2001—2020年黄河流域水源涵养区植被覆盖变化及其对气候变化和人类活动的响应

doi:10.7522/j.issn.1000-694X.2024.00025

摘要/Abstract

摘要：

植被覆盖变化对黄河流域水源涵养区水源涵养功能和生态环境变化具有重要影响。本文利用Google Earth Engine（GEE）云平台，选取2001—2020年MODIS数据，采用一元线性回归和Hurst指数分析研究区植被覆盖时空变化，并基于地理探测器和Pearson偏相关分析探究各因子对植被覆盖空间分布的影响。结果表明：2001—2020年，研究区植被指数（NDVI）总体呈现波动上升趋势，多年平均NDVI值为0.42，增长速率为0.023/10a，NDVI具有显著的区域差异，整体表现为由东南向西北递减。2001—2020年间植被覆盖呈现改善趋势面积（82.47%）大于退化趋势面积（4.97%），未来持续性改善面积（62.63%）大于持续性不变（5.78%）和持续性退化（3.69%）面积，说明植被覆盖度将继续保持增长趋势。降水量对NDVI空间分布影响力最大，达到0.502，其次为相对湿度（0.418）、高程（0.374）；降水量（77.16%）、气温（71.82%）与NDVI空间分布正相关，日照时数（77.94%）、相对湿度（62.70%）与NDVI空间分布负相关。NDVI变化受气候变化和人类活动共同影响，气候暖湿化和人类活动导致的低NDVI土地利用类型向高NDVI土地利用类型转移共同促进了植被覆盖向好发展。该研究有助于厘清研究区植被覆盖时空变化及其影响因素。

关键词: NDVI变化, 影响因子, 黄河流域水源涵养区, 地理探测器, Hurst指数

Abstract:

Vegetation cover change has an important impact on water conservation function and ecological environment change in the water conservation area of the Yellow River Basin. Based on Google Earth Engine （GEE） cloud platform， MODIS data from 2001 to 2020 were selected to analyze the spatial-temporal changes of vegetation cover in the study area by one-dimensional linear regression and Hurst index. The effects of various factors on the spatial distribution of vegetation cover were explored based on geodetector and Pearson partial correlation analysis. The results showed as follows：（1） From 2001 to 2020， NDVI in the study area showed a fluctuating upward trend. The annual average NDVI value was 0.42， and the growth rate was 0.023·every decade. NDVI showed significant regional differences， decreasing from southeast to northwest. （2） From 2001 to 2020， the area with improvement trend （82.47%） was larger than the area with degradation trend （4.97%）， and the area with future continuous improvement （62.63%） was larger than the area with no change （5.78%） and the area with continuous degradation （3.69%）， indicating that the vegetation coverage will continue to maintain an increasing trend. （3） Annual precipitation had the greatest influence on the spatial distribution of NDVI， reaching 0.502， followed by relative humidity （0.418） and altitude （0.374）. Precipitation （77.16%） and air temperature （71.82%） were positively correlated with NDVI spatial distribution， while sunshine hours （77.94%） and relative humidity （62.70%） were negatively correlated with NDVI spatial distribution. （4） The change of NDVI is jointly affected by climate change and human activities， and the shift from low NDVI land use types to high NDVI land use types caused by climate warming and human activities jointly promote the better development of vegetation cover. This study is helpful to clarify the temporal and spatial changes of vegetation cover and its influencing factors in the study area.

Key words: NDVI changes, influence factor, Yellow River basin water conservation area, geographical detector, Hurst index

中图分类号:

Q948.1

杨华庆, 朱睿, 尹振良, 山建安, 张薇, 方春爽. 2001—2020年黄河流域水源涵养区植被覆盖变化及其对气候变化和人类活动的响应[J]. 中国沙漠, 2024, 44(4): 57-70.

Huaqing Yang, Rui Zhu, Zhenliang Yin, Jian'an Shan, Wei Zhang, Chunshuang Fang. Dynamic changes of vegetation in water conservation area of the Yellow River Basin and its response to climate change and human activities during 2001-2020[J]. Journal of Desert Research, 2024, 44(4): 57-70.

图/表 14

图1 研究区概况注：该图基于国家测绘地理信息局标准地图服务网站下载的审图号为GS（2023）2767号的标准地图制作，底图边界无修改

Fig.1 Overview of the study area

表1 数据信息及来源

Table 1 Data information and sources

数据	单位	数据来源
NDVI	/	NASA（https://ladweb.modaps.eosdis.nasa.gov）
降水量	mm	国家气象信息中心（https://data.cma.cn/）
气温	℃
日照时数	h
相对湿度	%
高程	m	中国科学院地理空间数据云（http://www.gscloud.cn/）
坡度	°
坡向	°
土地利用类型	/	中国科学院资源环境科学数据中心（http://www.resdc.cn/）
放牧强度	头·km^-2	统计年鉴

表2 变化趋势类型与变化趋势持续性定义

Table 2 The type of changing trend and the definition of the persistence of changing trend

Slope 趋势	变化趋势类型	Hurst 指数	变化趋势的持续性
<-0.006	明显退化	>0.5	持续性明显退化
-0.006~-0.0006	轻微退化	>0.5	持续性轻微退化
-0.0006~0.0006	基本不变	>0.5	持续性不变
0.0006~0.006	轻微改善	>0.5	持续性轻微改善
>0.006	明显改善	>0.5	持续性明显改善
		<0.5	未来变化趋势不确定

表3 因子交互作用关系

Table 3 The relationship of factor interaction

判断依据	作用关系
$q (X 1 ? X 2) < M i n [q (X 1), q (X 2)]$	非线性减弱
$M i n [q (X 1), q (X 2)] < q (X 1 ? X 2) < M a x [q (X 1), q (X 2)]$	单因子非线性减弱
$q (X 1 ? X 2) > M a x [q (X 1), q (X 2)]$	双因子增强
$q (X 1 ? X 2) = q (X 1) + q (X 2)$	独立
$q (X 1 ? X 2) > q (X 1) + q (X 2)$	非线性增强

表3 因子交互作用关系

Table 3 The relationship of factor interaction

判断依据	作用关系
$q (X 1 ? X 2) < M i n [q (X 1), q (X 2)]$	非线性减弱
$M i n [q (X 1), q (X 2)] < q (X 1 ? X 2) < M a x [q (X 1), q (X 2)]$	单因子非线性减弱
$q (X 1 ? X 2) > M a x [q (X 1), q (X 2)]$	双因子增强
$q (X 1 ? X 2) = q (X 1) + q (X 2)$	独立
$q (X 1 ? X 2) > q (X 1) + q (X 2)$	非线性增强

图2 2001—2020年生长季平均NDVI空间分布及其年际变化趋势

Fig.2 Spatial distribution of average NDVI and its interannual change trend from 2001 to 2020

图3 NDVI空间变化趋势与 Hurst 指数分布

Fig.3 Spatial variation trend of NDVI and Hurst index distribution

图4 2001、2010、2020年因子探测结果

Fig.4 Results of factor detection in 2001， 2010 and 2020

图5 交互作用探测中影响因子的解释力及交互作用类型

Fig.5 Explanatory power and interaction types of influence factors in interactive detection

表4 各因子的适宜限制（置信水平95%）

Table 4 Adaptive limits for each factor （confidence level 95%）

因子	NDVI适宜类型或范围	NDVI均值
土地利用类型	林地	0.570
放牧强度/（头·km^-2）	189.7~286.9	0.559
坡向/（°）	319.6~359.5	0.472
高程/m	3 278~4 024	0.569
坡度/（°）	17.1~26.4	0.497
降水量/mm	745.6~823.4	0.642
相对湿度/%	70.8~75.6	0.630
日照时数/h	5.6~6.2	0.626
气温/℃	7.5~10.6	0.536

图6 气候因子的偏相关显著性

Fig.6 The significance of partial correlation of climate factors

图7 不同土地利用类型与NDVI相关性面积占比

Fig.7 Proportion of area related to NDVI by different land use types

表 5 2001—2020年黄河流域水源涵养区土地利用转移矩阵

Table 5 Land use transfer matrix of water conservation area in the Yellow River Basin from 2001 to 2020

2001年	2020年
2001年	耕地	林地	草地	水域	建设用地	未利用土地	总计
耕地	12 587.70	178.33	1 154.78	86.10	469.78	25.93	14 502.62
林地	84.90	24 846.70	1 884.22	51.55	23.62	49.57	26 940.56
草地	1 194.13	2 254.83	143 290.00	353.06	328.55	3 536.30	150 956.87
水域	44.63	25.34	138.77	3 649.32	14.07	42.77	3 914.90
建设用地	128.76	7.72	39.00	5.66	973.81	0.51	1 155.45
未利用土地	14.37	78.78	10 100.80	271.83	24.56	15 464.00	25 954.35
总计	14 054.49	27 391.71	156 607.57	4 417.52	1 834.38	19 119.08	223 424.75

图8 NDVI与气候因子变化趋势

Fig.8 NDVI and the changing trend of climate factors

图9 2001—2020年不同土地利用类型转换下生长季NDVI变化

Fig.9 Changes of NDVI in growing season under different land use types from 2001 to 2020

参考文献 51

1	付新雷.基于神东中心区植被覆盖变化的多时相遥感监测［J］.中国环境监测，2014，30（2）：186-190.
2	孟丹，李小娟，宫辉力，等.京津冀地区NDVI变化及气候因子驱动分析［J］.地球信息科学学报，2015，17（8）：1001-1007.
3	张远东，张笑鹤，刘世荣.西南地区不同植被类型归一化植被指数与气候因子的相关分析［J］.应用生态学报，2011，22（2）：323-330.
4	Lehnert L W， Meyer H， Wang Y，et al.Retrieval of grassland plant coverage on the Tibetan Plateau based on a multi-scale，multi-sensor and multi-method approach［J］.Remote Sensing of Environment，2015，164：197-207.
5	宋清洁，崔霞，张瑶瑶，等.基于小型无人机与MODIS数据的草地植被覆盖度研究：以甘南州为例［J］.草业科学，2017，34（1）：40-50.
6	尹振良，冯起，王凌阁，等.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.
7	Wei Y， Sun S， Liang D，et al.Spatial-temporal variations of NDVI and its response to climate in China from 2001 to 2020［J］.International Journal of Digital Earth，2022，15（1）：1463-1484.
8	Gao W， Zheng C， Liu X，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，2022：108745.
9	郭建晓，桑会勇，翟亮.青藏高原植被覆盖度时空变化特征及其驱动因素［J］.生态学杂志，2023，42 （11）：2665-2674.
10	Lamchin M， Lee W K， Jeon S W，et al.Long-term trend and correlation between vegetation greenness and climate variables in Asia based on satellite data［J］.Science of The Total Environment，2018，618：1089-1095.
11	燕丹妮，武心悦，王博恒，等.1982-2015年黄土高原植被变化特征及归因分析［J］.生态学报，2023（23）：1-11.
12	谢绮丽，杨鑫，郝利娜.2001-2020年三江源区植被覆盖时空变化特征及其影响因素［J］.水土保持通报，2022，42（5）：202-212.
13	郑朝菊，曾源，赵玉金，等.近15年中国西南地区植被覆盖度动态变化［J］.国土资源遥感，2017，29（3）：128-136.
14	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.
15	张亮，丁明军，张华敏，等.1982-2015年长江流域植被覆盖度时空变化分析［J］.自然资源学报，2018，33（12）：2084-2097.
16	郑勇，杨武年，刘冲，等.川西高原近20 a植被覆盖变化遥感动态监测及驱动力分析［J］.遥感技术与应用，2020，35（6）：1447-1456.
17	赵子娟，范蓓蕾，王玉庭，等.2000-2018年西辽河流域植被覆盖度时空变化特征及影响因素［J］.中国农业资源与区划，2021，42（12）：75-88.
18	韩大勇，杨永兴，杨杨，等.湿地退化研究进展［J］.生态学报，2012，32（4）：289-303.
19	Gao J， Li X L， Cheng A，et al.Degradation of wetlands on the Qinghai-Tibet Plateau：a comparison of the effectiveness of three indicators［J］.Journal of Mountain Science，2013，10（4）：658-667.
20	范微维，易桂花，张廷斌，等.黄河源区青海省玛多县2000-2014年NDVI变化及气候驱动因子［J］.水土保持通报，2017，37（1）：335-340.
21	刘璐璐，邵全琴，曹巍，等.基于生态服务价值的三江源生态工程成本效益分析［J］.草地学报，2018，26（1）：30-39.
22	邵全琴，樊江文，刘纪远，等.基于目标的三江源生态保护和建设一期工程生态成效评估及政策建议［J］.中国科学院院刊，2017，32（1）：35-44.
23	吴喜芳，李改欣，潘学鹏，等.黄河源区植被覆盖度对气温和降水的响应研究［J］.资源科学，2015，37（3）：512-521.
24	马守存，保广裕，郭广，等.1982-2013年黄河源区植被变化趋势及其对气候变化的响应［J］.干旱气象，2018，36（2）：226-233.
25	梁植，孙若辰，段青云.黄河水源涵养区植被NDVI时空变化特征及其驱动因子［J］.地理科学进展，2023，42（9）：1717-1732.
26	张子涵，王学佳，杨梅学，等.黄河上游水源涵养区近60年关键气候要素的时空变化［J］.高原气象，2023，42 （6）：1372-1385.
27	Jin H J， He R X， Cheng G D，et al.Changes in frozen ground in the source area of the Yellow River on the Qinghai-Tibet Plateau，China，and their eco-environmental impacts［J］.Environmental Research Letters，2009，4（4）：045206.
28	王国庆.黄河流域水源涵养区界定［J］.水文，2022，42（2）：65.
29	郑子彦，吕美霞，马柱国.黄河源区气候水文和植被覆盖变化及面临问题的对策建议［J］.中国科学院院刊，2020，35（1）：61-72.
30	康悦，李振朝，田辉，等.黄河源区植被变化趋势及其对气候变化的响应过程研究［J］.气候与环境研究，2011，16（4）505-512.
31	王莺，李耀辉，孙旭映.气候变化对黄河源区生态环境的影响［J］.草业科学，2015，32（4）：539-551.
32	高思琦，董国涛，蒋晓辉，等.基于地理探测器的三江源植被变化及自然驱动因子分析［J］.水土保持研究，2022，29（4）：336-343.
33	国家气象信息中心.中国国家级地面气象站基本气象要素日值数据集（V3.0）（1951-2010）［Z］.时空三极环境大数据平台，2019.
34	Chen T， Xu H J， Qi X L，et al.Temporal dynamics of satellite-derived vegetation pattern and growth in an arid inland river basin，Tibetan［J］.Plateau Global Ecology and Conservation，2022，e02262.
35	刘成文，宋生发，喇得元.化隆县草地牧草产量及载畜量调查［J］.青海草业，2005（4）：54-55.
36	郭正刚，张自和，高淑兰.河西绿洲区草畜间粗蛋白质和能量供求关系及其调控措施［J］.草业学报，2002（3）：22-28.
37	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.
38	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.
39	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.
40	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.
41	彭文甫，张冬梅，罗艳玫，等.自然因子对四川植被NDVI变化的地理探测［J］.地理学报，2019，74（9）：1758-1776.
42	刘子凡，李娜，李宏韬.基于GEE的陕北退耕还林前后植被变化［J］.甘肃林业科技，2023，48（2）：35-38.
43	马炳鑫，和彩霞，靖娟利，等.1982-2019年中国西南地区植被变化归因研究［J］.地理学报，2023，78（3）：714-728.
44	田佳西.西北地区气候暖湿化演变趋势及其对植被恢复影响研究［D］.南京：南京林业大学，2023.
45	陈春波，李均力，赵炎，等.新疆草地时空动态及其对气候变化的响应：以昌吉回族自治州为例［J］.干旱区研究，2023，40（9）：1484-1497.
46	陈强强，张佩琳，吴茜.牧民对休牧、禁牧政策的响应分析：以玛曲县为例［J］.草原与草坪，2023，43（3）：138-145.
47	Peng C， Yang J.Mountain hazards in the Tibetan Plateau：research status and prospects［J］.National Science Review，2015，2：397-399.
48	Liu C， Wang L， Song X，et al.Towards a mechanistic understanding of the effect that different species of large grazers have on grassland soil N availability［J］.Journal of Ecology，2018，106（1）：357-366.
49	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（中英文），2021，19（4）：60-68.
50	史丹丹，杨涛，胡金明，等.基于NDVI的黄河源区生长季植被时空变化及其与气候因子的关系［J］.山地学报，2018，36（2）：184-193.
51	杨金虎，张强，杨博成，等.黄河上游暖湿化的多时间尺度特征及对生态植被的影响［J］.高原气象，2023，42（4）：1018-1030.

[1]	李晓燕, 曹广超, 陈宗颜, 袁杰, 孙子婷, 唐建亭. 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.
[2]	段翰晨, 黄背英. 基于AHP与改进型MEDALUS模型耦合的科尔沁沙地土地沙漠化敏感性综合评价[J]. 中国沙漠, 2024, 44(4): 137-148.
[3]	刘二燕, 赵媛媛, 周蝶, 武海岩, 高广磊, 丁国栋. 科尔沁-浑善达克沙地2000—2020年土地沙化时空变化格局[J]. 中国沙漠, 2024, 44(4): 46-56.
[4]	申子傲, 吴静, 李纯斌. 2000—2020年河西内陆河流域植被覆盖时空变化特征及其驱动力[J]. 中国沙漠, 2024, 44(3): 119-127.
[5]	蔡明玉, 贾飚, 常学礼. 景观格局因子交互作用对科尔沁沙地沙漠化的影响[J]. 中国沙漠, 2024, 44(2): 99-108.
[6]	徐晨曦, 万红莲, 何若楠, 殷鹏, 倪敬峰, 黄敏, 王晓利. 关中平原城市群脆弱性时空演变与驱动因子[J]. 中国沙漠, 2023, 43(6): 111-120.
[7]	苏万峰, 汉光昭, 叶得力, 曹广超. 共和盆地生态环境遥感评价及驱动力分析[J]. 中国沙漠, 2023, 43(5): 74-84.
[8]	杨郭程, 毛东雷, 王敏仲, 张建涛, 潘红林. 塔克拉玛干沙漠腹地夏季稳定边界层高度计算与分析[J]. 中国沙漠, 2023, 43(4): 64-75.
[9]	崔亚婷, 李嬛, 郑龙啸, 吴孟泉. 基于 *RSEI* 的黄河上游流域生态环境质量变化分析[J]. 中国沙漠, 2023, 43(3): 107-118.
[10]	张恩月, 苏迎庆, 张云枫, 李育桢, 李可璇, 刘庚. 汾河流域水土资源耦合协调格局及驱动因素[J]. 中国沙漠, 2023, 43(3): 169-177.
[11]	乔荣荣, 黄海涛, 董春媛, 罗立辉, 常学礼. 宁夏沿黄人工绿洲农田格局对景观多样性的影响——以卫宁平原灌区为例[J]. 中国沙漠, 2023, 43(2): 21-27.
[12]	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.
[13]	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.
[14]	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.
[15]	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.