長江上游近19年植被覆蓋度動態變化及驅動力分析

羅鴻, 楊存建,*

長江上游近19年植被覆蓋度動態變化及驅動力分析

羅鴻1,2, 楊存建1,2,*

1. 四川師范大學地理與資源科學學院, 成都 610066 2. 四川師范大學西南土地資源評價與監測教育部重點實驗室, 成都 610068

為探究2000—2018年來長江上游植被覆蓋度動態變化及驅動力, 基于 2000、2010 及 2018 年 3 期Landsat TM影像, 以長江首城宜賓為例, 對其19年間植被覆蓋度動態變化進行監測。應用ENVI和GIS技術對數據進行預處理, 運用像元二分模型計算植被覆蓋度, 結合主成分分析和相關性分析方法探討其變化的驅動力, 實現對長江上游植被覆蓋度的局部動態分析。這對于長江上游沿岸的生態保護意義重大。結果表明: 1)中植被覆蓋區在2000年和2010年面積占比最大, 而2018年高植被覆蓋度占比變為最大, 宜賓市域整體植被覆蓋度向好的方向發展。2)近19年植被改善和退化面積分別占33.51%、29.48%。退化區域遍布整個研究區, 改善區主要分布在東部邊緣。3)植被覆蓋度隨海拔升高而上升; 隨坡度的增加而呈不同變化; 坡向對植被覆蓋度的影響主要表現在溫度上, 陰坡小于陽坡, 但宜賓正西北方向植被覆蓋度最高, 這是由于西北方向有大面積原始森林。4)研究區植被變化受經濟、社會和人口的共同影響。森林面積、建設用地面積、GDP、總人口、耕地面積等因子是影響研究區植被覆蓋變化的主要驅動力因子。

長江上游; 宜賓; 植被覆蓋度; 像元二分模型; 動態變化; 驅動力

0 前言

植被覆蓋度作為指示生態環境質量的重要工具, 對環境保護和生態效益評價意義重大。植被覆蓋度是刻畫地表植被覆蓋的重要參數, 可以反映不同空間尺度的植被覆蓋情況及變化趨勢[1]。歸一化植被指數(NDVI)對植被的生物物理特征十分敏感, 被用來進行區域尺度的植被分類和植被覆蓋度研究[2]。近年來, 國內外學者利用NDVI遙感數據, 對區域尺度的植被覆蓋動態變化做了較為深入地研究[3–4]。目前不同區域植被覆蓋度的研究熱點集中于: 運用像元二分模型和歸一化植被指數分析植被覆蓋度的時空變化[5–6]; 結合自然和社會因素對植被覆蓋度的驅動力進行分析[7–10]; 運用CA-Markov耦合模型對研究區未來的植被覆蓋動態演變趨勢進行預測[11–12]。目前針對長江上游植被覆蓋度的研究還較少, 且將宜賓市作為典型地區的研究更少。宜賓作為長江首城, 區位優勢意義重大, 此研究不僅可以填補宜賓市植被研究的空白, 還可以對長江上游的植被覆蓋度研究進行補充和完善。因此本研究結合前人的研究和宜賓市實際情況, 以Landsat遙感影像(分辨率為30 m)為基礎數據源, 利用ENVI、Arcgis、SPSS等軟件, 應用像元二分模型, 分別計算提取宜賓市2000、2010年和2018年3期NDVI數據, 對該地區近19年的植被覆蓋動態變化進行監測, 并結合DEM數據和該區的氣象及人文經濟數據進行植被覆蓋度的地形、氣候、人文因子分異研究, 以期望對宜賓市乃至整個長江上游的生態保護有所幫助。

1 材料與方法

1.1 研究區概況

宜賓位于四川省西南部, 所處經緯度27°50’ N—29°16’ N; 103°36’ E—105°20’ E。長江自宜賓零公里處起四季通航, 因此宜賓也被稱為長江首城, 是長江上游的重要樞紐城市。全市地貌以中低山地和丘陵為主。地處亞熱帶季風氣候區, 年均溫18°左右, 年平均降水量1050—1618 mm, 年平均日照數為1000—1130 h。宜賓屬于亞熱帶常綠闊葉林帶, 植被覆蓋度較高。

1.2 數據來源與處理

本研究所選遙感數據來源于地理空間數據云平臺(http://www. gscloud .cn /)提供的Landsat系列影像, 空間分辨率為30 m, 具體數據如下: 2000年和2010年Landsat7 ETM數據、2018年Landsat8 OLI數據, 條帶號為128/40; 128/41; 129/40; 129/41。云霧量均小于10%, 質量良好。所用氣象數據均來自宜賓氣象局實測數據, 統計具有代表性的古塔路氣象站點2000、2010、2018年三期遙感影像數據所處月份的月總降水量、月均溫、月總日照時數。

利用ENVI軟件對3期影像進行輻射定標和大氣校正, 對Landsat 7 ETM數據進行去條帶處理。而后按行政邊界裁剪出研究區范圍。

1.3 研究方法

1.3.1 像元二分模型

又名歸一化植被指數, 能夠表征植被覆蓋的整體狀況, 是指示植被生長形態的重要因子, 與植被覆蓋度之間存在明顯的線性關系, 計算公式為:

=(4-3)/(4+3) (1)

式中,4是近紅外波段反射率;3為可見光紅光波段反射率。對進行歸一化處理, 范圍在-1—1之間。0表示為裸土; 正值越大表示植被覆蓋度越高。

像元二分模型認為像元都是由土壤和植被組成, 像元信息為綠色植被成分所貢獻的信息和土壤成分所貢獻的信息之和, 由此混合像元的值為土壤和植被兩部分植被指數的加權平均和, 權重為每一部分在像元中所占的面積比例[13]。表達式為:

=fNDVI+ (1–f)NDVI(2)

式中:為混合像元的植被指數值,NDVI為純植被像元的植被指數值,NDVI為純土壤像元的植被指數值,f為植被覆蓋度[13]。由此可推導出公式:

f=(–NDVI) / (NDVI–NDVI) (3)

式中:NDVI代表純土壤像元的值, 理論值為0, 受地表濕度、土壤類型、土壤顏色等因素影響, 該值會隨著時空位置而變化。NDVI代表純植被覆蓋像元的最大值, 其理論值為1, 但植被類型以及生長季的不同會造成該值的變化[13]。本文取累積頻率95%和 5%處的, 將其分別作為研究區的NDVI和NDVI參數的值。

1.3.2 植被覆蓋度分級

在參考閱讀文獻的基礎上[13–14], 結合研究區植被覆蓋度的分布情況以及《土壤侵蝕分類分級標準》(SL190—2007), 將植被覆蓋度分為4級(表1):

1.3.3 植被覆蓋度動態變化等級劃分

用差值法[14]對3期影像進行差值運算, 記Δf為植被覆蓋變化值, 則有:

Δf=f–f(4)

式中,f和f分別為前后兩個時期的植被覆蓋度等級。本研究中參考俱戰省等[14]對于植被覆蓋度動態變化的等級劃分, 并結合宜賓市植被覆蓋度實際情況, 對植被覆蓋度變化Δ的等級進行如下劃分: (1)當Δf=3時記為顯著改善; (2) 當Δf=2時記為中度改善; (3) 當Δf=1時記為輕度改善; (4) 當Δf=0時記為不變; (5)當Δf=-3時記為嚴重退化; (6)當Δf=-2時記為中度退化; (7)當Δf=-1時記為輕度退化。

1.3.4 驅動力相關性分析與因子分析

本研究基于下式, 進行相關性分析, 計算氣候要素與植被覆蓋度之間的相關系數, 分析氣候因子與植被覆蓋度間的相關性[15]:

表1 植被覆蓋度分級標準

因子分析是將多個實測變量轉換為少數幾個不相關的綜合指標的多元統計方法[16]。設個可能存在相關關系的測試變量1,2,…,m, 含有個獨立的公共因子1,2, …, F(≤) , 測試變量Z含有獨特因子U(=1,2,…,),U間互不相關, 且與F(=1, 2,…,) 也互不相關, 每個Z可由個公共因子和自身對應的獨特因子U線性表出:

用矩陣表示為:

簡記為:

式中,稱為因子負荷矩陣, 其元素a表示第個變量 () 在第個公共因子F上的負荷, 簡稱因子負荷。如果把Z看成維因子空間的一個向量, 則a表示Z在坐標軸F上的投影。因子分析是通過上述模型, 以代, 由于一般有<, 從而達到降低變量維數的目的[16]。

本研究以《2000—2018年宜賓市統計年鑒》作為基礎數據來源, 在參考大量針對植被覆蓋度驅動力研究文獻的基礎上[7,17–18], 結合宜賓市實際情況, 選取6個代表性指標:1為總人口;2為森林面積;3為耕地面積;4為建設用地面積;5為GDP;6為第一產業占比。利用SPSS軟件計算相關系數矩陣和因子貢獻率, 從而找出最具影響力的驅動因子。

2 結果與分析

2.1 植被覆蓋度等級變化特征

利用像元二分模型計算出研究區2000年、2010年、2018年三個時期的植被覆蓋度, 按照(表1)的分級標準進行分級, 并對各級植被覆蓋度所占面積進行統計, 匯總得到表2。

從表2可看出, 中植被覆蓋度在2000年和2010年面積占比最大, 高達40%左右, 總面積均達到5000 km2以上, 而到2018年有所改變, 高植被覆蓋度面積占比變為最大。中低植被覆蓋度面積在2000—2018年期間先增加后減少。中植被覆蓋度和中低植被覆蓋度所對應的土地利用類型主要為草地、農田等, 幾乎遍布整個研究區。低植被覆蓋度在三個時期所占比例均最少, 分別占6.87%、9.36%、13.1%, 主要土地利用類型為城鄉居民工礦用地和裸地, 其面積在19年間持續增長, 共增加788.1354 km2, 這說明宜賓的城市建設快速發展。高植被覆蓋度區所占面積先減少后增加, 增加和減少的比例基本持平, 其土地利用類型主要是林地和優良的草地。2018年植被覆蓋等級分布發生變化, 占比最大的變為高植被覆蓋度區, 面積為4022.991 km2, 占比為31.86%, 比例比2010年增加了14%, 面積增加了1766.9943 km2, 說明宜賓在2010—2018年間退耕還林還草工作效果顯著。

2.2 植被覆蓋度動態變化特征

利用差值影像算法對三期影像進行處理, 得出研究區2000—2018年間植被覆蓋度動態變化特征圖(圖1)及植被覆蓋度變化等級面積統計表(表3)。

結果表明, 2000—2018年間植被覆蓋度保持不變的面積比例高達30%以上。2000—2010年植被退化比例占30.45%, 改善比例為35.91%, 退化與改善都以輕度為主。2010—2018年間退化與改善并存, 但退化速度更快、面積更廣, 退化面積比改善面積多1599.46 km2。輕度退化和中度退化都比前期加劇了, 而三個程度的改善都明顯減少。2000—2010年間, 植被退化主要分布在北部, 改善區域主要在東部一小塊區域; 2010—2018年間, 植被退化主要分布在整個南面, 而改善區域較小, 改善程度也低。

圖1 2000—2018年研究區植被覆蓋度動態變化

Figure 1 Spatial variation of vegetation coverage about the study area in 2000-2018

表3 植被覆蓋度變化程度面積統計表

總體來看, 19年間植被改善面積(33.51%)多于退化面積(29.48%)。植被退化幾乎遍布整個宜賓市域, 但呈現向西南方向遷移的趨勢; 而植被改善主要分布在東部邊緣地帶, 集中分布在江安縣和興文縣的山區森林帶。2000—2018年來, 宜賓城區不斷擴張, 建設用地面積不斷增加, 植被覆蓋度呈現出下降趨勢, 與此同時, 退耕還林工程的實施, 使得在大面積植被退化的過程中, 山區森林植被成為植被改善的一個明顯增長點。

以2000—2018年植被覆蓋度的空間分布數據計算出不同等級植被覆蓋度面積轉移矩陣(表4、表5)。

從2000—2010年植被覆蓋區轉移情況來看, 1級、2級植被覆蓋區轉為其他等級植被覆蓋的面積少于轉入面積, 面積分別增加了358.48 km2、1841.68 km2; 3級和4級植被覆蓋區轉出面積大于轉入面積, 分別減少了218.3 km2、1981.84 km2。轉出面積最大的是4級植被覆蓋區, 高達2823.49 km2。轉入面積最大的是2級植被覆蓋區, 為3089.49 km2?？煽闯? 在2000—2010年間, 宜賓市處于高速發展階段, 高密度的植被覆蓋面積不斷減少, 而中低植被覆蓋度面積不斷增加。

表4 2000—2010年宜賓各植被覆蓋度等級面積轉移矩陣

表5 2010—2018年宜賓各植被覆蓋度等級面積轉移矩陣

2010—2018植被覆蓋區轉移情況與前期有所不同。1級、4級植被覆蓋區轉為其他等級植被的面積少于轉入面積, 面積分別增加了337.87 km2、1745.92 km2。而2級、3級植被覆蓋區轉出面積大于轉入面積, 分別減少了991.75 km2、1092.04 km2。轉出面積最大的是3級植被覆蓋區, 轉出面積為3056.13 km2。轉入面積最大的是4級植被覆蓋區, 轉入面積為2588.74 km2。以上轉移中, 變化最大的為4級植被覆蓋區, 前期為轉出面積最大的區域, 后期又變為轉入面積最大的區域, 前后兩期轉入和轉出的面積接近, 這說明在后期, 4級植被覆蓋區得到養護從而基本回歸原來的狀態, 向著更好的方向發展。

2.3 植被覆蓋度的地形、氣候、人為因素分異研究

2.3.1 不同海拔高度植被覆蓋度變化

為分析海拔高度對植被覆蓋度的影響, 在參考大量文獻基礎上結合宜賓市實際海拔范圍, 將研究區的DEM數據重分類為4個高程帶, 海拔范圍分別是142—500 m、500—1000 m、1000—1500 m、1500—2004 m, 然后統計不同高程帶2018年植被覆蓋度變化(圖2)。

結果表明, 海拔小于500 m區域, 平均植被覆蓋度最小。1、2、3級植被覆蓋區面積所占比例均大于其他高程帶, 4級植被覆蓋區占比最少僅為11.6%。隨著海拔升高, 4級植被覆蓋區所占比例持續上升, 面積占比增加了82.74%, 而1級、2級、3級植被覆蓋區面積則快速減少。當海拔處于1500—2004 m時, 高植被覆蓋區面積所占比例達到最大值94.33%, 此時平均植被覆蓋度也達到最大。

圖2 研究區各級高程范圍內植被覆蓋度變化

Figure 2 Change of vegetation coverage in different elevation classes of the study area

研究區平均植被覆蓋度隨海拔升高呈持續上升趨勢, 在1000—1500 m高程范圍內出現轉折點, 而后增速放緩。在海拔較低處多為城鎮居民點, 植被覆蓋度較少; 而隨著海拔升高, 植被覆蓋度逐漸增加, 在海拔為1500—2004 m時, 應為退耕還林和森林保護的重點山區, 所以植被覆蓋度最大。

2.3.2 不同坡度植被覆蓋度變化

參照《土壤侵蝕分類分級標準》, 并根據臨界坡度分級法, 利用研究區的DEM數據提取坡度, 而后重分類為6級, 范圍分別是 0—2°、2—5°、5—15°、15—35°、35—55°和55—78°, 統計不同坡度范圍的2018年平均植被覆蓋度(圖3)。

結果表明, 1級、2級植被覆蓋區所占面積比例均隨著坡度的增加而減少, 而3級植被覆蓋區面積所占比例隨著坡度的增大呈先增加后降低的趨勢, 4級植被覆蓋區面積所占比例隨著坡度的增加而增大。

在坡度較低的平坦地區, 人口密集, 對土壤開發利用程度大, 所以植被覆蓋度較低; 隨著坡度不斷增大, 植被覆蓋度也呈現增長趨勢, 但當坡度過大時土壤變薄, 營養成分流失, 逐漸出現山坡、陡壁等, 植被覆蓋度增速變緩甚至開始降低。

2.3.3 不同坡向及氣候因子對植被覆蓋度的影響

將從研究區DEM數據提取的坡向分為9個坡向帶: 平地(0°) 、正北(337.5°—360°和0—22.5°)、東北(22.5°—67.5°)、正東(67.5°—112.5°)、東南(112.5°—157.5°)、正南 (157.5°—202.5°)、西南(202.5°—247.5°)、正西(247.5°—292.5°)和西北(292.5°—337.5°)。統計不同坡向2018年的平均植被覆蓋度(圖4)。

總的來看, 各個坡向的平均植被覆蓋度從大到小依次為: 西北>正北>東北>正東>東南>正西>西南>正南>平地。陰坡植被覆蓋度小于陽坡, 因為陽坡太陽輻射強。而正西北植被覆蓋度最高, 較為反常, 這是因為宜賓的西北面為屏山縣, 此縣有老君山這樣幅員較廣的原始森林, 所以植被覆蓋度最高。

另外, 根據2000、2010、2018年三個時期遙感影像所處月份的月總降水量、月均溫、月總日照時數, 與平均植被覆蓋度進行相關性分析, 其相關系數分別是0.292、0.562、-0.826, 這說明研究區平均植被覆蓋度與溫度明顯正相關, 與降水呈弱相關, 與日照時數呈負相關。因此, 坡向對植被覆蓋度的影響主要表現在溫度上。

圖 3 研究區各級坡度范圍內植被覆蓋度變化

Figure 3 Change of vegetation coverage in different slope classes of the study area

圖 4 研究區各級坡向范圍內植被覆蓋度變化

Figure 4 Change of vegetation coverage in different slope aspect of the study area

2.3.4 人為因素對植被覆蓋度的影響

植被覆蓋度的變化不僅有自然影響, 還受到人為因素的影響。本研究中選取5個人文因子對研究區植被變化的主要驅動力進行分析, 得到表6、表7。從表6中可看出第1主成分和第2主成分的累積貢獻率達到了97.04%, 說明1、2主成分已經能夠準確的反映所需信息。從表7中可知第1主成分與變量森林面積、建設用地面積、GDP、總人口等指標具有顯著的正相關性, 而與第一產業占比負相關性顯著, 表明森林面積、建設用地面積、GDP、總人口等因素對植被變化起著主要推動作用。第2主成分與耕地面積呈現顯著正相關, 這就表明耕地面積變化也會推動植被覆蓋度的變化。

3 討論

3.1 與相關研究成果比較

本文研究結果宜賓市植被退化區域呈現向西北遷移的趨勢, 改善區域分布在東部邊緣地帶與陶帥等[17]的研究結果宜賓的低植被覆蓋重心在2000—2015年總體向西南方向遷移, 較高植被覆蓋重心向東北方向遷移具有一致性。張亮、胡曉曦等運用趨勢分析法探討長江流域植被覆蓋度時空變化特征及其對氣候、人類活動和生態建設工程投入的響應機制[19–20]。劉祖英等從土壤侵蝕的角度綜合解譯分析長江中上游地區植被覆蓋度變化, 以揭示該區域退耕還林工程所取得的成效[21]。于志磊基于恢復生態學和水文學基礎理論, 結合歸一化植被指數, 綜合分析長江流域(宜賓至重慶段)生態水文時空演變規律[22]。上述研究均深入探討了長江上游植被覆蓋度變化規律及其對氣候和人類活動的響應, 采用趨勢分析和重心轉移模型研究植被覆蓋度變化特征, 應用地理探測器和相關性分析方法, 選取部分氣候和社會經濟指標探究植被覆蓋度變化對氣候和人類活動的響應, 與本研究所選方法和指標有所差異, 本研究在參考大量文獻的基礎上, 將氣候因子和人文因子的研究分開, 選用較為經典的相關性分析模型探討氣候因子的影響, 而后利用因子分析選取社會經濟指標探討主要驅動力因素。從研究結果來看, 長江流域植被覆蓋度整體呈現上升趨勢, 但各子流域植被覆蓋度具有區域異質性, 這與本文的研究結果相近。氣溫是植被覆蓋度年際變化的主要影響因素, 人類活動對長江流域植被覆蓋度的影響持續增強, 自長江上游實施退耕還林、天保工程以來, 植被覆蓋穩步增加, 生態建設成效顯著。

表6 特征值及主成分貢獻率

表7 旋轉后主成分載荷矩陣

3.2 不確定性分析

本文的不確定性來自于數據精度和驅動力分析時所選因子的不確定性。所用影像為Landsat系列數據, 分辨率為30 m, 精度不夠高導致植被提取情況不夠準確。所用氣象數據均來自宜賓古塔路站點的實測數據, 雖然此站點所獲數據具有市域代表性, 但部分山區氣候有明顯差異, 使最終結果受到一定影響。因此, 本文對于整個市域大區的研究具有參考意義, 但對于市縣小區域尺度上的研究則參考性不足。在進行驅動力分析時, 雖已參考大量針對植被變化驅動力的研究, 也結合了當地實際情況選取了6個研究因子, 但是對因子的選擇仍不夠完備和準確, 并且每個影響因子的差異性影響在本文中并未進行分析。在未來的研究工作中, 應在進一步提高數據分辨率和數據精度的基礎上, 選取更為全面準確的影響因子進行驅動力分析, 并對各影響因子所帶來的不同影響進行詳盡的探討。

3.3 未來研究展望

本文只探討了總的植被覆蓋度變化驅動力分析, 而區分不同植被類型探討不同地類植被覆蓋度變化的研究還亟待深入。草地、灌木林等主要受溫度、降水和地形等自然因素的影響, 而旱地、水田除了考慮自然因素的影響, 還要考慮人類的耕作行為對農作物生長情況的影響, 不同的耕作行為使該地類表現出的植被覆蓋情況差異明顯。這就需要綜合利用地理學、生態學和農學方面的相關知識, 根據不同地類的耕作規律, 修改動態植被監測模型, 準確模擬研究區不同地類在不同耕作時期的生態系統過程, 為揭示不同耕作狀態下植被覆蓋變化機制、合理制定植被保護措施提供科學依據。

4 結論

本研究結合GIS手段, 運用ArcGIS和ENVI等軟件, 對近19年來的宜賓市植被覆蓋度動態變化進行分析, 得出如下結論:

1、中植被覆蓋度(3級)在2000年和2010年占比最大, 高達40%左右。高植被覆蓋度區域(4級)占比先減少后增加, 增加和減少的比例基本持平。這種表明后期宜賓森林植被得到修復。

2、近19年宜賓植被覆蓋度等級保持不變的面積占比高達30%以上。植被改善面積和退化面積分別占33.51%、29.48%, 退化區幾乎遍布整個宜賓市域, 而植被改善區主要分布在東部邊緣森林帶。

3、研究區平均植被覆蓋度隨海拔升高而上升; 隨著坡度增大也呈現增長趨勢, 但當坡度過大(高于55°), 增速變緩甚至可能出現下降的趨勢; 陰坡植被覆蓋度小于陽坡, 坡向對植被覆蓋度的影響主要表現在溫度上, 而宜賓西北方向有大面積原始森林, 植被覆蓋度最大, 表現出與一般分布規律有所差異。

4、研究區植被變化受經濟、社會和人口的共同影響。森林面積、建設用地面積、GDP、總人口、耕地面積等因子是影響研究區植被變化的主要驅動力因子。

在本研究以前, 針對長江上游植被覆蓋度的研究還較少, 以宜賓市為例的研究更少, 而宜賓作為長江首城, 區位優勢明顯, 加之生態環境相對脆弱, 作為典型研究區意義較大。此研究對長江上游的植被覆蓋度研究進行了補充和完善, 為宜賓乃至長江上游地區未來植被保護與生態環境建設提供科學依據和決策參考。

[1] 賈坤, 姚云軍, 魏香琴, 等. 植被覆蓋度遙感估算研究進展[J]. 地球科學進展, 2013, 28(7): 774–782.

[2] 熊俊楠, 彭超, 程維明, 等. 基于MODIS—NDVI的云南省植被覆蓋度變化分析[J]. 地球信息科學學報, 2018, 20(12): 1830–1840.

[3] Schmidt MWI, Torn M S, Abiven S, et al. Trumbore persistence of soil organic matter as an ecosystem property[J]. Nature, 2011, 478(7367) : 49–56.

[4] Hansen M C, Potapov P V, Moore R, et al. High-R esolution global maps of 21st-Century forest cover change[J]. Science, 2013, 342 (6160): 850–853.

[5] 王國芳, 畢如田, 張吳平, 等. 典型礦區植被覆蓋度時空分布特征及影響因素分析[J]. 生態學報, 2020, 40(17): 1–11.

[6] 張彥彬, 安楠, 劉佩艷, 等. 基于MODIS數據的山西省六大煤田區植被覆蓋度時空變化特征及其驅動力分析[J]. 干旱區地理, 2016, 39(1): 162–170.

[7] 吳思佳, 吳偉, 陳文惠, 等. 基于地理探測器的閩三角城市群植被覆蓋時空變化及影響因素研究[J]. 福建師范大學學報(自然科學版), 2019, 35(5): 81–88.

[8] 肖強, 陶建平, 肖洋. 黃土高原近10年植被覆蓋的動態變化及驅動力[J]. 生態學報, 2016, 36 (23): 7594–7602.

[9] 李登科, 王釗. 退耕還林后陜西省植被覆蓋度變化及其對氣候的響應[J]. 生態學雜志, 2020, 39(1): 1–10.

[10] 彭睿文, 羅婭, 余軍林, 等. 中國西南地區2009—2015年植被覆蓋度變化及其與降雨的關系[J]. 貴州師范大學學報(自然科學版), 2017, 35(5): 15–23.

[11] 魏月茹, 吳風華. 北三縣植被覆蓋度動態變化及其預測[J]. 華北理工大學學報(自然科學版), 2020, 42(3): 33–39.

[12] 吳炳倫, 孫華, 石軍南, 等. 2000—2018年深圳市植被覆蓋動態變化與預測[J]. 應用生態學報: 2020, 31(11): 3777–3785.

[13] 趙明偉, 王妮, 施慧慧, 等. 2001—2015年間我國陸地植被覆蓋度時空變化及驅動力分析[J]. 干旱區地理, 2019, 42(2): 324–331.

[14] 俱戰省, 楊青森, 邢培茹. 1987—2015年嘉陵江源區植被覆蓋度時空變化特征[J]. 地球與環境, 2020, 48(4): 452–460.

[15] 滑永春, 李增元, 高志海. 2001年以來甘肅民勤植被覆蓋變化分析[J]. 干旱區研究, 2017, 34(2): 337–343.

[16] 梁斌, 卓梅霞. 基于SPSS統計軟件的因子分析法及實證分析[J]. 河西學院學報, 2011, 27(5): 45–49.

[17] 陶帥, 鄺婷婷, 彭文甫, 等. 2000—2015年長江上游NDVI時空變化及驅動力—以宜賓市為例[J]. 生態學報, 2020, 40(14): 5029–5043.

[18] 李驪, 張青青, 趙新風, 等. 和田河河岸近17a天然植被動態變化及其驅動力分析[J]. 干旱區資源與環境, 2020, 34(10): 153–159.

[19] 張亮, 丁明軍, 張華敏, 等. 1982—2015年長江流域植被覆蓋度時空變化分析[J]. 自然資源學報, 2018, 33(12): 2084–2097.

[20] 胡曉曦, 第寶鋒, 袁媛, 等. 長江上游生態建設工程與植被覆蓋時空變化的響應特征研究[J]. 長江流域資源與環境, 2016, 25(8): 1264–1272.

[21] 劉祖英, 王兵, 趙雨森, 等. 長江中上游地區退耕還林成效監測與評價[J]. 應用生態學報, 2018, 29(8): 2463–2469.

[22] 于志磊. 區域生態屏障建設及水文效應研究[D]. 北京: 中國水利水電科學研究院, 2016.

Dynamic change and driving force analysis of vegetation coverage in the upper reaches of the Yangtze River in recent 19 years

LUO Hong1,2, YANG Cunjian1,2,*

1. The Institute of Geography and Resources, Sichuan Normal University, Chengdu 610066, China 2. Key Lab of land Resources Evaluation and Monitoring in Southwest, Ministry of Education, Sichuan Normal University, Chengdu 610068, China

In order to explore the dynamic change and driving forces of vegetation coverage in the upper reaches of the Yangtze River from 2000 to 2018, based on Landsat TM images in 2000, 2010 and 2018, the dynamic changes of vegetation coverage about Yibin in the past 19 years was analyzed. The ENVI and GIS technology was applied to preprocess data and the pixel dichotomy model was used to calculate the vegetation coverage, and the driving force of the change was discussed by combining principal component analysis and correlation analysis. This will realize the local dynamic analysis of vegetation coverage in the upper reaches of the Yangtze River, which is of great significance to the ecological protection along the upper reaches of the Yangtze River. The results are as follows. 1)In 2000 and 2010, the proportion of medium vegetation coverage was the largest, while in 2018, the proportion of high vegetation coverage became the largest, and the overall vegetation coverage of Yibin was developing in a good direction. 2)In the past 19 years, the area of vegetation improvement and degradation accounted for 33.51% and 29.48% respectively. The degradation covers the whole city and the improvement is mainly distributed in the forest belt on the eastern edge. 3)The vegetation coverage increased with elevation. It varies with the increase of slope. The influence of slope direction on vegetation coverage is mainly manifested in temperature, so the negative slope is smaller than the positive slope. The northwest direction of Yibin has the highest vegetation coveragel, because there is a wide area of virgin forest. 4)The vegetation change in the study area is affected by economy, society and population. Forest area, construction land area, GDP, total population, cultivated land area are the main driving factors affecting vegetation cover change in the study area.

the upper reaches of Yangtze river; Yibin; vegetation coverage; dimidiate pixel model; dynamic change; driving factor

羅鴻, 楊存建. 長江上游近19年植被覆蓋度動態變化及驅動力分析[J]. 生態科學, 2023, 42(1): 234–241.

LUO Hong, YANG Cunjian. Dynamic change and driving force analysis of vegetation coverage in the upper reaches of the Yangtze River in recent 19 years [J]. Ecological Science, 2023, 42(1): 234–241.

10.14108/j.cnki.1008-8873.2023.01.027

Q948.15

A

1008-8873(2023)01-234-08

2020-12-01;

2021-01-11

國家重點研發計劃項目(2018YFB0505303); 四川省自然資源廳項目”成渝地區雙城經濟圈空間格局與生態文明建設研究”（KJ-2021-4）; 四川省重點研發項目(2020YFG0146)

羅鴻(1998—), 女, 四川宜賓人, 研究生, 主要從事人文地理學研究, E-mail:523445488@qq.com

楊存建, 男, 博士, 教授, 主要從事遙感與GIS應用研究, E-mail:yangcj2008@126.com