气象因子变化特征对典型地区荒漠化的影响研究

郝新忠,石长春*,高振梁,张瑞丽,高 荣,张继平,马雅莉,乔一娜

(1.陕西省林业科学院,陕西 西安 710000;2.陕西榆林毛乌素沙地生态系统国家定位观测研究站,陕西 榆林 719000)

荒漠化是指原本有土地覆盖的干旱、亚干旱地区或半干旱地区,由于气候变化、人类活动等多种因素的影响,导致土地逐渐失去植被、水源和肥力,变得贫瘠、干燥、裸露甚至沙漠化的过程。荒漠化是一种严重的土地退化现象,会对当地生态系统、环境和经济发展带来很大的影响[1-2]。我国面积广袤,西北地区受到来自大陆气候的影响,加上海拔较高,多种地理、气候因素影响,土地荒漠化问题仍然较为严重。这种严重荒漠化也导致西北地区生态环境遭受严重破坏,制约当地经济发展,当地政府即使设法采取措施发展经济也会受到环境影响,导致当地发展举步维艰[3-5]。

针对西北地区较为严重的荒漠化问题,有许多研究学者进行了研究分析,并且通过研究确定治理荒漠化的策略。马静利等[6]探索气象因素与荒漠化地区的空气污染之间的关系,确定不同季节、环境、气候等因素对荒漠化地区空气污染的影响,并且制定能够缓解污染的策略,确定初步研究成果。罗晓玲等[7]通过资料分析,确定近60 a来,西北地区出现沙尘暴的演变特征和该区域受到气象因子影响的情况,研究结果显示该区域的沙尘暴变化呈现逐年递减的趋势,并且确定大气环流是导致该地区发生沙尘暴的最主要因素,该研究结果也为该区域未来沙尘暴治理提供方向。大多数学者近年对于荒漠化区域的研究都集中在中国北部的草原区域与西北干旱区域的绿洲,但是对于西北传统荒漠化区域的研究较少,西北地区荒漠化问题已经有几百年历史,具有较为重要的研究意义。荒漠化概念相关研究过程中,西北地区作为面积较广阔且荒漠化问题较突出的区域,是研究荒漠化内在机理最为主要的地区,对该地区展开深入研究,能够获得荒漠化主要机理问题[8-11]。目前相关研究成果主要集中在内蒙古区域、青藏高原区域等,草地荒漠化研究成果比较充分,水资源的影响因素也分析较为充分,但是对于西北荒漠化问题还存在欠缺,不能针对具体情况制定详细治理措施[12]。

所研究区域生态环境较为脆弱,气象因子变化多种多样,为此,研究气象因子变化特征对典型地区荒漠化的影响,获得较为有指导意义的指标数据。在研究区域布置监测点,通过遥感设备以及水分含量监测设备获取植被变化、土壤变化以及气象信息,使得研究更为准确。归一化植被指数,并结合趋势分析法和Mann-Kendall法进行分析。通过了解气象因子变化特征对荒漠化的影响,为荒漠化的预防、监测和治理提供科学依据。通过对气候变化和荒漠化的关联研究,有助于制定合理的生态环境保护措施。

1 材料与方法

1.1 研究区概况

所研究的典型地区是毛乌素沙地东南部榆林市西北部的沙质荒漠化土地,地理坐标为38°N,109°E,海拔900～1 200 m。该地区包含7个县(区),分别为定边、靖边、横山、神木、府谷、佳县和榆阳,这些县(区)又包含99个乡镇,该地区在植物地理学范畴中属于重要分界线,在地域层面上具有一定独特性和代表性。从榆林气象局收集该区域近10 a来的气象数据,综合该地区的地理地貌,确定该地区的气候特征,该地区划分为温带和暖温带半干旱大陆性季风气候,各个季节的气候特征都较为明显,白昼与夜晚的温差较大,全年中只存在较短时间的无霜期,气象数据显示,全年平均温度约为10 ℃,年降水量400 mm。几乎每年的各个季节都会出现不同类型、不同程度的气象灾害,据统计,冰雹、霜冻、干旱等气象灾害出现频率较高,这些自然灾害对于当地环境、生态健康、荒漠化发展均造成严重影响。该地区存在不同土壤类型,风沙土47.73万hm2,占土壤面积的71.8%,黄土性土壤12.55万 hm2,占土壤面积的18.9%。该区域的生态系统由多种类型组成,除荒漠以外,还存在较大面积的农田、草原等结构,以及大量适应荒漠环境的植被,特色植物包括沙柳(Salixcheilophila)、柠条(Caraganakorshinskii)、沙竹(Psammochloavillosa)与苦豆子(Sophoraalopecuroides)等[13]。

1.2 监测点布置

本研究主要探究气象因子变化特征对典型地区荒漠化的影响,所以需要布置监测点,监测该地区的气象情况、植被情况以及水分情况。使用地理信息系统技术,结合卫星,帮助确定监测点的位置。这些技术可以提供空间分布信息和辅助工具,从而更有效地布置监测点。监测点的位置应代表相应的地域单元,以确保监测结果的可靠性和代表性。为此,监测点的植被测点、土壤测点和气象测点样本分别为8、5个和9个。各测点布置情况见图1。

通过图1中各个测点获得研究区域的植被变化信息、土壤变化信息以及气象信息。将该信息作为分析气象因子变化特征对典型地区荒漠化的影响的重要支撑数据。植被测点主要使用遥感设备拍摄图像,遥感设备型号为S3小型机载多光谱成像仪,具有1 200万像素,图像分辨率为12 MegaPixel(4 000×3 000 px),其光谱通道为红+绿+近红外-660/550/850 nm。收集植被的盖度、高度、生物量等情况,每年5-9月为数据采集时间,由于植物生长周期较长,需要长时间才能观测植被的详细变化,因此监测频次设置为5 a/次[14-16]。土壤监测主要获取研究区域的土壤水分、土壤覆盖等信息,监测过程中会使用遥感设备与其他水分含量监测设备,水分含量监测设备的型号为TDR 3 000电阻式土壤水分传感器,测量范围为0%～100%(体积含水量),分辨率为0.1%。因为土壤水分变化会受到植被生长影响,所以采集频次和时间与植被监测一致。气象监测需要监测有关研究区域的详细气象因子变化特征,包括平均气温与风速、水分蒸发量、降水量以及出现大风天气的日数[17-18],该气象数据由各个气象站获得。

1.3 气象因子变化特征对荒漠化影响测算

对遥感影像进行解译,实现气象因子变化特征对荒漠化影响测算。这些特征包括植被盖度、土壤含水量、地表温度、高程等。这些特征的提取可以通过遥感指数计算。荒漠化监测的重要指标是植被覆盖指数(vegetation index,VI),该指数计算使用波段间比值运算提取植被,红外波段反射率NIR与红光波段反射率RED均为重要参数。归一化植被覆盖度指数(normalized differ ence vfgetation index,NDVI,式中用NDVI表示)是计算区域干旱情况、植被生长情况的关键指标,NDVI的计算方法如式(1)所示。

(1)

气象因子变化特征也是影响NDVI的关键,气象因子变化特征对NDVI的影响程度如式(2)所示。

(2)

式(1)的详细原理如下:

使用遥感设备获得研究区域变化情况,遥感图像中包含多个像元,将这些像元作为混合像元,像元信息使用式(3)描述。

S=S1+S2

(3)

式中:S代表研究区域整个遥感图像上的像元信息;S1与S2分别代表土壤与植被像元信息。在全部像元中,由植被覆盖所占比例就是研究区域中的植被覆盖率;土壤的覆盖率则是全部像元“1”,减去植被面积。假如存在一个纯像元,植被或者土壤的贡献就是这个纯像元的信息。

S1=(1-Fv)Ssoil

(4)

S2=Fv·Sveg

(5)

S=(1-Fv)Ssoil+Fv·Sveg

(6)

式中:Sveg与Ssoil分别代表植被覆盖像元与土壤覆盖像元;Fv用于描述植被覆盖度。

通过像元二分模型计算植被覆盖度,使用式(6)推导。假设植被和土壤2个部分提供一像元NDVI值,纯植被和纯土壤的像元NDVI值分别表示为NDVIveg和NDVIsoil,受到气象因子特征变化产生的植被覆盖度计算如式(7)所示。

(7)

通过遥感图像与实际采集相关数据,确定研究区域中植被覆盖与土壤覆盖面积,由此确定荒漠化变化面积。

1.4 气象因子变化特征显著性检验

使用趋势分析法与Mann-Kendall方法,确定多年来研究区域中气温、降水、蒸发量等气象因子变化特征对典型区域荒漠化的影响。趋势分析法下,各个气象因子变化特征的变化趋势如式(8)所示。

(8)

式中:使用Kslope描述各个气象因子变化特征的变化趋势斜率,i表示各个年份;Yi表示第i年的气象因子特征(降水、蒸发量、风速等)变化。根据式(8)计算出的变化趋势斜率开展显著性检验,n表示样本量。

使用Mann-Kendall方法分析气象因子突变检验,假设存在n个样本量的时间序列Y,Sk是依据该序列建立的秩序列。

(9)

式中:rij表示时间序列起始点。

假设时间序列为随机独立状态,使用式(10)描述统计量。

(10)

式中:k=2,3,…,n。UF1为0时,UFk属于标准正态分布,同时依据时间序列计算获得的统计量序列。依据时间序列逆序,重复计算过程,设定UBk-UFk,同时绘制这一关系曲线,如果UBk、UFk其中之一的值不低于0,说明序列呈现出上升趋势;如果其中任意一个值<0证明序列呈现下降趋势。提前设定一个显著性水平a,对照正态分布表,如果|UFk|>Ua,证明存在显著序列变化趋势;如果UBk与UFk曲线相交,交点位于临界线上,该交点相对的时刻便是突变开始时间。

2 结果与分析

2.1 气象因子年均值分析

使用监测设备与遥感设备获得研究区域8个植被测点和9个气象因子测点的植被生长数据和关键气象因子。统计榆林沙区近10 a的关键气象因子和植被盖度年均值,统计结果见表1。

表1 近10 a关键气象因子和植被盖度年均值变化Table 1 Annual mean changes in key meteorological factors and vegetation coverage in the past 10 years

由表1可看出,除2020年和2021年气象因素不太理想以外,研究区域近5 a的降水量明显高于前5 a降水量,蒸发量与平均气温均有所降低,自2016年以后8级以上大风日数、浮尘日数、扬尘日数、沙尘暴日数相较于2016以前明显减少,说明近5 a来,研究区域的气象因子变化特征发生明显变化,这些变化有利于植被生长。通过这些数据可以发现,不同年份之间的蒸发量存在一定的波动和变化,2017-2019年,蒸发量相对较低,说明种植植物可以引起蒸发量的波动和变化。经过环境治理后,作物可以降低地表蒸发,为土壤中的植物留下更多水分,使该地区气象因子呈现出良性发展的趋势。通过观察这些数据,可以看出不同年份和样地之间的植被盖度存在一定的波动和变化。

为反映气象因子变化对荒漠化的影响,引入spearman相关系数,当Spearman相关系数为正时,表明2个变量呈正相关关系。当Spearman相关系数为负时,表明两者呈负相关关系。其计算公式为

(11)

式中:ρ表示Spearman相关系数;di表示每对数据观测的等级差;N表示样本数量。

根据式(11)计算,ρ=0.91,说明降水量与植被覆盖率变化呈现正相关关系,且相关性较强。降水量增加,植被覆盖率增加。

2.2 气象因子变化特征对荒漠化影响

在不同年份获取研究区域的5个土壤测点和9个气象因子测点的数据。以此得到植被覆盖面积、土壤面积以及荒漠化面积变化曲线见图2。

图2 不同年期气象因子及荒漠化面积变化Fig.2 Changes of meteorological factors and desertification area in different years

对降水量和荒漠化面积进行相关性分析,通过计算得到ρ=-0.82,表明降水量和荒漠化面积呈负相关,降水量增加,荒漠化面积减少。结合图2可知,近10a监测点的研究区域降水量整体增加,植2004年研究区域的沙漠化情况与2021年研究区域遥感影像与解译统计图见图3。

被面积逐年增加,荒漠化面积逐年降低,说明国家投入大量精力、人力,治理毛乌素沙地东南部榆林市西北部的沙质荒漠化问题,取得一定成绩。

由图3可知,该研究区域的监测点在治理前荒漠化较为严重,治理后植物盖度显著上升,气象因子中的年蒸发量与土地荒漠化关联最紧密。通过计算NDVI发现,近几年的气象因子变化特征发生明显变化,经过环境治理,植被留下更多水分,使该地区气象因子呈现出良性发展,蒸发量呈下降趋势,这意味着样地水分供应相对充足,有利于植物的生长。且沙尘大风天气减少,使得荒漠化面积减小。气象因子与当地植被变化、土壤含水量呈现正相关关系,典型地区的土地荒漠化问题得到良好治理,绿洲面积显著提升。这些变化不仅改善了当地的生态环境,还为可持续发展提供了良好的基础。然而,还需要进一步监测评估治理效果的持久性和可持续性,并继续采取适当的措施来保护和管理该地区的生态系统。

3 结论与讨论

荒漠化区域的监测与治理是目前可持续发展战略中不可忽视的部分,也是高效分析荒漠化成因的关键切入点。荒漠化的关键因素是植被破坏,而植被生长受到各种气象因子变化特征的影响,为此,研究气象因子变化特征对典型地区环境荒漠化的影响。分析气象因子年均值、植被情况年均值和气象因子变化特征对荒漠化影响效果,以毛乌素沙地东南部榆林市西北部的沙质荒漠化土地作为研究地,布置植被测点、土壤测点和气象测点,通过计算植被覆盖指数测算气象因子变化特征对荒漠化影响,并采用趋势分析法与Mann-Kendall方法对气象因子变化特征进行检验。

研究区域近5 a的降水量呈增加趋势、蒸发量逐年减少、平均气温和风速均有所降低,8级以上大风日数、浮尘日数、扬沙日数、沙尘暴日数逐年减少,气象因子变化特征明显,有利于植物的生长。

通过提高植物覆盖率可以有效降低地表蒸发量,保留土壤中的水分,降低土壤的荒漠化水平,使该地区土壤呈良性发展趋势。

经过治理后的土地沙漠化水平得到明显改善,降水量整体增加,蒸发量逐渐降低,植被面积逐年增加,有效降低了沙尘大风天气的发生频率,提升了绿洲面积,为可持续发展奠定了良好基础。

由此可知,近年来研究区域降水量上升、蒸发量变少,出现大风的天数也有所减少,沙尘出现时间也缩短,这种气象因子变化特征有利于植被生长,使得植被盖度显著上升,降低土地荒漠化的扩展面积,有效抑制荒漠化发展。