2000—2024年青海省沙区植被覆盖时空变化及其驱动机制

doi:10.7522/j.issn.1000-694X.2025.00257

2000—2024年青海省沙区植被覆盖时空变化及其驱动机制

马圆圆^,¹^,², 马登科¹^,², 岳奕帆³, 康文蓉¹^,², 刘鹄¹, 周国英⁴, 赵文智^,¹

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

3.宁夏大学林业与草业学院，宁夏银川 750021

4.中国科学院西北高原生物研究所，青海西宁 810008

Spatiotemporal changes and driving mechanisms of vegetation in the sandy areas of Qinghai Province in 2000-2024

Ma Yuanyuan^,¹^,², Ma Dengke¹^,², Yue Yifan³, Kang Wenrong¹^,², Liu Hu¹, Zhou Guoying⁴, Zhao Wenzhi^,¹

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

3.College of Forestry and Prataculture，Ningxia University，Yinchuan 750021，China

4.Northwest Institute of Plateau Biology，Chinese Academy of Sciences，Xining 810008，China

通讯作者: 赵文智（E-mail： zhaowzh@lzb.ac.cn）

收稿日期: 2025-08-25 修回日期: 2025-10-21

基金资助:

国家自然科学基金项目. 42230720

2023年度青海省“昆仑英才·高端创新创业人才”计划项目

Received: 2025-08-25 Revised: 2025-10-21

作者简介 About authors

马圆圆（1998—），女，山东济南人，博士研究生，主要从事生态水文研究E-mail：mayuanyuan20@mails.ucas.ac.cn , E-mail：mayuanyuan20@mails.ucas.ac.cn

摘要

青海省沙区地处青藏高原北缘，是典型的干旱半干旱生态脆弱区，不仅承载着重要的生态屏障功能，也是防治荒漠化和维系生态平衡的关键区域，明确其植被动态变化及驱动机制，对提升生态安全和制定可持续治理策略至关重要。基于Theil-Sen+Mann-Kendall趋势检验法、Hurst指数和地理探测器方法，揭示了2000—2024年青海省沙区流动沙地、半流动沙地、半固定沙地、固定沙地、盐碱地和戈壁植被覆盖度的时空演变规律及驱动机制。结果表明：（1）2000—2024年植被覆盖度整体呈波动增加趋势，均值由0.10增至0.12，2008—2016年增长最显著（P<0.05），低覆盖区集中于盐碱地和戈壁，高覆盖区集中于西南和东南部的固定、半固定沙地。（2）约68%区域植被覆盖呈改善趋势，减少区主要位于西北部的流动沙地、盐碱地周边，三江源附近沙区植被覆盖改善最显著（P<0.05）；气候（降水、气温和风速）和土壤（土壤有机碳、土壤水分和土壤质地）各因子的联合效应（q_mean分别为0.34、0.19，P<0.001），均大于单一因子对植被覆盖的影响（q_mean分别为0.20、0.10，P<0.001）。人类活动与环境因子交互作用显著（q=0.36，P<0.001）。（3）未来65.8%区域植被相对稳定，10.1%持续改善，6.9%持续减少，固定与半固定沙地植被改善潜力和减少风险均较大，流动沙地和盐碱地植被变化平稳。应强化青海省固定及半固定沙地生态修复，通过沙障建设和植被恢复工程提升土壤稳定性；在盐碱地和戈壁地区，种植适生植物并进行土壤改良，通过优化植被结构和强化风沙侵蚀控制措施，促进生态恢复。

关键词： 青海省 ; 沙区 ; 植被覆盖度 ; 植被恢复

Abstract

Qinghai Province's desert regions， located on the northern Qinghai-Tibet Plateau， are typical arid and semi-arid ecologically fragile zones functioning as key ecological barriers. Understanding vegetation dynamics and drivers is essential for ecological security and sustainable management. Using the Theil-Sen+Mann-Kendall trend test， Hurst exponent， and geographical detector methods， this study reveals the spatiotemporal evolution patterns and driving mechanisms of vegetation cover in mobile sand， semi-mobile sand， semi-fixed sand， fixed sand， saline-alkali land， and gobi areas of the sandy areas in Qinghai Province from 2000 to 2024. The findings are as follows：（1） From 2000 to 2024， vegetation coverage showed an overall fluctuating increase， with the mean value rising from 0.10 to 0.12. The most significant increase occurred from 2008 to 2016 （P<0.05）， with low-coverage areas concentrated in saline-alkali lands and gobi， and high-coverage areas primarily in the fixed and semi-fixed sand dunes in the southwest and southeast. （2） Over 68% of the region showed an improving vegetation trend， with reduced areas mainly in the northwest， around the moving sand dunes and saline-alkali lands. The most significant improvement in vegetation was observed near Sanjiangyuan （P<0.05）. The combined effects of climate factors （precipitation， temperature， and wind speed） and soil factors （organic carbon， moisture， and texture）（q_mean = 0.34， 0.19， P<0.001） were more significant than the individual effects of each factor on vegetation （q_mean = 0.20， 0.10， P<0.001）. The interaction between human activities and environmental factors was also significant （q = 0.36， P<0.001）. （3） In the future， 65.8% of the region's vegetation will remain relatively stable， 10.1% will continue to improve， and 6.9% will continue to decrease. Fixed and semi-fixed sand dunes show significant potential for improvement， while vegetation changes in moving sand dunes and saline-alkali lands are more stable. Vegetation restoration strategies should prioritize ecological restoration in fixed and semi-fixed sandy areas， focusing on soil stabilization through sand barrier construction and vegetation restoration projects. In saline-alkali and gobi regions， appropriate plant species should be selected， and soil improvement measures should be implemented. Optimizing vegetation structure and strengthening wind and sand erosion control will promote ecological recovery.

Keywords： Qinghai Province ; sandy areas ; vegetation cover ; plant restoration

PDF (9197KB) 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

马圆圆, 马登科, 岳奕帆, 康文蓉, 刘鹄, 周国英, 赵文智. 2000—2024年青海省沙区植被覆盖时空变化及其驱动机制. 中国沙漠[J], 2026, 46(2): 288-300 doi:10.7522/j.issn.1000-694X.2025.00257

Ma Yuanyuan, Ma Dengke, Yue Yifan, Kang Wenrong, Liu Hu, Zhou Guoying, Zhao Wenzhi. Spatiotemporal changes and driving mechanisms of vegetation in the sandy areas of Qinghai Province in 2000-2024. Journal of Desert Research[J], 2026, 46(2): 288-300 doi:10.7522/j.issn.1000-694X.2025.00257

0 引言

干旱与半干旱地区是全球最为脆弱的生态系统，覆盖全球陆地面积的约41%，承载着超过20亿人的生存与发展需求^［1］。这些地区对气候变化和人类活动高度敏感，土地退化和荒漠化现象日益加剧，导致土地生产力下降、生态系统功能退化以及生物多样性锐减。根据《联合国防治荒漠化公约》（UNCCD）报告，全球约40%的土地正在经历不同程度的退化^［2］。干旱区中约5.43×10⁶ km²（12.6%）因人为气候变化与不合理土地利用而荒漠化加剧^［3］。这不仅威胁区域粮食安全和水资源供给，也通过沙尘暴、碳循环失衡等途径影响全球生态环境和气候系统，对实现可持续发展目标构成严峻挑战。

中国作为全球干旱半干旱地区分布广泛的国家之一，在荒漠化防治和生态治理方面承担着重要责任^［4］。近年来，中国积极响应国际倡议，实施“三北”防护林、退牧还草等重大生态工程^［5］，并提出碳达峰碳中和目标^［6-7］，为改善土地退化状况和提升区域生态系统服务功能提供了有力保障。青海省沙区是中国西部典型的干旱半干旱生态脆弱区，位于青藏高原北缘，也是国家生态安全格局中的重要屏障。该区域干旱少雨、风蚀强烈，土地沙化与盐碱化现象突出，植被生长条件严苛，生态环境极为脆弱^［8-9］。尽管近年来青海省沙区的植被覆盖度在气候变化和国家生态工程的共同作用下有所改善^［10］，但该区域生态环境的恢复仍面临较大压力，沙区生态系统稳定性较低，区域间植被变化存在显著空间异质性，部分区域植被仍呈现减少趋势。

植被恢复是防治荒漠化、实现生态修复的重要途径，其固沙功能对防风固沙和减少沙尘暴有关键作用^［11-12］。近年来，遥感技术的发展为大尺度、长时间序列的植被动态监测提供了有力支撑^［13］。基于遥感的植被指数（如归一化植被指数NDVI、植被覆盖度FVC）已广泛用于评估干旱半干旱区生态环境变化和荒漠化治理成效^［14-15］。国内外学者通过多源卫星数据对不同区域植被变化进行了大量研究，例如对非洲萨赫勒地区、蒙古高原及中国西北干旱区的长期植被动态和气候响应进行了系统分析^［15-17］。近年来针对青海省的研究也逐渐增多，如利用多源遥感数据监测青海湖流域、河湟河谷及部分高原沙区的植被变化特征，结果表明降水增加、潜在蒸散发减弱以及高海拔地区气温升高在一定程度上促进了植被恢复，生态工程的实施显著改善了区域植被状况^［18-20］。然而，这些研究多集中于局部流域尺度，对不同生态脆弱地表类型（如流动沙地、固定沙地、盐碱地等）的差异化响应分析不足；对多因子交互作用及空间异质性的系统量化研究相对不足，且对未来植被演变趋势的预测仍然有限。

基于此，本文以青海省沙区典型脆弱地表类型（包括流动沙地、半流动沙地、半固定沙地、固定沙地、盐碱地和戈壁）为研究对象，依托2000—2024年Landsat多源遥感数据，结合气候、土壤、地形及人类活动等多维度驱动因子，采用Theil-Sen+Mann-Kendall趋势检验法、Hurst指数预测和地理探测器方法，系统揭示青海省沙区植被覆盖度的时空演变特征，定量识别不同沙地类型植被变化的主导驱动力及其交互作用，预测未来植被演变趋势，评估生态恢复潜力，提出针对性的生态治理与植被恢复策略。研究结果将为青海省乃至类似干旱半干旱地区的荒漠化防治、生态安全建设及可持续土地利用提供科学依据和实践指导。

1 材料与方法

1.1　研究区概况

青海省是中国沙化土地面积广、类型多样且具有代表性的省区^［21］。青海省沙区主要分布于青海省西北部和中部（图1）。青海省沙化土地面积达12.4万km²，占全省总面积的17.7%；该地区沙化类型多样，涵盖沙丘、沙漠化草地和耕地，受干旱、强风和高海拔等自然条件影响，治理难度极大^［22］；过度放牧和耕作等人为活动进一步加剧了沙化进程，增加了生态恢复的难度^［23］。沙区地势西高东低、南北高中部低，地形复杂，地貌多样，沙区西北部为柴达木盆地，西南部为青南高原，东部处于青藏高原向黄土高原过渡带，沙区海拔2 573~5 368 m。2000—2024年，沙区年平均气温为-11.1~6.7 ℃，多年平均降水量小于350 mm，年平均风速为0.6~4.5 m·s^-1，盛行西北风。流经沙区的河流主要有柴达木河、格尔木河、通天河等^［24-25］。沙区主要植物物种有芦苇（Phragmites australis）、冰草（Agropyron cristatum）、白刺（Nitraria tangutorum）、柽柳（Tamarix chinensis）等（表1）。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1 青海省沙区分布示意图

注：基于自然资源部标准地图服务网站审图号GS（2019）3333号标准地图制作，底图边界无修改

Fig.1 Location of the desert areas in Qinghai Province

表1 青海省沙区主要植物物种特征

Table 1 Characteristics of major plant species in the sandy areas of Qinghai Province

植物名称	科名	属名	平均高度/cm	平均冠幅/cm	平均密度/(株·m^-2)
芦苇（Phragmites australis）	禾本科	芦苇属	49.56±2.18	22.00±1.11	19.17±0.52
冰草（Agropyron cristatum）	禾本科	冰草属	26.52±11.06	9.39±1.11	10.61±0.62
白刺（Nitraria tangutorum）	白刺科	白刺属	80.58±10.88	115.44±16.23	0.40±0.21
柽柳（Tamarix chinensis）	柽柳科	柽柳属	209.38±11.27	286.25±39.59	0.12±0.03
针茅（Stipa capillata）	禾本科	针茅属	6.46±0.53	11.96±0.18	0.98±0.49
海韭菜（Triglochin maritima）	水麦冬科	水麦冬属	10.58±5.31	11.58±0.97	15.52±3.58
红砂（Reaumuria songarica）	柽柳科	红砂属	10.58±1.08	22.53±4.15	0.54±0.08
碱蓬（Suaeda glauca）	苋科	碱蓬属	8.17±2.06	16.90±4.49	1.09±0.16
珍珠柴（Caroxylon passerinum）	苋科	珍珠柴属	8.33±0.27	25.47±2.34	1.11±0.15
合头藜（Sympegma regelii）	苋科	合头藜属	50.25±3.52	65.92±11.35	0.59±0.10
芨芨草（Neotrinia splendens）	禾本科	芨芨草属	46.18±15.83	53.04±20.47	0.12±0.04
罗布麻（Apocynum venetum）	夹竹桃科	罗布麻属	50.59±0.88	35.33±1.86	0.78±0.04
膜果麻黄（Ephedra przewalskii）	麻黄科	麻黄属	17.41±0.45	31.41±0.87	0.26±0.08
莎草（Cyperus rotundus）	莎草科	莎草属	10.56±1.76	6.33±0.58	118.61±34.80

新窗口打开| 下载CSV

1.2　数据来源及预处理

卫星影像数据。使用归一化植被指数（Normalized Difference Vegetation Index， NDVI）时间序列数据计算植被覆盖度（Fractional Vegetation Cover， FVC），时间为2000—2024年，并通过分块导出方式进行处理和分析。数据源为Landsat卫星影像，包括Landsat 5（TM）、Landsat 7（ETM+）、Landsat 8 （OLI）和Landsat 9 （OLI），分辨率为30 m，影像数据经过预处理，包括光学波段的比例因子应用、云掩膜处理以及NDVI计算。

选取植被覆盖度FVC作为植被表征指标。相较于直接使用NDVI，FVC能有效缓解裸地等非植被区域光谱反射特性所带来的干扰，从而提高植被监测与分析的准确性^［26-28］。FVC计算基于NDVI数据，并通过像元二分模型进行反演实现^［29-30］。

F V C = \frac{N D V I - N D V I_{s o i l}}{N D V I_{v e g} - N D V I_{s o i l}}

（1）

式中：NDVI来源Landsat系列影像（LT05/LE07/LC08/LC09），经大气校正与云掩膜处理后，基于红波段与近红外波段计算得到^［31-32］；NDVI_soil与NDVI_veg分别为纯裸地和纯植被像元值，通过统计区域NDVI值的累积分布，选取累计频率0.5%与99.5%所对应的NDVI值，分别作为NDVI_soil与NDVI_veg^［33］。结合自然断点法^［34］与王建华等^［35］提出的沙区植被分类标准，将FVC划分为极低覆盖度（0~0.02）、低覆盖度（0.02~0.05）、中低覆盖度（0.05~0.10）、中覆盖度（0.10~0.20）、中高覆盖度（0.20~0.50）以及高覆盖度（0.50~1.0）。

沙区分布数据。来源于国家冰川冻土沙漠科学数据中心（http：//www.nede.ac.cn/）的1∶10万沙区分布数据集。该数据集包含了青海省沙区分布的详细信息，精确描述了各类沙区的空间分布情况，覆盖了广泛的沙区类型，包括流动沙地、半流动沙地、半固定沙地、固定沙地、盐碱地和戈壁区域，以Shapefile格式提供，适用于地理信息分析^［35］。

环境因子数据。气温、降水量、潜在蒸散发、夜间灯光数据来源于国家青藏高原科学数据中心（https：//data.tpdc.ac.cn/），风速和土壤属性数据来自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/）。河流数据来自Yan等^［36］，道路数据来自OpenStreetMap（https：//www.openstreetmap.org/）。

样方调查数据。于2025年6月在青海省柴达木盆地及其周边地区随机选取26个样地，开展植被调查。每个样地的调查单元在草地区域为2 m×2 m的样方，在灌木区则为5 m×5 m，每种类型均设置3次重复。调查涵盖了植被的多个生态学指标，包括物种个数、植物高度、冠幅、盖度等。此外，结合30 m×30 m分辨率的无人机遥感数据，对研究区的植被分布和结构信息进行补充。

1.3　研究方法

1.3.1　Theil-Sen Median趋势分析和Mann-Kendall（MK）检验

利用Theil-Sen Median趋势分析和Mann-Kendall（MK）检验方法，对FVC在像元尺度上的变化趋势进行分析^［37］。Theil-Sen Median方法是一种稳健的线性趋势提取方法，通过计算所有时间点对间斜率的中位数来估算总体趋势，能有效抑制异常值影响，适用于遥感等噪声较大的时序数据；Mann-Kendall检验则用于判定趋势的统计显著性，具有非参数特性，不依赖数据分布，适合处理非正态或含缺失值的时间序列^［38］。

β_{F V C} = M e d i a n (\frac{x_{j} - x_{i}}{j - i}), \forall j > i

（2）

式中：x_i 和x_j 分别为年份i和j （i<j）同一像元的FVC值，Median为取中值函数。当 $β_{F V C}$ >0时，表示FVC呈现增长趋势，反之呈现减少趋势。Mann-Kendall检验法计算公式为：

S = \sum_{i = 1}^{n - 1} \sum_{j = i + 1}^{n} s g n (x_{j} - x_{i})

（3）

s g n (x_{j} - x_{i}) = \{\begin{matrix} 1, & x_{j} - x_{i} > 0 \\ 0, & x_{j} - x_{i} = 0 \\ - 1, & x_{j} - x_{i} < 0 \end{matrix}

（4）

式中：n为时间序列长度；sgn为符号函数。利用检验统计量Z进行趋势检验。

Z = \{\begin{matrix} \frac{S - 1}{\sqrt[]{v a r (S)}} & (S > 0) \\ 0 & (S = 0) \\ \frac{S + 1}{\sqrt[]{v a r (S)}} & (S < 0) \end{matrix}

（5）

v a r (S) = \frac{n (n - 1) (2 n + 5)}{18}

（6）

采用双边趋势法进行检验：在显著性水平α=0.05下，标准正态分布的临界值为Z_1-α/2=1.96。当|Z|≤1.96时，接受原假设，趋势不显著；当|Z|>1.96时，拒绝原假设，表明趋势在95%置信水平下显著。根据袁丽华等^［39］、刘洋等^［40］和邓兴耀等^［41］的研究，本文对FVC变化特征的划分标准如下（表2）： $β_{F V C}$ ≥0.0005区域为改善区， $β_{F V C}$ <-0.0005区域为减少区，介于-0.0005和0.0005区域为稳定不变区；同时，结合Mann-Kendall检验，将结果分为显著变化（Z>1.96或Z<-1.96）和不显著变化（-1.96≤Z≤1.96），并生成基于像元尺度的FVC变化趋势图。

表2 FVC变化趋势分类

Table 2 Classification of FVC trend variations

$β_{F V C}$	\|Z\|	FVC变化趋势
≥0.0005	>1.96	明显改善
≥0.0005	≤1.96	轻微改善
-0.0005~0.0005	≤1.96	稳定不变
<-0.0005	≤1.96	轻微减少
<-0.0005	>1.96	严重减少

新窗口打开| 下载CSV

1.3.2　Hurst指数

Hurst指数（H）是衡量时间序列长期相关性的经典参数，能够揭示序列是趋于持续、反转还是随机波动^［42］。Hurst指数的取值（0，1）。当H>0.5时，表明序列具有正相关性，即未来变化趋势大概率会延续当前的变化方向，FVC趋势具有持续性；当H<0.5时，序列表现为负相关性，未来变化趋势更可能与当前相反，即表现出反持续性；当H≈0.5时，序列近似随机游走，变化趋势不具有确定方向性，具体公式见刘宪锋等^［43］。结合前人研究^［44］，将Theil-Sen Median趋势分析与Hurst指数相结合，分析FVC未来变化趋势（表3）。该方法有助于更准确地识别植被覆盖变化的长期趋势，并能够揭示可能出现的改善或退化模式，包括持续性改善、反持续性改善（减少）、相对稳定、反持续性减少（改善）和持续性减少。其中，反持续性改善（减少）指虽然某一段时间内植被覆盖有改善趋势，但在其他时期减少，即在短期内有所改善，但整体趋势仍表现为减少；反持续性减少（改善）指植被覆盖在一段时间内呈现减少趋势，但在未来时间内逐渐改善，即虽然存在短期的减少，但整体趋势仍表现为改善。

表3 FVC未来变化趋势分类

Table 3 Classification of future FVC trend variations

$β_{F V C}$	Hurst指数	FVC未来变化趋势
≥0.0005	0.5~1	持续性改善
≥0.0005	0~0.5	反持续性改善（减少）
-0.0005~0.0005	≈0.5	相对稳定
<-0.0005	0~0.5	反持续性减少（改善）
<-0.0005	0.5~1	持续性减少

新窗口打开| 下载CSV

1.3.3　地理探测器

地理探测器被用于探测空间分异性及其驱动因素，核心思想是自变量与因变量的空间分布应呈现相似性^［45］。主要优点是能够处理大规模空间数据并且不依赖于传统的线性假设，适用于各种类型的空间数据分析。本文利用因子探测和交互探测，分析气温、降水量、风速、潜在蒸散发、距河道距离、高程、坡度、坡向、土壤质地、土壤含水量、土壤有机碳、土壤总氮、土壤pH、土壤电导率、夜间灯光和距道路距离16个因子对研究区植被覆盖度空间异质性的解释程度。

2 结果与分析

2.1　植被覆盖时空变化趋势

2000—2024年青海省沙区各类生态脆弱地表类型（包括流动沙地、半流动沙地、半固定沙地、固定沙地、盐碱地和戈壁）整体植被覆盖度（FVC）呈波动上升趋势（图2），平均FVC由2000年的0.10增加至2024年的0.12，其中，2008—2016年FVC逐年持续增加，改善趋势最为显著（P<0.05），2016年达到FVC最高值0.121（图3A）。不同FVC等级面积占比存在明显差异，其中小于0.02的极低覆盖区域面积占比最大，为31.76%，主要分布于青海西北部的盐碱地和戈壁带；FVC处于0.02~0.05的区域占比为21.81%，集中分布于盐碱地和流动沙地区域；FVC为0.10~0.50及大于0.50的区域合计占比17.94%，分布于青海西南部和东南部的半固定沙地和固定沙地（图2）。不同类型地表的FVC均值差异明显（图3B），其中固定沙地的多年平均FVC值最高，为0.24；其次为半固定沙地和流动沙地，平均FVC分别为0.22和0.17，反映出沙地稳定性越高，植被覆盖状况越好。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2 2000—2024年青海省沙区植被覆盖度（FVC）空间分布

Fig.2 Spatial distribution of vegetation cover （FVC） in the desert areas of Qinghai Province from 2000 to 2024

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3 2000—2024年青海省沙区植被覆盖度（FVC）时间变化趋势

Fig.3 Temporal variation trend of vegetation cover （FVC） in the desert areas of Qinghai Province from 2000 to 2024

2.2　植被覆盖变化特征

2000—2024年，青海省沙区各类生态脆弱地表类型FVC变化趋势总体以改善为主，轻微改善和明显改善区域在空间上广泛分布（>68%），集中于东部区域固定、半固定沙地（图4）。FVC减少区域主要分布于西北部流动沙地、盐碱地周边，表现为轻微减少和严重减少。在典型区域中，柴达木盆地中部流动沙地和湖泊附近FVC呈现轻微减少（图4），严重减少区域集中在部分盐碱地或人类干扰强烈区域，表明局地生态系统仍较为脆弱；三江源的沙区植被则以明显改善为主，植被覆盖度提升显著，而减少区域分散于戈壁和河流下游；植被明显改善区域集中分布于东部半固定沙地。整体上，戈壁、固定沙地及半固定沙地的FVC改善比例较高，改善区域占比分别达到78.4%、75.7%和75.1%，而盐碱地植被改善区域占比较低（59%）、减少区域占比高（6.2%），仍面临较高的减少风险（图5）。综合来看，青海省各类生态脆弱地表植被覆盖状况整体向好，但区域间差异显著，生态系统恢复仍面临一定挑战。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4 2000—2024年青海省沙区植被减少与改善分布

Fig.4 Distribution of vegetation reduction and improvement in the desert areas of Qinghai Province from 2000 to 2024

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5 2000—2024年青海省沙区植被变化占比分布

Fig.5 Proportional distribution of vegetation changes in the desert areas of Qinghai Province from 2000 to 2024

2.3　植被覆盖度变化的驱动因子

基于地理探测器分析结果（图6，表4），2000—2024年植被覆盖度（FVC）的变化受多因子协同驱动。气候因子对FVC的解释力最强，降水量为主导驱动因子（q=0.326，P<0.001），气温和潜在蒸散发也具有显著影响（q分别为0.151和0.153，P<0.001）。气候因素的交互作用，尤其是降水量、气温与风速的联合效应（q_mean=0.34，P<0.001）显著大于单一因子的影响（q_mean=0.20，P<0.001），表明气候因子之间的相互作用在FVC变化中起到了更为显著的作用。土壤含水量对FVC的变化影响显著（q=0.166，P<0.001），土壤有机碳、土壤含水量和土壤质地的交互作用（q_mean=0.19，P<0.001）大于单一因子的影响（q_mean=0.10，P<0.001），凸显了土壤因子对FVC的综合影响。水文因子中，距河道距离对FVC的影响较弱（q=0.096，P<0.001）。地形因子中，高程对FVC影响显著（q=0.205，P<0.001），且与降水量（q=0.41，P<0.001）、土壤总氮（q=0.37，P<0.001）和坡向（q=0.32，P<0.001）的交互作用显著。在人类活动因子中，距道路距离对FVC影响显著（q=0.141，P<0.001），且与降水量的交互作用较强（q=0.36，P<0.001），表明距离道路较远且降水较多的区域植被覆盖度较高，强调了人类活动与环境因子交互作用的重要性。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6 2000—2024年FVC影响因子交互探测热力图

Fig.6 Heatmap of interaction detection of factors influencing FVC from 2000 to 2024

表4 基于地理探测器的2000—2024年FVC驱动因子结果

Table 4 Results of FVC driving factors based on the Geodetector method from 2000 to 2024

因子类型	地理因子	解释力q	显著性P
气候	气温	0.151	<0.001
	降水量	0.326	<0.001
	风速	0.127	<0.001
	潜在蒸散发	0.153	<0.001
水文	距河道距离	0.096	<0.001
地形	高程	0.205	<0.001
	坡度	0.049	<0.001
	坡向	0.094	<0.001
土壤	土壤质地	0.036	<0.001
	土壤含水量	0.166	<0.001
	土壤有机碳	0.089	<0.001
	土壤总氮	0.078	<0.001
	土壤pH	0.084	<0.001
	土壤电导率	0.022	<0.05
人类活动	夜间灯光	0.004	>0.05
人类活动	距道路距离	0.141	<0.001

新窗口打开| 下载CSV

2.4　植被覆盖未来演变趋势

结合FVC变化趋势与Hurst指数，以评估青海各类生态脆弱地表类型植被覆盖的未来演变趋势（图7）。结果表明，研究区大部分植被变化以相对稳定趋势为主，占总面积的65.8%，表明该区域大部分植被覆盖度在未来将保持基本稳定。其次为反持续性减少（改善）和持续性改善类型，分别占13.5%和10.1%，主要分布于柴达木盆地边缘及东南部，表现出一定的生态恢复潜力。其中，反持续性减少（改善）指植被覆盖虽然存在短期的减少，但整体趋势仍表现为改善。持续性减少和反持续性改善（减少）分别占比6.9%和3.7%，前者为持续性下降的状态，后者表示虽然某一段时间内植被覆盖有改善趋势，但整体趋势仍表现为减少，表明该类地区植被减少风险较高。从不同地表类型分析来看，固定沙地和半固定沙地中持续性改善类型的比例相对较高，分别为20.2%和24.1%，但同时也面临较大的植被减少压力。其中，固定沙地中持续性减少和反持续性改善（减少）的占比分别达到17.5%和12.4%，明显高于其他地貌类型，反映出其生态脆弱性较强。而流动沙地与盐碱地则以相对稳定为主，分别占83.9%和79.4%，表明该类地表类型的植被覆盖变化波动较小，未来变化趋势较为平稳。

图7

新窗口打开| 下载原图ZIP| 生成PPT

图7 青海省沙区植被未来变化趋势

Fig.7 Future vegetation change trends in the desert areas of Qinghai Province

3 讨论

3.1　青海沙区植被覆盖度变化的驱动机制

青海省沙区2000—2024年的植被覆盖度（FVC）整体呈现波动上升趋势，但不同地表类型的植被变化存在显著差异，固定沙地与半固定沙地具有较高的生态恢复潜力，流动沙地和盐碱地尽管也呈现一定的植被改善趋势，但植被减少趋势占比相对较高。此差异主要受制于区域降水格局（q=0.326，P<0.001）、土壤水分特性（q=0.166，P<0.001）、地形条件（q>0.20，P<0.001）和人类活动（q=0.141，P<0.001）。降水量是沙区植被恢复的关键因素，降水量的增加显著促进了植被生长，为植物提供了必要的水分供应，增强了生态恢复能力^［46-47］。在2012—2016年，随着降水量增加，固定沙地与半固定沙地的植被覆盖度均显著改善。与流动沙地相比，固定沙地与半固定沙地的土壤结构较为稳定，具备较强持水能力和较高土壤有机质含量，为植被生长提供了一定的物质基础^［48］。尽管流动沙地和盐碱地植被有一定程度的改善，但这些区域的植被减少占比相对较高，仍受水分短缺及土壤退化的制约。流动沙地土壤的高渗透性和不稳定性导致水分迅速流失，难以为植物根系提供持久水分支持，限制了植被生长^［49］。盐碱地则因盐分积聚导致土壤渗透压升高，根系难以有效吸水，同时土壤低渗透性限制了水分向根系的有效供应，阻碍了根系发育，从而限制了植被恢复潜力^［50-51］。此外，地形因子中，高程对植被的影响尤为突出（q=0.205，P<0.001），并且与降水的交互作用显著（q=0.41，P<0.001）。在较高海拔地区，由于气温较低和降水较为充沛，植被覆盖相对较高；而在低海拔地区，由于较为干旱，水分缺乏，植被恢复潜力较低^［52-53］。高程与土壤总氮含量的交互作用也较高（q=0.37，P<0.001），海拔较高且土壤氮含量高的区域植被覆盖度高，较高的土壤氮含量通常能促进植物的生长、提高植被盖度^［54］。坡向（q=0.32，P<0.001）、坡度（q=0.27，P<0.001）与高程的交互作用决定了水分积累、温度波动和太阳辐射的空间分布，进而影响植物的生长条件和生态适应性^［55］。在较高海拔区域，阳坡能够接受更多太阳辐射，倾斜的坡面能够更好地利用水分和热量，从而促进特定植被类型的生长^［55-56］。人类活动同样对植被变化产生了重要影响。在过去的几十年里，青海省沙区部分地区通过生态工程（如人工植被恢复、沙漠化防治等）改善了生态环境^{［10，57］}，尤其是在固定沙地和半固定沙地，取得了一定的生态恢复成效^［58］。然而，人类活动（如过度开发和不合理的土地利用）仍然是流动沙地和盐碱地退化的主要因素^［58］。城市化扩张、道路网络扩展破坏植被生境，引发土壤侵蚀加剧、近地表风速增强及水分流失等连锁反应，进一步抑制了这些区域的生态恢复功能^{［19，59-60］}。此外，人类活动导致的水资源过度开发、耕地开垦及土地荒漠化的加剧^［59-60］，进一步削弱了这些地区的生态恢复能力。

3.2　青海沙区植被恢复的策略与潜在挑战

基于本研究中对青海沙区各类生态脆弱地表类型植被覆盖未来变化趋势的评估结果，青海沙区的植被恢复面临着多重挑战与机遇。总体上，大部分区域的植被变化呈相对稳定趋势（占比65.8%），表明未来植被覆盖度将维持基本稳定。但仍有部分地区呈现持续性减少和反持续性改善（减少）趋势（分别为6.9%和3.7%），这些区域的生态恢复面临较高风险，亟须进一步关注与干预。因此，制定科学合理的恢复策略、实施针对性的干预措施是实现沙区生态可持续发展的关键^［61-62］。

固定沙地和半固定沙地作为沙区的重要生态类型，其恢复具有复杂性和挑战性。虽然大部分地区未来表现为持续性改善，但由于其处于生态恢复的脆弱临界点，受人类活动和气候变化等干扰影响较大^［60］，也有较高比例的区域未来呈现持续减少的趋势（固定沙地17.5%，半固定沙地11.5%）。因此，这些地区的恢复策略应加强沙障建设和植被恢复工程（表5），提高土壤有机质含量与水分保持能力，优化植被结构，并减少人为活动带来的负面影响^［63］。尤其是半固定沙地，应在其边缘地带加强植被恢复，通过人工干预和生态工程加快恢复速度，同时根据地形特征进行土壤改良和水资源优化配置，以降低植被减少的风险^［63-64］。流动沙地和盐碱地由于植被稀少且处于退化序列的底端，植被未来变化波动较小^［65-66］，主要表现为相对稳定（分别为83.9%和79.4%）。尽管这些区域在短期内没有显著变化，但长期来看，这些地区仍需更加积极的生态恢复措施，以应对未来可能出现的环境变化和人类活动的影响。在流动沙地，重点应放在加固沙障、植被恢复以及水源管理上，确保土壤稳定和水分供应^［67］。对于盐碱地，建议结合盐碱地改良技术（如化学修复和生物修复）降低土壤盐分，选用耐盐植物进行种植，提高土壤透水性和保水能力，进而恢复植被生长^［65］。对于半流动沙地，其水分流失和土壤侵蚀的风险较高，恢复策略应加强水土保持与植被恢复，尤其在较为脆弱的边缘地带；通过建设风障、增加灌溉水源、改善土壤肥力，可以有效提升植被恢复速度，并提高其抵抗风沙侵蚀的能力^［66］。戈壁地区因其干旱、盐碱性较强，植被恢复的难度较大，通过选择适应戈壁环境的耐旱、耐盐植物^［68］，结合适当的水源管理和生态保护措施，仍有一定的恢复潜力。

表5 青海沙区不同生态脆弱地表类型恢复策略

Table 5 Restoration strategies for different ecologically fragile surface types in the desert areas of Qinghai

生态脆弱地表类型	恢复策略	主要措施
流动沙地	强化沙地固定，增强水分管理	①生物固沙（种植固沙植物）与工程措施（沙障等）相结合 ②适当建设水源保障系统
半流动沙地	保护现有植被，强化水土保持	①加强风沙侵蚀控制措施，如修建风障、植被恢复②实施水土保持技术，保持水源和土壤水分
半固定沙地	提升植被多样性，恢复土壤肥力	①种植本土耐旱、耐盐植物，增强植被覆盖度 ②改良土壤结构，增加土壤有机质含量
固定沙地	稳定现有植被，增强固沙能力	①扩大本土植物种植，尤其是深根植物，以增强土壤稳定性 ②加强沙障建设与沙丘固沙，减少风沙侵蚀
盐碱地	改良土壤，种植适生植物	①采用盐碱地改良技术（如生物修复、化学修复等），降低土壤盐分②种植适生植物
戈壁	增强土壤结构，提升生物多样性	①引入适应戈壁环境的耐旱、耐碱植物种类 ②加强生态恢复，特别是水土保持和固沙技术的应用

新窗口打开| 下载CSV

此外，根据植物群落调查结果（图8），青海沙区现有植被群落呈现出以白草（Pennisetum flaccidum）、披碱草（Elymus dahuricus）、银灰旋花（Convolvulus ammannii）和芦苇（Phragmites australis）等数量占优的草本植物为主，同时伴生少量高大乔木或灌木类物种，如柽柳（Tamarix chinensis）、梭梭（Haloxylon ammodendron）。虽然乔木的整体数量较低，但其较大的高度和冠幅在防风固沙和改善局部微环境中起到关键作用^［69-70］。因此，在制定植被恢复策略时，应合理配置群落结构，结合数量优势物种与功能性灌木、乔木物种，实现草本快速覆盖与木本长期稳固的互补效应。针对减少或潜在减少区域，应优先选择耐旱、耐盐碱的先锋物种（如白草、披碱草）进行早期恢复，同时在生态条件改善后引入防护性强的柽柳、梭梭等木本植物，优化群落垂直结构和生物多样性，从而提升生态系统的稳定性和恢复能力。尽管本研究为青海沙区的植被恢复提供了初步的策略框架，但仍存在一定的局限性。由于数据的时空限制，某些区域的长期监测数据不足，且缺乏对研究结果的验证，未来的研究需要加强对这些区域的动态评估和长期监测，以进一步验证和调整恢复策略。此外，随着气候变化和人类活动的持续影响，恢复策略需要进一步优化和调整，因此未来研究还应关注不同气候情景下的生态恢复模拟，以及跨区域协同恢复策略的制定。

图8

新窗口打开| 下载原图ZIP| 生成PPT

图8 青海省沙区主要植物种类特征

Fig.8 Characteristics of major plant species in desert areas of Qinghai Province

4 结论

2000—2024年青海省沙区植被覆盖度（FVC）呈波动增加趋势（由0.10增至0.12），其中2008—2016年FVC增长最为显著（P<0.05）。不同FVC等级面积占比差异明显，低于0.02的区域面积最大，主要分布在盐碱地和戈壁带，高FVC区域集中于青海西南部和东南部的固定、半固定沙地。

青海省沙区植被约68%以上区域呈现改善趋势，集中分布于固定、半固定沙地。植被减少区域主要位于西北部的流动沙地、盐碱地。三江源沙区FVC以明显改善为主。戈壁、固定沙地及半固定沙地的FVC改善显著，改善区域占比分别为78.4%、75.7%和75.1%。

青海沙区FVC的变化受多种因素的协同驱动。气候因子（降水量、气温和风速）和土壤因子（土壤有机碳、土壤含水量和土壤质地）的联合效应，均大于单一因子的影响。高程与降水量、土壤总氮和坡向的交互作用以及人类活动与环境因子交互作用均显著（P<0.001）。

青海省沙区大部分区域（65.8%）植被未来演变趋于相对稳定，约10.1%区域呈持续性改善，而6.9%区域呈持续性减少趋势。固定沙地和半固定沙地植被改善潜力和减少压力均较大，流动沙地和盐碱地植被变化平稳。为进一步促进植被改善，建议加强对固定沙地和半固定沙地的生态恢复，重点加强沙障建设和植被恢复工程，减少人为干扰；盐碱地和戈壁可种植适生植物，通过合理配置植被结构、土壤改良等手段进行生态修复。

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]

Schlaepfer

D R

， Bradford

J B

， Lauenroth

W K

，et al.

Climate change reduces extent of temperate drylands and intensifies drought in deep soils

［J］.Nature Communications，2017，8（1）：14196.