氣候和人類因素在黃土高原西北部植被變化中的貢獻率研究

孫建國，張卓，韓惠，顏長珍

(1.蘭州交通大學 測繪與地理信息學院，蘭州 730070；2.中國科學院寒區旱區環境與工程研究所，蘭州 730000)

1 引 言

植被變化是全球變化研究的核心內容之一。半干旱半濕潤區是全球變化的敏感區，也是植被變化研究關注的焦點區[1-3]。通過分析衛星遙感獲取的長時間序列的凈初級生產力(NPP)或歸一化植被指數(NDVI)等數據，科學家們已經基本掌握了近30年全球范圍內半干旱半濕潤區植被動態變化的基本特征，也明確了氣候變化和人類活動是其兩大主要驅動力，但是，對于兩種作用的貢獻率至今尚未形成公認有效的區分方法[4-6]。

植被變化特征可以在多種時間分辨率下予以考察，本研究以年內特定時段的NDVI平均值代表年度植被狀態，分析其年際變化趨勢。由于觀測人類活動要比觀測氣候變化困難的多，在像元(柵格)尺度上量化植被年際變化中氣候和人類因素貢獻率的主流思想是：利用機理模型或者統計模型模擬植被(NPP或NDVI)對氣候變化的年際響應，用模擬值隨年份的趨勢變化量來衡量氣候因素的作用，用實際值和模擬值差值的趨勢變化量來表達人類因素的作用。其具體實現方法又有兩類：一類可稱為“潛在剩余法”[7-10]，另一類可稱為“回歸殘差法”。“回歸殘差法”模擬的是假定人類活動保持穩定情形下氣候條件所決定的植被動態，比潛在植被動態更加接近于現實存在，而且模型相對簡單實用，不需要地形、土壤和植被類型等空間異質因子數據。因此，該方法在當前研究中比較流行[11-17]。然而，現有“回歸殘差法”存在混淆氣候變化和人類活動作用內在缺陷[18]，氣候變化的趨勢性越強，人類驅動作用就越容易被錯誤地識別為由氣候變化所致。本研究在提出一個能夠克服上述缺陷的“去趨勢回歸殘差法”的基礎上，研究近15年黃土高原西北部植被變化中氣候和人類因素的貢獻率。

2 研究區和數據

2.1 研究區概況

本文的研究區選擇了黃土高原西北部，包括了寧夏回族自治區全部、甘肅省中東部、陜西省北部，以及內蒙古自治區南部部分地區(圖1)。該區自西北向東南由干旱、半干旱過渡為半濕潤氣候帶，主要的生態和環境問題也由荒漠化過渡為水土流失。由于人類對土地的不合理利用，特別是草地過度放牧和陡坡地開墾，導致荒漠化和水土流失進一步加劇。為了改善該區的植被覆蓋，治理土地退化，中國政府投入了大量的人力、物力和財力，尤其是自1999年開始實施了退耕還林(草)等大規模植被建設[19-20]。同時，研究區內降水年際變異大，氣溫持續升高，對植被活動產生著深刻影響[21]。為了客觀評價該區植被恢復和水土保持效果，迫切需要明確氣候變化和人類活動在植被動態中的貢獻率。

2.2 數據準備

遙感影像數據。本研究使用SPOT VEGETATION(VGT)NDVI數據，下載自http：//free.vgt.vito.be網站，空間分辨率0.009°(約1km)，時間分辨率為10日，從1998年4月至2012年12月共計531幅影像。該數據已經過幾何精糾正、輻射校正、大氣校正等預處理，且采用最大值合成(MVC)算法進一步減小了云、大氣、太陽高度角等的影響[22]。本研究對該數據做了如下處理：首先，將記錄的DN值換算為原始的NDVI；其次，為減小數據量，將NDVI數據集重采樣到0.07°(約8km)空間分辨率。

氣候數據。原始氣候數據為1997年～2012年研究區及周邊48個地面氣象觀測站的月降水量和月平均氣溫記錄，來源于http：//cdc.cma.gov.cn。為了與VGT NDVI進行集成分析，在ANUSPLIN4.0軟件中對降水和氣溫記錄進行空間內插生成0.07°空間分辨率的柵格數據集。內插過程中使用了GTOPO30數字高程模型(DEM)。

3 研究方法

3.1 變量選擇和時滯分析

對于黃土高原地區，識別植被覆蓋變化的主要目的之一是揭示其水土流失動態，而該區水土流失與暴雨集中期(6月～8月)的植被覆蓋關系最為密切。以每年6月～8月的NDVI平均值代表植被覆蓋(以下記為NDVI678)。考慮的氣候變量包括降水和氣溫。一般地，植被對氣候的響應存在一定的時滯，確定時滯長度是建立植被響應氣候模型的重要基礎。通過計算和比較NDVI678與同期(6月～8月)及前期不同月數累積降水和累積氣溫的相關系數大小，逐像元確定降水和氣溫的最佳累積月數。

圖1 研究區概況圖

3.2 回歸分析

3.2.1 常規回歸分析

利用二元一次回歸方程模擬植被對氣候的響應[15，23]：

NDVI678=a*LagP+b*LagT+c+ε

(1)

式中，LagP和LagT分別代表得到的累積降水和累積氣溫時間序列，a、b和c為系數，ε為隨機項。

3.2.2 去趨勢回歸分析

為了克服式(1)對氣候和人類驅動作用的混淆問題[15，18，23]，提出一種“去趨勢回歸分析”方法。首先，對NDVI678、LagP和LagT進行去趨勢處理，結果分別記為D(NDVI678)、D(LagP)和D(LagT)。去趨勢的方法是，以年份對變量進行一元線性回歸模擬，再用殘差值加上原始數據的初期值。

其次，利用與式(1)形式完全相同的式(2)來模擬D(NDVI678)對D(LagP)和D(LagT)的響應：

D(NDVI678)=a′*D(LagP)+b′*D(LagT)+c′+ε′

(2)

最后，將原始LagP和LagT代入式(2)，得到NDVI678的模擬結果。

在上述去趨勢回歸過程中，植被和氣候的變化均被視為由初值、趨勢和波動3部分信號所構成。利用去除趨勢而保留了初值和波動成分的植被和氣候變量所構建的式(2)，其系數a′和b′與式(1)的系數a和b一樣，表達的也是單位氣候變化量所對應的植被變化量，常數項c′和c一樣表達的也是氣候變量取0值時植被變量的理論值。因此，當式(2)的系數確定之后，將未經去趨勢的氣候數據代入其中所得到的模擬植被時間序列，既完整包含了氣候因子的作用，又徹底規避了人類活動的趨勢性影響。

3.3 殘差分析

利用相關系數法判斷NDVI678變化趨勢的方向及其顯著性。若趨勢顯著(包括正向和負向)，則使用下面兩式計算氣候和人類因素在植被動態中的貢獻率(分別記為Cc和Ch)：

Cc=Slope(EstNDVI678)/Slope(NDVI678)×100%

(3)

Ch=Slope(ResNDVI678)/Slope(NDVI678)×100%

(4)

其中，EstNDVI678和ResNDVI678分別表示NDVI678模擬值和殘差的年際序列，Slope表示隨年份變化的斜率。事實上，Ch=1-Cc。

若NDVI678的變化趨勢不顯著，繼續利用相關系數檢驗法判斷EstNDVI678變化趨勢的方向及其顯著性，以確定是否存在方向相反而相互抵消的氣候和人類因素的作用。

上述殘差分析基于常規的和去趨勢的回歸分析結果來進行，分別稱為常規回歸殘差法(以下記作RR法)和去趨勢回歸殘差法(以下記作DRR法)。

4 結果分析

圖2是RR法和DRR法對氣候和人類因素貢獻率識別結果的對比圖。其中，a和d為植被(NDVI678)顯著增強區，b和e為無顯著變化區，c和f為顯著減弱區；a，b和c為RR法識別結果，d，e和f為DRR法識別結果。

在植被顯著增強區：RR法識別的Cc≥50%(Ch≤50%)的面積比例為11.9%，主要位于陜西省的榆林、橫山、靖邊、子洲、米脂和佳縣，以及內蒙古自治區烏審旗和鄂托克旗的接壤地帶；10%≤Cc<50%(50%150%)柵格，主要分布在寧夏的西吉、固原等縣。總體而言，DRR法和RR法都認為近15年西北黃土高原的植被活動增強以人類因素引發為主、氣候變化的作用較弱。但是，RR法識別的人類貢獻率較低，約76%；DRR法識別的人類因素貢獻率更大，達到92%。

在植被無顯著變化區內：RR法識別出在內蒙古自治區杭景旗及周邊零星地方存在EstNDVI678增加現象，這些地方的氣候變化有利于植被發育，但被破壞性人類活動的加劇所抵消；在甘肅省的榆中、皋蘭、白銀和靖遠以及寧夏自治區的西吉、海原和固原等3縣的少量地方存在EstNDVI678顯著降低現象，這些地方的氣候變化不利于植被活動，但人類為恢復植被做出了艱巨努力。較之RR法，DRR法識別出的EstNDVI678顯著增加像元數有所減少，EstNDVI678顯著降低像元數略有增加。也就是說，DRR法認為人類活動對植被的負向作用更少一些，正向作用更多一些。

對于NDVI678顯著減弱區而言，RR法識別的氣候變化和人類活動的作用大小相當，DRR法識別的氣候貢獻率小于人類貢獻率，分別為40%和60%。

圖2 RR法和DRR法的結果對比

5 結論與討論

5.1 結果的可靠性分析

一方面，氣候和人類貢獻率計算結果的直接驗證有相當難度[24-25]。另一方面，雖然RR法主要被用于監測以放牧為主要人類活動的半干旱區草地退化，但也適用于本研究的目標區域——黃土高原西北部，因為該區域也屬于半干旱氣候帶，具備使用RR法的前提條件——氣候尤其是降水的年際變異及其植被響應非常明顯，盡管區內人類活動的表現形式要比純牧區復雜得多。周洪建等[16]和Zhou等[26]針對陜西省退耕還林草效果評價的研究已經證明了RR法在黃土高原大部分地區具有很好的適應性。鑒于此，這里只驗證DRR法比RR法的計算結果更加可信。

以植被顯著增強區為例。從DRR計算的Ch中減去RR計算的Ch，結果圖層中的局部高值像元相比其鄰居像元應當具有更加明顯的人類積極作用的地表跡象。把該圖層在Google Earth疊加顯示，選擇了一個局部高值像元。該像元處于蘭州以南山區，屬嚴重水土流失區。放大顯示(圖3)，發現該像元內退耕地較多。2013年8月28日實地調查確認了圖中紅色多邊形標示的地塊均為退耕地。與當地居民的問詢得知，該區域在國家退耕還林還草政策實施初期就有大量土地退耕，農業生產壓力有所減輕。相反，在上述兩個像元的鄰域像元中，可尋找到的類似的造林或退耕土地要少得多。上述分析初步表明了DRR法的可靠性。

圖3 一個用于驗證DRR法可靠性的像元對應的Google Earth影像

5.2 未來的工作

DRR法與RR法相比優勢明顯，但與后者一樣，仍然面臨著其他原因造成的諸多不確定性。后續研究內容至少包括以下兩個方面：①考慮植被響應氣候的分布式滯后。本研究中對時滯現象的處理延用了常見的累積求和辦法，這種處理忽略了現實世界中普遍存在的滯后的季節性特征[27-28]。②考慮相對濕度、風速和太陽輻射等氣候因子的作用。盡管降水和氣溫是干旱半干旱區植被動態的主要氣候控制因子，但其他氣候因子的作用也不應被完全忽略。需要特別指出的是，近年來有不少研究證明，大氣CO2濃度升高能夠明顯促進干旱半干旱區植被光合作用、提高植被生產力[29]。然而，由于大氣CO2濃度變化的趨勢性極強而年際波動很小，DRR法和RR法均難以將其作用從植被動態中有效分離出來。對解決這一問題，“潛在剩余法”比“回歸殘差法”更有優勢。

此外，在區分氣候和人類因素貢獻率的基礎上，進一步區分降水和氣溫變化的貢獻率也是重要的后續研究內容。無論DRR法還是RR法，一旦在模型中納入了氣溫因子，也就具備了區分降水和氣溫變化貢獻率的潛力。

6 結束語

就近15年黃土高原西北部植被整體增強的原因而言，人類活動變化的貢獻率達到了92%，氣候變化的影響成分僅占8%，且在相當一部分區域表現為負向作用。同屬植被活動的顯著增強區，陜西省北部和鄂爾多斯高原南部的人類對植被恢復的積極作用是在氣候變化比較有利的條件下所獲得，而甘肅省和寧夏回族自治區接壤地帶的人類對植被恢復的促進作用是與不利的氣候變化進行斗爭的成果。同屬植被活動的無顯著變化區，在甘肅省中部的榆中、皋蘭、白銀、靖遠及其寧夏南部的部分縣域內，存在氣候變化的負向驅動和人類因素的正向驅動相互抵消現象，而在內蒙古自治區的杭景旗及其他零星地方，氣候變化的正向作用和人類因素的負向作用彼此抵消。

從方法層面來看，本研究提出的DRR法雖然仍存在諸多局限性，但與傳統的RR法相比，能夠很好地克服后者混淆氣候和人類驅動作用的問題，在未來的同類研究中具有良好的應用前景。

[1] FENSHOLT R，LANGANKE T，RASMUSSEN K，et al.Greenness in semi-arid areas across the globe 1981-2007-an Earth Observing Satellite based analysis of trends and drivers[J].Remote Sensing of Environment，2012，121：144-158.

[2] JONG R，VERBESSELT J，SCHAEPMAN M，et al.Trend changes in global greening and browning：contribution of short-term trends to longer-term change[J].Global Change Biology，2012，18(2)：642-655.

[3] LIU S，GONG P.Change of surface cover greenness in China between 2000 and 2010[J].Chinese Science Bulletin，2012，57(22)：2835-2845.

[4] DE JONG R，SCHAEPMAN M E，FURRER R，et al.Spatial relationship between climatologies and changes in global vegetation activity[J].Gtobat Change Biotogy，2013，19(6)：1953-1964.

[5] HELLDéN U，TOTTRUP C.Regional desertification：A global synthesis[J].Global and Planetary Change，2008，64(3-4)：169-176.

[6] BOSCHETTI M，NUTINI F，BRIVIO P，et al.Identification of environmental anomaly hot spots in West Africa from time series of NDVI and rainfall[J].ISPRS Journal of Photogrammetry and Remote Sensing，2013(78)：26-40.

[7] WANG L，D'ODORICO P，EVANS J，et al.Dryland ecohydrology and climate change：Critical issues and technical advances[J].Hydrology and Earth System Sciences Discussions，2012，9(4)：4777-4825.

[8] RIGGE M，WYLIE B，GU Y et al.Monitoring the status of forests and rangelands in the Western United States using ecosystem performance anomalies[J].International Journal of Remote Sensing，2013，34(11)：4049-4068.

[9] SEAQUIST J，HICKLER T，EKLUNDH L，et al.Disentangling the effects of climate and people on Sahel vegetation dynamics[J].Biogeosciences，2009，6(3)：469-477.

[10] XU D，KANG X，QIU D，et al.Quantitative assessment of desertification using Landsat data on a regional scale-a case study in the Ordos Plateau，China[J].Sensors，2009，9(3)：1738-1753.

[11] EVANS J，GEERKEN R.Discrimination between climate and human-induced dryland degradation[J].Journal of Arid Environments，2004，57(4)：535-554.

[12] WESSELS K，PRINCE S，MALHERBE J，et al.Can human-induced land degradation be distinguished from the effects of rainfall variability? A case study in South Africa[J].Journal of Arid Environments，2007，68(2)：271-297.

[13] OMUTO C T.A new approach for using time-series remote-sensing images to detect changes in vegetation cover and composition in drylands：A case study of eastern Kenya[J].International Journal of Remote Sensing，2011，32(21)：6025-6045.

[14] LI A，WU J，HUANG J.Distinguishing between human-induced and climate-driven vegetation changes：A critical application of RESTREND in inner Mongolia[J].Landscape Ecology，2012，27(7)：969-982.

[15] 曹鑫，辜智慧，陳晉.基于遙感的草原退化人類因素影響趨勢分析[J].植物生態學報，2006，30(02)：268-277.

[16] 周洪建，王靜愛，岳耀杰，等.人類活動對植被退化/恢復影響的空間格局——以陜西省為例[J].生態學報，2009，29(09)：4847-4856.

[17] 孫建國，王濤，顏長珍.氣候變化和人類活動在榆林市荒漠化過程中的相對作用[J].中國沙漠，2012，32(03)：625-630.

[18] WESSELS K J，VAN DEN BERGH F，SCHOLES R.Limits to detectability of land degradation by trend analysis of vegetation index data[J].Remote Sensing of Environment，2012(125)：10-22.

[19] 王朗，傅伯杰，呂一河，等.生態恢復背景下陜北地區植被覆蓋的時空變化[J].應用生態學報，2010，21(08)：2109-2116.

[20] 信忠保，許炯心，鄭偉.氣候變化和人類活動對黃土高原植被覆蓋變化的影響[J].中國科學(D輯：地球科學)，2007，37(11)：1504-1514.

[21] 李雙雙，延軍平，萬佳.近10年陜甘寧黃土高原區植被覆蓋時空變化特征[J].地理學報，2012，67(7)：960-970.

[22] TUCKER C，PINZON J，BROWN M，et al.An extended AVHRR 8-km NDVI dataset compatible with MODIS and SPOT vegetation NDVI data[J].International Journal of Remote Sensing，2005，26(20)：4485-4498.

[23] 卓莉，曹鑫，陳晉，等.錫林郭勒草原生態恢復工程效果的評價[J].地理學報，2007，62(05)：471-480.

[24] 許端陽，李春蕾，莊大方，等.氣候變化和人類活動在沙漠化過程中相對作用評價綜述[J].地理學報，2011，66(01)：68-76.

[25] 許端陽，康相武，劉志麗，等.氣候變化和人類活動在鄂爾多斯地區沙漠化過程中的相對作用研究[J].中國科學(D輯)，2009，39(4)：516-528.

[26] ZHOU H，VAN ROMPAEY A，WANG J.Detecting the impact of the “Grain for Green” program on the mean annual vegetation cover in the Shaanxi province，China using SPOT-VGT NDVI data[J].Land Use Policy，2009，26(4)：954-960.

[27] UDELHOVEN T，STELLMES M，DEL BARRIO G et al.Assessment of rainfall and NDVI anomalies in Spain(1989-1999) using distributed lag models[J].International Journal of Remote Sensing，2009，30(8)：1961-1976.

[28] JI L，PETERS A.Lag and seasonality considerations in evaluating AVHRR NDVI response to precipitation[J].Photogrammetric Engineering and Remote Sensing，2005，71(9)：1053.

[29] CLAESSON J，NYCANDER J.Combined effect of global warming and increased CO2-concentration on vegetation growth in water-limited conditions[J].Ecological Modelling，2013(256)：23-30.