2000—2014年疏勒河流域植被覆盖时空变化

齐敬辉，牛叔文①，马利邦，何 红

(1.兰州大学资源环境学院，甘肃 兰州 730030；2.西北师范大学地理与环境科学学院，甘肃 兰州 730070)



2000—2014年疏勒河流域植被覆盖时空变化

齐敬辉1，牛叔文1①，马利邦2，何 红1

(1.兰州大学资源环境学院，甘肃 兰州 730030；2.西北师范大学地理与环境科学学院，甘肃 兰州 730070)

基于MODIS NDVI数据，借助ArcGIS和Matlab软件，采用线性趋势分析、M-K检验法和Hurst指数等方法，对2000—2014年疏勒河流域植被覆盖时空变化进行研究。结果表明，近15 a来，疏勒河中下游平均植被覆盖呈快速、平稳增加趋势，上游呈波动性轻微上升态势；整个流域植被覆盖明显改善，显著和极显著改善区占30.86%，集中于坡度小于20°的上游山区以及中下游灌区周边，显著和极显著退化区不足1%，集中在中下游的自然植被区；整个流域在2004年后进入相对暖湿期，6—8月降水量和均温对上游植被生长影响最大，呈显著正相关关系，且降水的影响大于均温，中下游植被受气候要素的影响明显小于上游；流域未来植被改善区占18.63%，主要为持续改善区，集中在移民安置点周边、疏勒河中下游自然保护区以及祁连—阿尔金山北部山麓西段；退化区占14.25%，主要是由现在的改善区转化而来，集中于党河南山、野马山、照壁山等坡度小于20°的上游山区。

植被覆盖；归一化植被指数；线性趋势分析；M-K检验；Hurst指数；疏勒河流域

陆地生态系统对全球变化的响应是国际地圈生物圈计划(International Geosphere-Biosphere Program,IGBP)研究的核心内容,植被是陆地生态系统中的活跃成员,其覆盖变化对生态环境变化具有重要指示作用[1-2]。干旱半干旱区作为全球生态环境脆弱带,其植被覆盖变化对全球变化的响应具有强烈的敏感性,成为全球环境变化与可持续发展研究的重点区域之一[3]。归一化植被指数(NDVI)作为目前应用最为广泛的植被指数之一,对植被覆盖度、生物量及生态系统参数的变化具有良好的指示作用,成为陆地植被变化监测的最佳指示因子[4]。目前,国内外学者利用长时间序列NDVI数据对干旱半干旱区的植被覆盖变化进行了大量研究。JONG等[5]研究认为,1981—2006年间,非洲北部萨赫勒地区、澳大利亚西部、北美中部等世界主要干旱半干旱区均呈显著“绿化”(greening)态势,澳大利亚中部及哈萨克斯坦北部等少数区域呈显著“棕化”(browning)趋势;FENSHOLT等[6]研究表明,1981—2007年间,全球66%的半干旱区出现“绿化”现象;MOHAMMAT等[7]对亚洲内陆的研究显示,1982—2009年间,中亚东南部、里海西岸等地区植被覆盖呈显著增加趋势,蒙古中部及里海东岸等区域呈显著退化态势;DARDEL等[8]及ANYAMBA等[9]对非洲北部萨赫勒地区的研究均表明,1981—2012年间,该区绝大部分区域均呈现显著的“再绿化”(re-greening)趋势。国内研究则显示,1982—2011年间,天山北麓、黄土高原北部及锡林郭勒盟西部等地区植被覆盖呈显著改善趋势,锡林郭勒盟东部至兴安盟西部、乌兰察布和包头市北部及阿尔泰山河谷等区域植被呈显著退化态势[10];2000—2010年间,陕北黄土高原植被呈显著增加趋势,内蒙古长城沿线、天山及阿尔泰山河谷等地呈显著退化趋势[11]。

疏勒河位于河西走廊最西端,降水量稀少,蒸发量巨大,生态环境脆弱,是我国西北地区典型的干旱半干旱区;同时,这里又是甘肃省重要的商品粮生产基地,自20世纪80年代以来,省政府已陆续向该地输送生态移民10多万人,致使耕地面积快速扩张,农业灌溉用水急剧增加,人类社会与自然生态系统矛盾加剧,因此加强对该区生态环境变化监测显得十分必要。然而,相对于同为河西走廊3大内陆河的石羊河和黑河而言,对疏勒河流域的研究却十分薄弱[3]。目前,对于疏勒河流域植被变化的监测集中表现在土地利用/土地覆盖变化(LUCC)和植被指数变化方面。前者主要基于Landsat遥感影像数据进行土地利用/覆盖的分类、动态变化、景观格局变化、驱动机制、情景模拟、生态环境效应等方面研究,但受时间分辨率的限制,往往采用的时间截面数据过少,造成分类结果的随机性较大,且存在分类标准不一、解译精度低等问题,致使彼此间研究结果往往不一致[3];后者主要基于GIMMS、SPOT、MODIS等数据产品,研究内容涉及NDVI和净初级生产力(NPP)变化及其对气候变化的响应等方面[12-14],但大多从宏观尺度展开,缺乏对疏勒河流域的专门研究,所用数据的空间分辨率也往往较低,对疏勒河流域这类植被覆盖稀疏的地区并不能取得良好的研究效果。鉴于此,以250 m空间分辨率的MOD13Q1 NDVI数据为基础,采用线性趋势分析、M-K检验和Hurst指数等方法,对疏勒河流域2000—2014年间植被覆盖变化的时空格局、未来变化趋势及其与气候要素的关系等方面进行研究,以期为流域相关决策提供科学依据。

1 研究区与研究方法

1.1 研究区概况

疏勒河流域(38.21°～41.47° N,92.33°～98.99° E)主要位于甘肃省酒泉市境内,面积约10万km2。以昌马堡和双塔水库为界分为上、中、下游,上游地区包括肃北蒙古族自治县和青海省得令哈市,中下游主要涵盖玉门、瓜州、敦煌等县市。区域地势呈南北高、中间低的“马鞍”型,南部为陡峻的祁连—阿尔金山地,北部是相对低缓的马鬃山地,中间为平缓的河西走廊西段,走廊内分布着花海、玉门—踏实及安西—敦煌3大盆地;整个区域平均海拔2 308 m,最高海拔5 802 m,最低海拔660 m;石油河、疏勒河、榆林河、党河从东往西依次分布其间。上游山区属于祁连山高寒半干旱区[15]7-8,年降水量为150～500 mm,蒸发量为1 300～1 700 mm,年均气温为0～4 ℃,植被类型按高程由高到低依次为高寒荒漠草甸、高山草甸、高山灌丛草甸、山地草原和山地荒漠草原;中下游地区属于河西温带干旱区,年降水量为50～250 mm,蒸发量达2 200～2 800 mm,年均气温为6～8 ℃,主要植被类型为温带荒漠草甸等[15]7-8。

1.2 数据来源与处理

研究所用数据来源于3个方面:(1)MODIS NDVI和质量评价(pixel reliability)数据来源于LAADS网站(http:∥ladsweb.nascom.nasa.gov/data/search.html)的MOD13Q1数据库,其编号为h25v04和h25v05,空间分辨率为250 m,时间分辨率为16 d,起止时间为2000年第49天至2014年第305天,共339期1 356景影像,该数据均经过坐标系统变换(WGS1984)和格式转换(Geotif格式)等后处理;(2)90 m DEM数据来源于地理空间数据云(http:∥www.gscloud.cn/);(3)气象数据来源于中国气象科学数据共享网(http:∥cdc.nmic.cn/home.do)。

利用ArcGIS软件将所得影像裁剪至研究区范围,并将其投影为Albers坐标系统,以保证投影前后面积的一致性。由于受传感器性能、太阳光照角、云、气溶胶等因素影响,所得NDVI数据包含很多噪声,在时间序列上呈锯齿状不规则波动[16],因此需要对其进行降噪处理。相关研究表明,对于干旱区而言,非对称高斯(A-G)算法不但能够有效降低噪声,而且对原始高质量数据保真性最高[17-19]。因此,选择A-G拟合法,利用TIMESAT软件,以MODIS质量评价数据为权重,对所得NDVI数据进行逐像元拟合,以降低噪声,然后利用最大值合成法(MVC)对降噪处理后的NDVI数据进行年最大值合成。NDVI的取值范围为[-1,1],一般认为NDVI≤0表示无植被覆盖,笔者研究对象是植被覆盖区,因此提取4—10月多年平均NDVI≥0.1的像元,据此对各期影像进行掩膜处理,以减少非植被区的干扰[20]。

1.3 研究方法

1.3.1 线性趋势分析

NDVI随时间的变化可以用一元线性回归方程进行模拟,该方程的斜率即为NDVI变化趋势,其值为正表示植被覆盖度提高,为负表示植被退化,其最小二乘估计式[21-22]如下:

(1)

式(1)中,θ为NDVI变化的线性趋势;n为研究时间段的年数;yi为像元在第i年的NDVI值。变化趋势的可信程度通过F检验法确定,根据检验结果将变化趋势分为5种类型:极显著减少(θ<0,P≤0.01);显著减少(θ<0,0.010.05);显著增加(θ>0,0.010,P≤0.01)。

1.3.2 M-K趋势检测

设有一个由n个样本组成的时间序列{xt},定义统计量S[23]为:

(2)

式(2)中,sign为符号函数,当xj-xi大于、等于和小于0时,sign(xj-xi)分别为1、0、-1。

M-K检验统计量(Z)如下:

利用Z值可以进行趋势统计的显著性检验,若|Z|≥Z1-α/2,表示在α置信水平上,时间序列数据存在显著变化趋势,若|Z|

β=median[(xj-xi)/(j-i)] ∀ i

1.3.3 M-K突变检测

Mann-Kendall法属于非参数检验,现已被广泛用于气候要素突变的检测,其基本原理[24]如下:

设有一个由n个样本组成的独立平稳时间序列{xt},可以构造一个秩序列:

定义如下统计量:

E(Sk)=n(n+1)/4，

Var(Sk)=n(n-1)(2n+5)/72。

UFk为标准正态分布,给定显著性水平α,若UFk>Uα,则表明时间序列存在明显的趋势变化,所有UFk将组成一条曲线UF;然后将时间序列{xt}逆序排列,重复上述计算过程,并将计算结果乘以-1,再将结果逆序排序,可得到曲线UB;最后将UF、UB和±Uα绘制在同一张图上。UF或UB的值大于0,说明有上升趋势,反之则呈下降趋势,当其值超出临界线时,说明变化趋势显著。在正序列曲线超过临界线的前提下,若曲线UF和UB有且仅有1个交叉点出现在临界线以内,则该交叉点即为突变点,且在统计上显著,若交叉点在临界线以上或者存在多个明显交叉点,则需要进一步检验是否为突变点[25]。

1.3.4 Hurst指数

基于重标极差(R/S)分析的Hurst指数是定量描述时间序列信息长期依赖性的重要方法,它能有效揭示时间序列所暗示的系统演化趋势,因而被广泛应用于水文学、气象学、地质学等领域,其基本原理[26]298-300如下:

对于时间序列B(t),定义其差分序列{ξ(t)}为

ξ(t)=B(t+1)-B(t)。

均值序列{〈ξ〉τ}为

累积离差X(m,τ)为

极差序列{R(τ)}为

标准差序列{S(τ)}为

可利用Hurst指数(H),判定R/S=[R(τ)/S(τ)]∝(τ/2)H是否成立。若成立说明时间序列B(t)存在Hurst现象,在双对数坐标系[lg (τ/2),lg (R/S)]上,利用最小二乘拟合法即可得到H值(0≤H≤1)。若0≤H<1/2,说明系统演化有反向持久性,即过去的一个减量(增量)意味着将来一个增量(减量);若H=1/2,说明时间序列前后的变化无关,即系统演化具有后无效性;若1/2

Hurst指数计算完成后,要检验每个像元的H值是否合理,通常有3个判断依据[26]301-304:(1)Hurst指数是否介于0～1之间,若在该区间之外,则说明该像元的时间序列不适合做R/S分析,应予以排除;(2)幂指数模型的比例系数(k)是否近似为1,若偏离较大,则予以排除,笔者将偏差控制在±0.15以内;(3)基于时滞τ和R/S值的散点图与基于该数据的幂指数趋势线是否能够很好地匹配,若匹配较差,则予以排除。由于该研究是基于像元尺度进行,数据样本容量巨大,无法逐一进行目视检验,因此只采用前2种方法对计算结果进行检验。

2 结果与讨论

2.1 疏勒河流域植被覆盖的时间变化特征

疏勒河流域植被覆盖年最大值可能出现的月份是7、8、9月,因此在研究数据的时间跨度内,可以提取出近15 a 的历年NDVI最大值(NDVImax)数据;利用ArcGIS软件,从全流域、上游、中下游3个空间尺度求出其区域平均值(图1)。近15 a来,除2007—2009年外,疏勒河中下游地区植被覆盖呈快速、平稳的增加趋势,其线性增长率为4.7%·(10 a)-1,R2值为0.89,这主要是因为近10多年来该地区迁入大量农业开发移民,耕地面积急剧扩张,致使区域植被覆盖度迅速增加。上游植被覆盖虽然也呈现上升态势,但趋势并不明显,其线性增长率仅为1.9%·(10 a)-1,且波动性很大,R2值为0.32,拟合效果较差,这与戴声佩等[27]对于祁连山草地的研究结论相一致,该研究认为1999—2007年间祁连山东北部(疏勒河上游境内)草地呈轻度增加趋势。

图1 2000—2014年疏勒河流域NDVI年际变化

2.2 疏勒河流域植被覆盖的空间变化特征

2.2.1 植被覆盖的空间格局

利用ArcGIS对2000—2014年NDVImax数据求平均值,即可得到近15 a来疏勒河流域年NDVImax均值分布图(图2)。经测算,流域植被覆盖区总面积约为36 000 km2,占流域总面积的36%,其中,NDVI值介于0.1～<0.3之间的区域面积为28 103 km2,占植被区总面积的78.1%,0.3≤NDVI<0.5的区域占15.8%,NDVI≥0.5的区域占6.1%。从空间分布来看,整个流域植被集中分布在3大区域,即南部的祁连—阿尔金山区、中部的河西走廊绿洲以及北部的马鬃山地。

图2 2000—2014年疏勒河历年NDVI最大值(NDVImax)的均值分布

祁连—阿尔金山区植被覆盖面积最大,为28 017 km2,占流域植被覆盖总面积的77.8%,区内96.5%的区域NDVI值介于0.1～0.5之间,占流域植被总面积的75.1%,是整个流域中低覆盖度植被的主要分布区。这里地势条件复杂,气候差异较大,植被分布与海拔关系密切(图3),植被集中分布在海拔2 500～4 500 m,其中,2 500～3 500 m区域占35%,>3 500～4 500 m区域占57%;此外,除昌马乡灌区(海拔在2 000～2 200 m之间)外,植被覆盖度随着海拔的增高而不断增加,并于4 000 m左右达到峰值,随后快速下降。

图3 疏勒河上游NDVI分布与海拔的关系

河西走廊绿洲是第2大植被分布区,面积为6 197 km2,占流域植被总面积的17.2%,其中,NDVI≥0.5的区域占20.4%,是流域内主要高植被覆盖区,区内主要从事农业生产活动,灌溉和培育使得区内的农作物长势较自然植被好。

马鬃山地植被区面积最小,覆盖度最低,植被区总面积约为1 786 km2,所占比例为5%,区内99.7%的区域NDVI值介于0.1～0.2之间,主要植被类型是温带半灌木、矮半灌木荒漠。

2.2.2 植被覆盖年际变化趋势的空间分布

借助ArcGIS和Matlab软件,计算2000—2014年疏勒河流域NDVI变化趋势指数θ,并对其显著性进行检验(图4、表1)。由表1可知,在研究时段内,整个疏勒河流域有12.76%的区域植被处于退化状态,且基本上为轻度退化,87.21%的区域处于改善状态,其中,85.75%的区域为轻度改善。显著性检验结果显示,极显著和显著变化区分别占15.32%和16.44%,且基本上为轻度和中度改善区,退化区所占比例不足1%,不显著变化区占68.23%。由此可见,在过去的15 a中,整个疏勒河流域植被覆盖呈明显改善趋势,退化区所占比例很小。

图4 2000—2014年疏勒河流域NDVI变化趋势空间分布

表1 2000—2014年疏勒河流域NDVI变化趋势(θ)及不同趋势区域面积所占比例

Table 1 Variation trend and proportion in area of NDVI in the Shule River Valley during 2000-2014

植被变化类型θ值不同NDVI变化趋势区域面积占比/%极显著显著不显著合计中度退化(-0.04,-0.02)0.00850.00100.00050.0101轻度退化[-0.02,0)0.32100.568411.861912.7513无变化0000.03370.0337轻度改善(0,0.02)13.561815.850956.339785.7524中度改善[0.02,0.04)1.22430.02240.00161.2483高度改善[0.04,0.061]0.2043000.2043总计15.320016.442768.2373100.0000

从空间分布来看:(1)极显著和显著退化区主要分布在疏勒河中下游的自然植被覆盖区,如北截山子以南的昌马扇缘草地及北石河子两岸,相应植被类型为盐生草甸;(2)极显著和显著改善区则分布比较广泛,上游山区占68.89%,主要为轻度改善区,集中分布于坡度小于20°的区域,主要植被类型为草原、荒漠及高寒草甸,疏勒河中下游占31.11%,其中,中、高度改善区占4.6%,主要分布在花海镇、柳湖乡、双塔乡、梁湖乡、广至乡等移民安置点周边,轻度改善区占26.5%,分布十分广泛。尤其值得注意的是,党河与疏勒河故道汇流处及疏勒河中下游自然保护区的植被退化态势有所逆转,大部分区域呈现出轻度改善趋势,这可能得益于近年来该区域降水量和上游来水量的增加及当地政府的生态调控政策[3]。

2.3 疏勒河流域植被覆盖变化与气候要素的相关性

选取疏勒河上游周边(托勒、野牛沟、大柴旦、德令哈)及中下游地区(玉门、瓜州、敦煌)的7个气象站点,运用M-K趋势检测和突变检测法,从全流域、上游、中下游3个空间尺度对流域1985—2014年的气温、降水变化进行分析。从理论上讲,当年植被生长可能受上一年植被生长季结束至当年生长季结束期间生态因子的综合影响,且这种影响具有持续性和累积性[28]。该流域年NDVImax可能出现的月份是7、8、9月,因此选择上年10月至当年9月期间的气候要素,分析当年NDVImax与单月及不同月份连续组合(例如上年10月至当年9月共有10—11月、10—12月、上年10月—当年1月、……、上年10月—当年9月等11种组合,上年11月—当年9月共有11—12月、11—1月、……、上年11月—当年9月等10种组合,以此类推,共有66种组合)的均温、降水总量之间的偏相关关系。

2.3.1 区域气候要素变化趋势

运用Matlab软件对近30 a来疏勒河流域气候要素变化进行M-K趋势检验(表2)。1985—2014年间,11、12及1月均温变化趋势不显著,其中12月呈下降趋势,全流域、上游、中下游下降幅度分别达-0.012 1、-0.017 9和-0.018 2 ℃·a-1,中下游1月气温下降幅度为-0.033 3 ℃·a-1,其他月份均温均呈上升态势,特别是全流域尺度的单月均温(除11、12、1月外)都表现出显著的上升趋势。降水量的变化除全流域及上游9月通过显著性检验外,其他月份变化趋势均不显著,其中5、6及8月降水呈上升趋势,3、4月降水呈下降趋势,其他月份在不同空间尺度互有增减。总体而言,单月的均温表现出比较明显的暖化态势,而降水量的变化趋势则不太明显。

从全年尺度来看,年均温呈现出显著上升趋势,全流域、上游、中下游上升幅度分别达0.044 6、0.048 4和0.036 1 ℃·a-1;年降水量在全流域及上游地区呈显著上升趋势,上升幅度分别达1.327 6和1.849 0 mm·a-1,中下游变化趋势不显著,变化幅度为0.429 8 mm·a-1。由此可见,近30 a来,在全流域及上游的空间尺度上,疏勒河流域气候呈现出明显的暖湿化趋势。

表2 1985—2014年疏勒河流域气候要素年际变化的M-K趋势检测

Table 2 M-K trend test of interannual variation of meteorological elements in the Shule River Valley during 1985-2014

时间平均气温/(℃·a-1)降水总量/(mm·a-1)全流域上游中下游全流域上游中下游上年10月0.0446*0.03830.0579*-0.0114-0.02020 上年11月0.03050.02500.06670.02340.04090上年12月-0.0121-0.0179-0.0182-0.0068-0.02980.0235当年1月0.02060.0556-0.03330.0086-0.01250当年2月0.0762*0.0964*0.05080.01380.03750当年3月0.0714*0.04710.1089*-0.0204-0.0500-0.0115当年4月0.0635*0.0625*0.0694*-0.0255-0.1026-0.0024当年5月0.0374*0.03380.0564*0.08490.05910.0524当年6月0.0643*0.0475*0.0778*0.24800.10000.0133当年7月0.0460*0.0433*0.03190.51700.9011-0.1893当年8月0.0416*0.0560*0.02320.18730.29810.0679当年9月0.0429*0.0625*0.01400.4579*0.6364*0.0648全年1)0.0446*0.0484*0.0361*1.3276*1.8490*0.4298

*表示通过显著性水平α=0.05的双侧检验。 1)上年10月至当年9月。

M-K突变检测显示,全流域及上游年均温的正向序列在2000年以后均超出95%置信度的临界线,且正反序列曲线在临界线以内只有1个明显交点〔图5(a)～(b)〕,分别在1996—1997年和1997年;中下游年均温的正反序列曲线在临界线以内出现多个交点〔图5(c)〕,经滑动T检验法检测,突变点发生在1994—1995年间;结合流域年均温变化情况〔图5(d)～(f)〕,认为疏勒河流域在1997年之后进入偏暖时期。全流域和上游年降水量的正向序列曲线在2010年以后均超出95%置信度的临界线,且正反序列曲线在临界线以内均只有1个明显交点,分别出现在2004年和2003—2004年间,但全流域正反曲线在临界线以外仍有交点,经滑动T检验法检测并不显著,因此降水分别在2004年和2003—2004年发生突变;中下游地区降水量正序列曲线始终位于临界线以内,无显著降水突变发生;结合流域年降水量变化情况〔图6(d)～(f)〕,可以看出疏勒河全流域及上游大致在2004年以后进入降水偏丰时期。综上所述,疏勒河流域近10 a来(2004年以后)处于相对暖湿时期。

图(a)～(c)中上、下2条虚线表示95%置信度的临界线。

图(a)～(c)中上、下2条虚线表示95%置信度的临界线。

2.3.2 区域NDVI变化与气候要素关系

由表3可知，从单月气象要素来看,降水和均温的偏相关系数(PCC)在不同月份和空间尺度上互有高低,总体差异不大;其中,全流域和上游6月降水对植被生长影响最大,呈显著正相关,PCC分别达0.676和0.555,其次为8月均温,PCC分别为0.502和0.548,但前者未通过显著性检验;对于中下游而言,气候要素对其植被生长的影响均不显著,且PCC比全流域和上游小得多,影响较大的是6月降水和4月均温,均呈正相关。

表3 2000—2014年疏勒河流域年NDVImax与单月及不同月份连续组合气象要素的偏相关系数

Table 3 Partial correlation analysis of annual NDVImaxand meteorological factors of a single months and a period of several successive months in the Shule River Valley during 1985-2014

月份组合全流域上游中下游降水均温降水均温降水均温6月0.676**0.3270.555*0.0660.4310.1448月-0.0130.502-0.0690.548*0.0340.008上年10月—当年6月0.641*-0.0510.4850.1890.363-0.014上年10月—当年7月0.775**-0.3070.614*-0.0250.413-0.143上年10月—当年8月0.767**-0.1200.599*0.2090.423-0.174上年10月—当年9月0.541*-0.1730.3150.1660.381-0.239上年11月—当年6月0.659*-0.0780.4780.1710.438-0.067上年11月—当年7月0.793**-0.3500.621*-0.0450.466-0.205上年11月—当年8月0.793**-0.1750.616*0.1760.486-0.253上年11月—当年9月0.573*-0.1890.3260.1630.449-0.308上年12月—当年6月0.677**-0.0830.5290.1090.437-0.068上年12月—当年7月0.767**-0.1650.647*-0.0030.450-0.159上年12月—当年8月0.790**0.0100.655*0.1680.466-0.205上年12月—当年9月0.566*-0.0880.3780.1160.420-0.2611—6月0.682**-0.0110.5210.1550.468-0.1481—7月0.767**0.0040.652*0.1630.476-0.2471—8月0.796**0.1560.672**0.3000.481-0.2611—9月0.565*0.0400.3930.2010.454-0.3362—6月0.655*0.1110.4940.1180.4480.0922—7月0.773**0.0060.653*0.0950.448-0.0402—8月0.784**0.1100.653*0.2520.443-0.0712—9月0.554*0.0670.3770.2090.380-0.1043—6月0.663**0.1950.533*0.0150.4490.1923—7月0.782**-0.2140.711**-0.3030.4420.0743—8月0.785**0.1240.661*0.1970.4270.0363—9月0.560*0.0480.3890.1020.3580.0374—6月0.653*0.2020.519-0.0100.4330.2084—7月0.774**-0.1390.698**-0.3080.4320.0794—8月0.801**0.2170.695**0.3070.4170.0174—9月0.576*0.0930.4050.0820.3520.0265—6月0.676**0.3150.559*0.2380.4130.0015—7月0.777**-0.0910.674**-0.0110.452-0.1625—8月0.847**0.4860.790**0.567*0.450-0.1915—9月0.625*0.1950.4720.2320.416-0.2416—7月0.790**0.0560.716**0.0600.436-0.0706—8月0.907**0.710**0.905**0.797**0.446-0.1026—9月0.633*0.2800.4550.2270.369-0.1517—8月0.613*0.4950.592*0.543*0.277-0.130

仅列出了66种月份组合中通过95%或99%置信度检验的月份组合数据。*表示通过95%置信度检验，**表示通过99%置信度检验。

从不同月份连续组合的气象要素来看,降水的PCC绝对值要明显大于均温,这说明降水对植被生长的影响比均温大;包含6、7、8、9月的连续月份组合降水的PCC要明显高于其他月份组合,且在全流域尺度上显著,其中6—8月降水量的PCC最大,在全流域和上游尺度分别达0.907和0.905;均温的PCC在全流域和上游尺度上围绕0上下波动,变异不大,但3月以后的连续月份组合的PCC绝对值明显增加,且变幅增大,6—8月PCC值达最大,为0.710(全流域)和0.797(上游);中下游气候要素的PCC均不显著,其中,降水PCC的变化趋势和上游基本一致,但绝对值明显小于上游,均在0.5以下,均温PCC的变化趋势和上游差异明显,除2—3月至4—9月之间的连续组合外,其他月份组合的PCC均小于0。

总体而言,在全流域和上游尺度上,气候要素对植被生长的影响是非常显著的,且降水的影响大于均温,PCC最大值均出现在6—8月组合;中下游地区受气候要素的影响明显小于上游,且均温与植被生长多呈负相关关系,这是因为该区域为农业灌溉区,人类活动干扰大,使得其对气候要素变化的反应不如上游敏感,再者该区是我国西北典型干旱区,水分是植被生长的主要限制因子,气温升高必然导致蒸发量增大,对植被生长不利。

2.4 疏勒河流域未来植被变化预测

Hurst指数反映了NDVI时间序列所暗含的植被未来变化趋势,以0≤H≤1和0.85≤k≤1.15为据,判定H指数是否合理。疏勒河流域H指数合理区面积为27 524 km2,占植被区总面积的76.45%,其H值介于0.182～0.998之间,平均值为0.522,其中,反向持久性区域面积为11 815 km2,占32.81%;正向持久性区域面积为15 709 km2,占43.64%;不合理区域面积为8 476 km2,占23.55%。

将通过α=0.1显著性水平检验的θ指数分布图与经过合理性检验后的H指数分布图进行叠加运算,得到疏勒河流域未来植被变化趋势预测图，结果见表4和图7。由表4和图7可知,疏勒河流域未来植被改善区面积为6 705.69 km2,占植被区总面积的18.63%,主要为持续改善区,其所占比例为18.21%,集中分布在各移民安置点周边、疏勒河中下游自然保护区以及祁连—阿尔金山北部山麓西段,主要植被类型包括栽培植被、温带草原、半灌木和矮半灌木荒漠等;植被退化区面积为5 130.76 km2,占植被区总面积的14.25%,其中由改善转退化区面积为4 893.63 km2,占13.59%,这说明未来疏勒河流域植被退化区主要是由现在的改善区转化而来,而且主要分布在党河南山北坡、野马南山、野马山、照壁山等坡度小于20°的上游山区,相应的植被类型主要为温带草原、高寒草原、温带荒漠草原、半灌木和矮半灌木荒漠等。

表4 疏勒河流域NDVI变化趋势预测统计

Table 4 Statistics of predicted variation trend of NDVI of the Shule River Valley

区域类型 面积/km2比例/%持续退化区237.130.66持续改善区6556.1918.21由退化转改善区149.500.42由改善转退化区4893.6313.59其他1)24163.9467.12

1)不显著及Hurst指数不合理区域。

图7 疏勒河流域NDVI变化趋势预测空间分布

3 结论与展望

基于MOD13Q1 NDVI数据,利用GIS和数理方法,对2000—2014年疏勒河流域植被覆盖的时空变化进行研究,得出如下主要结论:(1)时间变化特征上,近15 a来疏勒河中下游植被的平均覆盖状况呈快速、平稳增加趋势,上游呈波动性轻微上升态势;(2)空间变化上,整个疏勒河流域植被覆盖呈明显改善趋势,显著和极显著改善区占30.86%,主要分布在坡度小于20°的上游山区以及中下游地区的各个灌区周边,显著和极显著退化区比例不足1%,集中在疏勒河中下游地区的自然植被覆盖区;(3)近30 a来,疏勒河流域的单月均温呈现出明显暖化态势,单月降水量的变化趋势不明显,年均温在1997年后进入偏暖期,上游年降水量在2004年后进入偏丰期,中下游年降水量变化趋势不显著;(4)在全流域和上游尺度上,气候要素对植被生长的影响显著,与NDVI偏相关系数最大的是6—8月的降水和均温,均呈正相关关系,且降水的影响大于均温,中下游植被受气候要素的影响明显小于上游;(5)疏勒河流域未来植被改善区占18.63%,主要为持续改善区,集中分布在各移民安置点周边、疏勒河中下游自然保护区以及祁连—阿尔金山北部山麓西段;退化区占14.25%,主要是由现在的改善区转化而来,集中分布在党河南山北坡、野马南山、野马山、照壁山等坡度小于20°的上游山区。

由于方法、技术及数据等方面的局限性,研究仍存在以下不足:(1)由于相关数据的可替代性差,研究时段较短,仅限于2000年至今,这在一定程度上限制了对该流域植被在更长时间尺度上演化趋势的认识;(2)植被变化的趋势在特定时间跨度上并非总是呈线性关系,很多情况下并不具有单调性,而现有的研究大都默认将其作为线性趋势对待,并未在时间序列上对趋势发生变化的转折点进行识别,该研究亦是如此,这在一定程度上造成了对流域植被演化趋势的误解;(3)植被变化除受气候要素驱动外,还受人类活动影响,特别是近十几年来疏勒河中下游地区的大规模移民开发活动,已对其生态环境演化产生深刻影响,但限于数据资料的可获得性差,并未对其进行深入分析,后续研究应当加强此方面工作。

[1] WALKER B,STEFFEN W.IGBP Science No.1:A Synthesis of GCTE and Related Research[R].Stockholm:IGBP,1997:1-24.

[2] 穆少杰,李建龙,陈奕兆,等.2001—2010年内蒙古植被覆盖度时空变化特征[J].地理学报,2012,67(9):1255-1268.

[3] 齐敬辉.疏勒河中下游LUCC特征及驱动机制研究[D].兰州:兰州大学,2014.

[4] TUCKER C J,NEWCOMB W W,LOS S O,etal.Mean and Inter-Year Variation of Growing-Season Normalized Difference Vegetation Index for the Sahel 1981-1989[J].International Journal of Remote Sensing,1991,12(6):1133-1135.

[5] JONG R D,BRUIN S D,WIT A D,etal.Analysis of Monotonic Greening and Browning Trends From Global NDVI Time-Series[J].Remote Sensing of Environment,2011,115(2):692-702.

[6] FENSHOLT R,LANGANKE T,RASMUSSEN K,etal.Greenness in Semi-Arid Areas Across the Globe 1981-2007：An Earth Observing Satellite Based Analysis of Trends and Drivers[J].Remote Sensing of Environment,2012,121:144-158.

[7] MOHAMMAT A,WANG X,XU X,etal.Drought and Spring Cooling Induced Recent Decrease in Vegetation Growth in Inner Asia[J].Agricultural and Forest Meteorology,2013,178-179:21-30.

[8] DARDEL C,KERGOAT L,HIERNAUX P,etal.Re-Greening Sahel:30 Years of Remote Sensing Data and Field Observations (Mali,Niger)[J].Remote Sensing of Environment,2014,140:350-364.

[9] ANYAMBA A,SMALL J L,TUCKER C J,etal.Thirty-Two Years of Sahelian Zone Growing Season Non-Stationary NDVI 3G Patterns and Trends[J].Remote Sensing,2014,6(4):3101-3122.

[10]AN Y,GAO W,GAO Z.Characterizing Land Condition Variability in Northern China From 1982 to 2011[J].Environmental Earth Sciences,2014,72(3):663-676.

[11]LU Y,ZHANG L,FENG X,etal.Recent Ecological Transitions in China:Greening,Browning,and Influential Factors[J].Scientific Reports,2015,5:1-8.

[12]宋怡,马明国.基于GIMMS AVHRR NDVI数据的中国寒旱区植被动态及其与气候因子的关系[J].遥感学报,2008,12(3):499-505.

[13]宋怡,马明国.基于SPOT VEGETATION数据的中国西北植被覆盖变化分析[J].中国沙漠,2007,27(1):89-93.

[14]刘春雨,董晓峰,刘英英.不同尺度视角下大敦煌NPP分布格局研究[J].资源科学,2014,36(2):406-412.

[15]程旭学,陈崇希,闫成云,等.河西走廊疏勒河流域地下水资源合理开发利用调查评价[M].北京:地质出版社,2008.

[16]宋春桥,柯灵红,游松财,等.基于TIMESAT的3种时序NDVI拟合方法比较研究:以藏北草地为例[J].遥感技术与应用,2011,26(2):147-155.

[17]李杭燕.时间序列NDVI数据集重建方法研究[D].兰州:兰州大学,2010.

[18]曹云锋,王正兴,邓芳萍.3种滤波算法对NDVI高质量数据保真性研究[J].遥感技术与应用,2010,25(1):118-125.

[19]李明,沈润平,王迪,等.基于像元质量分析的S-G滤波重建MODIS-NDVI[J].生态与农村环境学报,2015,31(3):425-431.

[20]丁明军,张镱锂,孙晓敏,等.近10年青藏高原高寒草地物候时空变化特征分析[J].科学通报,2012,57(33):3185-3194.

[21]MA M,FRANK V.Interannual Variability of Vegetation Cover in the Chinese Heihe River Basin and Its Relation to Meteorological Parameters[J].International Journal of Remote Sensing,2006,27(16):3473-3486.

[22]张东海,任志远,王晓峰,等.基于MODIS的陕西黄土高原植被覆盖度变化特征及其驱动分析[J].生态与农村环境学报,2013,29(1):29-35.

[23]徐宗学,张楠.黄河流域近50年降水变化趋势分析[J].地理研究,2006,25(1):27-34.

[24]王铮,吴静.计算地理学[M].北京:科学出版社,2011:73-75.

[25]徐浩杰,杨太保.1981—2010年柴达木盆地气候要素变化特征及湖泊和植被响应[J].地理科学进展,2013,32(6):868-879.

[26]陈彦光.基于Matlab的地理数据分析[M].北京:高等教育出版社,2012.

[27]戴声佩,张勃,王海军,等.基于SPOT NDVI的祁连山草地植被覆盖时空变化趋势分析[J].地理科学进展,2010,29(9):1075-1080.

[28]徐浩杰,杨太保.黄河源区植被净初级生产力时空变化特征及其对气候要素的响应[J].资源科学,2013,35(10):2024-2031.

(责任编辑： 许 素)

Spatio-Temporal Variation of Vegetation Cover in Shule River Valley During 2000-2014.

QI Jing-hui1， NIU Shu-wen1， MA Li-bang2， HE Hong1

(1.College of Earth and Environmental Science, Lanzhou University, Lanzhou 730030, China；2.College of Geography and Environmental Science， Northwest Normal University， Lanzhou 730070， China)

Based on relevant MODIS NDVI data, spatio-temporal variation of the vegetation cover in the Shule River Valley during 2000-2014 was analyzed using the linear trend analysis, M-K test and Hurst index methods, with the aid of ArcGIS and Matlab software. Results show that in the past 15 years, vegetation cover has been increasing rapidly and steadily in the middle and lower reaches of the Shule River Valley, while fluctuating with a mild rising trend in the upper reaches. However, as a whole, it has been improving remarkably in the river valley. The areas with vegetation cover significantly or extra-significantly improved now account for 30.86% of the valley, and are mainly distributed in the irrigated agricultural regions in the middle and lower reaches and mountainous areas with slope less than 20 degree in the upper reaches; while the areas with vegetation cover significantly or extra-significantly degraded do less than 1%, and are concentrated in the regions with natural vegetation cover in the middle and lower reaches of the valley. Since 2004, the valley has been under a relatively warm and humid climate. The total precipitation and mean temperature of the period from June to August affects growth of the vegetation the most significantly in the upper reaches of the valley, showing a significant positive relationship, and that the effect of precipitation is much higher than that of temperature. The vegetation in the middle and lower reaches is not so sensitive to meteorological factors as that in the upper reaches. The areas with vegetation to be improved in future, mostly to be continuously improved, account for 18.63%, and are mainly distributed around the new settlements and in nature reserves in the middle and lower reaches of the Shule River Valley and the west section of the northern piedmont of the Qilian-Altun Mountains, whereas the areas with vegetation degraded amount to 14.25%, and are mostly transformed from areas with vegetation improved and mainly distributed on slopes less than 20 degree in the mountainous areas of Danghenan Mountain, Yema Mountains and Zhaobi Mountain, in the upper reaches of the valley.

vegetation cover; NDVI; linear trend analysis; M-K test; Hurst index; Shule River Valley

2015-09-06

甘肃省科技支撑计划(1304FKCA090);甘肃省自然科学基金(1308RJZA183)

F301.24; Q948.1

A

1673-4831(2016)05-0757-10

10.11934/j.issn.1673-4831.2016.05.011

齐敬辉(1987—),男,河南信阳人,博士,主要从事生态遥感与土地利用研究。E-mail: qijh2014@lzu.edu.cn

① 通信作者E-mail: shuwenn@lzu.edu.cn