退耕還林背景下降水利用效率時空演變及驅動力探討

王 靜，姚順波，劉天軍

退耕還林背景下降水利用效率時空演變及驅動力探討

王 靜1,2，姚順波1※，劉天軍2

（1. 西北農林科技大學經濟管理學院，資源經濟與環境管理研究中心，楊凌 712100； 2. 西北農林科技大學西部發展研究院，楊凌 712100）

為了給退耕還林（草）政策的有效制定和實施提供有針對性的理論依據，以寶雞地區作為研究區域，選取植被生長季（3－11月），基于標準化植被降水利用效率（standardized rainfall use efficiency,(RUE)）模型，綜合氣候、土地利用/覆蓋及光學遙感3個維度，分離自然因素和人為因素，監測年際、季和月尺度上的(RUE)時空演變特征，進一步采用灰色關聯法探討了其驅動力。結果表明：1）在2001－2017年，寶雞地區經過2輪退耕還林（草）工程，(RUE)整體上呈提高趨勢，尤其是第一輪后呈顯著提高趨勢的像元面積占比最高，達65.69%。全區由第一輪工程實施中的以人為干預增加區域為主轉變為以人為干預減少為主；2）春季(RUE)變化的年際差異最小，轉變點出現在2009年，表現為2001－2009年和2009－2017年分別呈正、負增長分布。夏季(RUE)的增加最顯著，秋季年際差異最大。年際、春尺度上各年的(RUE)均值分別在草地、耕地最高，城鄉用地的(RUE)在夏秋兩季最高；3）不同植被類型、不同坡度、不同坡向的(RUE)變化均呈“三高一低”峰值分布。高峰值出現在4月、6月和11月（最大值），低峰值出現在9月（最小值），分別對應著農田植被的返青（4月）、收割（6月）和播種期（9月）；4）寶雞地區(RUE)變化的主要驅動因子是氣溫、日照時數（光照）和人均GDP。退耕還林（草）背景下，寶雞地區生長季的草地植被改善趨勢最好，這與(RUE)在草地上呈提高趨勢高度吻合。另外，除扶風、麟游、鳳縣外，其余各縣（區）均為氣候變化對寶雞地區(RUE)變化的貢獻率大于人類活動。

退耕還林（草）；(RUE)；人為干預；驅動力因子；寶雞地區

0 引 言

中國的退耕還林（草）和天然林保護工程是受到全世界關注的重大生態修復工程[1-3]，在寶雞地區包括退耕還林、宜林荒山荒地造林、封山育林等植被恢復形式。

降水量是控制陸地生物群落生物多樣性和生態系統生產力的關鍵因素[4]，全球氣候變化導致頻繁的極端降雨或干旱[5]，研究退耕還林（草）工程實施以來不同條件下的降水模式對生態系統生產力的影響，對于全球氣候變化下退耕還林（草）生態恢復效果評價意義重大。植被降水利用效率（rainfall use efficiency, RUE）一般用植被凈初級生產力（net primary production, NPP）比降水量來定義，能夠指示植被生產力對降水量的響應[6]。在干旱半干旱地區，降水利用效率的動態變化為氣候因素影響下區域植被退化或恢復評估提供了可靠指標[7-8]。王劉明等[9-11]分別對洮河流域、中國西北7省區、青藏高原的植被降水利用效率的時空格局特征進行了分析；李春娥[12]利用植被降水利用效率反演了新疆土地荒漠化的演變情況；穆少杰等[13]研究了內蒙古植被降水利用效率的時空格局，驅動因素探討只涉及到了氣候因素；花立民等[14]以歸一化植被指數（normal difference vegetation index，NDVI）、氣溫、降水和家畜數量4個因子來表征河西走廊北部風沙源區的氣候變化和人類活動，分析了4個因子在時間序列上的年變化和相互關系。因子選取單一，未見涉及時空綜合尺度上的深入研究；劉憲鋒等[15-16]對黃土高原的研究發現，降水利用效率受退耕還林還草工程作用顯著，研究中自然因素和人為因素的分離未見報道。

本研究從年際、季、月尺度，分析了第一輪退耕還林（草）工程實施下（2001－2008年）（以下簡稱第一輪下）、第一輪退耕還林（草）工程實施后（2009－2013年）（以下簡稱第一輪后）、第二輪退耕還林（草）工程實施以來（2014－2017年）（以下簡稱第二輪以來）3個時間段寶雞地區(RUE)的時空演變特征。在保證變量間互不影響的情況下，選取灰色關聯法探討了(RUE)的驅動力因子。主要解決如下4個問題：1）人為干預因素的厘定；2）(RUE)的時空演變特征；3）不同條件下的(RUE)比較；4）氣候變化和人類活動對(RUE)變化的貢獻率。

1 材料與方法

1.1 研究區概況

寶雞地區位于陜西省（關中平原）西部，是中國氣候變化的敏感地帶，生態環境較為脆弱[17-18]，同時，是中國退耕還林（草）工程實施的重點區域。該地區地勢南高北低，海拔介于424～3 546m。全區轄渭濱區、金臺區、陳倉區、鳳翔、岐山、扶風、眉縣、隴縣、千陽、麟游、鳳縣、太白3區9縣。屬暖溫帶大陸性季風氣候，一年中雨季多集中在夏季和秋季，年際和年內降水變率較大。年降水量介于710～1 000 mm之間[19]。區內生境條件和植被類型多樣，以林地、草地遍及全區，耕地和城鄉用地集中于千河、渭河沿岸（圖1）。森林覆被率達36%～42%，但分布不均，集中分布在秦嶺和關山地區。被國家定為1999年首個退耕還林（草）試點地區，分別于2001年和2014年先后2次全面實施退耕還林（草）的第一輪和第二輪生態建設工程。

圖1 寶雞地區土地利用/覆蓋類型及氣象站點分布

1.2 資料收集

主要包括2001－2017年近17a的氣象數據、增強型植被指數（enhanced vegetation index, MODIS EVI）數據、高程數據、土地利用/覆蓋數據等，見表1。為了使遙感數據與氣象數據像元與投影匹配，在數據處理中，統一轉換成了WGS1984投影和0.01m分辨率。

表1 研究所用數據源

1.3 研究方法

1.3.1 標準化降水利用效率

RUE是氣候變化下監測區域植被退化的重要指標[20]，由累積EVI值與年降雨量之比計算而來[8,16]。標準化降水利用效率（(RUE)），是通過Z得分標準化方法校正降雨量中的異常值，處理RUE得到。同一個(RUE)可以反映不同時間尺度和不同類型的RUE狀況。計算公式如下

的確定：在一定程度上水平地帶性和垂直地帶性會影響降水量的空間插值結果，通常用經度、緯度、海拔等來表征水平和垂直地帶性。具體計算如下：

1）利用ArcGIS軟件，選取3250個隨機柵格點（寶雞地區氣象站點較少（12個）），提取對應點的經度、緯度和海拔數據，分別與年降水量做偏相關分析。發現僅海拔與降水量呈顯著相關（<0.05），與張艷芳等[16]的研究結果不同；

2）結合海拔因素，利用地統計分析模塊中CoKriging得到校正后的降水量值；

3）在1）的數據基礎上，運用時序預測法中季節趨勢預測法的移動平均比率法預測出降水量值，該方法在計算中先從時間序列中剔除長期性因素的影響，然后應用“同期平均法”剔除循環性和隨機性因素，再采用季節比率來預測季節的變化趨勢，是長期趨勢準確性較強的一種測定方法。為了提高預測值的精準度，使用1974－2017年的降水量實測數據做移動平均比率測定，截取2001－2017年的月降水量預測值，結合海拔因素進行Cokring插值。

4）將2）得到的校正降水量值和3）得到的預測降水量值，分別與站點實測降水量進行擬合，驗證其精度。擬合度均接近1，2）在<0.01水平上顯著，3）在<0.05水平上顯著，表明校正和預測效果均較好。因此，本研究選取校正后的降水量值進行研究。

1.3.2 趨勢分析

Theil Sen+Mann-Kendall是一種非參數方法，通常被用來檢測植被長時間序列變化趨勢。對干旱半干旱地區植被變率的研究適用性較強[25-26]。計算公式為

通過Mann-Kendall檢驗法[27]（置信度為0.05）對Sen趨勢進行檢驗。

1.3.3 灰色關聯分析

根據各因素變化曲線幾何形狀的相似程度判斷因素之間的關聯度即為灰色關聯分析[28]。與回歸分析和相關分析相比，樣本容量可以少至4個，且對數據有無規律性均適用。通過對動態過程發展態勢的量化分析來實現參考數列與各比較數列之間的灰色關聯程度（記為關聯度）。關聯度越大，因素之間關系越緊密，反之越小。計算步驟如下：

1）確定分析數列

2001－2017年的(RUE)作為參考序列，記0

對應序列的10個氣候變化和人類活動影響因子作為比較序列，為年份序列，為總年份個數。記

2）變量的無鋼化

式中為變量序列，為總變量個數。處理過程為：選取第一年的指標為基準，后續年份指標全部除以第一年數據。

3）計算關聯系數

0()與i()的關聯系數

記

則

4）計算關聯度

2 結果與分析

2.1 寶雞地區人為干預因素的厘定

寶雞地區第一輪下、第一輪后、第二輪以來，3個時間段的年平均EVI值呈東南向西北遞減、南高北低（渭河為界）的空間分布特征。通過8類土地利用/覆蓋類型統計發現，3個時間段上僅城鄉用地在第一輪后植被EVI均值最高，其余7類土地利用/覆蓋類型均在第二輪以來呈現最高值，其次為第一輪后。自2001年以來，林地的植被EVI均值為3.66，是8類土地利用/覆蓋類型中最高值，遍布寶雞地區。以渭河以南最為集中，像元面積占比62.72%。由此可見，寶雞地區退耕還林（草）工程的生態恢復效果為林地>耕地。由于秦嶺山脈冰雪融水以及太白河和湑水河等提供的豐沛水源補給，因此該區域植被覆蓋最高；水域和裸地為植被EVI低值區，像元面積占1.1%，平均值為2.35，集中在渭河、千河交叉口以東地區和太白的黃柏源鄉與桃川鎮交界處。該區域城鄉居民區密布，特別是近年來的城鄉擴建，使得建筑面積增加的同時削減了植被面積。此外，靠近居民區農田中農作物、蔬菜以及經濟作物種植呈現出植被覆蓋明顯的季節變化特征，因而造成該區域植被覆蓋最低。

退耕還林（草）工程是中國乃至全世界為應對和改善生態環境而實施的一項以人類活動干擾為手段、植被恢復為舉措核心、生態建設與生態效益為目的的重大生態工程[1]。EVI是衡量植被恢復的重要指標，即隨著人類活動干預增加/減少，EVI呈恢復/退化趨勢顯著。下文統一簡稱人為干預。

寶雞地區地屬干旱半干旱氣候區，大量研究表明，降水是影響區內植被恢復的主要氣候因素[4-5]。

采用Sen+M-K趨勢法計算3個時間段的EVI空間變化趨勢，再綜合3個時間段EVI的變化數值，以0.4為間隔對其進行重分類，提取各類別對應的EVI像元面積及面積占比（表2）。分別以大于0.4和0.8作為人類活動增加區域，小于0.4和0.8作為人類活動減少區域。對比分析了以0.4和0.8劃分人為干預的區域對應的降水量的空間變化趨勢。結果表明，0.8條件下，大面積區域內降水量的變化趨勢與植被恢復趨勢相反。因此，以大于0.8作為人類活動增加區域，小于0.8作為人類活動減少區域（圖2）。

表2 2001－2017年寶雞地區生長季EVI變化趨勢統計

注：每一個分級的末值均為臨界值。

Note: End value of each grading is a critical value.

圖2 植被生長季驅動力空間分布

2.2 標準化降水利用效率時空演變特征

2輪退耕還林（草）工程實施以來（2001－2017年）（圖3a、3b、3c），寶雞地區植被覆蓋變化受降水量影響顯著。至第二輪以來（圖3c），（RUE）高值已遍及全區，與第一輪下的人類活動干預情況相比較，全區由以人類干預增加區域為主轉變為以人類干預減少為主。縱觀3個時間段的（RUE）最高值的空間分布，第一輪下（圖3a），集中分布在渭河和千河交叉口沿岸；第一輪后（圖3b），集中于寶雞東北部的麟游和扶風地區；第二輪以來（圖3c），又集中在寶雞西北部的隴縣、千陽、陳倉地區。此結果與植被覆蓋最高值區空間分布不一致，對應于人類干預減少或較少的人類干預區域。可能的解釋是，在干旱半干旱地區，地處渭河和千河沿岸，氣候常年干旱少雨以及受城市化進程的影響，降水量已不再是植被生長獲取水分的唯一途徑。同時，麟游為丘陵溝壑區，是人們歷來休閑避暑的好去處，高密度的植被覆蓋加上適宜的氣候條件，因此表現為標準化降水利用效率對植被覆蓋變化的影響較小。

由此可見，第一輪后，隴縣的人類干預強度大于降水對植被生長的影響。第二輪以來，草地和林地的（RUE）值最高，值分別為0.06、0.04 g/m2·mm。表現在隴縣（關山牧場）、千陽（千湖濕地）、陳倉區（吳山）、鳳縣和太白（典型的生態林區）。該些地區是退耕還林（草）工程重點建設區，植被覆蓋的改善使土壤蓄水能力增加，降水利用效率提升。經ArcGIS柵格提取3個時間段中人類干預的年平均(RUE)值，發現人類干預減少區域的年均(RUE)值均大于人類干預增加區域，兩者的(RUE)最高值均出現在第二輪以來。整體來看，第一輪下的年均(RUE)值差異顯著，第一輪后的(RUE)值近乎相等。

為探究寶雞地區退耕還林（草）工程實施與標準化降水利用效率的響應關系，依據Sen+M-K趨勢法，參考袁麗華等[29]的劃分標準，劃分(RUE)為顯著降低（<0, ||>1.96）、輕微降低（<0, ||≤1.96）、基本不變（=0）、輕微提高（>0, ||≥1.96）、顯著提高（＞0, ||>1.96）5個等級，進一步分析第一輪下（圖3d）、第一輪后（圖3e）、第二輪以來（圖3f）的年均(RUE)變化趨勢。數據表明，近17 a來，寶雞地區經過兩輪退耕還林（草）工程，(RUE)整體上呈提高趨勢（39.33%、92.66%、19.18%），尤其是第一輪后顯著提高趨勢最為明顯，面積占比高達65.69%。第二輪以來基本不變、輕微提高區域為第一輪后的輕微和顯著提高區域，為第一輪下的輕微和顯著降低區域。集中分布在陳倉區中部、鳳翔中部和北部、千陽北部、麟游中部以及岐山和扶風交界處。第二輪以來輕微和顯著降低面積明顯增加，較第一輪下和第一輪后分別高出30.3%和45.88%，集中于隴縣、陳倉區中西部、渭濱區和鳳縣。整體來看，(RUE)在3個時間段上的變化趨勢偏差較大，由基本不變和顯著提高為主到提高再到基本不變和降低。參照圖2，對應的人類干預由99.85%人類干預增加到86.07%人類干預增加再到81.23%人類干預減少。

圖3 2001－2017年寶雞地區生長季標準化植被降水利用效率Z(RUE)空間分布及變化趨勢

從8類土地利用/覆蓋來看，3個時間段上，Z(RUE)最高值分別表現在草地、城鄉用地和耕地上，值分別為0.89、0.20、?0.31 g/m2·mm。其高低值排序與EVI表現一致，依次為第二輪以來>第一輪后>第一輪下。就退耕還林（草）工程的實施對植被恢復的顯著改善面積占比來看，第一輪下為63.29%、第一輪后為39.33%、第二輪以來為0.01%。(RUE)與EVI的空間變化趨勢較為一致，表明標準化降水利用效率與累計EVI具有較好的同步變化趨勢。

2001－2017年寶雞地區年際(RUE)（0.43/10a）、春季(RUE)（?3.39/10a）、夏季(RUE)（0.58/10a）、秋季(RUE)（0.14/10a）均呈下降（2001－2004）、上升（2004－2007）、再下降（2007－2010）、再上升（2010－2017）的變化趨勢（圖4）。夏季在2009年以前波動較大，最高最低距平差為2.11。年際和秋季尺度上，(RUE)距平最高值均表現在2016年，分別為2.14和1.46 g/m2·mm，前者(RUE)距平最低值出現在2003年和2011年，值分別為?1.54、?1.60 g/m2·mm）。后者僅在2011年表現最低，(RUE)值為?2.05 g/m2·mm。2009年以前春季(RUE)距平均為正，2009年以后均為負，各年份間(RUE)值變化較小，最高最低距平差趨于0；夏季(RUE)距平正負趨勢呈階段式分布，2001－2003年、2013－2016年(RUE)值為正，2004－2012年(RUE)值為負，且出現了4次最高值和三次最低值。分別為2003（1.28 g/m2·mm）、2014（1.82 g/m2·mm）、2015（1.77 g/m2·mm）、2016（1.12 g/m2·mm）和2004（?0.72 g/m2·mm）、2007（?0.84 g/m2·mm）、2010年（?1.05 g/m2·mm）。研究區2001－2017年人類干預增加區域，平均降水量分別為年際780.24 mm、春季447 mm、夏季1201.81 mm、秋季701.36 mm，人類干預減少區域分別為年際703.6 mm、春季376.85 mm、夏季1 065.22 mm、秋季694.58 mm。夏季人類干預區域降水量均表現最高。同時，夏季(RUE)的提高速率和春季(RUE)的降低速率均最顯著。表明寶雞地區夏季降水量最為充裕，春季雨量較差。21世紀初期以來，中國夏季降水量明顯增加，西北脆弱帶以168.25 mm/10 a的速度增加[30]，這與寶雞地區降水變化趨勢基本一致。從8類土地利用/覆蓋數據來看，年際、春季尺度上分別是草地和耕地的(RUE)值最高，城鄉用地的(RUE)均值在夏季和秋季均為最高。4個尺度上，各年的(RUE)均值在草地上均呈現較高，秋季的(RUE)變化波動最大，年際(RUE)的波動幅度稍次于秋季。

圖4 2001－2017年寶雞地區城鄉用地生長季Z(RUE)變化趨勢

2.3 不同條件下的Z(RUE)比較

從生長季年內(RUE)變化來看，不同植被類型（圖5a）、不同坡度（圖5b）、不同坡向（圖5c）的變化趨勢基本一致，呈“三高一低”峰值分布。高峰值出現在4月、6月和11月，低峰值出現在9月，分別對應著農田植被的返青、收割和播種期。3種不同條件下，(RUE)均在11月達到最大值，最小值均出現在9月份。

就12種不同植被類型而言，Ⅵ、Ⅷ、Ⅺ的(RUE)呈“三高（4月、6月、11月）一低（9月）”的年內分布特征，Ⅹ的(RUE)呈“兩高（4月、11月）一低（9月）”分布，Ⅲ、Ⅳ呈“兩高（6月、11月）一低（9月）”分布，其余植被類型均呈4、6、11月高峰和9月低峰分布。其中Ⅷ、Ⅸ和Ⅹ的(RUE)生長季年內變化最大，Ⅸ（像元面積占比最大（23.81%））和Ⅷ分別達到4月份的全區最大值和最小值，Ⅷ和Ⅹ分別達到6月份的全區最大值和最小值。Ⅱ在生長季11月達到全區最大值1.81 g/m2·mm，全區最小值出現在9月的Ⅵ（面積占比最小（0.09%）），為?1.51 g/m2·mm。

坡度是局部地表面的傾斜程度的直觀體現，更是影響地表徑流和水分再分配的重要因子[31]。15°以上和25°以上坡耕地，退耕還林（草）工程分別建議退耕和強制退耕。寶雞地區15°以上面積占比22.36%，25°以上3.59%。依據國土資源部頒布的《第二次全國土地調查技術規程》[32-33]，將寶雞地區坡度劃分為如圖5b所示的5個等級，即平坡地（≤2°）、緩坡地（2°～6°）、斜坡地（6°～15°）、陡坡地（15°～25°）、急坡地（>25°）。生長季年內(RUE)在緩坡地達到全區最大值1.70 g/m2·mm（11月），最小值表現在陡坡地范圍上（?1.45 g/m2·mm（9月份））。整體來看，5類坡度范圍上，斜坡地面積占比最大，為41.58%。平坡地面積占比14.76%，波動幅度最顯著，呈“兩高（4月、11月）一低（9月）”的峰值分布特征。其(RUE)在3、4、8、9月均為5類坡度范圍內最大值，5、6、7、10、11月均為最小值。6月中旬至10月中旬，5類坡度范圍上的(RUE)均為負值，以9月份為拐點呈先下降后上升的變化趨勢。7－11月，各坡度間的年內(RUE)差異較小。

各柵格DEM值改變量的變化方向即為坡向。坡向影響著太陽輻射量和水分的蒸散發[34]。參考朱林富等[35-36]的研究，劃分坡向為平地、陰坡（北坡315～45°）、半陰坡（東坡45～135°）、陽坡（南坡135～225°）、半陽坡（西坡225～315°），分析生長季年內(RUE)隨坡向的變化特征（圖5c）。5類坡向上，平地面積占比最小（0.04%），且(RUE)波動幅度最大，呈“兩高（1月、11月）一低（9月）”的峰值分布特征。其在3、4、7、8、9月均為5類坡向上最大值，5、6、10、11月均為最小值。半陰坡（27.49%）和陽坡（25.90%）面積占比最大，均在11月達到全區最大值（1.63、1.67 g/m2·mm）。總體來看，7月之前，(RUE)陽坡>陰坡，7月之后，陰陽兩坡差異較小。

2.4 氣候變化和人類活動對Z(RUE)變化的貢獻率

已有研究表明，在氣候變化背景下，植被生長及降水利用效率受氣候因子的波動控制作用顯著[15]。另外，人口與植被覆蓋的相關性較好[37]。無論是在為了緩解城市住房等壓力拓展城市范圍的東部沿海地區，還是能源開采的中部能源省份，都會不同程度的破壞自然，導致植被覆蓋退化。即人口密度的增大會降低植被覆蓋度。而生態環境的改善以及城鎮化率的提高，會帶動該些地區經濟的可持續協調發展，促進了就業，吸引了人口遷入，人口密度增大。

為此，本研究選取水分（降水量、相對濕度）、熱量（氣溫、最高氣溫）、光照（日照時數）共5個氣候影響因子，人類活動選取人口（人口密度）、國民經濟（人均GDP）、農業（糧食總產量）、土地面積（造林面積、耕地面積）共5個影響因子。采用灰色關聯分析法，分析(RUE)與氣候變化和人類活動驅動力因子之間的關聯程度（圖6）。從12個縣（區）來看，寶雞地區(RUE)的最大影響因子是氣溫、人均GDP、日照時數，人口密度因子次之。另外，降水量、最高氣溫、造林面積分別在太白、千陽和隴縣影響最大。從10個影響因子來看，各地區最大影響因子差異較大，僅降水量（10.40%）、糧食總產量（10.62%）在太白地區的影響最大，日照時數（11.12%）、造林面積（10.66%）在隴縣影響最大。從一級影響因子來看，光照、人口、國民經濟對(RUE)的影響最大。

注：Ⅰ溫帶針葉林，Ⅱ亞熱帶和熱帶山地針葉林，Ⅲ溫帶落葉闊葉林，Ⅳ溫帶落葉灌叢，Ⅴ亞熱帶、熱帶常綠闊葉、落葉闊葉灌叢(常含稀樹)，Ⅵ亞高山硬葉常綠闊葉灌叢，Ⅶ溫帶禾草、雜類草草甸，Ⅷ高寒嵩草、雜類草草甸，Ⅸ一年一熟糧食作物及耐寒經濟作物、落葉果樹園，Ⅹ兩年三熟或一年兩熟旱作和落葉果樹園，Ⅺ亞熱帶針葉林，Ⅻ溫帶草叢。

圖6 各縣（區）Z(RUE)與8個影響因子的關聯度權重分布

因此，退耕還林（草）工程實施以來，寶雞地區(RUE)變化的主要驅動因素是光照，主要驅動力因子是氣溫、日照時數和人均GDP。總體來看，除扶風、麟游、鳳縣外，其余各縣（區）均為氣候變化對寶雞地區(RUE)變化的貢獻率大于人類活動。

3 討 論

3.1 氣候變化和人類活動對Z(RUE)變化的貢獻率分離

退耕還林（草）工程的實施，對中國干旱半干旱地區的水土流失等問題得到了有效的改善，生態恢復逐年得到改善。同時也帶來了氣候和人類活動的變化。不同時間和空間尺度上，氣候變化和人類活動對(RUE)變化的貢獻率差異較大。不同方法分離氣候變化和人類活動對(RUE)變化的影響存在一定的不確定性，且適用范圍和條件不同。消除不同方法存在的缺陷，綜合利用各種分離氣候變化和人類活動對(RUE)變化影響的方法，有利于改善區域生態環境。劉憲鋒等[15]采用逐步回歸分析法計算了水分利用效率、總初級生產力、蒸散量與各氣候因子之間的關聯，但各因子引入回歸方程計算的先后次序會直接影響回歸結果，導致得出結論存在不確定性，因而最終呈顯著性的變量未必是真實顯著。為規避這一問題，本研究采用灰色關聯分析法，分別計算(RUE)與10個影響因子之間的關聯系數與關聯度，保證了變量間互不影響，數據結果真實有效。

另外，本研究中人為干預因素的厘定方法存在著不確定性。基于退耕還林（草）工程實施的3個時間段上植被累計EVI的變化趨勢，采用Sen+MK趨勢檢驗法，來厘定人類活動增加/減少區域。首先，在求取3個時間段的平均EVI值時，年份和年份個數不同；其次， Sen+MK法是一種非參數、檢驗長時間序列變化趨勢的研究方法，氣候變化和人類活動之間存在耦合效應，尤其是在干旱半干旱地區，氣候變化與人類活動對植被覆蓋變化的影響程度差異顯著，能被更準確的識別和劃分。

3.2 退耕還林（草）工程實施以來Z(RUE)的演變特征

近年來，隨著旅游業的迅速發展，關山草原（隴縣西南部）、吳山（陳倉區新街鎮（隴縣西南部））、千湖國家濕地公園（跨千陽的城關鎮、柿溝鄉、寇家河鄉）、安舒莊森林公園（麟游（岐山山脈結秀之區））、嘉陵江源頭（鳳縣嘉陵江沿岸）地區，(RUE)在3個時間段上的變化趨勢偏差較大，由基本不變和顯著提高為主到提高再到基本不變和降低。對應的人類活動由99.85%人類干預增加到86.07%人類干預增加再到81.23%人類干預減少。加上降水量的逐階段減少，使該些地區的植被退化現象凸顯。3個時間段上，(RUE)最高值分別表現在草地（0.89 g/m2·mm）、城鄉用地（0.20 g/m2·mm）和耕地（?0.31 g/m2·mm）上。就退耕還林（草）工程實施對植被恢復顯著改善的面積占比來看，第一輪下為63.29%、第一輪后為39.33%、第二輪以來為0.01%。(RUE)與EVI的空間變化趨勢較為一致，表明(RUE)與累計EVI具有較好的同步變化趨勢。在大力實施退耕還林（草）生態修復工程和旅游業發展的雙重作用下，前者對區域生態恢復的作用顯著。在無以旅游業發展、加快城市化進程為主等帶來的人類活動干擾的區域內，退耕還林（草）工程的實施，提高了植被標準化降水利用效率。特別是在干旱半干旱區，根據區域的立地條件和生態特征，合理實施退耕還林（草）生態修復工程，使區域水資源得到合理利用的同時又提高了區域標準化降水利用效率，進而促進植被生長，植被恢復得到改善，城鎮化、水資源、土地利用等在區域內達成協作發展。

3.3 退耕還林（草）工程實施以來寶雞地區Z(RUE)驅動力探討

寶雞地區屬三面環山的山地、丘陵為主的地形，秦嶺與渭河平原相互映襯，地貌差異較大，熱量垂直分異明顯。與平坡地（≤2°）相比，隨地表坡度的增大，太陽光線與坡面的交角增大。同時，太陽輻射量的季節性變化與氣溫變化基本一致。研究區季相分明，夏季氣溫最高、太陽輻射能最強，冬季氣溫最低、太陽輻射能最弱。冬去春來時季，由于陰陽2坡接收的太陽輻射能不同，存在一定的溫度差。再加上陰坡較陽坡不利于地表受熱，日照強度較低、時間較短[38]。因此同緯度下，陰坡太陽輻射總量的獲得量明顯要少于陽坡。但是，海拔相對較低、地勢較為平坦的陽坡人類活動多為集中，因而在栽培植被的農耕區（兩年三熟或一年兩熟旱作和落葉果樹園）、≤2°的平坡地，(RUE)普遍偏高。可見，退耕還林（草）工程的實施，對寶雞地區(RUE)的提高作用顯著，在大規模的生態修復背景下，耕地和草地的(RUE)隨生長季植被生長呈增加趨勢，植被也得到了較好改善。

4 結 論

1）近17a來，寶雞地區年際標準化植被降水利用效率(RUE)（0.43/10a）、春季(RUE)（?3.39/10a）、夏季Z(RUE)（0.58/10a）、秋季Z(RUE)（0.14/10a）均呈下降（2001－2004）、上升（2004－2007）、再下降（2007－2010）、再上升（2010－2017）的變化趨勢。寶雞地區夏季降水量最為充裕，(RUE)的提高速率最大。春季雨量較差，年際變化差異最小，(RUE)的降低速率最顯著，表現在2009年前后分別呈正負增長分布趨勢。與21世紀初期以來中國西北脆弱帶夏季降雨量的增速（168.25 mm/10a）趨勢基本一致。年際、春季尺度上分別是草地和耕地的(RUE)值最高，城鄉用地的(RUE)均值在夏季和秋季均為最高。年際、春、夏、秋4個尺度上的(RUE)值均在草地上呈現較高，秋季的(RUE)變化波動最大，年際(RUE)的波動幅度稍次于秋季。

2）生長季年內(RUE)變化在不同植被類型、不同坡度、不同坡向的變化趨勢基本一致，亞熱帶和熱帶山地針葉林在11月達到全區最大值1.81 g/m2·mm，全區最小值（?1.51 g/m2·mm）出現在9月的亞高山硬葉常綠闊葉灌叢，面積占比最小（0.09%）。(RUE)在3、4、8、9月均為平坡地（≤2°）、緩坡地（2°～6°）、斜坡地（>6°～15°）、陡坡地（>15°～25°（包含25°））、急坡地（>25°）5類坡度范圍內最大值。7月之前，陽坡的(RUE)>陰坡，7月之后，陰陽兩坡差異較小。

[1]李鑫，陳先剛，白明銳，等. 宣威市退耕還林柳杉林地土壤有機碳含量及活性組分的林齡變化[J]. 林業科學，2017，53(1)：11－19.

Li Xin, Chen Xiangang, Bai Mingrui, et al. Variation in the content of soil organic carbon and its labile fractions among different age of cryptomeria fortumei plantation afforested by the grain for green program in Xuanwei municipality of Southwest China[J]. Scientia Silvae Sinicae, 2017, 53(1): 11－19. (in Chinese with English abstract)

[2]Hou Kang, Li Xuxiang, Wang Jingjing, et al. An analysis of the impact on land use and ecological vulnerability of the policy of returning farmland to forest in Yan’an, China [J]. Environmental Science and Pollution Research, 2016, 23(5): 4670－4680.

[3]Bai Jianjun, Bai Jiangtao, Wang Lei. Spatio-temporal change of vegetation NDVI and its relations with regional climate in northern shaanxi province since implementation of returning farmland to forests project[J]. Secono International Conference on Agro-Geoinformatics (Agro-Geoinformatics), 2013, 421－426.

[4]Svoray T, Karnieli A. Rainfall, topography and primary production relationships in a semiarid ecosystem[J]. Ecohydrology, 2011, 4(1): 56－66.

[5]Reza M, Ali S, Donald H B. Changes of extrame drought and flood events in Iran[J]. Global and Planetary Change, 2016, 144: 67－81.

[6]Hu Zhongmin, Yu Guirui, Fan Jiangwen, et al. Precipitation-use efficiency along a 4500 km grassland transect[J]. Global Ecology and Biogeography, 2010, 19(6): 842－851.

[7]Mariano M l H, Patricia M S, Garry R W, et al. Variations in hydrological connectivity of Australian semiarid landscapes indicate abrupt changes in rainfall-use efficiency of vegetation[J]. Journal of Geophysical Research: Biogeosiences, 2012, 117(G3): G03009－G03023.

[8]Zhao Z W, Wu Q S. Study on desertification monitoring from 2000 to 2014 and its driving factors through remote sensing in Ningxia, China[J]. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 2018, XLII-3: 2439－2447.

[9]王劉明，張媛，武磊，等. 區域尺度植被降水利用效率的時空變化特征：以洮河流域為例[J]. 蘭州大學學報：自然科學版，2018，54(5)：604－611.

Wang Liuming, Zhang Yuan, Wu Lei, et al. Spatial-temporal variation of vegetation rain use efficiency at the regional scale: A case study in the Tao River Basin[J]. Journal of Lanzhou University: Natural Sciences, 2018, 54(5): 604－611. (in Chinese with English abstract)

[10]穆少杰，游永亮，朱超，等. 中國西北部草地植被降水利用效率的時空格局[J].生態學報，2017，37(5)：1458－1471.

Mu Shaojie, You Yongliang, Zhu Chao, et al. Spatio- temporal patterns of precipitation-use efficiency of grassland in Northwestern China[J]. Acta Ecologica Sinica, 2017, 37(5): 1458－1471. (in Chinese with English abstract)

[11]仇潔，張慧，沈渭壽. 青藏高原1982－2007年植被降水利用效率空間格局特征分析[J]. 復旦學報：自然科學版，2014，53(1)：126－133.

Qiu Jie, Zhang Hui, Shen Weishou. Spatial characteristics of precipitation use efficiency on the Qinghai-Tibet Plateau from 1982 to 2007[J]. Journal of Fudan University: Natural Science, 2014, 53(1): 126－133. (in Chinese with English abstract)

[12]李春娥. 新疆土地荒漠化時空變化特征分析[J]. 測繪科學，2018，43(9)：33－39.

Li Chune. Spatio-temporal variation of land desertification in Xinjiang[J]. Science of Surveying and Mapping, 2018, 43(9): 33－39. (in Chinese with English abstract)

[13]穆少杰，周可新，齊楊，等. 內蒙古植被降水利用效率的時空格局及其驅動力因素[J]. 植物生態學報，2014，38(1)：1－6.

Mu Shaojie, Zhou Kexin, Qi Yang, et al. Spatio-temporal patterns of precipitation-use efficiency of vegetation and their controlling factors in Inner Mongolia[J]. Chinese Journal of Plant Ecology, 2014, 38(1): 1－6. (in Chinese with English abstract)

[14]花立民，楊思維，周建偉，等. 氣候變化和干擾對河西走廊北部風沙源區NDVI的影響[J]. 草地學報，2012，20(6)：995－1003.

Hua Limin, Yang Siwei, Zhou Jianwei, et al. Influence of climate change and disturbance on NDVI in source area of Blown Sand, North of Hexi Corridor[J]. Acta Agrestia Sinica, 2012, 20(6): 995－1003. (in Chinese with English abstract)

[15]劉憲鋒，胡寶怡，任志遠. 黃土高原植被生態系統水分利用效率時空變化及驅動因素[J]. 中國農業科學，2018，51(2)：302－314.

Liu Xianfeng, Hu Baoyi, Ren Zhiyuan. Spatiotemporal variation of water use efficiency and its driving forces on the Loess Plateau during 2000－2014[J]. Scientia Agricultura Sinica, 2018, 51(2): 302－314. (in Chinese with English abstract)

[16]張艷芳，王姝. 黃土高原植被降水利用效率對植被恢復/退化的響應[J]. 干旱區地理，2017，40(1)：138－146.

Zhang Yanfang, Wang Shu. Spatial pattern of vegetation rainfall use efficiency and its response to vegetation changes on the Loess Plateau[J]. Arid Land Geography, 2017, 40(1): 138－146. (in Chinese with English abstract)

[17]王靜，萬紅蓮. 陜西省岐山縣公眾對旱澇災害的感知研究[J]. 陜西農業科學，2017，63(4)：95－98.

Wang Jing, Wan Honglian. Study of the public's awareness of the drought and disaster in Qishan county, Shaanxi province[J]. Shaanxi Journal of Agricultural Sciences, 2017, 63(4): 95－98. (in Chinese with English abstract)

[18]李新堯，楊聯安，聶紅梅，等. 基于植被狀態指數的陜西省農業干旱時空動態[J]. 生態學雜志，2018，37(4)：1172－1180.

Li Xinyao, Yang Lianan, Nie Hongmei, et al. Assessment of temporal and spatial dynamics of agricultural drought in Shaanxi province based on vegetation condition index[J]. Chinese Journal of Ecology, 2018, 37(4): 1172－1180. (in Chinese with English abstract)

[19]萬紅蓮，王靜. 多尺度下寶雞地區干旱動態格局演變及其與植被覆蓋的關系[J]. 生態學報，2018，38(19)：1－12.

Wan Honglian, Wang Jing. Study of dynamic pattern evolution of drought and its correlation with vegetation cover in Baoji area on multi-scale[J]. Acta Ecologica Sinica, 2018, 38(19): 1－12. (in Chinese with English abstract)

[20]Prince S D, De Colstoun E B, Kravitz L L. Evidence from rain-use efficiencies does not indicate extensive Sahelian desertification[J]. Global Change Biol, 1998, 4: 359－374.

[21]Ardo J, Tagesson T, Jamali S, et al. MODIS EVI-based net primary production in the Sahel 2000－2014[J]. In J Appl Earth Obs Geoinformation, 2018, 65: 35－45.

[22]Wang Lunche, Gong Wei, Ma Yingying, et al. Modeling regional vegetation NPP variations and their relationships with climatic parameters in Wuhan, China[J]. Earth Interactions, 2013, 17(4): 1－20.

[23]Sjostrom M, Ardo J, Arneth A, et al. Exploring the potential of MODIS EVI for modeling gross primary production across African ecosystems[J]. Remote Sensing of Environment, 2011, 115(4): 1081－1089.

[24]劉麗娟，龐勇，Svein Solberg，等. 基于時間序列MODIS EVI數據的森林生長異常監測[J]. 林業科學，2012，48(2)：54－62.

Liu Lijuan, Pang Yong, Svein Solberg, et al. Monitoring forest growth disturbance using time series MODIS EVI data[J]. Scientia Silvae Sinicae, 2012, 48(2): 54－62. (in Chinese with English abstract)

[25]Xu Lili, Tu Zhenfa, Zhou Yuke, et al. Profiling human-induced vegetation change in the Horqin Sandy land of China using time series datasets[J]. Sustainability, 2018, 10(4): 1－18.

[26]Li Y R, Cao Z, Long H L, et al. Dynamic analysis of ecological environment combined with land cover and NDVI changes and implications for sustainable urbanerural development: The case of Mu Us Sandy Land, China[J]. Journal of Cleaner Production, 2017, 142(2): 697－715.

[27]魏鳳英. 現代氣候統計診斷與預測技術（第二版）[M]. 北京：氣象出版社，2007.

[28]許漢玲. 基于NDVI與RUE的松遼平原西部植被動態變化監測[D]. 長春：東北師范大學，2013：6.

Xu Hanling. Spatial-Temporal Change of Vegetation in the Western Songliao Plain Based on NDVI and RUE [D]. Changchun: Northeast Normal University, 2013: 6. (in Chinese with English abstract)

[29]袁麗華，蔣衛國，申文明，等. 2000－2010年黃河流域植被覆蓋的時空變化[J]. 生態學報，2013，33(24)：7798－7806.

Yuan Lihua, Jiang Weiguo, Shen Wenming, et al. The spatio-temporal variations of vegetation cover in the Yellow River Basin from 2000 to 2010[J]. Acta Ecologica Sinica, 2013, 33(24): 7798－7806. (in Chinese with English abstact)

[30]楊蓉，趙多平. 氣候變暖背景下西北脆弱帶近54年降水季節變化特征[J]. 水土保持研究，2018，25(6)：85－93.

Yang Rong, Zhao Duoping. Characteristics of seasonal variation of precipitation in Northwest vulnerable ecotone under the background of climate warming in the past 54 years[J]. Research of Soil and Water Conservation, 2018, 25(6): 85－93. (in Chinese with English abstact)

[31]李富春，王琦，張登奎，等. 坡地打結壟溝集雨對水土流失、紫花苜蓿干草產量和水分利用效率的影響[J]. 水土保持學報，2018，32(1)：147－161.

Li Fuchun, Wang Qi, Zhang Dengkui, et al. Effects of tied-ridging rainwater harvesting on soil erosion, alfalfa fodder yield and water use efficiency on slope lands[J]. Journal of Soil and Water Conservation, 2018, 32(1): 147－161. (in Chinese with English abstact)

[32]趙婷，白紅英，鄧晨暉，等. 2000－2016年秦嶺山地植被覆蓋變化地形分異效應[J]. 生態學報，2019，39(12)：1－11.

Zhao Ting, Bai Hongying, Deng Chenhui, et al. Topographic differentiation effect on vegetation cover in the Qinling Mountains from 2000 to 2016[J]. Acta Ecologica Sinica, 2019, 39(12): 1－11. (in Chinese with English abstact)

[33]陳洪磊，歐陽煒，呂鳳玲，等. 官渡河流域植被覆蓋變化與地形因子相關性[J]. 水土保持研究，2019，26(3)：135－147.

Chen Honglei, Ou Yangwei, Lv Fengling, et al. Variation of vegetation cover and its correlation of topographic factors in Guandu river basin[J]. Research of Soil and Water Conservation, 2019, 26(3): 135－147. (in Chinese with English abstact)

[34]王子婷，楊磊，蔡國軍，等. 半干旱黃土區坡面尺度檸條生長狀況及影響要素分析[J]. 生態學報，2017，37(23)：7872－7881.

Wang Ziting, Yang Lei, Cai Guojun, et al. Spatial patterns of Caragana korshinskii growth on hillslope scale and influencing factors in the semi-arid Loess Plateau[J]. Acta Ecologica Sinica, 2017, 37(23): 7872－7881. (in Chinese with English abstact)

[35]朱林富，謝世友，楊華，等. 基于MODIS EVI的重慶植被覆蓋變化的地形效應[J]. 自然資源學報，2017，32(12)：2023－2033.

Zhu Llinfu, Xie Shiyou, Yang Hua, et al. The research of dynamic change in vegetation coverage to topography in Chongqing based on MODIS EVI[J]. Journal of Natural Research, 2017, 32(12): 2023－2033. (in Chinese with English abstact)

[36]童曉偉，王克林，岳躍民，等. 桂西北喀斯特區域植被變化趨勢及其對氣候和地形的響應[J]. 生態學報，2014，34(12)：3425－3434.

Tong Xiaowei, Wang Kelin, Yue Yuemin, et al. Trends in vegetation and their responses to climate and topography in northwest Guangxi[J]. Acta Ecologic Sinica, 2014, 34(12): 3425－3434. (in Chinese with English abstact)

[37]胡苗苗，閆慶武，李晶晶. 省際遷入人口空間費恩不及其影響因素研究[J]. 人口與發展，2019，25(1)：24－34.

Hu Miaomiao, Yan Qingwu, Li Jingjing. Spatial distribution and influential factors of inter-provincial population moving into[J]. Population & Development, 2019, 25(1): 24－34. (in Chinese with English abstract)

[38]田榮湘，康玉香，張文濱，等. 太陽輻射和大氣環流在青藏高原氣溫季節變化中的作用[J]. 浙江大學學報：理學版，2017，44(1)：84－96.

Tian Rongxiang, Kang Yuxiang, Zhang Wenbin, et al. The role of solar radiation and atmospheric circulation in the seasonal temperature changes of Qinghai-Tibei plateau[J]. Journal of Zhejiang University: Science Edition, 2017, 44(1): 84－96. (in Chinese with English abstact)

Spatio-temporal evolution and driving forces of rainfall use efficiency in land restoration

Wang Jing1,2, Yao Shunbo1※, Liu Tianjun2

(1.,,712100; 2.712100)

Returning farmland to forest (grass), named Grain for Green Project, is one of the major ecological land restoration in China. In the context of the global climate change, the study of the impact of precipitation patterns on the productivity of ecosystems become an important means to evaluate the use efficiency of returning farmland to forests (grass) for the ecological restoration. Baoji region was used to this research in order to provide a specific theoretical reference for the improvement and implementation of the subsequent national ecological restoration policy, and the corresponding vegetation growth season was selected as March-November. Based on the standardized rainfall use efficiency(RUE) model and integrated climate, land use/cover and optical remote sensing, this present study explored the influence of the temporal and spatial evolution characteristics of(RUE) and driving forces by the use of isolated natural and human factors to monitor the inter-annual and seasonal growth seasons. The result shows: 1) In 2001 to 2017, after two rounds of returning farmland to forests (grass) in Baoji area,(RUE) showed an overall improvement trend, especially in the area of pixels that showed a significant increase after the first round. The highest increase was 65.69%. The whole region was changed from the artificial intervention region to the reduction of human intervention under the first round of the project implementation; 2) The spring(RUE) change was the smallest among the inter-annual differences, and the transition point appeared in 2009, which was the period of 2001 to 2009 and 2009 to 2017 were positive and negative growth distribution, respectively.(RUE) in Summer increased most significantly, together with the largest annual difference in Autumn. The(RUE) mean of each year on the inter-annual and spring scales was the highest in the grassland and cultivated land, respectively, and the(RUE) of urban and rural land was the highest in Summer and Autumn; 3) Different type of vegetation, slope, direction of slope angle, change of(RUE) were in the peak distribution of “three high and one low”. The much higher peaks occurred in April, June, and November (maximum), whereas the low peaks occurred in September (minimum), corresponding to greening (April), harvesting (June), and sowing (September); 4) Illumination duration become the main driving factor for the(RUE) variations in Baoji area. The main driving factors were temperature, sunshine hours and per capita GDP. Since the implementation of the project of returning farmland to forests (grass), the grassland improvement trend in the growing season was the best, indicating consistent with the increasing trend of(RUE) on the grassland. Except Fufeng, Linyou County and Fengxian, the remaining counties (districts) have much more contributed to the variation of(RUE) than human activities in Baoji area of China.

returning farmland to forests (grass); standardized rainfall use efficiency; human intervention; driving factor; Baoji area

王 靜，姚順波，劉天軍. 退耕還林背景下降水利用效率時空演變及驅動力探討[J]. 農業工程學報，2020，36(1)：128－137.doi：10.11975/j.issn.1002-6819.2020.01.015 http://www.tcsae.org

Wang Jing, Yao Shunbo, Liu Tianjun. Spatio-temporal evolution and driving forces of rainfall use efficiency in land restoration[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(1): 128－137. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2020.01.015 http://www.tcsae.org

2019-08-07

2019-12-02

林業公益性行業科研專項經費資助（201504424）；教育部人文社會科學重點研究基地基金資助(14JJD790031)；國家自然科學基金（71473195）；國家林業局軟科學項目（2015-R32）；“十三五”國家重點研發計劃重點專項（2016YFC0501705；2016YFC0501602）

王 靜，博士，研究方向為資源經濟與生態環境管理。Email：wangj87j@163.com

姚順波，教授，博士生導師，研究方向為資源經濟與環境管理。Email：yaoshunbo@163.com

10.11975/j.issn.1002-6819.2020.01.015

P967; Q948

A

1002-6819(2020)-01-0128-10