2000~2014年黄土高原植被覆盖时空变化特征及其归因

赵安周,刘宪锋,朱秀芳*,潘耀忠,陈抒晨



2000~2014年黄土高原植被覆盖时空变化特征及其归因

赵安周1,2,3,刘宪锋2,3,朱秀芳2,3*,潘耀忠2,3,陈抒晨2,3

(1.河北工程大学资源学院,河北 邯郸 056038；2.北京师范大学地表过程与资源生态国家重点实验室,北京 100875；3.北京师范大学资源学院,北京 100875)

基于-NDVI数据,辅以一元线性回归分析、Mann-Kendall检验、Hurst指数等方法,分析了2000~2014年黄土高原植被覆盖时空演变特征及其驱动因素.研究表明:近15年黄土高原NDVI呈显著增加趋势,增速为6.93%/10a(<0.01);空间上,植被归一化指数,或归一化值被指数Normalized Difference Vegetation Index(NDVI)呈由东南向西北递减的分布格局,高值区主要分布在东南部的土石山区、;同时,500m以下和3500米左右的NDVI值最高;在趋势上,NDVI呈现增加和减小趋势的面积比重分别为88.24%和11.76%;Hurst指数表明研究区未来NDVI变化趋势呈持续性和反持续的比重分别为50.07%和49.93%,其中持续改善和由改善变为退化的面积分别占43.98%和44.28%;降水是影响NDVI变化的主要驱动因子,表现为NDVI随降水的增加而增加;人类活动也是影响NDVI的重要因素,且对NDVI有双重影响.

植被覆盖；时空分布；归因分析；黄土高原

植被作为陆地生态系统的重要组成部分,在全球物质循环和能量流动中扮演着重要角色.随着全球气候变化和人类活动的加剧,由过渡开垦自然植被、城市扩张以及农村坡地开垦等造成的

沙漠化、水土流失等一系列问题频发[1-2],不仅增加了河流输沙量和洪水发生的风险,同时严重影响农业生产和社会经济的可持续发展[3-5].为了解决这些问题,中国政府实施了“退耕还林还草”、“三北防护林”等一系列的生态工程建设,随着这些生态工程的不断深入,中国北方的水土流失以及荒漠化面积较20世纪末期有所减轻[6].

黄土高原地处干旱和湿润过渡区,是我国生态环境最为脆弱、水土流失最为严重的地区之一.资料显示,黄河所含泥沙的90%来源于黄土高原[7].作为国家生态脆弱区和水土保持建设的重点区域,1999~2010年间,黄土高原累计造林面积已达到1890.6×104hm2,使得该地区生态环境得到极大改善[1].然而,黄土高原植被覆盖变化是众多因素共同作用的结果,除了人类活动,地形地貌单元、气候变化等也是影响该地区植被覆盖的重要因素.研究表明,随着全球气候变暖,黄土高原出现变暖和变干的趋势,使得干旱出现的频率加大,不利于植被的恢复[8-10].因此,全面分析黄土高原植被覆盖特征及其驱动因素对黄河水沙发展趋势、区域生态恢复和经济的可持续发展具有至关重要的意义.

归一化植被指数(NDVI)是目前最为常用的表征植被状况的指标,可以在较大尺度上客观反映植被覆盖信息[7-8].近30年来,国内外众多学者利用NDVI指数在全球、大洲、国家和地区等不同尺度对植被的时空变化特征进行了深入研究.Myneni等[13-14]分析了1981~1999年和1981~ 1991年的NDVI数据,指出气候变暖使得北半球中高纬度的植被覆盖有增加的趋势;同时在我国的东北、华北、西北、黑河流域中游和青藏高原等地[15-19]也得出相同的结论.近年来,黄土高原作为我国生态建设的重点区域和生态敏感区,其植被覆盖变化一直受到国内学者的广泛关注,其中信忠保等[20-21]采用GIMMS/NDVI和SPOT VGT分别对1982~2003年和1981~2006年期间黄土高原的植被覆盖时空演变特征及其归因进行了分析,指出人类活动和气候变化共同导致了其植被覆盖的变化;Sun等[22]采用LTDR和MODIS的NDVI数据分析了黄土高原1981~2010年植被覆盖变化;刘宪锋等[23]采用MODIS-NDVI数据分析了2000~2009黄土高原植被覆盖变化,认为气温、降水的增加和一系列生态工程的实施是其植被覆盖增加的主要驱动力;易浪等[1]采用SPOT VGT/NDVI分析了1999~2010年黄土高原植被覆盖变化,认为降水变化是影响植被覆盖的主要驱动力.

综上,以往的研究多注重植被覆盖的时空分布特征,缺乏对黄土高原植被覆盖未来变化趋势的分析,同时分析人类活动影响时考虑并不全面(多考虑退耕还林还草等生态工程实施的影响).基于此,本文采用MODIS-NDVI数据,辅以一元回归分析、Mann-Kendall(M-K)统计检验法和Hurst指数等方法对黄土高原植被覆盖的时空演变规律及未来变化趋势进行分析,并从地形地貌、气候变化和人类活动3个方面出发,分析影响植被覆盖变化的主要因素,以期为地区社会经济可持续发展、产业结构调整和生态修复工程规划等提供科学依据.

1 数据与方法

1.1 研究区概况

黄土高原位于中国中部偏北,东起太行山脉,西到贺兰山和日月山,南至秦岭,北至鄂尔多斯高原,介于100°54′E~114°33′E,33°43′N~41°16′N,总面积64.87×104km2.在行政单元上,主要包括山西和宁夏的全部,陕西和甘肃的大部分地区以及内蒙古、河南和青海的部分地区.地势西北高、东南低,气候为大陆性季风气候,冬季寒冷干燥多风沙,夏季炎热多暴雨.由于地形、植被、土壤、气候等自然原因和过渡放牧、滥砍滥伐等人为因素,使得该地区成为世界上生态环境退化和水土流失最严重的地区之一[24-25],根据《(2010~2030年)》将该地区划分为土石山区、河谷平原区、黄土丘陵沟壑区、沙地和沙漠区、黄土高原沟壑区以及农灌区6部分(图1)[26].

1.2 数据来源

遥感数据来源于美国国家航空航天局(NASA)的EOS/MODIS数据产品中的MOD13Q1NDVI数据(http://e4ftl01.cr.usgs.gov),时间跨度为2000~2014年,空间分辨率为250m× 250m,时间分辨率为16d.由于MODIS/NDVI产品经过水、云、气溶胶等处理, 保证了数据质量,加之较高的空间分辨率,因此被广泛应用于植被覆盖变化的研究中.首先,利用MRT(MODIS Reprojection Tools)将所需要的MODIS-NDVI进行格式和投影转换;然后,采用最大合成法(MVC)合成月NDVI数据,消除异常值的影响,进而将月NDVI数据合成年最大NDVI影像;最后对其进行裁剪得到研究区NDVI数据.由于年最大NDVI数据可以有效的反映植被覆盖的情况,因此本文采用年最大NDVI数据对黄土高原的植被覆盖时空分布进行研究.

气象数据为黄土高原52个气象站点的降水、气温数据,来源于中国气象科学数据共享服务网(http://cdc.cma.gov.cn).数字高程模型(DEM)数据来源于地理空间数据云,空间分辨率为90m×90m的SRTM(Shuttle Radar Topography Mission).另外,关中平原的粮食产量数据来源于《陕西省统计年鉴》,造林面积数据来源于各省统计年鉴和《中国林业统计年鉴》.

1.3 研究方法

1.3.1 趋势分析 一元线性回归可以模拟每个栅格的变化趋势,该方法可以在一定的时间段内采用最小二乘法逐像元拟合年均NDVI的斜率,从而反映植被覆盖的时空演变格局[27],同时采用-K统计检验法[28]对变化趋势的显著性进行检验,其一元线性回归分析公式如下:

式中:为变化趋势,为时间序列,NDVI为第年的NDVI值.当>0,表示NDVI呈现增加的趋势,<0,表示NDVI呈现减小的趋势.

1.3.2 标准差分析 采用标准差来研究2000~ 2014年期间黄土高原植被覆盖的年际波动.标准差可以反映出NDVI数据集的离散程度,值越大,表明该段时间内像元的NDVI距离像元的平均NDVI值越远,即研究时段内植被覆盖的年际变化越大,计算公式为[29]:

式中:S为标准差,为时间序列,NDVI为第年的NDVI值,为研究时段内NDVI的均值.

1.3.3 未来趋势分析 Hurst指数是预测时间序列数据相对于过去未来发展趋势的一个重要指数,目前被广泛应用在水文、气象、经济等多个领域.基于重标极差 (R/S)分析方法Hurst指数是一种定量描述时间序列信息长期依赖性的有效方法,其计算方法步骤如下所示[29]:

①定义一个时间序列的均值序列:

②计算累计离差:

③计算极差:

④计算标准差:

2 结果与讨论

2.1 黄土高原NDVI年际变化特征

2000~2014年黄土高原NDVI呈显著增加趋势,增速为6.93%/10a(<0.01),与1982~2006三北防护林工程区年NDVI平均增速0.007/10a基本持平[30].2000年黄土高原的平均NDVI为0.4899,到2014年增加到0.5789,增速为14.11%,期间NDVI变化经历了3次较大波动,时间分别为2001~2002、2011~2012和2005~2007年,其NDVI的增长率分别达到10.42%、7.83%和6.85%(图2).分区来看,黄土丘陵沟壑区的NDVI增速最为明显,2000~2014年变化率达到30.49%,其次为沙地和沙漠区、农灌区和黄土高原沟壑区,其变化率分别达到了25.55%、25.30%和20.52%,河谷平原区和土石山区的变化率最小,分别为10.25%和4.84%(表1).

表1 黄土高原各区域NDVI变化统计特征Table 1 The statistics of NDVI changes inLoess Plateau

2.2 黄土高原NDVI空间格局演变

2.2.1 空间分布特征 黄土高原NDVI格局呈由东南向西北递减的态势,高值区主要分布在黄土高原东部的土石山区和河谷平原区、黄土高原沟壑区的东部地区,因为这些地区的植被类型主要为针叶林、落叶阔叶林、灌丛以及灌溉农业,植被长势较好;低值区主要分布在黄土丘陵沟壑区和黄土高原沟壑区的北部地区、沙地和沙漠区,这些地区多为牧区、雨养农业和荒漠,植被较为疏松,但是由于1999年退耕还林还草工程实施以来,这些地区的植被恢复较快(图3a).NDVI频率分布图显示黄土高原植被呈现“单峰”结构,NDVI均值为0.5529,值域在0.2以上的像元数所占比例达到95.56%,其中0.6~0.8像元数最多,比例达到43.07%.

2.2.2 空间趋势特征及波动特征 为了进一步分析黄土高原NDVI的变化情况,对2000~2014年NDVI变化趋势进行计算,并采用M-K检验.将计算结果划分为无显著变化、弱显著变化(<0.1)、显著变化(<0.05)和极显著变化(<0.01) 4个等级.结果表明,黄土高原NDVI整体呈增加趋势,呈增加和减小趋势的面积分别占88.24%和11.76%,其中呈显著上升和极显著上升的面积分别占14.92%和37.00%,而显著下降和极显著下降的面积仅占0.96%和1.08%(表2),就空间分布来看,显著上升的区域主要分布在黄土高原沟壑区和黄土丘陵沟壑区,其主要原因可能是由于这些地区原本的植被覆盖较低,然而,在“退耕还林还草”、“退牧还草”等工程实施下,该地区NDVI呈显著上升趋势,显著下降的区域主要分布在土石山区、河谷平原的南部地区以及黄土高原沟壑区的西北地区(图4a和图4b).就标准差来看, 2000~2014年黄土高原标准差介于0.002~0.328之间,表明该地区的植被变化存在明显的空间差异性.具体而言,高值区主要分布在黄土丘陵沟壑区、黄土高原沟壑区等地区,这些地区多为旱地,为退耕还林还草主要实施的主要区域,植被变化较为剧烈;低值区主要集中在土石山区、黄土高原沟壑区的东部和西部的山区,这些地区的植被主要为针叶林和落叶阔叶林,变化相对稳定(图4c).

表2 2000~2014年黄土高原不同NDVI变化类型像元个数及百分比Table 2 Numbers and proportion of NDVI change typesin the Loess Plateau

2.3 黄土高原NDVI未来趋势

黄土高原NDVI的Hurst指数平均值为0.506(0.090~0.998),呈持续性和反持续性的区域分别占50.07%和49.93%,表明该地区的同向特征与反向特征面积相当(图5a).具体而言,Hurst指数值介于0.35~0.65的区域占85.75%,而小于0.35和大于0.65的像元比重分别仅在5.51%和8.75%,说明该区域NDVI呈强反向特征和强同向特征的区域相对较少.进一步统计表明,黄土高原43.98%的区域将持续改善,44.28%的区域将由改善变为退化,而由退化到改善和持续退化的区域分别只有5.90%和5.43%.从空间分布来看,NDVI呈持续性特征的区域主要分布在河谷平原区、黄土丘陵沟壑区的西北部、黄土高原沟壑区和沙地和沙漠区东部等地,未来植被可能持续改善;而反持续序列主要分布在黄土丘陵沟壑区和黄土高原沟壑区的中部等地区,未来植被有可能出现退化趋势.

2.4 NDVI变化归因分析

2.4.1 NDVI与地貌因子的关系 将90m×90m DEM数据重采样到250m×250m空间分辨率,统计与2000~2014年平均NDVI的相关性,经计算DEM与NDVI的决定系数为0.67,表明黄土高原NDVI与DEM显著相关.由图6a可知,500m以下NDVI稳定在0.70附近,而后开始迅速下降,到1500m左右下降到0.45左右,之后开始上升,到3500m左右达到最高,然后又开始急剧下降,其主要原因是由于500m以下主要为河谷平原区,灌溉农业发达,1500~3500m主要为落叶阔叶林和针叶林,植被覆盖较好,500~1500m为黄土高原沟壑区、黄土丘陵沟壑区以及沙地和沙漠区,3500m以上其植被分布多为稀疏草原和灌丛等,植被较为稀疏,导致其植被覆盖较低.

同样统计由DEM生成的坡度数据与2000~2014年平均NDVI的相关性.经计算坡度与NDVI的决定系数为0.696,表明黄土高原NDVI与坡度的相关性显著.由图6b可知,黄土高原NDVI与坡度呈正相关,坡度在15°以下时,NDVI的增速最大,之后增速开始减小,到40°以上的时候,其增速趋于平缓.

2.4.NDVI对气候变化的响应 研究表明,1960~2010年期间黄土高原气温以0.380a的趋势显著增加[31].对黄土高原52个气象站点的气温数据分析表明,1980~2014年黄土高原年平均气温以0.505℃/10a的趋势显著增加,2000~ 2014年平均气温上升趋势有所减缓,仅为0.164 ℃/10a(图7a),其年平均气温与年最大NDVI的决定系数为0.10,呈弱相关性.同时将黄土高原的52个气象站点的年平均温度数据进行离散化处理,逐栅格计算2000~2014年平均温度和年最大NDVI的相关系数,可以看出温度和NDVI整体呈现负相关性(图7b).进一步定量统计表明,77.75%的区域温度与NDVI呈现负相关,其中有34.55%通过了0.05显著性水平检验,且主要分布在黄土丘陵沟壑区、沙地和沙漠区以及黄土高原沟壑区的中部,表明NDVI随着温度的增高而减小,究其原因主要是由于温度的升高会导致地面水分蒸发增加,导致土壤干化,不利于植被的生长[21].

水分条件是限制黄土高原植被生长的重要因素,对植被覆盖的空间分布格局具有决定性的作用[21].1980~2014年和2000~2014年黄土高原降水呈微弱的增加趋势,其增速分别为45.62mm/ 10a和45.68mm/10a,其年平均降水与年最大NDVI的决定系数为0.30,呈显著相关(<0.05),相关系数大于温度,表明黄土高原降水对植被生长的影响强于温度.同时逐栅格计算2000~2014年降水量和年最大NDVI的相关系数,可以看出,与温度相反,降水和NDVI的整体呈现正相关性,经统计可知,84.28%的区域降水与NDVI呈现正相关,其中有32.28%通过了0.05显著性水平检验,主要分布在黄土高原的北部地区,表明NDVI随着降水的增加而增加.

人类活动对NDVI的影响 除地形地貌、气候变化等自然因素外,人类活动也会对黄土高原NDVI的时空分布格局产生重要影响.人类活动对其影响包括正面影响(如植树造林造草等)和负面影响(如城市扩张等).本文将从农业生产、植被建设和城市扩张3个方面来分析人类活动对NDVI的影响.

农业生产与降水关系密切,尤其是对黄土高原北部地区的雨养农业,但对于灌溉区域而言,由于水利设施的大量建设以及农药化肥的大量使用,其NDVI的变化很大程度上取决于人类活动的影响.关中平原是黄土高原典型的灌溉农业发达地区,包括西安、咸阳、宝鸡、渭南、铜川及杨凌区.2000~2013年期间关中平原的粮食产量呈波动上升的趋势,同期NDVI变化和粮食产量几乎同步上升[32](图8),二者呈显著相关性(= 0.640,=14,<0.05).地处黄土高原东南部的关中平原粮食生产强烈依赖于宝鸡峡等农业灌溉设施,对降水的依赖性较弱,因此在分析气候变化对NDVI的影响时应关注人类活动的影响.

黄土高原自1999年开始实施退耕还林还草等一系列生态工程,势必影响到该地区NDVI的变化.经统计,随着造林面积的增加,其NDVI也呈现逐年上升的趋势(图9),二者呈显著相关性(= 0.79,=14,<0.001).在2001~2002年造林面积最多,同期的NDVI增速也最快,这表明,退耕还林还草等生态工程的实施可以增加植被覆盖,有效改善黄土高原的生态环境.

随着近20年来中国城市空间的不断扩张与重构,引发了植被破坏等诸多环境问题,从而导致城市周边NDVI的下降.鉴于此,本文以西安市为例定量分析城市扩张对NDVI的影响,首先以西安市为中心,生成10个2km间隔的缓冲区,计算2000~2014年其NDVI变化率(图10).从图中可以看出,除东南部个别区域外,西安市城市周边的NDVI均表现为下降的趋势,表明城市扩张也是导致NDVI下降的一个因素.但是应注意的是虽然城市扩展范围有限,但是城市扩展对植被破坏的影响远大于其直接占用造成的影响[33].

2.5 讨论

植被对地形地貌、气候变化和人类活动的响应是一个非常复杂的过程,目前已受到学者的广泛关注[20,33].不同地貌条件导致研究区域内热量和水分条件存在空间上的差异,进而造成NDVI的空间差异.温度、降水等气象因子对植被生长有重要影响,尤其在干旱半干旱地区,降水是限制植被生长的重要因子[34].黄土高原处于中国干旱和半干旱地区,降水的多少直接影响植被的生长状况,NDVI会随着降水的增多而增加[20].本研究也表明,NDVI和降水和良好的对应关系(图11);温度的升高会增加地面水分蒸发,导致土壤干化会增加[20],从而影响植被的生长.除气候因素外,人类活动也是影响NDVI变化的重要因素,自1999年在该地区实施“退耕还林还草”工程以来,其植被覆盖尤其是在黄土丘陵沟壑区的植被覆盖得到了明显的改善(表1),使得流入黄河中的泥沙从16亿吨减小到1.4亿t[21],表明这项工程对改善地区生态环境,减少水土流失具有积极的作用.但也应注意到由于过度强调植树造林,忽视对该地区的气候、水文等要素考虑产生一些消极的影响.退耕还林还草工程实施以来,其人工林面积已经由1998年的3.0´104km增加到2006年5.9´104km,这些人工林的增多会加大蒸散发,从而加剧该地区的水资源危机,使得地区干旱发生的风险增加[35],同时该地区植树造林的成活率也值得进一步关注,已有研究表明,从1982~ 2005年期间其人工林的存活率只有24%,因此在该地区大规模的实施植树造林工程存在一定的风险性,而禁止过度放牧、过度开垦农田等恢复自然植被的措施应在该地区生态恢复中扮演重要的作用[21,35].

本文只对降水、气温与NDVI的相关性进行了分析,对植被对气温和降水的滞后响应没有做进一步分析,同时NDVI的时空变化是自然因素(地形地貌、降水、温度等)和人类活动(土地利用、修建水库、退耕还林还草、农业灌溉等)以及地形地貌等多种因素共同作用的结果,如何定量分离这些因素对NDVI的影响等也需进一步深入研究.

3 结论

年黄土高原NDVI呈显著增加趋势,增速为6.93%/10a(<0.01),期间NDVI变化经历了2001~2002年、2011~2012年和2005~ 2007年3次快速增长期,其NDVI的增长率分别达到10.42%、7.83%和6.85%.

3.2 空间上,黄土高原NDVI呈由东南向西北减小的分布格局,高值区主要分布在东南部的土石山区、河谷平原地区,低值区主要分布在北部、沙地和沙漠区以及黄土高原沟壑区的北部地区.同时,500m以下和3500m左右的NDVI最好,且NDVI会随坡度的增加而增加.

3.3 黄土高原的NDVI整体呈现增加的趋势,呈增加和减小趋势的面积分别占88.24%和11.76%,上升显著的区域主要分布在水土保持工程重点实施的区域—黄土高原沟壑区和黄土丘陵沟壑区.

3.4 Hurst指数结果表明黄土高原持续性序列的比重为50.07%,反持续序列的比重为49.93%, 43.98%的区域将持续改善,44.28%的区域将由改善变为退化.

3.5 降水对植被的影响强于温度,84.28%的区域降水与植被呈现正相关,主要分布在黄土高原的北部地区,表明NDVI随着降水的增加而增加.

3.6 人类活动对植被有双重的影响,一方面对于关中平原等地的灌溉农业区来说,植被覆盖变化和粮食产量几乎同步上升,植树造林等生态工程的实施可以有效改善黄土高原的生态环境;另一方面,城市扩张会导致城市周边的植被出现下降的趋势.

易 浪,任志远,张 翀,等.黄土高原植被覆盖变化与气候和人类活动的关系 [J]. 资源科学, 2014,36(1):166-174.

Mohammad A G, Adam M A. The impact of vegetative cover type on runoff and soil erosion under different land uses [J]. Catena, 2010,81(2):97-103.

Yang X, Zhang K, Jia B, et al. Desertification assessment in China: An overview [J]. Journal of Arid Environments, 2005, 63(2):517-531.

Maeda E E, Pellikka P K E, Siljander M, et al. Potential impacts of agricultural expansion and climate change on soil erosion in the Eastern Arc Mountains of Kenya [J]. Geomorphology, 2010, 123(3):279-289.

Piao S, Fang J, Liu H, et al. NDVI‐indicated decline in desertification in China in the past two decades [J]. Geophysical Research Letters, 2005,32(6):L06402.

国家林业局.第五次中国荒漠化和沙漠化公报 [R]. 2011.

韩 鹏,倪晋仁.黄河中游粗泥沙来源探析 [J]. 泥沙研究, 1997(3):48-56.

Li Z, Zheng F, Liu W, et al. Spatial distribution and temporal trends of extreme temperature and precipitation events on the Loess Plateau of China during 1961~2007 [J]. Quaternary International, 2010,226(1):92-100.

Xin Z, Yu X, Li Q, et al. Spatiotemporal variation in rainfall erosivity on the Chinese Loess Plateau during the period 1956~ 2008 [J]. Regional Environmental Change, 2011,11(1):149-159.

Zhang B, Wu P, Zhao X, et al. Drought variation trends in different subregions of the Chinese Loess Plateau over the past four decades [J]. Agricultural Water Management, 2012,115:167- 177.

Carlson T N, Ripley D A. On the relation between NDVI, fractional vegetation cover, and leaf area index [J]. Remote Sensing of Environment, 1997,62(3):241-252.

Zhou L, Tucker C J, Kaufmann R K, et al. Variations in northern vegetation activity inferred from satellite data of vegetation index during 1981 to 1999 [J]. Journal of Geophysical Research: Atmospheres (1984~2012), 2001,106(D17):20069-20083.

Myneni R B, Keeling C D, Tucker C J, et al. Increased plant growth in the northern high latitudes from 1981 to 1999 [J]. Nature, 1997,386:698-702.

Myneni R B, Tucker C J, Asar G, et al. Interannual variations in satellite-sensed vegetation index data from 1981 to 1991 [J]. J. Geophys. Res., 1998,103(6):6145-6160.

毛德华,王宗明,韩佶兴,等.1982~2010年中国东北地区植被NPP时空格局及驱动因子分析 [J]. 地理科学, 2012,32(9): 1106-1111.

戴声佩,张 勃,王海军,等.中国西北地区植被覆盖变化驱动因子分析 [J]. 干旱区地理, 2010(4):636-643.

朴世龙,方精云.1982—1999年我国陆地植被活动对气候变化响应的季节差异 [J]. 地理学报, 2003,58(1):119-125.

徐兴奎,陈红, LEVY Jason K.气候变暖背景下青藏高原植被覆盖特征的时空变化及其成因分析 [J]. 科学通报, 2008,53(4): 456-462.

周 沙,黄跃飞,王光谦.黑河流域中游地区生态环境变化特征及驱动力 [J]. 中国环境科学, 2014,34(3):766-773.

信忠保,许炯心.黄土高原地区植被覆盖时空演变对气候的响应 [J]. 自然科学进展,-778.

信忠保,许炯心,郑 伟.气候变化和人类活动对黄土高原植被覆盖变化的影响 [J]. 中国科学:D辑, 2007,37(11):1504-1514.

Sun W, Song X, Mu X, et al. Spatiotemporal vegetation cover variations associated with climate change and ecological restoration in the Loess Plateau [J]. Agricultural and Forest Meteorology, 2015,209-210:87-99.

刘宪锋,杨 勇,任志远,等.2000—2009年黄土高原地区植被覆盖度时空变化 [J]. 中国沙漠, 2013,33(4):1244-1249.

李 锐,杨文治,李壁成.[M]. 科学出版社, 2008.

Shi H, Shao M. Soil and water loss from the Loess Plateau in China [J]. Journal of Arid Environments, 2000,45(1):9-20.

国家发展改革委、水利部、农业部、国家林业局.黄土高原地区综合治理规划大纲(2010~2030年) [R]. 2010.

宋 怡,马明国.数据的中国寒旱区植被动态及其与气候因子的关系 [J]. 遥感学报, 2008,12(3): 499-506.

Marden J I. Rank correlation methods [J]. Journal of the American Statistical Association, 1992,87(417):249-251.

徐建华.现代地理学中的数学方法 [M]. 北京:高等教育出版社, 2002.

王 强,张 勃,戴声佩,等.数据的三北防护林工程区植被覆盖动态变化 [J]. 资源科学,-1620.

Wang Q, Fan X, Qin Z, et al. Change trends of temperature and precipitation in the Loess Plateau Region of China, 1961~2010 [J]. Global and Planetary Change, 2012,92:138-147.

陕西省统计局,国家统计局陕西调查总队.陕西统计年鉴2001~2014 [M]. 北京:中国统计出版社, 2001-2014.

刘宪锋,潘耀忠,朱秀芳,等.2000~2014年秦巴山区植被覆盖时空变化特征及其归因 [J]. 地理学报,-716.

Tucker C J, Slayback D A, Pinzon J E, et al. Higher northern latitude normalized difference vegetation index and growing season trends from 1982 to 1999 [J]. International Journal of Biometeorology, 2001,45(4):184-190.

Zhang J T, Ru W, Li B. Relationships between vegetation and climate on the Loess Plateau in China [J]. Folia Geobotanica, 2006,41(2):151-163.

Cao S, Chen L, Shankman D, et al. Excessive reliance on afforestation in China's arid and semi-arid regions: Lessons in ecological restoration [J]. Earth Science Reviews, 2011,104(4): 240-245.

Wang G, Innes J L, Lei J, et al. China's forestry reforms [J]. Science, 2007,318(5856):1556-1557.

* 责任作者, 副教授, zhuxiufang@bnu.edu.cn

Spatiotemporal analyses and associated driving forces of vegetation coverage change in the Loess Plateau

ZHAO An-zhou1,2,3, LIU Xian-feng2,3, ZHU Xiu-fang2,3*, PAN Yao-zhong2,3, CHEN Shu-chen2,3

(1.College of Resources, Hebei University of Engineering, Handan 056038, China；2.State Key Laboratory of Earth Surface Processes and Resource Ecology, Beijing Normal University, Beijing 100875, China；3.College of Resources Science and Technology, Beijing Normal University, Beijing 100875, China)., 2016,36(5)：1568~1578

Based on the MODIS-NDVI data, this study investigated the patterns of spatiotemporal variation of vegetation coverage in theduring 2000~2014, using the methods of linear regression, Mann-Kendall, correlation analysis and Hurst. In addition, potential factors affecting NDVI variations were identified. The results are as follows: 1) the Normalized Difference Vegetation Index (NDVI) of this study region was significantly increased significant, with a linear tendency being 0.0693/10a during 2000~2014, and vegetation restoration was characterized by three fast-growing periods. 2) As for spatial distribution, NDVI showed a decreasing trend from southeast to the northwest. High values of NDVI were mainly found in Southeast soil stone mountain area and valley plains area. 3) The area with improved NDVI was larger than the degraded area, and accounting for 88.24% and 11.76% of the total study area, respectively. 4) Result of Hurst analyses indicated 50.07% of the study area will keep the current NDVI change tendency in the future. The area with a continuous NDVI increase was predicted to account for 43.98% of the study area. The area, in which NDVI was changed from increase during 2000~2014 to decrease in the future, was predicted to account for 44.28% of the study area. 5) The spatial variation of NDVI was affected by Digital Elevation Model (DEM) and slope. The NDVI was best in the region with the altitude around 3500m and the region with the altitude below 500m.. 6) The NDVI was mainly affected by the precipitation, and the NDVI was increased with the increase of the precipitation. 7) Human activities can induce both negative effect (through urbanization) and positive effect (through the implementation of Grain to Green).

NDVI；spatiotemporal variation；attribution analysis；Loess Plateau

X171

A

1000-6923(2016)05-1568-11

赵安周(1985-),男,河北邯郸人,讲师,博士,主要从事水资源对人类活动和气候变化的响应研究.发表论文20余篇.

2015-10-09

国家“高分辨率对地观测系统”重大专项;河北工程大学博士专项基金(20120157)