西南山地流域NDVI变化特征及降水敏感性<br/>——以贵州沅江流域为例

西南山地流域NDVI变化特征及降水敏感性
——以贵州沅江流域为例

2020-04-16程东亚李旭东杨江州

生态学报 2020年4期

程东亚,李旭东,杨江州

贵州师范大学地理与环境科学学院, 贵阳 550025

植被生长是生态变化的指示器。NDVI(Normalized Difference Vegetation Index)称归一化植被指数,是测度植被生长的重要指标[1- 3]。随着生态保护意识的增强,植被保护、生态涵养愈发受到重视[4- 6]。生态环境保护中,植被恢复是最重要措施之一。影响植被恢复和生长的因素中,气候因素是基础。近年来,西南地区气象灾害时有发生,对植被恢复和退耕还林产生重要影响。探究干旱背景下植被变化及其气候影响,对生态保护和灾害防治具有一定意义。

NDVI与气候关系是当前研究的热点。从研究区域来看,NDVI与气候因子关系多为行政区划尺度探究,如韩雅等[7]、刘少华等[8]对国家尺度的研究,何月等[9]、蒲蕾等[10]对省域尺度的研究,王卫等[11]、拉巴等[12]对县域尺度的研究。在行政区尺度NDVI与气候关系研究中,仍以省域以上尺度为主要切入方向。在自然区域尺度NDVI与气候关系研究中,多涉及山地、流域NDVI与气候关系研究。如流域研究对象中,王丽霞等[13]对渭河流域的研究；张景华等[14]对澜沧江流域的研究等。山地研究对象中,如张艺成等[15]对九万山自然保护区的研究,侯光雷等[16]对长白山区的研究。整体研究对象来看,社会区划研究文献相对较多,自然区划研究需要进一步加强。在生态保护大背景下,典型生态区NDVI与气候研究成为重要分支,如黄土高原[17]、青藏高原[18-19]等都是较为热门的研究区域。当前研究中,深刻揭示了NDVI与气候因子的关系,并阐明了不同区域背景下气候因子对植被影响程度。但当前研究中更多是宏观探究气温降水与NDVI关系,气象灾害影响下NDVI特征与气候关系研究相对较少。气象灾害对植被(NDVI)具有明显影响[20-21],影响方式具有差异。因此,寻求典型气象灾害影响下,探究NDVI变化特征是较有意义的方向。

贵州沅江流域是中国西南代表性山地流域之一。气候立体性、人口山地性、地貌复杂性是西南山地流域基本特征。山地多、地形起伏大,降水分布具有复杂性、特殊性、区域性,深刻影响植被生长。同时,沅江流域西部、北部喀斯特分布广泛,旱灾时常发生,降水对水土流失、灾害预警、喀斯特石漠化治理产生直接影响。因此文章结合干旱特征,探究流域NDVI变化和降水影响,期望研究结果能为植被恢复与干旱灾害防治提供科学参考。

1 研究区概况、数据与方法

1.1 研究区概况

沅江是洞庭湖流域支流,流经湖南、贵州、重庆等省区(图1)。贵州境内沅江流域主要位于贵州东部,流经黔南州、黔东南州、铜仁市等市州,干流长度1028 km,面积30269 km2[22-23]。流域海拔大致呈现西高东低特点。西部海拔在1500 m左右,东部海拔1000 m以下。流域南部和北部高海拔地区属于梵净山和雷公山,是著名旅游胜地。流域属亚热带季风气候,降水丰沛、气温适宜。西部和北部多喀斯特分布,南部多非喀斯特。境内河流呈现平行分布特征,降水局部差异明显。

图1 贵州沅江流域位置、海拔和主要城市Fig.1 Location, elevation and major cities of the Yuanjiang River Basin in Guizhou Province

1.2 数据来源与处理

DEM和NDVI数据来源于中国科学院计算机网络信息中心地理空间数据云平台(http://www.gscloud.cn)。DEM数据分辨率为90 m,NDVI数据为7月月合成产品,可以反映植被生长季节,数据分辨率为500 m。气温降水来源于国家气象信息中心(中国气象局气象数据中心/国家气象科学数据服务共享平台)(http://data.cma.cn),中国地面累年值年值数据集(1981—2010年)。

流域属贵州中东部,多发旱灾,该特征对植被影响明显。据资料显示[24](以及其他相关资料整理),2006、2009、2011、2013年均为流域旱灾年。考虑到该特征,合理选取代表性阶段,分析植被变化内在机理更重要。经多次调整,选3年断点。6期数据中,3年(2000、2003、2015)为正常植被生长期,包括研究初末期,能反映植被变化整体趋势。2年(2006、2009)为代表性干旱连续期,能反映降水少和干旱条件下变化特征。1年为(2012)过渡期,该年能反映干旱前后NDVI转折特征。计算标准差椭圆和重心,采取栅格转点。不考虑城市与大范围居民点,NDVI与降水具有空间趋势。故将流域均匀创建渔网,获取266个点(剔除无效点后),每点代表100—120 km2降水、NDVI(平均值)、NDVI时段变化,后进行地理加权回归。

1.3 研究方法

(1)重心。重心又称加权平均重心[25],文中重心主要包括点地理坐标系、NDVI、NDVI时段变化值,表达式为[25]：

(1)

(2)标准差椭圆。标准差椭圆是空间统计方法中能揭示地理要素空间分布特征的方法,它能反映点主导方向和总体特征[26-27]。表达式为[26-27]:

ai=mi-mj;bi=ni-nj

(2)

(3)

(4)

式中,(mi,ni)为(mj,nj)的平均中心,wi为NDVI或NDVI时段变化值,(ai,bi)为点距离中心相对坐标,δxδy为x轴、y轴方向标准差。

(3)克里金插值。克里金插值是空间插值常用方法之一,表达式为[28-29]：

(5)

式中,zb为待估计值,zn为已知值,wn为权重,s为估算样本点数目。

(4)样条函数插值。以薄板样条函数为例,表达式为[30]:

(6)

式中,m、n为待插值点坐标,di=(m-mi)2+(n-ni)2,mi和ni是相应控制点坐标。

(5)地理加权回归(GWR)。表达式为[31-32]：

(7)

式中,(ui,vi)为某区域地理坐标中心,b0为常数,b1为自变量回归系数,xij为自变量。

2 植被覆盖度时空变化特征

2.1 NDVI空间分布特征

图2 2000—2015年贵州沅江流域NDVI空间分布特征Fig.2 Spatial distribution characteristics of NDVI of the Yuanjiang River Basin in Guizhou Province during 2000—2015

2000—2015年流域NDVI总体西低东高(图2),NDVI呈上升—下降—上升特征(图3)。期间流域植被整体改善,下降趋势主要为干旱年。2000和2003年由西向东NDVI总体逐渐升高,中部0.7过渡,东部达0.9以上。2003年流域NDVI整体上升,西部低值散落,主要是城市活动影响。2009年NDVI小于0.7多分布中东部河谷,可能是干旱初期影响。2012年南部部分区域NDVI0.5以下,东北、东南、中部部分地区大于0.9。2006、2009、2012年均为干旱和过渡干旱代表年,植被生长差,NDVI呈下降趋势且空间差异明显。2015年NDVI小于0.7范围缩小,大于0.9范围扩大,说明期间植被较大改善,西部改善最明显。总体看,2006、2009年旱灾年NDVI下降。2012年属灾害过渡期,NDVI下降却最明显,可能是连续干旱期影响。

图3 2000—2015年贵州沅江流域NDVI变化趋势Fig.3 Trends of NDVI of the Yuanjiang River Basin in Guizhou Province during 2000—2015

2.2 NDVI时段变化空间分布特征

2000—2003年流域NDVI下降少,仅西部和东南零星分布(图4)。2003年NDVI上升,流域植被改善最明显在西部。2003—2006年流域NDVI下降区主要在中部和东南,其他区基本稳定。2006—2009年流域NDVI升降并存,整体下降为主。2006—2009年流域NDVI上升多分布中部、东北、东南,空间分布不均。2006—2009年均为旱灾年,旱灾年NDVI空间局部差异明显,可能2009年旱灾在7月以后更加严重导致。2009—2012年NDVI西部下降多,东部下降少且局部上升。2009—2012年下降区NDVI有明显特征,多分布在高山高海拔区,旱灾可能对高海拔区影响深刻。2012—2015年NDVI上升为主,西部上升多0.3以上,东部多上升不足0.1。2012年为旱灾过渡年,NDVI属于研究期最低,2012—2015年上升值可能被高估。2000—2015年NDVI整阶段变化看,微小上升为主,期间NDVI上升多0.1左右,仅西部少量上升0.2以上。整阶段NDVI虽改善,但局部仍存在下降,局部下降与城市扩张有关。变化初末期看,流域NDVI处于改善趋势,植被恢复良好。

图4 2000—2015年贵州沅江流域NDVI时段变化空间分布特征Fig.4 Spatial distribution characteristics of NDVI stage variation of the Yuanjiang River Watered in Guizhou Province during 2000—2015

2.3 分阶段NDVI变化特征

2000—2015年流域NDVI小于0.3占比低,期间NDVI0.3—0.4占比最高2012年(1.45%),最低2003年(0.03%)(表1)。2000—2015年0.5—0.6占比小幅提高,多年占比超1%。旱灾年NDVI0.6以下明显上升,干旱期植被生长受限。2000—2015年NDVI0.6—0.7占比提高,最高2012年13.23%,最低2003年2.13%,其他年约10%。2012年属干旱过渡年,也是旱灾严重年份之一。可能是整阶段干旱,短期内植被难以恢复到正常水平。2000—2015年NDVI0.8—0.9占比高,多年超50%,如2000年、2003年,正常年份植被均处于改善趋势。2000—2015年累计占比看,干旱年低值增加,增加程度可间接反映植被变化。干旱年NDVI大于0.9均10%左右,干旱对植被影响较大。

2000—2003年NDVI小幅上升,流域NDVI上升稳定,即植被恢复稳定。2000—2003年NDVI时段变化小于0占比26.32%,NDVI微小上升。2003—2006年NDVI时段变化小于0累计占比68.54%,NDVI下降明显。2003年属研究期NDVI最高阶段,2006年属干旱年,故2003—2006年NDVI下降明显。2006—2009年NDVI明显不同于2003—2006年,植被阶段变化均衡。2009—2012年NDVI时段变化小于0占比继续降低。2012—2015年NDVI小于0占比不足40%,NDVI正变化。2000—2015年累计变化看,小于0占比仅47.05%,大于0占比52.95%。2000—2015年NDVI时段变化小幅上升,整体不明显。植被正常生长年份,NDVI增加多0—0.1,干旱年下降-0.1—0,干旱对植被影响表现下降趋势。干旱时NDVI部分阶段增长,可能存在局部小气候影响。

2.4 NDVI重心偏移特征

2000—2015年流域NDVI重心迂回,植被空间变化不稳定(图5)。2003年NDVI重心西移,正常年份NDVI西部较快增长,植被恢复好。2006年NDVI重心西移,距离略小于2003年。2009年流域NDVI重心东移,偏移距离长。2012年流域NDVI重心继续东移,2012年为最东点。2003—2012年流域NDVI重心持续东移,东部NDVI更高(或下降更少)。2003—2012年干旱期,重心东移是干旱带来的异常现象。2015年NDVI重心迅速西移,呈迂回特征。2000—2015年整阶段NDVI重心西移,西部NDVI增长较快,植被恢复较好。2000—2003年NDVI时段变化重心总体位于西部,2003—2006年时段变化重心东移,2006—2009年继续东移。表明2003—2009年流域东部NDVI高(或下降更少),即干旱期东部NDVI下降少。干旱年NDVI时段变化重心主要在东部,可能干旱对东部植被影响更小。正常年NDVI均在西侧,也在一定程度反映西部NDVI增长更快。期间,NDVI增加处于不稳定趋势,NDVI时段变化在干旱年向东偏移。

表1 2000—2015年贵州沅江流域分阶段NDVI特征/%

图5 2000—2015年贵州沅江流域NDVI重心迁移图Fig.5 Center of gravity of NDVI migration of the Yuanjiang River Basin in Guizhou Province during 2000—2015

2.5 NDVI标准差椭圆特征

标准差椭圆反映NDVI空间集中程度和方向特征(图6)。2000—2015年流域NDVI标准差椭圆差异小。虽期间存在干旱等情况,但NDVI标准差椭圆总体稳定,说明无论是正常植被生长年,还是异常气象灾害年,NDVI总体空间动态平衡。2000—2015年NDVI时段变化标准差椭圆靠西且扁平,西部NDVI上升多且集中。旱灾年NDVI时段变化差异小,2006—2009年空间差异小,旱灾对NDVI影响具有普遍性,即旱灾往往影响整个流域植被生长。空间标准差椭圆仅反映基本特征,细微变化需通过长短轴、倾斜方向等探究(表2)。2000—2015年NDVI标准差椭圆周长差异不足10 km,面积相差不足1000 km2。说明无论是正常还是异常年,流域NDVI增长平衡。2000—2015年NDVI时段变化标准差椭圆差异悬殊,灾害年标准差椭圆变化较小,NDVI干旱期普遍下降。标准差椭圆2012—2015年变化差异大,这种差异是极端情况导致。2012年NDVI空间分布也最低,2015年NDVI最高,导致标准差椭圆空间差异明显。

图6 2000—2015年贵州沅江流域NDVI标准差椭圆空间特征Fig.6 Characteristics of NDVI standard elliptical space of the Yuanjiang River Basin in Guizhou Province during 2000—2015

表2 2000—2015年贵州沅江流域NDVI标准差椭圆信息

3 NDVI降水敏感性特征

3.1 降水空间分布特征

图7 贵州沅江流域降水空间分布特征Fig.7 Spatial distribution characteristics of precipitation of the Yuanjiang River Basin in Guizhou Province

文章采用两种方法分析降水特征及与NDVI关系,避免空间插值产生较大偏差。Kriging显示(图7),流域西部降水多1300 mm以上。Spline显示,流域南部、东部降水多,降水量多在1300 mm以上。降水量大于1300 mm对比,Spline范围大于Kriging。流域降水较少位于中部,多在1200 mm以下。Spline和Kriging在1200 mm附近插值相似。降水1350 mm差异明显,Spline范围大,Kriging范围略小。整体看流域中部降水少,西部、南部、东部降水多。

3.2 降水与NDVI相关分析

随降水增加,NDVI呈现上升趋势(图8)。Spline、Kriging对NDVI模拟中,Spline线性模拟斜率高,空间趋势明晰。但两种模拟方式空间趋势一致,随降水增加,NDVI处于上升趋势。Spline、Kriging对NDVI时段变化模拟,无明显斜率差异。降水与NDVI时段变化呈负相关。Spline降水与NDVI显著正相关(表3),相关系数0.163,显著性0.008。Spline降水与NDVI时段变化不显著负相关,相关系数-0.117,显著性0.057。Kriging降水与NDVI时段变化不显著正相关,相关系数0.084。Kriging降水与NDVI时段变化显著负相关,相关系数-0.153,显著性0.013。结合简单空间趋势模拟和相关分析,可基本得出：降水与NDVI存在关系。NDVI总体特征来看,降水越多,NDVI应该越高,NDVI时段变化相对越小。

图8 贵州沅江流域降水与NDVI基本线性趋势Fig.8 Precipitation and NDVI basic linear trend of the Yuanjiang River Basin in Guizhou Province

3.3 地理加权回归参数检验

地理加权回归(GWR)模拟降水对NDVI影响,结果显示Kriging降水对NDVI敏感性模拟效果差,R2为0.09,R2adjusted为0.08(表4)。Spline降水对NDVI敏感性模拟较好,其Bandwidth为93593.52,Residual squares为0.42,拟合优度R2为0.18,R2adjusted为0.16,模拟效果可反映降水对NDVI影响。Kriging对NDVI时段变化模拟不如Spline。NDVI时段变化模拟中,Kriging拟合优度R2为0.06,调整后0.05。NDVI时段变化敏感性模拟中,Spline拟合优度R2和R2adjusted为0.09、0.07。采用GWR探究降水对NDVI敏感性,Spline效果更好。因此,文章重点探究Spline插值降水产生的NDVI敏感性。

表3 贵州沅江流域降水与NDVI相关分析

**在置信度(双侧)为0.01 时,相关性是显著的;*在置信度 (双侧)0.05 时,相关性是显著的

表4 降水与NDVI关系的GWR回归参数检验

3.4 NDVI降水敏感性特征

图9 贵州沅流域NDVI降水敏感性空间分布特征Fig.9 Spatial distribution characteristics of NDVI precipitation sensitivity of the Yuanjiang River Basin in Guizhou Province

Spline、Kriging对NDVI降水敏感性空间模拟趋势一致,敏感性西南—东北递增(图9)。流域西部降水与NDVI呈负相关,东北正相关。主要是以下原因：流域西部城市密集,人口多,人类活动对NDVI影响大,敏感程度高。流域西部降水多,但不是NDVI高值集中区。文中NDVI为多年均值,降水敏感性反映多年平均状况。模拟结果显示,Spline模拟NDVI敏感性空间差异大,Kriging空间敏感性差异小。模拟NDVI降水敏感性空间变化特征看,Spline模拟有空间弯曲,Kriging近似直线减少。无论何方式,NDVI降水敏感性呈西南—东北递增。

3.5 NDVI时段变化降水敏感性特征

Kriging、Spline对NDVI时段变化敏感性空间模拟差异大(图10)。Kriging-NDVI时段变化敏感性大致从西向东降低。Kriging中,降水对NDVI时段变化敏感性为负回归系数。Spline-NDVI时段变化空间敏感性模拟大致从中部向四周递增。Spline插值,NDVI时段变化敏感性正负均有。Spline插值,降水对NDVI时段变化敏感性正回归系数主要在东南、东北,敏感性负回归系数主要在西部。

图10 贵州沅江流域NDVI时段变化降水敏感性空间分布特征Fig.10 Spatial distribution characteristics of precipitation variation in stage variation of the Yuanjiang River Basin in Guizhou Province

4 讨论

4.1 关于植被变化与干旱影响

文章分析了2000—2015年贵州沅江流域NDVI时段变化特征,结果表明流域NDVI处于上升趋势,说明退耕还林还草等植被恢复取得较好结果。马士彬等[33]在贵州喀斯特地区NDVI研究中,2006—2010年贵州NDVI处于较低下降水平,这与本文2006—2012年结果基本一致。同时,该文[33]2000—2013年沅江流域西部NDVI属于显著上升趋势,也与本文研究结果一致,即西部地区植被恢复较好。许玉凤等[34]对贵州2000—2014年植被覆盖度研究中,大致呈现流域西部及附近植被覆盖度有所提升,亦与本文结果基本一致。研究结果可以反映植被逐渐好转趋势,特别是西部植被恢复好转趋势。

王兆礼等[35]在对中国流域尺度气象灾害与植被关系研究中发现,大尺度干旱灾害对干旱和半干旱地区影响更明显。2009和2012年沅江流域NDVI却呈西部降低特征,该特征是区域较为独特的现象。马志婷等[36]在华北地区干旱与植被关系研究中认为：干旱程度加深,NDVI下降在逐渐加快。流域2006—2012年NDVI都属于低值区,可在一定程度反映干旱对植被影响,但流域2012年NDVI属于最低水平,是否属于流域干旱最剧烈年份尚且不明确。刘大川等[37]研究干旱对NDVI影响,其结果亦与马志婷等[36]相似。

4.2 关于流域植被分布特征

2000—2015年多年NDVI表现为西低东高,但局部也有差异。流域西部城市活动密集,人类活动频繁,NDVI总体较低。2006年NDVI空间趋势明显不一致,东北和东南较低,文章认为可能有如下原因：2006年是干旱年,干旱对NDVI影响大,东部植被茂盛区明显。2000—2015年南部雷山附近始终存在NDVI低值区,此低值与城市密切相关。2000—2015年NDVI始终保持较高,主要分布北部梵净山附近,此区较高有以下原因：(1)梵净山周边海拔高,人类活动相对较少。(2)梵净山附近是自然保护区,对植被保护有积极影响[38]。2000—2015年流域NDVI增长最高主要位于西部,西部城市和人口密集。贵州退耕还林耕还草的实施,西部NDVI较快上升。2006—2009年、2009—2012年流域NDVI时段变化呈西部下降快,东部下降慢。2006、2009、2012年为旱灾年,正常年NDVI西部增长,异常年下降,两者相反。流域NDVI整体西低东高。发生气象灾害时,植被覆盖较低区对灾害抵抗能力弱。东部植被生长好于西部,植被本身具有涵养水源和抵抗灾害功能[39]。植被茂密区,局部环境更湿润,有利于减轻灾害影响。地表特征也影响气象灾害。流域西部多喀斯特,属工程性缺水区[40]。发生干旱气象灾害时,缺水更严重,进而影响植被生长。人类和城市活动对NDVI干旱期影响突出。西部人口城市密集,干旱期人口植被争水,进一步加剧干旱。NDVI平均值变化可能说明干旱程度。如2006—2009年NDVI下降没有2009—2012年多,是否可以说明2012年干旱过渡期气象灾害影响更明显,仍不得而知。

NDVI空间标准差椭圆总体稳定。这种稳定特征与流域多因素密切相关：流域人口西多东少,但相对于全省仍属人口较稀疏区,人口空间稳定,对植被影响较稳定。贵州东部多旱灾,沅江流域也属旱灾侵扰区[24,41]。但流域大致呈正三角形,气象灾害空间影响具有稳定性。重心总迁移特征看,正常年NDVI重心较稳定,如2000、2003、2015年。干旱时段NDVI重心不稳定,气象灾害严重干扰植被生长。NDVI降水敏感性中,降水敏感程度自西向东逐渐升高。主要包括以下原因：西部人类活动较强,植被覆盖较低。在降水影响相近情况下,影响可能越大(由于为负回归系数,系数越小,实际影响越强)。地理条件差异一定程度影响降水敏感性。流域西部属喀斯特分布区,植被覆盖稀疏,石漠化严重[42]。NDVI时段变化对降水敏感性空间影响多为负向,周边高山高海拔区正敏感区,表明高山区植被生长好,人类干扰弱。

4.3 关于本文的不足

文章基于2000—2015年6年代表性NDVI,深入分析其特征和变化趋势。结果可基本反映植被转好趋势,也可反映部分干旱对NDVI影响。文章采用分阶段数据虽可基本反映空间趋势,但年际(本文均为7月数据)连贯性缺乏,是本文不足之处。选取地理加权分析降水敏感性,是基于点求取空间趋势,虽能反映空间影响整体,但局部影响表现不明显。2012年属气象灾害过渡异常年,NDVI最低,是否存在长时间干旱影响,文章尚且没有更多资料进行充分评估。因此,本文以下方面需进一步探究：(1)探究长时间序列沅江流域NDVI时段变化。(2)寻找足够资料,评估连续干旱时期,流域NDVI变化内在机制和灾害影响程度。(3)选择精准方法探究局部NDVI降水敏感性。