基于TVDI的瑪曲土壤濕度時(shí)空變化及其影響因素

王美林， 姜群鷗,3?， 邵雅琪， 孫駟陽(yáng)

(1.北京林業(yè)大學(xué)水土保持學(xué)院，100083，北京；2.北京林業(yè)大學(xué) 水土保持與荒漠化防治教育部重點(diǎn)實(shí)驗(yàn)室，100083，北京；3.中國(guó)科學(xué)院 地理科學(xué)與資源研究所農(nóng)業(yè)政策研究中心，100101，北京)

土壤濕度是地球表層和大氣能量交換過(guò)程中的重要參數(shù)，決定著植被的蒸散發(fā)以及光合作用并且對(duì)陸地表面蒸散、水的運(yùn)移以及碳循環(huán)等有很強(qiáng)的控制作用，是農(nóng)業(yè)科學(xué)、水文生態(tài)學(xué)、氣象學(xué)等研究領(lǐng)域衡量土壤干旱程度的重要指標(biāo)[1]。土壤濕度的時(shí)空分布研究對(duì)農(nóng)業(yè)干旱監(jiān)測(cè)和土地退化監(jiān)測(cè)具有重大意義，區(qū)域性的土壤濕度反演，是陸地過(guò)程研究中一個(gè)必不可少的參量，對(duì)于在改善區(qū)域氣候、預(yù)測(cè)區(qū)域干濕情況研究中有著舉足輕重的作用[2]。傳統(tǒng)獲取土壤濕度的方法主要是田間實(shí)測(cè)法[3]，采用地面觀測(cè)站進(jìn)行實(shí)地監(jiān)測(cè)，是對(duì)土壤濕度的直接測(cè)量，其優(yōu)點(diǎn)是獲得的數(shù)據(jù)精度高，可信度和可靠性強(qiáng)，不足在于費(fèi)時(shí)費(fèi)力，成本高，采樣點(diǎn)數(shù)目不多并且代表性也不強(qiáng)，只能夠反映出監(jiān)測(cè)站點(diǎn)附近的局部區(qū)域的土壤濕度。利用遙感技術(shù)可以得到土壤濕度在空間上的分布狀況以及時(shí)間上的變化情況，具有宏觀、實(shí)時(shí)、動(dòng)態(tài)、快速等優(yōu)點(diǎn)[4]，采用遙感技術(shù)己是監(jiān)測(cè)土壤濕度的重要途徑和必然趨勢(shì)。目前常見(jiàn)的土壤濕度反演方式主要包括熱慣量法、植被指數(shù)與地表溫度結(jié)合法以及微波遙感法等[5-7]。

溫度植被干旱指數(shù)法通過(guò)刻畫(huà)地表溫度和植被指數(shù)二者關(guān)系的變化特征來(lái)綜合反映土壤濕度狀況在國(guó)內(nèi)外得到了廣泛研究和應(yīng)用。Price[8]用植被指數(shù)、地表溫度來(lái)估測(cè)區(qū)域的蒸散量，發(fā)現(xiàn)以?xún)烧邽闄M縱坐標(biāo)的散點(diǎn)圖呈現(xiàn)三角形。在此基礎(chǔ)上Mornaet研究擴(kuò)充了Price的理論，發(fā)現(xiàn)一個(gè)區(qū)域的地表類(lèi)型如果是從裸土到密閉植被，區(qū)域的土壤濕度是由干旱到濕潤(rùn)，則該區(qū)域每個(gè)像元的歸一化植被指數(shù)(normalized difference vegetation index，NDVI)和地表溫度(land surface temperature，LST)構(gòu)成的散點(diǎn)圖將會(huì)呈現(xiàn)梯形。Goetz[9]研究了NOAA/AVHRR，Landsat TM，SPOT等影像計(jì)算的LST和NDVI的斜率與土壤濕度之間的相關(guān)關(guān)系。最后，Sandholt等[10]在前人研究了無(wú)數(shù)次植被指數(shù)和地表溫度的關(guān)系的基礎(chǔ)上，首次提出了溫度植被干旱指數(shù)(temperature vegetation drought index，TVDI)這個(gè)概念，并利用TVDI來(lái)估測(cè)土壤表層濕度狀況，但是該指數(shù)只表示土壤濕度的相對(duì)狀態(tài)。陳斌等[11]以?xún)?nèi)蒙古錫林郭勒盟地區(qū)為研究對(duì)象選取MODIS植被指數(shù)和陸地表面溫度數(shù)據(jù)構(gòu)建草原地區(qū)的溫度植被干旱指數(shù)，并結(jié)合當(dāng)?shù)貧庀髷?shù)據(jù)和野外同步實(shí)地測(cè)量得到的土壤含水量數(shù)據(jù)對(duì)該指數(shù)進(jìn)行定量驗(yàn)證，表明TVDI可以用來(lái)評(píng)價(jià)草原干旱狀況。梁華[12]基于MODIS數(shù)據(jù)利用TVDI法對(duì)新疆維吾爾自治區(qū)祁漫塔格研究區(qū)進(jìn)行了土壤濕度遙感反演，并利用課題組改進(jìn)后的地表能量平衡系統(tǒng)(surface energy balance system，SEBS)模型估算的蒸散與所反演的 TVDI進(jìn)行結(jié)果驗(yàn)證，結(jié)果表明蒸散與TVDI的相關(guān)性很好且呈負(fù)相關(guān)性，蒸散值越大則TVDI值越小。王行漢等[13]提出了增強(qiáng)溫度植被指數(shù)(enhanced temperature vegetation dryness index，ETVDI)，該方法克服了TVDI在高植被覆蓋區(qū)植被指數(shù)飽和的缺陷，為中國(guó)南方高植被覆蓋區(qū)的旱情監(jiān)測(cè)提供了一種新的方法手段。綜上所述，已有眾多專(zhuān)家采用TVDI方法對(duì)土壤濕度進(jìn)行大量的研究，并鑒于研究區(qū)瑪曲地區(qū)為低植被覆蓋區(qū)，本研究認(rèn)為T(mén)VDI方法能較好地適用于反演研究瑪曲土壤濕度狀況；因此，本研究依據(jù)TVDI方法來(lái)揭示瑪曲地區(qū)土壤濕度時(shí)空變化特征以及引起土壤水分變化的關(guān)鍵影響因素，從而為瑪曲生態(tài)保護(hù)提出相應(yīng)的政策建議。

瑪曲位于甘肅省甘南藏族自治州的西南部，是甘南州主要的牧區(qū)和唯一的純牧業(yè)縣。因是黃河第一彎曲部而被稱(chēng)為黃河首曲，是黃河重要的水源涵養(yǎng)區(qū)，由于海拔較高，發(fā)育的草甸生態(tài)系統(tǒng)較為脆弱，也因此成為典型的生態(tài)脆弱區(qū)。研究瑪曲地區(qū)土壤水分狀況對(duì)黃河源區(qū)水源涵養(yǎng)和維持高寒植被生態(tài)系統(tǒng)穩(wěn)定健康發(fā)展具有重要意義。土壤濕度條件對(duì)牧草的生長(zhǎng)狀況有著直接的聯(lián)系，做好瑪曲土壤濕度的反演監(jiān)測(cè)，有助于對(duì)區(qū)域旱情進(jìn)行更加科學(xué)準(zhǔn)確的定性或定量評(píng)價(jià)，對(duì)合理安排瑪曲畜牧業(yè)生產(chǎn)活動(dòng)以及實(shí)現(xiàn)經(jīng)濟(jì)可持續(xù)發(fā)展起著至關(guān)重要的作用。在全球變暖和人類(lèi)活動(dòng)影響下，瑪曲濕地大面積被破環(huán)[14]，生態(tài)環(huán)境逐漸惡化造成大面積干旱，沼澤湖泊水位明顯下降，黃河一些支流發(fā)生了斷流現(xiàn)象，這些退化現(xiàn)象不僅制約了牧區(qū)經(jīng)濟(jì)發(fā)展，而且對(duì)黃河下游地區(qū)生態(tài)環(huán)境也產(chǎn)生了極其嚴(yán)重影響；因此，及時(shí)監(jiān)測(cè)瑪曲土壤濕度和干旱情況十分必要。筆者基于2000—2015年瑪曲遙感影像數(shù)據(jù)，利用TVDI模型從年際尺度到季節(jié)尺度反演、解析了瑪曲表層(0～10 cm)土壤濕度的時(shí)空演變特征，進(jìn)而探討其主要影響因素，以期為進(jìn)一步改善瑪曲地區(qū)水資源保護(hù)和生態(tài)環(huán)境質(zhì)量提供重要的科學(xué)依據(jù)。

1 研究區(qū)概況

瑪曲位于青藏高原東緣，甘肅、青海、四川3省交界處，地處甘肅省甘南藏族自治州的西南部，位于E 100°45′45″～102°29′00″，N 33°06′30″～34°30′15″之間(圖1)。區(qū)域內(nèi)呈西北高、東南低的自然階梯地勢(shì)，地貌類(lèi)型主要以極高海拔平原、中起伏高山和中海拔丘陵為主。全區(qū)屬于高原大陸性高寒濕潤(rùn)區(qū)，高寒多風(fēng)雨(雪)，無(wú)四季之分，僅有冷暖2季之別，冷季漫長(zhǎng)而寒冷，暖季短暫而溫和。雨水集中，日照充足，太陽(yáng)輻射強(qiáng)烈，全年沒(méi)有絕對(duì)無(wú)霜期。年平均氣溫1.2 ℃，年降水量615.5 mm，主要集中在5—9月。瑪曲代表性土壤為草甸土，植被類(lèi)型以耐高寒的中生灌木和多年生草本為主[15]?，斍B片綿延的濕地面積達(dá)37.5萬(wàn)hm2，被譽(yù)為“地球之腎”和黃河的“天然蓄水池”，具有很強(qiáng)的水源涵養(yǎng)和水土保持功能。

圖1 瑪曲區(qū)位圖Fig.1 Location of Maqu county

2 數(shù)據(jù)與方法

2.1 數(shù)據(jù)來(lái)源與處理

1)遙感數(shù)據(jù)。本研究主要下載了2000年、2005年、2010年以及2015年每年12個(gè)月每16 d為1期的遙感影像數(shù)據(jù)，共96期，數(shù)據(jù)均來(lái)自NASA數(shù)據(jù)中心(https://ladsweb.modaps.eosdis.nasa.gov/)，包括Terra MODIS地表溫度產(chǎn)品MOD11A2、植被指數(shù)產(chǎn)品MOD13A2以及凈初級(jí)生產(chǎn)力產(chǎn)品MOD17A3。其中，MOD11A2為8 d合成空間分辨率為1 km的地表溫度產(chǎn)品，包含白天LST、夜間LST、31和32波段通道發(fā)射率及質(zhì)量控制等資料。MOD13A2是Terra衛(wèi)星16 d合成空間分辨率為1 km的植被指數(shù)產(chǎn)品，包含NDVI、幾個(gè)主要波段反射率以及其他輔助信息。MOD17A3是Terra衛(wèi)星8 d合成空間分辨率為1 km的植被產(chǎn)品，它包含植被總生產(chǎn)力、植被凈初級(jí)生產(chǎn)力(net primary productivity，NPP)和質(zhì)量控制信息等波段[16-17]。

本研究所采用的地表溫度數(shù)據(jù)MOD11A2和植被指數(shù)數(shù)據(jù)MOD13A2均為L(zhǎng)3級(jí)，即陸地3級(jí)標(biāo)準(zhǔn)數(shù)據(jù)產(chǎn)品，凈初級(jí)生產(chǎn)力MOD17A3為L(zhǎng)4級(jí)數(shù)據(jù)產(chǎn)品，已經(jīng)過(guò)幾何糾正、輻射校正處理，使圖像的每一點(diǎn)都有精確的地理編碼、反射率和輻射率校正。將云覆蓋面積大質(zhì)量較差的數(shù)據(jù)用相鄰時(shí)間的影像來(lái)替換，對(duì)數(shù)據(jù)基于MRT進(jìn)行格式轉(zhuǎn)換等預(yù)處理，利用地表溫度數(shù)據(jù)和NPP的8 d數(shù)據(jù)計(jì)算每16 d的平均值，使其與植被指數(shù)數(shù)據(jù)時(shí)間分辨率保持時(shí)相一致，再經(jīng)過(guò)掩膜裁剪處理，得到最終研究所需數(shù)據(jù)。

2)氣候數(shù)據(jù)。氣溫、降水是影響土壤濕度動(dòng)態(tài)變化的2個(gè)重要?dú)夂蛞蛩?。本次研究采用年均氣溫以及年降水量作為影響TVDI的氣候因子。2000—2015年的氣候數(shù)據(jù)來(lái)源于中國(guó)氣候科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)(http://cdc.cma.gov.cn/)中國(guó)地面氣候資料月值數(shù)據(jù)集。為保證結(jié)果的準(zhǔn)確性，本研究基于ANUSPLIN模型對(duì)研究區(qū)域內(nèi)以及周邊觀測(cè)站點(diǎn)的氣候數(shù)據(jù)進(jìn)行空間插值處理，再通過(guò)掩膜提取，獲得本研究所需要的降水和氣溫的空間分布數(shù)據(jù)，空間分辨率均為1 km。

3)其他數(shù)據(jù)。本研究采用的其他影響因素?cái)?shù)據(jù)主要包括人口、GDP、DEM和坡度等，這些數(shù)據(jù)來(lái)源于中國(guó)科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心(http://www.resdc.cn/DataList.aspx)。其中，人口、GDP的數(shù)據(jù)包含了4期(2000，2005，2010，2015年)，空間分辨率均為1 km，而DEM高程數(shù)據(jù)空間分辨率為30 m，坡度數(shù)據(jù)是通過(guò)DEM數(shù)據(jù)進(jìn)行計(jì)算處理后得到的，將所獲取的數(shù)據(jù)重新采樣到統(tǒng)一的空間尺度，以便于進(jìn)行影響機(jī)制的分析。

2.2 研究方法

1)TVDI模型。本研究運(yùn)用TVDI模型對(duì)遙感數(shù)據(jù)進(jìn)行了反演處理。研究發(fā)現(xiàn)，地表溫度(LST)與歸一化植被指數(shù)(NDVI)之間存在很密切的聯(lián)系，且呈負(fù)相關(guān)關(guān)系，隨著植被覆蓋度的增加，植被的蒸騰作用降低地表溫度。當(dāng)?shù)乇硖幱诟珊等彼臓顟B(tài)時(shí)，地表溫度會(huì)迅速升高；相反的，當(dāng)?shù)乇淼耐寥罎穸容^大時(shí)，地表溫度升高得較少。計(jì)算公式為

(1)

式中：tS為地表溫度，℃；tSmin、tSmax分別為研究區(qū)內(nèi)某一NDVI對(duì)應(yīng)的最小、最大地表溫度，℃，即所對(duì)應(yīng)的濕邊和干邊方程。其計(jì)算公式如下：

tSmax=a1+b1×NDVI。

(2)

tSmin=a2+b2×NDVI。

(3)

式中：擬合系數(shù)a1為干邊的截距，℃；a2為濕邊的截距，℃；b1和b2為2個(gè)量綱為1的常數(shù)，分別表示干邊和濕邊的斜率，為模型所需的重要參數(shù)。

本研究通過(guò)利用以16 d為時(shí)間分辨率的地表溫度數(shù)據(jù)和歸一化植被指數(shù)數(shù)據(jù)，以0.01為步長(zhǎng)，對(duì)每期的相同植被指數(shù)下對(duì)應(yīng)的最大、最小地表溫度值進(jìn)行提取，得到LST-NDVI散點(diǎn)圖。在此基礎(chǔ)上，去除集中區(qū)域外的以及兩端相對(duì)離散的一些誤差散點(diǎn)，選擇合適的NDVI值范圍再進(jìn)行線性回歸擬合。經(jīng)過(guò)擬合得到的2條直線，其中由最小地表溫度值組成的那條邊則稱(chēng)作“濕邊”，而由最大地表溫度組成的邊通常稱(chēng)為“干邊”[18]。根據(jù)擬合的干濕邊方程，進(jìn)而得到TVDI所需的斜率和截距。將每期獲得的參數(shù)代入表達(dá)式(1)最終計(jì)算出每16 d的TVDI值，TVDI的取值在0～1之間，TVDI值越大，表明該地區(qū)土壤水分缺失程度越嚴(yán)重。

2)相關(guān)分析。測(cè)度土壤濕度和影響因素之間的相互關(guān)系可以通過(guò)兩者間相關(guān)系數(shù)的計(jì)算與檢驗(yàn)來(lái)完成的。筆者以相關(guān)系數(shù)，或稱(chēng)皮氏積矩相關(guān)系數(shù)為指標(biāo)來(lái)衡量地形因子和氣候因子對(duì)土壤濕度的影響及其相關(guān)性，該相關(guān)系數(shù)由卡爾·皮爾森(Karl Pearson)在1880年提出，現(xiàn)已廣泛地應(yīng)用于科學(xué)的各個(gè)領(lǐng)域。其相關(guān)系數(shù)

(4)

3)回歸分析。回歸分析是主要探究變量之間相關(guān)關(guān)系和依存關(guān)系的一種有效方法。總體回歸模型反映了變量間關(guān)系的總體趨勢(shì)，線性總體回歸模型形式簡(jiǎn)單、參數(shù)的估計(jì)與檢驗(yàn)也相對(duì)容易，是最為常見(jiàn)的總體回歸模型。多元線性回歸模型的一般形式為

ya=β0+β1x1a+β2x2a+…+βkβka+εa。

(5)

式中：β0,β1,…,βk為待定參數(shù)；εa為隨機(jī)變量。

圖2 2000—2015年2月瑪曲LST-NDVI特征空間及干濕邊擬合Fig.2 LST-NDVI feature space and dry-wet edge fitting in Maqu county of February from 2000 to 2015

本研究基于瑪曲2000—2015年的TVDI時(shí)間序列數(shù)據(jù)及相應(yīng)的高程、坡度、氣溫、降水、凈初級(jí)生產(chǎn)力、人口和GDP數(shù)據(jù)，對(duì)區(qū)域內(nèi)土壤濕度與不同影響因素間的相關(guān)關(guān)系進(jìn)行分析，同時(shí)對(duì)相關(guān)系數(shù)進(jìn)行顯著性水平檢驗(yàn)，再建立多元線性回歸模型進(jìn)一步分析土壤濕度與影響因素之間的關(guān)系。

3 結(jié)果與分析

3.1 LST-NDVI特征空間的構(gòu)建

3.1.1 LST-NDVI特征空間及干、濕邊擬合 本研究采用LST-NDVI特征空間來(lái)擬合干濕邊方程，進(jìn)而獲取TVDI模型所需的斜率和截距2個(gè)參數(shù)。因影響LST-NDVI斜率與土壤含水量之間關(guān)系的因素眾多且復(fù)雜，直接利用斜率與土壤濕度關(guān)系來(lái)估算土壤含水量容易產(chǎn)生較大的誤差，而基于LST-NDVI特征空間的 TVDI模型可比直接利用斜率與土壤濕度關(guān)系來(lái)估算土壤含水量能取得更好的效果[19-20]。因此，本研究獲得2000、2005、2010和2015年每年24期的LST-NDVI特征空間圖。以每年2月份上半個(gè)月的數(shù)據(jù)為例(圖2)，結(jié)果表明：雖然研究區(qū)不同時(shí)段內(nèi)的植被指數(shù)與地表溫度的值域各異，但是植被指數(shù)與地表溫度的像元對(duì)散點(diǎn)分布呈現(xiàn)較好的三角形關(guān)系，因此能夠很好地?cái)M合干濕邊方程，從而能夠較好地利用植被—溫度的關(guān)系來(lái)模擬地表土壤濕度。且其中基本上干邊方程的平均R2大于濕邊方程的平均R2，說(shuō)明LST-NDVI特征空間擬合干邊的效果要比濕邊效果好。干邊斜率均小于零為負(fù)值，最大地表溫度隨著植被指數(shù)的增大而減小，而濕邊斜率大于零，最小地表溫度隨著植被指數(shù)的增大而升高。

3.1.2 模型反演結(jié)果驗(yàn)證 為了驗(yàn)證TVDI模型的反演結(jié)果，筆者將2017年8月初期野外實(shí)測(cè)的土壤表層0～10 cm的土壤含水量數(shù)據(jù)與相同采樣點(diǎn)同期反演的TVDI值做相關(guān)性分析，進(jìn)行精度驗(yàn)證，由圖3可以看出TVDI值與瑪曲實(shí)測(cè)土壤表層水分有顯著的負(fù)相關(guān)關(guān)系，R2達(dá)到0.565。隨著土壤濕度增大，TVDI值呈現(xiàn)明顯的減小趨勢(shì)，這說(shuō)明溫度植被干旱指數(shù)模型適用于本研究區(qū)對(duì)土壤濕度的反演，能夠反映土壤水分狀況變化趨勢(shì)。

TVDI stands for temperature vegetation drought index圖3 TVDI值與實(shí)測(cè)土壤濕度的相關(guān)關(guān)系Fig.3 Correlation between TVDI and measured soil moisture

3.2 瑪曲土壤濕度的時(shí)空演變特征

3.2.1 土壤濕度的年際變化特征 土壤濕度在一定程度上可通過(guò)TVDI指標(biāo)體現(xiàn)，基于LST-NDVI特征空間和擬合得到的干濕邊方程可計(jì)算出研究區(qū)2000、2005、2010以及2015年每期TVDI值。在此基礎(chǔ)上，估算每月TVDI平均值。為了更好地揭示瑪曲土壤濕度的時(shí)空變化特征，本研究根據(jù)計(jì)算得到的每年12個(gè)月的TVDI值估算了瑪曲每年TVDI的平均值，按照干濕等級(jí)劃分標(biāo)準(zhǔn)分為5級(jí)。其中，TVDI值范圍為(0，0.3]時(shí)屬于濕潤(rùn)區(qū)，(0.3，0.5]為偏濕潤(rùn)區(qū)，(0.5，0.6]時(shí)屬于正常，(0.6，0.75]時(shí)屬于偏干旱，(0.75，1)時(shí)屬于干旱[16]，進(jìn)而得到年均TVDI值空間分布圖，空間分辨率為1 km。

筆者分析了2000—2015年時(shí)間尺度上瑪曲土壤濕度總體變化趨勢(shì)，結(jié)果表明(圖4)：瑪曲年均TVDI值2010年達(dá)到最高，2000年最低，2000—2010年整體上呈逐年顯著上升趨勢(shì)，之后有小幅度下降，TVDI年均值由2000年的0.56增長(zhǎng)至2015年的0.65。隨著年份的推移，瑪曲土壤濕度不斷減小，干旱情況不斷加劇，2010年之后有所減輕，這與陳金雷等[21]在黃河源區(qū)土壤溫濕變化及相關(guān)氣候要素分析一文中的研究結(jié)果相同，近年來(lái)10 cm土壤溫濕有暖干化趨勢(shì)。從空間上分析，研究區(qū)的土壤濕度空間變化特征顯著且存在明顯的空間分異規(guī)律：研究區(qū)域總體表現(xiàn)為從西北部到東南部TVDI值逐漸增大，總體上，濕潤(rùn)地區(qū)主要集中在西北部，在中部和東南部區(qū)域出現(xiàn)大片偏干旱或干旱的情況。

圖4 2000—2015年瑪曲年均TVDI年際變化趨勢(shì)圖Fig.4 Interannual trend map of annual average TVDI in Maqu county from 2000 to 2015

從瑪曲2000—2015年土壤濕度的時(shí)空演變特征(圖5)分析發(fā)現(xiàn)，該區(qū)域在2000年時(shí)主要為偏濕潤(rùn)區(qū)和正常區(qū)，而到2005年時(shí)主要表現(xiàn)為正常區(qū)和偏干旱區(qū)。其中，2000年瑪曲濕潤(rùn)區(qū)以不完全連續(xù)斑塊狀分布在西北部的歐拉秀瑪鄉(xiāng)，到2005年已完全消失。對(duì)于偏濕潤(rùn)區(qū)，2000年分布面積較大，呈連續(xù)片狀分布于西部地區(qū)，到2005年變成不完全連續(xù)片狀分布于瑪曲的西北部，而大面積的偏濕潤(rùn)區(qū)轉(zhuǎn)化為正常區(qū)。而對(duì)于正常區(qū)，由表1可得2000年瑪曲土壤濕度表現(xiàn)為正常區(qū)的面積最大，面積比達(dá)到33.9%，主要分布于中部的阿萬(wàn)倉(cāng)，東南和西南部的曼日瑪、齊哈瑪和采日瑪?shù)鹊貐^(qū)，但正常區(qū)到2005年幾乎全轉(zhuǎn)化為偏干旱區(qū)，剩余正常區(qū)呈斑塊狀分散地分布。對(duì)于干旱區(qū)，在2000年時(shí)瑪曲干旱區(qū)面積仍較小，僅占0.34%，零星點(diǎn)狀分布在東部和東南部，到2005年干旱區(qū)面積減少為零。

到2010年，瑪曲干旱程度要比2005年加重了很多，整體表現(xiàn)為偏干旱和干旱區(qū)，而對(duì)于濕潤(rùn)區(qū)，依舊為零，偏濕潤(rùn)區(qū)也呈不斷減少的趨勢(shì)，面積占比為16.99%，主要以不連續(xù)斑塊狀分布在西北高地勢(shì)的歐拉秀瑪鄉(xiāng)。與2005年相比，瑪曲土壤濕度表現(xiàn)為正常的區(qū)域到2010年逐漸轉(zhuǎn)化為偏干旱區(qū)，正常區(qū)區(qū)域面積不斷減小，到2010年面積占比降為18.43%。而瑪曲中部及東南部偏干旱區(qū)到2010年大部分轉(zhuǎn)化為干旱區(qū)，導(dǎo)致干旱區(qū)面積增加。因2005年正常區(qū)轉(zhuǎn)化為2010年的偏旱區(qū)，故相比2005年的偏干旱區(qū)面積，2010年的偏干旱區(qū)面積占比沒(méi)有顯著變化。

到2015年瑪曲干旱程度有所減輕，尤其是干旱區(qū)面積迅速減少，面積占比降為19.37%，且偏濕潤(rùn)區(qū)的面積也有小幅增加。其中，面積比例最大的是偏干旱區(qū)，為47.3%，大部分由2010年的干旱區(qū)轉(zhuǎn)化而來(lái)，偏干旱區(qū)呈連續(xù)片狀和條帶狀主要分布在齊哈瑪、采日瑪、歐拉秀瑪和以及歐拉鄉(xiāng)。

圖5 2000—2015年瑪曲年均TVDI時(shí)空變化趨勢(shì)圖Fig.5 Spatio-temporal variation trend of annual TVDI in Maqu county from 2000 to 2015

年份Year濕潤(rùn)Wet(0～0.30)偏濕Relatively humid(0.30～0.50)正常Normal(0.50～0.60)偏干Relatively dry(0.60～0.75)干旱Dry(0.75～1.00)20009.2529.1133.9027.400.3420050.0023.6844.4831.840.0020100.0016.9918.4330.7133.8720150.6315.2417.4647.3019.37

3.2.2 土壤濕度的季節(jié)變化特征 為了更清晰地揭示瑪曲2000—2015年土壤濕度的時(shí)空變化特征，本研究還分析了季節(jié)變化規(guī)律。利用每期計(jì)算得到TVDI值估算了瑪曲每月TVDI的平均值，再估算季時(shí)間分辨率的TVDI平均值，結(jié)果顯示(圖6)，瑪曲春季和秋季的TVDI值波動(dòng)比較大，變化趨勢(shì)相對(duì)一致，呈現(xiàn)出先增加后減小但整體上升的趨勢(shì)，表明春秋季節(jié)瑪曲的土壤濕度隨時(shí)間的推移趨于旱化。相比其他季節(jié)，春季除2010年以外整體相對(duì)濕潤(rùn)，但是有變干的趨勢(shì)。瑪曲冬季漫長(zhǎng)，降雪較多，春季冰雪融化會(huì)對(duì)土壤水分的增加產(chǎn)生顯著影響，而春季降雨的減少和氣溫變化導(dǎo)致春季氣候干旱，進(jìn)而引起土壤水分減少，并且減少的數(shù)量和程度已經(jīng)超過(guò)了冰雪融水對(duì)土壤水分增加的部分，所以整體表現(xiàn)趨于干旱。夏季TVDI值呈先下降后升高的趨勢(shì)，有小幅度變濕潤(rùn)趨勢(shì)。而對(duì)于冬季TVDI先上升后趨于平穩(wěn)，整體有小幅度變干的趨勢(shì)?？傮w來(lái)看，瑪曲地區(qū)全年TVDI均值在0.5～0.75之間波動(dòng)，說(shuō)明整體處于正常偏干旱狀態(tài)。

在空間上可以看出，無(wú)論是處于哪個(gè)季節(jié)，瑪曲TVDI值都呈現(xiàn)由西北向東南遞增的趨勢(shì)(圖7)。2000—2015年瑪曲春季平均土壤濕度狀況相比其他季節(jié)相對(duì)較好，但是偏干旱區(qū)分布面積仍然較大。其中，偏濕潤(rùn)區(qū)呈斑塊狀分布在西北歐拉秀瑪鄉(xiāng)以及東南部曼日瑪?shù)貐^(qū)，正常區(qū)分布較為分散，圍繞在偏濕潤(rùn)區(qū)周?chē)植贾，斍杭酒珊祬^(qū)主要集中分布在中部阿萬(wàn)倉(cāng)和南部地區(qū)，干旱區(qū)面積較小，呈斑點(diǎn)狀分布在東南部地區(qū)。

與春季相比，夏季瑪曲的濕潤(rùn)區(qū)面積沒(méi)有明顯變化，偏濕潤(rùn)區(qū)面積減少，零星分布在歐拉秀瑪鄉(xiāng)地區(qū)，正常區(qū)區(qū)域面積相比春季增加了，偏干旱區(qū)依舊占主導(dǎo)地位，呈連續(xù)片狀分布在中部以及中部以南地區(qū)，北部邊緣地區(qū)也有部分區(qū)域土壤濕度為偏干旱情況。夏季的瑪曲干旱區(qū)區(qū)域面積相比春季有所增加但變化不大。

與夏季相比，秋季瑪曲偏濕潤(rùn)區(qū)面積變大，正常區(qū)和偏干旱區(qū)面積變化不明顯，干旱區(qū)面積有稍微的減小，總體土壤濕度狀況還是以偏干旱為主，大片連續(xù)地分布在阿萬(wàn)倉(cāng)、曼日瑪、齊哈瑪、采日瑪和尼瑪鄉(xiāng)等地區(qū)。

圖6 2000—2015年瑪曲TVDI季節(jié)變化趨勢(shì)圖Fig.6 Seasonal variations of TVDI in Maqu county from 2000 to 2015

圖7 2000—2015年瑪曲TVDI季節(jié)變化空間分布圖Fig.7 Spatial distribution map of seasonal changes of TVDI in Maqu county from 2000 to 2015

與秋季相比，可以明顯看出冬季瑪曲干旱區(qū)面積增加，呈不完全連續(xù)斑塊狀分布在阿萬(wàn)倉(cāng)、曼日瑪和尼瑪鄉(xiāng)。冬季的偏干旱區(qū)區(qū)域面積相比秋季有所減小，因?yàn)椴糠制珊祬^(qū)轉(zhuǎn)化為了干旱區(qū)。正常區(qū)和偏濕潤(rùn)區(qū)的面積也減少了。整體看來(lái)，瑪曲地區(qū)春季和夏季土壤濕度相對(duì)較大，冬季土壤濕度最小且比較穩(wěn)定，這可能是由于冬季降水量小，溫度低凍土面積大，相對(duì)比較干旱。由于受青藏高原和東亞季風(fēng)性大陸氣候的影響，瑪曲夏季多雨而冬季干燥，可能是造成上述瑪曲土壤濕度季節(jié)性變化結(jié)果的原因之一。

3.3 瑪曲土壤濕度的影響因素分析

本研究基于瑪曲的本底條件，依據(jù)相關(guān)參考文獻(xiàn)中對(duì)土壤濕度的影響因素分析結(jié)果，考慮數(shù)據(jù)的可獲得性，最終從生物因素、氣候因素[22]、地形因素[23]及社會(huì)經(jīng)濟(jì)因素等方面選取了7個(gè)主要影響因子。并對(duì)收集的影響因子數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，得到其特征信息(表2)。要素的數(shù)據(jù)以柵格圖像的方式呈現(xiàn)，精度均為1 km。因變量TVDI數(shù)據(jù)的標(biāo)準(zhǔn)差比較小，說(shuō)明數(shù)據(jù)觀測(cè)趨向于靠近均值，高程因子的標(biāo)準(zhǔn)差較大，數(shù)據(jù)散布在一個(gè)大的值域中，且值域范圍為3 342～4 653，年凈初級(jí)生產(chǎn)力的數(shù)據(jù)特征與高程相似，較為分散，人口因子數(shù)據(jù)為0到約40人/km2等。

基于收集的以上要素的數(shù)據(jù)，做多元回歸分析及預(yù)測(cè)，估算了生物、氣候、地形與社會(huì)經(jīng)濟(jì)因素與TVDI的相關(guān)關(guān)系、影響系數(shù)與顯著性，對(duì)自變量與因變量之間進(jìn)行了相關(guān)性的檢驗(yàn)以及共線性的診斷，發(fā)現(xiàn)7個(gè)影響因素都通過(guò)了置信度水平為0.01的顯著性檢驗(yàn)，自變量與因變量具有顯著相關(guān)性，且自變量之間不存在共線性的問(wèn)題，可以列入多元回歸方程。通過(guò)TVDI實(shí)際值與預(yù)測(cè)值之間的散點(diǎn)圖以及殘差分析散點(diǎn)圖可以判定回歸模型擬合效果優(yōu)良程度，擬合方程的相關(guān)系數(shù)達(dá)到0.761，且每個(gè)要素對(duì)TVDI的影響均較顯著(表3和圖8)。

表2 影響因子數(shù)據(jù)的描述統(tǒng)計(jì)信息

表3 回歸分析模型摘要及方差分析

圖8 回歸預(yù)測(cè)值擬合效果圖Fig.8 Fitting diagram of regression prediction values

從不同要素對(duì)TVDI的影響系數(shù)分析(表4)，凈初級(jí)生產(chǎn)力、年降水量、高程、坡度以及GDP對(duì)TVDI具有顯著的負(fù)向效應(yīng)；但由于TVDI越大，土壤濕度越小，因此，說(shuō)明這些因子均對(duì)土壤濕度具有顯著正向效應(yīng)。

其中，凈初級(jí)生產(chǎn)力是植物光合作用有機(jī)質(zhì)的凈創(chuàng)造，值越大表征植被長(zhǎng)勢(shì)越好。雖然凈初級(jí)生產(chǎn)力增長(zhǎng)會(huì)消耗更多的水分，但是植被對(duì)地表的直接或間接覆蓋，能有效地減小土壤水分蒸發(fā)量，并且在降雨或融雪過(guò)程中，也可以截留和停蓄更多的水分；故凈初級(jí)生產(chǎn)力對(duì)土壤濕度具有顯著的正向效應(yīng)，植被凈初級(jí)生產(chǎn)力對(duì)TVDI的影響系數(shù)為-0.630(在0.01水平顯著性)。

年均氣溫對(duì)TVDI具有顯著的正向效應(yīng)，而降水卻對(duì)其有一定的負(fù)向作用，其影響系數(shù)分別為0.606和-0.495。這主要是由于氣溫的升高影響了土壤溫度的升高還增大了蒸發(fā)量，土壤蒸發(fā)使得土壤濕度越低，而降水量是土壤水分的主要來(lái)源，降水量越多土壤含水量也多，尤其淺層表現(xiàn)更為明顯。高程和坡度均對(duì)土壤濕度具有一定的正向效應(yīng)，隨著高程和坡度的增加，冰雪凍融作用對(duì)土壤濕度的影響更加顯著，其影響系數(shù)可分別達(dá)到-0.493和-0.295，這與陳少丹等[24]研究長(zhǎng)江中下游流域坡度對(duì)土壤相對(duì)濕度的影響的研究結(jié)果相一致。

從社會(huì)經(jīng)濟(jì)因素來(lái)看，GDP是社會(huì)經(jīng)濟(jì)發(fā)展、區(qū)域規(guī)劃和資源環(huán)境保護(hù)的重要指標(biāo)，結(jié)果顯示其對(duì)土壤濕度存在一定的正向效應(yīng)，影響系數(shù)為-0.318；而人口對(duì)其具有一定的負(fù)向作用，影響系數(shù)為0.117。因人口越密集的區(qū)域需水量越大，放牧的數(shù)量也會(huì)相應(yīng)增多，人口增加對(duì)地下水的開(kāi)采和地表水的利用也會(huì)增加，進(jìn)而影響土壤濕度，因此，人口對(duì)土壤濕度的影響表現(xiàn)為有一定的限制作用。另外一方面，隨著經(jīng)濟(jì)的發(fā)展和生活水平的提高，致使越來(lái)越多的牧民開(kāi)始從事其他行業(yè)，逐漸從放牧中解放出來(lái)，放牧壓力的減少在一定程度上促進(jìn)草地的生態(tài)修復(fù)，從而致使土壤的蓄水能力不斷提高，另外，經(jīng)濟(jì)的增長(zhǎng)也會(huì)讓當(dāng)?shù)卣懈嗟腻X(qián)投入到畜牧業(yè)科技水平的提高上，進(jìn)而也促進(jìn)草場(chǎng)的恢復(fù)，土壤濕度會(huì)有相應(yīng)的增加。

表4 多元回歸模型的相關(guān)系數(shù)

注：** 表示在P<0.01級(jí)別(雙尾)下極顯著相關(guān)。Notes: ** indicates a significant correlation at levelP<0.01 (double tailed).

4 結(jié)論與討論

筆者采用Terra衛(wèi)星MODIS的歸一化植被指數(shù)和地表溫度數(shù)據(jù)，建立了LST-NDVI特征空間，擬合相應(yīng)的干濕邊方程，提取溫度植被干旱指數(shù)TVDI指數(shù)來(lái)反演瑪曲土壤濕度的年際與季節(jié)性時(shí)空變化特征，并基于估算的TVDI指數(shù)空間分布數(shù)據(jù)與收集的多個(gè)影響因素?cái)?shù)據(jù)，建立了多元線性回歸模型，對(duì)影響瑪曲土壤濕度時(shí)空變化的自然環(huán)境因素和社會(huì)經(jīng)濟(jì)因素進(jìn)行定量分析，研究結(jié)論如下。

1)瑪曲土壤濕度整體空間分布格局為從西北向東南由濕潤(rùn)逐漸趨向于干旱，但是總體的干濕等級(jí)以正常為主?，斍寥浪种鹉隃p少，作為黃河上游的重要水源涵養(yǎng)區(qū)和生態(tài)屏障，瑪曲土壤濕度的降低和干旱的加劇將嚴(yán)重影響當(dāng)?shù)厣鷳B(tài)平衡及黃河的徑流量，從而引起一系列的嚴(yán)重后果；季節(jié)尺度上，研究區(qū)春夏季土壤濕度較大，但是隨著時(shí)間的推移，春季有變干的趨勢(shì)，這可能是由于春季降雨的減少和氣溫變化導(dǎo)致春季氣候干旱，進(jìn)而引起土壤水分減少；而夏季主要受降雨的影響，隨著時(shí)間的推移，夏季降水對(duì)土壤濕度的影響在增大；2000—2005年瑪曲冬季TVDI值增加，且保持在較高的干旱穩(wěn)定水平。

2)凈初級(jí)生產(chǎn)力對(duì)TVDI具有顯著的負(fù)向效應(yīng)，地表植被造成土壤蒸發(fā)量減少、攔截存蓄的徑流量增加是造成土壤濕度增加的主要影響原因。氣候也是影響土壤濕度的主要因素，氣溫升高加快土壤蒸發(fā)，對(duì)土壤濕度存在負(fù)向效應(yīng)，而降水對(duì)土壤濕度具有顯著的正向效應(yīng)。要提升瑪曲的土壤含水量，首先面臨的是應(yīng)對(duì)減緩全球氣候變暖的問(wèn)題，倡導(dǎo)并落實(shí)低碳生活，增加綠化面積，規(guī)劃恢復(fù)草原植被，增大瑪曲的植被凈初級(jí)生產(chǎn)力，既減少土壤水分的蒸發(fā)緩解旱情又能攔截蓄水涵養(yǎng)水源。

3)社會(huì)經(jīng)濟(jì)要素也是影響土壤濕度的重要因素，其中，GDP的增長(zhǎng)對(duì)土壤濕度的增加具有一定的促進(jìn)作用。在發(fā)展社會(huì)經(jīng)濟(jì)的同時(shí)，一方面，政府應(yīng)該努力轉(zhuǎn)變畜牧業(yè)生產(chǎn)方式，引導(dǎo)牧民從傳統(tǒng)的靠天養(yǎng)畜向科技養(yǎng)畜轉(zhuǎn)變，減輕草場(chǎng)載畜壓力，通過(guò)政策扶持和推廣高效畜牧業(yè)生態(tài)示范與技術(shù)，認(rèn)真落實(shí)草原生態(tài)保護(hù)獎(jiǎng)勵(lì)補(bǔ)償補(bǔ)政策等，另一方面，要鼓勵(lì)牧民從事其他產(chǎn)業(yè)的工作，發(fā)展促進(jìn)旅游業(yè)等多元綠色經(jīng)濟(jì)，保護(hù)天然草原等生態(tài)環(huán)境，防治沙化，使得土壤濕度保持在一個(gè)良好的狀況；而人口因素對(duì)土壤濕度的影響表現(xiàn)為抑制作用，故應(yīng)采取控制人口增長(zhǎng)的措施等。

此外，本研究基于遙感方法反演土壤濕度和數(shù)學(xué)統(tǒng)計(jì)方法分析影響因素，對(duì)瑪曲土壤濕度的時(shí)空分布特征及其主要影響因素有了較準(zhǔn)確的研究結(jié)果，但由于數(shù)據(jù)源等的限制，沒(méi)有分析其他更多土壤濕度的影響因子，比如土壤屬性如容重、飽和導(dǎo)水率等因素，也沒(méi)有探討不同深度土壤濕度的變化情況，希望未來(lái)進(jìn)一步研究近年來(lái)瑪曲地區(qū)土壤干濕的季節(jié)性或年際變化與土壤分層、土壤屬性等要素的時(shí)空相關(guān)性，對(duì)多元線性回歸模型做一些補(bǔ)充。