退耕还林背景下降水利用效率时空演变及驱动力探讨

王 静，姚顺波，刘天军

退耕还林背景下降水利用效率时空演变及驱动力探讨

王 静1,2，姚顺波1※，刘天军2

（1. 西北农林科技大学经济管理学院，资源经济与环境管理研究中心，杨凌 712100； 2. 西北农林科技大学西部发展研究院，杨凌 712100）

为了给退耕还林（草）政策的有效制定和实施提供有针对性的理论依据，以宝鸡地区作为研究区域，选取植被生长季（3－11月），基于标准化植被降水利用效率（standardized rainfall use efficiency,(RUE)）模型，综合气候、土地利用/覆盖及光学遥感3个维度，分离自然因素和人为因素，监测年际、季和月尺度上的(RUE)时空演变特征，进一步采用灰色关联法探讨了其驱动力。结果表明：1）在2001－2017年，宝鸡地区经过2轮退耕还林（草）工程，(RUE)整体上呈提高趋势，尤其是第一轮后呈显著提高趋势的像元面积占比最高，达65.69%。全区由第一轮工程实施中的以人为干预增加区域为主转变为以人为干预减少为主；2）春季(RUE)变化的年际差异最小，转变点出现在2009年，表现为2001－2009年和2009－2017年分别呈正、负增长分布。夏季(RUE)的增加最显著，秋季年际差异最大。年际、春尺度上各年的(RUE)均值分别在草地、耕地最高，城乡用地的(RUE)在夏秋两季最高；3）不同植被类型、不同坡度、不同坡向的(RUE)变化均呈“三高一低”峰值分布。高峰值出现在4月、6月和11月（最大值），低峰值出现在9月（最小值），分别对应着农田植被的返青（4月）、收割（6月）和播种期（9月）；4）宝鸡地区(RUE)变化的主要驱动因子是气温、日照时数（光照）和人均GDP。退耕还林（草）背景下，宝鸡地区生长季的草地植被改善趋势最好，这与(RUE)在草地上呈提高趋势高度吻合。另外，除扶风、麟游、凤县外，其余各县（区）均为气候变化对宝鸡地区(RUE)变化的贡献率大于人类活动。

退耕还林（草）；(RUE)；人为干预；驱动力因子；宝鸡地区

0 引 言

中国的退耕还林（草）和天然林保护工程是受到全世界关注的重大生态修复工程[1-3]，在宝鸡地区包括退耕还林、宜林荒山荒地造林、封山育林等植被恢复形式。

降水量是控制陆地生物群落生物多样性和生态系统生产力的关键因素[4]，全球气候变化导致频繁的极端降雨或干旱[5]，研究退耕还林（草）工程实施以来不同条件下的降水模式对生态系统生产力的影响，对于全球气候变化下退耕还林（草）生态恢复效果评价意义重大。植被降水利用效率（rainfall use efficiency, RUE）一般用植被净初级生产力（net primary production, NPP）比降水量来定义，能够指示植被生产力对降水量的响应[6]。在干旱半干旱地区，降水利用效率的动态变化为气候因素影响下区域植被退化或恢复评估提供了可靠指标[7-8]。王刘明等[9-11]分别对洮河流域、中国西北7省区、青藏高原的植被降水利用效率的时空格局特征进行了分析；李春娥[12]利用植被降水利用效率反演了新疆土地荒漠化的演变情况；穆少杰等[13]研究了内蒙古植被降水利用效率的时空格局，驱动因素探讨只涉及到了气候因素；花立民等[14]以归一化植被指数（normal difference vegetation index，NDVI）、气温、降水和家畜数量4个因子来表征河西走廊北部风沙源区的气候变化和人类活动，分析了4个因子在时间序列上的年变化和相互关系。因子选取单一，未见涉及时空综合尺度上的深入研究；刘宪锋等[15-16]对黄土高原的研究发现，降水利用效率受退耕还林还草工程作用显著，研究中自然因素和人为因素的分离未见报道。

本研究从年际、季、月尺度，分析了第一轮退耕还林（草）工程实施下（2001－2008年）（以下简称第一轮下）、第一轮退耕还林（草）工程实施后（2009－2013年）（以下简称第一轮后）、第二轮退耕还林（草）工程实施以来（2014－2017年）（以下简称第二轮以来）3个时间段宝鸡地区(RUE)的时空演变特征。在保证变量间互不影响的情况下，选取灰色关联法探讨了(RUE)的驱动力因子。主要解决如下4个问题：1）人为干预因素的厘定；2）(RUE)的时空演变特征；3）不同条件下的(RUE)比较；4）气候变化和人类活动对(RUE)变化的贡献率。

1 材料与方法

1.1 研究区概况

宝鸡地区位于陕西省（关中平原）西部，是中国气候变化的敏感地带，生态环境较为脆弱[17-18]，同时，是中国退耕还林（草）工程实施的重点区域。该地区地势南高北低，海拔介于424～3 546m。全区辖渭滨区、金台区、陈仓区、凤翔、岐山、扶风、眉县、陇县、千阳、麟游、凤县、太白3区9县。属暖温带大陆性季风气候，一年中雨季多集中在夏季和秋季，年际和年内降水变率较大。年降水量介于710～1 000 mm之间[19]。区内生境条件和植被类型多样，以林地、草地遍及全区，耕地和城乡用地集中于千河、渭河沿岸（图1）。森林覆被率达36%～42%，但分布不均，集中分布在秦岭和关山地区。被国家定为1999年首个退耕还林（草）试点地区，分别于2001年和2014年先后2次全面实施退耕还林（草）的第一轮和第二轮生态建设工程。

图1 宝鸡地区土地利用/覆盖类型及气象站点分布

1.2 资料收集

主要包括2001－2017年近17a的气象数据、增强型植被指数（enhanced vegetation index, MODIS EVI）数据、高程数据、土地利用/覆盖数据等，见表1。为了使遥感数据与气象数据像元与投影匹配，在数据处理中，统一转换成了WGS1984投影和0.01m分辨率。

表1 研究所用数据源

1.3 研究方法

1.3.1 标准化降水利用效率

RUE是气候变化下监测区域植被退化的重要指标[20]，由累积EVI值与年降雨量之比计算而来[8,16]。标准化降水利用效率（(RUE)），是通过Z得分标准化方法校正降雨量中的异常值，处理RUE得到。同一个(RUE)可以反映不同时间尺度和不同类型的RUE状况。计算公式如下

的确定：在一定程度上水平地带性和垂直地带性会影响降水量的空间插值结果，通常用经度、纬度、海拔等来表征水平和垂直地带性。具体计算如下：

1）利用ArcGIS软件，选取3250个随机栅格点（宝鸡地区气象站点较少（12个）），提取对应点的经度、纬度和海拔数据，分别与年降水量做偏相关分析。发现仅海拔与降水量呈显著相关（<0.05），与张艳芳等[16]的研究结果不同；

2）结合海拔因素，利用地统计分析模块中CoKriging得到校正后的降水量值；

3）在1）的数据基础上，运用时序预测法中季节趋势预测法的移动平均比率法预测出降水量值，该方法在计算中先从时间序列中剔除长期性因素的影响，然后应用“同期平均法”剔除循环性和随机性因素，再采用季节比率来预测季节的变化趋势，是长期趋势准确性较强的一种测定方法。为了提高预测值的精准度，使用1974－2017年的降水量实测数据做移动平均比率测定，截取2001－2017年的月降水量预测值，结合海拔因素进行Cokring插值。

4）将2）得到的校正降水量值和3）得到的预测降水量值，分别与站点实测降水量进行拟合，验证其精度。拟合度均接近1，2）在<0.01水平上显著，3）在<0.05水平上显著，表明校正和预测效果均较好。因此，本研究选取校正后的降水量值进行研究。

1.3.2 趋势分析

Theil Sen+Mann-Kendall是一种非参数方法，通常被用来检测植被长时间序列变化趋势。对干旱半干旱地区植被变率的研究适用性较强[25-26]。计算公式为

通过Mann-Kendall检验法[27]（置信度为0.05）对Sen趋势进行检验。

1.3.3 灰色关联分析

根据各因素变化曲线几何形状的相似程度判断因素之间的关联度即为灰色关联分析[28]。与回归分析和相关分析相比，样本容量可以少至4个，且对数据有无规律性均适用。通过对动态过程发展态势的量化分析来实现参考数列与各比较数列之间的灰色关联程度（记为关联度）。关联度越大，因素之间关系越紧密，反之越小。计算步骤如下：

1）确定分析数列

2001－2017年的(RUE)作为参考序列，记0

对应序列的10个气候变化和人类活动影响因子作为比较序列，为年份序列，为总年份个数。记

2）变量的无钢化

式中为变量序列，为总变量个数。处理过程为：选取第一年的指标为基准，后续年份指标全部除以第一年数据。

3）计算关联系数

0()与i()的关联系数

记

则

4）计算关联度

2 结果与分析

2.1 宝鸡地区人为干预因素的厘定

宝鸡地区第一轮下、第一轮后、第二轮以来，3个时间段的年平均EVI值呈东南向西北递减、南高北低（渭河为界）的空间分布特征。通过8类土地利用/覆盖类型统计发现，3个时间段上仅城乡用地在第一轮后植被EVI均值最高，其余7类土地利用/覆盖类型均在第二轮以来呈现最高值，其次为第一轮后。自2001年以来，林地的植被EVI均值为3.66，是8类土地利用/覆盖类型中最高值，遍布宝鸡地区。以渭河以南最为集中，像元面积占比62.72%。由此可见，宝鸡地区退耕还林（草）工程的生态恢复效果为林地>耕地。由于秦岭山脉冰雪融水以及太白河和湑水河等提供的丰沛水源补给，因此该区域植被覆盖最高；水域和裸地为植被EVI低值区，像元面积占1.1%，平均值为2.35，集中在渭河、千河交叉口以东地区和太白的黄柏源乡与桃川镇交界处。该区域城乡居民区密布，特别是近年来的城乡扩建，使得建筑面积增加的同时削减了植被面积。此外，靠近居民区农田中农作物、蔬菜以及经济作物种植呈现出植被覆盖明显的季节变化特征，因而造成该区域植被覆盖最低。

退耕还林（草）工程是中国乃至全世界为应对和改善生态环境而实施的一项以人类活动干扰为手段、植被恢复为举措核心、生态建设与生态效益为目的的重大生态工程[1]。EVI是衡量植被恢复的重要指标，即随着人类活动干预增加/减少，EVI呈恢复/退化趋势显著。下文统一简称人为干预。

宝鸡地区地属干旱半干旱气候区，大量研究表明，降水是影响区内植被恢复的主要气候因素[4-5]。

采用Sen+M-K趋势法计算3个时间段的EVI空间变化趋势，再综合3个时间段EVI的变化数值，以0.4为间隔对其进行重分类，提取各类别对应的EVI像元面积及面积占比（表2）。分别以大于0.4和0.8作为人类活动增加区域，小于0.4和0.8作为人类活动减少区域。对比分析了以0.4和0.8划分人为干预的区域对应的降水量的空间变化趋势。结果表明，0.8条件下，大面积区域内降水量的变化趋势与植被恢复趋势相反。因此，以大于0.8作为人类活动增加区域，小于0.8作为人类活动减少区域（图2）。

表2 2001－2017年宝鸡地区生长季EVI变化趋势统计

注：每一个分级的末值均为临界值。

Note: End value of each grading is a critical value.

图2 植被生长季驱动力空间分布

2.2 标准化降水利用效率时空演变特征

2轮退耕还林（草）工程实施以来（2001－2017年）（图3a、3b、3c），宝鸡地区植被覆盖变化受降水量影响显著。至第二轮以来（图3c），（RUE）高值已遍及全区，与第一轮下的人类活动干预情况相比较，全区由以人类干预增加区域为主转变为以人类干预减少为主。纵观3个时间段的（RUE）最高值的空间分布，第一轮下（图3a），集中分布在渭河和千河交叉口沿岸；第一轮后（图3b），集中于宝鸡东北部的麟游和扶风地区；第二轮以来（图3c），又集中在宝鸡西北部的陇县、千阳、陈仓地区。此结果与植被覆盖最高值区空间分布不一致，对应于人类干预减少或较少的人类干预区域。可能的解释是，在干旱半干旱地区，地处渭河和千河沿岸，气候常年干旱少雨以及受城市化进程的影响，降水量已不再是植被生长获取水分的唯一途径。同时，麟游为丘陵沟壑区，是人们历来休闲避暑的好去处，高密度的植被覆盖加上适宜的气候条件，因此表现为标准化降水利用效率对植被覆盖变化的影响较小。

由此可见，第一轮后，陇县的人类干预强度大于降水对植被生长的影响。第二轮以来，草地和林地的（RUE）值最高，值分别为0.06、0.04 g/m2·mm。表现在陇县（关山牧场）、千阳（千湖湿地）、陈仓区（吴山）、凤县和太白（典型的生态林区）。该些地区是退耕还林（草）工程重点建设区，植被覆盖的改善使土壤蓄水能力增加，降水利用效率提升。经ArcGIS栅格提取3个时间段中人类干预的年平均(RUE)值，发现人类干预减少区域的年均(RUE)值均大于人类干预增加区域，两者的(RUE)最高值均出现在第二轮以来。整体来看，第一轮下的年均(RUE)值差异显著，第一轮后的(RUE)值近乎相等。

为探究宝鸡地区退耕还林（草）工程实施与标准化降水利用效率的响应关系，依据Sen+M-K趋势法，参考袁丽华等[29]的划分标准，划分(RUE)为显著降低（<0, ||>1.96）、轻微降低（<0, ||≤1.96）、基本不变（=0）、轻微提高（>0, ||≥1.96）、显著提高（＞0, ||>1.96）5个等级，进一步分析第一轮下（图3d）、第一轮后（图3e）、第二轮以来（图3f）的年均(RUE)变化趋势。数据表明，近17 a来，宝鸡地区经过两轮退耕还林（草）工程，(RUE)整体上呈提高趋势（39.33%、92.66%、19.18%），尤其是第一轮后显著提高趋势最为明显，面积占比高达65.69%。第二轮以来基本不变、轻微提高区域为第一轮后的轻微和显著提高区域，为第一轮下的轻微和显著降低区域。集中分布在陈仓区中部、凤翔中部和北部、千阳北部、麟游中部以及岐山和扶风交界处。第二轮以来轻微和显著降低面积明显增加，较第一轮下和第一轮后分别高出30.3%和45.88%，集中于陇县、陈仓区中西部、渭滨区和凤县。整体来看，(RUE)在3个时间段上的变化趋势偏差较大，由基本不变和显著提高为主到提高再到基本不变和降低。参照图2，对应的人类干预由99.85%人类干预增加到86.07%人类干预增加再到81.23%人类干预减少。

图3 2001－2017年宝鸡地区生长季标准化植被降水利用效率Z(RUE)空间分布及变化趋势

从8类土地利用/覆盖来看，3个时间段上，Z(RUE)最高值分别表现在草地、城乡用地和耕地上，值分别为0.89、0.20、−0.31 g/m2·mm。其高低值排序与EVI表现一致，依次为第二轮以来>第一轮后>第一轮下。就退耕还林（草）工程的实施对植被恢复的显著改善面积占比来看，第一轮下为63.29%、第一轮后为39.33%、第二轮以来为0.01%。(RUE)与EVI的空间变化趋势较为一致，表明标准化降水利用效率与累计EVI具有较好的同步变化趋势。

2001－2017年宝鸡地区年际(RUE)（0.43/10a）、春季(RUE)（−3.39/10a）、夏季(RUE)（0.58/10a）、秋季(RUE)（0.14/10a）均呈下降（2001－2004）、上升（2004－2007）、再下降（2007－2010）、再上升（2010－2017）的变化趋势（图4）。夏季在2009年以前波动较大，最高最低距平差为2.11。年际和秋季尺度上，(RUE)距平最高值均表现在2016年，分别为2.14和1.46 g/m2·mm，前者(RUE)距平最低值出现在2003年和2011年，值分别为−1.54、−1.60 g/m2·mm）。后者仅在2011年表现最低，(RUE)值为−2.05 g/m2·mm。2009年以前春季(RUE)距平均为正，2009年以后均为负，各年份间(RUE)值变化较小，最高最低距平差趋于0；夏季(RUE)距平正负趋势呈阶段式分布，2001－2003年、2013－2016年(RUE)值为正，2004－2012年(RUE)值为负，且出现了4次最高值和三次最低值。分别为2003（1.28 g/m2·mm）、2014（1.82 g/m2·mm）、2015（1.77 g/m2·mm）、2016（1.12 g/m2·mm）和2004（−0.72 g/m2·mm）、2007（−0.84 g/m2·mm）、2010年（−1.05 g/m2·mm）。研究区2001－2017年人类干预增加区域，平均降水量分别为年际780.24 mm、春季447 mm、夏季1201.81 mm、秋季701.36 mm，人类干预减少区域分别为年际703.6 mm、春季376.85 mm、夏季1 065.22 mm、秋季694.58 mm。夏季人类干预区域降水量均表现最高。同时，夏季(RUE)的提高速率和春季(RUE)的降低速率均最显著。表明宝鸡地区夏季降水量最为充裕，春季雨量较差。21世纪初期以来，中国夏季降水量明显增加，西北脆弱带以168.25 mm/10 a的速度增加[30]，这与宝鸡地区降水变化趋势基本一致。从8类土地利用/覆盖数据来看，年际、春季尺度上分别是草地和耕地的(RUE)值最高，城乡用地的(RUE)均值在夏季和秋季均为最高。4个尺度上，各年的(RUE)均值在草地上均呈现较高，秋季的(RUE)变化波动最大，年际(RUE)的波动幅度稍次于秋季。

图4 2001－2017年宝鸡地区城乡用地生长季Z(RUE)变化趋势

2.3 不同条件下的Z(RUE)比较

从生长季年内(RUE)变化来看，不同植被类型（图5a）、不同坡度（图5b）、不同坡向（图5c）的变化趋势基本一致，呈“三高一低”峰值分布。高峰值出现在4月、6月和11月，低峰值出现在9月，分别对应着农田植被的返青、收割和播种期。3种不同条件下，(RUE)均在11月达到最大值，最小值均出现在9月份。

就12种不同植被类型而言，Ⅵ、Ⅷ、Ⅺ的(RUE)呈“三高（4月、6月、11月）一低（9月）”的年内分布特征，Ⅹ的(RUE)呈“两高（4月、11月）一低（9月）”分布，Ⅲ、Ⅳ呈“两高（6月、11月）一低（9月）”分布，其余植被类型均呈4、6、11月高峰和9月低峰分布。其中Ⅷ、Ⅸ和Ⅹ的(RUE)生长季年内变化最大，Ⅸ（像元面积占比最大（23.81%））和Ⅷ分别达到4月份的全区最大值和最小值，Ⅷ和Ⅹ分别达到6月份的全区最大值和最小值。Ⅱ在生长季11月达到全区最大值1.81 g/m2·mm，全区最小值出现在9月的Ⅵ（面积占比最小（0.09%）），为−1.51 g/m2·mm。

坡度是局部地表面的倾斜程度的直观体现，更是影响地表径流和水分再分配的重要因子[31]。15°以上和25°以上坡耕地，退耕还林（草）工程分别建议退耕和强制退耕。宝鸡地区15°以上面积占比22.36%，25°以上3.59%。依据国土资源部颁布的《第二次全国土地调查技术规程》[32-33]，将宝鸡地区坡度划分为如图5b所示的5个等级，即平坡地（≤2°）、缓坡地（2°～6°）、斜坡地（6°～15°）、陡坡地（15°～25°）、急坡地（>25°）。生长季年内(RUE)在缓坡地达到全区最大值1.70 g/m2·mm（11月），最小值表现在陡坡地范围上（−1.45 g/m2·mm（9月份））。整体来看，5类坡度范围上，斜坡地面积占比最大，为41.58%。平坡地面积占比14.76%，波动幅度最显著，呈“两高（4月、11月）一低（9月）”的峰值分布特征。其(RUE)在3、4、8、9月均为5类坡度范围内最大值，5、6、7、10、11月均为最小值。6月中旬至10月中旬，5类坡度范围上的(RUE)均为负值，以9月份为拐点呈先下降后上升的变化趋势。7－11月，各坡度间的年内(RUE)差异较小。

各栅格DEM值改变量的变化方向即为坡向。坡向影响着太阳辐射量和水分的蒸散发[34]。参考朱林富等[35-36]的研究，划分坡向为平地、阴坡（北坡315～45°）、半阴坡（东坡45～135°）、阳坡（南坡135～225°）、半阳坡（西坡225～315°），分析生长季年内(RUE)随坡向的变化特征（图5c）。5类坡向上，平地面积占比最小（0.04%），且(RUE)波动幅度最大，呈“两高（1月、11月）一低（9月）”的峰值分布特征。其在3、4、7、8、9月均为5类坡向上最大值，5、6、10、11月均为最小值。半阴坡（27.49%）和阳坡（25.90%）面积占比最大，均在11月达到全区最大值（1.63、1.67 g/m2·mm）。总体来看，7月之前，(RUE)阳坡>阴坡，7月之后，阴阳两坡差异较小。

2.4 气候变化和人类活动对Z(RUE)变化的贡献率

已有研究表明，在气候变化背景下，植被生长及降水利用效率受气候因子的波动控制作用显著[15]。另外，人口与植被覆盖的相关性较好[37]。无论是在为了缓解城市住房等压力拓展城市范围的东部沿海地区，还是能源开采的中部能源省份，都会不同程度的破坏自然，导致植被覆盖退化。即人口密度的增大会降低植被覆盖度。而生态环境的改善以及城镇化率的提高，会带动该些地区经济的可持续协调发展，促进了就业，吸引了人口迁入，人口密度增大。

为此，本研究选取水分（降水量、相对湿度）、热量（气温、最高气温）、光照（日照时数）共5个气候影响因子，人类活动选取人口（人口密度）、国民经济（人均GDP）、农业（粮食总产量）、土地面积（造林面积、耕地面积）共5个影响因子。采用灰色关联分析法，分析(RUE)与气候变化和人类活动驱动力因子之间的关联程度（图6）。从12个县（区）来看，宝鸡地区(RUE)的最大影响因子是气温、人均GDP、日照时数，人口密度因子次之。另外，降水量、最高气温、造林面积分别在太白、千阳和陇县影响最大。从10个影响因子来看，各地区最大影响因子差异较大，仅降水量（10.40%）、粮食总产量（10.62%）在太白地区的影响最大，日照时数（11.12%）、造林面积（10.66%）在陇县影响最大。从一级影响因子来看，光照、人口、国民经济对(RUE)的影响最大。

注：Ⅰ温带针叶林，Ⅱ亚热带和热带山地针叶林，Ⅲ温带落叶阔叶林，Ⅳ温带落叶灌丛，Ⅴ亚热带、热带常绿阔叶、落叶阔叶灌丛(常含稀树)，Ⅵ亚高山硬叶常绿阔叶灌丛，Ⅶ温带禾草、杂类草草甸，Ⅷ高寒嵩草、杂类草草甸，Ⅸ一年一熟粮食作物及耐寒经济作物、落叶果树园，Ⅹ两年三熟或一年两熟旱作和落叶果树园，Ⅺ亚热带针叶林，Ⅻ温带草丛。

图6 各县（区）Z(RUE)与8个影响因子的关联度权重分布

因此，退耕还林（草）工程实施以来，宝鸡地区(RUE)变化的主要驱动因素是光照，主要驱动力因子是气温、日照时数和人均GDP。总体来看，除扶风、麟游、凤县外，其余各县（区）均为气候变化对宝鸡地区(RUE)变化的贡献率大于人类活动。

3 讨 论

3.1 气候变化和人类活动对Z(RUE)变化的贡献率分离

退耕还林（草）工程的实施，对中国干旱半干旱地区的水土流失等问题得到了有效的改善，生态恢复逐年得到改善。同时也带来了气候和人类活动的变化。不同时间和空间尺度上，气候变化和人类活动对(RUE)变化的贡献率差异较大。不同方法分离气候变化和人类活动对(RUE)变化的影响存在一定的不确定性，且适用范围和条件不同。消除不同方法存在的缺陷，综合利用各种分离气候变化和人类活动对(RUE)变化影响的方法，有利于改善区域生态环境。刘宪锋等[15]采用逐步回归分析法计算了水分利用效率、总初级生产力、蒸散量与各气候因子之间的关联，但各因子引入回归方程计算的先后次序会直接影响回归结果，导致得出结论存在不确定性，因而最终呈显著性的变量未必是真实显著。为规避这一问题，本研究采用灰色关联分析法，分别计算(RUE)与10个影响因子之间的关联系数与关联度，保证了变量间互不影响，数据结果真实有效。

另外，本研究中人为干预因素的厘定方法存在着不确定性。基于退耕还林（草）工程实施的3个时间段上植被累计EVI的变化趋势，采用Sen+MK趋势检验法，来厘定人类活动增加/减少区域。首先，在求取3个时间段的平均EVI值时，年份和年份个数不同；其次， Sen+MK法是一种非参数、检验长时间序列变化趋势的研究方法，气候变化和人类活动之间存在耦合效应，尤其是在干旱半干旱地区，气候变化与人类活动对植被覆盖变化的影响程度差异显著，能被更准确的识别和划分。

3.2 退耕还林（草）工程实施以来Z(RUE)的演变特征

近年来，随着旅游业的迅速发展，关山草原（陇县西南部）、吴山（陈仓区新街镇（陇县西南部））、千湖国家湿地公园（跨千阳的城关镇、柿沟乡、寇家河乡）、安舒庄森林公园（麟游（岐山山脉结秀之区））、嘉陵江源头（凤县嘉陵江沿岸）地区，(RUE)在3个时间段上的变化趋势偏差较大，由基本不变和显著提高为主到提高再到基本不变和降低。对应的人类活动由99.85%人类干预增加到86.07%人类干预增加再到81.23%人类干预减少。加上降水量的逐阶段减少，使该些地区的植被退化现象凸显。3个时间段上，(RUE)最高值分别表现在草地（0.89 g/m2·mm）、城乡用地（0.20 g/m2·mm）和耕地（−0.31 g/m2·mm）上。就退耕还林（草）工程实施对植被恢复显著改善的面积占比来看，第一轮下为63.29%、第一轮后为39.33%、第二轮以来为0.01%。(RUE)与EVI的空间变化趋势较为一致，表明(RUE)与累计EVI具有较好的同步变化趋势。在大力实施退耕还林（草）生态修复工程和旅游业发展的双重作用下，前者对区域生态恢复的作用显著。在无以旅游业发展、加快城市化进程为主等带来的人类活动干扰的区域内，退耕还林（草）工程的实施，提高了植被标准化降水利用效率。特别是在干旱半干旱区，根据区域的立地条件和生态特征，合理实施退耕还林（草）生态修复工程，使区域水资源得到合理利用的同时又提高了区域标准化降水利用效率，进而促进植被生长，植被恢复得到改善，城镇化、水资源、土地利用等在区域内达成协作发展。

3.3 退耕还林（草）工程实施以来宝鸡地区Z(RUE)驱动力探讨

宝鸡地区属三面环山的山地、丘陵为主的地形，秦岭与渭河平原相互映衬，地貌差异较大，热量垂直分异明显。与平坡地（≤2°）相比，随地表坡度的增大，太阳光线与坡面的交角增大。同时，太阳辐射量的季节性变化与气温变化基本一致。研究区季相分明，夏季气温最高、太阳辐射能最强，冬季气温最低、太阳辐射能最弱。冬去春来时季，由于阴阳2坡接收的太阳辐射能不同，存在一定的温度差。再加上阴坡较阳坡不利于地表受热，日照强度较低、时间较短[38]。因此同纬度下，阴坡太阳辐射总量的获得量明显要少于阳坡。但是，海拔相对较低、地势较为平坦的阳坡人类活动多为集中，因而在栽培植被的农耕区（两年三熟或一年两熟旱作和落叶果树园）、≤2°的平坡地，(RUE)普遍偏高。可见，退耕还林（草）工程的实施，对宝鸡地区(RUE)的提高作用显著，在大规模的生态修复背景下，耕地和草地的(RUE)随生长季植被生长呈增加趋势，植被也得到了较好改善。

4 结 论

1）近17a来，宝鸡地区年际标准化植被降水利用效率(RUE)（0.43/10a）、春季(RUE)（−3.39/10a）、夏季Z(RUE)（0.58/10a）、秋季Z(RUE)（0.14/10a）均呈下降（2001－2004）、上升（2004－2007）、再下降（2007－2010）、再上升（2010－2017）的变化趋势。宝鸡地区夏季降水量最为充裕，(RUE)的提高速率最大。春季雨量较差，年际变化差异最小，(RUE)的降低速率最显著，表现在2009年前后分别呈正负增长分布趋势。与21世纪初期以来中国西北脆弱带夏季降雨量的增速（168.25 mm/10a）趋势基本一致。年际、春季尺度上分别是草地和耕地的(RUE)值最高，城乡用地的(RUE)均值在夏季和秋季均为最高。年际、春、夏、秋4个尺度上的(RUE)值均在草地上呈现较高，秋季的(RUE)变化波动最大，年际(RUE)的波动幅度稍次于秋季。

2）生长季年内(RUE)变化在不同植被类型、不同坡度、不同坡向的变化趋势基本一致，亚热带和热带山地针叶林在11月达到全区最大值1.81 g/m2·mm，全区最小值（−1.51 g/m2·mm）出现在9月的亚高山硬叶常绿阔叶灌丛，面积占比最小（0.09%）。(RUE)在3、4、8、9月均为平坡地（≤2°）、缓坡地（2°～6°）、斜坡地（>6°～15°）、陡坡地（>15°～25°（包含25°））、急坡地（>25°）5类坡度范围内最大值。7月之前，阳坡的(RUE)>阴坡，7月之后，阴阳两坡差异较小。

[1]李鑫，陈先刚，白明锐，等. 宣威市退耕还林柳杉林地土壤有机碳含量及活性组分的林龄变化[J]. 林业科学，2017，53(1)：11－19.

Li Xin, Chen Xiangang, Bai Mingrui, et al. Variation in the content of soil organic carbon and its labile fractions among different age of cryptomeria fortumei plantation afforested by the grain for green program in Xuanwei municipality of Southwest China[J]. Scientia Silvae Sinicae, 2017, 53(1): 11－19. (in Chinese with English abstract)

[2]Hou Kang, Li Xuxiang, Wang Jingjing, et al. An analysis of the impact on land use and ecological vulnerability of the policy of returning farmland to forest in Yan’an, China [J]. Environmental Science and Pollution Research, 2016, 23(5): 4670－4680.

[3]Bai Jianjun, Bai Jiangtao, Wang Lei. Spatio-temporal change of vegetation NDVI and its relations with regional climate in northern shaanxi province since implementation of returning farmland to forests project[J]. Secono International Conference on Agro-Geoinformatics (Agro-Geoinformatics), 2013, 421－426.

[4]Svoray T, Karnieli A. Rainfall, topography and primary production relationships in a semiarid ecosystem[J]. Ecohydrology, 2011, 4(1): 56－66.

[5]Reza M, Ali S, Donald H B. Changes of extrame drought and flood events in Iran[J]. Global and Planetary Change, 2016, 144: 67－81.

[6]Hu Zhongmin, Yu Guirui, Fan Jiangwen, et al. Precipitation-use efficiency along a 4500 km grassland transect[J]. Global Ecology and Biogeography, 2010, 19(6): 842－851.

[7]Mariano M l H, Patricia M S, Garry R W, et al. Variations in hydrological connectivity of Australian semiarid landscapes indicate abrupt changes in rainfall-use efficiency of vegetation[J]. Journal of Geophysical Research: Biogeosiences, 2012, 117(G3): G03009－G03023.

[8]Zhao Z W, Wu Q S. Study on desertification monitoring from 2000 to 2014 and its driving factors through remote sensing in Ningxia, China[J]. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 2018, XLII-3: 2439－2447.

[9]王刘明，张媛，武磊，等. 区域尺度植被降水利用效率的时空变化特征：以洮河流域为例[J]. 兰州大学学报：自然科学版，2018，54(5)：604－611.

Wang Liuming, Zhang Yuan, Wu Lei, et al. Spatial-temporal variation of vegetation rain use efficiency at the regional scale: A case study in the Tao River Basin[J]. Journal of Lanzhou University: Natural Sciences, 2018, 54(5): 604－611. (in Chinese with English abstract)

[10]穆少杰，游永亮，朱超，等. 中国西北部草地植被降水利用效率的时空格局[J].生态学报，2017，37(5)：1458－1471.

Mu Shaojie, You Yongliang, Zhu Chao, et al. Spatio- temporal patterns of precipitation-use efficiency of grassland in Northwestern China[J]. Acta Ecologica Sinica, 2017, 37(5): 1458－1471. (in Chinese with English abstract)

[11]仇洁，张慧，沈渭寿. 青藏高原1982－2007年植被降水利用效率空间格局特征分析[J]. 复旦学报：自然科学版，2014，53(1)：126－133.

Qiu Jie, Zhang Hui, Shen Weishou. Spatial characteristics of precipitation use efficiency on the Qinghai-Tibet Plateau from 1982 to 2007[J]. Journal of Fudan University: Natural Science, 2014, 53(1): 126－133. (in Chinese with English abstract)

[12]李春娥. 新疆土地荒漠化时空变化特征分析[J]. 测绘科学，2018，43(9)：33－39.

Li Chune. Spatio-temporal variation of land desertification in Xinjiang[J]. Science of Surveying and Mapping, 2018, 43(9): 33－39. (in Chinese with English abstract)

[13]穆少杰，周可新，齐杨，等. 内蒙古植被降水利用效率的时空格局及其驱动力因素[J]. 植物生态学报，2014，38(1)：1－6.

Mu Shaojie, Zhou Kexin, Qi Yang, et al. Spatio-temporal patterns of precipitation-use efficiency of vegetation and their controlling factors in Inner Mongolia[J]. Chinese Journal of Plant Ecology, 2014, 38(1): 1－6. (in Chinese with English abstract)

[14]花立民，杨思维，周建伟，等. 气候变化和干扰对河西走廊北部风沙源区NDVI的影响[J]. 草地学报，2012，20(6)：995－1003.

Hua Limin, Yang Siwei, Zhou Jianwei, et al. Influence of climate change and disturbance on NDVI in source area of Blown Sand, North of Hexi Corridor[J]. Acta Agrestia Sinica, 2012, 20(6): 995－1003. (in Chinese with English abstract)

[15]刘宪锋，胡宝怡，任志远. 黄土高原植被生态系统水分利用效率时空变化及驱动因素[J]. 中国农业科学，2018，51(2)：302－314.

Liu Xianfeng, Hu Baoyi, Ren Zhiyuan. Spatiotemporal variation of water use efficiency and its driving forces on the Loess Plateau during 2000－2014[J]. Scientia Agricultura Sinica, 2018, 51(2): 302－314. (in Chinese with English abstract)

[16]张艳芳，王姝. 黄土高原植被降水利用效率对植被恢复/退化的响应[J]. 干旱区地理，2017，40(1)：138－146.

Zhang Yanfang, Wang Shu. Spatial pattern of vegetation rainfall use efficiency and its response to vegetation changes on the Loess Plateau[J]. Arid Land Geography, 2017, 40(1): 138－146. (in Chinese with English abstract)

[17]王静，万红莲. 陕西省岐山县公众对旱涝灾害的感知研究[J]. 陕西农业科学，2017，63(4)：95－98.

Wang Jing, Wan Honglian. Study of the public's awareness of the drought and disaster in Qishan county, Shaanxi province[J]. Shaanxi Journal of Agricultural Sciences, 2017, 63(4): 95－98. (in Chinese with English abstract)

[18]李新尧，杨联安，聂红梅，等. 基于植被状态指数的陕西省农业干旱时空动态[J]. 生态学杂志，2018，37(4)：1172－1180.

Li Xinyao, Yang Lianan, Nie Hongmei, et al. Assessment of temporal and spatial dynamics of agricultural drought in Shaanxi province based on vegetation condition index[J]. Chinese Journal of Ecology, 2018, 37(4): 1172－1180. (in Chinese with English abstract)

[19]万红莲，王静. 多尺度下宝鸡地区干旱动态格局演变及其与植被覆盖的关系[J]. 生态学报，2018，38(19)：1－12.

Wan Honglian, Wang Jing. Study of dynamic pattern evolution of drought and its correlation with vegetation cover in Baoji area on multi-scale[J]. Acta Ecologica Sinica, 2018, 38(19): 1－12. (in Chinese with English abstract)

[20]Prince S D, De Colstoun E B, Kravitz L L. Evidence from rain-use efficiencies does not indicate extensive Sahelian desertification[J]. Global Change Biol, 1998, 4: 359－374.

[21]Ardo J, Tagesson T, Jamali S, et al. MODIS EVI-based net primary production in the Sahel 2000－2014[J]. In J Appl Earth Obs Geoinformation, 2018, 65: 35－45.

[22]Wang Lunche, Gong Wei, Ma Yingying, et al. Modeling regional vegetation NPP variations and their relationships with climatic parameters in Wuhan, China[J]. Earth Interactions, 2013, 17(4): 1－20.

[23]Sjostrom M, Ardo J, Arneth A, et al. Exploring the potential of MODIS EVI for modeling gross primary production across African ecosystems[J]. Remote Sensing of Environment, 2011, 115(4): 1081－1089.

[24]刘丽娟，庞勇，Svein Solberg，等. 基于时间序列MODIS EVI数据的森林生长异常监测[J]. 林业科学，2012，48(2)：54－62.

Liu Lijuan, Pang Yong, Svein Solberg, et al. Monitoring forest growth disturbance using time series MODIS EVI data[J]. Scientia Silvae Sinicae, 2012, 48(2): 54－62. (in Chinese with English abstract)

[25]Xu Lili, Tu Zhenfa, Zhou Yuke, et al. Profiling human-induced vegetation change in the Horqin Sandy land of China using time series datasets[J]. Sustainability, 2018, 10(4): 1－18.

[26]Li Y R, Cao Z, Long H L, et al. Dynamic analysis of ecological environment combined with land cover and NDVI changes and implications for sustainable urbanerural development: The case of Mu Us Sandy Land, China[J]. Journal of Cleaner Production, 2017, 142(2): 697－715.

[27]魏凤英. 现代气候统计诊断与预测技术（第二版）[M]. 北京：气象出版社，2007.

[28]许汉玲. 基于NDVI与RUE的松辽平原西部植被动态变化监测[D]. 长春：东北师范大学，2013：6.

Xu Hanling. Spatial-Temporal Change of Vegetation in the Western Songliao Plain Based on NDVI and RUE [D]. Changchun: Northeast Normal University, 2013: 6. (in Chinese with English abstract)

[29]袁丽华，蒋卫国，申文明，等. 2000－2010年黄河流域植被覆盖的时空变化[J]. 生态学报，2013，33(24)：7798－7806.

Yuan Lihua, Jiang Weiguo, Shen Wenming, et al. The spatio-temporal variations of vegetation cover in the Yellow River Basin from 2000 to 2010[J]. Acta Ecologica Sinica, 2013, 33(24): 7798－7806. (in Chinese with English abstact)

[30]杨蓉，赵多平. 气候变暖背景下西北脆弱带近54年降水季节变化特征[J]. 水土保持研究，2018，25(6)：85－93.

Yang Rong, Zhao Duoping. Characteristics of seasonal variation of precipitation in Northwest vulnerable ecotone under the background of climate warming in the past 54 years[J]. Research of Soil and Water Conservation, 2018, 25(6): 85－93. (in Chinese with English abstact)

[31]李富春，王琦，张登奎，等. 坡地打结垄沟集雨对水土流失、紫花苜蓿干草产量和水分利用效率的影响[J]. 水土保持学报，2018，32(1)：147－161.

Li Fuchun, Wang Qi, Zhang Dengkui, et al. Effects of tied-ridging rainwater harvesting on soil erosion, alfalfa fodder yield and water use efficiency on slope lands[J]. Journal of Soil and Water Conservation, 2018, 32(1): 147－161. (in Chinese with English abstact)

[32]赵婷，白红英，邓晨晖，等. 2000－2016年秦岭山地植被覆盖变化地形分异效应[J]. 生态学报，2019，39(12)：1－11.

Zhao Ting, Bai Hongying, Deng Chenhui, et al. Topographic differentiation effect on vegetation cover in the Qinling Mountains from 2000 to 2016[J]. Acta Ecologica Sinica, 2019, 39(12): 1－11. (in Chinese with English abstact)

[33]陈洪磊，欧阳炜，吕凤玲，等. 官渡河流域植被覆盖变化与地形因子相关性[J]. 水土保持研究，2019，26(3)：135－147.

Chen Honglei, Ou Yangwei, Lv Fengling, et al. Variation of vegetation cover and its correlation of topographic factors in Guandu river basin[J]. Research of Soil and Water Conservation, 2019, 26(3): 135－147. (in Chinese with English abstact)

[34]王子婷，杨磊，蔡国军，等. 半干旱黄土区坡面尺度柠条生长状况及影响要素分析[J]. 生态学报，2017，37(23)：7872－7881.

Wang Ziting, Yang Lei, Cai Guojun, et al. Spatial patterns of Caragana korshinskii growth on hillslope scale and influencing factors in the semi-arid Loess Plateau[J]. Acta Ecologica Sinica, 2017, 37(23): 7872－7881. (in Chinese with English abstact)

[35]朱林富，谢世友，杨华，等. 基于MODIS EVI的重庆植被覆盖变化的地形效应[J]. 自然资源学报，2017，32(12)：2023－2033.

Zhu Llinfu, Xie Shiyou, Yang Hua, et al. The research of dynamic change in vegetation coverage to topography in Chongqing based on MODIS EVI[J]. Journal of Natural Research, 2017, 32(12): 2023－2033. (in Chinese with English abstact)

[36]童晓伟，王克林，岳跃民，等. 桂西北喀斯特区域植被变化趋势及其对气候和地形的响应[J]. 生态学报，2014，34(12)：3425－3434.

Tong Xiaowei, Wang Kelin, Yue Yuemin, et al. Trends in vegetation and their responses to climate and topography in northwest Guangxi[J]. Acta Ecologic Sinica, 2014, 34(12): 3425－3434. (in Chinese with English abstact)

[37]胡苗苗，闫庆武，李晶晶. 省际迁入人口空间费恩不及其影响因素研究[J]. 人口与发展，2019，25(1)：24－34.

Hu Miaomiao, Yan Qingwu, Li Jingjing. Spatial distribution and influential factors of inter-provincial population moving into[J]. Population & Development, 2019, 25(1): 24－34. (in Chinese with English abstract)

[38]田荣湘，康玉香，张文滨，等. 太阳辐射和大气环流在青藏高原气温季节变化中的作用[J]. 浙江大学学报：理学版，2017，44(1)：84－96.

Tian Rongxiang, Kang Yuxiang, Zhang Wenbin, et al. The role of solar radiation and atmospheric circulation in the seasonal temperature changes of Qinghai-Tibei plateau[J]. Journal of Zhejiang University: Science Edition, 2017, 44(1): 84－96. (in Chinese with English abstact)

Spatio-temporal evolution and driving forces of rainfall use efficiency in land restoration

Wang Jing1,2, Yao Shunbo1※, Liu Tianjun2

(1.,,712100; 2.712100)

Returning farmland to forest (grass), named Grain for Green Project, is one of the major ecological land restoration in China. In the context of the global climate change, the study of the impact of precipitation patterns on the productivity of ecosystems become an important means to evaluate the use efficiency of returning farmland to forests (grass) for the ecological restoration. Baoji region was used to this research in order to provide a specific theoretical reference for the improvement and implementation of the subsequent national ecological restoration policy, and the corresponding vegetation growth season was selected as March-November. Based on the standardized rainfall use efficiency(RUE) model and integrated climate, land use/cover and optical remote sensing, this present study explored the influence of the temporal and spatial evolution characteristics of(RUE) and driving forces by the use of isolated natural and human factors to monitor the inter-annual and seasonal growth seasons. The result shows: 1) In 2001 to 2017, after two rounds of returning farmland to forests (grass) in Baoji area,(RUE) showed an overall improvement trend, especially in the area of pixels that showed a significant increase after the first round. The highest increase was 65.69%. The whole region was changed from the artificial intervention region to the reduction of human intervention under the first round of the project implementation; 2) The spring(RUE) change was the smallest among the inter-annual differences, and the transition point appeared in 2009, which was the period of 2001 to 2009 and 2009 to 2017 were positive and negative growth distribution, respectively.(RUE) in Summer increased most significantly, together with the largest annual difference in Autumn. The(RUE) mean of each year on the inter-annual and spring scales was the highest in the grassland and cultivated land, respectively, and the(RUE) of urban and rural land was the highest in Summer and Autumn; 3) Different type of vegetation, slope, direction of slope angle, change of(RUE) were in the peak distribution of “three high and one low”. The much higher peaks occurred in April, June, and November (maximum), whereas the low peaks occurred in September (minimum), corresponding to greening (April), harvesting (June), and sowing (September); 4) Illumination duration become the main driving factor for the(RUE) variations in Baoji area. The main driving factors were temperature, sunshine hours and per capita GDP. Since the implementation of the project of returning farmland to forests (grass), the grassland improvement trend in the growing season was the best, indicating consistent with the increasing trend of(RUE) on the grassland. Except Fufeng, Linyou County and Fengxian, the remaining counties (districts) have much more contributed to the variation of(RUE) than human activities in Baoji area of China.

returning farmland to forests (grass); standardized rainfall use efficiency; human intervention; driving factor; Baoji area

王 静，姚顺波，刘天军. 退耕还林背景下降水利用效率时空演变及驱动力探讨[J]. 农业工程学报，2020，36(1)：128－137.doi：10.11975/j.issn.1002-6819.2020.01.015 http://www.tcsae.org

Wang Jing, Yao Shunbo, Liu Tianjun. Spatio-temporal evolution and driving forces of rainfall use efficiency in land restoration[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(1): 128－137. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2020.01.015 http://www.tcsae.org

2019-08-07

2019-12-02

林业公益性行业科研专项经费资助（201504424）；教育部人文社会科学重点研究基地基金资助(14JJD790031)；国家自然科学基金（71473195）；国家林业局软科学项目（2015-R32）；“十三五”国家重点研发计划重点专项（2016YFC0501705；2016YFC0501602）

王 静，博士，研究方向为资源经济与生态环境管理。Email：wangj87j@163.com

姚顺波，教授，博士生导师，研究方向为资源经济与环境管理。Email：yaoshunbo@163.com

10.11975/j.issn.1002-6819.2020.01.015

P967; Q948

A

1002-6819(2020)-01-0128-10