基于小波的浙江省NDVI与自然—人文因子多尺度空间关联分析

地理研究GEOGRAPHICALRESEARCH第34卷第3期

2015年3月Vol.34,No.3March,2015

基于小波的浙江省NDVI与自然—人文因子多尺度空间关联分析

徐芝英1,2，胡云锋1，甄霖1，庄大方1

（1.中国科学院地理科学与资源研究所，北京100101；2.中国科学院大学，北京100049）

摘要：对地表植被的空间分布格局及其与自然、人文因子间的关系开展综合的、多尺度的定量分析，这是全球气候变化背景下土地利用与覆被研究中的一项重要内容。以地处亚热带湿润季风区的浙江省为研究区，设置了东西向（样线A）和北南向（样线B）两条样线，并应用小波分析方法对研究区NDVI、高程、坡度和土地利用强度等因子的尺度特征以及这些因子间的多尺度相关关系进行了分析。结果表明：①研究区内，NDVI、高程、坡度及土地利用强度的空间分布格局存在四个尺度域；②上述因子在样线A及样线B上的空间分布分别存在两个主要特征尺度，其中东西向（样线A）上的特征尺度为40km和80km，北南向（样线B）上主要的特征尺度为30km和50km；③在较大尺度域（8km以上），土地利用强度是影响NDVI空间分布的最主要因素，而在小尺度域（0~8km），坡度和高程因子成为影响NDVI分布的主要因子。研究还认为，小波分析方法为识别地理要素空间分布的特征尺度、量测要素间任意尺度、任意位置上的相干关系，提供了方便的工具。关键词：陆地植被；环境因子；尺度特征；多尺度相关；小波分析DOI:10.11821/dlyj201503014

1引言作为联系土壤圈和大气圈间的桥梁，陆地植被生态系统一直是地理学、生态学、大气科学等学科研究的重点对象之一。在全球气候变化背景下，陆地植被生态系统的空间分布、动态演替及其与相关自然、人文驱动因子间的关系受到研究人员的广泛关注。对表征地表植被生长因子与相关影响因子间关系的研究已经由传统的静态、单一尺度、仅关联单一要素的分析，逐步发展到动态、多尺度、综合自然—人文多要素的分析阶段。大量研究已经表明，气候、地形、土地利用、土壤性状、动物及微生物活动等环境因子可对地表植被的空间格局及动态演变产生影响。Nicholson等[1-3]研究发现，气温和降水与植被生长存在显著相关，且降水量对于地表植被的影响存在阈值；冯建孟等[4,5]分析了地形因子对于塑造山区植被的空间格局具有重要作用；Pearson等[6]认为土地利用因子在精细尺度上主导了植被类型的空间分布。总的来看，由于缺乏合适的分析工具，这些研究虽然能够囊括多种自然—人文因子来开展综合性分析，但研究尺度相对单一，多数

收稿日期：2014-07-03;修订日期：2014-11-08基金项目：国家重点基础研究发展计划项目（973计划）（2010CB950904）；国家自然科学基金项目（40971223）；中国科学院方向性项目（KZCX2-EW-306）作者简介：徐芝英（1987-），女，浙江江山人，硕士，主要从事地理空间分析研究。E-mail:xuzyhappy11@gmail.com通讯作者：胡云锋（1974-），男，江西赣州人，博士，副研究员，主要从事资源环境遥感与地理信息技术应用研究。E-mail:huyf@lreis.ac.cn567-577页地理研究34卷研究只能在区域尺度上给出一个定性或定量的结论。小波分析是一种新兴的多尺度分析方法，能以离散或连续的方式在不同尺度上刻画因子的空间分布特征、厘定因子间的联系程度，因此受到生态、遥感和空间分析等学科研究人员的重视[7-9]。李双成等[10,11]基于小波变换方法对生态与环境因子的多尺度特征、生态地理界线进行了分析与识别，邱炳文等[5]利用离散小波对武夷山自然保护区NDVI与地形因子进行了多尺度空间相关分析，李小梅等[12]利用离散小波对福州市NDVI的特征尺度进行了识别和分析。概括起来，目前的小波应用研究多是在离散的尺度上、就地表植被与地形地貌等自然因子间的关系进行讨论；由于缺乏可靠的数据支撑和适宜的评估指标，研究未能将人类活动因子纳入研究视野。鉴于此，以浙江省作为研究区，首先构建了东西向和北南向两条生态样线；继而选取归一化植被指数NDVI表征地表植被空间分布，选取高程、坡度及土地利用强度指数作为驱动NDVI变化的自然、人文因子，而后应用小波方差分析法，对生态样线上自然、人文因子空间分布的尺度特征进行识别，应用小波相干分析技术，对NDVI与相关自然—人文因子间的多尺度关系展开定量分析。

2研究方法与数据来源2.1研究区与样线浙江省位于118°01′E~123°08′E及27°01′N~31°10′N之间，陆地总面积约为10.2万km2

。地貌类型以山地为主，约占全省面积的70%；其次为平原，约占全省面积的20%。

地势由西南向东北倾斜，大致可分为五个自然地理单元，即西部丘陵区、南部山地区、东部丘陵和平原区、中部盆地区及东北部平原区（图1）。浙江省属于亚热带湿润季风气候，陆地植被常年生长良好。研究区年平均气温为15~18℃，平均降水量为1092~2029mm。自然植被以常绿阔叶林为主，森林资源十分丰富。全省林地面积约为5.57万km2，森林广泛分布于浙东、浙南和浙西的丘陵地区，覆盖率达59.4%；耕地则主要集中在中部的金衢盆地和东北部的浙北平原。样线设置应当考虑样线的位置应尽量与浙江省区域的主轴（即横轴与纵轴）平行或重合，并考虑研究区自然地理特征的空间变异规律，尽可能多地穿越各种自然地理和生态景观单元。根据以上原则，本研究构建了东西向（样线A）和北南向（样线B）两条生态样线（图1）。样线A西起于29°11′55″N、118°9′51″E，东止于29°38′49″N、121°44′2″E，自西向东依次穿越了浙西丘陵、钱塘江流域、金衢盆地以及浙东丘陵区。样线B南起于27°43′49″N、119°32′14″E，北终于30°45′49″N、119°48′46″E，自北向南依次穿越了浙北平原区域、浙西

图1浙江省地形及样线设置

Fig.1TerrainofZhejiangprovinceanddistributionsoftwoecologicaltransacts

5683期徐芝英等：基于小波的浙江省NDVI与自然—人文因子多尺度空间关联分析丘陵、钱塘江流域、金衢盆地、瓯江流域以及浙南山地。2.2数据处理归一化植被指数（NDVI）是表征地表植被健康和生长态势的重要指标，被国内外研究人员广泛应用于植被覆盖的空间格局、时空变化及其地理生态特征研究中[13-16]。本研究中NDVI数据基于2012年3月和4月Land-sat7TM影像（http://glovis.usgs.gov）计算得到，空间分辨率为30m（图2）。NDVI计算公式为：NDVI=(ρNIR-ρR)/(ρNIR+ρR

)（1）

式中：ρNIR为近红外反射率；ρR为红光反射率；在TM影像中分别为波段4和波段3。高程和坡度数据由数字高程模型（DigitalElevationModel，DEM）计算得到。DEM数据来源于美国太空署（NASA）和日本经济产业省（METI）联合推出ASTERGDEM数据集（http://dat-amirror.csdb.cn/dem/）。ASTERGDEM数据空间分辨率为1弧秒（约30m），垂直精度为20m，水平精度为30m。土地利用强度指数（landuseintensi-ty，LUI）由庄大方等提出[17,18]

。该指数反

映了人类对于土地的开发利用程度，被研究人员广泛应用于土地利用空间格局、时空变化过程研究[19,20]。LUI的计算公式如下：

LUI=100×∑i=1nAi×Ci（2）

式中：LUI为土地利用程度综合指数；Ai

为第i级的土地利用程度分级指数；Ci为

第i级土地利用程度分级面积百分比。计算LUI指数使用2008年浙江省土地利用/覆被空间数据（图3）。该数据来自中国科学院资源环境科学数据中心提供的中国1∶10万土地利用/土地覆被时空数据平台（http://www.resdc.cn/）。中国1∶10万土地利用/覆被空间数据是以LandsatTM/ETM+等遥感影像为信息源，在计算机辅助下通过人工目视解译生成。根据野外实地随机抽查统计结果，土地利用/覆被类型划分的准确率达到92.9%[21,22]。

图2浙江省地表植被NDVI的空间分布Fig.2SpatialdistributionpatternofvegetationNDVIinZhejiangprovince

图3浙江省土地利用/覆被类型的空间分布Fig.3Spatialdistributionpatternoflanduse/landcoverinZhejiangprovince

569地理研究34卷2.3小波分析方法小波分析法是一种能够将时间或空间上的格局与尺度以及具体时、空位置联系起来的分析方法[23]。小波分析的核心是小波变换，对于一维数据，可定义为：

W(a,x)=1/a∫-∞∞f(x)ψ(x-b/a)dx（3）式中：f(x)为数据函数，称为分析小波；a是空间尺度参数；b代表小波在空间上的中心位置。ψ(x)为小波核函数，也称为基小波。小波变换将数据分解为低频信息和高频信息。低频信息是数据的近似，高频信息是数据的细节。从地理学角度看，近似信息反映了数据的本征信息，是全局变化态势；细节信息反映了数据的在特定时空位置上的变化。小波方差是小波系数模离差的平方和。若某一尺度下的小波方差值越大，则说明其对应尺度下的结构信息越丰富[5]。因此，小波方差反映了变量在地理尺度上的空间异质性，可以揭示地理环境变量空间分布的特征尺度。小波方差的计算公式为：

S2=1n-1∑i=1n(ci-uˉ)2（4）

式中：S2为小波方差；ci为小波系数；μ为小波系数的均值；n为小波系数数目。小波相干系数，是指两个序列数据进行小波变换后的在频率域的相关系数，可通过小波能量谱进行计算，公式如下：

R2Y,Z（s）=

||2

||2||2

|WiYZ(s)|=|WiY(s)-----WiZ(s)|（5）

式中：Y、Z分别为数据序列；R

2

Y,Z

(s)为小波相干系数；WiYZ(s)为数据序列Y、Z的小波

交叉谱；而WiY和WiZ分别数据序列Y、Z的小波系数；“<>”为小波能量谱的光滑函数。鉴于NDVI、高程、坡度和土地利用强度等因子具有不同量纲，为保证要素间的可比性，首先对数据进行了Z-Score标准化预处理；而后在ArcGIS平台支持下，按照30m的采样分辨率，分别在A、B两条样线上采集了11544个、11361个数据点（包括NDVI、高程、坡度以及土地利用强度等四组信息）；继而采用Grinsted等[7]开发的小波分析软件，选取Morlet小波作为小波基，在Matlab环境中计算各因子的小波尺度方差和多尺度小波相干系数，分析NDVI与自然、人文因子的尺度特征及空间关联关系。