1982—2015年黃河流域植被NDVI時空變化及影響因素分析

張靜 ，杜加強，盛芝露，張楊成思，吳金華，劉博

1 中國環境科學研究院/國家環境保護區域生態過程與功能重點實驗室，北京 100012；2 蘭州大學生命科學學院，甘肅 蘭州 730000

植被作為地表生境狀況的表征，對于流域生態系統的生態平衡、水文/地貌過程具有重要的調節作用（顏明等，2018）。植被生長過程中對生境變化具有極高的敏感性，被視為全球變化的“指示器”（Sun et al.，2015；王偉等，2019）。而人類活動和氣候變化是決定區域植被類型及其分布、變化的重要因素（Zeng et al.，2014；于泉洲等，2015）。作為中國的第二大流域，黃河流域尤其是黃土高原地區在人類活動和氣候變化的雙重影響下，能夠涵養水源、保持水土的流域植被的覆蓋狀況從 1982年至今發生了劇烈變化（賀振等，2017）。深入理解黃河流域植被變化以及其對氣候變化的響應、定量分析人類活動對植被的影響，總結以往粗放發展模式的經驗和教訓，可為黃河流域生態文明建設提供支撐、推動流域高質量發展。

眾多學者基于NDVI時間序列對黃河流域的植被時空變化進行了大量研究。楊勝天等（2002）利用1982—1999年AVHRR數據，分析了黃河流域植被覆蓋動態變化，認為區域植被覆蓋度總體呈上升趨勢；袁麗華等（2013）采用Theil-Sen median趨勢分析和Mann-Kendall以及Hurst指數法分析了黃河流域 NDVI時空分布、變化趨勢和可持續性；Zhang et al.（2020）以氣候與NDVI回歸方程的調整 R平方（adj-R2）判斷氣候變化對植被覆蓋的影響大小，發現經濟較發達地區NDVI受人類活動影響較大而經濟水平較弱的城市NDVI受人類活動的干擾較小。隨著城市建設、農業活動以及一系列的生態工程的實施，人類活動影響不斷加劇，評價人類活動和氣候變化對植被覆蓋變化的貢獻率逐漸成為研究的重點（Pan et al.，2015；Hu et al.，2019）。不同驅動因素對黃河流域植被變化的貢獻及不同區域存在的差異尚不完全明確，以往關于植被變化驅動因素的分析多為定性研究，少量為定量研究且多缺乏典型區結果分析驗證。回歸模型法、殘差趨勢法、生物物理過程模擬是常用的3種定量評估植被變化驅動因素貢獻率方法，其中殘差趨勢法應用最為廣泛（Jiang et al.，2020；馬啟民等，2019）。殘差趨勢法的假設前提更接近現實，即人類活動為零或保持穩定的情形下氣候決定的植被變化，且模型構建簡單。目前針對整個黃河流域開展 30年以上長時間序列的植被時空變化研究較少，為判斷植被長期變化趨勢、便于與已有分析結果對比，可使用多嵌套時段即固定起始年作為一個恒定的參照、基準的標準而改變結束年（Du et al.，2015；Du et al.，2019a）。因此，本文將基于氣溫、降水資料以及GIMMS NDVI3g數據集，運用趨勢分析、相關性分析等方法分析NDVI在多尺度、多時段、多土地利用類型中的變化趨勢，研究NDVI與水熱因子的潛在關系，并采用殘差趨勢法定量分析氣候變化和人類活動的相對貢獻，以期為黃河流域生態環境保護提供科學建議。

1 數據與方法

1.1 研究區概括

黃河流域位于 96°—119°E、32°—42°N 之間，幅員遼闊，流域面積約為79.5×104km2（圖1）。黃河自西向東流經青海、四川、甘肅、寧夏、內蒙古、陜西、山西、河南以及山東9個省份，橫跨青藏高原、內蒙古高原、黃土高原和黃淮海平原4個地貌單元。以內蒙古河口鎮、河南桃花峪為分界點，黃河流域劃分為上、中、下游3個地區。上游高差懸殊，水電資源豐富；中游以黃土高原為主，水土流失嚴重；下游地勢平坦，多為沖積平原和三角洲。研究區地跨干旱、半干旱、半濕潤氣候區，流域光照充足、降水集中，植被類型豐富（楊尚武，2015），流域內土地、水能、煤炭、石油、天然氣、礦產等自然資源豐富。根據相關統計，2018年黃河流域省份常住人口4.2億，GDP總量達23.9萬億元，糧食產量約占全國三分之一。黃河流域是我國重要的經濟帶，人類開發活動具有強度大、范圍廣、歷史長等特點；同時干旱是流域的基本特征，生境脆弱敏感，適宜開展植被覆蓋動態變化及其驅動力研究。

圖1 黃河流域位置圖Fig.1 Location Map of the Yellow River Basin

1.2 數據來源及處理

1.2.1 遙感數據

采用目前時間跨度最長的GIMMS NDVI3g數據集，空間分辨率為8 km，時間分辨率為15 d，起止年份為1982年和2015年。數據預處理包括格式轉換、投影轉換、裁剪等操作。利用最大合成法（MVC）得到月尺度數據，再采用生長季（4—10月）、春季（4—5月）、夏季（6—8月）和秋季（9—10 月）（Piao et al.，2011；Peng et al.，2011；杜加強等，2015）均值計算季尺度 NDVI。為了排除非植被因素的影響，采用0.05作為植被區域的閾值（Du et al.，2019b）。

1.2.2 土地利用數據

2015年土地利用數據由資源環境數據云平臺提供，空間分辨率為1 km。該數據以Landsat 8 OLI影像為基礎，解譯后分為耕地、林地、草地、水域、建設用地和未利用土地6個一級土地利用類型。

1.2.3 氣象數據

本文采用的氣象數據（氣溫、降水）來自中國氣象科學數據共享服務網，數據經過嚴格的質量控制。采用克里金插值方法，對選定的150個氣象站點（圖 1）進行空間插值、裁剪得到研究區氣象數據柵格圖層。

1.3 研究方法

1.3.1 趨勢分析

NDVI年際變化趨勢采用NDVI與時間的最小二乘回歸斜率（slope）表征。若 slope<0，則表示季節 NDVI隨時間逐漸減小；反之則增加。slope絕對值愈大，季節NDVI隨時間的變化愈快。為探討黃河流域植被變化的動態過程，分別在 1982—1999年、1982—2000年……1982—2015年17個嵌套時間段上計算NDVI的變化趨勢。為進一步了解黃河流域不同區域、不同土地利用類型NDVI的變化，分別在黃河流域上中下游3個研究單元，耕地、林地、草地、建設用地和未利用地等5類土地利用類型探討區域平均NDVI的變化。為了更加客觀地評價黃河流域各季節NDVI在17個時段中的變化，將其劃分為顯著增加（R>0，P<0.05）、不顯著增加（R>0，P≥0.05）、不顯著減少（R<0，P≥0.05）、顯著減少（R<0，P<0.05）4個類別。

1.3.2 NDVI與氣候因子相關性分析

采用NDVI與同期氣候因子的Pearson相關性來表征氣溫/降水對 NDVI的影響（徐浩杰等，2012）。同樣，在17個嵌套時段分析NDVI與氣候因子的相關性、顯著性，以更為全面體現氣候變化對植被影響的穩定性和持續性。

1.3.3 殘差趨勢法

殘差趨勢法是Evans et al.（2004）于2004年提出，基本原理是植被覆蓋主要由同期氣象因子和人類活動強度所決定，計算步驟通常將NDVI與氣候因子進行多元回歸得到NDVI回歸值，通過NDVI觀測值與NDVI回歸值分離人類活動和氣候變化對NDVI的貢獻（于璐等，2020）。

地面觀測值（即 NDVI真實值）作為因變量、氣溫和降水量作自變量，逐步回歸得到預測方程來模擬自然狀態下的NDVI（即NDVI回歸值）。考慮到回歸方程無法理想化建立，不能簡單將 NDVI殘差值視為人類活動對植被覆蓋的影響。長期的人類活動才會造成殘差的趨勢性變化，即殘差時間序列明顯變化表征人類活動主導的植被變化。因此按照公式(2)、(3) 可分別計算出人類活動、氣候變化對植被變化的相對貢獻率，分析 1982—2015年人類活動對植被覆蓋變化的影響（易浪等，2014）。

2 結果

2.1 NDVI時空變化

2.1.1 總體趨勢

1982—2015年，黃河流域生長季和春、夏、秋季平均NDVI均呈顯著提高趨勢（R2=0.86，R2=0.66，R2=0.60，R2=0.59），尤其是生長季增加趨勢最為顯著（圖2）。生長季、春季和秋季各個時段NDVI升高趨勢均顯著，而夏季在前3個時段和后7個時段顯著（圖 3）。生長季和春、夏季 17個時段的NDVI變化率呈不規則的“U”型，即先減少再增加，頂點在第9個時段附近；而秋季則為波動中持續增加趨勢。

圖2 黃河流域各季節平均NDVI變化趨勢Fig.2 Variation trend of mean NDVI in Yellow River Basin

圖3 各季節NDVI在17個時段的變化率和相對變化率Fig.3 Variation rate and relative change rate NDVI each season in 17 periods

黃河上中下游區域內生長季和各季節平均NDVI均呈波動上升趨勢。NDVI相對變化率（RCP，relative change rate）分析發現，17個時段中，上游RCP在春季和秋季波動上升，生長季和夏季較平穩；中游在前8個時段RCP都較小，第9個時段后快速增加；下游 RCP除秋季略增加外，其他季節RCP均隨時段延長而減小（圖4）。1982—2015年，黃河下游春季植被增長最顯著，原因可能是下游平原農業生產水平的提升；生長季和夏季黃河中游最顯著，考慮與區域退耕還林等政策有關。不同土地利用類型的計算結果顯示，林地在生長季和春季的上升速率最大，分別為0.064/10 a和0.027/10 a；夏季和秋季則是耕地最大，分別是 0.019/10 a和0.024/10 a。

圖4 黃河上中下游各季節NDVI17個時段的相對變化率Fig.4 The relative change rates of NDVI 17 periods in the upper,middle and lower seasons of the Yellow River

2.1.2 空間格局

1982—2015年，各季節黃河流域植被覆蓋顯著改善區域的面積占比要遠大于顯著退化區域（圖5）。各季節植被活動顯著提高的像元多分布于中游區域，顯著減少像元空間分布如下：生長季植被活動顯著減少像元分散分布于上游青藏高原、中游渭河流域以及下游花園口區域；春季植被活動顯著減少的像元多分布于上游寧夏天湖和德嶺山水庫、中游渭河和汾河流域；夏季植被活動顯著減少的像元分布在上游青藏高原以及中游的南部；秋季植被活動顯著減少的像元分散在區域西南部和南部。

圖5 1982—2015黃河流域NDVI變化趨勢Fig.5 1982-2015 NDVI trends in the Yellow River Basin

隨著分析時段延長，春季和夏季NDVI顯著減少區域、各季節顯著增加區域均極顯著增加，生長季NDVI顯著減少區域呈緩慢增加，秋季NDVI顯著減少區域則呈波動減少；而NDVI增加（包括顯著增加和不顯著增加）區域除春季增加不明顯外，均呈極顯著增加。

2.2 氣候變化對植被覆蓋的影響

黃河流域各季節區域平均NDVI與同期氣溫相關性較強，生長季和春季 17個時段均顯著相關，夏季和秋季部分時段顯著相關；與降水量相關性不強，春季和夏季的相關性要優于生長季和秋季（表1）。春季植被與氣溫顯著正相關像元比例在 4個季節中最大，17個時段平均達到26%，顯著負相關區域則是夏季最大（7%）。植被與降水量相關性方面，生長季顯著正相關像元最多（15%），各季節顯著負相關像元均低于 2%。顯著相關的像元分布存在空間異質性（圖 6）。NDVI與氣溫顯著正相關的區域多分布在黃河中游，而顯著負相關多分布在上游青藏高原區域。NDVI與降水顯著正相關的區域分布存在季節差異：生長季和秋季主要分布在上游東北部和中游北部，春季集中分布在上游西南部，夏季在上游東北部；而顯著負相關的區域多零散分布于上游以及中游南部。

圖6 各季節NDVI與氣溫/降水相關性Fig.6 Correlation of NDVI and temperature/precipitation by season

表1 17個時段各季節NDVI與氣候要素的相關系數（R 2）Table 1 Correlations between seasonal NDVI and climate factors during seventeen periods

2.3 NDVI變化驅動力分析

區域尺度分析結果表明，1982—2015年氣象因子（溫度、降水）和人類活動對生長季NDVI的平均貢獻率分別為31%、69%。氣候變化的貢獻率研究區西部最高，中部略低，西南部和東部最低（圖7），其對 NDVI變化的貢獻率為正的區域面積約占86%。在青藏高原、甘肅東部、寧夏西部，氣候變化對NDVI的正向貢獻顯著（大于60%）。氣候變化對 NDVI變化的貢獻率為負的區域面積約占14%，主要集中在甘肅西部以及陜西、山西小部分地區。氣候變化貢獻率大于80%的面積僅占全區總面積的6%，氣候變化的貢獻率在0—20%和40%—60%范圍的區域面積較大（均大于20%）。人類活動對生長季植被 NDVI的貢獻率則以研究區西北部、東部最高，中部和西南部略低（圖 7）。人類活動對 NDVI變化的貢獻率為正的區域面積約占96%。貢獻率超過80%的區域主要集中在甘肅西部、寧夏北部、內蒙古、山西、河南以及山東等地，占總面積的40%以上。人類活動對NDVI變化的貢獻率為負的區域面積僅為4%，多分布在青海省。

圖7 各季節1982—2015年氣候變化和人類活動對植被變化的影響空間分布Fig.7 Spatial distribution of impacts of climate change and human activities on vegetation change in each season from 1982 to 2015

同一驅動因子對不同季節NDVI變化的平均貢獻率不同，氣候因子平均貢獻率在春、夏季為24%，秋季則為 16%。不同驅動因子在不同季節表現一致，即人類活動對植被NDVI增加的貢獻總體上比氣候變化的貢獻更大。

同一驅動因子對不同季節NDVI變化的貢獻率空間分布存在區域異質性。春季和夏季氣候因子在黃河上游青藏高原地區正向貢獻率大于60%，在甘肅、內蒙古以及陜西、山西等地表現為極低正向貢獻率或負向貢獻率，而上述現象在秋季有所減弱。人類活動貢獻率的空間分布與氣候貢獻率相反，春、夏季人類活動貢獻率較小的像元分布比例在秋季有所減小。

1982—2015年生長季和各季節植被生長主要受到人類活動的影響。甘肅、內蒙古、陜西、山西、河南和山東等的部分區域人類貢獻率為正、氣候貢獻率為負，NDVI呈持續上升，說明了地區生態工程效益正在凸顯。

3 討論

3.1 NDVI變化趨勢

已有研究基于不同數據、方法、研究時段等得出較為一致的結論，即黃河流域植被生長呈改善趨勢（Nie et al.，2012；賀振等，2012；袁麗華等，2013；張亞玲等，2014）。本文得出的植被顯著退化區域主要分布在黃河流域上游和南部的空間格局，與Nie et al.（2012）和袁麗華等（2013）的研究結論一致。植被覆蓋變化隨著研究范圍、植被類型的不同而有所差異。本研究表明，NDVI增長速度為黃河中游>黃河下游>黃河上游。這一結果與張亞玲等（2014）不同，NDVI時間序列的延長更新了對流域植被變化趨勢的認識。不同土地利用類型中，林地和耕地植被改善狀況顯著。2000年以來我國禁止亂砍濫伐有利促進了林地NDVI的增長，耕地NDVI明顯增加趨勢則與農耕灌溉水利技術等息息相關（楊尚武，2015）。長時間序列NDVI數據能更好表征植被變化趨勢，本文結果可為未來更長時間尺度研究提供對比參考。

3.2 影響因素分析

氣溫和降水是制約植被生長的兩個重要氣候因子。季節尺度上，春季NDVI與氣溫相關性較強，這主要是由于春季萌芽期植被需要充足的熱量；空間分布上，上中游NDVI與氣溫關系顯著，是由于高寒區升溫下冰雪消融利于植被的生長（楊尚武，2015）。干旱半干旱地區植被增長與降水量的相關性較高（Li et al.，2019），先鋒植被的存在削弱了分析結果中降水的重要性。與氣候變化相比，愈加活躍的人類活動對研究區植被覆蓋變化的影響更大，這也是NDVI變化率呈現不規則“U”型的可能原因。盡管資源開發、城市建設等主要對局部區域植被覆蓋產生負面影響（曹巍等，2019），但本文研究認為黃河流域人類的正向貢獻大于負向。典型地區如毛烏素沙地，人類活動對植被變化的正向貢獻率在60%以上，大型噴灌農田區人類貢獻更高（圖8）；農業種植的增加、人工造林和畜牧業的管控等有效地促進了地區植被覆蓋（Xiu et al.，2018；曹艷萍等，2019）。超載放牧、人為墾荒是黃河上游生態惡化的重要原因（Li et al.，2019）；礦產的不合理開發也會對區域大氣、水環境以及生態生產力造成負面影響（馬麗等，2020）。以甘南藏族自治州為例，“草畜平衡”難以維穩導致甘南州天然草場因超載率而急劇變化（圖 9），區域生態環境問題日益突出，當前人類活動正向貢獻率仍較小。人類行為可強制干預地區植被恢復、環境改善進程，政府的嚴加管控和統一監督對于甘南等環境脆弱區生態環境至關重要。

圖8 1982—2015年毛烏素生長季NDVI變化趨勢和人類活動對其影響分布Fig.8 NDVI trends during the growth season and the impact of human activities on vegetation changes in Maowusu from 1982 to 2015

圖9 甘南州NDVI和載畜量變化Fig.9 Changes of NDVI and carrying capacity in Gannan

在分析人類活動對NDVI的影響時，本文并未對人口增長、城市化進程、農業發展以及生態保護政策等不同人類活動對植被覆蓋產生的影響進行深入分析，這需要更多數據支撐以深入探索 NDVI變化。此外，本文采用的殘差趨勢法雖能在一定程度上衡量人類活動對植被變化的貢獻，但無法完全剝離氣候的影響，回歸方程建立時也并未兼顧所有氣候因子。總體上，殘差趨勢法在黃河流域應用結果較為合理，但研究區植被覆蓋變化驅動機制仍需進一步研究。

4 結論

本文以生態環境較脆弱、人類活動劇烈的黃河流域植被變化為研究對象，研究了植被 NDVI在1982—2015年間的變化狀況，并分析了其與氣候變化和人類活動之間的時空響應關系，主要結論如下。

（1）1982—2015年黃河流域NDVI持續增加，增速在2008年（第9個時段）后穩定上升；隨時段延長NDVI增加區域除春季增加不明顯外，均呈極顯著增加。黃河中下游NDVI增加顯著，上游尤其是西南部NDVI減少明顯，空間上總體呈由西向東逐漸增加趨勢。在區域和像元尺度上，中游NDVI增加均最為顯著；相比草地和建設用地，耕地和林地的增加趨勢更為明顯。

（2）相比降水，氣溫是區域植被生長的主要氣候影響因子。NDVI與氣溫顯著正相關的區域多分布在黃河中游涇河流域，而顯著負相關多分布在上游青藏高原區域。

（3）黃河流域植被變化中，人類活動的影響要遠大于氣候變化，且人類活動多為正向貢獻。隨著全球氣溫升高，上游青藏高原等高海拔地區為植被生長提供的生境向好。但是人類活動帶來的負面影響超過其承載力，NDVI難以保持增加。政策的良好引導、生態文明意識的提高，人類對黃河流域植被覆蓋增加的貢獻將不斷增大。