吕梁紫金山地区NDVI时空变化与气候响应

黄杉杉 马超

摘 要：基于2000—2018年MODIS-NDVI數据（NDVI为归一化植被指数）、SRTM DEM数据和气象数据，利用趋势分析、偏差分析和相关性分析方法，在时间和空间尺度上，定量分析了紫金山地区NDVI的时空变化规律以及与气候因子的响应关系，结果表明：2000—2018年，紫金山地区NDVI增长速率为0.015/a（显著性水平p<0.01）;紫金山地区NDVI得到显著改善，其时间变化规律大体是，前9 a完成了由低覆盖度向中等覆盖度的转化，后10 a完成了由中等覆盖度向高覆盖度转化，19 a区域NDVI显著改善面积达64.85%;研究区气候呈暖湿化倾向，19 a气温增长率为0.04 ℃/a，降水量增长率为14.63 mm/a;年NDVI均值与年降水量呈非常显著正相关关系（相关系数r=0.734，显著性水平p<0.01），76.61%的区域NDVI与年降水量呈极高显著正相关关系，与年均气温相关性不显著;自2000年以来，紫金山地区NDVI整体向好的趋势发展，中低海拔山区增长显著，降水是影响该地区NDVI变化的主要因素。

关键词：紫金山地区;归一化植被指数;时空变化;气候变化;相关性

中图分类号：X321;P237   文献标志码：A

doi：10.3969/j.issn.1000-1379.2021.12.007

引用格式：黄杉杉，马超.吕梁紫金山地区NDVI时空变化与气候响应[J].人民黄河，2021，43（12）：35-40.

Abstract： Based on MODIS-NDVI data， SRTM DEM data and China meteorological data from 2000 to 2018 and using the methods of trend analysis， deviation analysis and correlation analysis， it quantitatively analyzed the spatial-temporal changes and the response relationship with climate factors of the NDVI in the Zijin Mountain area on spatial and temporal scales. the results show that a） from 2000 to 2018， the annual average growth rate is 0.015/a （significance test p<0.01）; b） the degree of the land desertification in the Zijin Mountain area has been improved significantly. The rules of land cover change are generally that the conversion of desertification land to arid grassland is completed in the first 9 years and the conversion of arid grassland to shrub land is completed in the later 10 years. The area of NDVI has been significantly improved by 64.85% in 19 years; c） the climate shows a tendency to warm and humidify， with the temperature increase rate of 0.04 ℃/a and the precipitation growth rate of 14.63 mm/a in 19 years; d） the annual average NDVI is significantly positively correlation with the annual precipitation （correlation coefficient r=0.734， passed the significance test p<0.01）， and 76.61% of the area has a significant positive correlation with the precipitation， which is not significantly correlated with the annual average temperature. Since 2000， the NDVI of vegetation in the Zijin Mountain area has generally been developed towards a good trend and the growth trend of NDVI in low-mid altitude mountain areas is particularly significant. Climate is the main factor affecting the change of NDVI in this area.

Key words： Zijin Mountain area; normalized difference vegetation index; spatial-temporal change; climate change; correlation

2015年联合国发展峰会通过了《改变我们的世界：2030年可持续发展议程》（简称《2030议程》），将应对气候变化与保护陆地生态系统列入全球17项可持续发展目标[1]。通过遥感技术获得的归一化植被指数（NDVI）作为一种监测区域植被生长状况的有效量化指标[2]，是表征陆地生态系统结构和功能稳定性的重要指示器[3]。黄土高原位于半湿润与干旱半干旱过渡带，土地荒漠化和生态环境脆弱是该地区的典型特征[4]。黄土丘陵沟壑区是黄土高原乃至全球水土流失最严重的地区之一，地形破碎，沟壑纵横[5]。降雨、地形、植被等自然因素是该地区水土流失的主要因素[6]。研究表明，黄土高原地区在2000年以后植被覆盖状况趋于好转[7-8]，超过50%的区域得到显著改善[9-11]。诸多学者对黄土高原不同区域的植被覆盖状况进行了研究，李双雙等[12]基于2000—2009年MODIS-NDVI数据，采用线性趋势分析、Hurst指数和偏相关分析法，对陕甘宁地区植被覆盖时空变化特征进行了分析;张雅丽等[13]基于2000—2010年逐月MODIS-NDVI数据，采用最大值合成法和多元线性回归方法，分析了黄土丘陵沟壑区志丹县的植被覆盖变化及其驱动力;赵安周等[14]基于2000—2014年MODIS-NDVI数据，利用趋势分析、Mann-Kendall检验、Hurst指数等方法，对黄土高原植被覆盖时空变化及其原因进行了分析。在NDVI对气候的响应方面，李登科等[15]基于1982—2007年GIMMS和SPOT VGT-NDVI数据，采用最大值合成法、趋势分析和相关性分析方法对陕北黄土丘陵沟壑区植被覆盖变化及其对气候的响应进行了分析;张含玉等[16]基于1999—2013年SPOT VGT-NDVI数据，采用最大值合成法、一元线性回归和偏相关分析法，分析了黄土高原地区NDVI时空变化趋势及其对气候的响应;孟晗等[17]基于2001—2015年SPOT VGT-NDVI数据集，利用最大值合成法、趋势分析和相关性分析方法，对黄土高原NDVI与气候因子的空间分布特征及其响应关系进行了研究。尽管该领域研究已持续多年，但已有的研究仍存在不足，主要表现在：多数研究以黄土高原整体为研究区，区域尺度大，忽视了典型小流域的植被覆盖变化特征，难以指导当地市、县以及山地的环境保护工作;黄土丘陵沟壑区具有典型的地域差异性，不同地区的NDVI、不同植被类型的空间差异性显著，多数研究集中于人为因素和气候条件的共同作用，对于更深入地剖析自然地理要素对NDVI的影响的研究相对薄弱;多数研究选用NDVI或植被覆盖度（FVC）作为分析区域植被状况的指标，指标略显单一。另外，选用时间序列短、间隔大的遥感数据难以揭示植被生态结构的长期演化规律。

吕梁山脉南段紫金山地区属于黄土丘陵沟壑区，是一处独立的地理单元，形成天然的内陆岛屿型封闭生境，是研究全球生态环境变化和内陆岛屿生态演化的天然实验室。研究采用2000—2018年共19 a的MODIS-NDVI数据、气象数据，分析区域内植被类型分布规律、植被指数与气候的相关性，旨在为相关研究提供参考。

1 研究区概括

紫金山地区南北长81.5 km，东西宽47.5 km，面积为2 441 km2。研究区总体呈孤立的穹隆状隆起，四周为黄土覆盖，地势总体北高南低，主峰海拔1 823 m，最低点为西南角（碛口镇）的黄河河床，海拔700 m，区内相对高差为1 123 m。山坡平缓、水系呈放射状，黄河流经临县呈弧形转弯。

研究区属于温带大陆性气候区，年平均气温为7～9 ℃，年降水量为300～600 mm，年平均风速2.0～2.5 m/s，无霜期135～180 d。地貌类型属于典型的黄土丘陵沟壑区[18]，沟壑纵横，沟壑以紫金山为中心向四周呈放射状分布，水土流失严重。

研究区森林、灌丛、干旱草地、荒漠、裸地各种覆盖类型集中分布，构成了当地典型的山地生态景观。土壤主要为棕壤、褐土、黄绵土、栗褐土和草甸土[19]。植物按海拔垂直分布的层次较为明显，既有浅山区的灌木林带，也有中山区的杨桦林带、落叶松林带，还有高海拔分布区的云杉、青杄、红桦等。森林以油松和落叶松针叶天然次生林为主。灌木树种主要有胡枝子、虎榛子、绣线菊、沙棘、山桃、黄刺玫、小叶鼠李等，草本植物有苔草、碱草、蒿类[19]。

2 数据与方法

2.1 数据来源与处理

研究选用美国LAADS DAAC发布的2000—2018年MODIS归一化植被指数，其空间分辨率为1 000 m。取植被生长最旺盛的8月份数据，通过MRT软件数据投影方式转化为通用横轴墨卡托投影（UTM投影），坐标系统定义为WGS 1984 UTM Zone 49°N，完成NDVI数据的格式转换。

采用2018年美国陆地资源卫星（Landsat 8）的OLI 30 m遥感影像数据，通过支持向量机（SVM）的监督分类方法对遥感影像进行土地覆被分类。

数字高程数据源于美国太空总署（NASA）、美国国家影像制图局（NIMA）以及德国与意大利航天机构联合测量的航天飞机雷达地形测绘数字高程模型（SRTM3 DEM），水平分辨率为90 m，垂直分辨率为1 m，主要用于汇水线提取，进而划定研究区。

气象数据为来自中国科学院资源环境科学与数据中心2000—2015年的全国气象资料，是基于全国2 400多个气象站点的日观测数据，通过整理、计算和空间插值生成的。本研究对气象数据进行投影坐标系的转换，投影坐标系统定义为WGS 1984 UTM Zone 49° N，并提取研究区年平均气温、降水量空间插值数据集（2016—2018年气象数据资料缺少，因此2016—2018年气温、降水数据取自研究区附近气象站点离石县的逐年、逐月气象记录），用于分析紫金山地区2000—2018年植被指数与气候因素之间的关系。

2.2 研究方法

3 结果与分析

3.1 归一化植被指数空间分布规律

取2018年NDVI分布图（见图1（a）），对照2018年紫金山地区土地覆被分布图（见图1（b）），定性表达紫金山地区主要土地覆被的空间分布规律。土地覆被类型与NDVI阈值区间的相关分析表明，NDVI高值（0.8≤NDVI≤1.0）主要分布在紫金山，土地覆被类型为林地;NDVI中值（0.4≤NDVI<0.8）主要分布于中海拔地区，土地覆被类型为草地;低值（0.0≤NDVI<0.4）主要分布于研究区北部以及黄河沿岸低海拔地区，土地覆被类型为其他土地。

19 a平均NDVI分布可以定性宏观表达紫金山地区植被景观的空间变化规律，由图1（c）可以看出，NDVI由紫金山向外逐漸递减，平均NDVI最低值为黄河沿岸的其他土地，最高值为紫金山的林地。19 a平均NDVI整体呈现西部和西北部低，东部高的分布特征，具有明显的空间差异性，与黄土高原2000—2016年的植被分布特点趋于一致[24]。

为了进一步揭示紫金山地区植被类型的变化趋势，采用一元线性回归方法对2000—2018年NDVI进行逐像元趋势分析。图1（d）显示，2000—2018年NDVI整体呈明显改善趋势，19 a间NDVI无显著变化的区域仅9 km2，占区域总面积的0.37%;NDVI轻度改善区域面积约为131 km2，占区域总面积的5.37%，主要为紫金山和黄河沿岸、湫水河一带的居民区;NDVI中度改善区面积约为702 km2，占区域总面积的28.76%，主要分布于黄河和湫水河沿岸的农业区;64.85%的区域NDVI呈显著改善趋势，面积约为1 583 km2，主要分布于研究区中低海拔地区;剩余0.65%的区域呈高显著改善趋势。可见，在这19 a里区域NDVI显著改善。

3.2 NDVI时间变化分析

将2000—2018年紫金山地区植被NDVI分为5级，并对结果进行统计分析，见表1。表1显示，2000—2018年紫金山地区NDVI均值为0.32～0.64，NDVI增长率为0.015/a（显著性水平p<0.01），比同为丘陵沟壑区的皇甫川流域2000—2015年的NDVI增长率0.004 2/a高[25]。2001年NDVI总值与均值最小，2018年NDVI总值和均值都高于其他年份的。均值偏差分析显示，以2009年为转折点，2000—2008年的NDVI均值低于2000—2018年NDVI均值（0.47），2009—2018年（除了2010年和2015年）NDVI均值高于2000—2018年NDVI均值，总体上生态亏缺的年份多于生态盈余的，两阶段NDVI总量分别占19 a NDVI总量的39.2%和60.8%。

为进一步分析紫金山地区植被覆盖结构的变化规律，将NDVI各区间面积占比绘制成百分比柱状图，见图2。由图2可知，NDVI为[0.0，0.2）的面积占比极低;NDVI为[0.2，0.4）的面积占比呈波动减少趋势，其中2005年达到最大值2 122 km2，占区域总面积的86.93%，2018年面积仅为28 km2，减少幅度达98.68%;NDVI为[0.4，0.6）的面积波动幅度较大，呈先增大后减小的趋势，2009年面积达到最大，为2 073 km2，2005年面积最小，为255 km2，19 a间最大变动幅度为87.70%;NDVI为[0.6，0.8）的面积呈显著增大趋势，2018年面积达到1 929 km2，占区域面积的79.02%，19 a间最大变幅为98.39%;NDVI为[0.8，1.0]的面积呈增大趋势，但总面积不大。研究区NDVI时间变化规律大体是，前9 a（2000—2008年）完成了低覆盖度向中等覆盖度的转化，后10 a（2009—2018年）完成了中等覆盖度向高覆盖度的转化，19 a植被覆盖结构逐渐向好的趋势发展。

3.3 NDVI空间变化分析

为了回溯紫金山地区NDVI的垂直地带性变迁，研究设置了遥感生态剖面，即在紫金山的最高处，分别对2000—2018年的遥感影像沿山体部分的东西、南北两个方向做剖面（W-E水平剖面、S-N垂直剖面），得到紫金山地区NDVI时间序列剖面渲染图，见图3，其中蓝色直线为紫金山最高点（海拔1 823 m）。由图3可以看出，海拔越高植被覆盖越好，在紫金山山顶区域NDVI达到最大值，主要植被类型为林地（0.8≤NDVI≤1.0），2000—2009年紫金山水平地带性和垂直地带性NDVI分布无显著差异，覆被类型主要为其他土地（0.0≤NDVI<0.4）。2010年以后，NDVI发生了改变，并随时间逐渐向高值转化。在W-E剖面变化图中，NDVI在山体水平地带分布上东部优于西部。2010—2018年，紫金山西部地区主要植被类型为干旱草地（0.4≤NDVI<0.8），东部地区植被类型为林地。在N-S剖面变化图中，NDVI在山体垂直地带分布上南部优于北部。2010—2018年紫金山北部地区植被类型主要为草地，南部地区主要为草地和林地。

3.4 NDVI对气候的响应分析

（1）气候变化分析。2000—2018年紫金山地区呈暖湿化趋势，见图4。年均气温呈波动上升趋势，变化平稳，其中年平均最高气温出现在2017年，为11.3 ℃，年平均最低气温为2012年的9.3 ℃。19 a平均气温为10.4 ℃，气温变化率为0.04 ℃/a。年降水量呈显著上升趋势，变化幅度较大，达496 mm，其中年降水量最少的年份出现在2005年，为325.2 mm，2016年降水量最多，为821.2 mm。19 a平均降水量为520.9 mm，降水量变化率为14.63 mm/a。

（2）NDVI与气候变化关系分析。紫金山地区逐年平均NDVI与年平均气温的皮尔逊（Pearson）相关系数r=0.352（显著性水平p<0.01），总体为不显著相关;与年降水量的皮尔逊相关系数r=0.734（p<0.01），总体为非常显著正相关。逐像元分析NDVI与年均气温和年降水量的空间相关性，见图5。图5 NDVI与气候相关系数空间分布

根据显著性程度以及相关性，将相关系数分为6个等级：不显著负相关r为[-0.10，0.00）、不显著正相关r为[0.00，0.10）、低显著正相关r为[0.10，0.25）、显著正相关r为[0.25，0.40）、高显著正相关r为[0.40，0.65）、极高显著正相关r为[0.65，0.85]。

由图5（a）可知，NDVI与年平均气温大多为显著正相关，面积约为1 553 km2，占研究区总面积的63.62%;紫金山西部22.49%的区域NDVI与年平均气温为高显著正相关，面积约为549 km2;东部12.74%的区域NDVI与年平均气温为低显著正相关，面积约为311 km2;相关系数在不显著负相关、不显著正相关和极高显著正相关的面积占比非常小，分别占总面积的0.33%、0.74%、0.08%。由图5（b）可知，NDVI与年降水量大多为极高显著正相关关系，面积为1 870 km2，占研究区总面积的76.61%;高显著正相关主要集中分布在研究区东北部，面积约为561 km2，占总面积的22.98%;不显著负相关、不显著正相关和显著正相关面积占比不及1%，面积分别为1、3、6 km2。可见，年降水量对NDVI的影响十分显著。

4 结 语

基于2000—2018年MODIS-NDVI数据和紫金山地区年平均气温、年降水量空间插值数据，从NDVI空间分布规律、时间变化规律和对气候响应规律3方面进行分析，主要结论如下。

（1）2000—2018年紫金山地区NDVI由东部向西部和西北部逐渐递减，最高值分布在紫金山，最低值分布在黄河沿岸低海拔地区，具有显著的空间差异性。NDVI显著改善，其中中低海拔山区NDVI改善最为显著。

（2）2000—2018年紫金山地区NDVI发生了很大变化，呈显著增大趋势，NDVI增长速率为0.015/a。19 a紫金山地区植被覆盖结构由低覆盖向高覆盖转变。

（3）19 a紫金山地区呈暖湿化，气温增长率为0.04 ℃/a，降水量增长率为14.63 mm/a。其中，气候因素中的降水因子是影响该地区NDVI变化的主要因素，年NDVI均值与年降水量呈非常显著正相关关系，与年均气温相关性不显著。

参考文献：

[1] United Nations General Assembly. Transforming our World： the 2030 Agenda for Sustainable Development[EB/OL]. [2019-09-25].https：//sustainabledevelopment.un.org/post2015/transforminqourword.

[2] 罗敏，古丽·加帕尔，郭浩，等.2000—2013年塔里木河流域生长季NDVI时空变化特征及其影响因素分析[J].自然资源学报，2017，32（1）：50-63.

[3] 高江波，焦珂伟，吴绍洪.1982—2013年中国植被NDVI空间异质性的气候影响分析[J].地理学报，2019，74（3）：534-543.

[4] 张文强，孙从建，李新功.晋西南黄土高原区植被覆盖度变化及其生态效应评估[J].自然资源学报，2019，34（8）：1748-1758.

[5] 杨寒月，张光辉，张宝军.黄土丘陵沟壑区沟坡典型植物群落生长特征[J].水土保持研究，2019，26（2）：62-67.

[6] 郭宇，王树森，马迎梅，等.降雨因子对黄土丘陵沟壑区不同植被毯措施径流小区产流产沙量的影响[J].内蒙古林业科技，2019，45（2）：30-34.

[7] LI Jingjing，PENG Shouzhang，LI Zhi.Detecting and Attributing Vegetation Changes on China’s Loess Plateau[J].Agricultural and Forest Meteorology，2017，247（13）：260-270.

[8] 李锐.黄土高原水土保持工作70年回顧与启示[J].水土保持通报，2019，39（6）：298-301.

[9] 高健翎，高燕，马红斌，等.黄土高原近70 a水土流失治理特征研究[J].人民黄河，2019，41（11）：72-77.

[10] 高健健，穆兴民，孙文义.2000—2012年黄土高原植被覆盖的时空变化[J].人民黄河，2015，37（11）：85-91.

[11] 郭永强，王乃江，褚晓升，等.基于Google Earth Engine分析黄土高原植被覆盖变化及原因[J].中国环境科学，2019，39（11）：4804-4811.

[12] 李双双，延军平，万佳.近10年陕甘宁黄土高原区植被覆盖时空变化特征[J].地理学报，2012，67（7）：960-970.

[13] 张雅丽，王建军.基于NDVI的陕北黄土高原丘陵沟壑区植被覆盖变化及其驱动力分析[J].林业经济，2016，38（12）：21-25，40.

[14] 赵安周，刘宪锋，朱秀芳，等.2000—2014年黄土高原植被覆盖时空变化特征及其归因[J].中国环境科学，2016，36（5）：1568-1578.

[15] 李登科.陕北黄土高原丘陵沟壑区植被覆盖变化及其对气候的响应[J].西北植物学报，2009，29（5）：1007-1015.

[16] 张含玉，方怒放，史志华.黄土高原植被覆盖时空变化及其对气候因子的响应[J].生态学报，2016，36（13）：3960-3968.

[17] 孟晗，黄远程，史晓亮.黄土高原地区2001—2015年植被覆盖变化及气候影响因子[J].西北林学院学报，2019，34（1）：211-217.

[18] 杨艳芬，王兵，王国梁，等.黄土高原生态分区及概况[J].生态学报，2019，39（20）：7389-7397.

[19] 郝晓鹏.黑茶山自然保护区不同生境下植物群落生物多样性研究[D].太原：山西大学，2009：1-65.

[20] 赵维清，李经纬，褚琳，等.近10年湖北省植被指数时空变化特征及其驱动力[J].生态学报，2019，39（20）：7722-7736.

[21] ZHANG Wei，WANG Lunche，XIANG Feifei，et al.Vegetation Dynamics and the Relations with Climate Change at Multiple Time Scales in the Yangtze River and Yellow River Basin， China[J].Ecological Indicators，2020，110（3）：105892.

[22] 袁金国，张莎，胡春梓.河北省植被多时相SPOT-VGT NDVI变化及与气候因子的关系[J].科技通报，2015，31（5）：47-52.

[23] 王丽霞，余东洋，刘招，等.渭河流域NDVI与气候因子时空变化及相关性研究[J].水土保持研究，2019，26（2）：249-254.

[24] 孫锐，陈少辉，苏红波.2000—2016年黄土高原不同土地覆盖类型植被NDVI时空变化[J].地理科学进展，2019，38（8）：1248-1258.

[25] 黎铭，张会兰，孟铖铖，等.皇甫川流域2000—2015年植被NDVI时空变化特征[J].林业科学，2019，55（8）：36-44.

【责任编辑 吕艳梅】