青海湖流域植被动态变化驱动力及空间粒度效应

2024-03-28周美林刘家宏刘希胜王亚琴中国水利水电科学研究院流域水循环模拟与调控国家重点实验室北京100038中国科学院地理科学与资源研究所北京100101水利部数字孪生流域重点实验室北京100038青海省水文水资源测报中心青海西宁810001中国国土勘测规划院北京100081

中国环境科学 2024年3期

关键词：青海湖覆盖度粒度

周美林 ,刘家宏 ,刘希胜 ,王亚琴 (1.中国水利水电科学研究院,流域水循环模拟与调控国家重点实验室,北京 100038；2.中国科学院地理科学与资源研究所,北京 100101；3.水利部数字孪生流域重点实验室,北京 100038；.青海省水文水资源测报中心,青海西宁 810001；5.中国国土勘测规划院,北京 100081)

植被覆盖度变化与区域气候条件、生态环境、土地利用和人类活动等因素密切相关[1-3].多采用相关性分析[4]、多元线性回归法[5]等分析气候和人类活动因素的影响.青海湖流域是维系青藏高原生态安全的重要屏障[6],生态系统脆弱.气候、地表因素和人类活动是青海湖流域植被覆盖变化的主要驱动力.气候变化改变陆地生态系统格局和分布范围[7],地形地貌和人类活动对植被覆盖度的影响具有显著的空间分异[8-9],且各因素影响存在显著的交互效应[10-11].

已有研究[12-13]分析了2000 年后,不同降水、气温、高程和植被类型下青海湖流域植被覆盖度变化特征.2000 年以前青海湖流域植被覆盖状况认识不足.同时,针对植被覆盖度变化驱动研究,现有研究仅定性分析不同气候带和地形地貌上的差异[14],对影响因素相对贡献的量化和交互效应的认识仍不清楚.地理探测器是广泛使用的多因素交互作用模型[15-16],可识别并量化因子及其交互作用对变量空间变异的贡献[17-18].空间粒度影响变量特征及相互关系[19],气候、地形和人类活动等因素对植被覆盖度的影响与空间粒度密切相关.现有研究多为单粒度分析,对尺度效应研究较少.

本文利用Google Earth Engine 平台以Landsat遥感影像为基础,分析1986～2020 年青海湖流域植被覆盖度时空变化特征,基于Pearson相关系数,多元线性回归模型及多尺度地理探测器模型,揭示降水、气温、地表条件(地形、地貌、土壤、植被、高程、坡度、坡向、冻土、距河/青海湖距离)和人为因素对流域植被覆盖度时空变化的驱动机制及相对贡献,并探讨空间粒度对驱动因素的影响.

1 数据和方法

1.1 研究区概况

青海湖是我国最大的内陆咸水湖,青海湖流域位于97°50′E～101°20′E,36°15′N～38°20′N,之间,流域总面积约29661km2,海拔在3196～5290m 之间;多年平均降水量为379mm,多集中在6～8 月;多年平均气温为-0.3℃,7月气温最高,1月气温最低,12月到次年3 月湖面结冰[20].青海湖区年蒸发量为895mm,夏季占年蒸发量的60%,冬春季蒸发量最小[21].青海湖流域是重要的冻土分布区,西北部为多年永久冻土区,中部及环湖区域为季节性冻土区.主要植被类型为草甸、草原、荒漠、灌丛和林地,其中草甸占流域面积45%,草原占流域面积18%.土壤类型有草甸土、黑钙土、栗钙土、沼泽土和风沙土等.青海湖流域地理位置如图1 所示.

图1 青海湖流域地理位置Fig.1 Geographical location of Qinghai Lake basin(QHLB)

1.2 数据来源

本文使用数据有遥感影像、气候、地形地貌、植被、土壤、冻土分区和人类足迹.遥感影像来自美国陆地卫星Landsat 4TM、Landsat 5TM、Landsat 7ETM+和Landsat 8OLI 2 级产品,已完成辐射校正和几何校正,时间分辨率为16d,空间分辨率为30m,计算时段为1986～2020 年.高程数据来自SRTM 数字高程模型(DEM),空间分辨率为30m.坡度和坡向基于DEM 数据,利用ArcGIS 软件空间分析工具获得.气象数据采用时空三极环境大数据中心发布的中国1km 分辨率降水和气温数据,该数据集是在CRU和World Clim发布的全球0.5°气候数据基础上,基于Delta 空间降尺度方案生成,并通过了496 个气象站监测结果的验证[22-23].青藏高原冻土分布[24]基于改进的中分辨率成像光谱仪(MODIS)和地表温度冻结和融化指数生成,空间分辨率为937m.土壤和植被数据来自中国科学院资源环境科学数据中心.土壤采用传统的“土壤发生类”系统,将中国土壤分为12 个土纲,61 个土类,227 个亚类,其基础数据是1:100万中国土壤图和中国土种志.植被共分为11个植被类型组、54 个植被型,涵盖了796 个群系和亚群系,空间分辨率为1km.

采用人类足迹评估人类活动强度对青海湖流域生态系统的影响.人类足迹指数法[25]是常用的人类足迹评估指标,综合考虑了人口密度、土地利用变化、交通通达性和电力基础设施等四类空间数据.通过设置各数据图层的缓冲区和赋值权重,经过叠加分析和空间归一化,得到人类足迹数据.青藏高原人类足迹数据考虑人口密度、土地利用、放牧密度、夜间灯光、铁路和道路等指标表征人类活动强度,采用对数法对不同类型数据赋值,赋值范围为1～10.详细赋值过程可参考文献[26].该数据集包含1990、1995、2000、2005、2010、2015 和2017 年共7 期数据,空间分辨率为1km.

1.3 研究方法

1.3.1 植被覆盖度计算利用Landsat 影像的近红外波段和红色波段进行植被归一化指数(NDVI)计算,随后基于中值法构建月度NDVI[27],基于生长季(4 月～10 月)数据构建年际NDVI 数据集.利用年际NDVI 基于像元二分模型计算年际植被覆盖度(FVC).具体计算公式如下:

式中NIR 和Red 是近红外波段和红色波段的反射率,NDVImin为青海湖流域对应5%频次的NDVI值,NDVImax为对应95%频次的NDVI 值.

基于《水土流域综合治理技术规范》,将青海湖流域FVC 分类,其中FVC≤0.1 为裸地,0.1

1.3.2 MK 趋势检验 Mann-Kendall(MK)[28]方法是一种非参数检验方法,广泛应用于时间序列趋势变化分析.对于时间序列X={x1, x2, …, xn},假定序列内各变量相互独立,构造检验统计量S 如下:

对于给定的置信区间α,若Z≥Z1-a/2则认为在α置信水平上序列有明显的上升(Z>0)或下降趋势(Z<0),其中|Z|>2.576 说明变化趋势极显著(α=0.01,P<0.01),2.576>|Z|>1.96 说明变化趋势显著(α=0.05,0.01

1.3.3 地理探测器地理探测器是常用的分析变量空间变异驱动机制的统计方法,广泛应用于土地利用和植被覆盖等驱动机制分析[29].采用地理探测器中的因子探测器和交互探测器进行青海湖流域FVC 空间变化驱动机制分析.因子探测器分析驱动因素对研究区域FVC 空间变化影响程度的大小,用q 量化.交互探测器用来探测不同因子交互作用对FVC 空间变异的影响,分为非线性增强,双因子增强,非线性减弱,双因子减弱和独立.q 计算公式如式(2).采用t 检验法对相关显著性进行检验,设置显著性标准为α=0.05.

式中:q 表征驱动因素对植被覆盖度变化解释力的大小;h 为1,2,…,L 为变量的分类(区)数;Nh和N 分别指分类h 和全区的分类数;σ2h 和σ2分别为某分层h 和全区的方差总和.

基于R语言GD包构建地理探测器模型,在模型构建过程中,采用自然断点法、等距离散法和等频率法对连续变量进行空间离散,设置类别数量为4～10.参考已有文献的基础上,结合实际情况,选取地表因素(高程、坡度、坡向、土壤、植被、距水系距离、距青海湖距离、冻土分区),气候因素(生长季降水、生长季气温,降水集度、降水重心)和人类足迹指数作为FVC 空间变化的驱动因素.

空间粒度对生态系统结构和影响因素空间分布具有重要影响[30],以青海湖流域FVC 为研究对象,分析不同空间粒度下气候、人类足迹及地表因素对FVC 解释力的变化.考虑已有数据的空间分辩率,以1km 为间隔,分别计算1～15km 分辨率下各因素对植被覆盖度空间变化的解释力.以最大程度表征因素交互作用和各因素解释力90%分位数最大为标准,确定流域植被覆盖度空间变化最佳分析粒度,并作为后续驱动因素分析的基础.

1.3.4 降水结构计算降水重心和降水集度是降水结构的表征.降水重心(PC)反应某区域年内降水集中时间.降水集度(PCI)指年内降水特征在年际尺度上的分异.PCI 越大说明年内降水分配越集中,PCI越小说明年内降水分配越均匀.具体计算公式如下,式中Pi为第i 个月降水,P 为年际降水量.

采用t 检验法对相关显著性进行检验,设置显著性标准为α=0.05.

1.3.5 相关性分析采用Pearson 相关系数评估不同时期气候因素与FVC 变化相关性.采用t 检验法对相关显著性进行检验,设置显著性标准为α=0.05.

2 结果与讨论

2.1 FVC 年际变化

由图2 可见,1986～2020 年青海湖流域平均FVC呈波动增加趋势,其中1986 年流域平均FVC 最大,1990 年FVC 最小.MK 突变检验发现2001 年流域平均FVC 发生突变(图2),表现为流域FVC 整体增加.比较突变前后期FVC 变化,发现1986～2000 年流域FVC 呈减小趋势,均值为0.33,2001～2020 年流域FVC 呈增加趋势,均值为0.37.2001 年后青海湖流域平均植被覆盖度增加幅度为12%,流域植被状况由退化转为改善.

图2 青海湖流域平均FVC 变化Fig.2 Average FVC changes in QHLB

由图3 和表1 可见,1986～2000 年,仅3%区域FVC 发生极显著/显著变化,其中环青海湖北部、南部和东部FVC显著减小,流域西北部FVC显著增加.2001～2020 年流域FVC 极显著/显著变化区域占比16%,其中环青海湖西北部、东部及布哈河流域上游和下游沿河地区显著增加(占比15%),流域北部沙柳河上游及布哈河中部零星区域显著减小.2001 年后青海湖流域FVC 显著减小区域减小,显著增加区域增大.

表1 不同时期青海湖流域FVC 变化空间特征Table 1 Spatial characteristics of FVC changes in QHLB in different periods

图3 不同时期青海湖流域FVC 空间变化Fig.3 The spatial variations of FVC in QHLB in different periods

2.2 FVC 类型空间变化

以1990 年和2020 年表征突变前后期青海湖流域FVC 类型变化(图4).相较而言,2020 年青海湖流域中等、中高和高覆盖度植被面积增加,表现为从环湖区域向流域中部延伸的特征.FVC 类型变化表现为裸地和低覆盖度植被面积由55%减小为25%,中等覆盖度植被面积由6%增加为30%,中高和高覆盖度植被面积由1%增加为16%.同时,1990～2020年湖流域FVC类型转移关系为裸地转为低覆盖度植被,低覆盖度植被转为中低、中等覆盖度植被,中等覆盖度植被转为中高覆盖度植被.从流域FVC类型变化角度分析,FVC类型变化呈向好态势,中高、高等覆盖度植被类型区域的FVC显著增加,青海湖流域生态环境显著改善.

图4 不同时期青海湖流域植被覆盖类型空间格局Fig.4 Spatial patterns of FVC types in QHLB in the different periods

2.3 FVC 时间变化驱动力

2.3.1 气候因素如图5所示,1986～2000年降水呈减小趋势,气温呈增加趋势,青海湖流域气候为暖干化;2001～2020 年,降水增加,气温持续增加,气候呈暖湿化,因此2000 年以前青海湖流域植被退化和2000年后流域FVC 发生增加突变,与气候变化趋势密切相关.然而流域平均FVC 与降水、气温相关系数均不显著,这可能与气候变化对植被覆盖影响具有明显的空间变异相关.

图5 流域平均生长季降水和气温变化Fig.5 Average growing season precipitation and temperature changes in the land region of QHLB

以Pearson 相关系数为指标分析气候和人类活动对FVC 变化影响的空间差异(图6).青海湖流域属于水热限制区域,水量和气温增加均对植被生长为促进作用.1986～2000 年环青海湖东北及南部FVC显著减小,与降水呈正相关,而与气温呈负相关,相关系数为-0.5～-0.8;流域北部FVC 增加,与降水呈负相关,与气温呈正相关,相关系数为0.3～0.8.2001～2020年环青海湖东北部及布哈河上游和中游FVC 增加,降水、气温与该区域FVC 均为正相关;流域北部FVC 显著减小,降水、气温与该区域FVC 均为负相关.因此,1986～2000 年青海湖流域东北及南部FVC减小受降水减小影响,而流域北部FVC 增加与气温增加关系密切,2001～2020 年流域FVC 显著增加区域受降水和气温共同影响显著.

图6 不同时期气候因素与FVC 相关系数空间分布Fig.6 Spatial distributions of correlation coefficients between climate factors and FVC in different periods

降水集度(PCI)和降水重心(PC)是降水结构重要指标,表征降水分配均匀度和集中发生时间.降水结构变化对青藏高原植被生长具有重要影响,分析不同时期PC、PCI 与流域FVC 变化的关系(图6).1986～2000 年在青海湖流域FVC 减小区域,PC、PCI与FVC 均为负相关,增加区域为正相关;2001～ 2020年环青海湖东部和南部FVC 增加区域,FVC 与PCI、PC 为负相关和正相关,而在布哈河上游和沿河FVC增加区域,与PCI 和PC 为正相关和负相关.以上结果表明2000 年前PCI、PI 对FVC 变化均为促进作用,2000 年后作用方向相反,空间差异明显.

2.3.2 人为因素由图7可知,1990～2017年青海湖流域平均人类活动强度呈增加趋势,增加幅度不显著,其中2000 年和2010 年是趋势变化转折点.1990年和2017 年青海湖流域人类活动强度空间变化格局基本一致,环湖地区、道路及流域水系周边人类活动强度增大,其它区域人类活动强度基本无变化.人类足迹对青海湖流域FVC 影响空间分异明显,主要影响区域为环湖地区、道路和水系周边.

图7 青海湖流域人类足迹时空变化Fig.7 Spatiotemporal changes of human footprint in QHLB

2.3.3 气候和人类活动对流域平均 FVC 的贡献以生长季气温、生长季降水和人类足迹指数为自变量,FVC 为因变量,对各变量归一化处理后,采用多元线性回归模型,构建流域平均FVC 与气候、人类活动关系模型(FVC=0.16P+0.62T-0.09HF,P 为降水,T为气温,HF 为人类足迹).模拟结果表明气候变化对流域平均FVC 为正向作用,人类足迹对流域平均FVC为抑制作用,各因素贡献依次为气温>降水>人类足迹.考虑到人类足迹只能表征人类活动对植被覆盖状况可能形成的负面效应,无法考虑生态恢复工程的正向效应.而多元线性拟合模型对流域平均FVC 变化解释度为51%,仍有49%变化无法解释,因此生态恢复工程在流域FVC 变化中具有重要贡献.

2.4 FVC 空间变化驱动力

2.4.1 空间粒度影响分析如图8 所示,不同因素相对解释力大小较为稳定,从大到小依次为土壤、高程、植被、冻土、距青海湖距离和坡度.随着空间粒度的增大,高程和冻土贡献表现为先增加后减小,空间粒度为9km 时解释力最大.其它地表因素对空间粒度的响应不同,当空间粒度大于临界值时,因素对流域FVC 空间变化贡献消失.其中坡向和距水系距离的临界粒度为3km,距青海湖距离的临界粒度为5km,坡度和植被的临界粒度为6km,土壤的临界粒度为7km.

图8 不同空间尺度下驱动因素对FVC 空间变化的解释力Fig.8 The explanatory power(q-value) of driving factors on spatial variations in VFC at different spatial scales

气候和人为因素对FVC 贡献随粒度变化与地表因素一致,空间粒度变化不影响因素间的相对解释力.各因素对FVC 解释力从大到小依次为气温、人类足迹、降水集度、降水量和降水重心,随着粒度增加,气温和人为因素贡献先增加后减小,降水重心临界粒度为4km,降水量和降水集度临界粒度为8km.

2.4.2 空间驱动力分析综合因素解释力90%分位数和因素交互作用,以6km 空间粒度作为空间驱动力分析的基础.该空间粒度下坡向和降水集度对FVC 空间变化解释力消失,其它因素对FVC 空间变化解释均通过显著性检验(α=0.05),解释力从大到小依次为生长季气温(0.41)、高程(0.34)、植被(0.25)、土壤(0.23)、降水集度(0.17)、人类足迹(0.15)、生长季降水(0.13)、距水系距离(0.12)、距青海湖距离(0.11)、坡度(0.06)和冻土分区(0.05).因此该空间粒度下青海湖流域FVC 空间变化主要由气候、地形地貌、土壤和植被共同决定.

由图9 可见,各因素交互作用对FVC 贡献均大于因素单独作用,交互作用均为增强效应.生长季气温、高程与其它因素交互作用显著,与距水系距离、坡度、人类足迹、降水量、降水集度、土壤和植被交互作用后,贡献均显著增大,与距水系距离交互作用解释力最大(0.61).由于气温是外部环境驱动力,交互作用主要表现为气温增加对其它因素的影响,进而改变流域植被覆盖状况.青海湖流域位于高寒山区,高程变化较大,高程变化影响区域地理条件,对交互作用强度具有地带控制性.与1986～ 2000 年相比,2001 年后高程、气温与坡度、土壤、植被和距水系距离交互作用解释力略有提高,其它因素贡献无明显变化,表明气温升高对青海湖流域植被状况改善同时具有间接促进作用.

图9 青海湖流域FVC 各驱动因子交互探测解释力(q)Fig.9 Exploratory power(q) of interactions among driving factors of FVC in QHLB

2.5 讨论

本文比较了1986～2000 年和2001～2020 年2 个时段青海湖流域FVC 变化,发现2001 年后FVC 显著增加区域为环青海湖西北部及布哈河沿河区域.

由图10 可见,2001 年后环青海湖及布哈河降水和气温均增加,且气温增加幅度明显大于其它区域.青海湖流域不同海拔区域植被生长对气温和降水的敏感性不同[31].环青海湖和布哈河中下游植被生长受水分和热量限制区域,植被对降水和气温变化较其他区域敏感,因此该区域植被覆盖度增加显著.值得注意,布哈河上游为气温限制区域,2001 年后气温增加,植被生长能量条件改善,FVC 显著增加.

图10 青海湖流域2001～2020 年气温和降水变化趋势Fig.10 Trends in temperature and precipitation changes in the QHLB from 2001 to 2020

青藏高原气温升高引起的生长季温度仍低于植被生长最适温度[32],气温对青海湖流域FVC 空间变化解释力最大,气候变暖背景下气温仍是青海湖流域植被生长的主控因素.降水格局变化即降水量和降水结构,也是气候变化的重要方面,降水量对青海湖流域FVC 空间变化解释力较低,然而考虑降水结构(降水集度)时,降水对流域FVC 空间解释力达0.3,仅次于气温和高程,说明降水结构对青海湖流域植被生长具有重要影响.同时,相关研究[33]表明降水量和降水集度变化对藏北高原草地生产力有重要影响.距河流水系距离和青海湖距离对流域FVC 变化解释力低于气温和降水.距水系/青海湖距离,与区域土壤水、地表水和地下水连通性相关,表明地下水对青海湖流域FVC 影响不显著,可能由于研究区域冻土层存在减弱了地下水和土壤水间的联系.

地理探测器因素交互作用结果表明各因子对青海湖流域植被覆盖空间变化均存在交互效应,与其它区域研究结果一致.气温和高程是青海湖流域FVC 空间变化驱动因素交互作用的主导,这与青海湖流域地理位置密切相关.气温∩距水系距离交互作用解释力最大(0.61),其次为气温∩降水(0.58),气温∩降水集度(0.56).气温与距水系距离、降水交互后解释力增大,表明水热条件同时控制着青海湖流域FVC 空间变化.人类足迹与高程、气温交互作用后对植被覆盖空间变化解释力由0.15 增大到0.52和0.58,表明海拔和气温对人类活动的限制.冻土∩气温、海拔对FVC 变化贡献从0.05 增大为0.41 和0.35,一方面由于冻土分布与高程相关,另一方面气温升高,引起永久冻土和季节冻土退化,流域土壤水减小[34],影响流域植被覆盖状况.