青藏高原植被覆盖变化的地域分异特征

第28卷第3期2009年05月地理科学进展PROGRESS IN GEOGRAPHYVol.28,No.3May,2009收稿日期：2008-12；修订日期：2009-02.基金项目：国家科技攻关计划项目（2006BAC01A01-02）。

作者简介：于伯华（1974-），男，山东枣庄人，博士，助理研究员，研究方向：环境整治、土地利用。

E-mail ：yubh@391-397页青藏高原植被覆盖变化的地域分异特征于伯华1，吕昌河1，吕婷婷2，3，杨阿强1，4，刘闯1(1.中国科学院地理科学与资源研究所，北京100101；2.北京师范大学资源学院，北京100875；3.地表过程与资源生态国家重点实验室北京师范大学，北京100875；4.中国科学院研究生院，北京100049)摘要：植被的空间分布及其变化都具有明显的地域分异特征。

本研究以1981-2006年间的GIMMS/NDVI 产品为主要数据源，在地理信息系统技术的支持下，分别从植被空间分布、植被波动和植被变化等方面，探讨了青藏高原植被覆盖变化的水平地域分异特征。

研究结果显示，1981-2006年间，雅鲁藏布江河谷区、错那县和墨脱县的西北部、柴达木盆地南缘、三江源地区的顶端和青海南山北麓等区域地表植被年际波动较大。

反映区域植被盖度时间变化趋势的SLOPE 值以及植被盖度，具有从南部、东南部向北、西北部“下降—上升—不变”的规律。

植被盖度下降显著的区域主要分布在喜马拉雅山南麓和青海湖南部，其次是三江源中南部地区；植被没有明显变化的区域主要分布在藏北高原和柴达木盆地。

植被指数显著上升的区域集中在雅鲁藏布江河谷区，植被指数明显上升区域主要分布在人迹罕至的唐古拉山和念青唐古拉山等山间盆地区，轻微上升的区域分散在明显改善区的周围。

依据SLOPE 值的空间分异特征将整个高原划分为4个一级区：帕米尔高原植被指数上升区、藏北高原—阿里高原—柴达木盆地植被指数稳定区、高原中部—雅鲁藏布江中上游河谷植被指数上升区和三江源—横断山区植被指数下降区。

关键词：NDVI ；植被变化；区域分异；青藏高原1引言地域分异也称为区域分异，是地理环境各组成成分及其构成的自然综合体在地表沿一定方向分异或分布的规律性现象。

水平地域分异包括纬度地带性和经度地带性，是地域规律的重要表现形式之一。

在水平地域分异规律中，对应的太阳辐射、降水、土壤和生物等主要地表过程和要素都具有与纬度和距海远近相一致的空间分布特征，产生了各自然要素和地表过程、能量与物质循环以及自然综合体沿纬度和经度的地域分化[1]。

地球表面的水资源、土地资源、动植物资源等的空间分布以及人类的生产经营活动都具有明显的地域特征[2]，是生态地理区域划分过程中必须综合考虑的因素[3]。

因此开展地域分异研究不仅是认识自然地理环境的重要途径，而且是自然综合区划的基础工作之一[4]，其研究结果对于合理利用自然资源、因地制宜的安排生产有指导作用。

开展地域分异研究，传统分区方法和过程具有工作量大、花费时间长、空间精度差的弊端[5]，已经无法满足准确、经济地获取数据的要求，无法解决分区过程中的标准一致性问题。

卫星遥感具有其他调查手段无法比拟的优势，能够实现及时、准确地反映生态环境变化特征的目的[6]，具有统一量纲的遥感数据产品也为研究过程中保证标准一致性提供了可能[7-8]。

同时，地理信息系统技术也为分区过程中有效地辨别区内相似性和区间差异性提供了技术支持[9]。

遥感和地理信息系统技术的支持，为快速识别环境因子和地表过程的地域分异特征提供了可能，并为分区结果的对比提供比较好的参照。

地表植被是一定水分、气温及其他要素共同作用下的产物，植被之间的差异直接反映了不同水热组合及其差异性，是地方、区域和全球尺度生态系统状况、环境压力和景观变化的指示器[6]。

每一种气候类型都对应着一套相应的植被类型[10]，在具有地域分布特征的各自然因子及过程的影响下，植被空间分布及其变化也具有明显的地域分异特征[11]。

青藏高原的隆起和抬升，形成了其自身独特的自然环境特征，造就了中国现代季风格局，影响着全球气候的变化和亚洲植被格局的分布，形成了世界上著名的高原地带性植被格局，对中国东部、西北干旱区、亚洲的气候和植被格局乃至全球气候变化都具地理科学进展28卷有深刻的影响[12]。

青藏高原生态系统极其脆弱，易于受到气候变化的影响[13-15]，高原植被系统行为往往比周围地区更早、更明显地预兆全球变化[12,16-17]。

同时，青藏高原上的人类活动逐渐增强，已经引起部分地区草地退化、冻土消融[[18-19]等现象。

鉴于青藏高原在区域生态环境变化、全球气候演化等方面扮演的重要角色，以及与生态安全和区域安全的紧密联系[21]，有必要加强高原植被动态变化地域分异特征的研究，以充分认知植被变化的区域特征、地区差异和发展规律，为区域资源的可持续利用和环境保护提供决策支持。

2数据与方法2.1研究区概况青藏高原介于26°00′12″N~39°46′50″N、73°18′52″E~104°46′59″E之间，面积为257.24×104km2，占我国陆地总面积的26.8%[22]。

青藏高原地形地貌复杂多样，存在5个主要的地貌单元：藏北高原、雅鲁藏布江河谷、藏东纵向岭谷区、喜马拉雅山地、柴达木盆地。

青藏高原的地势格局以及大气环流特点决定了高原内部热量、水分条件地域组合有着明显水平变化，气候类型独特而复杂多样。

大部分地区最暖月气温在15℃以下，年降水量在50～1000mm 之间，总体上呈现出从东南暖热、湿润向西北寒冷、干旱带状递变的趋势，在自然景色上表现为由森林、草甸、草原、荒漠的带状更迭。

同时，由于高原东部常常在短短几十公里的水平距离内，垂直高差达数千米，较大的高差以及山地的阻挡作用，热量和水分在不同的海拔有不同的组合，形成了各有特色的垂直自然带。

2.2数据本研究采用了广泛应用的美国国家航空航天局(National Aeronautics and Space Administration，NASA)全球观测模拟与制图研究组(Global Inventory Modeling and Mapping Studies，GIMMS)制作的1981-2006年间归一化植被指数(Normalized Dif-ference Vegetation Index，NDVI)数据集。

它具有空间分辨率低但时间分辨率高、时间序列长的优点，是研究大尺度(包括地区、国家、洲乃至全球)、长时间跨度生态环境/土地覆被变化不可多得和替代的数据集。

数据集空间分辨率为8km，通过15天的影像合成，即每月有两个时相的数据，上半月为1-15日，下半月数据为当月16日以后数据。

同来自AVHRR的其他数据集相比，GIMMS/NDVI做了如下改进[23]：譹訜消除了火山爆发造成的气溶胶对传感器成像质量的影响；譺訜借助经验模态分解和重建，将卫星漂移对数据的影响降到最低；譻訜利用最大值法消除云覆盖和水蒸汽的影响；譼訜经过传感器衰减和交叉验证误差校正。

GIMMS/NDVI在中国植被遥感研究中不存在数据限制问题[24]，完全可以应用于青藏高原的植被变化空间分异研究。

数据统计和分析过程中通过掩码(Mask)屏蔽水体对高原NDVI分布及变化趋势的影响。

高原植被图的比例尺为1∶100万。

因高原海拔高、气候寒冷、降水稀少造成高原内部寒旱化明显，地表植被亦具有耐寒、耐旱的特点。

根据我国1∶100万植被类型图(青藏高原部分)，高原上广泛分布着针叶林、针阔混交林、阔叶林、灌丛、灌丛草原、灌丛草甸、荒漠、草原、草原灌丛、草原草甸、草丛、草甸、草甸灌丛、沼泽、沼泽草甸、高山植被、栽培植被等类型。

其中，面积最广的高寒草原，集中分布于藏北高原，占高原总面积的27.54%；其次为高寒草甸，主要分布在雅鲁藏布江、黄河、长江以及澜沧江等河流源头的高海拔地区，占高原总面积的25%以上；再次为高寒荒漠和高寒灌丛，占区域总面积的比例分别为8.96%和7.56%。

而喜暖湿的植被类型主要沿纵向岭谷区水汽的上行通道向河流源头延伸，但是空间分布上也仅局限于高原东南部，所占面积不超过区域总面积的20%，其中，针叶林面积最大，占4.95%；阔叶林的面积较小，仅占区域面积的2.3%。

2.3方法本研究采用回归分析、标准差来描述植被的空间分异特征，利用地理信息系统的空间分析功能完成植被变化的分区研究。

譹訜一元回归近年来，一元回归常用于进行长时间序列的植被遥感分析。

它是以时间t为自变量，对多年植被指数影像中各像素点NDVI值进行一元线性回归分析，其特点是以单个像元的时间变化规律反映整体的空间变化规律[25-27]。

SLOPE就是这个回归方程的斜率，如果SLOPE为正数表示随着时间变化植被指数数值升高，即当地植被活力和盖度存在增加的趋势，且数值越大说明植被活动越强，植被盖度增加的趋势更加明显。

反之，当SLOPE 值为负时，表示随着时间变化植被指数呈下降趋3923期于伯华等：青藏高原植被覆盖变化的地域分异特征势，该地区植被盖度可能存在降低趋势。

因此，通过SLOPE值的正负及其大小，可以判断地表植被的生长状态和盖度。

其计算公式如下：SLOPE=n*ni=1Σi*NDVI i-(ni=1Σi)(ni=1ΣNDVI i)n*ni=1Σi2-(ni=1Σi)2(1)式中：n为监测时间段的年数;i从1到n，为研究时段内年份的序号。

譺訜标准差(Standard Deviation)标准差表示各数据偏离平均数的距离(离均差)的平均数，它是离差平方和平均后的方根，能反映一个数据集的离散程度。

因此，在本研究中标准差越大，说明该地区在研究时段内各像素的NDVI距离平均值越远，即该时段内植被覆盖的年际变化较大。

同SLOPE相比，标准差只表示变化的幅度而不能体现变化的方向。

标准差的计算公式如下：S=ni=1Σ(x i-x)2n-1姨(2)譻訜空间聚类分析(Spatial Clustering Algorithm)聚类分析(Cluster Analysis)是利用一定的数学方法直接比较各事物或对象之间的性质，将性质相近的归为一类、性质差别较大的归入不同类的分析技术。

空间聚类分析是在一个比较大的多维数据集中根据距离的度量找出簇或稠密区域[28]，即将具有相似地域空间分布特征的对象分类方法。

本研究主要借助ARCGIS中空间分析(Spatial Analysis)模块中的再分类(Reclassify)、主成份过滤(Majority Filter)、栅格合并(Aggregate)、边界清理(Boundary Clean)等命令实现栅格数据的概化和平滑及相应分区工作。