极端干旱对南四湖湿地景观影响的遥感分析

刘茹芸 于泉洲,2* 贾爱英 张忠镇 李天主

（1 聊城大学地理与环境学院，山东 聊城 252059；2 聊城大学黄河学研究院，山东 聊城 252000；3 山东省济宁市土地储备和规划事务中心，山东 济宁 272000；4 济宁市林业保护和发展服务中心，山东 济宁 272000）

在气候变化的背景下，升温导致空气可更多地吸收土壤水分，加剧地表失水，导致干旱事件更易发生（IPCC, 2021）。随着气候变暖，全球干旱事件频发且影响程度愈加严重，导致人类社会对水资源需求压力陡升（Rohde, 2023）。在干旱背景下，湿地生态系统发生不同程度的变化，引起气象、水文、生态等多因子发生深刻变化。通过对湿地水域、植被及景观格局指数的分析，揭示干旱对湿地的影响机制及各类景观随着干旱的演变特征，对于湿地监测以及保护政策的制定意义重大（Ozesmi et al.,2002）。

当前，遥感技术是湿地环境监测的强有力手段并得到了广泛应用。李加林等（2020）选择1990年、2000年、2008年以及2017年遥感数据，基于国内盐城湿地、杭州湾南岸湿地和象山港湿地3个研究区比较不同的滨海湿地植被时空演变特征，揭示各类型滨海湿地植被在人类活动以及自然环境影响下的不同演化规律。葛少青等（2018）发现温度植被干旱指数（TVDI）、垂直干旱指数（PDI）和归一化干旱监测指数（NPDI）均能够有效地监测土壤干旱。蔡亮红等（2017）在传统植被指数的基础上加入短波红外波段，提升土壤水分遥感反演的能力。总之，当前多数研究主要关注基于干旱指数的长时序干旱趋势研究，或利用遥感手段监测土壤干旱特征，但缺乏从卫星遥感的尺度结合干旱指数对湿地干旱特征的研究，尤其高时空分辨率湖泊湿地干旱特征的遥感研究还有待加强。

南四湖是山东省最大的淡水湖，同时也是南水北调东线的重要枢纽，在维护区域生态安全方面具有重要作用（于泉洲等, 2012）。本文围绕南四湖湿地典型的干旱事件，利用2002年逐月的和正常年份2000年的Landsat系列影像，结合相关分析法、影像分析、阈值法和景观格局分析法等揭示极端干旱对南四湖湿地的影响机制，分析干旱背景下南四湖景观的变化特征，旨在为气候变化背景下的湖泊湿地管理与保护提供科技支撑。

1 研究区概况与研究方法

1.1 研究区概况

南四湖位于山东省西南部的微山县，由南阳湖、微山湖、昭阳湖和独山湖四个相连的湖泊组成，总面积约为1 266 km2（图1）。全湖南北长约120 km，东西宽5～25 km，平均水深1.5 m。南四湖湿地属暖温带大陆性季风气候，年平均气温约14℃，年平均降水量约700 mm。南四湖自然资源丰富，盛产鱼、虾、苇、莲等多种水生动植物，是山东省最重要的淡水渔业基地。2002年南四湖湿地发生极端干旱事件，造成几乎全湖干涸，湖区生态环境破坏严重，水产养殖业也遭受重大损失（朱新庆等, 2003）。

图1 研究区位置Fig.1 Location of the study area

1.2 数据来源

Landsat TM/ETM+数据在地理空间数据云平台下载（https://www.gscloud.cn/），数据具体信息见表1。行政区划数据主要来自来源于中国科学院资源环境科学与数据中心网站（https://www.resdc.cn/），时间为2015年，主要用于区域分割。逐月温度、降水量等气候数据来自中国气象科学数据共享服务平台的微山站点（http://data.cma.cn/）。PDSI数据来自荷兰皇家气象研究所（https://www.knmi.nl/），分辨率为4 km，时间频率1次/月。

表1 研究所用遥感数据Table 1 Remote sensing data used in this study

1.3 研究方法

1.3.1 水域面积提取改进的归一化差异水体指数（MNDWI）能够有效识别水体，并能够揭示水体细微特征（杨安南等, 2021），该指数对水体提取的匹配度达90%以上（Xu, 2006），本研究选用该指数进行水体提取。确定阈值为0.2，进行水域面积提取。

1.3.2 植被变化分析归一化差值植被指数（NDVI）利用红外和近红外波段的结合，能够准确反映植被覆盖和生长状况（于泉洲等, 2014）。植被覆盖度（FVC）表示区域有植被覆盖地表与无植被覆盖地表的组成比例（张海霞等,2007），利用像元二分模型来计算植被覆盖度（仲嘉亮等, 2017）。按照10%、30%、45%、60%分别划分为低、较低、中度、较高、高植被覆盖度。

1.3.3 干旱状态分析利用帕默尔干旱指数（PDSI）分析湿地干旱状态，该指数是一个基于水量供需关系的干旱指数。当水分供不应求时PDSI值为负数，即为干旱；否则为湿润（Palmer, 1965）。在荷兰皇家气象研究所按照经纬度下载研究区逐月PDSI值，PDSI值详细分类见表2。

表2 PDSI干旱程度分级表Table 2 The PDSI classification table

1.3.4 景观格局变化分析利用监督分类方法进行地物景观分类并进行面积统计，计算景观格局指数讨论干旱对湿地的影响，主要计算各景观面积、斑块数量（NP）、斑块密度（PD）等指标（邬建国,2000） 。

1.3.5 精度验证基于同时期的Google Earth高分图像，选取分类验证样本点。使用ENVI图像处理软件的混淆矩阵工具对遥感图像解译结果与生成精度验证样本来进行精度评价（何予霄等, 2018）。

2 结果与分析

2.1 南四湖极端干旱年气候特征

1960—2010年南四湖湿地气温和降水变化见图2，从图2可知：50年间研究区年平均气温呈波动上升趋势，2002年年均气温处于历史相对高位，且干旱发生前连续多年气温持续高位，为南四湖湿地干旱的发生提供了气温条件。2002年降水量相较于相邻年份明显偏少，全年降水量仅为470.8 mm。南四湖湿地2002年平均年气温处于1960年以来的较高水平，其年降水量却处于1960年以来的低值，故可判断异常的气温、降水条件为2002年的干旱主因。

图2 1960—2010年南四湖气温与降水变化图Fig.2 Annual temperature and precipitation from 1960 to 2010 in Nansi Lake

2.2 干旱年南四湖水域变化特征

本文选取了2002年逐月及2000年部分月份的遥感数据进行分析，根据前述气象分析结果，将2000年代表正常年份进行对比。计算MNDWI，并进行阈值分割，得到水域与非水域的二值图并计算水域面积（图3），各月份平均总体精度为84.40%，平均Kappa系数为0.73。从图3可知：2002年4月已出现明显的水面减少，随后水面虽略有增加，但自5月开始水域面积逐渐减少，10月水域面积降至最小。从MNDWI反演的水域面积来看，正常年2000年2月、3月、5月、8月、9月、11月的水域面 积 分 别 为311.02 km2、477.32 km2、439.91 km2、523.49 km2、319.20 km2、397.80 km2，2002年干旱发生后水域面积普遍小于2000年相应月份的水域面积。

图3 2002年逐月水域分布格局Fig.3 monthly water patterns in Nansi Lake in 2002

通过将2002年11个PDSI为负的月份水域面积与相应的PDSI值进行相关性分析（图4）。从图4趋势拟合的结果来看，两者之间存在非线性关系，即随着干旱的加重，水域面积下降速度加快。

图4 水域面积与PDSI的相关性Fig.4 Correlation between water area and PDSI

2.3 干旱年南四湖植被变化特征

2.3.1 南四湖NDVI及植被面积变化特征计算南四湖湿地2002年各月份的NDVI（图5），从图5可知：南四湖NDVI表现为先增加后降低的特征，即先变绿再变黄的趋势。随着生长季到来和湖泊初步干涸，湖岸到湖心的NDVI逐渐增大，说明随着水面的缩小，植被逐渐向湖区生长蔓延，这一特征在5—7月表现最为明显。夏季全湖NDVI达到最大，尤其独山湖、昭阳湖和微山湖干涸的湖床上呈现较高的NDVI，说明湖床干涸的早期水热条件适宜，导致植被迅速生长，NDVI上升。从10月开始，湖床的NDVI开始呈现下降趋势，说明干旱的加剧和持续，导致湖床水热条件变差，植被生长受到抑制。

图5 2002年南四湖各月份NDVI格局Fig.5 NDVI patterns of Nansi Lake in every month in 2002

将NDVI值大于0.42的区域作为植被（陈云等,2008），对南四湖湿地的植被面积进行统计（表3）。由于气候干旱，植被在干涸的湖区逐渐向独山湖和昭阳湖湖心蔓延生长，导致干旱前期（10月之前）的植被面积增大，但由于旱情加重（10月之后），生物严重缺水，植被面积又迅速减小。

表3 2000年与2002年南四湖植被面积 km2Table3 Vegetation area of Nansi Lake monthly in 2000 and 2002 km²

2.3.2 植被覆盖度变化特征基于NDVI数据，并利用像元二分法求得南四湖干旱年逐月的FVC（图6），分析发现南四湖湿地在2002年8、9月的植被覆盖度达到最高；南四湖湿地在6月湖内裸露的土地上植被爆发，植被覆盖度持续增加并且持续到9月。结合图3可知：在2002年的秋、冬月份，独山湖与昭阳湖出现干湖现象，二者湖心植被覆盖度均值在0.3左右，植被覆盖度下降明显。

图6 2002年南四湖湿地各月份FVC分布格局Fig.6 FVC patterns of Nansi Lake wetland in each month in 2002

2.3.3 干旱对湿地植被的影响将NDVI、FVC及植被面积与PDSI进行统计（图7），发现NDVI、FVC及植被面积具有大体相同的变化特征，均呈现出先上升后下降的趋势。其中，7月和8月的NDVI、FVC值达到最大，而植被面积在8月和9月最大，此时的PDSI为-1～-2.5，为轻微干旱。随后，随着流域补水和冬季到来，植被开始减少，NDVI等植被指标剧烈下降。

图7 干旱年植被与PDSI的逐月变化特征Fig.7 The monthly variation of vegetation and PDSI

考虑到干旱对植被的影响具有滞后性，故选择当月的PDSI与下月NDVI、FVC及植被面积对应，并进行相关性分析（表4）。从表4可知：PDSI与3个植被相关指标均具有显著相关性，其中，PDSI与FVC的相关性最高（R=0.71）。从图7可知：轻微干旱时，NDVI与FVC值均会有所上升，植被面积也有所增加，但湿地处于严重干旱时，NDVI、FVC与植被面积会迅速下降。

表4 PDSI与植被各指标的相关性分析Table 4 Correlation analysis between PDSI and various vegetation indicators

2.4 干旱对湿地景观的影响

选取干旱年主要季节（2002年春、夏、秋）与正常年（2000年夏）的遥感图像，结合水体指数、植被指数，通过最大似然监督分类，将南四湖湿地景观分为水域、植被和其他（主要是裸地与建设用地）3类，总体精度分别为87.15%、77.63%、90.08%、86.38%，Kappa系数分别为0.78、0.69、0.84、0.82。

由表5分析南四湖景观类型的面积、斑块数量以及斑块密度特征发现，相较正常年份，干旱年的水体面积维持低位，而植被面积显著增加。植被面积由2000年夏季的696.25 km2增加到2002年夏季的864.12 km2。同时，水体的斑块数量（NP）由2000年夏季的8 432增加到2002年夏季的9 344，植被斑块数量在干旱年份呈现不明显的先减后增，其他景观呈现明显夏季偏低特征。水体斑块密度（PD）由2000年夏季的17.98显著增加至2002年夏季的33.45，并持续增加到2002年秋季的87.48；植被斑块密度表现出相反变化，由2000年夏季的12.76降到2002年夏季的8.89，其他景观斑块密度干旱年份夏季同样低于正常年份夏季。在干旱年水体景观相较于正常年份的破碎化和异质性有所增加，而植被景观破碎化和异质性则有所减弱。

表5 干旱年份与正常年份南四湖主要景观特征Table 5 Landscapes of the study area in drought and normal year

3 讨论

极端干旱事件通过在短时间内改变湿地水文特征，剧烈影响湿地植被和水域分布特征，进而导致湿地结构和功能的迅速变化（罗金明等, 2019）。干旱的发生对于植被、水文、景观格局都有不同程度的影响，特别是干旱初期植被面积相较于普通年份显著增加。干旱期间会导致多数湿地植物失去其适宜的生态位，耐旱性较差的物种最早被淘汰，耐旱性较好的植物适应干旱的能力会得到增强（于泉洲等, 2014），且大量水生生物的生存受到严重威胁，农作物受灾严重。通过对正常年和干旱年南四湖湿地的景观格局分析可知，干旱对湿地景观产生显著影响，特别表现在增加了水体的破碎化和景观异质性，同时减小植被的破碎化和异质性。

气候变化背景下，极端干旱事件频发，相关管理部门需加强管理和提高保护意识，维护湿地功能和结构的稳定。光学及合成孔径雷达（SAR）遥感数据因其观测周期短、实时性强等特点可准确及时地获取水体信息，已被广泛用于地表水监测（刘元波等,2020）。从遥感数据中提取植被指数与水体指数等参数，可准确表达植被状态，结合干旱指标进行分析能有效地揭示湿地对干旱的响应特征。在遥感数据与平台愈加丰富的将来，将卫星遥感结合无人机遥感、地面光谱遥感测量、实地采样对湿地景观信息开展多维度、高精度、长时序变化的监测分析将是重点的研究方向。

4 结论

干旱年异常的水热气候条件是导致南四湖发生极端干旱事件的主要原因，全年降水的异常偏少和气温的异常偏高加剧了干旱的发生。干旱年南四湖的水域面积相较于非干旱年大幅减小，从5月开始干旱加剧，水域面积逐渐减小，10月达到最小值，并出现干湖现象。干旱年南四湖湿地的植被面积明显高于非干旱年，干旱年PDSI与湿地植被特征（NDVI均值、FVC及植被面积）均具有显著的正相关性（P＜0.05），干旱年植被特征呈先增加后减少的趋势。干旱在短期内显著影响南四湖的景观格局特征，随着干旱增加，干旱年内的水域与植被景观的斑块数量和斑块密度发生剧烈变化，景观破碎化与空间异质性均发生了显著变化。