基于关键指标的黄河流域近20年生态系统质量的时空变化

李冠稳， 高晓奇， 肖能文*

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， 陕西 杨凌 712100

黄河流域是我国重要的生态功能区和经济建设区，在推动东、中、西部协调发展和国家生态安全方面具有十分重要的地位. 随着黄河流域生态保护和高质量发展国家重大战略的提出，黄河流域生态系统质量变化受到越来越多的关注[1]. 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，良好的生态系统质量不仅关乎人类居住环境和物质生活水平[2]，同时也是推进我国生态文明建设进程的重要举措[3]. 因此，研究黄河流域生态系统质量时空变化状况、未来变化趋势，有助于量化评估黄河流域生态保护恢复工程绩效，对今后生态保护政策研究和制定城市发展战略也具有重要意义.

生态系统质量评估通常以数学模型为基础，构建评估指标体系，进而量化评估生态系统质量. 原国家环境保护部颁布的HJ 192—2015《生态环境状况评价技术规范》中运用植被覆盖度、生物丰度、土地胁迫指数、水网密度、污染负荷指数等构建生态环境状况指数(ecological index, EI)，该方法可较好地运用于县级以上区域生态系统质量的定量评价；但存在无法空间可视化问题，而且很难实现对大范围地区的快速评估[4-5]. 遥感信息能够较好地反映生态环境质量的空间异质性，可实现快速、定量、大范围地评价区域生态系统质量[6]，如欧阳志云等[7]利用遥感数据和地面监测数据，基于生物量密度和植被覆盖度评估了2000—2010年我国生态系统质量及功能变化；茹克亚·萨吾提等[8]基于NDVI、LST、SWCI等指数，运用主成分分析法评价阜康市2000年、2008年、2016年生态系统质量变化，并发现超负荷开发活动是导致生态系统质量恶化的一个重要因素；Xu等[9]基于植被指数、生物量和净初级生产力评估了京津冀地区2000年、2010年生态系统质量变化，发现京津冀地区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呈正相关；周紫燕等[10]利用空间几何原理构建了植被绿度-湿度-地表温度生态指数，分析新疆2000—2018年间生态质量变化趋势. 但目前多数研究为根据两个或多个时间点评估一段时间内生态系统质量的相对变化[11]，或采用不同方法评估区域生态系统质量[12-13]，缺乏统一标准和多年连续生态系统质量评估. 徐涵秋[14]基于绿度、干度、热度、湿度4个方面构建了遥感生态指数(remote sensing ecological index, RSEI)，并采用主成分分析法确定各指标权重，对研究区进行生态系统质量评价；该方法不仅与生态环境状况指数(EI)有较好的可比性，还很好地解决了EI指标不易获取、评价时效性较差的缺点[15-16]，在全国[17-18]、区域[9-11,15]、自然保护区[19]、城区[8,16,20]等不同空间尺度区域得到很好的应用，为高效、快速、高质量连续评估区域生态系统质量奠定基础.

黄河流域是我国重要粮食安全保障区和水源补给地，亦是生态脆弱区和全球水土流失最为严重的区域之一. 《黄河流域生态环境十年变化评估(2000—2010年)》[21]以及黄金亭等[22-23]分别从不同生态系统类型、土地利用/覆盖变化和植被角度评价了黄河流域生态系统质量变化；计伟等[24]从县域生态质量、生态系统功能、生态系统格局等方面分析了黄河流域生态质量状况及其变化特征. 目前在黄河流域采用多因子连续长时间监测生态系统质量变化的研究较少. 植被是生态系统的重要组成部分，对生态系统变化较为敏感，其中归一化植被指数(normalized difference vegetation index，NDVI)和叶面积指数(leaf area index，LAI)可以有效反映植被质量和生长状况，被广泛应用于生态系统质量评估[25-26]；表层水分含量指数(surface water content index，SWCI)可较好地反映地表植被、土壤的湿度状况，与生态系统状况紧密相关[27-28]；陆地表面温度(land surface temperature，LST)与植被的生长、分布等密切相关，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[29-31]. 因此，该研究选取能够反映研究区生态系统质量的NDVI、LAI、SWCI和LST关键指标构建RSEI，利用RSEI评价黄河流域近20年生态系统质量时空分布特征，并结合Sen+Mann-Kendall检验和Hurst指数分析揭示黄河流域生态系统质量变化状况和未来变化趋势，以期为黄河流域生态环境保护及恢复提供参考.

1 研究区与数据来源

1.1 研究区概况

黄河发源于青海省巴颜喀拉山北麓海拔 4 500 m的约古列盆地，自西向东流经青海、四川、甘肃、宁夏、内蒙古、山西、陕西、河南、山东9个省区，全长约 5 464 km，流域总面积为79.5×104km2，其中上、中游流域面积约占95%. 黄河流域地势西高东低〔见图1(a)〕，上游跨越青藏高原和内蒙古高原两大高原区，是黄河主要的来水区，该河段落差3 496 m，水能资源丰富；中游大部分地区为黄土地貌，海拔在 1 000～2 000 m之间，在自然因素和外部环境双重作用下，土地沙化和水土流失较为严重；下游主要为冲积平原区，地势平坦. 黄河流域属大陆性气候，区域气候差异较为显著，西北部干旱、中部半干旱、东南部半湿润；降水和气温呈自西向东、自南向北减少的趋势，降雨多集中在7—10月. 黄河流域是我国农业活动较为强烈的地区之一，同时也是我国重要的能源和重化工产业基地.

黄河流域生态系统数据来源于中国科学院资源环境科学数据中心(http: //www.resdc.cn). 如图1(b)所示，2015年黄河流域以草地生态系统为主，占流域总面积的47.6%，主要集中于黄河上游及中北部黄土高原；农田面积占比为26.6%，主要集中在关中平原、华北平原、河套平原和宁夏平原等地；林地面积占比为12.9%，主要分布在东南部吕梁山系、太白山系、子午岭、秦岭及祁连山等地；湿地分布零散，流域上游分布有扎陵湖和鄂陵湖，下游主要分布在山东省.

图1 黄河流域地形和生态系统分布(2015年)Fig.1 DEM of the study area and the distribution of ecosystem in 2015

1.2 技术方法与数据来源

一般情况下，生态系统质量评价指标越多、涉及范围越广，越能真实反映生态系统质量. 但在实际操作过程中，受指标数据获取、经济、可行性等因素影响，特别是在大区域或国家尺度，只能选择部分具有代表性、可量化及操作性强的关键指标来构建评估指标体系[4]. 该研究选取的NDVI、LAI、SWCI和LST关键指标对应的遥感数据源分别为2000—2018年MODIS陆地产品MOD13Q1、MOD15AH、MOD09A1和MOD11A2. MODIS数据产品具有时间跨度长、时间分辨率高、覆盖范围广、数据免费易获取等优势[10,23,29-30]. 利用MRT(MODIS reprojection tools)软件进行影像拼接和投影转换，并统一分辨率为500 m，采用最大值合成法得到月尺度生态参数数据，生长季(5—10月)取均值后进行标准化无量纲处理. RSEI借助ENVI 5.3主成分分析模块计算[25]，其最大优点是根据数据本身特征确定权重[8,19]. 为避免大面积水体对主成分分析的影响，在归一化前对水体进行掩膜处理. LAI、SWCI、LST和RSEI计算方法见式(1)～(5).

LAI=0.1×DNA

(1)

式中，DNA为MOD15A2H影像的像元灰度值.

SWCI=(B6-B7)/(B6+B7)

(2)

式中，B6、B7分别为MOD09A1影像第6、7波段的反射值. (B6-B7)能够反映植被和土壤中的含水量，并能够最大程度地降低大气影响；(B6+B7)作为分母能够使结果值限定在-1～1之间.

LST=0.02×DNs-273.15

(3)

式中，DNs为MOD11A2影像灰度值.

RSEI0=1-PC1{f(NDVI,LAI,LST,SWCI)}(4)

RSEI0标准化处理：

(5)

式中：RSEI为归一化后的遥感生态指数，其值越大表示生态系统质量越好，反之，表示生态系统质量越差；RSEI0为原始遥感生态指数；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[32].

Theil-Sen Median趋势分析和Mann-Kendall检验结合，用于植被、气候等时序变化状况分析[33]，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，计算方法及其分类参考文献[34]. Hurst指数是定量描述时间序列信息长期依赖性的有效方法[35]，计算公式见文献[34].

2 结果与分析

2.1 遥感生态指数检验

相关系数是反映变量间关系密切程度的度量指标，借助ArcGIS 10.3波段统计模块分别统计了2000年、2010年和2018年各指标间及各指标与RSEI的相关性，相关系数越接近1，表示相关性越大，RSEI综合代表信息程度越高. 从表1可以看出，各生态因子之间相关系数绝对值范围为0.505～0.876，而RSEI与各生态因子的相关系数大部分在0.8以上. 就单个指标而言，4个指标中平均相关系数最高的为NDVI，3个年份的平均值为0.798；相关系数最低的为LST，3个年份的平均值为0.666. 3个年份RSEI与4个指标相关系数平均值为0.856，比相关性最高的NDVI高6.8%，比相关性最低的LST高22.28%. 由此可见，RSEI集合了各生态因子信息，与各指标保持了较好的相关性，可用RSEI指数来综合反映黄河流域生态系统质量.

表1 RSEI与各指标相关性

2.2 生态系统质量空间分布特征

通过计算获取2000—2018年黄河流域遥感生态指数均值空间分布(见图2). 从空间角度看，黄河流域RSEI值呈西部和东南部高、北部低的分布特征，这与黄河流域生态系统类型分布特征相符. 黄河流域上游阿尼玛卿山、祁连山地区的植被类型主要为森林、草地及草本湿地，RSEI值较高；黄河源区因海拔较高，植被类型主要为草地，因此RSEI值相对较低. 黄河流域中部子午岭、黄龙山、吕梁山、太行山、秦岭等地植被类型主要为林地，属半湿润气候，RSEI值较高；黄河流域下游多为平原地带，水热条件好，农作物分布较多，RSEI值也较高. 黄河流域北部地区多为山地、丘陵、荒漠，其中河套平原和宁夏平原有农作物分布，RSEI值适中；而黄土高原和鄂尔多斯高原植被覆盖较少，RSEI值较低.

图2 黄河流域2000—2018年RSEI均值空间分布Fig.2 Spatial distribution of average RSEI from 2000 to 2018

2.3 生态系统质量变化状况

通过Sen+Mann-Kendall检验对2000—2018年黄河流域生态系统质量变化状况进行统计分析(见表2、图3). 黄河流域生态系统质量存在局部改善与退化并存的现象，但总体上改善面积大于退化面积. 其中，生态系统质量明显改善区域面积占30.78%，主要分布在青海湟水谷地、甘肃东南部及庆阳市、宁夏南部、陕西延安市和榆林市、山西吕梁山脉；轻微改善区域面积占22.06%，主要集中于陇中黄土高原、鄂尔多斯高原的库布齐沙漠和毛乌素沙地、河套平原、呼和浩特市、铜川市；保持不变区域占28.68%，主要分布在黄河流域西部、陇中黄土高原、阴山南麓；

表2 2000—2018年RSEI变化状况统计

图3 2000—2018年黄河流域RSEI变化状况空间分布Fig.3 Spatial distribution of RSEI change characteristics from 2000 to 2018

轻微退化区域面积占14.17%，主要分布在祁连山脉、巴颜喀拉山脉和甘肃、青海、四川三省交界处；显著退化区域面积占4.31%，主要位于宝鸡市、渭南市、西安市和郑州市；既有轻微退化又有严重退化的区域主要分布在阿尼玛卿山、宁夏平原、运城盆地、洛阳盆地和山东省境内.

2.4 生态系统质量变化可持续性分析

黄河流域RSEI的Hurst指数平均值为0.462，Hurst指数值大于0.5的区域面积占比为32.72%，小于0.5的区域面积占比为67.28%，表明黄河流域生态系统质量变化反向持续性较强.

将RSEI变化趋势结果与Hurst指数结果叠加得到黄河流域RSEI变化可持续性，结果如表3和图4所示. 生态系统质量持续改善区面积占比为18.17%，主要分布在宁夏六盘山、陕西白于山、临汾市吕梁山脉；未来有改善趋势的区域面积占比为12.23%，主要分布在黄河流域西部青海省、四川省和甘肃省交汇处；持续性稳定不变区域占比为8.3%，零星分布在陇中黄土高原、鄂尔多斯高原西部；持续性退化区域占比为6.25%，主要分布在关中盆地、运城盆地、郑州市；未来呈退化趋势的区域面积占比为34.67%，主要分布在山西西北部、甘肃兰州市东南部、陕西铜川市及榆林市；未来变化趋势不确定区域占比为20.38%，主要分布在鄂尔多斯高原、阴山山脉、子午岭、达坂山、黄南藏族自治州与甘孜藏族自治州. 其中，生态系统质量未来变化趋势不确定和持续性退化区域需要持续关注.

表3 RSEI变化可持续性

图4 2000—2018年黄河流域RSEI变化可持续性Fig.4 Sustainability of RSEI change in the Yellow River Basin from 2000 to 2018

3 讨论

遥感生态指数(RSEI)完全基于遥感信息和自然因素，集成了直观反映生态系统质量的多个指标，与EI相比，不仅在生态意义上具有较强的可比性，同时在实际应用中降低了指标提取难度和主观性，实现了研究区生态系统质量的定量评价和可视化，在一定程度上优化了评价结果[3]. 黄河流域近20年RSEI平均值呈西部和东南部高、北部低的分布规律，与《黄河流域生态环境十年变化评估》[21]中2000—2010年黄河流域生态系统格局分布特征一致，表现为高植被覆盖区RSEI值较大. 计伟等[24]基于《生态环境状况公报》统计了2017—2019年黄河流域各县域生态系统质量，其分布特征与RSEI值也具有较好的一致性.

近20年黄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，但仍存在局部地区退化现象. 如黄河源区仍存在草地退化、草地质量和生态系统服务能力下降现象，甘南州部分地区植被覆盖明显减少，生态系统质量下降[36-38]. 同时随着黄河源区退牧还草工程、中西部地区退耕还林还草工程的实施，黄河源区在2000年以后草地退化速率不断下降、草地产量及水源涵养能力得到显著增强[39-40]；黄河中游植被明显改善，如陕西延安市和榆林市、山西吕梁山脉、鄂尔多斯高原的库布齐沙漠和毛乌素沙地，生态系统质量改善较为明显[41].

城市化进程会对生态系统产生重大影响，如传统快速城镇化往往以植被破坏、污染加重和生态功能退化为代价，给城市生态保护和高质量发展带来较大压力. 运城盆地、关中盆地及经济快速发展城市(兰州市、银川市、西安市、咸阳市、郑州市、洛阳市)植被退化趋势明显[42]，城镇化建设降低了生态系统质量. 黄河下游郑州黄河湿地由于城镇化发展，湿地生态系统退化[43]；黄河三角洲亦因人工垦殖、水土富营养化等影响，沼泽植被萎缩[44]，生态系统质量亦呈退化趋势. 同时黄河流域中游农业用地及地区工业发展用水增加，进一步挤占生态用水，湿地面积缩减，加剧了生态环境的脆弱性[45]. 因此，建议重点关注黄河源区、鄂尔多斯高原、黄河内蒙古段沿岸、经济快速发展的关中地区及省会(首府)城市(银川市、西安市、郑州市)的生态系统质量监测及生态保护工程绩效评估，加强对宁夏平原、河套平原、关中盆地、下游平原等传统农耕区农田生产力变化及农业用水效率的研究，同时加大对鄂尔多斯、晋北、榆林、三门峡市等能源城市的生态监管，推动黄河流域生态保护和高质量发展.

采用RSEI指数定量评估黄河流域生态系统质量变化，为区域生态系统质量精准评估和科学管理提供参考. 但RSEI也存在不足之处，如未将经济发展、污染负荷等因素融入评价指标. 如何从多角度定量分析自然因素、经济发展、生态保护工程对生态系统质量的影响，促进黄河流域生态保护与高质量发展还需要进一步研究. 另外该文采用500 m中等空间分辨率的MODIS数据，在较大空间尺度和连续时间序列上评估研究区生态系统质量具有一定优势，对较小区域尺度生态系统质量评估可采用较高分辨率影像数据构建遥感生态监测指标.

4 结论

a) 该研究选取的NDVI、LAI、SWCI和LST 4个生态因子对黄河流域生态系统质量评价均具有代表性，基于关键指标的遥感生态指数实现了生态系统质量的快速定量评价和可视化. 2000—2018年黄河流域生态系统质量呈西部和东南部高、北部低的分布特征，与生态系统类型分布格局一致.

b) 黄河流域生态系统质量存在改善与部分退化并存的现象，生态系统质量改善面积占52.84%，退化面积占18.48%. 其中，生态系统质量明显改善区域面积占30.78%，主要分布在青海湟水谷地、甘肃东南部及庆阳市、宁夏南部、陕西延安市和榆林市、山西吕梁山脉，这与黄河源区实施退牧还草、中西部地区退耕还林还草、天然林保护等生态工程息息相关. 生态系统质量退化区域面积占18.48%，主要分布于黄河流域上游和经济发展较快的关中地区及省会(首府)城市(银川市、西安市、郑州市)，城镇建设、资源开发、湿地退化及水利用效率低是造成区域生态系统质量下降的主要原因.

c) Hurst指数结果表明，黄河流域生态系统质量变化逆向持续性较强，持续改善和未来改善面积占比分别为18.17%和12.23%，主要分布在黄河源区、宁夏六盘山、陕西白于山、吕梁山脉；持续性退化和未来呈退化趋势的面积占比分别为6.25%和34.67%，主要分布在关中盆地、运城盆地及省会(首府)城市(银川市、西安市、郑州市)；未来变化趋势不确定区域面积占比20.38%，主要分布在鄂尔多斯高原、阴山山脉. 其中未来变化趋势不确定、持续性退化区域和未来退化区域生态系统质量需要持续关注，建议重点关注黄河源区、鄂尔多斯高原、黄河内蒙古段沿岸、关中地区及省会(首府)城市(银川市、西安市、郑州市)的生态系统质量监测及生态保护工程绩效评估，加强宁夏平原、河套平原、关中盆地、下游平原等传统农耕区农田生产力变化及农业用水效率研究，同时加大对鄂尔多斯、晋北、榆林、三门峡市等能源城市的生态监管，推动黄河流域生态保护和高质量发展.