摘要：针对黄河口地区植被覆盖的时空变化以及对生态环境的影响，通过近14 a的黄河口的MODIS数据，运用Theil-Sen Median趋势分析+Mann-Kendall检验、最优参数地理探测器和Hurst指数，多时空尺度探讨了黄河口NDVI时空变化规律及其驱动力。结果表明：(1)14 a来，黄河口地区NDVI整体呈现稳定的波动模式。在空间分布上，河口区最低，而东营区和垦利县等地相对较高，显示出从河口向两岸递增的趋势；(2)单因子分析显示，二氧化硫年均值和空气质量指数是影响NDVI的重要环境因素。此外，日照时间与二氧化硫的交互作用在影响NDVI方面表现尤为显著，表明自然条件与人为排放的复合效应显著影响植被分布和健康状况；(3)Hurst指数分析显示，黄河口大部分地区植被未来发展趋势为同向持续性，但河口区等部分区域仍存在退化风险。研究可为黄河口地区植被变化提供科学依据，为该地区的生态保护和资源管理提供决策支持，具有重要的环境保护和社会经济价值。
引用：[1] 李佳瑢,季民,靳奉祥,等. 2010—2023年黄河口地区NDVI时空变化及驱动力分析[J]. 测绘科学, 2024, 49 (09): 81-91. DOI:10.16251/j.cnki.1009-2307.2024.09.009.
0 引言
植被在陆地生态系统中扮演着关键角色，对土壤的形成、气候的调节和生态系统的稳定性至关重要 [1-2] 。作为地球重要的碳储存库，植被通过光合作用吸收二氧化碳并释放氧气，为抵抗气候变化提供了天然的解决方案 [3-4] 。同时，其生长的状态不仅反映了气候变化的直接影响，还能对气候模式产生反馈，使其成为研究气候变化的关键指标 [5-7] 。随着全球气候变化和人类活动的加剧，生态系统遭受了广泛的破坏，其恢复需要复杂的管理策略和长期的时间。因此，植被的动态变化成为全球研究的焦点之一，对于制定环境政策和管理策略提供了基础和指导 [8] 。
黄河口地区作为我国重要的生态过渡带，其生态系统的稳定性和生产力对周边环境及社会经济活动具有深远的影响 [9] 。作为一种高效反映植被生长状况的遥感指标，归一化植被指数(normalized difference vegetation index, NDVI)被广泛用于监测和分析植被覆盖的时空变化以及对生态环境的响应 [10-11] 。随着全球气候变化和区域人类活动的加剧，黄河口地区的生态环境遭受到不同程度的影响。此区域生态系统的变化直接关系到黄河三角洲的生物多样性、地区气候调节以及地方经济的可持续发展。
近年来，研究者们对该区域植被覆盖的动态及其生态因子的影响进行了广泛研究，文献 [12]采用残差法、趋势分析、贡献率计算、重心模型和地理探测器，分析了1981—2019年黄河流域植被NDVI的时空演变格局及其对自然-人为作用的响应机制，证明NDVI空间分布上呈现东南高、西北低的格局，整体呈现波动增加的趋势；文献 [13]使用逐像元线性回归模型、Sen’s趋势分析和Mann-Kendall检验等方法，研究了1982—2020年间黄河流域不同时间尺度的气象干旱时空分布特征，以及其对植被的影响。结果表明，黄河流域多年平均植被覆盖度呈现出从南向北递减的趋势，且由东南向西北递减；文献 [14]采用slope趋势分析和相关性分析等方法，分析了2000—2019年东营市植被覆盖度的时空动态变化及其对土地利用类型变化的响应，得到植被覆盖度呈现先增加后减少的趋势，在2010年达到最高水平，植被覆盖度改善区域面积大于退化区域；文献 [15]采用变化趋势分析、相关分析与残差分析等方法，分析了黄河三角洲自然保护区与孤东油田区NDVI变化特征及其与气象因子的关系，证明其NDVI均呈现波动增大趋势。上述研究揭示了黄河三角洲地区植被覆盖的整体时空变化，以及气象因子的影响分析，忽略了对黄河口地区具体县级尺度的变化趋势，以及县级尺度对 NDVI 空间分异的影响，也未对黄河口地区植被未来的发展趋势进行详细描述，未能较好的量化等自然因素及社会经济条件等多种因子对 NDVI 空间分异的影响力水平。
基于此，本研究利用2010—2023年的遥感影像数据，通过时间序列分析探讨黄河口地区NDVI的变化规律，从整体和区县视角全面分析黄河口地区植被动态及驱动力的变化规律，并分析了黄河口地区NDVI的未来变化趋势，研究成果不仅能为理解黄河口地区植被变化提供科学依据，还将为地区生态保护和资源管理提供决策支持。
1 材料与方法
1.1 研究区概况
黄河口位于山东省东北部，是黄河入海的地方，该区域生态环境复杂，具有重要的生态价值和地理位置。受到独特的地理和气候影响，具有丰富的生态资源和复杂的环境条件。在过去十几年中，该地区的植被覆盖和土壤特性经历了显著的变化，这些变化密切相关于气候变化、土地使用方式的变动以及人类活动的影响。空气状态也一定程度上影响了该地的植被状况，空气污染特别是二氧化硫(SO2)等有害气体，会对植物造成直接和间接的负面影响，从而影响整个生态系统的健康。空气中的二氧化硫等有害气体可以通过植物的气孔进入叶片内部，生成亚硫酸和硫酸，导致细胞破裂和叶片坏死，从而降低了植物的光合作用效率，影响了它们的生长和碳吸收。该地区的植被覆盖状况直接受到黄河泥沙输送、地下水位变化以及人类活动等因素的影响。主要植被类型包括湿地植被和盐生植物，以及农业作物。黄河口地区属于暖温带季风气候，冬季寒冷干燥，夏季炎热湿润。气候条件直接影响到植被的生长周期和生态系统的稳定性。气候变暖和极端气候事件的增多对植被覆盖产生了重要影响，尤其是对湿地和农业植被的生长条件造成了挑战。黄河带来的丰富泥沙为黄河口地区的土壤特性提供了独特的成分，主要是轻壤土和沙土，这对于某些类型的植被如盐生植物是非常有利的。土壤的有机质含量和养分水平也受到黄河泥沙的直接影响，进而影响到植被的生长。黄河口地区的植被、气候和土壤特性的变化显示了该地区生态系统对自然条件和人类活动双重影响的敏感性。通过对2010—2023年间NDVI的时空变化及其驱动力的深入分析，可以更好地理解和预测未来该地区环境变化趋势，为地区生态保护和可持续发展提供科学依据。
1.2 数据源及处理
研究采用的植被NDVI数据产品来自美国国家航空航天局(http: //modis.gsfc.nasa.gov/)中的MOD13Q1数据集，采用MRT利用python实现对数据的批量投影、转换、提取NDVI,采用Matlab进行批量进行SG滤波、NDVI质量控制，NDVI的有效值在-1～1之间，并且植被的在 0～1之间，因此利用Arcgis的python窗口排除异常值，使NDVI值在0～1之间，再利用最大值合成法，根据每年1-12月的归一化植被指数(NDVI)最大值，创建了2010—2023年的NDVI数据集，空间分辨率为250 m。气温，降水数据来源于国家地球系统科学数据中心(http: //www.geodata.cn/)的逐月平均气温、逐月降水量。土地利用数据采用武汉大学30 m土地利用数据，利用ArcGIS软件进行裁剪、投影并进行重分类。研究采用的探测因子数据主要包括社会因子数据集及自然因子数据集，自然因子包括气温、降水量等来自于国家气象科学数据共享平台，GDP、空气状况数据、水资源等均来源于历年东营市统计年鉴。
1.3 研究方法
1.3.1 逐年逐月 NDVI数据整合
1.3.2 NDVI各年度和季节变化趋势与显著性检验
1)Theil-Sen Median趋势分析+Mann-Kendall检验
Mann-Kendall显著性检验法 [19-21] 是一种常用的非参数检验法，可用来检验时间序列变化趋势的显著性.本研究运用该方法对研究区内NDVI长时间序列变化趋势进行显著性检验，结合趋势分析，确定变化趋势及其显著性。
2)Hurst指数
通过Hurst指数分析黄河口NDVI变化的持续性。Hurst指数是一种能够定量描述时间序列数据可持续性的有效方法，最早由英国水文学家 Hurst指出，目前已在经济、气候、水文等领域 得到了广泛检验和应用 [21-22] 。具体的计算公式和步骤详见有关文献 [23] 。Hurst指数用 H 表示，取值范围 0～1。参考相关文献 [18] 按 Hurst指数的大小将其分为强(0～0.25;0.75～1)、较强(0.25～0.35;0.65～0.75)、较弱(0.35～0.45;055～0.65)、弱(0.45～0.5;0.5～0.55)持续性和反持续性等级。当 H 为0.5时，表明 NDVI时间序列的未来趋势与过去趋势之间没有相关性
1.3.3 地理探测器
地理探测器 [24-26] 是探测空间分异性，并揭示其背后驱动力的一组统计学方法，是基于“如果某个自变量对某个因变量有重要影响，那么自变量和因变量的空间分布应该具有相似性”的假设。本文主要使用因子探测和交互探测两种工具来研究东营市NDVI的驱动因子。因子探测工具通过比较单因子和两因子交互后的q值来分析交互作用的强度和类型。因子探测器用于分析单个自变量X对因变量Y的影响力，而因子交互探测器则用来识别不同因素之间的交互作用，计算q(X1∩X2)值来判断因子X1和X2共同作用对因变量Y的影响是增强还是减弱，并将该值与q(X1)和q(X2)进行比较。在研究NDVI空间分异的驱动因素时，需将影响因素进行离散化处理。本研究采用自然断点分类法和spss中的k-均值聚类方法，将连续数据分为四类进行离散化处理，从中选择解释力最高的组合进行NDVI驱动因子探测。
2 结果与分析
2.1 植被NDVI 空间分布特征
在2010—2023年期间，黄河口地区的植被NDVI均值参考他人研究通过等间距法被分为5个等级 [27] :NDVI小于0.5的区域归为低植被区；0.5～0.59的为中低植被区；0.6～0.69的为中植被区；0.7～0.79的为中高植被区；0.8～1的则为高植被区。分析显示，整体上黄河口地区的植被覆盖度较低，其中低植被区占比最大，约为59.4%;中低植被区约占18.4%;中植被区约占14.3%;中高植被区约占7.3%;高植被区极少，仅占0.05%。
此外，该地区的植被NDVI表现出明显的空间异质性。从沿海到内陆，植被覆盖度逐渐增加，尤其是沿黄河两岸，如利津县和广饶县植被覆盖指数较高。相比之下，河口区的植被覆盖最低，而垦利县和东营区的植被覆盖则呈现从西向东逐渐减少的趋势。这种分布模式强调了地理位置对植被覆盖的重要影响，同时也指出了黄河口地区在生态保护和土地管理策略上可能需要关注的特定区域。
2.2 植被NDVI时间分布特征
利用2010—2023年期间收集的NDVI最大值月与季合成数据，构建了研究区NDVI的年内变化曲线。如图3和图4所示，该曲线展示了一个单峰型的变化趋势，其中NDVI的年度模式自2010年以来基本保持一致。具体来看，每年的NDVI值在冬季(1月和2月)触及最低点，这一时期植被处于休眠状态。随后，到了3月，随着温度的回升和日照时间的增加，植被开始进入生长初期，NDVI值逐渐上升。进入春季，植被继续增长，这一阶段一直持续到生长期的高峰。夏季，即7—9月，植被进入生长旺盛的季节，NDVI在这一时段达到年内的最高值。然而，到了9月，植被开始进入衰落初期，标志着生长周期的逐渐结束。冬季(10—12月)植被持续衰退，此时NDVI值逐渐下降，这一时期通常涵盖了植被的衰落期和作物的收割期。整体而言，这1 a内的NDVI变化趋势不仅揭示了黄河口地区植被生长和衰落的自然节律，还为理解区域植被健康状况提供了重要的时间维度视角。
2010—2023年的黄河口地区NDVI时间变化图显示(图5),该地区的NDVI值整体展示了周期性的波动模式，具体表现为每隔几年就会出现一次明显的波峰或波谷。这些波动中，NDVI值主要集中在0.35～0.45之间，指示出该区域拥有一定程度的植被覆盖，且这种覆盖在所研究的时间段内保持了相对的稳定性。在详细时间点上，NDVI值在2011年、2015年和2020年期间出现了轻微的下降，尤其是在2015年，NDVI达到了最低点。这种下降可能与气候条件的变化、植被的季节性生长差异或土地使用的改变有关。相比之下，2012年、2016年和2021年NDVI值则有所回升，显示出这些年份植被状态有明显的改善。尽管存在这些周期性波动，黄河口地区的NDVI值没有显示出长期的持续上升或下降趋势。这表明在过去十几年间，该地区的植被环境大体上保持了稳定，没有经历根本性的变化。这种趋势的认识对于理解区域生态环境的长期变化和进行未来规划具有重要意义。
2.3 植被NDVI各县区时空分布特征
图5揭示了该区域植被覆盖和健康状态的复杂时空动态。在这一期间，区域内NDVI值表现出明显的波动，这些波动可能与季节性生长模式、气候变化、土地利用的调整及植被管理措施紧密相关。特别是在某些区域，NDVI值持续增高，暗示了植被恢复或是向更高生产力植被类型的成功转变；而在其他区域，NDVI的下降可能反映了植被和土地的退化，或是城市化进程的影响。如表1,例如，广饶县的NDVI值在所有县中最高，其次是利津县，而这两个县在14 a的研究期间内NDVI变化幅度也最为显著。具体到年份，2015年时多数县的NDVI值达到最低，这反映了那一年环境条件的显著变化。这些结果强调了利用遥感数据进行长期生态监测的重要性，这不仅有助于深入理解植被动态，还是制定有效环境保护政策和预测未来生态趋势的关键。此外，本研究提供的NDVI时序数据为分析植被如何响应全球变化提供了宝贵的资料基础，为决策者和环境科学家评估植被变化提供了一种强有力的工具。这些信息对于理解地区植被覆盖的长期趋势及其环境驱动因素至关重要。
2.4 植被NDVI各年度和季节NDVI变化趋势与显著性检验
为了分析黄河口地区NDVI的变化趋势，在逐像元基础上运用了Theil-Sen趋势分析，并使用Mann-Kendall检验统计量计算了NDVI的变化率，结果如图5所示。这些数据显示，2010—2023年，黄河口地区的年NDVI变化率介于-0.060 6～0.059 8之间，整体显示出植被状况在这14 a间主要是向好的方向发展。具体来看，植被显著改善的区域占比最高的是东营区，达到44.14%,紧随其后的是垦利县和利津县，分别为44.11%和43.19%。广饶县和河口区的植被改善比例也较高，分别为36.49%和33.97%。这表明大部分区域的植被状态有所提升。然而，植被显著退化的区域以河口区为最，退化面积比例高达43.38%。其他地区的退化情况也较为严重，其中利津县为40.27%,垦利县为37.93%,广饶县为37.05%,东营区相对较低，为25.03%。
为了更深入地了解黄河口地区NDVI的未来变化趋势及其持续性，计算Hurst指数，并结合了Sen趋势分析的显著性检验结果。这些数据帮助揭示了黄河口地区植被覆盖状况未来变化的方向及其与过去趋势之间的关系，详细结果展示在图6中。黄河口地区的植被变化呈现出一定的持续性特征，大部分地区未来的植被发展趋势与过去的变化趋势相似。根据Hurst指数的计算结果，可以将这种持续性分为4个等级，见表2。具体来说，约37.43%的区域显示出未来变化可能会与过去相反，而约62.57%的区域则显示出未来变化可能会延续过去的趋势。这种持续性特征对于理解未来植被发展方向和强度具有一定的指导意义。
未来黄河口地区整体发展趋势可能向好的方向发展。大约33.86%的地区显示出持续改善的趋势，包括弱持续改善和强持续改善地区。另有17.12%的地区，虽然过去有所退化，但未来有望改善，包括反强持续退化和反弱持续退化地区。相比之下，大约28.71%的地区呈现持续退化的趋势，主要是强持续退化地区，而20.3%的地区，尽管过去有所改善，但未来可能退化，主要是反强持续改善地区。持续改善的地区主要分布在西部和南部，而持续退化的地区分布不均，主要集中在城市和沿海附近。这表明人类活动对这些地区的植被覆盖产生了负面影响。对于过去有所退化但未来可能改善的地区，分布模式不具备明显的空间规律，主要分布在河流两侧和城市边缘。这种分布模式表明，通过限制城市扩张活动并加强对生态保护区的保护和重建措施，可能会增加这些地区的植被覆盖。相比之下，过去有所改善但未来可能退化的地区主要位于垦利县，表明该地区可能需要特别关注以避免植被进一步退化。
黄河口地区植被强持续性退化主要集中分布在河口县西部，这部分可能受到北部盐田养殖以等人类活动影响较大，应制定相应策略加大环境保护力度。垦利县西南部部分地区也较为集中，该地区位于黄河流域附近，其余地区零星分布，且程度较小，如图9所示。
2.5 植被NDVI 地理探测结果分析
2.5.1 NDVI 单因子探测影响力
2010—2023年的研究中，黄河口地区的植被NDVI受到多种因素的影响，其中影响大小的排名如下：二氧化硫年均值(0.572 3)最高；其次是空气优良天数(0.535 1)、日照时间(0.504 9)、造林面积(0.472 3)、PM2.5(0.432 1)、草地面积(0.422 5)、地表水可利用率(0.407 2)、未利用地(0.281 2)、耕地面积(0.268 3)、城镇用地(0.258 4)、建成区绿地率(0.231 3)、二氧化氮年均值(0.213 7)、绿地面积(0.133 5)、GDP(0.126 1)、水资源总量(0.115 5)、水域面积(0.111 7)、气温(0.081 6)和降水(0.042 1)。
二氧化硫的年均值是衡量大气污染程度的关键指标，对环境质量和植被健康产生深远影响。在黄河口地区，高浓度的二氧化硫通常抑制植被生长，改变植被种类，因为它能够干扰植物的光合作用和呼吸作用，对植物细胞具有毒性作用。此外，二氧化硫还可能改变土壤的化学性质和微生物活性，从而进一步影响植被的分布和质量。
空气优良比例和日照时间的驱动力q值均超过0.5,表明这些自然因素对植被空间分布具有显著影响。良好的空气质量，即较低的污染物水平，有助于减少酸雨发生，保护植物免受有害化学物质的伤害，同时降低植物叶面的粉尘积累，保持较高的光合效率。因此，在空气质量好的区域，植被通常更健康、生长更旺盛。充足的日照时间直接促进植物进行有效的光合作用，生产更多能量，支持植物的生长和繁殖，同时也影响植物体内的水分蒸发和养分吸收，进而影响植被的物种组成和分布。
2.5.2 NDVI 双因子交互探测分析
为了探索沿海地区自然和人为因素对植被异质性的共同影响，我们利用交互探测器分析了这些因素之间的协同作用。研究结果显示，当两个因素结合时，它们的解释力通常超过单个因素的解释力，表现出双因子增强和非线性增强效应，并且没有任何因子能够独立起作用。
在整个研究区内，二氧化硫年均值与其他因子之间的交互作用最显著，其次是日照时间，这两者的交互作用解释力均超过0.5。这进一步验证了在黄河口地区，二氧化硫年均值和日照时间的联合影响在NDVI空间分异中占据了主导地位。具体来看，气温与降雨量、PM2.5与日照时间、水域面积与降雨量、未利用地与降雨量、空气优良比例与降雨量、造林面积与降雨量、耕地面积与水资源总量、草地面积与PM2.5、水域面积与建成区绿地率、空气优良比例与建成区绿地率之间的交互作用解释力都较高。这些高解释力的交互关系表明，这些因素的复合效应对植被覆盖具有显著的影响，特别是在影响植被生长和分布方面。
3 结束语
3.1 讨论
在2010—2023年间，黄河口地区的NDVI数据显示了明显的周期性波动，这反映出该区域植被覆盖的非均匀性和明显的季节性变化。尽管该地区的年均NDVI值整体保持相对稳定，但2015年和2020年却观察到其显著下降，这可能与极端气候事件及人类活动(如土地用途的变更)相关。另一方面，2012年、2016年和2021年的植被恢复和改善较为显著，这可能归功于生态修复措施的效果和植被的季节性生长周期。
黄河口地区的NDVI变化不仅揭示了植被的生长状态和生态健康，还反映了该地区生态系统的稳定性。NDVI的周期性波动与多种因素密切相关，包括黄河的季节性泥沙沉积、土地覆盖类型的变化，以及气候条件的变动，如降水和温度。此外，NDVI的长期趋势还能有效监测各类生态恢复项目的成效，例如退耕还林和湿地恢复等。
黄河口地区的人类活动，如农业扩张、城市化进程和工业活动的增加，对NDVI产生了直接和间接的影响。特别是土地利用的变更，如农田向工业用地的转变或城市向原有湿地的扩展，都可能导致NDVI值的下降。通过比较不同年份的NDVI数据，可以具体观察到这些活动对区域植被覆盖和生态质量的影响。
全球和区域尺度的气候变化对黄河口地区的植被覆盖产生了深远的影响。气候变量如温度升高和降水模式的改变对植被的生长周期及其生产力造成了显著影响。通过分析NDVI与气候数据的相关性，可以揭示气候变化对植被状态的具体影响，进而为未来的气候适应性管理提供依据。
鉴于黄河口地区在生态、经济和社会多方面的重要性，未来的研究应更多集中于综合利用多源数据(如土地使用、气候变化和社会经济数据)来深入理解NDVI变化的驱动因素。此外，地理探测器方法和更精细的时间序列分析可以用来识别影响NDVI变化的关键因素，为制定地区可持续发展政策提供科学支撑。
3.2 结论
本研究基于2010-2023年黄河口地区NDVI,综合运用Theil-Sen Median趋势分析和Mann-Kendall检验、地理探测器、Hurst指数，探讨了黄河口地区及其各县区植被NDVI及其驱动因子的时空变化特征。
1)14 a来，黄河口地区NDVI整体呈现稳定的波动模式，尽管年度间存在轻微的波动。在空间分布上，河口区植被NDVI最低，而东营区和垦利县等地植被覆盖指数相对较高，显示出从河口向两岸递增的趋势。
2)单因子探测显示，二氧化硫年均值和空气优良天数等环境因子对NDVI的解释力较大，指出环境质量直接影响植被生长。人为活动如土地利用变更对植被NDVI的影响显著，尤其是城市化进程中的土地开发活动。
3)交互探测揭示，人为因素与自然因素的交互作用显著影响NDVI变化，其中，气候因素的相互作用如二氧化硫年均值与日照时间，降雨量和气温的组合解释力最强。这表明各种气候条件以及人文活动共同塑造了该地区的植被分布和健康状况。
4)从未来发展趋势看，Hurst指数分析表明，黄河口地区植被变化主要呈现为弱的同向持续性序列，未来植被覆盖有持续改善的潜力，但部分区域如河口区存在退化的风险。
候鸟云集、稻田成画，黄河入海口低调的美了四季！
1989—2020年黄河流域巴彦淖尔段地表覆盖类型时空演变研究
什么是黄河？多角度了解（文后附小专辑）
⬆️联系我们⬆️
