基于土壤濕度與植被覆蓋變化的黃土高原生態恢復項目適宜性評價

白子怡, 薛 亮, 張 翀

(1.陜西師范大學 地理科學與旅游學院, 西安 710119;2.寶雞文理學院 陜西省災害監測與機理模擬重點實驗室, 陜西 寶雞 721000)

自1999年退耕還林草政策的實施以來，黃土高原迅速擴大人工林建設，黃土高原水土流失得到緩解，生態環境不斷改善[1-7]，鑒于此國家“十三五”規劃建議擴大退耕還林草政策的實施。但是，相比于天然植被，人工植被光合作用消耗的土壤水分較大，加之前期退耕還林草植被生長，植被生理需水增加，引起干旱—半干旱地區土壤濕度減小，土壤容易出現旱化特征，增加了植被衰敗的可能性[8]。隨著全球變暖，土壤旱化程度加重，造成地表植被退化，土壤干層又會影響到地下水補給，以及陸地水循環[9-11]。因此，基于植被覆蓋與土壤水分之間的變化關系，分析植被恢復工程的適宜性具有重要的理論和現實意義。前人研究多側重于植被覆蓋變化與氣候要素之間的關系[12-16]，分析植被覆蓋與土壤水分之間的關系少見。而土壤水分是植物蒸騰作用和光合作用的限制性因子，土壤水分決定了生態建設中植被類型和結構，是植物生長、植被恢復、土壤侵蝕的主要影響因素[17]。土壤濕度的傳統監測方法能有效監測土壤濕度，是土壤濕度監測、研究、應用的主要手段，但是其采樣速度慢、耗費大量人力和物力、使用范圍有限，加之測站分布不均，難以實現大范圍、實時、精確的監測。隨著遙感技術的迅速發展，遙感數據的多時相、多光譜、多分辨率、高光譜等特性，使得土壤水分快速、實時、動態監測成為可能[18-21]。黃土高原地處干旱—半干旱氣候區，雨量少，水資源缺乏，水土流失和荒漠化嚴重，植被稀疏，生態環境十分脆弱，易破壞、難以恢復，加之土層厚，地下水埋藏深，土壤水分是植物生長所需水分的主要來源，土壤含水量的多寡與植被的生長密切相關，進而影響著生態系統的功能和穩定性[22-23]。如果忽略了生態脆弱區本底自然環境特征及土壤水分時空分布特征，盲目擴大生態恢復和植被建設面積，可能引起人工植被退化，甚至導致群落衰敗和生態系統退化，造成巨大生態經濟損失，限制了生態恢復項目的可持續發展，與生態工程預期成效產生差距。因此，有必要探明土壤水分與植被覆蓋變化之間的關系及未來變化特征，基于此分析兩者相互作用下的生態恢復項目適宜性。在土壤水分遙感反演中，通過地表溫度和植被覆蓋特征空間反映土壤水分的遙感監測得到了廣泛應用[24-27]。由于溫度植被干旱指數(Temperature Vegetation Dryness Index, TVDI)計算過程輸入數據少、簡單易行、生物物理學含義明確等特點，因此本研究利用植被覆蓋與地表溫度數據構建TVDI，用以反映黃土高原土壤濕度，基于此得到未來不同土壤濕度情境下植被覆蓋的變化特征，并從中篩選出生態恢復項目的適宜性區域。

1 資料與方法

1.1 資料來源

本研究所用數據包括黃土高原2001—2014年MODIS-NDVI數據、MODIS-LST數據與生態區劃數據。黃土高原MODIS圖幅號包括h26v4，h26v5和h27v5，利用MODIS重投影工具(MODIS Reprojection Tool,MRT)讀取HDF-EOS格式的分幅數據文件，并對其坐標系/投影進行變換，將拼接影像寫入HDF-EOS以外的文件格式，本研究設置輸出為GeoTIFF格式；MODIS-NDVI數據來自LP DAAC中的MODIS產品的MOD13A2數據集，空間分辨率為1 000 m，時間分辨率為16 d，利用單位轉換系數0.000 1將其轉為0～1，采用最大值合成法將NDVI數據轉換為年際數據，以反映逐年植被覆蓋狀況；MODIS-LST數據來源于MODIS產品的MOD11A2數據集，空間分辨率為1 000 m，時間分辨率為8 d，利用單位轉換系數0.02將其轉為開爾文單位(Kelvin)，由于LST存在大面積的無效數據，所以采用Cressman客觀分析法與非對稱高斯函數擬合[28]，將8 d的LST數據進行重構，為了與NDVI數據時間分辨率統一，經過間隔篩選得到16 d數據；將16 d的NDVI和LST數據導入Matlab中，經過空間疊加形成三維矩陣數據集，以便通過提取逐像元時間序列來進行趨勢等分析。生態區劃數據來源于中國生態系統評估與生態安全格局數據庫(http:∥www.ecosystem.csdb.cn/index.jsp)中的中國生態功能區劃數據庫，其中的數據集是在生態環境問題、生態系統敏感性、生態系統服務功能重要性的基礎上，將一系列相同比例尺的評價圖，采用空間疊置法、相關分析法、專家集成等方法，按生態功能區劃的等級體系，通過自上而下劃分方法進行生態功能區劃方案劃分，生態區劃主要用于分析不同土壤濕度變化情景下植被覆蓋的變化趨勢。

1.2 Theil-Sen趨勢

(1)

(2)

(3)

(4)

p=2[1-φ(|Z|)]

(5)

(6)

式中：TSslope為Theil-Sen趨勢；xj，xi為時間序列數據；tj，ti為時間序列對應的年份；n為時間序列的時間長度；p為顯著性檢驗值。

鮮食玉米以甜玉米和甜糯型玉米為主，種植鮮食玉米品種除了和普通玉米一樣管理外，還要特別抓好以下五項關鍵技術：

本文采用p檢驗值對趨勢進行檢驗，趨勢的顯著性被劃分為幾個級別(表1)。

表1 趨勢及其顯著性劃分

1.3 土壤濕度估算

Sandholt等[31]指出地表溫度(Land Surface Temperature,LST)和植被覆蓋(Normalized Difference Vegetation Index,NDVI)的梯形空間可以反映土壤水分，所以本文采用TVDI來表征土壤濕度，TVDI值域為0～1，TVDI越大，土壤濕度越低，TVDI越小，土壤濕度越高。因此，本研究采用1-TVDI來表示土壤濕度的大小。TVDI基于植被指數/地表溫度的梯形特征空間計算而來，原理如下：

(7)

式中：Ts為每個像元的LST；Tsmin為對應像元濕邊的LST；Tsmax為對應像元濕邊的LST(圖1)。

1.4 Hurst指數

HURST指數是英國水文學家Hurst提出的[32]，它已被廣泛應用于水文學、經濟學、氣候學等領域，其原理如下：

給定一個時間序列{ξ(t)}，t=1,2,…，對于任意正整數τ≥1，定義平均序列：

(8)

(9)

(10)

(11)

圖1 NDVI與LST構建TVDI示意圖

如果0.5

表2 基于Theil-Sen趨勢與Hurst指數的未來變化特征

注：不存在Hurst=0.5以及Theil-Sen=0的情況。

2 結果與分析

2.1 黃土高原土壤濕度與植被覆蓋的趨勢及未來變化

采用Sen趨勢與Hurst指數計算了黃土高原TVDI和NDVI的變化趨勢及其可持續性，從而分析兩者的未來變化特征。生態區代碼Ⅰ-10為燕山—太行山山地落葉闊葉林生態區，Ⅰ-11為汾渭盆地農業生態區，Ⅰ-12為黃土高原農業與草原生態區，Ⅰ-15為秦巴山地落葉與常綠闊葉林生態區，Ⅱ-1為內蒙古高原中東部典型草原生態區，Ⅱ-2為內蒙古高原中部—隴中荒漠草原生態區，Ⅱ-3為內蒙古高原中部草原化荒漠生態區，Ⅲ-1為祁連山森林與高寒草原生態區，Ⅲ-4為江河源區—甘南高寒草甸草原生態區。黃土高原TVDI的Hurst指數均值為0.49(0.11～0.94)，其中持續性和反持續性面積分別占42.54%，57.46%，表明黃土高原土壤濕度反持續性強于持續性。根據TVDI未來變化特征，土壤濕度增大轉為減小面積最高，占46.08%，集中區域分布于六盤山以東—呂梁山以西—關中盆地以北—鄂爾多斯高原以南的區域；其次為持續增大區，面積為34.54%，集中分布于研究區南部的關中盆地、秦巴山地西部，以及研究區東北部；土壤濕度減小轉為增大、持續減小區面積分別占11.38%，8%，分布于研究區東南部和西北部邊緣(附圖5C)。結果表明，未來土壤濕度減小的區域面積占54.08%且遍布整個研究區，在土壤水分減少的情況下植被生長可能面臨嚴重壓力。

黃土高原植被覆蓋的未來變化特征與土壤濕度差異性較大。NDVI的Hurst均值為0.52(0.13～0.99)，其中持續性面積占55.01%，表明黃土高原植被覆蓋持續性強于反持續性。根據NDVI未來變化特征，植被覆蓋持續改善面積達46.95%，集中分布于鄂爾多斯高原以及隴中高原—太行山之間的山地區；其次為改善轉為退化區，面積為38.91%，散布于整個研究區；持續退化占8.06%，分布于研究區邊緣，集中于南北部邊緣；退化轉為改善占6.08%，分布于礦業城市烏海市以東地區(附圖6C)

2.2 黃土高原未來不同土壤濕度變化情景下植被覆蓋的變化趨勢

隨著人工林草的生長，植被對土壤水分的消耗不斷增加，土壤濕度可能呈現出減小趨勢，因此，未來土壤濕度以及植被覆蓋的變化特征分析對生態恢復項目的可持續性研究具有重要意義。結合Theil-Sen趨勢和Hurst指數，分別得到土壤濕度和植被覆蓋的未來變化特征，通過兩者的空間疊加，定性分析土壤濕度未來不同情景下的植被覆蓋變化特征，從而提供相關的決策支持。

(1) 土壤濕度(增大→減小)情境下。植被覆蓋的持續改善面積和改善→退化面積比重較高，分別占該情境下總面積的49.34%，40.04%；空間上，兩者主要分布于農業草原區，集中于六盤山—子午嶺—呂梁山之間，該區域分布著耕地和中覆蓋度草地；其次分布于毛烏素沙地東南部，以及山西的低山丘陵地帶(圖2A)，毛烏素沙地以中、低覆蓋度草地為主，山西低山區主要分布著低覆蓋度草地。由于土壤濕度由增大趨勢轉為未來的減小趨勢，原有改善的植被覆蓋出現退化的區域應停止退耕還林草工程，加強土壤保水能力和水資源管理工作，合理利用現有水資源維持現有植被正常生長；植被覆蓋的持續改善會加重土壤水分的損耗，當土壤水分降低到植被生理用水需求以下時，植被便開始退化，所以該區域應減緩退耕還林草進程，使得土壤水分補給以及植被涵養與土壤水分耗減達到平衡。

(2) 土壤濕度(持續減小與減小→增大)情境下。植被覆蓋的持續改善面積和改善→退化面積比重較高，兩個區域植被覆蓋變化受土壤濕度變化的影響不明顯(附圖6A)；空間上，主要分布于研究區西北部邊緣和東南部邊緣(圖2B—2C)。西北部氣候干旱，土壤水分基數小，植被覆蓋稀少，主要為荒漠草原，該區域應減小人工林草種植，防治土壤水分過分消耗，保持植被覆蓋的自然演替；東南部氣候較為濕潤，土壤濕度和植被覆蓋基數大，主要為農業區，該區域受人類活動影響較大，植被覆蓋和土壤濕度波動性強，但屬于退耕還林適宜區，可以根據區域發展以及糧食安全等狀況適當退耕還林。

(3) 土壤濕度(持續增大)情境下。植被覆蓋的持續改善面積和改善→退化面積分別占該情景的47.29%，38.81%。空間上，植被覆蓋持續改善區主要分布于晉東北永定河上游山間盆地、晉西北半干旱山地丘陵、陰山山地區、內蒙古—晉西黃土丘陵溝壑區以及鄂爾多斯東部(圖2D)，晉北與前套平原主要以旱地為主，其他地區以中低覆蓋度草地為主，植被覆蓋持續改善區主要分布在研究區北部的干旱—半干旱地區，地表蒸散量大于降水量，土壤濕度和植被覆蓋基數均較小，植被覆蓋的持續改善會限制土壤濕度的持續增大，所以該區域植被應以自然演替為主，人工演替作為輔助手段，并在考慮地形、氣候等因子的基礎上，合理配置土地利用，以減小水土流失；植被覆蓋改善→退化區分布于陜西延安北部邊緣的黃土丘陵溝壑區、榆林神府地區、太行山—呂梁山北部以及秦嶺西部、汾渭盆地、隴中高原南部與青海高寒區湟水南岸以及黃河兩岸(圖2D)，該地區多為人類活動頻繁的區域，主要包括土地資源、能源資源開發、農業種植等，但相對水熱條件較好且大面積土地為耕地，所以適宜在土壤濕度持續增大的情況下開展退耕還林。

圖2 黃土高原未來不同土壤濕度變化下的植被覆蓋變化趨勢

2.3 黃土高原生態恢復項目適宜性評價

結合當地背景環境，根據未來不同土壤濕度情景下植被覆蓋的變化趨勢及其相互關系，將生態恢復項目適宜性分為4類(圖3)。其中，弱適宜區面積最大，占研究區總面積的59.90%，其次為不適宜區，面積占25.39%，弱適宜區和不適宜區均建議不宜進行退耕還林工程；適宜區面積僅占黃土高原的13.41%，主要分布在陜西延安北部邊緣、榆林神府地區、太行山—呂梁山北部以及秦嶺西部、汾渭盆地北部、隴中高原南部與青海高寒區湟水南岸以及黃河兩岸；較適宜區面積僅為1.30%，主要分布于太岳山山間盆地、豫西山地，其次在高寒區北部以及寧夏平原東部也有分布。

圖3 黃土高原生態恢復項目適宜性

統計研究時段末期的土地覆蓋類型在每種適宜性級別中的百分比，發現每種級別中草地和耕地所占面積最高，兩者面積達該適宜性級別總面積的79%以上。其中，適宜區中草地和耕地總面積占該級別的80.57%，分別占該級別的55.81%,24.76%；較適宜區中耕地面積較高，占該級別的46.44%，其次為草地占37.54%。從不同適宜性級別的坡度統計值來看，生態恢復項目適宜區坡度最大，平均坡度為10.11°；其次為不適宜區，平均坡度為9.09°；弱適宜區和較適宜區平均坡度分別為8.40°和7.04°。因此，未來的植被恢復工程不僅需要考慮對坡度較大的耕地實施退耕還林，還需要考慮對土壤水分適宜的地區進行退草還林，而且坡度較小的較適宜區應在糧食安全的基礎上進行退耕還林和退草還林。

3 討 論

本文采用1-TVDI來表示土壤濕度大小，通過計算土壤濕度和植被覆蓋年內變化來分析TVDI反映土壤濕度的可靠性。將黃土高原植被覆蓋和土壤濕度年內數據進行Whittaker平滑和傅里葉插值增采樣(356 d)，一定程度上剔除了數據噪聲，提高了信噪比(圖4)。

土壤濕度年內季節變化特征與張蕾等[33]的西北地區土壤濕度變化特征高度吻合，差異性主要表現在土壤濕度變化特征點所對應的時間點不同。本文土壤濕度最低值對應時間較張蕾等[33]的研究提前了1個月以上。植被生長季始期為4月下旬，與土壤濕度最低值時間點契合度很好(圖4)，諸多學者提取的植被生長季始末期[34-36]證明TVDI用來表示土壤濕度變化特征具有很高的可信性[37]。

圖4 黃土高原植被覆蓋與土壤濕度的年內季節變化特征

雖然TVDI在研究中具有一定的可信性，但仍然存在不足之處：利用TVDI反映土壤濕度大小未經實測數據的時空驗證，也未將其轉換為土壤水分體積分數，后期數據應用較為困難，且土壤水分時空變化機理復雜，以及傳統反演模型具有時空限制、不穩定等缺陷。在此基礎上查閱大量文獻，發現高光譜遙感數據為土壤水分反演提供了大量的樣本數據，且反射波譜曲線的細微差別可以反映出土壤水分的微小變化，使得單一或多波段遙感數據探測不到的時空分布規律，在高光譜遙感中得以實現[38]。另外，采用機器學習方法可構建任意的非線性關系，尤其是引起廣泛關注的深度學習方法，在遙感影響分類、預測與反演等方面中表現出強大的應用潛力[39-41]。因此，以后的研究將側重于土壤水分的高光譜遙感反演，基于高光譜遙感數據和實測土壤水分數據，利用深度學習方法建立遙感數據與實測土壤水分之間的最優模型，從而提高區域土壤水分反演精度。

4 結 論

(1) 黃土高原土壤濕度反持續性強于持續性。研究表明，TVDI的Hurst指數均值為0.49(0.11～0.94)，其中持續性和反持續性面積分別占42.54%，57.46%。從TVDI未來變化特征來看，未來土壤濕度減小的區域面積占54.08%且遍布整個研究區，在土壤水分減少的情況下植被生長可能面臨嚴重壓力。

(2) 黃土高原植被覆蓋持續性強于反持續性。研究表明，NDVI的Hurst均值為0.52(0.13～0.99)，其中持續性面積占55.01%。根據NDVI未來變化特征，植被覆蓋持續改善面積達46.95%，退化轉為改善占6.08%，整體呈良好走向。

(3) 生態恢復項目弱適宜區面積最大，占總面積的59.90%，其次為不適宜區，面積占25.39%；適宜區面積僅占黃土高原的13.41%，主要分布在陜西延安北部邊緣、榆林神府地區、太行山—呂梁山北部以及秦嶺西部、汾渭盆地北部、隴中高原南部與青海高寒區湟水南岸以及黃河兩岸；較適宜區面積僅為1.30%，主要分布于太岳山山間盆地、豫西山地。

(4) 未來的植被恢復工程不僅需要考慮對坡度較大的耕地實施退耕還林，還需要考慮對土壤水分適宜的地區進行退草還林，而且坡度較小的較適宜區應在糧食安全的基礎上進行退耕還林和退草還林。