APP下载

近20年防风固沙重点生态功能区植被动态分析

2021-11-26范闻捷刘海江任华忠崔要奎

生态学报 2021年21期
关键词:功能区植被降水

胡 玲,孙 聪,范闻捷,刘海江,任华忠,崔要奎,*

1 北京大学地球与空间科学学院遥感与地理信息系统研究所, 北京 100871 2 空间信息集成与3S工程应用北京市重点实验室, 北京 100871 3 中国环境监测总站,北京 100012

在自然和人为因素的双重影响下,我国北方干旱-半干旱区土地沙漠化问题非常严重[1],土地沙漠化造成可利用的土地资源大幅度减少,严重压缩了人类的生活空间[2],并且在大风作用下,沙漠化地区沙尘暴频发,影响华北、东北及周边的国家和地区,造成重大财产损失,同时也严重制约着当地经济社会的可持续发展[3],沙漠化防治和沙漠化土地修复工作刻不容缓。研究表明,植被能通过控制和固定流沙起到减缓土地退化的作用[4]。我国政府高度重视生态保护工作, 2008年原环境保护部与中国科学院联合发布了《全国生态功能区划》[5],2011年国务院发布了《全国主体功能区规划》[6],按照主导生态功能定位划定了水源涵养、水土保持、防风固沙和生物多样性维护等不同类型的重点生态功能区。与此同时,为加强国家重点生态功能区生态环境保护,财政部于2009年印发了《国家重点生态功能区转移支付(试点)办法》,中央财政以一般性转移支付的方式对国家重点生态功能区县级政府进行生态补偿[7]。截止到2019年,国家已累计下达转移支付资金5000多亿元,转移支付县域达到817个[8]。防风固沙型国家重点生态功能区主要是指沙漠化敏感性高、土地沙化严重、沙尘暴频发并影响较大范围的区域,需要采取退耕(牧) 还林(草)、控制放牧强度、禁止开矿等多种措施提高植被覆盖以增强区域防风固沙能力。

卫星遥感能够提供大范围、长时间序列的对地观测数据,在植被监测中发挥着十分重要的作用。生态参数遥感产品, 如归一化差值植被指数(NDVI)、叶面积指数(LAI)等,常用来监测植被的生长状态。相比于植被指数[9-11],LAI在监测干旱-半干旱区植被方面有两个优势:(1)植被指数在低植被覆盖区域容易受土壤背景值的影响[12]而不能准确反映植被动态,而LAI描述的是植被冠层结构的真实状况,受土壤背景影响相对较小;(2)LAI有明确的物理意义,LAI定义为单位地表面积上单面绿叶面积的总和[13],是表征植被结构和长势的重要参数[14],被广泛的应用到植被动态监测[15]和作物生长模拟[16-17]。随着卫星遥感技术的飞速发展,目前已有多种类型的LAI产品,例如,MODIS (Moderate Resolution Imaging Spectroradiometer)LAI[18],GLASS (Global LAnd Surface Satellite)LAI[19],GLOBMAP (The GLOBal MApping Project) LAI[20], VIIRS(Visible Infrared Imaging Radiometer Suite)LAI[21]等。基于遥感LAI产品对全球植被的监测表明:在全球尺度上,近些年植被有明显的变绿趋势[22],且主要来自于中国南方森林和中国、印度耕地的贡献[23]。在全球变绿的大背景下,摸清潜在沙漠化和沙漠化区域植被的变化情况对于了解此类地区的生态环境具有十分重要的意义,同时也可以检验近年来国家重点生态功能区转移支付政策实施成效。

鉴于此,本文以MODIS LAI产品为主要数据源,分析防风固沙重点生态功能区在2000—2019年间LAI的时空变化情况,特别对比了转移支付政策实施(2010年)前后该区域植被变化特征,同时分析气候因素(气温和降水)对植被变化产生的影响,以期探索在当前全球气候变化的大背景下,防风固沙重点生态功能区植被的变化情况与影响因素,从而为今后防风固沙工作的开展提供科学依据。

1 数据与方法

1.1 研究区概况

图1 研究区地理位置、生态功能分区及研究区2019年的土地覆盖分布图Fig.1 Geographic location and land cover (data source: MODIS MCD12Q2 in 2019) of Study area (数据来源:MODIS MCD12Q2数据产品,https://lpdaac.usgs.gov/products/mcd12q2v006/)

1.2 数据来源与处理

1.2.1LAI数据

本文的LAI数据为2000—2019年MOD15A2H,下载自美国NASA EOS/MODIS网站(https://search.earthdata.nasa.gov/search/),其空间分辨率为500 m,时间分辨率为8天。该数据集的主算法是通过3D 辐射传输模型,利用MODIS的红外、近红外地表反射率和卫星观测几何参数,从特定群落查找表(Biome-specific look-up tables, LUTs)中估算得到。在主算法不适用的情况,则以LAI—NDVI的经验关系来替代估算LAI[24]。MODIS LAI产品是目前进行大范围植被时空变化研究中最常用的遥感产品之一,同时,我国草地区的地面验证研究[25-26]显示该产品能够较好的反映草地的生长变化情况。

原始LAI产品经拼接、投影转换及裁剪等预处理后,为消除云和大气影响,进一步采用时间序列谐波分析法(Harmonic Analysis of Time Series,HANTS)[27]对2000—2019年的LAI时间序列进行空值的填补及异常值的纠正,进而得到研究区时空连续的LAI数据集。最后,为了聚焦LAI的年际变化情况,本文对8天的LAI产品进行了年内的平均,形成了近20年的逐年年平均LAI时间序列。

1.2.2气象数据

本研究的气象数据来自国家青藏高原科学数据中心(https://disc.gsfc.nasa.gov/datasets)提供的中国气象数据驱动数据集。该数据集将全国700多个地面测量站点的实测数据作为算法的输入数据进行气象产品的生产,产品的精度较高[28]。原始气象数据为防风固沙重点生态功能区2000—2018年的年均温和年平均降水速率,空间分辨率为0.1°,数据预处理阶段将原始的逐年年平均降水速率转化为逐年年累计降水量,此外,为了和LAI进行生态区尺度上的相关分析,进一步将0.1°的气象数据聚合到生态功能区尺度,得到8个生态功能区19年的气象数据时间序列。

1.3 研究方法

1.3.1LAI时空变化趋势分析

绝对变化率:采用一元线性回归方法分析2000—2019年间单个防风固沙重点生态功能区(区域尺度)和单一像元(像元尺度)LAI的绝对变化趋势。计算公式如式(1):

(4)该生物复菌剂作为一种活菌制剂,产品的作用效果受施用方法、环境条件等方面的限制,大棚试验过程中作用效果不是非常稳定,这也影响该产品的进一步推广、应用。下阶段,将深入研究其施用的土壤条件、作物类型、耕作方式、施用方法、施用量以及与之相应的化肥施用状况等,有针对性地筛选功能菌种,保证微生物肥料施用的有效性。

(1)

式中,Ratio为趋势线斜率,即LAI的绝对年际变化率(m2m-2a-1);LAIi是第i年的LAI值;i为年变量;n为观测年数(n=20)。当Ratio>0时,表示植被LAI呈现增加趋势,反之则减少。利用F检验对LAI的多年变化趋势进行显著性检验,若满足P<0.05,则认为该时间序列有显著性变化,反之则无显著变化。

相对变化率:在绝对变化率的基础上,每个区域的相对变化率也同样能够反映当前区域植被多年的变化情况。相对变化率的计算公式如式(2):

(2)

式中,β为区域LAI变化的相对变化率,Ratio为区域LAI变化的绝对变化率,LAImean为区域LAI的多年平均值。

1.3.2LAI与气候因子的相关性

选取Pearson系数来描述不同生态功能区的LAI值与气温、降水之间的相关关系,Pearson系数的计算公式如式(3):

(3)

式中,Rxy为变量x,y之间的Pearson相关系数;xi表示第i年的LAI值;yi表示第i年的气温或者降水;xp,yp分别表示2000—2019年防风固沙重点生态功能区年均LAI值及相应的气温和降水值;i为年变量;n为监测年数(n=20)。

为消除气温和降水之间耦合作用对植被的影响,分别计算气温、降水与LAI之间的偏相关系数,得到某一气候因子对植被单独作用时的相关关系大小,偏相关系数的计算公式如式(4):

(4)

式中,rxy(z)描述的是排除变量z(气温或降水)的影响后,变量x(LAI)与变量y(气温或降水)的相关系数。rxy,rxz,ryz分别表示LAI、气温和降水两两之间的相关性系数。

2 结果与分析

2.1 防风固沙重点生态功能区LAI 时空分布特征

空间分布上,LAI年平均值呈现显著的东高西低分布(图2),其中,东部的呼伦贝尔、科尔沁、浑善达克的LAI值多处于0.8—1.5 m2/m2之间,而从中部的阴山、腾格里、柴达木到西部的阿尔金、塔里木的LAI值偏低,0 m2/m2区域面积占比高达64%,仅有小部分绿洲区域有植被覆盖, LAI值一般在0.5 m2/m2左右。

图2 防风固沙重点生态功能区2000—2019年LAI平均值的空间分布Fig.2 Spatial distribution of multi-year average LAI of the study area from 2000 to 2019

时间维度上,2000—2019年间,研究区LAI年均值具有显著的增长趋势(图3),从2000年的0.19 m2/m2增长到2019年的0.28 m2/m2,平均增长速率为0.03 m2m-2(10a)-1(P<0.01)。

图3 2000—2019年防风固沙重点生态功能区LAI区域平均值时间序列Fig.3 Annual variation of reginal average LAI across the whole study area from 2000 to 2019

2.2 生态功能区尺度LAI变化特征

由于自然条件的差异,8个防风固沙重点生态功能区在整体呈现显著增长趋势的同时也具有独特的时空变化特征(图4)。从绝对增长速率看,东部的科尔沁的LAI增速最大,为0.12 m2m-2(10a)-1,西部的阿尔金的LAI增速最小,为0.0007 m2m-2(10a)-1;从相对增长速率来看,科尔沁的增速依然最大,为0.2 m2m-2(10a)-1,而增速最小的生态功能区则是中部的阴山,为0.1 m2m-2(10a)-1。

图4 不同生态功能区LAI年际变化情况Fig.4 Temporal dynamics of LAI of different ecological functional areas图中黑色实线表示LAI的时间序列,红色虚线表示2000—2019年共20年的年际变化趋势,蓝色虚线表示2000—2009和2010—2019年两个阶段各自的年际变化趋势

进一步比较转移支付(2010年)前后两个时期植被LAI的趋势,除柴达木外,其他7个生态功能区在2010—2019年间LAI的增长速率均高于2000—2009年,其中,科尔沁(2000—2009年:0.04 m2m-2(10a)-1,2010—2019年:0.195 m2m-2(10a)-1)和阴山(2000—2009年:-0.0139 m2m-2(10a)-1,2010—2019年:0.04 m2m-2(10a)-1)的增长速率增加最为显著。以上结果说明,在生态区尺度,2010—2019年间,植被生长状况好转相对于2000—2009年更明显。

各个生态功能区植被覆盖区LAI多年平均值在转移支付前后的对比(图5)反映出,2010—2019年,所有植被覆盖区域的LAI区域平均值较2000—2009年都有一定程度的增长,绝对增长量最多的是植被覆盖度高的科尔沁,增幅为0.11 m2/m2,相对2000—2009年LAI提高20%,绝对增长量最少的是阴山,增幅约为0.024 m2/m2,相对2000—2009年LAI提高9.9%。

图5 各个生态功能区有植被覆盖区域LAI在不同阶段多年平均值对比Fig.5 Comparison of regional average LAI of different ecological functional areas 从左到右分别对应从东到西分布的生态区

2.3 像元尺度LAI变化特征

像元尺度上(图6),2000—2019年,16%的像元LAI呈现显著增加趋势且具有明显的空间异质性:LAI增长区域主要集中在研究区东部,呈片状分布。东部LAI增长的像元面积高达41.4%:科尔沁中有66.8%的像元呈现LAI增长。中部的阴山、腾格里和柴达木,LAI增长的像元呈现离散分布,增长像元占比为9%;西部的阿尔金、塔里木,LAI增长的像元呈带状分布,主要沿着河谷绿洲,增长像元占比为6%。

对比转移支付政策实施前后十年LAI变化趋势空间分布图(图6),可以看出,2010—2019年LAI呈现显著增加的面积相对2000—2009年有明显的扩张,面积比例从2000—2009年的3.5%提高到2010—2019年的7.7%,且基本分布在研究区东部(科尔沁和浑善达克南部),中部和西部LAI增长的区域面积保持相对稳定。另外,LAI增速也有一定程度的提升,尤其是研究区东部,2000—2009年,东部区区域平均LAI增速多为0.06—0.11 m2m-2(10a)-1,而到2010—2019年,LAI增速普遍提升到0.11—0.19 m2m-2(10a)-1。

图6 像元尺度防风固沙重点生态区LAI变化趋势Fig.6 Trend of LAI in pixel scale of different periods

结合土地覆盖类型(图1)分析研究区2000—2019年LAI呈现显著增长的分布情况,结果表明,LAI增长的像元占研究区植被像元的41.6%,其中,83.7%的增长区域是草地(对整个区域LAI增长的贡献占比为73.7%),11.2%是农田(对整个区域LAI增长的贡献占比为16.5%),其他的森林、灌丛等占5.1%,说明研究区LAI增长绝大部分来自草地生长状况的改善。进一步分析每种植被类型(草地、农田和林地)的生长动态发现,不同植被类型LAI在近20年的增长幅度也存在一定差异,草地区(占研究区面积的34.1%)有39%的像元呈现显著增长,农田区(占研究区面积的2.2%)有82%的像元出现明显增长,森林区(占研究区面积的0.14%)有75%的像元呈现显著增长。可见,森林和农田增长幅度更大,而草地虽然增长幅度小,但是增长面积大。

2.4 气候因子对LAI的影响

为进一步分析LAI增长与转移支付政策的相关关系,首先应明晰气候变化对植被长势的影响。研究[29-31]表明气候对植被有巨大影响。但2000年以来,研究区的气候整体稳定,东部的科尔沁、浑善达克呈现微弱的暖湿化趋势(图7),但植被LAI显著变化是否受到影响有必要进一步探究。

图7 近20年防风固沙重点生态功能区气候因子变化趋势Fig.7 Trend of climate factors across the study area over the last 2 decades

相关和偏相关分析结果(表1)表明,近20年,研究区植被年际变化主要受降水影响且具有一定的空间异质性,和温度的相关性则较弱。降水的促进作用东部大于西部,其中,东部科尔沁的LAI和降水的正相关最为显著,相关和偏相关系数分别为0.72和0.85,说明科尔沁植被LAI的显著增长很大程度上受益于当地降水量的增加(图7)。东部和中部的其他四个生态功能区:呼伦贝尔、浑善达克、阴山、腾格里和降水的相关和偏相关系数均大于0.6,与已有的研究结果一致[32]。降水是东部区植被生长的主要水源,近20年来东部降水呈现一定程度的增加趋势(图7)增加了东部草地生长的水源,故东部的LAI呈现成片的大面积增长。分析表明,西部区LAI增长与降水和温度没有显著相关关系,与部分已有研究得出的结论不同[33]。西部区近20年的气候变化趋势并不显著,且该地降水稀少,蒸发量大[34],植被主要分布在绿洲,植被生长所需水分主要来自地下水和冰川融水补给的河川径流,因此位于西部的生态区,其LAI和降水年际变化的相关性较弱。

3 讨论

近20年,我国防风固沙重点生态功能区的植被状况有明显好转,并且在研究区的不同位置表现出不同特征:LAI在年平均值增长幅度和呈现增长的区域面积两个方面有东部>西部>中部的特点,这和东、中、西三个区域的气候条件是相关的。相对而言,东部的气候相对湿润,适宜植被生长的区域远多于中西部,加上近20年东部降水量相对于中西部的增长更加明显,因而东部植被好转的趋势会更加明显。考虑到植被变化存在非线性的情况,利用非参数检验方法Mann-Kendall(MK)分析得到研究区植被LAI的年际变化趋势空间分布情况(图8)和图6的基本一致。

图8 2000—2019年间像元尺度防风固沙重点生态区LAI变化趋势空间分布(MK算法)Fig.8 Spatial distribution of LAI trend in pixel scale during 2000—2019 (MK algorithm)

LAI增长在不同时期也有一定差异。LAI在2010—2019年的增长幅度和呈现增加的像元面积高于2000—2009年,但气温和降水在这两个时期没有显著区别。特别在研究区西部,近20年,气温和降水都没有显著变化,但植被LAI呈现显著增长,人为因素的影响不容忽视,主要体现在两个方面:(1)2010年《全国主体区功能规划》发布后,国家启动了重点生态功能区转移支付政策,与此同时生态环境部与财政部共同开展了转移支付资金效果评估,一系列政策推动生态功能区内的地方政府更加重视生态环境保护与治理工作,对防风固沙重点生态功能区生态系统保护与恢复起到积极的促进作用。MODIS土地覆盖数据显示,研究区自然植被的面积占比从33.3%(2000年)增长到34.4%(2019年),面积增长约1.8万km2,草地的恢复对研究区LAI增长的贡献很大;(2)研究区农田LAI的增长也受人为因素的影响。农作物生长很大程度上受农业技术进步(施肥量、灌溉面积增加等)的影响[35],虽然研究区的农田只占总面积的2.2%,但80%的农田LAI呈现了显著的增长,农田植被长势明显变好,产量增加,农田变化的影响也值得关注。

本文初步揭示了防风固沙功能区LAI年际变化的影响因子,但依然存在一些不足:(1)气候对植被生长的影响非常复杂,本文只考虑气温和降水的年平均值对LAI的影响,在解释某些地区LAI变化规律时会有一定的局限性。另外,气温和降水在生长季和非生长季对植被的影响也会不同[32],因此,需要分不同时期去量化气候因子对LAI的影响;(2)研究区不同自然地理条件造成的物候周期不尽一致,本研究分析了植被LAI年平均值的年际变化情况,但植被年内物候的差异同样也会影响植被的固沙能力,这部分的影响将在今后的研究中着重分析;(3)除自然因素外,人为因素对防风固沙区植被的影响需要重视,人为因素贡献程度缺少定量化的数据支撑,因此,如何剥离自然和人为因素,量化人为因素对防风固沙区植被的影响是未来研究的重点。

防风固沙区LAI的变好趋势能否进一步提高防风固沙能力还需要探讨,主要原因有:(1)研究区位于我国的干旱-半干旱区,气候条件是制约植被生长的关键因素。特别是在西部干旱区,大面积裸露地表是主要风沙源,因退耕还林还草而产生的固沙效果有限,即使有转移支付政策的干预,风沙也不可能被完全消除;(2)研究区植被LAI的增长部分来自农田,农田面积的持续增加、化肥施用等可能会成为影响该地生态环境的一个潜在风险,影响后续植被的生长。因此,近20年植被生长的情况可以作为今后制订植被保护政策的参考,但也必须得结合具体情况做出修订。

4 结论

防风固沙重点生态功能区作为我国北方地区的生态安全屏障,具有重要的战略地位。基于MODIS LAI遥感数据产品,本文对2000年以来我国防风固沙重点生态功能区的植被动态进行时间序列分析,并探讨了气候对植被变化的影响。结果显示,2000—2019年,我国防风固沙重点生态功能区的植被状况有显著改善,LAI年均增长率约为0.03 m2m-2(10a)-1。LAI变化有明显的时空特征,空间上,LAI主要增长区域集中在东部半干旱草原区,受降水增加影响;而在西部干旱荒漠区,LAI有小幅度的增长,且呈现沿河和山麓的带状分布。时间上, LAI在2010—2019年的增长幅度、增长面积比例均高于2000—2009年的,研究区西部植被LAI的增长和LAI在不同阶段的增长差异主要受人为因素(防风固沙政策的实施、农业技术的进步等)的影响。

猜你喜欢

功能区植被降水
呼和浩特市和林格尔县植被覆盖度变化遥感监测
基于植被复绿技术的孔植试验及应用
四川盆地极端降水演变特征及拟合
黑龙江省玉米生长季自然降水与有效降水对比分析
与生命赛跑的“沙漠植被之王”——梭梭
Cloud seeding
公路水土保持与植被恢复新技术
广西重要水功能区监测与考评方法改进研究
基于海洋空间综合评价的浙江省海洋主体功能区初步划分
ESSENTIAL NORMS OF PRODUCTS OF WEIGHTED COMPOSITION OPERATORS AND DIFFERENTIATION OPERATORS BETWEEN BANACH SPACES OF ANALYTIC FUNCTIONS∗