科爾沁沙地植被覆蓋變化及其與氣候因子的關(guān)系研究

魏豐良，劉廷璽，張圣微，丁 磊，崔德新，趙澤峰

（1.內(nèi)蒙古農(nóng)業(yè)大學(xué)，呼和浩特010018；2.內(nèi)蒙古自治區(qū)灌溉排水發(fā)展中心，呼和浩特010018）

近年來(lái)，隨著全球環(huán)境變化和人類的不合理利用，大部分干旱和半干旱地區(qū)的生態(tài)系統(tǒng)遭到嚴(yán)重的破壞，處于荒漠化的邊緣［1］。過度放牧和對(duì)森林的過度砍伐導(dǎo)致科爾沁草地大面積荒漠化［2］，對(duì)中國(guó)北部草原構(gòu)成嚴(yán)重的生態(tài)威脅［3］。盡管在過去的很多年里，人們通過種植或建造沙漠流動(dòng)障礙物等措施在一定程度上控制沙漠的移動(dòng)［4］，但在依靠植被種植治沙效果不明顯的區(qū)域，如何更好地通過合理的管理天然植被來(lái)治理和防止荒漠化成為了研究的焦點(diǎn)［5］。近年來(lái)基于遙感技術(shù)的植被覆蓋變化及其相關(guān)的研究方法應(yīng)運(yùn)而生。利用遙感技術(shù)較傳統(tǒng)方法既節(jié)省了大量的野外調(diào)查和實(shí)驗(yàn)的時(shí)間和科學(xué)研究的經(jīng)費(fèi)，又提高了工作效率，最重要的是能更加直觀的揭示植被分布的規(guī)律。植被指數(shù)是由可見光和紅外波段建立起來(lái)的線性和非線性組合，大量研究結(jié)果表明，利用紅光和紅外波段的不同組合進(jìn)行植被研究效果很好［6］。段利民等［7］通過遙感技術(shù)研究了科爾沁沙地地下水與NDVI的時(shí)空變異性。

雖然NDVI是應(yīng)用最為廣泛的植被指數(shù)，但也有其局限性，如高值區(qū)的飽和、沒有考慮背景值對(duì)指數(shù)的影響等［8］。秦鵬等［9］基于 ASTER 影像提取NDVI與SAVI進(jìn)行了比較，提出SAVI對(duì)于各種地類的值域較寬，反映綠色植被內(nèi)部差異信息較明顯。通過計(jì)算得到的SAVI序列很好地代表了研究區(qū)植被生長(zhǎng)狀況的好壞，但是進(jìn)一步研究其植被覆蓋變化的時(shí)空變異性及其與氣候因子的關(guān)系，為荒漠化防治提供理論依據(jù)顯得至關(guān)重要。

隨機(jī)序列變異性研究的主要研究手段有地統(tǒng)計(jì)學(xué)方法、混沌理論及經(jīng)驗(yàn)正交函數(shù)分解法等，其中熵作為度量不確定性和無(wú)序性的一種方法，自Shannon于1948年提出信息熵的概念后，近年來(lái)其應(yīng)用得到了很大的推廣，涉及了諸多研究不確定性問題的科學(xué)領(lǐng)域［10］。董闖［11］等運(yùn)用了邊際熵、分配熵和強(qiáng)度熵分別在年內(nèi)和年際尺度上對(duì)時(shí)間序列的變化進(jìn)行了研究，分析了石羊河流域8個(gè)氣象站50a的降雨時(shí)間序列的時(shí)空變異性。

以往對(duì)科爾沁沙地植被的研究中，僅僅局限于植被生長(zhǎng)因素（如地下水位、降雨等）和植被（植被指數(shù)）之間的響應(yīng)關(guān)系，或者針對(duì)某一種植物的生理特性展開研究，并沒有從整體上針對(duì)研究區(qū)內(nèi)的植被覆蓋變化進(jìn)行全面深入的闡述，對(duì)植被覆蓋變化的時(shí)空變異性對(duì)比分析及與氣候因子關(guān)系的研究不多，本文將針對(duì)該問題給出系統(tǒng)的分析。

1 研究區(qū)概況及研究方法

1.1 研究區(qū)概況

研究 區(qū) 位 于 東 經(jīng) 120°30′—123°30′，北 緯 42°00′—43°30′，研究區(qū)面積約為16 807km2，地處科爾沁沙地與松遼平原交接地帶，為科爾沁沙地南緣，東北部與吉林省雙遼縣接壤，東部和南部與遼寧省彰武、康平、昌圖縣相鄰；西部和北部與內(nèi)蒙古通遼市庫(kù)倫旗、奈曼旗和開魯縣、科爾沁區(qū)相連，屬于西遼河流域的閉流區(qū)域，是典型的坨甸相間地區(qū)。

1.2 數(shù)據(jù)獲取與處理

考慮研究區(qū)的氣候條件，本文選擇一年中植被的生長(zhǎng)季4—9月為研究期，遙感數(shù)據(jù)的獲得是通過美國(guó)地 質(zhì) 調(diào) 查 局 （USGS）網(wǎng) 站 （http：／／mrtweb.cr.usgs.gov）下載2000—2009年 MODIS地表反射率產(chǎn)品MOD09A1，其空間分辨率為500m，時(shí)間分辨率為8d，通過IDL平臺(tái)提取SAVI，并通過傅里葉變換對(duì)原始數(shù)據(jù)進(jìn)行去噪處理，運(yùn)用去噪后的年際SAVI值對(duì)研究區(qū)植被覆蓋變化的時(shí)空變異性進(jìn)行分析。氣象數(shù)據(jù)是通過中國(guó)地面氣候資料日值數(shù)據(jù)集下載研究區(qū)內(nèi)及周邊氣象站2000—2009年的年、月降雨量和氣溫。

1.3 選區(qū)原則

為便于討論研究區(qū)內(nèi)植被覆蓋變化的時(shí)空變異性，經(jīng)實(shí)地植被生態(tài)調(diào)查，考慮所選研究區(qū)特點(diǎn)，本著均勻分布、具代表性、便于分析的原則，在研究區(qū)內(nèi)選擇五條經(jīng)線，五條緯線共選定了 WA3，WA4，WA5，WB3，WB4，WC3，WC4，WD2，WD3，WD4，WD5，WE1，WE2，WE3，WE4，WE5共16個(gè)典型樣本區(qū)域進(jìn)行研究，樣本區(qū)域大小為20×20pixels，面積為133km2，見圖1。

圖1 研究區(qū)10年平均SAVI值及選定的16個(gè)典型樣本區(qū)域位置

1.4 SAVI熵值估計(jì)

歐春平等［12］定義了差異信息序列的熵如下：

式中：K＝1／ln2；S——差異信息序列X（S）的長(zhǎng)度；yj——差異信息序列X（S）的分量值，當(dāng)且僅當(dāng)序列各元素相同時(shí)，Imax（X）＝K·lnS。采用年代分配熵（DAE）［12］度量SAVI在2000—2009年分配的不均勻性，首先統(tǒng)計(jì)各年各月各樣本區(qū)域的SAVI值并求和，然后求各月各樣本區(qū)域概率，利用式（1）求年代分配熵；另外用無(wú)序指標(biāo)（DI）來(lái)描述變異性，DI為基于熵的最大可能熵值與根據(jù)實(shí)測(cè)數(shù)據(jù)序列計(jì)算得到的熵值的差。若無(wú)序指標(biāo)（DI）用年代分配熵（DAE）計(jì)算時(shí)，稱其為分配無(wú)序指標(biāo)（ADI）。無(wú)序指標(biāo)越大，變異性就越大。本文用平均分配無(wú)序指標(biāo)MADI來(lái)比較研究區(qū)的時(shí)空變異性。其中：

式中：N——熵序列長(zhǎng)度。

2 結(jié)果與分析

2.1 植被空間格局的時(shí)空變異性

圖1表示了研究區(qū)10a平均SAVI時(shí)空變異分布圖，其值域?yàn)椋?.284 0.859］。從整體上明顯可以看出研究區(qū)內(nèi)同時(shí)期的植被生長(zhǎng)狀況東部好于西部，南部好于北部。文中進(jìn)一步運(yùn)用平均分配無(wú)序指標(biāo)（ADI）來(lái)度量SAVI在不同年份分布的變異性，某年的ADI愈大，那么此年SAVI變異性就愈大。用每年所有樣本區(qū)ADI的均值（MADI）表示這種變異性，可得到研究區(qū)16個(gè)樣本區(qū)域2000—2008年SAVI分布的MADI，見圖2。由圖2可以看出，研究區(qū)內(nèi)SAVI變異性相對(duì)較高的年份出現(xiàn)在2000年、2002年、2007年、2008年，而2005年相對(duì)最小，主要和降雨有關(guān)，較其他年份2005年的降雨充沛，更加利于植被的生長(zhǎng)，而2000年等年份的降雨稀少，植被生長(zhǎng)差且參差不齊，表現(xiàn)的變異性就相對(duì)較大。

圖2 研究區(qū)年SAVI平均分配無(wú)序指標(biāo)（MADI）的變化

同樣用各樣本區(qū)域10a的MADI來(lái)表示SAVI的空間變異性，見圖3?？梢钥闯?，樣本區(qū)WA5的變異性相對(duì)最高，位于研究區(qū)的西部南緣；WD5，WE4，WE5相對(duì)較低，主要集中在研究區(qū)東部靠南位置，但從整體上看，研究區(qū)SAVI空間分布的變異性以東南部較低，而偏西和偏北部較高。

圖3 研究區(qū)16個(gè)樣本區(qū)域SAVI的10a平均分配無(wú)序指標(biāo)（MADI）分布

2.2 植被空間格局與氣象因子關(guān)系的分析

圖4—5表明了SAVI與溫度、降雨量的相關(guān)關(guān)系。由圖可知，SAVI與兩者均呈正相關(guān)關(guān)系，且與降雨量的關(guān)系更加密切。

圖4 研究區(qū)2000－2009年內(nèi)SAVI和降雨量關(guān)系

圖5 研究區(qū)2000－2009年內(nèi)SAVI和溫度關(guān)系

圖6—7表示了研究區(qū)生長(zhǎng)季內(nèi)逐月的SAVI增長(zhǎng)百分率、降雨量及氣溫累計(jì)增長(zhǎng)百分率等值線圖，其中圖中顏色的深淺代表了SAVI增長(zhǎng)百分率的大小，等值線代表了降雨量及氣溫累計(jì)增長(zhǎng)百分率大小。可以看出，4—5月，隨著氣溫和降雨量逐漸增加，植被的生長(zhǎng)速率開始逐漸增大，SAVI增長(zhǎng)百分率隨之增加，增加較快的地方主要集中在研究區(qū)的中東部，西部相對(duì)較小，最小為17.69%，雖然該時(shí)期溫度累計(jì)增長(zhǎng)百分率大于降雨量，但是很明顯的降雨是該時(shí)期影響植被生長(zhǎng)的主導(dǎo)因素（圖6—7）。進(jìn)入6月，降雨量和氣溫累計(jì)增長(zhǎng)百分率達(dá)到最大，尤其降雨量最高達(dá)到275%，集中在研究區(qū)的西北部，而氣溫的累計(jì)增長(zhǎng)百分率較前一個(gè)月整體上有所增加，在研究區(qū)內(nèi)空間上差異小。降雨量和氣溫的影響使得植被生長(zhǎng)速率隨之增長(zhǎng)，SAVI增長(zhǎng)百分率更具規(guī)律性，東南部和西北部增長(zhǎng)較快，其最高分別為33.74%，28.97%，而中部增長(zhǎng)相對(duì)最小。6—7月SAVI增長(zhǎng)百分率表現(xiàn)出基本相同的規(guī)律，雖然降雨量和氣溫的增長(zhǎng)百分率明顯降低，但是由于降雨對(duì)于植被生長(zhǎng)的延遲作用，該時(shí)期研究區(qū)各樣本區(qū)域SAVI增長(zhǎng)百分率繼續(xù)增長(zhǎng)，最大、最小值分別為55.84%，29.55%，由圖6可以看出，西部和中部的大部分地方SAVI增長(zhǎng)百分率與氣溫累計(jì)增長(zhǎng)百分率的變化趨勢(shì)相同，因此，該時(shí)期內(nèi)氣溫是影響植被生長(zhǎng)的決定因素。

圖6 各樣本區(qū)域10a平均年內(nèi)SAVI值增長(zhǎng)百分率及累計(jì)降雨量增長(zhǎng)百分率等值線

圖7 各樣本區(qū)域10a平均年內(nèi)SAVI值增長(zhǎng)百分率及氣溫累計(jì)增長(zhǎng)百分率等值線

進(jìn)入8月，降雨量和氣溫累計(jì)增長(zhǎng)百分率持續(xù)降低，尤其降雨量開始出現(xiàn)負(fù)增長(zhǎng)，主要集中在研究區(qū)西部邊緣，但是前段時(shí)間的持續(xù)降雨量和升溫使得SAVI值繼續(xù)增大，SAVI增長(zhǎng)百分率也大大減小，最大僅為20.35%，主要位于研究區(qū)東部中間，此外中部和西部南緣增長(zhǎng)也相對(duì)較快；最小SAVI增長(zhǎng)百分率出現(xiàn)在研究區(qū)西部，為5.31%，原因是降雨量大幅減少和氣溫大幅降低，其中降雨是主要影響因素；到了8月上旬，植被生長(zhǎng)狀況最好，此時(shí)SAVI值達(dá)到最大。隨后至9月底，降雨量和氣溫累計(jì)增長(zhǎng)百分率大幅度降低，但空間上差異很小，此時(shí)的SAVI值處于負(fù)增長(zhǎng)狀態(tài)，植被開始進(jìn)入衰退期。衰退速率最快的出現(xiàn)在研究區(qū)西北部北緣、中部偏東北緣及東部東緣，尤其是東部東緣，SAVI增長(zhǎng)百分率高達(dá)－30.75%；而植被衰退速率最慢的區(qū)域主要分布于研究區(qū)西部的中間位置，SAVI增長(zhǎng)百分率最小為－21.94%。

3 結(jié)論

本文針對(duì)干旱半干旱的荒漠化地區(qū)植被覆蓋變化變異性展開了討論，以科爾沁沙地為研究區(qū)，該研究區(qū)屬于西遼河的閉流區(qū)域，位于科爾沁沙地南緣。在其內(nèi)選取16個(gè)樣本區(qū)域，運(yùn)用遙感技術(shù)提取土壤調(diào)節(jié)植被指數(shù)（SAVI），結(jié)合信息熵理論，對(duì)SAVI的時(shí)空分布及變異性進(jìn)行了分析，最后通過相關(guān)分析確定SAVI序列和氣候因子之間的關(guān)系。整體來(lái)看，研究區(qū)內(nèi)植被的生長(zhǎng)狀況為東部好于西部，南部好于北部。研究區(qū)內(nèi)植被時(shí)間上的變異性2000年、2002年、2007年、2008年較大，2005年較小，空間上變異性東部較小，西部較大；整體上植被時(shí)空變異性不大。降雨量、氣溫均與SAVI呈正相關(guān)，降雨對(duì)于SAVI的影響較氣溫更大。降雨和氣溫使得不同時(shí)期的SAVI增長(zhǎng)百分率及其時(shí)空分布也存在變異性，生長(zhǎng)季內(nèi)植被生長(zhǎng)速率越高的地方，進(jìn)入枯萎期其衰退的速率也越快。

另外，本文采用的遙感數(shù)據(jù)分辨率較低，且沒有考慮經(jīng)濟(jì)數(shù)據(jù)，因此接下來(lái)應(yīng)該進(jìn)一步選取高分辨率遙感數(shù)據(jù)，結(jié)合土地利用情況，同時(shí)考慮植被的不同物候?qū)ρ芯繀^(qū)植被的水文生態(tài)過程展開進(jìn)一步的研究。

［1］ Schlesinger W H，Reynolds J F，Cunningham G L，et al.Biological feedbacks in global desertification［J］.Science，1990，247（4946）：1043－1048.

［2］ Zhu Z，Chen G T.The Sandy Desertification in China［M］.Bejijing：Science Press，1994：250－268.

［3］ Liu Z，Yan Q，Li X，et al.Seed mass and shape，germination and plant abundance in a decertified grassland in northeastern Inner Mongolia，China［J］.Journal of Arid Environments，2007，69（2）：198－211.

［4］ Li S G，Harazono Y，Zhao H L，et al.Micrometeorological changes following establishment of artificially established artemisia vegetation on desertified sandy land in the Horqin sandy land，China and their implication on regional environmental change［J］.Journal of Arid Environments，2002，52（1）：101－119.

［5］ 蔣德明，劉志民，寇振華.科爾沁沙地荒漠化及生態(tài)恢復(fù)研究展望［J］.應(yīng)用生態(tài)學(xué)報(bào)，2002，12（12），1695－1698.

［6］ 田慶久，閔祥軍.植被指數(shù)研究進(jìn)展［J］.地球科學(xué)進(jìn)展，1998，13（4）：327－333.

［7］ Duan L，Liu T，Wang X，et al.Water table fluctuation and its effects on vegetation in a semiarid environment［J］.Hydrology and Earth System Sciences，2011，8（2）：3271－3304.

［8］ 王正興，劉闖.植被指數(shù)研究進(jìn)展：從AVHRR—NDVI到 MODIS—EVI［J］.生態(tài)學(xué)報(bào)，2003，23（5）：979－987.

［9］ 秦鵬，陳鍵飛.ASTER影像提取植被信息的NDVI與SAVI法比較：以廣州花都區(qū)為例［J］.熱帶地理，2008，28（5）：419－422.

［10］ 張繼國(guó).降水時(shí)空分布的信息熵研究［D］.南京：河海大學(xué)，2004.

［11］ 董闖，粟曉玲.基于信息熵的石羊河流域降雨時(shí)空變異性研究［J］.西北農(nóng)林科技大學(xué)學(xué)報(bào)：自然科學(xué)版，2011，39（1）：222－228.

［12］ 歐春平，夏軍，Huang G H.基于信息熵的流域水文要素時(shí)空變異分析研究［J］.大連理工大學(xué)學(xué)報(bào)，2006，46（增刊）：168－173.