2000—2020年甘肃省植被覆盖特征及其对气候变化和人类活动的响应

doi:10.7522/j.issn.1000-694X.2022.00162

摘要/Abstract

摘要：

甘肃省生态环境脆弱，是中国最早开展退耕还林工程的省份之一。厘清退耕还林工程时期的甘肃省植被覆盖时空变化特征及其对气候变化和人类活动的响应，对促进生态文明建设和实现可持续发展的战略具有重要意义。基于MODIS-NDVI数据，采用时间地区双向固定效应的广义相加模型定量研究植被覆盖变化对气候变化与人类活动的响应，辅以趋势分析、偏相关分析，对2000—2020年甘肃省NDVI时空变化特征进行分析。结果表明：（1）2000—2020年，甘肃省植被NDVI整体呈显著增加趋势，年平均增长速率为0.004。全省81.43%的地区植被呈显著改善趋势，1.08%地区呈显著退化，其余地区无显著变化。（2）甘肃省植被NDVI与降水的相关性大于气温；气温对植被NDVI起抑制作用，而降水对植被NDVI起非线性促进作用。（3）人类活动使植被NDVI增加的区域主要分布于陇中黄土高原和陇东黄土高原，贡献度为15.4%~48.6%；使植被NDVI下降的区域位于甘南、河西走廊及马鬃山地区。本研究结果可为评估退耕还林工程背景下甘肃省植被覆盖变化提供参考。

关键词: NDVI, 甘肃省, 气候变化, 人类活动, 广义相加模型, 固定效应

Abstract:

As a vulnerable eco-environmental area， Gansu is the earliest province where the State Council implements the Grain to Green Program. It is of great significance to clarify the spatio-temporal variation characteristics of vegetation cover and its response to climate change and human activities in Gansu， as well as great value for the construction of ecological civilization and the realization of the sustainable development strategy. In this study， the generalized additional two-way fixed effects model was used to quantitatively evaluate the impact of human activities and climate change on vegetation changes， linear trend analysis and partial correlation analysis were also used to analyze the spatio-temporal variation characteristics of vegetation cover. The results showed that：（1） Vegetation NDVI showed an increasing trend in Gansu during 2000-2020， with a rate of 0.004·a^-1. Vegetation NDVI showed a significant upward trend in 81.43% of the area， while vegetation NDVI decreased significantly in 1.08% of the area， and the rest of area was found with no significant change. （2） NDVI of Gansu showed a better correlation with precipitation than with temperature； Temperature generally inhibit vegetation NDVI growth， while a significant and positive non-linear correlation is founded between NDVI and precipitation. （3） The regions where the NDVI increased caused by human activity were mainly located in in Central Gansu Loess Plateau and East Gansu Loess Plateau， with a contribution of 15.4%-48.6%； while the regions where the NDVI decreased caused by human activity were mainly located in Gannan Plateau， Hexi Corridor and Mazong Mountain. The results of this study can provide reference for assessing the vegetation cover change under the background of the Grain to Green Program in Gansu.

Key words: NDVI, Gansu Province, climate change, human activities, Generalized Additive Models, fixed effect

中图分类号:

X171.4

路建兵, 鞠珂, 廖伟斌. 2000—2020年甘肃省植被覆盖特征及其对气候变化和人类活动的响应[J]. 中国沙漠, 2023, 43(4): 118-127.

Jianbing Lu, Ke Ju, Weibin Liao. Variation in NDVI and its response to climate change and human activities in Gansu Province during 2000-2020[J]. Journal of Desert Research, 2023, 43(4): 118-127.

图/表 11

图1 甘肃省地理位置及气象站点分布

Fig.1 Geographical location and distribution of meteorological stations in Gansu

表1 植被 NDVI 变化的驱动因素判定标准及贡献率计算方法

Table 1 Identification criterion and contribution calculation of the drivers of NDVI change

类型	$s l o p e (N D V I 预测)$	$s l o p e (N D V I 残差)$	气候变化的贡献度	人类活动的贡献度	说明
$s l o p e (N D V I 观测) > 0$	$> 0$	$> 0$	$s l o p e (N D V I 预测) s l o p e (N D V I 观测) × 100$	$s l o p e (N D V I 残差) s l o p e (N D V I 观测) × 100$	气候变化和人类活动各自导致植被覆盖增加的贡献度
	$> 0$	$< 0$	100	0	气候变化导致植被覆盖增加
	$< 0$	$> 0$	0	100	人类活动导致植被覆盖增加
$s l o p e (N D V I 观测) < 0$	$< 0$	$< 0$	$s l o p e (N D V I 预测) s l o p e (N D V I 观测) × 100$	$s l o p e (N D V I 残差) s l o p e (N D V I 观测) × 100$	气候变化和人类活动各自导致植被覆盖减少的贡献度
	$< 0$	$> 0$	100	0	气候变化导致植被覆盖减少
	$> 0$	$< 0$	0	100	人类活动导致植被覆盖减少

表1 植被 NDVI 变化的驱动因素判定标准及贡献率计算方法

Table 1 Identification criterion and contribution calculation of the drivers of NDVI change

类型	$s l o p e (N D V I 预测)$	$s l o p e (N D V I 残差)$	气候变化的贡献度	人类活动的贡献度	说明
$s l o p e (N D V I 观测) > 0$	$> 0$	$> 0$	$s l o p e (N D V I 预测) s l o p e (N D V I 观测) × 100$	$s l o p e (N D V I 残差) s l o p e (N D V I 观测) × 100$	气候变化和人类活动各自导致植被覆盖增加的贡献度
	$> 0$	$< 0$	100	0	气候变化导致植被覆盖增加
	$< 0$	$> 0$	0	100	人类活动导致植被覆盖增加
$s l o p e (N D V I 观测) < 0$	$< 0$	$< 0$	$s l o p e (N D V I 预测) s l o p e (N D V I 观测) × 100$	$s l o p e (N D V I 残差) s l o p e (N D V I 观测) × 100$	气候变化和人类活动各自导致植被覆盖减少的贡献度
	$< 0$	$> 0$	100	0	气候变化导致植被覆盖减少
	$> 0$	$< 0$	0	100	人类活动导致植被覆盖减少

图2 甘肃省年最大化NDVI均值年际变化

Fig.2 Annual change of maximal NDVI in Gansu Province during 2000-2020

图3 2000—2020年甘肃省最大化NDVI均值空间分布（A）及其变化趋势（B）

Fig.3 Spatial distribution of maximal NDVI （A） in Gansu Province and its changing trend （B） during 2000-2020

表2 甘肃省 NDVI 变化趋势面积占比

Table 2 Areas and proportion of vegetation NDVI change in Gansu Province

分类标准	变化类型	面积占比/%
$s l o p e (N D V I) < 0 ? 且 ? P < 0.01$	极显著退化	0.59
$s l o p e (N D V I) < 0 ? 且 ? P < 0.05$	显著退化	0.49
$P > 0.05$	无显著变化	17.49
$s l o p e (N D V I) > 0 ? 且 ? P < 0.05$	显著改善	8.82
$s l o p e (N D V I) > 0 ? 且 ? P < 0.01$	极显著改善	72.61

表2 甘肃省 NDVI 变化趋势面积占比

Table 2 Areas and proportion of vegetation NDVI change in Gansu Province

分类标准	变化类型	面积占比/%
$s l o p e (N D V I) < 0 ? 且 ? P < 0.01$	极显著退化	0.59
$s l o p e (N D V I) < 0 ? 且 ? P < 0.05$	显著退化	0.49
$P > 0.05$	无显著变化	17.49
$s l o p e (N D V I) > 0 ? 且 ? P < 0.05$	显著改善	8.82
$s l o p e (N D V I) > 0 ? 且 ? P < 0.01$	极显著改善	72.61

图4 甘肃省NDVI与气象因子的偏相关系数

Fig.4 Partial correlation coefficients of NDVI and climate factors in Gansu Province

表3 线性和非线性模型拟合优度结果

Table 3 Goodness of fit of linear and non-linear models

模型	AIC	GCV	R²
线性	-2 030.514	0.008 79	0.961
非线性	-2 035.646	0.008 71	0.966

表4 气象因子非线性拟合结果

Table 4 Result of non-linear climate factors modeling

气象因子	EDF	P
气温	1	0.174
降水	3.081	<0.001

表5 不同场景下GAM模型结果

Table 5 Result of GAM model in different settings

变量	模型1	P	变量	模型2	P	变量	模型3	P
气温	-0.007	0.17	气温	-0.009 3	0.04	气温	-0.006 8	0.116 3
时间	0.044 1	0.001	时间	0.055 1	0.001	时间	0.053 4	0.001
截距	0.141	0.001	截距	0.15	0.001	截距	0.1397	0.001
R²	0.966		R²	0.984		R²	0.987

图5 气象站不同缓冲区范围甘肃省NDVI与降水的累积效应曲线

Fig. 5 The cumulative effects of precipitation on NDVI in Gansu Province under different settings

图6 气象站不同缓冲区范围气象因子与人类活动对甘肃省NDVI变化的贡献度

Fig.6 Contributions of climatic change and human activities to NDVI change under different settings in Gansu Province

参考文献 48

1	张清雨，赵东升，吴绍洪，等.基于生态分区的内蒙古地区植被覆盖变化及其影响因素研究［J］.地理科学，2013，33（5）：594-601.
2	赵安周，刘宪锋，朱秀芳，等.2000-2014年黄土高原植被覆盖时空变化特征及其归因［J］.中国环境科学，2016，36（5）：1568-1578.
3	Menzel A， Fabian P.Growing season extended in Europe［J］.Nature，1999，397（6721）：659-659.
4	Schwartz M D.Green-wave phenology［J］.Nature，1998，394（6696）：839-840.
5	易浪，任志远，张翀，等.黄土高原植被覆盖变化与气候和人类活动的关系［J］.资源科学，2014，36（1）：166-174.
6	周锡饮，师华定，王秀茹.气候变化和人类活动对蒙古高原植被覆盖变化的影响［J］.干旱区研究，2014，31（4）：604-610.
7	Zhao L， Dai A G， Dong B.Changes in global vegetation activity and its driving factors during 1982-2013［J］.Agricultural and Forest Meteorology，2018，249（2）：198-209.
8	李双双，延军平，万佳.近10年陕甘宁黄土高原区植被覆盖时空变化特征［J］.地理学报，2012，67（7）：960-970.
9	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.
10	刘宪锋，朱秀芳，潘耀忠，等.1982-2012年中国植被覆盖时空变化特征［J］.生态学报，2015，35（16）：5331-5342.
11	王强，张勃，戴声佩，等.三北防护林工程区植被覆盖变化与影响因子分析［J］.中国环境科学，2012，32（7）：1302-1308.
12	信忠保，许炯心，郑伟.气候变化和人类活动对黄土高原植被覆盖变化的影响［J］.中国科学（D辑：地球科学），2007，37（11）：1504-1514.
13	耿庆玲，陈晓青，赫晓慧，等.中国不同植被类型归一化植被指数对气候变化和人类活动的响应［J］.生态学报，2022，42（9）：3557-3568.
14	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.
15	孙建国，张卓，韩惠，等.气候和人类因素在黄土高原西北部植被变化中的贡献率研究［J］.遥感信息，2014，29（2）：83-88.
16	王建邦，赵军，李传华，等.2001-2015年中国植被覆盖人为影响的时空格局［J］.地理学报，2019，74（3）：504-519.
17	张江，袁旻舒，张婧，等.近30年来青藏高原高寒草地NDVI动态变化对自然及人为因子的响应［J］.生态学报，2020，40（18）：6269-6281.
18	邓志涛，刘占忠.甘肃的环境问题及其对策［J］.发展，1998（9）：46-49.
19	曹博，张勃，马彬，等.2000-2014年甘肃省NDVI时空变化特征［J］.中国沙漠，2018，38（2）：418-427.
20	崔丹丹，张耀南，陈广庭.2001-2010年甘肃省植被覆盖的时空变化［J］.中国沙漠，2014，34（4）：1161-1166.
21	胡春艳，卫伟，王晓峰，等.甘肃省植被覆盖变化及其对退耕还林工程的响应［J］.生态与农村环境学报，2016，32（4）：588-594.
22	Cao S P， He Y， Zhang L F，et al.Spatiotemporal characteristics of drought and its impact on vegetation in the vegetation region of Northwest China［J］.Ecological Indicators，2021，133（12）：1-14.
23	Jin H Y， Chen X H， Wang Y M，et al.Spatio-temporal distribution of NDVI and its influencing factors in China［J］.Journal of Hydrology，2021，603（12）：1-13.
24	丁海勇，丁昕玮.基于SPOT_NDVI的甘肃省植被覆盖变化及其与气候、地形因子的关系［J］.长江流域资源与环境，2020，29（12）：2665-2678.
25	吕泳洁，丁文广，邓喆，等.基于地理探测器的甘肃省植被覆盖时空变化及驱动力分析［J］.地球环境学报，2022，13（2）：185-195.
26	杨淑萍，韩海东.基于地理探测器的甘肃省NDVI驱动因子定量分析［J］.甘肃农业大学学报，2019，54（4）：115-123.
27	Wang S M， Liu Q H， Huang C.Vegetation change and its response to climate extremes in the arid region of Northwest China［J］.Remote Sensing，2021，13（7）：23.
28	王娜云，蒋建军，陈孟奇，等.甘肃省NDVI时空演变特征及其与区域气候的响应［J］.林业资源管理，2018（1）：109-116.
29	Shang J X， Zhang Y， Peng Y，et al.Climate change drives NDVI variations at multiple spatiotemporal levels rather than human disturbance in Northwest China［J］.Environmental Science and Pollution Research，2022，29（10）：13782-13796.
30	韦振锋，王德光，张翀，等.1999-2010年中国西北地区植被覆盖对气候变化和人类活动的响应［J］.中国沙漠，2014，34（6）：1665-1670.
31	庞国伟，山琳昕，杨勤科，等.陕西省不同地貌类型区植被覆盖度时空变化特征及其影响因素［J］.长江科学院院报，2021，38（3）：51-58.
32	祁鹏卫，张贤.2000-2019年重庆市植被覆盖时空变化特征及其驱动因素［J］.生态学报，2022，42（13）：5427-5436.
33	张乐艺，李霞，冯京辉，等.2000-2018年黄河流域NDVI时空变化及其对气候和人类活动的双重响应［J］.水土保持通报，2021，41（5）：276-286.
34	徐建华.现代地理学中的数学方法［M］.北京：高等教育出版社，2002.
35	Trevor Hastie R T.Generalized additive models［J］.Statistical Science，1986，1（3）：297-318.
36	Wood S N.Generalized Additive Models：An Introduction with R［M］.Boca Raton，USA： Chapman and Hall/CRC，2017.
37	Chen C， Liu C， Chen R J，et al.Ambient air pollution and daily hospital admissions for mental disorders in Shanghai，China［J］.Science of the Total Environment，2018，613（2）：324-330.
38	Wang H L， Sun J， Qian Z M，et al.Association between air pollution and atopic dermatitis in Guangzhou，China：modification by age and season［J］.British Journal of Dermatology，2021，184（6）：1068-1076.
39	何航，张勃，侯启，等.1982-2015年中国北方归一化植被指数（NDVI）变化特征及对气候变化的响应［J］.生态与农村环境学报，2020，36（1）：70-80.
40	李孟蔚，栾青，张宁，等.2000-2019年吕梁市植被NDVI时空动态及其影响因素分析［J］.水土保持研究，2022，29（4）：248-254.
41	刘梁美子，占车生，胡实，等.黔桂喀斯特山区植被变化及其地形效应［J］.地理研究，2018，37（12）：2433-2446.
42	穆少杰，李建龙，陈奕兆，等.2001-2010年内蒙古植被覆盖度时空变化特征［J］.地理学报，2012，67（9）：1255-1268.
43	戴声佩，张勃，王海军.中国西北地区植被NDVI的时空变化及其影响因子分析［J］.地球信息科学学报，2010，12（3）：315-321.
44	郭昆明，邱天，宗乐丽，等.河西地区NDVI变化及其对气温和降水的响应［J］.测绘科学，2021，46（4）：83-89.
45	陈林利，汤军克，董英，等.广义相加模型在环境因素健康效应分析中的应用［J］.数理医药学杂志，2006（6）：569-570.
46	李宏田，袁悦，李智文，等.GAM识别非线性相关及其在医学统计建模中的应用［J］.中国卫生统计，2012，29（6）：782-785.
47	胥芹.基于广义相加模型评价北京市颗粒物浓度对急诊量的影响效应［D］.北京：首都医科大学，2017.
48	Evans J， Geerken R.Discrimination between climate and human-induced dryland degradation ［J］.Journal of Arid Environments，2004，57（4）：535-554.

[1]	梁鹏飞, 辛惠娟, 李宗省, 南富森, 唐彪, 张文豹. 基于Budyko假设的党河径流变化归因[J]. 中国沙漠, 2023, 43(3): 210-219.
[2]	段然, 李宗杰, 王昱, 刘晓颖, 桂娟, 梁鹏飞, 李玉辰, 薛健, 刘梦晴, 徐斌. 石羊河流域径流变化特征[J]. 中国沙漠, 2023, 43(3): 57-68.
[3]	韩子言, 蒙吉军, 邹易, 朱利凯. 1982—2017年黑河流域植被指数动态及其对气候变化与生态建设工程的响应[J]. 中国沙漠, 2023, 43(3): 96-106.
[4]	辛春明, 何明珠, 李承义, 张力斌, 李新荣. 荒漠土壤氧化亚氮排放及其驱动因素研究进展[J]. 中国沙漠, 2023, 43(2): 184-194.
[5]	孙红, 段霁芸, 刘雨洁, 冉瑞兰, 李晓凤, 赵鹏善. 气候变化背景下沙蓬属（ *Agriophyllum* ）物种潜在地理分布[J]. 中国沙漠, 2023, 43(2): 255-263.
[6]	徐绮阳, 王永瑜, 杨燕燕. 基于优化模型的甘肃省生态系统服务价值时空评估[J]. 中国沙漠, 2023, 43(2): 53-64.
[7]	杨宇哲, 岳大鹏, 赵景波, 刘怡婷, 李嘉宁, 杨天宇. 毛乌素沙地东南缘L₃ 、S₃ 黄土-古土壤色度特征及古气候意义[J]. 中国沙漠, 2023, 43(1): 176-186.
[8]	和海秀, 付爱红, 王川. 塔城地区西北部低山草甸植被指数变化及其驱动力[J]. 中国沙漠, 2023, 43(1): 187-196.
[9]	孙国军, 方昤璇, 刘海军. 甘肃省文化产业发展时空特征及影响因素[J]. 中国沙漠, 2023, 43(1): 75-82.
[10]	李意霞, 张学斌, 罗君, 尹君锋, 雷越, 王梓洋, 姚礼堂, 李雪红. 甘肃省县域乡村功能地域分异特征[J]. 中国沙漠, 2023, 43(1): 96-106.
[11]	张美兰, 崔增团, 顿志恒, 贾蕊鸿, 张玉霞, 郭世乾, 崔倩怡, 葛承暄, 蔡立群, 董博. 近40年甘肃省耕层土壤有机碳时空分异及影响因素[J]. 中国沙漠, 2022, 42(6): 295-303.
[12]	吴翠霞, 冯永忠, 赵浩, 包琼, 雷元奇, 冯洁. 基于土地利用变化的甘肃省黄河流域生态系统服务价值研究[J]. 中国沙漠, 2022, 42(6): 304-316.
[13]	秦豪君, 杨晓军, 马莉, 王一丞, 傅朝, 张君霞, 陆正奇. 2000—2020年中国西北地区区域性沙尘暴特征及成因[J]. 中国沙漠, 2022, 42(6): 53-64.
[14]	尹君锋, 石培基. 甘肃省县域乡村振兴发展评估与空间格局分异[J]. 中国沙漠, 2022, 42(5): 158-166.
[15]	柳欣滢, 金明, 杨帆, 马亚鹏, 刘慧, 孙小云, 夏敦胜. 毛乌素沙地东缘中全新世以来环境变化及其对文明演化的影响初探[J]. 中国沙漠, 2022, 42(5): 92-100.