关键词:
淮河流域
植被覆盖度
地理探测器
驱动因素
CA-Markov
摘要:
厘清淮河流域生态环境质量在时间和空间上的演变特点,并深入探讨自然环境和人为因素对植被覆盖度变化的影响,对于淮河流域生态环境政策的制定与实施具有重要的意义。本文利用谷歌地球引擎(Google Earth Engine)工具,建立了遥感植被覆盖度数据,并结合趋势分析和变异系数,对淮河流域2000-2021年间植被覆盖度的时空变化进行评价。此外,通过运用地理探测器模型,深入剖析了影响淮河流域植被覆盖度变化的主要驱动因子。同时,结合CA-Markov与MCE-CA-Markov模型,分别对2030年淮河流域植被覆盖度的分布特征进行预测模拟,以下是主要的研究结果:
(1)植被覆盖度的时空分布特征:在2000-2021年的22年间,淮河流域的植被覆盖度值在0.665-0.721之间波动。从2000年到2010年,植被覆盖度表现出显著的增长趋势。而自2011年至2021年,植被覆盖度的增长则相对缓慢。基于2021年数据,淮河流域植被覆盖度分布以中高、高覆盖度为主,这两种植被覆盖度的面积合计占比达75%。整体而言,植被覆盖度呈现出西南高、东北低的趋势。其中,河南省西部、安徽南部、湖北省的植被覆盖状况最优越,而江苏和山东省北部的低植被覆盖区分布最广。
(2)植被覆盖度时空演化特征:在研究期间,淮河流域植被变化呈现改善趋势。改善区域的面积达到233195 km2,而退化区域面积则为157669 km2。改善的区域主要集中在研究区的西部和南部,而退化区域主要集中在研究区东部、中部及北部。整体来看,淮河流域的植被覆盖度稳定性较高,高稳定性和较高稳定性的区域占比达到66.93%,表明植被覆盖度的波动幅度不大。对植被覆盖度变化稳定性的分析结果显示,水系湖泊区域和海拔较高的山区植被覆盖度的整体稳定性较高,而水系湖泊边界周围区域的植被覆盖度的整体稳定性较低。
(3)植被覆盖度变化的驱动因素分析:通过地理探测器模型的探测,发现夜间灯光和降水量是影响植被覆盖度变化的主要驱动因子。双因子交互作用的解译力均高于单因子,夜间灯光与其他因子的交互作用对植被覆盖度的变化尤为显著。综上表明人类活动与气象因素是影响植被生长的关键因素。
(4)植被覆盖度的时空预测特征:CA-Markov和MCE-CA-Markov在预测2030年淮河流域植被覆盖分布时均展现出了较高的精度,两者的预测结果高度一致。通过MCE-CA-Markov模拟预测,高植被覆盖度与中高植被覆盖度的面积相较于2020年将持续增加,而中、中低和低植被覆盖度区域的面积呈现出相对减少的趋势。
图[19]表[17]参[121]