全球气候变化与陆地生态响应是国际地圈生物圈计划(IGBP)的核心研究内容^[1]，受到了国内外学者和国际社会的高度关注。而作为陆地生态系统的重要组成部分，植被具有保持水土、涵养水源、改善土壤、调节气候、净化空气等生态功能^[2]。植被覆盖度(fractional vegetation coverage, FVC)反应了植被的生长态势，是描述生态系统的重要基础数据，在植被动态监测以及区域生态环境评价等方面具有重要意义^[3]。植被覆盖度的测算方法主要有地面实测和遥感估算，遥感适用于大范围、长时间序列的植被覆盖度计算，因而被广泛运用^[4-6]。归一化植被指数(normalized difference vegetation index, NDVI)是检测植被生长状态、植被覆盖度的最佳指示因子，与植被覆盖度有较好的相关性，被广泛运用在植被覆盖度动态监测研究中^[7-8]。与此同时，气候变化又直接影响植被覆盖度，如气温和降水通过影响有效积温和土壤水分来影响植被生长^[9-11]。因此，分析植被覆盖度时空变化规律，研究气候因素对其驱动作用，对评价区域环境质量和维护区域生态系统平衡具有重要意义^[12]。

赣江上游矿产资源丰富，矿产尤其是稀土矿的大量开采，造成了植被破坏、水土流失、泥石流及水污染等生态环境问题^[13-15]。赣江上游流域为水源涵养区，其生态环境状况将直接影响赣江及鄱阳湖流域的生态环境质量及经济发展。而植被覆盖度能够客观地反映区域生态环境的整体状况。李恒凯等^[16]分析了赣州市2008，2011年植被覆盖空间分布特征及其与地貌因子的关系。曾广林^[17]分析了赣州市植被覆盖度和碳储量的变化特征及两者之间的关系。现有的研究没能分析赣江上游植被覆盖度对气候变化的响应。因此，本文基于MODIS NDVI数据，结合年平均气温和年降水量数据，运用趋势分析、变异系数、Hurst指数和相关分析等方法分析了赣江上游2000—2018年植被覆盖度时空演化及其对气候变化的响应，以期为区域的生态环境保护提供科学依据和数据支撑。

1 研究区概况

赣江上游流域在江西省南部，位于113°54′—116°38′E，24°29′—27°09′N，高程98—1990 m, 流域面积36 818 km^2[13]。赣江上游山地纵横，支流众多，主要有湘水、濂江、梅江、平江、桃江、上犹江等。地貌以山地、丘陵为主，地势四周高中间低；气候属亚热带季风气候，气候温和，雨量丰沛，春季阴雨连绵，夏季先涝后旱少酷暑，秋季晴朗少雨，冬季温和少雨；土壤类型为红壤、黄壤和紫色土；因地处中亚热带南缘，植物类型多样。

2 数据与方法 2.1 数据来源与预处理

本文中选用的2000—2018年植物生长季(1—12月)的227景MODIS MOD₁₃Q₁数据产品(时间分辨率为16 d，空间分辨率为250 m×250 m)来源于美国国家航空航天局(NASA)戈达德航天中心LAADS DAAC(https://ladsweb.modaps.eosdis.nasa.gov/)。MODIS NDVI产品经过水、云、重气溶胶等处理，数据质量较高，被广泛应用于区域植被覆盖变化研究。预处理主要包括：①运用MRT(MODIS reprojection tools)将下载的MODIS NDVI进行格式和投影转换；②采用Savitzky-Golay滤波对MODIS NDVI进行平滑处理，剔除噪声影响；③应用MVC(maximum value composite)合成年最大NDVI。由于年最大NDVI能很好地反映该年植被长势最好时期的植被覆盖情况，消除大气、云、太阳高度角等因素对遥感影像的影响，因此采用年最大NDVI分析植被覆盖度的时空变化特征。气象数据采用赣江上游2000—2018年12个气象站点的年均气温和年降水量数据(宁都、龙南、崇义、上犹、大余、信丰、兴国、瑞金、于都、会昌、安远、赣县)。

2.2 研究方法 2.2.1 植被覆盖度估算

像元二分模型在一定程度上减少了大气及土壤背景的影响，且操作简单，因此被广泛运用于植被覆盖度的遥感估算^[18]。像元二分模型的原理为假设一个像元的信息由植被和非植被组成，像元中植被所占比例即为该像元的植被覆盖度^[19]，计算公式为：

$ \mathrm{FVC}=\frac{S-S_{s}}{S_{v}-S_{s}} $

(1)

式中：FVC为植被覆盖度；S为混合像元遥感信息；S_v为纯植被覆盖时遥感信息；S_s为纯非植被覆盖时遥感信息。植被覆盖度与NDVI存在很强的相关性，根据李苗苗等的研究^[20]，建立基于NDVI的植被覆盖度估算模型，计算公式为：

$ \mathrm{FVC}=\frac{\mathrm{NDVI}-\mathrm{NDVI}_{\min }}{\mathrm{NDVI}_{\max }-\mathrm{NDVI}_{\min }} $

(2)

式中：FVC为植被覆盖度；NDVI为混合像元的NDVI值；NDVI_max为纯植被像元的最大NDVI值, 理论上接近1；NDVI_min为纯非植被像元的最小NDVI值, 理论上接近0。

受气象要素、植被类型、季节等因素的影响，不同遥感影像的NDVI_max和NDVI_min存在一定差异。NDVI_max和NDVI_min通常取一定置信区间内NDVI最大值和最小值。目前，多数学者将置信区间设置为1%~99%和5%~95%^[21-22]，本文根据实际情况，发现采用1%~99%的置信区间估算赣江上游植被覆盖度更加准确。参考众多植被覆盖划分的文献^[23-25]，结合研究区的实际情况，将植被覆盖分为5级：Ⅰ低植被覆盖(0%~10%)、Ⅱ较低植被覆盖(10%~30%)、Ⅲ中度植被覆盖(30%~50%)、Ⅳ较高植被覆盖(50%~70%)、Ⅴ高植被覆盖(70%~100%)。

2.2.2 Hurst指数分析

Hurst指数是定量描述时间序列信息长期依赖性的有效方法，最早由英国水文学家Hurst提出，可以用于预测未来植被覆盖度的变化情况^[26]。本文采用R/S(重标极差)分析法计算植被覆盖度变化的Hurst指数，基本原理为：

对于时间序列{FVC(t)}, t=1, 2, …, n，定义均值序列为：

$ \overline{\mathrm{FVC}}_{\tau}=\frac{1}{\tau} \sum\limits_{t=1}^{\tau} \mathrm{FVC}_{(\tau)} \quad(\tau=1, 2, \cdots, n) $

(3)

定义累积离差为：

$ X(t, \tau)=\sum\limits_{t=1}^{\tau}\left[\mathrm{FVC}_{(t)}-\mathrm{FVC}_{(\tau)}\right] \quad(1 \leqslant t \leqslant \tau) $

(4)

定义极差为：

$ R_{(\tau)}=\max\limits_{1 \leqslant t \leqslant \tau} X(t, \tau)-\min\limits_{1 \leqslant t \leqslant \tau} X(t, \tau) \quad(\tau=1, 2, \cdots, n) $

(5)

定义标准差为：

$ S_{(\tau)}=\left\{\frac{1}{\tau} \sum\limits_{t=1}^{\tau}\left[\mathrm{FVC}_{(t)}-\overline{\mathrm{FVC}}_{(\tau)}\right]^{2}\right\}^{\frac{1}{2}} \quad(\tau=1, 2, \cdots, n) $

(6)

$ \frac{R_{(\tau)}}{S_{(\tau)}}=(c \tau)^{H} $

(7)

式中：H为Hurst指数；c为常数；τ为时间序列长度。

Hurst指数存在如下规律：①0.5＜H＜1，表示该时间序列为持续性序列，未来的变化趋势与过去一致，H越接近1，持续性越强；②H=0.5，表示该时间序列为随机序列，未来的变化趋势与过去无关；③0＜H＜0.5，表示该时间序列为反持续性序列，未来的变化趋势与过去相反，H越接近0，反持续性越强。

2.2.3 偏相关性分析

偏相关分析是指当两个变量同时与第3个变量相关时，剔除第3个变量的影响，只分析这两个变量的相关程度的过程^[27]。计算公式为：

$ R_{\left(x_{1}, y\right)}=\frac{\sum y_{i} x_{1 i} \sum x_{2 i}^{2}-\sum y_{i} x_{2 i} \sum x_{1 i} x_{2 i}}{\sum x_{1 i} \sum x_{2 i}^{2}-\left(\sum x_{1 i} \sum x_{2 i}\right)^{2}} $

(8)

式中：y为植被覆盖度；x₁为计算相关性的变量；x₂为固定变量。

3 结果与分析 3.1 植被覆盖度时间变化特征

2000—2018年赣江上游平均植被覆盖度随时间变化趋势见图 1。研究区植被覆盖度呈显著上升趋势(p＜0.001)，增速为5.21%/10 a。其中，2000年植被覆盖度为60.53 %，为近19 a来最低值，而最高值为2018年的71.28%。这主要是因为2000年以来赣州市实施了限制矿产开采、植树造林以及矿区复垦等有利于生态改善的措施。赣江上游地区素有八山一水半分田之称，耕地面积少。赣江上游地区经济不发达，劳动人口大多外出务工，弃耕现象较为严重，因而植被覆盖度上升。

3.2 植被覆盖度空间变化特征 3.2.1 空间分布特征

图 2为赣江上游不同时间段的平均植被覆盖度空间分布。赣江上游总体植被覆盖状况良好，以高植被覆盖为主，且呈现四周高中间低的分布特征。从图 2可以看出，从2000—2018年植被覆盖度呈增加趋势，2000—2006，2007—2012，2013—2018这3个时段的平均植被覆盖度分别为62.71%，65.67%和69.24%，而2000—2018年的多年平均植被覆盖度为66.13%。其中，低植被覆盖区域占赣江上游总面积的0.87%，较低植被覆盖区域占2.65%，中度植被覆盖区域占12.93%，较高植被覆盖区域占38.48%，高植被覆盖区域占45.07%。赣江上游地势周高中低、南高北低。低植被覆盖地区主要位于赣州市区、赣县城区、南康城区、于都县城、宁都县城、信丰县城、兴国县城、会昌县城、瑞金市区、龙南县城等城镇人口聚集区，而高植被覆盖地区主要位于人类活动较少的中低山区。

3.2.2 空间趋势特征

植被覆盖度呈上升趋势的占82.56%，主要分布在信丰县中部、赣县北部、兴国县南部。信丰县近年来注重脐橙产业与生态环境的协调发展，重视对生态环境的保护，因此植被覆盖度显著增加。赣县北部和兴国县南部植被覆盖度显著增加是因为限制矿产资源开采、植树造林和矿区土地复垦政策的实施。植被覆盖度呈下降趋势的占17.44%，主要分布在赣州市中部、南康区中东部、瑞金市中部。赣州市中部、南康区中东部和瑞金市中部植被覆盖度显著减少是由于城市扩张。植被覆盖度呈极显著增加的占25.59%，呈显著增加的占39.70%，呈极显著减少的占1.32%，呈显著减少的占2.46%，变化不显著的占57.84%。其中，植被覆盖度呈显著增加的主要分布在赣县北部、万安县南部、兴国县南部、信丰县中部等地势较低处，植被覆盖度呈显著减少的主要分布在赣州市中部、南康区中东部、瑞金市中部以及各个城市周边。

3.2.3 植被覆盖度稳定性

变异系数表示数据分布的离散性、波动性，变异系数值越大，表示数据分布越分散，波动性越大，变化越大，反之亦然。变异系数低于15%的为稳定区域，变异系数在15.00%~40.00%之间的为不稳定区域，变异系数高于40.00%的为极不稳定区域^[12]。研究区植被覆盖情况总体比较稳定，变异系数介于2.39%~107.75%之间，且平均变异系数为14.73%。其中，植被覆盖度稳定区域占研究区总面积的64.98%，主要分布在四周山区，说明四周山区的植被覆盖度变化最小。山区的人类活动较少，有利于植被生长，因此山区的植被覆盖度变化最小。植被覆盖度不稳定区域占33.04%，主要分布在南康区南部、信丰县中部、于都县北部、兴国县南部，说明这些地区的植被覆盖度变化次之。植被覆盖度极不稳定区域占1.99%，主要分布在信丰县中部、南康区中部、于都县中部、兴国县南部、瑞金市中部，说明这些地区的植被覆盖度变化最剧烈。信丰县近年来注重脐橙产业与生态环境的协调发展，加大对生态环境的保护，因此植被覆盖度变化剧烈。南康区中部和瑞金市中部植被覆盖度变化剧烈是由于城市扩张。于都县中部和兴国县南部植被覆盖度变化剧烈是因为植树造林、封山育林以及矿区土地复垦政策的实施。

3.2.4 植被覆盖度Hurst指数分析

2000—2018年赣江上游植被覆盖度的Hurst指数空间分布见图 3。从图 3可以看到，研究区植被覆盖度Hurst指数平均值为0.473 875，Hurst指数小于0.5的像元数占62.75%，Hurst指数大于0.5的像元数占37.25%。赣江上游植被变化反持续性要强于持续性，说明赣江上游植被覆盖度未来将呈下降趋势。其中，赣江上游植被覆盖度呈强反持续性的像元数占9.64%，呈弱反持续性的像元数占53.11%，呈弱持续性的像元数占33.38%，呈强持续性的像元数占3.87%(见表 1)。赣江上游植被变化总体上以弱反持续性为主，说明赣江上游植被覆盖度未来将呈微弱下降趋势。

3.3 植被覆盖度对气候变化的响应

图 4为赣江上游2000—2018年植被覆盖度与年均气温和年降水量的显著性检验结果。从图 4上可以发现：植被覆盖度与年均气温的平均偏相关系数为0.19。植被覆盖度与年均温呈正相关的占研究区总面积的75.83%，主要分布在赣县北部、兴国县南部、宁都县中部、会昌县、于都县东部、瑞金市西部、安远县北部、信丰县中部、南康区西部和北部、万安县西南部，说明这些地区的植被覆盖度受气温的影响较大。植被覆盖度与年均温呈负相关的占24.17%，主要分布在各城市及周边地区。城市地区因热岛效应温度较高，再加上频繁的人类活动导致植被覆盖度较低。植被覆盖度与年均温呈显著正相关(p＜0.05)的占14.18%，主要分布在赣县北部、兴国县南部、于都县东部、会昌县东南部。植被覆盖度与年均温呈显著负相关(p＜0.05)的占1.41%，主要分布在赣州市区、瑞金市区、宁都县城、龙南县城、南康城区周边(图 4a)。

植被覆盖度与年降水量的平均偏相关系数为0.03。植被覆盖度与年降水量呈正相关的占54.18%，主要分布在宁都县中西部、于都县北部、瑞金市西北部、崇义县中部、石城县中部，说明这些地区的植被覆盖度受降水量的影响较大。植被覆盖度与年降水量呈负相关的占45.82%，主要分布在河流附近。生长在河流附近的植被水分充足，降水增加汇入河流反而不利于河流附近的植被生长。植被覆盖度与年降水量呈显著正相关(p＜0.05)的占1.92%，主要分布在宁都县中西部、石城县中部、崇义县中部(图 4b)。植被覆盖度与年降水量呈显著负相关(p＜0.05)的占0.96%。整体来看，赣江上游植被生长受气温影响要强于降水。气温升高往往伴随晴朗少云天气，辐射增加，有利于植被的生长。赣江上游流域降水丰沛，因此气温成为影响赣江上游植被生长的主要气候因素。

植被覆盖度与年均气温和年降水量的平均复相关系数为0.34。赣县北部、兴国县南部、于都县东部、会昌县南部、安远北部的植被覆盖度与年均温和年降水量相关性较高，说明这些地区的植被覆盖度受气温和降水量的综合影响较大。植被覆盖度与年均温和年降水量呈显著相关(p＜0.05)的占25.81%，主要分布在赣县北部、兴国县南部、于都县东北部、宁都县中部、石城县中部、会昌县、安远县北部、信丰县东部(图 4c)。

4 讨论与结论

本文基于MODIS NDVI数据、年均气温、年降水量数据，运用趋势分析、变异系数、Hurst指数及相关分析等方法，分析了2000—2018年赣江上游植被覆盖度时空演化及其对气候变化的响应，主要结论如下：

(1) 时间上，2000—2018年赣江上游植被覆盖度呈显著(p＜0.001)增加趋势，增速为5.21%/10 a。空间上，赣江上游植被覆盖度呈现四周高中间低的分布特征，以高植被覆盖为主，多年平均植被覆盖度为66.13%。其中，空间上呈极显著增加、显著增加、极显著减少和显著减少分别占25.59%，39.7%，1.32%和2.46%，变化不显著的占57.84%。

(2) 赣江上游植被覆盖总体上比较稳定，平均变异系数为14.73%。信丰县中部、南康区中部、于都县中部、兴国县南部和瑞金市中部植被覆盖变化最大，南康区南部、信丰县中部、于都县北部和兴国县南部次之，四周山区植被覆盖变化最小。Hurst分析显示，植被变化反持续性要强于持续性，总体上以弱反持续性为主，Hurst指数平均值为0.47。

(3) 赣江上游植被生长总体上受气温的影响要强于降水量，赣县北部、兴国县南部、宁都县中部、会昌县、于都县东部、瑞金市西部、安远县北部、信丰县中部、南康区西部和北部、万安县西南部的植被覆盖度主要受气温影响，宁都县中西部、于都县北部、瑞金市西北部、崇义县中部、石城县中部的植被覆盖度主要受降水量影响，而赣县北部、兴国县南部、于都县东部、会昌县南部、安远县北部的植被覆盖度主要受气温和降水量的综合影响。

本文分析了赣江上游植被覆盖度的时空演化及其对气候变化的响应，然而影响赣江上游植被覆盖度的因素有很多，如人类活动、海拔、坡度、坡向等。因此定量分析各个因素对植被覆盖度的影响程度，对比各个因素的影响力大小，找到主要影响因素，针对主要影响因素采取相应措施，提高赣江上游的植被覆盖度，更好地保护赣江上游的生态环境，将是下一步的研究重点。另外，研究中使用了MODIS NDVI数据，未使用多源NDVI数据进行相互验证，不同NDVI数据的分辨率和质量不同，植被覆盖度的估算结果也不同，今后将分析对比不同NDVI数据的植被覆盖度计算结果，以得到更加准确的结果。