黃土高原近10年植被覆蓋的動態變化及驅動力

肖 強,陶建平, 肖 洋

1 西南大學生命科學學院, 重慶 400716 2 重慶文理學院, 重慶 402160 3 中國科學院生態環境研究中心 城市與區域生態國家重點實驗室, 北京 100085

黃土高原近10年植被覆蓋的動態變化及驅動力

肖 強1,2,陶建平1,*, 肖 洋3

1 西南大學生命科學學院, 重慶 400716 2 重慶文理學院, 重慶 402160 3 中國科學院生態環境研究中心 城市與區域生態國家重點實驗室, 北京 100085

基于Timesat的非對稱高斯函數(AG)擬合法重建MODIS-NDVI數據,利用像元二分模型估算了黃土高原近10年的植被覆蓋度(VC),并分析了年植被覆蓋度的變化趨勢和其與降水溫度的相關性。研究結果表明：黃土高原植被覆蓋度總體上呈現東南高西北低、由東南向西北遞減的特征。其中森林生態系統平均覆蓋度最高,灌木、草地生態系統次之,荒漠生態系統最低,空間差異明顯。2010年森林生態系統植被覆蓋度達到81.6%,主要包括太行山、呂梁山和秦嶺地區。暖溫帶森林區植被組成以落葉闊葉林為主,覆蓋度常年較高,為80%以上。西北部溫帶草原區,植被覆蓋度達到38.8%。溫帶草地主要依水分梯度,由東南到西北分布有以旱生性多年生草本植物為主的典型草原,植被覆蓋度呈現相應的遞減趨勢。黃土高原總面積78.6%的地區年植被覆蓋度呈增加趨勢;而占總面積19.4%的地區年植被覆蓋度呈下降趨勢。在空間分布上,植被覆蓋度顯著增加的區域主要分布在榆林至延安周邊地區和秦嶺一帶;植被覆蓋度顯著減少區域沿蘭州至銀川呈條帶狀分布。

Timesat;像元二分模型;植被覆蓋度;降水;溫度

陸地植被在陸地表面能量交換、水分循環和生物地球化學循環過程中起著至關重要的作用。水熱條件是決定植被空間分布及其變化的主要非生物因素,植被的分布及其變化具有明顯的動態演變特點[1]。通常情況下,植被空間格局的改變反映了植被結構對水熱條件變化和人類活動的響應,而植被結構的改變必然會引起植被物候、覆蓋度和生產量等功能的改變。植被功能在適應不斷變化環境的同時,也促進了植被結構的改變[2]。因此,對于植被系統來說,確定其空間結構是研究其功能的基礎。同時,從結構和功能兩方面開展研究是認識二者相互作用機理的重要途徑。植被作為生態系統的重要組成部分,聯結著大氣、水分和土壤等自然過程,其變化將直接影響該區域氣候、水文和土壤等狀況,所產生的生態環境問題已逐漸引起生態學家和管理者的關注[3- 4]。

植被狀況的好壞,主要通過植被覆蓋度因子來表示。植被覆蓋度是指植被(包括葉、莖、枝)在地面的垂直投影面積占統計區總面積的百分比[5]。它是區域氣候模型、水土流失監測、土地沙漠化評價和分布式水文模型的重要輸入參數,是描述生態環境系統的重要基礎數據[6- 7]。目前對植被覆蓋度的研究方法主要有地表實測和遙感測量[8]。地表實測法雖然測量準確,但野外操作不便,成本較高,只能在小尺度范圍內提供植被信息,不宜大范圍推廣;遙感測量植被覆蓋度則具有宏觀性、時效性強、數據獲取容易等優點,是當前植被覆蓋度的主要研究方向。近年來,隨著對地觀測系統技術的不斷成熟,利用遙感數據進行植被監測變化方面的研究日益增多。其中具有時間分辨率高、價格低廉的Modis數據在區域大尺度植被覆蓋變化研究中顯示出其他數據所無法替代的作用,為植被覆蓋度遙感監測,提供了更為有效的支持[9]。

近年來,我家實施了退耕還林還草、退牧還草等一系列生態恢復工程,而黃土高原是這項工程的重點實施區域之一。受過度放牧及定居點增加等人類活動影響,一些地區地表植被退化。由于對植被覆蓋的生態服務功能缺乏深入的生態學理解,致使能夠為決策提供依據的生態學信息非常少,直接影響生態系統功能的保育和管理[10]。有鑒于此,本文以黃土高原為研究區域,利用遙感數據和像元二分模型,進行植被覆蓋變化分析,并揭示植被的驅動力變化的空間特征,分析植被覆蓋度的動態及其與水熱和人類因子的關系。旨在有助于生態環境保護,也有利于政府部門進行產業規劃和政策制定,促進經濟和環境的和諧發展有著重要意義。

1 數據來源及處理

1.1 數據來源

使用的遙感數據選擇EOS/Terra衛星的MODIS植被產品MOD13Q1,包括基于MVC方法16day合成的250m分辨率NDVI數據及其質量控制數據。時間序列數據由美國NASA LP DAAC工作組(Land Process Distributed Active Archive Center)提供,時間范圍是2000年—2010年。 MODIS數據經過格式轉換、疊加、鑲嵌、子區裁剪等預處理操作后,由Sinusoidal投影轉換為UTM- 48N—WGS- 84投影。 轉換NDVI值范圍為-1.0 — 1.0,并提取data pixel reliability數據集(表1)。所用的降雨、溫度數據為國家氣象局提供的680個氣象站2000年—2010 年的每月降水和溫度插值數據,空間分辨率為0.05°×0.05°。其他數據包括研究區2000—2010年MODIS土地覆蓋產品(MCD12Q1),空間分辨率為500m,由美國NASA LP DAAC工作組提供。

表1 MOD13Q1 產品 data pixel reliability 數據集 DN值說明

1.2 數據處理

MODIS植被產品NDVI數據集盡管采用最大值合成法(MVC)來降低影像的噪聲,但是有一些假高值、低值等噪聲殘差存在,因此需要采用其他新技術來近一步降低這些存在噪聲殘差的影響,通常將該過程叫做時間序列NDVI數據集重建。TIMESAT 軟件以S-G濾波法、AG擬合法及D-L擬合法為核心算法,用于植被指數時間序列數據集重建及提取植被生長物候信息[11]。

參考TIMESAT擬合方法對比研究的相關文獻,主要考慮上包絡線擬合效果及保持原始高質量點值真實程度,本研究選取非對稱高斯函數(AG)進行擬合[12]。對原始 NDVI 時間序列進行平滑處理,其關鍵步驟為參數設置。包括NDVI有效值域( Range, -0.1— 1.0)、原始NDVI值權重(Weight value)(表1)、噪聲去除閾值(Spike,2)、滑動窗口大小( W-size,4)、擬合峰值參數(Amplitude, 5)、迭代次數(Envelope iterations, 3)等, 基于非對稱高斯函數(AG)擬合法產生擬合后的16day NDVI時間序列數據集,再將擬合后的NDVI數據最大值合成(Maximum Value Compositing, MVC)32day NDVI數據,視為月NDVI數據。

2 研究方法

2.1 像元二分模型

像元二分模型是一種簡單實用的遙感估算模型[13]。它假設一個像元的地表由有植被覆蓋部分與無植被覆蓋部分地表組成,而遙感傳感器觀測到的光譜信息也由這2個組分因子線性加權合成,各因子的權重是各自的面積在像元中所占的比率,其中植被覆蓋度可以看作是植被的權重[14- 15]。根據像元二分模型,像元的NDVI值可以表達為由綠色植被部分所貢獻的信息NDVIveg和裸土部分所貢獻的信息NDVIsoil這兩部分組成,因此可以用NDVI來計算植被覆蓋度[16]：

fc=(NDVI-NDVIsoil)/(NDVIveg-NDVIsoil)

(1)

式中,NDVIsoil為完全為裸土或無植被覆蓋區域的NDVI值(NDVImin); NDVIveg則代表完全被植被所覆蓋像元的NDVI值,即純植被像元的NDVI值(NDVImax)。 由于圖像中不可避免的存在著噪聲,NDVI的極值并不一定是NDVImax與NDVImin,因此對其取值時主要由圖像尺度和圖像質量等情況來決定。在沒有實測數據的情況下,取NDVImax與NDVImin值為圖像給定置信度的置信區間內最大值與最小值。本文NDVImax取森林類型內NDVI概率分布的95%下側分位數所對應的NDVI值; NDVImin統一采用裸地和稀疏植被類型內5%下側分位數。

2.2 變化趨勢分析

為研究10年來黃土高原植被生長狀況對環境變化響應以及這種變化速率在空間上的差異,對每一個象元相應的年覆蓋度值進行變化斜率分析,得到植被生長狀況的變化趨勢。斜率為負值的區域,其植被覆蓋度呈減小趨勢;斜率為正值地區,則植被覆蓋度呈增加趨勢;斜率絕對值越大,植被覆蓋度增加的幅度越大,反之則增加的幅度越小。P值越小顯著性越大,如果斜率值通過0.05的顯著性水平(P<0.05),則認為植被覆蓋度減小或增加趨勢顯著;如果斜率值通過0.01的顯著性水平(P<0.01),則認為植被覆蓋度減小或增加趨勢極顯著[17]。

2001—2010年間各像元植被覆蓋度變化趨勢利用變化斜率法進行分析,計算公式為[18]：

(2)

式中，X為變化趨勢斜率,n為監測年數,fci為第i年的植被覆蓋度。

2001—2010年間各像元植被覆蓋度變化評價標準用P值來表示(表2)。

表2 植被變化評價標準

2.3 相關性分析

為研究10年來黃土高原植被生長狀況對氣象變化的響應,對每一個象元相應的年平均覆蓋度值與降雨因子和溫度因子進行相關性分析。相關系數(R)為負值的區域,為負相關;R為正值地區,為正相關,其值越大相關性越大。相關性函數計算了因變量和自變量之間的線性皮爾遜相關系數。皮爾遜相關系數又稱為簡單相關系數(pearson correlation coefficient),它描述了兩個定距變量間聯系的緊密程度。一般用R表示,計算公式為：

(3)

式中,R為變量X和Y之間的線性相關強弱程度,cov表示協方差,N表示變量個數。以上工作都是在地理信息系統和遙感軟件 ArcGIS 9.3,IDRISI, ENVI 4.8和IDL語言下實現的。

3 結果分析

3.1 植被覆蓋度現狀的空間格局

從2010年植被覆蓋度的空間分布可以看出 (圖1),黃土高原植被覆蓋度總體上呈現東南高西北低、由東南向西北遞減的特征。研究區2010年平均植被覆蓋度為39.8%,其中森林生態系統平均覆蓋度最高,灌木、草地生態系統次之,荒漠(沙漠、裸土)生態系統最低,空間差異明顯。

森林生態系統2010年植被覆蓋度達到81.6%,主要包括位于太行山、呂梁山和秦嶺地區。暖溫帶森林區植被組成以落葉闊葉林為主,覆蓋度常年較高,為80%以上。其中灌木生態系統也主要集中分布在該區域,植被覆蓋度僅次于森林,達到65.4%。處于各山脈之間的平原地帶,是主要的農業耕作區,農田是該區域的主要植被類型,年植被覆蓋度多為45%—60%。位于西北部溫帶草原區,植被覆蓋度達到38.8%。溫帶草地主要依水分梯度,由東南到西北分布有以旱生性多年生草本植物為主的典型草原以及以旱生性更強的多年生矮小草本植物為主的荒漠草原,植被覆蓋度呈現相應的遞減趨勢。位于西北部的荒漠生態區,地理區域上屬于亞洲荒漠植物區,年平均植被覆蓋度僅為11.0%。地處草原、荒漠交界的河套平原,由于人為的引黃灌溉,并將大量的流動、半流動沙丘開墾為農田,導致植被覆蓋度較高,多為40%—50%。

圖1 黃土高原年植被覆蓋度的空間格局2010年Fig.1 Spatial distribution of vegetation coverage in Loess Plateau (2010)

為了更好的分析和對比多年數據,將植被覆蓋度進行等級分類。通過研究區的野外實地調查,本研究采用具有可操作性強和準確性高的分類體系,按20%的間隔,將植被覆蓋度劃均分為5個等級。由表3可知,植被覆蓋度大于80%的類型,主要為森林生態系統,分布于海拔1458.6m和坡度4.1°地區,同時該地區降水量和溫度較高,為569.7mm和8.9°。植被覆蓋度為40%—60%的類型,農田分布比例較高,占據總農田面積的36.3%,該地區降水豐富,地勢高,且平均坡度為2.5,為主要的退耕還林地區。植被覆蓋度為小于20%的類型,荒漠分布比例較高,占據總荒漠面積的88.5%,該地區降水少,溫度高,屬于干旱半干旱氣候,此外海拔和坡度較低。

表3 黃土高原植被覆蓋度的空間格局特征

3.2 植被覆蓋度的時空變化特征

本研究選擇反應植被生長的物候期(4—10月)作為黃土高原植被主要的生長季節[19],用生長期內的植被覆蓋度的均值來表示當年的植被覆蓋度。2000—2010 年內黃土高原的植被覆蓋度總體上均呈現明顯的上升趨勢,平均斜率為0.74%/a(圖2)。這表明占研究區總面積78.6%地區年植被覆蓋度呈增加趨勢;而占總面積19.4%地區年植被覆蓋度呈下降趨勢。其中植被覆蓋度40%—60%類型增加趨勢最明顯,平均約為1.2%/a (圖3);植被覆蓋度0—20%類型增加速率最小,僅為0.2% a-1。對于植被覆蓋度變化速率的顯著性檢驗表明,整個研究區內植被覆蓋度極顯著和顯著變化區域較大,占據總面積的31.2%。整體來講,極顯著增加和顯著增加的面積大于植被覆蓋度極顯著減少和顯著減少的面積。在空間分布上 (圖2),10年間植被覆蓋度極顯著和顯著增加的區域主要分布在榆林至延安周邊地區和秦嶺一帶;植被覆蓋度極顯著和顯著減少的區域分布相對較集中,除少數零散分布于黃土高原邊緣地區外,主要沿蘭州至銀川呈條帶狀分布。

圖2 黃土高原年植被覆蓋度線性擬合斜率和顯著性P值檢驗2000—2010年Fig.2 Linear regressive slope and P value of significant changes of annual VC in Loess Plateau (2000—2010)

圖3 黃土高原植被覆蓋度變化斜率及顯著性格局特征2000—2010年Fig.3 Characteristics of slope and P value of VC in Loess Plateau (2000—2010)

3.3 黃土高原植被覆蓋變化的驅動力分析

3.3.1 氣候的影響

從空間像元尺度上分析黃土高原年植被覆蓋度與降雨量和溫度的相關性(圖4)。正相關表示植被覆蓋度隨降水的增加而增大,該區域主要分布在黃土高原的西北部,主要集中在河套平原一帶,主要為草地和荒漠交錯區域。這表明降水是該地區植被覆蓋度的主要影響因子之一,因此,該區域的植被恢復需要重點考慮水分因素的影響。負相關表示植被覆蓋度隨降水的減少而增加,或隨降水的增加而減少。該類區域主要分布在研究區最北面部分地區。這些區域降水對植被的重要程度有所降低甚至會對植被生長產生負作用。在溫度較低的北面地區,過多的降水導致云量的增加,使入射輻射量減少,同時土壤濕度的增加導致地面潛熱蒸發相對增大,這些促使氣溫降低,使植被的光合作用減弱,對植被生長產生不利的影響[20]。分析研究區年植被覆蓋度與溫度的相關關系(圖4)。正相關表示植被覆蓋度隨溫度的增加而增大,該區域主要分布在西部溫帶草原一帶。這表明溫度是該地區植被覆蓋度的主要影響因子之一,因此,該區域的植被恢復需要重點考慮溫度因素的影響。負相關表示植被覆蓋度隨溫度的降低而增加,或隨溫度的增加而減少。這主要分布在西北干旱和半干旱地區。這些區域溫度對植被的重要程度有所降低甚至會對植被生長產生負作用。溫度的增加對該地區植被生長有著正效應和負效應：正效應是延長植被生長季節,提高光合作用效率和水分利用率,從而促進植被的生長;而負效應主要在于增加水分消耗從而引發干旱,不利于植被生長[21]。位于干旱、半干旱地區,溫度增加使該地區缺少水分,不利于植被生長。

圖4 降水和溫度與植被覆蓋度的相關系數Fig.4 Correlated coefficient between precipitation, temperature and yearly VC (2000—2010)

黃土高原各植被覆蓋度類型所對應的降水、溫度的變化斜率,及與植被覆蓋度的相關性能清楚的說明植被的變化的原因。由圖5可知,植被覆蓋度大于60%的類型的區域,主要為森林和灌木生態系統,降雨量成顯著增加趨勢,與此同時溫度也呈現明顯的升高趨勢,其中植被覆蓋度為60%—80%的區域降水斜率最高達到0.19mm。然而,植被覆蓋度為小于40%的區域,主要為荒漠和草地生態系統,降雨量成顯著降低趨勢,且與植被覆蓋度相關性較高,同時溫度成顯著的增加趨勢,其中植被覆蓋度為0—20%的區域溫度斜率最高達到0.025℃,且與植被覆蓋度顯著負相關。由于該區域主要位于干旱和半干旱荒漠和草原區,降水和溫度是主要的影響因子,近10年來該區域降水的降低和溫度的升高,導致局部地區植被的退化,但該地區整體植被覆蓋度仍呈緩慢的增加趨勢,可能是由于近些年來的生態恢復工程的影響。植被覆蓋度為40%—60%的區域,主要農田作業區域,降雨量和溫度均沒有顯著變化,但該區域植被覆蓋度增加趨勢最為明顯,說明該區域植被覆蓋度增加主要受人類活動的影響, 特別是生態保護工程,如退耕還林,退牧還草,天然林保護工程。總體而言,研究區植被覆蓋度變化對氣候變化較為敏感,但降水量、溫度并不是植被變化的絕對限制因子,人類活動也影響著植被覆蓋變化的區域分異特征。特別是一些地區過度放牧、濫砍濫伐或農墾,導致了地表植被破壞;20世紀90年代后期,處于國家生態安全考慮,政府先后實施了大量生態保護工程,使得黃土高原植被得到了有效恢復。

圖5 黃土高原各植被覆蓋度類型的降水和溫度變化斜率及與植被覆蓋度的相關性特征2000—2010年Fig.5 Correlated characteristics between CV and the slope of changes for precipitation and temperature in Loess Plateau (2000—2010)

3.3.2 人類活動的影響

植被覆蓋度變化不僅受氣候變化的影響,也受人為活動的干擾。在人口稀少的黃土高原西北部地區,植被生長狀況主要受自然因素的影響較大,而受人為活動的影響較小。如上圖所示,西北部地區植被覆蓋度與降水、溫度相關性明顯。但在人口密集的東南部地區,植被生長狀況除了受自然因素的影響外,更受經濟、技術、社會等人文因素的制約[22]。近10年來,黃土高原實施退耕還林、天然林保護、退牧還草等生態恢復工程,黃土高原中部植被覆蓋度增加明顯,顯然與該地區的生態工程效果實施結果相關。如圖6所示,2000—2010年自然生態系統類型(森林、灌木、草地)變化趨勢。自然生態系統類型增加的區域主要分布在黃土高原中部和西部地區,并與植被覆蓋度變化趨勢具有一定的空間相似性。也就是說,近10年來,黃土高原植被覆蓋度的增加,主要是人類活動的積極作用的結果。然而,自然生態系統類型減少區域卻與植被覆蓋度變化趨勢空間相關性不大,說明研究區局部地區植被覆蓋度的降低主要是降水減少和溫度升高所致。

圖6 自然生態系統類型變化趨勢2000—2010年Fig.6 Change of nature ecosystem from 2000 to 2010

4 結論

本文基于Timesat的AG擬合法重建MODIS-NDVI數據,估算了黃土高原近10年的植被覆蓋度,并分析其變化趨勢及與降水溫度和人類活動因子的關系。結論如下:

通過黃土高原植被覆蓋度近10年變化趨勢分析,得知占研究區總面積78.6%的地區年植被覆蓋度呈增加趨勢;而占總面積19.4%的地區年植被覆蓋度呈下降趨勢。其中植被覆蓋度40%—60%類型增加趨勢最明顯,平均約為1.2%/a;植被覆蓋度0—20%類型增加速率最小,僅為0.2%/a。

通過植被覆蓋度與降水、溫度相關性分析,西北部干旱、半干旱草原與荒漠地區的植被覆蓋度的變化主要受氣候的干擾,與降水呈顯著正相關,而與溫度呈顯著負相關。東南森林灌木與農業耕作區的植被覆蓋度的變化主要受人類活動的影響。近10年來,黃土高原實施退耕還林、天然林保護、退牧還草等生態恢復工程,黃土高原中部植被覆蓋度增加明顯,大規模植被建設的實施促進了該區植被恢復,但同時使植被覆蓋對氣候等自然因子的變化敏感度降低。

[1] Adams J E, Arkin G F. A light interception method for measuring row crop ground cover. Soil Science Society of America Journal, 1977, 41(4): 789- 792.

[2] Gitelson A A, Kaufman Y J, Stark R, Rundquist D. Novel algorithms for remote estimation of vegetation fraction. Remote Sensing of Environment, 2002, 80(1): 76- 87.

[3] Wang G, Wente S, Gertner G Z, Anderson A. Improvement in mapping vegetation cover factor for the universal soil loss equation by geostatistical methods with Landsat Thematic Mapper images. International Journal of Remote Sensing, 2002, 23(18): 3649- 3667.

[4] Purevdorj T S, Tateishi R, Ishiyama T, Honda Y. Relationships between percent vegetation cover and vegetation indices. International Journal of Remote Sensing, 1998, 19(18): 3519- 3535.

[5] 張云霞, 李曉兵, 陳云浩. 草地植被蓋度的多尺度遙感與實地測量方法綜述. 地球科學進展, 2003, 18(1): 85- 93.

[6] Pabi O. Understanding land-use/cover change process for land and environmental resources use management policy in Ghana. GeoJournal, 2007, 68(4): 369- 383.

[7] Moreau S, Bosseno R, Gu X F, Baret F. Assessing the biomass dynamics of Andeanbofedalandtotorahigh-protein wetland grasses from NOAA/AVHRR. Remote Sensing of Environment, 2003, 85(4): 516- 529.

[8] 程紅芳, 章文波, 陳鋒. 植被覆蓋度遙感估算方法研究進展. 國土資源遙感, 2008, (1): 13- 18.

[9] 邢著榮, 馮幼貴, 楊貴軍, 王萍, 黃文江. 基于遙感的植被覆蓋度估算方法述評. 遙感技術與應用, 2009, 24(6): 849- 854.

[10] J?nsson P, Eklundh L. TIMESAT - a program for analyzing time-series of satellite sensor data. Computers & Geosciences, 2004, 30(8): 833- 845.

[11] 宋春橋, 柯靈紅, 游松財, 劉高煥, 鐘新科. 基于TIMESAT的3種時序NDVI擬合方法比較研究——以藏北草地為例. 遙感技術與應用, 2011, 26(2): 147- 155.

[12] Jonsson P, Eklundh L. Seasonality extraction by function fitting to time-series of satellite sensor data. IEEE Transactions on Geoscience and Remote Sensing, 2002, 40(8): 1824- 1832.

[13] Leprieur C, Verstraete M M, Pinty B. Evaluation of the performance of various vegetation indices to retrieve vegetation cover from AVHRR data. Remote Sensing Reviews, 1994, 10(4): 265- 284.

[14] Zribi M, Le Hégarat-Mascle S, Taconet O, Ciarletti V, Vidal-Madjar V, Boussema M R. Derivation of wild vegetation cover density in semi-arid regions: ERS2/SAR evaluation. International Journal of Remote Sensing, 2003, 24(6): 1335- 1352.

[15] Jiapaer G, Chen X, Bao A M. A comparison of methods for estimating fractional vegetation cover in arid regions. Agricultural and Forest Meteorology, 2011, 151(12): 1698- 1710.

[16] Qi J, Marsett R C, Moran M S, Goodrich D C, Heilman P, Kerr Y H, Dedieu G, Chehbouni A, Zhang X X. Spatial and temporal dynamics of vegetation in the San Pedro River basin area. Agricultural and Forest Meteorology, 2000, 105(1/3): 55- 68.

[17] 于小飛, 孫睿, 陳永俊, 劉紹民, 周會珍, 張忠山. 烏審旗植被覆蓋度動態變化及其與降水量的關系. 資源科學, 2006, 28(4): 31- 37.

[18] Loyarte M M G, Menenti M. Impact of rainfall anomalies on Fourier parameters of NDVI time series of northwestern Argentina. International Journal of Remote Sensing, 2008, 29(4): 1125- 1152.

[19] Piao S L, Wang X H, Ciais P, Zhu B, Wang T, Liu J. Changes in satellite-derived vegetation growth trend in temperate and boreal Eurasia from 1982 to 2006. Global Change Biology, 2011, 17(10): 3228- 3239.

[20] 趙茂盛, 符淙斌, 延曉冬, 溫剛. 應用遙感數據研究中國植被生態系統與氣候的關系. 地理學報, 2001, 56(3): 287- 296.

[21] Mooney H A, Canadell J, Chapin III F S, Ehleringer J R, K?rner C, McMurtrie R E, Parton W J, Pitelka L F, Schulze E D. Ecosystem physiology responses to global change//Walker B H, Steffem W L, Canadell J, Ingram J S I, eds. Implications of Global Change for Natural and Managed Ecosystems: A Synthesis of GCTE and Related Research. Cambridge, UK: Cambridge University Press, 1999: 141- 189.

[22] 陳佑啟, Verburg P H, 徐斌. 中國土地利用變化及其影響的空間建模分析. 地理科學進展, 2000, 19(2): 116- 127.

Dynamic vegetation cover change over the past 10 years on the Loess Plateau, China

XIAO Qiang1,2, TAO Jianping1, *, XIAO Yang3

1CollegeofLifeScience,SouthwestUniversity,Chongqing400716,China2ChongqingCollegeofArtsandSciences,Chongqing402160,China3StateKeyLaboratoryofUrbanandRegionalEcology,ResearchCenterforEco-EnvironmentalSciences,ChineseAcademyofSciences,Beijing100085,China

We re-built MODIS-NDVI data based on the asymmetric gauss function (AG) of Timesat, by using a dimidiate pixel model to estimate the vegetation coverage (VC) of the Loess Plateau over the past decade. The model analyzed the annual temporal variation of VC in relation to precipitation and temperature. Results showed that the VC of the Loess Plateau decreased from the southeast to the northwest. Average VC was highest in the forest ecosystem, followed by the shrub and grassland ecosystems; it was lowest in the desert ecosystem, which showed significant spatial variation. In 2010, the VC in forest ecosystems was 81.6%, mainly including the Taihang and Luliang Mountains and the Qinling area. Forest ecosystems in the warm-temperature region are predominantly covered by broadleaved deciduous trees, which present high coverage up to above 80%—all year round. The VC in the northwest temperate grass zone reached 38.8%. Typical steppe ecosystems are mainly covered by xeromorphic perennial herbs distributed on the temperate grassland in a southeast-northwest direction according to the moisture gradient, and the VC presented a similar declining trend. The annual VC increased on the Loess Plateau (78.6%), whereas it decreased (19.4%). VC increased in spatial distribution from Yulin to Yan′an but declined from Lanzhou to Yinchuan where it was concentrated in relatively small patches. Variations in precipitation and temperature were correlated to each type of VC. We found that the change in VC is affected by climate change and human activities. In the sparsely populated northwest Loess Plateau, vegetation growth is mainly influenced by natural factors and less by human activities; however, in the densely populated southeast, vegetation growth is affected more by human factors, including socioeconomic and technological factors, than by natural elements.

timesat; dimidiate pixel model; vegetation cover; precipitation; temperature

國家自然科學基金重點資助項目(31570612);重慶市教委資助項目(KJ1501102)

2015- 06- 29;

2016- 05- 25

10.5846/stxb201506291316

*通訊作者Corresponding author.E-mail: taojianping@163.com

肖強, 陶建平, 肖洋.黃土高原近10年植被覆蓋的動態變化及驅動力.生態學報,2016,36(23):7594- 7602.

Xiao Q, Tao J P, Xiao Y.Dynamic vegetation cover change over the past 10 years on the Loess Plateau, China.Acta Ecologica Sinica,2016,36(23):7594- 7602.