2000—2021年安徽省归一化植被指数时空变化特征

摘 要：基于MODIS-NDVI数据，分析2000—2021年安徽省归一化植被指数（Normal Difference Vegetation Index，NDVI）时空变化特征。结果表明：在时间分布上，2000—2021年安徽省月均NDVI整体呈先升高后降低的趋势，8月NDVI最高，2000—2021年安徽省年均NDVI总体呈显著增加趋势，增率为0.003 4/a，在2021年达最高值（0.61）；在空间分布上，2000—2021年安徽省NDVI高值区域主要分布在皖南山区和皖西大别山地区，NDVI低值区域集中分布在江淮丘陵及沿江平原地区，2000—2021年安徽省大多数地区NDVI呈显著增加趋势，NDVI显著增加区域占比为73.20%，NDVI显著减少区域占比为3.99%。这表明2000—2021年安徽省植被状况呈现明显改善的趋势。

关键词：植被；NDVI；时空变化；安徽省

中图分类号：Q948 文献标志码：A 文章编号：1674-7909（2023）21-150-3

0 引言

植被通常是指地球表面某一区域所覆盖的植物群落，在调节气候和维持生态平衡方面发挥着关键作用，是陆地生态系统的重要组成部分［1-2］。植被作为陆地生态系统对全球气候变化响应的重要“指示器”［3-4］，探究植被覆盖度的时空变化对全球气候变化的响应，可为应对全球气候变化提供理论依据［5］，在全球气候变化研究中具有重要意义［6］。归一化植被指数（Normal Difference Vegetation Index，NDVI）作为表征植被生长状态和植被覆盖度的最佳指标［7］，与植被分布密度呈线性相关［8-9］。近年来，越来越多的学者基于NDVI数据探究不同区域及尺度的植被覆盖变化［2］。如张玉婷等［10］基于MODIS-NDVI数据，利用最大值合成法、均值法和趋势分析法对2011—2020年甘肃省武威市植被覆盖度时空变化进行分析，发现2011—2020年武威市植被NDVI整体呈增加趋势；涂又等［11］基于AVHRR NDVI3g遥感数据探究了1982—2015年中国植被NDVI时空变化及驱动因子，结果表明大多数植被呈持续稳定变化状态，且中国植被变化主要受到气候变化和人类活动的共同驱动；刘珊珊等［12］采用2001—2015年MODIS-NDVI数据分析了云南省植被覆盖变化，结果显示云南省植被覆盖度呈现基本稳定或增加的趋势。安徽省位于我国华东地区，地形地貌复杂，随着经济的不断发展及城镇化的快速发展，植被覆盖也发生着巨大的变化，对人类社会和生态环境的影响愈发明显［1］。因此，笔者基于MODIS-NDVI数据分析2000—2021年安徽省NDVI的时空变化特征，以期为安徽省的生态环境保护和社会经济可持续发展提供理论依据。

1 研究区概况

安徽省位于我国华东地区，地理坐标为北纬29°41′～34°38′、东经114°54′～119°37′，总面积为14.01万km2［13］。安徽省地势西高东低，南高北低，地貌以山地、丘陵和平原为主，其中山地约占总面积的29.52%，丘陵占29.01%，平原占24.82%。安徽省属暖温带与亚热带过渡区，受季风影响较为显著，四季变化明显，为植被的生长提供了良好的气候条件。

2 数据来源与研究方法

2.1 数据来源与预处理

研究采用的遥感数据主要为MODIS-NDVI数据，来源于美国航空航天局提供的MOD13Q1产品。该数据空间分辨率为250 m，时间分辨率为16 d，时间范围为2000—2021年。笔者利用MRT工具将MODIS-NDVI数据进行拼接及空间投影转换，投影方式为通用横轴墨卡托投影（Universal Transverse Mercator Projection，UTM），坐标系为GCS-WGS-84坐标系，并利用安徽省矢量文件对其进行裁剪，得到最终的研究区域NDVI数据。采用最大值合成法（Maximum Value Composition，MVC）将各旬数据合成逐年的月数据，然后利用均值法计算得到逐年的月平均数据和年平均数据。

研究采用的数字高程模型（Digital elevation model，DEM）数据来源于中国科学院资源环境科学与数据中心（https：//www.resdc.cn/），其空间分辨率为90 m，利用Arcgis软件对其重采样分辨率至250 m。

2.2 研究方法

2.2.1 Theil-Sen趋势分析

采用Theil-Sen趋势分析对2000—2021年安徽省NDVI的时空变化趋势进行分析。Theil-Sen趋势分析是一种非参数统计的趋势分析方法，其优点在于样本数据不受少数极端值的影响，Theil-Sen趋势分析计算公式为

式（1）中：Mi和Mj分别表示第i年和j年的NDVI值。如果β>0，表示NDVI呈增加趋势，反之则表示呈下降趋势。

2.2.2 Mann-Kendall统计检验

采用Mann-Kendall统计检验方法对NDVI变化趋势显著性进行判断。该方法作为一种非参数检验方法，不要求所使用的样本数据服从特定的分布［14］，而且不易受到异常值干扰，计算也较为简便，计算公式为

式（2）至（5）中：S表示统计量，V（S）表示S的方差，Z表示标准化后的统计量，n表示时间序列的长度，sgn表示符号函数。在给定α=0.05置信水平判定NDVI变化趋势的显著性，|Z|≤Z1-α/2，说明数据变化趋势不显著；|Z|[>]Z1-α/2，说明数据变化趋势显著［15］。

3 结果与分析

3.1 2000—2021年安徽省NDVI时间变化特征

3.1.1 月均NDVI变化特征

由图1可知，2000—2021年安徽省月均NDVI整体呈现先上升后下降的趋势。具体来说，1—5月安徽省NDVI呈上升趋势，6月安徽省NDVI略微下降，7—8月安徽省NDVI再次呈上升趋势，在8月达最高值（0.77），9—12月安徽省NDVI呈下降趋势。安徽省作为我国主要的农业生产区，省内大部分地区种植的粮食产物可以达到一年两熟，且交替种植。在6月安徽省NDVI出现轻微的下降，是由于6月安徽省各地种植的玉米、大豆、水稻等农作物被收割，导致NDVI有所下降。7—8月，安徽省气候条件较好，高温多雨，有利于植被的生长，所以该段时期植被覆盖度较高。9—10月为农作物的收获期，安徽省NDVI急剧下降，11—12月植被逐渐枯萎，安徽省NDVI呈逐渐下降趋势。整体而言，2000—2021年安徽省月均NDVI变化趋势表现为双峰特征，这与邓凯等［1］的研究结果一致。

3.1.2 年均NDVI变化特征

由图2可知，2000—2021年安徽省年均NDVI整体呈显著增加趋势（P<0.05），增率为0.003 4/a，在2001年安徽省NDVI最小（0.52），在2021年安徽省NDVI达最大值（0.61），这表明2000—2021年安徽省植被状况整体呈持续改善的趋势。

3.2 2000—2021年安徽省NDVI空间变化特征

3.2.1 2000—2021年安徽省NDVI空间分布特征

2000—2021年安徽省NDVI空间分布存在明显的空间异质性，总体上呈现南高北低、西高东低的趋势。安徽省NDVI高值区域主要分布在皖南山区和皖西大别山地区，是因为这些地区地势较高，人类活动较少，且气候条件较好，较为适宜植被的生长，植被覆盖率较高；NDVI低值区域集中分布在淮河流域、长江沿线和巢湖等流域；NDVI中值区域集中分布在淮北平原、江淮丘陵地区，是因为这些地区地势较为平坦，人类活动比较频繁，大部分地区为农作物区，植被覆盖率较低。

3.2.2 2000—2021年安徽省NDVI空间变化趋势

利用Theil-Sen趋势分析方法，分析了2000—2021年安徽省NDVI空间变化趋势。2000—2021年，安徽省大部分地区NDVI呈增加趋势，其中NDVI呈增加趋势的区域约占研究区总面积的89.33%，而NDVI呈降低趋势的区域仅占研究区总面积的10.67%。Mann-Kendall显著性检验分析结果表明：安徽省3.99%的区域NDVI呈显著降低趋势，主要集中在沿江平原区域长江两侧地带、皖中巢湖地区及淮河以北部分地区；6.68%的区域NDVI呈降低趋势，但不显著，主要集中在沿江平原和江淮丘陵地区；16.13%的区域NDVI呈增加趋势，但不显著，主要集中在淮北平原和淮河以南地区；NDVI呈显著增加趋势的区域占研究区总面积的73.20%，主要集中在淮河平原北部和东部、皖西大别山地区及皖南山区。

4 结论

笔者基于MODIS-NDVI数据分析了2000—2021年安徽省NDVI时空变化特征，得出如下结论。

第一，在时间上，2000—2021年安徽省月均NDVI总体呈先上升后下降的趋势，在8月NDVI达最高值。2000—2021年安徽省年均NDVI整体呈显著增加趋势，增率为0.003 4/a，2021年NDVI达最高值（0.61），表明2000—2021年安徽省的植被生长状况得到了极大的改善。

第二，在空间上，2000—2021年安徽省NDVI高值区域主要分布在皖南山区和皖西大别山地区，NDVI低值区域主要分布在淮北平原和江淮丘陵地区。2000—2021年安徽省大部分区域NDVI呈增加趋势，其中NDVI显著增加区域占比高达73.20%，显著降低区域仅占3.99%。

参考文献：

［1］邓凯，黄长江，袁慧慧，等.基于MODIS的2007—2017安徽省植被指数时空变化特征研究［J］.黑龙江工程学院学报，2018（6）：24-27.

［2］吴霞，张永宏，王长军，等.基于MODIS的宁夏植被覆盖时空变化特征分析［J］.江苏农业科学，2021（2）：204-208.

［3］李新鸽，朱连奇，陈超男.2000—2015年河南省植被NDVI时空变化特征分析［J］.河南大学学报（自然科学版），2018（5）：554-564.

［4］张春森，胡艳，史晓亮.基于AVHRR和MODIS NDVI数据的黄土高原植被覆盖时空演变分析［J］.应用科学学报，2016（6）：702-712.

［5］YANG Z，GAO J，ZHOU C，et al.Spatio-temporal changes of NDVI and its relation with climatic variables in the source regions of the Yangtze and Yellow rivers［J］.Journal of Geographical Sciences，2011（6）：979-993.

［6］邢文娟，张静静.2000—2017年郑州市植被NDVI的时空变化特征分析［J］.河南科学，2020（6）：899-903.

［7］SUN J，WANG X，CHEN A，et al.NDVI indicated characteristics of vegetation cover change in China's metropolises over the last three decades［J］.Environmental Monitoring and Assessment：An International Journal，2011（1/4）：1-14.

［8］李卓，刘淑亮，孙然好，等.黄淮海地区耕地复种指数的时空格局演变［J］.生态学报，2018（12）：4454-4460.

［9］CARLSON T N，RIPLEY D A.On the relation between NDVI，fractional vegetation cover，and leaf area index［J］.Remote Sensing of Environment：An Interdisciplinary Journal，1997（3）：241-252.

［10］张玉婷，张祯，马吉虎.2011—2020年武威市植被覆盖度时空变化特征分析［J］.防护林科技，2022（1）：56-58.

［11］涂又，姜亮亮，刘睿，等.1982—2015年中国植被NDVI时空变化特征及其驱动分析［J］.农业工程学报，2021（22）：75-84.

［12］刘珊珊，王建雄，牛超杰，等.基于NDVI的云南省植被覆被变化趋势分析［J］.湖北农业科学，2017（11）：2037-2040.

［13］胡丹丹.安徽省植被净初级生产力时空变化及其影响因素研究［D］.芜湖：安徽师范大学，2020.

［14］魏圆圆，孙守刚，梁栋，等.人类活动影响下安徽省植被指数时空变化分析［J］.农业机械学报，2022（8）：203-212.

［15］张晓明.江西省NDVI时空变化特征及其与气候因子相关性分析［J］.长江信息通信，2022（6）：7-12.