2001—2020年毛乌素沙地植被净初级生产力

doi:10.7522/j.issn.1000-694X.2025.00027

摘要/Abstract

摘要：

定量评估气候变化和人类活动对沙地生态系统碳循环的影响，对实现自然资源的可持续利用至关重要。基于MODIS时间序列数据、气象数据和土地利用数据，利用CASA模型估算了毛乌素沙地2001—2020年植被净初级生产力（NPP）。借助趋势分析、相关性分析以及残差分析等方法，探讨了毛乌素沙地植被NPP时空变化特征，定量分析气候变化和人类活动对NPP的相对贡献。结果表明：（1）2001—2020年毛乌素沙地植被NPP（以C固定量计）整体增长3 g·m⁻²·a⁻¹，空间分布呈现由西北向东南逐渐增加的趋势；（2）北部地区的植被NPP对气温变化更为敏感，而南部地区的植被NPP则对降水变化更为敏感；（3）毛乌素沙地植被NPP变化由气候变化和人类活动共同驱动，气候变化和人类活动的平均贡献分别为35.38%和64.62%。气候暖湿化促进了植被生长，人类活动虽然影响范围较小，但有30.75%区域的贡献率超过60%。生态保护措施的实施进一步加速了植被的恢复进程；（4）未来55.05%区域的植被NPP表现出反持续性，其中38.95%的区域表现出由增加变为减少的趋势，植被NPP的未来变化面临较大不确定性。

关键词: 植被净初级生产力, 毛乌素沙地, 气候变化, 人类活动

Abstract:

Quantitatively evaluating the impacts of climate change and human activities on the terrestrial ecosystem carbon cycle is crucial for sustainable natural resource utilization. Using MODIS time series data， meteorological data， and land use data， we employed the CASA model to estimate the net primary productivity （NPP） of vegetation in the Mu Us Sandy Land from 2001 to 2020. Through trend analysis， correlation analysis， and residual analysis， we examined the spatiotemporal variations in vegetation NPP and identified their driving mechanisms. We also quantitatively assessed the relative contributions of climate change and human activities to NPP. Our findings indicate that：（1） From 2001 to 2020， the overall NPP of vegetation in the Mu Us Sandy Land increased at a rate of 3 gC·m⁻²·a⁻¹， showing a spatial trend of increasing from northwest to southeast. （2） Correlation analysis revealed that vegetation NPP in the northern region is more sensitive to temperature changes， whereas in the southern region， NPP is more sensitive to precipitation changes. （3） The variations in vegetation NPP （Net Primary Productivity） in the Mu Us Sandy Land are primarily driven by climate change and human activities， with average contributions of 35.38% and 64.62%， respectively. Climate warming and humidification have promoted vegetation growth， while human activities， though limited in spatial extent， contribute over 60% in 30.75% of the area. The implementation of ecological protection measures has further accelerated vegetation recovery. （4） Looking ahead， 55.05% of the areas exhibit non-persistent trends in vegetation NPP， with 38.95% of the areas showing a shift from increase to decrease， highlighting significant uncertainty in future NPP changes.

Key words: vegetation net primary productivity, Mu Us Sandy Land, climate change, human activities

中图分类号:

Q948

管悦汝, 白俊武, 李一琼, 杨朝辉, 时浩南. 2001—2020年毛乌素沙地植被净初级生产力[J]. 中国沙漠, 2025, 45(6): 258-268.

Yueru Guan, Junwu Bai, Yiqiong Li, Zhaohui Yang, Haonan Shi. Net primary productivity of vegetation in the Mu Us Sandy Land in 2001-2020[J]. Journal of Desert Research, 2025, 45(6): 258-268.

图/表 11

图1 毛乌素沙地海拔、气象站、2020年土地利用

Fig.1 Elevation， meteorological stations， land use in 2020， and location map of the Mu Us Sandy Land

表1 M-K趋势显著性检验

Table 1 Significance test of M-K trend

$β$	$Z$	趋势特征
$β > 0$	$Z > 2.58$	极显著增加
	$1.96 < Z ≤ 2.58$	显著增加
	$1.65 < Z ≤ 1.96$	微显著增加
	$Z ≤ 1.65$	不显著增加
$β = 0$	$Z$	无变化
$β < 0$	$Z ≤ 1.65$	不显著减少
	$1.65 < Z ≤ 1.96$	微显著减少
	$1.96 < Z ≤ 2.58$	显著减少
	$Z > 2.58$	极显著减少

表1 M-K趋势显著性检验

Table 1 Significance test of M-K trend

$β$	$Z$	趋势特征
$β > 0$	$Z > 2.58$	极显著增加
	$1.96 < Z ≤ 2.58$	显著增加
	$1.65 < Z ≤ 1.96$	微显著增加
	$Z ≤ 1.65$	不显著增加
$β = 0$	$Z$	无变化
$β < 0$	$Z ≤ 1.65$	不显著减少
	$1.65 < Z ≤ 1.96$	微显著减少
	$1.96 < Z ≤ 2.58$	显著减少
	$Z > 2.58$	极显著减少

表2 植被NPP变化的驱动因素判定标准及贡献率计算方法

Table 2 Criteria for determining the driving factors of vegetation NPP changes and methods for calculating contribution rates

Slope ( $N P P o b s)$	驱动因素的划分标准		驱动因素的贡献率/%
Slope ( $N P P o b s)$	Slope ( $N P P C C$ )	Slope ( $N P P H A$ )	气候变化	人类活动
>0	>0	>0	$S l o p e (N P P C C) S l o p e (N P P o b s)$	$S l o p e (N P P H A) S l o p e (N P P o b s)$
	>0	<0	100	0
	<0	>0	0	100
<0	<0	<0	$S l o p e (N P P C C) S l o p e (N P P o b s)$	$S l o p e (N P P H A) S l o p e (N P P o b s)$
	<0	>0	100	0
	>0	<0	0	100

表2 植被NPP变化的驱动因素判定标准及贡献率计算方法

Table 2 Criteria for determining the driving factors of vegetation NPP changes and methods for calculating contribution rates

Slope ( $N P P o b s)$	驱动因素的划分标准		驱动因素的贡献率/%
Slope ( $N P P o b s)$	Slope ( $N P P C C$ )	Slope ( $N P P H A$ )	气候变化	人类活动
>0	>0	>0	$S l o p e (N P P C C) S l o p e (N P P o b s)$	$S l o p e (N P P H A) S l o p e (N P P o b s)$
	>0	<0	100	0
	<0	>0	0	100
<0	<0	<0	$S l o p e (N P P C C) S l o p e (N P P o b s)$	$S l o p e (N P P H A) S l o p e (N P P o b s)$
	<0	>0	100	0
	>0	<0	0	100

表3 植被NPP未来趋势判断

Table 3 Future trend prediction of vegetation NPP

Hurst	$β$	未来趋势
>0.5	>0	持续增加
>0.5	<0	持续减少
<0.5	>0	由增加变为减少
<0.5	<0	由减少变为增加
=0.5		无法预测

表3 植被NPP未来趋势判断

Table 3 Future trend prediction of vegetation NPP

Hurst	$β$	未来趋势
>0.5	>0	持续增加
>0.5	<0	持续减少
<0.5	>0	由增加变为减少
<0.5	<0	由减少变为增加
=0.5		无法预测

图2 毛乌素沙地模拟植被NPP和MODIS 植被NPP拟合结果

Fig.2 Fitting results of simulated vegetation NPP and MODIS vegetation NPP in the Mu Us Sandy Land

图3 2001—2020年毛乌素沙地植被NPP年际变化

Fig.3 Interannual variation of vegetation NPP in the Mu Us Sandy Land from 2001 to 2020

图4 2001—2020年毛乌素沙地植被NPP多年平均值、变化趋势和显著性检验

Fig.4 Multi-year average， change trend and significance test of vegetation NPP in Mu Us Sandy Land from 2001 to 2020

图5 2001—2020年毛乌素沙地气温和降水量年际变化

Fig.5 Interannual variation of temperature and precipitation in the Mu Us Sandy Land from 2001 to 2020

图6 2001—2020年毛乌素沙地植被NPP与气温和降水量的相关性

Fig.6 Correlation between vegetation NPP and temperature and precipitation in the Mu Us Sandy Land from 2001 to 2020

图7 气候变化和人类活动对毛乌素沙地植被NPP相对贡献率的空间分布

Fig.7 Spatial distribution of the relative contribution rate of climate change and human activities to vegetation NPP in Mu Us Sandy Land

图8 2001—2020年毛乌素沙地植被NPP未来趋势预测

Fig.8 Future trend prediction of vegetation NPP in the Mu Us Sandy Land from 2001 to 2020

参考文献 33

[1]	李飞，赵军，赵传燕，等.中国干旱半干旱区潜在植被演替［J］.生态学报，2011，31（3）：689-697.
[2]	刘俊壕，周海盛，郭群.中国北方干旱半干旱区沙漠化治理对植被格局的影响［J］.中国沙漠，2023，43（5）：204-213.
[3]	Ji X Y， Yang J Z， Liu J Y，et al.Analysis of spatial-temporal changes and driving forces of desertification in the Mu Us Sandy Land from 1991 to 2021［J］.Sustainability，2023，15（13）：10399.
[4]	冯筱，屈建军，丁新辉，等.沙漠化逆转过程中榆林市植被净初级生产力时空格局及其影响因素［J］.中国沙漠，2024，44（1）：22-32.
[5]	郑颖.基于数值模拟的毛乌素沙地植被变化对区域气候和水分平衡影响研究［D］.呼和浩特：内蒙古大学，2021.
[6]	常文静，丛士翔，王融融，等.气候变化和人类活动对毛乌素沙地NDVI变化的量化分析［J］.干旱区地理，2025，48（1）：63-74.
[7]	王翠萍，韩小红，王昊琛，等.1982-2020年毛乌素沙地植被对气候变化的响应［J］.林业资源管理，2023（3）：80-89.
[8]	Lin M， Hou L Z， Qi Z M，et al.Impacts of climate change and human activities on vegetation NDVI in China's Mu Us Sandy Land during 2000-2019［J］.Ecological Indicators，2022，142：1-13.
[9]	郭紫晨，刘树林，康文平，等.2000-2015年毛乌素沙区植被覆盖度变化趋势［J］.中国沙漠，2018，38（5）：1099-1107.
[10]	曹艳萍，庞营军，贾晓红.2001-2016年毛乌素沙地植被的生长状况［J］.水土保持通报，2019，39（2）：29-37.
[11]	朱文泉，潘耀忠，张锦水.中国陆地植被净初级生产力遥感估算［J］.植物生态学报，2007（3）：413-424.
[12]	Ge W Y， Deng L Q， Wang F，et al.Quantifying the contributions of human activities and climate change to vegetation net primary productivity dynamics in China from 2001 to 2016［J］.Science of the Total Environment，2021，773：145648.
[13]	Chen M， Zhang X， Li M，et al.Climate-growth pattern of Pinus tabulaeformis plantations and their resilience to drought events in the Loess Plateau［J］.Forest Ecology and Management，2021，499：1-15.
[14]	Jiang H L， Xu X， Guan M X，et al.Determining the contributions of climate change and human activities to vegetation dynamics in agro-pastural transitional zone of northern China from 2000 to 2015［J］.Science of the Total Environment，2022：718134871.
[15]	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.
[16]	Yin L， Wang X， Feng X，et al.A comparison of SSEBop-Model-Based evapotranspiration with Eight evapotranspiration products in the Yellow River Basin，China［J］.Remote Sensing，2020，12：2528.
[17]	童成立，张文菊，汤阳，等.逐日太阳辐射的模拟计算［J］.中国农业气象，2005（3）：165-169.
[18]	Yang J， Huang X.The 30 m annual land cover dataset and its dynamics in China from 1990 to 2019［J］.Earth System Science Data，2021，13：3907-3925.
[19]	Jason E， Roland G.Discrimination between climate and human-induced dryland degradation［J］.Journal of Arid Environments，2004，57（4）：535-554.
[20]	Gao W D， Zhen C， Lu Y D，et al.NDVI-based vegetation dynamics and their responses to climate change and human activities from 1982 to 2020：a case study in the Mu Us Sandy Land，China［J］.Ecological Indicators，2022，137：108745.
[21]	Shi S Y， Yu J J， Wang F，et al.Quantitative contributions of climate change and human activities to vegetation changes over multiple time scales on the Loess Plateau［J］.Science of the Total Environment，2021，755：142419.
[22]	Zheng L， Lu J Z， Liu H，et al.Evidence of vegetation greening benefitting from the afforestation initiatives in China［J］.Geo-Spatial Information Science，2024，27（3）：683-702.
[23]	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.
[24]	王姣月，秦树高，张宇清.毛乌素沙地植被水分利用效率的时空格局［J］.中国沙漠，2020，40（5）：120-129.
[25]	Sun Z H， Mao Z G， Yang L Y，et al.Impacts of climate change and afforestation on vegetation dynamic in the Mu Us Desert，China［J］.Ecological Indicators，2021，129：1-12.
[26]	Liu Q Y， Zhang T L， Li Y Z，et al.Comparative analysis of fractional vegetation cover estimation based on multi-sensor data in a semi-arid sandy area［J］.Chinese Geographical Science，2019，29（1）：166-180.
[27]	Li Z K， Xu B， Tian D L，et al. Long-term analysis of regional vegetation correlation with climate and phenology in the midsection of Maowusu Sandland［J］.Water，2024，16：623-631.
[28]	黄绪梅，张翼，李建平.毛乌素荒漠草原植被特征对降水变化的响应［J］.草地学报，2022，30（1）：178-187.
[29]	李茂华，都金康，李皖彤，等.1982-2015年全球植被变化及其与温度和降水的关系［J］.地理科学，2020，40（5）：823-832.
[30]	Zhou D J， Zhao X， Hu H F，et al.Long-term vegetation changes in the four mega-sandy lands in Inner Mongolia，China［J］.Land-scape Ecology，2015，30（9）：1613-1626.
[31]	Wang X， Song J L， Xiao Z Q，et al.Desertification in the Mu Us Sandy Land in China：response to climate change and human activity from 2000 to 2020［J］.Geography and Sustainability，2022，3（2）：177-189.
[32]	Liu H Y， Cao L， Jia J H，et al.Effects of land use changes on the nonlinear trends of net primary productivity in arid and semiarid areas，China［J］.Land Degradation Development，2021，32（6）：2183-2196.
[33]	刘国彬，上官周平，姚文艺，等.黄土高原生态工程的生态成效［J］.中国科学院院刊，2017，32（1）：11-19.