2000年～2013年甘南州植被覆盖变化的驱动力研究

张卓，孙建国，汪秀泽，韩惠，张仲荣

（1.兰州交通大学测绘与地理信息学院，兰州730070；2.甘肃省地理国情监测工程实验室，兰州730070；3.61287部队，成都610036）

2000年～2013年甘南州植被覆盖变化的驱动力研究

张卓1，2，3，孙建国1，2，汪秀泽1，2，韩惠1，2，张仲荣1

（1.兰州交通大学测绘与地理信息学院，兰州730070；2.甘肃省地理国情监测工程实验室，兰州730070；3.61287部队，成都610036）

针对RESTREND方法在植被覆盖变化研究中应用的局限性，使用孙建国等提出的改进残差趋势法分析了2000年～2013年甘南州植被覆盖变化的驱动力。同时，通过实验对该方法进行验证。方法包括两步：①使用去趋势回归模型分离气候和非气候的作用；②通过外业调查获取一定数量的人类活动强度稳定的像元，基于这些像元上的非气候作用估算所有像元上的大气施肥效应，进而得到人类活动的作用。结果表明，在约占全区面积45%的植被显著增强区，气候变化、大气施肥和人类活动的贡献率约为54%、101%和－55%；在约占全区面积22%的植被显著减弱区，气候变化、大气施肥和人类活动的贡献率约为－21%、－130%和251%。

RESTREND；植被覆盖变化；大气施肥；气候变化；人类活动；甘南州

0 引 言

植被覆盖的高低能够指示生态系统结构和功能的优劣。植被指数（VI）常被作为研究植被覆盖及其变化的代理指标，其中又以归一化植被指数NDVI应用最为广泛［1］。NDVI能很好地反映植被覆盖、生物量及生态系统参数的变化。众多学者通过分析卫星获取的NDVI时间序列数据集研究了植被覆盖变化的基本特征，但是，对于自然和人为两种作用的贡献率至今尚未形成公认有效的区分方法［2－4］。

Evans and Geerken提出，逐像元建立植被响应气候的线性回归模型［5－6］，然后分别以预测值和残差值（实际值与预测值之差）随年份的变化趋势来表达自然（气候）和人为因素的独立作用。该方法常被简称为残差趋势法（RESTREND）。RESTREND原理简单易于操作，现已被广泛应用。然而，该方法存在局限性，主要有两个方面：其一，没有考虑气候以外的其他自然因素，尤其是大气施肥效应。很多研究结果表明：近年来植被活动的增强与大气施肥效应有着紧密联系［7］。其二，该方法存在混淆气候和非气候作用的内在风险。相关研究表明，对于气候变化趋势性较强的情况，至少将有一部分非气候作用被错误识别为气候所致［8－10］。

针对上述两个缺陷，孙建国等提出了RESTREND的一个改进方案（简称为MRT），并在黄土高原西北部进行了应用研究［11］。本研究旨在基于MODIS NDVI和气象观测记录，利用MRT评估气候变化、大气施肥和人类活动在2000年～2013年甘南州植被覆盖变化过程中的独立作用，同时验证MRT在高寒区域的适应性。

1 研究区和数据

1.1 研究区概况

甘南藏族自治州位于中国甘肃省西南部，位于100°46′E～104°44′E，33°06′N～36°10′N之间，地处青藏高原东北边缘，南与四川阿坝州相连，西南与青海黄南州、果洛州接壤，东面和北部与本省陇南、定西、临夏毗邻，面积4.5万km2。处于青藏高原和黄土高原过渡地带，地势西北部高，东南部低，境内海拔1100m～4900m，大部分地区在3000m以上。全州分3个自然类型区，南部为岷迭山区，群峦叠嶂，山大沟深，气候比较温和，是全省重要林区之一；东部为丘陵山地，高寒阴湿，农林牧兼营；西北部为广阔的草甸草原，是全省主要牧区。气候属典型的大陆性季风气候，光照充足，热量垂直差异大，雨热同期。年平均气温1℃～3℃，自东南向西北随海拔升高而降低。年降水量400mm～800mm，受季风影响而南多北少［12－13］。

1.2 数据准备

本研究所使用的MODIS数据，下载自http：／／ladsweb.nascom.nasa.gov。包括空间分辨率为1km，时间分辨率为1月，2000年至2013年每年8月的影像数据和空间分辨率为250m，时间分辨率为16天的2000年至2013年每年8月的MODIS NDVI数据。数据已经过几何精纠正、辐射校正、大气校正等预处理，且对250m8月的上旬和下旬数据采用最大值合成（MVC）算法进一步减小了云、大气、太阳高度角等的影响［14］。对1km的数据做了如下处理：取每年8月的NDVI值代表年植被覆盖状态，记为V，计算V平均值，记为¯V。计算V的线性变化量，记为ΔV。此外，还计算了ΔV和¯V的比值，即变化率，记为RC。

使用的气候数据为1999年～2013年研究区及周边22个地面气象观测站的月降水量和月平均气温记录，来源于http：／／cdc.cma.gov.cn。在ANUSPLIN4.0软件中对降水和气温记录进行空间内插生成1km空间分辨率的月值栅格数据集。该处理过程中使用了SRTM 数字高程模型（DEM）。

2 MRT方法

2.1 分离气候和非气候的作用

按照RESTREND原理，可用下面的回归方程逐像元模拟植被对气候的年际响应［5－6，15］：

式中，SumP和SumT分别为与V相关系数最大的前期累积降水和累积气温；a、b为系数；c是常数项，V为V的模拟值。由式（1）可得V，其残差ε＝V－V。V和ε在研究期的线性变化量分别用于表达气候和非气候的作用（记为ΔVcli和ΔVno＿cli）。

值得指出的是，由于降水和气温对植被的影响有一定滞后，确定时滞长度是建立植被响应气候模型的重要基础。本研究通过计算和比较8月的NDVI值及前期不同月数累积降水和累积气温的相关系数大小，逐像元确定降水和气温的最佳累积月数。

为了去除RESTREND对气候和非气候作用的混淆，采用去趋势回归来代替上述常规回归［11］。首先，对V、SumP和SumT进行去趋势处理，结果分别记为V′、SumP′和SumT′。去趋势的方法是，用以年份对变量进行一元线性回归的残差值加上该变量的均值。然后，利用V′、SumP′和SumT′确定式（1）的a、b和c。最后，将未去趋势的SumP和SumT代入已确定了a、b和c的式（1），得到V及其相应的ε。

2.2 分离大气施肥和人类活动的作用

近年来不少研究证明，大气CO2浓度升高能够明显促进干旱半干旱区植被光合作用、提高植被生产力。然而，由于大气CO2浓度变化的趋势性极强而年际波动很小，目前仍没有一种行之有效的办法来区分大气施肥对植被覆盖的作用。孙建国等人提出，通过地面调查获取人类活动强度稳定像元（以下简称SIHAs），SIHAs上的ΔVno＿cli即单纯的大气施肥作用（记为ΔVatm）。本研究针对SIHAs建立利用¯V拟合ΔVno＿cli的一元一次的回归方程，根据方程系数就可以由¯V图层计算ΔVatm图层：

式中，ΔVno＿cli代表模拟的ΔVno＿cli；b0为常数项；b1为系数。对类似甘南州的很多区域而言，获取足够数量的1km SIHAs比较困难。既然MODIS提供了250m的NDVI，因此可以调查确认250m SIHAs并用于确定式（2）中的b0和b1。需要特别指出的是，必须使用2.1节中的去趋势回归方法计算250mSIHAs的ΔVno＿cli。最后，将系数b0和b1代入1km的栅格中计算ΔVno＿cli和ΔVatm，从ΔVno＿cli中扣除ΔVatm的剩余部分被视为人类活动的作用成分（记为ΔVhum）。

3 分析结果

3.1 植被覆盖的现状与变化

了解植被覆盖的现状与变化是分析不同因子驱动作用的基础。图1表示植被覆盖的现状与变化。图1（a）是2000年～2013年甘南州¯V的空间分布。可以看出，其中低值像元较少，主要分布在夏河县北部、迭部县北边以及舟曲县东部。另外，集中于玛曲县中部的阿尼玛卿山周围，该区域平均海拔在5900m以上，常年积雪基本没有植被。图1（b）是ΔV的空间分布。由图可见，这一时期研究区植被覆盖整体呈上升趋势，甘南州的东部和北部区域较之西部上升趋势更加明显。夏河县北部、临潭县以及舟曲县东部植被明显增强，玛曲县和碌曲县的零星地区植被下降。图1（c）是RC的空间分布。对比图1（b）和图1（c），两者所呈现的植被变化空间格局非常相似，同时与图1（a）比较发现，图1（b）和图1（c）的高值像元值对应图1（a）的低值植被覆盖区。图1（c）更加强调植被稀疏区的植被变化，即在植被稀疏区，植被覆盖变化率更加明显。经统计，研究区¯V和ΔV的平均值分别为0.74和0.016，RC为2.5%。

3.2 3种作用引起的植被覆盖变化率

考虑到相对变化（变化率）在反映植被稀疏区植被变化生态意义方面的优势，即在低值植被覆盖区，某一种驱动力引起的植被覆盖变化率大，就说明该驱动力对植被覆盖作用较大。本节计算了大气施肥、气候变化和人类活动引起的植被覆盖变化率，即ΔVatm、ΔVcli和ΔVhum与¯V的比值，分别记为RCatm、RCcli和RChum。RCatm是5%左右，可以认为没有空间差异，故不给出其空间分布图。图2是两种作用引起的植被覆盖变化率的空间分布。可以看出，RCcli与RC的空间格局差别相当大。特别是在同一区域上图1（c）中夏河县的正高值像元在图2（a）中显示为负低值像元。此外，RCcli的大部分负高值区也不是RC负高值区。在阿尼玛卿山周围分布有一些RCcli正高值像元对应图1（c）的正值区域，说明高寒草地的植被覆盖的增加与气候驱动力正相关。这一结论与其他学者研究结果一致，例如王兮之等［16］探讨了2000年～2010年玛曲县植被覆盖度与降水量和气温之间的响应关系，得出降水和气温对植被覆盖生长成正相关关系。图2（b）是RChum的空间分布。相比RCcli而言，RChum与RC的空间格局有相当好的相似性，这直观地显示出人为因素控制着2000年～2013年甘南州植被覆盖变化的空间格局。

然而，就研究区平均而言，RCcli为2%，RCatm为5%，RChum则为－4.6%。大气施肥对植被的作用高于气候对植被的作用，而人类作用为破坏作用不容忽视，甘南州植被的增长是气候和／或大气施肥正向作用的结果。为了进一步区分3种作用，结合植被覆盖变化的方向和显著性来分析各因子的贡献率和相互抑制（见3.3节和3.4节）。

3.3 3种作用在植被覆盖显著变化区的贡献率

为了分析单因子的相对作用（贡献率），将所有像元划分为3类：RC大于2%为植被覆盖显著升高，小于－2%为显著降低，－2%（2%为无显著变化。统计显示，3类像元分别占像元总数的45%、33%和22%。对于植被覆盖变化显著上升区和显著下降区，计算大气施肥、气候变化和人类活动的贡献率（记为Catm、Ccli和Chum，分别为ΔVatm、ΔVcli、ΔVhum占ΔV的百分比）。

图1 植被覆盖的现状与变化

图2 两种作用引起的植被覆盖变化率

图3 是植被显著升高区3种作用贡献率的空间分布。表1是3种作用贡献率的分级统计。结合图3和表1可以发现：Catm以取值＞50%的像元占绝大多数，取值0～50%的像元数量居其次，没有负值；Ccli以取值＞50%的像元占45%，取值0～50%的像元占39%，取值＜0的像元占15%，取值＜－50%的像元较少；Chum空间分布格局比较复杂，则以取值＜0的像元占64%，取值＞0的像元数量占36%，且负高值像元即人类破坏作用较大的区域主要集中在玛曲县、碌曲县和夏河县的草场。这一结论与其他学者研究的结论基本一致。例如王莺等［11］利用根冠比和干物质转碳率来估算甘南州草地NPP（净初级生产力），制作了甘南州2006年～2008年NPP空间变化图，通过对甘南气象、草地畜牧业等统计资料的分析表明得出超载过牧和降水等气象因素是甘南州以畜牧业生产为主的玛曲县、碌曲县和夏河县的草场NPP减少严重的主要原因。而气候因素是促进了植被生长与上述结论不一样，原因可能是气候因素内考虑了气温的影响，也可能是研究期长度不同。正高值像元主要集中在夏河县北部和舟曲县东部，从3幅图中看出，这两块区域内大气施肥和人类活动对植被作用较为显著，而气候作用较弱。另外，图3（a）和图3（b）空间分布正好相反，表明在植被显著上升区气候和人类活动对植被影响的作用相反。

图3 3种作用在植被覆盖显著升高区的贡献率

经统计Catm、Ccli和Chum的平均值分别为101%、54%和－55%。因此，就全境范围来看，2000年～2013年甘南州的植被覆盖显著升高是人类活动的负向作用与气候变化和／或大气施肥的正向作用共同作用的结果。

图4是植被显著减弱区3种作用贡献率的空间分布。为了便于对比，图4中使用与图3相同的分级和设色方案。表2是3种作用贡献率的分级统计。结合图4和表2可以发现：Catm取值都是＜0；Ccli以取值＞0的像元占43%，取值－50%～0的像元占28%，取值＜－100%的像元占29%；Chum空间分布格局比较复杂，则以取值＜0的像元占0.5%，取值0～100%的像元数量占4.5%，取值大＞1的像元数量占95%。从3幅图中看出在植被显著减弱区人类活动是制约甘南州植被生长的主要因素。

图4 3种作用在植被覆盖显著减弱区的贡献率

经统计Catm、Ccli和Chum的平均值分别为－130%、－21%和251%。与显著增强区得出的结果一致，气候与大气施肥对植被覆盖为正向作用，而人类活动为负向作用。总之，植被覆盖的显著减弱区在整体看完全是人类活动破坏所致。

3.4 3种驱动力在植被覆盖无显著变化区的相互抑制

对于植被覆盖无显著变化区，利用一定的规则判断是否存在显著的气候或者人类作用但因方向相反而互相抑制甚至抵消的现象。表3为所使用的判断规则，以及每种类型的特征描述和像元数目。可以看出，Ⅱ类区域面积最大，共9528个像元，约占植被覆盖无显著变化区总像元数（10141）的约94%，Ⅳ类共555个像元，占总像元数的6%，其他两类无像元。Ⅱ类区域的特征是人类活动的负向作用显著，但被气候变化和／或大气施肥的正向作用所抑制。结果表明在植被覆盖无显著变化区，大部分植被覆盖无变化的区域是人类活动的破坏作用和气候变化和／或大气施肥的正向作用相互抵消造成的结果；极少部分区域是气候作用为负向而人类活动和／或大气施肥的正向作用的结果。

表1 植被覆盖显著升高区3种作用贡献率的分级统计／像元数

表2 植被覆盖显著减弱区3种作用贡献率的分级统计／像元数

表3 植被覆盖无显著变化区3种作用相互抵消的判断规则、特征描述和像元数量

4 讨 论

MRT的优点之一是，使用去趋势回归代替以往的常规回归从而避免了对气候和非气候作用的混淆。去趋势回归虽然将植被和气候变化中包含的波动和趋势成分区别对待，仅由波动成分来确定反映单位气候波动所对应植被波动的方程系数，但与常规回归一样，去趋势回归也认为气候的波动和趋势变化对植被所起作用相对等效。因此，在确定系数之后再将未经去趋势的气候变量代入方程，此时所得到的模拟植被年际序列就完整包含了气候（降水和气温）的波动和趋势变化的全部作用，同时也彻底规避了其他因子的趋势性影响。

MRT的另一个优点是，借助于地面调查和空间插值从非气候作用中进一步分离了大气施肥和人类活动的作用。引起施肥效应的CO2和NOx等气体浓度的监测并不困难，但它们的趋势性很强而缺乏波动。因此，不能通过在式（1）中引入施肥气体浓度变量的途径来识别施肥效应，只能采取其他方法从非气候作用ΔVno＿cli中进一步分解。本研究提出在剔除气候变化的作用之后，采用地面调查SIHAs的方式估算整个研究区的大气施肥效应。图5是本研究中确认的40个250mSIHAs上¯V和ΔVno＿cli的散点图。可以看出，ΔVno＿cli大体上随¯V增大而增大，因此本文选择了一次函数进行模拟。结果显示，RCatm约为5%。这与Donohue对全球干旱半干旱区植被动态中大气施肥作用的研究结论基本一致［17］，该研究显示1982年～2010年大气施肥引起的植被增加约为11%。

图5 40个250m SIHAs上¯V和ΔVno＿cli的散点图

5 结束语

MRT克服了常规RESTREND的两个重要缺陷：一是没有顾及大气施肥效应；二是容易混淆气候和非气候作用。仍存在的问题：一是在去趋势回归分析中对时滞现象的处理延用了常见的累积求和办法，这种处理忽略了现实世界中普遍存在的滞后的季节性特征［18－20］，如何考虑植被响应气候的分布式滞后是一个难点；二是未考虑相对湿度、风速和太阳辐射等气候因子的作用。尽管降水和气温是干旱半干旱区植被动态的主要气候控制因子，但其他气候因子的作用也不应被完全忽略。后续研究中，应当考虑植被响应气候的季节差异和非线性特征，将分布滞后关系和非线性函数关系引入MRT的去趋势回归模型，使之更加完善。同时应该全面地考虑其他影响植被变化的因子，更加有效、准确地区分不同驱动力对植被覆盖变化的贡献率。

大气施肥和气候变化的作用在植被覆盖变化空间格局的塑造中发挥着主要作用，但人类活动作用也不容忽视。实验结果表明，植被显著增强区，气候变化、大气施肥和人类活动的贡献率约为54%、101%和－55%；植被显著减弱区，气候变化、大气施肥和人类活动的贡献率约为－21%、－130%和251%。表明在植被显著增强区和减弱区，大气施肥和气候变化的作用促进了植被生长，人类活动破坏了植被生长。但是，就整个甘南州而言，人类活动的作用是制约该区域植被生长的关键因素。

［1］TUCKER C J，TOWNSHEND J R G.African land－cover classification using satellite data［J］.Science，1985，227（4685）：369－375.

［2］DE JONG R，SCHAEPMAN M E，FURRER R，et al.Spatial relationship between climatologies and changes in global vegetation activity［J］.Glob Chang Biol，2013，19（6）：1953－1964.

［3］HELLDÉN U，TOTTRUP C.Regional desertification：aglobal synthesis［J］.Global and Planetary Change，2008，64（3／4）：169－176.

［4］BOSCHETTI M，NUTINI F，BRIVIO P，et al.Identification of environmental anomaly hot spots in West Africa from time series of NDVI and rainfall［J］.ISPRS Journal of Photogrammetry and Remote Sensing，2013，78：26－40.

［5］EVANS J，GEERKEN R.Discrimination between climate and human－induced dryland degradation［J］.Journal of Arid Environments，2004，57，535－554.

［6］ARCHER E R M.Beyond the“climate versus grazing”impasse：using remote sensing to investigate the effects of grazing system choice on vegetation cover in the eastern Karoo［J］.Journal of Arid Environments，2004，57（3）：381－408.

［7］CLAESSON J，NYCANDER J.Combined effect of global warming and increased CO2－concentration on vegetation growth in water－limited conditions［J］.Ecological Modelling，2013，256：23－30.

［8］WANG L，D＇ODORICO P，EVANS J P，et al.Dryland ecohydrology and climate change：critical issues and technical advances［J］.Hydrology and Earth System Sciences Discussions，2012，9（4）：4777－4825.

［9］WANG T，SUN J G，HAN H，et al.The relative role of climate change and human activities in the desertification process in Yulin region of northwest China［J］.Environmental Monitoring and Assessment，2012，184（12）：7165－7173.

［10］WESSELS K J，VAN DEN BERGH F，SCHOLES R J.Limits to detectability of land degradation by trend analysis of vegetation index data［J］.Remote Sensing of Environment，2012，125：10－22.

［11］孙建国，张卓，韩惠，等.气候和人类因素在黄土高原西北部植被变化中的贡献率研究［J］.遥感信息，2014，29（2）：82－87.

［12］王莺，夏文韬，梁天刚，等.基于MODIS植被指数的甘南草地净初级生产力时空变化研究［J］.草业学报，2010，19（1）：201－210.

［13］赵军，刘春雨，潘竟虎，等.基于MODIS数据的甘南草原区域蒸散发量时空格局分析［J］.资源科学，2011，33（2）：341－346.

［14］TUCKER C，PINZON J，BROWN M，et al.An extended AVHRR 8－km NDVI dataset compatible with MODIS and SPOT vegetation NDVI data［J］.International Journal of Remote Sensing，2005，26（20）：4485－4498.

［15］王静，郭铌，蔡迪花，等.玛曲县草地退牧还草工程效果评价［J］.生态学报，2009，29（3）：1276－1284.

［16］王兮之，梁钊雄，周显辉，等.黄河源区玛曲县植被覆盖度及其气候变化研究［J］.水土保持研究，2012，19（2）：57－65.

［17］DONOHUE R J，RODERICK M L，MCVICAR T R，et al.Impact of CO2fertilization on maximum foliage cover across the globe＇s warm，arid environments［J］.Geophysical Research Letters，2013，40（12）：3031－3035.

［18］UDELHOVEN T，STELLMES M，DEL BARRIO G，et al.Assessment of rainfall and NDVI anomalies in Spain（1989－1999）using distributed lag models［J］.International Journal of Remote Sensing，2009，30（8）：1961－1976.

［19］JI L，PETERS A.Lag and seasonality considerations in evaluating AVHRR NDVI response to precipitation［J］.Photogrammetric Engineering and Remote Sensing，2005，71（9）：1053.

［20］STELLMES M，UDELHOVEN T，RÖDER A，et al.Dryland observation at local and regional scale－Comparison of Landsat TM／ETM＋and NOAA AVHRR time series［J］.Remote Sensing of Environment，2010，114，2111－2125.

Driving Forces of Vegetation Cover Change in Gannan Prefecture from2000 to 2013

ZHANG Zhuo1，2，3，SUN Jian－guo1，2，WANG Xiu－ze1，2，HAN Hui1，2，ZHANG Zhong－rong1
（1.Faculty of Geomatics，Lanzhou Jiaotong University，Lanzhou730070；2.Gansu Provincial Engineering Laboratory for National Geographic State Monitoring，Lanzhou730070；3.The 61287 Army，Chengdu610036）

The driving factors of vegetation variation from 2000to 2013in Gannan Prefecture are analyzed by improved residuals trend method.At the same time，the method is verified by experiments.The method includes two steps：firstly，use the detrend regression model to differentiate the effect of climate and non－climate；secondly，in order to get the effect of human activities，acquire several pixels with steady intensity of human activities by field study and non－climatic effect of these pixels.The results show that：In the district with vegetation cover significant increase，which account for 45%in whole district，the contributions of climate change，atmospheric fertilization and human activities are 54%，101%and－55%；While in the district with vegetation cover significant decrease，which account for 22%in whole district，the contributions of climate change，atmospheric fertilization and human activities are－21%，－130%and 251%.

RESTREND；vegetation cover change；atmospheric fertilization；climate change；human activity；Gannan Prefecture

10.3969／j.issn.1000－3177.2015.06.017

TP79

A

1000－3177（2015）142－0089－07

2014—10—13

2014—11—12

国家自然科学基金项目（41361080）；甘肃省科技计划资助项目（1308RJZA124）；兰州交通大学科技支撑基金项目（ZC2012006）；对地观测技术国家测绘地理信息局重点实验室开放课题（K201308）。

张卓（1987—），男，硕士研究生，主要从事生态遥感和GIS分析研究。

E－mail：decemberzhuo＠163.com

孙建国（1974—），男，博士，教授，主要从事遥感和GIS应用研究。

E－mail：sunjguo＠mail.lzjtu.cn