近20 年鄂西地区植被覆盖度时空变化特征分析

钟 静，皇永波，郭明强,2,3,4

（1.湖北地信科技集团股份有限公司， 湖北 武汉 430074；2.自然资源部城市国土资源监测与仿真重点实验室， 广东 深圳 518034；3.中国地质大学（武汉）地理与信息工程学院，湖北 武汉 430074；4.国家地理信息系统工程技术研究中心，湖北 武汉 430074）

目前植被覆盖度的估算以传统地面测量和遥感反演为主，传统FVC测量方法主要依靠地面测量，包括目视估测法、采样法、仪器法、照相法等[1-5]。遥感技术反演FVC 主要使用像元二分法和NDVI 数据进行计算，并根据统计学的数据分析方法探讨时序FVC变化规律和原因[6-9]。近年来诸多学者使用遥感技术结合卫星遥感影像反演FVC，并分析FVC在时间和空间上的变化。但由于研究区域的环境不同，FVC的时空变化规律呈现区域差异性的特点。文献[10]基于MOD13Q1数据产品和国家气象站降水数据，采用像元二分模型、一元线性回归模型和Hurst 指数，分析了2000—2019 年黄河流域FVC 空间格局、时序变化和发展趋势，发现黄河流域FVC 年际变化呈明显的上升趋势，在空间上呈从西北至东南阶梯状增大的分布态势。文献[11]基于4期TM∕OLI影像，提取NDVI，采用像元二分模型计算FVC，发现大青山FVC总体改善，FVC空间格局总体上呈东高西低，南高北低的分布特征，FVC 随海拔升高呈增加趋势，且与坡度正相关。文献[12]基于卫星遥感影像提取生长季植被指数计算FVC，并对FVC的空间分布特征、面积占比、变化趋势等进行分析，研究表明，2000—2017年间黑河中下游均存在低覆盖植被向其他类型覆盖植被转化现象，高植被覆盖区域面积增加，植被覆盖情况整体趋好。文献[13]利用2000—2019 年MODIS∕EVI 数据，基于像元二分法获取FVC，运用线性回归分析揭示了FVC 变化规律，结果表明2000—2019 年新疆平均FVC 空间分布差异明显，新疆FVC 呈上升趋势，变化平稳，极高覆盖度区域主要分布在西北部、北部以及南疆的绿洲地区，东疆波动较大。

本文基于2000—2020 年（每年4—10 月）MODIS13Q1 遥感数据，使用像元二分模型[3-4]、斜率模型[1-2]、马 尔 可 夫 转 移 矩阵 模 型[14-15]、Hurst 指数[16-17]等模型方法，对2000—2020年来湖北省西部区域92 250 km2的FVC时空变化规律进行分析，探讨鄂西植被的独特变化规律，分析规律的可靠性和持续性，并判断区域内植被环境的稳定性。

1 研究区概况与数据来源

湖北省地势大致为东、西、北三面环山，中间低平，向南敞开、北有缺口的不完整盆地，地势高低相差悬殊[18-19]。本研究区域覆盖恩施州、十堰市、神农架林区、襄阳市、宜昌市，总面积约为92 250 km2，是鄂西生态文化旅游圈的核心地区，森林茂密，植被覆盖率高，在全省占有重要地位。十堰市、恩施州、神农架林区是国家级水土保持防治重点区域，植被变化的监测和空间分布分析尤为重要。本研究区主要为山体区域，西北山地为秦岭东延部分和大巴山的东段，秦岭东延部分称武当山脉，岭脊海拔一般在1 000 m以上，最高处为武当山天柱峰，海拔1 621 m；大巴山东段由神农架、荆山、巫山组成，神农架最高峰为神农顶，海拔3 105 m；西南山地为云贵高原的东北延伸部分，主要有大娄山和武陵山，一般海拔高度700～1 000 m，最高处狮子垴海拔为2 152 m。研究区内主要植被类型有亚热带常绿阔叶林、亚热带常绿落叶阔叶混交林等[20]。

本文采用的MODIS13Q1 的遥感卫星数据来源于LAADS DAAC 官网（https:∕∕ladsweb.modaps.eosdis.nasa.gov∕），空间分辨率为250 m，时间分辨率为16 d。由于最大NDVI 可较好地反映该年度植被长势最好季节的植被覆盖情况，尽可能规避大气、云层、太阳高度角等因素造成的数据在短时间偏低情况，最大限度保障数据质量，因此使用最大值合成法（MVC）处理NDVI 影像数据来分析研究区域FVC 在时间和空间上变化规律和特征[21]。由于研究区7、8、9月份的NDVI影像受云雾遮挡较为严重，影像合成最大值易受云雾影响，且研究区常年平均温度较高，考虑4、5月份植被比较茂密，因此本文选取2000年、2002年、2005年、2007年、2010年、2012年、2015年、2017年、2020年每年4—10月份的MODIS13Q1遥感卫星影像作为数据源，使用ArcPy 工具批量提取NDVI，并使用arcpy.ProjectRaster_management 函数进行投影坐标转换，将MODIS13Q1 原始影像转换为CGCS2000 高斯克吕格114E投影坐标系，最后使用最大值合成法获取每年的NDVI最大值。

图1 研究区地理位置

2 研究方法

2.1 基于像元二分模型的FVC反演分析方法

本文使用像元二分模型对NDVI 数据进行FVC 反演，FVC是指植被所占像元的比率，模型公式为：

式中， NDVIsoil为完全是裸土或无植被覆盖区域的NDVI值；NDVIveg为完全被植被所覆盖的像元的NDVI值，即纯植被像元的NDVI值。

理论上， NDVIveg的值应为NDVImax； NDVIsoil的值应为NDVImin，由于NDVI 图像的像元存在一定的噪声，因此设置一个置信范围对NDVIsoil和NDVIveg进行取值。本文选取NDVI 统计频率的0.5%和99.5%作为NDVIsoil和NDVIveg的值[20-22]。

2.2 基于马尔科夫模型的FVC等级转移分析方法

为研究FVC的动态变化，使用马尔科夫模型分析FVC 等级的面积占比情况，此模型又称为转移矩阵，可以定量的分析FVC等级间的动态转换，其中马尔可夫模型在本文中的计算方法如表1所示。表中a1…an为FVC等级；Bij为相应年份下两种植被覆盖类型的转化面积，i为起始年份；j为终止年份；FVC等级的面积分析由相同FVC 等级下的转出量减转入量计算得到，两者相减为负则面积减少，为正则面积增加。Bnn为FVC等级的稳定区域在相应FVC等级中的面积占比[20]。

表1 FVC的转移矩阵计算表

2.3 基于斜率分析的FVC变化趋势分析方法

本文FVC变化趋势采用斜率分析方法，对时序的FVC数据逐像元计算斜率，斜率公式如下[23-24]：

斜率b计算完成后对b图像逐像元进行F检验，判断回归方程斜率b的显著性，显著性高低代表斜率b的可靠性程度，F检验公式如下：

式中，U为误差平方和；Q为回归平方和；yi为第i年的FVC；yi为第i年FVC的回归值；yˉ为FVC平均值；n为年份数量。

根据F检验的值和F检验表对比分析，将（0.005＜b＜0.015，p＜0.05）定为轻微增长；（0.015＜b＜0.1，p＜0.05）为显著性增长；（-0.015＜b＜-0.005，p＜0.05）为轻微减少；（-0.1＜b＜-0.015，p＜0.05）为显著减少[17]。

2.4 基于百分比F模型的FVC退化与改善分析方法

使用FVC变化百分比F模型分析FVC的退化与改善的情况，公式如下：

式中，F为变化百分比，F值分为5个等级，即明显改善（15%）、变化不明显（-15%，15%）、轻度退化（-25%，-15%）、中度退化（-35%，-25%）和重度退化（-35%）[18]。

2.5 基于极差分析（R/S）的H 指数分析方法

本文使用重新标度的极差分析（R/S）方法计算2000—2020 年时序FVC 最大值的赫斯特（Hurst）指数H，根据Hurst 指数分析其自相似性与长程依赖性，即可判断FVC 最大值的变化是否具有持续性，R/S公式如下[25]：

其中H取值为0～1，当H=0.5 时，则时间序列为相互独立、方差有限的随机序列；当0.5＜H＜1时，表明时间序列变化具有持续性，未来的变化将与过去的变化趋势相一致；当0＜H＜0.5 时，表明时间序列具有反持续性，即过去的变化不具有可持续性。

3 研究结果分析

3.1 FVC时间变化结果分析

根据公式（1）计算出研究区所有年份的FVC，为清晰地表明不同等级FVC 的分布及变化特征，将FVC数据的像元值按0～0.2、0.2～0.4、0.4～0.6、0.6～0.8、0.8～1.0划分为5个等级。根据等级参数对FVC影像进行颜色分割显示[20,22]。由图2可以看出，2000—2020年鄂西地区的高FVC主要分布在较高的山体区域，中低FVC和低FVC主要分布在山体的南部区域，中FVC主要分布在山体的中部区域；同时高FVC、高FVC的覆盖范围明显增加[26-28]。

图2 2000—2020年植被覆盖度各分级区域变化图

根据2000年、2002年，2005年、2007年、2010年、2012 年、2015 年、2017 年、2020 年的FVC 空间分布数据，使用ENVI 统计各FVC 等级的像元数量，分析各等级FVC的面积占比，绘制FVC等级随时间变化的面积变化折线图，如图3a 所示。根据ENVI 统计平均FVC，使用公式（5）极差分析（R∕S）的Hurst指数和一元线性回归分析方法，分析平均FVC随时间变化趋势和变化的偶然性，如图3b所示。

图3 FVC随时间变化折线图

从图3a和表2可以看出，2000—2020年植被的转移变化主要发生在中高FVC 和高FVC 等级上，其中，中高FVC向高FVC转移了20 391.7 km2，向中FVC转移了744.4 km2；高FVC 向中高FVC 转移了2 987.7 km2，但由于中高FVC 的转移情况，高FVC 的面积增加了17 442.5 km2，中高FVC 的面积减少了18 181.8 km2；其余3 个等级的FVC 面积变化不大，低FVC 减少了2.6 km2，中低FVC 增加了244.67 km2，中FVC 减少了517.2 km2。从图3b中可以看出，FVC回归分析方程的相关性系数为0.673 8，且显著性分析p值小于0.05，因此在20 a 间平均FVC 总体呈现出增加的变化趋势，平均值被覆盖度增加了0.025。使用公式（5）计算的hurst 指数的结果为0.634 4＞0.5，表明研究区的时序FVC的变化具有持续性，未来的变化将与过去的变化趋势相一致。

表2 鄂西地区2000年和2020年FVC转移矩阵分析

3.2 FVC空间分布变化趋势分析

使用时序最大FVC数据的斜率b和最大FVC退化分析F值进行变化趋势分析，使用斜率b分析植被覆盖度的变化趋势，退化分析F值分析植被的变化趋势，二者结合定量分析植被的变化趋势和变化量。

根据公式（2）计算斜率b的结果如图4a 所示，并对斜率进行F值检测，得出图4b 的检测结果。根据2.3章节中显著性划分范围对F检测结果统计分析，FVC 显著性减少的面积为1 380.1 km2，轻微减少的面积为3 579.375 km2，轻微增加的面积为44 359.26 km2，显著增加的面积为3 069.375 km2，不显著性变化的面积为39 862 km2。

图4 FVC随空间变化图

根据公式（4）的计算结果，研究区2000—2020年植被的退化与改善的情况如图5所示，可以明显看出大部分区域处于稳定变化状态，面积为79 852 km2；明显改善的区域主要分布在十堰市的建成区，总面积为8 764 km2；退化的区域主要分布在河道水域周围，总面积为3 057 km2。

图5 植被退化和改善图

结合植被退化分析成果和最大值FVC 变化趋势，可以分析出研究区最大植被覆盖度增长区域占研究区面积51.41%，植被稳定变化区域占总面积86.56%，说明FVC的增长并未对植被的变化产生较大影响，研究区内植被保持着较高的覆盖率，植被环境的抵抗强度较高。

4 结 论

本文基于2000—2020 年NDVI 数据，利用像元二分模型、斜率模型、马尔可夫转移矩阵模型、赫斯特指数等方法，揭示了鄂西地区近20 a来FVC时空变化规律，并动态统计分析不同等级FVC的面积占比。结论如下：

1）2000—2020 年间研究区域的平均FVC 增加了0.025，可看出研究区内的FVC呈现增长的趋势。总体FVC增长直接体现在中高FVC向高FVC转移上。

2）研究区内时序FVC 的赫斯特指数为0.63，结合（1）的结论，表明研究区的FVC 呈现规律性的增长趋势，并非偶然性的变化。

3）研究区植被退化与恢复分析结论中，植被稳定的区域面积为79 852 km2，结合（1）的结论，研究区内FVC处于增长的趋势，但对于植被的改善情况并无明显的增加，表明研究区植物处于旺盛的状态，在研究期间变化较为稳定。

从上述的动态分析可以发现，鄂西实验区整体而言植被资源丰富，FVC呈现稳定增长的趋势，具有显著的时空变化规律。