李鹏傲，姜永涛，戚鹏程，王丽美
(1.河南理工大学 测绘与国土信息工程学院，河南 焦作 473061；
2.南阳师范学院 自然灾害遥感监测河南省高校重点实验室，河南 南阳 473061)
南水北调中线工程调水量巨大，不可避免的会对水源区生态环境和社会经济产生长期的影响。植被是指覆盖地表的植物群落，是生态系统的重要组成部分，为其他生物的生存提供了赖以生活的有机物质。植被不仅受外界环境因素的影响和支配，本身也影响和改变外界环境，在生态系统、环境保护和水土保持中发挥着重要作用，是区域生态系统环境变化的重要指标[1-2]。
归一化植被指数(Normalized Difference Vegetation Index，NDVI)与植被生产力、叶面指数等重要植被特征存在显著关系，通常被用来进行植被演化和植被覆盖度研究[3-4]。传统的植被调查方法局限性很大[5]，遥感对地观测技术为获取植被动态信息提供了强有力的手段。早在20世纪70年代，美国就利用遥感预估了内布拉斯加沙漠地区的草场面积变化情况。此后，Tuller[6]利用卫星遥感数据，观测了澳大利亚新南威尔士半干旱疏林草地的植被质量。在国内，杜刚[7]利用中分辨率成像光谱仪(Moderate-resolution Imaging Spectroradiometer，MODIS)NDVI 对洞庭湖的芦苇长势进行了监测，并对洞庭湖的芦苇生长范围进行了提取，结果表明，年际MODIS NDVI 的变化规律与洞庭湖芦苇的生长规律非常吻合。张树誉等[8]利用2004—2005年MODIS NDVI序列数据，提取NDVI曲线特征参数，结合地面气象观测资料，研究了陕西省不同植被类型的季相变化特征和物候变化规律。曹博等[9]基于甘肃省2000—2014年MODIS NDVI遥感数据及气象数据，采用趋势分析法及相关分析法对甘肃省NDVI的时空变化特征进行研究，探讨了植被变化对区域气候变化的影响。颜丽虹[10]运用两种不同尺度的植被指数GIMMS(Global Inventory Modelling and Mapping Studies) NDVI和MODIS NDVI对漓江流域进行一定周期的植被生态演变研究，结果表明，两种方法推演的漓江流域植被生态演变趋势是基本一致的，在漓江流域MODIS NDVI能延续GIMMS数据的时空特征，为长周期的生态演变研究提供良好的数据基础。赵维清等[11]基于2005—2015年夏季MODIS NDVI数据，采用一元线性回归、Mann Kendall检验等分析方法，研究了湖北省植被长势时空变化特征。李杰等[12]基于中老缅交界区近16 a MODIS NDVI时序数据，借助3S技术及均值、趋势、变异系数、Hurst指数等统计学相关方法，从多层次多角度探究区内植被覆盖的时空格局、演化规律、空间变异、可持续性及未来演化趋势等特征。
南水北调中线工程是我国大规模跨流域调水工程的一部分，在对南水北调中线水源区的生态环境监测方面，周志强等[13]以 2000 年和 2009 年两期遥感图像为本底数据，利用基于NDVI的像元二分模型对南水北调中线水源区的植被覆盖度进行了估算，并分析了该区植被覆盖度的时空变化特征。高文文等[14]基于2000年、2010年和2015年3期30 m分辨率国产环境灾害卫星HJ-1 A/B CCD及Landsat TM影像数据，采用面向对象决策树分类方法，监测南水北调中线水源区的土地覆被，并运用像元二分模型和NDVI估算植被覆盖度，以此研究水源区森林动态变化机制，为水源区生态系统保护和水质安全提供理论依据。
建立连续一致的NDVI数据时间序列是植被生态环境长期监测的基础和前提[15]。目前，在南水北调中线水源区，时空连续性的植被演化分析研究较少，特别是在植被自然生长特征、气候异常(如2014年河南旱情)和人为因素(中线调水工程)影响下，水源区植被覆盖的时空演化需要进一步深入研究。本文利用2010—2019年南水北调中线水源区MODIS NDVI数据，基于ArcMap进行数据处理和分析，研究水源区植被指数时空演化特征，为南水北调中线水源区自然植被的恢复与保护提供科学依据。
南水北调中线工程水源区是依据流域界进行限划分的，地理位置范围为31°24′53″N—34°11′12″N，106°5′12″E—111°49′52″E，总面积为 9.45万 km2，涉及陕西、重庆、四川、湖北、甘肃和河南6省(直辖市)的37个市(县)，主要包括汉中、安康、商洛、十堰和南阳5市(图1)。水源区属北亚热带季风气候区，每年5—10月份为降雨多发季节，且常出现在中部地区。地貌主要由山脉、丘陵、低山、平原和盆地组成。植被种类繁多，有明显的垂直结构，主要由天然亚热带常绿阔叶林、针叶林、落叶阔叶林及其混交林等组成，物种多样性丰富[14]。
图1 南水北调中线工程水源区地形Fig.1 Topographic map of water source area of the middle route of South-to-North Water Diversion
3.1 MODIS NDVI数据
卫星遥感对地观测是利用卫星传感器收集地表物体不同波段的反射电磁波，并根据不同波段的电磁波强度变化差异与实际地表情况建立联系[16]。植被在红光和蓝光两个波段表现出高吸收特性，在近红外波段表现出高反射特性，植被指数(Vegetation Index，VI)正是利用植被的这一特征来反映地表植被生长状况[17]。
NDVI对植被的生物物理特征十分敏感，具有很好的抗辐射误差干扰能力，并且在植被覆盖度为25%～80%时能对植被状态进行很好的监测，通常被用来进行植被分类和植被覆盖度研究[3]。NDVI计算公式为
NDVI=(ρNIR-ρR)/(ρNIR+ρR) 。
(1)
式中ρNIR与ρR分别为植被在近红外波段与红外波段的反射率。
植被指数的获取依赖于具有红光波段与近红外波段的遥感数据。目前具有此数据条件且应用较广的传感器主要有NOAA(National Oceanic and Atmospheric Administration)/AVHRR(Advanced Very High Resolution Radiometer)、TM与MODIS等。其中，MODIS数据具有全球数据免费获取、光谱范围广、更新频率高、波段范围窄和数据量丰富等多个优点。因此，本文利用MODSI NDVI研究南水北调中线水源区植被指数时空演化特征。
本文用到的数据为南水北调中线水源区2010—2019年，MODIS Aqua NDVI 3级正弦投影植被指数产品(MYD13A1)，空间分辨率为 500 m，时间分辨率为16 d。
3.2 研究方法
为获取2010—2019年南水北调中线工程水源区的年度NDVI数据集，本文利用ArcMap 10.3，对MODIS MYD13A1产品的处理流程如图2所示。
图2 水源区MODIS NDVI数据处理流程Fig.2 Flow chart of MODIS NDVI data processing in water source area
(1)利用MODIS Reprojection Tool(MRT)对MYD13A1文件(HDF格式)进行同期NDVI投影变换与数据拼接[18-20]。
(2)利用ArcMap掩膜工具(Mask)提取中线水源区内部栅格像元的NDVI值。
(3)利用ArcMap栅格计算器工具(Raster Calculator)中的Con函数，将栅格中像元值为负数的区域去除，≥0的区域仍然为原来栅格的值，实现水源区水域NDVI值的去除。计算公式为：“NDVI.tif”*Con(“NDVI.tif”≥0，1)。式中"NDVI.tif"为要去除水域信息的图像。
(4)NDVI最大值合成：对水源区同年度6—8月份的各期NDVI数据，基于ArcMap像元统计工具(Cell Statistics)，进行像元尺度NDVI年内序列最大值合成，获取2010—2019年水源区年度NDVImax数据集。研究表明，NDVI最大值合成可以有效减少大气中来自云、雾、气溶胶、云阴影、视角及太阳高度角的影响[21-23]。
4.1 水源区植被时间变化特征
利用南水北调中线水源区的年度NDVImax数据集，统计得到2010—2019年水源区范围内的年度NDVImax均值，结果见图3。
图3 水源区2010—2019年NDVImax均值序列Fig.3 Time series of mean NDVImax in water source area from 2010 to 2019
为直观分析水源区植被指数的年度变化，计算NDVImax均值年度差值，见图3中柱状图(为突出变化，柱状图中将NDVImax均值变化放大10倍)。
图3显示，2010—2019年，水源区植被指数整体呈现平稳上升趋势，与南水北调中线水源区大力实施水源区生态保护政策有关，包括退耕还林工程和天然林保护工程等。其中，2011—2012年植被指数显著增加；
2014年植被指数较2013年明显减少，可能是受2014年水源区旱情影响；
2014—2019年，水源区植被指数呈明显上升趋势，其中2014—2015年与2016—2017年，植被指数增长较明显；
2017—2019年期间植被指数有小幅度减小。2010—2019年，水源区的NDVImax年度均值一元线性回归斜率为 0.001 1，说明水源区的植被覆盖情况整体呈现较小的上升趋势。
4.2 植被空间分布及其演化
利用2010—2019年南水北调中线水源区年度NDVImax数据集，得到2010—2019年NDVImax均值和NDVImax年度差值数据，结果见图4和图5。
图4 2010—2019年NDVImax均值空间分布Fig.4 Spatial distribution of mean NDVImax value from 2010 to 2019
图5 2010—2019年水源区NDVImax年度差分Fig.5 Annual difference of NDVImax in water source area from 2010 to 2019
结合南水北调中线水源区地形图(图1)可以发现，水源区NDVImax均值分布呈现与地形强相关特征，海拔高的地区为水源区森林覆盖区，NDVImax均值较高；
海拔低的区域，尤其是水源区范围内的主要城镇分布区域，NDVImax值较低。
2010—2019年，NDVImax发生显著变化的区域主要集中在低海拔的人口密集区，说明这些地区的植被更易受气候变化和社会政策的影响。2011—2012年水源区植被指数显著增加，且NDVI增加区域主要为水源区城镇周边区域，原因可能与南水北调中线水源区大力实施水源区生态保护政策有关；
2014年水源区中部和东南部NDVI较2013年度存在明显下降，其中靠近丹江口水库的商洛、南阳和十堰市植被指数下降最为明显。2014—2015年水源区各地区植被指数都有明显增长，且商洛、南阳和十堰市植被指数增长最为明显。2015—2019年水源区植被指数总体呈增长趋势。
水源区2013—2015年NDVImax呈现显著的“下降-恢复”特征。2013—2014年度(图6(a))，水源区NDVI显著下降区域主要分布在陕西省商洛市(区域A)、河南省南阳地区和湖北省十堰地区(区域B)和陕西省汉中地区(区域C)。对比图6(a)和图6(b)，2015年水源区NDVI值增加区域与2014年NDVI值减少区域空间上对应明显，且丹江口水库附近有局部地区植被指数进一步下降(图6(b))。
植被生长直接受到地表温度、降水等气候因素的影响[24]，为分析2013—2015年NDVI变化原因，本文从“国家青藏高原科学数据中心”(http：∥data.tpdc.ac.cn)下载中国1 km分辨率月最高(低)温度数据集、中国1 km分辨率逐月降水量数据集和中国土壤水分数据集。其中，温度数据集和降水量数据集是根据CRU(Climatic Research Unit)发布的全球0.5°分辨率的气候数据集以及WorldClim发布的全球高分辨率气候数据集，通过Delta空间降尺度方案在中国地区降尺度生成，并通过496个独立气象观测点数据验证[25]。土壤水分数据集由JAXA(Japan Aerospace Exploration Agency)AMSR-E 和AMSR2 Level 3土壤水分数据、INRA(Institut Nationale de la Recherche Agronomigue)和法国空间生物圈研究中心(CESBIO)研发的 SMOS 土壤水分数据生成[26]。
利用和NDVI相同的处理方式，获取2013—2015年6—8月份的水源区月平均最高(低)温度均值、月降水量均值与土壤湿均值，结果见图7。
图7显示，水源区2014年月度最高(低)温度均明显低于2013年，2015年较2014年7、8月份温度相差不大，9月份后温度略高于2014年(图7(a)、7(b))；
水源区2014年6、7月份降水量大幅低于2013年同期降水量，8月份的降水量略有回升，2015年6月降水量远高于2014年同期降水量，而7、8月份降水量都低于2014年(图7(c))；
水源区土壤湿度变化特征与降水量变化基本一致，2014年 7月份较2013年同期土壤湿度有明显下降，8月份2014年土壤湿度则略高于2013年，2015年 6月份较2014年同期土壤湿度大幅度提升，7、8月份2015年土壤湿度略低于2014年(图7(d))。以上分析表明，较2013和2015年，2014年水源区呈现“低温少雨”的干旱气候特征，尤其是6月份的2014年降水减少和2015年降水增加，与2013—2015年NDVImax“下降-恢复”特征显著正相关。
为进一步分析水源区气候与植被变化的空间关系，本文首先对2013—2015年6—8月份的土壤湿度数据进行年度均值合成，而后进行年度差分，结果见图8。
图8(a)与图8(b)的左侧大图均为水源区土壤湿度年度差分图，右侧小图则为水源区同时段的NDVI差分图。由图8可见，土壤湿度年度变化与NDVI变化在空间上保持一致，且这一现象在丹江口水库附近表现最为明显，表明二者变化呈强相关。已有研究表明，2014年，水源区旱情集中在5—8月份，6—7月份旱情最为严重[27]。水源区地表温度和降水异常，是导致2014年水源区NDVI降低的主要原因。2015年水源区降水充沛[14]，旱情得到缓解，是2015年NDVI恢复的原因。
此外，2014年12月南水北调中线工程正式通水，通水前丹江口水库增加蓄水量，11月1日最高蓄至160.72 m[28]。水位上升，水域面积增加，一些区域被淹没[29-30]，NDVI值由正值变成缺失值，可能是丹江口水库附近2013—2015年局部地区NDVImax降低的原因。
2010—2019年水源区NDVI年度差分图(图9)显示，在陕西省商洛(区域A)和湖北省十堰地区(区域B)，NDVI显著增加，结合水源区地形图(图1)，区域A、B的NDVI增加区域处于海拔较低的城镇地带，可能与这些区域大力实施“退耕还林、植树造林”的政策有关[31]。在区域B，丹江口水库范围的NDVI值显著减少，原因可能是南水北调中线工程通水后，丹江口水库水位上升，导致低海拔植被区被淹没。2010—2019年，陕西省汉中地区(区域C)植被指数明显减少，NDVI减少区域主要集中在低海拔的城镇区域，可能与2010—2019年城镇扩张，建设用地增加有关。
图9 2010—2019年水源区NDVImax年度差分Fig.9 Annual difference of NDVImax in water source area from 2010 to 2019
本文利用南水北调中线工程水源区2010—2019年MODIS NDVI产品，基于ArcMap和一元线性回归，进行数据拼接、水源区掩膜、水域NDVI值去除以及年度NDVI最大值合成，得到水源区年度NDVImax数据集及其变化趋势，并对水源区2010—2019年的植被指数时空演化特征及其原因进行分析，主要结论如下：
(1)水源区NDVI分布与地形强相关，海拔高的地区为水源区森林覆盖区，NDVI值较高；
海拔低的区域，尤其是河谷、丹江口库区以及主要城镇分布区域，NDVI值较低。
(2)2010—2019年，水源区植被指数呈现稳定增长趋势，可能与水源区大力实施水源区生态保护政策有关。期间，2013—2015年水源区NDVI呈现显著的“下降-恢复”特征，与2014年水源区地表温度和降水异常导致的旱情、2015年水源区降水恢复以及丹江口水库蓄水水位上升等原因有关；
2010—2019年，水源区NDVI发生显著变化的区域主要集中在低海拔的人口密集区，说明这些地区的植被更易受气候变化、城镇扩张和“退耕还林、植树造林”政策的影响。此外，南水北调中线工程通水后，丹江口水库水位上升是导致水库区域植被指数降低的原因。
本文研究可为南水北调中线水源区的生态保护与经济发展提供科学依据。
猜你喜欢 植被指数中线南水北调 南水北调：曾有三个问题争执不下华声文萃(2022年5期)2022-06-01基于无人机图像的草地植被盖度估算方法比较草业科学(2022年3期)2022-03-26课本内外学生天地·小学低年级版(2018年9期)2018-12-03课本内外学生天地·小学低年级版(2018年11期)2018-01-05用好南水北调征地移民资金百年潮(2017年5期)2017-05-25浅谈植被指数的分类与应用计算机时代(2016年12期)2017-01-14直角三角形斜边上中线的性质及其应用中学生数理化·八年级数学人教版(2016年3期)2016-04-13南水北调难几许？民生周刊(2014年21期)2014-10-15