EN中文

Arid Land Geography >

2025 , Vol. 48 >Issue 9: 1541 - 1554

DOI: https://doi.org/10.12118/j.issn.1000-6060.2024.609

Plant Ecology

Spatiotemporal evolution characteristics and its influencing factors of net primary productivity of vegetation in Mongolia form 2000 to 2020

  • Jing HUANG , 1 ,
  • Ting LI , 1 ,
  • Pengfei LI 1 ,
  • OCHIR Altansukh 2 ,
  • Meihuan YANG 1 ,
  • Tao WANG 1 ,
  • Sha LI 1
Expand
  • 1. College of Geomatics, Xi’an University of Science and Technology, Xi’an 710054, Shaanxi, China
  • 2. College of Engineering and Applied Science, National University of Mongolia, Ulaanbaatar 210646, Mongolia

Received date: 2024-10-11

  Revised date: 2024-12-04

  Online published: 2026-03-11

Fold

Abstract

Mongolia, China’s northern neighbor, has a grassland ecosystem that is highly susceptible to natural factors and human activities. A univariate linear regression model was used to analyze the spatiotemporal variations in net primary productivity (NPP) of vegetation in Mongolia from 2000 to 2020. A random forest regression model, combined with the Gridded Livestock of the World (GLW) dataset, was used to simulate livestock grazing density in Mongolia for 2020. The geographic detector method was then utilized to examine the factors influencing NPP changes at both national and provincial scales, incorporating indicators such as average annualland surface temperature, average annual precipitation, downward shortwave radiation, soil moisture, NO2 emissions, and the human footprint index. The results indicated that: (1) From 2000 to 2020, the NPP in Mongolia exhibited spatial characteristics of increasing in the east and north and decreasing in the west and south. There is an overall increasing trend, dominated by nonsignificant increases, with nonsignificantly increasing areas accounting for 62.539% of Mongolia’s land area. (2) Single-factor analysis revealed that climatic factors were the primary drivers of NPP changes in Mongolia, with downward shortwave radiation (q=0.615) and average annual precipitation (q=0.602) showing the highest contribution. However, the interactions between the human footprint index or NO2 emissions and climatic factors exceeded the explanatory power of individual factors. (3) At the provincial-scale, climate and topography remained the main drivers of NPP changes in the eastern and western regions of Mongolia. In contrast, NPP changes in the Central and Khangai regions of Mongolia were more influenced by the interaction between human activities (grazing density and NO2 emissions) and natural factors, making these areas critical for the prevention and control of future grassland degradation risk. These findings provide scientific insights for the effective management of grassland ecosystems in various regions of Mongolia and for the formulation of sustainable development strategies.

Key words： NPP; spatial and temporal changes; influencing factors; grazing density; Mongolia

Cite this article

Jing HUANG , Ting LI , Pengfei LI , OCHIR Altansukh , Meihuan YANG , Tao WANG , Sha LI . Spatiotemporal evolution characteristics and its influencing factors of net primary productivity of vegetation in Mongolia form 2000 to 2020[J]. Arid Land Geography, 2025 , 48(9) : 1541 -1554 . DOI: 10.12118/j.issn.1000-6060.2024.609

草地作为陆地生态系统不可或缺的重要组成部分，不仅在全球碳循环和气候调节中扮演着重要角色，还在旱区社会经济发展和维护区域生态安全中发挥着关键作用[1]。然而，在过去的几十年中，加剧的气候异常和人类活动导致草地生态系统面临前所未有的退化压力[2]。目前，草地退化已经严重威胁到全球社会经济和生态安全，成为重要环境挑战之一[3]。根据《联合国防治荒漠化公约》定义，“草地退化”指气候或人为干扰超出草地生态系统的调节阈值，使其难以恢复并出现逆向演替变化的现象[4]。因此，定量识别草地退化时空演变趋势，研究气候变化和人类活动对草地退化的影响对于草地生态系统的治理、修复及重建具有重要意义[5]。
作为陆地生态系统的引擎和关键功能组成部分，绿色植被的物理和功能特性，如植被结构、覆盖率和生产力等植被指数常作为评估植被动态变化的重要指标[6]。其中，植被净初级生产力（NPP）是绿色植物在单位时间和单位面积上所累积的有机干物质总量，反映了陆地生态系统的生态状况和生产力[7]。长时间序列生态系统NPP动态变化监测能够为区域土地利用政策制定、可持续管理等提供重要信息[8]。国内外学者从不同角度对草地NPP进行了深入研究，在估算方法、时空变化、影响因素等方面取得显著进展。大量研究表明，气候和人类活动因素是影响草地NPP变化的主要因素[9-10]。高程、坡度等地形因素也会通过影响植被生长环境间接改变植被的生长和分布[11]。在研究手段上，国内外学者主要采用统计方法探讨自然和人类活动因素对NPP变化的影响。例如，Nanzad等[12]基于MODIS数据产品，采用相关性分析揭示了NPP变化对气候因素的响应；Lü等[13]采用随机森林回归模型阐明了环境因素对山东省NPP变化的影响；王川等[14]则采用偏相关分析研究了祁连山植被NPP变化对年均温和年降水的响应，并利用地理探测器模型识别NPP变化的驱动因素。
蒙古国是中国的北方邻国，其草地生态系统十分脆弱，极易受到自然和人类活动因素的影响[15]。作为典型的干旱、半干旱内陆国家，水分是蒙古国植被生长的限制性因素[16]；在全球变暖背景下，其平均气温上升速度是全球平均气温变化的2~3倍[17]。同时，作为传统的畜牧业国家，该地区畜牧业与牧民生计联系紧密，牲畜动态变化既影响牧民生计，也影响草地生态系统的健康状况[18]。自1991年畜牧业私有化后，为追求经济发展、满足牲畜肉制品需求，蒙古国牲畜数量激增[19]。此外，矿物开采活动、雪灾等极端气候事件等多变干扰因素也加剧了该地区草地退化的风险[20-21]。蒙古国区域间自然环境、经济发展差异大；但已有研究多侧重于对蒙古国整体进行分析，不同地区草地变化的影响机制尚不清晰。基于上述背景，本研究通过一元线性回归模型定量分析了2000—2020年蒙古国NPP的时空变化特征；利用随机森林回归模型模拟了2020年蒙古国牲畜放牧密度；并综合选取多项自然与人类活动因子，通过地理探测器探究蒙古国国家和省域尺度NPP变化的影响因素。研究结果可为蒙古国草地生态系统的管理和可持续发展提供重要参考。

1 数据与方法

1.1 研究区概况

蒙古国位于亚洲中部（39°17′40″~52°08′55″N，87°44′07″~119°54′10″E），国土面积约为156.641×104 km2。蒙古国包括东部地区、中部地区、杭爱地区和西部地区4个大区，共21个省和1个直辖市[22]。蒙古国属于大陆性干旱半干旱气候，冬夏气温相差较大，冬季寒冷而漫长，常有暴风雪发生，夏季炎热而短暂，年均地表温度在-13.661~15.081 ℃之间波动（图1a），在空间上呈现南高北低的空间分布特征，年均降水量约为200~300 mm（图1b），多集中在7—8月。在气候环境的影响下，蒙古国植被覆盖类型由南向北依次为戈壁荒漠、草地和森林（图1c），其中草地是蒙古国主要的植被类型，约占国土面积的50%。蒙古国社会经济产业结构简单，包括农牧业、工业和矿业等。其中，传统畜牧业为国民的基础产业，约25×104人从事传统畜牧业，主要以游牧或半游牧方式经营，对草地生态系统的依赖程度较大[15]。近年来，蒙古国还因其矿产资源储量多、种类丰富，加之充分对外开放的政策，吸引着国内外众多企业前来开发[1]。
图1 研究区概况

注：基于自然资源部标准地图服务网站审图号为GS(2016)2938号的标准地图制作，底图边界无修改。下同。

Fig. 1 Overview of the study area

1.2 数据来源

为明确蒙古国NPP时空演变特征，并开展自然和人类活动因素对其影响强度的分析，本研究进行了多源数据的收集和整合（表1）。
表1 数据描述

Tab. 1 Data decription

数据类型 数据年份 空间分辨率 数据来源
蒙古国省域边界 - - 蒙古国国家统计信息服务网（http://www.1212.mn/）
净初级生产力（NPP） 2000—2020 500 m 国家地球系统科学数据中心（https://www.geodata.cn/aboutus.html）
NO2排放量 2000—2020 0.008° 美国国家航空航天局（NASA）（https://science.nasa.gov/solar-system/）
世界网格化牲畜数据集 2015 1 km 联合国粮食及农业组织（https://dataverse.harvard.edu/）
风速 2000—2020 1 km 谷歌地球引擎（https://code.earthengine.google.com/）
数字高程模型（DEM） 2020 30 m 国家冰川冻土沙漠科学中心（http://www.ncdc.ac.cn/portal/）
年均地表温度 2003—2019 1 km 青藏高原数据中心（https://data.tpdc.ac.cn/home）
实际蒸散发 2000—2020 1 km 青藏高原数据中心（https://data.tpdc.ac.cn/home）
年均降水量 2000—2020 1 km 欧洲气象卫星局（https://cds.climate.copernicus.eu/cdsapp#!/search?type=dataset）
土壤水分 2000—2020 1 km 谷歌地球引擎（https://code.earthengine.google.com/）
人类足迹指数 2000—2020 1 km 科学数据银行（https://www.scidb.cn/list）
夜间灯光 2000—2020 500 m 国家地球系统科学数据中心（https://www.geodata.cn/aboutus.html）
土地利用/覆盖 2000—2020 30 m 地球大数据科学与工程数据中心（https://data.casearth.cn/）
人口密度 2000—2020 1 km 美国国家实验室（https://landscan.ornl.gov/）
下行短波辐射 2000—2020 1 km 欧洲气象中心（https://www.ecmwf.int）

1.3 研究方法

1.3.1 趋势分析方法

植被动态变化是草地退化和恢复最直观的表现，植被生产力会随之发生改变。NPP作为表征植被生长状况的重要指标，能够直接反映草地动态变化[23]。本研究基于一元线性回归模型，以像元尺度探究2000—2020年蒙古国NPP变化趋势，计算公式如下：
s l o p e = n × ∑ i = 1 n N P P i - ∑ i = 1 n i ∑ i = 1 n N P P i n × ∑ i = 1 n i 2 - ∑ i = 1 n i 2
式中：slope为斜率，表示NPP变化方向；n为研究年份，n=21； N P P i为第i年NPP，2000年i值为1，2001年i值为2，依次类推。
F检验用于描述抽样误差造成方程拟合差异的可能性大小，可以检验NPP随时间变化是否显著[24]，F值越大说明NPP随时间变化趋势越明显，计算公式如下：
F = U × ( n - 2 ) Q
式中：U为回归平方和；Q为残差平方和。

1.3.2 地理探测器分析法

地理探测器是一种用于分析地理现象空间分异和解释变量之间关系的统计工具，包括因子探测、交互探测、生态探测和风险探测4种功能[25-27]。本研究根据研究区大小创建了3 km×3 km的格网，提取渔网中心点的像元值，剔除无效值后，共计32000个采样点。为使各级别变异总和达到最小，本研究采用自然断点法将选取的9个驱动因子划分为9类[28-29]；随后，结合地理探测器因子探测和交互探测功能来识别NPP变化的主导因子及其影响强度。其中，因子探测用于探测自变量的变化对因变量变化的空间异质影响力，用q值表示，q值越大，表示自变量对因变量的解释力越强[30-31]。
q = 1 - ∑ h = 1 L N h σ h 2 N σ 2
式中：q为驱动因素解释力，取值区间为0~1，q值越大，表明驱动因素的解释力越强；L为变量类别数；N和 N h分别为整个研究样本数和类别h的样本数； σ h 2和 σ 2分别为类别h的方差和总方差。
交互探测可用于测试不同因素的相互作用，并确定2个因素（例如X1和X2）的相互作用是否削弱或增强了对因变量Y的影响，或者它们在影响Y方面是否独立[32]（表2）。
表2 交互作用类型

Tab. 2 Types of interaction

判断标准 交互作用类型
q ( X 1 ⋂ X 2 M i n [ q ( X 1 ) ,   q ( X 2 ) ] 非线性减弱
q ( X 1 ⋂ X 2 M a x [ ( q ( X 1 ) ,   q ( X 2 ) ] 双因子增强
q ( X 1 ⋂ X 2 ) = q ( X 1 ) + q ( X 2 独立
M i n [ q ( X 1 ) ,   q ( X 2 ) ] q ( X 1 ⋂ X 2 M a x [ ( q ( X 1 ) ,   q ( X 2 ) ] 非线性增强
q ( X 1 ⋂ X 2 q ( X 1 ) + q ( X 2 单因子非线性减弱

注：q为驱动因素解释力。

1.3.3 驱动因子的筛选

作为典型的内陆干旱半干旱气候国家，水热资源是制约蒙古国经济和生态系统稳定性的关键因素。尽管蒙古国具有充沛的太阳能和风能资源，但太阳辐射对植被生产力的影响并不总表现为积极作用[33]。辐射因素中，下行短波辐射（DSR）是促进植物生长发育的必要条件，为植被的光合作用、蒸散作用和生长提供了基本能源[34]。此外，持续的强风或大风不仅影响植被光合作用的效率而且会导致土壤质地变粗、土壤水分减少，进而影响植被的生长[12,35]。人类活动因素中，放牧对该国国民的生计和经济福祉起着决定性作用[36]。然而，这一传统带来了一项严峻挑战：牲畜数量急剧增加加剧了放牧压力，对蒙古国草地生态系统健康构成了严重威胁[9]。为推动本国矿业经济增长以及响应中国“一带一路”倡议，蒙古国正在大力推动基础设施和铁路、公路建设[37]。交通建设虽推动了该国经济的发展但也加剧了人类活动对草地生态系统的干扰。人类足迹指数是包含土地利用强度、交通可达性、夜间灯光指数与能源设施的综合指标，可以反映区域社会经济活动强度[38]。综上，结合已有研究和蒙古国自然和人类活动特征，本研究选取了年均地表温度、年均降水量、下行短波辐射、风速、土壤水分、海拔、放牧密度、NO2排放量和人类足迹指数共9项指标作为研究蒙古国NPP变化的影响因子。

1.3.4 放牧密度模拟方法

鉴于蒙古国仅有省域牲畜存栏量统计数据，有必要量化蒙古国放牧密度时空分布特征，为后续草地退化的时空演变研究提供重要信息。联合国粮农组织发布的世界网格化牲畜数据集（GLW）[39]提供了全球范围牛、山羊、绵羊等牲畜分布信息，是目前应用范围最广的空间放牧密度数据。然而，该数据集对环境因子与放牧密度之间的关联性考虑不足，制约了放牧密度的空间异质性表达[40]。相关研究与实地调研均证实，蒙古国主要牲畜饲养种类包括：牛、山羊、绵羊、马和骆驼[41]，且牲畜数量分布主要由牧区人口密度分布和草地生长状况所决定（图2）。此外，植被生长状况与土壤水分、降水量和地表温度空间分布均有一定的关系[42]。本研究以2015年牛、山羊、绵羊和马GLW为数据基础，采用国际通用热带牲畜单位（TLU）将各类牲畜折算为统一标准，其中，1 TLU=250 kg。参考联合国粮农组织《畜牧业发展与减贫》报告[39]，每头牛或马为换算为0.6 TLU，每只山羊或绵羊换算为0.1 TLU。随后，结合牧区人口密度、NPP、土壤水分、年均降水量和年均地表温度5项预测因子，利用谷歌地球引擎云平台搭建随机森林回归模型，拟合预测因子与牲畜放牧密度的关系，构建蒙古国放牧密度估算模型。
图2 蒙古国主要饲养牲畜

Fig. 2 Main livestock raising in Mongolia

随机森林回归是一种以决策树作为基本结构的机器学习；该方法是按照均匀随机的原则选取样本数据，组成多个不同的决策树，再对多棵决策树进行整合来完成预测[43]，其计算原理如下：
T = X 1 , Y 1 , X 2 , Y 2 , ⋯ , X m , Y m
y = c 1 , c 2 , ⋯ , c n
f x = 1 N ∑ n = 1 N f n ( x )
式中：T为原始训练数据集；(X1,Y1), (X2,Y2), …, (Xm,Ym)为训练样本，每个样本用于训练一棵回归决策树；m为随机抽取样本的个数；y为构造的决策树；c1, c2,…, cn为树1, 2,…, n；f(x)为随机森林回归模型的预测结果； f n ( x )为第n棵树的预测值；N为决策数个数。
最后，以2020年各预测因子为数据基础，利用训练所得模型模拟2020年蒙古国放牧密度空间分布，并基于蒙古国立大学提供的省域牲畜存栏量统计数据对2次模拟结果分别进行检验，通过判定系数（R2）、平均绝对误差（MAE）和均方根误差（RMSE）检验模拟的准确性。

2 结果与分析

2.1 NPP时空动态变化

2000—2020年蒙古国NPP呈现东增西减、北增南减的变化趋势（图3）。其中，NPP呈显著增加趋势的区域占蒙古国国土面积的24.872%，主要分布在蒙古国中部地区和杭爱地区的林区以及其东部地区和西部地区的山区。NPP变化以非显著增加为主，占蒙古国国土面积的62.539%，集中分布于蒙古国东部地区、中部地区和西部地区的草地和稀疏灌木地区。NPP显著减少的区域面积占比最小，仅占蒙古国国土面积的0.684%，集中分布在蒙古国中部地区和杭爱地区的林地和草地，其中工业发达的达尔汗乌省和库苏古尔省NPP显著减少区域面积占比较高。NPP非显著减少区域占蒙古国国土面积的11.905%，多为稀疏灌木和草地分布区。
图3 2000—2020年蒙古国NPP显著性检验

Fig. 3 Significance test of NPP in the Mongolia from 2000 to 2020

2.2 放牧密度空间分布

随机森林回归模型的结果显示（图4a），2020年蒙古国放牧密度呈现北高南低的分布特征。南部地区放牧密度均低于5 TLU·km-2，显示出该区域较低的牲畜饲养压力。其中，南戈壁省位于蒙古国最南端的戈壁区，因其独特的自然地理环境，成为了蒙古国放牧密度最低的地区。而中部与北部地区具有充足的水资源以及便利的交通，是放牧密度的高值区，例如，后杭爱省和库苏古尔省的放牧密度超过15 TLU·km-2。基于蒙古国立大学提供的省域牲畜存栏量统计数据对放牧密度空间模拟数据进行精度评估（图4b）。2015、2020年省域放牧密度模拟值与统计值的拟合R2分别为0.914、0.926，均通过显著性检验，MAE分别为2.336、3.461，RMSE分别为4.200、5.909，表明放牧密度估算模型方法较好地实现了蒙古国放牧密度空间化的模拟。
图4 2020年蒙古国放牧密度的空间分布格局及放牧密度模拟值精度评估

注：TLU为热带牲畜单位，1 TLU=250 kg；R2为判定系数；MAE为平均绝对误差；RMSE为均方根误差。

Fig. 4 Spatial pattern of grazing intensity in the Mongolia in 2020 and assessment of the accuracy of simulated values of grazing density

2.3 NPP变化主导因子识别

从各因子对蒙古国NPP变化影响强度（q值）排序来看（图5a）：下行短波辐射（0.615）>年均降水量（0.602）>年均地表温度（0.464）>海拔（0.396）>土壤水分（0.297）>风速（0.172）>NO2排放量（0.080）>放牧密度（0.058）>人类足迹指数（0.007），表明气候因素是2000—2020年蒙古国NPP变化的主要影响因素，而人类活动因素对NPP变化的影响程度较小。
图5 单因子探测器和交互探测器结果

注：Rad为下行短波辐射；Pre为年均降水量；Sur为年均地表温度；Ele为海拔；Soi为土壤水分；Win为风速；NO2为NO2排放量；Liv为放牧密度；Hfi为人类足迹指数；q值为驱动因素解释力。下同。

Fig. 5 Results of single detector and interaction detector

交互探测器结果显示（图5b），因子间的交互作用对NPP变化的影响呈双变量增强关系。其中，海拔和年均降水量的交互作用对NPP变化影响最高，其q值为0.730，其次是海拔和年均地表温度的交互作用（q=0.708）。同时，人类足迹指数与下行短波辐射、NO2排放量与年均降水量的交互作用解释力也高于单因子分析结果。因此，蒙古国NPP变化是影响因子间交互作用的结果，有必要开展进一步分析，以甄别人类活动与其他因素交互作用的影响地区。

2.4 蒙古国省域尺度NPP变化的影响分析

2.4.1 省域尺度单因子影响分析

省域尺度单因子分析显示，气候因子如下行短波辐射、年均降水量是蒙古国各省份NPP变化的最主要影响因子（图6）。在中部地区（图6b），气候因子对该区域各省份NPP变化的影响具有空间差异性：东戈壁省和中戈壁省处于戈壁地区，气候干旱、植被稀疏，下行短波辐射对NPP变化产生了最为强烈的负面影响；而年均降水量对戈壁苏木省NPP增加带来了最为积极的正面影响（q=0.371）；放牧密度也对蒙古国中部地区的达尔汗乌省和戈壁苏木省NPP变化有着较高的贡献程度，q值分别为0.444和0.334。在杭爱地区各个省份中（图6c），海拔（q=0.354）、风速（q=0.002）、年均降水量（q=0.599）、年均地表温度（q=0.335）和人类足迹指数（q=0.356）分别为后杭爱省、库苏古尔省、前杭爱省、布尔干省和鄂尔浑省NPP变化的主导因子。然而，蒙古国杭爱地区的库苏古尔省、巴彦洪格省以及西部地区所有省份（图6d），各因子q值接近于0，表明NPP变化并非由单一因子主导，而是多个因子交互作用的结果。
图6 蒙古国四大地区省域尺度NPP变化的单因子检测结果

Fig. 6 Results of single detection of NPP changes at provincial scale in four regions of Mongolia

2.4.2 省域尺度因子交互作用

省域尺度自然与人类活动各因子交互作用下对NPP变化影响显著增强。蒙古国东部地区NPP变化主要受到了年均降水量、下行短波辐射、年均地表温度等气候因子间的交互作用，并表现出非线性增强效应（图7a）；蒙古国西部地区NPP变化则主要受到了海拔和气候因素交互影响，呈非线性增强（图7d）。
图7 蒙古国省域尺度交互探测器结果

Fig. 7 Interaction detector results at the provincial scale in Mongolia

然而，蒙古国中部地区和杭爱地区NPP变化更易受到放牧密度、NO2排放量等人类活动与自然因子的交互作用。在蒙古国中部地区（图7b），自然和人类活动各因子的交互作用对NPP变化亦呈现出非线性增强的特征。NO2排放量和气候因子（年均降水量、下行短波辐射和风速）交互作用对中央省、中戈壁省和戈壁苏木省NPP变化影响程度最高，q值分别为0.560、0.151、0.480；人类足迹指数和年均降水量、土壤水分的交互作用分别主导了色楞格省和达尔汗乌省NPP变化，q值分别为0.127和0.308。蒙古国杭爱地区NPP变化也是自然和人类活动因素交互作用的结果，呈双因子增强效应（图7c）。其中，放牧密度与下行短波辐射的交互作用在库苏古尔省NPP变化中占据主导地位；NO2排放量和人类足迹指数的交互作用对鄂尔浑省NPP变化影响最为显著（q=0.525）。

3 讨论

本研究揭示了多因素影响下蒙古国NPP变化趋势的时空异质性特征。蒙古国东部地区地势平坦，受到东亚季风的影响，植被生长所需水分充足，热量成为了促进植被生长的主导因子[44]。但蒙古国中部地区和杭爱地区南、北部气候和地理环境差异较大。其中，北部森林区分布着杭爱山脉和肯特山脉，受到北冰洋湿润气流的影响，该地区降水充沛，有利于NPP的增加[22]。但蒙古国经济增长主要依赖于中部地区和杭爱地区的采矿业和畜牧业[45]。Wang等[46]指出，乌兰巴托市、南戈壁省、库苏古尔省和鄂尔浑省等采矿业和畜牧业较为发达的区域，过度的放牧活动、不合理的采矿行为以及快速的城市化进程已经导致草地严重退化。在本研究中NPP减少区的分布同样显示，蒙古国中部地区和杭爱地区的采矿业和畜牧业虽推动了其经济增长，但人为干扰活动的增多也对植被生长产生了不利影响。此外，蒙古国杭爱地区南部的戈壁地区，气温高而降水少；太阳辐射增加对该地区植被生长产生了显著负面效应，使得这一地区成为蒙古国境内植被生产力最低的区域[47-48]。蒙古国西部地区地形复杂，以高原和山脉为主，海拔通过对水热条件的再分配也成为影响这一地区NPP变化的关键因子。在上述多因素影响下，2000—2020年蒙古国NPP呈东增西减、北增南减的空间分布特征，与已有研究具有一致性[44,49]。
蒙古国NPP变化是多因素耦合驱动的结果，驱动因子间的交互作用显著增强了其对NPP区域差异性的解释力。其中，太阳辐射和气候因子间的交互作用是决定蒙古国东部地区植被生长的关键因素[44]。前人研究也发现太阳辐射和降水通过共同调控植被的光合作用、蒸腾作用等生理过程，增强了对该区域NPP变化的作用力[14]。在蒙古国西部地区，海拔与其他因子间的交互作用对植被NPP的影响存在空间异质性。如海拔对太阳辐射、年均降水量等气候因素的调节作用间接地影响了该地区的植被类型及其空间分布格局[50]。不仅如此，海拔还改变了蒙古国西部山区露天采矿过程中NO2化学反应速率和扩散速度，对该区域植被生长产生了一定的负面影响[20,44]。
蒙古国中部地区和杭爱地区是人类活动与地形、水热因子交互增强最为显著的地区，并对该地区不同省份NPP变化产生不同的影响。在本研究中，气候因子与放牧密度交互作用下并未对蒙古国杭爱地区北部省份NPP产生负面影响[51]。吕振涛等[21]和李一凡等[22]等研究也表明，这些区域在北冰洋湿润气流的影响下降水较多，是蒙古国生物多样性最为丰富的地区。但值得注意的是，近年来矿业、旅游业等新兴经济产业逐渐成为蒙古国杭爱地区中部经济发展的重心，需要警惕这些干扰与放牧活动可能引起的潜在风险。例如，黄纤玉等[52]研究表明畜牧业和工业发展的区域不均衡不仅造成了蒙古国整体经济发展水平较低，还间接导致了植被生长质量的空间差异性。气候条件更加干旱的南部戈壁地区已逐渐为蒙古国新兴经济腹地，并与我国边界有着频繁的贸易往来。当前结果显示，NO2排放量、放牧密度等人类活动因子与太阳辐射、年均地表温度等因子的交互作用显著影响了蒙古国戈壁地区NPP变化，并在戈壁阿尔、巴彦洪格、南戈壁等省份出现一定范围非显著减少趋势。在调研中同样发现，随着戈壁地区放牧活动和交通用地的增多，戈壁针茅等原生灌木群落正逐渐被多根葱等草本植被所取代。Dedkov等[53]则认为这种次生演替虽提高了戈壁地区的植被覆盖度，但也影响了蒙古国南戈壁地区辐射和热平衡的结构模式，加剧了此地干旱程度并导致稀疏植被的退化。因此，人类活动与自然因素的交互作用该地区对植被的生长构成了更为严重的威胁，是今后蒙古国开展草地退化风险管理的重要区域。

4 结论

本研究分析了2000—2020年蒙古国NPP时空变化特征，结合随机森林回归模型细化了2020年蒙古国放牧密度的空间分布信息，并通过地理探测器深入探究了蒙古国国家和省域尺度下NPP变化的影响因素。主要研究结论如下：
（1） 2000—2020年蒙古国NPP呈现东增西减、北增南减的变化趋势。总体上以非显著增加为主，非显著增加区域面积占蒙古国国土面积的62.539%，主要分布在蒙古国的东部地区、中部地区和西部地区的草地和稀疏灌木地区；NPP显著减少区域面积占比最小（0.684%），主要分布于蒙古国中部地区和杭爱地区。
（2） 单因子分析中，下行短波辐射和年均降水量为蒙古国NPP变化的主要影响因子，q值分别为0.615、0.602，人类活动因素总体影响程度较小。
（3） 因子间交互作用对NPP变化影响更为显著。国家尺度上，海拔与年均降水量的交互作用最大（q=0.730），其次为海拔与年均地表温度的交互作用（q=0.708）；省域尺度上，人类活动和自然因素的交互作用对蒙古国中部地区和杭爱地区NPP变化有明显影响，而海拔与气候因子的交互作用对蒙古国西部地区NPP变化影响更为深刻。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Halik G, Putra V S, Wiyono R U A. Assessment of climate change impact on drought disaster in Sampean Baru watershed, east Java, Indonesia based on IPCC-AR5[J]. Natural Hazards, 2022, 112: 1705-1726.

[2]
Liu Y Y, Wang Q, Zhang Z Y, et al. Grassland dynamics in responses to climate variation and human activities in China from 2000 to 2013[J]. Science of the Total Environment, 2019, 690: 27-39.

[3]
Fan F, Liang C Z, Tang Y K, et al. Effects and relationships of grazing intensity on multiple ecosystem services in the Inner Mongolian steppe[J]. Science of the Total Environment, 2019, 675: 642-650.

DOI

[4]
爽武, 冯险峰, 孔玲玲, 等. 气候变化及人为干扰对西藏地区草地退化的影响研究[J]. 地理研究, 2021, 40(5): 1265-1279.

[Shuang Wu, Feng Xianfeng, Kong Lingling, et al. Effects of climate variation and human activities on grassland degradation in Tibet[J]. Geographical Research, 2021, 40(5): 1265-1279.]

[5]
United Nations Convention to Combat Desertification (Secretariat). United Nations convention to combat desertification in those countries experiencing serious drought and/or desertification, particulary in Africa[M]. New York: Secretariat of the United Nations Convention to Combat Desertification, 1999: 1-56.

[6]
Chaves R B, Durigan G, Brancalion P H, et al. On the need of legal frameworks for assessing restoration projects success: New perspectives from São Paulo State (Brazil)[J]. Restoration Ecology, 2015, 23(6): 754-759.

[7]
Yang Y, Wang Z Q, Li J L, et al. Comparative assessment of grassland degradation dynamics in response to climate variation and human activities in China, Mongolia, Pakistan and Uzbekistan from 2000 to 2013[J]. Journal of Arid Environments, 2016, 135: 164-172.

[8]
Zhou W, Li J L, Mu S J, et al. Effects of ecological restoration-induced land-use change and improved management on grassland net primary productivity in the Shiyanghe River Basin, northwest China[J]. Grass and Forage Science, 2013, 69(4): 596-610.

[9]
Chang J F, Ciais P, Gasser T, et al. Climate warming from managed grasslands cancels the cooling effect of carbon sinks in sparsely grazed and natural grasslands[J]. Nature Communications, 2021, 12(1): 118, doi: 10.1038/s41467-020-20406-7.

[10]
Yan J J, Zhang G P, Deng X Y, et al. Does climate change or human activity lead to the degradation in the grassland ecosystem in a mountain-basin system in an arid region of China?[J]. Sustainability, 2019, 11(9): 2618, doi: 10.3390/su11092618.

[11]
Shao Y T, Wang J L. Vegetation phenology dataset in Mongolia (2001—2019)[J]. Journal of Global Change Data & Discovery, 2022, 6(2): 241-248.

[12]
Nanzad L, Zhang J H, Batdelger G, et al. Analyzing NPP response of different rangeland types to climatic parameters over Mongolia[J]. Agronomy, 2021, 11(4): 647, doi: 10.3390/agronomy11040647.

[13]
Lü G Y, Li X, Fang L, et al. Disentangling the influential factors driving NPP decrease in Shandong Province: An analysis from time series evaluation using MODIS and CASA model[J]. Remote Sensing, 2024, 16(11): 1966, doi: 10.3390/rs16111966.

[14]
王川, 王丽莎, 张勇勇, 等. 2000—2020年祁连山植被净初级生产力时空变化及其驱动因素[J]. 生态学报, 2023, 43(23): 9710-9720.

[Wang Chuan, Wang Lisha, Zhang Yongyong, et al. Spatiotemporal change and driving factors of net primary productivity in Qilian Mountains from 2000 to 2020[J]. Acta Ecologica Sinica, 2023, 43(23): 9710-9720.]

[15]
Meng X Y, Gao X, Li S, et al. Monitoring desertification in Mongolia based on Landsat images and Google Earth Engine from 1990 to 2020[J]. Ecological Indicators, 2021, 129(1): 107908, doi: 10.1016/j.ecolind.2021.107908.

[16]
Li M, Zhang X Z, Wu J S, et al. Declining human activity intensity on alpine grasslands of the Tibetan Plateau[J]. Journal of Environmental Management, 2021, 296: 113198, doi: 10.1016/j.jenvman.2021.113198.

[17]
布仁高娃. 蒙古国荒漠化现状、成因及草原畜牧业前景研究[D]. 呼和浩特: 内蒙古大学, 2011.

[Buren Gova. Research on current status, causes and prospect of desertification in Mongolia[D]. Hohhot: Inner Mongolia University, 2011.]

[18]
Wei Y J, Zhen L. The dynamics of livestock and its influencing factors on the Mongolian Plateau[J]. Environmental Development, 2020, 34: 100518, doi: 10.1016/j.envdev.2020.100518.

[19]
Lkhagvasuren Solongo (彩虹). 蒙古国肉类出口的影响因素分析[D]. 天津: 天津科技大学, 2020.

[Lkhagvasuren Solongo. Analysis of influential factors of Mongolia meat export[D]. Tianjin: Tianjin University of Science and Technology, 2020.]

[20]
孟小玉, 齐晓明, 佟宝全. 蒙古国矿产资源开发对经济发展的影响研究[J]. 干旱区资源与环境, 2021, 35(12): 100-105.

[Meng Xiaoyu, Qi Xiaoming, Tong Baoquan. Research on the influence of mineral resources exploitation on economic development in Mongolian[J]. Journal of Arid Land Resources and Environment, 2021, 35(12): 100-105.]

[21]
吕振涛, 李生宇, 彭中敏, 等. 蒙古国植被对干旱响应的敏感性研究[J]. 地理研究, 2021, 40(11): 3016-3028.

DOI

[Lü Zhentao, Li Shengyu, Peng Zhongmin, et al. Sensitivity of vegetation responses to drought in Mongolia[J]. Geographical Research, 2021, 40(11): 3016-3028.]

[22]
李一凡, 王卷乐, 祝俊祥. 基于地理分区的蒙古国景观格局分析[J]. 干旱区地理, 2016, 39(4): 817-827.

[Li Yifan, Wang Juanle, Zhu Junxiang. Landscape pattern analysis of Mongolia based on the geographical partitions[J]. Arid Land Geography, 2016, 39(4): 817-827.]

[23]
Gang C C, Zhou W, Chen Y Z, et al. Quantitative assessment of the contributions of climate change and human activities on global grassland degradation[J]. Environmental Earth Sciences, 2014, 72(11): 4273-4282.

[24]
Ba W R, Qiu H T, Cao Y G. Spatiotemporal characteristics prediction and driving factors analysis of NPP in Shanxi Province covering the period 2001—2020[J]. Sustainability, 2023, 15(15): 12070, doi: 10.3390/su151512070.

[25]
王劲峰, 徐成东. 地理探测器: 原理与展望[J]. 地理学报, 2017, 72(1): 116-134.

DOI

[Wang Jinfeng, Xu Chengdong. Geodetector: Principle and prospective[J]. Acta Geographica Sinica, 2017, 72(1): 116-134.]

DOI

[26]
夏婷婷, 薛璇, 王灏伟. 昆仑山北坡陆地水储量变化及其驱动因素分析[J]. 干旱区地理, 2024, 47(8): 1292-1303.

DOI

[Xia Tingting, Xue Xuan, Wang Haowei. Changes in terrestrial water storage and its drivers on the north slope of Kunlun Mountains[J]. Arid Land Geography, 2024, 47(8): 1292-1303.]

DOI

[27]
朱磊, 李燕楠, 徐佳慧. 中国冰雪旅游地空间分布格局及成因[J]. 干旱区地理, 2024, 47(8): 1399-1410.

DOI

[Zhu Lei, Li Yannan, Xu Jiahui. Spatial distribution pattern and causes of ice and snow tourism in China[J]. Arid Land Geography, 2024, 47(8): 1399-1410.]

DOI

[28]
齐小天, 张质明, 赵鑫, 等. 降雨径流污染风险等级识别与优化方法[J]. 环境科学, 2022, 43(3): 1500-1511.

[Qi Xiaotian, Zhang Zhiming, Zhao Xin, et al. Identification and optimization method of rainfall-runoff pollution risk level[J]. Environmental Science, 2022, 43(3): 1500-1511.]

[29]
邵嘉豪, 李晶, 闫星光, 等. 基于地理探测器的山西省2000—2020年NPP时空变化特征及驱动力分析[J]. 环境科学, 2023, 44(1): 312-322.

[Shao Jiahao, Li Jing, Yan Xingguang, et al. Analysis of spatiaotemporal variation characteristics and driving forces of NPP in Shanxi Province from 2000 to 2020 based on geodetector[J]. Environmental Science, 2023, 44(1): 312-322.]

[30]
Bai L, Jiang L, Yang D Y, et al. Quantifying the spatial heterogeneity influences of natural and socioeconomic factors and their interactions on air pollution using the geographical detector method: A case study of the Yangtze River Economic Belt, China[J]. Journal of Cleaner Production, 2019, 232: 692-704.

[31]
郭泽呈, 魏伟, 石培基, 等. 中国西北干旱区土地沙漠化敏感性时空格局[J]. 地理学报, 2020, 75(9): 1948-1965.

DOI

[Guo Zecheng, Wei Wei, Shi Peiji, et al. Spatiotemporal changes of land desertification sensitivity in the arid region of northwest China[J]. Acta Geographica Sinica, 2020, 75(9): 1948-1965.]

DOI

[32]
Sun Y F, Guan Q Y, Wang Q Z, et al. Quantitative assessment of the impact of climatic factors on phenological changes in the Qilian Mountains, China[J]. Forest Ecology and Management, 2021, 499: 1-16.

[33]
张皓哲, 薛亚永, 马圆圆. 新疆绿洲生态系统固碳潜力研究[J]. 干旱区研究, 2024, 41(6): 998-1009.

DOI

[Zhang Haozhe, Xue Yayong, Ma Yuanyuan. Carbon sequestration potential of oasis ecosystems in Xinjiang[J]. Arid Zone Research, 2024, 41(6): 998-1009.]

DOI

[34]
Shao J H, Li J, Yan X G, et al. Analysis of spatiotemporal variation characteristics and driving forces of NPP in Shanxi Province from 2000 to 2020 based on geodetector[J]. Huan Jing Ke Xue, 2023, 44(1): 312-322.

[35]
Yang A L, Zhang H, Yang X J, et al. Quantitative analysis of the impact of climate change and human activities on vegetation NPP in the Qilian Mountain[J]. Human and Ecological Risk Assessment: An International Journal, 2023, 29(1): 202-221.

[36]
Chen J Q, John R, Zhang Y Q. Divergences of two coupled human and natural systems on the Mongolian Plateau[J]. Bioscience, 2015, 65(6): 559-570.

[37]
叶中华. 中蒙两国交通运输领域合作成果丰硕[N]. 中国城市报, 2023-10-23(A07).

[Ye Zhonghua. China and Mongolia have fruitful cooperation in the field of transportation[N]. China City News, 2023-10-23(A07).]

[38]
Yang Z S, Liu Y, Su H M, et al. Exploring complex place-based coevolution of ecosystem and human activities: A case study of Qilian Mountain area in China[J]. International Journal of Applied Earth Observation and Geoinformation, 2022, 115: 103091, doi: 10.1016/j.jag.2022.103091.

[39]
Otte J, Costales A, Dijkman J, et al. Livestock sector development for poverty reduction: An economic and policy perspective livestock many virtues[M]. Rome: Food and Agriculture Organization of the United Nations Rome, 2012: 1-7.

[40]
李兰晖, 黄聪聪, 张镱锂, 等. 基于地理加权随机森林的青藏地区放牧强度时空格局模拟[J]. 地理科学, 2023, 43(3): 398-410.

DOI

[Li Lanhui, Huang Congcong, Zhang Yili, et al. Mapping the multi-temporal grazing intensity on the Qinghai-Tibet Plateau using geographically weighted random forest[J]. Geographica Sinica, 2023, 43(3): 398-410.]

[41]
乌达巴拉, 何亭漪, 李秀男, 等. 蒙古国畜牧业发展现状[J]. 当代畜禽养殖业, 2022(1): 28-29, 37.

[Udabala, He Tingyi, Li Xiunan, et al. Current situation of livestock husbandry development in Mongolia[J]. Contemporary Livestock Farming, 2022(1): 28-29, 37.]

[42]
任小玢, 张东海, 俞鸿千, 等. 气候变化和人为活动在宁夏草地变化中的相对作用[J]. 生态学报, 2022, 42(19): 7989-8001.

[Ren Xiaobin, Zhang Donghai, Yu Hongqian, et al. Assessment of relative effects of climate change and human activities on grassland and dynamic in Ningxia[J]. Acta Ecologica Sinica, 2022, 42(19): 7989-8001.]

[43]
李霞, 张乐艺, 吴晨. 基于GEE和地理探测器的河南省不同流域植被变化及影响因素[J]. 应用生态学报, 2024, 35(7): 1887-1896.

DOI

[Li Xia, Zhang Leyi, Wu Chen. Vegetation changes and influencing factors in different watersheds of Henan Province based on GEE and geographic detectors[J]. Chinese Journal of Applied Ecology, 2024, 35(7): 1887-1896.]

DOI

[44]
Yin C H, Chen X Q, Luo M, et al. Quantifying the contribution of driving factors on distribution and change of net primary productivity of vegetation in the Mongolian Plateau[J]. Remote Sensing, 2023, 15(8): 1986, doi: 10.1016/j.jclepro.2019.05.342.

[45]
甘南, 宝音都仍, 闫晶晶. 蒙古国经济增长构成、动力及其影响因素[J]. 内蒙古农业大学学报(社会科学版), 2015, 17(1): 26-31.

[Gan Nan, Bao Yindureng, Yan Jingjing. Composition and dynamics of Mongolia’s economic growth and its influencing factors[J]. Journal of Inner Mongolia Agricultural University (Social Science Edtion), 2015, 17(1): 26-31.]

[46]
Wang J L, Wei H S, Cheng K, et al. Spatio-temporal pattern of land degradation from 1990 to 2015 in Mongolia[J]. Environmental Development, 2020, 34: 100497, doi: 10.1016/j.envdev.2020.100497.

[47]
吴雪晴, 张乐乐, 高黎明, 等. 青海湖流域NPP动态变化及驱动力[J]. 干旱区研究, 2023, 40(11): 1824-1832.

DOI

[Wu Xueqing, Zhang Lele, Gao Liming, et al. Dynamic change and driving force of net primary productivity in Qinghai Lake Basin[J]. Arid Zone Research, 2023, 40(11): 1824-1832.]

DOI

[48]
韩蕾, 齐晓明, 郝军. 基于资源环境承载力约束的蒙古国资源开发水平研究[J]. 干旱区资源与环境, 2021, 35(12): 93-99.

[Han Lei, Qi Xiaoming, Hao Jun. Natural resources development conditions and environmental carrying capacity in Mongolia[J]. Journal of Arid Land Resources and Environment, 2021, 35(12): 93-99.]

[49]
尹超华, 罗敏, 孟凡浩. 蒙古高原植被碳水利用效率时空变化特征及其影响因素[J]. 生态学杂志, 2022, 41(6): 1079-1089.

[Yin Chaohua, Luo Min, Meng Fanhao. The spatiotemporal variation and influencing factors of vegetation carbon and water use efficiency in the Mongolian Plateau[J]. Chinese Journal of Ecology, 2022, 41(6): 1079-1089.]

DOI

[50]
朱思佳, 冯徽徽, 邹滨, 等. 2000—2019年洞庭湖流域植被NPP时空特征及驱动因素分析[J]. 自然资源遥感, 2022, 34(3): 196-206.

[Zhu Sijia, Feng Weiwei, Zou Bin, et al. Spatial-temporal characteristics of 2000—2019 vegetation NPP of the Dongting Lake Basin and their driving factors[J]. Remote Seneing for Natural Resources, 2022, 34(3): 196-206.]

[51]
张艳珍, 王钊齐, 杨悦, 等. 蒙古高原草地退化程度时空分布定量研究[J]. 草业科学, 2018, 35(2): 233-243.

[Zhang Yanzhen, Wang Zhaoqi, Yang Yue, et al. Research on the quantitative evaluation of grassland degradation and spatial and temporal distribution on the Mongolia Plateau[J]. Pratacultural Science, 2018, 35(2): 233-243.]

[52]
黄纤玉, 郝新, 陈静, 等. 基于博弈论的蒙古国经济社会-生态环境耦合协调度驱动因素及其特征研究[J]. 北京师范大学学报(自然科学版), 2024, 60(4): 499-508.

[Huang Qianyu, Hao Xin, Chen Jing, et al. Driving factors and characteristics of the coupling coordination degree of socio-economic development and eco-environment development in Mongolia based on game theory[J]. Journal of Beijing Normal University (Natural Science Edition), 2024, 60(4): 499-508.]

[53]
Dedkov V P, Danzhalova E V, Tkachenko S N, et al. The influence of vegetation on reflected solar radiation in arid and extra-arid zone of Mongolian gobi[J]. Geography, Environment, Sustainability, 2020, 13(4): 72-80.

Options
Outlines

/

〈 〉