郑州师范学院地理与旅游学院，河南 郑州

收稿日期：2023年9月14日；录用日期：2023年12月6日；发布日期：2023年12月15日

摘要

为了了解终南山植被EVI (增强植被指数)的时空变化特征，以MOD13A3数据为基础，基于Hurst指数分析法、稳定性分析法、趋势分析法等方法，探讨了终南山2001~2020年的EVI时空变化特征。结果表明：(1) 空间分布上，绝大部分区域多年平均EVI值在0.4~0.7之间，占总研究区面积的95.459%；时间变化上，终南山多年平均EVI值总体呈波动上升趋势，年均EVI增长率为0.0032/a。(2) EVI值稳定性分析结果表明，研究区EVI值波动较稳定，高波动与较高波动区域面积占比不足2%。(3) 用Hurst指数法结合EVI多年变化趋势综合分析可知，未来研究区EVI值预计以增长为主，预测会改善的区域占总研究区面积的81.225%。

关键词

终南山，EVI，相关性分析，植被覆盖

Analysis of Vegetation Variation Characteristics of MODIS EVI in Zhongnan Mountain from 2001 to 2020

Siyu Huang^*, Qiufang Chang^#

School of Geography and Tourism, Zhengzhou Normal University, Zhengzhou Henan

Received: Sep. 14^th, 2023; accepted: Dec. 6^th, 2023; published: Dec. 15^th, 2023

ABSTRACT

In order to understand the spatio-temporal change characteristics of vegetation EVI (Enhanced vegetation index) in Zhongnan Mountain, based on MOD13A3 data and Hurst index analysis, stability analysis and trend analysis methods, the spatio-temporal change characteristics of vegetation EVI in Zhongnan Mountain from 2001 to 2020 were discussed. The results showed that: (1) In spatial distribution, the average EVI value of most regions was between 0.4~0.7, accounting for 95.459% of the total study area; In terms of time variation, the annual average EVI value in Zhongnan Mountain showed a fluctuating upward trend, and the average annual EVI growth rate was 0.0032/a. (2) The stability analysis results of EVI value show that the fluctuation of EVI value in the study area is stable, and the proportion of the area with high fluctuation and high fluctuation is less than 2%. (3) The Hurst index method combined with the multi-year change trend of EVI shows that the EVI value in the future research area is expected to increase, and the predicted improvement area accounts for 81.225% of the total research area.

Keywords:Zhongnan Mountain, EVI, Correlation Analysis, Vegetation Cover

Copyright © 2023 by author(s) and Hans Publishers Inc.

This work is licensed under the Creative Commons Attribution International License (CC BY 4.0).

http://creativecommons.org/licenses/by/4.0/

1. 引言

随着全球气候变化和社会经济迅速发展，生态环境问题也日益突出，植被覆盖动态监测及其对气候变化的响应成为全球变化的主流研究方向之一 [1] 。归一化差值植被指数(NDVI)和增强植被指数都能反映植被生长变化情况 [2] ，NDVI目前应用广泛，但存在大气噪声去除不彻底、低植被覆盖区易受土壤背景的干扰、高植被覆盖区易饱和等问题 [3] [4] ，而EVI则是对NDVI的算法进行了改进 [5] 。

近年来，随着全球生态环境问题的恶化，国内外学者基于EVI数据对不同地区的植被覆盖变化进行了研究。Setiawan等 [6] 基于2001~2007年MODIS-EVI数据对印度尼西亚爪哇岛植被变化进行研究，结果表明EVI数据的高时间分辨率可以很好地预测未来植被覆盖变化趋势。李美丽等 [7] 对西南地区2000~2015年植被覆盖和EVI时空变化特征进行分析表明，西南地区近15a植被EVI整体呈波动增加趋势。此外，钟鼎杰和杨存建 [8] 对2001~2020年川西高原植被EVI时空变化特征进行分析，得出川西高原植被近20a植被EVI整体增加趋势，并与温度和降水成正相关的结论。

秦岭–淮河一线是中国比较公认的一条极为重要的南北地理分界线，学者们分别从不同的角度对秦岭地区的气候变化特征、植被覆盖区系、山地植被分布与环境梯度的关系，以及植被变化的时空差异进行了研究 [9] 。其中，在植被变化时空差异的研究方面：马新萍等 [10] 通过提取秦岭地区的物候参数，量化分析了气温对研究区植被物候的影响程度；张扬的研究 [11] 则是重点分析了极端气温变化对植被覆盖的影响程度；罗增奇等 [12] [13] 分析了秦岭不同地形区下植被NDVI指数变化情况；还有学者从人类活动与植被变化的角度进行分析，如杨亮彦 [14] 在提出了秦岭地区植被指数动态变化规律后，认为植被退化区主要受到了城镇化的影响。

然而，以上研究均是针对大区域尺度下的秦岭以及部分典型高山作为研究区域，而鲜将终南山作为秦岭中部典型地段的植被变化情况单独研究，即使有研究也集中在历史文化领域。因此，本文选取陕西省境内秦岭中段终南山及邻近县域作为研究区，探讨秦岭典型地区植被覆盖时空变化特征及对地形因子的响应，为下一步探讨植被覆盖度变化影响因素及生态保护方向提供材料分析。

2. 研究区域与研究方法

2.1. 研究区概况

终南山位于秦岭中段陕西省境内(E107˚37′~109˚49′, N33˚41′~34˚22′)，东起蓝田山，西至太白山，总面积约4800 km²，是秦岭主峰之一(图1) [15] 。本文选取的研究区平均海拔高度在200~3700 m之间，最高峰为太白山。研究范围涉及陕西省西安市蓝田县、长安区、鄂邑区、周至县，商洛市柞水县，安康市宁陕县，汉中市佛坪县、宝鸡市眉县、太白县部分地区。

终南山地处中国南北大陆板块碰撞拼合的主体部位，横贯东西，是中国天然的南北气候、生态、地质、地理分界线 [16] 。终南山蕴含丰富的动植物资源，调查显示，终南山世界地质公园有中高等植物约2400种左右，其中有珍稀植物100~300种，药植约600种，花卉900多种；兽类50多种，禽类50多种，有朱鹮、羚牛等保护动物，有“中国天然动物园”、“亚洲天然植物园”之称。对秦岭而言有一定典型性和代表性，研究价值很高。

图1. 研究区范围

2.2. 数据来源与预处理

阅读文献发现 [17] ，当前用于测量反映植被变化的植被指数有很多，其中NDVI是其中应用相对最广泛的一类，但由于NDVI在高覆被区内容易饱和，所以精度会受到一定的限制。程乾等 [18] 认为，相比之下，改进后的增强型植被指数(EVI)数据不容易饱和，相比于NDVI对植被的监测性能更优，更能区别对比区域内的植被分布与变化，提高对高生物量区的敏感度，更适宜高生物量群体的监测。此外，李文梅等 [19] 研究表明MODIS EVI相对于MODIS NDVI更考虑了土壤对植被指数的影响，对气溶胶等也进行了进一步的校正，精度有所提升。秦岭位于中国湿润区半湿润区分界线，且植被密度高，监测数据选择MODIS EVI相对来说更为合适。本文从NASA的官方数据档案中获取了研究区2001~2020年Terra卫星提供的MODIS EVI月合成植被指数数据，数据集为MOD13A3V006，空间分辨率为1 km。通过MODIS 处理工具MRT对MODIS数据进行坐标投影变换、拼接以及重采样处理，处理后的数据转换成WGS_1984_UTM_Zone_48N投影，空间分辨率为250 m，最后用Arcgis软件对研究区进行批量掩膜提取，得到研究需要的终南山地段2001~2020年每月数据。

地形数据采用从地理空间数据云中获得的像元大小为30 m × 30 m的DEM高程数据。经过拼接、裁剪、投影变换等处理得到研究区DEM数据。然后综合考虑终南山范围高程和空间分辨率，以500 m为间隔，将研究区海拔进行重新分级。

2.3. 研究方法

2.3.1. 最大值合成法

采用最大值合成法消除太阳高度角、云、气溶胶、大气等对EVI数据的影响 [20] 。利用Arcgis空间分析工具中的像元统计数据功能将预处理好的研究区月EVI数据进行最大值合成，提取像元单位上一年内最大EVI指数，合成的数据作为研究区2001~2020年EVI数据。

2.3.2. 趋势分析法

趋势分析法是对指标不同时间段的变化趋势进行分析，从而发现问题的一种分析方法 [21] 。论文通过分析植被覆盖年与年之间的变化特征来反映终南山地区2001~2020年间植被指数变化趋势及增长速率。公式为：

${\theta }_{\text{slope}}=\frac{n\cdot {\displaystyle \underset{i=1}{\overset{n}{\sum }}i}\cdot C_i-\left({\displaystyle \underset{i=1}{\overset{n}{\sum }}i}\right)\left({\displaystyle \underset{i=1}{\overset{n}{\sum }}{C}_i}\right)}{n\cdot {\displaystyle \underset{i=1}{\overset{n}{\sum }}{i}^2}-{\left({\displaystyle \underset{i=1}{\overset{n}{\sum }}i}\right)}^2}$ (1)

式中，n表示监测年数，C_i表示第i年的植被指数， $\theta$ 即为回归方程的斜率，取值范围在−1到1之间，当slope大于0时，表示研究地区EVI值呈现增长趋势，当slope小于0时，则表示研究地区EVI值呈现降低趋势。

采用F检验进行趋势的显著性检验，其中显著性表达的是趋势变化的可信程度 [22] 。公式为：

$F=U\times \frac{n-2}{Q}$ (2)

式中，U表示误差平方和，Q表示回归平方和，公式为：

$U={\displaystyle \underset{i=1}{\overset{n}{\sum }}{\left({\hat{y}}_i-\bar{y}\right)}^2}$ (3)

$Q={\displaystyle \underset{i=1}{\overset{n}{\sum }}{\left(y_i-{\hat{y}}_i\right)}^2}$ (4)

式中， $y_i$ 为第i年EVI值， ${\hat{y}}_i$ 为其回归值， $\bar{y}$ 为所研究时段的平均值，n为所研究的年数。根据趋势分析和F检验的结果将变化趋势划分为四个等级：显著改善( ${\theta }_{\text{slope}}>0$ , P < 0.05)；显著退化( ${\theta }_{\text{slope}}<0$ , P < 0.05)；不显著改善( ${\theta }_{\text{slope}}>0$ , P > 0.05)；不显著退化( ${\theta }_{\text{slope}}<0$ , P > 0.05)。

2.3.3. 稳定性分析法

采用变异系数分析研究区20年EVI指数稳定性，公式为：

$C_v=\frac{\sigma }{\bar{C}}$ (5)

式中， $\sigma$ 为研究区2001~2020年的EVI年标准差，公式为：

$\sigma =\sqrt{\frac{1}{n}{\displaystyle \underset{t=1}{\overset{n}{\sum }}{\left(C_i-\bar{C}\right)}^2}}$ (6)

式中， $C_i$ 为研究区第i年EVI指数， $\bar{C}$ 为研究区多年平均植被指数。根据秦格霞等人的研究 [23] 将EVI指数波动性分为四个等级：低波动(C < 0.1)；较低波动(0.1 ≤ C < 0.15)；较高波动(0.15 ≤ C < 0.2)；高波动(C > 0.2)。

2.3.4. Hurst指数分析法

Hurst指数是定量描述时间序列信息长期依赖性的有效方法 [24] 。Hurst指数运算结果可以用来分析研究区未来植被指数变化趋势。定义t表示年份，T表示任意正整数，n表示总年数，x表示年植被指数， $\bar{x}$ 即为2001~2020年总平均植被指数。进行以下植被分析计算：

首先，设立均值序列：

${\overline{x}}_{\left(T\right)}=\frac{1}{T}{\displaystyle \sum _{t=1}^T{x}_{\left(t\right)}}$ $T=1,2,\cdots ,n$ (7)

计算累积离差

$p_{\left(t,T\right)}={\displaystyle \sum _{t=1}^T\left(x_{\left(t\right)}-{\overline{x}}_{\left(T\right)}\right)}$ $1<t<T$ (8)

计算极差

$R_{\left(T\right)}=\underset{1<t<T}{\max }{P}_{\left(t,T\right)}-\underset{1<t<T}{\min }{P}_{\left(t,T\right)}$ $T=1,2,\cdots ,n$ (9)

计算标准差

$S_{\left(T\right)}=\sqrt{\frac{1}{T}{\displaystyle \sum _{t=1}^T{\left(x_{\left(t\right)}-{\overline{x}}_{\left(T\right)}\right)}^2}}$ $T=1,2,\cdots ,n$ (10)

对于比值 $R_{\left(T\right)}/S_{\left(T\right)}\triangleq R/S$ ，若存在 $R/S\propto T^H$ ，则说明分析的时间序列存在Hurst现象，H称为Hurst

指数 [25] 。根据H值的计算结果可以推断EVI序列存在持续性或是反持续性。参照孙天瑶等 [26] 的分类，H的取值范围为在0~1之间，以0.5为分界，代表区域呈现持续性或反持续性，其中H取值为0.35~0.65之间时，区域植被变化呈现弱持续性。分为以下四种情况：(1) 当H取值为0~0.35时，区域植被指数变化呈现强反持续特征。(2) 当H取值为0.35~0.5时，区域植被指数变化呈现弱反持续特征。(3) 当H取值为0.5~0.65时，区域植被指数变化呈现弱持续特征。(4) 当H取值为0.65~1时，区域植被指数变化呈现强持续特征。

3. 结果与分析

3.1. 空间分布特征及时间变化趋势

2001~2020年间，终南山地区多年平均EVI存在显著的空间差异(图2)：研究区总体植被覆盖情况良好，蓝色区域在图上分布占比较大，主要连片出现在1000~2500 m海拔范围内的中高地区，北部中低海拔地区分布较为零散；绿色区域和黄色区域在图上分布占比较小，主要分布在太白山附近高海拔区域以及蓝田县西北部、长安区、鄂邑区北部低海拔地区。

表1显示，绝大部分区域多年平均植被指数在0.4~0.7区间内，占总区域面积的95.459%。其中植被指数在0.6~0.7之间的地区在研究区占比最大，约为49.782%，其次是植被指数在0.5~0.6的地区，约占研究区的28.042%，植被指数在0.4~0.5的地区约占研究区的17.635%。而植被指数在0.4以下或0.7以上的地区占比较少，加起来不到5%。表明研究区年均EVI值分布情况较为良好。

图2. 研究区多年平均EVI空间分布

表1. 研究区不同等级EVI指数面积占比

如图3所示，终南山2001~2020年EVI指数呈波动上升趋势，年均EVI增长率为0.0032/a，最高值出现在2017年，EVI指数为0.6166，最低值出现在2004年，EVI指数为0.5291，两者相差0.0875。

随后，对研究区植被EVI变化趋势进行分析。利用Arcgis栅格计算器对终南山2001~2020年EVI数据进行趋势分析及显著性检验，得到近20年的EVI变化趋势图(图4)。将绿色区域作为改善区，灰色区域为退化区，其中深色区域为变化趋势显著区域，浅色区域为变化趋势不显著区域。图中显示代表显著改善的深绿色区域占比最大，代表显著退化的深灰色区域其次，表明研究区植被覆盖变化趋势具有显著性，且以显著性改善为主，其中北部鄂邑区、长安区以及蓝田县西部低海拔地区呈现大面积的显著退化趋势。代表变化趋势不显著的浅色区域分布较为零散，且占比较少，各个县域皆有分布，其中长安区、蓝田县北部、鄂邑区、宁陕县以及西部太白山海拔2000 m以上区域分布较密集。

图3. 研究区EVI指数年均变化趋势

图4. 研究区EVI值多年变化趋势

基于研究区20年EVI值趋势分析结果，将变化趋势分为四个等级。如表2所示：按显著性与非显著性变化区分，92.588%的区域EVI值变化显著，7.412%的区域EVI值变化不显著，表明研究区多年EVI值变化趋势呈现显著性特征；按改善与退化趋势区分，85.693%的区域多年EVI值呈现上升趋势，14.307%的区域多年EVI值呈现下降趋势，表明研究区多年EVI值总体呈现向好改善的趋势。其中81.246%的区域EVI值呈显著改善趋势，占比最大。

表2. 不同变化趋势区域面积占比

3.2. 稳定性分析

研究区变异系数平均值为0.079，小于0.15，表明变化相对稳定，但在空间分布上仍存在一定的分异。基于终南山地区20年EVI值稳定性分析计算结果和实际情况，将变异分为四个等级。如表3所示：终南山变异系数集中分布在小于0.1的区间，面积约为9535.813 km²，占总面积的84.929%，该地区植被指数处于低波动状态。12.982%地区变异系数在0.1~0.15之间，面积约为1457.563 km²，该地区植被指数处于较低波动状态，二者共占总研究区面积的97.911%，剩下的植被指数高波动与较高波动区域面积占比不到2% [27] ，表明研究区多年EVI值不稳定区域占比极少。

表3. 研究区EVI值不同等级稳定性占比

随后，对终南山地区多年平均EVI植被指数稳定性空间差异进行分析(图5)：绿色区域代表低波动区域，变异系数小于0.15，其中深绿色区域变异系数小于0.1，在研究区中占比最大，表明研究区大部分地区EVI指数变化稳定，红色区域代表高波动区域，变异系数大于0.15，代表区域EVI指数存在离散现象，在研究区中占比较小，主要分布在蓝田县、长安区和鄂邑区北部部分地区。

图5. 研究区EVI值多年稳定性

3.3. 未来变化趋势预测

研究区EVI的Hurst均值为0.61，表明终南山地区EVI值变化与目前总体保持一致。基于研究区20年EVI值Hurst指数运算结果，将变异划分为四个等级。如表4所示：大部分地区植被指数变化呈现弱持续性，面积为6312.625 km²，占总区域面积的56.22%，部分区域植被指数呈现强持续性，面积为4213.063 km²，占总区域面积的37.52%，表明93.74%区域变化趋势将会持续到未来，6.26%区域未来变化趋势与现在相反。

表4. 不同等级持续性下EVI指数面积占比

研究区多年平均EVI植被指数持续性分析(图6)：根据Hurst指数运算结果进行重分类，蓝色区域(Hurst指数大于0.5)代表区域EVI指数变化呈现持续性，占研究区的绝大部分；棕色部分(Hurst指数小于0.5)代表区域EVI指数变化呈现反持续性变化，呈零散分布。

图6. 研究区EVI指数持续性分析

将EVI植被指数变化趋势与Hurst指数进行叠加分析，预估未来变化。

表5显示，研究区未来EVI指数预测会改善的地区占总面积的81.225%，预测会退化的区域占总面积的18.775%。其中49.334%地区呈现弱持续改善，接近总区域面积的一半，占比最大，其次是呈现强持续改善趋势的地区，占总面积的30.998%，而预测退化强烈的区域占总面积的6.617%。

表5. 研究区EVI指数未来不同变化趋势面积占比

随后，对研究区未来EVI指数预测趋势空间差异进行分析：图7中，绿色区域代表EVI指数预测会改善的地区，灰色区域代表EVI指数预测会退化的区域。未来植被退化区依旧集中在北部鄂邑区、长安区以及蓝田县西部低海拔地区。

图7. 研究区EVI指数未来变化趋势预测

4. 结论

本文以秦岭典型地段终南山为主要研究区域，基于MOD13A3数据中的EVI指数以及ASTER GDEM数据处理结果分析了终南山2001~2020年植被覆盖度时空变化特征及研究区植被指数变化对地形因子的响应。主要结论如下：

(1) 总体上，研究区绝大部分多年平均植被指数在0.4~0.7之间，占总面积的95.459%，年均EVI呈现波动上升的总趋势，年均EVI增长率为0.0032/a，区域植被变化也以显著性改善为主要趋势，显著改善区占总面积的81.246%，表明终南山地区总体EVI分布情况良好。

(2) 年EVI值大部分地区波动较低，稳定性良好，变异系数在0.15以下的地区约占研究区总面积的97.91%，表明研究区EVI指数总体稳定性良好。叠加分析Hurst指数与EVI值变化趋势，结果表明，研究区未来EVI值变化趋势以大面积改善为主，预测会改善的区域占总区域面积的81.225%。

(3) 低海拔的鄂邑区、长安区北部、蓝田县西部以及高海拔的太白山附近县域植被覆盖情况堪忧，植被指数波动较高，大面积区域呈现退化趋势，且未来仍会持续，植被呈现低覆盖、高波动以及显著性退化的特征。

项目资助

2023年度河南省社科联调研课题(SKL-2023-963)；郑州师范学院“课程思政”示范课程(KCSZSFKC-222030)。

文章引用

黄思玉,常秋芳. 基于MODIS EVI数据分析2001~2020年终南山植被变化特征
Analysis of Vegetation Variation Characteristics of MODIS EVI in Zhongnan Mountain from 2001 to 2020[J]. 地理科学研究, 2023, 12(06): 727-737. https://doi.org/10.12677/GSER.2023.126069

参考文献