孟加拉吉大港山区植被动态、驱动因素及未来植被覆盖度探索

《Environmental Challenges》:Exploring Vegetation Dynamics, Driving Factors and Future Vegetation Coverage in the Chittagong Hill Tracts of Bangladesh

【字体: 大 中 小 】 时间:2026年06月26日 来源:Environmental Challenges CS8.0

编辑推荐:

  本研究采用地理空间方法,对孟加拉吉大港山区(CHT)植被覆盖的历史变化及未来趋势进行了调查。研究人员利用1989年、1998年、2008年、2018年和2024年五期无云陆地卫星(Landsat)影像,采用归一化植被指数(NDVI)差分法与组合矩阵方法相结合进

  
本研究采用地理空间方法,对孟加拉吉大港山区(CHT)植被覆盖的历史变化及未来趋势进行了调查。研究人员利用1989年、1998年、2008年、2018年和2024年五期无云陆地卫星(Landsat)影像,采用归一化植被指数(NDVI)差分法与组合矩阵方法相结合进行植被动态分析,并整合空间回归建模。研究应用人工神经网络-元胞自动机(ANN-CA)模型预测至2030年的未来植被转换趋势。此外,研究采用空间回归分析(包括普通最小二乘法(OLS)、OLS残差的全局莫兰指数(Global Moran's I)及地理加权回归(Geographically Weighted Regression, GWR))来量化空间依赖性并识别影响植被变化的关键环境及人为驱动因素。结果表明,稀疏植被面积从1989年的15.83%显著增加至2024年的28.17%,主要由人为压力驱动。中等植被在研究期间始终为优势土地覆盖类型,但呈现退化迹象,从1989年的77.75%下降至2024年的65.29%。非植被区与茂密植被在吉大港山区所占比例较小。从转换矩阵分析可知,相当比例的中等植被转化为稀疏植被。该趋势预计将持续,预测2030年非植被区、稀疏植被、中等植被和茂密植被分别占吉大港山区总面积的4.87%、29.71%、64.39%和1.03%。进一步分析揭示,坡度、高程、归一化差异水分指数(NDMI)、人口及聚落扩张对植被动态具有显著影响。研究结果强调吉大港山区植被退化正在加速,亟需基于空间信息和证据的土地管理策略,以实现生物多样性保护和气候韧性。
植被是陆地生态系统的核心组成部分,在调节气候、保护生物多样性和维持人类生计方面发挥着至关重要的作用。植被通过参与碳循环、水分调节、土壤保持等生态过程,维系着生态系统的平衡。然而,越来越多的证据表明,全球多地区植被覆盖及其生态质量正在下降,这可能损害关键的生态系统服务功能。自2000年以来,全球森林覆盖损失已达数亿公顷,约占2000年森林覆盖总面积的13%,且许多受影响区域的变化具有永久性特征。此外,在全球变暖和人为压力加剧背景下,约25%观测区域的植被恢复力,即其对扰动的抵抗力和恢复潜力,正在下降。植被减少不仅是区域或局部问题,更具有全球生态意义,因为植被形态和面积的变化会影响区域水循环、大气水汽输送及陆地-大气能量平衡等大尺度过程。因此,监测植被变化对于了解生态系统生产力动态、土地退化状况、栖息地质量以及人类活动影响具有重要意义。

孟加拉吉大港山区位于该国东南部,是生态最为丰富、地形最为复杂的区域之一。该区域包括班达尔班、兰加马蒂和卡格拉查里三个山区县,占孟加拉国森林覆盖面积的40%以上,对生物多样性、生态系统服务及原住民生计具有特殊重要性。该地区以高地丘陵、坡地和镶嵌式土地利用为特征,包括天然林、商业种植园、轮作农业(jhum)和农林复合系统。这些多样化的土地利用方式,加之社会经济压力和环境变化,在过去几十年间导致该区域植被动态发生广泛变化。由于其由热带半常绿和混交常绿山地林、竹类为主的次生林、商业种植园、轮作农业镶嵌体及农林复合系统组成的异质性植被系统,吉大港山区为综合应用NDVI、空间回归和ANN-CA建模框架提供了高度适宜且富有挑战性的研究景观。

植被动态,即植物覆盖、组成和生产力变化的格局与过程,对于理解吉大港山区的生态健康和可持续性至关重要。该区域的森林和农业生态系统提供碳储存、水分调节、土壤保护以及动植物栖息地等多种生态系统服务,同时维持着当地社区的生计和文化基础。然而,由于人口增长、商业农业、商业采伐以及政府造林需求,吉大港山区正经历严重的森林砍伐、土壤流失和土地利用变化,这对生态系统恢复力和人类福祉构成威胁。现有研究虽揭示了森林损失、土地利用转换和景观破碎化,但对环境和人为变量如何定量影响植被动态的空间差异关注有限。为此,本研究采用基于NDVI的植被分类方法,在较长时期(1989-2024年)内调查植被动态,结合空间回归识别地形、水分、人口和聚落等变量的作用,并利用ANN-CA模型预测未来植被覆盖(2024-2030年),以填补这一研究空白。

本研究发表于《Environmental Challenges》期刊,其主要技术方法包括:利用五期无云Landsat影像(1989、1998、2008、2018、2024年),基于NDVI阈值范围将植被划分为非植被(<0.18)、稀疏植被(0.18-0.35)、中等植被(0.35-0.50)和茂密植被(>0.50)四类;采用组合矩阵方法分析植被类型间的转换;运用ANN-CA模型预测2030年植被覆盖;通过OLS、全局Moran's I和GWR进行空间回归分析,以NDVI为因变量,坡度、高程、NDMI、人口和聚落为解释变量,分析数据来自Shuttle Radar Topography Mission(SRTM)数字高程模型(DEM)及全球人类居住层(GHSL)数据集,所有数据重采样至30米空间分辨率。

植被动态分析结果显示,1989年至2024年间吉大港山区植被经历了显著的土地覆盖变化。非植被面积从1989年的796.32 km2(6.04%)波动变化,2024年为729.38 km2(5.52%)。稀疏 vegetation面积从1989年的2085.45 km2(15.83%)持续增加至2008年的4223.86 km2(31.95%),后回落至2024年的3724.95 km2(28.17%),反映出前期强烈的土地压力和中度退化。中等植被虽始终为优势覆盖类型,但从1989年的10245.29 km2(77.75%)下降至2024年的8633.17 km2(65.29%),显示明显的退化趋势,其中1989至2008年间降幅尤为显著。茂密植被面积极小,1989年仅50.08 km2(0.38%),2008年降至最低10.38 km2(0.08%),2024年恢复至135.76 km2(1.03%),表明原生/成熟林损失严重但近期出现微弱恢复迹象。

植被转换动态分析揭示,1989-1998至2018-2024四个时段内,非植被向非植被的转换比例从5.36%波动变化至4.67%;向稀疏植被的转换在1.04%-1.96%间波动。稀疏植被的稳定性较高,13.33%-18.35%的区域保持为稀疏植被;向中等植被的转换比例从2.97%增至10.61%,显示生态恢复趋势。中等植被的稳定性逐渐减弱,69.03%降至54.23%保持不变;但向稀疏植被的转换从13.26%降至8.53%,表明退化速率放缓。茂密植被极不稳定,仅0.11%-0.19%保持原状,主要向中等植被转换(0.06%-0.43%)。

未来植被预测结果显示,至2030年非植被比例将略降至4.87%,稀疏 vegetation略升至29.71%,中等植被降至64.39%,茂密植被维持1.03%左右。这一预测基于2018-2024年最新转换趋势,采用ANN-CA模型运算,提示若当前趋势持续,稀疏植被扩张和茂密植被丧失将继续。

驱动因素分析方面,OLS结果显示所有年份模型均统计显著,调整R2介于0.391(2008年)至0.648(2018年)。坡度与NDVI始终呈显著正相关,系数从1989年的0.003139降至2024年的0.001720,表明陡坡区域因人类可达性较差而保留较好植被。高程与NDVI关系时变复杂,1989、1998、2018年正显著,2008年负显著,2024年不显著,显示高程单独解释力有限。NDMI与NDVI关系从1989年不显著,1998年负显著,转为2008年后显著正相关,2018年效应最强(β=0.318),表明水分条件对植被绿度的影响日益重要。人口与NDVI从1998年起呈正相关,可能反映农村聚落周边的农林复合景观;而聚落扩张与NDVI呈最一致的负相关,t值从-7.094增强至-22.258,表明其为植被衰退的主要人为驱动。全局Moran's I显示OLS残差强烈空间自相关(0.611-0.663),证实空间非平稳性。GWR模型显著优于OLS,调整R2达0.9395-0.9795,2024年模型解释近98%的NDVI变异,证实驱动因素存在显著空间异质性。

讨论部分,研究人员综合分析了吉大港山区植被变化的复杂模式。研究确认35年间植被经历了"先退化、后部分恢复"的轨迹,2008年后中等和茂密植被的微弱回升可能反映造林或自然恢复 efforts 的成效,但茂密植被总体贡献仍极为有限。从非植被到稀疏、再到中等和茂密植被的渐进恢复路径,强调了长期可持续土地管理的必要性。空间回归分析揭示了地形条件、水分状况、聚落扩张和人口分布交互驱动植被变化,GWR模型捕获的空间异质性表明驱动因素在不同景观位置作用不一。ANN-CA预测结果为政策制定者提供警示:若无及时干预,2030年将面临稀疏植被扩张和茂密森林进一步丧失的风险。

研究结论指出,本研究通过多期Landsat数据和NDVI分类,深入理解了吉大港山区1989-2024年间的植被动态和土地覆盖转换。结果揭示了该区域复杂的植被变化格局、自然保护区效率以及人为和自然扰动威胁。NDVI与遥感技术的结合证明了其在崎岖、数据匮乏地形中进行植被监测的实用价值。空间回归分析进一步揭示了植被变化背后的机制,ANN-CA基于预测为空间保护规划、可持续土地管理和生态恢复提供了实证支持。研究强调,必须将卫星遥感分析与机器学习方法相结合,并亟需及时的政策和社区响应,以制定有效的可持续土地利用和植被保护方案,维护吉大港山区的生态平衡,使其生态系统得以持续繁荣,造福生物多样性和依赖该生态系统的原住民社区。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号