堵河子流域划分及其NDVI特征分析

马永明 张利华 朱志儒 符雅盛

引用本文:
Citation:

堵河子流域划分及其NDVI特征分析

    作者简介: 马永明(1992−),男,云南人,壮族,硕士生,主要从事流域环境演变研究. E-mail:mayongming5685@163.com;
    通讯作者: 张利华, zhanglihua7483@163.com
  • 中图分类号: P951

Division of Duhe River Basin and analysis of its NDVI characteristics

    Corresponding author: ZHANG Li-hua, zhanglihua7483@163.com ;
  • CLC number: P951

  • 摘要: 堵河流域是南水北调中线工程的重要水源区,对堵河流域的水文单元划分和植被覆盖特征分析,对识别流域生态环境具有重要的实际意义. 文章基于SWAT分布式水文模型和ArcGIS软件,运用适度指数法和均值统计法,对堵河流域的边界提取、子流域划分及其植被盖度分布特征进行了分析. 结果显示:①集水面积阈值是控制子流域提取的重要参数,通过适度指数法计算堵河流域水系提取的最佳集水面积阈值为10 000 hm2. ②堵河流域年均NDVI值约为0.636,为中高植被覆盖度,空间上表现出南岸比北岸高;中游最低,向上游和下游逐渐升高的分布特征;年均NDVI最高值在黄龙河流域,最低值在竹溪河流域,存在明显的空间异质性. ③堵河流域NDVI值随海拔的上升先变快后减缓,原因是高海拔山区植被覆盖度高. ④在2001—2016年间,堵河流域的12个子流域年均NDVI值表现出相似的波浪式上升趋势,体现了整个流域的植被覆盖度上升,生态环境转好. 年内堵河流域各子流域的NDVI月均值变化趋势特征趋于一致,8月达到最高峰值,2月达到最低峰值.
  • 图 1  2001—2016年堵河流域阈值序列提取的河网与子流域(单位:hm2

    Figure 1.  Threshold sequence extraction of river networks and sub-basins in the Duhe River Basin from 2001 to 2016(unit: hm2)

    图 2  适度指数−集水面积阈值曲线

    Figure 2.  Fitness index-catchment threshold curve

    图 3  堵河水系及各子流域边界

    Figure 3.  The Duhe River water system and sub-basin boundaries

    图 4  堵河各子流域5个年份年均NDVI特征值

    Figure 4.  Annual average NDVI characteristics of five years in each sub-basin of Duhe River

    图 5  堵河流域植被覆盖度随海拔变化分布特征

    Figure 5.  Distribution characteristics of vegetation coverage in the Duhe River Basin with elevation

    图 6  堵河各子流域年均NDVI特征

    Figure 6.  Annual mean NDVI characteristics of each sub-basins in the Duhe River Basin

    图 7  堵河各子流域月均NDVI特征

    Figure 7.  Monthly mean NDVI characteristics of each sub-basins in the Duhe River Basin

    表 1  2001—2016年堵河流域不同集水面积阈值划分的流域特征参数

    Table 1.  Watershed characteristic parameters of different watershed area thresholds in the Duhe River Basin from 2001 to 2016

    集水面积阈/hm2子流域/个子流域平均面积/km2标准差/km2最大值/km2最小值/km2
    1 50044527.976 22.242 194.7480.002
    5 00013195.274 67.492 315.1740.002
    10 000 69178.895148.606 774.9993.289
    15 000 45277.355213.301 896.9510.202
    26 000 33378.211293.2441 092.0570.202
    36 000 21594.332539.1642 211.5450.202
    下载: 导出CSV

    表 2  堵河流域植被覆盖度等级划分及面积比例

    Table 2.  Classification of vegetation coverage and area ratio in the Duhe River Basin

    植被盖度阈值区间植被覆盖度等级各阈值区间面积/km2面积比例/%
    NDVI<0.1低覆盖度 0.25 0.14
    0.1≤NDVI≤0.3较低覆盖度 9.96 5.60
    0.3<NDVI≤0.5中覆盖度29.0116.32
    0.5<NDVI≤0.7较高覆盖度76.6643.13
    NDVI>0.7高覆盖度61.8634.80
    下载: 导出CSV
  • [1] 王中根, 刘昌明, 黄友波. SWAT模型的原理、结构及应用研究[J]. 地理科学进展, 2003, 22(1): 79-86. DOI:  10.11820/dlkxjz.2003.01.010. Wang Z G, Liu C M, Huang Y B. Study on principle, structure and application of SWAT model[J]. Progress in Geography, 2003, 22(1): 79-86.
    [2] Jatin A, Gosain A K, Khosa R. Prediction of land use changes based on land change modeler and attribution of changes in the water balance of Ganga Basin to land use change using the SWAT model[J]. Science of the Total Environment, 2018, 644: 503-519. DOI:  10.1016/j.scitotenv.2018.07.017.
    [3] 成向荣, 渠勇建, 虞木奎, 等. 植被覆盖变化对衢江流域水文效应的影响[J]. 生态环境学报, 2017, 26(11): 1 829-1 835. Cheng X R, Qu Y J, Yu M K, et al. Hydrological effects of vegetation cover change in Qujiang Basin[J]. Ecology and Environmental Sciences, 2017, 26(11): 1 829-1 835.
    [4] Jonggun K, Younshik P, Dongsun Y, et al. Development of a SWAT patch for better estimation of sediment yield in steep sloping watersheds[J]. Jawra Journal of the American Water Resources Associa, 2010, 45(4): 963-972.
    [5] 孙红雨, 王长耀, 牛铮, 等. 中国地表植被覆盖变化及其与气候因子关系—基于NOAA时间序列数据分析[J]. 遥感学报, 1998, 2(3): 204-210. DOI:  10.1088/0256-307X/15/12/025. Sun H Y, Wang C Y, Nin Z, et al. Changes of surface vegetation cover in China and its relationship with climatic factors—Analysis based on NOAA time series data[J]. Journal of Remote Sensing, 1998, 2(3): 204-210.
    [6] 李明杰, 侯西勇, 应兰兰, 等. 近十年黄河三角洲NDVI时空动态及其对气温和降水的响应特征[J]. 资源科学, 2011, 33(2): 322-327. Li M J, Hou X Y, Ying L L, et al. Spatio-temporal dynamics of NDVI in the Yellow River Delta and its response to air temperature and precipitation in recent ten years[J]. Resources Science, 2011, 33(2): 322-327.
    [7] Aguilar C, Zinnert J C, Polo M J, et al. NDVI as an indicator for changes in water availability to woody vegetation[J]. Ecological Indicators, 2012, 23(2): 290-300. DOI:  10.1016/j.ecolind.2012.04.008.
    [8] 马新萍, 白红英, 贺映娜, 等. 基于NDVI的秦岭山地植被遥感物候及其与气温的响应关系—以陕西境内为例[J]. 地理科学, 2015, 35(12): 1 616-1 621. DOI:  10.1016/S0955-2219(02)00073-0. Ma X P, Bai H Y, He Y N, et al. The vegetation remote sensing phenology of Qinling Mountain based on NDVI and its response to temperature: Taking within the territory of Shaanxi as example[J]. Scientia Geographica Sinica, 2015, 35(12): 1 616-1 621.
    [9] Nouri H, Anderson S, Sutton P, et al. NDVI,scale invariance and the modifiable areal unit problem: An assessment of vegetation in the Adelaide Parklands[J]. Science of the Total Environment, 2017, s584–585: 11-18. DOI:  10.1016/j.scitotenv.2017.01.130.
    [10] 黄清瀚, 陈海山, 华文剑. 近30 年来中国干旱生态区增暖放大现象及其与植被覆盖的联系[J]. 气候与环境研究, 2018, 23(1): 72-82. DOI:  10.3878/j.issn.1006-9585.2017.16216. Huang Q H, Chen H S, Hua W J. The phenomenon of warming up in arid eco-regions in China in the past 30 years and its relationship with vegetation cover[J]. Climate and Environmental Research, 2018, 23(1): 72-82.
    [11] 张珍珍, 熊康宁, 黄登红. 近 30 年来梵净山植被覆盖时空变化及影响因素分析[J]. 水土保持研究, 2018, 25(2): 183-189. Zhang Z Z, Xiong K N, Huang D H. Analysis on the spatiotemporal change and influence factors of vegetation cover in Fanjingshan Mountain over the last 30 years[J]. Research of Soil and Water Conservation, 2018, 25(2): 183-189.
    [12] Eckert S, Hüsler F, Liniger H, et al. Trend analysis of MODIS NDVI time series for detecting land degradation and regeneration in Mongolia[J]. Journal of Arid Environments, 2015, 113: 16-28. DOI:  10.1016/j.jaridenv.2014.09.001.
    [13] Ichii K, Kawabata A, Yamaguchi Y. Global correlation analysis for NDVI and climatic variables and NDVI trends: 1982—1990[J]. International Journal of Remote Sensing, 2002, 23(18): 3 873-3 878. DOI:  10.1080/01431160110119416.
    [14] Tucker C J, Goff T E. African land-cover classification using satellite data[J]. Science, 1985, 227(4685): 369-375. DOI:  10.1126/science.227.4685.369.
    [15] 刘玲玲, 刘良云, 胡勇. 1982—2006年欧亚大陆植被生长季开始时间遥感监测分析[J]. 地理科学进展, 2012, 31(11): 1 433-1 442. DOI:  10.11820/dlkxjz.2012.11.003. Liu L L, Liu L Y, Hu Y. Remote sensing monitoring and analysis of the starting time of vegetation in Eurasia from 1982 to 2006[J]. Advances in Geographical Science, 2012, 31(11): 1 433-1 442.
    [16] 王情, 刘雪华, 吕宝磊. 基于SPOT-VGT数据的流域植被覆盖动态变化及空间格局特征—以淮河流域为例[J]. 地理科学进展, 2013, 32(2): 270-277. DOI:  10.3724/SP.J.1033.2013.00270. Wang Q, Liu X H, Lyu B L. Dynamic changes and spatial pattern characteristics of vegetation coverage based on SPOT-VGT data: A case study of Huaihe River Basin[J]. Advances in Geographical Science, 2013, 32(2): 270-277.
    [17] 彭泽瑜, 彭明春, 王崇云, 等. 金沙江流域(云南部分)植被光谱特征季节变化研[J]. 云南大学学报:自然科学版, 2013, 35(S2): 373-377. DOI:  10.7540/j.ynu.20130245. Peng Z Y, Peng M C, Wang C Y, et al. Study on seasonal variation of vegetation spectral characteristics in Jinsha River Basin (part of Yunnan)[J]. Journal of Yunnan University: Natural Sciences Edition, 2013, 35(S2): 373-377.
    [18] 梁国军, 彭明春, 王崇云. 大山包自然保护区植被光谱特征季节变化研究[J]. 云南大学学报:自然科学版, 2009, 31(S1): 378-381. DOI:  10.7540/j.ynu.20090140. Liang G J, Peng M C, Wang C Y. Study on seasonal variation of vegetation spectral characteristics in Dashanbao Nature Reserve[J]. Journal of Yunnan University:Natural Sciences Edition, 2009, 31(S1): 378-381.
    [19] 周晓刚, 孙瑞林, 罗军. 堵河流域水环境保护功能区划分及功能可达性分析探讨[J]. 环境科学研究, 1996, 9(1): 29-35. DOI:  10.13198/j.res.1996.01.33.zhouxg.006. Zhou X G, Sun R L, Luo J. Discussions on division of water environment protection functional zones of Du River Basin and analysis of achievability of functions[J]. Research of Environmental Science, 1996, 9(1): 29-35.
    [20] 宋艳暾, 郝蓉, 陈方鑫. 丹江口水库堵河流域水源涵养林最大冠层截留量遥感估算[J]. 地理科学进展, 2013, 31(12): 1 433-1 441. Song Y T, Hao R, Chen F X. Estimation of maximum canopy interception of water conservation forest in Danjiangkou Reservoir[J]. Advances in Geographical Science, 2013, 31(12): 1 433-1 441.
    [21] 雷花. GIS环境下黑河流域信息提取[J]. 科教导刊, 2016(3): 183-183. Lei H. Information extraction of Heihe River Basin under GIS environment[J]. The guide of Science and Education, 2016(3): 183-183.
    [22] 吴泰兵, 夏达忠, 张行南. 基于改进适度指数法的流域流水网阈值确定研究[J]. 水电能源科学, 2011, 29(4): 18-20. DOI:  10.3969/j.issn.1000-7709.2011.04.006. Wu T B, Xia D Z, Zhang X N. Study on threshold determination of river network based on improved moderate index method[J]. Hydropower and Energy Science, 2011, 29(4): 18-20.
    [23] 于泉洲, 周蕾, 王绍强, 等. 基于Eo-1 Hyperion的中国典型森林冠层高光谱特征分析[J]. 云南大学学报:自然科学版, 2018, 40(5): 947-954. DOI:  10.7540/j.ynu.20170710. Yu Q Z, Zhou L, Wang S Q, et al. An ananalysis on the spectrum characteristics of Chinese typical forest canopy ingrowing season based on Eo-1 Hyperion images[J]. Journal of Yunnan University:Natural Sciences Edition, 2018, 40(5): 947-954.
    [24] O'Callaghan J F, Mark D M. The extraction of drainage networks from digital elevation data[J]. Computer Vision Graphics & Image Processing, 1984, 28(3): 323-344. DOI:  10.1016/S0734-189X(84)80011-0.
    [25] Lin W T, Chou W C, Lin C Y, et al. Automated suitable drainage network extraction from digital elevation models in Taiwan's upstream watersheds[J]. Hydrological Processes, 2010, 20(2): 289-306. DOI:  10.1002/hyp.5911.
    [26] 陈超男, 朱连奇, 田莉, 等. 秦巴山区植被覆盖变化及气候因子驱动分析[J]. 生态学报, 2019, 39(9): 3 257-3 266. DOI:  10.5846/stxb201801300252. Chen C N, Zhu L Q, Tian L, et al. Spatial-temporal changes in vegetation characteristics and climate in the Qinling-Daba Mountains[J]. Acta Ecologica Sinica, 2019, 39(9): 3 257-3 266.
    [27] 何云玲, 李同艳, 熊巧利, 等. 2000—2016年云南地区植被覆盖时空变化及其对水热因子的响应[J]. 生态学报, 2018, 38(24): 8 813-8 821. DOI:  10.5846/stxb201806211364. He Y L, Li T Y, Xiong Q L, et al. Spatio-temporal patterns of vegetation coverage and response to hydrothermal factors in Yunnan Province,China[J]. Acta Ecologica Sinica, 2018, 38(24): 8 813-8 821.
    [28] 寇晓军, 孙晓鹏, 王天明, 等. 黄土高原泾河流域长时间序列的归一化植被指数动态变化及其驱动因素分析[J]. 植物生态学报, 2012, 36(6): 511-521. Kou X J, Sun X P, Wang T M, et al. Normalized difference vegetation index dynamic change and its driving factor analysis with long time series in the Jinghe River watershed on the Loess Plateau of China[J]. Chinese Journal of Plant Ecology, 2012, 36(6): 511-521.
  • [1] 彭泽瑜彭明春王崇云秦瑞潘燕李望军周瑞伍 . 金沙江流域(云南部分)植被光谱特征季节变化研究. 云南大学学报(自然科学版), 2013, 35(S2): 373-. doi: 10.7540/j.ynu.20130245
    [2] 丁剑宏尹龙师小宁段兴武 . 红河流域景观格局演变特征研究. 云南大学学报(自然科学版), 2017, 39(5): 780-788. doi: 10.7540/j.ynu.20160636
    [3] 叶长青甘淑李运刚 . 红河流域降水量的时空变异特征. 云南大学学报(自然科学版), 2008, 30(1): 54-60.
    [4] 郎学东彭明春王崇云李永杰段禾祥李晓华江望高 . 南滚河流域亚洲象生境质量现状评价. 云南大学学报(自然科学版), 2008, 30(4): 415-423.
    [5] 游珍杨艳昭姜鲁光封志明张景华 . 基于DEM数据的澜沧江-湄公河流域地形起伏度研究. 云南大学学报(自然科学版), 2012, 34(4): 393-400.
    [6] 王海杨祖祥王麟刘毅鹏宋媛曹杰 . TVDI在云南2009/2010年干旱监测中的应用. 云南大学学报(自然科学版), 2014, 36(1): 59-65. doi: 10.7540/j.ynu.20130407
    [7] 王娟张曙赵晖 . 长江、黄河流域洪涝灾害的可公度性分析及灾害趋势研究. 云南大学学报(自然科学版), 2009, 31(3): 267-273 .
    [8] 黄铁成张晓丽陈蜀江尹小英贾翔陈孟禹 . 叶尔羌河流域中下游胡杨林春尺蠖虫害蔓延的驱动因子分析. 云南大学学报(自然科学版), 2020, 42(2): 352-363. doi: 10.7540/j.ynu.20190067
    [9] 康杰红马苗 . 基于蛙跳算法与Otsu法的图像多阈值分割技术. 云南大学学报(自然科学版), 2012, 34(6): 634-640.
    [10] 温庆忠魏雪峰孔德昌赖兴会李世成丁福红 . 滇池流域森林生态服务功能价值评估. 云南大学学报(自然科学版), 2010, 32(3): 365-372 .
    [11] 曾熙雯王宝荣杨树华 . 泸沽湖流域的陆生植被特征. 云南大学学报(自然科学版), 2012, 34(4): 476-485.
    [12] 孔维琳王余舟向伶王崇云和兆荣杨树华 . 抚仙湖流域植被景观格局分析. 云南大学学报(自然科学版), 2012, 34(4): 468-475.
    [13] 陈文华甘淑 . 龙江流域降水、径流时序特征分析. 云南大学学报(自然科学版), 2007, 29(5): 485-490.
    [14] 王丽珍王星群陈涛周丽华 . 基于时序数据挖掘的澜沧江流域气象预报系统. 云南大学学报(自然科学版), 2004, 26(6): 479-485,491.
    [15] 杜建海彭明春王崇云陈振亮付琦梁国军 . 基于可视域分析的滇池流域面山植被恢复方案设计. 云南大学学报(自然科学版), 2012, 34(S1): 129-134.
    [16] 朱保林赵尔旭赵刚万云霞 . 南盘江流域主汛期降雨量年(代)际变率研究及趋势预测. 云南大学学报(自然科学版), 2015, 37(6): 861-869. doi: 10.7540/j.ynu.20140687
    [17] 翟羽佳周常春刘春学 . 苍山十八溪流域近60年降水量时空分布特征分析. 云南大学学报(自然科学版), 2017, 39(4): 618-623. doi: 10.7540/j.ynu.20160550
    [18] 李俊梅龚相澔张雅静段昌群高伟 . 滇池流域森林生态系统固碳释氧服务价值评估. 云南大学学报(自然科学版), 2019, 41(3): 629-637. doi: 10.7540/j.ynu.20180376
    [19] 张雄浩甘淑袁希平王利华杨敏陈轩 . 云南小江流域泥石流堆积扇土地利用模式分析. 云南大学学报(自然科学版), 2020, 42(3): 499-506. doi: 10.7540/j.ynu.20190448
    [20] 贾时银周冬明聂仁灿赵东风 . 脉冲耦合神经网络模型参数优化及图像分割. 云南大学学报(自然科学版), 2010, 32(5): 521-525 .
  • 加载中
图(7)表(2)
计量
  • 文章访问数:  391
  • HTML全文浏览量:  261
  • PDF下载量:  10
  • 被引次数: 0
出版历程
  • 收稿日期:  2019-03-04
  • 录用日期:  2019-09-24
  • 网络出版日期:  2019-12-26
  • 刊出日期:  2020-03-01

堵河子流域划分及其NDVI特征分析

    作者简介:马永明(1992−),男,云南人,壮族,硕士生,主要从事流域环境演变研究. E-mail:mayongming5685@163.com
    通讯作者: 张利华, zhanglihua7483@163.com
  • 中国地质大学 地理与信息工程学院 地理系,湖北 武汉 430074

摘要: 堵河流域是南水北调中线工程的重要水源区,对堵河流域的水文单元划分和植被覆盖特征分析,对识别流域生态环境具有重要的实际意义. 文章基于SWAT分布式水文模型和ArcGIS软件,运用适度指数法和均值统计法,对堵河流域的边界提取、子流域划分及其植被盖度分布特征进行了分析. 结果显示:①集水面积阈值是控制子流域提取的重要参数,通过适度指数法计算堵河流域水系提取的最佳集水面积阈值为10 000 hm2. ②堵河流域年均NDVI值约为0.636,为中高植被覆盖度,空间上表现出南岸比北岸高;中游最低,向上游和下游逐渐升高的分布特征;年均NDVI最高值在黄龙河流域,最低值在竹溪河流域,存在明显的空间异质性. ③堵河流域NDVI值随海拔的上升先变快后减缓,原因是高海拔山区植被覆盖度高. ④在2001—2016年间,堵河流域的12个子流域年均NDVI值表现出相似的波浪式上升趋势,体现了整个流域的植被覆盖度上升,生态环境转好. 年内堵河流域各子流域的NDVI月均值变化趋势特征趋于一致,8月达到最高峰值,2月达到最低峰值.

English Abstract

  • SWAT(Soil and Water Assessment Tool) 是具有很强的物理机制的流域分布式水文模型,模型既可以进行流域水文单元的划分,也能够模拟气候因素和下垫面因素的空间变化以及人类活动对流域水文循环的影响和流域内泥沙、氮、磷等物质的运移及转换[1-3]. Jonggun等[4]认为子流域划分对模拟结果的影响大于参数调节对结果的影响,而且在地形复杂、坡度较大的流域,不同子流域数量使模拟精度存在不确定性. 植被是连接土壤、大气和水分等的纽带[5],在全球环境变化背景下,植被覆盖的时空变化特征更是全球变化的重要指示器[6-7],因此植被变化成为生态环境研究的热点之一.

    随着遥感卫星资源和新型资源环境卫星数据的发展,基于植被指数的流域植被覆盖时空变化定量分析变得更加容易[8],其中归一化植被指数(Normalized Difference Vegetation Index,NDVI)被认为是植被生长状态的最佳指示因子,能较好地反映植被覆盖和生物量等的变化,在全球及区域环境变化研究中得到了广泛应用[9-12],国外学者Ichii等[13]和Tucker等[14]利用 NOAA-AVHRR NDVI数据分析了全球和非洲植被覆盖变化及NDVI对气候变化的响应. 刘玲玲等[15]运用NDVI数据反演1982—2006 年欧亚大陆植被生长季开始时间遥感监测分析;王情等[16]基于SPOT-VGT的NDVI数据分析流域植被覆盖动态变化及空间格局特征;彭泽瑜等[17]对植被光谱特征季节变化的研究得出阔叶林、针叶林的NDVI值高于灌丛及灌草丛;梁国军等[18]对大山包自然保护区植被光谱特征季节变化研究,发现NDVI能较好地反映了植被的季节变化规律. 国内外学者的研究均表明了NDVI能真实地反映植被覆盖动态变化,但是对地域空间的差异引起的植被覆盖空间格局特征的差异研究缺乏剖析. 因此,以流域为空间单元,定量分析子流域水文单元与植被盖度的变化特征,揭示流域环境状况的空间特征和演化规律具有重要的意义.

    堵河流域是南水北调中线工程丹江口水库的重要水源之一,也是长江经济带的重要组成部分,流域的水文状况和生态环境直接影响南水北调工程的水质水量及其经济效应. 因此,对堵河流域进行子流域划分,分析各子流域的植被覆盖时空变化规律有着十分重要的意义. 本文通过最佳集水面积阈值对堵河流域边界及其子流域边界提取方法进行了探讨,并结合MODIS的NDVI产品和像元统计方法分析了各子流域的NDVI时空分布特征,其结果是评估堵河流域及其子流域生态环境状况的重要依据,对堵河流域的生态环境建设具有重要指示意义.

    • 堵河位于汉江上游南岸,发源于陕西省大巴山. 堵河流域介于东经109°10′~110°45′,北纬31°25′~32°48′之间,流域面积12 430.38 km2,河流全长354 km,地势西南高、东北低. 堵河干流的北岸支流主要包括竹溪河、苦桃河、北星河、对峙河和黄龙河,南岸支流主要有汇流河、官渡河、泉河、深河、霍河、大木河和犟河[19]. 流域两岸山峰高出河床150~200 m,流域平均海拔高度1 034 m,自然落差1 586 m,河道平均比降为4.64 ‰,水力资源丰富[20]. 流域属于大陆亚热带季风气候区,气候垂直分带明显,雨量丰沛,年均降水量810 mm,年平均气温14 ℃. 受气候和地形等影响下,植被覆盖度高、类型多样,主要分布有亚热带常绿阔叶林、常绿落叶阔叶混交林、落叶栎类和大巴山北坡青冈栎等. 土壤以山地黄棕壤为主,有机质含量较高.

    • 本文GDEM DEM数字高程数据来源于地理空间云数据(空间分辨率30 m,水平精度30 m,垂直精度为20 m),研究区包括四景DEM数据[21],在ArcGIS软件支持下对DEM进行图幅拼接和投影转换(49°N UTM投影). 堵河及其支流的矢量数据(蓝线河网)基于2009年TM数据解译并结合堵河流域水文图数字化制作而成,作为与实际相符合的河网水系,也是集水面积阈值确定过程中的基础参照数据[22]. NDVI数据为NASA提供的MODIS二级NDVI产品(MOD13A2),其空间分辨率为 1 km×1 km,为月合成产品[23],选取2001、2004、2008、2012年和2016年的数据. 通过波段运算后,数据有效值域范围在0~1.0之间,NDVI值越高说明植被状况越好. 数据经过MRT 软件批量处理选取1 km Monthly NDVI波段GEO-TIFF格式,得到49°N UTM投影的影像,再用划分的12个子流域进行栅格批量裁剪得到堵河流域年份和月份影像.

    • 在ArcGIS打开EDM影像,建立SWAT工程后,将经过投影、拼接等预处理的DEM数据导入SWAT模型,运行watershed Delineator工具,其后输入集水面积阈值并运行. 该模型自行确定网格单元流向,计算汇流累积量及划分流域分水界线,建立河网与子流域编码及河网结构拓扑关系,获得水系网及其节点编码. 结合遥感影像选取流域的最终出水口的节点编码,计算流域的特征值,生成流域相应的河网水系.

    • 集水面积阈值[24]是指流入某个网格单元的流水流经区域的面积达到一个阈值后,可以提取得到连续河网. 集水面积阈值是应用SWAT分布式水文模型,提取堵河流域及其子流域的重要参数,决定河网提取的精确度;而适度指数法是确定集水面积阈值的重要方法,该方法通过计算流域水系流向起点的实际值与模拟值间的长度误差设定合理的阈值,适度指数值越小,对应的集水面积阈值越合理,提取的水系与蓝线河网拟合程度越好[25]. 适度指数公式为:

      $ F = \frac{{\displaystyle\sum\limits_{s = 1}^n {\mathop {(\mathop L\nolimits_i )}\nolimits_s + \displaystyle\sum\limits_{s = 1}^n {\mathop {(\mathop L\nolimits_r )}\nolimits_s } } }}{{\mathop L\nolimits_T }}, $

      其中:LT 为蓝线河网水系总长度;Li为不足的水流长度;Lr为多余的水流长度;n为多余或不足的水流长度的河段总数;s为多余或不足的水流长度河段. F值越小,表明提取的河网越符合实际.

    • 统计堵河流域的NDVI值时,采用均值统计法进行计算,即统计研究区内所有像元的NDVI的平均值. 公式如下:

      ${I_{{\rm{NDV}}{{\rm{I}}_{mean}}}} = \sum {{I_{{\rm{NDV}}{{\rm{I}}_{x,y}}}}} /n,$

      其中,INDVI为整个堵河流域NDVI的平均值,x为研究区域像元的行数,y为研究区域像元的列数,n表示统计研究区域像元的总数.

    • 标准差是离均差平方的算术平均数的平方根,能反映各个子流域之间面积大小与平均面积的差距程度,公式如下:

      $ \sigma = \sqrt {\dfrac{{\displaystyle\mathop \sum \limits_{i = 1}^n {{\left( {{x_i} - \mu } \right)}^2}}}{n}} , $

      其中,σ表示标准差,μ为算术平均值,xi 为研究区各子流域面积大小,n表示统计研究区域子流域数量的总数.

    • 通过SWAT模型水系提取方法进行堵河流域特征的模拟与分析,在不同的集水面积阈值下对研究区进行子流域划分,得到堵河流域不同的子流域划分结果(图1),集水面积阈值对河网总长和河网水系密度具有直接的影响. 阈值较小时,河网较长,水系密集;阈值较大时,河网较短,水系稀疏. 同时,对各个子流域特征参数进行分析发现(表1),在堵河流域河网水系提取过程中,随着集水面积阈值的增大提取的子流域数量越少,但子流域的平均面积、标准差和最大值均逐渐增大,其最小值在集水面积阈值为10 000 hm2时最大,为3.289. 其中,标准差随阈值增大而逐渐增加,表明各子流域之间的面积大小差距随阈值逐渐增大.

      图  1  2001—2016年堵河流域阈值序列提取的河网与子流域(单位:hm2

      Figure 1.  Threshold sequence extraction of river networks and sub-basins in the Duhe River Basin from 2001 to 2016(unit: hm2)

      集水面积阈/hm2子流域/个子流域平均面积/km2标准差/km2最大值/km2最小值/km2
      1 50044527.976 22.242 194.7480.002
      5 00013195.274 67.492 315.1740.002
      10 000 69178.895148.606 774.9993.289
      15 000 45277.355213.301 896.9510.202
      26 000 33378.211293.2441 092.0570.202
      36 000 21594.332539.1642 211.5450.202

      表 1  2001—2016年堵河流域不同集水面积阈值划分的流域特征参数

      Table 1.  Watershed characteristic parameters of different watershed area thresholds in the Duhe River Basin from 2001 to 2016

      根据公式(1)计算F值并分析适度指数与阈值序列的关系(图2). 从图2结果可知,随着集水面积阈值(S)逐渐递增,适度指数值先减小后递增,阈值在10 000 hm2时适度指数值最小,即确定该点为堵河流域最佳集水面积阈值,其生成的河网与蓝线河网拟合程度最好.

      图  2  适度指数−集水面积阈值曲线

      Figure 2.  Fitness index-catchment threshold curve

      以最佳集水面积阈值10 000 hm2作为提取堵河流域及其子流域的阈值,结合ArcGIS软件的数据处理提取堵河一级支流的流域边界,获得堵河一级支流竹溪河等12条河流的流域边界(图3).

      图  3  堵河水系及各子流域边界

      Figure 3.  The Duhe River water system and sub-basin boundaries

    • 为了降低由于区域地理特征和遥感卫星等引起的误差,提高不同子流域NDVI值的可比性,根据堵河流域不同河段的水文信息及流域内不同的地形、地势等因素,以堵河干流为界,堵河流域的北边为北岸与南边为南岸,汇湾乡作为上游与中游的分界点,姚坪乡为中游与下游的分界点.

    • 基于ENVI的加法运算将堵河流域2001、2004、2008、2012、2016年各月的MODIS NDVI数据进行相加,获得5个年份的堵河流域年总NDVI分布图,再进行除法运算后获得各年份的年均NDVI分布(图4).

      图  4  堵河各子流域5个年份年均NDVI特征值

      Figure 4.  Annual average NDVI characteristics of five years in each sub-basin of Duhe River

      图4结果可知,堵河流域年均NDVI值总体上表现出南岸比北岸高,中游最低,向下游和源头逐渐升高的分布特征,其空间异质性很强且与地形有很大关系. 在北岸的竹溪河流域及苦桃河流域的植被盖度最差,年均NDVI值不足0.223;南岸的汇流河流域、官渡河流域和霍河流域等植被盖度均较高. 在流域下游黄龙河流域植被盖度最高,年均NDVI值为0.482;北星河流域、黄龙河流域、犟河流域和深河流域植被较好,年均NDVI值均在0.334以上;上游汇流河流域、泉河流域和官渡河流域一带植被较好,年均 NDVI 值均在 0.423以上. 而在流域中游,尤其是竹溪河流域及苦桃河流域的广大地区植被最差,年均NDVI值仅为0.132~0.224. 从堵河流域NDVI值空间分布变化特征上看,植被覆盖率和生态环境明显南岸比北岸好,上、下游比中游好.

      我们将植被覆盖度划分阈值区间,利用ArcGIS10.2软件对植被覆盖度图进行重分类,得到堵河流域各植被覆盖等级所占面积比例,发现堵河流域植被盖度等级为中、较高和高覆盖度,植被覆盖率较高(表2). 根据堵河流域年平均NDVI统计结果,植被盖度指数约为0.636,最高为0.755.

      植被盖度阈值区间植被覆盖度等级各阈值区间面积/km2面积比例/%
      NDVI<0.1低覆盖度 0.25 0.14
      0.1≤NDVI≤0.3较低覆盖度 9.96 5.60
      0.3<NDVI≤0.5中覆盖度29.0116.32
      0.5<NDVI≤0.7较高覆盖度76.6643.13
      NDVI>0.7高覆盖度61.8634.80

      表 2  堵河流域植被覆盖度等级划分及面积比例

      Table 2.  Classification of vegetation coverage and area ratio in the Duhe River Basin

    • 堵河流域地处山区地带,为了研究植被覆盖度随地形的变化特征,根据流域地形特征及DEM图像中不同海拔所占像元数量的占比,将海拔划分为0~800 m,800~1 000 m,1 000~1 500 m,1 500~2 500 m,2 500~2 927 m的梯度带,运用 ArcGIS10.2软件对不同海拔等级的植被覆盖度进行分区,统计其平均值(图5). 堵河流域植被覆盖度随海拔的升高,呈现逐渐上升趋势,NDVI值在海拔0~800 m范围最低,海拔2 500~2 927 m范围最高,NDVI值分别为0.577和0.613. 海拔0~1 500 m范围内NDVI值上升速率最快,海拔1 500 m处NDVI值达0.606. 而在海拔1 500~2 927 m范围NDVI值上升相对较缓慢. 即堵河流域植被覆盖度随海拔的上升先变快后减缓,在高海拔的山区植被覆盖度高.

      图  5  堵河流域植被覆盖度随海拔变化分布特征

      Figure 5.  Distribution characteristics of vegetation coverage in the Duhe River Basin with elevation

    • 本文通过ENVI的波段运算将2001、2004、2008、2012年和2016年各月的Modis NDVI数据进行处理,并基于像元的空间统计方法,统计年均NDVI值和12个子流域的月均NDVI值.

    • 基于ENVI的加法运算将堵河流域2001、2004、2008、2012、2016年各月的NDVI数据按年份进行相加后通过除法运算,获得5个年份堵河流域的年均NDVI值分布图后对各流域边界进行裁剪,获得12个子流域的年均NDVI值分布图,运用像元统计分析计算各流域不同年份的年均NDVI值(图6).

      图  6  堵河各子流域年均NDVI特征

      Figure 6.  Annual mean NDVI characteristics of each sub-basins in the Duhe River Basin

      图6结果可知,2001—2016年堵河各子流域年平均NDVI值表现出相似的波浪式上升发展趋势. 这是由于退耕还林及乱砍滥伐现象得到缓解,植被得到保护,而且社会经济发展对堵河流域的破坏相对较小等原因的结果,这与陈超男等[26]对秦巴山区植被覆盖变化及气候因子驱动分析的结论一致. 根据NDVI值年均变化斜率表示其增长率分析,2001—2004年增长率最大;2012—2016年增长率次之;2004—2012年增长率较小. 其中,黄龙河流域NDVI值增长率最高,2001—2016年上升了0.079,其除了人工退耕还林等造林措施以外,降水充沛也是植被长势逐年好转原因之一;竹溪河流域NDVI值及增长率最低,在2001—2016年间上升了0.035. 这是由于地处堵河流域中游重要城镇区,人口众多,植被破坏严重,对植被保护措施的力度相对较小造成. 根据堵河流域16 a年均NDVI值变化特征分析,流域植被覆盖度总体呈上升趋势,体现了堵河流域生态环境良好的发展趋势.

    • 将2001、2004、2008、2012年和2016年的同一个月份的NDVI数据进行加法和除法运算,获得堵河流域的月均NDVI值分布;用各流域边界裁剪每月的月均NDVI值,获得各子流域的月均NDVI值分布图后运用像元统计分析计算不同月份的月均NDVI值(图7). 由图7结果可知,不同月份堵河各子流域月均NDVI值的变化特征趋于一致. 但是全年NDVI值分布差异明显,2月份为月均NDVI年内的最低值,在2—5月各子流域月均NDVI值迅速增长,8月月均NDVI达到最大值,9月至次年2月月均NDVI值缓慢下降,这与何云玲等[27]对云南地区植被覆盖时空变化及其对水热因子的响应研究结果相似. 其中,黄龙河流域的月均NDVI值一年中保持最高,最高值为0.505,最低值在竹溪河流域,只有0.123.

      图  7  堵河各子流域月均NDVI特征

      Figure 7.  Monthly mean NDVI characteristics of each sub-basins in the Duhe River Basin

    • 本文利用GDEM DEM 30M 的数字高程数据,运用SWAT模型和ArcGIS10.2提取了堵河流域及12个子流域边界. 通过ENVI波段运算,获得堵河流域2001、2004、2008、2012年和2016年的空间变化分布特征和各子流域的月均与年均的NDVI值. 基于像元的空间统计方法,分析了堵河流域12个子流域NDVI值的时空分布特征,同时运用分区统计法分析NDVI值与海拔的关系. 结论如下:

      (1)通过SWAT模型,采用适度指数法运算得到堵河流域最佳集水面积阈值为10 000 hm2,其模拟生成的堵河流域轮廓及其河网水系与蓝线河网拟合程度最好;通过ArcGIS10.2软件,依据堵河一级支流划分出12个子流域.

      (2)堵河流域年均NDVI值在空间上总体表现出南岸比北岸高,中游最低,向上游和下游逐渐升高的分布特征,存在明显的空间差异性. 年均NDVI值最高的是黄龙河流域,最低是竹溪河流域,堵河流域植被盖度约在0.636,最高达0.755,属于中高覆盖度. 流域年均NDVI值变化率随海拔的上升呈现“先变快后减缓”的趋势,NDVI值在海拔0~800 m范围最低,在海拔2 500~2 927 m范围最高,原因是高海拔的山区植被覆盖度高.

      (3)从堵河流域16 a的年均NDVI值变化分析,各子流域总体呈现出相似的波浪式上升发展趋势,说明流域植被覆盖度总体上升,生态环境有转好的表现. 堵河流域12个子流域月均NDVI值年内变化8月为最高值,2月为最低值;月均NDVI值黄龙河流域最高,为0.505;最低值在竹溪河流域,只有0.123. 月均NDVI值年内变化特征受到气候因素和植被生长规律的共同影响.

      本文采用适度指数法计算堵河流域最佳集水面积阈值,并依据流域地形及水文特征的差异划分出12个子流域,可最佳表达NDVI值在各子流域不同环境下的分布特征,以揭示堵河流域植被覆盖度与自然因素的响应机制,为堵河流域植被保护和恢复提供科学依据. 同时,堵河流域的空间分布特征反映了植被长势的好坏与地形因素存在一定的关系. 而时间上堵河流域的年际变化特征应是退耕还林等人为因素的影响,堵河流域12个子流域的月均NDVI值年内变化趋势具有一致性,这是由于堵河流域处在大陆亚热带季风气候,秋冬季低温少雨,植被枯黄落叶,径流量小,导致植被覆盖度随之降低;春夏季高温多雨,植被生长繁盛,径流量增大,从而植被覆盖度也随之增加,受气候和植被类型的共同影响所造成. 另外,有研究表明近年来植被覆盖变化的主要驱动力已由气候因素转为人为因素[28]. 因此,定量分析人为因素对植被盖度的影响是今后工作的重点.

参考文献 (28)

目录

    /

    返回文章
    返回