鐘旭珍,王金亮,鄧云程,李 杰,吳瑞娟,董品亮

1 云南師范大學(xué)地理學(xué)部,昆明 650500 2 內(nèi)江師范學(xué)院地理與資源科學(xué)學(xué)院,內(nèi)江 641100 3 云南師范大學(xué)-西南聯(lián)合研究生院,昆明 650500 4 云南省高校資源與環(huán)境遙感重點(diǎn)實(shí)驗(yàn)室, 昆明 650500 5 云南省地理空間信息工程技術(shù)研究中心, 昆明 650500 6 美國北德克薩斯大學(xué)地理系, 丹頓 76203

近百年來全球氣溫持續(xù)上升,根據(jù)IPCC發(fā)布的《氣候變化2021:公眾摘要》報(bào)告顯示:與19世紀(jì)末(工業(yè)革命前)相比,2011年至2020年地球表面的平均氣溫升高了1.1℃,并且比過去12.5萬年的任何時(shí)候都高[1]。歷年的IPCC發(fā)布的報(bào)告均認(rèn)為:近百年來,人類過度的開荒及大規(guī)?；顒?dòng),導(dǎo)致所排放的溫室氣體有增無減,這是造成全球變暖最主要的原因[2]。人類活動(dòng)不僅導(dǎo)致了全球氣候的變暖,還誘發(fā)了如極端天氣、植被退化、水土流失等生態(tài)安全問題。生態(tài)環(huán)境是人民生存的基礎(chǔ)條件,人類可持續(xù)發(fā)展的保障。而植被作為生態(tài)系統(tǒng)主要的組成部分,對(duì)區(qū)域生態(tài)系統(tǒng)環(huán)境變化有著重要指示,對(duì)全球碳循環(huán)和氣候調(diào)節(jié)具有非常重要的作用。植被覆蓋度(FVC)是指植被在地面的垂直投影面積占總面積的百分比,它量化了植被的茂密程度,反映了植被的生長(zhǎng)態(tài)勢(shì),是描述生態(tài)系統(tǒng)變化的重要基礎(chǔ)數(shù)據(jù)[3]。怒江-薩爾溫江是東南亞最長(zhǎng)的自由流動(dòng)河流和最重要的跨界河流之一,在中國-中南半島經(jīng)濟(jì)走廊建設(shè)和中緬經(jīng)濟(jì)走廊建設(shè)和生態(tài)保護(hù)中發(fā)揮著不可替代的作用。在過去的50年里,該流域冬季和春季氣溫呈上升趨勢(shì),氣溫上升的幅度隨著海拔高度的升高而增加[4]。然而,目前對(duì)該流域關(guān)注不夠,尚沒看到其植被覆蓋研究報(bào)道。因此,研究分析其植被覆蓋時(shí)空演變,并探討其驅(qū)動(dòng)力,可為其生態(tài)環(huán)境保護(hù)和社會(huì)經(jīng)濟(jì)發(fā)展提供重要指導(dǎo)作用[5]。

估算植被覆蓋度(FVC)是植被覆蓋相關(guān)研究的重要基礎(chǔ),有多種估算方法,如地表實(shí)測(cè)法、經(jīng)驗(yàn)?zāi)Ｐ头?、植被指?shù)法、決策樹分類法等,部分方法存在對(duì)實(shí)測(cè)數(shù)據(jù)依賴性強(qiáng)、計(jì)算繁瑣、需要大量樣本數(shù)據(jù)等缺點(diǎn),特別對(duì)于偏遠(yuǎn)地區(qū)來說很難實(shí)現(xiàn)[6],而遙感技術(shù)的快速發(fā)展以及遙感大數(shù)據(jù)時(shí)代的到來,使得在大時(shí)空尺度上精確監(jiān)測(cè)偏遠(yuǎn)地區(qū)的植被行為成為可能[7],其中MODIS NDVI產(chǎn)品被大量學(xué)者用于植被覆蓋度的計(jì)算及其動(dòng)態(tài)變化的定量分析,而像元二分模型法是常用的FVC估算方法,其操作較為簡(jiǎn)單,可直接利用NDVI數(shù)據(jù)來進(jìn)行計(jì)算[8-10]。目前針對(duì)植被覆蓋演變規(guī)律的研究主要是運(yùn)用一些常規(guī)的線性趨勢(shì)分析方法,如線性回歸分析方法[11-12]、相關(guān)性分析法[13-14]、Theil-Sen斜率與Mann-Kendall檢驗(yàn)結(jié)合的趨勢(shì)分析法[15],很少有學(xué)者關(guān)注其非線性變化特征。然而,植被覆蓋的時(shí)空分布與變化受多方面的因素影響,使得其演變規(guī)律也具有復(fù)雜性,并不僅僅呈現(xiàn)為簡(jiǎn)單的線性變化,而BFAST法可用于分析不同類型的時(shí)間序列,對(duì)長(zhǎng)時(shí)間序列過程中趨勢(shì)的突變檢測(cè)具有很好的應(yīng)用效果,已有學(xué)者將其用于植被的非線性特征[15-17],以及氣溫變化[18]、氣溶膠變化[19]等領(lǐng)域研究中,并顯示了其較好的適用性[20-21]。對(duì)于南北跨度極大的怒江-薩爾溫江流域,其不同緯度區(qū)域的植被變化特征及原因也會(huì)存在差異,因此有必要運(yùn)用BFAST法來更加準(zhǔn)確地探究其植被變化的非線性特征及其未來發(fā)展趨勢(shì)。

對(duì)于植被未來可持續(xù)性的研究,Hurst指數(shù)法是廣大學(xué)者常用的方法[22-23]。耦合BFAST法與Hurst指數(shù)可以實(shí)現(xiàn)植被未來趨勢(shì)的更加精確表達(dá)。驅(qū)動(dòng)植被變化的因素,有人為因素和自然因素,以往學(xué)者大多采用偏相關(guān)分析、回歸分析等方法研究植被覆蓋度變化的影響因素[24-25],這些方法假設(shè)了植被與各環(huán)境因子存在線性關(guān)系。然而植被在環(huán)境中的生長(zhǎng)過程影響因素復(fù)雜,可能不存在嚴(yán)格的線性關(guān)系[26]。而由王勁峰等學(xué)者提出的地理探測(cè)器模型(Geographical Detector,簡(jiǎn)稱Geodetector),不僅可用于探測(cè)空間分異性并識(shí)別其主要的影響因子,還能實(shí)現(xiàn)不同因子間的交互作用探測(cè)[27]。此方法無線性假設(shè),可以避免多重共線性問題,在計(jì)算驅(qū)動(dòng)因子的貢獻(xiàn)率時(shí)結(jié)果較為準(zhǔn)確[28]。其改進(jìn)的模型OPGD模型(Optimal Parameters-Based Geographical Detector,OPGD)加入了參數(shù)優(yōu)化模塊,可根據(jù)自變量的特征進(jìn)行多種方式和多種斷點(diǎn)數(shù)目的離散化處理,選取出最優(yōu)的離散化方式和最優(yōu)的斷點(diǎn)數(shù)目,提高各類別間的顯著差異性[29]。因此,研究采用該方法進(jìn)行植被非線性特征的驅(qū)動(dòng)因子探測(cè)。

基于以上分析可知,盡管已經(jīng)開展了許多關(guān)于植被時(shí)空演變與驅(qū)動(dòng)因素的研究,但目前還沒有學(xué)者采用BFAST法研究其歷史非線性趨勢(shì)的同時(shí)結(jié)合Hurst指數(shù)表達(dá)其未來更加精確的可持續(xù)性,也就是考慮了植被非線性特征的未來趨勢(shì)預(yù)測(cè)。另外,怒江-薩爾溫江是東南亞一條重要的國際河流,對(duì)南亞、東南亞的氣候調(diào)節(jié)具有重要作用,但由于其南北跨度大,涉及中國、緬甸和泰國,對(duì)其進(jìn)行相關(guān)研究尤其數(shù)據(jù)收集較為困難,目前還沒有學(xué)者對(duì)該流域進(jìn)行植被覆蓋的相關(guān)研究。因此,研究以該流域?yàn)檠芯繉?duì)象,基于MODIS NDVI數(shù)據(jù),在遙感與GIS技術(shù)的支持下,采用像元二分模型估算其近22年的植被覆蓋度,并借助 BFAST01模型及 Hurst 指數(shù)等,對(duì)區(qū)域內(nèi)植被覆蓋的時(shí)空分布、非線性變化趨勢(shì)和未來可持續(xù)性進(jìn)行分析,并結(jié)合坡度、海拔、降雨、氣溫、人口、GDP、土地類型等自然和人類活動(dòng)因子,引入OPGD對(duì)影響研究區(qū)植被覆蓋度的主要因素進(jìn)行定量探究,以期為研究區(qū)的生態(tài)環(huán)境保護(hù)和可持續(xù)經(jīng)濟(jì)發(fā)展提供科學(xué)依據(jù)。

1 研究區(qū)概況及數(shù)據(jù)來源

1.1 研究區(qū)概況

怒江-薩爾溫江發(fā)源于青藏高原上的唐古拉山脈,經(jīng)中國云南(保山、臨滄)流入緬甸,最后注入印度洋的安達(dá)曼海,經(jīng)過中國、緬甸和泰國(圖1)。該流域形狀極為狹長(zhǎng),河流全長(zhǎng)約3200 km,流域總面積為32.5萬km2,它在中國的部分被稱為怒江,其余的部分稱為薩爾溫江,是東南亞最長(zhǎng)的自由流動(dòng)河流,也是最重要的跨境河流之一。楊帆等的研究中,將嘉玉橋以上劃分為上游,嘉玉橋到中緬邊界為中游,中國邊界以南為下游[30]。由于該流域南北跨度和海拔高差都很大,橫跨多個(gè)氣候帶和生態(tài)區(qū),其氣候多樣,地形復(fù)雜,不同區(qū)域的地形、氣候、土地利用類型都存在很大的空間差異性,本研究根據(jù)流域海拔特征并結(jié)合行政區(qū)劃界限,將云南和西藏交界線以北區(qū)域劃分為上游,屬于青藏高原,為典型的高原山地氣候區(qū),氣候變化較為敏感;云南西藏交界線到中緬邊界劃分為中游,主要為高山峽谷區(qū),即狹窄又陡峭,氣候垂直差異明顯,流經(jīng)三江并流保護(hù)區(qū);中國邊界以南為下游,海拔相對(duì)北部較低,地勢(shì)較為平坦,屬于熱帶季風(fēng)氣候,以此分區(qū)作為后期相關(guān)研究和分析的基礎(chǔ)。

1.2 數(shù)據(jù)源及預(yù)處理

研究數(shù)據(jù)主要包括MODIS NDVI 數(shù)據(jù),地形數(shù)據(jù),土地利用數(shù)據(jù),氣象數(shù)據(jù)以及人類活動(dòng)數(shù)據(jù),研究區(qū)流域邊界和行政區(qū)劃數(shù)據(jù)等。詳述如下:

1.2.1NDVI 數(shù)據(jù)

研究使用2000-2021年MODIS NDVI數(shù)據(jù),通過GEE(Google Earth Engine,GEE)遙感大數(shù)據(jù)云平臺(tái)進(jìn)行調(diào)用、預(yù)處理及下載,數(shù)據(jù)原網(wǎng)站為USGS (https://lpdaac.usgs.gov/products/),其時(shí)間分辨率為16d,空間分辨率為250m。在GEE平臺(tái)中對(duì)其進(jìn)行鑲嵌、投影、轉(zhuǎn)換和裁剪等預(yù)處理,為了消除云、大氣效應(yīng)、掃描角度和太陽天頂角等對(duì)影像質(zhì)量的影響,研究采用了最大值合成法MVC(Maximum Value Composite)來進(jìn)行NDVI數(shù)據(jù)的合成[15],該方法被廣泛用于植被動(dòng)態(tài)研究的預(yù)處理中[31]。借助ENVI IDL平臺(tái),選用像元二分模型(DPM)來計(jì)算研究區(qū)月度及年度FVC,用于后續(xù)植被覆蓋的相關(guān)分析。

1.2.2地形數(shù)據(jù)

研究使用的地形數(shù)據(jù)為2000年采集的SRTM Digital Elevation Data Version 4,分辨率為90m,數(shù)據(jù)生產(chǎn)于 NASA (https://srtm.csi.cgiar.org/),通過GEE平臺(tái)對(duì)其進(jìn)行拼接、裁剪和下載,并通過ArcGIS 10.2軟件提取如海拔、坡度、坡向等地形因素作為后續(xù)植被覆蓋驅(qū)動(dòng)力分析的指標(biāo)。

1.2.3LULC 數(shù)據(jù)

研究使用的土地利用數(shù)據(jù)為ESA WorldCover 10m v100,來自esa (https://esa-worldcover.org/en),也是通過GEE平臺(tái)對(duì)其進(jìn)行投影轉(zhuǎn)換和裁剪等預(yù)處理和下載。該產(chǎn)品將土地利用類型分為了11類,比較詳細(xì)的表示了不同地表覆蓋類型,我們將其作為植被覆蓋的人類活動(dòng)驅(qū)動(dòng)因子之一。

1.2.4氣象數(shù)據(jù)

研究使用的氣象數(shù)據(jù)主要包括2000-2021年的氣溫、降水、蒸散發(fā)以及氣候類型。其中氣溫?cái)?shù)據(jù)由ERA5 提供的第五代 ECMWF 全球氣候大氣再分析數(shù)據(jù),通過GEE平臺(tái)進(jìn)行預(yù)處理與下載。我們選用的是mean_2m_air_temperature,單位為K;降水量數(shù)據(jù)選用的是Climate Hazards Group InfraRed Precipitation With Station Data 2.0 (https://chc.ucsb.edu/data/chirps), 單位為mm,分辨率為0.05°。蒸散發(fā)數(shù)據(jù)為GLEAM ET產(chǎn)品,空間分辨率為0.25°,下載于gleam (https://www.gleam.eu/#downloads)。蒸散發(fā)可以反映植被的干旱情況,對(duì)植被生長(zhǎng)狀況有一定影響,因此研究選取該指標(biāo)作為驅(qū)動(dòng)因子之一。氣候類型數(shù)據(jù)為全球柯本氣候類型空間分布數(shù)據(jù)集,空間分辨率為0.1°,下載于國家地球系統(tǒng)科學(xué)數(shù)據(jù)中心(http://www.geodata.cn/),將其作為植被覆蓋驅(qū)動(dòng)力分析因子之一。

1.2.5人類活動(dòng)等其他數(shù)據(jù)

人口格網(wǎng)數(shù)據(jù)來源于world pop (https://hub.worldpop.org/geodata/listing?id=64)。單位為people/km2,空間分辨率為1km。全球GDP數(shù)據(jù)來源于GitHub (https://github.com/Nowosad/global_population_and_gdp), 分辨率為0.5° × 0.5°。中國區(qū)域人口、GDP數(shù)據(jù)來源于中國科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心(http://www.resdc.cn)。其他數(shù)據(jù)如研究區(qū)行政區(qū)劃,流域邊界等分別來源于中國科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心 (https://www.resdc.cn/data.aspx?DATAID=259) 和HydroSHEDS 網(wǎng)站 (https://www.hydrosheds.org/)。數(shù)據(jù)來源如表1,驅(qū)動(dòng)因子指標(biāo)如圖2。

表1 研究數(shù)據(jù)來源與描述Table 1 Source and description of research data

圖2 FVC驅(qū)動(dòng)因子空間分布圖Fig.2 Spatial distribution of FVC driving factorsET:蒸散發(fā) Evapotranspiration;FVC:植被覆蓋度 Fractional vegetation cover

2 研究方法

2.1 像元二分模型

像元二分模型是一種簡(jiǎn)單實(shí)用的遙感估算模型,對(duì)綠度信息具有很好的敏感性,且對(duì)不同氣候區(qū)、植被類型等的植被信息具有很好的識(shí)別效果,被廣泛用于計(jì)算植被覆蓋度。其計(jì)算植被覆蓋度的公式如下:

(1)

式中,NDVIsoil和NDVIveg表示全部為裸土和全部為植被的像元NDVI值。理論上,NDVIsoil為0,NDVIveg為1。然而,實(shí)際中植被覆蓋的影響因素復(fù)雜,NDVIsoil和NDVIveg的值并不等于0和1,而是受圖像本身質(zhì)量的影響。參考相關(guān)研究[23,32],根據(jù)MODIS NDVI時(shí)間序列圖像,對(duì)NDVI圖像進(jìn)行頻率直方圖統(tǒng)計(jì),去除異常值以及歸一化處理,并取累計(jì)頻率在2%和98%時(shí)的NDVI值分別作為NDVIsoil和NDVIveg參數(shù),然后按照公式(1)計(jì)算研究區(qū)FVC。

2.2 Hurst指數(shù)

Hurst 指數(shù)是定量描述時(shí)間序列長(zhǎng)程依賴性的有效方法[33]。近年來在植被覆蓋變化的未來可持續(xù)性研究中得到廣泛應(yīng)用[34-35]。研究利用matlab計(jì)算出H值即Hurst指數(shù),來判斷植被覆蓋時(shí)間序列是否存在持續(xù)性。H值介于0-1間,參考相關(guān)研究成果[23,36],其分類有三種:0

2.3 BFAST模型

BFAST是一種迭代算法,它利用分段線性趨勢(shì)和季節(jié)性模型將時(shí)間序列分解為趨勢(shì)、季節(jié)性和殘差組分,并能檢測(cè)趨勢(shì)和季節(jié)性成分的突變[7,37]。BFAST假設(shè)非線性可以用分段線性模型來近似,因此,當(dāng)一個(gè)序列可以更好地用多個(gè)線性段表示,而不是單一的單調(diào)趨勢(shì)時(shí),就可以使用結(jié)構(gòu)變化測(cè)試確定一個(gè)斷點(diǎn)并確定日期[26]。相比其他突變檢測(cè)方法,在時(shí)間序列內(nèi),BFAST受季節(jié)差異和噪聲的影響較小,可以更快地檢測(cè)到變化[19]。Verbesselt等對(duì)該方法進(jìn)行了比較完整的描述和介紹[38-39]。在數(shù)學(xué)上,BFAST的趨勢(shì)分量和季節(jié)分量通過以下分解模型得到:

Yt=Tt+St+et,t=1,…,n

(2)

式中,Yt為t時(shí)觀測(cè)到的值,Tt為趨勢(shì)組分,St為季節(jié)性組分,et為殘差組分。其中趨勢(shì)組分可用下式表示:

Tt=ai+bit(t=1,2,…,n)

(3)

季節(jié)性成分可用下式表示:

(4)

式中,ai和bi為趨勢(shì)項(xiàng)系數(shù),γi為振幅,δi為分段數(shù)量,f為頻率,其中振幅、分段數(shù)量為未知項(xiàng),而頻率為已知項(xiàng)。

季節(jié)組分和趨勢(shì)組分中突變點(diǎn)的識(shí)別需要確定突變點(diǎn)的數(shù)量和突變點(diǎn)在時(shí)間序列中的位置。此處利用最小二乘移動(dòng)求和從季節(jié)組分和趨勢(shì)組分中檢驗(yàn)判斷是否存在突變點(diǎn)[40]。首先,采用普通最小二乘方法(Ordinary Least Squares, OLS)在一個(gè)不斷增加的移動(dòng)窗口內(nèi)進(jìn)行檢驗(yàn)判斷是否存在斷點(diǎn),如果根據(jù)統(tǒng)計(jì)檢驗(yàn),窗口內(nèi)的普通最小二乘殘差的移動(dòng)和很大,則被描述為一個(gè)斷點(diǎn)。接著,通過最小化所有窗口上斷點(diǎn)之間的最小二乘移動(dòng)總和(OLS-MOSUM),以此來確定斷點(diǎn)的位置[19,38]。

根據(jù)BFAST原理,本研究采用了BFAST的改進(jìn)模型BFAST01。BFAST01模型相比BFAST模型的優(yōu)勢(shì)在于,它同時(shí)考慮了季節(jié)模型和趨勢(shì)模型,只檢測(cè)時(shí)間序列中最具影響的趨勢(shì)變化,而不是多個(gè)較小的變化,也就是說BFAST01只檢測(cè)0個(gè)或者1個(gè)斷點(diǎn),其為評(píng)估長(zhǎng)期季節(jié)性和年際變化的主要轉(zhuǎn)折點(diǎn)提供了一種有效的、全面的變化檢測(cè)方法[26,41]。本研究利用R環(huán)境,從GitHub加載最新的bfast包(https://github.com/),完成所有BFAST01的統(tǒng)計(jì)分析[42],提取出植被覆蓋的趨勢(shì)顯著性、變化強(qiáng)度、趨勢(shì)斷點(diǎn)發(fā)生的時(shí)間和次數(shù)、突變類型、突變年份等。參考相關(guān)研究[15,19,26],將BFAST01檢測(cè)到的植被覆蓋變化趨勢(shì)類別分為8類,如表2所示。

表2 BFAST01檢測(cè)的FVC變化趨勢(shì)類型Table 2 Types of FVC change trends detected by BFAST01

2.4 地理探測(cè)器

地理探測(cè)器Geodetector,是一種統(tǒng)計(jì)工具,可以探測(cè)地理現(xiàn)象的空間分異性并揭示其背后驅(qū)動(dòng)力,既適用于點(diǎn)數(shù)據(jù),也適用于面數(shù)據(jù),對(duì)于面數(shù)據(jù)一般要先進(jìn)行重分類和離散化處理[27]。其包括4個(gè)探測(cè)器,我們選用因子探測(cè)器和交互探測(cè)器來探測(cè)植被覆蓋變化的影響因素。

因子探測(cè)器,用于探測(cè)因變量Y的空間分異性,及某個(gè)因素X對(duì)因變量Y空間分布的解釋力,其大小可用q值來度量(0≤q≤1),本研究中,若某影響因子的q值越接近于1,說明該因子對(duì)FVC的解釋力越強(qiáng),反之越弱[27,43-44]。

交互探測(cè)器可以用于識(shí)別不同因子之間交互對(duì)植被覆蓋度變化的影響是增強(qiáng)還是減弱,或是獨(dú)立[27]。其交互方式見表3。

表3 地理探測(cè)器交互作用方式Table 3 Interaction modes of geodetectors

3 結(jié)果與分析

3.1 怒江-薩爾溫江流域植被覆蓋時(shí)空特征分析

3.1.1空間分布特征

通過像元二分模型計(jì)算得到FVC,并利用GIS空間分析可視化工具得到研究區(qū)2000-2021年平均FVC空間分布圖(圖3),對(duì)其進(jìn)行分析可知,怒江-薩爾溫江流域低植被覆蓋度(0-0.2)、較低植被覆蓋度(0.2-0.4)、中植被覆蓋度(0.4-0.6)、較高植被覆蓋度(0.6-0.8)、高植被覆蓋度(0.8-1)占比依次為:5.41%,5.66%,10.41%,21.46%,57.06%,FVC分布具有明顯的空間異質(zhì)性,從圖3可以看出,下游和中游地區(qū)植被覆蓋情況明顯優(yōu)于上游地區(qū),總體表現(xiàn)為南高北低。整個(gè)流域平均FVC值為0.73,高植被覆蓋度和較高植被覆蓋度地區(qū)面積占比達(dá)到78.52%,說明該流域植被覆蓋情況較好。結(jié)合研究區(qū)土地利用類型分析發(fā)現(xiàn),低植被覆蓋區(qū)域主要分布在海拔較高的青藏高原,主要土地利用類型為苔蘚、裸地、灌木等;高植被覆蓋區(qū)域主要在中游和下游地區(qū),土地利用類型以林地、草地和耕地為主。

圖3 怒江-薩爾溫江流域2000-2021年平均FVC空間分布圖Fig.3 Spatial distribution of the average FVC in the Nujiang-Salween River Basin from 2000 to 2021

3.1.2時(shí)間變化特征

通過統(tǒng)計(jì)研究區(qū)年、月、季節(jié)的FVC均值,并制作FVC變化折線圖(圖4)。從圖4的年際變化圖可以看出,怒江-薩爾溫江流域2000-2021年植被覆蓋整體呈波動(dòng)上升趨勢(shì),FVC最大值出現(xiàn)在2021年為0.750,最小值出現(xiàn)在2015年為0.722,在2007年和2015年出現(xiàn)了明顯的低值拐點(diǎn),但2016年以來,植被生長(zhǎng)狀況出現(xiàn)明顯上升趨勢(shì)。從研究區(qū)連續(xù)22年植被覆蓋季節(jié)變化圖可以看出怒江-薩爾溫江流域植被變化具有明顯的季節(jié)規(guī)律性,這與研究區(qū)氣候有關(guān)。而FVC月際變化圖表明,3月份FVC值最低,3-9月份FVC值隨時(shí)間逐漸上升,在9月份的時(shí)候FVC值達(dá)到最高,隨后呈下降趨勢(shì);整體上夏秋季植被覆蓋狀況較春冬季植被覆蓋狀況好,不同季節(jié)FVC隨著時(shí)間變化呈現(xiàn)較小的波動(dòng),春季和夏季波動(dòng)較秋季和冬季大,但整體較為穩(wěn)定。

圖4 怒江-薩爾溫江流域FVC時(shí)間變化Fig.4 Time variation of FVC in the Nujiang-Salween River BasinFVC:植被覆蓋度Fractional vegetation cover

3.2 怒江-薩爾溫江流域植被覆蓋非線性趨勢(shì)特征

運(yùn)用BFAST01算法對(duì)怒江-薩爾溫江流域2000-2021年FVC進(jìn)行突變檢測(cè),得到FVC的非線性趨勢(shì)特征(圖5)。從圖中可知,研究區(qū)分為了8種非線性植被覆蓋趨勢(shì)類型,其中單調(diào)遞增占34.63%,是占比最多的,在流域上、中、下游各區(qū)域均有分布;單調(diào)遞減類型占比12.22%,主要分布在流域下游區(qū)域;“單調(diào)遞增+”占比2.3%,主要分布在中緬邊界;“單調(diào)遞減-”占比最少為0.63%;“中斷-+”占比22.91%,排名第二,主要分布在流域最北端和云南以及緬甸北部;“中斷+-”占比8.19%,主要分布在流域最南角,云南和北部也有些許分布;“反轉(zhuǎn)+-”占比7.73%,“反轉(zhuǎn)-+”占比11.39%;通過分析發(fā)現(xiàn),總體呈增加趨勢(shì)類型的占比(71.24%)大于總體呈減少趨勢(shì)類型的占比(28.76%),表明研究區(qū)植被發(fā)展趨勢(shì)向好。從顯著性檢測(cè)結(jié)果來看,變化呈現(xiàn)顯著的占比為44.29%,不顯著的占比為55.71%;突變時(shí)間檢測(cè)表明,發(fā)生突變的時(shí)間主要集中在2003-2018年,2003年和2018年發(fā)生突變的數(shù)量較多,其他年份較為均勻,“中斷-+”發(fā)生的突變最多,發(fā)生突變占比較少的類型是:“單調(diào)遞增+”和“單調(diào)遞減-”。需要提醒的是,單調(diào)遞增和單調(diào)遞減沒有發(fā)生斷點(diǎn),因此圖5(突變時(shí)間)中空白區(qū)域表示沒有發(fā)生突變的區(qū)域。

圖5 BFAST01檢測(cè)結(jié)果Fig.5 BFAST01 detection results

為了更加詳細(xì)的描述植被覆蓋突變情況,研究還對(duì)FVC變化的最大突變強(qiáng)度、最大突變強(qiáng)度發(fā)生的時(shí)間、首次季節(jié)性斷點(diǎn)發(fā)生的時(shí)間以及斷點(diǎn)發(fā)生次數(shù)等信息進(jìn)行了檢測(cè)(圖6)。通過分析發(fā)現(xiàn)整個(gè)流域突變發(fā)生最大強(qiáng)度的地區(qū)主要在云南以及青藏高原北部,最大突變強(qiáng)度范圍介于-1.2078-1.0287之間,最大突變強(qiáng)度時(shí)間主要在2002-2019年,2006年發(fā)生最大強(qiáng)度突變的比例是最大的,2013年、2015年和2018年最大突變強(qiáng)度數(shù)量也較多,上游地區(qū)最大突變強(qiáng)度斷點(diǎn)發(fā)生時(shí)間變化趨勢(shì)與此相似,說明上游地區(qū)在全流域FVC的變化趨勢(shì)中具有重要作用;而中游和下游區(qū)域最大突變強(qiáng)度斷點(diǎn)發(fā)生時(shí)間變化趨勢(shì)較上游地區(qū)波動(dòng)平穩(wěn),中游地區(qū)突變數(shù)量較多的年份為2006年、2010年和2015年,下游地區(qū)在2011年最大強(qiáng)度突變數(shù)量最多,占下游地區(qū)突變總面積的9.90%。各區(qū)域最大強(qiáng)度突變面積從2018年開始大面積減少。此外,根據(jù)研究區(qū)FVC時(shí)間變化可知,其植被變化具有很強(qiáng)的季節(jié)性,從圖6可以看出,首次發(fā)生季節(jié)性斷點(diǎn)的時(shí)間主要集中在2010-2014年。

此外,怒江-薩爾溫江流域最大突變強(qiáng)度斷點(diǎn)發(fā)生突變的次數(shù)分別有1次、2次和3次(圖7),表示某點(diǎn)在研究時(shí)間段內(nèi)植被發(fā)生非線性突變次數(shù)的空間分布,1次的占比最多為77.02%,3次的最少為4.18%,2次的區(qū)域主要分布在中緬邊界和最北部。上游地區(qū)發(fā)生1次斷點(diǎn)的比重最大,占上游地區(qū)發(fā)生斷點(diǎn)次數(shù)總面積的85.72%,而發(fā)生3次斷點(diǎn)的占比僅占本區(qū)斷點(diǎn)總面積的0.91%;下游和中游地區(qū)各斷點(diǎn)次數(shù)占本區(qū)域斷點(diǎn)總次數(shù)面積比重相差不大,也是以1次為主,占比略小于上游地區(qū),而發(fā)生3次斷點(diǎn)的次數(shù)占比均在7%左右,略大于上游地區(qū)。

圖7 植被覆蓋突變頻率分布Fig.7 Frequency distribution of vegetation cover mutations

3.3 怒江-薩爾溫江流域植被未來可持續(xù)性

為了表示植被覆蓋的未來可持續(xù)性,我們計(jì)算了怒江-薩爾溫江流域FVC 的 Hurst 指數(shù),通過統(tǒng)計(jì)分析發(fā)現(xiàn),Hurst 指數(shù)小于0.5的區(qū)域占總面積的2.76%,這些區(qū)域具有反持續(xù)性,表示過去增加的趨勢(shì)將來總體上減少,反之亦然;Hurst 指數(shù)大于0.5的區(qū)域占比為 94.89%,表明研究區(qū)植被覆蓋的正向持續(xù)性較強(qiáng);Hurst 指數(shù)為0.5的區(qū)域占2.35%,表明未來植被覆蓋發(fā)展趨勢(shì)不明確。

為了進(jìn)一步揭示植被覆蓋的非線性變化趨勢(shì)及其持續(xù)性,將BFAST變化趨勢(shì)結(jié)果與 Hurst 指數(shù)結(jié)果進(jìn)行疊加,得到非線性變化趨勢(shì)與持續(xù)性的耦合信息(圖8和表4)。耦合結(jié)果總共為17種情形,其中“持續(xù)性&單調(diào)遞增”耦合類型含義表示未來植被與過去發(fā)展趨勢(shì)一樣,將持續(xù)增加;“反持續(xù)性&單調(diào)遞增”表示未來植被與過去發(fā)展趨勢(shì)相反,將從增加變?yōu)闇p少,其它情形解釋相似,比較詳細(xì)的展示了植被覆蓋的未來發(fā)展趨勢(shì)。未來將呈持續(xù)改善情景的面積占比達(dá)到68.99%,持續(xù)改善的趨勢(shì)類型分別為:“持續(xù)性&反轉(zhuǎn)-+”、“持續(xù)性&中斷-+”、“持續(xù)性&單調(diào)增加+”、“持續(xù)性&單調(diào)遞增”、“反持續(xù)性&單調(diào)遞減”、“反持續(xù)性&單調(diào)遞減-”、“反持續(xù)性&中斷+-”和“反持續(xù)性&反轉(zhuǎn)+-”,這些區(qū)域占據(jù)了流域大部分地區(qū);未來發(fā)展將呈持續(xù)退化的情景所占比例為29.09%,這些趨勢(shì)類型分別為:“反持續(xù)性&反轉(zhuǎn)-+”、“反持續(xù)性&中斷-+”、“反持續(xù)性&單調(diào)遞增+”、“反持續(xù)性&單調(diào)遞增”、“持續(xù)性&單調(diào)遞減”、“持續(xù)性&單調(diào)遞減-”、“持續(xù)性&中斷+-”和“持續(xù)性&反轉(zhuǎn)+-”,這些區(qū)域主要分布在流域中游和下游;剩下1.92%的區(qū)域未來變化趨勢(shì)無法確定,主要分布在流域上游區(qū)域。持續(xù)退化和未來變化趨勢(shì)無法確定的區(qū)域的植被變化狀況需要研究人員繼續(xù)關(guān)注。

表4 BFAST01和Hurst指數(shù)耦合類型統(tǒng)計(jì)Table 4 Statistics of BFAST01 and Hurst coupling types

圖8 植被覆蓋未來發(fā)展趨勢(shì)Fig.8 Future development trend of vegetation coverage

3.4 怒江-薩爾溫江流域植被覆蓋驅(qū)動(dòng)因子探測(cè)

研究選取了海拔、坡度、坡向、蒸散發(fā)、氣溫、降水、氣候區(qū)劃等自然因素和GDP、人口、土地利用等人為因素作為植被覆蓋的影響因子,分別為X1-X10,植被覆蓋度FVC為Y,作為地理探測(cè)器的數(shù)據(jù)輸入,空間分辨率統(tǒng)一重采樣為250m。由于這些因子及FVC都是連續(xù)變量,而地理探測(cè)器的輸入數(shù)據(jù)要求為類別數(shù)據(jù),則根據(jù)王勁峰等提出的數(shù)據(jù)離散化方法[27],利用OPGD在R語言環(huán)境中進(jìn)行參數(shù)優(yōu)化,為了使結(jié)果更加符合實(shí)際,研究同時(shí)對(duì)離散化進(jìn)行了人為調(diào)試,最終得到比較理想的結(jié)果,具體離散化方法和類別見表5。并利用ArcGIS創(chuàng)建漁網(wǎng),通過多次調(diào)試設(shè)置采樣間隔為3km,運(yùn)用Spatial Analyst-提取分析-采樣工具,輸入柵格為所有重分類的X和Y,采樣點(diǎn)為研究區(qū)漁網(wǎng)點(diǎn),將自變量和因變量的值提取到點(diǎn),作為地理探測(cè)器輸入數(shù)據(jù)。

表5 地理探測(cè)器因子離散化方法與類別Table 5 Factor discretization methods and categories of geographic detectors

利用因子探測(cè)和交互探測(cè)器,得到全流域以及各子流域植被覆蓋驅(qū)動(dòng)力探測(cè)結(jié)果(表6和圖9)。除中游地區(qū)的坡向因子p值為0.0791外,其余因子p值均為0,通過顯著性檢驗(yàn)。根據(jù)表6可知,全流域中海拔的q值是最大的為0.5761,接著影響較大的是氣溫、降水、蒸散發(fā)等氣象因子,其次是土地利用類型、GDP、人口等人為因子,人為因子中以土地利用影響最大。各子流域因子探測(cè)結(jié)果顯示同一個(gè)影響因子在不同區(qū)域?qū)χ脖桓采w的影響具有差異性,縱向上分析,如海拔和土地利用因子對(duì)上游和中游區(qū)域的影響大于下游區(qū)域;而人口、GDP、蒸散發(fā)等因子對(duì)下游區(qū)域的影響則大于上游和中游區(qū)域。橫向上分析,上游區(qū)域影響最大的是土地利用因子,其次是海拔,而人口、GDP等人類活動(dòng)因子對(duì)于較為偏遠(yuǎn)的上游地區(qū)影響較小。對(duì)于中游區(qū)域,對(duì)植被影響最大的是海拔,其次是土地利用,氣溫、降水、蒸散發(fā)等也是影響中游區(qū)域植被覆蓋變化的重要因素,自然因素對(duì)中游區(qū)域植被的影響大于人為因素。與中游區(qū)域相反,下游區(qū)域的人口和GDP是對(duì)植被影響最大的因素,其次是蒸散發(fā),土地利用和降水影響也較大,而影響最低的是海拔。

表6 怒江-薩爾溫江流域各區(qū)域影響因子q值Table 6 Impact factor q values in the Nujiang Salween River Basin

圖9 怒江-薩爾溫江流域各區(qū)域影響因子交互作用探測(cè)結(jié)果Fig.9 Detection results of the interaction of influencing factors in the Nujiang-Salween River Basin

交互探測(cè)結(jié)果顯示(圖9),任何兩個(gè)因子交互影響都會(huì)增強(qiáng)其影響力,對(duì)于全流域來說,發(fā)現(xiàn)其它每個(gè)因子和海拔交互都達(dá)到最大影響值,說明海拔對(duì)植被覆蓋有著很強(qiáng)的影響力,這與整個(gè)研究區(qū)海拔差異顯著具有關(guān)聯(lián)性。上游區(qū)域和中游區(qū)域與全區(qū)相似,各因子與海拔的交互作用對(duì)植被覆蓋的影響增強(qiáng)作用是最顯著的。對(duì)于下游區(qū)域來說,各因子交互作用具有差異性,其中氣溫、降水、蒸散發(fā)與坡度的交互作用對(duì)植被的影響大于它們與其它因子的交互作用;氣候類型、土地利用、人口與蒸散發(fā)的交互作用對(duì)植被的影響大于它們與其它因子的交互作用;說明坡度和蒸散發(fā)對(duì)下游區(qū)域的植被覆蓋影響具有很大的可利用空間;而GDP與人口的交互作用也大于GDP與其它任何因子的交互作用,成為所有交互作用中影響最大的,這與因子探測(cè)的結(jié)果具有一致性。

4 討論

4.1 怒江-薩爾溫江流域植被覆蓋時(shí)空總體特征

怒江-薩爾溫江流域區(qū)位特殊,上、中、下游地區(qū)地形海拔和緯度等差異明顯,植被覆蓋空間分布特征也形成了鮮明的對(duì)比。從全區(qū)域來看,高植被覆蓋區(qū)域占比大于50%,而其中上游地區(qū)高植被覆蓋區(qū)域占比僅占7%左右,平均FVC值為0.53;中游和下游區(qū)域高植被覆蓋區(qū)域占比達(dá)到85%和90%以上,平均FVC值分別為0.86和0.88,說明中游和下游地區(qū)拉高了整個(gè)區(qū)域的植被覆蓋水平,這與研究區(qū)地形地貌有關(guān)[45-46],這將在驅(qū)動(dòng)力分析中進(jìn)行探討。

從FVC時(shí)間演變特征來看,怒江-薩爾溫江流域植被覆蓋在2015年以前增長(zhǎng)趨勢(shì)不明顯,但2016年開始發(fā)展趨勢(shì)向好。這與李杰、王春雅等的研究結(jié)論相似[23,47]。但在2007年、2015年和2019年出現(xiàn)了明顯的低值拐點(diǎn),結(jié)合圖4與圖10,發(fā)現(xiàn)上游地區(qū)FVC年際變化也在2007年和2015年發(fā)生了低值拐點(diǎn),變化趨勢(shì)與全區(qū)FVC非常相似;而下游和中游區(qū)域FVC年際變化增長(zhǎng)趨勢(shì)明顯,其中下游地區(qū)在2004、2012、2018等年份出現(xiàn)低值拐點(diǎn),查詢資料發(fā)現(xiàn),2004年中緬邊境發(fā)生了一場(chǎng)大森林火災(zāi),2006年的颶風(fēng)“馬拉”和2007年的臺(tái)風(fēng)“利奇馬”,2012年和2013年緬甸發(fā)生了嚴(yán)重干旱,2014年、2015年的厄爾尼諾現(xiàn)象、極端干旱事件等,此外,據(jù)聯(lián)合國人類事務(wù)協(xié)調(diào)辦公室稱,緬甸在2015年經(jīng)歷了幾十年來最嚴(yán)重的洪水,同時(shí)2015年“4·25”西藏也發(fā)生了地震災(zāi)害,以及2018、2019年的極端氣候自然災(zāi)害如印度西南部的特大洪災(zāi)等[48],這些事件均嚴(yán)重威脅到當(dāng)?shù)刂脖坏纳L(zhǎng)狀態(tài),可能是導(dǎo)致FVC出現(xiàn)低值拐點(diǎn)的原因。對(duì)于下游地區(qū)來說,有研究表明森林火災(zāi)、農(nóng)業(yè)轉(zhuǎn)型、公路建設(shè)增加等是導(dǎo)致其植被減少的主要原因[49]。而研究區(qū)整體植被變化趨勢(shì)向好與生態(tài)工程的實(shí)施和圍欄禁牧政策以及其他人類活動(dòng)等有關(guān)[47]。

圖10 怒江-薩爾溫江流域各流域FVC年際變化Fig.10 Interannual variation of FVC in each sub-basin of the Nujiang-Salween River Basin

4.2 怒江-薩爾溫江流域植被覆蓋非線性特征

從研究區(qū)FVC年、月、季節(jié)的變化分析以及相關(guān)研究表明,植被變化往往受多種因素的影響使其很難呈現(xiàn)嚴(yán)格的線性變化[15]。因此,我們?cè)谶M(jìn)行研究時(shí)應(yīng)該考慮其趨勢(shì)的非線性特征及其影響因素,特別是大尺度長(zhǎng)時(shí)間序列的演變分析。研究運(yùn)用BFAST01方法來分析FVC的演變趨勢(shì)以及非線性突變,BFAST方法可以很好地適用于突變檢測(cè)[50]。在3.2小節(jié)中,我們?cè)敿?xì)分析了怒江-薩爾溫江流域FVC變化的突變類型、突變時(shí)間、突變顯著性與突變次數(shù)等特征,將研究區(qū)植被變化詳細(xì)分為了8種突變類型,每種突變類型的含義見表2。為了進(jìn)一步分析各突變類型空間分布特征及驗(yàn)證分類的準(zhǔn)確性,我們結(jié)合 Google Earth time-series images來進(jìn)行突變前后年份影像的比對(duì)(圖11)。

圖11 突變年前后FVC及Google Earth imagesFig.11 FVC and Google Earth images before and after the mutation year圖中圓圈4、5、6、8分別代表對(duì)應(yīng)的突變類型;黑色矩形框所指圖像代表突變年份的Google Earth images和FVC圖像;紅色矩形框圖像代表突變年份前后的Google Earth images和FVC圖像

從上、中、下游區(qū)域分別選擇了某局部區(qū)域進(jìn)行制圖比對(duì),上游區(qū)域選擇的代表像元突變類型為 “單遞減-”,突變時(shí)間為2017年,從Google Earth time-series images上我們可以明顯看到該區(qū)域范圍突變時(shí)間前后土地利用從草地和稀疏植被逐漸轉(zhuǎn)變?yōu)榻ㄔO(shè)用地,FVC圖像也可以看出其顏色逐漸變深,也就是FVC值在減小,這就說明了該區(qū)域植被覆蓋在減少,這和突變類型“單調(diào)遞減-”的特征是相符的。中游區(qū)域選擇的代表像元突變類型為 “中斷+-”,該突變類型有1個(gè)明顯突變點(diǎn),且斷點(diǎn)處值突然增大,即顯著正中斷,然后顯著減小,從Google Earth time-series images和FVC圖像比對(duì)來看,也符合其突變特征。下游區(qū)域選擇的兩個(gè)突變類型代表分別為“中斷-+”和“反轉(zhuǎn)-+”,“中斷-+”特征與“中斷+- 相反,從圖像特征上可以看出該局部區(qū)域植被覆蓋在斷點(diǎn)2012年處突然減小,即負(fù)中斷,然后增加;而“反轉(zhuǎn)-+”表示趨勢(shì)從顯著減小轉(zhuǎn)換為顯著增加,即在突變點(diǎn)處FVC顯著減小,也符合Google Earth time-series images和FVC圖像的比對(duì)特征。因此,通過圖像比對(duì)驗(yàn)證,發(fā)現(xiàn)用BFAST模型進(jìn)行長(zhǎng)時(shí)間序列植被非線性趨勢(shì)檢測(cè)是適用的,結(jié)果也具有一定可靠性,研究可為相關(guān)生態(tài)環(huán)境保護(hù)措施的制定提供科學(xué)參考依據(jù)。

4.3 怒江-薩爾溫江流域植被覆蓋驅(qū)動(dòng)力

為了更有針對(duì)性地分析植被覆蓋的影響因素,考慮研究區(qū)地形地貌的差異性,研究選擇了適用于具有非線性特征分析的基于最優(yōu)參數(shù)的地理探測(cè)器(OPGD),對(duì)研究區(qū)植被覆蓋影響因素進(jìn)行分區(qū)探討,根據(jù)探測(cè)結(jié)果進(jìn)行更有針對(duì)性的原因分析。探測(cè)結(jié)果表明,對(duì)整個(gè)區(qū)域來說,海拔的影響是最大的,原因在于研究區(qū)海拔南北差異極大,對(duì)整個(gè)區(qū)域的地形地貌起著宏觀控制作用,進(jìn)而影響局部地區(qū)的水熱條件,對(duì)植被空間分異產(chǎn)生重要影響。此外,影響較大的是氣溫、降水、蒸散發(fā)等氣象因子,這與許多研究以及現(xiàn)實(shí)情況也是相符的[51-53],植被受氣候影響較大,特別是怒江-薩爾溫江流域跨越了多個(gè)不同氣候區(qū),氣候差異大,因此氣候因子對(duì)其影響較顯著;人為因子對(duì)全區(qū)植被的影響程度比自然因子較低,其中以土地利用影響最大,原因在于研究區(qū)地形偏遠(yuǎn),人口經(jīng)濟(jì)發(fā)展較緩慢,特別是高海拔地區(qū)和高山峽谷區(qū),人類活動(dòng)很難影響到,而土地利用作為能較好反映人類活動(dòng)的因素,能很好的表現(xiàn)植被覆蓋的變化,同時(shí)也有很大的可利用空間來增強(qiáng)或者減弱植被覆蓋。

對(duì)各子流域來說,植被覆蓋的影響因素具有差異性。上游區(qū)域土地利用對(duì)植被覆蓋的影響大于海拔,原因在于區(qū)域內(nèi)部大部分屬于高原,高原內(nèi)部地勢(shì)起伏不大,因此海拔以及坡度、坡向等對(duì)植被的影響小于土地利用,人類活動(dòng)通過改變土地利用結(jié)構(gòu),特別是耕地面積、耕作類型等從而影響植被覆蓋;在剩下的因子中降水是影響較大的,原因在于上游地區(qū)季風(fēng)難以到達(dá),降水又是植被生長(zhǎng)的重要因素,因此,降水對(duì)植被影響較大。由于其較為偏遠(yuǎn),人為因素影響小于自然因素。中游區(qū)域,由于其大部分屬于高山峽谷區(qū),海拔差異顯著,海拔成為了植被覆蓋影響最大的因素,而氣溫、降水、蒸散發(fā)等受海拔差異的影響,對(duì)植被覆蓋影響也較大。下游區(qū)域,由于以平原為主,地形較為平坦,人類活動(dòng)頻繁,因此人口和GDP是對(duì)植被影響最大的因素,由于緯度低,氣溫高,蒸散發(fā)也成為了植被變化的重要影響因素,與上游和中游地區(qū)不一樣的是海拔對(duì)植被影響微弱。

綜上可知,由于怒江-薩爾溫江流域地理特征的復(fù)雜性,在不同環(huán)境條件下,各環(huán)境因子對(duì)植被覆蓋的影響也存在顯著的差異性。因此,建議綜合考慮不同環(huán)境條件下FVC的空間分布與各影響因子的空間關(guān)聯(lián)性,明確不同區(qū)域的環(huán)境制約因子,因地制宜制定生態(tài)修復(fù)措施,規(guī)劃流域的經(jīng)濟(jì)建設(shè)。對(duì)于上游地區(qū)來說,植被覆蓋較低,未來植被呈退化趨勢(shì)的占比較多為9.03%,應(yīng)防止植被覆蓋率進(jìn)一步下降加強(qiáng)生態(tài)恢復(fù),如優(yōu)化土地利用結(jié)構(gòu)、發(fā)展現(xiàn)代生態(tài)農(nóng)業(yè)、更改耕作類型、進(jìn)行輪作和休耕管理、退耕還林、建設(shè)自然保護(hù)區(qū)和實(shí)施生態(tài)移民、以及爭(zhēng)取國家政策的扶持等,注重社會(huì)經(jīng)濟(jì)和生態(tài)環(huán)境的共同發(fā)展;對(duì)于中游地區(qū),自然環(huán)境因子對(duì)植被覆蓋影響更大,其經(jīng)過三江源等重要生態(tài)源地區(qū),應(yīng)該確保生態(tài)環(huán)境不被破壞;對(duì)于下游地區(qū),植被覆蓋度較高,但影響植被覆蓋的主要是社會(huì)經(jīng)濟(jì)因素,且未來植被呈退化趨勢(shì)的占比是最多的為17.39%,應(yīng)切實(shí)保護(hù)好現(xiàn)有資源,維持生態(tài)系統(tǒng)的穩(wěn)定性,并發(fā)展高效、多元化、可持續(xù)的生態(tài)經(jīng)濟(jì)。植被動(dòng)態(tài)是一個(gè)復(fù)雜的過程,還應(yīng)加強(qiáng)對(duì)極端事件的預(yù)防和控制,以防止氣候變化造成植被的進(jìn)一步退化。總之,應(yīng)充分發(fā)揮人類活動(dòng)對(duì)于生態(tài)環(huán)境的積極作用,找準(zhǔn)生態(tài)保護(hù)與經(jīng)濟(jì)發(fā)展的平衡點(diǎn),促進(jìn)生態(tài)與經(jīng)濟(jì)的協(xié)調(diào)可持續(xù)發(fā)展。

4.4 局限和展望

研究參考楊帆等[30]的成果重新將怒江-薩爾溫江流域劃分為了上游、中游和下游區(qū)域進(jìn)行植被趨勢(shì)分析與驅(qū)動(dòng)力探討,我們主要考慮的是海拔和行政區(qū)劃,區(qū)域劃分較為主觀,這是未來研究需要改善的地方,比如利用具體的氣候區(qū)、土壤區(qū)、地貌區(qū)、植被區(qū)等進(jìn)行分析。此外,研究在進(jìn)行驅(qū)動(dòng)力指標(biāo)選取的時(shí)候,由于跨境各個(gè)國家的數(shù)據(jù)統(tǒng)計(jì)標(biāo)準(zhǔn)不一,精度也有差異,使得部分?jǐn)?shù)據(jù)獲取較為困難,特別是人為因素的數(shù)量和質(zhì)量,這可能會(huì)影響結(jié)果的精度,因此,未來應(yīng)該考慮在分區(qū)探討的同時(shí)對(duì)不同區(qū)域建立不同的指標(biāo)體系,以提高數(shù)據(jù)的精度和結(jié)果的準(zhǔn)確性。

5 結(jié)論

研究基于怒江-薩爾溫江流域2000-2021年MODIS NDVI數(shù)據(jù),計(jì)算出其植被覆蓋度FVC,探討了研究區(qū)近22年植被覆蓋的時(shí)空趨勢(shì)變化、非線性特征、未來可持續(xù)性以及驅(qū)動(dòng)力。主要結(jié)論為:

(1)近22年,怒江-薩爾溫江流域植被覆蓋總體發(fā)展趨勢(shì)向好,2007年和2015年出現(xiàn)較大突變,多年平均FVC值為0.73。受水熱條件、地形地貌等影響,植被分布具有明顯的空間異質(zhì)性,下游和中游區(qū)域植被覆蓋明顯優(yōu)于上游區(qū)域,總體表現(xiàn)為南高北低,植被覆蓋狀況較好。(2)BFAST趨勢(shì)表明,近22年怒江-薩爾溫江流域植被覆蓋改善和退化的區(qū)域面積占比分別為71.24%、28.76%,改善的區(qū)域遠(yuǎn)大于退化的區(qū)域,說明研究區(qū)植被得到較好的保護(hù)。Hurst指數(shù)顯示,未來植被相比以前將得到改善和將有所退化的區(qū)域占比分別為94.89%、2.76%。BFAST與Hurst二者的耦合表達(dá)了植被覆蓋的未來非線性趨勢(shì),也是改善的區(qū)域大于退化的區(qū)域,占比分別為68.99%和29.09%。應(yīng)特別關(guān)注未來發(fā)展趨勢(shì)退化的區(qū)域。(3)地理探測(cè)器結(jié)果表明各區(qū)域植被覆蓋影響因素具有差異性,針對(duì)全區(qū)域海拔的影響是最大的,進(jìn)一步說明了地形與研究區(qū)植被具有密切關(guān)系。而針對(duì)各子流域,土地利用對(duì)上游地區(qū)植被覆蓋的影響比中游和下游區(qū)域顯著,中游地區(qū)海拔的影響力最大,下游地區(qū)以人口、GDP等人為因素影響為主。因此,要合理根據(jù)研究區(qū)不同區(qū)域的環(huán)境制約因子等制定合理的植被保護(hù)措施。