EN中文

干旱区研究 >

2025 , Vol. 42 >Issue 6: 1067 - 1079

DOI: https://doi.org/10.13866/j.azr.2025.06.10

生态与环境

西北干旱区近30 a植被覆盖的时空变化及其对气候因子的响应

  • 张秀霞 , 1 ,
  • 韩丽莎 1 ,
  • 党星海 , 1, 2 ,
  • 汪孝贤 1 ,
  • 林庆润 1 ,
  • 邓灵芝 1 ,
  • 杨明航 1 ,
  • 张喜来 1
展开
  • 1.兰州理工大学土木工程学院，甘肃 兰州 730050
  • 2.兰州理工大学建筑勘察设计院，甘肃 兰州 730050
党星海. E-mail:

张秀霞（1985-），女，博士，副教授，主要从事3S技术的干旱区环境监测. E-mail:

收稿日期: 2024-11-05

  修回日期: 2024-12-30

  网络出版日期: 2025-08-12

基金资助

甘肃省自然科学基金(24JRRA176)

收起

Spatiotemporal changes in vegetation coverage in the arid regions of Northwest China over the past 30 years and their response to climatic factors

  • ZHANG Xiuxia , 1 ,
  • HAN Lisha 1 ,
  • DANG Xinghai , 1, 2 ,
  • WANG Xiaoxian 1 ,
  • LIN Qingrun 1 ,
  • DENG Lingzhi 1 ,
  • YANG Minghang 1 ,
  • ZHANG Xilai 1
Expand
  • 1. School of Civil Engineering, Lanzhou University of Technology, Lanzhou 730050, Gansu, China
  • 2. Architectural Survey and Design Institute of Lanzhou University of Technology, Lanzhou 730050, Gansu, China

Received date: 2024-11-05

  Revised date: 2024-12-30

  Online published: 2025-08-12

Fold

摘要

西北干旱区是我国典型的植被脆弱区，植被覆盖在维持该地区独特的陆地生态系统中发挥着关键作用。本研究利用Landsat数据和像元二分模型分析1990—2022年西北干旱区植被覆盖度（Fractional Vegetation Cover，FVC）的时空变化规律，综合应用土地利用数据，Sen斜率估计、Mann-Kendall检验以及相关性分析等方法分析不同植被类型FVC时空变化特征以及对气候变化因子的响应。 结果表明：（1） 研究区FVC呈现波动上升趋势，上升速率每年为0.98×10-4，空间分异性特征显著，以极低植被覆盖为主，流域区域FVC较高。（2） 土地利用转型驱动FVC格局演变，林地和耕地面积增加，对FVC极高覆盖区的贡献随之增加（分别增加了3.0%、18.8%），草地仍是各覆盖等级的优势载体（平均占比>47.7%）。（3） 植被生长季平均降水量排序为灌木>林地>草地>耕地，气温变化趋势与之相反。蒸散发量依次为林地>耕地>草地>灌木。灌木覆盖区年均湿润面积占比达61.03%，耕地区不足5%。植被覆盖度与降水（52.0%）、气温（60.2%）、蒸散发及干燥度（63%）均呈负相关关系，植被对气候变化表现出显著敏感性。研究结果为西北干旱区的生态管理与恢复提供了重要依据。

关键词： FVC; 西北干旱区; 植被覆盖; 趋势分析

本文引用格式

张秀霞 , 韩丽莎 , 党星海 , 汪孝贤 , 林庆润 , 邓灵芝 , 杨明航 , 张喜来 . 西北干旱区近30 a植被覆盖的时空变化及其对气候因子的响应[J]. 干旱区研究, 2025 , 42(6) : 1067 -1079 . DOI: 10.13866/j.azr.2025.06.10

Abstract

The arid region of Northwest China is an area of notable vegetation vulnerability, where vegetation cover plays a crucial role in sustaining unique terrestrial ecosystems. This study utilized Landsat data and the pixel dichotomy model to analyze spatiotemporal variation patterns of Fractional Vegetation Cover (FVC) in the arid region of Northwest China from 1990-2022. Integrating land use data, the research employed Sen’s slope estimation, the Mann-Kendall test, and correlation analysis to investigate FVC characteristics across different vegetation types and their responses to climatic factors. The results indicate that: (1) FVC exhibited a fluctuating upward trend, with an annual increase rate of 0.98×10-4; spatial heterogeneity was significant, with areas predominantly characterized by very low vegetation coverage, while river basin regions displayed higher FVC values. (2) Land use transformation has driven the evolution of FVC patterns, with increases in forestland and cultivated land contributing to the expansion of areas with very high FVC coverage (increasing by 3.0% and 18.8%, respectively); grassland remains the dominant cover across all levels, with an average proportion exceeding 47.7%. (3) Average precipitation during the vegetation growing season ranks as follows: shrubland>forestland>grassland>cropland, whereas temperature trends are reversed; evapotranspiration follows the order: forestland>cropland>grassland>shrubland; the average annual humid area proportion is 61.03% in shrubland regions, compared to less than 5% in cropland regions. FVC shows negative correlations with precipitation (52.0%), temperature (60.2%), evapotranspiration, and aridity index (63%). Vegetation demonstrates significant sensitivity to climate change. The findings provide an important basis for ecological management and restoration in the arid regions of Northwest China.

Key words： Fractional Vegetation Cover (FVC); arid regions of northwest; vegetation coverage; trend analysis

植被作为生态系统的主要组成部分，是区域生态环境变化的重要指标，在全球碳循环和气候调节中发挥着重要作用[1]。干旱区的植被生长和植被覆盖变化与区域生态系统的稳定性密切相关，其变化趋势也是判断生态系统变化的关键指标[2]。对区域植被的分析有助于理解陆地生态系统内驱动因素的相互作用及植被对生态系统响应的趋势，从而使人类能够正确管理生态环境保护与社会经济发展的关系[3-4]。植被覆盖度（FVC）是指地面植被的垂直投影面积与特定区域总面积的比值，是评估植被动态、生态变化和地面植被生长的重要指标[5]。全球变暖对陆地生态系统的组织水平和功能结构造成了影响，尤其是植被生态系统[6]。因此，评估植被覆盖度及其相关影响因素的研究是全球变化和地表过程模拟研究中的热门话题[7]。
由于地面植被覆盖的变化通常需要较长时间才能显现，因此，对植被的观察与研究必须依赖于长时间序列数据[8]。卫星遥感技术能够迅速获取不同空间尺度的大范围遥感影像，并通过定量分析植被覆盖，在植被覆盖动态监测领域得到了广泛应用。利用像元二分模型估计植被覆盖的方法相对较为成熟，并得到了广泛应用[9]。此外，由于低分辨率数据会抹平某些区域植被变化的细节[10]，应用Landsat数据得到的FVC数据适合监测区域尺度上植被覆盖的动态变化。
植被覆盖度的变化是区域生态环境变化的直接反应，可有效揭示区域生态环境的变化趋势[11]。赵晶等[12]对西北干旱区植被覆盖的时空变化特征及未来变化趋势进行了模拟，发现全区具有较高的空间异质性，天山植被覆盖面积最大，南疆则最小；王玮等[13]通过1981—2013年NDVI数据集对西北干旱区的植被动态演变趋势进行研究，显示出稀疏植被区的植被活动持续增强，植被覆盖状况逐渐改善；Wang等[14]发现西北干旱区植被覆盖区域不同变化不同，除中部荒漠地区减少，其他部分呈现不同程度增加。植被变化揭示了自然环境与人类活动之间的相互影响及其反馈机制[15]。尽管已有大量研究探讨了西北干旱区植被动态[12-14,16]，但对不同植被类型FVC的变化，尤其是其空间变化和驱动因素的研究仍然不足。
植被与气候之间的关系是全球变化研究的热点话题，温度和降水是影响植被覆盖及其动态变化的重要因素[17]。因此，在全球变暖的背景下，FVC的时空变化能有效地阐明植被生长动态，是监测干旱压力和评估生态系统质量的有效手段。已有研究表明，气候虽然是大范围植被分布的决定性因素，但其影响的强度和作用方式往往受到时间和空间尺度的制约[18]。西北干旱区是我国典型的植被脆弱区，气候变化导致的气温升高和降水减少对植被生长和分布产生显著影响，进而影响生态系统的稳定性与服务功能[19]。已有研究表明局部区域显示气候变化对植被恢复的贡献正在增加，西北干旱区大区域尺度植被活动的研究仍然是目前关注的热点[20]。是否气候因子在西北干旱区不同植被类型FVC的变化中都发挥了积极作用尚不明晰。明确气候因子对植被变化的具体影响，对于优化未来的生态保护策略至关重要[21]。因此，本文基于1990—2022年Landsat数据、土地利用数据，利用像元二分法估算西北干旱区近32 a的植被覆盖度，通过Sen-MK趋势分析、空间相关分析方法分区对其时空变化特征和气候的影响进行分析，评估不同植被类型FVC变化情况及其对气候变化的响应，主要目标为：（1） 系统表征和量化1990—2022年西北干旱区植物生长季节（6—9月）植被覆盖的时空变化模式。（2） 探讨不同植被类型对不同等级的FVC贡献影响。（3） 分析不同植被类型的FVC对气候因子的响应。

1 材料与方法

1.1 研究区概况

研究区地理位置为35°~50°N，73°~105°E（图1），包括贺兰山-乌鞘岭以西，祁连山-昆仑山高大山脉以北（本研究中未涉及柴达木盆地）。行政区上主要包括新疆全省、甘肃省河西走廊地区和内蒙古西部地区，具体包括新疆的14个地、州、市，甘肃省的酒泉、嘉峪关、张掖、武威、金昌，以及内蒙古的阿拉善盟[22]，该区域包含中国四大沙漠和大片戈壁，荒漠化面积约占中国国土面积的1/4。由于远离海洋，西北干旱区气候干燥，降水稀少，属于干旱的大陆性气候。植被稀少，地貌呈现山地与盆地交错的格局，荒漠化土壤与其他地区形成鲜明对比[23]。
图1 研究区示意图

注:底图采用自然资源部标准地图制作，审图号为GS(2016)2923号，对底图边界无修改。下同。

Fig. 1 Map of study area

1.2 数据来源及预处理

基于GEE（Google Earth Engine）平台获取了1990—2022年西北干旱区植被生长季（6—9月）Landsat5/7/8数据，影像均已经过预处理，消除了大气、云、太阳高度角等因素的影响。其中Landsat 7数据采用美国地球资源观测与科技中心（Earth Resources Observation and Science，EROS）开发的去条带方法，对1999—2012年中数据缺失部分进行填充[24]。土地覆被数据集使用武汉大学发布的中国逐年土地覆盖数据（1990—2022），分辨率30 m。气候数据来自于CRU TS提供的全球1901—2022年覆盖陆地表面的月度数据和国家青藏高原科学数据中心提供的数据，选取西北干旱区1990—2022年生长季（6—9月）平均气温、总降水量、平均蒸散发和干燥度，经合成、投影、克里金插值、重采样得到气象数据序列。数据详见表1。
表1 数据详情

Tab. 1 Data details

数据集 空间分辨率 时间范围 数据来源
Landsat 5 SR 30 m 1990—2011年 美国地质调查局（https://www.usgs.gov/）
Landsat 7 SR 30 m 1999—2012年 美国地质调查局（https://www.usgs.gov/）
Landsat 8 SR 30 m 2013—2022年 美国地质调查局（https://www.usgs.gov/）
土地覆被数据 30 m 1990—2022年 武汉大学30 m分辨率中国土地覆被数据集（https://zenodo.org/record/8176941/）
气温数据 0.5° 1990—2022年 CRU TS（https://crudata.uea.ac.uk/cru/data/hrg/）
降水数据 0.5° 1990—2022年 CRU TS（https://crudata.uea.ac.uk/cru/data/hrg/）
蒸散发数据 0.0083333° 1990—2022年 国家青藏高原科学数据中心（https://data.tpdc.ac.cn/）
干燥度数据 0.0083333° 1990—2022年 国家青藏高原科学数据中心（https://data.tpdc.ac.cn/）

1.3 研究方法

1.3.1 植被覆盖度

利用最大值合成法计算西北干旱区1990—2022年生长季（6—9月）归一化植被指数（Normalized Difference Vegetation Index，NDVI），再采用像元二分模型（公式1）[25]计算西北干旱区FVC。
F V C = N D V I - N D V I s o i l N D V I v e g - N D V I s o i l
式中：NDVI为混合像元NDVI值； N D V I v e g和 N D V I s o i l分别为纯植被和裸土像元的 N D V I值。为减弱遥感图像噪声所带来的误差，根据研究区不同土地类型选取累积分布概率为5%的NDVI作为纯裸土像元值 N D V I s o i l和95%的NDVI作为纯植被像元值 N D V I v e g[26]，计算植被覆盖度。参考相关研究[27]将植被覆盖度划分为5个等级，分别为极低覆盖度（0≤FVC<0.2）、低覆盖度（0.2≤FVC<0.4）、中等覆盖度（0.4≤FVC<0.6）、高覆盖度（0.6≤FVC<0.8）和极高覆盖度（0.8≤FVC≤1）。

1.3.2 Sen趋势分析与Mann-Kendall显著性检验

Theil-Sen Median趋势分析线的中值，能够更好地将线拟合到平面上采样点，该方法广泛应用于气候、水文和植被等趋势分析[28]。Mann-Kendall检验是一种评估趋势显著性的非参数检验方法，能有效处理水文气象领域中的异常分布数据。两者均不需样本服从一定分布，并且不受少数异常值干扰[29]。文中通过结合两种方式对FVC的空间变化趋势及显著性进行分析。首先，采用Sen趋势分析（公式（2）、公式（3））量化西北干旱区FVC的变化趋势。
F f v c = M e d i a n F V C j - F V C i j - i
s i g n F V C j - F V C i = - 1 ,       i f F V C j - F V C i 0 0 ,           i f F V C j - F V C i = 0 1 ,           i f F V C j - F V C i 0
式中： F V C i和 F V C j分别为年份 i和 j的 F V C值 （ i j ）； F f v c为 F V C的变化趋势，当 F f v c>0，表示 F V C呈上升趋势，反之亦然， F f v c=0时， F V C不变； s i g n为符号函数， n为时间序列的长度。
其次，使用M-K检验量化FVC变化趋势的显著性，首先计算标准化Z检验统计量（公式4），然后将标准正态分布拟合到S统计量（公式5）[30]。
Z = S - 1 / v a r S , S 0 0                                                               , S = 0 S + 1 / v a r S , S 0
S = ∑ i = 1 n - 1 ∑ j = i + 1 n s i g n F V C j - F V C i
式中：S为方差。给定置信水平β， | Z | ≥ Z 1 - α / 2，表示按像素时间序列的序列中存在显著变化。Z的正值表示增加趋势，负值相反[14]（表2）。
表2 FVC变化等级趋势

Tab. 2 Trend of FVC change grade

β Z 趋势特征
β>0 Z>1.96 显著增加
Z<1.96 轻微增加
β=0 Z=0 无变化
β<0 Z>-1.96 轻微减少
Z<-1.96 显著减少

1.3.3 相关性分析

相关系数反映两个变量间的相关关系，通过相关系数（公式6）来反映影响因子与FVC的相关性[31]：
r x y = ∑ i = 0 n x i - x - y i - y - ∑ i = 0 n x i - x - 2 ∑ i = 0 n y i - y - 2
式中： n为样本数；变量 x i表示相关因子；变量 y i表示FVC； x -、 y -分别为 x i、 y i变量的均值； r x y为变量 x i和变量 y i的相关系数。根据相关系数r，将相关关系划分为不显著相关（|r|<0.35），显著相关（0.35≤|r|<0.5）和极显著相关（0.5≤|r|≤1）[32]。

2 结果与分析

2.1 植被覆盖度的时空变化特征

1990—2022年西北干旱区生长季FVC呈波动上升状态，其上升速率为每年0.98×10-4（图2）。其中，研究区极低覆盖（FVC<0.2）、低覆盖（FVC<0.4）区域面积占比呈现持续下降趋势，年变化率分别为0.1×10-5和0.5×10-3，中覆盖（FVC<0.6）、高覆盖（FVC<0.8）、极高覆盖（FVC≤1）区域面积占比呈增加趋势，近32 a面积占比分别增加0.1%、0.6%、0.5%，FVC整体表现为低覆盖向高覆盖转变的特征，这一变化趋势表明，“三北”防护林工程以及“开垦荒地、还草还林”政策的实施对西北干旱区植被改善产生了显著成效，有效促进了区域植被覆盖度的提升和生态系统的恢复。
图2 FVC等级占比及平均值

Fig. 2 FVC grade ratio and average value

1990—2022年西北干旱区生长季平均植被覆盖空间分布特征如图3所示。研究区植被覆盖整体以极低覆盖等级（FVC<0.2）为主，植被空间分布具有显著的区域异质性，主要沿河流廊道呈带状分布，天山山脉、北疆地区以及河西走廊三大内陆河流域（疏勒河、黑河、石羊河）区域植被覆盖度相对较高，这主要得益于这些区域相对优越的水热条件。
图3 1990—2022年平均生长季FVC空间分布

Fig. 3 Spatial distribution of FVC in the average growing season from 1990 to 2022

植被空间变化趋势分析（图4）表明，近32 a西北干旱区FVC未发生显著变化的区域占比为29.7%，主要分布在伊犁等植被茂盛区以及喀喇昆仑山脉、阿尔金山脉等高海拔冰川积雪覆盖区；FVC显著增加的面积占比最少（9.6%），空间上集中于疏勒河、黑河和石羊河流域等水资源丰富区域以及高海拔植被区；FVC轻微增加的面积占比为11.6%，主要分布在河流附近；FVC显著减少和轻微减少的区域分别占28.8%、20.3%，主要分布在巴丹吉林沙漠、河西地区的大面积戈壁、天山山脉以北的准噶尔盆地、哈密盆地等。总体来说，西北干旱区植被茂盛区域FVC不断增加，无植被或植被稀疏区域FVC减小。
图4 西北干旱区FVC空间变化趋势分析

Fig. 4 Analysis of spatial variation trend of FVC in arid area of Northwest China

2.2 土地利用数据与FVC联系

2.2.1 西北干旱区植被分布及面积变化

将研究区植被重分类[28]为耕地、林地、灌木、草地及非植被五类（图5）。统计分析表明，1990—2022年研究区植被类型发生了显著变化。其中，耕地面积呈现持续增长趋势，其占比由1990年的3.3%显著提升至2022年的4.9%；林地面积亦呈现缓慢增长态势，32 a增加了0.4%。草地面积则呈现波动变化特征，1990—2000年显著减少，2000—2010年出现短暂回升，此后又转为持续下降趋势。非植被类型在研究期间总体呈下降趋势，面积占比减少了0.9%。
图5 不同植被分布和面积变化

Fig. 5 Distribution and area change of different vegetation

2.2.2 不同植被类型面积及FVC变化

西北干旱区植被类型面积及FVC时间变化特征如图6所示，1990—2022年草地（图6a）面积及FVC整体呈现减少趋势（减少了2.4×104 km2）；耕地（图6b）面积及FVC表现出明显的扩张态势，其中1990—2015年增幅最为显著，面积增加了3.6×104 km2，2015年后趋于稳定，这一变化趋势与苏泽琛等[33]关于昌吉市耕地变化的研究结果具有一致性；灌木（图6c）在研究区分布面积最小，其面积与FVC在研究期间均未呈现显著变化；林地（图6d）面积虽有增加，但FVC却呈现减少趋势，这主要归因于新增林地多分布于FVC低覆盖区域，其占比不足研究区总面积的1%。
图6 不同植被类型FVC及面积变化

Fig. 6 FVC and area change of different vegetation types

2.2.3 不同土地类型对FVC各等级的贡献

以10 a为间隔，系统分析了1990年、2000年、2010年、2022年不同植被类型对同一等级FVC的贡献（图7）。耕地面积在研究期间显著增加，其对FVC高覆盖和极高覆盖等级的贡献率呈现明显上升趋势，其中对极高覆盖等级的贡献率从18.4%提升至37.2%，增幅显著；草地面积呈现“减少-增加-减少”的波动变化特征，除极低覆盖外，草地对其他各等级覆盖区的贡献占比均大于47.7%，其对FVC低覆盖和中覆盖等级的贡献率呈现稳定趋势，而对FVC高覆盖和极高覆盖等级的贡献率则持续下降；林地面积持续增长，对FVC高覆盖等级贡献较为显著，尤其对极高覆盖等级的贡献率增加了3.0%；灌木在研究区分布面积最小，其对各等级FVC的贡献均不明显；非植被类型（包括水体、不透水面、湿地等）对各等级FVC的贡献率均处于最低水平。
图7 不同土地类型对FVC各等级的贡献度

Fig. 7 Contribution degree of different land types to FVC grades

2.3 不同植被类型FVC及FVC对气候因子的响应

2.3.1 气候因子变化特征

基于1990—2022年气象观测数据，西北干旱区生长季平均总降水量、气温、蒸散发量及年均干燥度时空分布特征如图8所示。研究期间，降水量减少，气温升高和蒸散发增加，其中年均干燥度大于1.5的区域占比超过95%，表明该区域整体处于干旱状态；空间分布上，生长季降水量在阿尔泰山脉、天山山脉、昆仑山脉及石羊河流域等区域相对较高，而塔克拉玛干沙漠、准噶尔盆地等区域降水量极低；生长季气温与蒸散发量呈显著正相关关系，高温区域往往伴随着较高的蒸散发量；年均干燥度较低（即相对湿润）的区域通常具有较高的植被覆盖度（FVC）值，这反映了水分条件对植被生长的重要调控作用。
图8 西北干旱区生长季平均总降水量（a）、气温（b）、蒸散发（c）和年均干燥度（d）

Fig. 8 Average total precipitation (a), average air temperature (b), average evapotranspiration (c) during growing season and annual dryness (d) in the growing season in the arid area of Northwest China

2.3.2 不同植被覆盖区域气候因子变化趋势特征

根据不同植被覆盖区域降水、气温和蒸散发的变化情况可知（图9）。生长季平均总降水量在不同植被覆盖区域呈现显著差异，其值从高到低依次为灌木、林地、草地、耕地；生长季平均气温在耕地覆盖区最高，其次为草地和林地，灌木覆盖区最低。这特征主要归因于植被覆盖度差异，灌木和林地的植被覆盖较密集，拥有较大的叶面积指数，能够有效地进行蒸散发。这种蒸散发过程可以增加局部空气湿度和降低地表温度，从而促进降水的形成，形成正反馈机制。生长季的蒸散发量在不同植被覆盖区域表现为林地>耕地>草地>灌木的空间分布格局，这一结果进一步证实了不同植被覆盖类型对局地气候具有显著的调节作用。
图9 1990—2022年不同植被区域生长季总降水量（a）、平均气温（b）和蒸散发（c）

Fig. 9 Total precipitation (a), average air temperature (b) and average evapotranspiration (c) during the growing seasons across different vegetation region from 1990 to 2022

不同植被区域年干燥度占比不同（图10），灌木覆盖区年干燥度指数最低，其湿润区域年平均占比达61.03%，显著高于其他植被类型；林地覆盖区年干燥度占比次之，其湿润程度（占比约30%）高于草地覆盖区；草地覆盖区所在区域湿润程度不足10%，主要分布于干旱和半干旱区；耕地覆盖区则完全分布于干旱、半干旱区，年均湿润区占比不到5%。在西北干旱区，灌木和林地具有较高的植被覆盖和良好的土壤保水能力，保持了较低的干燥度，而耕地和草地因植被稀疏、土壤水分流失和蒸发加剧，导致干燥度较高。进一步说明，植被类型及其覆盖特征在调节局地微气候、改善区域水分条件方面发挥着重要的生态功能。
图10 1990—2022年不同植被区域年干燥度占比

Fig. 10 Percentage of annual dryness in different vegetation region from 1990 to 2022

2.3.3 FVC变化与气候因子的相关性

（1） FVC与降水和气温的相关性
基于前文分析（2.3.2）结果，不同植被覆盖区局部气候不同，为进一步明确植被覆盖变化与气候因子之间的关系，应用相关系数定量分析FVC与气候因子的相关性（图11）。结果表明，西北干旱区FVC与气候因子整体呈现负相关关系（负相关区域面积占比显著高于正相关区域）。FVC与降水的负相关面积占比52.0%，与温度的负相关面积占比为60.2%。在疏勒河、黑河上游流域以及准噶尔盆地、巴伊盆地等区域，FVC与气温和降水均呈正相关关系；FVC与气温、降水呈极显著正相关的区域占比最小，分别为2.9%、0.9%。FVC与气温、降水呈极显著正相关的区域主要集中北疆的天山山脉、准噶尔、巴伊盆地等地，这些地区FVC值相对较高。塔克拉玛干沙漠、库木塔格沙漠和巴丹吉林沙漠等地区，FVC与气温、降水呈极显著负相关关系。FVC与气温的空间相关性表现出明显的分异特征，在北疆等低海拔区域（如准噶尔盆地）多呈现负相关关系，而在高海拔地区则同时存在正负相关关系，但以正相关为主。
图11 FVC与生长季总降水量（a）、平均气温（b）、平均蒸散发（c）和年干燥度（d）相关性

Fig. 11 The correlation between FVC and total precipitation (a), average air temperature (b), average evapotranspiration (c) during the growing season, and annual dryness (d)

（2） FVC与蒸散发和年干燥度的相关性
西北干旱区FVC与蒸散发和干燥度呈现出相似的空间相关特征，FVC与蒸散发、干燥度的负相关面积占比均为63%，呈显著相关性的区域比例较小，均不足1%。FVC与蒸散发呈负相关区域主要分布在准噶尔盆地、巴伊盆地、巴丹吉林沙漠等区域，而高原山脉和流域区域呈现正相关关系。FVC与干燥度呈负相关的区域主要在巴伊盆地、巴丹吉林沙漠、喀喇昆仑山脉等区域，而在流域区域呈正相关。这一空间分布特征反映了西北干旱区水分条件对植被覆盖的显著影响，即在水资源相对丰富的流域区域，较高的蒸散发和较低的干燥度有利于植被生长，而在干旱的盆地和沙漠区域，强烈的蒸散发和高干燥度则对植被生长产生抑制作用。

3 讨论

本研究基于GEE平台通过像元二分模型计算的Landsat数据30 m分辨率的FVC数据集具有较高的可靠性，能够显示区域植被变化的细节。基于长时间序列的NDVI数据集，许多国内外学者通过建立各种方法（如像元模型、趋势分析和相关分析）对不同时间尺度和气候类型的研究区域的植被特征进行了深入分析和研究[5-6,12-15]。趋势分析用于探讨植被覆盖情况，结果发现，从1990年到2022年，研究区的年平均覆盖呈现出增加的趋势，各植被覆盖区呈现不同程度的增加，研究期内植被正处于恢复状态，在研究重叠年份，这与潘竟虎和李真的研究（2000—2012年）结果相吻合[34]，30多年以来，西北干旱区植被面积较原来植被范围逐渐扩大，体现了一种积极的发展趋势。
不同的植被类型，如林地、草地、灌木和耕地，对植被覆盖的影响各不相同。本研究结合土地利用数据细化了西北干旱区FVC和植被类型的关系，研究期间草地面积及FVC总体上呈减少趋势，草地类型对FVC各等级覆盖区贡献均呈减少趋势；耕地面积及FVC呈大幅度增加趋势，耕地类型对FVC高覆盖、极高覆盖贡献增加，这种趋势在2015年后基本稳定；林地面积增加，对FVC高覆盖区贡献较大，其他类型对FVC贡献不明显。
气候因子作为植被生长和分布的重要调节指标，对植被覆盖变化产生显著的影响[17]。许多研究表明，植被覆盖对气候因子的响应在不同区域、不同植被类型中表现不同[35]。在西北干旱区，灌木与林地覆盖区生长季总降水量较高，而温度较低，在耕地与草地覆盖区则表现相反。灌木覆盖区具有较高的湿润度和较低的干燥度，其他依次是林地、草地和耕地，说明一定的植被覆盖区影响一定的局部气候[36]。进一步通过相关性分析了FVC与降水、气温、蒸散发和干燥度的关系。降水和气温作为关键气象因子，从整体范围来看，均对植被绿度产生微弱的负相关影响，而在流域区域，降水与FVC呈正相关，降水越多，促进植被生长。在低海拔地区，气温与植被呈负相关，而在高海拔地区，气温适度上升为植物生长提供了更适宜的条件，促进了植被覆盖度增加。值得注意的是，FVC对降水变化的敏感度高于气温，在半干旱区、干旱区，这些地区主要以草地和草甸植被为主，土壤含水量低，地表蒸发高，植被对降水较为敏感[37]，FVC与蒸散发和干燥度相关主要呈负相关性，也进一步说明降水对植被的重要影响。由于西北干旱区沙漠、戈壁面积大，气候十分恶劣，故西北干旱区气候的变化对于植被变化影响十分显著。本研究仅分析了FVC变化与气温、降水、蒸散发和干燥度的关系，未顾及其他气候因子及地形等因子的影响，同时，也未考虑不同植被类型的植被覆盖变化对气候因子的滞后效应等，在未来，需要通过合理的方法和模型，更加全面、细致地分析FVC对气候因子的响应。

4 结论

本文探究了1990—2022年西北干旱区FVC时空变化特征，量化了不同植被类型对于FVC的贡献，并分析了不同植被类型FVC与气候变化的响应特征，结论如下：
（1） 近32 a，西北干旱区植被覆盖总体发展趋势变好，生长季FVC呈波动增长趋势，增长速率每年为0.98×10-4，研究区FVC平均值较低（值为0.20）。流域区域植被状况优于其他区域，植被分布具有明显的空间异质性。
（2） 通过分析西北干旱区植被覆盖度（FVC）和土地利用数据，西北干旱区植被面积增长了2.1×104 km2，且不同土地类型对于研究区FVC不同等级植被覆盖的贡献不同，草地对FVC各等级覆盖区的贡献均最多；林地和耕地面积增加，对于FVC极高覆盖的贡献也随之增加。
（3） FVC与气候因子的相关性表明不同地区FVC与气候的响应差异较大。不同植被区域生长季的平均总降水量从高到低依次为灌木、林地、草地和耕地，气温的变化正好相反，蒸散发则是林地>耕地>草地>灌木，灌木覆盖区年平均湿润区域占比高达61.03%，而耕地覆盖区的湿润区域占比不足5%。FVC与气候因子之间整体呈现负相关关系，其中与降水的负相关面积占比为52.0%，与温度的负相关面积占比为60.2%，与蒸散发、干燥度的负相关面积占比均为63%。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Mao P, Zhang J, Li M, et al. Spatial and temporal variations in fractional vegetation cover and its driving factors in the Hulun Lake region[J]. Ecological Indicators, 2022, 135: 108490.

[2]
Xu W, Liu H, Zhang Q, et al. Response of vegetation ecosystem to climate change based on remote sensing and information entropy: A case study in the arid inland river basin of China[J]. Environmental Earth Sciences, 2021, 80: 132.

[3]
Zarandian A, Ramezani Mehrian M, Mohammadyari F. Impact assessment of vegetation loss on the ecosystem functions in a semiarid watershed in Iran[J]. Acta Geophysica, 2022, 70: 677-696.

[4]
Tang Z X, Zhou Z X, Wang D, et al. Impact of vegetation restoration on ecosystem services in the Loess Plateau, a case study in the Jinghe Watershed, China[J]. Ecological Indicators, 2022, 142: 109183.

[5]
Ma S, Wang L J, Jiang J, et al. Threshold effect of ecosystem services in response to climate change and vegetation coverage change in the Qinghai-Xizang Plateau ecological shelter[J]. Journal of Cleaner Production, 2021, 318: 128592.

[6]
Zhang Z Q, Zhai P M. Numerical simulation of the effects of global warming on vegetation in Asia[J]. Advances in Climate Change Research, 2022, 13(5): 688-699.

[7]
Li X, Shi Z, Yu J, et al. Study on the change in vegetation coverage in desert oasis and its driving factors from 1990 to 2020 based on Google Earth Engine[J]. Applied Sciences, 2023, 13: 5394.

[8]
张倩, 曹广超, 张乐乐, 等. 祁连山南坡植被绿度时空变化及其对气候变化和人类活动的响应[J]. 干旱区研究, 2024, 41(12): 2143-2153.

DOI

[Zhang Qian, Cao Guangchao, Zhang Lele, et al. Spatiotemporal changes in vegetation greenness on the southern slopes of the Qilian Mountains and their responses to climate change and human activities[J]. Arid Zone Research, 2024, 41(12): 2143-2153.]

DOI

[9]
杨鹏辉, 田佳, 张楠, 等. 1990—2022年黄河流域植被时空变化特征及未来趋势预测[J]. 生态学报, 2024, 44(19): 8542-8553.

[Yang Penghui, Tian Jia, Zhang Nan, et al. Characteristics of spatio-temporal changes and future trends forecast of vegetation cover in the Yellow River basin from 1990-2022[J]. Acta Ecologica Sinica, 2024, 44(19): 8542-8553.]

[10]
李卓忆, 杨庆, 马柱国, 等. 中国北方干旱半干旱区植被对气候变化和人类活动的响应[J]. 大气科学, 2024, 48(3): 859-874.

[Li Zhuoyi, Yang Qing, Ma Zhuguo, et al. Responses of vegetation to climate change and human activities in the arid and semiarid regions of northern China[J]. Chinese Journal of Atmospheric Sciences, 2024, 48(3): 859-874.]

[11]
Xu Z X, Li Y F, Li B, et al. A comparative study on the applicability and effectiveness of NSVI and NDVI for estimating fractional vegetation cover based on multi-source remote sensing image[J]. Geocarto International, 2023, 38(1): 2184501.

[12]
赵晶, 周耀治, 邓兴耀. 西北干旱区植被覆盖时空动态特征[J]. 林业资源管理, 2017(1): 118-126.

[Zhao Jing, Zhou Yaozhi, Deng Xingyao. Temporal-spatial dynamic change characteristics of vegetation coverage in arid regions of Northwest China[J]. Forest and Grassland Resources Research, 2017(1): 118-126.]

[13]
王玮, 冯琦胜, 郭铌, 等. 基于长时间序列NDVI资料的我国西北干旱区植被覆盖动态监测[J]. 草业科学, 2012, 32(12): 1969-1979.

[Wang Wei, Feng Qisheng, Guo Ni, et al. Dynamic monitoring of vegetation coverage based on long time-series NDVI data sets in northwest arid region of China[J]. Pratacultural Science, 2012, 32(12): 1969-1979.]

[14]
Wang S, Liu Q, Huang C. Vegetation change and its response to climate extremes in the arid region of Northwest China[J]. Remote Sensing, 2021, 13: 1230.

[15]
阿多, 赵文吉, 宫兆宁, 等. 1981—2013华北平原气候时空变化及其对植被覆盖度的影响[J]. 生态学报, 2017, 37(2): 576-592.

[A Duo, Zhao Wenji, Gong Zhaoning, et al. Temporal analysis of climate change and its relationship with vegetation cover on the north China plain from 1981 to 2013[J]. Acta Ecologica Sinica, 2017, 37(2): 576-592.]

[16]
Zhou Q, Chen W, Wang H, et al. Spatiotemporal evolution and driving factors analysis of fractional vegetation coverage in the arid region of Northwest China[J]. Science of the Total Environment, 2024, 954: 176271.

[17]
李茂华, 都金康, 李皖彤, 等. 1982—2015年全球植被变化及其与温度和降水的关系[J]. 地理科学, 2020, 40(5): 823-832.

DOI

[Li Maohua, Du Jinkang, Li Wantong, et al. Global vegetation change and its relationship with precipitation and temperature based on GLASS-LAI in 1982-2015[J]. Scientia Geographica Sinica, 2020, 40(5): 823-832.]

DOI

[18]
Wang Y, Kong X, Guo K, et al. Spatiotemporal change in vegetation cover in the Yellow River Basin between 2000 and 2022 and driving forces analysis[J]. Frontiers in Ecology and Evolution, 2023, 11: 1261210.

[19]
Li M, Yao J, Zheng J. Spatio-temporal change and drivers of the vegetation trends in central Asia[J]. Forests, 2024, 15: 8.

[20]
Dong H, Liu Y, Cui J, et al. Spatial and temporal variations of vegetation cover and its influencing factors in Shandong Province based on GEE[J]. Environmental Monitoring and Assessment, 2023, 195: 1023.

DOI PMID

[21]
Lin J, Bo W, Dong X, et al. Evolution of vegetation cover and impacts of climate change and human activities in arid regions of Northwest China: A Mu Us Sandy Land case[J]. Environment, Development and Sustainability, 2024. doi.org/10.1007/s10668-024-04704-4.

[22]
张学渊, 魏伟, 周亮, 等. 西北干旱区生态脆弱性时空演变分析[J]. 生态学报, 2021, 41(12): 4707-4719.

[Zhang Xueyuan, Wei Wei, Zhou Liang, et al. Analysis on spatio-temporal evolution of ecological vulnerability in arid areas of Northwest China[J]. Acta Ecologica Sinica, 2021, 41(12): 4707-4719.]

[23]
陈亚宁, 李忠勤, 徐建华. 中国西北干旱区水资源与生态环境变化及保护建议[J]. 中国科学院院刊, 2023, 38(3): 385-393.

[Chen Yaning, Li Zhongqin, Xu Jianhua. Changes and protection suggestions in water resources and ecological environment in arid region of Northwest China[J]. Bulletin of Chinese Academy of Sciences, 2023, 38(3): 385-393.]

[24]
赵楠, 赵颖慧, 邹海凤. 1990—2020年黑龙江省植被覆盖度的时空变化趋势及驱动力[J]. 应用生态学报, 2023, 34(5): 1320-1330.

DOI

[Zhao Nan, Zhao Yinghui, Zou Haifeng. Spatial and temporal trends and drivers of fractional vegetation cover in Heilongjiang Province China during 1990-2020[J]. Chinese Journal of Applied Ecology, 2023, 34(5): 1320-1330.]

[25]
陈以恒, 玉素甫江·如素力, 阿卜杜热合曼·吾斯曼. 2001—2020年天山新疆段草地植被覆盖度时空变化及驱动因素分析[J]. 植物生态学报, 2024, 48(5): 561-576.

DOI

[Chen Yiheng, Yusufujiang Rusuli, Abdureheman Wusiman. Analysis of spatial and temporal variation in grassland vegetation cover in Xinjiang section of Tianshan Mountains and the driving factors from 2001 to 2020[J]. Chinese Journal of Plant Ecology, 2024, 48(5): 561-576.]

DOI

[26]
刘坤, 袁新, 肖寒予, 等. 2000—2019年西藏草地植被覆盖度对气温和降水变化的响应[J]. 中国资源综合利用, 2022, 40(5): 95-100.

[Liu Kun, Yuan Xin, Xiao Hanyu, et al. Responses of grassland fractional vegetation coverage to temperature and precipitation changes in Xizang from 2000 to 2019[J]. China Resources Comprehensive Utilization, 2022, 40(5): 95-100.]

[27]
闫志远, 张圣微, 王怡璇. 基于GEE的1982—2021年内蒙古地区植被覆盖度时空动态及气候响应特征[J]. 农业工程学报, 2023, 39(15): 94-102.

[Yan Zhiyuan, Zhang Shengwei, Wang Yixuan. Spatiotemporal dynamics of fractional vegetation cover and climate response in Inner Mongolia during 1982-2021 based on GEE[J]. Transactions of the Chinese Society of Agricultural Engineering, 2023, 39(15): 94-102.]

[28]
杨靖, 戴君虎, 姚华荣, 等. 1992—2020年横断山区植被分布与植被活动变化[J]. 地理学报, 2022, 77(11): 2787-2802.

DOI

[Yang Jing, Dai Junhu, Yao Huarong, et al. Vegetation distribution and vegetation activity changes in the Hengduan Mountains from 1992 to 2020[J]. Acta Geographica Sinica, 2022, 77(11): 2787-2802.]

DOI

[29]
黄豪奔, 徐海量, 林涛, 等. 2001—2020年新疆阿勒泰地区归一化植被指数时空变化特征及其对气候变化的响应[J]. 生态学报, 2022, 42(7): 2798-2809.

[Huang Haoben, Xu Hailiang, Lin Tao, et al. Spatio-temporal variation characteristics of NDVI and its response to climate change in the Altay region of Xinjiang from 2001 to 2020[J]. Acta Ecologica Sinica, 2022, 42(7): 2798-2809.]

[30]
de Jong R, de Bruin S, de Wit A, et al. Analysis of monotonic greening and browning trends from global NDVI time-series[J]. Remote Sensing of Environment, 2011, 115(2): 692-702.

[31]
肖建勇, 王世杰, 白晓永, 等. 喀斯特关键带植被时空变化及其驱动因素[J]. 生态学报, 2018, 38(24): 8799-8812.

[Xiao Jianyong, Wang Shijie, Bai Xiaoyong, et al. Determinants and spatial-temporal evolution of vegetation coverage in the Karst critical zone of South China[J]. Acta Ecologica Sinica, 2018, 38(24): 8799-8812.]

[32]
沈贝贝, 魏一博, 马磊超, 等. 内蒙古草原植被覆盖度时空格局变化及驱动因素分析[J]. 农业工程学报, 2022, 38(12): 118-126.

[Shen Beibei, Wei Yibo, Ma Leichao, et al. Spatiotemporal changes and drivers of fractional vegetation cover in Inner Mongolia grassland of China[J]. Transactions of the Chinese Society of Agricultural Engineering, 2022, 38(12): 118-126.]

[33]
苏泽琛, 邵战林. 干旱区土地利用变化对耕地空间的影响及预测——以昌吉市为例[J]. 干旱区研究, 2024, 41(11): 1936-1945.

DOI

[Su Zechen, Shao Zhanlin. Influence and prediction of land use change on the space of arable land in arid zones: Taking Changji City as an example[J]. Arid Zone Research, 2024, 41(11): 1936-1945.]

DOI

[34]
潘竟虎, 李真. 2001—2012年西北干旱区植被净初级生产力时空变化[J]. 生态学杂志, 2015, 34(12): 3333-3340.

[Pan Jinghu, Li Zhen. Spatiotemporal changes in vegetation net primary productivity in the arid region of Northwest China, 2001 to 2012[J]. Chinese Journal of Ecology, 2015, 34(12): 3333-3340.]

[35]
马海云, 张林林, 魏学琼, 等. 2000—2015年西南地区土地利用与植被覆盖的时空变化[J]. 应用生态学报, 2021, 32(2): 618-628.

DOI

[Ma Haiyun, Zhang Linlin, Wei Xueqiong, et al. Spatial and temporal variations of land use and vegetation cover in Southwest China from 2000 to 2015[J]. Chinese Journal of Applied Ecology, 2021, 32(2): 618-628.]

DOI

[36]
Shi L, Fan H, Yang L, et al. NDVI-based spatial and temporal vegetation trends and their response to precipitation and temperature changes in the Mu Us Desert from 2000 to 2019[J]. Water Science & Technology, 2023, 88(2): 430-442.

[37]
Liu Y, Huang T, Qiu Z, et al. Effects of precipitation changes on fractional vegetation cover in the Jinghe River basin from 1998 to 2019[J]. Ecological Informatics, 2024, 80: 102505.

Options
文章导航

/

〈 〉