氣候變化背景下定量解析生態(tài)工程對植被動態(tài)的影響研究方法概述

陳珊珊,溫兆飛,馬茂華,廖 桃,3,周 旭,3,吳勝軍

1 重慶交通大學河海學院, 重慶 400074 2 中國科學院重慶綠色智能技術研究院, 重慶 400714 3 重慶交通大學建筑與城市規(guī)劃學院, 重慶 400074

陸地植被是大氣圈、巖石圈、土壤圈、水圈和生物圈相互作用的產(chǎn)物[1—2]。它是連接氣候變化、人類活動和生態(tài)系統(tǒng)的重要環(huán)節(jié),在調節(jié)氣候系統(tǒng)和陸地碳平衡方面發(fā)揮著重要作用,植被變化能夠反映生態(tài)環(huán)境的總體狀況[3]。歸一化差值植被指數(shù)(Normalized Difference Vegetation Index,NDVI)、增強型植被指數(shù)(Enhanced Vegetation Index,EVI)、植被凈初級生產(chǎn)力(Net Primary Productivity,NPP)和植被覆蓋度等指標是表征生態(tài)系統(tǒng)功能的重要參數(shù),此外,植被凈初級生產(chǎn)力也是陸地生態(tài)系統(tǒng)碳循環(huán)和生態(tài)系統(tǒng)質量的重要指標。在量化氣候變化和人類活動對植被影響的研究中,它們被廣泛應用[4—6]。

氣候變化和人類活動對植被動態(tài)和影響機制的研究是生態(tài)學研究的熱點問題。植被動態(tài)變化是氣候變化、人類活動及其兩者交互作用的結果[7]。人類活動是控制和影響植被時空分布及其變化的基本驅動力之一。就植被生態(tài)系統(tǒng)而言,生態(tài)工程是一項巨大的人類活動,是植被恢復和生態(tài)環(huán)境友好型轉變的重要推動力。隨著生態(tài)工程實施范圍的擴大和力度的加強,及生態(tài)工程期限的延長,生態(tài)工程對植被動態(tài)正面或負面影響具有很大的不確定性,和在氣候變化背景下生態(tài)工程對植被影響的主要驅動機制是不清楚的,使得學者越來越關注生態(tài)工程在植被動態(tài)變化中機制作用和效應。更為重要的是,全球的氣候變化如何影響著流域尺度、區(qū)域尺度和全球尺度上的生態(tài)工程對植被動態(tài)變化效應[8—10]。對氣候因素和人為因素進行剝離,定量地厘清長期的大規(guī)模的生態(tài)工程在植被動態(tài)變化中的作用顯得尤其重要。

當前關于定量的分析生態(tài)工程對植被動態(tài)變化影響的研究方法大致有4類[11—14],這對進一步深化理解生態(tài)工程在植被變化過程中作用的具有重要意義[11,15]。然而,不同研究方法得出的結果差異較大,且難以進行研究間對比分析。為了后期更好的研究人類活動對植被動態(tài)的影響,有必要對已有的定量研究方法進行系統(tǒng)化的梳理和綜述,而目前還沒有系統(tǒng)的研究。此外,系統(tǒng)性的比較探討各研究方法的優(yōu)缺點有利于推動植被驅動機制的研究,也有助于這些定量研究方法的應用和發(fā)展。本文旨在通過梳理國內外研究生態(tài)工程對植被變化影響所運用的研究方法,分析這些方法中存在的問題,以期為進一步系統(tǒng)評價生態(tài)工程在植被變化過程中的相對作用提供理論參考,為后期有效開展生態(tài)恢復提供科學意見。

1 數(shù)據(jù)收集和處理

對中文文獻的統(tǒng)計,在中國知網(wǎng)(CNKI)檢索中國期刊學術期刊全文數(shù)據(jù)庫,以高級檢索的形式進行檢索,首先以“主題”為檢索項,以“植被”,“NDVI”,“NPP”,“EVI”,“森林”,“草原”為檢索詞,搜索的時間范圍限制在1980到2020年。其次在搜索出來的結果中進行篩選,篩選的檢索條件為：摘要中是否有生態(tài)工程(退耕還林、天然林保護、三北防護林等)or生態(tài)恢復and氣候,共檢索到246篇。最后根據(jù)摘要是否出現(xiàn)生態(tài)工程和氣候因素分別對植被影響的定量數(shù)據(jù)進行篩選,符合條件的有34篇。

外文文獻的搜集,在Web of science平臺中以SCI數(shù)據(jù)庫為數(shù)據(jù)源,根據(jù)主題詞“human AND climate AND vegetation”; “human AND climate AND EVI”; “human AND climate AND net primary productivity”; “human AND climate AND grassland”; “human AND climatic AND NDVI”共檢索到193篇,根據(jù)摘要是否出現(xiàn)生態(tài)工程和氣候因素分別對植被影響的定量數(shù)據(jù)進行篩選,符合條件的有40篇[1,8,10,12]。中英文獻檢索及引用信息查詢的截止時間是2020年9月。

2 研究區(qū)分類

根據(jù)生態(tài)脆弱區(qū)、敏感區(qū)、生態(tài)工程區(qū),對研究區(qū)進行統(tǒng)計分析(圖1),發(fā)現(xiàn)研究多集中于黃土高原區(qū)[4,10,16—20],三江源區(qū)[21—24],巖溶喀斯特地貌區(qū)[12,25—26]和長江流域[8,27]等區(qū)域,其中黃土高原和三江源研究頻次最高,其次是西南喀斯特地貌區(qū)、長江流域和以全國為尺度的研究。研究區(qū)集中于這些地區(qū)主要是因為它們的生態(tài)脆弱性和生態(tài)敏感性,同時這些地區(qū)都是生態(tài)工程重點實施區(qū)域。

圖1 研究區(qū)統(tǒng)計分布圖Fig.1 Study area statistics

3 定量的研究方法進展

大量研究闡明了以氣候為導向或以人類活動為導向的植被動態(tài)變化[16—17],并量化了氣候和生態(tài)工程對特定區(qū)域植被生態(tài)系統(tǒng)的影響[18]。定量分析指的是將人類活動作為自變量,植被指標(NDVI,NPP和EVI等)作為因變量,建立兩者之間的函數(shù)關系式,定量分析人類活動對植被變化的貢獻。目前定量分析氣候和生態(tài)工程因素對植被動態(tài)影響的方法有四大類：(1)基于回歸模型的方法；(2)基于殘差趨勢分析方法；(3)基于生物物理模型的方法；(4)閾值分割方法。

3.1 回歸模型

回歸分析方法是數(shù)理統(tǒng)計上常規(guī)的一種分析方法,分別建立植被指標與各氣候因子(氣溫、降水)或人為因素指標(土地利用、植被面積和人口)之間的相關關系,從而分析各要素的相對作用。如周錫飲等基于蒙古高原不同時期的土地利用轉換率,利用回歸模型方法定量分析的人類活動對植被變化的影響,得出在氣候條件相似地區(qū),人工造林等人類活動是導致植被時間序列變化趨勢產(chǎn)生一定區(qū)域差異的原因[17]。王子玉等以人口、城鎮(zhèn)化率和人工造林等指示人類活動對內蒙古地區(qū)的植被變化與人類活動和氣候因素之間的關系進行分析,得出在植被顯著減少區(qū)域主要受降水、風速、人工造林和農(nóng)作物播種面積的共同影響[15]。

回歸分析的優(yōu)勢在于數(shù)據(jù)易獲取且操作簡單,并能在一定程度空間化的表達氣候因子(氣溫、降水、輻射)和人類活動(放牧、道路建設、生態(tài)工程建設、城鎮(zhèn)化等)對植被變化的貢獻,因此這一方法在分析植被變化原因時比較常用。但其不足在于它有兩個前提假設：(1)影響植被各要素之間是相互獨立的；(2)植被變化與各因子之間是簡單的線性關系,然而植被對外界的響應是非線性和非穩(wěn)態(tài)的,例如植被變化對時間具有相對滯后性?？紤]到空間數(shù)據(jù)一般具有空間非平穩(wěn)性特征,有學者在全局模型的基礎上提出了地理加權回歸。考慮樣本空間地理位置的地理加權回歸模型可以有效改進變量間相互關系的空間非平穩(wěn)性,能有效克服地理要素具有顯著的空間異質性問題[25]。地理加權回歸改善自變量之間的空間非平穩(wěn)性問題,但還是在因變量與自變量是線性關系的基礎上進行的研究。

為了更好的揭示植被與環(huán)境要素的復雜關系,一些學者將能模擬輸入、輸出數(shù)據(jù)間復雜關系的BP人工神經(jīng)網(wǎng)絡(Back-propagation Neural Network, BPNN)和隨機森林回歸模型應用于分析生態(tài)工程對植被動態(tài)變化的影響[6,28—30]。其中,BPNN能夠模擬植被指標與影響因子之間的復雜關系,通過將研究時段劃分為基準期和改變期,獲取兩個時期的模擬值,用差值法量化生態(tài)工程對植被NDVI變化的貢獻率。

3.2 殘差趨勢分析

殘差趨勢分析方法是基于植被指標與氣候因子之間具有相關關系的條件下,運用模型模擬無人類活動干擾的情況下植被的變化狀況與實際變化情況的差異表示人類活動對植被的影響,并通過殘差趨勢變化分析人類活動對植被的作用[12,31]。旨在從影響植被變化的綜合因素中識別出人類活動影響的植被變化區(qū)域和厘清人類活動對植被變化的貢獻。

殘差趨勢分析方法是運用NDVI指標分析氣候和人類活動對植被動態(tài)變化影響最具代表性的研究方法,對分析人類活動對植被的影響具有里程碑式的意義。Evans提出的殘差趨勢分析方法首先將區(qū)域內每個像元的NDVI與氣溫、降水等氣候因子建立回歸模型,并將NDVI與氣候因子建立的模型稱之為NDVI-climate model,之后利用建立的回歸模型得到像元尺度年NDVI最大值,進而得到真實值與預測值之間的殘差序列值[20]。NDVI殘差序列值消除了氣候變化對NDVI的影響,它的趨勢變化能夠反映人類活動對植被的影響。如果殘差隨時間序列無明顯變化(殘差近似為零),則認為植被變化是由氣候要素引起的；殘差序列的變化趨勢是正的,則表明人類活動對區(qū)域植被起著改善和恢復作用；反之,殘差序列的變化趨勢是負的,則表明人類活動對區(qū)域植被起到破壞作用。

殘差趨勢分析方法的優(yōu)勢：一是可以將影響植被變化的氣候因子與人類活動要素區(qū)分開來；二是證明基于單個像元建立的局部回歸模型的相關系數(shù)普遍高于針對研究區(qū)所有像元建立的全局回歸模型的相關系數(shù),從單個像元出發(fā)的局部模型考慮了區(qū)域地理位置可能存在的地貌、水文、土壤和植被的空間異質性對NDVI-氣候關系的影響。三是獲取長時間大范圍植被變化的氣候和人類活動的相對貢獻。但它也存在不足之處,一是對氣候要素的選取和植被對氣候因子響應上的滯后效應考慮不足；二是未建立未退化時間段的NDVI；三是建立的前提假設是基于NDVI與氣候要素之間是一種線性的穩(wěn)態(tài)的關系,但實際上NDVI與氣候因子之間是非線性非穩(wěn)態(tài)關系[32],需要考慮時間尺度效應和空間異質性。

自Evans提出殘差趨勢分析方法后,之后的學者對其進行了很大的改善。一是根據(jù)區(qū)域氣候特征和區(qū)域植被生長的限制因子選取氣候要素,在氣候因子選取上進行了本地化處理[33—34]；且考慮了研究區(qū)植被是否對氣候響應具有滯后效應[9,35],選取相應月份的氣候數(shù)據(jù)。二是對殘差序列的分析,不再簡單的使用差值法,而是對其進行線性回歸分析,改進后的殘差趨勢分析方法旨在從受氣候和人類活動雙重作用的植被中分離出人類活動對其動態(tài)變化的貢獻率[8, 12, 27]。例如,李輝霞等[21]、修麗娜等[4]和章維鑫等[2]是在柵格像元的基礎上建立NDVI與氣候因子之間的回歸模型,運用殘差值的正負表示生態(tài)工程對三江源地區(qū)、黃土高原和西南石漠化地區(qū)植被動態(tài)變化的影響。Li等[24]和Tong等[12]運用改進的殘差趨勢分析方法探索以生態(tài)工程為主的人為因素在西南喀斯特地區(qū)生態(tài)恢復中的作用。三是針對長時間序列的植被變化,運用突變檢驗方法尋找NDVI發(fā)生突變的時間點,以該時間點劃分參考期(用于建立NDVI-climate model,認為人類活動對植被的影響可以忽略)和預測期[5, 8,12,21, 27](表1)；或直接根據(jù)生態(tài)工程執(zhí)行的時間點劃分時期[2, 26]。另外,針對短時間序列的植被變化,將單個柵格像元一定時間內最大的NDVI值看作是受人類活動干擾最小的狀態(tài),以此為基準狀態(tài)建立像元尺度的NDVI-climate模型。四是考慮了植被與氣候之間非線性關系,運用集合經(jīng)驗模態(tài)分解,在多時間尺度上分析植被與氣候要素之間的關系,在此基礎上,運用殘差趨勢分析方法揭示人類活動對植被變化的貢獻率[9](表1)。此外,NDVI-climate model 不再局限于一次回歸方程,例如Wang等運用了二次回歸方程構建NDVI-climate model[36]和Zhang等對NDVI-climate model中的自變量降水進行了自然對數(shù)轉換[40],以便更為準確的描述植被與氣候之間的非線性關系。

生態(tài)工程主要通過兩種方式作用于植被生態(tài)系統(tǒng),即直接的造林改變土地覆被和生態(tài)管理(封山育林、低效林改造和森林撫育)改善森林健康狀況。洪辛茜從土地利用變化的角度分析生態(tài)工程區(qū)NPP轉移變化量[41],但對氣候變化因素的考慮不足。在未來是否可以從土地利用覆蓋變化角度出發(fā),將植被劃分為兩大類：從耕地和荒地轉入的植被和原有植被。人工造林形成的植被在初期主要受到生態(tài)工程影響,后期受氣候和人類活動雙重作用,而原有植被受到氣候和人類活動雙重影響,在此基礎上運用殘差趨勢分析方法,在預測期輸入的氣候數(shù)據(jù)使用美國國家環(huán)境預報中心(NCEP)再分析氣候數(shù)據(jù),NCEP數(shù)據(jù)沒有考慮地表覆蓋變化的,用實際值NDVI值減去預測NDVI值得到的時間序列殘差進行線性分析,從而從氣候因素中剝離出生態(tài)工程對植被變化的相對貢獻。通過利用再分析氣候數(shù)據(jù)和土地利用轉移矩陣可以得到不同生態(tài)恢復方式對植被動態(tài)變化的貢獻。

表1 基于NDVI-氣候模型的殘差趨勢分析方法

3.3 基于生物物理過程模型方法

NPP是植物在單位時間和單位面積上,通過光合作用產(chǎn)生的有機質總量中扣除自養(yǎng)呼吸后的剩余部分,通常以干質量表示[13,42]。分析生態(tài)工程對植被的影響,除了NDVI和EVI外,NPP也可反映植被動態(tài)變化。因此在分析生態(tài)工程對植被變化的影響時,NPP也成為常用的指示植被變化的指標。于是NPP指標也被用于分析生態(tài)工程對植被生態(tài)系統(tǒng)產(chǎn)生的影響,尤其是將NPP指標應用到草原生態(tài)系統(tǒng)中。基于NPP指標分析方法是將各個驅動因子對植被變化的影響結果分別用NPP表示,能夠直觀、真實地反映生態(tài)環(huán)境中植被的變化情況,從而確定各因子的相對作用,目前這一方法是研究生態(tài)工程對植被變化驅動機制的新途徑(圖2)。

運用NPP指標分析生態(tài)工程對植被的影響從最初的回歸分析到后來的偏導分析(方法 2)、人類活動NPP (方法 3—4)和閾值分割方法(方法 5)(圖2)。回歸分析是最常見的統(tǒng)計分析方法之一,在這里重點闡述方法 2 、方法 3和方法 5。偏導分析是建立NPP與氣候要素(氣溫、降水和太陽輻射)之間的導數(shù)關系,用偏相關函數(shù)的殘差(uf)表示人類活動對植被的影響 (見公式 1)[23,43—44],從而得到各氣候因子和人類活動對植被的貢獻。與殘差趨勢分析方法相比,生物物理過程模型方法的優(yōu)勢在于對潛在NPP的模擬考慮了植被生長規(guī)律和對氣候要素分析得更為深入。但也沒有考慮氣候因素與人類活動的交互作用。函數(shù)的殘差中還有可能包括函數(shù)的誤差在內,用uf表示人類活動對植被的影響可能會高估人類活動對植被的作用。

圖2 NPP植被指數(shù)方法總結Fig.2 NPP of methods summaryANPP：實際植被凈初級生產(chǎn)力 Actually net primary productivity；PNPP：潛在植被凈初級生產(chǎn)力 Potential net primary productivity；HNPP：人類活動影響下的植被凈初級生產(chǎn)力 Human activities dominated net primary productivity

slope=C(tem)+C(pre)+C(rad)+uf

=(?NPP/?tem) × (?tem/?n)+ (?NPP/?pre) × (?pre/?n)+

(?NPP/?rad) × (?rad/?n)+uf

(1)

slope是實際NPP的年際變化率,C(tem),C(pre),C(rad)分別為氣溫、降水和太陽輻射對NPP年際變化率的貢獻,n是年數(shù),?NPP/?tem是在不考慮降水和太陽輻射的情況,運用偏相關分析得到NPP與tem的相關系數(shù),?tem/?n表示氣溫隨時間變化的系數(shù)。?NPP/?pre和?NPP/?rad與?NPP/?tem表示意思相似。uf為NPP變化率與氣候因子貢獻之間的殘差,表示未知因素對NPP貢獻的變化率,uf既包含人為因素,也包含一些不確定的自然因素(如自然災害、病蟲害等),研究時一般假設前者占主導地位。

方法 3是運用模型模擬只受氣候變化影響下的植被變化NPP,以及用遙感產(chǎn)品數(shù)據(jù)或模型模擬實際變化狀況下的植被變化NPP,用實際NPP減去潛在NPP的差值表示人類活動影響下的植被變化的NPP,之后對三種NPP進行趨勢分析,并設置情景分析,區(qū)分氣候要素、人類活動及氣候要素和人類活動交互作用分別對植被變化的貢獻 (圖2)。實際NPP的計算主要采用的光能利用率模型(Carnegie-Ames-Stanford-Approach,CASA)[10,23,45]、基于過程的動態(tài)植被模型(Lund-Potsdam-Jena Dynamic Global Vegetation Model,LPJ-DGVM)[8]和遙感產(chǎn)品數(shù)據(jù)[46—48]；潛在NPP主要運用模型進行估算,大多采用Miami 模型[18,49]及基于Miami模型優(yōu)化的Thornthwaite Memorial 模型[24,42,46—47],也有個別研究運用的是對FPAR參數(shù)進行修改的CASA模型[19, 50](表2)。方法 3是基于生物物理模型的方法,它是一種廣泛應用的精確方法,利用基于過程的模擬模型計算潛在的和實際的凈初級生產(chǎn)力,以分離人類活動和氣候變化對植被動態(tài)的影響[22,40,51]。但是,該方法需要大量的植被生理參數(shù)和生態(tài)參數(shù)數(shù)據(jù),這可能會增加模型的不確定性。此外,模型精度驗證也受到限制,現(xiàn)有的驗證多采用通量塔數(shù)據(jù)、遙感產(chǎn)品數(shù)據(jù)和文獻數(shù)據(jù),雖然對于木本植物而言,年輪寬度和植株高度是指示新生生物量變化的常用方法,但在研究森林生態(tài)系統(tǒng)生產(chǎn)力變化時,很少用野外調查數(shù)據(jù)進行模型驗證,由于研究區(qū)域廣泛,獲取野外監(jiān)測數(shù)據(jù)難度大,耗時費力。

表2 基于NPP指標的研究方法

另外,就草原生態(tài)系統(tǒng)而言,通常采用方法 4 (圖3)定量分析生態(tài)工程對草地動態(tài)變化的影響。方法 4 原理和方法 3基本一樣,和方法 3的區(qū)別在于方法 4將研究區(qū)的草原生態(tài)系統(tǒng)的NPP分為兩大類：發(fā)生土地利用類型轉變的單元格的NPP(NPP土地利用),未發(fā)生土地利用變化的單元格的NPP(NPP人類管理),因此在方法 4中將人類活動細分為人類管理的NPP(如禁牧,輪牧制度)和人類活動引起的土地利用變化的NPP[36,42](如人工造林,人工種草)(圖3)。與植被生態(tài)系統(tǒng)相比較而言,由于草原植被生物量年際變化大,時間跨度小,易獲取等特點,使得獲取草原生態(tài)系統(tǒng)的植被凈初級生產(chǎn)力的驗證數(shù)據(jù)相對容易,因此在分析生態(tài)工程對草原生態(tài)系統(tǒng)植被凈初級生產(chǎn)力的影響時,學者可以將生態(tài)工程對草原動態(tài)的影響進行分類?，F(xiàn)有研究草原生態(tài)系統(tǒng)植被變化的研究集中于內蒙古草原和青藏高原。

圖3 方法流程圖Fig.3 Ideas of methods

3.4 閾值分割方法

盡管基于生物物理過程的模型方法可以準確反映植被動態(tài)和生態(tài)過程,但仍需要測量大量的植被生理和生態(tài)參數(shù)數(shù)據(jù),模型驗證困難[7]。閾值分割方法是運用統(tǒng)計相關分析去評估氣候變化和生態(tài)工程對植被動態(tài)的相對貢獻[14]的一種新方法,它已被用于檢測干旱區(qū)的植被活動[55]。閾值分割方法的主要思想是根據(jù)植被指標的年變化速率的正負劃分植被處于恢復狀態(tài),還是退化狀態(tài),然后再根據(jù)植被指標和氣候因子的線性相關關系得出氣候變化影響的NPP,氣候和人類活動共同影響的NPP、人類活動影響的NPP以及生態(tài)工程影響的NPP(圖4)。

圖4 閾值分割方法[20](Jiang等, 修改)Fig.4 Threshold segmentation method [20](Jiang et al., revised)

閾值分割方法的優(yōu)勢和回歸模型分析方法一樣。這種方法雖然將生態(tài)工程對植被的影響與其它的人類活動對植被的影響區(qū)分開來了,但這均以生態(tài)工程對植被變化起積極作用為前提。但是在實際上生態(tài)工程的實施效果和預想并不相統(tǒng)一。因為生態(tài)工程的效益還于執(zhí)行區(qū)的立地條件、后期維護管理、投資和當?shù)厝嗣駞⑴c度相關。

綜上所述,從影響植被的眾多因素中,分解和剝離氣候要素和人為要素對植被動態(tài)變化的貢獻挑戰(zhàn)在于：(1)植被和氣候要素之間通常具有較大的年際變化；(2)氣候要素和人為因素與植被生態(tài)過程的關系相當復雜,并不是簡單的線性相關關系；(3)運用模型模擬氣候和人類活動對植被的影響,模型驗證很困難,尤其是驗證森林生態(tài)系統(tǒng)的模擬值；(4)完善的分析方法仍然是缺乏的。

4 展望

由于氣候要素和人為要素具有交互作用,從氣候要素中剝離出人類活動對植被的影響成為研究植被變化的熱點。此外,人類活動是一個集合體,如何單獨的分析生態(tài)工程對植被動態(tài)過程的影響成為了研究難點。針對現(xiàn)有研究方法提出了以下幾點設想。

(1)研究大尺度的生態(tài)工程對植被變化的影響,需要長時間序列的遙感數(shù)據(jù)和長期的監(jiān)測數(shù)據(jù)為支撐。因此,研究生態(tài)工程對植被生態(tài)系統(tǒng)的影響可以運用遙感科學與技術學科的遙感大數(shù)據(jù)和云計算平臺處理海量的遙感影像數(shù)據(jù)。由于下載長時間序列高分辨的數(shù)據(jù)時間成本消耗大和數(shù)據(jù)處理對硬件要求很高。采用Google Earth Engine[31,56]遙感大數(shù)據(jù)平臺進行處理分析,無需下載數(shù)據(jù)直接在云平臺上快速高效的處理數(shù)據(jù),可以節(jié)約下載數(shù)據(jù)和處理數(shù)據(jù)的時間成本和資源成本,可以加速全球尺度的快速分析應用。

(2)從生態(tài)學的角度來說,植被與環(huán)境要素之間存在復雜的相互作用關系。但現(xiàn)有大多數(shù)研究都有一個前提假設即植被與影響因子是線性關系,但實際上植被與其影響因子之間是非線性和非穩(wěn)態(tài)的關系。在氣候變化背景下定量分析生態(tài)工程對植被動態(tài)影響在模型的選擇上應選用生理生態(tài)過程模型模擬植被在時間序列上變化過程。未來研究中可以將對植物生長機理表示清楚的生理生態(tài)過程模型與大氣環(huán)流模式相耦合,有利于預測氣候變化對植被凈初級生產(chǎn)力的影響及土地覆被變化對氣候的反饋作用,減少氣候變化對植被生長的影響,更為精確的反映在氣候變化和土地覆被變化情景下,生態(tài)工程對植被變化的貢獻。

(3)隨著生態(tài)文明建設步伐的推進和加快,以及生態(tài)工程大規(guī)模持久的實施,迫切的需要系統(tǒng)的科學的評價氣候和人類活動對植被變化的影響,需要在目前研究方法上進一步量化它們在植被變化過程的作用。目前回歸分析、殘差趨勢分析、基于生物物理過程的模型方法和閾值分割方法都是選用NDVI、EVI和NPP指標,而凈生態(tài)系統(tǒng)生產(chǎn)力表征了生態(tài)系統(tǒng)的凈固碳量,有著重要的生態(tài)學意義。在碳中和國家戰(zhàn)略的背景下,分析生態(tài)工程對植被生態(tài)系統(tǒng)碳的影響具有重要的實際意義。

運用模型得到只受氣候影響的植被模擬值和運用差值法得到人類活動對植被變化的影響值,這是當前學者分析人類活動對植被作用的主要思路。它們的缺點在于無法對模擬結果進行精度的驗證。另外,由于研究區(qū)地理位置和氣候的異質性及研究尺度上的問題,研究結果往往無法進行比較分析,未來的研究應予以關注。應用生態(tài)學控制實驗的方法,以空間代替時間,尋找與生態(tài)工程實施區(qū)相近的自然植被斑塊,以此對比研究生態(tài)工程在氣候變化的背景下是否對植被產(chǎn)生影響,分析在氣候變化下,生態(tài)工程對植被變化是增強作用還是減弱作用。另外,在流域尺度上結合生態(tài)工程區(qū)建立固定的長期和全要素的植被生態(tài)系統(tǒng)監(jiān)測站點,形成監(jiān)測網(wǎng)絡,一方面為驗證生理生態(tài)過程模型,提高模型的精度,更為精確的評估生態(tài)工程對植被的影響提供數(shù)據(jù)支撐,也為未來的決策提供科學合理的植被管理方案,形成健康可持續(xù)的植被生態(tài)系統(tǒng)。另一方面加強流域尺度的研究,可以為未來示范區(qū)建設提供科學的數(shù)據(jù)支撐和基地,實現(xiàn)科學技術的轉化。

(4)運用NPP指標分析生態(tài)工程對森林生態(tài)系統(tǒng)產(chǎn)生的影響,可采用研究生態(tài)工程對草地生態(tài)系統(tǒng)影響的方法思路。在分析生態(tài)工程對森林生態(tài)系統(tǒng)影響前,運用土地利用轉移矩陣,在像元尺度上將森林劃分為未發(fā)生變化的森林(受氣候影響),和變化的森林(受氣候和人類活動雙重影響)兩種類型,利用景觀斑塊控制實驗,探索生態(tài)工程在植被動態(tài)變化過程中的作用。生態(tài)工程對森林的作用方式主要包括造林、封育、撫育和管理,以此設置三種類型的景觀斑塊,斑塊1為只受氣候影響沒有人類干擾的森林斑塊,斑塊2受到氣候和人類管理雙重影響的森林斑塊(人類管理包括：森林病蟲害去除,禁止森林采伐,封育等措施),斑塊3為造林所形成的森林斑塊,進行長期的監(jiān)測,運用差值法分析三種類型森林景觀斑塊變化。定量分析生態(tài)工程對森林生態(tài)系統(tǒng)的影響,造林所形成的森林斑塊運用土地利用分類得到,生態(tài)工程中通過森林撫育和封育形成的森林生態(tài)系統(tǒng)則通過景觀控制實驗對比分析生態(tài)工程在森林變化中的貢獻。