2000—2024年青海省沙区植被覆盖时空变化及其驱动机制

doi:10.7522/j.issn.1000-694X.2025.00257

摘要/Abstract

摘要：

青海省沙区地处青藏高原北缘，是典型的干旱半干旱生态脆弱区，不仅承载着重要的生态屏障功能，也是防治荒漠化和维系生态平衡的关键区域，明确其植被动态变化及驱动机制，对提升生态安全和制定可持续治理策略至关重要。基于Theil-Sen+Mann-Kendall趋势检验法、Hurst指数和地理探测器方法，揭示了2000—2024年青海省沙区流动沙地、半流动沙地、半固定沙地、固定沙地、盐碱地和戈壁植被覆盖度的时空演变规律及驱动机制。结果表明：（1）2000—2024年植被覆盖度整体呈波动增加趋势，均值由0.10增至0.12，2008—2016年增长最显著（P<0.05），低覆盖区集中于盐碱地和戈壁，高覆盖区集中于西南和东南部的固定、半固定沙地。（2）约68%区域植被覆盖呈改善趋势，减少区主要位于西北部的流动沙地、盐碱地周边，三江源附近沙区植被覆盖改善最显著（P<0.05）；气候（降水、气温和风速）和土壤（土壤有机碳、土壤水分和土壤质地）各因子的联合效应（q_mean分别为0.34、0.19，P<0.001），均大于单一因子对植被覆盖的影响（q_mean分别为0.20、0.10，P<0.001）。人类活动与环境因子交互作用显著（q=0.36，P<0.001）。（3）未来65.8%区域植被相对稳定，10.1%持续改善，6.9%持续减少，固定与半固定沙地植被改善潜力和减少风险均较大，流动沙地和盐碱地植被变化平稳。应强化青海省固定及半固定沙地生态修复，通过沙障建设和植被恢复工程提升土壤稳定性；在盐碱地和戈壁地区，种植适生植物并进行土壤改良，通过优化植被结构和强化风沙侵蚀控制措施，促进生态恢复。

关键词: 青海省, 沙区, 植被覆盖度, 植被恢复

Abstract:

Qinghai Province's desert regions， located on the northern Qinghai-Tibet Plateau， are typical arid and semi-arid ecologically fragile zones functioning as key ecological barriers. Understanding vegetation dynamics and drivers is essential for ecological security and sustainable management. Using the Theil-Sen+Mann-Kendall trend test， Hurst exponent， and geographical detector methods， this study reveals the spatiotemporal evolution patterns and driving mechanisms of vegetation cover in mobile sand， semi-mobile sand， semi-fixed sand， fixed sand， saline-alkali land， and gobi areas of the sandy areas in Qinghai Province from 2000 to 2024. The findings are as follows：（1） From 2000 to 2024， vegetation coverage showed an overall fluctuating increase， with the mean value rising from 0.10 to 0.12. The most significant increase occurred from 2008 to 2016 （P<0.05）， with low-coverage areas concentrated in saline-alkali lands and gobi， and high-coverage areas primarily in the fixed and semi-fixed sand dunes in the southwest and southeast. （2） Over 68% of the region showed an improving vegetation trend， with reduced areas mainly in the northwest， around the moving sand dunes and saline-alkali lands. The most significant improvement in vegetation was observed near Sanjiangyuan （P<0.05）. The combined effects of climate factors （precipitation， temperature， and wind speed） and soil factors （organic carbon， moisture， and texture）（q_mean = 0.34， 0.19， P<0.001） were more significant than the individual effects of each factor on vegetation （q_mean = 0.20， 0.10， P<0.001）. The interaction between human activities and environmental factors was also significant （q = 0.36， P<0.001）. （3） In the future， 65.8% of the region's vegetation will remain relatively stable， 10.1% will continue to improve， and 6.9% will continue to decrease. Fixed and semi-fixed sand dunes show significant potential for improvement， while vegetation changes in moving sand dunes and saline-alkali lands are more stable. Vegetation restoration strategies should prioritize ecological restoration in fixed and semi-fixed sandy areas， focusing on soil stabilization through sand barrier construction and vegetation restoration projects. In saline-alkali and gobi regions， appropriate plant species should be selected， and soil improvement measures should be implemented. Optimizing vegetation structure and strengthening wind and sand erosion control will promote ecological recovery.

Key words: Qinghai Province, sandy areas, vegetation cover, plant restoration

中图分类号:

Q948

马圆圆, 马登科, 岳奕帆, 康文蓉, 刘鹄, 周国英, 赵文智. 2000—2024年青海省沙区植被覆盖时空变化及其驱动机制[J]. 中国沙漠, 2026, 46(2): 288-300.

Yuanyuan Ma, Dengke Ma, Yifan Yue, Wenrong Kang, Hu Liu, Guoying Zhou, Wenzhi Zhao. Spatiotemporal changes and driving mechanisms of vegetation in the sandy areas of Qinghai Province in 2000-2024[J]. Journal of Desert Research, 2026, 46(2): 288-300.

图/表 13

图1 青海省沙区分布示意图注：基于自然资源部标准地图服务网站审图号GS（2019）3333号标准地图制作，底图边界无修改

Fig.1 Location of the desert areas in Qinghai Province

表1 青海省沙区主要植物物种特征

Table 1 Characteristics of major plant species in the sandy areas of Qinghai Province

植物名称	科名	属名	平均高度/cm	平均冠幅/cm	平均密度/(株·m^-2)
芦苇（Phragmites australis）	禾本科	芦苇属	49.56±2.18	22.00±1.11	19.17±0.52
冰草（Agropyron cristatum）	禾本科	冰草属	26.52±11.06	9.39±1.11	10.61±0.62
白刺（Nitraria tangutorum）	白刺科	白刺属	80.58±10.88	115.44±16.23	0.40±0.21
柽柳（Tamarix chinensis）	柽柳科	柽柳属	209.38±11.27	286.25±39.59	0.12±0.03
针茅（Stipa capillata）	禾本科	针茅属	6.46±0.53	11.96±0.18	0.98±0.49
海韭菜（Triglochin maritima）	水麦冬科	水麦冬属	10.58±5.31	11.58±0.97	15.52±3.58
红砂（Reaumuria songarica）	柽柳科	红砂属	10.58±1.08	22.53±4.15	0.54±0.08
碱蓬（Suaeda glauca）	苋科	碱蓬属	8.17±2.06	16.90±4.49	1.09±0.16
珍珠柴（Caroxylon passerinum）	苋科	珍珠柴属	8.33±0.27	25.47±2.34	1.11±0.15
合头藜（Sympegma regelii）	苋科	合头藜属	50.25±3.52	65.92±11.35	0.59±0.10
芨芨草（Neotrinia splendens）	禾本科	芨芨草属	46.18±15.83	53.04±20.47	0.12±0.04
罗布麻（Apocynum venetum）	夹竹桃科	罗布麻属	50.59±0.88	35.33±1.86	0.78±0.04
膜果麻黄（Ephedra przewalskii）	麻黄科	麻黄属	17.41±0.45	31.41±0.87	0.26±0.08
莎草（Cyperus rotundus）	莎草科	莎草属	10.56±1.76	6.33±0.58	118.61±34.80

表2 FVC变化趋势分类

Table 2 Classification of FVC trend variations

$β F V C$	\|Z\|	FVC变化趋势
≥0.0005	>1.96	明显改善
≥0.0005	≤1.96	轻微改善
-0.0005~0.0005	≤1.96	稳定不变
<-0.0005	≤1.96	轻微减少
<-0.0005	>1.96	严重减少

表2 FVC变化趋势分类

Table 2 Classification of FVC trend variations

$β F V C$	\|Z\|	FVC变化趋势
≥0.0005	>1.96	明显改善
≥0.0005	≤1.96	轻微改善
-0.0005~0.0005	≤1.96	稳定不变
<-0.0005	≤1.96	轻微减少
<-0.0005	>1.96	严重减少

表3 FVC未来变化趋势分类

Table 3 Classification of future FVC trend variations

$β F V C$	Hurst指数	FVC未来变化趋势
≥0.0005	0.5~1	持续性改善
≥0.0005	0~0.5	反持续性改善（减少）
-0.0005~0.0005	≈0.5	相对稳定
<-0.0005	0~0.5	反持续性减少（改善）
<-0.0005	0.5~1	持续性减少

表3 FVC未来变化趋势分类

Table 3 Classification of future FVC trend variations

$β F V C$	Hurst指数	FVC未来变化趋势
≥0.0005	0.5~1	持续性改善
≥0.0005	0~0.5	反持续性改善（减少）
-0.0005~0.0005	≈0.5	相对稳定
<-0.0005	0~0.5	反持续性减少（改善）
<-0.0005	0.5~1	持续性减少

图2 2000—2024年青海省沙区植被覆盖度（FVC）空间分布

Fig.2 Spatial distribution of vegetation cover （FVC） in the desert areas of Qinghai Province from 2000 to 2024

图3 2000—2024年青海省沙区植被覆盖度（FVC）时间变化趋势

Fig.3 Temporal variation trend of vegetation cover （FVC） in the desert areas of Qinghai Province from 2000 to 2024

图4 2000—2024年青海省沙区植被减少与改善分布

Fig.4 Distribution of vegetation reduction and improvement in the desert areas of Qinghai Province from 2000 to 2024

图5 2000—2024年青海省沙区植被变化占比分布

Fig.5 Proportional distribution of vegetation changes in the desert areas of Qinghai Province from 2000 to 2024

图6 2000—2024年FVC影响因子交互探测热力图

Fig.6 Heatmap of interaction detection of factors influencing FVC from 2000 to 2024

表4 基于地理探测器的2000—2024年FVC驱动因子结果

Table 4 Results of FVC driving factors based on the Geodetector method from 2000 to 2024

因子类型	地理因子	解释力q	显著性P
气候	气温	0.151	<0.001
	降水量	0.326	<0.001
	风速	0.127	<0.001
	潜在蒸散发	0.153	<0.001
水文	距河道距离	0.096	<0.001
地形	高程	0.205	<0.001
	坡度	0.049	<0.001
	坡向	0.094	<0.001
土壤	土壤质地	0.036	<0.001
	土壤含水量	0.166	<0.001
	土壤有机碳	0.089	<0.001
	土壤总氮	0.078	<0.001
	土壤pH	0.084	<0.001
	土壤电导率	0.022	<0.05
人类活动	夜间灯光	0.004	>0.05
人类活动	距道路距离	0.141	<0.001

图7 青海省沙区植被未来变化趋势

Fig.7 Future vegetation change trends in the desert areas of Qinghai Province

表5 青海沙区不同生态脆弱地表类型恢复策略

Table 5 Restoration strategies for different ecologically fragile surface types in the desert areas of Qinghai

生态脆弱地表类型	恢复策略	主要措施
流动沙地	强化沙地固定，增强水分管理	①生物固沙（种植固沙植物）与工程措施（沙障等）相结合 ②适当建设水源保障系统
半流动沙地	保护现有植被，强化水土保持	①加强风沙侵蚀控制措施，如修建风障、植被恢复②实施水土保持技术，保持水源和土壤水分
半固定沙地	提升植被多样性，恢复土壤肥力	①种植本土耐旱、耐盐植物，增强植被覆盖度 ②改良土壤结构，增加土壤有机质含量
固定沙地	稳定现有植被，增强固沙能力	①扩大本土植物种植，尤其是深根植物，以增强土壤稳定性 ②加强沙障建设与沙丘固沙，减少风沙侵蚀
盐碱地	改良土壤，种植适生植物	①采用盐碱地改良技术（如生物修复、化学修复等），降低土壤盐分②种植适生植物
戈壁	增强土壤结构，提升生物多样性	①引入适应戈壁环境的耐旱、耐碱植物种类 ②加强生态恢复，特别是水土保持和固沙技术的应用

图8 青海省沙区主要植物种类特征

Fig.8 Characteristics of major plant species in desert areas of Qinghai Province

参考文献 70

[1]	Schlaepfer D R， Bradford J B， Lauenroth W K，et al.Climate change reduces extent of temperate drylands and intensifies drought in deep soils［J］.Nature Communications，2017，8（1）：14196.
[2]	Stringer L C， Reed M S， Dougill A J，et al.Implementing the UNCCD：participatory challenges［C］//Proceedings of the Natural Resources Forum.Wiley Online Library，2007.
[3]	Burrell A L， Evans J P， De Kauwe M G.Anthropogenic climate change has driven over 5 million km² of drylands towards desertification［J］.Nature Communications，2020，11（1）：3853.
[4]	刘帅飞，曲海华，高广磊，等.中国履行《联合国防治荒漠化公约》：行动、问题与对策［J］.中国沙漠，2023，43（6）：229-236.
[5]	Zhao H， Zhai X， Li S，et al.The continuing decrease of sandy desert and sandy land in northern China in the latest 10 years［J］.Ecological Indicators，2023，154：1-18.
[6]	王灿，张雅欣.碳中和愿景的实现路径与政策体系［J］.中国环境管理，2020，12（6）：58-64.
[7]	胡鞍钢.中国实现2030年前碳达峰目标及主要途径［J］.北京工业大学学报（社会科学版），2021，21（3）：1-15.
[8]	Ren Z， Wang Z， Wang Y，et al.Soil bacterial communities vary with grassland degradation in the Qinghai Lake Watershed［J］.Plant and Soil，2021，460（1）：541-557.
[9]	Li Z， Li X， Yang S.Plant drought adaptation strategies regulate alpine grassland water yield in the Qinghai Lake Basin，northeastern Qinghai-Tibet Plateau［J］.Journal of Hydrology：Regional Studies，2023，48：1-13.
[10]	Zhang Y， Zhu J， Wang L，et al.Policy-driven vegetation restoration in Qinghai Province：spatiotemporal analysis and policy evaluation［J］.Land，2024，13（7）：1-12.
[11]	Liu X， He Y， Sun S，et al.Restoration of sand-stabilizing vegetation reduces deep percolation of precipitation in semi-arid sandy lands，northern China［J］.Catena，2022，208：1-15.
[12]	Wang Q， Jiang S， Zhai J，et al.Effects of vegetation restoration on evapotranspiration water consumption in mountainous areas and assessment of its remaining restoration space［J］.Journal of Hydrology，2022，605：1-14.
[13]	Francés A.Integration of hydrogeophysics and remote sensing with coupled hydrological models［R］.Laboratorio Nacional de Energia e Geologia （Portugal），2015.
[14]	Almalki R， Khaki M， Saco P M，et al.Monitoring and mapping vegetation cover changes in arid and semi-arid areas using remote sensing technology：a review［J］.Remote Sensing，2022，14（20）：1-13.
[15]	Rivera-Marin D， Dash J， Ogutu B.The use of remote sensing for desertification studies：a review［J］.Journal of Arid Environments，2022，206：1-45.
[16]	Herrmann S M， Anyamba A， Tucker C J.Recent trends in vegetation dynamics in the African Sahel and their relationship to climate［J］.Global Environmental Change，2005，15（4）：394-404.
[17]	Yan Y， Cheng Y， Xin Z，et al.Impacts of climate change and human activities on vegetation dynamics on the Mongolian Plateau，East Asia from 2000 to 2023［J］.Journal of Arid Land，2024，16（8）：1062-1079.
[18]	Zhou Y， Hu Z， Geng Q，et al.Monitoring and analysis of desertification surrounding Qinghai Lake （China） using remote sensing big data［J］.Environmental Science and Pollution Research International，2023，30（7）：17420-17436.
[19]	李小宇，信忠保，杨俊柳，等.2000-2020年青海河湟谷地植被NDVI时空变化及影响因素［J］.水土保持学报，2024，38（1）：79-90.
[20]	魏婷婷.青海共和盆地荒漠化评价与景观动态研究［D］.北京：中国林业科学研究院，2011.
[21]	张登山，田丽慧，吴汪洋，等.青海高原沙化土地综合治理研究进展［C］//中国治沙暨沙业学会2018年学术年会论文集.中国治沙暨沙业学会，2018：26-34.
[22]	青海省人民政府.青海省沙漠化防治工作取得阶段性成效［EB/OL］.（2025-06-18）［2025-09-29］.
[23]	李三旦.青海省防沙治沙生态建设对策研究［J］.青海农林科技，2015（1）：31-35.
[24]	张寿红.气候变暖对青海湖水位变化成因的影响分析及未来水位预测［J］.科技和产业，2025，25（5）：49-53.
[25]	江波，张路，欧阳志云.青海湖湿地生态系统服务价值评估［J］.应用生态学报，2015，26（10）：3137-3144.
[26]	Carlson T N， Ripley D A.On the relation between NDVI，fractional vegetation cover，and leaf area index［J］.Remote Sensing of Environment，1997，62（3）：241-252.
[27]	张琨，吕一河，傅伯杰，等.黄土高原植被覆盖变化对生态系统服务影响及其阈值［J］.地理学报，2020，75（5）：949-960.
[28]	李长龙，王燕，高志海，等.2000-2020年中国荒漠化潜在发生范围区林草覆被时空变化特征［J］.地理学报，2022，77（11）：2803-2816.
[29]	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.
[30]	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.
[31]	Wulder M A， Loveland T R， Roy D P，et al.Current status of Landsat program，science，and applications［J］.Remote Sensing of Environment，2019，225：127-147.
[32]	Yang L， Jia K， Liang S，et al.A robust algorithm for estimating surface fractional vegetation cover from landsat data［J］.Remote Sensing，2017，9（8）：857.
[33]	He X， Zhang L， Lu Y，et al.Spatiotemporal variations of vegetation and its response to climate change and human activities in arid areas：a case study of the Shule River Basin，northwestern China［J］.Forests，2024，15（7）：1147.
[34]	Chen J， Yang S， Li H，et al.Research on geographical environment unit division based on the method of natural breaks （Jenks）［J］.The International Archives of the Photogrammetry，Remote Sensing and Spatial Information Sciences，2013，40：47-50.
[35]	王建华，王一谋，颜长珍，等.中国1∶10万沙漠（沙地）分布数据集［DS］.国家青藏高原科学数据中心，2013.
[36]	Yan D， Li C， Zhang X，et al.A data set of global river networks and corresponding water resources zones divisions v2［J］.Science Data，2022，9（1）：770.
[37]	王佃来，刘文萍，黄心渊.基于Sen+Mann-Kendall的北京植被变化趋势分析［J］.计算机工程与应用，2013，49（5）：13-17.
[38]	王欣毅，杨洁，林良国，等.基于Sen+Mann-Kendall陕西省植被覆盖度时空变化规律研究［J］.农业与技术，2023，43（7）：62-66.
[39]	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.
[40]	刘洋，李诚志，刘志辉，等.1982-2013年基于GIMMS-NDVI的新疆植被覆盖时空变化［J］.生态学报，2016，36（19）：6198-6208.
[41]	邓兴耀，姚俊强，刘志辉.基于GIMMS NDVI的中亚干旱区植被覆盖时空变化［J］.干旱区研究，2017，34（1）：10-19.
[42]	江田汉，邓莲堂.Hurst指数估计中存在的若干问题：以在气候变化研究中的应用为例［J］.地理科学，2004 （2）：177-182.
[43]	刘宪锋，任志远，林志慧，等.2000-2011年三江源区植被覆盖时空变化特征［J］.地理学报，2013，68（7）：897-908.
[44]	王明宇，吴成永，陈克龙.青海湖流域植被绿度时空变化及影响因素［J］.中国沙漠，2025，45（5）：289-300.
[45]	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.
[46]	He Z， Zhao W.Variability of soil moisture of shifting sandy land and its dependence on precipitation in semi-arid region［J］.Journal of Desert Research，2002，22（4）：359.
[47]	Sun S， Liu X， He Y，et al.Responses of annual herb plant community characteristics to increased precipitation and reduced wind velocity in semiarid sandy grassland［J］.Ecology and Evolution，2019，9（18）：10654-10664.
[48]	赵以莲，周国英，陈桂琛.青海湖区东部沙地植被及其特征研究［J］.中国沙漠，2007，27（5）：820-825.
[49]	Lu Q， Wang X， Wu B，et al.Can mobile sandy land be vegetated in the cold and dry Tibetan Plateau in China？［J］.Frontiers of Biology in China，2009，4（1）：62-68.
[50]	Liu L， Wang B.Protection of halophytes and their uses for cultivation of saline-alkali soil in China［J］.Biology （Basel），2021，10（5）：1-20.
[51]	Yu L， Yang J， Bu K，et al.Impacts of saline-alkali land improvement on regional climate：process，mechanisms，and implications［J］.Remote Sensing，2021，13（17）：3407.
[52]	王晓蕾，黄亦龙.基于GEE和干旱改进型遥感生态指数的青海省生态环境质量评价［J］.生态学报，2025，45（20）：1-13.
[53]	陈巧娥，周继华，来利明，等.青藏高原植被时空分布变化特征及驱动因素［J］.应用与环境生物学报，2025，31（3）：322-335.
[54]	张晶，左小安，吕朋.降雨量和土壤氮含量对半干旱沙质草地生产力的影响［J］.中国沙漠，2025，45（4）：96-108.
[55]	夏倩柔，任璇，包玉波.天山山脉植被时空分布与地形影响分析［J］.地下水，2025，47（3）：209-211.
[56]	孙莉英，栗清亚，裴亮，等.地形因子对土壤理化性质和植物种类的影响［J］.灌溉排水学报，2020，39（7）：120-127.
[57]	Li M， Liu A， Zou C，et al.An overview of the“Three-North”Shelterbelt project in China［J］.Forestry Studies in China，2012，14（1）：70-79.
[58]	Tan M， Li X.Does the Green Great Wall effectively decrease dust storm intensity in China？a study based on NOAA NDVI and weather station data［J］.Land Use Policy，2015，43：42-47.
[59]	胡云云，何学高，李国兴，等.青海湖流域陆地生态系统NEP时空格局及驱动因素定量分离［J］.水土保持学报，2025，10：1-13.
[60]	魏晓旭，魏伟，刘春芳.近40年青海省草地植被时空变化及其与人类活动的关系［J］.生态学杂志，2021，40（8）：2541-2552.
[61]	马晓帆.青海省生态系统服务权衡/协同关系及供需格局演变研究［D］，西宁：青海师范大学，2024.
[62]	李俊文，张胜男，高海燕，等.不同植被恢复措施对沙地土壤肥力的影响［J］.东北林业大学学报，2025，53（8）：76-82.
[63]	张日升，凡胜豪，姜涛，等.辽西北风沙区典型利用类型下的土壤水分变化特征［J］.安徽农业科学，2024，52（23）：62-64+68.
[64]	李发鸿，马存世，高万林，等.干旱荒漠区围栏封育对白刺群落生长的影响［J］.甘肃林业科技，2012，37（3）：23-25.
[65]	冯起，尹鑫卫，朱猛，等.统筹推进西北地区盐碱地综合治理利用：现状、挑战与对策建议［J］.中国科学院院刊，2024，39（12）：2060-2073.
[66]	姚冬梅.4种灌木流动和半流动沙地造林技术研究［J］.防护林科技，2017（1）：72-73.
[67]	张帆，辛智鸣，杨文斌，等.毛乌素沙地典型植被对地下水循环过程的调控［J］.中国沙漠，2025，45（1）：63-74.
[68]	曹世宁，余博航，李景文，等.中国黑戈壁地区植物群落物种、功能与系统发育β多样性分布格局及其影响因素［J］.生物多样性，2025，33（8）：25134.
[69]	张国盛，王林和，董智，等.毛乌素沙地主要固沙灌（乔）木林地水分平衡研究［J］.内蒙古农业大学学报（自然科学版），2002（3）：1-9.
[70]	杨文斌，董慧龙，卢琦，等.低覆盖度固沙林的乔木分布格局与防风效果［J］.生态学报，2011，31（17）：5000-5008.