EN中文

Journal of Geo-information Science >

2018 , Vol. 20 >Issue 7: 967 - 977

DOI: https://doi.org/10.12082/dqxxkx.2018.170597

Spatio-temporal Variation and Interrelationship of Vegetation Cover and Soil Moisture in Qinling-Daba Mountains

  • ZHAI Yaqian , 1, 2 ,
  • ZHANG Chong , 1, * ,
  • ZHOU Qi 1 ,
  • CHANG Xiaoyi 3
Expand
  • 1. Shannxi Key Laboratory of Disaster Monitoring and Mechanism Simulation, Baoji University of Arts and Sciences, Baoji 721013, China
  • 2. Faculty of Information Engineering, China University of Geoscience, Wuhan 430074, China
  • 3. KQ GEO Technologies Company Limited, Wuhan 430073, China
*Corresponding author: ZHANG Chong, E-mail:

Received date: 2017-12-11

  Request revised date: 2018-03-08

  Online published: 2018-07-13

Supported by

Shannxi Social Sciences Fund Project, No.2016G013;Key Project of Baoji University of Arts and Sciences, No.ZK16064;The Natural Science Basic Research Plan of Shaanxi Province under Grant, No.2018JQ4039

Copyright

《地球信息科学学报》编辑部 所有
Fold

Abstract

Qinling-Daba Mountains, as the geographical dividing line in central China, is the main water source area of the middle line project of transferring water from south to north, and also a sensitive area of the regional response to the global climate change. The spatio-temporal variation of vegetation, as a main component of terrestrial ecology system, represents the comprehensive response to climate change and human activities. Based on the MODIS data during 2001-2014, this study estimated the soil moisture using temperature vegetation dryness index, dynamically monitored the distribution characters and spatiotemporal variations of vegetation cover and soil moisture, analyzed its change trend, forecasted its future trend, and explored the interrelationship between vegetation cover and soil moisture in Qinling-Daba Mountains. The main conclusions are as follows: (1) Vegetation showed an increasing trend in Qinling-Daba Mountains during 2001-2014 years, as well as soil moisture, which respectively represented the best in 2010 and 2011, then both showed declining trends. (2) Vegetation distribution had a feature of “higher overall and lower in the middle”, while soil moisture with “lower in the north and higher in the south”, which showed a positive spatial correlation. (3) Vegetation had an obvious improving trend, and the significantly improved areas are dispersionally distributed, with no obvious concentration areas, and degraded areas were mainly concentrated in the north of Weihe River and a few areas along the eastern edge. Soil moisture increased significantly, and the increased areas distributed almost over the entire area except the northwest and northeast edge, and the reduced areas were small and not noticeable. The reverse variation of vegetation cover was stronger than continuous change, but soil moisture was just the opposite. In predicted future, in 44.36% of the study area, dispersed in entire area, the vegetation cover will undergo a process from increase to reduction, while soil moisture will continue to grow in 43.98% of the study area, including Qinling mountain in Shaanxi Province, Daba mountain in Sichuan province, and some parts of Jialing River basin and Han River. (4) The correlation between vegetation cover and soil moisture is positive. Nearly 69.71% of the study area showed an increasing tendency in both vegetation cover and soil moisture content, which was distributed in almost all parts of the study area except for the edges.

Key words： Qinling-Daba Mountains; vegetation cover; soil moisture; spatio-temporal variation; interrelationship

Cite this article

ZHAI Yaqian , ZHANG Chong , ZHOU Qi , CHANG Xiaoyi . Spatio-temporal Variation and Interrelationship of Vegetation Cover and Soil Moisture in Qinling-Daba Mountains[J]. Journal of Geo-information Science, 2018 , 20(7) : 967 -977 . DOI: 10.12082/dqxxkx.2018.170597

1 引言

植被作为陆地生态系统的主要组成部分,在各个圈层的物质循环和能量流动中处于关键地位,是组成自然地理环境的重要环节[1,2]。地表植被不仅是连接大气、土壤、水分及其他生态要素的自然“纽带”,而且具有调节气候,防风治沙,保持水土,改善生态环境等作用[3,4],其时空变化是区域内植被对气候变化和人类效应综合响应及相互反馈的结果。
植被的生长发育过程尤其是人工植被直接受土壤水分的影响作用,同时地表植被本身的保水耗水及覆盖状况也会对土壤湿度进行反馈作用。土壤湿度不仅控制着降雨下渗和地表蒸发、潜热,而且影响降水或地表水入渗补给地下水以及陆地水循环[5,6,7,8]。土壤水分是气候、土壤和植被影响水分循环和水分循环影响植被生长综合起来的关键因 子[9]。基于此有必要深入研究气候变化主导作用下的土壤湿度时空变化特征,并进一步分析植被与其时空相互关系。
在植被覆盖研究中,遥感技术利用植被近红外波段反射光谱与红色波段存在强烈反差这一光谱特性构建植被指数[10],可以有效获取地表植被长势、覆盖状况等信息并进行大区域长时间的植被监测[11]。归一化植被指数[12]（Normalized Difference Vegetation Index,NDVI）已经成为目前大尺度植被动态监测中应用最为广泛的植被指数。在土壤水分监测研究中,基于遥感技术进行土壤湿度反演是目前的主要方法[13]。其中,温度植被干旱指数（Temperature Vegetation Drought Index, TVDI）将地表温度（LST）和归一化植被指数（NDVI）结合起来,通过植被对干旱的反应来反映土壤水分信息,综合了地表水分蒸散情况和植被生长状况各自代表的生态意义,在不同地区土壤湿度动态监测中都得到了广泛的应用[14,15,16,17,18]。因此,本文基于NDVI指数和TVDI指数来分析研究区植被覆盖和土壤湿度状况。
秦巴山区是中国中部重要的地理生态分界线,又是南水北调中线的主要水源地,同时也是全球变化区域响应的敏感区[19]。目前,国内学者对该区域植被覆盖状况已经进行了较为详细的研究[20,21,22],本文在此研究基础上对秦巴山区2001-2014年植被覆盖时空变化特征进行动态监测和未来变化预测,利用温度植被干旱指数对秦巴山区土壤湿度进行反演,分析土壤湿度时空特征和未来趋势,并将植被覆盖与土壤湿度相结合进行二者时空相互关系的研究。

2 研究区概况

秦巴山区处于中国中部,包括秦岭北坡和南坡、汉江盆地以及大巴山脉,整个区域位于102°54′~112°40′ E,30°50′~34°59′ N,总面积约25.59万km2,范围涉及陕西省、甘肃省、四川省、湖北省、河南省及重庆市6省市,共96个县（市、区）（图1）[20]。
Fig. 1 Study area

图1 研究区概况

秦巴山区气温分布表现为由北向南递增,同时受海拔高差影响,差异明显,等温线分布与等高线变化相似;降水分布不均且相差悬殊,年均降水量由北向南逐渐增加,且受高度变化影响显著。秦巴山区境内有不同的气候带与亚带,过渡性质明显,区内植被成分复杂,种类繁多,共有9个植被类型组,29个植被型,179个群系和亚群系,且具有明显的水平分异和垂直分异[19]。其中,秦岭主体以暖温带落叶阔叶林为优势植被,大巴山区及汉江谷地以北亚热带常绿与落叶阔叶混交林为优势植被[23]。

3 数据源与研究方法

3.1 数据源

本研究所用数据主要包括植被指数NDVI数据和地表温度LST数据。其中,NDVI数据来自LP DAAC的MODIS产品的MOD13A3数据集,空间分辨率为1 km,时间分辨率为每月,尺度系数为0.0001,时间跨度是2001年1月至2014年12月,共计168幅遥感影像。LST数据来自LP DAAC的MODIS产品的MOD11A2数据集,空间分辨率为1 km,时间分辨率为8 d,尺度系数为0.02,时间跨度是2001年1月至2014年12月,共计644幅影像。其他辅助数据主要包括全国1:25万基础矢量数据集,空间分辨率为90 m的DEM数据,来源自地理空间数据云（http://www.gscloud.cn）,以及研究区植被类型分布图、水系分布图、地形地貌图、土地利用类型数据等。

3.2 研究方法

3.2.1 土壤湿度反演
基于地表温度（Land Surface Temperature, LST）和植被覆盖（Normalized Difference Vegetation Index, NDVI）的梯形空间可反映土壤水分[24]这一原理,本研究采用TVDI来表征土壤湿度。TVDI基于植被指数/地表温度的梯形特征空间计算而来,原理如下：
TVDI = Ts - T s min T s max - T s min （1）
式中：Ts为每个像元的LST;Tsmin为对应像元湿边的LST;Tsmax为对应像元干边的LST。
干边和湿边的拟合是计算TVDI的关键环节。首先,将NDVI的值域0-1划分为100个节点,节点之间相差0.01;然后,以每个节点为中心左右分别扩展0.005个单位形成一个区间,并在区间内查询LST的最大值和最小值;最后,分别以节点值序列为自变量,LST的最大值和最小值序列为因变量进行一元线性回归拟合,从而得到干边和湿边,再根据式（1）计算出每个像元的TVDI。TVDI值域在0-1之间,TVDI越大,土壤湿度越低,TVDI越小,土壤湿度越高。
3.2.2 最大化合成法
最大合成法（Maximum Value Composition, MVC）是根据研究具体情况需要,将NDVI按照年中各月取最大值或月中各旬取最大值的一种方法[25],本研究中利用MATLAB软件进行基于像元的年最大值提取,得到所需年际数据集。计算公式如下：
X i = ma x j = 1 12 X j （2）
式中：Xi是每个像元i年的年最大化值;Xj为每个像元i年第j月的值。
3.2.3 线性趋势法
一元线性回归是用来分析某一时间段内某事物的变化趋势的一种方法[26],本研究中通过基于像元的一元线性趋势分析得到研究区2001-2014年NDVI和TVDI的变化趋势。计算公式如下：
Slope = n × ∑ i = 1 n i × Y i - ∑ i = 1 n i ∑ i = 1 n Y i n × ∑ i = 1 n i 2 - ∑ i = 1 n i 2 （3）
式中：i为年序号;n为监测年数,本文n为14;Yj为每个像元第i年的NDVI和TVDI值;Slope为每个像元的变化趋势线的斜率,Slope>0表示该像元的NDVI/TVDI值在14年间是增加趋势,Slope<0表示该像元的NDVI/TVDI值在14年间是减小趋势。
3.2.4 Hurst指数法
Hurst指数是用来描述信息时间序列长期持续性的有效方法,最早由英国水文学家Hurst提出,已被广泛应用于水文学、气候学、经济学等领域,计算原理[27]如下：给定一个时间序列{ξ（t）},t=1,2,…,对于任意正整数τ=1,定义平均序列：
ξ τ = 1 τ ∑ t = 1 τ ξ ( t ) τ = 1,2 , … （4）
累积离差： X ( t , τ ) = ∑ u = 1 t ξ ( u ) - ξ t 1 ≤ t ≤ τ （5）
极差 : R τ = max X t , τ - min t , τ 1 ≤ t ≤ τ , τ = 1,2 , … （6）
标准差： S ( τ ) = 1 τ ∑ u = 1 t ξ ( t ) - ξ t 2 1 2 τ = 1,2 , … （7）
比值R（τ）/S（τ）=R/S,如果存在R/S∝τH,那么时间序列t=1,2,…具有Hurst现象,H值为Hurst指数,H值则根据计算得到的（τ,R/S）值在双对数坐标系（lnτ,lnR/S）用最小二乘法拟合可得。
如果0.5<H<1,代表时间序列是一个持续性序列,即未来变化趋势与过去趋势保持一致;如果 H=0.5,时间序列为随机序列,未来变化趋势与过去无关;如果0<H<0.5,代表时间序列是反持续性序列,代表未来变化趋势与过去趋势相反。

4 结果与分析

4.1 秦巴山区植被覆盖与土壤湿度时间变化分析

秦巴山区植被覆盖水平整体较高,NDVI值范围在0.78~0.83,2001-2014年NVDI呈波动增长趋势,增速为2.3%/10a（p<0.01）,其中2001-2010年NDVI呈增长趋势,增速为3.9%/10a（p<0.01）,2010-2014年NDVI呈下降趋势,降速为-6.1%/10a（p<0.05）。由图2可看出,2010年时秦巴山区植被覆盖状况达到最佳,之后出现持续退化现象且未再表现出明显改善趋势。
Fig. 2 Temporal variation of NDVI and TVDI in Qinling-Daba Mountains

图2 秦巴山区NDVI与TVDI年际变化趋势

秦巴山区TVDI值范围为0.33~0.47,14年间上下波动起伏且幅度较大,整体表现为下降趋势,降速为-4.7%/10a（p<0.05）。2001-2011年TVDI波动下降,其中2001-2009年TVDI呈缓慢波动下降趋势,降速为-2.5%/10a,2009-2011年突然明显下降,降速达到-5.24%/a,2011-2014呈上升趋势,其中2011-2012年明显上升,2012-2014继续呈上升趋势但增势较为缓慢,2011年TVDI值达到最小值0.33（图3）。该结果表明,土壤湿度在2001-2014年整体表现为震荡上升趋势,土壤湿度水平2011年最高,即14年间秦巴山区整体土壤湿度呈现出上升趋势,但2011年后呈大幅下降且未再表现出持续上升趋势。
Fig. 3 Spatial characteristics of NDVI and TVDI in Qinling-Daba Mountains

图3 秦巴山区NDVI与TVDI空间分布特征

4.2 秦巴山区植被覆盖与土壤湿度空间特征分析

秦巴山区整体植被覆盖表现出“四周低,中间高”的空间分布特征。整个研究区14年平均NDVI值为0.804,NDVI大于0.8的区域占全区面积的63.63%,NDVI大于0.7的区域所占百分比为88.06,仅有1.43%的区域NDVI值小于0.5。植被NDVI高值主要集中于陕西境内的秦岭山地和大巴山地、河南境内的伏牛山地以及湖北境内的神农架林区。植被类型主要包括落叶阔叶林、常绿阔叶混交林、落叶阔叶林以及落叶阔叶灌丛,植被茂密且长势较好;植被NDVI中值区主要分布在处于秦岭与大巴山地中间地带的汉江谷地、甘肃甘南一带,四川以及河南境内部分地区。植被NDVI低值区主要位于甘肃天水市部分地区,陇南的礼县和西和县,以及白龙江流域局部地区。
秦巴山区14年平均TVDI值为0.4182,小于0.3的面积占全区面积的22.20%,小于0.5的面积占到了75.34%,大于0.7的面积仅占7.46%。该结果表明秦巴山区整体土壤湿度状况较好,仅有少部分区域土壤湿度处于极低状态。土壤湿度整体表现出“北低南高”的空间分布特征,与植被覆盖呈现出一定的空间正相关性。高值区分布于甘肃境内白龙江流域,陕西秦岭西部山地,米仓山地和大巴山地,湖北神农架林区以及重庆长江瞿塘峡附近地区。中值区主要分布于秦岭山地与大巴山地中间的汉江谷地,甘肃境内陇南山地,河南境内南阳盆地和伏牛山地区域,四川境内大巴山地部分区域,以及巫山山地和武当山山地的少量区域。低值区则集中分布于研究区北部及东北部边缘地区一带。

4.3 秦巴山区植被覆盖与土壤湿度趋势及未来变化分析

根据一元线性回归分析得到的秦巴山区NDVI变化趋势,将其分为减小和增大2类：（Slope>0和Slope<0）,其中呈减小趋势和增大趋势面积分别为54 203 km2和201 670 km2,各占21.18%、78.82%,植被覆盖整体上表现为改善趋势。对回归趋势进行统计检验,将其显著性P值划分为4个级别：极显著变化（p<0.01）、显著变化（0.01<p<0.05）、弱显著变化（0.05<p<0.1）和无显著变化（p>0.1）。趋势值Slope与显著性p值结合,得到秦巴山区植被覆盖变化趋势图及统计表（图4（a）、表1）。
Tab. 1 Proportion of NDVI change types in Qinling-Daba Mountains

表1 2001-2014年秦巴山区NDVI变化类型统计表

变化类型 所占面积/km2 面积百分比/% 累计百分比/%
极显著退化 3 080 1.20 1.20
显著退化 3 873 1.51 2.72
弱显著退化 3 258 1.27 3.99
不显著退化 43 992 17.19 21.18
极显著改善 35 440 13.85 35.03
显著改善 34 625 13.53 48.57
弱显著改善 22 191 8.67 57.24
不显著改善 109 413 42.76 100.00
Fig. 4 Spatial distribution of NDVI trend and Hurst in Qinling-Daba Mountains

图4 秦巴山区NDVI变化趋势及Hurst指数分布

根据秦巴山区植被覆盖变化趋势（图4（a）、 表1）,植被退化区中,极显著退化,显著退化和弱显著退化三者所占百分比基本相当且比例小,累计百分比仅为3.99%,从空间上看,这3类变化类型主要分布于陕西境内渭河平原区域、河南黄淮平原西部地区;不显著退化面积百分比为17.19%,集中分布于秦岭与大巴山地之间区域、巫山山地、米仓山地、武当山山地以及甘肃境内西秦岭山地和白龙江流域部分地区。植被改善区中,极显著改善和显著改善面积相当,各占13.85%、13.53%,从空间上看无明显集中区域;不显著改善面积所占百分比达到42.76%,比例最大且几乎分布于整个研究区。
秦巴山区NDVI的Hurst指数均值为0.49（0.10~0.97）,其中小于0.5和大于0.5的面积所占百分比分别为55.47%、44.53%,即反持续性面积占55.47%,持续性面积占44.53%,秦巴山区整体植被覆盖反持续性强于持续性。根据NDVI未来变化特征（图5）,植被覆盖增大转为减小面积最大,分布于陕西境内秦岭和大巴山地之间区域、武当山山地和神农架林区部分区域、四川盆地少量区域、巫山山地以及甘肃境内西秦岭山地和白龙江流域部分地区;其次为植被覆盖持续改善区,分布分散,主要位于嘉陵江流域地区、西秦岭山地、岷山地带和白龙江流域部分地区、巫山山地以及秦岭东支崤山山地地区;次之为植被覆盖减小转为增大区,比例较小,主要分布于陕西境内渭河平原区域、湖北神农架林区部分区域以及河南黄淮平原西部地区;持续退化区域面积最小,仅占10.07%,集中分布于陕西境内渭河沿岸、甘肃白龙河流域以及河南伏牛山地的部分地区。
Fig. 5 Future trend of NDVI in Qinling-Daba Mountains

图5 秦巴山区NDVI的未来变化特征

根据一元线性回归分析得到秦巴山区TVDI变化趋势,将其分为减小和增大2类：（Slope>0和Slope<0）,TVDI表现为减小趋势,即土壤湿度呈现增大趋势,反之,土壤湿度呈现出减小趋势。对其回归趋势进行统计检验,将其显著性P值划分为4个级别：极显著变化（p<0.01）、显著变化（0.01<p<0.05）、弱显著变化（0.05<p<0.1）和无显著变化（p>0.1）。趋势值Slope与显著性p值结合,得到秦巴山区TVDI变化趋势图及相应的变化类型统计表（图6（a）、表2）。
Tab. 2 Proportion of the types of TVDI change in Qinling-Daba Mountains

表2 2001-2014年秦巴山区TVDI变化类型统计表

变化类型 所占面积/km2 面积百分比/% 累计百分比/%
极显著减小 22 904 8.95 8.95
显著减小 32 895 12.86 21.81
弱显著减小 23 077 9.02 30.83
不显著减小 132 290 51.70 82.53
极显著增大 234 0.09 82.62
显著增大 1039 0.41 83.02
弱显著增大 1385 0.54 83.57
不显著增大 42 051 16.43 100.00
Fig. 6 Spatial distribution of TVDI trend and Hurst index in Qinling-Daba Mountains

图6 秦巴山区TVDI变化趋势及Hurst指数分布

土壤湿度增大区中,不显著增大区域所占面积百分比达到51.70%,分散分布于陕西、四川、重庆和湖北4个地区除汉江流域之外的秦岭山地和大巴山地大部分地区,甘肃甘南的临潭县和卓尼县、白龙河流域部分区域,以及河南三门峡水库和洛河周边地区。其次为显著增大区,集中分布于甘肃的陇南和天水部分地区,汉江两岸周边地区以及大宁河、瞿塘峡和巫峡两岸。弱显著增大和极显著增大所占面积比例较小,分布于甘肃陇南北部区域,陕西汉中西部区域,以及汉江沿岸和丹江口周边部分地区。土壤湿度减小区域面积所占比例较小,其中大多为不显著减小,主要位于研究区西部和东部边缘部分地区,以及南部的宣汉县、城口县和开县部分区域。极显著减小、显著减小和弱显著减小面积累计百分比仅为1.04%,比例极小且零星分散。
秦巴山区TVDI的Hurst指数均值为0.51（0.14-0.93）,其中小于0.5和大于0.5的面积所占百分比分别为47.23%和52.77%,即反持续性面积占47.23%,持续性面积占52.77%,表明秦巴山区整体TVDI持续性略强于反持续性。根据TVDI未来变化特征,得到秦巴山区土壤湿度未来变化特征（图7）。未来变化趋势中,土壤湿度持续增大面积占43.89%,比例最高,大都分布于研究区中部腹地,集中于嘉陵江流域、汉江流域以及陕西境内秦岭山地和四川境内大巴山地;其次为土壤湿度先增大后减小区,占面积百分比为38.64%,分布于甘肃境内西秦岭、陇南山地和白龙江流域一带,丹江、汉水沿岸和丹江口水库、黄龙滩水库周边地区,以及重庆长江沿岸区域;土壤湿度先减小后增大与持续减小的面积分各占8.59%和8.88%,比例较小且相差不大,前者零星分布于研究区西部、东部边缘地区,以及南部的宣汉县和开县部分区域,后者主要位于堵河上游周边区域,甘肃卓尼县西南部,陕西佛坪县、镇巴县、留坝县、宁陕县和渭南市区部分地区,河南西峡县、伊川县以及湖北神农架林区少量区域。

4.4 秦巴山区植被覆盖与土壤湿度相互关系

水分条件是影响和制约植被生长发育的重要因子,气温和降水等气候因子通过水循环直接影响着土壤水分,土壤类型通过土壤保水性的好坏对土壤水分产生影响,土壤水分影响着植被的生长状况,同时植被本身在生长过程中会消耗土壤水分,尤其是人工植被不仅光合作用下消耗的土壤水分较天然植被更多,前期生长过程中所需水分较多,反过来土壤水分消耗过多会引起土壤湿度减小,甚至部分地区出现旱化特征,对植被正常生长产生不利影响,从而影响植被覆盖的变化。总的来说,土壤水分是气候因子、土壤状况以及植被影响水分循环的重要因子,同时也是水分循环影响植被生长的关键因子,土壤水分与植被生长之间是相互影响且彼此反馈的复杂关系,研究二者之间的相关性对分析研究区植被覆盖变化原因具有重要意义。
4.4.1 秦巴山区植被覆盖与土壤湿度相关关系
根据相关分析计算公式,在MATLAB软件中对2001-2014年秦巴山区年NDVI栅格数据集和年TVDI栅格数据集进行基于像元的相关计算,将相关系数r重分类为2类（r<0和r>0）,当相关系数r<0时,植被覆盖与土壤湿度表现为正相关;相关系数r>0时,植被覆盖与土壤湿度表现为负相关。同时对其进行统计检验并将显著性P值划分为4个级别：极显著变化（p<0.01）、显著变化（0.01<p<0.05）、弱显著变化（0.05<p<0.1）和无显著变化（p>0.1）。 r值与显著性p值相结合,得到秦巴山区植被覆盖与土壤湿度相关分析特征（图8）。
Fig. 8 The correlation between soil moisture and vegetation cover in Qinling-Daba Mountains

图8 秦巴山区植被覆盖与土壤湿度相关分析

分析图8可知,研究区85.87%的区域植被覆盖与土壤湿度呈现正相关,其中极显著正相关的区域面积占总面积的15.37%,主要分布于甘肃西秦岭、陇南山地部分地区、白龙江沿岸,陕西安康汉江两岸周边地区以及湖北丹江口水库一带;显著正相关和弱显著正相关面积各占13.42%和8.97%,分布非常松散,且无明显集中区;不显著正相关面积百分比达到48.11%分布于研究区西部边缘地区,中部的秦巴山地大部分地区和大巴山地以及东部伏牛山地和东南部神农架林区。研究区植被覆盖与土壤湿度呈现负相关的区域仅占14.13%,其中不显著负面积百分比为13.54%,分布于研究区西北部边缘少量地区,陕西境内渭河沿岸和嘉陵江上游部分地区以及研究区东部和东南部的零星地区;极显著负相关、显著负相关以及弱显著负相关面积所占比例分别是0.05%、0.22%和0.33%,比例极小。
4.4.2 秦巴山区植被覆盖对土壤湿度变化的响应
为了进一步探讨秦巴山区土壤湿度对植被覆盖的影响,对二者变化趋势进行结合得到二者变化的对应关系（图9）。其中,土壤湿度增大-植被覆盖改善区域面积百分比达到69.71%,分布于甘肃境内除西部边缘之外的其它地区,陕西境内秦岭山地东部、东部北坡山地和西南部地区,以及四川境内大巴山地和湖北境内丹江口水库周边地区。结合前面植被覆盖与土壤湿度相关性分析可知,该区域内二者变化呈明显正相关,表明14年间该区域土壤湿度和植被覆盖皆表现为增长变化且相互促进。该区径流资源丰富,降水充沛,且整体植被覆盖状况好,土壤湿度增大促进了植被的生长,反之植被状况改善可以有效保持水土,对土壤湿度起到促进作用。
Fig. 9 Variation trend of vegetation cover under soil moisture change in Qinling-Daba Mountains

图9 土壤湿度变化与植被覆盖变化的对应关系

其次为土壤湿度增大-植被覆盖退化区域,所占面积百分比为12.81%,主要分布于陕西境内渭河干流沿岸、太白县南部和汉中市区南部部分地区,河南南阳沿卢氏县、西峡县、内乡县一带,以及湖北竹溪县和神农架林区部分地区。该地区在土壤湿度增大的情况下植被覆盖却表现出退化趋势,二者14年间变化关系呈负相关,但相关性不显著,表明该区域植被覆盖状况受土壤湿度变化影响不显著,可能是由于长久以来农业高度发展,土地覆被受到人类灌溉耕作影响较强,且近年来城镇向周边扩展,引起周边土地利用类型发生变化,植被退化较为明显。
次之为土壤湿度减小-植被覆盖改善区域,占总面积9.10%,空间上分布分散,主要位于研究区西部边缘的临潭县和卓尼县部分地区,东部栾川县、嵩县和汝阳县中部地区,四川宣汉县以及陕西商南县、宁陕县、镇巴县和重庆交界处岚皋县、城口县和镇坪县一带部分地区。该区域土壤湿度变化和植被覆盖变化不一致,即在土壤湿度减小的情况下植被覆盖却表现出改善趋势,二者14年间变化关系呈不显著负相关性,表明该区域植被覆盖改善状况很有可能是由于中国实施的“退耕还林还草”等一系列生态工程,随着造林植草面积不断增加,其植被覆盖水平也呈现改善趋势。
土壤湿度减小-植被覆盖退化区面积占8.37%,集中分布于研究区东部边缘伊川县、嵩县、汝阳县北部和鲁山县东部地区,北部西安地区部分地区、渭南市区北部和佛坪县北部地区,以及南部宣汉县和开县少量地区。结合前面植被覆盖与土壤湿度相关性分析可知,二者变化呈正相关但相关性不显著,且该区域与土壤湿度增大-植被覆盖退化区在渭河沿岸地区相伴出现,反映出该地区植被覆盖水平受到土壤湿度变化和人类活动共同作用的影响。人类活动一方面直接影响植被覆盖变化,另一方面通过影响植被覆盖间接地影响土壤湿度变化,再反过来影响植被覆盖的变化。

5 结论与讨论

5.1 结论

本研究基于GIS与遥感技术,利用多源遥感影像及其它数据,对秦巴山区2001-2014年植被覆盖时空变化进行动态监测,并预测未来变化趋势,利用温度植被干旱指数对秦巴山区土壤湿度进行反演,分析土壤湿度时空特征和未来趋势,并在此基础上研究秦巴山区植被覆盖与土壤湿度的相互关系,主要研究结论如下：
（1）时间变化上,2001-2014年秦巴山区植被覆盖与土壤湿度均呈增加趋势,其中植被覆盖与土壤湿度水平分别于2010年和2011年达到最佳,之后二者均表现出持续下降态势。
（2）空间分布上,植被覆盖整体水平较高且表现出“四周低,中间高”的空间分布特征,土壤湿度整体表现出“北低南高”的空间分布特征,大体上二者呈现空间分布正相关性。
（3）时空变化上,植被改善趋势表现明显,显著改善区分布分散,无明显集中区域,退化区域主要集中于北部渭河沿岸及东部边缘少量地区;土壤湿度增长态势明显,增大区分布于除西北边缘及东北边缘外的几乎整个研究区中,减小区域面积小且大部分表现不显著。
（4）未来变化上,秦巴山区植被覆盖反持续性强于持续性,其中增大转为减小面积所占比例达到44.36%,分散分布于整个研究区。土壤湿度持续性略强于反持续性,其中持续增大面积比例为43.89%,分布于陕西境内秦岭山地、四川境内大巴山地以及嘉陵江流域和汉江流域的部分地区。
（5）秦巴山区植被覆盖与土壤湿度呈现出明显的正相关性,其中土壤湿度增大-植被覆盖改善区域面积所占百分比达到69.71%,分布于研究区除四周边缘地带外的大部分地区,反映出14年间植被覆盖与土壤湿度具有明显的相互促进作用。

5.2 讨论

秦巴山区作为南水北调中线工程主要水源地,是中国中部重要的地理生态分界线,具有丰富的生物资源,其生态环境发展意义非常重大。国内学者对于该区域植被覆盖时空变化状况已经进行了较为详细的研究,并涉及植被覆盖变化归因的相关研究,但研究多集中于降水、气温、地形等单因子自然要素的相关分析[19,20,21],实际上各因子之间是综合起来对植被覆盖产生影响的,基于单因子的相关分析不能较好地反映出植被覆盖对自然因素的实际响应情况。土壤水分不仅直接影响和制约植被生长发育,还是气温、降水、土壤类型多因素综合影响下的表现,因此本研究将土壤湿度变化作为自然因素对植被覆盖变化影响的体现,在此基础上以期更加详细地认识研究区植被覆盖变化过程。
秦巴山区植被覆盖和土壤湿度2001-2014年整体表现为略微上升趋势,二者分别于2010年和2011年达到最佳水平,后表现出持续下降态势,结合其它学者对秦巴山区植被覆盖变化归因分析可知[20],作为影响植被生长的直接影响因素,2010-2014年降水明显偏少,连续无雨日呈显著上升趋势,表明研究区干旱事件在增加,直接导致植被生长受到限制,同时对土壤湿度状况产生不利影响,进一步加剧了植被覆盖水平的下降态势。
研究区69.71%的区域植被覆盖与土壤湿度水平都在增长,表明土壤湿度增大在很大程度上对植被覆盖起到改善作用,反之植被状况改善可以有效保持水土,增大土壤湿度并且优化生态环境。结合该区域14年土地利用类型变化发现,草地面积明显增加,耕地面积出现减少,据相关研究表明秦巴山区退耕还林还草工程不断推进,造林面积2002-2004年最多,后一直保持在较为稳定的数量上[20],植被覆盖整体表现为上述趋势,表明国家的一系列生态工程对这些区域的植被改善起到了直接的促进作用。
同时,秦巴山区9.10%的区域土壤湿度减小植被覆盖增大,相当面积的耕地转为林地,分析可能随着人工植被面积的增加,植被覆盖水平得到直接改善,但是相比于天然植被,人工植被光合作用消耗的土壤水分较大,加之前期退耕还林草植被生长所需土壤水分较大,引起这些区域土壤湿度减小。
另外,植被覆盖显著退化区域与土壤湿度变化相对应,发现大部分区域的土壤湿度在增大,小部分区域的土壤湿度在减小,且土壤湿度减小区域的植被覆盖与土壤湿度相关性并不显著,说明这些地区植被退化可能受到人类活动作用影响明显,人类活动对其植被覆盖起到了抑制作用。该地区位于沿河周边区域长久以来是典型农耕区,农田水利设施建设较多,人类活动长期作用于这些区域,并且陕西渭河沿岸城市如西安、渭南等,近些年来的大规模城市建设引起城市周边用地由非城市用地转变为城市建设用地,引起周边植被覆盖水平下降。
本研究对秦巴山区植被覆盖和土壤湿度时空变化特征、未来趋势及植被覆盖对土壤湿度变化的响应等方面进行了分析,但仍有一些问题需要进一步探讨：植被覆盖本身受到多种因素的影响,本文将土壤湿度作为影响植被覆盖变化一个综合自然要素来分析二者时空相互关系,然而降水作为影响植被生长的直接条件,进一步分析极端气候事件如连续干旱、强降水等可能会对植被可能造成的影响值得关注和研究。随着人类活动作用影响的加剧,分离出自然要素和人类活动对植被覆盖变化的影响,并具体定量化分析不同人类活动行为的影响程度仍需突破。

The authors have declared that no competing interests exist.

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
赵娟. 基于MODIS NDVI的陕西省植被覆盖变化研究[D].西安:西安科技大学,2013.

[ Zhao J.Analysis of vegetation cover change in Shannxi province based on MODIS NDVI[D]. Xi'an: Xi'an University of Science and Technology, 2013. ]

[2]
谢宝妮. 黄土高原近30年植被覆盖变化及其对气候变化的响应[D].杨凌:西北农林科技大学,2016.

[ Xie B N.Vegetation dynamics and climate change om the Loess Plateau, China: 1982-2014[D]. Yangling: Northwest A&F University, 2016. ]

[3]
张月丛,赵志强,李双成,等.基于SPOT NDVI的华北北部地表植被覆盖变化趋势[J].地理研究,2008,27(4):745-755.为分析华北北部地表植被覆盖变化趋势,探寻合理土地利用方式,基于1999年1月至2006年12月的SPOT-VEGETATION逐旬NDVI数据,采用国际通用的MVC(最大合成法)获得月NDVI值,用均值法求出年均NDVI数值。在此基础上,用一元线性回归斜率定量描述地表覆盖动态变化,以Hurst指数表示其时间依存性,利用GIS工具表征其空间格局并进行空间统计分析。研究结果表明:近8年来华北北部地表植被覆盖整体得到改善的区域比植被覆盖退化的区域面积大,得到改善的区域约占总面积的66.04%,基本不变的区域约占14.39%,退化区域约占19.57%。各种土地利用类型Hurst指数平均值均为0.5H1,即为可持续性序列,林地、耕地NDVI值有持续性增加的趋势,部分草地NDVI值有持续性减小的趋势,须采取相应措施以防草地退化。

DOI

[ Zhang Y C, Zhao Z Q, Li S C, et al.Indicating variation of surface vegetation cover using SPOT NDVI in the northern part of North China[J]. Geographic Research, 2008,27(4):745-755. ]

[4]
孙红雨,王长耀,牛铮,等.中国地表植被覆盖变化及其与气候因子关系──基于NOAA时间序列数据分析[J].遥感学报,1998,2(3):204-210.本文利用1985-1990年连续69个月的NOAA时间序列数据, 进行中国植被覆盖变化的空间, 以及时间序列分析, 并且结合同期的月平均气温、降水数据, 进行植被覆盖变化与气候因子相关性分析。该文证实了在中国植被覆盖随时间的推移规律, 空间分布规律, 以及植被覆盖变化与气温、降水的定量关系。

DOI

[ Sun H Y, Wang C Y, Niu Z, et al.Analysis of the vegetation cover change and the relationship between NDVI and environment factors by using NOAA time series data[J]. Journal of Remote Sensing, 1998,2(3):204-210. ]

[5]
傅新,宋春桥,钟新科.藏北高原土壤湿度时空变化分析[J].水科学进展,2012,23(4):464-474.使用2009年DOY (Day of Year) 145~288时段与2001~2010年夏季(DOY 161~240时段)的Terra/MODIS 16 d合成的植被指数产品数据MOD13 A2和8 d合成的地表温度(Land Surface Temperature,<em>T</em><sub>LS</sub>)产品数据MOD11 A2,构建<em>T</em><sub>LS</sub>~<em>I</em><sub>EV</sub>(Enhanced Vegetation Index,<em>I</em><sub>EV</sub>)特征空间,从而得到了条件温度植被干旱指数(Temperature Vegetation Drought Index,<em>I</em><sub>TVD</sub>)反映的藏北土壤湿度空间分布。对藏北高原2009年植被生长季内土壤湿度的季节性变化及2001~2010年夏季土壤湿度的年际变化特征进行分析,研究结论表明:随着植被盖度的增大,干、湿边斜率逐渐变小,植被对环境温度的变化具有缓冲效应;藏北高原土壤湿度的季节性变化明显,主要受温度、降水、植被覆盖和冻土过程等季节性变化的影响;近10年研究区内土壤湿度有轻微的旱化趋势,但不同气候区内的年际变化表现不一致;气温表现不同程度的显著升温趋势,部分站点的降水有不显著减少趋势,其它站点降水表现为年际波动,而区域统计的<em>I</em><sub>TVD</sub>值年际波动与站点气温的变化大体一致。

DOI

[ Fu X, Song C Q, Zhong X K.On spatial and temporal variation of land surface moisture in Northern Tibetan[J]. Advance in Water Science, 2012,23(4):464-474. ]

[6]
郑兴明. 东北地区土壤湿度被动微波遥感高精度反演方法研究[D].长春:中国科学院东北地理与农业生态研究所,2012.

[ Zheng X M.Research on soil moisture passive microwave remote sensing inversion method in northeast of China[D]. Changchun: Northeast Institute of Geography and Agroecology, Chinese Academy of Sciences, 2012. ]

[7]
白力改,燕琴,张丽,等. MODIS干旱指数对华北干旱的敏感性分析[J].干旱区地理,2012,35(5):708-716.针对近年来干旱发生频繁的华北地区，通过利用2000-2009年MODIS数据和气象观测站降水资料，建立草地和农田距平植被指数(<em>AVI</em>)与不同时间尺度标准化降水指数(<em>SPI</em>)之间的相关统计模型，比较<em>AVI</em>和距平水分指数(<em>AWI</em>)对干旱响应的敏感性。结果表明：(1)植被生长季<em>AVI</em>与不同时间尺度SPI的相关关系不同。草地<em>AVI</em>与1个月尺度的<em>SPI</em>(即1-<em>SPI</em>)相关系数较低，而与3-<em>SPI</em>相关最显著；而农田区<em>AVI</em>与SPI的相关性较低，总体上农田<em>AVI</em>与3-<em>SPI</em>的相关性较高；(2) <em>AWI</em>与<em>AVI</em>类似，也对<em>SPI</em>存在时滞响应，均与3-<em>SPI</em>有着极显著的相关关系，并且在干旱发生较严重的6~8月份<em>AWI</em>与3-<em>SPI</em>的相关性好于<em>AVI</em>与3-<em>SPI</em>的相关性；(3)运用<em>AWI</em>反演的华北地区2009年夏季干旱分布图较好地反映了旱情的时空分布，与相关气象资料结果相符合。

[ Bai L G, Yan Q, Zhang L, et al.Sensitivity analysis of response of MODIS derived drought indices to drought in North China[J]. Arid Land Geography, 2012,35(5):708-716. ]

[8]
王东,张勃,安美玲,等.基于SPEI的西南地区近53a干旱时空特征分析[J].自然资源学报,2014,29(6):1003-1016.

[ Wang D, Zhang B, An M L, et al.Temporal and spatial distribution of drought in southwest China over the past 53 year based on standardized precipitation evapotranspiration index[J]. Journal of Natural Resources, 2014,29(6):1003-1016. ]

[9]
Meir I N.Desert ecosystems: Environment and producers[J]. Annual Review of Ecology & Systematics, 1973,4(1):25-51.desert ecosystems: environment and producers

DOI

[10]
赵英时. 遥感应用分析原理与方法[M].北京:科学出版社,2003.

[ Zhao Y S.Principle and method of remote sensing application analysis[M]. Beijng: Science Publishing, 2003. ]

[11]
张学霞,葛全胜,郑景云.近50年北京植被对全球变暖的响应及其时效——基于遥感数据和物候资料的分析[J].生态学杂志,2005,24(2):123-130.

[ Zhang X X, Ge Q S, Zheng J Y.Impact and lags of global warming on vegetation in Beijing for the last 50 years based on remotely sensed data and phonological information[J]. Chinese Journal of Ecology, 2005,24(2):123-130. ]

[12]
Deering D W.Rangeland reflectance characteristics measured by aircraft and spacecraft sensors[D]. College Station, Texas A & M University, 1978:338.

[13]
陈书林,刘元波,温作民.卫星遥感反演土壤水分研究综述[J].地球科学进展,2012,27(11):1192-1203.lt;p>土壤水分是影响地表过程的核心变量之一。精准地测量土壤水分及其时空分布，长期以来是定量遥感研究领域的难点问题。简要回顾基于光学、被动微波、主动微波和多传感器联合反演等卫星遥感反演土壤水分的主要反演算法、存在的难点和前沿性研究问题，介绍了应用土壤水分反演算法所形成的3种主要全球土壤水分数据集，包括欧洲气象业务卫星(ERS/ MetOp)数据集、高级微波扫描辐射计（AMSR-E）数据集、土壤湿度与海洋盐分卫星（SMOS）数据集，并结合目前存在的问题探讨卫星遥感反演土壤水分研究的发展趋势。</p>

DOI

[ Chen S L, Liu Y B, Wen Z M.Satellite retrieval of soil moisture: An overview[J]. Advance in Earth Science, 2012,27(11):1192-1203. ]

[14]
李正国,王仰麟,吴健生,等.基于TVDI的黄土高原地表干燥度与土地利用的关系研究[J].地理研究,2006,25(5):913-920.基于地表温度和植被指数的经验关系构建地表干燥度指数。该指数对Ts/NDVI特征空间的生态特征的解释,对土壤和作物的水分含量具有一定的指示意义。通过对地表干燥度进行分级,分析陕北黄土高原区地表含水状况的空间差异,进而结合该地区的主要土地利用类型,探讨各类型的干燥度情况,并对不同地表干燥度条件下各土地利用类型对地表水分的保持能力差异进行分析,结果表明,在该区相对湿润环境中,林地以及疏林地的水分保持能力优于农地和草地,但在干旱的环境下,草地则好于林地及疏林地。建议根据不同土地利用类型的保水能力,在湿润区域增加林地的面积比例,在偏湿润区域增加疏林地的面积,在干旱区域增加草地的比例,减少农地开垦。

DOI

[ Li Z G, Wang Y L, Wu J S, et al.Relationship between surface dryness degree and land use types based on TVDI on Loess Plateau[J]. Geographical Research, 2006,25(5):913-920. ]

[15]
姚春生,张增祥,汪潇.使用温度植被干旱指数法(TVDI)反演新疆土壤湿度[J].遥感技术与应用,2004,19(6):473-478.lt;p>利用MODIS合成产品数据MOD11A2和MOD13A2获取的归一化植被指数(NDVI)和陆地表面温度(Ts)构建Ts-NDVI特征空间,依据该特征空间计算的温度植被干旱指数(TVDI)作为土壤湿度监测指标,反演了新疆8、9两个月份每16 d的土壤湿度。使用野外与卫星同步采样的土壤湿度数据进行验证,发现TVDI指标与实测土壤湿度数据显著相关,能够较好地反映表层土壤湿度,反映的新疆土壤湿度的空间分布与新疆的年降水量分布、年平均相对湿度分布很吻合;同时表明8、9两个月份期间新疆土壤湿度低的区域在不断扩大。</p>

DOI

[ Yao C S, Zhang Z X, Wang X.Evaluating soil moisture status in Xinjiang using the temporal vegetation dryness index(TVDI)[J]. Remote Sensing Technology and Application, 2004,19(6):473-478. ]

[16]
王纯枝,毛留喜,何延波,等.温度植被干旱指数法(TVDI)在黄淮海平原土壤湿度反演中的应用研究[J].土壤通报,2009,40(5):998-1005.植被指数和地表温度是描述地表特征的两个重要参数，基于遥感植被指数和地表温度信息进行区域地表水分状况等陆表变化过程研究，是目前遥感和陆表过程研究中的前沿方向。利用MODIS数据产品MOD13A2和MOD11A2获取的归一化植被指数（NDVI）和地表温度（Ts），构建Ts—NDVI特征空间，依据该特征空间计算的温度植被干旱指数（TVDI）作为土壤湿度监测指标，反演了黄淮海平原2004年冬小麦4～5月份和夏玉米7～10月份每16d的土壤湿度，并经相应的土壤湿度数据验证。结果表明：TVDI与土壤湿度显著相关（α=0．05），且反演的黄淮海平原土壤湿度的时空分布特征与农作物生育期规律、生长季总降雨量分布规律基本吻合；特别是0～10cm、10—20cm、20～40cm三个土层中，TVDI更能稳定反映和指示地表10～20cm土壤水分状况，因而TVDI方法适用于黄淮海平原作物生长季的土壤湿度动态监测。

[ Wang C Z, Mao L X, He Y B, et al.Application of temperature-vegetation dryness index(TVDI) in estimation of soil moisture in the HHH Plain[J]. Chinese Journal of Soil Science, 2009,40(5):998-1005. ]

[17]
颜梅春,张先聪,胡莎,等.基于MODIS数据的京津唐地区干旱监测研究[J].地理与地理信息科学,2012,28(2):94-96,98,103.

[ Yan M C, Zhang X C, Hu S, et al. Application of MODIS image in monitoring drought space in Jing-Jin-Tang region[J]. Geography and Geo-information Science, 2012,28(2):94-96,98,103.]

[18]
杨玲,杨艳昭.基于TVDI的西辽河流域土壤湿度时空格局及其影响因素[J].干旱区资源与环境, 2016,30(2):76-81.土壤湿度是水文、气象和农业等领域的重要基础信息。文中基于MODIS地表温度和植被指数数据,构建Ts-NDVI特征空间,定量揭示了西辽河流域土壤湿度时空分布格局,并进一步讨论了土壤湿度的主要影响要素。研究表明：1）西辽河流域植被生长季土壤湿度总体以正常（0.4

DOI

[ Yang L, Yang Y Z.The spatial and temporal pattern of soil moisture in the west Liaohe river basin based on TVDI method and its influencing factor[J]. Journal of Arid Land Resources and Environment, 2016,30(2):76-81. ]

[19]
白红英. 秦巴山区森林植被对环境变化的响应[M].北京:科学出版社,2014.

[ Bai H Y.The response of vegetation to environment change in Qinba Mountains[M]. Beijng: Science Publishing, 2014. ]

[20]
刘宪锋,潘耀忠,朱秀芳,等.2000-2014年秦巴山区植被覆盖时空变化特征及其归因[J].地理学报,2015,70(5):705-716.利用MODIS-NDVI数据,辅以趋势分析、Hurst指数及偏相关分析等方法,本文探讨了2000-2014年秦巴山区植被覆盖时空变化特征及未来趋势,并对其驱动因素进行分析。研究发现:1近15年秦巴山区植被覆盖呈显著增加趋势,增速为2.8%/10a,其中2010年之前植被覆盖呈持续增加趋势,增速为4.32%/10a,而2010年之后呈连续下降态势,降速为-6.59%/10a;2空间上,植被覆盖格局呈现"中间高、四周低"的分布特征,高值区主要分布在陕西境内的秦岭山地和大巴山山地;3秦巴山区植被覆盖呈增加和减少趋势的面积分别占81.32%和18.68%;然而,分段结果表明,2010-2014年有71.61%的区域植被覆盖呈下降趋势;4秦巴山区植被覆盖变化的反向特征强于同向特征,其中46.89%的区域将由改善转为退化,而持续改善地区仅占34.44%;5植被覆盖变化主要归因于降水的减少,同时拉尼娜年的植被覆盖整体好于厄尔尼诺年;6人类活动对植被覆盖造成双重影响,是植被覆盖变化的另一重要影响因素。

DOI

[ Liu X F, Pan Y Z, Zhu X F, et al.Spatiotemporal variation of vegetation coverage in Qinling-Daba Mountains in relation to environmental factors[J]. Acta Geographica Sinica, 2015,70(5):705-716. ]

[21]
雒新萍. 近25a来秦巴山区植被NDVI时空变化及其对区域气候的响应[D].西安:西北大学,2009.

[ Luo X P.Spatial-temporal changes of NDVI and response to the regional climate in the Qinling-Daba Mountains for 25 years[D]. Xi'an: Northwest University, 2009. ]

[22]
刘宪锋,朱秀芳,潘耀忠,等.1982-2012年中国植被覆盖时空变化特征[J].生态学报,2015,35(16):5331-5342.利用GIMMS NDVI、MODIS NDVI和气象数据,辅以趋势分析、分段回归以及相关分析等方法,分析了1982-2012年我国植被NDVI时空变化特征及其驱动因素。结果表明:(1)近30年我国植被NDVI呈缓慢增加趋势,增速为0.2%/10a;植被覆盖变化阶段性特征明显:即1982-1997年和1997-2012年植被覆盖均呈显著增加趋势,增速分别为1.2%/10a和0.6%/10a,均通过显著水平0.05的检验。(2)空间上,我国陕北黄土高原、西藏中西部以及新疆准格尔盆地等地区植被NDVI呈显著增加趋势;而东北地区的大、小兴安岭和长白山、新疆北部的天山和阿尔泰山以及黄河源和秦巴山区等地区植被NDVI呈显著下降趋势,其中东北地区和新疆北部山区下降尤为显著,说明近年来我国中高纬度山区植被活动呈下降趋势。(3)不同区域植被对气温和降水的响应存在差异,我国北方地区植被对气温具有较长的响应持续时间;而除云南外,南方地区植被对降水的响应时间存在1-3个月的响应时间,且随着滞后时间的延长,相关性逐渐增大。(4)我国植被覆盖增加是气候变化和人类活动共同驱动的结果,尤其是1999年之后人类活动影响逐渐加强。而我国东北地区和新疆北部山区植被覆盖的下降可能是由于该区降水减少所致,东南沿海地区植被退化则受城市化影响显著。

DOI

[ Liu X F, Zhu X F, Pan Y Z, et al.Spatiotemporal changes in the vegetation coverage in China during 1982-2012[J]. Acta Ecology Sinica, 2015,35(16):5331-5342. ]

[23]
李晶. 陕西秦巴山区植被生态调节功能及其生态服务价值测评[D].西安:陕西师范大学,2003.

[ Li J.Value of the vegetation ecosystem services in the Qinba mountains of Shannxi[D]. Xi'an: Shannxi Normal University, 2003. ]

[24]
Sandholt, Rasmussen K, Andersen J. A simple interpretation of the surface temperature/vegetation index space for assessment of surface moisture status[J]. Remote Sensing of Environment, 2002,79(2):213-224.A simplified land surface dryness index (Temperature egetation Dryness Index, TVDI) based on an empirical parameterisation of the relationship between surface temperature ( T s) and vegetation index (NDVI) is suggested. The index is related to soil moisture and, in comparison to existing interpretations of the T s/NDVI space, the index is conceptually and computationally straightforward. It is based on satellite derived information only, and the potential for operational application of the index is therefore large. The spatial pattern and temporal evolution in TVDI has been analysed using 37 NOAA-AVHRR images from 1990 covering part of the Ferlo region of northern, semiarid Senegal in West Africa. The spatial pattern in TVDI has been compared with simulations of soil moisture from a distributed hydrological model based on the MIKE SHE code. The spatial variation in TVDI reflects the variation in moisture on a finer scale than can be derived from the hydrological model in this case.

DOI

[25]
张莲芝,李明,吴正方,等.基于SPOT NDVI的中国东北地表植被覆盖动态变化及其机理研究[J].干旱区资源与环境,2011,25(1):171-175.为了分析东北地表植被覆盖动态变化及其变化机理,选取该地区1998-2007年的SPOT/NDVI时间序列数据进行研究,并利用时间序列谐波分析(HANTS)算法对旬合成的NDVI数据进一步去云处理,根据处理后的结果,用一元线性回归趋势法定量描述了东北地表植被覆盖的动态变化。结果表明:近10年来中国东北地表植被覆盖整体得到改善的区域远比植被覆盖退化的区域面积大,其中严重退化的区域主要是内蒙古的东四盟地区,尤其是呼伦贝尔和科尔沁地区。

[ Zhang L Z, Li Ming, Wu Z F, et al.Vegetation cover change and its mechanism in northeast China based on SPOT/NDVI data[J]. Journal of Arid Land Resources and Environment, 2011,25(1):171-175. ]

[26]
宋怡,马明国.基于GIMMS AVHRR NDVI数据的中国寒旱区植被动态及其与气候因子的关系[J].遥感学报,2008,12(3):499-505.本文基于遥感和地理信息系统技术,用气象数据对中国的寒旱区作了初步的定义.利用GIMMS AVHRR NDVI (Normalized Difference Vegetation Index)数据对中国寒旱区植被覆盖的情况进行了动态监测.采用最大化合成植被指数SINDVI,一元线性回归趋势分析和偏差分析得出寒旱区植被变化特征,并且结合各个气象台站的年平均气温和年总降水数据采用相关分析方法,分析植被动态对气候对气候变化的响应.得出结论:东北的长白山、大小兴安岭、山西的太行山、新疆的准格尔盆地和阿尔泰山的部分地区植被呈现明显退化趋势;而天山、喜马拉雅山、祁连山、阴山、蒙古高原、东北平原及大巴山的高山区,植被呈现改善趋势.中国寒旱区大部分区域植被变化与降水和温度均呈现正相关关系.

DOI

[ Song Y, Ma G M.Variation of AVHRR NDVI and its relationship with climate in Chinese arid and cold regions[J]. Journal of Remote Sensing, 2008,12(3):499-505. ]

[27]
John R, Chen Jiquan, Lu Nan, et al.Predicting plant diversity based on remote sensing products in the semi-arid region of Inner Mongolia[J]. Remote Sensing of Environment, 2008,112(5):2018-2032.Changes in species composition and diversity are the inevitable consequences of climate change, as well as land use and land cover change. Predicting species richness at regional spatial scales using remotely sensed biophysical variables has emerged as a viable mechanism for monitoring species distribution. In this study, we evaluate the utility of MODIS-based productivity (GPP and EVI) and surface water content (NDSVI and LSWI) in predicting species richness in the semi-arid region of Inner Mongolia, China. We found that these metrics correlated well with plant species richness and could be used in biome- and life form-specific models. The relationships were evaluated on the basis of county-level data recorded from the Flora of Inner Mongolia, stratified by administrative (i.e., counties), biome boundaries (desert, grassland, and forest), and grouped by life forms (trees, grasses, bulbs, annuals and shrubs). The predictor variables included: the annual, mean, maximum, seasonal midpoint (EVImid), standard deviation of MODIS-derived GPP, EVI, LSWI and NDSVI. The regional pattern of species richness correlated with GPPSD (R2=0.27), which was also the best predictor for bulbs, perennial herbs and shrubs (R2=0.36, 0.29 and 0.40, respectively). The predictive power of models improved when counties with >50% of cropland were excluded from the analysis, where the seasonal dynamics of productivity and species richness deviate patterns in natural systems. When stratified by biome, GPPSD remained the best predictor of species richness in grasslands (R2=0.30), whereas the most variability was explained by NDSVImax in forests (R2=0.26), and LSWIavg in deserts (R2=0.61). The results demonstrated that biophysical estimates of productivity and water content can be used to predict plant species richness at the regional and biome levels.

DOI

Options
Outlines

/

〈 〉