渭南地区近年植被覆盖动态变化特征分析

赵明海,王 栋,黎飞明,牛丽娟,杨 耘

(1.陕西铁路工程职业技术学院,陕西 渭南 714000 2.长安大学地质工程与测绘学院,西安 710054)

引 言

地表的植被覆盖显示了一个区域生态环境状况，对于生态文明建设具有重要的意义，因此如何快速准确的获取一个地区的植被覆盖变化，是当下研究的热点。遥感技术有着覆盖面积大，效率高的优点。近年来，我国遥感数据采集、处理及应用技术快速发展，利用不同空间、时间分辨率的遥感数据进行地表植被覆盖变化研究已经是当下研究的热点。国内外很多学者针对于不同区域进行了大量的基于遥感数据的地表植被覆盖变化的研究，并且对可能对植被覆盖度产生影响的影响因子做了定量分析[1～5]。文献[6]选取不同年份的MODIS NDVI数据结合气象数据定量分析了植被覆盖变化与气候因子的相关关系；文献[7]运用NDVI数据分析了青藏铁路沿线的植被覆盖变化，与气候、人为因子的相关性。综上所述，受限于MODIS等数据的大空间分辨率，植被覆盖变化都是以较大区域作为研究范围，对于较小范围的研究区，其数据的分辨率则显得过大不能较好的反映真实的植被覆盖变化。针对于上述问题，已有学者采用更高分辨率的遥感数据进行相关研究，并取得了一定的成果。本研究选取的Landsat8 OLI数据，相较于MODIS等数据有这更高的空间分辨率，能更好的展示地表的植被覆盖。本研究基于Landsat8数据衍生光谱指数NDVI，获得研究区域内植被覆盖的时空变化情况，以及与气候因子的相关性，更好的服务于生态文明建设。

1 数据与方法

1.1 研究区概况

渭南地处关中平原东部最宽阔的地带(108°58′～110°35′E ，34°13′～35°52′N)，如图1所示。地势以渭河为轴线，形成南北两山、两塬和中部平川五大地貌类型区，海拔330～2 645m之间。属暖温带半湿润半干旱季风气候，四季分明，光照充足，雨量适宜。辖区全年平均气温12.7～15.6℃，全年降水量390.7～592.2mm。

渭南市植被主要为暖温带落叶阔叶林。辖区内除渭河流域的关中外，大部分为黄土高原，水土流失较为严重。1999年启动退耕还林，实施8年到2006年结束。共完成退耕还林面积1 896.13km2。植被得到了很好的恢复。

图1 研究区地理位置Fig.1 Geographical location of the study area

1.2 数据来源与预处理

本研究选取了2013～2020年的Landsat8 OLI数据，数据来源为美国地质调查局(https://earthexplorer.usgs.gov/)。所获取数据条带号为(126，035)、(126，036)、(127，035)(127，036)，选取的影像为每年的7、8、9月份云层覆盖较少的数据。经ENVI进行辐射定标以及大气校正后进行拼接裁剪。得到的多波段数据进行NDVI以及植被覆盖度生成。

1.3 趋势分析法

线性函数趋势斜率被广泛应用于基于时间尺度变化的趋势分析中。可根据最终斜率的正负，以及绝对值的大小，来直观的反映变化的趋势[8]。其公式如下：

(1)

式中，n为时间尺度数，本研究中取8，i为某一时间数，NDVIi为第i个时间序列的NDVI值。对于NDVI采用该方法计算其斜率，以分析其显著性。

1.4 相关系数

元素之间的相关性，用相关系数R表示，相关关系是一种非确定性的关系，相关系数是研究变量之间线性相关程度的量。其公式如下所示：

(2)

式中，Cov(X,Y)为X与Y的协方差，Var[X]为X的方差，Var[Y]为Y的方差。该系数主要用于分析植被覆盖(NDVI值)变化与温度、降水两种气候因子的相关性分析。

2 结果与分析

2.1 NDVI时空变化

由2013～2020年遥感数据衍生的NDVI，经ENVI软件进行预处理，剔除异常值，统计得到夏季平均NDVI值。2013～2020年平均NDVI变化如图2所示。

图2 2013～2020年平均NDVI值变化图Fig.2 Average NDVI change from 2013 to 2020

根据统计所得的平均NDVI值可以得出，2013～2020年间渭南地区平均NDVI值介于0.4与0.7之间，其中最小值为0.48出现在2014年，最大值为0.66出现在2019年。其中2016年相较于2014年平均NDVI值增加了35%，2016年之后NDVI值略有下降，至2019年回升到最高值。2013～2020年渭南地区夏季平均NDVI值变化基本趋于稳定。

该研究区域的NDVI空间分布如图3所示，研究区域内四周有山脉分布，受地形因素影响，人口较为集中分布在中部区域，因此，NDVI分布由周围向内部数值有减弱的趋势。

图3 NDVI空间分布图Fig.3 Spatial distribution of NDVI

2.2 NDVI变化与气候相关性分析

植被覆盖的变化与气候因子存在一定的相关性。本研究从中国天气网(http://www.weather.com.cn/)获取了2013～2020年8年间的年均气温与年降水量数据，并与遥感数据衍生的NDVI数据进行了相关性分析，年平均NDVI与温度、降水量随时间变化如图4所示，NDVI值的变化，与气温、降水量在一定区间内呈现相同的趋势。

图4 年均气温与NDVI随时间变化(左)年降水量与NDVI随时间变化(右)Fig.4 Annual average temperature and NDVI change with time (left) annual precipitation and NDVI change with time (right)

为了更精确的展示NDVI与温度、降水量的关系，将2013～2020年平均NDVI值，与降水量、温度做一元线性回归分析，得到结果如表1所示，NDVI的变化与气候、降水量存在一定的相关性。

表1 NDVI变化与气候因素相关性表Tab.1 Correlation between NDVI change and climate factors

2.3 植被覆盖度变化分析

NDVI可以显示植被覆盖情况，一个区域植被覆盖变化需要用另一个指标来准确揭示，本研究选取的是植被覆盖度[9]，其获取方法为，在NDVI的基础上进行重新计算，其表达式(3)。

(3)

由于在生成NDVI时，其结果存在粗差，所以在进行NDVI最大值最小值选取时，取2%处值为最小值，98%处为最大值，经过ENVI波段计算得到了不同时间段的植被覆盖度空间分布图，如图5所示，最后将覆盖度统计分级输出[10]，其结果如表2所示，从表中数据可以得出，2013年至2019年渭南市植被覆盖整体呈上升趋势，低植被覆盖面积(0～0.6)呈下降趋势，较高植被覆盖面积增加了27%，呈上升趋势，说明国家大力推进生态文明建设，取得了一定的成效。

表2 2013年与2019年植被覆盖度面积分级统计Tab.2 Statistics of vegetation coverage area classification in 2013 and 2019

图5 2013年植被覆盖度(左)和2019年植被覆盖度(右)Fig.5 Vegetation coverage in 2013 (left) and 2019 (right)

3 总结与展望

本研究选取了2013～2020年的Landsat OLI数据，经过软件处理，生成了研究区域8年间的NDVI空间分布图，以及植被覆盖度，结合研究区域内的温度、降水量数据，进行了NDVI与气候因子相关性分析，最终结论如下。

(1)2013～2020年间渭南地区平均NDVI值介于0.4与0.7之间，其中最小值为0.48出现在2014年，最大值为0.66出现在2019年。其中2016年相较于2014年平均NDVI值增加了35%，2016年之后NDVI值略有下降，至2019年回升到最高值。2013～2020年渭南地区夏季平均NDVI值变化基本趋于稳定；

(2)NDVI值的变化，与气温、降水量在一定区间内呈现相同的趋势；

(3)2013年至2019年渭南市植被覆盖整体呈上升趋势，低植被覆盖面积(0～0.6)呈下降趋势，较高植被覆盖面积增加了27%，呈上升趋势。

研究表明，随着国家大力推进生态文明建设，渭南地区整体的植被覆盖变化趋于稳定，有上升趋势。该研究结果可以有助于政府更好的决策，服务于生态文明建设。

研究中仍存在以下问题有待解决：(1)本研究所选取的数据在时间尺度上较短，对于长时间尺度的研究需增加数据量；(2)一个地区植被的变化受多重因素的影响，本研究中只选取了温度与降水量，不足以完整解释植被变化的驱动因素，未来可加入更多因素的分析。