極端干旱對南四湖濕地景觀影響的遙感分析

劉茹蕓 于泉洲,2* 賈愛英 張忠鎮(zhèn) 李天主

（1 聊城大學地理與環(huán)境學院，山東 聊城 252059；2 聊城大學黃河學研究院，山東 聊城 252000；3 山東省濟寧市土地儲備和規(guī)劃事務中心，山東 濟寧 272000；4 濟寧市林業(yè)保護和發(fā)展服務中心，山東 濟寧 272000）

在氣候變化的背景下，升溫導致空氣可更多地吸收土壤水分，加劇地表失水，導致干旱事件更易發(fā)生（IPCC, 2021）。隨著氣候變暖，全球干旱事件頻發(fā)且影響程度愈加嚴重，導致人類社會對水資源需求壓力陡升（Rohde, 2023）。在干旱背景下，濕地生態(tài)系統(tǒng)發(fā)生不同程度的變化，引起氣象、水文、生態(tài)等多因子發(fā)生深刻變化。通過對濕地水域、植被及景觀格局指數的分析，揭示干旱對濕地的影響機制及各類景觀隨著干旱的演變特征，對于濕地監(jiān)測以及保護政策的制定意義重大（Ozesmi et al.,2002）。

當前，遙感技術是濕地環(huán)境監(jiān)測的強有力手段并得到了廣泛應用。李加林等（2020）選擇1990年、2000年、2008年以及2017年遙感數據，基于國內鹽城濕地、杭州灣南岸濕地和象山港濕地3個研究區(qū)比較不同的濱海濕地植被時空演變特征，揭示各類型濱海濕地植被在人類活動以及自然環(huán)境影響下的不同演化規(guī)律。葛少青等（2018）發(fā)現(xiàn)溫度植被干旱指數（TVDI）、垂直干旱指數（PDI）和歸一化干旱監(jiān)測指數（NPDI）均能夠有效地監(jiān)測土壤干旱。蔡亮紅等（2017）在傳統(tǒng)植被指數的基礎上加入短波紅外波段，提升土壤水分遙感反演的能力?？傊?，當前多數研究主要關注基于干旱指數的長時序干旱趨勢研究，或利用遙感手段監(jiān)測土壤干旱特征，但缺乏從衛(wèi)星遙感的尺度結合干旱指數對濕地干旱特征的研究，尤其高時空分辨率湖泊濕地干旱特征的遙感研究還有待加強。

南四湖是山東省最大的淡水湖，同時也是南水北調東線的重要樞紐，在維護區(qū)域生態(tài)安全方面具有重要作用（于泉洲等, 2012）。本文圍繞南四湖濕地典型的干旱事件，利用2002年逐月的和正常年份2000年的Landsat系列影像，結合相關分析法、影像分析、閾值法和景觀格局分析法等揭示極端干旱對南四湖濕地的影響機制，分析干旱背景下南四湖景觀的變化特征，旨在為氣候變化背景下的湖泊濕地管理與保護提供科技支撐。

1 研究區(qū)概況與研究方法

1.1 研究區(qū)概況

南四湖位于山東省西南部的微山縣，由南陽湖、微山湖、昭陽湖和獨山湖四個相連的湖泊組成，總面積約為1 266 km2（圖1）。全湖南北長約120 km，東西寬5～25 km，平均水深1.5 m。南四湖濕地屬暖溫帶大陸性季風氣候，年平均氣溫約14℃，年平均降水量約700 mm。南四湖自然資源豐富，盛產魚、蝦、葦、蓮等多種水生動植物，是山東省最重要的淡水漁業(yè)基地。2002年南四湖濕地發(fā)生極端干旱事件，造成幾乎全湖干涸，湖區(qū)生態(tài)環(huán)境破壞嚴重，水產養(yǎng)殖業(yè)也遭受重大損失（朱新慶等, 2003）。

圖1 研究區(qū)位置Fig.1 Location of the study area

1.2 數據來源

Landsat TM/ETM+數據在地理空間數據云平臺下載（https://www.gscloud.cn/），數據具體信息見表1。行政區(qū)劃數據主要來自來源于中國科學院資源環(huán)境科學與數據中心網站（https://www.resdc.cn/），時間為2015年，主要用于區(qū)域分割。逐月溫度、降水量等氣候數據來自中國氣象科學數據共享服務平臺的微山站點（http://data.cma.cn/）。PDSI數據來自荷蘭皇家氣象研究所（https://www.knmi.nl/），分辨率為4 km，時間頻率1次/月。

表1 研究所用遙感數據Table 1 Remote sensing data used in this study

1.3 研究方法

1.3.1 水域面積提取改進的歸一化差異水體指數（MNDWI）能夠有效識別水體，并能夠揭示水體細微特征（楊安南等, 2021），該指數對水體提取的匹配度達90%以上（Xu, 2006），本研究選用該指數進行水體提取。確定閾值為0.2，進行水域面積提取。

1.3.2 植被變化分析歸一化差值植被指數（NDVI）利用紅外和近紅外波段的結合，能夠準確反映植被覆蓋和生長狀況（于泉洲等, 2014）。植被覆蓋度（FVC）表示區(qū)域有植被覆蓋地表與無植被覆蓋地表的組成比例（張海霞等,2007），利用像元二分模型來計算植被覆蓋度（仲嘉亮等, 2017）。按照10%、30%、45%、60%分別劃分為低、較低、中度、較高、高植被覆蓋度。

1.3.3 干旱狀態(tài)分析利用帕默爾干旱指數（PDSI）分析濕地干旱狀態(tài)，該指數是一個基于水量供需關系的干旱指數。當水分供不應求時PDSI值為負數，即為干旱；否則為濕潤（Palmer, 1965）。在荷蘭皇家氣象研究所按照經緯度下載研究區(qū)逐月PDSI值，PDSI值詳細分類見表2。

表2 PDSI干旱程度分級表Table 2 The PDSI classification table

1.3.4 景觀格局變化分析利用監(jiān)督分類方法進行地物景觀分類并進行面積統(tǒng)計，計算景觀格局指數討論干旱對濕地的影響，主要計算各景觀面積、斑塊數量（NP）、斑塊密度（PD）等指標（鄔建國,2000） 。

1.3.5 精度驗證基于同時期的Google Earth高分圖像，選取分類驗證樣本點。使用ENVI圖像處理軟件的混淆矩陣工具對遙感圖像解譯結果與生成精度驗證樣本來進行精度評價（何予霄等, 2018）。

2 結果與分析

2.1 南四湖極端干旱年氣候特征

1960—2010年南四湖濕地氣溫和降水變化見圖2，從圖2可知：50年間研究區(qū)年平均氣溫呈波動上升趨勢，2002年年均氣溫處于歷史相對高位，且干旱發(fā)生前連續(xù)多年氣溫持續(xù)高位，為南四湖濕地干旱的發(fā)生提供了氣溫條件。2002年降水量相較于相鄰年份明顯偏少，全年降水量僅為470.8 mm。南四湖濕地2002年平均年氣溫處于1960年以來的較高水平，其年降水量卻處于1960年以來的低值，故可判斷異常的氣溫、降水條件為2002年的干旱主因。

圖2 1960—2010年南四湖氣溫與降水變化圖Fig.2 Annual temperature and precipitation from 1960 to 2010 in Nansi Lake

2.2 干旱年南四湖水域變化特征

本文選取了2002年逐月及2000年部分月份的遙感數據進行分析，根據前述氣象分析結果，將2000年代表正常年份進行對比。計算MNDWI，并進行閾值分割，得到水域與非水域的二值圖并計算水域面積（圖3），各月份平均總體精度為84.40%，平均Kappa系數為0.73。從圖3可知：2002年4月已出現(xiàn)明顯的水面減少，隨后水面雖略有增加，但自5月開始水域面積逐漸減少，10月水域面積降至最小。從MNDWI反演的水域面積來看，正常年2000年2月、3月、5月、8月、9月、11月的水域面 積 分 別 為311.02 km2、477.32 km2、439.91 km2、523.49 km2、319.20 km2、397.80 km2，2002年干旱發(fā)生后水域面積普遍小于2000年相應月份的水域面積。

圖3 2002年逐月水域分布格局Fig.3 monthly water patterns in Nansi Lake in 2002

通過將2002年11個PDSI為負的月份水域面積與相應的PDSI值進行相關性分析（圖4）。從圖4趨勢擬合的結果來看，兩者之間存在非線性關系，即隨著干旱的加重，水域面積下降速度加快。

圖4 水域面積與PDSI的相關性Fig.4 Correlation between water area and PDSI

2.3 干旱年南四湖植被變化特征

2.3.1 南四湖NDVI及植被面積變化特征計算南四湖濕地2002年各月份的NDVI（圖5），從圖5可知：南四湖NDVI表現(xiàn)為先增加后降低的特征，即先變綠再變黃的趨勢。隨著生長季到來和湖泊初步干涸，湖岸到湖心的NDVI逐漸增大，說明隨著水面的縮小，植被逐漸向湖區(qū)生長蔓延，這一特征在5—7月表現(xiàn)最為明顯。夏季全湖NDVI達到最大，尤其獨山湖、昭陽湖和微山湖干涸的湖床上呈現(xiàn)較高的NDVI，說明湖床干涸的早期水熱條件適宜，導致植被迅速生長，NDVI上升。從10月開始，湖床的NDVI開始呈現(xiàn)下降趨勢，說明干旱的加劇和持續(xù)，導致湖床水熱條件變差，植被生長受到抑制。

圖5 2002年南四湖各月份NDVI格局Fig.5 NDVI patterns of Nansi Lake in every month in 2002

將NDVI值大于0.42的區(qū)域作為植被（陳云等,2008），對南四湖濕地的植被面積進行統(tǒng)計（表3）。由于氣候干旱，植被在干涸的湖區(qū)逐漸向獨山湖和昭陽湖湖心蔓延生長，導致干旱前期（10月之前）的植被面積增大，但由于旱情加重（10月之后），生物嚴重缺水，植被面積又迅速減小。

表3 2000年與2002年南四湖植被面積 km2Table3 Vegetation area of Nansi Lake monthly in 2000 and 2002 km2

2.3.2 植被覆蓋度變化特征基于NDVI數據，并利用像元二分法求得南四湖干旱年逐月的FVC（圖6），分析發(fā)現(xiàn)南四湖濕地在2002年8、9月的植被覆蓋度達到最高；南四湖濕地在6月湖內裸露的土地上植被爆發(fā)，植被覆蓋度持續(xù)增加并且持續(xù)到9月。結合圖3可知：在2002年的秋、冬月份，獨山湖與昭陽湖出現(xiàn)干湖現(xiàn)象，二者湖心植被覆蓋度均值在0.3左右，植被覆蓋度下降明顯。

圖6 2002年南四湖濕地各月份FVC分布格局Fig.6 FVC patterns of Nansi Lake wetland in each month in 2002

2.3.3 干旱對濕地植被的影響將NDVI、FVC及植被面積與PDSI進行統(tǒng)計（圖7），發(fā)現(xiàn)NDVI、FVC及植被面積具有大體相同的變化特征，均呈現(xiàn)出先上升后下降的趨勢。其中，7月和8月的NDVI、FVC值達到最大，而植被面積在8月和9月最大，此時的PDSI為-1～-2.5，為輕微干旱。隨后，隨著流域補水和冬季到來，植被開始減少，NDVI等植被指標劇烈下降。

圖7 干旱年植被與PDSI的逐月變化特征Fig.7 The monthly variation of vegetation and PDSI

考慮到干旱對植被的影響具有滯后性，故選擇當月的PDSI與下月NDVI、FVC及植被面積對應，并進行相關性分析（表4）。從表4可知：PDSI與3個植被相關指標均具有顯著相關性，其中，PDSI與FVC的相關性最高（R=0.71）。從圖7可知：輕微干旱時，NDVI與FVC值均會有所上升，植被面積也有所增加，但濕地處于嚴重干旱時，NDVI、FVC與植被面積會迅速下降。

表4 PDSI與植被各指標的相關性分析Table 4 Correlation analysis between PDSI and various vegetation indicators

2.4 干旱對濕地景觀的影響

選取干旱年主要季節(jié)（2002年春、夏、秋）與正常年（2000年夏）的遙感圖像，結合水體指數、植被指數，通過最大似然監(jiān)督分類，將南四湖濕地景觀分為水域、植被和其他（主要是裸地與建設用地）3類，總體精度分別為87.15%、77.63%、90.08%、86.38%，Kappa系數分別為0.78、0.69、0.84、0.82。

由表5分析南四湖景觀類型的面積、斑塊數量以及斑塊密度特征發(fā)現(xiàn)，相較正常年份，干旱年的水體面積維持低位，而植被面積顯著增加。植被面積由2000年夏季的696.25 km2增加到2002年夏季的864.12 km2。同時，水體的斑塊數量（NP）由2000年夏季的8 432增加到2002年夏季的9 344，植被斑塊數量在干旱年份呈現(xiàn)不明顯的先減后增，其他景觀呈現(xiàn)明顯夏季偏低特征。水體斑塊密度（PD）由2000年夏季的17.98顯著增加至2002年夏季的33.45，并持續(xù)增加到2002年秋季的87.48；植被斑塊密度表現(xiàn)出相反變化，由2000年夏季的12.76降到2002年夏季的8.89，其他景觀斑塊密度干旱年份夏季同樣低于正常年份夏季。在干旱年水體景觀相較于正常年份的破碎化和異質性有所增加，而植被景觀破碎化和異質性則有所減弱。

表5 干旱年份與正常年份南四湖主要景觀特征Table 5 Landscapes of the study area in drought and normal year

3 討論

極端干旱事件通過在短時間內改變濕地水文特征，劇烈影響濕地植被和水域分布特征，進而導致濕地結構和功能的迅速變化（羅金明等, 2019）。干旱的發(fā)生對于植被、水文、景觀格局都有不同程度的影響，特別是干旱初期植被面積相較于普通年份顯著增加。干旱期間會導致多數濕地植物失去其適宜的生態(tài)位，耐旱性較差的物種最早被淘汰，耐旱性較好的植物適應干旱的能力會得到增強（于泉洲等, 2014），且大量水生生物的生存受到嚴重威脅，農作物受災嚴重。通過對正常年和干旱年南四湖濕地的景觀格局分析可知，干旱對濕地景觀產生顯著影響，特別表現(xiàn)在增加了水體的破碎化和景觀異質性，同時減小植被的破碎化和異質性。

氣候變化背景下，極端干旱事件頻發(fā)，相關管理部門需加強管理和提高保護意識，維護濕地功能和結構的穩(wěn)定。光學及合成孔徑雷達（SAR）遙感數據因其觀測周期短、實時性強等特點可準確及時地獲取水體信息，已被廣泛用于地表水監(jiān)測（劉元波等,2020）。從遙感數據中提取植被指數與水體指數等參數，可準確表達植被狀態(tài)，結合干旱指標進行分析能有效地揭示濕地對干旱的響應特征。在遙感數據與平臺愈加豐富的將來，將衛(wèi)星遙感結合無人機遙感、地面光譜遙感測量、實地采樣對濕地景觀信息開展多維度、高精度、長時序變化的監(jiān)測分析將是重點的研究方向。

4 結論

干旱年異常的水熱氣候條件是導致南四湖發(fā)生極端干旱事件的主要原因，全年降水的異常偏少和氣溫的異常偏高加劇了干旱的發(fā)生。干旱年南四湖的水域面積相較于非干旱年大幅減小，從5月開始干旱加劇，水域面積逐漸減小，10月達到最小值，并出現(xiàn)干湖現(xiàn)象。干旱年南四湖濕地的植被面積明顯高于非干旱年，干旱年PDSI與濕地植被特征（NDVI均值、FVC及植被面積）均具有顯著的正相關性（P＜0.05），干旱年植被特征呈先增加后減少的趨勢。干旱在短期內顯著影響南四湖的景觀格局特征，隨著干旱增加，干旱年內的水域與植被景觀的斑塊數量和斑塊密度發(fā)生劇烈變化，景觀破碎化與空間異質性均發(fā)生了顯著變化。