2000—2020年宁夏河东沙区沙漠化演变

doi:10.7522/j.issn.1000-694X.2022.00166

2000—2020年宁夏河东沙区沙漠化演变

王耀宗^,¹^,², 岳新斌¹, 谢家丽^,³^,⁴, 刘志鹏¹, 马媛¹, 王亚晖³^,⁴, 宫燕¹

1.宁夏回族自治区生态环境监测中心，宁夏银川 750002

2.宁夏回族自治区生态环境信息与应急中心，宁夏银川 750001

3.中国科学院西北生态环境资源研究院，甘肃兰州 730000

4.中国科学院大学，北京 100049

Desertification evolution in the sandy region to the east of the Yellow River in Ningxia from 2000 to 2020

Wang Yaozong^,¹^,², Yue Xinbin¹, Xie Jiali^,³^,⁴, Liu Zhipeng¹, Ma Yuan¹, Wang Yahui³^,⁴, Gong Yan¹

1.Ecological Environment Monitoring Center of Ningxia，Yinchuan 750002，China

2.Ecological Environment Information and Emergency Center of Ningxia，Yinchuan 750001，China

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

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

通讯作者: 谢家丽（E-mail： xiejl@lzb.ac.cn）

收稿日期: 2022-11-08 修回日期: 2022-12-12

基金资助:

2015—2020年宁夏生态状况变化遥感调查评估项目

Received: 2022-11-08 Revised: 2022-12-12

作者简介 About authors

王耀宗（1985—），男，河南郑州人，高级工程师，主要从事生态遥感监测与地理信息系统研究E-mail：wangyaozong414@163.com , E-mail：wangyaozong414@163.com

摘要

宁夏河东沙区是中国北方农牧交错区具有过渡性地域特征的沙区，认识当地土地沙漠化发展的规律，有助于协调区域人地关系和指导生态建设工程实施。利用Landsat数据提取宁夏河东沙区2000、2005、2010、2015、2020年5期沙漠化土地信息，结合重心迁移模型分析其时空变化特征，并采用多元回归残差分析方法将气候变化和人类活动对区域沙漠化演变的影响进行剥离和重新组合。结果表明：2000—2020年，宁夏河东沙区沙漠化总体面积减少，沙漠化程度减轻，沙漠化呈逆转的趋势，区域北部沙漠化程度比南部严重；各类沙漠化土地的重心整体北移，南部沙漠化逆转程度比北部显著；区域沙漠化逆转主要受气候变化和人类活动综合影响。

关键词： 宁夏河东沙区 ; 沙漠化 ; 重心迁移 ; 人类活动 ; 气候变化

Abstract

The sandy region to the east of the Yellow River in Ningxia is a transitional region in the agro-pastoral ecumenical zone in northern China. Understanding the law of the development of desertification in this region is helpful to coordinate the local man-land relationship and guide the implementation of ecological construction project. The Landsat data were used to extract the information of desertification land for five periods of 2000， 2005， 2010， 2015 and 2020 in the sandy region to the east of the Yellow River in Ningxia， then the temporal and spatial characteristics of desertification land were analyzed by combining the barycenter transfer model， and the effects of climate change and human activities on regional desertification evolution were stripped and recombined by multiple regression residual analysis method. The results show that the overall area of desertification land in the sandy region to the east of the Yellow River in Ningxia decreased， the degree of desertification was reduced， and the desertification was reversed from 2000 to 2020. The degree of desertification in the northern part of the region was more serious than that in the southern part. The barycenter of all kinds of desertification land moved northward， and the degree of desertification reversal was more significant in the south than in the north. Regional desertification reversal is mainly influenced by climate change and human activities.

Keywords： sandy region to the east of the Yellow River in Ningxia ; desertification ; barycenter transfer ; human activities ; climate change

PDF (3587KB) 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

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. 中国沙漠[J], 2023, 43(4): 31-40 doi:10.7522/j.issn.1000-694X.2022.00166

Wang Yaozong, Yue Xinbin, Xie Jiali, Liu Zhipeng, Ma Yuan, Wang Yahui, Gong Yan. Desertification evolution in the sandy region to the east of the Yellow River in Ningxia from 2000 to 2020. Journal of Desert Research[J], 2023, 43(4): 31-40 doi:10.7522/j.issn.1000-694X.2022.00166

0 引言

沙漠化是荒漠化的主要类型，是干旱、半干旱及部分半湿润地区人地关系不协调造成的以风沙活动为主要标志的土地退化，是当今世界面临的最大的社会-经济-环境问题之一^［1-3］。沙漠化给区域社会经济发展造成了严重的负面影响，自20世纪50年代起中国学者就在沙区开展了大量的研究工作^［4-6］。随着“3S”技术的快速发展，尤其是遥感技术在快速获取大范围地表信息方面的优势，利用遥感监测和野外调查相结合的手段开展沙漠化土地发展/逆转研究成为热点^［7-9］。基于遥感数据提取沙漠化信息的方法包括目视解译法、计算机自动分类法和光谱混合分析法等^［10-11］，数据源包括最初的航片、MODIS、NOAA/AVHRR、SPOT以及Landsat卫星数据等^［12-13］。基于遥感影像，辅以野外调查验证，构建长时间的沙漠化土地数据，进而分析沙漠化发展和逆转过程成为沙漠化研究的基础。

沙漠化过程驱动力的研究一直是沙漠化研究的重点，根据1994年联合国防治荒漠化公约中对沙漠化的定义，气候变化和人类活动作为沙漠化过程的两大驱动力已经得到共识^{［7-8，14］}。然而在沙漠化过程中，哪些是由于气候变化造成的？哪些是由于人类活动或者两者共同作用造成的？需要在沙漠化过程监测中进行分离，进而促进对沙漠化驱动机制的理解，并在国家和区域尺度上有针对性地制定沙漠化防治战略。目前，沙漠化过程的驱动力研究主要集中在两个方面：一是回归模型和主成分分析等统计分析法，通过气象、社会经济与沙漠化数据的统计模型来确定各自的相对作用^［15］。为了匹配获取的统计数据，这类方法通常以行政边界作为研究范围，无法区分栅格尺度上驱动力的空间差异；二是采用代用指标，将气候变化和人类活动对沙漠化的影响统一到一个可比较的指标上，如归一化植被指数（Normalized Difference Vegetation Index，NDVI）和净初级生产力（Net primary productivity，NPP）^［9，16］。凭借遥感数据的优势，第二类方法在不同时空尺度的沙漠化驱动力评价研究得到了广泛应用。但是目前常用的数据为MODIS产品，空间分辨率多为250 m、500 m和1 km，对于植被稀疏的沙漠化区域来说，分辨率略粗，结果存在较大不确定性^［8-9］。

宁夏河东沙区是中国北方农牧交错区最具过渡性地域特征的沙区，该区域气候干旱，生态脆弱；近60年来，一直是国家和自治区生态治理的重点区域^［17-18］。早在20世纪50—60年代，侯仁之^［19］就在宁夏河东沙区展开了广泛的历史地理考察；徐俊名^［20］于1965年对宁夏河东沙区沙丘沙的来源进行系统的分析。后来众多学者通过丰富的考古学证据与野外考察，对宁夏河东沙区形成的“自然主导论”和“人类作用论”进行辨证研究，依然存在较大分歧^{［17， 21-22］}。关于本区近年来沙漠化过程研究集中在盐池县，从城镇化^［23］、禁牧政策^［24］、农户生计等视角^［25］，以及采用多因子驱动的模型和方法^［26-28］分析与研究沙漠化过程或逆转机制，研究时段大多在1960—2010年，也正是沙漠化发展到逆转的转变阶段，多数研究都强调了人类活动的影响。此外，部分学者以红寺堡盆地为研究区，探讨区域沙漠化过程及其地质主控因素^［29-30］。然而，关于河东沙区21世纪以来的沙漠化演变与驱动机制研究鲜见。近些年随着中国西北地区气候暖湿化，河东沙区的沙漠化过程与驱动机制及其时空差异还不清楚，难以为区域沙漠化综合治理提供指导。

本研究基于Landsat遥感影像和多参数指标，采用CART决策树分类方法提取沙漠化信息，构建2000、2005、2010、2015、2020年河东沙区沙漠化数据，并利用30 m分辨率的NDVI数据，运用多元回归残差分析方法分离气候变化和人类活动对2000—2020年沙漠化过程的影响，为区域沙漠化防治提供依据。

1 研究区概况

根据徐俊名^［20］1965年定义的宁夏河东沙区范围，包括当前的灵武市、盐池县、吴忠市利通区、吴忠市红寺堡区、同心县，以及平罗县和银川市兴庆区的河东部分，面积约1.87万km²（图1）。区域南部及东南临黄土高原，西接宁夏灌溉平原，北侧与东北侧接毛乌素沙地，其最北端平罗县一带又与库布齐沙漠及乌兰布和沙漠临近^［17］。地势自西北向东南呈阶梯状逐级上升，地面起伏和切割程度亦沿此方向加大，东南部的六盘山和西北部的贺兰山依次是东南季风和西北季风的天然屏障，对区内的降水产生重要的影响^［20］。区域年降水量180~300 mm，集中在7—9月，年平均气温8.2~9.2 ℃，日照充足，年蒸发量1 800~2 500 mm，南北部分属中温带半干旱区和中温带干旱区。境内水文网不发育，无大河，主要为季节性河流；有限的降水迅速渗入补给地下水，一般不产生地表径流，少数暴雨能形成短小的地表径流，很快汇入洼地中心盐湖碱滩；地下水赋存空间差异大，局部有泉发育，总体上属于水资源缺乏地区。地表植被以草地和稀疏草地为主，同时分布有广泛的沙地；草本植物主要为猪毛蒿、蒺藜、牛筋草、狗尾草等。研究区内主要地带性土壤为淡栗钙土、棕钙土、灰钙土和风沙土。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1 研究区位置

Fig.1 The location of the study area

2 数据来源与研究方法

2.1　数据来源

数据选取区域2000年ETM+（Enhanced Thematic Mapper Plus）、2005年和2010年TM（Thematic Mapper）、2015年和2020年OLI（Operational Land Imager）全年度遥感影像（影像来源于http：//glovis.usgs.gov/）。采用ENVI5.5软件对遥感影像进行辐射定标、FLASSH大气校正，并对不同时相的影像进行配准，配准的均方根误差小于0.5个像元，最后对影像进行拼接和裁剪。收集30 m分辨率的数字高程模型（Digital Elevation Model，DEM）数据（http：//www.gscloud.cn/home）以及气象数据（http：//www.nmic.cn/）。基于Landsat植被生长季影像数据提取NDVI，并利用最大值合成法得到年NDVI数据集。综合考虑河东沙区气候条件及影像过境时间的天气情况，在沙漠化信息提取时，主要选用影像时相见表1。

表1 影像时相表

Table 1 Image time table

轨道号	主影像时相	参考影像时相	轨道号	主影像时相	参考影像时相
129033	20000830	20000915，20000713	129034	20000830	20000915，20000713
	20050804	20051007，20060807		20050804	20051007，20060807
	20100818	20100701，20100903		20100717	20100802，20100903
	20150731	20150901，20150715		20150731	20150901，20150715
	20200728	20200813，20200626		20200728	20200626，20210731

新窗口打开| 下载CSV

2.2　研究方法

2.2.1　沙漠化信息提取

按照王涛等^［31］提出的分类标准，将沙漠化土地按程度分为轻度、中度、重度和极重度（表2）。

表2 土地沙漠化程度分级标准

Table 2 Grading standard of land desertification degree

沙漠化程度	流沙面积占比/%	植被覆盖度 /%	景观特征
轻度C1	<5	>60	固定沙丘迎风坡出现风蚀坑，流沙斑点状分布，灌丛下出现流沙堆积，并形成各种形态的沙嘴，春季垄沟有少量积沙，耕垄有明显的风蚀痕迹
中度C2	5~25	30~60	地面以片状风蚀为主，沙丘出现明显的风蚀坡和落沙坡分布，灌丛有叶期仍不能覆盖整个沙堆，灌丛沙堆迎风侧显现流沙，耕地出现明显小片流沙
重度C3	25~50	10~30	原始地表形态基本破坏，地表风蚀强烈，沙地成为半流动状态，灌丛开始大片死亡，风蚀耕地腐殖质层几乎蚀净，耕地大部分弃耕
极重度C4	>50	<10	流动沙丘和风蚀劣地大面积分布，几乎无植被或有少量植被覆盖

新窗口打开| 下载CSV

与传统目视解译方法中依靠工作人员主观目测流沙占比不同，本研究使用易康（eCognition）软件计算对象的熵值（Entropy），并结合近红外波段光谱特征值（V_NIR）确定流沙面积占比。通常情况下阈值设定为：极重度V_NIR>90.5，且1.035<Entropy<1.425；重度88.5<V_NIR≤90.5，且1.425≤Entropy<1.6；中度81.2<V_NIR≤88.5，且1.6≤Entropy<2.05；轻度V_NIR<81.2，且1.4≤Entropy<1.7。由于极重度和轻度沙漠化区下垫面地表相对均质，因此其熵值较低。

植被覆盖度（Vegetation fractional coverage，VFC）指植被（包括枝、茎、叶）在地面的垂直投影面积占统计区总面积的百分比。像元二分模型^［32］是遥感估算植被覆盖度的重要方法之一，其简单、快速、有效的反演优点使其得到广泛的使用。

FVC=（NDVI-NDVI_soil）/（NDVI_veg-NDVI_soil）（1）

式中：NDVI_soil为裸土或无植被覆盖区域的NDVI值；NDVI_veg则代表完全被植被所覆盖的像元的NDVI值，即纯植被像元的NDVI值。

沙漠化信息提取方法经历了从传统人工目视解译到现在的多源数据、多指标、多算法分类的发展过程，实现了数据提取的快捷高效。本研究基于多参数指标，采用决策树分类方法进行沙漠化信息提取^［33］，并利用野外调查数据验证提取结果与优化参数，直到精度满足评估标准。具体流程如图2所示：首先在eCognition中将影像分割为大小不同的对象，参与分割的波段为主影像的近红外波段、红波段和绿波段，由于不同类型对空间尺度的依赖性、稳定性各不相同，各类型有不同的最佳观测距离和尺度，因此采用多尺度分割进行局部优化。其次是决策树分类，如图2中虚线框图所示，按节点依次进行决策树规则集分类，在建立规则时使用多指标^［34］进行阈值设定。基于决策树分类结果，运用随机森林分类器，通过选择样本，分别挑选和剔除C1、C2、C3和C4之间的混淆图斑。在得到T1（2020年）基准期数据后，采用基于光谱向量相似度的变化检测方法进行不同时期的动态数据更新^［35］，将基准时期T1和检测时期T2（2000、2005、2010、2015年）的遥感影像分别与T1的矢量图进行套合，在eCognition中对T1和T2 时期影像进行分割获取像斑，提取每一个像斑在两期影像上的各波段反射率，由各波段构成像斑的多维光谱特征向量，并存入像斑特征数据库中。根据像斑特征数据库中每一像斑在T1和T2时期的光谱特征向量进行相似度度量，如果两个时期的光谱特征向量相似度低于阈值则认为该像斑发生变化。向量相似度的计算公式为：

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2 沙漠化信息提取流程

Fig.2 Flow chart of desertification information extraction

\begin{array}{l} S_{x y} = (c o s θ) / (∣ R_{x y} - 1 ∣ + 1); \\ c o s θ = \frac{\sum x_{i} \cdot y_{i}}{\sqrt[]{\sum x_{i}^{2}} \cdot \sqrt[]{\sum y_{i}^{2}}}; \\ R_{x y} = \frac{|x|}{|y|} = \frac{\sqrt[]{\sum x_{i}^{2}}}{\sqrt[]{\sum y_{i}^{2}}} \end{array}

（2）

式中：S_xy 为向量相似度；θ为T1、T2时期特征向量x，y的夹角；R_xy 为向量x，y的模比值。

借助野外验证点以及随机采样点的高分辨率影像解译判读数据，共计588个样点，计算沙漠化信息提取结果的Kappa系数为0.84，分类总精度达到87.76%。

2.2.2　重心迁移模型

采用重心迁移模型计算不同程度沙漠化土地分布的重心，并通过其重心迁移的方向和距离描述不同程度沙漠化的变化趋势和空间变化特征。第t年某种程度沙漠化土地的重心坐标计算如下^［36］：

X_{t} = \sum_{i = 1}^{n} (C_{t i} \times X_{t i}) / \sum_{i = 1}^{n} C_{t i}

（3）

Y_{t} = \sum_{i = 1}^{n} (C_{t i} \times Y_{t i}) / \sum_{i = 1}^{n} C_{t i}

（4）

式中：X_t 、Y_t 分别为第t年某种程度沙漠化类型重心的经度和纬度坐标；n为第t年该程度沙漠化类型的斑块数；C_ti 为第t年该程度沙漠化类型第i个斑块的面积；X_ti 、Y_ti 为第t年该程度沙漠化类型第i个斑块的几何中心经度和纬度坐标。

2.2.3　残差分析

采用多元回归残差分析方法将气候变化和人类活动对沙漠化演变的影响进行剥离和重新组合，分辨其贡献率^［37］。多元回归残差分析的步骤主要包括：①基于年NDVI以及气温和降水量时间序列数据，以NDVI为因变量、气温和降水量为自变量，建立二元线性回归模型，计算模型中的各项参数；②基于气温和降水量数据以及回归模型，计算得到NDVI的预测值，用来表示气候因素对植被NDVI的影响；③计算NDVI观测值与预测值之间的差值，即NDVI残差，用来表示人类活动对植被NDVI的影响^［37］。

N D V I_{C C} = a \times P + b \times T + c

（5）

N D V I_{H A} = N D V I_{o b s} - N D V I_{C C}

（6）

式中：NDVI_CC和NDVI_obs分别指基于回归模型的NDVI预测值和基于遥感影像的NDVI观测值（无量纲）；a、b和c为模型参数；T和P分别指年平均气温和年降水量，单位分别为℃和mm；NDVI_HA为残差。

采用slope变化趋势分析方法判定植被NDVI变化的驱动因素，计算实际NDVI、预测NDVI和残差NDVI的线性趋势率，分别代表在真实地表、气候变化和人类活动影响下的NDVI变化趋势。

S l o p e = \frac{n \sum_{i = 1}^{n} i N D V I_{i} - \sum_{i = 1}^{n} i \sum_{i = 1}^{n} N D V I_{i}}{n \sum_{i = 1}^{n} i^{2} - {(\sum_{i = 1}^{n} i)}^{2}}

（7）

采用F检验法进一步分析NDVI变化趋势的显著性。

F = [(n - 2) \cdot r^{2}] / (1 - r^{2})

（8）

r = \frac{\sum_{i = 1}^{n} (i - \bar{i}) (N D V I - \bar{N D V I})}{\sqrt[]{\sum_{i = 1}^{n} {(i - \bar{i})}^{2} \sum_{i = 1}^{n} (N D V I_{i} {- \bar{N D V I})}^{2}}}

（9）

式中：n为时间序列长度21；i为2000—2020年的年份序号1~21； $\bar{i}$ 为年份序号的平均值；NDVI_i 为第i年的NDVI值； $\bar{N D V I}$ 为2000—2020年NDVI的平均值。

真实NDVI、预测NDVI和残差NDVI满足显著性（P<0.1）检验后，基于其线性趋势率区分气候变化和人类活动对沙漠化过程的作用（表3）。

表3 沙漠化演变驱动因素评判依据

Table 3 Evaluation basis for driving factors of desertification evolution

沙漠化演变	Slope_真实NDVI	Slope_预测NDVI	Slope_残差NDVI	原因
沙漠化逆转	>0	<0	>0	人类活动
		>0	>0	人类活动和气候变化
		>0	<0	气候变化
沙漠化发展	<0	<0	<0	人类活动和气候变化
		>0	<0	人类活动
		<0	>0	气候变化

新窗口打开| 下载CSV

3 结果

3.1　沙漠化土地转移特征

宁夏河东沙区2000—2020年间4个时段沙漠化土地均表现为面积减少，程度减轻，呈逆转趋势（表4）。2000—2005年，沙漠化土地净减少90.54 km²；其中，有23.29%的极重度沙漠化土地转为重度和中度沙漠化土地，转变面积分别达到215.06 km²和70.64 km²。2005—2010年，沙漠化土地净减少96.66 km²；有25.85%的极重度沙漠化土地转为重度和中度沙漠化土地，转变面积分别为194.64 km²和49.00 km²。2010—2015年，沙漠化土地净减少49.56 km²，极重度沙漠化土地转为重度和中度沙漠化土地的面积分别为73.61 km²和24.28 km²。2015—2020年，沙漠化土地净减少99.25 km²，而极重度沙漠化土地转为重度沙漠化土地的面积为56.90 km²。因此，宁夏河东沙区2000—2020年沙漠化整体呈逆转趋势。

表4 2000—2020年宁夏河东沙区沙漠化土地转移矩阵（km² ）

Table 4 Transfer matrix of desertified land from 2000 to 2020 in the sandy region to the east of the Yellow River in Ningxia （km² ）

阶段	沙漠化类型	轻度沙漠化	中度沙漠化	重度沙漠化	极重度沙漠化
2000—2005年	轻度沙漠化	1 392.94	5.11	0.00	0.53
	中度沙漠化	24.57	1 075.30	0.00	2.13
	重度沙漠化	10.36	42.29	614.66	10.16
	极重度沙漠化	6.02	70.64	215.06	934.82
2005—2010年	轻度沙漠化	1 388.92	0.37	6.16	0.07
	中度沙漠化	109.14	1 056.19	2.71	6.45
	重度沙漠化	28.20	80.91	682.32	5.13
	极重度沙漠化	9.95	49.00	194.64	688.80
2010—2015年	轻度沙漠化	1 523.07	0.00	0.47	6.62
	中度沙漠化	27.81	1 141.00	0.79	9.38
	重度沙漠化	16.29	57.22	782.28	4.66
	极重度沙漠化	38.02	24.28	73.61	541.53
2015—2020	轻度沙漠化	1 564.08	3.79	5.95	2.09
	中度沙漠化	17.72	1 180.76	2.59	0.41
	重度沙漠化	1.09	22.34	825.69	2.82
	极重度沙漠化	0.00	8.28	56.90	460.98
2000—2020年	轻度沙漠化	1 302.53	10.50	8.47	7.31
	中度沙漠化	151.86	886.56	8.18	8.66
	重度沙漠化	52.42	102.74	452.84	4.15
	极重度沙漠化	73.85	214.73	416.09	442.78

新窗口打开| 下载CSV

3.2　沙漠化土地分布特征与重心迁移

盐池县和灵武市沙漠化土地面积最大，而平罗县和银川市兴庆区全境均有分布，吴忠市利通区、红寺堡区和同心县局域分布有沙漠化土地（图3）。极重度沙漠化土地主要分布在平罗县和灵武市，利通区、盐池县和同心县零星分布；重度沙漠化土地在平罗县、兴庆区、灵武市和盐池县均有分布。整体来看，平罗县以极重度沙漠化为主，兴庆区以轻度和中度沙漠化为主，灵武市轻度、中度、重度和极重度沙漠化土地占比接近，盐池县以轻度和中度沙漠化为主，利通区和红寺堡区以轻度沙漠化为主，同心县以极重度和轻度沙漠化为主。整体来看，宁夏河东沙区北部沙漠化程度比南部严重。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3 宁夏河东沙区2020年沙漠化分布及不同时期重心迁移变化

Fig.3 Distribution of desertification in 2020 and change of center of gravity migration in different periods in the sandy region to the east of the Yellow River in Ningxia

宁夏河东沙区轻度沙漠化、中度沙漠化、重度沙漠化和极重度沙漠化重心依次由南向北分布，表明沙漠化程度自南向北加重。根据重心迁移轨迹，2000—2020年各类型沙漠化土地的重心整体北移，表明南部沙漠化逆转程度比北部更加明显。其中，轻度和中度沙漠化土地重心向东北方向迁移，重度沙漠化土地先向东北后整体向西迁移，极重度沙漠化土地则是先向西北后向东南迁移。不同类型沙漠化土地重心均位于灵武市和盐池县交界处，其中轻度和重度沙漠化土地重心分别位于灵武市和盐池县，中度沙漠化土地重心从灵武市逐渐迁移至盐池县，而极重度沙漠化土地重心从盐池县迁移至灵武市（图3）。

3.3　人类活动与气候变化对沙漠化演变的影响

2000—2020年，宁夏河东沙区沙漠化整体呈逆转的趋势，其中沙漠化减少区面积为352.49 km²，占沙漠化逆转总面积的25.84%，平罗县、兴庆区、灵武市、盐池县和红寺堡区均有分布；沙漠化减轻区面积为1 011.69 km²，占沙漠化逆转总面积的74.16%，主要是极重度沙漠化土地向其他类型沙漠化土地转变，所有行政区均有分布（图4A）。沙漠化发展的区域较少，面积为63.75 km²，主要是沙漠化程度加重，占发展的沙漠化土地面积的74.15%，兴庆区、灵武市、盐池县和红寺堡区均有分布；新增加的沙漠化土地面积仅占25.85%，主要分布在灵武市和盐池县。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4 宁夏河东沙区2000—2020年沙漠化变化及驱动因素分布

Fig.4 Distribution of desertification change and driving factors from 2000 to 2020 in the sandy region to the east of the Yellow River in Ningxia

区域沙漠化逆转主要受气候变化和人类活动综合影响，其面积占比为76.44%，所有行政区均有分布；其次由气候变化影响的面积占比为23.56%，通过梳理，本世纪已颁布和实施了一系列的生态保护政策和工程，且具有明显的阶段性：多数生态工程集中在2000—2010年与2016—2020年两个阶段。根据气象观测资料显示，银川站、盐池站和同心站2000—2020年降水量呈波动变化，整体均呈增长趋势，与西北暖湿化趋势一致（图5），有利于区域植被生长和沙漠化逆转。沙漠化发展主要受人类活动影响，其面积占比为98.05%，分布在兴庆区、灵武市、利通区、盐池县和红寺堡区（图4B）；结合土地利用以及实地调查，判断主要是受水土资源开发利用的影响。

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5 宁夏河东沙区2000—2020年降水量变化

Fig.5 Variation of precipitation from 2000 to 2020 in the sandy region to the east of the Yellow River in Ningxia

4 讨论

本研究利用NDVI、FVC和DEM等多个参数指标，采用CART决策树分类方法提取了宁夏河东沙区的沙漠化信息，并运用基于光谱向量相似度的变化检测方法进行不同时期的动态数据更新，构建了区域2000—2020年共5期沙漠化土地数据，厘清了区域近20年最新的沙漠化过程。由于已有研究多集中在盐池县，且研究时段截至2015年或更早，通过与相关研究比较发现，结果一致。要永在等^［27］利用荒漠化程度综合指数研究得到盐池县1995—2010年土地荒漠化呈逆转趋势；而王东清等^［5］通过对自治区1994—2014年的沙漠化土地变化监测，发现面积下降趋势明显；土地沙漠化程度总体趋势是极重度—重度—中度—轻度逆转，而土地沙漠化程度变化最为敏感的区域包括本研究中沙漠化严重的平罗县和灵武市。另有学者在邻近的毛乌素沙地的沙漠化动态研究中，显示2000—2015年区域沙漠化整体呈逆转状态，趋势跟本研究类似^［9］。

针对宁夏河东沙区沙漠化的驱动机制研究，本研究利用30 m分辨率的NDVI数据和气候资料，采用多元回归残差分析方法第一次对区域整体进行了分析，发现气候变化和人类活动共同主导了本区的沙漠化逆转过程。这主要由于在近20年的暖湿化气候背景下，区域实施了一系列的生态修复工程，制定了相应的环境保护政策，极大地促进了区域生态好转；此外诸如光伏电站的建设等活动改变了土地利用类型，减少了沙漠化面积^{［18，38］}。从其他相关研究中同样可以得到佐证，2010年程彦培等^［39］研究发现影响盐池县1961—2005年土地沙漠化动态变化的因素包括降水量、蒸发量等，但起决定性作用的是退耕还林还草、草地禁牧、禁止乱砍乱挖和植树造林等措施。温学飞等^［26］利用因子分析法得到驱动盐池县1961—2009年沙漠化土地动态变化的人为因子2个，气象因子3个，其分别占总体贡献的49.07%和38.45%，但无法直观反映各因子的影响方向与范围。马永欢等^［40］对1953—2006年盐池县沙漠化驱动因素研究发现，人类活动和自然因素的贡献在各阶段存在差异。在毛乌素沙地的沙漠化驱动因素研究中，人类活动和气候变化在2000—2015年间各阶段的沙漠化逆转过程中的影响范围不同，整体上以人类活动主导或受人类活动和气候变化综合影响^［9］。然而，沙漠化是一个动态过程，而植被的演替相对为一个长期的过程，短期的降水波动可能会高估或低估气候的作用，从而低估或高估人类活动的影响。本研究以2000—2020年为研究阶段，定量评估整个时段内人类活动和气候变化对区域沙漠化的影响，结果更具参考价值。其中局部地区在水土资源开发的影响下，沙漠化呈发展趋势，迫切需要保护水环境和合理利用水资源，保障区域生态安全^［41］。值得注意的是研究结果仍存在不确定性，一方面源于方法本身，该方法根据降水量和气温预测NDVI，而影响区域植被生长的因子较多，如水文地质条件和植物生长特性等；另一方面NDVI产品的精度也会影响人类活动和气候变化在区域沙漠化过程中主导作用^［7，9］。

5 结论

2000—2020年，宁夏河东沙区沙漠化面积减小，沙漠化程度减轻，沙漠化呈逆转的趋势，以2005—2010年变化最为剧烈。区域轻度沙漠化、中度沙漠化、重度沙漠化和极重度沙漠化土地重心由南向北分布，区域北部沙漠化程度更加严重；同时各类型沙漠化土地重心20年来整体北移，南部沙漠化逆转程度更加明显。通过多元回归残差分析得到，近20年来区域沙漠化逆转主要受气候变化和人类活动的综合影响，其面积占比为76.44%；而分布面积较少的沙漠化发展区域主要受人类活动影响，其面积占比达98.05%。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

Adger

W N

， Benjaminsen

T A

， Brown

，et al.

Advancing a political ecology of global environmental discourses

［J］.Development and Change，2001，32（4）：681-715.