黑河流域中游地区生态环境变化特征及驱动力

周 沙,黄跃飞,王光谦

(清华大学水沙科学与水利水电工程国家重点实验室,北京 100084)

黑河流域中游地区生态环境变化特征及驱动力

周 沙,黄跃飞*,王光谦

(清华大学水沙科学与水利水电工程国家重点实验室,北京 100084)

多角度分析黑河流域中游地区植被覆盖度时空变化特征,并建立基于演变过程的生态系统灰色关联度模型,分析生态环境变化的驱动因子.研究表明：1)1999～2008年,平原旱地、低覆盖草地、有林地年最大归一化差异植被指数(NDVI)增幅较大,达 0.1～0.2,疏林地2004年后保持高速增长,年最大NDVI增幅0.208,增长了77.6%; 2)张临高盆地年最大植被覆盖度线性拟合年均增幅0.0063,生长季节平均植被覆盖度在小幅波动中呈现稳定增长趋势,拟合优度达 0.74;甘州区生态治理成效最显著,年增长幅度集中在0.03～0.3;临泽县和高台县以增长为主,但局部过渡带地区下降幅度达 0.1～0.3; 3)植被 7～10月覆盖度呈现明显增长趋势,峰值从 6～7月延迟到7～8月,2007年达0.39;植被覆盖度分级结构呈现优化趋势,极低覆盖度植被逐渐转化为低覆盖度植被,2007年相比2000年降低25%以上,高覆盖度植被1998～2008年间增长约16%; 4)根据3种植被覆盖度变化与各驱动因子关联分析,气象水文因子主要包括降雨量、蒸发量、径流量,最大关联度分别为 0.91、-0.83、0.76,社会经济因子主要包括农作物播种面积、第一产业产值、农业科技水平,最大关联度分别为-0.81、0.78、0.81.

黑河流域；植被覆盖度；时空变化特征；灰色关联度

20世纪 60年代以来,随着人口的增长和经济快速发展,黑河流域水土资源开发过度,中游地区水资源短缺、水环境恶化、土壤盐碱化严重.为了遏制黑河流域生态环境不断恶化的趋势,21世纪初,国家实施了黑河流域近期治理工程.2001年 8月,甘肃省黑河流域近期治理工程项目陆续实施,加强黑河干流水资源统一管理,在中游地区提高用水效率,建设节水型社会,改善生态环境.2010年10月,项目通过水利部总体竣工验收,实现了国务院批准的《黑河流域近期治理规划》目标.

灰色关联分析是根据比较因子与参考因子之间发展趋势的相似或相异程度,来判断因子间关联程度的一种方法[1].目前测算灰色关联度的模型很多,如邓氏关联度[2]、斜率关联度[3]、广义灰色关联度[4]、灰色综合关联度[5]等,但这些模型都存在一个共同的问题,不能反映正、负相关关系,且存在正负积分相互抵消而出现明显不合理的结果.近年来,也有许多学者提出改进的灰色关联度模型[6-8],但都存在一定的局限性,难以统一评价气候水文、社会经济等多方面因素对于生态环境变化的影响大小.

本文以张临高盆地为研究区,分析黑河流域中游地区近期治理项目对改善生态环境的作用效果,分别从不同植被覆盖类型区NDVI变化特征、植被覆盖度逐年变化特征、空间分布特征、时空统计特征4方面,多角度分析黑河流域中游地区生态环境的变化特征.基于研究区的实际情况,在曹明霞[9]的基础上,提出了基于演变过程的生态系统灰色关联度模型,适用于研究干旱区生态环境变化与各影响因子间的关联度,分析中游地区生态环境变化的驱动力.

1 研究区概况

黑河流域中游张临高盆地土地资源丰富,是我国西北地区重要的商品粮生产基地,也是黑河径流的主要利用区.本文研究区包括张掖地区的甘州区、临泽县和高台县(图1).研究区属温带大陆性干旱气候,降雨少而集中于夏季,年均降水量50～250mm,日照充足,蒸发强烈,年均蒸发量2000～3500mm,昼夜温差很大[10].20世纪90年代以来,张临高盆地人口逐年增加,从1990年71.05万人增加到2010年82.75万人,社会经济发展十分迅速,地区生产总值从1990年8.78亿元增加到2010年147.01亿元[11].

图1 研究区示意Fig.1 The location map of the study area

2 数据与方法

2.1 数据来源

本次研究中,行政边界、气候、水文、植被等数据来源于国家自然科学基金委员会“中国西部环境与生态科学数据中心” (http∶//westdc. westgis.ac.cn),包括数据集有“黑河流域行政边界数据集”、“黑河流域逐日水文观测数据集”、“黑河流域逐日气象观测数据集”[12]、“黑河流域长时间序列SPOT_Vegetation植被数据集(NDVI)”[13].其中,归一化差异植被指数(NDVI)时间序列为1998年4月～2008年7月.社会经济数据来源于《甘肃省统计年鉴》(1998-2008年)[14].

2.2 研究方法

基于NDVI时间序列数据,估算有植被覆盖区域的植被覆盖度,计算植被覆盖度变化趋势,研究生态环境变化特征,并建立生态系统灰色关联度模型,分析生态环境变化的驱动力.

2.2.1 植被覆盖度计算 植被覆盖度是指植被(包括叶、茎、枝)在地面的垂直投影面积占统计区总面积的百分比,常用于植被变化、生态环境研究[15].NDVI 是植被生长状态及植被覆盖度的最佳指示因子,其范围在-1～1之间变动[16].选择研究区内多年平均年最大NDVI大于0.1的象元,作为有植被覆盖的区域[17].

NDVI与植被覆盖分布呈线性相关,根据象元二分模型原理,每个象元的NDVI值可以表示为有植被覆盖部分的 NDVI与无植被覆盖部分的NDVI线性组合的形式[18].因此,计算植被覆盖度(VFC)的公式可表示为∶

式中,N DVIsoil为无植被覆盖象元的 NDVI,理论上接近 0,但受众多因素影响,变化范围一般在-0.1～0.2[19];N DVIveg表示纯植被象元的NDVI,随着植被类型和植被的时空分布而变化.本文采用李苗苗[20]的研究方法计算两者的值.

2.2.2 植被覆盖度变化特征计算 计算研究区逐个像元1999～2007年各年的年平均、年最大、生长季节平均的VFC,采用一元线性回归法计算每个有植被覆盖网格9年年平均、年最大、生长季节平均植被覆盖度的总体变化趋势,用SLOPE线性趋势线估计其变化幅度,计算公式为[21]∶

式中,VFC可代表1999～2007逐年最大、年平均、年生长季节平均植被覆盖度,SLOPE表示1999～2007年年平均、年最大、生长季节平均植被覆盖度的增长值,分别得到总增长幅度及增长百分率为[22]∶

2.2.3 基于演变过程的生态系统灰色关联度模型 由于干旱区生态环境变化受到自然因素和人类活动的共同影响,自然因素如气候变化的波动范围较小,而社会经济发展一般呈现稳定增长,变化幅度较大.为了协调各驱动因子变化趋势对生态环境变化的影响,本文基于生态环境因子与驱动因子在研究期内变化的相对斜率,建立基于演变过程的生态系统灰色关联度模型.模型中定义了完全正相关(灰色关联度为1)和完全负相关(灰色关联度为-1)情况的内涵,即参考序列和比较序列存在正、负相关关系(拟合优度为1),能很好地反映因子间的正负相关关系.模型建立各驱动因子与生态环境变化之间的相关程度,从而可以进行生态环境变化的驱动力分析.模型如下∶

说明∶序列X0和序列Xi的灰色关联度满足∶当且仅当Xi(t)=为常数),

3 结果与讨论

3.1 不同植被覆盖类型区NDVI变化特征

图2中,除戈壁区,各类型区年最大NDVI均呈现明显的增长趋势,且峰谷的波动与莺落峡径流量存在一定的对应关系,如2003、2007年,多数类型区NDVI为波峰年.相比1999年(波谷),平原旱地、低覆盖草地、有林地均有大幅增长,增长幅度达0.1～0.2.疏林地NDVI在2004年后保持高速增长,4年间增长幅度0.208,增长了77.6%.总体来看,2004年以前,各类型区 NDVI波动较大,2004年后,在小幅波动中呈现稳定增长趋势,这与黑河干流水量统一调度管理是分不开的.

图2 各植被类型区年最大NDVI逐年变化Fig.2 The yearly changes of annual maximum NDVI in different vegetation types

分析不同植被覆盖类型区多年平均 NDVI逐月变化(图 3),可以看出,张临高盆地植被的主要生长季节为5～10月,各类型区生长期长度略有差异,但变化趋势与莺落峡逐月径流量基本一致.有林地NDVI峰值最高,其次是高覆盖草地、灌木林地、中覆盖草地、平原旱地、低覆盖度草地、疏林地,戈壁和盐碱地NDVI全年较低,几乎无植被覆盖.峰值代表植被全年生长最好时的情况,在一定程度上说明植被覆盖状况的好坏,也是生长开始衰退的时间,除戈壁和盐碱地,其余各类型区植被到达峰值的时间均为7月.其中,灌木林地非生长季节(11～4月)NDVI最高,0.2左右,几乎是其它植被类型的2～3倍,可以看出灌木林对改善生态环境的意义重大.平原旱地全年NDVI处于中等水平,且在7月收获季节一过,NDVI迅速降低,对生态环境不利.

图3 各植被类型区年最大NDVI逐月变化Fig.3 The monthly changes of annual maximum NDVI in different vegetation types

3.2 植被覆盖度逐年变化特征

图4 植被覆盖度逐年变化Fig.4 The yearly changes of vegetation coverage

分析研究区内年最大、生长季节平均、年平均植被覆盖度逐年变化情况(图 4).其中,年最大植被覆盖度增长速度最快,线性拟合年均增幅0.0063,波动也最大;生长季节平均植被覆盖度在小幅波动中呈现稳定增长趋势,拟合优度达0.74.年平均植被覆盖度略有增长,波动幅度较小.总体来看,经过一系列生态治理,张临高盆地植被覆盖度增长趋势明显,生态环境逐渐得到改善.

3.3 植被覆盖度空间分布特征

采用一元线性回归分析方法计算研究区各象元1999～2007年各年年平均、年最大、生长季节平均植被覆盖度的变化趋势线,根据趋势线斜率计算植被覆盖度增长幅度和增长百分率,并绘制空间分布图.其中,生长季节平均植被覆盖度变化幅度和变化百分率空间分布如图4所示,未计算区域为多年平均年最大NDVI值小于0.1的区域,作为荒漠区处理.

由图5可见,生态治理成效最显著的是张掖市甘州区,植被覆盖度增加明显,年增长幅度集中在 0.03～0.3,其后依次是临泽县和高台县.从植被覆盖度变化情况来看,高台县和临泽县北部被荒漠包围的过渡带地区,以及沿黑河分布的部分耕地地区,局部年下降幅度达 0.1～0.3,年降低百分率为 20%～60%.随着过渡带地区由于可利用的径流性水资源减少,对降雨性水资源依赖程度大,使得植被生长的峰值情况受到降雨量的限制.

图5 张临高盆地1999～2007生长季节平均植被覆盖度变化幅度及变化百分率Fig.5 The changes in amplitude and percentage changes of growth season average vegetation cover in the study area (1999～2007)

3.4 植被覆盖度时空统计特征

比较 3种植被覆盖度的变化度(图 6),年最大、生长季节平均植被覆盖度的好转趋势较明显,分别有70%、65%以上分布在0.03～0.3,而年平均植被覆盖度变化 80%以上分布在 0～0.1,因为植被覆盖度的变化主要体现在生长季节.从变化百分率来看,年最大植被覆盖度和生长季节平均植被覆盖度的变化分布基本一致,两者的增长百分率分布在20%～60%的比例占50%以上,而年平均植被覆盖度的好转趋势相对较差些.

从生长季节植被覆盖度变化规律来看(图7),各年植被覆盖度到达峰值的时间并不一致,2002年之前,植被覆盖度偏低,峰值到来时间较早,6～7月植被覆盖度较高,8月植被覆盖度已处于明显下降阶段.2002年及之后,植被覆盖度较高,峰值到达时间较晚,7～8月植被覆盖度较高,在0.35左右,2003年和2006年峰值出现在8月,2007年峰值达到 0.3924.随着张临高盆地灌溉条件的改善,7～10月植被覆盖度呈现明显增长趋势,同时生长季节时间长度有增加趋势,而植被覆盖度峰值提高、生长期延长,是区域生态环境改善的标志.

图6 植被覆盖度变化幅度、变化百分率分级百分比统计Fig.6 The statistical results of vegetation cover change classification

利用年最大植被覆盖度(植被覆盖度峰值数据,采用6级表示法(0～15%、15%～30%、30%～45%、45%～60%、60～75%、75%～100%)进行植被覆盖度分级统计,研究各级覆盖度植被面积百分比逐年变化情况.根据分级情况,将植被覆盖度分为极低、低、中低、中、高中、高植被覆盖度区.由图8可以看出,植被覆盖度变化主要发生在低覆盖度和极低覆盖度区,两者波动幅度较大,互为增减关系,累积面积比占50%以上.高覆盖度植被呈现明显增长趋势,10年间增长了约 16%.中高、中、中低覆盖度比例在波动中略有下降,三者比例基本相同,累积比例约 34%.整体而言,植被覆盖度结构呈现优化趋势,主要体现在高覆盖度植被比例的增长和极低覆盖度植被逐渐转化为低覆盖度植被,可见张掖市节水灌溉、退耕还林还草等一系列工程措施取得了不错的成效.

图7 生长季节植被覆盖度逐年变化Fig.7 The changes of the vegetation cover from May to October(1998～2007)

图8 年最大植被覆盖度分级统计逐年变化Fig.8 The statistical results of yearly maximum vegetation cover classification (1998～2008)

3.5 关联度计算

应用基于演变过程的生态系统灰色关联度模型,计算 3种植被覆盖度与各气候水文、社会经济因子之间的关联度,结果如表1所示.

从年最大、年平均、生长季节平均植被覆盖度与各影响因子关联度分析可知,3种植被覆盖度与各影响因子关联度基本一致.

针对关联度 0.5以上的影响因子,根据生长季节平均植被覆盖度进行排序,正相关影响因子∶降水量>农村用电量>化肥施用折纯量>第一产业产值>人均生产总值>莺落峡径流量>农业人口;负相关影响因素∶农作物播种面积>蒸发量>第二产业产值.

表1 年最大、年平均、生长季节平均植被覆盖度与各影响因子关联度计算结果Table 1 The calculation results of correlation between vegetation coverage and driving factors

图9 年最大、年平均、生长季节平均植被覆盖度与各影响因子关联度分析Fig.9 The calculation results of correlation between vegetation coverage and driving factors

分析各水文气象因素对植被覆盖度的影响,蒸发量和降雨量影响较大,其中,蒸发量与年平均植被覆盖度呈显著负相关,关联度达-0.8264;降雨量与生长季节植被覆盖度显著正相关,关联度达0.9071,这与干旱区的气候特点密不可分,因为植被覆盖度变化主要发生在以降雨性水资源补给为主的极低、低植被覆盖区,且植被覆盖度变化集中在生长季节.实施水量统一调度工程后,径流量的利用效率提高,莺落峡来水量与植被覆盖度的关联性也较强.

分析各社会经济因素对植被覆盖度的影响,第一产业总值、人均生产总值与年最大植被覆盖度呈现显著正相关,均为0.75以上,而农作物播种面积与生长季节植被覆盖度负相关达 0.8以上.2000年之后,张掖市节水型社会建设,不断优化水资源利用效率,开展退耕还林还草工程,农作物播种面积下降,林牧业得到发展,高覆盖度植被面积增加约 16%,在第一产业进步的同时促进了生态环境的整体改善.代表农业科技进步的农村用电量和化肥施用折纯量与生长季节植被覆盖度呈显著正相关关系,关联度分别达 0.8121、0.7948,这进一步证明了农业技术进步有利于耕地乃至区域植被覆盖度的提高.而第二产业产值与植被覆盖度呈现负相关,说明工矿、建筑业等的发展对区域植被覆盖度有一定的负面影响.

基于生态环境变化特征和驱动力分析,中游地区生态环境在整体改善的基础上,仍存在不可忽视的问题,比如北部荒漠包围的过渡带地区、中部沿黑河分布的条带状耕地覆盖度呈降低趋势.因此,有必要通过水资源合理配置和调度管理,在不引起耕地区植被覆盖度降低和农业产量减少的基础上,保证过渡带植被生态用水,进一步改善中游地区生态环境.

4 结论

4.1 不同植被覆盖类型区年最大NDVI呈现逐年增长趋势.平原旱地、低覆盖草地、有林地增幅较大,达0.1～0.2,疏林地在2004年后保持高速增长,增幅 0.208,增长了 77.6%.各类型区 NDVI逐月变化趋势与莺落峡径流量基本一致,生长季节集中在5～10月,峰值集中在7月.其中,灌木林地非生长季节 NDVI最高,几乎是其他类型的2～3倍,对改善生态环境意义重大,而平原旱地在7月收获季节一过,NDVI迅速降低,对生态环境不利.

4.2 张临高盆地植被覆盖度增长趋势明显,其中,甘州区生态治理成效最显著.研究区年最大植被覆盖度线性拟合年均幅度 0.0063,生长季节平均植被覆盖度在小幅波动中呈现稳定增长趋势,拟合优度达0.74.张掖市甘州区,年增长幅度集中在0.03～0.3,其后依次是临泽县和高台县.其中,高台县和临泽县北部被荒漠包围的地区,荒漠化趋势明显,局部年下降幅度达 0.1～0.3,年降低百分率达20%～60%.

4.3 从生长季节植被覆盖度变化规律来看,植被7～10月覆盖度呈现明显增长趋势,峰值从6～7月延迟到7～8月,2007年达0.3924,植被覆盖度峰值提高、生长期延长,表明区域生态环境有所改善.从年最大植被覆盖度分级统计来看,植被覆盖度分级组成结构整体呈现优化趋势,极低覆盖度植被逐渐转化为低覆盖度植被,2007年相比2000年降低了25%以上,高覆盖度植被比例的10年间增长约 16%,可以看出张掖市节水灌溉、退耕还林还草等一系列工程取得了不错的成效.

4.4 根据关联度模型分析结果,正相关驱动因子主要有降水量、代表农业科技进步的用电量及化肥施用折纯量,代表社会经济发展的第一产业产值、人均生产总值,和径流性水资源莺落峡径流量等;负相关驱动因子主要有农作物播种面积、蒸发量和第二产业产值.气象水文驱动因子主要是与植被生长可利用水资源相关的降雨量、蒸发量、径流量等,与3种植被覆盖度最大关联度分别为 0.9071、-0.8264、0.7553,社会经济驱动因子主要是与农业生产相关的农作物播种面积、第一产业产值、农业科技水平等,最大关联度分别为-0.8052、0.7810、0.8121.

[1] 张北赢,徐学选,刘文兆,等.黄土丘陵区不同土地利用的土壤水分灰色关联度 [J]. 生态学报, 2008,28(1)：361-366.

[2] 邓聚龙.灰色系统基本方法 [M]. 湖北：华中理工大学出版社, 1987.

[3] 李宏艳.关于灰色关联度计算方法的研究 [J]. 系统工程与电子技术, 2004,26(9)：1231-1234.

[4] 虞亚平,王冠中,李大治.广义灰色关联度的简便计算方法 [J].南通大学学报(自然科学版), 2008,7(002)：85-90.

[5] 何满喜.灰色综合关联度及其应用 [J]. 内蒙古师范大学学报(自然科学版), 1999,28(3)：170-173.

[6] 曾光明,曾北危.环境影响综合评价的灰色关联分析方法 [J].中国环境科学, 1995,15(4)：247-251.

[7] 党耀国,刘思峰,刘 斌,等.灰色斜率关联度的改进 [J]. 中国工程科学, 2004,6(3)：41-44.

[8] 王乃举,周涛发.矿业城市环境经济系统耦合评价—以安徽铜陵市为例 [J]. 中国环境科学, 2012,32(7)：1339-1344.

[9] 曹明霞.灰色关联度模型正负性问题的研究及其改进 [J]. 系统工程与电子技术, 2008,30(6)：1086-1088.

[10] 姜朋辉,赵锐锋,赵海莉,等.1975年以来黑河中游地区土地利用/覆被变化时空演变 [J]. 生态与农村环境学报, 2012,28(5)：

[11] 甘肃年鉴编委会.甘肃年鉴：1991,2011 [M]. 北京：中国统计出版社, 1991,2011.

[12] 国家气象信息中心,黑河流域逐日气象观测数据集 [Z]. 中国气象局, 2010.

[13] Janssens Greet,马明国.中国地区长时间序列 SPOT Vegetation植被指数数据集 [Z]. 2006.

[14] 甘肃年鉴编委会.甘肃年鉴：1999～2009 [M]. 北京：中国统计出版社, 1999-2009.

[15] 李 丽,童立强,李小慧.基于植被覆盖度的石漠化遥感信息提取方法研究 [J]. 国土资源遥感, 2010,84(2)：59-62.

[16] 周兆叶,储少林,王志伟,等.基于 NDVI的植被覆盖度的变化分析-以甘肃省张掖市甘州区为例 [J]. 草业科学, 2008,25(12)：23-29.

[17] Fletcher R S, Escobar D E, Skaria M. Evaluating airborne normalized difference vegetation index imagery for citrus orchard surveys [J]. Hort Technology, 2004,14(1)：91-94.

[18] 刘 琳,姚 波.基于 NDVI象元二分法的植被覆盖变化监测[J]. 农业工程学报, 2010,26(S1)：230-234.

[19] 杜子涛,占玉林,王长耀.基于NDVI序列影像的植被覆盖变化研究 [J]. 遥感技术与应用, 2008,23(1)：47-50.

[20] 李苗苗.植被覆盖度的遥感估算方法研究 [D]. 北京：中国科学院, 2003：49-55.

[21] 杨延征.基于SPOT-VGT NDVI的陕北植被覆盖时空变化 [J].应用生态学报, 2012,23(7)：1897-1903.

[22] 程国栋.黑河流域水-生态-经济系统综合管理研究 [M]. 北京：科学出版社, 2009：559.

Changes in the ecological environment and there determining factors in the middle Heihe River Basin.

ZHOU Sha, HUANG Yue-fei*, WANG Guang-qian
(State Key Laboratory of Hydroscience and Engieering, Tsinghua University, Beijing 100084, China). China Environmental Science, 2014,34(3)：766～773

This paper analyzed several aspects of the spatio-temporal variations in the vegetation cover in the middle Heihe River Basin, and developed a grey correlation model of ecosystem to identify the determining factors. The results demonstrated that 1) the annual maximum normalized difference vegetation index (NDVI) increased considerably in upland, grassland with low vegetation cover, and forested area, by about 0.1～0.2; while sparse woodland has maintained a rapid growth since 2004with the annual maximum NDVI increased by 0.21; 2) the annual maximum vegetation cover for the study area as a whole has increased by 0.0063per annum, the change is most significant in Ganzhou District, where the annual growth was mostly around 0.03～0.3, however, for some oasis-desert transition zones in Linze and Gaotai, the vegetation cover decreased by 0.1～0.3; 3) the vegetation cover from July to October showed significant growth trends, the peak increased and delayed about one month, reaching 0.39in 2007; the hierarchical structure of the annual maximum vegetation cover optimized, the lowest vegetation cover gradually transformed into low vegetation cover, decreased by 25% from 2000to 2007, and the highest vegetation cover increased approximately 16% from 1998to 2008; 4) the results of correlation analysis showed that the main meteorological and hydrological factors were rainfall, evaporation and runoff ,with the maximum correlations of 0.91, -0.83, 0.76, respectively, and that the main socio-economic factors were agricultural acreage, primary industry and the level of agricultural science and technology, with the maximum correlation were -0.81, 0.78, 0.81, respectively.

Heihe River Basin；vegetation cover；spatiotemporal variation；grey correlation model

X171

：A

：1000-6923(2014)03-0766-08

周 沙(1991-),女,湖北孝感人,清华大学博士研究生,主要从事干旱区生态环境与水资源管理研究.发表论文2篇.

2013-07-29

国家自然科学基金(91125018);国家“十二五”科技支撑计划重点项目(2013BAB05B03);水利部公益性行业科研专项项目(201301081)

* 责任作者, 教授, yuefeihuang@tsinghua.edu.cn