文章信息
- 罗文玮, 赖日文, 陈思雨, 谢雪莉, 应兴亮
- LUO Wenwei, LAI Riwen, CHEN Siyu, XIE Xueli, YING Xingliang
- 基于NDVI的福建省植被变化特征分析
- Analysis of vegetation variation characteristics in Fujian based on NDVI
- 森林与环境学报, 2016, 36(02): 141-147
- Journal of Forest and Environment, 2016, 36(02): 141-147.
- http://dx.doi.org/10.13324/j.cnki.jfcf.2016.02.003
-
文章历史
- 收稿日期: 2015-07-20
- 修订日期: 2015-10-23
归一化比值植被指数(normal difference vegetation index,NDVI)能够较好地反映植被光合作用强度、代谢强度、植被覆盖、生物量、绿度及植被季节和年际变化及其他生态系统参数的变化[1,2],常被广泛用于植被变化动态监测、土地利用覆盖转移、生态环境监测等方面[3,4]。NDVI即为遥感影像的近红外波段(near infrared,NIR)反射率与红光波段 (red band,RED)反射率比值的归一化参数[5],其计算公式为:NDVI=(NIR-RED)/(NIR+RED)[6]。
近年来,对NDVI原始时间序列数据集进行重建,以提高NDVI数据集质量的研究逐渐增多。NDVI时间序列数据集的重建较常用的有以下几种方法:傅里叶变换法、最大值合成法、中值迭代滤波、最佳指数斜率提取、Savitzky-Golay滤波、时间窗内的线性内插等。小波分析(wavelet analysis,WA)是一种信号的时间—尺度(频率)分析方法,具有多分辨率分析的特点,在时频、频域都具有表征信号局部特征的能力,可以对信号进行多尺度细化分析,得到各个频率随时间的变化及不同频率之间的关系,不仅可以给出植被指数序列变化的尺度,还可以显现出变化的时间位置,近年来被广泛应用于植被指数的多尺度分析研究。因此基于中等分辨率成像光谱仪(moderate resolution imaging spectroradiometer,MODIS)NDVI数据,对近11 a来福建省植被空间分布、动态变化趋势、周期性特征等进行分析,研究福建省近11 a来植被系统动态演化特征及原因,以期为福建省的森林环境监测提供科学依据,促进森林资源及林业的可持续发展。
1 研究区概况福建省位于中国东南部,东经115°50'-120°43'、北纬23°32'-28°19',东西约跨540 km,南北约跨550 km,陆地总面积12.14万km2,约占中国土地总面积的1.26%。南、西、北分别与广东省、江西省和浙江省相邻,东南隔台湾海峡与台湾省相望。其土壤的形成和分布特征是:红壤和水稻土分布广泛,土壤类型多种多样,土壤资源相当丰富。土壤的地理分布有明显的水平地带性、垂直地带性和多种地域组合类型。福建省植被类型复杂多样,植物种类繁多,群落分布错杂,现状植被以次生植被为主。
2 研究数据与方法 2.1 数据的收集与处理MODIS NDVI数据为在地理空间数据云得到的2000-2011年MODIS 中国区域NDVI植被指数产品TERRA星的MODND1M(中国1 km NDVI月合成产品),数据来源于中国科学院计算机网络信息中心国际科学数据镜像网站。MODIS NDVI数据时间跨度为2000年2月至2010年12月,共11期数据。空间分辨率为1 km,已用辐射定标、大气校正、去云等手段对该原始数据进行了预处理。数据空间参考均采用GSC_WGS_1984(geographic coordinate systems world geodetic system 1984),角单位为度(degree 0.0 174 532 925 199 433),大地基准面为D_WGS_1984。首先对MODIS数据进行月最大值合成[7,8](MODIS数据已经是月最大化合成数据),获得影像每期云干扰噪声最少的较真实、准确的数据。其次,对数据源原始图像进行逐图像检查,并读取各图像均值,对异常图像进行替换。最后利用NDVI的归一化处理得到真实的NDVI值。研究区23个气象站点1999年10月至2010年12月平均气温和月降水量数据源自中国气象局国家气象信息中心气候资料室。
2.2 研究方法
2.2.1 趋势线分析法
趋势线是对一组随时间变化的变量进行回归分析,预测其变化趋势的方法[9]。通过此方法模拟福建省多年年平均、生长季平均、非生长季平均NDVI的时间变化趋势。并在地理信息系统软件(ArcGIS)的空间分析模块下对年均NDVI影像栅格数据进行逐像元空间分析运算。
对于NDVI时间序列数据,每个像素对应有若干年的时间序列数值,对这些数值进行一元线性回归分析,可以分析每个栅格点的变化趋势。计算公式如下
$slope=\frac{n\sum\limits_{i=1}^{n}{i}NDV{{I}_{i}}-\sum\limits_{i=1}^{n}{N}DV{{I}_{_{I}}}}{n\sum\limits_{i=1}^{n}{{{i}^{2}}}-{{(\sum\limits_{i=1}^{N}{i})}^{^{2}}}}$ | (1) |
式中:i表示1-n的年序号;NDVIi表示第i年的NDVI值;n为研究序列的长度11(2000-2010年共11 a);slope 为趋势线的斜率。
利用11 a(2000-2010年)的年均NDVI图,逐像元进行线性回归,得到的回归系数即为趋势倾向,由此得到NDVI的趋势倾向率图。而趋势倾向率的检验采用相关系数检验法。即利用2000-2010年的年均NDVI图,逐像元和时间序列做相关分析,得到相关系数图,然后对相关系数进行分类,本研究分类端点参考通过a=0.05的显著性水平的相关系数值,由此得到NDVI趋势倾向率的检验。
2.2.2 小波分析方法小波分析法是一种能够将时间或空间上的格局与尺度以及具体时、空位置联系起来的分析方法[10],近年来被广泛应用于植被指数的多尺度分析研究。其中小波函数的定义为[11]:设φ(t)为一平方可积函数,即φ(t)∈L2(R),若其傅立叶变换ψ(ω)满足容许条件,则
${{C}_{\varphi }}=\underset{R}{\mathop{\int }}\,\frac{{{\left| \psi (\omega ) \right|}^{2}}}{\omega }d\omega <\infty $ | (2) |
则φ(t)称为一个基本小波或小波母函数。将小波函数φ(t)进行伸缩和平移,得到连续小波,为
${{\varphi }_{a,\tau }}(t)=\frac{1}{\sqrt{a}}\varphi \left( \frac{t-\tau }{a} \right),a,\tau \in R,a>0$ | (3) |
对于任意函数f(t)∈L2(R)的连续小波变换为
${{W}_{f}}(a,\tau )=\left[f(t),{{\varphi }_{a,t}}(t) \right]=\frac{1}{\sqrt{a}}\underset{R}{\mathop{\int }}\,\frac{{{\left. \left| \psi \right.(\omega ) \right|}^{2}}}{\omega }\varphi \left( \frac{t-\tau }{a} \right)dt$
(4)
$\varphi \left( t \right)=\left( 1-{{t}^{2}} \right){{e}^{\left( -{{t}^{2}}/2 \right)}}$ | (5) |
∑NDVI是通过对年内具有等间隔时期的NDVI进行累计求和得到,该参数在一定意义上代表了植被的年生产力[13,14]。利用2000-2010年各年MODIS NDVI月最大化数据累计求和得到各年∑NDVI,进而对2000-2010年NDVI各年生产力图进行平均,生成均值图,代表2000-2010年NDVI生产力平均概况,进行分级显示,见图1。由图1可以看出,福建省2000-2010年平均∑NDVI分布特点为沿海较低,内地整体较高,低值呈斑块状出现。沿海植被空间分布覆盖较差的区域是福州市区、莆田、泉州、厦门沿海的城镇区域。沿海人口较密集、城镇建设拓展较快的区域及沿海的岛屿呈现出较低的植被覆盖。
3.2 NDVI年内变化分析将各年福建省月最大化NDVI图像进行平均,并将各像素NDVI进行求和,其平均值作为整个福建省的该月NDVI,做出年内变化曲线(图2)。从图2可以明显看出,福建省植被年内的物候变化,NDVI最高值出现在8-9月,达0.86左右,最低值出现在3月,但也高达0.65左右,4-9月NDVI呈上升趋势,为植被的生长季,10月至次年3月为植被的非生长季,NDVI值呈逐渐下降趋势。
3.3 NDVI周期性分析采用墨西哥帽子小波函数对福建省月NDVI均值时间序列进行小波分析,揭示了福建省近11 a来植被覆盖变化的多时间尺度的复杂结构,分析了不同时间尺度下月NDVI序列变化的周期,并确定了各序列中存在的主要周期。
图3的采样频率是3,如:纵坐标5,对应时间尺度为5×3=15个月。由图3可以明显看出,在12个月(纵坐标时间尺度为4,采样频率为3)尺度上有显著的震荡变化,周期为6个月左右,呈现出一个高值中心与一个低值中心的交替出现,即生长季与非生长季的交替出现。在60个月左右的时间尺度上(纵坐标时间尺度为20,采样频率为3),呈现出高→低→高→低的交替变化,直到NDVI序列末端低值中心未闭合,说明在2010年以后一段时间内NDVI值仍会偏低。
小波方差(图4)分析揭示了月NDVI变化的主周期,当时间尺度为12个月时出现一个峰值,说明方差贡献最大,说明时间尺度为12个月的NDVI年内的生长季与非生长季NDVI变化最明显,之后,随着月份周期的增长,方差递增。
3.4 NDVI年际变化分析 3.4.1 NDVI年际变化时间分析对福建省年均NDVI图像中各像元的NDVI值进行求和平均,得到的结果作为整个福建省全年植被覆盖的平均状况,将年内生长季(4-9月)逐月最大化NDVI逐像元进行加和平均,得到生长季的各像元NDVI均值,再将各像素NDVI进行求和,其平均值作为整个福建省的生长季NDVI平均值。用同样方法获取非生长季(1、2、3、10、11、12月)NDVI平均值。
对年平均NDVI、生长季平均NDVI、非生长季平均NDVI进行11 a的一元线性回归,模拟出各个时期NDVI时间序列变化曲线,反映整个省域植被的年际变化趋势(图5)。
由图5可以看出:(1)福建省2000-2010年期间2005年的NDVI值最小,为0.747,2010年的NDVI值最大,为0.799。线性变化趋势为0.003 2 a-1,年均NDVI与年份的相关系数R为0.614(P<0.05),表明福建省年均NDVI总体呈缓慢波动上升趋势;生长季平均NDVI最小值为2000年的0.778,最大值为2009年的0.833,线性变化趋势为0.001 3 a-1,年均NDVI与年份的相关系数R为0.258,未通过P<0.05水平检验,表明福建省生长季NDVI总体上呈不显著缓慢波动上升趋势;非生长季平均NDVI最小值为2004年的0.718,最大值为2010年的0.800,线性变化趋势为0.005 2 a-1,年均NDVI与年份的相关系数R为0.692(P<0.05),表明福建省非生长季NDVI总体缓慢波动上升趋势。(2)总体上,年平均NDVI、生长季平均NDVI、非生长季平均NDVI呈现较一致的时间趋势,尤其是年均NDVI与非生长季NDVI最大值与最小值出现年份基本一致,且都有显著增加趋势。(3)NDVI时间序列曲线波动较大,且NDVI数值相对较高;在2003年之前呈增长趋势,之后呈下降趋势,2005年总体上达到最低值,随后缓慢上升。(4)各年生长季与非生长季之间的差别不同,这可以反映植被年内变化幅度,其中2010年非生长季与生长季NDVI之间相差最小,差值为-0.001,最大的是2004年,差值为0.1。
3.4.2 NDVI年际变化趋势空间分析对福建省MODIS NDVI 2000-2010年均影像进行基于像元的一元线性回归分析,计算斜率为年均NDVI变化趋势率,并做显著性检验,提取变化率通过P<0.05显著性水平检验的像元。分析福建省近11 a植被变化趋势的空间分布特征,从而反映区域植被的年际变化。
图6与图7是年均NDVI年际变化趋势及通过0.05水平的显著性检验的区域,其中年均NDVI变化率通过显著性水平检验的像元面积占整个省域面积的39.72%;将像元变化率分重度减少、轻度减少、基本不变、轻度增加、重度增加5个等级,进行分区分析。
从表1看出,整个福建省NDVI 基本不变所占的面积最多,其次是轻度增加所占面积,二者分别为39 309.49、7 196.59 km2;其他等级所占面积都较少。
地市City | 重度减少Severely reduced(slope<-0.02) | 轻度减少Slightly reduced(-0.02<slope<-0.01) | 基本不变Essentially unchanged(-0.01<slope<0.01) | 轻度增加Mild increase(0.01<slope<0.02) | 重度增加Severe increase(slope>0.02) | |||||||||
面积Area/km2 | 比例Percent/% | 面积Area/km2 | 比例Percent/% | 面积Area/km2 | 比例Percent/% | 面积Area/km2 | 比例Percent/% | 面积Area/km2 | 比例Percent/% | |||||
漳州Zhangzhou | 31.06 | 11.02 | 83.21 | 11.52 | 3 330.14 | 8.47 | 3 133.05 | 43.54 | 245.26 | 75.49 | ||||
厦门Xiamen | 56.14 | 19.91 | 68.08 | 9.42 | 487.74 | 1.24 | 246.85 | 3.43 | 8.36 | 2.57 | ||||
三明Sanming | 43.80 | 15.54 | 116.66 | 16.14 | 6 014.87 | 15.30 | 356.35 | 4.95 | 1.19 | 0.37 | ||||
泉州Quanzhou | 73.66 | 26.13 | 172.00 | 23.80 | 4 229.16 | 10.76 | 759.67 | 10.55 | 11.15 | 3.43 | ||||
莆田Putian | 5.97 | 2.12 | 38.22 | 5.29 | 1 315.49 | 3.35 | 574.93 | 7.99 | 29.86 | 9.19 | ||||
宁德Ningde | 6.37 | 2.26 | 25.88 | 3.58 | 6 466.78 | 16.45 | 489.73 | 6.80 | 1.59 | 0.49 | ||||
南平Nanping | 15.13 | 5.37 | 60.12 | 8.32 | 7 970.59 | 20.28 | 410.89 | 5.71 | 1.59 | 0.49 | ||||
龙岩Longyan | 26.68 | 9.46 | 84.41 | 11.68 | 4 710.13 | 11.98 | 407.71 | 5.67 | 17.52 | 5.40 | ||||
福州Fuzhou | 23.09 | 8.19 | 74.06 | 10.25 | 4 784.59 | 12.17 | 817.40 | 11.36 | 8.36 | 2.57 | ||||
福建Fujian | 281.89 | 100.00 | 722.64 | 100.00 | 39 309.49 | 100.00 | 7 196.59 | 100.00 | 324.89 | 100.00 |
从各等级所占面积看,重度减少面积较多的地区为泉州、厦门,分别占省域面积的26.13%、19.92%;重度减少面积较少的地区为莆田、宁德,分别占省域面积的2.12%、2.26%;轻度减少面积较多的地区是泉州、三明、漳州,分别占省域面积的23.80%、16.14%、11.52%;基本不变面积较多的地区是南平、宁德、三明,分别占省域面积的20.28%、16.45%、15.30%;轻度增加面积较多的地区是漳州、福州、泉州,分别占省域面积的43.54%、11.36%、10.56%;重度增加面积最多的地区为漳州,占省域面积的75.49%,重度增加面积较少的地区为三明、宁德、南平,分别占省域面积的0.37%、0.49%、0.49%。
从各地市NDVI变化面积看,漳州地区基本不变和轻度减少所占面积较多,分别为3 330.14、3 133.05 km2;厦门地区基本不变所占面积最大,重度增加所占面积最小,分别为487.74、8.36 km2;三明地区是重度增加面积最小,仅为1.19 km2;泉州地区基本不变所占面积最多,重度增加面积最小,分别为4 229.16、11.15 km2;莆田地区是重度减少所占面积最小,仅为5.97 km2;宁德地区重度减少和重度增加的面积都较少,分别是6.37、1.59 km2;南平地区基本不变所占面积最大,为7 970.59 km2,重度增加所占面积最小,为1.59 km2;龙岩地区重度减少和重度增加的面积都较少,分别是26.68、17.52 km2;福州地区基本不变面积最大,重度增加面积最小,分别是4 784.59、8.36 km2。
表2年均变化数据显示,福建省NDVI基本不变比例最高,为82.18%。具体对各地市面积比例分析,漳州地区各等级面积比例从大到小分别是基本不变、轻度增加、重度增加、轻度减少、重度减少;厦门、三明、泉州、宁德、南平、龙岩、福州地区各等级面积比例从大到小分别是基本不变、轻度增加、轻度减少、重度减少、重度增加;莆田地区各等级面积比例从大到小分别是基本不变、轻度增加、轻度减少、重度增加、重度减少。按各地市不同等级所占本地市面积比例来看:重度减少所占比例最大的是厦门6.47%,而比例较少的宁德、南平,仅为0.09%、0.18%;轻度减少所占比例最大的是厦门7.85%、最小的是宁德0.37%;轻度增加比例较大的是漳州、莆田,分别为45.92%、29.27%;重度增加比例最大的是漳州3.59%,比例最小的有三明、宁德、南平,都为0.02%。
地市City | 总面积Total area/km2 | 比例Percent/% | ||||
重度减少Severely reduced | 轻度减少Slightly reduced | 基本不变Essentially unchanged | 轻度增加Mild increase | 重度增加Severe increase | ||
漳州Zhangzhou | 8 599.27 | 0.46 | 1.22 | 48.81 | 45.92 | 3.59 |
厦门Xiamen | 765.22 | 6.47 | 7.85 | 56.24 | 28.47 | 0.96 |
三明Sanming | 1 058.46 | 0.67 | 1.79 | 92.07 | 5.45 | 0.02 |
泉州Quanzhou | 2 181.66 | 1.40 | 3.28 | 80.62 | 14.48 | 0.21 |
莆田Putian | 1 563.19 | 0.30 | 1.95 | 66.96 | 29.27 | 1.52 |
宁德Ningde | 1 266.25 | 0.09 | 0.37 | 92.51 | 7.01 | 0.02 |
南平Nanping | 1 111.25 | 0.18 | 0.71 | 94.23 | 4.86 | 0.02 |
龙岩Longyan | 1 179.08 | 0.51 | 1.61 | 89.78 | 7.77 | 0.33 |
福州Fuzhou | 2 171.15 | 0.40 | 1.30 | 83.83 | 14.32 | 0.15 |
福建Fujian | 19 895.54 | 0.59 | 1.51 | 82.18 | 15.04 | 0.68 |
对福建省近11 a NDVI生产力进行空间格局分析,发现福建省近11 a来整体植被生产力较好。沿海人口较密集、城镇建设拓展较快的区域及沿海的岛屿呈现出较低的植被生产力,其他区域普遍呈现较高的植被覆盖状况,但龙岩西部水土流失较严重区域,表现出较低的NDVI生产力,其他生产力较低区域均呈分散的小斑块状,无聚集特征,主要为人口、建筑较集中的城镇。在福建省各个地市中,高植被生产力面积所占百分比较大的有南平、三明、龙岩、宁德,其次为漳州;高植被生产力面积所占百分比较小的有厦门、泉州、莆田,其次为福州;福建省高植被覆盖区域与人口、城镇密集程度、经济发展水平相一致。
NDVI变化分析表明:NDVI最高值出现在8-9月,最低值出现在3月;4-9月NDVI呈上升趋势,为植被的生长季,10月至次年3月为植被的非生长季,NDVI值呈逐渐下降趋势。福建省年平均NDVI、生长季平均NDVI、非生长季平均NDVI呈现一致的时间趋势,在2003年之前为增长趋势,之后呈下降趋势,2005年总体上达到最低值,之后缓慢上升。显著性检验结果表明,植被增加显著的区域是龙岩西北部、漳州东南部及莆田中部。植被覆盖状况显著变差区域是福州市区、莆田、泉州、厦门沿海城镇区域。小波方差分析表明,当时间尺度为12个月时小波方差贡献率出现一个峰值,说明时间尺度为12个月的NDVI年内的生长季与非生长季NDVI变化最明显。
植被覆盖状况显著变差区域是福州市区、莆田、泉州、厦门沿海城镇区域。人类活动及其空间分布是归一化植被指数变化的主要因素,其中沿海城市化、工业化和海岸湿地开发利用程度的提高导致归一化植被指数衰减。将NDVI变化与更多社会经济因子以及气象因子进行驱动力分析有待进一步研究。
[1] | 朱明明,侯西勇,毋亭.基于MODIS NDVI的中国东部植被覆盖时空变化特征[J].遥感技术与应用,2013,28(6):1027-1032. |
[2] | 安佑志,刘朝顺,施润和,等.基于MODIS时序数据的长江三角洲地区植被覆盖时空变化分析[J].生态环境学报,2012,21(12):1923-1927. |
[3] | 李惠敏,刘洪斌,武伟.近10年重庆市归一化植被指数变化分析[J].地理科学,2010,30(1):119-123. |
[4] | 贾虎军,杨武年,周丹,等.基于MODIS地表温度和归一化植被指数的生态环境变化分析[J].遥感信息,2014,29(3):44-49. |
[5] | KOBAYASHI H,DYE D G.Atmospheric conditions for monitoring the long-term vegetation dynamics in the Amazon using normalized difference vegetation index[J].Remote Sensing of Environment,2005,97(4):519-525. |
[6] | 宋富强,邢开雄,刘阳,等.基于MODIS/NDVI的陕北地区植被动态监测与评价[J].生态学报,2011,31(2):354-363. |
[7] | 何月,樊高峰,张小伟,等.浙江省植被NDVI动态及其对气候的响应[J].生态学报,2012,32(14):4352-4362. |
[8] | 游浩妍,骆成凤,刘正军,等.基于MODIS植被指数估算青海湖流域植被覆盖度研究[J].遥感信息,2012,27(5):55-60, 66. |
[9] | 陈燕丽,龙步菊,潘学标,等.MODIS NDVI和AVHRR NDVI对草原植被变化监测差异[J].遥感学报,2011,15(4):831-845. |
[10] | 徐芝英,胡云锋,甄霖,等.基于小波的浙江省NDVI与自然:人文因子多尺度空间关联分析[J].地理研究,2015,34(3):567-577. |
[11] | 龙从彬,李小川,周学云,等.用墨西哥帽小波函数研究雅安降水变化[J].四川气象,2007,27(4):1-4. |
[12] | GAMER W,KICKLIGHTER D W,BOUDEAU A,et al.Comparing global models of terrestrial net primary productivity (NPP):overview and key results[J].Global Change Biology,1995,5(1):1-15. |
[13] | FENSHOLT R,RASMUSSEN K.Analysis of trends in the Sahelian ‘rain-use efficiency’ using GIMMS NDVI,RFE and GPCP rainfall data[J].Remote Sensing of Environment,2011,115(2):438-451. |
[14] | 蒋蕊竹,李秀启,朱永安,等.基于MODIS黄河三角洲湿地NPP与NDVI相关性的时空变化特征[J].生态学报,2011,31(22):6708-6716. |