王美林， 姜群鷗,3?， 邵雅琪， 孫駟陽

(1.北京林業(yè)大學(xué)水土保持學(xué)院，100083，北京；2.北京林業(yè)大學(xué) 水土保持與荒漠化防治教育部重點(diǎn)實(shí)驗(yàn)室，100083，北京；3.中國科學(xué)院 地理科學(xué)與資源研究所農(nóng)業(yè)政策研究中心，100101，北京)

土壤濕度是地球表層和大氣能量交換過程中的重要參數(shù)，決定著植被的蒸散發(fā)以及光合作用并且對陸地表面蒸散、水的運(yùn)移以及碳循環(huán)等有很強(qiáng)的控制作用，是農(nóng)業(yè)科學(xué)、水文生態(tài)學(xué)、氣象學(xué)等研究領(lǐng)域衡量土壤干旱程度的重要指標(biāo)[1]。土壤濕度的時(shí)空分布研究對農(nóng)業(yè)干旱監(jiān)測和土地退化監(jiān)測具有重大意義，區(qū)域性的土壤濕度反演，是陸地過程研究中一個(gè)必不可少的參量，對于在改善區(qū)域氣候、預(yù)測區(qū)域干濕情況研究中有著舉足輕重的作用[2]。傳統(tǒng)獲取土壤濕度的方法主要是田間實(shí)測法[3]，采用地面觀測站進(jìn)行實(shí)地監(jiān)測，是對土壤濕度的直接測量，其優(yōu)點(diǎn)是獲得的數(shù)據(jù)精度高，可信度和可靠性強(qiáng)，不足在于費(fèi)時(shí)費(fèi)力，成本高，采樣點(diǎn)數(shù)目不多并且代表性也不強(qiáng)，只能夠反映出監(jiān)測站點(diǎn)附近的局部區(qū)域的土壤濕度。利用遙感技術(shù)可以得到土壤濕度在空間上的分布狀況以及時(shí)間上的變化情況，具有宏觀、實(shí)時(shí)、動(dòng)態(tài)、快速等優(yōu)點(diǎn)[4]，采用遙感技術(shù)己是監(jiān)測土壤濕度的重要途徑和必然趨勢。目前常見的土壤濕度反演方式主要包括熱慣量法、植被指數(shù)與地表溫度結(jié)合法以及微波遙感法等[5-7]。

溫度植被干旱指數(shù)法通過刻畫地表溫度和植被指數(shù)二者關(guān)系的變化特征來綜合反映土壤濕度狀況在國內(nèi)外得到了廣泛研究和應(yīng)用。Price[8]用植被指數(shù)、地表溫度來估測區(qū)域的蒸散量，發(fā)現(xiàn)以兩者為橫縱坐標(biāo)的散點(diǎn)圖呈現(xiàn)三角形。在此基礎(chǔ)上Mornaet研究擴(kuò)充了Price的理論，發(fā)現(xiàn)一個(gè)區(qū)域的地表類型如果是從裸土到密閉植被，區(qū)域的土壤濕度是由干旱到濕潤，則該區(qū)域每個(gè)像元的歸一化植被指數(shù)(normalized difference vegetation index，NDVI)和地表溫度(land surface temperature，LST)構(gòu)成的散點(diǎn)圖將會(huì)呈現(xiàn)梯形。Goetz[9]研究了NOAA/AVHRR，Landsat TM，SPOT等影像計(jì)算的LST和NDVI的斜率與土壤濕度之間的相關(guān)關(guān)系。最后，Sandholt等[10]在前人研究了無數(shù)次植被指數(shù)和地表溫度的關(guān)系的基礎(chǔ)上，首次提出了溫度植被干旱指數(shù)(temperature vegetation drought index，TVDI)這個(gè)概念，并利用TVDI來估測土壤表層濕度狀況，但是該指數(shù)只表示土壤濕度的相對狀態(tài)。陳斌等[11]以內(nèi)蒙古錫林郭勒盟地區(qū)為研究對象選取MODIS植被指數(shù)和陸地表面溫度數(shù)據(jù)構(gòu)建草原地區(qū)的溫度植被干旱指數(shù)，并結(jié)合當(dāng)?shù)貧庀髷?shù)據(jù)和野外同步實(shí)地測量得到的土壤含水量數(shù)據(jù)對該指數(shù)進(jìn)行定量驗(yàn)證，表明TVDI可以用來評價(jià)草原干旱狀況。梁華[12]基于MODIS數(shù)據(jù)利用TVDI法對新疆維吾爾自治區(qū)祁漫塔格研究區(qū)進(jìn)行了土壤濕度遙感反演，并利用課題組改進(jìn)后的地表能量平衡系統(tǒng)(surface energy balance system，SEBS)模型估算的蒸散與所反演的 TVDI進(jìn)行結(jié)果驗(yàn)證，結(jié)果表明蒸散與TVDI的相關(guān)性很好且呈負(fù)相關(guān)性，蒸散值越大則TVDI值越小。王行漢等[13]提出了增強(qiáng)溫度植被指數(shù)(enhanced temperature vegetation dryness index，ETVDI)，該方法克服了TVDI在高植被覆蓋區(qū)植被指數(shù)飽和的缺陷，為中國南方高植被覆蓋區(qū)的旱情監(jiān)測提供了一種新的方法手段。綜上所述，已有眾多專家采用TVDI方法對土壤濕度進(jìn)行大量的研究，并鑒于研究區(qū)瑪曲地區(qū)為低植被覆蓋區(qū)，本研究認(rèn)為TVDI方法能較好地適用于反演研究瑪曲土壤濕度狀況；因此，本研究依據(jù)TVDI方法來揭示瑪曲地區(qū)土壤濕度時(shí)空變化特征以及引起土壤水分變化的關(guān)鍵影響因素，從而為瑪曲生態(tài)保護(hù)提出相應(yīng)的政策建議。

瑪曲位于甘肅省甘南藏族自治州的西南部，是甘南州主要的牧區(qū)和唯一的純牧業(yè)縣。因是黃河第一彎曲部而被稱為黃河首曲，是黃河重要的水源涵養(yǎng)區(qū)，由于海拔較高，發(fā)育的草甸生態(tài)系統(tǒng)較為脆弱，也因此成為典型的生態(tài)脆弱區(qū)。研究瑪曲地區(qū)土壤水分狀況對黃河源區(qū)水源涵養(yǎng)和維持高寒植被生態(tài)系統(tǒng)穩(wěn)定健康發(fā)展具有重要意義。土壤濕度條件對牧草的生長狀況有著直接的聯(lián)系，做好瑪曲土壤濕度的反演監(jiān)測，有助于對區(qū)域旱情進(jìn)行更加科學(xué)準(zhǔn)確的定性或定量評價(jià)，對合理安排瑪曲畜牧業(yè)生產(chǎn)活動(dòng)以及實(shí)現(xiàn)經(jīng)濟(jì)可持續(xù)發(fā)展起著至關(guān)重要的作用。在全球變暖和人類活動(dòng)影響下，瑪曲濕地大面積被破環(huán)[14]，生態(tài)環(huán)境逐漸惡化造成大面積干旱，沼澤湖泊水位明顯下降，黃河一些支流發(fā)生了斷流現(xiàn)象，這些退化現(xiàn)象不僅制約了牧區(qū)經(jīng)濟(jì)發(fā)展，而且對黃河下游地區(qū)生態(tài)環(huán)境也產(chǎn)生了極其嚴(yán)重影響；因此，及時(shí)監(jiān)測瑪曲土壤濕度和干旱情況十分必要。筆者基于2000—2015年瑪曲遙感影像數(shù)據(jù)，利用TVDI模型從年際尺度到季節(jié)尺度反演、解析了瑪曲表層(0～10 cm)土壤濕度的時(shí)空演變特征，進(jìn)而探討其主要影響因素，以期為進(jìn)一步改善瑪曲地區(qū)水資源保護(hù)和生態(tài)環(huán)境質(zhì)量提供重要的科學(xué)依據(jù)。

1 研究區(qū)概況

瑪曲位于青藏高原東緣，甘肅、青海、四川3省交界處，地處甘肅省甘南藏族自治州的西南部，位于E 100°45′45″～102°29′00″，N 33°06′30″～34°30′15″之間(圖1)。區(qū)域內(nèi)呈西北高、東南低的自然階梯地勢，地貌類型主要以極高海拔平原、中起伏高山和中海拔丘陵為主。全區(qū)屬于高原大陸性高寒濕潤區(qū)，高寒多風(fēng)雨(雪)，無四季之分，僅有冷暖2季之別，冷季漫長而寒冷，暖季短暫而溫和。雨水集中，日照充足，太陽輻射強(qiáng)烈，全年沒有絕對無霜期。年平均氣溫1.2 ℃，年降水量615.5 mm，主要集中在5—9月。瑪曲代表性土壤為草甸土，植被類型以耐高寒的中生灌木和多年生草本為主[15]。瑪曲連片綿延的濕地面積達(dá)37.5萬hm2，被譽(yù)為“地球之腎”和黃河的“天然蓄水池”，具有很強(qiáng)的水源涵養(yǎng)和水土保持功能。

圖1 瑪曲區(qū)位圖Fig.1 Location of Maqu county

2 數(shù)據(jù)與方法

2.1 數(shù)據(jù)來源與處理

1)遙感數(shù)據(jù)。本研究主要下載了2000年、2005年、2010年以及2015年每年12個(gè)月每16 d為1期的遙感影像數(shù)據(jù)，共96期，數(shù)據(jù)均來自NASA數(shù)據(jù)中心(https://ladsweb.modaps.eosdis.nasa.gov/)，包括Terra MODIS地表溫度產(chǎn)品MOD11A2、植被指數(shù)產(chǎn)品MOD13A2以及凈初級生產(chǎn)力產(chǎn)品MOD17A3。其中，MOD11A2為8 d合成空間分辨率為1 km的地表溫度產(chǎn)品，包含白天LST、夜間LST、31和32波段通道發(fā)射率及質(zhì)量控制等資料。MOD13A2是Terra衛(wèi)星16 d合成空間分辨率為1 km的植被指數(shù)產(chǎn)品，包含NDVI、幾個(gè)主要波段反射率以及其他輔助信息。MOD17A3是Terra衛(wèi)星8 d合成空間分辨率為1 km的植被產(chǎn)品，它包含植被總生產(chǎn)力、植被凈初級生產(chǎn)力(net primary productivity，NPP)和質(zhì)量控制信息等波段[16-17]。

本研究所采用的地表溫度數(shù)據(jù)MOD11A2和植被指數(shù)數(shù)據(jù)MOD13A2均為L3級，即陸地3級標(biāo)準(zhǔn)數(shù)據(jù)產(chǎn)品，凈初級生產(chǎn)力MOD17A3為L4級數(shù)據(jù)產(chǎn)品，已經(jīng)過幾何糾正、輻射校正處理，使圖像的每一點(diǎn)都有精確的地理編碼、反射率和輻射率校正。將云覆蓋面積大質(zhì)量較差的數(shù)據(jù)用相鄰時(shí)間的影像來替換，對數(shù)據(jù)基于MRT進(jìn)行格式轉(zhuǎn)換等預(yù)處理，利用地表溫度數(shù)據(jù)和NPP的8 d數(shù)據(jù)計(jì)算每16 d的平均值，使其與植被指數(shù)數(shù)據(jù)時(shí)間分辨率保持時(shí)相一致，再經(jīng)過掩膜裁剪處理，得到最終研究所需數(shù)據(jù)。

2)氣候數(shù)據(jù)。氣溫、降水是影響土壤濕度動(dòng)態(tài)變化的2個(gè)重要?dú)夂蛞蛩亍１敬窝芯坎捎媚昃鶜鉁匾约澳杲邓孔鳛橛绊慣VDI的氣候因子。2000—2015年的氣候數(shù)據(jù)來源于中國氣候科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)(http://cdc.cma.gov.cn/)中國地面氣候資料月值數(shù)據(jù)集。為保證結(jié)果的準(zhǔn)確性，本研究基于ANUSPLIN模型對研究區(qū)域內(nèi)以及周邊觀測站點(diǎn)的氣候數(shù)據(jù)進(jìn)行空間插值處理，再通過掩膜提取，獲得本研究所需要的降水和氣溫的空間分布數(shù)據(jù)，空間分辨率均為1 km。

3)其他數(shù)據(jù)。本研究采用的其他影響因素?cái)?shù)據(jù)主要包括人口、GDP、DEM和坡度等，這些數(shù)據(jù)來源于中國科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心(http://www.resdc.cn/DataList.aspx)。其中，人口、GDP的數(shù)據(jù)包含了4期(2000，2005，2010，2015年)，空間分辨率均為1 km，而DEM高程數(shù)據(jù)空間分辨率為30 m，坡度數(shù)據(jù)是通過DEM數(shù)據(jù)進(jìn)行計(jì)算處理后得到的，將所獲取的數(shù)據(jù)重新采樣到統(tǒng)一的空間尺度，以便于進(jìn)行影響機(jī)制的分析。

2.2 研究方法

1)TVDI模型。本研究運(yùn)用TVDI模型對遙感數(shù)據(jù)進(jìn)行了反演處理。研究發(fā)現(xiàn)，地表溫度(LST)與歸一化植被指數(shù)(NDVI)之間存在很密切的聯(lián)系，且呈負(fù)相關(guān)關(guān)系，隨著植被覆蓋度的增加，植被的蒸騰作用降低地表溫度。當(dāng)?shù)乇硖幱诟珊等彼臓顟B(tài)時(shí)，地表溫度會(huì)迅速升高；相反的，當(dāng)?shù)乇淼耐寥罎穸容^大時(shí)，地表溫度升高得較少。計(jì)算公式為

(1)

式中：tS為地表溫度，℃；tSmin、tSmax分別為研究區(qū)內(nèi)某一NDVI對應(yīng)的最小、最大地表溫度，℃，即所對應(yīng)的濕邊和干邊方程。其計(jì)算公式如下：

tSmax=a1+b1×NDVI。

(2)

tSmin=a2+b2×NDVI。

(3)

式中：擬合系數(shù)a1為干邊的截距，℃；a2為濕邊的截距，℃；b1和b2為2個(gè)量綱為1的常數(shù)，分別表示干邊和濕邊的斜率，為模型所需的重要參數(shù)。

本研究通過利用以16 d為時(shí)間分辨率的地表溫度數(shù)據(jù)和歸一化植被指數(shù)數(shù)據(jù)，以0.01為步長，對每期的相同植被指數(shù)下對應(yīng)的最大、最小地表溫度值進(jìn)行提取，得到LST-NDVI散點(diǎn)圖。在此基礎(chǔ)上，去除集中區(qū)域外的以及兩端相對離散的一些誤差散點(diǎn)，選擇合適的NDVI值范圍再進(jìn)行線性回歸擬合。經(jīng)過擬合得到的2條直線，其中由最小地表溫度值組成的那條邊則稱作“濕邊”，而由最大地表溫度組成的邊通常稱為“干邊”[18]。根據(jù)擬合的干濕邊方程，進(jìn)而得到TVDI所需的斜率和截距。將每期獲得的參數(shù)代入表達(dá)式(1)最終計(jì)算出每16 d的TVDI值，TVDI的取值在0～1之間，TVDI值越大，表明該地區(qū)土壤水分缺失程度越嚴(yán)重。

2)相關(guān)分析。測度土壤濕度和影響因素之間的相互關(guān)系可以通過兩者間相關(guān)系數(shù)的計(jì)算與檢驗(yàn)來完成的。筆者以相關(guān)系數(shù)，或稱皮氏積矩相關(guān)系數(shù)為指標(biāo)來衡量地形因子和氣候因子對土壤濕度的影響及其相關(guān)性，該相關(guān)系數(shù)由卡爾·皮爾森(Karl Pearson)在1880年提出，現(xiàn)已廣泛地應(yīng)用于科學(xué)的各個(gè)領(lǐng)域。其相關(guān)系數(shù)

(4)

3)回歸分析?；貧w分析是主要探究變量之間相關(guān)關(guān)系和依存關(guān)系的一種有效方法?？傮w回歸模型反映了變量間關(guān)系的總體趨勢，線性總體回歸模型形式簡單、參數(shù)的估計(jì)與檢驗(yàn)也相對容易，是最為常見的總體回歸模型。多元線性回歸模型的一般形式為

ya=β0+β1x1a+β2x2a+…+βkβka+εa。

(5)

式中：β0,β1,…,βk為待定參數(shù)；εa為隨機(jī)變量。

圖2 2000—2015年2月瑪曲LST-NDVI特征空間及干濕邊擬合Fig.2 LST-NDVI feature space and dry-wet edge fitting in Maqu county of February from 2000 to 2015

本研究基于瑪曲2000—2015年的TVDI時(shí)間序列數(shù)據(jù)及相應(yīng)的高程、坡度、氣溫、降水、凈初級生產(chǎn)力、人口和GDP數(shù)據(jù)，對區(qū)域內(nèi)土壤濕度與不同影響因素間的相關(guān)關(guān)系進(jìn)行分析，同時(shí)對相關(guān)系數(shù)進(jìn)行顯著性水平檢驗(yàn)，再建立多元線性回歸模型進(jìn)一步分析土壤濕度與影響因素之間的關(guān)系。

3 結(jié)果與分析

3.1 LST-NDVI特征空間的構(gòu)建

3.1.1 LST-NDVI特征空間及干、濕邊擬合 本研究采用LST-NDVI特征空間來擬合干濕邊方程，進(jìn)而獲取TVDI模型所需的斜率和截距2個(gè)參數(shù)。因影響LST-NDVI斜率與土壤含水量之間關(guān)系的因素眾多且復(fù)雜，直接利用斜率與土壤濕度關(guān)系來估算土壤含水量容易產(chǎn)生較大的誤差，而基于LST-NDVI特征空間的 TVDI模型可比直接利用斜率與土壤濕度關(guān)系來估算土壤含水量能取得更好的效果[19-20]。因此，本研究獲得2000、2005、2010和2015年每年24期的LST-NDVI特征空間圖。以每年2月份上半個(gè)月的數(shù)據(jù)為例(圖2)，結(jié)果表明：雖然研究區(qū)不同時(shí)段內(nèi)的植被指數(shù)與地表溫度的值域各異，但是植被指數(shù)與地表溫度的像元對散點(diǎn)分布呈現(xiàn)較好的三角形關(guān)系，因此能夠很好地?cái)M合干濕邊方程，從而能夠較好地利用植被—溫度的關(guān)系來模擬地表土壤濕度。且其中基本上干邊方程的平均R2大于濕邊方程的平均R2，說明LST-NDVI特征空間擬合干邊的效果要比濕邊效果好。干邊斜率均小于零為負(fù)值，最大地表溫度隨著植被指數(shù)的增大而減小，而濕邊斜率大于零，最小地表溫度隨著植被指數(shù)的增大而升高。

3.1.2 模型反演結(jié)果驗(yàn)證 為了驗(yàn)證TVDI模型的反演結(jié)果，筆者將2017年8月初期野外實(shí)測的土壤表層0～10 cm的土壤含水量數(shù)據(jù)與相同采樣點(diǎn)同期反演的TVDI值做相關(guān)性分析，進(jìn)行精度驗(yàn)證，由圖3可以看出TVDI值與瑪曲實(shí)測土壤表層水分有顯著的負(fù)相關(guān)關(guān)系，R2達(dá)到0.565。隨著土壤濕度增大，TVDI值呈現(xiàn)明顯的減小趨勢，這說明溫度植被干旱指數(shù)模型適用于本研究區(qū)對土壤濕度的反演，能夠反映土壤水分狀況變化趨勢。

TVDI stands for temperature vegetation drought index圖3 TVDI值與實(shí)測土壤濕度的相關(guān)關(guān)系Fig.3 Correlation between TVDI and measured soil moisture

3.2 瑪曲土壤濕度的時(shí)空演變特征

3.2.1 土壤濕度的年際變化特征 土壤濕度在一定程度上可通過TVDI指標(biāo)體現(xiàn)，基于LST-NDVI特征空間和擬合得到的干濕邊方程可計(jì)算出研究區(qū)2000、2005、2010以及2015年每期TVDI值。在此基礎(chǔ)上，估算每月TVDI平均值。為了更好地揭示瑪曲土壤濕度的時(shí)空變化特征，本研究根據(jù)計(jì)算得到的每年12個(gè)月的TVDI值估算了瑪曲每年TVDI的平均值，按照干濕等級劃分標(biāo)準(zhǔn)分為5級。其中，TVDI值范圍為(0，0.3]時(shí)屬于濕潤區(qū)，(0.3，0.5]為偏濕潤區(qū)，(0.5，0.6]時(shí)屬于正常，(0.6，0.75]時(shí)屬于偏干旱，(0.75，1)時(shí)屬于干旱[16]，進(jìn)而得到年均TVDI值空間分布圖，空間分辨率為1 km。

筆者分析了2000—2015年時(shí)間尺度上瑪曲土壤濕度總體變化趨勢，結(jié)果表明(圖4)：瑪曲年均TVDI值2010年達(dá)到最高，2000年最低，2000—2010年整體上呈逐年顯著上升趨勢，之后有小幅度下降，TVDI年均值由2000年的0.56增長至2015年的0.65。隨著年份的推移，瑪曲土壤濕度不斷減小，干旱情況不斷加劇，2010年之后有所減輕，這與陳金雷等[21]在黃河源區(qū)土壤溫濕變化及相關(guān)氣候要素分析一文中的研究結(jié)果相同，近年來10 cm土壤溫濕有暖干化趨勢。從空間上分析，研究區(qū)的土壤濕度空間變化特征顯著且存在明顯的空間分異規(guī)律：研究區(qū)域總體表現(xiàn)為從西北部到東南部TVDI值逐漸增大，總體上，濕潤地區(qū)主要集中在西北部，在中部和東南部區(qū)域出現(xiàn)大片偏干旱或干旱的情況。

圖4 2000—2015年瑪曲年均TVDI年際變化趨勢圖Fig.4 Interannual trend map of annual average TVDI in Maqu county from 2000 to 2015

從瑪曲2000—2015年土壤濕度的時(shí)空演變特征(圖5)分析發(fā)現(xiàn)，該區(qū)域在2000年時(shí)主要為偏濕潤區(qū)和正常區(qū)，而到2005年時(shí)主要表現(xiàn)為正常區(qū)和偏干旱區(qū)。其中，2000年瑪曲濕潤區(qū)以不完全連續(xù)斑塊狀分布在西北部的歐拉秀瑪鄉(xiāng)，到2005年已完全消失。對于偏濕潤區(qū)，2000年分布面積較大，呈連續(xù)片狀分布于西部地區(qū)，到2005年變成不完全連續(xù)片狀分布于瑪曲的西北部，而大面積的偏濕潤區(qū)轉(zhuǎn)化為正常區(qū)。而對于正常區(qū)，由表1可得2000年瑪曲土壤濕度表現(xiàn)為正常區(qū)的面積最大，面積比達(dá)到33.9%，主要分布于中部的阿萬倉，東南和西南部的曼日瑪、齊哈瑪和采日瑪?shù)鹊貐^(qū)，但正常區(qū)到2005年幾乎全轉(zhuǎn)化為偏干旱區(qū)，剩余正常區(qū)呈斑塊狀分散地分布。對于干旱區(qū)，在2000年時(shí)瑪曲干旱區(qū)面積仍較小，僅占0.34%，零星點(diǎn)狀分布在東部和東南部，到2005年干旱區(qū)面積減少為零。

到2010年，瑪曲干旱程度要比2005年加重了很多，整體表現(xiàn)為偏干旱和干旱區(qū)，而對于濕潤區(qū)，依舊為零，偏濕潤區(qū)也呈不斷減少的趨勢，面積占比為16.99%，主要以不連續(xù)斑塊狀分布在西北高地勢的歐拉秀瑪鄉(xiāng)。與2005年相比，瑪曲土壤濕度表現(xiàn)為正常的區(qū)域到2010年逐漸轉(zhuǎn)化為偏干旱區(qū)，正常區(qū)區(qū)域面積不斷減小，到2010年面積占比降為18.43%。而瑪曲中部及東南部偏干旱區(qū)到2010年大部分轉(zhuǎn)化為干旱區(qū)，導(dǎo)致干旱區(qū)面積增加。因2005年正常區(qū)轉(zhuǎn)化為2010年的偏旱區(qū)，故相比2005年的偏干旱區(qū)面積，2010年的偏干旱區(qū)面積占比沒有顯著變化。

到2015年瑪曲干旱程度有所減輕，尤其是干旱區(qū)面積迅速減少，面積占比降為19.37%，且偏濕潤區(qū)的面積也有小幅增加。其中，面積比例最大的是偏干旱區(qū)，為47.3%，大部分由2010年的干旱區(qū)轉(zhuǎn)化而來，偏干旱區(qū)呈連續(xù)片狀和條帶狀主要分布在齊哈瑪、采日瑪、歐拉秀瑪和以及歐拉鄉(xiāng)。

圖5 2000—2015年瑪曲年均TVDI時(shí)空變化趨勢圖Fig.5 Spatio-temporal variation trend of annual TVDI in Maqu county from 2000 to 2015

年份Year濕潤Wet(0～0.30)偏濕Relatively humid(0.30～0.50)正常Normal(0.50～0.60)偏干Relatively dry(0.60～0.75)干旱Dry(0.75～1.00)20009.2529.1133.9027.400.3420050.0023.6844.4831.840.0020100.0016.9918.4330.7133.8720150.6315.2417.4647.3019.37

3.2.2 土壤濕度的季節(jié)變化特征 為了更清晰地揭示瑪曲2000—2015年土壤濕度的時(shí)空變化特征，本研究還分析了季節(jié)變化規(guī)律。利用每期計(jì)算得到TVDI值估算了瑪曲每月TVDI的平均值，再估算季時(shí)間分辨率的TVDI平均值，結(jié)果顯示(圖6)，瑪曲春季和秋季的TVDI值波動(dòng)比較大，變化趨勢相對一致，呈現(xiàn)出先增加后減小但整體上升的趨勢，表明春秋季節(jié)瑪曲的土壤濕度隨時(shí)間的推移趨于旱化。相比其他季節(jié)，春季除2010年以外整體相對濕潤，但是有變干的趨勢?，斍韭L，降雪較多，春季冰雪融化會(huì)對土壤水分的增加產(chǎn)生顯著影響，而春季降雨的減少和氣溫變化導(dǎo)致春季氣候干旱，進(jìn)而引起土壤水分減少，并且減少的數(shù)量和程度已經(jīng)超過了冰雪融水對土壤水分增加的部分，所以整體表現(xiàn)趨于干旱。夏季TVDI值呈先下降后升高的趨勢，有小幅度變濕潤趨勢。而對于冬季TVDI先上升后趨于平穩(wěn)，整體有小幅度變干的趨勢?？傮w來看，瑪曲地區(qū)全年TVDI均值在0.5～0.75之間波動(dòng)，說明整體處于正常偏干旱狀態(tài)。

在空間上可以看出，無論是處于哪個(gè)季節(jié)，瑪曲TVDI值都呈現(xiàn)由西北向東南遞增的趨勢(圖7)。2000—2015年瑪曲春季平均土壤濕度狀況相比其他季節(jié)相對較好，但是偏干旱區(qū)分布面積仍然較大。其中，偏濕潤區(qū)呈斑塊狀分布在西北歐拉秀瑪鄉(xiāng)以及東南部曼日瑪?shù)貐^(qū)，正常區(qū)分布較為分散，圍繞在偏濕潤區(qū)周圍分布著?，斍杭酒珊祬^(qū)主要集中分布在中部阿萬倉和南部地區(qū)，干旱區(qū)面積較小，呈斑點(diǎn)狀分布在東南部地區(qū)。

與春季相比，夏季瑪曲的濕潤區(qū)面積沒有明顯變化，偏濕潤區(qū)面積減少，零星分布在歐拉秀瑪鄉(xiāng)地區(qū)，正常區(qū)區(qū)域面積相比春季增加了，偏干旱區(qū)依舊占主導(dǎo)地位，呈連續(xù)片狀分布在中部以及中部以南地區(qū)，北部邊緣地區(qū)也有部分區(qū)域土壤濕度為偏干旱情況。夏季的瑪曲干旱區(qū)區(qū)域面積相比春季有所增加但變化不大。

與夏季相比，秋季瑪曲偏濕潤區(qū)面積變大，正常區(qū)和偏干旱區(qū)面積變化不明顯，干旱區(qū)面積有稍微的減小，總體土壤濕度狀況還是以偏干旱為主，大片連續(xù)地分布在阿萬倉、曼日瑪、齊哈瑪、采日瑪和尼瑪鄉(xiāng)等地區(qū)。

圖6 2000—2015年瑪曲TVDI季節(jié)變化趨勢圖Fig.6 Seasonal variations of TVDI in Maqu county from 2000 to 2015

圖7 2000—2015年瑪曲TVDI季節(jié)變化空間分布圖Fig.7 Spatial distribution map of seasonal changes of TVDI in Maqu county from 2000 to 2015

與秋季相比，可以明顯看出冬季瑪曲干旱區(qū)面積增加，呈不完全連續(xù)斑塊狀分布在阿萬倉、曼日瑪和尼瑪鄉(xiāng)。冬季的偏干旱區(qū)區(qū)域面積相比秋季有所減小，因?yàn)椴糠制珊祬^(qū)轉(zhuǎn)化為了干旱區(qū)。正常區(qū)和偏濕潤區(qū)的面積也減少了。整體看來，瑪曲地區(qū)春季和夏季土壤濕度相對較大，冬季土壤濕度最小且比較穩(wěn)定，這可能是由于冬季降水量小，溫度低凍土面積大，相對比較干旱。由于受青藏高原和東亞季風(fēng)性大陸氣候的影響，瑪曲夏季多雨而冬季干燥，可能是造成上述瑪曲土壤濕度季節(jié)性變化結(jié)果的原因之一。

3.3 瑪曲土壤濕度的影響因素分析

本研究基于瑪曲的本底條件，依據(jù)相關(guān)參考文獻(xiàn)中對土壤濕度的影響因素分析結(jié)果，考慮數(shù)據(jù)的可獲得性，最終從生物因素、氣候因素[22]、地形因素[23]及社會(huì)經(jīng)濟(jì)因素等方面選取了7個(gè)主要影響因子。并對收集的影響因子數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，得到其特征信息(表2)。要素的數(shù)據(jù)以柵格圖像的方式呈現(xiàn)，精度均為1 km。因變量TVDI數(shù)據(jù)的標(biāo)準(zhǔn)差比較小，說明數(shù)據(jù)觀測趨向于靠近均值，高程因子的標(biāo)準(zhǔn)差較大，數(shù)據(jù)散布在一個(gè)大的值域中，且值域范圍為3 342～4 653，年凈初級生產(chǎn)力的數(shù)據(jù)特征與高程相似，較為分散，人口因子數(shù)據(jù)為0到約40人/km2等。

基于收集的以上要素的數(shù)據(jù)，做多元回歸分析及預(yù)測，估算了生物、氣候、地形與社會(huì)經(jīng)濟(jì)因素與TVDI的相關(guān)關(guān)系、影響系數(shù)與顯著性，對自變量與因變量之間進(jìn)行了相關(guān)性的檢驗(yàn)以及共線性的診斷，發(fā)現(xiàn)7個(gè)影響因素都通過了置信度水平為0.01的顯著性檢驗(yàn)，自變量與因變量具有顯著相關(guān)性，且自變量之間不存在共線性的問題，可以列入多元回歸方程。通過TVDI實(shí)際值與預(yù)測值之間的散點(diǎn)圖以及殘差分析散點(diǎn)圖可以判定回歸模型擬合效果優(yōu)良程度，擬合方程的相關(guān)系數(shù)達(dá)到0.761，且每個(gè)要素對TVDI的影響均較顯著(表3和圖8)。

表2 影響因子數(shù)據(jù)的描述統(tǒng)計(jì)信息

表3 回歸分析模型摘要及方差分析

圖8 回歸預(yù)測值擬合效果圖Fig.8 Fitting diagram of regression prediction values

從不同要素對TVDI的影響系數(shù)分析(表4)，凈初級生產(chǎn)力、年降水量、高程、坡度以及GDP對TVDI具有顯著的負(fù)向效應(yīng)；但由于TVDI越大，土壤濕度越小，因此，說明這些因子均對土壤濕度具有顯著正向效應(yīng)。

其中，凈初級生產(chǎn)力是植物光合作用有機(jī)質(zhì)的凈創(chuàng)造，值越大表征植被長勢越好。雖然凈初級生產(chǎn)力增長會(huì)消耗更多的水分，但是植被對地表的直接或間接覆蓋，能有效地減小土壤水分蒸發(fā)量，并且在降雨或融雪過程中，也可以截留和停蓄更多的水分；故凈初級生產(chǎn)力對土壤濕度具有顯著的正向效應(yīng)，植被凈初級生產(chǎn)力對TVDI的影響系數(shù)為-0.630(在0.01水平顯著性)。

年均氣溫對TVDI具有顯著的正向效應(yīng)，而降水卻對其有一定的負(fù)向作用，其影響系數(shù)分別為0.606和-0.495。這主要是由于氣溫的升高影響了土壤溫度的升高還增大了蒸發(fā)量，土壤蒸發(fā)使得土壤濕度越低，而降水量是土壤水分的主要來源，降水量越多土壤含水量也多，尤其淺層表現(xiàn)更為明顯。高程和坡度均對土壤濕度具有一定的正向效應(yīng)，隨著高程和坡度的增加，冰雪凍融作用對土壤濕度的影響更加顯著，其影響系數(shù)可分別達(dá)到-0.493和-0.295，這與陳少丹等[24]研究長江中下游流域坡度對土壤相對濕度的影響的研究結(jié)果相一致。

從社會(huì)經(jīng)濟(jì)因素來看，GDP是社會(huì)經(jīng)濟(jì)發(fā)展、區(qū)域規(guī)劃和資源環(huán)境保護(hù)的重要指標(biāo)，結(jié)果顯示其對土壤濕度存在一定的正向效應(yīng)，影響系數(shù)為-0.318；而人口對其具有一定的負(fù)向作用，影響系數(shù)為0.117。因人口越密集的區(qū)域需水量越大，放牧的數(shù)量也會(huì)相應(yīng)增多，人口增加對地下水的開采和地表水的利用也會(huì)增加，進(jìn)而影響土壤濕度，因此，人口對土壤濕度的影響表現(xiàn)為有一定的限制作用。另外一方面，隨著經(jīng)濟(jì)的發(fā)展和生活水平的提高，致使越來越多的牧民開始從事其他行業(yè)，逐漸從放牧中解放出來，放牧壓力的減少在一定程度上促進(jìn)草地的生態(tài)修復(fù)，從而致使土壤的蓄水能力不斷提高，另外，經(jīng)濟(jì)的增長也會(huì)讓當(dāng)?shù)卣懈嗟腻X投入到畜牧業(yè)科技水平的提高上，進(jìn)而也促進(jìn)草場的恢復(fù)，土壤濕度會(huì)有相應(yīng)的增加。

表4 多元回歸模型的相關(guān)系數(shù)

注：** 表示在P<0.01級別(雙尾)下極顯著相關(guān)。Notes: ** indicates a significant correlation at levelP<0.01 (double tailed).

4 結(jié)論與討論

筆者采用Terra衛(wèi)星MODIS的歸一化植被指數(shù)和地表溫度數(shù)據(jù)，建立了LST-NDVI特征空間，擬合相應(yīng)的干濕邊方程，提取溫度植被干旱指數(shù)TVDI指數(shù)來反演瑪曲土壤濕度的年際與季節(jié)性時(shí)空變化特征，并基于估算的TVDI指數(shù)空間分布數(shù)據(jù)與收集的多個(gè)影響因素?cái)?shù)據(jù)，建立了多元線性回歸模型，對影響瑪曲土壤濕度時(shí)空變化的自然環(huán)境因素和社會(huì)經(jīng)濟(jì)因素進(jìn)行定量分析，研究結(jié)論如下。

1)瑪曲土壤濕度整體空間分布格局為從西北向東南由濕潤逐漸趨向于干旱，但是總體的干濕等級以正常為主?，斍寥浪种鹉隃p少，作為黃河上游的重要水源涵養(yǎng)區(qū)和生態(tài)屏障，瑪曲土壤濕度的降低和干旱的加劇將嚴(yán)重影響當(dāng)?shù)厣鷳B(tài)平衡及黃河的徑流量，從而引起一系列的嚴(yán)重后果；季節(jié)尺度上，研究區(qū)春夏季土壤濕度較大，但是隨著時(shí)間的推移，春季有變干的趨勢，這可能是由于春季降雨的減少和氣溫變化導(dǎo)致春季氣候干旱，進(jìn)而引起土壤水分減少；而夏季主要受降雨的影響，隨著時(shí)間的推移，夏季降水對土壤濕度的影響在增大；2000—2005年瑪曲冬季TVDI值增加，且保持在較高的干旱穩(wěn)定水平。

2)凈初級生產(chǎn)力對TVDI具有顯著的負(fù)向效應(yīng)，地表植被造成土壤蒸發(fā)量減少、攔截存蓄的徑流量增加是造成土壤濕度增加的主要影響原因。氣候也是影響土壤濕度的主要因素，氣溫升高加快土壤蒸發(fā)，對土壤濕度存在負(fù)向效應(yīng)，而降水對土壤濕度具有顯著的正向效應(yīng)。要提升瑪曲的土壤含水量，首先面臨的是應(yīng)對減緩全球氣候變暖的問題，倡導(dǎo)并落實(shí)低碳生活，增加綠化面積，規(guī)劃恢復(fù)草原植被，增大瑪曲的植被凈初級生產(chǎn)力，既減少土壤水分的蒸發(fā)緩解旱情又能攔截蓄水涵養(yǎng)水源。

3)社會(huì)經(jīng)濟(jì)要素也是影響土壤濕度的重要因素，其中，GDP的增長對土壤濕度的增加具有一定的促進(jìn)作用。在發(fā)展社會(huì)經(jīng)濟(jì)的同時(shí)，一方面，政府應(yīng)該努力轉(zhuǎn)變畜牧業(yè)生產(chǎn)方式，引導(dǎo)牧民從傳統(tǒng)的靠天養(yǎng)畜向科技養(yǎng)畜轉(zhuǎn)變，減輕草場載畜壓力，通過政策扶持和推廣高效畜牧業(yè)生態(tài)示范與技術(shù)，認(rèn)真落實(shí)草原生態(tài)保護(hù)獎(jiǎng)勵(lì)補(bǔ)償補(bǔ)政策等，另一方面，要鼓勵(lì)牧民從事其他產(chǎn)業(yè)的工作，發(fā)展促進(jìn)旅游業(yè)等多元綠色經(jīng)濟(jì)，保護(hù)天然草原等生態(tài)環(huán)境，防治沙化，使得土壤濕度保持在一個(gè)良好的狀況；而人口因素對土壤濕度的影響表現(xiàn)為抑制作用，故應(yīng)采取控制人口增長的措施等。

此外，本研究基于遙感方法反演土壤濕度和數(shù)學(xué)統(tǒng)計(jì)方法分析影響因素，對瑪曲土壤濕度的時(shí)空分布特征及其主要影響因素有了較準(zhǔn)確的研究結(jié)果，但由于數(shù)據(jù)源等的限制，沒有分析其他更多土壤濕度的影響因子，比如土壤屬性如容重、飽和導(dǎo)水率等因素，也沒有探討不同深度土壤濕度的變化情況，希望未來進(jìn)一步研究近年來瑪曲地區(qū)土壤干濕的季節(jié)性或年際變化與土壤分層、土壤屬性等要素的時(shí)空相關(guān)性，對多元線性回歸模型做一些補(bǔ)充。