基于理想参照系-关键指标的赤水河流域生态系统质量变化趋势分析

李冠稳,肖能文,李俊生

1 中国环境科学研究院 国家环境保护区域生态过程与功能评估重点实验室,北京 100012 2 西北农林科技大学林学院,杨凌 712100

生态系统质量是生态系统生产服务能力、抗干扰能力以及对人类生存与发展承载能力的具体体现,其变化关乎人类居住环境和物质生活水平[1-2]。良好的生态系统质量也是推进我国生态文明建设进程的重要举措,因此研究生态系统质量的时空分布特征及其变化趋势有助于量化分析生态保护和生态恢复措施绩效,也能够为今后生态保护政策研究、城市发展战略制定提供科学依据[3]。

生态系统质量评估通常以数学模型为基础,通过构建评估指标体系,量化生态系统质量。遥感技术以其快速、实时、大范围重复获取地物信息等优势被广泛应用于区域生态系统质量评估[4-6]。国内外学者利用遥感技术进行生态系统质量评估开展了大量研究工作,广泛应用于森林[7]、草地[8]、荒漠[9]、城市[10]、矿区[11]、自然保护区[12-14]、流域[15-18]、国家重点生态功能区[19]等不同空间尺度。然而,上述研究多是基于现状-相对变化量的评估体系,即评估两个时间点生态系统质量的相对变化,以此判断生态系统质量的改善或恶化情况,缺少多年连续生态系统质量评估[6-8,11-19]。如Xu等[20]基于植被指数、生物量和净初级生产力评估了京津冀2000、2010年生态系统质量变化,发现京津冀生态系统质量的变化与三北防护林带和京津沙尘暴防治项目正相关。此外,上述研究缺乏统一评估指标体系,不同评估结果可比性较差；同时缺少与该区域最优状态下生产力(理想值)的比较,进而难以量化生态系统的恢复潜力。Xu等[21]提出的基于主成分分析方法的遥感生态指数(remote sensing based ecological index,RSEI),集成了能够响应生态系统质量的绿度、湿度、热度等多种关键生态因子,不仅与生态环境状况指数(ecological index,EI)有很好地可比性,在区域生态系统质量快速监测和评价方面也具有明显优势和使用价值[22],在不同空间尺度区域得到广泛应用[23-27]。如Liao等[28]基于MODIS数据构建RSEI模型评估了我国2000—2017年生态环境质量变化,发现干燥是影响生态环境质量的最重要因素；杨江燕等[29]运用RSEI方法对雄安新区进行生态系统质量评估,认为RSEI能综合反映各分量指标信息,雄安新区生态质量变化与其城镇扩张紧密负相关；同样朱泓等[30]基于RSEI监测和评价了1988—2018年滇中湖泊流域生态环境质量变化,得到城市扩张和城市化是导致山间谷地和湖泊周围生态环境质量变差的重要原因。

赤水河流域拥有丰富的自然植被类型,亦是我国重要的生物资源基因库,亦是长江上游和三峡库区的重要生态屏障,在国家生态安全中发挥着重要作用。赤水河是目前长江上游唯一一条未建坝的支流,生态资源和生物多样性丰富,流域近四成县市位于国家重点生态功能区或生物多样性保护优先区。但赤水河流域地处乌蒙山连片特困地区复地,人口较多,水土流失严重；加之流域工业化及城镇化的快速推进,存在以消耗破坏生态环境为代价的经济增长现象,始终面临着经济开发与生态环境保护的突出矛盾,因此开展水河流域生态系统质量遥感监测和评估,对赤水河流域生态安全和保护长江上游生态屏障具有重要意义。本研究综合归一化植被指数(Normalized Difference Vegetation Index,NDVI)、叶面积指数(Leaf Area Index,LAI)、表层水分含量指数(Surface Water Content Index,SWCI)和陆地表面温度(Land Surface Temperature,LST)构建遥感生态指数(RSEI),并结合Sen+Mann-Kendall趋势分析法分析赤水河流域2000—2018年生态系统质量变化趋势及相对恢复潜力,为赤水河流域生态环境保护、绿水青山就是金山银山理论实践以及城市经济发展提供科学参考。

1 数据与研究方法

1.1 研究区概况

赤水河为长江上游一级支流,发源于云南省镇雄县,干流全长444.5 km,流域面积为18932.2 km2,涉及云、贵、川3省13个县(市区)行政单位,并于四川省合江县汇入长江(图1)。赤水河流域地处云贵高原和四川盆地接壤地带,气候差异较大,上游为暖温带高原气候,气温稍低；中下游为四川盆地丘陵区,具有亚热带湿润气候特点,气温较高。赤水河流域地形、地貌以山地和丘陵为主,土壤类型多样,其特殊的地理环境形成了多样的植被类型,植被类型从中亚热带湿润性常绿阔叶林向半湿润阔叶林过度,生物多样性较为丰富。赤水河还是长江上游唯一一条未建坝的一级支流,为保护长江上游特有鱼类及水生生物多样性提供重要栖息地或产卵场[31]。

图1 研究区概况和土地利用/土地覆被分布Fig.1 Location of the study area and distribution of ecosystem

1.2 数据来源与处理

本文采用的遥感数据来源于NASA MODIS的2000—2018年MOD09A1、MOD11A2、MOD13Q1和MOD15A2H数据产品(https://search.earthdata.nasa.gov/),分别用于提取SWCI、LST、NDVI和LAI生态因子。首先利用MRT(MODIS Reprojection Tools)软件进行影像拼接和投影转换,统一分辨率为500 m；再利用最大值合成法得到月尺度生态参数数据,生长季(5—10月份)取平均后,再通过归一化进行无量纲处理。2018处土地利用/土地覆被数据(图1)来源于国家基础地里信息中心,包括8大类46小类,数据坐标系采用2000国家大地坐标系,栅格格网大小5米,斑块分类精度优于85%。赤水河流域以林地为主,占61.3%；其次是耕地、建设用地、草地等。

1.3 遥感生态指数分量指标计算

(1)表层水分含量指数(SWCI):水分是植物生长的基本条件,也是生态环境演变发展的一个主要因素。SWCI可以很好地反映植被、水体和土壤湿度状况,可较好代表生态系统的“湿度”,与生态系统紧密相关[32-33]。MOD09A1数据B6、B7波段与水分反射率变化较为敏感,且有极为相同的大气散射和辐射值[34],因此可通过B6、B7波段计算SWCI,公式如下:

SWCI=B6-B7/B6+B7

(1)

式中:B6、B7分别为MOD09A1影像波段反射值,B6-B7能够反映植被和土壤中水含量,并能够最大程度减少大气影响；B6+B7作为分母能够使结果值限定在-1—1之间。

(2)陆地表面温度(LST):温度是影响植被生长的重要因子,被广泛用于评价生态环境变化,能较好地表征生态系统的“热度”[23]。LST是影响大气和地面之间能量和水平衡的关键参数,与植被的生长与分布、地表水资源循环等密切相关,是影响植被生长的关键因子,也是生态系统变化的重要指示因子[35-36]。LST与气象观测空气温度有密切关系,且一般地表温度高于气温,将MOD11A2影像像元灰度值转换为常用摄氏度,提取赤水河流域地表温度分布情况,公式如下:

LST=0.02×DNs-273.15

(2)

式中:DNs为MOD11A2影像像元灰度值。

(3)归一化植被指数(NDVI)和叶面积指数(LAI):植被是生态系统重要组成部分,对生态系统环境变化较为敏感。NDVI可用于监测植物生产状况,LAI进一步反映植被生长质量,被广泛应用于生态系统质量评估中[37]。NDVI是反映植物长势的重要参数之一,用于表征生态系统质量的“绿度”[11]。其公式如下:

NDVI=(ρNIR-ρred)/(ρNIR+ρred)

(3)

式中:ρNIR、ρred分别代表MOD13Q1影像近红外波段和红波段的反射率。

LAI是描述植被冠层几何结构的一个重要植被特征参数,能够定量描述植被冠层表面能量交换,是景观、能量、物质循环的重要参数[38]。对非特殊DN值其公式如下:

LAI=0.1 ×DNA

(4)

式中:DNA为MOD15A2H影像的像元灰度值。

1.4 研究方法

1.4.1遥感生态指数计算

将经归一化处理后的4个分量指标重新组合成一幅新影像,通过ENVI软件主成分分析模块计算RSEI值。该方法最大优点是可根据数据本身确定权重,不仅可以减少原始变量信息重叠,而且可有效减少变量个数[39]。公式如下:

RSEI=RSEI0-RSEI0_min/RSEI0_max-RSEI0_min
RSEI0=1-PC1

(5)

式中:RSEI为归一化后遥感生态指数,其值越大表示生态系统质量越好;反之,表示生他系统质量越差。RSEI0为第i像元的原始遥感生态指数,RSEI0_max、RSEI0_min分别为原始遥感生态指数的最大值和最小值,PC1为第一主成分载荷值。

1.4.2Sen+Mann-Kendall 趋势分析

Theil-Sen Median 趋势分析和Mann-Kendall 检验结合,用于植被、气候等时序变化特征分析,能够有效减少数据误差影响,成为判断时序数据趋势变化的重要方法[40-41]。Theil-Sen Median公式为:

(6)

式中:i,j为年份,NDVIi、NDVIj为第i,j年NDVI值；当βNDVI>0 时,表示NDVI时序上呈增长趋势；βNDVI<0,则呈退化趋势；βNDVI=0,保持不变。

Mann-Kendall 检验公式如下:

(7)

其中,

(8)

方差V(S)=n(n-1)(2n+5)/18。当n>10时,Z统计量通过下式计算:

(9)

式中:n是时间序列长度,Sgn是符号函数,Z值采用双边趋势检验,在给定显著性水平α=0.05情况下,Z1-α/2=1.96作为显著与非显著的界定标准,当Z>1.96时,趋势显著;反之不显著。

1.4.3 理想参照系选择

评估某一区域生态系统质量多是评估两个时间段间生态系统质量变化,缺少与理想状态下生态系统质量差距比较,即难以量化生态系统的恢复潜力。近几十年,我国自然保护区、国家公园等的建设和发展,为生态系统保护、确定理想参照系提供了可能。选择保护区内不同生态系统(如森林、草地、荒漠等)本底值较高区域作为理想参照系,对比分析其他区域与最优状态下的生产力(即理想值或最优值)之间的差距,以量化其他区域生态系统相对恢复潜力,帮助管理部门树立明确的改善和保护目标。

2 结果与分析

2.1 生态系统质量描述性统计

依据上述公式,分别得到赤水河流域2000—2018年NDVI、LAI、LST、SWCI近20年均值如图2所示。赤水河流域NDVI、LAI高值区域主要分布在赤水河下游古蔺县、赤水市、习水县交界处,土地利用类型主要为林地；低值区域主要分布在怀仁市、古蔺县和习水县交汇处,这些区域海拔较低,耕地和建设用地分布较多,人为干扰活动较强。LST分布与DEM高度相关,高海拔区域LST值较低,低海拔区域LST值较高。SWCI值呈现西部高、东部低趋势,与赤水河流域降水分布格局一致。

图2 2000—2018年NDVI、LAI、LST、SWCI均值空间分布Fig.2 Spatial distribution of mean values of NDVI、LAI、LST、SWCI from 2000 to 2018

2000—2018年赤水河流域SWCI、LST、LAI、NDVI和RSEI的均值和标准差如图3小提琴图所示。其中箱体长短代表各指标及RSEI值标准差,反映年际间波动状况；上下横线为值范围10%—90%,中间横线为平均值。从图上可以看出,四个生态指数中LST变化差异最大,其次是SWCI、LAI、NDVI。四个生态指数中NDVI平均值最大,为0.76；其次是LAI、LST、SWCI。赤水河流域近20年RSEI平均值为0.613,且标准差较小,表明赤水河流域近20年生态系统质量较好,且变化比较平稳。

图3 2000—2018年SWCI、LST、LAI、NDVI和RSEI均值和标准差Fig.3 Mean and standard deviation of SWCI、LST、LAI、NDVI and RSEI from 2000 to 2018

通过RSEI与各生态因子相关性分析,以验证RSEI能否代表各生态因子。各生态因子之间和各生态因子与RSEI之间相关系数如表1所示,Mc为平均相关度。从表中可以看出,4个指标中平均相关度最高的为SWCI和NDVI,说明其对生态系统质量起关键作用,其次是LST、LAI。RSEI与4个指标相关系数均值为0.899,均高于单个指标。由此可以得出,RSEI指数不仅能集合各生态因子信息,相比单一生态因子更具有生态系统质量代表性。

表1 RSEI与各指标相关性Table 1 Correlation between RSEI and indicators

2.2 生态系统质量空间分布特征

通过计算获取2000—2018年赤水河流域逐年生态系统质量平均值空间分布(图4),图中颜色由红色过度到绿色,表示生态系统质量综合评价值从低值向高值过度。赤水河流域RSEI平均值为0.613,其中RSEI值在0.6—0.8范围占总面积的56%,0.4—0.6范围占43.5%,赤水河流域生态系统质量整体较高。根据行政区边界可知,高值区域主要分布在赤水河流域下游赤水市、合江县湿润性常绿阔叶林区,中游金沙县、怀仁市、古蔺县常绿针叶林、阔叶林区,上游镇雄县、威信县和叙永县交界处的高山常绿针叶林、落叶阔叶林区,这些地区水热条件较好,有利于落叶阔叶林、针叶林、草地的生长,生态系统质量较高。低值区域主要分布在上游镇雄县、七星关区及大方县,这些地区处于乌蒙连片特困区,坡耕地较多,同时属典型喀斯特地貌发育,加之这些地区石漠化严重,因此生态系统质量较低;赤水河中段桐梓县、播州区、怀仁市西北部及习水县中部,这些地区受土壤含沙量、地形及坡度影响,加之不合理开采行为,水土流失严重,生态系统质量亦较低。

图4 赤水河流域2000—2018年平均RSEI值空间分布Fig.4 Spatial distribution of average RSEI from 2000 to 2018

2.3 生态系统质量变化状况分析

通过Sen+Mann-Kendall检验分析2000—2018年赤水河流域生态系统质量空间变化情况,如表2和图5。赤水河流域近20年生态系统质量以整体以改善为主,但局部仍有退化现象。其中显著改善区域面积占总面积的6.12%,轻微改善区域面积占总面积的59.51%,稳定不变区域面积占9.71%,轻微退化区域面积占23.17%,显著退化区域面积占1.49%。从空间分布看,生态系统质量明显改善区域主要位于古蔺县；大力实施天然林保护、退耕还林等生态建设工程是古蔺县生态系统质量显著提升的主要原因。轻微改善区域分布较广,主要位于大方县南部、古蔺县南部、播州区、桐梓县西部、习水县、赤水市、合江县和叙永县,与实行退耕还林、石漠化综合治理等大规模人工林建设工程将陡坡旱地、草地转化为林地密切相关；另一方面,生态示范区和自然保护区的建立如贵州习水国家级自然保护区、贵州赤水桫椤国家级自然保护区、燕子岩国家森林公园等很大程度上提高了生态系统质量[42]。保持不变区域零散分布。轻微退化区域主要分布在上游七星关区、镇雄县、威信县,这些地区农业垦殖密度高,且多为坡耕旱地；下游怀仁市北部、合江县与赤水市交界处,这些地区由于酒业的发展,重视高经济价值红粮作物,轻育见效慢林木导致生态系统质量下降。显著退化区域主要位于赤水市城区及怀仁市中枢街道、盐津街道、苍龙街道、三合镇和茅台镇,主要是由于这些区域的城镇建设和酒工业发展导致草地、耕地面积减少。

图5 2000—2018年赤水河流域RSEI变化特征图空间分布 Fig.5 Spatial distribution of RSEI based on trend and Hurst index

表2 RSEI变化趋势统计Table 2 Statistics of RSEI Trend

2.4 参照系-现状-变化量分析

图6 2000—2018年赤水河流域林地RSEI值与理想参照系差值空间分布Fig.6 The difference RSEI of woodland in Chisui river basin during 2000—2018 compared with the ideal value

建立基于理想参照系的生态系统质量评估指标体系,其关键是量化评估指标在环境适宜、未受或较少受到人为干扰即理想状态下的阈值。植被作为生态系统的重要组成部分,具有涵养水源、气候调节、提供生境等多种作用,是陆地生态系统存在的基础[43]。赤水河流域林地占总面积的61.3%,主要植被类型为亚热带常绿阔叶林、亚热带针叶林及亚热带、热带落叶阔叶灌丛；根据谢高地等[44]中国生态区划方案,赤水河流域大部分位于黔中中亚热带常绿阔叶林生态区。贵州习水国家自然保护区建立于1992年,面积48666 hm2;1997年晋升为国家级自然保护区,主要保护对象为中亚热带常绿阔叶林森林生态系统。故选取贵州习水国家自然保护区湿润性常绿阔叶林区本底值较高区域为参照系,评估其他区域林地与该区域林地RSEI差值,量化其生态系统质量相对恢复潜力,即根据相对恢复潜力数值大小和资源条件划分成不同管理措施等级,进而调整具体管理策略,合理分配资源,提高管理成效。保护区内林地近20年RSEI理想均值为0.69,其他区域林地与之差距如图6所示(负值表示高于保护区内林地RSEI,正值表示低于保护区内林地RSEI)。从图中可以看出,赤水河流域林地RSEI值与理想参照系RESI值差距在10%以上面积占林地总面积的49.82%,主要分布在大方县、桐梓县、播州区及怀仁市、习水县部分地区。

3 讨论

遥感生态指数(RSEI)与EI相比,不仅在生态意义上具有较强的可比性,还具有较高的可视化及预测能力。本研究基于RS技术构建了RSEI,并与SWCI、LST、LAI和NDVI 4个生态因子进行相关性分析,发现RSEI不仅能集合各生态因子信息,相比单一生态因子更具有生态系统质量代表性。4个生态因子中,NDVI和SWCI对生态质量贡献较大,RSEI高值主要分布在湿度高、植被覆盖条件较好区域[12,45-46]。单薇等[6]在评估常德市鼎城区生态环境质量时亦发现湿度和绿色指标对生态环境质量的改善至关重要。

赤水河流域生态系统质量改善面积远大于退化面积,这一定程度上反映了近20年生态恢复工程取得了一定成效。保护和发展赤水河流域生态经济是发挥区域生态优势和绿色发展的需要,自1990年实施退耕还林、石漠化综合治理等大规模人工林建设工程以来,大方县南部、古蔺县、播州区、桐梓县西部、习水县、赤水市、合江县和叙永县生态系统质量不断改善,特别是古蔺县和大方县南部改善明显,这与许幼霞等[42]、黄林峰等[47]研究赤水河流域植被生态质量时空变化相似。但仍存在局部退化现象,如赤水河上游镇雄县、威信县及七星关区农业垦殖密度高,且多为坡耕旱地[48],生态系统质量下降；仁怀市、桐梓县、习水县和赤水市局部,由于城镇建设和酒业发展亦出现生态系统质量退化现象[49],特别是怀仁市中枢街道、盐津街道、苍龙街道、三合镇、茅台镇[50]和赤水市、习水县城区出现显著退化现象,这从侧面反映了人类活动对区域生态环境质量的重要影响[51]。程志峰等[52]研究城市群RESI变化时,证实了城市的扩张确实会带来生态的恶化,NDVI和WET的增加会提高RESI,有利于生态系统质量的改善,与本文研究结果相符。

评估某一区域生态系统质量多是评估两个时间段间生态系统质量变化,缺少与理想状态下生态系统质量差距比较,即难以量化生态系统的恢复潜力。本文选取贵州习水国家自然保护区湿润性常绿阔叶林区为参照系,量化其他区域林地与该区域林地RSEI差值,有49.82%林地面积RSEI差值在10%以上,主要分布在桐梓县、播州区、大方县及习水县、怀仁市部分地区,主要是受高原地形、土壤含沙量和人类活动影响[53],这些特性使这些地区植被覆盖度和植被生长相对较差,与理想参照系RSEI值有一定差距,应加强林地保护、控制工业活动对生态保护的压力。

RSEI完全基于遥感信息技术,有利于快速、定量监测评估区域的生态环境质量变化[12],但目前采用遥感技术监测生态系统质量还没有统一、完整的评价指标体系[4,16,18,54-55],如何选择合适的生态系统因子并进行多因子耦合分析仍需要进一步创新研究。朱青等[15]发现鄱阳湖区RSEI和地形因子中海拔和高程有较强的正相关性,但在黄土沟壑区富县[56-57]、农牧交错区盐池县[58]得出不同结论；同时温度过低或过高时均会反作用于生态系统[3]；如何定量评估海拔和温度对生态系统质量的影响还需进一步探讨。本文仅采用遥感技术评估区域生态系统质量,在快速、定量评估某一区域生态系统质量具有一定优势,但忽略了人类活动及生物多样性对生态系统质量的影响,因此所得结果可能与实际情况存在一定偏差,今后将进一步考虑人类活动、地形等生态指数对评估模型进行改进。

4 结论

本文从能够反映生态系统质量的植被绿度、植被质量、湿度和热度4个因子入手,构建生态系统质量评价模型,对赤水河流域2000—2018年生态系统质量进行时空变化分析。发现RSEI不仅能集合各生态因子信息,相比单一生态因子更具有生态系统质量代表性,可用于快速定量评估赤水河流域生态系统质量,且绿度和湿度对赤水河流域生态系统质量起关键作用。空间上,赤水河流域RSEI平均值为0.613,高值区域主要分布在下游湿润常绿阔叶林区,中游河谷中山阔叶林林、常绿针叶林区,上游镇雄县、威信县和叙永县交界处的高山常绿针叶林、落叶阔叶林区。赤水河流域近20年生态系统质量整体以改善为主,但局部仍出现退化现象,其中生态系统质量显著改善区域面积占总面积的6.12%,轻微改善区域面积占总面积的59.51%,这与该区域实施退耕还林、石漠化综合治理等大规模人工林建设工程有关。轻微退化区域面积占23.17%,显著退化区域面积占1.49%,与城镇化建设和酒工业发展导致草地、耕地面积减少有关。选择习水国家级自然保护区中亚热带常绿阔叶林作为参照系,量化其他区域林地与该区域最优状态下RSEI的差距,发现有49.82%林地面积RSEI差值在10%以上,主要分布在桐梓县、播州区、大方县及习水县、怀仁市部分地区。