谢绮丽(1996—), 女(汉族), 四川省德阳市人, 硕士研究生, 研究方向为生态地理信息系统。Email:
分析三江源植被覆盖变化趋势,掌握三江源生态环境状况,为三江源后期生态建设项目的宏观布局和实施提供科学依据。
基于MODIS-NDVI,DEM及气象数据,借助最大合成法(MVC)、趋势分析、Hurst指数等方法从多个角度,综合分析2001—2020年三江源植被覆盖时空演变特征及未来发展趋势,并结合偏相关分析和多元回归残差分析法探讨气候变化和人类活动对植被覆盖的响应特征。
① 近20 a来三江源植被覆盖呈现显著上升趋势,增速为2.1%/10 a;空间上整体呈现“东南高,西北低”,从东南向西北呈阶梯式逐渐递减。②三江源植被覆盖整体表现为上升趋势,上升面积占74.59%,下降面积占25.41%,具体表现为东北部以及西北部显著上升,曲麻莱南部、杂多北部和甘德西南部下降。③三江源植被覆盖未来变化的反向特征比同向特征更明显,持续改善面积占29.22%,改善到退化的面积占45.54%。④气温和降水对三江源植被覆盖都呈正面影响,且降水是主要驱动因子。⑤人类活动对三江源植被覆盖影响呈显著增强趋势,且以积极影响为主,主要分布在黄河流域东北部、长江流域通天河南侧和澜沧江流域东南部。
三江源是中国生态安全的重要区域,植被覆盖受气候和人类活动影响大,需要加强区域生态保护治理和生态维持。
The change trend of vegetation cover in the Three-River headwaters region, and its ecological environment were analyzed, in order to provide a scientific basis for the macro layout and implementation of ecological construction projects in the future.
Based on MODIS-NDVI, DEM, and meteorological data, the spatio-temporal evolution characteristics and future development trend of vegetation cover in the Three-River Headwaters region from 2001 to 2020 were comprehensively analyzed from multiple perspectives by using the maximum-value composite procedure (MVC), trend analysis, the Hurst index, and other methods. The responses of climate change and human activities to vegetation cover were analyzed by combining partial correlation analysis and multiple regression residual analysis.
① The vegetation cover of the Three-River headwaters region has increased significantly over the past 20 years, with a growth rate of 2.1%/10 yr. Overall, vegetation cover was high in the southeast and low in the northwest, and gradually decreased from southeast to northwest. ② Vegetation cover in the Three-River headwaters region increased over time, with the area of increasing vegetation cover accounting for 74.59%, of the total area, and the area of decreasing cover accounting for 25.41%. The vegetation in northeast and northwest areas increased significantly, and the areas in South Qumalai, North Zaduo, and Southwest Gande decreased. ③ The reverse characteristics of future changes in vegetation cover in the Three-River headwaters region were more obvious than those in the same direction. The area of continuous improvement accounted for 29.22% of the total area, and the area of improvement to degradation accounted for 45.54%. ④ Temperature and precipitation had positive impacts on vegetation cover in the Three-River headwaters region, and precipitation was the main driving factor. ⑤ The impact of human activities on vegetation cover in the Three-River headwaters region increased over time, and the positive impact was mainly located in the northeast Yellow River basin, south of the Tongtian River in Yangtze River basin, and the southeast part of the Lancang River basin.
The Three River headwaters region is an important area for ecological security in China. Vegetation coverage is greatly affected by climate and human activities. It will be necessary to strengthen regional ecological protection and ecological maintenance.
三江源是中国国家级自然保护区,是青藏高原生态环境安全屏障极为重要的组成部分[
随着全球气候不断变化,学术界十分注重研究气候变化和陆地生态系统之间的相互关系。目前,国内外学者从不同尺度对植被时空变化及其影响因素进行了研究,如Ghebrezgabher等[
目前,三江源地区气候“变湿变暖”化发展趋势明显[
如
三江源概况及气象站点分布
https://ladsweb.modaps.eosdis.nasa.gov/)网站获取,时间跨度为2001—2020年,空间分辨率250 m,时间分辨率为16 d,由于三江源地区跨越h: 25 v: 5和h: 26 v: 5两个区域,因此选择这两个区域作为原始数据,共景920景。首先利用NASA提供的MRT(MODIS reprojection tools)和bat批处理命令进行影像拼接、格式转换和重投影处理,将坐标投影转换为WGS_1 984_UTM_Zone_46 N;再利用Python编程将数据批量裁剪得到研究区MODIS-NDVI影像数据,为了消除太阳高度角以及大气效应等因素的影响,使用最大合成法(MVC)合成年NDVI影像数据;最后,利用ENVI进一步采用混合像元二分模型得到每年植被覆盖度影像数据,再将20 a影像数据采用波段合成得到2001—2020年植被覆盖时序影像数据。DEM数据在地理空间数据云(http://www.gscloud.cn/)网站获取,空间分别率为90 m,为了使其分辨率和MODIS13 Q1数据空间分别率保持一致,将其重采样为250 m。气象数据来源于中国气象科学数据分享服务平台(http://data.cma.cn/)的日值数据,根据日值数据再进一步统计平均气温和降水数据。]]>
在大多数研究中,利用RS数据估算植被覆盖度有3种典型的方法,如经验方法、SMA方法和像元二分模型[
式中:FVC为植被覆盖度; NDVI为归一化植被指数; NDVIsoil表示裸露土壤的NDVI, NDVIveg是指完全由植被覆盖的纯像元的NDVI, 由于NDVIsoil和NDVIveg受大气、四季变化等多种因素的影响, 且随时间和空间变化, 所以Gillies等[
统计每个年度NDVI的分布情况,取累计频率5%,95%的NDVI值分别作为当年度的NDVImin和NDVImax,计算出2001—2020年的FVC。
趋势分析法即采用回归分析的方法以年份为自变量、年均FVC为因变量逐像元拟合,利用最小二乘法求解回归方程,该回归方程的斜率为年均FVC的变化趋势,计算公式如下:
式中:
基于
对于时间序列FVC
(1) 均值序列:
(2) 累计离差:
(3) 极差:
(4) 标准差:
根据比值
自然界的生态系统是由多个元素共同构成,单个元素之间的相互关系通过简单的相关系数已经无法准确反映其相关性。而偏相关系数在暂且不考虑其他元素影响的情况下,真实有效地表达出两元素之间的相关性。计算公式如下[
式中:
其中相关系数为:
式中:
在干旱、半干旱地区,植被覆盖变化的主要驱动因素是气候波动和人类活动。根据上述条件建立气温、降水、人类活动与FVC的多元回归分析模型。将回归模型的残差项看作为人类活动部分,那么求气温、降水与FVC的回归分析模型残差的过程即为求解人类活动对FVC变化的贡献值的过程[
式中:根据
2001—2020年三江源FVC时间变化趋势
(1) 空间分布特征。
2001—2020年三江源区植被覆盖度(FVC)随海拔变化趋势及空间分布
(2) 空间趋势特征。为探究三江源植被覆盖变化趋势,采用一元线性回归趋势分析法,逐像元计算2001—2020年每个栅格的变化趋势。由
2001—2020年三江源区植被覆盖度(FVC)空间变化趋势及显著性分布
2001—2020年三江源植被变化类型分类及结果
变化类型 | 像元个数 | 面积/ km2 | 百分比/ % | 累计百分比/% |
不显著下降 | 1 232 721 | 77 045.062 5 | 25.41 | 25.41 |
不显著上升 | 1 660 992 | 103 812 | 34.24 | 59.65 |
弱显著上升 | 458 224 | 28 639 | 9.45 | 69.10 |
显著上升 | 678 684 | 42 417.75 | 13.99 | 83.09 |
极显著上升 | 820 480 | 51 280 | 16.91 | 100.00 |
(3) 未来变化趋势。基于2001—2020年三江源植被覆盖度时序数据逐像元计算Hurst指数(
三江源区植被覆盖度Hurst指数及未来变化趋势
(1) 三江源气候变化趋势。基于2001—2020年三江源内气象站点数据,利用Python 3.8统计各站点年均气温及降水量,并运用Manner-Kendall(M-K)突变检验计算气温、降水年均变化趋势、
三江源区气温、降水变化趋势
三江源区气温、降水变化M-K检验结果
三江源区各气象站点气温、降水突变特征及突变时间
三江源2001—2020年年均降水总体呈现波动上升趋势(
(2) 植被覆盖与气候因子的相关性。基于三江源及其周边区域气象站点数据,统计各气象站点的年降水量和年均气温,首先,利用TPS薄盘光滑样条函数法对气温和降水数据进行空间插值,将气象数据由独立的数据转化为连续的栅格数据,再利用Python编程将其投影和空间分辨率转化为与三江源FVC时序栅格数据一致,最后,根据三江源矢量边界掩膜得到该地区年均气温、年降水量栅格数据。
由于每个区域的自然条件有所差异,其气温、降水等气候指标对植被生长的影响程度也有所不同,结合三江源FVC时序影像数据对气温、降水进行偏相关分析,结果显示如
2001—2020三江源植被覆盖度(FVC)与气候因子的偏相关空间分布
植被覆盖变化除了受到气候指标的影响外,人类活动强度也是一个非常重要的驱动因子。以三江源的气温和降水数据作为自变量,FVC作为因变量,运用多元线性回归建立预测模型,求得2001—2020年FVC预测值,将其与2001—2020年FVC真实值做差值运算,得到2001—2020年三江源残差序列数据,该数据即为人类活动对植被覆盖的影响。根据残差序列数据,运用趋势分析得到2001—2020年三江源FVC残差变化趋势以及空间分布。由
2001—2020年三江源区植被覆盖FVC残差变化趋势及空间分布
基于MODIS-NDVI,DEM和气象数据,首先,利用趋势分析、Hurst指数分析了三江源植被覆盖变化趋势,并结合M-K非参数检验法和偏相关分析气候指标对植被覆盖的影响,再根据多元回归残差分析讨论人类活动对植被覆盖的影响,得出以下结论:
(1) 时间上,2001—2020年三江源植被覆盖呈现显著上升趋势,增速为2.1%/(10 a),年均植被覆盖在49%~60%之间;空间上,整体呈现“东南高,西北低”的分布格局,从西北呈现阶梯式递减,可为4个阶段。
(2) 从植被覆盖变化趋势方面,20 a来,三江源植被覆盖整体表现为上升趋势,植被覆盖显著上升区主要是在研究区东北部以及西北部,植被覆盖下降区主要分布在曲麻莱南部、称多北部和甘德西南部。
(3) 从未来植被覆盖变化趋势方面,根据Hurst指数得出三江源植被覆盖变化的反向特征比同向特征更明显,且呈强同向特征和强反向特征的区域面积比例较小。
(4) 从气候影响因子方面,气温和降水都呈波动上升趋势,气温和降水对植被覆盖都呈正面影响,但降水对植被覆盖的影响显著,所以,降水是导致三江源区植被覆盖变化的主要驱动因子。
(5) 从人类活动因素方面,三江源地区的人为活动影响呈显著增强趋势,人类活动影响增强面积占65.14%,减弱面积为34.86%。2000年在三江源成立省级护区,2003年确立为国家自然保护区,2005年不断优化其生态项目策略,实施黑土滩治理、土地沙漠化治理、生态修复等22个生态建设项目,都表现出了人类恢复活动对三江源植被覆盖有积极的影响。
研究结果表明,2001—2020年,三江源受一系列生态修复工程的影响,植被覆盖整体呈增加趋势,与绕品增等[
赵新全. 高寒草甸生态系统与全球变化[M]. 北京: 科学出版社, 2009.
傅伯杰. 地理学综合研究的途径与方法: 格局与过程耦合[J]. 地理学报, 2014, 69(8): 1052-1059.
Zhang Ying, Zhang Chaobin, Wang Zhaoqi, et al. Vegetation dynamics and its driving forces from climate change and human activities in the Three-River Source Region, China from 1982 to 2012[J]. Science of the Total Environment, 2016, 563/564: 210-220.
Shi Xiaoli, Wang Wei, Shi Wenjiao. Progress on quantitative assessment of the impacts of climate change and human activities on cropland change[J]. Journal of Geographical Sciences, 2016, 26(3): 339-354.
Hu Chanjuan, Fu Bojie, Liu Guohua, et al. Vegetation patterns influence on soil microbial biomass and functional diversity in a hilly area of the Loess Plateau, China[J]. Journal of Soils and Sediments, 2010, 10(6): 1082-1091.
Fang Jingyun, Piao Shilong, He Jinsheng, et al. Increasing terrestrial vegetation activity in China, 1982—1999[J]. Science in China (Series C, Life Sciences), 2004, 47(3): 229-240.
Gao Yongnian, Gao Junfeng, Wang Jing, et al. Estimating the biomass of unevenly distributed aquatic vegetation in a lake using the normalized water-adjusted vegetation index and scale transformation method[J]. Science of the Total Environment, 2017, 601/602: 998-1007.
Hirano Y, Yasuoka Y, Ichinose T. Urban climate simulation by incorporating satellite-derived vegetation cover distribution into a mesoscale meteorological model[J]. Theoretical and Applied Climatology, 2004, 79(3/4): 175-184.
Gutman G, Ignatov A. The derivation of the green vegetation fraction from NOAA/AVHRR data for use in numerical weather prediction models[J]. International Journal of Remote Sensing, 1998, 19(8): 1533-1543.
Yuan Lin, Zhang Liquan. Mapping large-scale distribution of submerged aquatic vegetation coverage using remote sensing[J]. Ecological Informatics, 2008, 3(3): 245-251.
Zhou Z C, Shangguan Z P, Zhao D. Modeling vegetation coverage and soil erosion in the Loess Plateau Area of China[J]. Ecological Modelling, 2006, 198(1/2): 263-268.
Yan Yuchun, Xu Xingliang, Xin Xiaoping, et al. Effect of vegetation coverage on aeolian dust accumulation in a semiarid steppe of Northern China[J]. Catena, 2011, 87(3): 351-356.
Wu Zhanping. The influence of climate change on vegetation net primary productivity in southwestern China during recent 20 years period[J]. Journal of Natural Resources, 2007, 22(2): 251-259.
Gholami H, Mohammadifar A, Bui D T, et al. Mapping wind erosion hazard with regression-based machine learning algorithms[J]. Scientific Reports, 2020, 10: 20494.
Miri A, Maleki S, Middleton N. An investigation into climatic and terrestrial drivers of dust storms in the Sistan region of Iran in the early twenty-first century[J]. Science of the Total Environment, 2021, 757: 143952.
Ghebrezgabher M G, Yang Taibao, Yang Xuemei, et al. Assessment of NDVI variations in responses to climate change in the Horn of Africa[J]. The Egyptian Journal of Remote Sensing and Space Science, 2020, 23(3): 249-261.
de Jong R, de Bruin S, de Wit A, et al. Analysis of monotonic greening and browning trends from global NDVI time-series[J]. Remote Sensing of Environment, 2011, 115(2): 692-702.
邓元杰, 姚顺波, 侯孟阳, 等. 长江流域中上游植被NDVI时空变化及其地形分异效应[J]. 长江流域资源与环境, 2020, 29(1): 66-78.
邓晨晖, 白红英, 高山, 等. 秦岭植被覆盖时空变化及其对气候变化与人类活动的双重响应[J]. 自然资源学报, 2018, 33(3): 425-438.
张翀, 白子怡, 李学梅, 等. 2001—2018年黄土高原植被覆盖人为影响时空演变及归因分析[J]. 干旱区地理, 2021, 44(1): 188-196.
杨艳蓉, 侯召朕, 张增信. 2001—2018年西南地区NDVI变化特征及影响因素[J]. 水土保持通报, 2021, 41(2): 337-344.
韦振锋, 王德光, 张翀, 等. 1999—2010年中国西北地区植被覆盖对气候变化和人类活动的响应[J]. 中国沙漠, 2014, 34(6): 1665-1670.
张婷, 薛东剑, 段金亮, 等. 2000—2019嘉陵江流域植被覆盖时空变化特征及气候响应分析[J]. 长江流域资源与环境, 2021, 30(5): 1110-1120.
卓嘎, 陈思蓉, 周兵. 青藏高原植被覆盖时空变化及其对气候因子的响应[J]. 生态学报, 2018, 38(9): 3208-3218.
刘宪锋, 潘耀忠, 朱秀芳, 等. 2000—2014年秦巴山区植被覆盖时空变化特征及其归因[J]. 地理学报, 2015, 70(5): 705-716.
李辉霞, 刘国华, 傅伯杰. 基于NDVI的三江源地区植被生长对气候变化和人类活动的响应研究[J]. 生态学报, 2011, 31(19): 5495-5504.
李伟霄, 徐军, 姚雅情, 等. 全球变暖背景下青藏高原三江源地区植被指数(NDVI)时空变化特征探讨[J]. 山地学报, 2021, 39(4): 473-482.
靳铮, 游庆龙, 吴芳营, 等. 青藏高原三江源地区近60 a气候与极端气候变化特征分析[J]. 大气科学学报, 2020, 43(6): 1042-1055.
Jiapaer G, Chen Xi, Bao Anming. A comparison of methods for estimating fractional vegetation cover in arid regions[J]. Agricultural and Forest Meteorology, 2011, 151(12): 1698-1710.
顾祝军, 曾志远, 史学正, 等. 基于ETM+图像的植被覆盖度遥感估算模型[J]. 生态环境, 2008, 17(2): 771-776.
Gillies R R, Kustas W P, Humes K S. A verification of the 'triangle' method for obtaining surface soil water content and energy fluxes from remote measurements of the Normalized Difference Vegetation Index (NDVI) and surface E[J]. International Journal of Remote Sensing, 1997, 18(15): 3145-3166.
Hurst H E. Long-term storage capacity of reservoirs[J]. Transactions of the American Society of Civil Engineers, 1951, 116(1): 770-799.
江田汉, 邓莲堂. Hurst指数估计中存在的若干问题: 以在气候变化研究中的应用为例[J]. 地理科学, 2004, 24(2): 177-182.
罗红霞, 戴声佩, 刘恩平, 等. 2001—2014年海南岛植被覆盖时空变化特征[J]. 水土保持研究, 2018, 25(5): 343-350.
徐建华. 现代地理学中的数学方法[M]. 2版. 北京: 高等教育出版社, 2002.
Berdimbetov T, Ilyas S, Ma Zhuguo, et al. Climatic change and human activities link to vegetation dynamics in the Aral Sea Basin using NDVI[J]. Earth Systems and Environment, 2021, 5(2): 303-318.
饶品增, 王义成, 王芳. 三江源植被覆盖区NDVI变化及影响因素分析[J]. 草地学报, 2021, 29(3): 572-582.
徐嘉昕, 房世波, 张廷斌, 等. 2000—2016年三江源区植被生长季NDVI变化及其对气候因子的响应[J]. 国土资源遥感, 2020, 32(1): 237-246.