植被是自然生态系统中最为活跃的因子，作为生态系统的重要组成部分，是连接土壤、大气和水分的自然纽带，在全球能量平衡、生物化学循环和水循环等过程中具有不可替代的作用^[1]。自然因素和人为因素共同决定区域土壤侵蚀的状况。然而，在土壤侵蚀的发生、发展过程中，由于降水、土壤、地形等环境因素很大程度上由区域的自然地理条件决定，在短时期内水土保持活动通常不会改变这些因素。所以通过增加地表植被覆盖，可以快速达到减少水土流失量的效果^[2]。

植被覆盖度(fractional vegetation cover，FVC)是指单位面积内植被冠层(包括叶、茎、枝)在地面的垂直投影面积占统计区总面积的比例，是量化区域植被长势的综合指标，也是监测水土流失、衡量生态环境质量的重要输入因子^[3-4]。归一化植被指数(normalized difference vegetation index，NDVI)和FVC可以很好地反映某一区域的植被覆盖状况^[5]，而植被的变化也可以间接反映生态^[6-7]和气候的变化^[8-9]；因此，利用NDVI和FVC分析研究时间序列植被覆盖度动态变化，一定程度上可以反映人类活动对区域自然环境的影响，同时对区域资源环境保护、防治水土流失、评价水土流失治理成效及国土空间规划等工作也意义重大。

长期以来，国内外学者利用多源遥感数据、从不同尺度和方法对植被覆盖度做了大量的研究，并取得了一系列成果。穆少杰等^[3]和齐亚霄等^[4]利用MODIS数据时间序列完整、覆盖面积宽广的特点，分别研究了内蒙古、天山北坡长时序植被覆盖的时空变化特征与影响因素。与MODIS数据相比，Landsat数据的空间分辨率(30 m)更高，计算获取的植被覆盖度更加精确^[5]，但其时序性与完整性却差一些。在植被覆盖监测方面，高分系列影像应用目前主要集中在局部地区短时序、高精度的植被覆盖监测中，且数据难获取^[10-11]。此外，针对植被覆盖度的计算方法，李苗苗^[12]从研究区位置、遥感数据时相与空间分辨率等角度，提出3种计算方案，也做了详细分析和验证。

总体而言，在分析植被覆盖方面，MODIS数据因其时间序列完整、易获取、空间分辨率较好、覆盖面积宽广、时间分辨率较高等优点受到众多学者^{[8-9, 13]}青睐。然而，在我国的长时间序列植被覆盖动态研究报道中，当前相关研究主要集中于黄土高原、东北黑土区以及南方红壤地区，西南石漠化较为严重的地区却很少受到关注。基于此，笔者利用MODIS数据，采用像元二分、线性回归、变异系数分析等方法，对云南省文山州的植被覆盖特征进行分析研究，旨在为文山州的生态保护、环境治理、国土空间规划等工作提供决策支持。

文山壮族苗族自治州位于我国云南省东南部，地理坐标为E 103°35′~106°11′、N 22°24′~24°48′，行政区划面积约为3.14万km²，人口约为350万(图 1)。

图 1(Fig. 1)

图 1 文山州DEM及地理位置示意图 Fig. 1 DEM (digital elevation model) and geographical location of Wenshan

文山州地处滇东岩溶高原南部边缘，全区地形以山地高原为主，中、西部地势较高，向北、东、南部边缘逐级降低。气候方面，文山州多为亚热带气候，冬无严寒、夏无酷暑、雨量充沛，多年平均降雨量约为1 100 mm(文山州气象局)。受气候、地形等因素的多重影响，林地(45.39%)和耕地(32.60%)是该区最主要的土地利用类型。文山州同时也是云南省石漠化最严重的地区，石漠化面积达8 153 km²，约占整个岩溶区土地面积的60.26%。

研究中采用的MOD13Q1 (MODIS/Terra Vegetation Indices 16-Day L3 Global 250m SIN Grid)数据来源于美国国家航空航天局网站(https://e4ftl01.cr.usgs.gov)，空间分辨率250 m，时间分辨率为16 d。土地利用数据来源于GlobeLand30(http://www.globeland30.com)。GlobeLand30土地利用分类系统共包括10个一级类型，分别是：耕地、林地、草地、灌木地、湿地、水体、苔原、人造地表、裸地、冰川和永久积雪。气象数据来自于中国气象数据网(http://data.cma.cn)。

NDVI是反映植物生长状态的重要参数，被定义为近红外波段反射值(植被强烈反射)与红光波段反射值(植被吸收)的差与和的比值^[4]。利用中位数合成法，将1年约23景NDVI影像合成一景NDVI_a影像，其目的是为了进一步减弱云雾、大气、异常值等的干扰。然后通过像元二分法模型来计算植被覆盖度^[13]

式中：NDVI_soil为纯裸地像元的NDVI值，约等于NDVI_min；NDVI_veg为纯植被像元的NDVI值，约等于NDVI_max。为了直观地反映文山州的植被覆盖分布以及时空变化特征，结合研究区实际情况，采用等间距分级法，将计算的植被覆盖度划分为5个等级^[14]：≤20%(低覆盖度)、＞20%~40%(中低覆盖度)、＞40%~60%(中覆盖度)、＞60%~80%(高覆盖度)和＞80%~100%(极高覆盖度)。

采用一元线性回归方程，按像元统计分析20 a文山州植被覆盖度年际变化趋势，计算公式^[8]如下：

式中：i为年序号，从2001年到2020年，依次取1~20；n为研究总时段跨度，n=20；FVC_i为第i年的FVC像元值；S为一元线性回归方程的线性拟合斜率，当S>0时，表示FVC处于增长趋势；当S < 0时，表示FVC处于减少趋势。根据相关研究，可以把变化趋势划分为5个等级^[8]，S≤-0.006，显著退化；＞-0.006~-0.001，退化；＞-0.001~0.001，基本稳定；＞0.001~0.006，改善；S＞0.006，显著改善。

变异系数可以反映一组数据的波动程度^[4]，定义为标准差与平均数的比值。通过逐像元分析20 a植被覆盖度的变异系数，可以很好地反映植被覆盖度的稳定性，其计算式为：

式中：C_v为变异系数，量纲为1；σ为植被覆盖度总体标准差；μ为植被覆盖度20 a的平均值。

式中：F_i为逐年的FVC像元值，量纲为1；F为20 a FVC像元平均值；n为研究时段长度，n=20。按变异系数的大小，将稳定性划分4个等级：C_v≤0.05，非常稳定；＞0.05~0.10，稳定；＞0.10~0.20，弱变异；C_v>0.20，强变异。

Hurst指数的R/S分析法是非线性时间序列分析的一种基本方法。R/S分析就是重新标度的极差分析，简称“重标极差分析”^[15]。R/S分析法被广泛应用于定量描述长时间序列变化趋势的可持续性，也被应用于植被覆盖度的可持续性预测分析。

考虑一个时间序列增量{FVC(t)}，t=1，2，3，…，n。采用标准离差除极差，相当于将极差“标准化”，消除量纲的影响，利用经验标度关系计算出Hurst指数^[15]。根据经验标度关系，最后利用最小二乘法拟合即可得到最后修正后的H(Hurst)值。其中，H值必为0≤H≤1，如果计算的H>1，说明计算过程出现了某种失误^[15]。由于Hurst指数越接近0或1，持续性越强；越接近0.5，持续性越弱；根据其特性和研究区特征，将不同范围的H值定义为5种持续性^[6]：0≤H < 0.3, 显著反向持续性；0.3≤H < 0.5, 反向持续性；H=0.5，无后效性；0.5 < H < 0.7, 正向持续性；0.7≤H < 1, 显著正向持续性。正向持续性是指如果过去植被覆盖度增加则今后也增加，过去减少则今后也减少(今后是相对于过去的最后一个时间点的数值)；反向持续性与之相反。

对研究区2001—2020年全年的平均植被覆盖度进行统计分析(图 2)。近20 a文山州年平均植被覆盖度大约在60%~80%之间变化，其中2005年平均植被覆盖度最低，约为64%；2020年平均植被覆盖度最高，约为78%。2015—2020年，文山州植被覆盖度呈现稳定增长的趋势。整体上，文山州近20 a平均植被覆盖度呈现波动上升趋势。

图 2(Fig. 2)

图 2 2001—2020文山州年平均植被覆盖度年际变化 Fig. 2 Inter-annual variation of average fractional vegetation coverage (FVC) in Wenshan from 2001 to 2020

对研究区不同植被覆盖度分级后，统计各等级像元数。过去20 a间，文山州低植被覆盖度区域面积较小，且分布较为稳定。中低植被覆盖度和高植被覆盖度区域面积均有一定程度减小；中植被覆盖度区域面积呈现急剧减少趋势；极高植被覆盖度区呈现出快速增长趋势。此外，低、中低植被覆盖度区域比例最少；中植被覆盖度区域占比逐渐下降，2015年极高植被覆盖度区域占比超过中植被覆盖度且逐年上升，在2020年甚至超过高植被覆盖度区域比例；文山州地处云南，降水充足、植被繁盛，高植被覆盖度区域持续占有较大的比例(表 1)。

表 1(Tab. 1)

表 1 文山州各等级植被覆盖度年际变化 Tab. 1 Inter-annual variation of FVC at different levels in Wenshan  % 年份 Year 低覆盖度 Low FVC 中低覆盖度 Medium low FVC 中覆盖度 Medium FVC 高覆盖度 High FVC 极高覆盖度 Extremely high FVC 2001 0.04 2.88 27.67 56.69 12.73 2005 0.03 3.92 31.82 54.82 9.41 2010 0.02 2.87 25.93 57.13 14.06 2015 0.03 1.32 16.52 55.89 26.24 2020 0.03 1.26 9.49 40.45 48.77

表 1 文山州各等级植被覆盖度年际变化 Tab. 1 Inter-annual variation of FVC at different levels in Wenshan

对文山州不同等级的植被覆盖度空间分布进行研究，从2001—2020年，每5 a为1个时间节点进行研究分析, 发现不同等级的植被覆盖度在时间、空间上呈现规律性的变化(图 3)。2001—2020年期间，文山州极高植被覆盖度区域向北、东和南3个方向逐渐扩张，从3 997.22 km²增长到1万5 313.78 km²；文山州中西部的中低植被覆盖度、中植被覆盖度逐渐减少；2001—2015年期间，文山州以中和高植被覆盖度为主，2015年后，文山州以高、极高植被覆盖度为主。全区的高植被覆盖度区域在减少，但绝大部分的区域都转化成了极高植被覆盖区域。总体而言，文山州的植被覆盖正在逐步变好，这得益于退耕还林、封山育林等政策的有效实施。

图 3(Fig. 3)

图 3 文山州不同等级植被覆盖度时空变化 Fig. 3 Spatial-temporal change of FVC at different levels in Wenshan

对文山州植被覆盖的变化趋势进行分析可知，过去20 a间，植被覆盖呈现显著退化和退化区的面积比例分别为0.88%和5.59%；植被覆盖基本稳定区面积占比为9.02%；植被覆盖改善区面积比例最多，约占文山州总面积的55.96%，且空间分布相对分散；显著改善区的面积比例排在第2位，约占总面积的28.55%，且多分布于文山的中东部(图 4)。

图 4(Fig. 4)

图 4 2001—2020文山州植被覆盖变化趋势空间分布 Fig. 4 Spatial distribution of vegetation cover change trend in Wenshan from 2001 to 2020

变异系数可以很好地反映多年植被覆盖度的稳定性。由图 5可知，近20 a文山州有69.31%的区域FVC处于稳定状态，且分布比较均匀；11.67%的区域处于非常稳定的状态，主要分布在文山州的东部、南部、北部3个区域；只有18.52%的区域变异系数波动范围为0.1到0.2之间，表现为弱变异，主要分布在研究区的西部、中东部、东南部这3个区域；强变异的面积占比最少，只占全域总面积的0.50%。总体上看，全域约80.98%的区域处于相对稳定的状态，这反映文山州绝大部分区域的植被呈现相对稳定性增长的态势。

图 5(Fig. 5)

图 5 文山州20年植被覆盖变异系数空间分布 Fig. 5 Spatial distribution of coefficient of variation of vegetation coverage in Wenshan in the past 20 years

基于R/S分析法，笔者计算文山州2001—2020年植被覆盖度的Hurst指数。Hurst指数的大小表示文山州植被覆盖度时间序列的未来趋势预测(图 6)。结果表明：文山州Hurst指数的最大值为0.95，最小值为0.10，标准差为0.10，证明计算结果正确。研究区的Hurst指数的平均值为0.45，其中Hurst指数>0.50的像元数约占28.86%，< 0.50的像元数约占71.14%，等于0.50的像元数为0，说明文山州植被覆盖的反向持续性强于正向持续性。将Hurst指数与变化趋势进行叠加分析和统计分析，结果如表 2所示。文山州的显著改善区、改善区和退化区的反向持续性比例较多，显著退化区的正向持续性比例较多。因此，相对于2020年，文山州未来一段时间内的植被覆盖会有一定程度的减少。图 2中，研究区2001—2017年，平均FVC缓慢波动上升，波动明显；2018—2020却明显不同，平均FVC呈现快速上升趋势，且不波动。由于近3年增加的量超过了预期，并在2020年达到峰值，而且Hurst指数的持续性预测是用最后一年的值(2020)为未来一段时间内趋势的起点，所以预测结果才会出现反向持续性的区域多于正向持续性的区域。

图 6(Fig. 6)

图 6 基于FVC的文山州2001—2020年Hurst指数分布 Fig. 6 Hurst index distribution based on FVC in Wenshan from 2001 to 2020

表 2(Tab. 2)

表 2 文山州2001—2020年不同变化趋势的Hurst指数 Tab. 2 Hurst index of different trends in Wenshan from 2001 to 2020  % 动态变化Dynamic change 显著反向持续性 Significantly reverse persistence 反向持续性 Reverse persistence 正向持续性 Positive persistence 显著正向持续性 Significantly positive persistence 显著退化区Significant degradation 6.28 30.71 40.67 22.34 退化区Degradation 2.67 57.94 37.06 2.32 基本稳定区Basic stability 3.48 64.12 31.19 1.20 改善区Improvement 4.61 69.90 24.74 0.75 显著改善区Significant improvement 4.84 71.39 23.09 0.69

表 2 文山州2001—2020年不同变化趋势的Hurst指数 Tab. 2 Hurst index of different trends in Wenshan from 2001 to 2020

土地利用动态变化是人类活动对生态环境、植被覆盖综合影响的集中体现，也是人口、城镇化、政策(退耕还林)的综合作用结果。结合3期Globeland30土地利用数据，对文山州植被覆盖时空演变的土地利用背景进行分析。结果表明：过去20a文山州耕地总体动态变化率为38.14%，为所有地类之最。其中，除植被显著退化区耕地减少9.83%外，植被退化区、稳定区、改善区和显著改善区的耕地均在增加，增幅分别为5.79%、8.62%、5.40%和8.50 %。林地总体动态变化率为35.01%，过去20 a间上述5个区域林地面积比例均在减少，且多转化为耕地；减幅分别为6.21%、6.23%、8.13%、6.01%和8.43%。此外，5个区域中人造地表面积比例均在增加，动态变化率为27.67%，变幅排在第3。草地、灌木林地的总动态变化率分别为10.16%和3.10%，相对较低。

在植被覆盖显著退化区和退化区，人造地表的动态变化率为25.87%，为所有地类之最，是引起该区植被覆盖变化的主要原因；而改善区和显著改善区中的耕地、林地的总动态变化率分别为13.9%、和14.44%，远高于其他地类，是引起该区域植被覆盖变化的主要原因。

总体上，还林还草、封山育林等政策的落实保护了原有林地，这是文山州林地总量虽然减少(表 3)但是植被覆盖度增加的主要原因。同时，过去20 a间，耕地的增加(常绿农作物增加)也是引起全区植被覆盖度增加的最主要原因。在各类型植被覆盖度年际变化趋势中，耕地变化的贡献最大，林地和人造地表变化次之。综合而言，土地利用变化是文山州植被覆盖变化的重要驱动因素。

表 3(Tab. 3)

表 3 文山州2000—2020年不同土地利用类型面积 Tab. 3 Areas of different land use types in Wenshan from 2000 to 2020  km2 土地利用类型 Land use type 2000 2010 2020 耕地Cultivated land 8 628.92 8 689.07 10 231.01 林地Forest 15 336.79 14 589.69 14 247.56 草地Grassland 3 511.45 3 712.70 3 147.47 灌木地Shrubland 3 725.80 4 194.88 3 313.48 湿地Wetland 4.38 4.07 3.48 人造地表Artificial surfaces 81.28 95.32 273.48

表 3 文山州2000—2020年不同土地利用类型面积 Tab. 3 Areas of different land use types in Wenshan from 2000 to 2020

降水和气温是影响一个区域整体植被覆盖变化最主要的气候因素。结合文山州7个气象站点的数据，合成年累积降水量(mm)与年平均气温(℃)。图 7可知，2000—2020年文山州的年累积降水量和年平均气温均呈现波动增长的趋势，年均增长率分别为6.692 0和0.039 0；研究区的年平均植被覆盖度同样呈现波动增长的趋势，年均增长率为0.004 2(图 2)。研究表明，文山州长期的植被覆盖变化与气候变化表现为正相关关系，短期的植被覆盖变化与气候变化之间无明显的关系。

图 7(Fig. 7)

图 7 2000—2020文山州逐年累积降水、平均气温变化图 Fig. 7 Changes of annual cumulative precipitation and average temperature in Wenshan from 2000 to 2020

植被覆盖变化是引起区域水土流失变化、反映区域生态环境质量变化的重要参数。因植被破坏引起的地表土壤损失、基岩裸露、土地资源丧失也是产生石漠化的主要原因。本研究结果表明，从2001—2020年间，研究区的植被覆盖整体呈现波动上升的趋势，且稳定性较好。基于Hurst指数计算的未来植被覆盖退化区比例较高，其主要原因是研究区近年来整体植被覆盖度涨幅太大，且波动性较差。

植被覆盖变化的驱动因素大体可分为2类(自然因素和人为因素)，其中，土地利用变化是人类活动结果的集中体现，因此可以用来反映植被覆盖变化的人为驱动因素。自然因素主要分为气候和地形2类，笔者仅考虑了气候因素，有一定局限性。此外，MODIS数据时序性虽完整，但空间分辨率较低，难以反映植被覆盖变化的微观过程。

1) 时间上，文山州近20 a植被覆盖度总体上呈现上升趋势，其年平均植被覆盖度在60%~80%之间波动上升，在2020年年平均植被覆盖度达到峰值，约为78%。各等级植被覆盖度变化中，中低、中、高植被覆盖度面积比例逐年减少，极高植被覆盖度面积逐年增加，低植被覆盖度面积占比变化不明显。

2) 空间上，文山州近20 a的植被覆盖主要向北、东和南3个方向逐渐扩张。绝大部分区域(84.51%)的植被覆盖度处于改善和显著改善的趋势；仅有6.47%区域为显著退化和退化区且分布相对分散。80.98%的区域植被覆盖处于稳定和非常稳定状态，仅有0.5%的区域为强变异状态。全区植被覆盖呈现相对稳定增长的趋势。

3) 69.90%的改善区、71.39%的显著改善区和40.67%的显著退化区未来FVC呈退化趋势；57.94%的退化区未来FVC有一定改善趋势；全区未来一段时间内的FVC总体上会有一定程度的减少。耕地、林地和人造地表的变化是引起文山州植被覆盖变化的主要原因，其中耕地的影响最大，林地、人造地表次之。研究区植被覆盖变化总体上与年降水量和温度变化具有一致性。