2000—2020年干旱梯度下西北干旱半干旱区植被突变及归因

doi:10.7522/j.issn.1000-694X.2025.00015

摘要/Abstract

摘要：

干旱区及干旱梯度下植被突变及其驱动因素的研究尚不充分，研究植被突变及其影响因子对科学制定旱地生态系统管理政策具有重要意义。基于2000—2020年增强型植被指数（EVI）序列数据，采用多模型轨迹诊断方法探测西北干旱半干旱区植被突变，通过阈值参数判断植被突变方向，并使用偏最小二乘结构方程模型（PLS-SEM）进行归因分析。结果表明：西北干旱半干旱区有21.99%区域的植被发生突变，其中正向突变占78.28%，负向突变占21.72%；极端干旱与干旱区正向突变率最高，半湿润区负向突变率最高。人口足迹和降水量是导致植被正向和负向突变的主要驱动因素。半湿润区、半干旱区和干旱与极端干旱区植被突变的主要因子分别是温度、降水和人类活动；随着干旱梯度增加，人口足迹对突变的贡献度显著增加，降水的贡献呈先增加后减少趋势。

关键词: 植被突变, 结构方程模型, 驱动因子, 人类活动

Abstract:

The research on vegetation abrupt changes and their driving factors in arid regions and along aridity gradients is still insufficient. Studying vegetation abrupt changes and their influencing factors is of significant importance for the scientific formulation of dryland ecosystem management policies. This study uses the enhanced vegetation index （EVI） sequence data of China from 2000 to 2020 to detect vegetation abrupt changes by employing a multi-model trajectory diagnosis method. The direction of vegetation abrupt changes is determined based on threshold parameters， and attribution analysis is conducted using the partial least squares structural equation modeling （PLS-SEM）. The results indicate that 21.99% of the vegetation in the arid and semi-arid regions of Northwest China experienced abrupt changes， with 78.28% being positive and 21.72% negative. The highest rates of positive abrupt changes were observed in hyper-arid and arid zones， while the highest rate of negative abrupt changes was found in semi-humid zones. Population footprint and precipitation were identified as the primary driving factors for both positive and negative vegetation abrupt changes. The main factors contributing to vegetation abrupt changes in semi-humid， semi-arid， and arid to hyper-arid zones are temperature， precipitation， and human activities， respectively. As the aridity gradient increases， the contribution of population footprint to abrupt changes significantly rises， while the contribution of precipitation shows an initial increase followed by a decrease.

Key words: vegetation abrupt change, structural equation modeling, driving factors, human activities

中图分类号:

X826

钟诗瑶, 李传华, 乔鹏飞. 2000—2020年干旱梯度下西北干旱半干旱区植被突变及归因[J]. 中国沙漠, 2025, 45(2): 275-283.

Shiyao Zhong, Chuanhua Li, Pengfei Qiao. Vegetation abrupt changes and attribution in the arid and semi-arid regions of Northwest China under aridity gradients from 2000 to 2020[J]. Journal of Desert Research, 2025, 45(2): 275-283.

图/表 6

图1 西北干旱半干旱区干旱梯度（A）和土地利用类型（B）

Fig.1 Aridity gradients （A） and land use type （B） of the semi-arid and arid region in Northwest China

图2 植被突变空间格局

Fig.2 Spatial pattern of vegetation abrupt breakpoint

图3 不同干旱梯度（A）和不同土地利用类型（B）下的植被突变率

Fig.3 Abrupt rates of positive and negative abrupt in different aridity gradients （A） different land uses （B）

图4 正向和负向突变的结构方程模型注：图A和图B中，各个矩形代表不同的变量，箭头体现了变量之间的相互关系。正效应为绿色线条，负效应则为红色线条。线条的粗细程度反映了标准化路径系数的大小，颜色的深浅程度指示统计显著性，其中深色代表显著性水平在P<0.05，而浅色则标示为统计上不显著。在图C中，间接效应描述的是气温和降水通过其他因子产生的影响，总效应为直接效应和间接效应之和。图5和图6含义相同

Fig.4 Structural equation models of positive and negative abrupt

图5 干旱梯度下正向突变的驱动因子变化

Fig.5 Changes in driving factors of positive abrupt across aridity gradients

图6 干旱梯度下负向突变的驱动因子变化

Fig.6 Changes in driving factors of negative abrupt across aridity gradients

参考文献 40

1	Fraser E， Dougill A， Klaus H，et al.Assessing vulnerability to climate change in dryland livelihood systems：conceptual challenges and interdisciplinary solutions［J］.Ecology and Society，2011，16（3）：1-12.
2	刘晓圆.城镇化进程中的生态环境问题及对策研究［D］.秦皇岛：燕山大学，2014.
3	郑诚蔚，邓晓红，李宗省，等.甘肃省河西地区水源涵养功能与人类活动强度演变［J］.中国沙漠，2024，44（1）：189-200.
4	闫丽娟，李广，吴江琪，等.黄土高原4种典型植被对土壤活性有机碳及土壤碳库的影响［J］.生态学报，39（15）：5546-5554.
5	Foley J A， Defries R， Asner G P，et al.Global consequences of land use［J］.Science，2005，309（5734）：570-574.
6	Knapp A K， Beier C， Briske D D，et al.Consequences of more extreme precipitation regimes for terrestrial ecosystems［J］.BioScience，2008，58（9）：811-821.
7	Reichstein M， Bahn M， Ciais P，et al.Climate extremes and the carbon cycle［J］.Nature，2013，500（7462）：287-295.
8	Jump A S， Peñuelas J.Running to stand still：adaptation and the response of plants to rapid climate change［J］.Ecology Letters，2005，8（9）：1010-1020.
9	Berdugo M， Gaitán J J， Delgado-Baquerizo M，et al.Prevalence and drivers of abrupt vegetation shifts in global drylands［J］.Proceedings of the National Academy of Sciences，2022，119（43）：e2123393119.
10	Wang Z， Fu B， Wu X，et al.Distinguishing trajectories and drivers of vegetated ecosystems in China's Loess Plateau［J］.Earth's Future，2024，12（2）：e2023EF003769.
11	Sagi O， Rokach L.Approximating XGBoost with an interpretable decision tree［J］.Information Sciences，2021，572：522-542.
12	Hair J， Hult G T M， Ringle C，et al.A Primer on Partial Least Squares Structural Equation Modeling（PLS-SEM）［M］.Thousand Oaks，USA：Sage，2022.
13	Huete A， Didan K， Miura T，et al.Overview of the radiometric and biophysical performance of the MODIS vegetation indices［J］.Remote Sensing of Environment，2002，83（1）：195-213.
14	Wei W， Guo Z， Shi P，et al.Spatiotemporal changes of land desertification sensitivity in northwest China from 2000 to 2017［J］.Journal of Geographical Sciences，2021，31（1）：46-68.
15	Zomer R J， Xu J， Trabucco A.Version 3 of the global aridity index and potential evapotranspiration database［DS］.Sci Data，2022，9（1）：409.
16	刘伟琦，马绍休，宫毓来，等.农业干旱业务化监测研究进展与展望［J］.中国沙漠，2023，43（1）：197-211.
17	Glantz M H.Desertification：Environmental Degradation in and around Arid Lands［M］. Boca Raton，USA：CRC Press，2019.
18	Didan K.MODIS/Terra Vegetation Indices Monthly L3 Global 1km SIN Grid V006，NASA EOSDIS Land Processes DAAC［DS］.2015..
19	彭守璋.中国1 km分辨率逐月平均气温数据集（1901-2023）［DS］.国家青藏高原科学数据中心，2024.
20	彭守璋.中国1 km分辨率逐月降水量数据集（1901-2023）［DS］.国家青藏高原科学数据中心，2024.
21	彭守璋.中国1 km逐年干燥度数据集（1901-2023）［DS］.国家青藏高原科学数据中心，2024.
22	Mu H， Li X， Wen Y，et al.A global record of annual terrestrial human footprint dataset from 2000 to 2018［DS］.Sci Data，2022，9（1）：176.
23	Sanderson E W， Jaiteh M， Levy M A，et al.The human footprint and the last of the wild：the human footprint is a global map of human influence on the land surface，which suggests that human beings are stewards of nature，whether we like it or not［J］.BioScience，2002，52（10）：891-904.
24	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（8）：3907-3925.
25	Scheffer M， Carpenter S， Foley J A，et al.Catastrophic shifts in ecosystems［J］.Nature，2001，413（6856）：591-596.
26	Akaike H.A new look at the statistical model identification［J］.IEEE Transactions on Automatic Control，1974，19（6）：716-723.
27	Deng Y， Wang S， Bai X，et al.Vegetation greening intensified soil drying in some semi-arid and arid areas of the world［J］.Agricultural and Forest Meteorology，2020，292/293：108103.
28	Li S P， Jia P， Fan S Y，et al.Functional traits explain the consistent resistance of biodiversity to plant invasion under nitrogen enrichment［J］.Ecology Letters，2021，25（4）：778-789.
29	Zhong X， Li J， Wang J，et al.Linear and nonlinear characteristics of long-term NDVI using trend analysis：a case study of Lancang-Mekong River Basin［J］.Remote Sensing，2022，14（24）：6271.
30	李卓忆，杨庆，马柱国，等.中国北方干旱半干旱区植被对气候变化和人类活动的响应［J］.大气科学，2024，48（3）：859-874.
31	中国水利水电科学研究院.西北地区水资源合理开发利用与生态环境保护研究［J］.中国水利，2001（5）：9-11.
32	Liu K， Shao X.Grassland ecological management and utilization for sustainability［J］.Agronomy，2024，14（1）：14010149.
33	Padowski J， Gorelick S.Global analysis of urban surface water supply vulnerability［J］.Environmental Research Letters，2014，9：104004.
34	Piao S， Ciais P， Huang Y，et al.The impacts of climate change on water resources and agriculture in China［J］.Nature，2010，467（7311）：43-51.
35	Huang J， Yu H， Guan X，et al.Accelerated dryland expansion under climate change［J］.Nature Climate Change，2016，6（2）：166-171.
36	Zhao M， Running S W.Drought-induced reduction in global terrestrial net primary production from 2000 through 2009［J］.Science，2010，329（5994）：940-943.
37	李京忠，辛振华，谢潇，等.半干旱区植被覆盖时空变化特征及其对气候变化的响应：以锡林郭勒盟为例［J］.应用生态学报，2024，35（1）：80-86.
38	朱飙，张强，李春华，等.我国干旱半干旱区气候变化特征及其对干湿波动的影响［J］.大气科学学报，2023，46（1）：42-54.
39	赵雅静，翁伯琦，王义祥，等.植物对干旱胁迫的生理生态响应及其研究进展［J］.福建稻麦科技，2009，27（2）：6.
40	Zhang Z， Xia F， Yang D，et al.Spatiotemporal characteristics in ecosystem service value and its interaction with human activities in Xinjiang，China［J］.Ecological Indicators，2020，110：105826.

[1]	饶玉良, 曹春, 张晓雪, 鲁畅, 岳平. 内蒙古荒漠草原土壤氨挥发对外源氮输入的响应[J]. 中国沙漠, 2024, 44(6): 178-186.
[2]	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.
[3]	李庆, 周娜, 王盛, 李童洲, 王仁德, 王金凤. 气候变化和人类活动对土壤风蚀影响的定量评估[J]. 中国沙漠, 2024, 44(1): 178-188.
[4]	郑诚蔚, 邓晓红, 李宗省, 薛健, 马利邦, 何娟, 卢书祥, 邵建雄, 蔡世玉, 赵佩一. 甘肃省河西地区水源涵养功能与人类活动强度演变[J]. 中国沙漠, 2024, 44(1): 189-200.
[5]	冯筱, 屈建军, 丁新辉, 田琴, 范庆斌. 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.
[6]	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.
[7]	王耀宗, 岳新斌, 谢家丽, 刘志鹏, 马媛, 王亚晖, 宫燕. 2000—2020年宁夏河东沙区沙漠化演变[J]. 中国沙漠, 2023, 43(4): 31-40.
[8]	朱士华, 方霞, 杭鑫, 谢小萍, 孙良宵, 曹良中. 中亚草地植被指数（ *NDVI* ）对气候变化及人类活动的响应[J]. 中国沙漠, 2022, 42(4): 229-241.
[9]	郭新新, 岳平, 李香云, 乔静娟, 胡亚, 左小安. 降水量对荒漠草原骆驼蓬（ *Peganum harmala* ）地上生物量的影响[J]. 中国沙漠, 2022, 42(2): 164-172.
[10]	李小院, 张圣微, 王帅, 李瑞燊, 赵星宇, 刘敏敏. 放牧对退化草地近地面辐射的影响[J]. 中国沙漠, 2022, 42(1): 223-233.
[11]	马永桃, 任孝宗, 胡慧芳, 刘敏, 孟琪. 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.
[12]	赵雪迷, 张峰, 李鸿威, 孙涛, 王晓云, 崔博超, 郑江华. 沙漠地质记录和人类活动遗迹数据汇交规范化[J]. 中国沙漠, 2021, 41(1): 93-100.
[13]	常亚斌, 朱睿, 肖生春, 李雅培. 1980－2015年阿拉善盟沙地面积变化及其驱动因子[J]. 中国沙漠, 2020, 40(6): 82-90.
[14]	王梓莎, 苗运法, 赵永涛, 李芳, 雷艳, 向明星, 邹亚国. 柴达木盆地北缘湖泊表层沉积物炭屑特征及其环境意义[J]. 中国沙漠, 2020, 40(4): 10-17.
[15]	马启民, 贾晓鹏, 王海兵, 李永山, 李劭宁. 气候和人为因素对植被变化影响的评价方法综述[J]. 中国沙漠, 2019, 39(6): 48-55.