2003—2018年黄土高原植被光学厚度时空变化及其影响因素

doi:10.7522/j.issn.1000-694X.2023.00107

摘要/Abstract

摘要：

植被光学厚度（VOD）是表征地表生物量和植被含水量的关键指标，准确认知黄土高原大规模植被恢复背景下的VOD变化特征对于科学评估生态工程效益具有至关重要的作用。本文基于X波段的VODCA数据，利用趋势分析、偏相关分析和残差分析等方法，探究了2003—2018年黄土高原VOD时空变化特征，量化了气候因子和人类活动对VOD的相对贡献。结果表明：（1）2003—2018年黄土高原VOD呈显著增长趋势，增速为0.28%/10a（P<0.01），且秋季增速达到0.32%/10a（P<0.01），大于春季和夏季；（2）空间分布上，黄土高原VOD呈极显著增长区域占总面积的69.7%；减少区域仅占5.4%，且主要分布在内蒙古北部和鄂尔多斯西部；（3）黄土高原VOD与降水、太阳辐射呈显著正相关的区域主要分布在西部半干旱草原地区，负相关区域主要分布在甘肃省南部的沟壑区；（4）回归分析表明，气温、降水、辐射和人类活动对VOD的相对贡献率分别为45.74%、2.09%、38.20%和13.97%，而人类活动影响逐渐增加，其影响呈增长趋势的区域占研究区的88.4%。

关键词: 植被光学厚度, 生态恢复, 时空变化, 影响因素, 黄土高原

Abstract:

The vegetation optical depth （VOD）， as a crucial indicator reflecting surface biomass and vegetation water content， plays a vital role in accurately characterizing the changes in VOD under the context of large-scale vegetation restoration on the Loess Plateau. This is crucial for scientifically assessing the benefits of ecological engineering. This study， using X-band VODCA data， employs various methods including trend analysis， partial correlation analysis， and residual analysis to scrutinize the spatiotemporal variations of vegetation optical depth （VOD） on the Loess Plateau from 2003 to 2018. The research quantifies the respective contributions of climatic factors and human activities to the fluctuations in vegetation optical depth. The result indicates that：（1） The VOD on the Loess Plateau showed a significant increasing trend during the period of 2003-2018， with a growth rate of 0.28%/10a （P<0.01）. Moreover， the growth rate in autumn surpassed that in spring and summer， reaching 0.32% /10a （P<0.01）. （2） In terms of spatial distribution， there was a significantly increasing trend in VOD across 69.7% of the Loess Plateau， while the VOD decrease was observed in only 5.4% of the area， primarily concentrated in the northern part of Inner Mongolia and western Ordos. （3） In the Loess Plateau， the VOD showed a significant positive correlation with precipitation and solar radiation， mainly distributed in the western semi-arid grassland region. Conversely， negatively correlated regions were predominantly distributed in the gully areas in the southern part of Gansu Province. （4） Regression analysis reveals that the relative contributions of temperature， precipitation， radiation， and human activities to VOD are 45.74%， 2.09%， 38.20%， and 13.97%， respectively. Notably， the impact of human activities is progressively growing， encompassing 88.4% of the study area with an increasing trend. The comprehensive results of this study reveal the dynamic features of VOD changes on the Loess Plateau， offering a scientific basis for estimating vegetation carbon storage and supporting sustainable management in the context of ecological restoration on the Loess Plateau.

Key words: vegetation optical depth, ecological restoration, spatiotemporal variation, influencing factors, Loess Plateau

中图分类号:

Q948.15

杜佳瑜, 刘宪锋, 孙高鹏, 李双双. 2003—2018年黄土高原植被光学厚度时空变化及其影响因素[J]. 中国沙漠, 2024, 44(3): 222-230.

Jiayu Du, Xianfeng Liu, Gaopeng Sun, Shuangshuang Li. Spatiotemporal variation in vegetation optical depth and its influencing factors over the Loess Plateau during 2003-2018[J]. Journal of Desert Research, 2024, 44(3): 222-230.

图/表 6

图1 研究区植被类型和气候分区注：Ⅰ：常绿针叶林；Ⅲ：落叶针叶林；Ⅳ：落叶阔叶林；Ⅴ：混交林；Ⅵ：封闭灌丛；Ⅶ：开放灌丛；Ⅷ：多树草原；Ⅸ：稀树草原；Ⅹ：草原；Ⅺ：永久湿地；Ⅻ：农作物；XIII：城市建设用地；XIV：农作物和自然植被镶嵌体；XV：雪冰；XVI：裸地；XVII：水体

Fig.1 Vegetation types and climate zones in the study area

图2 2003—2018年黄土高原植被光学厚度（VOD）和归一化植被指数（NDVI）时空变化特征

Fig.2 Spatial and temporal variations of VOD and NDVI in the Loess Plateau from 2003 to 2018

图3 2003—2018年黄土高原植被光学厚度（VOD）春夏秋时空变化特征

Fig.3 Spatial and temporal variations of VOD in spring， summer， and autumn in the Loess Plateau from 2003 to 2018

图4 2003—2018年黄土高原植被光学厚度（VOD）和气候因子偏相关分析注：● 表示通过显著性检验（P<0.05）

Fig.4 Partial correlation analysis between VOD and climate factors in the Loess Plateau from 2003 to 2018

图5 2003—2018年黄土高原人类活动对VOD的影响趋势（A）和气候及人类活动的贡献率（B）

Fig.5 Trends in the impact of human activities on VOD in the Loess Plateau from 2003 to 2018 （A） and contribution of climate and human activities （B）

图6 2003—2018年黄土高原气温、降水量及辐射年和春夏秋季变化趋势

Fig.6 Temporal trends in temperature， precipitation， and radiation on the Loess Plateau for the years 2003-2018 and seasonal variations （spring， summer， and autumn）

参考文献 35

1	韦红波，李锐，杨勤科.我国植被水土保持功能研究进展［J］.植物生态学报，2002（4）：489-496.
2	孙高鹏，刘宪锋，王小红，等.2001-2020年黄河流域植被覆盖变化及其影响因素［J］.中国沙漠，2021，41（4）：205-212.
3	姜彤，翟建青，罗勇，等.气候变化影响适应和脆弱性评估报告进展：IPCC AR5到AR6的新认知［J］.大气科学学报，2022，45（4）：502-511.
4	刘宪锋，傅伯杰.干旱对作物产量影响研究进展与展望［J］.地理学报，2021，76（11）：2632-2646.
5	Liu X， Sun G， Fu Z，et al.Compound droughts slow down the greening of the Earth［J］.Global Change Biology，2023，29（1）：1-13.
6	刘宪锋，潘耀忠，朱秀芳，等.2000-2014年秦巴山区植被覆盖时空变化特征及其归因［J］.地理学报，2015，70（5）：705-716.
7	Woodhouse I H.Introduction to Microwave Remote Sensing［M］.Florida，USA：CRC Press，2005.
8	Momen M， Wood J D， Novick K A，et al.Interacting effects of leaf water potential and biomass on vegetation optical depth［J］.Journal of Geophysical Research：Biogeosciences，2017，122（11）：3031-3046.
9	Teubner I E， Forkel M， Jung M，et al.Assessing the relationship between microwave vegetation optical depth and gross primary production［J］.International Journal of Applied Earth Observation and Geoinformation，2018，65：79-91.
10	Du J， Kimball J S， Jones L A，et al.A global satellite environmental data record derived from AMSR-E and AMSR2 microwave Earth observations［J］.Earth System Science Data，2017，9（2）：791-808.
11	Liu Y Y， Van Dijk A I J M， De Jeu R A M，et al.Recent reversal in loss of global terrestrial biomass［J］.Nature Climate Change，2015，5（5）：470-474.
12	Li X， Wigneron J P， Frappart F，et al.Global-scale assessment and inter-comparison of recently developed/reprocessed microwave satellite vegetation optical depth products［J］.Remote Sensing of Environment，2021，253：112208.
13	Liu Y Y， De Jeu R A M， McCabe M F，et al.Global long‐term passive microwave satellite‐based retrievals of vegetation optical depth［J］.Geophysical Research Letters，2011，38（18）：L18402.
14	Tian F， Brandt M， Liu Y Y， et al. Remote sensing of vegetation dynamics in drylands： evaluating vegetation optical depth （VOD） using AVHRR NDVI and in situ green biomass data over West African Sahel［J］. Remote Sensing of Environment， 2016， 177： 265-276.
15	Zhou X， Yamaguchi Y， Arjasakusuma S.Distinguishing the vegetation dynamics induced by anthropogenic factors using vegetation optical depth and AVHRR NDVI：a cross-border study on the Mongolian Plateau［J］.Science of the Total Environment，2018，616：730-743.
16	Brandt M， Yue Y， Wigneron J P，et al.Satellite‐observed major greening and biomass increase in south China karst during recent decade［J］.Earth's Future，2018，6（7）：1017-1028.
17	刘悦，刘欢欢，陈印，等.2000-2018年中国植被光学厚度时空动态特征及驱动因素［J］.地理学报，2023，78（3）：729-745.
18	刘宪锋，杨勇，任志远，等.2000-2009年黄土高原地区植被覆盖度时空变化［J］.中国沙漠，2013，33（4）：1244-1249.
19	Moesinger L， Dorigo W， de Jeu R，et al.The global long-term microwave vegetation optical depth climate archive （VODCA）［J］.Earth System Science Data，2020，12（1）：177-196.
20	Liu Y Y， van Dijk A I J M， McCabe M F，et al.Global vegetation biomass change （1988-2008） and attribution to environmental and human drivers［J］.Global Ecology and Biogeography，2013，22（6）：692-705.
21	Schmidt L， Forkel M， Zotta R M，et al.Assessing the sensitivity of multi-frequency passive microwave vegetation optical depth to vegetation properties［J］.Biogeosciences，2023，20（5）：1027-1046.
22	王军邦.2000-2018年全国1 km每8天陆地表面净辐射数据集［DB/OL］.北京：国家生态科学数据中心，2021.DOI：10. 12199/nesdc.ecodb.rs.2021.017 .
23	Sen P K.Estimates of the regression coefficient based on Kendall's tau［J］.Journal of the American Statistical Association，1968，63（324）：1379-1389.
24	Moran P A P， Kendall M G.Rank correlation methods［J］.International Statistical Review，1973，41（3）：399.
25	Zomer R J， Xu J， Trabucco A.Version 3 of the global aridity index and potential evapotranspiration database［J］.Scientific Data，2022，9（1）：409.
26	Zhou J， Jiang T， Wang Y，et al.Spatiotemporal variations of aridity index over the Belt and Road region under the 1.5 ℃ and 2.0 ℃ warming scenarios［J］.Journal of Geographical Sciences，2020，30：37-52.
27	Zhang Y， Liu Q， Wang Y，et al.Assessing the impacts of climate change and anthropogenic activities on vegetation in southwest China［J］.Journal of Mountain Science，2022，19（9）：2678-2692.
28	Wessels K J， Van Den Bergh F， Scholes R J.Limits to detectability of land degradation by trend analysis of vegetation index data［J］.Remote Sensing of Environment，2012，125：10-22.
29	余玉洋，宋丰艺，张世杰.2000-2020年河南省NDVI时空变化及其驱动因素定量分析［J］.生态环境学报，2022，31（10）：1939-1950.
30	赵安周，田新乐.基于GEE平台的1986-2021年黄土高原植被覆盖度时空演变及影响因素［J］.生态环境学报，2022，31（11）：2124-2133.
31	Lai W， Wang M， Wei J，et al.Separating the impact of climate changes and human activities on vegetation growth based on the NDVI in China［J］.Advances in Meteorology，2022：1-11.
32	Ge W， Deng L， 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.
33	高江波，焦珂伟，吴绍洪.1982-2013年中国植被NDVI空间异质性的气候影响分析［J］.地理学报，2019，74（3）：534-543.
34	Piao S， Wang X， Ciais P，et al.Changes in satellite‐derived vegetation growth trend in temperate and boreal Eurasia from 1982 to 2006［J］.Global Change Biology，2011，17（10）：3228-3239.
35	涂又，姜亮亮，刘睿，等.1982-2015年中国植被NDVI时空变化特征及其驱动分析［J］.农业工程学报，2021，37（22）：75-84.

[1]	张明斗, 杨雨欣. 黄河流域城市产业结构生态化的时空格局及影响因素[J]. 中国沙漠, 2024, 44(3): 108-118.
[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]	杨静, 郭群. 省级层面碳排放估算及减排路径方法研究[J]. 中国沙漠, 2023, 43(5): 176-185.
[4]	赵燕翘, 连煜超, 许文文, 赵逸雪, 韩高玲, 赵洋. 中国人工蓝藻结皮研究进展[J]. 中国沙漠, 2023, 43(5): 214-222.
[5]	王金凤, 刘小玲, 李庆, 王仁德, 王盛. 黄土高原北部风蚀区防风固沙服务时空分异及驱动因素[J]. 中国沙漠, 2023, 43(4): 220-230.
[6]	陈芳淼, 黄慧萍, 杨光, 李旭. 基于遥感生态指数的黄河流域生态环境质量变化及影响因素分析[J]. 中国沙漠, 2023, 43(4): 252-262.
[7]	尤其, 许宝荣, 邹松兵, 秦艺豪, 王铎, 于冬. 中国北方干旱半干旱区植被-气候响应关系特征[J]. 中国沙漠, 2023, 43(4): 274-287.
[8]	赵亚洲, 李生宇, 王世杰, 范敬龙, 吴燕. 2001—2020年新疆风沙环境致灾潜力特征[J]. 中国沙漠, 2023, 43(3): 274-283.
[9]	郝爱华, 薛娴, 尤全刚, 勾朝阳. 青藏高原近60年降水变化研究进展[J]. 中国沙漠, 2023, 43(2): 43-52.
[10]	张宇硕, 沈雪瑞, 眭任静, 鲍捷, 喻忠磊, 赵林, 张学斌. 黄河流域A级旅游景区空间格局及其影响因素的多尺度分析[J]. 中国沙漠, 2022, 42(6): 103-115.
[11]	刘洋, 王娅, 周立华. 基于过程和结果的甘肃古浪黄花滩生态移民工程绩效评价[J]. 中国沙漠, 2022, 42(6): 185-193.
[12]	李鑫鹏, 王朝平, 邹松兵, 岳玮, 罗珊, 王文澍, 秦艺豪, 桑骏, 钱继坤, 王春苗. 基于层次分析法的黄河上游水源涵养区生态系统恢复力评价——以甘南州、临夏州为例[J]. 中国沙漠, 2022, 42(6): 85-93.
[13]	徐雪, 王永瑜. 甘肃省新型城镇化与乡村振兴协调水平及其影响因素[J]. 中国沙漠, 2022, 42(5): 1-13.
[14]	张雯, 杜丁丁, 李志文, 吴汪洋, 李向洁, 白永会. 鄱阳湖沙地沉积物粒度特征及其影响因素[J]. 中国沙漠, 2022, 42(5): 122-132.
[15]	吴倩倩, 张晓, 徐书兴, 杨晓晖, 刘艳书, 李瀚之, 时忠杰. 亚洲内陆干旱区NDVI与树木生长的气候响应及其影响因素[J]. 中国沙漠, 2022, 42(4): 1-10.