2000年——2020年珠...植被覆盖度时空变化特征研究_冯建平.pdf

第 57 卷 第 1 期 广 东 蚕 业 Vol.57,No.01 2023 年 1 月 GUANGDONG CANYE Jan.2023 34 DOI：10.3969/j.issn.2095-1205.2023.01.11 2000 年2020 年珠江流域植被覆盖度时空变化特征研究 冯建平（西华师范大学地理科学学院 四川南充 637009）摘 要 文章基于 Google Earth Engine 平台，在 MODIS EVI 数据的基础上，结合像元二分法模型和一元线性回归两种方法来研究珠江流域 2000 年2020 年植被覆盖度时空变化特征。结果表明：（1）2000 年2020 年研究区内植被覆盖度以 0.002 9/a 的速率波动上升；（2）珠江流域植被覆盖度空间上明显呈西高东低分布格局，植被覆盖度呈现改善趋势的区域面积大于呈退化趋势的区域面积，且大部分低植被覆盖度区域转变为中植被覆盖度区域。研究结果有助于了解地区生态环境演变，对于指导地区生态修复和可持续发展具有重要意义。关键词 植被覆盖度；EVI；珠江流域；时空变化；趋势分析 中图分类号:Q948 文献标识码:A 文章编号:2095-1205(2023)01-34-04 植被作为陆地生态系统的重要组成部分，通过光合作用吸收二氧化碳和水生成氧气和有机质，在水循环和碳循环中起着至关重要的作用1-2。植被覆盖变化可以作为反映植被健康和生态系统稳定性的重要指标，监测植被覆盖度的时空动态对于及时准确地评估生态系统恢复政策的效益至关重要3-4。常用于计算或者表征植被覆盖度的植被指数有归一化植被数据（NDVI）和增强植被指数（EVI），与 NDVI 相比，EVI 在合成算法上做了进一步的优化，有效地克服了NDVI 容易过饱和的问题5-6。王行汉等基于 MODIS EVI 数据，利用相关性分析方法探讨 2004 年2013 年珠江流域植被变化对气象因子和人类活动因子的响应，研究结果表明珠江流域人类活动对植被变化影响程度大于自然环境7。王睿卿等利用一元线性回归方法探讨 2000 年2015 年珠江流域 NDVI 植被时空变化特征，并运用地理探测器探讨自然环境因素与人为活动因素两类因素对研究区内植被 NDVI 时空变化的影响程度，研究结果表明珠江流域平均植被覆盖呈明显改善趋势且人类活动对植被变化影响程度大于自然环境8。综上所述，关于珠江流域植被覆盖变化的研究主要集中在 NDVI时空变化特征及其与气候、地形等因子之间的关系上，而利用 MODIS EVI 对珠江流域植被覆盖度动态变化趋势进行研究较少。故本文利用 Google Earth Engine（GEE）平台，以 MODIS EVI数据为基础，运用像元二分法和一元线性回归两种方法分析珠江流域 2000 年2020 年植被覆盖度时空 作者简介：冯建平（1995），男，汉族，四川宜宾人，硕士研究生在读，研究方向为资源与环境遥感。变化特征，从宏观方面了解区域植被变化趋势分布状况，旨在为珠江流域生态修复和可持续发展提供决策依据。1 研究区概况 珠江流域位于我国的西南部，横跨云南、贵州、广西、江西、福建、广东 6 个省级行政单元，流域面积44.68万km2。研究区地势总体上呈西高东低，从西到东依次跨过云贵高原、广西丘陵、珠江三角洲三大地貌单元，海拔范围为-55 m2 890 m。研究区内气候以亚热带季风气候为主，多年平均气温在 14 22 间，多年平均降水在 660 mm2 200 mm 间，受海陆位置和地形的共同作用，降水量呈现由西向东逐渐增加的趋势9。2 数据来源与研究方法 2.1 数据来源 本文数据来源于 GEE 遥感云平台，分辨率为250 m，时间分辨率为 16 d，具体处理过程如下：首先利用 GEE 网页端的 JavaScript API 接口访问 2000 年2020 年全球范围的 MOD13Q1 EVI 产品数据集，其次根据矢量范围筛选和裁剪出位于珠江流域的影像数据集，最后采用最大值合成法获取 2000 年2020 年共 21 年的最大 EVI 时间序列影像10。2.2 研究方法 2.2.1 Google Earth Engine 云平台 Google Earth Engine 是谷歌公司研发的云计算平 第 1 期 2000 年2020 年珠江流域植被覆盖度时空变化特征研究 第 57 卷 35 台，其不仅可以提供海量的地理空间数据，还可以在线对地理空间数据进行采集、处理、编辑和可视化等一系列的操作。它提供的数据包括各种常用的光学影像、雷达影像、气象和地形等数据集，容量达到 PB级。GEE 可以实现快速、大量地处理数据，而不受空间和时间限制，这有助于研究者快速地监测和量化地表动态变化。目前，GEE 已被广泛应用于植被、水、城镇和土地利用变化监测等地学遥感研究11。2.2.2 最大值合成法 为了更好地降低云、大气和太阳高度角等因素对MODIS EVI 数据质量的影响程度，本研究采用最大值合成法逐年合成珠江流域植被 EVI 的年最大值12，具体计算公式如下：max()ijEVIEVI=（1）式中，iEVI表示像元第 i 年的 EVI 最大值，jEVI表示像元第 i 年第 j 景的 EVI 值。2.2.3 像元二分法模型 像元二分法是线性混合像元分解最简化的一种模型，其原理是假设每个像元物质都由植被和非植被两部分组成，植被与非植被的面积在像元中所占的比例是二者的权重。植被覆盖度就是植被所对应的权重，具体计算方法如下：soilvegsoilEVIEVIFVCEVIEVI-=-（2）式中，FVC是植被覆盖度，soilEVI是纯土壤端元对应的 EVI 值，vegEVI是纯植被端元对应的 EVI值。在复杂的环境下，soilEVI和vegEVI会随着时空环境变化而改变。参考已有的研究11，本研究选取对应年份影像像元数累计百分比 0.5%的为纯土壤端元对应soilEVI，99.5%的为纯植被端元对应vegEVI。2.2.4 趋势分析法 为了更加清楚地掌握 2000 年2020 年间珠江流域的时空变化特征，利用一元线性回归的方法分析逐个像元植被覆盖度的变化趋势，具体计算公式如下：111Slope2211()=()innniiiinniiniFVCiFVCnii=-（3）式中：n 为研究时间段的总年数；iFVC为像元第i年植被覆盖度的大小；Slope表示 2000 年2020 年珠江流域植被覆盖度的变化趋势，Slope的正负代表研究区植被覆盖度变化方向，Slope绝对值的大小表示植被覆盖度变化的程度。为了更好地划分植被覆盖度变化趋势，用 F 检验法对植被覆盖度变化趋势分析结果进行显著性检验，结合Slope和显著性水平的结果，将植被覆盖度变化趋势划分为 5 个类型，如表 1所示。表 1 植被覆盖度变化趋势分类标准 斜率 显著性水平 植被覆盖度变化趋势Slope0 p0.01 显著退化 0.01p0.05 退化 p0.05 基本不变 Slope0 0.01p0.05 改善 p0.01 显著改善 3 结果与分析 3.1 植被覆盖度的时间变化特征 为了更好地体现珠江流域植被覆盖度年际间的变化，逐年求取研究区内全部像元 FVC 的平均值表示当年珠江流域整体的植被覆盖程度，绘制2000年2020年珠江流域年最大 EVI 均值图（见图 1）。研究区在近21 年内植被覆盖度平均值呈现波动上升趋势，最小值出现在 2000 年，为 0.529，于 2018 年达到最大值0.589。从拟合的线性关系可知，2000 年2020 年珠江流域植被覆盖度的增加趋势为 0.002 9/a，表明研究区植被覆盖呈现改善的趋势。图 1 珠江流域 2000 年2020 年植被覆盖度的 年际间变化 3.2 植被覆盖度的空间变化特征 利用 Matlab 2019a 软件编程实现逐像元求取 2000年2020 年间植被覆盖度的均值后，参考相关研究文献11,13，利用 ArcGIS 10.3 的重分类工具把植被覆盖等级分为以下 5 类：植被覆盖度小于 5%的为无植被覆盖，介于 5%与 30%之间的为劣覆盖度，介于 30%与50%之间的为低覆盖度，介于 50%与 70%之间的为中覆盖度，大于70%的为高覆盖度。最终得到近21年来珠江流域植被覆盖度空间分布格局，如图 2 所示。从研究区域整体上看，呈现西高东低的分布格局。高覆盖度主要分布于海拔较高的林地区域，由于海拔相对 第 1 期 2000 年2020 年珠江流域植被覆盖度时空变化特征研究 第 57 卷 36 适中，水热条件较好，适宜植被生长，如曲靖市东南部、文山壮族苗族自治州东北部、百色市西北部。劣覆盖度和无植被覆盖主要分布于低海拔的建设用地区域，这部分区域坡度小，地形平坦，受人为活动的影响较大，如南宁市、柳州市、桂林市、汕头市、潮州市等地级市的城区，珠江三角洲的粤港澳大湾区。图 2 珠江流域 2000 年2020 年植被覆盖度分布格局为了更加清晰地了解 2000 年2020 年各等级植被覆盖度区域面积占比变化的情况，对 2000 年和2020 年各等级植被覆盖度进行叠置分析后，得到2000年2020年珠江流域植被覆盖度变化空间转移矩阵（见表2）。根据统计数据可知，2020年高覆盖度、中覆盖度和无植被覆盖区域与2000年相比有所增加，其区域面积占比分别增加 10.57%、8.42%和 0.28%。剩余劣覆盖度和低覆盖度区域占比分别降低 0.25%和19.02%。2000 年低覆盖度区域的转出面积最大，占整个研究区面积的 27.02%，其中大部分区域的植被由于生态环境的改善从低覆盖度转为中覆盖度。表 2 珠江流域 2000 年2020 年植被覆盖度变化空间转移矩阵（单位：%）类型 无植被覆盖 劣覆盖度 低覆盖度 中覆盖度 高覆盖度 2000 年汇总 转出 无植被覆盖 0.83 0.38 0.04 0.01 0.00 1.26 0.42 劣覆盖度 0.44 1.60 1.54 0.74 0.14 4.46 2.87 低覆盖度 0.18 1.57 9.58 20.14 5.13 36.61 27.02 中覆盖度 0.06 0.56 5.38 27.15 12.78 45.92 18.77 高覆盖度 0.01 0.12 1.04 6.31 4.27 11.75 7.48 2020 年汇总 1.53 4.22 17.58 54.34 22.32 转入 0.70 2.62 8.00 27.19 18.05 变化量 0.28-0.25-19.02 8.42 10.57 利用Matlab 2019a软件编程获取2000年2020年间逐像元一元线性回归分析的斜率，并结合显著性结果进行重分类，最终得到近 21 年来珠江流域植被覆盖度变化趋势图（见图 3）。从变化程度来看，珠江流域 73.37%的区域植被覆盖度的变化趋势为基本保持稳定。植被覆盖度呈现改善趋势的区域面积大于呈退化趋势的区域面积，植被覆盖度变化趋势呈极显著改 善 和 显 著 改 善 的 面 积 占 比 分 别 为 11.31%和11.03%；极显著退化和显著退化的面积占比分别为2.4%和 1.88%。图 3 珠江流域 2000 年2020 年植被覆盖度变化趋势图（下转第 42 页）第 1 期“普薯 32 号”中 LCYb 基因的克隆与序列分析 第 57 卷 42 22杨德孟.-胡萝卜素对紫苏油抗氧化活性及其稳定性研究D.宁波:宁波大学,2020.23李晶,窦润秋,周栋,等.不同果肉颜色蜜柚番茄红素环化酶基因的表达分析J.东南园艺,2018,6(1):13-16.24赵军林,于喜艳,王秀峰.橙色果肉甜瓜-胡萝卜素积累的分子机理J.山东农业科学,2014,46(5):7-11,30.25王曼曼,薛舒丹,吴廷全,等.光照和温度调控对番茄果 实 中 类 胡 萝 卜 素 合 成 的 影 响 J.分 子 植 物 育种,2020,18(18):6158-6164.26ZENG J,WANG C,CHEN X,e