基于GLDAS和MODIS的乌江流域植被与地表水变化关系研究

石悦樾+银正彤+郑文锋

摘要：在西南地区，贵州省为喀斯特地貌面积最大省份，乌江是贵州省第一大河。为获得2003—2014年乌江流域植被覆盖变化与地表水变化间的关系，得出植被时间和空间变化规律，为乌江流域生态保护提供参考依据。基于GLDAS、MODIS/NDVI和TRMM3B43数据，首先使用趋势分析法分析12年内NDVI变化趋势，通过简单相关、偏相关、复相关分析法得出植被覆盖变化与地表水（含雪水当量、土壤水和地表径流）间变化关系。结果表明：12年中，乌江流域NDVI整体呈上升趋势，每年上升率为0.001 5，植被覆盖率较高的年份有2007年、2008年、2009年、2013年；夏季植被增加面积最多，夏季NDVI值对整个NDVI值上升变化贡献最大；植被减少区域为西部、中部城市地区；植被增加区域主要在研究区东部；秋季、冬季植被随地表水下降而下降；常绿针叶林、灌丛、常绿阔叶林NDVI变化对地表水变化相关性较高。

关键词：乌江流域；植被覆盖；NDVI变化；地表水；生态保护

中图分类号： S181文献标志码： A文章编号：1002-1302（2017）12-0192-06

通信作者：银正彤，博士，副教授，主要从事“3S”技术在环境监测中的应用研究。E-mail：312346079@qq.com。贵州省是全国自然资源丰富大省之一，其喀斯特地貌面积占全省面积的73.6%，为西南地区喀斯特面貌最大省份[1]，植被生长环境恶劣，同时受人类活动影响，植被覆盖变化对生态环境保护重要性日益凸显。

研究植被覆盖有益于了解区域变化趋势，及时发现问题并采取相应措施解决植被覆盖中存在的问题。在国内外，水文数据模型（global land data assimilation system，简称GLDAS）数据的使用与分析都已被研究成熟[2-4]，目前对GLDAS所获取的气温、降水、土壤水数据研究方法主要有趋势法、相关性分析[5]、均值法和标准差法[6]等。自1999年起，中分辨率成像光谱仪（moderate-resolution imaging spectroradiometer，简称MODIS）数据被学者广泛应用以研究陆地表面变化，Tian等使用MODIS数据研究长时间序列的植被变化中，以归一化植被指数（normalized difference vegetation index，简称NDVI）数据分析2000—2012年内蒙古植被变化与气候变化、生态修复工程对植被覆盖影响时发现，在研究期中内蒙古植被覆盖在生态修复工程作用下得到增强，为半干旱地区生态修复工程实施提供科学参考依据[7]。Badreldin等基于MODIS数据结合土壤调节植被指数对埃及沙漠化进行检测[8]。以MODIS数据提取植被覆盖数据与气候变化关系研究中，使用的研究方法主要有均值法、趋势法、相关分析法、偏相关分析法，但分析过于简单，只考虑单一相关性，均未涉及到其他因子对变量因子的影响[9-10]。

本研究选取MODIS/NDVI数据结合GLDAS和热带降雨卫星（tropical rainfall measuring mission，简称TRMM）数据，使用相关分析法、偏相关分析法、复相关分析法综合分析2003—2014年乌江流域植被变化与地表水间的关系。

1材料与方法

1.1研究区概况

乌江流域位于我国西南地区，104°10′～109°22′E、26°06′～28°48′N，在贵州省境内部分贯穿贵州北部。研究区 1 ∶400万植被数据来源于国家自然科学基金委员会“中国西部环境与生态科学数据中心”（http：//westdc.westgis.ac.cn），主要分为6类：常绿针叶林、常绿阔叶林、耕地、草地、灌丛和无植被区（图1），研究区地势西高东低，喀斯特地貌發育显著。乌江在贵州省内河长802 km，是贵州省第一条大河，发源于贵州省威宁县，自西向东流经黔北包括贵州省省会贵阳市、渝东南，在重庆市涪陵区汇入长江，全流域区属于亚热带温湿季风气候，年均气温13～18 ℃。乌江流域贵州境内全区平均高程为1 226.21 m，相对高差为2 791 m。自1982年乌江渡水电站完工后，目前干流上已建成11个梯级水电站。乌江流域受喀斯特地貌、区内人类活动、流域梯级开发影响，生态脆弱，资源可持续发展较弱。

1.2数据来源与处理

选用2003年1月—2014年12月MOD13Q1数据，轨道号为h27v06，空间分辨率为250 m，16 d为1期，每年23期，共276幅影像图，数据来源于美国航空航天局（National Aeronautics and Space Administration，简称NASA）官网。首先使用

MODIS reprojection tool （MRT）对MOD13Q1进行投影转换，经过重采样后，采用最大值合成法（maximum value composite，简称MVC）处理每月上、下旬MOD13Q1数据获得月NDVI值，其中个别月数据缺失，以多年平均值代替。

GLDAS数据在一定程度上接近中国实际数据[5]，本研究以GLDAS_NOAH LSM，Version2获取地表水数据，时间分辨率为1个月，空间分辨率为1°×1°，数据来源NASA官网，地表水为土壤水、雪水当量、地表径流三者之和。其中土壤水共计4层，土壤深度分别是0～10、10～40、40～100、100～200 cm，研究区土壤水为4层数据之和。降水数据来自NASA官网，选取TRMM3B43，时间分辨率是1个月，空间分辨率为0.25°×0.25°，TRMM3B43数据与实测值有差距，在贵州省内变化趋势与实测值拟合优度高[11]，采用TRMM3B43作趋势变化研究。

1.3研究方法

采用一元线性回归模型作NDVI、降水、地表水、土壤水、雪水当量和地表径流变化趋势分析，公式为：endprint

Yn=a+bXn。（1）

式中：Yn表示n期时因变量；Xn表示n期时自变量；a、b为参数，b>0，研究期内呈上升变化，b<0，研究期内呈下降变化。同时使用标准差分类法将研究期内的变量变化分为7类：重度减少、中度减少、轻度减少、保持不变、轻度增加、中度增加、重度增加。

研究植被覆盖与地表水变化关系时，首先使用简单相关分析分别计算出NDVI变化与地表水变化的简单相关系数、NDVI 变化与降水变化的简单相关系数；接着使用偏相关分析分别计算出NDVI变化与地表水变化的偏相关系数，进行t检验；最后通过复相关分析，进行F检验；综合得出NDVI、地表水、降水三者间关系。

2结果与分析

2.1NDVI变化

乌江流域2003—2014年年均NDVI值为0.613 3，在 0.578 4～0.644 0之间，整体植被覆盖率较高；2005年年均NDVI值最低，2013年年均NDVI值最高（图2）。研究期内NDVI值整体上升，每年上升率为0.001 5。

由图3-a可知，12年中乌江流域东部NDVI值整体较高，均在0.6以上，乌江下游NDVI值比上游高，NDVI值在 >0.6～0.8间的区域占总面积的74.00%。由图3-b可知，12年中NDVI减少区集中在研究区西部，有普定县、黔西县、平坝县、大方县、六枝特区、威宁县、水城县、七星关区、赫章县、东部沿河县，主要减少面积比为27.97%；NDVI增加区域主要集中在研究区东部的施秉县、江口县、镇远县、凤冈县、余庆县、开阳县、龙里县、湄潭县、贵定县、石阡县、息烽县和西部的纳雍县中部、织金县中部，增加面積比为30.99%。

四季划分时间为春季（3—5月）、夏季（6—8月）、秋季（9—11月）、冬季（12—次年2月）。由图4可知，春季的 NDVI 每年以0.000 4速率逐年递减， 夏季、 秋季和冬季都是

逐年递增，每年上升率分别为0.000 3、0.007 5、0.003 6。其中秋季通过0.05水平显著性检验，春季、夏季和冬季未通过显著性检验。季节NDVI均值由高到低依次为夏季（0.765 9）>秋季（0.632 6）>春季（0.585 7）>冬季（0.467 6）。

由图5、图6可知，研究区西部四季中NDVI值较低，东部较高。春季NDVI值中>0.4～0.6的占总面积的51.39%，西部大多在>0.2～0.4，东部在>0.4～0.8之间；植被覆盖减少区域主要是贵阳市、威宁县、七星关区、黔西县、大方县、水城县、赫章县、普定县、六枝特区；植被增加面积为 17 404.83 km2，占区域面积的32.06%，植被增加区域主要有印江县、石阡县、龙里县、湄潭县、凤冈县、石阡县、余庆县；保持不变的区域面积占总面积的40.21%。夏季NDVI值中 >0.6～0.8的区域面积占总面积的76.76%，整体在>0.6～10之间，东部NDVI值比西部高；贵阳市、威宁县、六枝特区、普定县、遵义县、东五县等沿乌江地带呈减少趋势；植被增加区域包括年际变化趋势中东部增加区域，还有西部赫章县、大方县、纳雍县、七星关区、织金县，植被增加面积为 30 903.31 km2，占总面积的5693%；保持不变的面积占总面积的19.41%。秋季NDVI值中>0.6～0.8区域面积占总面积的67.74%，西部NDVI值在>0.4～0.8之间，东部NDVI值在>0.4～0.8之间，其中>0.6～0.8分布占绝大多数，整体空间变化趋势与年均NDVI空间变化趋于一致，除了纳雍县、织金县为减少趋势；植被增加面积为17 303.77 km2，占总面积的31.88%，保持不变的面积为39.17%。冬季NDVI值中>0.4～0.6占总面积的68.14%，西部NDVI值在>0.2～06间，东部NDVI值在>0.2～0.8间，其中以>0.4～0.6分布为主，整体空间变化趋势与年均NDVI空间变化趋于一致，除了普定县为增加趋势，贵阳市为减少趋势，植被增加面积为1 723.66 km2，占总面积的31.75%，保持不变的面积占总面积的39.00%。

2.2降水和地表水变化趋势

降水年际变化和季节变化趋势如图7所示，年降水每年以2.285 5 mm的速率上升，季节降水变化中春季、夏季、秋季每年分别以0.066 8、1.489 5、1.068 1 mm速率上升，冬季每年以0.425 2 mm速率下降，降水整体呈上升趋势。

地表水年际变化如图8所示，地表水整体呈下降趋势，其中雪水当量呈上升趋势，土壤水和地表径流呈下降趋势。由图9可知，地表水季节变化中春季和冬季地表水呈上升变化，夏季和秋季呈下降变化；雪水当量季节变化中四季均呈上升变化；土壤水四季均呈下降变化；地表径流季节变化中春季呈上升变化，夏季、秋季、冬季呈下降变化。地表水整体呈下降变化。

2.3NDVI与地表水的关系

2.3.1NDVI与地表水偏相关分析降水会影响地表水，把降水数据作为控制变量得出不同植被NDVI值与地表水、雪水当量、土壤水、地表径流的年际偏相关系数分别为-0.08～

3结论

乌江流域喀斯特地貌发育显著，在全球气候变暖的环境下，植被覆盖与区域生态紧密相关。本研究以2003—2014年的MODIS/NDVI、TRMM3B43和GLDAS分析乌江流域植被覆盖变化与降水、地表水变化间的关系，得出结论如下：

（1）乌江流域12年中NDVI整体呈上升趋势，NDVI均值从2003年的0.594 2上升至2014年的0.636 1，四季中夏季植被增加面积最多。NDVI减少的区域集中在西部和中部城市范围内，植被类型以耕地和常绿阔叶林为主；NDVI增加区域集中在东部地区，以灌丛和常绿针叶林为主，常绿针叶林和灌丛对地表水变化的耐受力较高。乌江流域在以常绿针叶林为主要植被类型的地区，要注重森林保护工作，建立自然保护区，营造乌江流域水土保持林。endprint

（2）季节不同植被变化与地表水变化关系不同。春季、夏季NDVI变化与地表水变化呈正相关，秋季NDVI变化中，常绿针叶林、灌丛、耕地NDVI与地表水呈负相关，常绿阔叶林、草地NDVI与地表水呈正相关；冬季NDVI变化与地表水变化呈负相关。冬季地表水上升变化会引起植被覆盖下降变化，要推行抗寒能力强的植物种植，增强区域生态自我调节能力。

（3）植被不同对地表水变化响应亦不同，春季、秋季灌丛NDVI与地表水复相关系数最高，夏季常绿针叶林NDVI与地表水复相关系数最高，冬季常绿阔叶林NDVI与地表水复相关系数最高。春季灌丛NDVI随地表水增加而增加，夏季耕地NDVI随地表水增加而增加，秋季灌丛NDVI随地表水增加而减少，冬季常绿阔叶林NDVI随地表水增加而减少。构建研究区生态-经济-社会圈时，要特别注意灌丛、耕地和常绿阔叶林带来的生态效益，关键在于乌江流域植被合理布局。

参考文献：

[1]郑伟，王中美. 贵州喀斯特地区降雨强度对土壤侵蚀特征的影响[J]. 水土保持研究，2016，23（6）：333-339.

[2]吴盼，冯雨晴，梁四海，等. 基于GLDAS与TVDI降尺度反演土壤含水量[J]. 北京师范大学学报（自然科学版），2016，52（3）：265-270.

[3]Kdzior M，Zawadzki J. Comparative study of soil moisture estimations fromSMOSsatellitemission，GLDASdatabase，andcosmic-ray

neutrons measurements at COSMOS station in Eastern Poland[J]. Geoderma，2016，283：21-31.

[4]Bi H Y，Ma J W，Zheng W J，et al. Comparison of soil moisture in GLDAS model simulations and in situ observations over the Tibetan Plateau[J]. Journal of Geophysical Research Atmospheres，2016，121（6）：2658-2678.

[5]王文，汪小菊，王鹏. GLDAS月降水数据在中国区的适用性评估[J]. 水科学进展，2014，25（6）：769-778.

[6]Li D Y，Zhao T J，Shi J C，et al. First evaluation of aquarius soil moisture products using in situ observations and GLDAS model simulations[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing，2015，8（12）：5511-5525.

[7]Tian H J，Cao C X，Chen W，et al. Response of vegetation activity dynamic to climatic change and ecological restoration programs in Inner Mongolia from 2000 to 2012[J]. Ecological Engineering，2015，82（4）：276-289.

[8]Badreldin N，Frankl A，Goossens R. Assessing the spatiotemporal dynamics of vegetation cover as an indicator of desertification in Egypt using multi-temporal MODIS satellite images[J]. Arabian Journal of Geosciences，2014，7（11）：4461-4475.

[9]丁文榮. 滇东南喀斯特地区植被覆盖变化及其影响因素[J]. 水土保持研究，2016，23（6）：227-231.

[10]袁沫汐，邹玲，林爱文，等. 湖北省地区植被覆盖变化及其对气候因子的响应[J]. 生态学报，2016，36（17）：5315-5323.

[11]李威，蒋平，赵卫权，等. TRMM卫星降水数据在喀斯特山区的适用性分析——以贵州省为例[J]. 水土保持研究，2016，23（1）：97-102.丁茜，付梅臣，王力. 基于转移矩阵的重庆市北碚区土地利用变化分析[J]. 江苏农业科学，2017，45（12）：198-204.endprint