基于不同地貌类型区甘南州植被覆盖时空变化及其影响因素研究

马 玥，王录仓①，赵瑞东，常 飞

(1.西北师范大学地理与环境科学学院，甘肃 兰州 730070；2.新疆大学资源与环境科学学院，新疆 乌鲁木齐 830046；3.深圳大学建筑与城市规划学院，广东 深圳 518000)

在全球气候变化和人类活动日益加剧的大背景下，地球植被的动态变化成为各领域关注的热点之一[1]。作为陆地生态系统的重要部分，植被系统因其变化与地形地貌、土壤、气候等相适应而成为评估区域生态系统状态的重要指标[2]。植被覆盖度(fractional vegetation coverage，FCV)能够用于很好地监测地面植被的生长情况[3]，研究相关动态变化及影响因素对于定量分析区域生态环境演变规律和开展生态系统评价具有重要意义[4]。

目前，国内外关于植被覆盖的研究数据多以遥感监测数据为主，历经了LANDSAT—AVHRR—SPOT—MODIS的不断转变。就植被大范围监测研究而言，主要广泛使用的是归一化差值植被指数(normalization difference vegetation index，NDVI)和增强植被指数(enhanced vegetation index，EVI)等遥感植被指数[5]，其中，EVI指数是在NDVI指数基础上改进了其算法和合成方法，很好地克服NDVI存在的易饱和等问题[6]，可用于植被生长环境监测、植被覆盖变化研究等方面。当前，国内外关于植被覆盖研究已取得较多成果，如EVRENDILEK等[7]根据NDVI和EVI数据发现了植被覆盖的差异；QIU等[8]研究表明EVI数据能同时反映高植被覆盖区植被覆盖情况和区分高低植被覆盖区。在人类活动日益加剧、全球气候发生变化的情况下，甘南藏族自治州(简称甘南州)也出现草地退化、荒漠化和沙化等现象[9]，这引起了各界学者的关注与研究。马琳雅[10]建立了生长季植被覆盖反演模型，分析了2000—2011年甘南地区植被覆盖与物候期的时空变化特征；蔡栋[11]评估了甘南草地生态系统的风险。总体来看，目前的大部分研究主要以MODIS EVI数据为支撑，多采用规避误差能力较弱的一元线性回归趋势分析法来研究植被覆盖度[12]，且将影响因素归咎于自然因素(尤其是气候因素)，虽然张卓等[13]认为人类活动也是制约甘南州植被增长的关键因素，但并没有针对对植被覆盖变化有明显作用的人类活动因素进行说明。

甘南州地处青藏高原东北边缘与黄土高原、秦巴山地的过渡区，气候类型多样，地貌复杂多变，地貌类型与水文、土壤、气候、生物等具有密切关系，并且在不同尺度上影响气候、植被等自然要素的空间格局和分异规律[14]。由于地貌类型的不同，甘南州不同区域地表植被覆盖度与生态环境差异十分明显。因此，以甘南州植被主要生长期6—8月MODIS EVI数据为支撑，应用核密度分析、像元二分模型、Theil-Sen Median趋势法和Mann-Kendall检验等方法，分析了2000—2018年甘南州不同地貌植被覆盖时空变化及其影响因素，旨在为甘南州生态环境演变和影响机制研究提供科学依据。

1 研究区概况

甘南州位于甘肃省西南部，地处青藏高原东北边缘、中国地势第一级阶梯向第二级阶梯的过渡地带[15]，地势西北高东南低，地形复杂多变，海拔高度分布在1 100～4 900 m之间，大部分地区在3 000 m以上，主要植被类型有高寒草甸、高寒灌丛草甸和山地森林等。根据甘南州地形地貌及植被特点，将其划分为西北部山原区(Ⅰ)、东部山地丘陵区(Ⅱ)和南部岷迭山谷区(Ⅲ)3类地貌类型区(图1)。其中，东部山地丘陵区面积最大，约占42%，范围包括合作市、临潭县和卓尼县全境及碌曲县、夏河县部分区域，其地处甘南高原与黄土高原的过渡地带，气候高寒阴湿，农林牧兼营；西北部山原区面积约占37%，为广阔的草甸草原，地域包括玛曲县全境、碌曲县大部及夏河县部分地区，主要分界在郎木寺(碌曲)—玛艾镇(碌曲)—甘加镇(夏河)以西，平均海拔在3 300 m以上，是甘肃省主要牧区；南部岷迭山谷区面积最小，约占21%，是以岷迭山系与白龙江流域构成区域为主，包括迭部县、舟曲县全境，地形切割剧烈、坡陡壁峭、沟谷幽深，是甘肃省重要林区之一[16]。

图1 研究区概况

2 数据来源与研究方法

2.1 数据来源

MOD13Q1数据为美国国家航空航天局(NASA)最新发布的第6版MODIS陆地三级标准数据产品，空间分辨率为250 m，数据可通过NASA对地观测系统数据共享平台(https:∥modis.gsfc.nasa.gov/about/)下载。首先对MOD13Q1数据进行预处理[17](利用MODIS重投影工具从MOD13Q1数据产品中提取所有EVI波段，再根据研究区行政区划对EVI波段进行重采样、镶嵌、投影及格式转换等)，然后提取甘南州2000—2018年盛草时期每年6—8月EVI数据。以MODIS LST产品中获取的MOD11A2数据为基础，通过拼接、投影转换和裁剪等操作后，提取甘南州2000—2018年每年6—8月地表温度(LST)数据。DEM数据来源于地理空间数据云平台(http:∥www.gscloud.cn/)，空间分辨率为90 m。降水数据来源于CHIRPS(Climate Hazards Group InfraRed Precipitation with Station Data)全球范围降雨数据集提供的降水数据(https:∥www.chc.ucsb.edu/data/chirps)，该数据融合了卫星降水与地面气象站降水数据，可以提供卫星网格点降水用于趋势分析等，选取2000—2018年每年4—8月降水量平均值。人口、农作物播种面积、牲畜等数据来源于2000—2018年甘南州统计年鉴。

2.2 研究方法

2.2.1核密度分析

核密度分析是用于计算要素在其周围邻域中密度的工具，是以点要素计算每单位面积的量值，并将各个点或折线拟合为平滑锥状表面的分析方法[18]，可利用核密度曲线对EVI动态变化过程进行分析，计算公式为

(1)

式(1)中，F(x)为研究区域内EVI分布的核密度估计值；k为核函数；i为研究区域内各个地区；h为核密度函数的搜索半径；n为EVI数量总数；x-xi为点样本x到样本xi处距离。

2.2.2像元二分模型

植被覆盖度(FCV，VFC)是用于衡量一个区域地表植被覆盖情况的重要指标，与EVI有较强的正相关关系，EVI数据可以通过像元二分模型计算植被覆盖度。像元二分模型是假设遥感传感器观测到的一个图像光谱信息(EVI)是由植被光谱信息(IEV,veg)和非植被光谱信息(IEV,soil)两部分经一元线性加权合成，而其中各部分权重是各自面积在像元中所占比率，如植被覆盖度可以看作是植被权重。植被覆盖度计算公式[19-20]为

(2)

式(2)中，IEV,i为该时期某像元EVI值；IEV,veg值包含植被的类型和结构等信息；IEV,soil值包含土壤等的类型、颜色和湿度等非植被信息。

2.2.3Theil-Sen Median趋势分析

Theil-Sen Median趋势分析是用于模拟每个栅格数据的变化趋势，客观地反映一段时间序列下植被演化趋势的方法，其优点表现在稳定、不要求原样本服从一定分布、不受异常值干扰、规避数据误差的能力较强方面[21]。Theil-Sen Median趋势分析方法用于计算n(n-1)/2个数据组合的斜率的中位数(SEVI)，计算公式为

(3)

式(3)中，IEV,j和IEV,i分别为像元j年和i年EVI值。当SEVI>0时，表示研究期内EVI呈增长趋势；当SEVI<0时，表示呈退化趋势。

2.2.4Mann-Kendall检验

Mann-Kendall是用于判断趋势显著性的统计检验方法，其优点为不受少数异常值干扰且原样本无需服从一定分布[22]，计算公式如下：

设定{IEV,i} =i=2 000, 2 001, …, 2 018，定义Z统计量为

(4)

其中，

(5)

(6)

(7)

式(4)～(7)中，IEV,i和IEV,j分别为像元i年和j年EVI值；n为时间序列长度；sgn为符号函数；统计量Z的取值范围为(-∞, +∞)。在给定显著性水平α上，当|Z|>u1-α/2时(在给定显著性水平上，在正态分布表中查得临界值为u1-α/2)，表示研究序列在α水平上存在显著变化[23]。

将Theil-Sen Median趋势分析与Mann-Kendall检验相结合，是对显著性水平检验的统计学理论基础的科学阐述，它能有效地反映EVI时空变化特征和用于判断植被覆盖在时间序列下的数据趋势。由于基本不存在SEVI严格等于0的区域，所以将-0.000 5≤SEVI≤0.000 5的区域划分为稳定区，将SEVI>0.000 5的区域划分为改善区，将SEVI<-0.000 5的区域划分为退化区。将Mann-Kendall检验在α=0.05置信水平上的显著性结果划分为显著变化(Z>1.96或Z<-1.96)和不显著变化(-1.96≤Z≤1.96)。将检验结果叠加后进行分级，从而将EVI变化趋势划分为明显改善、轻微改善、基本稳定、轻微退化和严重退化5种类型(表1)。

表1 研究区分级结果

2.2.5多元线性回归模型

植被覆盖度变化是自然和人为因素共同作用的结果，其基础和关键性因素是气候发生变化，影响植被生长和分布。而植物生长时的光合作用、呼吸作用和土壤有机碳的积累分解，都是通过温度和降水来有效调控和影响的。同时，人类活动可以局部改变植被生长的立地条件，削弱植被生长对气候的依赖性，从而影响植被覆盖度变化的过程和格局[24]。多元线性回归模型是仅考虑各个自变量和因变量是线性作用的条件下，研究一个因变量和多个自变量之间线性关系的模型。如果出现非线性的影响条件，模型则可以通过变量代换将非线性因素进行拟合后使用。多元线性回归模型可用于分析不同地貌区EVI变化的影响因素。多元线性回归模型一般如下表达：

yi=α+β1x1i+β2x2i+…+βkxki+ei。

(8)

式(8)中，yi为因变量；α为截距；β为偏回归系数，表示在其他变量不变的情况下，第i个变量变化一个单位所引起的因变量变化值；ei为残差。

3 结果与分析

3.1 甘南州不同地貌类型区EVI时间变化趋势

3.1.1EVI时间变化趋势

甘南州是典型的高寒地区，其草地植被多在5月开始返青，6—8月长势迅速。因此，为研究甘南州植被覆盖区域EVI随时间变化的特点，选取各年6—8月EVI均值对当年植被覆盖状态进行分析(图2)。

EVI为增强植被指数。

由图2可知，2000—2018年甘南州草地生长季总EVI变化幅度不大，2000—2018年增长趋势为0.001 a-1，EVI均值呈现先上升再下降后又上升的趋势，表明植被整体生长状况开始好转。2000—2018年甘南州不同地貌类型区EVI呈现不同的变化趋势，其中，西北部山原区EVI增长趋势最低(0.000 8 a-1)，属于小幅度增长；而东部山地丘陵区EVI增长趋势最高，增长趋势为0.001 1 a-1，近19 a EVI指数增长0.096 2；南部岷迭山谷区EVI增长趋势为0.000 9 a-1，近19 a EVI指数增长0.078 5，整体上呈现较好的发展趋势。总体来看，甘南州EVI指数在2015年出现下降趋势，而西北部山原区2015年EVI指数下降幅度最大，这可能与玛曲县是整个甘南州植被覆盖度较高的区域有关，其对全州EVI状况有明显影响，而2015年降水偏少，从而导致西北部山原区、东部山地丘陵区草地生物量均有所下降。

3.1.2EVI时间变化分析

利用核密度曲线对甘南州不同地貌类型区2000、2010和2018年EVI进行核密度分析，描述EVI动态变化过程，从而反映植被覆盖度在2000、2010和2018年之间发生的变化(图3)。由图3可知，西北部山原区2000年EVI集中分布于0.45～0.63之间，2010年EVI集中分布于0.55～0.68之间，2018年EVI集中分布于0.50～0.72之间，其EVI的核密度曲线峰度随时间推移呈下降变化，与2000年相比，2010年西北部山原区EVI曲线进一步向右移动，而较2010年“高耸式”分布逐渐向2018年“扁平式”分布演变。由图3可知，2000年东部山地丘陵区EVI集中分布于0.35～0.62之间，2010年EVI集中分布于0.38～0.65之间，2018年EVI集中分布于0.45～0.75之间，丘陵区EVI曲线峰度进一步下降，其曲线逐渐向右移动，与2000年EVI峰度的“高耸式”相比，2010、2018年曲线峰度进一步下降。由此可见，西北部山原区和东部山地丘陵区植被覆盖向高水平等级发展，该区域植被覆盖度逐渐增加，且山原区植被覆盖度略高于丘陵区植被覆盖度。由图3可知，2000年南部岷迭山谷区EVI集中分布于0.38～0.65之间，2010年EVI集中分布于0.40～0.62之间，2018年EVI集中分布于0.46～0.73之间，其EVI核密度概率曲线逐渐向右移动，其EVI概率曲线均呈现“扁平式”分布特征。可以看出，2010—2018年，南部岷迭山谷区曲线向右移动较为明显，表明该区域在此期间植被覆盖变化明显，向高水平等级发展，但其“扁平式”特征明显，则表明该区域植被覆盖呈高低相间分布。总的来说，从各年份EVI曲线峰值可以看出，3个地貌区EVI呈现明显向右移动的趋势，其植被覆盖情况呈现改善趋势。其中，南部岷迭山谷区EVI区间跨度较大，植被变化趋势较明显，而西北部山原区和东部山地丘陵区EVI区间跨度基本保持不变，且东部山地丘陵区EVI核密度曲线峰度进一步下降，概率曲线整体上呈向右移动趋势，进一步表明该区域植被覆盖改善较为缓慢或基本稳定不变。

图3 2000、2010和2018年甘南州不同地貌区增强植被指数(EVI)演变趋势

3.2 甘南州不同地貌区植被覆盖空间变化趋势

3.2.1植被覆盖类型转换的空间分异

通过像元二分模型计算植被覆盖度(FCV)，并对研究区植被覆盖度进行等级划分，以分析植被的整体生长空间分异情况。在参考相关研究的基础上，将植被覆盖度划分为低覆盖度(0～20%)、较低覆盖度(>20%～40%)、中等覆盖度(>40%～60%)、较高覆盖度(>60%～80%)和高覆盖度(80%～100%)5个等级[25]。由图4可知，甘南州不同植被覆盖度类型南北差异明显，从西南部向东北部植被覆盖度逐渐递减，近19 a平均植被覆盖度为57.02%。西北部山原区(Ⅰ)植被覆盖类型主要为高寒草甸草地，植被生长状况良好，以较高覆盖度类型为主，平均植被覆盖度为61.01%；东部山地丘陵区(Ⅱ)为半农半牧区，该区域南部主要为牧草地，中北部主要为大夏河、洮河两岸的河谷耕地，植被覆盖度从南向北呈现逐渐增加趋势，以中等覆盖度类型为主，该区域平均植被覆盖度为55.33%；在南部岷迭山谷区(Ⅲ)，不同区域植被覆盖类型存在较大差异，其中，在白龙江河谷间的耕地以较低覆盖度类型为主，而两侧山地以林地为主(阳坡为灌木丛，阴坡为森林)，以较高覆盖度类型为主，该区域平均植被覆盖度为53.37%。

图4 2000、2010和2018年甘南州不同地貌区植被覆盖度类型空间格局

对于2000和2018年两期甘南州FCV遥感图，利用ArcGIS软件计算得到2000—2018年植被覆盖类型转移矩阵(表2和图5)。由表2可知，近19 a间甘南州植被覆盖类型发生转移变化的总面积为17 400.18 km2，其中，2000—2018年高覆盖类型转入面积中占比最大的为较高覆盖类型(面积为601.88 km2)，其次为中等覆盖类型(589.71 km2)，这两者分别占总转换变化量的比例为3.46%和3.39%，这两种覆盖类型改变最主要的区域为西北部山原区(Ⅰ)和东部山地丘陵区(Ⅱ)，表明研究期间高覆盖类型区主要是由较高覆盖类型与中等覆盖类型转变而来；2000—2018年较高覆盖类型转入面积中占比主要是中等覆盖类型(12 849.05 km2)，这类变化区域主要分布在西北部山原区(Ⅰ)和东部山地丘陵区(Ⅱ)，占总转出量的73.84%；2000—2018年中等覆盖类型转入面积中占比最大的是较低覆盖类型(1 847.37 km2)，这类变化区域主要分布于东部山地丘陵区(Ⅱ)的大夏河和洮河两岸地区，以及南部岷迭山谷区(Ⅲ)白龙江两岸，其次为较高覆盖类型(786.27 km2)，这类变化类型主要分布于西北部山原区(Ⅰ)，两者各自占总转出量的比例为10.62%和4.52%；2000—2018年较低覆盖类型转入面积中占比最大的是中等覆盖类型(270.37 km2)，这类变化类型主要分布于西北部山原区(Ⅰ)，占总转出量的比例为1.55%；低覆盖类型近19 a间发生的覆盖类型转换量较低。

表2 2000—2018年不同地貌区植被覆盖类型相互转换面积统计

图5 2000—2018年甘南州主要植被覆盖类型转换

3.2.2植被覆盖空间变化的发展趋势

基于趋势分析方法，逐像元分析研究区2000—2018年植被覆盖度的空间变化趋势。将SEVI和Z值结果依据表1进行分级分类，得到甘南州2000—2018年植被覆盖变化分布(图6)。2000—2018年甘南州植被覆盖改善区面积约占54%(指占全州总面积，下同)，退化区面积约占37%，基本稳定区面积约占9%。改善区中明显改善区面积占3.9%，轻微改善区面积占50.1%；退化区中严重退化区面积约占2.22%，轻微退化区面积约占34.78%。

图6 2000—2018年甘南州不同地貌类型区植被覆盖变化趋势

由此可见，甘南州盛草期绝大部分区域植被覆盖度较高且随时间推移而得到明显改善。植被覆盖改善和退化区域在空间分布上具有异质性(指生态和格局在空间分布的不均匀性与复杂性)，由南向北植被覆盖从退化逐渐转变为改善。退化区主要集中分布在西北部山原区的玛曲以及南部岷迭山谷区的迭部、舟曲西部等地；稳定不变区和改善区主要分布在东部山地丘陵区的合作、夏河和临潭等地。甘南州草地植被类型丰富、盖度高，是天然放牧业的物质基础。自2013年起，甘南州90%以上的草地出现“三化”，特别是西北部山原区的玛曲、碌曲和夏河最严重，其中，玛曲县境内出现大约30处大型沙化点，夏河和碌曲的超载放牧和生态破坏使得草地盐渍化现象逐渐加重[26]。尽管退牧、休牧和轮牧政策实施后，草原恢复取得一定效果[27]，但长期的超载放牧使得草地生态系统很难在短时间内完全恢复[28]。

3.3 不同地貌类型区植被覆盖的影响因素

结合甘南州实际，运用多元线性回归模型分析不同地貌类型区植被覆盖变化的影响因素。以各乡镇为基础单位，将3个地貌类型区乡镇进行统计划分，建立地貌区单元后选取平均增强植被指数(EVI_mean)作为因变量，自变量选取人口密度(PopDensity，反映人口压力)、农作物播种面积占比(NZW_BL，反映人类强度和对高寒牧区天然植被的改造力度)、牲畜单位密度(SCdensity，反映草场实际压力和牲畜平衡关系)、平均地表温度(LST_mean)、6—8月平均降水量(perc_mean)、平均坡度(slop_mean)和平均地表粗糙度(rug_mean)等因素，用于刻画植被生成的立地条件与植被覆盖的影响因素。

由表3可知，由于自然环境的差异和人类活动强度的不同，这些因素对甘南州不同地貌区增强植被指数(EVI)的影响程度有明显区别。首先，就植被退化较集中的西北部山原区(Ⅰ)来说，牲畜单位密度和温度是主要影响因素，两者均与EVI呈现负相关关系，影响的回归系数(即Beta系数)分别为-1.051 和-0.863，其可能原因是该地区植被以草地覆盖类植被为主，故地区放牧活动较多。对于植被退化较明显的南部岷迭山谷区(Ⅲ)来说，其地形条件复杂，山高谷深且地形切割程度大，EVI的影响因素主要为降水、地表粗糙度、牲畜单位密度，3者均与植被EVI呈负向关系，以自然因素影响为主，如地形变化越大的区域，其植被EVI水平就越低[29]。可以看出对于植被退化集中的区域，自然与人文因素均有明显影响。

表3 甘南州不同地貌类型区增强植被指数(EVI)的多元回归分析

相关研究表明，在甘南草原地区植被覆盖变化与温度变化、人类活动(尤其是放牧活动)有关，两者均是影响该区植被EVI变化的重要因素[13]。在EVI变化相对稳定和改善的东部山地丘陵区(Ⅱ)，降水、坡度等自然因子对该区域植被EVI变化影响较大，其中，降水正向影响植被EVI，其影响系数为0.321，而坡度对EVI具有负向影响，系数为-1.210，这可能与该区域气候条件和地形条件有关。有研究表明，在甘南州东北部山区植被覆盖变化与坡度有很大关系，特别是与坡向、坡度等地形因子有关，阳坡阴坡植被生长环境、条件均受影响[28]。总的来看，甘南州不同地貌区自然环境和人类活动强度均存在较大差异，这导致甘南州不同地貌区域植被覆盖的影响因素差异十分明显。

4 结论

基于MOD13Q1数据产品中的MODIS EVI数据，研究了甘南州不同地貌类型区EVI时空变化趋势和影响因素，得出如下主要结论：

(1)2000—2018年甘南州植被覆盖EVI均值呈先上升再下降后又上升的趋势，表明植被整体生长状况开始好转。就不同地貌类型区而言，西北部山原区EVI在研究期内增长趋势为0.000 8 a-1；东部山地丘陵区为0.001 1 a-1；南部岷迭山谷区增长趋势为0.000 9 a-1，近19 a EVI指数整体上呈现较好的发展趋势。

(2)甘南州植被覆盖度(FCV)南北差异明显，呈现由西南部向东北部逐渐递减的趋势，其中，西北部山原区(Ⅰ)植被以较高覆盖度类型为主，平均植被覆盖度为61.01%；东部山地丘陵区(Ⅱ)植被以中等覆盖度类型为主，该区平均植被覆盖度为55.33%；在南部岷迭山谷区(Ⅲ)植被呈现较低覆盖度类型与较高覆盖度类型的相间分布，该区平均植被覆盖度为53.37%。

(3)甘南州植被覆盖改善比例(约54%)高于植被退化比例(37%)，表明植被整体趋势趋于好转，整体稳定性呈增加趋势，也有部分地区出现退化现象且大多为轻微退化现象。植被覆盖退化区主要集中分布在西北部山原区的玛曲、碌曲及南部岷迭山谷区的迭部等地；植被覆盖改善区主要分布在东部山地丘陵区。

(4)多元线性回归分析结果表明，由于甘南州不同地貌区自然环境和人类活动强度均存在较大差异，从而导致自然环境因子和人类活动因子是影响西北部山原区(Ⅰ)植被EVI的主要因素，而自然环境因子是影响东部山地丘陵区(Ⅱ)、南部岷迭山谷区(Ⅲ)植被EVI的主要因素。