敘利亞戰爭對植被的影響

曾 暉， 任華忠,2， 朱金順， 郭金鑫， 葉 昕， 滕沅建， 聶 婧， 秦其明,2

(1.北京大學地球與空間科學學院遙感與地理信息系統研究所，北京 100871； 2.空間信息集成與3S工程應用北京市重點實驗室(北京大學)，北京 100871)

0 引言

全球環境的變化日益威脅著人類及其社會的持續發展，因此越來越受到人們的重視。在全球環境變化中，植被扮演著陸地生態系統中最重要的角色。由于植被具有明顯的年際變化和季節變化特點，并且是聯結土壤、大氣和水分的自然“紐帶”，在一定程度上能代表土地覆蓋的變化，所以在全球變化研究中充當著“指示器”的作用[1]。植被指數是用來度量地表植被生長情況、覆蓋情況和種類情況等植被狀態的間接指標。其中歸一化差值植被指數(normalized difference vegetation index, NDVI)在植被指數中占有重要的位置[2]，已被廣泛用于區域和全球的植被狀態研究[3]。

區域性戰爭可對地區的地表類型和社會經濟造成重大傷害，并嚴重影響地區的作物、草地和森林等地表植被覆蓋的生長狀況。以往對地表植被的長時間變化的研究主要集中在自然狀態下，而對于戰爭這種激烈的人類活動狀態，還需要考慮在因自然因素導致的變化中加入人為因素影響因子。事實上，這個方向已得到國內外同行們的關注[4-5]。位于中東地區的敘利亞，自2011年內戰爆發以來，造成了嚴重的人道主義危機，生態環境也面臨著巨大的挑戰。那么，敘利亞戰爭對當地植被覆蓋是否存在影響以及存在多大程度的影響對于研究戰爭區域的生態環境十分重要，但是至今學術界并未對以上問題進行報道。為了解決這一問題，本文將以長時間序列的植被指數、地表覆蓋和氣象數據為基礎，通過對敘利亞地區植被變化時間序列進行分析，探究局部戰爭對植被生長狀況和生態環境造成的影響，并為戰后重建提供相應的前期參考。

1 研究區概況和數據源

研究區敘利亞(E35°34′～42°22′，N32°17′～37°19′)位于亞洲西部，地中海東岸，北與土耳其接壤，東同伊拉克交界，南與約旦毗連，西南與黎巴嫩、以色列為鄰。敘利亞領土大部分是西北向東南傾斜的高原，西北部地中海沿岸為平原地區，東南部為大片的沙漠地區，幼發拉底河貫穿敘利亞東部國境。敘利亞沿海和北部地區屬地中海氣候，夏季炎熱干燥，冬季溫和多雨，雨熱不同期，年均降雨量在600～800 mm之間。南部地區屬熱帶沙漠氣候，全年高溫干旱，降雨量稀少，年均降雨量在40～200 mm之間。2011年敘利亞內戰爆發，敘利亞政府軍、反政府武裝、庫爾德武裝、極端組織等多方力量在敘利亞西北部和幼發拉底河流域等區域展開了激烈的軍事對抗。隨著時間的推移，以及美國領導的國際聯盟、俄羅斯、土耳其等多方軍事力量的介入，敘利亞戰爭規模逐步擴大。

本文中使用的數據包括NDVI數據、地表分類數據以及氣象數據。NDVI數據來自于2001—2018年研究區的MODIS NDVI月度遙感產品(MOD13A3，V006)，其空間分辨率為1 km，可從美國國家航空航天局官網上獲得(https: //earthdata.nasa.gov/)。該數據集已通過輻射校準、幾何糾正和大氣校正[6-7]，其月度合成值來自于當月觀測的NDVI(MVC)最大值，以最大程度地減少云量的影響[8]。

地表分類數據為2001—2018年的MODIS 地表分類產品(MCD12Q1，V006)，空間分辨率為500 m，共有5種不同的分類方案，本文根據研究需要使用第5種分類方案(植物功能性分類)。從圖1所示的2001年研究區地表分類示意圖中可以看出，研究區主要包括森林、作物、草地、灌木和荒原。其中，森林包括針葉林與闊葉林，而作物包括谷類作物和闊葉作物。

圖1 2001年研究區地表分類示意圖Fig.1 Surface classification map of the study area in 2001

氣象數據為2001—2018年月均降雨量、月均最大溫度、月均最小溫度，數據來自https: //worldclim.org/，為空間分辨率0.04°的格網數據。這些數據是由East Anglia大學氣候研究小組從CRU-TS-4.03降尺度并使用WorldClim 2.1軟件進行偏差校正得到的[9-10]。

2 長時間序列變化趨勢分析方法

2.1 數據預處理

利用MODIS再投影工具(MODIS reprojection tool，MRT)對植被指數產品MOD13A3和地表分類產品MCD12Q1數據進行拼接、投影轉換、波段提取和重采樣，像元大小為0.01°，并利用質量控制數據集篩選高質量的NDVI和地表分類產品，從而減少噪聲數據或無效數據對分析結果的影響[11-12]。由于大氣校正不完全、觀測數據存在誤差等，NDVI遙感數據年變化可能存在突變或者跳躍，從而不能完全刻畫像元植被覆蓋年際變化情況，因此常常需要對NDVI長時間序列數據進行濾波平衡處理。經過平滑去噪之后的NDVI時間序列曲線可以反映出作物生長的物候參數，本文使用LDOPE工具和Timesat 3.3軟件對NDVI時間序列數據進行質量控制及濾波操作，并根據前人對旱區植被物候分析經驗，采用動態閾值法(閾值設置為0.2)提取出生長季始期和末期[13-15]。在該軟件的3種濾波算法中，非對稱高斯濾波(asymmetric gaussians, AG)算法對原始高質量數據保真性最高，雙重邏輯函數濾波(double logistic, DL)算法性能次之, 而最小二乘卷積Savizky-Glolay(S-G)算法擬合結果的保真性最差[16]，本文計算3種濾波算法重建后的NDVI時間序列與原始值之間年度的平均差異程度，得到均方根誤差分別為9.41，9.42和10.06，為此本文選擇AG算法對NDVI時間序列數據進行濾波操作。生長季提取結果如圖2所示，為了便于計算，設定生長季為1—6月。

圖2 AG算法重建后動態閾值法提取敘利亞作物區物候年際變化Fig.2 Interannual phenology changes in Syrian croparea by dynamic threshold method afterreconstruction of AG algorithm

2.2 Theil-Sen & Mann-Kendall趨勢分析法

一般線性回歸方法要求時間序列數據符合正態分布，回歸效果易受噪聲干擾。泰爾森估算法(Theil-Sen estimator)是選擇通過所有成對點的所有線的斜率的中值來穩健地將線擬合到平面中的采樣點方法[17-18]，可以很好地減少噪聲的干擾，減少異常值的影響，具有更好的魯棒性。但是僅有趨勢性還不夠，需要做顯著性判斷。曼-肯德爾(Mann-Kendall)趨勢檢驗是一種非參數檢驗，它不需要數據服從特定的分布(如高斯分布等)，本質是做2組變量序列之間的“秩”相關[19]。

通過計算得到曼-肯德爾趨勢檢驗的統計量Z，其中Z的正(負)表明數據隨著時間有增大(減小)的趨勢。基于0.05置信度，采用雙尾趨勢檢驗，當|Z|≤Z1-α/2=1.96時，接受原假設，即趨勢不顯著； 若|Z|>Z1-α/2=1.96時，則拒絕原假設，即認為趨勢明顯[20]。把泰爾森估算法得到的趨勢值β和曼-肯德爾趨勢檢驗法得到的顯著性值Z結合起來，本文就可以獲取長時間序列NDVI變化趨勢的顯著性劃分結果，如表1所示。

表1 NDVI變化趨勢的變化程度劃分Tab.1 Variation levels of the NDVI change trend

2.3 赫斯特(Hurst)指數未來趨勢分析法

Hurst指數最初是由英國水利學家Hurst提出，已廣泛用于水文學、經濟學、氣候學、地質學等領域[21]，后被Mandelbrot等[22]在理論上進行了證明，并加以補充和完善。基本原理如下：

(1)

計算累計離差X(t,τ)為：

(2)

計算極差R(τ)為：

(3)

計算標準差S(τ)為：

(4)

如果比值R(τ)/S(τ)?R/S存在如下關系,即

R/S∝τH，

(5)

則說明時間序列{NDVI(t)}(t=1,2,…,n)存在Hurst現象，H稱為Hurst指數，其數值可以根據擬合式得到，即

ln(R/S)n=a+Hln(n)。

(6)

H的取值范圍為0 0.5時，時間序列為一致性序列，表明未來趨勢將與研究期一致； ②當H= 0.5時，時間序列是一個隨機序列，表明未來的趨勢與研究期間的趨勢無關； ③當H< 0.5時，時間序列為不一致序列，表明過去趨勢與未來趨勢極有可能相反。

如果將之前的研究期趨勢性分析結果與Hurst分析結果進行疊加，可以得到對未來發展的趨勢性判斷，如表2所示。

表2 NDVI變化趨勢的變化程度劃分Tab.2 Division of the degrees of variation of the NDVI change trend

2.4 殘差因果分析法

影響植被覆蓋變化的主要因素是氣候因素，同時人為因素影響也會導致植被發生變化。殘差分析主要通過剔除NDVI變化中的氣候因子，分離植被覆蓋變化中的自然因素和人為因素[23]。首先，建立平均NDVI與氣候因子之間的回歸關系； 然后，使用這種關系得到NDVI預測值，計算NDVI觀測值與NDVI預測值之間的殘差； 將殘差作為去除了自然因素影響后的人為因素部分，得到與自然因素無關的植被變化趨勢。當NDVI殘差的變化趨勢不明顯時，NDVI的變化可以用氣候趨勢來解釋。相反，當NDVI殘差的變化趨勢很明顯時，NDVI的變化不能用氣候趨勢來解釋，而可能是人類活動造成的[24]。

敘利亞大部分地區處于干旱半干旱區，面臨較大植被退化和土地沙化風險，降雨成為影響植被變化的自然因素中最主要的成分，戰爭的爆發帶來人口流動、農業灌溉不足等加劇了這一進程[25-26]。氣溫也是需要考慮的氣象因子，本文計算生長季平均NDVI與月均最大、最小溫度的決定系數(R2)為0.096和0.102，并無顯著相關關系，故不加入氣候因子分析。

殘差趨勢分析(residual trends, RESTREND)方法是建立在植被量與降雨量之間具有強關系的假設基礎上的。植被量通常在降雨量非常高的年份達到高峰期，超過該年后就不會繼續增加； 并且，NDVI總和(∑NDVI，用SumNDVI表示)與總降雨量的自然對數(用ln(Sumpre)表示)之間的關系是近似線性的，因此在RESTREND方法中可以將其視為線性關系[24,27]。該分析方法的具體步驟為： ①逐像素計算非戰爭期生長季∑NDVI與ln(Sumpre)之間的回歸關系，即

SumNDVI=f[ln(Sumpre)]，

(7)

式中f為回歸函數； ②利用回歸關系計算預測值，得到殘差，即

ΔSumNDVI=SumNDVI-f[ln(Sumpre)]

；

(8)

③對殘差做時間回歸，得到殘差變化趨勢度PNDVI； ④PNDVI與生長季平均NDVI變化趨勢疊加得到分析結果。

3 結果與分析

3.1 植被NDVI趨勢分析

研究區在2001—2018年間NDVI的分析結果如圖3所示。

圖3 研究期趨勢分析結果示意圖

1)圖3(a)是采用泰爾森估算法得到的生長季NDVI年度變化趨勢，綠色代表上升趨勢，紅色代表衰退趨勢。從圖中可以發現增長區域主要集中在西部沿海區域，增長面積的像元占比55.92%； 衰退區域主要集中在北部及東部幼發拉底河流域，衰退面積的像元占比43.35%。圖3(b)是曼-肯德爾趨勢檢驗法得到的統計量Z的分布情況，≥1.96和≤-1.96的區域是經過了95%置信度雙尾檢驗的強顯著性區域。

2)圖3(c)是將NDVI變化趨勢和顯著性疊加之后變化趨勢分析結果，得到了5種變化趨勢。整體來看，敘利亞西南部相對東北部展現出更好的NDVI改善趨勢，其中顯著退化的區域主要集中在與伊拉克交界和與土耳其接壤的地區，顯著改善區域主要位于西部沿海區域。

3)圖3(d)是對5種變化趨勢的分類統計結果，可以發現除了草地地表類型外，其他地表類型均以衰退為主。灌木和荒原地類衰退面積像元占比分別高達61.10%和57.83%，作物地類衰退面積像元占比55.08%，但其有8.94%像元占比的顯著改善區域，主要位于未經受過多戰爭侵擾的西部沿海區域。

總的來說，研究期內敘利亞生長季NDVI總體趨勢以衰退為主。顯著衰退區域集中在東部與伊拉克交界處幼發拉底河流域，顯著改善區域主要位于西部沿海區域。

同時，本文對敘利亞全境及4種主要地表類型NDVI年均變化和地表覆蓋變化做出分析，如圖4和表3所示。

圖4 敘利亞多種地表類型生長季內NDVI變化趨勢(2001—2018)Fig.4 Annual variation trends of NDVI during thegrowing season of different surfacetypes in Syria (2001—2018)

表3 敘利亞土地覆蓋轉移矩陣Tab.3 Syria land cover transfer matrix

圖4中發現敘利亞地區植被相關區域生長季NDVI變化情況，除荒原地類變化趨勢不顯著外，其他地類存在較為明顯的波動變化。其中，2007—2010年敘利亞地區遭受多年難遇的旱災[28]，對植被，特別是作物類造成較大的影響，NDVI值出現了明顯的低谷。在2011年敘利亞內戰爆發后，NDVI值存在較大的波動變化，并表現出下降趨勢。

表3展示了利用MODIS土地覆蓋數據統計得到的敘利亞地區在2001—2018年間的土地覆蓋轉移矩陣。表3中數字為各地表類型對應的像素數量，每個格子擁有橫縱坐標2個屬性，格子中的數字表示2001—2018年，從橫坐標地類轉移到縱坐標地類的像素數量，從表中可以看到，18 a間，草地和作物面積分別減少了10.08%和21.87%，而灌木和荒原面積相應發生增長。

單獨對作物地類和荒原地類像素變化進行分析，如圖5所示。發現作物面積從減少到增加，而荒原面積從增加到減少的拐點發生在2008年，這是因為研究區自1998—2012經歷了長達14 a的旱災，其中2008年的干旱情況最為嚴重。

圖5 荒原和作物地類像素變化(2001—2018)Fig.5 Pixel change of barren and crop land(2001—2018)

第二個拐點出現在2015年，在此之前作物區面積處于增長趨勢，同時荒原面積不斷減少，爆發于2011年的敘利亞內戰并未改變這一趨勢。但從2015年開始，作物區面積存在較大幅度的下降，同時荒原面積增加。可能原因是戰爭規模的擴大，即從2015年開始敘利亞戰爭進一步升級，極端組織從伊拉克經由幼發拉底河一路入侵到敘利亞西北腹地，與此同時，多方軍事力量對敘利亞境內的極端組織進行了高強度的火力打擊。

3.2 植被未來趨勢分析

敘利亞戰爭迄今仍未結束，對于敘利亞地區未來植被變化趨勢的分析也是關注的重點。將Hurst指數計算結果與研究期內的顯著趨勢性分析結果疊加得到了未來趨勢的分析結果(圖6)。圖6(a)展示了7種未來趨勢，主要分為3類： 一是和研究期保持一致，顯著或者不顯著的改善和退化； 二是和研究期不一致，從退化到改善或從改善到退化； 三是保持現狀。與研究期保持一致且改善的區域主要位于敘利亞南部荒漠地區和西部沿海區域； 與研究期一致且退化的區域集中在敘利亞中部幼發拉底河沿岸以及東部與伊拉克交界處； 從退化到改善的區域主要位于敘利亞西南部大部分地區； 從改善到退化的區域位于敘利亞東北部大部分地區，以北部土敘邊境處較為顯著。同樣的，圖6(b)對7種未來趨勢的分類進行了統計，從圖6中可以發現： 未來的趨勢相對樂觀，即“從退化到改善”占主要比例。除了幼發拉底河及東部邊境區域未來仍有著顯著退化的趨勢外，“從退化到改善”的比例大于“從改善到退化”的比例。以幼發拉底河為界，西南部大部分地區未來趨勢以改善為主，東北部大部分區域則以衰退趨勢為主，流域沿岸一些區域表現出嚴重退化趨勢，這些區域剛好也是戰爭交火密集區。

3.3 植被變化影響因素分析

利用殘差分析法可以獲得研究區植被變化的影響因素。圖7(a)為敘利亞地區生長季年均降雨量數據，圖7(b)為根據殘差分析方法得到的人為因素影響結果，顏色由淺入深分別代表人為因素影響的強弱，顏色越淺表示人為因素影響的植被增長或衰退越明顯，顏色越深則表明植被變化趨勢和人類活動并無顯著相關。其中與人類活動極其相關的植被衰退區域(最淺紫色)占比14.10%，與人類活動極其相關的植被增長區域(最淺綠色)占比2.60%。

殘差顯著且植被呈增加趨勢的淺綠色區域在空間上較為聚集，主要分布在敘利亞西部，是政府軍控制的地中海沿岸平原區域； NDVI殘差顯著且植被呈減少趨勢的淺紫色區域集中分布在幼發拉底河沿岸，植被的這種變化不能用降雨量的變化來解釋，主要是由人類活動引起的，而這些區域與極端組織入侵敘利亞的區域存在較多的一致性； NDVI殘差并沒有顯著變化的深紫色或深綠色區域與氣候變量因素有關，而且南部區域以增長為主，北部區域以衰退為主。

4 結論與討論

人類活動對地表植被變化的影響從人類誕生起就從未停止過。人類通過開墾、灌溉等手段改良荒地，增加植被覆蓋，也會因為過度伐木，放牧導致森林面積減少，土地荒漠，減少植被覆蓋。但是戰爭，特別是現代化戰爭給土地植被覆蓋帶來的變化是難以想象的。

持續至今的敘利亞戰爭已造成超過560萬敘利亞人成為難民，670萬人成為國內流離失所者，境內有1 340多萬人需要人道主義援助(截止到2021年3月)。流離失所的難民給原住地和接收地自然資源，特別是植被和土壤帶來較大的影響。筆者通過植被和土地覆蓋類型的變化展現戰爭對環境的影響，可以在一定程度上為人道主義援助提供宏觀視野，給戰后重建規劃者提供技術參考。當然，戰爭對自然資源的影響是一個復雜的過程，需要進一步詳細研究。

通過本研究成果，發現在2011年開始的敘利亞戰爭導致該國草地和作物面積大幅度減少，而灌木和荒原面積相應發生增長，與人們對戰爭帶來的破壞預期是一致的。但是，結合已知的敘利亞戰爭局勢，并綜合之前多種遙感數據分析方法和結果，還發現植被變化速率隨著戰爭局勢的不斷惡化呈現加速狀態，在敘利亞戰爭初期(2011—2014年)，戰爭并未對植被(特別是種植區)帶來較大的破壞，但隨著2015年多方軍事力量的介入，戰爭對植被的影響開始出現巨大的負面作用。此外，從研究期趨勢分析和未來趨勢分析結果中發現，提取的顯著破壞和衰退區域與現實戰爭中各方軍事力量占領區以及交戰區的分布情況較為吻合。

同時，通過殘差分析法來探索自然因素和人為因素對植被變化的影響，以更好地揭示戰爭這樣的人類劇烈活動對環境變化造成的影響。政府軍、土耳其軍方、反政府武裝、庫爾德武裝、極端組織武裝活動范圍和交戰區存在較為明顯的人為因素導致的植被水平降低。其中，敘利亞東部與伊拉克接壤處以及幼發拉底河兩岸擴展區域存在極為明顯的人為因素導致的植被破壞，這些區域與極端組織侵入區域有較大的重合度，極端組織侵入帶來的植被破壞較其他戰爭參與方更為突出。敘利亞西部沿海區域以及敘利亞南部政府軍控制區域有較為明顯的人為因素導致的植被水平提高現象，這些區域相對來說受戰爭影響較弱，人們有更好的條件來改善居住區的生態環境。

本研究也存在一定的局限性，一是所利用數據分辨率尺度較大，數據種類較單一，對局部地區的進一步定量分析存在一定程度限制。使用更高空間分辨率數據，結合多種類數據對局部熱點地區做更深入的分析可能會有更多更有價值的分析結果； 二是對2001—2018年共18 a長時間序列數據進行綜合分析，并沒有針對2011年爆發的敘利亞戰爭前后數據進行分段對比分析，戰爭前后對比可能會對戰爭對植被的影響有更好的展示； 三是未能獲取地面站點數據，不能對物候數據進行驗證，亦不能在環境多因子分析中增加多種氣候因子； 四是戰爭除了帶來植被的變化外，對地表溫度也可能帶來影響，加入地表溫度變化的分析是后續工作中需要重點考慮的。