基于GEE 的奈曼旗植被覆盖时空演变及驱动力分析

2023-09-06张神宝王永芳郭恩亮包慧娟

草业科学 2023年8期

张神宝，王永芳,，郭恩亮,，包慧娟

（1.内蒙古师范大学地理科学学院, 内蒙古呼和浩特 010022；2.内蒙古自治区蒙古高原灾害与生态安全重点实验室,内蒙古呼和浩特 010022；3.蒙古高原气候变化与区域响应高校重点实验室, 内蒙古呼和浩特 010022）

植被在陆地生态系统中具有极其重要的地位，是联系土壤、大气和水分等要素的纽带，具有明显的时间变化特征和空间异质性[1]。植被覆盖度(fractional vegetation cover, FVC)是指植被在地面的垂直投影面积占研究区总面积的百分比，是衡量地表植被覆盖状况的一个重要定量信息，也是气候变化、土地利用变化等因素综合作用结果的重要指征[2]。因此，植被覆盖变化研究也成为区域生态环境效益评估、水土保持动态监测、气候变化影响研究等领域的重要手段之一[3-4]。

早期的植被覆盖监测方法一般包括调查采样法、目测估计法与仪器观测法[5]。这些方法主观性强、耗时长，较适用于小区域尺度的FVC 监测。遥感数据的出现使得连续时间序列、大区域尺度的植被覆盖度监测工作得到迅速发展[6-7]。但目前仍存在遥感数据使用门槛高、数据处理过程复杂、空间分辨率低等问题[8]。谷歌地球引擎平台(google earth engine, GEE)拥有海量卫星影像数据与地理数据集，是世界上最先进的PB 数量级地理信息处理分析及可视化平台，能够有效解决植被遥感监测数据处理过程中的难题，在长时序的植被覆盖变化研究中应用广泛[9]。例如岳奕帆等[10]基于GEE 平台，以Landsat 遥感数据作为数据源，对舟曲县22 年的植被覆盖度变化进行了分析。Boothroyd 等[11]在GEE平台支持下，对河岸植被变化、河流平面形态与瞬时水文的相关性进行了研究。李晶等[12]基于GEE平台，利用Landsat 长时序的遥感影像对黄河流域34 年植被覆盖时空变化进行了监测。以上研究均借助GEE 平台得到了时间连续、精度较高的FVC监测结果。

奈曼旗地处科尔沁沙地南缘，是我国北方典型的农牧交错区之一。恶劣的气候条件加之不合理的人类活动导致该区土地利用结构发生巨大变化，致使区域沙化严重，生态环境尤为脆弱[13]。为综合治理沙化土地，促进区域生态环境质量提升，国家与地方政府先后在奈曼旗实施了“三北”防护林、退耕还林草、退牧还草等多个工程措施，并取得了显著的生态环境恢复效果[14]。植被覆盖动态变化及其驱动因子分析一直是该区热点问题之一[15-16]，但由于遥感影像处理过程繁琐、计算量大等问题，该区基于较高分辨率遥感影像的长时间序列FVC 动态变化研究尚少。因此，本研究借助GEE 平台，利用1991－2020 年Landsat 长时序影像数据，结合同期气象数据，研究奈曼旗FVC 时空演变规律及其对气候因子和人类活动的响应关系，以期为奈曼旗生态修复治理和高质量发展提供切实有效的科学依据。

1 材料与方法

1.1 研究区概况

奈曼旗(120°19′40″～121°35′40″ E，42°14′40″～43°32′20″ N)位于内蒙古自治区通辽市西南部，区域面积约为8 144.44 km2(图1a)。该区海拔174～789 m，地势由南向北逐渐降低，其南部为低山丘陵区，中部偏南为黄土台地区，北部为沙区[17]。奈曼旗境内有西辽河、教来河、孟克河等多条河流，属于大陆性半干旱的季风气候，冬季寒冷干燥，夏季炎热多雨，年均气温为7.1～7.6 ℃，由东南向西北温度逐渐增高(图1c)。年降水量介于332～456 mm，由东南向西北逐渐降低(图1d)。奈曼旗常年多风，以冬季和春季尤其明显，冬季多西北风，春季多西南风。栗钙土为奈曼旗地带性土壤，但受沙漠化影响，风沙土广泛分布[17]。境内植被以山杏(Armeniaca sibirica)、白茅(Imperata cylindrica)、大针茅(Stipa grandis)、羊草(Leymus chinensis)与黄柳(Salix gordejevii)为主[18]。奈曼旗共有14 个乡镇单位，2020 年人口为44.47 万人，产业结构为“三、一、二”，生产总值为124.53 亿元。该区为典型的农牧交错带，2020 年耕地和草地面积分别占全旗面积的45.27%和45.65%[19]。

图1 研究区位置及气候因子空间分布图Figure 1 Location of the study area and spatial distribution of climatic factors

1.2 数据来源

通过GEE 平台(https://code.earthengine.google.com/)获取了来源于美国地质调查局网站(https://eartxplorer.usgs.gov/) 1991－2020 年行列号为(30，120)、(30，121)、(31，120)与(31，121)的Landsat-5 TM、Landsat-7 ETM + 、Landsat -8 OLI 植被生长季时间序列数据，空间分辨率为30 m、时间分辨率为16 d。借助GEE 平台筛选出云量低于10%的遥感影像，利用奈曼旗行政界限进行裁剪处理。利用最大值合成算法[20]得到归一化植被指数(normalized difference vegetation index，NDVI)年值数据集，采用像元二分模型[13]计算得到奈曼旗1991－2020 年FVC 数据集；气象数据来源于内蒙古自治区气象局(http://nm.cma.gov.cn/)，收集了奈曼旗及其周边共5 个气象站点的气象数据，采用反距离权重法(inverse distance weighted，IDW)，对气象数据进行空间插值，获取分辨率与FVC 相同为30 m 的气候因子栅格数据集。

1.3 研究方法

1.3.1 像元二分模型

本研究采用像元二分模型计算了地表植被覆盖度[21-22]，公式如下：

式中：FVC为植被覆盖度，NDVIsoil为裸地或无植被覆盖地区的NDVI 值，NDVIveg为纯植被覆盖地区的NDVI 值。根据研究区NDVI 灰度分布情况，以5%和95%置信水平截取的NDVI 上下限阈值作为NDVIsoil和NDVIveg。根据奈曼旗植被区实际情况，采用等间距分级法[23]，将FVC 划分为5 个等级，包括极低覆盖度(FVC < 0.2)、低覆盖度(0.2 ≤ FVC <0.4)、中覆盖度(0.4 ≤ FVC < 0.6)、高覆盖度(0.6 ≤FVC < 0.8)、极高覆盖度(FVC ≥ 0.8)。

1.3.2 Sen 氏斜率与Mann-Kendall 趋势检验法

Sen 氏斜率法是Sen 在1968 年提出的计算时间序列数据趋势分析的方法[24]，本研究利用该方法计算了奈曼旗FVC 变化斜率，表征其变化趋势，计算公式为：

式中：xj和xi为某一像元在i年和j年的FVC 值。在本研究中 2020 ≥j≥i≥1991；Median代表所求序列的中位数，β>0表示FVC 呈上升趋势；β<0表示FVC 呈下降趋势，β=0表示FVC 稳定不变。

本研究采用Mann-Kendall 方法在0.05 置信水平上对FVC 的空间变化趋势进行显著性检验[25]，显著性由Z值表示，若|Z| ≥1.96 为显著，|Z| < 1.96 为非显著。将Sen 氏斜率和Z值计算结果进行叠加[26]，将FVC 变化趋势划分为5 种变化类型(表1)。

表1 植被覆盖度趋势变化类型统计Table 1 Statistics of fractional vegetation cover (FVC) trend change types

1.3.3 偏相关分析

为了剔除FVC 与降水量、气温相关性计算过程中变量间的相互影响[27]，本研究采用偏相关分析法计算了奈曼旗FVC 与年平均气温、年降水量的偏相关系数。

式中：rxy、rxz、ryz分别代表x与y、x与z、y与z之间的线性相关系数；rxy,z表示剔除z变量后，x与y之间的相关系数。本研究x代表FVC，y代表降水量，z代表气温。当rxy,z大于0，表示两变量正相关，rxy,z小于0，表示两变量负相关。本研究同样采用Mann-Kendall 方法在0.05 置信水平上对相关性进行了显著性检验，并将输出结果划分为非显著负相关(r< 0，P> 0.05)、显著负相关(r< 0，P≤ 0.05)、显著正相关(r> 0，P≤ 0.05)与非显著正相关(r> 0，P>0.05)共4 类。

1.3.4 残差分析

本研究利用残差分析方法量化了人类活动对奈曼旗FVC 变化的影响[28]。对逐像元FVC 与气候因子进行回归分析[29]，得到FVC 的预测值FVCf，并通过实测的FVCp与预测的FVCf之间的残差σ表征人类活动对FVC 的影响。

式中：TEM为年均温，PRE为年降水量，σ为残差值。若σ为0，表明人类活动对FVC 无影响；若σ为正，表明人类活动促进FVC 增加；反之则认为人类活动造成FVC 降低。

2 结果与分析

2.1 植被覆盖时空演变特征分析

2.1.1 植被覆盖度年际变化特征

研究时段内，可将研究区平均FVC 年际变化分为3 个阶段：1991－1998 年，区域FVC 呈现显著上升趋势(P< 0.05)，均值由0.4 上升至0.5，斜率为每年0.007 7；1999－2010 年，FVC 呈非显著下降趋势(P> 0.05)，均值介于0.4～0.5，斜率为每年-0.000 6；2011－2020 年，研究区FVC 均值增至0.5 以上，并呈非显著上升趋势(P> 0.05)，斜率为每年0.002 7。整体而言，1991－2020 年奈曼旗FVC 呈非显著增加趋势，斜率为每年0.003 1，说明近30 年研究区植被恢复与生长状况良好(图2)。

图2 1991－2020 年奈曼旗平均FVC 年际变化Figure 2 Annual variation of mean FVC in Naiman Banner from 1991 to 2020

2.1.2 植被覆盖度等级变化特征

由奈曼旗4 期FVC 各等级面积及其占比可知，1991 年奈曼旗植被以中覆盖度及以下等级为主(表2)，其中低和极低覆盖度等级共占研究区总面积的46.12%，高覆盖与极高覆盖度等级面积占比29.87%，说明奈曼旗将近一半的土地FVC 低于0.4。但从2000 年开始，极低覆盖度等级面积持续下降，30 年来共减少317.59 km2，极高覆盖度等级面积呈连续增加趋势，共增加1 218.26 km2。2020 年低、极低覆盖度等级共占研究区总面积的40.50%，高覆盖与极高覆盖度等级面积占比之和升至44.15%，说明研究区FVC 明显提升。

表2 不同等级FVC 面积统计Table 2 FVC area statistics for different grades

根据1991－2020 年不同FVC 等级的转移矩阵，1991－2020 年奈曼旗植被覆盖各个等级相互转化(表3)，植被覆盖“低转高”的面积远大于“高转低”，表明近30 年来奈曼旗植被向好的方向转化。FVC 等级降低以相邻等级的转化为主，中覆盖转化为低覆盖面积最多，为398.15 km2，其次为低覆盖转化为极低覆盖，面积为361.22 km2，说明FVC 低值区持续退化。FVC 等级上升的类型中不仅有相邻等级间的转化，还包含了FVC 呈两个及两个以上等级的提升。例如极低、低和中覆盖转化为极高覆盖的FVC 面积分别为130.30、283.29 和523.60 km2，进一步表明30 年间研究区植被覆盖度明显提升。

表3 1991－2020 年FVC 等级的转移面积统计Table 3 Statistics of the transferred area for FVC grades from 1991 to 2020

2.1.3 植被覆盖度空间变化特征

通过对奈曼旗1991、2000、2010 及2020 年4 期FVC 分级图进行分析，发现空间上FVC 分布具有明显的区域差异，FVC 总体呈现南北高、东西低的空间分布格局(图3)。奈曼旗北部与南部FVC 以中覆盖度为主，东部与西部FVC 以极低、低覆盖度为主；1991－2020 年，奈曼旗极高覆盖区域在北部、南部逐渐扩张，以中、高覆盖向极高覆盖转移为主，东部与西部的极低覆盖与低覆盖区域减少。2020 年奈曼旗北部FVC 改善明显，西部FVC 基本稳定不变，南部FVC 出现局部退化。总体上，奈曼旗FVC 低等级覆盖区域减少，高等级覆盖区域增多。

图3 奈曼旗1991－2020 年FVC 等级变化空间分布Figure 3 Spatial distribution map of FVC grade changes in Naiman Banner from 1991 to 2020

根据奈曼旗FVC 趋势变化空间分布图(图4)与趋势变化类型统计表(表4)，FVC 退化区域占研究区总面积的29.29%，其中16.95%的区域显著退化，在奈曼旗北部和东南部破碎状分布。稳定不变的区域面积占比12.70%，主要分布在苇莲苏乡。研究时间段内，研究区58.01%的FVC 有所改善，其中38.37%显著改善，主要分布在奈曼旗中部及其偏南地区。总体而言，30 年间奈曼旗FVC 空间变化趋势以改善为主，但北部的FVC 低值区呈持续退化的特征。

表4 FVC 趋势变化类型及其显著性检验结果统计Table 4 Statistics of FVC trend change types and their significance test results

图4 1991－2020 年FVC 趋势变化空间分布Figure 4 Spatial distribution map of FVC trend changes from 1991 to 2020

2.2 植被覆盖驱动因子分析

2.2.1 植被覆盖度对气候变化的响应

30 年年均气温与年降水量的时间变化趋势(图5)分析表明，奈曼旗年均气温呈非显著上升趋势(P>0.05)，增加速率为0.014 4 ℃·a-1；年降水量则呈非显著下降趋势(P> 0.05)，变化速率为0.543 2 mm·a-1，表明1991－2020 年奈曼旗气候呈现暖干化趋势，不利于植被生长与恢复。然而，在研究时段内奈曼旗FVC 有所改善，因此可以认为气候因子对区域FVC 变化的影响并不大。但考虑到FVC 和气候因子均存在空间异质性，本研究利用偏相关法进一步分析了降水量、气温与FVC 在空间上的相关性。

FVC 与降水量的偏相关系数集中在-0.60～0.60 (图6)，其中正相关区域58.03% (表5)，显著正相关面积6.89% (P< 0.05)，在八仙筒、白音他拉、固日班花和青龙山等地分布。FVC 与年降水量负相关区域41.97%，其中显著负相关面积仅3.31% (P<0.05)，零星分布于大沁他拉镇与义隆永镇；FVC 与气温偏相关系数也集中在-0.60～0.60。FVC 与年均温正相关区域48.09%，其中显著正相关面积仅2.64% (P< 0.05)，点状分布于明仁苏木与六号农场。FVC 与气温负相关区域51.91%，其中显著负相关面积2.87% (P< 0.05)，条状分布在苇莲苏乡。整体而言，相关系数计算结果表明气候因子对FVC 有一定的影响，但结合显著性统计结果与空间耦合度，本研究认为气候因子的影响不是FVC 变化的必然结果。

表5 奈曼旗FVC 与年降水量、年均气温的相关性及其显著性结果分类统计Table 5 Classification statistics of correlation coefficients and significance results of FVC with annual precipitation and annual average temperature in Naiman Banner

图6 奈曼旗FVC 与年降水量、年均气温偏相关性系数及其显著性空间分布Figure 6 Correlation coefficients and significance of spatial distribution of FVC with annual precipitation and average annual temperature in Naiman Banner

2.2.2 植被覆盖度对人类活动的响应

奈曼旗是典型的农牧交错区，FVC 与人类活动密切相关。本研究利用残差分析法研究了FVC 对该区人类活动的响应。由奈曼旗FVC 残差值空间分布图(图7)可以看出，残差值为正值的区域占全旗面积的62.59%，与图4 中FVC 呈改善的区域分布基本相同，主要分布在奈曼旗中部及偏南地区；残差值为负的区域占37.41%，分布与图4 中FVC 呈退化趋势的区域的分布较一致。总体而言，在研究时段内正向的人类活动多于负向的，且FVC 残差值空间分布与FVC 空间趋势变化基本一致。因此，人类活动为奈曼旗植被覆盖变化的主导因素。

图7 1991－2020 年奈曼旗FVC 残差值空间分布Figure 7 Spatial distribution map of FVC residual values in Naiman Banner from 1991 to 2020

3 讨论与结论

3.1 讨论

本研究借助GEE 平台，以Landsat-5 TM、Landsat-7ETM + 和Landsat -8 OLI 为数据源，利用像元二分模型计算了奈曼旗30 年长时序高精度的FVC 值，并分析了其时空演变特征。结果表明，1991－2020 年奈曼旗植被覆盖经历了先增加、后减少、再增加的演变过程，整体上呈非显著线性增加趋势，这与杜佳梦[30]的研究结果较为一致。空间上，奈曼旗FVC表现为南北高、东西低，改善与退化面积占比分别为58.01%和29.29%，这与王旭洋等[16]的研究结果较为一致，但和崔珍珍等[31]的研究结果有所差异，可能与选取的遥感影像空间分辨率不一致有关。

本研究利用偏相关和残差分析得人类活动是奈曼旗FVC 变化的主要驱动力，降水和气温则驱动了部分区域FVC 的变化，与吕家欣等[32]和Duan 等[33]的研究结果较为一致。此外，本研究发现FVC 区域差异明显，FVC 退化区域主要集中在北部地区。奈曼旗北部为沙区，分布着广泛的沙漠化土地，沙漠化敏感性[34]、生态脆弱性[35]及其发生灾害的风险等级[36]均较高，且在该区人类活动也在不断增强[37]，例如大沁他拉镇、八仙筒镇及白音他拉苏木工业园区的设立使得城镇扩张建设用地面积不断增加[38]。而奈曼旗大面积FVC 的改善与该区实施的“三北”防护林、尤其是21 世纪初实施的退耕还林草等生态环境工程措施密不可分[33]。本研究发现奈曼旗FVC 改善区域与耕地的分布高度重叠[39]，这与Chen等[40]的研究结果较为一致，中国变绿的过程中，农用地贡献了32%。此外，奈曼旗青龙山镇地势高、坡度大，起沙风日数较多[34]，且奈曼旗较其他区域水资源相对匮乏[41]，不适合大面积的植树造林。另一方面，多数人工植被都处于成长初期，管理稍有不当便会适得其反。这也导致了青龙山及其周边地区出现了FVC 退化现象。

相较于传统的遥感分析手段，本研究充分发挥了GEE 平台在遥感监测研究中数据存储量大、运算速度快的特色优势，实现了区域尺度长时间序列、较高精度的被覆盖状况监测，可为生态环境管理工作提供动态、客观和科学性的基础数据，并丰富区域植被状况监测技术手段。本研究也存在不足之处，自然驱动力仅考虑了气温、降水量两个气象因素。另一方面，从时空变化趋势来看，奈曼旗在实施退耕还林(草)等一系列生态工程实施期间，FVC 呈现明显的改善趋势，但由于缺乏验证数据，难以明确不同生态工程对FVC 影响。因此，今后有必要建立相关评价指标体系定量分析不同生态工程对FVC的影响，即进一步量化人类活动对FVC 变化的影响。