近20 年新疆阿勒泰地区植被动态变化分析

2022-07-04牛全福马亚娜傅键恺

地理空间信息 2022年6期

牛全福，张曼，陆铭，马亚娜，傅键恺

（1. 兰州理工大学土木工程学院，甘肃兰州 730050；2. 甘肃省应急测绘工程研究中心，甘肃兰州 730050）

“丝绸之路“是我国历史上重要的商贸通道，它贯通亚非欧三大洲，“草原之路”是它的重要组成部分，用于沟通亚欧大陆商贸[1-2]。阿尔泰山处于“草原之路”的中心位置，享有“黄金之路”的美誉。横跨中、哈、蒙、俄四国，起着沟通中西方的文化交流的作用，历史上一直是内亚草原通道上的著名产金之地[3]。新疆阿勒泰地区地处阿尔泰山中段西南麓，不仅拥有丰富的黄金等矿产资源，更是新疆的相对丰水区、素有北疆“水塔”之称，被国务院确定为水源涵养型山地草原生态功能区。自然资源丰富，风景瑰丽多彩。新时代背景下，以新疆阿勒泰地区为典型代表的丝绸之路经济带，将在“一带一路”倡议下迎来新的经济机遇和挑战，经济的快速发展必将带动自然资源的快速开发，矿产资源的开发、草原过牧、旅游开发等所引发的生态环境问题已引起相关部门的高度重视。本文以阿勒泰地区为研究对象，利用多源遥感长时间序列数据和GIS 统计分析技术，结合坡度坡向高程等地形数据，分别从时间和空间变化上分析阿勒泰地区过去20 a来植被的动态变化特征，探究阿勒泰地区在“一带一路”倡议和“丝绸之路”经济带发展中，经济的发展对当地植被覆盖等自然环境的影响，为阿勒泰地区的经济发展、资源开发、生态环境保护、经济可持续发展等提供科技支持[4-11]。

1 材料和方法

1.1 研究区概况

阿勒泰地区隶属新疆伊犁哈萨克自治州，位于新疆维吾尔自治区最北部、阿尔泰山中段西南麓、准噶尔盆地北部[12-13]，地理位置85°31′～91°04′E，45°00′～49°10′N。下辖行政区包括1个县级市阿勒泰市和吉木乃县、布尔津县、富蕴县、哈巴河县、青河县、福海县6 个县（图1），总面积11.7 万km2。区内地貌类型复杂多样，地形以山区为主，北部是阿尔泰山，南部是准噶尔盆地，西南部是沙吾尔山，地势东北高、西南低。气候特征夏季干热，冬季严寒，符合典型的北温带寒冷区大陆性气候[14]。近年来，随着“一带一路”倡议和“丝绸之路经济带”的实施，丰富的自然资源和得天独厚的地理优势，使阿勒泰地区逐渐发展为我国丝绸之路经济带北通道和新疆参与中蒙俄经济走廊建设重要的节点[15]。

图1 阿勒泰概况图

1.2 数据来源及预处理

本项研究采用数据如下所列：

1）美国国家航空航天局（NASA）发布的MOD13Q1数据产品，空间分辨率250 m，时间分辨率16 d的NDVI时间序列数据集[16]，研究期为2000—2019年。

2）2000—2016 年的GIMMS3 g LAI 数据集，空间分辨率为1/12 度，时间分辨率为15 d（https://ecocast.arc.nasa.gov/data/pub/gimms/）。

3）研究区的MODIS GPP 数据，研究期为2000—2016年，空间分辨率500 m，时间分辨率8 d[17]（https://doi.pangaea.de/10.1594/PANGAEA.879560）。

4）2000—2016年的SPEI（http://digital.csic.cs）[11]。

5）数字高程模型（DEM）地理空间数据云平台发布的SRTM3 90 m 的数字高程数据（http://www.gscloud.cn）。

数据的预处理主要包括基于IDL 二次开发平台于ArcGIS python 环境，调用MODIS 官方数据批处理工具MRT 对MODIS 植被产品数据MOD13Q1进行格式转换、拼接和投影转换，影像格式转换为GEOTIFF 格式，投影格式转换为Albers 正轴等面积双标准纬线圆锥投影。由于研究区植被生长期主要在4～9 月，其他时间植被主要处于休眠和枯死状态，因此将4～9 月的研究区多源遥感数据采用最大值合成法分别提取了月和年两个时间尺度的数据集，用于监测研究区植被变化。

1.3 像元二分模型

植被覆盖度定义为观测区域内植被垂直投影面积占地表面积的百分比，通常用于生态环境变化的监测[18]。植被覆盖度的计算一般采用光谱混合分析模型中应用最广泛的像元二分模型[19-23]，其计算公式为：

式中，FC 为植被覆盖度； NDVIsoil为无植被覆盖像元的NDVI 值； NDVIveg为纯植被覆盖像元的NDVI值，本文取置信区间0.5%与99.5%作为NDVI 最大值与最小值来代替全裸土覆盖和纯植被覆盖地区植被指数值[24]。

1.4 趋势分析方法

一元线性回归趋势分析法是对每个栅格的变化趋势进行模拟，反映不同时期的植被覆盖空间变化趋势特征[25]，其计算公式为:

式中，n为研究时段总年数；Xi为第i年的研究因子值；slope 为各像元点变化趋势的斜率。其中，当slope 值大于零，表明研究序列呈现上升（改善）趋势；反之，则说明研究序列呈现下降（退化）趋势，绝对值越大表示变化程度越剧烈。

1.5 分布指数

为了更加精准地判断某种地形对植被覆盖度的影响，引入分布指数，用分布指数来表示特定地形因子对植被覆盖度的影响，计算公式如下[26]：

式中，K为植被在第e种地形位下的分布；Sie为i植被覆盖变化类型在e地形条件下的面积；Si为i植被覆盖变化类型的总面积；Se为研究区内第e种地形位的总面积；S为研究区的土地面积。当K＞1时，表示i植被覆盖变化类型在e地形位上的比重大于研究区内植被覆盖变化类型的比重，说明该地形位是植被覆盖空间分布的优势地形位，且K值越大，优势程度越明显；K=1时，表示i植被覆盖变化类型在e地形分布平稳；K＜1 时，表示i植被覆盖变化类型在e地形非优势分布。

2 结果和分析

2.1 多源数据年度动态变化特征分析

多源遥感数据GPPVPM、NDVI及LAI获得的年度动态变化表现出明显的变化特征：即先下降再增长的趋势，并于SPEI 数据呈现的干旱期相一致（如图2）。其中，2000—2008年，年度GPPVPM之和随时间呈现出轻微的下降趋势（β=-0.067 2，P＜0.05，图2a）；而在2008—2016年期间，GPPVPM随时间呈现明显的上升趋势（β=0.939 6，P＜0.05）。从NDVI与LAI的年变化趋势可以看出（图2b，2c），2008—2016年间NDVI和LAI均出现明显先下降然后增长的趋势，在2008年呈现明显的“谷”状特征。2008年前，NDVI呈现较明显的下降趋势（β=-0.0078，P＜0.05，图2b），而在2008年后转变为增长趋势（β=0.006 7，P＜0.05）；与NDVI相比，LAI具有同样变化趋势，即2000—2008 年，LAI 年均值随时间呈现一定的下降趋势（β=-0.001 7，P＜0.05,图2c）；而在2008—2016 年间，其增长趋势较为明显（β=0.002 2，P＜0.05）。从标准化降水蒸散发指数SPEI的年均变化趋势可以看出，2000—2016年间有一个较为明显的干旱年（2008年）（图2d），受干旱情况的影响，GPPVPM、NDVI和LAI均呈现出先下降后增长的趋势，同时，尽管2011 年以后SPEI 出现下降趋势，然而GPPVPM、NDVI 和LAI 年度动态变化似乎并未受到干旱的影响依然呈现出增长的趋势。

图2 多源数据年度动态变化

2.2 NDVI与LAI时空变化特征分析

图3 为基于式（2）得出的2000—2019 年间NDVI与LAI 的时空变化趋势。可以看出，研究期间NDVI和LAI的时空变化趋势基本一致。绝大多数的植被像元变绿的区域位于阿勒泰地区西部的布尔津县、阿勒泰市和福海县部分地区，而在研究区东南部出现轻微的退化。结合地图分析，植被大面积变绿区域主要位于阿勒泰市以南、福海县以北的乌托古湖以及灌渠周边及下游部分区域，这部分地区地类主要为农业用地，农作物和农田周边的排树对研究区的植被覆盖恢复贡献较为明显。植被轻微退化的区域主要位于乌托古湖上游部分区域，该区域大多为荒漠区，也是阿勒泰地区工矿业发展较为活跃的区域，除气候变化因素外，过度放牧及矿产开采是导致植被退化频繁的原因，所以人类活动已成为植被退化的主要因素。

图3 2000—2019年植被变化趋势（p value＜0.05）

2.3 植被覆盖度变化分析

为了进一步详细监测研究区植被覆盖的变化，利用2000—2019 年的长时间序列NDVI 和基于像元二分模型，分别计算出2000、2008、2019年研究区3个时段的植被覆盖度（图4a～b）。并参照文献[27]及研究区植被生长状况，将植被覆盖度分为高植被覆盖度，较高植被覆盖度，中度植被覆盖度，较低植被覆盖度，低植被覆盖度5个等级（表1）。

表1 植被覆盖度分级标准

为分析植被覆盖度的变化，研究中对2000 年、2008 年、2019 年的植被覆盖度做差值分析（图4c～4d）。2000 年以来，研究区高、较高植被覆盖区主要位于阿尔泰山以及山前的居民地和农田用地部分区域；较低和低植被覆盖区主要阿尔泰山的山脚处、以及哈巴河县等的部分地区（图4a）。2019年的植被覆盖度反映出高和较高植被覆盖区明显扩大，而较低和低植被覆盖区面积明显减少（图4b）。2008年与2000年植被覆盖度的差值表明（图4c），从2000 到2008 年，阿尔泰山区植被覆盖度出现明显的减少，哈巴河县和福海县的部分区域、尤其是农业用地区域增加明显。从2019 年与2008 年植被覆盖度的差值来看（图4d），除了极少地区出现负增长外，绝大多数地区表现出明显的植被增长。

图4 植被覆盖度与差值分布

为定量监测研究区植被覆盖的变化，基于ENVI平台进一步计算出两个年份植被覆盖度转移矩阵（表2）。从2000—2008年的转移矩阵可以看出，2000 年低、较低、中、较高和高5 个等级的植被覆盖面积（单位：103km2，下同）为78.476、7.312、7.451、7.575 和17.277，到2008 年统计结果依次为83.017、8.011、8.122、7.407 和11.534。统计得出，从2000—2008 年间，植被覆盖等级为低、较低和中度植被覆盖面积依次在增大，而较高和高覆盖度面积减少，尤其是较高级别面积较少达5.734，显示一部分较高和高植被覆盖向低覆盖度转移。从2008—2019年，统计发现，与2008年对比，2019年低植被覆盖区面积减少了3.075，较低级别植被覆盖区面积减少了0.335，中级别增加了1.225，较高级别增加了1.416，高级别增加了1.498。从中可以看出，2008年到2019 年间，植被覆盖变化的趋势为低覆盖度向高覆盖度转化，中、较高和高植被覆盖增加十分明显。而且，2000—2008 年和2008—2019年的植被覆盖变化与图2的统计特征相一致。

表2 2000—2019年植被覆盖度面积转移矩阵/103km2

2.4 植被度盖度变化类型的地形分布特征

利用2000—2019年植被覆盖度时间序列计算研究期间的年际变化趋势，并依据趋势和显著性水平，将其分为3类：植被改善类（β＞0，p≤0.01）、植被稳定类（p＞0.01）和植被退化类（β＜0，p≤0.01）。统计发现，研究期间，植被覆盖改善类占比为16.5%，稳定类占比为21.1%，而有62.4%的区域属于植被覆盖的退化类。可见，研究区在近20 a间大片面积的植被覆盖呈现退化趋势。在此分级基础上分析地形变化对植被覆盖的的影响。

2.4.1 植被覆盖度变化类型的高程分布特征

为了分析不同高程下植被的分布情况，对阿勒泰地区的高程进行分类，将DEM 高程数据重分类为8 个高程带＜600、600～900、900～1 200、1 200～1 500、1 500～1 800、1 800～2 400、＞2 400。

图5为植被覆盖度K值随高程变化的趋势图，从图5 中可以看出，高程小于600 m 植被改善为主导类型（1.48＜K＜3.11）,在高程达到900 m后K值迅速降至1，但依然为优势分布（K＞1），大于900 m后K值持续下降。植被稳定性在8个高程带中有5个处于优势分布，其中小于600 m优势最为显著，持续到1 200 m内均保持K值大于1，高程大于24 00 m 后再次恢复优势分布。植被退化型仅在小于600 m与大于2 400 mK值大于1，表现为优势分布。

图5 植被覆盖度K值随坡度的变化

综上得出，自然环境随着海拔的升高产生变化，从而影响植被的生长。在阿勒泰地区，小于600 m高程内，植被改善优势最为显著，大于900 m小于2 400 m高程内，植被稳定为主导类型。而大于2 400 m 后植被退化为主导类型。阿勒泰地区，植被多为耕地，在海拔较高区域，由于人类活动较少，从而使得植被改善趋势较弱。

2.4.2 不同坡度植被覆盖度的变化

坡度的不同，直接影响到土壤的母质组成、土层厚度、有机质含量和土壤养分等基本属性。另外，也影响着太阳辐射的量值和水分分布的差异，从而将进一步影响到坡面的植被覆盖[28]。将阿勒泰地区坡度重分类为6个坡度带，叠加植被覆盖度变化图。

图6为各植被覆盖度变化类型K值随坡度的变化情况，总体各类型植被覆盖度变化为植被改善随坡度的增长趋势逐渐减缓，植被稳定型先减少再增加，植被退化增长后有小幅度减少又恢复持续增长。具体变化为：植被增长型在坡度0～5°表现为优势分布，是植被增长型唯一的优势地形位，植被增长型K值与坡度成反比。随坡度的增长，增长型植被K值逐渐减小，坡度过高限制人类活动，耕地减少，不再呈优势分布。植被稳定型在坡度小于5°与大于35°范围呈现优势分布，其他坡度K值均小于1。植被退化仅在小于5°范围内K值小于1，其他坡度均为优势地形位，坡度过高区域，耕地逐渐减少，植被呈现退化。