內(nèi)蒙古西遼河平原植被指數(shù)時空變化及其影響因素研究

高萌萌 ，劉 瓊 ，王 軼 ，李小磊 ，石 鵬

（1.中國地質(zhì)環(huán)境監(jiān)測院，北京 100081；2.內(nèi)蒙古地質(zhì)環(huán)境監(jiān)測院，內(nèi)蒙古 呼和浩特 010020）

植被是生態(tài)系統(tǒng)的重要組成部分，是全球陸地生態(tài)系統(tǒng)變化和生態(tài)環(huán)境演化的重要指示因子[1-3]，對水平衡、地球表面能量交換和生物地球化學循環(huán)至關重要[4-5]。植被生長既取決于植被類型本身的特性，也受光熱條件、水分、土壤的影響。光熱條件與氣溫密切相關[6]。水分的影響較為復雜，由于地下水——土壤——植被——大氣間的水分遷移是連續(xù)過程[7]，植被生長同時受地下水、土壤水和大氣降水等因子的影響。在干旱半干旱區(qū)，以灌木、草地、森林及農(nóng)田等多種形式存在的多樣化植被系統(tǒng)有助于保持土壤及水分，監(jiān)測其長期動態(tài)變化，并研究植被演化與氣候、水分等相關關系，對于預測土地退化風險意義重大。

目前從區(qū)域尺度研究干旱半干旱區(qū)植被演化及其影響因子相關性分析的主要手段是遙感技術。Fabricante等[8]研究了巴塔哥尼亞北部草原植被指數(shù)與降水的關系，認為干旱的生態(tài)系統(tǒng)中，NDVI對降水之間存在滯后響應；Khan等[9]研究了巴基斯坦及其鄰近南亞國家植被生長對當前氣候變化的相應，認為NDVI值變化取決于土地覆蓋類型及降雨量。國內(nèi)相關研究主要集中在柴達木盆地、鄂爾多斯高原、黑河流域等西北干旱半干旱地區(qū)。楊澤元等[10]研究了陜北風沙灘地區(qū)植被生長與地下水位埋深的關系，確定了風沙灘地區(qū)生態(tài)安全水位埋深為1.5～5 m；張二勇等[11]定量研究了鄂爾多斯盆地內(nèi)蒙古能源基地生態(tài)植被與地下水關系，分析了低濕植被、低濕植被與沙地植被過渡區(qū)的水位埋深閾值分別為3，4.8 m；金曉媚等[12-13]分析了海流兔河流域和柴達木盆地植被與地下水位、氣象因子、地形地貌之間的關系，認為不同植被類型對地下水依賴性大；王旭升等[14]研究了鄂爾多斯高原植被蓋度與淺層地下水的依賴關系，認為植被蓋度同時受氣候條件和地下水的影響；趙捷等[15]研究了黑河上中游流域長序列植被蓋度數(shù)據(jù)，認為植被受氣溫的影響大于降水，而對降水的響應更為迅速；李元春等[16]在甘南和川西北地區(qū)基于植被NDVI值分析了草地植被變化趨勢及驅(qū)動因素，認為溫度和降水對研究區(qū)草地NDVI值的變化主要呈正向驅(qū)動，且NDVI值與溫度呈正相關的面積大于降水。

西遼河平原位于內(nèi)蒙古東部平原，屬中溫帶半干旱區(qū)的農(nóng)牧交錯帶。平原西部廣泛分布風積沙地、沙丘，是我國半干旱區(qū)典型的由沙漠向草原過渡的荒漠化草原區(qū)。目前有關西遼河平原的植被演化及其與環(huán)境因子的定量關系研究較少，影響因子考慮不夠全面。本文基于2000—2019年16天合成的MODIS NDVI數(shù)據(jù)，分析了該研究區(qū)近20年來植被生長變化趨勢，并從影響植被生長的水熱條件出發(fā)，開展NDVI與氣象因素（降水、氣溫）、土壤濕度、地下水埋深等因子的定量關系研究，為該流域生態(tài)環(huán)境保護治理及水資源合理開發(fā)利用提供技術支撐。

1 研究區(qū)概況

西遼河平原地勢平坦開闊，由西南向東北逐漸傾斜，主要地貌單元為河谷沖擊平原和風積沙丘。北部主要為草原牧區(qū)，中部及南側(cè)邊緣為農(nóng)區(qū)，沙地主要分布在西南部，面積約5.76×104km2。該地區(qū)多年平均降水量375 mm，多年平均蒸發(fā)量1 900 mm，降水主要集中在6—9月。區(qū)內(nèi)天然植被主要有沙蒿、沙柳、苔草、芨芨草、檸條等，受水熱條件影響，生長季為6—9月。主要過境河流有西遼河及新開河，1999年斷流至今。自20世紀60年代起，地下水開采致使沙地周邊的地下水水位下降，植被生長受到影響，荒漠化程度加重。近年來經(jīng)過全面綜合治理，該區(qū)域內(nèi)沙地面積逐漸變小，生態(tài)環(huán)境持續(xù)向好發(fā)展。

2 研究數(shù)據(jù)及方法

2.1 數(shù)據(jù)及處理

（1）遙感數(shù)據(jù)及預處理

歸一化差值植被指數(shù)（NDVI，normalized difference vegetation index）是目前廣泛應用于反映植被生長狀況的指標[17-20]，NDVI值越大，說明植被生長狀況越好，NDVI值越小，說明植被生長狀況越差。NDVI數(shù)據(jù)可直接從MOD13Q1遙感數(shù)據(jù)中提取，數(shù)據(jù)來源于美國NASA網(wǎng)（https://ladsweb.modaps.eosdis.nasa.gov/），空間分辨率250 m，時間分辨率16 d，數(shù)據(jù)時間為2000—2019年。覆蓋研究區(qū)需要4幅，2000—2019年1—12月共1 236幅。在MRT軟件中提取NDVI后進行投影轉(zhuǎn)換，為了消除云、大氣及太陽高度角的影響，采用最大值合成法對每個月的NDVI數(shù)據(jù)進行處理，即求取當月各柵格的最大值。

（2）地下水水位埋深和氣象數(shù)據(jù)

西遼河平原地下水埋深數(shù)據(jù)采用2019年國家級地下水監(jiān)測工程監(jiān)測數(shù)據(jù)，監(jiān)測頻率為1次/h，研究區(qū)內(nèi)及周邊地下水監(jiān)測井共125個。氣象數(shù)據(jù)來源于中國氣象數(shù)據(jù)共享網(wǎng)，西遼河平原內(nèi)及周邊氣象站站點共9個，獲取2000—2019年月均降水量、溫度等相關指標。監(jiān)測井和氣象站點位置見圖1。

圖1 研究區(qū)氣象站點和地下水監(jiān)測站點分布圖Fig.1 Distribution of meteorological stations and groundwater monitoring stations in the study area

（3）土壤濕度數(shù)據(jù)

GLDAS（the Global Land Data Assimilation System）是美國航天局NASA提供的全球尺度的陸面同化數(shù)據(jù)集，包含了全球降雨量、水分蒸發(fā)量、地表徑流、地下徑流、土壤濕度、地表積雪的分布以及溫度和熱流分布等數(shù)據(jù)。本文選取GLDAS NOAH模型中土壤濕度月解數(shù)據(jù)，分辨率為0.25 °×0.25 °。本文選用0～10 cm表層土壤濕度數(shù)據(jù)，單位為kg/m2。

（3）土地利用數(shù)據(jù)

土地利用數(shù)據(jù)來源于中國科學院地理科學與資源研究所資源環(huán)境科學與數(shù)據(jù)中心，本文選取2000年和2018年的土地利用類型數(shù)據(jù)，該數(shù)據(jù)是基于Landsat 8遙感影像，通過人工目視解譯生成，數(shù)據(jù)類型是1 km柵格。通過重分類，將研究區(qū)土地利用數(shù)據(jù)分為10 類，分別是耕地、草地、建設用地、沙地、沼澤地、林地、水域、灘地、鹽堿地和裸土地（圖2）。

圖2 2000年和2018年研究區(qū)土地利用類型分布圖Fig.2 Distribution of land use types in the study area in 2000 and 2018

2.2 研究方法

（1）一元線性回歸趨勢法

用一元線性回歸趨勢分析方法分析研究區(qū)的植被變化趨勢，即對2000—2019年的生長季（6—9月份）平均NDVI值求斜率，模擬每一個柵格的變化趨勢：

式中：n——樣本的數(shù)量，n=20；

i——年序號，i的值取1，2， ···, 20；

NDVIi—— 第i年的NDVI值；

Slope——2000—2019年每年平均NDVI的線性回歸率。

計算得到的斜率值可以反映在20年的時間序列中，研究區(qū)平均NDVI值的變化趨勢，每個像元點的slope值均代表該點20年的變化趨勢。若slope＞0，說明NDVI增加，植被呈增長趨勢，植被狀況變好；若slope=0，說明NDVI不變，植被基本無變化；若slope＜0，說明NDVI減小，植被呈減小趨勢，植被狀況變差。

(2) Mann-Kendall突變檢測

Mann-Kendall法是一種非參數(shù)統(tǒng)計檢驗方法，不受少數(shù)異常值干擾，且不需要樣本遵從一定的分布，被廣泛應用于突變檢測[21-23]。本文利用該方法檢測NDVI變化過程中的突變點，檢測方法為：

根據(jù)西遼河平原年均NDVI時間序列（x1,x2,···xn），其秩序列為：

定義統(tǒng)計量：

式中：E(Sk)——Sk的均值；

Var(Sk)——Sk的方差。

UFk計算結(jié)果組成UF曲線，同樣以此方法引用到反序列中，計算得到UBk， 使得UBk=-UFk（k=1，2，···,n）。若UFk和UBk的值大于0，表明序列呈上升趨勢，反之呈下降趨勢。當曲線超出置信度區(qū)間時，表明上升或下降趨勢顯著。如果UFk和UBk兩條曲線出現(xiàn)交點，且交點在臨界線之間，那么該點即為突變點。

（3）相關性分析法

對西遼河平原植被NDVI與氣象因子（降水、溫度、濕度）的相關性進行分析，相關性系數(shù)rxy為：

式中：——因子樣本值的平均值。

rxy是因子x和y之間的相關系數(shù)，表示兩因子相關性的統(tǒng)計指標，該指標的取值區(qū)間為[-1,1]，且rxy＞0為正相關，rxy的 絕對值越大，表明x和y的相 關性越密切。

3 結(jié)果與討論

3.1 植被時空變化特征

3.1.1 植被隨時間變化趨勢

分析2000—2019年每年生長季的全域NDVI均值表明，西遼河平原植被NDVI值整體表現(xiàn)出波動升高的趨勢，該時段內(nèi)NDVI值變化大致分為3個階段：2000—2005年NDVI值呈較平穩(wěn)的上升趨勢，2006—2012年NDVI值上下起伏變化較大，整體處于上升趨勢，2013—2019年NDVI值呈平穩(wěn)的上升趨勢（圖3）。2007年植被NDVI值達到極小值0.41，2019年植被NDVI值達到最大值0.56。對2000—2019年年均NDVI值進行Mann-Kendall突變檢驗，UF值始終大于0，表明20年來NDVI值呈上升趨勢。2012年UF曲線超出置信區(qū)間，說明2012年之前由于震蕩較大，上升趨勢不顯著，2012年之后呈顯著上升趨勢。UF和UB統(tǒng)計量相交于2014年，但由于交點不在置信區(qū)間范圍內(nèi)，因此NDVI值不存在顯著突變點（圖4）。

圖3 研究區(qū)2000—2019年NDVI年際變化趨勢圖Fig.3 Interannual variation trend of NDVI in the study area from 2000 to 2019

圖4 研究區(qū)NDVI值突變檢驗曲線圖Fig.4 Mutation test curve of NDVI in the study area

3.1.2 植被空間分布特征及變化趨勢

研究區(qū)2000—2019年生長季的NDVI值求平均值，得到西遼河平原20年來平均NDVI的空間分布圖，見圖5(a)。西遼河平原NDVI在空間上呈現(xiàn)“東高西低”的分布特征，結(jié)合土地利用類型，NDVI值較大

圖5 研究區(qū)2000—2019年平均NDVI值和植被變化趨勢分布圖Fig.5 Spatial distribution maps of NDVI and variation trends of vegetation in the study area during 2000—2019

分析研究區(qū)2000—2019年生長季平均NDVI值一元線性回歸趨勢（式1），得到2000—2019年NDVI值變化趨勢分布圖，見圖5(b)，研究區(qū)內(nèi)大部分地區(qū)植被呈增長趨勢，面積占比約92.5%，小部分地區(qū)植被呈減少趨勢，面積占比約7.5%。結(jié)合用地類型分析可知，草地是植被減少的主力區(qū)域，說明草地退化較為明顯。

3.2 氣候?qū)χ脖坏挠绊?/h3>

本文對研究區(qū)20年來月均氣象數(shù)據(jù)（降水量、氣溫）和相應的全域NDVI月均值進行相關性分析，見圖7(a)(b)。結(jié)果表明：研究區(qū)NDVI值與降水量呈正相關關系，相關系數(shù)r=0.86，NDVI值隨降水量的增加而升高。而NDVI值與氣溫的相關關系具有分段特點，當氣溫在10℃以下，NDVI值趨于水平無明顯變化，在0.2上下浮動；當氣溫大于10℃時，隨著溫度的升高NDVI值呈增大趨勢。通過NDVI值和氣溫的線性擬合，二者呈正相關關系，相關系數(shù)r=0.78。的區(qū)域分布在平原中部的西遼河、新開河沿岸地帶以及平原東南部地區(qū)，主要地類是耕地。NDVI值較小的區(qū)域主要分布在研究區(qū)西部及北部的科爾沁沙地，主要地類是沙地。不同地類的NDVI值由大到小依次為耕地＞林地＞沼澤地＞灘地＞草地＞鹽堿地＞沙地，且隨季節(jié)變化趨勢一致，夏季＞秋季＞春季＞冬季（圖6）。

圖6 研究區(qū)不同土地利用類型NDVI值隨季節(jié)變化趨勢圖Fig.6 Seasonal variation trend of NDVI of different land use types in the study area from 2000 to 2019

3.3 土壤濕度對植被的影響

植被生長狀況與土壤水分條件有關，土壤濕度在陸地表面的水文過程中起著至關重要的作用，表層土壤濕度濕化還是干化與植被的綠化還是惡化之間存在相關關系[24]。分析研究區(qū)內(nèi)2000—2019年月均NDVI值及對應月份0～10cm土壤濕度的相關性，見圖7(c)。結(jié)果顯示：NDVI值隨表層土壤濕度的增加而增大，存在較強正相關關系，r=0.81。

圖7 研究區(qū)NDVI值與降水量、氣溫、表層土壤濕度的相關性分析Fig.7 Correlation of NDVI with precipitation, air temperature and surface soil moisture in the study area

3.4 地下水埋深對植被的影響

本文利用研究區(qū)及周邊125個地下水潛水監(jiān)測井的2019年6月監(jiān)測數(shù)據(jù)，與對應的NDVI值進行相關性分析。研究區(qū)處在農(nóng)牧交錯帶，耕地和牧草地主要靠抽地下水進行灌溉，因此生長季植被指數(shù)最高的耕地，地下水位埋深反而最大。為了消除人為抽水因素影響，本文選擇研究區(qū)內(nèi)的天然植被區(qū)，研究植被與地下水埋深的關系。

6月天然植被區(qū)地下水埋深為0～17.45 m，將地下水埋深以0.2 m為步長，統(tǒng)計每個步長對應的NDVI平均值，生成NDVI值隨地下水埋深變化趨勢圖（圖8）。地下水埋深為0～4 m時，NDVI值隨埋深的增加而增大；地下水埋深4～10 m時，NDVI值趨于穩(wěn)定，在0.4上下浮動；地下水埋深大于10 m時，NDVI值隨埋深的增加而急劇減小。NDVI值在地下水埋深3 m左右達到最大值0.43。

圖8 研究區(qū)天然植被NDVI值和地下水埋深關系圖Fig.8 Relationship between NDVI of natural vegetation and groundwater level depth in the study area

西遼河平原降水主要集中在植被生長季，因此降水對該地區(qū)植被生長有很重要的影響。本文在討論生長季植被與地下水埋深相關性時，沒有排除降水對植被生長的影響。降水和地下水對植被的雙重影響機制還需要進一步研究。

3.5 人類活動對植被的影響

人類活動如土地開墾、植樹造林、城市擴張等，通過改變土地利用類型，對地表植被分布和變化趨勢產(chǎn)生明顯的影響。

本文統(tǒng)計了研究區(qū)2000年和2018年不同土地利用類型的面積及變化（表1）。結(jié)果顯示，耕地、林地面積顯著增加，分別增加了1 873，1 312 km2，草地和水域面積顯著減小，分別減小了4 187，583 km2。結(jié)合近20年來NDVI值的變化趨勢，耕地和林地面積的顯著增加是NDVI值整體呈增加趨勢的主要原因之一，說明耕地開墾及植樹造林在一定程度上改善了當?shù)氐纳鷳B(tài)環(huán)境。但是由于耕地面積增加，會導致灌溉需水量增加，地下水位降低，草地和水域面積呈減少趨勢，不利于形成生態(tài)環(huán)境改善的良性循環(huán)。

表1 研究區(qū)2000和2018年土地利用類型面積統(tǒng)計Table 1 Area of different land use types in the study area in 2000 and 2018 /km2

4 結(jié)論

（1）研究區(qū)20年來全域NDVI均值整體呈增加趨勢，表明植被生長變好，最高值0.56，最低值0.41。在空間上呈現(xiàn)“東高西低”的分布特征，不同用地類型NDVI值由大到小依次為：耕地＞林地＞沼澤地＞灘地＞草地＞鹽堿地＞沙地。

（2）研究區(qū)內(nèi)大部分地區(qū)NDVI值呈增長趨勢，面積為5.33×104km2，占比92.50%，小部分地區(qū)NDVI值呈減少趨勢，面積為0.43×104km2，占比7.50%。

（3）研究區(qū)NDVI值與降水量、氣溫、土壤濕度關系密切，呈正相關關系，相關系數(shù)分別為0.86，0.78，0.81。降水對植被生長影響最大。

（4）地下水埋深為0～4 m時，NDVI值隨埋深的增加而增大；地下水埋深4～10 m時，NDVI值趨于穩(wěn)定，在0.4上下浮動；地下水埋深大于10 m時，NDVI值隨埋深的增加而急劇減小。NDVI值在地下水埋深為3 m左右達到最大值0.43。

（5）人類活動如土地開墾、植樹造林是近20年來NDVI值呈增加趨勢的主要原因之一，在一定程度上改善了當?shù)厣鷳B(tài)環(huán)境。