EN中文

干旱区研究 >

2025 , Vol. 42 >Issue 3: 523 - 522

DOI: https://doi.org/10.13866/j.azr.2025.03.12

生态与环境

甘南黄河上游植被覆盖度时空变化与地形因子的关系

  • 张起鹏 ,
  • 路红娥 ,
  • 赵頔琛 ,
  • 卓玛兰草
展开
  • 甘肃民族师范学院历史文化学院，甘肃 合作 747000

张起鹏（1980-），男，博士，副教授，主要从事景观生态学与3S技术应用. E-mail:

收稿日期: 2024-07-14

  修回日期: 2024-08-18

  网络出版日期: 2025-08-13

基金资助

国家自然科学基金项目(32060279)

收起

Relationship between temporal and spatial changes of vegetation coverage and topographic factors in the Upper Yellow River in Gannan

  • ZHANG Qipeng ,
  • LU Honge ,
  • ZHAO Dichen ,
  • Zhuomalancao
Expand
  • College of History and Culture, Gansu Minzu Normal University, Hezuo 747000, Gansu, China

Received date: 2024-07-14

  Revised date: 2024-08-18

  Online published: 2025-08-13

Fold

摘要

甘南黄河上游植被覆盖度在维持高寒生态系统结构稳定和涵养水源等方面发挥着重要的作用，探究植被覆盖度的时空变化及其与地形因子的关系，揭示其植被的时空分布规律，可以更好地理解高寒植被生态系统的动态和功能，为维护生态平衡及植被恢复提供理论支持。本文基于甘南黄河上游1990—2020年4期Landsat影像及数字高程模型（Digital Elevation Model，DEM）数据，采用像元二分模型、叠加分析、地理探测器等方法，对研究区域的植被覆盖度时空变化及其地形因子的相关性进行研究。结果表明：（1） 1990—2020年甘南黄河上游地区的植被覆盖度经历了从退化到恢复，再到显著提升的过程；研究区中高植被覆盖度（0.6~0.8）所占的比例最多，占总面积的77.68%。（2） 1990—2020年研究区植被覆盖度呈现出显著的改善趋势，其中，植被覆盖度改善的区域（Slope>0）约占总面积的91.26%，远大于退化区域（Slope<0）的面积。（3） 地形因子对植被覆盖度的解释力存在显著差异，海拔是植被覆盖度的主要驱动因子，坡度、坡向和海拔等地形因子交互作用的解释力高于单因子。（4） 研究区的植被覆盖度随海拔和坡度的增加都呈先上升后下降的单峰模式；南坡植被覆盖度最高，东北坡相对较低，在时间序列上北到西南方向植被覆盖度面积呈现萎缩状态，而西南、西及西北方向的面积在增大。研究结果可为甘南黄河上游生态保护及高质量发展提供科学支撑。

关键词： 植被覆盖度; 地理探测器; 时空变化; 地形因子; 甘南黄河上游

本文引用格式

张起鹏 , 路红娥 , 赵頔琛 , 卓玛兰草 . 甘南黄河上游植被覆盖度时空变化与地形因子的关系[J]. 干旱区研究, 2025 , 42(3) : 523 -522 . DOI: 10.13866/j.azr.2025.03.12

Abstract

Vegetation cover in the Upper Yellow River in Gannan plays an important role in maintaining the structural stability of the alpine ecosystem and conserving water sources. Exploring the spatiotemporal variation of vegetation cover and its relationship with topographic factors and characterizing the spatiotemporal distribution of vegetation can deepen our understanding of the dynamics and functions of the alpine vegetation ecosystem and provide theoretical support for maintaining ecological balance and restoring vegetation. This paper is based on four periods of Landsat images and Digital Elevation Model data for 1990-2020 at the Upper Yellow River in Gannan, used a pixel dichotomous model, superposition analysis, geographic detector, intensively study the spatiotemporal changes of vegetation coverage and the correlation of topographic features in the study area. The results showed the following: (1) From 1990 to 2020, the vegetation coverage in the Upper Yellow River in Gannan experienced a transition from degradation to recovery and then to significant improvement. The area with medium and high vegetation coverage (0.6-0.8) constituted the largest proportion, accounting for 77.68% of the total study area. (2) Between 1990 and 2020, the vegetation coverage in the study area showed a significant improvement trend. Among them, the area where vegetation coverage improved (Slope>0) accounted for approximately 91.26% of the total area, which was much larger than the area where it declined (Slope<0). (3) There were significant differences in the explanatory power of the topographic factors for vegetation coverage. Elevation is the main driving factor for vegetation coverage, and the explanatory power of the interaction of topographic factors such as slope, slope direction, and elevation is greater than that of a single factor. (4) Vegetation cover in the study area showed a single-peak pattern of increasing and then decreasing with both elevation and slope; the highest vegetation cover was found on southerly slopes, while the lowest was on northeasterly slopes. In the time series, the area of vegetation coverage from the north to the southwest shows a shrinking trend, while the areas in the southwest, west and northwest directions are increasing. The results of this study can provide scientific support for ecological protection and high-quality development in the Upper Yellow River in Gannan.

Key words： vegetation coverage; geographical detector; space-time changes; topographic factor; the Upper Yellow River in Gannan

植被构成了陆地生态系统的基础，是流域内碳和水循环的关键参与者，其在生态系统的能量转换、物质循环以及信息交换中发挥着重要作用，对维持生态平衡和生物多样性具有不可替代的重要性[1]。甘南黄河上游位于青藏高原东北缘，拥有丰富的地形和气候多样性，是重要的生态屏障和黄河水源补给地。近年来，由于人们过度开发土地资源，并且缺乏科学指导，导致生物多样性急剧减少，并削弱了湿地、草地、森林等的水资源涵养能力，致使甘南黄河上游的生态环境出现了土壤侵蚀和植被退化等一系列问题[2]。植被恢复是改善青藏高原生态系统和控制土壤侵蚀最有效的措施[3]。通过监测植被的生长变化，合理进行综合规划，以促进区域生态保护和经济高质量发展。
植被覆盖度（Fractional Vegetation Cover，FVC）即植物垂直投影面积占总地表面积的百分比[4]，在生态、水土保持和气候等研究中常用来评估植被和土地退化状况[5]，它对水文模式、生态稳定性以及区域发展动态等方面均具有不可忽视的影响[6]。近年来，随着遥感技术的发展，植被覆盖度的时空变化及其归因已成为国内外学者研究的热点，例如，Zewdie等[7]利用MODIS NDVI数据发现埃塞俄比亚西北部地区的植被覆盖度与降水量之间存在正向相关性；Mzuri等[8]利用2000—2019年Landsat卫星影像和地形数据分析了伊拉克胡克省植被覆盖度的时空变化，揭示了不同地形条件下植被覆盖度的增减趋势；Namdari等[9]应用长时间序列的遥感影像分析了植被覆盖度和沙尘暴的相互关系；Mamattursun等[10]的研究则表明，乌鲁木齐河流域的植被覆盖度受到自然和人为因素的共同影响；Liu等[11]采用双像元模型、Moran指数等统计方法得出2003—2020年黄河流域植被覆盖度以平均每年0.19%的速度增加；Ning等[12]利用MODIS13Q1数据分析了2000—2020年四川省植被覆盖度呈持续增长趋势。由此可见，遥感技术的应用在监测植被覆盖度变化及其影响因素方面发挥了重要作用，并且已经取得了显著的成效。
甘南黄河上游地区分布着大面积的高寒草地、湿地和森林等生态系统，是黄河重要的水源补给区，被誉为“黄河之肾”[13]。一段历史时期以来，特殊的高寒气候、地形以及复杂的人地关系等因素，致使该区的植被状态发生了很大变化，部分区域出现生态环境恶化，水土流失严重，生态脆弱性水平升高[14]等问题。鉴于此，本文以甘南黄河上游为研究区，基于GEE云平台计算Landsat系列卫星影像，采用像元二分模型、一元线性趋势分析、地理探测器等方法，探究1990年、2000年、2010年、2020年四个时期甘南黄河上游植被覆盖度的时空演变，评估植被覆盖度与地形因子的相关程度，并详细分析了植被覆盖度随地形因子的变化，旨在揭示不同地形条件下植被生长与分布的规律，进而为区域植被恢复和生态环境的修复提供可靠的数据支持。

1 数据与方法

1.1 研究区概况

甘南黄河上游位于青藏高原东北边缘，地理坐标位于33°06′~36°10′N，100°46′~104°44′E（图1），是黄河上游重要的水源涵养补给区，其特殊的生态地位，被赋予了极其重大的生态保护责任。研究区涵盖了甘南藏族自治州的合作市、夏河县、碌曲县、玛曲县、临潭县、卓尼县，面积为30570 km2，地形多样且具有高海拔特征，平均海拔3000 m以上，地势起伏较小。研究区属大陆性高原气候，气候寒冷潮湿，年均降水量在400~700 mL，年平均气温约为1~3 ℃[15]。草地类型包括高寒草甸、高寒灌丛草甸、温带草甸草原、温带草原、低平原草甸、暖温带草丛和沼泽等，其中，高寒草甸和高寒灌丛草甸面积较大，其他类型草地面积相对较小。
图1 甘南黄河上游地理位置

Fig. 1 Geographical location of the Upper Yellow River in Gannan

1.2 数据来源

年最大NDVI数据集从Google Earth Engine云计算平台（https://code.earthengine.google.com/）获取，利用全年所有Landsat5/7/8/9遥感数据，通过驱云去阴影得到所有的Landsat有效观测数据，然后对每一个Landsat有效观测进行NDVI指数计算，并结合线性插值以及S-G平滑等方法，最终得到每个像元所在位置在一年中的NDVI最大值[16]。本文选取了1990年、2000年、2010年和2020年四期Landsat卫星影像作为数据源，这些影像的空间分辨率均为30 m，时间分辨率为年最大值合成。
精度验证所需的对比数据来源于两个平台。其中，1990年和2000年30 m分辨率的Landsat_5 TM遥感影像，是通过地理空间数据云平台（https://www.gscloud.cn/）获取；2010年和2020年30 m分辨率的中国植被指数数据集，则是从科学数据银行（https://www.scidb.cn/）获取。
研究区DEM数据空间分辨率为12.5 m（https://search.asf.alaska.edu/#/），利用ArcGIS软件对DEM数据提取海拔、坡度、坡向3个地形因子。

1.3 研究方法

为研究甘南黄河上游植被覆盖度时空变化与地形因子的关系，首先，基于归一化植被指数（Normalized Difference Vegetation Index，NDVI）数据计算1990年、2000年、2010年、2020年4个不同时期的植被覆盖度并通过构建混淆矩阵进行精度验证，确保数据的准确性和可靠性；其次，利用ArcGIS软件进行一元线性趋势分析和显著性检验，详细揭示1990—2020年该地区植被覆盖度的年际变化趋势；再次，利用地理探测器模型进一步探究植被覆盖度与地形因子之间的相互关系，并识别出影响植被覆盖度的主要地形因子；最后，利用分区统计工具，以研究区矢量图层为边界，统计其内植被覆盖度在各地形单元对应的栅格属性值，从而评估植被覆盖度在不同地形条件下的变化趋势。

1.3.1 像元二分模型

该模型认为，地表的每个像元由植被和非植被区域组成，遥感传感器记录的光谱数据是这两种区域光谱特征的线性组合，其中各组分的权重反映了它们在像元中的相对面积比例，植被覆盖度则表示植被区域的相对面积占比[17]。基于像元二分模型作为估算工具[18]，利用ENVI 5.3软件对甘南黄河上游地区每年的植被覆盖度进行定量分析。
依据研究区域内植被的基本特征和甘南黄河上游的具体植被覆盖状况，将植被覆盖度划分为五个等级，具体划分标准如表1所示[19]。
表1 植被覆盖度划分

Tab. 1 Vegetation coverage division

类型 低植被覆盖区 中低植被覆盖区 中植被覆盖区 中高植被覆盖区 高植被覆盖区
划分等级 0~0.2 0.2~0.4 0.4~0.6 0.6~0.8 0.8~1

1.3.2 混淆矩阵

在混淆矩阵中，对角线元素代表了被正确分类的样本数量，而非对角线上的元素则表示了错误分类的样本数量。计算公式如下[20]:
P C = ∑ k = 1 m P k k N
式中： P C为总分类精度；m为分类类别数；N为样本总数； P k k为第k类的判别样本数。

1.3.3 一元线性趋势分析

为了更好地对甘南黄河上游植被覆盖度进行时空变化趋势研究，本文采用了一元线性回归分析方法[21]。并利用F检验法检验植被覆盖度变化趋势的显著性。

1.3.4 地理探测器

地理探测器是用于分析空间异质性及其成因的工具，涵盖了因子探测、交互作用探测、风险评估和生态分析等技术。本研究运用了其中的因子探测和交互作用探测技术[22-23]，对研究区植被覆盖度的地理影响因素进行了深入解析。

1.3.5 地形因子分类分级

采用自然间断点分级法将海拔分为6个等级（图2），依次为<2500 m、2500~3000 m、3000~3500 m、3500~4000 m、4000~4500 m、>5000 m，并分别统计研究区各海拔区间的植被覆盖度变化趋势；坡度则依据《土壤侵蚀分类分级标准》中的分级法，分别统计研究区各坡度的植被覆盖度变化趋势[24]；坡向则利用ArcGIS自动分类进行划分并分别统计研究区各坡向的植被覆盖度变化趋势。
图2 甘南黄河上游植被覆盖度地形因子分级

Fig. 2 Topographic factor classification of vegetation coverage in the Upper Yellow River in Gannan

2 结果与分析

2.1 精度验证

本文利用Google Earth Engine（GEE）云平台，采用像元二分模型，反演了1990—2020年甘南黄河上游的植被覆盖度。为了验证研究结果的准确性，将四期影像分别与1990年和2000年的Landsat_5 TM遥感影像，以及2010年和2020年的中国植被指数数据集进行对比分析。随机选取了8737个样本点，运用混淆矩阵方法进行精度评估。如图3所示，1990年、2000年、2010年和2020年的植被覆盖度反演精度分别为0.72、0.69、0.68和0.72。说明基于GEE云平台的像元二分模型反演FVC的结果具有一定的可靠性。
图3 植被覆盖度精度验证

Fig. 3 Verification of accuracy of vegetation coverage

2.2 甘南黄河上游植被覆盖度时空变化

2.2.1 平均植被覆盖度等级分布特征

基于NDVI的像元二分模型，计算得到1990—2020年甘南黄河上游的平均植被覆盖度（图4）。1990—2020年甘南黄河上游的植被覆盖类型主要以中高植被覆盖度（0.6<FVC<0.8）为主，占总面积的77.68%，高植被覆盖度（0.8<FVC<1）所占的比例最少，仅占总面积的0.46%。低植被覆盖、中低植被覆盖以及中植被覆盖占总面积的21.86%。
图4 1990—2000年平均植被覆盖度分级及其占比

Fig. 4 Average vegetation coverage classification and its proportion from 1990 to 2000

2.2.2 植被覆盖度随时间变化特征

如图5所示，甘南黄河上游在1990年、2000年、2010年、2020年的平均植被覆盖度依次为61.83%、60.96%、62.43%、72.94%，呈现出先下降后上升的趋势。
图5 1990—2020年甘南黄河上游植被覆盖度分布

Fig. 5 Vegetation coverage distribution in the Upper Yellow River in Gannan from 1990 to 2020

1990—2000年甘南黄河上游的植被覆盖度变化呈现复杂态势，其中，中植被覆盖度呈现出显著增长，即从1990年的22.74%增加到2000年的30.66%，增加了7.92%，然而，在同一时间段内，高、中高植被覆盖度、低、中低植被覆盖度均下降。
2000—2010年甘南黄河上游植被覆盖呈现改善的趋势。与2000年相比，2010年中高植被覆盖度、高植被覆盖度都有提高，占甘南黄河上游植被覆盖度的67.75%。这主要归因于政府实施的一系列生态保护和修复工程，如退耕还林还草、天然林保护等。草原生态环境保护工作取得了初步成效。
2010—2020年甘南黄河上游地区的植被覆盖度发生了显著变化。低、中低、中植被覆盖区显著减少，而中高、高植被覆盖区的面积则显著增加，高植被覆盖度达到了20.75%。植被覆盖度的增长主要得益于生态保护与修复工程的积极推进。研究区的森林覆盖率和草原植被覆盖度逐年提高，水源涵养能力明显增强。因此，2020年甘南黄河上游植被覆盖度为研究时段内最高。

2.2.3 一元线性趋势分析

通过对1990—2020年四期FVC的趋势分析以及显著性检验，可以有效的反映甘南黄河上游FVC的变化趋势的空间分布特征。
由图6a所示，甘南黄河上游植被覆盖度普遍呈正增长趋势，正增长区域明显多于负增长区域，说明研究区植被覆盖度状况得到改善，改善面积为25567.9 km2，占总体面积的91.26%。改善区域的地理分布特征明显，尤其是在玛曲县西北部（图6A），这可能归因于该县作为国家首批退牧还草试点县，实施了封禁放牧区、植树造林等生态恢复措施，显著提升了植被覆盖度。同样，夏河县部分地区（图6B）也表现出植被覆盖度的大幅改善，这得益于当地加强了草原保护执法，整治了违规放牧和过度放牧等行为，优化了草原生态功能。临潭县整体的植被覆盖度也呈现出增加的趋势（图6D），临潭县通过实施造林、植被恢复和水源涵养能力提升等生态保护和修复项目，也有效提升了植被覆盖度。
图6 1990—2020年甘南黄河上游植被覆盖度变化趋势

Fig. 6 Trends of vegetation coverage in the Upper Yellow River in Gannan from 1990 to 2020

研究区大部分区域的植被覆盖度得到提升，但也存在某些局部的退化现象，面积约为2447.25 km2，占总面积的8.74%，如图（图6C）所示，退化区域主要分布在玛曲县东南部，这可能与该地区特殊的土壤环境以及超载放牧有关。碌曲县南部（图6E）由于地形地貌特点及对植被过度利用与干扰，草地退化现象未得到有效控制，导致植被覆盖度减少。
由甘南黄河上游植被覆盖度显著性检验结果可知（图6b），极显著、显著、弱显著增大的面积分别为5017.44 km2、8290.53 km2、12200.71 km2，分别占17.91%，29.59%，43.55%。极显著、显著、弱显著减小的面积分别为407.36 km2、491.35 km2、1607.72 km2，分别占1.45%、1.75%、5.74%。
植被覆盖度的显著性检验结果显示（图6b），研究区大多数地区植被覆盖度显著增加，但也存在少量植被覆盖度显著减小的区域。如，玛曲县东南部 (图6Ⅰ)，说明该地区受到人为因素的影响较大；碌曲县中部地区（图6Ⅱ），可能是由于山地地形特点及过度干扰所导致；合作市东部（图6Ⅲ），这可能与当地的放牧干扰严重有关，也不排除气候变化对独特的草甸类型影响严重所导致；碌曲县南部与玛曲县东北部周边区域（图6Ⅳ），植被覆盖度下降可能是环境压力和人类活动共同作用的结果。

2.3 植被覆盖度与地形因子的关系

2.3.1 地形因子与植被覆盖度的相关程度

因子探测结果表明，甘南黄河上游地形因子对FVC的解释排序从大到小依次为：海拔（0.088）>坡度（0.014）>坡向（0.010）。其中，海拔为主要驱动因子，坡度与坡向为次要驱动因子（表2）。
表2 1990—2020年甘南黄河上游FVC地形因子探测结果

Tab. 2 Results of FVC topographic factor detection in the Upper Yellow River in Gannan from 1990 to 2020

地形因子 解释力p q
海拔 0.088 0.000
坡度 0.014 0.033
坡向 0.010 0.058
海拔与各因子的交互作用均大于其余因子的交互组合（表3），这从侧面反映了海拔是主控因子。坡度与各因子交互作用的解释力相比于两者单因子有明显提高，这表明坡度对植被覆盖度的作用是间接的。总体而言，海拔对甘南黄河上游植被覆盖度空间分布的影响最为显著，且因子之间交互作用存在协同增强现象。
表3 1990—2020年甘南黄河上游FVC地形因子交互作用探测结果

Tab. 3 FVC topographic factor interaction detection results in the Upper Yellow River in Gannan from 1990 to 2020

地形因子 海拔 坡度 坡向
海拔 0.088 - -
坡向 0.143 0.014 -
坡度 0.128 0.032 0.010

2.3.2 平均植被覆盖度随海拔变化

在不同的海拔区间内，植被覆盖度的分布呈现出显著的差异。1990—2020年平均植被覆盖度在各海拔带的分布表明（图7），甘南黄河上游植被覆盖度随着海拔升高呈先上升后下降的趋势。在海拔3500 m以下的地区，植被覆盖度随着海拔的升高而逐步提升，说明在较低海拔区域，尽管水热条件较为适宜，但人类活动的影响限制了植被的生长，导致植被覆盖度较低。相比之下，中间海拔区域由于人类活动的干扰相对较少，植被得以更加茂盛地生长，因此植被覆盖度相对较高。当海拔处于3500~4000 m时，植被覆盖度达到最大，说明该区间温度与水汽含量为植被生长提供了最佳条件。然而，当海拔超过4000 m后，平均植被覆盖度又开始逐渐降低，这主要是随着海拔的上升，温度降低，导致适宜植被生长的条件逐渐减少。
图7 各级海拔带内平均植被覆盖度变化

Fig. 7 Average vegetation coverage change in each level of elevation zone

2.3.3 平均植被覆盖度随坡度变化

甘南黄河上游植被覆盖度随着坡度的升高呈先上升后下降的趋势（图8），当坡度低于5°时，由于地势平缓、人类活动频繁，植被生长环境受限，进而导致植被覆盖度降低；在5°~10°的坡度范围内，植被覆盖度达到最高，这是因为适宜的坡度有助于形成较好的土壤水分、养分条件，为植被生长提供了最佳环境。随着坡度增加至10°~25°时，植被覆盖度呈现小幅度的下降趋势；当坡度超过25°时，人类活动显著减少，但水土流失现象加剧，导致土壤和水分环境恶化，不利于植被生长，进而影响植被覆盖度，使得植被覆盖度面积显著下降。
图8 各级坡度带内平均植被覆盖度变化

Fig. 8 Average vegetation coverage change in each grade slope zone

2.3.4 平均植被覆盖度随坡向变化

坡面朝向不同会使土壤水分和太阳辐射量存在一定差异，从而对植被分布特征产生影响。将坡向从0~360°划分为8个方向[25]，在研究时段内，甘南黄河上游各个坡向的植被覆盖度面积呈现一定的规律性（图9），面积大小排序为南>北>西南>东南>西>西北>东>东北，可以看出研究区坡向对植被覆盖度影响较大。研究区南坡植被生长状况最好，东坡、东北坡植被覆盖度相对较低。在时间序列上也能够看出不同坡向上植被覆盖面积的变化情况，北到西南基本呈现萎缩状态，而西南、西及西北方向的植被覆盖度面积在增大。总体上，甘南黄河上游阳坡植被覆盖度高于阴坡，由于研究区高寒草甸植被覆盖占绝对优势，这也体现出高寒草甸植被总体趋向喜光生长的特性。
图9 各级坡向带内植被覆盖度面积变化（km2）

Fig. 9 Vegetation coverage area changes in each slope zone (km2)

3 讨论

甘南黄河上游位于我国青藏高原的东北边缘，是黄河上游的重要流域之一，其植被的好坏直接关系到黄河的水资源安全及区域生态平衡。基于Landsat遥感数据，应用像元二分模型估算出甘南黄河上游植被覆盖度，具有简便、适应性较强等优点，对于黄河流域具有普适性[26]。

3.1 植被覆盖度时空变化趋势

1990—2020年研究区植被覆盖度总体呈波动上升趋势，这与Guo等[27]和Han等[28]研究结果一致。1990—2000年由于过度放牧、不合理的土地利用等人类活动，植被覆盖度在2000年有所下降；2000—2020年植被呈持续增长趋势，主要因为2009—2013年政府进一步提出了要巩固退耕还林成果，并在2014年开始了第二轮全国退耕还林工程，这在一定程度上加快了甘南黄河上游FVC的增长。研究区的植被覆盖度显示出从西部较高到东部较低的梯度变化，这与Li等[29]的研究相一致。究其原因，是草原保护政策的实施、土地利用状况及地形等多因素综合作用的结果。西部玛曲县实施了退牧还草和沙化治理等生态项目，有效促进了植被恢复，提高了覆盖度；夏河县通过生态监测和修复退化草原，也取得了成效；碌曲县实施草畜平衡政策，减轻了草原压力，提升了植被覆盖度。相比之下，东部土地利用和北部地形地貌是导致植被覆盖度较低的主要因素，使得研究区西部植被覆盖度高于东部。

3.2 植被覆盖度与地形因子的关系

地形通过改变生境对植被的生长和演化产生影响。在流域范围内，植被覆盖度的分布随着地形因素的不同进而表现出显著的区域性差异，这与早期研究者们发现的一致[24,30]。值得注意的是，研究区植被覆盖度随着海拔升高而降低，这主要是由于高海拔地区气候寒冷，不利于植被的生长。但从图7中可以看出，在水热条件较为优越的低海拔区域，植被覆盖度却相对较低。可能是由于这些地区人口密集、农业活动频繁。自1998年实施退耕还林还草政策以来，城镇人口逐渐增加，这不仅改变了人口分布，还促使城市用地面积在流域内扩张，特别是在地势较低的山谷区域，这种扩张趋势尤为明显[31]。植被覆盖度在5~10°达到最大，在10°以后，开始逐渐降低，与张江蕾等[32]的研究结果基本一致。原因是坡度增加导致水层压力显著降低，积累的热量减少，自然降水更容易流失，从而减少了单位面积上的降雨量，进而导致植被覆盖度的下降。坡向致使地表接收的太阳辐射能量出现差异，进而影响植被的生长。甘南黄河上游高寒草甸植被总体趋向喜光生长的特性。这与祁连山南坡[33]、黑河源区[34]及岷江上游[35]的植被覆盖状况研究结果一致。也有研究指出坡向的不同并未带来明显的植被覆盖差异，如山西省的植被覆盖度受坡向的影响较小[36]以及长江流域中上游坡向对植被NDVI变化影响不显著的结论[37]。在干旱半干旱区内，坡向决定的太阳辐射及土壤因子更为独特，从而出现植被趋向避光生长的特性[38]，这些研究都反映出坡向对植被分布影响的地域差异性。
本研究对甘南黄河上游植被覆盖度时空变化与地形因子关系进行了深入分析，后续研究将会整合气候、土壤、土地利用以及社会经济等关键数据进行综合分析，以便更精确地辨识和衡量各类因子对植被变化的影响，为制定更为科学合理的植被保护与恢复策略提供参考。

4 结论

（1） 1990—2020年甘南黄河上游植被覆盖度整体得到改善，以中高植被覆盖度为主，占研究区总面积的77.68%，高植被覆盖度（0.8<FVC<1）所占的比例最少，仅占0.46%，其他类型的植被覆盖占比为21.86%。
（2） 在研究时段内，研究区植被覆盖度改善的区域约占总面积的91.26%，远大于退化部分的面积，研究区东北局部地区出现退化，西部较东部改善程度明显。
（3） 海拔为影响植被覆盖度的主要驱动因子，坡度为次要驱动因子。
（4） 甘南黄河上游植被覆盖度随海拔呈现先上升后下降的趋势，在3500~4000 m的区域植被覆盖度达到最高；植被覆盖度随坡度的增大先上升后下降，在5~10°时，植被覆盖度最高；东北坡的植被覆盖度相对较低，南坡相对较高，研究区植被总体趋向喜光生长的特性。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
寇杰锋, 杨超, 张莹莹, 等. 黄河中下游伊洛河流域2002—2021年植被覆盖度时空变化及影响因素分析门[J]. 灌溉排水学报, 2024, 43(1): 89-96.

[Kou Jiefeng, Yang Chao, Zhang Yingying, et al. Spatio-temporal variation of fractional vegetation cover and its influencing factors in the Yiluo River basin of the middle and lower reaches of the Yellow River from 2002 to 2021[J]. Journal of Irrigation and Drainage, 2024, 43(1): 89-96.]

[2]
Liu M, Wang S, Mi J, et al. Spatial variability of alpine meadow soils in Gannan Tibetan Autonomous Prefecture, Gansu Province, China[J]. Eurasian Soil Science, 2023, 56(Suppl. ): 276-286.

[3]
Shi P, Li P, Li Z, et al. Effects of grass vegetation coverage and position on runoff and sediment yields on the slope of Loess Plateau, China[J]. Agricultural Water Management, 2022, 259(1): 107231.

[4]
Shi X, Yang H, Chen Y, et al. Research on estimating potato fraction vegetation coverage (FVC) based on the vegetation index intersection method[J]. Agronomy, 2024, 14(8): 1620.

[5]
Zhang M, Wang J, Li S. Tempo-spatial changes and main anthropogenic influence factors of vegetation fractional coverage in a large-scale opencast coal mine area from 1992 to 2015[J]. Journal of Cleaner Production, 2019, 232(27): 940-952.

[6]
Gil-Leguizamón P A, Pereña-Ortiz J F, Sánchez-Mata D, et al. Spatial and temporal dynamics of the vegetation cover from the Bijagual Massif, Boyacá, Colombia, during the 1986-2021 period[J]. Plants, 2024, 13(7): 948.

[7]
Zewdie W, Csaplovics E, Inostroza L. Monitoring ecosystem dynamics in northwestern Ethiopia using NDVI and climate variables to assess long term trends in dryland vegetation variability[J]. Applied Geography, 2017, 79(2): 167-178.

[8]
Mzuri R T, Omar A A, Mustafa Y T. Spatiotemporal analysis of vegetation cover and its response to terrain and climate factors in Duhok Governorate, Kurdistan Region, Iraq[J]. The Iraqi Geological Journal, 2021, 54(1): 110-126.

[9]
Namdari S, Zghair Alnasrawi A I, Ghorbanzadeh O, et al. Time series of remote sensing data for interaction analysis of the vegetation coverage and dust activity in the middle east[J]. Remote Sensing, 2022, 14(13): 2963.

[10]
Mamattursun A, Yang H, Ablikim K, et al. Spatiotemporal evolution and driving forces of vegetation cover in the Urumqi River Basin[J]. International Journal of Environmental Research and Public Health, 2022, 19(22): 15323.

[11]
Liu C, Zhang X, Wang T, et al. Detection of vegetation coverage changes in the Yellow River Basin from 2003 to 2020[J]. Ecological Indicators, 2022, 138(5): 108818.

[12]
Ning L, Peng W, Yu Y, et al. Quantifying vegetation change and driving mechanism analysis in Sichuan from 2000 to 2020[J]. Frontiers in Environmental Science, 2023, 11(2): 1261295.

[13]
王文浩. 甘南玛曲“黄河之肾”面临的生态问题与防治对策[J]. 中国水土保持, 2009, 30(9): 33-35.

[Wang Wenhao. Ecological problems faced by the “kidney of the Yellow River” in Gannan Maqu and its countermeasures[J]. Science of Soil and Water Conservation, 2009, 30(9): 33-35.]

[14]
Qiao F, Bai Y, Xie L, et al. Spatio-temporal characteristics of landscape ecological risks in the ecological functional zone of the Upper Yellow River, China[J]. International Journal of Environmental Research and Public Health, 2021, 18(24): 12943.

[15]
Liu C, Li W, Zhu G, et al. Land use/land cover changes and their driving factors in the Northeastern Tibetan Plateau based on Geographical Detectors and Google Earth Engine: A case study in Gannan Prefecture[J]. Remote Sensing, 2020, 12(19): 3139.

[16]
Yang Jilin, Dong Jinwei, Xiao Xiangming, et al. Divergent shifts in peak photosynthesis timing of temperate and alpine grasslands in China[J]. Remote Sensing of Environment, 2019, 233(14): 111395.

[17]
孙雷刚, 郑振华. 基于RS的近30年滹沱河流域植被覆盖度动态变化研究[J]. 地理与地理信息科学, 2014, 30(6): 36-40.

[Sun Leigang, Zheng Zhenhua. RS-Based study on dynamic change of vegetation coverage in Hutuo River Watershed in the past 30 years[J]. Geography and Geo-Information Science, 2014, 30(6): 36-40.]

[18]
祝聪, 彭文甫, 张丽芳, 等. 2006—2016年岷江上游植被覆盖度时空变化及驱动力[J]. 生态学报, 2019, 39(5): 1583-1594.

[Zhu Chong, Peng Wenfu, Zhang Lifang, et al. Study of temporal and spatial variation and driving force of fractional vegetation cover in upper reaches of Minjiang River from 2006 to 2016[J]. Acta Ecologica Sinica, 2019, 39(5): 1583-1594.]

[19]
彭博. 植被覆盖度时空变化特征与地形因子关系分析[J]. 水土保持应用技术, 2023, 43(4): 16-18.

[Peng Bo. Analysis of the relationship between spatiotemporal variation characteristics of vegetation coverage and terrain factors[J]. Application Technology of Soil and Water Conservation, 2023, 43(4): 16-18.]

[20]
白洪伟, 徐洋洋. 基于ENVI和ArcGIS的合肥市土地利用/覆被变化分析[J]. 沈阳大学学报(自然科学版), 2016, 28(5): 365-372.

[Bai Hongwei, Xu Yangyang. Analysis of land use/cover change in Hefei City based on ENVI and ArcGIS[J]. Journal of Shenyang University (Natural Science), 2016, 28(5): 365-372.]

[21]
裴志林, 曹晓娟, 王冬, 等. 内蒙古植被覆盖时空变化特征及其对人类活动的响应[J]. 干旱区研究, 2024, 41(4): 629-638.

DOI

[Pei Zhilin, Cao Xiaojuan, Wang Dong, et al. Spatiotemporal variation in vegetation coverage in Inner Mongolia and its response to human activities[J]. Arid Zone Research, 2024, 41(4): 629-638.]

[22]
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

[23]
文妙霞, 何学高, 刘欢, 等. 基于地理探测器的宁夏草地植被覆被时空分异及驱动因子[J]. 干旱区研究, 2023, 40(8): 1322-1332.

DOI

[Wen Miaoxia, He Xuegao, Liu Huan, et al. Analysis of the spatiotemporal variation characteristics and driving factors of grassland vegetation cover in Ningxia based on geographical detectors[J]. Arid Zone Research, 2023, 40(8): 1322-1332.]

DOI

[24]
银朵朵, 王艳慧. 温带大陆性半干旱季风气候区植被覆盖度时空变化及其地形分异研究[J]. 生态学报, 2021, 41(3): 1158-1167.

[Yin Duoduo, Wang Yanhui. Temporal and spatial changes of vegetation coverage and its topographic differentiation in temperate continental semi-arid monsoon climate region[J]. Acta Ecologica Sinica, 2021, 41(3): 1158-1167.]

[25]
Wenjiao Li, Zhanju Lin, Xingwen Fan, et al. Experimental study on the influence of embankment slope direction on near-surface thermal conditions in permafrost region, Qinghai-Tibet Plateau[J]. Case Studies in Thermal Engineering, 2023, 49(11): 103311.

[26]
林妍敏, 李文慧, 南雄雄, 等. 基于地理探测器的宁夏贺兰山植被覆盖度时空分异及驱动因子[J]. 应用生态学报, 2022, 33(12): 3321-3327.

DOI

[Lin Yanmin, Li Wenhui, Nan Xiongxiong, et al. Spatial-temporal differentiation and driving factors of vegetation coverage in Ningxia Helan Mountain based on geodetector[J]. The Journal of Applied Ecology, 2022, 33(12): 3321-3327.]

[27]
Guo J, Zhai L, Sang H, et al. Effects of hydrothermal factors and human activities on the vegetation coverage of the Qinghai-Tibet Plateau[J]. Scientific Reports, 2023, 13(1): 12488.

DOI PMID

[28]
Han H, Yin Y, Zhao Y, et al. Spatiotemporal variations in fractional vegetation cover and their responses to climatic changes on the Qinghai-Tibet Plateau[J]. Remote Sensing, 2023, 15(10): 2662.

[29]
Li W, Liu C, Su W, et al. Spatiotemporal evaluation of alpine pastoral ecosystem health by using the Basic-Pressure-State-Response Framework: A case study of the Gannan region, Northwest China[J]. Ecological Indicators, 2021, 129(10): 108000.

[30]
杨灿, 魏天兴, 李亦然, 等. 黄土高原典型县域植被覆盖度时空变化及地形分异特征[J]. 生态学杂志, 2021, 40(6): 1830-1838.

[Yang Can, Wei Tianxing, Li Yiran, et al. Spatiotemporal variations and topographic differentiation of fractional vegetation cover in typical counties of Loess Plateau[J]. Chinese Journal of Ecology, 2021, 40(6): 1830-1838.]

DOI

[31]
陈浩. 黄土高原退耕还林前后流域土壤侵蚀时空变化及驱动因素研究[D]. 杨凌: 西北农林科技大学, 2019: 160.

[Chen Hao. Spatial and Temporal Changes of Soil Erosion and Its Driving Factors Before and After the “Grain for Green” Project in the Loess Plateau[D]. Yangling: Northwest A & F University, 2019: 160.]

[32]
张江蕾, 陈少辉. 祁连山自然保护区植被覆盖时空变化及地形分异研究[J]. 西部林业科学, 2023, 52(1): 106-112.

[Zhang Jianglei, Chen Shaohui. Temporal and spatial variation of vegetation coverage and terrain differentiation in Qilian Mountains Nature Reserve[J]. Journal of West China Forestry Science, 2023, 52(1): 106-112.]

[33]
付建新, 曹广超, 郭文焖. 1998—2017年祁连山南坡不同海拔、坡度和坡向生长季NDVI变化及其与气象因子的关系[J]. 应用生态学报, 2020, 31(4): 1203-1212.

DOI

[Fu Jianxin, Cao Guangchao, Guo Wenmen. Changes of growing season NDVI at different elevations, slopes, slope aspects and its relationship with meteorological factors in the southern slope of the Qilian Mountains, China from 1998 to 2017[J]. Chinese Journal of Applied Ecology, 2020, 31(4): 1203-1212.]

DOI

[34]
袁杰, 曹广超, 杨登兴, 等. 祁连山黑河源区植被NDVI时空变化特征及影响因素分析[J]. 生态科学, 2021, 40(5): 172-182.

[Yuan Jie, Cao Guangchao, Yang Dengxing, et al. Temporal and spatial variation characteristics and influencing factors of vegetation NDVl in Heihe source region of Qilian Mountains[J]. Ecological Science, 2021, 40(5): 172-182.]

[35]
周雪妮, 肖成志, 刘磊, 等. 2000—2020年岷江上游干旱河谷区植被时空变化及其地形效应[J]. 现代地质, 2024, 38(3): 589-598.

[Zhou Xueni, Xiao Chengzhi, Liu Lei, et al. Spatial and temporal changes of vegetation and its topographic effects in the arid valley area of the upper reaches of Minjiang River from 2000 to 2020[J]. Geoscience, 2024, 38(3): 589-598.]

[36]
赵昕, 武胜利, 贺清智. 2000—2019年山西省植被覆盖度时空变化特征及地形因素分析[J]. 甘肃农业大学学报, 2024, 59(2): 240-249.

[Zhao Xin, Wu Shengli, He Qingzhi. Spatial and temporal variation characteristics of vegetation coverage and analysis of topographic factors in Shanxi Province from 2000 to 2019[J]. Journal of Gansu Agricultural University, 2024, 59(2): 240-249.]

[37]
邓元杰, 姚顺波, 侯孟阳, 等. 长江流域中上游植被NDVI时空变化及其地形分异效应[J]. 长江流域资源与环境, 2020, 29(1): 66-78.

[Deng Yuanjie, Yao Shunbo, Hou Mengyang, et al. Temporal and spatial variation of vegetation NDVI and its topographic differentiation effect in the middle and upper reaches of the Yangtze River Basin[J]. Resources and Environment in the Yangtze Basin, 2020, 29(1): 66-78.]

[38]
丁海勇, 丁昕玮. 基于SPOT_NDVI的甘肃省植被覆盖变化及其与气候、地形因子的关系[J]. 长江流域资源与环境, 2020, 29(12): 2665-2678.

[Ding Haiyong, Ding Xinwei. Vegetation cover change and its responses to climate and topography in Gansu Province based on SPOT_NDVI[J]. Resources and Environment in the Yangtze Basin, 2020, 29(12): 2665-2678.]

Options
文章导航

/

〈 〉