广西南流江流域1986—2020年植被覆盖度时空变化及预测

杨坤士，卢远,2*，汤传勇,2

(1.南宁师范大学地理科学与规划学院，南宁 530001；2.北部湾环境演变与资源利用教育部重点实验室，南宁 530001)

近几十年来，全球科学家在气候变化环境下开展了许多关于生态环境、水土保持及水土流失治理等大量工作，植被作为地球表层的物质循环和能量交换中至关重要的组成部分，其覆盖程度是评价地区水土流失、荒漠化程度等生态问题的关键因子[1-2]。植被覆盖度是以某一区域范围内植物茎、叶等地表垂直投影面积与总面积之间的比值，同时也是反映区域水土流失、生态环境质量、流域产沙和水环境建模的重要评价指标[3-5]。南流江流域作为广西南部众多独流入海河流中流域面积最大的一条河流，地处北部湾经济区，经济区的建立给流域带来了前所未有的发展机遇，同时也对南流江流域植被覆盖变化带来巨大挑战[6-7]。因此，开展大范围、长时序的区域植被覆盖度时空变化研究，科学分析地区植被变化过程和时空分布对于地区可持续性发展建设具有重要的现实意义。

随着对地观测技术的不断发展，卫星遥感影像的分辨率也在不断提高，遥感卫星凭借观测范围广、时间周期短等能力，已被广泛用于植被覆盖度监测研究[8-10]。近年来，运用遥感技术对不同尺度下的区域植被覆盖度变化已开展了相应的研究。金凯等[11]利用气象站数据及GIMMS NDVI3g数据分析1982—2015年中国植被NDVI变化及其主要驱动特征，得出气候变化与人类活动是导致植被覆盖恢复和退化的主要因素；袁丽华等[12]利用MOD13Q1数据，结合趋势分析、检验分析等方法，研究黄河流域植被覆盖区域的时空变化特征；谷雷等[13]基于GEE平台和大量的Landsat数据资料，分析了云南省1999—2018年植被覆盖度变化趋势；龙爽等[14]基于GEE(Google Earth Engine)平台，利用2000—2017年MODIS-EVI数据，采用多种分析方法定量估算分析中国自2000年来的植被覆盖度变化情况。当前，对于大尺度范围的植被覆盖度变化监测研究主要以MODIS等低分辨率影像数据为主，小范围尺度的研究则多采用Landsat或更高分辨的遥感影像数据产品[15-18]。受限于传统遥感图像处理过程繁杂、南方地区遥感影像受云、雾等影响以及本地计算机数据处理的效率和性能，对南方丘陵山地流域地区的植被覆盖度进行长时间序列的动态监测尚属少见。

GEE是基于遥感图像大数据支撑下对全球尺度地理卫星影像大数据进行在线分析及可视化的平台[19-20]，通过访问网站API接口并基于JavaScript和Python语言的实现对云端遥感影像数据的在线处理、分析及可视化。与传统遥感数据处理方式相比，GEE通过云端处理运算遥感数据资料，极大方便了大尺度、长时序的地理数据处理和信息挖掘，是进行多尺度地球科学与遥感数据处理研究的有力工具[21-22]。

为此，利用Google Earth Engine遥感云平台，云端处理Landsat系列卫星影像，计算1986—2020年南流江流域各年度植被覆盖度FVC，运用Theil-Sen median趋势分析和Mann-Kendall以及Hurst指数方法，研究分析南方丘陵山地典型入海河流-南流江流域近35年来植被覆盖动态变化特征，以期为南流江流域生态文明建设、生态治理及水土保持建设等领域中提供参考意见。

1 研究区概况与数据源

1.1 研究区概况

南流江发源于北流市与玉林市交界处的大容山区，流经玉林市、博白县，钦州市浦北县以及北海市合浦县，位于21°21′E～23°04′E，105°47′N～07°41′N，是广西入海河流中流域面积最大、服务人口最多、水量最丰富的独流入海河流，总面积9 270 km2，如图1所示。流域地势东、西部较高，自北向西南倾斜，属亚热带季风气候，多年平均气温稳定在21～23 ℃，受沿海季风气候影响，流域夏季高温多雨，冬季降雨少而温凉。地貌形态以低山丘陵和冲积平原为主，主要土地利用类型以林地、耕地和园地为主，生境复杂多样，植被类型多以桉树和低矮灌丛为主。

1.2 数据源

研究所使用的遥感图像数据来自GEE平台上公共数据档案1986—2020年南流江流域Landsat数据集(https://earthengine.google.com/)。调用的Landsat数据集包括了研究时期内的Landsat 4-5 TM、Landsat 7 ETM+及Landsat 8 OLI，数据集均为经过辐射定标、大气校正后的一级数据产品，其中1986—2011年以Landsat 4-5 TM(LANDSAT/LT05/C01/T1_SR)作为数据源，2012—2013年以Landsat 7 ETM+(LANDSAT/LE 07/C01/T1_SR)作为数据源，2014—2020年以Landsat 8 OLI(LAND SAT/LC08/C01/T1_SR)作为数据源，调用影像共计7 123景。

考虑到中国南方低纬度地区遥感影像多受云、雾等天气的影响，为了提高南流江流域遥感图像数据的精度，研究通过Google Earth Engine平台的JavaScript语言调用1986—2020年覆盖南流江流域所有Landsat图像，以植被生长季7—10月的影像作为数据源基准，并采用CFmask算法对所有年度内的Landsat图像进行去云、雾处理，减少云、雾对图像获取植被覆盖度计算的影响，对每幅图像计算归一化植被指数(normalized difference vegetation index, NDVI)后，通过像元二分模型生成植被覆盖度(fraction vegetation coverage, FVC)，最终采用最大值合成法生成各个年度内的植被覆盖度FVC图像，保障数据来源的稳定性，以满足后续运算的精度要求。矢量数据主要包括研究区流域边界和行政区划边界，通过采用ArcMap10.4的Hydrology模块获取了研究区的流域边界，行政区划边界来源于2017年版的1∶250 000全国地理信息资源目录服务数据库(http://www.webmap.cn/)。

2 研究方法

2.1 像元二分模型

像元二分模型是遥感处理中相对简易的线性模型，其假设了图像中的每个像元都由植被覆盖和非植被覆盖信息线性混合构成，而NDVI是反映地表植被生长情况的重要指标，为此通过GEE云平台得到的NDVI值作为表征植被和非植被的信息，由此可以计算得到各个像元植被和非植被信息的比例，计算公式为

FVC=(NDVI-NDVIs)/(NDVIg-NDVIs)

(1)

式(1)中：FVC为像元植被覆盖度；NDVI为归一化植被指数；NDVIs为有植被覆盖信息像元的NDVI值；NDVIg为无植被覆盖信息像元的NDVI值。

理论上，NDVIs无限趋于0，NDVIg无限趋于1，但实际情况会受到纬度和地表环境的影响具有一定的变化。为此，综合中国南方地区气候和环境的情况，对南流江流域植被覆盖现状进行估计，对NDVIg和NDVIs取给年度区间内植被NDVI的最大值与最小值，分别取累积频率为95%与5%时对应的值作为NDVIg和NDVIs值。

2.2 植被覆盖度变化趋势检验方法

为探究1986—2020年南流江流域植被覆盖度的空间分布、时间变化、变化趋势及可持续性特征，采用Theil-Sen Median 趋势分析和Mann-Kendall检验分析法分析植被覆盖度的变化趋势，Hurst指数方法则用于植被覆盖度的可持续性分析，对流域植被覆盖度值大于等于0.1的范围进行分析研究。

2.2.1 Theil-Sen Median 趋势分析和Mann-Kendall检验分析法

Theil-Sen Median方法又被称为 Sen 斜率估计，是一种稳健的非参数统计的趋势计算方法[23]；Mann-Kendall是一种非参数统计检验方法[24]。通常Theil-Sen Median趋势分析和Mann-Kendall检验是结合在一起的，这两者结合的优点是数据不需要服从一定的分布规律，对数据误差有较强的抵御能力，对于显著性水平检验具有较为可靠的统计学理论基础，使得运算结果较为科学可信。其中，Theil-Sen Median 趋势分析可以减少数据异常值的干扰，常被应用于长时间序列数据的趋势分析中[25-26]，Theil-Sen Median 趋势分析计算公式为

(2)

式(2)中：Yi、Yj分别为第i、j年的年度最大值FVC；Slope为植被覆盖度的变化趋势，当Slope<0，表示植被出现退化趋势，反之表示增长趋势；Median为植被覆盖度的显著水平。

Mann-Kendall检验常运用于长时间序列数据的趋势显著检验，对数据样本不需要服从一定的分布规律，对少数异常值具有较强的抵抗能力[27]。

(3)

(4)

式中：S为Mann-Kendall检验的相关系数；n为时间序列长度，即1986—2020年。

在得到S值后，再进行计算显著性指标Z，其表达式为

(5)

(6)

式中：Z为显著性指标，取值范围为(-∞，+∞)，该指标遵循标准正态分布，Z值大于0表示呈显著性上升趋势，Z值小于0则表示呈显著性下降趋势。

2.2.2 Hurst指数

Hurst指数是用于定量描述长时间序列数据长程依赖性的有效方法，广泛应用在水文、地质、气候等研究领域[28-29]。采用Hurst指数对35年南流江流域FVC进行分析研究，以基于定义标准差与极差的比值RFVC/SFVC分析法进行Hurst指数计算，其计算公式为

(7)

式(7)中：RFVC为35年南流江流域FVC序列的极差；SFVC为该时段内的标准差；n为时间序列长度，取35；c为常量；H为Hurst指数值。

通过Hurst指数值的大小，划分为3种持续性的类型：当0.5

遥感影像主要通过Google Earth Engine平台进行处理，获取各年份的FVC结果，其中Theil-Sen Median 趋势分析、Mann-Kendall检验分析及Hurst指数计算通过RStudio软件进行运算分析。

3 结果与分析

3.1 植被覆盖度时空变化特征

为研究35年来南流江流域植被覆盖度FVC随时间变化的特点，以每个年度的植被覆盖度FVC均值作为流域的平均值，用于表征每年植被覆盖的程度，构建35年来南流江流域植被覆盖度年际变化图。从图2中可以看出，1986—2020年南流江流域FVC呈现明显的上升趋势，其中，在1986—1993年FVC值在0.61～0.66波动，总体增长的趋势较慢；在1994—2006年FVC值变化则呈现出快速增长的趋势，波动变化程度较低，从0.66增长到了0.71；在2007—2020年，南流江流域FVC先是出现波动变化之后，再呈现出平稳的增长趋势。综合而言，南流江流域植被覆盖度35年间的年度均值变化从1986年的0.61增加到了2020年的0.72，呈现出波动增加的趋势变化，表明35年来南流江流域植被恢复增加显著。

**表示拟合R值的显著性，表明拟合程度好，越接近真实的数据所构成的曲线，同时表示自变量的参数(即斜率)是比较合理可信的

通过对1986—2020年来南流江流域植被覆盖度FVC进行累加并计算35年的平均值，最终得到35年南流江流域FVC均值空间分布(图3)。1986—2020年南流江流域植被覆盖度的均值在0～1，依据植被覆盖度划分标准[12-15]，将FVC<0.20划分为低覆盖区，0.20≤FVC≤0.40为较低覆盖区，0.40≤FVC≤0.60为中覆盖区，0.60≤FVC≤0.80为较高覆盖区，FVC>0.8为高覆盖区。低植被覆盖区主要分布在湖泊、河流、沙地及城市建成区域，人类活动影响程度高；较低植被覆盖区主要分布在河道两侧的河漫滩及河流沿岸的地势较为平整的平原地区，人类活动影响较高；中等植被覆盖区主要分布在研究区丘陵山地与平原地区地势相对平缓的地带，如六万大山两侧、大容山南麓等地；较高植被覆盖区主要分布在一些地势较为陡峭的丘陵山地地带，以高大山脉余脉的缓冲区为主，这些地区一般以经济林种植为主，年度内的植被覆盖少有干扰；高植被覆盖区主要分布在流域内地势较高的区域，主要分布于河道左侧的六万大山、右侧的云开大山、望君山等地，这些地区植被常绿，人类干扰程度低。

图3 35年南流江流域植被覆盖度图

空间上，依据流域分水岭将研究区划分为上、中、下游流域，以探究1986—2020年南流江植被覆盖度变化情况。如图4所示，南流江流域上游植被覆盖度分布主要以较高、高植被覆盖度为主，占研究区流域面积比例为10.92%、7.78%；流域中游植被覆盖度分布与上游分布状况相类似，以高、较高植被覆盖度为主，占研究区流域面积比例的22.95%、19.27%；流域下游植被覆盖度情况则与上、中游呈现明显的变化特点，主要以较高植被覆盖度为主要构成，占研究区流域面积的11.84%。综合而言，35年来流域上、中、下流域植被覆盖度构成情况基本都以高、较高植被覆盖度等级为主要构成类型。

图4 35年南流江上、中、下游植被覆盖度面积占比

3.2 植被覆盖变化趋势特征

基于Theil-Sen Median趋势分析和Mann-Kendall检验结果对南流江流域植被覆盖35年的变化趋势进行分析，以反映FVC变化的空间分布特征。研究通过使用R语言将35年南流江地区植被覆盖度影像进行Theil-Sen Median趋势分析，对运算得到的植被覆盖度FVC的斜率S值进行断点分级，将-0.0051.96或Z<-1.96)和变化不显著(-1.96≤Z≤1.96)[17,26]。对得到的Theil-Sen Median趋势分析和Mann-Kendall检验分析的分级结果进行叠加，得到南流江流域35年来像元尺度上FVC的变化趋势，并将叠加结果分为5种变化类型。从表1看出，研究区1986—2020年南流江植被覆盖状况改善的区域占植被覆盖总面积的58.23%，没有发生显著变化的区域占33.48%，轻微退化的区域占1.97%，严重退化区域占6.32%。

表1 35年来南流江流域植被覆盖度变化趋势统计

结合表2和图5可以看出，植被明显改善的区域主要位于流域中下游右侧的云开大山余脉山区、流域上游的大容山南麓地区北侧以及流域西南侧的罗阳山山区，上、中、下游明显改善面积占流域面积比分别为7.11%、11.34%、9.63%，以上地区地势较高，植被受到的干扰影响程度较低，植被覆盖率明显高于其他地区；植被轻微改善的地区主要集中在流域中游的六万大山两侧的丘陵山区，以及大容山南麓两侧的丘陵山区和罗阳山山区的北侧丘陵山地，上、中、下游轻微改善面积占流域面积比分别为4.97%、16.19%、8.98%，这些地区主要处于农林业交替区，以前多作为农用地被人类开垦，但近年来人工植树造林的持续影响下，植被慢慢得到一定程度的恢复；植被稳定不变的地区在流域中主要位于流域中游六万大山地势较高的南侧地区，以及流域上游大容山的南麓核心区，植被稳定不变上、中、下游面积占比情况分别为：10.66%、14.73%、8.09%，这些地区保存了较为完好的原生天然林，受到外界干扰程度小；植被轻微退化的地区主要集中在流域中游罗阳山右侧及六万大山南侧一带，同时也是小江水库的上游两翼的平缓丘陵坡地，受地形影响，地表植被多以人工桉树林和低矮灌丛等为主，每3～5年会出现轮伐期，进而会导致地表植被退化，上、中、下游面积占比为0.54%、0.81%、0.62%；植被明显退化的区域主要分布在流域内的主要城市，如上游的玉林市、北流市、兴业县，中游的浦北县和博白县，以及下游合浦县等地的县城城市周边地区以及河口地带，植被明显退化在上、中、下游面积占比为3.03%、1.42%、1.82%。这些地区受人类活动的影响以及城镇化的扩张发展，植被退化明显。

表2 南流江流域上、中、下游植被变化趋势面积统计

图5 35年来南流江流域植被覆盖度变化趋势特征

3.3 植被覆盖度变化可持续性特征

为揭示南流江流域植被变化的可持续程度，本文借助MATLAB计算35年南流江流域FVC的Hurst指数，用于代表植被覆盖度的可持续性程度，流域整体Hurst值范围在0～1。为实现对35年南流江植被覆盖度可持续性进行情况进行分析，将Hurst指数值小于0.5的区域表示为逆向持续性，大于0.5的区域表示为正向持续性，结果表明：南流江流域FVC逆向持续性的区域面积占比为69.44%，正向持续性区域面积占比为30.56%，这从侧面表明南流江流域植被覆盖度变化整体呈现逆持续性发展，植被覆盖度时空变化呈现波动变化的特点。

为揭示分析1986—2020年南流江流域植被覆盖度变化的可持续性程度，结合Sen+Mann-Kendall变化趋势结果与Hurst指数结果进行叠加运算，耦合探究植被覆盖度变化的可持续性程度。将耦合结果划分为：①持续性&严重退化；②持续性&轻微退化；③ 持续性&稳定不变；④持续性&轻微改善；⑤持续性&明显改善；⑥未来变化趋势不确定，共6种持续变化程度，如图6所示。

图6 35年来南流江流域植被变化持续性特征

从表3可以看出，南流江流域植被覆盖度变化持续性趋势在上、中、下游的面积占比分布，持续性&严重退化和持续性&轻微退化所占面积比例分别为2.74%和0.74%，主要分布在南流江下游河口地带、上游玉林市城市周边以及中游浦北县等地；持续性&稳定不变的面积占比为12.25%，主要分布在流域中游地势较低的稳定农业耕种区，表现为零散分布的格局，这些地区以农业为主要产业，近年来也在逐步开发；持续性&轻微改善和持续性&明显改善区域占比为7.02%和7.81%，主要分布在中游六万大山两侧地势较低的山地、上游大容山南麓的山地以及云开大山南侧山地等，呈零星破碎分布。其他无法确定未来变化趋势的地区分布较为破碎，无明显的地域分布特征，植被变化情况及无法确定变化趋势地区还需要研究人员在今后给予持续性的关注和探究。

表3 南流江上、中、下游植被变化持续性特征面积统计

4 讨论

依托GEE平台调用Landsat系列遥感影像，通过云端计算FVC指数构建南流江流域1986—2020年植被覆盖度FVC，采用Theil-Sen Median趋势分析、Mann-Kendall突变检验分析以及Hurst指数对南流江流域35年植被覆盖度进行长时间序列的变化趋势和可持续性进行分析。研究结果表明，近三十五年来，南流江流域植被覆盖没有出现明显的退化，呈现出明显的植被改善变化迹象，空间上表现为：植被持续改善地区明显分布于流域中游的玉林市博白县、钦州市浦北县，该范围内分布有六万大山、云开大山及罗阳山山区及其余脉两侧的丘陵山地地区，呈零星破碎分布，由表4中博白县、浦北县历年林业面积统计信息可知，近三十年来，林业面积呈快速增长的趋势，覆盖率逐年提高。主要原因是由于这些区域部分农用地撂荒后，受推广种植人工桉树林政策的驱动影响下，植被呈现明显的恢复。植被持续退化地区主要分布在南流江下游河口地带以及流域内主要城镇集聚区域，尤其在玉林市城区、下游河口最为明显，其中 2010年批复的《广西北部湾经济区城镇群规划纲要》的批复，使得近年来城镇建设面积不断增加，进而导致下游河口植被受到损失，出现植被进一步持续退化。流域植被退化与改善的变化趋势与杨钰文等[15]的研究结果基本吻合，都呈现出下游河口植被及城市建成区周边明显退化，流域内山脉余脉及较高山地周边明显改善恢复的变化趋势。这也从侧面反映了近年来南流江流域植被覆盖恢复明显，生态环境质量有明显的得到改善，在文献[6-7]的研究中也证实了这一变化趋势。

表4 南流江流域内博白、浦北县历年林业面积统计

虽以1986—2020年长时序Landsat遥感影像数据，利用趋势分析，突变检验及持续性检验等方法对南流江流域35年植被覆盖度变化情况进行分析研究，揭示了南流江流域植被覆盖度面积变化呈现显著上升的特征，但本研究只考虑了年度的植被覆盖情况，未考虑到植被季节性变化情况，以及植被变化与气候、人类活动过程之间的关系，在今后还需要对这方面进行深入研究。

5 结论

基于GEE平台的Landsat系列数据作为基础，利用Theil-Sen Median趋势分析、Mann-Kendall突变检验分析以及Hurst指数等方法对1986—2020年来南流江流域植被覆盖变化趋势、持续性进行分析研究，揭示了35年南流江流域地区植被覆盖度长时间尺度下的时空变化特征和空间格局，得出以下主要结论。

(1)1986—2020年南流江植被覆盖度总体呈现明显的上升趋势，多年植被覆盖度FVC均值为0.7028。空间上植被覆盖度高的区域主要分布在流域河道两侧较高的山脉，尤其是以流域中游六万大山、云开大山南侧余脉等地最为典型；植被覆盖度较低的区域主要分布在流域内大型的城市建成区以及中下游地势较低的河道地区等。

(2)35年来南流江流域植被覆盖度植被改善面积远远大于植被退化面积，植被改善面积占植被覆盖区的58.23%，植被没有发生变化的区域占比33.48%，植被退化面积占比为8.29%。改善地区主要是分布在中游地势较高的云开大山、罗阳山区和丘陵山地等，受推广种植人工桉树政策影响明显。

(3)南流江流域植被覆盖度持续性变化表现为：持续性改善面积占植被覆盖面积的14.83%，持续性稳定不变的面积占比为12.25%，持续性退化的面积占比为3.48%。持续改善地区明显分布于流域中游六万大山、罗阳山山区等丘陵山地地区；持续性退化地区主要分布在下游河口地带以及流域内主要城镇集聚区域，受城市开发、人类活动影响明显。

(4)在对大面积、长时间尺度的对地遥感观测可以通过Google Earth Engine平台进行云端编译解决遥感图像中的云覆盖、影像色差、时间不连续等问题，从而实现快速有效的数据预处理，是进行长时间大尺度遥感观测研究的有力工具。