黄土高原不同土地覆盖类型下生物指标的时空变化分析

罗西超，王 程，姚炳楠

(1.黄河水利委员会 黄河上中游管理局，陕西 西安 710021；2.陕西省水土保持生态环境监测中心，陕西 西安 710004；3.陕西师范大学 旅游与环境学院，陕西 西安 710062)



黄土高原不同土地覆盖类型下生物指标的时空变化分析

罗西超1，王 程2*，姚炳楠3

(1.黄河水利委员会 黄河上中游管理局，陕西 西安 710021；2.陕西省水土保持生态环境监测中心，陕西 西安 710004；3.陕西师范大学 旅游与环境学院，陕西 西安 710062)

地表土地覆盖情况在人类影响气候变化的途径中具有重要影响。结合MODIS生物指标和土地覆盖类型数据，对2000～2014年黄土高原地区不同土地覆盖类型下生物指标的变化特征进行了分析。结果表明：黄土高原地区近15年生物参数呈上升趋势，且林地和草地类型对这一结果贡献率更高，而稀疏灌木林的贡献率最低。“退耕还林/草”政策的实施，促进了黄土高原地区生物指标的提升，彰显了该政策实施所产生的良好成效。然而也应该加强稀疏灌木林地区地表的水土保持力度是以后的工作重点。

生物指标；土地覆盖类型；时空变化；黄土高原

气候变化是全球环境变化研究的主要内容之一，对各个方面都产生了巨大的影响。反过来人类活动对气候变化也有深刻的影响，其主要方式包括排放温室气体、土地利用/土地覆盖变化2种，这2种方式中对于前者的相关研究早已被许多学者关注，而对于后者的深入研究还有很大的不确定性。随着国际地圈生物圈计划与全球环境变化人文计划联合提出一项LUCC计划[1]，明确指出了人类活动对LUCC的作用不仅会导致局部地区以及区域上的气候产生一定的影响，而且还可以通过大气、生态过程以及生物地球物理和生物化学等方面之间的相互作用过程，进而导致全球气候的变化。

近年来遥感数据极大地丰富了不同时空尺度的信息，在国内外利用强型植被指数产品(Enhanced Vegetation Index,EVI)来分析其有效性，并对其进行验证[2]，结果表明：EVI相比归一化植被指数来说，前者对生长期农田的敏感度更高[3]。并有学者结合MODIS数据及EVI能够较好地监测陕西省旱情[4]。也有学者针对亚马逊地区森林的大规模砍伐这一过程进行研究，结果表明：大规模森林砍伐会导致该地区叶面积指数(Leaf Area Index,LAI)下降[5-6]。黄土高原地区是生态环境研究的重点区域之一，我国针对该地区在过去很长一段时间采取了生态建设等大型工程，意在降低该地区环境恶化的速度，改善其脆弱的生态环境现状。在生态建设的过程中，对该地区土地覆盖类型进行了调整，导致植被生物方面产生了一定的影响。因此，本文以黄土高原地区为研究区域，结合遥感数据，对该地区地表植被在近年来所产生的地表植被生物效果进行了分析，为进一步了解该地区地表植被生物状况提供一定的信息，为该地区生态环境建设政策的改善提供参考。

1 数据与方法

1.1 研究区概况

黄土高原地区(北纬33°41′～41°16′，东经100°51′～114°33′)[7]，东起太行山、西到乌鞘岭、南面为秦岭、北与内蒙古高原相连，该地区面积广大，所涉及到的范围有山西、河南、陕西、内蒙古、甘肃、宁夏、青海等7个省份(区)，包括46个地(盟、州、市)。黄土高原总面积约为62万km2，呈西北高东南低的地势。黄土高原地区主要由黄土丘陵、高原沟壑、平原、盆地、山地等多种地貌类型，构成了现今全球著名的千沟万壑地貌特征。由于该地区的特殊土质结构以及地表状况所导致的水土流失以及随之产生的生态环境问题，受到了我国甚至是全世界的高度重视[8-9]。该地区气候类型属于温带季风气候，位于半干旱半湿润地区，年平均温度为3.6～14.3 ℃。该地区蒸散量大于降水量，年平均降水量为466 mm。该地区植被类型主要以林地、草地、灌丛、农田类型为主(图1)，分别占总面积的5%、40.88%、20.48%、19.70%，主要林地类型为常绿针叶林、落叶阔叶林和针阔混交林，分别占总林地类型的11.71%、9.39%、77.96%。由于该地区地表长时间受到人类活动的影响，导致土壤盐碱化现象明显。人类的活动和环境本身共同作用，加重了该地区草场退化的程度以及地表裸露的面积。

1.2 数据来源与预处理

本文利用的生物指标遥感数据为美国国家航空航天局(National Aeronautics and Space Administration,NASA)的MODIS-13A2(EVI)、MODIS-15A2(LAI)和光合有效辐射分量(fractional interception of photosythetically active radiation,fPAR)产品数据，该数据获取地址为美国宇航局对地球观测系统研究的数据和信息系统(EOSDIS,http://reverb.echo.nasa.gov)。该部分遥感数据选取的时间范围为2000～2014年，数据格式为HDF，空间分辨率为1 km。EVI的时间分辨率为16 d，LAI和fPAR时间分辨率均为8 d。由于黄土高原面积较大，所采用的遥感数据需要根据NASA提供的用户专门处理图幅软件MODIS Reprojection Tool(MRT)对已有数据做拼接投影处理，再利用ArcGIS 10.0软件对结果按照其各自产品的用户说明进行真实值转换，并根据黄土高原地区范围进行掩膜等工作。综合考虑黄土高原地区物候期对生物参数的影响，EVI本文所采取的是生长季(第92～274天)合成结果，LAI和fPAR本文采取的是生长季(第92～274天)平均结果。

土地覆盖类型数据本文采用的是MODIS空间分辨率为1 km的数据。

常绿针叶林(ENF)、常绿阔叶林(EBF)、落叶针叶林(DNF)、落叶阔叶林(DBF)、针阔混交林(MF)、郁闭灌木林(CSH)、稀疏灌木林(OSH)、多树草原(WSA)、稀疏草原(SAV)、草地(GRA)、农田(CRO)、城镇和建设用地(URB)、农作物混合体(CRM)、裸露或稀少植被覆盖(BSV)、水体(WAT)

图1 黄土高原地区土地覆盖类型的分布图

1.3 分析方法

为分析生物参数在多年黄土高原地区范围上的年际变化趋势，本文采用一元线性回归分析法，利用Arcgis 10.0软件对生物参数在2000～2014年的多年变化趋势进行计算，计算公式如下[10]：

(1)

式(1)中：n代表生物参数研究时间段内的总年数，Xi代表第i年一种生物参数平均值，θ代表趋势线斜率，根据生物参数在长时间序列与相对应的年份两者相互关系来反映该参数年际变化趋势，θ结果正负分别表明该参数在整个研究时段内的变化趋势为呈增加或下降。

为详细理解生物参数在黄土高原地区的变化情况，本文基于2001年黄土高原土地覆盖类型数据，利用SPSS软件做箱线图，分别对生物参数的多年趋势在不同土地覆盖类型上所贡献结果进行对比分析。

2 结果与分析

2.1 土地覆盖类型各生物参数的差异

由于黄土高原地表不同土地覆盖类型上的生物参数的变化情况不同，利用2001年黄土高原土地覆盖类型数据，对2000～2014年生长季合成EVI、生长季平均LAI和生长季平均fPAR共3项生物参数在不同土地覆盖类型上所分布的情况作箱线图进行对比分析(图2)。以下统称林地类型(包括ENF、DBF、MF)。

在图2-a中，生长季合成EVI在不同土地覆盖类型下，按照其均值大小不同将土地覆盖类型排列为：DBF>MF>ENF，所对应的生长季合成EVI值分别为4.86、4.76、4.18，并且可以明显看出生长季合成EVI在林地类型上明显要高于CRO类型(3.33)。图2-b同理排列生长季LAI平均值：DBF>MF>ENF，分别为2.67、2.31和2.19，这表明生长季平均LAI在林地类型上显著大于CRO类型(0.75)。图2-c生长季fPAR平均值在林地类型上DBF>ENF>MF，分别为0.59、0.58、0.57，且明显高于CRO类型(0.39)。这3种生物参数的值在林地上均大于农田上的值，表明若农田转为林地类型，则会影响生物参数(EVI、LAI、fPAR)的上升。

图2 2001年黄土高原地区不同植被类型的各参数对比

2.2 生物参数的时间变化分析

黄土高原地区在2000～2014年生物参数的年际时间变化见图3，生长季合成EVI、生长季平均LAI和生长季平均fPAR三者的年际增长趋势分别为0.04/年、0.02/年、0.01/年，均较小，整体上呈波动上升的趋势，且相关系数r值都较高，分别为0.86、0.87、0.83。LAI的相关系数r值是三者中最大的，fPAR是最小。三者均通过了显著性检验(P<0.01)。并且这3项生物参数在研究时间段内的整体趋势均呈相似的上升走势，但在最高、最低年份三者稍有不同。

图3 2000～2014年黄土高原地区EVI、LAI、fPAR时间变化趋势

2.3 生物指标整体趋势在不同土地覆盖类型上的变化

黄土高原各生物参数近15年在不同土地覆盖类型上的变化情况见图3。生长季合成EVI(图3-a)的趋势在林地类型ENF、DBF、MF上的均值分别为0.04、0.035、0.04，GRA上的均值为0.04，CRO上的均值为0.04，OSH上的均值为0.03；生长季平均LAI(图3-b)的趋势在林地类型ENF、DBF、MF上的均值分别为0.04、0.03、0.03，GRA上的均值为0.017，CRO上的均值为0.02，OSH上的均值为0.01；生长季平均fPAR(图3-c)的趋势在林地类型ENF、DBF、MF上的均值分别为0.006、0.0046、0.0055，GRA上的均值为0.0061，CRO上的值为0.0055，OSH上的均值为0.004。通过比较得知，生物参数基本上林地类型对其近15年来的影响贡献率较农田高一些，而稀疏灌木林的贡献最低。

通过面积加权得到的黄土高原主要植被类型林地、草地、稀疏灌木林和农田在近15年来生物参数整体变化趋势上的贡献率不同，结果表明：OSH的贡献率在EVI、LAI、fPAR上均最低；林地和草地在EVI上的贡献率相近，两者贡献率都接近于112.6%，且稍大于农田；林地比农田对LAI的贡献率高81.2%，农田的贡献率为116.6%，草地比农田贡献率低25%，对比OSH的贡献率高24.2%；GRA对fPAR的贡献率在4种类型中最高，为110.1%，林地和农田两者贡献率相近。

3 讨论

本文利用EVI、LAI、fPAR遥感数据、土地覆盖类型数据对黄土高原地区2000～2014年的不同土地覆盖类型下生物指标的时空变化情况进行了分析，在3项生物参数上林地增长的速率均大于农田，表明生物参数的增长趋势会随土地覆盖类型由农田转变为林地而增加。在整体上，3项生物参数年际上呈上升趋势，并且很大程度上林地和草地类型对这一结果贡献率更高，稀疏灌木林的贡献率最低。“退耕还林/草”政策的实施，对于黄土高原地区生物指标的提升影响很大，同时也应该加强在稀疏灌木林地区地表的水土保持力度。

图4 2000～2014年黄土高原地区生物参数变化趋势在不同植被类型上的分布情况

MODIS遥感数据所提供的年份有限，如若基于更长时间序列数据的基础上，将对于进一步对比分析黄土高原地区“退耕还林/草”政策的实施前后，不同土地覆盖类型下生物指标的变化情况将起更加深刻的了解。

[1] Turner. Relating land use and global land-cover change: a proposal for an IGBP-HDP core project[R]//A report from the IGBP/HDP Working Group on Land-Use/Land-Cover Change. Global Change Report, 1993.

[2] Deng F, Su G, Liu C. Seasonal variation of MODIS vegetation indexes and their statistical relationship with climate over the subtropic evergreen forest in Zhejiang, China[J]. IEEE Geoscience & Remote Sensing Letters, 2007, 4(2): 236-240.

[3] Wardlow B D, Egbert S L, Kastens J H. Analysis of time-series MODIS 250 m vegetation index data for crop classification in the U.S. Central Great Plains[J]. Remote Sensing of Environment, 2007, 108(3): 290-310.

[4] 闫娜,李登科,杜继稳,等.基于MODIS产品LST/NDVI/EVI的陕西旱情监测[J].自然灾害学报,2010(4):178-182.

[5] Werth D, Avissar R. The local and global effects of Amazon deforestation[J]. Geophysical Research Letters, 2005, 32(1): 5823-5826.

[6] Kleidon A, Heimann M. Deep-rooted vegetation, Amazonian deforestation, and climate: results from a modelling study[J]. Global Ecology & Biogeography, 1999, 8(5): 397-405.

[7] 中国科学院黄土高原综合科学考察队.黄土高原地区重点县综合治理与经济发展战略[M].北京：北京科学出版社,1990.

[8] 刘闯,葛成辉.美国对地观测系统(EOS)中分辨率成像光谱仪(MODIS)遥感数据的特点与应用[J].遥感信息,2000(3)：45-48.

[9] 张丽娟，温兴平，王军，等.基于MODIS影像的昼夜地表温度反演研究[J].江西农业学报，2014,26(10)：121-124.

[10] Ma M G, Dong L X, Wang X M. Study on the dynamically monitoring and simulating the vegetation cover in northwest china in the past 21 years[J]. Journal of Glaciology and Geocryology, 2003, 25(2): 232-236.

(责任编辑：曾小军)

Analysis of Spatial-temporal Changes in Biological Indexes under Different Land Cover Types in Loess Plateau

LUO Xi-chao1, WANG Cheng2*, YAO Bing-nan3

(1. Administrative Bureau of Upper and Middle Reaches of Yellow River, Yellow River Conservancy Commission, Xi’an 710021, China; 2. Soil and Water Conservation and Ecological Environment Monitoring Center of Shaanxi Province, Xi’an 710004, China; 3. College of Tourism and Environmental Sciences, Shaanxi Normal University, Xi’an 710062, China)

Land cover plays an important role in human being’s impact on the climatic change. Based on the data of MODIS biological indexes and land cover type, the change characteristics of biological indexes under different land cover types in the Loess Plateau region during 2000～2014 were analyzed. The results showed that the biological parameters of the Loess Plateau had an upward trend in recent 15 years, and forest land and grassland had a higher contribution rate to this result, while sparse shrub forest had the lowest contribution rate to it. The implementation of policy “returning farmland to forest land and grassland” promoted the rising of biological indexes in the region of Loess Plateau, indicating that the policy implementation produced a good result. In the future, the water and soil conservation intensity in sparse shrub forest region should be strengthened too.

Biological index; Land cover type; Temporal and spatial change; Loess Plateau

2016-06-19

罗西超(1981─)，男，陕西西安人，工程师，研究方向：水土保持小流域综合治理与水土保持规划。*通讯作者：王程。

TP79

A

1001-8581(2016)11-0090-04