山东省植被覆盖的时空变化分析

段晨阳，王晓艳

（1.西安科技大学 测绘科学与技术学院，陕西 西安 710054）

植被作为生态系统的平衡调节器和生态变化的指示器，能够为生态变化、环境演化研究提供科学依据。近年来基于时间序列的卫星遥感植被覆盖度变化分析逐渐增多，为植被监测提供了数据支撑，归一化植被指数（NDVI）对植物检测灵敏度较高，能表示地表绿度和植被覆盖特征，可广泛应用于大尺度地表植被活动监测与评估[1-3]。国内外学者对植被覆盖变化采用不同方法进行研究，多是关于植被变化及产生因素、植被动态变化监测、物种分布等[4-13]。空间自相关是地理空间变量分布与相邻位置间相关性的研究，通过监测分析区域的变异是否依赖于临近位置上的变异来判别是否存在空间相关性[8]，目前主要应用于经济[9]、人口[10]、土地利用[11]等方面，也有一些学者利用空间自相关分析植被覆盖在空间上的相关性[12-13]。MODIS NDVI在区域小比例尺范围内植被覆盖动态变化分析上具有较好的应用。本文以山东省为研究区，进行植被覆盖的动态变化以及空间自相关分析，首先对山东省植被覆盖进行等级划分，将时间序列变化的MODIS影像与空间自相关分析相结合，利用一元线性回归方法，拟合每一个像元的变化趋势，并结合植被覆盖重心迁移路径分析，以揭示植被覆盖在时间和空间上的变化规律，更好地表示植被覆盖的动态演变规律以及植被覆盖的空间聚集程度，为山东省生态环境保护工作提供科学依据[14]。

1 研究区概况

山东省地处中国东部沿海地区，位于34°22′～38°23′N、114°19′～122°43′E之间，地域辽阔，受温带季风气候影响。图1为山东省DEM图。

图1 研究区DEM图

2 数据源与研究方法

2.1 数据来源及预处理

本研究采用美国地球资源观测系统数据中心提供的植被指数产品（MOD13Q1），空间分辨率为250 m、时间分辨率为16 d。选取2008—2020年植被旺盛季节[15]即每年6—9月份影像，合计85景。利用MRT软件对图像进行NDVI提取，投影到Albers投影坐标系统下。为了去除云、大气以及太阳高度角等的影响，采用国际通用的最大值合成法（MVC）对数据进行时间尺度扩展计算[16]，利用山东省矢量边界对图像进行裁剪。

利用ArcGIS地图代数工具对影像进行异常剔除以及归一化处理[0，1]，利用焦点统计算法，选择用于计算统计信息的每个单元格周围区域的形状为矩形，统计类型为平均值。随机生成点文件，将焦点统计后的影像进行重分类，通过提取值到点工具，将栅格数据的NDVI值批量提取到对应点的属性表中，以便后期空间相关性分析。

采用Anselin等开发的Geoda软件进行空间自相关分析，得到山东省2008—2018年NDVI全局Moran’s I指数，局部自相关分析得到空间自相关的LISA（LISA）聚集图。

2.2 研究方法

采用MVC法进行NDVI时间序列计算。

式中，NDVIi为第i年NDVI最大值；NDVIt为各像元植被16 d合成NDVI最大值；d为第i年16 d合成NDVI影像总数目。

采用一元线性回归方法对每个像元NDVI值进行时间序列变化分析，利用最小二乘法拟合像元不同年份的斜率来反映区域植被覆盖变化的时空特征[15]。

式中，θslop为NDVI值变化斜率；n为时间序列值；i=1，2，3…，1为年号；Ni为第i年NDVI值。当斜率为正值时，NDVI增加，表示植被覆盖度增加，反之减少。

重心可以表示地理要素的时空分布特征，移动方向指向高密度区域，移动距离反映要素变化的空间差异程度。将研究区域划分为若干子区域，每个子区域的重心坐标为（Xi，Yi），Mi为该子区域某种意义下的重量，(Xˉ，Yˉ)为子区域重心坐标在重量影响下的加权平均值。本文以植被NDVI作为研究区的重量，探索植被覆盖在时空变化下的规律。

应用空间自相关方法对山东省植被覆盖空间分布进行分析研究。通常采用全局和局部两种指标来衡量，全局指标是用于探测某现象在整个研究区域的空间分布模式，分析其是否有聚集特性存在；局部指标是反映整个大区域中，局部小区域单元上的属性值与相邻局部小区域单元上同一属性值的相关程度[17]。本文运用应用较为广泛的Moran’s I指数进行研究。

首先确定空间权重矩阵，通常用一个二元对称空间权重矩阵W来表示n个区域位置的邻近关系[18]，如公式（4）：

式中，n为空间单元个数；wij为区域i和的邻接关系。全局Moran’s I指数为（5）：

式中，xi、xj为空间位置i和j的观察值，全局Moran’s I的取值范围为[-1，1]，样本值越趋近于1空间差异性越小，反之空间差异性越大。正值表示样本值趋于聚集，负值表示样本值在空间上的聚集性逐渐减小或者消失，0表示样本值在空间上相互独立，没有相关性。

对于全局Moran’s I指数，可以用标准化统计量Z来检验，Moran’s I指数检验的标准化统计量为：

式中，以正态分布95%置信区间双侧检验阈值1.96为界限[6]，E(Ii)和Z(Ii)分别为理论期望和理论方差。当Z(Ii)＞1.96时，空间关系为正相关；当Z(Ii)＜-1.96时，空间关系为负相关；当Z(Ii)介于-1.96～1.96之间时，观测值呈随机分布。

全局空间自相关假定空间同质，但区域要素之间普遍存在异质性，相同变量在不同空间尺度上的空间自相关程度还是有差别的，区域空间自相关可以更好地解释植被空间异质特性。

局部Moran’s I公式为：

3 结果与分析

3.1 NDVI的空间分布

NDVI是植物生长状态以及空间分布密度的最佳指示因子，与植被分布密度呈线性关系。将NDVI指数划分为5个级别[2]：小于0.1的区域为非植被区；0.1～0.3为植被覆盖匮乏地区；0.3～0.6为植被覆盖较匮乏地区；0.6～0.8为植被覆盖良好地区；大于0.8为植被覆盖优秀地区。山东省植被类型主要以农业为主，主要分布在鲁西北平原。落叶阔叶林、针叶林、灌丛、草地等主要分布在鲁中南山地区陵、胶东丘陵地区。图2为山东省2008—2020年的NDVI空间分布图，近13 a来NDVI较高的地区在鲁西南及鲁西北等农业区，NDVI均在0.6以上。中部山地地区以及半岛丘陵地区NDVI指数处适中状态。NDVI指数较低区域为鲁西南地区的南四湖及东平湖、北部的黄河三角洲以及莱州湾地区以及城镇建设地区。由此可见，植被覆盖的空间分布受到土地利用类型的影响。

图2 NDVI空间分布

3.2 NDVI时间变化

时间序列的遥感影像图能够反映植被覆盖的变化情况，采用一元线性回归分析对每一个栅格NDVI的变化趋势进行模拟，斜率代表了该栅格的NDVI在2008—2018年间的变化趋势。若斜率为正值，表示植被呈增长趋势；反之呈减少趋势。

利用MATLAB处理计算，斜率最大值为0.102，最小值为-0.104。依据斜率的大小情况，划分为5个等级[19]，-0.104～-0.02为显著减少；-0.02～-0.005为轻微减少；-0.005～0.005为保持不变；0.005～0.02为轻微增加，0.02～0.102为显著增加。由表1可知植被轻微增加的像元数最多占62.5%，相对来说轻微减少的像元所占比重要最小，仅为2.1%，得出近年来山东省植被呈现出稳定和增长趋势。由图3可见，植被变化趋势有明显的空间分布差异，大部分地区呈稳定增长趋势。其中植被显著增长地区主要集中在聊城、德州平原地区以及潍坊等农业区，由于实施乡村振兴战略，农业得到很大发展，粮食产量创新高，造林绿化使得植被覆盖增加。而北部的黄河三角洲及莱州湾、湖泊湿地及沿海部分地区有轻微导致植被覆盖减少，而湖泊湿地周围植被极不稳定，受环境人为因素干扰大，出现减少趋势。

表1 各变化等级统计

图3 植被覆盖变化趋势

3.3 重心演化分析

为揭示山东省植被覆盖在时间以及空间上的动态变化，计算2008—2020年时间序列变化的植被空间重心坐标。如图4所示，取间隔2 a的NDVI重心坐标生成散点图，箭头的指向即为重心迁移变化方向。由图可知，2008—2020年间植被覆盖的重心发展方向经历几个过程，即东北方向、西南方向、西北方向，再到西南方向。结合图3植被变化趋势作对比分析，2008—2012年植被覆盖重心坐标往东北偏移，潍坊地区大力发展农业，打造新型蔬菜大棚，着力于蔬菜出口贸易，使得植被覆盖持续增加。2012—2014年植被覆盖重心坐标往西南偏移，菏泽、济宁地区位于平原地区，农业大力发展，使得植被覆盖增加。2014—2018年植被覆盖重心坐标往西北偏移，聊城、德州地区农业生产得到迅速发展，粮食产量大大提高，黄河三角洲地区实施生态保护政策，植被覆盖度大大提高。2018—2020年往西南方向发展。植被覆盖重心的迁移变化受到很多因素的影响，可能还受温度降水等综合影响。

图4 NDVI重心迁移路径

3.4 空间自相关分析

利用Geoda软件进行全局自相关分析，用Weight工具创建研究区空间权重矩阵文件，依照Threshold Distance规则创建空间权重矩阵，得到全局Moran’s I为0.898，通过了P＜0.05的显著性检验。Moran’s I系数反映了空间邻近点NDVI的相似程度[20]，随机点集中分布在第三象限，表明山东省表现为显著的正空间自相关，植被覆盖呈现出聚集状态。山东省大部分地区植被类型为1年一熟或者2年三熟的农作物以及草地林地过渡区域，植被覆盖季节性变动态化小，植被覆盖稳定性强[21]，这些因素对于植被覆盖在空间上的显著相关性产生一定影响。

全局空间自相关分析是对整个研究区内的地理空间要素整体综合分析，来探求整体表现出来的规律，是一个整体的反映。但是对于内部来说，各个区域的局部空间自相关性并不是完全一样的，经常表现出不同程度的空间异质性，因此对研究区进行局部空间自相关分析，能够发现全局分析没有发现的规律，从而更好的揭示空间聚集的一般规律。由Moran’s I的数值看出NDVI在空间上表现出较强的正相关，但是没有清晰地表明相关性在空间中的分布情况，而LISA图能够很好地弥补这一不足。

图5为通过P＜0.05显著性检验的NDVI LISA聚集图，除北部的黄河三角洲和莱州湾、南四湖、沿海以及零星地区NDVI表现为低-低自相关以外，山东省大部分地区呈高-高自相关趋势。山东省为农业大省，植被类型大多以农用地为主[22]，平原面积占全省面积的55.56%，主要分布在鲁西北地区和鲁西南局部地区，所以这些地区植被覆盖总体较好，高-高聚集现象明显；鲁中南为山地区陵地区，主要为森林、灌丛和草地等，植被覆盖总体良好，聚集现象不那么强；鲁东沿海地区，旅游业发展迅速，开发建设导致植被覆盖整体较差，低-低聚集明显；黄河三角洲以及莱州湾地区一直为NDVI低值聚集区，距离黄河河道越远，渤海海岸线越近，NDVI值越小。近海地区常年受到黄河水沙及人类活动的影响，土壤含盐量较高，生态脆弱，植物种类匮乏，覆盖率低，低-低聚集现象明显。

图5 山东省NDVILISA图

4 结语

本文以2008—2020年的MODIS影像为研究基础，对山东省植被覆盖的时间序列的变化情况，以及植被覆盖在空间上的关联情况做出研究，得到了以下结论：

1）近年来，山东植被覆盖整体表现为稳定上升的趋势，75%的区域保持增长趋势，呈增加趋势的区域远远大于呈减退趋势的区域。

2）植被变化趋势在空间上具有一定差异性，西部地区为增长型，东部地区为稳定性。植被覆盖重心往鲁西北、鲁西南农业区偏移。

3）全局Moran’s I均值为0.898，显著性检验P＜0.05，置信度较高，该结果表明山东省植被覆盖有较强的空间聚集性。局部空间自相关分析来看，山东省大部分地区均表现为高-高自相关，植被覆盖度较好；鲁东沿海地区、黄河三角洲和莱州湾地区以及各地零星地区表现为低-低自相关，植被覆盖度较差。

基于时间序列的遥感影像图结合空间自相关方法，对山东省植被覆盖进行研究，能够客观地揭示植被覆盖动态变化规律以及空间聚集情况。统计学方法的数据指标能够反映一定的客观规律，但是植被覆盖的变化与诸多因素有关。在以后的研究工作中，应综合多种因素更深入的进行探究。