1975—2020年黄河“几字弯”沙漠化时空变化

doi:10.7522/j.issn.1000-694X.2024.00018

1975—2020年黄河“几字弯”沙漠化时空变化

李森^,¹, 杨宗英², 赵鸿雁¹^,³, 那仁图雅null², 安桂香⁴, 谢家丽¹, 贾晓鹏¹, 颜长珍¹

1.中国科学院西北生态环境资源研究院干旱区生态安全与可持续发展重点实验室，甘肃兰州 730000

2.阿拉善盟气象局气候生态环境评估中心，内蒙古阿拉善左旗 750300

3.中国科学院大学，北京 100049

4.甘肃省水利水电勘测设计研究院有限责任公司，甘肃兰州 730030

Spatio-temporal changes of aeolian desertification in the Jiziwan of the Yellow River from 1975 to 2020

Li Sen^,¹, Yang Zongying², Zhao Hongyan¹^,³, Narentuya ², An Guixiang⁴, Xie Jiali¹, Jia Xiaopeng¹, Yan Changzhen¹

1.Key Laboratory of Ecological Safety and Sustainable Development in Arid Lands，Northwest Institute of Eco-Environment and Resources，Chinese Academy of Sciences，Lanzhou 730000，China

2.Climate and Eco-Environment Assessment Center，Alxa League Meteorological Bureau，Alxa Left Banner 750300，Inner Mongolia，China

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

4.Gansu Water Resources and Hydropower Survey，Design and Research Institute Co. ，LTD. ，Lanzhou 730030，China

收稿日期: 2023-12-11 修回日期: 2024-01-28

基金资助:

国家自然科学基金项目.  42007430.  42271018
内蒙古自治区科技计划项目.  2021GG0400
内蒙古自治区科技成果转化专项资金项目.  2021CG0046
甘肃省自然科学基金项目.  22JR5RA077

Received: 2023-12-11 Revised: 2024-01-28

作者简介 About authors

李森（1985—），男，山东潍坊人，高级工程师，研究方向为沙漠化/绿洲化监测E-mail：lisen@lzb.ac.cn , E-mail：lisen@lzb.ac.cn

摘要

黄河“几字弯”是新时代“三北”工程防沙治沙的核心区域，是黄河中下游泥沙的主要源区，而作为新提出的荒漠化综合防治战略区域，其沙漠化发展规律和驱动因素尚不清楚。基于Landsat影像，采用面向对象与目视解译结合方法，解译了“几字弯”1975—2020年土地沙漠化数据，并定量分析沙漠化的时空变化及其驱动因素。结果表明：“几字弯”沙漠化土地变化以2000年为时间节点呈现先发展后逆转的态势，2020年的沙漠化程度已逆转到与1975年的程度相当，但沙漠化面积仅逆转到接近1990年的面积。空间格局上，1975—2000年表现为局部逆转，整体恶化；2000—2020年则为整体逆转，局部恶化，恶化区域主要在毛乌素沙地鄂托克旗中部。气候变化和人类活动共同作用主导该区域沙漠化变化，但气候变化贡献率远高于人类活动。

关键词： 沙漠化 ; 驱动力 ; 气候变化 ; 黄河“几字弯”

Abstract

The Jiziwan of the Yellow River is the core area of the Three North Projects in the modern age， which plays a significant role in supplying sediment to the middle and lower portions of the Yellow River. However， as a newly proposed comprehensive strategy region for controlling desertification， the development characteristics and driving factors of desertification in Jiziwan of the Yellow River remain unknown. Based on Landsat series images in Jiziwan of the Yellow River from 1975 to 2020， the desertification data of this study were interpreted using a combination of object-oriented and visual interpretation methods， and the spatio-temporal changes of desertification and its driving factors were quantitatively analyzed. The main conclusions are as follows：（1） Temporally， with 2000 serving as the time node， the trend of desertified land in Jiziwan of the Yellow River， began to shift initially and subsequently reversed. The extent of desertification has reversed to be comparable with that in 1975， but the desertified area has only reversed to the level of 1990. （2） Spatially， there was partial reversal but overall deterioration between 1975 and 2000， and general reversal with localized deterioration between 2000 and 2020， mostly in the middle of the Otok Banner in the Mu Us Sandy Land. （3） Changes in desertification in this region are jointly governed by climate change and human activity， but the contribution rate of climate change is substantially higher than that of human activities. The research results can provide support for combating desertification in Jiziwan of the Yellow River and the ecological protection， as well as promoting ecological conservation and high-quality development of the Yellow River.

Keywords： aeolian desertification ; driving forces ; climate change ; Jiziwan of the Yellow River

PDF (7853KB) 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

李森, 杨宗英, 赵鸿雁, 那仁图雅null, 安桂香, 谢家丽, 贾晓鹏, 颜长珍. 1975—2020年黄河“几字弯”沙漠化时空变化. 中国沙漠[J], 2024, 44(5): 13-22 doi:10.7522/j.issn.1000-694X.2024.00018

Li Sen, Yang Zongying, Zhao Hongyan, Narentuya , An Guixiang, Xie Jiali, Jia Xiaopeng, Yan Changzhen. Spatio-temporal changes of aeolian desertification in the Jiziwan of the Yellow River from 1975 to 2020. Journal of Desert Research[J], 2024, 44(5): 13-22 doi:10.7522/j.issn.1000-694X.2024.00018

0 引言

沙漠化（Aeolian Desertification）是当今世界最重要的生态环境和社会经济问题^［1-2］。全球超过25%的陆地面积、2/3的国家和近10亿人口受到沙漠化的威胁^［3-4］。沙漠化的监测与评估能够为制定沙漠化防治战略提供科学依据，因此沙漠化土地监测作为沙漠化研究的重要研究内容^［5］，具有重大的研究意义。

遥感技术的发展极大地提高了沙漠化监测能力^［6-7］。国内外利用遥感数据进行沙漠化监测研究始于20世纪70年代，但是沙漠化监测正式进入定量化阶段始于1984年^［8］，国际上以联合国粮食及农业组织（FAO）和联合国环境规划署（UNEP）发布的《荒漠化评价与制图方案》为代表^［9-10］，国内以朱震达等^［11］提出的评价指标体系为代表。此后，随着遥感数据源的丰富，研究方法日趋成熟，多尺度、多指标、长时间序列的沙漠化研究不断涌现^［12-15］，基本实现了沙漠化数据提取的快捷高效。其中，目视解译是目前沙漠化评价中使用最成熟、最广泛的技术^［16］。国家林业局组织采用目视解译方法自1994年起每5年1次对全国荒漠化、沙化土地进行监测。王涛等^［5，13］通过该方法解译1950—2010年中国北方沙漠化土地变化数据，并分析了沙漠化发展趋势。然而，该方法费时费力，已无法满足目前海量的遥感产品的数据处理需求。而面向对象自动分类与目视解译相结合方法进行沙漠化遥感监测不仅可以保证数据一致性和可比性，同时还能兼顾数据生产效率，已成为一种常用的方法^［17］。

沙漠化过程驱动力研究是沙漠化研究的另一项重要内容，正确区分和评价各驱动因子对沙漠化过程的影响是制定荒漠-绿洲生态系统可持续性管理战略的先决条件。目前，关于沙漠化过程的驱动机制研究，学术界主要有3种观点。导致现代沙漠化正逆发展的主流观点是人类活动，包括农业扩张与弃耕、生态工程、管理及政策等原因^［18-19］。但也有少数研究者认为，即便无人为投入，随着自然条件的变化，沙漠化也随之变化^［20］。此外，还有一些研究更倾向于二者兼而有之^［21-22］。然而，由于驱动沙漠化影响因素的时空异质性导致不同区域、不同时间驱动沙漠化的主导影响因子和贡献率存在差异。因此，确定沙漠化过程的驱动因素以及其贡献率仍然是一个关键性的难题。目前驱动因素定量化方法主要有回归模型法^［23］、降水利用效率、残差趋势法^［24-25］、基于NPP模型的方法^［26］、地理探测器^［27-28］、机器学习^［15］，上述方法均可以一定程度上区分自然因素和人为因素。然而以上方法在量化沙漠化驱动机制时，多数采用归一化植被指数（NDVI）作为因变量指征沙漠化过程，使用降水和气温等因子做自变量，进行回归分析^{［17，29］}。因变量和自变量选择的随意性，将无法准确量化沙漠化驱动机制，导致区域沙漠化综合防治工程实施缺乏理论支撑。

黄河“几字弯”因黄河绕行此区域的形状似弯曲环抱的“几”字而得名，泛指黄河流经的甘肃、宁夏、内蒙古、陕西、山西五省份的行政都市圈^［30］，因其区域内分布着库布其沙漠、乌兰布和沙漠、腾格里沙漠、毛乌素沙地等沙漠/沙地，是造成中国东部地区沙尘天气的重要沙源区和路径区^［31］，也是黄河中下游泥沙的主要源区^［32］，从而黄河“几字弯”成为荒漠化综合防治三大标志性战役的发起地。同时黄河“几字弯”也是黄河流域生态保护和高质量发展的重点区域。鉴于黄河“几字弯”作为新提出的战略区域，针对该区域的研究多以都市圈高质量发展为研究主题^［33-35］，尚未见关于整个研究区沙漠化演变的研究报道。因此，为兼顾黄河“几字弯”攻坚战和黄河流域生态保护和高质量发展战略需求，本研究以黄河“几字弯”为研究区，拟在已有1975、1990、2000年和2010年沙漠化数据基础上，通过面向对象结合目视解译法将数据延长至2020年，分析1975—2020年沙漠化时空演变特征，并通过逐步回归和多元回归模型量化多驱动因子与沙漠化变化的相关性，剖析其驱动机制，以期为全力打好黄河“几字弯”攻坚战顶层设计提供数据支撑和理论参考，从而支撑黄河流域生态保护和高质量发展。

1 研究区概况

“几字弯”采用黄河流域边界对黄河几字弯行政都市圈边界进行裁切而来，该区域是保障黄河流域生态保护和高质量发展重点区域，同时也是“几字弯”荒漠化防治攻坚战的核心区域。南起陕北白于山，西至贺兰山、六盘山，北到阴山，东达吕梁山余脉管涔山，属青藏高原、黄土高原、内蒙古高原过渡带，位于中国地势第二级阶梯，海拔307~3 547 m，面积为38.6万km²（图1）。研究区多为干旱、半干旱地区，气候干燥，降水量低，多年平均气温5.5~8.7 ℃，降水量170~490 mm，全年沙尘暴日数多大于10 d，扬沙日数超过20 d^［29］。黄河“几字弯”位于黄河流域中上游，是黄河流域发生沙漠化的主要区域，区域内分布着库布其沙漠、毛乌素沙地的全部和乌兰布和沙漠、腾格里沙漠的部分。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1 研究区位置

注：基于自然资源部标准地图服务网站标准地图（审图号：GS（2020）4619号）制作，底图边界无修改

Fig.1 The location of the study area

2 数据与方法

2.1　数据来源

2.1.1　遥感数据

沙漠化信息提取采用Landsat系列遥感影像为主要数据源，下载自美国地质调查局（http：//glovis.usgs.gov/）。选择影像主要包括生长季和非生长季两期数据，其中生长季影像主要选择5—9月，而非生长季主要选择11月至次年4月，且无雪、云量<5%。然后对原始数据进行波段合成、投影转换等处理。最终统一处理成投影坐标为GCS_Krasovsky_1940等积投影，分辨率为30 m，存储格式为IMG格式。

2.1.2　气象数据

本研究选取干燥度、年降水量、生长季降水量（5月至9月累计）、年平均气温、生长季平均气温（5—9月平均）、冬春季最大风速（12月至次年5月最大风速）等6个气候指标量化影响沙漠化的主导气候因素。上述气候数据均来源于国家地球系统科学数据中心（http：//www.geodata.cn）。此数据为NetCDF 数据，通过Python编程统一处理成投影坐标为GCS_Krasovsky_1940等积投影，分辨率为1 km，存储格式为IMG格式。

2.2　研究方法

2.2.1　沙漠化信息提取

由于已有1975—2010年研究区沙漠化数据^［13］，因此为保证数据的一致性和可比性，采用王涛等^［13］提出的分级标准，按流沙面积比例和植被覆盖度高低将区域沙漠化分为轻度、中度、重度和极重度沙漠化（表1）。采用面向对象随机森林与目视解译相结合的方法，在已有2010年沙漠化数据基础上进行2020年沙漠化动态更新。具体流程为利用易康（eCognition9.0）软件，将2010年沙漠化矢量数据、2010年的Landsat TM影像和2020年Landsat OLI影像导入工程，对影像数据进行多尺度分割（分割尺度为40，紧致度为0.5，形状指数为0.1，波段权重均为1）^［36］，提取每一个对象在4期影像上的各波段反射率，由各波段构成对象的多维光谱、形状、纹理特征数据库，结合基于光谱向量相似度的变化检测方法^［37］和随机森林分类法完成沙漠化程度的初步分类，再结合目视解译方法，根据先验知识校正误分类类型，得到2020年研究区30 m分辨率沙漠化数据。在此基础上，采用野外核查点和高分辨率影像随机点的专家判读样本点（1 159个样点）进行精度验证，经验证2020年沙漠化数据分类总精度达到91.5%，Kappa 系数为0.9。

表1 土地沙漠化程度分级标准

Table 1 Grading standard of land desertification degree

沙漠化程度	流沙面积比例/%	植被覆盖度/%	景观特征
轻度沙漠化	<5	>60	地表出现风蚀痕迹，固定沙丘开始活化；植被开始出现退化；有零星流沙出现
中度沙漠化	5~25	30~60	地表风蚀痕迹明显；植被退化，有叶期尚无法覆盖地表；流动面积逐渐扩大，呈现明显的沙丘形态
重度沙漠化	25~50	10~30	原始地表基本消失，风蚀强烈，流动沙丘/半流动沙丘比重较大
极重度沙漠化	>50	<10	流动沙丘/半流动沙丘占比超过一半，分布广泛；植被退化殆尽

新窗口打开| 下载CSV

2.2.2　沙漠化指数

沙漠化指数（Aeolian Desertification Index，ADI）作为量化区域沙漠化程度的指标，是一个既包含区域内沙漠化面积信息又包含沙漠化程度信息的综合性定量指标^［38-39］。采用沙漠化指数作为因变量进行沙漠化驱动因素分析要比植被指数更加准确^［39］。本研究中为了方便后期驱动因素分析，对沙漠化指数进行归一化处理，得到归一化沙漠化指数（NADI）。

NADI=（0.25S_SL+0.5S_M+0.75S_S+S_VS）/S_A（1）

式中：NADI为归一化沙漠化指数，NADI值越大，区域内沙漠化程度越强烈；S_SL、S_M、S_S和S_VS分别代表区域内轻度沙漠化、中度沙漠化、重度沙漠化和极重度沙漠化的面积；S_A代表区域的总面积。在本研究中，以1 km×1 km的网格来计算网格内的NADI值。

2.2.3　沙漠化变化轨迹分析

弦图因其可以有效识别特定时段内两两类型间转移的流量、流向，从而有效反映两两类型间相互变换的主导性和多样性，目前已在许多领域中应用^［39-40］。因此本研究利用Origin Pro软件中的弦图工具，在沙漠化类型转移矩阵的基础上，借助弦图模型的可视化功能，分析沙漠化类型之间的数量变化轨迹。

2.2.4　驱动因素分析

为量化气候变化和人类活动对沙漠化的贡献率，首先以沙漠化指数作为因变量，干燥度、年降水量、生长季降水量、年平均气温、生长季平均气温、冬春季最大风速作为自变量，采用逐步回归法筛选影响沙漠化变化的主导气候因素。然后，采用多元回归残差法区分气候变化和人类活动对沙漠化影响的空间分布^{［17，29］}。最后，利用一元线性回归趋势分析法量化气候变化和人类活动的贡献率^［41］。其中逐步回归法通过SPSS19.0实现，多元回归残差法和一元线性回归趋势分析法通过Python3.7编程实现。具体计算方法参考文献［29，41］。

3 结果与分析

3.1　沙漠化土地分布现状

2020年“几字弯”沙漠化土地主要分布在“几”字内部的毛乌素沙地、库布其沙漠和外部的乌兰布和沙漠，以轻度沙漠化和中度沙漠化为主（图2）。2020年研究区沙漠化面积9.7万km²，占黄河流域沙漠化总面积的76.3%^［39］。其中，轻度沙漠化土地2.7万km²，占研究区沙漠化面积的28.2%；中度沙漠化土地2.6万km²，占26.5%；重度沙漠化土地2.5万km²，占25.5%；极重度沙漠化土地1.9万km²，占19.8%。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2 黄河“几字弯”沙漠化现状（2020年）

注：基于自然资源部标准地图服务网站标准地图（审图号：GS（2020）4619号）制作，底图边界无修改

Fig.2 The spatial distribution of aeolian desertification in Jiziwan of the Yellow River in 2020

3.2　沙漠化时空变化特征

3.2.1　沙漠化时间变化特征

1975—2020年“几字弯”沙漠化土地变化趋势以2000年为时间节点呈现先发展后逆转的态势，整体上2020年的沙漠化指数（0.490）与1975年指数（0.485）接近，但2020年的沙漠化面积（9.7万km²）仍略大于1990年面积（9.5万km²）。从不同沙漠化程度变化趋势分析，轻度沙漠化呈先逆转后发展趋势，中度和重度沙漠化面积呈现发展趋势，而极重度沙漠化变化趋势与沙漠化总面积变化趋势一致（图3）。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3 1975—2020年黄河“几字弯”不同沙漠化面积变化

Fig.3 Area change of different aeolian desertification types in Jiziwan of the Yellow River from 1975 to 2020

1975—2000年“几字弯”沙漠化呈持续发展趋势，净增加面积15 717.0 km²，增加了18.7%，年均增速为628.7 km²。其中，极重度沙漠化面积增加最多，增加面积为13 349.1 km²，减少面积为4 348.6 km²，净增加9 000.5 km²，增加类型来自非沙漠化、轻度、中度和重度沙漠化，面积分别为3 692.3、3 113.7、3 519.2 km²和3 023.9 km²；减少面积主要逆转为重度和中度沙漠化，逆转面积为2 158.5 km²和1 230.5 km²。重度沙漠化面积增加次之，增加面积为10 563.8 km²，减少面积为5 475.6 km²，净增加5 088.2 km²，增加类型来自非沙漠化、轻度、中度和极重度沙漠化，面积分别为3 050.1、2 772.5、2 582.7 km²和2 158.5 km²；减少面积主要发展为极重度沙漠化。中度沙漠化增加面积为11 576.5 km²，减少面积为8 607.0 km²，净增加5 088.2 km²，增加类型主要来自非沙漠化和轻度沙漠化，面积分别为5 070.9 km²和4 096.7 km²；减少面积主要发展为极重度沙漠化和重度沙漠化。轻度沙漠化增加面积为9 056.4 km²，减少面积为10 397.6 km²，净减少1 341.2 km²，增加类型主要来自非沙漠化和中度沙漠化；减少面积主要发展为中度沙漠化和极重度沙漠化（图4A）。该阶段，研究区沙漠化指数急剧增加，由1975年的0.485增加到2000年的0.560，沙漠化面积扩张明显，沙漠化恶化趋势加剧（图3）。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4 1975—2000年（A）和2000—2020年（B）黄河“几字弯”不同沙漠化程度流向

Fig.4 Flow direction of different aeolian desertification types in Jiziwan of the Yellow River during 1975-2000 （A） and 2000-2020 （B）

2000—2020年“几字弯”沙漠化呈持续逆转趋势，净减少面积3 078.0 km²，减少了3.1%，年均减少153.1 km²。其中，极重度沙漠化同样呈减少趋势，减少面积为18 000.3 km²，增加面积为571.2 km²，净减少17 429.0 km²，减少类型主要逆转为重度沙漠化和中度沙漠化，逆转面积分别为10 918.2 km²和4 764.5 km²；增加的面积主要来自于重度和中度沙漠化。轻度、中度和重度沙漠化均呈现增加趋势，其中重度沙漠化净增加面积最多，为5 940.5 km²，主要来自极重度沙漠化；轻度沙漠化次之，增加面积为4 548.5 km²，主要来自中度沙漠化；中度沙漠化增加面积为3 862.0 km²，主要来自极重度沙漠化和重度沙漠化（图4B）。该阶段，研究区沙漠化处于逆转过程，沙漠化程度显著减轻，沙漠化指数由2000年的0.560降低到2020年的0.490，接近1975年沙漠化指数（0.485，图3）。

3.2.2　沙漠化空间变化特征

1975—2000年“几字弯”沙漠化变化空间格局为局部逆转，整体恶化。其中，恶化的沙漠化土地集中分布在毛乌素沙地的西北部和中南部、库布其沙漠东南部和东部、河套平原西部、乌兰布和沙漠北部；逆转的沙漠化土地零星分布在毛乌素沙地东部鄂托克前旗和鄂托克旗、库布其沙漠杭锦旗东部、宁夏河东沙地的灵武市和盐池县。2000—2020年“几字弯”沙漠化变化空间格局则表现为整体逆转，局部恶化（图5）。其中，逆转的沙漠化土地的分布区域与1975—2000年恶化的区域相似，说明1975—2000年恶化的沙漠化是2000年以来沙漠化治理的重点区；而恶化的沙漠化土地则集中分布在毛乌素沙地鄂托克旗中部。

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5 1975—2000年（A）和2000—2020年（B）黄河“几字弯”沙漠化程度时空变化

注：基于自然资源部标准地图服务网站标准地图（审图号：GS（2020）4619号）制作，底图边界无修改

Fig.5 Spatial-temporal changes of aeolian desertification types in the Jiziwan of the Yellow River during 1975-2000 （A） and 2000-2020 （B）

3.3　沙漠化驱动因素

沙漠化指数与气候因素的逐步回归显示，生长季气温和干燥度是研究区导致沙漠化的主导气候因子。基于此，以生长季气温和干燥度作为气候因子，构建多元回归模型，量化“几字弯”沙漠化过程中气候变化和人类活动因素的空间分布。

1975—2020年，“几字弯”的沙漠化逆转和发展均主要受气候变化和人类活动共同影响，分别占比为75.9%和72.9%，其次是受气候变化主导，分别为19.9%和24.0%，受人类活动主导占比最小，分别为4.1%和3.1%（图6）。空间分布上，在沙漠化逆转区，气候变化和人类活动共同影响区域分布广泛；气候变化主导影响区域主要分布在毛乌素沙地的北部和河套平原的东部；人类活动主导影响区域主要分布在毛乌素沙地的西南部。在沙漠化发展区，气候变化和人类活动共同影响区域同样分布广泛；气候变化主导影响区域主要分布在库布其沙漠西部和毛乌素沙地的西南部；人类活动主导影响区域主要分布在毛乌素沙地北部和河套平原东部。进一步区分驱动因素相对贡献率表明，气候变化是研究区沙漠化变化的主要因素，在沙漠化逆转区，气候变化和人类活动的贡献率分别为78.3%和21.7%，在沙漠化发展区，气候变化和人类活动的贡献率则分别为84.0%和16.0%。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6 黄河“几字弯” 1975—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和比例

注：基于自然资源部标准地图服务网站标准地图（审图号：GS（2020）4619号）制作，底图边界无修改

Fig.6 Spatial pattern and proportion of different driving factors in aeolian desertification reversal area （A） and development area （B） in the Jiziwan of the Yellow River from 1975 to 2020

4 讨论

以往针对黄河上游沙漠宽谷段的沙漠化研究，多是按照各个沙漠/沙地为基本研究单元，如乌兰布和沙漠^［42］、库布其沙漠^［43］和毛乌素沙地^［44］；或者按照行政区为基本单元，如阿拉善盟^［45］、鄂尔多斯市^［38］等。以上沙漠化过程研究为区域沙漠化治理提供翔实的数据基础。黄河“几字弯”作为新的战略区域，其沙漠化综合防治关系到黄河流域生态保护和高质量发展、三北工程攻坚战等国家重大战略，而该区域沙漠化时空变化和驱动机制研究的缺失不利于国家战略决策的科学化。因此，本文针对该区域沙漠化过程及驱动机制的研究可填补这一不足。

近45年来，“几字弯”沙漠化以2000年为节点呈现先发展后逆转的变化趋势，与全国沙漠化整体变化趋势保持一致^{［13，39］}。经监测，研究区沙漠化指数已经与1975年基本持平，但沙漠化面积仍高于1990年的水平，这主要是因为沙漠化发展和逆转特点差异导致。当沙漠化发展时，由于受到破坏程度不同，轻一级沙漠化类型可以发展为任何其他更重的沙漠化类型，如研究期内1975—1990年非沙漠化转变为轻度、中度、重度和极重度沙漠化的比例相差不大（图4A）；但当沙漠化逆转时，沙漠化类型主要是向较轻一级转变，如研究区2000—2020年极重度沙漠化主要逆转为重度沙漠化（图4B）。因此，未来要保持沙漠化程度和面积双逆转，在重视重度和极重度沙漠化区域治理的同时，必须在沙漠化潜在风险区和脆弱区落实必要的预防政策和措施。

植被指数是判断沙漠化程度的重要指标，常被作为因变量代替沙漠化程度进行沙漠化驱动因素分析^{［17，23］}。然而在草地灌丛化和光伏治沙区域，植被盖度变化无法准确指示沙漠化变化^［46］。因为，灌丛化过程虽提升了植被覆盖度，但却是沙漠化发展过程，而在光伏治沙区域，通过光伏治沙，区域内植被覆盖度没有变化甚至有所降低，但却是沙漠化逆转过程。沙漠化过程是植被、土壤、水分等全要素的土地退化过程^［47］。因此发展综合指标来指示沙漠化的变化及分析沙漠化驱动因素已成为重要的研究内容，其中沙漠化指数已在鄂尔多斯高原^［38］、黄河流域^［39］等沙漠化区域证实其良好的指示效果。本研究亦采用沙漠化指数来指征沙漠化程度和分析沙漠化驱动因素。然而沙漠化指数的时序计算依赖沙漠化数据的时空分辨率，所以沙漠化指数时序数据远少于植被盖度数据，这就限制了不同时段分析沙漠化驱动因素。因此高时空分辨率的沙漠化数据生产及信息挖掘将成为沙漠化研究的重要内容。

究竟是人类活动还是气候变化主导沙漠化的动态一直是学者争论的焦点也是目前沙漠化研究的热点^［48］。越来越多证据表明现代沙漠化是人类活动和气候变化共同作用的结果，且人类活动在沙漠化逆转中作用逐渐凸显^{［17，29，38，48］}，然而二者贡献率的大小研究结果却差异巨大。本研究表明人类活动对沙漠化逆转和发展的贡献率分别为21.7%和16.0%。结果与王耀宗等^［17］对宁夏河东沙区和赵鸿雁等^［29］对黄河流域的研究结果差异较大，与Cai等^［48］研究结果接近。主要原因是气候变化包括气温、降水、风速、太阳辐射、CO₂浓度等众多因子^［48］，不同因子的选择对结果解释差异明显^［46］。多数研究在对气候因子进行多元回归残差分析时直接选择降水和温度作为自变量进行分析^{［17，29］}，从而夸大了人类活动的贡献率，而本研究通过逐步回归分析采用与沙漠化程度相关性更高的干燥度和生长季气温作为自变量进行分析，因而增加了自然因素的贡献率，降低了人类活动的贡献率。未来，如何客观地筛选驱动因子并量化其对沙漠化的贡献率，降低不确定性将成为驱动机制研究的重点。

5 结论

2020年黄河“几字弯”沙漠化面积为9.7万 km²，以轻度沙漠化和中度沙漠化为主，主要分布在“几”字内部的毛乌素沙地、库布其沙漠和外部的乌兰布和沙漠。

1975—2020年黄河“几字弯”沙漠化时间变化上，以2000年为时间节点呈现先发展后逆转的态势，沙漠化程度减轻速度高于面积逆转速度；空间变化上，1975—2000年局部逆转，整体恶化，2000—2020年整体逆转，局部恶化。局部恶化区域主要分布在鄂托克旗，因此该地区将成为未来沙漠化治理的重点区域。

黄河“几字弯”沙漠化动态以气候变化和人类活动的共同驱动为主，但气候变化的贡献率高于人类活动，在沙漠化逆转区和发展区，气候变化的贡献率分别为78.3%和84.0%。

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]

Reynolds

J F

， Smith

D M S

， Lambin

E F

，et al.

Global desertification：building a science for dryland development

［J］.Science，2007，316（5826）：847-851.