余琦殷, 宋超
宁夏灵武白芨滩自然保护区植被覆盖变化地形效应
余琦殷1,*, 宋超2
1. 国家林业和草原局经济发展研究中心, 北京 1007142. 北京林业大学生态与自然保护学院, 北京 100083
基于MODIS—NDVI时序数据, 运用ArcGIS软件, 采取植被指数法和趋势分析法, 估算了宁夏灵武白芨滩国家级自然保护区2000—2019年植被覆盖度, 分析研究了植被覆盖变化趋势及其与地形因子的关系。结果表明: 该保护区植被覆盖度由波动变化不明显逐渐变为波动上升趋势。植被覆盖类型以低覆盖度和中覆盖度类型为主。随着高程的增加, 植被明显改善类型占比逐渐降低, 植被无明显变化类型占比逐渐升高; 坡度越平坦的地区植被改善越明显, 且北坡和西坡的植被改善情况好于东坡和南坡。总体来看, 该保护区2000—2019年的保护成效显著, 但仍需要对植被覆盖度低的区域实施生态保护建设, 并重点关注地势高、坡度大的区域。
植被覆盖度; 地形因子; 像元二分模型; 趋势分析; 自然保护区
宁夏灵武白芨滩国家级自然保护区(以下简称白芨滩自然保护区)位于毛乌素沙地边缘, 在保护黄河、维护河东机场安全等方面起着重要的作用, 很大程度上保护和改善了宁夏平原几十万公顷良田和首府银川市的生态环境[1]。然而, 曾经这里风沙危害严重, 对附近的城市生活和工农业生产都造成较大影响[1]。该保护区自成立以来, 通过多年科技创新, 以治沙造林、控制流沙等方式, 有效地阻止了毛乌素沙地南移和西扩[2–4]。
植被覆盖度能有效地表达植被分布状况及荒漠化程度[5]。利用遥感技术手段监测区域植被覆盖变化趋势的方法广泛用于多种研究[6-8], 其中归一化植被指数(Normalized Difference Vegetation Index, NDVI)能较直观地反映植被随时间变化过程, 且应用范围广泛[9-11]。在不同研究中, 影响植被变化的地形因子各不相同[12-15]。由于该保护区地形多样, 为评估2000—2019年的地形因子对植被覆盖变化的影响, 参考有关研究[14,16], 基于MODIS—NDVI时序数据, 利用植被指数法和趋势分析法估算了该保护区植被覆盖度, 分析了植被覆盖变化趋势及其与地形因子的关系, 为荒漠类自然保护区管理及其生态建设提供科学参考。
白芨滩自然保护区于2000年4月晋升为国家级自然保护区, 位于宁夏灵武市境内引黄灌区东部的荒漠区域, 地处毛乌素沙地边缘, 地理坐标为106°20′22″—106°37′19″E, 37°49′05″—38°20′54″N, 南北长61 km, 东西宽21 km(图1)。保护区面积为748.43 km2, 约占灵武市总面积的1/4, 其中核心区面积为313.18 km2, 缓冲区面积为186.06 km2, 实验区面积为249.19 km2。保护区北部距银川市10 km, 西部与青铜峡市、吴忠市紧邻, 与外部有多条国道、省道相通, 交通便利[17-18]。该保护区属于中温带干旱气候区, 大陆性气候特征十分典型[17-18]。
2.1.1 数据来源
NDVI数据来源于美国NASA(National Aeronautics and Space Administration)戈达德航天中心MODIS (Moderate—resolution Imaging Spectroradiometer)时间分辨率为16 d、空间分辨率为250 m、格式为EOS—HDF的MOD13Q1植被指数陆地标准产品(https://ladsweb.nascom.nasa.gov/), 本研究选取2000—2019年全年数据集(每年23期)。
图1 白芨滩自然保护区位置示意图
Figure 1 Location of Baijitan National Nature Reserve
数字高程模型(Digital Elevation Model, DEM)数据来源于中国科学院计算机网络信息中心地理空间数据云平台(http://www.gscloud.cn/)的GDEMDEM数据, 空间分辨率为30 m。
2.1.2 数据处理方法
运用ArcGIS10.7软件将NDVI和DEM数据转化转换为统一格式的Tiff文件, 并投影变换至CGCS2000_3_Degree_GK_CM_105E坐标系统, 统一重采样至250 m分辨率, 然后利用白芨滩自然保护区的矢量边界对影像进行裁剪。对NDVI数据采用最大值合成法(Maximum Synthesis Method, MVC)对各年份数据进行合成。对DEM数据使用空间分析工具计算高程、坡度和坡向。
2.2.1 植被覆盖度计算与分级
植被覆盖度及其时空变化是反映干旱、半干旱地区的植被质量、土地类型变化的重要指标之一, 是衡量地表植被状况及评价生态环境质量的重要手段[19]。基于遥感数据估算植被覆盖度的方法很多, 主要有植被指数法[20–21]、像元分解法[22–23]、回归模型法等[24–25]等。本研究采用植被指数法, 基于像元二分模型, 通过NDVI数据估算该保护区的植被覆盖度, 其公式为:
式中,为植被覆盖度(%);NDVI是纯植被像元值, 理论上接近于1, 但受植被类型、土壤条件等因素随时空变化;I是纯土壤像元值, 理论上接近于0, 但受大气、地表湿度条件、地表粗糙度、土壤类型、土壤颜色等随时空变化。结合保护区范围的NDVI分布, 并参考其他有关研究的计算方式,NDVI取0.05、NDVI取0.7[5,26–31]。
参考有关毛乌素沙区植被覆盖度与植被地貌类型关系的研究[31], 将该保护区划分为劣覆盖度(< 10%)、低覆盖度(10%—30%)、中覆盖度(30%—50%)和高覆盖度(>50%)等4种植被覆盖类型。
2.2.2 植被覆盖变化趋势分析
采用趋势线分析法[32–33], 根据趋势线斜率变化范围, 参考有关研究的划分标准[34], 并结合保护区现状, 将该保护区的植被覆盖变化趋势划分为:2<0.25为无明显变化;<0.01且2>0.25为轻微改善; 0.01<<0.02且2>0.25为中度改善;>0.02且2>0.25为明显改善等4种类型, 并分别统计其面积和占比, 综合分析其在不同地形因子下的变化规律。
2.2.3 地形因子提取与分级
运用ArcGIS10.7软件的空间分析工具, 从DEM数据中提取高程、坡度、坡向等地形因子信息(图2)。参考第三次全国土地调查技术规程(TD/T 1055–2019), 根据该保护区的实际情况, 将高程划分为: 1109—1200、1201—1300、1301—1400、1401—1500、1501—1599 m, 共5个等级; 将坡度划分为0—2、2—5、>5 °, 共3个等级; 按坡向划分为平地(坡度<2°)、北坡(315°—45°)、东坡(45°—135°)、南坡(135°—225°)、西坡(225°—315°), 共5个类型。
2.2.4 地形面积差异修正
不同地形的植被变化特征不同, 在评价时可能出现某植被覆盖变化趋势类型在某特定地形的面积虽小, 但是相比于该变化类型在保护区范围内占比较大的情况。为消除地形因子绝对面积差异的影响, 参考有关研究[35–36], 采用以下公式:
式中: K为植被覆盖变化趋势在特定地形的植被优势分布程度, 其中K>1为优势分布, K=1为分布平稳, K<1为非优势分布; S为研究区总面积(km2); Sie指i变化类型在e地形特定条件下的面积(km2); Si指i变化类型总面积(km2); Se指e地形总面积(km2)。
Figure 2 The topographic factors of Baijitan National Nature Reserve
根据白芨滩自然保护区2000—2019年植被覆盖情况(图3、图4)可以看出, 该保护区2000—2019年植被覆盖类型以低覆盖度和中覆盖度为主, 占保护区总面积的70%以上。总体上, 劣覆盖度和低覆盖度类型占比呈波动下降趋势, 中覆盖度和高覆盖度类型占比呈上升趋势, 具体表现为以下几个方面:
(1)2000—2001年, 中覆盖度和高覆盖度类型极度缺乏, 保护区主要植被覆盖类型为劣覆盖度和低覆盖度, 二者占保护区总面积的95%以上, 中覆盖度和高覆盖度类型分布极少, 且高覆盖度类型占比不足1%;
(2)2002—2006年, 劣覆盖度类型缓慢减少、低覆盖度类型波动增加。劣覆盖度类型占比由2002年的21.07%降至2006年的15.36%; 低覆盖度类型占比呈波动上升趋势, 增幅为13.75%; 中覆盖度类型呈波动循环趋势, 年平均占比为8.81%, 高于2000—2001年的年平均占比3.34%;
(3)2007—2012年, 劣覆盖度类型明显减少、中覆盖度类型明显增加。2012年劣覆盖度类型占比仅为1.89%, 在植被覆盖类型中占比最低; 低覆盖度类型占比呈波动下降趋势; 中覆盖度类型面积不断增大, 2011年和2012年的占比分别为49.29%、53.96%, 均超过低覆盖度类型, 成为主要植被覆盖类型;
图3 2000、2009、2019 年白芨滩自然保护区植被覆盖空间分布
Figure 3 Spatial distribution of vegetation cover in Baijitan National Nature Reserve in 2000, 2009, 2019
图4 2000—2019年白芨滩自然保护区植被覆盖类型占比
Figure 4 Proportion of vegetation cover types form 2000 to 2019 in Baijitan National Nature Reserve
(4)2013—2019年, 中覆盖度和高覆盖度类型持续增长。该时期劣覆盖度类型年平均占比仅为0.26%; 低覆盖度类型持续减少, 占比由56.95%降至32.95%; 中覆盖度类型比例持续稳定增长, 自2016年起, 该类型占比均维持在50.00%以上; 高覆盖度类型占比呈波动上升趋势, 2018年占比达26.31%, 且超过了低覆盖度类型占比。
对保护区的植被覆盖变化趋势划分的结果表明, 2000—2019年该保护区的主要植被覆盖变化趋势类型是中度改善, 其面积为412.28 km2, 占保护区总面积的55.85%, 其次为轻微改善类型, 其面积为180.34 km2, 占24.43%; 明显改善类型面积为79.25 km2, 占10.74%, 无明显变化类型最少, 其面积为66.25 km2, 占8.97%。
3.2.1 高程
随着高程的增加, 该保护区植被明显改善类型占比逐渐下降, 植被无明显变化类型占比逐渐上升(图5)。其中, 植被明显改善类型在海拔1200 m以下的区域占比最大, 达29.76%, 在海拔1201—1300 m和1301—1400 m的区域分别占4.47%和11.20%, 而在海拔1400 m以上的区域基本没有分布; 植被中度改善类型在海拔1400 m以下区域的占比基本一致, 在56.41%—60.47%之间, 在海拔1401—1500 m时降至38.38%, 到海拔1500 m以上时则没有分布; 植被轻微改善类型在海拔1200 m以下区域的占比最少, 仅占9.88%, 在海拔1201—1500 m时较高, 在25.56%—32.21%之间, 在海拔1500 m以上的区域占比19.63%; 植被无明显变化类型随海拔升高占比不断增多, 由海拔1200m以下的2.28%, 逐步升至海拔1500 m以上的80.37%。
在海拔低于1200 m的区域, 植被明显改善类型分布的优势明显(=2.77), 其他类型不明显, 说明该区域植被明显改善占主导。在海拔1201—1300 m的区域, 植被明显改善类型分布较弱(=0.42), 且K值相对最小; 在海拔1301—1400 m的区域, 植被无明显变化类型属非优势分布(=0.76), 其他类型分布平稳(1.01<<1.05)。在海拔1401—1500 m的区域, 植被明显改善的非优势分布明显(=0.01), 无明显变化类型分布的优势明显(=3.27)。在海拔1500 m以上的区域, 已经没有明显改善和中度改善类型, 无明显变化类型分布的优势十分明显(=8.96)。
3.2.2 坡度
该保护区中, 坡度越低, 植被明显改善面积越大(图6)。其中植被明显改善类型在坡度小于2°的区域占比最高, 达17.23%, 在2—5 °和大于5°的区域分别为4.40%、0.71%; 植被中度改善类型占比随坡度变化较小, 均在52.32%至61.43%之间, 植被轻微改善类型在坡度小于2°的区域占比最少, 占18.01%, 在2—5 °和大于5°的区域分别占30.69%、34.64%; 植被无明显变化类型在2—5 °的区域占比最多, 达12.59%。
植被中度改善类型在不同坡度的分布均较为平稳(0.93<<1.10); 坡度<2 °时, 植被明显改善类型呈优势分布(=1.60), 而轻微改善和无明显变化类型呈非优势分布(0.64<<0.74); 坡度为2—5°时, 轻微改善和无明显变化类型呈优势分布(1.25<<1.41), 明显改善类型呈非优势分布(=0.41); 坡度>5 °时, 轻微改善类型呈优势分布(=1.42), 明显改善和无明显变化类型的非优势分布明显(0.06<<0.35)。
图5 不同高程范围的植被覆盖变化趋势类型占比(a)和K的变化趋势(b)
Figure 5 The proportion of vegetation cover variationtrends type (a) and the change of(b) with different elevation range
图6 不同坡度范围的植被覆盖变化趋势类型占比(a)和K的变化趋势(b)
Figure 6 The proportion of vegetation cover variationtrends type (a) and the change of(b) with different slope range
3.2.3 坡向
不同坡向的植被覆盖变化趋势类型均以中度改善为主(图7)。植被明显改善类型在平地的占比最高, 达17.23%, 在其他坡向则基本一致, 在2.43%至5.83%之间。植被中度改善类型在平地、北坡和西坡的占比较高, 其中北坡最高, 达62.08%, 在东坡和南坡的占比较低, 其中南坡仅占40.78%; 植被轻微改善类型在平地的占比最低, 仅18.00%, 在南坡的占比最高, 达到了37.01%, 在其他坡向则基本一致; 植被无明显变化类型在平地的占比最低, 仅为5.83%, 其次为北坡和西坡, 分别为7.35%、8.60%, 在东坡和南坡的占比较高, 分别为16.99%、19.69%。
在平地上, 植被明显改善类型呈优势分布(=1.60), 中度改善类型分布较平稳(=1.06), 轻微改善和无明显变化类型呈非优势分布(0.64<<0.74); 在北坡时, 植被中度改善和轻微改善类型具有一定的分布优势(1.09<<1.12), 明显改善类型的非优势分布最为明显(=0.36), 无明显变化呈非优势分布(=0.82); 在西坡时, 植被无明显变化类型分布较平稳(=0.96), 但在东坡和南坡具有明显的分布优势(>1.89); 东坡、南坡和西坡上的轻微改善类型均呈优势分布(>1.22), 明显改善和中度改善类型均呈非优势分布。
近20年来, 白芨滩自然保护区植被覆盖类型以低覆盖度和中覆盖度为主, 占保护区总面积的70%以上。总体来看, 该保护区的植被覆盖度呈上升趋势, 植被逐渐改善, 其中劣覆盖度和低覆盖度类型占比呈波动下降趋势, 中覆盖度和高覆盖度类型占比呈上升趋势, 主要植被覆盖变化趋势类型是中度改善, 可以看出该保护区通过不断推进生态工程建设, 植被改善效果明显, 但仍有一定的波动。由于保护区生态系统比较脆弱, 植被易受气候因子影响, 一些研究表明气候因子会对植被造成影响[37–39], 在本地区产生的波动可能与此有关, 仍有待进一步研究。
图7 不同坡向的植被覆盖变化趋势类型占比(a)和K的变化趋势(b)
Figure 7 The proportion of vegetation cover variationtrends type (a) and the change of(b) with different exposure
本研究分析了该保护区各地形因子中植被覆盖类型的变化趋势, 明确了在不同地形因子下植被的变化情况, 对荒漠类自然保护区生态建设重点区域的选取和掌握植被恢复规律有一定实际意义。该保护区的地形因子对植被的影响明显: 在地势低(<1500 m)、坡度平坦(<2 °)的区域, 植被改善趋势明显, 尤其在海拔1200 m以下区域, 植被明显改善类型具有分布优势, 且占比(29.76%)高于其他区域, 说明这些区域是生态工程建设的重点区域, 且成效显著; 地势越高、坡度越大, 植被改善越不明显, 这些区域的生态保护建设仍需要着重注意和加强; 在坡向上, 北坡和西坡的植被改善情况介于平地与其他坡向之间, 而东坡和南坡的无明显变化类型具有分布优势, 且占比均高于其他坡向。一些研究表明, 由于地势高和坡度大的地区人类活动较少, 生态环境较好, 植被恢复更为显著[36], 但该保护区的植被恢复主要在于人为的生态建设, 地势低和平坦的地区更易于生态建设, 与其他研究有明显不同。
白芨滩自然保护区自成立以来一直致力于荒漠生态修复[40], 本研究得出的植被覆盖度变化特征证实了该保护区整体的生态修复治理成效明显。根据在地势低、坡度小的区域植被改善趋势明显的情况, 建议着重关注地势高、坡度大的区域的生态修复措施。根据在西坡和东坡植被改善趋势优于其他坡向的情况, 建议进一步利用好在西、北坡的生态修复建设工程的优势, 以达到更好的效果。
分析植被覆盖度的时空变化特征的研究方法众多, 包括研究不同气候因子或人类活动对植被覆盖变化产生的影响等[41–42], 在今后的研究中, 可以选用其他遥感数据源、采取不同的分析方法, 进一步研究气候因子和人类活动对该保护区植被的影响, 更加全面地分析植被覆盖变化特征并阐释该保护区植被覆盖变化的驱动因素。
2000—2019年, 该保护区植被覆盖类型以低覆盖度和中覆盖度类型为主, 植被覆盖度呈逐渐上升趋势, 且其变化特征在不同阶段表现不同, 由波动变化不明显逐渐变为波动上升趋势。地形因子也影响了该保护区植被变化趋势类型的分布: 随着高程的增加, 该保护区植被明显改善类型占比逐渐下降, 植被无明显变化类型占比逐渐上升; 坡度越平坦的地区植被改善越明显; 西坡和北坡的植被改善情况要好于东坡和南坡。
[1] 田帅, 韩雯雯, 韩凯, 等. 毛乌素沙地防沙治沙现状及对策——以宁夏灵武白芨滩国家级自然保护区为例[J]. 现代商贸工业, 2014, 26(14): 186–187.
[2] 刘先银. 宁夏白芨滩自然保护区科学考察集[M]. 北京: 中国林业出版社, 1999.
[3] 魏蒙. 沙漠绿洲——宁夏灵武白芨滩国家级自然保护区治沙掠影[J]. 宁夏林业, 2017(1): 38–39.
[4] 童晓伟, 王克林, 岳跃民, 等. 桂西北喀斯特区域植被变化趋势及其对气候和地形的响应[J]. 生态学报, 2014, 34(12): 3425–3434.
[5] 木热提江·阿不拉, 张晓萍, 陈利利, 等. 基于GIMMS NDVI的黄土高原地区荒漠化时空特征分析[J]. 中国水土保持科学, 2015, 13(3): 28–35.
[6] RUNNSTORM M C. Rangeland development of the Mu Us sandy land in semiarid China: an analysis using Landsat. and NOAA remote sensing data[J]. Land Degradation and Development, 2003, 14(2): 189–202.
[7] 贾坤, 姚云军, 魏香琴, 等. 植被覆盖度遥感估算研究进展[J]. 地球科学进展, 2013, 28(7): 774–782.
[8] 程红芳, 章文波, 陈锋. 植被覆盖度遥感估算方法研究进展[J]. 国土资源遥感, 2008(1): 13–18.
[9] PETTORELLI N, JON O V, ATLE M, et al. Using the satellite-derived NDVI to assess ecological responses to environmental change[J]. Trends in Ecology and Evolution, 2005, 20(9): 503–510.
[10] FORKEL M, CARVALHAIS N, VERBESSELT J, et al. Trend Change Detection in NDVI Time Series: Effects of Inter-Annual Variability and Methodology[J]. Remote Sensing, 2013, 5(5): 2113–2144.
[11] JAMALI S, JÖNSSON P, EKLUNDH L, et al. Detecting changes in vegetation trends using time series segmentation[J]. Remote Sensing of Environment, 2015, 156: 182–195.
[12] 张建香, 张多勇, 张勃, 等. 黄土高原植被景观多尺度变化及其与地形的响应关系[J]. 生态学杂志, 2015, 34(3): 611–620.
[13] 张和钰, 管文轲, 李志鹏, 等. 基于无人机影像的戈壁区植被空间分布特征及其主要影响因素研究[J]. 干旱区资源与环境, 2020, 34(2): 161–167.
[14] ZHAN Zhongze, LIU Hongbin, LI Huiming, et al. The Relationship between NDVI and Terrain Factors -A Case Study of Chongqing[J]. Procedia Environmental Sciences, 2012, 12: 765–771.
[15] CHU Hongshuai, SERGEY V, WU Chao, et al. NDVI-based vegetation dynamics and its response to climate changes at Amur-Heilongjiang River Basin from 1982 to 2015[J]. The Science of the total environment, 2019, 650(2): 2051–2062.
[16] LI Yurui, CAO Zhi, LONG Hualou, et al. Dynamic analysis of ecological environment combined with land cover and NDVI changes and implications for sustainable urban–rural development: The case of Mu Us Sandy Land, China. Journal of Cleaner Production, 2017, 142(2): 697–715.
[17] 王兴东. 宁夏灵武白芨滩自然保护区综合科学考察报告[M]. 北京: 中国林业出版社, 2018.
[18] SONG Xiaoyang, HUANG Yaohuan, FU Jingying, et al. Spatial Variability and Ecological Effects of Anthropogenic Activities in a Nature Reserve: A Case Study in the Baijitan National Nature Reserve, China[J]. Sustainability, 2017, 9: 239.
[19] 杨强, 王婷婷, 陈昊, 等. 基于MODIS EVI数据的锡林郭勒盟植被覆盖度变化特征[J]. 农业工程学报, 2015, 31(22): 191–19.
[20] 罗亚, 徐建华, 岳文泽. 基于遥感影像的植被指数研究方法述评[J]. 生态科学, 2005, 24(1): 75–79.
[21] 保家有, 李晓松, 吴波. 基于沙地植被指数的荒漠化评价方法[J]. 东北林业大学学报, 2008, 36(1): 71–74.
[22] 何颖清, 秦雁, 扶卿华, 等. 动态端元组合混合像元分解法在植被覆盖度动态监测中的应用——以长汀县为例[J]. 热带地理, 2016, 36(5): 860–868.
[23] 李晓松, 高志海, 李增元, 等. 基于高光谱混合像元分解的干旱地区稀疏植被覆盖度估测[J]. 应用生态学报, 2010, 21(1): 152–158.
[24] 刘洋, 吕一河, 郑海峰, 等. 用回归树模型分析陕北黄土丘陵沟壑区气候因子对NDVI变异的影响[J]. 应用生态学报, 2010, 21(5): 1153–1158.
[25] 陈建军, 黄莹, 赵许宁, 等. 黄河源区高寒草地植被覆盖度反演模型精度评价[J]. 科学技术与工程, 2019, 19(15): 37–45.
[26] 穆少杰, 李建龙, 陈奕兆, 等. 2001—2010年内蒙古植被覆盖度时空变化特征[J]. 地理学报, 2012, 67(9): 105–118.
[27] 王晓江, 胡尔查, 李爱平, 等. 基于MODIS NDVI的内蒙古大青山自然保护区植被覆盖度的动态变化特征[J]. 干旱区资源与环境, 2014, 28(8): 61–65.
[28] 李培先, 郑江华, 刘萍. 2000—2014年乌鲁木齐市植被覆盖度时空变化分析[J]. 林业资源管理, 2016(4): 88–95.
[29] 莎日娜. 基于NDVI的乌拉特后旗植被覆盖度时空变化分析[J]. 林业资源管理, 2017(6): 89–93,102.
[30] 阿如汗. 基于NDVI的内蒙古科尔沁国家级自然保护区植被覆盖度时空变化分析[J]. 内蒙古科技与经济, 2018, 398(4): 49–50.
[31] 郭紫晨, 刘树林, 康文平, 等. 2000—2015年毛乌素沙区植被覆盖度变化趋势[J]. 中国沙漠, 2018, 38(5): 203–211.
[32] 王爱玲, 朱文泉, 李京, 等. 基于SPOT NDVI的祁连山草地植被覆盖时空变化趋势分析[J]. 地理科学进展, 2010, 29(9): 1075–1080.
[33] 罗文玮, 赖日文, 陈思雨, 等. 基于NDVI的福建省植被变化特征分析[J]. 森林与环境学报, 2016, 36(2): 141–147.
[34] 王亚琴. 高海拔地区植被变化主要影响因子脱钩研究——以青海省为例[D]. 北京: 中国科学院地理科学与资源研究所, 2013.
[35] 童晓伟, 王克林, 岳跃民, 等. 桂西北喀斯特区域植被变化趋势及其对气候和地形的响应[J]. 生态学报, 2013, 34(12): 3425–3434.
[36] 朱林富, 谢世友, 杨华, 等. 基于MODIS EVI的重庆植被覆盖变化的地形效应[J]. 自然资源学报, 2017, 32(12): 2023–2033.
[37] 杨延征, 赵鹏祥, 郝红科, 等. 基于SPOT–VGT NDVI的陕北植被覆盖时空变化[J]. 应用生态学报, 2012, 23(7): 169–175.
[38] 刘灿, 高阳华, 李月臣, 等. 基于NDVI的重庆市植被覆盖变化及其对气候因子的响应[J]. 长江流域资源与环境, 2013, 22(11): 1514–1520.
[39] 刘梁美子, 占车生, 胡实, 等. 黔桂喀斯特山区植被变化及其地形效应[J]. 地理研究, 2018, 37(12): 75–88.
[40] 黄芹. 坚持绿色发展建设美丽白芨滩[J]. 中共银川市委党校学报, 2018, 20(6): 64–66.
[41] 李同艳, 何云玲, 熊巧利. 云南中部地区植被覆盖时空变化特征及其影响因素研究[J]. 生态科学, 2019, 38(3): 45–54.
[42] 何云玲, 熊巧利, 余岚, 等. 基于NDVI云南地区植被生态系统对气候变化的适应性分析[J]. 生态科学, 2019, 38(6): 165–172.
The response of dynamic change in vegetation coverage to topography in Baijitan National Nature Reserve in Lingwu, Ningxia
YU Qiyin1,*,SONG Chao2
1. China National Forestry-Grassland Economics and Development Research Center, State Forestry-Grassland Administration, Beijing 100714, China 2. School of Ecology and Nature Conservation, Beijing Forest University, Beijing 100083, China
Based on the moderate-resolution imaging spectroradiometer-normalised difference vegetation index (MODIS–NDVI) time series data from 2000 to 2019, the vegetation coverage in the Baijitan National Nature Reserve during this periodwas estimated with ArcGIS, and the change trend of vegetation coverage and its relationship with topographic factors were analyzed through vegetation index and trend analysis methods. The results are as the follows. (1) The vegetation coverage trend gradually changed from insignificant fluctuation to increasing fluctuation. (2) The main types of vegetation coverage were low-cover and medium-cover. (3) With an increase in elevation, the vegetation improvement decreased gradually, and the types of vegetation without a significant change gradually increased; the vegetation improvement in the area with flat slope was significant, and the vegetation improvements in the northern and western slopes were better than those in the eastern and southern slopes.The effect of the reserve protection from 2000 to 2019 was significant, but it was still necessary to carry out ecological protection construction in low-cover vegetation areas, and to focus on high-elevation and large-slope areas.
vegetation coverage; topographic factor; dimidiate pixel model; trend analysis; nature reserve
10.14108/j.cnki.1008-8873.2022.02.011
X835
A
1008-8873(2022)02-091-08
2020-06-12;
2020-07-07
国家林业和草原局重大问题调研(ZDWT201907)
余琦殷(1990—), 男, 汉族, 北京人, 助理研究员, 主要从事生态安全研究, E-mail: tzey@live.cn
通信作者:余琦殷
余琦殷, 宋超. 宁夏灵武白芨滩自然保护区植被覆盖变化地形效应[J]. 生态科学, 2022, 41(2): 91–98.
YU Qiyin, SONG Chao, et al. The response of dynamic change in vegetation coverage to topography in Baijitan National Nature Reserve in Lingwu, Ningxia[J]. Ecological Science, 2022, 41(2): 91–98.