張潯潯， 段陽(yáng)海*， 吳淑瑩， 譚昌海， 趙陽(yáng)剛， 楊 斌， 文 浪， 肖志強(qiáng)， 孫 建

(1.中國(guó)地質(zhì)調(diào)查局應(yīng)用地質(zhì)研究中心， 四川 成都 610036； 2.自然資源要素耦合過(guò)程與效應(yīng)重點(diǎn)實(shí)驗(yàn)室， 北京 100055； 3.四川省華地建設(shè)工程有限責(zé)任公司， 四川 成都 610081； 4.四川省地質(zhì)礦產(chǎn)勘查開(kāi)發(fā)局成都水文地質(zhì)工程地質(zhì)中心， 四川 成都 610081； 5.北京師范大學(xué)地理學(xué)院， 遙感科學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室， 北京100875； 6.中國(guó)科學(xué)院青藏高原研究所 青藏高原地球系統(tǒng)科學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室， 北京 100101)

中圖分類號(hào)：S162.5文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：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(tài)穩(wěn)定等方面起著不可替代的作用，監(jiān)測(cè)其生長(zhǎng)狀況具有重要價(jià)值[1-2]。葉面積指數(shù)(Leaf area index，LAI)是表征植被生長(zhǎng)狀況和冠層結(jié)構(gòu)的重要參數(shù)[3-4]。而植被覆蓋度(Fractional vegetation cover,FVC)是表征地表植被生長(zhǎng)狀況的關(guān)鍵指標(biāo)[5]。目前利用遙感技術(shù)反演LAI是高效獲取大尺度范圍內(nèi)LAI最為有效和快捷的方法[6-7]。反演LAI的方法主要為經(jīng)驗(yàn)統(tǒng)計(jì)模型[8]和物理模型反演法[9]，經(jīng)驗(yàn)統(tǒng)計(jì)模型法是構(gòu)建LAI與觀測(cè)光譜反射率之間的經(jīng)驗(yàn)/半經(jīng)驗(yàn)統(tǒng)計(jì)關(guān)系，從而獲取未知LAI的過(guò)程。物理模型法是反演時(shí)通過(guò)輸入遙感觀測(cè)的地物光譜反射率來(lái)求解模型中的反演參數(shù)[10]。但兩種方法在大尺度、長(zhǎng)時(shí)間序列的LAI產(chǎn)品生產(chǎn)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(shù)據(jù)的獲取對(duì)非線性物理反演模型的優(yōu)化要求不斷提高，常規(guī)反演方法已經(jīng)難以滿足需求，故尋求一種高效、快速、穩(wěn)定的反演方法尤為重要[13]。而人工神經(jīng)網(wǎng)絡(luò)(Artificial neural network,ANN)方法的引入很好地解決了復(fù)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(wèi)星數(shù)據(jù)進(jìn)行地表參數(shù)反演的精度和效率[14]。采用廣義回歸神經(jīng)網(wǎng)絡(luò)(General regression neural network,GRNN)相比于目前的MODIS和CYCLOPES LAI產(chǎn)品，能夠更準(zhǔn)確地反演時(shí)間上連續(xù)的LAI[15]。

當(dāng)前研究大多是采用低分辨率LAI數(shù)據(jù)進(jìn)行區(qū)域或者全球尺度上的植被監(jiān)測(cè)及影響因素的分析，使用反演得到的中高分辨率LAI時(shí)間序列數(shù)據(jù)進(jìn)行植被監(jiān)測(cè)的研究較為少見(jiàn)[16]。除此之外，現(xiàn)有研究主要針對(duì)單一葉面積指數(shù)或植被覆蓋度開(kāi)展植被動(dòng)態(tài)監(jiān)測(cè)研究[17]，對(duì)于反映區(qū)域整體植被生長(zhǎng)狀況的結(jié)果存在片面和可信度不高的缺陷，缺少結(jié)合葉面積指數(shù)和植被覆蓋度的變化規(guī)律開(kāi)展植被時(shí)空演變特征的研究。因此通過(guò)反演得到較高分辨率的葉面積指數(shù)和植被覆蓋度數(shù)據(jù)集，定量研究和掌握區(qū)域植被動(dòng)態(tài)監(jiān)測(cè)及其對(duì)氣候因子的響應(yīng)是保護(hù)生態(tài)系統(tǒng)建設(shè)的重要措施和有效途經(jīng)。

長(zhǎng)江上游的通天河段是長(zhǎng)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(tài)環(huán)境和國(guó)民經(jīng)濟(jì)中具有重要作用[18]。但該流域自然條件相對(duì)較差，生態(tài)系統(tǒng)群落結(jié)構(gòu)簡(jiǎn)單，其生態(tài)環(huán)境對(duì)全球環(huán)境變化和人類干預(yù)的影響有著較高的敏感性和脆弱性[19]，目前關(guān)于該流域植被遙感監(jiān)測(cè)研究較少，故開(kāi)展流域植被動(dòng)態(tài)監(jiān)測(cè)及影響機(jī)制研究對(duì)了解三江源區(qū)生態(tài)環(huán)境現(xiàn)狀、變化以及生態(tài)環(huán)境保護(hù)修復(fù)有著重要意義。本文采用廣義回歸神經(jīng)網(wǎng)絡(luò)方法反演得到長(zhǎng)時(shí)間序列250 m分辨率的葉面積指數(shù)和植被覆蓋度數(shù)據(jù)集，開(kāi)展2001—2019年通天河流域植被動(dòng)態(tài)監(jiān)測(cè)研究，探討該流域植被在不同海拔和氣候條件下的響應(yīng)機(jī)制，為三江源區(qū)生態(tài)環(huán)境監(jiān)測(cè)和下一步綜合利用和治理提供重要的基礎(chǔ)數(shù)據(jù)和技術(shù)支持。

1 材料與方法

1.1 研究區(qū)概況

本研究區(qū)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(hù)區(qū)(長(zhǎng)江、黃河、瀾滄江)，河流自囊極巴隴至楚瑪爾河匯入口長(zhǎng)278 km為通天河上游段，楚瑪爾河匯入口以下至玉樹(shù)的巴塘河口長(zhǎng)550 km為通天河下游段[20]。流域內(nèi)以山地和盆地為主要地貌類型，平均海拔達(dá)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(qū)[21]。通天河在青海境內(nèi)由楚瑪爾河、北麓河、沱沱河、尕爾曲、當(dāng)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(dá)3.7℃～4.3℃，年均降水量超過(guò)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(yōu)勢(shì)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(yōu)勢(shì)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(shù)據(jù)與方法

1.2.1數(shù)據(jù)來(lái)源 本文通過(guò)反演預(yù)處理后的地表反射率數(shù)據(jù)(MOD09Q1)，利用廣義回歸神經(jīng)網(wǎng)絡(luò)生產(chǎn)連續(xù)的長(zhǎng)時(shí)間序列LAI數(shù)據(jù)集，在此基礎(chǔ)上，利用反演后得到的250 m分辨率LAI數(shù)據(jù)集，通過(guò)植被冠層的透過(guò)率來(lái)計(jì)算生成通天河流域2001年至2019年250 m分辨率的FVC數(shù)據(jù)集，其中遙感數(shù)據(jù)來(lái)源于美國(guó)國(guó)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(shù)據(jù)(MOD09Q1)，時(shí)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(shù)據(jù)，數(shù)據(jù)來(lái)源于中國(guó)科學(xué)院地理科學(xué)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?dāng)?shù)據(jù)采用ERA5 (ECMWF ReAnalysis) 氣候再分析數(shù)據(jù)，數(shù)據(jù)來(lái)源于ECMWF運(yùn)營(yíng)的氣候變化服務(wù)官網(wǎng)(https://www.ecmwf.int/en/forecasts/datasets/reanalysis-datasets/era5)，數(shù)據(jù)內(nèi)容為距離地表2 m的空氣溫度、總降水量，數(shù)據(jù)空間分辨率0.25°，每天一期。

1.2.2葉面積指數(shù)反演數(shù)據(jù)與方法 本文利用廣義回歸神經(jīng)網(wǎng)絡(luò)(GRNN)集成通天河流域長(zhǎng)時(shí)間序列遙感數(shù)據(jù)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(fù)責(zé)把輸入向量分配給隱層的每個(gè)單元；隱層包括所有訓(xùn)練樣本(i= 1,2,…,n)，當(dāng)確定輸入向量之后，計(jì)算輸入向量與訓(xùn)練樣本間的距離，并帶入概率密度函數(shù)；總和層分為兩個(gè)計(jì)算函數(shù)單元A和B；輸出層計(jì)算A除以B，得到最終預(yù)測(cè)結(jié)果[25]。

圖2 基于GRNN訓(xùn)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(shù)即核函數(shù)運(yùn)用高斯函數(shù)計(jì)算，其輸出表達(dá)式為：

(1)

1.2.3植被覆蓋度計(jì)算研究方法 在生成以上長(zhǎng)時(shí)間序列LAI數(shù)據(jù)集的基礎(chǔ)上，F(xiàn)VC是利用植被冠層的透過(guò)率來(lái)計(jì)算其數(shù)值[26]。當(dāng)光入射到植被冠層的頂部時(shí)，透過(guò)植被冠層的光的比例計(jì)算式為：

(2)

其中，φ是太陽(yáng)天頂角，a為葉片的吸收率，Ω為聚集指數(shù)，LAI為葉面積指數(shù)，kc(φ)是冠層衰減系數(shù)，kc(φ)由下式計(jì)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(jù)植被覆蓋度定義，當(dāng)植被覆蓋度大小為1時(shí)，減去φ為0度時(shí)的冠層透過(guò)率，即

fCover=1-Ptr(0)

(4)

對(duì)輸入的參數(shù)進(jìn)行敏感性分析，表明對(duì)FVC變化最敏感的輸入?yún)?shù)是LAI。本文利用上述方法來(lái)計(jì)算FVC，保證了FVC和LAI數(shù)據(jù)集的物理一致性。

1.2.4植被生長(zhǎng)特征及其與氣候響應(yīng)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(nèi)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(zhǎng)季節(jié)性明顯，所以本文選取每年的第217 d作為L(zhǎng)AI和FVC的空間分布研究時(shí)間，在第217 d前后通天河流域的植被生長(zhǎng)達(dá)到頂峰，LAI和FVC值最大，是最具代表性的時(shí)間節(jié)點(diǎn)。

植被生長(zhǎng)與氣候的關(guān)系密切，本文采用ERA5再分析數(shù)據(jù)分析了通天河流域植被對(duì)氣候因子的響應(yīng)，并選擇了與流域植被生長(zhǎng)關(guān)系密切的溫度、降水2個(gè)氣候因子來(lái)分析氣候變化對(duì)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(guān)分析方法來(lái)探討通天河流域植被對(duì)氣候變化的響應(yīng)情況。偏相關(guān)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(guān)系數(shù)，Rxy，Rxz和Ryz分別為變量x與y，x與z，y與z之間的相關(guān)系數(shù)。

2 結(jié)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(jiàn)通天河流域植被主要分布在下游大部分地區(qū)，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(shù)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(qū)域，F(xiàn)VC值接近零值，下游區(qū)域植被生長(zhǎng)較好，大部分區(qū)域的FVC值在0.4以上。

2.2 植被時(shí)間變化特征

近19年通天河流域植被LAI和FVC在時(shí)間序列上總體均呈波動(dòng)增長(zhǎng)趨勢(shì)，植被LAI增長(zhǎng)速率為(1.2×10-3)·a-1，多年均值為0.352，F(xiàn)VC增長(zhǎng)速率(0.9×10-3)·a-1，多年均值0.249(圖4)。流域LAI,FVC經(jīng)歷了兩次突增情況，第一次為2007—2010年，LAI由0.326增長(zhǎng)到0.383，第二次為2015—2018年，LAI由0.325增長(zhǎng)到0.379，波動(dòng)增速達(dá)(2.1×10-3)·a-1和(1.7×10-3)·a-1，遠(yuǎn)高于多年平均增長(zhǎng)速率，F(xiàn)VC增長(zhǎng)情況與LAI表現(xiàn)一致。

通過(guò)計(jì)算通天河流域2001—2019年每年46期FVC柵格像元最大值，結(jié)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(shì)空間分布圖(圖5)。綠色區(qū)域?yàn)榱饔騼?nèi)植被明顯改善區(qū)，紅色區(qū)域?yàn)橹脖幻黠@退化區(qū)，白色為變化不明顯區(qū)。由圖可見(jiàn)，通天河流域大部分地區(qū)植被呈現(xiàn)增長(zhǎng)趨勢(shì)，中下游區(qū)域存在兩個(gè)明顯下降趨勢(shì)的地區(qū)。通過(guò)與高程矢量數(shù)據(jù)疊加分析，呈現(xiàn)增長(zhǎng)趨勢(shì)的地區(qū)多分布在海拔較低水熱條件較好的溝谷地帶，而下降趨勢(shì)明顯的兩個(gè)區(qū)域出現(xiàn)在人口聚集的曲麻萊縣和治多縣內(nèi)。

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

圖3 第217 d葉面積指數(shù)、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(shì)Fig. 4 Inter-annual change trends of LAI and FVC

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

根據(jù)通天河流域植被覆蓋度的三個(gè)階段的時(shí)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(qū)域分別占27%和13%，F(xiàn)VC先增加后減少(+-)和先減少后增加(-+)的區(qū)域分別占40%和20%，流域內(nèi)FVC總體呈動(dòng)態(tài)波動(dòng)增長(zhǎng)趨勢(shì)。從四類的空間分布可以看出(圖7)，19年來(lái)流域內(nèi)FVC一直增加的區(qū)域位于通天河主干流及其支流沿岸，F(xiàn)VC一直減少的區(qū)域集中位于下游人口稠密的曲麻萊縣和治多縣周邊地區(qū)。

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(shí)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(jù)通天河流域植被覆蓋度特征，本文將流域內(nèi)植被覆蓋特征分為4個(gè)等級(jí)：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(guò)植被等級(jí)空間動(dòng)態(tài)分布圖(圖8)可見(jiàn)，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(gè)地區(qū)，植被中高覆蓋區(qū)集中在河流下游河谷地帶，而在上游地區(qū)主要以低和極低覆蓋為主。通過(guò)與DEM地面高程數(shù)據(jù)進(jìn)行對(duì)比分析后發(fā)現(xiàn)(圖9)，通天河流域整體呈西高東低的地形走勢(shì)，與河流自西向東的流向一致。流域內(nèi)植被主要生長(zhǎng)在海拔4 000 m以上的高寒地區(qū)，其中平均海拔超過(guò)5 200 m以上的河流上游地區(qū)植被生長(zhǎng)差，以低、極低植被覆蓋為主，中、高覆蓋主要分布在海拔相對(duì)較低的4 800 m以下的下游河谷地區(qū)。

2.4 植被生長(zhǎng)氣候影響分析

由于標(biāo)準(zhǔn)距平能更好的在消除離差的基礎(chǔ)上降低自相關(guān)誤差帶來(lái)影響，故本文通過(guò)計(jì)算2001—2019年LAI，F(xiàn)VC、降水和氣溫的標(biāo)準(zhǔn)距平值來(lái)探討通天河流域植被生長(zhǎng)狀況對(duì)氣候因子的響應(yīng)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(guān)性，在年均降水較大的2005年、2009年和2018年，年LAI和FVC也相對(duì)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(duì)較少，且二者的變化趨勢(shì)基本一致，表明通天河流域降水是影響植被生長(zhǎng)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(yùn)用偏相關(guān)分析的方法來(lái)討論研究氣溫、降水與植被生長(zhǎng)之間的相關(guān)性，得到植被LAI與降水、氣溫的偏相關(guān)系數(shù)分別為0.638和-0.177，F(xiàn)VC與降水、氣溫的偏相關(guān)系數(shù)分別為0.623和-0.199，其中LAI，F(xiàn)VC與降水量的數(shù)據(jù)結(jié)果均通過(guò)了P<0.01的顯著性檢驗(yàn)(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(guān)關(guān)系，氣溫呈現(xiàn)一定程度的負(fù)相關(guān)性。

圖8 植被等級(jí)空間動(dòng)態(tài)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(biāo)準(zhǔn)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(guān)分析表Table 1 Partial Correlation Analysis of LAI, FVC with precipitation and temperature

3 討論

本文通過(guò)廣義回歸神經(jīng)網(wǎng)絡(luò)(GRNN)反演生產(chǎn)得到通天河流域2001—2019年250 m分辨率的LAI和FVC數(shù)據(jù)集，對(duì)比業(yè)內(nèi)普遍分辨率500 m的LAI和FVC數(shù)據(jù)產(chǎn)品，在保證數(shù)據(jù)準(zhǔn)確可靠的基礎(chǔ)上獲得了更高空間分辨率的產(chǎn)品。有利于提升通天河流域植被動(dòng)態(tài)監(jiān)測(cè)結(jié)果的準(zhǔn)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(qiáng)等的一致認(rèn)可[25]。

通過(guò)上述通天河流域植被動(dòng)態(tài)監(jiān)測(cè)結(jié)果，可以發(fā)現(xiàn)該流域植被總體呈波動(dòng)增長(zhǎng)趨勢(shì)，這與李偉霄等[31]的結(jié)論基本一致，也與饒品增等[32]基于MODIS植被指數(shù)產(chǎn)品研究2000—2019年NDVI時(shí)空變化結(jié)果吻合?？梢?jiàn)，通天河流域植被整體變好，且呈現(xiàn)下游較好、上游較差的空間分布特征，但下游植被生長(zhǎng)存在兩個(gè)明顯退化區(qū)域。本文通過(guò)疊加高程矢量數(shù)據(jù)分析表明下游人口聚集的曲麻萊縣和治多縣周邊地區(qū)植被退化明顯，結(jié)合文獻(xiàn)查閱后表明：該區(qū)域內(nèi)由于長(zhǎng)期超載過(guò)牧、天然草地濫墾亂開(kāi)、礦產(chǎn)資源過(guò)度開(kāi)發(fā)、氣候異常變化等一系列綜合原因?qū)е虏莸刂脖幌到y(tǒng)退化、沙化，草原生產(chǎn)力下降，造成草地植被覆蓋度近些年持續(xù)下降[33-34]，這一現(xiàn)象與人類活動(dòng)加劇和全球氣候變化導(dǎo)致河流中下游地區(qū)生態(tài)環(huán)境遭到破壞密切相關(guān)[35]。但近年來(lái)，隨著國(guó)家和地區(qū)對(duì)于三江源保護(hù)區(qū)的重視與關(guān)注，生態(tài)環(huán)境保護(hù)措施不斷豐富，流域生態(tài)環(huán)境總體呈現(xiàn)穩(wěn)定向好的發(fā)展趨勢(shì)，故而2001—2019年來(lái)通天河流域植被生長(zhǎng)總體呈現(xiàn)顯著波動(dòng)增長(zhǎng)趨勢(shì)。

降水和氣溫是影響植被變化狀況的主要因素[36]，本文運(yùn)用偏相關(guān)分析的方法探討降水、氣溫和LAI，F(xiàn)VC的相關(guān)關(guān)系，研究發(fā)現(xiàn)降水是影響通天河流域植被生長(zhǎng)狀況的主要因素，對(duì)植被的生長(zhǎng)發(fā)育存在顯著的促進(jìn)作用。氣溫則呈現(xiàn)負(fù)相關(guān)性，但影響程度不及降水，表明隨著氣溫的升高，對(duì)通天河流域植被生長(zhǎng)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(jié)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(yǎng)分的運(yùn)轉(zhuǎn)、植被吸收和生長(zhǎng)，而升溫在一定程度上加速土壤水分蒸發(fā)，抑制了植被生長(zhǎng)，但因該流域地理位置和生態(tài)環(huán)境的特殊性，氣溫對(duì)其植被生長(zhǎng)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(qū)植被變化的主要影響因素是氣溫，由于此前的相關(guān)研究所使用的單一植被指數(shù)數(shù)據(jù)分辨率僅為8 km[38]，本研究采用的則是精度和質(zhì)量均優(yōu)于前者的250 m的LAI和FVC數(shù)據(jù)，且研究結(jié)論是兩者結(jié)合分析，反映出的通天河流域植被生長(zhǎng)規(guī)律更為準(zhǔn)確，同時(shí)研究結(jié)果的差異也可能與研究時(shí)間尺度和空間范圍的不同有關(guān)。

長(zhǎng)時(shí)間序列的植被變化是一個(gè)復(fù)雜的過(guò)程，本文只研究了通天河流域植被生長(zhǎng)對(duì)氣候條件響應(yīng)的規(guī)律，并未深入植被對(duì)氣候條件變化的時(shí)滯性不同。同時(shí)由于通天河流域的地理特殊性，植被的生長(zhǎng)不僅與氣候條件有密切關(guān)系，同時(shí)與流域冰川消融和凍土作用亦有緊密關(guān)系，其影響機(jī)制和程度還有待進(jìn)一步研究。

4 結(jié)論

本文通過(guò)GRNN反演預(yù)處理后的地表反射率數(shù)據(jù)(MOD09Q1)生產(chǎn)了2001—2019年250 m分辨率的LAI和FVC數(shù)據(jù)集，探討了通天河流域植被時(shí)空變化特征及其在不同海拔和氣候條件下的響應(yīng)情況。研究發(fā)現(xiàn)通天河流域植被主要分布在中下游區(qū)域，流域總體植被覆蓋類型以低覆蓋為主，主要生長(zhǎng)在海拔4000 m以上的高寒地區(qū)，海拔升高植被生長(zhǎng)逐漸受限；流域植被總體得到改善，明顯改善區(qū)分布在海拔較低水熱條件較好的溝谷地帶，明顯退化區(qū)分布在曲麻萊縣和治多縣周邊地區(qū)；該流域植被生長(zhǎng)的主要影響因素是降水，氣溫作用效果不大。本文通過(guò)遙感手段對(duì)通天河流域植被進(jìn)行了長(zhǎng)時(shí)間動(dòng)態(tài)監(jiān)測(cè)，為更加合理有效的保護(hù)和改善流域植被生長(zhǎng)狀況提供新的科學(xué)依據(jù)，同時(shí)為三江源保護(hù)區(qū)的生態(tài)環(huán)境保護(hù)提供了一定理論和技術(shù)支撐。