EN中文

干旱区研究 >

2025 , Vol. 42 >Issue 6: 1114 - 1125

DOI: https://doi.org/10.13866/j.azr.2025.06.14

生态与环境

古浪县八步沙区域生态环境质量变化

  • 魏倩 , 1, 2 ,
  • 马全林 , 2 ,
  • 赵锐锋 3
展开
  • 1.甘肃农业大学林学院，甘肃 兰州 730070
  • 2.甘肃省林业科学研究院，甘肃 兰州 730020
  • 3.西北师范大学地理与环境科学学院，甘肃 兰州 730070
马全林. E-mail:

魏倩（1999-），女，硕士研究生，主要从事荒漠生态研究. E-mail:

收稿日期: 2024-06-23

  修回日期: 2025-04-16

  网络出版日期: 2025-08-12

基金资助

国家自然科学基金项目(32160410)

中央财政林业科技推广示范项目(2021ZYTG002)

甘肃省防沙治沙科技创新项目(2023-ZS-01)

收起

Change in the ecological environment quality in Babusha region in the Gulang County

  • WEI Qian , 1, 2 ,
  • MA Quanlin , 2 ,
  • ZHAO Ruifeng 3
Expand
  • 1. College of Forestry, Gansu Agricultural University, Lanzhou 730070, Gansu, China
  • 2. Gansu Forestry Scientific Research Institute, Lanzhou 730020, Gansu, China
  • 3. College of Geography and Environmental Science, Northwest Normal University, Lanzhou 730070, Gansu, China

Received date: 2024-06-23

  Revised date: 2025-04-16

  Online published: 2025-08-12

Fold

摘要

八步沙区域地处青藏高原生态屏障与北方防沙带的交汇地带，是抵御腾格里沙漠南侵的前沿阵地，评估其生态环境质量的变化对评价区域防沙治沙成效、推进“三北”工程攻坚战具有一定指导意义。本研究基于Google Earth Engine（GEE）平台数据，探讨1986—2021年八步沙区域土地利用格局变化趋势，利用归一化植被指数（NDVI）、沙漠化指数（DI）和遥感生态指数（RSEI）对区域生态环境质量的时空变化进行综合评估。 结果表明：（1） 在时间尺度上，八步沙区域荒漠面积持续减少、草地面积持续增加、植被覆盖度增加。1986—2021年NDVI和RSEI呈波动上升趋势，其中NDVI由0.14上升至0.31，增长幅度达1倍以上；RSEI由0.22上升至0.24，增幅为9.39%；DI呈波动下降趋势，由0.79递减至0.57，累计降幅达27.85%。（2） 在空间尺度上，NDVI和RSEI高值区集中在研究区南部及西北部且以林地和耕地为主，低值区分布在研究区北部且以极低覆盖度植被和荒漠为主。（3） 研究区NDVI和RSEI趋势变化以不显著/显著增加为主，DI以不显著减少为主。其中，NDVI不显著、显著增加区域占比达12.12%、61.10%；RSEI不显著、显著增加区域占比达5.06%、38.63%，生态环境质量改善区域集中在人类活动较多的西北部和东南部。1986—2021年八步沙区域植被覆盖度明显提高，生态环境质量持续改善，防沙治沙成效显著，形成了可复制的八步沙模式。

关键词： 生态环境质量; 植被覆盖度; 遥感生态指数; 时空变化; 八步沙

本文引用格式

魏倩 , 马全林 , 赵锐锋 . 古浪县八步沙区域生态环境质量变化[J]. 干旱区研究, 2025 , 42(6) : 1114 -1125 . DOI: 10.13866/j.azr.2025.06.14

Abstract

Located in the convergence zone of the Qinghai-Xizang Plateau Ecological Barrier and the Northern Sand Control Belt, the Babusha region acts as a frontline defense against the southward encroachment of the Tengger Desert. Assessing changes in the ecological environment quality in the Babusha region holds significant value for evaluating the effectiveness of regional desertification control and advancing the Three-North Shelterbelt Development Program. This study used data from the Google Earth Engine platform to investigate land use pattern changes in the Babusha region from 1986 to 2021. A comprehensive assessment of the spatiotemporal changes in the regional ecological environment quality was conducted using the normalized difference vegetation index (NDVI), desertification index (DI), and remote sensing ecological index (RSEI). The results were as follows: (1) Over time, the desert area in the Babusha region has continued to decrease, the grassland area has progressively increased, and the vegetation coverage has improved. From 1986 to 2021, NDVI and RSEI showed a fluctuating upward trend, with NDVI increasing from 0.14 to 0.31 (>50% increase) and RSEI increasing from 0.22 to 0.24 (9.39% increase). In contrast, DI exhibited a fluctuating downward trend, decreasing from 0.79 to 0.57 with a cumulative reduction of 27.85%. (2) Areas with high NDVI and RSEI values were concentrated in the southern and northwestern parts of the study region, dominated by woodland and cultivated land, whereas areas with low NDVI and RSEI values were distributed in the northern region characterized by extremely low vegetation coverage and desert. (3) The trend analysis primarily revealed a nonsignificant or significant increase in NDVI and RSEI values and a nonsignificant decrease in DI values. Specifically, 12.12% and 61.10% of the study area exhibited a nonsignificant and significant increase in NDVI, respectively, whereas 5.06% and 38.63% of the study area showed a nonsignificant and significant increase in RSEI, respectively. The ecological improvement areas were concentrated in the northwestern and southeastern regions with higher human activity levels. From 1986 to 2021, the Babusha region demonstrated marked vegetation restoration, sustained improvement in the ecological environment, and significantly effective desertification control, facilitating the establishment of a replicable Babusha model.

Key words： ecological environment quality; vegetation coverage; remote sensing ecological index (RSEI); spatiotemporal variation; Babusha

土地沙化是人类所面临的重要环境挑战之一[1]，而我国是受土地沙化危害最为严重的国家之一，且沙化土地的生态恢复是保障区域生态安全和社会经济可持续发展的关键[2]。甘肃省作为中国西北内陆的重要省份，土地沙化不仅破坏了生态环境，还加剧了贫困，成为制约全省经济社会可持续发展的重大隐患[3]。我国历来重视防沙治沙工作，特别是“三北”防护林建设工程显著遏制了区域沙化面积的扩大，取得了举世瞩目的成就[4]。2023年6月6日，习近平总书记在内蒙古巴彦淖尔莅临考察，部署了“三北”工程三大标志性战役，努力创造新时代中国防沙治沙新奇迹的目标[5]，这一重要部署与八步沙区域的生态治理实践高度契合，为该区域的防沙治沙工作提供了重要方向和政策支持，对提升区域生态环境质量和推动可持续发展具有深远意义。
为更好地给新时代防沙治沙提供决策支持和实践指导，全面、客观、准确地分析和评估区域生态环境质量及其变化趋势以及前期防沙治沙工作的成效尤为重要。相比于实地调查，遥感技术在大尺度、长时间序列的生态监测方面具有显著优势[6]，利用遥感数据可以有效评估治理成效，解译和分析遥感图像中的各生态环境质量指数[7]，如归一化植被指数（Normalized Difference Vegetation Index，NDVI）、沙漠化指数（Desertification Index，DI）和遥感生态指数（Remote Sensing Ecological Index，RSEI）等。土地利用变化和NDVI作为量化植被覆盖的关键指标，可以反映植被绿度与覆盖度[8]；DI由地表反照率和植被指数联合构建，可以较好地表征荒漠化程度[9]；RSEI计算简便且完全基于遥感信息，对于地区的生态质量评价结果较为客观与合理，已被广泛应用于各地区的生态质量评价与变化分析中[10]。针对遥感数据处理的难题，GEE平台整合多源卫星数据与地理数据集，支持大规模长时间序列分析，在植被动态监测中成效显著[11]。赵安周等[12]利用GEE平台研究了黄土高原植被覆盖度在1986—2021年的时空演变及影响因素。张神宝等[13]利用GEE平台研究了奈曼旗植被覆盖时空演变及驱动力。
八步沙区域作为国家“两屏三带”生态安全格局的重要组成部分，这里既是河西走廊—塔克拉玛干沙漠边缘阻击战的关键战场，也是古浪县历史上最大的风沙口。1981年古浪县对八步沙试行“政府补贴，个人承包”政策，组建了八步沙林场[14]。经过三代人的固沙造林，八步沙林场完成治沙造林1.5×104 hm2，管护封沙育林（草）2.5×104 hm2[15]，有效控制了古浪北部绿洲边缘的土地沙化，成为全国防沙治沙的典范。为此，本研究选择以八步沙林场为核心的区域作为研究区，基于遥感数据，对研究区的植被动态和生态环境质量变化进行研究分析，以掌握固沙植被变化的趋势和规律，科学评价防沙治沙的成效，为河西走廊—塔克拉玛干沙漠边缘阻击战及周边区域生态建设工程布局以及技术应用提供依据和指导。

1 研究区概况与研究方法

1.1 研究区概况

研究区选择在古浪县北部的八步沙区域（包括八步沙林场及其周边区域），其经纬度范围为37°23′~37°55′N，102°57′~103°50′E，属腾格里沙漠南缘向南凸出的一片沙地[16]，地势北低南高（图1）。地理位置独特，东临大靖城，西靠土门镇，南有祁连山脚下的明长城，向北延伸便进入腾格里沙漠腹地。气候属温带大陆性干旱气候，气温日、年变化大，年降水量约180 mm，分布不均；太阳辐射强，蒸发量大，地下水位埋深超过60 m[17]；土壤以风沙土为主；地貌类型包括流动沙丘、半固定和固定沙丘、干河床和风蚀沙地。地带性植被为草原化荒漠，主要天然灌木植物有油蒿（Artemisia ordosica）、霸王（Zygophyllum xanthoxylum）、驼绒藜（Krascheninnikovia ceratoides）、红砂（Reaumuria songarica）等，天然草本植物主要有短花针茅（Stipa breviflora）、沙葱（Allium mongolicum）、沙米（Agriophyllum squarrosum）、画眉草（Eragrostis pilosa）、五星蒿（Bassia dasyphylla）等，人工栽植灌木有花棒（Corethrodendron scoparium）、梭梭（Haloxylon ammodendron）、柠条（Caragana korshinskii）、柽柳（Tamarix chinensis）等[18]。
图1 研究区概况图

Fig. 1 Overview of the study region

1.2 研究方法

1.2.1 数据获取

本研究以归一化植被指数（NDVI）、沙漠化指数（DI）和遥感生态指数（RSEI）作为评价指标来反映八步沙区域生态环境质量时空变化；遥感影像的提取和处理均在GEE云平台完成（https://code.earthengine.google.com/），均来源于美国地质调查局（https:// eartxplorer.usgs.gov/），空间分辨率为30 m。借助GEE平台筛选出云量低于10%的遥感影像得到NDVI数据集，DI（荒漠化指数）以及RSEI（遥感生态指数）均使用Landsat卫星波段计算得到。
土地利用数据采用武汉大学Yang等[19]的中国年度土地覆盖数据集（China Land Cover Dataset，CLCD），目前包含1985—2021中国逐年土地覆盖信息，空间分辨率30 m。在GEE中导入数据集，根据定义区域导出八步沙区域的土地利用信息。

1.2.2 评价指标计算方法

（1） 归一化植被（NDVI）
NDVI是最常用的植被指数之一，是衡量生态系统健康和植被覆盖度的重要指标；通过近红外（NIR）和红光（RED）波段的反射率差异，反映地表植被的健康状况和覆盖密度[20-21]。
N D V I = N I R - R E D N I R + R E D
式中：NIR为近红外波段反射率；RED为红光波段反射率。取值范围-1~1，值越高表示植被越密集、越健康。当某一区域NDVI值大于0.5时，其有很大概率为植被区域。为反应NDVI时空分布格局，将1986—2021年的NDVI分成5个等级[22]：极低值（NDVI≤0）、低值（0<NDVI≤0.3）、中值（0.30<NDVI≤0.5）、高值（0.5<NDVI≤0.7）和极高值（NDVI>0.7）。
（2） 沙漠化指数（DI）
DI是用于量化土地退化为沙漠状态的程度或风险的指标，综合反映生态系统的脆弱性和人类活动对土地的影响[23]。本文利用地表反照率（Albedo）和土壤调整植被指数(SAVI)计算DI[9]。
D I = A   l b   e d o - S A V I
A   l b   e d o = 0.356 B L U E + 0.130 R E D + 0.373 N I R +                                     0.085 S W I R 1 + 0.072 S W I R 2 - 0.0018
S A V I = 1 2 × 2 N I R + 1 -                             2 N I R + 1 ) 2 - 8 ( N I R - R E D ) 2
式中：BLUE、RED、NIR、SWIR1、SWIR2分别代表蓝波段、红波段、近红波段、中红外波段1、中红外波段2。根据DI大小将沙漠化分为非沙漠化（DI≤0.1）、轻度沙漠化（0.1<DI≤0.3）、中度沙漠化（0.3<DI≤0.5）和重度沙漠化（DI≥0.5）4类[24]。
（3） 遥感生态指数（RSEI）
RSEI是在4个生态指数的基础上通过主成分变换得出的一个评价生态环境质量的指标，能够系统衡量区域生态质量的动态变化，适用于大范围、长时序的监测需求[25]。公式如下所示：
R S E I = f G r e e n n e s s , W e t n e s s , D r y n e s s , H e a t
式中：绿度（Greenness）、湿度（Wetness）、干度（Dryness）和热量（Heat）分别为归一化植被指数（NDVI）、湿度（WET）、归一化土壤指数（Normalized Difference Dryness Index，NDBSI）和地表温度（Land Surface Temperature，LST），根据RSEI值将生态环境质量分为差（RSEI≤0.2）、较差（0.2<RSEI≤0.4）、中等（0.4<RSEI≤0.6）、良好（0.6<RSEI≤0.8）和优秀（RSEI≥0.8）5个等级。
（4） Slope趋势分析
Slope趋势分析法通过一元线性回归拟合多年序列遥感指数的时间变化趋势，能够有效消除偶发因素干扰，更准确地反映研究区生态环境质量的长期变化特征[26]。计算公式如下：
θ S l o p e = n ∑ i = 1 n ( i × x i ) - ∑ i = 1 n i ∑ i = 1 n x i n ∑ i = 1 n i 2 - ∑ i = 1   n i 2
式中：n表示时间序列的长度；i表示第i年； x i表示像元个数。Slope>0，表示指数随时间变化呈上升趋势，反之呈下降趋势。

2 结果与分析

2.1 土地利用类型变化

1986—2021年八步沙区域的主要土地利用类型以草地和荒漠为主，林地和建设用地所占比例较低（图2）。其中，荒漠面积持续减少（图2，图3），面积从1226.16 km2减少到637.08 km2，1986—2021年荒漠面积降低了20.52%；草地和耕地的面积持续增加，其中草地面积的增长幅度最大，增加了403.97 km2。空间分布上，耕地主要分布在八步沙的西北部及南部，碎片化程度逐渐降低，空间显著集聚；荒漠主要分布于中部和北部，范围被持续压缩，到研究时段末，中部的荒漠区几乎消失。荒漠缩减呈现“中部快速消失—北部缓慢收缩”的差异化特征，反映了灌草结合、工程固沙等治理措施的有效性。近36 a来，八步沙区域生态环境显著改善，防沙治沙效果显著。
图2 1986—2021年八步沙区域土地利用类型空间分布

Fig. 2 Spatial distribution of land use type in Babusha region from 1986 to 2021

图3 1986—2021年八步沙区域不同土地利用类型面积占比

Fig. 3 Proportion of the different land use types in Babusha region from 1986 to 2021

2.2 生态环境质量指数时间变化特征

1986—2021年八步沙区域NDVI呈现出较为明显的波动上升态势（图4a），由1986年的0.14上升至2021年的0.31，增长幅度达1倍以上，2021年较1986年增长了129.45%，植被覆盖度增加明显。其中，2015—2021年NDVI增长最明显，动态度达到8.24%，远高于其他时间段，是生态恢复的加速期。NDVI的显著提升不仅反映出长期生态治理的累积效应，还表明植被系统已逐步具备自我维持能力，形成“人工干预—自然恢复—稳定演替”的良性循环。
图4 1986—2021年八步沙区域NDVI、DI、RSEI时间变化

Fig. 4 Time changes of NDVI, DI and RSEI in Babusha region from 1986 to 2021

1986—2021年八步沙区域DI呈现持续降低（图4b），由1986年0.79递减至2021年0.57，累计降幅达27.85%，沙漠化状况明显改善。其中，1986—2015年处于逐步改善阶段，DI年均降幅平稳，与NDVI的稳定上升相耦合，这一时期固沙植被的逐渐恢复有效促进了沙漠化改善。2015—2021年DI出现显著降低，动态度（-2.49%）超过前期总和的50.20%，表明该时期治理进程加速。
八步沙区域RSEI总体呈现“波动中缓慢增长”的趋势（图4c），但程度有限，由1986年的0.22上升至2021年的0.24，增幅为9.39%。其中在1986—1989年及2011—2016年出现了两次明显的下降趋势，可能是由人类活动干扰（如阶段性过度放牧）、干旱事件（2011年西北大旱）等因素所致。相比之下，2011—2021年RSEI值相对稳定，这一稳定的趋势说明了生态建设措施的有效实施对改善环境质量起到了积极作用。

2.3 生态环境质量指数空间变化特征

1986—2021年NDVI高值区域分布在八步沙的西部及东南部，其中1986—1995年（图5a~图5c、表1）以低值为主，中高值面积增长较多，1986年八步沙区域低值区面积占比高达92.16%，极低值和高值区分别仅占0.02%和1.35%，表明此时荒漠化严重，植被覆盖极低。而到1995年，低值区比例下降至85.83%，中值区从4.27%增至7.40%，高值区从2.20%升至4.51%。结合地理分布，这一时期NDVI高值区主要在西部的绿洲边缘和东南部人工林区域零星分布；1995—2005年（图5c~图5e，表1），低值区面积从85.83%降至83.78%，中值区占比稳定在7.10%左右，高值和极高值区从4.51%和2.05%分别增至4.63%和4.40%。地理分布显示，高值区由零星分布逐渐连接成片，尤其在东南部人工林带和西部绿洲外围形成规模。低值区域面积减少约2%，说明此类区域植被覆盖低、根系浅，易受风沙侵蚀，部分因沙漠化加剧彻底退化为极低值，部分通过治理转化为中高值。2005—2015年（图5e~图5g，表1），高值及以上面积显著增加；极高值区面积从4.40%猛增至6.89%，高值区从4.63%增至6.29%。中值区占比稳定在7.00%左右，而低值区显著下降至79.44%。地理分布显示，高值区在西部绿洲内部形成连续斑块，东南部林地与耕地叠加区域高值密度显著提升，2015—2021年（图5g~图5h，表1），总植被覆盖度处于整个研究段的高峰，极高值区从6.89%激增至10.69%，高值区占比5.06%略有波动，中值区跃升至13.43%。高值区在西部绿洲和东南部耕地带快速蔓延，形成大范围连片分布。NDVI与土地利用类型的关联性凸显，高值区优先在地形平坦、水源充足、人类干预密集的耕地与林地扩展，而草地因环境胁迫维持中低值但由于面积占比大，故贡献总量大。
图5 1986—2021年八步沙区域NDVI分级

Fig. 5 NDVI classification for the Babusha region from 1986 to 2021

表1 八步沙区域NDVI各等级面积占比

Tab. 1 Percentage of area in each class of NDVI in the Babusha region /%

NDVI 1986年 1990年 1995年 2000年 2005年 2010年 2015年 2021年
极低值 0.02 0.02 0.21 0.47 0.10 0.44 0.19 0.04
低值 92.16 92.05 85.83 86.38 83.78 81.09 79.44 70.78
中值 4.27 5.17 7.40 7.14 7.10 5.94 7.21 13.43
高值 2.20 1.86 4.51 4.31 4.63 6.05 6.29 5.06
极高值 1.35 0.90 2.05 1.70 4.40 6.49 6.87 10.69
DI与NDVI呈现显著的空间负相关性，1986—2021年重度沙漠化占比下降19.55%，非、轻度沙漠化集中分布于东南部与西部的耕地、林地；中、重度沙漠化主要分布在八步沙北部及中部NDVI低值区，土地利用类型为草地、荒漠，植被覆盖差；1986—1995年（图6a~图6c，表2）沙漠化改善不明显，植被覆盖度低，重度沙漠化面积仍较多，面积从96.02%降至91.72%，降幅微弱（4.30%），非、轻度沙漠化面积占比不足1%。重度沙漠化区域与低覆盖草甸重合，NDVI值较低，人工治理未大规模实施。1995—2005年（图6c~图6e，表2）由重度沙漠化向中轻度沙漠化逐渐转变，重度沙漠化面积从91.72%降至89.98%（降幅1.74%），轻度沙漠化面积从1.64%增至3.18%，低覆盖度植被面积增长，防沙治沙工程初见成效，但尚未形成连片效应。2005—2015年（图6e~图6g，表2）沙漠化面积持续减少，从89.98%快速降至84.31%（降幅5.67%），而轻、中度沙漠化面积迅速增加，从3.18%升至6.16%、6.84%升至9.51%；中度沙漠化区域扩展至耕地区域，表明草地生态修复良好。2015—2021年（图6g~图6h，表2），非沙漠化面积增长显著，从0.03%跃升至1.19%，重度沙漠化面积降至76.47%（降幅7.84%）；NDVI高值区面积的扩大，驱动非沙漠化斑块连续化。
图6 1986—2021年八步沙区域DI分级

Fig. 6 DI classification for the Babusha region from 1986 to 2021

表2 八步沙区域DI各等级面积占比

Tab. 2 Percentage of area in each class of DI in Babusha region /%

DI 1986年 1990年 1995年 2000年 2005年 2010年 2015年 2021年
非沙漠化 0.01 0.04 0.02 0.02 0.01 0.02 0.03 1.19
轻度沙漠化 0.92 0.63 1.64 2.11 3.18 5.07 6.16 9.18
中度沙漠化 3.05 2.55 6.63 6.65 6.84 8.91 9.51 13.16
重度沙漠化 96.02 96.77 91.72 91.21 89.98 86.01 84.31 76.47
RSEI高值区（良好、优秀）与NDVI高值区（植被覆盖度高）高度重合，表明RSEI与植被覆盖度呈正相关。1986—2010年（图7a~图7f，表3）RSEI以差区为主导（年均55%以上），面积从1986年54.23%降至2010年53.55%，波动较大；优良区呈波动增长，良好区从1986年2.07%增长至2010年8.47%，增幅达309%，2005年后优秀等级显著增加，从1.38%增长至2.7%，同期NDVI高、极高等级面积出现增长；2015年降水减少导致生态质量剧烈波动；2010—2015年（图7f~图7g，表3），良好区从8.47%骤降至2.56%，优秀区从2.7%降至0.31%，中等面积占比从9.28%跃升至14.48%，同期中度沙漠化区域占比增加，表明干旱直接削弱植被恢复能力。2021年（图7h，表3），优秀区域面积激增至5.73%（较2015年增长18倍），可能与高覆盖植被的综合效益相关，但总量仍较低。良好区面积回升至5.46%，中等区面积压缩，从14.48%收缩至5.05%，显示出生态质量向两极分化，结合DI数据，2021年非沙漠化面积增至1.19%，表明新增林地、耕地（人类干预）提升了中高等覆盖植被的稳定性，低覆盖植被对沙漠化控制有效，但对综合生态质量贡献有限。
图7 1986—2021年八步沙区域RSEI分级

Fig. 7 RSEI classification for the Babusha region from 1986 to 2021

表3 八步沙区域RSEI各等级面积占比

Tab. 3 Percentage of area in each class of RSEI in Babusha region /%

RSEI等级 1986年 1990年 1995年 2000年 2005年 2010年 2015年 2021年
差 54.23 68.36 61.16 54.84 64.91 53.55 52.25 62.35
较差 36.40 25.24 24.48 29.54 20.61 26.01 30.40 21.41
中等 6.93 5.35 10.20 11.51 8.26 9.28 14.48 5.05
良好 2.07 0.76 3.63 3.74 4.85 8.47 2.56 5.46
优秀 0.38 0.28 0.53 0.36 1.38 2.70 0.31 5.73

2.4 生态环境质量趋势变化

1986—2021年八步沙区域植被覆盖总体呈增加趋势，生态环境质量明显改善。其中NDVI（图8a）显著增加区域占比为12.12%；不显著增加区域占比为61.10%，基本不变、不显著减少及显著减少区域占比总和为26.79%，显著减少区域仅占0.06%，表明八步沙区域植被覆盖整体呈明显上升趋势。NDVI变化较为明显的区域为西北部和东南部人类活动干预较大的区域，植被覆盖度上升较为明显，中部区域人类活动参与少，植被覆盖状况较为稳定，东北部、西南部及东南小部分区域由于靠近风沙口及干旱乡镇，植被覆盖状况为减少趋势。DI趋势与NDVI相反（图8b），显著增加区域占比为0.09%；不显著增加区域占比为1.19%，集中分布于风沙活动频繁地带；基本不变、不显著减少和显著减少分别占比为14.94%、71.84%、11.22%，沙漠化范围收缩，整体生态环境稳中向好，DI显著减少与NDVI显著增加同步，说明高植被覆盖有效抑制沙漠化。RSEI变化趋势与NDVI保持一致（图8c），但其面积有所变化，RSEI显著增加区域占比为7.75%，主要分布在耕地区域，生态质量全面提升；不显著增加区域占比为47.28%，此区域生态质量仅小幅改善，可能与低覆盖植被的生态功能不足有关；基本不变、不显著减少和显著减少分别占比为30.13%、14.66%、0.19%，主要位于东北部及西南部，与DI、NDVI趋势呼应。
图8 1986—2021年八步沙区域NDVI、DI、RSEI变化趋势

Fig. 8 Trend changes of NDVI, DI and RSEI in Babusha region from 1986 to 2021

3 讨论

3.1 八步沙区域生态环境质量动态变化

过去35 a来，八步沙区域固沙植被持续恢复、沙漠化土地面积持续减少，而草地和耕地的面积则持续性增加。NDVI由1986年的0.14上升至2021年的0.31，增长显著，2015—2021年NDVI增加最明显，植被生长稳中向好；龚天星[27]研究表明古浪县自2019年以来完成治沙造林0.62×104 hm2、义务压沙133.33 hm2，建成国家碳汇林基地17 km2，这与本文研究结果一致。DI由1986年0.79下降至2021年的0.57，2017—2021年DI降低更为明显，沙漠化面积显著减少，RSEI先减少后上升，但整体为上升趋势；1986—2021年八步沙区域整体植被覆盖均呈波动上升趋势，个别年份植被覆盖度有所降低，整体变化趋势与李佳霖[28]的研究结果一致。综上，八步沙区域的环境质量得到了明显改善，治沙成果显著；同时需要注意，由于研究区干旱缺水，需要注意农用地扩张、过度造林对研究区所造成的潜在生态风险。

3.2 八步沙区域生态环境变化原因

植被覆盖度变化的主要影响因素是气温与降水，降水更是对沙漠天然植被生长有着决定性的影响[29]。八步沙区域的RSEI呈现出了先减少后上升，然后保持动态平衡的变化趋势，其变化受降水与温度的影响较大，使得2011年后八步沙区域的总体生态指标呈现出了一种动态平衡。古浪县1986—2019年平均气温和年降水量均呈波动上升趋势，1986—1990年为整个研究段的低温期，1990—2011年温度波动上升，2011年后温度达到研究时段内高值；而在2010年以后，降水量的波动趋势减缓，整体处于研究时段的高水平[15,30-31]；古浪气象站监测2009—2014年为多雨年，降水为12.94 mm[32]；所以此阶段低覆盖度植被扩张迅速，但对RSEI影响较小。这与本研究RSEI变化相一致，说明气温和降水是生态环境改善的重要影响因素。
古浪县始终将防沙治沙视为一项长期性、全局性的战略任务。依托国家重点生态功能区转移支付、沙化土地封禁保护区建设、省级防沙治沙等国家重点生态建设工程[33]，开展腾格里沙漠南缘八步沙区域的防沙治沙工作，有效控制了风沙口，提高了植被覆盖度。从1986—2021年，累计完成治沙造林1.5×104 hm2，管护封沙育林草面积2.5×104 hm2[34]；由趋势变化特征可知，植被覆盖空间变化呈增加趋势的区域在重点防沙治沙及封禁管护区，这表明人为的大规模防沙治沙活动为植被的恢复和生态环境的改善提供了强大的支持。八步沙的防沙治沙成果同时也离不开社会公众的积极参与，当地居民和志愿者积极参与治沙造林活动，为植被覆盖度的提高做出了重要贡献。

4 结论

生态环境质量在防沙治沙成效评价中扮演着关键角色。1986—2021年八步沙区域土地类型始终以荒漠和草地为主，其中荒漠面积持续减少，年均降低0.59%；草地面积持续增加，年均增长0.76%。NDVI和RSEI总体呈上升趋势，年均增长率分别达到2.40%和0.28%；而沙漠化指数DI年均下降0.90%，表现为沙化程度持续减弱、植被覆盖度增加。在空间尺度上，RSEI不显著、显著增加区域占比达5.06%、38.63%，生态环境质量改善明显，且集中在人类活动较多的西北部和东南部，显然，1986—2021年八步沙区域植被覆盖度明显提高，生态环境质量持续改善，防沙治沙成效显著，形成了可复制的八步沙模式。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
程莉, 宁志英, 杨红玲, 等. 固沙措施对流动沙丘植被和土壤特性的影响[J]. 中国沙漠, 2024, 44(2): 273-282.

DOI

[Cheng Li, Ning Zhiying, Yang Hongling, et al. Effects of different sand-fixation measures on vegetation and soil characteristics of high and flat mobile dunes[J]. Journal of Desert Research, 2024, 44(2): 273-282.]

DOI

[2]
王涛. 中国沙漠与沙漠化[M]. 河北: 河北科学技术出版社, 2003.

[Wang Tao. Deserts and Aeolian Desertification in China[M]. Hebei: Hebei Science & Technology Press, 2003.]

[3]
任利广, 马维伟, 李广, 等. 基于GIS的甘肃省农牧交错带土地沙化敏感性时空分布格局[J]. 干旱区资源与环境, 2022, 36(6): 149-156.

[Ren Liguang, Ma Weiwei, Li Guang, et al. Temporal and spatial distribution pattern of landdeserti-fication sensitivity in agro pastoral ecotone of Gansu Province[J]. Journal of Arid Land Resources and Environment, 2022, 36(6): 149-156.]

[4]
刘冰晶, 杨艳昭, 李依. 北方农牧交错带土地利用结构特征定量研究——以西辽河流域为例[J]. 干旱区资源与环境, 2018, 32(6): 64-71.

[Liu Bingjing, Yang Yanzhao, Li Yi. Quantitative analysis of land use structure characteristicsover the farming-pastoral zone in the west Liaohe River Basin, northern China[J]. Journal of Arid Land Resources and Environment, 2018, 32(6): 64-71.]

[5]
朱尖. 试论北疆文化的学理与实践定位[J]. 内蒙古社会科学, 2024, 45(1): 33-39.

[Zhu Jian. The theoretical and practical orientation of culture of the northern frontier of China[J]. Inner Mongolia Social Sciences, 2024, 45(1): 33-39.]

[6]
杨景云, 金鑫, 金彦香, 等. 高寒内陆河流域湿地面积变化及其影响因素研究[J/OL]. 生态学报, 2025, 45(8): 1-16. [2025-04-08].

[Yang Jingyun, Jin Xin, Jin Yanxiang, et al. Wetland area change and influencing factors in alpineinland river basin[J/OL]. Acta Ecologica Sinica, 2025, 45(8): 1-16. [2025-04-08].]

[7]
王天宏, 蒋馥根, 龙依, 等. 1990—2020年长江源地区生态环境质量动态变化及驱动力分析[J/OL]. 南京林业大学学报(自然科学版), 1-9, [2025-04-08].

[Wang Tianhong, Jiang Fugen, Long Yi, et al. Dynamic changes and driving forces of ecological environment quality in the source region of the Yangtze River from 1990 to 2020[J/OL]. Journal of Nanjing Forestry University (Natural Science Edition), 1-9, [2025-04-08].]

[8]
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 characteristicsof 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.]

[9]
Zhou Y, Hu Z, Geng Q, et al. Monitoring and analysis of desertification surrounding Qinghai Lake (China) using remote sensing big data[J]. Environmental Science and Pollution Research, 2023, 30(7): 17420-17436.

[10]
徐涵秋. 区域生态环境变化的遥感评价指数[J]. 中国环境科学, 2013, 33(5): 889-897.

[Xu Hanqiu. A remote sensing index for assessment of regional ecological changes[J]. China Environmental Science, 2013, 33(5): 889-897.]

[11]
石敏, 李慧颖, 贾明明. 基于GEE云平台与Landsat数据的山口自然保护区红树林时空变化分析[J]. 自然资源遥感, 2023, 35(2): 61-69.

[Shi Min, Li Huiying, Jia Mingming. Spatio-temporal variations in mangrove forests in the Shankou Mangrove Nature Reserve based on the GEE cloud platform and Landsat data[J]. Remote Sensing for Natural Resources, 2023, 35(2): 61-69.]

[12]
赵安周, 田新乐. 基于GEE平台的1986—2021年黄土高原植被覆盖度时空演变及影响因素[J]. 生态环境学报, 2022, 31(11): 2124-2133.

DOI

[Zhao Anzhou, Tian Xinle. Spatiotemporal evolution and influencing factors of vegetation coverage in the Loess Plateau from 1986 to 2021 Based on GEE Platform[J]. Ecology and Environment Sciences, 2022, 31(11): 2124-2133.]

DOI

[13]
张神宝, 王永芳, 郭恩亮, 等. 基于GEE的奈曼旗植被覆盖时空演变及驱动力分析[J]. 草业科学, 2023, 40(8): 1965-1976.

[Zhang Shenbao, Wang Yongfang, Guo Enliang, et al. Spatial and temporal evolution and its driving forceon vegetation cover in Naiman Banner based on Google Earth Engine[J]. Pratacultural Science, 2023, 40(8): 1965-1976.]

[14]
王乐. 合作治理视角下西部地区荒漠化治理研究[D]. 兰州: 兰州大学, 2022.

[Wang Le. Research on Desertification Control Model in the Western Region under the View of Cooperative Governance—Acase of “Six Old Men” in Babusha[D]. Lanzhou: Lanzhou University, 2022.]

[15]
许冬梅, 梁开军, 张兴林. 甘肃省古浪县八步沙林场践行“两山”理论的调查与思考[J]. 环境保护, 2019, 47(21): 73-74.

[Xu Dongmei, Liang Kaijun, Zhang Xinglin. Investigation and reflection on practicing the theory of “two mountains” in Babusha Forest Farm, Gulang County, Gansu Province[J]. Environmental Protection, 2019, 47(21): 73-74.]

[16]
胡晓娟, 李霞, 王讷. 八步沙林场防沙治沙区植被覆盖度时空演变分析[J]. 地理空间信息, 2022, 20(1): 66-69, 8.

[Hu Xiaojuan, Li Xia, Wang Nan. Spatio-temporal evolution analysis of vegetation coverage in Babusha forest farm sand control area[J]. Geospatial Information, 2022, 20(1): 66-69, 8.]

[17]
马婧, 郭方君, 邹枝慧, 等. 腾格里沙漠南缘不同恢复阶段沙质草地植被的季节变化特征[J]. 草业学报, 2023, 32(5): 203-210.

DOI

[Ma Jing, Guo Fangjun, Zou Zhihui, et al. Seasonal variation in vegetation during restoration of sandy grassland at the southern edge of the Tengger Desert[J]. Acta Prataculturae Sinica, 2023, 32(5): 203-210.]

DOI

[18]
赵鹏, 徐先英, 屈建军, 等. 民勤绿洲荒漠过渡带人工梭梭群落与水土因子的关系[J]. 生态学报, 2017, 37(5): 1496-1505.

[Zhao Peng, Xu Xianying, Qu Jianjun, et al. Relationships between artificial Haloxylon ammodendron comm unitiesand soil water factors in Minqin oasis-desert ecotone[J]. Acta Ecologica Sinica, 2017, 37(5): 1496-1505.]

[19]
Yang J, Huang X. The 30 m annual land cover dataset and its dynamics in China from 1990 to 2019[J]. Earth System Science Data, 2021, 13(8): 3907-3925.

DOI

[20]
梁植, 孙若辰, 段青云. 黄河水源涵养区植被NDVI时空变化特征及其驱动因子[J]. 地理科学进展, 2023, 42(9): 1717-1732.

DOI

[Liang Zhi, Sun Ruochen, Duan Qingyun. Spatiotemporal variation of NDVI in the Yellow River waterconservation zone and its driving factors[J]. Progress in Geoscience, 2023, 42(9): 1717-1732.]

[21]
付沙沙, 彭威, 邵爱梅, 等. 秦巴山区夏季NDVI变化特征及其对气候因子的响应[J]. 干旱区研究, 2023, 40(10): 1563-1574.

DOI

[Fu Shasha, Peng Wei, Shao Aimei, et al. Variations in the NDVI characteristics during the summer and the climatic factor responses in the Qinling-Daba Mountains[J]. Arid Zone Research, 2023, 40(10): 1563-1574.]

DOI

[22]
申子傲, 吴静, 李纯斌. 2000—2020年河西内陆河流域植被覆盖时空变化特征及其驱动力[J]. 中国沙漠, 2024, 44(3): 119-127.

DOI

[Shen Ziao, Wu Jing, Li Chunbin. Temporal and spatial changes of vegetation cover and its driving forces in the Hexi inland river basin from 2000 to 2020[J]. Journal of Desert Research, 2024, 44(3): 119-127.]

DOI

[23]
Duo L, Wang J, Zhang F, et al. Assessing the spatiotemporal evolution and drivers of ecological environment quality using an enhanced remote sensing ecological index in lanzhou City, China[J]. Remote Sensing, 2023, 15(19): 4707.

[24]
赵鸿雁, 颜长珍, 李森, 等. 黄河流域2000—2020年土地沙漠化遥感监测及驱动力分析[J]. 中国沙漠, 2023, 43(3): 127-137.

DOI

[Zhao Hongyan, Yan Changzhen, Li Sen, et al. Remote sensing monitoring of aeolian desertification and quantitative analysis of its driving force in the Yellow River Basin during 2000-2020[J]. Journal of Desert Research, 2023, 43(3): 127-137.]

DOI

[25]
Zhang Q, Xiang Y, Sun C, et al. Exploration of ecological environment quality in the “Two Mountains, Seven Rivers and One Basin” area of Shanxi Province, China[J]. Journal of Mountain Science, 2025, 22(3): 966-982.

[26]
陈帅, 昝梅. 新疆伊犁地区植被水分利用效率时空格局研究[J]. 生态科学, 2023, 42(2): 127-138.

[Chen Shuai, Zan Mei. Temporal and spatial patterns of WUE in Yili, Xinjiang[J]. Ecological Science, 2023, 42(2): 127-138.]

[27]
龚天星. 高质量打造古浪八步沙林场“两山”实践创新基地的对策研究[J]. 农业科技与信息, 2023(5): 93-96.

[Gong Tianxing. Research on countermeasures to build the “two mountains” practice and innovation base of Gulang Baibusha Forest Farm with high quality[J]. Agricultural Science-Technology and Information, 2023(5): 93-96.]

[28]
李佳霖. 古浪县沙漠化时空演变格局及对气候-人作用的响应机制分析[D]. 淄博: 山东理工大学, 2024.

[Li Jialin. Analysis of Spatial-temporal Evolution Pattern of Desertification and Its Response Mechanism to Climate-Human Interactionin Gulang County[D]. Zibo: Shandong University of Technology, 2024.]

[29]
张清雨, 赵东升, 吴绍洪, 等. 基于生态分区的内蒙古地区植被覆盖变化及其影响因素研究[J]. 地理科学, 2013, 33(5): 594-601.

DOI

[Zhang Qingyu, Zhao Dongsheng, Wu Shaohong, et al. Research on vegetation changes and influence factors based on eco-geographical regions of Inner Mongolia[J]. Geographical Science, 2013, 33(5): 594-601.]

[30]
胡丽莉. 古浪县近51年气候变化特征[J]. 现代农业科技, 2011(17): 17-18.

[Hu Lili. Change characteristics of meteorological elements in the last 51 years of Gulang County[J]. Modern Agricultural Science and Technology, 2011(17): 17-18.]

[31]
罗晓玲, 赵慧华, 杨梅, 等. 基于MCI的河西走廊东部近60年干旱特征及对厄尔尼诺事件的响应[J/OL]. 沙漠与绿洲气象, 1-11, [2025-04-08].

[Luo Xiaoling, Zhao Huihua, Yang Mei, et al. Characteristics of drought and response to El Niño events over the last 60 years in eastern Hexi Corridor based on MCI[J/OL]. Desert and Oasis Meteorology, 1-11, [2025-04-08].]

[32]
王婷婷, 冯起, 郭小燕, 等. 1959—2014年古浪河流域降水变化特征及突变分析[J]. 高原气象, 2019, 38(6): 1251-1262.

DOI

[Wang Tingting, Feng Qi, Guo Xiaoyan, et al. Variation characteristics and mutation analysis of precipitationin the Gulang River Basin during the Period 1959-2014[J]. Plateau Meteorology, 2019, 38(6): 1251-1262.]

DOI

[33]
胡晓娟. 利用长时序卫星影像评估防沙治沙区植被变化[J]. 北京测绘, 2024, 38(5): 739-744.

[Hu Xiaojuan. Assessmentofvegetation change in desertification prevention and control areas using long time series satellite images[J]. Beijing Surveying and Mapping, 2024, 38(5): 739-744.]

[34]
安婧荣. 古浪县北部沙区林分退化原因及修复措施[J]. 现代园艺, 2025, 48(6): 168-170.

[An Jingrong. Causes of forest degradation and restoration measures in the sandy area of northern Gulang County[J]. Contemporary Horticulture, 2025, 48(6): 168-170.]

Options
文章导航

/

〈 〉