2 中国科学院大气物理研究所 北京 100029
2 Institute of Atmospheric Physics, Chinese Academy of Sciences, Beijing 100029, China
“一带一路”是中国面对21世纪世界发展新格局制定的具有突破性、全局性、长远性的国家重大战略。 “丝绸之路经济带”东边紧邻亚太经济圈,西边系着发达的欧洲经济圈,被认为是“世界上最长、最具有发展潜力的经济大走廊”。“21世纪海上丝绸之路”是面向南海、太平洋和印度洋的战略合作经济带。在“一带一路”建设实施过程中,亟需解决区域生态文明建设相关的资源环境问题。国家发展和改革委、外交部、商务部联合发布的《推动共建丝绸之路经济带和21世纪海上丝绸之路的愿景与行动》也提出,在投资贸易中突出生态文明理念,加强生态环境、生物多样性和应对气候变化合作,共建绿色丝绸之路。
在高强度人类活动和全球变化的影响下,“丝绸之路经济带”的资源环境面临严峻问题与挑战。(1)水资源短缺严重制约了该地区的经济发展,气候变暖导致的冰雪消融已经严重影响了这一地区水资源安全;(2)面临着全球变化带来的极端气候事件增多、重大自然灾害频发和生态环境恶化等一系列问题与挑战;(3)也存在着因重大基础设施投资巨大、涉及国家多、环境复杂在建设选址(线)与工程地质环境、自然生态环境以及突发灾害等方面带来的诸多风险与问题。因此,如何保证这一地区资源环境的可持续性是实施“丝绸之路经济带”建设面临的重大挑战。
空间观测技术具有宏观、快速、准确认知对象的优势,开展基于空间观测的“丝绸之路经济带”资源环境格局研究可以获得对“丝绸之路经济带”丰富、全面的科学认识,从而为国家建设“丝绸之路经济带”提供科学咨询和科技支撑。本文针对“丝绸之路经济带”核心区的中国新疆、中亚地区及周边区域的典型生态环境要素:植被要素(植被绿度、植被覆盖度)和水资源要素(湖泊、土壤水分和水储量变化),基于长时间序列的卫星遥感数据,研究和分析了这些典型生态环境要素参数时空演进格局及对气候变化的响应,同时,针对该区域的生态环境问题提出了相应举措的建议。
1 研究数据与方法 1.1 数据源(1)气候要素数据
本文主要用英国CRU(University of East Anglia,ClimaticResearch Unit)发布的高分辨率降水和温度数据(http://www.cru.uea.ac.uk/data)。该数据为月值集,其原始数据为0.5° 经纬格网,经过格网平均得到1° 经纬格网值。
(2)植被要素监测遥感数据
研究中国新疆及中亚干旱区植被变化特征及其对气候变化的响应,这对中亚及中国新疆干旱区的生态重建与修复有重要的参考意义。本文研究数据为长时间序列GIMMS NDVI3g(1982—2011年) 遥感数据集。
(3)水资源要素监测数据源
湖泊面积变化监测数据:获取了7个湖泊近30年的4期光学影像: 1978年26景Landsat MSS、1989年24景Landsat TM、1998年28景Landsat TM、2010年30景Landsat ETM+。Landsat MSS的空间分辨率是60 m,Landsat TM/ETM+是30 m。为保证季相一致,并考虑多云等天气的影响,选取8—10月份中亚地区湖泊的平水期影像,个别缺失的影像数据用平水期接近的月份代替。湖泊水位变化提取数据采用的是T/P卫星1992—2002年的MGDR和Envisat卫星2002—2012年的RA2_GDR 雷达高度计数据,分别由法国国家太空研究中心(CNES)和欧洲空间局(ESA)提供。
土壤水分数据为 ESA 发布的1978—2010年的ECVSM(基本气候变量)主被动微波融合土壤水分数据,空间分辨率为0.25°,时间分辨率为天,单位为体积含水量(m-3/m-3)。由于标准化和融合处理有赖于不同传感器之间的重叠时段,而SMMR(1978年10月—1987年8月)与后续的SSM/I(1987年7月至今)却仅有不到两个月的重叠时间段,这使其与后续土壤水分产品趋势很难保持一致[1, 2]。因而本文参考Wouter Dorigo等人[1]的研究,将研究时间划分为两个时段(1979—1986年和1988—2010年)。
本文使用的重力水数据为GRACE Level-2 RL05数据,由美国德克萨斯大学空间研究中心(UTCSR,Universityof Texas,Center for Space Research)提供(http://isdc.gfz-potsdam.de/grace)。 时间跨度为2003年1月—2014年12月,缺失月份的数据由其前后两个月线性内插得到,球谐系数展开至60阶次。
1.2 研究方法(1)植被要素变化遥感监测方法
使用复相关及偏相关分析方法分析气候因子对植被生长的影响效果,并采用滞后相关分析法考虑植被对降雨脉冲反应的时间差,探讨生长季的植被对降雨的滞后响应。其次采用MODIS 数据和像元二分模型方法,对中亚地区的草地覆盖度(2000—2013年)进行了反演,并采用一元线性拟合趋势分析法观测了新疆及中亚五国2000—2013年最大草地覆盖度的变化趋势。
(2)微波遥感土壤水分动态及其对气候变化响应规律分析方法
针对微波遥感土壤水分数据,综合4种典型的统计分析方法:线性趋势分析方法、Mann-kendall趋势检验法、pearson相关分析方法和相关性t检验法,提出一种新的微波遥感土壤水分动态及其对气候变化响应规律分析方法。另外,引入一种标准化处理和集合分析方法对一种微波传感器的多种算法反演的土壤水分产品进行处理进而得到一种更为客观合理的土壤水分集合数据[3]。
(3)基于最小二乘谱分析的水储量变化分析方法
使用 GRACE 数据计算了空间1°经纬格网点上质量异常的时间序列,由于这些质量异常主要表示的是水文信号,具有明显的周年和半周年变化,可通过最小二乘谱分析方法进行水储量拟合[4, 5]。拟合结果的振幅可以表示水储量周期变化的强烈程度,而线性速率则可以表示时间段内水储量增加或减少的趋势。
2 “丝绸之路经济带”生态环境全球变化响应 2.1 新疆及中亚地区降水与温度变化趋势图 1为1979—2010年中亚及我国新疆地区降水(a)和温度(b)变化趋势。新疆及中亚地区近30年来除里海北部、巴尔喀什湖西部及东南边界外,大部分地区的降水都在减少;相对而言,我国新疆西部大部分地区的降水都在增多。中亚五国及我国新疆地区近30年来均呈升温的趋势,其中我国新疆准噶尔盆地、塔里木盆地以及中亚咸海西北、卡拉库姆沙漠地区均显著升温。
![]() |
图 1 1979—2010年中亚及我国新疆地区降水(a)和温度(b)变化趋势图 |
基于1982—2011年 GIMMS NDVI3g 数据分析了植被绿度的时空变化格局,发现近30年来,中亚干旱区植被年平均生长状况波动较大。1982—1991年间,多数植被区呈现绿化的趋势,少数退化植被区主要集中在咸海流域;而在1992—2011年间,全区植被基本呈现退化趋势,其中哈萨克斯坦北部的草地和耕地退化较为严重(图 2a 和图 2b)。整体上,中亚干旱区植被生长变化呈现单峰曲线,在1991年后植被呈现显著退化的趋势(图 2c)。不同的植被类型,植被年际变化趋势也呈现出不同的特征。中亚干旱区主要植被类型为草地、农田(耕地)、灌木和森林,这4种植被类型在1982—1991年间退化面积比例较小;而在1992—2011年间,显著退化面积比例均超过了20%[6]。
![]() |
图 2 1982—1991年和1992—2011年间中亚地区植被绿度年际变化趋势空间图(a、b)及时序图(c) |
中亚干旱地区是一个水资源严重不足、蒸发量非常大的地区,降雨和温度的变化严重影响着当地植被的生长状况。相比于1982—1991年,中亚地区植被对气候的响应明显变弱(图 3a1、图 3b1)。其中,降雨对大部分地区植被影响变弱,但在阿姆-锡尔河流域地区的影响加强(图 3a2、图 3b2);温度对植被的影响则由正相关转变为负相关,表明持续升高的气温开始抑制植被的生长(图 3a3、图 3b3)。1982—1991年,植被与降雨相关性较强,且滞后期多数为0—1个月;但1992—2011年,二者的相关性明显减弱,并且滞后期在多数地区(尤其是中亚中部)延长到3个月。同时,植被与温度的相关性也在1992—2011年间明显较弱,且在生长末期滞后期延长。总体而言,1991年之后,中亚地区植被显示出剧烈的退化,气候因子对植被的影响较1991年之前减弱,这表明该地区的植被退化还可能是由于一些非气候因素(人为作用、土地利用变化等)引起的。
![]() |
图 3 植被对降雨和温度的复相关系数(a1—b1),以及对降雨(a2—b2)和温度(a3—b3)的偏相关系数 |
2000—2013年间,中亚干旱区植被覆盖度年际间波动较大,均值总体为下降趋势。变化极显著减少(slope θ<0,P≤0.01)的草地区占草地总面积的4.89%,显著减少(slope θ<0,0.01<P≤0.05)的草地区占草地总面积的7.41%,二者之和占草地总面积的12.30%。显著增加(slope θ>0,0.01<P≤0.05)地区占草地总面积的1.39%,极显著增加(slope θ>0,P≤0.01)的地区占草地总面积的1.18%,二者之和占草地总面积的2.57%。
中亚五国及中国新疆草地覆盖度变化趋势区域性差异较大,整体呈现退化趋势,退化区域主要分布在哈萨克斯坦的北部和西北部地区以及部分流域地区;少部分地区植被覆盖度呈增加趋势,如中国新疆地区(图 4a)。针对不同等级草地覆盖度的变化趋势研究发现,中等、中高和高植被覆盖度的草地有向低、中低植被覆盖度的草地转换的趋势(图 4b)。从国家及地区角度分析发现,14年间吉尔吉斯斯坦、塔吉克斯坦、哈萨克斯坦的草地覆盖度均值变化波动很大,相对而言,中国新疆地区的草地覆盖度均值变化比较平缓。哈萨克斯坦的草地覆盖度均值以 -0.0055·a-1(P<0.05)的速率显著下降,而吉尔吉斯斯坦、塔吉克斯坦和中国新疆分别以0.0004·a-1、0.0018·a-1、0.0019·a-1(P<0.05)的速率显著上升。
![]() |
图 4 2000—2013年中亚干旱区(a)草地覆盖度变化趋势空间分布图,(b)各等级草地面积占总草地面积百分比的变化趋势图 |
采用 Landsat 卫星数据分析中亚地区7个典型湖泊面积的时空变化(图 5a),发现除萨雷卡梅什湖外,其他6个湖泊在1978—2010年的面积都出现不同程度的萎缩,2010年的湖泊总面积是1978年的51.95%。咸海、巴尔喀什湖及萨雷卡梅什湖是中亚地区平原尾闾湖的典型代表,它们的湖泊面积变化最大。咸海曾经是世界第四大水体,如今面积缩减最为显著,2010年的湖泊面积仅为1978年的22.31%;巴尔喀什湖虽然在1998—2010年间面积出现回升,但近30年的面积总体趋势是缩减的,缩减了6.59%;萨雷卡梅什湖1978年的面积只有210.65 km2,至1989年猛增至3 329.01 km2,之后近20年的面积变化则相对稳定。
![]() |
图 5 (a)1978—2010年中亚主要湖泊的面积变化图,(b)1992—2012 年 10 月中亚主要湖泊水位变化图 |
利用1992—2002年的 Topex/Poseidon 卫星 MGDR(雷达高度计)和2002—2012年的 Envisat 卫星 RA2_GDR(雷达高度计)获取了1992—2012年10月份的湖泊雷达高度计数据(图 5b)。咸海水位呈较大幅度降低,近20年平均水位下降了3.52m,于1987年自然分成南、北咸海两片水域。南北咸海自身的水位变化差异较大,北咸海水位变化几经升降,2005年后逐渐稳定,呈现缓慢回升趋势,近20年水位上升了1.6 m。南咸海水位持续下降,2010年达到最低值,近20年水位下降了8.63 m,在7个湖泊中水位变化最大。萨雷卡梅什湖水位变化基本呈持续增长态势,前10年水位增长幅度持续变大,2007年后趋于平稳,近20年水位上升了6.3 m。巴尔喀什湖水位变化相对稳定,近20年水位上升了1.33 m。总的来说,近20年间水位变化最大的是作为平原尾闾湖的萨雷卡梅什湖和咸海,高山封闭湖(伊塞克湖、阿拉湖)变化最小,水位变化不足0.5 m;区别于前两类湖泊,吞吐湖(萨瑟克湖、斋桑泊)水位变化相对复杂,既有萨瑟克湖较稳定的水位上升,也有斋桑泊相对较大的水位波动[7]。
气候变化(尤其气温变化)对高山封闭湖泊水位变化起决定性作用。近年来,伊塞克湖和阿拉湖流域气温的持续升高使得冰川融水作用加强,从而增加了入湖径流量,使得伊塞克湖和阿拉湖出现面积增加和水位升高现象。咸海面积的剧减和水位的下降使得湖泊对流域气候的调节作用减弱,干涸的湖底积聚着大量的盐土,对当地农区产生直接的消极影响。
2.3.2 新疆及中亚地区土壤水分时空变化格局及气候变化响应基于1979—2010年的主被动微波遥感数据反演的新疆及中亚土壤水分数据,开展新疆及中亚地表土壤水时空变化研究。图 6为新疆及中亚地区1979—1986年土壤水分变化趋势时空分布和1988—2010年 SM 变化趋势时空分布。1979—1986年间,中亚五国整体以变干为主,而我国新疆以变湿为主。但1988—2010年间,两个区域均以变干为主,但中亚五国北部地区的变化趋势更为明显。总的来说,中亚各国的土壤水分均显著减小,哈萨克斯坦土壤水分最先开始显著减小,其后依次为乌兹别克斯坦、土库曼斯坦、吉尔吉斯斯坦和塔吉克斯坦。除吉尔吉斯斯坦以外,中亚其他四国的土壤水分均对气温的显著上升表现出一致的减小趋势,对降水变化的响应并不明显。
![]() |
图 6 (a)1979—1986年土壤水分变化趋势时空分布,(b)1988—2010 年土壤水分变化趋势时空分布 |
通过对中国新疆与中亚土壤水分变化进行对比发现:中亚地区2007年之前4—10月的平均土壤水分要高于我国新疆地区,但在2007年之后两个区域相差不多。这可能是由以下两个原因造成的:(1)中亚地区的土壤干化趋势要明显大于我国新疆地区,这是由降水和气温的综合影响造成的,尤其是近年来中亚地区降水的持续下降和气温的显著上升;(2)自2004年以来我国新疆地区的土壤水分明显上升,这很可能与近年来我国新疆地区的增温、增湿有所关联[8]。
从温度和降水的变化趋势及相关性分析可见(图 7),1979—2010年间,地表土壤水均与降水呈正相关关系,与气温呈负相关关系。但在不同的时间段有不同的表现。1979—1986年间,地表土壤水变化与降水呈显著的正相关,而与气温的负相关性并没有通过0.05显著水平检验。说明,该时间段内降水的减少主导了地表土壤水的干化趋势。 1988—2010年间,地表土壤水变化与气温显著负相关,而与降水则呈微弱的正相关。说明该时段内,气温的上升主导了地表土壤水的干化趋势。中亚地区与我国新疆地区4—10月的土壤水分均与气温显著负相关,与降水的正相关性均不显著。这表明,近23年来中亚地区与我国新疆地区4—10月的土壤水分均对气温的显著上升表现出一致的减少趋势,降水变化对土壤水分的影响并不明显[9]。
![]() |
图 7 我国新疆及中亚地区土壤水分、温度和降水的变化趋势图 |
基于重力卫星 GRACE 数据,对中亚地区的水储量变化进行了遥感监测与分析。GRACE 数据能够反映陆地总体水储量变化。通过2003—2014年 GRACE 卫星数据分析得到(图 8):中亚地区的水储量总体上处于减少的趋势,里海地区和哈萨克斯坦西北是减少比较严重的区域;在乌兹别克斯坦和土库曼斯坦交界处水储量有增加的趋势,主要原因是该地区是农业区,近几年该地区修建了水利设施,蓄水量增加导致水储量有增加的趋势,另外,在巴尔喀什湖北部地区水储量有增加的趋势,主要原因可能是伊犁河的水大量流入。从图 8还可以看到,中国西部与各国交界地区的冰川区水储量均处于减少的趋势,即冰川均处于融化的趋势且减少的趋势还比较显著。中国新疆的北部地区水储量处于较为显著的减少趋势,另外,青藏高原(西藏和青海)和塔里木河流域周围地区如帕米尔、喀喇昆仑、西昆仑和天山的山地冰川亦均处于消融趋势,同时,由于冰川融化导致地表径流和湖泊的增多,造成青藏高原和塔里木河流域的水储量有较大幅度地增加;中国西部的甘肃和宁夏地区水储量有轻微增加的趋势,云南和四川地区水储量有较大的增加趋势。水储量增加的原因除了近几年这些地区降水有一定幅度的增加外,有可能近年来国家采取了较为有效的对于西部地区的生态环境的保护和水资源的高效利用和管理措施。
![]() |
图 8 中国新疆与中亚及周边区域2003—2014年水储量线性变化趋势图 |
本文利用卫星遥感数据对中国新疆、中亚五国及相关周边区域的生态环境要素的变化情况进行了遥感监测。总体来说,中亚地区多数植被呈现剧烈退化趋势,尤以哈萨克斯坦的退化最为严重,除了气候因素,植被退化可能还由一些非气候因素引起;其水资源量在近几十年内也具有较大的潜在减少的趋势,具体表现为水储量减少、湖泊面积萎缩和地表土壤水下降。
为了有效应对该区域的生态环境退化加重的问题,建议:(1)在“丝绸之路经济带”核心区实施全流域水资源协同管理,强化流域水源涵养、高效用水,弱化所谓“生态建设”,以自然保护为主。跨境河流是新疆与中亚国家重要的历史和现实纽带,合理水资源管理是发展经济带的关键所在。“丝绸之路经济带”建设亟需以水资源和生态环境容量及其时空格局为依据,进行科学规划和布局,制订科学的可持续发展规划和实施方案。严禁忽视水资源承载力和生态环境容量的做法。需要进一步科学论证、进行科学的资源承载力和环境容量的科学评估,使资源开发和利用建立在资源、环境可持续的基础之上。(2)在“丝绸之路经济带”核心区加强冰川、积雪和湖泊面积、河道断流与地下水的时空变化的空间观测,开展区域生态环境评估,为合理的生态保护、补救措施及生态补偿提供信息支持,为生态安全提供科学依据,为全球变化影响下的干旱区可持续发展提供科学信息支撑。
[1] | Dorigo W, de Jeu R, Chung D, et al. Evaluating global trends (1988-2010) in harmonized multi-satellite surface soil moisture. Geophysical Research Letters, 2012, 38(18):1-7. |
Click to display the text | |
[2] | Liu Y Y, Dorigo W A, Parinussa R M, et al.Trend-preserving blending of passive and active microwave soil moisture retrievals. Remote Sensing of Environment, 2012(123):280-297. |
Click to display the text | |
[3] | Draper S C, Wakler J P, Steinle P J, et al. An evaluation of AMSR-E derived soil moisture over Australia. Remote Sensing of Environment, 2009, 113:703-710. |
Click to display the text | |
[4] | Tapley B D, Bettadpur S, Ries J C, et al. GRACE measurements of mass variability in the Earth system. Science, 2004, 305:503-505. Doi:10.1126/science.1099192. |
Click to display the text | |
[5] | Singh A, Seitz F, Schwatke C. Inter-annual water storage changes in the Aral Sea from multi-mission satellite altimetry, optical remote sensing, and GRACE satellite gravimetry. Remote Sensing of Environment. 2012, 123(0):187-195. |
Click to display the text | |
[6] | Zhou Y, Zhang L, Fensholt R, et al. Climate contributions to vegetation variations in Central Asian vrylands:Pre- and post-USSR Collapse. Remote Sensing, 2015, 7:2449-2470. Doi:10.3390/rs70302449. |
Click to display the text | |
[7] | 成晨, 傅文学, 胡召玲, 等. 基于遥感技术的近30年中亚地区主要湖泊变化. 国土资源遥感, 2015, 27(1):146-152. |
Cited By in Cnki (1) | |
[8] | 胡汝骥, 姜逢清, 王亚俊, 等. 中亚(五国)干旱生态地理环境特征. 干旱区研究, 2014, 31(1):1-12. |
Cited By in Cnki (5) | |
[9] | Li X W, Gao X Zh, Wang J K, et al. Microwave soil moisture dynamics and response to climate change in Central Asia and Xinjiang Province, China, over the last 30 years. Journal of Applied Remote Sensing, 2015, 9(1):096012-096012. |
Click to display the text |