2010～2020年白龙江流域植被覆盖度时空变化特征研究

陈 锷，赵晓冏

(1.甘肃省环境监测中心站，甘肃 兰州 730020；2.甘肃省生态环境科学设计研究院，甘肃 兰州 730020)

1 引言

植被是土地覆盖的最主要部分，也是生态系统的主体，是联结土壤、大气和水分的自然“纽带”，植被覆盖度能有效衡量地表植被的覆盖状况，是主要的植被生态系统定量指标参数[1]。地表植被覆盖能够有效提高区域植被的固碳能力，增加区域碳汇，改善区域生态环境[2,3]。流域植被覆盖变化体现了自然和人类活动对生态环境的作用[1]，其变化通过影响下垫面环境而对局地气候调节及区域生态安全格局产生显著作用。开展地表植被覆盖变化监测研究可为区域精准实施生态修复/恢复工程和我国实现碳中和目标提供科学依据。

近年来，国内外学者主要采用MODIS NDVI产品和Landsat系列卫星遥感影像对不同尺度下的植被覆盖度进行了大量研究[1,4～10]。其中，张志强等[11]基于MODIS数据产品和气象站降水数据，采用像元二分模型，分析了2000～2019年黄河流域植被覆盖度空间格局、时序变化和发展趋势；钟琪等[12]基于Landsat影像，采用像元二分法模型，反演了1998～2017年大宁矿区不同时期的地表植被覆盖度，分析了矿区植被覆盖度变化趋势；彭文甫等[13]基于Landsat5/8遥感影像和DEM数据，利用像元二分模型，开展了岷江汶川-都江堰段植被覆盖的动态监测研究，揭示了该区域植被在汶川地震前后的变化规律；邓晨晖等[14]基于MODIS NDVI数据，反演了秦岭地区2000～2015年植被覆盖度，探究了植被覆盖度对气候变化与人类活动的双重响应机制。从当前研究现状来看，学者对植被覆盖度变化的研究多集中在生态环境脆弱区或农牧交错带[7,8]，对以山地植被为主的白龙江流域最新的研究还不多见。

甘肃白龙江流域是全国九大林区之一，也是长江上游重要的水源涵养区，其生态功能和地位十分重要。流域内森林作为主要生态系统主体，其覆盖率达到55%以上，是该区域生态系统中最大的碳库，森林固碳是减缓气候变化的重要途径之一。近年来，随着社会经济的快速发展和区域气候变化的影响，流域内生态环境虽整体向好但仍存在点状恶化的现象，地表森林植被破坏，滑坡、泥石流等地质灾害频发，山地丘陵地带水土流失尚未得到有效遏制，严重影响了区域经济、社会的可持续发展，也在一定程度上降低了区域碳汇潜力。因此，研究该流域植被覆盖变化，及时掌握植被退化区域，对流域生态修复、增加区域碳汇都具有重要意义。

以甘肃白龙江流域为例，利用MODIS NDVI产品和LandsatTM/OLI数据，运用混合像元分解法估算了白龙江流域的植被覆盖度，综合运用趋势分析法、标准差分析法和变化过程分析方法，对白龙江流域2010～2020年植被覆盖度时空变化进行研究，以期为山地植被的合理利用与生态修复治理提供数据支撑。

2 数据资料来源和研究方法

2.1 研究区概况

白龙江地处甘肃南部，位于长江流域和黄河流域的分水岭间，介于北纬32°36′～34°24′，东经103°0′～105°30′(图1)，流域面积18436.3 km2。流域范围涉及陇南市的迭部县、宕昌县、武都区、文县以及甘南藏族自治州的舟曲县。白龙江流域以山地丘陵为主，海拔高差较大[9]，流域内河流纵横交织，水资源丰富。在海拔高差影响下，受到光热条件的制约，流域内植被分布呈现出明显的垂直分异规律，从常绿阔叶林逐渐向亚高山针叶林、高山灌丛、高山草甸演替。流域内气候复杂多样，整体上降水量较多，夏季炎热、雨水丰富，冬季温凉、降水稀少[15]。

图1 研究区地理概况

2.2 数据来源及处理

2.2.1 数据来源

本研究用到的数据源主要有以下几种：

(1)白龙江流域MODIS数据，采用美国NASA提供的MODIS2级标准数据产品—MOD09Q1地表反射率产品数据(http://reverb.echo.nasa.gov)，其时间范围是2010～2020年，空间分辨率和时间分辨率分别为250 m和8 d。

(2) 白龙江流域Landsat-TM/OLI数据，空间分辨率为30 m。本研究利用Landsat-TM/OLI影像作为较高分辨率(30 m)的遥感影像评估大尺度的低空间分辨率(250 m)的MODIS数据植被覆盖度的计算结果。结合白龙江流域植被覆盖类型数据选取验证的Landsat-TM/OLI影像数据，原则是使得验证Landsat-TM/OLI影像均匀分布、覆盖所有植被类型以及不同年份。所使用的Landsat-TM/OLI影像数据来自于中国科学院地理空间数据云以及美国地质勘探局(United States Geological Survey，USGS)网站(http://glovis.usgs.gov/)Level2级产品，经过辐射校正和系统级几何校正处理。

2.2.2 白龙江流域生态系统分类

生态系统类型数据来源于生态生态环境部卫星应用中心，时段为2015年，根据甘肃省实际情况和根据研究需要，将研究区生态系统类型整合为7个类型(包括森林、灌木、草地、水体、农田、城镇、裸地)，建立相应的数据库(图2)。

2.2.3 植被覆盖度提取

本研究中采用线性光谱混合模型的方法进行植被覆盖度的遥感反演。线性光谱混合模型是混合像元分解法中的一种，定义为：像元在某一光谱波段的反射率(亮度值)是由构成像元的基本组分(Endmember)的像元的反射率(亮度值)以其所占像元面积比例为权重系数的线性组合。反演流程见图3，详细原理见参考文献[16,17]。

具体步骤为：第一，对获取的Landsat遥感影像进行辐射标定和大气校正等数据预处理；第二，根据亮温数据和反射率数据剔除遥感影像中的水体和云像元；第三，根据已有研究区生态系统类型数据，对不同的生态系统类型分别建立绿色植被、枯萎植被和裸地表的光谱库；第四，在同一个生态系统类型中，假设每个像元都由绿色植被、枯萎植被和裸地3种亚像元组成，并依据下面公式进行混合像元分解：

ρ(λ)pixel=∑[Ce·ρ(λ)e]+ε=[CPV·ρ(λ)PV

+CNPV·ρ(λ)NPV+CS·ρ(λ)S]+ε

(1)

式(1)中，ρ(λ)pixel表示每一个亚像元e在波长λ的反射率，PV、NPV、S分别表示绿色植被、枯萎植被和裸地表3个亚像元，ε为误差项，Ce表示每种亚像元所占的比例。

图2 白龙江流域生态系统分类

图3 白龙江流域植被覆盖度反演流程

步骤之第五，在混合像元求解过程中，需建立代价函数，从对应生态分区光谱库中反复选择绿色植被、枯萎植被和裸地表光谱曲线代入上面公式中进行求算，直到获取最优解，才会停止迭代，并输出3种亚像元所占的比例；最后，获得2010～2020年白龙江流域逐旬植被覆盖度数据。

2.2.4 植被覆盖度精度验证

本研究采用较高空间分辨率的Landsat-TM/OLI数据计算的植被覆盖度结果作为参照值验证由MODIS数据获得的NDVI数据估算结果，Landsat-TM/OLI数据植被覆盖度结果由线性混合分解法得到。考虑到Landsat-TM/OLI数据与MODIS-NDVI 数据的空间分辨率相差较大，本文根据混合像元原理，近似认为Landsat-TM/OLI的每个像元反射率的贡献率是相同的，也就是MODIS的每个像元值为其所对应的所有Landsat-TM/OLI像元值的均值。在进行结果精度验证前，利用焦点统计(Focal Statistics)方法对基于Landsat-TM/OLI数据计算得到的植被覆盖度数据进行处理，使其每个像元值等于邻域33×33个栅格的均值[18]。根据Landsat-TM/OLI影像分布及影像云覆盖状况选取典型地物作为采样点，基于点位置提取Landsat-TM/OLI估算结果，与混合像元法提取的植被覆盖度结果进行统计比较。

2.3 研究方法

2.3.1 植被覆盖度最大值合成法

本研究采用植被覆盖度最大值合成法[14]，获得每年的最大化植被覆盖度数据，即在每个象元取该象元每半月的VF最大值对每月VF进行预处理。其计算方法如下：

MVFi=MAX(VFij)(i=1，2，…，10；j=1，2，…，46)

(2)

式(2)中，MVFi为第i年的最大化VF值；i为1～11的整数，数值分别代表2010～2020年；VFij为每8 dVF值；j为1～46的整数，数值分别代表每8 d的数据名。

2.3.2 趋势分析法

本研究采用趋势分析法揭示研究区内时间序列上的植被覆盖度变化趋势。趋势分析法可更加真实地反映长时间序列植被覆盖的演化趋势[19]。为了将变化范围与其他区域进行对比及分析年最大植被覆盖度的变化幅度。本研究根据Slope指数得到11年间植被覆盖度的变化范围Range，分析年最大植被覆盖度的变化幅度，计算公式如下：

(3)

式(3)中,VFi为第i年的植被覆盖度；n为时间序列长度(2010～2020年共11年)；Slope为斜率。Slope为正时，表明植被覆盖度为增加趋势，反之则为减少趋势。Range表征的是变化趋势的范围，揭示变化的程度。

2.3.3 标准差分析

标准差表示数据变量偏离常态的距离的平均数，能反映一个数据集的离散程度，其值越大，说明该地区在研究时段内各像元植被覆盖度距离平均值越远，即该段时间植被覆盖度的年际变化较大[20]。

(4)

聚类分析将标准差(Si)分为5类：高(Si≥13.19)，较高(9.84≤Si<13.19)，中(4.63≤Si<9.84)，较低(1.60≤Si<4.63)，低(Si<1.60)，在此基础上分析白龙江流域多年植被覆盖波动变化特征。

2.3.4 变化过程分析方法

本研究首先在像元基础上计算2010～2013年的年最大覆盖度的平均值Cmax(2010～2013)。以4 a为时间步长，求取2013～2016年和2017～2020年的最大覆盖度的平均值，分别减去Cmax( 2010～2013)，分别获取其变化量Cmax(2013～2016)和Cmax(2017～2020)。并将变化量的各像元盖度值变化(差值)按10%分级，可以分为：增加1级( 0～10% )、2 级( 10%～20% )、3 级( 20%～30% )、4级( > 30% )；减少1级( 0～-10% )、2级( -10%～-20% )、3级( -20%～-30% )、4级(<-30% )。

根据2010～2013、2013～2016和2017～2020年3个时段最大覆盖度的平均值变化情况，将变化类型分为4种：持续减少( - -)、持续增加( + +)、先减后增( - + )、先增后减( + - )，从而获取覆盖变化过程的时空分布特征。

3 结果分析

3.1 植被覆盖度空间格局演变

3.1.1 植被覆盖度格局演变基本特征

从白龙江流域植被覆盖度空间格局演变特征图 (图4) 可以看出，2010～2020年白龙江流域植被改善明显，黑色低覆盖度的区域逐年变窄，明显减少，同时高覆盖度的区域也有不同程度的向中等覆盖度的区域转化；2010～2020年白龙江流域低植被覆盖度区域有从东南向西北转移的趋势，并且该转移趋势较明显；近年来，白龙江流域退耕还林、还草等工程的实施，白龙江沿岸植被渐渐恢复，植被覆盖度升高明显；白龙江沿岸植被受人类活动的影响，呈现出河流沿岸以低覆盖度分布形成“Y”字形，白龙江流域“南高北低、西高东低”植被格局依然明显。

图4 2010～2020年白龙江流域年最大植被覆盖度分布

3.1.2 空间格局演变的稳定性

白龙江流域2010～2020年植被覆盖标准差介于0.0～30.05之间，整体呈现为：“两头小中间大，高低波动并存，较高波动居多”，稳定性存在明显的地域差异(图5)。空间格局主要特征为：①高波动区主要分布在河流沿岸，以及迭部县的北部，所占比重较小为0.62%；②较高波动区主要分布在河流沿岸高波动区的外围以及武都区安化乡、汉林乡一带，比重为3.07%；③中度波动区分布范围较大，大部分分布在文县、武都区和宕昌县，集中在“Y”字形的右边，比重占到30.28%；④较低波动区分布最为广泛，全流域都有分布，且分布在中度波动区域外围，比重占到65.01%；⑤低波动区零星分布于文县南部的半山、刘家坪一带，宕昌县的西部的南河乡一带，所占比重较小为1.02%。

图5 白龙江流域植被覆盖度稳定性

3.2 植被覆盖度年际变化特征

3.2.1 变化趋势分析

在ArcGIS中利用等间隔分级方法将Slope指数分为7级[16]，这种分级法基于Slope值域范围的不同，分级也不同，最大化分化了区域的内部差异，利于外推将变化范围与其他区域对比。根据公式3得到11年间植被覆盖度的变化范围Range，分析年最大植被覆盖度的变化幅度。将该区域植被变化分为7个级别，分别为严重退化、中度退化、轻微退化、基本稳定、轻微增加、中度增加和显著改善( 图6)。研究期间，白龙江流域range的平均值为-0.273，白龙江流域分县range平均值分别为迭部县为-4.78，宕昌县为2.253，舟曲县为-1.814，文县为-0.794，武都区为4.413。可以看出，只有宕昌县和武都区植被覆盖度呈增加趋势，其中武都区增加趋势较明显。而迭部县植被覆盖度减小趋势较明显，地区差异显著。

图6 白龙江流域年最大植被覆盖度变化

根据图6， 11年间白龙江流域植被覆盖度变化范围在±2%之间的区域属于基本稳定的区域，其面积为6441.06 km2，占流域总面积的31.14%，所占比重最大，广泛分布在全区的各子区。植被覆盖度变化范围为负值的区域即年最大植被覆盖度变化为减少趋势的区域占流域总面积的39.75%，年最大植被覆盖度呈增加趋势的区域占流域总面积的29.10%，植被覆盖度减少的区域要大于增加的区域。其中呈现轻微退化的地区，植被覆盖度变化范围在-6%～-2%之间的地区面积为5939.81 km2，占流域总面积的28.72%，广泛分布在流域南部和西部。年最大植被覆盖度中度、严重退化的区域主要分布在迭部县、舟曲、文县和武都区交界处。迭部县是甘肃省的重点牧业县，由于过度放牧和不合理开垦，使得大量植被遭到了破坏，草地资源严重退化，使之成为了植被覆盖度中度及严重退化的地区。白龙江流域年最大植被覆盖度呈轻微增加趋势的面积为3031.62 km2，占流域总面积的14.66%，为第三分布广泛的变化类型，主要分布在宕昌县和武都区。这些地方植被覆盖度轻微增加说明了退耕还林、退牧还草等工程初见成效。可以看到中度增加和显著增加的植被覆盖度面积大于中度和严重退化的面积，主要分布在武都区和宕昌县的白龙江以东地区。

3.2.2 变化过程分析

图7为2013～2016年和2017～2020年最大植被覆盖度的平均值与Cmax(2010～2013)差值，即Cmax(2013～2016)和Cmax(2017～2020)的空间分布。其中植被覆盖度增加区域主要分布在宕昌县和武都区，尤其是宕昌县的向阳乡、武都区的汉林和安化乡；减少区域主要分布在迭部县的花园、康多乡和文县的临江镇。从植被覆盖度变化过程来看(图8)，不同区域植被覆盖度变化过程不同。植被覆盖度呈现持续增加的区域广泛分布于全流域，以宕昌县和武都区面积最大；宕昌县的哈达铺植被覆盖度呈现先减少后增加态势；武都区南部和文县植被覆盖度呈现先增加而后减少态势；而呈现持续减少的区域分布在迭部县、舟曲县南部和文县南部等地，其中迭部县分布最广。

根据图7可知，2013～2016年，植被覆盖度呈增加的区域，面积占到18.575%，植被覆盖度减少的区域，面积占到81.425%；2016年以后，植被覆盖度增加的区域，面积占到42.945%，植被覆盖度减少的区域，面积占到57.065%，植被覆盖度降低的区域，其面积呈现减少趋势。根据图8可知，占流域总面积22.15% 的区域，植被覆盖度呈现持续上升，13.33% 的区域呈持续降低，7.99%的区域呈先升后降，56.53%的区域呈先降后升，总的来说，白龙江流域大部分区域的植被覆盖度呈升高态势。

图7 白龙江流域植被覆盖度在不同时段变化程度的空间分布

图8 白龙江流域植被覆盖度变化过程空间分布特征

4 结论

(1)白龙江流域植被覆盖度的年际变化趋势存在着显著空间差异。趋于升高的区域主要分布在宕昌县和武都区；具有降低趋势的区域主要分布在迭部县、舟曲、文县和武都区交界处。

(2)从白龙江流域各县植被覆盖度变化趋势看，只有宕昌县和武都区植被覆盖度呈增加趋势，其中武都区增加趋势较明显。而迭部县植被覆盖度减小趋势较明显。

(3)以4 a为步长的分析表明：植被覆盖度呈现持续增加的区域广泛分布于全流域，以宕昌县和武都区面积最大；宕昌县的哈达铺植被盖度呈现先减少后增加态势；武都区南部和文县植被盖度呈现先增加而后减少的态势；呈现持续减少的区域分布在迭部县、舟曲县南部和文县南部等地, 其中迭部县分布最广。

(4)从植被覆盖度变化的过程来看，占流域总面积22.15%的区域，其植被覆盖度呈现持续上升，13.33%的区域呈持续降低，7.99%的区域呈先升后降，56.53%的区域呈先降后升，总体上白龙江流域大部分植被盖度呈升高态势。

(5)从植被覆盖度格局演变特征来看，2010～2020年白龙江流域植被改善明显，低植被覆盖度的区域逐年变窄，明显减少，同时高覆盖度的区域也有不同程度的向中等覆盖度的区域转化；2010～2020年白龙江流域低植被覆盖度区域有从东南向西北转移的趋势，转移趋势较明显。

(6)空间格局演变的稳定性整体呈现为：“两头小中间大，高低波动并存，较高波动居多”，稳定性存在明显地域差异。高波动区面积所占比重最小；较低波动区分布最为广泛，主要分布在中度波动区域外围。

5 讨论

在过去近11 a，白龙江流域植被覆盖度在大多数地区呈上升趋势，表明白龙江流域植被生长状况增强，虽然近年来，部分地区由于城镇化和人为过度利用土地导致植被状况恶化，但从总体上看，白龙江流域植被的覆盖状况还是有所改善。

本研究讨论了利用MODIS数据反演的植被覆盖度年际变化的时空差异，这种差异主要取决于不同区域自然、社会经济特征的差异，对于探讨流域尺度植被退化及其驱动机制来说，是一项十分基础且又迫切的工作。植被退化通常表现为植被覆盖度下降、物种组成改变、生物量下降等[21,22 ]。白龙江流域植被退化更多表现在植被覆盖度的下降。

本文基于MODIS数据反演的植被覆盖度虽然有较高的时间分辨率，但其空间分辨率相对较低，受人类活动影响的小范围区域并不能有效的从影像上反映出来，这为准确、有效地监测流域植被生长状况和人为破坏情况成为瓶颈。为此，在以后工作中，应加强高空间分辨率数据对流域植被的动态监测和评估。