2007—2017年呼倫貝爾沙地植被覆蓋度變化及驅動因素研究

胡新培，田海靜，劉旭升，孔祥吉

(1.呼倫貝爾市國有林場工作站，內蒙古 呼倫貝爾 021000；2.國家林業和草原局調查規劃設計院，北京 100013)

植被是土地覆被的最主要部分，也是反映土地荒漠化和沙化的最重要指標，對全球物質和能量循環具有重要的影響。植被覆蓋度變化是衡量區域生態系統變化的重要指標之一[1],它是氣候和人文因素對環境影響的敏感指標[2]。遙感數據以其在空間上和時間上連續性的優勢，是提取植被覆蓋度的重要數據源。

目前，常用的植被覆蓋度遙感估算方法有3 種：一種是植被指數的估算方法，如經驗模型法、植被指數法、像元分解模型法；第二種則是數據挖掘技術的估算方法，如決策樹分類法、人工神經網絡法；第三種是遙感物理模型的估算方法，如幾何光學模型和輻射傳輸模型的估算等。像元分解模型法是目前較為常用的植被覆蓋度估算方法，由于不依賴于實測數據，原理可靠，計算簡單[3-7]。

呼倫貝爾沙地位于呼倫貝爾草原腹地，被認為是我國東北地區的重要生態屏障及確?！叭薄钡貐^免受風沙侵襲的生態安全線的一部分，也是東北臨近省區生態安全線的起始點。研究該區域的植被覆蓋度動態變化，分析區域植被演變規律，對區域生態環境建設和可持續發展具有重大科學意義和應用價值。本研究借助MODIS遙感衛星對地觀測系統，利用像元二分法模型計算2007―2017年呼倫貝爾沙地及周邊區域生長期平均植被覆蓋度，完成植被空間分布格局和時間變化規律及植被覆蓋度變化對氣候因素的響應。

1 研究區和數據

1.1 研究區概況

呼倫貝爾沙地位于呼倫貝爾草原中部， 117°12′—121°00′E和 47°20′—49°50′N之間，呈不規則狀分布。主要分布于新巴爾虎左旗、新巴爾虎右旗、陳巴爾虎旗、鄂溫克旗、海拉爾區和滿洲里市，由海拉爾河流域、伊敏河流域、新巴爾虎左旗中部三條沙帶和新巴爾虎右旗達賚湖沿岸等地零星分布的沙丘組成。呼倫貝爾沙地地貌以高平原為主，地勢由東向西逐漸降低，南部高于北部，以條帶狀沿海拉爾河、輝河、伊敏河及達賚湖東岸分布，以固定、半固定沙地為主。第五次全國荒漠化和沙化監測顯示，研究區內沙化土地面積占15.79%，其中固定沙地占沙化土地的67.7%、半固定沙地占2.7%、流動沙地占0.2%、露沙地占29.2%。見圖1。

圖1 沙化土地類型空間分布

呼倫貝爾沙地土壤以風沙土為主。固定沙地植被：最典型的以群團狀樟子松為主，伴生山杏、山丁子、錦雞、沙柳以及菊科、禾本科草類，重點分布于南部沙帶，北部沙帶亦有少量分布；半固定、流動沙地植被：最典型的以小葉錦雞、黃柳為主，伴生查巴嘎蒿、冰草、沙蓬、豬毛菜等，重點分布中北部沙地。氣候類型屬于溫帶半濕潤、半干旱草原氣候，年平均氣溫-5～2 ℃，極端氣溫最高35～38 ℃，最低-35～ -40.2 ℃。無霜期90～100 d，年平均降水量150～350 mm，年平均蒸發量1 400～1700 mm。

1.2 數據源及數據處理

時間序列遙感數據為2001年到2017年生長期(5-9月份)MODISNDVI數據，數據空間分辨率為250 m，時間分辨率為16 d，投影方式為Sinusoidal投影。MODISNDVI提高了空間分辨率和葉綠素敏感度，排除了大氣水汽的干擾，調整了合成方法，是 AVHRR NDVI 的延續和升級。為減少時間序列NDVI數據中的隨機噪聲對植被長勢變化趨勢的影響，利用Savitzky-Golay濾波器對NDVI數據集進行去噪處理。該算法目前已經廣泛地運用于數據流平滑除噪，是一種在時域內基于局域多項式最小二乘法擬合的濾波方法[8-9]。

氣象數據來源為中國氣象數據共享服務網的呼倫貝爾沙地及周邊區域近40個氣象站點的降水、溫度和日照數據，通過計算得到年生長期降水、溫度和日照。通過反距離加權平均差值方法得到覆蓋整個研究區的250 m空間分辨率的氣象數據。

利用第五次全國荒漠化和沙化監測數據，來確定呼倫貝爾沙地及周邊區域不同沙地類型的空間分布。監測由原國家林業局統一組織實施，2014年完成，全面使用了分辨率2.5 m的高分辨率遙感數據，依靠目視判讀解譯和地面驗證相結合的方法，保證了監測結果的可靠性。將沙化土地類型劃分為流動沙地(丘)、半固定沙地(丘)、固定沙地(丘)、露沙地、沙化耕地、非生物工程治沙地、風蝕殘丘、風蝕劣地、戈壁9大類。

2 研究方法

2.1 像元二分法模型

像元二分模型的基本原理是設每個像元都可分解為植被和土壤2部分，所得到的光譜信息(如NDVI)即2 種純組分的以面積比例加權的線性組合。其中，純植被所占的面積百分比為研究區的植被覆蓋度[10-11]。具體可表示為：

式中，FVC為植被覆蓋度；NDVI為所求地塊或像元的植被指數；NDVIveg，NDVIsoil分別為純植被和純土壤像元對應的植被指數。

通常情況下，NDVIveg與NDVIsoil取給定置信度的置信區間內的最大值與最小值，以在一定程度上消除遙感圖像噪聲所帶來的誤差[12]。通過分析NDVI數據，并結合植被覆蓋的實際情況，根據頻率統計表，選取土種利用單元內累積頻率為0.5 %的NDVI值為NDVIsoil和土地利用單元內累積頻率為99.5 %的NDVI值為NDVIveg。通過波段運算得到每個像元的植被覆蓋度。

參考全國荒漠化和沙化監測技術規定(2013修訂)對植被覆蓋度進行分級分類[13]。I 級：植被覆蓋度<10%，對應于嚴重沙化土地；Ⅱ級：植被覆蓋度為10%～<25%，風沙流活動明顯或流沙紋理明顯可見的沙化土地或非沙化土地；Ⅲ級：植被覆蓋度為25%～<40%，風沙流活動不明顯的沙化土地或非沙化土地；Ⅳ級：植被覆蓋度≥40%，對應于基本無風沙流活動的沙化土地或非沙化土地。

2.2 標準化降水指數

標準化降水指數(SPI)能夠較好地反映干旱強度和持續時間，使得用同一干旱指標反映不同時間尺度和區域的干旱狀況成為可能[14-15]。SPI通過計算給定時間尺度內降水量的累積概率,能夠在多個時間尺度上進行計算比較,不僅可反映短時間內降水量的變化,如對農業生產有重要影響的土壤水分的動態變化,也可以反映長期水資源的演變情況,如地下水供給、地表徑流等。該指數假設降水量服從Gamma分布，考慮了降水服從偏態分布的實際，隨后又進行了正態標準化處理，使得同一個干旱指數可以反映不同時間尺度和不同類型的水資源狀況。

通過計算SPI并根據表1對年生長期干旱程度進行定義。

表1 基于標準化降水指數的干旱程度劃分標準化降水指數SPI干旱程度-1

2.3 趨勢分析模型

使用非參數趨勢檢驗提高趨勢識別和空間自相關性，并利用變量斜率獲取時間序列變化趨勢的量級。Mann-kendall非參數估計斜率與基于最小二乘法擬合的線性趨勢相比，可以避免時間序列數據缺失以及數據分布形態對分析結果的影響，并且能夠排除時間序列中異常值的干擾[16]。因此，在長時間序列數據集的分析中常常使用非參數估計斜率來檢測變化趨勢的量級[17-19]。Mann-kendall時間序列非參數估計模型計算變量斜率的公式為：

其中：xi和xj分別代表第i年和第j(j>i)年植被生長期累計NDVI值，Median代表計算中位數。

如果顯著性水平P<0.05，且變化斜率為正值，說明NDVI顯著增加，定義為植被恢復；如果P<0.05，且變化斜率為負值，說明NDVI顯著下降，定義為植被退化。

3 研究結果

3.1 2007—2017年植被覆蓋度變化

研究中利用呼倫貝爾沙地及周邊區域2007―2017年歷年生長期平均植被指數，基于像元二分法模型計算得到了歷年生長期植被覆蓋度。圖2(a)―2(c)所示為區域2007，2013和2017年三期植被覆蓋度空間分布，可見呼倫貝爾沙地植被覆蓋度從西到東逐漸增加。結合2007―2013年(表2)和2013―2017年植被覆蓋度分級轉移矩陣(表3)，可知2013年區域植被覆蓋度(67.49%)整體高于2007年(44.22%)，而2017年區域植被覆蓋度(43.63%)整體低于2013年。該區域2007―2017年平均植被覆蓋度走勢圖(圖3)可知該區域植被覆蓋度在2007―2013年呈現明顯的增加現象，而在2013―2017年植被覆蓋度明顯下降。

圖2 2007年、2013年、2017年三期植被覆蓋度空間分布

表2 20072013年植被覆蓋度分級轉移矩陣 %2007年2013年Ⅰ級Ⅱ級Ⅲ級Ⅳ級合計Ⅰ級0.070.240.540.691.54Ⅱ級0.020.333.1311.2714.75Ⅲ級0.010.050.5837.7238.35Ⅳ級0.020.030.0940.7940.93合計0.120.654.3490.4695.57

表3 20132017年植被覆蓋度分級轉移矩陣 %2013年2017年Ⅰ級Ⅱ級Ⅲ級Ⅳ級合計Ⅰ級0.070.010.09Ⅱ級0.310.240.02%0.010.58Ⅲ級0.823.060.340.064.28Ⅳ級0.9917.5325.4046.5990.51合計2.1820.8425.7646.6795.45

圖3 2007—2017年區域平均植被覆蓋度走勢圖

為了分析前后兩期植被覆蓋度的變化及原因，研究中以2013年為時間節點，基于Mann-kendall非參數估計方法，計算該區域2007―2013年、2013―2017年前后兩期植被覆蓋度的變化斜率及顯著性水平，植被覆蓋度顯著性變化空間分布如圖4、圖5。

圖4 2007—2013年植被覆蓋度顯著性變化趨勢

圖5 2013—2017年植被覆蓋度顯著性變化趨勢

結果表明，2007―2013年呼倫貝爾沙地及周邊區域植被覆蓋度呈現整體增加的趨勢，年均增加2.76%，植被覆蓋度顯著增加的區域所占面積比例為20.52%，主要分布在研究區的西南部及中部和東部部分區域；植被覆蓋度顯著下降的區域所占面積比例為0.12%，零星分布在研究區內。2013―2017年呼倫貝爾沙地及周邊區域植被覆蓋度呈現整體下降的趨勢，年平均下降6.57%，植被覆蓋度顯著下降的區域所占面積比例為15.69%，主要分布在研究區的西北部、西南部及中東部部分區域；植被覆蓋度顯著增加的區域所占面積比例為0.01%，零星分布在研究區內。

3.2 不同沙地類型植被覆蓋度變化對比

2007―2013年，不同地類植被覆蓋度均呈現增加趨勢，但增加區域所占面積比例存在較大差異。植被覆蓋度顯著性增加區域所占面積比例最高的地類是有明顯沙化趨勢的土地，為25.75%，之后依次為天然固定沙地、露沙地、人工固定沙地、流動沙地；植被覆蓋度顯著增加區域占比依次為22.66%，22.07%，21.28%，20.24%。不同地類植被覆蓋度顯著下降區域所占面積比例均低于0.2%。見表4。

2013―2017年，不同地類植被覆蓋度均呈現下降趨勢，但下降區域所占面積比例存在較大差異。植被覆蓋度顯著性下降區域所占面積比例最高的地類是流動沙地，為32.14%，之后依次為有明顯沙化趨勢的土地和露非沙化土地，植被覆蓋度顯著下降區域占比依次為21.17%和16.23%。植被覆蓋度顯著下降區域所占面積比例最低的是天然固定沙地，為7.15%，之后依次為人工半固定沙地、沙化耕地、人工固定沙地。見表4。

3.3 植被覆蓋度對氣候因素的響應

研究中考慮了溫度、降水量、云覆蓋比例三個氣候因子，基于歸一化多元回歸分析方法計算各因子對呼倫貝爾沙地及周邊區域植被變化影響系數，系數最高的因子認為是主導氣候因子。研究結果表明，降水是影響該區域植被覆蓋度變化的主導氣候因素，2007―2017年呼倫貝爾沙地及周邊區域生長期植被覆蓋與生長期降水量呈現顯著正相關的關系，相關系數為0.6(圖6)，與溫度呈現非顯著性負相關的關系，與日照的相關性不明顯。植被覆蓋度年際變化與降水量顯著正相關表現為：降水的增加會引起植被覆蓋度的增加，而降水的下降會引起植被覆蓋度的下降。增溫

表4 不同地類植被覆蓋度顯著性變化區域所占面積比例%沙化土地類型2007―20132013―2017顯著增加顯著下降顯著增加顯著下降人工固定沙地21.280.020.019.42天然固定沙地22.660.047.15非沙化土地19.300.150.0116.23沙化耕地18.498.91有明顯沙化趨勢的土地25.750.0521.17人工半固定沙地10.318.10流動沙地20.2432.14天然半固定沙地16.500.0410.95露沙地22.079.55整個研究區20.520.120.0115.69

圖6 2007—2017年生長期平均植被覆蓋度與降水量的散點圖

對植被生長有著正負兩方面的效應：其正面作用是延長生長期節，提高光合作用效率和水分利用率，從而促進植被的生長；而負作用主要在于增加水分消耗而引起干旱，從而不利于植被的生長。植被覆蓋度年際變化與溫度負相關，主要原因是呼倫貝爾沙地及周邊區域為干旱和半干旱區，溫度增加導致地表蒸散量增大進而造成植被退化現象。

通過分析不同地類2007―2017年降水與植被覆蓋度的關系可知，呼倫貝爾沙地及周邊區域各地類植被覆蓋度年際變化均與降水量呈現顯著正相關關系，且相關系數均高于0.7，表現為強正相關。其中，沙化耕地、天然固定沙地、人工固定沙地、天然半固定沙地的相關系數均超過了0.83。詳見表5。

表5 不同地類平均植被覆蓋度與降水量的相關性沙化土地類型rp人工固定沙地0.8610.0007天然固定沙地0.8680.0005非沙化土地0.8170.0021沙化耕地0.8740.0004有明顯沙化趨勢的土地0.7600.0066人工半固定沙地0.7710.0054流動沙地0.8070.0027天然半固定沙地0.8340.0014露沙地0.8140.0023

3.4 2007—2017年降水及旱情分析

由該區域1981―2017年近37年降水走勢圖(圖7)，可知：2015―2017連續三年生長期降水均明顯小于歷史同期值。通過計算標準化降水指數(SPI)，并根據表2對年生長期的干旱程度進行了定義。結果表明，自1999年以來，呼倫貝爾沙地旱情頻發，其中1999—2001年連續三年干旱；2015—2017年同樣連續三年干旱，其中2015年為輕度干旱，2016年和2017年為中度干旱。干旱是限制區域內植被生長的最主要因素。

通過計算研究區內2007―2013年、2013―2017年兩個時期的生長期降水量顯著性變化趨勢空間分布圖(圖8、圖9)，可知，2007―2013年區域內生長期降水量呈現整體增加的趨勢，而2013―2017年生長期降水量呈現整體下降的趨勢。

圖7 1981—2017年研究區植被生長期降水量走勢圖

對比圖4、圖5和圖8、圖9可知，呼倫貝爾沙地2007―2013年在降水量呈現整體增加趨勢的的同時，區域內植被覆蓋度也呈現整體增加趨勢；而2013―2017年降水量下降的情況下，區域內植被度蓋度下降明顯?？梢?，2013年之后，尤其2015―2017年連續三年的干旱，對呼倫貝爾沙地植被覆蓋度影響明顯，干旱嚴重抑制了該區域內草場長勢，導致植被覆蓋度顯著下降。

圖8 2007—2013年生長期降水量變化趨勢圖

圖9 2013—2017年生長期降水量變化趨勢圖

4 結論與討論

本研究利用呼倫貝爾沙地及周邊區域2007―2017年生長期平均植被覆蓋度數據和氣象數據，結合第五次全國荒漠化和沙化監測數據，對區域內植被覆蓋度變化及對氣候因素的響應進行了研究。得出以下研究結論。

1)2007―2017年呼倫貝爾沙地植被覆蓋度呈現先增加后下降的趨勢，其中2007―2013年區域植被覆蓋度呈現整體增加的趨勢，年均增加2.76%，顯著增加的區域所占面積比例為20.52%，主要分布在研究區的西南部及中部和東部部分區域；顯著下降占0.12%，零星分布在研究區內。顯著性增加區域所占面積比例最高的地類是有明顯沙化趨勢的土地，為25.75%。2013―2017年區域植被覆蓋度呈現整體下降的趨勢，年均下降6.57%，顯著下降的區域所占面積比例為15.69%，主要分布在研究區的西北部、西南部及中東部部分區域；顯著增加的區域占0.01%，零星分布在研究區內。顯著性下降區域所占面積比例最高的地類是流動沙地，為32.14%。

2)呼倫貝爾沙地及周邊區域植被覆蓋度年際變化與降水量呈現顯著正相關關系，與溫度呈現非顯著性負相關的關系，與日照的相關性不明顯。說明降水的上下波動會對區域內植被覆蓋帶來直接的影響。植被覆蓋度與溫度負相關，主要原因是增溫在延長植被生長期的同時，也會增加水分消耗，導致地表蒸散量增大，造成植被退化現象。在不同地類中，沙化耕地、天然固定沙地、人工固定沙地、天然半固定沙地植被覆蓋度與降水量的相關系數較高，均超過了0.83。

3)基于SPI的歷年旱情分析結果表明，自1999年以來，呼倫貝爾沙地旱情頻發，其中2015—2017年連續三年干旱，生長期降水均明顯小于歷史同期值，干旱為限制區域內植被生長的最主要因素。降水顯著性變化分析結果表明：2007―2013年區域內生長期降水量呈現整體增加的趨勢，而2013―2017年呈現整體下降的趨勢，這與植被覆蓋度在兩個時期內的變化趨勢一致，說明2015―2017年連續三年的干旱對呼倫貝爾沙地植被覆蓋度影響明顯，干旱嚴重抑制了該區域內草場長勢，導致植被覆蓋度顯著下降。