张志强¹, 刘欢², 左其亭^3,4, 于锦涛^1,5, 李阳⁶1. 华北水利水电大学测绘与地理信息学院,郑州 450046
2. 中国水利水电科学研究院流域水循环模拟与调控国家重点实验室,北京 100038
3. 郑州大学水利科学与工程学院,郑州 450001
4. 郑州大学黄河生态保护与区域协调发展研究院,郑州 450001
5. 山东农业大学信息科学与工程学院,泰安 271018
6. 水利部建设管理与质量安全中心,北京 100038

Spatiotemporal change of fractional vegetation cover in the Yellow River Basin during 2000-2019

ZHANG Zhiqiang¹, LIU Huan², ZUO Qiting^3,4, YU Jintao^1,5, LI Yang⁶1. College of Surveying and Geo-Informatics, North China University of Water Resources and Electric Power, Zhengzhou 450046, China
2. State Key Laboratory of Simulation and Regulation of Water Cycle in River Basin, China Institute of Water Resources and Hydropower Research, Beijing 100038, China
3. School of Water Conservancy Science & Engineering, Zhengzhou University, Zhengzhou 450001, China;
4. Yellow River Institute for Ecological Protection & Regional Coordinated Development, Zhengzhou University, Zhengzhou 450001, China;
5. School of Information Science and Engineering, Shandong Agricultural University, Taian 271018, China
6. Center of Construction Management & Quality Safety Supervision, Ministry of Water Resources, Beijing 100038, China;

收稿日期:2020-03-27修回日期:2020-10-9网络出版日期:2021-04-25

基金资助:

2020年河南省青年人才托举工程项目.2020HYTP033 华北水利水电大学高层次人才科研启动项目.202005012 河南省重大公益性科技专项.201300311500 国家自然科学基金项目.51909091 国家自然科学基金项目.U1803241

Received:2020-03-27Revised:2020-10-9Online:2021-04-25
作者简介 About authors
张志强,男,河南新郑人,讲师,研究方向为资源环境遥感。E-mail: zhangzhiqiang@ncwu.edu.cn







摘要
科学认识黄河流域植被覆盖度的空间格局和时序变化特征,对了解黄河流域生态环境质量演变,综合治理水土流失具有重要的应用价值。本文基于MOD13Q1数据产品和国家气象站降水数据,采用像元二分模型、一元线性回归模型和Hurst指数,分析了2000—2019年黄河流域植被覆盖度空间格局、时序变化和发展趋势。研究发现：①黄河流域植被覆盖度年际变化呈明显的上升趋势,增长速度为0.0603/10 a,月际变化呈先升后降的变化过程,8月植被覆盖度达到最大值0.672;②流域中部植被覆盖明显改善,西北部和西部改善程度相对较低;③在空间上,呈现从西北至东南阶梯状增大的分布态势,河南省植被覆盖状况最佳;④降水量是影响植被覆盖空间分布的决定性因素,但对年际变化的影响较小,且对中游的影响程度明显大于上游地区;⑤未来黄河流域植被覆盖发展较好,植被覆盖度上升趋势占流域总面积的64.51%。研究可为黄河流域生态保护方案的制定提供数据支撑和科学指导。
关键词： 黄河流域;植被覆盖度;MODIS-NDVI;像元二分模型;一元线性回归模型;Hurst指数

Abstract
A scientific understanding of the spatiotemporal change of the fractional vegetation cover (FVC) in the Yellow River Basin (YRB) is of great significance for understanding the change of ecological environment quality and controlling soil erosion comprehensively. In this study, the MOD13Q1 data product and precipitation data from national meteorological stations during 2000-2019 were used to investigate the spatial pattern, temporal change, and future tendency of FVC in the YRB based on dimidiate pixel mode, simple linear regression model, and Hurst index. The results show that: (1) The FVC of the YRB shows an obvious rising tendency during 2000-2019, with a growth rate of 0.0603/10 a. Inter-monthly variation of the FVC presents a change process of increasing first and then decreasing, and the FVC reaches its peak (0.672) in August. (2) Spatially, the vegetational cover in the middle part of the YRB improved significantly during 2000-2019, while that in the northwest and west remained relatively low. (3) The FVC presents a step-like increase from northwest to southeast, and Henan Province has the best vegetation coverage among the nine provinces in the YRB. (4) Precipitation is a decisive factor in determining the spatial distribution of the FVC, but it has little influence on the inter-annual change of the FVC, and the influence degree on the middle reaches of the YRB is obviously greater than on the upper reaches. (5) Vegetational cover in the YRB will develop well, and the area with rising tendency of vegetation coverage accounts for 64.51% of the YRB. The research results provide some data support and scientific guidance for the formulation of ecological protection programs in the YRB.
Keywords：Yellow River Basin (YRB);fractional vegetation cover (FVC);MODIS-NDVI;dimidiate pixel mode;simple linear regression model;Hurst index


PDF (4914KB)元数据多维度评价相关文章导出EndNote|Ris|Bibtex收藏本文
本文引用格式
张志强, 刘欢, 左其亭, 于锦涛, 李阳. 2000—2019年黄河流域植被覆盖度时空变化. 资源科学[J], 2021, 43(4): 849-858 doi:10.18402/resci.2021.04.18
ZHANG Zhiqiang, LIU Huan, ZUO Qiting, YU Jintao, LI Yang. Spatiotemporal change of fractional vegetation cover in the Yellow River Basin during 2000-2019. RESOURCES SCIENCE[J], 2021, 43(4): 849-858 doi:10.18402/resci.2021.04.18

1 引言

植被是陆地生态系统中有机物的生产者和能量的输入载体,通常被作为区域生态环境变化的“指示器”^[1,2]。植被覆盖度（Fractional Vegetation Cover,FVC）被定义为单位面积内植被茎、叶、枝等地上部分垂直投影到地面的面积^[3],是水土流失的主要影响因子^[4]。科学认识植被覆盖度的空间格局和变化特征,对了解生态环境质量演变,综合治理水土流失具有重要的应用价值^[5]。

遥感实现了从外太空对地球表层的重复观测,具有成本低、数据可获得等优势,为植被覆盖度时空演变研究提供了重要数据源^[6,7,8]。近年来,国内外****利用不同类型遥感数据在不同研究区开展了广泛的植被覆盖变化研究。从数据源来看,NOAA/AVHRR、SPOT/VGT和MODIS是3种常用的遥感数据。与前两种数据相比,MODIS数据空间分辨率高,常用于分析研究区2000年以后的植被覆盖变化规律^[6,9]。从研究内容来看,大多数研究在分析研究区植被覆盖空间格局和时序变化特征的基础上,还探索了研究区植被覆盖变化的影响机制：研究表明,区域植被覆盖变化是自然要素和人类活动共同作用的结果^[7,10,11]。从研究区来看,国内外****针对不同区域开展了植被覆盖变化时空演变研究,如伊犁河谷^[5]、黄土高原^[7]、黄河流域^[12,13,14]、非洲南部^[15]等,不同区域植被覆盖变化规律通常存在较大差异。

黄河是中华民族的母亲河,在中国经济社会发展和生态安全保障方面具有重要地位。受降水、蒸发、地势地貌等客观因素和人为因素的共同作用,黄河流域水土流失区面积占流域总面积的62%,是中国乃至世界上水土流失最严重的地区^[16]。2019年9月18日,习近平总书记主持召开了“黄河流域生态保护和高质量发展”座谈会,黄河流域生态保护和高质量发展上升为国家战略。科学认识黄河流域植被覆盖时空演变规律,对于落实黄河战略具有重要意义。杨胜天等^[13]利用8 km分辨率的AVHRR-NDVI和气象数据（降水量、蒸发量）分析了1982—1999年黄河流域植被覆盖与气象要素的关系。张亚玲等^[12]利用1 km分辨率的SPOT-NDVI数据分析了1998—2012年黄河流域植被覆盖的时空格局和变化趋势,发现黄河流域不同区域植被覆盖增长速度略有差异,下游植被覆盖增长最快,中游次之,上游最慢。贺振等^[14]利用8 km分辨率的GIMMS-NDVI数据分析了1982—2013年黄河流域植被覆盖时空格局和发展趋势,结果表明黄河流域8月份植被覆盖状况最佳,未来年份58.81%的区域植被覆盖呈现持续改善态势。总体而言,现阶段黄河流域植被覆盖研究数据空间分辨率相对较低,且研究时间跨度通常为2013年以前,对近年来黄河流域植被覆盖变化特征认识不足,难以为水土保持、国土资源等业务主管部门提供切实可用的参考。基于上述背景,本文以MOD13Q1数据产品为主要数据源,综合利用像元二分模型、一元线性回归模型和Hurst指数等方法,研究分析2000—2019年黄河流域植被覆盖度时空演变规律和发展趋势,为黄河流域水土流失综合治理提供科学依据。

2 研究区与数据来源

2.1 研究区概况

黄河流域介于95°53′E —119°12′E,32°9′N—41°50′N,流域面积约7.9万km²,涉及青海、四川、甘肃、宁夏、内蒙古、陕西、山西、河南、山东等9省区（图1）。其中,青海省是黄河发源地,在流域内的面积最大,占流域总面积的19%;山东省是黄河入海口,流域内面积最小,仅为1.72%（表1）。黄河流域地势西部高、东部低,西部多为高海拔山地（如巴颜喀拉山、阿尼玛卿山等）,平均海拔高于4000 m,中部为黄土高原,海拔介于1000~2000 m,东部为滨海平原区,海拔不足100 m^[13,14]。受客观因素和人为因素的双重作用,黄河流域水资源过度开发,生态环境脆弱^[9]。需要强调的是,后文提到的省份仅表示相应省份在黄河流域的区域,而非完整省域。

2.2 数据来源及预处理

采用2000年2月—2019年12月的MOD13Q1植被指数产品（https://www.nasa.gov/）,像元大小为250 m×250 m,重访周期为16天。对MOD13Q1产品数据进行一系列预处理,包括：①基于MRT（MODIS ReProjection Tools）软件进行数据格式转换和投影^[3]。②结合黄河流域矢量边界,对数据进行拼接和裁剪,获得黄河流域NDVI数据集。③通过最大值合成获得研究时段逐月的NDVI数据,研究表明通过最大值合成处理能够有效降低云层、大气等噪声干扰^[11];为了进一步消除异常值影响,采用平均值法计算2000—2019年逐年的NDVI数据。

气象数据为2000—2018年黄河流域91个气象站点的逐日降水数据（http://data.cma.cn/）。数据预处理包括：①计算各气象站点的年降水量和多年平均降水量。②逐年计算黄河流域、黄河流域上游和黄河流域下游的年平均降水量。

3 研究方法

3.1 植被覆盖度（FVC）计算

像元二分模型是计算FVC常用的方法。该方法以混合像元分解理论为基础,假设混合像元有植被和非植被两个端元,因此混合像元的NDVI信息能够表示为植被端元和非植被端元NDVI信息的面积加权平均^[3,8]。公式可表示为：

（1）NDVItotal=NDVIveg×FVC+NDVInon×(1-FVC)
式中： NDVItotal表示混合像元的NDVI; NDVIveg和 NDVInon分别表示植被端元和非植被端元的NDVI;FVC表示植被端元的丰度,即植被覆盖度。变换公式（1）,FVC能够表示为：

（2）FVC=(NDVItotal-NDVInon)/(NDVIveg-NDVInon)
NDVInon理论上应该等于0,但受大气、土壤、光照等条件的影响, NDVInon通常是介于-0.1~0.2的变化值。由于植被类型、生长季节、气候等条件的不同, NDVIveg亦存在时空差异^[3]。本文参考吴志杰等^[17]提出的 NDVInon和 NDVIveg计算方法,选取年NDVI累计频率1%和99%对应的值作为年内各月FVC计算的 NDVInon和 NDVIveg,代入公式（2）逐像元计算FVC,然后将FVC<0的像元值修改为0,FVC >1的像元值修改为1。

3.2 趋势分析

采用一元线性回归模型逐像元分析2000—2019年黄河流域植被覆盖度年际变化趋势。趋势线斜率 θslope计算公式如下^[18,19]：

（3）θslope=20×∑i20i×FVCi-∑i20i×∑i20FVCi20×∑i20i2-∑i20i2
式中： FVCi表示第i年像元的FVC。 θslope>0表示植被覆盖度呈上升趋势, θslope<0表示植被覆盖度呈下降趋势。

F检验被用作变化趋势的显著性检验,计算公式如下：

（4）F=U×n-2QU=∑i=120(FVCi?-FVCiˉ)2Q=∑i=120(FVCi-FVCiˉ)2
式中：U表示回归平方和,Q表示残差平方和,n表示研究时段的年份数, FVCi?表示第i年像元FVC的回归值, FVCiˉ表示像元FVC的多年平均值。综合趋势线斜率和F检验,将黄河流域植被覆盖度变化趋势划分为5个等级：显著退化（ θslope≤0,P≤0.01）,轻微退化（ θslope≤0,0.01<P≤0.05）,变化不显著（P>0.05）,轻微改善（ θslope>0,0.01<P≤0.05）,和显著改善（ θslope>0,P≤0.01）。

3.3 发展趋势预测

Hurst指数能够表征时序数据的可持续性,通常被用于判断时序数据是随机还是可持续的^[5],已广泛应用于气候、水文等研究领域。本文进一步扩展Hurst指数的应用领域,将其应用于黄河流域植被覆盖度发展趋势预测研究。关于Hurst指数的计算方法,详见文献[14]。

Hurst指数（H）通常介于0~1。在本文中,H<0.5表示植被覆盖度发展趋势与过去趋势是不一致的,且H值越接近0,不一致发生的概率越大。H=0.5表示数据序列是随机游走序列,难以根据植被覆盖度变化规律预测其未来发展趋势。H>0.5表示植被覆盖度发展趋势与过去趋势是一致的,且H值越接近于1,维持原有趋势的概率越大。

为了清晰揭示黄河流域植被覆盖度的发展趋势,本文综合利用趋势线斜率 θslope、F检验结果和Hurst指数对植被覆盖度发展趋势进行分类。当（ θslope>0,P<0.05） 且H>0.5,或（ θslope<0,P<0.05） 且H<0.5时,表示未来年份植被覆盖度表现为上升趋势;当（ θslope>0,P<0.05） 且H<0.5,或（ θslope<0,P<0.05） 且H>0.5时,表示未来年份植被覆盖度表现为下降趋势。当P>0.05时,表示未来年份植被覆盖度变化不显著。

4 结果与分析

4.1 植被覆盖度时序变化特征

2000—2019年黄河流域植被覆盖度呈现明显的上升趋势,增长速度为0.0603/10 a（图2a）。2015年,年平均植被覆盖度迅速短暂下降,相比2014年下降了8.176%。观察不同省份植被覆盖度年际变化（图2b-2j）发现,2015年所有省份植被覆盖度均下降,因此推断该年份黄河流域植被覆盖度迅速短暂下降可能是受气候因素的影响。

2000—2019年黄河流域不同省级行政单元植被覆盖度年际变化存在差异,但所有省级行政单元植被覆盖度均表现为上升趋势。植被覆盖度增长速度为：山西省（0.0920/10 a）>陕西省（0.0882/10 a）>甘肃省（0.0695/10 a）>宁夏回族自治区（0.0677/10 a）>河南省（0.0648/10 a）>山东省（0.0608/10 a）>内蒙古自治区（0.0482/10 a）>青海省（0.0202/10 a）>四川省（0.0179/10 a）。

从黄河流域上中下游角度看（图2k-2m）,植被覆盖状况下游最佳（FVC介于0.55~0.75）,中游次之,上游最差。主要原因在于下游区域多为半湿润气候,林地和农作物分布较多;上游广泛分布着大面积沙漠和荒漠化草原,植被覆盖相对较差。从植被覆盖度增长速度看,中游最大、高达0.0870/10 a,上游最小、仅为0.0378/10 a。主要原因在于中游处于中国生态保护工程（植树造林、退耕（草）还林）重点实施区域,如榆林市、延安市和庆阳市等,人类活动对植被覆盖增长的正向作用较大。

为了探索黄河流域植被覆盖度月际变化特征,计算2000—2019年同一月份植被覆盖度的中位数并绘制成图2n。不难发现,黄河流域植被覆盖度月际变化表现为先升后降的变化过程,1—3月植被覆盖度基本未变化,3—7月迅速上升,8—11月迅速下降,8月份月植被覆盖度（0.672）最大。该结果与文献[14]基本吻合,表明研究时段内黄河流域植被物候特征相对稳定,未发生较大变化。

4.2 植被覆盖度空间格局

为了分析黄河流域植被覆盖度的空间格局,逐像元计算2000—2019年黄河流域多年平均FVC并绘制成图3。从整体上看,2000—2019年黄河流域FVC呈现从西北至东南阶梯状增大的态势,流域西北部和黄河源区是低FVC相对集中的区域。主要原因在于流域西北部属于干旱半干旱气候,广泛分布着沙漠和荒漠化草原;黄河源区属于高原山地类型,广布裸露岩石和稀疏草地。从省级尺度分析,不同省份多年平均FVC的平均值依次为：河南省（0.7050）>四川省（0.6536）>山东省（0.5841）>山西省（0.5543）>陕西省（0.5477）>甘肃省（0.4660）>青海省（0.4292）>宁夏回族自治区（0.2729）>内蒙古自治区（0.2418）。表明黄河流域9省区,河南省植被覆盖状况最好,内蒙古自治区最差。

根据多年平均FVC将黄河流域划分为低植被覆盖区、较低植被覆盖区、一般植被覆盖区、较高植被覆盖区和高植被覆盖区5类。①低植被覆盖区（0≤FVC<0.2）主要分布于黄河流域西北边缘地带,涉及地级行政单元包括：乌海市、中卫市、巴彦淖尔市北部、鄂尔多斯市西部、吴忠市中部和白银市北部,地形地貌属于荒漠化草原,面积为1.0725万km²,占流域总面积的13.5%;②较低植被覆盖区（0.2≤FVC<0.4）主要分布于流域西北部和黄河源区,涉及地级行政单元主要包括：包头市、呼和浩特市、乌兰察布市、朔州市、榆林市、兰州市、巴彦淖尔市南部、忻州市北部、鄂尔多斯市中部和东南部、吕梁市西部、庆阳市西北部、固原市中部、定西市东北部、玉树藏族

图1

新窗口打开|下载原图ZIP|生成PPT
图1黄河流域行政区划图

Figure 1Administrative zoning of the Yellow River Basin (YRB)



Table 1
表1
表1黄河流域不同省级行政单元面积统计
Table 1Areal statistics of different provincial administrative units in the Yellow River Basin (YRB)

省级行政单元	行政单元总面积/km2	行政单元在黄河流域内面积/km2	占省份面积比/%	占流域面积比/%
青海省	697174.0	150991.0	21.66	19.00
四川省	486184.0	18976.6	3.90	2.39
甘肃省	424693.0	142469.0	33.55	17.92
宁夏回族自治区	52286.8	51628.2	98.74	6.50
内蒙古自治区	1144940.0	150775.0	13.17	18.97
山西省	156546.0	96680.7	61.76	12.16
陕西省	205484.0	132858.0	64.66	16.71
河南省	166262.0	36805.6	22.14	4.63
山东省	153912.0	13667.1	8.88	1.72

新窗口打开|下载CSV

图2

新窗口打开|下载原图ZIP|生成PPT
图22000—2019年黄河流域FVC年际和月际变化

Figure 2Interannual and monthly variations of fractional vegetation cover (FVC) in the Yellow River Basin (YRB), 2000-2019

图3

新窗口打开|下载原图ZIP|生成PPT
图3黄河流域多年平均FVC空间分布

Figure 3Spatial distribution of multi-year average of fractional vegetation cover (FVC) in the Yellow River Basin (YRB)



自治州、果洛藏族自治州西部,面积为2.6384万km²,占流域总面积的33.2%;③一般植被覆盖区（0.4≤FVC<0.6）广泛分布于黄河源区和流域中部,面积为2.1261万km²,占流域总面积的26.8%;④较高植被覆盖区（0.6≤FVC<0.8）广泛分布于黄河流域南部,面积为1.6005万km²,占流域总面积的20.2%;⑤高植被覆盖区（0.8≤FVC≤1.0）呈斑块状分布于流域中部的陕西省、山西省和河南省境内,面积为5.042万km²,占流域总面积的6.3%。总体而言,黄河流域植被覆盖情况仍不容乐观,植被覆盖低值和较低值区域占流域总面积的46.7%。

4.3 植被覆盖度变化趋势

2000—2019年黄河流域大部分地区FVC表现为上升趋势（图4、表2）,轻微改善区和显著改善区占流域总面积的64.73%。轻微改善区散布于流域边缘区域（在流域西北部和西部的鄂尔多斯市、中卫市和白银市分布相对集中）。显著改善区覆盖了整个黄土高原,大体呈“弯月形”聚集于流域中部,其中忻州市、离石市、榆林市、延安市、庆阳市、固原市、定西市等植被覆盖状况改善尤为良好,该区域位于中国生态保护工程重点实施区域。显著退化区和轻微退化区仅占流域总面积的0.56%,主要分布于河流、湖泊、水库等区域。变化不显著区域占流域总面积的34.71%,主要分布于城市集中发展地区（如关中平原城市群和中原城市群）、内蒙古自治区黄河以北地区、宁夏平原、祁连山和黄河源区。总体而言,2000—2019年黄河流域植被覆盖整体表现为上升趋势,其中黄土高原上升趋势显著。

图4

新窗口打开|下载原图ZIP|生成PPT
图42000—2019年黄河流域FVC变化趋势空间分布

Figure 4Spatial distribution of fractional vegetation cover (FVC) variation tendency in the Yellow River Basin (YRB), 2000-2019



Table 2
表2
表22000—2019年黄河流域FVC变化趋势面积统计
Table 2Areal statistics of different fractional vegetation cover (FVC) variation tendency in the Yellow River Basin (YRB), 2000-2019

变化趋势	显著退化	轻微退化	变化不显著	轻微改善	显著改善
面积/km2	1882.7	2529.1	275860.0	90597.0	423812
面积比例/%	0.24	0.32	34.71	11.40	53.33

新窗口打开|下载CSV

4.4 植被覆盖度发展趋势分析

黄河流域植被覆盖度Hurst指数（图5a）平均值为0.7499,反持续序列（H<0.5）占比仅4.32%,持续序列（H>0.5）占比高达95.68%。从空间分布（图5b）看,未来年份黄河流域绝大部分地区植被覆盖度将维持2000—2019年的变化趋势,流域中部的榆林市、延安市、吕梁市、庆阳市、固原市、定西市、白银市、兰州市和临夏回族自治州持续性尤为明显（H>0.8）。反持续序列零星分布于流域边缘,其中在黄河源区、内蒙古黄河以北地区、鄂尔多斯市西部、吴忠市与白银市交界地区出现反持续序列聚集现象。

图5

新窗口打开|下载原图ZIP|生成PPT
图5Hurst指数频率统计（a）和空间分布（b）

Figure 5Frequency statistics (a) and spatial distribution (b) of Hurst index



从发展趋势空间分布（图6）角度分析,植被覆盖度上升趋势区所占比重较大,占流域总面积的64.51%。变化不显著区域占流域总面积的34.78%,主要分布于黄河源区、祁连山脉、河套灌区和城市集中发展区域。下降趋势区仅占流域总面积的0.71%,主要位于青海省、宁夏回族自治区北部、内蒙古自治区西部和北部、陕西省南部、山西省中部和河南省北部。

图6

新窗口打开|下载原图ZIP|生成PPT
图6黄河流域FVC发展趋势空间分布

Figure 6Spatial distribution of fractional vegetation cover (FVC) future tendency in the Yellow River Basin (YRB)

4.5 降水量对植被覆盖度影响分析

为了探索降水量对黄河流域植被覆盖度空间格局的影响,计算各气象站点所在像元5×5邻域空间多年平均FVC的平均值作为该站点的多年平均FVC,制作散点图（图7a）。为了分析降水量对黄河流域植被覆盖度年际变化的影响,依次计算2000—2019年黄河流域、黄河流域上游、中游的年FVC平均值,绘制黄河流域及其上游、中游年平均FVC与年平均降水量相关关系图（图7b-7d）。

图7

新窗口打开|下载原图ZIP|生成PPT
图7降水量对植被覆盖度时空演变的影响

Figure 7Influence of precipitation on the spatiotemporal change of fractional vegetation cover (FVC)



从图7a看,黄河流域多年平均FVC与多年平均降水量的相关系数R²高达0.6713,表明降水量是决定黄河流域植被覆盖度空间格局的关键因素。观察图7b-7d不难发现,年平均FVC与年平均降水量的R²仅为0.1908,表明降水量对黄河流域FVC的年际变化影响较小。此外,黄河流域不同区域降水量对FVC年际变化的影响程度并不完全相同,上游区域的影响程度（相关系数为0.5233）明显大于中游区域（相关系数为0.0654）。

5 结论与讨论

5.1 结论

本文利用2000—2019年黄河流域MOD13Q1数据和降水数据,开展了黄河流域植被覆盖度时空演变研究。主要结论如下：

（1）2000—2019年黄河流域植被覆盖度表现为明显的上升趋势,增长速度为0.0603/10 a。从空间上看,植被覆盖改善区域面积占流域总面积的64.73%,明显改善区呈“弯月形”分布于流域中部。

（2）从空间上看,植被覆盖度从黄河流域西北部至东南部逐渐增大,植被覆盖度相对较低的区域主要分布于黄河流域西北部和黄河源区。从省级行政单元角度分析,黄河流域9省区中,河南省植被覆盖状况最好,内蒙古自治区植被覆盖状况最差。

（3）从发展趋势看,未来黄河流域植被覆盖发展趋势较好,植被覆盖度上升趋势区占流域总面积的64.51%。但值得注意的是,黄河源区、祁连山脉以及内蒙古黄河以北地区（主要涉及青海省和内蒙古自治区）存在广泛的变化不显著区域,需要相关部门重点关注,采取必要的生态保护措施,避免该区域转变为植被覆盖退化区。

（4）降水量对黄河流域不同区域FVC年际变化的影响程度存在较大差异,上游区域的影响程度（R²为0.5233）明显大于中游区域（R²为0.0654）。

5.2 讨论

本文基于黄河流域MOD13Q1数据和降水数据,分析了2000—2019年黄河流域植被覆盖度的空间格局、时序变化规律和发展趋势,研究成果将为黄河流域生态风险评价、生态保护方案的制定提供科学指导。相比于已有研究,本文采用的数据精度更高、研究时间跨度更长,能够更精确地反映黄河流域植被覆盖的近期变化规律。此外,本文从行政区划的角度分析了黄河流域植被覆盖时空格局和发展趋势,更有利于为管理部门提供决策支持。

随着数据精度的提高和研究时间跨度的延长,本文发现：①在研究时段内黄河流域中游区域的植被覆盖增长速度最快,该结论与文献[12]中1998—2012年的结论略有差异,表明2012以后,黄河流域中游区域植被覆盖持续向好,增长速度持续增加,已超过下游区域。②在未来年份,黄河流域64.51%区域的植被覆盖度呈上升趋势,该结论略大于文献[14]中1982—2013年的结论（58.81%）,表明近年来的生态修复措施使得部分区域植被覆盖退化的态势得到有效遏制。

植被覆盖变化是人类活动和自然因素共同作用的结果^[7,10,11],其中降水是重要的自然因素。研究表明,降水量是黄河流域植被覆盖空间分布的决定性因素,但对黄河流域植被覆盖的年际变化影响较小。通过分区研究发现,降水量对黄河流域不同区域植被覆盖年际变化的影响程度亦不相同,对上游区域的影响程度明显大于中游区域。主要原因可能在于上游地区人口密度小,植被覆盖类型多为森林、草地和耕地,人类活动影响较小且相对稳定。中游地区主要为黄土高原,自1999年实施了一系列的生态建设工程,如植树造林、退耕还林（草）等,植被覆盖度迅速增大。除了降水,气温也是影响植被覆盖变化的重要因素。信忠保等****研究发现,温度对植被覆盖的年内变化具有重要影响^[7,20]。后续研究中,应进一步定量分析温度和人类活动（植树造林、退耕还林（草）、农业生产等）对黄河流域植被覆盖变化的影响。

本文的植被覆盖度发展趋势分析结论仅建立在2000—2019年黄河流域逐像元年FVC序列的基础上,尚未考虑未来降水、蒸发、政策等不确定性因素对发展趋势的影响。根据已有数据序列的分析结果,黄河源区植被覆盖存在较大的退化风险,且现阶段该区域人类活动对植被覆盖度的影响相对较弱,需要相关部门高度重视,以确保黄河源区植被覆盖的良性向好发展。

参考文献 View Option 原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

[1] 朱长明, 李均力, 沈占锋, 等. 基于MODIS密集时间序列数据的塔里木河下游植被活动过程监测
[J]. 资源科学, 2019,41(3):591-600.
[本文引用: 1]

[ Zhu C M, Li J L, Shen Z F, et al. Spatiotemporal dynamics of vegetation activities in the lower reach of the Tarim River based on MODIS intensive time series data
[J]. Resources Science, 2019,41(3):591-600.]
[本文引用: 1]

[2] Hou W, Hou X Y. Spatial-temporal changes in vegetation coverage in the global coastal zone based on GIMMS NDVI3g data
[J]. International Journal of Remote Sensing, 2020,41(3):1118-1138.
DOI:10.1080/01431161.2019.1657603URL [本文引用: 1]

[3] 穆少杰, 李建龙, 陈奕兆, 等. 2001-2010年内蒙古植被覆盖度时空变化特征
[J]. 地理学报, 2012,67(9):1255-1268.
[本文引用: 4]

[ Mu S J, Li J L, Chen Y Z, et al. Spatial differences of variations of vegetation coverage in Inner Mongolia during 2001-2010
[J]. Acta Geographica Sinica, 2012,67(9):1255-1268.]
[本文引用: 4]

[4] 田金梅, 李小兵, 高璐媛, 等. 县域尺度水土流失遥感定量监测
[J]. 水土保持应用技术, 2021, ( 1):43-45.
[本文引用: 1]

[ Tian J M, Li X B, Gao L Y, et al. Remote sensing quantitative monitoring of soil and water loss at county scale
[J]. Technology for Soil and Water Conservation, 2021, ( 1):43-45.]
[本文引用: 1]

[5] 孙国军, 李卫红, 朱成刚, 等. 2000-2015年伊犁河谷植被覆盖时空变化特征
[J]. 干旱区地理, 2020,43(6):1551-1558.
[本文引用: 3]

[ Sun G J, Li W H, Zhu C G, et al. Spatial-temporal characteristics of vegetation cover in lli River Valley from 2000 to 2015
[J]. Arid Land Geography, 2020,43(6):1551-1558.]
[本文引用: 3]

[6] Gao L, Wang X F, Johnson B A, et al. Remote sensing algorithms for estimation of fractional vegetation cover using pure vegetation index values: A review
[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2020,159:364-377.
DOI:10.1016/j.isprsjprs.2019.11.018URL [本文引用: 2]

[7] 信忠保, 许炯心, 郑伟. 气候变化和人类活动对黄土高原植被覆盖变化的影响
[J]. 中国科学( D辑: 地球科学), 2007,37(11):1504-1514.
[本文引用: 5]

[ Xin Z B, Xu J X, Zheng W. Spatiotemporal variations of vegetation cover on the Chinese Loess Plateau (1981-2006): impacts of climate changes and human activities
[J]. Science in China (Series D: Earth Sciences), 2007,37(11):1504-1514.]
[本文引用: 5]

[8] 吴云, 曾源, 赵炎, 等. 基于MODIS数据的海河流域植被覆盖度估算及动态变化分析
[J]. 资源科学, 2010,32(7):1417-1424.
[本文引用: 2]

[ Wu Y, Zeng Y, Zhao Y, et al. Monitoring and dynamic analysis of fractional vegetation cover in the Hai River Basin based on MODIS data
[J]. Resources Science, 2010,32(7):1417-1424.]
[本文引用: 2]

[9] 袁丽华, 蒋卫国, 申文明, 等. 2000-2010年黄河流域植被覆盖的时空变化
[J]. 生态学报, 2013,33(24):7798-7806.
[本文引用: 2]

[ Yuan L H, Jiang W G, Shen W M, et al. The spatio-temporal variations of vegetation cover in the Yellow River Basin from 2000 to 2010
[J]. Acta Ecologica Sinica, 2013,33(24):7798-7806.]
[本文引用: 2]

[10] Tong S Q, Zhang J Q, Ha S, et al. Dynamics of fractional vegetation coverage and its relationship with climate and human activities in Inner Mongolia, China
[J]. Remote Sensing, 2016,8(9):776.
DOI:10.3390/rs8090776URL [本文引用: 2]

[11] 阿荣, 毕其格, 董振华 . 基于MODIS/NDVI的锡林郭勒草原植被变化及其归因
[J]. 资源科学, 2019, 41(7): 1374-1386.
[本文引用: 3]

[ A R, Bi Q G, Dong Z H. Change of grassland vegetation and driving factors based on MODIS/NDVI in Xilingol, China
[J]. Resources Science, 2019,41(7):1374-1386.]
[本文引用: 3]

[12] 张亚玲, 苏惠敏, 张小勇. 1998-2012年黄河流域植被覆盖变化时空分析
[J]. 中国沙漠, 2014,34(2):597-602.
[本文引用: 3]

[ Zhang Y L, Su H M, Zhang X Y. The spatial-temporal changes of vegetation restoration in the Yellow River Basin from 1998 to 2012
[J]. Journal of Desert Research, 2014,34(2):597-602.]
[本文引用: 3]

[13] 杨胜天, 刘昌明, 孙睿. 近20年来黄河流域植被覆盖变化分析
[J]. 地理学报, 2002,57(6):679-684.
[本文引用: 3]

[ Yang S T, Liu C M, Sun R. The vegetation cover over last 20 years in Yellow River Basin
[J]. Acta Geographica Sinica, 2002,57(6):679-684.]
[本文引用: 3]

[14] 贺振, 贺俊平. 近32年黄河流域植被覆盖时空演化遥感监测
[J]. 农业机械学报, 2017,48(2):179-185.
[本文引用: 6]

[ He Z, He J P. Remote sensing on spatio-temporal evolution of vegetation cover in the Yellow River Basin during 1982-2013
[J]. Transactions of the Chinese Society of Agricultural Machinery, 2017,48(2):179-185.]
[本文引用: 6]

[15] Dubovyk O, Landmann T, Erasmus B F N, et al. Monitoring vegetation dynamics with medium resolution MODIS-EVI time series at sub-regional scale in southern Africa
[J]. International Journal of Applied Earth Observation and Geoinformation, 2015,38:175-183.
DOI:10.1016/j.jag.2015.01.002URL [本文引用: 1]

[16] Zhang W, Wang L C, Xiang F F, et al. Vegetation dynamics and the relations with climate change at multiple time scales in the Yangtze River and Yellow River Basin, China
[J]. Ecological Indicators, 2020, DOI: 10.1016/j.ecolind.2019.105892.
[本文引用: 1]

[17] 吴志杰, 何国金, 黄绍霖, 等. 南方丘陵区植被覆盖度遥感估算的地形效应评估
[J]. 遥感学报, 2017,21(1):159-167.
[本文引用: 1]

[ Wu Z J, He G J, Huang S L, et al. Terrain effects assessment on remotely sensed fractional vegetation cover in hilly area of southern China
[J]. Journal of Remote Sensing, 2017,21(1):159-167.]
[本文引用: 1]

[18] Zhou Q, Zhao X, Wu D, et al. Impact of urbanization and climate on vegetation coverage in the Beijing-Tianjin-Hebei region of China
[J]. Remote Sensing, 2019,11(20):2452.
DOI:10.3390/rs11202452URL [本文引用: 1]

[19] Tong X W, Wang K L, Yue Y M, et al. Quantifying the effectiveness of ecological restoration projects on long-term vegetation dynamics in the Karst regions of Southwest China
[J]. International Journal of Applied Earth Observation and Geoinformation, 2017,54:105-113.
DOI:10.1016/j.jag.2016.09.013URL [本文引用: 1]

[20] 信忠保, 许炯心. 黄土高原地区植被覆盖时空演变对气候的响应
[J]. 自然科学进展, 2007,17(6):770-778.
[本文引用: 1]

[ Xin Z B, Xu J X. Response of spatial-temporal evolution of vegetation cover to climate in the Loess Plateau
[J]. Progress in Natural Science, 2007,17(6):770-778.]
[本文引用: 1]