周妍妍，李 晨，牟鑫亮，郭建军，岳东霞*

(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 沙漠与沙漠化重点实验室，甘肃 兰州 730000)

植被是陆地生态系统的重要组成部分，与大气、土壤、水和其他要素具有密切的联系,它在提供生态系统产品和服务(例如水土保持、气候调节)方面发挥着至关重要的作用[1].因此，植被变化是土地退化和生态系统健康的敏感指标[2]，了解其驱动机制是实施有效的植被恢复和灾害防治策略的前提.用传统方法估算植被变化范围和强度既费时又费力，并且计算又不准确.然而，利用遥感技术可以快速、高效地估算和分析植被随时空变化情况.归一化植被指数(Normalized difference vegetation index，NDVI,INDV)是应用最为广泛的监测植被变化的遥感数据[3-7]，能够反映出区域或全球植被较长时间的变化状况.因此，在近几十年，它是监测植被生长变化的重要因子[8].INDV对灾害类型(如泥石流、滑坡等)的识别和灾害规模的识别很敏感[9-10].净初级生产力(Net primary productivity，NPP,PNP)是全球生态系统稳定性和生态安全评估的关键指标，可以揭示区域生态系统的生产力、可持续性以及生态环境的动态演变过程[11-13].近年来，许多研究表明，在气候变化和人类活动加剧的影响下，PNP的动态变化更加剧烈[14-18].因此，研究生态脆弱地区的INDV和PNP变化及其影响因素对于了解区域环境条件和生态环境的演变具有重要意义.

国内外广泛应用INDV和PNP指标研究植被变化的影响因素.Zhao等[19]研究表明中国西南地区生态脆弱区的PNP主要驱动因素是INDV和人口密度，它们可以解释环境变化的70%.Teng等[20]指出2001—2012年祁连山区气候变化是高海拔地区(3 500 m以上)PNP变化的主要因素，而人类活动对PNP的影响主要集中在中高海拔地区.Wang等[21]研究了PNP分布的时空变化以及可能导致中国内蒙古自治区1994—2013 年PNP变化的因素，结果显示气温和距城市的距离是其主要因素.成方妍等[22]研究结果显示，北京市2000—2012年各地类面积的变化对PNP具有显著的影响.朴世龙等[23]研究表明1901—2002年间气候及CO2升高对中国植被PNP的增加起促进作用.Hu等[24]基于MODIS遥感数据研究了2000—2008年我国南方大城市的气候变化和人为活动对陆地PNP的影响，得出温度对PNP的影响要大于降水，人为活动对植被PNP有较强的影响.高志强等[25]应用GLO-PEM方法计算了我国北方地区1981—2000年的植被PNP，研究了土地类型转变对区域PNP的影响，结果表明在土地类型变动的区域LUCC对PNP变化的贡献率约占97%.邓晨晖等[26]基于INDV得出了秦岭植被变化由气候和人类活动共同影响的结果.刘海等[27]研究表明人为因素是鄱阳湖生态经济区植被变化的主要因素.Qu 等[28]认为气温对长江流域IEV的年际变化有最大的贡献，而太阳辐射则有很强的负面影响.Zhu等[29]利用地理探测器的方法研究得出黑河流域INDV变化的主要驱动因素是土地利用转化类型、年均降水量和土壤类型.研究还表明，在黄土高原地区超过15°坡度上，INDV呈显著上升趋势[30].

泥石流灾害必然导致植被发生相应变化.在灾害发生前后的泥石流沟，地表过程异常强烈，植被的破坏极其严重.因此，笔者利用植被指数的差值表示泥石流灾害后植被的破坏程度，进而分析植被的破坏程度与环境条件之间的关系.2020年8月14—17日陇南市武都区强降雨引发的泥石流灾害造成大量耕地、林地被掩埋毁坏，自然植被也遭到不同程度的破坏，山地生态环境退化严重，从而极大地影响了区域社会经济可持续发展和生态系统服务.为了准确评估武都区灾情，了解灾害前后的植被变化情况十分必要.文中选择武都区汉王镇—沙湾镇段为研究区，首先分析2000—2020年8月MODISPNP和INDV的时空动态,进而了解泥石流沟的长期植被变化特征；
然后利用局部空间自相关性方法，分析2020年8月灾害前后的植被变化特征.最后，基于PNP和INDV数据，采用冗余分析(Redundancy analysis，RDA)方法，研究其他环境因子对植被破坏的影响.研究结果对易受泥石流的地区的生态-地质-环境管理具有重要的实践意义.

研究区位于甘肃省陇南市武都区汉王镇—沙湾镇段的白龙江两岸，大概介于104°30′～105°05′E和33°20′～33°40′N之间，全长75 km，流域面积约为933 km2(图1).该区域是典型的干热河谷地区，生态环境极其脆弱和敏感.由于区域的植被严重退化，泥石流和滑坡等地质灾害频繁发生，并且治理难度很大[31].该区域同时也是陇南市人口稠密的地区，其恶劣的生态地质环境严重影响了当地居民的生产和生活，已成为限制区域经济可持续发展的主要因素.2020年8月中上旬，陇南市出现了连续暴雨和大暴雨，引发群发性泥石流灾害，造成严重的人员和财产损失.特别是8月14—17日，短期连续的暴雨、大暴雨，降水量已经突破陇南市气象历史极值记录.据统计，此次泥石流灾害是百年一遇的，具有时间跨度长、空间范围广和破坏性强的特点.为了研究武都区8月14—17日降雨诱发的泥石流空间分布和特征，笔者沿公路和河流开展了泥石流灾害的应急调查.泥石流沿河流两岸分布密度较高，共调查了88条沟谷型泥石流沟(图1).

图1 泥石流沟分布

2.1 冗余分析

冗余分析的多变量方法是一种广泛使用的多元分析方法，可以从统计角度评估一个或一组变量与另一组多变量数据之间的关系[32].冗余分析法的优点是可以独立保持每个环境变量对植被变量的贡献率，可以对多个解释变量进行有效的统计检验，确定对变化解释能力最大的变量.冗余分析用到了R语言的“vegan”包，RDA排序列图直观地显示了植被参数与环境参数及其组成之间的关系.文中以研究区88个泥石流沟的植被PNP和INDV为响应变量，并将每个泥石流沟对应的环境因子作为定量解释变量分析了不同环境因素对泥石流灾害前后植被变化的影响.在RDA排序图中，箭头指向同一方向，表示正相关，反之亦然.排序轴说明植被的变化，所有排序轴说明植被总的变化.使用蒙特卡罗置换检验来测试所有排序轴的特征值的显著性.

2.2 空间自相关性

局部Moran指数可以用来检验局部区域是否存在变量聚集现象[33],使用局部Moran指数来衡量局部空间自相关，计算公式为[33]5

(1)

文中将2020年8月泥石流灾害前后PNP和INDV分别相减来衡量泥石流灾害后植被破坏情况，计算公式为

其中，PNP,dif和INDV,dif表示植被破坏状况；
PNP,after和INDV,after为灾后值；
PNP,before和INDV,before为灾前的值.PNP,dif或INDV,dif小于0，表示植被受到泥石流的破坏，反之亦然.分别对其进行空间自相关性分析，根据聚类结果，空间分布模式可分为4种类型，包括高-高(H-H)、低-低(L-L)、高-低(H-L)和低-高(L-H)类型.在本研究中，H-H表示PNP或INDV增加，相邻像元也增加，而L-L表示灾害后PNP或INDV值降低且被附近低值包围.H-H和L-L表明PNP或INDV中强烈的正空间自相关关系(聚类).L-H表示PNP或INDV降低的像元，其相邻像元的PNP或INDV增加，H-L与之相反.

2.3 数据收集和处理

文中涉及到PNP和INDV数据集及15个潜在影响因素.遥感数据来自MODIS数据产品，行列号为h26v05.其中，INDV选用MOD13Q1数据集，是250 m分辨率的16 d合成产品.PNP数据选用MOD17A2H数据集，分辨率为500 m.分别下载了2000—2020年8月的遥感影像数据.MODIS数据的格式转换、投影和重采样(重采样空间分辨率为30 m)在MRT软件中完成.影响因素包括泥石流沟形态数据，DEM及其派生数据，土壤质地数据和景观格局数据(表1).泥石流沟的形态数据是在野外定点数据基础上，根据Google高清影像在ArcGIS中目视解译获得.数字高程模型数据(Digital elevation model，DEM)由野外调查GPS定点获得.坡度和坡向数据分别由ArcGIS软件下的slope和aspect工具根据DEM数据计算得出.坡向1～8分为以下几类：1(337.6°～22.5°)，2(22.6°～67.5°)，3(292.6°～337.5°)，4(67.6°～112.5°)，5(247.6°～292.5°)，6(112.6°～157.5°)，7(202.6°～247.5°)和8(157.6°～202.5°).其值越大，日照越多，区域越干燥.根据植被类型数据，在Fragstats软件中计算获得景观指标.此外，使用了关于植被类型的空间分布数据.所有的数据均统一为相同的坐标，并重采样为30 m分辨率.利用ArcGIS中的zonal工具根据泥石流沟的边界将数据进行区域统计，获得每个沟相应数据集的均值.

表1 数据来源及特征

3.1 泥石流沟植被状况的时空分布特征

3.1.1 时空变化特征 由图2可以清楚地看到，2000—2020年8月的PNP和INDV之间有很强的相似性，PNP和INDV均呈现明显上升的趋势.PNP和INDV变化趋势分别为1.556 7 a-1和0.003 5 a-1(P<0.05)，由此可知，泥石流沟的植被状况向好的趋势发展，这跟植树造林的生态工程密不可分.由于2010-8-12,2017-08-06及2020-08-14-陇南市均发生了大暴雨，引发泥石流灾害，植被造成了严重破坏.图2显示，这些年份植被PNP和INDV值相较于其他年份较低，这说明这2个指标可用于泥石流灾害的植被监测.PNP和INDV的变化有所不同，PNP的增长趋势要强于INDV.

图2 2000—2020年8月的PNP和INDV年际变化

由图3可见，2000—2020年8月PNP和INDV年际变化空间分布较为相似.白龙江及两侧公路PNP和INDV明显减小，两侧坡面有所增加.东江镇PNP和INDV下降最为明显，人类活动对植被的影响也极为剧烈.这是由于东江新区的建设，建设用地面积增大，植被覆盖度降低.PNP增加区域占总面积的75.40%，而减少区域仅占24.60%.INDV增加区域占总面积的64.08%，减小区域占总面积的35.92%.

图3 2000—2020年8月PNP和INDV年际变化率分布

3.1.2 空间分布特征 2020年泥石流灾害前(7月26日)和灾害后(8月19日)PNP的空间分布如图4所示.灾害前(图4(a))的PNP值明显高于灾害后(图4(b)).灾害前，泥石流沟PNP的均值为0.108 kg·m-2C，灾害后转为0.098 kg·m-2.可知，白龙江南岸泥石流沟的PNP值明显大于北岸，而北岸的PNP下降趋势更加明显.灾害前，北岸PNP均值为0.081 kg·m-2C，南岸为0.19 kg·m-2C；
灾害后，北岸PNP下降到0.071 kg·m-2C，而南岸变为0.17 kg·m-2C.如北岸的甘家沟，PNP由灾害前的0.02 kg·m-2C，灾后下降到0.12 kg·m-2C；
南岸的构林坪由0.024 kg·m-2C下降到0.015 kg·m-2C.灾害前(图4(c))和灾后(图4(d))INDV空间变化不明显，灾害前INDV(INDV0803)均值为0.6174，灾后INDV(INDV0819)均值为0.601.灾害前，白龙江北岸泥石流沟INDV均值为0.632，南岸均值为0.575，北岸高于南岸，这与PNP相反.灾后，北岸的INDV下降到了0.618，南岸为0.55，南岸INDV下降更多.可以发现INDV和PNP在空间分布上显示出显著的相似性.具体而言，两者都在白龙江两侧及沟道内较小，坡面上的值较大.但受泥石流灾害影响，PNP空间变化更加明显.因此，PNP能够显示更多的环境条件，并且对环境变化更加敏感.

图4 泥石流灾害发生前和发生后PNP和INDV 的空间分布

3.2 泥石流沟植被破坏状况及其与环境因子的关系

3.2.1 泥石流灾害对植被破坏分析 本研究结合LISA聚类图进行了综合分析，以揭示研究区域局部地区PNP,dif和INDV,dif的空间自相关性.由图5可知，研究区域PNP,dif的LISA聚集以正空间自相关模式(L-L和H-H)为主，65.93%的区域显著.L-L聚集区主要分布在白龙江两侧及泥石流沟中下游形成区和堆积区，且这些区域也是PNP值较低的区域，占总面积的26.95%.而H-H聚集区主要位于泥石流沟的上游清水区，占总面积的31.94%.表明该地区的植被覆盖度相对较好，受灾害影响较小.这也说明泥石流灾害对植被较好的区域危害较小[19].与PNP,dif聚集相似，INDV,dif聚集以正空间自相关模式为主，67.90%的区域显著.L-L聚集占总面积的28.26%，H-H占总面积的29.7%.

图5 研究区PNP,dif和INDV,dif的LISA聚类

3.2.2 RDA排序分析 为了研究植被破坏受环境因素影响的程度，以野外调查的88条泥石流沟为样本，对2组变量进行了冗余分析(表2).PNP和INDV与环境因子变量的RDA结果显示，前2个轴的特征值分别为0.414 2和0.039 2.前2个RDA轴的PNP和INDV环境相关性分别为0.666和0.861，并且前2个轴的累积解释变化为45.7%，表明植被生长状况和环境因子密不可分.通过蒙特卡罗置换试验显示，第一排序轴和所有排序轴的P值均小于0.01，说明RDA排序达到显著水平.

由表2可知，DSB，Ssilt和c与第一排序轴的相关性最高，相关系数分别为-0.814,-0.638和-0.547.DEM,DRH和LS与第二排序轴相关性最高，相关系数分别为0.919，0.876和0.758.第一排序轴主要反映土壤质地特征，而第二排序轴反映的是泥石流沟的形态特征，且后者与环境因子的相关性要强于前者.INDV灾害前(INDV0803)和灾后(INDV0819)均与绝大多数的环境因子显著相关，与DEM,DRH和LS呈极显著的正相关关系，与s和DP呈显著负相关关系.但INDV0803与环境因子的相关性大于INDV0819.PNP0803和PNP0819与环境因子的相关性明显低于INDV，均与DSB,ssilt和c显著负相关.

表2 环境因子与前2个RDA轴之间的相关系数

4.1 相关性分析

由表3可知，各环境因子之间存在明显的相关性，如DEM/DRH,s/DRH,LS/ILS和c/DEM等.由此可以看出泥石流沟的地形和沟道的形态及土壤的质地存在着密切的关系.这种密切联系共同影响着INDV,dif和PNP,dif，即植被破坏状况.PNP,dif与沟道特征指标，即LS,DRH,DEM，土壤质地指标(c和s)在P=0.01水平上显著相关，与S关系也较为密切.INDV,dif与地表形态指标(C,LS,DRH和DEM)在P=0.01水平上密切相关，与ssilt,A,ISI,a和S等指标在P=0.05水平上相关.可以看出，RDA排序结果与Pearson相关分析结果之间具有一致性.植被覆盖度通过影响的土壤化学性质，从而导致土壤养分发生变化[34].例如，Pei等[35]研究表明土壤养分会随着植被覆盖率的增加而增加，同时植被覆盖率的增加会导致表层土壤的含沙量下降，淤泥和粘土含量增加.PNP,dif与环境指标的关系更为密切.“沃岛效应”同样也说明了这个问题，即灌木植被会增加附近土壤养分的含量[36].文中研究的泥石流沟面积较小且分布密集,研究时间段为2020年8月泥石流发生前后,因此，环境因子中没有涉及到气候的因子.

表3 INDV,dif和PNP,dif与环境因子之间的相关性

4.2 PNP和INDV对比研究

2000—2020年8月份的INDV变化趋势要小于PNP(图2).PNP计算的是8月的加和，而INDV计算的是8月的最大值，以消除云及太阳高度角的影响.由图3可知，泥石流灾害前后，INDV空间变化不显著,因此，INDV不能全面地反映环境变化对区域植被覆被状况的影响.但是，INDV受地形、土壤和景观格局等指标的影响要强于PNP，而PNP对环境变化的敏感度要强于INDV(表3).因此，在灾害的植被监测过程中，应结合INDV和PNP2个指标，一方面可通过INDV厘清植被的影响因子，另一方面可通过PNP反映出植被变化的情况.

为了进一步确定泥石流多发地区的PNP和INDV之间的关系，计算2000—2020年PNP和INDV的相关性(图6).PNP和INDV的相关系数R2=0.436，在P<0.001 水平上显著强相关.基于像素的空间分析的结果表明，91.38%的区域，PNP和INDV呈正相关关系.负相关关系占区域总面积的9.42%，主要分布于白龙江的南岸.这意味着复杂环境中植被对PNP的贡献不仅是单向的，而且可能对PNP产生负面影响.生态恢复与泥石流灾害的交替影响导致了该地区植被的动态变化.在生态工程开始时，植物幼苗对泥石流等灾害的抵抗力较弱，很容易被掩埋，从而降低了地上生物量和PNP.随着植物的生长，PNP的持续增加也增强了水土保持能力.然而，植被对地表径流和土壤稳定性的影响极为复杂[37-38]，这可能加剧了水土流失的过程.

图6 PNP和INDV的相关性

基于2个表征植被状况的指标(PNP和INDV)，分析了2000—2020年8月时空变化特征和2020年8月泥石流灾害前后空间分布规律，并探讨了植被破坏程度与其他环境因子的关系.结论如下：

1)2000—2020年8月PNP和INDV均呈现上升趋势，但PNP的上升趋势更显著.但INDV和PNP年际变化空间的分布差异明显，城镇建设用地的扩张和泥石流灾害对PNP和INDV降低具有重要的影响.相比于INDV，PNP能够更清楚地反映植被变化.白龙江南岸PNP明显高于北岸，INDV则相反.泥石流灾害发生后PNP和INDV比灾害发生前明显降低.

2)通过RDA分析，第1、第2排序轴解释了PNP和INDV45.7%的变化，其中灾害前后的INDV与DRH,LS和DEM等绝大多数指标显著相关，且灾害后的INDV与环境因子的相关性明显低于灾害前.灾害前后的PNP与环境因子的相关性变化不大，且均与ssilt，c和DSB呈显著相关性.

3)PNPdif和INDV,dif的低低集聚区(L-L)主要分布在泥石流沟中下游形成区和堆积区.而高高聚集区(H-H)主要位于泥石流沟的上游清水区，表明其受灾害影响较小.

因此，在泥石流易发区，应结合INDV和PNP2个指标，一方面可通过INDV厘清植被的影响因子，另一方面可通过PNP反映出植被变化的情况.另外，文中选择MODIS遥感产品，数据的分辨率较低，今后应选择高分辨率的哨兵或SPOT影像，可以更加精确地分析泥石流沟的植被变化特征.

猜你喜欢 泥石流排序植被 呼和浩特市和林格尔县植被覆盖度变化遥感监测科学技术创新(2022年30期)2022-10-21基于植被复绿技术的孔植试验及应用河北地质(2022年2期)2022-08-22作者简介名家名作(2021年4期)2021-05-12与生命赛跑的“沙漠植被之王”——梭梭科学大众(2020年17期)2020-10-27恐怖排序科普童话·学霸日记(2020年1期)2020-05-08节日排序小天使·一年级语数英综合(2019年2期)2019-01-10泥石流杂文月刊(2018年21期)2019-01-05公路水土保持与植被恢复新技术中国公路(2017年11期)2017-07-31“民谣泥石流”花粥:唱出自己海峡姐妹(2017年6期)2017-06-24泥石流环球时报(2017-06-14)2017-06-14