植被作为重要的陆地生态环境变化“指示器”, 是物质循环和能量传递的“桥梁”[1-3]。植被覆盖度直观体现了陆地生态环境状况, 是生态系统和水土保持等研究的重要参数[4], 也是衡量岩溶地区石漠化的基础指标[5]。我国西南岩溶地区石漠化问题严重, 植被退化和土壤流失现象突出[6]。重庆是长江流域重要的生态屏障, 岩溶生态环境脆弱, 三峡库区生态风险防控难度大。为了遏制石漠化, 保护长江绿色生态廊道, 国家和地方政府实施了一系列生态治理工程, 如天然林保护、退耕还林还草等[7-8]。植被覆盖的动态监测与评价便是生态治理成效的主要参考依据, 而重庆地形地貌复杂, 植被分布地域差异大, 传统的地面监测费时费力, 监测难度大[4]。

随着遥感技术的发展, MODIS作为当今世界上新一代“图谱合一”、从可见光到热红外全光谱覆盖的光学遥感仪器, 时间、空间、光谱分辨率优势明显, 可以在大范围内对植被覆盖进行实时、动态和连续监测[4]。其中, 反映植被生长变化情况的数据包括NDVI和EVI, NDVI的使用最为广泛[9-11]。相比于NDVI, EVI在算法和合成方法上的改进[9, 12-13], 使大气、土壤背景以及像元异常值的影响进一步减弱, 解决了NDVI易饱和的问题[14-15], 不仅能更好地反映浓密植被的生长变化[13], 还能对稀疏植被进行很好的区分[16], 尤其是在监测岩溶地区植被变化时更具有客观性[10]。它的广泛应用必将推动涉及植被生长监测的生态、环境、农业等领域的发展进步[13]。

迄今, 植被变化研究多集中在NDVI年际变化与气候[3, 5, 11, 17]、地形[8, 18]、人类活动[5, 8, 19]等的关系方面, 而运用EVI在长时序上从稳定性方面来分析植被变化时空分异特征的研究还较少[7, 12]。因此, 本研究选取MODIS-EVI数据, 采用变异系数结合分布指数等方法分析重庆植被覆盖的时间和空间变化规律, 揭示植被变化的时空差异性, 以期能更好地为石漠化地区的生态环境治理和植被生态恢复评价提供参考。

重庆位于四川东部, 是青藏高原与长江中下游平原的过渡地带, 105°11′—110°11′ E、28°10′—32°13′N。西、北与四川相连, 东与陕西、湖北和湖南相邻, 南与贵州接壤, 幅员面积82402.95km2。境内有大巴山、巫山、武陵山、大娄山等主要山脉, 河流有长江、嘉陵江等(图 1)。

重庆地貌分异明显, 岩溶地貌广布。地势起伏大, 以丘陵、山地为主, 海拔最低73.1m, 最高2797m。从南、北往长江河谷地势逐级降低, 山地多在1500m以上, 丘陵多为300—400m。全市种植土地占28.50%, 林草覆盖占63.75%, 水面占2.32%。自然植被主要有常绿阔叶林、针叶林、竹林、灌丛和草地等类型。

重庆亚热带季风湿润气候显著, 四季分明。光温水同季, 云雾天气多、霜雪少见, 春早、夏热、秋凉、冬暖。常年均温13—19℃, 降水丰沛但分布不均, 季节性显著, 年日照时数1000—1400h, 为中国年日照最少的地区之一。

重庆城乡差异大, 扶贫与环境保护矛盾突出。长期以来的乱砍乱伐、不合理的土地利用造成的环境破坏严重, 导致石漠化和水土流失的不断加剧。三峡库区地质灾害点多面广, 生态风险大。近年来, 重庆积极推进退耕还林还草、生态移民、天然林保护、水土保持与石漠化治理、矿山复垦、园林绿化等工程, 生态环境得到有效改善。

本研究采用的MODIS数据为Terra卫星的MOD13Q1, 格式为EOS-HDF, 从美国地质调查局地球资源观察和科学(EROS)中心的宇航局陆地过程分布式数据档案中心(LP DAAC)下载获得。其数据包括NDVI和EVI, 均为16d合成的250m分辨率影像。研究中所选取的数据为2000年3月至2016年2月的EVI数据, 每年23期, 共368期影像。首先, 对影像进行批量拼接、地理几何校正和重采样, 得到tiff影像, 坐标系为WGS-84-UTM-zone-48N。然后, 以研究区行政边界为掩膜进行裁剪, 生成重庆EVI影像, 并按时间顺序划分春(5—9期)、夏(10—15期)、秋(16—21期)、冬(22—4期)。最后, 为了减少误差和便于计算, 对每一年季的数据采用最大值合成法(MVC)得到年季最大值EVI影像, 再根据像元二分模型计算植被覆盖度。

DEM数据为30m分辨率的ASTER GDEM V2, 数据来源于中国科学院计算机网络信息中心地理空间数据云平台。然后进行拼接、投影转换、重采样和裁剪, 得到250m分辨率的重庆DEM图, 坐标系为WGS-84-UTM-zone-48N。为了便于分析和比较, 结合实际并参考相关研究[20-21], 把重庆高程共分为15级(表 1)。

像元二分模型的原理是假设图像的像元信息是由土壤和植被两部分组成, 那么遥感传感器所获得的像元信息(DN)则可以表示为土壤贡献的信息(DNsoil)和绿色植被贡献的信息(DNveg)两部分[22], 即：

假设一个纯土壤和纯植被覆盖像元的遥感信息分别为DNsoil、DNveg, 那么如果在一个混合像元中纯植被覆盖的面积比例为FVC, 即该像元的植被覆盖度, 则纯土壤的面积比例为(1-FVC), 则该混合像元的信息可以表示如下：

对(2)式进行变换可得植被覆盖度计算公式：

MODIS-EVI数据是由传感器获得的光谱信息推算得到的植被覆盖信息, 根据模型原理, 其像元值EVI也可以表示为纯土壤像元值(EVIsoil)和纯植被像元值(EVIveg)两部分组成, 因此利用EVI计算植被覆盖度的公式如下[23]：

EVIsoil理论上应该为0, 但由于地表环境的复杂性, EVIsoil一般为-0.1—0.2[4]。同理, EVIveg也会随植被类型、季节而变化。因此, 采用固定的EVIsoil和EVIveg显然是不妥的。本研究根据影像数据和相关研究[5, 23], 选取0.5%为置信度, 即累积百分比0.5%的为纯土壤像元(EVIsoil), 99.5%的为纯植被像元(EVIveg), 并将植被覆盖度分为4级(表 2)。

距平百分率是某时段的值与常年同期平均值之差, 与常年同期平均值相比的百分率。它表征了某时段的值较常年值偏多或偏少, 能直观反映某值的异常变化; 在气象日常业务中, 常用降水距平百分率评估月、季、年发生的干旱事件[24-25]。本文借用距平百分率来反映一段时期内, 植被覆盖度的面积偏离同期多年平均值的程度(表 3)。计算公式为：

式中, A为距平百分率, Xi为i期植被覆盖度面积, 为2000—2015年内植被覆盖度平均面积。

变异系数是反映资料中观测值变异程度的统计量, 是标准差与均值的比率。它可以消除资料中因观测值的单位或平均数的不同而对结果比较产生的影响, 能够准确的表示单位均值的离散程度[26-27], 其计算公式如下：

式中, C.V.为变异系数, σ为标准差。C.V.值越小, 表示植被覆盖度的分布越集中, 随时间变化的波动小, 稳定性较好; 反之, 则表示植被覆盖度的分布越离散, 随时间变化的波动大[27-28](表 4)。

植被变化在不同区域的分布特征不同。为了避免分区和植被变化面积的不同对结果的影响, 本研究采用分布指数DI来评价不同区域的植被变化分布情况[20-21, 29], 其计算公式如下：

式中, Sie是在e区域内i类型的面积, Si是研究区内i类型的面积; Se是研究区内e区域的面积, S是研究区面积。分布指数是无量纲的标准化指数, 能很好的指示植被变化空间分布特征[21]。若DI > 1, 表示该类型在e区域为优势分布, DI越大, 则优势越明显; 若DI < 1, 表示该类型在e区域为非优势分布[29]。

从图 2可知, 2000—2015年, 重庆植被年际、夏季和秋季分布以中覆盖度为主, 其次是低覆盖度, 高覆盖度第三, 劣覆盖度最低; 冬季则以低覆盖度为主, 中覆盖度次之, 劣覆盖度第三, 高覆盖度最低; 春季在2000—2007年, 植被以低覆盖度为主, 2008—2015年以中覆盖度为主。

在年际和夏季中, 2003、2007年低覆盖度比例较高, 而中覆盖度比例较低; 春季, 2000、2002、2003年劣覆盖度比例较高, 中覆盖度比例较低; 秋季, 低覆盖度在2000、2001、2006年比例较高, 中覆盖度比例较低; 冬季, 在2001、2007、2011年, 劣覆盖度比例较高, 中覆盖度比例较低。这可能与气象灾害有关系, 如2000、2001、2006、2011年的特大干旱以及2008年初的低温雨雪冰冻灾害, 导致劣、低覆盖度分布面积增大, 而中覆盖度分布面积减少。

综上可知, 不同的植被覆盖度在年际、季节里的分布不同, 对气象灾害的响应也有所差异, 这与植被类型有一定关系。重庆以种植地和林草地为主, 前者覆盖度相对较低, 易受气象灾害影响, 后者覆盖度较高, 受灾害影响较小。

2000—2015年, 植被低覆盖度和高覆盖度的变化比较明显, 而劣覆盖度和中覆盖度变化比较弱(图 3)。其中, 低覆盖度在2003年偏多, 2011和2013年偏少; 高覆盖度在2003年偏少, 2011偏多, 2013年异常偏多。由此表明, 近16年来, 重庆植被覆盖总体较好, 但在2003、2011和2013年仍然存在一定的变化。

在不同的季节中, 劣覆盖度异常偏多的时期是2000、2002、2003年春季和2001、2006年秋季以及2011年冬季, 在2009、2011、2015年春季异常偏少; 低覆盖度在2000、2001年秋季异常偏多, 在2013年夏季和秋季异常偏少; 高覆盖度在2000、2008年秋季和2014年春季异常偏少, 异常偏多的是在2009年春季、2011、2013年夏季以及2002、2004、2005、2013年秋季。

综上可知, 不同植被覆盖度的年际、季节变化差异明显, 但主要集中在春、秋季, 表现为劣覆盖度和低覆盖度的显著增加、高覆盖度的显著减少。这可能是因为重庆易发生春旱与伏旱等灾害天气, 植被变化显著。

从表 5可知, 植被年际变化以轻度波动为主, 稳定其次, 中度波动第三, 重度波动比例最低, 说明来重庆植被覆盖虽然存在一定的波动, 但总体上较为稳定。

在不同季节里, 植被变化有所差异。春、夏、秋季, 以轻度波动为主, 而冬季则以中度波动为主。其中, 稳定比例夏季最高, 春季最低; 轻度波动比例秋季最高, 冬季最低; 中度波动比例冬季最高, 夏季最低; 重度波动比例冬季最高, 夏季最低。夏季是植被生长最旺盛的时候, 所以稳定比例高而波动程度低; 秋季因人工植被与自然植被落叶而表现为轻度波动; 春、冬季受低温、雨雪的影响, 植被变化中度、重度波动明显。

从空间上看(图 4), 稳定类型在年际和夏季主要分布在城口、江津、綦江等地区, 在春、秋、冬季主要分布在巫溪、巫山、奉节等地区; 轻度波动类型在年际和夏季主要分布在铜梁、巫山、秀山等地区, 在春、秋、冬季主要分布于巫山、奉节、云阳等地区; 中度波动类型在年际和夏季中主要分布在酉阳、黔江、彭水等地区, 而在春、秋、冬季主要分布在荣昌、大足、潼南等地区; 重度波动类型主要分布在重庆、璧山、永川、长寿等地区。可以看出, 变化波动较小的地区主要是山地森林和草地等自然植被类型分布较多的区域, 这些地区人类影响有限, 植被覆盖度相对稳定; 而波动较大的地区主要分布在城镇、水域以及工业用地等区域, 人类活动频繁, 植被覆盖度受人工干扰强烈; 此外, 春、冬季在一些高山林地区也出现了比较大的波动变化, 这应该与雨雪的影响有关系。

随着高程的增加, 植被波动分布趋势各不相同(图 5)。重度波动类型呈现逐渐降低的趋势, 轻度和中度波动类型先增加后降低, 稳定类型则是先降低后增加。

在不同的高程区域, 植被波动变化程度不同。重度波动类型主要分布在1—3级(≤400m)高程区; 在4—7级(400—800m)高程区, 年际和夏季较稳定, 春、秋、冬季存在轻度波动; 在8—12级(800—1300m)高程区, 年际和夏季存在中度波动, 春、秋、冬为稳定分布; 在13—15级(>1300m)高程区, 年际和夏季为轻度波动, 春季为中度波动, 秋、冬季为稳定分布。

综上可知, 随着高程的增加, 植被波动变化程度总体是逐渐降低, 但不同的季节有一定差异。在地势较低区域, 主要是耕地、城镇、水域以及工业建设用地, 人类活动影响大, 植被波动变化明显; 随着地势逐渐增加, 灌丛向林草地过渡, 人类活动相对减弱, 植被波动变化降低; 在高地势区域, 林地为主, 植被较稳定, 但仍然存在一定的波动, 这可能与气候变化有关系。

研究中所采用的MODIS-EVI数据, 其来源于美国地质调查局地球资源观察和科学中心的陆地过程分布式数据档案中心。首先, EVI在算法设计上避免了比值形式易饱和的缺陷, 除了采用NDVI中的NIR和Red两个通道的数值外, 还加入了一个Blue通道的值以校正气溶胶影响, 同时还利用土壤调节参数和大气修正参数来减少土壤背景和大气的影响。其次, EVI的合成是以数据质量为前提, 优先选择晴天时传感器获得的像元值, 为定量遥感研究提供了更好的基础[14]。此外, 本研究在数据处理中, 考虑到重庆多云雾的特殊情况, 采用目前通用的MVC法合成年或季EVI影像, 以期最大程度地降低云雾天气的影响, 并结合谷歌地图影像对EVI影像在重庆的实际应用做了一定的对比验证。由此可知, 不管是从数据来源、算法和处理过程, 还是实际的应用来看, MODIS-EVI数据的科学性和可靠性均有保障, 能够满足研究的需要。

本研究利用距平百分率、变异系数并结合分布指数对重庆的植被覆盖变化进行了分析, 能够清楚地了解植被年际、季节以及空间上的分布差异, 这对于植被的恢复与评价有着实际的意义。

从研究中可以发现, 植被年际变化与空间分布情况跟夏季具有较多的相似之处, 而与春、冬季则差异明显。产生这一现象的原因是对多期遥感数据采用年最大值合成法所必然会出现的结果, 夏季是植被长势最好的时候, 此时植被叶绿素含量达到最大值, 遥感传感器接收的地表植被信息最大。这也提醒我们在研究植被变化对气象灾害的响应时, 要慎重考虑选择数据的时间段, 因为贸然选择年最大值合成法, 其结果可能很难完全反映植被受季节性灾害天气的影响, 从而导致研究结果的不确定性。如2001、2006年的伏旱导致其秋季低覆盖度比例异常偏高, 2008年初(2007年冬季)的雨雪冰冻灾害、2011年夏秋连旱导致劣覆盖度比例异常偏高, 甚至高于中覆盖度, 这在年际变化上无法体现出来。

从植被异常变化中不难看出, 其异常变化主要集中在春季和秋季, 表现为劣覆盖度、低覆盖度异常增加或高覆盖度异常减少。值得注意的是, 中覆盖度虽有一定的变化但不明显, 一方面可能是由于重庆的植被以中覆盖度为主, 其面积比例大且相对稳定, 难以出现所谓的异常变化; 另一方面也说明不同的植被覆盖度对气候变化的响应也会有所差异, 因而对植被覆盖度的分级可以更好地分析其差异。

此外, 重庆地形地貌复杂多样, 区域差异大, 各个地方在季节时间点上会有一定差异。研究中采用气象学上的季节划分标准可能会产生一定的误差, 但为了便于植被变化的统计和分析对比, 仍然显得十分有必要。

还需要说明的是, 目前的MODIS数据时间尺度还比较短, 且遥感监测易受到重庆多雾多云天气的影响, 要弄清楚植被变化情况还需要更多数据的积累和深入的分析, 特别是人类活动的影响可以引入土地利用等关键数据。

本研究利用MODIS-EVI数据对2000—2015年重庆植被覆盖度变化时空分异特征进行了分析, 得出了以下主要结论：

(1) 重庆植被年际、夏季和秋季均以中覆盖度为主, 低覆盖度其次, 高覆盖度第三, 劣覆盖度最低; 春季, 2000—2007年以低覆盖度为主, 2008—2015年以中覆盖度为主; 冬季则是低覆盖度＞中覆盖度＞劣覆盖度＞高覆盖度。

(2) 在年际变化中, 植被覆盖度在2003、2011、2013年有一定变化, 但不明显。在季节变化中, 劣覆盖度在2000、2002、2003年春季, 2001、2006年秋季以及2011年冬季异常偏多; 低覆盖度在2000、2001年秋季异常偏多; 高覆盖度在2000、2008年秋季和2014年春季异常偏少。

(3) 植被年际波动以轻度为主, 稳定其次, 中度第三, 重度最低。其中：春、夏、秋季以轻度为主, 而冬季则以中度为主; 稳定比例夏季最高, 轻度比例秋季最高, 中度和重度比例冬季最高。

(4) 稳定和轻度波动类型主要分布在山地森林和草地区域, 中度和重度波动类型主要是城镇、水域及其周边区域。植被的波动程度主要集中在地势较低区域, 随着地势的升高, 逐渐趋于稳定, 但不同季节存在一定差异。