李春丽，韩忠玲，程勇翔，吴 玲

（1.石河子大学生命科学学院；2.石河子大学信息科学与技术学院，新疆 石河子 832000）

古尔班通古特沙漠是中国面积最大的固定、半固定沙漠，沙漠内植物种类丰富，可达208 种，常见物种92 种。其中，草本植物有75 种，占总物种数的81.5%，短命植物占草本植物物种数的53.3%，梭梭是该生境中的主要建群种[1]。近几十年来，随着区域环境温度的升高和降水分布格局的变化，古尔班通古特沙漠西部地区植被各物种的群落数量特征正在发生方向性改变，表现为建群种植物梭梭出现严重退化，而群落中短命植物类群发展迅速[2]。该生境中植被群落演替方向对春季荒漠化程度的影响有待深入研究。

目前，关于荒漠化监测的方法主要有：基于指标（植被及裸沙覆盖度）的荒漠化监测研究、基于遥感植被指数时间序列变化趋势分析的荒漠化监测研究和基于Albedo-NDVI 特征空间的荒漠化监测研究。其中，对基于指标的荒漠化监测含有野外样方调查监测，但该方法费时费力，不利于大面积调查研究[3]。除此之外，利用遥感影像，通过图像分类获取荒漠化监测指标，从而用于荒漠化监测的报道也不在少数[4-5]。该方法荒漠化监测的结果主要取决于监测指标的图像分类精度。基于遥感植被指数的时间序列分析，较适用于长时序、大范围荒漠化监测，所得结果在荒漠化变化趋势的探讨上意义明显[6-7]。曾永年使用的Albedo-NDVI 特征空间法是生物物理意义明确的荒漠化监测方法，绘制的特征空间能够将沙漠化土地地表覆盖、水热组合变化直观地反映出来，所构建的沙漠化遥感监测差值指数（DDI），有利于沙漠化定量分析和监测[8]。近年来，基于该方法的荒漠化监测研究较常见[9-11]。

综上所述，在荒漠化监测的主要方法中，构建特征空间是目前较为流行的荒漠化监测手段，但该方法在特征空间稳定性上还存在一些不足。本研究拟采用构建NIR-NDVI 特征曲线这一新的荒漠化监测手段，克服特征空间分析的不足，实现对研究区荒漠化状况的准确监测。

1 研究数据与方法

1.1 研究区介绍

本文选取古尔班通古特沙漠西部作为研究对象（见图1），地理位置为东经85°6′26″～86°37′44″，北纬44°45′7″～45°17′25″。年平均温度4.3～7.9℃，年降水量70～150 mm，蒸发量2 000～2 800 mm，为典型温带干旱荒漠区[12]。该区域地势整体为东南高，西北低。东部沙丘海拔较高，为典型沙丘地貌；西部为小沙丘和龟裂地相间排列，其间有零星盐渍化土壤分布；北部地势低平，有大量盐渍化土壤分布，是盐生植物的主要分布区；南部和绿洲区域犬牙交错，研究区典型植被群落类型为梭梭群系[13]。近年来，研究区环境气候特征表现为越热越湿，即温度升高，降水增加，但是大气相对湿度降低（见图2），短命植物类群受到环境气候变化的影响而蓬勃发展。

图1 研究区地理位置

图2 研究区1952-2016年间相关数据年平均值变化数据选择及预处理

为增加结果的可比性，用于比较的各期数据在日期选择上尽量相近，本研究从地理空间数据云（http：//www.gscloud.cn/）下载了2016年春季Landsat 8 OLI 5月23日、Landsat 5 2009年5月20日和1998年5月22日三期遥感影像，它们间的最大时间差为4 d。同时，对下载的遥感影像进行辐射定标、大气校正等预处理，在预处理的基础上进一步去除建筑物、水体和沙漠公路部分。为减小各期数据范围变化对分析结果的影响，本研究又进一步制作了三期影像的公共范围（见图3），结果用于比较分析；另外，本研究又下载了2000-2016年MODIS MODND1M 5月NDVI 数据。利用该数据计算近年来研究区5月NDVI 变化趋势（利用式（1）来说明），结果用于荒漠化监测的验证。

式中，bj为第j像元NDVI 线性回归斜率；xi为第i年份，为统计的年份平均值；yij为第i年份，第j像元NDVI 值；为第j像元统计年份的NDVI 平均值。

图3 公共比较区范围

1.2 选择NIR-NDVI 特征曲线衡量荒漠化的依据

NDVI 值的大小可反映荒漠植物生长状况，NIR值大小可反映地表类型的变化。荒漠植被覆盖区域，表现为NIR 值增加，NDVI 值增加；而非植被覆盖区，表现为NIR 值增加，NDVI 值减小，如图4、图5所示。

图4 各波段的NIR 光谱特征描述

图5 NIR 波段与相应NDVI 的关系柱状图

研究通过NIR 与相应NDVI 值的分段统计（以NIR值每升高50 为一段）构建特征曲线，突显了二者之间的变化规律。人们从变化规律中可探寻出划分荒漠植被覆盖区与荒漠区范围的特征曲线临界阈值。结果可用于构建荒漠程度量化指标及监测指标临界阈值划分。

1.3 荒漠化程度量化指标的构建及监测区域的划分

依据荒漠植被覆盖区和荒漠区NIR 与相应NDVI变化规律，利用二者比值研究构建了荒漠程度量化指标（Degree of desertification，DD），如式（2）所示。图6 虚线右侧是荒漠化监测区，该区域表现为DD 越大，荒漠化程度越高。图6 虚线和实线相交处是DD临界阈值的取值。

图6 基于DD 荒漠化监测的原理模式

2 结果与分析

2.1 古尔班通古特沙漠西部春季荒漠化监测结果

本研究利用春季三幅影像，分别绘制了各期NIR-NDVI 特征曲线，结果如图7所示。经分析，2016年荒漠植被覆盖区与荒漠区划分的临界点较同期两年最靠右，其NDVI 峰值最高。2016年前一年12月与当年1-5月累积降水量为232.8 mm，高于2009年99.7 mm，高于1998年60.3 mm（数据基于石河子气象站点分析）。因此，降水最多、短命植物生长良好的2016年春季荒漠植被总体生长状况最好。春季三期特征曲线中2016年与1998年均出现两个NDVI 峰值，研究称此现象为“斜台现象”。分析原因可知，“斜台现象”的出现与短命植物的生长状况紧密相关。“斜台现象”中的两个NDVI 峰值将特征曲线划分为三段，分析可知第一段NDVI 峰值较低，NIR 值也较小，即可代表梭梭群系等“灰绿”荒漠多年生植被类群；第二段NDVI 峰值最高，NIR 值较大，即可代表短命植物等“叶绿”荒漠植被类群；第三段曲线为NIR 值增大，NDVI 值单调递减的部分，代表无植被覆盖或极低植被覆盖的荒漠区域。

图7 春季NIR 及相应NDVI 值分段统计特征曲线

随着裸沙面积增加，植被覆盖度减小，NIR 值增大，相应NDVI 值减小，荒漠程度量化指标值DD 增大，代表荒漠化程度加重。由春季三期荒漠程度量化指标结果可知（见图8），2009 春季年监测曲线位于其余两年之上，同一NIR 值处的DD 值最大，代表该年荒漠化程度最重。2016 春季监测曲线位于最下方，DD 值最小，代表该年荒漠化程度最轻。1998 春季监测曲线位于前两者之间，荒漠化程度较2016年重，较2009年轻。就春季监测结果整体来看，自1998年至2016年，古尔班通古特沙漠西部春季荒漠化有所减轻。

图8 基于DD 值的监测结果

为进一步比较春季三期影像荒漠化的相对变化，本研究以植被生长最好的2016年春季为基准，选取当年NDVI 最大峰值以及植被覆盖区与荒漠区临界线对应的NIR 值（2774.7）作为判断条件，利用式（1）计算相应DD 临界值（10 493）作为相对荒漠化临界阈值，将其余两期相对判定结果与2016年荒漠化监测结果进行比较，如图9、图10所示。经统计分析，2016年春季较2009年植被恢复区域面积为1.86×105hm2。2016年春季较1998年植被恢复区域面积为2.02×105hm2。

图9 2016 较2009年植被恢复区域

图10 2016 较1998年植被恢复区域

2.2 讨论

降水增加利于荒漠植被NDVI 值的升高，旱生植物的生长受降水影响很大。在近几十年总降水量增加的趋势下，研究区水热配合相关系数呈下降趋势（见图2），证明降水主要集中在一年中的两端，该变化有利于短命植物的生繁。在此背景下，监测结果往往受短命植物影响表现为荒漠化程度有所减轻。

相关研究表明，古尔班通古特沙漠植被NDVI 值于每年第145 天明显起伏[14]。该时期正是研究区选取制作特征曲线的时段，这一时期短命植物生长最为繁茂，此时群落NDVI 值达到一年中的最高峰。2016年及1998年5月春季特征曲线均出现“斜台现象”，分析可知“斜台”的出现主要是由短命植物大量生长引起的。有学者研究发现，短命植物生长状况与前一年冬季及当年春季降水密切相关，研究中2016年该时段降水明显高于其他两个监测年份，“斜台现象”也最明显[14]。三年中2009年降水最少，表现为特征曲线没有出现明显峰值，也无“斜台现象”。另有研究结果表明，古尔班通古特沙漠植被覆盖度在2007-2009年急剧下降，达近10年来的最低值，该结论与研究2009年春季特征曲线没有明显峰值、NDVI 值较低的结果相符[15]。研究所得2016 较2009年植被恢复区域与蒋超亮依据MODIS NDVI所得研究结果基本一致[16]。另外，研究又利用2000-2016年MODND 1M 5月NDVI数据计算逐个像元植被指数变化趋势，将趋势线斜率作图，结果如图11所示，从图中可以看出红色部分为植被覆盖度增长的区域，黄色为无明显变化的区域，该结果与研究监测所得植被恢复区在空间位置上相重叠，证明研究结果是正确的。NDVI 变化趋势及植被恢复区域叠加效果如图12所示。

图11 研究区2000-2016年5月NDVI 变化趋势分析

图12 NDVI 变化趋势及植被恢复区域叠加效果

Albedo-NDVI 特征空间法是当下最常用的荒漠化监测手段。但该方法会因研究位置选择的不同，导致Albedo-NDVI 特征空间散点图也变得不同，不同的散点图会影响监测结果的分析。为此，本研究又计算短波长Albedo，利用分段统计的方法（以Albedo 每升高50 为一段）制作了Albedo-NDVI 特征曲线（见图13），并得出了Albedo 和NDVI 比值，所得结果与NIR 和NDVI 比值（DD）在曲线形状、趋势规律上一致，进一步说明利用NIR-NDVI 特征曲线表征荒漠化是合理并可行的[17]。特征曲线较特征空间优势在于特征曲线是基于整个研究区的数据统计所得的，不涉及特征空间的选择，所以特征曲线的结果能够一览研究区全貌，并且稳定性好。

图13 基于Albedo-NDVI 比值监测结果

3 结论

本研究构建的NIR-NDVI 特征曲线能够准确描述地表类型与植被覆盖度的内在联系。据此构建的荒漠程度量化指标可以直观反映荒漠化程度。古尔班通古特沙漠西部的环境变化趋势有利于短命植物的生繁，在春季降水好的年份表现尤为明显，特征曲线因短命植物的大量生长出现“斜台现象”，荒漠化程度明显减轻。春季荒漠化监测中，受降水影响，2016年相较1998年植被恢复区域面积为2.02×105hm2，相较于2009年植被恢复区域面积为1.86×105hm2。研究区短命植物蓬勃发展，是古尔班通古特沙漠西部春季荒漠化得以减轻的主要原因。