洞庭湖流域2000～2021 年植被覆盖时空动态特征
2024-03-08邹桃红徐艳艳刘家福杜会石吉林师范大学地理科学与旅游学院吉林四平136000
邹桃红,徐艳艳,陈 鹏,刘家福,杜会石 (吉林师范大学地理科学与旅游学院,吉林 四平 136000)
植被生长存在着明显的年际和季节变化,在维持生态系统稳定和调节大气方面具有重要的作用[1].自然因子如地形地貌、气候变化和人类活动等直接影响着植被的生长发育状况[2],其中气候变化的影响尤为显著.地表植被的分布状况及时空格局的演变在很大程度上能直接反映区域生态环境的健康状况,因此植被被认为是监测生态环境变化的综合指示器[3-4].植被覆盖度的变化不仅直接影响着地表生态系统的结构,而且间接地导致了地表径流、水土保持及碳固持等生态系统功能的改变,研究植被动态变化及其对人类活动及自然环境的响应,能为区域环境质量评价及维护生态系统健康等提供重要科学支撑[5].
植被指数与植被覆盖度之间存在高度线性相关关系,能在一定程度上反应地表植被的分布状况,是监测植被动态变化及生态环境变迁的重要指标之一.随着RS和GIS技术的发展,利用植被指数分析地表植被生长变化的研究日趋成熟.其中,归一化植被指数(NDVI)是利用植被在近红外波段高反射和在红光波段的强吸收特征所构建的反映植被生长状况的重要指标之一[6].其年度最大值能精准反映植被的茂密程度及年度植被生长的最佳状况,已被广泛应用于植被分类和植被覆盖度研究[7-8].但由于NDVI 受土壤背景及冠层的影响较大,在植被覆盖度高的区域容易过饱和,因此,相关研究[9]在NDVI 的基础上提出的增强型植被指数(EVI)因考虑了蓝光波段,克服了NDVI 过饱和的缺点,能更准确地反映高生物量区植被生长状况.
流域作为独立的自然地理单元,掌握流域内地表植被的时空分异特征及变化趋势对区域生态环境保护具有重要意义.目前,在黄河流域[10-12]、海河流域[13]及淮河流域[14]等大尺度区域,基于NDVI 数据监测植被覆盖变化的研究取得了系列重要研究成果.作为长江流域的重要调蓄湖泊,洞庭湖具有洪水调蓄及生物多样性保持等重要生态功能.但由于经济的快速增长及过度开发利用,洞庭湖流域的土地利用方式发生了巨大的变化,湖泊面积不断减少,显现出较严重的生态功能退化危机.研究洞庭湖流域植被覆盖的时空变化状况可为该流域生态环境质量变化监测提供理论依据.
植被覆盖度变化研究多采用转移矩阵,通过分析某种植被覆盖类型转化为其他类型的面积及转移概率来揭示不同植被覆盖度间相互转化的状况[15].强度分析方法(Intensity Analysis)[16]能在转移矩阵的基础上,分别从时间间隔、类型和转换3 个层面,探索不同植被覆盖类型间的转移强度规律.因此,本研究在前人研究的基础上,利用2000～2021 年长时间序列MODIS-EVI 数据,结合Intensity analysis方法,分析洞庭湖流域EVI 在不同年代间的时空变化特征,试图揭示洞庭湖流域2000～2021 年间地表植被生长的动态变化,以期为洞庭湖流域的生态环境保护提供科学依据.
1 数据与方法
1.1 研究区概况
洞庭湖流域位于长江中下游的荆江段以南,介于107°16'～114°17'E,24°38'～30°26'N 之间,涵盖了湖南大部,另外还有贵州省、广西壮族自治区、湖北省以及重庆市的部分地区(图1),流域总面积达26.28万km2[17],约占整个长江流域总面积的14%.该流域气候属亚热带季风气候,干湿季节性交替特征明显,夏季多雨高温,冬季温暖湿润,年均温在15.6～17.5℃之间,年降水量约为1429mm,70%的降水发生于4～7月[18].洞庭湖流域按地势东低西高的特征,被分为西洞庭湖、南洞庭湖和东洞庭湖三大部分.
图1 洞庭湖流域区位及2020 年土地利用覆盖Fig.1 Location of the Dongting Lake Basin and land cover type in 2020
流域内的水热条件优越,地形条件复杂,以山地、平原为主,为植被的生长提供了较好的自然条件保障.作为我国南方地区的主要森林区之一,流域内植被以中国南部亚热带湿润森林为主,由于先后经历了50 年代后期的洲滩围垦及80 年代的人工造林,使流域内的植被覆盖产生了较明显的时空变化,生态环境功能也有了较大的变化.
1.2 数据来源及处理
本文使用的 EVI 数据为 2000～2021 年的MOD13Q1-EVI 数据,其空间分辨率为250m,时间分辨率为16d,来源于美国国家航空航天局(NASA)(https://earthexplorer.usgs.gov/),共计528 期影像.通过MRT 工具对原始影像批量进行重投影、拼接及裁剪,获取研究区2000～2021 年的EVI 数据集,然后利用ArcGIS10.3 的栅格处理工具基于每月两期影像的最大值,逐像元合成每月的EVI 值,利用最大值合成法(MVC),基于每年12 个月份的月EVI 最大值,生成得到逐年EVI 和季度EVI 数据集[19-21].同时参考前人研究成果,利用ArcGIS 10.2 的等间距方法(Equals),将洞庭湖流域植被EVI 划分为5 个等级:低(≤0.17)、中低(0.17～0.29)、中(0.29～0.35)、中高(0.35～0.4)和高值EVI(>0.4).
1.3 趋势分析和检验
Theil-Sen 分析是一种对异常值不敏感的非参数统计方法,早期应用于水文学和气象学中,用来计算气象要素的时间变化趋势[22],通过与 Mann-Kendall 检验相结合,在长时间序列数据的变化趋势分析中比较有优势[23].目前该方法已被成功应用于植被的长时间序列趋势分析中[24-25],其计算公式为:
式中:Se为衡量EVI 变化趋势的斜率指标,当Se<0 时,表明EVI呈下降的趋势,反之亦然;Em和En分别为时间序列第m年和第n年的EVI 值.
Mann-Kendall检验可用来对Sen趋势分析的结果进行显著性检验,其计算公式如下:
式中:sgn 为符号函数;Z为标准化处理后的检验统计量,服从正态分布,当时,表明存在显著变化,为置信度水平下对应的Z值.一般给定=0.05,即在0.05 的显著性水平上,若|Z|>1.96,则通过了置信度95%的显著性检验,表明植被EVI 时间序列变化趋势存在显著性.
1.4 强度分析法
Intensity analysis 分析法是用来定量分析土地利用/覆盖变化的方法,适用于两个或两个以上时间段的两个或两个以上不同等级变量的分析.其运用转移矩阵分析同一区域不同时间点的土地利用类型,在时间间隔、类型和转换3 个层面的土地利用变化强度规律[16,26].利用强度分析方法可以很好的回答关于植被EVI 变化规律的3 个问题:①某一时间段的所有EVI等级年际变化是相对较慢还是相对较快?②在答案①的基础上,给定时间段内某个EVI 等级的变化是否活跃?③在①和②答案的基础上,在各EVI 等级间的相互转换中,以哪些转化为主导?通过回答这些问题,可以对2000～2021 年间洞庭湖流域植被EVI 的总体变化趋势、各EVI 等级的变化和各EVI 等级间的转化规律有更好的理解.
强度分析法包括3 个层面的分析,第一层面从时间间隔上分析植被EVI的总体变化强度及其变化速率的大小,通过将各时间间隔的年变化强度和均值线进行对比来反映其变化的快慢程度,计算公式如下:
式中:U为时间Intensity analysis 均值线的值;St为时间段的年变化强度;T为时间点的数量,本文中为3;J为植被EVI 等级的数量,本文中为5;t表示间的某一时间点,范围为[1,T-1];Yt为时间点t的年份;下标i表示某时间段初始时间点的EVI 等级;j为终止时间点的EVI 等级.
第二个层面为类别层,分析每个EVI 等级在某一时间段内增加或减少的程度,通过与均值线的对比分析其变化速率的活跃与缓慢情况,其计算公式如下:
式中:Gij和Lti分别表示等级j在的增加的强度和等级i在期间内减少的强度;若植被覆盖在时间间隔t内的空间变化均匀分布,则对各等级的EVI,有St=Gtj=Lti;若Gtj
第三个层面是转移层面,通过分析某一等级转换为另一等级和其他等级转入该等级的程度,找出在某一特定时间段内以哪些等级间的转换占据主导,其计算公式如下:
式中:Rtin为等级i在间转移至等级n(n≠i)的年转换强度;Win为间,从时间点Yt的其他等级转移至等级n的统一转换强度.
式中:Qimj为等级m 在间转移至等级j(m≠j)的年转换强度;Vim为间,从时间点Yi+1的m等级转移至其他等级的统一转换强度.
1.5 地理探测器
植被覆盖的变化是自然和人为两个方面综合作用的结果,已有研究表明,自然因子包括气象、地形、地貌及土壤等对植被覆盖的影响较为显著[27-29].综合考虑数据可获取性及区域代表性,从地形地貌、气候及土壤植被等方面选取10 个自然因子,利用地理探测器[30],探测其对洞庭湖流域植被覆盖分布及变化的影响.
地理探测器的因子探测主要探测自变量(植被EVI)的空间分异性,及因变量(各自然因子)对植被覆盖的空间分异的解释程度[28,31],其解释力用q值来度量.其计算过程包括:①利用ArcGis 10.3 生成3000个随机采样点,将植被EVI 图层与自然因子图层进行空间叠加;②利用自然断点法划分自然因子的空间类别分区或分类;③探测自然因子间的相对重要性,各因子的q值可由下式计算得出:
式中:q为自然因子对植被EVI 的解释力大小,值越大表明自然因子对植被EVI的解释力越强;h为自变量或因变量的分类或分区;Nh和N为层h和区域单元数;和2为层h 和全区自变量的方差.SSW和SST为层类方差之和和全区总方差.
2 结果与分析
2.1 植被EVI 的时间变化特征
为了研究洞庭湖流域植被生长季EVI的年际变化特点,通过均值法得到植被覆盖区域每年生长季(7～9 月)的EVI 平均值(图2).
图2 2000～2021 年洞庭湖流域植被生长季EVI 年际变化Fig.2 Inter-annual variation of EVI from July to September during 2000 to 2021
由图2可知,洞庭湖流域植被生长季EVI呈分阶段波动上升的趋势,EVI 最大值出现在2016 年,最小值出现在2002 年;年际增长速率为0.0029/a,表明在研究期内流域植被生长状态较好,生态环境质量逐渐改善.从图2 可以看出,2000～2021 年间,洞庭湖流域植被生长季EVI的阶段性特征大致可分为四个阶段性:①2000～2006 年,植被生长季EVI 呈现持续增长,但在2002 年出现了一个极低值,其原因可能是由于三峡工程建设引起的长江中上游部分区域地表植被破坏[32],且2002 年发生了极端洪涝灾害导致植被覆盖度的降低[33];②2007～2011 年,植被生长季EVI 呈下降趋势,可能和2007 年的严重干旱和2008年的极端冰冻有关[34],2011 年EVI 极低值的出现主要是由于该年出现的罕见春季大旱和夏秋连旱造成的[35];③2012～2016 年,为植被生长季EVI 快速增长时期,但2013 年由于干旱的发生使得生长季EVI出现了比较明显的暂时性下降;④ 2017～2021 年,植被生长季EVI 呈现缓慢下降的趋势,可能是由于这一时期的快速城市化发展引起的基础设施建设破坏了地表植被覆盖.
2.2 植被覆盖的变化趋势分析
结合MK 检验的|Z|值和Sen 趋势分析的Se值,可以得到洞庭湖流域植被EVI 在2000～2021 年间变化趋势的空间分布图(图3).根据Se的实际特征,参考相关文献[22],将Se介于−0.0008～0.0008 之间的区域设定为稳定不变的区域,≥0.0008 的区域为改善区域,<−0.0008 的区域为退化区域.将Mann-Kendal 检验在0.05 置信水平上的显著性检验结果分为变化不显著(|Z|≤1.96)和显著变化(|Z|≥1.96).利用ArcGIS空间分析模块,将Sen趋势分析的结果和MK检验的结果进行叠加分析,得到像元水平上EVI 变化趋势的空间分布(图3).
图3 洞庭湖流域植被年均EVI 变化趋势Fig.3 Trends of inter-annual EVI from 2000 to 2021 in Dongting Lake Basin
可以看出,2000～2021 年,洞庭湖流域的植被EVI 变化趋势主要分为4 种类型:严重退化、稳定不变、轻微改善及明显改善.其中地表植被改善的区域远大于植被的退化区域,植被明显改善的区域主要位于湖南省,主要包括怀化市的西北部、张家界市的中部、衡阳市的西南部及株洲市的东部地区;严重退化区域位于湖北省的荆州市、湖南省的常德市东部地区、益阳市的北部地区及长沙市中部地区,贵州省境内也有零星分布的植被严重退化区域;稳定不变的区域及轻微改善的区域占整个流域的大部分面积.
为更直观的了解变化趋势的等级分布,将4 种变化类型所占面积进行统计分析(表1),可以看出,植被状况明显改善的区域占植被覆盖总面积的21.83%,轻微改善的占总面积的47.58%,稳定不变的约占25.94%,植被退化的区域仅占4.65%.
表1 洞庭湖流域EVI 变化趋势统计Table 1 Statistics of EVI trend in Dongting Lake Basin
2.3 强度分析结果
2000～2010 年和2010～2021 年2 个时间段的时间间隔层面的分析结果如图4 所示,该层面的分析能够说明各时间段各等级植被EVI的总体变化速率.左侧深灰色水平横条为每个时间段植被EVI变化的总体规模.右侧浅灰色的水平横条表示每个时间间隔年变化面积的强度,虚线则为均值线.若强度条超过均值线(虚线),则表明该时间段植被EVI 的变化相对较快;如果未超过均值线,则表明该时间段内植被EVI 的变化相对较慢.
图4 植被覆盖度的时间强度分析Fig.4 Time intensity analysis for two intervals
由图4 可知,洞庭湖流域在2000～2010年间的植被EVI 的变化速率较快,在2010～2021 年间的植被EVI的变化速率相对较慢,但在2010～2021 年时间段内的变化面积则大于2000～2010 年间.
两个时段的洞庭湖流域植被EVI等级变化规律如图5所示,每个植被EVI等级用一条水平的横条表示,0 右侧的横条表示某一时间段内各植被EVI 等级的年增加和减少强度,0 左侧的横条表示每个时间内各植被EVI 等级变化的面积(用栅格数表示),虚线为整个研究区年变化强度的均值.若横条在虚线右侧表示在该时间段内对应植被EVI等级的变化相对活跃,反之相对平缓.由图5(a)、(b)可知,该时间段内的均值线强度为3.97%,EVI 低中值和中高值区域的年增加强度均大于3.97%,低中、中值和高值区域的年减少强度也大于均值线强度,表明EVI 低中值区的增加及减少均较活跃,而EVI 的中高值区域增加较活跃,减少则相对平缓;EVI 的中值和高值区的增加较平缓,减少相对活跃.EVI 的低值区的增加和减少均较平缓,表明在2000～2010 年间,植被的增长主要以EVI 的中高值和低中值区域的增加为主,而EVI的高值区面积则有一定程度的减少.
图5 植被EVI 类别层面变化强度分析Fig.5 Category intensity analysis for EVI
2010～2021 年,洞庭湖流域植被EVI等级层面分析结果如图5(c)、(d)所示.EVI 的中值和低中值区域的年减少及增加强度均大于均值线强度,表明EVI的低中值和中值EVI 区域的增加和减少均较活跃;与此相反,EVI 的低值和中高值区域的增加和减少均较平缓;EVI 高值区的增加较活跃,减少较平缓.对比此时间段内各等级植被EVI 的年变化面积可知,EVI 低中值区域和低值区域的年增加面积小于减少面积;EVI 中值区和中高值区的年增加面积和年减少面积相当,而EVI 高值区的年增加面积远大于年减少面积.说明2010～2021 年间,以EVI 高值区的增加为主,以EVI 低中值区和低值区的减少为主,而EVI 中高值和中值区的面积变化不明显,表明在此时间段洞庭湖流域植被质量的改善状况较好.
图6 所示为根据公式(8)和(10)计算出来的转换层面的分析结果,分别表示一个植被EVI 等级在各个时间段内与其它等级相互转换的强度,通过和均一转换强度的对比可以明确哪种转换更为强烈.左侧图为由任意i(i≠n)植被EVI 等级转换为植被EVI等级n的转换强度(转入),右侧为由植被EVI 等级m转换为任意j(j≠m)植被EVI等级的转换强度(转出).图中的红色竖线为各等级转入与转出的平均转换强度,由公式(9)和公式(11)计算得出.若水平横条超过竖线表明以相应的转换为主导.由图6 可知,在2000～2010 年间,值被EVI 的低值区主要以和EVI低中值区的转入和转出为主;EVI 低中值区主要以和EVI 低值区及中值区的转入和转出为主;EVI 中值区的转入和转出主要发生在EVI的中高值区和低中值区之间;EVI 中高值区主要以向高值区和中值区的转入和转出为主;EVI 高值区则主要以向中高值区的转入转出为主.在2010～2021 年间,各植被EVI 等级的转入转出规律和2000～2010 年间比较一致,但EVI 中值区主要向低中值区转出,由EVI 中高值区和低中值区转入;EVI中高值区主要转出为EVI中值区,由EVI 高值区转入.
图6 洞庭湖流域植被EVI 各时间段各等级间转换强度Fig.6 Transition intensity analysis between each EVI levels in two time intervals
通过统计各个时间段内的主导转换形式(表2),可以更加直观的展示不同植被EVI 等级间的转换规律.由表2 可知,两个时间段内EVI 低值区、低中值区、中值区和高值区的主导转换是一致的,EVI低中值区主要以向EVI 低值区和中值区的转换为主;EVI 高值区在2000～2010 年和2010～2021 年两个时间段内主要以和EVI 中高值区之间的转换为主,表明两个时间段内的EVI 高值区都有一定程度的退化现象.
表2 洞庭湖流域各时间段主导植被EVI 等级转换Table 2 Conversion of dominant EVI levels in Dongting Lake Basin during two time periods
2.4 驱动因子的地理探测
因子探测的结果q值反映了不同自然因子对洞庭湖流域植被EVI 的解释力大小.通过计算各自然因子的q值,可看出,对植被EVI 解释力最强的因子为地貌类型和土壤类型,其q值分别为0.3261 和0.2755,解释力均在27%以上,因此,地貌类型和土壤类型是洞庭湖流域影响植被变化的主要自然因子;坡度和DEM 的q值为0.2571 和0.2392,解释力在23%以上;气象因素中,年均气温和≥10℃积温的q值最大,分别为0.1925和0.156,说明温度是影响该流域植被EVI 变化的主要气象因子,年降水量和湿润度的解释力均低于10%,表明年降水量和湿润度对洞庭湖流域植被变化的影响较小.统计2000～2021 年的q值(图7)可以看出,2005～2021 年地貌类型、土壤类型、坡度、DEM、年均气温及≥10℃积温的q值呈增加趋势,其余因子的变化幅度较小.
图7 2000～2021 年洞庭湖流域自然因子的q 值变化Fig.7 The q value in geodecter model in Dongting Lake Basin during 2000～2021
3 讨论
3.1 洞庭湖流域植被覆盖变化分析
本文在探讨植被覆盖度的时间动态变化特征上与其他学者在洞庭湖流域的研究结论基本一致,流域内植被覆盖整体呈现上升趋势[5,36].相比已有研究,本文研究时间跨度更大,能更好的反映洞庭湖流域近期植被覆盖变化的动态特征.同时本文发现在2000～2021 年间洞庭湖流域植被生长季的年际变化可划分为上升→下降→上升→下降的趋势,这与符静等[37]2000～2013 年的结论略有差异,表明植被生长季的EVI动态变化和最大植被覆盖度的年际变化规律不一致.
3.2 植被覆盖变化对影响因子响应差异
植被覆盖的动态变化是自然因素和人类活动共同作用的结果[12,38],多数研究结果表明植被覆盖变化和气象因素的变化具有同质性[39].洞庭湖流域水热条件优越,能够满足植被生长的需要,龙岳红等[7]和孙颖等[36]研究认为植被覆盖与降水和气温变化具有正相关关系,且气温对植被覆盖的影响大于降水.本研究中也得出了同样的结论,温度对植被EVI 的解释力要大于降水对植被EVI 的解释力.另外,本文探讨了地形地貌及土壤植被等对植被EVI的影响,结果表明地形地貌对植被覆盖的影响要大于气象因素的影响,高程和坡度的解释力明显高于坡向,高程和坡度影响着区域水热条件的垂直分布,洞庭湖流域的整体高差较大,使得该区在垂直方向上的水热条件差异较大,进而影响了植被的空间分异;土壤类型影响植被的光合效率和水分状况,直接影响了植被EVI 的空间分布[21,39].
3.3 不足与展望
本文考虑数据的可获取性,仅考虑了自然因素对植被覆盖动态变化的影响,而洞庭湖流域优越的水热条件使得该区农业生产及农田水利设施建设等人类活动强度较大,其对植被覆盖变化的影响也不可忽视.同时生态工程的全面实施也在一定程度上影响着洞庭湖流域的植被覆盖变化[40].自上世纪80 年代以来,我国在洞庭湖流域实施了一系列生态环境保护策略,包括长江中上游防护林工程、天然林保护工程、退耕还林工程等,在很大程度上改善了区域植被覆盖.因此,如何定量研究人为因素对植被覆盖变化的影响及植被EVI未来发展趋势仍是一个极大的挑战.
4 结论
4.1 从空间分布上看,洞庭湖流域植被覆盖状况整体较好,呈现出西部和东部高,中部和北部偏低的分布特征.时间变化上看,2000～2021 年间EVI 年均值在0.32 以上,且呈现波动式上升趋势,在2005～2009年和2012～2018 年间有快速增长的趋势.
4.2 基于Sen 趋势的分析结果表明,在2000～2021年间,植被EVI 呈现增加面积大于减少面积的空间变化趋势(增加占69.41%,减少为4.65%),植被整体状况在不断改善.
4.3 2000～2021 年间,洞庭湖流域植被 EVI 在2000～2010 年间的变化速率快于2010～2021 年间的变化速率,但2010～2021 年间的变化面积高于2000～2010 年间的变化面积.同时,在2000～2010 年间,植被的增长主要以中高植被和低中植被的增加为主,而高植被EVI 的面积则有一定程度的减少; 2010～2021 年间则以高植被EVI 区域的增加为主,以低中植被和低植被EVI 的减少为主,而中高植被EVI 和中植被EVI 的面积变化不明显.在整个研究时段内,低植被覆盖主要以向低中和中植被覆盖转化为主,而高植被覆盖则主要以向低级转换为主.
4.4 整个研究区,地貌类型和土壤类型是影响植被EVI 的主要自然因子,气象要素中,年均气温和≥10℃气温对植被EVI 的解释力最大,降水量和湿润度对植被EVI 的影响较小.
