2000—2022年库布齐沙漠植被覆盖度时空变化及其驱动因子

doi:10.7522/j.issn.1000-694X.2025.00065

摘要/Abstract

摘要：

作为大气圈、土壤圈、水圈与生物圈之间的重要连接纽带，植被变化特征及驱动因素的分析对于理解区域生态系统的动态变化具有重要意义。基于MOD13Q1 NDVI长时间序列遥感监测数据，结合自然影响因子（高程、土壤类型、降水量、气温、风速、蒸散发量）和社会经济因子（土地利用类型、人口、GDP）等数据，采用像元二分模型、趋势分析、地理探测器等方法，对库布齐沙漠近22年的植被覆盖度特征变化及其驱动影响因子进行了深入探讨。结果表明：2000—2022年，植被覆盖度呈现出上升趋势，植被覆盖度平均值年增长速率为0.387%，相关性R²≈0.832。在季节分布上，植被覆盖度在6—8月达到峰值，而在11、12月及次年1月则降至最低。超过73.62%的区域植被覆盖度得到了改善。具体而言，核心沙漠区域的植被覆盖度由极低等级逐步转变为低等级，西南部地区的植被覆盖度由极低和低等级转变为中等级和高等级，而东南区域的植被覆盖度则广泛转化为极高等级。单因子探测结果表明，土地利用类型（0.493）、降水量（0.461）、人口（0.443）是影响研究区植被覆盖度变化的主要单一因素。在多因子交互作用下，降水量（0.461）与高程（0.192）的交互作用对植被覆盖度变化的影响力最为显著，q值达到0.731。

关键词: 库布齐沙漠, 植被覆盖度, 时空变化, 地理探测器

Abstract:

Vegetation constitutes a critical nexus among the atmosphere， soil， water， and biosphere. Investigating its spatiotemporal dynamics and driving mechanisms is critical for understanding ecosystem evolution. This study leverages 22-year MOD13Q1 NDVI remote sensing data （2000-2022） and integrates natural factors （digital elevation models， soil types， precipitation， temperature， evapotranspiration） and socioeconomic parameters （land use types， population， GDP）. Analytical techniques including pixel binning models， trend analysis， and geographic detectors were applied to systematically evaluate vegetation coverage patterns and their drivers in the Kubuqi Desert. Results demonstrate a sustained upward trend in vegetation coverage， with an annual growth rate of 0.387% （R²≈0.832）. Seasonal variations reveal peak coverage during June-August and minimal levels in November-January. Notably， 73.62% of the study area exhibited vegetation improvement： the desert core transitioned from extremely low to low coverage grades， the southwest shifted from low-medium to medium-high grades， and the southeast achieved widespread high-grade coverage. Single-factor analysis identified land use types （0.493）， precipitation （0.461）， and population density （0.443） as dominant individual drivers. Multi-factor interaction detection highlights precipitation-elevation synergy （interaction q=0.731） as the most significant combined influence on vegetation dynamics.

Key words: Kubuqi Desert, vegetation coverage, temporal and spatial variation, geographical detector

中图分类号:

Q948

姜志伟, 杨智博, 杨清, 胡洁, 刘茜雅, 于玲玲, 张红红, 淡照晶, 田磊. 2000—2022年库布齐沙漠植被覆盖度时空变化及其驱动因子[J]. 中国沙漠, 2025, 45(5): 124-133.

Zhiwei Jiang, Zhibo Yang, Qing Yang, Jie Hu, Qianya Liu, Lingling Yu, Honghong Zhang, Zhaojing Dan, Lei Tian. Temporal and spatial variation of vegetation cover in Kubuqi Desert from 2000 to 2022 and its driving factors[J]. Journal of Desert Research, 2025, 45(5): 124-133.

图/表 10

参考文献 32

[1]	潘耀忠，史培军，朱文泉，等.中国陆地生态系统生态资产遥感定量测量［J］.中国科学（D辑：地球科学），2004（4）：375-384.
[2]	王潇.景观生态学与生物多样性保护策略分析［J］.环境与发展，2017，29（8）：189-191.
[3]	Li M Y， Liu T X， Luo Y Y，et al.Fractional vegetation coverage downscaling inversion method based on Land Remote-Sensing Satellite （System，Landsat-8） and polarization decomposition of Radarsat-2［J］.International Journal of Remote Sensing，2021，42（9）：3255-3276.
[4]	Zhang Y， Zhang C， Wang Z，et al.Comprehensive research on remote sensing monitoring of grassland degradation：a case study in the Three-River Source Region，China［J］.Sustainability，2019，11（7）：1845-1845.
[5]	Wang Z B， Ma Y K， Zhang Y N，et al.Review of remote sensing applications in grassland monitoring［J］.Remote Sensing，2022，14（12）：2903.
[6]	杨晓玲，丁文魁，周华，等.石羊河流域归一化植被指数变化及其驱动因子分析［J］.干旱区地理，2024，47（10）：1735-1744.
[7]	刘鑫，张晨春，王琛，等.浑善达克沙地植被叶面积指数时空动态变化及驱动因素分析［J］.西部资源，2024（5）：135-137.
[8]	尚雪，何钊全，张铜会.增强型植被指数时空变化特征及其驱动机理［J］.森林与环境学报，2020，40（5）：478-485.
[9]	涂杰，周学林，王松松.基于NDVI的近20年包头市植被覆盖度时空变化研究［J］.草原与草坪，2024，44（4）：121-132.
[10]	韩红珠，他志杰，陈晨，等.2001-2022年黄河流域生态区植被净初级生产力时空变化及影响因素分析［J］.环境生态学，2024，6（10）：56-67.
[11]	李苗苗，吴炳方，颜长珍，等.密云水库上游植被覆盖度的遥感估算［J］.资源科学，2004（4）：153-159.
[12]	贾坤，姚云军，魏香琴，等.植被覆盖度遥感估算研究进展［J］.地球科学进展，2013，28（7）：774-782.
[13]	王婷，郭茉苒，韩鹏，等.应用高分卫星遥感数据评价紫花苜蓿人工草地返青状况［J］.中国草地学报，2021，43（3）：94-103.
[14]	查勇.草地植被变化遥感监测方法研究［D］.南京：南京师范大学，2003.
[15]	Xiao J， Moody A.A comparison of methods for estimating fractional green vegetation cover within a desert-to-upland transition zone in central New Mexico，USA［J］.Remote Sensing of Environment，2005，98（2）：237-250.
[16]	刘咏梅，胡念钊，龙永清，等.无人机RGB影像在高寒草地狼毒入侵监测及盖度估算中的应用［J］.中国草地学报，2023，45（2）：1-12.
[17]	李丽丽，王大为，韩涛.2000-2015年石羊河流域植被覆盖度及其对气候变化的响应［J］.中国沙漠，2018，38（5）：1108-1118.
[18]	张成才，娄洋，李颖，等.基于像元二分模型的伏牛山地区植被覆盖度变化［J］.水土保持研究，2020，27（3）：301-307.
[19]	卜凡蕊，刘颖，邹学勇.中国东部典型沙地植被覆盖度对降水变化的响应［J］.中国沙漠，2023，43（3）：9-20.
[20]	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.
[21]	王润科，王建，赵泽斌，等.基于MOD13Q1数据的天水市植被覆盖度时空变化分析［J］.遥感技术与应用，2024，39（4）：987-999.
[22]	吴小燕，高永，党晓宏，等.1989-2019年库布齐沙漠植被覆盖度的时空变化［J］.水土保持通报，2022，42（2）：300-306.
[23]	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.
[24]	王思楠，吴英杰，王宏宙，等.基于地理探测器的鄂尔多斯干旱时空变化驱动因素分析［J］.干旱区研究，2024，41（12）：1981-1991.
[25]	陈宽，杨晨晨，白力嘎，等.基于地理探测器的内蒙古自然和人为因素对植被NDVI变化的影响［J］.生态学报，2021，41（12）：4963-4975.
[26]	李晓燕，曹广超，陈宗颜，等.2001-2022年祁连山南坡地表温度时空变化特征及驱动因素［J］.中国沙漠，2024，44（5）：84-94.
[27]	李爱平，薛海林，王忠厚.内蒙古达拉特旗治理库布其沙漠记［R］.中国新闻网，2024-09-07.
[28]	李梦华，韩颖娟，赵慧，等.基于地理探测器的宁夏植被覆盖度时空变化特征及其驱动因子分析［J］.生态环境学报，2022，31（7）：1317-1325.
[29]	花丛，曹云，王继康，等.2000-2023年浑善达克沙地春季沙尘天气分布特征及其与植被盖度、风况的关系［J］.中国沙漠，2024，44（4）：71-80.
[30]	孙斌，王燕，郭晔，等.2000-2020年锡林郭勒草原植被覆盖时空动态变化及影响因素分析［J］.中国草地学报，2024，46（11）：11-22.
[31]	陈效逑，王恒.1982-2003年内蒙古植被带和植被覆盖度的时空变化［J］.地理学报，2009，64（1）：84-94.
[32]	孟琪，武志涛，杜自强，等.基于地理探测器的区域植被覆盖度的定量影响：以京津风沙源区为例［J］.中国环境科学，2021，41（2）：826-836.

数据产品	数据来源	要素类型	空间分辨率	时间范围	数据用途
MOD13A1	美国航天航空局NASA网站（http://modis.gsfc.nasa.gov/）	NDVI	500 m	2000—2022年	计算植被覆盖度（FVC）
Landsat8	美国地质调查局官网https://earthexplorer.usgs.gov/	土地利用类型	30 m	2020年	地理探测器驱动因子探测
中国地面资料年值数据	国家地球系统科学数据中心（https://www.geodata.cn/main/）	气温、降水量、风速、蒸散发量	1 km	2020年	地理探测器驱动因子探测
全国DEM高程数据	资源环境科学与数据平台（https://www.resdc.cn/Default.aspx）	高程	250 m	2020年	地理探测器驱动因子探测
中国土壤类型空间分布数据	资源环境科学与数据平台（https://www.resdc.cn/Default.aspx）	土壤类型	1 km	2020年	地理探测器驱动因子探测
中国人口空间分布公里网格数据集	资源环境科学与数据平台（https://www.resdc.cn/Default.aspx）	人口	1 km	2020年	地理探测器驱动因子探测
中国GDP空间分布公里网格数据集	资源环境科学与数据平台（https://www.resdc.cn/Default.aspx）	GDP	1 km	2020年	地理探测器驱动因子探测

数据产品	数据来源	要素类型	空间分辨率	时间范围	数据用途
MOD13A1	美国航天航空局NASA网站（http://modis.gsfc.nasa.gov/）	NDVI	500 m	2000—2022年	计算植被覆盖度（FVC）
Landsat8	美国地质调查局官网https://earthexplorer.usgs.gov/	土地利用类型	30 m	2020年	地理探测器驱动因子探测
中国地面资料年值数据	国家地球系统科学数据中心（https://www.geodata.cn/main/）	气温、降水量、风速、蒸散发量	1 km	2020年	地理探测器驱动因子探测
全国DEM高程数据	资源环境科学与数据平台（https://www.resdc.cn/Default.aspx）	高程	250 m	2020年	地理探测器驱动因子探测
中国土壤类型空间分布数据	资源环境科学与数据平台（https://www.resdc.cn/Default.aspx）	土壤类型	1 km	2020年	地理探测器驱动因子探测
中国人口空间分布公里网格数据集	资源环境科学与数据平台（https://www.resdc.cn/Default.aspx）	人口	1 km	2020年	地理探测器驱动因子探测
中国GDP空间分布公里网格数据集	资源环境科学与数据平台（https://www.resdc.cn/Default.aspx）	GDP	1 km	2020年	地理探测器驱动因子探测

交互作用	判断依据
非线性减弱	q(X₁∩X₂)<min[q(X₁),q(X₂)]
单因子非线性减弱	min[q(X₁),q(X₂)]<q(X₁∩X₂)<max[q(X₁),q(X₂)]
双因子增强	q(X₁∩X₂)>max[q(X₁),q(X₂)]
独立	q(X₁∩X₂)=q(X₁)+q(X₂)
非线性增强	q(X₁∩X₂)>q(X₁)+q(X₂)

交互作用	判断依据
非线性减弱	q(X₁∩X₂)<min[q(X₁),q(X₂)]
单因子非线性减弱	min[q(X₁),q(X₂)]<q(X₁∩X₂)<max[q(X₁),q(X₂)]
双因子增强	q(X₁∩X₂)>max[q(X₁),q(X₂)]
独立	q(X₁∩X₂)=q(X₁)+q(X₂)
非线性增强	q(X₁∩X₂)>q(X₁)+q(X₂)

等级	FVC值域	面积/km²	比重/%
明显改善	>10%	11 498.50	57.56
轻微改善	5%<FVC≤10%	3 208.50	16.06
稳定不变	-5%≤FVC≤5%	4 845.75	24.26
轻微退化	-10%≤FVC<-5%	130.75	0.65
严重退化	<-10%	293.50	1.47