郑州市植被覆盖变化及其对降水的响应

张成玉 牛宇 王梦晨 苏圣鑫 林晓凤

摘 要：以河南省郑州市为研究区，通过搜集2009—2018年河南省的气象数据，基于GEE平台获取月尺度、年尺度NDVI时间序列数据，并进行Slope趋势分析，探讨郑州市植被年际尺度上时空格局的演变规律。基于郑州国家站月尺度的气象数据，进行相关性分析与小波分析，试图分析出郑州国家观测站2009—2018年逐月降水量连续时间序列的周期变化情况，并以此来体现郑州市的植被覆盖在时空演变下对降水的响应情况。结果表明：郑州市植被覆盖度在2009—2018年整体为微微增长的趋势，但在郑州界内呈现明显的空间差异，东部与南部NDVI衰退趋势明显。郑州市降水量呈增长趋势，但增长趋势不明显，同时具有明显的丰水期与枯水期交替的特点，并在2012年前后发生突变，降至10年内最低值。

关键词：归一化植被指数;谷歌地球引擎;Slope趋势分析法;小波分析

中图分类号：Q948      文献标志码：A     文章编号：1003-5168（2022）12-0110-06

DOI：10.19968/j.cnki.hnkj.1003-5168.2022.12.023

Vegetation Cover Change and Its Response to Precipitation in

Zhengzhou

ZHANG Chengyu1    NIU Yu1    WANG Mengchen1    SU Shengxin2    LIN Xiaofeng1

（1. School of Harbor and Coastal Engineering， Jimei University， Xiamen 361021，China;

2. School of Electromechanical Engineering， Wenzhou University， Wenzhou 325035，China）

Abstract：Taking Zhengzhou city， Henan Province as the study area， this paper collected meteorological data of Henan province from 2009 to 2018， obtained monthly scale and annual scale NDVI time series data based on GEE platform， and conducted Slope trend analysis to discuss the evolution law of vegetation spatial and temporal pattern on the interannual scale in Zhengzhou city.  Based on the monthly meteorological data of Zhengzhou National Station， correlation analysis and wavelet analysis were carried out to analyze the periodic change of continuous time series of monthly precipitation in Zhengzhou National Station from 2009 to 2018， and to reflect the response of vegetation coverage to precipitation under the spatio-temporal evolution of Zhengzhou City.  The results showed that the vegetation coverage in Zhengzhou increased slightly from 2009 to 2018， but there was an obvious spatial difference within Zhengzhou. The NDVI declined significantly in the east and south. The precipitation in Zhengzhou showed an increasing trend， but the increasing trend was not obvious. At the same time， there was an obvious alternating between wet and dry periods， and the precipitation suddenly changed around 2012 and fell to the lowest value in ten years.

Keywords： Normalized Difference Vegetation Index; Google Earth Engine; Slope trend analysis method; wavelet analysis

0 引言

地表植被作為陆地生态系统的主体，在全球物质与能量循环中起着重要作用，而降水的变化影响植被覆盖度和净初级生产力的变化[1]。对降水进行长时间序列的动态监测可以获取该区域的生态环境变化情况[2]，植被覆盖度则是生态变化研究中的重要指示因子，探讨植被覆盖时空变化及降水量的周期特征的相关性，对了解区域环境保护与生态建设具有十分重要的现实意义[3]。

郑州市地处我国南北气候过渡带，具有山地、丘陵过渡到平原的地貌特征，不同地貌特征的植被覆盖度受气候因素的影响。有学者指出，气候因素对植被的表现具有差异性，干旱的北方影响植被覆盖的主要因素为降水，潮湿的南方则是气温[4]。而植被覆盖度可作为气候的指示剂，因此，研究植被覆盖度与降水之间的响应关系，对生态环境保护有重要意义。

1 郑州市概况及植被覆盖度

1.1 郑州市地形概况

郑州市地处豫北，位于秦岭东段余脉的伏牛山。地势大体上表现为西南高而东北低，在郑州市境内从西南部的中低山依次下降为丘陵、倾斜平原和冲积平原，拥有比较完整的地貌序列[5]。此外，郑州市境内水系分布众多，交错盘桓，分属于黄河、淮河、汉水和卫河四大水系，而淮河水系是郑州市境内最大的水系。

1.2 GEE平台

GEE（Google Earth Engine）平台，也称谷歌地球引擎。它是一款利用全球尺度的观测数据进行云端分析的云计算平台[6]。GEE平台较ENVI等传统影像处理工具具有非常明显的优势，它可以极大地缩短影像预处理的时间，而Landsat的监测影像常常受云量大小、监测不全、云层厚度、卫星运行故障及太阳高度角等监测因素的影响，不适合建立月尺度的NDVI序列，而GEE平台则可以自动根据云量大小合成月尺度无云的Landsat多光谱产品。

同时，GEE平台早已应用于各个领域，涵盖植物量产估算、全球地表水变化、疾病风险绘图、物种栖息地范围分析、土地利用变化、气候监测等，同时还具有免费开放、数据丰富以及数据处理能力强等特点。

笔者通过GEE平台调用了1999年1月1日至2021年10月1日覆盖研究区域的USGS Landsat 7 Level 2、Collection 2、Tier 1的地表反射率产品数据，并通过代码实现NDVI值的计算，以进一步分析植被覆盖度的情况。

1.3 歸一化植被指数（NDVI）

归一化植被指数（Normalized Difference Vegetation Index，NDVI）的公式如式（1）。

式中：NIR为近红外波段;R为红光波段;p为反射率。

NDVI可用于反映植被的生长情况，是遥感卫星领域对植被覆盖情况动态监测的有效手段。通过遥感及地理信息系统等手段可获取并计算植被覆盖率，并将其应用于植被时空演变的研究当中[7]。本研究通过GEE平台来计算植被覆盖度，并获取计算结果图像。

1.4 植被指数变化

基于GEE平台和ArcGIS软件，提取1999—2021年的NDVI数据并成图像，并以2 a或4 a的时间跨度将其分为1999—2003年、2004—2008年、2009—2013年、2014—2018年以及2019—2021年，利用其LandSat7影像来计算植被覆盖度，以便快速筛选出植被覆盖度发生较大差异变化的时间区段，缩小时间范围进行深入分析。

据图1至图5在一定时间跨度内归一化植被指数的观测结果来看，不难发现，在2009—2013年与2014—2018年这两个时间跨度之间出现了一定区域内明显的植被覆盖度差异化分布的现象，为说明在该时间段内一定程度的植被变化情况，通过筛选处于2009—2018年内河南省境内各气象站点的气象数据，试图分析出在该段时间内归一化植被指数对于降水量要素的响应情况。

1.5 Slope趋势分析

趋势分析法是指对随时间变化的变量进行线性回归分析[8]，从而预测该变量变化趋势的分析方法，具体公式如式（2）。

式中：[NDVIi]指第i年的NDVI的平均值;n为研究时间长度。

当Slope<0时，表示NDVI呈减少趋势;当Slope=0时，表示NDVI呈基本不变状态;当Slope>0时，表示NDVI呈增长趋势[9]。

此处，将2009—2018年分为以2 a为基本单位的时间跨度，式（2）中n值取10，利用栅格计算器，输入趋势分析公式，计算Slope值。并通过显示颜色来反映植被覆盖趋势的结果，由图6可知，研究区内植被覆盖趋势空间分布差异明显。郑州市西部及中部地区大体上Slope>0，NDVI呈增长趋势，主要包括登封市、巩义市、二七区及中原区等。而南部和东部大体上Slope<0，NDVI呈现衰减趋势，主要包括新郑市、中牟县等地区。

2 NDVI对降水量的响应

2.1 相关性分析

气象是由多个要素所构成的复杂系统，系统之间各气象信息相互作用，任何一个信息的改变都会对其他因素产生影响，所以可以采用皮尔逊（Pearson）相关系数来表示降水量与其他气象要素之间的关系[10]，计算公式如式（3）。

式中：[x]为降水量的均值;[y]为露点温度的均值;[r]为皮尔逊相关系数。

通过SPSS软件进行皮尔逊相关性分析后的结果表明，降水量与平均露点温度的相关系数为0.579，介于0.4～0.6，属于中等程度相关。而降水量与平均气温、平均海平面气压、平均风速弱相关或极弱相关，相关系数介于0.2～0.4或0～0.2。所以可以利用平均露点温度和降水量来建立降水的空间插值模型。

2.2 降水量空间分布

通过前面对植被覆盖变化的分析，可以确定研究的时间跨度为2009—2018年，所以对2009—2018年河南省20个气象站点的气象要素进行整合及处理，得到河南省境内10年内的年平均降水量及年平均露点温度数据，并由气象站的经纬度导入生成XY坐标，通过地统计向导，以降水量与露点温度作为数据字段来完成协同克里金插值的模型建立，得到河南省的年降水量的空间分布情况，并通过掩膜提取得到以郑州市为研究区的降水空间分布情况，见图7。

由2009—2018年郑州市年均降水量的插值结果来看，经向分布上，其在东西方向上差异较小;纬向分布上，其在南北方向上差异较大。由此可知，郑州市降水量具有纬度带性特征。

降雨量强度大的区域主要集中在东部与南部，包括新郑市、新密市、登封市及中牟县等，而西北部降水较少，包括巩义市、上街区及惠济区。这是由于郑州市地处豫北，受西太平洋高压带影响，东亚夏季风偏强，降水量偏多，这为郑州极端且持续的强降水天气提供背景依据。

2.3 降水量空间分布

2.3.1 降水序列周期分析。小波分析是可应用于天气要素的多尺度统计分析方法。小波系数实部能反映诸如降水量等气象要素序列在不同时间尺度上的周期变化，进而可以推断出其变化趋势。当小波系数实部≥0时，表明要素对应偏大期。当小波系数虚部<0时，表明要素对应偏小期[11]。

为了研究降水量时序演变情况，通过调取郑州国家站2009—2018年逐月降水量数据，并在Matlab中导入预处理的一维降水量数据，经过边界效应消除、确定小波系数，并用Excel提取出小波系数实部后，利用Origin软件完成等值线图的绘制，见图8。

从图9中可以看出，2009—2018年逐月降水量序列具有多时间尺度特征。郑州国家站降水量存在着6～11、15～23月的两类尺度的周期性变化规律。其中，在15～23月时间尺度上出现枯水期与丰水期交替震荡，同时它在整个分析时间序列上表现得较稳定，尤其在2009—2012表现得非常稳定。此外，还可以看到，2012年后大尺度周期为15～23月，降水量处于偏小期;同时，6～11月尺度的降水量周期不明显。由2015年后才从降水偏小期过渡到降水偏大期。

2.3.2 降水量与植被指数相关性分析。气象要素中降水量是对植被变化产生影响的因素之一，同时也是植被生长的主要限制因子。此外，降水带来的水分会因气温升高而加速土壤蒸汽散发，进而导致植被生长受到抑制。因而，进一步对郑州国家气象站点逐月数据进行分析，经预处理后得到2009—2018年郑州市年均降水量，其趋势分析见图10。

采用线性趋势率分析郑州市各年间逐月降水量的线性变化趋势[12]，并从中可以看出，郑州国家站点的10年内降水量发展呈上升趋势，但上升并不明显。降水量在2012—2013年期间发生突变，为10年内年均降水量最低年份，年均降水量分别降至599.95 mm、405.89 mm。

通过对河南省20个气象站点的降水量观测数据分析，可以发现其在2012年、2013年的年平均降水量数据较其他年份有明显的降低，这与郑州国家站点的降水量变化趋势相一致。且2012年、2013年的20个气象站点年均降水量分别为717.956 mm、752.552 mm，且这两个数值均低于2009—2018年的年平均降水量915.51 mm。

为了验证NDVI与年均降水量之间的相关性，通过GEE平台提取2009—2018年逐年的植被覆盖度计算结果，并利用逐年NDVI数据的最大值和最小值求均值得到2009—2018年年均NDVI数据，再利用SPSS进行皮尔逊相关性分析，验得NDVI值与年均降水量之间的相关程度为0.247，表现为正相关。所以，在以郑州市为研究区内，归一化植被指数变化与降水量变化存在一定的联系。

3 结论与讨论

随着全球气候的变暖及人类生活方式的演变，生态环境不断遭到破坏。利用GEE平台提取河南省郑州市植被覆盖度的计算结果，结合DEM数据、气象站点1999—2021年逐年气象数据，利用趋势分析法、相关性分析法等方法，研究了郑州市1999—2021年的归一化植被指数（NDVI）的时空演变情况，确定植被覆盖在时间变化过程中出现明显衰减的时间跨度，从而利用该时间段的NDVI数据，试图验证与降水量的联系，并利用小波分析来反映降水量在多时间尺度上的周期性变化，从而体现出NDVI对降水量的响应。得到的结论如下。

①从一定的时间长度上看，在2009—2018年的10年内，年际NDVI值呈微微增长特征。但或因城市扩张的情况，2012年前后在一定程度上减少了一定区域内的植被覆盖度。同时，植被的变化情况与降水存在正相关性，说明在研究区内降水量的增减对植被覆盖有一定的影响。

②从一定的空间上来看，郑州市东部与南部县区为NDVI呈衰退趋势的主要区域，包括新郑市、中牟县等地区;北部及中部为NDVI呈增长趋势的区域，包括登封市、巩义市、二七区及中原区。

③采用的NDVI数据跨度较长，可以直观地反映植被在时空上的演变，但对年内研究还存在不足，需要进一步补充。同时，降水仅是众多影响植被变化的表征指标中的一种，并不能完全解释该研究区内植被呈空间分布格局差异趋势的原因，还需要进一步结合其他气象要素、经济因素、人口因素等来说明植被覆盖的时空演变特征。

④利用小波分析对2009—2018年逐月降水量时间序列做周期性分析后，能明显看出在15～23月尺度上，2012—2015年处于降水偏小期，2015年后降水量才从偏小向偏大过渡。由此，逐月降水量周期性研究能反映植被覆盖度下降的年份大約在2012—2013年期间。

参考文献：

[1] 颜明，贺莉，王随继，等.基于NDVI的1982—2012年黄河流域多时间尺度植被覆盖变化[J].中国水土保持科学，2018，16（3）：86-94.

[2] 李晶，闫星光，闫萧萧，等.基于GEE云平台的黄河流域植被覆盖度时空变化特征[J].煤炭学报，2021，46（5）：1439-1450.

[3] 唐婷，李超，吕坤，等.区域植被覆盖度和水土流失量的时空变异研究：以江苏省为例[J].中国农业资源与区划，2012.33（4）：17-24.

[4] 丁妍妍，冯克鹏.宁夏中南部流域植被覆盖变化及其对降水的响应[J].无线电工程，2021.51（12）：1523-1533.

[5] 徐建美.郑州西流湖乐郊生态公园规划设计[D].郑州：河南农业大学，2017.

[6] 裴杰，牛铮，王力，等.基于Google Earth Engine云平台的植被覆盖度变化长时间序列遥感监测[J].中国岩溶，2018，37（4）：608-616.

[7] 田宝星，刘丹，宫丽娟，等.西辽河流域归一化植被指数与气象因子相关性分析[J].气象与环境学报，2021，37（3）：88-93.

[8] 荣欣.2000—2017年川西高原植被EVI变化趋势及其对气候变化响应分析[D].成都：成都理工大学，2019.

[9] 贺鹏，毕如田，徐立帅，等.基于地理探测的黄土高原植被生长对气候的响应[J].应用生态学报，2022，33（2）：448-456.

[10] 杨艳丽，孙艳玲，王中良.天津地区植被的时空变化及其影响因素分析[J].天津师范大学学报（自然科学版），2016，36（6）：48-53.

[11] 张俊，李如琦，李桉孛，等.1970—2019年夏季南疆低空垂直速度与降水量时空变化特征[J].沙漠与绿洲气象，2021，15（5）：71-77.

[12] 王晓莹，景元书，鲁永新.近40年云南省极端降水时空变化特征分析[J].科学技术与工程，2021，21（30）：12822-12831.