EN中文

地球信息科学学报 >

2019 , Vol. 21 >Issue 9: 1318 - 1329

DOI: https://doi.org/10.12082/dqxxkx.2019.180696

专栏：青藏高原城镇化的生态环境影响数据挖掘

青海湖流域植被盖度时空变化研究

  • 高黎明 1, 2, 3 ,
  • 张乐乐 , 1, 2, 3, *
展开
  • 1. 青海师范大学地理科学学院,西宁 810008
  • 2. 青藏高原地表过程与生态保育教育部重点实验室,西宁 810008
  • 3. 青海省自然地理与环境过程重点实验室,西宁 810008
*张乐乐（1986-）,男,博士,副教授,主要从事寒区水文与地表过程方面研究。E-mail:

高黎明（1986-）,女,博士,副教授,主要从事生态水文过程研究。E-mail: gaogaotahj@163.com

收稿日期: 2018-12-28

  要求修回日期: 2019-05-20

  网络出版日期: 2019-09-24

基金资助

青海省自然科学基金项目(2017-ZJ-951Q)

国家自然科学基金项目(41705139)

版权

版权所有，未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。
收起

Spatiotemporal Dynamics of the Vegetation Coverage in Qinghai Lake Basin

  • GAO Liming 1, 2, 3 ,
  • ZHANG Lele , 1, 2, 3, *
Expand
  • 1. College of Geography Science, Qinghai Normal University, Xi'ning 810008, China
  • 2. MOE Key Laboratory of Tibetan Plateau Land Surface Processes and Ecological Conservation, Xi'ning 810008, China
  • 3. Qinghai Province Key Laboratory of Phyical Geography and Environmental Process, Xi'ning 810008, China
*ZHANG Lele, E-mail:

Received date: 2018-12-28

  Request revised date: 2019-05-20

  Online published: 2019-09-24

Supported by

National Natural Science Foundation of Qinghai(2017-ZJ-951Q)

National Natural Science Foundation of China(41705139)

Copyright

Copyright reserved © 2010. Office of Journal of Geo-information Science All articles published represent the opinions of the authors, and do not reflect the official policy of the Chinese Medical Association or the Editorial Board, unless this is clearly specified.
Fold

摘要

高寒区植被变化一直是气候和生态学领域关注的热点问题。本研究基于MODIS NDVI数据计算的植被覆盖度数据和高分辨率气象数据,分析了青海湖流域2001-2017年植被覆盖度分布格局及动态变化,探讨了其对气候变化、人类活动和冻土退化的响应。结果表明：① 近十几年青海湖流域植被覆盖度整体表现为增加趋势,不同植被类型增幅存在差异性,草地增幅最大,达到6.1%/10a,其它植被类型增幅在2%~3%/10a之间;② 流域局部地区仍存在植被退化现象,研究期植被退化面积表现为先增加后减小的变化趋势。2006-2011年重度退化区集中在青海湖东岸,2011-2017年重度退化区集中在流域的西北部,这些区域是青海湖流域荒漠分布区,植被覆盖度较低,是今后生态恢复需重点关注的区域;③ 气候变化是流域植被覆盖度变化的主导因素,气候变化对青海湖流域主要植被类型覆盖度变化的贡献率为84.21%,对草原、草甸和灌丛植被覆盖度变化的贡献率分别为81.84%、87.47%和75.96%;④ 人类活动对流域主要植被类型覆盖度变化的贡献率为15.79%,对草原、草甸和灌丛植被覆盖度变化的贡献率分别为18.16%、12.53%和24.04%,环青海湖地区人类活动对植被恢复有促进效应,在青海湖流域北部部分地区人类活动的破坏力度仍大于建设力度;⑤ 冻土退化对青海湖流域草甸和灌丛植被覆盖度变化影响很小,主要影响草原植被覆盖度变化,冻土退化造成草原植被覆盖度增长速率减小了1.2%/10a。

关键词： 青海湖流域; NDVI; 植被覆盖度; 时空变化; 植被退化; 气候变化; 人类活动; 冻土退化

本文引用格式

高黎明 , 张乐乐 . 青海湖流域植被盖度时空变化研究[J]. 地球信息科学学报, 2019 , 21(9) : 1318 -1329 . DOI: 10.12082/dqxxkx.2019.180696

Abstract

Alpine vegetation change has been a hot topic for climate and ecology related studies. Based on the vegetation coverage data derived from MODIS NDVI and high resolution meteorological data, the spatial pattern and temporal changes of the vegetation coverage in Qinghai Lake basin during 2001-2017 and its response to climate change, human activity and permafrost degradation were analyzed in this study. Results showed that the vegetation coverage of Qinghai Lake basin presented an increasing trend in the last decade. There were differences among different vegetation types, with the largest increase of 6.1%/10a in grassland and 2%~3% in other vegetation types, indicating that grasslands are highly vulnerable to climate change and human activities. Vegetation degradation occurred in some areas of the basin, the area of vegetation degradation increased first and then decreased during the study period. The areas of severe degradation were concentrated in the east coast of Qinghai Lake during 2006-2011, and in the northwest of the basin during 2011-2017. These are the desert areas with low vegetation coverage in Qinghai Lake basin, key for future ecological restoration. Climate change is the leading factor of vegetation coverage change in the watershed, contributing 84.21% to vegetation coverage change of main vegetation types in the Qinghai Lake basin, 81.84%, 87.47% and 75.96% to vegetation coverage change of grassland, meadow and shrub, respectively. At different altitudes, air temperature and precipitation have different influences on vegetation coverage change. Precipitation was mainly positively correlated with vegetation coverage change when the altitude is below 4000 m, but mainly negatively correlated while altitude is above 4000 m. With the increase of altitude, the areas where air temperature is positively correlated with vegetation coverage decrease, while the areas where air temperature is negatively correlated increase. The contribution rate of human activities to vegetation coverage change of major vegetation types in the watershed was 15.79%, and that of grassland, meadow and shrub was 18.16%, 12.53% and 24.04%, respectively. Human activities in the area around Qinghai Lake had a promoting effect on vegetation restoration, but in the northern part of Qinghai Lake basin, human activities were still more destructive than construction. The degradation of permafrost had little effect on the change of vegetation coverage of meadow and shrub in Qinghai Lake basin, mainly affecting the change of grassland vegetation coverage. The growth rate of grassland vegetation coverage decreased by 1.2%/10a due to the degradation of permafrost. However, the interaction mechanism between permafrost, hydrology and vegetation is complex, it is hoped that this gap will be filled later.

Key words： Qinghai Lake basin; NDVI; vegetation coverage; spatiotemporal dynamics; vegetation degradation; climate change; human activity; permafrost degradation

1 引言

植被是连接土壤、大气和水分的中枢系统,是陆地生态系统中重要的组成部分,在气候调节、维持生态系统稳定等方面发挥重要作用[1,2,3]。植被覆盖度（Fractional Vegetation Cover,FVC）是植被在地面的垂直投影面积占研究区总面积的百分比,是植物群落覆盖地表状况的综合量化指标,可以反映区域生态环境的改变,同时也是气象数值模型、水文生态模型的重要因子[4],对植被覆盖动态变化的监测具有深远的意义[5]。传统的植被覆盖观测主要通过人工和仪器,这种观测方式比较准确,但受地表空间异质性和人为主观性的影响,不能应对大面积植被观测的要求[6]。基于遥感技术获取的植被指数为大范围开展植被覆盖监测提供了可能性,目前应用比较广泛的植被指数有十几种[7],其中归一化植被指数（Normalized Difference Vegetation Index,NDVI）与植被覆盖度、叶面积指数、生产量和生产力等地表参数联系较为紧密,被国内外学者广泛应用于大尺度、长时间序列的植被覆盖变化研究中[8,9,10,11]。
基于遥感植被覆盖度数据,国内外学者开展了大量的研究。现有结果表明,欧亚大陆植被覆盖在20世纪80至90年代之前趋于增加趋势,之后变化趋势不明显甚至部分地区呈下降趋势[12];中亚干旱区植被覆盖时空变化趋势以增加为主[13]。中国范围内,淮河流域、华北平原、黄土高原以及青藏高原地区近十几年来植被覆盖度主要表现为上升趋势[14,15];长江流域除岷-沱江和太湖流域植被覆盖度为下降趋势,其它区域主要为增加趋势[16]。从驱动因子来看,降水对我国西北、华北地区植被覆盖度变化影响较大,气温则对东北和青藏高原地区植被盖度变化影响较大,而在东南沿海地区,光照条件是影响该区域植被覆盖度的主要因素[14]。
青海湖流域位于青藏高原的东北部,是我国西北干旱区、西南高寒区和东部季风区的交汇区,青海湖是青藏高原生态的重要水体,并对整个青海西部沙漠化起到屏障保护作用,是维系青藏高原东北部生态安全的重要屏障[17,18]。由于气候变化和人类活动的共同作用,青海湖流域植被覆盖也在不断地变化当中。已有研究表明,青海湖流域植被退化造成了土壤温度、水分、有机质的理化参数的变化[19,20,21]。为监测青海湖流域植被变化,潘虹等[22]利用MODIS数据分析了青海湖流域植被盖度的变化趋势及驱动因子,得出2001-2010年流域平均植被覆盖度呈波动上升趋势,但分析驱动因子时仅从整体上分析了气温和降水对植被的影响,并没有考虑空间差异性。Guo等[23]基于MODIS EVI数据分析了青海湖流域植被变化趋势及与气候变化的关系,但其选用的气象格点数据是通过气象站观测数据利用 Kriging插值得到,由于青海湖流域气象观测站点较少且地形复杂,插值得到的气象格点数据可信度还需要进一步评价。骆成凤等[24]将原生植被覆盖度作为划分草甸和草原退化的标准,利用Landsat TM和RapidEye遥感数据分析了青海湖流域植被退化格局。张明等[25]将3a滑动平均后的植被覆盖度作为未退化的植被覆盖度,依据草地植被覆盖度占未退化草地植被覆盖度的比例来判定植被退化状况,利用GIMMS和MODIS分析了青海湖流域植被退化状况。然而,青海湖流域不同植被类型覆盖度变化趋势并不清晰。此外基于遥感的植被退化判定至今没有一个统一的标准,需要在青海湖流域做进一步对比分析。
针对以上背景,本文利用2001-2017年的MODIS NDVI数据,采用像元二分模型得到了青海湖流域植被覆盖度,分析了流域不同植被类型覆盖度时空变化特征,并基于遥感植被覆盖度数据分析了青海湖流域近十几年植被退化格局。本研究对青海省植被恢复、生态建设和可持续发展具有一定的指导意义。

2 研究区概况、数据来源及研究方法

2.1 研究区概况

青海湖流域地处青藏高原东北部,祁连山系南麓,是青藏高原东北部最为重要的自然地理区域。流域位于97°35'E-101°20'E,36°15'N-38°20'N之间,四周环山,海拔在3242~5279 m之间（图1(a)）,流域总面积为29 664 km2。青海湖流域属于典型的高原大陆性气候,年均温度-5~8.5 °C,年均降水量为50~550 mm,降水集中在6-9月,年平均蒸发量达到1300~2000 mm[22]。流域是重要的冻土分布区（图1(b)）,多年冻土区主要分布在流域的西北部地区,该区域海拔较高;季节冻土区主要分布在流域的中东部地区。青海湖流域植被类型多样,空间分布及占流域比重如图1(c)所示。植被类型以草甸和草原为主,面积约为16 557 km2和4599 km2,占流域总面积71.3%。草甸覆盖了流域的大部分区域,草原主要分布在青海湖偏北部区域。灌丛、高山稀疏植被和荒漠在流域分布较少,分别占流域总面积的5.7%、3.2%和3.0%。除此之外,青海湖流域还分布有少量的针叶林和人工栽培植被。
图1 青海湖流域海拔高度、冻土分布和植被类型

Fig. 1 Elevation, permafrost distributio and vegetation types in the Qinghai Lake basin

2.2 数据来源

本研究使用的数据以及对应的数据来源如表1所示。NDVI数据为美国国家航天局（NASA）提供的16d合成的MODIS植被指数产品MOD13A1,空间分辨率为500 m。本文选取研究区范围内的影像（地理范围覆盖全球正弦曲线投影系统中编号为h25v05和h26v05的2个轨道数据）,并利用MRT对研究区2轨数据进行重投影和拼接镶嵌处理,投影转换为WGS84。原始数据在进行年际比较时,为了消除太阳高度角、大气效应等因素的影响,利用最大合成法(MVC)对每年的NDVI数据进行最大值合成[26]。植被类型数据为中国科学院资源环境科学数据中心的“中国100万植被类型空间分布数据”,该数据将我国植被划分为11个植被类型组、54个植被型的796个群系和亚群系,数据空间分辨率为1 km。气象数据为中国科学院青藏高原研究所开发的中国区域高时空分辨率地面气象要素驱动数据集[27],包含近地面气温、气压、空气比湿、风速、向下短波辐射、向下长波辐射、降水率7 个要素,时间分辨率为 3 h,水平空间分辨率 0.1°。该数据集融合了中国气象局常规气象观测数据,其在青藏高原的可信度已得到验证,并被广泛应用于高原的水文过程研究[28,29]。
Tab. 1 Research data and data sources
数据 数据来源
MODIS NDVI数据（2001.01-2017.12） 美国国家航天局（http://ladsweb.nascom.nasa.gov/）
1979-2015年中国高分辨率气象数据 寒区旱区科学数据中心（http://westdc.westgis.ac.cn/）
90 m分辨率DEM数据 地理空间数据云（http://www.gscloud.cn/）
青藏高原冻土分布数据[30] The Cryosphere杂志（https://www.the-cryosphere.net/）
2000年植被类型数据（1:100万） 资源环境数据云平台（http://www.resdc.cn/）

2.3 研究方法

2.3.1 基于NDVI的植被覆盖度估算方法
根据像元二分模型,1个像元的NDVI值表示为由有植被覆盖部分地表与无植被覆盖部分地表的组成。因此将NDVI带入代入像元二分模型,即得出基于 NDVI 的植被覆盖度像元二分模型[31],如式（1）所示。
FVC = NDVI - NDV I soil NDV I veg - NDV I soil
式中：FVC代表植被覆盖度;NDVIsoil是裸土或无植被覆盖区域的NDVI值。理论上应该为0,然而由于大气影响地表湿度条件的改变,NDVIsoil会随着时间而变化,取值范围一般在0.1~0.2之间[32]。NDVIveg代表植被完全覆盖区域的NDVI值,当数据类型不同时,NDVIveg也会有所不同。在实际应用中,植被覆盖类型随土地利用类型而变化,一般选用遥感影像中NDVI值累积概率95%和5%处确定NDVIveg和NDVIsoil的值。
2.3.2 植被变化分析方法
植被覆盖度变化分析采用了线性斜率k和植被覆盖度变化百分率F。k和F的计算公式如下：
k = n × ∑ i = 1 n i × FV C i - ∑ i = 1 n i × ∑ i = 1 n FV C i n × ∑ i = 1 n i 2 - ∑ i = 1 n i 2
F = ( FV C year 2 - FV C year 1 ) / FV C year 1
式中：n为植被覆盖度数据获取的总年数;FVCi为年份i的植被覆盖度;FVCyear1和FVCyear2为2个不同年份的植被覆盖度;k用于分析植被覆盖度的整体变化趋势,当k>0则代表植被覆盖度有所增加,k<0则表示有所减小。F用来衡量植被退化状况,参照中华人民共和国国家标准《天然草地退化、沙化、盐渍化的分级指标》[33],把植被变化程度相应的植被覆盖度降低程度分成5个级别：改善、变化不明显、轻度退化、中度退化和重度退化,相对应植被覆盖度变化百分率范围分别为≥10%、[-10%,10%]、 [-20%,-10%]、[-30%,-20%]和≤-30%。
2.3.3 气候要素与人类活动贡献的分离方法
在三江源地区,李辉霞等[34]采用残差分析法实现气候要素和人类活动对植被生长影响的分离,本研究也采用了该方案对青海湖流域气候和人类活动对植被影响进行分离。该方法具体步骤如下：
（1）设2001年流域植被仅受气候因素影响,以象元作为计算单元,计算FVC与月平均气温和月降水量的相关系数。相关系数的计算方法如下：
r = ∑ i = 1 n ( FV C i - FVC ¯ ) ( y i - y ̅ ) ∑ i = 1 n ( FV C i - FVC ¯ ) 2 ∑ i = 1 n ( y i - y ̅ ) 2
式中：r是相关系数,取值范围为[-1, 1];当r>0代表正相关;r<0代表负相关;FVC和y是分别是植被覆盖度和气象因子; FVC ¯ 和 y ¯ 分别为植被覆盖度和气象因子的平均值。
（2）根据相关系数大小选出与FVC关系最为密切的4个气温月值和4个降水月值,将极差标准化处理后的气温和降水月值作为自变量,建立与FVC之间的线性回归关系：
FVC * = e + a 1 T 1 + a 2 T 2 + a 3 T 3 + a 4 T 4 + a 5 P 1 + a 6 P 2 + a 7 P 3 + a 8 P 4
式中：FVC*为植被覆盖度的模拟值;a1、a2、a3、a4、a5、a6、a7、a8和e为待定系数;T1、T2、T3、T4和P1、P2、P3、P4分别为与FVC相关性排名前4的月气温值和降水值。
（3）取其它年份的实际FVC值与利用式（5）拟合出的FVC*作差,得到的残差就是人类活动造成的FVC改变量。

3 结果及分析

3.1 植被覆盖度时空变化

将NDVIsoil和NDVIveg代入基于NDVI的像元二分模型,计算得到研究期青海湖流域植被覆盖度,然后统计了每个像元的植被覆盖度变化率（图2）。从统计结果来看,2001-2017年青海湖流域植被覆盖度变化率的平均值为3.2%/10a,说明流域植被覆盖度整体表现为增加趋势,这与潘虹等[22]和Guo等[23]得出的结果一致性。从空间分布来看,植被覆盖度呈增大趋势的区域集中在流域西南部,呈减小趋势的区域集中在流域的北部和东部地区。
图2 青海湖流域2001-2017年植被覆盖度变化率

Fig. 2 Vegetation coverage change rate in Qinghai Lake basin during 2001-2017

为了进一步分析不同植被类型盖度变化的差异性,利用ArcGIS软件将植被覆盖度和植被类型数据重采样到相同的分辨率,并统计出了青海湖流域自然植被类型（针叶林、灌丛、荒漠、草原、草甸和高山稀疏植被）覆盖度的时间序列（图3）。从图3中可以看出,不同植被类型盖度存在较大的差异性,灌丛最高,达到66%以上;荒漠最低,平均植被盖度约11%;整体表现为灌丛>针叶林>草原>草甸>高山稀疏植被>荒漠。从变化趋势来看,研究期不同植被类型平均盖度存在波动性,但整体上都表现为上升趋势。为了进一步分析不同植被类型覆盖度变化的差异,利用线性回归给出了不同植被类型2001-2017年植被覆盖度变化率。2001-2017年间青海湖流域草原覆盖度提高最为明显,变化率达到了6.1%/10a;高山稀疏植被盖度增幅最小,为2.2%/10a;荒漠植被覆盖度增加幅度与高山稀疏植较为接近,为2.3%/10a;针叶林、灌丛和草甸植被覆盖度增加幅度略高于高山稀疏植被和荒漠,分别为2.9%/10a、2.6%/10a和2.6%/10a。
图3 青海湖流域2001-2017年平均植被覆盖度变化趋势

Fig. 3 Temporal trends of the vegetation coverage dyanmics in Qinghai Lake basin during 2001-2017

3.2 植被退化时空格局

为了揭示青海湖流域近十几年植被覆盖度动态变化过程,选用了2001、2006、2011和2017这4年的植被覆盖度数据,计算了植被覆盖度变化百分率指标,并结合《天然草地退化、沙化、盐渍化的分级指标》[33]分析了植被退化时空格局。从图4和表2中可以看出,2001-2006年青海湖流域植被有明显改善,改善区域集中在青海湖流域西南部,改善面积达到11 845 km2,占植被覆盖区总面积的49%;约41.2%的区域植被变化不明显,主要分布在青海湖南岸和北部;在青海湖沿岸和流域北部分布有零星退化区,轻度退化、中度退化和重度退化分别占到流域植被覆盖区总面积的5.6%、2.1%和2.1%。2006-2011年,除流域西北部和中南部少部分区域植被覆盖状况继续改善,大部分区域植被覆盖变化不明显。需要注意的是,相比于2001-2006年,2006-2011年流域退化区面积增加了2452.7 km2, 其中轻度退化、中度退化和重度退化区面积分别增长了1695.8、381.2和375.5 km2。2011-2017年相对于2006-2011年,流域植被覆盖改善区增加了3027 km2,植被退化区面积减少了2334 km2,这个时期轻度退化区、中度退化区和重度退化区面积相对于2006-2011年都有明显的减小。从这个结果来看,2001-2017年青海湖流域植被覆盖经历了整体大幅改善、局地退化加剧和改善3个阶段。图4和表2也给出了2017年植被覆盖度相对于2001年的变化状况。总体来说,2001-2017年这17年,青海湖流域植被有明显改善,总体改善面积达到13 817.5 km2,约占植被覆盖区总面积的56.8%,特别是流域的西部和青海湖北岸,改善现象明显。退化区域集中在流域的北部和中部,轻度退化、中度退化和重度退化分别占到流域植被覆盖区面积的4.7%、1.5%和1.4%。
图4 青海湖流域4个时期植被退化空间格局

Fig. 4 Spatial pattern of the vegetation coverage dynamics in Qinghai Lake basin during four periods

Tab. 2 Statistics of the vegetation coverage dynamics in Qinghai Lake basin during four periods
植被退化等级 2001-2006年 2006-2011年 2011-2017年 2001-2017年
面积/km2 比重/% 面积/km2 比重/% 面积/km2 比重/% 面积/km2 比重/%
改善 11 845.0 49.0 5809.8 23.8 8836.8 36.2 13 817.5 56.8
变化不明显 9967.0 41.2 13 751.3 56.5 12 849.0 52.6 8670.8 35.6
轻度退化 1341.7 5.6 3037.5 12.5 1546.7 6.3 1132.8 4.7
中度退化 503.8 2.1 885.0 3.6 504.8 2.1 371.0 1.5
重度退化 511.8 2.1 887.3 3.6 694.3 2.8 352.0 1.4

3.3 植被时空变化的影响因素分析

3.3.1 气温和降水对FVC变化影响
影响植被时空变化的因子较多,气候是影响植被变化的重要因素,青海湖流域自2000年以来气候暖湿趋势明显[35],这为流域植被向良好状况发展提供了有利的自然条件。然而气温和降水在超过植物生长所需的范围后也会表现为对植被生长的限制[36]。为了分析青海湖流域不同区域植被覆盖度与气温、降水的关系,计算了每个格点植被覆盖度序列与所在格点气温、降水数据序列的相关系数并给出了年平均气温和降水的空间分布（图5）。从 图5（a）和5（b）可以看出,青海湖流域北部气温较低降水量较高,而东南部地区气温较高但降水较低。 图5（c）给出了植被覆盖度与年平均气温相关系数的空间分布,流域北部和东部地区植被覆盖度与气温主要呈正相关,这些区域大部分海拔较高,气温是影响该区域的重要因子,气温升高有助于植被的生长;而在流域西南部,海拔相对较低,温度较高,气温升高造成蒸散发增加,是植被生长的限制 因子。图5（d）给出了降水与植被覆盖度的相关系数,可以看出在流域的偏南部,降水与植被覆盖度主要正相关关系,这些区域海拔较低,气温较高,降水增加有利于植被生长;而在流域的北部和西北部地区,由于海拔较高,降水增加造成温度降低,限制了植被生长,造成大部分区域植被覆盖度与降水呈负相关。
图5 青海湖流域气温、降水空间分布及植被覆盖度与气温、降水的相关系数

Fig. 5 Spatial pattern of annual mean temperature and precipitation, and the correlation coefficient between vegetation coverage and temperature and precipitation in Qinghai Lake basin

为了进一步分析不同海拔高度气温、降水与植被覆盖度的相关关系,将海拔分为3000~3500 m、3500~4000 m、4000~4500 m和4500 m以上统计了气温、降水和植被覆盖度不同相关关系区所占的比重（图6）。从图6（a）可以看出,在海拔低于3500 m的区域,气温和植被覆盖度呈显著正相关（α<0.1）的区域占的比重达到6.4%,随着海拔的升高,气温和植被覆盖度呈显著正相关的区域比重开始减小;气温和植被覆盖度呈显著负相关（α<0.1）的区域占比重在海拔低于3500 m的区域最小,随着海拔的增高,气温和植被覆盖度呈显著负相关的区域比重开始增加。原因可能在于青海湖流域高海拔区是多年冻土分布区,气温升高引起的冻土退化造成了土壤含水量降低,使气温成了高海拔区域的限制因子。图6（b）给出了不同海拔区植被覆盖度和降水不同相关关系所占区域面积的比重,可以看出,在海拔高度低于4000 m的地区,降水与植被覆盖度变化呈现明显正相关的区域所占比重较高,然而当海拔高度达到4000 m以上之后,降水与植被覆盖度变化呈现显著负相关的区域所占比重明显高于显著正相关的区域。
图6 不同海拔气温和降水与植被覆盖度的相关关系

Fig. 6 Correlation between temperature, precipitation and vegetation coverage at different altitudes

3.3.2 多年冻土退化对流域主要植被类型FVC变化的影响
青海湖流域是主要的多年冻土分布区,近几十年来,冻土退化已成为不争的事实,冻土退化对植被的影响较为复杂,主要表现为冻土退化导致了地下水位下降,土壤含水量减少,导致植物无法获得地下水分而逐渐死亡或发生不可逆转的演替[37,38]。为了进一步分析冻土退化对青海湖流域植被的影响,选取了典型植被类型（草原、草甸、灌丛）,通过对比多年冻土区和季节冻土区FVC的变化率,来分析冻土退化的影响。从图7中可以看出,2001-2017年多年冻土区和季节冻土区草甸和灌丛FVC的变化率差别较小,说明冻土退化对这两种植被影响不大。但多年冻土区草原FVC的变化率要明显低于季节冻土区,说明冻土退化减缓了草原植被恢复速率。
图7 青海湖流域2001-2017年多年冻土区和季节冻土区FVC变化率对比

Fig. 7 Comparison of FVC variation rate between permafrost regions and seasonal frozen soil regions in Qinghai Lake basin during 2001-2017

3.3.3 季节冻土区气候和人类因素对FVC影响的分离
在季节冻土区,气候和人类因素是影响FVC变化的主要因素。本研究利用2.3.3节中给出的方法,分离气候变化和人类活动对青海湖流域FVC的贡献。首先,计算了2001年FVC与各个月份气温和降水的相关系数,并基于相关系数选出与FVC关系最为密切的4个气温月值和4个降水月值,建立了草原、草甸和灌丛FVC与气象因子之间的线性回归模型,3种植被类型的回归模型F值均通过了 P<0.005的显著性检验（表3）。
表3 基于气候条件的FVC模拟模型

Tab. 3 FVC simulation model based on climate factors

植被类型 回归模型 R2 F 显著性水平
草原 FVC=0.72-0.22T1+4.60T7-5.58T8+0.90×T12-0.39P4+0.13×P6+0.84P7-0.28P8 0.50 2144.40 P<0.005
草甸 FVC=0.63+0.36T1-0.10T7-4.34T11+4.20×T12-0.18P4+0.10×P6+0.06P7-0.16P8 0.65 5355.40 P<0.005
灌丛 FVC=0.68+0.65T3+4.45T7-7.23T8+2.12×T9-0.24P3-0.02×P5+0.61P7-0.30P8 0.44 530.53 P<0.005
由于高分辨率气象格点数据时间尺度限制,只能通过2015年数据来分析近几年气候和人类因素对FVC变化的贡献。利用2015年气象格点数据,结合表3确定的回归模型,计算出了季节冻土区像元尺度草原、草甸和灌丛FVC的模拟值,通过与实际FVC值作差,得到了二者的残差。从计算结果来看,残差的平均值为0.11,表明人类活动对生态环境产生了正影响,在青海湖流域开展的生态保护和治理措施已取得成效,气候变化和人类活动对青海湖流域主要植被类型FVC变化的贡献率分别为84.21%和15.79%。就不同植被类型而言,气候变化和人类活动对草原FVC变化的贡献率分别为81.84%和18.16%,对草甸FVC变化的贡献率分别为87.47%和12.53%,对灌丛FVC变化的贡献率分别为75.96%和24.04%。图8给出了青海湖流域季节冻土区2015年主要植被类型实际FVC值和模拟FVC*值之间残差的空间分布,从图8可以看出,环青海湖地区残差主要为正值,说明生态保护和植被恢复措施在这些区域效果较为明显。负值主要集中在青海湖北部,说明这些区域人类活动的破坏力度仍大于建设力度。
图8 2015年青海湖流域季节冻土区主要植被类型FVC残差

Fig. 8 FVC residues of main vegetation types in seasonal frozen soil regions of Qinghai Lake basin in 2015

4 结论与讨论

4.1 结论

（1）基于MODIS NDVI数据得到的植被覆盖度可以看出,青海湖流域植被覆盖度在2001-2017年整体表现为上升趋势,上升幅度约3.2%/10a。草原覆盖度上升幅度最大,达到6.1%/10a;其它植被类型表现为针叶林>灌丛>草甸>荒漠>高山稀疏植被。
（2）2001-2017年青海湖流域植被覆盖经历了整体大幅改善、局地退化加剧和改善3个阶段。2001-2006年流域植被有明显改善;2006-2011年相对于2001-2006年流域退化区面积有明显增加,退化区集中在青海湖东岸和流域北部;2011-2017年植被盖度再次明显改善,退化区面积明显减小。
（3）气候变化是影响青海湖流域植被覆盖度变化的主要因素,气候变化对流域主要植被类型植被覆盖度变化的贡献率达到84.21%。不同海拔高度,气温和降水对植被覆盖度的影响不同,4000 m以下降水主要与植被覆盖度呈正相关,4000 m以上则主要为负相关;随着海拔增加,气温与植被覆盖度呈正相关的区域减少,呈负相关的区域增加。人类活动对流域主要植被类型覆盖度变化的贡献率为15.79%,说明政府在青海湖流域推行的生态保护政策和植被恢复措施取得了较为明显的效果。青海湖流域是重要的冻土分布区,冻土退化对草甸和灌丛植被覆盖度变化影响不大,但冻土退化造成了草原植被覆盖度增长速率减小了1.2%/10a。

4.2 讨论

青海湖流域气候暖湿化以及政府推行的生态保护措施使得近十几年流域植被盖度明显表现为增加趋势,植被恢复效果比较明显。但从空间分布来看,青海湖东岸以及流域西北部容易受外因影响产生退化,这些区域是流域荒漠植被分布区,是今后生态保护和生态恢复工程需要重点关注的区域。青海湖流域北部退化不明显,但不少区域植被变化率为负值,且人类活动的破坏力度仍大于建设力度,也是今后需要关注的区域。此外,青海湖流域作为重要的冻土分布区,虽然本研究给出了冻土退化对植被的影响,但冻土—水文—植被之间的相互作用机理较为复杂,这也是之后研究要重点解决的问题之一。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
孙红雨, 李兵 . 中国地表植被覆盖变化及其与气候因子关系[J]. 遥感学报, 1998,2(3):204-210.

[ Sun H Y, Li B . Analysis of the vegetation cover change and the relationship between NDVI and environmental factors by using NOAA time series data[J]. Journal of Remote Sensing, 1998,2(3):204-210. ]

[2]
李新鸽, 朱连奇, 陈超男 . 2000-2015年河南省植被NDVI时空变化特征分析[J]. 河南大学学报(自然科学版), 2018,48(5):554-564.

[ Li X G, Zhu L Q, Chen C N . Analysis on the temporal and spatial variations of vegetation NDVI in Henan province from 2000 to 2015[J]. Journal of Henan University (Natural Science), 2018,48(5):554-564. ]

[3]
候勇, 陈文龙, 钟成 . 内蒙古地区植被覆盖度时空变化遥感监测[J]. 东北林业大学学报, 2018,46(11):35-40.

[ Hou Y, Chen W L, Zhong C . Time and spatial variations of fractional vegetation coverage in inner Mongolia by remote sensing monitoring[J]. Journal of Northeast Forestry University, 2018,46(11):35-40. ]

[4]
黄林峰, 田鹏举, 帅士章 , 等. 2000-2016年赤水河流域植被生态质量变化分析[J]. 中低纬山地气象, 2018,42(5):20-24.

[ Huang L F, Tian P J, Shuai S Z , et al. Analysis of Eco-Environment quality variation of vegetation in Chishui river basin from 2000 to 2016[J]. Mid-low Latitude Mountain Meteorology, 2018,42(5):20-24. ]

[5]
熊俊楠, 彭超, 程维明 , 等. 基于MODIS-NDVI的云南省植被覆盖度变化分析[J]. 地球信息科学学报, 2018,20(12):1830-1840.

[ Xiong J N, Peng C, Cheng W M , et al. Analysis of vegetation coverage change in Yunnan province based on MODIS-NDVI[J]. Journal of Geo-information Science, 2018,20(12):1830-1840. ]

[6]
韩红珠, 白建军, 张波 , 等. 基于MODIS时序的陕西省植被物候时空变化特征分析[J]. 国土资源遥感, 2018,30(4):125-131.

[ Han H Z, Bai J J, Zhang B , et al. Spatial-temporal characteristics of vegetation phenology in Shanxi Province based on MODIS time series[J]. Remote Sensing for Land and Resources, 2018,30(4):125-131. ]

[7]
张学玲, 张莹, 牛德奎 , 等. 基于TM NDVI的武功山山地草甸植被覆盖度时空变化研究[J]. 生态学报, 2018,38(7):2414-2424.

[ Zhang X L, Zhang Y, Niu D K , et al. Spatial-temporal dynamics of upland meadow coverage on Wugong Mountain based on TM NDVI[J]. Acta Ecologica Sinica, 2018,38(7):2414-2424. ]

[8]
Tong X, Brandt M, Hiernaux P , et al. Revisiting the coupling between NDVI trends and cropland changes in the Sahel drylands: A case study in western Niger[J]. Remote Sensing of Environment, 2017,191:286-296.

[9]
Pettorelli N, Vik J O, Mysterud A , et al. Using the satellite-derived NDVI to assess ecological responses to environmental change[J]. Trends in Ecology & Evolution, 2005,20(9):503-510.

[10]
孙庆龄, 李宝林, 许丽丽 , 等. 2000-2013年三江源植被NDVI变化趋势及影响因素分析[J]. 地球信息科学学报, 2016,18(12):1707-1716.

[ Sun Q L, Li B L, Xu L L , et al. Analysis of NDVI change trend and its impact factors in the Three-River Headwater Region from 2000 to 2013[J]. Journal of Geo-information Science, 2016,18(12):1707-1716. ]

[11]
何金苹, 徐长春, 李晓菲 , 等. 开都—孔雀河流域NDVI动态变化及其与气温和降水的联系[J]. 水土保持研究, 2018,25(6):329-334.

[ He J P, Xu C C, Li X F , et al. Change trend of NDVI and its response to temperature and precipitation in long times series in Kaidu-Kongqi river basin[J]. Research of Soil and Water Conservation, 2018,25(6):329-334. ]

[12]
Zhao J, Zhang H, Zhang Z , et al. Spatial and temporal changes in vegetation phenology at middle and high latitudes of the Northern Hemisphere over the past three decades[J]. Remote Sensing, 2015,7(8):10973-10995.

[13]
邓兴耀, 姚俊强, 刘志辉 . 基于GIMMS NDVI的中亚干旱区植被覆盖时空变化[J]. 干旱区研究, 2017,34(1):10-19.

[ Deng X Y, Yao J Q, Liu Z H . Spatiotemporal dynamic change of vegetation coverage in arid regions in Central Asia based on GIMMS NDVI[J]. Arid Zone Research, 2017,34(1):10-19. ]

[14]
赵明伟, 王妮, 施慧慧 , 等. 2001 -2015年间我国陆地植被覆盖度时空变化及驱动力分析[J]. 干旱区地理, 2019(2):324-331.

[ Zhao M W, Wang N, Shi H H , et al. Spatial-temporal variation and its driving forces of vegetation coverage in China from 2001 to 2015[J]. Arid Land Geography, 2019(2):324-331. ]

[15]
卓嘎, 陈思蓉, 周兵 . 青藏高原植被覆盖时空变化及其对气候因子的响应[J]. 生态学报, 2018,38(9):3208-3218.

DOI

[ Zhuo G, Chen S R, Zhou B . Spatio-temporal variation of vegetation coverage over the Tibetan Plateau and its responses to climatic factors[J]. Acta Ecologica Sinica, 2018,38(9):3208-3218. ]

[16]
张亮, 丁明军, 张华敏 , 等. 1982-2015年长江流域植被覆盖度时空变化分析[J]. 自然资源学报, 2018,33(12):30-43.

[ Zhang L, Ding M J, Zhang H M , et al. Spatiotemporal variation of the vegetation coverage in Yangtze river basin during 1982-2015[J]. Journal of Natural Resources, 2018,33(12):30-43. ]

[17]
高黎明, 张乐乐, 陈克龙 . 青海湖流域湿地小气候特征分析[J]. 干旱区研究, 2019,36(1):186-192.

[ Gao L M, Zhang L L, Cheng K L . Microclimate in an alpine wetland in the Qinghai Lake basin[J]. Arid Zone Reserch, 2019,36(1):186-192. ]

[18]
张乐乐, 高黎明, 陈克龙 . 青海湖流域瓦颜山湿地辐射平衡和地表反照率变化特征[J]. 冰川冻土, 2018(6):1216-1222.

[ Zhang L L, Gao L M, Chen K L . The variation characteristics of radiation balance and surface albedo in Wayanshan Wetland in the Qinghai Lake watershed[J]. Journal of Glaciology and Geocryology, 2018(6):1216-1222. ]

[19]
张法伟, 郭竹筠, 李以康 , 等. 青海湖芨芨草干草原植被退化对土壤温湿特征的影响[J]. 干旱区研究, 2013,30(2):219-225.

[ Zhang F W, Guo Z Y, Li Y K , et al. Effect of soil temperature and volumetric moisture content on vegetation degeneration over the achnatherum splendens steppe around the Qinghai Lake, China[J]. Arid Zone Reserch, 2013,30(2):219-225. ]

[20]
刘淑丽, 林丽, 张法伟 , 等. 放牧季节及退化程度对高寒草甸土壤有机碳的影响[J]. 草业科学, 2016,33(1):11-18.

DOI

[ Liu S L, Liu L, Zhang F W , et al. Effects of grazing season and degradation degree on the soil organic carbon in alpine meadow[J]. Pratacultural Science, 2016,33(1):11-18. ]

[21]
李以康, 欧阳经政, 林丽 , 等. 高寒草甸植被退化过程中生物土壤结皮演变特征[J]. 生态学杂志, 2015,34(8):2238-2244.

[ Li Y K, Ouyang J Z, Lin L , et al. Evolution characteristics of biological soil crusts (BSCs) during alpine meadow degradation[J]. Chinese Journal of Ecology, 2015,34(8):2238-2244. ]

[22]
潘虹, 顾海敏, 史建桥 , 等. 基于RS和GIS的青海湖流域植被覆盖度变化与驱动因子研究[J]. 资源开发与市场, 2016,32(7):827-831.

[ Pan H, Gu H M, Shi J Q , et al. Study on changes of vegetation fraction and its driving factors in Qinghai Lake basin based on RS and GIS[J]. Resource Development & Market, 2016,32(7):827-831. ]

[23]
Guo W, Ni X, Jing D , et al. Spatial-temporal patterns of vegetation dynamics and their relationships to climate variations in Qinghai Lake Basin using MODIS time-series data[J]. Journal of Geographical Sciences, 2014,24(6):1009-1021.

DOI

[24]
骆成凤, 许长军, 游浩妍 , 等. 2000-2010年青海湖流域草地退化状况时空分析[J]. 生态学报, 2013,33(14):4450-4459.

[ Luo C F, Xu C J, You H Y , et al. Analysis on grassland degradation in Qinghai Lake Basin during 2000-2010[J]. Acta Ecologica Sinica, 2013,33(14):4450-4459. ]

[25]
张明, 崔军, 曹学章 . 青海湖流域草地退化时空分布特征[J]. 生态与农村环境学报, 2017,33(5):44-50.

[ Zhang M, Cui J, Cao X Z . Spatio-temporal distribution of grassland degradation in Qinghai-Lake valley[J]. Journal of Ecology and Rural Environment, 2017,33(5):44-50. ]

[26]
王佃来, 刘文萍, 黄心渊 . 基于Sen+Mann-Kendall的北京植被变化趋势分析[J]. 计算机工程与应用, 2013,49(5):13-17.

[ Wang D L, Liu W P, Huang X Y . Trend analysis in vegetation cover in Beijing based on Sen+Mann-Kendall method[J]. Computer Engineering and Applications, 2013,49(5):13-17. ]

[27]
何杰, 阳坤 . 中国区域高时空分辨率地面气象要素驱动数据集[OL]. 寒区旱区科学数据中心, 2011.

[ He J, Yang K . China meteorological forcing dataset[OL]. Cold and Arid Regions Science Data Center at Lanzhou, 2011. ]

[28]
Yang K, He J, Tang W , et al. On downward shortwave and longwave radiations over high altitude regions: Observation and modeling in the Tibetan Plateau[J]. Agricultural and Forest Meteorology, 2010,150(1):38-46.

[29]
杜娟, 文莉娟, 苏东生 . 三套再分析资料在青藏高原湖泊模拟研究中的适用性分析[J]. 高原气象, 2019,38(1):101-113.

[ Du J, Wen L, Su D . Reliability of three reanalysis datasets in simulation of three alpine lakes on the QinghaiTibetan Plateau[J]. Plateau Meteorology, 2019,38(1):101-113. ]

[30]
Zou D, Zhao L, Sheng Y , et al. A new map of permafrost distribution on the Tibetan Plateau[J]. The Cryosphere, 2017,11(6):2527.

[31]
王宁, 陈民, 郝多虎 , 等. 基于NDVI估算植被覆盖度的研究—以滁州市为例[J]. 测绘与空间地理信息, 2013,36(5):51-54,57.

[ Wang N, Chen M, Hao D H , et al. Trend analysis in vegetation cover in Beijing based on Sen+Mann-Kendall[J]. Geomatics & Spatial Information Technology, 2013,36(5):51-54,57. ]

[32]
Carlson T N, Ripley D A . On the relation between NDVI, fractional vegetation cover, and leaf area index[J]. Remote Sensing of Environment, 1997,62(3):241-252.

DOI

[33]
中华人民共和国国家质量监督检验检疫总局. 中华人民共和国国家标准:天然草地退化、沙化、盐渍化的分级指标[S]. 北京: 中国标准出版社, 2004.

[ General Administration of Quality Supervision, Inspection and Quarantine of the People's Republic of China. National Standard of the People's Republic of China: Parameters for Degradation, Sandification and Salification of Rangelands[S]. Beijing: Standards Press of China, 2004. ]

[34]
李辉霞, 刘国华, 傅伯杰 . 基于NDVI的三江源地区植被生长对气候变化和人类活动的响应研究[J]. 生态学报, 2011,31(19):5495-5504.

[ Li H X, Liu G H, Fu B J . Response of vegetation to climate change and human activity based on NDVI in the Three-River Headwaters region. Acta Ecologica Sinica, 2011,31(19):5495-5504. ]

[35]
伊万娟, 李小雁, 崔步礼 , 等. 青海湖流域气候变化及其对湖水位的影响[J]. 干旱气象, 2010,28(4):375-383.

[ Yi W J, Li X Y, Cui B L , et al. Climate change and impact on water level of the Qinghai lake watershed[J]. Journal of Arid Meteorology, 2010,28(4):375-383. ]

[36]
王志鹏, 张宪洲, 何永涛 , 等. 2000-2015年青藏高原草地归一化植被指数对降水变化的响应[J]. 应用生态学报, 2018,29(1):75-83.

[ Wang Z P, Zhang X Z, He Y T , et al. Response of normalized difference vegetation index (NDVI) to precipitation changes on grassland of Tibetan Plateau from 2000 to 2015[J]. Chinese Journal of Apploed Ecology, 2018,29(1):75-83. ]

[37]
梁四海, 万力, 李志明 , 等. 黄河源区冻土对植被的影响[J]. 冰川冻土, 2007,29(1):45-52.

[ Liang S H, Wang L, Li Z M , et al. The effect of permafrost on alpine vegetation in the source regions of the Yellow River[J]. Journal of Glaciology and Geocryology, 2007,29(1):45-52. ]

[38]
冯雨晴, 梁四海, 吴青柏 , 等. 冻土退化过程中植被覆盖度的变化研究[J]. 北京师范大学学报(自然科学版), 2016,52(3):311-316.

[ Fen Y Q, Liang S H, Wu Q B , et al. Vegetation responses to permafrost degradation in the Qinghai-Tibetan Plateau[J]. Journal of Beijing Normal University, 2016,52(3):311-316. ]

Options
文章导航

/

〈 〉