2000~2014年黃土高原植被覆蓋時空變化特征及其歸因

趙安周,劉憲鋒,朱秀芳*,潘耀忠,陳抒晨

?

2000~2014年黃土高原植被覆蓋時空變化特征及其歸因

趙安周1,2,3,劉憲鋒2,3,朱秀芳2,3*,潘耀忠2,3,陳抒晨2,3

(1.河北工程大學資源學院,河北 邯鄲 056038；2.北京師范大學地表過程與資源生態國家重點實驗室,北京 100875；3.北京師范大學資源學院,北京 100875)

基于-NDVI數據,輔以一元線性回歸分析、Mann-Kendall檢驗、Hurst指數等方法,分析了2000~2014年黃土高原植被覆蓋時空演變特征及其驅動因素.研究表明:近15年黃土高原NDVI呈顯著增加趨勢,增速為6.93%/10a(<0.01);空間上,植被歸一化指數,或歸一化值被指數Normalized Difference Vegetation Index(NDVI)呈由東南向西北遞減的分布格局,高值區主要分布在東南部的土石山區、;同時,500m以下和3500米左右的NDVI值最高;在趨勢上,NDVI呈現增加和減小趨勢的面積比重分別為88.24%和11.76%;Hurst指數表明研究區未來NDVI變化趨勢呈持續性和反持續的比重分別為50.07%和49.93%,其中持續改善和由改善變為退化的面積分別占43.98%和44.28%;降水是影響NDVI變化的主要驅動因子,表現為NDVI隨降水的增加而增加;人類活動也是影響NDVI的重要因素,且對NDVI有雙重影響.

植被覆蓋；時空分布；歸因分析；黃土高原

植被作為陸地生態系統的重要組成部分,在全球物質循環和能量流動中扮演著重要角色.隨著全球氣候變化和人類活動的加劇,由過渡開墾自然植被、城市擴張以及農村坡地開墾等造成的

沙漠化、水土流失等一系列問題頻發[1-2],不僅增加了河流輸沙量和洪水發生的風險,同時嚴重影響農業生產和社會經濟的可持續發展[3-5].為了解決這些問題,中國政府實施了“退耕還林還草”、“三北防護林”等一系列的生態工程建設,隨著這些生態工程的不斷深入,中國北方的水土流失以及荒漠化面積較20世紀末期有所減輕[6].

黃土高原地處干旱和濕潤過渡區,是我國生態環境最為脆弱、水土流失最為嚴重的地區之一.資料顯示,黃河所含泥沙的90%來源于黃土高原[7].作為國家生態脆弱區和水土保持建設的重點區域,1999~2010年間,黃土高原累計造林面積已達到1890.6×104hm2,使得該地區生態環境得到極大改善[1].然而,黃土高原植被覆蓋變化是眾多因素共同作用的結果,除了人類活動,地形地貌單元、氣候變化等也是影響該地區植被覆蓋的重要因素.研究表明,隨著全球氣候變暖,黃土高原出現變暖和變干的趨勢,使得干旱出現的頻率加大,不利于植被的恢復[8-10].因此,全面分析黃土高原植被覆蓋特征及其驅動因素對黃河水沙發展趨勢、區域生態恢復和經濟的可持續發展具有至關重要的意義.

歸一化植被指數(NDVI)是目前最為常用的表征植被狀況的指標,可以在較大尺度上客觀反映植被覆蓋信息[7-8].近30年來,國內外眾多學者利用NDVI指數在全球、大洲、國家和地區等不同尺度對植被的時空變化特征進行了深入研究.Myneni等[13-14]分析了1981~1999年和1981~ 1991年的NDVI數據,指出氣候變暖使得北半球中高緯度的植被覆蓋有增加的趨勢;同時在我國的東北、華北、西北、黑河流域中游和青藏高原等地[15-19]也得出相同的結論.近年來,黃土高原作為我國生態建設的重點區域和生態敏感區,其植被覆蓋變化一直受到國內學者的廣泛關注,其中信忠保等[20-21]采用GIMMS/NDVI和SPOT VGT分別對1982~2003年和1981~2006年期間黃土高原的植被覆蓋時空演變特征及其歸因進行了分析,指出人類活動和氣候變化共同導致了其植被覆蓋的變化;Sun等[22]采用LTDR和MODIS的NDVI數據分析了黃土高原1981~2010年植被覆蓋變化;劉憲鋒等[23]采用MODIS-NDVI數據分析了2000~2009黃土高原植被覆蓋變化,認為氣溫、降水的增加和一系列生態工程的實施是其植被覆蓋增加的主要驅動力;易浪等[1]采用SPOT VGT/NDVI分析了1999~2010年黃土高原植被覆蓋變化,認為降水變化是影響植被覆蓋的主要驅動力.

綜上,以往的研究多注重植被覆蓋的時空分布特征,缺乏對黃土高原植被覆蓋未來變化趨勢的分析,同時分析人類活動影響時考慮并不全面(多考慮退耕還林還草等生態工程實施的影響).基于此,本文采用MODIS-NDVI數據,輔以一元回歸分析、Mann-Kendall(M-K)統計檢驗法和Hurst指數等方法對黃土高原植被覆蓋的時空演變規律及未來變化趨勢進行分析,并從地形地貌、氣候變化和人類活動3個方面出發,分析影響植被覆蓋變化的主要因素,以期為地區社會經濟可持續發展、產業結構調整和生態修復工程規劃等提供科學依據.

1 數據與方法

1.1 研究區概況

黃土高原位于中國中部偏北,東起太行山脈,西到賀蘭山和日月山,南至秦嶺,北至鄂爾多斯高原,介于100°54′E~114°33′E,33°43′N~41°16′N,總面積64.87×104km2.在行政單元上,主要包括山西和寧夏的全部,陜西和甘肅的大部分地區以及內蒙古、河南和青海的部分地區.地勢西北高、東南低,氣候為大陸性季風氣候,冬季寒冷干燥多風沙,夏季炎熱多暴雨.由于地形、植被、土壤、氣候等自然原因和過渡放牧、濫砍濫伐等人為因素,使得該地區成為世界上生態環境退化和水土流失最嚴重的地區之一[24-25],根據《(2010~2030年)》將該地區劃分為土石山區、河谷平原區、黃土丘陵溝壑區、沙地和沙漠區、黃土高原溝壑區以及農灌區6部分(圖1)[26].

1.2 數據來源

遙感數據來源于美國國家航空航天局(NASA)的EOS/MODIS數據產品中的MOD13Q1NDVI數據(http://e4ftl01.cr.usgs.gov),時間跨度為2000~2014年,空間分辨率為250m× 250m,時間分辨率為16d.由于MODIS/NDVI產品經過水、云、氣溶膠等處理, 保證了數據質量,加之較高的空間分辨率,因此被廣泛應用于植被覆蓋變化的研究中.首先,利用MRT(MODIS Reprojection Tools)將所需要的MODIS-NDVI進行格式和投影轉換;然后,采用最大合成法(MVC)合成月NDVI數據,消除異常值的影響,進而將月NDVI數據合成年最大NDVI影像;最后對其進行裁剪得到研究區NDVI數據.由于年最大NDVI數據可以有效的反映植被覆蓋的情況,因此本文采用年最大NDVI數據對黃土高原的植被覆蓋時空分布進行研究.

氣象數據為黃土高原52個氣象站點的降水、氣溫數據,來源于中國氣象科學數據共享服務網(http://cdc.cma.gov.cn).數字高程模型(DEM)數據來源于地理空間數據云,空間分辨率為90m×90m的SRTM(Shuttle Radar Topography Mission).另外,關中平原的糧食產量數據來源于《陜西省統計年鑒》,造林面積數據來源于各省統計年鑒和《中國林業統計年鑒》.

1.3 研究方法

1.3.1 趨勢分析 一元線性回歸可以模擬每個柵格的變化趨勢,該方法可以在一定的時間段內采用最小二乘法逐像元擬合年均NDVI的斜率,從而反映植被覆蓋的時空演變格局[27],同時采用-K統計檢驗法[28]對變化趨勢的顯著性進行檢驗,其一元線性回歸分析公式如下:

式中:為變化趨勢,為時間序列,NDVI為第年的NDVI值.當>0,表示NDVI呈現增加的趨勢,<0,表示NDVI呈現減小的趨勢.

1.3.2 標準差分析 采用標準差來研究2000~ 2014年期間黃土高原植被覆蓋的年際波動.標準差可以反映出NDVI數據集的離散程度,值越大,表明該段時間內像元的NDVI距離像元的平均NDVI值越遠,即研究時段內植被覆蓋的年際變化越大,計算公式為[29]:

式中:S為標準差,為時間序列,NDVI為第年的NDVI值,為研究時段內NDVI的均值.

1.3.3 未來趨勢分析 Hurst指數是預測時間序列數據相對于過去未來發展趨勢的一個重要指數,目前被廣泛應用在水文、氣象、經濟等多個領域.基于重標極差 (R/S)分析方法Hurst指數是一種定量描述時間序列信息長期依賴性的有效方法,其計算方法步驟如下所示[29]:

①定義一個時間序列的均值序列:

②計算累計離差:

③計算極差:

④計算標準差:

2 結果與討論

2.1 黃土高原NDVI年際變化特征

2000~2014年黃土高原NDVI呈顯著增加趨勢,增速為6.93%/10a(<0.01),與1982~2006三北防護林工程區年NDVI平均增速0.007/10a基本持平[30].2000年黃土高原的平均NDVI為0.4899,到2014年增加到0.5789,增速為14.11%,期間NDVI變化經歷了3次較大波動,時間分別為2001~2002、2011~2012和2005~2007年,其NDVI的增長率分別達到10.42%、7.83%和6.85%(圖2).分區來看,黃土丘陵溝壑區的NDVI增速最為明顯,2000~2014年變化率達到30.49%,其次為沙地和沙漠區、農灌區和黃土高原溝壑區,其變化率分別達到了25.55%、25.30%和20.52%,河谷平原區和土石山區的變化率最小,分別為10.25%和4.84%(表1).

表1 黃土高原各區域NDVI變化統計特征Table 1 The statistics of NDVI changes inLoess Plateau

2.2 黃土高原NDVI空間格局演變

2.2.1 空間分布特征 黃土高原NDVI格局呈由東南向西北遞減的態勢,高值區主要分布在黃土高原東部的土石山區和河谷平原區、黃土高原溝壑區的東部地區,因為這些地區的植被類型主要為針葉林、落葉闊葉林、灌叢以及灌溉農業,植被長勢較好;低值區主要分布在黃土丘陵溝壑區和黃土高原溝壑區的北部地區、沙地和沙漠區,這些地區多為牧區、雨養農業和荒漠,植被較為疏松,但是由于1999年退耕還林還草工程實施以來,這些地區的植被恢復較快(圖3a).NDVI頻率分布圖顯示黃土高原植被呈現“單峰”結構,NDVI均值為0.5529,值域在0.2以上的像元數所占比例達到95.56%,其中0.6~0.8像元數最多,比例達到43.07%.

2.2.2 空間趨勢特征及波動特征 為了進一步分析黃土高原NDVI的變化情況,對2000~2014年NDVI變化趨勢進行計算,并采用M-K檢驗.將計算結果劃分為無顯著變化、弱顯著變化(<0.1)、顯著變化(<0.05)和極顯著變化(<0.01) 4個等級.結果表明,黃土高原NDVI整體呈增加趨勢,呈增加和減小趨勢的面積分別占88.24%和11.76%,其中呈顯著上升和極顯著上升的面積分別占14.92%和37.00%,而顯著下降和極顯著下降的面積僅占0.96%和1.08%(表2),就空間分布來看,顯著上升的區域主要分布在黃土高原溝壑區和黃土丘陵溝壑區,其主要原因可能是由于這些地區原本的植被覆蓋較低,然而,在“退耕還林還草”、“退牧還草”等工程實施下,該地區NDVI呈顯著上升趨勢,顯著下降的區域主要分布在土石山區、河谷平原的南部地區以及黃土高原溝壑區的西北地區(圖4a和圖4b).就標準差來看, 2000~2014年黃土高原標準差介于0.002~0.328之間,表明該地區的植被變化存在明顯的空間差異性.具體而言,高值區主要分布在黃土丘陵溝壑區、黃土高原溝壑區等地區,這些地區多為旱地,為退耕還林還草主要實施的主要區域,植被變化較為劇烈;低值區主要集中在土石山區、黃土高原溝壑區的東部和西部的山區,這些地區的植被主要為針葉林和落葉闊葉林,變化相對穩定(圖4c).

表2 2000~2014年黃土高原不同NDVI變化類型像元個數及百分比Table 2 Numbers and proportion of NDVI change typesin the Loess Plateau

2.3 黃土高原NDVI未來趨勢

黃土高原NDVI的Hurst指數平均值為0.506(0.090~0.998),呈持續性和反持續性的區域分別占50.07%和49.93%,表明該地區的同向特征與反向特征面積相當(圖5a).具體而言,Hurst指數值介于0.35~0.65的區域占85.75%,而小于0.35和大于0.65的像元比重分別僅在5.51%和8.75%,說明該區域NDVI呈強反向特征和強同向特征的區域相對較少.進一步統計表明,黃土高原43.98%的區域將持續改善,44.28%的區域將由改善變為退化,而由退化到改善和持續退化的區域分別只有5.90%和5.43%.從空間分布來看,NDVI呈持續性特征的區域主要分布在河谷平原區、黃土丘陵溝壑區的西北部、黃土高原溝壑區和沙地和沙漠區東部等地,未來植被可能持續改善;而反持續序列主要分布在黃土丘陵溝壑區和黃土高原溝壑區的中部等地區,未來植被有可能出現退化趨勢.

2.4 NDVI變化歸因分析

2.4.1 NDVI與地貌因子的關系 將90m×90m DEM數據重采樣到250m×250m空間分辨率,統計與2000~2014年平均NDVI的相關性,經計算DEM與NDVI的決定系數為0.67,表明黃土高原NDVI與DEM顯著相關.由圖6a可知,500m以下NDVI穩定在0.70附近,而后開始迅速下降,到1500m左右下降到0.45左右,之后開始上升,到3500m左右達到最高,然后又開始急劇下降,其主要原因是由于500m以下主要為河谷平原區,灌溉農業發達,1500~3500m主要為落葉闊葉林和針葉林,植被覆蓋較好,500~1500m為黃土高原溝壑區、黃土丘陵溝壑區以及沙地和沙漠區,3500m以上其植被分布多為稀疏草原和灌叢等,植被較為稀疏,導致其植被覆蓋較低.

同樣統計由DEM生成的坡度數據與2000~2014年平均NDVI的相關性.經計算坡度與NDVI的決定系數為0.696,表明黃土高原NDVI與坡度的相關性顯著.由圖6b可知,黃土高原NDVI與坡度呈正相關,坡度在15°以下時,NDVI的增速最大,之后增速開始減小,到40°以上的時候,其增速趨于平緩.

2.4.NDVI對氣候變化的響應 研究表明,1960~2010年期間黃土高原氣溫以0.380a的趨勢顯著增加[31].對黃土高原52個氣象站點的氣溫數據分析表明,1980~2014年黃土高原年平均氣溫以0.505℃/10a的趨勢顯著增加,2000~ 2014年平均氣溫上升趨勢有所減緩,僅為0.164 ℃/10a(圖7a),其年平均氣溫與年最大NDVI的決定系數為0.10,呈弱相關性.同時將黃土高原的52個氣象站點的年平均溫度數據進行離散化處理,逐柵格計算2000~2014年平均溫度和年最大NDVI的相關系數,可以看出溫度和NDVI整體呈現負相關性(圖7b).進一步定量統計表明,77.75%的區域溫度與NDVI呈現負相關,其中有34.55%通過了0.05顯著性水平檢驗,且主要分布在黃土丘陵溝壑區、沙地和沙漠區以及黃土高原溝壑區的中部,表明NDVI隨著溫度的增高而減小,究其原因主要是由于溫度的升高會導致地面水分蒸發增加,導致土壤干化,不利于植被的生長[21].

水分條件是限制黃土高原植被生長的重要因素,對植被覆蓋的空間分布格局具有決定性的作用[21].1980~2014年和2000~2014年黃土高原降水呈微弱的增加趨勢,其增速分別為45.62mm/ 10a和45.68mm/10a,其年平均降水與年最大NDVI的決定系數為0.30,呈顯著相關(<0.05),相關系數大于溫度,表明黃土高原降水對植被生長的影響強于溫度.同時逐柵格計算2000~2014年降水量和年最大NDVI的相關系數,可以看出,與溫度相反,降水和NDVI的整體呈現正相關性,經統計可知,84.28%的區域降水與NDVI呈現正相關,其中有32.28%通過了0.05顯著性水平檢驗,主要分布在黃土高原的北部地區,表明NDVI隨著降水的增加而增加.

人類活動對NDVI的影響 除地形地貌、氣候變化等自然因素外,人類活動也會對黃土高原NDVI的時空分布格局產生重要影響.人類活動對其影響包括正面影響(如植樹造林造草等)和負面影響(如城市擴張等).本文將從農業生產、植被建設和城市擴張3個方面來分析人類活動對NDVI的影響.

農業生產與降水關系密切,尤其是對黃土高原北部地區的雨養農業,但對于灌溉區域而言,由于水利設施的大量建設以及農藥化肥的大量使用,其NDVI的變化很大程度上取決于人類活動的影響.關中平原是黃土高原典型的灌溉農業發達地區,包括西安、咸陽、寶雞、渭南、銅川及楊凌區.2000~2013年期間關中平原的糧食產量呈波動上升的趨勢,同期NDVI變化和糧食產量幾乎同步上升[32](圖8),二者呈顯著相關性(= 0.640,=14,<0.05).地處黃土高原東南部的關中平原糧食生產強烈依賴于寶雞峽等農業灌溉設施,對降水的依賴性較弱,因此在分析氣候變化對NDVI的影響時應關注人類活動的影響.

黃土高原自1999年開始實施退耕還林還草等一系列生態工程,勢必影響到該地區NDVI的變化.經統計,隨著造林面積的增加,其NDVI也呈現逐年上升的趨勢(圖9),二者呈顯著相關性(= 0.79,=14,<0.001).在2001~2002年造林面積最多,同期的NDVI增速也最快,這表明,退耕還林還草等生態工程的實施可以增加植被覆蓋,有效改善黃土高原的生態環境.

隨著近20年來中國城市空間的不斷擴張與重構,引發了植被破壞等諸多環境問題,從而導致城市周邊NDVI的下降.鑒于此,本文以西安市為例定量分析城市擴張對NDVI的影響,首先以西安市為中心,生成10個2km間隔的緩沖區,計算2000~2014年其NDVI變化率(圖10).從圖中可以看出,除東南部個別區域外,西安市城市周邊的NDVI均表現為下降的趨勢,表明城市擴張也是導致NDVI下降的一個因素.但是應注意的是雖然城市擴展范圍有限,但是城市擴展對植被破壞的影響遠大于其直接占用造成的影響[33].

2.5 討論

植被對地形地貌、氣候變化和人類活動的響應是一個非常復雜的過程,目前已受到學者的廣泛關注[20,33].不同地貌條件導致研究區域內熱量和水分條件存在空間上的差異,進而造成NDVI的空間差異.溫度、降水等氣象因子對植被生長有重要影響,尤其在干旱半干旱地區,降水是限制植被生長的重要因子[34].黃土高原處于中國干旱和半干旱地區,降水的多少直接影響植被的生長狀況,NDVI會隨著降水的增多而增加[20].本研究也表明,NDVI和降水和良好的對應關系(圖11);溫度的升高會增加地面水分蒸發,導致土壤干化會增加[20],從而影響植被的生長.除氣候因素外,人類活動也是影響NDVI變化的重要因素,自1999年在該地區實施“退耕還林還草”工程以來,其植被覆蓋尤其是在黃土丘陵溝壑區的植被覆蓋得到了明顯的改善(表1),使得流入黃河中的泥沙從16億噸減小到1.4億t[21],表明這項工程對改善地區生態環境,減少水土流失具有積極的作用.但也應注意到由于過度強調植樹造林,忽視對該地區的氣候、水文等要素考慮產生一些消極的影響.退耕還林還草工程實施以來,其人工林面積已經由1998年的3.0′104km增加到2006年5.9′104km,這些人工林的增多會加大蒸散發,從而加劇該地區的水資源危機,使得地區干旱發生的風險增加[35],同時該地區植樹造林的成活率也值得進一步關注,已有研究表明,從1982~ 2005年期間其人工林的存活率只有24%,因此在該地區大規模的實施植樹造林工程存在一定的風險性,而禁止過度放牧、過度開墾農田等恢復自然植被的措施應在該地區生態恢復中扮演重要的作用[21,35].

本文只對降水、氣溫與NDVI的相關性進行了分析,對植被對氣溫和降水的滯后響應沒有做進一步分析,同時NDVI的時空變化是自然因素(地形地貌、降水、溫度等)和人類活動(土地利用、修建水庫、退耕還林還草、農業灌溉等)以及地形地貌等多種因素共同作用的結果,如何定量分離這些因素對NDVI的影響等也需進一步深入研究.

3 結論

年黃土高原NDVI呈顯著增加趨勢,增速為6.93%/10a(<0.01),期間NDVI變化經歷了2001~2002年、2011~2012年和2005~ 2007年3次快速增長期,其NDVI的增長率分別達到10.42%、7.83%和6.85%.

3.2 空間上,黃土高原NDVI呈由東南向西北減小的分布格局,高值區主要分布在東南部的土石山區、河谷平原地區,低值區主要分布在北部、沙地和沙漠區以及黃土高原溝壑區的北部地區.同時,500m以下和3500m左右的NDVI最好,且NDVI會隨坡度的增加而增加.

3.3 黃土高原的NDVI整體呈現增加的趨勢,呈增加和減小趨勢的面積分別占88.24%和11.76%,上升顯著的區域主要分布在水土保持工程重點實施的區域—黃土高原溝壑區和黃土丘陵溝壑區.

3.4 Hurst指數結果表明黃土高原持續性序列的比重為50.07%,反持續序列的比重為49.93%, 43.98%的區域將持續改善,44.28%的區域將由改善變為退化.

3.5 降水對植被的影響強于溫度,84.28%的區域降水與植被呈現正相關,主要分布在黃土高原的北部地區,表明NDVI隨著降水的增加而增加.

3.6 人類活動對植被有雙重的影響,一方面對于關中平原等地的灌溉農業區來說,植被覆蓋變化和糧食產量幾乎同步上升,植樹造林等生態工程的實施可以有效改善黃土高原的生態環境;另一方面,城市擴張會導致城市周邊的植被出現下降的趨勢.

易 浪,任志遠,張 翀,等.黃土高原植被覆蓋變化與氣候和人類活動的關系 [J]. 資源科學, 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.

國家林業局.第五次中國荒漠化和沙漠化公報 [R]. 2011.

韓 鵬,倪晉仁.黃河中游粗泥沙來源探析 [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.

毛德華,王宗明,韓佶興,等.1982~2010年中國東北地區植被NPP時空格局及驅動因子分析 [J]. 地理科學, 2012,32(9): 1106-1111.

戴聲佩,張 勃,王海軍,等.中國西北地區植被覆蓋變化驅動因子分析 [J]. 干旱區地理, 2010(4):636-643.

樸世龍,方精云.1982—1999年我國陸地植被活動對氣候變化響應的季節差異 [J]. 地理學報, 2003,58(1):119-125.

徐興奎,陳紅, LEVY Jason K.氣候變暖背景下青藏高原植被覆蓋特征的時空變化及其成因分析 [J]. 科學通報, 2008,53(4): 456-462.

周 沙,黃躍飛,王光謙.黑河流域中游地區生態環境變化特征及驅動力 [J]. 中國環境科學, 2014,34(3):766-773.

信忠保,許炯心.黃土高原地區植被覆蓋時空演變對氣候的響應 [J]. 自然科學進展,-778.

信忠保,許炯心,鄭 偉.氣候變化和人類活動對黃土高原植被覆蓋變化的影響 [J]. 中國科學:D輯, 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.

劉憲鋒,楊 勇,任志遠,等.2000—2009年黃土高原地區植被覆蓋度時空變化 [J]. 中國沙漠, 2013,33(4):1244-1249.

李 銳,楊文治,李壁成.[M]. 科學出版社, 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.

國家發展改革委、水利部、農業部、國家林業局.黃土高原地區綜合治理規劃大綱(2010~2030年) [R]. 2010.

宋 怡,馬明國.數據的中國寒旱區植被動態及其與氣候因子的關系 [J]. 遙感學報, 2008,12(3): 499-506.

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

徐建華.現代地理學中的數學方法 [M]. 北京:高等教育出版社, 2002.

王 強,張 勃,戴聲佩,等.數據的三北防護林工程區植被覆蓋動態變化 [J]. 資源科學,-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.

陜西省統計局,國家統計局陜西調查總隊.陜西統計年鑒2001~2014 [M]. 北京:中國統計出版社, 2001-2014.

劉憲鋒,潘耀忠,朱秀芳,等.2000~2014年秦巴山區植被覆蓋時空變化特征及其歸因 [J]. 地理學報,-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.

* 責任作者, 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

趙安周(1985-),男,河北邯鄲人,講師,博士,主要從事水資源對人類活動和氣候變化的響應研究.發表論文20余篇.

2015-10-09

國家“高分辨率對地觀測系統”重大專項;河北工程大學博士專項基金(20120157)