基于地理探测器的浑善达克沙地植被变化定量归因

doi:10.7522/j.issn.1000-694X.2021.00066

摘要/Abstract

摘要：

开展区域植被覆盖变化及驱动机制研究具有重要的意义。选取浑善达克沙地为研究区，基于地理探测器模型，定量研究了7个驱动因子对区域植被变化的单独影响及交互影响。结果表明：（1）2000—2018年，浑善达克沙地68.83%的区域植被覆盖在增加，其中显著增加的区域集中在研究区的中部和南部，即阿巴嘎旗、锡林浩特市、正蓝旗、正镶白旗和多伦县。（2）相对湿度和降水量是影响区域植被覆盖的主要自然因素，解释力分别达到了56.6%和49.5%。累计造林面积密度和年末牲畜头数密度是影响区域植被覆盖的主要人类因素，解释力分别达到了49.1%和46.4%，表明生态工程的实施对区域植被覆盖变化产生了重要的影响。（3）不同因子之间的交互作用决定值q均大于每个单独因子的决定值q，表明驱动因子的两两交互作用均会增加对区域植被变化的解释力。其中，相对湿度和人类活动因子（累计造林面积密度、年末牲畜头数密度和人口密度），降水量和年末牲畜头数密度均以双协同为主，解释力均超过了60%。而平均气温和年末牲畜头数密度以非线性协同为主，解释力也达到了60%以上。

关键词: 植被覆盖变化, 气候变化, 人类活动, 定量归因, 浑善达克沙地

Abstract:

It is of vital significance to study the vegetation cover dynamics and its driving mechanism. Therefore， this research was carried out in Otindag Sandy Land （OSL） area and the individual and interactive effects of seven driving factors on regional vegetation changes were studied using the Geodetector model. The results showed that：（1） The vegetation cover increased in 68.83% area of the OSL from 2000 to 2018， and the significant regions were mainly in the middle and south of the study area （i.e. Abag banner， Xilinhot， Zhenglan banner， Zhengxiangbai Banner and Duolun County）. （2） The relative humidity （RH） and precipitation were the main natural factors affecting the spatial distribution of vegetation cover in the OSL from 2000 to 2018， with explanatory powers of 56.6% and 49.5%， respectively. While the density of total afforestation area and the density of livestock were the main human activities factors， with explanatory powers of 49.1% and 46.4%， respectively. These results indicated that the implementation of ecological engineering had important effects on regional vegetation cover dynamics. （3） The interaction between natural factors and human activities had a stronger impact on vegetation changes than single factors. The interaction between RH and human activities and the interaction between precipitation and the density of livestock were dominated by double synergy. The explanatory power of these interaction impacts were over 60%. However， the interaction between temperature and the density count of large livestock at the end of the year was dominated by non-linear synergy， the explanatory power also reached over 60%.

Key words: vegetation cover dynamics, climate change, human activities, quantitative attribution, Otindag Sandy Land

中图分类号:

Q948.15

马永桃, 任孝宗, 胡慧芳, 刘敏, 孟琪. 基于地理探测器的浑善达克沙地植被变化定量归因[J]. 中国沙漠, 2021, 41(4): 195-204.

Yongtao Ma, Xiaozong Ren, Huifang Hu, Min Liu, Qi Meng. Vegetation dynamics and its driving force in Otindag Sandy Land based on Geodetector[J]. Journal of Desert Research, 2021, 41(4): 195-204.

图/表 10

参考文献 36

1	王涛，宋翔，颜长珍，等.近35 a来中国北方土地沙漠化趋势的遥感分析［J］.中国沙漠，2011，31（6）：1351-1356.
2	白旭阳，刘昱坤，杨武超，等.新疆玛纳斯河流域植被变化的特征与归因［J］.水土保持学报，2020，34（6）：192-197，210.
3	王旭洋，李玉霖，连杰，等.半干旱典型风沙区植被覆盖度演变与气候变化的关系及其对生态建设的意义［J］.中国沙漠，2021，41（1）：183-194.
4	郭泽呈，魏伟，石培基，等.中国西北干旱区土地沙漠化敏感性时空格局［J］.地理学报，2020，75（9）：1948-1965.
5	美丽，都瓦拉，银山，等.基于植被覆盖特征的土地沙漠化敏感性评价：以乌珠穆沁草原为例［J］.干旱区资源与环境，2017，31（5）：113-118.
6	高岩.1990—2015年中国北方四大沙地典型植被覆被格局变化及其影响因子［D］.北京：北京林业大学，2019.
7	吕家欣，李秀芬，郑晓，等.近40年科尔沁沙地植被时空变化及其驱动力［J］.生态学杂志，2020，39（5）：1399-1408.
8	黄永诚.2000—2010年毛乌素沙地植被覆盖度和土地利用变化研究［D］.兰州：兰州交通大学，2014.
9	杨洁，谢保鹏，张德罡.黄河流域生境质量时空演变及其影响因素［J］.中国沙漠，2021，41（4）：12-22.
10	岳喜元，左小安，常学礼，等.内蒙古典型草原与荒漠草原NDVI对气象因子的响应［J］.中国沙漠，2019，39（3）：25-33.
11	Anikó K，Hrvoje M，Zoltán B.Spring vegetation green-up dynamics in Central Europe based on 20-year long MODIS NDVI data［J］.Agricultural and Forest Meteorology，2020，287：107969.
12	Pan T，Zou X T，Liu Y J，et al.Contributions of climatic and non-climatic drivers to grassland variations on the Tibetan Plateau［J］.Ecological Engineering，2017，108：307-317.
13	Piao S L，Wang X H，Ciais P，et al.Changes in satellite-derived vegetation growth trend in temperate and boreal Eurasia from 1982 to 2006［J］.Global Change Biology，2011，17：3228-3239.
14	Duo A，Zhao W J，Qu X Y，et al.Spatio-temporal variation of vegetation coverage and its response to climate change in North China plain in the last 33 years［J］.International Journal of Applied Earth Observation and Geoinformation，2016，53：103-117.
15	邵艳莹.中国四大沙地植被动态变化及其对气候变化的响应［D］.北京：北京林业大学，2018.
16	Yu L，Wu Z T，Du Z Q，et al.Insights on roles of climate and human activities to vegetation degradation and restoration in Beijing-Tianjin sandstorm source region ［J］.Ecological Engineering，2021，159：106105.
17	王劲峰，徐成东.地理探测器：原理与展望［J］.地理学报，2017，72（1）：116-134.
18	Wang J F，Li X H，Christakos G，et al.Geographical detectors-based health risk assessment and its application in the neural tube defects study of the Heshun Region，China［J］.International Journal of Geographical Information Science，2010，24（1）：107-127.
19	Chen T Q，Feng Z，Zhao H F，et al.Identification of ecosystem service bundles and driving factors in Beijing and its surrounding areas［J］.Science of the Total Environment，2020，711：134687.
20	Zhu L J，Meng J J，Zhu L K.Applying Geodetector to disentangle the contributions of natural and anthropogenic factors to NDVI variations in the middle reaches of the Heihe River Basin［J］.Ecological Indicators，2020，117：106545.
21	庞静.基于地理探测器模型的自然和人为因素对植被变化的影响［D］.太原：山西大学，2016.
22	元志辉，雷军，包刚，等.土地利用/覆盖变化对浑善达克沙地植被覆盖度的影响［J］.水土保持学报，2016（6）：330-338.
23	Sun B，Wang Y，Li Z Y，et al.Estimating soil organic carbon density in the Otindag Sandy Land，Inner Mongolia，China，for modelling spatiotemporal variations and evaluating the influences of human activities［J］.Catena，2019，179：85-97.
24	武志涛.京津风沙源区植被变化及固碳效益研究［D］.北京：北京师范大学，2013.
25	程高，张宝林，常成虎.浑善达克地区典型植被NDVI与温度、降水的相关性分析［J］.湖北农业科学，2013（6）：1298-1303.
26	元志辉，包刚，银山，等.2000—2014年浑善达克沙地植被覆盖变化研究［J］.草业学报，2016，25（1）：33-46.
27	Ma W Y，Wang X M，Zhou N，et al.Relative importance of climate factors and human activities in impacting vegetation dynamics during 2000-2015 in the Otindag Sandy Land，northern China［J］.Journal of Arid Land，2017，9（4）：558-567.
28	任孝宗，李建刚，刘敏，等.浑善达克沙地东部地区天然水体的水化学组成及其控制因素［J］.干旱区研究，2019，36（4）：791-800.
29	杨小平，梁鹏，张德国，等.中国东部沙漠/沙地全新世地层序列及其古环境［J］.中国科学：地球科学，2019，49（8）：1293-1307.
30	慕宗杰.浑善达克沙地飞播区植被恢复状况及土壤性状研究［D］.呼和浩特：内蒙古农业大学，2017.
31	Ren X，Zhu B，Liu M，et al.Mechanism of groundwater recharge in the middle-latitude desert of eastern Hunshandake，China：diffuse or focused recharge？［J］.Hydrogeology Journal，2019，27（2）：761-783.
32	张晓凤，王周龙.2001-2014年浑善达克沙地生长季NDVI变化及气候响应分析［J］.鲁东大学学报（自然科学版），2016，032（2）：181-187.
33	焦珂伟，高江波，吴绍洪，等.植被活动对气候变化的响应过程研究进展［J］.生态学报，2018，38（6）：2229-2238.
34	张思源，聂莹，张海燕，等.基于地理探测器的内蒙古植被NDVI时空变化与驱动力分析［J］.草地学报，2020，28（5）：1460-1472.
35	Li H W，Yang X P.Temperate dryland vegetation changes under a warming climate and strong human intervention with a particular reference to the district Xilin Gol，Inner Mongolia，China［J］.Catena，2014，119：9-20.
36	王海梅.锡林郭勒地区气候变化规律与植被覆盖变化驱动机制研究［D］.呼和浩特：内蒙古农业大学，2009.

类型	因子	指标	单位	数据来源
自然因素	X₁	相对湿度	%	中国气象数据共享网
	X₂	降水量	mm	中国气象数据共享网
	X₃	平均气温	℃	中国气象数据共享网
	X₄	坡度	°	美国NASA和NIMA共同测量的SRTM 90 m DEM数据
人类活动	X₅	人口密度	人·km^-2	内蒙古自治区和河北省统计年鉴
	X₆	累计造林面积密度	hm²·km^-2	中国林业统计年鉴
	X₇	年末牲畜头数密度	头·km^-2	内蒙古自治区和河北省统计年鉴

类型	因子	指标	单位	数据来源
自然因素	X₁	相对湿度	%	中国气象数据共享网
	X₂	降水量	mm	中国气象数据共享网
	X₃	平均气温	℃	中国气象数据共享网
	X₄	坡度	°	美国NASA和NIMA共同测量的SRTM 90 m DEM数据
人类活动	X₅	人口密度	人·km^-2	内蒙古自治区和河北省统计年鉴
	X₆	累计造林面积密度	hm²·km^-2	中国林业统计年鉴
	X₇	年末牲畜头数密度	头·km^-2	内蒙古自治区和河北省统计年鉴

描述	作用类型	说明
q(x∩y)<Min(q(x)，q(y))	非线性拮抗作用	Min(q(x)，q(y))表示q(x)、q(y)之间的最小值；q(x∩y)表示x与y的两者交互作用；Max(q(x)，q(y))表示q(x)、q(y)之间的最大值；q(x)+q(y)表示q(x)、q(y)两者求和
Min(q(x)，q(y))<q(x∩y)<Max(q(x)，q(y))	单拮抗作用
Max(q(x)，q(y))<q(x∩y)<q(x)+q(y)	双协同作用
q(x∩y)=q(x)+q(y)	独立作用
q(x∩y)＞q(x)+q(y)	非线性协同作用

描述	作用类型	说明
q(x∩y)<Min(q(x)，q(y))	非线性拮抗作用	Min(q(x)，q(y))表示q(x)、q(y)之间的最小值；q(x∩y)表示x与y的两者交互作用；Max(q(x)，q(y))表示q(x)、q(y)之间的最大值；q(x)+q(y)表示q(x)、q(y)两者求和
Min(q(x)，q(y))<q(x∩y)<Max(q(x)，q(y))	单拮抗作用
Max(q(x)，q(y))<q(x∩y)<q(x)+q(y)	双协同作用
q(x∩y)=q(x)+q(y)	独立作用
q(x∩y)＞q(x)+q(y)	非线性协同作用

两因子交互作用	两因子PD值相加	结果	解释
X₁∩X₂=0.621	<1.061=X₁+X₂	C<A+B	双协同作用
X₁∩X₃=0.623	<0.648=X₁+X₃	C<A+B	双协同作用
X₁∩X₄=0.582	<0.622=X₁+X₄	C<A+B	双协同作用
X₁∩X₅=0.617	<0.801=X₁+X₅	C<A+B	双协同作用
X₁∩X₆=0.616	<1.057=X₁+X₆	C<A+B	双协同作用
X₁∩X₇=0.7608	<1.03=X₁+X₇	C<A+B	双协同作用
X₂∩X₃=0.589	>0.577=X₂+X₃	C>A+B	非线性协同作用
X₂∩X₄=0.512	<0.551=X₂+X₄	C<A+B	双协同作用
X₂∩X₅=0.559	<0.73=X₂+X₅	C<A+B	双协同作用
X₂∩X₆=0.545	<0.986=X₂+X₆	C<A+B	双协同作用
X₂∩X₇=0.622	<0.959=X₂+X₇	C<A+B	双协同作用
X₃∩X₄=0.147	>0.138=X₃+X₄	C>A+B	非线性协同作用
X₃∩X₅=0.329	>0.317=X₃+X₅	C>A+B	非线性协同作用
X₃∩X₆=0.566	<0.573=X₃+X₆	C<A+B	双协同作用
X₃∩X₇=0.600	>0.546=X₃+X₇	C>A+B	非线性协同作用
X₄∩X₅=0.266	<0.291=X₄+X₅	C<A+B	双协同作用
X₄∩X₆=0.505	<0.547=X₄+X₆	C<A+B	双协同作用
X₄∩X₇=0.486	<0.52=X₄+X₇	C<A+B	双协同作用
X₅∩X₆=0.555	<0.726=X₅+X₆	C<A+B	双协同作用
X₅∩X₇=0.592	<0.699=X₅+X₇	C<A+B	双协同作用
X₆∩X₇=0.598	<0.955=X₆+X₇	C<A+B	双协同作用