东北地区植被时空演变及影响因素分析

石 淞,李 文,丁一书,林晓鹏,翟育涔

东北地区植被时空演变及影响因素分析

石 淞,李 文*,丁一书,林晓鹏,翟育涔

(东北林业大学园林学院,黑龙江 哈尔滨 150040)

基于2000～2020年MODIS NDVI遥感数据,辅以气象数据和土地利用数据,通过小波分析、Sen+Mann-Kendall趋势分析、Hurst指数、偏相关分析及残差分析法,以不同地形地貌为单元,对不同周期阶段下东北地区植被时空演变特征及其对气候变化和人类活动的响应机制进行深入解析.结果表明:时间上,21a间东北地区植被NDVI呈速率为0.0308/10a(<0.001)的上升趋势,以16a第一主周期下10a左右的周期变化最为稳定;空间上,东北地区植被NDVI整体处于较高水平,但空间分异明显,呈“西南低东北高”的格局.各周期阶段均为NDVI改善面积大于退化面积且改善范围不断扩增.NDVI未来变化趋势主旋律为持续改善,占总面积的63.56%;响应机制上,东北地区植被NDVI受气候变化与人类活动共同影响.2000～2020年NDVI与气温、降水和相对湿度呈正相关,与日照时数呈负相关,其中降水对NDVI的影响作用最强,且随周期演替以降水为主导气候因子的面积显著递增.各周期阶段人类活动对NDVI变化均以正向促进为主,林业工程实施是植被状况改善的关键,而建设用地扩张是植被减少的主要原因.

东北地区；NDVI；时空演变；气候变化；人类活动

监测植被动态并探索植被生长与气候变化和人类活动的响应关系,是全球变化研究中持续关注的问题[1-2].东北地区地处中高纬度带,是全球变化响应的敏感区和脆弱区,也是维护我国粮食安全和陆表生态平衡的重要区域[3].东北地区植被以落叶阔叶林、针阔混交林、草原草甸为主,其植被生态系统是长期自然演化的结果,一旦遭到破坏,恢复难度极大且过程缓慢[4].近几十年来,由于水热条件改变和开发建设加剧,东北地区生态环境发生显著变化,主要表现为森林生态功能衰减[5]、草地荒漠化[6]、黑土区水土流失严重[7]等.植被作为陆地生态系统中的主体,对东北地区生态可持续发展起关键作用[8],探究其时空变化及驱动机制具有重要意义.

利用遥感卫星数据监测植被生长有助于更好地了解植被信息,在众多遥感数据反演的植被指数中,归一化植被指数(NDVI)具有物理意义明确、消除辐射误差、对植被响应能力强等优势,应用最为广泛[9].目前国内外学者基于NDVI时间序列从多尺度对植被时空变化及其影响因素的研究已有丰硕成果.研究指出[10-12],近30a全球变暖使北半球植被物候期提前,枯黄期推迟,NDVI整体呈上升趋势,在我国西北干旱区[13]、东南沿海城市[14]、黄河流域[15]、三江平原[16]和青藏高原[17]等地的研究中也有类似结论.大量学者聚焦于运用相关分析[18]、面板数据模型构建[19]、地理探测器[20]等方法探究NDVI与气温、降水、土地利用、人口密度等的响应关系.研究表明,气候变化作为内部驱动力,主要通过改变植被所处的局地环境,影响碳积累、水循环及土壤有机质分解过程,进而影响其生长发育及分布格局,且在不同植被类型与海拔梯度间气候因子的影响范围和作用强度存在差异[21-23];人类活动作为外部驱动力在不同程度上缓解或加剧气候变化的影响,体现为一种复杂的人-环境耦合系统,与政策和经济因素密切相关,在社会快速发展时期,其作用更加不可忽视[24-25].随着研究不断深入,针对东北地区植被的研究也取得了长足进展.研究发现[26-28],近年来东北地区植被覆盖整体呈稳定增长态势,并且认为生长季尺度上NDVI与降水的相关性高于气温,同时,气候变化和人类活动均对植被改善具有促进或抑制作用,其中人类活动是植被趋势变化的主导因素.

前人对东北地区研究,大多以NDVI起止年为研究时段,以行政区划为研究单元,忽略了植被变化在不同阶段、不同地形环境的差异.且多侧重定性讨论,只有少数学者进行了定量剥离,但未考虑气温和降水外的其他气候因素对植物生长的影响及NDVI变化与气候因子的时滞效应.鉴于此,本文借助谷歌地球引擎(GEE)云平台,基于2000～2020年MODIS NDVI数据,以地形地貌分区为单元,采用小波分析方法划分周期阶段,利用Sen+Mann-Kendall趋势分析和残差分析等方法,探讨植被时空演变特征及其对气候变化和人类活动的响应机制,以期为东北地区植被资源修复和生态政策制定提供科学依据.

1 数据与方法

1.1 研究区概况

东北地区(38°72'～53°56'N、115°52'～135°09'E)包括黑龙江、吉林、辽宁及内蒙古自治区东四盟(呼伦贝尔、兴安、通辽、赤峰),总面积约125万km2.地势分异明显,呈三面环山,内部平原的格局,可划分为松嫩平原、三江平原、辽河平原、大兴安岭、小兴安岭及长白山.属温带大陆性季风气候,四季分明,雨热同期.由南向北跨越中温带与寒温带,北部冻土区冬季气温可达-40℃,由东向西跨越湿润、半湿润与半干旱区,年降水量由1000mm逐渐低至300mm以下.作为我国最大的天然林分布区,植被区划上汇合了中国8大植被区域中的4类,分别为温带针阔混交林、寒温带针叶林、暖温带落叶阔叶林、温带草原,植被分布上具有南北纬度、东西经向和山地垂直地带性[29].为解决气候变化与不合理人类活动造成的生态环境问题,国家相继实施了“三北防护林”、“退耕还林草”等林业工程,东北地区作为重点实施区域,其植被覆盖面积较20世纪末期有显著提升(图1).

图1 东北地区高程及气象站点空间分布

底图审图号:GS2022(1873)号.下同

1.2 数据来源及处理

NDVI数据选取2000～2020年生长季(4～10月)MOD13Q1产品,来源于美国航空航天局NASA (https://ladsweb.modaps.eosdis.nasa.gov/),时间分辨率16d,空间分辨率250m.最大值合成法(MVC)能够有效减少云层、大气、太阳高度角等对植被数据的干扰.通过GEE函数对数据进行批量波段提取、格式转换、最大值合成、影像拼接、按研究区矢量范围裁剪,得到月、年尺度最大值NDVI数据集.本研究利用年生长季最大NDVI进行分析,代表全年植被生长的最好状况,将生长季NDVImax<0.1的区域定义为无植被区,不参与计算,以减少裸土、沙漠、水体、积雪的影响.

气象数据来源于国家气象信息中心(http://data. cma.cn/)《中国地面气候资料日值数据集(V3.0)》,筛选出研究区内及其周边127个气象站点的气温、降水、日照时数和相对湿度4类气象数据,通过R语言将其整合并转化为标准单位,采取均值替换法对个别台站的异常值和缺失值进行插补.利用ANUSPLIN软件,引入DEM作为协变量,基于薄盘样条函数理论对气象数据进行空间插值.DEM数据来源于GEE平台NASADEM30m数据集(NASA/ NASADEM_HGT/001),该数据集通过误差校对等技术实现了STRM数据质量的提升.土地利用数据来源于资源环境科学与数据中心(https://www.resdc. cn/),选取2000和2020年两期.利用ArcGIS10.8对所有影像进行掩膜提取、投影转换与重采样等再处理,确保最终行列号一致,投影类型为WGS84-UTM,空间分辨率为1km.

1.3 研究方法

1.3.1 小波分析 小波分析能够清晰揭示隐藏在长时间序列中的多种周期变化信息[30].本研究选用含非正交特性的Morlet作为母小波基函数进行小波变换.母小波、子小波、离散小波变换形式与小波方差公式分别如下:

1.3.2 Sen+Mann-Kendal趋势分析 将Theil-Sen Median斜率估计与Mann-Kendall非参数检验相结合,该方法较为稳健,抗噪性强且能够规避异常值干扰[31].公式如下:

表1 NDVI变化类型及划分依据

1.3.3 Hurst指数 基于重标极差(R/S)法的Hurst指数能够预测未来时间序列的发展趋势,定量描述其持续性特征[32].原理如下:

1.3.4 偏相关分析 基于像元空间尺度将NDVI时间序列与4类气候因子分别进行三阶偏相关分析[33],并采用检验判断其显著性.公式如下:

1.3.5 残差分析 采用残差分析法[34]定量分离气候变化和人类活动对NDVI的影响.本研究在传统残差分析基础上,考虑到植被对气候响应的时滞效应,运用相关分析法得出NDVI与同期、前1～3月气候因子的相关系数,选择与NDVI相关性最强时期的气候因子参与计算.将NDVI预测值、NDVI实测值与预测值的差值分别视为气候变化、人类活动影响下的NDVI.公式如下:

2 结果与分析

2.1 植被NDVI时空演变特征

2.1.1 时间变化特征 从年际变化看,2000～2020年东北地区NDVI整体呈显著增长趋势,增长率为0.0308/10a(<0.001),表明退耕还林、禁牧轮牧、封山育林育草等植被修复工程的生态效应正逐步显现,但在2004～2010年NDVI波动性较大,2007与2009年出现明显下降趋势,可能与干旱事件有关. 21a间东北地区NDVI均值为0.800,2000年NDVI值最低,为0.755,2019年NDVI值最高,为0.831.各地形地貌分区NDVI变化速率差异较大,其中松嫩平原上升趋势最为显著,为0.047/10a,辽河平原次之,为0.040/10a,长白山年际变化最不明显,增长率仅为0.020/10a.长白山21a间植被覆盖状况优于其他地形地貌单元,NDVI均值最高,为0.885,小兴安岭和三江平原次之,分别为0.881和0.866,辽河平原NDVI均值最低,为0.736(图2).

图2 2000～2020年东北地区NDVI均值年际变化

图3 NDVI时间序列分解及去季节趋势NDVI时间序列

从周期变化看,首先运用STL时间序列分解法剔除年内强烈的季节趋势对年际周期信息的干扰,使周期变化分析结果更有意义.该方法通过鲁棒局部加权回归将21aNDVI时间序列分解为趋势-周期项、季节项与残差项.对修正后的去季节趋势NDVI时间序列进行小波变换,由小波系数实部等值线图可看出,在100～120月时间尺度上有明显震荡现象,出现2个正相位和3个负相位,其中正相位为22～58月与92～127月,NDVI均值偏高,22～127月正负相位交替完整,囊括NDVI年际变化波动较大时段.由小波方差图可看出,在111月时间尺度上对应波动能量最大峰值,佐证等值线图结论,说明111月(约16a)为东北地区NDVI变化的第一主周期,此外88、72月分别为第二、三主周期.由小波系数图可看出,不同时间尺度下NDVI周期变化有所差异,第一主周期下NDVI周期变化为69月(约10a).综上,21a间东北地区NDVI时间变化存在多尺度特征,由111、88、72月时间尺度的周期波动共同控制着NDVI在整个时域内的演化,以16a第一主周期下10a左右的周期变化最为稳定(图3、4).

图4 小波系数实部等值线、小波方差及小波系数

2.1.2 空间分布特征 东北地区NDVI呈“自西南向东北递增”的分布格局且地域性差异明显.高值区主要分布在长白山、小兴安岭、三江平原等地,NDVI均值普遍在0.8以上,植被长势较好.低值区主要分布在大兴安岭西部呼伦贝尔沙地与西辽河平原科尔沁沙地,荒漠化问题严峻,NDVI均值仅为0.1～0.5.总体上,东北地区NDVI处于较高水平,均值在0.8以上的区域占比67.32%.在NDVI均值£0.8各区间内,面积占比均为大兴安岭>辽河平原>三江平原;在NDVI均值0.8～0.9区间内,大兴安岭占比38.22%,松嫩平原和长白山次之,分别为19.33%、12.64%;在NDVI均值³0.9区间内,长白山占比最高,达到51.81%,三江平原与小兴安岭次之,分别为13.54%、13.25%.各区间植被分布存在差异的原因主要与植被类型有关,大小兴安岭与长白山主要植被类型为落叶阔叶林、针叶林、针阔混交林等,平原地区作为粮食主产区,主要植被类型为草地和农田,因此在NDVI低值区间内,平原与山地占比近似,而在NDVI高值区间内,山地居多.由于长白山森林多为针阔混交林,且其所处区域水热条件优于大小兴安岭,因此在NDVI最高值区间,长白山占比过半(图5).

2.1.3 空间变化特征 结合周期变化分析结果,将研究时期按照近10a为间隔对NDVI空间变化特征进行分析.不同周期阶段下NDVI变化趋势空间异质性明显.2000～2010年,NDVI改善面积为22.41万km2,占比18.12%,主要分布在松嫩平原与辽河平原,以极显著改善为主,占比9.77%,显著及弱显著改善分别占比1.12%、7.23%.退化面积为6.82万km2,占比5.52%,以显著退化为主,占比4.34%,主要分布在大兴安岭西南部.

2010～2020年,较上一阶段主要由显著退化和极显著改善向显著改善转化,NDVI改善面积扩增至31.03万km2,占比25.10%,主要分布在三江平原、西辽河平原与大兴安岭东北部,以显著改善为主,占比11.55%,较上一阶段占比增长10.42%.退化面积为2.75万km2,占比2.23%,其中极显著及弱显著退化较上一阶段无较大差别,显著退化面积为1.18万km2,较上一阶段占比减少3.38%,退化区域主要集中在辽河平原中部.

整体来看,2000～2020年东北地区NDVI改善趋势明显,改善面积总计82.33万km2,占比66.59%,其中极显著、显著与弱显著改善分别占比39.93%、18.94%、7.72%.退化面积仅为2.02万km2,占比1.63%.表明2000～2020年东北地区大部分区域植被状况均有好转,而典型半干旱风沙区与部分城市群聚集区仍应引起重视,21a间退化形势严峻(图6).

图6 2000～2020年东北地区不同周期阶段NDVI Sen趋势及变化类型空间分布

各地形地貌分区NDVI空间变化在不同周期阶段下存在差异,但整体趋同.2000～2010年,辽河平原改善面积占其总面积比例最高,为40.51%,松嫩平原次之,为28.38%,大兴安岭占比最低,为13.54%. 2010～2020年,三江平原、大兴安岭、小兴安岭、长白山较上一阶段改善面积均有所增加,占其各自总面积比例分别增长17.11%、14.86%、12.87%、9.15%,而辽河平原在此阶段植被退化现象突显,改善面积较上一阶段占比减少22.93%.整体来看,2000～2020年各地形地貌分区NDVI均有大幅改善,其中松嫩平原、小兴安岭、长白山改善成效更为显著,改善区域占比分别为79.79%、77.57%、73.56%.辽河平原与大兴安岭退化面积仍分别有6606、6587km2,且辽河平原退化程度最强(图7).

2.1.4 未来变化特征 2000～2020年东北地区NDVI的Hurst指数介于0.20～0.77之间,均值为0.59,其中Hurst值>0.5的面积占比85.28%,表明NDVI总体上表现出持续性特征,与过去趋势相同.根据Hurst指数计算实际情况,将其划分为强、弱的持续与反持续4个等级,其中弱持续性占比最大,达到61.29%,主要分布于大兴安岭、长白山与三江平原.强持续性次之,占比23.99%,主要分布于辽河平原北部、松嫩平原中部与小兴安岭东南部.弱反持续与强反持续区域分布较少且相对破碎,分别占比14.48%、0.24%.

将NDVI变化趋势与Hurst指数进行空间耦合叠加,以进一步明确东北地区NDVI未来发展规律.其中弱持续改善面积为51.83万km2,占比最高,为41.92%,强持续改善次之,占比21.64%.这些区域主要集中在松嫩平原、辽河平原北部、小兴安岭东南部与大兴安岭东北部,未来将呈现不同程度的持续改善.其余各类型面积较少,占比均在5%以下.整体来看,东北地区NDVI处于稳中向好的发展态势,未来变化类型多为持续改善,占比63.56%,但以弱持续性改善居多.持续退化以及由改善转为退化的面积仍有5.71万km2,占比4.62%,主要分布在大兴安岭西部草原沙地与部分建筑聚集区,其存在退化风险的主要原因可能与水热条件改变、土地利用类型重构等因素对植被生长产生抑制作用有关,需因地制宜加强这些区域的生态环境治理(图8).

图7 2000～2020年各地形地貌分区不同周期阶段NDVI变化类型

图8 2000～2020年东北地区Hurst指数及NDVI未来变化趋势空间分布

2.2 植被NDVI对气候变化的响应

2.2.1 气候因子变化趋势 2000～2020年东北地区气温、降水与相对湿度总体呈上升趋势,速率分别为0.038℃/10a、90.695mm/10a、1.022%/10a,日照时数呈下降趋势,速率为-0.079h/10a.21a间均温与累积降水量均值分别为13.997℃、476.867mm.2018年均温出现高峰,2007、2011与2014年降水量明显下降,与该年东北地区遭遇异常频繁夏热事件与大面积旱情灾害有关[35-36].2000～2020年相对湿度与日照时数均值分别为63.644%、7.678h,在2002～2008年间波动幅度相对较大.综上,东北地区气候环境正逐步趋向暖湿化(图9).

2.2.2 NDVI与气候因子的相关性 不同周期阶段下东北地区NDVI与各气候因子的偏相关类型空间分布差异较大.2000～2010年,NDVI与降水和相对湿度偏相关系数均值分别为0.085、0.065,与两者呈显著(<0.05)和弱显著正相关(<0.1)的区域占比分别为7.05%、7.50%,分别主要分布在松嫩平原西北部与南部、大兴安岭东部与南部.NDVI与气温和日照时数偏相关系数均值分别为-0.055、-0.045,与两者呈显著(<0.05)和弱显著负相关(<0.1)的区域占比分别为4.74%、5.82%,分别主要分布于大兴安岭中部与松嫩平原东北部、大兴安岭西部与松嫩平原西南部.

图9 2000～2020年东北地区气候因子变化趋势

图10 2000～2020年东北地区不同周期阶段NDVI与气候因子相关类型空间分布

2010～2020年,NDVI与降水偏相关系数均值为0.192,其中呈显著(<0.05)和弱显著正相关(<0.1)的区域占比14.50%,较上一阶段占比增长7.45%,主要分布在大兴安岭西部、东部与松嫩平原中部等地.NDVI与气温和日照时数偏相关系数均值分别为0.082、0.091,由上一阶段的负值转为正值,与气温呈显著(<0.05)和弱显著正相关(<0.1)的区域占比8.75%,主要分布在大兴安岭西部、松嫩平原西南部与辽河平原北部;与日照时数呈显著(<0.05)和弱显著正相关(<0.1)的区域占比7.70%,主要分布在长白山一带.NDVI与相对湿度偏相关系数均值为-0.082,由上一阶段的正值转为负值,其中呈显著(<0.05)和弱显著负相关(<0.1)的区域占比8.27%,主要分布在三江平原与松嫩平原中部.

整体来看,2000～2020年东北地区生长季NDVI与气温、降水、相对湿度呈正相关,偏相关系数均值分别为0.012、0.243、0.025,与日照时数呈微弱负相关,偏相关系数均值为-0.009.NDVI与气温呈显著(<0.05)和弱显著负相关(<0.1)的面积总计5.68万km2,占比分别为2.23%、2.36%,主要分布于辽河平原西部与大兴安岭西南部,究其原因主要是由于这部分地区降水较少,受到水分胁迫,气温升高导致植被蒸腾作用加强,土壤水分加速消耗使其干燥化,进而抑制植被代谢过程.NDVI与降水分别有19.48%、9.48%的区域呈显著(<0.05)、弱显著正相关(<0.1),与降水呈显著(<0.05)和弱显著(<0.1)相关的区域面积明显高于其他气候因子,分布更为广泛.而在松嫩平原、辽河平原、三江平原的部分农业生产地区,由于受人工灌溉影响,NDVI对降水的敏感性较低,相关性并不显著.NDVI与相对湿度的偏相关关系表现为“东北强,西北和东南弱”的空间特征,其中呈显著(<0.05)和弱显著正相关(<0.1)的面积总计9.52万km2,占比分别为4.28%、3.42%,主要分布在大兴安岭东北部与松嫩平原北部.NDVI与日照时数响应在空间上表现为“南北高中部低”的分布格局,其中呈显著(<0.05)和弱显著负相关(<0.1)的面积总计5.81万km2,占比分别为2.21%、2.49%,主要分布在大兴安岭西部与辽河平原北部(图10、表2).

表2 2000～2020年东北地区不同周期阶段NDVI与气候因子呈显著和弱显著相关区域面积比例

图11 2000～2020年东北地区不同周期阶段NDVI主导气候因子空间分布

为探究不同周期阶段各气候因子对植被生长的影响程度,取各像元NDVI与气候因子的偏相关系数绝对值最大者作为该像元的主导气候因子. 2000～2010年,以各气候因子为主导的区域空间分布较为均衡,面积占比均在25%左右. 2010～2020年,以气温和降水为主导气候因子的区域占比分别为25.59%、31.09%,较上一阶段分别增加3.48%、6.02%,以日照时数和相对湿度为主导气候因子的区域占比分别为22.30%、21.02%,较上一阶段分别减少2.48%、7.02%.整体来看,2000～2020年NDVI主导气候因子的空间分布具有异质性,大多数区域以降水为主导气候因子,占比46.40%,说明水分条件是东北地区植被生长的关键;以相对湿度主导的区域占比18.41%,主要分布在松嫩平原北部;以气温主导的区域占比17.82%,主要分布在大兴安岭北部与辽河平原西部;以日照时数主导的区域占比17.37%,分布较为分散.不同地区植被生长受气候因子驱动存在差异的主要原因可能与植被类型与自然环境条件有关,在长白山西南部、大兴安岭东北部与小兴安岭东部等地,主要分布有大面积森林,且降水量与水汽含量充沛,森林相较于其他植被类型对热量要求更高,气温升高与日照时数延长可以加快植被光合作用,驱动植被生长,使得这些区域对水分条件的响应不如对光热条件敏感(图11).

2.3 植被NDVI对人类活动的响应

2.3.1 时滞筛选 分析生长季NDVI与同期(即4～10月)、前1～3月(即3～9月、2～8月、1～7月)气候因子的Pearson相关系数并综合考虑其显著性,得出不同周期阶段下NDVI与气候因子最大相关系数对应的时滞.2000～2010年,NDVI与气温和相对湿度的最大响应为同期(NDVI-TEM0=-0.56、NDVI-RHU0= 0.40),与降水的最大响应为滞后3个月(NDVI-PRE3= 0.79),与日照时数的最大响应为滞后2个月(NDVI-SSD2=-0.78).2010～2020年,NDVI与日照时数和相对湿度的最大响应为滞后3个月(NDVI-SSD3= 0.45、NDVI-RHU3=-0.50),与气温和降水最大响应分别为同期与滞后1个月(NDVI-TEM0=0.61、NDVI-PRE1= 0.56).2000～2020年,NDVI与日照时数和相对湿度的最大响应为同期(NDVI-SSD0=-0.29、NDVI-RHU0=0.46),与气温和降水最大响应分别为滞后3个月与滞后1个月(NDVI-TEM3=0.16、NDVI-PRE1=0.80)(图12).

图12 2000～2020年东北地区不同周期阶段NDVI与气候因子时滞相关性

2.3.2 NDVI与人类活动的相关性 基于NDVI与相关性最强时滞气候因子的残差分析结果,将NDVI残差时间序列进行逐像元趋势及显著性分析,以表征不同周期阶段下人类活动对东北地区NDVI的影响.2000～2010年,NDVI残差趋势为正值的区域占比61.22%,其中显著(<0.05)和弱显著正向促进(<0.1)的区域占比10.91%,主要分布在松嫩平原中部与大兴安岭东北部.NDVI残差趋势为负值的区域占比38.78%,其中显著(<0.05)和弱显著负向抑制(<0.1)的区域占比3.01%,主要分布在大兴安岭西南部.2010～2020年,NDVI残差趋势的正负值比例与上一阶段基本保持稳定,分别为59.08%、40.92%,但显著(<0.05)和弱显著影响(<0.1)的区域面积明显减少,正向促进与负向抑制占比分别降至1.01%、0.41%.

整体来看,2000～2020年,NDVI残差趋势为正值的区域面积达99.93万km2,占比80.83%,其中显著(<0.05)和弱显著正向促进(<0.1)的面积总计30.90万km2,占比分别为16.24%、8.76%,主要分布在辽河平原西南部、大兴安岭东北部、长白山等地.NDVI残差趋势为负值的区域面积为23.69万km2,占比19.17%,其中显著(<0.05)和弱显著负向抑制(<0.1)的面积总计1.41万km2,占比分别为0.63%、0.51%,主要分布在个别城市聚集区.表明21a间人类活动对东北地区植被生长具有双重影响,并以积极作用为主(图13、表3).

土地利用类型的转变宏观上直接反映了人类活动对自然的改造过程.2000～2020年东北地区土地流转总面积达39.13万km2,占比39.13%,其中草地、耕地、林地是转换最为频繁的土地利用类型.不同的转移方向对植被覆盖变化影响存在差异,由耕地转向林地、草地(面积5.53万km2,占比6.87%)代表一系列生态保护工程,有效遏制林草退化,其中NDVI呈上升趋势的面积占比达66.41%.建设用地的转入(面积3.06万km2,占比2.46%)代表人类对其他用地的开发活动,其中NDVI呈下降趋势的面积占比为8.42%,远高于整体及其他土地利用类型转移的区域, 转为建设用地的区域主要分布在大兴安岭西部、西辽河平原以及各省域的城市聚集区,与21a来NDVI显著退化区域基本吻合,同时与NDVI残差趋势为负值的区域相呼应,表明在农牧交错带、草原、沙地等生态系统脆弱的环境下仍存在土地利用不当现象,以及随城镇化进程加快,城市用地规模扩大,人类活动对植被生长的负面影响日益凸显.

表3 2000～2020年东北地区不同周期阶段人类活动对NDVI呈显著和弱显著影响区域面积比例

图13 2000～2020年东北地区不同周期阶段NDVI残差趋势(a-c)及人类活动对NDVI影响类型(d-f)空间分布

3 讨论

3.1 植被NDVI时空演变

2000～2020年东北地区植被NDVI在时间上呈显著增长态势,在空间上以改善为主且未来持续改善趋势明显,总体表现出较大的时空异质性,这与王鸽等[37]的研究结果一致.植被变化在不同周期阶段下存在差异,而大兴安岭西部、辽河平原东南部及松嫩平原部分地区植被始终退化程度较强且退化风险较大,主要有以下两方面原因:其一,大兴安岭西部地区属内蒙古高原,地势起伏大,气候环境相对恶劣.辽河平原土地沙化严重,土壤盐渍化,加之过度放牧与开荒,导致生态环境恶化;其二,辽河平原和松嫩平原各城市中心区,大量林草地转换为建设用地,使植被覆盖持续下降,这与肖骁等[38]的研究结果一致.

3.2 植被对气候因子的响应

生长季降水是土壤水分的主要来源,土壤含水率高低对植被生长产生直接影响,以降水为主导气候因子的区域范围随周期演替不断递增,成为东北地区NDVI变化的首要气候驱动力,不同学者[16,39]在东北地区的相关研究也证实了这一观点.但与罗玲等[40]的研究结果相悖,原因主要与研究的年际与年内时段不同有关,基于有限时间序列的趋势分析,会由于不同的起点、结束点、突变点而产生不同结果[41].植被与气温、日照时数、相对湿度的相关性在不同周期阶段下波动性较大,21a间以其为主导气候因子的部分主要分布在大兴安岭北部、长白山西南部、辽河平原西部等地.植被类型和区域特征影响植被对气候因子的响应.风沙草原区水资源短缺,土壤渗透性强且地表蒸发量大,植被对热量的响应不如降水敏感;森林植被根系结构发达,对维持水分平衡具有较强的自我调节能力,因此与降水的相关性相对不显著.不同于干旱半干旱地区,在常年多雨区域,大量降水使土壤水分长期处于饱和状态,生物活性降低,且导致地表径流增加,营养物质流失,间接迫害植被生长,因此气温、日照时数成为促进植被生长的主要影响因素,这与巴音德乐黑等[42]以东北地区内大兴安岭北坡为研究对象的结论保持一致,进一步证明本文研究的准确性.

3.3 植被对人类活动的响应

人类活动对植被生长的作用强度具有地域差异,大兴安岭中部等地植被类型以林草为主,且地势陡峭,人口稀少,植被受人类活动影响不显著;在辽河平原、松嫩平原等低海拔地区,人类活动频繁,因此植被受人类活动影响显著.不同周期阶段下人类活动对NDVI各影响类型的范围有所波动,但21a来总体以积极作用为主,这与近年来国家高度重视东北地区的生态保育与植被恢复,在大小兴安岭、辽河流域、三江平原等地积极开展林业工程有关[43].但同时也应注意到这些区域仍存在植被退化现象,有学者研究认为[44],大规模植树造林增加该地区土壤水分消耗,在无法得到正常补给的情况下,会形成土壤干层,加剧干旱风险,从而对植被生长产生负面影响,因此对于植被建设与当地水文状况的协调仍需进一步探讨.此外,随生态工程效益得以充分体现,城镇化加剧使局部地区的植被覆盖出现拐点,以省会城市为例,2000～2020年沈阳、长春、哈尔滨的GDP分别由1119.14, 861.00, 1002.70亿元上升到6571.60, 6638.03, 5183.80亿元;常住人口分别由720.40, 713.54, 941.34万人,增加到907.01, 906.69, 1000.99万人.受经济发展与人口增长的影响,东北地区建设用地显著增加,增量达8524km2,直接造成人类活动对植被生长产生抑制作用,在路杰等[45]的研究中也得到了证实,可以预见这些地区受土地资源限制,植被覆盖将持续减少,如何减缓这种趋势是未来东北地区生态发展的重点问题.

3.4 本研究的局限性

植被对环境的响应是一个多因素耦合驱动的复杂过程,本文选择了气温、降水、日照时数和相对湿度4类密切相关因子,忽略了太阳辐射、地表蒸散发、土壤等其他因子,且尚未考虑不同植被类型响应机制的具体差异.同时,本文虽引入时滞效应对残差分析法加以改进,但利用多元线性回归拟合量化气候变化与人类活动的影响仍不全面.后续应立足东北地区不同区域植被资源禀赋差异,加入多因素考量,结合构建非线性模型等其他方法模拟植被变化,以确保研究结果更加客观合理.

4 结论

4.1 时间上:2000～2020年东北地区及各地形地貌单元NDVI均呈上升趋势,整体增长率为0.0308/10a (<0.001),其中松嫩平原上升趋势最为明显;21a间NDVI时间变化存在多尺度特征,以16a第一主周期下10a左右的周期变化最为稳定.

4.2 空间上:东北地区NDVI呈“自西南向东北递增”的分布格局,具有明显异质性,植被覆盖水平整体较高;各周期阶段均为NDVI改善趋势面积大于退化趋势面积且改善范围不断扩增,占比分别为18.12%、25.10%、66.59%;NDVI未来变化主旋律为持续改善,占总面积的63.56%,但以弱持续为主,草原沙地与建筑密集区退化风险较高,需进一步精准施策加强生态保护力度.

4.3 NDVI对气候变化响应上:21a来东北地区气候逐渐趋向暖湿化.生长季NDVI与气温、降水和相对湿度呈正相关关系,与日照时数呈负相关关系,且降水对NDVI的作用强于其他气候因子.随周期演替,以降水为主导气候因子的面积显著递增,植被对降水的依赖性逐渐加强.

4.4 NDVI对人类活动响应上:各周期阶段人类活动对NDVI变化均以积极作用为主,21a间显著和弱显著正向促进的范围达25.00%.土地利用转移与NDVI变化具有较强相关性,一系列林业生态工程实施使植被得以改善,城镇化加剧导致的建设用地扩张是植被生长受负向抑制的主要原因.

[1] Chu H S, Venevsky S, Wu C, et al. NDVI-based vegetation dynamics and its response to climate changes at Amur-Heilongjiang River Basin from 1982 to 2015 [J]. Science of the Total Environment, 2019,650: 2051-2062.

[2] Jiang P, Ding W G, Yuan Y, et al. Interannual variability of vegetation sensitivity to climate in China [J]. Journal of Environmental Management, 2022,301:113768.

[3] 于成龙,刘 丹,冯 锐,等.基于最小累积阻力模型的东北地区生态安全格局构建[J]. 生态学报, 2021,41(1):290-301.

Yu C L, Liu D, Feng R, et al. Construction of ecological security pattern in Northeast China based on MCR model [J]. Acta Ecologica Sinica, 2021,41(1):290-301.

[4] 叶 瑜,方修琦,张学珍,等.过去300年东北地区林地和草地覆盖变化[J]. 北京林业大学学报, 2009,31(5):137-144.

Ye Y, Fang X Q, Zhang X Z, et al. Coverage changes of forestland and grassland in northeastern China during the past 300years [J]. Journal of Beijing Forestry University, 2009,31(5):137-144.

[5] 肖 骁,穆治霖,赵雪雁,等.基于RS/GIS的东北地区森林生态系统服务功能价值评估[J]. 生态学杂志, 2017,36(11):3298-3304.

Xiao X, Mu Z L, Zhao X Y, et al. RS/GIS-based evaluation of forest ecosystem service value in Northeast China [J]. Chinese Journal of Ecology, 2017,36(11):3298-3304.

[6] 满卫东,刘明月,王宗明,等.1990～2015年东北地区草地变化遥感监测研究[J]. 中国环境科学, 2020,40(5):2246–2253.

Man W D, Liu M Y, Wang Z M, et al. Remote sensing investigation of grassland change in Northeast China during 1990～2015 [J]. China Environmental Science, 2020,40(5):2246–2253.

[7] 张兴义,刘晓冰.中国黑土研究的热点问题及水土流失防治对策[J]. 水土保持通报, 2020,40(4):340-344.

Zhang Y X, Liu X B. Key issues of mollisols research and soil erosion control strategies in China [J]. Bulletin of Soil and Water Conservation, 2020,40(4):340-344.

[8] 王士君,马 丽.基于宏观形势和地域优势的“十四五”东北振兴战略思考[J]. 地理科学, 2021,41(11):1935-1946.

Wang S J, Ma L. Strategic thinking of Northeast China revitalization during the "14th Five-Year Plan" based on the macro situation and regional advantages [J]. Scientia Geographica Sinica, 2021,41(11): 1935-1946.

[9] Mao P P, Zhang J, Li M, et al. Spatial and temporal variations in fractional vegetation cover and its driving factors in the Hulun Lake region [J]. Ecological Indicators, 2022,135:108490.

[10] Jeganathan C, Dash J, Atkinson P M. Remotely sensed trends in the phenology of northern high latitude terrestrial vegetation, controlling for land cover change and vegetation type [J]. Remote Sensing of Environment, 2014,143:154-170.

[11] Kong D D, Zhang Q, Singh V P, et al. Seasonal vegetation response to climate change in the Northern Hemisphere (1982～2013) [J]. Global and Planetary Change, 2017,148:1-8.

[12] 杨雪梅,杨太保,刘海猛,等.气候变暖背景下近30a北半球植被变化研究综述[J]. 干旱区研究, 2016,33(2):379-391.

Yang X M, Yang T B, Liu H M, et al. Vegetation variation in the North Hemisphere under climate warming in the last 30Years [J]. Arid Zone Research, 2016,33(2):379-391.

[13] Ding H, Hao X M. Spatiotemporal change and drivers analysis of desertification in the arid region of northwest China based on geographic detector [J]. Environmental Challenges, 2021,4:100082.

[14] 吴炳伦,孙 华,石军南,等.2000～2018年深圳市植被覆盖动态变化与预测[J]. 应用生态学报, 2020,31(11):3777-3785.

Wu B L, Sun H, Shi J N, et al. Dynamic change and prediction of vegetation cover in Shenzhen, China from 2000 to 2018 [J]. Chinese Journal of Applied Ecology, 2020,31(11):3777-3785.

[15] Liu C, Zhang X, Wang T, et al. Detection of vegetation coverage changes in the Yellow River Basin from 2003 to 2020 [J]. Ecological Indicators, 2022,138:108818.

[16] 张佳琦,张 勃,马 彬,等.三江平原NDVI时空变化及其对气候变化的响应[J]. 中国沙漠, 2019,39(3):206-213.

Zhang J Q, Zhang B, Ma B, et al. Spatial-temporal variation of NDVI in Sanjiang Plain and its response to climate change [J]. Journal of Desert Research, 2019,39(3):206-213.

[17] Diao C, Liu Y, Zhao L, et al. Regional-scale vegetation-climate interactions on the Qinghai-Tibet Plateau [J]. Ecological Informatics, 2021,65:101413.

[18] Gao X, Huang X X, Lo K, et al. Vegetation responses to climate change in the Qilian Mountain Nature Reserve, Northwest China [J]. Global Ecology and Conservation, 2021,28:e01698.

[19] 钱 琛,陈海滨,侯现慧.生态建设背景下陕西省植被覆盖时空变化及其影响因素研究[J]. 干旱区地理, 2020,43(2):425-433.

Qian C, Chen H B, Hou X H. Temporal and spatial variation of vegetation cover and its influencing factors in Shaanxi Province in the context of ecological construction [J]. Arid Land Geography, 2020, 43(2):425-433.

[20] 孟 琪,武志涛,杜自强,等.基于地理探测器的区域植被覆盖度的定量影响——以京津风沙源区为例[J]. 中国环境科学, 2021,41(2): 826-836.

Meng Q, Wu Z T, Du Z Q, et al. Quantitative influence of regional fractional vegetation cover based on geodetector model -Take the Beijing-Tianjin sand source region as an example [J]. China Environmental Science, 2021,41(2):826-836.

[21] 覃巧婷,陈建军,杨艳萍,等.黄河源植被时空变化及其对地形和气候的响应[J]. 中国环境科学, 2021,41(8):3832-3841.

Qin Q T, Chen J J, Yang Y P, et al. Spatiotemporal variations of vegetation and its response to topography and climate in the source region of the Yellow Rive [J]. China Environmental Science, 2021, 41(8):3832-3841.

[22] 耿庆玲,陈晓青,赫晓慧,等.中国不同植被类型归一化植被指数对气候变化和人类活动的响应[J]. 生态学报, 2022,42(9):3557-3568.

Geng Q L, Chen X Q, He X H, et al. Vegetation dynamics and its response to climate change and human activities based on different vegetation types in China [J]. Acta Ecologica Sinica, 2022,42(9): 3557-3568.

[23] 李 焱,戴 睿,张云霞,等.藏西南高原植被NDVI时空变化及其与海拔梯度的关系[J]. 水土保持研究, 2022,29(4):215-222.

Li Y, Dai R, Zhang Y X, et al. Spatiotemporal variation of vegetation NDVI and its relationship with altitude gradient in Southwest Tibet Plateau [J]. Research of Soil and Water Conservation, 2022,29(4):215- 222.

[24] 陈 宽,杨晨晨,白力嘎,等.基于地理探测器的内蒙古自然和人为因素对植被NDVI变化的影响[J]. 生态学报, 2021,41(12):4963-4975.

Chen K, Yang C C, Bai L G, et al. Effects of natural and human factors on vegetation normalized difference vegetation index based on geographical detectors in Inner Mongolia [J]. Acta Ecologica Sinica, 2021,41(12):4963-4975.

[25] 李登科,王 钊.退耕还林后陕西省植被覆盖度变化及其对气候的响应[J]. 生态学杂志, 2020,39(1):1-10.

Li D K, Wang Z. Changes of fractional vegetation coverage after returning farmland to forests and its response to climate in Shaanxi [J]. Chinese Journal of Ecology, 2020,39(1):1-10.

[26] 胡 屾,刘 骏,毛学刚.中国东北地区2007～2010年植被覆盖度及其变化[J]. 东北林业大学学报, 2017,45(7):45-50.

Hu S, Liu J, Mao X G. Extraction and change of vegetation coverage of 2007～2010 in Northeast China [J]. Journal of Northeast Forestry University, 2017,45(7):45-50.

[27] 王宗明,国志兴,宋开山,等.中国东北地区植被NDVI对气候变化的响应[J]. 生态学杂志, 2009,28(6):1041-1048.

Wang Z M, Guo Z X, Song K S, et al. Responses of vegetation NDVI in Northeast China to climate change [J]. Chinese Journal of Ecology, 2009,28(6):1041-1048.

[28] 吴金华.东北地区植被时空动态变化检测及驱动因子量化研究[D]. 北京:中国环境科学研究院, 2021.

Wu J H. The spatial and temporal dynamic change detection of vegetation and the quantification of driving factors in Northeast China [D]. Beijing: Chinese Research Academy of Environmental Sciences, 2021.

[29] 张 筠,张春华,张安定,等.水热波动和土地覆盖变化对东北地区植被NPP的相对影响[J]. 生态学报, 2020,40(21):7733-7744.

Zhang J, Zhang C H, Zhang A D, et al. Relative effects of hydrothermal fluctuation and land cover changes on vegetation net primary productivity in Northeast China [J]. Acta Ecologica Sinica, 2020,40(21):7733-7744.

[30] 李 杰,张 军,刘陈立,等.基于MODIS-NDVI的云南怒江流域植被覆盖时空变化特征研究[J]. 林业资源管理, 2018(4):90-99.

Li J, Zhang J, Liu C L, et al. Study on spatio-temporal evolution of vegetation cover in the Nujiang River Basin of Yunnan based on MODIS-NDVI data [J]. Forest Resources Management, 2018,(4): 90-99.

[31] Qi X Z, Jia J H, Liu H Y, et al. Relative importance of climate change and human activities for vegetation changes on China’s silk road economic belt over multiple timescales [J]. Catena, 2019,180:224- 237.

[32] Li S, Wang J, Zhang M, et al. Characterizing and attributing the vegetation coverage changes in North Shanxi coal base of China from 1987 to 2020 [J]. Resources Policy, 2021,74:102331.

[33] 徐 勇,黄雯婷,窦世卿,等.2000～2020年西南地区植被NDVI对气候变化和人类活动响应特征 [J]. 环境科学, 2022,43(6):3230-3240.

Xu Y, Huang W T, Dou S Q, et al. Responding mechanism of vegetation cover to climate change and human activities in southwest China from 2000 to 2020 [J]. Environmental Science, 2022,43(6): 3230-3240.

[34] Gao W D, Zheng C, Liu X H, et al. NDVI-based vegetation dynamics and their responses to climate change and human activities from 1982 to 2020: A case study in the Mu Us Sandy Land, China [J]. Ecological Indicators, 2022,137:108745.

[35] Tao P, Zhang Y. Large-scale circulation features associated with the heat wave over Northeast China in summer 2018 [J]. Atmospheric and Oceanic Science Letters, 2019,12(4):254-260.

[36] 李 蓉,辛景峰,杨永民.1949～2017年东北地区旱灾时空规律分析[J]. 水利水电技术, 2019,50(S2):1-6.

Li R, Xin J F, Yang Y M. Analysis on the temporal and spatial change of drought in Northeast China from 1949 to 2017 [J]. Water Resources and Hydropower Engineering, 2019,50(S2):1-6.

[37] 王 鸽,韩 琳,张 昱.东北地区地表NDVI的时空变化规律[J]. 北京林业大学学报, 2012,34(6):86-91.

Wang G, Han L, Zhang Y. Temporal variation and spatial distribution of NDVI in northeastern China [J]. Journal of Beijing Forestry University, 2012,34(6):86-91.

[38] 肖 骁,李京忠,韩 彬,等.东北老工业区植被覆盖度时空特征及城市化关联分析[J]. 生态科学, 2017,36(6):71-77.

Xiao X, Li J Z, Han B, et al. Spatial-temporal characteristics of vegetation coverage and its correlation with urbanization in traditional industrial area of Northeastern China [J]. Ecological Science, 2017,36(6):71-77.

[39] 国志兴,王宗明,宋开山,等.1982～2003年东北林区森林植被NDVI与水热条件的相关分析[J]. 生态学杂志, 2007,26(12):1930-1936.

Guo Z X, Wang Z M, Song K S, et al. Correlations between forest vegetation NDVI and water/thermal condition in Northeast China forest regions in 1982～2003 [J]. Chinese Journal of Ecology, 2007, 26(12):1930-1936.

[40] 罗 玲,王宗明,宋开山,等.1982～2003年中国东北地区不同类型植被NDVI与气候因子的关系研究[J]. 西北植物学报, 2009,29(4): 800-808.

Luo L, Wang Z M, Song K S, et al. Research on the correlation between NDVI and climatic factors of different vegetations in the Northeast China [J]. Acta Botanica Boreali-Occidentalia Sinica, 2009,29(4):800-808.

[41] 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.

[42] 巴音德乐黑,包 翔,周 梅,等.基于MODIS NDVI的大兴安岭北坡植被覆盖时空变化特征[J]. 林业资源管理, 2018,(6):50-56.

Ba Y D L H, Bao X, Zhou M, et al. Temporal and spatial variation characteristics of vegetation cover on the northern slope of Daxing'anling based on MODIS NDVI [J]. Forest Resources Management, 2018,(6):50-56.

[43] 孙 红,田 昕,闫 敏,等.内蒙古大兴安岭根河植被覆盖度动态变化及影响因素的分析[J]. 遥感技术与应用, 2018,33(6):1159-1169.

Sun H, Tian X, Yan M, et al. Analysis of dynamic changes of fractional vegetation coverage and influencing factors of the Genhe in the Great Khingan of Inner Mongolia [J]. Remote Sensing Technology and Application, 2018,33(6):1159-1169.

[44] 赵安周,刘宪锋,朱秀芳,等.2000～2014年黄土高原植被覆盖时空变化特征及其归因[J]. 中国环境科学, 2016,36(5):1568-1578.

Zhao A Z, Liu X F, Zhu X F, et al. Spatiotemporal analyses and associated driving forces of vegetation coverage change in the Loess Plateau [J]. China Environmental Science, 2016,36(5):1568-1578.

[45] 路 洁,王学凤,曹永强.气候和人类活动对辽宁省植被变化的影响[J]. 水利水电科技进展, 2022,42(4):7-14.

Lu J, Wang X F, Cao Y Q. Analysis of the impact of climate and human activities on the vegetation change in Liaoning province [J]. Advances in Science and Technology of Water Resources, 2022,42(4): 7-14.

Spatiotemporal evolution and influencing factors of vegetation in Northeast China.

SHI Song, LI Wen*, DING Yi-shu, LIN Xiao-peng, ZHAI Yu-cen

(College of Landscape Architecture, Northeast Forestry University, Harbin 150040, China)., 2023,43(1)：276～289

Based on MODIS NDVI remote sensing data from 2000 to 2020, supplemented with meteorological data and land use data, the spatiotemporal evolution characteristics of vegetation and its response mechanism to climate change and human activitiesof each topographic unit in different cycle phases in Northeast China were investigated in-depth, using the methods of wavelet analysis, Sen+Mann-Kendall trend analysis, Hurst index, partial correlation analysis and residual analysis. The results showed that: Temporally, the vegetation NDVI in Northeast China showed an increasing trend with a rate of 0.0308/10a (<0.001), and the most stable cycle change was about 10a under the first main cycle of 16a. Spatially, the vegetation NDVI in Northeast China was at a high level overall, but the spatial differentiation was obvious, with a pattern of "low in the southwest and high in the northeast". The NDVI improvement area was larger than the degradation area in each cycle phase and the improvement area was expanding. The main theme of NDVI future trend is continuous improvement, accounting for 63.56% of the total area. In terms of response mechanism, the vegetation NDVI in Northeast China was influenced by both climate change and human activities. NDVI was positively correlated with temperature, precipitation and relative humidity, while negatively correlated with sunshine hours from 2000 to 2020, among which precipitation had the strongest influence on NDVI, and the area with precipitation as the dominant climate factor increased significantly with the cycle succession. Human activities mainly positive contribute the variation of NDVI, the implementation of forestry projects was the key to the improvement of vegetation condition, while the expansion of land for construction was the main cause of vegetation reduction.

Northeast China；NDVI；spatiotemporal evolution；climate change；human activities

X171

A

1000-6923(2023)01-0276-14

石 淞(1995-),女,辽宁沈阳人,东北林业大学博士研究生,从事区域环境变化与生态修复研究.

2022-05-31

黑龙江省自然科学基金资助项目(LH2022E001);中央高校基本科研业务费项目(41421016);国家自然科学基金资助项目(42171246)

* 责任作者, 副教授, liwen@nefu.edu.cn