1982—2019年中国西南地区植被变化归因研究_马炳鑫.pdf

地 理 学 报ACTA GEOGRAPHICA SINICA第78卷 第3期2023年3月Vol.78,No.3March,202319822019年中国西南地区植被变化归因研究马炳鑫1，和彩霞1，靖娟利1,2，王永锋1，刘 兵1，何宏昌1（1.桂林理工大学测绘地理信息学院，桂林541006；2.广西空间信息与测绘重点实验室，桂林 541006）摘要：西南地区是中国重要的碳汇地区，监测植被动态及探究气候变化和人类活动对植被的影响对于深入了解碳循环机制和促进经济可持续发展至关重要。本文通过融合GIMMS NDVI和SPOT NDVI获得19822019年1 km NDVI数据，并结合多时相土地利用数据和气象数据，使用趋势分析、偏相关分析和残差趋势分析探究了西南地区人类活动和气候变化对植被动态的相对贡献。结果表明：19822019年间西南地区NDVI整体呈上升趋势，年均增速为0.0020 a1；实施退耕还林前NDVI呈下降趋势，实施后转为上升趋势。温度和降水整体对NDVI起促进作用，但存在明显的空间异质性。除中心城市外，温度对NDVI主要起促进作用；而降水对西南地区西部NDVI存在抑制作用，对东部NDVI主要起促进作用。随着气候变化和人类活动影响的区域被分离，气候变化对植被恢复的贡献从30.47%增加到60.28%，而人类活动对植被恢复的贡献从69.53%减少至39.72%。本文研究结果表明在人迹稀少的西南地区西部，人类活动对植被的影响可能会进一步下降。关键词：西南地区；NDVI；人类活动；气候变化；退耕还林DOI:10.11821/dlxb2023030131 引言IPCC综合报告指出CO2排放是导致全球气温升高的重要原因1，CO2的增温效应导致极端气候事件频发2，已经严重影响到社会稳定和生态系统安全。基于对中国生态安全的考虑，中国政府提出计划于2060年实现碳中和，而碳增汇是实现目标的决定性因素之一，增加碳汇的核心是生态功能的保护、建设和管理3。植被作为陆地生态系统的重要组成部分，在碳循环、水平衡和能量转换中均发挥重要作用4-5，因此，监测植被动态具有评估生态系统功能的作用6。受气候变化和人类活动的影响，陆地生态系统发生了显著变化7-8。以往的研究表明，北半球中纬度地区植被覆盖度总体呈增加趋势9-10，但在不同地区植被动态存在显著差异。一些研究也指出部分地区出现严重的植被退化现象11，这种变化可能是由于气候变化和人类活动的交互作用引起的9。因此，探究气候变化和人类活动对植被动态的影响机制，对于理解植被动态成因和指导政府实施生态建设计划至关重要。以往的研究表明，温度和降水是限制植被生长发育的关键气候因子12。但针对不同收稿日期：2022-07-11;修订日期：2023-02-24基金项目：国家自然科学基金项目(42161028);广西自然科学基金项目(2020GXNSFBA297160)Foundation:NationalNaturalScienceFoundationofChina,No.42161028;GuangxiNaturalScienceFoundationProgram,No.2020GXNSFBA297160作者简介：马炳鑫(1996-),男,安徽阜阳人,硕士生,主要从事环境遥感和气候变化方面研究。E-mail:通讯作者：靖娟利(1977-),女,陕西西安人,副教授,主要从事资源环境遥感方面研究。E-mail:714-728页3期马炳鑫 等：19822019年中国西南地区植被变化归因研究的生态地理分区，温度和降水对植被影响的效果和程度存在巨大差异。在干旱地区，植被生长主要受到土壤水分的限制13；而在高寒地区，温度是限制植被生长的重要因素14。在一定程度上，温度升高能加强植被的光合作用以及延长生长季等15，而降水能够提供植被生长必需的水分，促进植被的生长。需要指出的是，温度和降水对植被的作用并非是线性增强的关系，过高的温度和过量的降水造成的极端气候同样会对植被产生负面影响16-17。此外，人类活动对植被动态的影响也具有两面性。一方面，退耕还林、封山造林和天然林保护等生态工程增加了植被覆盖度18。另一方面，城市扩张、过度放牧、开垦和砍伐等活动导致了植被覆盖度下降19-20。以往的研究表明，21世纪之前，由于不合理的人类活动导致了中国部分地区出现土地退化现象21。进入21世纪以后，退耕还林工程有效的遏制了这些地区的恶化趋势22，特别是在黄土高原和南方丘陵地带23。虽然气候变化和人类活动共同影响植被动态已成为广泛共识，但对于如何量化气候变化和人类活动对植被动态的贡献仍存在一些问题。目前针对人类活动对植被动态影响的研究中，主要采用残差趋势分析法，通过建立植被与气候变量的关系，分离气候变化与人类活动对植被造成的影响，以达到量化人类活动对植被动态的贡献作用24。但这个方法仍存在一些问题，以往的研究表明，在远离人类活动区域时，人为因素对植被的影响会逐渐减弱直至消失25-26，而残差分析是基于像元尺度对人类活动的影响进行量化，这在很大程度上高估了人类活动对植被造成的影响。鉴于此，本文根据19822019年8期土地利用数据，分离出受人类活动影响的区域，这在一定程度减少了人类活动对植被动态影响的不确定性。以往有关中国植被动态的研究主要聚焦于黄土高原和青藏高原等生态脆弱区12，而针对中国西南地区的研究较少，同时仅有的研究仍存在研究时间短、研究范围小、分辨率低的问题，并且这些研究主要针对气候变化与植被动态的关系进行阐述，缺少针对人类活动对植被动态影响的评估。作为中国最大的碳汇地区27，对西南地区的研究重视程度明显存在不足，因此有必要针对西南地区开展植被动态和归因研究。鉴于此，本文以NDVI为指标，结合气温、降水和土地利用数据，采用趋势分析、偏相关分析和残差趋势分析在像元尺度探究了19822019年中国西南地区植被动态特征及其与气候变化和人类活动的关系，以期为中国植被保护和建设做出科学建议。2 数据与方法2.1 研究区概况本文以中国西南地区为研究对象（9721E11204E、2054N3419N）（图1），研究区包含3个省级行政区、1个直辖市和1个自治区。研究区地形走势为西北高，东南低，地貌复杂多样，包含山地、高原、盆地、丘陵和平原等众多地貌28，主要由西北部横断山脉、东北部四川盆地、中部云贵高原和东南部广西丘陵组成29。由于季风气候和地形因素影响，造就了研究区气候类型多样，自西向东，主要以高原气候、热带季节性雨林气候和亚热带季风气候为主。研究时段内研究区年均温度为13.52，年均降水量为1100.03 mm，温度和降水空间分布与地形相似。研究区人口分布不均，人口主要集中分布于东部地区30。2.2 数据2.2.1 NDVINDVI数据来源于GIMMS NDVI数据集（时空分辨率分别为15 d和8 km，时间跨度为1981年7月2015年12月）（https:/ecocast.arc.nasa.gov/data/pub/gimms/）和715地 理 学 报78卷SPOT NDVI数据集（时空分辨率分别为1个月和1 km，时间跨度为1998年4月2020年6月）（https:/ NDVI和SPOT NDVI进行回归处理，得到时空分辨率分别为1个月和1 km的降尺度NDVI月值数据。通过3类数据重合年份进行验证，结果表明降尺度后的NDVI数据与GIMMS NDVI在月尺度上相关性均高于0.7，与SPOT NDVI在月尺度相关性均高于0.831，满足研究需求。最后将月尺度NDVI数据采用最大值合成法获取了19822019年西南地区1 km年最大值NDVI数据。2.2.2 其他数据温度和降水数据来源于国家青藏高原科学数据中心（http:/ km，数据为NC格式32。该数据经过NC至TIFF格式转换，再使用MATLAB软件进行年际数据合成，最后经过ArcGIS软件裁剪后获取19822019年西南地区温度和降水数据。用于分离人类活动和气候变化影响区域的土地利用数据来源于资源环境科学与数据中心（https:/ TM影像，经人工目视解译生成。土地利用数据具体分为6个一级分类和25个二级分类，数据时空分辨率分别为5 a和1 km。2.3 方法2.3.1 一元线性趋势分析线性趋势分析常被用于分析变量的变化强度和趋势33。本文中，线性方程的斜率被定义为像元上NDVI的年际变化趋势。其公式如下：Slope=nNDVIii=1ni-i=1nNDVIii=1nini=1ni2-|i=1ni2（1）图1中国西南地区位置和地形空间分布Fig.1 Location and spatial distribution of topography in Southwest China7163期马炳鑫 等：19822019年中国西南地区植被变化归因研究式中：Slope表示NDVI与时间变量拟合的斜率；i表示第i年；NDVIi表示第i年像元上的NDVI值；n为总年数（在本文中n=38）。当Slope 0时，说明植被情况得到改善；反之表示植被情况恶化。2.3.2 偏相关分析本文采用偏相关分析研究温度和降水对NDVI变化的影响。当存在NDVI与双气候变量时，偏相关分析可以有效避免另一个气候变量造成的影响，获取单一气候变量对NDVI的影响程度34。其公式如下：RNDVITP=RNDVIT-RNDVIPRTP()1-R2NDVIP()1-R2TP（2）式中：T表示温度；P表示降水量；RNDVITP为消除降水影响时，NDVI与温度的偏相关系数，RNDVITP 0 表明 NDVI 与温度呈正相关，RNDVITP 0 表明 NDVI 与温度呈负相关；RNDVIT、RNDVIP和RTP分别为NDVI与温度、NDVI与降水和温度与降水的相关系数35。2.3.3 残差趋势分析本文采用残差趋势分析用以区分和量化人类活动与气候变化对NDVI造成的影响36，这种方法已广泛应用于植被动态研究中12。该方法通过建立植被指数与气候因子之间的回归方程，将人类活动对NDVI的影响（残差）看作植被动态中无法解释的变化37。由于该方法本身存在缺陷，为了降低这种干扰，本文分离出受到人类活动影响的区域，通过监测19802020年共计八期土地利用类型的变化（1980年和2020年土地利用类型数据分别代表1982和2019年土地利用类型数据），分离出研究区40年间土地类型发生改变的地区、农田和建筑区（图2），这些地区的植被变化被定义为受到人类活动和气候变化的综合影响（LCC+HA），而其他地区植被变化则由气候变化解释（LCC）38，其中LCC+HA地区占研究区总面积的61.02%，LCC地区占研究区总面积的38.98%。基于此地区以往的研究，西南地区植被变化对降水和温度变化的响应更明显39，本文采用NDVI与降水和温度之间建立回归方程，用于分析气候变化和人类活动对NDVI的相对影响。其公式如下：NDVIpre=aT+bP+c（3）NDVIres=NDVIact-NDVIpre（4）式中：T和P分别为年均温度和年降水量；NDVIpre表示为在无人为因素干预下的NDVI预测值；NDVIact为NDVI实际值；NDVIres为回归方程残差，即人类活动对NDVI造成的影响；a、b和c为回归方程常数。将NDVIpre和NDVIres进行趋势分析，得到气候变化和人类活动对NDVI变化的相对贡献。3 结果3.1 NDVI时空动态特征西南地区 NDVI 空间分布如图 3a 所示。19822019 年西南地区 NDVI 均值为0.7353，其中LCC地区NDVI均值为0.7441，LCC+HA地区NDVI均值为0.7295，两者之间相差并不明显，两种地区NDVI空间分布类似，由西北向东南延伸，逐渐增大。实施退耕还林工程前（19821999 年），西南地区 NDVI 均值为 0.7192，实施退耕还林工程后（20002019年）NDVI均值为0.7514，实施退耕还林工程后西南地区NDVI平均增加0.0322，这表明退耕还林工程对西