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, 2025, 45(2): 275-283 doi: 10.7522/j.issn.1000-694X.2025.00015

2000—2020年干旱梯度下西北干旱半干旱区植被突变及归因

钟诗瑶,, 李传华,, 乔鹏飞

西北师范大学 地理与环境科学学院，甘肃 兰州 730070

Vegetation abrupt changes and attribution in the arid and semi-arid regions of Northwest China under aridity gradients from 2000 to 2020

Zhong Shiyao,, Li Chuanhua,, Qiao Pengfei

College of Geography and Environmental Science，Northwest Normal University，Lanzhou 730070，China

通讯作者: 李传华（E-mail： lch_nwnu@126.com）

收稿日期: 2025-01-03   修回日期: 2025-02-03  

基金资助: 国家自然科学基金项目.  42161058

Received: 2025-01-03   Revised: 2025-02-03  

作者简介 About authors

钟诗瑶（1999—），女，浙江温州人，硕士研究生，主要研究方向为生态遥感与GISE-mail：zsy984792043@163.com , E-mail：zsy984792043@163.com

摘要

干旱区及干旱梯度下植被突变及其驱动因素的研究尚不充分，研究植被突变及其影响因子对科学制定旱地生态系统管理政策具有重要意义。基于2000—2020年增强型植被指数（EVI）序列数据，采用多模型轨迹诊断方法探测西北干旱半干旱区植被突变，通过阈值参数判断植被突变方向，并使用偏最小二乘结构方程模型（PLS-SEM）进行归因分析。结果表明：西北干旱半干旱区有21.99%区域的植被发生突变，其中正向突变占78.28%，负向突变占21.72%；极端干旱与干旱区正向突变率最高，半湿润区负向突变率最高。人口足迹和降水量是导致植被正向和负向突变的主要驱动因素。半湿润区、半干旱区和干旱与极端干旱区植被突变的主要因子分别是温度、降水和人类活动；随着干旱梯度增加，人口足迹对突变的贡献度显著增加，降水的贡献呈先增加后减少趋势。

关键词： 植被突变 ; 结构方程模型 ; 驱动因子 ; 人类活动

Abstract

The research on vegetation abrupt changes and their driving factors in arid regions and along aridity gradients is still insufficient. Studying vegetation abrupt changes and their influencing factors is of significant importance for the scientific formulation of dryland ecosystem management policies. This study uses the enhanced vegetation index （EVI） sequence data of China from 2000 to 2020 to detect vegetation abrupt changes by employing a multi-model trajectory diagnosis method. The direction of vegetation abrupt changes is determined based on threshold parameters， and attribution analysis is conducted using the partial least squares structural equation modeling （PLS-SEM）. The results indicate that 21.99% of the vegetation in the arid and semi-arid regions of Northwest China experienced abrupt changes， with 78.28% being positive and 21.72% negative. The highest rates of positive abrupt changes were observed in hyper-arid and arid zones， while the highest rate of negative abrupt changes was found in semi-humid zones. Population footprint and precipitation were identified as the primary driving factors for both positive and negative vegetation abrupt changes. The main factors contributing to vegetation abrupt changes in semi-humid， semi-arid， and arid to hyper-arid zones are temperature， precipitation， and human activities， respectively. As the aridity gradient increases， the contribution of population footprint to abrupt changes significantly rises， while the contribution of precipitation shows an initial increase followed by a decrease.

Keywords： vegetation abrupt change ; structural equation modeling ; driving factors ; human activities

PDF (6661KB) 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

钟诗瑶, 李传华, 乔鹏飞. 2000—2020年干旱梯度下西北干旱半干旱区植被突变及归因. 中国沙漠[J], 2025, 45(2): 275-283 doi:10.7522/j.issn.1000-694X.2025.00015

Zhong Shiyao, Li Chuanhua, Qiao Pengfei. Vegetation abrupt changes and attribution in the arid and semi-arid regions of Northwest China under aridity gradients from 2000 to 2020. Journal of Desert Research[J], 2025, 45(2): 275-283 doi:10.7522/j.issn.1000-694X.2025.00015

0 引言

干旱半干旱区的生态环境极其脆弱，对全球气候变化高度敏感［1］。近几十年来，人口增长和快速城镇化对全国生态系统造成了巨大压力［2］，导致生态服务功能显著退化［3］。尽管如此，人类活动通过改变土地利用，能够直接影响旱地生态系统的植被覆盖率，并对土壤有机碳产生了重要影响［4］。土壤有机碳的快速转变又会导致植被结构和组成的改变［5］。此外，全球气候变化引发的长期干旱和短期强降雨，对植被生长产生了不同程度的影响。长期干旱通常导致生物生产力难以逆转的下降，而强降雨虽可能缓解短期生长压力［6］，但也可能引发土壤水分剧烈波动，影响植物稳定生存［7］。与此同时，气温的快速波动加剧了这些问题，导致植物生长季节和物种分布的变化。尽管某些植物能够适应温度的变化，但剧烈的气候变动可能超出许多物种的适应极限［8］。因此，植被对人口和气候的急剧变化可能做出强烈反应，其反应形式可能是非线性或曲线型，甚至具有突发性。这使得研究植被突变尤为重要，以便深入探讨和验证这些变化的机制。

全球范围内，约四分之一的旱地植被经历了显著的突变，同时揭示了气候变异性和人类活动在植被突变中扮演的关键角色［9］。中国黄土高原29%的区域发生了突变，温度上升和人口增长对植被突变有显著贡献［10］。这表明干旱区植被突变的驱动机制在全球和区域尺度并不一致，因此，西北干旱半干旱区植被突变是一个较为迫切的科学问题。同时，干旱梯度下的植被突变特征和驱动机制尚未得到充分探讨。

在识别植被突变时，传统的单一突变检测方法通常难以全面捕捉植被变化的复杂性。为此，本研究采用了基于阈值回归模型的多模型轨迹诊断方法。尽管机器学习方法在植被突变分析中应用广泛，但其解释能力有限［11］。相比之下，偏最小二乘结构方程模型（Partial Least Squares Structural Equation Modeling， PLS-SEM）可以提供更高的解释性，能够深入探讨多变量间的因果关系，并揭示单一或多因素共同驱动植被突变的机制［12］。在植被突变研究中，增强型植被指数（Enhanced Vegetation Index， EVI）相比归一化差异植被指数（Normalized Difference Vegetation Index， NDVI）和核归一化差异植被指数（Kernel Normalized Difference Vegetation Index， kNDVI）具有明显优势，能够有效减少大气散射和土壤背景的干扰［13］。因此，本研究结合多模型轨迹诊断方法和PLS-SEM，利用EVI数据，揭示西北干旱半干旱区及不同干旱梯度下的植被突变特征及其驱动因素。

西北干旱半干旱区约占中国国土面积的三分之一，植被和气候类型多样，气候变化空间异质性显著，人类活动影响非常剧烈。本研究以西北干旱半干旱区为研究区，分析植被突变现象，揭示植被突变背后的驱动机制。本研究以EVI为植被指征，并采用多模型轨迹诊断方法中的阶跃模型探测植被突变区域，通过阈值参数判断植被突变的方向，最后基于PLS-SEM探究植被突变的驱动机制。本研究的科学问题有：在西北干旱半干旱区，植被突变的整体情况及其主要影响因子是什么？在不同干旱梯度下，植被突变的主要影响因子是否一致？

1 数据与方法

1.1　研究区域

西北干旱半干旱区位于32°—47°N、65°—130°E。该地区主要为温带大陆性气候，降水稀少，平均年降水量为200~400 mm，自东向西逐渐减少；年均温为5~15 ℃，该区蒸发作用强烈，平均年蒸发量800~3 200 mm，显著高于降雨量，导致水资源严重短缺［14］，自东向西表现为显著的干旱梯度分布。依据联合国环境规划署（UNEP）的气候分类办法［15］，采用干旱指数（AI=Pre/PET，其中Pre代表年降水量，PET代表年潜在蒸散发量）可将该区域细分为极端干旱、干旱、半干旱和半湿润4个亚区（图1A）［16］。受气候条件制约，区域植被覆盖度普遍较低。2020年土地利用数据显示，草地（33.53%）和裸地（52.89%）是主要土地利用类型，其次为农田（6.95%）、森林（2.39%）、灌木（0.90%）、水体及冰雪用地（2.95%）和城市用地（0.39%，图1B）。该区域的经济活动主要依赖于农业和畜牧业［17］。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1   西北干旱半干旱区干旱梯度（A）和土地利用类型（B）

Fig.1   Aridity gradients （A） and land use type （B） of the semi-arid and arid region in Northwest China


1.2　数据

1.2.1　植被指数数据

增强型植被指数（Enhanced Vegetation Index，EVI）是反映旱区植被覆盖程度的重要指标［13］。源于MOD13A3数据集的逐月EVI栅格数据（https：//www.earthdata.nasa.gov）［18］。该数据集从2000年2月至2020年12月，分辨率为1 km，通过最大值合成法将月数据合成为年栅格数据。

1.2.2　气候数据

降水数据和温度数据来源于国家青藏高原科学数据中心的中国1 km分辨率数据集（https：//data.tpdc.ac.cn/zh-hans/data）（1901—2021）［19-20］。

干燥度指数（Aridity Index，AI）定义为年降水量（Precipitation，P）与年潜在蒸散发量（Potential Evapotranspiration，PET）之比［15］。中国逐年干燥度指数来源于国家青藏高原科学数据中心的中国1 km干燥度数据集（1901—2022）［21］。

1.2.3　土壤数据

土壤有机碳和土壤含水量数据来源于ISRIC数据中心（https：//www.isric.org），空间分辨率为1 km。为了简化分析，本研究对7个标准深度的土壤测量值进行算术平均，将各土壤指标整合为单一栅格数据层。

1.2.4　人口足迹数据

人口足迹是一个综合性指标，用于衡量人类对自然资源的消耗和对环境的影响。源于全球陆地人口足迹年度数据集（2000—2020年）（https：//www.x-mol.com/groups/li_xuecao/news/48145）［22］，该数据反映了人类在8个方面对环境的压力，包括建筑环境、人口密度、夜间灯光、农田、牧场、公路、铁路、通航水道等变量［23］，空间分辨率为1 km。

1.2.5　土地利用数据

土地利用数据基于中国年度土地覆盖数据集（2000—2020年），分辨率为30 m，分类精度约为80%［24］，采用优势聚类法将数据重采样至1 km分辨率。

1.3　方法

本研究的整体思路如下：首先识别出研究区的植被正向和负向突变点，再使用PLS-SEM模型探测驱动因素的重要性。并且在不同的干旱梯度下分别建模，分析干旱梯度下植被突变主要影响因子的变化。

1.3.1　植被突变的识别

植被突变通常由于环境压力或者环境长期持续的变化达到了某个阈值，与非突变的渐进式响应不同，突变具有不连续性和阈值效应［25］。在研究区随机选择25 000个样点，并逐点提取2000—2020年的植被指数序列。为保证样点的空间分布均衡，设定了最小距离阈值，避免样点在区域内聚集。其中时间序列完整的样点为24 164个，去除湿润区后最终有效的样点为24 079个。通过多模型轨迹诊断方法中的阶跃模型将植被指数的变化分为突变和非突变从而识别出突变区域［26］。根据阶跃模型的阈值参数，将植被突变分为正向突变（阈值为正数）和负向突变（阈值为负数）。

使用R语言“chngpt”包中的阶跃模型（Step）定义植被的突变，并用“glm” 的formula参数定义非突变。在多模型轨迹诊断方法中，使用Akaike信息准则（Akaike Information Criterion， AIC）评估模型对数据的拟合程度和模型复杂度，通常选择AIC最小的模型。同时，本研究采用自举方法降低轨迹分类的不确定性，将每个回归迭代100次［9］。此外，为了排除极端异常情况，忽略了发生在轨迹开始或结束3年内的突变点［9］。

1.3.2　偏最小二乘结构方程模型（PLS-SEM）

本研究采用PLS-SEM分析植被生态系统中多变量之间的因果关系，以及直接和间接关系，并计算其直接、间接和总效应［27］。基于当前全球旱地突变的研究［26］，本研究选择了土壤因素（如土壤含水量和有机碳）、气候因素（包括降水、温度和干燥度指数），以及人口足迹等6个因子作为植被突变的影响因子。在此基础上，构建了一个PLS-SEM模型框架，并将时间作为随机效应纳入其中［28］。

2 结果

2.1　植被的突变

2.1.1　整体情况

2000—2020年西北干旱半干旱区约1/5（21.99%）的地区经历了植被的突变，共有5 295个点发生突变。其中，78.28%（4 145个点）为正向突变，而21.72%（1 150个点）为负向突变，正向突变占绝大部分。

在西北干旱半干旱区，植被突变主要集中在西南部地区，呈现出西多东少的分布特征。正向突变主要分布在河西走廊和塔里木盆地的边缘，主要土地利用类型为裸地、农田和草原。负向突变集中分布在天山山脉和内蒙古高原西部，主要土地利用类型包括裸地、森林和草原。值得注意的是，负向突变多集中于干旱亚区的交界地带，如极端干旱和干旱区的交界处，即塔里木盆地南缘和祁连山脉，以及半干旱和半湿润区的交界处，即黄土高原和天山山脉（图2）。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2   植被突变空间格局

Fig.2   Spatial pattern of vegetation abrupt breakpoint


2.1.2　干旱梯度下的植被突变情况

各干旱亚区的突变率指各干旱亚区内植被突变点数与该区域总样点数的比例。正向突变率随干旱程度的降低而减少。在极端干旱和干旱区，正向突变率最高，分别达到23.57%和21.87%。负向突变率在从极端干旱到半干旱区的转变过程中也表现出随干旱程度降低而减少的趋势；然而，在半湿润区域中，负向突变率最高，达到9.69%（图3A）。在不同土地利用类型中，农田和城市用地的正向突变率最高，而裸地和森林的负向突变率最高（图3B）。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3   不同干旱梯度（A）和不同土地利用类型（B）下的植被突变率

Fig.3   Abrupt rates of positive and negative abrupt in different aridity gradients （A） different land uses （B）


2.2　植被突变的影响因子
2.2.1　整体分析

在正向突变的影响因子中，人口足迹的影响最为显著，其效应为0.51。同时，降水量对正向突变也有重要影响，其总效应为0.32，直接效应相对较弱，仅为0.02，间接效应为0.30。负向突变的影响因子中，降水量是主要影响因子，其总效应为0.69，直接效应为0.34，间接效应为0.35。人口足迹在负向突变中同样发挥了重要作用，其效应为0.26（图4）。总体而言，降水量和人口足迹在正向和负向突变中都起到关键作用。正向变化中，人口足迹的作用更为关键；负向变化中，降水量的作用则更加显著。除此之外，干燥度指数和土壤含水量等水分指数对正向和负向突变都有重要作用。正向和负向突变的影响因子重要性是基于不同的样点估算，对比可以发现，两者的影响因子排序具有较好的对称性，这说明了人类活动和水分可用性是该区域植被突变（包括正向和负向）的重要因子。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4   正向和负向突变的结构方程模型

注：图A和图B中，各个矩形代表不同的变量，箭头体现了变量之间的相互关系。正效应为绿色线条，负效应则为红色线条。线条的粗细程度反映了标准化路径系数的大小，颜色的深浅程度指示统计显著性，其中深色代表显著性水平在P<0.05，而浅色则标示为统计上不显著。在图C中，间接效应描述的是气温和降水通过其他因子产生的影响，总效应为直接效应和间接效应之和。图5和图6含义相同

Fig.4   Structural equation models of positive and negative abrupt


2.2.2　干旱梯度下植被突变的影响因子

在极端干旱区（图5A）和干旱区（图5B），人口足迹是正向突变的主要影响因子，其效应分别为0.49和0.50。在半干旱区（图5C），土壤含水量为主要影响因子，其效应为0.52。在半湿润区（图5D），温度的影响最为显著，其总效应为0.65，直接效应为0.67，间接效应为-0.02。随着干旱梯度增加，人口足迹的影响逐渐增强（图5E），降水呈现先增后减的趋势。

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5   干旱梯度下正向突变的驱动因子变化

Fig.5   Changes in driving factors of positive abrupt across aridity gradients


在极端干旱区（图6A）和干旱区（图6B），人口足迹是负向突变的主要影响因子，其效应分别为0.55和0.43。在半干旱区（图6C），降水量是主要影响因子，其总效应为0.52，直接效应为0.27，间接效应为0.25。在半湿润区（图6D），温度为主要影响因子，其总效益为0.60，直接效应为0.54，间接效应为0.06。值得注意的是，除半湿润区外，温度的间接效应均为负，抵消了其直接影响的正贡献。随着干旱梯度增加，人口足迹的影响同样呈现出增强的趋势。此外，降水呈现显著的先增后减的趋势，其中半干旱区降水总效益明显增加（图6E）。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6   干旱梯度下负向突变的驱动因子变化

Fig.6   Changes in driving factors of negative abrupt across aridity gradients


3 讨论

3.1　西北干旱半干旱区1/5的植被发生突变

自2000年以来，全球旱地生态系统中植被突变现象越来越普遍［29］。在西北干旱半干旱区，约21.99%的植被经历了突变，这一比例与全球旱地的突变水平（23.60%）基本持平，说明了西北干旱半干旱区与全球可能经历着相同的情景。该区域植被突变的主要影响因子是人类活动与水分可利用性，这与李卓忆等［30］所指出的植被变化影响因子一致。正向突变则约占突变的3/4，虽然突变可能暗示生态系统存在某种不稳定性，但也反映了整体生态环境的改善。正向突变多发生在人类活动较密集的区域，主要土地利用类型为耕地和草地，这与人类在该地区的水资源分配［31］和草原养育工程［32］有关。然而，耕地对水资源的优先使用可能会占用生态用水，加剧植被的水分压力［33］，导致旱地生态系统发生负向突变，因此，科学的水资源管理对该地区的生态环境保护至关重要。负向突变只占1/4，但识别出负向突变的生态退化区，并采取相应的措施缓解非常关键。半湿润区的负向突变率最高，这可能是快速的增温导致的，增温导致蒸散发增加限制植物生长［34］。在干旱亚类交界区域也分布着负向突变点，主要原因是降水不稳定以及人类的扰动［35］。

3.2　干旱梯度下的突变驱动因子的变化规律

4个干旱亚区植被突变的主要驱动因子各不相同，随着干旱梯度增加，主要因子分别是温度、降水和人类活动，这反映了植被突变机制的复杂性。半湿润区主要分布在东北部，该地对水分变化较为敏感，增温引起蒸散发增加导致水分胁迫加剧，限制植被生长［36］。半干旱区植被主要受降水的影响［37］，该地降水量减少且不稳定［38］，加剧了对降水的依赖性。干旱和极端干旱区域由于气候环境恶劣，自然植被稀少且对干旱条件具有较强的适应性［39］，植被的变化主要受人类活动控制［40］，如放牧、草地围栏养育以及灌溉耕地等。人口足迹和降水是全区范围内植被突变的主要驱动因子，但随着干旱梯度的增加，人口足迹的贡献度显著增加，降水的贡献呈先增加后减少趋势。因此，在全球变暖背景下，增温对半湿润区部分地区的植被可能存在负向突变的影响，而半干旱区需要采取应对水分胁迫的措施，在干旱与极端干旱区域需要科学合理安排人类活动的项目与强度，促进可持续发展。

4 结论

2000—2020年西北干旱半干旱区约有1/5的植被发生了突变，其中3/4的突变表现为正向突变。正向突变主要在极端干旱和干旱区，而负向突变则多发生在半湿润区。人口足迹和降水量是该区域植被突变的主要影响因子，随着干旱梯度增加，人口足迹的贡献度显著增加，降水的贡献呈先增加后减少趋势，这个结论与越干旱水分越重要的印象不同。从半湿润区到极端干旱区，植被突变的主要因子分别是温度、降水和人类活动，因此，在全球变暖背景下，需要科学制定增温对半湿润区植被、水分胁迫对半干旱区植被、人类活动对干旱与极端干旱区的植被的缓解政策，促进区域可持续发展。本研究揭示了西北干旱半干旱区植被突变的情况，为理解环境和人类活动对旱地生态系统的影响提供了新视角，对制定更加精确的生态政策具有一定的指导价值。

参考文献

Fraser E， Dougill A， Klaus H，et al.

Assessing vulnerability to climate change in dryland livelihood systems：conceptual challenges and interdisciplinary solutions

［J］.Ecology and Society，2011，16（3）：1-12.

[本文引用: 1]

刘晓圆.

城镇化进程中的生态环境问题及对策研究

［D］.秦皇岛：燕山大学，2014.

[本文引用: 1]

郑诚蔚，邓晓红，李宗省，等.

甘肃省河西地区水源涵养功能与人类活动强度演变

［J］.中国沙漠，2024，44（1）：189-200.

[本文引用: 1]

闫丽娟，李广，吴江琪，等.

黄土高原4种典型植被对土壤活性有机碳及土壤碳库的影响

［J］.生态学报，39（15）：5546-5554.

[本文引用: 1]

Foley J A， Defries R， Asner G P，et al.

Global consequences of land use

［J］.Science，2005，309（5734）：570-574.

[本文引用: 1]

Knapp A K， Beier C， Briske D D，et al.

Consequences of more extreme precipitation regimes for terrestrial ecosystems

［J］.BioScience，2008，58（9）：811-821.

[本文引用: 1]

Reichstein M， Bahn M， Ciais P，et al.

Climate extremes and the carbon cycle

［J］.Nature，2013，500（7462）：287-295.

[本文引用: 1]

Jump A S， Peñuelas J.

Running to stand still：adaptation and the response of plants to rapid climate change

［J］.Ecology Letters，2005，8（9）：1010-1020.

[本文引用: 1]

Berdugo M， Gaitán J J， Delgado-Baquerizo M，et al.

Prevalence and drivers of abrupt vegetation shifts in global drylands

［J］.Proceedings of the National Academy of Sciences，2022，119（43）：e2123393119.

[本文引用: 3]

Wang Z， Fu B， Wu X，et al.

Distinguishing trajectories and drivers of vegetated ecosystems in China's Loess Plateau

［J］.Earth's Future，2024，12（2）：e2023EF003769.

[本文引用: 1]

Sagi O， Rokach L.

Approximating XGBoost with an interpretable decision tree

［J］.Information Sciences，2021，572：522-542.

[本文引用: 1]

Hair J， Hult G T M， Ringle C，et al.A Primer on Partial Least Squares Structural Equation Modeling（PLS-SEM）［M］.Thousand Oaks，USA：Sage，2022.

[本文引用: 1]

Huete A， Didan K， Miura T，et al.

Overview of the radiometric and biophysical performance of the MODIS vegetation indices

［J］.Remote Sensing of Environment，2002，83（1）：195-213.

[本文引用: 2]

Wei W， Guo Z， Shi P，et al.

Spatiotemporal changes of land desertification sensitivity in northwest China from 2000 to 2017

［J］.Journal of Geographical Sciences，2021，31（1）：46-68.

[本文引用: 1]

Zomer R J， Xu J， Trabucco A.

Version 3 of the global aridity index and potential evapotranspiration database

［DS］.Sci Data，2022，9（1）：409.

[本文引用: 2]

刘伟琦，马绍休，宫毓来，等.

农业干旱业务化监测研究进展与展望

［J］.中国沙漠，2023，43（1）：197-211.

[本文引用: 1]

Glantz M H.Desertification：Environmental Degradation in and around Arid Lands［M］. Boca Raton，USA：CRC Press，2019.

[本文引用: 1]

Didan K.

MODIS/Terra Vegetation Indices Monthly L3 Global 1km SIN Grid V006，NASA EOSDIS Land Processes DAAC

［DS］.2015..

[本文引用: 1]

彭守璋.

中国1 km分辨率逐月平均气温数据集（1901-2023）

［DS］.国家青藏高原科学数据中心，2024.

[本文引用: 1]

彭守璋.

中国1 km分辨率逐月降水量数据集（1901-2023）

［DS］.国家青藏高原科学数据中心，2024.

[本文引用: 1]

彭守璋.

中国1 km逐年干燥度数据集（1901-2023）

［DS］.国家青藏高原科学数据中心，2024.

[本文引用: 1]

Mu H， Li X， Wen Y，et al.

A global record of annual terrestrial human footprint dataset from 2000 to 2018

［DS］.Sci Data，2022，9（1）：176.

[本文引用: 1]

Sanderson E W， Jaiteh M， Levy M A，et al.

The human footprint and the last of the wild：the human footprint is a global map of human influence on the land surface，which suggests that human beings are stewards of nature，whether we like it or not

［J］.BioScience，2002，52（10）：891-904.

[本文引用: 1]

Yang J， Huang X.

The 30 m annual land cover dataset and its dynamics in China from 1990 to 2019

［J］.Earth System Science Data，2021，13（8）：3907-3925.

[本文引用: 1]

Scheffer M， Carpenter S， Foley J A，et al.

Catastrophic shifts in ecosystems

［J］.Nature，2001，413（6856）：591-596.

[本文引用: 1]

Akaike H.

A new look at the statistical model identification

［J］.IEEE Transactions on Automatic Control，1974，19（6）：716-723.

[本文引用: 2]

Deng Y， Wang S， Bai X，et al.

Vegetation greening intensified soil drying in some semi-arid and arid areas of the world

［J］.Agricultural and Forest Meteorology，2020，292/293：108103.

[本文引用: 1]

Li S P， Jia P， Fan S Y，et al.

Functional traits explain the consistent resistance of biodiversity to plant invasion under nitrogen enrichment

［J］.Ecology Letters，2021，25（4）：778-789.

[本文引用: 1]

Zhong X， Li J， Wang J，et al.

Linear and nonlinear characteristics of long-term NDVI using trend analysis：a case study of Lancang-Mekong River Basin

［J］.Remote Sensing，2022，14（24）：6271.

[本文引用: 1]

李卓忆，杨庆，马柱国，等.

中国北方干旱半干旱区植被对气候变化和人类活动的响应

［J］.大气科学，2024，48（3）：859-874.

[本文引用: 1]

中国水利水电科学研究院.

西北地区水资源合理开发利用与生态环境保护研究

［J］.中国水利，2001（5）：9-11.

[本文引用: 1]

Liu K， Shao X.

Grassland ecological management and utilization for sustainability

［J］.Agronomy，2024，14（1）：14010149.

[本文引用: 1]

Padowski J， Gorelick S.

Global analysis of urban surface water supply vulnerability

［J］.Environmental Research Letters，2014，9：104004.

[本文引用: 1]

Piao S， Ciais P， Huang Y，et al.

The impacts of climate change on water resources and agriculture in China

［J］.Nature，2010，467（7311）：43-51.

[本文引用: 1]

Huang J， Yu H， Guan X，et al.

Accelerated dryland expansion under climate change

［J］.Nature Climate Change，2016，6（2）：166-171.

[本文引用: 1]

Zhao M， Running S W.

Drought-induced reduction in global terrestrial net primary production from 2000 through 2009

［J］.Science，2010，329（5994）：940-943.

[本文引用: 1]

李京忠，辛振华，谢潇，等.

半干旱区植被覆盖时空变化特征及其对气候变化的响应：以锡林郭勒盟为例

［J］.应用生态学报，2024，35（1）：80-86.

[本文引用: 1]

朱飙，张强，李春华，等.

我国干旱半干旱区气候变化特征及其对干湿波动的影响

［J］.大气科学学报，2023，46（1）：42-54.

[本文引用: 1]

赵雅静，翁伯琦，王义祥，等.

植物对干旱胁迫的生理生态响应及其研究进展

［J］.福建稻麦科技，2009，27（2）：6.

[本文引用: 1]

Zhang Z， Xia F， Yang D，et al.

Spatiotemporal characteristics in ecosystem service value and its interaction with human activities in Xinjiang，China

［J］.Ecological Indicators，2020，110：105826.

[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: