《African Journal of Ecology》:Interannual MODIS NDVI Dynamics of the Grazing Areas Under Variable Precipitation in Northern Sahel
编辑推荐:
萨赫勒地区自20世纪60年代中期以来遭受了严重的降雨减少。本研究旨在评估基于卫星的观测在量化尼日尔共和国中南部MODIS NDVI动态方面的适用性。研究人员使用了2000年至2023年的MODIS NDVI (MOD13Q1.061)数据以及1981年至202
萨赫勒地区自20世纪60年代中期以来遭受了严重的降雨减少。本研究旨在评估基于卫星的观测在量化尼日尔共和国中南部MODIS NDVI动态方面的适用性。研究人员使用了2000年至2023年的MODIS NDVI (MOD13Q1.061)数据以及1981年至2023年的CHIRPS降水数据来评估植被变化。研究人员应用曼-肯德尔(Mann–Kendall, MK)检验和森氏斜率(Sen's slope)检验来评估长期趋势及其幅度,并使用线性混合效应(Linear Mixed-Effects, LME)模型来评估NDVI的年际变异性。此外,还进行了皮尔逊相关分析以检验NDVI与降水之间的关系。结果表明:(1)1981年至2023年的降水时间序列呈显著正向增加,p值等于0.01,Z值等于2.34。研究发现在2001年至2002年间存在一个降雨时间序列的断裂期。基于MK检验和森氏斜率估计器的植被趋势分析显示Z值为2.10(大于1.98),且β>0,表明植被密度存在显著的正向趋势(Z = 2.10, p = 0.04)。(2) NDVI与降雨之间建立了中度、正向且显著的相关性(r = 0.4, p = 0.05)。这些发现与先前在萨赫勒地区的研究一致。遥感技术的使用为理解植被趋势提供了关键见解,并支持在半干旱环境下气候变率中的可持续牧场管理策略。
**论文解读:北萨赫勒地区降水变化下放牧区年际MODIS NDVI动态研究**
**研究背景与意义**
西非的半干旱草原是超过1亿热带牲畜单位(Tropical Livestock Units, TLUs)的栖息地,维系着约5000万人口,主要是贫困人群的生计,同时也是全球环境变化的潜在支撑。在这些地区,放牧是半干旱牧场最可持续的管理形式之一。然而,日益增长的牲畜数量和极端天气事件(如干旱和洪水)对牧场资源造成了损害。在萨赫勒地区,牧业仍然是利用牧场的主要方式,天然草场在牲畜饲养中扮演着关键角色,通常是主要的、甚至唯一的动物营养来源。这些草场包括以一年生植物(主要是禾草)为主的草本层,以及高度和物候各异的分散木本植被。植被的物候周期取决于累积降雨量及其时空分布。20世纪70年代和80年代的卫星数据显示,萨赫勒地区的归一化植被指数(Normalized Difference Vegetation Index, NDVI)值异常低。
在尼日尔共和国,大部分放牧区位于干旱地带,受到气候灾害和人类活动的威胁,表现为适口牧草的减少以及牲畜不喜食或适口性差的植物物种的入侵。当地人口的牧场管理实践导致了植物资源的快速退化。遥感数据,特别是NDVI数据集的应用,提高了研究人员在不同时空尺度上理解植被动态的能力。然而,针对放牧区,特别是评估近期气候变化对植被动态影响的局地尺度时空分析仍然有限。本研究聚焦于尼日尔共和国中南部,旨在探究局地尺度的MODIS NDVI时空动态及其与气候因子的相互关联,以支持可持续牧场利用和保护策略的实施。该研究发表在《African Journal of Ecology》上,其发现将增进对牧场植被动态及其与降水模式关系的理解,并展示遥感数据如何支持整个萨赫勒地区牧业资源的可持续管理。
**关键技术方法**
本研究主要采用了遥感数据分析和统计建模相结合的方法。研究区域位于尼日尔共和国中南部马拉迪省北部的贝尔莫(Bermo)公社,是一个半干旱的萨赫勒区。研究人员使用了两个核心数据集:一是来自美国国家航空航天局(NASA)的MODIS Terra卫星的16天合成、250米空间分辨率的NDVI产品(MOD13Q1-061),时间跨度为2000年2月至2023年12月;二是来自气候灾害组红外降水(Climate Hazards Group InfraRed Precipitation with Station data, CHIRPS)的降水数据集,时间跨度为1981年4月1日至2023年10月30日,空间分辨率约为5.5公里。数据分析在谷歌地球引擎(Google Earth Engine, GEE)云平台上进行。研究采用了多种统计方法:利用曼-肯德尔(MK)趋势检验和森氏斜率估计器评估NDVI和降水的长期趋势及变化幅度;使用二元分割(Binary Segmentation, BS)算法结合累积和(CUSUM)统计量检测时间序列中的突变点;应用线性混合效应(LME)模型分析NDVI的年际变异性;最后,通过皮尔逊相关分析探究生长季(4月至10月)NDVI与降水之间的关系。
**研究结果**
**3.1 2000年至2023年MODIS NDVI分布图**
基于MODIS NDVI数据集(2000-2023年)每五年间隔生成的时空分布图显示,植被覆盖密度呈动态变化。结果表明,从2000年至2014年,植被密度稳步增加,暗示了一个生态逐步恢复和气候条件有利的时期。然而,在2015年至2019年间观察到植被覆盖下降,这可能归因于自然或人为干扰,如干旱事件、土地退化或生态系统面临的人类压力增加。2019年之后,植被密度显示出恢复迹象,NDVI值逐渐改善,表明研究区域近年来的植被覆盖总体呈积极趋势。
**3.2 降水的趋势、变异性与突变点检测**
对降水时间序列的分析显示,从1981年到2023年,降水呈显著正向增加趋势(p = 0.01, Z = 2.34)。年际变异性(以蓝线表示)表明降水量存在明显的年际波动,且波动方向与趋势线一致。通过二元分割算法检测到一个可能的突变期,位于2001年至2002年之间。
**3.3 植被覆盖的趋势、变异性与突变点检测**
年均MODIS NDVI中位数的时间序列分析显示,植被覆盖密度呈显著正向增加(MK检验:p = 0.04, Z = 2.10;变异系数为+29.7%)。NDVI的年际变异性显著,在2002年、2004年、2009年和2017年出现了植被覆盖密度的急剧下降。然而,2009年后观察到积极的改善,最高NDVI值记录于2021年。突变点检测结果显示,2000年至2023年的时间序列中未发现突变点。
**3.4 MODIS观测的年NDVI中位数变化**
线性混合效应模型分析表明,仅有2001、2007、2010、2011、2012、2013、2014、2020、2021和2022年显示出NDVI的显著正向变化(p ≤ 0.05)。其余年份的NDVI变化不显著(p > 0.05)。固定效应线性回归测试进一步揭示了植被覆盖的趋势,结果显示2002年、2004年、2009年和2017年植被覆盖呈负向但不显著的趋势。这些负向变化可能不仅与气候因子(特别是降水模式的年际变异性)有关,也可能与某些人为因素(如过度放牧和脆弱土地上的森林砍伐)有关。
**3.5 曼-肯德尔检验与森氏斜率估计器**
基于MK检验和森氏斜率估计器的NDVI趋势分析显示,Z值为2.10(大于1.98),且β > 0,这表明在95%的置信水平下,NDVI存在显著的正向趋势。
**3.6 皮尔逊线性相关**
皮尔逊相关系数分析显示,NDVI与降水之间存在显著的正相关(p = 0.05)。皮尔逊相关系数为0.4,表明两者之间存在中度的正向相关性。
**3.7 研究局限性**
研究指出了若干局限性:卫星图像的空间分辨率和混合像元可能影响分类精度;使用不同的趋势分析模型可能导致显著不同的结果;缺乏基于实测的降水数据或数据稀疏限制了可持续理解和管理;未考虑某些人为因素(如社会动态)和土壤学方面(如基质类型)可能影响对植被覆盖动态的解释;一些季节内变量(如降雨间歇、频率和持续时间)未被考虑,而这些对植被生长阶段有显著影响。此外,在干旱区,卫星NDVI读数可能主要反映裸地信号而非冠层,这会扭曲对植被生产力的解释。阴影效应也可能影响植被指数的解读。为了克服纯卫星方法的局限性,有必要调查物种丰富度,并结合当地牧民社区的生态知识。
**讨论与结论总结**
讨论部分综合了上述结果,指出植被覆盖动态与降水存在显著关联,且总体呈恢复趋势,这与萨赫勒地区其他研究观察到的“绿化”现象一致。然而,这种恢复并非线性,其间受到干旱年份和潜在人为干扰的影响。研究所发现的中度相关(r=0.4)表明,在萨赫勒半干旱生态系统中,降水是植被生长的主要驱动因子,但并非唯一因子,其他环境因子和人类活动也起着重要作用。突变点检测揭示了降水序列在21世纪初的转变,这可能与区域气候模式的年代际变化有关。
研究结论指出,在贝尔莫半干旱地区,植被覆盖动态与降水在2000年至2023年的时间序列期间存在显著增加且相互关联。研究人员发现1981年至2023年降水呈显著正向增加(p = 0.01, Z = 2.34),并存在年际降水变率,且在2001年至2002年间识别出一个断裂期。MODIS NDVI与降水之间的关系显示出中度的正向相关性,皮尔逊相关系数为0.4。本研究结果揭示了该半干旱放牧区植被动态(以NDVI表示)的趋势和幅度。建议未来在同一区域进行定性研究,以识别草本和木本物种的牧草丰富度,从而促进畜牧业活动的管理和可持续性。为了推进这一研究方向,有必要通过植物区系调查和实地考察,继续调查研究区域内高营养价值的饲用物种。同时,收集游牧和季节性移牧牧民关于牧场动态及其应对饲草可用性变率(受气候因子,特别是降水影响)的适应策略的认知也很有价值。建议使用更高分辨率的卫星图像,如Landsat(30米)和Sentinel-2(10米),进行更局地化的研究。