paruelo J M，Epstein H E，Lauenroth W K.ANPP estimates from NDVI for the central grassland region of the United States［J］.Ecology，1997，78:953-958

［2］ 吴昌广，周志翔，肖文发，等.基于MODIS NDVI的三峡库区植被覆盖动态监测［J］.林业科学，2012，48(1):22-28

［3］ Zhang Xianfeng，Liao Chunhua，Li Jonathan，et al.Fractional vegetation cover estimation in arid and semi-arid environments using HJ-1 satellite hyperspectral data［J］.International Journal of Applied Earth Observation and Geoinformation，2013，21:506-512

［4］ Zhang Fei，Tiyip T，Ding Jianli，et al.Vegetation fractional coverage change in a typical oasis region in Tarim River Watershed based on remote sensing［J］.Journal of Arid Land，2013，5(1):89-101

［5］ 何月，樊高峰，张小伟，等.浙江省植被NDVI动态及其对气候的响应［J］.生态学报，2012，32(14):4352-4362

［6］ 柳菲，王新生，徐静，等.基于NDVI阈值法反演地表比辐射率的参数敏感性分析［J］.遥感信息，2012，27(4):3-12

［7］ 徐浩杰，杨太保，曾彪.黄河源区植被生长季NDVI时空特征及其对气候变化的响应［J］.生态环境学报，2012，21(7):1205-1210

［8］ Hou Xiyong，Li Mingjie，Gao Meng.Spatial-temporal dynamics of NDVI and Chl-a concentration from 1998 to2009 in the East coastal zone of China:integrating terrestrial and oceanic components［J］.Environmental Monitoring and Assessment，2013，185(1):267-277

［9］ Gu Yingxin，Wylie B K B，Norman B.Mapping grassland productivity with 250-m eMODIS NDVI and SSURGO database over the Greater Platte River Basin，USA［J］.Ecological Indicators，2013，24:31-36

［10］Kobayashi H，Dye D G.Atmospheric conditions for monitoring the long-term vegetation dynamics in the Amazon using normalized difference vegetation index ［J］.Remote Sensing of Environment，2005，97(4):519-525

［11］李秀花，师庆东，常顺利，等.1981—2001年中国西北干旱区 NDVI变化分析［J］.干旱区地理，2008，31(6):940-944

［12］刘绿柳，许红梅.黄河流域主要植被类型NDVI变化规律及其与气象因子的关系［J］.中国农业气象，2007，28(3):334-337

［13］李双成，刘逢媛，戴尔阜，等.NDVI与气候因子耦合关系及其地域差异的定量递归分析:以云南省纵向岭谷区为例［J］.北京大学学报:自然科学版，2008，44(3):483-489

［14］张戈丽，徐兴良，周才平.近30年来呼伦贝尔地区草地植被变化对气候变化的响应［J］.地理学报，2011，66(1):47-58

［15］孙智辉，刘志超，雷延鹏，等.延安北部丘陵沟壑区植被指数变化及其与气候的关系［J］.生态学报，2010，30(2):533-540

［16］ Holben B N，Kaufman Y J，Kendall J D.NOAA 11AVHRR visible and near IR in flight calibration ［J］.International Journal of Remote Sensing，1990，11(8):1511-1519

［17］张宝庆，吴普特，赵西宁.近30 a黄土高原植被覆盖时空演变监测与分析［J］.农业工程学报，2011，27(7):287-293

［18］陈安安，孙林，胡北，等.近10 a黄土高原地区NDVI变化及其对水热因子响应分析［J］.水土保持通报，2011，31(5):215-219

［19］张翀，任志远.黄土高原地区植被覆盖变化的时空差异及未来趋势［J］.资源科学，2011，33(11):2143-2149

［20］刘咏梅，李京忠，夏露.黄土高原植被覆盖变化动态分析［J］.西北大学学报:自然科学版，2011，41(6):1054-1058

［21］张雪艳，徐新良.1982—2003年蒙古高原NDVI对气候变化的响应研究［C］∥发挥资源科技优势 保障西部创新发展:中国自然资源学会2011年学术年会论文集(下册)，2011:590-599

［22］孙睿，刘昌明，朱启疆.黄河流域植被覆盖度动态变化与降水的关系［J］.地理学报，2001，56(6):667-672

［23］信忠保，许炯心，郑伟.气候变化和人类活动对黄土高原植被覆盖变化的影响［J］.中国科学:D辑，2007，37(11):1504-1514

［24］王毅荣.黄土高原秋季气候对全球增暖的暖干化区域响应［J］.高原气象，2008，27(1):104-112

［25］穆兴民，徐学选，陈国良.黄土高原降雨量的地理地带性研究［J］.水土保持通报，1992，12(4):27-32

［26］ 黄土高原［EB/OL］.［2013-02-27］.http:∥ baike.baidu.com/view/6776.htm，2013

［27］王劲峰，廖一兰，刘鑫.空间数据分析教程［M］.北京:科学出版社，2010:101-110

［28］ Esri.ArcGIS Resource［EB/OL］.［2013-02-27］.http:∥resources.arcgis.com/zh-cn/help/main/10.1/index.html#/na/005p00000006000000/，2013

［29］田均良，刘国彬.黄土高原退耕还林工程中的现存问题及有关建议［J］.水土保持通报，2004，24(1):63-65