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

doi:10.7522/j.issn.1000-694X.2023.00180

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

申子傲^,, 吴静^,, 李纯斌

甘肃农业大学资源与环境学院，甘肃兰州 730070

Temporal and spatial changes of vegetation cover and its driving forces in the Hexi inland river basin from 2000 to 2020

Shen Ziao^,, Wu Jing^,, Li Chunbin

College of Resources and Environmental Sciences，Gansu Agricultural University，Lanzhou 730070，China

通讯作者: 吴静（E-mail： wujing@gsau.edu.cn）

收稿日期: 2023-11-13 修回日期: 2023-12-15

基金资助:

国家自然科学基金地区基金项目. 31760693
甘肃省科技计划项目. 22JR5RA851

Received: 2023-11-13 Revised: 2023-12-15

作者简介 About authors

申子傲（1999—），女，湖北荆门人，硕士研究生，研究方向为生态遥感E-mail：944066898@qq.com , E-mail：944066898@qq.com

摘要

河西内陆河流域地处干旱半干旱地区，生态脆弱，研究植被覆盖动态变化及其驱动因素对理解植被与生态系统的相互作用具有重要意义。采用生长季平均归一化植被指数（NDVI）作为植被覆盖指标，利用Slope趋势分析和变异系数对2000—2020年河西内陆河流域植被覆盖变化进行分析，并结合地理探测器模型探讨了自然因子和人为因子对植被空间分异的影响。结果表明：（1）2000—2020年河西内陆河流域植被覆盖总体呈现波动上升趋势，NDVI年增长速率为0.001，呈西北低东南高、由东向西递减的空间分布特征。（2）2000—2020年流域内大部分区域植被覆盖基本不变，植被覆盖增加的区域占比35.27%，植被覆盖减少的区域占比10.91%。（3）河西内陆河流域植被覆盖时空变异性强，变异系数为0.011~1.530，大部分地区变化表现为高稳定性，低稳定性区域主要集中在流域中上游地区。（4）驱动因素中自然因素占主导地位，蒸散发量、植被类型、降水量、土壤类型影响力较大，人为因素中土地利用类型为主要影响因素。

关键词： 河西内陆河流域 ; 植被覆盖 ; 地理探测器 ; 驱动因子 ; 时空变化

Abstract

The Hexi inland river basin is located in arid and semi-arid regions with fragile ecosystems， and there is significant importance in studying the dynamic changes in vegetation cover and its driving factors for understanding the interaction between vegetation and ecosystems. This study uses the mean NDVI during the growing season as the vegetation cover index， employs slope trend analysis and coefficient of variation to analyze the changes in vegetation cover in the Hexi inland river basin from 2000 to 2020， and explores the effects of natural and anthropogenic factors on the spatial differentiation of vegetation using the Geodetector model. The results indicate that：（1） During 2000-2020， the vegetation cover in the Hexi inland river basin exhibited a generally rising trend with fluctuations， having a growth rate of 0.001·a^-1， characterized by a spatial distribution of lower in the northwest and higher in the southeast， decreasing from east to west. （2） Between 2000 and 2020， in most parts of the basin， the vegetation cover remained relatively constant. The areas with increased vegetation cover constituted 35.27% and those with decreased cover constituted 10.91%. （3） The Hexi inland river basin exhibits strong spatiotemporal variability in vegetation cover， with the coefficient of variation ranging from 0.011 to 1.530. The majority of regions demonstrate high stability， with low stability areas primarily focused in the middle and upper reaches of the basin. （4） Natural factors play a leading role， with substantial impacts from evapotranspiration， vegetation types， precipitation， and soil types. Among human factors， land use type emerges as a primary influencer. Revealing the long-term vegetation evolution patterns and characteristics in the Hexi inland river basin offers valuable insights for ecological preservation and soil and water conservation in the region.

Keywords： Hexi inland river basin ; vegetation cover ; geodetector ; driving factors ; spatiotemporal variation

PDF (3410KB) 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

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. 中国沙漠[J], 2024, 44(3): 119-127 doi:10.7522/j.issn.1000-694X.2023.00180

Shen Ziao, Wu Jing, Li Chunbin. Temporal and spatial changes of vegetation cover and its driving forces in the Hexi inland river basin from 2000 to 2020. Journal of Desert Research[J], 2024, 44(3): 119-127 doi:10.7522/j.issn.1000-694X.2023.00180

0 引言

植被在区域乃至全球环境稳定与物质循环中扮演着重要的角色，决定着生态环境质量，同时也是影响水资源循环和开发利用、驱动气候系统变化的重要因素^［1］。植被对生态变化非常敏感，被认为是监测生态变化的综合指标^［2］。在干旱半干旱地区，植被具有防风固沙、维持水土平衡与保护生态稳定等作用，对当地可持续发展具有重要的生态学意义^［3］。因此，研究植被动态变化及其驱动力因素，有助于制定有效的植被恢复和荒漠化防治策略，对于评价区域环境质量和维护区域生态平衡具有现实意义^［4］。归一化植被指数（Normalized Difference Vegetation Index，NDVI）是研究植被物候动态状况的重要指标，能够反映植被生长状态和植被覆盖度，能反映植被生长状况、植被类型以及生物量，并与植被覆盖呈线性相关^［5］，被广泛应用于目前的植被研究。近20年来，国内外诸多学者利用NDVI分析不同时序、区域的植被覆盖变化及其驱动力因子，多运用线性趋势法^［6-7］、相关性分析等传统的相关回归统计方法^［8-10］，这些方法假定植被覆盖及其相关过程是线性的^［11］，但在现实中，植被生长及其驱动因子之间是一个复杂的非线性、非平稳的动态过程，植被覆盖相对驱动因子存在时滞效应^［12-13］，且驱动因子与植被变化之间的影响是相互的^［14］。

目前对植被覆盖变化驱动机制的研究主要集中在自然因素上^［15-16］，特别是降水和温度^［17-18］。此外，植被对人类活动的响应也是当前植被覆盖变化研究的主要内容^［19］。金凯等^［20］针对1982—2015年全国范围内植被NDVI进行研究，认为人类活动对植被的影响较大，城市面积扩张、土地利用变化、经济发展和人口快速增长都是植被覆盖演变的重要影响因素，人类活动对植被覆盖变化的影响也具有两面性。城市化发展导致大量农田和林地被建设用地侵占，使植被覆盖度明显下降；实施退耕还林还草等植被建设工程则有利于植被覆盖增加^［21］。人为因素对植被生长的影响比自然驱动因素更难量化。因此，探究人为因素对于植被覆盖变化影响非常必要。目前对于河西内陆河流域植被覆盖的研究主要集中在时空变化特征及气候因素或人类活动与植被覆盖变化的简单关联^［22-24］，无法准确描述植被生长对于驱动因子的复杂响应^［25］。地理探测器可以探测空间的分异性，也可以揭示其背后的驱动力^［26］，不受时滞效应的限制，同时能够耦合自然和人为影响因素共同进行分析，已有学者用其来揭示影响植被NDVI变化的驱动力^［27］。干旱半干旱区植被极易受到环境变化的影响^［28］，分析气候变化背景下荒漠植被的时空变化规律能够为干旱半干旱区的生态恢复提供参考^［29］。河西内陆河流域地处中国西北干旱区，植被稀疏，降水短缺，蒸发强烈^［30］，是中国生态系统中重要性与脆弱性均十分突出的典型区域^［31］。近年来，人为活动和气候变化对流域内的生态环境、植被生长和土地资源造成了严重影响，为深入理解驱动机制，本文利用生长季NDVI数据，分析河西内陆河流域多年来植被覆盖的演变规律和特征，利用地理探测器结合12种自然和人为驱动因子定量分析自然和人为因素对植被覆盖变化的作用及影响，对于河西内陆河流域的生态保护和水土保持具有重要意义。

1 研究区与研究数据

1.1　研究区概况

河西内陆河流域地处中国西北干旱区，位于甘肃省河西走廊一带（图1），分别以黑山、宽台山和大黄山为界，将河西内陆河流域分为石羊河、黑河和疏勒河三大流域，属于典型的干旱半干旱气候^［32］，昼夜温差大，降雨量较少，生态系统复杂多样。石羊河位于河西内陆河流域东部，发源于祁连山北麓的冷龙岭，流域面积约为4.16万km²；黑河位于河西内陆河流域中部，是中国西北干旱区第二大内陆河，发源于祁连山中部腹地，流域面积约为14.29万km²；疏勒河位于河西内陆河流域西部，流域面积约为10.18万km²。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1 研究区概况

注：基于自然资源部标准地图服务网站标准地图（审图号：GS（2019）1822号）制作，底图边界无修改

Fig.1 Overview of the study area

1.2　数据来源及预处理

NDVI数据采用MODIS（MOD13Q1）数据，空间分辨率为250 m，时间分辨率为16 d，时间为2000—2020年，利用GEE平台进行下载和预处理，采用最大值合成法（MVC）将NDVI数据合成为生长季（5—9月）NDVI数据集。土地利用类型、土壤类型、植被类型、地貌类型、DEM数据均来源于中国科学院资源与环境科学数据中心（http：//www.resdc.cn/）。气温和降水数据为研究区及周边的26个气象站点逐日数据，来源于中国气象数据网（http：//data.cma.cn），利用Penman公式计算蒸散发量，通过克里金插值法将站点数据转化为栅格数据，时间范围为2000—2020年。以上栅格数据在ArcGIS中统一重采样至1 km分辨率。

考虑研究区数据的可获取性、代表性和科学性，结合目前对流域植被覆盖变化及驱动力的大量研究^［33-34］，本文选取了12种驱动因素（表1），探究其对河西内陆河流域NDVI分布及变化的影响。由于评价指标数据为连续性变量，不能直接带入地理探测器中处理，所以需要对数据进行离散化处理，其中地貌类型、植被类型、土壤类型和土地利用类型根据其大类标准进行划分^［35］，其余驱动因子利用ArcGIS中自然断点法^［36-37］对数据进行离散化处理。

表1 植被覆盖变化驱动因素及其数据来源

Table 1 Driving factors of vegetation cover change and their data sources

类型	驱动因素	数据来源
自然因素	气温	中国气象数据网(http://data.cma.cn)，在ArcGIS中进行空间插值处理
	降水量
	蒸散发量
	地貌类型	中国100万地貌类型空间分布数据，来源于中国科学院资源与环境科学数据中心(http://www.resdc.cn/)
	高程	全国DEM 1 km、500 m和250 m数据集（SRTM 90 m），来源于中国科学院资源与环境科学数据中心(http://www.resdc.cn/)
	坡度	通过ArcGIS处理DEM数据获得
	坡向	通过ArcGIS处理DEM数据获得
	植被类型	中国100万植被类型空间分布数据，来源于中国科学院资源与环境科学数据中心(http://www.resdc.cn/)
	土壤类型	中国土壤类型空间分布数据，来源于中国科学院资源与环境科学数据中心(http://www.resdc.cn/)
人为因素	GDP	中国GDP空间分布公里网格数据集，来源于中国科学院资源与环境科学数据中心(http://www.resdc.cn/)
	人口密度	中国人口空间分布公里网格数据集，来源于中国科学院资源与环境科学数据中心(http://www.resdc.cn/)
	土地利用类型	中国多时期土地利用遥感监测数据集，来源于中国科学院资源与环境科学数据中心(http://www.resdc.cn/)

新窗口打开| 下载CSV

2 研究方法

2.1　NDVI等级划分

为反映NDVI时空分布格局，将2000—2020年NDVI划分为5个等级^［38］：无植被覆盖（NDVI<0.1）、低植被覆盖（0.1≤NDVI<0.3）、中等植被覆盖（0.30≤NDVI<0.5）、中高植被覆盖（0.5≤NDVI<0.7）和高植被覆盖（NDVI≥0.7）。

2.2　Slope趋势分析

Slope趋势分析法是一种通过对随时间变化的变量进行线性回归分析，从而预测其变化趋势的方法^［39］：

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

（1）

式中：θ_slope为像元回归方程的斜率； $N D V I_{i}$ 为第i年生长季NDVI平均值；n为研究时间长度。当θ_slope>0.001时，表示该像元NDVI为增加趋势；当-0.001≤θ_slope≤0.001时，表示该像元NDVI基本不变，当θ_slope<-0.001时，表示该像元NDVI为减少趋势。

2.3　变异系数

变异系数是用于量化数据的离散程度指标，表示长时间序列数据变化的起伏程度。基于2000—2020年生长季NDVI的变异系数来描述其稳定性：

C_{N D V I} = \frac{σ_{N D V I}}{\bar{N D V I}}

（2）

式中：C_NDVI为NDVI的变异系数； $σ_{N D V I}$ 为NDVI标准偏差； $\bar{N D V I}$ 为NDVI的平均值。变异系数越大说明植被覆盖变化波动越大。将变异系数划分为5个等级^［40］：当 $C_{N D V I} \leq 0.05$ 时，高稳定性；当 $0.05 < C_{N D V I} \leq 0.10$ 时，较高稳定性；当 $0.10 < C_{N D V I} \leq 0.15$ 时，中稳定性；当 $0.15 < C_{N D V I} \leq 0.20$ 时，较低稳定性；当 $C_{N D V I} > 0.20$ 时，低稳定性。

2.4　地理探测器

地理探测器是探测空间分异性以及揭示其背后驱动因子的一种新的统计方法，本文利用两种探测器探测河西内陆河流域植被NDVI的空间分异与变化的驱动因素^［41-42］。

2.4.1　因子探测器

利用q值衡量单个影响因子对于NDVI空间分异的影响程度，q值越大，影响程度越强，反之越弱。

q = 1 - \frac{\sum_{h = 1}^{L} N_{h} σ_{h}^{2}}{N σ_{}^{2}}

（3）

式中： $h$ （1，2，…，L）为NVDI驱动因子的分类； $N_{h}$ 和 $N$ 分别为第 $h$ 类子区和全区的单元数； $σ_{h}^{2}$ 和 $σ ²$ 分别表示h子区方差和总方差。

2.4.2　交互探测器

交互探测器用于识别不同驱动因子之间的交互作用，反映两个因子在共同作用时的影响是相关还是独立，不同因子交互作用主要分为5种（表2）。

表2 不同驱动因子交互作用类型

Table 2 Interaction types of different driving factors

判断区间	交互作用
$q (X_{1} ⋂ X_{2}) < M i n [q (X_{1}), q (X_{2})]$	非线性减弱
$M i n [q (X_{1}), q (X_{2})] \leq q (X_{1} ⋂ X_{2}) \leq M a x [q (X_{1}), q (X_{2})]$	单因子非线性减弱
$q (X_{1} ⋂ X_{2}) > M a x [q (X_{1}), q (X_{2})]$	双因子增强
$q (X_{1} ⋂ X_{2}) = q (X_{1}) + q (X_{2})$	独立
$q (X_{1} ⋂ X_{2}) > q (X_{1}) + q (X_{2})$	非线性增强

新窗口打开| 下载CSV

3 结果与分析

3.1　NDVI时空变化

3.1.1　NDVI时间变化特征

由图2A可以看出，2000—2020年河西内陆河流域植被生长季平均NDVI为0.12~0.17变化，呈波动上升趋势，年增长率为0.001，说明植被生长状况往好的方向发展。其中2000—2006、2008—2009年的植被NDVI低于总体均值，2007、2010—2020年的植被NDVI均高于总体均值。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2 2000—2020年河西内陆河流域生长季NDVI变化（A）和等级占比（B）

Fig.2 Growing season NDVI changes （A） and the percentage distribution of levels （B） in the Hexi inland river basin from 2000 to 2020

研究区内大部分区域为无植被覆盖，近21年占比在60%左右，其次为低植被覆盖、中等植被覆盖、中高植被覆盖，高植被覆盖区占比均小于1%（图2B）。无植被覆盖区面积在21年期间呈现波动减少的趋势，中高和高植被覆盖区域面积波动上升，整体植被覆盖呈改善趋势。

3.1.2　NDVI空间变化

2000—2020年流域内无植被覆盖区域占比63.00%，低植被覆盖区域占比23.50%，中等植被覆盖区域占比7.62%，中高植被覆盖区域占比5.71%，高植被覆盖区域仅占0.17%。从空间分布来看，整体植被覆盖呈现东南高西北低的情况，植被覆盖空间分布水平自西向东不断提高；无植被覆盖区域主要分布在流域的下游，低、中等和中高植被覆盖区主要分布在流域上游地区，中高植被覆盖区域主要分布在黑河和石羊河流域上游部分地区，高植被覆盖区在黑河和石羊河流域上游地区零星分布（图3A）。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3 2000—2020年河西内陆河流域生长季平均NDVI等级（A）、变化趋势（B）、变异系数（D）空间分布及2020年土地利用类型（C）

注：基于自然资源部标准地图服务网站标准地图（审图号：GS（2019）1822号）制作，底图边界无修改

Fig.3 Distribution of grade （A）， change trend （B）， coefficient of variation （D） of the growing season average NDVI in the Hexi inland river basin during 2000-2020 and land use type in 2020 （C）

2000—2020年NDVI数据Slope趋势值为-0.030~0.129，说明2000—2020年NDVI变化趋势空间差异比较明显（图3B）。2000—2020年流域内大部分区域植被覆盖基本不变，占比为53.82%，植被覆盖增加的区域面积占比35.27%，其中显著增加的区域占比27.04%，而显著减少和不显著减少的区域面积分别占流域总面积的2.10%和8.81%。植被覆盖增加的区域主要分布在流域的中上游区域，植被覆盖减少的区域集中分布在疏勒河和黑河下游（酒泉市北部、阿拉善盟西部），在张掖市中部和武威市中部呈集团状分布，零星分布在流域中上游地区。中上游地区植被覆盖减少区与耕地和建设用地高度重合，受人类活动影响较大（图3C）。

3.1.3　NDVI空间波动特征

2000—2020年生长季NDVI变异系数为0.011~1.530，说明研究区内植被变化波动特征存在明显的空间差异（图3D）。大部分地区NDVI变化表现为高稳定性，其中高稳定性区域面积占比为23.54%、较高稳定性区域面积占比为33.90%，中稳定性区域面积占比为22.95%，较低稳定性区域面积占比为10.67%，低稳定性区域面积占比为8.94%。高稳定性和较高稳定性区域主要分布在疏勒河流域下游、黑河流域上游和下游地区；较低稳定性和低稳定性区域主要分布在疏勒河和黑河流域中上游地区，石羊河流域大部分地区均表现为较低稳定性和低稳定性。

3.2　驱动因子分析

3.2.1　单因子探测分析

为探究研究区内不同影响因素对于植被覆盖空间分异的影响，共选取了12个影响因子进行分析，利用地理探测器对研究区内各驱动因子进行单因子驱动力分析，q值越大表示该因子对植被覆盖空间异质性的解释度越高。2000、2010年和2020年3期平均结果表明各因子对植被覆盖NDVI空间分布的影响程度从强到弱排序为：蒸散发量（0.477）>植被类型（0.456）>降水量（0.453）>土壤类型（0.441）>土地利用类型（0.399）>高程（0.301）>气温（0.258）>地貌（0.186）>人口密度（0.162）>坡度（0.159）>GDP（0.120）>坡向（0.020）。自然因子中，蒸散发量的贡献率最高，是影响NDVI变化的主要自然因子，植被类型、降水量、土壤类型是次影响因子，q值为0.440~0.470；自然因子中坡度和坡向对于植被覆盖空间分布的影响最弱。在人为影响中，土地利用类型是主要影响因子，q值为0.399，GDP的贡献率最低，为0.120（图4）。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4 2000—2020 年各因子q值变化

Fig.4 Changes of q values of each factor during 2000-2020

对2000年NDVI空间分布影响最大的因子是植被类型和蒸散发量，两个因子之间差异较小。影响最小的因子是坡向，仅为0.017，q<0.05，可以忽略不计，表明该因子对于NDVI空间分布没有直接的影响，影响力相对较小。2010年蒸散发量和降水量是NDVI空间分布的主要影响因子，q值大于0.5，土地利用类型、土壤类型和植被类型有次要影响。2020年蒸散发量和植被类型仍是NDVI空间分布的主要驱动因子，土壤类型、降水量、土地利用类型的影响力较蒸散发量和植被类型稍小，但均大于0.4。整体上，蒸散发量、土地利用类型、降水量、土壤类型和植被类型的影响力保持稳定。

3.2.2　因子交互作用探测分析

利用交互探测分析两两驱动因素之间对植被覆盖的交互作用影响可知，任何两个因素的交互作用均大于其单独作用，表现非线性增强或双因子增强效应，不存在独立关系，说明研究区内植被覆盖的空间分布不受单一因素制约。研究区内双因子交互作用对植被覆盖度影响最大的为降水量∩植被类型，q值为0.669，交互作用影响最小的是坡向∩GDP，q值仅为0.141（图5）。在自然影响因子中，蒸散发量、植被类型和降水量与其他影响因子的交互作用均普遍较高，而在人为影响因子中则是土地利用类型占据主导地位。流域内植被空间分异受到自然因素和人为影响因素的共同影响，当人为因子和自然因子结合后对植被覆盖的影响明显增加，人类活动对于植被的空间分布具有重要影响，一方面通过退耕还林还草、生态修复等措施能够促进植被覆盖，另一方面城镇化建设、不合理的资源开发利用等行为又会导致植被退化。

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5 2000—2020 年各因子交互作用的影响力

Fig.5 The influence of the interaction of various factors during 2000-2020

4 讨论与结论

4.1　讨论

本文对2000—2020年河西内陆河流域的植被覆盖时空变化特征和驱动因子进行了定量分析。该区植被覆盖变化整体上呈增加趋势，与前人研究结果一致^［43-44］。植被变化波动特征存在明显的空间差异，中上游区域植被波动明显，植被覆盖增长区域面积占总面积的35.27%，植被覆盖减少的区域仅占10.91%，植被退化区域主要分布在下游部分荒漠地区和中游城市周边地区，酒泉北部和阿拉善盟西部地区森林资源少，环境质量低，土地荒漠化问题严重，近年来气候日益干旱，以及不合理的人类活动严重破坏了这些地区的植被，植被退化严重^［45-46］。显著增加的区域面积大于显著减少的面积，表明研究区内生态环境向好的趋势发展。中游植被退化区与建设用地的范围高度重合，这些区域的植被退化归因于人类活动，包括人口快速增长、农牧业发展和城市化导致水资源的过度消耗，使得植被恢复的生态需水受到影响^［46］。

研究表明，蒸散发量、植被类型、降雨量和土地利用类型对植被覆盖空间分异的解释力要相对较强。水热条件是影响河西内陆河流域植被生长状况的主要原因，这与前人的研究一致^［47-48］。河西内陆河地区气候干燥、广布沙漠、戈壁，植被生长和恢复困难^［49］，因此自然因素仍是影响植被覆盖变化的主要驱动因子。在水资源匮乏的生态系统中，干旱区的NDVI与降水量呈正相关而与气温呈现负相关，温度上升会引起蒸散发量的增加从而加重地区内的干热化趋势，进而抑制植被生长^［50-51］。植被类型对研究区内植被NDVI的空间分异影响较强，在干旱半干旱区域内，受水资源的限制，植被类型的选择也至关重要，应有效利用有限的水资源，合理地选择植被类型。在人为影响因素中，土地利用类型占主导地位，土地覆盖变化是人类活动与自然环境之间最直接的相互作用，与人类社会经济活动的活跃程度密切相关^［52］。人类活动通过改变土地利用类型影响植被覆盖，一方面，农业活动对植被的生长发育影响较大^［53］，另一方面，城镇开发导致建设用地增加，耕地过度开垦对植被覆盖也产生了很大的影响。自2000年以来，中国实施了一系列生态修复工程，如三北防护林工程、天然林保护工程、退耕还林还草工程等^［54］，河西内陆河流域的生态环境和植被生长得到了有效的改善，植被覆盖趋于良性发展，日后仍然需要对低植被覆盖区和植被退化区进行长期的生态监测和调查，为流域生态治理和资源的合理利用提供科学依据。水资源利用是干旱区经济和生态环境可持续发展的关键，河西内陆河干旱区经济和生态环境的协调发展需要降低水资源的过度消耗，合理配置土地利用资源，改善优化植被结构与格局，促进河西内陆河流域高质量发展。

4.2　结论

2000—2020年河西内陆河流域NDVI总体呈现波动上升趋势，年增长速率为0.001，呈现西北低东南高、由东向西递减的空间分布特征。

2000—2020年流域内大部分区域植被覆盖基本不变，占比为53.82%，植被覆盖增加的区域面积占比35.27%，其中显著增加的区域占比27.04%，而显著减少和不显著减少的区域面积分别占流域总面积的2.10%和8.81%

2000—2020年河西内陆河流域NDVI变异系数为0.011~1.530，说明研究区内植被变化波动特征存在明显的空间差异，大部分地区变化稳定，低稳定性区域主要在流域中上游地区，其中石羊河流域大部分地区植被覆盖变化表现不稳定特征。

植被覆盖空间分异受自然因素和人为因素的共同影响，主导因素影响程度表现为蒸散发量（0.477）>植被类型（0.456）>降水量（0.453）>土壤类型（0.441）>土地利用类型（0.399），其中自然因素占主导地位，人为因素中土地利用类型的影响程度最高。此外，双因子之间的交互作用对植被覆盖的影响程度高于各因子的单独作用。

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]

锡林巴特

西北内陆河流域植被对降水、气温变化间的响应研究

［D］.呼和浩特：内蒙古农业大学，2022.