基于NDVI的近30 a来山西省植被动态变化特征及与气候因子间的关系分析

卫宇婷，杨怀卿

（山西农业大学资源环境学院，山西 太谷 030801）

植被是陆地生态系统的主要组成部分，是能量交换的一个重要元素，也是地球表面水循环和生物化学循环的重要途径[1]。它是物质和能量在土壤圈、水圈和大气圈中流动的主要驱动因子[2]。了解植被动态变化是植被生态一个优先的宗旨并且是极其必要的，而且掌握和了解植被动态变化被认为是自然资源的一个可持续发展的行为[3]。季节整合的植被指数被广泛应用于植被变化监测研究中，常被用作年指数指示一整年的植被状态[4]。MODIS产品数据精度高、覆盖范围广、更新时间快且可以免费使用，已经被广泛应用于植被监测、环境监测和水文监测中[1]。因此，大多数学者将MODIS产品数据应用到大尺度长时间序列的植被动态变化研究中，且结果也证明了利用遥感数据对植被进行监测相比于传统地面植被监测的优势性[2-8]。植被的生长及分布状态受人类作用和气候变化的双重影响[9]，植被通过影响地表温度、湿度、气体浓度和水分能量交换过程来对气候变化做出相应，同时影响局域甚至全球的气候变化[10]。植被变化与气候间的关系是全球气候变化研究中的重要内容之一[11]。近年来，山西省气候朝着暖干化的方向发展，这一变化引发了一系列的生态环境问题，成为急需解决的关键问题之一[12]。植被通过光合作用、地表反射率以及粗糙度等调节生态系统的能量交换、碳循环和区域气候变化[13]。了解植被时空动态变化与气候因子及气候变化之间的关系，可以揭示植被变化和气候变化之间的相互响应机制，还能预测气候的微小变化对植被的影响[14]。

目前，已有学者对山西省的植被变化以及植被和气候之间的相关性进行了研究[15-20]，包括长时间序列的气候变化研究[21]、长时间序列的植被变化研究[22]、不同生态功能区植被的变化[23]以及植被变化的影响研究[24]等。但是由于MODIS数据的持续更新，多数学者的研究还未加入新时期的植被数据，对于MODIS数据时效之前的年份及2000年之前的研究尚没有。

本研究旨在利用 1986—1999，2000—2015年的NDVI数据和气候数据，探讨长时间序列，包括更久之前和较新时期的植被变化和气候变化之间的关系。基于趋势分析方法了解1986—1999，2000—2015年植被变化和气候变化的特征，基于Pettitt检验方法掌握植被变化的突变年，利用相关分析方法和多元回归分析方法探索植被和气候间的相关关系，包括影响植被的最佳气候因子，并定量描述气候变化对植被变化的响应，旨在为山西省长时期气候变化和植被变化提供理论依据，并指导植被恢复等相关政策的提出及修改等。

1 数据来源和研究方法

1.1 研究区概况

山西省形状呈现出斜向东南和西北的平行四边形，地处北纬 34.59°～40.73°及东经110.24°～114.55°，南北长约500 km，东西宽约300 km。山西省总面积约为16万km2，约占全国的16%。山西省地形地貌复杂，海拔范围为109～3 091 m，地形起伏较大，整体上北高南低，且中部地势低两侧地势高，中部为汾河穿越路径。山西省年均气温7.8～10.33℃，年降雨量377.17～647.35 mm，降雨主要集中在夏季和秋季，最高气温可以达到38.7℃，最低气温可以达到-23.39℃。

1.2 数据来源及处理

通过MODIS官方网站下载250 m×250 m分辨率的16 d合成NDVI数据，统一选择2000—2015年10月16日的MOD16A1数据，1986—1999年的植被指数数据来源于MODIS的VIPPHEN_NDVI产品数据，VIPPHEN数据分辨率为0.05°×0.05°，相当于5 600 m×5 600 m，VIPPHEN_NDVI产品数据来源于AVHRR卫星，覆盖范围为N07，N09，N11和N14，涵盖山西全省，时间年限为1981—1999年。气候数据来源于国家气象科学数据服务网站，包括16个站点。本研究搜集了1986—2015年的年降水（Pre）、年均气温（Tmean）、年最高温度（Tmax）、年最低温度（Tmin）、年潜在蒸散量（ETp）和叶面积指数（LAI）共6类气候因子。通过GS＋计算站点的最佳插值参数，并利用最优参数应用普通克里金在ArcGIS 10.3.1中完成6种气候因子在1986—2015年的山西省面上的插值。

由于不同数据间的空间尺度不同，尤其是1986—1999，2000—2015年的植被数据以及气候因子数据，因此，本研究利用山西省边界创建了1km×1 km的格网点，共154 087个格网点，并将所有数据赋值到这154 087个格网点上，实现尺度的统一，并在此基础上进行数据分析。

1.3 研究方法

本研究利用趋势分析方法（Trend analysis）评估绿度率（GRC）的变化。

式中，n代表 1986—1999年的年数为14和2000—2015年的年数为16，NDVIi为第i年NDVI值，GRC为绿度率。则NDVI的变化范围计算公式如下。

如果Range值大于0，表明在14 a和16 a间NDVI值呈现增加的趋势。反之，呈现减少的趋势。

本研究利用Mann-Kendall（MK）趋势检验方法评估1986—1999，2000—2015年的植被变化显著性。MK检验方法是一个非参数统计检验方法，被用于评估一个时间序列的变化显著性，这个变化可以忽略季节性的变异性[1]，MK检验方法已经被广泛应用于检测水文、气候和环境因子的变化趋势[1]。对一个独立分布的时间序列（x1，x2，…，xn），MK 检验的空假设（H0）表明没有趋势存在。变化范围的显著性检验根据统计检测 S（ifn≤8）或者 Z（ifn≥8），计算公式如下。

式中，xj和xi分别为第j年、第i年的NDVI值，NDVI值相同的话被分到同一层，NDVI各不相同即没有层；n表示年数，本研究中分别为14，16 a。tp表示层数，q表示层中元素的个数。如果Z或S值为正，表明增加的趋势，反之，代表减少的趋势。如果绝对么 H0假设被拒绝，表明NDVI在α置信水平下具有统计学意义的显著性，在MK检验中，α被设置为0.01，0.05，0.1和0.15。

Pettitt检验也是一个非参数的检验方法，常被用于检测水文数据随时间变化的突变点。本研究利用Pettitt检验识别NDVI序列的突变并检测突变的显著性。Pettitt检验将一个时间序列（x1，x2，…，xn）分在时间 τ上成 2 个子集（x1，x2，…，xτ）和（xτ＋1，xτ＋2，…，xn）。

式中，sgn按照公式（4）计算。当 k（τ）的绝对值达到最大时突变很可能出现。

突变显著性大致被定义如下。

Pettitt检验一般用0.05显著性水平查验。如果P小于0.05，那么突变在0.05置信水平上出现。

此外，利用相关分析方法和逐步线性回归分析方法分析植被变化与气候因子之间的关系。为了研究植被变化和气候变化之间的相互关系，本研究分别建立了不同年份植被均值和累计值与气候因子包括年降水、年均气温、年最高气温、年最低气温、年潜在蒸散量及叶面积指数之间的相关关系，以及植被变化范围和不同气候因子变化范围之间的相关关系。通过计算相关系数来确定植被和气候因子之间的相关性。逐步线性回归分析方法常被用于影响因子分析中，并被广泛用于土壤、水文、植被和生态研究中。在逐步构建线性模型的过程中，通过删减对模型不显著的因子，最终确定研究对象的影响因子。本研究应用逐步线性回归分析方法分析了气候因子对植被的影响。

2 结果与分析

2.1 植被变化趋势分析

由于1986—1999，2000—2015年栅格尺度存在很大的差异，因此，本研究创建了1 km×1 km的格网，将每一年的NDVI数据提取到1 km的格网点上，并分别对1986—1999，2000—2015年的NDVI值进行计算，以减少误差。将1 km×1 km的格网点数据输入R 3.3.3，计算过程包括：（1）利用公式（1）和（2）计算了每一个栅格中NDVI值的变化趋势，包括增加趋势、减少趋势和不变的趋势；（2）利用公式（3）～（6）计算了每一个栅格NDVI值的变化是否显著；（3）结合（1），（2）步得到的结果得出近30 a来山西省植被时空变化分布（图1）。

从图1可以看出，1986—1999年临汾、吕梁、太原、晋中及长治交界处的植被呈现显著增加的趋势，阳泉西北部植被增加显著。而大同市、朔州市、忻州市、晋城市和运城市植被基本呈显著减少的趋势。从图1还可以看出，2000—2005年植被显著增加的区域基本很少，而吕梁西部、运城西北部、朔州中部、晋中中部和临汾西部区域植被减少显著。

表1显示，1986—1999年这14 a间，58.28%的区域植被显著减少，18.42%的区域植被显著增加；2000—2015年16 a间，40.55%的区域植被显著减少，1.90%的区域植被显著增加。

表1 近30 a来山西省植被变化统计

2.2 植被变化突变年监测分析

利用植被突变检测公式（7）～（9），将数据导入R 3.3.3中利用Pettitt检验方法分别对1986—1999，2000—2015年可能存在的突变点进行预测。突变点分为2类，一类是在这一年的这一点上发生了一个促进的因子导致了下一年植被的增加；而另一类是在这一年的这一点上发生了一个事件，从而导致了下一年植被的减少。

图2显示，在1986—1999年，山西省北部大部分区域曾在1990—1994年，尤其是1992—1994年发生了促进的因子，导致下一年的植被增加。此外，运城和晋城的部分区域也存在一些促进的因子导致了下一年植被的增加。在2000—2015年，山西省大部分区域在2004年发生了一个促进的因子导致了下一年植被的增加。而运城地区在2004，2005年均存在一些积极的因子导致了植被的增加。

由图3可知，1986—1999年，临汾、吕梁、晋中和太原交界的区域在1992年发生了一个消极的事件因子，导致了下一年植被的减少。2000—2015年基本不存在促进下一年植被减少的突变点。

结合突变监测和植被变化显著性分析，将促进增加的点和促进减少的点进行占比统计分析，结果如图4，5所示。由图4可知，促进植被增加的事件主要发生在1993，1994年，1993，1994年的促进增加点分别占增加突变点的38%和32%。促进植被减少的时间主要发生在1991，1992年，1991，1992年促进植被减少的点分别占减少突变点的31.9%和32.0%。

从图5可以看出，促进植被增加的事件主要发生在2004年，2004年促进植被增加的点占增加突变点的91.6%。促进植被减少的事件主要发生在2010年，2010年促进植被减少的点占减少突变点的58.6%。

将突变点结合 1986—1999，2000—2015年山西省植被累计值变化分布情况，得到图6。从图6可以看出，1986—1999年整体上植被存在一个增加的趋势，且R2达到0.347 2，且从图6还可以看出，1993，1994年明显存在一个促进植被增加的事件。2000—2015年整体上植被同样呈现增加的趋势，但是R2很小，仅为0.034 3。2004年明显存在一个事件促进了植被的增加，2010年存在一个事件造成了植被的减少。

2.3 气候因子变化趋势分析

从图7可以看出，1986—2015年间，植被指数仅在2005—2011年间均值高于0.45，叶面积指数从2000—2015年总体上呈现增加的趋势，降水量在1997—2002年低于450 mm，在2003年降雨量年均达到最高，潜在蒸散量在1991年突然降低到200 mm，这可能成为一个导致植被衰退的事件，最低气温在 1994—1995，2007，2014—2015 年高于-19℃，在1998年达到最低，接近-24℃，年均气温和最高温度均呈现一个上升的趋势，在1992年年均气温降到最低，也可能成为一个导致植被衰退的事件，年均气温在2005年达到最高。

2.4 NDVI值与气候因子的相关性分析

从表2可以看出，SNDVI（NDVI累积值）和MNDVI（NDVI均值）与各个气候因子均在0.01水平上达到显著，且植被指数与气候因子均呈正相关关系。

表2 NDVI均值及累计值与气候因子间的相关性统计

2.5 植被变化与气候变化的相关性分析

为研究植被变化和气候变化间的相关性，计算了近30 a来植被变化Range值（公式（2））和气候因子变化Range值（公式（2））间的相关性，相关性分布结果如图8所示，图中颜色越深相关性越强。图8表明，1986—1999年这14 a间植被变化NDVI-range14与最高气温变化TmaxRange14、蒸散量变化ETpRange14、年均气温变化TmeanRange14、最低气温变化TminRange14及叶面积指数变化LAIRange14均呈正相关关系，且与年均气温变化值相关性最高，相关系数为0.42，表明植被变化和年均气温变化之间具有显著关系。但是，1986—1999年这14 a的植被变化与降水变化PreRange14呈负相关关系，表明植被变化与降水变化之间存在相反的关系。图8结果显示，2000—2015年这16 a间植被指数NDVIrange16与所有的气候因子变化之间均呈现负相关关系，且与叶面积指数变化LAIRange16结果最为显著，为-0.18，其次是最低气温变化TminRange16，为-0.17，表明在2000—2015年期间植被变化与最低气温变化之间存在相反的关系。

从 1986—1999，2000—2015年的植被变化和相关因子变化结果来看，1986—1999年的植被变化与气候因子间关系更为显著，这可能与尺度有很大的关系，1986—1999年植被数据栅格值大小为0.05°，大约为 5.6 km，2000—2015年植被数据栅格值大小为250 m，表明在更大尺度上植被变化和气候变化间的关系才更加突出。其还可能与气候变化有关，1986—1999年和2000—2015年气候变化显然相差较大，不同的气候变化例如极端降水或者极端高温等现象也可能导致前后2次的结果不同。

2.6 植被因子与气候因子逐步线性回归分析

选择降水和年均气温代表气候因子与累积植被指数进行逐步线性回归分析，2000—2015年植被与气候因子逐步线性回归结果R2为0.265 8，结果在0.001水平上显著。

1986—1999年植被与降水和年均气温逐步线性回归结果R2为0.289 6，结果在0.001水平上显著。

利用累积植被指数与降水和气候因子的线性回归公式分析植被变化对降水和气温变化的响应，结果如表3所示。表3显示，利用1986—1999年的公式，设置初始降水和气温值分别为400mm和8℃，当气温不变时，降水增加或减少100 mm，植被指数累计值分别增加和减少0.859；当降水不变时，气温每增加或减少1℃，植被指数增加或减少0.188 86；当降水和气温同时增加或减少100 mm和1℃时，植被指数增加或减少1.04786。若利用2000—2015年的公式，设置初始降水和气温值分别为400 mm和8℃，当气温不变时，降水增加或减少100 mm时，植被指数累计值分别增加和减少1.244；当降水不变时，气温每增加或减少1℃，植被指数增加或减少0.152 93；当降水和气温同时增加或减少100 mm和1℃时，植被指数增加或减少1.396 93。

表3 植被变化对降水和气温变化的响应分析

通过上述分析发现，降水每变化100 mm，对2000—2015年的植被影响高于1986—1999年；但温度每变化1℃时，对1986—1999年的植被影响高于2000—2015年；若降水和气温同步变化，则对2000—2015年植被变化影响较大。表明植被变化在2000年以后对气候变化的响应变得更加敏感。

3 结论

本研究利用趋势分析方法、Mann-Kendall（MK）趋势检验方法及Pettitt突变检验分别对1986—1999，2000—2015年植被变化进行了分析，并利用相关分析方法和逐步线性回归分析方法对植被和气候间的关系进行了分析。结果表明，在1986—1999年山西省有57.44%的区域植被没有发生显著变化，33.15%的区域植被显著增加，9.42%的区域植被显著减少，其中，促进植被增加的事件主要发生在1993，1994年，1993，1994年的促进增加点分别占增加突变点的38%和32%，促进植被减少的事件主要发生在1991，1992年，1991，1992年促进植被减少的点占减少突变点的31.9%和32.0%；在2000—2015年山西省有77.87%的区域植被没有发生显著性变化，21.92%的区域植被显著增加，0.2%的区域植被显著减少，其中，促进植被增加的事件主要发生在2004年，2004年促进植被增加的点占增加突变点的91.6%，促进植被减少的事件主要发生在2010年，2010年促进植被减少的点主要占减少突变点的58.6%。

1986—2015年这30 a来全山西省气候呈现暖干化：最低气温、最高气温及年均气温均呈升高趋势，降雨呈减少趋势，潜在蒸散量呈现增加的趋势。潜在蒸散量在1991年突然降低到200 mm，可能成为一个导致植被衰退的事件；在1992年年均气温降到最低，也可能成为一个导致植被衰退的事件。

在1986—2015年期间，植被指数累计值与气候因子均呈正相关关系，且相关系数均在0.01水平达到显著。降水每变化100 mm，对2000—2015年的植被影响高于1986—1999年；但温度每变化1℃时，对1986—1999年的植被影响高于2000—2015年；若降水和气温同步变化，则对2000—2015年植被变化影响较大。表明植被变化在2000年以后对气候变化的响应变得更加敏感。