贵州喀斯特高原地处云贵高原东部^[18], 位于我国西南部(图1), 是青藏高原隆起时形成的一个海拔梯度大、地貌条件复杂、生态环境极为脆弱的独特单元^[16], 地势起伏呈现明显的东低西高趋势。在碳酸盐岩广泛分布的地质环境和温暖湿润季风气候的背景下, 该区域海拔从90 m抬升至2 890 m, 跨越24° -29° N, 103° -109° E, 总面积为1.76× 10⁵ km²。其中, 喀斯特地貌出露面积占73%, 属于我国乃至世界亚热带锥状喀斯特分布区面积最大、发育最强烈的一个高原山区^[19]。贵州省的植被类型图(1:1 000 000)来源于张新时^[20]主编的《中华人民共和国植被图》, 电子地图从中国科学院寒区旱区科学数据中心得到。通过该图鉴计算得到贵州省植被类型主要包括栽培植被、灌丛、草丛、草甸、针叶林、阔叶林和针阔叶混交林, 其占贵州省植被面积的比例分别为24.44%、35.24%、15.15%、2.70%、17.82%、4.64%和0.01%(图1)。

图1

Fig.1

	Figure Option ViewDownloadNew Window
	图1 研究区概况Fig.1 Geographical distribution of study area

本研究中使用的NDVI数据来源于先进型分辨率辐射仪(advanced very high resolution radiometer, AVHRR)卫星的全球库存建模与制图研究传感器(global inventory modeling and mapping studies, GIMMS)。当前, AVHRR NDVI产品已发展到第3代^[21], 称为AVHRR GIMMS NDVI 3 g产品, 空间分辨率为(1/12)° 。AVHRR GIMMS NDVI 3 g产品是唯一持续从1980s更新至2010s的NDVI数据集^{[14, 22]}。每半个月有一景NDVI产品, 全年包括24景影像。去除1981年的半年数据, 本研究选用的NDVI产品时间范围为1982年1月到2011年12月, 包含完整的30年数据, 共720景影像。

为了去除云和雪, 以及气溶胶对NDVI数据的影响^{[21, 23]}, 采用最大合成法, 将每个月内2景产品合成为1景月尺度数据, 使得一年24景NDVI影像转化成对应于12个月的数据。同时, 该产品已经在部分地区经过验证^{[5, 12, 24]}, 结果表明, GIMMS NDVI产品适宜于长时间序列的植被生长状况分析^[1]。

将GIMMS NDVI 3 g原始数据旋转180° , 根据4个基准点的地理定位坐标分别为90.0-(1/24)° 、-180.0+(1/24)° 、-90.0+(1/24)° 和180.0-(1/24)° , 通过地理校准方法(误差控制在万分之一以内)将NDVI数据转化成投影类型为WGS-84的TIF文件, 采用ArcGIS10.1处理。

NDVI数据中除NDVI值之外, 还包括数据质量控制f数值, 计算方法如下:

f=NDVI-floor(NDVI/10)× 10+1 (1)

NDVI=floor(NDVI/10)/1 000(2)

式中:f表示质量控制文件的数值, NDVI为数据值, floor()表示向下取整函数。f取值范围从1到7, 具体含义为, 1-2、3-6和7分别代表该点象元值是优良值、插值填补后数值(受云和传感器影响)和缺失值。本研究中的NDVI数据全部选取f数值为1和2的象元值。

利用最小二乘线性回归方法^{[1, 5]} 分析贵州省1982年到2012年30年间的植被生长状况, 公式如下所示:

y_t=a+bx_t+ε (3)

x_t=1, 2, 3, …, 30

式中:y_t是NDVI序列, x_t是第t年, a和b代表线性回归方程的参数, a是截距, b是斜率, 代表植被变化率, ε 为方程误差。

在长时间序列的NDVI数据分析中, 通常会存在反映植被生长在时间尺度上产生突变的拐点(turing point, TP), 可以通过分段线性方程计算得到, 方法如下:

y_t = (a0+b1xt+ε, xt≥j, j∈{4, 6, …N-4}a0+b1xt+b2(xt-j)+ε, xt> j)(4)

式中:y_t和x_t的含义如式(3)中所示, j是GIMMS NDVI数据出现TP的年份, a₀、b₁和b₂代表回归系数, ε 为误差。在TP前的斜率是b₁, 在此之后斜率为b₁+b₂。在这里通过j ∈ {4, 6, …N-4} 来控制TP前后年份^[1]。

贵州省30年间的平均NDVI最大值为0.946 4, 最小值为0.622 9, 整体上而言, 东部区域的植被生长状况明显好于西部区域(图2)。其30年间的变化率显示, 大部分区域都呈现植被生长转优趋势, 仅毕节市和赫章县及其周边地区植被处于明显转劣的状况。

图2

Fig.2

	Figure Option ViewDownloadNew Window
	图2 贵州省NDVI在1982-2011年间的分布状况Fig.2 Geographical distribution of NDVI in Guizhou province from 1982 to 2011

贵州省的NDVI在30年间的变化中, 存在两个植被生长突变点(TP), 分别出现在1985年和1993年(图3), 以上结果与在欧亚大陆^[5]和亚洲大陆^[1]得到的TP分别出现在1997年和2008年不同。不过, 喜马拉雅山脉克溪流域也发现两个TP, 分别出现在1994年和2000年^[7]。

在1982年到2012年整个时间段内, 贵州省的植被NDVI数值, 每年显著增加0.002 1(P< 0.001)。其中, 1982年到1985年间, 它每年的增长率为0.006 3(P< 0.001); 1985年到1993年呈现相反的变化趋势, 每年存在0.004 9(P< 0.001)的递减率; 1993年到2011年, 再次出现每年0.003 9(P< 0.001)的增长率。

图3

Fig.3

	Figure Option ViewDownloadNew Window
	图3 NDVI在1982-2011年的年变化率曲线Fig.3 Interannual variations of annual mean NDVI from 1982 to 2011 for the entire Guizhou Province

不同植被类型具有不同的生物化学特征^[26], 这些特性可能会导致不同的植被变化情况^[2]。为了了解贵州省不同植被类型的变化规律和机理, 根据我国1:1 000 000植被类型图^{[6, 20]}, 贵州省的植被主要划分为栽培植被、灌丛、草丛、草甸、针叶林、阔叶林和针阔叶混交林。其中, 栽培植被在大类里被定义为栽培植被, 其他6种定义为自然植被。

对栽培植被、草地和林地分析表明, 其结果在变化趋势上相似, 在数值上存在差异(图3)。在30年间整体上, 栽培植被和林地的NDVI年增长速率一致, 都为0.00 22(P< 0.05); 草地略小于这两类植被, NDVI增长率为0.002 1(P< 0.05)。在1982年到1985年间, 栽培植被和草地的NDVI增长率相似, 分别为0.006 3(P< 0.05)和0.006 6(P< 0.05); 而林地的NDVI增长率较小, 为0.005 4(P< 0.05)。在1985年到1993年间, 草地的NDVI减少率最大, 为0.005 0(P< 0.05); 之后依次为林地和栽培植被, 分别为0.004 8(P< 0.05)和0.004 6(P< 0.05)。在1993年到2011年, 栽培植被的NDVI增长率最高, 为0.004 0(P< 0.05); 草地和林地的NDVI增长率相同, 为0.003 8(P< 0.05)。

在1982年到2011年间, 贵州省植被年内NDVI月变化规律如图4所示。1、2月份植被生长位于最低点, 之后开始显著增长, 在7、8月份达到峰值, 从9月份开始显著下降, 一直持续到12月份。同时, 12月份的植被生长状况要优于1、2月份。

图4

Fig.4

	Figure Option ViewDownloadNew Window
	图4 贵州省1982-2011年NDVI月变化规律 注:误差线大小为SE, 样本数为30, 通过0.05显著性检验。Fig.4 NDVI distribution in different months of one year in Guizhou Province Note:Values are means± SE (n=30) and bars indicate SE. Different lower case letters indicate significant difference at 0.05 level. (Duncan’ s test).

表1展示了1982年到2011年贵州省年度内各月的NDVI整体变化律, 其各月30年间整体变化率与图2中贵州省全省、栽培植物、草地和林地的NDVI变化状况存在明显差异。1月份每年有0.002 5的显著降低趋势(P< 0.05), 4月和5月每年分别有0.005 0和0.004 4的显著增长, 同时11月和12月每年分别有0.002 4和0.001 5的增长(P> 0.05), 其它月份在30年间的变化率并不明显。

表1

Table 1

表1(Table 1)

表1 1982-2011年贵州省年均各月NDVI整体变化率 Table 1 The 30-year series of monthly mean NDVI date from 1982 to 2011 over Guizhou Province 月份 Month NDVI整体变化率 Overall trend 年份Year TP1之前变化率 Trend before TP1 TP1和TP2之间的变化率 Trend between TP1 and TP2 TP2之后的变化率 Trend after TP2 TP1 TP2 Jan. -0.002 5* 1994 1999 -0.005 8* 0.027 3* -0.008 5 Feb. 0.000 3 1987 2000 0.018 4 -0.007 7* 0.002 6 Mar. 0.000 4 1998 - 0.001 6 - -0.004 3 Apr. 0.005 0* * 1990 1994 0.0075 -0.037 4* * 0.004 3 May 0.004 4* * 2005 - 0.001 6* - 0.020 4* Jun. 0.000 3 1989 2008 -0.004 8 - 0.000 4 Jul. 0.001 0 - - - - - Aug. 0.000 0 1993 - -0.006 6* * - 0.002 2* Sep. 0.000 8 1986 1993 0.023 7* -0.017 7* * 0.000 9 Oct. 0.000 2 1989 2003 0.001 6 -0.005 0 0.004 1 Nov. 0.002 4 - - - - - Dec. 0.001 5 1990 - 0.010 0* - -0.000 6 Note:“ * ” and “ * * ” indicate significant correlation at 0.05 and 0.01 level, respectively; TP1 and TP2 are the turning point of NDVI in 1985 and 1993, respectively. 注:以“ * ” 表示在0.05水平上显著相关; “ * * ” 表示在0.01水平上显著相关。TP1为1985年的NDVI突变点, TP2为1993年的NDVI突变点。

表1 1982-2011年贵州省年均各月NDVI整体变化率 Table 1 The 30-year series of monthly mean NDVI date from 1982 to 2011 over Guizhou Province

植被生长突变点(TP)在各月数据中出现的年份也明显不同。存在两个TP点数据的月份包括6个月, 分别为1月(1994年和1999年)、2月(1987年和2000年)、4月(1990年和1994年)、6月(1989年和2008年)、9月(1986年和1993年)和10月(1989年和2003年)。存在一个TP的月份包括4个月份, 分别为3月(1998年)、5月(2005年)、8月(1993年)和12月(1990年)。7月和11月不存在TP。

已有研究^[27]表明, 长时间序列的NDVI中误差来源主要包括以下几个方面:1)传感器的不一致; 2)天气变化造成的干扰(如云、灰尘、气溶胶和积雪覆盖); 3)地表变化引发的干扰(如火灾和植物病、虫害)。

本研究中所使用的AVHRR GIMMS NDVI 3 g产品本身的时间覆盖范围十分广泛, 因此完全可以克服传感器不一致的问题^[1]。同时, 很多学者^{[12, 22, 24, 28, 29, 30]}也指出NDVI最大合成方法能够有效克服天气原因造成的NDVI误差。有关地表变化造成的NDVI变化, 在本研究中不做具体分析。因为, 一方面相比无植被分布区域其变化并非十分剧烈^[1]; 另一方面GIMMS NDVI的像元分辨率较低, 一个像元点覆盖的面积约为64 km², 在其影像中会对一些局部区域做出“ 平滑” 处理。

近100年来, 全球气候逐渐变暖, 特别是在20世纪末的20 多年中, 增温异常迅速, 甚至在20世纪90年代时全球平均气温出现有观测资料以来的最高值^[31]。受全球变暖的影响, 贵州省不同区域的植被也表现出不同的增长趋势。同样, 已有研究^[22]指出, 在北半球纬度35° 到75° 的地域内植被呈现显著增长的状况。P在欧亚大陆, 1982年到2006年NDVI的年增长率为0.000 5^[5]。同时, 植被生长主要分为两个阶段。在1982年到1997年之间NDVI表现为增长, 年增长率为0.001 8; 在1997年到2006年之间NDVI表现为减少, 年减少率为0.001 3。在全国范围, 指出在1982年到1999年这18年间, NDVI在春季上升最快、最显著, 平均每年以1.3%的速度增长^[2]。青藏高原地区NDVI在1982-2003年的年增长率为0.000 5^[32]。在更小的局部区域, 如克溪地区的NDVI在1998-2011年的年增长率为0.000 8^[7]。在1994年前NDVI的增长率为0.001 9, 1994年到2000年NDVI减少了0.005 8, 2000年之后NDVI的增长率为0.003 4。在甘南州夏河县桑科草原上, 对生物量的研究指出, 该区域的生物量干质量在2000年到2013年的年增加趋势为50.57 kg· hm^-2(R²=0.590 7, P< 0.001)^[33]。同时, 其它研究^[34]也指出植物群落丰富度增加同气候变暖的相关性很高。

降雨与NDVI存在良好和显著的线性关系, 通常是影响植被生产力的最关键因素之一^[35]。研究表明, 贵州省的植被具有明显的变好趋势, 同时降水也存在不同程度的升高, 从区域上看, 降水量呈现明显的从东南部向西北部递减的趋势^[36], 与本研究中NDVI变化率的分布结果一致。

地表植被变化是人类活动和气候因素共同作用的结果^[37]。贵州省许多地区存在人口密度高、人均受教育年限低、经济社会发展落后的特点, 而且居民耕种方式落后、环保意识薄弱, 进而促使当地耕地单产低下^[38]。传统观念中的小农意识和“ 多子多福” 观点直接导致当地人口增长速度明显高于全国平均人口增速, 当现有人口增长超过土地资源本身的承载力时, 在落后的生产方式条件下, 会造成“ 越穷越生, 越生越穷” 的恶性循环。贫困, 也不可避免的使得人们不断的毁林开荒, 来满足对耕地和粮食的需求, 进而导致植被生态环境趋于恶化。