云南省近13年NDVI植被覆盖时空变化及驱动因子分析

李亚强，陈 成，杨栋淏，辛京达，刀 剑，王建雄

（云南农业大学水利学院/云南省高校农业遥感与精准农业工程研究中心，昆明 650201）

植被是陆地重要的生态系统之一，多样的环境因素对某一区域的植被具有很大的影响［1］，而且这些因素对当地的植被覆盖的演变表现为不同的时空分布特征。归一化植被指数（Normalized difference vegetation index，NDVI）常被用来描述植被生长状况，对植被有较好的动态监测效果［2］。通过结合NDVI与气象、土壤、海拔等因子的研究分析，可以多角度地了解植被覆盖的变化趋势［3-5］。近些年来，一些学者在这方面做了大量的研究来分析NDVI与不同环境变量之间的关系。童珊等［6］利用34年的GIMMSNDVI数据分析了祁连山南坡植被覆盖变化的时空特征，杜佳梦等［7］分析了人类活动是影响蒙古国植被覆盖变化的重要因素。邵周玲等［8］探讨了不同植被类型在不同生长期的物候变化以及对气象因子的响应。徐光来等［9］通过分析生态功能区NDVI与气候的相关性和显著性，以此来表现出NDVI在空间尺度上的气候驱动分区。相差各异的植被类型与气象因子在不同的时空尺度表现出不同的相关性［10-13］，由此能得出植被覆盖与某一气象因子的敏感性强弱。在不同的土地利用方面NDVI空间分布是不均匀的［14］，在地形复杂的地区，不同干旱程度的区域气温和降水量对植被覆盖的影响也是各有差异，并表现出不同的滞后性现象［15，16］。云南省位于中国的西南边陲，植被种类丰富，不过近几年来频发高温干旱，对当地农业生产及植被覆盖造成很大威胁。本研究通过选取云南省MODIS13Q1 2006—2018年NDVI数据集与气象数据及DEM来分析当地植被覆盖变化的时空分布特征［17，18］，对研究该区域气候，提高当地植被覆盖度有重要的意义，同时也为云南省的生态环境植被保护提供一些参考。

1 研究区概况

云南省地处中国西南边陲，位置介于21°8＇N—29°15＇N和97°31＇E—106°11＇E之间，属于低纬度内陆地区，为山地高原地形。云南省气候为亚热带高原季风型，植被种类众多，干湿季节较为明显，降水量在地域和季节分布极不均匀，雨季为5—10月，旱季为第1年11月到第2年4月。

2 数据来源与方法

2.1 数据来源

本研究采用的数据来自美国NASA网站下载的MODIS13Q1数据集，时间为2006—2018年，空间分辨率为250 m，时间分辨率为16 d，包含NDVI、EVI和NIR等数据。源数据格式为EOS-HDF，采用sin投影，利用NASA提供的MRT软件拼接投影转换为GCS_WGS_1984坐标与tiff格式。使用ARCGIS 10.7软件将投影后的MODIS13Q1，按照云南省矢量边界进行裁剪，以每月第1天、第17天2期合成月NDVI均值，并进一步合成季均值、年均值，其中有个别单独天数的数据集为这个月的NDVI均值。13年气温和降水量数据均来自中国气象数据网站逐日观测资料。将云南省25个气象站点的日值数据通过ARCGIS插值得到气象数据的年、月、季平均值等。DEM数据来自地理空间数据云网站下载的GDEMV2 30 m产品，数据都重采样为250 m。图1为云南省DEM和25个气象站点分布。

图1 云南省DEM和25个气象站点分布

2.2 方法

将云南省13年的25个气象站点的气温和降水量统一使用克里金插值法插值，进行相关设置得到较为精准的气温与降水量变化。

通过分析云南省13年NDVI均值变化差异的变异系数CV（Coefficient of variation）来评价其在时间上的稳定性，公式如下：

式中，xi为某一年的NDVI均值，xˉ为云南省13年的NDVI均值，NDVIcv越大，则数据离散程度越大，NDVI年变化越大；NDVIcv越小，则数据离散程度趋于平缓，NDVI年变化越小，得到的数据稳定性就越好。

2.2.1 均值法计算NDVI通过均值法计算MODIS13Q1数据集的年、月、季NDVI，由此得到各自的NDVI均值。其中NDVI年、季、月均值公式如下：

式中，以春夏秋冬4季为例，春季（3—5月），夏季（6—8月），秋季（9—11月），冬季（12月到第2年1、2月），i、j分别为每季的最后1个月和第1个月。

式中，i=2018，j以2006年开始，NDVIjm为某年某月的NDVI。

2.2.2 相关系数检验 通过皮尔逊相关系数以及NDVI与气象因子的偏相关系数进行检验分析，公式如下：

式中，n为总年数，xi、yi分别为2个因子第i年的要素平均值，xˉ、yˉ分别为2个因子要素平均值。相关系数Rxy值区间为［-1，1］，可以通过相关系数运算并检验显著性。其中，可以通过控制降水量或者气温因子来分析另一个因子与NDVI的相关性，以此得出对NDVI影响最大的变量，公式如下：

式中，Rab、Rac、Rbc分别表示事件a与b、事件a与c、事件b与c的相关系数。Rab,c表示控制因素c来分析事件a与事件b的偏相关性，当Rab,c>0，事件a与事件b为正相关，Rab,c<0，事件a与事件b为负相关，Rab,c值越大，说明两者之间相关性越好。

3 结果与分析

3.1 NDVI年、月、季均值变化分析

3.1.1NDVI年变化动态 图2是通过全部像元计算得到的云南省13年的NDVI年均值变化系数，从宏观角度来说，2006—2018年云南省NDVI年均值变异系数较小，变异系数在0.25以下的区域像元占比99.89%，说明云南省13年NDVI时间序列的均值是较为稳定的。其中变异系数0.25～0.73的多为滇池、抚仙湖等湖泊及海拔较高的山区。

图2 云南省13年NDVI变异系数

从图3看出，云南省2006—2018年的NDVI年均值为0.641。对NDVI与时间变量进行线性与三次曲线拟合，发现经拟合的线性曲线R2为0.380（P<0.05），2006—2018年的NDVI整体为上升趋势，增长速率为0.002 26/10年。相关性R2较好的为0.603（P<0.05）。在三次拟合曲线中，云南省NDVI在2006年到2010年呈现下降趋势，随后上升明显。根据当时气象统计资料，云南连续4年平均降水量偏少，而且云南省在2010年遭遇百年一遇的特大旱灾，至2012年连续3年遭遇大范围干旱，植物生长受到极大影响，NDVI有所下降。其中以2012年NDVI年均值最低，为0.618，最大值在2016年，为0.662，云南省13年NDVI年均值为0.641。

图3 云南省13年NDVI均值

3.1.2NDVI季变化动态 由每年不同月份合成的4季NDVI均值如图4所示，秋季的NDVI均值最高，为0.682～0.724，其次为冬季、春季，而夏季的NDVI均值最低，为0.555～0.643。秋、冬季的NDVI均值波动比较平缓，春、冬季的NDVI均值呈逐年上升趋势，植被覆盖在这个时候有所增加。对4季进行线性拟合得到y春、y夏、y秋、y冬4条曲线（表1）。春、冬季（P<0.05），R2分别为0.654和0.607，达到显著水平；夏、秋季（P>0.05），R2分别为0.015和0.089，为极不显著相关。通过分析云南省13年4季NDVI均值变化趋势，只有夏季的NDVI是负相关，为递减趋势，其他3季为正相关并逐渐递增。在13年的4季NDVI均值中，夏季NDVI均值极不稳定，NDVI在2010年达到极低值0.555，这是2010—2012年云南省遭受高温旱情所致。

表1 云南省13年四季NDVI均值线性拟合

图4 云南省2006—2018年NDVI季均值

3.1.3NDVI月变化动态 从图5a、表2可以看出，云南省13年NDVI月均值线性拟合总体呈上升趋势，最低值为0.575，增长速率为0.009/10年，曲线拟合 以 二、三 次 为 佳（P<0.01），R2分 别 为0.659和0.748。从图5b中可以看出，云南省各年份1—6月NDVI整体呈现出下降趋势，而后到秋季11月为上升趋势，最高值为0.721。因为云南省5—10月为雨季，在此期间为地面植被提供全年过半的降雨量，植被生长状态较好，在旱季的11月到次年4月，降雨量较少，植物所需的水分减少，生长环境受限，因此NDVI降低，植被覆盖率较低。

表2 云南省13年NDVI月均值曲线估算

图5 云南省2006—2018年NDVI月均值

3.2 NDVI与地形因子及气温降水量分析

3.2.1 不同海拔的NDVI分布 将云南省DEM分为6个等级范围，即：<3 000、3 000～3 500、3 500～4 000、4 000～4 500、4 500～5 500、>5 500 m（图6），云南省13年NDVI均值在不同等级海拔占比分别为91.51%、4.20%、2.62%、1.25%、0.37%、0.03%，其中3 000 m以下的植被覆盖占总面积最多。NDVI均值在0.41～0.5占比最多的海拔区域为4 000～4 500 m，占23.84%，在3 000～3 500 m和3 500～4 000 m区域内，两者NDVI均值在0.51～0.60时占比接近分别为27.50%和29.89%。在 海 拔<3 000、3 000～3 500、3 500～4 000 m区域中，NDVI均值以0.61～0.70为主，NDVI均值占比分别为46.83%、48.13%、36.13%。在所有的海拔范围内，NDVI均值为0.71～0.80时占比最多的只有<3 000 m区域，达到了27.58%，主要分布于滇西南和文山州东南部，说明当地植被覆盖度较好。在>5000 m的海拔区域，NDVI均值主要为0.11～0.20，说明这个范围的植被生长状况较差，植被覆盖度低。当NDVI均值以0.51～0.70为研究目标时，<3 000 m区域的NDVI占比67.97%，为最多。总体来看，研究区域受自然环境因素影响较大，在海拔大于3 000 m以后，云南省的植被覆盖度变化趋势是随着海拔升高逐渐降低。

图6 云南省13年不同海拔NDVI分布图

3.2.2 坡度与坡向的NDVI分布 云南省DEM分为9个等级的坡度：<5°、5°～10°、10°～15°、15°～20°、20°～25°、25°～30°、30°～35°、35°～40°、>40°；9个等级的坡向为平面、北、东、东北、东南、南、西、西北、西南。从图7可以看出，在NDVI均值为0.51～0.60的范围内，坡度在<5°的区域占比最多，为39.77%，在所有坡度（不包括<5°）区域，NDVI均值在0.61～0.7占比近1/2。NDVI均值在0.51～0.80内，随着坡度增大，NDVI呈先上升后下降的趋势，在10°～15°区域NDVI均值占比达到最大，为96.71%。

图7 云南省13年不同坡度NDVI分布

从图8可以看出，去除平面之后，NDVI均值在各坡向以0.61～0.70为主，以东南坡占比最大，为46.89%。在NDVI均值为0.50～0.80，以北坡占比最

图8 云南省13年不同坡向NDVI分布

大，为94.70%，并且阴坡总体NDVI占比比阳坡要大，说明云南省植被覆盖在这个坡向受到人类活动影响最小，受气温降雨影响较多，植被生长状态较好，除了平面，其余各坡占比均在90%以上。

3.2.3NDVI与气温降水量关系 通过一元线性回归分析云南省13年的年降水量与年平均气温的变化趋势（图9），年降水量与年均气温总体表现为增长趋势，其中降水量和气温均值增长趋势分别为9.853 mm/10年（P>0.05）和0.067℃/10年（P>0.05），为不显著增加。在个别时间尺度上，降水量与气温表现出了同步变化趋势。

图9 云南省13年年降水量与年气温均值变化

从图10a可以看出，云南省13年的NDVI年均值与年气温均值在2011—2015年呈现出一定的同步趋势，在2006—2011年和2015—2018 2个时间段两者变化趋势不同步。而NDVI年均值与年降水量表现出了更好地契合（图10b）。从2011—2018年两者变化趋势基本一致，其余时间段趋势表现为不一致。这些表明了云南省13年年NDVI均值受降水量影响更大，从而研究区植被覆盖对降水量也更加敏感。

图10 云南省13年NDVI年均值与降水量、气温关系

3.2.4NDVI在海拔、坡度及坡向与气温降水量相关性 将云南省13年NDVI年均值、年均气温、年降雨量与DEM进行栅格像元统计分析，从而得出NDVI与气象因子在海拔、坡度及坡向方面的相关系数，如表3、表4所示。在海拔方面，NDVI更容易受气温的影响（P<0.05）。在坡度、坡向方面，NDVI与降水量的相关性更好（P<0.05），所以降水量是影响此地区植被覆盖最大的因素。

表3 NDVI与降水量及气温相关系数

表4 NDVI与降水量及气温偏相关系数

4 小结与讨论

云南省2006—2018年的NDVI整体呈上升趋势，平均增长速率为0.002 26/10年（P<0.05），为显著增加。而且春、冬、秋3季的NDVI均值呈逐年上升趋势，植被覆盖在这个时候有所增加，只有夏季为递减趋势，云南省每年NDVI呈现出先下降后上升的趋势。云南省13年年降水量和年气温均值为增长趋势，呈不显著增加，可能是由于研究区旱、雨2季气温降水量的不平衡及研究年份数量较少导致。在海拔范围内，NDVI与气温的相关性更好（P<0.05），当海拔在3 000 m以上时，植被覆盖度随着海拔升高呈现出逐渐降低的趋势。在坡度、坡向方面，植被的生长环境更容易受降雨量的影响（P<0.05）。本研究以云南省为研究区域，对MOD13Q1数据集和气象数据及高程数据的相关性分析，得到了各因素之间的关联。植被生长不仅与三者的关系密切，还受到日照时长、风速、相对湿度、地面气压及当地人类活动的影响，这些都是没有考虑的多重因素。通过进一步使用更高精度和更长时间序列的影像数据，并组合多种环境变量与植被的相关分析，能更准确地对当地植被覆盖进行监测，从而得到准确的NDVI与气候的响应关系。