滇东南喀斯特石漠化地区植被覆盖度时空变化特征研究<br/>——以砚山县为例

滇东南喀斯特石漠化地区植被覆盖度时空变化特征研究
——以砚山县为例

2022-10-10沈明潭谭炳香贺晨瑞于天飞

林业调查规划 2022年5期

沈明潭，谭炳香，戚曌，于航，贺晨瑞，于天飞

(1. 中国林业科学研究院资源信息研究所，北京 100091； 2. 国家林业和草原局林业遥感与信息技术重点实验室，北京 100091；3. 中国林业科学研究院林业科技信息研究所，北京 100091)

石漠化是指在南方湿润区的喀斯特地貌，由于气候变化和人为因素导致植被不断退化、水土流失加剧、土地生产力持续下降、大面积的岩石裸露于地表的典型土地退化过程[1]。滇东南是我国土地石漠化问题最突出地区[2]，砚山县是2007年全国100个石漠化治理重点县之一，脆弱生态环境下的植被抵抗力和恢复力不足以应对外界不良因素的胁迫，区域生态环境状况变化会引起植被覆盖发生变化。植被覆盖度(fraction vegetation cover，FVC)是单位面积内地表植被群落的叶、茎、枝在地表的垂直投影面积与地表面积的比例[3]，反映植被群落覆盖地表的疏密程度和长势[4]，是衡量地表植被变化、水土流失、土地石漠化等生态环境变化的重要指标。气候和人为因素对地表植被覆盖变化的态势有重要影响[5]，气候对植被覆盖的影响主要表现为温度和降水，与植被生长发育有着密切关系[6]，人为因素能在短期内直接干扰植被覆盖变化[7]，反之植被覆盖变化也记录了气候变化和人类活动痕迹。相关研究表明，我国西南地区1992年后气候处于湿润期，至2002年后开始由湿润期逐渐进入干旱期，开始干旱化，2009—2010年出现了历史罕见的干旱事件，暖干化趋势愈发明显[8]，气候变暖，降水量减少，在一定程度内气温升高可以延长植物的生长周期[9]，但水分又限制了植被的生长发育，西南地区植被覆盖度变化对气温的响应无明显的滞后性，与降水量有一个月的滞后性[10]，与坡度有明显的规律[11]。人为因素一方面通过生态环境建设促进植被覆盖的增加，另一方面又因为土地利用方式的变化破坏植被[12]，例如城镇建设的扩张侵占大量耕地、林地和草地等植被生存空间，同时也严重干扰植被的生长环境[13]。

基于植被指数的混合像元二分模型法广泛应用于植被覆盖度的遥感估测，目前关于植被覆盖度估测研究最常用的方法是基于归一化植被指数(normalized difference vegetation index,NDVI)的估测方法，但在山地丘陵区由于地形阴影产生的干扰因素，相同植被类型下阴坡和阳坡NDVI的提取结果存在一定误差[14]。归一化差值山地植被指数(normalized difference mountain vegetation index, NDMVI)仅根据遥感影像数据，在不借助其他异源数据的情况下即可有效消除或抑制地形对植被覆盖估测的影响，能在一定程度上提高山区植被覆盖信息识别能力和提取精度[15-16]。基于该指数，以南方丘陵区福建省永定县、西北丘陵山地区山西省临县为研究区进行植被覆盖度的遥感估算，结果表明，NDMVI的识别效果均优于NDVI，在复杂地形区遥感估测植被覆盖度NDMVI更有优势[17-18]。

针对滇东南喀斯特石漠化区县域尺度的植被覆盖变化及其影响因素的研究不足，本研究基于归一化山地植被指数，利用像元二分模型估测研究区2000年、2010年、2020年3个时期的植被覆盖度，采用差值法、一元线性回归及转移矩阵法分析研究区植被覆盖时空变化特征，并结合地形和气候数据进行统计分析和相关性分析，探讨喀斯特地区植被覆盖度变化的响应机制，揭示砚山县植被覆盖度时空动态特征及其与地形、气候变化的关系，为研究区生态保护和建设提供参考。

1 研究区概况及数据来源

以云南省砚山县为研究区(图1)，该县隶属文山壮族苗族自治州，地处北回归线附近，地理位置为103°35′～104°45′E，23°18′～23°59′N，亚热带高原季风气候特征明显，属北亚热带季风气候区。其特点是气候温和，雨量充沛，但分配不均，干湿季节分明。年均温11.64～19.06℃，极端最高温34.43℃，极端最低温-2.86℃。年降雨量755.77～1 454.43 mm，年均无霜期300 d。海拔1 088～2 243 m，地貌多为山地和丘陵，主要植被类型为常绿针叶林、阔叶林和灌木林等，土壤类型主要为红壤。2019年末总人口52.24万人。

图1 研究区地理位置及海拔Fig.1 Geographic location and altitude of the study area

所用的影像为landsat5 TM和landsat8 OLI数据，空间分辨率均为30 m。研究区在植被生长季多云多雨，难以获取清晰完整的影像，所以选取2000年11月、2010年1月和2020年10月非生长季影像各两景，轨道号均为P128-R43，云量均小于5%，共计6景影像，对影像进行辐射定标、大气校正、拼接裁剪后作为研究区的遥感数据源。DEM数据采用ASTER GDEM 30 m分辨率数字高程数据，影像数据和数字高程模型来源于地理空间数据云(http://www.gscloud.cn)。

气象数据采用年均温和年降水量，利用研究区及其周边10个气象监测点的年降水量和年均温进行空间插值，分别获取2000年、2010年和2020年3个时期空间分辨率为30 m的栅格化气象数据，用于分析植被覆盖度对气候的响应。2010年的影像拍摄时间为1月，故2010年的气候数据采用2009年的数据，数据来源于美国国家环境信息中心(https://

www.ncei.noaa.gov)。

2 研究方法

2.1 植被覆盖度估测

2.1.1归一化差值山地植被指数

本研究选用归一化差值山地植被指数[15]作为植被覆盖度研究的植被指数，该指数由NDVI变换而来，以同时减少影像近红外波段和影像红光波段反射率的方式抑制地形效应的影响，相比于NDVI值有更广的动态变化范围，在地形复杂区域进行植被覆盖度遥感估测中有更好的提取效果，计算公式为：

(1)

式中：NIR为影像近红外波段的反射率；R为影像红光波段的反射率；Rmin为红光波段反射率的最小值；NIRmin为近红外波段反射率的最小值。

2.1.2像元二分模型

利用基于归一化差值山地植被指数NDMVI的像元二分模型[19]对研究区植被覆盖度(FVC)进行估算，公式为：

(2)

式中：FVC为植被覆盖度；NDMVIsoil为完全是裸土或无植被覆盖区域的NDMVI值；NDMVIveg表示完全由植被覆盖的像元的NDMVI值。

模型中仅把像元划分为两大类：无植被和纯植被，这样可以削弱大气、地形和植被类型等各种因素的影响。本研究选取置信区间为[5%～95%]的NDMVI值作为NDMVIsoil和NDMVIveg。

2.2 植被覆盖度变化分析

2.2.1差值指数

分别将两个时期的植被覆盖度图像进行差值运算，可提取出植被覆盖度变化的空间范围和强度信息[20]，差值大于0表明植被覆盖度增加，反之，小于0则表示减少。植被覆盖度指数公式为：

ΔFVC=FVCn-FVCn-1

(3)

式中：ΔFVC为植被覆盖差值指数；FVCn和FVCn-1分别为第n期和前一期植被覆盖度图像上的像元值。

植被覆盖度差值指数的取值范围为[-1～1]，将差值指数分为6个等级：极度退化(-1～-0.6)、中度退化(-0.6～-0.2)、轻微退化(-0.2～0.0)、轻微改善(0.0～0.2)、中度改善(0.2～0.6)、极度改善(0.6～1)。

2.2.2一元线性回归分析

差值指数只能得出任意两个时期植被覆盖变化，因此，通过一元线性回归法拟合每个像元在2000年、2010年和2020年3个时期植被覆盖度连续变化趋势[21]，从而得出研究区植被覆盖度的整体时空变化趋向。植被覆盖度变化趋势线斜率公式为：

(4)

式中：Slope为植被覆盖度变化趋势线斜率; 本研究选用3个时期的影像，所以n=3，i=1，2，3为期间序号；FVCi为第i时期植被覆盖度。

斜率的绝对值越大，表明植被覆盖度变化程度越明显[22-23]，Slope>0，表示在此期间内植被覆盖度增加，Slope<0，则表示植被覆盖度在减少。将斜率分为6个等级：极度退化(-0.5～-0.3)、中度退化(-0.3～-0.1)、轻微退化(-0.1～0.0)、轻微改善(0.0～0.1)、中度改善(0.1～0.3)、极度改善(0.3～0.5)。

2.2.3植被覆盖度等级转移矩阵

采用马尔科夫模型对研究区不同等级植被覆盖度之间的变化情况进行定量分析[24]。

(5)

式中：Vxy表示研究区在不同时期第x种等级的植被覆盖度和第y种等级的植被覆盖度之间转化面积。n为5，即覆盖度等级的数量。x和y的取值为1、2、…n。

将研究区植被覆盖度划分为5个等级[25]：低植被覆盖度(0～0.1)、较低植被覆盖度(0.1～0.3)、中植被覆盖度(0.3～0.5)、较高植被覆盖度(0.5～0.7)、高植被覆盖度(0.7～1)。

2.2.4植被覆盖度与气候因子的简单相关分析

为了分析研究区植被覆盖度变化对年均温和年降水量的响应特征，分别对植被覆盖度与气温、降水量数据进行相关性分析[26]。相关系数公式为：

(6)

3 结果与分析

3.1 研究区植被覆盖度空间分布特征

利用公式(2)计算分别得到研究区2000年、2010年和2020年3个时期植被覆盖度空间分布图(图2～图4)。

图2 研究区2000年植被覆盖度空间分布Fig.2 Spatial distribution of vegetation coverage in the study area in 2000

图3 研究区2010年植被覆盖度空间分布Fig.3 Spatial distribution of vegetation coverage in the study area in 2010

图4 研究区2020年植被覆盖度空间分布Fig.4 Spatial distribution of vegetation coverage in he study area in 2020

从空间上看，砚山县各年度植被覆盖度整体呈现东南部高、西北部低的分布特征，高覆盖度植被主要位于地形起伏较大的山区，植被类型多为云南松林、杉木林、油松林和桉树林，植被覆盖度水平高于70%。较高植被覆盖度分布在高植被覆盖度地区周围的灌木杂草植被带。低植被覆盖度、较低植被覆盖度和中植被覆盖度集中在平远镇、稼依镇、江那镇和清水江沿岸等区域，地势平缓，利于耕作，多为农业用地，植被覆盖度不高，说明人类的生产生活等行为对植被覆盖度变化产生较大影响。

对各时期植被覆盖度等级的面积进行统计(图5)。

图5 研究区不同等级植被覆盖度面积占比Fig.5 Area proportion of vegetation coverage of different levels in the study area

研究区2000年较高植被覆盖度面积(19.41%)和高植被覆盖度面积(35.59%)之和占植被覆盖总面积的55%，植被覆盖状况处于较好水平；2010年较低植被覆盖度所占面积最大，低植被覆盖度和较低植被覆盖度区域面积之和占植被覆盖总面积的40.10%，整体植被覆盖度较低；2020年高植被覆盖度占比为58.00%，较高植被覆盖度占比为22.54%，两者面积之和占比高达80.54%，植被覆盖度相比于其他两个时期最好。2020年植被覆盖度明显增长，高植被覆盖度区域面积相较于2010年增加137.24%，高植被覆盖度变化明显且面积增加最多，而低植被覆盖度，较低植被覆盖度和中植被覆盖度区域面积之和占总面积的比例仅为19.46%，在3个时期中2020年植被覆盖状况最好。

3.2 植被覆盖度时间变化趋势

利用差值指数(公式(3))分别计算出2000—2010年和2010—2020年两个时期植被覆盖度的变化程度，用一元线性回归模型(公式4)计算2000—2020年3个时期植被覆盖总的变化趋势(表1)。

表1 3个时期植被覆盖度变化面积占比Tab.1 Proportion of change area of vegetation coverage in three periods

2000—2010年期间研究区植被覆盖退化面积占比为73.65%，改善的面积占比为26.35%，整体上植被覆盖度退化严重；从空间分布上看，植被覆盖度退化区域分散于整个研究区，中度退化大面积集中在地势平缓区域。植被覆盖度改善的面积远低于退化的面积，以轻微改善程度为主，改善区域主要分布在地形复杂的山区，植被类型多为乔木林，森林群落生态环境的抗逆性强，对干旱灾害的响应有一定的滞后性(图6)。

2010—2020年期间研究区植被覆盖度退化面积占比为9.36%，改善的面积占比为90.64%，总体上，植被覆盖有了显著的恢复和改善，退化区域主要位于城镇和村落周边等人为干扰频繁地区(图7)。

图6 研究区2000—2010年植被覆盖度变化空间分布Fig.6 Spatial distribution of vegetation coverage change in the study area from 2000 to 2010

图7 研究区2010—2020年植被覆盖度变化空间分布Fig.7 Spatial distribution of vegetation coverage change in the study area from 2010 to 2020

2000、2010和2020年3个时期研究区植被覆盖度呈下降趋势的面积占比为17.33%，呈上升趋势的面积占比为82.67%，植被覆盖处于明显增加的态势,改善的地区广泛分布在研究区的各个区域(图8)，退化的地区主要分布在水体、建设用地周围以及部分耕地上，由于水位变化、建设用地的扩张和农业耕作导致植被覆盖减少。2000—2020年期间植被覆盖度尽管出现不同程度的退化、改善交替或并存的情况，但整体上植被覆盖度改善面积仍大于退化面积。

应用马尔科夫模型(公式(5))统计出各时期不同等级的植被覆盖度面积转移矩阵(表2，表3)来定量分析其相互之间的转换关系。

图8 研究区2000—2020年植被覆盖度变化空间分布Fig.8 Spatial distribution of vegetation coverage change in the study area from 2000 to 2020

表2 2000—2010年各等级植被覆盖面积转移矩阵Tab.2 Transferring matrix of vegetation coverage area of each grade from 2000 to 2010

表3 2010—2020年各等级植被覆盖面积转移矩阵Tab.3 Transferring matrix of vegetation cover area of each grade from 2010 to 2020

从表2可以看出，2000—2010年高植被覆盖度面积减少了422.06 km2，较低植被覆盖度面积增加了448.69 km2，低覆盖植被区和较低植被覆盖区面积明显增加，中植被覆盖区、较高植被覆盖区和高植被覆盖区面积在减少，转移方向多为高等级植被覆盖度转向低等级植被覆盖度，低等级植被覆盖度转向高等级植被覆盖度的面积极少，且大部分是向相邻的低或高等级转移，跨等级转移面积比较少，反映了2000—2010年间研究区植被退化的情况较为严重，植被覆盖度总体在下降。

从表2可以看出，2010—2020年高植被覆盖度面积增加1 266.79 km2，较高植被覆盖度面积增加232.46 km2，中植被覆盖度面积减少245.92 km2，大部分表现为低等级植被覆盖度向高等级植被覆盖度转移，只有极少数由高等级植被覆盖度转向低等级植被覆盖度，整体上看，高覆盖度和较高覆盖度植被占比大，研究区在2010—2020年间植被覆盖度明显提高。

3.3 研究区植被覆盖影响因素分析

3.3.1地形对植被覆盖度的影响

1)坡度对植被覆盖度的影响

研究区地形地貌复杂，坡度变化较大，坡度对水分、养分以及矿物质等有再分配的作用，是影响植被空间分布和生长生存的重要因素，同时也对人类干预起到一定的限制作用。基于30 m分辨率的DEM数据提取坡度信息，根据中国农业区划委员会颁发的《土地利用现状调查技术规程》，将坡度分为5个类型，分别为<2°、2°～6°、6°～15°、15°～25°、≥25°。统计出研究区不同坡度的各植被覆盖度等级面积，分析植被覆盖在不同坡度下的差异性。各坡度等级植被覆盖面积占总植被覆盖面积的比例分别约为2%、14%、36%、29%、18%。提取分布在不同坡度级的植被覆盖度的平均值，建立植被覆盖度与坡度的关系(图9)，各时期植被覆盖度随坡度的增加呈显著线性上升趋势(R2均在0.95以上)，3个时期内各等级植被覆盖度面积在不同坡度上的趋向基本一致，在坡度等级上统计出各植被覆盖等级面积(图10)显示，较低、中低植被覆盖度主要分布在15°以下的坡度范围内，中度和较高度植被覆盖分布在6°～15°坡度范围的面积最大，且都集中在坡度25°以下区域。坡度小于6°的区域主要位于平远镇、清水江沿岸以及听湖水库周围，土地利用类型多为农业生产用地，所以植被覆盖水平低；6°～15°区域范围在2000年和2020年高植被覆盖度面积最大，而在2010年较低植被覆盖度面积最大。15°～25°坡度范围内各时期均是高植被覆盖度所占面积最大。坡度大于25°区域大部分位于研究区东部乡镇和西部阿舍彝族乡，各时期植被覆盖类型主体为高植被覆盖度，随着坡度的增大，植被类型多为灌木和乔木，主要受自然条件限制，人为因素干预小，因而植被覆盖度高。

图9 研究区植被覆盖度随坡度变化趋势Fig.9 Variation trend of vegetation coverage with slope in the study area

图10 研究区不同等级植被覆盖度在不同坡度区域面积Fig.10 Area of vegetation coverage of different levels on different slopes in the study area

2)海拔对植被覆盖度的影响

研究区地势中间低四周高(图1)，海拔高差达1 179 m，将海拔划分为1 084～1 400 m、1 400～1 500 m、1 500～1 600 m、1 600～1 700 m、1 700～1 800 m、1 800～2 263 m 6个梯度。研究区植被覆盖度随海拔变化趋势见图11。

图11 研究区植被覆盖度随海拔变化趋势Fig.11 Variation trend of vegetation coverage with altitude in the study area

从图11可以看出，研究区植被主要位于海拔1 400～1 800 m区域，其面积占整个研究区植被覆盖总面积的90%以上。各时期植被覆盖度均值随海拔变化存在明显差异。3个时期的植被覆盖度均值变化趋势大体相同，随海拔梯度的上升各时期植被覆盖度均值呈先下降后上升再减少趋势，峰值分别出现在1 700～1 800 m梯度上，最小值出现在1 400～1 500 m梯度上，原因主要是峰值出现的海拔梯度大部分位于林地，森林群落植被覆盖度大，而最小值所处的海拔梯度地势相对平缓，耕地集中分布在此海拔范围内，主要受农耕植被种植和收获交替变化的影响。

3.3.2气候对植被覆盖度的影响

降水和气温是植物进行生理生化作用的关键性因子，从而影响植被覆盖度变化，研究区范围内有两个气象监测点，分别分布在西部(北纬23°45′，东经103°45′)和东部(北纬23°45′，东经104°15′)，研究区年均温与年降水量变化趋势见图12，图13。

自1990年以来研究区气候暖干化趋势明显，气温趋于上升，降水量呈下降趋势；自2000年以来研究区西部气温明显高于东部，而降雨量低于东部，西部气候暖干化趋势较东部更加明显，其主要原因是东部植被覆盖度和覆盖面积大，植被有增加降水量，降低气温的作用，进而影响区域小气候。

研究区水热条件较好，从图14和图15可以看出，3个时期年均降水量在794.48～1 076.86 mm范围，在空间分布上由东部到西部递减。年均温在18.07～19.06 ℃范围，在空间上呈现中部低、东部和西部高的特征。

不同的植被类型对降水、气温的敏感程度有明显差异性，利用公式(6)将植被覆盖度和气候因子进行简单相关分析(表4，图16，图17)。

图12 研究区年均温变化趋势Fig.12 Variation trend of annual average temperature in the study area

图13 研究区年均降水量变化趋势Fig.13 Variation trend of annual average precipitation in the study area

图14 研究区年均降水量空间分布Fig.14 Spatial distribution of annual average precipitation in the study area

图15 研究区年均温空间分布Fig.15 Spatial distribution of annual average temperature in the study area

表4 研究区2000—2020年植被覆盖度与气候因子相关性Tab.4 Correlation between vegetation coverage and climate factors in the study area from 2000 to 2020

图16 研究区植被覆盖度与年降水量相关性空间分布Fig.16 Spatial distribution of correlation between vegetation coverage and annual average precipitation in the study area

图17 研究区植被覆盖度与年均温相关性空间分布Fig.17 Spatial distribution of correlation between vegetation coverage and annual average temperature in the study area

从表4可以看出，植被对气温和降水的响应整体上呈现正效应为主的趋势。研究区植被覆盖度与降水量的平均相关系数为0.49，与气温的平均相关系数为0.17，约84.41%的区域与降水量呈正相关，15.59%的区域与降水量呈负相关，62.87%的区域与气温呈正相关，37.13%的区域与气温呈负相关。说明整体上降水量比气温对植被覆盖度的相关性更大。

在空间分布上(图16，图17)，植被覆盖度分别与降水量、气温的相关性程度相反或减弱，在维摩乡、干河彝族乡、阿猛镇北部的大部分地区植被覆盖度与降水量高度正相关，与气温呈负相关或相关性降低。根据研究区2019年森林资源规划设计调查小班数据，植被覆盖度与降水量中、高度负相关的范围分布在林组为中龄林和近熟林阶段的云南松林、桉树林、油杉林，但与气温呈高度正相关。蚌峨乡、八嘎乡、阿舍彝族乡南部山地的植被覆盖度大部分区域与气温呈中、低度负相关，与降水量呈中、高度正相关。

4 讨论与结论

4.1 讨论

1)2008年以来的石漠化治理[27]和2009年、2014年、2017年实施的三轮退耕还林工程等生态修复措施产生了明显的生态效益，生态建设工程成为人为促进植被覆盖增加的因素之一[28]。 2000年和2010年耕地上植被覆盖度低的主要原因是秋收后耕地休耕，未大面积种植冬季农作物，耕地上的植被类型主要为农作物的残茬和杂草。研究区冬季气候温暖湿润，光照充足，非常适合冬马铃薯生长，砚山县不断发展高原特色农业种植蔬菜，在2016 年国家启动马铃薯主粮化战略后大量推广冬马铃薯的种植。导致2020年耕地植被覆盖度增加，因而在3个不同时期的耕地上植被覆盖度波动性较大。

2)在地势起伏大的地区，地形对植被生长发育和空间分布产生重要影响[29]，坡度对地表物质的流动和交换起到重要作用，地势陡峭区域水土容易流失，土层薄，保水保肥性差，淋溶作用强，不利于植被生长；而本研究结果表明，随坡度增大植被覆盖度表现出明显增加趋势，但从研究区的土地利用方式和实际情况来看，坡度是影响耕地分布的重要因素，耕地集中在地势较为平缓地区，在陡坡上难以进行耕种，人类活动对生长在坡度较大区域的植被干预强度小，在自然条件下的植被长势更好。植被覆盖度随海拔变化有明显的差异性[30]，研究区海拔高差不大，垂直方向上的温差和降雨量变化很小，植被生长主要受到光照强烈、风速快和蒸发量大等不良因素的限制，但高海拔地区植被大多是天然乔木和灌木，因此导致海拔升高植被覆盖度增加。

3)喀斯特石漠化区域的生态环境脆弱，植被对气候变化反应敏感，自1990年以来，2009年研究区的年降水量少，年均温高，因此2010年因干旱导致植被覆盖度整体偏低。在县级研究范围，气候在空间上的变化对植被覆盖度的分布影响较小。由于未采用连续的、长序列的遥感数据源，故此次仅应用简单相关分析的方法来描述气候与植被覆盖度的关系。

4)本研究尚存在一定的局限性，仅从某个因素出发分析其与植被覆盖度变化的关系，而植被变化是受许多因素共同影响下发生的结果。由于缺少具体的人口、社会经济和生态工程建设等相关数据，未对人为因素与植被覆盖变化的关系进行定量分析。因此，关于植被覆盖变化与地形、气候、土壤、植被类型、土地利用方式和人为干预等多种因素的综合作用尚待深入研究。