利用MODIS EVI时间序列数据分析福建省植被变化(2000~2017年)
1.
2.
Analysis of Vegetation Changes in Fujian Province Using MODIS EVI Time Series Data (2000~2017)
1.
2.
通讯作者:
收稿日期: 2018-09-16 修回日期: 2019-12-05 网络出版日期: 2020-03-31
基金资助: |
|
Received: 2018-09-16 Revised: 2019-12-05 Online: 2020-03-31
作者简介 About authors
王一帆(1994-),男,福建福安人,硕士研究生,主要从事环境与资源遥感研究E⁃mail:
关键词:
Keywords:
本文引用格式
王一帆, 徐涵秋.
Wang Yifan, Xu Hanqiu.
1 引 言
在大区域的植被动态变化中,遥感对地观测技术因其具有宏观、高效和快捷等特点而得到广泛应用[5,6,7,8]。其中,Advanced Very High Resolution Radiometer (AVHRR)的植被产品已对全球植被进行了持续40 a之久的监测。而1999年升空、具有较高分辨率的Moderate Resolution Imaging Spectroradiometer (MODIS)的植被数据则成为近10 a研究植被的最重要数据[9,10,11]。MODIS长时间序列的Enhanced Vegetation Index (EVI)植被产品以其在植被监测中具有时相多、覆盖面广、且不易产生过饱和等优势[5,12],而被广泛应用于大区域尺度的植被物候变化监测[13,14]、植被蒸发散和树种丰富度预测[15,16]、农作物分类[17]以及植被返青期的调查[18]。在我国,EVI数据常被用来揭示植被健康状况和查明植被与不同因素之间的响应关系。其中,赵伟等[19]在进行四川重庆地区的EVI变化监测时发现,EVI于7或8月达到最高值,能较好地反映气候对植被的影响。宋冬梅等[20]对三江源区EVI的研究表明该区EVI最大值于8月出现,并认为其植被与气象条件具有较强的响应关系。陈燕丽等[21]利用喀斯特地区的EVI和NDVI植被时间序列数据分别对比了二者与气象要素的关系,结果发现EVI对大多数气象要素的响应优于NDVI。
2 数据和方法
2.1 研究区概况
福建省位于中国东南沿海,地理位置介于115°50′~120°40′ E、23°33′~28°20′ N之间。其地形以山地丘陵为主,属亚热带季风气候,年均降水量约为1 464 mm,年均气温约为21.3 ℃,但夏季最高气温可超40 ℃。福建省域面积约为12.4 万km2,森林覆盖率达到65.95%,位居全国首位,且保持相对稳定。由于统计资料中不涉及金门县数据,因而在进行植被分析时不包括该县。图1是福建省行政区划及其气象站点分布图。
图1
图1
福建省行政区划及其气象站点分布图
Fig.1
Map showing the administrative divisions of Fujian Province and the distributions of meteorological stations
2.2 MODIS EVI植被指数数据
其中:
由于夏季为植被最茂盛的时期,因此本文选用MODIS7~9月的EVI月合成产品(MOD13A3)数据来进行研究。数据下载于Level-1 and Atmosphere Archive and Distribution System Distributed Active Archive Center (LAADS DAAC)网站(
2.3 气象数据和非气象数据
气象数据收集自国家气象信息中心(
表1 福建省各年份夏季平均气温和平均降水量数据
Table 1
年份 | 平均气温/℃ | 平均降水量/mm |
---|---|---|
2000 | 26.13 | 168.32 |
2001 | 26.43 | 177.03 |
2002 | 26.07 | 201.38 |
2003 | 27.96 | 80.77 |
2004 | 26.52 | 192.63 |
2005 | 27.20 | 154.04 |
2006 | 26.54 | 174.37 |
2007 | 26.87 | 149.40 |
2008 | 27.22 | 147.67 |
2009 | 27.51 | 148.39 |
2010 | 27.41 | 130.77 |
2011 | 26.88 | 129.04 |
2012 | 26.52 | 132.75 |
2013 | 27.03 | 151.99 |
2014 | 27.46 | 190.60 |
2015 | 25.82 | 254.08 |
2016 | 26.86 | 237.80 |
2017 | 27.70 | 126.43 |
平均值 | 26.90 | 163.75 |
标准差 | 0.58 | 40.41 |
为了探究非气象因素对EVI变化的影响,本文还选取了可能与EVI有关的其他2类数据。分别为2000~2017年的森林覆盖率和水土流失治理面积,数据来源为福建省统计年鉴(
表2 福建省各年份森林覆盖率和水土流失治理面积数据
Table 2
年份 | 森林覆盖率/% | 水土流失治理面积/万km2 |
---|---|---|
2000 | 60.52 | 0.92 |
2001 | 60.52 | 0.96 |
2002 | 60.52 | 1.00 |
2003 | 60.52 | 1.15 |
2004 | 62.96 | 1.05 |
2005 | 62.96 | 1.13 |
2006 | 62.96 | 1.24 |
2007 | 62.96 | 1.36 |
2008 | 62.96 | 1.39 |
2009 | 63.10 | 1.44 |
2010 | 63.10 | 1.47 |
2011 | 63.10 | 1.49 |
2012 | 63.10 | 1.49 |
2013 | 65.95 | 3.26 |
2014 | 65.95 | 3.39 |
2015 | 65.95 | 3.40 |
2016 | 65.95 | 3.58 |
2017 | 65.95 | 3.03 |
2.4 研究方法
2.4.1 影像差值法
采用影像差值法[27]进行不同时期植被状况的动态变化检测。首先,选取2000~2006、2006~2011、2011~2017以及2000~2017作为变化检测的4个时段。根据整个研究期内EVI的动态范围将EVI划分为6个等级,然后据此对这些参与变化检测年份的EVI影像进行分级,再对各时段的分级影像进行两两相减,获得它们之间的差值影像。差值影像中像元值大于0、等于0和小于0的像元分别表示EVI上升、不变和下降。
2.4.2 IDW插值法
考虑到气象数据的空间异质性问题,对气象站点数据采用反距离加权方法(Inverse Distance Weighted, IDW)进行插值,并提取福建省各地市气象网格数据信息。IDW法插值公式[28]如下:
其中:Z为栅格点气象要素估计值,Zi为气象要素在第i个站点的值,di为插值点到第i个站点的直线距离,n为用于插值的站点数。
2.4.3 相关分析
将2000~2017年全省及各地市的EVI均值序列与对应的气象因子(气温和降水)进行相关分析,计算出相关系数和决定系数,并进行显著性检验分析,以此来反映气象因子对EVI的影响程度。相关系数公式如下[29]:
其中:
3 结果与分析
3.1 福建EVI的时间变化特征
表3为福建省近17 a的EVI数据。从表中可以看出,2017年的EVI的最大值、最小值和均值都高于2000年的相应数据值。这说明在这17 a期间,福建的EVI整体呈上升趋势,从2000年的0.454上升到2017年的0.505,总体上升了11.2 %。EVI的最小值(0.451)在2004年出现,最大值则为2016年的0.506。
表3 福建省近17 a时间序列的EVI统计数据
Table 3
年份 | 最小值 | 最大值 | 均值 | 标准差 |
---|---|---|---|---|
2000 | -0.062 | 0.690 | 0.454 | 0.058 |
2001 | -0.076 | 0.646 | 0.458 | 0.062 |
2002 | -0.095 | 0.666 | 0.468 | 0.064 |
2003 | -0.081 | 0.650 | 0.454 | 0.063 |
2004 | -0.028 | 0.642 | 0.451 | 0.059 |
2005 | -0.080 | 0.636 | 0.452 | 0.060 |
2006 | -0.061 | 0.678 | 0.481 | 0.068 |
2007 | -0.065 | 0.673 | 0.477 | 0.064 |
2008 | -0.049 | 0.678 | 0.475 | 0.066 |
2009 | -0.052 | 0.715 | 0.488 | 0.074 |
2010 | -0.161 | 0.707 | 0.496 | 0.079 |
2011 | -0.038 | 0.700 | 0.484 | 0.075 |
2012 | -0.050 | 0.725 | 0.481 | 0.073 |
2013 | -0.059 | 0.702 | 0.484 | 0.072 |
2014 | -0.086 | 0.741 | 0.494 | 0.081 |
2015 | -0.054 | 0.687 | 0.493 | 0.073 |
2016 | -0.050 | 0.731 | 0.506 | 0.078 |
2017 | -0.033 | 0.765 | 0.505 | 0.081 |
由图2福建省夏季的EVI均值图可以看出,在17 a间,研究区EVI均值发生了4次大幅度上升和3次较明显的下降。其中,植被的EVI在2000~2002年间从0.454上升到0.468,增加了3.1%,随后在2002~2004年发生了第一次下降,EVI从0.468下降到0.451,降低了3.6%,使得2004年成为了17 a中EVI值最低的时期。在接下来的2004~2006年间植被状态开始好转,EVI从0.451上升到0.481,增加了6.7%,是整个研究期间上升幅度最大的期间。2006~2008年EVI又经历了一次小幅度的降低,从0.481下降到0.475,降低了1.2%。2008年之后的2 a(2008~2010年) EVI又从0.475上升到0.496,增加了4.4%,使得EVI在2010年达到了一个小高峰。到了2010~2012年,EVI又一次明显下降,从0.496下降到0.481,降低了3.0 %。在随后的2012~2017年期间,福建的EVI呈整体上升态势,EVI从0.481上升到0.505,增加了5.0 %。
图2
图2
2000~2017年福建夏季EVI均值的时序变化
Fig.2
Change of the summer mean EVI in Fujian from 2000 to 2017
图3为福建省9地市2000~2017年的EVI均值变化图。福建省各地市的EVI均值在2000~2017年间虽然呈现出不同程度的波动,但总体表现为上升趋势。其中,EVI均值在近3 a来持续上升的区域主要位于内陆地区的三明市和龙岩市,而位于沿海的福州、宁德、莆田、泉州、厦门和漳州市的EVI均值在2017年则呈现出较明显的下降趋势。
图3
图3
2000~2017年福建省各地级市夏季EVI均值的时序变化
Fig.3
Change of the summer mean EVI in nine prefecture-level cities of Fujian from 2000 to 2017
3.2 福建EVI的空间变化特征
图4是用于变化检测的起始年(2000年)、中间
图4
图4
2000、2006、2011和2017年福建夏季EVI均值影像
Fig.4
Image of the summer mean EVI of Fujian between 2000 and 2017
年(2006年、2011年)和结束年(2017年)的EVI影像。从图4中可以看出,这4个年份福建省的大部分区域整体呈现偏红色调,代表EVI值较高,植被状态较好;而偏蓝色调则主要出现在东部沿海城市一带,说明这些地区EVI值偏低,植被状态较差。
图5(a)~(d)分别是福建省4个时间段植被的差值变化检测结果影像,图中偏绿色调表示植被变好的区域,偏黄色调表示植被不变的区域,偏红色调表示植被变差的区域。表4是对各时段变好、不变和变差面积的统计结果。可以发现,2000~2006年时间段以大片绿色为主基调(图5(a)),植被以变好为主,面积占比为35%,变差的仅占6%;2006~2011年时间段则在中部、北部和西部的边缘地区出现较大面积的红色调(图5(b)),说明植被有明显变差,变差的面积上升到16%;2011~2017年时间段(图5(c)),西部和中部的植被状态有明显改善,变差的面积下降到8%,但东部仍进一步变差。从整个17 a来看(图5(d)),福建的植被以变好为主,大部分区域表现为EVI上升的绿色。其中,中、西和南部以改善为主,东部沿海和北部的局部地区则以变差为特征。统计表明,2000~2017年间福建植被变好的区域面积占到了50%,而变差的只占5%。
图5
图5
2000~2017年福建夏季EVI的变化检测
Fig.5
Change detection of the summer mean EVI of Fujian between 2000 and 2017
表4 EVI变化检测表
Table 4
类别 | 级差 | 2000~2006 | 2006~2011 | 2011~2017 | 2000~2017 | ||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|
面积/km2 | 级面积/km2 | 百分比/% | 面积/km2 | 级面积/km2 | 百分比/% | 面积/km2 | 级面积/km2 | 百分比/% | 面积/km2 | 级面积/km2 | 百分比/% | ||
-3 | 0 | 10 | 0 | 13 | |||||||||
变差 | -2 | 99 | 7 261 | 6 | 127 | 20 333 | 16 | 56 | 10 088 | 8 | 237 | 6 184 | 5 |
-1 | 7 162 | 20 196 | 10 032 | 5 934 | |||||||||
不变 | 0 | 73 575 | 73 575 | 59 | 82 094 | 82 094 | 66 | 84 659 | 84 658 | 68 | 55 646 | 55 646 | 45 |
1 | 43 053 | 21 494 | 28 968 | 61 426 | |||||||||
变好 | 2 | 111 | 43 164 | 35 | 79 | 21 573 | 18 | 282 | 29 254 | 24 | 744 | 62 170 | 50 |
3 | 0 | 0 | 4 | 0 |
3.3 福建EVI与气象因子的关系
从福建夏季气象要素的均值在各年份的变化情况来看(图6(a)、(b)),平均气温和平均降水量随时间的变化虽然都略呈上升趋势,但都没有表现出明显的线性关系,表现在它们的R2都小于0.1,显著性皆不明显(p都大于5%),说明在研究期内福建的气温和降水的变化都不是简单的线性表示。为了进一步分析气象因子对福建植被变化的影响程度,将各夏季气象数据与福建的EVI数据进行回归分析(图6(c)、(d)),可以看出,气温和降水与EVI的相关关系也都很低,R2也都小于0.1,且都未能通过5%的显著性检验。从表1可以看出,所研究的17 a期间,福建的气候相对稳定,表现在它们的标准差都较小,数据没有明显离散。这说明,在福建这种亚热带气候条件下,在植被正常生长所需的温度和降水都有足够的保证,且变化幅度不大的情况下,气象要素的变化不是影响植被状态变化的主要原因。
图6
图6
2000~2017年间福建夏季平均气温和降水量的变化及其与EVI均值的关系
Fig.6
Temporal changes of meteorological factors and their relationship with summer mean EVI in Fujian during 2000~2017
表5 2000~2017年福建省各地市气象因子与EVI的关系表
Table 5
地级市 | 福州市 | 宁德市 | 莆田市 | 泉州市 | 厦门市 | 漳州市 | 三明市 | 龙岩市 | 南平市 | |
---|---|---|---|---|---|---|---|---|---|---|
R2 | 平均降水量与EVI均值 | 0.221* | 0.030 | 0.109 | 0.151 | 0.078 | 0.054 | 0.049 | 0.003 | 0.163 |
平均气温与EVI均值 | 0.011 | 0.046 | 0.314* | 0.216 | 0.006 | 0.055 | 0.187 | 0.207 | 0.004 |
表6 研究期间福建省各气象站所在位置的气象因子与EVI关系表
Table 6
站点号 | R2 | |
---|---|---|
平均降水量与EVI | 平均气温与EVI | |
58725 | 0.001 | 0.042 |
58730 | 0.009 | 0.006 |
58731 | 0.084 | 0.108 |
58737 | 0.088 | 0.193 |
58754 | 0.011 | 0.099 |
58820 | 0.000 | 0.005 |
58846 | 0.001 | 0.068 |
58847 | 0.163 | 0.006 |
58911 | 0.005 | 0.100 |
58918 | 0.005 | 0.030 |
58926 | 0.000 | 0.012 |
58931 | 0.060 | 0.000 |
58944 | 0.469** | 0.204 |
59133 | 0.004 | 0.017 |
59134 | 0.179 | 0.030 |
58834 | 0.091 | 0.005 |
58921 | 0.001 | 0.013 |
58933 | 0.075 | 0.389** |
59126 | 0.003 | 0.012 |
59321 | 0.164 | 0.104 |
58734 | 0.059 | 0.016 |
58927 | 0.007 | 0.028 |
58744 | 0.002 | 0.205 |
58818 | 0.015 | 0.093 |
58837 | 0.025 | 0.247 |
58843 | 0.254 | 0.168 |
59113 | 0.141 | 0.089 |
58936 | 0.555* | 0.004 |
3.4 福建EVI与非气象因子的关系
图7
图7
2000~2017年间福建省森林覆盖率和水土流失治理面积的变化及其与夏季EVI均值的关系
Fig.7
Temporal changes of non-meteorological factors and their relationships with summer mean EVI in Fujian during 2000~2017
在一般情况下,若植被面积不变而EVI上升,则EVI的上升很可能与气候变化有关;若植被面积上升且EVI也上升,则EVI的变化可能与气候有关也可能与人类活动有关,即和非气象因子有关,或者两者兼而有之。上一节已经分析福建EVI的变化与气象因子并无显著关系,因此其EVI的上升则可能与人类活动有关。
福建省长汀县可以作为一个人类活动改善植被状况的典型例子。该县曾是我国三大水土流失区之一[32],也因此一直受到各级政府的关注,是福建省水土流失治理的重点治理区。福建省政府早在2000年就将该县的水土流失治理纳入省政府“为民办实事项目”,并于同年颁布《封山育林命令》。在2000~2017年的17 a间,长汀县的EVI总体呈上升趋势,其均值从0.463上升到0.540,增加了16.6 %,其增加幅度明显高于全省的增加幅度。该县的水土流失面积也从2000年的704.38 km2,下降到2017年的245.33 km2,减少了65.17 %。而17 a间的降水量下降了40.93 %,气温上升了7.54 %,都小于水土流失面积的变化幅度。相关分析表明,EVI与水土流失面积的相关系数达到0.591,大于降水量和气温的0.119和0.527。这说明该县EVI的上升主要得益于当地人民对水土流失的治理。
综上,人类活动是福建省EVI上升的最主要影响因素。有研究表明:1982~2016年全球的林木树冠覆盖增加了224万km2,裸地减少了116万km2,这些土地覆盖变化中的60 %与人类直接活动有关。而在亚洲,人类活动的贡献可占到62 %[33]。
4 结 语
本文利用2000~2017年时间序列MODIS EVI夏季植被产品研究了福建植被的时空变化特征以及气象和非气象因子对EVI的影响,并得到以下结论:
(1) 福建EVI从2000年的0.454增长至2017年的0.505,提升了11.2%。植被变好的区域占全省总面积的50%,且主要分布在福建的中部和西南部等内陆地区。
(2) 福建气象要素(气温和降水)对EVI上升的影响并不显著,EVI上升的主要影响因素是来自与人类活动有关的非气象要素,森林覆盖率和水土流失治理面积的增加对福建EVI的上升起到了显著的贡献作用,并与福建生态省建设和水土流失治理的几个关键时间点吻合。
(3) 在福建这种亚热带地区,在气象条件能够满足植被正常生长的情况下,非气象因素往往有可能成为植被变化的主要因素。
参考文献
Remote Sensing Image-based Analysis of the Relationship between Urban Heat Island and Land Use/Cover Changes
[J].,
Terrestrial Ecosystem Carbon Dynamics and Climate Feedbacks
[J].,
A Remote Sensing Urban Ecological Index and Its Application
[J].,城市遥感生态指数的创建及其应用
[J].,
A Breakpoints based Spatio-temporal Analysis of Tibetan Plateau Vegetation
[J].,基于变化点的青藏高原植被时空动态变化研究
[J].,
Overview of the Radiometric and Biophysical Performance of the MODIS Vegetation Indices
[J].,
From AVHRR- NDVI to MODIS-EVI: Advances in Vegetation Index Research
[J].,王正兴, 刘闯, Huete Alfredo
.植被指数研究进展:从AVHRR-NDVI到MODIS-EVI
[J].,
Winter Wheat Area Estimation from MODIS-EVI Time Series Data Using the Crop Proportion Phenology Index
[J].,
Review of Advances in Vegetation Phenology Monitoring by Remote Sensing
[J].,夏传福, 李静, 柳钦火
.植被物候遥感监测研究进展
[J].,
The Variability of NDVI over Northwest China and Its Relation to Temperature and Precipitation
[J].,李震, 阎福礼, 范湘涛
.中国西北地区NDVI变化及其与温度和降水的关系
[J].,
MODIS Vegetation Indices (MOD 13C5 User’s Guide
[EB/OL]..[
Reanalysis of Global Terrestrial Vegetation Trends from MODIS Products: Browning or Greening?
[J].,
Sensitivity of the Enhanced Vegetation Index (EVI) and Normalized Difference Vegetation Index (NDVI) to Topographic Effects: A Case Study in High-density Cypress Forest
[J].,
Monitoring Vegetation Phenology Using MODIS
[J].,
Spring Green-up Phenology Products Derived from MODIS NDVI and EVI: Intercomparison, Interpretation and Validation Using National Phenology Network and AmeriFlux Observations
[J].,
Predicting Riparian Evapotranspiration from MODIS Vegetation Indices and Meteorological Data
[J].,
MODIS Enhanced Vegetation Index Predicts Tree Species Richness Across Forested Ecoregions in the Contiguous U.S.A
.[J].,
Analysis of Time-series MODIS 250 m Vegetation Index Data for Crop Classification in the U.S. Central Great Plains
[J].,
Increasing Altitudinal Gradient of Spring Vegetation Phenology during the Last Decade on the Qinghai-Tibetan Plateau
[J].,
Impact of Drought on the Vegetation State Using MODIS/EVI Time-series Data
[J].,赵伟, 李召良
.利用MODIS/EVI时间序列数据分析干旱对植被的影响
[J].,
Spatial and Temporal Characteristics of MODIS Vegetation Index in the Source Region of Three Rivers on Qinghai-Tibet Plateau in China
[J].,三江源区MODIS植被指数时空分布特征
[J].,
Differences between MODIS NDVI and MODIS EVI in Response to Climatic Factors
[J].,MODIS NDVI与MODIS EVI对气候因子响应差异
[J].,
Spatial-temporal Variation of NDVI for Growing Season and Its Relationship with Winter Snowfall in Northern Xinjiang
[J].,新疆北部植被生长季NDVI时空变化及其与冬季降雪的关系
[J].,
Characteristics of Vegetation Cover Changes in Lantsang Basin based on MODIS Vegetation Index Products (MOD13)
[J].,李亚飞, 刘高焕
.澜沧江流域植被覆盖变化特征及其与气候因子的关系
[J].,
Mapping Paddy Rice Agriculture in Southern China Using Multi-temporal MODIS Images
[J].,
Analysis of Temporal and Spatial Variations in NDVI of Aquatic Vegetation in Lake Taihu
[J].,太湖水生植被NDVI的时空变化特征分析
[J].,
Comparison of NDVI and EVI based on EOS/MODIS data
[J].,基于EOS/MODIS数据的NDVI与EVI比较研究
[J].,
Comparative Analysis of Land Cover Change Detection in an Inner Mongolia Grassland Area
[J].,土地覆盖变化检测方法比较——以内蒙古草原区为例
[J].,
Estimating of Sunshine Percentage Using the Cloud Classification Data from FY-2C
[J].,王怀清, 李三妹
.FY-2C云分类资料估算日照百分率
[J].,
Correlation Analysis between NDVI and Climate in Northeast China based on AVHRR and GIMMS Data Sources
[J].,毛德华
,,,基于MODIS和AVHRR数据源的东北地区植被NDVI变化及其与气温和降水间的相关分析
[J].,
Fujian Green Development
:from Eco-province to Ecological Civilization Pilot Demonstration Area
[EB/OL]. (从生态省到生态文明先行示范区
[EB/OL]. (
Xi Jinping in Fujian
:Lucid Waters and Lush Mountains Are Invaluable Assets
[EB/OL]. (绿水青山就是金山银山
[EB/OL]. (
Spatiotemporal Dynamics of the Bare Soil Cover in the Hetian Basinal Area of County Changting, China, during the Past 35 Years
[J].
福建省长汀县河田盆地区近35年来地表裸土变化的遥感时空分析
[J].,
Global Land Change from 1982 to 2016
[J].,
/
〈 | 〉 |