殷崎棟,柳彩霞,田 野

1 陜西生態(tài)環(huán)境規(guī)劃設(shè)計(jì)院有限公司, 西安 710075 2 中國(guó)科學(xué)院空天信息創(chuàng)新研究院遙感科學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室, 北京 100101 3 中國(guó)科科學(xué)院城市環(huán)境研究所城市環(huán)境與健康重點(diǎn)實(shí)驗(yàn)室, 廈門 361021

陸地植被是大氣、巖石圈、土壤圈、水圈和生物圈相互作用的產(chǎn)物。它是連接氣候變化、人類活動(dòng)和生態(tài)系統(tǒng)的一個(gè)重要環(huán)節(jié)。氣候和人類活動(dòng)是控制和影響植被空間分布及其變化的基本驅(qū)動(dòng)力[1-2],辨別氣候和人類活動(dòng)影響區(qū)域?qū)τ诶斫夂凸芾淼乇碇脖环浅Ｖ匾?特別是在干旱和半干旱地區(qū),因?yàn)樵谶@些地區(qū),年降雨量相對(duì)較低,年降雨量波動(dòng)性較大。在辨識(shí)人類活動(dòng)造成的影響程度時(shí),氣候的變異性很難將植被中的自然變化與直接人類活動(dòng)引起的自然變化分開[3- 6]。鑒于土地退化或者綠化工程可能在幾十年內(nèi)逐步發(fā)生,對(duì)植被的觀測(cè)時(shí)間序列必須一致,因此遙感技術(shù)成為監(jiān)測(cè)并分析植被變化的一項(xiàng)可靠技術(shù)。遙感觀測(cè)的植被指數(shù),由于具備統(tǒng)一的觀測(cè)基準(zhǔn)和長(zhǎng)時(shí)間序列特征,可以定量描述植被覆蓋和植被生產(chǎn)力的變化。利用歸一化差異植被指數(shù)(NDVI)和氣候因子的關(guān)系,可以研究人為和自然因素引起的植被變化[6- 8]。RESTREND算法是一種從NDVI趨勢(shì)中消除氣候影響的方法[9],基于氣候數(shù)據(jù)和植被指數(shù)進(jìn)行土地退化的檢測(cè)[3, 9]。早期的RESTREND算法通過計(jì)算年最大NDVI、生態(tài)系統(tǒng)生產(chǎn)力和降水之間的線性回歸來(lái)控制影響植被的氣候要素的變化[4, 9],然后從線性回歸關(guān)系中預(yù)測(cè)的NDVI與觀測(cè)NDVI之間的差異,得到NDVI殘差,之后對(duì)殘差進(jìn)行線性趨勢(shì)分析,該分析結(jié)果被認(rèn)為是人類活動(dòng)引起的地表植被變化。然而,由于降水量和植被指數(shù)之間的線性關(guān)系存在不穩(wěn)定性。當(dāng)在時(shí)間序列的中間發(fā)生退化時(shí),這種線性關(guān)系可能會(huì)發(fā)生改變,導(dǎo)致不可靠的結(jié)果[5]。因此,檢測(cè)植被變化是否引起植被與降水之間的線性關(guān)系(也稱為斷點(diǎn))至關(guān)重要。遙感產(chǎn)品在時(shí)間序列上的斷點(diǎn)檢測(cè)已應(yīng)用于土地覆蓋制圖[10- 12]和森林管理[13-14]。已有研究表明,當(dāng)在植被與降水之間的關(guān)系中斷時(shí)檢測(cè)斷點(diǎn)時(shí),可以改善植被變化檢測(cè)精度[3,5,15]。時(shí)間序列分割和殘差趨勢(shì)分析(Time Series Segmentation and Residual Trend, TSS-RESTREND)是由Burrell, Evans[6]提出,加入了斷點(diǎn)檢測(cè)的RESTREND算法,成功用于檢測(cè)澳大利亞全國(guó)的植被變化情況[6,8],能夠改進(jìn)對(duì)變化區(qū)域和變化方向的檢測(cè)。

陜西省地處中國(guó)大陸腹地,是水土流失、沙化等環(huán)境問題最嚴(yán)峻的地區(qū)之一。自1999年起,陜西省相繼啟動(dòng)并實(shí)施了生態(tài)環(huán)境建設(shè)綜合治理工程、天然林資源保護(hù)工程、退耕還林工程、重點(diǎn)防護(hù)林工程、水土保持工程和天然草場(chǎng)恢復(fù)與建設(shè)工程等一批重點(diǎn)生態(tài)建設(shè)工程,使陜西省特別是陜北地區(qū)植被狀況有了明顯好轉(zhuǎn),抑制了陜北毛烏素沙漠南擴(kuò)的勢(shì)頭[16]。最新研究表明,近10多年來(lái),陜西省部分區(qū)域的植被生長(zhǎng)發(fā)生了重大變化。如欒金凱等[17]利用MODIS/Terra NDVI時(shí)間序列遙感影像(2000—2016年)和溫度、降水氣候數(shù)據(jù),分析了17年來(lái)陜西省榆林市的植被指數(shù)空間分布變化規(guī)律,并且利用復(fù)直線回歸法揭示了氣象因素對(duì)植被生長(zhǎng)和演化的影響,榆林市一半以上的區(qū)域人類活動(dòng)對(duì)植被生長(zhǎng)起到了促進(jìn)作用。鄧晨暉等[18]基于MODIS/Terra NDVI時(shí)間序列遙感影像(2000—2015年)、DEM和氣象數(shù)據(jù),采取趨勢(shì)分析、多元回歸殘差法、偏最小二乘回歸法,反映了秦嶺地區(qū)植被覆蓋度變化特征,探究其對(duì)氣候變化和人類活動(dòng)的雙重響應(yīng)機(jī)制。在區(qū)域尺度上,更早的研究集中在關(guān)中[19]、陜北[20- 24]等地。在全省尺度上,韓紅珠等[25]利用MODIS數(shù)據(jù)提取了2001—2016年間的植被物候時(shí)空特征,結(jié)果表明退耕還林工程效益顯著[26-27]。目前,還沒有相關(guān)研究報(bào)道利用公里空間分辨率數(shù)據(jù)從宏觀尺度分析陜西全省的植被綠度時(shí)空變化特征及其人類活動(dòng)影響區(qū)域分析,人類活動(dòng)對(duì)陜西全省植被的影響程度和范圍還缺乏全局了解。本文從全省尺度,細(xì)分為陜北、關(guān)中平原、陜南地區(qū),利用可靠的TSS-RESTREND算法解釋人類活動(dòng)對(duì)陜西省NDVI(2001—2018年)的貢獻(xiàn)影響程度,算法剝離了氣候變化本身對(duì)NDVI的貢獻(xiàn)影響,對(duì)學(xué)者、管理者摸清陜西全省植被綠度的長(zhǎng)時(shí)間序列變化具有重要意義。同時(shí),2019年是陜西省全面實(shí)施退耕還林生態(tài)建設(shè)工程20周年,利用產(chǎn)品一致性較好的遙感時(shí)間序列產(chǎn)品,全面分析近20年來(lái)全省植被變化情況和客觀評(píng)價(jià)生態(tài)建設(shè)工程成效,可為后續(xù)生態(tài)環(huán)境管理提供可靠的本底數(shù)據(jù)。

1 研究區(qū)概況

圖1 研究區(qū)位置意圖Fig.1 Location map of the study area

陜西省地理范圍為105°29′—11°15′E, 31°42′—39°35′ N之間(圖1),地處東部濕潤(rùn)地區(qū)和西部干旱區(qū)的交界地帶,省內(nèi)氣候類型多樣,各地的年均氣溫在7—6℃,屬于典型的大陸性季風(fēng)氣候區(qū)。省內(nèi)地形地貌類型豐富,地勢(shì)特點(diǎn)是南北高,中間低,由西向東傾斜,年降水量受山地地形影響顯著。自北向南可粗略劃分為三大自然區(qū)域,分別為陜北黃土高原區(qū)、關(guān)中平原區(qū)和陜南秦巴山地區(qū)。陜北黃土高原區(qū)包括榆林地區(qū)和延安地區(qū),海拔900—1600 m,地勢(shì)較高,地處干旱、半干旱地區(qū),年均氣溫7—11℃,年降水量約400—600 mm,地區(qū)分配不均,季節(jié)變化大。關(guān)中平原區(qū)由渭河干流以及兩岸支流日久沖積、沉積形成,主要包含西安市、銅川市、寶雞市、咸陽(yáng)市和渭南市,地勢(shì)相對(duì)較低,海拔在300—800 m之間,中部較為平坦,年均氣溫11—13℃,年降水量約500—700 mm,為溫帶半濕潤(rùn)氣候。陜南秦巴山地處于秦嶺和大巴山系,海拔200—1200 m,主要包括漢中市、安康市、商洛市,水熱條件相對(duì)較好,年均氣溫14—15℃,年降水量約700—900 mm。同時(shí),陜西省地處黃河中游、長(zhǎng)江上中游地區(qū),屬于國(guó)家生態(tài)環(huán)境建設(shè)重點(diǎn)區(qū)域。

2 數(shù)據(jù)和方法

2.1 數(shù)據(jù)來(lái)源與預(yù)處理

本文使用的NDVI數(shù)據(jù)是2001年1月到2018年12月的MODIS NDVI (MOD13A2)數(shù)據(jù),出自美國(guó)國(guó)家航空航天局NASA發(fā)布的EOS/MODIS數(shù)據(jù)產(chǎn)品,空間分辨率為1 km×1 km,時(shí)間分辨率為16 d。MODIS/NDVI產(chǎn)品經(jīng)過了水、云、重氣溶膠等預(yù)處理,保證了數(shù)據(jù)質(zhì)量,被廣泛應(yīng)用于區(qū)域植被覆蓋變化研究。本文數(shù)據(jù)處理在谷歌地球數(shù)據(jù)云平臺(tái) (Google Earth Engine) 中處理,NDVI數(shù)據(jù)獲取ID為MODIS/006/MOD13A2,利用數(shù)據(jù)集的質(zhì)量控制字段(SummaryQA),選取所有最優(yōu)觀測(cè)值(SummaryQA等于0)的最大值作為月NDVI。

降雨數(shù)據(jù)為1999—2018年陜西省及其周邊省份33個(gè)氣象臺(tái)站的月數(shù)據(jù),來(lái)源于中國(guó)氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)(http://cdc.cma.gov.cn/)。利用薄板樣條空間插值算法[28-29],得到1999年1月至2018年12月的1 km空間分辨率的逐月降水柵格數(shù)據(jù)。

2.2 生長(zhǎng)季NDVI和降水觀測(cè)時(shí)間序列統(tǒng)計(jì)

計(jì)算觀測(cè)異常值。以生長(zhǎng)季(6、7、8月)降水異常值計(jì)算為例,利用生長(zhǎng)季每個(gè)月的降雨插值圖,計(jì)算如下變量：

(1)計(jì)算每一年生長(zhǎng)季降水均值,即3個(gè)月(6、7、8月)的平均值(mm)；

(2)計(jì)算2001—2018年生長(zhǎng)季降水均值(mm)；

(3)用(1)除以(2)得到異常百分比(%)

同樣地,計(jì)算生長(zhǎng)季NDVI異常百分比。為了規(guī)避觀測(cè)數(shù)據(jù)缺失帶來(lái)的誤差,我們沒有計(jì)算6、7、8月的平均值,而只用8月的NDVI來(lái)代表生長(zhǎng)季的NDVI。

2.3 TSS-RESTREND方法

標(biāo)準(zhǔn)RESTREND是由Evans and Geerken[9]開發(fā)并經(jīng)Wessels, Prince[4]等人進(jìn)一步修改。算法基于像素的分析,用于揭示氣候要素和人類活動(dòng)導(dǎo)致的植被生態(tài)系統(tǒng)的退化過程及其規(guī)律[3, 30]。利用最小二乘回歸(Ordinary Least Squares Regression, OLSR),計(jì)算植被凈初級(jí)生產(chǎn)力(Net Primary Productivity, NPP)與降水量的關(guān)系,即植被—降水關(guān)系(Vegetation Precipitation Relationship, VPR),其中NPP用最佳生長(zhǎng)季節(jié)NDVI(NDVImax)表示[5-6],降水量用最優(yōu)累積降水量表示。根據(jù)OLSR模型得到的預(yù)測(cè)NDVImax與每次觀測(cè)NDVImax的差值稱為VPR—?dú)埐頪9]。

yi=β0+β1xi

(1)

式中,yi是VPR—?dú)埐?xi是年份,β0是截距,β1是斜率。

一般情況下,認(rèn)為VPR—?dú)埐畹内厔?shì)與降水無(wú)關(guān),是地表土地變化的表征[9]。利用標(biāo)準(zhǔn)RESTREND算法,必須滿足以下3個(gè)條件[6]：

1)VPR關(guān)系必須是正向(斜率>0)且顯著的。對(duì)顯著的推薦值為：在P<0.05水平上,R2>0.3。

2)VPR—?dú)埐钤跁r(shí)間序列上是單調(diào)函數(shù)[31]。

3)VPR與時(shí)間高度相關(guān),即VPR在時(shí)間序列上具有可比性,例如在研究區(qū)間內(nèi)生態(tài)系統(tǒng)沒有發(fā)生重大結(jié)構(gòu)性變化[5]。

在我們的研究中,最佳生長(zhǎng)季NDVI發(fā)生在夏季,最優(yōu)累積則是通過逐像素計(jì)算累積周期(1—12個(gè)月)和偏移期(1—3個(gè)月)的組合與NDVImax的相關(guān)系數(shù),相關(guān)系數(shù)最高的降水累積量為最優(yōu)累積降水。標(biāo)準(zhǔn)RESTREND算法有一定的局限性,當(dāng)變化的速度和方向在時(shí)間序列中發(fā)生變化時(shí),無(wú)法識(shí)別變化趨勢(shì)[32]。

TSS-RESTREND (Time series segmentation and residual trend) 能克服上述問題,最先被Burrell, Evans[6]提出并用于澳大利亞全境的植被變化分析,該方法的主要目的是首先利用BFAST(Breaks for Additive Season and Trend)算法[33-34]檢測(cè)出NDVI時(shí)間序列的斷點(diǎn)。不像之前的研究應(yīng)用[13, 35],在TSS-RESTREND中的BFAST算法不直接用于NDVI時(shí)間序列,而是用于NDVI—降水關(guān)系的殘差時(shí)間序列上,在此應(yīng)用中關(guān)閉BFAST的季節(jié)成分(Seasonal Component).

TSS-RESTREND首先在研究時(shí)間段內(nèi)利用BFAST算法找出NDVI時(shí)間序列的不一致年份。在每一個(gè)子時(shí)間段內(nèi),利用Chow檢驗(yàn)準(zhǔn)則判定不一致年份對(duì)植被NDVI的影響程度,當(dāng)F檢驗(yàn)在α=0.05水平時(shí),BFAST檢測(cè)的不一致年份并沒有改變植被的結(jié)構(gòu),BFAST檢測(cè)結(jié)果被駁回,對(duì)檢測(cè)出來(lái)的時(shí)間段進(jìn)行前后合并。TSS-RESREND有四種情形：

(1)當(dāng)VPR (α=0.05) 和 VPR—?dú)埐?(α=0.05)顯著相關(guān), 符合標(biāo)準(zhǔn)RESTREND算法。

(2)當(dāng)在VPR—?dú)埐钪袡z測(cè)到不一致年份,Chow檢驗(yàn)同樣要再用于VPR。當(dāng)VPR—?dú)埐?α=0.05)顯著而VPR (α=0.05)不顯著時(shí),采用分段RESTREND算法(segmented RESTREND):

yi=β0+β1xi+β2zi+β3xizi

(2)

式中,xi為年份,zi為啞變量(0 或者1).β0為截距,β1為斜率,β2為斷點(diǎn)處的抵消項(xiàng),β3為斷點(diǎn)處的斜率。

(3)當(dāng)一個(gè)像元在VPR中有顯著斷點(diǎn)時(shí),可能預(yù)示著生態(tài)系統(tǒng)的結(jié)構(gòu)性改變。在這種情況下,假定降雨對(duì)斷點(diǎn)兩側(cè)的影響是一致的假設(shè)就不合理,因此,時(shí)間序列NDVI需要分段分析。為了使兩側(cè)的數(shù)據(jù)有可比性,可以對(duì)降雨進(jìn)行歸一化得到一個(gè)標(biāo)準(zhǔn)項(xiàng):

(3)

式中,zi為標(biāo)準(zhǔn)項(xiàng),xi為觀測(cè)值,μ為時(shí)間序列均值,σ為標(biāo)準(zhǔn)差。利用這個(gè)標(biāo)準(zhǔn)項(xiàng),可以建立如下多變量回歸關(guān)系：

yi=β0+β1xi+β2zi+β3xizii=2001,…,2018

(4)

式中,xi為式(3)計(jì)算的降水標(biāo)準(zhǔn)項(xiàng),zi為啞變量(0 或者1)。β0為截距,β1為斜率,β2為斷點(diǎn)處的抵消項(xiàng),β3為斷點(diǎn)處的斜率。對(duì)一個(gè)像素而言,像元綠度的變化需要包含殘差的變化。

表1 NDVI變化分類

根據(jù)線性擬合得到的F檢驗(yàn)的顯著性水平和斜率，可以將NDVI變化趨勢(shì)分為增加、下降和基本不變(No Significant Change, NSC)；其中增加細(xì)分為劇烈增加(Dramatic Increase,I1)(α<0．01)， 明顯增加(Obvious Increase, I2)(0．01≤α<0．025)， 中等增加(Moderate Increase, I3) (0．025≤α<0．05)和輕微增加(Slight Increase, INC) (0．05≤α<0．1)。下降細(xì)分為劇烈下降(Dramatic Decrease, D1)(α<0．01)， 明顯下降(Obvious Decrease, D2)(0．01≤α<0．025)， 中等下降(Moderate Decrease, D3)(0．025≤α<0．05) 和輕微下降(Slight Decrease, DNC)(0．05≤α<0．1)

(4)不符合上述條件的像素被認(rèn)為不適宜用TSS-RESTREND算法。

根據(jù)上述回歸關(guān)系中的β1和顯著性水平α[7, 36],根據(jù)NDVI殘差與時(shí)間序列的線性擬合,我們利用F檢驗(yàn)的α值將NDVI的變化趨勢(shì)分為9個(gè)等級(jí)(表1)。NDVI下降的趨勢(shì)等級(jí)分為4個(gè)等級(jí),分別為D1 (α<0.01), D2 (0.01≤α<0.025), D3 (0.025≤α<0.05) 和 DNC (0.05≤α<0.1),NDVI增加的趨勢(shì)等級(jí)分為4個(gè)等級(jí),分別為I1 (α<0.01), I2 (0.01≤α<0.025), I3 (0.025≤α<0.05)和 INC (0.05≤α<0.1)。NSC為顯著性水平不通過(α>0.1),表示NDVI無(wú)變化。

3 結(jié)果與討論

3.1 2001—2018年生長(zhǎng)季NDVI時(shí)空分布與統(tǒng)計(jì)分析

圖2展示了陜西省生長(zhǎng)季最大NDVI在2001—2018年間的空間分布。從圖中可以看出,NDVI大小隨緯度變化形成南北差異,隨地形起伏變化形成區(qū)域差異,總體NDVI的空間分布特征與陜西省不同的地形地貌空間(圖1)具有較好的一致性,NDVI時(shí)間序列南高北低,關(guān)中平原包含少量低值區(qū)。

時(shí)間維度上,全省NDVI平均值的年增長(zhǎng)率為0.006/年,如圖3所示。由于2011年研究區(qū)域生長(zhǎng)季受云影響較大,缺失值較多,因此統(tǒng)計(jì)時(shí)去除2011年的NDVI值。該增長(zhǎng)率超過了三北防護(hù)林(0.0007/a)[37]、黃河上游(0.0023/a)[38]和三江源地區(qū)(0.0001/a)[39],這說明退耕還林工程對(duì)陜西省的影響非常顯著。截至2018年,相比18年來(lái)的平均值(圖4),77.29%的區(qū)域大于均值。其中,陜北的榆林、延安大于均值的區(qū)域較大,分別為97.52%和89.03%(表2),秦巴山區(qū)次之,為73.91%。特別是2012年之后, NDVI高值向北逐年推進(jìn)趨勢(shì)明顯(圖2)。

圖2 2001—2018年陜西省年最大歸一化植被指數(shù)Fig.2 Maximum NDVI(Normalized Difference Vegetation Index) in Shanxi in August from 2001 to 2018

表2 NDVI與18年均值(2001—2018年)比較

圖3 2001—2018年陜西省生長(zhǎng)季年NDVI曲線Fig.3 Variations in annual maximum NDVI and abnormal (%) in Shaanxi in August from 2001 to 2018

圖4 2001—2018年陜西省生長(zhǎng)季NDVI異常百分比Fig.4 Maximum NDVI abnormal (%) in Shaanxi in August from 2001 to 2018

3.2 人類活動(dòng)造成的NDVI變化趨勢(shì)與分級(jí)

利用TSS-RESTREND算法計(jì)算得到NDVI變化量如圖5所示。2001—2018年間,陜西省植被綠度受劇烈的人類活動(dòng)影響,NDVI呈增加態(tài)勢(shì),NDVI增加的區(qū)域達(dá)71.77%,而陜北地區(qū)的增加量明顯大于關(guān)中平原區(qū)和陜南秦巴山地,其中陜北的榆林NDVI增加區(qū)域?yàn)?2.11%,延安為86.44%,均超過了全省平均水平,這是由于陜西省北部NDVI增長(zhǎng)與人工造林面積密切相關(guān),有關(guān)研究報(bào)道達(dá)96%以上,說明陜西省北部實(shí)施的退耕還林生態(tài)工程效果顯著,據(jù)統(tǒng)計(jì),2000—2014年間,陜北地區(qū)山地和沙地造林面積達(dá)238.6×102km2[40]。

NDVI減少區(qū)域主要分布在城市周邊,如西安市、咸陽(yáng)市、漢中市、安康市。如圖所示。關(guān)中平原NDVI減少量區(qū)域面積最大,占該區(qū)域的6.04%,秦巴山地次之(1.20%)。

圖6 2001—2018年陜西省綠度分級(jí)Fig.6 Greenness level determined by TSS-RESTREND in Shaanxi from 2001 to 2018 根據(jù)線性擬合得到的F 檢驗(yàn)的顯著性水平和斜率，可以將NDVI 變化趨勢(shì)分為增加、下降和基本不變(No Significant Change, NSC)。其中增加細(xì)分為劇烈增加(Dramatic Increase,I1)(α<0．01)， 明顯增加(Obvious Increase, I2)(0．01≤α<0．025)， 中等增加(Moderate Increase, I3) (0．025≤α<0．05)和輕微增加(Slight Increase, INC) (0．05≤α<0．1)。下降細(xì)分為劇烈下降(Dramatic Decrease, D1)(α<0．01)， 明顯下降(Obvious Decrease, D2)(0．01≤α<0．025)， 中等下降(Moderate Decrease, D3)(0．025≤α<0．05) 和輕微下降(Slight Decrease, DNC)(0．05≤α<0．1)

(3)按照表1所示的綠度分級(jí)規(guī)則,可以將全省人類活動(dòng)引起的NDVI變化量定性分為增長(zhǎng)(INC,I1,I2,I3)、減少(D1,D2,D3)和無(wú)明顯變化(NSC)8類,總體上陜西全省呈變綠趨勢(shì)(圖6)。榆林市和延安市的變綠區(qū)域明顯多于關(guān)中平原和秦巴山地(圖6,圖7),在空間上呈連續(xù)分布,而關(guān)中平原和秦巴山地的變綠區(qū)域大部分呈點(diǎn)狀分布。表3所示的TSS-RESTREND檢測(cè)出的劇烈增長(zhǎng)區(qū)域,延安為55.46%(11935.9km2),榆林為34.34% (13825.7 km2),而陜南為41.03% (14746.8 km2),這說明處于濕潤(rùn)氣候區(qū)的陜南地區(qū)也有顯著變綠趨勢(shì),與已有研究結(jié)果一致[18, 41]。在這里需要說明是,當(dāng)NDVI和降雨量關(guān)系不符合TSS-RESTREND算法適用條件時(shí),該像素不做任何處理。因此,表3的面積統(tǒng)計(jì)未包含算法不適用像元。雖然陜西省位于東部濕潤(rùn)和西部干旱過渡的半干旱地區(qū),降雨要素是影響植被生長(zhǎng)變化的首要?dú)夂蛞?但是局部區(qū)域,如陜南秦巴山地,氣溫和水熱因素也是抑制植被生長(zhǎng)的重要要素。雖然TSS-RESTREND算法可以在算法層面剔除算法不適用的像元,但是人類活動(dòng)對(duì)陜西南部植被的影響結(jié)果還須進(jìn)一步論證。TSS-RESTREND算法內(nèi)置的BFAST時(shí)間序列分析方法可以檢測(cè)出VPR關(guān)系變化年份,從而可以擴(kuò)大RESTREND算法的應(yīng)用區(qū)域,并且可以反映NDVI變化帶來(lái)的生態(tài)累積效應(yīng)。圖7展示了自2001—2018年,TSS-RESTREND檢測(cè)的VPR斷點(diǎn)年份。整體上,斷點(diǎn)年份發(fā)生在2008年之后,這說明自2008年后,原有的植被NPP與降水的關(guān)系被打破,常規(guī)的RESTREND等趨勢(shì)分析算法將不適用。斷點(diǎn)年份發(fā)生在2008年之前的區(qū)域集中在關(guān)中平原西安市周邊以及秦巴山區(qū)的安康市南部。需要說明的是,本文研究區(qū)間雖然是在2001—2018年,但是檢測(cè)的斷點(diǎn)年份卻在2004—2016年,當(dāng)綠度變化發(fā)生在研究時(shí)間段的前3年或者后3年期間時(shí),TSS-RESTREND算法無(wú)法檢測(cè)出斷點(diǎn)年份,這是由于當(dāng)生態(tài)系統(tǒng)結(jié)構(gòu)狀態(tài)的改變需要幾年的適應(yīng)周期,反映在NDVI上,顯示出一定的滯后性[36]。

表3 綠度分級(jí)統(tǒng)計(jì)

圖7 斷點(diǎn)年份檢測(cè)Fig.7 Break year detection in Shaanxi from 2001 to 2018

4 結(jié)論

本文分析了自退耕還林生態(tài)工程實(shí)施以來(lái)的2001—2018年,陜西省NDVI的時(shí)空變化規(guī)律,利用TSS-RESTREND算法剝離了氣候要素(降雨)對(duì)植被NDVI的影響,得到了人類活動(dòng)對(duì)植被變化的影響程度和區(qū)域,主要結(jié)論如下：

(1) 2001—2018年間,陜西省NDVI呈顯著增加,全省平均增加速率為0.006/a;

(2) 相比18年來(lái)的平均值,77.29%的區(qū)域大于均值。其中,陜北的榆林、延安大于均值的區(qū)域較大,分別為97.52%和89.03%,秦巴山區(qū)次之,為73.91%。2012年之后,NDVI高值向北逐年推進(jìn)趨勢(shì)明顯。

(3)在只考慮降雨對(duì)植被的影響前提下,人類活動(dòng)對(duì)植被的變化影響巨大,全省NDVI增加的區(qū)域達(dá)71.77%,而陜北地區(qū)的增加量明顯大于關(guān)中平原區(qū)和陜南秦巴山地,其中陜北的榆林NDVI增加區(qū)域?yàn)?2.11%,延安為86.44%,均超過了全省平均水平。

(4)總體上陜西全省呈變綠趨勢(shì)。榆林市和延安市的變綠區(qū)域明顯多于關(guān)中平原和秦巴山地,延安和榆林的劇烈增長(zhǎng)區(qū)域分別為55.46%和34.34%,而陜南為41.03%,說明處于濕潤(rùn)氣候區(qū)的陜南地區(qū)也有顯著變綠趨勢(shì)。