云南省建水县石漠化修复模式评价

肖林颖 吴秀芹,†

云南省建水县石漠化修复模式评价

肖林颖1,2,3吴秀芹1,2,3,†

1.北京林业大学水土保持学院, 北京 100083; 2.北京林业大学水土保持国家林业局重点实验室, 北京 100083; 3.北京林业大学云南建水荒漠生态系统国家定位研究站, 建水 654399; †通信作者, E-mail: wuxq@bjfu.edu.cn

基于 1992—2017 年 Landsat TM 数据、建水县森林资源二类调查数据及云南省石漠化监测数据, 借助Mann-Kendall 突变分析和趋势分析等方法, 探讨近 25 年云南省建水县植被的时空变化特征及不同石漠化修复模式下的植被恢复情况。结果表明: 1)25 年间, 建水县植被覆盖整体上呈上升趋势, 平均增速为 0.065%/ 10a, 以 2008 年为界, 增速由之前的 0.077%/10a 增加到 0.475%/10a; 2)25 年间, 建水县植被覆盖呈增加趋势的区域、无显著变化区域及呈减少趋势的区域面积占比分别为 55.32％, 34.44％和 10.24％; 3)对于不同修复模式, 在 10 年的修复时间范围内, 纯生态林模式与混交生态林模式下植被恢复效果差别不大, 而在 25 年的修复时间范围内, 混交生态林模式下植被修复速率明显优于纯生态林修复模式, 优势主要展现在修复后期。短期内, 纯生态林模式中阔叶树和桤木的植被修复效果较好; 从长期看, 云南松和车桑子是较好的修复树种。混交生态林模式中, 针叶混交林修复速率在 10 年和25 年修复时间范围内均表现最优, 是较好的混交模式。研究结果揭示了不同治理模式对植被恢复的效果, 可为优化石漠化区域生态修复方法提供理论依据。

植被修复; 石漠化治理模式; 喀斯特; 归一化植被指数(NDVI); 树种

石漠化是一种典型的土地退化过程, 广泛分布于中国西南地区, 已成为我国三大生态灾害之一。为了有效地遏制石漠化的扩张, 当地政府采取了一系列生态修复措施。根据国家林业局《中国石漠化状况公报》[1], 截至 2016 年底, 西南喀斯特地貌区域(涉及黔、滇、桂、湘、鄂、渝、川和粤 8 个省(区、市))石漠化面积为 1007 万公顷(100700km2), 与 2011 年相比, 净减少 193.2 万公顷(19320km2), 减少幅度为 16.1%, 年均减少 38.6 万公顷(3860km2), 年均缩减率为 3.45%。

为了在保障农民经济水平提高的同时, 有效地遏制石漠化并修复石漠化区域的植被, 国内外学者在生态治理效益评估方面开展了大量研究。在宏观尺度上, 诸多学者利用层次分析法、压力响应模型以及集合经验模型等方法, 对石漠化区域植被恢复情况和影响因子进行定量的研究[2‒4]。在中观尺度上, 张俞等[5]分析示范区内不同树种的土壤呼吸日动态特征, 阐明中国南方喀斯特石漠化生态治理工程背景下土壤呼吸作用的时空动态变化特征及其影响因素。曹洋等[6]研究示范区植被覆盖变化及其对气候因子的响应, 揭示喀斯特石漠化治理示范区植被覆盖变化以及气候因子对植被覆盖变化的影响。在微观尺度上, 研究者们通过不同植被修复模式下土壤微生物群落差异, 判断石漠化治理区域土壤生态系统的恢复情况[7‒9]。在不同的时间尺度上, 空间异质性对人类活动和气候变化的响应具有差异性, 对多种时间尺度的研究结果揭示, 生态修复措施存在一定的滞后性[10]。综合石漠化区域的治理情况对不同修复模式进行效益评价, 有助于政策的制定和实施, 对更高效地实施区域生态治理措施有重要意义。

建水县位于云南省南部红河北岸, 地处滇东高原与滇西横断山的结合部, 受地质和气候因素驱动, 形成较典型的岩溶地貌(溶蚀洼地、峰丛、地下河和溶洞等)。该地区土地贫瘠, 水土流失严重, 大面积的岩石裸露, 是石漠化分布广泛的原因之一。20世纪以来, 在以中度石漠化为主的云南省建水县实施以封山育林、封山管护和人工造林为主的多种模式的生态治理工程。为了探究这些修复模式的区域适宜性, 本文利用 1992—2017 年的 Landsat 遥感影像以及 2005 年和 2010 年两期建水县石漠化监测数据, 借助残差分析和 Mann-Kendall 趋势分析方法, 评估建水县不同生态修复模式下植被的恢复效果, 并筛选出适合该区域的生态修复模式, 以期为喀斯特区域生态修复的政策制定与实施提供理论依据。

1 研究区概况

建水县隶属云南省红河哈尼族彝族自治州(图 1 (a)), 地理坐标为 102°33′18″—103°11′42″E, 23°12′42″ —24°10′32″N。全县南北长 107km, 东西宽 58km,面积为 3789km2, 山区和半山区占 89%。地势南高北低(图 1(b)), 境内河流分属南盘江水系和红河水系。建水县属南亚热带高原季风气候, 四季不明显, 干湿季分明, 雨热同季, 夏天酷暑, 冬无严寒, 四季温暖, 少雨干旱。坝区年平均气温为 18.5℃, 最高达 19.3℃(1981 年), 最低为 17.7℃(1971 年), ≥0℃的有效积温为 3126.21℃。年平均降雨量约为 800mm, 全年降雨的 80%集中在 5—10 月, 冬春季较干旱。由于喀斯特地貌区土层薄, 降水下渗快, 水土保持能力差, 加上不合理的土地利用方式, 导致建水县石漠化情况严重。

2 数据来源与研究方法

2.1 数据来源

本研究所用数据主要获取自美国地质调查局(United States Geological Survey, USGS)的 1992—2017 年每年 4—9 月 Landsat TM/ETM+系列数据(https://earthexplorer.usgs.gov/), 空间分辨率为 30m ×30m, 共计 26 期, 进而获得基于像元的归一化植被指数(normalized difference vegetation index, NDVI),用于表征当年的植被覆盖状况。石漠化分布数据及治理模式数据来自建水县 2006 年森林资源二类调查数据及 2005 和 2011 年云南省石漠化监测数据。

2.2 研究方法

2.2.1 NDVI回归分析

本文采用基于像元的一元回归方程, 利用 1992—2017 年 NDVI 数据模拟 NDVI 的变化趋势, 计算公式[11]如下:

2.2.2 Mann-Kendall突变分析

Mann-Kendall 突变分析方法(MK 突变检测)[12]常用于气象研究, 对要素从一个相对稳定的状态变化到另一个状态的检验非常有效。本文将 Mann-Kendall 突变分析方法用于 NDVI 的时间序列, 探讨NDVI 在各时间节点的变化情况。利用时间序列{x,=1, 2, …,}和观察值序列{r,=1, 2, …,}, 构造一个秩序列:

其中,

在时间序列随机独立的假定下, 定义统计量:

其中, UF1=0。当1,2,…,x相互独立且有相同的连续分布时,(S)及Var(S)可由下式计算:

UF为标准正态分布, 是由时间序列{x}计算得出的统计量序列。

按时间序列的逆序序列x,x−1, …,1重复上述过程, 同时令 UB= −UF(=,− 1, …, 1)。分别将 UF和 UB曲线以及显著性水平线绘在同一个图上, 若 UF和 UB值大于 0, 表明序列呈上升趋势, 小于 0 则呈下降趋势。当超过临界直线时, 表明上升或下降趋势显著, 超过临界线的范围确定为突变的时间区域。如果 UF和 UB两条曲线出现交点, 且交点在临界线之间, 那么交点对应的时刻便是突变开始的时间。

3 结果与分析

3.1 建水县 1992—2017 年间植被覆盖度的时空变化

3.1.1 植被覆盖度随时间的变化

对建水县 1992—2017 年平均 NDVI 进行一元回归分析及 MK 突变检测, 结果如图 2 所示。可以看出, 平均 NDVI 整体上呈上升趋势, 增速为 0.065%/ 10a。根据 UF和 UB的曲线交点位置, 确定植被覆盖度的突变发生在 2008年左右, 1992—2008 年呈持续上升的趋势, 增速为 0.077%/10a; 2008—2017 年间增长趋势整体上加快, 增速升至 0.475%, 但由于严重干旱, 2013 年植被覆盖度明显下降。建水县于2008 年被国家林业局列为云南省石漠化综合治理试点县, 并且早在 2005 年就开始石漠化监测和综合治理工作[13‒14]。植被变化时间趋势和突变检测结果表明, 在石漠化综合治理实施 3 年后, 建水县植被恢复效果初步显现。

3.1.2 植被覆盖度的空间分布

建水县 1992—2017 年的 NDVI 具有较大的空间异质性, 呈现中部低、东南高的特征(图 3)。北部和南部植被覆盖较好的区域主要是海拔较高的山区, 也是石漠化综合治理工程的主要实施区域。

根据 MK 趋势分析结果, 本文将 NDVI 的变化趋势分为极显著下降(<−0.005)、显著下降(−0.005 << −0.003)、下降(−0.003<<−0.002)、无显著变化(−0.002<<0.002)、上升(0.002<<0.003)、显著上升(0.003<<0.005)和极显著上升(>0.005) 7 个等级。1992—2017 年间建水县植被覆盖度上升的区域达到 55.32％, 其中显著上升和极显著上升的区域约占 7.01%, 无显著变化的区域占 34.44％, 下降的区域占 10.24％。2008 年前后, NDVI 变化趋势及空间分布有明显的变化。其中, 1992—2008 年间植被恢复情况受海拔高度的影响较大, 植被覆盖度呈上升趋势的区域主要分布在中部和南部平原, 占建水县总面积的 45.50%; 11.60%的区域植被覆盖度无显著变化, 连片分布在西部高海拔区域; 植被覆盖度下降的区域占总面积的 42%, 主要分布在南部和东北部的高海拔区域。2008—2017 年建水县 NDVI增长速率明显高于 1992—2008 年, 且受石漠化治理工程影响较大, 植被覆盖度呈现上升趋势的区域扩大到 56.35%, 其中显著上升和极显著上升区域占31.01%; 无显著变化区域占 6.83%, 呈分散状分布; 植被覆盖度下降的区域明显减少, 占县域总面积的35.46%, 主要分布在南部高海拔区域(图 4)。

3.2 建水县植被修复模式

根据石漠化监测数据, 按照林分特征和石漠化治理措施, 将建水县植被修复模式划分为纯生态林修复模式、混交生态林修复模式和经济林模式(图5(a))。按照优势树种, 将纯生态林修复模式划分为云南松林、桉树林、桤木林、车桑子林和其他阔叶林(图 5(b)), 将混交生态林修复模式分为针叶混交林、阔叶混交林和针阔混交林(图 5(c))。并且, 对不同修复模式在不同修复时间范围内的修复效果进行对比。

3.3 建水县生态修复模式评价

3.3.1不同生态修复模式下 NDVI 的变化情况

表 1 显示, 1992—2008 年间, 所有模式下 NDVI均呈上升趋势, 混交生态林种植区域 NDVI 的增长速率稍高于纯生态林种植区域, 经济林种植区域的NDVI 增长速率明显低于混交生态林和纯生态林种植区域; 1992—2017 年间, 混交生态林种植区域的NDVI 增长速率明显高于纯生态林和经济林种植区域, 纯生态林与经济林种植区域的 NDVI 增长速率差别不大。从两个时段的植被恢复速率来看, 在实施生态修复措施的前 10 年, 混交生态林与纯生态林种植区域的植被修复效果差别不大, 但明显好于经济林生态修复模式。但是, 从实施生态治理的 25 年时间范围来看, 混交生态林修复模式的优势体现出来, 植被修复效果明显好于纯生态林和经济林修复模式。

3.3.2 纯生态林修复模式下不同树种 NDVI 的变化情况

表 2 显示, 纯生态林修复模式下, 1992—2008年间 NDVI 增长速率的排序为其他阔叶林>桤木>云南松>桉树>车桑子, 1992—2017 年间 NDVI 增长速率的排序为云南松>车桑子>桉树>其他阔叶林>桤木; 桉树、车桑子和云南松种植区域 NDVI 均呈上升趋势, 桉树种植区域上升速率明显低于云南松和车桑子, 其他阔叶林和桤木种植区域则处于下降趋势。从两个时段的植被恢复速率来看, 在实施生态修复措施的前 10 年, 各树种均展现较好的植被修复效果, 其他阔叶林和桤木的植被修复效果优于云南松、车桑子和桉树。但是, 从实施生态治理的 25 年时间范围来看, 云南松种植区域的植被修复优势明显强于其他树种, 其他阔叶林和桤木在种植 10 年后出现退化现象, NDVI 增长速率降低, 甚至呈现下降趋势。

3.3.3 混交生态林修复模式下不同混交林 NDVI 的变化情况

表 3 显示, 混交生态林修复模式下, 1992—2008和 1992—2017 年间 NDVI 增长速率的排序均为针叶混交林>阔叶混交林>针阔混交林, 且针叶混交林的NDVI 上升速率明显大于阔叶混交林和针阔混交林。从两个时段的植被恢复速率来看, 在实施生态修复措施的前 10 年, 各树种均展现正向的植被修复效果, 针叶混交林种植区域的的植被修复效果明显好于阔叶混交林和针阔混交林。但是, 从实施生态治理的 25 年时间范围来看, 针叶混交林仍然保持很好的植被修复效果, 阔叶混交林和针叶混交林在种植 10 年后出现退化现象, NDVI 增长速率降低, 甚至呈现下降趋势。

4 结论与讨论

4.1 结论

本文利用 Landsat 数据、建水县森林资源二类调查数据和云南省石漠化监测数据, 借助 MK 突变检验、趋势分析和残差分析等方法, 探讨近 25 年建水县植被的时空变化特征以及不同生态修复模式及林分特征的生态效益, 得出以下结论。

1)建水县植被覆盖呈现南北高、中部低的特点, 植被覆盖较好的区域主要分布在南部和北部坡度较大的山区, 这些区域也多为石漠化治理区域。

2)近 25 年来, 建水县植被覆盖度整体上呈上升趋势, 2008—2017 年间植被覆盖度增长速率明显高于 1992—2017 年, 石漠化治理效果明显, 但局部区域仍出现植被覆盖度下降的现象。

3)混交生态林修复模式的植被修复效果在修复后期明显优于纯生态林修复模式; 在修复前期, 混交生态林的植被修复效果与纯生态林差别不大。

4)云南松是比较适宜的植被修复树种, 车桑子次之; 桤木、其他阔叶林和桉树在种植 10 年后均出现退化现象, 对于长期的生态治理来说, 不是适宜的树种。

5)针叶混交林是比较适宜的混交种植模式; 阔叶混交林和针阔混交林在种植 10 年后均出现退化现象, 对于长期的生态修复来说, 不是适宜的混交模式。

表1 不同生态修复模式下NDVI的变化速率

表2 纯生态林修复模式下不同树种NDVI的变化速率

表3 不同混交模式的NDVI变化速率

4.2 讨论

植被覆盖对生态修复的响应是一个比较复杂的过程。由于国家对石漠化区生态修复的政策实施力度不断加强, 生态修复措施已经成为植被覆盖度变化的重要影响因子[15‒16]。建水县石漠化程度的下降主要归因于人工造林、植被保护和退耕还林还草等措施[17]。本文的研究结果表明, 在建水县的生态治理过程中, 无论从 10 年还是 25 年的时间范围看, 混交生态林的植被修复效果都比纯生态林和经济林更适宜, 经济林修复模式的植被修复效果相对较差。就树种来说, 虽然其他阔叶林和桤木前期植被修复效果较好, 但种植 10 年后开始退化; 桉树在种植的前 10 年植被修复效果较好, 但后期植被修复能力明显不足, 而种植桉树需要耗费大量的水资源, 使得土壤保水能力下降[18]; 车桑子的植被修复效果较为稳定, 没有出现明显的退化现象; 云南松能长期保持较好的植被修复效果, 后期修复能力更是强于其他树种, 是相对较好的生态修复树种。对于混交模式, 无论从 10 年还是 25 年的时间范围看, 针叶混交林都比较阔叶混交林和针阔混交林更适宜。

在今后的研究中, 对不同修复模式的实施背景(如立地条件和实施时间)也应该给予充分的考虑。特别是中国西南喀斯特地貌区, 石漠化区域与非石漠化区域的生态治理模式差别较大。同时, 生态修复工程有较大的时间滞后性[19], 应该针对每一种生态修复模式的时间滞后性做进一步的研究。在数据来源方面, 本研究仅使用 TM 数据, 未使用多源NDVI 数据集进行相互验证。事实上, 由于分辨率和影像质量存在差异, 使用不同的 NDVI 数据集, 对植被覆盖变化的评估结果可能存在差异[20‒21]。今后, 将进一步分析不同 NDVI 数据集在植被覆盖变化评估中的一致性及不确定性, 以期得到更为可靠的结论。

[1] 国家林业局．中国石漠化状况公报[N]. 中国绿色时报, 2018‒12‒04

[2] Liao C, Yue Y, Wang K, et al. Ecological restoration enhances ecosystem health in the karst regions of southwest China. Ecological Indicators, 2018, 90: 416‒425

[3] Tong X, Wang K, Yue Y, et al. Quantifying the effectiveness of ecological restoration projects on long-term vegetation dynamics in the karst regions of Southwest China. International Journal of Applied Earth Observation & Geoinformation, 2017, 54: 105‒ 113

[4] Cheng F, Lu H, Ren H, et al. Integrated emergy and economic evaluation of three typical rocky deserti-fication control modes in karst areas of Guizhou Province, China. Journal of Cleaner Production, 2017, 161: 1104‒1128

[5] 张俞, 熊康宁, 喻阳华, 等. 中国南方喀斯特石漠化地区 3 种经济林土壤呼吸日动态特征. 中南林业科技大学学报, 2019, 39(1): 92‒99

[6] 曹洋, 熊康宁, 董晓超, 等. 关岭‒贞丰石漠化治理示范区植被覆盖变化及其对气候因子的响应. 中国岩溶, 2018, 37(6): 850‒858

[7] 陈浒, 金道超, 陈航, 等. 强度石漠化区不同植被修复模式下土壤螨类群落差异. 生态学报, 2018, 38(19): 262‒273

[8] 谭代军, 熊康宁, 张俞, 等. 喀斯特石漠化地区不同退化程度花椒光合日动态及其与环境因子的关系. 生态学杂志, 2019, 38(7): 2057‒2064

[9] 程才, 李玉杰, 龙明忠, 等. 苔藓结皮在我国喀斯特石漠化治理中的应用潜力. 应用生态学报, 2019, 30(7): 2501‒2510

[10] Liu H, Zhang M, Lin Z, et al. Spatial heterogeneity of the relationship between vegetation dynamics and climate change and their driving forces at multiple time scales in Southwest China. Agricultural and Forest Meteorology, 2018, 256/257: 10‒21

[11] 何金苹, 徐长春, 李晓菲, 等. 开都‒孔雀河流域NDVI 动态变化及其与气温和降水的联系. 水土保持研究, 2018, 25(6): 329‒334

[12] Kendall M G. Rank correlation methods. London: Charles Grifin Company, 1975

[13] Liu H Y, Zhang M Y, Lin Z S, et al. Spatial heteroge-neity of the relationship between vegetation dynamics and climate change and their driving forces at multi-ple time scales in Southwest China. Agricultural and Forest Meteorology, 2018, 10(21): 256‒257

[14] 张靖宙, 吴秀芹, 肖桂英. 云南省建水县不同石漠化治理模式下碳储量功能评估. 北京林业大学学报, 2018, 40(8): 72‒81

[15] 张应华, 宋献方. 水文气象序列趋势分析与变异诊断的方法及其对比. 干旱区地理, 2015, 38(4): 652‒665

[16] 王新源, 连杰, 杨小鹏, 等. 玛曲县植被覆被变化及其对环境要素的响应. 生态学报, 2019, 39(3): 170‒182

[17] 张清, 肖桂英, 李乡旺, 等.云南省建水县岩溶石漠化治理对策初探. 湖南林业科技, 2019, 46(5): 77‒83

[18] 李婷, 黄承标, 吴敏, 等. 桉树纯林和桉‒珍混交林造林前后土壤理化性质的比较. 南方林业科学, 2017, 45(1): 34‒40

[19] Wang H, Liu G H, Li Z S, et al. Impacts of drought and human activity on vegetation growth in the grain for green program region, China. Chinese Geograp-hical Science, 2018, 8(3): 470‒481

[20] Li S S, Yang S N, Liu X F, et al. NDVI-based analysis on the influence of climate change, and human ac-tivities on vegetation restoration in the, Shaanxi-Gansu-Ningxia region, central China. Remote Sen-sing, 2015, 7(9): 11163‒11182

[21] 李学梅, 任志远, 张翀. 气候因子和人类活动对重庆市植被覆盖变化的影响分析. 地理科学, 2013, 33(11): 1390‒1394

Evaluation of Rock Desertification Restoration Model in Jianshui County, Yunnan Province

XIAO Linying1,2,3, WU Xiuqin1,2,3,†

1. School of Soil and Water Conservation, Beijing Forestry University, Beijing 100083; 2. Key Laboratory of State Forestry Administration on Soil and Water Conservation, Beijing Forestry University, Beijing 100083; 3. Yunnan Jianshui Desert Ecosystem National Positioning Research Station, Jianshui 654399; †Corresponding author, E-mail: wuxq@bjfu.edu.cn

Based on Landsat TM data from 1992 to 2017, the second-class survey data of Jianshui County forest resources and the monitoring data of rocky desertification in Yunnan Province, with Mann-Kendall mutation analysis and trend analysis,the temporal and spatial variation characteristics of vegetation and the restoration of vegetation in different rocky desertification restoration models in Jianshui County of Yunnan Province in the past 25 years were discussed. The study found that during the 25 years, the vegetation cover of Jianshui County showed an overall upward trend with an average growth rate of 0.065%/10a. Since 2008, the growth rate increased from 0.077%/10a to0.475%/10a. The area of vegetation cover in Jianshui County showed an increasing trend, no significant change, and the proportion of reduction trend was 55.32%, 34.44% and 10.24% respectively. For different restoration models, within the restoration time range of ten years, there was not much difference in the effect of vegetation restoration under the pure ecological forest mode and the mixed ecological forest mode.Within the restoration time range of 25 years, the mixed ecological forest mode vegetation restoration rate was obviously better than pure ecological forest restoration mode, and the advantages were mainly displayed in the later stage of restoration. In terms of species selection of pure ecological forest model, broad-leaved forests and alders had better restoration effects in the short term; in the long run, Yunnan pine and Che sang-tzu were better restoration species.In the mixed ecological forest model, the coniferous mixed forest restoration rate was the best both in the range of ten and twenty-five years, indicating mixed ecological forest model is a better mixed model. The study revealed the effects of different governance models on vegetation restoration, and provided a theoretical basis for optimizing ecological restoration methods in rocky desertification areas.

vegetation restoration; stone desertification control model; Karst; NDVI; tree species

10.13209/j.0479-8023.2020.104

国家自然科学基金(41671080)和国家重点研发计划(2016YFC0502500, 2016YFC0502506)资助

2019‒12‒16;

2020‒09‒29