地表植被是陆地生态系统的重要组成部分, 不仅是连接大气、土壤和水体等自然元素的“纽带”, 也是其他生物赖以生存的基础^[1-2], 显著影响着陆地生态系统的碳水循环和能量交换^[3], 并在全球生态系统变化的研究中起着重要的“指示器”作用^[4-5]。随着全球气候变化和人类活动的不断加剧, 地表植被的动态变化以及对变化环境的响应是生态学等领域重点关注的热点之一。植被覆盖度(Fractional Vegetation Coverage, FVC)是指植被(包括叶、茎、枝)在地面上垂直投影的面积占研究区总面积的百分比^[6], 是监测地表植被生长状况的重要指标之一, 能够直观反映地表植被的丰度, 不仅为分析全球生态环境的演变提供了可靠的手段^[7], 也可作为评估区域气候变化、土地沙漠化和区域生态安全等方面的重要参数^[8-9]。

归一化差值植被指数(Normalization Difference Vegetation Index, NDVI)和增强植被指数(Enhanced Vegetation Index, EVI)是目前反映植被生长状况常用的两个植被指数^[10-12]。虽然NDVI已经被广泛使用, 但是其本身存在一些缺陷, 特别是针对大气噪声、土壤背景及饱和度等问题的处理上存在一定的误差^[11]。近年来, 一些研究发现相比于NDVI, EVI在NDVI的基础上改进了算法和合成方法, 进一步减少了大气、土壤背景以及像元异常值的影响, 并解决了NDVI易饱和等问题^[13-16], 使得EVI不仅能反映高植被覆盖区植被的生长状况^{[13, 17-18]}, 还能在低植被覆盖区对植被有更强的区分能力^{[14, 19-21]}。

我国西南地区植被覆盖景观连续性差、异质性高, 山区石漠化和水土流失严重, 地震和泥石流等地质灾害频繁, 是我国典型的气候变化敏感区和生态环境脆弱区^[22]。为了有效遏制该地区生态环境退化, 构建西南地区生态安全屏障, 国家和地方政府实施了一系列生态恢复工程。植被覆盖的动态监测和评价是生态恢复工程治理成效的重要参考指标之一, 但由于西南地区地形地貌复杂多样, 人类活动强度的区域异质性显著, 植被受地形等因子的影响较为突出, 动态监测的难度较大^[2]。目前, 该地区的植被变化研究主要集中在区域尺度的NDVI空间变异性^[2]、季节和年际变化与气候因子等关系的探讨上^{[21, 23-25]}, 而针对整个西南地区运用EVI在长时序上从稳定性等方面来分析植被覆盖时空分异特征的研究还较少^[26]。因此, 基于MODIS-EVI和气象数据, 利用最大值合成法、像元二分模型和趋势分析等方法探讨西南地区植被覆盖的时空演变规律, 揭示植被覆盖变化的时空异质性以及关键驱动因素, 以期为西南地区的植被覆盖监测与评估和生态环境恢复提供科学依据。

1 研究区概况及数据处理 1.1 研究区概况

本研究所指西南地区(21°08′—36°29′N, 87°22′—112°03′E), 主要包括贵州、广西、重庆、云南和四川五省(市、自治区)全境以及青海省南部和西藏东南部的部分县市, 总面积约213.24万km²(图 1)。该地区地形地貌复杂, 地势西高东低, 横跨青藏高原东南部、横断山脉、若尔盖高原、四川盆地和广西丘陵等地貌, 并且也是我国喀斯特和冰川地貌分布最为广泛的地区^[26]。该地区气候类型以亚热带季风气候, 热带季风雨林气候和青藏高原独特的高原气候为主, 垂直气候差异显著, 年均气温在0—24℃之间, 年降水量在600—2300 mm范围内, 由东南向西北递减^[27]。该地区复杂的地貌和气候分布特征形成了独特的植被分布格局以及丰富的生态系统类型和生物多样性^[25]。

1.2 数据来源及处理 1.2.1 数据来源

MODIS-EVI数据集来源于NASA MODIS陆地产品根据统计算法开发的MODIS数据, 即全球250 m分辨率16 d合成的植被指数产品, 数据的行列号为h24v05, h25v05, h25v06, h26v05, h26v06, h27v05, h27v06, h28v06, 数据版本为V006。本研究中所选取的数据为2001年1月至2015年12月的EVI数据, 每年23期, 共345期影像。气象数据来源于国家气象局信息中心的中国气象数据网(http://data.cma.cn)提供的西南地区及周边242个有效气象站点2001—2015年逐日平均气温和降水数据, 利用Universal Kriging法插值成250 m分辨率的栅格。

1.2.2 数据处理

利用MRT(MODIS Reprojection Tool)对下载的EVI数据进行批量拼接和重采样, 转化为WGS-84_UTM-zone-48坐标下tiff格式的影像。然后以西南地区边界为掩膜进行裁剪, 生成西南地区EVI影像。综合植被覆盖时间及空间的变化特征将15年的影像以5年为间隔, 分为2001—2005年、2006—2010年、2011—2015年3期数据, 基于MATLAB软件采用最大值合成法(Maximum Value Composite, MVC)获取逐年EVI的最大值。采用SPSS 17.0统计分析软件进行气象数据格式的转换, 应用MATLAB软件进行重采样和影像的裁剪, 应用Python语言在ArcGIS 10.2.2软件中定义投影并进行插值。

2 研究方法 2.1 最大值合成法

最大值合成法(MVC)是目前国际上通用的最大化合成法。用于将月数据进一步消除云、大气、太阳高度角的部分干扰^[28-30], 基于最大值合成法获取逐年EVI最大值, 以使EVI更真实的反应地表植被覆盖状况。计算公式为：

(1)

式中, i为年序号, 取值范围是1—15；j是月序号, 取值范围为1—12, EVI_ij为第i年第j月的最大EVI值。

2.2 像元二分模型

像元二分模型是估算植被覆盖度常用的模型之一, 其理论假设是任意像元所包含的光谱信息均为土壤和植被的两部分, 即EVI是由土壤的信息EVI_soil和植被信息EVI_veg两部分组成, 计算公式为：

(2)

式中, EVI_soil是指纯土壤的像元值；EVI_veg则是指纯植被的像元值。该模型在一定程度上减少大气、土壤背景等的影响。

基于像元逐年计算EVI年均值, 其计算公式：

(3)

式中, n为年序号, 从2001—2015年；EVI为2001—2015年EVI年均值。

利用EVI计算植被覆盖度, 公式如下：

(4)

EVI_soil理论上多数情况下应该约为零, 但在不同地表环境, EVI_soil变化范围一般为-0.1—0.2。同理, 随着植被类型和季节等因素的变化, EVI_veg也会随之改变。因此, 采用某一固定的EVI_soil和EVI_veg值, 显然是不准确的。本研究根据西南地区的特点和前人的研究^[31-34], 选取0.5%的置信度, 即累积百分比0.5%的为纯土壤像元, 99.5%的为纯植被像元, 其对应的EVI值分别为EVI_soil和EVI_veg, 并将植被覆盖度分为极低、低、中、高、极高5个等级(表 1)。

2.3 趋势分析法

利用一元线性回归分析法逐像元计算时序范围内的空间分异特性来反映植被的整体空间变化规律^[22]。计算公式为：

(5)

式中, n为年序号, 2001—2015年；FVC_i为第i年的年均植被覆盖度值, θ_slope是植被覆盖度变化的回归斜率, 反映了近15年西南地区年植被覆盖度的变化趋势及变化幅度。θ_slope =0表示植被覆盖无明显变化, θ_slope＞0表示植被覆盖度呈增加趋势, 即植被覆盖得到了改善, θ_slope＜0表示植被覆盖度呈减少的趋势, 即植被覆盖发生了退化。

2.4 相关分析 2.4.1 偏相关分析

采用偏相关分析法对逐个像元研究近15年西南地区植被EVI与气候因素(年均气温、年均降水量)的关系, 计算出偏相关系数, 利用相关系数的大小来判断两者之间的密切程度, 分析讨论不同气候因子对植被覆盖的影响程度。其计算公式为：

(6)

式中, r_x.yz为先把变量固定, 求变量z与y的偏相关数, r_xy, r_xz, r_yz分别代表x与y变量、x与z变量、y与z变量的相关系数。采用T检验法进行显著性检验。

2.4.2 复相关分析

通过讨论两个气候因素同时对植被指数影响的方法来分析气候因素与植被指数的相关性。设x为因变量, y、z为自变量, 将x与y、z间的复相关系数记为r_xyz, 其计算公式为：

(7)

式中, r_xyz表示因变量x和自变量y、z的复相关系数；r_xy为变量x和y相关系数, r_y.xz为固定变量y之后变量x和z的偏相关系数。

复相关系数的显著性检验, 采用F检验法。其统计量计算公式为：

(8)

式中, r_xyz为复相关系数, n为样本数, m为自变量个数。

3 结果与分析 3.1 西南地区植被EVI分布和变化特征

基于西南地区2001—2015年MODIS EVI年均值分析了该地区植被指数的年际变化趋势, 结果表明西南地区近15年的EVI呈现出波动增长的趋势, 其线性增长速率约为0.1%/a。2013年达到植被EVI的最高值(0.449), 而最低值(0.424)则出现在2004年。根据西南地区2001—2015年植被EVI的多年平均空间分布格局, 该地区EVI年均值介于-0.26—0.85之间, 且植被覆盖的空间异质性显著, 呈现出从东南向西北逐渐递减的趋势(图 1)。

3.2 西南地区植被覆盖时空变化特征

西南地区植被覆盖度的空间分布以高植被覆盖度为主, 约占研究区总面积的36.1%, 极高植被覆盖度次之, 约占研究区总面积的28.7%, 低植被覆盖区域面积约为研究区总面积的15.4%(图 2)。极低植被覆盖主要分布在西藏自治区的那曲市-阿里地区等地和青海省治多县-曲麻莱县等区域, 约为研究区总面积的8.6%。

西南地区植被覆盖得到改善的区域主要分布于广西省北海市-钦州市、贵州省昭通-毕节-遵义市的西北部、四川省广元-广安小部分地区、西藏自治区那曲市、阿里地区的北部、青海省小部分区域以及重庆市。这些地区自2000年以来加强了生态环境保护等方面的措施, 特别是那曲市、阿里地区、及青海省的部分高寒草原地区, 过度放牧得到了有效的控制。而且这些地区人口密度较低, 人为干扰较少, 自然生态系统功能得到较好地保护, 从而使得植被覆盖明显改善。西南地区植被覆盖退化的区域主要集中在西藏自治区的拉萨市-阿里地区、四川省的成都-阿坝藏族羌族-甘孜藏族自治州和云南省的昆明市-玉溪市等地区(图 3)。植被覆盖退化的地区大多数为省会城市或者旅游业发达的地区, 这可能主要是由于这些地区人口快速增长和建筑用地扩张等人为干扰因素显著增加, 从而导致了植被覆盖度的显著下降。

与2001—2005年相比, 西南地区2006—2010年植被覆盖改善明显, 植被覆盖度改善的面积约占研究区总面积的6.8%, 植被覆盖退化区域的面积有所减少。然而, 在2011—2015年间, 西南地区植被覆盖退化区域的面积有一定程度增加(图 3)。由表 2可知, 2001—2015年西南地区植被覆盖出现显著退化的面积约占研究区总面积的7.8%左右, 而植被覆盖呈现显著改善的面积则为研究区总面积的10.2%。

3.3 西南地区植被EVI与气候因子相关性

西南地区年均气温在2001—2015年间总体呈现波动增加的趋势, 增温速率约为0.02℃/a, 而年降水量则呈现波动减小的趋势, 减少速率约为-1.34 mm/a(图 4)。由此可见, 西南地区的气候在研究期间呈现一定程度的暖干化趋势。在2001—2015年间, 西南地区的多年平均气温和平均降水量分别为7.58℃和877.64 mm。整个研究区内年降水量的空间异质性显著, 总体表现出从东南向西北逐渐递减的特点。

西南地区植被EVI与年均气温偏相关分析的结果表明, 两者的偏相关系数介于-0.94—0.99之间, 显著正相关和负相关的区域分别占整个研究区面积的31.2%和23.7%, 整体以正相关为主。偏相关系数高值集中分布在四川省的巴中-南充-遂宁-眉山一带, 四川省、贵州省和重庆市三地交界处以及青海省的三江源地区。虽然研究区植被EVI与年均降水量的偏相关也以正相关为主, 但在空间上呈现不均匀分布的特征(图 5)。植被EVI与降水偏相关系数介于-0.93—0.96之间, 显著正相关和负相关的区域分别占整个研究区面积的22.3.%和14.8%, 西藏自治区阿里地区北部和青海省中部地区植被EVI与降水的偏相关系数最高。

3.4 西南地区植被EVI变化的驱动因素分析

气候因子是影响区域植被分布和生长的重要环境因素, 其中以气温和降水的影响最为显著^[28]。根据西南地区植被年均EVI与年均气温和降水量的复相关分析可知, 植被EVI与温度和降水的复相关系数在0—0.97之间, 复相关系数较高的区域主要分布在西藏自治区的那曲市、阿里地区北部, 青海省的三江源地区以及四川省的达州-巴中-广安市一带, 而复相关系数较低的区域则零星分布在西藏自治区的中部和南部等地区(图 6)。

为了进一步揭示气候因子对西南地区植被覆盖时空变化的驱动作用, 本文参考多数研究者关于气候要素对植被定量因子变化的驱动分区方法^{[28, 34]}, 并结合西南地区的气候背景和特点, 对研究区的植被EVI变化进行驱动因素分析(表 3)。结果表明, 西南地区植被EVI受气候因素驱动的区域约为研究区总面积的12.2%(图 6)。其中, 受温度和降水共同驱动的区域主要分布在西藏自治区的阿里地区北部, 青海省三江源地区以及四川和贵州两省交界处的部分地区, 约占整个研究区面积的7.2%。这些地区冬季干冷漫长, 而夏季温凉多雨, 因此植被的生长受到温度和降水的共同驱动。西南地区植被EVI主要受降水驱动的地区呈斑块状分布在西藏自治区的西北部以及青海省交界处, 约占整个研究区面积的3.4%。这些地区基本都位于青藏高原, 由于光照资源较为丰富但降水量较少, 植被生长对降水的反应较其他地区更为敏感。此外, 西南地区植被EVI主要受温度驱动的区域零散分布在整个研究区内, 分布特征不明显, 其面积约占研究区面积的1.6%。然而, 从整体来看西南地区大部分区域的植被EVI变化表现为非气候因素驱动。

4 结论与讨论

本文基于2001—2015年MODIS-EVI遥感数据集分析了西南地区近15年植被覆盖和EVI的时空变化特征, 并结合西南地区242个气象站点的气温和降水数据, 开展了西南地区植被EVI对气候变化的响应及驱动因素研究, 得出以下结论：

(1) 从时间动态来看, 西南地区2001—2015年植被EVI整体呈现波动增长的趋势, 其线性增长速率约为0.1%/a。因此, 西南地区的植被覆盖呈稳中向好趋势, 显著改善的面积大于退化面积, 这与郑朝菊等^[26]在西南地区的研究结果基本一致。西南地区生态系统复杂多样, 是我国森林和水资源等自然资源最为丰富的地区之一, 也是我国长江和珠江等诸多河流的发源地, 是我国重要的生态屏障区^[35]。因此, 在西南地区长期实施的天然林保护、退耕还林、长防林建设、生物多样性保护和退牧还草等生态恢复工程, 有效地推进了该地区的生态屏障建设, 使得三江源等局部地区的植被明显改善^[36-37], 这可能是西南地区植被EVI整体呈现波动增长趋势的主要原因之一。然而, 由于西南地区兼跨我国地势第一和第二阶梯, 地形地貌类型复杂, 是我国生态极为敏感和脆弱的区域, 也是我国少数民族和贫困人口集中分布的区域。随着社会经济发展和人类活动范围与强度的不断增加, 西南地区的石漠化、水土流失等一系列生态问题也日益严重, 从而造成局部地区的植被覆盖出现一定程度的退化^[26]。另外, 西南地区近15年来自然灾害的频繁发生, 也在一定程度上影响着植被覆盖的变化^[23]。

(2) 从空间分布特征看, 西南地区植被覆盖空间异质性显著, 呈现出从东南向西北逐渐递减的趋势。虽然西南地区植被覆盖度的空间分布以高和极高植被覆盖度类型为主, 但这些类型主要分布在云南省西双版纳傣族自治州-红河哈尼族彝族自治州、广西壮族自治区的百色-河池-桂林、贵州省的大部分地区及四川省的乐山-宜宾等地区。这些地区大部分都是常年雨水充沛, 阳光充足, 气候适宜, 植被生长茂盛, 特别是西双版纳和桂林等地区, 森林覆盖率达到了70%以上。而极低植被覆盖度类型主要分布在青海省和西藏自治区的西北部区, 这些地区年均气温较低, 降水量较少, 自然环境相对其他地区恶劣。而且青海省和西藏自治区是我国重要的牧区, 长期的过度放牧也会导致植被退化和水土流失等生态问题。另外, 由于西南地区近几十年来气候变化呈现一定程度的暖干化趋势^[27], 对植被覆盖度较低区域的植被生长和恢复可能产生一些不利的影响, 从而增加这些地区植被覆盖出现退化的风险^{[26, 38]}。

(3) 通过西南地区植被EVI与年均气温和年均降水量的相关分析可知, 植被EVI与年均气温和年均降水量均以正相关为主, 并且植被EVI与年均气温显著相关的区域面积稍大于与年均降水量呈显著相关的面积。何奕萱等^[28]在红河流域的研究结果表明, 生长季植被EVI与同期气温相关性较好, 但与降水量呈现一定的滞后性。张勃等^[24]和丁瑞等^[39]在西南地区的研究也表明, 温度对该地区植被覆盖变化的影响稍大于降水等其他因素。这主要是由于西南地区河流水系发达, 受季风环流和地形等因素的共同影响, 在云南、广西和贵州等大部分区域降水量相对较为丰富, 植被生长期水分充足, 而热量差异较为明显^[24], 因此在这些地区植被EVI变化对温度变化的响应更为敏感。然而, 在西藏自治区西北部等降水量较少的干旱半干旱地区, 植被EVI变化受降水量的影响则更明显。此外, 西南地区植被EVI变化的驱动因素分析表明, 虽然气温和降水对植被EVI变化有显著的驱动作用, 但在0.05置信水平检验下, 西南地区大部分区域的植被EVI变化表现为非气候因素驱动。这与王强等^[40]在横断山区和荣欣等^[41]在川西高原的研究结果基本一致。近几十年来, 西南地区的人口迅速增长, 人类活动的范围与强度也不断增加, 对该地区的生态环境和植被生长产生了一定的负面影响。为了遏制西南地区生态系统逐渐退化的趋势, 自20世纪70年代以来, 在该地区实施了多项重大生态恢复工程, 正在逐步引导人口分布和活动与当地的资源环境承载力协调发展。因此, 在人类活动对植被覆盖造成的正面和负面影响相互叠加的背景下, 西南地区植被生长对气温和降水等气候因素的响应程度和速度可能会受到一定程度的影响。