2002―2015 年黄河流域NDVI 对陆地水储量的响应

2020-10-28袁瑞强

灌溉排水学报 2020年10期

袁瑞强，青松 ,2*

（1.内蒙古师范大学地理科学学院，呼和浩特 010022； 2.内蒙古自治区遥感与地理信息系统重点实验室，呼和浩特 010022）

0 引言

【研究意义】植被是陆地生态系统最重要的组分之一，具有连接大气、土壤和水文等生态要素的作用，可为自然生态系统和人类生产生活提供强有力的保障[1]。植被的时空变化会引起地表参数的变化[2]，从而影响地表能量和水量的收支平衡。目前对长时期的植被变化进行监测和影响因素分析已成为全球变化研究的重要内容[3]，并可为区域生态环境保护和可持续发展提供科学依据。黄河流域地势起伏剧烈，自然条件地域差异明显，是我国重要的生态屏障和经济地带。由于水资源条件先天不足，干旱是流域的基本特征[4]，水的可用性指标深刻影响着流域内的植被状况。监测黄河流域植被变化情况，探讨植被活动与水的可用性指标之间的关系，对指导黄河流域生态环境建设和高质量发展具有重要意义，有利于流域生态环境的保护以及政策的制定。

【研究进展】遥感具有时间序列长、覆盖范围广、精度较高等优点，成为区域尺度植被动态研究的理想化工具。AVHRR（advanced very high resolution radiometer）遥感影像时间跨度长和分辨率较高，许多学者应用其植被指数（normalized difference vegetation index，NDVI）对大尺度植被覆盖变化及其与气候的关系进行了研究[5-8]。水分是植被变化的主要驱动力，在全球61%以上的植被变化中占主导地位[9]。降水是探讨水分条件对植被绿度影响最常用的指标，然而，降水只能提供关于地表水条件的间接信息[10]。同时，土壤水分与植被关系的大规模调查也受到根系区土壤水分检测准确性的制约[11]。最近，由GRACE卫星获取的陆地水储量数据被用作一种新的指标来探索其对植被的影响。GRACE 卫星采用近极地轨道星载GPS 跟踪、非保守力加速仪以及高精度星间距离测量等新技术，监测地球重力场变化信息。在季节性或年际较短时间尺度上，地球重力场变化主要是由地球表层大气压力、海底压力和陆地水储量变化引起的，而在陆地区域重力场的变化主要原因则是水储量的变化。GRACE 卫星数据反演TWSA 原理是先求算出地球表面的密度变化，然后将密度变化转化为等效水高的变化，所以从水文学的角度看，陆地水储量的变化包括地下水、土壤含水率、地表水和植被冠层含水率的变化[12]。许多学者发现植被生长对TWSA 很敏感，TWSA 可以捕捉到植被绿度的季节变化和年际变化[13-16]。但目前国内外学者利用长时间序列数据，进行黄河流域植被动态变化研究及探究植被与TWSA的响应关系较少，难以为黄河流域生态环境保护和高质量发展提供可靠的支撑。

【切入点】以往对黄河流域NDVI 的研究可以概括为流域、栅格2 种尺度下NDVI 变化规律及其对气候的相互关系，对NDVI 与TWSA 的研究涉及较少，同时GRACE 数据存在周期性缺失和粗分辨率的缺点。【拟解决的关键问题】因此，本文使用基于模型的降尺度研究方法得到连续的、更精细化的水储量变化时间序列，然后利用降尺度之后的TWSA 和GIMMS NDVI 遥感数据进一步分析全球变化背景下该区域内生长季植被时空分布格局及其对TWSA 的敏感性，研究自然环境变化趋势，为黄河流域生态保护和高质量发展提供依据。

1 数据和方法

1.1 研究区概况

黄河流域位于96°—119°E，32°—42°N 之间，流经青海、四川、甘肃、宁夏、内蒙古、陕西、山西、河南和山东9 省（图1），流域面积约为80 万km²。流域幅员辽阔，地势西高东低，西部河源地区平均海拔在4 000 m 以上；中部地区海拔在1 000～2 000 m之间，为黄土地貌，水土流失严重；东部地区海拔不超过100 m，主要由冲积平原形成。黄河流域属大陆性气候，从东南部到西北部气候依次为半湿润、半干旱、干旱气候[17]。流域内主要的植被覆盖类型为草地、林地、灌木和农田。

1.2 数据源及预处理

黄河流域绝大多数地区每年4 月上旬植被开始返青，到10 月中下旬气温开始降低，植被停止生长，故将研究区内的生长季确定为4—10 月[18]。本文选用2002—2015 年GIMMS NDVI 月值数据，采用最大值合成方法（maximum value composites，MVC）将15 d的GIMMS NDVI 数据合成月NDVI 数据。空间和时间分辨率分别为8 km 和15 d，此数据集对云、太阳高度角、仪器视场角、气溶胶的影响进行了校正，保证了数据质量。同期的TWS 数据来自3 个独立中心（喷气推进实验室、德克萨斯大学空间研究中心和德国研究中心）的release-5 球谐产品，3 种产品均使用历史均值作为基线[19]。本文使用的GRACE 数据为喷气推进实验室提供的2002—2015 年月平均陆地水储量距平（TWSA）数据，其距平的基线为2004—2009年月平均陆地水储量值，空间分辨率为1°，利用GLDAS-NOAH 陆地水文模型数据为参考对TWSA 数据进行降尺度，将TWSA 的空间分辨率处理为0.25°。为了使GIMMS NDVI 数据与TWSA 数据具有相同的空间分辨率，将GIMMS NDVI 数据重采样至0.25°。将NDVI 序列数据进行距平处理，从NDVI 月观测数据减去长期的月平均值计算NDVI 的月距平值。

图1 黄河流域位置及DEM Fig.1 Location and DEM map of the Yellow River Basin

1.3 研究方法

1.3.1 GRACE 降尺度方法

如前所述，GRACE 数据具有周期性数据缺失和粗空间分辨率的缺点，为了解决这一问题，本文利用WAN 等[20]基于模型的方法对GRACE 数据进行降尺度。以空间分辨率为0.25°的GLDAS_NOAH 陆地水文模型数据为参考对TWSA 数据进行降尺度，将TWSA 的空间分辨率处理为0.25°。

1.3.2 趋势分析法

本文使用Mann-Kendall（M-K）趋势检验法对2002—2015 年NDVI 和TWSA 数据变化趋势的显著性进行检验。利用Theil-Sen Median 趋势分析方法计算变量的斜率，计算式为：

式中：S是Sen趋势分析的斜率；xi和i是第i年和第j年的NDVI值（1≤j

1.3.3 相关分析法

采用Pearson 相关分析探讨NDVI 与TWSA 之间的关系，相关系数的显著性以P<0.05 来评价。

2 结果与分析

2.1 黄河流域生长季植被NDVI 时空分布特征

2.1.1 NDVI 时间分布特征

基于像元对黄河流域2002—2015年生长季NDVI值取平均得到每年生长季植被NDVI均值。通过对黄河流域年均NDVI及各年NDVI偏差值进行统计（图2）可知，2002—2015 年，黄河流域的NDVI 均值在0.39～0.44之间，平均值为0.42，最大值出现在2012年，达到0.44，超过平均值0.02，最小值则在2006年，为0.39，低于平均值0.03。2002—2015年黄河流域生长季植被NDVI总体上呈波动上升趋势，增速为0.35%/a，个别年际变化波动性较大。黄河流域生长季植被NDVI 在2002—2015 年出现2 个明显地减少阶段（2010—2011年和2012—2014年）、2个增加阶段（2006—2010年和2011—2012年），14 a间黄河流域植被覆盖情况整体转好，NDVI值在2012年达到峰值，与贺振等[21]、田智慧等[22]的研究结果相符。2011年黄河流域的NDVI出现明显的低峰值，这可能与该年的暴雨[23]有关，导致水土流失、植被覆盖度降低。

图2 2002—2015年黄河流域生长季植被NDVI年际变化和偏离分析 Fig.2 Interannual changes and deviations of vegetation NDVI during the growing season in the Yellow River Basin from 2002 to 2015

2.1.2 NDVI 空间分布特征

将2002—2015年黄河流域植被生长季NDVI累加后的平均值作为研究区14 a的NDVI值，同时根据不同的植被指数的变化情况，将研究区植被覆盖划分为无植被区（NDVI≤0.2）、极低植被区（0.20.6）[24]，结果如图3所示。

图3 2002—2015 年黄河流域生长季植被NDVI 空间分布 Fig.3 Spatial distribution of vegetation NDVI in the growing season of the Yellow River Basin from 2002 to 2015

黄河流域的植被分布在空间分布上表现出较强的差异特征，整体上由东南向西北呈带状递减分布，其差异与自然地理条件和水热条件有关。NDVI低值区主要分布于东北部的毛乌素沙漠以及北部的内蒙古地区，由于这些地区自然环境恶劣，NDVI相对较低。流域西南河源地区和青海高原，地势较高且大陆性气候较强，降水稀少，植被覆盖度较低，NDVI较低。高值区主要分布在流域下游的平原地区，这是由于这些地区地势平坦，水热条件好，有大量的农田分布，植被NDVI普遍较高。陕北高原南部植被NDVI较高，流域上流的西北部的祁连山区由于林地种植导致植被NDVI较高，与颜明等[25]的研究结果相符。

2.2 NDVI 动态变化特征

基于像元尺度对黄河流域2002—2015 年植被NDVI 的年际变化进行Theil-sen 趋势分析，得到研究区每个像元的NDVI 变化趋势。由于不存在斜率严格等于0 的区域，因此依据NDVI 实际情况（S 平均值为0.0006），将S 介于-0.0006～0.0006 之间的数值视为稳定变化，S>0.0006 为上升趋势，S<-0.0006 为下降趋势，基于Theil-sen 趋势分析结合Mann-Kendall检验方法，在像元尺度的NDVI 变化趋势分级结果如图4 和表1 所示，将结果分为显著增加、显著减少（P<0.1）和不显著变化3个等级。黄河流域植被NDVI的变化趋势呈明显的地域性空间差异特征，植被NDVI变化斜率稳定在-0.002～0.003之间。由图4可知，植被NDVI 显著增加的区域主要分布在黄河流域的陕西、山西和甘肃的南部。植被NDVI 显著减少区域零星分布于流域南部及下游区域。

通过对植被NDVI 不同变化程度所占面积比进行统计（表1）可知，2002—2015 年黄河流域大部分区域NDVI 变化表现出增加趋势，其中能通过90%显著性水平具有增加趋势的区域面积为46.40%，仅有1.58%的区域表现出显著下降的趋势。不显著变化的区域的面积约占52.02%。整体上大部分区域呈轻微增加，表明近14 a 来黄河流域大部分地区植被覆盖在转好。

图4 2002—2015 年黄河流域NDVI 变化趋势及变化趋势显著性 Fig.4 NDVI Change Trend and Significance of Change Trend in the Yellow River Basin from 2002 to 2015

表1 2002—2015 年黄河流域NDVI 变化趋势统计 Table 1 Statistics of NDVI Change Trend in the Yellow River Basin from 2002 to 2015

2.3 TWSA 对生长季植被NDVI 的影响

2.3.1 TWSA 的变化分析

基于像元尺度对黄河流域2002—2015 年TWSA年际变化进行Theil-sen 趋势分析，得到研究区每个像元的TWSA 变化趋势（图5）。黄河流域2002—2015年TWSA 呈逐年下降的趋势，流域上游的河源地区TWSA 较多，流域东部地区TWSA 较少。TWSA 从西向东呈递减趋势，TWSA 上升的区域主要分布在流域的西部河源地区，下降区域主要分布在黄河流域中部的黄土高原、北部内蒙古地区以及东南部。

图5 2002—2015 年黄河流域TWSA 空间分布及变化趋势 Fig.5 TWSA spatial distribution and change trend in the Yellow River Basin from 2002 to 2015

2.3.2 植被NDVI 与TWSA 的关系

图6表示月NDVI距平值与月TWSA 的变化曲线。从图6 可以看出，2002—2015 年黄河流域的TWSA有下降的趋势，NDVI 有上升的趋势。NDVI 具有明显的季节性变化，表现出先上升后下降的变化趋势，其中最大值在夏季。整体来说TWSA的变化过程与NDVI较相似，说明植被NDVI 的年内变化特点和TWSA 较为吻合。

通过计算2002—2015 年黄河流域植被NDVI 与TWSA 之间的相关系数，可知植被NDVI 和TWSA 的响应呈显著的空间差异性。植被NDVI 与TWSA 的相关系数在-0.48～0.72，植被NDVI 与TWSA 呈正相关的面积占总面积的50.82%，主要分布在黄河上游的河源地区、甘肃和宁夏的南部和内蒙古东部等地区；呈负相关的面积占总面积的49.18%，主要分布在流域的中部地区，尤其是内蒙古的南部、陕西省和山西省。对TWSA 与植被NDVI 的相关性系数进行了显著性T检验。由图7 可知，28.90%的区域通过P<0.05 水平的检验，显著相关区域主要分布在黄河上游的河源地区和甘肃的南部，中下游地区相关性较弱甚至呈负相关。

图6 2002—2015 黄河流域生长季（4—10）月NDVI 与TWSA 的变化曲线 Fig.6 Changes in NDVI and TWSA during the growing season (April to October) of the Yellow River Basin from 2002 to 2015

图7 2002—2015 黄河流域生长季NDVI 与TWSA 相关性的空间分布 Fig.7 Spatial distribution of the correlation between NDVI and TWSA in the growing season of the Yellow River Basin from 2002 to 2015

3 讨论

本研究表明，2002—2015 年黄河流域生长季植被NDVI 总体上呈波动上升趋势，大部分区域NDVI 变化表现出增加的趋势，其中显著增加的区域主要分布在黄河流域的陕西省、山西省和甘肃省的南部。表明随着国家的生态保护建设工程的实施，流域生态环境得到改善，植被覆盖度明显增加，生态效益逐渐呈现。在黄河上游的河源地区TWSA 和植被NDVI 呈显著正相关，主要原因是：上游的植被类型主要是高寒草甸和草地，降雨稀少，植被所需水分主要来自土壤水分、地下水和冰雪融水，因此，TWSA 对此区域的植被生长起到至关重要的作用。同时也有学者表明，较干旱地区植被NDVI 对TWSA 的响应更敏感[26]。而在内蒙古自治区南部、陕西省、山西省等地区相关性不大甚至呈负相关。农业管理水平（特别是灌溉农业）的提高和植被建设工程（比如退耕还林）的实施可在局部甚至区域尺度有效增加植被覆盖[27]。在省域尺度上，陕西省和山西省的植被恢复受人类活动的影响较大，2 个地区1987—2015 年生长季植被NDVI 增加的贡献率平均超过65%[3]。人类活动的加入，无疑会使这些地区TWSA 和植被NDVI 的相关性减弱甚至呈负相关。2002—2015 年黄河流域中下游地区TWSA 都出现了明显的下降趋势，这可能也与气候趋于暖干化背景下的人类活动有关。一些研究表明黄土高原及下游区域，TWSA 的枯竭与地下水位的下降有密切关系。黄河流域的中下游地区分布有大量以灌溉为主的农田，灌溉的抽取会造成地下水和河流的迅速枯竭，TWSA 急剧下降[28]，所以TWSA 与这些区域植被NDVI 相关性较弱。

以往的研究表明，降水对植被的生长影响较大[21]。但是没有考虑到其他水的可用性指标对植被生长的影响，非降水水源（例如土壤水、地下水和冰雪融水）对于夏季降水稀少地区的植被来说是至关重要的。

不同地区植被NDVI 对TWSA 的响应颇为复杂，目前对两者之间的响应还缺乏全面系统的研究。笔者选取TWSA 数据，揭示了黄河流域生长季植被NDVI对TWSA 的响应情况，对植被NDVI 与水热条件响应研究进行补充。但TWSA 空间分辨率存在不足，目前可以获取的TWSA 数据范围是2002—2015 年，未来应该使用更高的分辨率数据和更先进的数值模型工具定量研究植被对TWSA 的响应，以便更系统地研究这种响应机制。