基于小波相干的武夷山NDVI与环境因子的关联性分析

邹伟成， 肖桂荣

(福州大学福建省空间信息工程研究中心， 福建 福州 350002)

基于小波相干的武夷山NDVI与环境因子的关联性分析

邹伟成， 肖桂荣

(福州大学福建省空间信息工程研究中心， 福建 福州 350002)

为了揭示武夷山世界遗产地植被覆盖与其影响因素的空间尺度变化规律， 利用武夷山世界遗产地2009年的TM遥感影像及DEM、 居民地、 道路、 河流等数据， 运用小波相干分析方法研究该地区两条样带上归一化植被指数(NDVI)与高程、 坡度、 坡向、 距最近居民点距离、 距最近道路距离以及距最近河流距离等环境因子的相关性. 研究表明， NDVI与环境因子的关系随尺度变化， 在大中尺度上NDVI与海拔、 坡度、 坡向显著相关， 其中海拔是主导控制因子； 海拔600 m以下， NDVI与海拔为正相关， 而600 m以上， NDVI与海拔的关系在东南季风的迎风坡为正相关， 背风坡为负相关， 海拔大于1 200 m的区域为负相关.

小波相干； 归一化植被指数； 环境因子； 关联性分析； 武夷山

0 引言

植被特别是山区的森林有非常重要的作用， 森林及其他植物为许多物种提供了栖息地， 植被覆盖可以调节气候， 减少水土流失， 有效地保护人们免受如山体滑坡、 泥石流和洪水这样的自然灾害[1]. 同时植被也受到气候、 地形、 地下水埋深、 土壤以及人类干扰等多种因素的影响[1-4]， 研究植被覆盖的分布及其影响因素对于揭示区域环境状况有重要的现实意义. 植被覆盖与其影响因素的关系随尺度和位置而变化， 而小波相干可以同时测量两个时间(或空间)序列在不同尺度和不同时间(或位置)的相关性[5-6]. 归一化植被指数(normalized difference vegetation index， NDVI) 是目前衡量植被覆盖高低最强有力的工具， 在植被空间分布格局和动态变化研究中得到了广泛的应用[7].

武夷山保存着最典型、 最完整、 规模最大的中亚热带森林生态系统和生物多样的生态环境， 但是近年来， 随着武夷山旅游业和茶产业的发展， 局部原始植被已受到或正濒于破坏. 以武夷山世界遗产地为研究区域， 运用小波相干分析方法识别武夷山世界遗产地NDVI与地形、 人类干扰和交通可达性等环境因子在不同尺度和不同位置上的关联性， 为有关部门对武夷山世界遗产地的植被保护提供决策依据.

1 研究区与研究方法

1.1 研究区概况

武夷山世界遗产地位于福建省西北部， 包括生物多样性保护区、 九曲溪生态保护区、 自然与文化景观保护区、 闽越王城遗址四个部分， 其总面积为999.75 km2. 主峰黄岗山是武夷山脉的最高峰， 诸母岗为武夷山脉南段最高峰. 发源于黄岗山西南麓的九曲溪自西向东流至武夷宫汇入崇阳溪， 桐木溪为九曲溪的源头水源. 研究区的空间位置及区域概况如图1.

图1 研究区域及位置示意图Fig.1 Map showing the scope and location of the study area

1.2 数据来源与处理

1) 影响气候(气温和降水)的主要因素有纬度位置、 海陆位置和地形， 而在小范围内主要受地形的影响. 因此在小范围内气候对植被的作用可以在地形中得到体现， 并且目前气候的开源数据为1 km分辨率， 只适用于大范围大尺度的研究， 所以本文未对气候因素进行分析， 只选取了地形和距最近居民点、 距最近道路、 距最近河流距离等因素. 其中DEM来源于国际科学数据共享服务平台， 分辨率为30 m. 利用ArcGIS软件从DEM中提取坡度和坡向. 将坡向重分类为五级， 其范围分别为0°～22.5°和337.5°～360°、 22.5°～67.5°和292.5°～337.5°、 67.5°～112.5°和247.5°～292.5°、 112.5°～157.5°和202.5°～247.5°、 157.5°～202.5°， 并分别赋值为1、 2、 3、 4、 5， 值越大表示越向阳. 道路、 居民点和河流图层来源于福建省空间信息工程研究中心， 使用ArcGIS的欧氏距离分析工具生成距最近河流距离、 距最近道路距离和距最近居民点距离的图层， 图层分辨率为30 m.

2) 利用2009年10月24日的LandSat-5 TM影像数据提取NDVI， 此数据从中科院遥感与数字地球研究所获取， 已进行辐射校正和几何校正， 同时采用数字高程模型(DEM)纠正了地势起伏造成的视差. 利用ArcGIS的影像分析窗口计算NDVI， 利用该工具计算出来的NDVI进行了0～255的拉伸.

图2 研究区NDVI及样带分布图Fig.2 Distribution of NDVI and transects in the study area

3) 为进行NDVI与环境因子的小波相干分析， 在研究区分别在东西和南北跨度最大的地方设置了两条样带. 样带1从西到东穿过了诸母岗、 三宝山(建阳市黄坑镇与武夷山市星村镇的分界点)和九曲溪中下游沿岸， 涵盖了武夷山世界遗产地中各种类型的地貌. 样带2从北往南穿过了望夫山、 黄岗山、 香炉山、 高山顶、 翡翠溪、 九曲溪、 南山， 山河相间排列. 这两条样带基本上能表征研究区NDVI与环境因子的空间分布格局， 样带分布如图2所示. 其中， 样带1有一部分未在遗产地内， 但为了使样带连续， 将研究区进行一定扩展.

4) 根据样带在图像中所属的行列号， 在Matlab中提取样带的NDVI及环境因子的原始数据， 并生成样带原始信号图， 然后利用Matlab编程实现小波相干的计算.

1.3 小波相干分析原理

定义两个空间序列X和Y的小波相干谱为[8-9]：

式中： ∏是矩形函数；j是尺度指数；N为空间序列长度； 参数0.6是根据经验确定的尺度， 与Morlet小波波长的解相关.

为了检验小波相干系数的显著性， 在每个尺度和位置将空间背景序列(一阶自相关模拟的红噪声)进行1 000次迭代并与原始序列进行对比， 计算小波在每个尺度和位置实现的一致性， 取95%的置信度[11]. 若小波与红噪声差异显著， 但覆盖面积小于总面积的10%， 仍然不显著.

2 结果与分析

2.1 样带1小波相干分析

在Matlab中根据公式(1)编程计算研究区NDVI与环境因子不同尺度的相干性. 根据显著相关性， 样带划分为三个尺度域： <480 m为小尺度， 480～7 680 m为中尺度， >7 680 m为大尺度， 并分别从这三个尺度分析武夷山世界遗产地NDVI与各环境因子相干性的显著性水平.

样带1的小波相干结果如图3所示， 在小尺度上， NDVI与海拔、 坡向、 坡度、 居民地、 道路和河流的显著相干性比例分别为5.55%、 7.05%、 6.21%、 3.75%、 5.85%、 4.05%， 均小于10%， 因此小尺度上NDVI与各环境因子的关系均不显著.

注： 粗黑线表示5%显著性水平， 细线为影响锥(影响锥以外的小波系数受到边缘效应的影响)， 色条指示相关系数大小， 箭头表示相关性类型， 向左和向下为负相关， 向右和向上为正相关. 图3 样带1小波相干图 Fig.3 Wavelet coherency along the first transect

在中尺度上， NDVI与海拔、 坡向、 坡度、 居民地、 道路的显著相干性比例分别为22.2%、 10.01%、 10.05%、 12.09%、 22.65%， 而与河流的相干性达到显著性水平的只有8.16%. NDVI与相干显著的环境因子关系较为多样复杂， 具体分析如下：

1) NDVI与海拔的关系在样带大于18 km的位置上， 即诸母岗以东为正， 在18～34 km位置上海拔对NDVI的作用最突出. 而与18～34 km位置上海拔相当的5～12 km中NDVI与海拔呈负相关. 这是因为诸母岗东坡截留了太平洋的暖湿水汽， 并免受西北来的寒流入侵， 暖湿气流还随海拔的上升形成地形雨， 西坡与之相反， 因此东坡的水热条件优于西坡. 另外18～34 km的谷地及其附近受到建阳市黄坑镇人类活动的影响使NDVI降低， 因此海拔越高植被覆盖越好. 西部的人类活动甚少， 其地理位置使得海拔对于植被的限制作用出现在更低的海拔， 因而NDVI与海拔呈负相关.

2) NDVI与坡向以正相关为主， 这种关系在诸母岗以西最为显著.

3) 在样带34 km以东， 即九曲溪中下游地区NDVI与坡度呈显著正相关. 该地段地势平坦海拔低， 坡度相对较小， 距最近道路和居民点的距离小， 是武夷山世界遗产地居民生活活动和旅游活动的主要范围. 而坡度越大， 人类活动越少， 越有利于植被生长， 因此NDVI与坡度为正相关.

4) NDVI与距最近居民点距离的关系也在诸母岗以东为正， 其原因在于东部受人类活动影响较大， 自然距居民点越远植被覆盖越好. 在样带2.15～6.57 km位置上， NDVI与距最近居民点距离呈负相关， 这是因为此地段植被覆盖变化主要受到海拔因子的控制， NDVI与海拔呈负相关， 而居民点分布在海拔较低的地方.

5) 同样， NDVI与距最近道路距离的关系也以诸母岗为界， 诸母岗以东为正相关， 以西为负相关. 其原因与距最近居民点距离类似， 通常道路修筑在海拔较低的地方， 因而在主要受到海拔因子控制的西部， 距道路越近植被覆盖越好.

在大尺度上， NDVI与海拔、 距最近居民点距离、 距最近河流距离均为高度显著正相关， 且覆盖了整条样带， 表明这些因子在宏观尺度上对植被的分布格局有重要的影响作用. 在16～25 km， NDVI与坡向呈正相关. 在43～54 km位置， NDVI与坡度为显著正相关. 另外， 道路在大尺度上与NDVI没有显著相关性. 总体来看， 在大尺度上NDVI与各环境因子的关系在所有位置上表现较为一致， 原因在于尺度增大过程中信息得到平滑， NDVI及其影响因素中的一些局部变化作用较小.

2.2 样带2小波相干分析

为了便于分析比较的一致性， 样带2也按相同的三个尺度进行分析， 样带2的小波相干结果如图4. 在小尺度上， NDVI与海拔、 坡向、 坡度、 居民点、 道路、 河流的显著相干性的比例分别为7.68%、 10.6%、 6.07%、 2.56%、 4.18%、 4.47%， 只有坡向与NDVI的相干性超过了总面积的10%， 说明由坡向引起的热量分异对小尺度的植被覆盖有一定的影响.

图4 样带2小波相干图Fig.4 Wavelet coherency along the second transect

在中尺度上， 与样带1相比， 该样带NDVI与海拔、 坡向、 坡度、 河流的相关性要大很多， 达到显著性水平的比例分别为60.57%、 29.89%、 17.31%、 17.1%， 而与居民点和道路的相关性非常小， 分别只有8.64%和7.21%通过了显著性检验. 该样带NDVI与相干显著的环境因子关系的具体分析如下：

1) NDVI与海拔的关系又可以分为两个更小的尺度域， 即480～1 920 m和1 920～7 680 m. 在480～1 920 m尺度上， 其关系在翡翠溪(样带25 km处)以南为正， 以北正负交替. 原因在于翡翠溪以南海拔较低， 而翡翠溪以北高山与深谷交替， 由于山峰对水汽的阻挡， 导致NDVI与高程的关系在北坡为负相关， 南坡为正相关. 在1 920～7 680 m尺度上， NDVI与海拔的关系在9 km(香炉山)以南为正相关， 以北为负相关， 这也与山体对水汽的阻挡作用有关.

2) 该样带NDVI与坡向的关系为正相关， 即越向阳的地方植被覆盖越好， 由此说明热量条件影响中尺度的植被分布格局.

3) NDVI与坡度的关系也以翡翠溪为界， 翡翠溪以南为正相关， 以北为负相关.

4) NDVI与河流的关系以香炉山为界， 香炉山以北为负相关， 以南为正相关. 因为在低海拔区的河床地带及河流迹地本来植被稀少， 其两侧又是人类活动的主要区域， 而到高海拔区， 人类活动减少甚至没有人类活动， 距离河流越近， 越能得到充足的水源， 有利于植被生长， 从而NDVI和河流在不同海拔段表现出不同的关系.

在大尺度上， NDVI与坡向在整条样带上均为显著负相关， 说明越接近阴坡的地方植被覆盖越好， 水分在大尺度上对植被的生长发育起着至关重要的作用. 同时， NDVI与坡度也表现为一致的负相关， 由于坡度也反映出人为干扰对植被的影响， 这再次说明了人类活动对此样带植被的影响微弱. 另外， NDVI与海拔在0～28.5 km位置上显著正相关， 除此之外其他因子没有显著相关性.

3 结语

在武夷山世界遗产地中选取了垂直相交的两条样带， 采用小波相干分析法， 解释了研究区NDVI与各环境因子在不同尺度、 不同位置的相关性， 揭示了相互间的尺度—位置依赖关系.

1) 小波相干检测出NDVI与环境因子的关系随尺度变化. 样带1 NDVI与各环境因子的关系在小尺度(<480 m)上均很弱； 中尺度(480～7 680 m)上与海拔、 坡度、 居民地、 道路显著相关； 大尺度(>7 680 m)上与海拔、 居民地、 河流显著相关. 样带2 NDVI在小尺度上与坡向显著相关； 中尺度上与海拔、 坡向、 坡度、 河流显著相关； 大尺度上与海拔、 坡向、 坡度显著相关， 可见海拔是研究区植被覆盖的主导控制因子.

2) NDVI与环境因子的关系在不同的位置上也不同， 海拔600 m以下， NDVI与海拔为正相关， 而600 m以上， NDVI与海拔的关系在东南季风的迎风坡为正相关， 背风坡为负相关. NDVI与道路、 居民点、 坡度和河流正相关的区域基本为海拔小于1 200 m的地方， 海拔大于1 200 m的区域为负相关.

3) 研究表明， 小波相干分析成功地揭露了地理事物之间关系的尺度和位置依赖性， 是空间分析强有力的工具. 但是本文所使用的小波相干分析是针对一维样带的， 其结果会受到样带位置、 长度和取样密度等影响， 所以未来发展的方向是将小波相干分析延伸到二维数据或图像数据的整体分析.

[1] Jin X, Wan L, Zhang Y K,etal. Quantification of spatial distribution of vegetation in the Qilian Mountain area with MODIS NDVI[J]. International Journal of Remote Sensing, 2009, 30(21): 5 751-5 766.

[2] Bayramov E, Buchroithner M F, McGurty E. Determination of main climate and ground factors controlling vegetation cover regrowth along oil and gas pipelines using multiple, spatial and geographically weighted regression procedures[J]. Environmental Earth Sciences, 2012, 66(7): 2 047-2 062.

[3] Jamali S, Seaquist J W, Ardö J,etal. Investigating temporal relationships between rainfall, soil moisture and MODIS-derived NDVI and EVI for six sites in Africa[J]. Savanna, 2011, 21: 547.

[4] 马宗文, 许学工, 卢亚灵. 环渤海地区 NDVI 拟合方法比较及其影响因素[J]. 生态学杂志, 2011, 30(7): 1 558-1 564.

[5] Qiu B, Zeng C, Tang Z,etal. Identifying scale-location specific control on vegetation distribution in mountain-hill region[J]. Journal of Mountain Science, 2013, 10(4): 541-552.

[6] Liu T，Xie J. Characterization of spatial scaling relationships between vegetation pattern and topography at different directions in Gurbantunggut desert[J]. China Ecological Complexity, 2010, 7(2): 234-242.

[7] 周伟, 王倩, 章超斌, 等. 黑河中上游草地NDVI时空变化规律及其对气候因子的响应分析[J]. 草业学报, 2013, 22(1): 138-147.

[8] Torrence C, Webster P J. Interdecadal changes in the ENSO-monsoon system[J]. Journal of Climate, 1999, 12(8): 2 679-2 690.

[9] Grinsted A, Moore J C, Jevrejeva S. Application of the cross wavelet transform and wavelet coherence to geophysical time series[J]. Nonlinear Processes in Geophysics, 2004, 11(5/6): 561-566.

[10] Si B C, Zeleke T B. Wavelet coherency analysis to relate saturated hydraulic properties to soil physical properties[J]. Water Resources Research, 2005, 41(11): 1-9.

[11] Torrence C, Compo G P. A practical guide to wavelet analysis[J]. Bulletin of the American Meteorological Society, 1998, 79(1): 61-78.

(编辑： 蒋培玉)

Correlation analysis between NDVI and environmental factors in Wuyi Mountain based on wavelet coherency

ZOU Weicheng， XIAO Guirong

(Space Information Research Center, Fuzhou University, Fuzhou, Fujian 350002, China)

Using wavelet coherency analysis, this paper studies the relationships between normalized difference vegetation index (NDVI) and environmental factors at world heritage of Wuyi Mountain. This factors are elevation, slope, aspect, distance to the nearest resident, distance to the nearest road and distance to the nearest river in two transects based on data of TM remote sensing image, DEM, settlements, roads and rivers in 2009.The results show that the relationships between NDVI and environmental factors change as scale changes. At medium and large scale, NDVI is significantly correlated with elevation, aspect, slope. Thus elevation is the dominant controlling factors on the vegetation cover. There is positive correlation between NDVI and elevation below the altitude of 600 m, and above 600 m, the relationships between NDVI and elevation are positive in the windward side of the southeast monsoon and negative in the leeward side, but inversely above 1 200 m.

wavelet coherency； normalized difference vegetation index； environmental factors； correlation analysis； Wuyi Mountain

10.7631/issn.1000-2243.2015.04.0482

1000-2243(2015)04-0482-06

2014-02-16

肖桂荣(1972-)， 研究员， 博士， 主要从事地理信息系统、 空间信息网络服务的研究， xiaogr@fzu.edu.cn

国家科技支撑计划资助项目(2013BAC08B03)

X87

A