基于GEE云平台的黄河流域农牧交错区植被覆盖度时空变化特征

付 镇，张志敏，苏 娟，张变第，卞莹莹

(宁夏大学农学院，宁夏银川 750021)

黄河流域是我国重要的生态屏障和重要的经济地带，是打赢脱贫攻坚战的重要区域，在我国经济社会发展和生态安全方面具有十分重要的地位[1]。2019年9月18日黄河流域生态保护和高质量发展座谈会上，习近平总书记的讲话中把黄河流域的生态保护和高质量发展与京津冀协同发展、长江经济带发展、粤港澳大湾区建设、长三角一体化发展一样，上升为重大国家战略，进一步说明了黄河流域在国家安全中的重要地位[2]。而黄河流域农牧交错区是草地与耕地、农业与畜牧业之间在空间上相互交错、在时间上相互重叠，且人类活动极其频繁，从而导致其生态系统的结构、功能、物质循环和能量流动具有一定的复杂性[3]。同时黄河流域农牧交错区也是我国典型的生态脆弱区和水土流失最为严重的地区之一[4]，为此我国在黄河流域农牧交错区实行了“退耕还林(草)”等一系列重大生态工程[5]，以达到改善生态环境的目的，但是凸显的生态问题仍然十分严峻。

植被覆盖度(fractional vegetation cover,FVC)是衡量地表植被生长状况的重要指标[6-7]，同时研究植被覆盖度及其时空变化，也是评价生态环境质量的重要手段[8]。因此，研究植被覆盖度对黄河流域农牧交错区生态状况评价尤为重要。虽有学者对黄河流域植被覆盖有所研究，如何航[9]研究了黄河流域上中游植被覆盖变化及驱动因素，刘海等[10]研究了气候变化及人类活动对黄河流域植被覆盖的影响，但整体而言，目前对整个流域尤其是针对黄河流域农牧交错区生态状况长时序研究仍显滞后。

现有研究表明，google earth engine(GEE)云平台在植被指数分析[11]、土地利用覆盖[12]和其他土地利用遥感信息提取及分类[13]等方面与传统的遥感分析手段相比更具有明显的特色优势，尤其是在长时间序列、大范围的遥感监测研究中，GEE云平台的优势更加凸显。但在整个黄河流域，应用 GEE 平台开展研究刚刚起步，如李晶等[14]基于GEE云平台对黄河流域植被覆盖度时空变化特征进行了研究。但对黄河流域农牧交错区基于 GEE 平台的长时序植被覆盖度变化监测鲜见报道，对其生态变化时空差异认知缺乏研究数据支撑，流域生态变化特征及机理尚不明晰[9]。笔者以黄河流域农牧交错区为研究对象，基于GEE遥感云平台，采用陆地卫星地表反射率数据(landsat surface reflectance data)分析黄河流域农牧交错区1990—2020年植被覆盖度的时空变化规律，通过监测黄河流域农牧交错区退耕还林还草工程实施前后植被覆盖时空变化规律，以期为该地区生态恢复和可持续生态建设提供理论依据。

1 资料与方法

1.1 研究区概况黄河流域农牧交错区位于35°～42°N、102°～114°E(图1)，面积约45万km2。黄河流域农牧交错区内山脉众多，地貌差别较大，从西到东横跨青藏高原、内蒙古高原、黄土高原和黄淮海平原4个地貌单元[15]。域内气候差异显著，以温带季风气候为主，年均气温12～14 ℃，降水时空分布不均、年际差异较大，年降水量200～600 mm[16]。黄河流域植被的分布趋同于降水的分布，从西到东依次为稀疏灌木草原、草原、阔叶林和农作物，域内土壤种类丰富，主要有草甸土、栗钙土、黄绵土和棕壤土等[17]。

图1 研究区地理位置Fig.1 Location map of the study area

1.2 数据源与预处理该研究采用GEE平台提供的T1级别的Landsat地表反射率数据产品SR(surface reflectance)。该数据已通过大气校正算法消除大气反射、散射和吸收等干扰因素引起的误差，空间分辨率为30 m，时间分辨率为16 d。由于Landsat 5、Landsat 7、Landsat 8卫星服务年限不同，1990—2011年选用Landsat 5影像，2012年选用Landsat 7影像，2013—2020年选用Landsat 8影像。气象数据源自GEE平台的NOAA_CFSV2_FOR6H产品，数据获取时期为1990—2020年。中国北方农牧交错区域矢量边界图源自全球变化科学研究数据出版系统(http://www.geodoi.ac.cn/)。

在GEE平台中获取1990、1995、2000、2005、2010、2015、2020年黄河流域农牧交错区上空的Landsat影像批量去云处理，计算植被归一化植被指数NDVI(normalized difference vegetation index)，采用以95%为最大值对每年的NDVI影像进行融合，合成每一年的NDVI影像，并使用黄河流域农牧交错区矢量图进行裁剪，获得研究区每年的NDVI最大值影像。利用像元二分模型合成年FVC 影像，并用QGIS 3.14进行处理。

1.3 研究方法

1.3.1像元二分模型。像元二分模型是计算植被覆盖度的常见方法[18]，该方法的优势在于可以大幅减小大气和土壤背景等因素对植被类型的影响。首先假定单个像元所对应的地表分别由有植被覆盖和无植被覆盖两部分组成，然后计算有植被覆盖部分与该像元的面积比例，该比例即为该像元的植被覆盖度，计算公式如下：

FVC=(NDVI-NDVIsoil)/(NDVIveg-NDVIsoil)

(1)

式中,FVC为植被覆盖度；NDVIsoil为无植被覆盖区域的NDVI，理论上趋近于0；NDVIveg为完全植被覆盖区域的NDVI。

1.3.2岭回归函数。 岭回归是A.E.Hoerl在1962年提出来的，后又系统地发展为回归分析方法，是在最小二乘估计法方程系数阵XTPX的主对角线上加上一个常数k，从而得到误差更低、精度更高、更为稳定的模型[19]。

1.3.3Hurst指数。该研究利用Hurst指数对黄河流域农牧交错区植被覆盖度未来变化趋势进行预测。基于重标极差(R/S)分析方法基础上的Hurst指数(H)是定量分析时间序列数据游走性的分析方法，该方法可对黄河流域农牧交错区FVC未来变化进行预测，当0.50

2 结果与分析

2.1 FVC时空变化特征由图2可知，1990—2020年黄河流域农牧交错区年均FVC呈显著增加趋势(P<0.01)，增速为 0.62 %/a,由1990年的30.05%增加至2020年的49.19%。

图2 1990—2020年FVC年际变化Fig.2 Interannual variation of FVC from 1990 to 2020

我国水利部2008年颁布的《土壤侵蚀分类分级标准》[21]中将植被覆盖度划分为5个等级：Ⅰ 级低植被覆盖度[0，0.30]、Ⅱ 级中低植被覆盖度(0.30，0.45]、Ⅲ级中等植被覆盖度(0.45，0.60]、Ⅳ级中高植被覆盖度(0.60，0.75]、Ⅴ级高植被覆盖度(0.75，1.00]。为了更清晰地凸显出 1990、2000、2010、2020 年研究区域植被覆盖度的组成，绘制图3，由图3可知，1990 年，研究区域以低植被覆盖度、中低植被覆盖度为主；到 2000 年，低植被覆盖区域面积有所增加，但仍以低植被覆盖度、中低植被覆盖区域为主；2010 年，低植被覆盖度面积明显减少，中低植被覆盖度、中等植被覆盖度面积明显增加；2020年中等植被覆盖度区域面积超过其他几类植被覆盖区域。说明在这31年间该地区植被覆盖生长情况明显改善。

图3 不同等级FVC分布Fig.3 Distribution of different FVC grades

从图4可以看出，1990—2020年研究区植被覆盖度西部低东部高。2000年前 Ⅰ 级植被覆盖度主要分布在鄂尔多斯市北部、吴忠市南部、中卫市南部、白银市南部、榆林市西部等地区，2000年后鄂尔多斯市北部、吴忠市南部、中卫市南部、白银市南部、榆林市西部等地区植被恢复明显，大部分地区植被从 Ⅰ 级转化到了Ⅱ、Ⅲ级；植被覆盖度较好的区域主要分布在吕梁市和太原市。植被覆盖度在2010年后好转最为明显，整体来看，1990—2020 年研究区植被覆盖度普遍提高，其中研究区东南部地区较为明显， 黄河流域农牧交错区植被覆盖度呈现恢复趋势。

图4 1990—2020年黄河流域农牧交错区FVC等级空间分布特征Fig.4 Spatial distribution characteristics of FVC classification in agro-pastoral ecotone of the Yellow River Basin from 1990 to 2020

2.2 FVC不同等级面积转移矩阵从表1～2可以看出，1990—2000年FVC未发生变化的面积占研究区总面积的73.77%，未发生面积变化区域主要集中在植被覆盖的等级为 Ⅰ 级的区域；FVC升高的面积占研究区总面积的21.53%，提升面积区域主要集中在植被覆盖的等级为 Ⅱ 级的区域；退化面积占研究区总面积的4.70%。2000—2020年FVC未发生变化的面积占研究区总面积的24.49%，未发生面积变化区域主要集中在植被覆盖的等级为 Ⅰ 级的区域；FVC升高的面积占研究区总面积的74.64%，提升面积区域主要集中在植被覆盖的等级为Ⅱ、Ⅲ、Ⅳ级的区域；退化面积占研究区总面积的0.87%。对比来看，2000—2020年，FVC未发生变化的面积明显减少，减少了49.28百分点；提升面积明显升高，增加了53.11百分点；而退化面积变化不明显，减少了3.83百分点。

表1 1990—2000年不同等级植被覆盖度土地面积占比转移矩阵

表2 2000—2020年不同等级植被覆盖度土地面积占比转移矩阵

2.3 FVC时空变化趋势特征从图5可以看出，1990—2020年黄河流域农牧交错区大部分区域FVC呈恢复趋势，且恢复趋势最显著的区域为榆林市的中东部地区；而退化趋势比较明显的地区为包头市南部地区、呼和浩特中西部地区等。

图5 1990—2020年黄河流域农牧交错区FVC变化趋势Fig.5 Trend of FVC in agro-pastoral ecotone of the Yellow River Basin from 1990 to 2020

将FVC变化趋势划分为显著提升、未显著变化、显著退化3个等级。由图6可见，1990—2020年研究区FVC整体呈现上升趋势，且空间差异明显，FVC显著提升区域面积占研究区总面积的73.73%，主要分布在鄂尔多斯市、榆林市、呼和浩特市南部等地区；FVC未显著变化区占研究区总面积的25.77%，主要分布在庆阳市北部、吴忠市南部、中卫市南部、白银市南部、兰州市南部等地区；FVC显著退化的面积占研究区总面积的0.50%，主要分布在呼和浩特市北部、太原市南部等部分地区。

图6 1990—2020年黄河流域农牧交错区FVC显著性检验Fig.6 Significance test of FVC in agro-pastoral ecotone of the Yellow River Basin from 1990 to 2020

2.4 FVC未来演变趋势预测从图7可以看出，Hurst指数为0.50

图7 黄河流域农牧交错区FVC变化趋势预测Fig.7 Change trend prediction of FVC in the agro-pastoral ecotone of the Yellow River Basin

3 讨论与结论

该研究利用GEE平台获取了FVC数据探讨了黄河流域农牧交错区FVC的空间分布状况，随着时间的推进黄河流域农牧交错区植被覆盖度有显著性增加，植被覆盖度呈现西部低东部高，其中南部地区增长较大，这与众多学者研究的北方农牧交错区植被覆盖度时空变化结果具有一致性[22]。1990—2000年植被覆盖度恢复面积虽有增加，但恢复面积等级主要集中在 Ⅱ 级中低植被覆盖度，研究区植被覆盖度整体仍处于较低水平；2000—2020年植被覆盖度恢复面积显著增加，恢复面积等级主要集中在 Ⅱ 级中低植被覆盖度、Ⅲ级中等植被覆盖度和Ⅳ级中高植被覆盖度，研究区植被覆盖度整体处于中高水平；对比1990—2000年与2000—2020年，退化面积减少了3.83百分点，升高面积增加了53.11百分点，结果表明2000年后植被的恢复力度有明显增强，这与我国在该地区2000年实施退耕还林还草、封山育林等政策密不可分[23]，2000年后我国陆续实施了一系列生态恢复工程[24]，通过人工造林、人工播草、草原围封、禁牧等措施，减少了人为活动对植被干扰[25]，使植被覆盖度增加，可看出生态工程的实施对黄河流域农牧交错区植被具有明显促进作用。但生态工程的实施，使农村剩余劳动力增加[26]，农村人口流向城市，促进了城镇发展使得研究区内的城镇区域植被覆盖度出现退化现象。整体来看，1990—2020年黄河流域农牧交错区植被覆盖度退化面积远远小于恢复面积，植被整体处于恢复阶段，通过Hurst指数的方法，发现在经过的一段时间内，植被仍处于恢复阶段。这也进一步证明了我国在该地区实施一系列生态恢复工程取得的功效和生态工程实施的可行性。