西南地区植被动态变化的驱动力解析

曾兴兰,陈田田,2*

西南地区植被动态变化的驱动力解析

曾兴兰1,陈田田1,2*

(1.重庆师范大学,三峡库区地表过程与环境遥感重庆市重点实验室,重庆 401331；2.重庆市三峡库区地表生态过程野外科学观测研究站,重庆 401331)

以归一化植被指数(NDVI)、土地利用、气候数据集为基础,综合集合经验模态分解、偏相关分析、分段线性回归等方法,在明晰区域植被变化特征的基础上阐明气候变化和城市扩张两大驱动要素对植被动态的影响.结果显示,1990～2018年,西南地区NDVI呈波动上升趋势,植被变绿趋势明显,在空间上表现东南高、西北低的分布格局.相较于太阳辐射和降水,气温对区域植被生长的影响力及范围均较大,约占区域总面积的64.6%,主要分布在研究区中部以及西部.西南地区土地城市化、经济城市化和人口城市化随时间推移均呈增加趋势,且空间分布格局较一致;在县域尺度上,经济、人口城市化与植被生长呈先增后降的非线性关系,土地城市化与植被生长呈负相关关系;在栅格尺度上,三类城市化与植被生长的关系保持不变,但是非线性阈值以及线性斜率差异明显.

植被绿化；气候；城市化；尺度；西南地区

地表植被作为陆地生态系统重要的组成部分,是吸收碳的重要载体,能有效应对气候变化,为实现“双碳”目标、增强生态系统碳汇提供了重要途径[1-2].因此,植被动态变化监测及其反馈成为重要研究内容.

归一化植被指数(NDVI)能准确地表征植被覆盖度、反映植被生长状况,已被广泛应用于相关研究[3].目前,使用较普遍的NDVI数据产品包括MODIS NDVI、GIMMS3g NDVI和SPOT-VGT NDVI等,其通常含有不同的频率和噪声[4-5],使得研究结果存在偏差.为此,学者提出了一系列时间序列分解技术对NDVI数据进行重构,例如小波变化[6]、多条树轮年表[7]、Fourier分析[8]等,以获取更准确的年际变化信息.其中,以集合经验模态分解(EEMD)方法应用最广泛[9-10].基于准确的NDVI信息,学者们对植被生长的时空变化特征、驱动机制等进行了研究[11-12].在时空变化趋势上发现,从上世纪90年代开始植被整体呈增加趋势并表现出了非线性特征,空间上也呈现出了明显的分异特征[13-14].在驱动机制方面发现,降水、气温等气候因素是造成植被变化的主要因素[15-16],同时以城市扩张、人口集聚和生态修复为特征的人类活动也是导致植被变化的重要因素[17-18].这些研究厘清了植被变化对气候和人类活动的响应过程,为后续相关研究提供了科学参考.

西南地区是我国喀斯特地貌的集中分布区,其植被是维持生态系统平衡的重要组成部分.在大规模的生态造林与植被恢复背景下,该区域已成为中国乃至全球重要的生态碳汇潜力区[19],以0.36%的全球陆地面积贡献着5%的全球植被地上生物量[20].目前,关于西南地区植被覆盖的研究已较多,学者们普遍认为区域植被覆盖度呈现出了明显上升趋势,与此同时植被生态系统服务供给能力也显著增强[21-22].但在对植被变化的驱动因素进行解析时,大多选取的是气温和降水这2个气象因子[23-24].实际上,影响西南地区植被变化的气象因素较为复杂,相关研究指出西南地区水汽少、低云量,太阳辐射对植被生长的影响也较为突出[25].同时,在人为驱动因素的选取中,现有研究主要侧重于生态修复对区域植被变化的影响,较少关注城市化及城市发展带来的植被变化问题[26-27].事实上,自西部大开发战略实施以来,西南地区经济持续发展,人口集聚程度逐渐扩大.这种快速的城市化不仅导致土地利用/覆被变化,而且会对区域的植被、水文、气候、生物多样性等产生深远影响,并引发一系列生态和社会问题[28-29].因此,有必要明晰城市扩张对区域植被造成的影响.

基于此,本文以西南地区为例,首先通过EEMD获得长时间序列NDVI,以表征植被生长状况,并对1990～2018年西南地区植被覆盖动态变化进行检测与分析;然后,采用二阶偏相关系数探讨气温、降水和太阳辐射对植被NDVI的影响,并进行气候主导驱动因素分区;最后,基于分段线性回归,从不同尺度揭示植被动态变化对城市扩张的响应,确定其影响阈值,以期为西南地区生态环境保护及区域高质量发展提供科学支持.

1 数据来源与研究方法

1.1 研究区概况

本文的研究区包括四川省、云南省、重庆市、贵州省和广西壮族自治区共5个省份(97°21′E～ 112°04′ E、20° 54′N～34°19′N,图1),总面积约1.37× 106km2,约占中国陆地面积14.27%[30].全区年均气温在-2.8～23.9℃,降水量在54.6～2675.6mm,属于典型的亚热带季风湿润气候;区域平均海拔较高,呈现北高南低的分布格局,且地形地貌复杂,植被类型丰富.研究区作为中国西南部的腹地,随着工业化和城镇化加快,区域经济得以迅速发展,但同时也出现了明显的生态环境问题,例如,水土流失、石漠化等.为缓解生态 -经济冲突、确保生态安全屏障,区域实施了防护林建设、退耕还林(草)、天然林保护修复等多项生态工程,以生态环境的保护促进区域经济的发展.

图1 研究区范围及地形示意

1.2 数据来源

本研究使用的NDVI数据集来源于国家地球系统科学数据中心(http://www.geodata.cn),通过最大合成月NDVI数据,求均值获得年NDVI数据,其时间尺度为1990～2018年,空间分辨率为5km.建设用地面积来源于中国土地利用数据集(https://www. zenodo.org/),该数据集时间尺度为1990～2020年,空间分辨率为30m.人口城市化采用人口数据空间分辨率为1km的人口数量(https://www.worldpop. org/).GDP数据由资源与环境科学与数据中心提供(https://www.resdc.cn/Default.aspx),空间分辨率为1km,由于数据的时间限制,1995～2019数据被用于反映西南地区的经济发展.根据研究区实际状况选择气温、降水和太阳辐射作为影响NDVI变化的主要气候因素.1990～2018年西南地区的气候数据来自国家青藏高原数据中心(http://data.tpdc.ac.cn/zh- hans/),空间分辨率为1km.最后基于NDVI数据,将本文所有数据统一坐标系和5km分辨率.

1.3 研究方法

1.3.1 集合经验模态分解(EEMD) EEMD是一种将具有非线性、非平稳信号的长时间序列数据进行分解,以获取有用信息的模型.该模型主要利用高斯白噪声的特性,将白噪声添加到原始数据,使原始数据在不同尺度具有连续性,避免了模态混合的问题,能够得到信号的各个本征模态函数(IMF)分量[31].截止到目前,EEMD已被广泛地运用于气候[32]、海平面[33]、植被[34]等相关研究中.

对于某一序列0(),EEMD的分解步骤如下:

(1)给原始数据0()添加高斯白噪声n(),得到新的序列().

(2)对新序列进行EEMD分解,得到一组IMF分量.

(3)继续重复以上2个步骤,每次加入不同的白噪声,直到满足IMF停止标准.

(4)进行次后,原始数据被分解为一个残差项()和一系列从高频到低频的IMF,平均每次得到的IMF分量,得到最终分解结果.

基于此,本文利用EEMD对西南地区长时间序列NDVI进行分解,得到噪声、年际变化分量和年分量,本文主要对年际变化分量进行分析.

1.3.2 趋势分析 该方法主要用于检验数据长期变化是否存在连续增长或连续减少的趋势,用斜率Slope表示[35].其公式如下:

式中:slope为趋势线的斜率;为年份;NDVI为第年的NDVI均值.

1.3.3 二阶偏相关分析 偏相关分析是通过控制其他变量的影响,研究两变量之间的净相关性.本文采用二阶偏相关分析温度、降水和太阳辐射对植被NDVI变化的影响.其公式如下[36]:

式中:R表示消除因子和的影响,计算和之间的二阶偏相关系数;R,x、R,x、R,x具有类似定义;R>0表示气候因子与NDVI呈正相关;R<0表示气候因子与NDVI呈负相关.

1.3.4 城市化 本文将区域城市化分为经济城市化、人口城市化和土地城市化3种类型.以5km的渔网计算建设用地面积占区域总面积的比重,表征土地城市化.对人口、经济密度的栅格数据进行重采样,获取其对应的5km栅格数据,以此表征人口城市化和经济城市化.

1.3.5 分段线性回归 本文采用分段线性回归识别长时间序列数据中的转折点,并在转折点前后分别使用线性拟合对不同阶段数据进行趋势分析[37].其公式如下:

式中:是区县NDVI均值的回归斜率;代表城市化指标;是城市化水平的转折点;0和1为系数;是误差项.

2 结果与分析

2.1 植被NDVI时空变化特征

基于EEMD的NDVI分解结果(图2a),得到噪声是无用信息,年分量是短期的季节趋势,本文着重研究NDVI年际分量的时空变化趋势.在时间上分析(图2b),1990～2018年西南地区植被NDVI均值整体表现为波动上升趋势,以0.0038a-1的速度增加,植被绿化特征明显(2=0.6574).同时,西南地区植被NDVI的变化具有明显的非线性特征,最高值出现在2017年,最低值出现在1994年.其中,高值区的出现一定程度上反映了生态修复措施对植被恢复的积极作用,低值区的产生可能与此期间发生的极端天气有关.

就西南地区植被NDVI均值的空间分布而言(图3a),发现不同地区的NDVI均值在空间上存在差异,空间上整体呈现东南高,西北低分布格局,其平均值在0～0.76之间,同时NDVI值在0.4～0.5占比51.44%,约占研究区一半的面积,可见,1990～2018年西南地区植被均值整体处于中等水平.从图3(b)中得到西南地区植被NDVI年际变化的slope在-0.0064～0.0103之间,98.6%区域的植被slope>0,植被上升的区域主要分布在研究区中部、西北部以及南部;1.4%区域的植被slope<0,零星分布在四川盆地西部的中心城市及周边地区.

图2 1990～2018年西南地区NDVI分解及年际分量变化趋势

图3 1990～2018年西南地区NDVI 空间分布及变化斜率

2.2 植被NDVI与气候因素的偏相关分析

由图4可知,1990～2018年西南地区年均温度、年降水量和太阳辐射均呈上升趋势,增加速度分别为0.0183℃/a、0.7563mm/a和0.1384W/a,说明西南地区存在变暖变湿的迹象.同时,气温年增速最大,为1.7576%,其次是太阳辐射和降水,年增速分别为0.0680%、0.0092%.

从植被与气候因子的偏相关系数可知(图5),植被NDVI与气温的偏相关系数范围在-0.67～0.81,其中,系数大于0表示气温对植被生长具有促进作用,约占研究区面积的68.82%,主要分布在研究区东部和西部;系数小于0表示气温对植被生长具有抑制作用,主要分布在研究区东北和南部.植被NDVI与降水的偏相关系数范围在-0.62～0.80,系数大于0的区域约占研究区面积68.81%,主要分布在研究区东北部和西南部.植被NDVI与太阳辐射的偏相关系数范围在-0.69～0.79,系数大于0的区域约占研究区面积66.86%,主要分布在研究区中部和南部.整体来看,气温、降水、太阳辐射与植被NDVI的偏相关系数平均值分别为0.3046、0.0955、0.0924,说明气温对植被变化的影响最大.同时,在栅格尺度上,对影响系数进行绝对化处理,取绝对值的最大因素作为影响区域植被NDVI的主导因素(图6),发现约占研究区面积64.6%的区域主要受到气温因素驱动,分布在研究区中部和西部;主要受太阳辐射因素驱动的区域约占研究区面积23.4%,分布在研究区南部;主要受降水因素驱动的区域约占研究区面积11.9%,分布在研究区东北部.总的来说,气候变化是西南地区植被良好发展的一个重要原因.

图4 1990～2018年西南地区温度、降水量和太阳辐射变化趋势

图5 西南地区植被NDVI与气候因子偏相关关系空间分布

图6 不同区域植被变化的主导驱动因素及其面积占比

2.3 1990～2018年城市化时空变化趋势及多尺度下与植被NDVI关系

就西南地区城市化的变化而言(图7),近30a西南地区城市化整体上呈持续增长趋势,并表现出明显的阶段性.经济城市化分为两个阶段,2008年之前GDP密度呈缓慢上升趋势,2008年之后GDP密度呈快速上升趋势.土地城市化在1990～2018年期间快速增长,建设用地不断扩张.人口城市化可分为3个阶段,其中,1990～1994年和2010～2018年两个时段人口城市化呈直线上升趋势,1994～2010年期间基本呈现波动式上升趋势.总的来说,经济城市化相较于土地城市化和人口城市化增长幅度更大.

图7 1990～2018年西南地区城市化时间变化特征

西南地区三类城市化的整体分布格局基本一致,均表现为从城市中心向外递减(图8).在局部地区,其中,经济城市化和土地城市化从西南地区的城市中心区向外围地区逐渐下降,人口城市化相较于经济城市化和土地城市化,空间集聚特征更加明显.三类城市化变化趋势均显著的区域主要集中在省会中心城市,以省会城市中心向外围辐射递减,其中区域GDP密度最高值为89309.76万元/km2,人口密度最高值为123767.82人/km2,建设用地占比最高为92%.

图8 1990～2018年西南地区城市化的空间格局

在县域尺度上(图9),经济和人口城市化对区域植被的影响呈现明显的非线性关系.小于阈值时,城市化进程对植被NDVI产生积极影响;但大于阈值,植被NDVI随着城市化的发展而下降.其中,经济城市化阈值118.81万元/km2,人口城市化阈值40.26人 /km2.土地城市化与植被之间存在显著的负相关关系,即植被生长随着建设用地比例增加而呈现下降趋势.整体来看,在研究初期阶段,经济、人口城市化对植被生长的促进作用,能够弥补建设用地扩张对植被带来的负面影响.

在栅格尺度上(图10),经济和人口城市化对植被生长影响也存在阈值,相较于县域尺度阈值发生了变化,经济城市化阈值变为140.19万元/km2,人口城市化阈值变为45.36人/km2.当小于阈值,经济城市化、人口城市化对植被产生了积极影响;大于阈值,植被出现明显下降,但植被的下降趋势明显逐渐减弱.土地城市化与植被呈现负相关关系,其负相关斜率为-0.0112.

图9 西南地区植被变化与经济城市化、人口城市化和土地城市化的相关性

图10 栅格尺度城市化空间格局与NDVI动态关系

3 讨论

西南地区植被是我国地表覆盖的重要组成部分,其生长状况是陆地生态系统健康的关键,对缓解气候变暖有重要作用.基于此,本文分析了1990～ 2018年西南地区植被的时空变化趋势,发现近30a西南地区的NDVI显著增加,这与人类重视生态环境建设使得过去30a中国城市变得更绿的结论相吻合[38],一定程度上反映生态修复对区域环境的积极作用.同时,本文选取气温、降水、太阳辐射3个气候因素剖析气候变化对植被NDVI的影响机制,发现西南地区植被生长受到气候变化的显著影响,温度、降水和太阳辐射的变化对区域植被生长产生了积极作用,但各因素对植被生长的影响存在空间异质性,这与相关学者研究结果较一致[39-40].分析区域主导驱动因素发现,气温是影响西南地区植被的主要因素,达64.6%,主要分布在研究区中部和北部.这主要是因为增温能加强植被的光合作用以及延长植被的生长季[41].但也有学者指出增温对植被的作用并非是线性增强的关系,过高的温度可能会抑制植被生长[42].因此,西南喀斯特地区应密切关注增温对植被生长的影响.总体而言,研究时段西南地区的植被在气候变化下大幅增加,但不可否认,气候变化对植被具有双重影响,这取决于气候条件、气候趋势的具体组合.

当然,人类活动也是影响西南地区植被变化的主要驱动力.虽然已有大量研究定量论证了生态工程对植被恢复的显著作用,但人口集中、城市景观向农村地区扩张等城市化过程,也会造成某些自然生境的丧失、耕地减少和城市热岛等问题[43].基于此,本文选取人口密度、GDP密度和建设用地比例三类指标分析了植被动态对城市化的响应.结果表明植被与人口城市化、经济城市化呈非线性关系,且城市化的影响具有阈值效应.小于阈值,城市CO2浓度增加以及热岛效应加剧,促使城市气温升高,延长植被生长季,与植被生长呈正相关,这与许多研究结果相似[44-45];大于阈值,随着大气中CO2浓度持续增加,加剧植被呼吸作用,植被生长呈缓慢下降趋势[46].也就是说,过度的城市发展不会带来植被的持续增长,甚至会产生负面影响.区县经济城市化阈值为118.81万元/km2,人口城市化阈值为40.26人/km2,各个区域需要根据现有城市化水平进行调整.例如小于阈值时,城市仍可以进行规划建设,但要将环境保护渗透进城市建设过程中.大于阈值后,就要在一定程度上限制土地的过度城市化,在区域全面推进“无废城市”、“海绵城市”等建设工作,促进环境治理体系建设,推动城市环境质量提高.同时,在分析不同空间尺度下城市化与植被生长的关系时发现,相较于县域尺度,栅格尺度下经济城市化和人口城市化的阈值更大.其中,经济城市化的阈值从县域尺度118.81万元/km2变成栅格尺度140.19万元/km2,人口城市化阈值从县域尺度的40.26人/km2变成了栅格尺度的45.36人/km2.这是因为在格网尺度,区域要素更具多样性;而在县域尺度上,平均效应使得要素同质化增强[47].未来需要系统地理解各尺度下城市化与植被NDVI的联系与区别,探究其关系随尺度变化的规律,并针对性进行城市环境管理及生态建设.

实际上,本研究也存在一些不足.一方面由于篇幅原因,本文仅从全域尺度分析植被变化趋势,但不同植被类型、不同岩性的植被生长状况不同[48],未来有必要在多尺度下对植被覆盖变化开展深入研究.另一方面,城市化是一个复杂的动态过程,本研究中采用分段线性方法来探索人口、经济和土地城市化对植被动态的影响,缺乏不同城市发展阶段对植被变化的影响研究[49].

4 结论

4.1 1990～2018年西南地区植被NDVI呈波动上升趋势,增速为0.0038a-1;同时,区域植被NDVI的分布具有明显的空间异质性,高值区主要分布在研究区西南以及东南部.

4.2 相较于降水和太阳辐射,气温与植被NDVI间的偏相关系数更高(0.3046),说明气温对西南地区植被NDVI增长的作用更明显;同时,气温影响的范围也最广,约占研究区面积的64.6%,主要分布于研究区中部和西部.

4.3 西南地区城市发展整体呈扩张趋势,空间上表现为以省会城市中心向外辐射递减.经济城市化和人口城市化对区域植被生长存在明显的约束效应,随着尺度的缩小,阈值呈现变大的趋势.

[1] 刘晓曼,王 超,高吉喜,等.服务双碳目标的中国人工林生态系统碳增汇途径 [J]. 生态学报, 2023,43(14):5662-5673.

Liu X M, Wang C, Gao J X, et al. Approaches to carbon sequestration enhancement in China’s plantation ecosystem for carbon peaking and carbon neutrality goals [J]. Acta Ecologica Sinica, 2023,43(14):5662- 5673.

[2] 黎 喜,杨胜天,罗 娅,等.国家生态文明试验区(贵州)经济增速与植被恢复协调发展[J]. 中国环境科学, 2022,42(9):4333-4342.

Li X, Yang S T, Luo Y, et al. Coordinated development of economic growth and vegetation restoration in the national ecological civilization pilot zone (Guizhou) [J]. China Environmental Science, 2022,42(9):4333-4342.

[3] 姜 萍,胡列群,肖 静,等.新疆植被NDVI时空变化及定量归因[J]. 水土保持研究, 2022,29(2):212-220,242.

Jiang P, Hu L Q, Xiao J, et al. Spatiotemporal dynamics of NDVI in Xinjiang and quantitative attribution based on geodetector [J]. Research of Soil and Water Conservation, 2022,29(2):212-220,242.

[4] Hawinkel P, Swinnen E, Lhermitte S, et al. A time series processing tool to extract climate-driven interannual vegetation dynamics using Ensemble Empirical Mode Decomposition (EEMD) [J]. Remote Sensing of Environment, 2015,169(1/2):375-389.

[5] Roy D P, Borak J S, Devadiga S, et al. The MODIS land product quality assessment approach [J]. Remote Sensing of Environment, 2002,83(1/2):62-76.

[6] 石 淞,李 文,丁一书,等.东北地区植被时空演变及其对气候变化和人类活动的响应[J]. 中国环境科学, 2023,43(1):276-289.

Shi S, Li W, Ding Y S, et al. Spatiotemporal evolution of vegetation and its response to climate change and human activities in Northeast China [J]. China Environmental Science, 2023,43(1):276-289.

[7] 王文志,刘晓宏,陈 拓,等.基于祁连山树轮宽度指数的区域NDVI重建[J]. 植物生态学报, 2010,34(9):1033-1044.

Wang W Z, Liu X H, Chen T, et al. Reconstruction of regional NDVI using tree-ring width chronologies in the Qilian Mountain, northwestern China [J]. Chinese Journal of Plant Ecology, 2010,34(9): 1033-1044.

[8] Lhermitte S, Verbesselt J, Jonckheere I, et al. Hierarchical image segmentation based on similarity of NDVI time series [J]. Remote Sensing of Environment, 2008,112(2):506–521.

[9] 朱靖轩,刘 雯,李振炜,等.喀斯特流域径流对植被和气候变化的多尺度响应[J]. 生态学报, 2020,40(10):3396-3407.

Zhu J X, Liu W, Li Z W, et al. Multi-scale response of runoff to vegetation and climate change in karst watershed [J]. Acta Ecologica Sinica, 2020,40(10):3396-3407.

[10] 张 煦,马 驿,郑 雯,等.基于时序MODIS-NDVI的油菜种植面积变化趋势分析——以江汉平原为例[J]. 长江流域资源与环境, 2016,25(3):412-419.

Zhang X, Ma Y, Zheng W, et al. Variation trend of rape cultivation area based on MODIS-NDVI time series data—a case in Jianghan Plain [J]. Resources and Environment in the Yangtze Basin, 2016,25(3):412- 419.

[11] 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 River [J]. China Environmental Science, 2021, 41(8):3832-3841.

[12] 刘 炜,焦树林.喀斯特流域极端气候变化特征及对NDVI的影响[J]. 水土保持学报, 2022,36(5):220-232.

Liu W, Jiao S L. Characteristics of extreme climate change in karst basins and its impact on NDVI [J]. Journal of Soil and Water Conservation, 2022,36(5):220-232.

[13] 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.

[14] 刘宪锋,朱秀芳,潘耀忠,等.1982～2012年中国植被覆盖时空变化特征[J]. 生态学报, 2015,35(16):5331-5342.

Liu X F, Zhu X F, Pan Y Z, et al. Spatiotemporal changes in vegetation coverage in China during 1982～2012 [J]. Acta Ecologica Sinica, 2015,35(16):5331-5342.

[15] 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):4499-4509.

Zhao T, Bai H Y, Deng C H, et al. Topographic differentiation effect of vegetation cover in the Qinling Mountains from 2000 to 2016 [J].Acta Ecologica Sinica, 2019,39(12):4499-4509.

[16] 赵 丹,王祖伟,张国壮,等.因子回归和交互联合探索区域植被覆盖度的影响因素——以三江源地区为例[J]. 中国环境科学, 2022, 42(8):3903-3912.

Zhao D, Wang Z W, Zhang G Z, et al. Identifying factors affecting regional fractional vegetation cover based on a combination of factor regression and interactive—A case study on the Three-River Headwaters Region [J]. China Environmental Science, 2022,42(8): 3903-3912.

[17] 柴立夫,田 莉,奥 勇,等.人类活动干扰对青藏高原植被覆盖变化的影响[J]. 水土保持研究, 2021,28(6):382-388.

Chai L F, Tian L, Ao Y, et al. Influence of human disturbance on the change of vegetation cover in the Tibetan Plateau [J]. Research of Soil and Water Conservation, 2021,28(6):382-388.

[18] 金 凯,王 飞,韩剑桥,等.1982～2015年中国气候变化和人类活动对植被NDVI变化的影响[J]. 地理学报, 2020,75(5):961-974.

Jin K, Wang F, Han J Q, et al. Contribution of climate change and human activities on vegetation NDVI change over China during 1982～2015 [J]. Acta Geographica Sinica, 2020,75(5):961-974.

[19] Zhang X M, Brandt M, Yue Y M, et al. The carbon sink potential of southern China after two decades of afforestation [J]. Earth's Future, 2022,10(12),e2022EF002674.

[20] 戴强玉,徐 勇,赵 纯,等.四川盆地植被EVI动态变化及其驱动机制 [J]. 中国环境科学, 2023,43(8):4292-4304.

Dai Q Y, Xu Y, Zhao C, et al. Dynamic variation of vegetation EVI and its driving mechanism in the Sichuan Basin [J]. China Environmental Science, 2023,43(8):4292-4304.

[21] 洪辛茜,黄 勇,孙 涛.我国西南喀斯特地区2001～2018年植被净初级生产力时空演变[J]. 生态学报, 2021,41(24):9836-9846.

Hong X Q, Huang Y, Sun T. Spatiotemporal evolution of vegetation net primary productivity in the karst region of southwestern China from 2001 to 2018 [J]. Acta Ecologica Sinica, 2021,41(24):9836- 9846.

[22] 程东亚,李旭东,杨江州.西南山地流域NDVI变化特征及降水敏感性——以贵州沅江流域为[J]. 生态学报, 2020,40(4):1161-1174.

Cheng D Y, Li X D, Yang J Z. Research on NDVI variation characteristics and precipitation sensitivity of Yuanjiang River Basin in Guizhou province [J].Acta Ecologica Sinica, 2020,40(4):1161-1174.

[23] 张凯选,范鹏鹏,王军邦,等.西南喀斯特地区植被变化及其与气候因子关系研究[J]. 生态环境学报, 2019,28(6):1080-1091.

Zhang K X, Fan P P, Wang J B, et al. Study on vegetation change and climate factors in a karst region of southwestern China [J]. Ecology and Environmental Sciences, 2019,28(6):1080-1091.

[24] 马炳鑫,和彩霞,靖娟利,等.1982～2019年中国西南地区植被变化归因研究[J]. 地理学报, 2023,78(3):714-728.

Ma B X, He C X, Jing J L, et al. Attribution of vegetation dynamics in southwestern China from 1982 to 2019 [J]. Acta Geographica Sinica, 2023,78(3):714-728.

[25] 徐 勇,卢云贵,戴强玉,等.气候变化和土地利用变化对长江中下游地区植被NPP变化相对贡献分析 [J]. 中国环境科学, 2023,43(9): 4988-5000

Xu Y, Lu Y G, Dai Q Y, et al. Assessment of the relative contribution of climate change and land use change on net primary productivity variation in the middle and lower reaches of the Yangtze River Basin [J]. China Environmental Science, 2023,43(9):4988-5000.

[26] 熊巧利,何云玲,李同艳,等.西南地区生长季植被覆盖时空变化特征及其对气候与地形因子的响应[J]. 水土保持研究, 2019,26(6): 259-266.

Xiong Q L, He Y L, Li T Y, et al. Spatiotemporal patterns of vegetation coverage response to climatic and topographic factors in growth season in southwestern China [J]. Research of Soil and Water Conservation, 2019,26(6):259-266.

[27] 何宏昌,马炳鑫,靖娟利,等.近20年西南喀斯特地区植被NPP时空变化及自然因素地理探测[J]. 水土保持研究, 2022,29(3):172-178, 188.

He H C, Ma B X, Jing J L, et al. Spatiotemporal changes of NPP and natural factors in the southwestern karst areas from 2000 to 2019 [J]. Research of Soil and Water Conservation, 2022,29(3):172-178,188.

[28] Zhao D M, Wu J. The Influence of Urban Surface Expansion in China on Regional Climate [J]. Journal of Climate, 2017,30:1061-1080.

[29] Cao Q, Yu D Y, Georgescu M, et al. Impacts of future urban expansion on summer climate and heat-related human health in eastern China [J]. Environment International, 2018,112:134–146.

[30] 马海云,张林林,魏学琼,等.2000～2015年西南地区土地利用与植被覆盖的时空变化[J]. 应用生态学报, 2021,32(2):618-628.

Ma H Y, Zhang L L, Wei X Q, et al. Spatial and temporal variations of land use and vegetation cover in Southwest China from 2000 to 2015 [J].Chinese Journal of Applied Ecology, 2021,32(2):618-628.

[31] 刘晓琼,孙曦亮,刘彦随,等.基于REOF-EEMD的西南地区气候变化区域分异特征[J]. 地理研究, 2020,39(5):1215-1232.

Liu X Q, Sun X L, Liu Y S, et al. Spatial division of climate change and its evolution characteristics in Southwest China based on REOF-EEMD [J]. Geographical Research, 2020,39(5):1215-1232.

[32] Ji F, Wu Z H, Huang J P, et al. Evolution of land surface air temperature trend [J]. Nature Climate Change, 2014,4:462–466.

[33] Chen X Y, Zhang X B, Church J A, et al. The increasing rate of global mean sea-level rise during 1993～2014 [J]. Nature Climate Change, 2017,7:492-495.

[34] Feng X M, Fu B J, Zhang Y, et al. Recent leveling off of vegetation greenness and primary production reveals the increasing soil water limitations on the greening Earth [J]. Science Bulletin, 2021,66(14): 1462-1471.

[35] 罗 爽,刘会玉,龚海波.1982～2018年中国植被覆盖变化非线性趋势及其格局分析[J]. 生态学报, 2022,42(20):8331-8342.

Luo S, Liu H Y, Gong H B. Nonlinear trends and spatial pattern analysis of vegetation cover change in China from 1982 to 2018 [J]. Acta Ecologica Sinica, 2022,42(20):8331-8342.

[36] Song F J, Wang S J, Bai X Y, et al. A new indicator for global food security assessment: harvested area rather than cropland area [J]. Chinese Geographical Science, 2022,32,204-217.

[37] Jian P, Lu T, Liu Y, et al. Ecosystem services response to urbanization in metropolitan areas: Thresholds identification [J]. Science of the Total Environment, 2017,607-608(31):706-714.

[38] Yang J, Huang C H, Zhang Z R, et al. The temporal trend of urban green coverage in major Chinese cities between 1990 and 2010 [J]. Urban Forestry & Urban Greening, 2014,13(1):19-27.

[39] Jiang S S, Chen X, Smettem K, et al. Climate and land use influences on changing spatiotemporal patterns of mountain vegetation cover in southwest China [J]. Ecological Indicators, 2021,121:107193.

[40] 杨艳蓉,侯召朕,张增信.2001～2018年西南地区NDVI变化特征及影响因素[J]. 水土保持通报, 2021,41(2):337-344.

Yang Y R, Hou Z Z, Zhang Z X. NDVI changes and driving factors in Southwest China from 2001 to 2018 [J].Bulletin of Soil and Water Conservation, 2021,41(2):337-344.

[41] Shen M G, Cong N, Cao R Y, et al. Temperature sensitivity as an explanation of the latitudinal pattern of green-up date trend in Northern Hemisphere vegetation during 1982～2008 [J]. International Journal of Climatology: A Journal of the Royal Meteorological Society, 2015,35(12):3707-3712.

[42] Koch, A. Peaking productivity by 2060 [J]. Nature Climate Change, 2022,12:505–506.

[43] 欧阳晓,朱 翔.中国城市群城市用地扩张时空动态特征[J]. 地理学报, 2020,75(3):571-588.

Ouyang X, Zhu X. Spatio-temporal characteristics of urban land expansion in Chinese urban agglomerations [J].Acta Geographica Sinica, 2020,75(3):571-588.

[44] Zhong Q Y, Ma J, Zhao B, et al. Assessing spatial-temporal dynamics of urban expansion, vegetation greenness and photosynthesis in megacity Shanghai, China during 2000～2016 [J]. Remote Sensing of Environment, 2019,233:111374.

[45] Lian X H, Jiao L M, Liu Z J. Saturation response of enhanced vegetation productivity attributes to intricate interactions [J]. Global Change Biology, 2022,29(4):1080-1095.

[46] Grimm N B, Faeth. Global change and the ecology of cities [J]. Science, 2008,319(5864):756-760.

[47] 高江波,吴绍洪,蔡运龙.区域植被覆盖的多尺度空间变异性——以贵州喀斯特高原为例[J]. 地理研究, 2013,32(12):2179-2188.

Gao J B, Wu S H, Cai Y L. Investigating the spatial heterogeneity of vegetation cover at multi-scales: A case study in karst Guizhou Plateau of China [J]. Geographical Research, 2013,32(12):2179-2188.

[48] 卢乔倩,江 涛,柳丹丽,等.中国不同植被覆盖类型NDVI对气温和降水的响应特征[J]. 生态环境学报, 2020,29(1):23-34.

Lu Q Q, Jiang T, Liu D L, et al. The response characteristics of NDVI with different vegetation cover types to temperature and precipitation in China [J]. Ecology and Environmental Sciences, 2020,29(1):23-34.

[49] Zhang L, Yang L, Zohner C M, et al. Direct and indirect impacts of urbanization on vegetation growth across the world's cities [J]. Science Advances, 2022,8(27):eabo0095.

Analysis of the driving forces of vegetation dynamic changes in southwest China.

ZENG Xing-lan1, CHEN Tian-tian1,2*

(1.Chongqing Key Laboratory of Surface Process and Environment Remote Sensing in the Three Gorges Reservoir Area, Chongqing Normal University, Chongqing 401331, China；2.Chongqing Field Observation and Research Station of Surface Ecological Process in the Three Gorges Reservoir Area, Chongqing 401331, China)., 2023,43(12)：6561～6570

Based on the Normalized Difference Vegetation Index (NDVI), land use and climate datasets, this study analyzed the trend of change in vegetation growth and clarified the impact of climate change and urban expansion on vegetation dynamics in southwest China by the ensemble empirical mode decomposition, partial correlation analysis and segmented linear regression. The results showed that the NDVI in the southwest China fluctuating increased, indicating an obvious vegetation greening trend; spatially, the regions with high NDVI were distribution in the southeast part and the regions with low NDVI were concentrated at the northwest part. Compared to the solar radiation and precipitation, the influencing scale and degree of temperature on regional vegetation growth was relatively large, accounting for approximately 64.6% of the study area, mainly distributed in the central and western parts of the study area. The land urbanization, economy urbanization and demographic urbanization increased over time, and the spatial distribution of these three urbanizations was relatively consistent. At the county scale, the correlation between economic urbanization, demographic urbanization and vegetation growthincreased firstly and then decreased, showing a nonlinear characteristic; while there was a negative correlation between land urbanization and vegetation growth. At the grid scale, the relationship between these three urbanization and vegetation growth remains unchanged; but there weresignificant differences in the thresholds of nonlinear relationship and the slope of linear relationship. This study can provide scientific reference for implementing more precise ecological management measures and achieving sustainable socio-economic developmentin this region.

vegetation greening；climate；urbanization；scale；southwest China

X173;Q948

A

1000-6923(2023)12-6561-10

曾兴兰,陈田田.西南地区植被动态变化的驱动力解析 [J]. 中国环境科学, 2023,43(12):6561-6570.

Zeng X L, Chen T T. Analysis of the driving forces of vegetation dynamic changes in southwest China [J]. China Environmental Science, 2023,43(12):6561-6570.

2023-04-14

国家自然科学基金资助项目(42001090);重庆市教委科学技术研究项目(KJQN202000512);重庆市教委社科规划项目(2020BS45)

* 责任作者, 副教授, chentiantian@cqnu.edu.cn

曾兴兰(1997-),女,四川成都人,重庆师范大学硕士研究生,主要从事土地利用变化及其生态系统服务响应方面的研究. 2021110514079@stu.cqnu.edu.cn.