王 瑋，馮琦勝，郭 鈮，沙 莎，胡 蝶，王麗娟，李耀輝

(1．中國氣象局蘭州干旱氣象研究所，甘肅省干旱氣候變化與減災(zāi)重點(diǎn)實驗室，中國氣象局干旱氣候變化與減災(zāi)重點(diǎn)實驗室，甘肅蘭州730020;2．草地農(nóng)業(yè)生態(tài)系統(tǒng)國家重點(diǎn)實驗室 蘭州大學(xué)草地農(nóng)業(yè)科技學(xué)院，甘肅 蘭州730020)

植被是陸地生態(tài)系統(tǒng)中重要的組成部分，在維持地球生物圈的能量和物質(zhì)交換中扮演著重要角色［1］。其不僅具有分布廣、可再生的特點(diǎn)，同時也是生態(tài)安全的天然屏障。因此，對植被進(jìn)行長時期的監(jiān)測有助于模擬和評價植被生長狀況，了解陸地生態(tài)環(huán)境變化過程，揭示全球氣候變化規(guī)律。

遙感技術(shù)的快速發(fā)展為人類準(zhǔn)確獲取陸地表面大范圍、多尺度的植被信息提供了強(qiáng)有力的手段。植被指數(shù)是利用遙感技術(shù)對植被生長狀況進(jìn)行定量和定性評估的重要參數(shù)，在氣候變化研究領(lǐng)域發(fā)揮著傳統(tǒng)觀測資料無法替代的作用。研究表明，由可見光/近紅外波段組合而成的歸一化植被指數(shù)(Normalized Difference Vegetation Index，NDVI)與植被的生物物理指標(biāo)具有較好的相關(guān)性，能夠反映植被的季節(jié)變化與年際變化特征［2］，已廣泛應(yīng)用于全球和區(qū)域氣候環(huán)境監(jiān)測、農(nóng)作物估產(chǎn)、干旱監(jiān)測、植被動態(tài)變化、生物量反演與植被物候特征信息提取等方面［3-5］。隨著衛(wèi)星遙感資料的不斷積累，目前常用的NDVI 時間序列產(chǎn)品主要有NOAA Pathfinder AVHRR Land Data(1981 －2001年)、GIMMS AVHRR NDVI(1982 －2006 年)、AVHRR LTDR V3(1981 －1999)、MODIS NDVI(2000 年至今)等。由于GIMMS AVHRR NDVI 是目前全球時間序列最長的連續(xù)數(shù)據(jù)集，因此在植被生長狀況監(jiān)測及生態(tài)環(huán)境評價中發(fā)揮著重要作用［6］。Myneni 等［7］利用1981 －1991 年的GIMMS AVHRR NDVI 數(shù)據(jù)分析全球植被變化發(fā)現(xiàn)，地球中高緯度的植被活動在增強(qiáng)。Tucker 等［8］建立北半球氣候變化與NDVI 之間關(guān)系后發(fā)現(xiàn)，隨著全球氣候的變暖，春季氣溫升高速率加快，導(dǎo)致植被的生長期提前。作為AVHRR NDVI 的完善和升級，自2000 年美國航空航天局開始免費(fèi)分發(fā)全球MODIS NDVI 產(chǎn)品后，其快速成為應(yīng)用研究的熱點(diǎn)。Liu 和Gong［9］利用MODIS 準(zhǔn)半月NDVI 產(chǎn)品，通過最小二乘法和最小絕對偏差法分析地表植被綠度變化發(fā)現(xiàn)，近10 年我國植被綠度呈現(xiàn)增加趨勢。Piao 等［10-11］分析近30 年的AVHRR NDVI 和MODIS NDVI 資料后指出，1982 －1997 年歐亞大陸植被生長呈現(xiàn)增加的趨勢，1997 年以后有些地區(qū)的植被生長呈現(xiàn)出減弱或負(fù)增長的趨勢。李飛等［12］利用Terra MODIS 的NDVI 產(chǎn)品和GIMMS AVHRR NDVI 產(chǎn)品分段研究近30 年中國大陸不同區(qū)域的植被變化特征，結(jié)果表明，我國陸地植被活動整體趨于增強(qiáng)。雖然MODIS NDVI 具有較高的精度，但時間序列長度有限，而目前公開的GIMMS AVHRR NDVI 數(shù)據(jù)又缺少近些年植被動態(tài)監(jiān)測結(jié)果，在年代際尺度的變化趨勢研究中，仍然需要對AVHRR NDVI 數(shù)據(jù)集進(jìn)行時間序列的擴(kuò)展和完善。目前仍然缺乏不同NDVI 產(chǎn)品之間行之有效的轉(zhuǎn)換模型，使得利用多源遙感資料進(jìn)行植被活動定量監(jiān)測研究面臨極大挑戰(zhàn)。

2014 年6 月美國航空航天局戈達(dá)德太空中心發(fā)布了V4 版本的LTDR(Land Long Term Data Record)產(chǎn)品，其中包括1981 －2010 年的AVHRR 地表反射率數(shù)據(jù)，這為探索延長NDVI 數(shù)據(jù)集奠定了較好的基礎(chǔ)。因此，本研究以生態(tài)環(huán)境相對脆弱的西北干旱區(qū)為例，通過建立MODIS NDVI 與AVHRR NDVI 逐月線性回歸模型，在生成長時間序列(1981 －2013 年)NDVI 資料的基礎(chǔ)上，分析研究近30 年西北干旱區(qū)的植被動態(tài)變化，以期為西北干旱區(qū)生態(tài)環(huán)境的評價及研究提供參考。

1 數(shù)據(jù)與方法

1．1 研究區(qū)概況

我國西北干旱區(qū)位于中緯度歐亞大陸腹地，西起帕米爾高原，東至賀蘭山，東西長約2 503 km;南自昆侖山－塔里木盆地南緣，北側(cè)直抵國界，南北寬達(dá)1 492 km，位于34°44'11″ －49°07'24″ N、73°47'17″ －106°43'00″ E，面積為3．07 ×106km2，約占我國陸地總面積的1/3。主體部分包括新疆全境、甘肅河西走廊、內(nèi)蒙古西部以及青海柴達(dá)木盆地等干旱、半干旱區(qū)(圖1)。該地區(qū)幅員遼闊，自然條件惡劣、生態(tài)環(huán)境較為脆弱，以山區(qū)降水和冰川融水補(bǔ)給為主，年降水量在400 mm 以下，屬典型大陸性氣候［13］。自20 世紀(jì)70年代中期全球變暖加劇以來，干旱區(qū)內(nèi)氣候條件復(fù)雜多樣，極端水文事件增加，地表植被覆蓋對環(huán)境變化敏感。因此，長期監(jiān)測該地區(qū)的植被生長狀況，對于了解氣候變化對植被的影響，維護(hù)干旱區(qū)生態(tài)系統(tǒng)的穩(wěn)定具有重要的指導(dǎo)意義。

圖1 西北干旱區(qū)植被分類圖Fig．1 The classification of vegetation in the northwest arid area of China

1．2 研究數(shù)據(jù)與預(yù)處理

1．2．1 LTDR 地表反射率數(shù)據(jù) 在美國航空航天局戈達(dá)德太空中心(http://ltdr． nascom． nasa． gov/cgibin/ltdr/ ltdrPage．cgi)下載了1981 －2010 年的LTDR每日地表反射率產(chǎn)品(AVH09 Surface Reflectance Product)。該數(shù)據(jù)是以NOAA07(1981 －1985 年)、NOAA09(1985 －1988 年)、NOAA11(1988 － 1994 年)、NOAA14(1995 －1999 年)、NOAA16(2000 －2006 年)和NOAA18(2005 －2010 年)的AVHRR 觀測資料為基礎(chǔ)，通過軌道篩選、輻射定標(biāo)、云檢測、大氣校正、衛(wèi)星漂移校正及雙向反射率分布函數(shù)(BRDF)處理后生成的全球逐日格網(wǎng)(0． 05°)數(shù)據(jù)集。數(shù)據(jù)分發(fā)采用與MODIS 相類似的業(yè)務(wù)流程，以HDF 分層格式存儲，包括1 －3 波段地表反射率、4 －5 波段大氣上界亮溫、太陽高度角、傳感器高度角、相對方位角以及質(zhì)量控制文件。其中，地表反射率數(shù)據(jù)是以空間分辨率為0．05°(約5 km)的格網(wǎng)方式進(jìn)行存儲，質(zhì)量控制文件對每個格網(wǎng)制定1 ～10 級的質(zhì)量標(biāo)記。為了便于計算，本研究利用ENVI 5．1 軟件將1 －2 波段地表反射數(shù)據(jù)處理為Geo-TIFF 格式，投影方式轉(zhuǎn)為Albers，空間分辨率定義為5 km。

1．2．2 MODIS 地表反射率數(shù)據(jù) MODIS 地表反射率產(chǎn)品是以MODIS L1B 1 －7 波段數(shù)據(jù)為基礎(chǔ)，通過改進(jìn)氣溶膠模型、忽略大氣散射和吸收的情況下而得到的，詳細(xì)算法參考MODIS 地表反射率產(chǎn)品用戶手冊(http://datamirror． csdb． cn/modis/resource/doc/MOD09_UserGuide．pdf)。由于MODIS 數(shù)據(jù)量大，波段多，應(yīng)用范圍廣，因此NASA 采取了分布式處理。本研究在美國地質(zhì)勘探局(USGS)陸地過程自動歸檔中心(LP DACC)(https://lpdaac．usgs．gov/)下載了2001 －2013 年的每日地表反射率產(chǎn)品(MOD09GA)，該產(chǎn)品采用正弦曲線(SIN)投影，并以HDF 格式封裝存儲，空間分辨率為500 m。

每日覆蓋我國西北干旱區(qū)需要8 幅MODIS 影像，軌道號分別為 h23v04、h23v05、h24v04、h24v05、h25v04、h25v05、h26v04 和h26v05。利用MODIS 數(shù)據(jù)處理工具軟件(MODIS Reprojection Tools，MRT)對MOD09GA 產(chǎn)品進(jìn)行接邊和坐標(biāo)變換處理。為了與LTDR 數(shù)據(jù)時空相匹配，將MODIS 1 －2 波段地表反射率數(shù)據(jù)處理成Geo-TIFF 格式，空間分辨率重采樣為5 km，采用Albers 等積圓錐投影。

1．2．3 植被類型數(shù)據(jù) 植被類型數(shù)據(jù)來源于2001 年中國科學(xué)院中國植被圖編輯委員會發(fā)布的中國植被數(shù)據(jù)集，在“中國西部環(huán)境與生態(tài)科學(xué)數(shù)據(jù)中心”(http://westdc．westgis． ac． cn)下載，數(shù)據(jù)格式為ESRIShapefile 格式，投影方式為Albers。該數(shù)據(jù)集中我國西北干旱區(qū)形成了以草地或草甸(以下簡稱草地植被)、稀疏植被和非植被區(qū)為主的植被分布格局(圖1)。

1．2．4 氣象數(shù)據(jù) 通過中國氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)(http://cdc．nmic．cn)，下載了西北干旱區(qū)90 個地面氣象臺站在1981 年1 月1 日－2013 年12 月31 日的每日平均溫度(℃)和降水量(mm)觀測數(shù)據(jù)。

已有研究表明，基于薄盤樣條理論的氣象數(shù)據(jù)空間插值數(shù)據(jù)與臺站實測值之間具有較高的相關(guān)性(復(fù)相關(guān)系數(shù)R2超過了0．8)［14］，能夠較好地反映高原內(nèi)溫度、降水的時空變化特征。因此，本研究借助ANUSPLIN 軟件，根據(jù)局部薄盤光滑樣條插值(Partial Thin Plate Smoothing Splines)理論，生成了1981 －2013年逐旬平均氣溫和日降水量的柵格數(shù)據(jù)，空間分辨率為5 km，投影方式為Albers 等積圓錐投影。

1．3 研究方法

1．3．1 NDVI 圖像合成 為了盡可能消除每日NDVI圖像中云或噪聲的影響，本研究首先利用LTDR 和MODIS 1 －2 波段地表反射率資料，根據(jù)NDVI 計算公式生成每日NDVI 數(shù)據(jù)，然后再根據(jù)逐日質(zhì)量控制文件，通過最大合成法(MVC)，將LTDR 和MODIS 每日NDVI 圖像分別合成逐旬和逐月NDVI 數(shù)據(jù)。

1．3．2 NDVI 數(shù)據(jù)滑動平均處理 為了消除偶然因素或異常值對NDVI 監(jiān)測結(jié)果的影響，使時間序列發(fā)展變化的方向或趨勢更加明顯，采用三點(diǎn)滑動平均方法對1981 －2010 年的旬NDVI 數(shù)據(jù)進(jìn)行了降噪處理。計算公式為:

式中，n=1 為平滑時距;k=n+1，n +2，…，1080 －n，為30 年的旬序號。

1．3．3 NDVI 變化趨勢分析 利用隨時間變化的NDVI 數(shù)值進(jìn)行線性擬合分析時，斜率可以反映出該時間段內(nèi)的植被變化趨勢［15］。本研究在獲取年最大NDVI的基礎(chǔ)上，計算西北干旱區(qū)33 年間逐柵格單元的植被指數(shù)變化趨勢。NDVI 變化趨勢的計算公式為:

式中，n=33，表示1981 －2013 年時間序列長度;i 為1－33，表示1981 －2013 年份序號;NDVIi，jk是第i 年NVDI 圖像上第j 行第k 列像元的年最大NDVI 值。

Slope 表示1981 －2013 年間NDVI 的變化趨勢，當(dāng)Slope 介于±0．1%時，表示30 年間NDVI 無變化，區(qū)域植被生長狀況穩(wěn)定;當(dāng)Slope ＜－0．1%時，NDVI 在研究時序內(nèi)呈減小趨勢，說明區(qū)域植被生長狀況出現(xiàn)惡化態(tài)勢;當(dāng)Slope ＞0．1%時，NDVI 呈增加趨勢，則表示區(qū)域植被生長情況呈現(xiàn)恢復(fù)態(tài)勢。

2 結(jié)果

2．1 LTDR NDVI 與MODIS NDVI 數(shù)據(jù)相關(guān)性分析

由于我國西北干旱區(qū)植被類型主要以草地植被和稀疏植被為主，因此利用2001 －2010 年逐月同時相的MODIS NDVI 與LTDR NDVI 數(shù)據(jù)，分別在草地植被區(qū)(GVA)和稀疏植被區(qū)(SVA)建立兩者逐月的線性回歸模型，結(jié)果表明，MODIS NDVI 與LTDR NDVI 數(shù)據(jù)之間具有較好的線性相關(guān)關(guān)系，決定系數(shù)均在0．7 以上(表1)。因此，本研究利用兩者之間逐月線性回歸模型，將2011 －2013 年的MODIS NDVI 轉(zhuǎn)換為LTDR NDVI，以期在較長時間序列上分析研究區(qū)的植被生長狀況以及動態(tài)變化。

表1 研究區(qū)LTDR NDVI 與MODIS NDVI 回歸模型Table 1 Regression model between LTDR NDVI and MODIS NDVI in study area

2．2 1981－2013 年西部干旱區(qū)逐旬NDVI 動態(tài)變化

結(jié)合研究區(qū)內(nèi)主要植被類型(草地和稀疏植被)資料，統(tǒng)計分析近33 年NDVI 數(shù)據(jù)在年內(nèi)相應(yīng)旬的平均NDVI 動態(tài)變化，結(jié)果表明，植被的生長期始于當(dāng)年4 月，植被的枯萎期出現(xiàn)在當(dāng)年10 月，植被活動旺盛期在當(dāng)年的7 －8 月份。其中，草地植被的年生長變化相對較明顯，平均NDVI 由2 月下旬的0．08 增長到8月上旬的0．28;而稀疏植被的生長變化較為穩(wěn)定，平均NDVI 主要介于0．11 ～0．13(圖2)。同時，在當(dāng)年11 月中旬到次年4 月上旬的時間段內(nèi)，草地植被的逐旬NDVI 略低于稀疏植被的NDVI，且在次年2 月下旬時，兩者之間的NDVI 差值達(dá)到最大，為(3% ± 5．1%);而在當(dāng)年4 月下旬到11 月上旬這一時期內(nèi)，草地植被的逐旬NDVI 大于稀疏植被的NDVI，且在當(dāng)年的8 月上旬時，兩者之間的NDVI 差值達(dá)到最大，為(15% ±10．3%)。

通過分析1981 －2013 年逐旬NDVI 可以看出，研究區(qū)內(nèi)的不同植被類型區(qū)的NDVI 均呈現(xiàn)增加的趨勢，其中稀疏植被區(qū)的NDVI 表現(xiàn)出顯著增加的趨勢(P ＜0．05)，該區(qū)域NDVI 以每年4．7 ×10－4的速率在增加，33 年間共計增加了0．07;而草地區(qū)域的NDVI增加不顯著，以每年1．0 ×10－7的速率在增加，在33年間NDVI 僅增加了3．3 ×10－6(圖3)。由此可見，近33 年來，我國西部稀疏植被區(qū)的植被活動在持續(xù)增強(qiáng)，植被整體狀況在轉(zhuǎn)好;而草地區(qū)的植被活動較為穩(wěn)定，未出現(xiàn)較大的變化現(xiàn)象。

圖2 年內(nèi)相應(yīng)旬時期的平均NDVI 變化過程Fig．2 The mean NDVI of ten-day period in the thirty three years

圖3 1981 －2013 年研究區(qū)各植被區(qū)逐旬平均NDVI 動態(tài)變化Fig．3 Dynamic changes of the mean NDVI of ten-day period from 1981 to 2013 in vegetation areas

2．3 西部干旱區(qū)年平均NDVI 動態(tài)變化

進(jìn)一步統(tǒng)計研究區(qū)內(nèi)年平均NDVI 變化，結(jié)果表明，在33 年間草地和稀疏植被區(qū)的植被活動變化具有相似性，只是活動強(qiáng)度有所差異。在1981 －1990 年間，草地和稀疏植被活動均表現(xiàn)出顯著減弱趨勢，其中草地植被活動的減弱趨勢較稀疏植被更為明顯(圖4a);對20 世紀(jì)90 年代的監(jiān)測結(jié)果顯示，稀疏植被區(qū)的植被活動在顯著增強(qiáng)，而草地區(qū)的植被活動則表現(xiàn)較為穩(wěn)定，無顯著增加的趨勢(圖4);自2000 年以后草地和稀疏植被區(qū)的植被活動均表現(xiàn)出顯著增加的趨勢(圖4)。

2．4 西部干旱區(qū)NDVI 的空間變化趨勢

從1981 －2013 年平均NDVI 空間變化趨勢來看，NDVI 表現(xiàn)出增加趨勢(Slope ＞1%)的區(qū)域占整個研究區(qū)的11．4%，主要分布在北疆、天山以及甘肅河西走廊附近的草地、稀疏植被以及耕地區(qū)(圖5);NDVI生長較為穩(wěn)定的區(qū)域(Slope 介于±0．1%)占研究區(qū)的83．2%，其中NDVI 穩(wěn)定且有增加態(tài)勢的區(qū)域(0 ＜Slope ＜0．1%)占研究區(qū)總面積的67．7%，主要位于研究區(qū)北部、東北部以及柴達(dá)木盆地周圍的稀疏植被區(qū)，而NDVI 穩(wěn)定且有減少態(tài)勢的區(qū)域(－0．1% ＜Slope ＜0)占研究區(qū)總面積的15．5%，主要分布在研究區(qū)南部昆侖山脈到東部祁連山脈邊緣地帶的草地區(qū);NDVI 表現(xiàn)出減少趨勢(Slope ＜－1%)的區(qū)域占研究區(qū)總面積的5．4%，減少較為明顯的區(qū)域主要位于研究區(qū)西南部帕米爾高原附近，塔克拉瑪干沙漠北部到天山山脈附近，以及柴達(dá)木盆地東北部的草地區(qū)。由此可以看出，自1981 年以來，整個研究區(qū)內(nèi)的 NDVI 變化狀況較為穩(wěn)定，NDVI呈現(xiàn)出增加趨勢的地區(qū)主要位于研究區(qū)北部的稀疏植被區(qū)和耕地區(qū)，NDVI 出現(xiàn)減少趨勢的地區(qū)主要分布在研究區(qū)西南和西部地區(qū)的草地區(qū)。

圖4 1981 －2013 年研究區(qū)草地(a)和稀疏植被區(qū)(b)的年平均NDVI 動態(tài)變化Fig．4 Dynamic changes of annual mean NDVI from 1981 to 2013 between grassland and sparse vegetation areas

2．5 植被動態(tài)對氣候變化的響應(yīng)

植被是表征陸地生態(tài)系統(tǒng)的重要指標(biāo)，對氣候變化敏感，通過綜合分析NDVI 與溫度和降水之間的年際關(guān)系可以看出，自1981 年以來，整個研究區(qū)逐旬的平均溫度和降水量呈現(xiàn)上升的趨勢，分別以0．26 ℃·10 a－1和5．36 mm·10 a－1速率在升高，在33 年間共計增加了0．85 ℃和17．69 mm。而與此同時，研究區(qū)內(nèi)的草地植被活動基本穩(wěn)定，稀疏植被的活動在逐漸增強(qiáng)(圖6)。由此可見，整個西北干旱區(qū)的氣候呈現(xiàn)出暖濕化的特點(diǎn)，且植被活動表現(xiàn)出微弱增強(qiáng)的態(tài)勢。自21 世紀(jì)初以來，胡汝驥等［16］、施雅風(fēng)等［17］通過對氣象臺站記錄的氣象指標(biāo)進(jìn)行綜合動態(tài)分析研究后，提出了“西北氣候由暖干向暖濕轉(zhuǎn)型”的觀點(diǎn)。本研究通過利用氣象資料以及GIS 空間分析等技術(shù)手段，一方面從整個空間尺度對植被變化狀況進(jìn)行了定量化分析，另一方面利用時間序列遙感資料，發(fā)現(xiàn)研究區(qū)內(nèi)NDVI 有逐漸增強(qiáng)的特點(diǎn)，尤其是稀疏植被區(qū)的植被活動具有顯著增強(qiáng)的特征，這反映出整個西北干旱區(qū)在氣候呈現(xiàn)暖濕化的變化過程中植被整體生長狀況在好轉(zhuǎn)。

圖5 1981 －2013 年平均NDVI 變化趨勢Fig．5 Change tendency of annual mean NDVI in pixel scale during the 33-year period

圖6 1981 －2013 年研究區(qū)逐旬各植被區(qū)NDVI 與溫度和降水動態(tài)變化Fig．6 Dynamic changes of the mean NDVI，mean temperature，and precipitation of ten days period from 1981 to 2013 between grassland and sparse vegetation areas

通過進(jìn)一步探討近33 年間NDVI 與溫度和降水量之間的空間相關(guān)關(guān)系，可以發(fā)現(xiàn)，年均NDVI 與年平均溫度和年降水量之間呈現(xiàn)顯著相關(guān)關(guān)系(R =0．35，P ＜ 0． 05 )的 區(qū) 域 分 別 占 整 個 研 究 區(qū) 的6 8．3%和71．6%(圖7)。其中，年均NDVI與溫度呈現(xiàn)出顯著正相關(guān)關(guān)系的區(qū)域為39．7%，主要位于研究區(qū)塔克拉瑪干沙漠南部到柴達(dá)木盆地邊緣的草地區(qū)，地形以山地為主;有28．6%的區(qū)域的年均NDVI 與溫度呈現(xiàn)顯著負(fù)相關(guān)關(guān)系，主要分布在北疆、塔克拉瑪干沙漠北部以及河西走廊北部等地勢較為平坦，且海拔較低的草地和稀疏植被區(qū)(圖7a)。年均NDVI 與降水量呈現(xiàn)顯著正相關(guān)關(guān)系的區(qū)域為63．1%，主要位于北疆、柴達(dá)木盆地南部，西部昆侖山脈沿阿爾金山脈一直到東部祁連山脈的邊緣;而與之相對呈現(xiàn)出顯著負(fù)相關(guān)關(guān)系的區(qū)域僅有8． 5%，分布于天山附近(圖7b)。已有研究表明，該地區(qū)受大氣環(huán)流、青藏高原北部―河西走廊西部熱力作用、大地形因素，以及由南部印度洋和太平洋北上的暖濕氣流和由西北部而下的干空氣的共同作用，在研究區(qū)內(nèi)形成了鋒面氣旋，從而造成南疆和河西地區(qū)氣溫普遍較高，青藏高原和天山等高海拔山地氣溫較低，北疆等地相對多降水的情況［18］。由圖7 可以看出，在昆侖山到祁連山的周圍、以及天山等地，由于海拔相對較高且溫度較低，植被活動受熱量條件因素影響較大，NDVI 與均溫呈現(xiàn)出顯著的正相關(guān)關(guān)系;而海拔相對較低、地勢平坦且夏季溫度較高的北疆、阿拉善北部等地區(qū)，由于存在大范圍的灌溉農(nóng)業(yè)區(qū)和低植被覆蓋區(qū)，NDVI 與溫度之間呈現(xiàn)出負(fù)相關(guān)性。而在天山和祁連山附近，由于降水量相對豐富，且能夠滿足植被生長所需的水分條件，因此在降水持續(xù)增加的情況下導(dǎo)致植被光照條件和新陳代謝能力有所下降，從而造成這些地區(qū)降水與NDVI 表現(xiàn)出負(fù)相關(guān)關(guān)系。但是，總體而言，干旱區(qū)內(nèi)的降水條件是影響 NDVI 變化的主要因素，NDVI 與降水量在空間上均呈現(xiàn)出正相關(guān)關(guān)系。由此可見，研究區(qū)內(nèi)植被與氣候因子的相互作用是一個非常復(fù)雜的過程，同時還受地形、人類活動等非氣候因素的影響。

圖7 1981 －2013 年平均NDVI 分別與年均溫度(a)和降水量(b)之間的空間相關(guān)關(guān)系Fig．7 Relationship among the annual mean NDVI，annual mean temperature (a)and annual precipitation (b)in pixel scale from 1981 to 2013

然而，由于研究區(qū)地域遼闊，地形與下墊面類型變化相對復(fù)雜，同時又受到東亞季風(fēng)、南亞季風(fēng)、西風(fēng)帶環(huán)流以及青藏高原大地形等多種因素的影響，區(qū)域性氣候特征明顯，在通過氣候分區(qū)的基礎(chǔ)上，進(jìn)一步探討NDVI 動態(tài)變化及其與氣候變化的關(guān)系是本項研究下一步需要完善的工作。

3 討論

雖然衛(wèi)星遙感資料在監(jiān)測植被方面有范圍廣、速度快以及成本低等優(yōu)點(diǎn)，但是由于衛(wèi)星傳感器成像本身具有瞬時性和周期性(衛(wèi)星軌道周期和衛(wèi)星生命周期)的特點(diǎn)，同時還會受到潛在噪聲的影響(如云、氣溶膠等)，因此在使用單個傳感器獲取的NDVI 時間序列數(shù)據(jù)時，數(shù)據(jù)的可靠性和連續(xù)性將會受到極大的挑戰(zhàn)，特別是在大空間尺度的時間序列監(jiān)測研究中，這一問題尤為嚴(yán)重［19-21］。全球已經(jīng)發(fā)布大量可利用的NDVI 數(shù)據(jù)集，這些時間系列NDVI 產(chǎn)品在發(fā)布前通常會采用多日最大合成等預(yù)處理方法來控制數(shù)據(jù)中的噪聲。但是，在實際處理過程中云、霧、地形陰影以及遙感圖像壞線等的影響，限制了能夠參與最大合成的有效數(shù)據(jù)，并且某些氣溶膠在大氣中持續(xù)時間遠(yuǎn)超過10～30 d 的合成期，使得經(jīng)過多日合成后的數(shù)據(jù)質(zhì)量仍然具有一定的不確定性［22］。尤其是AVHRR 傳感器在設(shè)計之初并不是以監(jiān)測地表植被特征為目的，導(dǎo)致其生成的NDVI 時間序列數(shù)據(jù)容易受到潛在噪聲的影響。然而，AVHRR 資料已經(jīng)積累了35 年的時間，是目前已有數(shù)據(jù)中時序跨度最長的光學(xué)遙感數(shù)據(jù)集。因此，只有不斷提高AVHRR NDVI 數(shù)據(jù)的質(zhì)量，充分發(fā)揮該數(shù)據(jù)長時序的優(yōu)勢，并結(jié)合多源遙感資料，為相關(guān)領(lǐng)域研究提供更加可靠的時間序列NDVI 數(shù)據(jù)集，才能有助于我們更好地理解陸地生態(tài)系統(tǒng)的變化特征，揭示全球氣候與植被的變化規(guī)律。因此，著重研究NDVI 產(chǎn)品的最優(yōu)綜合重建算法和多源NDVI 產(chǎn)品之間的相互轉(zhuǎn)換與合成方法，在盡量消除目前常用NDVI時間序列產(chǎn)品中潛在噪聲的影響，提高數(shù)據(jù)集質(zhì)量的前提條件下，實現(xiàn)對多源NDVI 時間序列產(chǎn)品的相互轉(zhuǎn)換與融合，構(gòu)建一種高精度長時序的NDVI 融合算法及數(shù)據(jù)集是今后進(jìn)一步開展研究工作的基礎(chǔ)。

4 結(jié)論

本研究通過建立MODIS NDVI 與AVHRR NDVI逐月線性回歸模型，并在生成長時間序列(1981 －2013年)的NDVI 資料基礎(chǔ)上，分析研究近33 年西北干旱區(qū)的植被動態(tài)變化，得出如下結(jié)論:

1)MODIS NDVI 與LTDR NDVI 數(shù)據(jù)具有較好的線性相關(guān)性，兩者之間線性回歸模型的決定系數(shù)均在0．7 以上。今后利用不同傳感器數(shù)據(jù)，通過結(jié)合氣候分區(qū)、DEM 等空間輔助信息、時序重建算法以及空間尺度轉(zhuǎn)換方法進(jìn)一步建立擴(kuò)展的NDVI 時間序列數(shù)據(jù)是可行的。

2)近33 年以來，西北干旱區(qū)內(nèi)的植被活動呈現(xiàn)出增強(qiáng)的態(tài)勢，其中稀疏植被區(qū)的NDVI 表現(xiàn)出顯著增加的趨勢(P ＜0．05)，而草地區(qū)域的NDVI 增加不顯著(P ＞0．05)。由此說明，近33 年來，我國西部稀疏植被區(qū)的植被活動在持續(xù)增強(qiáng)，植被整體生長狀況在轉(zhuǎn)好，而草地區(qū)的植被活動較為穩(wěn)定，并未出現(xiàn)較大的變化現(xiàn)象。

3)西北干旱區(qū)的氣候呈現(xiàn)出暖濕化的特點(diǎn)，植被活動對氣候變化較為敏感，在空間上年均NDVI 與年平均溫度和年降水量之間呈現(xiàn)顯著相關(guān)關(guān)系(P ＜0．05)的區(qū)域分別占整個研究區(qū)的68．3%和71．6%。

［1］ Sudipta S，Menas K．Interannual variability of vegetation over the Indian sub-continent and its relation to the different meteorological parameters［J］．Remote Sensing of Environment，2004，90:268-280．

［2］ 侯美亭，趙海燕，王箏，延曉冬．基于衛(wèi)星遙感的植被NDVI 對氣候變化響應(yīng)的研究進(jìn)展［J］．氣候與環(huán)境研究，2013，18(3):353-364．

［3］ Karnieli A，Agam N，Anderson M，Gutman G G，Panov N．Use of NDVI and land surface temperature for drought assessment:Merits and limitations［J］．Journal of Climate，2010，23:618-633．

［4］ Barbosa H A，Huete A R，Baethgen W E．A 20-year study of NDVI variability over the Northeast region of Brazil［J］．Journal of Arid Environments，2006，67:288-307．

［5］ 郭鈮，王小平．遙感干旱應(yīng)用技術(shù)進(jìn)展及面臨的技術(shù)問題與發(fā)展機(jī)遇［J］．干旱氣象，2015，33(1):1-18．

［6］ 馬明國，宋怡，王旭峰，韓輝邦，于文憑．AVHRR、VEGETATION 和MODIS 時間序列遙感數(shù)據(jù)產(chǎn)品現(xiàn)狀與應(yīng)用研究進(jìn)展［J］．遙感技術(shù)與應(yīng)用，2012，27(5):663-670．

［7］ Myneni R B，Keeling C D，Tucker C J，Asrar G，Nemani R R．Increased plant growth in the northern high latitudes from 1981 to 1991［J］．Nature，1997，386:698-702．

［8］ Tucker C J，Slayback D A，Pinzon J E，Los S O，Myneni R B．Higher northern latitude normalized difference vegetation index and growing season trends from 1982 to 1999［J］．International Journal of Biometeorology，2001，45(4):184-190．

［9］ Liu S，Gong P．Change of surface cover greenness in China between 2000 and 2010［J］．Chinese Science Bulletin，2012，57(22):2835-2845．

［10］ Piao S L，Wang X H，Ciais P．Changes in satellite-derived vegetation growth trend in temperate and boreal Eurasia from 1982 to 2006［J］．Global Change Biology，2011，17(10):3228-3239．

［11］ Piao S L，Wang X H，Ciais P．Detection and attribution of vegetation greening trend in China over the last 30 years［J］．Global Change Biology，2014，21(4):1601-1609．

［12］ 李飛，曾源，李曉松，趙千鈞，吳炳方．近30 年中國陸地植被活動遙感監(jiān)測［J］．中國科學(xué):地球科學(xué)，2014，44(8):1671-1678．

［13］ 李秀花，師慶東，常順利，郭娟，巴音達(dá)拉，齊家國．1981 －2001 年中國西北干旱區(qū)NDVI 變化分析［J］．干旱區(qū)地理，2008，31(6):940-945．

［14］ 王瑋．基于遙感和GIS 的青藏高原牧區(qū)積雪動態(tài)監(jiān)測與雪災(zāi)預(yù)警研究［D］．蘭州:蘭州大學(xué)博士學(xué)位論文，2014．

［15］ Stow D，Daeschner S，Hope A，Douglas D，Petersen A，Myneni R．Variability of the seasonally integrated normalized difference vegetation index across the north slope of Alaska in the 1990s［J］．International Journal of Remote Sensing，2003，24(5):1111-1117．

［16］ 胡汝驥，姜逢清，王亞俊，樊自立．新疆氣候由暖干向暖濕轉(zhuǎn)變的信號及影響［J］．干旱區(qū)地理，2002，25(3):194-200．

［17］ 施雅風(fēng)，沈永平，胡汝驥．西北氣候由暖干向暖濕轉(zhuǎn)型的信號、影響和前景初步探討［J］．冰川凍土，2002，24(3):219-226．

［18］ 王海軍，靳曉華，李海龍，張勃，戴聲佩．基于GIS 和RS 的中國西北NDVI 變化特征及其與氣候變化的耦合性［J］．農(nóng)業(yè)工程學(xué)報，2010，26(11):194-203．

［19］ 胡遠(yuǎn)寧，崔霞，孟寶平，楊淑霞，梁天剛．甘南高寒草甸主要毒雜草光譜特征分析［J］．草業(yè)科學(xué)，2015，32(2):160-167．

［20］ 方金，梁天剛，呂志邦，馮琦勝，何詠琪． 基于高光譜影像的高寒牧區(qū)土地覆蓋分類與草地生物量監(jiān)測模型［J］． 草業(yè)科學(xué)，2013，30(2):168-177．

［21］ 李亞剛，李文龍，劉尚儒，秦蘭蘭．基于遙感技術(shù)的甘南牧區(qū)草地植被狀況多年動態(tài)［J］．草業(yè)科學(xué)，2015，32(5):675-685．

［22］ Geng L，Ma M，Wang X，Yu W，Jia S，Wang H． Comparison of eight techniques for reconstructing multi-satellite sensor time-series NDVI data sets in the Heihe River Basin，China［J］．Remote Sensing，2014(6):2024-2049．