以中尺度成像光譜儀影像研究中國內蒙古自治區沙漠化時空變化歷程

(1)

國立台灣大學地理環境資源學系碩士論文

Graduate Institute of Geography College of Science

National Taiwan University Master Thesis

以中尺度成像光譜儀影像

研究中國內蒙古自治區沙漠化時空變化歷程 Monitoring Short-Term Ecological Changes for Desertification and Vegetation Dynamics Using MODIS

Imagery in Inner Mongolia, China

邱顯皓 Hsien-Hao Chiu

指導教授：朱子豪博士 Advisor: Tzu-How Chu, Ph.D.

中華民國 97 年 6 月

June, 2008

(2)

國立臺灣大學碩（博）士學位論文口試委員會審定書

以中尺度成像光譜儀影像

研究中國內蒙古自治區沙漠化時空變化歷程

Monitoring Short-Term Ecological Changes for Desertification and Vegetation Dynamics Using MODIS Imagery in Inner

Mongolia, China

本論文係邱顯皓君（P95228001）在國立臺灣大學地理環境資源學系、所完成之碩（博）士學位論文，於民國 97 年 6 月 30 日承下列考試委員審查通過及口試及格，特此證明。

口試委員：

(3)

謝辭

由於離開書本很久了，回學校作研究總像是徒手摸著石頭過河，忍受著旁人的譏笑或暗地嘲諷，在黑暗中朝未知的向度勇敢探手摸索，藉著不斷的試誤與修正才勉強完成了這本粗劣的拙作，幸虧在學習的路上身邊不斷有人不吝惜地慷慨予我投射溫暖光譜，映照我、引領我，讓我不致於一路跌跌撞撞。

本論文的完成要感謝朱子豪老師的悉心指導，在生活上朱老師更給了我許多人生視野的開拓以及待人處事的思考方式，這是我唸研究所最大的收穫。在專題討論時孫志鴻老師、蔡博文老師、張康聰老師常給予我寶貴的建議，以及在口試時李瑞陽老師亦指導許多珍貴的方向。我親愛的大學同學蛋龍、大頭總是適時的在我論文往不對的方向發散時拉我一把，逸祥也給了我好多有關於遙測的意見。七樓研究生室的裕民、禹璇、青灩、祥雲、尚書、資惠、冀茂，六樓的怡君、宜玲，五樓的美智、慶安、永恆，四樓的育源，三樓實驗室的家豪、香菇和真美麗的大姐，以及專班的小蘭姊、明宏、敏慧、佩蓉、志中、右融、立諄還有姜蘭虹老師，謝謝你們在我研究煩悶時陪我吃飯聊天、聽我大發厥詞發洩不滿情緒，你們是我研究生活上的下午茶，讓我過於緊繃的時候轉移目標不那麼煩惱。最後要感謝我父母及可愛的女友，在學生生活期間我對家裏的貢獻並不大，很感謝你們對我的包容和鼓勵，你們是我在這段人生歷程中最大的背後支持。

在這個畢業季節裡，夏天耀眼的陽光老是讓我睜不開眼睛看不清楚前方的路，但我心裡很清楚，如果我對這個社會有任何一點貢獻，那都是因為你們的關係，謝謝你們。

(4)

國立台灣大學理學院地理環境資源學系碩士論文

以中尺度成像光譜儀影像研究中國內蒙古自治區沙漠化時空變化歷程邱顯皓 (2008)

摘要

衛星影像可用於監測大規模地表變遷現象，不但同時提供了地表的生物、物理特性，也提供了低成本的研究資料，而且輕易跨越了政治與地形的限制。本研究利用 2000-2006 年 Terra 衛星中尺度成像光譜儀 (MODIS) 影像觀察中國內蒙古自治區之地表沙漠化分布及變遷，希望對沙漠治理有基礎幫助。在研究方法上將衛星影像透過去雲、運算等程序，並轉換為修正土壤植被指數 (MSAVI)，並以最大值合成法 (MVC) 產生歷年圖像，以供觀察地表綠度 (Greenness) 之空間分佈與時間變化；理論上在單位研究時間單元 (年 ) 內綠度最大的時候代表地面的植生量 (Biomass) 最大、最好的植生狀態，有效指示出了「乾燥狀況」最保守估計值。研究最後整合氣候與人為因子進行相關分析以了解現象發生原因。

由歷年的 MSAVI 觀察發現沙漠化並非一不可逆之地表植生退化過程，隨著時間其邊界在年間甚至會有大幅度的變動，大致上在研究期間內並未發現明顯的「退化」，但有發現很明顯的不穩定「波動」情形。因子相關分析方面，研究顯示對短年期的沙漠化現象而言，氣候因子的年累積降雨量是主要的影響地表植被生長的因子，不論是分佈或變動都呈現顯著的相關性與較高的相關值；人為因子，包括耕地面積、有效灌溉面積、羊畜養量及大牲畜畜牧量等，影響相對較有限，其相關係數無論在空間分佈上或時間變遷的分析都呈現較低或不顯著的數值結果，最後並利用空間單元的因子變遷性質濾定出最需要進行治沙計畫的地區，希望研究成果可供相關單位參考。

關鍵字：沙漠化、植被指數、中尺度成像光譜儀、內蒙古、地理資訊系統

(5)

Monitoring Short-Term Ecological Changes for

Desertification and Vegetation Dynamics Using MODIS Imagery in Inner Mongolia, China

Hsien-Hao Chiu

The Graduate Institute of Geography National Taiwan University

2008

ABSTRACT

Desertification is an environmental problem of major importance in arid environments. Remote sensing has been an efficient technique and comprehensively applied in researching detailed analyses of spatial distribution and surface changing for the phenomenon of desertification.

In this study, we examined the spatial and temporal ecological progress of IMAR in north China between Beijing and the Gobi desert.

2000~2006 biweekly/1 km resolution vegetation indices products, derived from MODIS instrument on Terra, were downloaded from Earth Observing System Data Gateway website. After cloud removal process, MVC method was adopted to produce annual MSAVI map, which conservatively estimate desertification condition. Furthermore, by using correlation analysis, this paper present studies on the relationship between climate, human activity and MSAVI in county-based.

In the research, it shows that desertification is not an unconvertible retrogression of surface greenness, and the contour of isolated MSAVI

(6)

values oscillated year by year. During the study duration, we did not detect significant vegetation degradation, but apparent vibration of biomass. Comparing with the 7 images we found the desert area shrunk and spread acutely. In regression analysis, it indicated that annual accumulated precipitation is the principal effective factor and showed higher positive correlation than every human activity factor in spatial distribution and temporal change. The results would provide authorities for arid region management and decision making.

Keywords: desertification, vegetation index, MODIS, IMAR, GIS

(7)

第一章緒論

第一節研究動機

沙漠化對人類社會的危害甚大，其影響包括土壤鹽鹼化而使土地退化無法使用，土壤表層硬化，糧食的生產用地會減少而產生糧食安全的危機，沙漠化後不穩定的疏鬆、裸露地使周遭的沙塵暴現象加劇而影響空氣品質，甚至於水資源涵養以及生態系的滅絕等 (Evans and Geerken, 2004; Geerken and Ilaiwi, 2004; Zhang, et al., 2005)。而就全球尺度而言，北美、中亞、澳大利亞和中非為四大沙塵暴產地，而東亞內陸地區沙漠化引起沙塵暴的影響甚至不止是往外擴展到台灣或日本地區，甚至華北地區強力揚起的風沙就可以傳播到達西太平洋 (Lu et al., 2005)。是故，東亞地區的沙漠化，不只是東亞地區單純的在地環境事件，影響的層面及範圍可說是全球性的，對台灣在地而言，東亞地區的沙漠化亦是影響台灣空氣品質的重要環境因子。

因此如何透過有效的方式來監測沙漠化的現象，瞭解並掌握沙漠化的變化趨勢，提供相關單位有所規劃與防範，不管就維持環境生活品質、防範土地退化、永續發展的觀點而言，或是全球人口增加導致的糧食安全問題角度來看，都是個極為重要的課題。

就目前的前人研究而言，利用衛星影像來監測大規模地表沙漠變遷現象是種普遍而有效的方式，因為影像不但同時提供了地表的生物、物理特性，而且也提供了低成本的長期研究資料，而且輕易跨越了政治與地形的限制 (Dall'Olmo and Karnieli, 2002)；多波段的空間資

(11)

上如何考量在地的環境、生態變化特性取得適當的影像資料來研究仍有一些值得思考、改進的空間。本研究希望利用衛星影像來監測中國北方乾燥地區的沙漠化變遷，並考量環境變遷的特性，針對前人研究方法做出影像資料擷取上的改進。

第二節研究目的

研究希望藉由分析衛星影像觀察 2000-2006 年間中國內蒙古自治區之沙漠化變遷趨勢，並利用地理資訊系統分析方法瞭解環境地表植被的變遷，希望達到以下研究目的：

1. 了解 2000-2006 年 MSAVI pattern 時間、空間分布變化 2. 配合氣候因子及人為因子等資料探究地表植被變動之原因 3. 利用空間資料分析方法濾訂出迫切需要治理的土地退化地區

圖 1-1 中國內蒙古地區位置示意圖 (資料來源：TERRA-MODIS 影像 )

(12)

第二章文獻回顧

第一節沙漠化之定義及其理論背景

一、沙漠化現象的定義與特性

沙漠化的沙漠化 (desertification) 的定義繁多，從最早 1949 年的法國生態學者 Aubr´eville 創造了這個名詞後，此後一直沒有統一為大眾接受的精確定義。一開始 Aubr´eville 指出非洲熱帶森林因砍伐與焚燒而造成森林界線後退了 360-400km，而轉變成草原甚至是沙漠景觀的過程，就是沙漠化 (Zha and Gao, 1997；朱震達，1994)。Rapp (1974) 指出沙漠化為「因人為或氣候變遷的影響，使得在半乾燥地區的沙漠狀況有所擴展」，類似這樣較為大家接受的定義可說是相當婉轉而且帶有很大的迴旋空間，因為如此定義其實並沒有明確規定一個數值或指標來界定當環境到達哪一種臨界狀況時，或是在氣候、土壤或是植被有什麼變化量才叫做沙漠化。Rhodes (1991) 和 Thomas (1993) 主張應進一步用科學方法釐清發生原因，自然環境變遷引起的長期/ 有害的影響，應當與人類活動引起的土地退化有所區隔。但是我們可以看到，就連 1994 年聯合國國際防制沙漠化公約 (International Convention to Combat Desertification;CCD) 學者們將沙漠化定義為：「在乾燥、半乾燥或半濕潤地區因各種因素、包含氣候因子與人類活動，所引起的的土地退化」，在這樣的定義裡，還是相當模糊不清。

具體言之，大部分學者都大致同意：不論起因於自然或人為因素，當沙漠邊緣地帶因缺乏降水、逕流或涵養水分的能力，使得沙漠的範圍更加擴大的現象，我們稱為沙漠化。沙漠邊緣土地水分缺乏而導致

(13)

土地退化的原因相當複雜，不外乎氣候變遷及人為利用兩大類，例如：反聖嬰現象 (La Nina) 的強化導致部分地區降雨減少、氣溫升高，或是因人類在草原地帶過度開墾導致土地可能無法永續利用，都時常見的原因 (Franklin, et al., 2006; Symeonakis and Drake, 2004; Zha and Gao, 1997; 王心源等， 2001; 孟鑫等， 2004; 康相武等， 2005; 裘善文，2004)。

圖 2-1 沙漠化原因的分類 (資料來源： Symeonakis and Drake, 2004)

(14)

二、植被指數衰退現象之意義

傳統定義中所謂的「缺乏」和「退化」的量化定義為何? 地理氣候學利用地表植被生長的類型的差異，利用雨量與氣溫作為定義產生地表各類區塊的版圖，而根據科本 (Koppen) 氣候分類，「沙漠」便是年雨量小於 250mm 所生的地表植被稀疏之景觀；所以狹義而言我們會界定在中國北方年雨量「退化到」(低於 ) 250mm 地區為「氣候」上的沙漠地區，雨量變化由大於 250mm 降低到 250mm 以下就變成了沙漠化的過程；廣義來說，假設雨量由 400mm 降低到 256mm 雖不能說是氣候學上的狹義沙漠化，但也可以由以往學者研究裡關注的焦點判斷，此類現象的確有沙漠化趨勢。

其次，由以上文獻得知沙漠化發生的原因繁多，事實上也有些地區雨量大於「沙漠」閾值，但因人為過度開墾或是土地鹽鹼化等原因造成的沙漠化，因此單純由雨量來界定沙漠並不合理，事實上應該回顧到地表的植被狀況之觀察，才能了解地表實際的土地退化現象；若由此觀點推演到光學影像對地表的判識，我們也可以說，假定我們取得的光譜影像資料是正確的，如果我們根據光譜影像資料演算出來地表植被指數所呈現的的綠度 (Greenness) 有大量降低的現象，不論其發生原因是「氣候」或是「人為」，地表確實有發生沙漠化趨勢的變化。

(15)

第二節沙漠化變遷研究

一、相關沙漠化變遷研究

早期的沙漠化調查非常仰賴現場田野調查，透過林林總總的資料整合才能達到大範圍區域研究的整體呈現。這樣的普查資料產出方式，不管是工作產出效率而言，或是研究成果的精確度，受限於技術與科技的關係，就現在的學術標準來看都是既吃力又不見得能獲得準確的資訊。例如圖 2-2 為 Zha and Gao (1997) 年參酌舊有的文獻利用歷史地理學方法及資料所繪製出來的中國沙漠分布圖以及沙漠化地區，從圖上並無法得到精確的沙漠位置及動態變動狀況，也無法得到沙漠化「強度」或地表植生狀況的資料。

圖 2-2 中國近代歷史上曾發生過沙漠化的地區，圖中數字代表沙漠數量。(資料來源： Zha and Gao, 1997)

(16)

隨著各式科技的進步，近年來衛星影像於環境的監測運用越來越廣泛。王心源等 (2001) 利用衛星影像來進行額濟納地區綠洲生態變化的動態監測，如圖 2-3 擷取了 1986 年、 1992 年、 2000 年橫跨 14 年的 Landsat TM 影像加以比對分析，發現綠洲水體的面積不斷縮小。其研究配合了許多現地調查的當地歷史地理資料，並闡述沙漠化的嚴重性。但其文中並沒有說明影像的拍攝的詳細時間、季節，也或許是影像取得困難的關係，影像的擷取時間頻率也不夠高，無法看出其中較仔細的面積大小變化趨勢，也缺乏較精確的 GIS 面積計量。

圖 2-3 額濟納綠洲影像變遷示意圖 (資料來源：王心源等， 2001) Herrmann et al.(2005) 提出擷取 1982-2003 的 AVHRR 影像資料並以 NDVI 指數與雨量資料進行時間與空間分析，觀察非洲撒哈拉沙漠周遭薩赫耳地區 (Sahel) 的沙漠化現象。一般普遍認知認為薩赫耳地區的沙漠化現象為不可逆過程，但從近十年來的光譜資料卻發現，大範圍的季節性綠度 (seasonal greenness) 有顯著性的增加，這樣的研究

(17)

變化的分布 (圖 2-4)，並配合雨量變數與 NDVI 時間變化的相互關係來產生研究結果 (圖 2-5)，研究結果發現薩赫耳地區的 NDVI 值呈現了正向增加的變化，並且檢定出變化是正向顯著的結論。這對於以往沙漠化研究人為土地開發因子影響之外，更疊合了氣候因子對沙漠化影響的重要性，亦證實了非洲地區的 NDVI 對於雨量的同步變化性質。

圖 2-4 薩赫耳地區 NDVI 變遷圖。 (資料來源： Herrmann, et al., 2005)

圖 2-5 薩赫耳地區 NDVI 變化檢定圖。 (資料來源： Herrmann, et al., 2005)。

Lin et al. (2006) 根據 MODIS 的 NDVI 影像利用疊圖比較分析的方式發現出沙漠擴張的區域如圖 2-6，並利用 NDVI 值尋找出負向變動百分比較大的區域，濾定出容易發生沙漠化的地區，以提供相關單位治沙的依據。

(18)

圖 2-6 2000~2005 中國地區沙漠化變遷 (資料來源： Lin, et al., 2006) Dall`Olmo and Karnieli (2002) 提出利用 1995 年 AVHRR 的 NDVI 和 LST 資料分析西奈半島上橫跨埃及與以色列區域的沙漠植物生態循環，如圖 2-7 他們在此研究中列舉兩地的 NDVI 生長季曲線，同時用以

圖 2-7 1995 年奈格夫與西奈地區 NDVI 暨雨量比較圖。 (資料來源： Dall`Olmo and Karnieli, 2002)

(19)

比較研究區裡的兩個地區，在相同的氣候、自然環境條件下，因不同的人為土地利用方式，導致了衛星影像上兩個地區有不同的地表植生狀況。

Yu et al. (2004) 研究戈壁沙漠東側的草地邊界變遷，探究其與氣候之間的關連。研究者以 AVHRR 影像資料計算出 NDVI 指數，並且以時間序列的 NDVI (time-series NDVI) 資料配合每月降水量、每月均溫、以及每月實際蒸發散量 (AE ,actual evapotranspiration) 研究發現，戈壁東側的草原邊界變化主要受制於生長季前的氣候 (the

圖 2-8 生長季 NDVI 累積值與季前氣候相關迴歸 (資料來源： Yu, et al., 2004)

(20)

"preseason" climate)，如下圖 2-8 所示，在內蒙季前實際蒸發散量是重要因子，蒙古則是季前溫度。

二、小結

從以上的文獻回顧可知道，在影像判識沙漠化的相關研究裡，地表的沙漠化現象隨著時間軸/ 空間軸產生斂散 / 移動的變化是研究者的關切基礎。除了研究其如何變化，還要研究其為何變化的原因，也許是氣候的變化導致沙漠邊界的變遷，也許是人為土地利用的方式不同使得地表植生產生不同的變化。研究方向的元素大致上有：沙漠變遷的時間變化、空間變化、區域差異、歸因研究等。

雖然沙漠化的量化定義不明確，但大家都同意沙漠化地區地表植生具有減少的趨勢，因此有許多研究者嘗試著做出地表量化的研究，透過植生的疏密程度及變遷歷程來檢核是否有沙漠化的現象以及沙漠化會發生的相關原因，而將植被指數的數值抽取出來產生時間曲線分析的方式可以強化空間上與時間上的特徵剖析；其中多有學者認為雨量是影響地表植被分佈和變遷的重要因子，此一觀念將在本研究將列入後續分析的基本因子。

(21)

第三節植被指數

一、植被指數回顧

觀察、量測地表事物的方法非常多，遙感探測的方法可以說是一種可以有效、全面性觀測地表事物的一種技術。遙測方法又可以分為航空照相與衛星影像，其方法各有利弊。一般航空照片照相高度較低，相片涵蓋的範圍較小，所以照相所呈現的空間解析度相當大，可以非常清楚地釐清地物狀況，但缺點為飛行的穩定度不好控制，續航能力控制了研究區大小，資料儲存的需求量較大，以及資料需要有相當經驗的判釋者處理等等。衛星影像的空間解析度相對來說較小，而且常會受到天候、雲層的影響而無法看清地物，但成本較低，只要航照的 1/7 (董得紅， 1996)，衛星影像有計畫地長期定期資料產出，可減少傳統影像處理轉換方式的高勞動量與不彰效率，而且大量的光譜資訊可供研究者做地表事物的推估、推算，可以讓我們有效地瞭解地表事物在時間、空間上的分布、變化狀況。

簡言之，航空照片多用來進行土地覆蓋/利用判釋，而衛星影像卻能以反射光譜推算植被的物理/化學 /生理生態特性；相片基本圖不具有時間解析度的優勢，要完成覆蓋大範圍研究區的相片基本圖耗時良久，而且無法對土地覆蓋、利用進行動態監測，所以無法提供研究者探討土地覆蓋在時間序列上的動態變動需要的研究材料 ( 林孟龍， 2004)，而定期產出的衛星影像資料對於大範圍研究區具有高時間解析度的量化推算優勢。

目前，國際上有許多相關研究正在進行，大多利用衛星影像進行土地覆蓋/土地利用的動態監測，其中植被指數 (Vegetation Index) 是

(22)

處理衛星影像來觀察地表植物綠度 (Greenness) 變遷時最廣泛應用的一種數值方法，很多研究都聚焦於樹冠型態，或地表植物及樹的分布、變異等。因為植被指數可以有效度量空間上的植被覆蓋狀況，而植被覆蓋面積是一種可以直觀地方區域性生態環境狀況的重要指標，而時間上植物覆蓋面積的變化亦代表了植被生態環境的時間規律變化 (Liu, et al., 2004；金曉媚， 2005)。

圖 2-9 土壤、植物、水體光譜反射率及像素值 (資料來源： Richard,1993)

所謂植被指數是指將接收自衛星的光譜資料，經由線性或非線性的邏輯運算，而產生一種能顯示地表植生狀況、密度高低等現象的指數。一般最常利用可見光中的紅光波段 (600~700nm) 及近紅外光波段

(23)

(700~1100nm) 等兩個波段的數值來運算，因為如上圖 2-9 所示，一般植物的葉綠素進行光合作用會吸收紅光，而近紅外光則是對植被差異、植生長勢最敏感的波段，所以利用這兩種波段數值的排列組合運算，可以產生出推估植物狀況的指數。

例如 NDVI 的值應該是介於＋ 1 ~ － 1 之間變化。一般而言，裸露地的 NDVI 值很低，近於 0，一般的草地可能是 0.2~0.3，生長狀況良好茂密的區域，例如熱帶雨林的 NDVI 值可能介於 0.6~0.8，不同的地區可能會有不同的反射值造成 NDVI 的差異。固然植被指數的高低可以代表地表的植生狀況的茂密程度，但是當我們在影像上看到相同光譜值時，有時是不同地表物質的組合產物。Senay and Elliot (2000) 研究美國奧克拉荷瑪州報告中指出，不同土地等級的牧場會顯現出不同的植生覆蓋樣貌。有樹的牧場 NDVI 值會比一般草地還高，但是沒有樹的牧場 NDVI 值卻會比一般草地低。所以我們在看到有疑問的光譜資料不能只是利用主觀的判斷猜測，可能要進一步到現地考察、求證，或利用科學文獻研究資料驗證的方式加以確定。

常見的植被指數有差異植被指數 (Difference vegetation index, DVI) 、近紅外光百分比植被指數 (Infrared percentage vegetation index , IPVI)、土壤調整植被指數 (Soil adjusted vegetation, SAVI)、修正型土壤調整植被指數 I (Modified Soil adjusted vegetation index, MSAV) 、常態化差異植被指數 (Normalization difference vegetation index, NDVI) 、加權差異植被指數 (Weighted difference vegetation index , WDVI)、比值植被指數 (Ratio vegetation index or simple ratio, RVI or SR)、以及強化植被指數 (Enhanced Vegetation Index, EVI) 等。這些不同的植被指數在不同的區域會有不同的表現效果，因此在選用時應考量使用之時地與狀況，選用比較適當的植被指數在研究上使用。

(24)

表 2- 二 -1 常見的植被指數公式表 (資料來源：本研究繪製 )

二、修正土壤調整植被指數 (MSAVI)

在近代的沙漠化研究中最常為研究者所運用的植被指數是 NDVI，已被證實可以有效代表地面的乾濕、降雨狀況與植生狀態，但其中部分學者認為，由於 NDVI 會受到地表散射、土地濕潤的干擾而有所影響研究結果，1988 年 Huete 所提出的土壤調整植被指數 (Soil adjusted vegetation index, SAVI) 或 1994 年 Qi 等所提出的修正型土壤

(25)

調整植被指數 (Modified Soil adjusted vegetation index, MSAVI) 更能有效辨別出地面的植生狀況 (Barbosaa, et al., 2006; Geerken and Ilaiwi, 2004; Hountondji, et al., 2006; Baugh and Groeneveld,2006)。此外， MSAVI 可減小 SAVI 中裸土對植被指數的影響 (田慶久與閩祥軍， 1998)。

Qi et al. (1994) 提出了 MSAVI 的概念， SAVI 是 MSAVI 的前身。若要求得 SAVI 的最佳計算結果，則土壤調整因子 L 必須隨著植被目前的狀態反向地變動其數值；但這對於大多缺乏實際地面資料的地區來說，是不容易以 SAVI 來進行計算的。本研究之研究區範圍廣大，難有一致性的 L 值帶入 SAVI，故採用 Qi 提出的第二代 MSAVI (在許多文獻中稱為 MSAVI(2) 或 MSAVI2) 作為代表性之植被指數。在 MSAVI(2) 中，雖然在方程式中沒有出現土壤調整因子 L，但有使用疊代 L 方程在其中，會自我調整到最佳狀態。 MSAVI(2)可以直接從衛星影像資料或近地面光譜輻射觀測資料得到，對於從衛星影像直接求解區域中的植被指數較為方便又可以消除土壤的影響。為行文之便，在第三章開始本文所稱之 MSAVI 即為筆者所選用之 MSAVI(2)。

三、 MSAVI 在地實證應用

在半乾燥地區的植被指數應用中，NDVI 的應用相當廣泛，並且發現不錯的效果 (Li et al., 2007 ; Barbosaa, et al., 2006 ; Lin et al., 2006 ;Senay and Elliott, 2000)，但也有人認為 MSAVI 才能真正消除觀察地表現象時土壤背景影響之干擾(Wang et al.,2007 ; Liu et al.,2007 ; Baugh and Groeneveld,2006 ; Kondo et al., 1998)。

就近期的在地實證研究而言，Li et al.(2007)於中國內蒙古自治區的錫林浩特地區使用 Landsat TM 衛星影像研究 RVI、 NDVI、 SAVI、

(26)

MSAVI 以及 RSR 等植被指數與植生量的關聯，研究發現 NDVI 在高解低度影像中對草原植生量的有最好的模擬效果；但 Liu et al.(2007) 於內蒙古地區利用 MODIS 影像研究地表植生量與 DVI, RVI, NDVI, SAVI 及 MSAVI(2) 之關係，發現 MSAVI(2)與 RVI 在中解析度衛星影像的利用上、於廣泛面積的劑量上，對於地表覆蓋率有比較正確的估算效果。

故由以上文獻中可得知，NDVI 及 MSAVI 在半乾燥地區都可能有不錯的表現，但基於研究地區近沙漠部份有大量裸露地，且本研究之影像來源為中解析度之 MODIS 影像，故應當採用 MSAVI，理論上可以得到最佳的地表覆蓋狀況。

四、最大值合成法

本研究採用的最大值合成法 (Maximum Value Composite, MVC) 是目前最為廣泛使用的一種衛星影像處理方法其優點為在影像在經過品管、去雲等步驟之後將影像每個像素採取期間最大值合成為新的代表性圖像。此方法對大氣散射的考量，新產生圖像的組成傾向於「最晴朗」的像元，並且儘量去除了雲霧和大氣的影響。最大值合成法由於方法原理簡單，而且產品消除了大氣散射與雲霧的影響，所以廣受到大家的喜愛利用。(Lin,et al,2006；楊濤與張建明， 2006)

圖 2-10 最大值合成法運算範例

(27)

其優點第一個為最大值去除了各地的環境差異因子的影響，而且採用最大值的方式可突顯與地表一般背景值表現的平均之差異，因為各地的緯度、地形不同影響會導致植生的生長狀態不一致，此方法可以知道在研究單位時間內各地當年份植被生長最旺盛的時節、最大的覆蓋程度是到何種狀態，第二個優點為可以減少雲的干擾 (contamination)，本法利用其他時段的最大值影像取代因去雲變成 no data 的像元，可減少因像元資料佚失導致無法分析的困擾。但是最大值合成法也有缺點就是：圖像可能將地表的反射值高估，而且像元所紀錄的較高反射值造成較差的分辨性 (Huete et al., 1992; Cihlar et al., 1994; Lind and Fensholt,1999)；但換個角度來說，本研究是利用最保守的估計方式來看待乾燥地區的變遷，在此方法的觀察下，乾燥地區的植生狀態不會被低估。

(28)

第三章研究方法

第一節研究架構

就傳統氣候學對沙漠的定義而言，已無法滿足現今沙漠化研究領域內的多元定義與多樣性的發生原因，因此合理的沙漠化觀察應回顧到地表生長植被狀況，不論是受到鹽鹼化、過度開發、溫度升高、降雨減少或其他因素影響導致土地退化，地表植被的退化即為沙漠化的現象。傳統的沙漠化研究是以文字敘述其空間分布，輔以傳統度量工具來表示地表變化狀況；近年來多轉為以數學、資訊化的變遷研究、預測模式為主，並大量使用遙測 (Remote Sensing; RS) 技術與地理資訊系統 (Geographical Information System; GIS) 工具以處理大量的空間資訊，因此除了現象發生的型態、強度之外，空間分布亦可以做出不同以往的量化分析精確研究。本研究利用衛星影像轉換植被指數的技術來濾定地表的植生分佈，指數研究的部份參酌前人就內蒙古地區之實證研究為驗證基礎，選用 MSAVI 觀察地表植生狀況。

本研究想要達到的最終目的，即是利用整合衛星影像資料、運算出植被指數，並觀察其空間、時間變化，觀察其土地沙漠化的變化趨勢，並且輔以氣候因子與人為因子來探究研究期間、研究區內發生變化之原因。

(29)

圖 3-1 研究架構圖

(30)

第二節研究流程

本研究的研究目的是透過擷取遙測影像並產出具空間圖像的 MSAVI 資料，最後希望能了解沙漠化的變動趨勢與變動原因。首先回顧了有關沙漠化時空變遷研究、植被指數研究、最大值合成法研究等文獻，釐清所謂沙漠化的概念以及植被指數與沙漠化觀察之間的相關性，再進一步進入資料處理的大量、繁複的工作流程。去雲的手續使得本研究的資料相對變得殘缺，但也可以比較能真實呈現地表真實狀況。

當有了初步處理過的時空資料之後，首先要產生各年度的最大值合成影像，因為理論上在單位研究時間單元 (年 ) 內綠度 (Greenness) 最大的時候代表地面的植生量 (Biomass) 最大，最好的植生狀態指示出了半乾燥地區的「乾燥狀況」最保守估計值，如果我們將這些年度間的最保守估計值作數學運算處理便可以得到地面「乾燥狀況」。所以我們處理了七個年度的最大值合成影像，作為年度代表性影像。

有了七個年度的代表性影像之後，開始了主要的分析工作。首先利用 GIS 軟體觀察比較各年度的 MSAVI、雨量、單位面積畜牧量、單位面積耕種農田、單位面積有效灌溉農田之時空變化。

第二部份則是以氣候因子與人為因子以「縣」為空間單元進行與 MSAVI 之迴歸分析，分別以整體一般性資料迴歸分析、每年之迴歸分析、與研究期間首尾變遷量之迴歸分析。

(31)

圖 3-2 研究流程圖

(32)

第三節研究區介紹

本研究之研究區為中國內蒙古自治區 (Inner Mongolia Autonomous Region , IMAR) 位於台灣西北方約兩千公里處，雖距離遙遠，但冬季乾燥地區揚起之沙塵卻隨冬季季風經長距離運送吹拂至台灣、對台灣空氣品質影響甚鉅。

圖 3-3 研究區示意圖

研究區面積約 118.3 萬平方公里，位於著名的戈壁大沙漠東側，其中 73.3％為草原 (86.7 平方公里 )，森林佔 17.6％ (20.8 平方公里 )，區內分為呼倫貝爾市、包頭市、呼和浩特市、興安盟、通遼市、赤峰市、錫林郭勒盟、烏蘭察布市、鄂爾多斯市、巴彥淖爾市、烏海市、阿拉善盟等十二個區，以及下屬的 101 個縣級單位 (內蒙古自治區統計局， 2007)。

(33)

壁沙漠一部分。全區年平均氣溫在-3.9℃～ 9.8℃，幅員廣大的北部地區全年平均低於 0℃，南部則 5～ 10℃之間其餘地區介於 0～ 5℃。本區的年降雨量在 14～ 684mm 之間，以西方的阿拉善盟雨量最少，全年不足 50mm，而過了中間過渡區之後的呼倫貝爾市北部、興安盟東部、通遼市南部、赤峰市南部都在 500mm 以上，在氣候上過渡性非常強。全年日照 2285～ 3840 小時，大風日數 0～ 80 日，主要的氣象災害有乾旱、大風、揚沙、沙塵暴、高溫、暴雨、洪澇和冰雹等，2005 年阿拉善盟拐子湖測量到有氣象紀錄以來的最高溫 41.2℃ 。 ( 中國氣象年鑑編輯部，2007)

(34)

第四節研究資料處理

一、研究素材

Terra 衛星是美國地球觀測系統 (Earth Observation System,EOS) 計畫中一系列衛星中在 1999 年 12 月第一顆開始運轉的衛星，在這顆衛星上共有 ASTER、 CERES、 MISR、 MODIS、 MOPITT 等五種不同目的的感測儀。其中中尺度成像光譜儀 (Moderate Resolution Imaging Spectroradiometer, MODIS) 每一到二天以 36 個波段 250m-1km 的解析度橫掃地球一次，以分佈在 0.4~14μm 的電磁波譜範圍裡面，觀測地表的陸地、雲、水氣、海洋水色、浮游生物植被、地表溫度、大氣溫度、臭氧等，適合對陸地表面、生物圈、大氣圈及海洋等進行長期而持續的監測。

NASA 的 MODIS 的 Vegetation Indices 產品可說是接續 NOAA 的 AVHRR 之後改進的心血結晶，由於 MODIS 的紅光通道 (620-670nm) 較 AVHRR 的紅光通道 (550-680nm) 狹窄，故反射值較易飽和，也就是說對於紅光的反射比較敏感，更加適合用於判識地表植生的生長狀況，尤其是對於判識地表是否為裸露地更加有效率。

本研究之研究區規模屬為大尺度，故採用 MODIS 解析度 1km，16 天週期的 Vegetation Indices 產品為研究素材。

二、去雲處理

下圖 3-4 左側為 2000 年二月影像，右側為 2000 年六月影像，從這兩張圖可以看出季節不同也會有不同的植生狀況，但本研究區冬季的雲霧會嚴重影響地表植生狀況的判識。

(35)

圖 3-4 2000 年二月及六月 B、 R、 IR 假色影像，本研究繪製。 (資料來源： TERRA-MODIS 影像 )

衛星影像中雲的干擾 (contamination) 往往造成地表判識上的困擾，薄雲可將影像由 RGB 轉換成 HIS 系統，再假設薄雲霧的加入等於使影像加入白色，即 RGB 三者提高，因此僅改變光譜的亮度或飽和度值，色相並無改變，藉此可偵測並去除薄雲霧 (徐逸祥， 2006)，而厚雲僅能偵測、去除，我們並無法得知雲下的狀況。厚雲一般去除方法有兩種，第一種是利用其他衛星承載的儀器偵測出雲圖，例如在 MODIS 中前兩個 band 就是和界定雲的邊界有關，可以提供同步拍攝的雲圖，取出 mask，再將原圖去雲。第二種方式則是將影像轉為灰階，再由灰階影像中設定白色較高的值閾取出雲的 mask，再將 mask 套入原圖中去除之。第一種方式對於本研究的 MSAVI 16day 合成圖並不適用，因為合成的雲圖的方式可能會產生過大的雲區，去除過多的植被影像像素。第二種方式手續則是有些繁雜，所以針對本研究設計出較簡單的程式取代之。

經過個人經驗觀察發現雲的反射值在 Vegetation Indices 產品中的藍光 (459~479nm)、紅光 (620~670nm) 和近紅外光 (841~876nm) 等波段的反射值高低與厚雲有關，因此利用 ERDAS IMAGINE 軟體輸入這三個波段閾值的交集，將符合條件的像素去除，即可產生完成去雲的植被影像圖。

(36)

三、資料處理流程

本研究採用 MODIS 解析度 1km， 16 天週期的 Vegetation Indices 產品為研究素材，將波段資料下載以後經過去雲等處理程序後再產生出可分析的研究材料，與一般直接下載產品分析的方法不盡相同。

圖 3-5 影像資料處理方法，本研究之資料處理方法如圖中之下方流程，上方為一般未經去雲程序的資料處理方式。

四、分析因子資料來源

除衛星影像資料外，研究區在地資料的蒐集並不容易；氣候資料有許多測站的資料有佚失不全或統計方式不一的狀況，在考量資料品質狀況及資料完整而採用 IRI 的雨量資料，而人為因子的資料亦因距離研究區遙遠不易搜納，最後只採用較完整的、邏輯上會直接影響地表綠度的耕地及畜牧統計資料。而資料來源的敘述如下：

1. 本研究之相關分析資料採用氣候因子以年度累積雨量為代表，資料採自由美國國家海洋暨大氣管理局氣候計畫辦公室

(37)

(NOAA`s Climate Program Office) 與哥倫比亞大學 (Columbia University) 所合作成立的國際氣候與社會研究所 (The International Research Institute for Climate and Society, IRI) 的 LDEO Climate Data Library 所提供的全球降雨影像，空間解析度 2.5 度，下載 2000-2006 年月份降雨資料；其資料來源為全球降雨及氣候中心 (Global Precipitation Climatology Centre, GPCC) 的世界氣候研究計畫 (World Climate Research Programme, WCRP)。

2. 人為因子部份則採用研究區內中國內蒙古自治區統計局的 2001-2007 年「內蒙古統計年鑑」中所載 2000-2006 年每縣之大牲畜 (包含牛、馬、驢、騾、駱駝等 ) 畜牧量、羊畜牧量、耕種面積、有效灌溉面積等，與人類利用土地時可能影響土地沙漠化有關之相關數據資料。

(38)

第五節分析方法

為了解 2000-2006 年內蒙古地區之沙漠化現象，本研究希望觀察 MSAVI 分佈與變動狀況，並了解氣候因子與人為因子對其分佈、變遷之影響；欲觀察 MSAVI 之分佈與變動，端賴 GIS 軟體之展示與 raster 資料運算處理功能，而取得空間單元資料之後的分析，統計方法是最普遍的方式。

一、資料分類

在 MSAVI 資料展示的部份本研究 MSAVI 分類引用楊濤與張建明 2006 年於寧夏的研究分類如下表 3-1，一般所指涉的狹義「沙漠」便是指植被指數最低的弱植被覆蓋的地區。

表 3-1 地表植被指數分類

植被指數土地類型

0 水體

0-0.121 弱植被覆蓋區 0.121-0.300 稀疏植被覆蓋區 0.300-0.450 低植被覆蓋區 0.450-0.600 中植被覆蓋區 0.600-0.750 高植被覆蓋區 0.750-1.000 密集植被覆蓋區

(資料來源：楊濤與張建明， 2006)

而資料展示之軟體採用 ArcMap 9.0 製作出 2000-2006 年共七張植被指數分類圖以供研究觀察，變遷部份則採用 Erdas Imagine 的 Change detection 模組展示以年為週期變動時的前後期變遷狀況。

二、統計分析方法

有關植被指數與多個觀察因子之間的研究，有許多是採用線性迴歸 (Linear Regression) 的方式： Koller and Upadhyaya (2001) 研究植被

(39)

指數與蕃茄產量的推估，Yu et al.(2004) 利用氣候因子與植被指數進行迴歸分析探求氣候影響等，而有較少文獻是採用相關分析 (Relation analysis)，例如 Lim (2003) 研究區域氣候、二氧化碳肥料效應與地表淨生產力的關係。迴歸分析可說是積差相關係數的擴大，在相關分析時我們探討的是兩變項間的關係，而迴歸分析通常可以探討多個變項間關係 (王保進， 2006) 。若用數學式表示通常可以寫成：

Yi＝ β⁰+β1X1+β2X2+β3X3+… +βkXk+ε

其中 Yi 為樣本觀察值、 X 為自變項實際值， β 則為迴歸分析所要進行估計的未知數，代表自變數每代表一個單位的量所造成依變項的改變量，因此用於本研究可分析衛星影像所轉換之植被指數為依變項，而 X 自變項分別帶入累積雨量、大牲畜畜牧量、羊畜牧量、耕地面積、有效灌溉面積等，而歸納出以下的統計模型：

M =β⁰+β1P+β2F+β3S+β4C+β5I+ε

其中 M 代表植被指數， P 為累積量雨量， F 為大牲畜畜養量， S 為羊畜養量， C 為耕地面積， I 為有效灌溉面積。

為了解研究期間內各因子整體常態性的對應關係，首先會將植被指數表現特別高的異常年剔除，將 2000-2006 年 (扣除 2003 年 ) 共 6 年的全部資料進行迴歸分析，再以每年的資料分別進行具資料獨立性的單年迴歸分析以了解每年各因子對植被指數的貢獻狀況。

(40)

第四章研究結果與討論

第一節地表植被之空間分布與變化

一、歷年植被指數分佈

本研究將下載自美國地質調查所的 EOS Data Gateway 網站所提供 2000-2006 年 NASA Terra 衛星 MODIS 影像之雙週全球植被指數產品，

經過去雲、植被指數演算、年度最大值合成法等處理程序，利用 Arc GIS 9.0 之 Zonal Statistics 功能取得每縣市之 MSAVI 平均值如附錄一，並整理出歷年平均值、最大值、最小值之 temporal pattern 如下圖 4-1 所示，MSAVI 整體而言平均值在 2003 年有上升的現象， 2003 年的平均值比整體平均值增加了 15.79％，而最小值的表現尤其明顯，不過最大值的表現在各年之間一直是持平的。

0.0000 0.2000 0.4000 0.6000 0.8000 1.0000

2000 2001 2002 2003 2004 2005 2006 時間（年）

MSAVI 平均值

最大值最小值

圖 4-1 研究區歷年 MSAVI 時間變化

(41)

經處理後的 MODIS 衛星影像換算為 MSAVI 指數，並利用最大值合成法產出 2000-2007 年度影像並將其按研究定義分類如下，其中可以看出 2003 年研究區內的植被生長狀況茂盛、有普遍在各個空間上大量升高之情形，一般視為沙漠的弱植被覆蓋區可說從研究區中消失了，而稀疏植被覆蓋區邊界在這個年度退縮到相當西邊的地方，取而代之的是中、高植被覆蓋區，在 2004 年以後又恢復到概似於 2002 年的分佈狀況。從這樣的地表植被變動情形來看，密集植被覆蓋區的變動並不大相對是較穩定的地區，而受到某些因素的影響弱植被覆蓋區和稀疏植被覆蓋區以及中、高植被覆蓋區容易在空間上相互抗衡拉鋸擺動。其中河套地區較不受一般的變遷影響，地表綠度始終維持在一定的水準。

就一般人的觀念而言沙漠化似乎應當是一種不可逆的地表生態惡化過程，但就圖 4-2 顯示，沙漠地區的邊界是會變動的，而且範圍相當大，其中究竟是氣候的因素還是人為因子的影響，後面章節會有繼續討論。

(42)

圖 4-2 2000-2007 年 MSAVI 變遷

(43)

二、植被指數變遷

圖 4-3 利用 Erdas Imagine 的 Change detection 模組運算得到的 MSAVI 年間變遷示意圖，可以清楚的看到明顯變遷 ( 變遷量 >10%) 的地區，在 2003 年的前後由於沙漠邊界的大量遷移，所以大部分的明顯遷移發生地區都是在 2000 年為基準、MSAVI 0.45 以下的地帶，也就是說一般生長狀況比「低植被覆蓋區」更低的低方。

除了 2003 年前後，在 2004 年以後年間的變化量就比較小，趨於比較穩定的狀態，比較少有大規模的變動。若以 2000 年為基準來陳述就是說，一般強度較高的變遷好發在 MSAVI 0.3 ~ 0.75 的地方，也就是說在沙漠邊緣的外側的半乾燥地帶、本研究採用定義之低、中、高植被覆蓋區，是一般比較容易發生地表變遷的土地敏感地帶，而相對來說較高度覆蓋的密集植被覆蓋區以及較低植被覆蓋的弱植被覆蓋區和稀疏植被覆蓋區反而是在一般年度相對比較穩定的地區，在年度間比較沒有發生地表植生的變化。

(44)

圖 4-3 MSAVI 年間變遷

(45)

第二節分析因子資料

為了解地表植被的分佈、變遷原因，本研究嘗試利用所蒐集之氣候因子 (每年各縣市累積雨量 ) 與人為土地利用因子 (每年各縣市大牲畜數量、羊隻數量、耕地面積、有效灌溉面積) 進行相關分析。

一、氣候因子資料

本研究將下載自 LDEO Climate Data Library 所提供 2000-2006 年每月之全球降雨影像，並利用 Arc GIS 之 Zonal Statistics 功能取得每縣市之年累積降雨量如附錄二所示。而整體而言如圖 4-4 所示，在 2003 年的雨量增加至最高，之後逐漸減少回復到 2000 年的水準，而 2003 年最大值比 2000-2006 年研究期間的總平均高出 23.46％之多。

0.00 100.00 200.00 300.00 400.00 500.00 600.00

2000 2001 2002 2003 2004 2005 2006 時間（年）

累積雨量

（

公釐）

平均值最大值最小值

圖 4-4 研究區歷年年累積雨量時間變化

就面量圖 4-5 的空間展示觀察，雨量東方多西方少，在靠近大興安嶺的地區至少都有 300 公釐的年雨量，而位於最西部的額濟那納旗始終不足 100 公釐。 2003 年累積雨量在空間上有全面性的普遍升高，有一半以上的區域都超過 300 公釐，整個東方以及南方都有非常明顯的

(46)

雨量增加狀況。

圖 4-5 縣市年累積雨量

(47)

二、人為因子資料

在許多文獻都有提到人為過度開發是土地退化的重要因素，在初步資料了解發現與草地植被生長有關的大牲畜包含除了騾、馬、牛、螺、駱駝等在研究期間有年年增加的趨勢，由 2000 年的 636.1 萬頭增加至 2006 年的 830.6 萬頭，七年間約增加 1.31 倍，；羊群數量更是驚人，由 2000 年的 3561.6 萬頭年年增加至 2006 年的 5584.9 萬頭，總數增加了 1.57 倍；由這些牲畜數量的增加情形來看來看，這樣的現象可能會對於草原敏感帶造成某種程度的環境壓力。

而耕地面積則大致由 2000 年的 7299970 公頃減少到 2002 年的 6503067 公頃，再逐年增加至 2006 年的 7381908 公頃， 2006 年的最大值和 2002 年的最小值共相差 1.14 倍。有效灌溉面積相對耕地面積而言小得多，大約和耕地面積的數量比是 7：2，兩者不是先是 2002 年達到最小值之後，一路攀升到 2006 年的最大值，最大最小值相差了 1.24 倍。

大牲畜、耕地面積、有效灌溉面積三者資料似乎有個共同的趨勢就是：自 2000 年之後，到 2002 年數量會到達低點，然後一路攀升至 2006 年的最高點；而這樣的趨勢和先前章節觀察到的雨量變化以及 MSAVI 變化的高低起伏趨勢剛好相反；而羊群的總數是年年增加，趨勢一路向上、過程中並沒有減少的年度。

表 4-1 歷年大牲畜及羊群數量 (萬頭 )

2000 年 2001 年 2002 年 2003 年 2004 年 2005 年 2006 年大牲畜 636.1 546.2 542.6 615.2 714.2 780.6 830.6

羊 3561.6 3616.2 3933.4 4587.8 5304.0 5392.1 5584.9

(48)

表 4-2 內蒙古歷年耕地面積統計 (公頃 )

2000 年 2001 年 2002 年 2003 年 2004 年 2005 年 2006 年耕地面積 7299970 7061685 6503067 6767659 7108364 7187293 7381908 有效灌溉面積 2125457 2126472 2124343 2226079 2363523 2555421 2641584

另外我們把大牲畜、羊、耕種面積、有效灌溉面積等項目除以縣市的面積來觀察，可以把這項資料視為觀察空間上人為土地使用「強度」表現的一個指標，可獲得附錄三、四、五、六等資料，筆者並將之彙整整體資料繪製在圖表以及面量圖上觀察時間變化可以得到以下結果：

如圖 4-6 所示，大牲畜的平均值隨時間一路上揚，顯示各地畜養大牲畜的平均畜養強度的趨勢是上升的，最大值和最小值與平均值的差異非常大，顯示出各地的牲畜畜養狀況落差非常大；值得注意的是最大值之誇張變化，顯示出在某些地方正進行高密度的飼養，而且單位面積強度上升的很快，也許和中國推行圈牧的政策、或因應經濟發展的肉品需求有關。

0 20 40 60 80 100 120

2000 2001 2002 2003 2004 2005 2006 時間

大牲畜數量 / 縣市面積 ( 頭

/ 平方公里

)

平均值最大值最小值

圖 4-6 歷年單位面積大牲畜數量時間變化

(49)

圖 4-7 歷年單位面積大牲畜分佈變化

由圖 4-7 亦可以發現，雖然整體的畜牧量有增加，但是按本研究的分級標準而言，在空間上並不是整體增加，增加的地區大多數分佈在

(50)

河套地區附近，特別是卓資縣、土默特左旗等單位面面積的畜牧量別高，另外在內蒙古東南方敖漢旗附近亦是增加的地區。

而圖 4-8 為內蒙古歷年單位面積羊群數量的變化，在內蒙古單位面積羊群的數量較大牲畜的數量大了近十倍，而且數量年年增加，有些縣市甚至平均每平方公里畜養了八百多隻羊，而其最大值的成長趨勢和大牲畜相仿，在 2003 年以後有快速的近兩倍成長，顯示出這些空間單元在 2003 年以後畜養強度大大的增加。

0 200 400 600 800 1000

2000 2001 2002 2003 2004 2005 2006 時間

羊畜養量 / 縣市面積

（

隻 / 平方公里）

圖4-8 內蒙古歷年單位面積羊群數量時間變化

由圖 4-9 可以觀察到羊群畜養強度的空間分佈，其中羊畜養強度較高的縣市都集中在內蒙中段的草原地帶；其中除了河套地區的畜養強度很高以外，自札賚特旗、科爾沁右翼前旗至巴林左旗、巴林右旗等一帶為畜養的中心，較大牲畜的畜養更偏北方。此觀察和前文第一節所觀察到的歷年 MSAVI 的變遷好發地點，在空間上大致有疊合的現象，也許羊的畜養和植被變化有其相關性，其數值驗證文後進一步探討。

(51)

圖 4-9 歷年單位面積羊群分佈變化

(52)

而至於耕種面積和有效灌溉面積等因子如圖 4-10 及 4-11 所示，其平均值變動未如大牲畜因子般的變化明顯，顯示出農地的使用強度隨著時間軸的變動並不大，而我們比較關注的，這些因子雖然變動百分比不高，但對於地表植被生長的影響如何？是否有相關性？這些因子的變動是不是也會影響地表植被的生長情形？這些問題將於第四節繼續討論。

0 10 20 30 40 50 60

2000 2001 2002 2003 2004 2005 2006 時間（年）

耕地面積 / 縣市面積

（

％_）

圖 4-10 歷年單位面積耕種農地時間變化

0 10 20 30 40 50 60

2000 2001 2002 2003 2004 2005 2006 時間（年）

有效灌溉面積 / 縣市面積

（

％_）

(53)

圖 4-12 歷年耕種面積佔縣市面積百分比變化

(54)

圖 4-13 歷年有效灌溉面積佔縣市面積百分比

如圖 4-12 所示，整體上來說耕種活動強度較高的部份與大牲畜的

(55)

化比較小，耕種面積之面量圖上的空間變化亦沒有明顯的改變，意即近年內蒙古地區並沒有明顯的、大面積的增加耕種的狀況。

而觀察圖 4-13 可得知，有效灌溉面積的分佈要比耕種比例更小、面積更少，與耕種面積相同的是亦多分佈在河套地區以及東南方，東方及東北方雖然雨量多，但是緯度高、高程大且溫度低故農田分佈不多；而就時間變遷而言空間上得變化亦不大，都在既有的分佈核心區域附近稍做變動。

三、小結

由以上資料觀察與分析可得知部份的研究區環境特性，在研究期間內年累積雨量與大牲畜、羊等畜養情形有較大的變動，而耕種面積與有效灌溉面積的時空變化量相對而言是比較小的。就年累積雨量的觀察，發現其時序上的變動與植被指數的時間變化有類似的行為，兩者一起攀升到 2003 年達到最高點後，再下滑至 2006 年時有概似於 2000 年的狀態。就人為因子的整體數量而言，本研究所觀察的大牲畜、耕種面積、有效灌溉面積等三個因子在時序上的變化與空間上的分佈都有類似的狀況：自 2000 年之後，到 2002 年數量會到達低點，然後一路攀升至 2006 年的最高點，時間變化的趨勢恰與 MSAVI 相反；空間上這些人為因子都是以西南方河套地區的臨河市以及東南方的通遼市為兩個重要的核心，尤其是河套地區無論是畜牧量或耕種的單位面積量都很大。羊與大牲畜兩者的畜養時間變化上，最大值線呈現同步的變化，配合因子的歷年空間分布變化圖觀察，顯示出畜養總數的增加並未明顯擴張畜養的區域，但在空間上的特定地點畜養強度有明顯的提昇現象，意味著畜牧行為在空間上的聚集與收斂集中發生在某些空間單元，限制了畜牧數量在空間上的擴散現象。而羊的畜養在空間分