长三角地区植被覆盖时空变化特征及气候响应分析

王义玲，梁栋栋，2

（1.安徽师范大学 地理与旅游学院，安徽 芜湖 241003；2.安徽师范大学 地理大数据研究中心，安徽 芜湖 241003）

植被是地球陆地生态系统的重要组成部分，其碳汇功能不仅是生态系统碳循环的重要环节，同时也是联结其他圈层的重要纽带，由于其对环境变化响应敏感，也常被用做研究陆地生态系统与气候变化、水文过程等相互关系的指示器［1—2］。当前利用遥感技术在时间与空间尺度上对植被覆盖空间变化监测并结合下垫面实际地理条件［3］，对农业、城市发展等方面进行逐步深入研究与探讨，检测结果精度与可靠性较大［2-3］。

归一化植被指数（Normalized Difference Vegetation Index，NDVI）是监测植被生长状态、植被覆盖度以及反映农作物长势和营养信息的重要参数之一。研究NDVI与各因素间关系，探讨植被NDVI的时空变化以及气候响应机制的研究已较为成熟。

长三角地区位于中国长江的下游地区，濒临黄海与东海，地处江、海交汇之地，是长江入海之前形成的冲积平原，地区生态系统类型复杂，地表覆盖多样，该地沿海沿江港口众多，社会经济较为发达。研究区内的生态环境不仅影响植被生长的好坏，更是影响着长江下游的环境质量［4］。鉴于此，本文以2000—2015年植被为主要研究对象，基于Google Earth Engine（GEE）获取的MODIS NDVI数据及同期气象数据，研究2000—2015年长三角地区植被时空演化及其驱动因素，为长江三角洲的生态规划以及经济发展政策的制定提供一定的科学依据。

1 研究区概况

长江三角洲地区由浙江省、江苏省、安徽省以及上海市三省一市组成，以长三角为研究区，其经纬度范围是27°12′-35°20′N，114°54′-122°42′E，面积约为3.61×105km2。该地区以季风气候为主，淮河以南为亚热带季风气候，淮河以北为温带季风气候［5］。研究区内地势总体西南高、东北低。根据地形地貌特点大致可分为3部分：南部为低山丘陵地区，中部为长江中下游平原，北部为黄淮平原。由于地势低洼，历史上长江三角洲地区洪涝灾害异常严重。为了改变这种状况，国家投资兴修水利工程，西挡淮水，东挡海潮，开挖运河，增强排灌能力，使这个十年九涝的多灾区变成江淮流域的重要粮食生产基地，同时该地区生态环境的好坏与该区域经济是否高质量发展相关联［6-8］。

图1 长三角地理位置Fig.1 Location of the Yangtze River Delta

2 数据与方法

2.1 数据来源及预处理

中国省级行政边界数据以及地级市行政边界数据、气象因素相关数据均来源于中国资源环境科学与数据中心（https：//www.resdc.cn/），其温度、降水量气候要素数据集是基于全国2400多个气象站点的日观测数据，应用澳大利亚的ANUSPLIN 插值软件采用平滑样条函数法进行空间插值得到，空间分辨率为1 km。

遥感数据是基于Google earth engine 平台获取的MODIS 数据，为MOD13A2 产品，该产品时间分辨率为16 d，空间分辨率为1 km，本文数据在GEE中处理，对获取的数据使用最大值合成，生成研究区年NDVI数据。

2.2 研究方法

2.2.1 趋势分析 趋势分析是将不同时期的某一指标进行比较，直观观察其增减变化情况以及变动幅度，从而对长三角地区植被变化趋势进行评判。逐像元对一元线性回归方程的斜率变化趋势进行分析，并对其进行显著性检验（置信度95%检验）［9-12］。栅格像元值斜率变化的计算公式如公式（1）所示：

式中：Slope表示NDVI的变化趋势，即斜率；n为监测年数为第i年NDVI的平均值，Slope趋势与植被年际变化有关。一般来说，Slope＜0表示NDVI年际变化呈减少的趋势，反之说明NDVI年际变化呈增加的趋势，Slope=0表示NDVI年际变化无改变。

2.2.2 未来趋势分析 利用基于R/S分析算法的Hurst质数预测长江三角洲地区植被未来变化趋势。可以定量描述时间序列信息长期依赖性的有效方法，即通过分析时间序列内信息长时期依赖性和自相关性，揭示时间序列所暗示的系统演变趋势［13-15］，计算公式如公式（2）（3）（4）（5）所示：

式中，若R/S∝τH，则表明{NDVI（t）}存在Hurst 现象，H值为Hurst 指数，通过最小二乘法双对数坐标系（lnτ，lnR/S）拟合计算得到，Hurst指数取值范围为［0，1］。若0＜H＜0.5，说明NDVI时间序列有反向持续性，表明未来的变化状况与过去趋势相反；H越接近0，反持续性越强；若H=0.5，表明NDVI时间序列变化呈现随机性，不存在长期相关性；当0.5＜H＜1，则表明未来的变化状况与过去趋势一致，即该过程具有持续性，且H越接近1，持续性越强［13］。

2.2.3 偏相关分析 在生态系统中，各要素之间具有复杂且相互影响的关系，简单相关系数法已不能真实反映某要素与另一要素的相关性。而偏相关系数可以通过单独分析两要素之间的相关程度，暂时不考虑其他要素的影响。本研究利用偏相关分析方法来分析气候因子（降水、气温）对长三角地区植被NDVI变化的影响［13，16］，计算公式如下：

式中：rxy·z表示变量z恒定后与变量x与y的偏相关系数，rxy、rxz、ryz分别为x与y、x与z、y与z之间的相关系数。rxy为变量x与y的相关系数，值域范围是［-1，1］。xij、yij表示第i年和第j月的研究变量的值，xˉ、yˉ分别表各变量在各时间尺度上的均值［13，17-18］。

3 长三角地区植被覆盖时空变化特征

3.1 时间变化特征

为了直观研究长江三角洲地区NDVI时间变化特征，选取2000—2015年每一年NDVI年均值代表当年植被覆盖情况，采用线性拟合方法对2000—2015年逐年NDVI均值波动情况进行线性拟合。结果表明，长三角地区NDVI值整体上呈现上升趋势，年平均NDVI增长速率在0.0014/10a，NDVI值在0.7-0.8 之间波动，其中2009—2011年NDVI值波动较大，根据刘爽等［19］研究、中国气象灾害年鉴资料以及各省市统计年鉴资料，长三角地区的上海、江苏和浙江是我国2000—2010年城市化发展最快的城市，城市化的发展使得研究区内植被生长呈一定波动状况，2008年全国性雪灾造成植被大面积死亡，灾后人为干预使得研究区植被恢复，并在2010年达到较高水平。2010年后长三角地区大量建筑修建以及城市化扩张使得研究区内植被分布变动明显，大量农田转换为城镇用地使得后续植被NDVI下降。整体而言，2000年NDVI值为16年来最低值，NDVI值在2012—2015年间有一定的波动，但仍呈现增加趋势，这主要是因为2000年以来，长三角地区不断推进生态修复工程，一系列生态修复工程使得该地区植被的生长状况总体呈较好的发展趋势。

图2 2000—2015年长江三角洲植被年均NDVI变化Fig.2 Annual NDVIchange of vegetation in the Yangtze River Delta from 2000 to 2015

3.2 植被NDVI空间变化基本特征

依据2000—2015年长三角地区年均NDVI数据，计算16年均值得到平均NDVI的空间分布图（图3）。从图3中可以看出，长三角地区大部分地区NDVI值在0.5-1范围内，总体呈较高状态。植被覆盖在空间分布上具有显著空间差异性，长三角地区呈多核心发展，研究区南部即大别山区与黄山地区NDVI明显增大，植被等级高于其他地区，上海地区以及浙江南部、江苏北部地区NDVI变动明显，植被等级下降。

图3 2000—2015年长三角地区NDVI均值空间分布Fig.3 Spatial distribution of NDVImean in the Yangtze River Delta from 2000 to 2015

3.3 长三角地区NDVI趋势分析

3.3.1 长三角地区植被NDVI变化趋势 采用一元线性回归对长三角地区16年来植被的变化趋势进行逐象元分析，并对分析结果进行显著性检验，采取间隔分析，将结果分为四个变化等级：极显著（P为0.01）、显著（P为0.05）、弱显著（P为0.1）和不显著。结果如图4，长三角地区植被NDVI斜率变化范围为-0.052-0.069，整体上呈上升趋势，增加的面积占比为70.53%，减少的面积占比为29.47%。其中，在呈增加趋势中，极显著性增加和显著性增加的面积占比为59.21%，下降趋势内极显著性下降和显著性减少面积占比为1.3%。从空间上来看，植被增加区域主要集中在南部山区，即大别山区与黄山地区。植被变化整体空间上呈减少趋势的地区主要集中在东部地区，即经济高度发达地区，如上海全域、江苏南部以及浙江北部，都出现明显的植被退化现象。

图4 2000—2015年长三角地区NDVI变化趋势及显著性检验Fig.4 Change trend and significance test of NDVIin the Yangtze River Delta from 2000 to 2015

3.3.2 植被NDVI未来趋势分析 对于2000—2015年长三角地区植被NDVI进行Hurst指数分析，结果表明，长三角地区植被NDVI的Hurst指数介于0.141-0.982之间，平均值为0.507。其中，反持续倾向的面积占比为48.41%，而持续倾向的面积占比为51.59%，表明长三角地区植被变化在2000—2015年间增长趋势略强于退化趋势。从空间分布来看（图5），长三角地区植被持续趋势呈碎片化分布在研究区内。呈强持续趋势的地区主要分布在安徽中部以及南部地区，即大别山地区以及黄山地区；呈反持续倾向的植被，大部分位于安徽北部以及浙江东部沿海地区，反持续趋势则主要密集分布在江苏东部地区。

图5 2000—2015年长三角地区植被未来趋势变化Fig.5 vegetation Future trends in the Yangtze River Delta from 2000 to 2015

4 长三角地区NDVI对气候因子的响应

长三角地区2000—2015年降水量均值为1280.8mm，北部降水量相对较小，南部降水量较大，降水量空间差异明显，均温为16.6°C，研究区内自中部向南部温度逐渐增高，北部地区气温较低，气温空间差异显著（图6）。为了能更好地反映长三角地区NDVI与气温、降水间的相互响应关系，通过对2000—2015年长三角地区NDVI与气温、降水数据逐象元计算其偏相关系数并进行显著性检验，以此得到2000—2015年长三角地区植被NDVI与气候因子间的关系以及空间分布状况（图7），图中缺省值部分表明该区域为未通过显著性检验，植被变化与降水、气温因子间不存在相关性。

图6 2000—2015年长三角地区降水量及气温均值Fig.6 Mean precipitation and temperature in the Yangtze River Delta from 2000 to 2015

图7 2000—2015年长三角地区NDVI和降水、气温的偏相关系数Fig.7 Partial correlation coefficient between NDVIand precipitation and temperature in The Yangtze River Delta from 2000 to 2015

计算结果表明，NDVI与降水的偏相关系数均值为0.595，与气温的偏相关系数均值为0.581，气候因子对长三角地区植被变化的驱动呈现出明显的时空差异。NDVI与降水的偏相关系数通过显著性检验且偏相关系数大于0.6的区域占比为13.94%，主要分布在安徽南部大别山区及黄山山区，部分分布在浙江西北部等地。NDVI与气温的偏相关系数通过显著性检验且偏相关系数大于0.6的区域占比为19.74%，空间上呈零星分布，主要分布在江苏东北部以及安徽南部。整体上，长三角地区NDVI与气候因子间响应关系的结果显示，降水对植被生长影响高于气温。

5 结 论

（1）2000—2015年长三角地区NDVI均值以0.0014 a-1的速率波动上升，植被增加区域主要集中在南部山区，即大别山区与黄山地区。研究区内植被NDVI整体上呈上升趋势，增加的面积占比为70.53%，减少的面积占比为29.47%。

（2）Hurst指数介于0.141-0.982之间，总体上大部分地区呈高值分布，低值主要分布在研究区东部，即上海地区及江苏东部地区，研究区内持续倾向面积超过总面积1/2。

（3）长三角地区年均气温在空间上呈现中部向南部逐渐升高的趋势，降水量空间差异明显，南部降水量较大，北部降水量较小；研究区植被NDVI与气温、降水的偏相关系数分别为0.581和0.595，显示降水对植被的影响略高于气温，均对长三角地区植被生长起到正向作用。