基于HANTS算法的疏勒河流域荒漠化时空动态监测

邹明亮,周妍妍,曾建军,韩雅敏,岳东霞*

(兰州大学 资源环境学院，甘肃 兰州 730000)

我国是世界上受荒漠化影响最为严重的国家之一[1],开展荒漠化时空动态监测是荒漠化防治的一项重要基础工作[2].植被作为陆地生态系统中最重要的组成部分，是陆地生态系统中各种生态过程的中枢，同时也是气候变化和人类活动因素对环境影响的敏感指标[3].从植被特征着手，关注其动态变化规律，已经成为国内外荒漠化监测的发展趋势[4].

随着遥感技术不断发展，大面积地和实时地对植被状况进行宏观监测已经成为可能.植被指数作为地表覆盖和植被生长状况简单而有效的度量参数，被广泛地应用在环境和生态等领域.时间序列植被指数能模拟植物的生长过程，反映植被生长状况，更是土地荒漠化动态监测的重要数据来源.但是，由于传感器角度变化、云或霾的干扰、数据传输误差、二向性反射等因素的影响[5-6]，导致时间序列植被指数数据集包含很多噪声，使得植被指数在时间上具有随机性，造成时间序列植被指数曲线季节性和年际间变化不明显，植被物候信息难以辨别[7].因此，深入研究时间序列植被指数的去噪和重构方法，对提高时间序列植被指数的质量具有十分重要的意义，是科学分析时间序列植被指数的重要基础和前提.

文中以干旱区内陆河流域——疏勒河流域为例，利用HANTS方法对该流域2000—2016年时间序列植被指数数据集进行去噪和重构.基于重构后的时间序列植被指数数据集，结合地表温度和空气相对湿度数据，分别应用一元线性回归分析法和扰动指数算法，对该流域近17年来土地荒漠化的空间分布规律和时间变化规律进行深入研究，并对荒漠化时空演替的驱动力进行简要分析.文中的研究成果可为疏勒河流域土地荒漠化防治提供科学依据，研究方法则可为全国土地荒漠化的时空动态监测技术提供新思路.

1 研究区概况

疏勒河流域是甘肃省河西走廊三大内陆河流域之一，地处甘肃省西端，地理坐标在38°00′～42°48′ N，92°11′～98°30′ E之间，海拔1 100～2 010 m.流域总面积为12.44万km2，其中以戈壁、裸岩和沙地为主的未利用地约占流域总面积的78.5%；以低覆盖度草地为主的草地约占流域总面积的19.2%；耕地约占流域总面积的1.0%；水域和林地和分别约占流域总面积的0.6%和0.5%；城乡、工矿、居民用地约占流域总面积的0.2%.

疏勒河流域东邻巴丹吉林沙漠，西连库姆塔格沙漠，北依马鬃山丘陵、戈壁，南邻祁连山，地势呈现南北高、中间低的“马鞍”型.行政区划主要包括甘肃省酒泉市的玉门市、瓜州县、敦煌市、肃北县、阿克塞县的大部分以及青海省天峻县的小面积区域.根据流域地形地貌和行政区划特征，大致可将流域划分3大部分(图1)：南部上游山区，主要包括阿克塞县、肃北县(南)和青海省天峻县小面积区域；中部中下游平原，主要包括玉门市、瓜州县和敦煌市；北部马鬃山山区，主要包括肃北县(北).

疏勒河流域属于典型的大陆荒漠干旱型气候，全年平均气温5.2～10.5 ℃.降雨量时间分布极不均匀，主要集中在5—10月，大部分地区年降雨量在60 mm以下，年蒸发量却高达3 000 mm，是我国极度干旱的地区之一，土地荒漠化异常严重.

图1 疏勒河流域地形与分区

2 数据与方法

2.1 数据来源与预处理

文中主要以美国地质勘探局(USGS)提供的MOD13Q1和MOD11A2遥感数据以及中国国家气象科学数据共享服务平台提供的气象数据为数据来源,其中，MOD13Q1和MOD11A2数据的空间范围为h25v04和h25v05，时间范围为2000年第49天至2016年第361天.MOD13Q1是增强型植被指数(IEV)产品，时间分辨率16 d，空间分辨率为250 m；MOD11A2是陆地地表温度(TLS)产品，时间分辨率为8 d，空间分辨率为1 000 m.气象数据主要包括疏勒河流域境内4个国家气象站点2000—2016年的基本气象要素年值和月值数据集.

利用MRT(MODIS Reprojection tool)和ArcGIS软件对遥感数据集进行投影变换、几何校正、重采样和裁剪等一系列的预处理操作，最终得到兰勃特等积方位投影、几何误差小于1个像元、像元大小为250 m的疏勒河流域MOD13Q1和MOD11A2时间序列数据集.

2.2 研究方法

2.2.1 时间序列谐波分析法(HANTS) 时间序列植被指数不仅能反映地表植被生长状况，还能反映植被季节性变化和年际变动情况等，是荒漠化监测中常用的基础数据.虽然增强型植被指数(IEV)针对归一化植被指数(INDV)在大气噪声、土壤背景和饱和度等问题做出了优化和改进，但是由于时间序列植被指数在采集过程中，会受到诸如传感器自身问题、大气状况和地表状况等因素的影响，这些因素在时空上具有随机性，造成时间序列植被指数波动较大,年内趋势和规律变化不明显，严重制约了时间序列植被指数的进一步分析和使用.

时间序列谐波分析法(Harmonic analysis of time series， HANTS)是一种基于改进的傅里叶分析的平滑和滤波算法，它能充分利用遥感影像存在时间性和空间性的特点，将其空间上的分布规律和时间上的变化规律联系起来[8].HANTS算法的基本原理是：利用所有离散数据生成最小平方拟合曲线，剔除与拟合曲线偏离较大的点，然后根据剩余采样点重新拟合曲线.如此反复几次后，最后生成光滑的曲线，有效去除噪声和云层的影响，重新构建科学、合理的时间序列植被指数数据集.

文中应用HANTS算法，对疏勒河流域2000—2016年时间序列IEV数据集进行去噪，重新构建符合该流域植被物候特征的时间序列IEV数据集，以期为荒漠化的时空动态监测提供科学合理的基础数据.

2.2.2 一元线性回归分析法 荒漠化是指包括气候变异和人类活动在内的种种因素造成的干旱、半干旱和亚湿润干旱区的土地退化过程[9-12]，荒漠化过程是荒漠化研究的核心问题[13].但是，目前国内外荒漠化遥感动态监测中最常用的方法仍是凭借少数的若干期遥感影像，根据荒漠化土地光谱特征或植被指数高低，逐时相地识别和提取各等级的荒漠化斑块，最后再对不同时相的荒漠化斑块进行对比分析，进而实现荒漠化的动态监测.这些方法更倾向于把荒漠化当作一种“状态”而非“过程”来研究，而且空间分辨率较低，无法对荒漠化过程进行像元尺度的动态监测.

一元线性回归分析法是对一组随时间变化的变量进行回归分析，并预测其变化趋势的算法.Stow等用该方法来模拟植被绿度变化率(Greenness-rate of change)，取得较好效果[14].基于时间序列IEV数据集，利用一元线性回归分析法，精确计算每个像元中IEV在研究期内的变化斜率，可以直观反映研究期内时间序列IEV数据集的变化趋势和变化幅度，定量研究荒漠化的过程特征，是荒漠化遥感监测的有效手段.一元线性回归分析法的公式为[15]173

其中,变量i为2000—2016年的年序号；IEV,max,i为经最大值合成处理后第i年的IEV值；S为这条趋势线的斜率.如果S>0,则说明在研究期内IEV是增加的，土地荒漠化趋于改善;反之，如果S<0,则说明在研究期内IEV是减少的，土地荒漠趋于恶化.

2.2.3 扰动指数算法 扰动是自然界中普遍存在的一种现象[16]，是景观在各种时空尺度上偶然发生的不可预测的事件[17]，直接影响生态系统结构和功能演替.扰动按性质可分为积极扰动和消极扰动，各种类型的扰动是自然生态系统演替过程中一个重要的组成部分，许多植物群落和物种与扰动具有密切关系[16].为了能科学、便捷地监测扰动，Mildrexler等[18]根据植被指数与地表温度的显性负相关关系，先后提出并改进了扰动指数的遥感算法，用于监测像元尺度的扰动年际变化和长期变化规律.扰动指数能有效地体现土地荒漠化的时间变化规律[19]，已被广泛地应用于干旱区荒漠化的动态监测中[20-21].扰动指数计算公式为[18]238

(2)

其中，ID,i为第i年的扰动指数；TLS,max,i为经最大值合成处理后第i年的TLS值；TLS,m,i为除第i年外的所有年份TLS,max的均值；IEV,m,i为除第i年外的所有年份IEV,max的均值.

3 结果

3.1 HANTS算法效果评价

图2 代表像元时间序列IEV实测曲线与重构曲线

气象站点的选址往往需要综合考虑当地气象特征和地理条件，选择在既能全面客观反映当地气候特点，又能规避自然和人为因素干扰的地方.因此，文中以2016年为例，以流域境内4个国家气象站点所在的像元为代表，提取4个代表像元2016年HANTS算法处理前后的时间序列IEV数据集(图2)，通过与疏勒河流域植被物候特征进行对比分析，再利用配对样本T检验的方法，对时间序列IEV实测曲线和重构曲线的差异进行检验(表1)，最终实现HANTS算法去噪和重构的效果评价.

表1 IEV实测曲线与重构曲线配对样本T检验结果参数

**表示相关性在0.01层上显著(双尾);T检验显著性Sig值>0.05，表示两组数据无显著性差异.

由图2可知，由于数据本身质量问题，各代表像元的实测IEV数据曲线出现许多不规则的波动，而且植被指数越低的像元，曲线波动越大.但是，经过HANTS算法处理后，IEV曲线变得较为平滑，基本呈现正态分布，与疏勒河流域植被物候特征[22-23]高度吻合，说明HANTS能有效平滑数据，降低噪声影响.

由表1可知，时间序列IEV实测曲线与重构曲线的相关系数、T检验显著性均呈现较高水平，表明HANTS算法处理前后两组数据之间无显著性差异，说明HANTS算法在去除噪声、平滑数据的同时，又能尽可能地保留和提取实测IEV曲线的信号，重构出与实测IEV曲线较一致的IEV曲线.

3.2 土地荒漠化空间分布规律

利用一元线性回归分析法对疏勒河流域2000—2016年像元尺度的IEV变化趋势(S)进行计算，根据S的正负和大小情况，利用自然间断点分级法将疏勒河流域土地荒漠化状况分为4类：重度恶化、轻度恶化、轻微改善和显著改善，并进行空间化表达(图3).然后根据疏勒河流域的分区情况(图1)，分别提取和统计疏勒河流域南部上游山区、中部中下游平原和北部马鬃山山区的荒漠化信息(表2).

图3 疏勒河流荒漠化空间分布

荒漠化状况全流域面积/km2比重/%南部上游山区面积/km2比重/%中部中下游平原面积/km2比重/%北部马鬃山山区面积/km2比重/%重度恶化6 5255.241 5554.001 8803.403 08910.20轻度恶化21 87917.582 1385.509 29216.8010 44934.50轻微改善39 23831.525 63714.5022 45540.6011 14636.80显著改善56 83145.6629 54876.0021 68139.205 60318.50

由图3和表2可知，疏勒河流域荒漠化状况总体趋于改善，其中荒漠化状况改善的面积约占全流域总面积的77.18%，荒漠化恶化的面积约占全流域总面积的22.82%.土地荒漠化空间分布呈现南部上游山区显著改善，中部中下游平原轻微改善，北部马鬃山山区重度恶化的规律.

南部上游山区荒漠化状况呈现改善趋势的面积约占上游总面积的90.5%，其中呈现显著改善的比重高达76%；呈现恶化趋势的面积约占上游总面积的9.5%，其中呈现重度恶化的比重仅有4%.研究表明[24]，热量是限制疏勒河流域上游中高海拔山区植被生长的主要因素，海拔越高，植被对热量的需求越强.疏勒河流域上游附近的气象站多年观测资料显示，近20年来疏勒河流域上游山区温度呈上升趋势[25].随着温度的逐渐升高，上游中高海拔山区植被生长的温度胁迫得以缓解，从而导致上游山区植被生长呈现好转趋势.

中部中下游平原荒漠化状况呈现改善趋势的面积约占中下游总面积的79.8%，其中呈现轻微改善的比重约为40.6%；呈现恶化趋势的面积约占中下游总面积的20.2%，其中呈现轻度恶化的比重约为16.8%.疏勒河流域中下游以冲积平原为主，主要分布着荒漠、草甸、沼泽和农业绿洲4种地类，是干旱区绿洲与荒漠化交替的敏感地带.研究表明[25]，疏勒河中下游平原地区植被受气候要素影响远不及上游地区显著，人类活动是影响该地区植被变化的主要因素.疏勒河流域中下游人口主要集中分布在玉门、瓜州和敦煌等几个面积狭小的绿洲灌区中，广袤的荒漠草原地区人口分布稀疏.因此，流域中下游平原绿洲灌区植被变化较显著，荒漠草原地区变化不显著，总体呈现出轻微改善的趋势.

北部马鬃山山区荒漠化状况呈现恶化趋势的面积约占该区总面积的44.7%，其中呈现重度恶化的比重高达10.2%；呈现改善趋势的面积约占上游总面积的55.3%，其中呈现显著改善的比重仅有18.5%.马鬃山山区由于地理区位独特，矿产资源丰富，是甘肃省重要的边防重地和资源重地.自1992年中蒙边境马鬃山口岸开通以来，尤其是2004年工业园区大规模建设以后，作为甘肃省唯一的边境贸易口岸和重要的矿产资源开采加工园区，马鬃山山区矿产业和畜牧业得到迅速发展，流动人口剧增.社会经济的高速发展和人口的剧增是导致马鬃山山区生态破坏严重，土地荒漠化重度恶化的主要原因.

3.3 土地荒漠化时间变化规律

利用扰动指数的理论和算法，对疏勒河流域历年像元尺度的扰动指数进行计算.再次以疏勒河流域境内4个国家气象站点所在的像元为代表像元，提取4个代表像元历年的扰动指数和空气相对湿度，计算它们的距平百分比(图4)，以期揭示疏勒河流域土地荒漠化的时间变化规律和驱动力.

根据扰动指数的定义可知[18]，在未发生剧烈扰动的年份，扰动指数会在干年和湿年会在正常范围内波动；如果发生了剧烈的消极扰动，扰动指数会高于这个范围；如果发生了剧烈的积极扰动，扰动指数则会低于这个范围.由图4可知，4个代表像元的扰动指数波动较小，扰动指数距平百分比均能保持在±25%之内，说明疏勒河流域土地荒漠化时间变化整体上较稳定.其中，马鬃山站周围2000—2007年主要发生积极扰动，而2007年以后则主要发生消极扰动；敦煌站周围2000—2011年主要发生积极扰动，2011以后主要发生消极扰动，且扰动变化幅度较大；安西站周围2001—2005年主要发生消极扰动，2005—2011年主要发生积极扰动，2011—2016年主要发生消极扰动，总体上扰动变化幅度不大；玉门镇站周围2000—2010年主要发生消极扰动，2010—2013年发生了短时间的积极扰动，2013—2016年主要发生消极扰动.

图4 扰动指数与空气相对湿度距平百分比变化趋势

站点Pearson相关系数显著性扰动指数标准差马鬃山站-0.612∗∗0.0090.118敦煌站-0.535∗0.0270.266安西站-0.651∗∗0.0050.098玉门镇站-0.624∗∗0.0070.199

注：**表示相关性在0.01层上显著(双尾);*表示相关性在0.05层上显著(双尾).

为了进一步分析疏勒河流域土地荒漠化时间动态变化的驱动因子，将历年各站点的基本气象要素数据集与扰动指数数据集进行相关性分析，发现扰动指数与空气相对湿度存在显著的负相关关系(表3).研究表明，凝结水是干旱荒漠地区普遍存在的一种持续稳定的水资源[26]，虽然量非常少，却是荒漠植被赖以生存的最重要水源之一[27].而河西地区空气中的水汽是凝结水形成的主要水分来源[28-29]，因此，空气湿度的高低对荒漠化植被的生长具有十分重要的生态意义，也说明了空气相对湿度的变化对疏勒河流域土地荒漠化演替具有较高的驱动作用.

4 结论

利用HANTS算法对疏勒河流域2000—2016年时间序列IEV数据集进行降噪和重构后，分别利用一元线性回归分析法和扰动指数算法对该流域土地荒漠化的空间分布规律和时间变化规律进行深入研究，并对荒漠化时空演替的驱动力进行简要探讨，最终得到以下结论：

1)HANTS算法能有效地降低时间序列IEV数据集的噪声，去除云雾等因素的影响，重新构建出符合疏勒河流域植被物候规律的时间序列IEV数据集，为荒漠化的时空动态监测提供科学的基础数据.

2)疏勒河流域荒漠化状况总体趋于改善，其中荒漠化状况改善的面积约占全流域的77.18%，荒漠化恶化的面积约占全流域的22.82%.荒漠化空间分布具体呈现南部上游山区显著改善，中部中下游平原轻微改善，北部马鬃山山区重度恶化的规律.

3)南部上游山区荒漠化出现显著改善是随着全球气候变暖，上游中高海拔山区气温上升，植被的温度胁迫得到缓解导致的；而中部中下游平原植被生长主要受人类活动影响，因此在人口分布密集的绿洲灌区荒漠化状况变化较显著，广袤的荒漠草原变化不显著；北部马鬃山山区由于近年来工矿业和畜牧业快速发展，人口数量剧增，对该区生态环境造成较大影响，从而导致该区荒漠化重度恶化.

4)疏勒河流域土地荒漠化时间变化总体比较稳定，各代表像元的扰动指数距平百分比均能保持在±25%之内.其中敦煌站周围波动最大，安西站周围波动最小.

5)荒漠化的时间变化规律与空气相对湿度存在显著负相关关系，说明在疏勒河流域，空气水分对荒漠植被的生长具有重要的生态意义，空气水分的变化是荒漠化演替的重要驱动力.

参考文献:

[1] 王涛.走向世界的中国沙漠化防治的研究与实践[J].中国沙漠,2001,21(1):4.

[2] 国家林业局.第五次中国荒漠化和沙化状况公报[EB/OL]. [2015-12-29].http://www.forestry.gov.cn/main/69/content-831684.html

[3] 郭铌.植被指数及其研究进展[J].干旱气象,2003,21(4):71.

[4] 殷贺,李正国,王仰麟,等.基于时间序列植被特征的内蒙古荒漠化评价[J].地理学报,2011,66(5):653.

[5] MA M G,VEROUSTRAETE F.Reconstructing pathfinder AVHRR land NDVI time-series data for the Northwest of China[J].AdvancesinSpaceResearch,2006,37(4):835.

[6] BRADLEY B A,JACOB R W,HERMANCE J F,et al.A curve fitting procedure to derive inter-annual phenologies from time series of noisy satellite NDVI data[J].RemoteSensingofEnvironment,2007,106(2):137.

[7] CHEN J,JÖNSSON P,TAMURA M,et al.A simple method for reconstructing a high-quality NDVI time-series data set based on the Savitzky-Golay filter[J].RemoteSensingofEnvironment,2004,91(3/4):332.

[8] 李强,张翀,任志远.近15年黄土高原植被物候时空变化特征分析[J].中国农业科学,2016,49(22):4352.

[9] 中华人民共和国林业部防治沙漠化办公室.联合国关于发生严重干旱和/或荒漠化的国家特别是在非洲防治荒漠化的公约[Z].北京:中国林业出版社,1994.

[10] 王涛,朱震达.我国沙漠化研究的若干问题——1.沙漠化的概念及其内涵[J].中国沙漠,2003,23(3):209.

[11] 王涛,宋翔,颜长珍,等.近35 a来中国北方土地沙漠化趋势的遥感分析[J].中国沙漠,2011,31(6):1351.

[12] 王涛,吴薇,薛娴,等.近50年来中国北方沙漠化土地的时空变化[J].地理学报,2004,59(2):203.

[13] 王新军,赵成义,杨瑞红,等.古尔班通古特沙漠南缘荒漠化过程演变的景观格局特征分析[J].干旱区地理,2015,38(6):1213.

[14] STOW D,DAESCHNER S,HOPE A,et al.Variability of the seasonally integrated normalized difference vegetation index across the north slope of Alaska in the 1990s[J].InternationalJournalofRemoteSensing,2003,24(5):1111.

[15] 张莲芝，李明，吴正方，等.基于SPOT NDVI的中国东北地表植被覆盖动态变化及其机理研究[J].干旱资源与环境，2011,25(1):171.

[16] 陈利顶,傅伯杰.干扰的类型、特征及其生态学意义[J].生态学报,2000,20(4):581.

[17] PICKETT S T A,WHITE P S.TheEcologyofNaturalDisturbanceandPatchDynamics[M].Orlando:Academic Press,1985.

[18] MILDREXLER D J,ZHAO M S,HEINSCH F A,et al.A new satellite-based methodology for continental-scale disturbance detection[J].EcologicalApplications,2007,17(1):235.

[19] BADRELDIN N,GOOSSENS R.A satellite-based disturbance index algorithm for monitoring mitigation strategies effects on desertification change in an arid environment[J].Mitigation&AdaptationStrategiesforGlobalChange,2015,20(2):263.

[20] DAWELBAIT M,MORARI F.Monitoring desertification in a Savannah region in Sudan using Landsat images and spectral mixture analysis[J].JournalofAridEnvironments,2012,80:45.

[21] SALINAS C X,MENDIETA J.Effectiveness of the strategies to combat land degradation and drought[J].Mitigation&AdaptationStrategiesforGlobalChange,2013,18(8):1269.

[22] 刘惠峰.基于时序NDVI的疏勒河流域植被覆盖分类研究[D].兰州：兰州大学,2014.

[23] 杨永民,田静,荣媛,等.基于遥感的黑河流域植被物候空间格局提取分析[J].遥感技术与应用,2012,27(2):282.

[24] 周兆叶,宜树华,叶柏生,等.疏勒河上游冻土区高寒草地NDVI分布特征及制约因素分析[J].草业科学,2012,29(5):671.

[25] 齐敬辉,牛叔文,马利邦,等.2000—2014年疏勒河流域植被覆盖时空变化[J].生态与农村环境学报,2016,32(5):757.

[26] KIDRON G J,BARZILAY E,SACHS E.Microclimate control upon sand microbiotic crusts,western Negev Desert,Israel[J].Geomorphology,2000,36(1/2):1.

[27] 李新荣,张元明,赵允格.生物土壤结皮研究:进展、前沿与展望[J].地球科学进展,2009,24(1):11.

[28] 方静,丁永建.荒漠绿洲边缘凝结水量及其影响因子[J].冰川冻土,2005,27(5):755.

[29] 方静,丁永建.荒漠绿洲边缘不同粒径砂砾凝结水量[J].生态学杂志,2009,28(6):1102.