西南地区植被覆盖度时空演变及其与气候和地形的相关性

陈新明,盘钰春,徐 勇,郭振东,郑志威,戴强玉

(桂林理工大学测绘地理信息学院,广西 桂林 541006)

【研究意义】植被是陆地生态系统的重要成分,对陆地生态系统物质和能量循环发挥着重要作用[1-4]。随着人们对生态环境的日益重视,植被覆盖度的时空演变及影响因素受到广泛关注[5-7]。但目前对西南地区不同植被类型覆盖度与气候因子和地形间的关系尚未充分了解。因此,探究西南地区不同植被类型覆盖度的时空演变特征及其与气候和地形的相关性,对区域生态环境质量监测和生态林业工程效益评估具有重要意义。【前人研究进展】植被群落的形成和变化与所处的地理环境及人类活动密切相关,在空间分布上,不同水热条件影响下植被覆盖存在差异,在时间序列变化上,植被对降水和气温的响应存在较大差异,而区域气候条件和地形因素是决定植被生境的主要地理环境因子[8-11],其中,高程、坡度、坡向和曲率等地形要素间的相互作用会影响地表的水分、热量和光照等条件,从而影响植被的生长状况[12-13]。国内外学者在不同时空尺度上对区域气候条件和地形差异与植被覆盖时空分布差异的相关关系进行了大量研究。Anees等[14]、Song等[15]研究发现,降水对巴基斯坦和达尔罕茂明安联合旗植被生长具有促进作用,而降温对其植被生长具有抑制作用。Mao等[16]研究表明,呼伦湖地区植被覆盖度与降水量呈正相关,与5 ℃积温呈负相关。胡克宏等[17]研究认为,我国丝绸之路经济带沿线省份的植被覆盖空间分异不仅受气候变化影响,还与地形因子存在较强的相关性。徐勇等[12]研究指出,海拔是影响长江流域各流域单元植被空间分异的重要影响因素,而长江流域中游植被生长受地形和气象因子的共同作用。马晓妮等[18]研究发现,降水、气温和海拔等因子是影响黄土高原砒砂岩地区植被覆盖空间分异的主要环境因子,且降水与其他环境因子的交互作用对植被覆盖影响最明显。徐勇等[19]研究证实,气候变化和人类活动共同影响西南地区植被的归一化植被指数(NDVI)时空演变,降水和气温变化对植被生长的促进作用大于抑制作用,且呈现明显的空间异质性。【本研究切入点】迄今,国内外学者针对植被覆盖度时空演变特征的研究主要侧重于区域植被覆盖度与气候和地形的相关性,关于不同类型植被生长对气象因子(降水和气温)偏相关关系和时滞效应及其地形效应(坡度、坡向、曲率和高程)的研究鲜见报道。【拟解决的关键问题】本文分析2000—2020年西南地区不同植被类型植被覆盖度的时空演变特征,探究西南地区不同植被类型植被覆盖度与降水和气温的偏相关关系和滞后性及其与地形因子的耦合关系,旨在为西南地区生态环境综合整治和生态环境保护提供理论支持。

1 材料与方法

1.1 研究区概况

研究区为我国西南地区(97°21′～112°04′E,20°54′～34°19′N)的四川、云南、贵州、重庆和广西等省(市、区)(图1-A)。该区地势起伏大,高程在-20～6304 m,在空间上呈西北高、东南低的分布格局。西南地区以热带季风和亚热带季风气候为主,降雨丰沛,气温较高,热量条件较好,雨热同期,年均气温-2.81～23.94 ℃,年均降水量54.56～2675.54 mm。植被类型复杂多样,包括针叶林、阔叶林、栽培植被、灌丛、草原、草甸和草丛等(图1-B)。西南地区特殊的地理位置、复杂多样的气候条件和脆弱的生态环境,使其成为我国生态环境保护的重点区域之一。

图1 西南地区高程和植被类型比较Fig.1 Spatial distribution of the elevation and vegetation types of southwest China

1.2 数据来源

2000—2020年西南地区植被遥感数据MODIS NDVI来源于美国国家航空航天局发布的 MOD13A3产品(https://ladsweb.modaps.eosdis.nasa.gov/search/),时间分辨率为1个月,空间分辨率为1.0 km。为避免2000年1月数据缺失对试验结果带来的影响,本研究采用最大值合成法生成的2000—2020年MODIS NDVI年最大值数据集,能有效反映西南地区植被覆盖在空间和时间尺度上的分布和变化状况。气象数据为来源于国家气象科学数据中心(https://data.cma.cn/site/index.html)1999—2020年的中国2416个气象站点逐日降水和气温数据。首先,对站点数据进行异常值处理,得到月累积降水和月平均气温;通过ANUSPLIN插值模型,在考虑经度、纬度和高程的基础上生成覆盖全国的降水和气温时间序列,经过裁剪得到研究区1999—2020年月累积降水和月平均气温时间序列。数字高程模型(DEM)数据来源于中国科学院资源环境数据云平台(https://www.resdc.cn/),空间分辨率为1.0 km。植被类型数据来源于《1∶1000000 中国植被图集》,由中国科学院资源环境数据云平台(https://www.resdc.cn/)提供。

1.3 研究方法

1.3.1 像元二分模型 像元二分模型假设像元由植被覆盖地表和无植被覆盖地表两部分构成,所得光谱信息即为像元由植被覆盖地表和无植被覆盖地表以面积比加权的线性组合,植被覆盖地表的面积比即为该像元的植被覆盖度[5]。

FVC= (NDVI-NDVIsoil)/(NDVIveg-NDVIsoil)

式中,FVC为某一像元的植被覆盖度,NDVI为该像元上的归一化植被指数值,NDVIsoil为裸地对应的植被指数值,NDVIveg为纯植被对应的植被指数值。从研究区植被NDVI累积概率分布上分别找出不同时相的5%和95%置信区间值,从所有时相内选出最小5%置信区间值和最大95%置信区间值,分别作为NDVIsoil和NDVIveg的参数值。

1.3.2 Theil-Sen Median趋势分析和 Mann-Kendall显著性检验 Theil-Sen Median趋势分析法具有抗噪性强及受异常值影响小的优点,是一种稳定的非参数斜率估计方法,可反映植被NDVI时间序列数据在一段时间内的变化趋势及用于长时间序列数据变化趋势研究[19]。

Slope=median[(xj-xi)/(j-i) ],∀>i

式中,Slope为变化斜率,xi和xj分别为第i和第j年的植被覆盖度,∀为全称量词,表示“对所有的”“对任意一个”。当Slope>0 时,表示研究时段内该像元的植被覆盖度呈增加趋势,当Slope=0 时,表示研究时段内该像元的植被覆盖度整体基本保持不变,当Slope<0 时,表示研究时段内该像元的植被覆盖度呈减小趋势。

Mann-Kendall显著性检验法具有适用范围广、对样本分布特征无要求及不受少数异常值影响等优点[19],是一种常用的非参数检验法。运用此法对植被覆盖度时间序列变化趋势进行显著性检验,对于给定的置信水平α,当|Z|>Z1-α/2时,时间序列在α水平上存在显著变化趋势,反之无显著变化趋势。

1.3.3 偏相关分析 偏相关分析可探讨不同植被类型与气候因子间的偏相关关系,采用偏相关分析法对2000—2020年西南地区降水和气温进行偏相关分析,计算公式[19]为:

式中,x和y为自变量,Rxy为气候因子与植被覆盖度的相关系数,Rxy·z为剔除变量z影响后变量x与y间的偏相关系数。本研究通过计算植被覆盖度及前0～6个月降水和气温的偏相关系数,并根据一阶偏导得到最大偏相关系数和最大响应的滞后期,揭示西南地区不同植被类型植被覆盖度与降水和气温的偏相关关系及滞后效应。

1.3.4 地形因子提取 地形因子不仅是描述地貌形态的参数,也是植被垂直分布及多样性分布的关键因素。本研究选取坡度、坡向、曲率和高程4个因子对植被覆盖变化驱动力进行研究。参考前人研究结果[20-21],结合实际情况对西南地区坡度、坡向、曲率和高程进行等级划分(表1)。

表1 西南地区地形因子的分级及占比

1.3.5 植被类型提取 参考张远东等[22]的方法,将研究区植被类型划分为针叶林(17.64%)、阔叶林(7.51%)、针阔混交林(0.11%)、高山植被(0.73%)、栽培植被(27.82%)、灌丛(25.17%)、草原(0)、草甸(8.30%)、草丛(12.20%)、沼泽(0.21%)和其他植被(0.31%),本研究选取占比超过1.00%的植被类型即针叶林、阔叶林、栽培植被、灌丛、草甸和草丛为研究对象。

1.4 统计分析

基于植被NDVI时间序列,采用ArcGIS 10.6根据像元二分模型[5]计算覆盖度;基于DEM数据,采用ArcGIS 10.6的表面分析提取坡度、坡向和曲率。基于MATLAB R2016b进行 Theil-Sen Median趋势分析和 Mann-Kendall显著性检验,并根据生成的显著性检验结果将变化趋势划分为极显著变化(|Z|>2.58,置信区间为 99%)、显著变化(1.96<|Z|≤2.58,置信区间为 95%)和不显著变化(0<|Z|≤1.96,无显著变化特征)3个变化等级;利用MATLAB R2016b计算植被覆盖度与气温和降水的相关关系和偏相关关系,并利用t检验法对相关系数进行显著性检验。

2 结果与分析

2.1 西南地区植被覆盖度的时空演变特征

2.1.1 时间变化特征 从图2可看出,在2000—2020年,西南地区植被覆盖度总体上呈波动上升趋势,上升斜率为0.0011/年,但植被覆盖度在2011年呈明显下降趋势;植被覆盖度均值为0.88,最大值出现在2018年,为0.89,最小值出现在2000年,为0.86;针叶林、阔叶林、栽培植被、灌丛、草甸和草丛的植被覆盖度均呈上升趋势,其中阔叶林覆盖度的上升趋势最明显,上升斜率为0.0019/年,草甸覆盖度的上升趋势次之,上升斜率为0.0014/年,而草丛的覆盖度呈波动变化趋势;栽培植被覆盖度的平均值最大,为0.95,其次为针叶林和阔叶林,均为0.91,最小的为草丛,为0.82。综上所述,21年内西南地区植被覆盖度总体呈上升趋势;在植被类型上,针叶林、阔叶林、栽培植被、灌丛、草甸和草丛的覆盖度均呈上升趋势,阔叶林覆盖度的上升趋势最明显,草丛的覆盖度上升速率最小,栽培植被的覆盖度总体上优于其他植被类型。

2.1.2 空间变化特征 从图3-A可看出,西南地区2000—2020年植被覆盖度的变化斜率为-0.042～0.045/年;植被覆盖度呈上升趋势的面积占比为67.00%,其中,呈极显著(P<0.01,下同)上升和显著(P<0.05,下同)上升的面积占比为29.53%,主要分布在四川省南部和东北部、重庆市北部、贵州省西部、云南省东北部及广西的中部和南部(图3-B);植被覆盖度呈下降趋势的面积占比为33.00%,其中,呈极显著下降和显著下降的面积占比为6.16%,主要分布在西南地区各省会城市及周边地区,以四川省成都市及其周边地区、四川省与重庆市交界处较聚集。在植被类型上,2000—2020年阔叶林、针叶林、栽培植被、灌丛和草丛覆盖度呈上升趋势的面积均大于呈下降趋势的面积,呈上升趋势的面积占比分别为61.89%、67.15%、68.15%、69.24%和79.24%;而草甸覆盖度呈下降趋势的面积占比为55.06%,稍大于呈上升趋势的面积。综上所述,2000—2020年西南地区植被覆盖度空间变化特征差异明显,植被覆盖度改善态势表现为从地理位置的东南方向往西北方向逐渐减小。 除草甸外,其余植被类型的覆盖度呈上升趋势的面积均大于呈下降趋势的面积。

图3 2000—2020 年西南地区植被覆盖度的空间变化特征Fig.3 Spatial variation of fractional vegetation cover in southwest China from 2000 to 2020

2.2 植被覆盖度与气象因子的相关分析

2.2.1 植被覆盖度与气象因子的偏相关分析 从图4可看出,西南地区植被覆盖度与降水的偏相关系数在-0.915～0.902(图4-A),与气温的偏相关系数在-0.906～0.994(图4-B);植被覆盖度与降水和气温总体上均呈正相关,平均偏相关系数分别为0.094和0.096;植被覆盖度与降水呈正相关的面积占比63.68%,其中,呈显著和极显著正相关的面积占比10.94%,主要分布在贵州省西部、重庆市南部和四川省东部地区(图4-C);植被覆盖度与气温呈正相关的面积占比62.09%,其中,呈显著和极显著正相关的面积占比13.58%,主要分布在四川省南部、云南省东北部、贵州省西部、重庆市东北部和广西中部(图4-D)。

由表2可知,栽培植被与降水的偏相关系数平均值最大,为0.120,与阔叶林的偏相关系数平均值最小,为0.061;草丛与气温的偏相关系数平均值最大,为0.164,与草甸的偏相关系数平均值最小,为0.007。说明在各类型植被中,栽培植被受降水影响最明显,阔叶林受降水影响最小,草丛受气温影响最明显,草甸受气温影响最小。由表3可知,各类型植被的覆盖度与降水呈正相关的面积占比均大于呈负相关的面积占比,其中,栽培植被与降水呈正相关的面积占比最大,为67.32%;除草甸外,各类型植被覆盖度与气温呈正相关的面积占比均大于呈负相关的面积占比,其中,草丛与气温呈正相关的面积比例最大,为70.96%。可见,西南地区植被覆盖度及针叶林、阔叶林、栽培植被、灌丛、草甸和草丛的植被覆盖度与降水和气温总体上均呈正相关,栽培植被受降水影响最明显,其次是草丛,而阔叶林受降水影响最小;草丛受气温影响最明显,其次是灌丛,而草甸受气温影响最小。

表2 不同植被类型植被覆盖度与降水和气温的偏相关系数

表3 不同植被类型植被覆盖度与降水和气温偏相关的显著性检验

2.2.2 植被覆盖度对气象因子的滞后期分析 西南地区植被覆盖度与植被生长前0～2个月降水和气温的相关系数最大,降水滞后期为植被生长前0～2个月的面积占比88.32%,其中,植被覆盖度响应于当月降水变化的面积占比50.04%,主要分布在四川省东部和西北部、重庆市东部、贵州省西北部和广西南部(图5-A);植被覆盖度响应于植被生长前0～2个月气温的面积占比86.49%,其中,响应于当月气温的面积占比48.14%,略低于响应于降水的占比,主要分布在四川省东部和西北部、云南省东北部、贵州省西部和重庆市南部(图5-B)。

图5 植被覆盖度对降水(A)和气温(B)变化响应的滞后期Fig.5 Lag time of fractional vegetation cover response to precipitation(A) and temperature(B) variation

由于西南地区植被生长主要响应于前0～2个月降水和气温,因此本研究主要分析不同植被类型植被覆盖度与降水和气温前0～2个月的滞后效应。从图5可看出,在不同植被类型降水变化的滞后期中,滞后期为前0～2个月占比最高的是草甸,为90.92%,其次是草丛,为88.77%,最低的是灌丛,为87.79%;在与气温变化的滞后期中,滞后期为前0～2个月占比最高的是栽培植被,为87.28%,其次是草丛,为87.26%,最低的是草甸,为83.96%。

综上所述,西南地区植被生长主要受前0～2个月降水和气温变化的影响,不同植被类型植被覆盖度对降水和气温的响应存在差异。在前0～2个月尺度上,草甸响应于生长前0～2个月降水的滯后期最短,栽培植被响应于生长前0～2个月气温的滯后期最短。

2.3 植被覆盖度的地形效应

2.3.1 植被覆盖度变化与坡度的相关性 从图6-A可看出,植被覆盖度在坡度为0°～2°、2°～6°和6°～15°范围内均以改善为主,其中,坡度范围为2°～6°的植被覆盖度改善态势最明显,改善面积占其总面积的74.10%,植被覆盖度极显著上升和显著上升的面积占35.04%;坡度15°～25°范围内植被覆盖度无明显变化,而当坡度>25°时,植被覆盖度以退化为主,退化面积占其总面积的56.64%,其中,极显著下降和显著下降的面积占9.33%;植被覆盖度平均值在各坡度上无明显差异。可见,植被覆盖度的改善状况随着坡度增大呈先上升后下降变化趋势,植被退化呈先下降后上升变化趋势,改善效果和退化效果均在2°～6°的坡度范围达极值。

图6 植被覆盖度及其变化趋势与地形因子的相关性分析Fig.6 Relationship of fractional vegetation cover and its variation trend with topographic factors

2.3.2 植被覆盖度变化与坡向的相关性 从图6-B可看出,植被覆盖度在正阴坡、半阴坡、半阳坡和正阳坡的变化趋于一致,均以改善为主,改善面积分别占其总面积的67.15%、66.56%、68.04%和66.63%,极显著上升和显著上升面积分别占其总面积的30.08%、29.18%、30.43%和28.91%;在平面上,植被覆盖度以退化为主,退化面积占其总面积的70.27%,其中极显著下降和显著下降的面积占比24.32%;平面植被覆盖度的平均值略低于其他坡向,但差异不明显。说明植被覆盖度仅在平面上退化,在正阴坡、半阴坡、半阳坡和正阳坡上总体上呈改善态势。

2.3.3 植被覆盖度变化与曲率的相关性 从图6-C可看出,曲率范围为-0.2000～0.0000和0.0000～0.2000地区的植被覆盖度以改善为主,改善面积分别占其总面积的66.61%和67.49%,其中极显著上升和显著上升面积占比分别为29.54%和29.57%;而曲率范围为-0.3476～-0.2000和0.2000～0.3545地区的植被覆盖度以退化为主,退化面积占其总面积的58.57%和57.05%,其中极显著下降和显著下降面积占比分别为11.07%和9.40%;植被覆盖度的改善状况随着曲率的增大呈先上升后下降变化趋势,而植被覆盖度退化效果呈先下降后上升变化趋势;植被覆盖度平均值在各曲率上无明显差异。可见,在曲率较小的地区植被覆盖度呈改善态势,在曲率较大的地区植被覆盖度呈退化趋势。

2.3.4 植被覆盖度变化与高程的相关性 从图6-D可看出,西南地区在高程<3000 m和高程>5000 m地区的植被覆盖度以改善为主,其中,在高程<1000 m地区的植被覆盖度改善态势最明显,改善面积占其总面积的76.66%,极显著上升和显著上升面积占39.21%;在3000～5000 m高程范围内,植被覆盖度以退化为主,以在3000～4000 m高程的退化趋势最明显,退化面积占其总面积的69.29%,其中极显著下降和显著下降的面积占14.91%;植被覆盖度平均值在高程上差异较明显,随着高程的上升呈先上升后下降变化趋势,在高程超过4000 m的地区呈明显下降趋势。可见,当高程大于4000 m时,西南地区植被覆盖度的平均值明显低于其他高程,植被覆盖度随着高程的上升呈先改善后退化再改善变化趋势,在3000～4000 m时植被恶化最严重。

3 讨 论

本研究中,2000—2020年西南地区植被覆盖度总体呈上升趋势,得益于长江中上游防护林工程、退耕还林还草、封山育林和岩溶地区石漠化综合治理工程等一系列生态林业工程的实施;灌丛、针叶林、阔叶林和草甸等的面积得到大幅提升,得益于短期内植被覆盖度得到有效改善[23-24];但植被覆盖度在2011年呈明显下降趋势,应与2009—2010年我国西南地区出现的重大旱灾有关[23,26-27],也与植被生长对降水、蒸发和散发等水分盈亏的响应具有累积效应及植被覆盖度对气候变化的响应存在滞后效应有关[19,28];在植被类型上,栽培植被和草丛的植被覆盖度改善程度较大,与茆杨等[29]、皇甫江云等[30]的研究结果一致,其认为在人类长期活动过程中,大量土地被辟为农田,森林被大量砍伐,生态的正向演替速度十分缓慢,形成次生草丛植被较多。本研究也发现,四川省成都市及其周边地区、四川省与重庆市交界处的植被覆盖恶化严重,与前人研究结果一致[22,27-28],说明城镇化及工业化快速发展及建设用地面积的扩展,已导致部分地区植被被非法砍伐、过度放牧及土壤肥力降低。

西南地区植被各类型及整体的覆盖度与降水和气温均呈正相关,但由于西南地区降水丰沛,能在一定程度上满足植被生长所需,植被生长对降水的敏感性降低,而西南地区地貌复杂,地形起伏较大,使得气温的空间分异较明显,因此,植被覆盖度与气温的偏相关系数平均值略大于与降水的偏相关系数平均值,与已有研究结果一致[19,29,31];西南地区整体植被生长主要响应于前0～2个月降水和气温,且不同植被类型对气候变化的响应存在一定差异,与已有研究结果一致[25,32-35];植被覆盖度与降水滞后期最长的是灌丛,最短的是草甸,与气温滞后期最长的是草甸,最短的是栽培植被,与陈亮等[36]、程东亚和李旭东[37]、张曦月[38]研究认为植被类型的独特生理特性会引起其对气候变化的时滞效应差异的观点相符。

陈亮等[36]研究发现,在高程差异大的多山地区,随着高程的上升,植被呈明显的垂直地带性分布,表明高程的差异会影响环境中水分、热量和光照条件分布,进而影响植被生长。本研究中,西南地区的植被覆盖度平均值在高程上变化明显,高程对植被覆盖度的影响大于其他地形因子;植被覆盖度随着高程的上升呈先改善后退化再改善变化趋势,在高程低于1000 m时改善最明显,虽然高程低于1000 m地区以平原、丘陵和低山为主,受人类活动影响较大,会存在部分地区植被覆盖度退化现象,但在此范围内,降水随着高程的增加而增加,促进了植被生长,且大部分生态林业工程的实施也在此高程范围,可极大增加植被覆盖度,与已有研究结果一致[39-40]。

本研究结果表明,西南地区植被覆盖度的改善效果随着坡度增大呈先上升后下降变化趋势,退化效果呈先下降后上升变化趋势;坡度为0°～15°是植被改善的主要区域,该区域充足的水、热条件可促进植被生长,植被覆盖度较高,植被覆盖度改善明显,而坡度>25°是植被覆盖度退化的主要发生区域,由于坡度升高导致坡面上水、热因子分配产生较大差异,坡度大的地区积温少,单位面积上的平均降水量也少,土壤水分容易流失,因此植被退化面积占比大,与已有研究结果一致[41]。

4 结 论

2000—2020年西南地区植被覆盖度总体上呈上升趋势,但变化趋势在地形因子和植被类型上存在差异;植被覆盖度与降水和气温均具有较密切的相关性,但相关性和滞后期均存在明显地域差异。