2001—2022年青海省植被动态及恢复潜力

doi:10.7522/j.issn.1000-694X.2024.00127

摘要/Abstract

摘要：

青海省是中国重要的生态安全屏障。准确评估青海省植被恢复潜力，对生态保护和高质量发展具有重要意义。以植被净初级生产力指数作为评价指标，借鉴相似生境法，通过K-means算法和箱线图分析，确定了各生境单元的植被理想生长状态，对2001—2022年青海省植被恢复潜力的空间分布状况及影响因素进行了深入研究。结果表明：（1）青海省植被恢复潜力指数空间差异性显著，总体呈西高东低、北高南低的分布特征。（2）2001—2022年，青海省植被恢复潜力指数整体呈现下降趋势，植被继续恢复的潜力在减小。（3）柴达木盆地东部、南部及共和盆地的植被恢复潜力指数较高，是青海省未来生态恢复的重点区域。（4）降水量、气温是青海省植被恢复潜力的主要驱动因子，且因子交互解释力大于单因子解释力。

关键词: 青海省, 植被净初级生产力, 植被恢复潜力, 相似生境法, K-means

Abstract:

As an important ecological security barrier in China， accurately assessing the vegetation restoration potential in Qinghai Province is of great significance for its future ecological protection and high-quality development. In this study， the vegetation net primary productivity index was used as the evaluation index， and with reference to the Similar Habitat Method， the K-means algorithm and box plot analysis were used to determine the ideal growth state of vegetation of each habitat unit， and investigated the spatial distribution and factors influencing the vegetation restoration potential in Qinghai Province from 2001 to 2022. The result shows that：（1） The spatial variability of the vegetation restoration potential index in Qinghai Province is significant， and the overall distribution is characterized by high in the west and low in the east， and high in the north and low in the south；（2） The vegetation restoration potential index in Qinghai Province shows an overall decreasing trend between 2001 and 2022. As a result， the potential for continued vegetation recovery is diminishing；（3） The eastern and southern parts of Qaidam Basin and Gonghe Basin have a high vegetation restoration potential index and are the key areas for future ecological restoration in Qinghai Province；（4） Driver analysis showed that precipitation and temperature were the main drivers of vegetation restoration potential in Qinghai Province， and the factor interaction explanatory power was greater than the single factor explanatory power.

Key words: Qinghai, net primary productivity, vegetation restoration potential, the Similar Habitat Method, K-means

中图分类号:

Q948.15

石洋, 刘树林, 康文平, 支莹, 芦瑞杰, 张嗣虎. 2001—2022年青海省植被动态及恢复潜力[J]. 中国沙漠, 2025, 45(5): 34-44.

Yang Shi, Shulin Liu, Wenping Kang, Ying Zhi, Ruijie Lu, Sihu Zhang. Vegetation restoration potential and its changes in Qinghai， China in 2001-2022[J]. Journal of Desert Research, 2025, 45(5): 34-44.

图/表 12

图1 研究区概况

Fig.1 Overview of the study area

表1 数据来源

Table 1 Data sources

数据类型	数据	分辨率	年份	数据来源
气象数据	气温	1 km	2001—2022	国家青藏高原科学数据中心
	降水量	1 km	2001—2022	国家青藏高原科学数据中心
	风速	4 km	2001—2022	Terra Climate数据集(GEE)
	太阳辐射	4 km	2001—2022	Terra Climate数据集(GEE)
基本自然环境数据	海拔	30 m	—	SRTM数据集(GEE)
	坡度	30 m	—	SRTM数据集(GEE)
	土壤有机碳	1∶100万	—	国家冰川冻土沙漠科学数据中心
人类活动数据	人类活动强度	1 km	2001—2020	国家青藏高原科学数据中心
人类活动数据	实际载畜量	250 m	2001—2019	国家青藏高原科学数据中心

表2 两个影响因子的交互作用类型

Table 2 Types of the interaction between two influencing factors

评判依据	交互作用类型
q(X₁∩X₂)<Min(q(X₁), q(X₂))	非线性减弱
Min(q(X₁),q(X₂))<q(X₁∩X₂)	单因子非线性减弱
q(X₁∩X₂) >Max(q(X₁), q(X₂))	双因子增强
q(X₁∩X₂)=q(X₁)+q(X₂)	独立
q(X₁∩X₂)>q(X₁)+q(X₂)	非线性增强

图2 青海省相似生境单元

Fig.2 Spatial distribution of homogeneous regions in Qinghai Province

图3 青海省INPP空间分布

Fig.3 Spatial distribution of INPP in Qinghai Province

表3 青海省植被恢复潜力指数分级统计

Table 3 Classification statistics of vegetation restoration potential index in Qinghai Province

项目	等级
项目	低	较低	中等	较高	高
VRPI	<0.2	0.2~0.4	0.4~0.6	0.6~0.8	0.8~1
面积占比/%	5.1	22.2	33.9	30.2	8.7

图4 青海省植被恢复潜力指数空间分布

Fig.4 Spatial distribution of vegetation restoration potential index in Qinghai Province

图5 青海省不同年份植被恢复潜力指数分布

Fig.5 Spatial distribution of vegetation restoration potential index in different years In Qinghai Province

图6 2001—2022年青海省不同等级植被恢复潜力指数年际变化

Fig.6 Interannual changes of vegetation restoration potential index of different grades in Qinghai Province from 2001 to 2022

图7 2001—2022年青海省植被恢复潜力指数变化趋势

Fig.7 Variation trend of vegetation restoration potential index in Qinghai Province from 2001 to 2022

图8 2001—2022年青海省植被恢复潜力驱动因子探测结果注：** 表示P<0.05

Fig.8 Detection results of driving factors of vegetation restoration potential in Qinghai Province from 2001 to 2022

图9 2001—2022年青海省植被恢复潜力驱动因子交互作用结果注：“↑”和“↑↑”分别表示双因子增强和非线性增强

Fig.9 Interaction results of driving factors of vegetation restoration potential in Qinghai Province from 2001-2022

参考文献 35

[1]	张雄一，邵全琴，宁佳，等.长江上游地区生态恢复程度及植被恢复潜力空间差异分析［J］.地理研究，2023，42（7）：1904-1920.
[2]	Xu X， Zhang D J， Zhang Y，et al.Evaluating the vegetation restoration potential achievement of ecological projects：a case study of Yan'an，China［J］.Land Use Policy，2020，90：104293.
[3]	吕振涛，李生宇，范敬龙，等.蒙古国植被自然恢复潜力［J］.中国沙漠，2021，41（5）：192-201.
[4]	唐樱殷，谢永贵，余刚国，等.黔西北喀斯特退化植被恢复潜力评价［J］.山地学报，2012，30（5）：528-534.
[5]	邓得玲，杜敏洁，童立珺.基于生态系统格局及生态系统服务功能变化的青海省生态重要性评估［J］.资源环境与工程，2023，37（4）：420-429.
[6]	王福成，魏学红，雷延民，等.基于SPOT NDVI的2010-2018年青海省草地资源动态监测研究［J］.草原与草坪，2023，43（3）：100-107.
[7]	Zhang D J， Xu X， Yao S B，et al.A novel similar habitat potential model based on sliding-window technique for vegetation restoration potential mapping［J］.Land Degradation & Development，2020，31（6）：760-772.
[8]	靳峰，戈文艳，秦伟，等.甘肃省植被时空变化及其未来发展潜力［J］.中国水土保持科学，2023，21（1）：110-118.
[9]	李媛媛，孙景妍，杨香云，等.陕西省植被覆盖时空变异及其恢复潜力［J］.水土保持通报，2024，44（1）：346-356.
[10]	Prince S D.Mapping desertification in southern Africa［G］//Gutman G，Janetos A C，Justice C O，et al.Land Change Science.Dordrecht，Netherlands：Springer，2012：163-184.
[11]	Prince S D， Becker-Reshef I， Rishmawi K.Detection and mapping of long-term land degradation using local net production scaling：application to Zimbabwe［J］.Remote Sensing of Environment，2009，113（5）：1046-1057.
[12]	Li F， Meng J J， Zhu L K，et al.Spatial pattern and temporal trend of land degradation in the Heihe River Basin of China using local net primary production scaling［J］.Land Degradation & Development，2020，31（4）：518-530.
[13]	An R， Wang H L， Feng X Z，et al.Monitoring rangeland degradation using a novel local NPP scaling based scheme over the “Three-River Headwaters” region，hinterland of the Qinghai-Tibetan Plateau［J］.Quaternary International，2017，444：97-114.
[14]	Lang Y Q， Yang X H， Cai H Y.Assessing the degradation of grassland ecosystems based on the advanced local net production scaling method：the case of Inner Mongolia，China［J］.Land Degradation & Development，2021，32（2）：559-572.
[15]	Cai D W， Wang X M， Hua T，et al.Baseline and status of desertification in Central Asia［J］.Land Degradation & Development，2022，33（5）：771-784.
[16]	马泽钰，李鹏，肖列，等.青海省生态修复关键区识别及修复分区划分［J］.水土保持学报，2024，38（3）：252-265.
[17]	代子俊，赵霞，李冠稳，等.2000-2015年青海省植被覆盖的时空变化特征［J］.西北农林科技大学学报（自然科学版），2018，46（7）：54-65.
[18]	冶晓娟，王永辉，潘红忠，等.青海省植被NEP时空变化及驱动因素分析［J］.干旱区研究，2022，39（5）：1673-1683.
[19]	Huang Z X.Extensions to the K-means algorithm for clustering large data sets with categorical values［J］.Data Mining and Knowledge Discovery，1998，2（3）：283-304.
[20]	Zhao C， Yang J.A robust skewed boxplot for detecting outliers in rainfall observations in real-time flood forecasting［J］.Advances in Meteorology，2019，2019：1795673.
[21]	Schwertman N C， Owens M A， Adnan R.A simple more general boxplot method for identifying outliers［J］.Computational Statistics & Data Analysis，2004，47（1）：165-174.
[22]	Babura B I， Adam M B， Abdul Samad A R，et al.Analysis and assessment of boxplot characters for extreme data［J］.Journal of Physics：Conference Series，2018，1132：012078.
[23]	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.
[24]	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.
[25]	张学渊，魏伟，周亮，等.西北干旱区生态脆弱性时空演变分析［J］.生态学报，2021，41（12）：4707-4719.
[26]	王宜.2000-2020年青海省植被NEP时空特征及影响因子探测［D］.兰州：西北师范大学，2024.
[27]	赵广举，穆兴民，田鹏，等.黄土高原植被变化与恢复潜力预测［J］.水土保持学报，2021，35（1）：205-212.
[28]	易海杰，张晓萍，何亮，等.黄土高原不同地貌类型区植被恢复潜力及其土地利用变化［J］.农业工程学报，2022，38（18）：255-263.
[29]	Jackson H， Prince S D.Degradation of net primary production in a semiarid rangeland［J］.Biogeosciences，2016，13（16）：4721-4734.
[30]	Jackson H， Prince S D.Degradation of non-photosynthetic vegetation in a semi-arid rangeland［J］.Remote Sensing，2016，8（8）：692.
[31]	张雄一，邵全琴，宁佳，等.三北工程区植被恢复对土壤风蚀的影响及植被恢复潜力研究［J］.地球信息科学学报，2022，24（11）：2153-2170.
[32]	赵文飞，宗路平，王梦君.中国自然保护区空间分布特征［J］.生态学报，2024，44（7）：2786-2799.
[33]	穆宝胜，刘欣，朱文艳.基于n个标准差法和箱线图法识别变形监测中异常值的应用探究［J］.南通职业大学学报，2023，37（2）：100-104.
[34]	韩兆柱，刘新奇.我国国家公园政策的演进与改进：以三江源国家公园为例［J］.决策科学，2024（2）：18-30.
[35]	马浩.2000-2015年青海省植被EVI变化趋势及其影响因素分析［J］.林业资源管理，2017（6）：77-83.