1 引言

植被覆盖度(Fractional Vegetation Cover，FVC)是指植被(包括叶、茎、枝)在地面的垂直投影 面积占地表总面积的百分比(Gitelson et al., 2002)，其变化不仅关系到生物量、叶面积指数、净初级 生产力等地表生态学指标的变化(陈效逑和王 恒，2009)，而且还通过改变地表反射率、发射率、粗糙度、土壤湿度等地表参数影响区域乃至全球气候(Gutman and Ignatov， 1998；Zeng et al., 2002)。因而植被覆盖度不仅是资源环境评价中的重要指标，而且也是生态、水文和气候模型中的关键参数(Gutman and Ignatov， 1998；Zeng et al., 2002；满多清等，2005；陈效逑和喻蓉，2007)，比如在应用于WRF(Weather Research and Forecast model)气候模式中的Noah陆面模型中，植被覆盖度不仅是计算植被冠层截留降水量的关键参数，而且还控制着其他陆面参数(比如叶面积指数和地表反照率)的物候期(Chen and Dudhia， 2001)。

关于中国近期植被覆盖度的变化，前人已开展了一些研究，如孙红雨等(1998)利用1985～1990年AVHRR的归一化植被指数(NDVI)研究了我国植被覆盖变化及其与气候因子的关系；朴世龙和方精云(2001)利用AVHRR NDVI数据对我国 1982～1999年植被覆盖的动态变化进行了分析；孙睿等(2001)利用AVHRR NDVI数据，对黄河流域1982～1999年地表植被覆盖的空间分布及时间变化进行了分析；罗志军等(2008)利用TM数据 对三峡库区1999～2004年植被覆盖度进行了分析；吴云等(2010)利用MODIS的NDVI研究了海河流域2000～2007年的植被覆盖度的空间格局与时间演变。然而，对整个中国东部地区自20世纪80年代初期以来植被覆盖度变化的时间和空间特征的认识尚比较薄弱。

中国东部是典型的东亚季风区，气候的年际—年代际变化显著，并且该区域还是中国的经济发达地区，人类活动强度较大。自20世纪80年代以来，在中国东部，不仅土地利用/覆盖类型发生了显著的变化，而且相同类型的土地利用/覆盖的植被覆盖状况也发生了较大的变化，比如在气候变暖和农业活动加强双重因素的作用下，农业地区的植被活动呈增强趋势，覆盖度呈增加之势(Fang et al., 2004)，由此将对区域气候产生深刻影响。为便于利用陆面过程模型研究20世纪80年代以来中国东部地表覆盖变化导致的地表能量和水分平衡变化，进而利用气候模式定量评估气候变暖背景下植被对气候变化的反馈效应(Subin et al., 2011)，首先要获取能比较准确反映过去近30年植被覆盖度变化的数据集，并在此基础上全面认识植被覆盖度的空间格局及其20世纪80年代以来的演变过程。

鉴于此，本文拟以NDVI为数据源，利用像元二分模型法计算植被覆盖度，分析1982～2006年中国东部(105°E以东)植被覆盖度的空间分布格局及其时间演变特征，以期为进一步研究中国东部地－气相互作用提供科学数据基础。

本研究所用数据源为1982～2006年的GIMMS(Global Inventory Modeling and Mapping Studies)NDVI数据集，其空间分辨率为8 km，时间分辨率为15 d(Tucker et al., 2005)。GIMMS NDVI基于最大值合成法得到，其所用的原始数据来自6颗卫星，分别是NOAA-7(1982～1985年)、NOAA-9(1986～1988年)、NOAA-11(1989～1993年)、NOAA-14(1995～2000年)、NOAA-16(2001～ 2003年)和NOAA-17(2004～2006年)。为尽可能的消除非植被因素的干扰，来自卫星的原始数据经过了一系列的预处理，如消除云的影响、消除卫星轨道漂移的影响以及不同卫星数据之间的标定等；并针对1982年和1991年两次大规模的火山喷发进行了专门的矫正(Tucker et al., 2005)。Fang et al.(2004)和Piao et al.(2011)曾分析了GIMMS NDVI数据在中国区域的数据质量，结果表明该数据集可用于分析中国区域的植被动态变化。Zhou et al.(2001)、Wang et al.(2011)和Piao et al.(2011)都曾利用GIMMS NDVI数据分析地表植被活动变化及其对气候变化的响应。

为分析植被覆盖度与植被类型的关系，本研究使用了1:4000000的中国植被图(中国科学院植物研究所，1979；孙世洲，1981)。该图的编制以20世纪50至70年代的植被调查资料为基础，采用植物群落分类系统，共有4个级别，一级类别有4个(自然植被、农业植被、无植被地段、湖泊)，二级分类表示植被纲组，有13个，三级分类表示植被群系纲，有50个，四级分类表示植被群系组，有110个。为便于统计分析，本研究对中国植被图中的三级植被分类根据植被气候带、按照森林、灌丛、草原(表示植被群系纲)三大自然植被进行合并简化(武永峰，2008)。合并后的植被类型空间分布如图 1所示，其中，亚类1～7为森林植被，亚类8、9为灌丛植被，亚类11、12为草原植被，亚类15～19为农业植被(本研究不包括无植被地段和湖泊类型)。其中温带、亚热带落叶灌丛、矮林的面积最大(占14.4%)，主要分布在长白山、河套平原、秦巴山地等地区，其次是亚热带、热带常绿、落叶灌丛、矮林(占14.1%)，主要分布在长江以南大部分地区，再次是温带草原，主要分布在内蒙古高原中东部地区，位居第四位的是一年两熟或两年三熟旱作(局部水稻)和暖温带落叶果树园，经济林，主要分布在华北平原，面积最小的是温带、亚热带高寒草甸。

图 1 合并简化后的植被类型空间分布 Fig. 1 Spatial distribution of regrouped vegetation types

利用遥感技术测量地表植被覆盖度的方法有多种，其中直接利用植被指数近似估算植被覆盖度是一种比较好的方法，并且相对于其他方法更具有普遍意义，经验证后的模型可以推广到大范围地区，形成通用的植被覆盖度计算方法(Gillies et al., 1997；Qi et al., 2000；Jiang et al., 2006；Gu et al., 2009)。

像元二分模型(Leprieur et al., 1994；陈晋等，2001；Zribi et al., 2003；Jiang et al., 2006；Jiménez- Muñoz et al., 2009)是一种简单并被广泛应用的遥感估算模型，它假设一个像元的地表由有植被覆盖区域与无植被覆盖区域组成，而遥感传感器观测到的光谱信息也由这2个组分因子线性加权合成，各因子的权重是各自的面积在像元中所占的百分比，其中植被的权重即是植被覆盖度。

利用像元二分模型估算植被覆盖度的公式为：

I_s对于大多数类型的裸地表面，理论上应该接近零，但由于受众多因素影响，I_s的变化范围一般在－0.1至0.2之间(Carlson and Ripley， 1997；Rundquist，2002)。I_v代表着全植被覆盖像元的最大值，由于植被类型的影响，I_v值也会随着时间和空间而改变。因此，计算植被覆盖度时，既使同一区域的影像，I_s和I_v值也不是固定不变的(Kaufman and Tanre， 1992；Jiménez-Muñoz et al., 2009)。

对于给定区域A内的任何两个像元a₁与a₂，它们的植被覆盖度已知分别为F₁与F₂，对这两个像元应用公式(1)可得(李苗苗等，2004)：

(1)当F_max可以近似取100%，且F_min可以近似取0时。I_s=I_min，I_v=I_max。由于图像中不可避免的存在着噪声，NDVI的极值并不一定是I_max与I_min，因此对其取值时，并不是直接取区域A中NDVI的最大值与最小值，而是取给定置信度区间内的最大值与最小值，置信度的取值主要由图像大小、图像清晰度等情况来决定。

(2)当F_max与F_min不能近似取100%与0时。使用遥感技术监测植被覆盖度，都需要进行实测 数据的检验。如果有一定量的实测数据，那么只需取一组实测数据中的植被覆盖度的最大值与最小值，作为F_max与F_min，并在图像中找到这2个实测数据所对应像元的NDVI值，分别作为I_max与I_min，而其余实测数据都可以作为检验值。

(3)当F_max与F_min不能近似得取100%与0且没有实测数据时。一般取I_max与I_min为图像中给定置信度的置信区间内的最大值与最小值，F_max与F_min则根据经验进行估计。然后将F_max、F_min、I_max与I_min 4个参数代入公式(4)与公式(5)，计算I_s与I_v。

鉴于使用的数据为1982～2006年每半月的8 km NDVI，研究区为整个东部季风区，难以获取研究区内足够的地面测量数据，故本研究采用上述第三种方案，在每景NDVI图像的频率累积表上取频率为0.5%的NDVI为I_min，取频率为99.5%的NDVI值为I_max；植被生长期(3～6月)、枯萎期(11～2月)F_max近似取90%，F_min近似取0%，旺盛期(7～10月)F_max近似取100%，F_min可以近似得取0。

图 2a显示了中国东部1982～2006年平均植被覆盖度的空间格局，表 1为年平均与季节平均的高、中、低植被覆盖区域面积百分比。由此看出，研究区年平均植被覆盖度为0～84.2%，南北具有明显差异，南方高北方低，在35°N以北东西差异也比 较明显，这与中国东部季风区南方暖湿、北方冷干，并且北方自东向西干燥度逐渐增加的气候格局一致，说明了多年平均植被覆盖度的空间格局基本受制于气候的地带性变化。具体而言，高植被覆盖区(植被覆盖度≥60%)面积最小，主要集中分布在湿润、半湿润地区，包括武夷山、南岭、海南以及大巴山东南局部地区，占整个区域总面积的4.7%；低植被覆盖区(植被覆盖度＜20%)主要集中分布在内蒙古高原中部，这些地区降水稀少，为半干旱、干旱地区，包括内蒙古高原中西部的库布齐沙漠、乌兰布和沙漠、毛乌素沙地等地区，在环渤海、长三角、珠三角等经济开发区也有分布，占整个区域总面积的9.6%；除此之外的大范围地区为中植被覆盖区(20%≤植被覆盖度＜60%)，如东北松辽平原、华北黄淮海平原、长江中下游平原以及秦巴山地等地区。

图 2 1982～2006年中国东部(a)多年平均、(b)夏季平均、和(c)冬季平均植被覆盖度的空间格局 Fig. 2 Spatial patterns of the(a)annual，(b)summer， and (c)winter mean fractional vegetation cover and seasonal mean fractional vegetation cover separately in eastern China from 1982 to 2006

表1(Table 1)

表 1 1982～2006年中国东部年平均与季节平均高、中、低植被覆盖区域面积百分比 Table 1 Area percentage of regions covered by high，medium， and low vegetation with annual and seasonalmean values ineastern China from 1982 to 2006 盖度等级 覆盖面积百分比 25年 平均 春季 平均 夏季 平均 秋季 平均 冬季 平均 植被盖度(≥60%) 4.7% 4.2% 40.0% 11.8% 1.7% 中植被盖度(20%～60%) 85.7% 76.3% 54.0% 80.7% 52.1% 低植被盖度(＜20%) 9.6% 19.5% 6.0% 7.5% 46.2%

表 1 1982～2006年中国东部年平均与季节平均高、中、低植被覆盖区域面积百分比 Table 1 Area percentage of regions covered by high，medium， and low vegetation with annual and seasonalmean values ineastern China from 1982 to 2006

图 2b、2c显示了夏、冬季1982～2006年平均植被覆盖度的空间格局。由此看出，夏季高植被覆盖度区域面积最大，占研究区总面积的40%，并且分布范围较广，自南至北皆有分布，主要分布于东部地区的山地(大、小兴安岭和长白山)、秦巴 山区和武夷山地，因此植被覆盖度的南北差异较 小，这与中国东部夏季气候湿热，水、热条件南北差异较小有关。冬季低植被覆盖度面积最大，占研究区总面积的46.2%，其分布范围仅限于中国北方自东北至内蒙古高原地区，自此往南依次分布的是中植被覆盖度区域、高植被覆盖度区域，因而冬季是植被覆盖度南北差异最大的季节，这与冬季北方盛行北风，气候干冷，且自北至南受盛行北风影响越来越弱，造成水、热条件南北差异较大有关。春季和秋季的南北差异介于夏季和冬季之间，这与 春季和秋季分别处于自冬至夏、自夏至冬的转换期，水、热条件的南北差异介于夏季和冬季之间有关。低植被覆盖度主要分布于内蒙古高原的中、西部，高植被覆盖度主要分布于东南武夷山及台湾 山地，其中低植被覆盖度的面积是春季大、秋季小，高植被覆盖度的面积则是春季小、秋季大，所以整个研究区平均植被覆盖度是春季小于秋季。

图 3显示了中国东部19种植被1982～2006年平均的植被覆盖度。由此看出，森林的植被覆盖度最高，为49.9%，其中热带雨林性常绿阔叶林最大，达到了56.5%，寒温带、温带针叶林最小，也达到40%；温带、亚热带落叶灌丛、矮林和亚热带、热带常绿、落叶灌丛、矮林2种灌丛亚类的植被覆盖度分别为39.3%、50.2%，与森林各亚类植被覆盖度基本相当；农业植被平均植被覆盖度为40.4%，5种亚类之间的差异较小，各亚类的平均植被覆盖度均位于40%左右；草原的植被覆盖度较低，温带草原，亚热带、热带稀树草原2种草原植被亚类的平均植被覆盖度分别为25.1%、37.1%。

图 3 各类植被1982～2006年平均的年平均植被覆盖度(各编号指代的具体植被类型详见图 1) Fig. 3 Mean annual fractional vegetation cover for each type of vegetation in eastern China from 1982 to 2006(see Fig. 1 for the vegetation types referred by the numbers)

图 4显示了中国东部19种植被1982～2006年平均的植被覆盖度季节变化。由此看出，各类植被的覆盖度在夏季达到最大，秋、春季次之，冬季最小；其中，常绿植被的覆盖度季节变幅较小，寒温带、温带针叶、阔叶以及草原等的覆盖度季节变幅较大，农业植被中一年两熟作物的覆盖度表现出明显的“双峰”变化特点。具体而言，寒温带、温带针叶林、温带针阔混交林和温带、亚热带落叶阔叶林的覆盖度季节变幅较大，如寒温带、温带针叶林植被覆盖度年最小值为14.8%，出现在2月，而最大值为76.3%，出现在8月；亚热带、热带常绿针叶林、亚热带常绿落叶阔叶混交林、亚热带常绿阔叶林和热带雨林性常绿阔叶林的覆盖度季节变幅较小，如热带雨林性常绿阔叶林年最大与最小值之差仅为12.7%。灌丛春、夏、秋、冬季平均植被覆盖度分别为41.0%、58.6%、48.5%、30.9%，两种亚类中，温带、亚热带落叶灌丛、矮林的覆盖度季节变幅较大，其中最小值为21.6%(出现在1月)，最大值为61.3%(出现在8月)；亚热带、热带常绿、落叶灌丛、矮林的覆盖度季节变幅较小，年最大与最小值之差为23.5%。草原春、夏、秋、冬季的平均植被覆盖度分别为27.6%、39.0%、34.0%、23.7%，两种亚类中，温带草原的覆盖度季节变幅较大，最小值为13.2%(出现在1月)，最大值为45.2%(出现在8月)，亚热带、热带稀树草原的覆盖度季节变幅较小，年最大与最小值之差仅为10.9%。农业植被春、夏、秋、冬季平均植被覆盖度分别为39.1%、51.9%、42.8%、27.8%，五种亚类中，一年一熟作物与一年两熟作物的季节变化曲线明显不同，前者为单峰分布，峰值出现在8月初的作物生长旺盛期，后者表现为“双峰”变化特点，“双峰”的峰值分别出现在4月以及8月的作物生长旺盛期，且一年一熟作物覆盖度的年最大最小值差大于一年两熟作物。

图 4 1982～2006年(a)森林植被、(b)灌丛植被、(c)草原植被和(d)农业植被平均植被覆盖度季节变化(各编号指代的具体植被类型详见图 1) Fig. 4 The mean seasonal cycle of fractional vegetation cover for(a)forests vegetation，(b)shrubs，(c)grassl and vegetation， and (d)agricultural vegetation in eastern China(see Fig. 1 for the vegetation types referred by the numbers)

图 5显示了1982～2006年年平均植被覆盖度变化趋势的空间格局。由此看出，1982～2006年中国东部大部分地区(占研究区总面积的74.1%，见表 2)植被覆盖度呈增加趋势，其中，华北平原、内蒙古中东部典型草原区、陕西中南部秦巴山地、安徽、江苏北部山地丘陵区、东北平原西部、海南等地区增加趋势明显，特别是冀、鲁、豫、皖北、苏西北和陕西关中等平原地区，植被覆盖度的年增加率高于0.15%。植被覆盖度出现减小的地区主要分布在长江中下游的湘西北、赣、皖南、浙以及两广、闽等广大地区，特别是在珠江三角洲地区，植被覆盖度减少趋势最明显，年降低率高于0.34%。

图 5 1982～2006年植被覆盖度变化趋势的空间分布 Fig. 5 Spatial distribution of trends of variations in annual mean fractional vegetation cover over eastern China from 1982 to 2006

表2(Table 2)

表 2 1982～2006年中国东部年平均与季节平均植被覆盖度年际变化趋势 Table 2 Change trends of annual and seasonalmean fractional vegetation cover ineastern China from 1982 to 2006 趋势 年际变化趋势 季节变化趋势 春季 夏季 秋季 冬季 增加 74.1% 75.3% 44.6% 68.0% 71.9% 减小 25.9% 24.7% 55.4% 32.0% 28.1%

表 2 1982～2006年中国东部年平均与季节平均植被覆盖度年际变化趋势 Table 2 Change trends of annual and seasonalmean fractional vegetation cover ineastern China from 1982 to 2006

依植被类型看(图 6)，1982～2006年森林、灌丛、草原、农业四大类植被年平均覆盖度均呈现增加趋势，其中农业植被的增加趋势最大，增加速率为0.89%(10 a)^-1；森林的增加趋势最小，增加速率为0.28%(10 a)^-1。并且，植被覆盖度并非是持续、稳定增加的，而是具有明显的年际波动，在1982～2006年，植被覆盖度曾经出现两个明显的峰值，分别是1983年和1990年，这可能分别与当年冬春季气温较常年明显偏高有关(黄琰等，2011)。

图 6 1982～2006年(a)森林植被、(b)灌丛植被、(c)草原植被和(d)农业植被的平均植被覆盖度年变化 Fig. 6 The annual variations of fractional vegetation cover of the(a)forestvegetation，(b)shrub vegetation，(c)grassl and vegetation， and (d)agriculturalvegetation ineastern China from 1982 to 2006

依季节看(图 7)，1982～2006年春、秋、冬季中国东部大部分地区植被覆盖度呈增加趋势，增加区域的面积分别占整个研究区面积的75.3%、68.0%、71.9%。春季，华北平原、内蒙古高原中东部、秦巴山地、四川盆地东南、云贵高原东部以及武夷山等地区增加趋势明显，长江中下游、内蒙古高原北部以及东北平原绝大部分地区却呈现减小趋势；秋季，华北平原、云贵高原东部、南岭以及武夷山等地区减小趋势明显，呈现出与春季相反的变化趋势；冬季，除了四川盆地东南、云贵高原东部等地区呈减小趋势、长江三角洲呈增加趋势外，其他地区基本与春季的变化趋势相同。夏季中国东部大部分地区植被覆盖度呈减小趋势，减小的部分占整个区域的55.4%，其中长江下游、南岭、武夷山以及两湖西部等地区减小趋势明显，增加的地区主要分布在内蒙古中东部、松辽平原等北方地区。各季节植被覆盖度年际变化趋势的差异主要受温度、降水年际变化的季节性差异影响(朴世龙和方精云， 2001，2003)，在农业植被覆盖地区，这种差异还可能受到种植制度调整和农业管理措施改进的影响，如华北平原春、冬季节植被覆盖度增加，部分可以归因于该地区冬小麦种植面积的扩大(徐兴奎等，2009)。

图 7 1982～2006年(a)春季、(b)夏季、(c)秋季、(d)冬季植被覆盖度年际变化趋势的空间分布 Fig. 7 Spatial distribution of trends of variations in fractional vegetation cover in(a)spring，(b)summer，(c)autumn， and (d)winter over eastern China from 1982 to 2006

综合上述分析可知，中国东部年平均植被覆盖度为0～84.2%，呈现出南方高、北方低的空间格局，由于水分条件的限制，低值中心出现在内蒙古高原中部，并且南北差异依季节而变，夏季南方和北方植被覆盖度普遍较大，南北差异较小，冬季南方和北方植被覆盖度普遍较小，但是北方减少幅度更大，导致南北差异较大，春季和秋季的南北差异介于中间，这与东亚季风区水、热条件南北差异的季节变化有关。依植被类型看，森林的植被覆盖度最高，平均为49.9%，其次是灌丛和农田，草原的植被覆盖度最低，为31.1%，并且森林植被的覆盖度季节变化幅度最大，为31.5%，其次是灌丛植被，为27.7%，变幅最小的是草原植被，为15.3%，一年两熟农业区植被覆盖度呈现明显的“双峰”特征。 依1982～2006年的变化趋势看，研究区内超过74%的地区植被覆盖度呈增加趋势，其中主要是农业区，并且春季和冬季呈增加趋势的区域面积最大。限于本文篇幅，我们将另文阐述植被覆盖度变化的机制，以及2000年以后森林植被覆盖度呈下降趋势与中国森林植被持续大幅增加的不一致性的问题。

本研究揭示了中国东部1982～2006年植被覆盖的空间分布和时间演变，为下一步研究植被覆盖变化的气候效应提供了科学背景，为利用数值模式模拟植被覆盖变化对地表能量、水分平衡的影响以及对气候的反馈效应提供了基础数据。然而，本数据集尚有一定的不确定性，尚待进一步改进，主要表现为如下三方面：(1)NDVI数据本身的不确定性，虽然NDVI的物理意义明确，能较好的指示地表植被动态，但是NDVI比较容易受表层土壤含水量的影响，并且在植被稠密地区容易饱和(Gitelson et al., 2002)，为此Jiménez-Muñoz et al.(2009)发展了绿色植被指数(Green Vegetation Index，GVI)，经验证利用GVI计算得到的植被覆盖度精度稍高，不过GVI尚待大范围的应用和验证；(2)像元二分模型的不确定性，尽管利用像元二分模型已经被广泛应用，且据此计算的植被覆盖度的精度高于利用线性模型和指数模型得到的计算结果精度(Xiao and Moody， 2005)，但是像元二分模型将像元地表类型概括为植被和裸地两种，这与真实像元内部地表类型的高度异质性特征有一定偏差；(3)裸地和稠密植被NDVI阈值的不确定性，如前所述NDVI阈值对植被覆盖度的计算结果有较大影响，Jiménez-Muñoz et al.(2005)曾专门对此进行了分析，但是学术界尚未就NDVI阈值的选择标准达成共识，这也是学术界面临的一个重大问题。