自然因子对四川省NDVI变化的影响

熊若妃,张翠兰

(1.重庆师范大学地理与旅游学院,重庆 401331;2.地理信息系统应用研究重庆市高校重点实验室,重庆 401331)

植被在水土保持、调节气候等方面具有重要作用,是陆地生态系统的重要组成部分[1]。目前,植被指数NDVI通常被用作植被变化指标[2],比反映植物动态变化的其他植被指数更能表征植被的动态变化。在全球变化趋势下,植被覆盖对生态环境和人类活动的干扰响应已经成为热点研究话题,气候和人类活动会共同影响植被覆盖变化,其中学术界高度关注气候变化对地表植被的影响程度[3-5]。传统的地表植被物候观测方法包括人工观测和数字相机观测[6]。不同于基于站点的传统物候观测,遥感影像包含多时相、长时间序列、更宽覆盖范围、空间连续等优势,开始作为分析全球气候动态对植被变化影响的有效工具[7]。

四川省地处长江上游,地形地貌特殊,自然资源优越。近年来随着经济的发展,人类选择错误的资源利用方式如毁林开荒、过度放牧,导致自然资源被过度开采,生态环境每况愈下[8]。国家立刻展开行动,即四川省率先在1999年进行全国试点,3年后正式实施退耕还林举措[9]。由于土地退化或植被项目可以几十年来逐渐发生,从观测时间序列的一致性来讲,遥感技术是监测和评估植被变化的有效工具[10]。遥感在不同植被区域有很多应用,如Ghebrezgabher等[11]对1982—2013年非洲之角NDVI的年际和季节变化进行分析,发现NDVI与降水量成正比,与气温成反比;Chen等[12]研究表明智利中部地中海硬叶森林的干旱归因于智利中部降水的减少;韩先明等[13]研究发现近年来雅鲁藏布江流域上下游植被覆盖有所改善,而中游地区以恶化为主,植被覆盖度随海拔升高呈先稳定后下降再稳定的趋势;秦格霞等[14]研究表明1982—2015年我国北部地区草地NDVI主要呈现增加趋势,降水是影响北方草地生长的主要气候因子。尽管前人针对不同植被、不同区域开展了NDVI与气候变化的响应关系研究,但目前关于四川省NDVI的多维度变化特征分析及其气候响应关系的研究较少。该研究利用NDVI时序数据、气候数据等,结合地理探测器,分析四川省不同植被类型、地貌、地形范围内NDVI的变化情况以及与气候因素的相关程度,为当地植被的保护和利用提供科学参考。

1 资料与方法

1.1 研究区概况四川省坐落在我国西南部、长江上游,地理位置为26°03′～34°19′N、97°21′～108°31′E。如图1所示,地形、地貌多样,以山地为主,非山地所占范围极小[15-16]。自西向东海拔逐渐下降,最高峰达7 143 m,最低处为178 m,辖18个市和3个州。气候条件复杂,呈大范围的干旱趋势,东部与南部地区干旱较明显,其余区域基本保持湿润[17]。气候类型主要包括高原高寒气候、热带半湿润和亚热带湿润气候,年降水量为600～1 000 mm,年平均气温为16～20 ℃;植被主要包括中亚热带常绿阔叶林、温带针阔混交林、寒带针叶林、北亚热带常绿和落叶混交林[15]。

图1 研究区地貌Fig.1 Landform of the study area

1.2 数据来源NDVI数据基于美国NASA戈达德航天中心2000—2020年MOD13Q1产品三级网格陆地植被数据(https://ladsweb.nascom.nasa.gov/),其时间分辨率为16 d,空间分辨率为250 m[18]。气候数据来自国家青藏高原科学数据中心提供的2000—2018年四川省0.1°×0.1°的年近地面气压、近地面空气比湿、近地面全风速、地面降水强度和日近地面气温[19]。采用中国科学院地理科学与资源研究所的1∶100万地貌类型空间分布数据,其基于全国实际情况划分了26个地貌类型[20-21]。植被覆盖类型数据来源于资源环境科学数据中心的全球 1 km×1 km土地利用覆盖数据[22]。基于高程数据进行计算得到坡度和坡向,并利用四川省行政边界的矢量图层裁剪相关数据。

1.3 研究方法

1.3.1归一化植被指数处理方法。

(1)MODIS-NDVI数据提取。基于MRT软件从MODIS数据中提取NDVI数据集;由于四川省跨越4幅影像,该研究对其进行拼接处理,统一为WGS84地理坐标系;最后利用四川省矢量边界图进行裁剪。

(2)MVC最大化合成。从16 d合成产品中取最大像元值重新生成,得到2000—2020年NDVI各月数据集[23-24]。去除无效值后,再对每年NDVI各月数据集求平均得到2000—2020年年均和各季节NDVI数据集。

(3)回归分析和显著性检验。对NDVI的年数据和季节数据进行线性拟合,得到其趋势方程和相关系数[25-26]。

通过趋势分析法[27]分析四川省的动态,公式如下:

(1)

式中,K代表斜率,i代表第i年,NDVIi代表第i年的NDVI值。K>0时代表植被覆盖呈现改善的趋势,K=0时说明植被没有变化,K<0代表植被呈现减少的趋势。在生态环境中,自然现象之间没有明确的功能关系,但肯定有联系。相关分析是研究2个或多个随机变量之间的联系[27]。相关性分析公式如下:

(2)

1.3.2因子选取与提取方法。

1.3.2.1指标选取。前人研究发现,气候变化对四川省植被覆盖情况存在重要影响[8,28-29],如郑杰等[8]研究发现该地区植被生长与温度呈正相关,但与降水量呈负相关。四川省地形地貌丰富,增加了气候、土质和生物的多样性,间接丰富了生态环境的多样性。西部山脉和高原崎岖不平,人烟稀少,植被受人类影响相对较少。2007年,政府开始重视保护草原等资源,减少了因过度放牧引起的植被退化。因此,该研究基于整体性、有效性、动态性、逻辑性、易于处理和可获得性,还考虑到多个自然因子构成的有机整体对四川植被覆盖的影响等,分段研究不同高程、地貌、坡度、坡向、植被类型、阴坡阳坡范围内NDVI的变化情况;并选择气压、空气比湿、风速、降水强度、气温和≥10 ℃积温(表1),探测其对四川植被NDVI变化的影响,利用自然断点法[30]将各气候因子划分6级。

表1 自然因子指标

1.3.2.2信息提取。在ArcGIS 10.4中,为保证每个格网位置都有采样点,该研究创建10 000×10 000渔网;基于采样点对气候因子和植被NDVI数据进行采样,最终获得NDVI与各气候因子之间的对应关系。

1.3.3地理探测器。地理探测器是从影响因子及其相互作用等角度分析地理空间差异性的空间统计模型[31-32]。

(1)单因子影响的地理分异。步骤如下:①将特定研究区域内的因变量NDVI与自变量因子层进行叠加分析;②基于区域内自变量因子层空间差异性进行地理区划分类;③对各自然因子差异情况进行显著性检验,即基于因子间的重要程度进行排序。影响因子的解释力(PD)计算公式[8]如下:

(3)

(4)

(5)

(2)多因子交互力估算。可以估算自然因子间的独立作用与共同作用对植被NDVI的影响程度,即识别自然因子间的交互作用[8]。首先,基于植被NDVI计算2个自然因子对其的PD值;之后计算自然因子相互作用的PD值,再对比PD(X1)、PD(X2)和PD(X1∩X2)。

(3)因子显著性对比。通过判断2个自然因子对植被NDVI区域分布影响情况的显著性差异[33],从而得出X1相对于X2对植被NDVI空间分布影响力的强弱程度。对于因子X1和X2对植被NDVI空间分布影响的显著性,以F值进行估算[33],计算公式如下:

(6)

(7)

(8)

式中:N1和N2分别代表2个自然因子的样本数;SSW1和SSW2分别代表2个自然因子分层后各层方差之和;k1和k2分别代表变量x1和x2的分层数量。

表2 探测因子的统计显著性

2 结果与分析

2.1 植被NDVI动态变化

2.1.1NDVI总体变化趋势。从图2可以看出,近21年间四川省NDVI的变化趋势整体呈现平稳和增长2种趋势,其中,NDVI基本保持不变的面积占四川省总面积的59.79%,主要位于西北高原和西南山地;NDVI明显增长的面积占37.54%,大多位于成都平原和东部盆地;仅有2.67%的区域植被处于退化状态。退化明显的区域主要位于成都市,其次为凉山州。总体而言,NDVI在成都平原和东部盆地的城市中心呈现明显的退化趋势,而在其边缘呈现明显的增长趋势;西北高原和西南山地地区,NDVI交替呈现稳定不变和增长趋势,仅有小部分区域呈现退化趋势。

图2 2000—2020年四川省NDVI变化趋势Fig.2 NDVI change trends in Sichuan Province from 2000 to 2020

2.1.2不同植被类型NDVI变化特征。根据不同植被类型、坡度、坡向、地貌、高程和阴坡阳坡,分析NDVI的3种变化趋势所占比例。就植被类型(图3)而言,滩地范围内NDVI退化面积占比最大,达10.19%;其次为其他林地和水田,NDVI退化面积比例分别为3.28%和2.58%;退化不明显的是沼泽地、旱地、灌木林和草地。旱地NDVI改善面积占比最大,达91.80%;其次为水田和疏林地,NDVI改善面积占比分别为81.28%和72.93%。低、高覆盖度草地的NDVI增长面积较小,分别为43.00%和46.98%;这两类草地中NDVI保持稳定的区域面积较大,分别为56.50%和52.44%。

图3 不同植被类型NDVI变化特征 Fig.3 NDVI variation characteristics of different vegetation types

2.1.3不同地形特征NDVI变化特征。从图4可以看出,NDVI变化趋势在阴坡和阳坡差别不明显,阴坡的NDVI改善面积(64.70%)略大于阳坡(61.35%);而阳坡中NDVI保持不变的面积(37.17%)略大于阴坡(34.09%)。

图4 不同地形特征NDVI变化特征Fig.4 NDVI variation characteristics of different terrain features

由图4可知:随着坡度的上升,NDVI改善面积所占比例明显减少; NDVI保持不变的面积比例随着坡度的上升而明显增加;坡度<2° NDVI退化面积比例最大,达2.35%;其次为≥20°坡度范围,占比达1.73%。

由图4可知:平原NDVI的退化面积最大,达7.39%;其次为台地和丘陵,NDVI退化面积占比分别为2.96%和1.25%;退化最不明显的是极大起伏山地,仅为0.52%。丘陵范围内NDVI的改善面积最大,达86.15%;其次为小起伏山地和台地,占比均为78.75%;极大起伏山地和大起伏山地的NDVI改善面积较小,占比分别为42.36%和45.22%;同时其NDVI保持不变的面积最大,占比分别为57.12%和53.84%。

由图4可知,各个坡向的NDVI退化面积所占比例基本相等,且改善和稳定的变化趋势亦相差较小。西北坡NDVI改善面积占比略大,占其总面积的67.91%;东坡的略小,占其总面积的57.80%。

由图4可知,随着高程升高,NDVI改善与退化的区域面积均呈现减小趋势,在0～6 800 m,NDVI改善区域的面积减少61.01%,NDVI退化区域的面积减小82.59%;只有NDVI保持稳定的区域面积增加了72 594.89 km2。在不同的高程范围内,NDVI改善区域的面积随着高程上升而明显减小,但在≥5 600 m减小速度最慢。

2.2 自然因子影响力分析基于地理探测器计算各自然因子对植被NDVI的影响程度。通过计算2000、2006、2012和2018年气候因子的PD平均值,提取出各因子对植被NDVI的影响力。经计算,风速、≥10 ℃积温、降水强度、空气比湿、气温、气压的PD平均值分别为0.027 1、0.330 2、0.108 8、0.297 4、0.349 5、0.305 7,且PD值均显著(P<0.01)。由此可见,各气候因子对植被NDVI的影响程度从大到小依次为气温、≥10 ℃积温、气压、空气比湿、降水强度、风速;气温和≥10 ℃积温很有可能是影响植被变化的主要自然因子。

2.3 自然因子时间变化从图5可以看出,研究时段内年均风速、≥10 ℃积温、降水强度、空气比湿、气温和气压的PD值总体呈增加趋势。其中,2000—2006年所有气候因子PD值呈略微增加趋势,2006—2012年气候因子PD值皆呈减少趋势。除风速外,2012—2018年气候因子PD值皆呈明显增加趋势。19年间风速PD值变化很小,较稳定,同时气温和气压的变化较大。

图5 2000—2018年气候因子PD值变化Fig.5 Changes in climate factor PD values from 2000 to 2018

2.4 自然因子显著性差异利用因子显著性对比方法计算自然因子对植被NDVI影响显著性差异的强弱,即因子两两之间是否存在显著的统计学差异,若不存在则标记为“N”,反之标记为“Y”(表2)。由表2可知,风速(X1)与≥10 ℃积温(X2)、降水强度(X3)、空气比湿(X4)、气温(X5)、气压(X6)对植被NDVI空间分布的影响均具有显著差异;≥10 ℃积温与降水强度、空气比湿对植被NDVI空间分布的影响均具有显著差异,但与气温、气压对植被NDVI空间分布的影响均差异不显著;降水强度与空气比湿、气温、气压对植被NDVI空间分布的影响均具有显著差异;空气比湿与气温具有显著差异;气温与气压对植被NDVI空间分布的影响具有显著差异;气压与≥10 ℃积温、空气比湿对植被NDVI空间分布的影响均差异不显著。

2.5 探测因子指示作用分析利用地理探测器,得出植被最优生长环境的各气候因子范围(表3),其统计意义检验结果高于95%置信水平。植被NDVI值越大,代表气候因子的范围更适宜植被生长,而各气候因子的植被NDVI均值差异明显(表3)。在各自然因子NDVI适宜区间中,0.18～0.24 mm/h降水强度区间的NDVI均值最高,为0.71;其次为85 766～92 994 Pa气压区间,NDVI均值为0.70;2.88～3.48 m/s风速区间的NDVI均值最低,为0.57。基于NDVI均值大小,气候因子最适宜范围的合适程度排序为降水强度>气压>气温>≥10 ℃积温>空气比湿>风速。因此,若选取适宜植被生长最小范围,0.18～0.24 mm/h降水强度为最佳,其次可考虑85 766～92 994 Pa气压范围。

表3 自然因子适宜限制(P<0.05)

2.6 探测因子交互作用分析交互探测根据估算各因子之间对于NDVI的影响是否独立来确定是否存在增加或减弱对植被NDVI变化情况的解释力(表4)。气温(X5)和气压(X6)、风速(X1)、≥10 ℃积温(X2)、降水强度(X3)的交互作用对植被NDVI的解释力更强,分别为0.451、0.447、0.433、0.443;风速和降水强度对植被NDVI的影响接近于相互独立。

表4 自然因子交互作用探测

从表5可看出,各气候因子共同影响着植被NDVI的变化,所有因子两两之间交互PD值都大于其中一个因子,因子互动效应呈现相互增强和非线性增强关系,没有独立影响植被NDVI的因子。各气候因子两两之间对植被NDVI变化的交互作用基本呈相互增强关系,只有风速与降水强度呈非线性增强关系。其中,两因子非线性增强效果大于相互增强。

表5 影响植被NDVI变化的自然因子之间的交互作用

3 结论

(1)NDVI在成都平原和东部盆地呈明显增长趋势,而城市中心呈现明显的退化趋势;西北高原和西南山地地区,NDVI交替呈稳定不变和增长趋势,仅小部分区域呈退化趋势。旱地、阴坡、丘陵、西北坡范围NDVI改善区域比例最高,低覆盖草地NDVI改善区域比例最小;阳坡NDVI保持不变的面积略大于阴坡;随坡度增加,NDVI改善区域比例明显减少,反之保持不变的比例明显增加;随海拔上升,NDVI改善面积减小61.01%,退化面积减小82.59%。

(2)2000—2018年各气候因子对植被NDVI影响程度从大到小依次为气温、≥10 ℃积温、气压、空气比湿、降水强度、风速。所有气候因子PD值呈先增加后减少再明显增加的趋势。

(3)这些气候因子对植被NDVI影响存在交互作用且基本呈相互增强关系,只有风速与降水强度呈非线性增强关系;该研究能够提取影响植被NDVI的主要自然因子并进行排序,为植被最佳生长范围提供参考。