基于GEE云平臺的黃河流域農牧交錯區植被覆蓋度時空變化特征

付 鎮，張志敏，蘇 娟，張變第，卞瑩瑩

(寧夏大學農學院，寧夏銀川 750021)

黃河流域是我國重要的生態屏障和重要的經濟地帶，是打贏脫貧攻堅戰的重要區域，在我國經濟社會發展和生態安全方面具有十分重要的地位[1]。2019年9月18日黃河流域生態保護和高質量發展座談會上，習近平總書記的講話中把黃河流域的生態保護和高質量發展與京津冀協同發展、長江經濟帶發展、粵港澳大灣區建設、長三角一體化發展一樣，上升為重大國家戰略，進一步說明了黃河流域在國家安全中的重要地位[2]。而黃河流域農牧交錯區是草地與耕地、農業與畜牧業之間在空間上相互交錯、在時間上相互重疊，且人類活動極其頻繁，從而導致其生態系統的結構、功能、物質循環和能量流動具有一定的復雜性[3]。同時黃河流域農牧交錯區也是我國典型的生態脆弱區和水土流失最為嚴重的地區之一[4]，為此我國在黃河流域農牧交錯區實行了“退耕還林(草)”等一系列重大生態工程[5]，以達到改善生態環境的目的，但是凸顯的生態問題仍然十分嚴峻。

植被覆蓋度(fractional vegetation cover,FVC)是衡量地表植被生長狀況的重要指標[6-7]，同時研究植被覆蓋度及其時空變化，也是評價生態環境質量的重要手段[8]。因此，研究植被覆蓋度對黃河流域農牧交錯區生態狀況評價尤為重要。雖有學者對黃河流域植被覆蓋有所研究，如何航[9]研究了黃河流域上中游植被覆蓋變化及驅動因素，劉海等[10]研究了氣候變化及人類活動對黃河流域植被覆蓋的影響，但整體而言，目前對整個流域尤其是針對黃河流域農牧交錯區生態狀況長時序研究仍顯滯后。

現有研究表明，google earth engine(GEE)云平臺在植被指數分析[11]、土地利用覆蓋[12]和其他土地利用遙感信息提取及分類[13]等方面與傳統的遙感分析手段相比更具有明顯的特色優勢，尤其是在長時間序列、大范圍的遙感監測研究中，GEE云平臺的優勢更加凸顯。但在整個黃河流域，應用 GEE 平臺開展研究剛剛起步，如李晶等[14]基于GEE云平臺對黃河流域植被覆蓋度時空變化特征進行了研究。但對黃河流域農牧交錯區基于 GEE 平臺的長時序植被覆蓋度變化監測鮮見報道，對其生態變化時空差異認知缺乏研究數據支撐，流域生態變化特征及機理尚不明晰[9]。筆者以黃河流域農牧交錯區為研究對象，基于GEE遙感云平臺，采用陸地衛星地表反射率數據(landsat surface reflectance data)分析黃河流域農牧交錯區1990—2020年植被覆蓋度的時空變化規律，通過監測黃河流域農牧交錯區退耕還林還草工程實施前后植被覆蓋時空變化規律，以期為該地區生態恢復和可持續生態建設提供理論依據。

1 資料與方法

1.1 研究區概況黃河流域農牧交錯區位于35°～42°N、102°～114°E(圖1)，面積約45萬km2。黃河流域農牧交錯區內山脈眾多，地貌差別較大，從西到東橫跨青藏高原、內蒙古高原、黃土高原和黃淮海平原4個地貌單元[15]。域內氣候差異顯著，以溫帶季風氣候為主，年均氣溫12～14 ℃，降水時空分布不均、年際差異較大，年降水量200～600 mm[16]。黃河流域植被的分布趨同于降水的分布，從西到東依次為稀疏灌木草原、草原、闊葉林和農作物，域內土壤種類豐富，主要有草甸土、栗鈣土、黃綿土和棕壤土等[17]。

圖1 研究區地理位置Fig.1 Location map of the study area

1.2 數據源與預處理該研究采用GEE平臺提供的T1級別的Landsat地表反射率數據產品SR(surface reflectance)。該數據已通過大氣校正算法消除大氣反射、散射和吸收等干擾因素引起的誤差，空間分辨率為30 m，時間分辨率為16 d。由于Landsat 5、Landsat 7、Landsat 8衛星服務年限不同，1990—2011年選用Landsat 5影像，2012年選用Landsat 7影像，2013—2020年選用Landsat 8影像。氣象數據源自GEE平臺的NOAA_CFSV2_FOR6H產品，數據獲取時期為1990—2020年。中國北方農牧交錯區域矢量邊界圖源自全球變化科學研究數據出版系統(http://www.geodoi.ac.cn/)。

在GEE平臺中獲取1990、1995、2000、2005、2010、2015、2020年黃河流域農牧交錯區上空的Landsat影像批量去云處理，計算植被歸一化植被指數NDVI(normalized difference vegetation index)，采用以95%為最大值對每年的NDVI影像進行融合，合成每一年的NDVI影像，并使用黃河流域農牧交錯區矢量圖進行裁剪，獲得研究區每年的NDVI最大值影像。利用像元二分模型合成年FVC 影像，并用QGIS 3.14進行處理。

1.3 研究方法

1.3.1像元二分模型。像元二分模型是計算植被覆蓋度的常見方法[18]，該方法的優勢在于可以大幅減小大氣和土壤背景等因素對植被類型的影響。首先假定單個像元所對應的地表分別由有植被覆蓋和無植被覆蓋兩部分組成，然后計算有植被覆蓋部分與該像元的面積比例，該比例即為該像元的植被覆蓋度，計算公式如下：

FVC=(NDVI-NDVIsoil)/(NDVIveg-NDVIsoil)

(1)

式中,FVC為植被覆蓋度；NDVIsoil為無植被覆蓋區域的NDVI，理論上趨近于0；NDVIveg為完全植被覆蓋區域的NDVI。

1.3.2嶺回歸函數。 嶺回歸是A.E.Hoerl在1962年提出來的，后又系統地發展為回歸分析方法，是在最小二乘估計法方程系數陣XTPX的主對角線上加上一個常數k，從而得到誤差更低、精度更高、更為穩定的模型[19]。

1.3.3Hurst指數。該研究利用Hurst指數對黃河流域農牧交錯區植被覆蓋度未來變化趨勢進行預測。基于重標極差(R/S)分析方法基礎上的Hurst指數(H)是定量分析時間序列數據游走性的分析方法，該方法可對黃河流域農牧交錯區FVC未來變化進行預測，當0.50

2 結果與分析

2.1 FVC時空變化特征由圖2可知，1990—2020年黃河流域農牧交錯區年均FVC呈顯著增加趨勢(P<0.01)，增速為 0.62 %/a,由1990年的30.05%增加至2020年的49.19%。

圖2 1990—2020年FVC年際變化Fig.2 Interannual variation of FVC from 1990 to 2020

我國水利部2008年頒布的《土壤侵蝕分類分級標準》[21]中將植被覆蓋度劃分為5個等級：Ⅰ 級低植被覆蓋度[0，0.30]、Ⅱ 級中低植被覆蓋度(0.30，0.45]、Ⅲ級中等植被覆蓋度(0.45，0.60]、Ⅳ級中高植被覆蓋度(0.60，0.75]、Ⅴ級高植被覆蓋度(0.75，1.00]。為了更清晰地凸顯出 1990、2000、2010、2020 年研究區域植被覆蓋度的組成，繪制圖3，由圖3可知，1990 年，研究區域以低植被覆蓋度、中低植被覆蓋度為主；到 2000 年，低植被覆蓋區域面積有所增加，但仍以低植被覆蓋度、中低植被覆蓋區域為主；2010 年，低植被覆蓋度面積明顯減少，中低植被覆蓋度、中等植被覆蓋度面積明顯增加；2020年中等植被覆蓋度區域面積超過其他幾類植被覆蓋區域。說明在這31年間該地區植被覆蓋生長情況明顯改善。

圖3 不同等級FVC分布Fig.3 Distribution of different FVC grades

從圖4可以看出，1990—2020年研究區植被覆蓋度西部低東部高。2000年前 Ⅰ 級植被覆蓋度主要分布在鄂爾多斯市北部、吳忠市南部、中衛市南部、白銀市南部、榆林市西部等地區，2000年后鄂爾多斯市北部、吳忠市南部、中衛市南部、白銀市南部、榆林市西部等地區植被恢復明顯，大部分地區植被從 Ⅰ 級轉化到了Ⅱ、Ⅲ級；植被覆蓋度較好的區域主要分布在呂梁市和太原市。植被覆蓋度在2010年后好轉最為明顯，整體來看，1990—2020 年研究區植被覆蓋度普遍提高，其中研究區東南部地區較為明顯， 黃河流域農牧交錯區植被覆蓋度呈現恢復趨勢。

圖4 1990—2020年黃河流域農牧交錯區FVC等級空間分布特征Fig.4 Spatial distribution characteristics of FVC classification in agro-pastoral ecotone of the Yellow River Basin from 1990 to 2020

2.2 FVC不同等級面積轉移矩陣從表1～2可以看出，1990—2000年FVC未發生變化的面積占研究區總面積的73.77%，未發生面積變化區域主要集中在植被覆蓋的等級為 Ⅰ 級的區域；FVC升高的面積占研究區總面積的21.53%，提升面積區域主要集中在植被覆蓋的等級為 Ⅱ 級的區域；退化面積占研究區總面積的4.70%。2000—2020年FVC未發生變化的面積占研究區總面積的24.49%，未發生面積變化區域主要集中在植被覆蓋的等級為 Ⅰ 級的區域；FVC升高的面積占研究區總面積的74.64%，提升面積區域主要集中在植被覆蓋的等級為Ⅱ、Ⅲ、Ⅳ級的區域；退化面積占研究區總面積的0.87%。對比來看，2000—2020年，FVC未發生變化的面積明顯減少，減少了49.28百分點；提升面積明顯升高，增加了53.11百分點；而退化面積變化不明顯，減少了3.83百分點。

表1 1990—2000年不同等級植被覆蓋度土地面積占比轉移矩陣

表2 2000—2020年不同等級植被覆蓋度土地面積占比轉移矩陣

2.3 FVC時空變化趨勢特征從圖5可以看出，1990—2020年黃河流域農牧交錯區大部分區域FVC呈恢復趨勢，且恢復趨勢最顯著的區域為榆林市的中東部地區；而退化趨勢比較明顯的地區為包頭市南部地區、呼和浩特中西部地區等。

圖5 1990—2020年黃河流域農牧交錯區FVC變化趨勢Fig.5 Trend of FVC in agro-pastoral ecotone of the Yellow River Basin from 1990 to 2020

將FVC變化趨勢劃分為顯著提升、未顯著變化、顯著退化3個等級。由圖6可見，1990—2020年研究區FVC整體呈現上升趨勢，且空間差異明顯，FVC顯著提升區域面積占研究區總面積的73.73%，主要分布在鄂爾多斯市、榆林市、呼和浩特市南部等地區；FVC未顯著變化區占研究區總面積的25.77%，主要分布在慶陽市北部、吳忠市南部、中衛市南部、白銀市南部、蘭州市南部等地區；FVC顯著退化的面積占研究區總面積的0.50%，主要分布在呼和浩特市北部、太原市南部等部分地區。

圖6 1990—2020年黃河流域農牧交錯區FVC顯著性檢驗Fig.6 Significance test of FVC in agro-pastoral ecotone of the Yellow River Basin from 1990 to 2020

2.4 FVC未來演變趨勢預測從圖7可以看出，Hurst指數為0.50

圖7 黃河流域農牧交錯區FVC變化趨勢預測Fig.7 Change trend prediction of FVC in the agro-pastoral ecotone of the Yellow River Basin

3 討論與結論

該研究利用GEE平臺獲取了FVC數據探討了黃河流域農牧交錯區FVC的空間分布狀況，隨著時間的推進黃河流域農牧交錯區植被覆蓋度有顯著性增加，植被覆蓋度呈現西部低東部高，其中南部地區增長較大，這與眾多學者研究的北方農牧交錯區植被覆蓋度時空變化結果具有一致性[22]。1990—2000年植被覆蓋度恢復面積雖有增加，但恢復面積等級主要集中在 Ⅱ 級中低植被覆蓋度，研究區植被覆蓋度整體仍處于較低水平；2000—2020年植被覆蓋度恢復面積顯著增加，恢復面積等級主要集中在 Ⅱ 級中低植被覆蓋度、Ⅲ級中等植被覆蓋度和Ⅳ級中高植被覆蓋度，研究區植被覆蓋度整體處于中高水平；對比1990—2000年與2000—2020年，退化面積減少了3.83百分點，升高面積增加了53.11百分點，結果表明2000年后植被的恢復力度有明顯增強，這與我國在該地區2000年實施退耕還林還草、封山育林等政策密不可分[23]，2000年后我國陸續實施了一系列生態恢復工程[24]，通過人工造林、人工播草、草原圍封、禁牧等措施，減少了人為活動對植被干擾[25]，使植被覆蓋度增加，可看出生態工程的實施對黃河流域農牧交錯區植被具有明顯促進作用。但生態工程的實施，使農村剩余勞動力增加[26]，農村人口流向城市，促進了城鎮發展使得研究區內的城鎮區域植被覆蓋度出現退化現象。整體來看，1990—2020年黃河流域農牧交錯區植被覆蓋度退化面積遠遠小于恢復面積，植被整體處于恢復階段，通過Hurst指數的方法，發現在經過的一段時間內，植被仍處于恢復階段。這也進一步證明了我國在該地區實施一系列生態恢復工程取得的功效和生態工程實施的可行性。