动态监测植被生长状况是生态环境研究的热点之一，对植被的动态监测还可以从一定程度上反映气候变化的趋势。作为陆地典型植被之一的草地，其生态系统结构较为单一，对气候变化响应敏感，是研究气候变化及人类活动干扰作用较理想的平台^[1]。

在过去的研究中，以NOAA/AVHRR NDVI运用最为广泛，采用该数据集在植被分类、植被变化监测、植被变化与气候关系等方面取得了一系列研究成果^[2-11]。MODIS植被指数产品是在已有植被指数基础上改进设计的，增强了对植被的敏感度，减少外部影响因素 (如大气、观测视角和太阳角、云等) 和内在因素 (如叶冠背景、垃圾等) 的影响。

AVHRR传感器的可见光波段和近红外波段为宽波段，均包含了几个强的水汽吸收区，降低了计算植被指数的可靠性；MODIS传感器的可见光波段提高了对叶绿素的敏感度，近红外波段则排除了大气水汽的干扰。因此，在植被监测中具有更高的准确性^[12]。

锡林郭勒盟位于内蒙古自治区中东部，地处41°35′ 46°46′N，111°09′ 119°58′E，全盟辖9旗2市1县。该区域气候属于中温带半干旱大陆性气候类型，冬季寒冷，夏季炎热，降水不均，雨热同期。土壤类型多样，草地资源类型广泛，覆盖着草甸草原、干草原、荒漠草原、荒漠、草甸的各个亚类，在类型上具有一定的典型性和完整性，在空间分布上具有一定的连续性。

所用到的NDVI数据集为NASA MODIS陆地产品组根据统一算法开发的MODIS植被指数产品。本研究所用的MODIS产品为其陆地产品系列中的MOD13A1，即全球500m分辨率16d合成的植被指数产品，数据版本为V004。有关该产品的详细介绍参见文献[13]。对所获得的MOD13A1遥感数据集进行子集提取、图像镶嵌、数据格式转换、投影转换及质量检验等预处理，这些处理可以采用MODLAND提供的专门软件进行，经过以上处理得到质量可靠的NDVI数据集。

本文所用的NDVI数据采用了国际通用的最大值合成MVC (Maximum ValueComposites) 法获得。该法可以进一步消除云、大气、太阳高度角等的部分干扰。

(1)

式 (1) 中，I_NDVmi是第i个16d周期的NDVI最大合成值，I_NDVij是第i个16d周期第j天NDVI值。在计算过程中，各天NDVI值均小于0.1的网格不参与计算，并取值为0，即表示没有植被变化信息，所以统计反映的仅为有植被覆盖地区变化状况。

分析植被年际变化趋势时计算了年NDVI (Y_NDVI)，用其代表当年NDVI的总体情况。由于植被生长季主要集中在4—9月，因此，利用植被生长季的NDVI平均值作为当年的Y_NDVI值。

(2)

式 (2) 中，Y_NDVIk是第k年生长季NDVI平均值，i的取值范围为7 17，即第113天到第273天。

所用到的气象数据为国家气象信息中心和内蒙古气象局提供的锡林郭勒盟12个气象站点2000—2005年逐日的平均气温、最高气温、最低气温、降水量、水汽压、日照时数。分别计算各个气候因子与NDVI对应时间段 (16d) 的统计值，其中平均气温、最高气温、最低气温、水汽压、日照时数为16d平均值，降水量为16d累积降水量。

所用的植被空间分布数据为两种比例的植被图，分别为1：1000000中国植被图集^[14]和1：4000000矢量化中国植被图。其中1：1000000中国植被图用于确定研究区内12个气象站点所在区域的主要植被类型 (10 km范围内，见表 1)。1：4000000矢量化中国植被图用于在GIS叠加分析判断各类植被的年际变化趋势。

表 1

表 1 气象站点位置及其10km范围内主要植被类型 Table 1 Location of meteorological stations in Xilingol and vegetation types with in their 10-km buffer areas

表 1 气象站点位置及其10km范围内主要植被类型 Table 1 Location of meteorological stations in Xilingol and vegetation types with in their 10-km buffer areas

在统计某一区域 (包括整个研究区域或部分典型区域) 的NDVI值时，采用均值法进行计算，即统计区域内所有像元NDVI值的平均，描述如下：

(3)

式 (3) 中，I_NDVap是某一区域的NDVI平均值，p为区域代码，x为统计区域像元行数，y为统计区域内像元列数，n为统计区域内像元总数。

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。通过计算每个像元上6年的Y_NDVI，用趋势线分析法模拟该像元Y_NDVI值在6年间的变化趋势，即植被覆盖的年际变化。计算公式为：

(4)

式 (4) 中，k为1～n的年序号，Y_NDVIk是第k年生长季NDVI平均值。变化趋势图反映了在研究时间范围内的时间序列中，研究地区NDVI的年际变化趋势。某像元的趋势线是该点n年的生长季NDVI平均值用一元线性回归模拟出来的一个总的变化趋势，S_LOPE即为这条趋势线的斜率。S_LOPE >0，表示NDVI在n年间的变化趋势是增加的，反之则减少。

本文将16dNDVI序列与同时期各个气候因子进行相关及偏相关分析，并将16dNDVI序列与前0 9期各个气候因子进行相关分析。相关系数反映了变量之间的总体相关程度，偏相关系数则反映了多要素系统中在控制其他要素情况下两要素的相关程度。最后对各相关系数进行了显著性水平检验，相关和偏相关系数均采用t检验法。

将研究地区范围内1：4000000矢量化植被图与遥感影像叠加，根据植被图确定遥感影像上各种植被的位置和区域，并分别在草甸草原、典型草原、荒漠草原和沙地草原上选取一定样点用于分析各类草原植被的年内变化特征，统计时间为2000—2005年。首先用均值法计算各类草原所选站点每16dNDVI平均值，再将6年的平均值平均，由此得出锡林郭勒4类草原逐16dNDVI均值的年内变化特征曲线 (图 1)。

由图 1可以看出，各类草原NDVI变化曲线均可分为生长季和非生长季两个阶段。其中，草甸草原表现得最为明显，典型草原和沙地草原相当，荒漠草原最不明显。相对于其他3种草原类型，荒漠草原在整个生长季内呈现“低稳"状态，说明在植被稀疏情况下NDVI对微弱的植被信号不敏感。

由于地形、土壤及植被自身条件的差异，各类草原在返青时间、生长达最旺盛时间及各月NDVI变化速度表现出极大不同。其中，草甸草原返青时间最早，NDVI增长最迅速，NDVI持续增长期最长。各类草原的生长最旺盛时期集中于第208天第224天，即集中于7—8月，此阶段各类植被NDVI差值最大，适合于各类草原植被的分类。

图 1

图 1. 锡林郭勒盟4类草原MODISNDVI16d平均值年内变化 Fig 1. 16 day schange of MODIS NDVI average values in four kinds of typical grassland in Xilingol

采用一元回归趋势线法计算得出的2000—2005年研究区内变化趋势图S_LOPE变化范围为-0.6519～1.0983，平均值为0.0345，方差为0.0797。为了使趋势图中不同级别的S_LOPE都得以体现，最终确定了如下S_LOPE分类系统 (表 2)。

表 2

表 2 2000—2005年锡林郭勒YNDVI变化趋势图分类级别表 Table 2 Classification of vegetation change trend image during 2000—2005 in Xilingol

表 2 2000—2005年锡林郭勒YNDVI变化趋势图分类级别表 Table 2 Classification of vegetation change trend image during 2000—2005 in Xilingol

根据表 2中的分级标准在ENVI (the Environment for Visualizing Images，遥感图像处理软件) 中建立Y_NDVI变化趋势图的分类树对其进行分类，得到变化趋势分类图 (图 2)。

图 2

图 2. 2000—2005年锡林郭勒盟YNDVI变化趋势分类图 Fig 2. Classification image of vegetation change trend simulated during 2000-2005 in Xilingol

由图 2可以看出，全盟植被改善和退化的面积比例约为2:1，植被总体表现为改善趋势。植被退化地区主要分布在苏尼特左旗和苏尼特右旗，以苏尼特左旗北部地区最为明显。

为了进一步分析各类草原的植被变化状况，将变化趋势分类图转化为矢量图与锡林郭勒盟矢量化植被图进行叠加分析，统计分为两个层次：草原自身比较，即统计不同变化趋势类在各类草原中所占的比例；全盟比较，即统计各类草原不同变化趋势类占锡林郭勒盟的比例 (表 3)。

表 3

表 3 锡林郭勒盟各类草原植被变化趋势类统计表 Table 3 Statistic of vegetation change trend in different grassland in Xilingol

表 3 锡林郭勒盟各类草原植被变化趋势类统计表 Table 3 Statistic of vegetation change trend in different grassland in Xilingol

4类草原中荒漠草原的总退化比例最高，达到60.77%，草甸草原的总退化比例最低，仅为18.07%。改善趋势由强到弱的顺序为草甸草原、典型草原、沙地草原、荒漠草原，总改善比例分别为81.93%，71.41%，55.25%，39.23%，其中，草甸草原和典型草原改善幅度较高，S_LOPE大于0.05比例分别为58.50%和44.86%。

对于全盟而言，植被退化比例为35.27%，植被改善比例为64.73%。植被退化面积最大的区域为荒漠草原，占全区面积12.84%，其次为典型草原，占全区面积11.65%。植被改善面积最大的区域为典型草原，占全区面积29.09%，其次为草甸草原，占全区面积15.43%。

为了揭示NDVI与气候因子的关系，对典型草原和荒漠草原2000—2005年逐16dNDVI序列与同时期的气候因子序列进行了相关 (表 4) 及偏相关分析。

表 4

表 4 2000—2005年全时间序列NDVI与同期气象因子的相关系数表 Table 4 Correlation analysis between completed NDVI series and climate variables during 2000—2005

表 4 2000—2005年全时间序列NDVI与同期气象因子的相关系数表 Table 4 Correlation analysis between completed NDVI series and climate variables during 2000—2005

事实上，影响NDVI的各个气候因子彼此之间也存在着相关性，NDVI与各个气候因子的相关系数并未反映出这些情况，因此计算了NDVI与各个气候因子的偏相关系数，即在求NDVI与某一气候因子的相关性时控制其他气候因子的影响。

典型草原和荒漠草原NDVI与平均气温、最高气温、最低气温的偏相关系数绝大多数都通过了0.01的显著性检验，而与降水量、日照时数的偏相关系数多数不能通过显著性检验。典型草原NDVI与水汽压的偏相关系数大多数通过显著性检验，而荒漠草原NDVI与水汽压的偏相关系数都没有通过显著性检验。由此推论，在同时考虑影响NDVI的多个气候因子时，这两类草原NDVI与降水量、日照时数的相关性并不明显。事实上，在以6个气候因子作为因变量与NDVI采用逐步回归法建立回归方程时，降水量被剔出。而以平均气温、降水量、水汽压、日照时数作为因变量与NDVI采用同样方法建立回归方程时，降水量和日照时数同时被剔除。

在通过显著性检验的4个气候因子中，这两类草原NDVI与平均气温均为负相关关系，与最高气温、最低气温为正相关关系，典型草原NDVI与水汽压为正相关关系。对于典型草原，其NDVI与最高气温关系最密切，其次为水汽压，最后为最低气温；对于荒漠草原，其NDVI与最高气温关系最为密切，其次为最低气温。

植被生长对气候因子的响应存在一定滞后效应，即气候因子对植被生长的影响往往在下一阶段才表现出来。在此分析了典型草原和荒漠草原NDVI时间序列与其对应的前1 9期 (表示为-1-9) 气候因子的相关性，同期气候因子表示为0期。气候因子分为两大类：水分类 (水汽压、降水量)、温度类 (平均气温、最高气温、最低气温)。

①水分类 (水汽压、降水量)

两种草原NDVI序列对水汽压、降水量的响应均存在一定的滞后效应 (图 3)，具体表现为NDVI时间序列与水汽压、降水量的相关系数在同时不是最高值，而是分布在前1期或前2期。较之于荒漠草原，典型草原各站点NDVI序列对前期水汽压、降水量的响应更为一致。

图 3

图 3. 典型草原和荒漠草原全时间序列NDVI值与前期水汽压、降水量的相关性 Fig 3. The relationship between completed NDVI series and vapor pressure, precipitation with different time at typical steppe and desert steppe

典型草原和荒漠草原各站点NDVI序列与水汽压的相关系数在前1期最高，即两类草原对水汽压响应的滞后时间为16d。两类草原各站点NDVI时间序列与降水量滞后性分析结果与水汽压的结果相似，典型草原各站点NDVI时间序列对降水量响应的滞后时间为16d，荒漠草原除了二连浩特 (53068) 为32d外，其余站点均为16d。

②温度类 (平均气温、最高气温、最低气温) 两种草原NDVI时间序列对温度类气候因子的响应也存在一定的滞后效应 (图 4)。与荒漠草原相比，典型草原各站点NDVI序列对前期温度类气候因子的响应更为一致。

图 4

图 4. 典型草原和荒漠草原全时间序列NDVI值与前期平均气温、最高气温、最低气温的相关性 Fig 4. The relationship between completed NDVI series and mean temperature, max temperature, min temperature with different time at typical steppe and desert steppe

典型草原各站点NDVI序列对平均气温、最高气温、最低气温响应的滞后时间均为16d，荒漠草原各站点NDVI时间序列对平均气温响应的滞后时间为16d，只有两个站点对最高气温响应，表现出滞后效应，滞后时间为16 d，另外两个站点二连浩特 (53068)、朱日和 (53276) 无滞后。对最低气温响应的滞后时间多为16d，其中二连浩特 (53068) 无滞后效应。

综合比较两种草原NDVI时间序列与两大类气候因子的前期相关系数，典型草原与各类气候因子的滞后期较一致，均为16d;荒漠草原对水分类气候因子及平均气温响应的滞后时间较一致，为16d;但荒漠草原对最高气温、最低气温响应的滞后时间无明显规律。

1) MODISNDVI对各类草原植被年内变化动态响应敏感，对各类草原植被区分性强。草甸草原、典型草原、沙地草原、荒漠草原4类草原具有明显的干湿差异，水分状况的不同导致其各异的波谱响应。

MODIS传感器的可见光波段和近红外波段为窄波段，不仅提高了对叶绿素的敏感度，还排除了大气水汽的干扰，因此能更好地对其进行区分。

2) 2000—2005年锡林郭勒盟植被改善面积大于退化面积，植被退化面积最大的区域为荒漠草原，植被改善面积最大的区域为典型草原。4类草原改善趋势由强到弱的顺序为草甸草原、典型草原、沙地草原、荒漠草原。

3) 对于典型草原，其NDVI与最高气温关系最密切，其次为水汽压，最后为最低气温；对于荒漠草原，其NDVI与最高气温关系最为密切，其次为最低气温。两类草原对各个气候因子的响应表现出明显的滞后效应，以典型草原最为明显，这与两类草原各自的土壤特性、植物种类的不同有关。

本文直接利用全时间序列NDVI与同期各气候因子进行相关及偏相关分析，由于数据资料年限较短，未能进一步分析NDVI与气候因子的动态变化关系。此外，NDVI的变化还受到放牧、土地利用变化等人为因素影响，这些都有待于进一步研究。