2000—2018年江西省NDVI时空演变特征及其与气候因子关系分析

2021-10-25 03:33刘根林陈荣清
关键词:植被降水显著性

陆 晴,刘根林,缪 利,陈荣清

(1.东华理工大学 测绘工程学院, 江西 南昌 330013; 2.东华理工大学 资源与环境经济研究中心, 江西 南昌 330013)

植被在地球生态系统中非常活跃,在地球不同圈层之间起重要的纽带作用,对监测环境变化起到重要的指示作用(Lawley et al., 2016; 朴世龙等, 2003; 张思源等, 2020)。区域尺度的植被变化体现了自然演变和人类活动对生态系统的作用,研究区域尺度的地表植被变化及其驱动因素对于认识陆地生态系统内部作用机制有重要意义(He et al., 2017; Chu et al., 2019),同时根据其驱动机制能够为植被的建设及保护提供一定科学依据。归一化植被指数(NDVI)是用来反映植被生长状况的重要指标。NDVI能够突出植被特征而弱化其他地物特征,用以表征地表植被活动的强弱,现已成为研究生态系统、自然资源乃至社会经济效益的有效手段(黄悦悦等, 2019; 彭文甫等, 2019; 方正等, 2020; 李万钰等, 2020)。目前在各种尺度及生态环境监测中,NDVI得到了广泛的应用。例如在流域(张军等, 2016; 轩俊伟等, 2018; 邓元杰等, 2020)以及干旱、极寒地带(钟莉娜等, 2013; 杜加强等, 2016; 韩炳宏等, 2019; 范倩倩等, 2020)等,多以年度、季度或月度NDVI数据为基础,通过相关分析、地理探测器、变异系数、趋势分析以及冗余分析等,研究NDVI时空分异,同时定性定量地探究该变化与自然因子及人文因子之间的关系(Gu et al., 2018; 宋超等, 2018)。

江西省是典型的南方红壤丘陵区,森林覆盖面积大,但森林生态功能低下、水源涵养能力不强,水土流失依然严重(何雄伟, 2016; 邹永旺等, 2019)。气候变化是植被覆盖变化的主要影响因素之一(王涛等, 2017; 张蓓蓓等, 2020)。在1961—2016年,江西省年降雨量呈波动增加趋势,增加速率为31.5 mm/10a;气温呈显著增加趋势,气温增加速率为0.196 ℃/10a(陆晴等, 2019)。本研究选取2000—2018年江西省年度、季度NDVI数据和5期土地利用数据,在分析NDVI时空演变特征的基础上,利用相关分析、偏相关分析等方法,探究气温、降水等气候因子以及土地利用数据与江西省NDVI之间的关系,以期为江西省生态环境监测和应对气候、环境变化政策的制定提供更具有针对性的依据和建议。

1 研究区概况与数据来源

1.1 研究区概况

江西省位于北纬24°29′—30°04′、东经113°34′—118°28′,全省总面积166 900 km2,共有11个设区市,地理位置属于华东地区。全省以山地、丘陵地貌为主,东南西三面群山环绕,内侧丘陵广布,中北部平原坦荡,山地丘陵面积约占全省面积的76%。江西属于亚热带季风气候区,四季变化明显,具体表现为:春季温暖湿润,细雨绵绵;夏季炎热,受台风影响雷雨天气多;秋季温和干燥;冬季湿冷、少雨雪。江西也是中国多雨省份之一,具体表现为赣南多于赣北、赣东多于赣西,但降雨量年际分布不平衡。

1.2 数据来源及预处理

本研究使用SPOT NDVI卫星遥感数据,空间分辨率为1 000 m,采用最大值合成法生成的2000—2018年的年度、季度NDVI数据集。该数据集可以充分反映全国各地区在时间、空间上植被覆盖和分布情况,被广泛用于植被变化状况监测、植被资源合理利用和净初级生产力估算等研究。

气候数据(均温、降水量)是由2000—2018年江西省内及周边的30个气象站数据经过ANUSPLIN插值得到,在进行降水和温度插值时,均以经度、纬度作为自变量,在温度插值过程中以海拔作为协变量,降水插值则未使用协变量,而是进行了开平方转换,以保证降水不为负值(陆晴等, 2019)。

土地利用数据下载于资源环境科学与数据中心(www.resdc.cn),包括2000年、2005年、2010年、2015年、2018年等5期数据。该数据集是覆盖全国陆地区域的多时相土地利用现状库,主要基于Landsat影像数据,通过人工目视解译而成。本研究使用的土地利用数据分辨率为1 000 m。

2 研究方法

2.1 趋势分析法

本研究采用一元线性回归法,以时间为自变量、NDVI为因变量,定量分析2000—2018年江西省植被覆盖度随时间的变化(Douglas et al., 2004; 谢胜金等, 2020),计算公式如下:

(1)

式中,S表示多年NDVI线性拟合斜率值,n为年数,INDVi代表第i年NDVI。当S>0时,表明NDVI逐时段递增,反之则递减。

2.2 相关分析

在统计学中,常用相关分析来定量衡量两个或多个连续性变量的相关关系(赵玉萍等, 2009),本研究采用Pearson相关分析法来计算NDVI与气温、降水等气候因子之间的相关系数R,R取值范围为[-1,1],当R>0时,两者呈现正相关,反之则呈现负相关;当R=0时,说明二者没有线性相关关系,计算公式如下:

(2)

2.3 偏相关分析

偏相关分析是通过控制其他变量的影响来实现单独研究某两个变量之间的相关关系(穆少杰等, 2012),计算公式如下:

(3)

式中,RYt,p是将p变量控制后Y、t的偏相关系数,即表示在Y、t中剔除了p变量的影响;RYt、RYp、Rtp分别表示变量Y和t、变量Y和p、变量t和p的Pearson相关系数(Y、t、p分别代表同季节研究区域的NDVI、气温、降水)。

3 结果与分析

3.1 NDVI随时间变化特征

3.1.1 年变化特征

对2000—2018年江西省NDVI数据集进行统计分析,得到研究区总体NDVI变化趋势。从图1中可以看出,研究区内NDVI总体呈波动上升趋势。NDVI平均为0.769 1,顶峰值出现在2017年,NDVI为0.813 6;波谷值出现在2000年,NDVI为0.728 6。2014年至2018年的NDVI值均大于平均值。从变化速率来看,19年间NDVI变化速率为0.043/10a,属于缓慢上升,这从一定程度上说明江西的植被状况良好。

图1 江西省在2000—2018年间的NDVI年际变化趋势Fig.1 Interannual variation trend of NDVI in Jiangxi province from 2000 to 2018

3.1.2 季节变化特征

参照年度NDVI时序变化,建立NDVI季节变化趋势图(图2)并进行统计分析。NDVI在夏季时为0.69~0.81;在冬季时为0.47~0.64。NDVI的季节变化趋势总体上是夏季>秋季>春季>冬季,这是因为植物的生长符合物候规律。从实验结果可以看出NDVI作为植被生长状况的反映,同样也具有物候时序特征。江西地处东南地区,属于亚热带地区,春季气温逐渐回升,降水逐渐增多,植被大多在此时生芽、发青,因此NDVI在春季时高于冬季。夏季光照充足、降水充分,是植物生长发育最重要的一个阶段,此时植被体内的叶绿素含量达到了最高,因此NDVI在夏季最高。秋季湿热多雨且持续时间长,造成植被的生长周期延长,因此在NDVI表现上,秋季要高于春季。从变化趋势来看,虽然在四个季节的NDVI都处于波动之中,但是均呈现上升趋势。从上升速率可以看出,冬季上升速率最大为0.075/10a,夏、秋两季上升速率最小为0.041/10a,春季居中,上升速率为0.054/10a,增长速率表现为冬季>春季>夏季=秋季。

图2 江西省2000—2018年NDVI季节变化趋势Fig.2 Seasonal variation trend of NDVI in Jiangxi province from 2000 to 2018

3.2 NDVI空间变化特征

3.2.1 空间分布特征

基于像元计算2000—2018年NDVI均值,并划分为5个等级:极低[0,0.1)、低[0.1,0.3)、中[0.3,0.5)、较高[0.5,0.7)、高[0.7,1.0]。由图3可知,江西省绝大部分地区NDVI为0.7~1.0,占全省总面积的82.3%,表明研究区内植被覆盖率高。总体上,赣南地区NDVI要高于赣北地区,NDVI较低的地区集中位于鄱阳湖、赣江等流域,这也可以从季节分布(图4)上得到验证。

图3 江西省2000—2018年年均NDVI空间分布(a)、变化趋势(b)及其显著性(c)Fig.3 Spatial distribution of annual average NDVI (a), trend(b) and significance(c) in Jiangxi province from 2000 to 2018

图4 江西省2000—2018年季节NDVI分布Fig.4 Distribution of seasonal NDVI in Jiangxi province from 2000 to 2018

3.2.2 空间变化趋势

从年趋势变化(图3)上来看,研究区NDVI整体上处于上升趋势,变化速率为-0.042 6/10a~0.045 6/10a,鄱阳湖地区上升速率最为明显;NDVI呈下降的地区基本位于城区附近,表明随着经济的发展以及城镇化进程,不可避免地对植被覆盖产生一定影响。从图5可以看出,赣北地区NDVI在四个季节均呈现明显下降趋势,其中以冬季最为显著。赣北地区地貌多为盆地、平原,地势平坦,适合人类居住及耕作,因此受到人为活动干扰较大;赣南地区多为山地、丘陵,植被多为常绿阔叶林,因此受人类活动影响较小,NDVI呈下降趋势的地方也多位于城镇、河流附近。在秋季,鄱阳湖地区大范围呈现正增长趋势,这与鄱阳湖水位下降有一定联系(夏伟伦, 2017)。综合年变化显著性及四季变化显著性来看,赣北地区变化不显著,冬季显著变化区域面积明显高于其他季度显著变化区域。

图5 江西省2000—2018年季节NDVI变化趋势及其显著性Fig.5 Variation trend and significance of seasonal NDVI in Jiangxi province from 2000 to 2018

3.3 NDVI与气候因子的关系

图6为2000—2018年NDVI与气候因子的相关系数分布。从图6可以看出,NDVI与降水在赣西北、赣南等部分地区呈明显正相关,而在鄱阳湖附近呈现明显负相关。降水量在水资源缺乏的地区可以有效地促进植被生长,但在鄱阳湖等水资源丰沛的地区,过多的降水不仅不会产生促进作用,反而会抑制植被生长。NDVI与降水相关性通过显著性检验(0.05)地区仅占全省总面积的4.7%,说明降水对NDVI的影响不明显。NDVI与气温在赣中、赣南大部分地区呈现正相关,而在赣北大部分地区呈现负相关。从显著性检验(0.05)上来看,全省约有28.4%地区NDVI与气温存在显著相关关系,明显高于NDVI与降水之间的关系,表明气温对江西省NDVI的影响大于降水。

图6 NDVI与气温(temp)、降水(pre)的相关系数(R)及其显著性(P)Fig.6 Correlation coefficient(R) and significance(P) of NDVI with temperature and precipitation

利用偏相关分析法分析江西省季节NDVI与季节气候因子(季度均温、季度总降水量)的关系,偏相关系数及显著性见表1。从整体上看,NDVI与气温、降水等气候因子大体呈现正相关,NDVI在冬季与气温呈现负相关,但不显著。NDVI在夏季、秋季与气温、降水的相关性较高,NDVI在夏季的相关系数均在0.5以上,同时通过了显著性检验(0.05),表明在夏季的时候,气候因子对NDVI有积极影响。总体上,气温、降水在春、冬两季与NDVI的相关性不高,在秋季与NDVI的相关性较高但不显著,在夏季则与NDVI呈现显著正相关。

表1 NDVI与气温、降水偏相关系数及其显著性Table 1 Partial correlation coefficient of NDVI, temperature and precipitation and its significance

3.4 NDVI与土地利用类型的关系

结合NDVI数据以及5期土地利用数据,分析NDVI与土地利用之间的关系。由表2可知,林地、草地的平均NDVI不断增加,分别由2000年的0.753 8、0.714 2上升至0.851 1、0.800 1,表明林地和草地的植被覆盖度得到提高,生态状况转好。建设用地面积占比则一直增加,由1.67%增加至3.30%,而建设用地的平均NDVI呈先上升后下降趋势,由2000年的0.6731上升至2010年的0.718 4,随后又下降至2018年的0.586 7。与建设用地相反,耕地面积占比逐渐下降,由27.16%下降至26.38%,但耕地平均NDVI却呈上升趋势。

表2 各土地利用类型NDVI均值Table 2 Average NDVI of each land use type

4 结论

本研究基于SPOT NDVI数据集,分析了2000—2018年江西省NDVI的时空演变特征,并利用相关分析、偏相关分析等方法探讨其与气温、降水等气候因子之间的关系。主要有以下结论:

(1) 江西省的NDVI在2000—2018年总体上呈上升趋势,变化速率为0.043/10a,年均NDVI为0.72~0.82,表明江西省在研究时段内植被生长状况良好。从季节上来看,NDVI表现为夏季>秋季>春季>冬季,NDVI作为植被生长状况的反映,遵守植物生长物候规律,因此NDVI表现也具有物候时序规律。

(2) 江西省植被覆盖率高,大部分地区NDVI处于0.7~1.0。由于赣南地处山区,多为常绿林覆盖,因此赣南地区的NDVI高于赣北地区,并且全年保持较高NDVI。低值NDVI大多位于鄱阳湖、赣江等流域,在研究时段内呈现一定下降趋势。随着经济发展及城市化进程,人类密集居住点附近NDVI呈下降趋势,表明人类活动在一定程度上不可避免地对植被生长产生干扰。林地、草地、耕地三种土地利用类型的平均NDVI呈上升趋势,而建设用地的平均NDVI则呈先上升后下降的趋势。

(3) 全省大部分地区NDVI与气温、降水呈正相关,赣北地区多呈负相关,但总体上均不显著,全省仅有4.7%的区域与降水呈显著相关,表明年降水量对江西省NDVI的影响微弱;28.4%的区域与气温呈显著相关,明显高于降水,说明在江西省气温要高于降水对NDVI变化的影响。从季节上来看,NDVI在春冬季时与气温降水呈弱相关且不显著,在秋季时与气温、降水相关性高但不显著,只有在夏季时与气温、降水量呈显著正相关。

猜你喜欢
植被降水显著性
基于高分遥感影像的路域植被生物量计算
呼和浩特市和林格尔县植被覆盖度变化遥感监测
一种结合多尺度特征融合与像素损失加权的显著性目标检测方法
土石坝坝体失稳破坏降水阈值的确定方法
成都地区云水资源分布特征及其与降水的关系
视频序列中视觉显著性图像区域自动提取仿真
建筑施工中基坑降水施工工艺分析
追踪盗猎者
第一节 主要植被与自然环境 教学设计
基于显著性权重融合的图像拼接算法