艾比湖湿地位于准格尔盆地西南部边缘带和阿拉山口风区交接处, 湖泊构造上属断陷湖结构, 是我国西北地区第一大咸水湖, 属于温带大陆性气候, 年平均气温5 ℃, 年平均降水量105.17 mm, 蒸发量1 315 mm, 蒸发量约为降水量的12.5倍, 属极端干旱与干旱区。湖泊主要依靠河流补给与冰雪融水补给, 主要入湖河流有博尔塔拉河、精河、奎屯河、四棵树河和古尔图河, 目前主要依靠博尔塔拉河补给, 其余河流均已断流。以湖泊为中心形成的湿地, 植被覆盖类型多样, 主要植被有梭梭(Holoxylon ammodendron)、芦苇(Phragmites australis)、柽柳(Tamarix chinensis)、盐节木(Halocnermum strobilaceum)、盐爪爪(Kalidium foliatum)、骆驼刺(Alhagi sparsifolia)、花花柴(Kareliniacaspica)、碱蓬(Suaeda glauca)、梭梭(Haloxylon ammodendron)和胡杨(Populus euphratica)等植物, 湿地植被覆盖状况整体状况良好。

1.2.1 遥感数据 通过美国地质勘查局USGS网站下载获取1998年9月、2007年9月和2011年7月三期TM影像和2014年8月一期OLI影像。由Landsat 8卫星生成的OLI影像进行5、4、3三个波段组合红外假彩色影像, 能够消除大气水汽对于地表植被的影响, 对地表植被地反映也更为清晰, 且能获得更准确的植被覆盖信息。由Landsat 5、7获得TM影像, 以4、3、2三个波段合成产品为基础进行解译, 影像对应时期均为一年内植被生长比较茂盛时期。

1.2.2 气象数据 通过中国气象科学数据共享服务网站获得中国地面国际交换站(精河站)气候资料年值数据集和月值数据集。由区站号为51334的气象站提供1951年-2014年气象数据, 经纬度位置为(44° 37' N, 82° 54' E), 海拔320.1 m, 此研究数据的选取以所获取的影像资料所对应的前一月、当月、后一月共3个月气象资料为基础, 再结合遥感影像解译数据进行模型拟合和估计。

1.2.3 NDVI指数的提取 NDVI指数即归一化植被指数, 主要通过光学原理利用遥感影像的波谱特征进行提取, 能够较好地反映出地表植被的生长状况和植被覆盖状况, 与植被的叶面积指数、净初级生产力以及吸收光合有效辐射比例(fraction of absorbed photosynthetically active radiation, FAPAR)等具有较强的相关性^[13]。具体算法如下:

NDVI=(DN_NIR-DN_R)/(DN_NIR+DN_R) (1)

式中:DN_NIR表示TM影像的近红外波段反射率, DN_R表示TM影像的可见红光波段的反射率。NDVI指数取值范围在-1~1, -1~0区间内表示无植被覆盖或水体、云、雪覆盖的NDVI值, 0~1区间内表示有植被覆盖且随着覆盖度的增加其值也越大, 具体操作利用ENVI 4.5软件的NDVI功能实现。

1.2.4 像元二分模型 像元二分模型假设一个像元内由植被和裸土两部分构成, 像元信息量由植被组成部分信息量和土壤组成部分信息量共同构成, 对于混合像元的信息量可用下式表示:

F_g=(F₀-F₁)/(F-F₁)(2)

式中:F_g表示植被覆盖度, F表示像元所反映的信息总量, F₁表示纯植被像元所覆盖的遥感信息量, F₀表示纯土壤覆盖像元的信息量。综合各类植被指数进行评价, 选取能够反映植被覆盖度的NDVI指数进行计算, 将NDVI值带入式(3)中可得到。

F_g=(NDVI-NDVI_soil)/(NDVI-NDVI_veg) (3)

式中:NDVI_soil表示完全为裸土或无植被覆盖区的NDVI值, NDVI_veg表示完全为植被覆盖区的NDVI值, 分别可通过式(4)和(5)求得:

NDVI_soil= Fgmax×NDVImin-Fgmin×NDVImaxFgmax-Fgmin(4)

NDVI_veg= (1-Fgmin×NDVImin-Fgmin×NDVImaxFgmax-Fgmin(5)

式中:F_{g max}表示植被覆盖度的最大值, 理想状况下接近于1, F_{g min}表示地表无植被区的覆盖度, 取值趋近于0, 但在实际环境中很少能够满足条件要求。在计算过程中依据干旱区环境特征通常取像元灰度值在累积概率为5%和90%时的值用来计算荒漠基质景观的植被覆盖度, 通过ENVI 4.5的Band math功能实现。

利用像元二分模型对提取的四期影像的NDVI指数进行校正, 获得精度在95%以上的研究区域NDVI指数, 通过ENVI 4.5软件的密度切片工具对NDVI指数进行划分, 制定NDVI指数的空间分布特征(图1)。其分布特征为1998年9月和2007年9月NDVI空间分布较为一致。在有河流穿越的区域, 由于水热条件较好的林地(包括灌木、疏林地、有林地)等面积较大, 相应的NDVI也比较大; 在研究区南部由于人工开垦农田, 耕地面积的增加使得对应的NDVI值也比较高; 相反, 在东部靠近沙漠区边缘带, 由于土地退化等原因, NDVI值呈现一定的下降趋势; 在河流两岸地带由河流向两岸逐渐降低, 呈现更为狭窄的带状分布, 2011年和2014年这种趋势更为明显; 2011年艾比湖流域西北部地区因植被覆盖度降低和土地沙化导致NDVI值出现负值, 主要源于人口增长带来的压力, 耕地面积的逐年扩张, 开荒造田, 过度引用入湖河水灌溉; 在西南边缘带因以农五师第90团为中心的屯垦区农业种植面积扩大, 导致同一时期的NDVI值相应有所增加; 在保护区内, 保护措施的加大使得人为干扰因素对林、草地等的影响减弱, NDVI值有所升高。

图1

Fig. 1

	Figure Option ViewDownloadNew Window
	图1 不同年份月值NDVI指数空间分布特征Fig. 1 Characteristics of monthly values of NDVI index spatial distribution in different years

目前已有研究对归一化植被指数(NDVI)在时间尺度上的研究多集中于不同季节之间的比较, 而对于不同年份相同季相的研究较少。本研究对同一季相的四期遥感影像进行NDVI指数的提取, 时间分布特征如图2所示。

图2

Fig. 2

	Figure Option ViewDownloadNew Window
	图2 不同年份不同植被覆盖度NDVI月值指数值域分布面积及所占比重Fig. 2 Distribution area and the proportion of different monthly values of NDVI range in different years

NDVI月值指数值域分布面积是指不同年月时期同一NDVI值所对应的区域面积, NDVI月值指数值域分布面积所占比重是指不同年月同一NDVI值对应面积占总区域面积的百分比。在-1~0区间的NDVI值像元所占比重1998年为45.6%, 2007年为38%(图2), 假设1998年在-1~0区间的NDVI值增长率为1, 则2007年同比下降0.15; 2011年所占比重为50.5%, 同比上升0.31; 2014年所占比重为53.76%, 同比下降0.06。1998年至2007年, NDVI值为负值(-1~0)的像元比重有所下降; 2007年至2011年, 这一指数范围内呈现增长态势; 而在2011年至2014年又有所降低。在0~1间, 假设1998年NDVI值的增长率为1, 则2007年同比增长率为60%, 2011年同比增长率为-70%, 2014年同比增长率为-63%, NDVI值上升约0.07。

研究区以荒漠景观为基质, 植被覆盖与其它不同类型景观存在一定的差异^[2]。对研究区进行覆盖等级的划分, 得出研究区植被覆盖度状况(表1、图2)。

结果表明, 艾比湖湿地植被覆盖度可分为高植被覆盖(0.875~1.000)、较高植被覆盖(0.625~0.875)、中植被覆盖(0.375~0.625)、低植被覆盖(0.125~0.375)、无植被覆盖(0.000~0.125)5个等级, 区内无植被覆盖区域面积所占比重最大(表1), 主要原因是计算过程中预先将水体区域界定为无植被覆盖区域, 进而增加了无植被覆盖区域的面积。无植被覆盖土地面积1998年为2 215.89 km², 2007年为2 156.5 km²(表2)。2011年无植被覆盖的面积又有所增加, 占研究区总面积的89%, 同比增加15%; 与2011年相比, 2014年8月无植被覆盖区域的面积所占比重为65%, 与前三期比较无植被覆盖的面积减少幅度最大, 2011年艾比湖流域西北部地区NDVI值出现负值(图3), 这是因为该地区出现植被覆盖度恶化和土地沙化的情况, 这主要是源于人口增长, 耕地面积的逐年扩张, 开荒造田, 过度引入湖河水灌溉。而在低覆盖度范围内, 2014年的面积均比前三期高, 在植被方面有所增强; 在中覆盖度和较高覆盖度范围内, 不同时期的土地面积基本一致, 变化幅度不大, 保持在3个百分点左右; 而高覆盖度面积比较大, 其中2007年面积最大, 2014年则降到了最小, 面积只有22.11 km²。

表1

Table 1

表1(Table 1)

表1 不同年份不同植被覆盖等级所占面积及比重 Table 1 Area and proportion of different grades of vegetation coverage in different years 覆盖分级 Vegetation cover level 1998-09 2007-09 2011-07 2014-08 面积 Area/ km2 占比 Proportion/ % 面积 Area/ km2 占比 Proportion/ % 面积 Area/ km2 占比 Proportion/ % 面积 Area/ km2 占比 Proportion/ % 无覆盖No coverage 2 215.89 79 2 156.50 77 2 478.15 89 1 830.28 65 低覆盖Low coverage 446.93 16 458.61 16 184.56 7 832.98 30 中覆盖Medium coverage 73.70 3 88.59 3 57.38 2 84.39 3 较高覆盖High coverage 32.23 1 46.51 2 39.36 1 31.50 1 高覆盖Higher coverage 32.50 1 51.04 2 41.80 1 22.11 1

表1 不同年份不同植被覆盖等级所占面积及比重 Table 1 Area and proportion of different grades of vegetation coverage in different years

图3

Fig. 3

	Figure Option ViewDownloadNew Window
	图3 不同年份月植被覆盖空间分布特征Fig. 3 Characteristics of monthly values of vegetation cover spatial distribution in different years

植被覆盖状况对气候环境的变化具有高度的灵敏性。温度、湿度和降水量的变化对植被覆盖状况有影响, 地表植被的覆盖状况外在地显现出来, 更进一步使微气候环境发生变化, 在不同植被覆盖等级范围内, 各影响因子的作用各不相同^[14]。选取与影像相对应的月值气象资料为基础, 结合影像对应的前一月、当月和后一月的气象数据, 算出平均月值气象数据, 最后对植被覆盖度与气候因子进行相关矩阵分析(表2)。

表2

Table 2

表2(Table 2)

表2 气候因子与植被覆盖的相关关系矩阵分析 Table 2 Analysis of correlation matrix between the climate of factors and vegetation coverage grades 气候因子 Climate factor 覆盖分级Vegetation coverage grade 无覆盖 No coverage 低覆盖 Low coverage 中覆盖 Medium coverage 较高覆盖 High coverage 高覆盖 Higher coverage 相对湿度Relative humidity -0.703 0.441 -0.577 -0.580 -0.258 月平均气温 Monthly average temperature 0.987 -0.886 -0.015 -0.012 -0.012 降水量Precipitation 0.992* -0.980 -0.294 -0.291 -0.291 注:* 表示显著相关(P< 0.05)。 Note:* indicate significant correlation at the 0.05 level.

表2 气候因子与植被覆盖的相关关系矩阵分析 Table 2 Analysis of correlation matrix between the climate of factors and vegetation coverage grades

利用皮尔逊相关系数进行单侧检验分析, 降水量与无植被覆盖区域显著相关(P< 0.05), 与其它植被覆盖等级呈负相关关系(P> 0.05)(表2)。月平均气温变化与植被覆盖状况之间无显著相关关系, 与无植被覆盖等级相关系数为0.987(P> 0.05), 与其它覆盖等级负相关(P> 0.05); 相对湿度与低植被覆盖等级正相关(P> 0.05), 与其它等级覆盖度负相关但不显著(P> 0.05)。

图4

Fig. 4

	Figure Option ViewDownloadNew Window
	图4 植被覆盖等级对降水量变化的曲线拟合Fig. 4 Response curve of vegetation coverage grades to precipitation change

2.4.1 降水量变化对植被覆盖的影响及线性模型估计 湿地保护区及周边地带, 由于人类活动相对较小, 对于植被的覆盖变化影响较小, 因此研究侧重于自然因素方面。对四期影像的植被覆盖面积和对应降水量数据资料构建二次函数模型, 以Y_i(i=高、中、低、无)代表4个时期植被覆盖面积, X_j(j=1998、2007、2011、2014)代表同期月平均降水量, 进行曲线复合估计。结果显示(图4), 1998年的降水量月值为102 mm, 这一时期无植被覆盖的面积占79%, 低覆盖的面积占16%, 中覆盖度面积仅占3%, 较高覆盖度和高覆盖度面积各占1%; 2007年月均值降水量只有52.7 mm, 这一时期无植被覆盖的面积下降约2个百分点, 低覆盖度的面积与前一时期持平, 而相反中覆盖和高覆盖的土地面积均有增加; 2011年降水量月均值为216.7 mm, 这一时期的无植被覆盖的面积所占比重为89%, 低覆盖度的面积减少了9个百分点, 中覆盖度、较高覆盖度、高覆盖度面积基本与1998年保持一致。

2.4.2 气温变化对于植被覆盖度的影响及线性模型拟合 气温对于植被覆盖度的影响较降水量明显^[15], 在时间上具有一致性, 气温变化直接影响着植被生长状况和长势。对比不同时期的气温与植被覆盖状况发现, 气温与之植被覆盖度之间存在显著的相关性(P< 0.05)(图5)。1998年平均气温17.57 ℃, 这一时期不同等级(无、低、中、较高、高)的植被覆盖度所占面积分别为79%、16%、3%、1%、1%, 2007年月平均气温17.47 ℃, 该时期不同等级(无、低、中、较高、高)的植被覆盖度所占面积分别为77%、16%、3%、2%、2%, 2007年平均气温较1998年约降低1 ℃, 这一时期的较高覆盖度和高覆盖度所占面积约增加了1个百分点; 2011年平均气温23.7 ℃, 较前两期的上升幅度较大, 不同等级(无、低、中、较高、高)的植被覆盖度所占面积分别为89%、7%、2%、1%、1%, 无植被覆盖度土地面积为2 478.15 km², 低植被覆盖度土地面积只有184.56 km², 减少了9个百分点左右, 中覆盖度面积较前两期下降了1个百分点, 高覆盖度面积与1998年保持一致维持在1个百分点左右。

通过线性模型对气温与植被覆盖度进行拟合估计, 结果表明, 无覆盖土地面积随累积气温上升而增加; 低覆盖与中覆盖土地面积随着累积气温的增加而降低, 累积气温的增加抑制了地表植被的生长, 土地面积减小; 较高覆盖与高覆盖土地面积受气温影响较低, 覆盖面积保持稳定且有一定的增加。

2.4.3 相对湿度变化对植被覆盖度的影响及线性模型拟合 相对湿度主要与降水量和气温变化相关。相对湿度的变化对于植被的覆盖度有一定的影响, 对比不同时期的平均湿度可以得出, 平均相对湿度较低时植被的覆盖度在中覆盖度、较高和高覆盖度范围所占面积下降; 相对湿度较高时, 低盖度和中盖度范围内所占面积比例较大, 主要在于较高和高覆盖度范围土地利用类型主要为耕地或者人工林地, 人为灌溉增加了土壤含水量, 增加了地表相对湿度, 增加高覆盖度的土地面积; 低覆盖度和中覆盖度土地所占面积较大。水源补给主要靠大气降水等补给, 人工引水较少, 相对湿度较高时植被生长状况较好, 植被覆盖面积也相应增加。表明相对湿度较高时, 低覆盖度和中覆盖度的土地面积增加; 相对湿度较低时, 较高覆盖度和高覆盖度土地面积在人为影响下仍会保持在一定范围内, 较高覆盖度和高覆盖度所占面积对平均相对湿度的变化反应灵敏性并不是很高。

图5

Fig. 5

	Figure Option ViewDownloadNew Window
	图5 植被覆盖等级对年平均气温变化的线性拟合Fig. 5 Response curve of vegetation coverage grade to air temperature change

湿度对植被覆盖的影响与温度降水不同, 无覆盖土地面积随着相对湿度的增加先降低至一定程度之后开始增加; 低覆盖与中覆盖土地面积随着相对湿度的增加而增加, 在相对湿度达到52.5%后开始减少; 较高覆盖与高覆盖土地面积随着相对湿度的增加到一定程度之后开始减少(图6)。

图6

Fig. 6

	Figure Option ViewDownloadNew Window
	图6 植被覆盖等级对湿度变化的曲线拟合Fig. 6 Response curve of vegetation coverage grade to relative moisture change