通天河流域植被動態監測及其對氣候因子的響應

張潯潯， 段陽海*， 吳淑瑩， 譚昌海， 趙陽剛， 楊 斌， 文 浪， 肖志強， 孫 建

(1.中國地質調查局應用地質研究中心， 四川 成都 610036； 2.自然資源要素耦合過程與效應重點實驗室， 北京 100055； 3.四川省華地建設工程有限責任公司， 四川 成都 610081； 4.四川省地質礦產勘查開發局成都水文地質工程地質中心， 四川 成都 610081； 5.北京師范大學地理學院， 遙感科學國家重點實驗室， 北京100875； 6.中國科學院青藏高原研究所 青藏高原地球系統科學國家重點實驗室， 北京 100101)

中圖分類號：S162.5文獻標識碼：A

文章編號：1007-0435(2023)02-0479-10

Dynamic Monitoring of Vegetation in Tongtian River Basin and Its Responses to Climate Factors

ZHANG Xun-xun1,2, DUAN Yang-hai1,2*, WU Shu-ying3,4, TAN Chang-hai1,2, ZHAO Yang-gang1,2, YANG Bin1,2, WEN Lang1, XIAO Zhi-qiang5, SUN Jian6

(1.Research Center of Applied Geology of China Geological Survey, Chengdu, Sichuan Province 610036, China; 2. Key Laboratory of Coupling Process and Effect of Natural Resources Elements, Ministry of Natural Resources, Bejing 100055, China; 3. Sichuan Hua Di Building Engineering Co., Ltd, Chengdu, Sichuan Province 610081, China; 4. Chengdu center of hydrogeology and engineering geology of Sichuan provincial geology and mineral resources bureau, Chengdu, Sichuan Province 610081, China; 5. State Key Laboratory of Remote Sensing Science, School of Geography, Beijing Normal University, Beijing 100875, China; 6. State Key Laboratory of Tibetan Plateau earth system science, Institute of Tibetan Plateau Research, Chinese Academy of Sciences, Beijing 100101, China)

Abstract:Tongtian River is an important main stream of the source area of the Yangtze River. It is of great significance to study the vegetation growth and its response to climate factors in the source area of the Sanjiangyuan area. This paper focused the Tongtian River Basin by using the General regression neural network (GRNN) calculation model to invert the Leaf area index (LAI) and Fractional vegetation cover (FVC) data on the variation characteristics of LAI and FVC and their responses to climate factors. The results show:the vegetation in the Tongtian River Basin showed a significant fluctuating growth trend overall,with the growth rates of LAI and FVC being (1.2×10)-3·a-1and (0.9×10)-3·a-1respectively. The vegetation improvement areas in the basin are distributed in the valleys with lower altitude and better hydrothermal conditions,but the vegetation around Qumalai County and Zhiduo County with frequent human activities in the lower reaches of the river was degraded significantly. Vegetation in the basin mainly grew in the area above 4 000 m above sea level,and the vegetation growth was poor where the area locates at more than 5 200 m above sea level. The low vegetation coverage type existed the most area of that basin,and the medium to high coverage was concentrated in the lower reaches of the river. Compared with air temperature,precipitation was the dominant factor affecting vegetation coverage in the basin,and was significantly positively correlated with vegetation LAI and FVC.

Keywords:General regression neural network;Tongtian River Basin;Sanjiangyuan national Nature Reserve;Leaf area index;Fractional vegetation cover

植被在空氣凈化、水土保持及維持生態穩定等方面起著不可替代的作用，監測其生長狀況具有重要價值[1-2]。葉面積指數(Leaf area index，LAI)是表征植被生長狀況和冠層結構的重要參數[3-4]。而植被覆蓋度(Fractional vegetation cover,FVC)是表征地表植被生長狀況的關鍵指標[5]。目前利用遙感技術反演LAI是高效獲取大尺度范圍內LAI最為有效和快捷的方法[6-7]。反演LAI的方法主要為經驗統計模型[8]和物理模型反演法[9]，經驗統計模型法是構建LAI與觀測光譜反射率之間的經驗/半經驗統計關系，從而獲取未知LAI的過程。物理模型法是反演時通過輸入遙感觀測的地物光譜反射率來求解模型中的反演參數[10]。但兩種方法在大尺度、長時間序列的LAI產品生產中均存在缺陷[11-12]。隨著遙感手段日漸豐富，大量多維遙感數據的獲取對非線性物理反演模型的優化要求不斷提高，常規反演方法已經難以滿足需求，故尋求一種高效、快速、穩定的反演方法尤為重要[13]。而人工神經網絡(Artificial neural network,ANN)方法的引入很好地解決了復雜物理模型反演中非線性多維搜索的難題，且有效提高了利用衛星數據進行地表參數反演的精度和效率[14]。采用廣義回歸神經網絡(General regression neural network,GRNN)相比于目前的MODIS和CYCLOPES LAI產品，能夠更準確地反演時間上連續的LAI[15]。

當前研究大多是采用低分辨率LAI數據進行區域或者全球尺度上的植被監測及影響因素的分析，使用反演得到的中高分辨率LAI時間序列數據進行植被監測的研究較為少見[16]。除此之外，現有研究主要針對單一葉面積指數或植被覆蓋度開展植被動態監測研究[17]，對于反映區域整體植被生長狀況的結果存在片面和可信度不高的缺陷，缺少結合葉面積指數和植被覆蓋度的變化規律開展植被時空演變特征的研究。因此通過反演得到較高分辨率的葉面積指數和植被覆蓋度數據集，定量研究和掌握區域植被動態監測及其對氣候因子的響應是保護生態系統建設的重要措施和有效途經。

長江上游的通天河段是長江源頭最重要的干流，是森林植被分布的極限地帶，在高寒生態環境和國民經濟中具有重要作用[18]。但該流域自然條件相對較差，生態系統群落結構簡單，其生態環境對全球環境變化和人類干預的影響有著較高的敏感性和脆弱性[19]，目前關于該流域植被遙感監測研究較少，故開展流域植被動態監測及影響機制研究對了解三江源區生態環境現狀、變化以及生態環境保護修復有著重要意義。本文采用廣義回歸神經網絡方法反演得到長時間序列250 m分辨率的葉面積指數和植被覆蓋度數據集，開展2001—2019年通天河流域植被動態監測研究，探討該流域植被在不同海拔和氣候條件下的響應機制，為三江源區生態環境監測和下一步綜合利用和治理提供重要的基礎數據和技術支持。

1 材料與方法

1.1 研究區概況

本研究區為通天河流域，位于32°39′～35°78′ N，90°50′～97°56′ E，地處青藏高原腹地的三江源保護區(長江、黃河、瀾滄江)，河流自囊極巴隴至楚瑪爾河匯入口長278 km為通天河上游段，楚瑪爾河匯入口以下至玉樹的巴塘河口長550 km為通天河下游段[20]。流域內以山地和盆地為主要地貌類型，平均海拔達4 000 m以上，河谷海拔也在3 350 m以上，屬于高寒高海拔地區[21]。通天河在青海境內由楚瑪爾河、北麓河、沱沱河、尕爾曲、當曲五河匯合成一股(圖1)，流域面積約(1.42×10)5km2，年平均氣溫在0℃以下，河谷年均溫可達3.7℃～4.3℃，年均降水量超過350 mm[22]。植被類型以高寒草甸和高寒草原為主，高寒草甸植被主要以藏北嵩草(Kobresialittledale)、矮生嵩草(Kobresiahumilis)和異針茅(Stipaaliena)等為優勢建群種，高寒草原植被主要以青藏苔草(Carexmoorcroftii)和紫花針茅(Stipapurpurea)等為優勢建群種[23]。

圖1 通天河流域地理位置Fig.1 Geographical location of Tongtian River Basin

1.2 數據與方法

1.2.1數據來源 本文通過反演預處理后的地表反射率數據(MOD09Q1)，利用廣義回歸神經網絡生產連續的長時間序列LAI數據集，在此基礎上，利用反演后得到的250 m分辨率LAI數據集，通過植被冠層的透過率來計算生成通天河流域2001年至2019年250 m分辨率的FVC數據集，其中遙感數據來源于美國國家航空航天局(National aeronautics and space administration,NASA,https://ladsweb.modaps.eosdis.nasa.gov/search/)的MODIS地表反射率數據(MOD09Q1)，時間分辨率每8 d一期，空間分辨率為250 m，每年一共46期；輔以通天河流域DEM矢量高程數據，數據來源于中國科學院地理科學與資源研究所(http://www.igsnrr.ac.cn/tjpt/kjpt_zc/kjptzc_sjfw/)，空間分辨率為250 m。

流域氣溫與降水數據采用ERA5 (ECMWF ReAnalysis) 氣候再分析數據，數據來源于ECMWF運營的氣候變化服務官網(https://www.ecmwf.int/en/forecasts/datasets/reanalysis-datasets/era5)，數據內容為距離地表2 m的空氣溫度、總降水量，數據空間分辨率0.25°，每天一期。

1.2.2葉面積指數反演數據與方法 本文利用廣義回歸神經網絡(GRNN)集成通天河流域長時間序列遙感數據反演LAI[24](圖2)。GRNN按流程可分為4層：輸入層、隱層、總和層、輸出層。輸入層負責把輸入向量分配給隱層的每個單元；隱層包括所有訓練樣本(i= 1,2,…,n)，當確定輸入向量之后，計算輸入向量與訓練樣本間的距離，并帶入概率密度函數；總和層分為兩個計算函數單元A和B；輸出層計算A除以B，得到最終預測結果[25]。

圖2 基于GRNN訓練的MUSES LAI反演算法流程圖Fig.2 Flowchart of MUSES LAI inversion algorithm based on GRNN training

GRNN的概率密度函數即核函數運用高斯函數計算，其輸出表達式為：

(1)

1.2.3植被覆蓋度計算研究方法 在生成以上長時間序列LAI數據集的基礎上，FVC是利用植被冠層的透過率來計算其數值[26]。當光入射到植被冠層的頂部時，透過植被冠層的光的比例計算式為：

(2)

其中，φ是太陽天頂角，a為葉片的吸收率，Ω為聚集指數，LAI為葉面積指數，kc(φ)是冠層衰減系數，kc(φ)由下式計算：

(3)

其中，x是葉片水平表面與垂直表面的平均投影面積的比值，不同的植被類型，賦予x的值也不同。根據植被覆蓋度定義，當植被覆蓋度大小為1時，減去φ為0度時的冠層透過率，即

fCover=1-Ptr(0)

(4)

對輸入的參數進行敏感性分析，表明對FVC變化最敏感的輸入參數是LAI。本文利用上述方法來計算FVC，保證了FVC和LAI數據集的物理一致性。

1.2.4植被生長特征及其與氣候響應的研究方法 在通天河流域植被空間分布特征研究中，由于流域內主要植被類型以高寒草甸和高寒草原為主[23]，且全年植被生長季節性明顯，所以本文選取每年的第217 d作為LAI和FVC的空間分布研究時間，在第217 d前后通天河流域的植被生長達到頂峰，LAI和FVC值最大，是最具代表性的時間節點。

植被生長與氣候的關系密切，本文采用ERA5再分析數據分析了通天河流域植被對氣候因子的響應，并選擇了與流域植被生長關系密切的溫度、降水2個氣候因子來分析氣候變化對通天河流域植被的影響。為了消除氣候因素之間的干擾，采用偏相關分析方法來探討通天河流域植被對氣候變化的響應情況。偏相關分析法的公式如下[26]：

(5)

式中：Rxy,z為去除變量z干擾后變量x，y之間的偏相關系數，Rxy，Rxz和Ryz分別為變量x與y，x與z，y與z之間的相關系數。

2 結果與分析

2.1 植被空間分布特征

基于GRNN反演得到2001—2019年通天河流域LAI、FVC空間分布圖(圖3)，從圖中可見通天河流域植被主要分布在下游大部分地區，LAI值都在3.0以上，從下游往上游，隨著海拔的不斷升高，葉面積指數值逐漸減小。通天河上游海拔較高，植被稀少，在一些高海拔區域，FVC值接近零值，下游區域植被生長較好，大部分區域的FVC值在0.4以上。

2.2 植被時間變化特征

近19年通天河流域植被LAI和FVC在時間序列上總體均呈波動增長趨勢，植被LAI增長速率為(1.2×10-3)·a-1，多年均值為0.352，FVC增長速率(0.9×10-3)·a-1，多年均值0.249(圖4)。流域LAI,FVC經歷了兩次突增情況，第一次為2007—2010年，LAI由0.326增長到0.383，第二次為2015—2018年，LAI由0.325增長到0.379，波動增速達(2.1×10-3)·a-1和(1.7×10-3)·a-1，遠高于多年平均增長速率，FVC增長情況與LAI表現一致。

通過計算通天河流域2001—2019年每年46期FVC柵格像元最大值，結合FVC最大值隨年份變化的一元線性方程的斜率，以此生成2001—2019年FVC變化趨勢空間分布圖(圖5)。綠色區域為流域內植被明顯改善區，紅色區域為植被明顯退化區，白色為變化不明顯區。由圖可見，通天河流域大部分地區植被呈現增長趨勢，中下游區域存在兩個明顯下降趨勢的地區。通過與高程矢量數據疊加分析，呈現增長趨勢的地區多分布在海拔較低水熱條件較好的溝谷地帶，而下降趨勢明顯的兩個區域出現在人口聚集的曲麻萊縣和治多縣內。

根據通天河流域2001—2019年間年均植被LAI和FVC值的時間變化特征可以將2001—2019年劃分為 3個時間段，即2001—2006年、2007—2012年和2013—2019年[29]。其中第二階段相對于第一階段的植被變化主要呈增加趨勢(圖6a)，中下游區域比上游區域增加趨勢更明顯；第三階段相對于第二階段植被整體變化趨勢不大，在下游人口聚集的曲麻萊縣和治多縣周邊地區植被覆蓋退化明顯(圖6b)。

圖3 第217 d葉面積指數、植被覆蓋度空間分布圖Fig.3 Spatial distribution of LAI and FVC on day 217

圖4 LAI和FVC年際變化趨勢Fig. 4 Inter-annual change trends of LAI and FVC

圖5 2001-2019年FVC變化趨勢空間分布圖Fig. 5 Spatial distribution of FVC change trends from 2001 to 2019

根據通天河流域植被覆蓋度的三個階段的時空變化特征，大致分為四類[27]：一直增加(++)，一直減少(--)，先增加后減少(+-)，先減少后增加(-+)。其中FVC一直增加(++)和一直減少(--)的區域分別占27%和13%，FVC先增加后減少(+-)和先減少后增加(-+)的區域分別占40%和20%，流域內FVC總體呈動態波動增長趨勢。從四類的空間分布可以看出(圖7)，19年來流域內FVC一直增加的區域位于通天河主干流及其支流沿岸，FVC一直減少的區域集中位于下游人口稠密的曲麻萊縣和治多縣周邊地區。

圖6 通天河流域植被覆蓋度階段變化特征Fig.6 Phase variation characteristics of the fractional vegetation coverage in Tongtian River Basin

圖7 通天河流域不同階段時空變化特征分布圖Fig.7 Spatial distribution of the changes of fractional vegetation coverage in Tongtian River Basin

2.3 植被覆蓋特征

根據通天河流域植被覆蓋度特征，本文將流域內植被覆蓋特征分為4個等級：高植被覆蓋(FVC>0.75)、中植被覆蓋(0.75>FVC>0.35)、低植被覆蓋(0.35>FVC>0.1)、極低植被覆蓋(FVC<0.1)[28-29]。通過植被等級空間動態分布圖(圖8)可見，通天河流域植被覆蓋類型以低覆蓋為主，遍及流域上中下游各個地區，植被中高覆蓋區集中在河流下游河谷地帶，而在上游地區主要以低和極低覆蓋為主。通過與DEM地面高程數據進行對比分析后發現(圖9)，通天河流域整體呈西高東低的地形走勢，與河流自西向東的流向一致。流域內植被主要生長在海拔4 000 m以上的高寒地區，其中平均海拔超過5 200 m以上的河流上游地區植被生長差，以低、極低植被覆蓋為主，中、高覆蓋主要分布在海拔相對較低的4 800 m以下的下游河谷地區。

2.4 植被生長氣候影響分析

由于標準距平能更好的在消除離差的基礎上降低自相關誤差帶來影響，故本文通過計算2001—2019年LAI，FVC、降水和氣溫的標準距平值來探討通天河流域植被生長狀況對氣候因子的響應情況[30]。由圖10可知，通天河流域2001—2019年LAI與FVC和年均降水量之間呈顯著正相關性，在年均降水較大的2005年、2009年和2018年，年LAI和FVC也相對較大；在年均降水量顯著減少的2007年、2013年和2015年，年均植被覆蓋度也相對較少，且二者的變化趨勢基本一致，表明通天河流域降水是影響植被生長狀況的重要影響因素。

為避免各因子之間的相互影響，文章運用偏相關分析的方法來討論研究氣溫、降水與植被生長之間的相關性，得到植被LAI與降水、氣溫的偏相關系數分別為0.638和-0.177，FVC與降水、氣溫的偏相關系數分別為0.623和-0.199，其中LAI，FVC與降水量的數據結果均通過了P<0.01的顯著性檢驗(表1)。由此表明，相較于氣溫而言，降水是通天河流域植被的主要影響因素，且與植被LAI和FVC呈顯著正相關關系，氣溫呈現一定程度的負相關性。

圖8 植被等級空間動態分布圖Fig.8 Spatial dynamic distribution map of the grades of the vegetation cover

圖9 各海拔梯度四種覆蓋類型面積占比圖Fig.9 The area proportion of the four grades of vegetation cover at the elevation classes

圖10 2001—2019年LAI,FVC與氣溫、降水標準距平圖Fig.10 Standard anomalies of LAI,FVC,temperature and precipitation from 2001 to 2019

表1 LAI,FVC與降水量、溫度的偏相關分析表Table 1 Partial Correlation Analysis of LAI, FVC with precipitation and temperature

3 討論

本文通過廣義回歸神經網絡(GRNN)反演生產得到通天河流域2001—2019年250 m分辨率的LAI和FVC數據集，對比業內普遍分辨率500 m的LAI和FVC數據產品，在保證數據準確可靠的基礎上獲得了更高空間分辨率的產品。有利于提升通天河流域植被動態監測結果的準確性和可信度，該反演方法的反演精度和可行性得到了肖志強等的一致認可[25]。

通過上述通天河流域植被動態監測結果，可以發現該流域植被總體呈波動增長趨勢，這與李偉霄等[31]的結論基本一致，也與饒品增等[32]基于MODIS植被指數產品研究2000—2019年NDVI時空變化結果吻合。可見，通天河流域植被整體變好，且呈現下游較好、上游較差的空間分布特征，但下游植被生長存在兩個明顯退化區域。本文通過疊加高程矢量數據分析表明下游人口聚集的曲麻萊縣和治多縣周邊地區植被退化明顯，結合文獻查閱后表明：該區域內由于長期超載過牧、天然草地濫墾亂開、礦產資源過度開發、氣候異常變化等一系列綜合原因導致草地植被系統退化、沙化，草原生產力下降，造成草地植被覆蓋度近些年持續下降[33-34]，這一現象與人類活動加劇和全球氣候變化導致河流中下游地區生態環境遭到破壞密切相關[35]。但近年來，隨著國家和地區對于三江源保護區的重視與關注，生態環境保護措施不斷豐富，流域生態環境總體呈現穩定向好的發展趨勢，故而2001—2019年來通天河流域植被生長總體呈現顯著波動增長趨勢。

降水和氣溫是影響植被變化狀況的主要因素[36]，本文運用偏相關分析的方法探討降水、氣溫和LAI，FVC的相關關系，研究發現降水是影響通天河流域植被生長狀況的主要因素，對植被的生長發育存在顯著的促進作用。氣溫則呈現負相關性，但影響程度不及降水，表明隨著氣溫的升高，對通天河流域植被生長存在一定程度的抑制作用，但作用程度不大，這與趙芳等[37]和高思琦等[38]的研究結果近似或一致。這是由于通天河流域主要植被類型以高寒草甸和高寒草原為主，降水量的增加有利土壤水分和養分的運轉、植被吸收和生長，而升溫在一定程度上加速土壤水分蒸發，抑制了植被生長，但因該流域地理位置和生態環境的特殊性，氣溫對其植被生長的作用效果不明顯。而陳瓊等[39]和唐紅玉等[40]的研究表示三江源區植被變化的主要影響因素是氣溫，由于此前的相關研究所使用的單一植被指數數據分辨率僅為8 km[38]，本研究采用的則是精度和質量均優于前者的250 m的LAI和FVC數據，且研究結論是兩者結合分析，反映出的通天河流域植被生長規律更為準確，同時研究結果的差異也可能與研究時間尺度和空間范圍的不同有關。

長時間序列的植被變化是一個復雜的過程，本文只研究了通天河流域植被生長對氣候條件響應的規律，并未深入植被對氣候條件變化的時滯性不同。同時由于通天河流域的地理特殊性，植被的生長不僅與氣候條件有密切關系，同時與流域冰川消融和凍土作用亦有緊密關系，其影響機制和程度還有待進一步研究。

4 結論

本文通過GRNN反演預處理后的地表反射率數據(MOD09Q1)生產了2001—2019年250 m分辨率的LAI和FVC數據集，探討了通天河流域植被時空變化特征及其在不同海拔和氣候條件下的響應情況。研究發現通天河流域植被主要分布在中下游區域，流域總體植被覆蓋類型以低覆蓋為主，主要生長在海拔4000 m以上的高寒地區，海拔升高植被生長逐漸受限；流域植被總體得到改善，明顯改善區分布在海拔較低水熱條件較好的溝谷地帶，明顯退化區分布在曲麻萊縣和治多縣周邊地區；該流域植被生長的主要影響因素是降水，氣溫作用效果不大。本文通過遙感手段對通天河流域植被進行了長時間動態監測，為更加合理有效的保護和改善流域植被生長狀況提供新的科學依據，同時為三江源保護區的生態環境保護提供了一定理論和技術支撐。