基于Google Earth Engine分析黃土高原植被覆蓋變化及原因

郭永強,王乃江,褚曉升,李 成,羅曉琦,馮 浩

基于Google Earth Engine分析黃土高原植被覆蓋變化及原因

郭永強1,王乃江1,褚曉升1,李 成1,羅曉琦1,馮 浩2,3*

(1.西北農林科技大學水利與建筑工程學院,陜西 楊凌 712100；2.西北農林科技大學水土保持研究所,陜西 楊凌 712100；3.中國科學院水利部水土保持研究所,陜西 楊凌 712100)

為探明黃土高原植被覆蓋時空變化及其原因,基于Google Earth Engine(GEE),采用Landsat Surface Reflectance data(陸地衛星地表反射率數據)分析了黃土高原1987~2015年間植被覆蓋度的時空變化規律,并借助累積量斜率變化率方法對引起植被覆蓋度變化的氣候和人為因素進行了量化分析.結果表明:黃土高原年均植被覆蓋度由1987年的41.78%增加到2015年的53.23%,增速為0.38%/a(<0.05).其中,1987~1999年年均植被覆蓋度變化趨勢不顯著(>0.05);而退耕還林還草工程實施以來(2000~2015年),年均植被覆蓋度顯著增加(<0.05),增速達到0.59%/a.由像元尺度分析,黃土高原72.93%的區域植被覆蓋度呈增加趨勢,其中38.31%的區域增加趨勢顯著(<0.05).植被覆蓋度的變化受氣候和人為因素的共同影響,以1987~1999年為基準期,氣候變化和人類活動對黃土高原2000~2015年間植被覆蓋度變化的相對貢獻率分別為23.77%、76.23%,人類活動為引起黃土高原植被覆蓋度變化的主要原因.退耕還林還草工程極大地改善了黃土高原的植被覆蓋狀況,但是城市的擴張使得部分地區的植被覆蓋呈顯著退化現象.

植被覆蓋度；時空變化；原因；Google Earth Engine；黃土高原

植被是陸地生態系統的重要組成部分,在全球的物質循環和能量流動中起著重要的作用[1].隨著氣候變化和人類活動的加劇,植被的生長勢必會受到影響[2-7].因此,研究植被的時空變化規律及其對氣候變化和人類活動的響應,在生態環境脆弱的干旱半干旱地區具有重要的生態學意義[8-9].

黃土高原處于半濕潤、半干旱和干旱區的過渡帶,長期的亂墾、亂伐、亂牧以及不合理的耕作方式導致該地區植被稀疏,水土流失嚴重,黃河所含泥沙約90%來源于此[10].1999年國家實施了退耕還林還草工程[11-12],黃土高原成為該工程重點實施區域.監測黃土高原退耕還林還草前后植被覆蓋時空變化及其影響因素對該地區的可持續性生態建設具有重要的指導意義.

植被覆蓋度是衡量地表植被覆蓋狀況的重要指標,影響大氣和地表之間碳、水、能量轉化,其高低關乎地表生態系統的健康與否[13].目前,遙感觀測技術憑借其快速、經濟、準確等優勢,已經成為區域尺度上植被覆蓋度的主要監測手段[14-15].黃土高原作為我國生態建設的重點區域,其植被覆蓋度的動態變化受到廣泛關注.國內外學者借助遙感觀測技術對該地區植被覆蓋度的時空變化規律及其影響因素(氣溫、降水和人類活動)進行了深入的研究.研究發現,近年來黃土高原植被覆蓋度呈上升趨勢,生態環境狀況得到了改善[16],并且認為降水與氣溫的增加以及植被的修復是該地區植被覆蓋度增加的主要原因[17].但受限于數據收集以及本地計算機性能,現有研究的時間序列較短,采用的影像空間分辨率較低,且并未定量探究氣候變化和人類活動對于黃土高原植被覆蓋的影響.

Google Earth Engine(GEE)是基于云的平臺,不僅提供了大量的影像數據,而且可以依靠Google的高性能集群服務器對影像進行在線可視化處理,大大提高了工作效率[18].目前,GEE被成功應用于大尺度植被長勢監測、土地利用類型分類、地表水變化分析等方面[19-20].基于此,本文借助GEE平臺,采用30m分辨率的Landsat Surface Reflectance data(陸地衛星地表反射率數據),在分析黃土高原1987~ 2015年植被覆蓋度時空變化規律的基礎上,確定了2000~2015年氣候和人為因素對黃土高原植被覆蓋度變化的相對貢獻率.

1 數據與方法

1.1 研究區概況

圖1 黃土高原位置及概況

黃土高原地處黃河中游(33°43'~41°16' N, 100°54'~114°33' E),地勢西高東低,涉及山西、寧夏、陜西、甘肅、內蒙古、青海、河南7個省(區),總面積約為6.2×105km2(圖1).黃土高原受大陸性季風氣候影響,冬季寒冷干燥,夏季炎熱多雨.年均溫度由西北部地區的3.6℃上升到東南部地區的14.3℃;年降水量由西北部地區的150mm上升到東南部地區的800mm.該地區由于地形地貌、氣候變化以及不合理的人類活動,生態環境惡劣,是世界上水土流失最為嚴重的地區之一.

1.2 GEE平臺

GEE又稱為谷歌地球引擎,是由谷歌、卡內基梅隆大學和美國地質調查局聯合開發的世界上最先進的基于云計算的地理信息處理平臺.該平臺向用戶免費提供海量的衛星影像和其他地球觀測數據,并提供足夠的運算能力對這些數據進行處理.通過GEE可以快速計算NDVI等植被指數,預測作物相關產量,監測全球森林變化等.同時,GEE提供在線的JavaScript API和離線的Python API接口,方便用戶進行數據處理[18].

1.3 數據來源與處理

1.3.1 Landsat影像 采用Landsat Surface Reflectance data(陸地衛星地表反射率數據),空間分辨率為30m,時間分辨率為16d,該數據產品已經過大氣校正,消除了大氣散射、吸收、反射引起的誤差,來源于GEE平臺(https://earthengine.google.com).首先在GEE平臺中利用時間和空間的過濾函數獲取1987~2015年經過黃土高原上空的Landsat Surface Reflectance影像共22407景;然后批量對每一景影像進行去云,計算歸一化植被指數(NDVI);最后采用最大值合成法對每年的NDVI影像進行融合,并使用黃土高原矢量圖進行裁剪,獲取黃土高原每年的NDVI最大值影像,NDVI最大值影像可以反映當年植被長勢最好時期的地表植被覆蓋狀況[21].以上操作均在GEE平臺中完成.

1.3.2 氣象數據 氣象數據為中國1987~2015年逐年年平均氣溫、年降水量空間插值數據,空間分辨率為1km,來源于中國科學院資源環境科學數據中心(http://www.resdc.cn).將數據上傳到GEE平臺中,使用黃土高原矢量圖進行裁剪,獲取黃土高原每年的平均氣溫和年降水量數據.

1.3.3 土地利用類型數據 中國土地利用現狀遙感監測數據來源于中國科學院資源環境科學數據中心(http://www.resdc.cn).在該網站選取2000年、2015年兩期中國土地利用現狀遙感監測數據.土地利用類型包括耕地、林地、草地、水域、居民地和未利用土地6個一級類型,空間分辨率為1km.

1.4 研究方法

式中:c為植被覆蓋度;NDVIsoil為無植被覆蓋區域的NDVI值,理論上應該接近0;NDVIveg為完全植被覆蓋區域的NDVI值,理論上應該接近1.但是由于大氣、地表、土壤、植被類型等條件的變化,以及傳感器觀測角度的影響, NDVIveg和NDVIsoil會隨著時間和空間而變化.本文參考李苗苗等[22]提出的在沒有實測數據時NDVIveg和NDVIsoil的取值方法,即在NDVI頻率累積表上取給定置信區間內的最大值和最小值,分別作為NDVIveg和NDVIsoil.彭文甫等[23]均采用實測數據對該方法的精度進行了驗證,結果表明基于該方法估算的植被覆蓋度具有較高的精度和可靠性,驗證結果符合要求.根據1987~2015年NDVI最大值影像,制作每年的NDVI頻率累積表,在NDVI頻率累積表上取累積頻率5%的值作為當年的NDVIsoil,取累積頻率95%的值作為當年的NDVIveg.

使用檢驗對變化趨勢進行顯著性檢驗,根據回歸和顯著性檢驗結果,將研究區分為:顯著改善地區(Slope>0,<0.05)、顯著退化地區(Slope<0,< 0.05)、無顯著變化地區(>0.05).

1.4.3 累積量斜率變化率 植被覆蓋度受氣候和人為因素的共同影響,為了量化2000~2015年間人類活動和氣候變化對于黃土高原植被覆蓋度變化的貢獻率,需構建如果僅受氣候變化影響的植被覆蓋度序列.研究表明,退耕還林還草之前,黃土高原植被覆蓋度與降水和溫度的相關性高于退耕還林還草之后[24],故以1987~1999年的數據建立黃土高原年均植被覆蓋度(因變量)與年降水量和年均溫(自變量)的二元線性回歸方程,并用該方程重構1987~ 2015年如果僅受氣候變化影響的植被覆蓋度序列.將重構的植被覆蓋度稱為擬合植被覆蓋度,遙感觀測得到的植被覆蓋度稱為實際植被覆蓋度(即氣候和人為因素共同影響的植被覆蓋度).

累積實際植被覆蓋度的斜率變化率1(%)為:

累積擬合植被覆蓋度的斜率變化率2(%)為:

氣候變化對植被覆蓋度變化的貢獻率C(%)為:

人類活動對植被覆蓋度變化的貢獻率C(%)為:

1.4.4 殘差趨勢分析 基于單個像元采用殘差分析將氣候變化和人類活動對植被覆蓋度的影響進行分離.步驟如下:

(1)用已建立的植被覆蓋度(因變量)與年降水量和年均溫(自變量)的二元線性回歸方程重構每個像元1987~2015年如果僅受氣候變化影響的植被覆蓋度序列.

(2)用遙感觀測的每個像元的實際植被覆蓋度序列,減去重構的如果僅受氣候變化影響的植被覆蓋度序列,得到如果僅受人類活動影響的植被覆蓋度序列,計算公式如下:

(3)將每個像元的殘差值與年份進行線性回歸,得到殘差的年際變化趨勢,分析人類活動對植被覆蓋度變化的影響,其公式如下:

2 結果與分析

2.1 黃土高原植被覆蓋度空間分布特征

黃土高原植被覆蓋度呈現由東南向西北遞減的態勢(圖2a),這與黃土高原植被類型的地帶性分布有關.黃土高原植被類型從東南到西北依次為森林植被帶、森林草原植被帶、典型草原植被帶、荒漠草原植被帶、草原化荒漠帶[25].根據水利部2008年頒布的《土壤侵蝕分類分級標準》[26],將植被覆蓋度劃分為5個等級:低覆蓋度［0,30%］、中低覆蓋度［30,45%］、中等覆蓋度［45,60%］、中高覆蓋度［60,75%］和高覆蓋度［75%,100%］.黃土高原低覆蓋度區域所占的面積比例最大,達到31.32%(圖2b),主要分布在黃土高原的西北部地區,這些地區多為草地和沙地,植被較為稀疏;其次為高覆蓋度區域,面積占21.66%,主要分布在東南部地區,植被類型多為林地、灌叢以及農作物,植被長勢較好.

2.2 黃土高原植被覆蓋度動態變化特征

1987~2015年黃土高原年均植被覆蓋度呈顯著增加趨勢,增速為0.38 %/a(<0.05),由1987年的41.78%增加到2015年的53.23%(圖3).

圖3 1987~2015年黃土高原年均植被覆蓋度年際變化

其中1987~1999年期間,黃土高原年均植被覆蓋度變化趨勢不顯著(>0.05),植被狀況未明顯好轉; 2000~2015年期間,黃土高原年均植被覆蓋度迅速增加,增速達到0.59 %/a(<0.05),植被狀況得到了明顯的改善,并于2013年達到最高值58.51%.由圖3可見,2000年以后,植被覆蓋度在2001年為最低值,可能是因為退耕還林還草工程剛剛實施,耕地面積減少,而新種植的植被覆蓋度較低[27].

1987~2015年期間,黃土高原72.93%的區域植被覆蓋度呈增加趨勢,其中38.31%的區域為顯著改善地區,主要分布在山西大部分地區、陜西榆林和延安北部地區以及甘肅天水、平涼一帶.水土流失最為嚴重的丘陵溝壑區,植被恢復最為明顯.黃土高原27.07%的區域植被覆蓋度呈下降趨勢,顯著退化地區的面積占6.55%,主要分布在陜西西咸新區以及黃土高原西北部的邊緣地區(圖4).

同樣由像元尺度分析1987~1999、2000~2015年2個時間段植被覆蓋度的時空變化規律.結果表明,1987~1999年研究區植被覆蓋度呈增加和減少趨勢的面積分別占59.02%和40.98%,其中顯著改善地區和顯著退化地區的面積分別僅占8.69%和3.63%.由此可見,在退耕還林還草以前,黃土高原大部分地區植被覆蓋狀況無顯著變化.2000~2015年黃土高原植被覆蓋狀況明顯好轉,73.13%的區域植被覆蓋度呈增加趨勢,顯著改善地區的面積達到29.66%.

圖4 1987~2015年黃土高原年均植被覆蓋度動態變化

2.3 氣候變化和人類活動對于植被覆蓋度變化的相對貢獻

在GEE平臺中,將植被覆蓋度數據重采樣為1km′1km的空間分辨率,與氣象數據相匹配.再利用累積量斜率變化率的方法(圖5),求得氣候變化和人類活動對于2000~2015年黃土高原植被覆蓋度動態變化的貢獻率分別為23.77%、76.23%,人類活動為引起植被覆蓋度變化的主要因素.

圖6 1987~2015年人類活動對黃土高原植被覆蓋度的影響

采用殘差趨勢分析人類活動對黃土高原植被覆蓋度的影響(圖6).1987~2015年黃土高原植被覆蓋度殘差的整體變化趨勢為0.36 %/a.在空間上,77.76%的區域殘差趨勢為正值,22.24%的區域殘差趨勢為負值.由此可見,人類活動對黃土高原植被覆蓋變化的影響逐漸增強,總體上對該地區的植被生長起到積極作用.

3 討論

3.1 植被覆蓋度與氣候變化的相關性

降水是黃土高原土壤水分的主要來源,土壤水分的高低會對植被的生長產生影響,因此降水量是限制黃土高原植被生長的重要因素[28].黃土高原1987~2015年降水量與植被覆蓋度為顯著正相關(<0.05),偏相關系數為0.41.空間上,78.99%的區域降水與植被覆蓋度呈正相關,其中29.78%的區域為顯著正相關(<0.05)(圖7a).在關中平原、河套灌區等灌溉農業地區,植被的生長對于降水的敏感性較低[29],相關性并不顯著(>0.05).氣候變暖使得植被生育期延長,并在生長期內加速生長,因此溫度也是黃土高原植被覆蓋度的影響因素之一.該地區1987~2015年間年均溫與植被覆蓋度偏相關系數為0.55(<0.05),呈正相關和負相關的面積分別占71.44%和28.56%,顯著負相關的面積占4.25%(< 0.05),主要分布在黃土高原西北部地區(圖7b).主要是由于黃土高原西北部地區降水量較少,溫度的升高會增加土壤水分蒸發,進而導致土壤干燥化,不利于植被的生長[30].退耕還林還草政策頒布以后,黃土高原植被覆蓋度在2004~2005年以及2013~2015年出現了大幅度的下降(圖3),可能與這2個時段年降水量與年均溫均呈下降趨勢有關.

圖7 黃土高原1987~2015年FVC與年降水量和年均溫的相關性

3.2 人類活動對于植被覆蓋度的影響

表1 黃土高原2000~2015年土地利用轉移矩陣(km2)

植被覆蓋度的變化受氣候變化和人類活動的共同影響.通過累積量斜率變化率定量計算氣候變化和人類活動的相對貢獻率,結果證明人類活動對于2000年以后植被覆蓋度增加的貢獻遠大于氣候變化.長期以來,草地、林地和耕地是黃土高原主要的土地利用類型[25].人類活動的加劇使得該區域的土地利用/覆被快速變化.從黃土高原2000~2015年土地利用轉移矩陣(表1)可以發現,退耕還林還草工程的實施使得大量的耕地被轉化為了草地(2538km2)和林地(1491km2),對植被覆蓋度的增加起到了關鍵的作用[31].但是,隨著城鎮化的發展,城鄉、工況居民用地極劇增加,部分耕地、草地被轉化為了城鄉、工況居民用地,從而導致部分地區植被覆蓋狀況顯著退化.陜西的西咸一體化推動了經濟的發展與城市的擴張,是導致該地區植被覆蓋度顯著降低的主要原因.同樣,鄂爾多斯西部地區植被覆蓋度降低也是由于土地利用類型由草地轉變為了農村居民點及建設用地.退耕還林還草工程的實施在植被恢復以及減輕該地區的水土流失方面起到了積極的作用.但也因注意到,大規模的植樹造林可能會對該地區的土壤水分狀況產生負面影響.植樹造林增加了土壤水分的消耗,如果無法及時得到補給,會形成土壤干層[32].因此,還需進一步探討黃土高原大規模的植被建設與當地土壤水分狀況的協調性.

3.3 GEE平臺的優勢

GEE平臺為本研究提供了大量的數據(22407張Landsat影像)以及強大的數據處理能力.相比于ENVI等傳統的處理影像工具,GEE平臺可以快速、批量處理大量的影像,運行速度不受本地計算機性能的限制.GEE當中包含影像去云、融合、裁剪、鑲嵌、運算以及分類等常用的影像處理算法的封裝函數,通過代碼編程就可以快速方便的進行數據批量獲取、處理分析和結果輸出下載,可大大提高研究效率.

4 結論

4.1 1987~2015年黃土高原年均植被覆蓋度顯著增加,增速達到0.38%/a(<0.05),72.93%的區域植被覆蓋狀況得到了改善,其中黃土高原丘陵溝壑區的植被狀況改善最為明顯.

4.2 黃土高原植被覆蓋度的變化受氣候和人為因素的共同影響,其中人類活動是引起該地區植被覆蓋度變化的主要因素,貢獻率達到76.23%.

4.3 人類活動對于植被的影響具有兩面性.一方面植被恢復使黃土高原大部分地區的植被狀況得到改善,另一方面城市的擴張使得小部分區域的植被出現了退化現象.

4.4 與傳統圖像處理軟件相比,GEE具有海量的免費數據以及強大的數據分析和計算能力,大幅提高了研究效率.

[1] 趙安周,劉憲鋒,朱秀芳,等.2000~2014年黃土高原植被覆蓋時空變化特征及其歸因 [J]. 中國環境科學, 2016,36(5):1568-1578. Zhao A Z, Liu X F, Zhu X F, et al. Spatiotemporal analyses and associated driving forces of vegetation coverage change in the Loess Plateau [J]. China Environmental Science, 2016,36(5):1568-1578.

[2] 周 偉,剛成誠,李建龍,等.1982~2010年中國草地覆蓋度的時空動態及其對氣候變化的響應 [J]. 地理學報, 2014,69(1):15-30. Zhou W, Gang C C, Li J L et al. Spatial-temporal dynamics of grassland coverage and its response to climate change in China during 1982~2010 [J]. Acta Geographica Sinica, 2014,69(1):15-30.

[3] Piao S L, Nan H J, Huntingford C, et al. Evidence for a weakening relationship between interannual temperature variability and northern vegetation activity [J]. Nature Communications, 2014,(5):5018.

[4] Sun Y L, Yang Y L, Zhang L, et al. The relative roles of climate variations and human activities in vegetation change in North China [J]. Physics & Chemistry of the Earth Parts A/B/C, 2015,87:67-78.

[5] Huang K, Zhang Y J, Zhu J T, et al. The influences of climate change and human activities on vegetation dynamics in the Qinghai-Tibet Plateau [J]. Remote Sensing, 2016,8(10):876-893.

[6] Ostwald M, Chen D L. Land-use change: Impacts of climate variations and policies among small-scale farmers in the Loess Plateau, China [J]. Land Use Policy, 2006,23(4):361-371.

[7] 許炯心.農村社會經濟因素變化對嘉陵江產沙量的影響 [J]. 山地學報, 2006,24(4):385-394. Xu J X. Effect of the changing rural socio-economic factors on sedmient yield of the Jialingjiang river basin [J]. Journal of Mountain Science, 2006,24(4):385-394.

[8] Liu H Y, Zhang M Y, Lin Z S, et al. Spatial heterogeneity of the relationship between vegetation dynamics and climate change and their driving forces at multiple time scales in Southwest China [J]. Agricultural and Forest Meteorology, 2018,256:10-21.

[9] Tong X W, Wang K L, Brandt M, et al. Assessing future vegetation trends and restoration prospects in the karst regions of southwest China [J]. Remote Sensing, 2016,8(5):357-357.

[10] 任美鍔,史運良.黃河輸沙及其對渤海、黃海沉積作用的影響[J]. 地理科學, 1986,6(1):1-12. Ren M E, Shi Y L. Sendiment discharge of the yellow river and its effect on sedimentation of the bohai and yellow sea [J]. Scientia Geographica Sinica, 1986,6(1):1-12.

[11] Feng X M, Fu B J, Lu N, et al. How ecological restoration alters ecosystem services: an analysis of carbon sequestration in China's Loess Plateau [J]. Scientific Reports, 2013,3(5):2846.

[12] 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, 2007,37(11):1504-1514. Xin Z G, Xu J X, Zheng W. Effect of climate change and human activities on vegetation in Loess Plateau [J]. Science China, 2007, 37(11):1504-1514.

[13] Gu Z, Ju W, Li L, et al. Using vegetation indices and texture measures to estimate vegetation fractional coverage (VFC) of planted and natural forests in Nanjing city, China [J]. Advances in Space Research, 2013,51(7):1186-1194.

[14] 陳效逑,王 恒.1982~2003年內蒙古植被帶和植被覆蓋度的時空變化 [J]. 地理學報, 2009,64(1):84-94. Chen X Q, Wang H. Spatial and temporal variations of vegetation belts and vegetation cover degrees in Inner Mongolia from 1982 to 2003. Acta Geographica Sinica, 2009,64(1):84-94.

[15] 甘春英,王兮之,李保生,等.連江流域近18年來植被覆蓋度變化分析 [J]. 地理科學, 2011,31(8):1019-1024. Gan C Y, Wang X Z, Li B S, et al. Changes of vegetation coverage during recent 18 years in Lianjiang River Watershed [J]. Scientia Geographica Sinica, 2011,31(8):1019-1024.

[16] Jiang C, Wang F, Zhang H Y, et al. Quantifying changes in multiple ecosystem services during 2000~2012 on the Loess Plateau, China, as a result of climate variability and ecological restoration [J]. Ecological Engineering, 2016,97:258-271.

[17] 劉憲鋒,楊 勇,任志遠,等. 2000~2009年黃土高原地區植被覆蓋度時空變化 [J]. 中國沙漠, 2013,33(4):1244-1249. Liu X F, Yang Y, Ren Z Y, et al. Changes of vegetation coverage in the Loess Plateau in 2000~2009. Journal of Desert Research, 2013,33(4): 1244-1249.

[18] Gorelick N, Hancher M, Dixon M, et al. Google Earth Engine: Planetary-scale geospatial analysis for everyone [J]. Remote Sensing of Environment, 2017,202:18-27.

[19] Gong P, Liu H, Zhang M N, et al. Stable classification with limited sample: transferring a 30-m resolution sample set collected in 2015 to mapping 10m resolution global land cover in 2017 [J]. Science Bulletin, 2019,64(6):370-373.

[20] Pekel J F, Cottam A, Gorelick N, et al. High-resolution mapping of global surface water and its long-term changes [J]. Nature, 2016, 540(7633):418-422.

[21] 吳昌廣,周志翔,肖文發,等.基于MODIS NDVI的三峽庫區植被覆蓋度動態監測 [J]. 林業科學, 2012,48(1):22-28. Wu C G, Zhou Z X, Xiao W F, et al. Dynamic monitoring of vegetation coverage in three gorges reservoir area based on MODIS NDVI [J]. Scientia Silvae Sinicae, 2012,48(1):22-28.

[22] 李苗苗,吳炳方,顏長珍,等.密云水庫上游植被覆蓋度的遙感估算[J]. 資源科學, 2004,26(4):153-159. Li M M, Wu B F, Yan C Z, et al. Estimation of vegetation fraction in the upper basin of miyun reservoir by remote sensing [J]. Resources Science, 2004,26(4):153-159.

[23] 彭文甫,王廣杰,周介銘,等.基于多時相Landsat5/8影像的岷江汶川-都江堰段植被覆蓋動態監測[J]. 生態學報, 2015,36(7):1975-1988. Peng W P, Wang G J, Zhou J M, et al. Dynamic monitoring of fractional vegetation cover along Minjiang River from Wenchuan County to Dujiangyan City using multi-temporal landsat 5and 8images [J]. Acta Ecologica Sinica, 2015,36(7):1975-1988.

[24] Li J J, Peng S Z, Li Z. Detecting and attributing vegetation changes on China’s Loess Plateau [J]. Agricultural and Forest Meteorology, 2017, 247:260-270.

[25] 高健健,穆興民,孫文義.1981~2012年黃土高原植被覆蓋度時空變化特征 [J]. 中國水土保持, 2016,(7):52-56. Gao J J, Mu X M, Sun W Y. Spatial-temporal change of vegetation coverage in the Loess Plateau from 1981 to 2012. Soil and Water Conservation in China, 2016,(7):52-56.

[26] 中華人民共和國水利部.土壤侵蝕分類分級標準(SL190—2007) [S]. 北京:中國水利水電出版社, 2008. Ministry of Water Resources the People's Republic of China. Standards for classification and gradation of soil erosion [S]. Beijing: China Water & Power Press, 2008.

[27] 謝寶妮,秦占飛,王 洋,等.黃土高原植被凈初級生產力時空變化及其影響因素 [J]. 農業工程學報, 2014,30(11):244-253. Xie B N, Qin Z F, Wang Y, et al. Spatial and temporal variation in terrestrial net primary productivity on Chinese Loess Plateau and its influential factors [J]. Transactions of the Chinese Society of Agricultural Engineering, 2014,30(11):244-253.

[28] 張寶慶,吳普特,趙西寧.近30a黃土高原植被覆蓋時空演變監測與分析 [J]. 農業工程學報, 27(4):287-293. Zhang B Q, Wu P T, Zhao X N. Detecting and analysis of spatial and temporal variation of vegetation cover in the Loess Plateau during 1982~2009 [J]. Transactions of the Chinese Society of Agricultural Engineering, 2011,27(4):287-293.

[29] Zhang B Q, Wu P T, Zhao X N, et al. Changes in vegetation condition in areas with different gradients (1980~2010) on the Loess Plateau, China [J]. Environmental Earth Sciences, 2013,68(8):2427-2438.

[30] Sun W Y, Song X Y, Mu X M, et al. Spatiotemporal vegetation cover variations associated with climate change and ecological restoration in the Loess Plateau [J]. Agricultural and Forest Meteorology, 2015, 209-210:87-99.

[31] Lü Y H, Fu B J, Feng X M, et al. A policy-driven large scale ecological restoration: quantifying ecosystem services changes in the Loess Plateau of China [J]. Plos One, 2012,7(2):e31782.

[32] 王 力,衛三平,吳發啟.黃土丘陵溝壑區土壤水分環境及植被生長響應—以燕溝流域為例 [J]. 生態學報, 2009,29(3):1543-1553. Wang L, Wei S P, Wu F Q. Soil water environment and vegetation growth in the hilly and gully region of the Loess Plateau: a case study of Yangou Catchment [J]. Acta Ecologica Sinica, 2009,29(3):1543- 1553.

Analyzing vegetation coverage changes and its reasons on the Loess Plateau based on Google Earth Engine.

GUO Yong-qiang1, WANG Nai-jiang1, CHU Xiao-sheng1, LI Cheng1, LUO Xiao-qi1, FENG Hao2,3*

(1.College of Water Conservancy and Architectural Engineering, Northwest A & F University, Yangling 712100, China；2.Institute of Soil and Water Conservation, Northwest A&F University, Yangling 712100, China；3.Institute of Soil and Water Conservation, Chinese Academy of Sciences and Ministry of Water Resources, Yangling 712100, China)., 2019,39(11)：4804~4811

Based on Google Earth Engine, this study conducted a quantitative analysis for the spatiotemporal variation of vegetation coverage from 1987 to 2015 on the Loess Plateau using Landsat Surface Reflectance data, and the method of slope change ratio of cumulative quantity was used to evaluate the relative contributions of climate change and human activities to it. The results revealed that: the annual vegetation coverage significantly increased from 41.78% in 1987 to 53.23% in 2015 (<0.05), especially after the implementation of the Grain for Green Program (2000~2015) with a significant increase of 0.59%/a (<0.05). However, no significant change was observed for the vegetation coverage during 1987~1999 (>0.05). At a pixel scale, about 72.93% of the research area showed an increasing vegetation coverage and 38.31% of the research area had a significant increase in vegetation coverage (<0.05). Vegetation coverage changes was affected by both climate and human factors. Taking 1987~1999 as reference period, the relative contributions of climate change and human activities to vegetation coverage changes were 23.77% and 76.23% during 2000~2015, respectively. Therefore, human activities were the dominant factors for vegetation coverage changes on the Loess Plateau. The Grain for Green Program has greatly improved the vegetation status on the Loess Plateau, but the expansion of city has caused significant degradation of vegetation coverage in some areas.

vegetation coverage；spatiotemporal variation；reasons；Google Earth Engine；Loess Plateau

X173

A

1000-6923(2019)11-4804-08

郭永強(1995-),男,河北張家口人,西北農林科技大學水利與建筑工程學院碩士研究生,主要研究方向為農業水土資源利用與保護.

2019-04-10

國家自然科學基金資助項目(51879224,41630860)

* 責任作者, 研究員, nercwsi@vip.sina.com