2000—2019年中国西北地区植被覆盖变化及其影响因子

doi:10.7522/j.issn.1000-694X.2021.00200

摘要/Abstract

摘要：

中国西北地区土地荒漠化问题严重，生态环境脆弱。厘清该地区植被覆盖时空变化特征及影响因子，对生态环境保护具有重要意义。基于MOD13A3数据，通过最大值合成法处理获得2000—2019年归一化差值植被指数（Normalized Difference Vegetation Index，NDVI）时序数据，采用趋势分析、Hurst指数法及地理探测器对研究区植被覆盖的时空变化特征及影响因子进行分析。结果表明：（1）2000—2019年，研究区植被覆盖整体呈增长趋势，NDVI年增长速率为0.0027（P<0.05），均值为0.252。空间分区年增长速率有差异，黄河流域片区（0.0062）>半干旱草原片区（0.0026）>内陆干旱片区（0.0018）。（2）研究区植被覆盖呈增长趋势的面积占55.77%，退化区域占3.76%，增长的土地利用类型以耕、林、草地为主。植被覆盖变化趋势具有持续性的区域面积占总面积的31.87%，其中持续性改善面积（17.04%）大于持续性退化面积（1.27%），黄河流域片区增长情况及持续性增长情况最优。（3）影响植被覆盖空间分布的主要因子按影响力依次为降水、气温、日照、相对湿度，但对各分区的影响程度略有差异。黄河流域片区、内陆干旱片区空间分布受降水影响最大，半干旱草原区受日照影响最大。（4）研究区植被覆盖变化以自然因子与人类活动共同驱动为主，自然因子对植被生长的促进作用大于人类活动，且自然因子对植被覆盖变化的贡献率更高。本研究结果可为评估气候变化背景下西北地区生态环境变化提供参考。

关键词: 西北地区, NDVI, 植被覆盖变化, 影响因子, 地理探测器, Hurst指数

Abstract:

The problem of land desertification in northwest region of China is serious and the ecological environment is severe. It is of great significance to clarify the spatio-temporal variation characteristics and driving factors of vegetation cover in this area for ecological environment protection. In this study， MOD13A3 products in this area were used as the data source to obtain the NDVI sequence set from 2000 to 2019 through the maximum value synthesis method. Trend analysis， anomaly analysis， Hurst index， geographic detector， correlation analysis and residue analysis were used to analyze the spatiotemporal variation characteristics and impact factors of vegetation cover in the study area. The results showed that ：（1） In recent 20 years， the vegetation coverage in the study area showed an overall growth trend， with an increase rate of 0.0027·a^-1 and an average NDVI of 0.252. However， the growth rate of the Yellow River basin area （0.0062·a^-1） is higher than that of the semi-arid grassland area （0.0026·a^-1） and inland arid area （0.0018·a^-1）. （2） The vegetation coverage in the study area is on the rise， accounting for 55.77% of the total area， while the degraded area accounts for 3.76% of the total area. The increased land use types were mainly tillage， forest and grassland. The area with sustainable change trend of vegetation cover accounted for 31.87% of the total area， the sustainable improvement （17.04%） was greater than the sustainable degradation （1.27%）， and the growth and sustainable growth of the Yellow River basin area were the best. （3） The main contributing factors that affect the spatial distribution of vegetation cover are precipitation， temperature， sunshine and relative humidity in order of influence， but the influence degree of each sub-region is slightly different. The spatial distribution of arid areas in the Yellow River basin and inland is most affected by precipitation， and the semi-arid grassland is most affected by sunshine. （4） Vegetation cover changes is mainly driven by natural factors and human activities， and natural factors on the growth of vegetation role in promoting are greater than human activity， and natural factors on vegetation cover change in the rate of contribution are higher. The results of this study can provide reference for assessing the ecological environment change under the background of climate change in northwest China.

Key words: northwest region, NDVI, vegetation coverage change, influencing factor, GeoDetector, Hurst index

中图分类号:

X826

尹振良, 冯起, 王凌阁, 陈泽霞, 常亚斌, 朱睿. 2000—2019年中国西北地区植被覆盖变化及其影响因子[J]. 中国沙漠, 2022, 42(4): 11-21.

Zhenliang Yin, Qi Feng, Lingge Wang, Zexia Chen, Yabin Chang, Rui Zhu. Vegetation coverage change and its influencing factors across the northwest region of China during 2000-2019[J]. Journal of Desert Research, 2022, 42(4): 11-21.

图/表 16

图1 研究区概况及土地利用分类

Fig.1 Study area and land use types

表1 驱动因素判定及贡献率计算方法

Table 1 The determination criterion of driving factors and calculation method of contribution rate

Slope（实际值）	驱动因素	驱动因素的划分标准		驱动因素的贡献率
Slope（实际值）	驱动因素	Slope（NDVI_NA）	Slope（NDVI_HA）	自然因子	人类活动
>0	HA ＆ NA	>0	>0	$S l o p e (N D V I N A) S l o p e (实际值)$	$S l o p e (N D V I H A) S l o p e (实际值)$
	NA	>0	<0	100	0
	HA	<0	>0	0	100
<0	HA＆NA	<0	<0	$S l o p e (N D V I N A) S l o p e (实际值)$	$S l o p e (N D V I H A) S l o p e (实际值)$
	NA	<0	>0	100	0
	HA	>0	<0	0	100

表1 驱动因素判定及贡献率计算方法

Table 1 The determination criterion of driving factors and calculation method of contribution rate

Slope（实际值）	驱动因素	驱动因素的划分标准		驱动因素的贡献率
Slope（实际值）	驱动因素	Slope（NDVI_NA）	Slope（NDVI_HA）	自然因子	人类活动
>0	HA ＆ NA	>0	>0	$S l o p e (N D V I N A) S l o p e (实际值)$	$S l o p e (N D V I H A) S l o p e (实际值)$
	NA	>0	<0	100	0
	HA	<0	>0	0	100
<0	HA＆NA	<0	<0	$S l o p e (N D V I N A) S l o p e (实际值)$	$S l o p e (N D V I H A) S l o p e (实际值)$
	NA	<0	>0	100	0
	HA	>0	<0	0	100

图2 2000—2019年平均NDVI空间分布

Fig.2 Spatial distribution of mean NDVI during 2000-2019

表2 各分区不同土地利用类型 NDVI 统计结果

Table 2 Statistical results of NDVI values of different land cover types in each subregion

	土地利用类型	NDVI均值	面积占比 /%	NDVI分级
	土地利用类型	NDVI均值	面积占比 /%	<0.2	0.2—0.4	0.4—0.6	0.6—0.8	>0.8
黄河流域片区	耕地	0.5197	21.56	0.98	19.63	48.86	28.95	1.57
	林地	0.7092	11.35	0.64	6.92	15.33	40.38	36.73
	草地	0.4959	53.45	6.13	32.25	26.16	27.92	7.54
	水域	0.3779	1.68	23.72	29.89	28.91	16.36	1.13
	建设用地	0.4575	2.78	6.17	32.23	39.36	21.94	0.30
	未利用地	0.2974	9.19	37.40	40.46	11.55	9.00	1.60
半干旱草原片区	耕地	0.4747	7.11	0.14	24.90	62.69	12.27	0.01
	林地	0.6020	1.54	1.82	11.42	29.39	49.21	8.16
	草地	0.3460	76.29	18.89	45.11	30.91	4.94	0.15
	水域	0.2908	1.05	37.46	36.92	22.75	2.84	0.03
	建设用地	0.4080	1.22	6.30	38.17	50.08	5.45	0.00
	未利用地	0.2604	12.78	49.46	29.55	15.37	5.54	0.09
内陆干旱片区	耕地	0.5106	4.49	4.48	19.69	43.53	30.89	1.42
	林地	0.4812	1.74	19.00	18.85	20.00	37.95	4.19
	草地	0.2731	27.69	50.09	26.07	13.18	9.06	1.60
	水域	0.1081	2.07	83.90	9.08	4.58	2.34	0.10
	建设用地	0.3638	0.47	31.07	22.62	28.73	17.17	0.42
	未利用地	0.0974	63.55	93.95	4.45	1.20	0.40	0.01

图3 NDVI年际变化趋势

Fig.3 Annual variation trend of NDVI

图4 2000—2019年NDVI变化趋势空间分布

Fig. 4 NDVI variation trend during 2000-2019

表3 Slope 趋势统计结果

Table 3 The statistics results for Slope trend

等级	黄河流域片区		半干旱草原片区		内陆干旱片区		总体
等级	面积/km²	比例/%	面积/km²	比例/%	面积/km²	比例/%	面积/km²	比例/%
11	2 446	0.38	236	0.08	2 545	0.11	5 227	0.16
12	5 064	0.80	1 199	0.40	10 242	0.43	16 505	0.49
13	19 806	3.11	16 212	5.40	67 968	2.82	103 986	3.11
14	62 099	9.75	64 994	21.64	1 225 958	50.93	1 353 051	40.46
15	220 899	34.69	152 987	50.94	846 164	35.16	1 220 050	36.48
16	173 282	27.21	54 022	17.99	167 009	6.94	394 313	11.79
17	153 234	24.06	10 655	3.55	87 044	3.62	250 933	7.50

图5 NDVI变化趋势持续性的空间分布

Fig.5 Distribution for the persistence of NDVI variation trend

表4 基于趋势性与持续性的分区统计结果

Table 4 Regional statistical results based on trend and persistence

等级	黄河流域片区		半干旱草原片区		内陆干旱片区		总体
等级	面积/km²	比例/%	面积/km²	比例/%	面积/km²	比例/%	面积/km²	比例/%
11	1 569	0.25	102	0.03	1 386	0.06	3 057	0.09
12	2 612	0.41	290	0.10	4 438	0.18	7 340	0.22
13	6 632	1.04	2 721	0.91	22 807	0.95	32 160	0.96
14	15 739	2.47	9 669	3.22	428 196	17.79	453 604	13.56
15	59 626	9.36	22 247	7.41	269 161	11.18	351 034	10.50
16	55 584	8.73	9 849	3.28	50 245	2.09	115 678	3.46
17	58 936	9.26	2 924	0.97	41 094	1.71	102 954	3.08
21	436 132	68.49	252 503	84.08	1 589 601	66.04	2 278 236	68.13

表5 自然因子对 NDVI 空间分布的影响

Table 5 The impact of natural factors on NDVI spatial distribution

区域	海拔	坡度	坡向	年均降水量	年均气温	年均日照时间	年均相对湿度	距离水域的距离
总体	0.0692	0.0886	0.0028	0.5728	0.1136	0.4063	0.4881	0.2027
黄河流域片区	0.2520	0.1816	0.0056	0.5264	0.4175	0.4677	0.4112	0.1487
半干旱草原片区	0.0712	0.1189	0.0103	0.6394	0.3836	0.6847	0.6051	0.2953
干旱内陆河片区	0.0973	0.0857	0.0013	0.3006	0.1104	0.1501	0.3072	0.1807

图6 各因子与NDVI相关性空间分布

Fig.6 Spatial distribution of correlation between each factor and NDVI

表6 不同分区各因子与 NDVI 的显著相关性面积

Table 6 The area of significant correlation between NDVI and factors in different regions

区域	面积 /km²	降水/%		气温/%		日照/%		相对湿度/%
区域	面积 /km²	显著正相关	显著负相关	显著正相关	显著负相关	显著正相关	显著负相关	显著正相关	显著负相关
半干旱草原片区	300 305	74.51	0.02	0.04	4.52	1.71	2.85	4.00	0.57
黄河流域片区	636 830	60.23	0.15	2.78	0.58	0.54	2.82	2.90	0.85
内陆干旱片区	2 406 930	26.40	0.20	4.36	6.74	2.51	8.59	7.84	5.38
全区	3 344 065	37.16	0.18	3.67	5.37	2.06	6.98	6.56	4.08

图7 2000—2019年自然因子与人类活动对研究区植被覆盖变化影响空间分布及主要影响区域面积百分比（%）

Fig.7 Spatial distribution and main area percentage of the impacts of natural factors and human activities on vegetation cover change in study area during 2000-2019

图8 2000—2019年研究区植被覆盖变化的驱动因素空间分布及主要区域面积百分比（%）

Fig.8 Spatial distribution and main area percentage of driving factors of vegetation change in the study area during 2000-2019

表7 不同分区自然因子及人类活动贡献率面积占比（%）统计

Table 7 Statistics of contribution rate of natural factors and human activities in different regions

区域	植被变化面积/km²	贡献率
		0—20%		20%—40%		40%—60%		60%—80%		80%—100%
		人类活动	自然因子	人类活动	自然因子	人类活动	自然因子	人类活动	自然因子	人类活动	自然因子
半干旱草原片区	236 728	65.19	6.94	16.64	2.88	8.39	8.47	2.86	16.72	6.92	64.99
黄河流域片区	576 189	25.80	4.38	33.66	8.15	28.16	28.36	8.06	33.58	4.33	25.54
内陆干旱片区	1 186 471	22.45	8.46	31.67	11.69	25.90	26.06	11.60	31.57	8.38	22.22
全区	1 999 388	28.47	7.11	30.47	9.63	24.48	24.64	9.54	30.39	7.04	28.24

图9 2000—2019年自然因子与人类活动对研究区植被覆盖变化的贡献率空间分布

Fig.9 Spatial distribution of the contributions of natural factors and human activities on vegetation cover change in study area during 2000-2019

参考文献 22

1	毛转梅，陈劲松，彭尔瑞，等.甘肃省植被覆盖时空变化趋势研究［J］.江西农业学报，2020，32（3）：125-130.
2	Lian J， Zhao X， Li X，et al.Detecting sustainability of desertification reversion： vegetation trend analysis in part of the agro-pastoral transitional zone in Inner Mongolia，China［J］.Sustainability，2017，9（2）：1-15.
3	Faour G， Mhawej M， Nasrallah A，et al.Global trends analysis of the main vegetation types throughout the past four decades［J］.Applied Geography，2018，97：184-195.
4	Ibrahim Y Z， Balzter H， Kaduk J，et al.Land degradation assessment using residual trend analysis of GIMMS NDVI3g， soil moisture and rainfall in sub-Saharan West Africa from 1982 to 2012［J］.Remote Sensing，2015，7（5）：5471-5494.
5	马明国，董立新，王雪梅.过去21 a中国西北植被覆盖动态监测与模拟［J］.冰川冻土，2003，25（2）：232-236.
6	袁丽华，蒋卫国，申文明，等.2000-2010年黄河流域植被覆盖的时空变化［J］.生态学报，2013，33（24）：7798-7806.
7	肖建勇，王世杰，白晓永，等.喀斯特关键带植被时空变化及其驱动因素［J］.生态学报，2018，38（24）：138-151.
8	Hammadi A， Ahmed T， Touhami R，et al.Forest cover in Tunisia before and after the 2011 Tunisian Revolution：a spatial analysis approach［J］.Journal of Geovisualization & Spatial Analysis，2018，2：10.
9	邓铭江.中国西北“水三线”空间格局与水资源配置方略［J］.地理学报，2018，73（7）：1189-1203.
10	宋怡，马明国.基于SPOT VEGE-TATION数据的中国西北植被覆盖变化分析［J］.中国沙漠，2007，27（1）：89-93.
11	王娟，李宝林，余万里.近30年内蒙古自治区植被变化趋势及影响因素分析［J］.干旱区资源与环境，2012，26（2）：132-138.
12	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.
13	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.
14	严恩萍，林辉，党永峰，等.2000-2012年京津风沙源治理区植被覆盖时空演变特征［J］.生态学报，2014，34（17）：5007-5020.
15	张华，安慧敏.基于GEE的1987-2019年民勤绿洲NDVI变化特征及趋势分析［J］.中国沙漠，2021，41（1）：28-36.
16	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.
17	马永桃，任孝宗，胡慧芳，等.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.
18	金凯，王飞，韩剑桥，等.1982-2015年中国气候变化和人类活动对植被NDVI变化的影响［J］.地理学报，2020，75（5）：961-974.
19	舒章康，张建云，金君良，等.1961-2018年中国主要江河枯季径流演变特征与成因［J］.气候变化研究进展，2021，17（3）：340-351.
20	孙高鹏，刘宪锋，王小红，等.2001-2020年黄河流域植被覆盖变化及其影响因素［J］.中国沙漠，2021，41（4）：205-212.
21	李依璇，朱清科，石若莹，等.2000-2018年黄土高原植被覆盖时空变化及影响因素［J］.中国水土保持科学，2021，19（4）：60-68.
22	张建香，胡爱萍，张多勇.陕甘宁黄土高原区植被覆盖空间格局演变［J］.西北师范大学学报（自然科学版），2021，57（5）：71-76.

[1]	李魁明, 王晓燕, 姚罗兰. 黄河流域农业绿色发展水平区域差异及影响因素[J]. 中国沙漠, 2022, 42(3): 85-94.
[2]	康雷, 杨兆萍, 韩芳. 新疆非物质文化遗产的空间分布及其影响因素[J]. 中国沙漠, 2022, 42(1): 158-166.
[3]	王娟, 何慧娟, 董金芳, 郭斌. 黄河流域植被净初级生产力时空特征及自然驱动因子[J]. 中国沙漠, 2021, 41(6): 213-222.
[4]	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.
[5]	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.
[6]	贾瑞, 李君, 祝清哲, 李妍, 田云菲, 李阳, 徐征豹. 中国西北地区气溶胶的三维分布特征及其成因[J]. 中国沙漠, 2021, 41(3): 34-43.
[7]	张华, 安慧敏. 基于GEE的1987—2019年民勤绿洲NDVI变化特征及趋势分析[J]. 中国沙漠, 2021, 41(1): 28-36.
[8]	常亚斌, 朱睿, 肖生春, 李雅培. 1980－2015年阿拉善盟沙地面积变化及其驱动因子[J]. 中国沙漠, 2020, 40(6): 82-90.
[9]	刘婵, 赵文智, 刘冰, 孟阳阳. 基于无人机和MODIS数据的巴丹吉林沙漠植被分布特征与动态变化研究[J]. 中国沙漠, 2019, 39(4): 92-102.
[10]	岳喜元, 左小安, 常学礼, 徐翀, 吕朋, 张晶, 赵生龙, 程清平. 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]	马立群, 刘廷玺, 王冠丽, 段利民, 韩春雪, 何韬. 沙丘差巴嘎蒿(Artemisia halodendron)群落与裸地土壤呼吸特征[J]. 中国沙漠, 2019, 39(3): 66-76.
[12]	田海静, 孙涛, 刘旭升, 孔祥吉. 基于时间序列遥感数据的嵯岗国家沙化土地封禁保护成效评估[J]. 中国沙漠, 2019, 39(3): 155-162.
[13]	彭艳梅, 王舒, 肖高翔, 高磊, 何清, 刘新春. 塔克拉玛干沙漠腹地塔中地区大气气溶胶散射系数影响因子[J]. 中国沙漠, 2018, 38(2): 384-392.
[14]	白晓平, 靳双龙, 王式功, 尚可政, 赵璐. 中国西北地区东部短时强降水时空特征[J]. 中国沙漠, 2018, 38(2): 410-417.
[15]	曹博, 张勃, 马彬, 王国强, 唐敏, 张耀宗, 贾艳青. 2000-2014年甘肃省NDVI时空变化特征[J]. 中国沙漠, 2018, 38(2): 418-427.