2000—2020年黄河流域不同植被类型时空变化特征及其影响因素

doi:10.6046/zrzyyg.2023138

2000—2020年黄河流域不同植被类型时空变化特征及其影响因素

魏潇^,¹^,²^,³, 张立峰^,¹^,²^,³, 何毅¹^,²^,³, 曹胜鹏¹^,²^,³, 孙强¹^,²^,³, 高秉海¹^,²^,³

1.兰州交通大学测绘与地理信息学院,兰州 730070

2.地理国情监测技术应用国家地方联合工程研究中心,兰州 730070

3.甘肃省地理国情监测工程实验室,兰州 730070

2000-2020 spatiotemporal variations of different vegetation types in the Yellow River basin and influencing factors

WEI Xiao^,¹^,²^,³, ZHANG Lifeng^,¹^,²^,³, HE Yi¹^,²^,³, CAO Shengpeng¹^,²^,³, SUN Qiang¹^,²^,³, GAO Binghai¹^,²^,³

1. School of Surveying and Mapping and Geographic Information, Lanzhou Jiaotong University, Lanzhou 730070, China

2. National and Local Joint Engineering Research Center for Geographic Monitoring Technology Application, Lanzhou 730070, China

3. Engineering Laboratory of Geographic Monitoring of Gansu Province, Lanzhou 730070, China

通讯作者: 张立峰(1982-),男,博士,教授,主要从事遥感应用研究。Email:119273207@qq.com。

责任编辑: 李瑜

收稿日期: 2023-05-17 修回日期: 2023-06-25

基金资助:

国家自然科学基金项目“祁连山小流域尺度植被变化监测及其预测方法”(42161063)
甘肃省黄河水环境重点实验室开放基金项目“黄河中上游小流域尺度植被变化监测及其预测研究”(21YRWEK001)

Received: 2023-05-17 Revised: 2023-06-25

作者简介 About authors

魏潇(1997-),男,硕士研究生,主要从事生态遥感研究。Email: 2326779879@qq.com。

摘要

掌握黄河流域植被生长的时空变化特征及其影响因素,对生态环境的保护和发展有重要意义。然而,现有的研究缺少对黄河流域内最新时段不同植被类型时空特征分析及其与影响因子间关系的研究。为此,基于2000—2020年获取的MODIS NDVI时间序列遥感数据,利用趋势分析、相关分析、偏相关分析和残差分析法,挖掘黄河流域不同植被类型时空特征,厘清在年尺度和月尺度上受气温和降水的影响机制,同时探究人类活动对不同植被类型时空特征的影响。结果表明: ①2000—2020年黄河流域不同植被NDVI总体均呈上升趋势,其中以耕地和林地的增长尤为突出; 然而不同植被类型NDVI增长趋势随着海拔的升高呈现出不同的下降特征。②21 a来各植被类型在大部分区域呈现改善,但少部分区域呈现出退化,主要集中在草地和耕地区域。各植被类型未来变化趋势呈反持续性的区域占比较大。③气温和降水对黄河流域各植被的生长表现出促进作用,但各植被对降水的响应高于气温,并且其响应存在明显的时滞性,其中草地和灌木的生长对降水和气温的响应更为敏感。④人类活动对黄河流域的整体植被起到积极作用,但在草地和耕地类型中存在部分消极影响,应在未来规划中引起重视。2000—2020年黄河流域大部分植被呈改善状态,但部分草地和耕地呈退化趋势,应对典型退化区域进行保护。研究结果可为黄河流域内生态环境建设和经济发展提供科学数据和理论支撑。

关键词： 植被类型; Hurst指数; 残差分析; 遥感; 黄河流域

Abstract

Understanding the spatiotemporal characteristics of vegetation growth in the Yellow River basin and their influencing factors is crucial for the conservation and development of the ecology. However, existing studies rarely focus on the latest spatiotemporal characteristics of different vegetation types in the basin and their relationships with their influencing factors. Using the 2000-2020 time series remote sensing data of MODIS normalized difference vegetation index (NDVI), along with methods including trend analysis, correlation analysis, partial correlation analysis, and residual analysis, this study investigated the spatiotemporal characteristics of various vegetation types in the Yellow River basin. Accordingly, this study clarified the mechanisms behind the impacts of temperature and precipitation on annual and monthly scales and explored the influence of human activities on the spatiotemporal characteristics of different vegetation types. The results indicate that from 2000 to 2020, the NDVI of different vegetation types in the Yellow River basin trended upward overall, particularly in cultivated land and forest land. However, the increasing trends trended downward at different degrees with increasing elevation. Over the 21 years, various vegetation types were improved in most areas in the basin. However, a few areas exhibited degraded vegetation types, primarily including grassland and cultivated land. The proportion of areas with anti-continuous future trends in various vegetation types notably increased. Temperature and precipitation produced positive impacts on the growth of various vegetation types in the Yellow River basin. Nevertheless, various vegetation types exhibited greater responses to precipitation than to temperature, and the responses featured notable time lags. Furthermore, grassland and shrub growth were more sensitive to precipitation and temperature. Human activities had positive impacts on the vegetation of the Yellow River basin overall. However, some negative effects were also observed in grassland and cultivated land, warranting attention in future planning. Overall, most areas exhibited improved vegetation in the Yellow River basin in the 20 years. Given that partial grassland and cultivated land experienced degradation, it is necessary to protect typical degradation areas. The findings of this study will provide scientific data and theoretical support for ecological construction and economic development in the Yellow River basin.

Keywords： vegetation type; Hurst index; residual analysis; remote sensing; Yellow River basin

PDF (13766KB) 元数据多维度评价相关文章导出 EndNote| Ris| Bibtex 收藏本文

本文引用格式

魏潇, 张立峰, 何毅, 曹胜鹏, 孙强, 高秉海. 2000—2020年黄河流域不同植被类型时空变化特征及其影响因素[J]. 自然资源遥感, 2024, 36(4): 229-241 doi:10.6046/zrzyyg.2023138

WEI Xiao, ZHANG Lifeng, HE Yi, CAO Shengpeng, SUN Qiang, GAO Binghai. 2000-2020 spatiotemporal variations of different vegetation types in the Yellow River basin and influencing factors[J]. Remote Sensing for Land & Resources, 2024, 36(4): 229-241 doi:10.6046/zrzyyg.2023138

0 引言

植被可用于描述地球表面的生态环境状况,是陆地生态系统中不可或缺的组成部分,对监测生态环境变化起到重要的指示作用^[1]。此外,植被还表现出巨大的碳汇作用,可摄取和储藏温室气体CO₂。因此,植被的变化(如类型的变化、面积的增减、空间分布格局的变化以及生长质量的改变等)都可能会对区域环境和全球变化产生极大的影响^[2]。黄河流域是中国重要的生态屏障,也是我国生态建设的重点区域。流域内的植被在调节碳循环、提供有机物质和促进能量交换方面发挥着不可或缺的作用^[3]。同时,植被的生长变化也受多种因素影响。因此,研究黄河流域植被变化及其影响因素对保护其生态环境稳定发展具有重要意义。归一化植被指数(normalized difference vegetation index, NDVI)作为大范围植被覆盖变化的有效指标,可准确地反映植被的时空变化规律,而且也能够反映植被覆盖变化与气候因子关系的空间异质性,在时间序列的植被监测方面被广泛应用^[4⇓⇓-7]。学者们基于NDVI数据集,研究了黄河流域尺度上和局部区域尺度上植被变化及其驱动因素,取得了卓有成效的研究成果。例如,在全流域尺度上,自2000年以来,黄河流域NDVI变化受气候和人类活动共同影响,生长季NDVI均值以一定的速率波动上升。NDVI与降水的偏相关强度稍大于气温,人类活动整体对NDVI的影响以促进为主^[8]。在局部区域尺度上,气候因子对不同流域植被的影响存在差异。其中,气温和降水对黄河流域上游植被的促进作用最为明显,但与中游和下游植被的相关性并不显著。人类活动对植被的促进作用也存在差异,其大小顺序为: 中游>上游>下游^[9]。此外,通过对黄河流域不同气候区的植被NDVI进行分析,发现干旱区变化波动平稳,而半湿润区变化比较明显。各气候区降水和气温对NDVI表现出正影响,但不同的气候区降水和气温影响的强度不同。在半干旱区降水对NDVI影响最大,半湿润区影响最小,而气温对半湿润区NDVI影响最大,在干旱区影响最小^[10]。根据上述结果可以看出,植被对不同影响因子的响应比较复杂,这可能与未区分不同类型植被的差异有关。实际上,由于人类活动的干扰或者景观环境的异质性,不同尺度区域内的植被类型构成是不同的,不同类型的植被在群落结构、根系分布、物种组成等方面存在着显著的差异,因此外部环境的变化对它们的影响也是各不相同的^[11]。因此,本文将深入研究不同类型植被对于影响因子响应的异同,从而准确分析黄河流域植被的变化特征。

综上所述,目前针对最新阶段黄河流域不同植被类型的时空变化特征不明晰,而且对时空变化特征影响机制缺乏系统探讨。因此,本文基于2000—2020年获取的 MODIS NDVI 时序数据,利用Theil-Sen median,Mann-Kendall和Hurst等方法,挖掘黄河流域2000—2020年间各植被类型(草地、耕地、灌木和林地)时空变化规律; 并结合数字高程模型(digital elevation model, DEM)探究各植被类型在不同海拔高度的分布和变化特征; 利用相关分析和偏相关分析,探讨气温和降水对不同类型植被的影响机理,同时利用残差分析方法探究人类活动对不同植被类型的影响过程。本研究旨在为黄河流域内生态环境建设和经济发展提供科学数据和理论支撑。

1 研究区概况及数据源

1.1 研究区概况

黄河发源于青藏高原巴颜喀拉山北麓,流经青海、四川、甘肃、宁夏、内蒙古、陕西、山西、河南和山东9省,流域面积79.46万km²。黄河流域地势自西向东逐渐下降,西部地区平均海拔在4 000 m以上,大多为高海拔山地; 中部地区海拔在1 000~2000 m之间,以黄土地貌为主; 东部地区海拔不超过100 m,主要由黄河冲积平原所构成^[6]。黄河流域覆盖了东部、中部和西部3个不同的气候区域,分别为半湿润气候区、半干旱气候区和干旱气候区。这种多样的地貌和气候为不同植被类型的生长提供了适宜的条件,植被主要类型包括草地、耕地、灌木和林地(图1)。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1 研究区行政区划图和植被覆盖分类图

Fig.1 Maps of administrative and vegetation cover classification of study area

1.2 数据源及其预处理

本文使用由美国NASA提供的2000—2020年时间分辨率为16 d、空间分辨率为1 000 m的MOD13A2 NDVI数据(https://lpd-aac.usgs.gov//)。通过投影校正、拼接裁剪、最大值合成等预处理,获取逐月黄河流域NDVI数据。一般认为NDVI<0.1的是裸地、沙漠、戈壁、水体、冰雪等无植被覆盖区,因此在处理过程中只保留NDVI在0.1以上的区域。

本文所用的气象数据为2000—2020年中国逐月平均气温和累积降水数据,由国家地球系统科学数据中心黄土高原分中心发布提供(http://loess.geodata.cn),该数据同时使用496个独立气象观测点数据进行验证,验证结果可信。

植被类型数据为2013年MOD12Q1数据产品(http://lpdaac.usgs.gov/)结合中国科学院中国植被图编辑委员会的1:100万植被图集(http://www.natural resources.csdb.cn)进行分类处理得到。数字高程模型(digital eleva-tion model, DEM)数据为NASA的SRTM数据(http://srtm.csi.cgiar.org//)。

2 研究方法

2.1 Theil-Sen median趋势分析

Theil-Sen median为非参数检验方法,不要求数据满足特定的分布假设,在分析中不会受到异常值的影响,避免因异常值引起的误差^[12]。其计算公式为:

(1)β=Median

(\frac{x_{j} - x_{i}}{j - i})

(∀j>i),

式中: Median为中值; β为植被的变化趋势,β<0时植被变化表现为下降趋势,β>0时呈上升趋势; X_i和X_j为第i和j年的NDVI值。

2.2 Mann-Kendall检验分析法

Mann-Kendall为非参数检验方法,常用于检验时间序列趋势的显著性。该方法不要求样本满足特定的分布假设,并且在分析时不受异常值的影响^[13]。其计算公式为:

(2)Z=

\{\begin{array}{l} \frac{S - 1}{\sqrt[]{V a r (S)}} & (S > 0) \\ 0 & (S = 0) \\ \frac{S + 1}{\sqrt[]{V a r (S)}} & (S < 0) \end{array}

(3)S=

\overset{n - 1}{\sum_{i = 1}} \overset{n}{\sum_{j = i + 1}}

sgn

(N D V I_{j} - N D V I_{i})

(4)Var

(S)

\frac{n (n - 1) (2 n + 5)}{18}

(5)sgn(NDVI_j-NDVI_i)=

\{\begin{array}{l} 1 & (N D V I_{j} - N D V I_{i} > 0) \\ 0 & (N D V I_{j} - N D V I_{i} = 0) \\ - 1 & (N D V I_{j} - N D V I_{i} < 0) \end{array}

式中: n为数据集合长度; sgn为符号函数; NDVI_i和NDVI_j为样本时序数据的集合。统计量Z的值在(-¥,+¥)范围内。在给定显著性水平α下,当|Z|>Z_1-_ɑ/₂时,表示时间序列在α水平上存在显著的变化。在本研究中,取α=0.05,判断在0.05置信水平时,2000—2020年黄河流域NDVI变化趋势的显著性。

2.3 Hurst趋势分析方法

Hurst趋势分析法是描述时间序列长期依赖性的可靠方法,定义时间序列 NDVI₍_t₎,t=1,2,··· n,对于任意正整数τ,定义其均值序列^[14]为:

(6)

\bar{N D V I_{(τ)}}

\frac{1}{τ} \overset{τ}{\sum_{t = 1}} N D V I_{(t)}

(τ=1,2,···,n),

(7)计算累积离差: X₍_t_,_τ₎=

\overset{t}{\sum_{t = 1}}

(

N D V I_{(t)}

\bar{N D V I_{(τ)}}

) (1≤t≤τ),

(8)计算极差:

R_{(τ)}

=max_1≤_t_≤_τX₍_t_,_τ₎-min_1≤_t_≤_τX₍_t_,_τ₎ (τ=1,2,···,n),

(9)计算标准差:

S_{(τ)}

{[\frac{1}{τ} \overset{τ}{\sum_{t = 1}} (N D V I_{(t)} - N D V I_{(τ)})^{2}]}^{\frac{1}{2}}

(τ=1,2,···,n),

(10)计算Hurst指数:

\frac{R_{τ}}{S_{τ}}

=(cτ)^H,

式中: 通过使用最小二乘法拟合等式log(R/S)_n=α+H×log(n)获得H值,H为赫斯特指数; Hurst指数值的范围为(0,1)。当H处于[0,0.5]区间时,表明NDVI时间序列未来变化趋势有可能发生逆转,本研究中在空间变化上将其归为变化趋势反持续性; 当H处于[0.5,1]时,其未来的变化趋势与过去变化的一致; 当H=0.5时,其未来趋势变化与过去的变化无关。

2.4 相关性与偏相关性分析

Pearson分析法是通过计算NDVI与降水量和气温的相关系数r,来反映降水和气温对NDVI的影响,r的取值区间为[-1,1]。当r<0表示两者呈负相关; r>0,呈正相关; r=0,则无相关性^[15]。计算公式为:

(11)r=

\frac{\overset{n}{\sum_{i = 1}} (x_{i} - \bar{x}) (y_{i} - \bar{y})}{\sqrt[]{\overset{n}{\sum_{i = 1}} (x_{i} {- \bar{x})}^{2} \sum_{i = 1}^{n} (y_{i} {- \bar{y})}^{2}}}

式中: x_i,y_i为第 i 年的值; $\bar{x}$ , $\bar{y}$ 为年平均值; n为年数。

偏相关分析适用于研究单独两要素之间相关程度的方法,本文分别探究黄河流域不同植被类型NDVI与气候因子的空间偏相关性^[16]。计算公式为:

(12)r_xy_,_z=

\frac{r_{x y} - r_{x z} r_{y z}}{\sqrt[]{(1 - r_{x z}^{2}) (1 - r_{y z}^{2})}}

式中: r_xy_,_z取值区间为[-1,1],r_xy_,_z<0 表明在固定z变量的影响下x与y变量呈负相关,r_xy_,_z>0呈正相关,r_xy_,_z=0则无相关性。

2.5 残差分析

本文中采用的方法基于假设,即植被生长变化仅受气候变化和人类活动的影响。该方法通过对每个像元的NDVI、降水和气温数据进行多元回归分析,得出NDVI的预测值; 然后,将预测值与实际值进行差值运算,得到每年的残差值; 最终,采用一元线性回归对残差值进行趋势分析^[17]。计算过程为:

(13)NDVI_CC=aP+bT+c,

(14)NDVI_HA=NDVI_OBS-NDVI_CC,

(15)s=

\frac{n \times \overset{n}{\sum_{i = 1}} (i \times N D V I_{i}) - \overset{n}{\sum_{i = 1}} i \overset{n}{\sum_{i = 1}} N D V I_{i}}{n \times \overset{n}{\sum_{i = 1}} i^{2} - (\overset{n}{\sum_{i = 1}} {i)}^{2}}

式中: α,b和c为多元回归方程的系数; P为生长季降水量; T为生长季平均气温; NDVI_CC为多元回归方程得出的预测值; NDVI_OBS为实际观测值; NDVI_HA为NDVI实际值与预测值的差值; i为时间变量; n为年数; NDVI_i为第i年气候变化或人类活动主导的NDVI值; s为斜率。

3 结果分析

3.1 不同植被NDVI时序变化特征

通过统计2000—2020年不同植被覆盖区域的年均NDVI,研究黄河流域不同植被覆盖区域NDVI随时间变化的特点。从逐年NDVI均值的变化情况来看,2000—2020年黄河流域内的草地、耕地、灌木和林地区域均以不同的速率波动上升(图2),其各自的增长率分别为草地0.003 6 a^-1、耕地0.005 7 a^-1、灌木0.004 2 a^-1、林地0.005 3 a^-1。总体而言,2000—2020年黄河流域不同植被NDVI年际变化均呈波动上升状态,林地和耕地的增长速度要大于草地和灌木的增长速度。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2 2000—2020年黄河流域各植被区年均NDVI变化图

Fig.2 Annual average of NDVI variation for each vegetation zone in Yellow River basin from 2000 to 2020

3.2 不同植被NDVI空间分布特征

本文基于像元尺度计算了2000—2020年不同植被区NDVI年均值,并将NDVI按值大小分为4类(图3,表1): 低植被区[0.1,0.25),较低植被区[0.25,0.40),中等植被区[0.40,0.55),高植被区[0.55,0.76]。

图3-1

新窗口打开| 下载原图ZIP| 生成PPT

图3-1 2000—2020年黄河流域各植被区植被覆盖等级空间分布

Fig.3-1 Spatial distribution of vegetation cover classes for vegetation zones in Yellow River basin from 2000 to 2020

图3-2

新窗口打开| 下载原图ZIP| 生成PPT

图3-2 2000—2020年黄河流域各植被区植被覆盖等级空间分布

Fig.3-2 Spatial distribution of vegetation cover classes for vegetation zones in Yellow River basin from 2000 to 2020

表1 黄河流域2000—2020年不同植被NDVI植被覆盖等级面积占比

Tab.1 Area share of different vegetation NDVI vegetation cover classes in the Yellow River Basin from 2000 to 2020(%)

植被类型	植被覆盖等级
植被类型	低植被区	较低植被区	中等植被区	高植被区
草地	49	31	19	1
耕地	16	51	30	3
灌木	10	27	52	11
林地	3	14	36	47

新窗口打开| 下载CSV

从图3可以看出,草地主要生长在黄河流域的上游区域,约占黄河流域植被面积的44%。草地覆盖区域大部分为干旱和半干旱气候区,主要集中在河套平原、宁夏平原和鄂尔多斯高原等地,这些地区降水稀少、气候干燥、旱灾频繁、风蚀严重、植被生长易受破坏,所以低植被区与较低植被区域占比较大,分别为49%和31%; 中等植被区域占比为19%; 高植被区所占比例仅为1%(图3(a))。耕地主要生长在黄河流域中下游,少部分生长在上游的河套平原和宁夏平原,占黄河流域植被面积的38%。在耕地区域,较低植被区域分布最为广泛,占整个耕地面积的51%; 其次是中等植被区占比30%; 低植被区与高植被区域所占比例较少,分别为16%和3%(图3(b))。灌木主要生长在黄河流域的上游区域和中游区域,约占整个流域植被面积的9%。在灌木植被区中,中等植被区域所占比例最大为52%,高植被区和较低植被区分别为11%和27%,低植被区占10%(图3(c))。林地主要生长在黄河流域的中下游地区,少部分生长在上游地区,占黄河流域植被面积的9%。在林地区域中,高植被覆盖区域分布最广,占比为47%; 其次为中等植被区,占比为36%; 较低植被区占比14%; 低植被区仅占3%(图3(d))。灌木和林地大部分区域分布在降水量多、气温适宜的半湿润地区,所以其植被覆盖率高。综上,林地和灌木的中高等植被覆盖区域占比高于草地和耕地区域,其中草地低植被区域的占比最大,其主要原因与植被生长的气候区不同有关。

本文进一步分析了不同植被类型NDVI年际变化趋势。从图4和表2可知,草地、耕地、灌木、林地区域通过显著性水平检验且有增加趋势的区域面积分别占各自区域面积的77.2%,90.1%,83.6%和96.7%,轻微改善区域面积分别占各自区域面积的16.9%,5.9%,11.9%和2.5%。基本没有严重退化区域,轻微退化区域主要集中在草地区域的青海省东部和耕地区域的西安市,郑州市以及银川市周围,分别占各自区域面积的1.2%和1.5%。研究表明,城市大规模扩张和过度放牧以及病虫灾害是导致耕地和草地退化的主要原因。综上,不同植被大部分区域在2000—2020年均呈现向上增长的趋势,并且其中呈显著性增长的区域占主要部分。退化区域占比极少,主要在草地和耕地区域。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4 2000—2020年黄河流域各植被区植被NDVI变化趋势

Fig.4 Trends of NDVI variation for vegetation zones in Yellow River basin from 2000 to 2020

表2 黄河流域2000—2020年不同植被NDVI变化趋势等级面积占比

Tab.2 Area share of different vegetation NDVI trend classes in the Yellow River Basin from 2000 to 2020(%)

植被类型		变化趋势等级
植被类型	严重退化	轻微退化	稳定不变	轻微改善	明显改善
草地	0.2	1.2	4.5	16.9	77.2
耕地	0.8	1.5	1.7	5.9	90.1
灌木	0.1	0.9	3.5	11.9	83.6
林地	0.1	0.3	0.4	2.5	96.7

新窗口打开| 下载CSV

基于Hurst指数值域和黄河流域研究区的实际情况,将不同植被区NDVI变化趋势与Hurst指数结果耦合叠加,得到研究区草地、耕地、灌木、林地NDVI变化趋势与持续性的耦合空间结果(图5和表3)。

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5 2000—2020年黄河流域各植被区植被NDVI未来变化趋势

Fig.5 Future trends of NDVI variation for vegetation zones in Yellow River basin from 2000 to 2020

表3 黄河流域不同植被NDVI未来变化趋势等级面积占比

Tab.3 Area share of different vegetation NDVI future trend classes in the Yellow River Basin(%)

植被类型	未来变化趋势等级
植被类型	持续严重退化	持续轻微退化	持续稳定不变	持续轻微改善	持续明显改善	不确定
草地	0.1	0.5	1.6	5.8	40.1	51.9
耕地	0.7	1.2	1.2	4.1	53.3	39.5
灌木	0.1	0.5	2.1	6.9	51.6	39.5
林地	0.1	0.2	0.4	1.8	53.8	43.7

新窗口打开| 下载CSV

整体来看,未来趋势呈反持续性的区域在各植被区占比较重,分别为草地51.9%、耕地39.5%、灌木39.5%、林地43.7%。经过计算发现反持续性的区域中有90%以上的是NDVI增长区域,其中草地有48.2%的增长区域未来的生长趋势呈反持续性,分别为耕地38.6%,灌木37.0%,林地43.6%。而在植被退化的区域中计算得出草地有0.8%的退化区域的未来生长趋势呈反持续性,分别为耕地0.4%,灌木0.4%,林地0.1%。总体而言,黄河流域各植被类型有较大部分NDVI改善区域的未来生长趋势呈反持续性,结合退化区域的占比来看,草地区域未来生长趋势呈反持续性的面积占比最高,其生态发展极不稳定。

3.3 不同植被NDVI沿海拔梯度的分布和趋势变化特征

本文统计分析了黄河流域不同植被NDVI沿海拔梯度的分布和增长趋势变化(图6),来探究不同植被的生长与海拔之间的关系。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6 不同植被NDVI沿海拔梯度的分布和增长趋势变化

注: 海拔带 1—25 分别代表 [0,200),[200,400),[400,600)···[4 600,4 800),[4 800,5 065] m。

Fig.6 Changes of distribution and growth trend of NDVI of different vegetation along elevation gradient

从图6可知,草地主要生长在海拔[600,4 800)m之间,其NDVI增长趋势在海拔[600,2 400)m间波动较大,尤其在海拔[1 000,1 400)m间出现剧烈的下降,经了解发现该海拔区域主要为能源城市鄂尔多斯市和榆林市,该区域能源的开采对植被的增长趋势有一定影响; 在海拔2 400 m之后,气压开始显著变低,空气稀薄,热量不足,草地的增长趋势出现明显下降。耕地主要分布在海拔[0,3 400) m之间,其NDVI增长趋势在 [0,2 200) m之间有波动性变化,但整体上无明显的增加与减少; 在海拔2 200 m之后,其增长趋势随着海拔的升高而迅速降低。灌木主要生长在海拔[800,2 000)m和 [2 800,4 400) m间的高度,在海拔[800,2 400)m间,NDVI增长趋势有轻微变化,整体保持在较高的水平; 在海拔2 400 m后,灌木NDVI的增长趋势随海拔的升高开始剧烈下降,然后缓慢降低到较低的水平。高海拔区域灌木的增长趋势较低的主要原因是气候变暖加剧了高寒区的水分缺失,使其生长受到限制。林地主要分布在海拔 [0,3 600) m之间,其增长趋势整体上随着海拔的升高而逐渐下降。综上,不同植被在海拔上的分布不同,各植被NDVI增长趋势随着海拔的升高表现出不同的下降方式。

4 讨论

4.1 不同植被类型NDVI与气候因子的空间偏相关性

图7为2000—2020年黄河流域各植被区NDVI与气温偏相关系数。空间分布气温和降水是引起植被变化的主要因素,在全球变暖的背景下,黄河流域2000—2020年,草地、耕地、灌木、林地的NDVI年均值呈现逐年波动上升,不同植被类型的大部分区域均呈显著改善趋势。通过偏相关分析发现不同植被大部分区域NDVI与气温均呈正相关(表4)。

图7-1

新窗口打开| 下载原图ZIP| 生成PPT

图7-1 2000—2020年黄河流域各植被区NDVI与气温偏相关系数空间分布

Fig.7-1 Spatial distribution of bias correlation coefficients between NDVI and temperature for vegetation zones in Yellow River basin from 2000 to 2020

图7-2

新窗口打开| 下载原图ZIP| 生成PPT

图7-2 2000—2020年黄河流域各植被区NDVI与气温偏相关系数空间分布

Fig.7-2 Spatial distribution of bias correlation coefficients between NDVI and temperature for vegetation zones in Yellow River basin from 2000 to 2020

表4 黄河流域2000—2020年不同植被NDVI与气温偏相关性等级面积占比

Tab.4 Area ratio of bias correlation classes between different vegetation NDVI and temperature in Yellow River Basin from 2000 to 2020(%)

植被类型	偏相关系数等级
植被类型	[-0.76, -0.3)	[-0.3,0)	[0,0.3)	[0.3,0.5)	[0.5, 0.89]
草地	0.14	5.52	35.10	40.26	18.98
耕地	0.30	10.68	43.65	32.77	12.60
灌木	0.18	7.73	27.56	39.62	25.91
林地	0.28	16.02	36.92	29.52	17.26

新窗口打开| 下载CSV

总体上气温对各植被生长起促进作用。其中草地NDVI与气温正相关区域的占比最大为94.34%,其次为灌木93.09%,耕地89.02%,林地83.70%。在负相关区域中偏相关系数在[-0.76,-0.3)区域占比极少,大部分负相关区域均集中在偏相关系数为[0,-0.3)的区域中,草地、耕地、灌木和林地区的占比分别为5.52%,10.68%,7.73%和16.02%。这些负相关区域主要集中在黄土高原地区,该区域受海拔影响,气压低,随着温度升高水汽蒸发量大,抑制植物叶片进行光合作用,从而影响植被生长,其增长趋势也随之降低。同时,该区域植被以农业种植为主,高温会对植被尤其是农作物生长起到明显的抑制作用^[18]。

降水方面,草地、耕地、灌木和林地植被区的NDVI与降水成正相关的区域的面积占比均达到90%以上,整体上降水对各植被的生长呈现促进作用(图8,表5)。

图8

新窗口打开| 下载原图ZIP| 生成PPT

图8 2000—2020年黄河流域各植被区NDVI与降水偏相关系数空间分布

Fig.8 Spatial distribution of bias correlation coefficients between NDVI and precipitation for vegetation zones in Yellow River basin from 2000 to 2020

表5 黄河流域2000—2020年不同植被NDVI与降水偏相关性等级面积占比

Tab.5 Area ratio of bias correlation classes between different vegetation NDVI and precipitation in Yellow River basin from 2000 to 2020(%)

植被类型	偏相关系数等级
植被类型	[-0.73, -0.3)	[-0.3,0)	[0,0.3)	[0.3,0.5)	[0.5, 0.91]
草地	1.35	6.95	16.99	36.27	38.44
耕地	0.11	4.97	33.29	34.48	27.15
灌木	0.28	3.56	26.35	32.99	36.82
林地	0.02	2.08	40.44	32.89	24.57

新窗口打开| 下载CSV

各植被NDVI和降水呈负相关的区域较少,主要分布在草地和耕地区域,其中草地区域主要分布在青海省东部的果洛藏族自治州和玉树藏族自治州,面积占比为8.30%; 而呈负相关的主要原因是降雨强度增加会导致高海拔区域的草地温度进一步降低,地表积温减少,不利于草地植被生长和发育^[19]。耕地与降水呈负相关区域主要集中在在宁夏北部,陕西省中部以及河南省北部区域,面积占比为5.08%。这些耕地区域种植的作物主要为旱地作物,过多的雨水会抑制其生长。

4.2 不同植被NDVI与气候因子的时间相关性和滞后性

气候对植被的影响存在时间效应,并且时间效应通常低于月尺度上一年的1/4^[7]。基于此,本研究在0~3个月的时间尺度上,对不同时间效应组合与生长季NDVI之间的气温和降水因子进行了相关性分析,得出了黄河流域的不同植被在生长季(4—9月)与气候因子的相关系数(表6)。

表6 黄河流域不同植被区当月NDVI与前0~3个月气温和降水的相关系数^①

Tab.6 Correlation coefficients between NDVI in same month and temperature and precipitation in previous 0~3 months for different vegetation zones in Yellow River basin

植被类型	气候因子	NDVI与气候因子相关系数
植被类型	气候因子	4月	5月	6月	7月	8月	9月
草地	P0	0.462*	0.362	0.435*	0.706**	0.5*	-0.146
	P1	0.051	0.372*	0.431*	0.365	0.706*	0.415*
	P2	0.044	0.175	0.316	0.431*	0.202	0.507**
	P3	-0.081	-0.042	0.123	0.214	0.233	0.265
	T0	0.598**	-0.044	0.108	-0.214	0.443*	0.115
	T1	0.634**	0.524**	-0.094	0.196	-0.175	0.433*
	T2	0.054	0.457*	0.307	0.098	0.206	-0.381*
	T3	0.273	-0.006	0.359	0.276	0.211	-0.053
耕地	P0	0.481*	0.371*	0.092	0.444*	0.387*	-0.039
	P1	0.161	0.507**	0.297	0.006	0.433*	0.372*
	P2	-0.074	0.162	0.451*	0.395*	-0.157	0.255
	P3	-0.080	0.000	0.228	0.284	0.249	-0.087
	T0	0.437*	-0.238	-0.115	-0.304	0.42*	0.047
	T1	0.488*	0.230	-0.172	-0.037	0.275	0.252
	T2	0.048	0.085	0.153	-0.059	0.026	-0.437*
	T3	0.378	-0.007	0.195	0.226	-0.005	-0.136
灌木	P0	0.473*	0.441*	0.316	0.588**	0.406*	-0.172
	P1	0.132	0.413*	0.425*	0.19	0.631**	0.309
	P2	0.081	0.277	0.320	0.477	0.053	0.502*
	P3	-0.093	-0.047	0.232	0.271	0.341	0.164
	T0	0.662**	-0.102	-0.015	-0.261	0.442*	0.109
	T1	0.606**	0.497*	-0.121	0.108	-0.268	0.392*
	T2	0.078	0.375*	0.345	0.100	0.093	-0.493*
	T3	0.206	0.049	0.283	0.298	0.128	-0.231
林地	P0	0.327	0.451*	0.019	0.377*	0.262	-0.135
	P1	0.113	0.413*	0.379*	-0.049	0.411*	0.253
	P2	0.002	0.265	0.359	0.423*	-0.162	0.312
	P3	-0.182	0.031	0.321	0.304	0.253	0.009
	T0	0.596**	-0.202	-0.149	-0.321	0.414*	0.111
	T1	0.439*	0.284	-0.196	-0.037	-0.299	0.285
	T2	0.097	0.033	0.193	-0.112	-0.039	-0.482*
	T3	0.231	0.005	0.057	0.237	-0.029	-0.239

①表中: T: 气温(Temperature); P: 降水(Precipitation); 0: 当月、1: 前1月、2: 前2月、3: 前3月; *表示^*P<0.05,**表示^*P<0.01。

新窗口打开| 下载CSV

结果表明: 降水和气温对各植被影响较为显著,并且具有明显的滞后性。在降水较少的4月,对各植被的生长无滞后影响; 而在降水较多的5—8月,对植被的影响较大,并且滞后影响显著。其中,草地和灌木在生长最旺盛的7月、8月与降水的相关系数值也相应升高; 耕地与林地对降水虽然也表现出相关性和滞后响应,但没有草地和灌木显著。其原因与植被生长特点有关,植被的生长不能直接对降雨量做出反应,而是通过实际土壤湿度做出反应。土壤可以长期储蓄为植被生长提供大部分的水分,但是植被的生长需要更多水分积累才能显著改变。因此,降水较少时对植被的影响较弱,随着降水的增多植被的响应也逐渐显著; 并且草地和灌木由于生长迅速,对降水的响应比耕地和林地要更为明显^[20]。气温方面,在4月份气温与各植被的生长有较显著的相关性,并且3月的气温对4月各植被的生长存在显著的滞后影响。在温度较高的5—8月,气温对植被生长的影响相对较弱,而7、8月的气温则对9月植被的生长产生了显著负相关的滞后影响,草地和灌木对气温的响应更为明显。这是由于在植被生长初期,光合作用和呼吸的适应机制使植物能够在一段时间内承受气候变化的影响,所以气温在3—4月对植被的影响更为显著; 同时,植物根部与叶片之间营养物质传输会有时间间隔,所以这时的时滞性也较为明显^[21]。

总体而言,在各植被的生长初期,气温对其生长具有明显的促进作用并且其时滞性显著。在降水量较为充沛时,对植被生长的促进作用也相应提高,滞后影响显著。草地和灌木对气温和降水最为敏感。同时,鉴于大部分草地生长在干旱区和半干旱区,表明对气候因子的高敏感性和生长环境的差异可能是造成草地未来生长不稳定的主要因素。

4.3 人类活动对黄河流域不同植被的影响

进入21世纪以来,随着一系列生态修复工程的实施,生态环境有了极大的改善^[22]。因此,本文探究人类活动对黄河流域不同植被的影响,并将影响趋势分为以下几类,分别为严重抑制[-0.02,-0.006)、轻微抑制[-0.006,-0.000 6)、基本无影响[-0.000 6,0.000 6)、轻微促进[0.000 6,0.006)和显著促进[0.006,0.026](图9,表7)。

图9

新窗口打开| 下载原图ZIP| 生成PPT

图9 2000—2020年人类活动对黄河流域NDVI影响的空间分布

Fig.9 Spatial distribution of effects of human activities on NDVI in Yellow River basin from 2000 to 2020

表7 2000—2020年人类活动对黄河流域NDVI影响等级面积占比

Tab.7 Area ratio of effects of human activities on NDVI in Yellow River basin from 2000 to 2020(%)

植被类型	影响等级
植被类型	[-0.02, -0.006)	[-0.006, -0.000 6)	[-0.000 6, 0.000 6)	[0.000 6, 0.006)	[0.006, 0.026]
草地	0.02	1.45	15.78	76.43	6.32
耕地	0.17	2.06	3.39	69.81	24.57
灌木	0.01	0.93	11.34	77.94	9.78
林地	0.05	0.48	1.45	83.89	14.13

新窗口打开| 下载CSV

从结果可以看出,人类活动对黄河流域不同植被区域整体上起改善作用,其中耕地和林地改善区域在各自面积中的占比分别为94.38%和98.02%,大于草地(82.75%)和灌木(87.72%)。结合不同植被类型的时空变化特征来看,人类活动的积极影响是林地和耕地的增长速度大于草地和灌木增长速度的主要原因。人类活动对植被生长基本无影响的区域在草地和灌木中的占比大于耕地和林地。然而,人类活动的负面影响也是很明显,其中草地区域的过度放牧与耕地区域的城镇化扩张这种高强度的影响抑制了植被的生长,其面积占比分别为1.47%和2.23%。并且植被生长受人类活动抑制区域与其退化区域的位置和区域面积基本相符,进一步证实了植被退化的主要原因是受人类活动影响。

5 结论

本文对黄河流域不同植被NDVI的特征进行了时空分析,并研究气温和降水以及人类活动对不同植被类型时空变化的影响,主要结论如下:

1)黄河流域不同植被均呈现出逐年上升的趋势,耕地和林地的增长速度大于草地和灌木。不同植被类型在空间分布上存在明显差异,灌木、林地覆盖率高,耕地次之,草地覆盖率最低。不同植被类型NDVI的变化趋势大部分区域均呈显著改善状态,少部分退化区域集中在草地和耕地; 但呈改善趋势区域的植被未来变化趋势呈反持续性的区域占比较大,其中草地的未来变化最不稳定。

2)不同植被类型的分布与生长趋势会随着海拔的不同而存在差异。耕地和林地分布在海拔3 600 m以下的地区,草地和灌木则在海拔上呈双峰型分布。草地、耕地、灌木植被的增长趋势在海拔2 400 m左右时出现显著的下降趋势; 林地的增长趋势表现为随海拔上升而持续缓慢下降。

3)气温和降水对黄河流域大部分区域的各植被类型时空变化呈正相关,降水对各植被类型的促进作用高于气温。气温和降水对黄河流域植被生长存在时滞性,滞后期为1~2个月。各植被类型在生长初期和降水较多时其相关性和时滞性更为明显,草地对气温和降水的影响最为敏感。

4)人类活动对黄河流域不同植被的生长整体上起到促进作用,但一些地区植被生长受到抑制作用,发生退化,主要集中在过度放牧的草地区域和城市扩张的耕地区域。

植被的动态演变与生态系统的安全发展息息相关,今后将以NDVI作为导向,根据已有气象因子、地理因子与其相关性结果并结合社会经济数据等指标来进一步探讨黄河流域生态安全的时空变化。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

Wang

, Biederman

J A

, Knowles

J F

, et al.

Satellite solar-induced chlorophyll fluorescence and near-infrared reflectance capture complementary aspects of dryland vegetation productivity dynamics

[J]. Remote Sensing of Environment, 2022, 270:112858.