基于MODIS-NDVI的地表植被时空变化特征及其与环境因子的关系

摘要 [目的]分析植被覆盖时空变化特征及其与环境因子之间的响应关系，为区域生态环境治理和植被保护提供理论基础。[方法]基于16 d合成的MODIS-NDVI数据，结合气象站点数据、地表数字高程模型数据，利用空间动态变化趋势分析法、变异系数法和相关性分析等，开展安徽省长时间序列的地表植被覆盖时空变化特性的研究，探讨植被覆盖变化对气象因子、地形条件等的响应规律。[结果]安徽省月均NDVI变化呈现双峰分布;2010—2019年NDVI呈现振荡上升的趋势，增速为0.000 7/a;4个季度的NDVI夏季最高，春季和秋季次之，冬季最低;春季和夏季的NDVI呈现振动缓慢增长的趋势，涨幅均为0.001 6/a，秋季NDVI呈现缓慢下降的趋势，降幅为0.001 8/a，冬季NDVI波动性及降幅较大，为0.009 9/a。空间分布上，安徽省植被覆盖变化整体趋于稳定，植被分布具有明显的南高北低的地域性差异和明显的季节性差异，以淮河和长江为界，春季和冬季的NDVI呈现出中间低南北高的分布特点，秋季安徽省大部分地区的NDVI呈现减少趋势，NDVI由南到北递减。不同气象因素对安徽省植被生长的影响具有空间差异性，NDVI与同期温度之间正相关性大于负相关性;降雨量对植被生长的影响具有滞后性，NDVI与同期降雨量之间负相关性大于正相关性，与前一期的降雨量正相关性大于负相关性。[结论]基于MODIS-NDVI时间序列分析方法可为了解区域植被生长状况、开展具有区域差异性的生态保护与修复工程等提供一定的理论依据。

关键词 植被指数;MODIS-NDVI;时空变化特征;环境因子;相关关系

中图分类号 Q 948.11文献标识码 A文章编号 0517-6611（2022）04-0057-07

doi：10.3969/j.issn.0517-6611.2022.04.017

开放科学（资源服务）标识码（OSID）：

Temporal and Spatial Variation Characteristics of Surface Vegetation and Its Relationship with Environmental Factors Based on MODIS-NDVI

ZHANG Liang， JIANG Jun

（Provincial Geomatics Center of Jiangsu，Nanjing，Jiangsu 210013）

Abstract [Objective]To analyze the spatial and temporal variation characteristics of vegetation cover and its relationship with environmental factors，so as to provide a theoretical basis for regional ecological environment management and vegetation protection.[Method]Based on 16 d synthetic MODIS-NDVI data，combined with meteorological station data and surface digital elevation model data， the spatial dynamic change trend analysis method， coefficient of variation method and correlation analysis were used to study the spatial and temporal variation characteristics of surface vegetation cover in Anhui Province for a long time series and explore the response law of vegetation cover change to meteorological factors and topographic conditions.[Result]The monthly average NDVI in Anhui Province showed a bimodal distribution; the NDVI showed an oscillating upward trend with a growth rate of 0.000 7/a during the decade from 2010 to 2019; the NDVI values in four seasons were the highest in summer， followed by spring and autumn， and the lowest in winter; the NDVI in spring and summer showed an oscillating slow increase. NDVI in spring and summer showed a trend of oscillating slow growth with an increase of 0.001 6/a， NDVI in autumn showed a trend of slow decline with a decrease of 0.001 8/a， and NDVI in winter had a greater volatility and decrease of 0.009 9/a.In terms of spatial distribution， the overall vegetation cover change in Anhui Province tended to be stable， and the vegetation distribution had obvious regional differences of high in the south and low in the north and obvious seasonal differences， taking the Huai River and Yangtze River as the boundary， the NDVI in spring and winter showed the distribution characteristics of low in the middle and high in the north and south， and the NDVI in most areas of Anhui Province in autumn showed a decreasing trend， and the NDVI decreased from south to north.The influence of different meteorological factors on vegetation growth in Anhui Province had spatial variability， and the positive correlation between NDVI and the temperature of the same period was greater than the negative correlation; the influence of rainfall on vegetation growth had a lagging effect， and the negative correlation between NDVI and the rainfall of the same period was greater than the positive correlation， and the positive correlation with the rainfall of the previous period was greater than the negative correlation.[Conclusion]The MODIS-NDVI time-series analysis method can provide a theoretical basis for understanding regional vegetation growth and carrying out ecological protection and restoration projects with regional differences.

Key words Vegetation indices;MODIS-NDVI;Spatial and temporal variability characteristics;Environmental factors;Relationship

植被作为陆地生态系统最重要的一部分，在全球及区域生态系统环境变化中发挥着重要的作用[1]。基于植被光谱特性计算得到的植被指数，是对地表植被状况最简单有效的一个衡量指标，可以直观地反映地表植被特征和植被覆盖信息变化[2]。在众多的植被指数中，NDVI的时间序列能够准确反映季节和人为因素的变化对植被生长的影响，在全球和区域植被变化的研究中得到了应用和检验[3-5]。

植被的生长过程与气候条件的变化之间存在着密切的关系，二者相辅相成，相互影响。气候条件尤其是温度和降水，是影响植被生长的关键性因素，区域气温和降水空间格局的变化会对植被生长活动产生显著的影响。反之，植被的生长状况又进一步影响着气候的变化[6]。及时准确地获取地表植被特征和植被覆盖变化信息，对于揭示地表植被时空变化规律和评价区域生态环境变化具有重要的指导意义;同时，开展植被覆盖变化对气象要素变化规律的研究，了解气候变化对生态环境变化的影响，有助于合理地开发和利用气候和土地资源，对于加强生态文明建设具有很大的帮助[3，7]。

安徽省地处长江、淮河中下游、长江三角洲腹地，气候属于暖温带与亚热带的过渡地带，季风明显，四季分明，随着季风的递转，降水具有明显的季节变化。近年来，随着气候变化及人类活动的影响，安徽省的农业生产布局及植被生态系统发生了很大程度的变化。为了明晰安徽省植被覆盖状况，指导农业生产及生态保护，有必要开展对安徽省近年来的地表植被覆盖时空变化特征及其与气象因素之间的相互关系进行一次较为详尽的研究。卫星遥感技术可以大范围获取地表植被覆盖及其变化信息，为研究地表覆盖时空变化规律提供了便捷的途径。20世纪90年代以来，国内外学者针对植被指数的时空变化特征及其与气候因子之间的相互关系开展了广泛的研究[8]。针对安徽省地区，已有学者开展了相关方面的研究[9-10]，整体来讲，目前利用卫星遥感技术对安徽省NDVI季节和时空分布特征的研究甚少，对于NDVI变化与气象因子之间的相互关系尚不清楚。

该研究基于安徽省2010—2019年的16 d合成的长时间序列MODIS-NDVI数据，结合地形、地表覆盖及生态功能区划数据，基于空间动态变化分析法，在年际、季节时间尺度和空间分布上分析全省植被覆盖信息的时空变化规律，结合同期的温度、降水、地形等因素利用相关性分析法分析植被覆盖变化与气候和地形因子的响应规律，以期为评价安徽省植被覆盖信息时空变化及生态环境变化影响因素提供依据。

1 材料与方法

1.1 数据源及处理

MODIS-NDVI数据来源于美国国家航空航天局（NASA）2010—2019年的覆盖安徽省的MOD13Q1级植被指数产品，空间分辨率为250 m×250 m，时间分辨率为16 d，时间跨度为2010—2019年。为了进一步消除云和大气对NDVI产品的干扰，提高NDVI数据精度，该研究采用最大值合成法[3]计算得到逐月NDVI数据;采用均值法[11]计算得到年均及季度NDVI数据集。该研究过程中，将每年的3—5月划分为春季，6—8月划分为夏季，9—11月划分为秋季，12月—次年2月划分为冬季。

气象数据来源于中国气象数据网的“中国地面气候资料月值数据集”和“中国地面气候资料年值数据集”。要素包括温度、降水量、光照情况等。利用安徽及其周边地区的气象数据（气象站点分布见图1），借助ArcGIS空间分析的协同克里金空间插值方法[11]，以气象数据作为因变量，研究区数字高程模型作为协变量，插值得到与NDVI数据具有相同像元大小、相同坐标系统的气象数据栅格数据集。

DEM数据来源于美国地质调查局ASTER GDEM V3空间分辨率30 m的数字高程。

土地利用数据来源于我国最新发布的2020版30 m全球地表覆盖数据（Globe Land 30）[12]。根据地表覆盖分类标准，安徽省行政区划范围内共有耕地、林地、草地、湿地、水体、人造地表、裸地7种一级地表覆盖类型（图2）。

生态功能区划数据来源于“中国生态系统评估与生态安全数据库”。安徽省范围内共有华北平原农业生态区、淮阳丘陵农业生态区、大别山常绿阔叶林生态区、长江中下游平原农业生态区和天目山—怀玉山山地常绿阔叶林生态区五大生态区（图2）。

1.2 研究方法

1.2.1 NDVI变化趋势分析。

采用一元线性回归趋势分析方法[3]定量分析NDVI每个栅格点的时空变化及空间差异特征。该方法以NDVI的时间变化特性反映其空间变化特性，综合反映研究区域植被指数的时空格局演变情况。计算公式如下：

Slope=nni=1i×Ni-ni=1ini=1Ninni=1i2-（ni=1i）2（1）

式中，n为研究时间段的时间序列长度;i为各年份的序号;Ni为像元第i年的植被指数;Slope为趋势线的斜率，代表2010—2019年安徽省NDVI的变化速率，Slope>0表明研究时间段内像元植被覆盖呈增加趋势，并且值越大表示增加趋势越明显，Slope<0表明研究时间段内像元植被覆盖呈减少趋势，并且值越小表示减少趋势越明显，Slope=0表明研究时间段内像元植被覆盖没有发生明显的变化趋势;为了更好地分析植被变化趋势情况，将变化趋势划分为5个等级，分别是明显减小（Slope≤-0.005）、轻度减小（-0.005<Slope≤-0.002）、基本不变（-0.002<Slope≤0.002）、轻度增加（0.002<Slope≤0.005）、显著增加（Slope>0.005）[13]。