基于GEE云平台的黄河流域农牧交错区植被覆盖度时空变化特征

摘要 ［目的］通过监测黄河流域农牧交错区退耕还林还草工程实施前后植被覆盖时空变化规律，为该地区生态恢复和可持续生态建设提供理论依据。［方法］以1990—2020年遥感影像为基本数据源，利用像元二分模型估算研究区植被覆盖度，运用岭回归函数分析植被覆盖度变化趋势，采用Hurst指数预测植被覆盖度变化趋势。［结果］黄河流域农牧交错区年均植被覆盖度由1990年的30.05%增加至2020年的49.19%，增速为0.62%/a（P<0.05）。退耕还林还草工程实施以后，恢复面积增加至53.11百分点。Hurst指数在0.75<H≤1.00的区域范围面积占研究区域95%以上。［结论］黄河流域农牧交错区植被覆盖度恢复面积远大于退化面积，植被整体呈恢复状态，且今后一段时间仍然保持恢复趋势。整体来看，黄河流域农牧交错区植被覆盖度不同等级土地面积发生转移的区域主要由低植被覆盖度向中低、中等植被覆盖度转移。生态工程的实施对黄河流域农牧交错区植被生长具有明显促进作用。

关键词 植被覆盖度；时空变化特征；黄河流域农牧交错区；Hurst指数；Google earth engine（GEE）

中图分类号 X173 文献标识码 A

文章编号 0517-6611（2023）04-0044-06

doi：10.3969/j.issn.0517-6611.2023.04.011

Temporal and Spatial Variation of Vegetation Coverage in Agro-pastoral Ecotone of the Yellow River Basin Based on GEE Cloud Platform

FU Zhen，ZHANG Zhi-min，SU Juan et al

（School of Agriculture，Ningxia University，Yinchuan，Ningxia 750021）

Abstract ［Objective］To provide a theoretical basis for ecological restoration and sustainable ecological construction in the Yellow River Basin by monitoring the temporal and spatial changes of vegetation cover before and after the implementation of the project of returning farmland to forest and grassland in the farming pastoral ecotone.［Method］Using remote sensing images from 1990 to 2020 as the basic data source，the vegetation coverage in the study area was estimated by pixel dichotomy model，the change trend of vegetation coverage was analyzed by ridge regression function，and the change trend of vegetation coverage was predicted by Hurst index.［Result］The average annual vegetation coverage in the agro-pastoral ecotone of the Yellow River basin increased from 30.05% in 1990 to 49.19% in 2020，with a growth rate of 0.62%/a （P<0.05）.After the implementation of the project of returning farmland to forest and grassland，the area recovered increased to 53.11 percentage points.The area of areas with 0.75<H≤1.00 accounts for more than 95% of the study area.［Conclusion］The restoration area of fractional vegetation coverage in the agro-pastoral ecotone of the Yellow River Basin is much larger than the degraded area，and the vegetation is in a state of restoration as a whole，and will maintain the trend of different grades of land areas in the agro-pastoral ecotone of the Yellow River Basin shifted mainly shifted from low vegetation coverage to medium-low and medium fractional vegetation coverage.The implementation of ecological engineering has a significant role in promoting vegetation in the agro-pastoral ecotone of the Yellow River Basin.

Key words Fractional vegetation cover（FVC）;Temporal and spatial variation characteristics;Agro-pastoral ecotone of the Yellow River Basin;Hurst index;Google earth engine（GEE）

黄河流域是我国重要的生态屏障和重要的经济地带，是打赢脱贫攻坚战的重要区域，在我国经济社会发展和生态安全方面具有十分重要的地位［1］。2019年9月18日黄河流域生态保护和高质量发展座谈会上，习近平总书记的讲话中把黄河流域的生态保护和高质量发展与京津冀协同发展、长江经济带发展、粤港澳大湾区建设、长三角一体化发展一样，上升为重大国家战略，进一步说明了黄河流域在国家安全中的重要地位［2］。而黄河流域农牧交错区是草地与耕地、农业与畜牧业之间在空间上相互交错、在时间上相互重叠，且人类活动极其频繁，从而导致其生态系统的结构、功能、物质循环和能量流动具有一定的复杂性［3］。同时黄河流域农牧交错区也是我国典型的生态脆弱区和水土流失最为严重的地区之一［4］，为此我国在黄河流域农牧交错区实行了“退耕还林（草）”等一系列重大生态工程［5］，以达到改善生态环境的目的，但是凸显的生态问题仍然十分严峻。

植被覆盖度（fractional vegetation cover，FVC）是衡量地表植被生长状况的重要指标［6-7］，同时研究植被覆盖度及其时空变化，也是评价生态环境质量的重要手段［8］。因此，研究植被覆盖度对黄河流域农牧交错区生态状况评价尤为重要。虽有学者对黄河流域植被覆盖有所研究，如何航［9］研究了黄河流域上中游植被覆盖变化及驱动因素，刘海等［10］研究了气候变化及人类活动对黄河流域植被覆盖的影响，但整体而言，目前对整个流域尤其是针对黄河流域农牧交错区生态状况长时序研究仍显滞后。

现有研究表明，google earth engine（GEE）云平台在植被指数分析［11］、土地利用覆盖［12］和其他土地利用遥感信息提取及分类［13］等方面与传统的遥感分析手段相比更具有明显的特色优势，尤其是在长时间序列、大范围的遥感监测研究中，GEE云平台的优势更加凸显。但在整个黄河流域，应用 GEE 平台开展研究刚刚起步，如李晶等［14］基于GEE云平台对黄河流域植被覆盖度时空变化特征进行了研究。但对黄河流域农牧交错区基于 GEE 平台的长时序植被覆盖度变化监测鲜见报道，对其生态变化时空差异认知缺乏研究数据支撑，流域生态变化特征及机理尚不明晰［9］。笔者以黄河流域农牧交错区为研究对象，基于GEE遥感云平台，采用陆地卫星地表反射率数据（landsat surface reflectance data）分析黄河流域农牧交错区1990—2020年植被覆盖度的时空变化规律，通过监测黄河流域农牧交错区退耕还林还草工程实施前后植被覆盖时空变化规律，以期为该地区生态恢复和可持续生态建设提供理论依据。

1 资料与方法

1.1 研究区概况

黄河流域农牧交错区位于35°～42°N、102°～114°E（图1），面积约45万km2。黄河流域农牧交错区内山脉众多，地貌差别较大，从西到东横跨青藏高原、内蒙古高原、黄土高原和黄淮海平原4个地貌单元［15］。域内气候差异显著，以温带季风气候为主，年均气温12～14 ℃，降水时空分布不均、年际差异较大，年降水量200～600 mm［16］。黄河流域植被的分布趋同于降水的分布，从西到东依次为稀疏灌木草原、草原、阔叶林和农作物，域内土壤种类丰富，主要有草甸土、栗钙土、黄绵土和棕壤土等［17］。

1.2 数据源与预处理 该研究采用GEE平台提供的T1级别的Landsat地表反射率数据产品SR（surface reflectance）。该数据已通过大气校正算法消除大气反射、散射和吸收等干扰因素引起的误差，空间分辨率为30 m，时间分辨率为16 d。由于Landsat 5、Landsat 7、Landsat 8卫星服务年限不同，1990—2011年选用Landsat 5影像，2012年选用Landsat 7影像，2013—2020年选用Landsat 8影像。气象数据源自GEE平台的NOAA_CFSV2_FOR6H产品，数据获取时期为1990—2020年。中国北方农牧交错区域矢量边界图源自全球变化科学研究数据出版系统（http：//www.geodoi.ac.cn/）。

在GEE平台中获取1990、1995、2000、2005、2010、2015、2020年黄河流域农牧交错区上空的Landsat影像批量去云处理，计算植被归一化植被指数NDVI（normalized difference vegetation index），采用以95%为最大值对每年的NDVI影像进行融合，合成每一年的NDVI影像，并使用黄河流域农牧交错区矢量图进行裁剪，获得研究区每年的NDVI最大值影像。利用像元二分模型合成年FVC 影像，并用QGIS 3.14进行处理。

1.3 研究方法

1.3.1 像元二分模型。

像元二分模型是计算植被覆盖度的常见方法［18］，该方法的优势在于可以大幅减小大气和土壤背景等因素对植被类型的影响。首先假定单个像元所对应的地表分别由有植被覆盖和无植被覆盖两部分组成，然后计算有植被覆盖部分与该像元的面积比例，该比例即为该像元的植被覆盖度，计算公式如下：

FVC=（NDVI-NDVIsoil）/（NDVIveg-NDVIsoil）（1）

式中，FVC为植被覆盖度；NDVIsoil为无植被覆盖区域的NDVI，理论上趋近于0；NDVIveg为完全植被覆盖区域的NDVI。

1.3.2 岭回归函数。