黑河流域2001~2017年植被变化特征及其可延续性评价

doi:10.11873/j.issn.1004-0323.2020.2.0335

黑河流域2001~2017年植被变化特征及其可延续性评价

谭美宝^,¹, 冉有华^,²^,³, 苏阳²^,³, 李新⁴^,⁵, 杜得彦⁶, 廉耀康⁶

1.兰州大学资源环境学院，甘肃兰州 730000

2.中国科学院西北生态环境资源研究院，甘肃兰州 730000

3.中国科学院大学，北京 100049

4.中国科学院青藏高原研究所，北京 100101

5.中国科学院青藏高原地球科学卓越创新中心，北京 100101

6.黄河水利委员会黑河流域管理局黑河水资源与生态保护研究中心，甘肃兰州 730000

Characteristics and Sustainability Evaluation of Vegetation Change in Heihe River Basin during 2001 to 2017

Tan Meibao^,¹, Ran Youhua^,²^,³, Su Yang²^,³, Li Xin⁴^,⁵, Du Deyan⁶, Lian Yaokang⁶

1.The College of Resource and Environment, Lanzhou University, Lanzhou 730000, China

2.Northwest Institute of Eco-Environment and Resources, Chinese Academy of Sciences, Lanzhou 730000, China

3.University of Chinese Academy of Sciences, Beijing, 100049, China

4.Institute of Tibetan Plateau Research, Chinese Academy of Sciences, Beijing 100101, China

5.CAS Center for Excellence in Tibetan Plateau Earth Sciences, Chinese Academy of Sciences, Beijing 100101, China

6.Heihe Water Resources and Ecological Protection Research Center, Heihe River Bureau, Yellow River Conservancy Commission of the Ministry of Water Resources, Lanzhou 730000, China

通讯作者: 冉有华（1980-），男，甘肃镇原人，博士，副研究员，主要从事冰冻圈遥感、遥感产品真实性检验和科学数据集成研究。E⁃mail:ranyh@lzb.ac.cn

收稿日期: 2019-01-07 修回日期: 2019-12-01 网络出版日期: 2020-06-18

基金资助:

国家自然科学基金项目. 41471359
中国科学院青年创新促进会项目. 2016375

Received: 2019-01-07 Revised: 2019-12-01 Online: 2020-06-18

作者简介 About authors

谭美宝（1994-），女，吉林松原人，硕士研究生,主要从事环境遥感应用研究E⁃mail:tanmb18@lzu.edu.cn , E-mail：tanmb18@lzu.edu.cn

摘要

植被的变化特征是流域生态监测的重要内容和流域综合管理决策的基础信息。基于谷歌地球引擎（Google Earth Engine,GEE），利用空间分辨率为250 m的MODIS-EVI（Enhanced Vegetation Index）产品，研究2001~2017年黑河流域植被的时空变化趋势及延续性特征。结合气温、降水与河流径流量观测数据，分析黑河流域上游、中下游绿洲与非绿洲区植被变化的影响因素。结果表明：近17年来黑河流域植被年最大EVI值年均增幅为0.003 9，年均新增植被面积为480.3 km²。受气温、降水、耕地开垦、水资源管理措施及与其密切相关的地下水等因素的不同影响，上中下游表现出不同的变化特征。无论是年最大EVI值还是植被面积，中游的增加趋势最为显著，绿洲区较非绿洲区增加趋势更为明显。这种变化趋势短期内可能延续，但长时间内存在较大风险。研究为快速监测植被变化提供了示范，揭示了干旱区植被监测中长势变化与类型变化的同等重要性，流域植被变化的区域协同性对合理分水、加强地表-地下水协同管理等流域综合管理提出了更高要求。

关键词： 遥感 ; 植被覆盖度 ; EVI ; Google Earth Engine

Abstract

Characteristics of vegetation variation play an important role in ecological monitoring and provide the basis for integrated river basin management decisions. In this study, the spatial-temporal trends in vegetation cover change and its sustainability in Heihe river basin during 2001~2017 were characterized, using MODIS-EVI time series data at a spatial resolution of 250 meters in Google Earth Engine(GEE) platform. Combined with temperature, precipitation and river runoff data, the factors affecting vegetation growth in Heihe River Basin were identified. The results show that: Over the last 17 years, the average annual increment of EVI in Heihe river basin was 0.003 9, and the annual expansion of vegetation area was 480.3 km². Vegetation in the upper, middle and lower reaches of Heihe river has changed in varying degrees affected by temperature, precipitation, reclamation of cultivated land, water resources management and related groundwater. Whether the annual maximum EVI value or vegetation area, the increase trend of vegetation in the middle reaches was the most significant, and the oasis area was more obvious than the non-oasis area. This trend is sustainable in the short term, but there is a greater risk for a long time scale. The study provides a demonstration for high-speed monitoring of vegetation changes, reflecting the equal importance of growth and type changes for monitoring vegetation in arid regions. The regional synergy of vegetation changes in river basin puts forward higher requirements for integrated river basin management, such as reasonable water separation and strengthening surface-groundwater collaborative management.

Keywords： Remote Sensing ; Fractional vegetation cover ; EVI ; Google Earth Engine

PDF (4281KB) 元数据多维度评价相关文章导出 EndNote| Ris| Bibtex 收藏本文

本文引用格式

谭美宝, 冉有华, 苏阳, 李新, 杜得彦, 廉耀康. 黑河流域2001~2017年植被变化特征及其可延续性评价. 遥感技术与应用[J], 2020, 35(2): 335-344 doi:10.11873/j.issn.1004-0323.2020.2.0335

Tan Meibao, Ran Youhua, Su Yang, Li Xin, Du Deyan, Lian Yaokang. Characteristics and Sustainability Evaluation of Vegetation Change in Heihe River Basin during 2001 to 2017. Remote Sensing Technology and Application[J], 2020, 35(2): 335-344 doi:10.11873/j.issn.1004-0323.2020.2.0335

1 引言

植被是干旱区的重要生态环境要素，也是干旱区生态监测的基本内容^[1,2,3]。黑河流域是我国西北干旱区的典型内陆河流域，已经成为流域集成研究的国际基地与试验场^[4,5]。近几十年来，该区域气候总体向暖湿化发展，流域上游祁连山降水增多、冰川加速退缩，导致径流增加。另一方面，流域综合管理措施得到进一步加强，2000年黑河管理局正式成立，黑河调水正式实施。气候变化和人类活动的新情况与流域管理的新形势可能导致流域植被出现新的变化，需要对其重新认识。

利用遥感监测黑河流域植被变化已开展了较多研究。李旭谱等^[6]基于SPOT VGT-NDVI数据，分析了黑河流域1999~2010年间植被覆盖变化情况，发现流域内的植被覆盖呈逐步改善趋势。韩辉邦等^[7]利用1982~2006年NDVI时序数据分析黑河流域植被的周期性变化特征，并研究NDVI周期性与气温、降水周期性之间的关系，发现气温与降水是影响植被变化的主要气候因素。Ma等^[8]利用AVHRR-NDVI数据研究了黑河分水前即1982~2001年黑河流域植被覆盖的时空变化趋势及其气候影响因素，发现1993年后黑河中、下游植被整体呈轻微减少趋势，且植被变化主要受降水影响。Zhao等^[9]对1998~2008年黑河流域植被的时空变化特征及影响因素进行分析，发现NDVI对气温变化的响应比降水更为敏感。由于NDVI在高植被覆盖与低植被区的敏感性显著降低，受土壤背景的影响较大，以上研究利用NDVI检测旱区植被时，存在灵敏度显著降低的情况。此外，上述研究主要反映了10年前黑河流域植被的变化情况，提供的信息需要更新。

另一方面，已有研究基本都是基于个人计算机通过编程或GIS软件进行数据分析。随着地球大数据平台的发展，为快速实现黑河流域的植被监测提供了新的技术途径。谷歌地球引擎（Google Earth Engine, GEE）由谷歌、卡内基梅隆大学、美国地质调查局联合开发，其公共数据目录包括了近40年的全球尺度卫星影像数据以及专题图数据，每日更新量高达4 000景影像^[10,11]；平台还提供了超过800种功能函数，从简单的数学函数到机器学习、图像处理等操作^[12]。相比传统的影像处理工具，基于云计算的GEE平台可实现在线高效处理大规模地理数据集，有效解决遥感大数据的处理难题^[13,14]。

因此，本文基于GEE平台，利用2001~2017年双星MODIS-EVI（Enhanced Vegetation Index）数据，研究黑河流域的植被变化特征，并分析气候变化与水资源管理可能对绿洲与非绿洲植被的不同影响。最后利用Hurst指数分析黑河流域植被变化趋势的可延续性，以期为黑河流域综合管理和可持续发展决策提供参考信息。

2 数据与方法

2.1　研究区概况

黑河流域位于37.7°~42.7°N， 97.1°~102.0°E 之间，是我国第二大内陆河流域，总面积约为14.32万km^2[2]。该地区气候干燥，降雨少且集中，昼夜温差较大，属大陆性气候^[15]。黑河流域分属内蒙古、甘肃、青海三省，跨越了不同的自然环境单元，包括北部阿拉善高原、中部河西走廊平原、南部祁连山区，流域地势起伏较大，海拔高度由南向北逐渐降低（图1）。黑河自发源地祁连山中段向北流入居延海，干流全长约821 km。流域上、中、下游具有不同的生态功能，上游祁连山区冰雪资源丰富且雨量相对充沛，是冰川与水源涵养生态功能区；中游人工绿洲连片，光热资源较为丰富，是农产品主产区；下游为额济纳荒漠绿洲，降水极少且蒸发量大，水资源匮乏，植被覆盖稀疏^[16]，是黑河流域生态环境最为脆弱的区域，也是重要的防风固沙区。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1 黑河流域位置示意图

Fig.1 Location of the Heihe river basin

2.2　数据来源

本文使用的EVI数据为MODIS双星（上午星Terra与下午星Aqua）16 d合成的EVI产品MOD13Q1与MYD13Q1，空间分辨率均为250 m，时间跨度为2001~2017年，由GEE平台提供。另外，遥感影像数据均已经过预处理。

气象数据为黑河流域相关的11个气象观测站点处2001~2017年的观测数据。其中，上游为3个站点（托勒、野牛沟、祁连），中游为5个站点（金塔、酒泉、高台、张掖、山丹），下游为3个站点（额济纳旗、马鬃山、鼎新）。用到的气象要素包括年降水量、年最高气温、年最低气温和年平均气温。气象数据来源于中国气象数据网（http://cdc.nmic.cn）。本文分别按照上、中、下游统计各气象站处的气温与降水量的均值作为各区域内的气温与降水量值。

水文数据为位于黑河干流的2个主要水文观测站（莺落峡、正义峡）处2001~2017年的逐年径流量观测数据，分别代表中游和下游的可用水量，数据来源于黑河流域管理局。

根据可能存在的不同植被变化特征，本文按照2011年1∶10万土地利用图将研究区划分为上游区域和中、下游的绿洲区与非绿洲区共五个区域进行分析。

2.3　研究方法

2.3.1　最大化合成法

本文利用最大化合成法计算得到各年的EVI合成影像，作为代表当年植被生长最繁茂时期的EVI数据。对比2011年1∶10万土地利用图与相关研究^[17]，将EVI≥0.1的区域作为植被区，以进行流域内植被覆盖的统计和分析。

2.3.2　一元线性回归分析法

采用一元线性回归法，计算EVI时间序列数据的变化率，以反映近17年植被的变化趋势。该方法的思想是：利用最小二乘法对观测值序列（t,I_i）进行拟合，构造得到相应的线性回归模型，并通过显著性检验判断模型的可靠性。其中，因变量EVI值I_i与自变量年份值t之间的关系，可用下式表示：

I_{i} = a + k t + ε

(1)

式中：a和k是未知常数，ε为随机误差。其中参数k可以根据观测值序列（t,I_i）利用最小二乘法拟合得到：

k = \frac{\sum (t_{i} - \bar{t}) (I_{i} - \bar{I})}{\sum (t_{i} {- \bar{t})}^{2}}

(2)

本文中的k值代表植被覆盖的变化趋势，其中：k<-0.005表示植被明显减少，-0.005≤k<-0.001表示植被轻微减少，-0.001≤k<0.001表示植被稳定不变，0.001≤k<0.005表示植被轻微增加，k≥0.005表示植被明显增加。

利用判定系数R²分析回归结果的线性拟合优度。计算公式如下：

R^{2} = \frac{S S R}{S S T} = 1 - \frac{S S E}{S S T}

(3)

S S R = \sum (\bar{I} - {\hat{I}}_{i})^{2}

(4)

S S E = \sum (I_{i} - {\hat{I}}_{i})^{2}

(5)

S S T = \sum (I_{i} {- \bar{I})}^{2}

(6)

其中： $I_{i}$ 表示第i年的EVI值， ${\hat{I}}_{i}$ 表示第i年的EVI回归值， $\bar{I}$ 表示EVI均值。SSR为残差平方和，SSE为离差平方和，SST为总体平方和。判定系数R²的取值范围为[0,1]，且R²值越接近于1表示时间序列的线性关系越好，反之，线性关系越差。

2.3.3　Hurst指数

Hurst指数常用于定量描述时间序列变化趋势的可延续性^[18]，相对于判定系数R²，能够更好地反映时间序列数据的随机性与波动性，以更好地分析植被的年际变化特征。该指数最初由英国水文学家Hurst^[19]提出，后来Mandelbrot等^[20]对这一理论进一步完善，目前已广泛应用于水文学、地质学、经济学及气候学等众多领域。本文采用重标极差分析方法（R/S）计算Hurst指数，分析黑河流域未来短期内的植被变化趋势。定义时间序列为 $I_{i}$ ，计算过程如下^[21]：

定义均值序列：

{\bar{I}}_{i, k} = \frac{1}{k} \sum_{i = 1}^{k} I_{i}

(7)

计算累积离差：

X_{i, k} = \sum_{i = 1}^{i} (I_{i} - {\bar{I}}_{k}), 1 \leq i \leq k

(8)

计算极差序列：

R_{k} = \underset{1 \leq i \leq k}{m a x} X_{i, k} - \underset{1 \leq i \leq k}{m i n} X_{i, k}

(9)

计算标准差序列：

S_{k} = {[\frac{1}{k} \sum_{i = 1}^{k} {(I_{i} - I_{k})}^{2}]}^{\frac{1}{2}}

(10)

计算Hurst指数：

\frac{R_{k}}{S_{k}} = {(c k)}^{H}

(11)

其中：H为Hurst指数值，对公式两边同时取对数得到Hurst指数的经验公式如下^[22]：

l o g {(R / S)}_{k} = a + H ∙ l o g k

(12)

最后，利用最小二乘法拟合即可得到修正后的Hurst指数值。

Hurst指数值H的取值范围为[0,1]，其中H值接近0.5时，表示时间序列为完全独立的随机序列，其未来的变化趋势无法确定；H值大于0.6且越趋近于1时，表示时间序列的变化趋势越具有延续性；H值小于0.4且越趋近于0时，表示次年变化趋势与之前变化趋势相反的可能性越大。

数据处理及方法均在GEE平台上实现，包括EVI最大化合成、利用一元线性回归法、Hurst指数法分析植被变化趋势及其可延续性特征，相对于本地处理运算效率显著提高。

3 结果与讨论

3.1　黑河流域年最大EVI与植被覆盖面积的空间变化特征

利用最大化合成法得到各年EVI最大值数据，其中2001年和2017年的合成结果如图2所示。通过线性回归法得到植被变化趋势的k值分布图与相应的判定系数R²分布图（图3）。依据2017年最大EVI值划定的植被区域（EVI≥0.1），分别统计黑河流域内五个区域植被变化趋势的分级面积占比（表1），分析流域内植被的年最大EVI值与覆盖面积的空间变化特征。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2 2001年与2017年黑河流域年最大EVI分布图

Fig.2 Spatial patterns of maximum EVI of 2001 and 2017 in the Heihe river basin

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3 黑河流域2001~2017年年最大EVI变化趋势分布图与判定系数R²分布图

Fig.3 Spatial patterns of annual maximum EVI change trend from 2001 to 2017 and the coefficient of determination R² in the Heihe river basin

表1 2001~2017年黑河流域上、中、下游植被覆盖分级变化趋势的面积百分比

Tabel 1 Area percent of different vegetation change trend levels in the upper, middle, lower reaches of the Heihe river basin during 2001~2017

变化趋势	上游区/%	中游绿洲区/%	中游非绿洲区/%	下游绿洲区/%	下游非绿洲区/%
明显减少(k<-0.005)	0.36	1.84	0.16	1.23	0.10
轻微减少(-0.005≤k<-0.001)	4.26	4.66	4.57	4.99	4.86
稳定不变(-0.001≤k<0.001)	13.02	6.87	16.03	12.66	57.76
轻微增加(0.001≤k<0.005)	62.69	38.55	74.20	45.24	35.24
明显增加(k≥0.005)	19.67	48.08	5.04	35.88	2.04

新窗口打开| 下载CSV

对比2001年与2017年的最大化EVI数据发现，差异较大的区域主要为河西走廊平原与下游绿洲区。统计结果表明，2001年黑河流域植被的年最大EVI均值为0.119 0，植被最大覆盖面积为34 196.9 km²，2017年植被年最大EVI均值为0.181 4，植被覆盖面积共45 759.3 km²，植被覆盖面积增加了33.81%。流域内植被整体呈轻微增加趋势，年最大EVI值年均增幅为0.062 4，且五个区域植被呈明显减少趋势的面积占比均不超过2%。判定系数R²在上游中西部河谷地区、中游绿洲区与西部山前区域及下游绿洲区与古日乃地区较高，表明该区域植被的线性变化趋势明显。

具体分析发现，不同区域的植被变化趋势差异较为明显：2017年上游植被覆盖度最高，年最大EVI均值为0.359 3，植被覆盖面积为24 390.5 km²，占上游区域总面积的89.50%，新增植被面积为2 911.0 km²。该区域植被整体呈轻微增加趋势，且广泛分布于整个上游区域，占植被区面积的62.69%。植被呈明显增加趋势的部分主要分布于地势相对平缓区域的河道两侧，所占比例为19.67%；而呈减少趋势的部分较少，仅占4.62%，集中分布于野牛沟西部高海拔山区。

中游植被覆盖区占中游区域面积的64.30%，绿洲区植被年最大EVI均值为0.419 6，植被覆盖面积为1 1730.1 km²，新增植被面积为3 451.6 km²；非绿洲区年最大EVI均值为0.194 2，植被覆盖面积为6 626.9 km²，新增植被面积为3 895.0 km²。中游植被整体呈增加趋势，绿洲区与非绿洲区呈增加趋势的面积占比分别为86.63%和79.24%。绿洲区植被呈明显增加趋势的区域较多，面积占比为48.08%，主要分布于绿洲外围并沿水系向外扩张。非绿洲区植被主要呈轻微增加趋势，面积占比为74.20%，主要分布于山前区域。而植被呈减少趋势的部分不足6%，集中分布于绿洲区城镇建设与新增水库设施的区域，以及非绿洲区山丹县以东的戈壁区。

下游植被覆盖区占下游总面积的3.44%，绿洲区年最大EVI均值为0.234 6，植被覆盖面积为2 091.67 km²，新增植被面积为872.5 km²；非绿洲区植被覆盖度较低，年最大EVI均值为0.132 7，植被覆盖面积为920.2 km²，新增植被面积为432.3 km²。绿洲区与非绿洲区植被变化的差异较大，绿洲区植被主要呈增加趋势，明显增加的部分集中分布于邻近河道的绿洲中部区域，而呈减少趋势的部分较少，所占比例为6.22%。非绿洲区植被总体上呈稳定不变态势，面积占比为57.76%，呈轻微增加趋势的部分所占比例为35.24%，集中分布在下游东南部的古日乃地区，少量散布于黑河下游西河沿线区域。

3.2　黑河流域年最大EVI与植被覆盖面积的年际变化特征

黑河流域各区域植被年最大EVI均值与覆盖面积的年际变化趋势如图4所示,上游区域植被年最大EVI值与覆盖面积均呈年际增加趋势，且以约4年为周期波动性变化。该区域年均新增植被面积较多，约为102.6 km²。植被整体呈轻微增加趋势，最大EVI值年均增幅为0.003 4。植被呈明显线性增加的部分，主要分布于中东部近河道区域与西部及北部山区。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4 2001~2017年黑河流域上中下游植被年最大EVI值与覆盖面积的变化趋势

Fig.4 The change trend of annual maximum EVI and vegetation area in Heihe river basin from 2001 to 2017

中游植被年最大EVI值与覆盖面积整体呈较好的年际线性增加趋势，且在2002、2006以及2012年前后有较大的波动性，绿洲区较非绿洲区在2010年后线性变化趋势更为明显。绿洲区年均新增植被面积最大，约为161.1 km²，最大EVI值年均增幅为0.007 7。非绿洲区年均新增植被面积约为150.5 km²，植被整体呈轻微增加趋势，最大EVI值年均增幅为0.003 7。除东南部山前高植被覆盖区和戈壁区外，中游植被整体呈明显的线性增长趋势。

下游绿洲区与非绿洲区植被的年最大EVI值与覆盖面积的年际变化差异较大，绿洲区植被整体呈明显增加趋势，年均新增植被面积为48.2 km²，最大EVI值年均增幅为0.006 8，呈较好的年际线性变化趋势。非绿洲区年均新增植被面积为17.9 km²，植被呈轻微增加趋势，最大EVI值年均增幅为0.002 5且年际波动性较小，而覆盖面积的年际波动性较大，表现为部分戈壁区内分布较密集的植被呈年际线性增长趋势，其他零星分布的低覆盖区域植被呈年际随机性变化。

3.3　黑河流域植被变化的影响因素分析

3.3.1　气温、降水量与河流径流量的年际变化趋势

如图5所示，上、中、下游的气温均呈上升趋势，中、下游区域升温最快，上游升温较慢；年均最低气温较年均最高气温增幅更为明显，特别是位于下游的额济纳旗气象站，年均最低气温的增幅近0.1℃/a。流域内年均降水量均呈增加趋势，上游区域降水量的年均增幅最为明显，为5.31 mm/a，而中、下游区域降水量年均增幅较小。各水文观测站处的河流径流总量均呈不同程度的上升趋势，自下游至上游增幅逐渐递增，且年际波动性特征较为相似。

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5 2001~2017年黑河流域上中下游降水、年均气温、年均最高气温、年均最低气温与黑河干流径流量的变化趋势

Fig.5 The change trend of river runoff, precipitation, average annual temperature, average annual maximum temperature and average annual minimum temperature in the Heihe river basin from 2001 to 2017

3.3.2　植被变化影响因素分析

依据黑河流域植被的时空变化特征，并结合气温、降水量及河流径流量数据进行相关性分析，发现不同区域植被变化的影响因素差异较大。

上游植被的年最大EVI值与年均最低气温、年降水量的相关性较高，植被覆盖面积与降水量的相关性显著。该地区海拔较高，温度较低，随着降水量增加和最低气温升高，更有利于植被的生长。另外，上游以山地植被为主，受海拔高度的影响，植被变化具有明显的垂直地带性差异，河谷地区相对于山区植被更多且增加趋势更为明显，这与张立峰等^[23]的研究结果相一致，其研究还发现黑河流域低海拔地区及祁连山北坡向和东北坡向的植被覆盖变化明显，说明地形因素对黑河流域上游区植被覆盖变化也产生了一定的影响。

表2 黑河流域各区域年最大化EVI均值、植被覆盖面积与气象、水文要素的相关系数

Tabel 2 Correlation coefficients between averaged annual maximum EVI, vegetation cover area and meteorological, hydrological parameters in different regions of Heihe river basin

统计指标	植被覆盖区	年均最低气温	年均最高气温	年均气温	年降水量	河流径流量
EVI	上游植被	0.450	0.223	0.332	0.426	-
	中游绿洲	0.573^*	0.350	0.470	0.512^*	0.830^**
	中游非绿洲	0.555^*	0.285	0.449	0.581^*	0.557^*
	下游绿洲	0.518^*	0.156	0.374	0.343	0.772^**
	下游非绿洲	0.541^*	0.106	0.367	0.429	0.721^**
面积	上游植被	0.395	0.142	0.229	0.506^*	-
	中游绿洲	0.556^*	0.327	0.460	0.474	0.778^**
	中游非绿洲	0.490^*	0.222	0.366	0.517^*	0.596^*
	下游绿洲	0.549^*	0.177	0.404	0.302	0.762^**
	下游非绿洲	0.232	-0.053	0.096	0.388	0.486^*

注：其中^*表示显著相关(P<0.05)，^**表示极显著相关（P<0.01）

新窗口打开| 下载CSV

中游植被的年最大EVI值、覆盖面积与径流量的相关性最高，其中绿洲植被较非绿洲植被与径流量的相关性更为显著。中游绿洲区以农田和防护林等人工植被为主，EVI值较高且与水系有明显的空间相关性，而农田主要依赖于人工灌溉，故绿洲内部植被的年际波动变化主要受耕地开垦、人工取用水资源及修建蓄水工程等人为因素的影响。非绿洲区以自然植被为主，该区域的植被分布及变化与水系无明显空间相关性，主要受降水和年均最低气温的综合影响。

下游植被的年最大EVI值、覆盖面积与径流量相关性最高。类似于中游，下游绿洲植被较非绿洲植被受径流量的影响更大。随着径流量的增加，地下水位进一步抬升，增加了下游绿洲区植被的可用水量和植被覆盖面积^[24]。下游非绿洲新增植被集中分布于古日乃地区与西河沿岸，该区域远离河流，且海拔较低，气候暖干化特征突出^[25]，植被增多可能受益于降水量的增加及地下水环境的恢复。

总体上，整个流域自然区植被对自然因素（如气温、降水）较为敏感，而中、下游绿洲区植被受人为调度的径流变化的影响更大。自2000年黑河分水方案实施后，中、下游径流量的增加极大地改善了地下水环境^[26,27]，进而促进了绿洲外围、黑河沿岸及受地下水控制区域（如古日乃）的植被恢复。另外，中、下游地区植被变化与影响因素（降水）的年际波动变化的一致性均低于上游，且非绿洲区植被与径流量的统计相关性较高，但与水系的空间相关性低，均反映了地下水维持植被生态系统的重要性。

3.4　黑河流域植被变化趋势的可延续性

利用Hurst指数（图6）并结合代表植被变化趋势的k值及判定系数R²的分布图（图3），分析黑河流域植被变化趋势的可延续性特征，结果表明：黑河流域Hurst指数的有效值介于0.2与0.8之间，植被区域Hurst指数均值为0.60。流域内植被整体呈增加趋势而变化趋势的可延续性较低，黑河上游西支河道区域和中、下游绿洲区植被呈可延续性增加趋势，以下游绿洲最为明显。中、下游戈壁区未来短期内植被变化趋势发生改变的可能性较大，其他区域的植被未来变化趋势无法确定。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6 黑河流域Hurst指数值分布图

Fig.6 The spatial patterns of Hurst exponent in the Heihe river basin

具体分析如下，上游平均Hurst指数值为0.58，未来短期内植被整体呈随机性变化趋势。黑河西支河道周边植被相对东部区域较少，呈明显增加趋势且具有良好的可延续性。高台以南戈壁区Hurst指数值低于0.4，该区域植被未来变化趋势发生改变的可能性较大。

中游植被整体呈良好的可延续性增加趋势，绿洲区平均Husrt指数值为0.63，植被变化趋势有一定的可延续性，非绿洲区平均Husrt指数值为0.59，植被将呈随机性变化趋势，集中分布于山前区域。值得注意的是，山丹县以东的戈壁区植被轻微减少且Hurst指数值大于0.6，说明该区域植被覆盖延续这种降低趋势的可能性较大。

下游绿洲区平均Husrt指数值为0.69，植被呈增加趋势且可延续性较高，非绿洲平均Husrt指数值为0.59，植被将呈随机性变化趋势。其中，下游绿洲区与古日乃地区植被增加趋势具有较高的可延续性，该区域植被较少而生长潜力较大。其他极低和无植被覆盖的戈壁区整体呈稳定不变态势（k值趋近于0），且Hurst指数值大于0.6，说明该区域植被延续这种状态的可能性较大。

要说明的是，基于统计方法分析植被变化的可延续性受数据时间尺度的影响较大，本文的研究结果仅代表2001~2017年这个时间序列及未来短期内的变化趋势。事实上，从长时间尺度来看，随着上游冰川的消融，冰川“固体水库”功能的减弱，如果降水回归到历史最低水平，不仅影响中下游的可用水资源，而且影响其季节分配，可能对中游和下游植被生态系统产生重大影响。

4 结论

本文利用GEE平台强大的数据在线处理分析能力，实现了黑河流域植被变化监测，为快速监测流域尺度植被变化提供了示范。

结果表明，近17年来黑河流域植被最大EVI值年均增幅为0.003 9，整体呈轻微增加趋势。自然植被受气候暖湿变化影响明显，而中、下游绿洲区植被对人为调度的径流变化更为敏感。受气温、降水及流域分水措施的影响，上游、中下游绿洲区与非绿洲区的植被变化存在明显差异。具体如下：

(1)上游植被整体上表现为轻微增加趋势，新增植被主要分布于西部山区，增加趋势明显的部分主要分布于中、东部近河道区域，主要是受降水量和年均最低气温的综合影响。

(2)中游绿洲区与非绿洲区的植被变化存在一定差异，绿洲区植被整体呈明显增加趋势，新增植被主要为绿洲近外围区新种植或开垦的农田，减少的部分主要分布于张掖周边区域，植被受人为因素的影响较大。非绿洲区植被整体上呈轻微增加趋势，植被分布及增幅呈由山前向绿洲外围区域递减的分布特征，主要受降水量的直接影响以及径流补给的地下水位抬升的影响。

(3)下游绿洲区与非绿洲区植被变化的差异较大。受生态分水政策及人为因素的影响，绿洲区植被整体上呈明显增加趋势，且植被整体覆盖水平日趋均衡。非绿洲区植被整体呈稳定不变态势，新增植被集中分布于古日乃地区和西河沿岸，可能受地下水环境恢复的影响。

总体来看，在2001~2017年的时间尺度上，黑河流域植被短期内将延续增加的变化趋势。但从长时间尺度来看，植被的持续增加将面临一定挑战。随着上游冰川的消融，冰川“固体水库”功能的减弱，未来降水如果回归到历史最低水平，不仅影响中下游的可用水资源，而且影响其季节分配，可能给中游和下游植被生态系统产生重大影响。因此，加强上游水源涵养功能保护，协调中下游地表水与地下水管理，恢复中下游地下水库，积极调整产业结构、合理规划人口规模等，可能是维持绿洲植被稳定和应对未来风险的流域综合管理重要内容。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

Jiang

Penghui

, Zhao

Ruifeng

, Zhao

Hailli

, et al.

Spatial-Temporal Evolution of Land Use/Cover Change in Middle Section of Heihe Basin Since 1975

[J]. Journal of Ecology & Rural Environment, 2012，28（5）：473-479.