黑河中游植被覆盖率变化趋势及其驱动因子分析

张更喜, 粟晓玲, 马心依

(西北农林科技大学 水利与建筑工程学院，陕西 杨凌 712100)

作为生态系统的重要组成部分，植被在水循环、能量流动、生物化学循环等方面都起着至关重要的作用[1]。监测植被的动态变化是更好地理解植被与气象因素反馈机制的重要手段，也是必要环节之一[2-4]。作为植被指数之一的归一化植被指数(NDVI)已得到广泛认可和应用，尤其是在区域和全球尺度上估计植被生物量、植被生长状况以及植被动态变化方面[5]。

关于植被变化趋势的问题，已有学者在区域及全球尺度上进行过不同的研究[6-9]。近年来随着全球气温的升高，北半球中高纬度地区植被覆盖率呈增长趋势[7-8]。国内关于植被变化趋势的研究虽然起步较晚，但是发展尤为迅速。Xiao等人[10]在2004年研究了中国1982-1998年17年间植被变化趋势及其影响因子，认为在北部高纬度地区温度升高和降水量增加是造成植被覆盖率增长的主要因素；Fang等人[11]关于中国整体植被的研究也表明中国西北部地区植被增长趋势显著。由于植被生长受气候变化、CO2浓度、氮沉积量、生态过程以及人类活动等众多因素的影响，如何区分自然因素和人为因素的影响仍然是一个难点，但已有学者做过探索性研究。如Zhou等人[12]基于净初级生产力研究了黑河流域沙漠化动态变化与人类活动和气候变化的关系，探讨了人为因素和自然因素对沙漠化的贡献；Xiao[13]利用线性回归方法研究了中国不同省份植被变化趋势及其与人为因素和自然因素的关系；Wang[14]依据NDVI值将黑河下游地区划分为“灌溉区”和“非灌溉区”，探索了两区域对黑河下游整体植被覆盖率的贡献以及影响两种区域覆盖率变化的水资源因素。但是，关于黑河中游地区的研究较少，而且大部分研究并没有综合考虑地下水位、地上径流及降水对植被覆盖率变化的影响程度，本文旨在探索地下水埋深、中游耗水量、累积降水量对区域植被覆盖率变化的贡献，以期利用水量变化预测区域植被覆盖率变化趋势。

选取黑河干流中游为研究对象，依据生长期的NDVI值将黑河干流中游地区划分为“绿洲区”和“荒漠区”，探索分水政策后黑河干流中游地区植被覆盖率的变化趋势以及两区域对植被覆盖率的贡献。

1 研究区概况

黑河流域是我国第二大内陆河流域，位于37°44′～42°42′N和96°42′～102°08′E之间，总面积约为14万km2[12]。研究区位于黑河干流中游，面积1.3万km2，属大陆性中温带干旱气候，降水量少，蒸发量大，太阳辐射强烈，年均气温7.4～8.5，年均降水量108.3～150.0mm，降水主要集中在6～9月，占全年降水量的70%～80%，年蒸发量1340～2400mm[15]。黑河出山口的径流量在过去几十年间呈增长趋势，上游莺落峡的多年平均径流量由20世纪60年代的14.4亿m3增长到90年代的15.7亿m3；而下游正义峡断面自上世纪60年代到90年代径流量由10.5亿m3下降为7.5亿m3(图1)，这主要是因为自20世纪60年代起，中上游地区农田面积的扩张、城市化进程的加快、工业的发展等使中游地区耗水量急剧上升[16-17]，从而导致黑河下游东居延海在1992年出现了干涸现象，而西居延海干涸现象出现的时间则更早[16]。为了恢复下游地区生态系统、抑制生态环境恶化，中国政府在21世纪初实施了分水政策，过去10年间正义峡的平均径流量达到了10.5亿m3。中游地区由于受到分水政策的限制，取水量有所下降，而农田面积还在不断扩张[20]，经济发展仍然较快，需水量持续增大，导致地下水开采量增加，使得地下水位下降，2004年下降幅度达到了最大值，之后地下水位又有所回升。在干旱半干旱地区，由于降水量稀少，地下水对植被种类、生长、结构有较大影响[21]。

图1 黑河莺落峡、正义峡年径流量 Fig. 1 Annual runoff at the Yingluoxia and Zhengyixia in Heihe River wells in middle reaches of Heihe River

2 资料和方法

2.1 降水、径流和地下水位数据

本文的数据序列为2002～2011年的实测月资料。降水资料来源于中国气象科学数据共享服务网(http://www.escience.gov.cn)的张掖、临泽、高台3个气象站数据，取3站平均值作为研究区的降水量；地下水数据选取研究区具有连续观测的24个潜水井的地下水埋深数据(图2),见254页彩图，径流量资料为莺落峡、正义峡水文站年径流量。据调研，梨园河每年能够流入干流的水非常有限，因此选取莺落峡与正义峡年径流量之差代表干流中游地区耗水量。地下水与径流资料来源于国家自然科学基金委员会“黑河计划数据管理中心”(http://www.heihedata.org)。

2.2 归一化植被指数(NDVI)

植被的动态变化，尤其是在大尺度范围内，可以利用遥感监测[22]。NDVI是根据遥感红光波段和近红外波段的光谱值计算得出的用于监测植被生长状况以及植被覆盖程度的一种参数，到目前为止是应用最广泛的植被指数[23]。本文的NDVI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)，是基于MODIS 的NDVI产品(MYD13A2和MOD13A2)，利用改进的HANTS算法去云重建得到了2002-2011年每天、1km分辨率NDVI数据集。为了避免因云、大气、太阳高度角等因素影响可能造成的NDVI值偏低的现象，利用最大值合成法(MVC，Maximum Value Composites)获取每年生长期最大的NDVI图像，即每一像元的NDVI值都是生长期内的最大值[24]。

2.3 绿洲区的划分

在黑河干流中游地区，绿洲区面积分布较广，经常抽取地下水进行灌溉，地下水也会通过毛管作用进入土壤供植被吸收，从而维持原生植被的生长。灌溉植被与原生植被的地下水来源是同一地下水资源，使得区分这两种植被变得愈加困难。本文选取一个NDVI阈值来区分“绿洲区”和“荒漠区”[14]，因为绿洲区在生长季具有较高的NDVI值，区分出来的绿洲区既包括灌溉农田、草地、森林区也包括了地下水位埋深较浅的天然植被区。

为了获取NDVI阈值，将2002～2011年每年生长期的NDVI图像进行最大值合成，依据2011年土地利用图取得NDVI阈值为0.12，即NDVI大于0.12的区域为绿洲区，小于0.12 的区域为荒漠区。

2.4 植被覆盖率的计算

通过NDVI计算植被覆盖率，公式[25]为

(1)

式中,NDVImin和NDVImax分别表示无植被覆盖(fV=0)和完全植被覆盖(fV=1)的NDVI值，一般NDVImin选裸地的NDVI值，NDVImax选取灌溉农田区的NDVI值[26]。本文依据2011年土地利用类型图选取NDVImin为0.055，NDVImax为0.65。

2.5 对植被覆盖率变化的贡献

将整个区域划分为两种类型之后，植被覆盖率由绿洲区的植被覆盖率(fO)、荒漠区植被覆盖率(fD)以及绿洲区和荒漠区的面积(AO和AD)确定[14]。

(2)

(3)

对fV进行全微分得：

(4)

fV的相对变化为：

XfO+XAO+XfD+XAD

(5)

X分别表示四种因子(fO,AO,fD,AD)对植被覆盖率趋势变化的贡献。

3 结果分析

3.1 植被覆盖率趋势变化

利用趋势分析法分析2002年到2011年10年间黑河干流中游每个栅格点植被覆盖率的变化，公式[27]如下：

(6)

式中，i表示年数，fVi表示第i年的植被覆盖率，θslope表示的是2002～2011年植被覆盖率的整体趋势变化；θslope划分为5个标准[28]：θslope<-0.006时为显著减少；-0.006<θslope<-0.001时为轻度减少；-0.001<θslope<0.001时为基本不变；0.001<θslope<0.006时为轻度增加；θslope>0.006时为显著增加。

由图4中可以看出，10年间黑河干流中游植被覆盖率总体呈增加趋势，显著增加与轻度增加的面积占总面积的90%。

3.2 敏感性分析和趋势贡献

(7)

由于NDVI阈值的选取具有主观性，为了保证评价结果的稳定性，选取了5种不同的NDVI阈值(0.10，0.11，0.12，0.13，0.14)来计算植被覆盖率的相对变化。尽管不同的NDVI阈值得到的敏感性参数有差异，但是对植被覆盖率变化趋势贡献最大的都为绿洲区面积(表1)。

图3 黑河干流中游植被覆盖率及绿洲区面积比的年际变化Fig.3 The interannual variation of vegetation cover rate and oasis areas in middle reaches of Heihe River

图2 黑河干流中游土地利用及监测井位置图Fig. 2 The land use and location of monitoring

图4 2002～2011年黑河干流中游植被覆盖率变化趋势Fig.4 The changing trend of vegetation cover rate in middle reaches of Heihe River during 2002 to 2011

XfO:绿洲区植被覆盖率的贡献； XAO:绿洲区面积变化的贡献； XfD:荒漠区植被覆盖率的贡献；XAD:荒漠区面积变化的贡献；dfV/fV:植被覆盖率相对变化XfO:The contribution of vegetation cover rate in oasis areas； XAO:The contribution of oasis area variation； XfD:The contribution of vegetation coverrate in desert area；XAD:The contribution of desert area variation；dfV/fV:The relative variation of vegetation coverrate图5 植被覆盖率相对值及四种贡献因子的年际变化Fig.5 The interannual change of relative vegetation cover rate and four contribution factors

NDVI阈值NDVI threshold敏感性Sensitivity贡献 Atribution/%XfOXAOXfDXAD0.10dfVfV=0.96dfOfO+1.38dA∗O+0.04dfDfD+0.13dA∗D2.30102.604.60-9.500.11dfVfV=0.94dfOfO+1.47dA∗O+0.05dfDfD+0.15dA∗D7.30102.200.80-10.300.12dfVfV=0.92dfOfO+1.62dA∗O+0.07dfDfD+0.17dA∗D16.7090.902.50-10.100.13dfVfV=0.91dfOfO+1.67dA∗O+0.08dfDfD+0.18dA∗D34.1093.6013.50-10.800.14dfVfV=0.89dfOfO+1.75dA∗O+0.10dfDfD+0.20dA∗D3.7093.6013.50-10.80

3.3 水量变化对植被覆盖率的影响

(8)

(9)

影响荒漠区植被覆盖率fD的主要因素为降水量，取前一年10月至当年9月的累积降水量，建立荒漠区植被覆盖率与降水量的关系，相关系数为0.85(p<0.05)见图8。

(10)

以相对形式表示：

(11)

=XH+XW+XP

(12)

图6 黑河干流中游绿洲区面积比与年取水量(W)的关系(a)，与地下水埋深(H)的关系(b)Fig.6 Relationship between oasis area ratio with annual water intake (a) and with groundwater table (b) in middle reaches of Heihe River

由上式可以看出，地下水位埋深增加1%将导致植被覆盖率减少1.32%，而中游耗水量(径流量差)增加1%引起植被覆盖率增加0.18%，降水量增加1%只会使植被覆盖率增加0.02%，由此可以看出地下水位埋深的变化对植被覆盖率变化的影响最大，降水量变化的影响最小。利用此模型预测区域整体植被覆盖率的相对变化，由图9可以看出，预测值与实测值的关系曲线斜率为1.03，相关系数为0.91，预测效果较好。

图7 由中游耗水量(W)与地下水平均埋深(H)预测的绿洲面积比与实测值的比较Fig.7 The comparison between oasisarea by water consumption (W) in middle reaches and average groundwater table(H) with the observed values

图8 累积降水量与荒漠区植被覆盖率(fD)的关系Fig.8 Relationship between cumulative precipitation with vegetation cover rate indesert areas(fD)

XH: 地下水平均埋深的相对变化； XW: 中游年取水量的相对变化； XP: 累积降水量的相对变化图9 植被覆盖率的相对变化(dfV/fV)以及各水量的相对变化(a)，由水量的相对变化预测得到植被覆盖率相对变化的预测值与实测值的关系(b)Fig.9 There lative variations of vegetation cover rate (dfV/fV) and each water volume(a);The relationship between predicted value of vegetation cover rate forecasted by relative change of water volume with observed value(b)

4 讨 论

气候变化和人类活动都会对区域植被覆盖率的变化产生影响，但是区分两种影响仍是一个难题。黑河中游是绿洲与荒漠共存的典型地区，人类活动主要集中在绿洲区，探索受人类活动影响的地下水埋深与中游耗水量对绿洲区的影响和降水量对荒漠区的影响，为区分人类活动和气候变化对区域植被覆盖率变化提供了简单可行的方法，同时也为中游水资源合理配置提供一定的科学依据。但是，影响植被覆盖率变化的因素众多，本文只考虑了水资源因素，并未考虑气温、CO2等其它因素的影响，在以后的研究中还需进一步研究与探索。

5 结 论

1)黑河干流中游区域植被覆盖率由2002年的32%增长到了2011年的36%，绿洲区扩张是造成植被覆盖率增长的主要因素。

2)影响绿洲区面积变化的主要因素为地下水位埋深和中游耗水量，线性相关系数分别为-0.91和0.75，累积降水量的变化是影响荒漠区植被覆盖率变化的主要因素，相关系数为0.85。

3)利用地下水埋深、中游耗水量及累积降水量的相对变化可以预测区域植被覆盖率的相对变化，直线斜率为1.03，满足显著性检验。

黑河干流中游地区人类活动对于植被趋势变化的影响很大，可通过大力发展节水农业措施、提高中游地区用水效率、控制区域地下水的开采量和中游耗水量，来保障中游生态环境持续健康发展。

参考文献：

[1] Dieter G, Sibyll S, Uwe H, et al.Terrestrial vegetation and water balance—hydrological evaluation of a dynamic global vegetation model[J].Journal of Hydrology,2004, 286: 249-270.

[2] Angelini I M, Garstang M, Davis R E, et al.On the coupling between vegetation and the atmosphere[J]. Theoretical and Applied Climatology, 2011, 105: 243-261.

[3] Bnan G, Levis.A dynamic global vegetation model for use with climate models:concepts and description of simulated vegetation dynamics[J]. Global Change Biology, 2003,9: 1543-1566.

[4] Bounoua L, Hall F, Sellers P, et al.Quantifying the negative feedback of vegetation to greenhouse warming: A modeling approach[J]. Geophysical Research Letters, 2010,37 (7): 1-5.

[5] Jeremy L W, David S G, Julia E A, et al.Long-term vegetation monitoring with NDVI in a diverse semi-arid setting[J]. Journal of Arid Environments, 2004, 58: 249-272.

[6] Dubovyk O, Menz G, Convad C, et al.Spatio-temporal analyses of cropland degradation in the irrigated lowlands of Uzbekistan using remote-sensing and logistic regression modeling[J]. Environmental Monitoring and Assessment, 2013, 185: 4775-4790.

[7] Rasmus F, Kjeld R, Per K, et al.Assessing land degradation/recovery in the African Sahel from long-term earth observation based primary productivity and precipitation relationships[J]. Remote Sensing, 2013, 5: 664-686.

[8] Myneni R B, Keeling C D, Tucker C J, et al.Increased plant growth in the northern high latitudes from 1981 to 1991[J]. Nature, 1997,386: 698-702.

[9] Charles D. Keeling R N, Hirofumi H, et al.Climate-driven increases in global terrestrial net primary production from 1982 to 1999[J]. Science, 2003,300: 1560-1563.

[10] Xiao J F, Moody A.Trends in vegetation activity and their climatic correlates: China 1982 to 1998[J]. International Journal of Remote Sensing, 2004,25: 5669-5689.

[11] Fang J Y. Increasing terrestrial vegetation activity in China, 1982～1999[J]. Science in China Series C, 2004, 47(3): 229.

[12] Zhou W, Sun Z G, Li J L, et al.Desertification dynamic and the relative roles of climate change and human activities in desertification in the Heihe River Basin based on NPP[J]. Journal of Arid Land, 2013, 5(4): 465-479.

[13] Xiao J F, Zhou Y, Zhang L. Contributions of natural and human factors to increases in vegetation productivity in China[J]. Ecosphere, 2015, 6(11): 1:20.

[14] Wang Y, Roderick M L, Shen Y, et al.Attribution of satellite-observed vegetation trends in a hyper-arid region of the Heihe River basin, Western China[J]. Hydrology and Earth System Sciences, 2014, 18(9): 3499-3509.

[15] 张永喆, 牛赟, 张虎, 等.黑河中游西墩滩荒漠植物生长对水分变化响应研究[J]. 干旱区资源与环境, 2016, 30(7): 71-77.

[16] Guo Q L, Qi F, Li J l.Environmental changes after ecological water conveyance in the lower reaches of Heihe River, northwest China[J]. Environmental Geology, 2008,58(7): 1387-1396.

[17] Jin X M, Micheal E S, Jan G C, et al.Groundwaterdepth and vegetation in the Ejina Area, China[J]. Arid Land Research and Management, 2011, 25(2): 194-199.

[18] Zhang Y C, Yu J J, Wang P, et al. Vegetation responses to integrated water management in the Ejina basin, Northwest China[J]. Hydrological Processes, 2011, 25: 3448-3461.

[19] Qin D J, Zhao Z F, Han L F, et al.Determination of groundwater recharge regime and flowpath in the Lower Heihe River basin in an arid area of Northwest China by using environmental tracers: Implications for vegetation degradation in the Ejina Oasis[J]. Applied Geochemistry, 2012, 27(6): 1133-1145.

[20] 郝丽娜,粟晓玲. 黑河干流中游地区适宜绿洲及耕地规模确定[J]. 农业工程学报, 2015, 31(10): 262-268.

[21] Jin X M, Liu J T, Wang S T, et al.Vegetation dynamics and their response to groundwater and climate variables in Qaidam Basin, China[J]. International Journal of Remote Sensing, 2016, 37(3): 710-728.

[22] Fu B H, Isabela B.Riparian vegetation NDVI dynamics and its relationship with climate, surface water and groundwater[J]. Journal of Arid Environments, 2015,113: 59-68.

[23] Neil C S, Matthew J C.Remote sensing of vegetation responses to flooding of a semi-arid floodplain: Implications for monitoring ecological effects of environmental flows[J]. Ecological Indicators, 2012,18: 387-391.

[24] 张雪艳, 胡云峰, 庄大方,等. 蒙古高原NDVI的空间格局及空间分异[J]. 地理研究, 2009, 28(1): 10-18.

[25] Toby N C, David A R.On the relation between NDVI , fractional vegetation cover , and leaf area index[J]. Elsevier Science, 1997,62: 241-252.

[26] David P, Groeneveld.Remotely-sensed groundwater evapotranspiration from alkali scrub affected by decling water table[J]. Hydrology, 2008,358: 294-303.

[27] Jason E, Roland G.Discrimination between climate and human-induced dryland degradation[J]. Journal of Arid Environments, 2004,57(4): 535-554.

[28] 周伟, 王倩, 章超斌, 等. 黑河中上游草地NDVI时空变化规律及其对气候因子的响应分析[J]. 草业学报, 2013, 22(1): 138-147.