申瑩瑩

摘 要：本文以國家中心城市鄭州為研究區(qū)，選取其2000—2019年植被生長季節(jié)的MODIS 歸一化植被指數（[NDVI]），并分析[NDVI]的長時間變化趨勢。結果表明，近20年來，鄭州市一半以上的區(qū)域植被變化不顯著，植被極顯著增加和顯著增加的區(qū)域主要集中在鞏義市、登封市、新密市以及鄭州老城區(qū)，而顯著減少和極顯著減少區(qū)域主要分布在老城區(qū)周邊，并延伸至新鄭南部及中牟的東部，這與鄭州城市發(fā)展進程基本相符。

關鍵詞：鄭州;NDVI;變化趨勢;MODIS

中圖分類號：P237;Q948文獻標識碼：A文章編號：1003-5168（2020）16-0149-03

Abstract： In this paper， Zhengzhou， the central city of China， was chosen as the research area. The MODIS normalized vegetation index （[NDVI]） of Zhengzhou during the vegetation growing season from 2000 to 2019 was selected， and the long-term changing trend of [NDVI] was analyzed. The results show that more than half of the regional vegetation in Zhengzhou has not changed significantly in the past 20 years. The areas with significant increase and significant increase in vegetation mainly concentrate in Gongyi， Dengfeng， Xinmi and the old urban areas of Zhengzhou， while the areas with significant decrease and significant decrease mainly distribute in the old urban areas and extend to the south of Xinzheng and the east of Zhongmou， which is basically consistent with the urban development of Zhengzhou.

Keywords： Zhengzhou;NDVI;changing trend;MODIS

1 研究背景

2016年12月20日，國家發(fā)展改革委發(fā)布《促進中部地區(qū)崛起“十三五”規(guī)劃》，提出支持武漢、鄭州建設國家中心城市[1]。鄭州肩負著引領河南振興、促進中部崛起的歷史重任;因此，把鄭州市建設成為生態(tài)環(huán)境良好、生態(tài)產業(yè)發(fā)達、生態(tài)文化濃厚、市民和諧幸福的生態(tài)型國家區(qū)域中心城市，既是推進鄭州轉型升級、跨越式發(fā)展的迫切需要，也是帶動中原地區(qū)和中部崛起、實現可持續(xù)發(fā)展的必然選擇[2]。

植被是生態(tài)環(huán)境最為重要的組成部分，是反映區(qū)域生態(tài)地理環(huán)境的重要標識之一[3]。先前，研究者往往需要實地統(tǒng)計植被覆蓋信息，這種方式不能實時地反映植被覆蓋信息，且費時費力。而遙感技術的不斷發(fā)展，為快速、實時、高效地獲取植被覆蓋信息提供了可能，為分析植被動態(tài)變化及促進人文與自然可持續(xù)發(fā)展起著不可磨滅的作用。因此，很多學者利用遙感技術對不同區(qū)域的植被進行了相關研究：楊海蘭等利用Landsat系列數據分析了撫仙湖祿充風景區(qū)的植被變化情況[4];趙玉利用MODIS植被指數數據揭示了渭南市植被覆蓋度時空動態(tài)特征及其與氣候因子的相關性[5];王晶和王旭峰利用MODIS植被指數數據對石羊河北部的植被覆蓋度進行了動態(tài)變化分析[6];李晶等利用Landsat年際最大合成數據分析了寶日希勒礦區(qū)及周邊的植被變化狀況[7]。本文在前人研究基礎之上，利用MODIS植被指數數據對鄭州2000—2019年植被變化趨勢進行了分析，以期為鄭州的可持續(xù)發(fā)展提供決策支持。

2 研究區(qū)域

鄭州是河南省的省會，位于我國華北平原南部、黃河下游，居河南省中部偏北，東接開封，西依洛陽，北臨黃河，與新鄉(xiāng)、焦作相望，南部與許昌、平頂山接壤，介于東經112°42′～114°14′，北緯34°16′～34°58′。

研究區(qū)屬北溫帶大陸性季風氣候，冷暖氣團交替頻繁，春、夏、秋、冬四季分明。冬季漫長而干冷，雨雪稀少;春季干燥少雨多春旱，冷暖多變大風多;夏季比較炎熱，降水高度集中;秋季氣候涼爽，時間較短。全年平均氣溫15.6 ℃;8月份最熱，月平均氣溫25.9 ℃;1月份最冷，月平均氣溫2.15 ℃。全年平均降雨量542.15 mm，無霜期209 d。

3 數據獲取及處理

3.1 數據獲取

NDVI是公認的遙感影像中植被生長狀態(tài)及植被覆蓋度的最佳指示因子[8]，其與植被健康程度、植被覆蓋度、植被生物量等植被相關參量存在一定聯系。因此，本文從美國國家航空航天局（National Aeronautics and Space Administration，NASA）網站（https：//search.earthdata.nasa.gov）下載2000—2019年鄭州市的MOD13Q1的植被指數產品，其時間分辨率為16 d，空間分辨率為250 m。影像的具體時間為每年植被生長季（6—8月份），具體的軌道數為h25v05。

3.2 數據處理

3.2.1 數據預處理。首先，利用MODIS Reprojection Tools（MRT）對獲取的所有MODIS進行數據拼接、格式轉換、坐標轉換、投影轉換等處理，然后對處理后的影像進行裁剪，得到研究區(qū)域的NDVI影像。

4 結果與分析

根據公式（1）得到了研究區(qū)2000—2019年的NDVI最大合成影像，利用公式（2）計算研究區(qū)域2000—2019年植被變化趨勢（[slope]）。由于篇幅有限，本文不對NDVI和slope圖像進行展示。

利用[t]檢驗對研究區(qū)植被變化趨勢進行顯著性檢驗，并按照前文中的植被變化趨勢分類方式，將研究區(qū)植被分為極顯著增加、顯著增加、變化不顯著、顯著減少和極顯著減少，得到的結果見圖1。

從圖1可以看出，植被極顯著增加和顯著增加的區(qū)域主要集中在鞏義市、登封市、新密市以及鄭州老城區(qū)（金水區(qū)、中原區(qū)、二七區(qū)以及管城區(qū)的交匯處）;而顯著減少和極顯著減少區(qū)域主要分布在老城區(qū)周邊，并延伸至新鄭南部及中牟縣;圖1的結果基本符合鄭州市的城市建設進程。

對研究區(qū)域不同植被變化類型進行統(tǒng)計可以看出，64.05%的區(qū)域植被變化不顯著，占研究區(qū)域的一半以上;植被覆蓋極顯著增加和顯著增加的區(qū)域占比相對較少，分別占研究區(qū)的3.57%和9.55%;而顯著減少和極顯著減少的區(qū)域相對較多，分別占研究區(qū)的15.35%和7.48%。

5 結論

本文利用最大合成法得到鄭州市2000—2019年的植被生長季MODIS NDVI最大數據，隨后利用趨勢分析法分析了植被變化趨勢，并利用[t]檢驗對變化趨勢進行了顯著性檢驗。主要得到以下幾個結論：①鄭州市一半以上的區(qū)域（64.05%）植被變化不顯著;②顯著增加和極顯著增加區(qū)域占13.12%，且主要集中在鞏義市、登封市、新密市以及鄭州老城區(qū);③顯著減少和極顯著減少區(qū)域占22.83%，主要集中在老城區(qū)周邊，并延伸至新鄭南部及中牟縣;④得到的植被變化趨勢結果與鄭州城市建設進程基本相符。

參考文獻：

[1]蘇曉靜，丁煦詩，劉士林.國家中心城市的總體情況與鄭州建設發(fā)展的模式選擇[J].中國建設信息化，2019（15）：50-53.

[2]吳海峰.鄭州生態(tài)型國家區(qū)域中心城市建設研究[J].區(qū)域經濟評論，2016（4）：145-151.

[3]楊亮亮，蘇曉剛，袁蹈.基于NDVI的天長縣植被覆蓋度動態(tài)變化分析[J].黑龍江工程學院學報，2019（1）：13-16.

[4]楊海蘭，柳德江，王泉，等.撫仙湖祿充風景區(qū)植被覆蓋變化研究[J].測繪地理信息，2019（5）：29-32.

[5]趙玉.渭南市植被覆蓋變化及其與氣候因子的相關性[J].生態(tài)科學，2019（5）：1-12.

[6]王晶，王旭峰.2000—2016年石羊河北部植被覆蓋度動態(tài)變化特征[J].地理空間信息，2019（8）：46-49，11.

[7]李晶，崔綠園，閆蕭蕭，等.草原礦區(qū)長時序植被覆蓋度變化趨勢對比分析[J].測繪通報，2019（8）：130-134，157.

[8]閆蕭蕭，李晶，楊震.2000—2016年陳巴爾虎旗植被覆蓋度時空變化遙感動態(tài)監(jiān)測[J].中國農業(yè)大學學報，2018（6）：121-129.

[9]Congalton R. A comparison of sampling schemes used in generating error matrices for assessing the accuracy of maps generated from remotely sensed data[J]. Photogrammetric Engineering & Remote Sensing，1988（5）：593-600.