基于Google Earth Engine平臺與復(fù)雜網(wǎng)絡(luò)的黃河流域土地利用/覆被變化分析

紀(jì)秋磊,梁 偉,*,傅伯杰,呂一河,嚴(yán)建武,張為彬,金 朝,蘭志洋

1 陜西師范大學(xué)地理科學(xué)與旅游學(xué)院, 西安 710119

2 中國科學(xué)院生態(tài)環(huán)境研究中心城市與區(qū)域生態(tài)國家重點實驗室, 北京 100085

3 西安谷博電子智能科技有限公司, 西安 710068

4 黃土高原土壤侵蝕與旱地農(nóng)業(yè)國家重點實驗室, 楊凌 712100

土地系統(tǒng)中的土地利用/覆被變化(Land use/cover change,LUCC)既是環(huán)境變化的原因又是環(huán)境變化產(chǎn)生的結(jié)果[1],是全球環(huán)境變化的重要組成。土地利用/覆被是了解人類活動與生態(tài)環(huán)境之間復(fù)雜相互作用的重要信息來源,對于提高對全球可持續(xù)性發(fā)展和人地關(guān)系的認(rèn)識至關(guān)重要[2]。黃河流域是中國重要的生態(tài)走廊和經(jīng)濟(jì)地帶,但是卻遭受著水土流失和環(huán)境退化的困擾。脆弱的生態(tài)環(huán)境和不發(fā)達(dá)的社會經(jīng)濟(jì)使黃河流域成為人與自然競爭的熱點區(qū)域。得益于政府實施的大規(guī)模生態(tài)保護(hù)和生態(tài)恢復(fù)工程,黃河流域及其中部地區(qū)(黃土高原)呈現(xiàn)出中國乃至全球最大的植被綠化趨勢[3]。但是近些年來,生態(tài)系統(tǒng)與人類之間的潛在競爭仍然激烈,并已經(jīng)威脅到了黃河流域的可持續(xù)發(fā)展[4—5]。黃河流域在中國的生態(tài)安全和經(jīng)濟(jì)社會發(fā)展方面具有十分重要的地位,中國政府已經(jīng)將黃河流域生態(tài)環(huán)境保護(hù)和高質(zhì)量發(fā)展作為一項重大的國家戰(zhàn)略,旨在改善環(huán)境,優(yōu)化水資源配置,改善人民生活質(zhì)量并促進(jìn)黃河文化的傳承[6]。中國希望在黃河流域?qū)で蟾泳G色和可持續(xù)的發(fā)展策略,在環(huán)境保護(hù)與經(jīng)濟(jì)增長之間找到平衡。在人口增長,資源消耗和環(huán)境變化的巨大壓力下,人類社會系統(tǒng)和生態(tài)系統(tǒng)的動態(tài)變化密集而復(fù)雜。為了了解該流域的過去及預(yù)測其未來,亟需連續(xù)長時間序列的土地利用/覆被信息和新的研究方法來揭示人與自然系統(tǒng)之間的相互作用關(guān)系。

在黃河流域相關(guān)的各領(lǐng)域相關(guān)研究中,已經(jīng)有多種土地利用/覆被數(shù)據(jù)被使用,但是這些數(shù)據(jù)中的大部分都是單一某一年或者時間分辨率較低。黃土高原地勢起伏大,地表異質(zhì)性強(qiáng),復(fù)雜的地貌和土地特征影響著該區(qū)域的LUCC和生態(tài)系統(tǒng)的響應(yīng),現(xiàn)有數(shù)據(jù)的分類策略和分類系統(tǒng)無法準(zhǔn)確地描述該地區(qū)特殊的土地轉(zhuǎn)變。借助Google Earth Engine(GEE)平臺及其中可免費獲取的大量遙感數(shù)據(jù),可以方便快速地解譯土地利用/覆被圖,提供連續(xù)高分辨率的地類數(shù)據(jù)供LUCC分析。此外,傳統(tǒng)的LUCC分析通常采用在各個地類的角度比較量上的占比和變化,缺乏整體性和系統(tǒng)性。地理科學(xué)作為一個復(fù)雜巨系統(tǒng)[7],可以使用復(fù)雜系統(tǒng)的研究方法對其進(jìn)行分析和討論。復(fù)雜網(wǎng)絡(luò)作為研究復(fù)雜系統(tǒng)的有力工具,已經(jīng)廣泛應(yīng)用在社會學(xué)[8]、互聯(lián)網(wǎng)[9]、疾病傳播[10]等研究領(lǐng)域中,并且已有部分研究使用了相關(guān)方法來分析一些小區(qū)域的LUCC[11—12]。但這些研究使用的土地利用/覆被數(shù)據(jù)的時間分辨率都不夠高,并不能細(xì)致系統(tǒng)地分析土地系統(tǒng)在時間上的連續(xù)變化。本研究借助GEE平臺生產(chǎn)的連續(xù)土地利用/覆被信息,以土地系統(tǒng)中的各種地類之間的轉(zhuǎn)移關(guān)系為研究對象,將地類視為網(wǎng)絡(luò)的節(jié)點、地類之間的轉(zhuǎn)化視為網(wǎng)絡(luò)的連邊,識別出控制土地系統(tǒng)的關(guān)鍵地類節(jié)點和轉(zhuǎn)移類型,并在網(wǎng)絡(luò)的整體結(jié)構(gòu)性質(zhì)上評價土地系統(tǒng)的穩(wěn)定性,從而分析黃河流域土地系統(tǒng)的LUCC特征及其在時間上的變化趨勢,更好的理解黃河流域過去33年發(fā)生的變化以及此流域的人與自然和諧的可持續(xù)發(fā)展過程。

1 研究區(qū)概況

本文的研究區(qū)域覆蓋了黃河流域和黃土高原(圖1),總面積為96.7萬km2,約為中國陸地領(lǐng)土的十分之一。黃河流域是中華文明的發(fā)源地,為約1.07億人的主要淡水源,擁有1260萬hm2耕地并生產(chǎn)了中國18%的糧食。黃土高原位于黃河流域的中部,是中國四大高原之一,生態(tài)環(huán)境脆弱,水土流失嚴(yán)重。由于數(shù)千年的土壤侵蝕和環(huán)境問題,黃土高原70%的地區(qū)已經(jīng)布滿丘陵和溝壑,是黃河泥沙的主要來源[13]。研究區(qū)地形復(fù)雜,包括山脈,盆地,亞高原,溝壑,丘陵和沖積平原等地貌類型,海拔-52—6254 m,中西部為半干旱氣候,東部為半濕潤氣候。

圖1 研究區(qū)范圍示意圖

2 數(shù)據(jù)和方法

2.1 土地利用/覆被數(shù)據(jù)解譯

2.1.1數(shù)據(jù)來源及獲取

GEE是由谷歌云計算驅(qū)動的地學(xué)數(shù)據(jù)庫及數(shù)據(jù)處理平臺,其中包含PB級的遙感影像和地球科學(xué)數(shù)據(jù),具有行星級的運算處理能力,為研究和開發(fā)人員提供了一個方便快捷的數(shù)據(jù)采集、處理和分析平臺[14]。本研究使用了33年的Landsat影像數(shù)據(jù)和其他輔助數(shù)據(jù)來解譯1986—2018年黃河流域的年度土地利用/覆被圖(表1)。所有這些數(shù)據(jù)都可以在GEE中直接免費獲得。

表1 本研究使用的數(shù)據(jù)集

Landsat計劃是美國地質(zhì)調(diào)查局(United States Geological Survey,USGS)和美國國家航空航天局(National Aeronautics and Space Administration,NASA)的聯(lián)合項目,以30 m的空間分辨率記錄整個地球表面,并提供了幾十年的全球地表觀測數(shù)據(jù)。由于2003年5月31日Landsat 7衛(wèi)星的機(jī)載掃描行校正器出現(xiàn)的故障,所有之后的Landsat 7 ETM+圖像都存在數(shù)據(jù)丟失條帶的問題[15],本研究選擇了使用1986年至2011年的Landsat 5、2012年的Landsat 7和2013年至2018年的Landsat 8的地表反射率數(shù)據(jù),這些數(shù)據(jù)都已經(jīng)完幾何精校正和大氣校正,并且包括了使用CFMASK算法生成的云、陰影、水和雪的掩模波段。SRTM(Shuttle Radar Topography Mission)數(shù)字高程數(shù)據(jù)由NASA噴氣推進(jìn)實驗室(Jet Propulsion Laboratory,JPL)提供,分辨率為30 m。全球SRTM地形多樣性數(shù)據(jù)計算自SRTM數(shù)字高程數(shù)據(jù),它表征了物種可將某地作為棲息地的各種濕度和溫度條件,意味著更多樣的地形氣候生態(tài)位可以支持物種更高的持久性和多樣性[16]。

2.1.2土地利用/覆被分類系統(tǒng)

根據(jù)所使用數(shù)據(jù)的特性和黃河流域的區(qū)域特征,本研究設(shè)計了適用于黃河流域的分類系統(tǒng)(表2)。草地生態(tài)系統(tǒng)是研究區(qū)域最重要的生態(tài)系統(tǒng)之一,不同地區(qū)的草地因氣候條件差異造成生長狀況不同,本研究根據(jù)草地覆蓋度將草地分為低、中、高覆蓋草地。此外,自1999年實施的退耕還林工程至今已有20年,作為促進(jìn)農(nóng)村生態(tài)和經(jīng)濟(jì)發(fā)展的重要措施,退耕還林工程鼓勵農(nóng)戶種植林木,其中經(jīng)濟(jì)林木(例如果樹)占了很大比例。同時,作為溝道治理工程和水土保持工程的重要措施,廣泛分布在黃土高原上的以種植果樹和農(nóng)作物為主的人工梯田在減輕水土流失和加強(qiáng)農(nóng)業(yè)生產(chǎn)方面發(fā)揮著重要作用。因此,本研究的分類系統(tǒng)增加了“果園和梯田”類別,將農(nóng)業(yè)用地分為了“谷物農(nóng)田”和“果園和梯田”兩類。本研究的分類系統(tǒng)共定義了7個一級類別,15個二級類別,每個類別的名稱及詳細(xì)說明見表2。

表2 本研究的地類分類系統(tǒng)

2.1.3分類和驗證

針對連續(xù)年度土地利用/覆被數(shù)據(jù)的生產(chǎn),本研究使用了一個高效的融合多變量要素的土地利用/覆被類型分類框架(圖2)。數(shù)據(jù)生產(chǎn)過程完全基于GEE平臺,包括Landsat數(shù)據(jù)的預(yù)處理、年度影像合成、訓(xùn)練樣本繪制、分類與回歸樹(Classification and Regression Trees,CART)[17]算法分類、結(jié)果優(yōu)化和結(jié)果的評估。

圖2 本研究的長時間年度土地利用/覆被數(shù)據(jù)生產(chǎn)的工作流程

經(jīng)過云量篩選后(云覆蓋率<10%),從1986年到2018年,在研究區(qū)域總共獲得了17080景Landsat影像,其中包括12957景的Landsat 5、527景的Landsat 7和3596景的Landsat 8影像,平均每年獲得517景影像,并且更多的影像分布在高緯度地區(qū)。為了使用足夠數(shù)量的高質(zhì)量Landsat影像用于目標(biāo)年份的分類,本研究選擇24個月為影像選擇的時間窗口。將目標(biāo)年時間窗口中的Landsat數(shù)據(jù)進(jìn)行篩選、去云和數(shù)據(jù)修復(fù)后,使用中位數(shù)合成方法合成研究區(qū)域的年度影像。除了Landsat本身的6波段(藍(lán)、綠、紅、近紅外、短波紅外1、短波紅外2),還加入了高程、坡度、SRTM地形多樣性數(shù)據(jù)和四個遙感指數(shù)作為年度分類的特征集,使用的四個遙感指數(shù)包括歸一化建筑指數(shù)(Normalized Difference Built-up Index,NDBI)[18]、歸一化濕度指數(shù)(Normalized Difference Moisture Index,NDMI)[19]、土壤調(diào)節(jié)植被指數(shù)(Soil Adjusted Vegetation Index,SAVI)[20]和歸一化植被指數(shù)(Normalized Difference Vegetation Index,NDVI)[21]。另外還加入了最大NDVI和最小NDVI(目標(biāo)年份內(nèi)對應(yīng)位置上所有影像像素NDVI值的95%和5%分位數(shù))來幫助區(qū)分落葉和常綠植被。

用于訓(xùn)練的每個目標(biāo)年的參考樣本均勻地分布在研究區(qū)域內(nèi),在這些參考樣本中提取出用于分類器訓(xùn)練的特征值。參考樣本是在GEE中借助Landsat的RGB真彩色合成影像和Google Earth高分辨率圖像進(jìn)行視覺判斷并手動繪制的。針對這種規(guī)模大類別多的分類,比較了多種監(jiān)督分類方法的適用性和效率,本研究選擇了CART作為分類器算法。CART分類器由基于數(shù)據(jù)集中變量的規(guī)則集合構(gòu)建預(yù)測模型,對數(shù)據(jù)空間進(jìn)行遞歸劃分,根據(jù)每個數(shù)據(jù)空間分區(qū)內(nèi)的預(yù)測變量和目標(biāo)變量來擬合預(yù)測模型,最后獲得完整的決策樹。針對分類過程中的過度擬合現(xiàn)象,CART算法使用交叉驗證對決策樹進(jìn)行修剪。如果樹枝保持較高的準(zhǔn)確率,則保留該樹枝,否則將其刪除,最后,獲得能夠模擬數(shù)據(jù)集的最優(yōu)二叉樹。在每年的分類中,隨機(jī)使用80%的參考樣本參加訓(xùn)練,其余20%用于驗證分類器的訓(xùn)練精度。為了進(jìn)一步優(yōu)化分類結(jié)果,本研究使用分類器對每一年進(jìn)行10次分類,并將它們眾數(shù)合成。然后在時間序列的分類結(jié)果中使用眾數(shù)時間滑動窗口進(jìn)一步調(diào)整數(shù)據(jù)集的時間一致性,滑動窗口會將焦點年度的土地類別標(biāo)簽更新為時間窗口內(nèi)所有類別標(biāo)簽的眾數(shù)值。本研究在33年中使用參考樣本測試了3年和5年滑動窗口,最后選擇了效果更好的5年窗口。通過這些有效的分類和優(yōu)化策略,最后生產(chǎn)出一套黃河流域90 m的連續(xù)年度土地利用/覆被數(shù)據(jù)集。

受限于高分辨率Google Earth圖像在時間上各不相同的可用性,本研究使用隨機(jī)采樣方法從Google Earth高分辨率圖像中收集了分布在2001年至2018年的1000個帶有高分辨率圖像的空間隨機(jī)驗證點對結(jié)果進(jìn)行評估(圖3)。驗證結(jié)果顯示數(shù)據(jù)準(zhǔn)確性良好,7個一級類的準(zhǔn)確率達(dá)到82.6%,15個二級地類的總體準(zhǔn)確率為74.7%。混淆矩陣顯示分類器在積雪和冰,高覆蓋草地和常綠針葉林(F1-score分別為0.92、0.92和0.91)的分類中表現(xiàn)更好,但在中覆蓋度草地,低植被覆蓋地表和低覆蓋草地上表現(xiàn)稍差(F1-score分別為0.55、0.61和0.67)(表3)。在沙漠和裸土與低植被覆蓋地表之間,以及在谷物農(nóng)田與果園和梯田之間存在一些錯誤分類,但它們?nèi)詫儆谙嗤囊患夘悇e。此外,由于低覆蓋度草本植物的光譜特征與收獲后的農(nóng)田相似,因此谷物農(nóng)田易被誤分類為低覆蓋草地。

表3 獨立驗證點集的混淆矩陣

圖3 在Google Earth中收集的1000個獨立的空間隨機(jī)驗證點的分布。

2.2 復(fù)雜網(wǎng)絡(luò)視角下的地類轉(zhuǎn)移

將黃河流域的土地系統(tǒng)視為一個復(fù)雜系統(tǒng),基于復(fù)雜網(wǎng)絡(luò)方法,結(jié)合GEE得到的黃河流域連續(xù)年度LUCC信息,構(gòu)建土地利用/覆被轉(zhuǎn)移網(wǎng)絡(luò)。其中網(wǎng)絡(luò)的節(jié)點為各個地類,連邊為兩個地類連續(xù)兩年之間的轉(zhuǎn)移關(guān)系。描述LUCC的復(fù)雜網(wǎng)絡(luò)屬于有向有權(quán)網(wǎng)絡(luò),連邊由轉(zhuǎn)出地類指向轉(zhuǎn)入地類,連邊的權(quán)重為地類轉(zhuǎn)化的面積。基于此所構(gòu)建的全時期土地利用/覆被轉(zhuǎn)移網(wǎng)絡(luò)見圖4,網(wǎng)絡(luò)中節(jié)點的大小表征著地類節(jié)點的度,連邊的粗細(xì)表征著地類轉(zhuǎn)移的面積,連邊的顏色表征轉(zhuǎn)移發(fā)生的年份。節(jié)點的不同顏色代表著根據(jù)連邊的中介中心性監(jiān)測出的不同社區(qū)結(jié)構(gòu)[22],即從土地系統(tǒng)中劃分出的包含更加緊密聯(lián)系的地類節(jié)點的土地子系統(tǒng)。本文對全時期土地利用/覆被轉(zhuǎn)移網(wǎng)絡(luò)中節(jié)點進(jìn)行分析的度量指標(biāo)主要包括:中介中心性[23]、度[24]、接近中心性[25]和結(jié)構(gòu)多樣性[26](表4)。

圖4 全時期地類轉(zhuǎn)移網(wǎng)絡(luò)和網(wǎng)絡(luò)的社區(qū)結(jié)構(gòu)

為了進(jìn)一步探究黃河流域土地系統(tǒng)過去33年在時間尺度上的變化,將全時期土地利用/覆被轉(zhuǎn)移網(wǎng)絡(luò)拆分成32個兩年之間的土地利用/覆被轉(zhuǎn)移子網(wǎng)絡(luò),每一年的土地類型作為網(wǎng)絡(luò)中的節(jié)點,每連續(xù)兩年之間的土地利用/覆被轉(zhuǎn)移作為網(wǎng)絡(luò)的連邊。計算出每兩年之間土地利用/覆被轉(zhuǎn)移子網(wǎng)絡(luò)的度量指標(biāo),分析時間序列子網(wǎng)絡(luò)度量指標(biāo)的變化,從而揭示黃河流域土地系統(tǒng)結(jié)構(gòu)的變化規(guī)律,使用的網(wǎng)絡(luò)結(jié)構(gòu)度量指標(biāo)包括:平均最短路徑長度[27]、網(wǎng)絡(luò)密度[28]和網(wǎng)絡(luò)傳遞性[29](表4)。

表4 網(wǎng)絡(luò)結(jié)構(gòu)度量指標(biāo)及說明

3 結(jié)果與討論

3.1 土地利用/覆被變化時空分析

1986—2018年間,黃河流域最主要的地類是草地,平均占總面積的42.9%,其中包括分布于黃河流域上游的高覆蓋草地(18.8%)、黃土高原西北部的中覆蓋草地(12.5%)和中部的旱生的低覆蓋草地(11.6%)。其次是分布在平原及丘陵溝壑區(qū)的農(nóng)業(yè)用地,谷物農(nóng)田與果樹和梯田面積相當(dāng),共占黃河流域總面積的29.6%。接下來依次是包括三類森林類型的林地(12.9%),灌叢(3.0%)和城市及建設(shè)用地(3.0%)。水體面積最小(2.2%),主要分布在黃河源區(qū)和黃河干流(圖5)。

圖5 2018年黃河流域土地利用/覆被的空間分布及研究期間各一級土地利用/覆被類型的平均面積百分比

研究期間內(nèi),黃河流域的土地利用/覆被在總面積和空間格局上發(fā)生了重大變化,通過各類土地利用/覆被類型變化速率的可視化圖,可以明顯的觀察出LUCC的時空特征。根據(jù)各個地類的變化速率及空間分布,使用k均值聚類算法識別出了黃河流域的五個LUCC模式(圖6),如下:(1)不變或者很小變化,(2)伴隨耕地流失的城市擴(kuò)張,(3)草地恢復(fù),(4)果園和梯田擴(kuò)張,(5)森林增加。

33年間黃河流域的LUCC呈現(xiàn)出明顯的時空特征。城市及建設(shè)用地面積增長了88%,谷物耕地面積減少了15%,且都主要分布在黃河的中下游地區(qū)(圖6)。1986年至2018年的土地利用/覆被轉(zhuǎn)移矩陣顯示從谷物耕地向城市及建設(shè)用地的轉(zhuǎn)移占了總變化面積的5.7%(20200 km2),這些城市擴(kuò)張主要發(fā)生在一些城市及其周圍的農(nóng)村地區(qū),并在2000年之后加速發(fā)展(圖6)。這對保障地方和區(qū)域糧食安全提出了巨大挑戰(zhàn)。因此,為了滿足不斷增長的糧食需求和實現(xiàn)地區(qū)可持續(xù)發(fā)展,應(yīng)考慮通過農(nóng)業(yè)集約化和更好的土地管理措施來增加糧食收獲面積,并避免過度耕作和農(nóng)業(yè)污染,保護(hù)耕地,守住耕地紅線。

數(shù)據(jù)結(jié)果顯示,伴隨著沙漠和低植被覆蓋地表面積的減少,在毛烏素沙地出現(xiàn)了連續(xù)的草地面積增長的區(qū)域(圖6),表明了國家生態(tài)系統(tǒng)保護(hù)政策如退耕還林還草和天然林保護(hù)工程的效益明顯[30]。1986—2018年,研究區(qū)內(nèi)的沙漠裸土面積減少了24%(9637 km2),表明該區(qū)域的植被覆蓋正在逐漸恢復(fù)。但是黃河流域的某些地區(qū)仍面臨著土地退化的問題,通過對LUCC的分析,本研究還發(fā)現(xiàn)了黃河源區(qū)嚴(yán)重的水體萎縮,消失的水體中大部分退化為低植被覆蓋地表或高覆蓋度的草地(圖6),這些變化主要是由于人類活動壓力增加(例如過度放牧)和升溫引起的多年凍土融化導(dǎo)致的水量下降[31—32]導(dǎo)致。水體面積的減少可能會使這個脆弱的生態(tài)系統(tǒng)轉(zhuǎn)變?yōu)椴豢赡娴臓顟B(tài),造成嚴(yán)重的生態(tài)環(huán)境問題,還可能會影響到黃河中下游地區(qū)的水資源供給。

圖6 黃河流域土地利用/覆被變化模式及各地類面積變化的時空分布

黃河流域的森林和草地基本表現(xiàn)為減少-增加-減少的變化趨勢。最開始的減少主要因為該地區(qū)早期的環(huán)境破壞和農(nóng)業(yè)開墾,之后的增加主要來源是退耕還林還草等環(huán)境保護(hù)政策帶來的植被恢復(fù),再次減少主要來自農(nóng)業(yè)發(fā)展和森林管理對土地利用的改變作用。據(jù)報道,1999—2012年寧夏、陜西和山西省的綠化總面積達(dá)到3.8×104km2(占三省面積的11%)[33],大規(guī)模的植樹造林導(dǎo)致了森林的快速增加[34—35]。2011年,第一輪退耕還林所有林種補(bǔ)償全部到期[36]。2012年后,在集中連片貧困的山區(qū),如六盤山和呂梁山等地,出現(xiàn)了森林流失現(xiàn)象。在這些地區(qū),一旦政府補(bǔ)償結(jié)束或補(bǔ)償不足,居住在這些山區(qū)和丘陵地帶的農(nóng)民可能會再次將其土地上的林地轉(zhuǎn)變?yōu)檗r(nóng)業(yè)用途[37—40]。另一方面,LUCC信息還表明,大多數(shù)損失的森林已轉(zhuǎn)變?yōu)楣麍@和梯田,1986年至2018年的土地利用/覆被轉(zhuǎn)移矩陣顯示由林地,草地和谷物耕地到果園和梯田的轉(zhuǎn)移占了總變化面積的19.8%(69586 km2),是最主要的LUCC類型。大量的土地向果園和梯田的轉(zhuǎn)移反映了退耕還林還草政策的變化,具體而言,與第一輪退耕還林還草工程(1990—2007年)相比,該工程的第二輪(于2014年啟動)更加鼓勵農(nóng)民發(fā)展經(jīng)濟(jì)林業(yè),比如種植果樹、藥材等,旨在使貧困的群體擺脫貧困并促進(jìn)農(nóng)村的經(jīng)濟(jì)發(fā)展,鼓勵經(jīng)濟(jì)林木種植,增加其經(jīng)濟(jì)補(bǔ)償[41]。但這可能導(dǎo)致了森林的流失,2014年后果園和梯田面積的迅速擴(kuò)張進(jìn)一步證實了這一點。草地面積變化的原因也同樣可以解釋。流域內(nèi)草地面積的變化和部分的林地的萎縮提醒人們需要繼續(xù)發(fā)展和鞏固退耕還林還草工程的成果,在提高農(nóng)業(yè)質(zhì)量效益和保障農(nóng)民收入的同時,人們還需要進(jìn)一步加強(qiáng)對生態(tài)林地的保護(hù)。此外結(jié)果還證明LUCC的長期持續(xù)監(jiān)測對于評價和評估相關(guān)環(huán)境政策的現(xiàn)有成就至關(guān)重要。

3.2 地類節(jié)點分析

本研究基于全時期土地利用/覆被轉(zhuǎn)移網(wǎng)絡(luò)對各個地類的轉(zhuǎn)移特點進(jìn)行分析,探究它們在網(wǎng)絡(luò)中的地位和作用。節(jié)點的度只能在一定程度上表征節(jié)點的重要程度。然而中介中心性,即介數(shù),則能在考慮網(wǎng)絡(luò)整體連通性的角度考察節(jié)點重要地位。地類節(jié)點的介數(shù)越大表明越多的土地利用/覆被轉(zhuǎn)移路線會經(jīng)過此節(jié)點,則該地類節(jié)點越關(guān)鍵越重要。本文把各個地類節(jié)點的度量結(jié)果按照中介中心性進(jìn)行排序列于表5中,在全時期土地利用/覆被轉(zhuǎn)移網(wǎng)絡(luò)中,高覆蓋草地、低植被覆蓋地表和落葉常綠混交林等地類節(jié)點不僅中介中心性強(qiáng),而且度值、接近中心性也同樣較高,這些關(guān)鍵地類節(jié)點在LUCC中起到類似橋梁的過渡作用,比如中覆蓋草地→高覆蓋草地→灌叢/林地的轉(zhuǎn)化,或者耕地→低植被覆蓋地表→中/低覆蓋草地等。它們對土地系統(tǒng)的轉(zhuǎn)化模式起到控制作用,是土地系統(tǒng)中的關(guān)鍵地類節(jié)點。接近中心性越大表示該節(jié)點的地類越容易與其他地類發(fā)生轉(zhuǎn)移。較高的結(jié)構(gòu)多樣性表示該地類節(jié)點和其他節(jié)點之間存在更多的突破社區(qū)結(jié)構(gòu)的關(guān)鍵連接。果園和梯田、谷物耕地和城市及建設(shè)用地都有較高的接近中心性和結(jié)構(gòu)多樣性,并被聚類到同一個社區(qū)之中(圖4),這表明它們是社區(qū)結(jié)構(gòu)中較活躍的社區(qū),它們之間的互相轉(zhuǎn)化是土地系統(tǒng)中比較重要的轉(zhuǎn)移類型,這與人類活動密切相關(guān)。結(jié)果顯示在全部15種地類中,最不活躍的地類節(jié)點是常綠針葉林、積雪和冰和灌叢,它們的中介中心性、度、接近中心性和節(jié)點結(jié)構(gòu)多樣性都比較低,主要是因為它們在區(qū)域內(nèi)的面積占比很小且不易發(fā)生轉(zhuǎn)移。

表5 全時期土地利用/覆被轉(zhuǎn)移網(wǎng)絡(luò)地類節(jié)點度量統(tǒng)計

3.3 土地系統(tǒng)穩(wěn)定性分析

不同時期的土地系統(tǒng)的穩(wěn)定性存在差異,通過對時間序列的連續(xù)兩年之間土地利用/覆被轉(zhuǎn)移網(wǎng)絡(luò)結(jié)構(gòu)的度量進(jìn)行分析,討論黃河流域土地系統(tǒng)在時間尺度上的變化特征。本研究計算了三個網(wǎng)絡(luò)結(jié)構(gòu)的統(tǒng)計度量指標(biāo)(圖7)。平均最短路徑反應(yīng)了網(wǎng)絡(luò)的穩(wěn)定性,平均最短路徑越小代表該網(wǎng)絡(luò)中的網(wǎng)絡(luò)節(jié)點之間越能更容易地相互連接,表明網(wǎng)絡(luò)越活越,土地系統(tǒng)越不穩(wěn)定。網(wǎng)絡(luò)密度和網(wǎng)絡(luò)傳遞性相同,值越高說明地類之間發(fā)生轉(zhuǎn)移的概率越大,土地系統(tǒng)越活躍。

圖7 1986—2018年時間序列土地利用/覆被轉(zhuǎn)移網(wǎng)絡(luò)結(jié)構(gòu)度量統(tǒng)計的變化

結(jié)果表明黃河流域土地系統(tǒng)在1993—1998年迎來了第一次不穩(wěn)定時期,轉(zhuǎn)移網(wǎng)絡(luò)的平均最短路徑長度較小,網(wǎng)絡(luò)密度和網(wǎng)絡(luò)傳遞性較高。該時期土地系統(tǒng)的變化主要是天然植被的減少和農(nóng)業(yè)用地的增加。自1990年以來,由于人口的快速增長和生活水平的提高,人們對糧食消費的需求不斷增加,但耕地資源卻仍然有限。為了遏制耕地的持續(xù)減少并確保糧食安全,中國政府在20世紀(jì)90年代后期提出了一系列的耕地保護(hù)政策和法律(如《土地管理法》、《基本農(nóng)田保護(hù)條例》和耕地補(bǔ)償政策等)。在政府政策和經(jīng)濟(jì)利益的驅(qū)動下,大量的草地和未利用土地被開墾為農(nóng)田[42],特別是在山西、內(nèi)蒙古、青海、寧夏和甘肅等省和自治區(qū)。大量的人類開墾活動導(dǎo)致耕地面積的增加并致使土地系統(tǒng)出現(xiàn)一定的不穩(wěn)定性。

黃河流域土地系統(tǒng)的第二次活躍時期出現(xiàn)在2001—2007年,黃河流域正處于退耕還林工程的第一輪時期(1999—2007年)。這時各個網(wǎng)絡(luò)的平均最短路徑長度又出現(xiàn)降低,且網(wǎng)絡(luò)密度和網(wǎng)絡(luò)傳遞性較高,此時正處于退耕還林還草工程的初期,并取得了一定顯著成果,結(jié)果顯示在此期間,黃河流域的林地面積逐步增加且谷物耕地面積不斷減少(圖6)。

2011—2014年是黃河流域土地系統(tǒng)的第三次不穩(wěn)定時期,該時期有大量的林地、草地和谷物耕地轉(zhuǎn)移向果園和梯田。正如前文分析,為進(jìn)一步鞏固退耕還林還草工程的成果并加強(qiáng)貧困地區(qū)的扶貧工作,中國政府于2014年開始了新一輪的融資,退耕還林還草工程進(jìn)入第二階段。得益于退耕還林還草和農(nóng)業(yè)綜合開發(fā)等相關(guān)國家政策的不斷投資,導(dǎo)致該區(qū)域的果樹和梯田面積的不斷增長[43—44]。谷物耕地的面積減少與果園和梯田面積的增加表明該地區(qū)的農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)發(fā)生了變化,這些增加的經(jīng)濟(jì)林木不僅增加了該區(qū)域的植被覆蓋,而且還增加了農(nóng)戶的收入[35,45],促進(jìn)著社會經(jīng)濟(jì)發(fā)展與環(huán)境保護(hù)之間雙贏局面的實現(xiàn)。果園和梯田的大量增加表明中國正朝著實現(xiàn)生計安全,經(jīng)濟(jì)增長和生態(tài)平衡的可持續(xù)發(fā)展目標(biāo)邁進(jìn)。實際上,中國已通過各種政策手段為實現(xiàn)全球可持續(xù)發(fā)展目標(biāo)(SDGs)做出了巨大的努力[39,46]。最近的一項研究表明,從1978年到2015年,中國在針對土地系統(tǒng)的16個主要可持續(xù)發(fā)展項目上的投資總額為3785億美元,遠(yuǎn)遠(yuǎn)超過了其他全球重要的國家可持續(xù)發(fā)展項目[39]。這些可持續(xù)發(fā)展項目通過森林生態(tài)保護(hù)、草地系統(tǒng)恢復(fù)和農(nóng)業(yè)產(chǎn)業(yè)發(fā)展,大大改善了自然環(huán)境和農(nóng)村地區(qū)的生活質(zhì)量并提高了農(nóng)業(yè)生產(chǎn)效率,促進(jìn)了人類和自然系統(tǒng)的可持續(xù)發(fā)展,體現(xiàn)了中國環(huán)境政策與環(huán)境治理的成就[39,47]。但是研究結(jié)果也表明強(qiáng)烈的人類活動將影響土地系統(tǒng)的穩(wěn)定性,使土地系統(tǒng)壓力增大。并可能會帶來一系列生態(tài)環(huán)境問題,建議流域的未來發(fā)展著重于挖掘土地利用潛力,提升土地利用效率,進(jìn)一步加強(qiáng)生態(tài)服務(wù)型用地的保護(hù),實現(xiàn)土地資源的科學(xué)可持續(xù)利用。

3.4 不確定性

數(shù)據(jù)評估顯示本研究生產(chǎn)的土地利用/覆被數(shù)據(jù)準(zhǔn)確可靠,后續(xù)網(wǎng)絡(luò)分析結(jié)果合理。但是其仍然存在一些缺陷。首先,生產(chǎn)的土地利用/覆被數(shù)據(jù)的質(zhì)量受到Landsat影像質(zhì)量和數(shù)量的限制。此外,本研究中使用的訓(xùn)練數(shù)據(jù)和驗證數(shù)據(jù)都是由人工采集,并且缺少2000年之前的參考資料,這些都會給數(shù)據(jù)生產(chǎn)和評估帶來較大的不確定性。另一方面數(shù)據(jù)產(chǎn)品的不確定性也會為隨后的分析帶來誤差,比如地類面積的評估和地類轉(zhuǎn)移網(wǎng)絡(luò)的構(gòu)建與分析。本研究的數(shù)據(jù)生產(chǎn)流程完全基于GEE平臺強(qiáng)大的云存儲和云計算能力,大大減輕了本地數(shù)據(jù)存儲和數(shù)據(jù)處理的壓力。因此,盡管存在上述不足和不確定性,本研究獨特且適合研究區(qū)域的分類系統(tǒng)和包含多源數(shù)據(jù)的分類方法仍然可以靈活有效地生產(chǎn)此類長時間序列的土地利用/覆蓋動態(tài)數(shù)據(jù),并對研究區(qū)域的土地系統(tǒng)進(jìn)行系統(tǒng)性分析。

4 結(jié)論

本研究基于GEE大數(shù)據(jù)處理平臺和復(fù)雜網(wǎng)絡(luò)分析方法,解譯并分析了黃河流域的年度連續(xù)LUCC,對黃河流域的土地保護(hù)和管理工作有重要參考意義。基于1000個獨立驗證點進(jìn)行的評估表明本研究生產(chǎn)的覆蓋黃河流域1986年至2018年的年度土地利用/覆被數(shù)據(jù)集7個一級類別的總體準(zhǔn)確度為82.6%,15個二級類別的總體準(zhǔn)確度為74.7%。分析結(jié)果表明,由政策、社會和經(jīng)濟(jì)因素共同驅(qū)動的黃河流域的LUCC在整個研究期間呈現(xiàn)出復(fù)雜的時空特征。最主要的LUCC是由林地、草地和谷物耕地向果園和梯田的轉(zhuǎn)移(占所有變化面積的19.8%)。其次是由谷物耕地向城市及建設(shè)用地的轉(zhuǎn)移(占所有變化面積的5.7%)。研究區(qū)LUCC主要的模式包括:不變或很小的變化、伴隨耕地流失的城市擴(kuò)張、草地恢復(fù)、果園和梯田擴(kuò)張和森林增加。接下來本研究借助復(fù)雜網(wǎng)絡(luò)方法分析了黃河流域土地系統(tǒng)的關(guān)鍵地類和系統(tǒng)穩(wěn)定性的時間變化。土地利用/覆被轉(zhuǎn)移網(wǎng)絡(luò)中的高覆蓋草地、低植被覆蓋地表和落葉常綠混交林和其他地類的轉(zhuǎn)移頻繁,中介中心性和度值較高,是黃河流域土地系統(tǒng)中的關(guān)鍵地類節(jié)點。另外和人類活動密切相關(guān)的果園和梯田、谷物耕地和城市及建設(shè)用地節(jié)點都有較高的結(jié)構(gòu)多樣性、接近中心性,是一組較活躍的網(wǎng)絡(luò)社區(qū)節(jié)點,它們之間的轉(zhuǎn)移是土地系統(tǒng)中重要的轉(zhuǎn)移類型。時間序列的土地利用/覆被轉(zhuǎn)移網(wǎng)絡(luò)分析表明黃河流域的土地系統(tǒng)在1993—1998年、2001—2007年、2011—2014年存在三個不穩(wěn)定時期,這三個不穩(wěn)定時期的出現(xiàn)可能分別由大量的農(nóng)業(yè)土地開發(fā)、退耕還林還草工程和果園梯田的大量增加導(dǎo)致。土地系統(tǒng)內(nèi)各地類的變化和相互轉(zhuǎn)移信息,是理解流域內(nèi)社會、經(jīng)濟(jì)以及自然相互作用動態(tài)演化的關(guān)鍵。基于這些數(shù)據(jù)以及分析結(jié)果,能進(jìn)一步理解土地系統(tǒng)在社會與環(huán)境互饋中的作用,為環(huán)境變化下黃河流域生態(tài)系統(tǒng)保護(hù)、高質(zhì)量發(fā)展和流域可持續(xù)管理政策的制定提供支撐。對黃河流域的長時間土地利用/覆被動態(tài)的系統(tǒng)性分析提供了關(guān)于環(huán)境政策和社會經(jīng)濟(jì)活動對土地系統(tǒng)造成何種影響的見解,表明黃河流域正朝著實現(xiàn)農(nóng)民生計安全,區(qū)域經(jīng)濟(jì)增長和生態(tài)環(huán)境保護(hù)的可持續(xù)發(fā)展的目標(biāo)邁進(jìn),突顯了基于地學(xué)大數(shù)據(jù)處理平臺和復(fù)雜系統(tǒng)分析方法的LUCC分析對于理解人與自然系統(tǒng)之間相互作用的重要性,并有助于實現(xiàn)區(qū)域的高質(zhì)量和可持續(xù)發(fā)展。