2001—2020年安徽省植被生长趋势分析

摘 要：遥感技术是可用于监测农作物种植面积的一种快速、经济和准确的新技术。归一化植被指数（NDVI）指植被覆盖特征，可用来监测和评估大尺度的地表植被覆盖变化。以安徽省为研究区，基于2001—2020年的MODIS-NDVI数据，对该区域的植被生长趋势进行分析。结果表明：①研究区中部和南部地区植被长势良好，而北部地区植被长势不佳。②MODIS数据（MOD13A3）在安徽地区的植被生长动态监测中得到了很好的验证，证明用时间序列的NDVI值监测植被生长趋势的可行性。③根据MODIS-NDVI数据反映的该地区植被覆盖情况，相关部门应当因地制宜，做好保护措施，防止过度砍伐，以保护当地自然生态系统。

关键词：MODIS-NDVI；植被；趋势分析；安徽省

中图分类号：Q948 文献标志码：A 文章编号：1674-7909（2024）18-118-4

DOI：10.19345/j.cnki.1674-7909.2024.18.028

0 引言

植被作为陆地上至关重要的地表覆盖类型，具有调节气候、保持生态平衡及推动地区可持续发展等作用［1］。植被覆盖的变化通常是多种因素综合作用的结果，如环境、气候、生态等，植被变化一直被各国科学家和政府所关注［2-3］。对植被长势进行监测，能够为田间管理措施的实施，以及开展早期产量预测提供重要依据［4］。归一化植被指数（NDVI）是指植被的生长状态［5-6］，被广泛用于监测、分析和绘制植被生理和生物物理特征的时空分布［7］，是利用植物叶绿素在绿光波段的强烈吸收，结合红光和近红外线波段的反射率的归一化处理进行表征。NDVI对植被的绿色信息具有高度敏感性，因此在监测区域植被生长方面表现出色。目前，利用NDVI来估算植被生长趋势已成为一种成熟且可靠的技术手段［8-10］。

近年来，国内外许多学者使用NDVI数据，对不同区域、不同类型和不同尺度上的植被变化开展了深入研究［11］。SINGH等［12］利用多光谱遥感技术监测甘蔗蚜虫对谷物高粱田中高粱植株造成的伤害；ZHAO等［13］通过对杭州湾南岸农田植被覆盖指数的研究，发现不同耕作方式下NDVI的变化规律存在一定的差异；KELLY等［14］利用NDVI分析秸秆直径与产量预测因子的关系，包括NDVI与株高、籽粒产量的关系；WANG等［15］利用NDVI数据与青藏高寒草原季节性植被生长年际变化的野外数据，揭示了植被对气候变化的生长响应规律。

安徽省位于我国华东地区，拥有良好的自然风貌与深厚的人文底蕴。随着近年来社会经济的迅猛发展，安徽省的植被特征也随之发生了变化，这一变化对人类社会活动及生态环境的影响日益显著。鉴于此，以安徽省为研究区，采用2001—2020年MODIS-NDVI数据，深入分析该地区植被生长变化特征，并探究其原因。研究结果对于了解安徽省的气候变化趋势及推动生态环境保护工作，具有一定的参考价值和实践意义。

1 研究区概况

安徽省总面积约14.01万km2，占全国总面积的1.45%。安徽省地势西南高、东北低，地形地貌南北迥异，复杂多样。安徽省深受季风影响，四季特征鲜明，地处暖温带与亚热带过渡地区，淮河以北地区属暖温带半湿润季风气候区，淮河以南地区为亚热带湿润季风气候区。安徽省各地市年平均气温为14 ℃～17 ℃，年平均降水量为773～1 673 mm；在降水分布上，安徽省南部多于北部。安徽省可划分为淮北平原、江淮丘陵和皖南山区三大自然区域。进一步细分，安徽省还可以被划分为5个自然区域，分别是淮北平原、江淮丘陵、皖西大别山区、沿江平原及皖南山区。

2 数据来源及处理

2.1 数据来源

研究使用的数据包括2001—2020年的MODIS植被指数数据（MOD13A3）（数据来源https：//ladsweb.modaps.eosdis.nasa.gov/search/order）。MOD13A3属于陆地3级标准数据月合成产品，具有1 000 m分辨率，每隔1个月提供1次。MOD13A3数据产品，包括NDVI、EVI、数据质量、红波段反射率等共11层数据。研究使用的数据为第1层的NDVI数据。

2.2 数据处理

先用MRT（MODIS Reprojection Tools）将MOD13A3-NDVI数据批量拼接，并将其转换为WGS84/Albers Equal Area Conic投影结果。再用波段运算工具计算出2001—2020年所有年份的NDVI均值，在数据中提取出安徽省的NDVI数据，将2001—2020年NDVI均值合并到一个文件中，然后通过一次性裁剪操作完成所有年份数据的裁剪。最后，通过ENVI查看NDVI变化趋势的文件，并导入Arcgis绘图。

3 研究方法及结果分析

3.1 研究方法

根据像元趋势分析法，对研究区内特定位置的像元来说，2001—2020年每年对应1个NDVI，可构建NDVI与年份之间的一元线性回归方程，通过分析回归方程的参数来揭示NDVI的变化趋势。

y（i，j）=kx+P                             （1）

式（1）中：y表示第i行j列处像元2001—2020年的NDVI，x表示年份（x=2001，2002，…，2020）。 回归方程的参数主要包括斜率k及其显著性P。k值表示NDVI的变化趋势，当k>0时，表示NDVI增加；而k<0时，则表示NDVI减少。P值表示该变化趋势在统计学上是否显著（显著性水平α取0.05），当P>0.05时，表示变化趋势不显著；P<0.05时，则表示变化趋势显著。因此，可以根据k值和P值将安徽省NDVI的变化分为4种类型，即增加但不显著、增加显著、减少但不显著及减少显著。最后，统计4种变化类型像元数占像元总数的比例，以定量评估2001—2020年安徽省植被覆盖变化趋势。

3.2 结果分析

3.2.1 NDVI各变化类型占比分析

图1显示了2001—2020年安徽省4种NDVI变化类型占比情况，可以看出2001—2020年安徽省植被变化的趋势。2001—2020年，安徽省年平均NDVI线性趋势系数为正值的区域占总面积的71.49%，为负值的区域占总面积的28.51%。其中，植被显著增加的像元数约占总数的35.92%，植被增加但不显著的像元数约占总数的35.57%，植被减少但不显著的像元数约占总数的22.01%，植被显著减少的像元数约占总数的6.51%。总体来看，研究区多数区域的植被趋势系数均在0以上，即植被有正向生长的趋势，但也有一些区域出现了负值。整体上，2001—2020年安徽省植被指数上升的区域比下降的区域大。

3.2.2 NDVI变化趋势分布分析

图2显示了2001—2020年安徽省年均NDVI整体呈显著增加趋势，增率为0.003 1/a。植被显著增加的区域大部分分布在安徽省的中部和南部地区。有增加但不显著的区域主要分布在安徽省的北部地区。安徽省北部和沿长江流域地区均出现植被减少但不显著的现象。NDVI值下降表明安徽省北部地区生态环境正在恶化，植被面积不断下降，主要原因为皖北平原作为重要的粮食产区，人类活动对该地区影响较大。显著减少的区域在安徽省各地区都有分布，其中长江中下游地区较为显著，且主要分布在城市及其周边地区，主要原因为近年来随着城市化进程快速推进，土地利用模式的变化也间接地限制了农业的生产活动。

以淮河为界，淮河以北大部分地区的植被变化呈现不明显的增加和显著减少；淮河以南大部分地区植被变化呈现增长的趋势。其中，大别山地区的植被生长趋势良好，原因为该区域自然环境好，生态保持能力强，受外界干扰较小，同时也说明近年来安徽省在生态环境保护方面的工作发挥了积极的作用。安徽省中部江淮丘陵地区，如合肥市及周边地区，植被显著减少，主要原因为近年来该地区经济发展迅速，不合理的土地利用导致植被面积显著减少。

4 结论

基于2001—2020年安徽省的MODIS-NDVI遥感数据，通过像元趋势分析，利用MRT、ENVI、Arcgis等软件对安徽省2001—2020年的植被生长变化趋势进行了分析，研究结论如下。

①植被显著增加的像元数约占总数的35.92%，植被增加但不显著的像元数约占总数的35.57%，植被减少但不显著的像元数约占总数的22.01%，植被显著减少的像元数约占总数的6.51%。

②总体而言，2001—2020年安徽省植被面积呈增加的趋势。从空间分布上来看，安徽省中部、南部地区植被面积增加的显著性大于北部地区，植被覆盖面积减少的地区主要分布在安徽省北部局部地区、江淮丘陵地区以及长江中下游地区，显著增加的地区主要分布在大别山区和皖南山区，以淮河为界表现为中部和南部增加、北部减少的分布状况。

③通过对2001—2020年安徽省MODIS-NDVI数据进行分析，发现安徽省植被面积整体呈增长趋势，但安徽省北部仍有局部地区植被减少较为显著，因此，相关部门应加强对该地区的生态监测，及时调整城市发展规划，科学指导土地利用规划，以保护自然资源，减少对生态环境的破坏。

参考文献：

［1］黄靖，夏智宏.基于MODIS遥感数据的武汉市植被覆盖变化监测分析［J］.气象与环境科学，2009，32（2）：16-20.

［2］郭铌.植被指数及其研究进展［J］.干旱气象，2003（4）：71-75.

［3］杜刚.基于EOS/MODIS的植被指数监测模型研究及应用［D］.武汉：华中科技大学，2005.

［4］张杰，刘魏卫.盐城市街头绿地土壤特征与植物长势衰弱的关系研究［J］.现代园艺，2019（9）：34-36.

［5］PINZON J E，BROWN M E，TUCKER C J.EMD correction of orbital drift artifacts in satellite data stream［M］.Singapore：World Scientific Publishing，2005.

［6］DEERING D W .Rangeland reflectance characteristics measured by aircraft and spacecraft sensors［M］.USA：Texas A & M University， 1978.

［7］GITELSON A A .Wide dynamic range vegetation index for remote quantification of biophysical characteristics of vegetation［J］.Journal of Plant Physiology， 2004， 161（2）：165-173.

［8］CUNHA A A S，KOUTSOUKOS E A M， GITELSON A A，et al.MODIS NDVI optimization to fit the AVHRR data series-spectral considerations［J］.Remote Sensing of Environment， 1998， 66（3）：343-350.

［9］张杰，刘魏卫.盐城市街头绿地土壤特征与植物长势衰弱的关系研究［J］.现代园艺，2019（9）：34-36.

［10］王亚娟，赵艳玲，焦利鹏，等.济宁市2005—2016年植被覆盖度变化及影响因素［J］.济南大学学报（自然科学版），2018，32（3）：171-177.