2000—2020年云南省植被时空变化及影响因素分析

李加顺, 刘 丽

(云南省水利水电科学研究院, 云南 昆明 650228)

地表植被是陆地生态系统的重要组成成分,植被变化通常被当作评价生态环境的重要指标[1-3]。随着遥感技术的发展,其成为了监测长时间和大尺度植被动态变化的重要手段[4]。在此基础上利用遥感数据开发了归一化差异植被指数(NDVI),其通过遥感图像红外光谱波段和近红外光谱波段反射值计算得到,对植被敏感性高,可以有效反映植被状况,在植被动态变化研究中被广泛应用[5-6]。

自然条件是植被生长的基础,主要包括地形因素和气候因素[7-8]。植被生长状况与地形息息相关,但不同的地形因子对植被变化产生的影响存在差异。其中,海拔的变化对气候条件的影响十分明显,如随着海拔的上升,温度降低,土壤类型和植被类型也产生明显的垂直分异,这直接影响了植被生长和适应能力[9]。坡度对植被的影响主要通过地表径流、土壤养分以及土壤侵蚀程度来体现,陡坡会导致水分和养分的快速流失,使得土壤贫瘠,难以维持植物生长所需的营养条件。缓坡土壤水分和养分更易保持,为植被生长提供了更适宜的生长环境[10]。坡向对植被的影响主要通过太阳辐射和水分分配的差异来体现,不同坡向的太阳辐射接收量和水分的分配存在差异,例如在北半球南坡受到的太阳辐射较多,相对温暖,水分蒸发速度较快,而北坡则相对较阴凉湿润,这些差异直接影响植被的类型和生长情况[11]。气候因素中温度和降雨被认为是影响植被生长的关键因素[12]。温度与植被物候的开始和终止密切相关,特别是在高纬度和高海拔地区,温度的升高有助于促进植物的生长速度和生理活动,增强植被光合作用和水分利用效率,促进植被生长,但在寒冷地区,较低的温度可能限制植物的生长和发育[13]。充足的降雨提供了为植物所需的水分,维持植物的生理活动和生长发育,但是干旱地区植被变化对降雨的响应极其敏感,由于水分亏缺的约束,植被生长受到限制[14-15]。现有研究集中在气温和降雨,而对相对湿度、蒸发量和日照时数等气候因素经常被忽略,这些因素与植物生理活动、生长发育和适应能力息息相关,起到了不可忽视的作用[16]。

人类活动对植被变化的影响也日益受到关注[17]。有研究认为人类活动对植被变化的影响主要体现在植树造林、农业扩张和城市化等,而这些人类活动都导致了土地利用类型的转变[18-20]。因此,土地利用类型转变可以作为考察人类活动对植被变化影响的重要指标[21]。人类活动对植被变化的影响往往表现出两重性,一方面由于森林砍伐、农业扩张和城市化等人类活动对区域植被造成影响,导致大面积植被的受到破坏,土地退化[22]。另一方面,植树造林对植被变化有着积极影响,可以有效提升植被覆盖度,改善区域生态环境[23]。此外,人口密度和GDP与植被覆盖度呈显著负相关,原因在于人口密度和GDP增长,对区域环境造成压力,导致区域生态环境受到破坏,进而退化[24]。

已有学者对云南省不同时空尺度植被变化进行了研究。王永红等[25]采用相关系数分析了云南NDVI变化与气候因子的关系,发现降雨量是云南省植被变化的最大因素。徐虹等[26]通过统计学方法分析了地形因子影响下NDVI空间变化特征,表明在海拔4 000 m以下NDVI随海拔升高有增加趋势,海拔超过4 000 m,受自然条件限制,NDVI下降。丁文荣[27]研究表明退耕还林工程的实施极大提升了区域植被覆盖度,而城镇化使得城镇周边地区植被覆盖降低。已有研究多集中在某一类或者几个指标,而自然因素和人类活动因素对植被变化的解释力方面还存在局限性,因而植被变化对自然因素和人类活动因素响应的定量关系有待进一步厘清。

鉴于此,本文基于2000—2020年NDVI、自然因子和人为活动因子数据集,采用Theil-Sen趋势分析、Mann-Kendal显著性检验和地理探测器等方法分析了云南省NDVI时空变化特征及其驱动力,并进一步探讨了主导因子对NDVI时空变化的影响,评估了过去云南省林业生态工程实施的成效,以期为云南省未来生态环境保护和经济发展提供科学依据,助力绿色可持续发展目标的实现。

1 材料与方法

1.1 研究区概况

云南省地处中国西南地区(97°31′8.90″～106°11′50.85″ E,21°8′10.52″～29°15′3.48″ N),包括16个市(州),面积约38.40×104km2。区域海拔为68～6 265 m,地势呈现西北高,东南低,地貌类型以高原和山地为主。气候类型属于亚热带高原季风气候,年温差较小,季节干湿分明,年平均气温为-7℃～25℃,年降雨量为640～2 026 mm。

1.2 数据来源及处理

研究采用的数据主要包括NDVI、自然因子和人类活动因子数据集,其中NDVI来源于MOD13Q1植被数据产品,空间分辨率为250 m,时间分辨率为16 d。首先对NDVI数据进行波段提取、投影变换和裁剪等预处理,然后使用最大值合成法生成2000—2020年逐年最大值NDVI数据集。

自然因子数据集包括地形和气候因子,地形因子包括高程(X1)和坡度(X2),其DEM来源于地理空间数据云网站(https://www.gscloud.cn/),空间分辨率90 m。气候因子包括温度(X3)、降雨量(X4)、蒸发量(X5)、相对湿度(X6)和日照时数(X7),均来源于中国科学院资源环境科学与数据中心(https://www.resdc.cn/)[28],空间分辨率为1 km。人类活动数据集包括GDP(X8)、人口密度(X9)和土地利用类型(X10),均来源于中国科学院资源环境科学与数据中心[29-31],其中人口密度和GDP空间分辨率为1 km,土地利用类型空间分辨率为30 m。以上数据通过投影变换和掩膜提取处理后数据空间分辨率均保持一致,为250 m。

1.3 研究方法

1.3.1NDVI等级划分 为反映NDVI空间分布格局,参考前人研究按照等间距法[7]将2000—2020年NDVI划分为6个等级:无植被覆盖(0

1.3.2Theil-Sen趋势分析和Mann-Kendal检验 Theil-Sen趋势分析法[32]是一种非参数斜率估计方法,不易受异常值影响,对时序分析有较强的抗噪性,能够直观有效的反映时间序列变化趋势。其NDVI变化斜率(θ)>0,表示研究时段内NDVI具有上升趋势,反之下降。Mann-Kendall(MK)检验[33]可判断变化趋势是否具有显著性,当MK检验统计量的绝对值大于1.96时,表明通过0.05水平上显著(P<0.05)。将变化斜率θ和MK检验结果叠加分析,NDVI变化趋势划分为4种类型:显著减少(θ<0,P<0.05)、不显著减少(θ<0,P≥0.05)、不显著增加(θ>0,P≥0.05)和显著增加(θ>0,P<0.05)

1.3.3地理探测器模型 地理探测器是由王劲峰等[34]提出的一种空间分析模型,其中因子探测器和因子交互作用探测器可以用于定量分析自变量X对因变量Y之间的影响力,影响力大小采用q值衡量,q值越高,其影响力越强。本研究采用地理探测器对NDVI空间分异的驱动力进行探测,其中因子探测器用于探测单个自变量X对因变量Y的影响力,因子交互作用探测器用于识别不同因素之间交互作用影响力,即通过计算q(X1∩X2)值来判断因子X1和X2的共同作用对因变量Y的影响力是增强还是减弱,将q(X1∩X2)值与q(X1)和q(X2)的数值进行比较,对于因变量Y的作用关系判别依据见表1。

表1 交互作用判别依据及作用关系类型Table 1 Discriminant basis of the interactions and type of their role relationships

使用地理探测器研究NDVI空间分异的驱动力时,需要对影响因素进行离散化处理。目前研究中使用较多的是自然断点分类法[35],可以有效避免人为干扰,最大限度地提高类别之间的差异。研究采用自然断点分类法将高程、坡度、温度、降雨量、蒸发量、相对湿度、日照时数、GDP和人口密度分为8类;土地利用类型则根据一级大类划分为耕地、林地、草地、水域、建设用地和未利用地。

1.3.4土地利用类型转移矩阵 土地利用类型转移矩阵可以定量分析研究时段初期到末期土地利用类型转移方向和面积[36],其计算公式为:

(4)

式中,P表示面积;n表示土地利用类型数量;Pij表示时间段内i土地利用类型转变为j土地利用类型的面积。

1.3.5变异系数 变异系数[37]是NDVI时间序列标准差与平均值的比值,可用于反映研究时段NDVI变化的波动程度,其计算公式如下:

(5)

2 结果与分析

2.1 NDVI空间分布格局

2000—2020年云南省植被覆盖呈现西南高,东北低的空间分布格局(图2)。在2000年、2010年和2020年中高植被覆盖和高植被覆盖的区域面积占比均超过60%,云南省西南部分布相对集中。期间中高植被覆盖区域呈减少趋势,面积占比下降了9.77%,然而高植被覆盖的区域面积占比上升了23.07%,中高植被覆盖区域有向高植被覆盖转化的趋势。中等植被覆盖的区域面积占比从2000年26.63%下降至2020年16.99%,分布与云南省东北部。低植被覆盖和中低植被覆盖的区域面积在2000年、2010年和2020年占比均低于9%,主要分布在昆明市南部、玉溪市东部、楚雄州北部、红河州北部和迪庆州北部。无植被覆盖的区域面积占比在2000年、2010年和2020年占比均低于0.5%,主要分布于昆明市南部和大理州中部。总体而言,云南省整体植被覆盖水平较高,植被覆盖较低的区域主要分布在生态环境脆弱的高海拔地带和中心城市及其周边地区。

2.2 NDVI时空变化特征

从时间角度上,2000—2020年云南省NDVI均值呈现波动上升趋势,斜率为0.002 2,其中,2000年的值最小,为0.679 3;2018年的值最大,为0.723 2(图3)。从空间角度上,2000—2020年云南省NDVI变化斜率介于-0.004 3～0.003 9之间,NDVI上升(θ>0)的区域面积占比为83.15%,其中显著上升(P<0.05)的区域面积占比为38.82%,主要分布于研究区西南部和东部(图4)。NDVI下降(θ<0)的区域面积占比为16.85%,其中显著下降(P<0.05)的区域面积占比为3.54%,主要分布在迪庆州、大理州东部、昆明市南部和玉溪市东部。总体上,2000—2020年云南省大部分区域NDVI上升,植被得到有效改善,但存在局部区域NDVI降低,特别是在中心城市和周边地区,可能是由于人类活动影响所造成的植被退化。

图3 2000—2020年NDVI时间序列变化Fig.3 Change of the time series of NDVI from 2010 to 2020

图4 2000—2020年NDVI变化趋势空间分布Fig.4 Spatial distribution of the NDVI change trends from 2000 to 2020

2.3 NDVI空间分异驱动力探测

2.3.1单因子探测 研究采用因子探测器计算了2000年、2010年和2020年的自然因子和人类活动因子对NDVI空间分异的解释力。结果如图5所示,2000年各因子对NDVI空间分异的解释力排序为:土地利用类型>降雨量>相对湿度>蒸发量>坡度>人口密度>高程>GDP>气温>日照时数。2010年各因子对NDVI空间分异的解释力排序为:土地利用类型>降雨量>相对湿度>蒸发量>坡度>GDP>人口密度>高程>气温>日照时数。2020年各因子对NDVI空间分异的解释力排序为:土地利用类型>降雨量>相对湿度>坡度>GDP>人口密度>蒸发量>高程>日照时数>气温。同一因素在不同年份对NDVI空间分异的解释力有所差异,其中各年份NDVI空间分异的主导因子均为土地利用类型,2000年、2010年和2020年解释力分别为43%,46%和50%,远高于其他因子。其次是降雨量和相对湿度,在各年份解释力均高于25%,是影响NDVI空间分异的主要因子。高程、坡度、GDP和人口密度对NDVI空间分异的解释力基本介于10%～20%之间变化,各因素间差异较小。然而温度和日照时数在各时期的解释力均低于10%,对NDVI空间分异的影响力微弱,基本忽略不计。值得注意的是,期间人类活动因子对NDVI空间分异的解释力均表现为上升趋势,说明人类活动对植被变化的影响越来越强。

图5 单因子探测q值Fig.5 The q-values of single-factor probe

2.3.2交互因子探测 交互因子探测器可以用来确定自然因子和人类活动因子对NDVI空间分异的相互作用效应。结果表明:两因素之间交互作用解释力均大于单因子作用解释力,表现为双因子增强和非线性增强两种关系。在各个时期,土地利用类型与其他因子交互作用解释力均大于50%,其中土地利用类型∩降雨量相互作用对NDVI空间分异的解释力最高,在2000年、2010年和2020年解释力分别为59%,61%和69%。其次是土地利用类型∩相对湿度交互作用的影响,在2000年、2010年和2020年解释力分别为58%,58%和60%(图6)。该结果进一步验证了土地利用类型、降雨量和相对湿度是影响NDVI空间分异的主要因子,而其中土地利用类型是主导因子。另外,一些单因子探测中影响力微弱的因子,在与其他因子交互作用中,显著增加了其对NDVI空间分异的解释力。这表明在多种因素共同作用下,一些对植被直接影响不大的因素可能会影响植被的生长。

2.4 主导因子对NDVI变化的影响

2.4.1土地利用类型空间分布和转变 土地利用类型的转变可以直观反映了人类活动对自然地改造,随着人类活动的增强,土地利用类型的转变,对植被变化有显著影响。根据表2、图7A和图7B的结果可知:在2000年,耕地、林地、草地、水域、建设用地和未利用地的面积和比例分别为80 291.63 km2(20.96%)、270 203.69 km2(70.54%)、29 487.75 km2(7.70%)、2 069.06 km2(0.54%)、508.56 km2(0.13%)和487.00 km2(0.13%)。在2020年,耕地、林地、草地、水域、建设用地和未利用地的面积和比例分别为83 960.31 km2(21.92%)、272 520.69 km2(71.15%)、22 210.25 km2(5.80%)、2 437.75 km2(0.64%)、1 356.38 km2(0.35%)和562.31 km2(0.15%)。林地是云南省主要的土地利用类型,在2000年和2020年面积占比均超过70%。其次是耕地,面积占比均超过20%,其他土地利用类型面积占比较小,合计不超过9%。2000—2020年期间耕地、林地、水域、建设用地和未利用地面积表现为增加,仅草地面积减少。

表2 2000—2020年土地利用类型面积和比例Table 2 Area and proportion of land use types from 2000 to 2020

土地利用类型转移矩阵可以反映土地利用类型转变情况,如表3和图7C所示,期间土地利用类型发生转变的面积为46 705.67 km2,占研究区面积的12.19%。在不同土地利用类型中,林地和耕地是变化最大的土地利用类型,其相互转化面积为28 686.19 km2,占转变总面积的61.42%。其次是林地、耕地和草地之间的相互转化,面积达16 070.63 km2,占比为34.41%。另外,研究发现建筑用地是云南省增长比例最高的土地利用类型,从2000年的508.56 km2增加至2020年的1 356.39 km2,增长比例为166.71%,主要由耕地和草地转入,对部分区域自然植被产生了破坏,特别是在昆明市南部及其周边城区,这是经济发展,城市快速扩张和工业化导致的结果。

2.4.2土地利用类型与NDVI波动程度的关系 研究采用变异系数反映2000—2020年NDVI波动程度,变异系数介于0～2.65之间,均值为0.057(图8A)。其中低波动变化和较低波动变化的区域面积占比为93.24%。中等波动变化、中高波动变化和高波动变化的区域面积占比为6.76%,主要分布在昆明市南部、玉溪市东部、大理州中部和迪庆州北部。通过对比图2和图8A,发现在植被覆盖越好的区域,其稳定性等级也相对较高,而植被差的部分区域,稳定性相对较差。为进一步反映NDVI波动程度与主导因子的关系,使用2020年土地利用类型对NDVI波动程度进行分区统计,结果如图8b所示,耕地和林地低波动变化和较低波动变化的区域面积占比均超过90%,其次是草地,低波动变化和较低波动变化的区域面积占比为75.14%,其他土地利用类型均不超50%。中等波动变化、中高波动变化和高波动变化的区域主要集中在未利用地、水域和建筑用地,面积占比均超过50%,其中建筑用地面积比例最高,达到65.44%,可见城市化快速扩张导致的建筑用地增长对植被变化的影响最大。

图8 2000—2020年NDVI稳定性等级空间分布Fig.8 Spatial distribution of the NDVI stability grades from 2000 to 2020注:A为NDVI稳定性等级空间分布,B为不同土地利用类型写稳定性等级比例Note:Panel A displays the spatial distribution of NDVI stability levels,Panel B the proportion of different stability levels for the six land use types

3 讨论

3.1 云南省NDVI时空变化特征

空间分布上,2000—2020年云南省整体植被覆盖呈现“西南高,东北低”的空间分布格局,总体植被覆盖水平较高,但仍然存在部分区域植被覆盖水平较低,主要分布在昆明市南部、玉溪市东部、楚雄州北部、红河州北部和迪庆州北部。植被覆盖低的区域大部分位于建设用地相对集中区域,尤其是昆明市南部周边,原因在于人类活动强度高,建设用地面积多,植被覆盖水平较低,这与丁文荣[27]研究结果相符合。此外,迪庆州北部植被覆盖低的区域主要地类是草地,该区域海拔较高,生态环境相对脆弱,气候条件不适宜森林植被生长,导致该区域植被覆盖水平相对较低[26]。时间变化上,2000—2020年云南省NDVI呈现上升趋势,增长速率为0.002 2。空间变化上,NDVI上升的区域面积占比为83.15%,表明大部分区域的植被得到有效改善。2000—2019年云南省累计造林面积近8 000 km2,累计造林面积与NDVI变化呈显著正相关(P<0.01)[38]。自2000年以来,国家实施了退耕还林还草、天然林资源保护和西南岩溶石漠化综合治理等一系列林业生态工程,有效改善了云南省植被状况,推进了区域生态环境建设[39]。NDVI下降的区域面积占比为16.85%,主要分布于迪庆州、大理州东部、昆明市南部和玉溪市东部等中心城市和周边地区以及海拔高,生态环境脆弱的迪庆州。其中,中心城市和周边地区植被退化更加严重,这是由于经济发展,工业化和城市化,导致建筑用地急速扩张,对植被造成破坏,NDVI下降[22]。

3.2 云南省NDVI空间分异影响因素分析

自然条件和人类活动是影响NDVI空间分异的两个主要因素,本研究采用地理探测器探究了自然条件和人类活动对NDVI空间分异的驱动力水平,结果表明土地利用类型、降雨量和相对湿度是影响NDVI空间分异的主要因子。其中土地利用类型是主导因子,其可以有效反映土地利用方式、植被类型和人类活动程度的区域差异,故在各个时期对NDVI空间分异的解释力均为最高[40]。降雨量和相对湿度是植被生长的两个关键气象因素,对植被光合作用、呼吸作用和蒸腾作用等代谢过程有着不可忽视的影响[16]。云南省降雨量高的区域可达2 000 mm,而低的区域仅600 mm,降雨量在季节上分布不均,地域空间差异大。另外,相对湿度受降雨量影响,在空间分布格局上具有相似性。故降雨量和相对湿度对云南省NDVI空间分异的解释力也较高。云南省大部分区域属于亚热带,温度和日照时数充足,空间差异较小,故对NDVI空间分异的解释力相对较弱。

交互因子探测器表明因子之间作用会增强单因子对NDVI空间分异的解释力,表现为双因子增强和非线性增强两种关系,说明自然因子和人类活动因子对NDVI空间分异的影响并非独立,存在相互促进效应。在各个时期因子交互作用的解释力靠前的两个组合均为土地利用类型∩降雨量和土地利用类型∩相对湿度,进一步说明了土地利用类型、降雨量和相对湿度对NDVI空间分异占据主要地位。未来制定云南省生态规划,不光要考虑土地利用类型转变,还应考虑气象因素空间分布的影响,因地制宜的采取生态修复策略,提升云南省生态环境,促进区域绿色可持续发展。

4 结论

本研究基本2000—2020年云南省NDVI数据集,分析了云南省NDVI时空变化特征,并结合地理探测器、土地利用转移矩阵和变异系数分析了自然因素和人类活动因素对NDVI时空变化的影响,发现空间分布上,云南省植被覆盖呈现西南高,东北低的空间分布格局。时间变化上,2000—2020年NDVI呈上升趋势的区域面积占比为83.15%,而NDVI下降的区域面积占比为16.85%。NDVI空间分异的主要影响因子为土地利用类型、降雨量和相对湿度,其中土地利用类型解释力最高,远高于其他因子。土地利用类型与其他因子交互作用解释力均高于单因子作用解释力,表现为双因子增强和非线性增强两种关系。土地利用类型的转变对NDVI变化具有显著影响,林业生态工程的实施增加了林地面积,改善了区域植被,对NDVI上升起到了积极作用;而工业化和城市化引起的建筑用地扩张,严重破坏了区域植被,导致NDVI降低。