中国沙漠
img

官方微信

高级检索
作者投稿 专家审稿 编辑办公

中国沙漠, 2023, 43(3): 127-137 doi: 10.7522/j.issn.1000-694X.2022.00152

黄河流域2000—2020年土地沙漠化遥感监测及驱动力分析

赵鸿雁,1,2, 颜长珍,1, 李森1, 王亚晖1,2

1.中国科学院西北生态环境资源研究院，甘肃 兰州 730000

2.中国科学院大学，北京 100049

Remote sensing monitoring of aeolian desertification and quantitative analysis of its driving force in the Yellow River Basin during 2000-2020

Zhao Hongyan,1,2, Yan Changzhen,1, Li Sen1, Wang Yahui1,2

1.Northwest Institute of Eco-Environment and Resources，Chinese Academy of Sciences，Lanzhou 730000，China

2.University of Chinese Academy of Sciences，Beijing 100049，China

通讯作者: 颜长珍（E-mail： yancz@lzb.ac.cn）

收稿日期: 2022-10-12   修回日期: 2022-11-28  

基金资助: 国家自然科学基金项目.  41971277.  41730752
甘肃省自然科学基金项目.  21JR7RA707

Received: 2022-10-12   Revised: 2022-11-28  

作者简介 About authors

赵鸿雁（1993—），女，甘肃会宁人，博士研究生，主要从事沙漠化遥感监测与评价研究E-mail：zhaohongyan@nieer.ac.cn , E-mail：zhaohongyan@nieer.ac.cn

摘要

黄河流域是国家生态安全的重要屏障，其沙漠化治理是夯实流域高质量发展基础的关键环节。在2000年以来中国北方沙漠化整体逆转的背景下，本研究对黄河流域2000—2020年的沙漠化过程进行了遥感监测，并采用定量方法揭示了驱动流域沙漠化过程的主要因素及其相对贡献率。结果表明：（1）黄河流域的沙漠化土地主要集聚在流域中上游，且以中度和重度沙漠化土地为主；2000—2020年流域沙漠化土地净减少7 529 km2，减少了5.6%，其中，极重度沙漠化土地持续减少了47.1%，而轻度、中度和重度沙漠化土地有所增加，且增加趋势于2010年后明显放缓；空间上，沙漠化土地进一步向流域上游缩聚。（2）沙漠化逆转区在流域内分布广泛，面积为35 542 km2，占比26.5%；沙漠化发展区分布相对零散，面积为2 823 km2，占比2.1%；沙漠化逆转与发展分别以向较其自身沙漠化程度轻一级和重一级的沙漠化土地的转移为主，且2010年后转移趋势同样明显放缓。（3）黄河流域2000—2020年的沙漠化动态区内，由气候变化和人类活动共同驱动的面积占比为89.67%，由单独的气候变化和单独人类活动驱动的面积占比分别为7.30%和3.03%。总体上人类活动的相对贡献率（54.91%）高于气候变化的相对贡献率（45.09%），但人类活动的相对贡献率随着气候变化相对贡献率的上升而有所下降。本研究可为黄河流域生态保护和高质量发展战略中关键的沙漠化治理提供决策依据，并为实现黄河流域高质量发展提供重要理论支撑。

关键词： 沙漠化 ; 驱动力 ; 多元回归残差分析 ; 黄河流域

Abstract

China has achieved remarkable prevention and control effects of aeolian desertification in northern China， and has shown an overall reversal trend since 2000. The Yellow River Basin is an important barrier to national ecological security， and its aeolian desertification prevention and control is a key link in consolidating the foundation for high-quality development of the basin. Based on the background of the overall reversal of aeolian desertification in northern China since 2000. The aeolian desertification process in the Yellow River Basin from 2000 to 2020 was discussed in this study， and the dominant factor which driving the dynamics of aeolian desertification in the basin and their relative contributions were analyzed using the quantitative method. The results showed that： （1） The aeolian desertification land in the Yellow River Basin mainly consisted of moderate and severe aeolian desertification lands， and was concentrated in the middle and upper reaches of the Yellow River Basin. From 2000 to 2020， the total aeolian desertification land decreased by 7 529 km2 （5.6%） in the Yellow River Basin. In detail， the serious aeolian desertification land continued to decrease by 47.1%， while the increasing trend of the slight， moderate， and severe aeolian desertification lands slowed down significantly after 2010. （2） In space， the aeolian desertification land was mainly distributed in the middle and upper reaches of the Yellow River Basin， and the total aeolian desertification land further shrank to the upper reaches of the Yellow River Basin from 2000 to 2020. The reversed aeolian desertification land with a large distribution area of 2020， 35 542 km2 （26.5%）， and the developed aeolian desertification with a scattered distribution area of 2 823 km2 （2.1%） was mainly concentrated in the Hobq Desert， Mu Us Sandy Land， and the source area of the Yellow River. The reversal or development of aeolian desertification was dominated by the transfer to the aeolian desertification land with a lighter or a higher desertification degree， and the transfer has also slowed down significantly after 2010. （3） The area jointly driven by climate change and human activities accounted for 89.67% of the aeolian desertification dynamic area of the Yellow River Basin from 2000 to 2020， and that driven by individual climate change or individual human activities only accounted for 7.30% and 3.03%， respectively. The relative contribution of human activities （54.91%） was generally higher than that of climate change （45.09%）， but this relative contribution of human activities decreased with the increase of the relative contribution of climate change in different periods. This work can provide a decision-making basis and reference for the key desertification control in the ecological protection and high-quality development strategy of the Yellow River Basin， and can also provide significant theoretical support for realizing the high-quality development of the Yellow River basin.

Keywords： aeolian desertification ; driving factor ; multiple regression residual analysis ; Yellow River Basin

PDF (8271KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

赵鸿雁, 颜长珍, 李森, 王亚晖. 黄河流域2000—2020年土地沙漠化遥感监测及驱动力分析. 中国沙漠[J], 2023, 43(3): 127-137 doi:10.7522/j.issn.1000-694X.2022.00152

Zhao Hongyan, Yan Changzhen, Li Sen, Wang Yahui. Remote sensing monitoring of aeolian desertification and quantitative analysis of its driving force in the Yellow River Basin during 2000-2020. Journal of Desert Research[J], 2023, 43(3): 127-137 doi:10.7522/j.issn.1000-694X.2022.00152

0 引言

全球气候加速变暖使得现阶段防治成效显著的沙漠化依然在全球干旱地区构成挑战，直接威胁着其脆弱的生态环境、区域生计乃至区域经济［1］。沙漠化动态监测与防治作为应对沙漠化的国家行动，能够有效改善区域沙漠化土地现状，对区域生态环境与经济可持续发展至关重要［2-3］。沙漠化遥感动态监测以其全方位的空间监测优势成为了沙漠化全域监测的重要技术手段，也为沙漠化动态数据的获取降低了难度与成本［4-7］。相关研究与监测结果显示，21世纪以来中国的沙漠化呈整体遏制、持续缩减、功能增强、成效明显的良好态势，沙漠化整体逆转趋势明显［5-6］。

全球气候变暖导致水循环加剧，水热条件随之改变，气候暖湿化现象凸显，这在一定程度上有利于植被的生长，但在沙漠化地区并不意味着沙漠化的必然逆转［8-9］。尽管气候变化正在成为影响沙漠化过程的突出因素，在有利的气候条件下，合理利用沙质资源，加强对沙化诱发因子的科学控制同样是实现沙漠化逆转的关键［10-11］。以人类活动为主导的“三北”防护林体系建设、天然林保护、退耕还林还草、丝绸之路经济带防治荒漠化工程建设规划、山水林田湖草生态保护修复工程等一系列生态环境保护与修复政策影响深远且成效显著，进一步证明了人为干预和控制沙漠化中所发挥的重要作用［12-18］。一直以来，沙漠化防治都是一个艰难而渐进的过程，气候变化和人类活动在沙漠化逆转中均扮演着重要角色。但现阶段，沙漠化地区气候条件的变化导致极端气候事件更加频繁地发生，且前期通过营林造林方式治理的沙漠化地区也出现了固沙植被退化等现象［19-21］，为稳步推进沙漠化防治工作，量化研究沙漠化治理过程中气候变化和人类活动的相对贡献率显得尤为必要。

黄河流域作为中国重要的生态屏障和重要的经济地带，以人类活动为主导的一系列生态保护与修复政策成效显著，流域内植被恢复重建正在加速［18， 22-23］。但流域内生态环境依然脆弱，生态问题频出，尤其是亟需加强因地制宜治理的沙漠化问题一直是黄河流域生态保护与恢复的难题［24］。现阶段，黄河流域生态保护和高质量发展已上升为国家战略［22］，对近年来逐渐集聚在上游地区的沙漠化土地的进一步治理是实现其绿色发展的重要突破口，也是进一步落实黄河流域生态保护和高质量发展战略的基础保障和关键环节［24］。因此，基于2000年以来沙漠化整体逆转的环境背景，本研究在探析黄河流域2000—2020年沙漠化时空动态特征的基础上，采用多元回归残差分析法和一元线性回归趋势分析法等对驱动沙漠化动态区植被覆盖变化的气候和人类活动因素进行了定量辨识，以期为黄河流域土地沙漠化防治工作的稳步推进提供数据支撑和理论参考。

1 研究区概况

黄河流域地势西高东低，高低悬殊，自西向东地跨青藏高寒、西北干旱半干旱和华北湿润半湿润等若干自然分区，涉及青海、四川、甘肃、宁夏、内蒙古、陕西、山西、河南、山东9个省区［22，24］。其中，内蒙古托克托县河口镇为黄河流域上中游的分界点，河南荥阳市桃花峪为其中下游的分界点。流域内的气候季节差别大，温差悬殊，气温随地形三级阶梯，自西向东由冷变暖；降水量分布不均；且宁夏、内蒙古境内及陕北地区由于库布齐沙漠、毛乌素沙地以及乌兰布和沙漠等沙漠沙地的分布，全年沙尘暴日数大多在10 d以上，扬沙日数超过20 d，2000—2010年乌兰布和沙漠每年吹入黄河的风沙总量为5.56×106 t，2013—2016年沿乌兰布和沙漠东缘每年入黄河的风沙总量为5×105~1.47×106 t［24-26］。近几十年，受气候变化和人类活动的影响，流域内的沙漠化区域呈现向上游集中分布的趋势，且上游地区干燥、大风频发的气候条件使得沙漠化一直是黄河上游地区生态保护与修复的突出与关键问题［23-24］。遥感监测显示，2020年黄河流域沙漠化土地面积为126 339.66 km2，占黄河流域总面积的15.91%。其中，中度、重度、轻度沙漠化和极重度沙漠化土地的面积占比分别为32.91%、27.35%、23.49%和16.25%（图1）。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1   黄河流域地理位置

Fig.1   Geographical location of the Yellow River Basin


2 数据与方法

2.1　数据来源

2.1.1　遥感数据

黄河流域2000、2005、2010、2015、2020年的Landsat影像数据均下载自GEE（Google Earth Engine）云平台。其中，2000年为ETM+影像，2005年和2010年为TM影像，2015年和2020年为OLI影像，分辨率均为30 m。但由于Landsat卫星的重访周期为16 d，难以获取整个流域相应年份云量少于10%的影像，因此，云量超过10%的影像通常用相邻年份的无云影像代替［27］。

2.1.2　植被数据

2000—2020年NDVI月度最大值数据是基于GEE平台对MODIS MOD13Q1_NDVI数据（空间分辨率250 m）进行合成得到。生长季NDVI数据选取6—9月的NDVI最大值数据进行合成。最终采用最邻近法将其空间分辨率重采样为1 km。

2.1.3　气象数据

鉴于区域植被对气温和降水变化的响应敏感［28］，故而气温和降水被选为本研究中的两大气候指标。同时，考虑到春季乌兰布和沙漠与库布齐沙漠吹入黄河的风沙量以及现有研究中风速对沙漠化过程的驱动作用［10， 24］，春季风速也被一同纳入了气候指标。

2000—2020年逐月平均气温数据、逐月降水量数据和逐月平均风速数据均来源于国家科技基础条件平台——国家地球系统科学数据中心（http：//www.geodata.cn）。此数据为空间分辨率0.0083333°（约1 km）的NetCDF数据，通过Python 3.7.4软件将其转换为逐月单波段Tiff数据，并对其进行投影转换与重采样，采用最邻近法将空间分辨率重采样为1 km。生长季平均气温数据和累计降水数据选取6—9月的月度数据进行合成，春季风速数据选取3—5月的平均风速进行最大值合成。

2.2　研究方法
2.2.1　沙漠化数据的提取与分类

沙漠化数据是基于植被生长季的Landsat ETM+/TM/OLI遥感影像数据，采用人机目视交互解译的方法进行提取得到。沙漠化数据提取精度的提高主要采用野外验证与Google Earth高分辨率影像相结合的方法［29］，最终经混淆矩阵评价得到数据精度超过了90%。本研究根据流沙面积比例、植被覆盖度以及地表景观特征将沙漠化分为了轻度沙漠化、中度沙漠化、重度沙漠化和极重度沙漠化4类［29］（表1）。

表1   沙漠化分类标准

Table 1  Classification criterion of aeolian desertification

沙漠化土地类型流沙面积比例/%植被覆盖度/%景观特征
轻度沙漠化<5>60只有零星的流沙斑点，大部分地区原生植被结构未被破坏
中度沙漠化5~2530~60片状流沙、吹扬灌丛沙堆、风蚀区
重度沙漠化25~5010~30流沙在区域内的分布面积较大，灌丛沙堆密集，吹扬强烈
极重度沙漠化>50<10流动沙丘密集分布，仅有一年生沙生植物

新窗口打开| 下载CSV


2.2.2　多元回归残差分析法

本研究采用多元回归残差分析法来量化气候变化和人类活动对沙漠化过程的影响［28］。根据沙漠化分类指标可知，植被生长状况可在很大程度上反映沙漠化地区的沙漠化程度，因此，沙漠化地区的植被变化通常被用来表达沙漠化动态［30-32］。此外，考虑到沙漠化地区植被覆盖度相对较低的现实条件，本研究选取能够简单、有效和经验地度量地表植被状况且植被覆盖度增加时能够迅速反映的归一化植被指数（NDVI）来进行沙漠化地区植被变化的度量［33-35］。

基于此，采用多元回归残差分析法区分黄河流域沙漠化过程中气候变化和人类活动因素的具体步骤包括：①以生长季NDVI观测值（NDVIobs）为因变量，以生长季气温、生长季降水和春季风速为自变量，构建三元线性回归模型，计算回归模型参数；②根据自变量和回归模型参数得到生长季NDVI预测值（NDVIcli），用来表示气候因素对生长季NDVI的影响；③计算生长季NDVI观测值与预测值之间的差值（NDVIha），用来表示人类活动对生长季NDVI的影响［28］。计算公式如下：

NDVIobs=NDVIcli+NDVIha
NDVIcli=a×T+b×P+c×W+d

式中：NDVIobs为NDVI遥感观测值；NDVIcli为基于回归模型的预测值；NDVIha为残差；a、b、c和d为回归模型参数；T、P和W分别为生长季平均气温（℃）、生长季累计降水量（mm）和春季平均风速（m·s-1）。

2.2.3　一元线性回归趋势分析法

一元线性回归趋势分析法主要用来辅助计算气候变化和人类活动在沙漠化过程中的贡献情况。具体以沙漠化地区植被NDVI（包括NDVIobs、NDVIcli和NDVIha）为因变量，时间为自变量，采用最小二乘方法（Ordinary Least Square，OLS）求取相应的slope参数；再根据具体的判断标准和贡献率计算方法进行气候变化和人类活动相对贡献率的量化 （表2）［28，36］。

slope=n×∑i=1n(i×NDVIi)-∑i=1ni∑i=1nNDVIin×∑i=1ni2-∑i=1ni

式中：NDVIi 为第i年生长季NDVI均值；i指时间序列的第i年；n为时间序列长度；slope为一元线性回归方程的斜率，其中slope>0表示植被改善，slope<0表示植被发生褐变或退化。

表2   驱动因素判定标准及其贡献率计算方法［28］

Table 2  Identification criterion and contribution rate calculation method of the driving factors［28］

驱动因素类型不同驱动因素类型划分标准驱动因素相对贡献率
slopeNDVIobsslopeNDVIclislopeNDVIha气候变化人类活动
气候变化和人类活动共同驱动>0>0>0slopeNDVIclislopeNDVIobs×100%slopeNDVIhaslopeNDVIobs×100%
<0<0<0
单独的气候变化驱动>0>0<0100%0%
<0<0>0
单独的人类活动驱动>0<0>00%100%
<0>0<0

新窗口打开| 下载CSV


3 结果与分析

3.1　沙漠化土地时空变化特征

3.1.1　沙漠化土地时间变化特征

黄河流域的沙漠化土地以中度和重度沙漠化土地为主，2000—2020年沙漠化土地以逆转为主，2010年后逆转趋势明显放缓（图2和图3A）。2000—2020年黄河流域沙漠化土地总面积净减少7 529 km2，减少了5.6%。其中，极重度沙漠化土地的减少量最大，为18 285 km2，减少了47.1%；重度与轻度沙漠化土地的增加量均较大，分别为3 804 km2和3 684 km2，分别增加了12.4%和14.2%；中度沙漠化土地增加了8.6%（图2A）。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2   黄河流域2000—2020年不同类型沙漠化土地面积时间变化（A）和流向（B）

Fig.2   Temporal change （A） and flow direction （B） of different aeolian desertification land types in the Yellow River Basin from 2000 to 2020


图3

新窗口打开| 下载原图ZIP| 生成PPT

图3   黄河流域不同阶段不同类型沙漠化土地动态

Fig.3   Dynamic change of different aeolian desertification land types in the Yellow River Basin from 2000 to 2020


沙漠化土地的逆转和发展分别以向沙漠化程度较其自身轻一级和重一级的沙漠化土地的转移为主；2000—2005年和2005—2010年流域内沙漠化土地的逆转面积和发展面积均明显大于2010—2015年和2015—2020年，逆转和发展的方向与力度均与2000—2020年相似（图2B和图3）。2010年前流域内沙漠化逆转明显，逆转面积分别达到了18 252 km2和16 669 km2，集中在极重度→重度、重度→中度、中度→轻度和轻度→非沙漠化的转移上；沙漠化发展面积也相对较大，面积分别为897 km2和2 835 km2，集中在轻度→重度、轻度→中度、中度→重度的转移上（图2B、图3B和图3C）。2010年后流域内沙漠化逆转面积在大幅减少的同时，在2010—2015年和2015—2020年两个时期内仍呈增加趋势（从2 563 km2增加到了3 493 km2），沙漠化发展面积呈持续减少趋势（从556 km2减少到了97 km2）；沙漠化逆转区域内主要的沙漠化土地转移类与2010年前相对一致，在沙漠化发展区域内，非沙漠化→极重度和非沙漠化→重度的转移面积也较大，分别达到了80 km2和92 km2（图2B、图3D和图3E）。

3.1.2　沙漠化土地空间变化特征

黄河流域的沙漠化土地主要分布在黄河流域中上游地区。2000—2020年逆转的沙漠化土地主要集中在库布齐沙漠周边区域、毛乌素沙地以及位于青藏高原的黄河源区，共和盆地和若尔盖盆地也有少量分布（图4A）。2000—2005年（图4B）和2005—2010年（图4C）逆转的沙漠化土地在空间上的分布与2000—2020年一致。2010年后沙漠化逆转趋势明显放缓。逆转的沙漠化土地在2010—2015年（图4D）多集中在毛乌素沙地东南缘和黄河源区，2015—2020年（图4E）有所扩张，在毛乌素沙地东部和西部以及库布齐沙漠南部区域的逆转均相对明显，黄河源区和若尔盖盆地地区也较为明显。2000—2020年黄河流域的沙漠化发展区主要分布在库布齐沙漠南缘，毛乌素沙地和黄河源区也有零星分布。2000—2005年（图4B）和2005—2010年（图4C）沙漠化发展区域主要分布在库布齐沙漠南部的鄂托克旗，河套平原的北部边缘一带有零星分布。2010年以后的两个时期内沙漠化发展区的面积均不同程度地减少，零星分布在库布齐沙漠南部和毛乌素沙地西部一带。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4   黄河流域不同阶段不同类型沙漠化土地空间变化

Fig.4   Spatial pattern of different aeolian desertification land types in the Yellow River Basin from 2000 to 2020


3.2　沙漠化动态驱动力定量分析

2000—2020年，黄河流域的沙漠化动态区内，由气候变化和人类活动共同驱动的面积占比为89.67%；单独的气候变化驱动的面积占比次之，为7.30%，单独的人类活动驱动的面积占比最小，为3.03%（图5A）。不同时段上，沙漠化逆转区内气候变化和人类活动共同驱动的面积占比呈缓慢增加趋势，单独的气候变化驱动面积明显增加，而单独的人类活动驱动面积明显下降；在沙漠化发展区内气候变化和人类活动共同驱动的面积占比亦呈增加趋势，但2015—2020年出现下降趋势，主要归因于单独的人类活动驱动和单独的气候变化驱动面积占比的相应增加（图5B）。

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5   黄河流域2000—2020年不同驱动因素的面积占比（A）及其变化（B）

Fig.5   Area proportion （A） and its change （B） of different driving factors in the Yellow River Basin from 2000 to 2020


空间上，气候变化和人类活动共同驱动的区域广泛分布在沙漠化逆转区（图6A）和沙漠化发展区（图6B）内，而由单独的气候变化驱动和单独的人类活动驱动的区域分布相对零散。由单独的气候变化驱动的区域在沙漠化逆转区内以库布齐沙漠西南部和毛乌素沙地西北部为主要分布区，共和盆地和若尔盖盆地周围也有零星分布；而沙漠化发展区内则集中分布在库布齐沙漠以南区域。沙漠化逆转区内由单独的人类活动驱动的区域以毛乌素沙地西南部及其边缘一带为主要分布区，河套平原东部、黄河源区的玛多盆地和若尔盖盆地地区的分布也相对较多；在沙漠化发展区内则集中分布在毛乌素沙地西南部地区。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6   黄河流域2000—2020年沙漠化逆转区（A）和沙漠化发展区（B）不同驱动因素空间分布

Fig.6   Spatial distribution of different driving factors in aeolian desertification reversal area （A） and aeolian desertification development area （B） in the Yellow River Basin from 2000 to 2020


人类活动是黄河流域2000—2020年土地沙漠化的主要影响因素，与气候变化的相对贡献率分别为54.91%和45.09%（图7A），且在不同时段上其影响程度呈下降趋势，气候变化的影响则相应地呈上升趋势（图7B）。其中，2000—2005年和2005—2010年均以人类活动的相对贡献率较高，但在沙漠化逆转区呈下降趋势，而在沙漠化发展区略显增加趋势；在2010—2015年和2015—2020年内均以气候变化的相对贡献率较高且均呈下降趋势。

图7

新窗口打开| 下载原图ZIP| 生成PPT

图7   黄河流域2000—2020年气候变化和人类活动的相对贡献率（A）及其变化（B）

Fig.7   Relative contribution （A） and its change （B） of climate change and human activities in the Yellow River Basin from 2000 to 2020


4 讨论

21世纪以来，黄河流域沙漠化土地整体逆转的态势与已有研究结果一致［6，22］，但2010年后沙漠化土地整体逆转的态势明显放缓（图3和表3）。从驱动力方面来看，由气候变化和人类活动共同驱动的面积占比达到了89.67%，是流域沙漠化动态的主要驱动力，该结果也与已有研究结果一致［37-39］，且本研究中这一面积占比呈增加趋势（图5B）。在驱动因素的相对贡献率方面，人类活动对黄河流域土地沙漠化的相对贡献率（54.91%）高于气候变化（45.09%），再次证实了人类活动在沙漠化逆转中的主导作用［14，40］，但在不同时段上，人类活动的相对贡献率随着气候变化相对贡献率的增加相应下降（图7B）。

从人类活动的角度来看，前期“先易后难、由近及远”的治沙原则、土壤干层的出现、低效林的衰退以及后期劳动力、运输等治沙成本的增加均对流域防沙治沙工作的进一步推进产生了一定的影响［41-42］。但黄河流域的沙漠化治理一直都是夯实流域高质量发展基础的关键环节，现阶段其保护与修复工作已从以实施重大生态工程为主的全面推进阶段步入以巩固生态建设成果为重点的提升转变阶段［43］，且2010年后新一轮退耕还林还草、丝绸之路经济带防沙治沙、山水林田湖草沙、光伏治沙等一体化生态保护与修复工程的实施［15，17，44］，均从人类活动的角度解释了黄河流域的沙漠化土地在更加严峻的沙漠化治理形势下依然持续逆转但逆转明显放缓的态势。同时，以巩固生态建设成果为重点的、一体化的生态保护与修复工程也进一步解释了沙漠化发展面积的持续减少。

从气候变化的角度来看，黄河流域2000—2020年的沙漠化动态区内，2010—2020年间的降水量和潜在蒸散发较2000—2010年明显增加、气温增幅有所下降但仍呈增加趋势、风速下降趋势明显（图8），这说明，暖湿化气候和春季风速的下降为黄河流域沙漠化的进一步逆转创造了有利的气候条件，使得气候变化对土地沙漠化的影响相应增加。但流域内极端高温事件的上升、极端降水指数的微弱上升、未来极端气候事件的更加频繁［45-46］，使得大多由极端气候导致的降水量的增加无法抵消气温上升和蒸发的负面影响，从而使得流域内沙漠化的逆转在一定程度上受到了限制，甚至使局部地区再沙漠化的发生已成为可能。这说明极端气候事件的频繁出现以及固沙植被退化、土壤干层、沙丘活化等现象的出现，在一定程度上印证了土地沙漠化过程中气候变化不利影响的增加［42，47-48］。因此，后期的沙漠化防治亟需更加注重沙漠化地区以极端气候事件为主的气候条件的变化，以制定更合理的防沙治沙对策。

图 8

新窗口打开| 下载原图ZIP| 生成PPT

图 8   黄河流域2000—2020年年平均气温（A）、年降水量（B）、年潜在蒸散发（C）和春季平均风速（D）变化

Fig.8   Variation of annual mean temperature （A）， annual precipitation （B）， annual average potential evapotranspiration （C） and spring average wind speed （D） in the Yellow River Basin from 2000 to 2020


可见，在更加严峻的沙漠化治理形势下，暖湿化的气候条件结合更加注重一体化生态保护与修复的、以人类活动为主的防沙治沙措施，使得流域内沙漠化呈持续逆转但逆转放缓的态势，这在一定程度上证明了气候变化和人类活动的共同驱动在土地沙漠化中的主导作用。同时，2010年后更加有利于沙漠化逆转的气候条件和注重生态建设成果巩固的人类活动增加了气候变化在沙漠化逆转中的相对贡献率，也相应地使人类活动的相对贡献率有所降低。但进一步暖湿化的气候条件常常伴随着更为频繁的极端气候事件，从而使得沙漠化发展区气候变化相对贡献率的增加更为明显。

植被覆盖度作为判断沙漠化类型的主要指标，主要基于NDVI数据采用像元二分法模型计算得到［29］。黄河流域内主要的沙漠化土地类型为中度沙漠化土地，植被覆盖度介于30%~60%。同时，考虑到流域内沙漠化地区的植被平均覆盖程度相对不高，且以人类活动为主的沙漠化防治工程成效显著，本研究选取了能够迅速反映沙漠化地区地表植被变化的NDVI来进行沙漠化地区植被变化的度量［33-35］，未深入考虑运用NDVI在沙漠化地区进行植被监测所获取信息的准确性，以及适合植被稀疏地区的土壤调节植被指数等指标［33］来监测黄河流域沙漠化地区的植被信息，对于二者在黄河流域沙漠化监测中的相对适宜性，有待进一步地深入研究。

5 结论

黄河流域的沙漠化土地以中度和重度沙漠化土地为主。2000—2020年黄河流域内的沙漠化土地总体呈逆转态势，净减少了7 529 km2，空间上进一步向上游缩减集聚。流域内沙漠化土地的逆转和发展分别以向较其自身沙漠化程度轻一级或重一级沙漠化土地的转移为主，2000—2020年沙漠化逆转和发展面积分别达到了35 542 km2和2 823 km2。流域内的沙漠化动态以气候变化和人类活动的共同驱动为主，2000—2020年共同驱动的面积占比达到了89.67%。总体上，人类活动的相对贡献率（54.91%）高于气候变化的相对贡献率（45.09%），且不同时段上人类活动的相对贡献率随着气候变化相对贡献率的上升而下降。

在以人类活动为主导的沙漠化防治进程中，气候变化对黄河流域的生态安全已构成了极大风险与挑战，未来亟需加强沙漠化防治中气候风险相关方面的科学研究，以制定出科学应对当前气候变化和沙漠化防治并举的措施。

参考文献

Guo B， Wei C， Yu Y，et al.

The dominant influencing factors of desertification changes in the source region of Yellow River：climate change or human activity？

［J］.Science of the Total Environment，2022，813：152512.

[本文引用: 1]

Cheng L， Lu Q， Wu B，et al.

Estimation of the costs of desertification in China：a critical review

［J］.Land Degradation & Development，2018，29（4）：975-983.

[本文引用: 1]

卢琦，雷加强，李晓松，等.

大国治沙：中国方案与全球范式

［J］.中国科学院院刊，2020，35（6）：656-664.

[本文引用: 1]

Meng X， Gao X， Li S，et al.

Monitoring desertification in Mongolia based on Landsat images and Google Earth Engine from 1990 to 2020

［J］.Ecological Indicators，2021，129：107908.

[本文引用: 1]

段娟.

中国特色荒漠化防治道路的探索历程与经验启示

［J］.中国井冈山干部学院学报，2021，14（6）：74-84.

[本文引用: 1]

屠志方，李梦先，孙涛.

第五次全国荒漠化和沙化监测结果及分析

［J］.林业资源管理，2016（1）：1-5.

[本文引用: 2]

范泽孟，李赛博.

中蒙俄经济走廊荒漠化时空格局变化及其驱动因子

［J］.生态学报，2020，40（13）：4252-4263.

[本文引用: 1]

肖风劲，徐雨晴，黄大鹏，等.

气候变化对黄河流域生态安全影响及适应对策

［J］.人民黄河，2021，43（1）：10-14.

[本文引用: 1]

黄建平，张国龙，于海鹏，等.

黄河流域近40年气候变化的时空特征

［J］.水利学报，2020，51（9）：1048-1058.

[本文引用: 1]

Han X， Jia G， Yang G，et al.

Spatiotemporal dynamic evolution and driving factors of desertification in the Mu Us Sandy Land in 30 years

［J］.Scientific Reports，2020，10（1）：21734.

[本文引用: 2]

Xu Z， Hu R， Wang K，et al.

Recent greening （1981-2013） in the Mu Us dune field，north-central China，and its potential causes

［J］.Land Degradation & Development，2018，29（5）：1509-1520.

[本文引用: 1]

Li S， Wang T， Yan C.

Assessing the role of policies on land-use/cover change from 1965 to 2015 in the Mu Us Sandy Land，Northern China

［J］.Sustainability，2017，9（7）：1164.

[本文引用: 1]

Qi Y， Chang Q， Jia K，et al.

Temporal-spatial variability of desertification in an agro-pastoral transitional zone of northern Shaanxi Province，China

［J］.Catena，2012，88（1）：37-45.

Guo Q， Fu B， Shi P，et al.

Satellite monitoring the spatial-temporal dynamics of desertification in response to climate change and human activities across the Ordos Plateau，China

［J］.Remote Sensing，2017，9（6）：525.

[本文引用: 1]

樊奇.

中国共产党建党百年来“山水林田湖草沙”系统治理思想的发展逻辑和启示

［J］.鄱阳湖学刊，2021（2）：5-17.

[本文引用: 1]

You Y， Zhou N， Wang Y.

Comparative study of desertification control policies and regulations in representative countries of the Belt and Road Initiative

［J］.Global Ecology and Conservation，2021，27：e01577.

征少卿，张昊渤，许传博，等.

碳中和背景下基于TODIM方法的光伏治沙项目选址决策研究

［J］.项目管理技术，2021，19（11）：40-45.

[本文引用: 1]

Liu S， Shao Q， Ning J，et al.

Remote-sensing-based assessment of the ecological restoration degree and restoration potential of ecosystems in the Upper Yellow River over the past 20 years

［J］.Remote Sensing，2022，14（15）：3550.

[本文引用: 2]

Chen H， Sun J.

Anthropogenic influence has increased climate extreme occurrence over China

［J］.Science Bulletin，2021，66（8）：749-752.

[本文引用: 1]

孙迎涛，岳艳鹏，成龙，等.

毛乌素沙地油蒿（Artemisia ordosica）生长及生物量分配对沙漠化的响应

［J］.中国沙漠，2022，42（1）：123-133.

Feng X， Fu B， Piao S，et al.

Revegetation in China's Loess Plateau is approaching sustainable water resource limits

［J］.Nature Climate Change，2016，6（11）：1019-1022.

[本文引用: 1]

胡光印，董治宝，逯军峰，等.

黄河流域沙漠化空间格局与成因

［J］.中国沙漠，2021，41（4）：213-224.

[本文引用: 4]

Qin G， Meng Z， Fu Y.

Drought and water-use efficiency are dominant environmental factors affecting greenness in the Yellow River Basin，China

［J］.Science of the Total Environment，2022，834：155479.

[本文引用: 2]

董锁成，厉静文，李宇，等.

黄河流域荒漠化协同防治与上、中、下游绿色发展

［J］.环境与可持续发展，2021（2）：44-49.

[本文引用: 6]

Du H， Xue X， Wang T.

Estimation of the quantity of aeolian saltation sediments blown into the Yellow River from the Ulanbuh Desert，China

［J］.Journal of Arid Land，2013，6（2）：205-218.

Tian S， Yu G， Jiang E，et al.

Reevaluation of the aeolian sand flux from the Ulan Buh Desert into the upper Yellow River based on in situ monitoring

［J］.Geomorphology，2019，327：307-318.

[本文引用: 1]

Yan C， Wang T， Song X，et al.

Temporal and spatial changes in the pattern of sandy desert and sandy land in northern China from 1975 to 2010 based on an analysis of Landsat images

［J］.International Journal of Remote Sensing，2017，38（12）：3551-3563.

[本文引用: 1]

金凯，王飞，韩剑桥，等.

1982-2015年中国气候变化和人类活动对植被NDVI变化的影响

［J］.地理学报，2020，75（5）：961-974.

[本文引用: 6]

冯坤，颜长珍，谢家丽，等.

1975-2015年鄂尔多斯市沙漠化的时空演变过程

［J］.中国沙漠，2018，38（2）：233-242.

[本文引用: 3]

Han J， Wang J， Chen L，et al.

Driving factors of desertification in Qaidam Basin，China：an 18-year analysis using the geographic detector model

［J］.Ecological Indicators，2021，124：107404.

[本文引用: 1]

Becerril-Piña R， Mastachi-Loza C， González-Sosa E，et al.

Assessing desertification risk in the semi-arid highlands of central Mexico

［J］.Journal of Arid Environments，2015，120：4-13.

Zhang J， Niu J， Buyantuev A，et al.

A multilevel analysis of effects of land use policy on land-cover change and local land use decisions

［J］.Journal of Arid Environments，2014，108：19-28.

[本文引用: 1]

胡菲，张克存，安志山.

敦煌沙漠、绿洲和戈壁地表风动力环境特征同步对比

［J］.中国沙漠，2020，40（4）：113-119.

[本文引用: 3]

田庆久，闵祥军.

植被指数研究进展

［J］.地球科学进展，1998，13（4）：10-16.

Zeng Y， Hao D， Huete A，et al.

Optical vegetation indices for monitoring terrestrial ecosystems globally

［J］.Nature Reviews Earth & Environment，2022，3（7）：477-493.

[本文引用: 2]

康雄，曹俊涛，陈成，等.

不同趋势法的宁夏长时序植被变化分析

［J］.测绘通报，2020（11）：23-27.

[本文引用: 1]

Duan H， Wang T， Xue X，et al.

Dynamics of aeolian desertification and its driving forces in the Horqin Sandy Land，Northern China

［J］.Environmental Monitoring and Assessment，2014，186（10）：6083-6096.

[本文引用: 1]

Na R， Du H， Na L，et al.

Spatiotemporal changes in the aeolian desertification of Hulunbuir Grassland and its driving factors in China during 1980-2015

［J］.Catena，2019，182：104123.

Wang H， Yao F， Zhu H，et al.

Spatiotemporal variation of vegetation coverage and its response to climate factors and human activities in arid and semi-arid areas：case study of the Otindag Sandy Land in China

［J］.Sustainability，2020，12（12）：5214.

[本文引用: 1]

Liu Q， Zhang Q， Yan Y，et al.

Ecological restoration is the dominant driver of the recent reversal of desertification in the Mu Us Desert （China）

［J］.Journal of Cleaner Production，2020，268：122241.

[本文引用: 1]

李红玉，王京.

荒漠化治理的问题与对策：以内蒙古锡林郭勒盟荒漠化治理为例

［J］.山东财政学院学报，2014（1）：86-92.

[本文引用: 1]

邵明安，贾小旭，王云强，等.

黄土高原土壤干层研究进展与展望

［J］.地球科学进展，2016，31（1）：14-22.

[本文引用: 2]

周颖，杨秀春，徐斌，等.

我国防沙治沙政策的演进历程与特征研究

［J］.干旱区资源与环境，2020，34（1）：123-131.

[本文引用: 1]

石辉，刘秀花，陈占飞，等.

陕北榆林毛乌素沙地大规模土地整治开发的生态环境问题及其对策

［J］.生态学杂志，2019，38（7）：2228-2235.

[本文引用: 1]

王有恒，谭丹，韩兰英，等.

黄河流域气候变化研究综述

［J］.中国沙漠，2021，41（4）：235-246.

[本文引用: 1]

苗书玲，曹艳萍，李晴晴.

1951-2019年黄河流域极端气候事件时空变化规律分析

［J］.河南大学学报（自然科学版），2022，52（4）：416-429.

[本文引用: 1]

Li X， Zhang Z， Tan H，et al.

Ecological restoration and recovery in the wind-blown sand hazard areas of northern China：relationship between soil water and carrying capacity for vegetation in the Tengger Desert

［J］.Science China（Life Sciences），2014，57（5）：539-548.

[本文引用: 1]

岳艳鹏，孙迎涛，庞营军，等.

毛乌素沙地沙丘活化过程中油蒿（Artemisia ordosica）根系特征

［J］.中国沙漠，2020，40（3）：177-184.

[本文引用: 1]

/

〈 〉

©2018中国沙漠 编辑部

地址: 兰州市天水中路8号 (730000)

电话：0931-8267545

Email：caiedit@lzb.ac.cn;desert@lzb.ac.cn

甘公网安备 62010202000688号      陇ICP备2021001824号-9
访问总数:    当日访问:    当前在线: