基于洪水淹没范围，选取GLASS植被遥感参数数据和地表覆盖数据，分析洪水事件对植被的影响。

 

陆地植被受洪水灾害影响的空间变化分析

 

　　（1）2005年美国新奥尔良地区洪水

 

　　为探究2005年美国新奥尔良地区洪水对植被影响的空间分布状况，本报告选取植被覆盖度（FVC）进行具体分析，统计洪水年2005年前后4年洪水期间（8月29日至10月24日）该洪水淹没地区内各像元的FVC平均值。2005年受淹地区的FVC相比2004年明显下降，可见此次洪水对植被造成了严重影响；2006年FVC明显提升，但相比灾前2004年未完全恢复；2007年的FVC和洪水前2004年差距很小，植被已经基本完全恢复。

 

　　为进一步细化受影响植被的类型，本报告获取了30米分辨率的地表覆盖数据，利用叠置和空间统计分析方法获取洪水淹没区各地表覆盖类型的面积，见下图。

 

 

　　该地区受淹的植被类型以湿地植被、建筑用地植被和林地为主，及少部分灌丛、草地和耕地。其中湿地受淹面积最大，达18.29万hm2，占总面积的71.97%；建筑用地被淹面积为3.02万hm2，占比11.89%；林地被淹面积为1.56万hm2，占比6.14%；灌丛被淹面积为0.30万hm2，占比1.17%；草地被淹面积为0.21万 hm2，占比0.84%；耕地被淹面积为0.13万hm2，占比0.53%。

 

 

　　（2）2010年巴基斯坦印度河流域洪水

 

　　为探究2010年巴基斯坦印度河流域洪水对植被影响的空间分布状况，本报告选取FVC进行具体分析，统计2010年前后4年洪水期间（7月20日至9月14日）该地区内各像元的FVC平均值，见图3.11。受淹地区南部的FVC较高，普遍大于0.4；北部相对较低，河道外边较远处植被覆盖率则很低，这与当地的气候有关。2010年受淹地区的FVC相比2009年南部和中部地区（FVC较高）明显下降，北部几乎不变（FVC较低），可见此次洪水对不同地区造成的影响差异较大。对比洪水前后4年，2011年相比2010年的FVC明显提高，且高于灾前的2009年，可见植被恢复很快，洪水带来的水分补给一定程度上促进了植被生长，这种情况持续到了2012年。洪水对该地区植被损害持续时间很短，洪水过后，洪水充当的水源会促进植被生长，持续时间长达2年左右。

 

 

　　基于30米地表覆盖数据，利用叠置和空间统计分析方法统计该地区植被受淹具体类型。结果表明，该地区主要淹没的植被覆盖类型包括耕地和草地，以及少部分林地和湿地植被等。其中耕地被淹没面积最大，为274.35万hm2，占总面积的89.66 %；草地其次，被淹面积为19.25万hm2，占比6.29%；然后为林地，被淹面积为5.39万 hm2，占比1.76%；最后是湿地，被淹面积为1.33万hm2，占比0.43%。此次洪水对耕地植被影响最大，洪水会导致当年的植被减产甚至绝收，但是来年由于洪水补给了水分，耕地植被生长更加茂盛，所以FVC在灾害第2年快速提高。

 

 

　　（3）2013年中俄黑龙江流域洪水

 

　　为探究2013年中俄黑龙江流域洪水对植被影响的空间分布以及恢复状况，本报告选取FVC进行具体分析，统计2013年前后四年洪水期间（8月5日至9月30日）该地区内各像元的FVC平均值，见图3.13。受淹地区的植被覆盖率普遍较高，2013年受淹地区的FVC相比2012年明显下降，此次洪水对该地区植被造成的影响很大。对比洪水前后4年，2014年相比2013年明显提高，甚至部分地区仍略高于2012年，2015年和2014年基本无差别，可见洪水对该地区植被的影响持续时间不超过1年。

 

 

　　基于30米地表覆盖数据，统计该地区植被受淹具体类型。该地区主要淹没的植被覆盖类型包括湿地植被和耕地，以及少部分草地和林地。其中湿地植被被淹面积最大，为6.00万hm2，占比57.49%；耕地其次，被淹面积为3.3hm2，占比31.65%；然后为草地，被淹面积为0.64万hm2，占比6.11%；最后是林地，被淹面积为0.21万hm2，占比1.99%。

 

 

　　综上，洪水对3个案例的植被空间和植被种类影响差异较大。其中中俄黑龙江流域的洪水主要分布在河道两旁，受影响植被类型主要为耕地植被和一些湿地植被，以及部分森林植被等。美国新奥尔良地区洪水主要发生在湖两岸，主要受影响的植被包括湿地植被、林地和建筑用地植被，林地整体受影响较小，恢复较快；湿地植被和城市植被尤其是低矮草本植物会遭到一定程度破坏，恢复较慢。巴基斯坦印度河流域洪水发生在印度河两岸，以及低洼的三角洲地区，主要受影响的植被为耕地植被和草地，不同于上述区域，洪水对该地区影响时间很短，洪水过后植被尤其是耕地植被生长更加茂盛。

 

陆地植被受洪水灾害影响的时间变化分析

 

　　（1）2005年美国新奥尔良地区洪水

 

　　利用该地区洪水淹没范围图掩膜GLASS产品得到2000-2016年每8天的植被遥感参数数据，对每一副影像求洪水淹没区像元平均值，统计分析得新奥尔良市及周边的2000-2016年植被参数变化曲线图，洪水期为2005年8月29日至10月24日。由图3.15(a)可知，2000年至2016年淹没区的LAI、FAPAR和GPP变化具有很好的年周期性，而且三者的一致性很好。每年的植被遥感参数峰值差距较小，2002-2004年的植被遥感参数峰值较大，2006和2009年相对较小。下图具体展示了洪水前后一年植被遥感参数的的变化，洪水期处于植被遥感参数呈快速下降的阶段，这与当地植被物候变化有关。

 

 

　　为探究洪水对植被的影响，本报告统计出了2000-2015年每年8月5日至9月30日该地区洪水淹没区域和周边非淹没区域的LAI、FAPAR和GPP的平均值变化情况，见下表和下图。其中，非淹没区设定为淹没区外接矩形的未淹没部分，下同。表3.2中的植被遥感参数值为洪水期间淹没区域和周边非淹没区域各期影像的平均值，图3.17中归一化均值是将LAI、FAPAR和GPP进行归一化后再求平均得到的结果，红色点为洪水年份的植被遥感参数均值。通过将植被遥感参数峰值和各年同一时期的植被遥感参数均值进行对比，发现2005年（洪水年）的各个植被遥感参数（包括LAI、FAPAR、GPP及其归一化值）相比2000年以后的所有年份均是最低的，可见洪水对植被造成了显著的影响，且影响是负面的。再对比洪水淹没区和非淹没区，可以看出，非淹没区的植被遥感参数均值普遍高于对应年份洪水淹没区域的均值，其中2005年（洪水年）非淹没区和淹没区的植被遥感参数均值差值最大，可见2005年洪水淹没区域植被受到较大影响。洪水年淹没区的LAI、FAPAR和GPP值相比16年的均值结果，分别减小了20.82%、18.24%和28.73%；非淹没区分别减小了5.65%、7.30%和3.13%。

 

　　图中还可以看出，2005年以后的2006年和2007年洪水淹没区域和非淹没区域的植被遥感参数差值比2004年偏低，证明植被还未完全恢复，但2007年和2004年比差异很小，且相比其他年份差异较小，可见2007年大部分地区植被都已经恢复。总的来说，洪水对该地区植被的影响持续时间较长，大部分地区在1年以上，但不超过2年。

 

 

 

　　（2）2010年巴基斯坦印度河流域洪水

 

　　下图为巴基斯坦木尔坦市附近印度河洪水淹没区的2000-2016年植被遥感参数变化曲线图，洪水期为2010年7月20日至9月14日。由图可知，2000年至2016年淹没区的3个植被遥感参数变化具有很好的一致性和年周期性，且该地区植被遥感参数一年呈现两个波峰。第一个波峰出现在2月底3月初，为大波峰；第二个出现在8月底9月初位置，为小波峰。本次洪水发生时间为2010年7月20日至9月14日，刚好处在第二个波峰前到波峰阶段。图二展示了2009年至2011年的植被遥感参数变化，2010年洪水期间3个植被遥感参数相比洪水前后两年同一时间明显要小，可见洪水对植被有显著影响。

 

 

　　为进一步探究洪水对植被的影响，本报告统计出了2000-2015年7月20日至9月14日的LAI、FAPAR和GPP的平均值变化情况，见表3.3和图3.18。表3.3中的植被遥感参数值为洪水期间淹没区域和周边非淹没区域各期影像的平均值，图3.18中归一化均值是将LAI、FAPAR和GPP进行归一化后再求平均得到的结果，红色点为洪水年份2010年的植被遥感参数均值。对比各年同一时期的植被遥感参数均值，发现2010年洪水淹没区的各个植被遥感参数（包括LAI、FAPAR、GPP及其归一化值）相比2000年以后的所有年份均是比较低的，相比前后3年是最小值，可见洪水对淹没区植被造成了较大影响，且影响是负面的。不同的是，洪水淹没区域的植被遥感参数在下一年迅速提高，尤其是2011年GPP明显高于2009年，可见洪水一定程度上促进了淹没区植被增长。2010年淹没区的LAI、FAPAR和GPP相比16年的均值结果，分别减小了16.09%、12.27%和17.39%；非淹没区则分别上升了10.79%、11.82%和32.63%。

 

　　图3.18中，2010年以后的2011年和2012年非淹没区域的植被遥感参数比2010年明显偏高，证明洪水为该地区补给了水分并促进了植被增长，但到2013年已经明显下降。总的来说，洪水对该地区植被的影响淹没区表现为先抑制后促进，这种影响持续时间在2年左右。

 

 

 

　　（3）2013年中俄黑龙江流域洪水

 

　　图3.19为中俄黑龙江流域洪水淹没区的2000-2016年植被遥感参数变化曲线图，洪水期为2013年8月5日至9月30日。由图3.19(a)可知，2000年至2016年淹没区的LAI、FAPAR和GPP变化具有很好的一致性和年周期性，但每年的植被遥感参数峰值差距较大。2014年和2015年峰值明显偏高，而2003年、2009年和2013年这三年的植被遥感参数峰值则明显偏低，其中2013年3个植被遥感参数均最低，这与该地区2013年夏季发生洪水有较大关系。2013年春夏两季黑龙江流域的降水比往年明显偏多，部分地区出现洪水，到8-9月，该地区发生严重洪水，这说明植被遥感参数下降很大程度上是由降雨或洪水引起。图3.19(b)具体展示了洪水前后一年植被遥感参数的的变化。洪水期处于植被遥感参数从峰值急剧下降的阶段，这与当地植被物候变化有关。

 

 

　　为探究洪水对植被的影响，统计出了2000-2015年每年8月5日到9月30日该地区洪水淹没区域和周边非淹没区域的LAI、FAPAR和GPP的平均值变化情况，见表3.4和图3.20。表3.4中的植被遥感参数值为洪水期间各期影像的平均值，图3.20中归一化均值是将LAI、FAPAR和GPP进行归一化后再求平均得到的结果，红色点为洪水年份的植被遥感参数值。对比各年同一时期的植被遥感参数均值，2013年洪水的各个植被遥感参数（包括LAI、FAPAR、GPP及其归一化值）相比2000年以后的所有年份均是最低的，可见洪水对植被造成了显著的影响，且影响是负面的。再对比洪水淹没区域和非淹没区域，可以看出，非淹没区域的植被遥感参数普遍高于对应年洪水淹没区域的值，其中2013年（洪水年）非淹没区和淹没区的植被遥感参数值相差最大，可见2013年洪水淹没区域植被受到较大影响。洪水年淹没区的LAI、FAPAR和GPP相比16年的均值结果，分别减小了27.44%、29.89%和56.03%；非淹没区LAI上升了0.26%，GPP和FAPAR分别增加了2.10%和9.48%。

 

　　图3.20中还可以看出，2013年以后的2014年和2015年洪水淹没区和非淹没区的植被遥感参数均有一定程度上的提高，2014年和2012年相比已经相差不大，2015年已明显超过了2012年，由于该地区遥感植被指数整体处于上升的趋势，这种情况与人为种植有关。总体来说，洪水对该地区植被的影响持续时间为1年左右。

 

 

中俄黑龙江流域植被遥感参数年际（8月5日至9月30日）变化

 

　　综述，3个该地区的植被遥感参数在洪水时段内变化不相同，3次洪水发生时间均在夏末秋初，植被处于生长季后期。由于受淹植被类型不同，植被受破坏影响持续时间不同，2005年美国新奥尔良地区洪水持续时间2年左右，另外两个持续时间不超过一年。此外，巴基斯坦印度河流域为干旱半干旱气候，除河道两旁耕地外，基本无茂盛的植被，洪水很大程度上会为该地区补充水分，促进植被生长，持续时间在2年左右。