摘 要：以寧南山區(qū)為研究區(qū)域，對研究區(qū)1990—2020年各年度NDVI及植被覆蓋度進行分析。結(jié)果表明，1990—2020年研究區(qū)的NDVI整體呈升高趨勢，植被覆蓋度呈現(xiàn)由低植被覆蓋度向中高植被覆蓋度演變的態(tài)勢；植被覆蓋度較高的區(qū)域大部分位于研究區(qū)南部，植被覆蓋度最高的區(qū)域為六盤山區(qū)。

關(guān)鍵詞：長時間序列； NDVI； 植被覆蓋度； 時空分布； 動態(tài)變化； 寧南山區(qū)

中圖分類號：TP79； X171.1 " "文獻標識碼：A " " "文章編號：1002-204X（2023）01-0033-06

doi：10.3969/j.issn.1002-204x.2023.01.010

Study on Changes in Long Time Series of Vegetation Coverage

in Southern Ningxia Mountain Area

Ma Dawei1，2， Wei Caiyong1，2*， Wang Wenlong1，2， Yang Yating1，2， Han Fen1，2， Yang Yang1，2

（1.Ningxia Remote Sensing Survey Institute， Yinchuan， Ningxia 750021; 2.Ningxia Data and Application Center of High Resolution Earth Observation System， Yinchuan， Ningxia 750021）

Abstract Taking the southern mountain area of Ningxia as the study area， this paper analyzed the NDVI and vegetation coverage from 1990 to 2020. The results showed that the NDVI during the period showed an overall upward trend， and the vegetation coverage showed a trend of evolution from low vegetation coverage to medium and high vegetation coverage. Most of the areas with high vegetation coverage were located in the south of the study area， and the highest vegetation coverage was in Liupanshan Mountain Area.

Key words Long time series; NDVI; Vegetation coverage; Spatiotemporal distribution; Dynamic changes; Southern Ningxia mountain area

植被是自然地域綜合體（自然生態(tài)系統(tǒng)）的要素和環(huán)境的重要組分，植被覆蓋度是描述生態(tài)環(huán)境的重要基本參數(shù)，通過建立植被覆蓋度與植被指數(shù)之間的關(guān)系，進而估算植被覆蓋度，能夠較為客觀地反映某一區(qū)域植被覆蓋情況[1]。近年來，基于遙感技術(shù)的植被研究日益增多。陳云浩等[2]采用NOAA/AVHRR的歸一化植被指數(shù)（Normal Difference Vegetation Index， NDVI）研究了1983—1992年中國陸地植被NDVI演變特征，分析得出東部變化幅度遠大于西部的結(jié)果；白建軍等[3]使用MOD13Q1級數(shù)據(jù)產(chǎn)品研究了2000—2010年陜北地區(qū)植被NDVI時空變化及其與區(qū)域氣候的關(guān)系，表明研究區(qū)NDVI經(jīng)歷了從相對快速增長到小幅波動，再到平穩(wěn)增長3個階段，氣候?qū)χ脖桓采w的影響主要表現(xiàn)在對植被生長期年內(nèi)韻律的控制方面；楊濤等[4]利用2000年、2005年的SPOT VEGETATION數(shù)據(jù)對比分析了寧夏地區(qū)兩期植被覆蓋情況的變化，得出2000年、2005年研究區(qū)植被整體覆蓋變化情況與溫度和降水條件的變化相適應(yīng)的結(jié)論；李震等[5]通過NOAA/AVHRR建立了中國西北地區(qū)1982—2001年的NDVI時間序列，分析得出西北地區(qū)降水是影響植被變化最主要的自然因素等結(jié)論。

前人對于植被覆蓋度的研究多基于MATLAB、ENVI及Erdas等桌面級遙感數(shù)據(jù)處理軟件，主要采用SPOT、NOAA/AVHRR及MODIS等數(shù)據(jù)，研究模式多以小尺度、高分辨率，或大尺度、低分辨率為主，缺少基于大尺度、高分辨率的長時間序列植被覆蓋度研究分析手段。因此，該研究利用服務(wù)器級的遙感數(shù)據(jù)處理平臺，采用高分辨率數(shù)據(jù)獲取寧南山區(qū)1990—2020年NDVI時間序列和植被覆蓋度，通過分析研究揭示研究區(qū)植被覆蓋度的時空變化規(guī)律及趨勢，進而為研究區(qū)生態(tài)環(huán)境規(guī)劃和治理提供借鑒參考。

1 處理平臺與數(shù)據(jù)

1.1 遙感數(shù)據(jù)處理平臺

研究選用全新云計算平臺——谷歌地球引擎（Google Earth Engine，GEE），該平臺是目前可用的服務(wù)器級遙感數(shù)據(jù)處理平臺中較為成熟和可靠的，是一個PB級地理數(shù)據(jù)科學分析及可視化云平臺。對比傳統(tǒng)遙感數(shù)據(jù)獲取方式和處理模式，該平臺具有長時間存儲數(shù)據(jù)、運行穩(wěn)定、計算效率高等優(yōu)點[6]，可有效解決遙感技術(shù)研究中長時間序列數(shù)據(jù)的獲取及處理效率低的問題；相較于傳統(tǒng)桌面級遙感數(shù)據(jù)處理軟件，該平臺能夠完成基于時間和空間維度的大尺度、大數(shù)據(jù)量和大運算量的處理。

1.2 源數(shù)據(jù)

通過分析以往基于NDVI和植被覆蓋度的研究，使用的主要數(shù)據(jù)包括Landsat數(shù)據(jù)、MODIS數(shù)據(jù)、AVHRR數(shù)據(jù)及目前較新的Sentinel-2MSI多光譜數(shù)據(jù)。以研究任務(wù)為導向綜合分析各數(shù)據(jù)源特點，由表1可以看出，Landsat數(shù)據(jù)空間分辨率及數(shù)據(jù)存儲時間跨度能很好地滿足研究任務(wù)要求，且不同傳感器數(shù)據(jù)均包含研究所需光譜波段，能夠有效保證長時間序列數(shù)據(jù)的一致性[7]。因此，研究利用GEE平臺中存儲的Landsat（T1）數(shù)據(jù)構(gòu)成研究數(shù)據(jù)集。

1.3 研究數(shù)據(jù)集

考慮數(shù)據(jù)存儲的豐簡情況，確定以1990—2020年作為研究的時間序列。采用天文四季劃分法并結(jié)合研究區(qū)實際情況，以每年4月21日至9月20日作為春、夏季的時間范圍。利用GEE平臺，通過代碼實現(xiàn)對數(shù)據(jù)的篩選、去云等預處理形成研究數(shù)據(jù)集。

綜上，該研究共使用Landsat 5/7/8三類傳感器影像1 074景，其中：Landsat 7 ETM數(shù)據(jù)455景，Landsat 5 TM數(shù)據(jù)438景，Landsat 8 OLI數(shù)據(jù)181景。數(shù)據(jù)數(shù)量統(tǒng)計見圖1。

2 研究區(qū)概況及研究方法

2.1 研究區(qū)概況

寧南山區(qū)位于黃土高原中西部，包括固原市原州區(qū)、彭陽縣、西吉縣、隆德縣和涇源縣等縣（區(qū)），屬水土流失嚴重區(qū)。區(qū)域位于溫帶半濕潤區(qū)和溫帶半干旱區(qū)，海拔為1 248～2 955 m，年平均降水量為386.0～651.6 mm[8]，區(qū)域內(nèi)降水量分布不均勻，其中：地處六盤山區(qū)的涇源縣、隆德縣降水量較區(qū)域內(nèi)其他縣（區(qū)）充沛。區(qū)域內(nèi)分布有清水河、涇河、葫蘆河、祖歷河等，且近年來實施了退耕還林還草、小流域綜合治理等一系列改善生態(tài)環(huán)境的措施。

2.2 研究方法

2.2.1 NDVI時間序列構(gòu)建

為避免研究區(qū)內(nèi)各區(qū)域間數(shù)值差距過大，結(jié)合春、夏季植被覆蓋度相對較高的實際情況，以春、夏季NDVI取值，采用均值合成法合成各年度NDVI并開展分析[9]。計算公式如下：

NDVI=

式中，ρnir為影像近紅外波段反射率，ρred為影像紅光波段反射率。

NDVI取值區(qū)間為[-1，1]，其中：土壤和巖石的值近似于0，（-1，0]范圍為云、水等地物的取值[10]。（0，1）范圍內(nèi)NDVI取值與植被覆蓋度為正相關(guān)關(guān)系，指數(shù)越大，植被覆蓋度越大[11]。

2.2.2 植被覆蓋度估算

研究通過建立歸一化植被指數(shù)（NDVI）與植被覆蓋度（FVC）的轉(zhuǎn)換關(guān)系，直接提取植被覆蓋度信息，最后通過逐個計算每個像元的植被覆蓋度來估算整個研究區(qū)域的植被覆蓋度。該方法能夠較好地減少大氣、土壤背景與植被類型等的影響[12]。

植被覆蓋度的計算公式：

FVC=

式中，NDVIveg、NDVIsoil分別表示純植被覆蓋像元和裸土像元的NDVI值。

由于NDVI值會隨著植被類型、葉冠背景、土壤類型等影響因子的變化而變化，因此，以上公式中的NDVIveg、NDVIsoil值以近似值代替[13-14]。以NDVI圖像的統(tǒng)計直方圖正序累計百分數(shù)的5%和95%作為置信區(qū)間，相應(yīng)的NDVI值分別作為NDVIsoil和NDVIveg的取值，代入公式計算植被覆蓋度（FVC）。

2.2.3 植被覆蓋度等級劃分

植被覆蓋度等級劃分參考水利部頒布的《土壤侵蝕分類分級標準》《水土保持技術(shù)規(guī)范》中植被蓋度分級要求，并結(jié)合研究區(qū)情況制定[15-17]。采用的分級標準見表2。

3 結(jié)果與分析

3.1 NDVI值計算結(jié)果

（1）在GEE平臺編寫代碼計算NDVI值，構(gòu)建研究區(qū)1990—2020年的NDVI的時間序列折線圖，并進行線性擬合與計算結(jié)果相疊加。結(jié)果見圖2。

從圖2可以看出，研究區(qū)內(nèi)NDVI值在1990—2020年呈整體增長趨勢，相較于1990年的0.264，2020年研究區(qū)內(nèi)的NDVI值提高到0.406，增長54%；受降水量等因素影響，各年度間依然存在波動現(xiàn)象。分時間段來看，1990—1999年這一時間段內(nèi)研究區(qū)的NDVI值處于0.179～0.309范圍內(nèi)，起伏較大，如1996年研究區(qū)的NDVI值為0.299，1995年的NDVI值為0.219，1997年的NDVI值為0.211；2000—2009年研究區(qū)的NDVI值在0.254～0.357，平均值接近于0.300，大于1990—1999年時間段；2010—2020年研究區(qū)的NDVI值在0.295～0.492，相較于前兩個時間段有較大幅度提升（圖3）。

（2）研究區(qū)NDVI從空間分布來看，自南往北顏色逐漸變淺，即NDVI值由高變低，南部NDVI值大于北部；研究區(qū)中部六盤山核心區(qū)為NDVI值最高的區(qū)域（顏色最深區(qū)域），且以六盤山核心區(qū)為中心向四周顏色逐漸變淺，即NDVI值自六盤山核心區(qū)向四周逐漸降低（圖4）。2010—2020年研究區(qū)NDVI空間分布圖顏色整體較深，表明2010年以后研究區(qū)NDVI平均值高于1990—2009年，與圖3中NDVI變化趨勢相對應(yīng)。

3.2 植被覆蓋度反演結(jié)果及分析

（1）研究區(qū)植被覆蓋度呈低植被覆蓋度向中高植被覆蓋度演變的趨勢。由圖5可以看出，1990年研究區(qū)低植被覆蓋度面積為4 655.00 km2，2020年下降至2 583.00 km2；中低植被覆蓋度面積由1990年的2 733.61 km2增加到2020年的3 478.00 km2；中植被覆蓋度面積由1990年的1 333 km2增加到2020年的2 180 km2；中高植被覆蓋度面積由1990年的837 km2增加至2020年的1 087 km2；高植被覆蓋度面積由1990年的969 km2增加到2020年的1 202 km2。研究期內(nèi)植被覆蓋度演變趨勢呈波動狀態(tài)。其中：2001年是低植被覆蓋度面積占研究區(qū)整體面積最大的年份，低植被覆蓋度面積為5 526 km2；中低、中植被覆蓋度面積變化幅度較小，低植被覆蓋度面積變化較大，中高、高植被覆蓋度面積變化趨勢較為平緩。通過分析各級植被覆蓋度面積占比情況可以看出，以2010年為節(jié)點，研究區(qū)中高、高植被覆蓋度面積均超過1 000 km2，且各級植被覆蓋度呈梯度變化趨勢。其中：中低植被覆蓋度面積占比在2010年后保持在30%以下，中植被覆蓋度面積保持在20%以上，中高、高植被覆蓋度面積占比穩(wěn)定在10%以上，中低植被覆蓋度面積在2004年以后趨于一致，占比為30%左右。原因在于退耕還林還草工程對植被覆蓋度的提升發(fā)揮了較大作用。退耕還林還草工程自2000年開始實施，一般5～8年形成規(guī)模效應(yīng)[18]，這與2010年后各級植被覆蓋度面積呈梯度變化的研究結(jié)果一致（圖6）。

（2）研究區(qū)植被覆蓋度較高的區(qū)域（植被蓋度介于0.4～1.0之間）大部分位于研究區(qū)南部，研究區(qū)植被覆蓋度等級自南向北呈下降趨勢，且研究區(qū)自東南方向向西北方向植被覆蓋度由高植被覆蓋度向低植被覆蓋度過渡；研究區(qū)高植被覆蓋度等級的區(qū)域絕大部分位于六盤山東西兩麓；研究時間段內(nèi)低植被覆蓋度及中低植被覆蓋度覆蓋區(qū)域面積占比逐漸降低，高植被覆蓋度區(qū)域以六盤山核心區(qū)為中心向東西兩側(cè)擴大（圖7）。

3.3 結(jié)果驗證

（1）該研究基于GEE遙感數(shù)據(jù)獲取研究數(shù)據(jù)，通過代碼實現(xiàn)像元二分模型計算研究區(qū)31年的植被覆蓋度情況。像元二分模型是遙感技術(shù)分析研究植被覆蓋動態(tài)監(jiān)測的常用且成熟的技術(shù)方法。因此，基于該模型的研究能夠得到較為科學且可靠的研究數(shù)據(jù)。

（2）研究區(qū)開展的此類相關(guān)研究較少，針對植被覆蓋度的研究多以大范圍和較低分辨率尺度為主，且得出植被覆蓋度呈現(xiàn)明顯好轉(zhuǎn)趨勢等結(jié)論[19-20]。該研究結(jié)果與相關(guān)研究結(jié)論吻合，研究結(jié)果較為可靠。

（3）研究收集到《寧夏統(tǒng)計年鑒》2011—2014年、2016—2018年統(tǒng)計數(shù)據(jù)[21]，通過分析其中能夠有效影響植被覆蓋度變化的地類（耕地、園地、林地、草地）面積變化情況，得到植被覆蓋度面積變化趨勢，分別為2011年8 877 km2、2012年8 874 km2、2013年8 436 "km2、2014年8 428 km2、2016年8 421 km2、2017年9 166 km2、2018年9 159 km2。同樣得出研究區(qū)植被覆蓋度呈動態(tài)提高趨勢的結(jié)論。

3.4 存在不足

由于衛(wèi)星重訪周期及其他客觀不可控因素影響，各年度數(shù)據(jù)量的豐簡程度不同會降低融合后的影像質(zhì)量，造成反演后的植被覆蓋度在掩膜處理云、影的過程中結(jié)果出現(xiàn)空值區(qū)域。此外，由于Landsat 7掃描線校正器（SLC）故障導致數(shù)據(jù)缺口，在成果影像中出現(xiàn)條帶狀的縫隙，同樣會產(chǎn)生空值區(qū)域，從而造成各年度反演面積結(jié)果出現(xiàn)偏差。

4 結(jié)論與討論

4.1 結(jié)論

該研究基于GEE遙感數(shù)據(jù)云處理平臺，通過代碼進行數(shù)據(jù)處理，構(gòu)建研究區(qū)1990—2020年的NDVI長時間序列，并且反演得到1990—2020年研究區(qū)植被覆蓋度情況，分析得出研究區(qū)NDVI值及植被覆蓋度的時空變化特征。

（1）采用GEE 平臺能夠快速有效地處理長時間序列遙感數(shù)據(jù)，相較于傳統(tǒng)遙感圖像處理軟件，該平臺能夠大幅度提高研究效率，并且從時間和空間兩個維度提高研究尺度。

（2）研究區(qū)NDVI值在空間分布上南部大于北部，且以六盤山為核心向四周逐漸降低；研究區(qū)NDVI值在1990—2020年呈整體升高趨勢，2020年較1990年增長約54%；2010—2020年研究區(qū)NDVI值在0.3～0.5，相較于1990—1999年、2000—2009年兩個時間段有較大幅度提升。

（3）研究區(qū)植被覆蓋度分級較高的區(qū)域（植被覆蓋度介于0.4～1.0之間）空間分布與NDVI值空間分布一致，大部分位于研究區(qū)南部，且自南向北呈下降趨勢；高植被覆蓋度等級（植被覆蓋度0.8～1.0）區(qū)域絕大部分位于六盤山東西兩麓。從時間維度分析，植被覆蓋度呈低植被覆蓋度向中高植被覆蓋度演變的趨勢，以六盤山為中心向東西兩側(cè)逐步擴大。

4.2 討論

基于該研究結(jié)果，可以深入研究不同影響因子（地表覆蓋、降水量、溫度等）對植被覆蓋度等綠度指標影響的貢獻率，以此開展綠度指數(shù)遙感監(jiān)測研究，為生態(tài)環(huán)境的改善提供數(shù)據(jù)支撐；還可以充分發(fā)揮遙感數(shù)據(jù)處理云平臺優(yōu)勢，開展生態(tài)環(huán)境遙感監(jiān)測不同指標的研究，從不同角度揭示生態(tài)環(huán)境演變規(guī)律，構(gòu)建生態(tài)環(huán)境遙感監(jiān)測體系。

參考文獻：

[1] 夏照華. 基于NDVI時間序列的植被動態(tài)變化研究[D]. 北京：北京林業(yè)大學，2007.

[2] 陳云浩，李曉兵，陳晉，等. 1983—1992年中國陸地植被NDVI演變特征的變化矢量分析[J]. 遙感學報，2002，6（1）：12-18，81.

[3] 白建軍，白江濤，王磊. 2000—2010年陜北地區(qū)植被NDVI時空變化及其與區(qū)域氣候的關(guān)系[J]. 地理科學，2014，34

（7）：882-888.

[4] 楊濤，張建明. 基于NDVI數(shù)據(jù)的寧夏地區(qū)植被覆蓋變化研究[DB/OL].（2006-09-01）[2022-06-20]. http：//www.paper.edu.cn/releasepaper/content/200609-16.

[5] 李震，閻福禮，范湘濤. 中國西北地區(qū)NDVI變化及其與

溫度和降水的關(guān)系[J]. 遙感學報，2005（3）：308-313.

[6] 付甜夢，張麗，陳博偉，等. 基于GEE平臺的海島地表覆蓋提取及變化監(jiān)測——以蘇拉威西島為例[J]. 遙感技術(shù)與應(yīng)用，2021，36（1）：55-64.

[7] 龔燃，趙晨露，牛慶鋒. 美國“陸地衛(wèi)星”系列最新發(fā)展情況[J]. 國際太空，2021（12）：42-45.

[8] 蔡進軍，季波，董立國，等. 寧南山區(qū)退耕還林（草）實施現(xiàn)狀及后續(xù)產(chǎn)業(yè)發(fā)展對策[J]. 防護林科技，2008（4）：73-76.

[9] 顧娟，李新，黃春林. NDVI時間序列數(shù)據(jù)集重建方法述評[J]. 遙感技術(shù)與應(yīng)用，2006，21（4）：391-395.

[10] 高志強，劉紀遠. 基于遙感和GIS的中國植被指數(shù)變化的驅(qū)動因子分析及模型研究[J]. 氣候與環(huán)境研究，2000，5（2）：155-164.

[11] 杜子濤，占玉林，王長耀. 基于NDVI序列影像的植被覆蓋變化研究[J]. 遙感技術(shù)與應(yīng)用，2008，23（1）：

47-50，125.

[12] 牛寶茹，劉俊蓉，王政偉. 干旱半干旱地區(qū)植被覆蓋度遙感信息提取研究[J]. 武漢大學學報（信息科學版），2005，30（1）：27-30.

[13] 王朋. 基于3S技術(shù)的大渡河上游植被覆蓋度時空變化研究[D]. 雅安：四川農(nóng)業(yè)大學，2012.

[14] 趙翠娥，丁文榮. 基于ENVI和GIS技術(shù)的龍川江流域植被覆蓋度動態(tài)監(jiān)測[J]. 林業(yè)調(diào)查規(guī)劃，2013，38（5）：14-18，44.

[15] 李繼業(yè). 基于多源遙感數(shù)據(jù)的博州植被覆蓋度反演與時空變化研究[D]. 烏魯木齊：新疆大學，2015.

[16] 王建雷. 黃土高原岔口小流域植被覆蓋度估算及動態(tài)變化研究[D]. 晉中：山西農(nóng)業(yè)大學，2015.

[17] 張靜，杜加強，盛芝露，等. 1982—2015年黃河流域植被NDVI時空變化及影響因素分析[J]. 生態(tài)環(huán)境學報，2021，30（5）：929-937.

[18] 米文寶，樊新剛，謝應(yīng)忠. 寧南山區(qū)退耕還林還草效益評估研究[J]. 干旱地區(qū)農(nóng)業(yè)研究，2008，26（1）：118-124，136.

[19] 馬明國，董立新，王雪梅. 過去21a中國西北植被覆蓋動態(tài)監(jiān)測與模擬[J]. 冰川凍土，2003，25（2）：232-236.

[20] 徐煥. 黃土高原植被覆蓋時空變化的遙感監(jiān)測及其驅(qū)動力分析[D]. 北京：中國科學院大學，2017.

[21] 寧夏回族自治區(qū)統(tǒng)計局，國家統(tǒng)計局寧夏調(diào)查總隊. 寧夏統(tǒng)計年鑒[DB/OL]. [2022-06-10] http：//nxdata.com.cn/publish.htm cn=G01.

責任編輯：李曉瑞