2007—2017年呼伦贝尔沙地植被覆盖度变化及驱动因素研究

胡新培，田海静，刘旭升，孔祥吉

(1.呼伦贝尔市国有林场工作站，内蒙古 呼伦贝尔 021000；2.国家林业和草原局调查规划设计院，北京 100013)

植被是土地覆被的最主要部分，也是反映土地荒漠化和沙化的最重要指标，对全球物质和能量循环具有重要的影响。植被覆盖度变化是衡量区域生态系统变化的重要指标之一[1],它是气候和人文因素对环境影响的敏感指标[2]。遥感数据以其在空间上和时间上连续性的优势，是提取植被覆盖度的重要数据源。

目前，常用的植被覆盖度遥感估算方法有3 种：一种是植被指数的估算方法，如经验模型法、植被指数法、像元分解模型法；第二种则是数据挖掘技术的估算方法，如决策树分类法、人工神经网络法；第三种是遥感物理模型的估算方法，如几何光学模型和辐射传输模型的估算等。像元分解模型法是目前较为常用的植被覆盖度估算方法，由于不依赖于实测数据，原理可靠，计算简单[3-7]。

呼伦贝尔沙地位于呼伦贝尔草原腹地，被认为是我国东北地区的重要生态屏障及确保“三北”地区免受风沙侵袭的生态安全线的一部分，也是东北临近省区生态安全线的起始点。研究该区域的植被覆盖度动态变化，分析区域植被演变规律，对区域生态环境建设和可持续发展具有重大科学意义和应用价值。本研究借助MODIS遥感卫星对地观测系统，利用像元二分法模型计算2007―2017年呼伦贝尔沙地及周边区域生长期平均植被覆盖度，完成植被空间分布格局和时间变化规律及植被覆盖度变化对气候因素的响应。

1 研究区和数据

1.1 研究区概况

呼伦贝尔沙地位于呼伦贝尔草原中部， 117°12′—121°00′E和 47°20′—49°50′N之间，呈不规则状分布。主要分布于新巴尔虎左旗、新巴尔虎右旗、陈巴尔虎旗、鄂温克旗、海拉尔区和满洲里市，由海拉尔河流域、伊敏河流域、新巴尔虎左旗中部三条沙带和新巴尔虎右旗达赉湖沿岸等地零星分布的沙丘组成。呼伦贝尔沙地地貌以高平原为主，地势由东向西逐渐降低，南部高于北部，以条带状沿海拉尔河、辉河、伊敏河及达赉湖东岸分布，以固定、半固定沙地为主。第五次全国荒漠化和沙化监测显示，研究区内沙化土地面积占15.79%，其中固定沙地占沙化土地的67.7%、半固定沙地占2.7%、流动沙地占0.2%、露沙地占29.2%。见图1。

图1 沙化土地类型空间分布

呼伦贝尔沙地土壤以风沙土为主。固定沙地植被：最典型的以群团状樟子松为主，伴生山杏、山丁子、锦鸡、沙柳以及菊科、禾本科草类，重点分布于南部沙带，北部沙带亦有少量分布；半固定、流动沙地植被：最典型的以小叶锦鸡、黄柳为主，伴生查巴嘎蒿、冰草、沙蓬、猪毛菜等，重点分布中北部沙地。气候类型属于温带半湿润、半干旱草原气候，年平均气温-5～2 ℃，极端气温最高35～38 ℃，最低-35～ -40.2 ℃。无霜期90～100 d，年平均降水量150～350 mm，年平均蒸发量1 400～1700 mm。

1.2 数据源及数据处理

时间序列遥感数据为2001年到2017年生长期(5-9月份)MODISNDVI数据，数据空间分辨率为250 m，时间分辨率为16 d，投影方式为Sinusoidal投影。MODISNDVI提高了空间分辨率和叶绿素敏感度，排除了大气水汽的干扰，调整了合成方法，是 AVHRR NDVI 的延续和升级。为减少时间序列NDVI数据中的随机噪声对植被长势变化趋势的影响，利用Savitzky-Golay滤波器对NDVI数据集进行去噪处理。该算法目前已经广泛地运用于数据流平滑除噪，是一种在时域内基于局域多项式最小二乘法拟合的滤波方法[8-9]。

气象数据来源为中国气象数据共享服务网的呼伦贝尔沙地及周边区域近40个气象站点的降水、温度和日照数据，通过计算得到年生长期降水、温度和日照。通过反距离加权平均差值方法得到覆盖整个研究区的250 m空间分辨率的气象数据。

利用第五次全国荒漠化和沙化监测数据，来确定呼伦贝尔沙地及周边区域不同沙地类型的空间分布。监测由原国家林业局统一组织实施，2014年完成，全面使用了分辨率2.5 m的高分辨率遥感数据，依靠目视判读解译和地面验证相结合的方法，保证了监测结果的可靠性。将沙化土地类型划分为流动沙地(丘)、半固定沙地(丘)、固定沙地(丘)、露沙地、沙化耕地、非生物工程治沙地、风蚀残丘、风蚀劣地、戈壁9大类。

2 研究方法

2.1 像元二分法模型

像元二分模型的基本原理是设每个像元都可分解为植被和土壤2部分，所得到的光谱信息(如NDVI)即2 种纯组分的以面积比例加权的线性组合。其中，纯植被所占的面积百分比为研究区的植被覆盖度[10-11]。具体可表示为：

式中，FVC为植被覆盖度；NDVI为所求地块或像元的植被指数；NDVIveg，NDVIsoil分别为纯植被和纯土壤像元对应的植被指数。

通常情况下，NDVIveg与NDVIsoil取给定置信度的置信区间内的最大值与最小值，以在一定程度上消除遥感图像噪声所带来的误差[12]。通过分析NDVI数据，并结合植被覆盖的实际情况，根据频率统计表，选取土种利用单元内累积频率为0.5 %的NDVI值为NDVIsoil和土地利用单元内累积频率为99.5 %的NDVI值为NDVIveg。通过波段运算得到每个像元的植被覆盖度。

参考全国荒漠化和沙化监测技术规定(2013修订)对植被覆盖度进行分级分类[13]。I 级：植被覆盖度<10%，对应于严重沙化土地；Ⅱ级：植被覆盖度为10%～<25%，风沙流活动明显或流沙纹理明显可见的沙化土地或非沙化土地；Ⅲ级：植被覆盖度为25%～<40%，风沙流活动不明显的沙化土地或非沙化土地；Ⅳ级：植被覆盖度≥40%，对应于基本无风沙流活动的沙化土地或非沙化土地。

2.2 标准化降水指数

标准化降水指数(SPI)能够较好地反映干旱强度和持续时间，使得用同一干旱指标反映不同时间尺度和区域的干旱状况成为可能[14-15]。SPI通过计算给定时间尺度内降水量的累积概率,能够在多个时间尺度上进行计算比较,不仅可反映短时间内降水量的变化,如对农业生产有重要影响的土壤水分的动态变化,也可以反映长期水资源的演变情况,如地下水供给、地表径流等。该指数假设降水量服从Gamma分布，考虑了降水服从偏态分布的实际，随后又进行了正态标准化处理，使得同一个干旱指数可以反映不同时间尺度和不同类型的水资源状况。

通过计算SPI并根据表1对年生长期干旱程度进行定义。

表1 基于标准化降水指数的干旱程度划分标准化降水指数SPI干旱程度-1

2.3 趋势分析模型

使用非参数趋势检验提高趋势识别和空间自相关性，并利用变量斜率获取时间序列变化趋势的量级。Mann-kendall非参数估计斜率与基于最小二乘法拟合的线性趋势相比，可以避免时间序列数据缺失以及数据分布形态对分析结果的影响，并且能够排除时间序列中异常值的干扰[16]。因此，在长时间序列数据集的分析中常常使用非参数估计斜率来检测变化趋势的量级[17-19]。Mann-kendall时间序列非参数估计模型计算变量斜率的公式为：

其中：xi和xj分别代表第i年和第j(j>i)年植被生长期累计NDVI值，Median代表计算中位数。

如果显著性水平P<0.05，且变化斜率为正值，说明NDVI显著增加，定义为植被恢复；如果P<0.05，且变化斜率为负值，说明NDVI显著下降，定义为植被退化。

3 研究结果

3.1 2007—2017年植被覆盖度变化

研究中利用呼伦贝尔沙地及周边区域2007―2017年历年生长期平均植被指数，基于像元二分法模型计算得到了历年生长期植被覆盖度。图2(a)―2(c)所示为区域2007，2013和2017年三期植被覆盖度空间分布，可见呼伦贝尔沙地植被覆盖度从西到东逐渐增加。结合2007―2013年(表2)和2013―2017年植被覆盖度分级转移矩阵(表3)，可知2013年区域植被覆盖度(67.49%)整体高于2007年(44.22%)，而2017年区域植被覆盖度(43.63%)整体低于2013年。该区域2007―2017年平均植被覆盖度走势图(图3)可知该区域植被覆盖度在2007―2013年呈现明显的增加现象，而在2013―2017年植被覆盖度明显下降。

图2 2007年、2013年、2017年三期植被覆盖度空间分布

表2 20072013年植被覆盖度分级转移矩阵 %2007年2013年Ⅰ级Ⅱ级Ⅲ级Ⅳ级合计Ⅰ级0.070.240.540.691.54Ⅱ级0.020.333.1311.2714.75Ⅲ级0.010.050.5837.7238.35Ⅳ级0.020.030.0940.7940.93合计0.120.654.3490.4695.57

表3 20132017年植被覆盖度分级转移矩阵 %2013年2017年Ⅰ级Ⅱ级Ⅲ级Ⅳ级合计Ⅰ级0.070.010.09Ⅱ级0.310.240.02%0.010.58Ⅲ级0.823.060.340.064.28Ⅳ级0.9917.5325.4046.5990.51合计2.1820.8425.7646.6795.45

图3 2007—2017年区域平均植被覆盖度走势图

为了分析前后两期植被覆盖度的变化及原因，研究中以2013年为时间节点，基于Mann-kendall非参数估计方法，计算该区域2007―2013年、2013―2017年前后两期植被覆盖度的变化斜率及显著性水平，植被覆盖度显著性变化空间分布如图4、图5。

图4 2007—2013年植被覆盖度显著性变化趋势

图5 2013—2017年植被覆盖度显著性变化趋势

结果表明，2007―2013年呼伦贝尔沙地及周边区域植被覆盖度呈现整体增加的趋势，年均增加2.76%，植被覆盖度显著增加的区域所占面积比例为20.52%，主要分布在研究区的西南部及中部和东部部分区域；植被覆盖度显著下降的区域所占面积比例为0.12%，零星分布在研究区内。2013―2017年呼伦贝尔沙地及周边区域植被覆盖度呈现整体下降的趋势，年平均下降6.57%，植被覆盖度显著下降的区域所占面积比例为15.69%，主要分布在研究区的西北部、西南部及中东部部分区域；植被覆盖度显著增加的区域所占面积比例为0.01%，零星分布在研究区内。

3.2 不同沙地类型植被覆盖度变化对比

2007―2013年，不同地类植被覆盖度均呈现增加趋势，但增加区域所占面积比例存在较大差异。植被覆盖度显著性增加区域所占面积比例最高的地类是有明显沙化趋势的土地，为25.75%，之后依次为天然固定沙地、露沙地、人工固定沙地、流动沙地；植被覆盖度显著增加区域占比依次为22.66%，22.07%，21.28%，20.24%。不同地类植被覆盖度显著下降区域所占面积比例均低于0.2%。见表4。

2013―2017年，不同地类植被覆盖度均呈现下降趋势，但下降区域所占面积比例存在较大差异。植被覆盖度显著性下降区域所占面积比例最高的地类是流动沙地，为32.14%，之后依次为有明显沙化趋势的土地和露非沙化土地，植被覆盖度显著下降区域占比依次为21.17%和16.23%。植被覆盖度显著下降区域所占面积比例最低的是天然固定沙地，为7.15%，之后依次为人工半固定沙地、沙化耕地、人工固定沙地。见表4。

3.3 植被覆盖度对气候因素的响应

研究中考虑了温度、降水量、云覆盖比例三个气候因子，基于归一化多元回归分析方法计算各因子对呼伦贝尔沙地及周边区域植被变化影响系数，系数最高的因子认为是主导气候因子。研究结果表明，降水是影响该区域植被覆盖度变化的主导气候因素，2007―2017年呼伦贝尔沙地及周边区域生长期植被覆盖与生长期降水量呈现显著正相关的关系，相关系数为0.6(图6)，与温度呈现非显著性负相关的关系，与日照的相关性不明显。植被覆盖度年际变化与降水量显著正相关表现为：降水的增加会引起植被覆盖度的增加，而降水的下降会引起植被覆盖度的下降。增温

表4 不同地类植被覆盖度显著性变化区域所占面积比例%沙化土地类型2007―20132013―2017显著增加显著下降显著增加显著下降人工固定沙地21.280.020.019.42天然固定沙地22.660.047.15非沙化土地19.300.150.0116.23沙化耕地18.498.91有明显沙化趋势的土地25.750.0521.17人工半固定沙地10.318.10流动沙地20.2432.14天然半固定沙地16.500.0410.95露沙地22.079.55整个研究区20.520.120.0115.69

图6 2007—2017年生长期平均植被覆盖度与降水量的散点图

对植被生长有着正负两方面的效应：其正面作用是延长生长期节，提高光合作用效率和水分利用率，从而促进植被的生长；而负作用主要在于增加水分消耗而引起干旱，从而不利于植被的生长。植被覆盖度年际变化与温度负相关，主要原因是呼伦贝尔沙地及周边区域为干旱和半干旱区，温度增加导致地表蒸散量增大进而造成植被退化现象。

通过分析不同地类2007―2017年降水与植被覆盖度的关系可知，呼伦贝尔沙地及周边区域各地类植被覆盖度年际变化均与降水量呈现显著正相关关系，且相关系数均高于0.7，表现为强正相关。其中，沙化耕地、天然固定沙地、人工固定沙地、天然半固定沙地的相关系数均超过了0.83。详见表5。

表5 不同地类平均植被覆盖度与降水量的相关性沙化土地类型rp人工固定沙地0.8610.0007天然固定沙地0.8680.0005非沙化土地0.8170.0021沙化耕地0.8740.0004有明显沙化趋势的土地0.7600.0066人工半固定沙地0.7710.0054流动沙地0.8070.0027天然半固定沙地0.8340.0014露沙地0.8140.0023

3.4 2007—2017年降水及旱情分析

由该区域1981―2017年近37年降水走势图(图7)，可知：2015―2017连续三年生长期降水均明显小于历史同期值。通过计算标准化降水指数(SPI)，并根据表2对年生长期的干旱程度进行了定义。结果表明，自1999年以来，呼伦贝尔沙地旱情频发，其中1999—2001年连续三年干旱；2015—2017年同样连续三年干旱，其中2015年为轻度干旱，2016年和2017年为中度干旱。干旱是限制区域内植被生长的最主要因素。

通过计算研究区内2007―2013年、2013―2017年两个时期的生长期降水量显著性变化趋势空间分布图(图8、图9)，可知，2007―2013年区域内生长期降水量呈现整体增加的趋势，而2013―2017年生长期降水量呈现整体下降的趋势。

图7 1981—2017年研究区植被生长期降水量走势图

对比图4、图5和图8、图9可知，呼伦贝尔沙地2007―2013年在降水量呈现整体增加趋势的的同时，区域内植被覆盖度也呈现整体增加趋势；而2013―2017年降水量下降的情况下，区域内植被度盖度下降明显。可见，2013年之后，尤其2015―2017年连续三年的干旱，对呼伦贝尔沙地植被覆盖度影响明显，干旱严重抑制了该区域内草场长势，导致植被覆盖度显著下降。

图8 2007—2013年生长期降水量变化趋势图

图9 2013—2017年生长期降水量变化趋势图

4 结论与讨论

本研究利用呼伦贝尔沙地及周边区域2007―2017年生长期平均植被覆盖度数据和气象数据，结合第五次全国荒漠化和沙化监测数据，对区域内植被覆盖度变化及对气候因素的响应进行了研究。得出以下研究结论。

1)2007―2017年呼伦贝尔沙地植被覆盖度呈现先增加后下降的趋势，其中2007―2013年区域植被覆盖度呈现整体增加的趋势，年均增加2.76%，显著增加的区域所占面积比例为20.52%，主要分布在研究区的西南部及中部和东部部分区域；显著下降占0.12%，零星分布在研究区内。显著性增加区域所占面积比例最高的地类是有明显沙化趋势的土地，为25.75%。2013―2017年区域植被覆盖度呈现整体下降的趋势，年均下降6.57%，显著下降的区域所占面积比例为15.69%，主要分布在研究区的西北部、西南部及中东部部分区域；显著增加的区域占0.01%，零星分布在研究区内。显著性下降区域所占面积比例最高的地类是流动沙地，为32.14%。

2)呼伦贝尔沙地及周边区域植被覆盖度年际变化与降水量呈现显著正相关关系，与温度呈现非显著性负相关的关系，与日照的相关性不明显。说明降水的上下波动会对区域内植被覆盖带来直接的影响。植被覆盖度与温度负相关，主要原因是增温在延长植被生长期的同时，也会增加水分消耗，导致地表蒸散量增大，造成植被退化现象。在不同地类中，沙化耕地、天然固定沙地、人工固定沙地、天然半固定沙地植被覆盖度与降水量的相关系数较高，均超过了0.83。

3)基于SPI的历年旱情分析结果表明，自1999年以来，呼伦贝尔沙地旱情频发，其中2015—2017年连续三年干旱，生长期降水均明显小于历史同期值，干旱为限制区域内植被生长的最主要因素。降水显著性变化分析结果表明：2007―2013年区域内生长期降水量呈现整体增加的趋势，而2013―2017年呈现整体下降的趋势，这与植被覆盖度在两个时期内的变化趋势一致，说明2015―2017年连续三年的干旱对呼伦贝尔沙地植被覆盖度影响明显，干旱严重抑制了该区域内草场长势，导致植被覆盖度显著下降。