华北地区植被NDVI与不同气候指标的相关分析

冯 敏， 孙艳玲， 刘 斌， 王中良

(1.天津师范大学 城市与环境科学学院， 天津 300387； 2.重庆师范大学 地理与旅游学院， 重庆 400047)

植被是陆地生态系统的主体，也是大气圈、生物圈和土壤圈相互联系的枢纽，在全球气候变化研究中起到“指示器”的作用[1]。一般而言，大尺度上的气候要素是决定陆地植被类型分布格局及其功能特性的最主要因素，植被则是地球气候最鲜明的反映和标志[2]。研究植被变化及其与气候因子的关系在全球变化研究中具有重要的意义。归一化植被指数(normalized difference vegetation index，NDVI)是监测地区或全球植被和生态环境的有效指标，是植被生长状况及植被覆盖度的最佳指示因子[3]。长时间序列NDVI数据已广泛用于植被变化趋势研究[4-6]，而且，NDVI作为研究植被与气候关系的一个有效工具，也已得到广泛应用。但是，目前大多数研究主要集中在NDVI与气温、降水这两个气候指标的相关分析方面，例如,Ichii等[7]研究了气候变化与全球NDVI的关系，发现北半球中高纬度地区春秋季NDVI与温度显著相关；利用NDVI研究植被对气候的响应时，Rasumsen等[8]发现NDVI与降水量高度相关；朴世龙等[9]和赵茂盛等[10]利用NDVI和气温、降水研究中国植被变化，发现植被的增加源于温度的升高，但在区域尺度上则与降水有关。NDVI与气温、降水等单一气候因子之间的相关性分析固然有一定的意义，但是，植被对气候和其他环境因子的反应是综合的，因此，必须强调气候因子的综合影响。倪健[11]提出了以月平均气温10 ℃为界的生物热量指数(BWI)和生物干湿度指数(BK)，发现植被类型分布与热量因子和干湿度因子具有较好的相关性，并被运用到其他相关研究中[12]。此外，干燥度指数作为表征一个地区干湿程度的指标也可以用于植被与气候的关系研究[13]。张远东等[14]分析了西南地区不同植被类型NDVI与气候因子的相关性，结果表明，沼泽、灌丛、草原、草甸和栽培植被NDVI与干旱指数的相关性最大。

基于上述研究可以发现，NDVI不仅与单一气候指标有密切关系，而且与综合气候指标也有很好的相关性。目前，关于不同气候指标与植被指数相关关系对比分析研究较少，为此，本文以华北地区作为研究区域，探讨1982—2006年华北地区植被动态及其与不同气候指标(年平均气温、年降水量、干燥度指数、生物热量指数、生物干湿度指数)之间的相关关系，旨在寻求华北地区气候变化对植被变化的影响和植被生长对气候的反馈规律，为保护华北地区的生态环境提供理论支持和指导依据。

1 数据与研究方法

1.1 研究区概况

华北地区地处中国地形的第三阶梯，行政上包含北京市、天津市、河北省、山西省和内蒙古自治区。该区域面积广阔，受季风气候影响明显，夏季高温多雨，冬季寒冷干燥，年平均气温在7 ℃左右，夏季热量充足，降水量自沿海向内陆逐渐减少，平均年降水量在400 mm左右，且降水主要集中在7—8月。自然条件比较优越，适合农作物及植被的生长。华北地区的土地覆盖类型复杂多样，主要包括森林、灌丛、草地、农田等[15]。此外，华北地区拥有丰富的自然资源，再加上便利的海陆空交通运输条件以及首都北京的辐射带动作用，使得华北地区经济得到了快速发展。然而同时也给华北地区带来一系列环境问题，使该区时常受到沙尘暴、水土流失等自然灾害的影响，生态环境比较脆弱。

1.2 NDVI数据来源与处理

本文中所采用的GIMMIS/NDVI(global inventory modeling and mapping studies/normalized difference vegetation index)数据来源于NASA(national aeronautics and space administration)全球监测的植被指数数据，时间分辨率为15 d，时间跨度为1982年1月至2006年12月，空间分辨率为8 km×8 km，投影方式为Albers投影。首先，利用ArcGIS 9.3软件获得华北地区的NDVI数据，通过最大值合成法(maximum value composites, MVC)将每月的上、下半月每15 d的NDVI取最大值，每个栅格的NDVI值用该月最大的NDVI代替，同样采用MVC法得到每个栅格的年最大NDVI值，进而得到1982—2006年25 a的NDVI序列。

1.3 气象数据来源与处理

本文的气象数据来自国家气象局华北地区85个气象观测站(附图3)，包括各个站点的经度、纬度和1982—2006年逐月的气温、降水数据。分别计算出年平均气温、年降水量、干燥度指数、生物热量指数、生物干湿度指数5种气候指标的数值。同时，采用ArcGIS软件中的克里格插值法对华北地区的不同气候指标进行空间插值生成各气候指标的栅格图，其投影方式和空间分辨率与植被NDVI栅格数据一致。其中，干燥度指数和生物热量指数、生物干湿度指数的计算公式如下。

(1)干燥度指数。用气温、热量、降水气候因子构成函数表达式，用来研究华北地区1982—2006年的气候干燥程度(降水与蒸散量的差值)[16]。干燥度指数r的计算公式如下：

(1)

式中：EPm—— —年可能蒸散量(mm)；P——年降水量(mm)。

(2)生物热量指数和生物干湿度指数。采用倪健等[11]提出的修正生物热量指数BWI(℃)和生物干湿度指数BK(mm/℃)，用以研究植物生长环境的热量和水分条件，其计算公式如下：

(2)

(3)

(4)

式中：T——10 ℃以上的月平均气温(℃)；n——月平均气温大于10 ℃ 的月数；P——年降水量(mm)。BK值越大说明生态环境越湿润，BK值越小则说明生态环境越干燥。

1.4 研究方法

(1)一元线性回归趋势分析。此方法常用来反映植被NDVI和气候指标随时间变化的趋势特征[17]。本文以1982—2006年25 a的时间序列为自变量，对植被NDVI值和气候指标进行一元线性回归分析，以此来研究植被NDVI及气候指标在时间上的变化规律。其一元线性回归变化斜率计算公式为：

(5)

式中：slope——一元线性回归分析的变化斜率；Xi——第i年的NDVI值或气候指标值；n——监测时间段的累积年数。slope<0表示植被NDVI或气候指标呈减小趋势，slope>0表示植被NDVI或气候指标呈增加趋势。

(2)相关系数。采用Pearson相关系数分析不同气候指标与植被NDVI之间的相关性。 相关系数|r|值越大，表明气候指标与NDVI值之间的相关性越好，该气候指标对植被生长情况的影响越大，反之则相关性越差。其计算公式为：

(6)

式中：x，y——数据变量；n——数据变量的个数。

2 结果与讨论

2.1 华北地区植被NDVI的年际变化特征

由图1可以看出，华北地区植被NDVI在1982—2006年整体处于上升趋势，其线性回归方程的相关系数为0.470 6，通过了p<0.05的显著性检验，说明上升趋势显著。方程斜率表明华北地区平均每年NDVI增加0.001 1，25 a间年NDVI上升了9.950%。不同土地覆盖类型上植被NDVI变化最明显的是农田(r=0.664,p<0.01)和灌丛(r=0.582，p<0.01)，呈现出极显著上升；草地NDVI显著上升(r=0.497,p<0.05)；森林和沙漠土地类型上植被NDVI上升趋势不明显(如表1所示)。

图1 1982-2006年华北地区NDVI变化趋势

表11982-2006年华北地区不同土地覆盖类型NDVI变化趋势回归分析

注：R2代表相关系数的平方； n代表年数。

2.2 华北地区气候指标的年际变化特征

1982—2006年华北地区不同气候指标的年变化如图2所示。其中，年平均气温以0.060 7 ℃/a的速度增加，呈现出极显著的增温趋势(p<0.01)；年降水量以2.239 8 mm/a的速度减少，但未通过显著性检验，降水量减少趋势不明显；干燥度指数的年变化波动较大，但减小趋势不明显。研究区生物热量指数BWI总体呈现极显著增加趋势 (p<0.01)，而生物干湿度指数BK呈现显著减小趋势(p<0.05)。

不同土地覆盖类型上各气候指标的变化特征如表2所示。由表2可以看出，不同土地覆盖类型的年平均气温上升趋势均达到极显著水平(p<0.01)；森林的年降水量呈现明显的下降趋势(p<0.05)；森林的干燥度指数也呈明显的上升趋势，但其他土地覆盖类型的干燥度指数变化不明显；森林的生物热量指数上升趋势达到显著水平(p<0.05)，草地、农田、灌丛、沙漠的生物热量指数上升趋势极为显著(p<0.01)；森林的生物干湿度指数上升趋势最显著(p<0.01)，其次是草地(p<0.05)，农田、灌丛、沙漠的生物干湿度指数上升趋势不明显。

图2 1982-2006年华北地区不同气候指标的变化趋势

表21982-2006年华北地区不同土地覆盖类型气候指标的变化斜率

注：**，*分别代表通过了p<0.01和p<0.05的显著性检验。下同。

2.3 华北地区植被NDVI与气候指标的相关关系

通过对1982—2006年华北地区植被NDVI与逐年的气候指标进行相关性分析(表3)，可以发现植被NDVI与干燥度指数呈极显著负相关，相关系数为-0.64，通过了p<0.01的显著性检验，而生物热量指数和生物干湿度指数与植被NDVI的相关性较低。对植被NDVI与气候指标进行滞后1 a的时滞效应分析发现，年平均气温与滞后1 a的NDVI呈显著正相关，可以看出华北地区植被NDVI与干燥度指数和气温的相关性最为密切。

表3 1982-2006年华北地区植被NDVI与不同气候指标之间的相关系数

对不同土地覆盖类型的植被NDVI与气候指标进行相关分析的结果表明(表4)，草地、农田和灌丛的植被NDVI与当年的年均气温均呈显著正相关，分别通过了p<0.05和p<0.01的显著性检验；不同土地覆盖类型的植被NDVI与年降水量相关分析中只有草地呈现显著正相关，其他均未达到显著性水平；草地的植被NDVI与干燥度指数呈极显著负相关，相关系数最大，其他土地覆盖类型的NDVI与干燥度指数均呈负相关，但均未通过显著性检验；不同土地覆盖类型的NDVI与生物热量指数、生物干湿度指数相关性不明显，但草地的NDVI与生物热量指数的相关性最大，沙漠的NDVI与生物干湿度指数的相关性最大。

表4 华北地区不同土地覆盖类型上植被NDVI与不同气候指标的相关系数

通过1982—2006年华北地区植被NDVI与当年不同气候指标相关系数的空间分布图可以看出(图3)，植被NDVI与不同气候指标的相关性在空间上存在很大差异。统计表明，5.82%的地区(内蒙古地区东部和中部的草原地区，河北、山西的农田分布区，内蒙古、山西、河北交界的灌丛覆盖地区)植被NDVI与年均气温呈显著正相关，说明气温升高对草地、农田和灌丛植被的生长具有显著的促进作用，3.67%的地区(内蒙古北部和西部，京津冀晋部分地区)NDVI与年均气温显著负相关。华北地区NDVI与年降水量呈显著正相关的区域主要分布在内蒙古北部、中部和西部草原地区，占整个研究区总面积的20.00%，这些区域气候干旱，降水成为植被生长的重要限制因子；仅1.46%的地区NDVI与年降水量显著负相关，且主要分布在内蒙古北部的森林地区。华北地区NDVI与干燥度呈显著正相关的地区分布在内蒙古东部地区，面积约占1.11%；呈现显著负相关的区域分布在内蒙古中部的大部分地区，占整个研究区总面积的17.73%。3.43%的地区(内蒙古的通辽市、呼和浩特市和巴彦淖尔市)植被NDVI与生物热量指数呈现显著正相关；8.38%的地区(内蒙古北部的森林地区和西部沙漠地区，河北、山西境内部分区域)NDVI与生物热量指数显著负相关。华北地区NDVI与生物干湿度指数呈显著正相关的范围占总面积的15.74%，主要分布在内蒙古北部、中部、西部的草原覆盖地区，与年降水量的分布范围相差不大，可见生物干湿度指数对反映草原植被生长情况具有很好的作用；还有1.59%的地区呈现显著负相关，主要位于内蒙古呼伦贝尔市、通辽市的东部以及华北唐山市内。

3 结 论

通过对1982—2006年华北地区植被NDVI与不同气候指标的相关分析可以发现，整体上华北地区植被NDVI呈现出上升趋势，其中草地、农田和灌丛的植被NDVI上升趋势较为显著。华北地区不同气候指标在1982—2006年变化趋势表现为年平均气温和生物热量指数呈显著增加趋势，年降水量、干燥度指数和生物干湿度指数呈减少趋势。在年际尺度上，华北地区植被NDVI与当年的干燥度指数呈显著负相关，与上一年的年平均气温呈显著正相关，说明干旱的减缓和气温的升高对华北地区植被生长有直接的促进作用。此外，华北地区植被NDVI与当年不同气候指标的相关性存在很大的空间差异，内蒙古境内的草地植被NDVI与年均气温、年降水量呈现显著正相关，与干燥度指数呈极显著负相关；农田地区NDVI与年均气温显著正相关；灌丛覆盖地区NDVI与年均气温呈极显著正相关；所有植被NDVI与生物热量指数、生物干湿度指数相关性不明显，但草地地区与生物热量指数的相关度最高，而沙漠地区与生物干湿度的相关度最高。

图3 1982-2006年华北地区NDVI与各气候指标相关系数的空间分布

本研究中所采用的NDVI数据的空间分辨率为8 km，是从较大尺度上分析了华北地区植被变化与不同气候指标的相关关系。实际上地表植被覆盖变化不仅受气候因子的影响，亦受人为活动制约。虽然在较大时空尺度上气候变化可起主导作用，但是在特定地区和时期，社会和经济因素也常常具有决定性作用[18-20]。因此，在进行华北地区植被变化与气候指标在特定区域和时期的相关关系研究时，还需要在更小的尺度上进行调查研究，进一步进行验证。

[参考文献]

[1]孙红雨,王长耀,牛铮,等.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,1998,2(3):204-210.

[2]张新时.研究全球变化的植被—气候分类系统[J].第四纪研究,1993,13(2):157-169.

[3]张学霞,葛全胜,郑景云.近50年北京植被对全球变暖的响应及其时效:基于遥感数据和物候资料的分析[J].生态学杂志,2005,24(2):123-130.

[4]Kawabata A, Ichii K, Yamaguchi Y. Global monitoring of the inter-annual changes in vegetation activities using NDVI and its relationships to temperature and precipitation [J]. International Journal of Remote Sensing, 2001,22(7):1377-1382.

[5]Friedl M A, Mclver D K, Hodges J C F, et al. Global land cover mapping from MODIS: Algorithms and early results [J]. Remote Sensing of Environment, 2002,83(1):287-302.

[6]郭铌,王小平,蔡迪花,等.近20多年来西北绿洲植被指数的变化及其成因[J].干旱区研究,2010,27(1):75-82.

[7]Ichii K, Kawbata A, Yamaguchi Y. Global correlation analysis for NDVI and climatic variables and NDVI trends: 1982—1990 [J].International Journal Remote Sensing, 2002,23(18):3873-3878.

[8]Rasmusen M S. Developing simple, operational, consistent NDVI-Vegetation models by applying environmental and climatic information(Part II).Crop yield assessment[J]. International Journal of Remote Sensing, 1998,19(1):119-139.

[9]朴世龙,方精云.最近18年来中国植被覆盖的动态变化[J].第四纪研究,2001,21(4):294-302.

[10]赵茂盛,符淙斌,延晓冬,等.应用遥感数据研究中国植被生态系统与气候的关系[J].地理学报,2001,56(3):287-296.

[11]倪健.KIRA指标的拓展及其在中国植被与气候关系研究中的应用[J].应用生态学报,1997,8(2):161-170.

[12]高大伟,张小伟,蔡菊珍.浙江省植被覆盖时空动态及其与生态气候指标的关系[J].应用生态学报,2010,21(6):1518-1522.

[13]孟猛,倪健,张治国.地理生态学的干燥度指数及其应用评述[J].植物生态学报,2004,28(6):853-861.

[14]张远东,张笑鹤,刘世荣.西南地区不同植被类型归一化植被指数与气候因子的相关关系[J].应用生态学报,2011,22(2):323-330.

[15]徐文婷,吴炳方,颜长珍,等.用SPOT-VGT数据制作中国2000年度土地覆盖数据[J].遥感学报,2005,9(2):204-214.

[16]中华人民共和国国家质量监督检验检疫总局,中国国家标准化管理委员会.GB/T20481—2006 气象干旱等级[S].北京:中国标准出版社,2006:1-17.

[17]马国明,王建,王雪梅.基于遥感的植被年际变化及其与气候关系研究进展[J].遥感学报,2006,10(3):421-431.

[18]杨建平,丁永康,陈仁升.长江黄河源区高寒植被变化的NDVI纪录[J].地理学报,2005,60(3):467-478.

[19]付新峰,杨胜天,刘昌明.雅鲁藏布江流域NDVI变化与主要气候因子的关系[J].地理研究,2007,26(1):60-66.

[20]陈佑启,Peter H V,徐斌.中国土地利用变化及其影响的空间建模分析[J].地理科学进展,2000,19(2):116-127.