長白山西坡施業(yè)區(qū)森林植被動態(tài)變化及其成因1)

徐昶 劉琪璟

(北京林業(yè)大學(xué),北京,100083)

天然林資源是中國森林資源的主體,是維持生態(tài)平衡和促進(jìn)可持續(xù)發(fā)展的重要組成部分[1]。中國的天然林資源保護(hù)工程,于1998年開始試點(diǎn),從2000年開始有序停止采伐天然林,2015年開始全面禁伐天然林。天然林資源保護(hù)工程,通過加強(qiáng)森林管理、防治森林病蟲害和火災(zāi)等一系列措施,有效保護(hù)了我國的天然林資源[2]。

天保工程對植被產(chǎn)生的影響,包括碳匯價(jià)值、碳儲量、水源涵養(yǎng)量、土壤保育格局、森林蓄積量、景觀格局等[3-7]。在植被變化監(jiān)測手段方面,遙感技術(shù)以其范圍廣、精度高、獲取信息效率高等優(yōu)勢,成為植被監(jiān)測的主要手段之一。已有研究利用陸地衛(wèi)星系列影像[8-10]、中分辨率成像光譜儀(MODIS)衛(wèi)星影像[11-12],研究天保工程實(shí)施后植被的變化過程。以中分辨率長時(shí)間序列遙感衛(wèi)星影像數(shù)據(jù)為數(shù)據(jù)源,監(jiān)測植被變化,是分析區(qū)域尺度植被變化的主要手段[13]。陸地衛(wèi)星數(shù)據(jù)的干擾和恢復(fù)趨勢檢測(LandTrendr)方法被諸多研究采用,可以滿足森林植被變化監(jiān)測的需求[14-16]。該算法可以提供森林被干擾和恢復(fù)發(fā)生的時(shí)間、地點(diǎn)、強(qiáng)度和面積等多種指標(biāo),但數(shù)據(jù)運(yùn)算量極大[17]。谷歌地球引擎(GEE)平臺可以用于大區(qū)域、多尺度海量遙感數(shù)據(jù)的云端計(jì)算,結(jié)合干擾和恢復(fù)趨勢檢測方法可以解決該算法運(yùn)算量大的問題,方便大區(qū)域、長時(shí)序的森林被干擾的監(jiān)測[18-21]。

吉林省長白山區(qū)域有大面積天然林,森林類型多樣,是研究生態(tài)系統(tǒng)演化和生物多樣性的重要基地,具有區(qū)域氣候調(diào)節(jié)、水源涵養(yǎng)等重要作用。對天然林資源進(jìn)行定量監(jiān)測和評估,有利于全面、及時(shí)、科學(xué)地評價(jià)天然林資源保護(hù)工程的效果。但是,很少有研究依據(jù)長時(shí)間序列數(shù)據(jù)分析天保工程區(qū)的植被變化,檢驗(yàn)天保工程的有效性。為此,本研究以天保工程區(qū)之一——吉林森工集團(tuán)松江河林業(yè)有限公司的林區(qū)為例(研究區(qū)),在谷歌地球引擎平臺上選取1990—2021年間所有可用的陸地衛(wèi)星數(shù)據(jù),經(jīng)預(yù)處理、修正,計(jì)算歸一化植被指數(shù)(NDVI),以最大值合成法求得年均值,獲得研究區(qū)1990—2021年間的植被覆蓋變化數(shù)據(jù);根據(jù)研究區(qū)情況及實(shí)際需要,將土地覆蓋類型分類為落葉闊葉林、常綠針葉林、落葉針葉林、針闊混交林、耕地、草地、水體、人造地表,由高精度地表覆蓋分類數(shù)據(jù)集(GLC_FCS30)獲得1990、2000、2010、2020年4期土地覆蓋(利用)數(shù)據(jù)。應(yīng)用Sen+MK趨勢分析,監(jiān)測植被變化趨勢;應(yīng)用干擾和恢復(fù)趨勢檢測方法,選取歸一化燃燒率構(gòu)建時(shí)間序列數(shù)據(jù),監(jiān)測森林被干擾;分析天保工程區(qū)森林植被的動態(tài)變化特征及其成因。旨在為檢驗(yàn)天然林保護(hù)工程在保護(hù)和恢復(fù)森林資源方面的有效性、為制定生態(tài)保護(hù)和可持續(xù)發(fā)展的科學(xué)決策提供參考。

1 研究區(qū)概況

研究區(qū)為吉林森工集團(tuán)松江河林業(yè)有限公司,所管轄的地域總面積為1582km2,位于吉林省東部、長白山西麓;地理位置為127°12′～127°55′E、41°44′～42°21′N(見圖1)。該區(qū)屬溫帶大陸性季風(fēng)山地氣候,年均氣溫3.7 ℃,年均日照時(shí)間2 352.5 h,年降水量600～825 mm,且降水主要集中在6—8月份。主要樹種為紅松(Pinuskoraiensis)、蒙古櫟(Quercusmongolica)、紫椴(Tiliaamurensis)、紅皮云杉(Piceakoraiensis)、長白落葉松(Larixolgensis)等。

圖1 研究區(qū)位置及數(shù)字高程圖

2 材料與方法

2.1 數(shù)據(jù)來源及預(yù)處理

遙感數(shù)據(jù)收集與處理:本研究遙感數(shù)據(jù)采用1990—2021年Landsat TM/ETM+/OLI地表反射率數(shù)據(jù)集(SR),來源于美國地質(zhì)調(diào)查局,存儲于谷歌地球引擎(GEE)云平臺。該數(shù)據(jù)集已經(jīng)過大氣校正,其時(shí)間分辨率為16 d,空間分辨率為30 m×30 m。本研究依據(jù)谷歌地球引擎平臺的數(shù)據(jù)預(yù)處理,采用腳本(JS)編程語言進(jìn)行。在谷歌地球引擎平臺上選取1990—2021年間所有可用的陸地衛(wèi)星數(shù)據(jù)。其中1990—2011年、2012年、2013—2021年數(shù)據(jù),分別采用美國陸地衛(wèi)星的第五顆衛(wèi)星919景、美國陸地衛(wèi)星的第七顆衛(wèi)星39景、美國陸地衛(wèi)星的第八顆衛(wèi)星461景,共1419景。然后,進(jìn)行預(yù)處理和修正,包括掩膜裁剪和去云等。去云采用云和陰影掩膜(CFMask)算法。最后,通過計(jì)算歸一化植被指數(shù)(NDVI)并以最大值合成法求得年均值,獲得研究區(qū)1990—2021年間的植被覆蓋變化數(shù)據(jù)。

土地覆蓋類型數(shù)據(jù):土地覆蓋(利用)數(shù)據(jù)集,包括1990、2000、2010、2020年4期數(shù)據(jù),來自中國科學(xué)院遙感與數(shù)字地球研究所開發(fā)的高精度地表覆蓋分類數(shù)據(jù)集(GLC_FCS30)。該數(shù)據(jù)集的空間分辨率為30 m,坐標(biāo)系為WGS-1984坐標(biāo)系,擁有30個(gè)精細(xì)類別。本研究根據(jù)研究區(qū)情況及實(shí)際需要,將土地覆蓋類型重分類為落葉闊葉林、常綠針葉林、落葉針葉林、針闊混交林、耕地、草地、水體、人造地表。

2.2 歸一化植被指數(shù)變化的Sen+MK趨勢分析方法

Sen斜率估計(jì)(Sen)+曼-肯德爾(Mann-Kendall)趨勢分析方法,可用于檢測歸一化植被指數(shù)時(shí)間序列中的趨勢性變化[22-24]。本研究使用Sen+MK方法進(jìn)行趨勢分析,得到歸一化植被指數(shù)的變化趨勢。與一元線性回歸趨勢分析法相比,其可以更好地應(yīng)對數(shù)據(jù)中存在的隨機(jī)噪聲等問題,更準(zhǔn)確地反映歸一化植被指數(shù)的空間演變特征[25]。

Sen斜率估計(jì)(Sen)的計(jì)算公式為:β=Median[(INDV,j-INDV,i)/(j-i)],10)或下降(β<0)趨勢;Median表示取中值;i為第i年;j為第j年;INDV,i為第i年的歸一化植被指數(shù)值;INDV,j為第j年的歸一化植被指數(shù)值。

使用樣本統(tǒng)計(jì)量(Z)進(jìn)行趨勢檢驗(yàn),Z值的計(jì)算方法為:當(dāng)S>0時(shí),Z=S/[Var(S)]1/2;當(dāng)S=0時(shí),Z=0;當(dāng)S<0時(shí),Z=(S+1)/[Var(S)]1/2。Var(S)=n(n-1)(2n+5)/18,式中的n為時(shí)間序列的長度。

給定顯著性水平為α=0.05,對應(yīng)的左尾分位點(diǎn)u(α/2)=1.96[26-27]。研究區(qū)植被的變化類型及趨勢顯著性的判斷方法見表1。

表1 植被變化類型及趨勢特征的曼-肯德爾(M-K)檢驗(yàn)趨勢類別

2.3 干擾森林植被因素的檢測方法

時(shí)間序列分割算法(干擾和恢復(fù)趨勢檢測(LandTrendr)算法)可檢測出森林被干擾發(fā)生的時(shí)間、地點(diǎn)和面積等指標(biāo)[28]。本研究的干擾和恢復(fù)趨勢檢測算法在谷歌地球引擎平臺上實(shí)現(xiàn)。

已有研究表明,與歸一化植被指數(shù)相比,歸一化燃燒率(RNB)對干擾森林事件具有更強(qiáng)的敏感性,能抵抗噪音干擾,減小誤差[29-30]。故本研究采用歸一化燃燒率構(gòu)建時(shí)間序列數(shù)據(jù),監(jiān)測植被變化。RNB=(RNI-RSWI)/(RNI+RSWI);式中的RNI為近紅外波段波長,RSWI為短波中紅外波段波長。

干擾和恢復(fù)趨勢檢測算法可以根據(jù)不同的應(yīng)用場景和需求,靈活地調(diào)整算法的參數(shù)。本研究干擾和恢復(fù)趨勢檢測的參數(shù)設(shè)置見表2。

表2 干擾和恢復(fù)趨勢檢測算法參數(shù)設(shè)置

3 結(jié)果與分析

3.1 土地覆蓋類型時(shí)空變化特征

研究區(qū)1990—2020年土地覆蓋類型,為落葉闊葉林、常綠針葉林、落葉針葉林、針闊混交林、耕地、草地、水體、人造地表。其中各類型林地面積之和增加,落葉闊葉林表現(xiàn)出明顯減少的趨勢,草地面積略有減少,落葉針葉林的增長幅度最大,針闊混交林、常綠針葉林、耕地、水體、人造地表面積均有所增加(見表3、表4)。

表3 研究區(qū)1990—2020年土地覆蓋面積

表4 研究區(qū)1990—2020年土地覆蓋類型總面積的變化情況

由圖2可見:主要土地覆蓋類型為各類型林地,其中又以落葉闊葉林為主,占研究區(qū)的絕大部分,但落葉針葉林的占比呈現(xiàn)增加的趨勢;人造地表主要集中在西部地區(qū),占比較少,總體呈現(xiàn)增加趨勢。

圖2 研究區(qū)不同時(shí)期土地覆蓋分類

3.2 研究區(qū)植被時(shí)間和空間的變化特征

研究區(qū)1990—2021年歸一化植被指數(shù)平均值為0.82,呈現(xiàn)出波動上升的趨勢(見圖3)。其中1990—2000年增速為0.000 5%/a,增速較小且波動較大;2000—2015年增速為0.003 6%/a,增速明顯加快且波動減小;2015年之后研究區(qū)的歸一化植被指數(shù)值穩(wěn)定于較高水平。

圖3 1990—2021年歸一化植被指數(shù)時(shí)間變化曲線

結(jié)合圖3以及歸一化植被指數(shù)變化類型圖(見圖4、圖5)可見:研究區(qū)大部分地區(qū)的歸一化植被指數(shù)都呈現(xiàn)增長趨勢,而減少的情況主要分布于西部地區(qū)和中部小部分地區(qū)。2000—2015年歸一化植被指數(shù)整體增速最大,1990—2000年整體增速最小,2015—2021年植被變化程度最小。

圖4 1990—2021年歸一化植被指數(shù)變化趨勢

圖5 1990—2021年歸一化植被指數(shù)變化類型

由表5可見:1990—2000年植被覆蓋不顯著增加的面積占比最大,其次是不顯著減少的面積,二者合計(jì)為94.31%;2000—2015年,極顯著增加、顯著增加和微顯著增加3種類型的面積增加幅度較大,同時(shí)歸一化植被指數(shù)呈現(xiàn)減少趨勢的占比降低(僅為4.88%);2015—2021年,研究區(qū)大部分地區(qū)的植被都呈現(xiàn)不顯著變化趨勢,該趨勢占比為89.19%,植被的整體變化較為穩(wěn)定。

表5 研究區(qū)不同時(shí)期植被變化類型像元數(shù)量及比例

3.3 森林植被被干擾的時(shí)空分布特征

由研究區(qū)森林植被年被干擾面積與研究區(qū)的面積比(年被干擾面積比)可見,總體呈現(xiàn)不規(guī)律的波動(見圖6)。但是,年被干擾面積比的斜率為負(fù)值,平均每年減少0.009 34%(0.15 km2)。其中,1990—2000年的平均年被干擾面積比為23.0%,2000—2015年的平均年被干擾面積比為4.0%,2015—2021年的平均年被干擾面積比為0.5%。

公式中的t為干擾時(shí)間(單位為a)。

由圖7可見:1990—2021年,總的森林被干擾面積為3.6 km2。多年份的森林被干擾地區(qū)分布于整個(gè)研究區(qū),但主要集中于中部和西部,即人類活動頻繁的地區(qū)。中部地區(qū)曾于2006年修建長白山機(jī)場,西部地區(qū)城鎮(zhèn)面積擴(kuò)大,人類干擾頻繁;其余零散分布的干擾地帶為各年份進(jìn)行作業(yè)的伐區(qū)。通過查閱林相圖可知,2015年之后的伐區(qū)均位于人工林內(nèi),為合法的人工林采伐,因?yàn)樘烊涣植煞ヒ驯蝗娼埂ｋS著年份的推移,干擾面積逐漸減少。

圖7 研究區(qū)1990—2021年森林被干擾年份的時(shí)間空間格局

4 結(jié)論與討論

由研究結(jié)果可知,天保工程實(shí)施使森林質(zhì)量得到提高。研究區(qū)2000年之前的森林植被歸一化植被指數(shù)總體偏低,增速小、波動大,且大面積的植被呈現(xiàn)退化趨勢;研究區(qū)于2000年開始有序禁伐天然林之后,森林植被開始整體呈現(xiàn)增加趨勢,歸一化植被指數(shù)增速加快、呈現(xiàn)增長趨勢的植被面積增多,顯著增長的植被面積增多;2015年全面禁伐天然林之后,植被變化趨勢減緩,顯著減少的植被面積也進(jìn)一步減少,歸一化植被指數(shù)總體穩(wěn)定于較高水平。上述變化趨勢與天保工程的政策實(shí)施時(shí)間節(jié)點(diǎn)基本一致,證明天保工程政策對研究區(qū)的森林植被恢復(fù)具有積極影響。本研究森林被干擾的檢測結(jié)果表明,2000年之前,研究區(qū)森林植被的平均年被干擾面積最大,2000—2015年的平均年被干擾面積減小,2015—2021年的平均年被干擾面積最小,可見天保工程減少了研究區(qū)的森林被干擾面積,森林植被得到有效保護(hù)。歸一化植被指數(shù)總體上升,說明研究區(qū)森林質(zhì)量在逐漸恢復(fù)和提高。

天保工程實(shí)施前,天然林的商業(yè)性采伐,導(dǎo)致天然林資源大幅減少、生物多樣性銳減、水土流失嚴(yán)重[31-32]。1998年特大洪災(zāi)之后,國家開始試點(diǎn)天然林保護(hù)工程,并于2000年開始在全國共17個(gè)省(區(qū)、市)全面實(shí)施。經(jīng)過20多年的保護(hù)培育,工程建設(shè)取得顯著成效,1.296億hm2天然喬木林得到嚴(yán)格保護(hù)。天保工程取得的巨大成果,為其他生態(tài)恢復(fù)工程的實(shí)施提供了寶貴的經(jīng)驗(yàn)和啟發(fā)。首先,生態(tài)恢復(fù)工程的順利實(shí)施,需要科學(xué)有效的政策支持;其次,天保工程歷時(shí)20 a,取得了顯著成果,表明生態(tài)恢復(fù)是一個(gè)漫長的過程,生態(tài)恢復(fù)工程需要長期投入、持續(xù)努力和循序漸進(jìn)的政策實(shí)施,才能對生態(tài)環(huán)境的恢復(fù)起到有效作用;此外,生態(tài)恢復(fù)工程的實(shí)施,需要綜合考慮生態(tài)系統(tǒng)恢復(fù)力和外界干擾情況,結(jié)合當(dāng)?shù)氐慕?jīng)濟(jì)和社會發(fā)展水平,選擇生態(tài)恢復(fù)方式,以實(shí)現(xiàn)經(jīng)濟(jì)和生態(tài)的可持續(xù)發(fā)展[33]。

本研究結(jié)果證明了使用遙感和云計(jì)算技術(shù)監(jiān)測植被變化的重要性。遙感和云計(jì)算技術(shù),能夠快速有效地分析大量的數(shù)據(jù),對生態(tài)恢復(fù)工程的效果進(jìn)行監(jiān)測和評估,對于促進(jìn)生態(tài)恢復(fù)工程的順利實(shí)施具有重要作用。遙感和云計(jì)算技術(shù),可以快速、準(zhǔn)確地獲取有關(guān)植被分布、生長情況、變化趨勢等方面的信息,這些信息對于了解植被的生長狀況、評估生態(tài)系統(tǒng)的健康狀況、制定有效的生態(tài)保護(hù)措施等方面都具有重要意義[34-35]。此外,遙感和云計(jì)算技術(shù),還能夠?qū)χ脖蛔兓M(jìn)行長期的監(jiān)測和跟蹤。通過定期獲取遙感數(shù)據(jù)并利用云計(jì)算技術(shù)進(jìn)行處理,可以對植被變化進(jìn)行長期監(jiān)測和跟蹤,及時(shí)發(fā)現(xiàn)問題并采取相應(yīng)的措施。

本研究為天保工程在促進(jìn)研究區(qū)植被恢復(fù)方面的成效提供了有效的證據(jù),能夠?yàn)橹袊磥淼纳鷳B(tài)恢復(fù)工程的規(guī)劃和實(shí)施提供參考。但是,本研究仍有一些局限性,例如,研究只關(guān)注了天保工程的一個(gè)工程區(qū)。未來的研究可以擴(kuò)展到全國其他地區(qū)的天保工程區(qū),將各工程區(qū)取得的成效進(jìn)行對比,分析不同工程區(qū)具有不同成效的因素,以提供對生態(tài)恢復(fù)工程更全面的了解。