近20 a云南文山州植被覆盖动态变化及其驱动因素

牛剑龙，陈国坤,2†，黄义忠,2，赵晶晶，陈 雪，邵筱琳

(1.昆明理工大学国土资源工程学院，650093，昆明； 2.云南省高校高原山区空间信息测绘技术应用工程研究中心，650093，昆明)

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。

1 研究区概况

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)。

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%。

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

2 材料与方法

2.1 数据来源

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)。

2.2 研究方法

2.2.1 植被覆盖度计算 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NDVIa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]

FVC=(NDVIa-NDVIsoil)/(NDVIveg-NDVIsoil)。

(1)

式中：NDVIsoil为纯裸地像元的NDVI值，约等于NDVImin；NDVIveg为纯植被像元的NDVI值，约等于NDVImax。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)。

2.2.2 植被覆盖度年际变化趋势 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：

(2)

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；FVCi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。

2.2.3 植被覆盖度稳定性 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：

(3)

式中：Cv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。

(4)

2.2.4 Hurst指数 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

3 结果与分析

3.1 植被覆盖度时空演变特征

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。

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)。

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

表1 文山州各等级植被覆盖度年际变化

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

3.2 植被覆盖变化趋势与稳定性

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 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 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

3.3 植被覆盖度变化趋势的持续性

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。

3.4 植被覆盖度驱动因素

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。

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 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 %

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 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

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

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。

4 讨论

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。

5 结论

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。