劉玉婷， 張齊飛， 劉景時,4， 關(guān)含笑， 孟凡雪

（1. 喀什大學生命與地理科學學院/新疆維吾爾自治區(qū)帕米爾高原生物資源與生態(tài)重點實驗室，新疆 喀什 844000；2.山西師范大學地理科學學院，山西 太原 030000；3.中國科學院新疆生態(tài)與地理研究所荒漠與綠洲生態(tài)國家重點實驗室，新疆 烏魯木齊 830011；4.中國科學院青藏高原研究所，北京 100101；5.喀什地區(qū)氣象局，新疆 喀什 844000）

植被在陸地生態(tài)系統(tǒng)中扮演著必不可少的角色，在防止水土流失、生態(tài)風險評估及維持生態(tài)平衡等方面具有重要作用［1］。植被覆蓋度是指植被(包括葉、莖、枝)在地面的垂直投影面積占統(tǒng)計總面積的百分比［2］。植被覆蓋度，可作為重要參數(shù)來評價區(qū)域生態(tài)系統(tǒng)的安全性、環(huán)境優(yōu)劣及穩(wěn)定性等，在反映生態(tài)環(huán)境的健康程度、監(jiān)測生態(tài)系統(tǒng)變化等方面發(fā)揮重要的作用，作為描述生態(tài)系統(tǒng)的重要基礎(chǔ)數(shù)據(jù)，被廣泛應用于氣候、生態(tài)、水文等研究領(lǐng)域［3-5］。

歸一化植被指數(shù)（Normalization difference vege?tation index，NDVI）作為植被覆蓋度的主要數(shù)據(jù)源之一，主要被用于探究長時間序列植被覆蓋變化及其對氣候變化的響應，是反映植被生長狀況的指數(shù)［6-7］。利用衛(wèi)星遙感計算的NDVI 是計算地表植被覆蓋變化的重要手段，也是目前研究的熱點領(lǐng)域［8-9］。監(jiān)測植被覆蓋時空變化對區(qū)域生態(tài)系統(tǒng)穩(wěn)定及優(yōu)化都有著十分重要的意義［10-11］。為了定量評估植被覆蓋的時空特征及其對氣候的響應，國內(nèi)外學者分別利用MODIS、GIMMS、Landsat 等數(shù)據(jù)對新疆地區(qū)植被覆蓋變化開展了一系列研究。曹永香等［12］基于MODIS數(shù)據(jù)對新疆策勒綠洲-沙漠過渡帶的植被覆蓋時空變化及影響因素進行了分析，發(fā)現(xiàn)人類活動是植被覆蓋變化的主導因素；Liu 等［13］應用GIMMS-NDVI3g 數(shù)據(jù)研究了新疆“山地-綠洲-荒漠”植被覆蓋時空特征、變化趨勢及植被覆蓋對氣候的響應程度；龐冉等［14］研究了2000—2017年新疆吐魯番盆地植被覆蓋時空變化特征及水熱組合影響，分析得知水分條件是大部分地區(qū)植被生長的主要限制因素，且熱量增加有利于植被生長。

目前，新疆植被覆蓋度遙感估算的研究，大部分是市級、省級等較大的研究范圍，對于縣級的長時序植被覆蓋度的時空變化研究尚不多見。植被覆蓋度變化均從整體角度出發(fā)，而將具有重要生態(tài)意義的植被類型的覆蓋度變化忽略，未能進一步的解析不同植被類型的覆蓋度變化及其對氣候因素的響應。因此，本文以塔什庫爾干塔吉克自治縣（簡稱塔縣）為研究區(qū)，以耕地、草地、林地不同植被類型為研究對象，基于NDVI指數(shù)，利用混合像元二分模型構(gòu)建植被覆蓋度影像數(shù)據(jù)，并應用空間穩(wěn)定性分析、Sen+Mann-Kendall 空間趨勢分析、線性回歸、Spearman 相關(guān)分析等方法，探討植被的動態(tài)規(guī)律與趨勢變化及其對氣候變化的響應，以為區(qū)域的生態(tài)環(huán)境維護、生態(tài)管理、區(qū)域政策制定提供數(shù)據(jù)支持。

1 研究區(qū)概況

塔縣（35°37′～38°40′N，71°23′～77°01′E）位于新疆南部，具有“一縣鄰三國，兩口通兩亞，兩路連東西”的獨特區(qū)位優(yōu)勢；面積約為2.5×104km2，占新疆面積的3.3%；地處帕米爾高原東麓，平均海拔4000 m 以上，冰川資源豐富，冰川面積約為2.3×103km2，海拔5000 m 以上的山峰均終年積雪，南有海拔8611 m 的世界第二高峰——喬戈里峰，北有海拔7546 m 的“冰山之父”——慕士塔格冰峰。其氣候?qū)俸疁貛O干旱荒漠氣候，并具有大陸性高原山地干旱氣候特征，年均溫度3.3 ℃，年均降水量69 mm［15］。研究區(qū)概況如圖1所示。

圖1 研究區(qū)示意圖Fig.1 Schematic diagram of the study area

2 數(shù)據(jù)與方法

2.1 數(shù)據(jù)來源與處理

NDVI 來源于美國航空航天宇航局（https://lp?daac.usgs.gov/）MOD13Q1 數(shù)據(jù)產(chǎn)品，16 d 時間分辨率、250 m空間分辨率，時間跨度2001—2020年。利用最大值合成法（Maximum value composite, MVC）計算NDVI 月值，MVC 方法可以有效地減少來自外界環(huán)境要素的影響，如云陰影、氣溶膠、太陽高度角等。氣溫、降水量數(shù)據(jù)來源于氣象數(shù)據(jù)網(wǎng)（http://da?ta.cma.cn/）的新疆境內(nèi)的41 個氣象站點，采用反距離權(quán)重法（IDW）進行空間插值，生成與NDVI 具有相同空間分辨率的柵格數(shù)據(jù)［16］。2000、2005、2010、2015 年和2020 年土地利用數(shù)據(jù)，30 m 空間分辨率，來源于中國科學院資源環(huán)境科學數(shù)據(jù)中心（http://www.resdc.cn）。

2.2 研究方法

2.2.1 植被覆蓋度植被覆蓋度的計算是依據(jù)混合像元二分模型，該模型假設(shè)每個像元由土壤、植被兩部分組成，具體公式如下［6］：

式中：FVC為植被覆蓋度；NDVI為歸一化植被指數(shù)；NDVIV為完全被植被覆蓋像元的NDVI 值；NDVIS為土壤像元或無植被覆蓋像元的NDVI值。依據(jù)研究區(qū)植被特點與《生態(tài)環(huán)境狀況評價技術(shù)規(guī)范》，劃分為高植被覆蓋區(qū)（≥50%）、中植被覆蓋區(qū)（20%～50%）、低植被覆蓋區(qū)（5%～20%）和裸地（＜5%）［6］。

2.2.2 Sen+Mann-Kendall 趨勢分析Sen+Mann-Kendall 方法是同時結(jié)合了Sen趨勢度計算與Mann-Kendall檢驗，該方法可以增強長時序趨勢分析抗噪性，提高檢驗結(jié)果準確性［17］。

Sen趨勢度計算公式如下：

式中：β為FVC變化趨勢；Median 為中值函數(shù)；xj、xi為FVC 中的序列數(shù)據(jù)；i、j為不同時間序列長度。若β＜0 時，時間序列呈下降趨勢；反之為上升趨勢。

Mann-Kendall 方法為一種非參數(shù)統(tǒng)計檢驗方法，該方法進行FVC 序列趨勢檢驗，其統(tǒng)計檢驗方法如下：

式中：Z為標準化后的檢驗統(tǒng)計量；s為檢驗統(tǒng)計量；Var為計算方差函數(shù)；n為FVC中的序列樣本數(shù)；sign為符號函數(shù)；θ為xj與xi的差值。當n≥10時，s近似為正態(tài)分布，其方差計算公式如下：

標準化后的Z為標準正態(tài)分布，若|Z|＞Z1-a/2，表明存在顯著的趨勢變化。Z1-a/2是在置信度水平a下，標準正態(tài)函數(shù)對應的值。

2.2.3 變異系數(shù)以像元為單位，利用變異系數(shù)法計算FVC年值的波動變化規(guī)律［18］，計算公式如下：

2.2.4 相關(guān)分析采用相關(guān)分析法［19］研究植被時空變化對氣候的響應程度，通過計算月值FVC和月降水量、月平均氣溫的相關(guān)系數(shù)，分析植被與氣候因子的空間關(guān)系。相關(guān)系數(shù)具體計算公式如下：

式中：rxy為變量x與y之間的相關(guān)系數(shù)；xˉ為月FVC的平均值，xi為FVC中的序列數(shù)據(jù)；n為FVC中的序列樣本數(shù)；yˉ為月氣溫或月降水量的平均值；yi為月氣溫或月降水量中的序列數(shù)據(jù)；i為時間序列長度。

2.2.5 一元線性回歸法線性回歸分析是一種重要的方法，用于研究多個變量之間的統(tǒng)計關(guān)系和植被長時序變化趨勢［20］。用數(shù)學模型，構(gòu)建x與y的公式，如下：

式中：y為FVC因變量；a、b為未知常數(shù)；x為時間自變量；ε為隨機誤差。

3 結(jié)果與分析

3.1 NDVI時空變化特征

2001—2020 年月NDVI 年內(nèi)變化趨勢較明顯（圖2e），NDVI 在0.025～0.087 之間波動，5 月NDVI開始較快上升，一年中尤其以5—6 月增幅最為明顯，在7 月達到最大值（0.087），此后到10 月迅速下降，保持在較低值?？偟膩砜矗?—9月是植被生長的旺盛時段。生長季NDVI（圖2d）從2001年的0.0672增大到2020年的0.0799，增加速率為0.0008·a-1（R2=0.64）。但20 a 間存在明顯的階段性變化，2004 年NDVI 達到最低值后波動性上升，其中2009—2020年增加速率較2001—2020 年快，為0.0014·a-1（R2=0.7702）。從2001、2010年和2020年生長季NDVI空間分布可以看出，2010年較2001年NDVI減小，ND?VI 下降了0.30%，2020 年較2001 年和2010 年NDVI增大，分別增加了18.90%、19.25%（圖2a～c）。

依據(jù)2000年土地利用類型數(shù)據(jù)，將植被劃分為耕地、草地、林地。其中，草地面積占比最高，占整個區(qū)域的36.56%，耕地與林地較少，分別僅為0.02%、0.14%。雖面積差異較大，但不同植被類型的NDVI 趨勢波動較為一致（圖2f），過程存在輕微差異。其中，2001—2020 年林地、草地的NDVI 以0.0009·a-1的速率增加，耕地NDVI 增加速率相對林地、草地緩慢，為0.008·a-1。因植被類型不同，20 a間NDVI 也有所差異。NDVI 最大值出現(xiàn)在2017 年的林地（0.113），最小值出現(xiàn)在2009 年的耕地（0.082）。

圖2 2001—2020年塔什庫爾干塔吉克自治縣生長季NDVI變化Fig.2 Changes of normalized difference vegetation index(NDVI)in Taxkorgan Tajik Autonomous County during 2001—2020

3.2 植被覆蓋度時空變化特征

本文利用生長季MODIS NDVI計算塔縣植被覆蓋時空變化，如圖3所示，近20 a植被覆蓋度減小了4.79%。由圖可知，不同等級植被覆蓋區(qū)面積存在差異，中植被覆蓋區(qū)占主要份額，占比超過65%，低植被覆蓋區(qū)次之，占總面積的29.8%，而高植被覆蓋區(qū)僅占3.1%。近20 a 不同等級植被覆蓋區(qū)時空特征不同（圖3e），高植被覆蓋區(qū)的時空變化與NDVI類似，而與中植被覆蓋區(qū)、低植被覆蓋區(qū)存在差異，高植被覆蓋區(qū)植被覆蓋度以0.0035·a-1的速率改善，而中植被覆蓋區(qū)、低植被覆蓋區(qū)分別以0.0056·a-1、0.0183·a-1的退化趨勢變化。

圖3 2001—2020年塔什庫爾干塔吉克自治縣FVC變化Fig.3 Changes of fractional vegetation coverage(FVC)in Taxkorgan Tajik Autonomous County during 2001—2020

為進一步掌握研究區(qū)植被的空間特征，我們分析了植被覆蓋度的空間穩(wěn)定性（圖4a）、空間趨勢（圖4b）。計算研究區(qū)植被覆蓋度的變異系數(shù)，分析植被覆蓋度的空間穩(wěn)定性，將穩(wěn)定性劃分為5個等級［11］。植被覆蓋度的各空間穩(wěn)定性面積占總面積比例分別為相對較低的波動變化（37.3%）、中等波動變化（32.7%）、低波動變化（12.8%）、相對較高的波動變化（12.0%）、高波動變化（5.2%），其中低波動變化、相對較低的波動變化主要集中在高植被覆蓋區(qū)、中植被覆蓋區(qū)，中等波動變化主要分布在低植被覆蓋區(qū)，而高波動變化多發(fā)生在低植被覆蓋區(qū)與中植被覆蓋區(qū)交界處。利用Sen+Mann-Kendall分析植被覆蓋區(qū)的空間趨勢，結(jié)果顯示研究區(qū)生態(tài)環(huán)境輕微的退化，植被覆蓋度顯著減少面積占總面積的3.8%，不顯著減少面積占總面積的54.5%。

對不同植被類型植被覆蓋度進行時空分析，近20 a耕地、林地、草地植被狀況均呈現(xiàn)不同程度的輕微退化，與NDVI 變化不一致（表1）。本區(qū)域NDVI偏低，利用混合像元二分模型計算的覆蓋度與土地利用數(shù)據(jù)，具有較好的一致性。在植被覆蓋度上，耕地、林地、草地分別減少了4.57%、6.32%、4.24%，在空間穩(wěn)定性上，不顯著減少分別為51.28%、54.48%、52.29%。2001—2020 年耕地比林地、草地空間穩(wěn)定性和退化程度更為穩(wěn)定和緩慢，林地退化比耕地、草地嚴重。

表1 不同植被類型植被覆蓋度時空變化統(tǒng)計Tab.1 Statistics of temporal and spatial changes of fractional vegetation coverage of different vegetation types

3.3 氣溫、降水量對植被覆蓋度的影響

氣候改變是引發(fā)一個地區(qū)植被變化的原因之一，而降水和氣溫是氣候變化最直接和敏感的因素。以近20 a生長季植被覆蓋度與月降水量、月平均氣溫進行Spearman相關(guān)性分析，研究植被覆蓋度對氣候因子的響應程度（圖5），結(jié)果顯示，降水量對研究區(qū)大部分區(qū)域無影響，僅在部分區(qū)域與植被覆蓋度有著弱正相關(guān)關(guān)系，僅占總面積的2.92%。研究區(qū)常年干旱少雨，近20 a 塔縣氣象站的月均值降水量僅為7.3 mm，對植被的影響非常有限。氣溫對研究區(qū)植被覆蓋度的相關(guān)系數(shù)介于-0.40～0.41 之間，影響存在弱正負相關(guān)關(guān)系，占比分別為0.18%、1.91%。研究區(qū)冰川資源豐富，高山常年積雪，溫度升高促進冰川積雪融化，在部分區(qū)域能夠?qū)χ脖惶峁┕喔人Y源。同時，溫度升高，蒸散發(fā)增大，抑制植物生長。

圖5 2001—2020年植被覆蓋度與氣候因子的相關(guān)分析Fig.5 Spearman correlation analysis between fractional vegetation coverage and climate factors during 2001—2020

4 討論

已有眾多學者研究干旱區(qū)植被覆蓋度變化的影響因素，發(fā)現(xiàn)不同區(qū)域影響因素存在較大差異［4］。孫帆等［21］認為干旱區(qū)程度增強、地下水位下降及耕地擴張，都是導致塔里木盆地荒漠-綠洲過渡帶植被覆蓋度下降的因素。李梓鈺等［22］認為駱駝刺保護區(qū)建立對吐魯番駱駝刺保護區(qū)的植被覆蓋度的上升具有一定的促進作用。研究區(qū)降水量極少，導致降水量對植被覆蓋度的影響非常有限，植被的水分主要來源于冰川積雪融水形成的地下徑流和地表徑流［23］。溫度升高增加冰川融化，給植被提供水資源，同時，溫度升高，蒸散發(fā)加劇，不利植被生長［24］。相關(guān)研究表明，在干旱區(qū)氣溫相對于降水量，主要發(fā)揮調(diào)整植被的年內(nèi)生長規(guī)律的作用［22］。

本研究植被覆蓋度變化以略微下降為主，植被退化區(qū)域略大于改善區(qū)域。政府雖制定有力的生態(tài)措施，增加草地面積，但區(qū)域畜牧業(yè)總體上還是以粗放生產(chǎn)為主，在發(fā)展畜牧養(yǎng)殖業(yè)過程中，更多是追求數(shù)量的增長及產(chǎn)業(yè)規(guī)模的擴大，這造成草畜矛盾較為突出［25］。區(qū)域旅游業(yè)的迅猛發(fā)展，游客人數(shù)的增加，建設(shè)用地的面積不斷增加，導致植被覆蓋度下降。另外相關(guān)研究也表明人口的不斷增多、經(jīng)濟發(fā)展的需要和城市化進程的加快，也加劇了對區(qū)域中自然資源和環(huán)境的侵占和壓力［26］。本文探討了植被覆蓋度時空特征，及其與氣溫、降水量的相關(guān)性，雖具有一定的科學意義及為生態(tài)環(huán)境建設(shè)提供建議的參考價值，但是也存在一定的不足之處。氣候變化和人類活動是植被覆蓋變化的主要影響因素，但本研究側(cè)重于討論氣候變化對植被覆蓋的影響。另有研究表明，地下水、地形、土壤濕度、溫度及養(yǎng)分等對植被覆蓋度的影響已不容忽視［27-28］。

5 結(jié)論

本文基于MODIS NDVI 數(shù)據(jù)、氣溫和降水量數(shù)據(jù)，采用混合像元二分模型、線性趨勢分析、變異系數(shù)、Sen+Mann-Kendall 趨勢分析、相關(guān)分析等方法，分析了近20 a 塔縣植被覆蓋度時空變化格局，并探討了其對氣溫、降水量的響應，得到如下結(jié)論：

（1）近20 a植被覆蓋度減小了4.79%，研究區(qū)中植被覆蓋區(qū)占主要份額，中植被覆蓋區(qū)、低植被覆蓋區(qū)分別以0.0056·a-1、0.0183·a-1的退化趨勢變化，高植被覆蓋區(qū)植被覆蓋度以0.0035·a-1的速率改善。

（2）區(qū)域植被覆蓋度的空間穩(wěn)定性以相對較低的波動變化、中等波動變化為主，占比分別為37.3%、32.7%。相對較低的波動變化主要集中在高植被覆蓋區(qū)、中植被覆蓋區(qū)，中等波動變化主要分布在低植被覆蓋區(qū)，而高波動變化多發(fā)生在低植被覆蓋區(qū)與中植被覆蓋區(qū)交界處。

（3）區(qū)域植被覆蓋度的空間趨勢呈現(xiàn)輕微退化的趨勢，其中顯著減少面積占總面積的3.8%，不顯著減少面積占總面積的54.5%。

（4）耕地、林地、草地植被覆蓋度上分別減少了4.57%、6.32%、4.24%，在空間穩(wěn)定性上，不顯著減少分別為51.28%、54.48%、52.29%。耕地比林地、草地空間穩(wěn)定性和退化程度更為穩(wěn)定和緩慢，林地退化比耕地、草地嚴重。