魏豐良，劉廷璽，張圣微，丁 磊，崔德新，趙澤峰

（1.內(nèi)蒙古農(nóng)業(yè)大學(xué)，呼和浩特010018；2.內(nèi)蒙古自治區(qū)灌溉排水發(fā)展中心，呼和浩特010018）

近年來，隨著全球環(huán)境變化和人類的不合理利用，大部分干旱和半干旱地區(qū)的生態(tài)系統(tǒng)遭到嚴(yán)重的破壞，處于荒漠化的邊緣［1］。過度放牧和對森林的過度砍伐導(dǎo)致科爾沁草地大面積荒漠化［2］，對中國北部草原構(gòu)成嚴(yán)重的生態(tài)威脅［3］。盡管在過去的很多年里，人們通過種植或建造沙漠流動障礙物等措施在一定程度上控制沙漠的移動［4］，但在依靠植被種植治沙效果不明顯的區(qū)域，如何更好地通過合理的管理天然植被來治理和防止荒漠化成為了研究的焦點［5］。近年來基于遙感技術(shù)的植被覆蓋變化及其相關(guān)的研究方法應(yīng)運而生。利用遙感技術(shù)較傳統(tǒng)方法既節(jié)省了大量的野外調(diào)查和實驗的時間和科學(xué)研究的經(jīng)費，又提高了工作效率，最重要的是能更加直觀的揭示植被分布的規(guī)律。植被指數(shù)是由可見光和紅外波段建立起來的線性和非線性組合，大量研究結(jié)果表明，利用紅光和紅外波段的不同組合進行植被研究效果很好［6］。段利民等［7］通過遙感技術(shù)研究了科爾沁沙地地下水與NDVI的時空變異性。

雖然NDVI是應(yīng)用最為廣泛的植被指數(shù)，但也有其局限性，如高值區(qū)的飽和、沒有考慮背景值對指數(shù)的影響等［8］。秦鵬等［9］基于 ASTER 影像提取NDVI與SAVI進行了比較，提出SAVI對于各種地類的值域較寬，反映綠色植被內(nèi)部差異信息較明顯。通過計算得到的SAVI序列很好地代表了研究區(qū)植被生長狀況的好壞，但是進一步研究其植被覆蓋變化的時空變異性及其與氣候因子的關(guān)系，為荒漠化防治提供理論依據(jù)顯得至關(guān)重要。

隨機序列變異性研究的主要研究手段有地統(tǒng)計學(xué)方法、混沌理論及經(jīng)驗正交函數(shù)分解法等，其中熵作為度量不確定性和無序性的一種方法，自Shannon于1948年提出信息熵的概念后，近年來其應(yīng)用得到了很大的推廣，涉及了諸多研究不確定性問題的科學(xué)領(lǐng)域［10］。董闖［11］等運用了邊際熵、分配熵和強度熵分別在年內(nèi)和年際尺度上對時間序列的變化進行了研究，分析了石羊河流域8個氣象站50a的降雨時間序列的時空變異性。

以往對科爾沁沙地植被的研究中，僅僅局限于植被生長因素（如地下水位、降雨等）和植被（植被指數(shù)）之間的響應(yīng)關(guān)系，或者針對某一種植物的生理特性展開研究，并沒有從整體上針對研究區(qū)內(nèi)的植被覆蓋變化進行全面深入的闡述，對植被覆蓋變化的時空變異性對比分析及與氣候因子關(guān)系的研究不多，本文將針對該問題給出系統(tǒng)的分析。

1 研究區(qū)概況及研究方法

1.1 研究區(qū)概況

研究 區(qū) 位 于 東 經(jīng) 120°30′—123°30′，北 緯 42°00′—43°30′，研究區(qū)面積約為16 807km2，地處科爾沁沙地與松遼平原交接地帶，為科爾沁沙地南緣，東北部與吉林省雙遼縣接壤，東部和南部與遼寧省彰武、康平、昌圖縣相鄰；西部和北部與內(nèi)蒙古通遼市庫倫旗、奈曼旗和開魯縣、科爾沁區(qū)相連，屬于西遼河流域的閉流區(qū)域，是典型的坨甸相間地區(qū)。

1.2 數(shù)據(jù)獲取與處理

考慮研究區(qū)的氣候條件，本文選擇一年中植被的生長季4—9月為研究期，遙感數(shù)據(jù)的獲得是通過美國地 質(zhì) 調(diào) 查 局 （USGS）網(wǎng) 站 （http：／／mrtweb.cr.usgs.gov）下載2000—2009年 MODIS地表反射率產(chǎn)品MOD09A1，其空間分辨率為500m，時間分辨率為8d，通過IDL平臺提取SAVI，并通過傅里葉變換對原始數(shù)據(jù)進行去噪處理，運用去噪后的年際SAVI值對研究區(qū)植被覆蓋變化的時空變異性進行分析。氣象數(shù)據(jù)是通過中國地面氣候資料日值數(shù)據(jù)集下載研究區(qū)內(nèi)及周邊氣象站2000—2009年的年、月降雨量和氣溫。

1.3 選區(qū)原則

為便于討論研究區(qū)內(nèi)植被覆蓋變化的時空變異性，經(jīng)實地植被生態(tài)調(diào)查，考慮所選研究區(qū)特點，本著均勻分布、具代表性、便于分析的原則，在研究區(qū)內(nèi)選擇五條經(jīng)線，五條緯線共選定了 WA3，WA4，WA5，WB3，WB4，WC3，WC4，WD2，WD3，WD4，WD5，WE1，WE2，WE3，WE4，WE5共16個典型樣本區(qū)域進行研究，樣本區(qū)域大小為20×20pixels，面積為133km2，見圖1。

圖1 研究區(qū)10年平均SAVI值及選定的16個典型樣本區(qū)域位置

1.4 SAVI熵值估計

歐春平等［12］定義了差異信息序列的熵如下：

式中：K＝1／ln2；S——差異信息序列X（S）的長度；yj——差異信息序列X（S）的分量值，當(dāng)且僅當(dāng)序列各元素相同時，Imax（X）＝K·lnS。采用年代分配熵（DAE）［12］度量SAVI在2000—2009年分配的不均勻性，首先統(tǒng)計各年各月各樣本區(qū)域的SAVI值并求和，然后求各月各樣本區(qū)域概率，利用式（1）求年代分配熵；另外用無序指標(biāo)（DI）來描述變異性，DI為基于熵的最大可能熵值與根據(jù)實測數(shù)據(jù)序列計算得到的熵值的差。若無序指標(biāo)（DI）用年代分配熵（DAE）計算時，稱其為分配無序指標(biāo)（ADI）。無序指標(biāo)越大，變異性就越大。本文用平均分配無序指標(biāo)MADI來比較研究區(qū)的時空變異性。其中：

式中：N——熵序列長度。

2 結(jié)果與分析

2.1 植被空間格局的時空變異性

圖1表示了研究區(qū)10a平均SAVI時空變異分布圖，其值域為［0.284 0.859］。從整體上明顯可以看出研究區(qū)內(nèi)同時期的植被生長狀況東部好于西部，南部好于北部。文中進一步運用平均分配無序指標(biāo)（ADI）來度量SAVI在不同年份分布的變異性，某年的ADI愈大，那么此年SAVI變異性就愈大。用每年所有樣本區(qū)ADI的均值（MADI）表示這種變異性，可得到研究區(qū)16個樣本區(qū)域2000—2008年SAVI分布的MADI，見圖2。由圖2可以看出，研究區(qū)內(nèi)SAVI變異性相對較高的年份出現(xiàn)在2000年、2002年、2007年、2008年，而2005年相對最小，主要和降雨有關(guān)，較其他年份2005年的降雨充沛，更加利于植被的生長，而2000年等年份的降雨稀少，植被生長差且參差不齊，表現(xiàn)的變異性就相對較大。

圖2 研究區(qū)年SAVI平均分配無序指標(biāo)（MADI）的變化

同樣用各樣本區(qū)域10a的MADI來表示SAVI的空間變異性，見圖3?？梢钥闯?，樣本區(qū)WA5的變異性相對最高，位于研究區(qū)的西部南緣；WD5，WE4，WE5相對較低，主要集中在研究區(qū)東部靠南位置，但從整體上看，研究區(qū)SAVI空間分布的變異性以東南部較低，而偏西和偏北部較高。

圖3 研究區(qū)16個樣本區(qū)域SAVI的10a平均分配無序指標(biāo)（MADI）分布

2.2 植被空間格局與氣象因子關(guān)系的分析

圖4—5表明了SAVI與溫度、降雨量的相關(guān)關(guān)系。由圖可知，SAVI與兩者均呈正相關(guān)關(guān)系，且與降雨量的關(guān)系更加密切。

圖4 研究區(qū)2000－2009年內(nèi)SAVI和降雨量關(guān)系

圖5 研究區(qū)2000－2009年內(nèi)SAVI和溫度關(guān)系

圖6—7表示了研究區(qū)生長季內(nèi)逐月的SAVI增長百分率、降雨量及氣溫累計增長百分率等值線圖，其中圖中顏色的深淺代表了SAVI增長百分率的大小，等值線代表了降雨量及氣溫累計增長百分率大小?？梢钥闯?，4—5月，隨著氣溫和降雨量逐漸增加，植被的生長速率開始逐漸增大，SAVI增長百分率隨之增加，增加較快的地方主要集中在研究區(qū)的中東部，西部相對較小，最小為17.69%，雖然該時期溫度累計增長百分率大于降雨量，但是很明顯的降雨是該時期影響植被生長的主導(dǎo)因素（圖6—7）。進入6月，降雨量和氣溫累計增長百分率達到最大，尤其降雨量最高達到275%，集中在研究區(qū)的西北部，而氣溫的累計增長百分率較前一個月整體上有所增加，在研究區(qū)內(nèi)空間上差異小。降雨量和氣溫的影響使得植被生長速率隨之增長，SAVI增長百分率更具規(guī)律性，東南部和西北部增長較快，其最高分別為33.74%，28.97%，而中部增長相對最小。6—7月SAVI增長百分率表現(xiàn)出基本相同的規(guī)律，雖然降雨量和氣溫的增長百分率明顯降低，但是由于降雨對于植被生長的延遲作用，該時期研究區(qū)各樣本區(qū)域SAVI增長百分率繼續(xù)增長，最大、最小值分別為55.84%，29.55%，由圖6可以看出，西部和中部的大部分地方SAVI增長百分率與氣溫累計增長百分率的變化趨勢相同，因此，該時期內(nèi)氣溫是影響植被生長的決定因素。

圖6 各樣本區(qū)域10a平均年內(nèi)SAVI值增長百分率及累計降雨量增長百分率等值線

圖7 各樣本區(qū)域10a平均年內(nèi)SAVI值增長百分率及氣溫累計增長百分率等值線

進入8月，降雨量和氣溫累計增長百分率持續(xù)降低，尤其降雨量開始出現(xiàn)負(fù)增長，主要集中在研究區(qū)西部邊緣，但是前段時間的持續(xù)降雨量和升溫使得SAVI值繼續(xù)增大，SAVI增長百分率也大大減小，最大僅為20.35%，主要位于研究區(qū)東部中間，此外中部和西部南緣增長也相對較快；最小SAVI增長百分率出現(xiàn)在研究區(qū)西部，為5.31%，原因是降雨量大幅減少和氣溫大幅降低，其中降雨是主要影響因素；到了8月上旬，植被生長狀況最好，此時SAVI值達到最大。隨后至9月底，降雨量和氣溫累計增長百分率大幅度降低，但空間上差異很小，此時的SAVI值處于負(fù)增長狀態(tài)，植被開始進入衰退期。衰退速率最快的出現(xiàn)在研究區(qū)西北部北緣、中部偏東北緣及東部東緣，尤其是東部東緣，SAVI增長百分率高達－30.75%；而植被衰退速率最慢的區(qū)域主要分布于研究區(qū)西部的中間位置，SAVI增長百分率最小為－21.94%。

3 結(jié)論

本文針對干旱半干旱的荒漠化地區(qū)植被覆蓋變化變異性展開了討論，以科爾沁沙地為研究區(qū)，該研究區(qū)屬于西遼河的閉流區(qū)域，位于科爾沁沙地南緣。在其內(nèi)選取16個樣本區(qū)域，運用遙感技術(shù)提取土壤調(diào)節(jié)植被指數(shù)（SAVI），結(jié)合信息熵理論，對SAVI的時空分布及變異性進行了分析，最后通過相關(guān)分析確定SAVI序列和氣候因子之間的關(guān)系。整體來看，研究區(qū)內(nèi)植被的生長狀況為東部好于西部，南部好于北部。研究區(qū)內(nèi)植被時間上的變異性2000年、2002年、2007年、2008年較大，2005年較小，空間上變異性東部較小，西部較大；整體上植被時空變異性不大。降雨量、氣溫均與SAVI呈正相關(guān)，降雨對于SAVI的影響較氣溫更大。降雨和氣溫使得不同時期的SAVI增長百分率及其時空分布也存在變異性，生長季內(nèi)植被生長速率越高的地方，進入枯萎期其衰退的速率也越快。

另外，本文采用的遙感數(shù)據(jù)分辨率較低，且沒有考慮經(jīng)濟數(shù)據(jù)，因此接下來應(yīng)該進一步選取高分辨率遙感數(shù)據(jù)，結(jié)合土地利用情況，同時考慮植被的不同物候?qū)ρ芯繀^(qū)植被的水文生態(tài)過程展開進一步的研究。

［1］ Schlesinger W H，Reynolds J F，Cunningham G L，et al.Biological feedbacks in global desertification［J］.Science，1990，247（4946）：1043－1048.

［2］ Zhu Z，Chen G T.The Sandy Desertification in China［M］.Bejijing：Science Press，1994：250－268.

［3］ Liu Z，Yan Q，Li X，et al.Seed mass and shape，germination and plant abundance in a decertified grassland in northeastern Inner Mongolia，China［J］.Journal of Arid Environments，2007，69（2）：198－211.

［4］ Li S G，Harazono Y，Zhao H L，et al.Micrometeorological changes following establishment of artificially established artemisia vegetation on desertified sandy land in the Horqin sandy land，China and their implication on regional environmental change［J］.Journal of Arid Environments，2002，52（1）：101－119.

［5］ 蔣德明，劉志民，寇振華.科爾沁沙地荒漠化及生態(tài)恢復(fù)研究展望［J］.應(yīng)用生態(tài)學(xué)報，2002，12（12），1695－1698.

［6］ 田慶久，閔祥軍.植被指數(shù)研究進展［J］.地球科學(xué)進展，1998，13（4）：327－333.

［7］ Duan L，Liu T，Wang X，et al.Water table fluctuation and its effects on vegetation in a semiarid environment［J］.Hydrology and Earth System Sciences，2011，8（2）：3271－3304.

［8］ 王正興，劉闖.植被指數(shù)研究進展：從AVHRR—NDVI到 MODIS—EVI［J］.生態(tài)學(xué)報，2003，23（5）：979－987.

［9］ 秦鵬，陳鍵飛.ASTER影像提取植被信息的NDVI與SAVI法比較：以廣州花都區(qū)為例［J］.熱帶地理，2008，28（5）：419－422.

［10］ 張繼國.降水時空分布的信息熵研究［D］.南京：河海大學(xué)，2004.

［11］ 董闖，粟曉玲.基于信息熵的石羊河流域降雨時空變異性研究［J］.西北農(nóng)林科技大學(xué)學(xué)報：自然科學(xué)版，2011，39（1）：222－228.

［12］ 歐春平，夏軍，Huang G H.基于信息熵的流域水文要素時空變異分析研究［J］.大連理工大學(xué)學(xué)報，2006，46（增刊）：168－173.