2000—2018年甘南州植被覆盖水平时空变化

摘要 基于2000—2018年MODIS EVI数据，采用Theil-Sen Median趋势分析法、Mann-Kendall检验和多元线性回归分析，研究甘南州EVI时空变化趋势和影响因素。结果表明，从年际EVI变化来看，2000—2018年甘南州草地生长季植被覆盖度呈先下降再缓慢上升的趋势，EVI均值在0.36～0.41。从空间变化看，盛草期甘南州绝大部分区域植被覆盖度较高且随时间推移而明显改善;部分地区发生了轻微退化现象。具体可以表现为高海拔地区植被退化较明显，而低海拔地区植被有改善的趋势。影响植被变化趋势的主要因素是气候和地形因素，人为因素也有显著影响。

关键词 甘南州;植被覆盖水平;时空变化;影响因素

中图分类号 S127  文献标识码 A  文章编号 0517-6611（2022）07-0068-05

doi：10.3969/j.issn.0517-6611.2022.07.017

开放科学（资源服务）标识码（OSID）：

Temporal and Spatial Changes of Vegetation Coverage in Gannan Prefecture from 2000 to 2018

MA Yue，WANG Lu-cang

（Northwest Normal University，Lanzhou，Gansu 730070）

Abstract Based on MODIS EVI data from 2000 to 2018， the paper used Theil-Sen Median trend analysis method， Mann-Kendall test and multiple linear regression analysis to study the temporal and spatial trends and influencing factors of EVI in Gannan Prefecture. The results showed that from the perspective of inter-annual EVI changes， during 2000-2018， the vegetation coverage of the grassland growing season in Gannan Prefecture first declined and then slowly increased， and the average EVI fluctuated between 0.36-0.41.From the perspective of spatial changes， the vegetation coverage in most areas of Gannan Prefecture during the heyday of grass was relatively high and it improved significantly with the passage of time;some areas experienced slight degradation. Specifically， it could be expressed that the vegetation degradation in high-altitude areas was more obvious， while the vegetation in low-altitude areas had a trend of improvement.The main factors affecting the vegetation change trend were climate and topography， and human factors also had a significant impact.

Key words Gannan Prefecture;Vegetation coverage level;Temporal and spatial changes;Influencing factors

作为陆地生态系统的重要部分，地表植被一直被誉为生态环境的“指示器”[1-2]。在全球气候变化和人类活动日益加剧的大背景下，地表植被的动态变化成为各领域关注的热点之一[3]。植被覆盖因其变化与气候因子、人类活动等有密切关系而成为评估生态系统状态的重要指标[4]。植被覆盖度（fractional vegetation coverage，FCV）是植被在地面垂直投影面积与该地区研究面积之间的比值[5]，能够很好地监测地面植被的生长情况，是评估研究区域气候变化、土地沙漠化等生态环境质量的重要参数[6]。

植被系统中运用较为广泛的是遥感的植被指数[7]，其中归一化差值植被指数（normalization difference vegetation index，NDVI）和增强植被指数（enhanced vegetation index，EVI）是目前常用的反映植被生长状况的指数[8-9]。EVI是在NDVI基础上改进了算法和合成方法，它在一定条件下能很好地反映植被在空间上的差异，同时克服NDVI存在的易饱和等问题[10]。

全世界以遥感监测数据为主的植被覆盖研究较多，监测数据历经了LANDSAT-AVHRR-SPOT-MODIS的不断转变[11]，研究内容主要聚焦于植被生长环境、植被覆盖变化、时空特征等方面。其中MODIS-EVI数据在国内外学者应用下已取得较多成果。Evrendilek等[12]根据NDVI和EVI数据发现了植被覆盖的差异;Galford等[13]运用EVI数据对巴西农作物进行了研究。Qiu等[14]研究表明EVI数据能同时反映高植被覆盖区的植被覆盖情况和区分低植被覆盖区的覆盖情况;苏俊磊等[15]研究发现西江流域的植被EVI整体呈上升趋势，EVI变化与降水量呈显著正相关;赫英明等[16]研究发现2000—2009年我国植被覆盖度在年和季的时间尺度上变化尤为明显。

地处甘肃省西南部，青藏高原东北边缘与黄土高原接壤带的甘南藏族自治州，其不仅是黄河上游水源涵养的主体功能区，也是甘肃“三屏四带”、我国“两屏三带”生态屏障战略格局的重要组成部分[17]，同时也是我国高寒民族地区重要的畜牧业生产基地[18]。在人类活动日益加剧、全球气候发生变化的当今时代下，甘南州也出现了草地退化、荒漠化和沙化现象[19]，从而引起了学者的关注，马琳雅[20]结合NDVI和EVI数据，建立了甘南州草地生长季的植被覆盖反演模型，分析了2000—2011年植被覆盖与物候期的时空变化;蔡栋等[21-22]评估了甘南草地生态系统的风险。总体来看，目前主要以NDVI数据为支撑，多采用规避误差能力较弱的一元线性回归趋势分析法来研究植被覆盖度[15，23]，且将影响因素归咎于自然因素（尤其是气候因素），并没有考虑到人类活动的相关影响，尤其对牧区和半农半牧区中放牧密度、农作物数量、人口分布等因素的考虑。

鉴于此，笔者以甘南州植被主要生长期6—8月的MODIS-EVI数据为支撑，运用Theil-Sen Median趋势分析法和Mann-Kendall检验方法，系统分析2000—2018年甘南州植被覆盖水平变化趋势，并揭示其驱动机制，旨在为高寒地区生态环境评价、植被恢复和重建提供科学依据。

1 资料与方法

1.1 研究区概况

甘南藏族自治州在甘肃省西南部，地处黄土高原与青藏高原东北边缘的过渡区，地势西北高、东南低，按地貌类型可划分为高原区、丘陵区和高山峡谷区，大部分地区海拔在3 100～3 900 m，属典型的高原大陆性气候，环境高寒阴湿，主要植被类型有山地森林、高寒灌丛草甸和高寒草甸等，其中可食牧草高达890多种[24]。甘南州是我国主要的藏族聚集区，也是青藏高原质量最好的放牧地[25]。现辖7县1市，可大致分为纯牧区和半农半牧区（图1）。

1.2 数据来源

该研究所用到的MOD13Q1数据为NASA最新发布的第六版MODIS陆地三级标准数据产品，空间分辨率为250 m，数据可通过NASA对地观测系统数据共享平台下载（http：//delenn.gsfc.nasa.gov/-imswelcome/）。首先对MOD13Q1数据进行预处理后提取了研究区甘南藏族自治州2000—2018年盛草时期每年6—8月的EVI数据。以MOD11A2数据为基础，通过拼接、投影转换和裁剪等操作后，提取甘南藏族自治州2000—2018年每年6—8月的地表温度（LST）数据。研究区的DEM（digital elevation model）数据来源于中国科学院计算机网络信息中心地理空间数据云平台（http：// www.gscloud.cn/），空间分辨率为90 m。降水数据来源于CHIRPS（https：//www.chc.ucsb.edu/data/chirps）提供的降水产品[26]，选取2000—2018年每年4—8月降水量。人口、农作物播种面积、牲畜等数据来源于2000—2018年甘南州统计年鉴。

1.3 研究方法

1.3.1 Theil-Sen Median趋势分析。

Theil-Sen Median趋势分析是用于模拟每个栅格数据的变化趋势，客观地反映一段时间序列下植被演化趋势的方法。其优点在于稳定、不要求原样本服从一定的分布、不受异常值干扰、对规避数据误差有较强的能力[27-29]。Theil-Sen Median趋势计算n（n-1）/2个数据组合的斜率的中位数，计算公式如下：

S EVI=MedianEVI j-EVI ij-i  （i≤j）（1）

式中，EVI j和EVI i分别表示像元j年和i年的EVI值。当S EVI>0时，表示研究期内EVI呈增长趋势;当S EVI<0时，表示呈退化趋势;S EVI=0，表示无变化趋势。

1.3.2 Mann-Kendall检验。

Mann-Kendall是用于判断趋势显著性的统计检验方法，其优点为不受少数异常值干扰且原样本无需服从一定分布[30]。计算公式如下：

设{EVI i}=i=2000，2001，…，2018，定义Z统计量为：

Z=S-1s（S）S>0

0S=0

S+1s（S）S<0（2）

其中，

S= n-1j=1 ni=j+1sgn（EVI j-EVI i）（3）

sgn（EVI j-EVI i）=

1EVI j-EVI i>0

0EVI j-EVI i=0

-1EVI j-EVI i<0（4）

s（S）=n（n-1）（2n+5）18（5）

式中，EVI i和EVI j分别表示像元i年和j年的EVI值，n表示时间序列的长度，sgn是符号函数，统计量Z的取值范围为（-∞，+∞）。在给定显著性水平α下，当|Z|>u 1-α/2时，表示研究序列在α水平上存在显著的变化[31]。

Theil-Sen Median趋势分析和Mann-Kendall检验相结合，是对显著性水平检验的统计学理论基础的科学阐述。它能有效地反映EVI时空变化特征和判断植被覆盖时间序列下的数据趋势。根据Theil-Sen Median趋势分析中由于基本不存在S EVI严格等于0的区域，所以该研究将S EVI介于-0.000 5～0.000 5划分为稳定区，S EVI≥0.000 5划分为改善区，S EVI≤-0.000 5划分为退化区。将Mann-Kendall检验在α=0.05置信水平上的显著性结果划分为显著变化（Z>1.96或Z<-1.96）和不显著变化（-1.96≤Z≤1.96）。将检验的结果叠加后进行分级，从而将像元尺度上EVI变化趋势划分为明显改善、轻微改善、稳定不变、轻微退化和严重退化5种类型（表1）。