1982—2015年黃土高原植被變化特征及歸因

燕丹妮,武心悅,王博恒,郝紅科,*

1 西北農林科技大學林學院,楊凌 712100

2 國家林業和草原局華東調查規劃院,杭州 310021

黃土高原位于中國半濕潤、干旱與半干旱區過渡帶,水資源短缺,生態環境脆弱,對氣候變化響應敏感,是我國水土保持重點區域[1—2]。黃河中游流經的黃土高原,是入黃泥沙的主要來源,因此黃土高原植被覆蓋度對水土流失的防治關系到黃河流域的可持續發展[3—4]。一方面,植被作為陸地生態系統的組成部分,在截留降雨、增加土壤入滲、減少水土流失以及指示全球氣候變化和生態系統變化方面有重要作用[5—7];另一方面,植被破壞導致的生態環境持續惡化將加劇水土流失,造成黃河下游河道泥沙不斷淤積[8—9]。雖然大規模人工造林提高了黃土高原植被覆蓋度,但也有證據表明在人類活動和氣候變化雙重影響下,大規模的植被恢復使得降水被植被冠層截留蒸發,部分造林密度較大的區域土壤呈區域性干燥化[10—12]。因此,在氣候變化和人類活動影響下,黃土高原區植被動態變化日趨復雜,如何量化植被變化特征及其歸因對區域生態安全至關重要。

氣候變化和人類活動被公認為是影響黃土高原植被覆蓋度變化的兩個重要因素[13—14]。土地利用類型、經濟發展、人口、農業生產等數據常作為人類活動的重要指標量化人類活動對植被覆蓋度變化的貢獻率[15—16]。溫度、降水和輻射作為主要的氣候因素已被廣泛的用作驅動植被覆蓋度變化的氣候指標[17]。此外,地貌、植被類型等自然因素也作為影響氣候驅動力的限制性因素應用于對植被覆蓋度變化的影響因素量化中[18]。也有研究針對多因子交互作用,判斷和說明多種氣象因子共同作用下和獨立作用下對植被歸一化植被指數(NDVI)的解釋度[19—21]。除此之外,為探究退耕還林對植被恢復的影響效果,利用基于面板數據修正標準誤差(PCSE)修正的面板數據模型將退耕還林面積作為表征退耕還林影響力的指標[22]。這些研究都有力地推動了對植被覆蓋度變化與氣候變化及人類活動耦合關系的認識。目前對于氣候變化與人類活動對植被覆蓋度變化的貢獻率還存在一定的不確定性,這與研究基于的時間尺度、參與擬合關系的驅動因素以及植被覆蓋度變化與氣候因素擬合關系的可靠性有關[23]。

以往研究中,利用多元統計方法建立植被覆蓋度與氣候變化之間的關系,忽略了植被覆蓋度與氣候因素之間復雜的交互作用。在全球氣候變化加劇的情況下,受多種環境因子影響的植被覆蓋度變化并不是完全的線性關系,例如當增溫超過光合作用的最適溫度時,溫度對植被的生長產生抑制作用,升溫促進土壤水分蒸散,形成干旱環境,也會抑制植被的生長[24—26]。目前被廣泛應用的多元殘差分析法,大多在當期受氣候變化和人類活動共同影響的時間段內,建立植被覆蓋度與氣候變化之間的關系[27—30]。這一關系的建立忽略了前期氣候變化對植被覆蓋度的潛在影響。黃土高原地區的氣候變化和人類活動交互作用顯著,簡單的線性關系不能很好的建立植被覆蓋度變化與人類活動之間的關系[31—32]。在退耕還林工程實施以前,人類活動主要為長期農業行為,對植被覆蓋度的影響是微弱的,植被覆蓋度變化主要受氣候影響[33]。1999年之后,退耕還林工程的實施使得黃土高原的植被覆蓋狀況得到了明顯改善,人類活動顯著增強,成為影響黃土高原植被覆蓋度變化的主要因素[34]。利用線性模型尚不能很好地量化氣候變化和人類活動對植被變化的影響,亟待尋找新的量化方法研究黃土高原植被動態變化規律。

黃土高原是我國生態安全屏障的重要組成部分,也是我國退耕還林工程重點實施區域。本研究以退耕還林工程1999年為界限,利用非線性隨機森林算法建立1982—1998年植被覆蓋度與氣候變化的關系,并用這一關系量化1999—2015年受氣候變化驅動的植被覆蓋度變化,植被覆蓋度觀測值與預測值的殘差值為人類活動驅動的植被覆蓋度變化。本研究的目的是:(1)探究退耕還林工程前后植被覆蓋度的時空變化格局;(2)建立具有高擬合結果的植被覆蓋度變化與氣候因素關系;(3)量化氣候變化與人類活動對黃土高原植被覆蓋度變化的貢獻。研究結果能為量化氣候變化和人類活動對植被覆蓋度的影響提供新思路,為黃土高原地區生態建設提供理論支持和科學依據。

1 數據與方法

1.1 研究區

黃土高原(100°83′—114°52′E、33°68′—41°27′N)位于中國西北部(圖1),橫跨青海、甘肅、寧夏、內蒙古、陜西、山西和河南七省區,海拔高度81—5010 m,總面積約65萬km2,總人口約8600萬。黃土高原屬東南濕潤季風氣候向西北內陸干旱氣候的過渡區,從東南向西北氣候依次為半濕潤氣候、半干旱氣候和干旱氣候,冬季和春季寒冷干燥,夏季和秋季炎熱且多極端降雨。年均溫為9—12℃,空間分布不均勻,西部地區溫度低于東部地區,年均降雨量100—800 mm。植被類型主要有草地、灌叢、農田、落葉闊葉林和常綠針葉林。黃土高原是我國典型的水土流失地區,也是退耕還林的重點地區[35—37]。為有效治理和解決嚴重的生態系統退化和水土流失問題,中國政府實施了全球規模最大的退耕還林還草生態治理工程。1999年,四川、陜西、甘肅3省率先開展了退耕還林試點示范工程[38]。2002年,在試點成功的基礎上,退耕還林工程全面啟動[39]。

圖1 黃土高原2000年土地利用類型

1.2 數據來源

研究采用歸一化植被指數(NDVI)作為植被覆蓋度指標,NDVI數據集來源于GIMMS NDVI3g V1.0 全球數據產品(https://ecocast.arc.nasa.gov/data/pub/gimms/3g.v1/)。時間序列為1981—2015年,空間分辨率為8 km,時間分辨率為15 d。溫度與降水數據集來源于中國科學院資源環境科學數據中心(http://www.resdc.cn/),空間分辨率為1 km,時間分辨率為1月。日照時數數據集來源于國家氣象科學數據中心(http://data.cma.cn),空間分辨率為1 km,時間分辨率為1月。土地利用數據集來源于中國科學院資源環境科學數據中心(http://www.resdc.cn/),空間分辨率為1 km。通過Python進行空間插值重采樣將NDVI、溫度、降水、日照時數數據空間分辨率統一為8 km,并通過平均值計算獲取1982—2015年逐月NDVI、溫度、降水、日照時數數據。

1.3 植被覆蓋度變化趨勢分析

基于線性回歸分析法,建立1982—1998年逐月NDVI與1、2、3月滯后溫度、降水和日照時數的線性關系,得到NDVI與氣候因素的時滯關系。逐像元計算植被覆蓋度與時間的趨勢線變化斜率(Slope),得到植被覆蓋度的變化趨勢。利用Pearson相關系數來判斷相關性:

(1)

式中,Xi表示第i年的NDVI平均值,n為研究期總年數。Slope>0和Slope<0分別表示NDVI隨時間遞增和遞減。并對植被覆蓋度變化趨勢進行顯著性檢驗,P<0.05表示變化顯著,P>0.05表示變化不顯著。

1.4 植被覆蓋度與氣候因素偏相關性分析

應用偏相關系數反映1982—1998年植被覆蓋度與相應滯后氣溫、降水和日照時數的相關性:

(2)

式中,ryj,ck表示排除c、k影響后,y與j的二階偏相關系數,ryj,c、ryk,c、rjk,c分別表示排除c影響后y與j、y與k、j與k之間的一階偏相關系數,顯著性檢驗采用t檢驗。

1.5 隨機森林算法

利用隨機森林算法擬合1982—1998年氣候變化驅動的植被覆蓋度變化。隨機森林是由很多決策樹構成的,通過對部分樣本進行訓練,森林中的每一顆決策樹分別進行判斷和分類,決策樹中分類結果最多的那一個分類結果將作為隨機森林的最終結果[40]。基于Python 3.9軟件,利用隨機森林算法對標準化后的數據進行訓練和預測,本文設置參數n_estimators=200, random_state=0,其它參數使用默認值。訓練1982—1996年逐月NDVI與滯后氣候因素(溫度、降水和日照時數)之間的非線性關系,并將1997—1998年逐月NDVI與滯后氣候因素(溫度、降水和日照時數)作為測試集,驗證模型精度:

(3)

1.6 殘差閾值法

利用殘差閾值法劃分出1999—2015年人類活動驅動的植被覆蓋度變化,首先計算未被模擬到的植被覆蓋度變化值,即NDVI觀測值與隨機森林算法預測值之差:

NDVIres=NDVIobs-NDVIpre

(4)

式中,NDVIpre和NDVIobs分別為1999—2015年基于隨機森林學習算法的NDVI預測值和基于遙感影像的NDVI觀測值,NDVIres表示1999—2015年未被模擬到的植被覆蓋度變化值。計算1982—1998年殘差值的平均值(μ)與n倍標準差(σ),氣候變化導致的波動范圍為[μ-n×σ,μ+n×σ]。若1999—2015年殘差值落入[μ-n×σ,μ+n×σ]范圍內,則認為氣候因素是主要的驅動因子,反之,殘差值落到范圍外,則為人類活動是主要的驅動因素。

(5)

式中,對于n一般取值為1,2和3(本研究n取2),n的取值越大表明氣候因素驅動的植被覆蓋度波動性越大。對于大部分的網格,其研究月份中近50%的時間,殘差落入[μ-n×σ,μ+n×σ]范圍內,氣候因素驅動植被覆蓋度變化的效果屬于正常的波動范圍。在超過正常波動范圍以外的(-∞,μ-n×σ)認為人類活動對植被覆蓋度的影響為消極,相應的,在超過正常波動范圍以外的(μ+n×σ, +∞)認為人類活動對植被覆蓋度的影響為積極。依據n的取值對人類活動的影響程度進行細致劃分,n值越大表示波動越劇烈,對植被覆蓋的影響程度越深,將人類活動細致劃分為六類:人類重度消極影響,人類中度消極影響,人類輕度消極影響,人類輕度積極影響,人類中度積極影響和人類重度積極影響。對于氣候因子為主要驅動因子的區域,利用Pearson分析的時間變化趨勢為判斷氣候驅動效果的依據。Slope為正,氣候因子對植被覆蓋度的影響是積極的;Slope為負,氣候因子對植被覆蓋度的影響是消極的。

1.7 技術路線

本研究主要分為三步(圖2)。首先,利用偏相關分析法分析1982—1998年逐月植被覆蓋度與滯后氣候因素的偏相關關系,驗證植被覆蓋度與氣候因素的相關性。其次,驗證隨機森林算法對植被覆蓋度與氣候因素關系的擬合效果。利用隨機森林算法訓練1982—1996年植被覆蓋度與氣候因素的關系,基于這一模擬好的關系,利用氣象因素預測1997—1998年的植被覆蓋度,根據預測值與觀測值計算擬合精度。最后,對1999—2015年生長季植被覆蓋度的驅動因素進行歸因分解。利用隨機森林算法預測1999—2015年受氣候變化驅動的植被覆蓋度變化,即植被覆蓋度變化預測值。植被覆蓋度的觀測值與預測值之差為殘差值,根據植被覆蓋度殘差值(1999—2015年)是否處于[μ-n×σ,μ+n×σ]波動范圍內判斷主要的驅動因子是氣候變化還是人類活動。前兩步分析針對全年逐月數據,第三步2000—2015年植被變化的歸因針對生長季(5—10月)分析。

圖2 技術路線

2 結果與分析

2.1 黃土高原植被覆蓋度空間變化

1982—1998年,黃土高原植被覆蓋度整體上呈增長趨勢(圖3)。97.81%的區域植被覆蓋度隨時間呈現增長趨勢,其中,顯著增長區域占總面積的54.68%。2.19%的區域植被覆蓋度隨時間呈現減少趨勢,但沒有呈現顯著減少趨勢的區域。減少區域主要發生在山西中部、內蒙古、甘肅和寧夏部分區域。這表明黃土高原大部分地區植被覆蓋度隨時間呈現增長趨勢。1999—2015年,黃土高原植被覆蓋度整體上呈現增長趨勢,96.42%的區域隨時間呈現增長趨勢,顯著增長區域占總面積的85.11%,3.56%的區域呈現減少趨勢。減少區域主要發生在寧夏北部、陜西南部、內蒙古和河南部分區域。1999—2015年與1982—1998年相比,植被覆蓋度增長的區域更多,增長的趨勢也更顯著,這表明1999年開始國家實施的“退耕還林”等維護生態安全的政策促進了黃土高原植被覆蓋度的增加。

圖3 1982—1998年、1999年—2015年植被覆蓋度空間變化及顯著性(P<0.05)

2.2 植被覆蓋度與氣候變化關系及擬合精度

黃土高原1982—1998年逐月NDVI與降水和日照時數存在1個月的滯后效應,而溫度與當期的植被覆蓋度相關性更好。對植被覆蓋度變化與相應的滯后氣候因素進行偏相關性分析。在整體上,黃土高原植被覆蓋度與溫度、降水和日照時數表現出很高的相關性(圖4),溫度與植被覆蓋度的相關性高于降水和日照時數,與溫度顯著正相關的植被覆蓋度區域面積大于降水和日照時數。不同氣候因素對植被覆蓋度的影響具有空間異質性,溫度與植被覆蓋度相關性空間分布與降水相反,溫度與植被覆蓋度相關性高的區域,降水與植被覆蓋度的相關性低。黃土高原植被覆蓋度與溫度呈正相關的區域占99.44%,表現為顯著正相關的區域占98.49%,表現為顯著負相關的區域占0.15%。表現為顯著負相關和無顯著相關性的區域主要分布在內蒙古東勝市西北部。黃土高原植被覆蓋度與降水呈正相關的區域占94.50%,其中表現為顯著正相關的區域占87.47%,表現為顯著負相關的區域占1.15%。表現為顯著負相關和無顯著相關性的區域主要分布在陜西南部、山西南部和河南的部分區域。黃土高原植被覆蓋度與日照時數呈正相關的區域占93.63%,其中表現為顯著正相關的區域占83.36%,表現為顯著負相關的區域占1.84%。表現為顯著負相關的區域主要分布在陜西南部、山西和河南的部分區域,其它大部分區域表現為顯著正相關。這表明1999年以前,黃土高原超過80%的區域植被覆蓋度與氣候因素呈現顯著的正相關關系。

圖4 1982—1998年植被覆蓋度與滯后溫度,降水及日照時數的偏相關系數及顯著性(P<0.05)

1982—1998年植被覆蓋度與氣候變化關系的整體訓練精度達到80%以上,表明隨機森林算法整體上較好地模擬了植被覆蓋度和氣候變化之間的關系。99.71%的區域測試精度達到0.5以上,表明隨機森林算法模擬的植被覆蓋度和氣候變化之間的關系能夠較好的應用于測試集。盡管0.01%的區域存在過擬合(R2<0),整體上隨機森林算法較好得擬合了氣候變化與植被覆蓋度之間的關系(圖5)。

圖5 隨機森林學習算法訓練精度與測試精度

2.3 黃土高原植被覆蓋度變化歸因分析

2000—2015年,氣候因素對植被覆蓋度的驅動效應逐漸減弱,人類活動對植被覆蓋度的驅動效應逐漸增加(圖6)。氣候變化對植被覆蓋度的驅動面積占比由90.12%降低為34.67%。人類活動對植被覆蓋度的積極驅動面積占比由8.68%增加為64.62%。氣候變化對植被覆蓋度的消極驅動面積占比降低了42.58%,積極驅動面積占比降低了12.86%。人類活動對植被覆蓋度變化的影響逐步加深,在2012—2013年達到頂峰,2014年以后,人類活動的影響逐漸減弱,氣候變化對植被覆蓋度的影響開始增強。氣候驅動植被覆蓋度變化的地區主要分布在內蒙古臨河市南部和東勝市西部、陜西南部、山西東南部、河南以及青海部分區域,在這些區域植被覆蓋度存在降低趨勢(圖7)。人類活動積極影響的區域主要分布在內蒙古東勝市東部、寧夏部分區域、陜西北部、山西東北部,接著向甘肅東部、青海、山西中部擴展,并且影響程度逐步加深,這些區域植被覆蓋度增加趨勢較大。人類活動的消極影響面積占比呈現波動性,主要分布在內蒙古東勝市西部、寧夏北部和中部、甘肅平涼市,這些區域植被增長趨勢較弱或呈現降低趨勢。

圖6 2000—2015年生長季(5—10月)氣候變化與人類活動驅動植被覆蓋度變化的面積占比

圖7 2000、2005、2010、2015年生長季(5—10月)植被覆蓋度驅動因子空間分布

3 討論

本研究在考慮時滯效應的基礎上,驗證了退耕還林實施以前,植被覆蓋度變化與氣候變化之間顯著相關,溫度、降水和日照時數與植被覆蓋度具有顯著相關性的區域面積占比大于80%。利用非線性隨機森林算法量化的植被覆蓋度變化與氣候變化關系具有較好的擬合效果。退耕還林工程開始實施以后,植被覆蓋度的增加趨勢更快。并對退耕還林工程實施前后,植被覆蓋度變化進行歸因分析,在退耕還林工程開始實施以后的2000—2015年生長季,人類活動對植被覆蓋度變化的驅動面積呈現增長趨勢,氣候變化對植被覆蓋度變化的驅動面積呈現降低趨勢。本文提出的量化氣候變化與人類活動對黃土高原植被覆蓋度影響的方法不僅能夠描述氣候因子與人類活動之間復雜的非線性關系,而且能夠一定程度上避免氣候變化和人類活動的交互作用對歸因分析的干擾,因此可以較為清晰地區分影響黃土高原植被覆蓋度變化的主要驅動因子。

1982—2015年黃土高原植被覆蓋度呈“整體升高,局部退化”的趨勢,且提升面積顯著大于退化面積,本研究結果與前人研究結論一致[41—42]。本研究對比1999年前后,植被覆蓋度的顯著增長區域擴張,表明“退耕還林”以來,植被覆蓋度得到極大改善[43—45]。溫度、降水與日照時數與植被覆蓋度變化在黃土高原的大部分區域呈顯著正相關[46]。除內蒙古東勝市西北部,其它大部分區域溫度與植被覆蓋度呈現顯著正相關。溫度的升高會引起植物生長期提前、生長季加速以及生長期延長,進而促進植被覆蓋度的增長[47—49]。降水在除了陜西南部、山西南部和河南的部分區域以外的其它大部分區域,都表現出與植被覆蓋度變化顯著的正相關關系。日照時數在陜西南部、山西和河南的部分區域以外的其它大部分區域,都表現出與植被覆蓋度顯著的正相關關系。一方面,溫度、降水和日照時數的增長,促進了植被的光合作用[50]。此外,溫度與降水對植被覆蓋度整體上均表現出顯著的正相關,這與形成對植被生長有利的“暖濕化”氣候有關[51—52]。本研究結果顯示,溫度對植被覆蓋度的促進效果要高于降水,之前研究也得出黃土高原植被覆蓋度與溫度有最大相關性[53]。1982—1998年,內蒙古東勝市北部、山西中部、甘肅和寧夏以及陜西的部分區域的植被覆蓋度均呈現減少趨勢,這些區域的植被覆蓋度主要與氣候因素相關,表明氣候因素在部分區域表現出負效應,這與溫度升高促進地面水分蒸發,加劇土壤干化,從而影響植被的生長有關[54—55]。降水導致云量增加,輻射減少,進而影響植被的光合作用,不利于植被生長[56]。日照時數在溫度和降水表現負相關的區域也呈現出負相關。當日照時數超過植被生長的需求限度會產生光抑制效應,從而抑制植被的生長[57]。

總體上,2000—2015年生長季,人類活動對黃土高原植被覆蓋度產生的積極影響面積和影響程度逐漸增加,氣候變化對植被覆蓋度的影響面積逐漸減少。在內蒙古東勝市西部、寧夏西部和甘肅平涼市周圍的植被覆蓋度發生顯著減少的區域,主要的驅動因素是人類消極影響。一方面,快速的城市化進程導致這些區域許多耕地轉變為建設用地,對植被生長產生負干擾[58—59];另一方面,在實際生產中存在的不同程度“偷牧”現象對草地退化產生了一定的影響[60]。在陜西南部和河南西北部以及山西的部分區域,主要驅動植被覆蓋度減少的因素是氣候因素。在這些區域,植被覆蓋度與降水和日照時數呈現顯著的負相關關系。在除上述以外的其它大部分區域,植被覆蓋度變化呈現顯著的增加趨勢,植被覆蓋度的驅動因子具有空間異質性。位于陜西北部的安塞縣和吳旗縣人類活動的積極影響最顯著,植被覆蓋度也表現出顯著的增加趨勢,這與該區屬于退耕還林試點區,土地資源豐富,國家資助力度大有關[61]。此外,農村勞動力在陜西省北部和青海省對植被覆蓋度具有顯著促進作用,糧食總產量的增加對西部甘肅、寧夏等省份植被恢復成效有促進作用[62]。2000—2015年,氣候變化對植被覆蓋度的驅動面積占比由90.12%降低為34.67%,人類活動對植被覆蓋度的積極驅動面積占比由8.68%增加為64.62%。表明“退耕還林”工程的實施改善了黃土高原的植被覆蓋度[43]。之前的研究也表明,近30年來,黃土高原植被覆蓋度整體上呈現增加趨勢,人類活動的貢獻率逐漸增大[63—64]。

本研究考慮了氣候因素對植被覆蓋度變化的時滯效應,利用一種新的思路量化氣候變化與人類活動對植被覆蓋度變化的影響。然而,隨機森林算法對植被覆蓋度和氣候因子之間關系的擬合精度存在空間差異,在寧夏北部、內蒙古西臨河市和包頭市南部、山西的部分地區擬合精度較低,可能導致隨機森林算法建立的模型弱化了這些區域植被覆蓋度與氣候因子之間的關系,從而影響歸因分析中對主要驅動因子的劃分。此外,本研究只基于氣候因素和人類活動兩個主要因素進行劃分,沒有將地形因素、土壤類型和植被類型等自然環境因子考慮在內,這需要在未來的研究中進一步探討。本文研究發現2013年以后,人類活動對植被覆蓋度的影響力度開始減少,氣候變化對植被覆蓋度的影響開始增加。這一趨勢在未來是否會延續,以及造成這種趨勢的原因值得進一步研究和討論。

4 結論

本研究考慮了氣候因素對植被覆蓋度變化的時滯效應,利用非線性隨機森林算法擬合1982—1998年受人類活動影響較小時間段的植被覆蓋度變化與氣候變化的關系,利用這一關系預測1999—2015年植被覆蓋度變化與氣候變化的關系,對植被覆蓋度殘差值設立閾值,超出閾值范圍的殘差值即為人類活動驅動的植被覆蓋度變化值,進而量化氣候變化和人類活動對黃土高原植被覆蓋度變化的影響。結果表明:

(1)1982—2015年黃土高原植被覆蓋度呈現“整體增加,局部降低”的趨勢,以1999年“退耕還林”為界限,“退耕還林”之后的植被覆蓋度增長趨勢要大于“退耕還林”之前的植被覆蓋度增長趨勢。

(2)1999年以前,黃土高原大部分區域氣候因素(溫度、降水、日照時數)與植被覆蓋度之間呈現顯著正相關,溫度相較于降水和日照時數對植被覆蓋度的影響更大。隨機森林算法能夠較好的模擬植被覆蓋度與氣候因子之間的關系。

(3)1999年以后,氣候因子的主導作用逐漸降低,人類活動的積極效應逐漸增加,并且人類活動表現出更積極的趨勢,人類消極作用發生的時間和區域具有不確定性。