2003～2014年关中地区季节植被覆盖度时空变化分析

刘 珍，文彦君,2*，张 翀,2

（1.宝鸡文理学院 地理与环境学院，陕西 宝鸡 721013；2.宝鸡文理学院 陕西省灾害监测与机理模拟重点实验室，陕西 宝鸡 721013）

植被是地理环境的重要组成部分，联结着土壤、地下水等环境要素，是反映区域生态地理环境的最佳标志之一[1]。植被与气候变化之间存在强烈的相互作用，植被适应气候变化，同时也对气候产生反馈作用[2]。植被生长受干旱缺水的限制和影响，其长势可直接反映干旱情况，因此监测植被覆盖度变化已成为干旱遥感监测的基本方法之一，目前基于遥感技术的大面积植被变化监测已被广泛应用于相关研究领域[3]。穆少杰[4]等获取了2001～2010年内蒙古区域植被覆盖度数据，并结合同期降雨量与温度，分析了研究区植被覆盖度对气候变化的响应情况。成军锋[5]等利用荒漠化指数与植被覆盖度之间的关系分析了毛乌素沙漠南部1991～2004年3期遥感数据，探究了干旱半干旱地区植被覆盖度的动态变化情况。赵舒怡[6]等运用NDVI数据与Palmer干旱指数分析了华北地区14 a植被覆盖度变化与干旱的关系。以往对于植被覆盖度的研究多以年尺度分析为主，不能体现年内植被覆盖度变化情况，本文对植被覆盖度进行季度划分，利用MODIS-NDVI产品和降雨时序数据，分析了关中地区2003～2014年四季植被覆盖度空间格局以及演变特征，并初步探讨了其与标准化降水指数（SPI）的相关关系，以期为当地政府抗旱救灾和制定农业政策提供科学依据。

1 研究区概况

关中地区主体为渭河盆地，西起宝鸡、东到潼关、南至秦岭、北接渭河北山。关中地区处于亚洲夏季风边沿，对气候变化和环境要素的改变极度敏感，是西北生态环境脆弱地带；地势西高东低，平均海拔约为500 m；属暖温带半湿润气候，年均降水量为550～700 mm，年均气温为12～13℃[7-8]。关中地区包括西安、咸阳、宝鸡、渭南等27个县市，是陕西省工农业生产和经济发展的核心地带，也是我国重要的粮食主产区之一[9]。

综合考虑不同区域范围内的生态系统结构、过程、功能以及各区域生态环境敏感性、地貌类型、人类活动干扰等因素，本文根据国家三级生态区划标准将关中地区由北向南依次划分为3个生态区，即黄土高原农业与草原生态区（I-12）、汾渭盆地农业生态区（I-11）和秦巴山地落叶与常绿阔叶林生态区（I-15）[10]。其中，I-12区是重要的农业区，区内沟壑密布，生态环境脆弱性高；I-11区以人工生态系统为主，植被覆盖以及生物多样性受到严重毁坏；I-15区为低山区，区内不仅植被覆盖度和生物多样性高，而且是关中地区主要水源地，也是众多外域河的源头。

2 数据来源与处理

本文采用2003～2014年空间分辨率为250 m的MODIS 16 d合成的MOD13Q1数据产品，利用MRT工具完成遥感影像的拼接、投影、tif格式转换以及历年NDVI数据的提取，并将其转化为季度数据；使用研究区范围腌膜裁剪得到关中地区年际NDVI数据，并利用ArcGIS 10.2栅格计算器计算植被覆盖度。

气象数据来自中国气象科学数据共享服务网[11]。根据 MODIS数据时相、质量以及气象站地理位置，选取2003～2014年关中及其周边地区32个气象站点的降雨日数据以计算季度SPI；运用Matlab 计算植被覆盖度Sen趋势，并与SPI作相关分析。

关中地区的生态区矢量数据来自中国生态系统评估与生态安全数据库[12]。

3 研究方法

3.1 植被覆盖度计算

通常采用混合像元分解模型计算植被覆盖度，假设遥感影像的一个像元由植被和土壤组成，像元信息包含纯植被和纯土壤信息，而混合像元的NDVI 值即为这两部分信息植被指数的加权平均和[13-15]。通过混合像元分解模型推导植被覆盖度的计算公式为：

式中，NDVI为混合像元的植被指数；NDVIveg为纯植被像元的最大值；NDVIsoil为纯土壤像元的最小值。由于气象条件、植被类型以及分布、季节变化等因素的影响，不同影像的NDVIsoil和NDVIveg不同。

采用最大值合成法预处理得到每年混合像元的NDVI值，并选取0.5%与99.5%的置信度截取NDVI的上下阈值。将 NDVI 值最大的 0.5%区域作平均值，得到 NDVIveg，将NDVI值最小的99.5%区域作平均值，得到NDVIsoil；再通过式（1）即可得到历年植被覆盖度。

3.2 SPI计算

SPI表示某一时段内降水出现的概率，能反映不同时空尺度的区域降水差异，一般用 Γ 分布概率来表征降水量变化，降水概率越大表明区域干旱程度越低[16-17]。SPI 先计算得到降水量在某时段内的 Γ 分布概率，再进行正态化处理，最终用标准化降水累积频率来判定干旱等级。

3.3 植被覆盖度变化趋势与SPI的相关分析

Theil-Sen 斜率估计是分析植被覆盖度长时间序列趋势变化的一种常用方法[18]。本文采用Theil-Sen斜率估计获取关中地区2003～2014年植被覆盖度变化情况。Theil-Sen斜率的计算公式为：

式中，median 为中位数函数；xi、xj为序列数据，表示不同年份的植被覆盖度或SPI；ti、tj为与序列数据对应的时间序列数据；序列长度为n，其中i < j≤n。

本文基于像元尺度进行植被覆盖度与SPI的线性分析，得到了关中地区植被覆盖度与SPI的相关关系[19]。

4 结果分析

4.1 空间分布格局分析

依据MODIS NDVI数据计算得到2003～2014年关中地区各生态区的植被覆盖度，见图1。整体而言，I-15区四季的植被覆盖度较高，与实际秦岭山地多、降水充沛、水热充足、植被覆盖度较高一致；I-12区植被覆盖度四季变化较小；I-11区植被覆盖度最小。I-15区与I-12区的植被覆盖度均按夏、秋、春、冬依次递减，与植物生长的季节规律一致，主要体现了植被季相的自然变化，说明植被覆盖度受人为因素的影响较小；而I-11 区植被覆盖度的季节变化呈春、秋、夏、冬递减的规律，主要体现了汾渭盆地受强烈人类活动影响的人工植被的季节变化特征，其主要原因可能是区域面积占比最大的农田的作物生长季在春秋两季，而夏季为主要农作物小麦的收获季节，使得该区域植被覆盖度呈显著不同的季节变化规律。3个区的植被覆盖度差异与人类活动干扰强度一致。

图1 关中地区各生态区四季平均植被覆盖度

2003～2014年关中地区四季平均植被覆盖度的空间分布如图2所示。

春季，I-15区植被覆盖度相对较高且分布均匀，平均值为0.70，自然条件良好，且人类活动影响较小，无显著区域差异；I-11区植被覆盖度大小分布不均，春季最低、最高值都出现在该区域，平均值为0.56。低值所在区域为西安市市辖区以及渭南市域内，西安市市辖区土地利用类型主要为城镇用地，市区内植被覆盖以少数的绿化带、公园为主，植被覆盖度全年较低；而渭南市整体植被覆盖度较少与其所在地区降水量较少，土地利用类型以中覆盖度草地为主以及经常发生旱灾有密切关系。高值所在区域土地利用类型多为旱地，无灌溉设施，植被生长依靠天然降水，而春季降水量可满足旱生植物需水，导致植被覆盖度相对较高。对于I-12区来说，春季植被覆盖度较低，平均值为0.50，低值区域地貌类型多为中海拔台地，海拔高度较高，温度较低，春温回升慢，且该区域春季少雨，植被生长季相对滞后，导致其春季植被覆盖度较低。

夏季，I-15区山地植被覆盖度最好，平均值为0.86；I-11区西部山地地区植被覆盖度较高，其他区域植被覆盖度较低，平均值为0.52，体现了汾渭盆地降水量由西向东依次递减、土地利用中包括林地、灌木林地、城镇用地和旱地等的主要差异；I-12区由于夏季温度上升，植被生长较快，植被覆盖度有所提升，平均值为0.62。

秋季，关中地区降水量增多，植被生长旺盛，植被覆盖空间分布与夏季基本一致，但秋季较夏季分布更均衡。

冬季，由于降水量稀少，气温降低，植被覆盖度整体下降，只有I-15区部分中高海拔山地地区山地温寒针叶林带植被覆盖度较好，平均值为0.60 ；I-12区与I-11区植被覆盖度平均值分别为0.40和0.37。由于两个生态区的植被主要为落叶植被，冬季降水量、气温等明显降低时，植被进入落叶期以适应气候变化，植被覆盖度降低，且两个生态区均为主要的农业生产区，当冬季日平均气温降到2℃左右时，小麦植株基本停止生长，冬小麦经历越冬期，植被覆盖度大大降低。

图2 2003～2014年关中地区四季平均植被覆盖度空间分布图

4.2 时间序列变化分析

将2003～2014年关中地区植被覆盖度季节年度平均值作曲线图（图3）。春季植被覆盖度在2010年以前有所下降，2010年后又开始恢复。夏秋季I-12区植被覆盖度超越I-11区，可能是由于I-11区植被主要以农田为主，植被覆盖度变化受冬小麦生长周期影响较大。春冬季为冬小麦的生长季节，区域植被覆盖度较高，而夏季小麦收割后，秋季玉米等农作物的小范围种植，使得该区域植被覆盖度降低。

运用Matlab软件计算了2003～2014年关中地区植被覆盖度变化的Sen趋势（图4），反映了关中地区研究时段内每一年较上一年植被覆盖度的变化情况。

春季，I-15区植被覆盖度整体保持稳步增长；I-11区植被覆盖度变化趋势不均，总体呈西部增加中部减少的趋势，平均值为0.002 63，该区域以人工生态系统为主，经济发展水平较高，中部地区更是经济发展的中心，城市扩张导致植被覆盖度明显降低；I-12区植被覆盖度总体有所降低，平均值为-0.001 77，近年来春季降水减少，加之该区域春温回升慢，植被并不能将降水快速体现为植被覆盖度，有时间上的滞后性。

夏季，3个生态区植被覆盖度整体维持稳定，但I-12区增长较多，平均值为0.008 84，可能是由于近年来陕西省对于黄土高原农业与草原生态区的退耕还林政策显著，使得人类对植被覆盖度的影响大于气候环境变化对它的影响；I-11区植被覆盖度变化总体平均值为0.003 29；I-15区植被覆盖度有所改善，平均值为0.006 66。

秋季，2003～2014年I-11区与I-12区的植被覆盖度均有所退化，平均值分别为-0.001 53和-0.001 40，与窦睿音[8]等的研究结果：关中地区秋季旱情增大相匹配。秋季农田中玉米等主要作物的水分供给不足，导致植被覆盖度下降；还可能与近年来农民收入增加，农村地区弃田抛荒现象严重有关。

图3 2003～2014年关中地区四季植被覆盖度变化曲线图

图4 2003～2014年关中地区四季植被覆盖度Sen趋势图

冬季，3个生态区植被覆盖度都有所增加，但幅度不大，I-11区的平均值为0.001 32，I-12区的平均值为0.001 36；I-15区的平均值为0.000 95。

在四季植被变化中，大荔县所在地区以及大荔县至南部秦岭的区域范围内植被覆盖度呈春冬季增长，夏秋季降低的趋势与其他地区有所差异。分析原因可能是该区域受华山、东条山以及镰山的阻挡形成一个小的干旱带[20]，相对其他地区而言，其春季升温快、昼夜温差大；还可能与近年来大荔县大力发展大棚农业以及早中熟时令水果，致使水果蔬菜产量大量增加有关[21]，原本6～7月生长旺盛的棉花被早中熟时令水果蔬菜取代，导致当地植被生长周期提前。

4.3 相关性分析

图5为2003～2014年关中地区四季植被覆盖度与SPI的相关关系。对计算得到的相关系数作显著性检验，取0.1%和5%的置信度，其临界相关系数分别为0.823 3和0.576 0。以±0.823 3、±0.576 0和0为界，将相关系数划分为高度正相关、显著正相关、低度正相关、低度负相关、显著负相关和高度负相关6个等级。

图5 2003～2014年关中地区四季植被覆盖度与SPI的相关关系图

春季，3个生态区总体和SPI呈低度负相关，即植被覆盖度越小，SPI值越大，但变化不大。5.61%的区域SPI与植被覆盖度呈显著负相关，主要分布在I-11区中部植被覆盖度显著减少的地区，该区域为关中地区主要经济发展区，建设用地的增加对植被覆盖度有一定影响。

夏季，I-12区的植被覆盖度与SPI相关系数的平均值为-0.014，无显著相关关系。I-11区和I-15区的植被覆盖度与SPI呈低度正相关，平均值为0.096和0.074 2。有研究表明，近年来关中地区夏季呈降水增加、气温降低的趋势[8,22]，导致旱情减小，气候环境更有利于植被生长。

秋季，研究区域总体呈低度相关，I-15区的植被覆盖度与SPI呈低度负相关，由于秦巴山地生态系统复杂，轻微的干旱并不能对其产生较大影响；但旱情的增加对于其他两个区的影响较大，呈低度正相关，植被有所退化，与前人结论：关中地区秋季温度上升、降水减少、旱情增大一致[8,22]。

冬季，3个生态区均呈低度负相关，这是由于冬季大多植被自身已枯萎凋零，对水分需求不大，干旱对其影响较弱，从而导致冬季旱情加大的情况下植被覆盖度依旧有所增加。

5 结 语

1）关中地区各生态区四季植被覆盖度中，I-15区全年最高，I-11区春季最高，I-12区夏季最高；

2）2003～2014年关中地区春、夏、冬季植被覆盖有微小增长，秋季整体植被覆盖度降低；

3）关中地区夏、秋季植被覆盖度与SPI呈低度正相关，而春、冬季植被覆盖度与SPI呈低度负相关，无显著相关关系。

[1] 贾艳红,赵传燕,南忠仁.西北干旱区黑河下游植被覆盖变化研究综述[J].地理科学进展,2007,26(4):64-74

[2] 刘世梁,田韫钰,尹艺洁,等.云南省植被NDVI的时间变化特征及其对干旱的响应[J].生态学报,2016,36(15):4 699-4 707

[3] 郭虎,王瑛,王芳.旱灾灾情监测中的遥感应用综述[J].遥感技术与应用,2008,23(1):111-116

[4] 穆少杰,李建龙,陈奕兆,等.2001-2010年内蒙古植被覆盖度时空变化特征[J].地理学报,2012,67(9):1 255-1 268

[5] 成军锋,贾宝全,赵秀海,等.干旱半干旱地区植被覆盖度的动态变化分析:以毛乌素沙漠南部为例[J].干旱区资源与环境,2009,23(12):172-176

[6] 赵舒怡,宫兆宁,刘旭颖.2001～2013年华北地区植被覆盖度与干旱条件的相关分析[J].地理学报,2015,70(5):717-729

[7] 赵景波,邢闪,周旗.关中平原明代霜雪灾害特征及小波分析研究[J].地理科学,2012,32(1):81-86

[8] 窦睿音,延军平.1960～2010年关中地区旱涝灾害对气候变化的响应[J].湖南农业大学学报(自然科学版),2012,38(5):542-547

[9] 陈太根,董婕.关中平原近49年来气候变化特征分析[J].干旱区资源与环境,2009,23(12):76-81

[10] 傅伯杰,刘国华,孟庆华.中国西部生态区划及其区域发展对策[J].干旱区地理,2000,23(4):289-297

[11] 国家气象信息中心气象资料室.中国气象科学数据共享服务网[EB/OL].(2012-08-04)[2016-03-12]. http://cdc.cma.gov.cn

[12] 中国科学院生态环境研究中心.中国生态系统评估与生态安全数据库[EB/OL].(2009-11-04)[2016-03-30].http://www.ecosystem.csdb.cn

[13] 李登科,范建忠,王娟.陕西省植被覆盖度变化特征及其成因[J].应用生态学报,2010,21(11):2 896-2 903

[14] 郭铌,王小平.遥感干旱应用技术进展及面临的技术问题与发展机遇[J].干旱气象,2015,33(1):1-18

[15] 张文帅.陕甘宁黄土高原区NDVI变化及其在土地利用变化检测中的适宜性[D].北京:中国科学院研究生院,2014:2-3

[16] 杜灵通,田庆久,黄彦,等.基于TRMM数据的山东省干旱监测及其可靠性检验[J].农业工程学报,2012,28(2):121-126

[17] 付奔,金晨曦.3种干旱指数在2009～2010年云南特大干旱中的应用比较研究[J].人民珠江,2012,33(2):4-6

[18] 史本林,朱新玉,胡云川,等.基于SPEI指数的近53年河南省干旱时空变化特征[J].地理研究,2015,34(8):1 547-1 558

[19] 李震,阎福礼,范湘涛.中国西北地区NDVI变化及其与温度和降水的关系[J].遥感学报,2005,9(3):308-313

[20] 王鹏新,龚健雅,李小文.条件植被温度指数及其在干旱监测中的应用[J].武汉大学学报(信息科学版),2001,26(5):412-418

[21] 张丹.大荔县域农业经济可持续发展问题研究[D].西安:西安建筑科技大学,2011:15-18

[22] 熊光红.关中地区降雨、气温动态演变特征分析[J].安徽农业科学,2015,43(11):192-194