基于MODIS-NDVI的塔城地区植被覆盖动态变化

Vegetation cover dynamics in Tarbagatay Prefecture based on MODIS-NDVI

摘要

目的 研究20 a塔城地区植被覆盖动态变化与土地利用之间的关系。 方法 基于塔城地区2001~2020年植被生长比较旺盛月份（6~9月）的MODIS-NDVI产品数据和2000、2010以及2020年土地利用数据，运用Google earth engine平台、Theil-Senmedin趋势分析、Mann-Kendall检验、像元二分法、变异系数等工具和方法。 结果 塔城地区多年平均植被覆盖度介于0.32~0.46之间，以低、中低植被覆盖度为主，高植被覆盖度区主要集中于西北部和中部；2001~2020年，塔城地区植被覆盖度以0.38%/a的变化率呈现波动增长趋势；植被覆盖改善区（72%）大于退化区（26%），沙湾市和乌苏市南部、塔城市以及额敏县改善较为明显；弱变异和中等变异为该区域植被覆盖度变异主要类型；塔城地区主要的土地利用变化特征是未利用地向草地的转化以及草地向耕地的转化，未利用地在草地和耕地的补充与占用中发挥了重要作用；植被覆盖度与土地利用类型存在响应联系，未利用地面积的显著减少区域与植被显著增加区域高度重合，说明未利用地对植被覆盖度的贡献最大。 结论 反映出在研究时段内塔城地区未利用地的环境得到改善，荒漠化防治等生态修复工作取得显著成效。

Abstract

Objective Mann-Kendall test，like element dichotomy and coefficient of variation were used to study the relationship between vegetation cover dynamics and land use in Tarbagatay Prefecture over the last 20 years. Method Based on the MODIS-NDVI product data for June to September 2002-2020，and land use data for 2000，2010，and 2020，this paper investigates the relationship between vegetation cover dynamics and land use in Tarbagatay Prefecture over the last 20 years using Theil-Senmedin trend analysis，Mann-Kendall Theil-Senmedin trend analysis. Result The multi-year average vegetation cover in Tarbagatay Prefecture ranges from 0.36~0.46，with low and medium-low vegetation cover mainly，and high vegetation cover mainly concentrated in the north-western and central part of the area，From 2002 to 2020，the vegetation cover in Tarbagatay Prefecture shows a fluctuating trend with a change rate of 0.31%/a，The area of improved vegetation cover (72%) is larger than the area of degraded vegetation cover (26%)，and the improvement is more obvious in Shawan and southern Wusu，Tarbagatay and Emin; weak and medium variation are the main types of vegetation cover variation in the region，The conversion of unused land to grassland and grassland to cropland is the main land use change characteristic of Tarbagatay Prefecture，and unused land plays an important role in the replenishment and occupation of grassland and cropland，There is a large overlap between the significant decrease in unused land and the significant increase in vegetation cover，indicating that unused land is the largest contributor to vegetation cover. Conclusion The results show that the environment of unused land has been improved and that ecological restoration work，such as desertification control，has achieved significant results during the study period.

Graphical abstract

关键词

NDVI / 植被覆盖 / 时空变化 / 土地利用变化图谱 / 塔城地区

Key words

NDVI / fractional vegetation coverage / spatial and temporal change / geo-spectrum of land-use change / Tarbagatay Prefecture

Author summay

李孟泽，硕士研究生。E-mail：[e-mail]

植被是陆地生态系统中不可或缺的一部分^［1］，连接水、土壤、大气等生态要素，被视为生态环境的敏感指示器，对稳定生态系统服务功能至为重要^［2-3］。植被变化是生态学研究的重点问题之一^［4］，探究植被变化规律与特征，有助于了解区域环境变化趋势，为科学制定开发政策提供科学支撑，直接服务于区域生态环境的可持续管理。

目前，广泛使用NDVI进行地区和全球区域的植被以及生态环境监测的指标因子，同时NDVI也是反演植被覆盖动态变化的最佳指标^［5］。反演植被覆盖度常用像元二分模型，该模型是利用NDVI数据的提取植被的覆盖度，在很大程度上减少了气候、土壤背景和植被类型对研究的影响，具有良好的普适性^［6-7］。前人已经有较为丰富的研究成果：穆少杰等^［8］基于MODIS-NDVI数据反演了内蒙古2001~2010年植被覆盖度时空的变化特征，并结合降雨量以及温度数据，探究了植被变化对于气候变化的响应；齐亚霄等^［9］基于2001~2015年天山北坡MODIS-NDVI遥感数据，利用像元二分模型提取植被覆盖，结合时间、地形和面积加权重心分析植被覆盖空间分布特征的动态变化，研究表明海拔高度与天山北坡植被覆盖具有相关性；李叶林等^［10］将植被指数与像元二分模型相结合，研究了呼伦贝尔草原2000~2016年植被空间分布的年际变化，发现植被覆盖度年际变化与降水关系密切；王思等^［1］基于MODIS-NDVI数据，利用像元二分模型、趋势分析结合土地利用变化图谱，探究了广东省20 a间植被覆盖时空变化对于土地利用类型变化的响应，发现植被覆盖变化与土地利用变化具有响应联系；何宝忠等^［11］利用MODIS-NDVI数据，对新疆2005~2015年植被覆盖度演变趋势进行分析，发现新疆植被覆盖度总体为上升趋势。

近年来，有研究指出，全球气候变化背景下，新疆正经历暖干—暖湿的转变^［12］，而干旱区植被敏感于水热组合变化，新疆植被变化研究已成为近年研究的热点问题^［13］。区域生态环境是社会经济发展的重要基础，探究新疆植被变化能够，有利于生态环境保护，促进社会、生态环境、经济协调发展。随着塔城地区土地利用类型的变化，该地区的植被空间分布也产生了一定的变化。地学信息图谱分析法常被用于土地利用变化的研究^［14］，该方法通过图谱单元来记录空间和时序复合信息^［15］，然而，将土地利用变化图谱与植被覆盖变化的相结合的研究较少。

因此，本文将基于RS、GIS技术，结合MODIS-NDVI数据，采用像元二分法、土地利用变化图谱特征分析分析以及线性回归分析等方法，研究2001~2020年间塔城地区植被覆盖时空分布特征，最后分析土地利用与植被覆盖之间相互影响的驱动关系。

1 材料与方法

1.1 研究区概况

塔城地区位于新疆维吾尔自治区的西北部、伊犁哈萨克自治州的中部，东北与阿勒泰地区相邻，东部以玛纳斯河为界与昌吉回族自治州及石河子市相连，地处N 43°25'~47°15'，E 82°16'~87°21'之间，属中温带干旱和半干旱气候区。其土地利用特点为牧地多，林地少，利用比较粗放；耕地后备资源丰富。其土地利用特点为牧地多，林地少，利用比较粗放；耕地后备资源丰富。研究区内野生药用植物有贝母、麻黄、芍药、野百合等四十余种，经济类植物有芦苇、野蔷薇和野巴旦杏等。

1.2 数据来源及处理

研究所用NDVI数据获取自MOD13Q1数据集，该产品采用最大值法将逐日NDVI图像合成为16 d的NDVI，空间分辨率为 250 m，时间范围为2001~2020年。通过Google earth engine（GEE）平台调用MOD13Q1数据集，采用最大值合成法（MVC）得到每年 NDVI_max数据，并计算得到植被覆盖度数据，利用GEE重采样得到空间分辨率为30 m数据集。

研究所用土地利用数据空间分辨率为30 m，选取2000年、2010年和2020年3期土地利用数据，来源于中国科学院资源环境科学与数据中心（https：//www.resdc.cn/）。

研究所用气温、降水数据来源于国家科技基础条件平台—国家地球系统科学数据中心（http：//www.geodata.cn）。

1.3 植被覆盖度计算

NDVI=NDV{I}_{\mathrm{v}\mathrm{e}\mathrm{g}}+NDV{I}_{\mathrm{s}\mathrm{o}\mathrm{i}\mathrm{l}}

式中：NDV{I}_{\mathrm{v}\mathrm{e}\mathrm{g}}是绿色植被全覆盖区域的NDVI值，NDVI_soil是裸地全覆盖区域的NDVI值。

基于像元二分模型对植被覆盖度进行提取：

VFC=(NDVI-NDV{I}_{\mathrm{s}\mathrm{o}\mathrm{i}\mathrm{l}})/(NDV{I}_{\mathrm{v}\mathrm{e}\mathrm{g}}-NDV{I}_{\mathrm{s}\mathrm{o}\mathrm{i}\mathrm{l}})

式中：VFC是植被覆盖度，选取置信度99.5%和0.5%的NDVI分别作为NDVI_veg和NDVI_soil。参考《土壤侵蚀分类分级标准》^［16］，将植被覆盖度划分为5个等级。

1.4 植被覆盖年际变化趋势

1.4.1 Theil-Sen Median趋势分析

Theil-Sen Median趋势分析是一种稳健的非参数统计的趋势计算方法^［19］。计算公式为：

\beta =\mathrm{m}\mathrm{e}\mathrm{a}\mathrm{n}\left(\frac{x_j-x_i}{j-i}\right),\forall j>i

式中：x_i，x_j 为序列数据。若β大于零，则表示上升趋势；反之表示下降趋势式中，1<i<j<n。β是计算 n（ n－1）/2 个数据组合的斜率的中位数，用以量化单调趋势。当β＞0 时，反映了这一时间序列的植被数据呈增强趋势；反之，则呈现出衰减趋势。

1.4.2 Mann-Kendall检验

Mann-Kendall（MK）检验是一种非参数检验方法且适用于长时间序列数据的趋势显著性检验方法^［17］。式中，当Z的绝对值大于1.65、1.96和2.58时分别表示在置信度为90%、95%、99%水平下，使用Matlab 2014b进行趋势检验。

式中：

S={\displaystyle \sum _{i=\mathrm{1}}^{n=\mathrm{1}}}{\displaystyle \sum _{k=i+\mathrm{1}}^n}sign\left(NDV{I}_k-NDV{I}_i\right)

var\left(s\right)=\frac{n\left(n-\mathrm{1}\right)\left(\mathrm{2}n+\mathrm{5}\right)}{\mathrm{18}}

式中：NDVI_k 和NDVI_i 为样本时序数据集合，n为数据集合长度，sign为符号函数。在给定显著性水平α 下，当| Z_{c| ＞u1－α/2时，表示研究的时间序列数据在α水平上显著的变化，其中，±Z1-α/2是标准正态偏差。Z=±2.58表示显著性水平α=0.01，Z=±1.96表示显著性水平α=0.05，Z = ±1.65 表示显著性水平α= 0.10。}

1.4.3 植被覆盖度稳定性

变异系数（coefficient of variation，CV）被定义为样本标准差与样本均值的比值，也称作离散系数，是统计学中判定样本值离散程度的常用方法之一。因此，可以通过观察NDVI 的变异系数（CV_NDVI）以分析植被变化的年际波动^［18］。其计算公式为：

CV=\frac{\sigma }{\mu }

\mathrm{\sigma }为表示样本标准偏差，\mu表示样本均值，按照变异系数划分为弱变异（CV＜0.1）、中等变异（0.1≤CV＜1）以及强变异（CV≥1）。

1.4.4 偏相关分析

简单相关分析表示2个独立变量之间的相关程度，用于分析NDVI与温度和NDVI与降水之间的相关性，偏相关分析则假定当其中一个变量不变时，其他两个变量之间存在的相关性，并以偏相关系数表示，其公式如下^［19］：

R_{xyz}=\frac{r_{xy}-r_{xz}{r}_{yz}}{\sqrt[]{\left(\mathrm{1}-r_{xz}^{\mathrm{2}}\right)\left(\mathrm{1}-r_{yz}^{\mathrm{2}}\right)}}

其中R_{xyz}的值在［-1，1］区间内，绝对值越接近于1，则表明变量间相关性越强。r_{xy}、r_{xz}、r_{yz}分别是NDVI-降水、NDVI-气温以及降水-气温的相关系数。

一般运用t检验对偏相关系数的显著性进行检验，其公式如下：

t=\frac{r_i}{\sqrt[]{\mathrm{1}-r_i^{\mathrm{2}}}}\sqrt[]{n-\mathrm{2}}

其中n为样本数，r_i 为偏相关系数。通过查t检验分布表，可得到不同显著性水平的临界值t_{\alpha }，本研究n=20，通过查表得出t_{\alpha }=2.110，\left|t\right| > t_{\alpha }，则表示偏相关显著，反之偏相关不显著。

1.5 土地利用变化图谱分析

1.5.1 建立土地利用变化图谱

目前，不同时期的土地利用数据主要用于叠加分析。对不同时期土地利用数据的叠加分析可以反映一段时间内土地利用类型的变化，从而产生土地利用变化图谱^［20］。具体操作公式为：

C=\mathrm{10}\times A+B

式中：C为表征研究时段内单元栅格的土地利用变化特征；A为前一期的单元栅格的利用类型代码；B为后一期的单元栅格的利用类型代码。

1.5.2 土地利用变化图谱特征分析

土地利用的变化比率指标可以明显的表达土地利用的变化特征，计算公式如下^［21］：

C_{ij}=A_{ij}\times \mathrm{100}\mathrm{\%}/{\sum }_{i=\mathrm{1}}^n {\sum }_{j=\mathrm{1}}^n A_{ij}(i\ne j)

式中，C_{ij}表示变化比率；A_{ij}分别表示初期（t）第i种土地类型转变为末期（t+Δt）第j种土地利用类型的图谱的面积；n是土地利用类型的个数。

2 结果与讨论

2.1 植被覆盖时空分布特征

2.1.1 植被覆盖度的空间分布特征

通过2001~2020年塔城地区植被覆盖度等级空间分布格局（图2）。可以看出，塔城地区52.40%以上的区域处于低植被覆盖度，中低覆盖度、中等覆盖度、中高覆盖度以及及高覆盖度分别占研究区总面积的15.68%、13.33%、12.28%和6.31%。从空间分布来看，塔城地区植被覆盖具有较高的聚集性，高植被覆盖度主要集中在额敏县、乌苏市、塔城市以及沙湾市，因该区域主要以丘陵、冲积平原为主，是地区内耕地的主要分布区域，故该区域的植被覆盖高于其他地区；由于和布克赛尔蒙古自治县全境处于古尔班通古特沙漠，故植被覆盖度最低。

2.1.2 植被覆盖度的年际变化特征

分析2001年至2020年研究区域的平均植被覆盖度发现（图3），2001~2020年塔城地区平均值被覆盖度在0.32和0.46之间变化，整体变化率为0.38%/a。根据研究区域植被覆盖统计分析的结果，发现：从2001年到2020年，研究区域植被覆盖率高的区域呈现出总体增长趋势，中高覆盖度和低覆盖度面积呈现减少态势，中低、中等覆盖度面积大致呈现波动状态。由统计分析（图4）结果得出，高覆盖度植被面积所占整体面积的比例大致在6%~15%之间，其中2008年占比最低，为6.90%，2019年占比最高，为15.73%；低植被覆盖度面积所占比例在33%~52%，其中2016年占比最低，为33.47%，2008年占比最高，为52.83%；中低、中等以及中高覆盖度面积所占比例在10%~21%。从总体来看，高植被覆盖度面积所占整体面积的比例呈现波动增长趋势，这与塔城地区2001~2020年NDVI的时空变化态势一致。

2.2 植被覆盖度变化趋势及稳定性分析

2.2.1 植被覆盖度变化趋势分析

随着各种生态工程和生态恢复政策的实施，塔城地区的植被覆盖率总体上趋于改善。由结果（图5~6，表1）可以得出：植被覆盖度改善区域面积占比（18.98%）大于退化区域（1.68%），2001~2010年间，植被退化较为严重，后十年植被状况明显改善；植被覆盖度未显著变化区域大约占研究区总面积的77.28%；植被改善区比植被退化区大得多，研究区域内植被生长呈积极态势；塔城地区西北部、东北部和中部的植被覆盖率增加，是耕地的主要分布区；植被减少区域主要分布于植被覆盖度增加区域的四周，以及西部地区，这在一定程度上表明，人类活动在改善植被覆盖方面发挥了积极作用；从各县市来看（表2），极显著和显著改善区主要集中在沙湾市、乌苏市以及和布克赛尔蒙古自治县；从面积差来看，沙湾市极显著变化面积差最大，这表明近20 a的荒漠化防治等生态修复工程取得显著成效，如通过保障库鲁斯台草原生态用水，减少地下水的开采等措施，努力恢复库鲁斯台草原自然生态环境，逐步让受伤的库鲁斯台草原恢复元气。

2.2.2 植被覆盖度稳定性分析

由统计分析结果（图7）。得出以下结论：99%以上地区的植被稳定性介于低变异和中等变异之间，植被相对稳定。西北、东部和南部主要为低变异区，中变异区分布广泛，以中部为主。强变异区所占比例较小，零星分布在南部山区，该区域受人类活动扰动较小，则说明该区域的强变异性主要是自然因素所导致。

2.3 土地利用变化图谱特征

2.3.1 图谱单元变化的数量特征

研究时段内，塔城地区存在30类土地利用变化图谱（表3，图8）。从变化比率来看，未利用地向草地以及草地向耕地的转化（编码63和31）占图变化总量的51.13%，是研究时段内塔城地区最主要的土地利用变化类型。未利用地的被占用与补充比率相差最大，被占用比率（44.91%）大于补充比率（18.50%），相差26.41%，呈现出未利用地面积减少的主要特征；其次为耕地，耕地的补充比率（24.32%）大于被占用比率（3.45%），相差20.86%，结果表明，在研究期间，耕地的补充超过了耕地的占用率，耕地数量明显增加；林地和水域的面积大幅减少，占用林地的比例（12.22%）高于补充比例（3.66%），相差8.66%，水域被占用比率（7.94%）大于补充比率（1.80%），相差6.14%；建筑用地占用率和补给率之间的差距很小，总体变化不大。塔城地区整体呈现出草地、耕地补充，未利用地、林地和水域被占用的土地利用变化特征。

2.3.2 未利用地和草地变化模式的图谱特征

通过融合2000、2010以及2020年3期土地利用数据，从而进一步研究了未利用地向草地的变化模式以及，构建并得到其变化模式图谱。由变化模式图谱特征（表4）可以得出以下结论，塔城地区的草地利用变化模式在后期占主导地位，前期和反复变化次之，持续变化相对较小；未利用地的变化趋势中后期变化占主导地位，其次是前期变化，重复变化和持续变化相对较小。

（1） 期变化型。前期变化型是指土地类型仅在2000~2010年间转移。在草地的前期变化模式中，“草地→耕地→耕地（编码311）”（62.66%）和“草地→未利用地→未利用地（编码366）”（28.14%）占总变化面积的90.8%，其中“草地→耕地→耕地（编码311）”为主要转移类型，所占比例远大于其他类型，面积达1 193 km²；在未利用地的前期变化模式中，“未利用地→草地→草地（编码633）”（57.06%）和“未利用地→耕地→耕地（编码611）”（39.14%）占本阶段总面积的96.2%，其中“未利用地→草地→草地（编码633）”是该阶段主要变化类型，面积为1 089.16 km²。

（2） 后期变化型。后期变化是指仅在2010~2020年间变化的土地类型。草地后期变化模式中“草地→草地→耕地（编码331）”（42.87%）和“草地→草地→未利用地（编码336）”（40.85%）为主要转移类型；未利用地中则是“未利用地→未利用地→草地（编码663）”（89.16%）为主要转移类型。

（3） 反复变化型和持续变化型。反复变化型模式下草地和未利用地利用类型以“草地→未利用地→草地”（43.15%）和“未利用地→草地→未利用地”（64.49%）为主要变化类型；持续变化型模式下草地和未利用地利用类型以“草地→林地→耕地”（24.91%）和“未利用地→草地→耕地”（36.91%）为主要变化类型。

结合上述结果，可以得出未利用地在草地的补充过程中发挥了至关重要的作用；草地在耕地的补充过程中发挥着主要作用。

2.3.3 植被动态与土地利用变化响应

从2001~2020年塔城地区植被和土地利用的变化特征得出（图5、图9），植被动态变化最主要的形式是改善，占比达61.38%。植被改善区以未利用地向草地转化为主，说明植被覆盖的变化受土地利用类型之间的转化作用的影响。土地利用变化图谱比较明显的是“未利用地→草地（编码63）”图谱单元类型，其次是“草地→耕地（编码31）”，其分布区域与植被极显著改善区域大致相似，则说明未利用地的有效治理是植被覆盖度显著增加的主要原因。

对2000年、2010年和2020年不同土地利用类型面积变化图（图10）的分析表明，同一时期图像中不同土地利用的面积比例发生了显著变化，耕地面积继续增加；草地总面积先减少后增加，符合草地变化图的特征，主要表现为草地向耕地的转化。林地和水域的面积首先减少，然后稳定；城乡、工矿、住宅用地的增长趋势相对较低；未利用地面积持续减少，这与前期变化模式保持一致，主要是向耕地、草地的转变为主。

综上所述，可以发现该区域植被覆盖度明显上升的趋势，以及未利用地面积的显著减少，可以说明未利用地对植被覆盖度的贡献最大。

2.4 气候因子对植被覆盖度影响分析

2.4.1 相关性分析

本文基于2001~2020年国家科技基础条件平台—国家地球系统科学数据中心的气温及降水量数据，分别与NDVI计算偏相关系数。由图12可以看出，研究时段内塔城地区气温和植被偏相关系数在-0.86~0.81区间内，降水与植被的偏相关系数在-0.83~0.90区间内。由图11和表5可知，塔城地区的植被分布与降水、气温变化正相关的区域均大于负相关，其中受降水影响呈显著正相关的区域面积占比为16.44%，主要分布在托里县、裕民县以及和布克赛尔蒙古自治县；不显著正相关的区域面积占比为66.29%；显著负相关的区域面积占比为0.33%；不显著负相关的区域面积占比为16.94%，主要分布在塔城市和额敏县。受气温影响呈现显著正相关的区域面积占比为1.29%；不显著正相关的区域面积占比为56.79%；显著负相关区域面积占比为0.98%；不显著负相关区域面积占比为40.94%。综上所述，塔城地区的植被分布受降水的影响大与气温，正相关区域大于负相关区域。

3 讨论

NDVI 是植被变化监测使用最为广泛的指标之一，NDVI 斜率能够有效指示植被的变化方向和强度，因而，人们通常利用时间序列 NDVI 斜率揭示植被变化^［22］。在过去几十年中，利用不同的遥感数据（MODIS、Landsat等），对不同空间和时间尺度上植被覆盖的动态变化进行了大量研究^［23-24］。在以往的大量研究中表明，我国总体的植被覆盖度有明显的改善^［25］。本研究得出塔城地区的植被覆盖度有明显提高趋势的结论，与何宝忠^［11］、齐亚霄^［9］等得出的新疆、天山北坡植被覆盖变化趋势基本一致。监测植被及其生态环境变化对于生态环境极为脆弱西北干旱区极为重要^［26］。随着“三北防护林”工程的深入实施，塔城地区生态文化旅游示范区的划定以及荒漠化治理工程的进一步实施，塔城地区的植被覆盖度可能持续改善。

研究表明，塔城地区的植被呈现出绿化的趋势，这一结论与前人的研究结果基本一致^［27］。在新疆地区，植被变化主要涉及稀疏植被、草地和农作物等类别。一方面，随着植被类别的变化，包括稀疏植被、草地和农作物等在内的植被的归一化植被指数（NDVI）显著增加。另一方面，稀疏植被、草地和农作物之间的转变也是导致NDVI增加的重要原因。塔城地区位于内陆深处，蒸腾作用旺盛，降水稀缺，植被覆盖较为稀疏，主要以低覆盖度和中低覆盖度为主。人口主要集中在绿洲地区，高山和荒漠地区人类活动较少，这与植被覆盖的分布情况基本一致。以上研究结果表明，塔城地区的植被在过去的时间内呈现出绿化的趋势，这可能受到植被类别变化和转变的影响。这对于塔城地区的生态环境管理和可持续发展具有重要意义。然而，需要进一步深入研究，结合气候变化、人类活动和土地利用等多因素，综合分析植被变化的驱动机制和生态效应。

国内外有关研究表明，人为干扰的土地利用变化和自然环境因子在时间与空间上的差异是影响植被覆盖度的重要因素^［28］。土地利用类型的转变过程中短时间序列的人为干扰和长时间序列的生态系统功能改变是植被覆盖变化的重要驱动力^［29］。研究结果还表明，该区域的植被与土地利用类型之间存在着反馈关系，土地利用类型的变化是土地利用变化的一个重要驱动因素。未利用地面积的显著减少区域与植被显著增加区域高度重合，说明未利用地对植被覆盖度的贡献最大，荒漠化的恢复和防治等生态修复工作取得显著成效。

近年来，新疆地区的气候变化现象引人注目。特别是在冬季，新疆西北部地区的气候变暖现象变得更加显著。同时，在夏季，新疆东部地区也呈现出明显的气候变暖趋势。此外，在冬季，新疆北部地区的降水量也出现了显著的增加，表现出明显的增湿现象^［30］，塔城地区也呈现出相同变化趋势。

4 结论

基于NDVI数据和多期土地利用数据，探讨了20 a来塔城土地利用变化和植被覆盖变化之间的关系，并得出以下结论：

1） 塔城地区多年平均植被覆盖度介于0.32~0.46之间，高植被覆盖度区主要分布在塔城市、额敏县、沙湾市以及乌苏市，低植被覆盖度区分布范围较广，22%的区域处于中高植被覆盖度及以上，植被的分布具有明显的空间聚集性，这与塔城地区的地势特征、水资源分布、土地利用类型以及经济发展的水平存在显著相关性。塔城地区植被覆盖度整体以0.38%/a的变化率呈波动性增长趋势，16.30%的区域植被覆盖呈显著或极显著退化，分布主要集中于塔城地区西北部，高植被覆盖度区域面积大致呈增趋势，塔城地区植被覆盖呈正增长的区域面积占比达61.37%。塔城地区的土地利用类型变化主要呈现以下2个特征：未利用地的占用和草地的补充在变化过程中具有至关重要的作用，反映出未利用地在研究时段内的环境得到改善；未利用地向草地的转换是2001~2020年塔城地区的主要变化类型。

2） 塔城地区植被覆盖度稳定性大部分属于弱变异，其次是中等变异，强变异所占比例极小。

3） 研究区域的植被覆盖度和土地利用类型之间存在响应关系。土地利用类型的变化是植被覆盖变化的主要驱动因素之一。未利用地面积的显著减少区域与植被显著增加区域高度重合，说明未利用地对植被覆盖度的贡献最大，荒漠化的恢复和防治等生态修复工作取得显著成效。

4） 塔城地区植被指数与降水量和气温具有较好的相关性，正相关面积占比分别为82.73%和58.08%，研究区降水量与气温正相关。植被指数与降水量负相关的区域主要分布在额敏县和塔城市，这是因为该区域主要为耕地，该地区农业生产主要以灌溉为主，故对降水的依赖程度较弱。

参考文献

[1] 王思，张路路，林伟彪，等.基于MODIS-归一化植被指数的广东省植被覆盖与土地利用变化研究［J］.生态学报，2022，42（6）：2149-2163.

[2] 杜加强，高云，贾尔恒·阿哈提，等.近30年新疆植被生长异常值时空变化及驱动因子［J］.生态学报，2016，36（7）：13.

[3] Li C， Wang R， Cui X，et al.Responses of vegetation spring phenology to climatic factors in Xinjiang，China［J］.Ecological Indicators，2021，124.

[4] Liu Y， Li L， Chen X，et al.Temporal-spatial variations and influencing factors of vegetation cover in Xinjiang from 1982 to 2013 based on GIMMS-NDVI 3g［J］.Global and Planetary Change，2018，169：145-155.

[5] 张超.浙江省植被覆盖动态监测与森林景观更新技术研究［D］.杭州：浙江农林大学，2011.

[6] 何全军，曹静，张月维.基于MODIS的广东省植被指数序列构建与应用［J］.气象，2008（3）：37-41.

[7] 陈云浩，李晓兵，史培军，等.北京海淀区植被覆盖的遥感动态研究［J］.植物生态学报，2001（5）：588-593.

[8] 穆少杰，李建龙，陈奕兆，等.2001-2010年内蒙古植被覆盖度时空变化特征［J］.地理学报，2012，67（9）：1255-1268.

[9] 齐亚霄，张飞，陈瑞，等.2001~2015年天山北坡植被覆盖动态变化研究［J］.生态学报，2020，40（11）：3677-3687.

[10] 李林叶，田美荣，梁会，等.2000~2016年呼伦贝尔草原植被覆盖度时空变化及其影响因素分析［J］.生态与农村环境学报，2018，34（7）：584-591.

[11] 何宝忠，丁建丽，张喆，等.新疆植被覆盖度趋势演变实验性分析［J］.地理学报，2016，71（11）：1948-1966.

[12] Yao J， Hu W， Chen Y，et al.Hydro-climatic changes and their impacts on vegetation in Xinjiang，Central Asia［J］.The Science of the total environment，2019，660：724.

[13] Yao J， Chen Y， Zhao Y，et al.Response of vegetation NDVI to climatic extremes in the arid region of Central Asia：a case study in Xinjiang，China［J］.Theoretical and Applied Climatology，2017，131，1503-1515.

[14] 申丽娜，孙艳玲，杨艳丽，等.基于NDVI的三北防护林工程区植被覆盖度变化图谱特征［J］.环境科学与技术，2017，40（4）：70-77.

[15] 张国坤，邓伟，张洪岩，等.新开河流域土地利用格局变化图谱分析［J］.地理学报，2010，65（9）：1111-1120.

[16] 位宏，徐丽萍，李晓蕾，等.玛纳斯河流域植被覆盖度随地形因子的变化特征［J］.中国农业气象，2018，39（12）：814-824.

[17] 张阳阳，刘铁冬，龚文峰，等.2001~2021年海南岛植被覆盖时空动态变化与驱动力分析［J］.甘肃农业大学学报，2023，58（2）：145-154.

[18] Liu Y， Li L， Chen X， al et，et al.Temporal-spatial variations and influencing factors of vegetation cover in Xinjiang from 1982 to 2013 based on GIMMS-NDVI 3g［J］.Global and Planetary Change，2018，169：145-155.

[19] 田智慧，任祖光，魏海涛.2000~2020年黄河流域植被时空演化驱动机制［J］.环境科学，2022，43（2）：743-751

[20] 胡克林，李保国，林启美，等.农田土壤养分的空间变异性特征［J］.农业工程学报，1999（3）：33-38.

[21] 杨爱民，朱磊，陈署晃，等.1975-2015年玛纳斯河流域土地利用变化的地学信息图谱分析［J］.应用生态学报，2019，30（11）：12.

[22] Piao S， Wang X， Park T.Characteristics，drivers and feedbacks of global greening［J］.Nature Reviews Earth & Environment，2020（1）：1.

[23] 盛任，万鲁河.乌伊岭国家级自然保护区植被覆盖演变及其对气候突变的响应［J］.生态学报，2019，39（9）：3243-3256.

[24] 马明国，王建，王雪梅.基于遥感的植被年际变化及其与气候关系研究进展［J］.遥感学报，2006（3）：421-431.

[25] Fan H， Yao W， Fu Q.Segmentation of sloped roofs from airborne LiDAR point clouds using ridge-based hierarchical decomposition［J］.Remote Sensing，2014，6（4）：3284-3301.

[26] 周玄德，郭华东，孜比布拉·司马义，等.干旱区绿洲城市遥感生态指数变化监测［J］.资源科学，2019，41（5）：1002-1012.

[27] He P， Sun Z， Han Z，et al.Dynamic characteristics and driving factors of vegetation greenness under changing environments in Xinjiang，China［J］.Environmental Science and Pollution Research，2021.

[28] 刘军会，高吉喜.气候和土地利用变化对中国北方农牧交错带植被覆盖变化的影响［J］.应用生态学报，2008（9）：2016-2022.

[29] 梁尧钦，曾辉，李菁.深圳市大鹏半岛土地利用变化对植被覆盖动态的影响［J］.应用生态学报，2012，23（1）：199-205.

[30] 张红丽，韩富强，张良，等.西北地区气候暖湿化空间与季节差异分析［J］.干旱区研究，2023，40（4）：517-531.

基金资助

塔城地区生态修复规划研究示范项目（2021~2035年）XGMB202116