基于GEE平台的舟曲县1998—2019年植被覆盖变化分析

岳奕帆， 陈国鹏*， 王 立， 李小霞， 李 瑱

(1. 甘肃农业大学林学院， 甘肃 兰州 730070； 2. 舟曲县气象局， 甘肃 甘南藏族自治州 746300)

陆表植被是大陆生态系统的基本组成部分，也是连接大气、土壤、水分和生物的纽带，在质能循环等方面发挥着不可替代的作用[1-3]，也是反映全球生态变化和气候变化的重要“指示器”[4-5]。20世纪以来，工业化的快速推进，使得生态环境加速恶化，植被覆盖相关的研究也因此成为诸多学者关注的焦点[6-7]。

植被覆盖度(Fractional vegetation coverage，FVC)是指某一地域植物垂直投影面积与该地域面积的比值[8]，反映着植被的茂密程度，不仅是描述地表植被生长状况的重要指标，也是反映生态系统变化的基础参数。由于植被归一化指数(Normalized difference vegetation index，NDVI)可以消除大部分干扰因子的影响，能有效反映植被的生长覆盖情况、生物量及净初级生产力等植被参数，而且其数据来源广泛，是目前最为常用的估算植被覆盖度的遥感植被指数[9-11]。然而，单一的归一化植被指数也包含了土壤类型等其他地物特征信息，且存在对高覆盖度的植被易饱和、对低覆盖度的植被难区分等不足[12-13]。利用NDVI采用像元二分模型估算植被覆盖度的方法可以更准确地反映植被覆盖度的变化特征，已被众多学者广泛应用[14-16]。

生态脆弱区因其分布面积广、系统稳定性差、抗干扰能力弱、易退化等特征[17]，成为了生态修复过程中的短板，保证生态脆弱区的修复进程是促进我国社会经济高质量发展的重要基础[18]。在1998年天然林保护工程实施前，舟曲县的原始植被经历了大规模砍伐，导致县域内土壤与植被退化且多发洪涝灾害与泥石流，也因此成为了我国典型的生态脆弱区。研究舟曲县植被时空变化格局不仅有助于了解近年来植被的恢复状况，还可以为区域生态环境修复效果的评价提供参考，同时也是天然林保护工程绩效评价的依据。

基于此，本研究采用Landsat系列数据辅以DEM与气象数据，采用像元二分模型、中值合成、趋势分析及稳定性评价等方法对舟曲县1998—2019年共22 a间植被覆盖动态特征进行研究，以期揭示植被的时空变异规律、评价植被恢复的稳定程度。

1 材料与方法

1.1 研究区概况

舟曲县(103°51′30″～104°45′30″ E，33°13′～34°1′ N)面积约3 015 km2，海拔在1 173～4 504 m之间[19](图1)，地处甘川二省交汇处，是典型的高山峡谷区。该区域属温带季风气候，年均降水量约429.2 mm，年均气温约为13.9℃。县域内支流众多，总径流量达3.7×109m3[20]。近年来，随着社会经济发展致使舟曲县植被覆盖层被持续破坏，导致舟曲县成为国家级三大地质灾害多发县、全国自然灾害频发县，也是“5·12”特大地震和“8·8”泥石流灾害重灾县[21-22]。

图1 研究区概况图Fig.1 Study area

1.2 数据来源与处理

遥感影像数据来自Google Earth Engine(GEE)云计算平台(https://earthengine.google.com)的Landsat Surface Reflectance Tier 1系列数据，包含有1998—2011年的Landsat 5 TM Surface Reflectance Tier 1数据集、2012年的Landsat 7 TM Surface Reflectance Tier 1数据集以及2013—2019年的Landsat 8 OLI Surface Reflectance Tier 1数据集共计316景遥感图像，这些数据集已经经过了几何校正、大气校正等预处理工作。为了减少云层与积雪的影响，选取6—9月植被生长季图像作为数据源进行中值合成。

数字高程数据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)的ASTER GDEM 30 m数字高程数据产品，空间分辨率为30 m。在经过无缝镶嵌、投影、裁剪得到舟曲县的高程数据。

气象数据来源于舟曲县气象局，包括降水与气温，为2000—2019年的日尺度数据集。

1.3 研究方法

1.3.1植被覆盖度计算 本研究通过计算植被生长季的NDVI，利用像元二分模型得到植被覆盖度，再通过变异系数法分析植被多年来的变化及稳定程度[23-24]。

基于像元二分模型计算植被覆盖度(FVC)[25-26]，其原理是假设一个像元的地表覆盖由两部分组成，一部分是有植被覆盖的地表(NDVIveg)，另一部分是无植被覆盖的地表(NDVIsoil)，该像元的混合信息就是由NDVIveg和NDVIsoil2个组分因子线性加权合成，各因子的权重是各自的面积在像元中所占的比例，其中植被覆盖度就可以看作是植被的权重[27-28]。

(1)

式中：FVC表示植被覆盖度，NDVI表示像元NDVI总值，NDVIsoil表示无植被覆盖像元NDVI值，NDVIveg表示全部植被覆盖的像元NDVI值。在年合成NDVI累计统计表上取累积频率为5%对应的NDVI值作为NDVIsoil，取累积频率为95%的NDVI值作为NDVIveg[29-30]。参考2008年中华人民共和国水利部颁布的《土壤侵蚀分类分级标准》[31]，并结合高彦净等[32]对于历史时期甘肃省植被覆盖度分级划分情况，将舟曲县的植被覆盖度分为5个等级：低植被覆盖度(<30%)、中低植被覆盖度(30%～45%)、中植被覆盖度(45%～60%)、中高植被覆盖度(60%～75%)和高植被覆盖度(≥75%)。

1.3.2趋势分析法

(2)

式中：K表示方程的斜率，i表示监测年限，yi表示第i年研究区域的植被覆盖度。当K>0时，表示研究区域内FVC是呈上升趋势；当K<0时，表示研究区域的FVC是呈下降趋势；若K=0，则表示植被状况无变化。斜率K可以反映植被覆盖的空间分布情况[33-34]。趋势分析的显著性用F检验，用以检验趋势的可信度。

(3)

(4)

(5)

1.3.3变异系数分析法

(6)

2 结果与分析

2.1 舟曲县植被覆盖的年际变化

舟曲县1998—2019年间植被覆盖整体呈显著增加的态势(P<0.05，图2)，FVC在0.76～0.85之间波动上升，增长速率为3.9×10-3a-1，并且植被覆盖度与春季和初夏(1—5月)降水量之间呈显著的正相关关系(P<0.05)。

图2 1998-2019年植被覆盖年均变化与降水量关系图Fig.2 Relationship between annual average change of fractional vegetation coverage and precipitation from 1998 to 2019注：图A：植被覆盖度的年际变化；图B：春季和初夏(1—5月)降水量与植被覆盖度的相关性Note：A：Interannual variation of fractional vegetation coverage;B：Correlation between precipitation and fractional vegetation coverage in spring and early summer (January to May)

舟曲县高植被覆盖区域面积占比相对较大，低植被覆盖区域面积占比最小，植被覆盖度<75%的区域面积占比呈现减小的趋势(图3)。其中：中低植被覆盖与低植被覆盖区域面积波动较小，面积占比在1.80×10-3%～1.72%之间，平均面积仅占总面积的0.37%；中植被覆盖区域面积占比在0.41%～11.90%之间波动，1998年与2018年分别达到其最大、最小值，22 a间平均面积占比为3.98%；中高植被覆盖区域在2014年面积占比最低，达3.99%；在2018年面积占比最高，达30.77%。中高植被覆盖区域波动相对较大，表现减少的趋势，平均覆盖面积占比15.65%。高植被覆盖区域面积波动剧烈，在57.68%～95.60%之间变化。

图3 不同等级植被覆盖度年际变化图Fig.3 Annual changes of fractional vegetation coverage at different levels

2.2 植被覆盖空间变化分析

以400 m为一个梯度，将舟曲县的海拔分为9个区间，不同海拔梯度之间，植被覆盖分布具有较大的差异性(图4)。随着海拔升高，中高及以下植被覆盖区域占比逐渐降低，在2 600～3 000 m海拔段内降到最低，仅占到该区间面积的0.5%。海拔4 200 m以上，植被覆盖仅占到总面积的0.2%，根据人工目视解译，该区域大多为裸岩险峰与雪体；高植被覆盖区域随着海拔的升高面积占比逐渐增大，在1 800～3 400 m海拔段内，植被覆盖度最优良，且面积占到了区间面积的90%以上；当海拔继续升高，高植被覆盖面积占比逐渐减少。

图4 不同海拔植被覆盖度分布图Fig.4 Distribution of fractional vegetation coverage at different altitudes

2.3 植被覆盖趋势变化分析

舟曲县植被覆盖度的演变具有明显的空间分异性(图5，表1)。其中，轻度变化面积占比最大，占比72.16%，其中轻度改善的区域面积占比50.51%，整个区域均有分布；轻度退化的区域面积占比21.70%，主要集中在舟曲县域中部的武坪镇与南部的博峪镇及北部的巴藏镇及周边部分区域。显著退化和明显退化的区域面积占比较小，分别为0.40%和1.16%，多集中于轻度退化区域附近；显著改善和明显改善的区域面积分别占比12.29%和13.99%，分布在白龙江流域与拱坝河流域附近及八愣乡周围。整体上舟曲县植被覆盖呈现增加趋势的面积比较大，面积占76.79%。

图5 植被覆盖变化趋势分布图Fig.5 Distribution map of fractional vegetation coverage trend

表1 舟曲县植被覆盖度变化趋势显著性统计结果Table 1 Significant statistical results of fractional vegetation coverage in Zhouqu county

各海拔段植被覆盖度的改善趋势(包括显著改善、明显改善和轻微改善)均大于退化趋势(图6)，各海拔段内面积占比均达到60%；在2 200～2 600 m以下4个海拔段内，植被覆盖度的显著改善与明显改善趋势最大，植被恢复趋势最好；高海拔区域，显著改善与明显改善趋势相对偏低。植被呈退化趋势的区域主要分布在1 800～3 800 m海拔段，但以轻微退化为主，退化面积仅占区间总面积的24.95%，且海拔升高退化趋势又逐渐缩小。

图6 不同变化趋势海拔分布图Fig.6 Altitude distribution map of different changing trends

2.4 植被覆盖度稳定性分析

22年间舟曲县植被覆盖度的变异相对较低，稳定趋势(非常稳定、稳定)区域占总面积的71.33%，变异趋势(变异较弱、变异剧烈)区域面积占比28.67%(表3，图7)。植被覆盖度处于非常稳定的区域主要分布在舟曲县的东南部、中部与西北部。植被覆盖度呈现稳定的区域主要分布在西部、东北部以及中部的山脉。植被覆盖度变异的区域主要分布在白龙江流域与拱坝河流域的河谷地段。

图7 变异系数空间分布图Fig.7 The spatial distribution of the coefficient of variation

海拔梯度上的结果表明(图8)：变异程度分别在1 173～2 200 m与3 400～4 504 m海拔段面积占比大且表现剧烈。随着海拔升高，稳定性呈单峰型变化，在2 200～3 400 m区间内，稳定性幅度最优。

图8 不同海拔变异系数空间分布图Fig.8 Spatial distribution of coefficient of variation at different altitude

3 讨论

3.1 植被覆盖的年际变化及影响因素

由于气象因素的制约，获取研究区域无云的遥感影像比较困难，大部分影像在获取时都会或多或少的受到云、云在地面投射时的阴影以及气溶胶等的影响[36]。因此在对遥感数据的处理过程中，去除云遮罩的操作是不可缺少的一环。本研究使用2019年影像进行了验证，对比了遥感影像在去云前后舟曲县植被覆盖度的变化情况，发现去云前植被覆盖度均值为0.78，相比去云之后的影像均值低0.09，并且在有云遮罩的区域植被覆盖度值极低。因此通过去云合成图像的方法不仅改善了图像质量，而且提高了数据的准确性，使得长时序遥感监测分析更具有真实性与客观性。

表2 舟曲县变异系数统计结果Table 2 Statistical results of coefficient of variation in Zhouqu county

植被覆盖的提升可以有效改善区域生态环境，也在一定程度上遏制了泥石流、滑坡和洪水等自然灾害的侵袭[37]。近40年来我国的植被覆盖正在逐步提高[38]，地处我国西北的甘肃省植被正呈缓慢恢复的趋势，且以南部植被恢复较好[39]。巩杰等[40]的研究发现，白龙江流域的植被净生产力整体呈上升趋势。本研究中，舟曲县整体植被覆盖的变化趋势与上述结果相似，呈现出“波动起伏—逐渐改善”的趋势，而且低植被覆盖区域正在逐渐转变为高植被覆盖区域，使得高植被覆盖区域面积逐渐增加。

众多研究表明，气候是制约植被生长发育的重要因素，其中温度与降水是最关键的影响因子[41]。李学梅等[42]研究表明，旬均温对重庆市近十年的植被覆盖变化的影响要强于降水；张园等人[43]指出长白山保护区植被对温度的响应远比降水强烈；孙高鹏等[44]发现气温对黄河流域20年来植被变化有着最高的贡献率。本研究中，分别探究了春季和初夏均温(1—5月)、生长季均温(6—9月)以及全年均温与植被覆盖度之间的相关关系，但气温与植被覆盖度之间的相关关系均不显著，可能是近20年来，舟曲县的春季和初夏均温(9.6℃～11.4℃)、生长季均温(21.4℃～21.8℃)、全年均温(13.2℃～14.7℃)变化幅度不大，对植被影响轻微。

植被生长的主要驱动因子存在着明显的地域差异性，一些学者的研究表明降雨量是影响植被覆盖的主导因素，如燕守广等[45]通过对近15年来乌梁素海流域的植被变化，发现降水量的增加对植被生长有促进作用；张志强等[46]指出决定黄河流域植被覆盖度空间格局的关键因素是降水量。本研究中，分别选取了春季和初夏降雨量(1-5月)、生长季降水量(6-9月)以及全年降水量与植被覆盖度进行相关分析，结果仅春季和初夏降雨量(1—5月)与植被覆盖度呈显著的正相关关系，其余时段降水量与植被覆盖度的关系不显著，说明春季和初夏的降水量是影响舟曲县植被变化的重要因素，且降雨量对植被生长存在一定的滞后效应，这与Zhang等[47]得出科尔沁地区植被对降水量的滞后响应结果相似。春季和初夏降水量显著影响舟曲县的植被覆盖可能与降雨量的月际差异较大有关，舟曲县春季和初夏时节月降水量波动范围可达0～131 mm，因此影响了植被的生长。

3.2 舟曲县植被空间分布

舟曲县地处高山峡谷区，海拔差异巨大(1 173～4 504 m)，植被覆盖的优良状况随着海拔升高呈现“V”形的变化趋势，低海拔段(1 173～2 200 m)植被随着海拔升高覆盖面积增多，且中高及以下植被覆盖面积减少，逐渐以高植被覆盖为主；中海拔段(2 200～3 400 m)植被覆盖度高而且分布面积广；高海拔段(3 400～4 504 m)植被覆盖稀少，这可能与区域特有的山地气候有关。在山区，温度随海拔升高而明显的减小，降水量则随海拔升高而升高直至最大降水高度，之后再随海拔升高而降低，因此，往往在海拔中段植被生长所需水热条件最好，植被覆盖最高[48]。本研究中高植被覆盖区域多集中在中海拔段内，低海拔段内植被覆盖随海拔升高而变高的结果与银朵朵等[49]对大青山植被覆盖随海拔升高而增大这一结果相似。

舟曲县植被覆盖的变化趋势和稳定性呈现出明显的空间分异，在低海拔，植被覆盖表现为改善趋势最优且变异程度强烈的特点，这可能与低海拔段人为干扰的强度有关，这些地区多为农业耕地覆盖植被，常受到人为活动剧烈影响。随着海拔升高，改善趋势减弱而变异系数趋于稳定，可能由于这些区域是重要的生态公益林区，多年的天然林保护工程使其植被覆盖良好且抗干扰能力较强；高海拔地区，多为裸岩与冰川冻土，鲜有人类活动，植被覆盖稀少且受制于土壤水热等条件。整体改善趋势随海拔升高呈现单峰型变化，表现趋势与变异系数一致，体现出变化趋势与变异程度之间的耦合性。舟曲县作为典型的生态脆弱区，植被覆盖正在不断向好的趋势转变，监测植被覆盖的时空变化显得极其重要，应根据植被覆盖变化特点，及时做出调整，进一步改善区域生态环境。

4 结论

本研究使用30 m空间分辨率的Landsat Surface Reflectance Tier 1系列等数据分析舟曲县的植被覆盖时空演变特征，结果表明，1998—2019年舟曲县植被覆盖总体表现为“整体改善，局部退化”的缓慢增长趋势。低值被覆盖与中低等植被覆盖正在逐渐降低，中等植被覆盖正在向高植被覆盖转化。在中海拔段植被覆盖度最为优良且面积分布广，海拔越高植被覆盖度越低。植被覆盖及其变化趋势和稳定性的空间分异明显，全县植被覆盖呈改善趋势的区域面积最大，约占全域面积的76.8%，在中低海拔段改善趋势最好；显著退化和明显退化的区域极少，仅占总面积的1.6%。22 a间舟曲县整体变异程度相对偏低，表现稳定的区域占总面积的71.3%。