東北地區植被時空演變及影響因素分析

石 淞,李 文,丁一書,林曉鵬,翟育涔

東北地區植被時空演變及影響因素分析

石 淞,李 文*,丁一書,林曉鵬,翟育涔

(東北林業大學園林學院,黑龍江 哈爾濱 150040)

基于2000～2020年MODIS NDVI遙感數據,輔以氣象數據和土地利用數據,通過小波分析、Sen+Mann-Kendall趨勢分析、Hurst指數、偏相關分析及殘差分析法,以不同地形地貌為單元,對不同周期階段下東北地區植被時空演變特征及其對氣候變化和人類活動的響應機制進行深入解析.結果表明:時間上,21a間東北地區植被NDVI呈速率為0.0308/10a(<0.001)的上升趨勢,以16a第一主周期下10a左右的周期變化最為穩定;空間上,東北地區植被NDVI整體處于較高水平,但空間分異明顯,呈“西南低東北高”的格局.各周期階段均為NDVI改善面積大于退化面積且改善范圍不斷擴增.NDVI未來變化趨勢主旋律為持續改善,占總面積的63.56%;響應機制上,東北地區植被NDVI受氣候變化與人類活動共同影響.2000～2020年NDVI與氣溫、降水和相對濕度呈正相關,與日照時數呈負相關,其中降水對NDVI的影響作用最強,且隨周期演替以降水為主導氣候因子的面積顯著遞增.各周期階段人類活動對NDVI變化均以正向促進為主,林業工程實施是植被狀況改善的關鍵,而建設用地擴張是植被減少的主要原因.

東北地區；NDVI；時空演變；氣候變化；人類活動

監測植被動態并探索植被生長與氣候變化和人類活動的響應關系,是全球變化研究中持續關注的問題[1-2].東北地區地處中高緯度帶,是全球變化響應的敏感區和脆弱區,也是維護我國糧食安全和陸表生態平衡的重要區域[3].東北地區植被以落葉闊葉林、針闊混交林、草原草甸為主,其植被生態系統是長期自然演化的結果,一旦遭到破壞,恢復難度極大且過程緩慢[4].近幾十年來,由于水熱條件改變和開發建設加劇,東北地區生態環境發生顯著變化,主要表現為森林生態功能衰減[5]、草地荒漠化[6]、黑土區水土流失嚴重[7]等.植被作為陸地生態系統中的主體,對東北地區生態可持續發展起關鍵作用[8],探究其時空變化及驅動機制具有重要意義.

利用遙感衛星數據監測植被生長有助于更好地了解植被信息,在眾多遙感數據反演的植被指數中,歸一化植被指數(NDVI)具有物理意義明確、消除輻射誤差、對植被響應能力強等優勢,應用最為廣泛[9].目前國內外學者基于NDVI時間序列從多尺度對植被時空變化及其影響因素的研究已有豐碩成果.研究指出[10-12],近30a全球變暖使北半球植被物候期提前,枯黃期推遲,NDVI整體呈上升趨勢,在我國西北干旱區[13]、東南沿海城市[14]、黃河流域[15]、三江平原[16]和青藏高原[17]等地的研究中也有類似結論.大量學者聚焦于運用相關分析[18]、面板數據模型構建[19]、地理探測器[20]等方法探究NDVI與氣溫、降水、土地利用、人口密度等的響應關系.研究表明,氣候變化作為內部驅動力,主要通過改變植被所處的局地環境,影響碳積累、水循環及土壤有機質分解過程,進而影響其生長發育及分布格局,且在不同植被類型與海拔梯度間氣候因子的影響范圍和作用強度存在差異[21-23];人類活動作為外部驅動力在不同程度上緩解或加劇氣候變化的影響,體現為一種復雜的人-環境耦合系統,與政策和經濟因素密切相關,在社會快速發展時期,其作用更加不可忽視[24-25].隨著研究不斷深入,針對東北地區植被的研究也取得了長足進展.研究發現[26-28],近年來東北地區植被覆蓋整體呈穩定增長態勢,并且認為生長季尺度上NDVI與降水的相關性高于氣溫,同時,氣候變化和人類活動均對植被改善具有促進或抑制作用,其中人類活動是植被趨勢變化的主導因素.

前人對東北地區研究,大多以NDVI起止年為研究時段,以行政區劃為研究單元,忽略了植被變化在不同階段、不同地形環境的差異.且多側重定性討論,只有少數學者進行了定量剝離,但未考慮氣溫和降水外的其他氣候因素對植物生長的影響及NDVI變化與氣候因子的時滯效應.鑒于此,本文借助谷歌地球引擎(GEE)云平臺,基于2000～2020年MODIS NDVI數據,以地形地貌分區為單元,采用小波分析方法劃分周期階段,利用Sen+Mann-Kendall趨勢分析和殘差分析等方法,探討植被時空演變特征及其對氣候變化和人類活動的響應機制,以期為東北地區植被資源修復和生態政策制定提供科學依據.

1 數據與方法

1.1 研究區概況

東北地區(38°72'～53°56'N、115°52'～135°09'E)包括黑龍江、吉林、遼寧及內蒙古自治區東四盟(呼倫貝爾、興安、通遼、赤峰),總面積約125萬km2.地勢分異明顯,呈三面環山,內部平原的格局,可劃分為松嫩平原、三江平原、遼河平原、大興安嶺、小興安嶺及長白山.屬溫帶大陸性季風氣候,四季分明,雨熱同期.由南向北跨越中溫帶與寒溫帶,北部凍土區冬季氣溫可達-40℃,由東向西跨越濕潤、半濕潤與半干旱區,年降水量由1000mm逐漸低至300mm以下.作為我國最大的天然林分布區,植被區劃上匯合了中國8大植被區域中的4類,分別為溫帶針闊混交林、寒溫帶針葉林、暖溫帶落葉闊葉林、溫帶草原,植被分布上具有南北緯度、東西經向和山地垂直地帶性[29].為解決氣候變化與不合理人類活動造成的生態環境問題,國家相繼實施了“三北防護林”、“退耕還林草”等林業工程,東北地區作為重點實施區域,其植被覆蓋面積較20世紀末期有顯著提升(圖1).

圖1 東北地區高程及氣象站點空間分布

底圖審圖號:GS2022(1873)號.下同

1.2 數據來源及處理

NDVI數據選取2000～2020年生長季(4～10月)MOD13Q1產品,來源于美國航空航天局NASA (https://ladsweb.modaps.eosdis.nasa.gov/),時間分辨率16d,空間分辨率250m.最大值合成法(MVC)能夠有效減少云層、大氣、太陽高度角等對植被數據的干擾.通過GEE函數對數據進行批量波段提取、格式轉換、最大值合成、影像拼接、按研究區矢量范圍裁剪,得到月、年尺度最大值NDVI數據集.本研究利用年生長季最大NDVI進行分析,代表全年植被生長的最好狀況,將生長季NDVImax<0.1的區域定義為無植被區,不參與計算,以減少裸土、沙漠、水體、積雪的影響.

氣象數據來源于國家氣象信息中心(http://data. cma.cn/)《中國地面氣候資料日值數據集(V3.0)》,篩選出研究區內及其周邊127個氣象站點的氣溫、降水、日照時數和相對濕度4類氣象數據,通過R語言將其整合并轉化為標準單位,采取均值替換法對個別臺站的異常值和缺失值進行插補.利用ANUSPLIN軟件,引入DEM作為協變量,基于薄盤樣條函數理論對氣象數據進行空間插值.DEM數據來源于GEE平臺NASADEM30m數據集(NASA/ NASADEM_HGT/001),該數據集通過誤差校對等技術實現了STRM數據質量的提升.土地利用數據來源于資源環境科學與數據中心(https://www.resdc. cn/),選取2000和2020年兩期.利用ArcGIS10.8對所有影像進行掩膜提取、投影轉換與重采樣等再處理,確保最終行列號一致,投影類型為WGS84-UTM,空間分辨率為1km.

1.3 研究方法

1.3.1 小波分析 小波分析能夠清晰揭示隱藏在長時間序列中的多種周期變化信息[30].本研究選用含非正交特性的Morlet作為母小波基函數進行小波變換.母小波、子小波、離散小波變換形式與小波方差公式分別如下:

1.3.2 Sen+Mann-Kendal趨勢分析 將Theil-Sen Median斜率估計與Mann-Kendall非參數檢驗相結合,該方法較為穩健,抗噪性強且能夠規避異常值干擾[31].公式如下:

表1 NDVI變化類型及劃分依據

1.3.3 Hurst指數 基于重標極差(R/S)法的Hurst指數能夠預測未來時間序列的發展趨勢,定量描述其持續性特征[32].原理如下:

1.3.4 偏相關分析 基于像元空間尺度將NDVI時間序列與4類氣候因子分別進行三階偏相關分析[33],并采用檢驗判斷其顯著性.公式如下:

1.3.5 殘差分析 采用殘差分析法[34]定量分離氣候變化和人類活動對NDVI的影響.本研究在傳統殘差分析基礎上,考慮到植被對氣候響應的時滯效應,運用相關分析法得出NDVI與同期、前1～3月氣候因子的相關系數,選擇與NDVI相關性最強時期的氣候因子參與計算.將NDVI預測值、NDVI實測值與預測值的差值分別視為氣候變化、人類活動影響下的NDVI.公式如下:

2 結果與分析

2.1 植被NDVI時空演變特征

2.1.1 時間變化特征 從年際變化看,2000～2020年東北地區NDVI整體呈顯著增長趨勢,增長率為0.0308/10a(<0.001),表明退耕還林、禁牧輪牧、封山育林育草等植被修復工程的生態效應正逐步顯現,但在2004～2010年NDVI波動性較大,2007與2009年出現明顯下降趨勢,可能與干旱事件有關. 21a間東北地區NDVI均值為0.800,2000年NDVI值最低,為0.755,2019年NDVI值最高,為0.831.各地形地貌分區NDVI變化速率差異較大,其中松嫩平原上升趨勢最為顯著,為0.047/10a,遼河平原次之,為0.040/10a,長白山年際變化最不明顯,增長率僅為0.020/10a.長白山21a間植被覆蓋狀況優于其他地形地貌單元,NDVI均值最高,為0.885,小興安嶺和三江平原次之,分別為0.881和0.866,遼河平原NDVI均值最低,為0.736(圖2).

圖2 2000～2020年東北地區NDVI均值年際變化

圖3 NDVI時間序列分解及去季節趨勢NDVI時間序列

從周期變化看,首先運用STL時間序列分解法剔除年內強烈的季節趨勢對年際周期信息的干擾,使周期變化分析結果更有意義.該方法通過魯棒局部加權回歸將21aNDVI時間序列分解為趨勢-周期項、季節項與殘差項.對修正后的去季節趨勢NDVI時間序列進行小波變換,由小波系數實部等值線圖可看出,在100～120月時間尺度上有明顯震蕩現象,出現2個正相位和3個負相位,其中正相位為22～58月與92～127月,NDVI均值偏高,22～127月正負相位交替完整,囊括NDVI年際變化波動較大時段.由小波方差圖可看出,在111月時間尺度上對應波動能量最大峰值,佐證等值線圖結論,說明111月(約16a)為東北地區NDVI變化的第一主周期,此外88、72月分別為第二、三主周期.由小波系數圖可看出,不同時間尺度下NDVI周期變化有所差異,第一主周期下NDVI周期變化為69月(約10a).綜上,21a間東北地區NDVI時間變化存在多尺度特征,由111、88、72月時間尺度的周期波動共同控制著NDVI在整個時域內的演化,以16a第一主周期下10a左右的周期變化最為穩定(圖3、4).

圖4 小波系數實部等值線、小波方差及小波系數

2.1.2 空間分布特征 東北地區NDVI呈“自西南向東北遞增”的分布格局且地域性差異明顯.高值區主要分布在長白山、小興安嶺、三江平原等地,NDVI均值普遍在0.8以上,植被長勢較好.低值區主要分布在大興安嶺西部呼倫貝爾沙地與西遼河平原科爾沁沙地,荒漠化問題嚴峻,NDVI均值僅為0.1～0.5.總體上,東北地區NDVI處于較高水平,均值在0.8以上的區域占比67.32%.在NDVI均值￡0.8各區間內,面積占比均為大興安嶺>遼河平原>三江平原;在NDVI均值0.8～0.9區間內,大興安嶺占比38.22%,松嫩平原和長白山次之,分別為19.33%、12.64%;在NDVI均值30.9區間內,長白山占比最高,達到51.81%,三江平原與小興安嶺次之,分別為13.54%、13.25%.各區間植被分布存在差異的原因主要與植被類型有關,大小興安嶺與長白山主要植被類型為落葉闊葉林、針葉林、針闊混交林等,平原地區作為糧食主產區,主要植被類型為草地和農田,因此在NDVI低值區間內,平原與山地占比近似,而在NDVI高值區間內,山地居多.由于長白山森林多為針闊混交林,且其所處區域水熱條件優于大小興安嶺,因此在NDVI最高值區間,長白山占比過半(圖5).

2.1.3 空間變化特征 結合周期變化分析結果,將研究時期按照近10a為間隔對NDVI空間變化特征進行分析.不同周期階段下NDVI變化趨勢空間異質性明顯.2000～2010年,NDVI改善面積為22.41萬km2,占比18.12%,主要分布在松嫩平原與遼河平原,以極顯著改善為主,占比9.77%,顯著及弱顯著改善分別占比1.12%、7.23%.退化面積為6.82萬km2,占比5.52%,以顯著退化為主,占比4.34%,主要分布在大興安嶺西南部.

2010～2020年,較上一階段主要由顯著退化和極顯著改善向顯著改善轉化,NDVI改善面積擴增至31.03萬km2,占比25.10%,主要分布在三江平原、西遼河平原與大興安嶺東北部,以顯著改善為主,占比11.55%,較上一階段占比增長10.42%.退化面積為2.75萬km2,占比2.23%,其中極顯著及弱顯著退化較上一階段無較大差別,顯著退化面積為1.18萬km2,較上一階段占比減少3.38%,退化區域主要集中在遼河平原中部.

整體來看,2000～2020年東北地區NDVI改善趨勢明顯,改善面積總計82.33萬km2,占比66.59%,其中極顯著、顯著與弱顯著改善分別占比39.93%、18.94%、7.72%.退化面積僅為2.02萬km2,占比1.63%.表明2000～2020年東北地區大部分區域植被狀況均有好轉,而典型半干旱風沙區與部分城市群聚集區仍應引起重視,21a間退化形勢嚴峻(圖6).

圖6 2000～2020年東北地區不同周期階段NDVI Sen趨勢及變化類型空間分布

各地形地貌分區NDVI空間變化在不同周期階段下存在差異,但整體趨同.2000～2010年,遼河平原改善面積占其總面積比例最高,為40.51%,松嫩平原次之,為28.38%,大興安嶺占比最低,為13.54%. 2010～2020年,三江平原、大興安嶺、小興安嶺、長白山較上一階段改善面積均有所增加,占其各自總面積比例分別增長17.11%、14.86%、12.87%、9.15%,而遼河平原在此階段植被退化現象突顯,改善面積較上一階段占比減少22.93%.整體來看,2000～2020年各地形地貌分區NDVI均有大幅改善,其中松嫩平原、小興安嶺、長白山改善成效更為顯著,改善區域占比分別為79.79%、77.57%、73.56%.遼河平原與大興安嶺退化面積仍分別有6606、6587km2,且遼河平原退化程度最強(圖7).

2.1.4 未來變化特征 2000～2020年東北地區NDVI的Hurst指數介于0.20～0.77之間,均值為0.59,其中Hurst值>0.5的面積占比85.28%,表明NDVI總體上表現出持續性特征,與過去趨勢相同.根據Hurst指數計算實際情況,將其劃分為強、弱的持續與反持續4個等級,其中弱持續性占比最大,達到61.29%,主要分布于大興安嶺、長白山與三江平原.強持續性次之,占比23.99%,主要分布于遼河平原北部、松嫩平原中部與小興安嶺東南部.弱反持續與強反持續區域分布較少且相對破碎,分別占比14.48%、0.24%.

將NDVI變化趨勢與Hurst指數進行空間耦合疊加,以進一步明確東北地區NDVI未來發展規律.其中弱持續改善面積為51.83萬km2,占比最高,為41.92%,強持續改善次之,占比21.64%.這些區域主要集中在松嫩平原、遼河平原北部、小興安嶺東南部與大興安嶺東北部,未來將呈現不同程度的持續改善.其余各類型面積較少,占比均在5%以下.整體來看,東北地區NDVI處于穩中向好的發展態勢,未來變化類型多為持續改善,占比63.56%,但以弱持續性改善居多.持續退化以及由改善轉為退化的面積仍有5.71萬km2,占比4.62%,主要分布在大興安嶺西部草原沙地與部分建筑聚集區,其存在退化風險的主要原因可能與水熱條件改變、土地利用類型重構等因素對植被生長產生抑制作用有關,需因地制宜加強這些區域的生態環境治理(圖8).

圖7 2000～2020年各地形地貌分區不同周期階段NDVI變化類型

圖8 2000～2020年東北地區Hurst指數及NDVI未來變化趨勢空間分布

2.2 植被NDVI對氣候變化的響應

2.2.1 氣候因子變化趨勢 2000～2020年東北地區氣溫、降水與相對濕度總體呈上升趨勢,速率分別為0.038℃/10a、90.695mm/10a、1.022%/10a,日照時數呈下降趨勢,速率為-0.079h/10a.21a間均溫與累積降水量均值分別為13.997℃、476.867mm.2018年均溫出現高峰,2007、2011與2014年降水量明顯下降,與該年東北地區遭遇異常頻繁夏熱事件與大面積旱情災害有關[35-36].2000～2020年相對濕度與日照時數均值分別為63.644%、7.678h,在2002～2008年間波動幅度相對較大.綜上,東北地區氣候環境正逐步趨向暖濕化(圖9).

2.2.2 NDVI與氣候因子的相關性 不同周期階段下東北地區NDVI與各氣候因子的偏相關類型空間分布差異較大.2000～2010年,NDVI與降水和相對濕度偏相關系數均值分別為0.085、0.065,與兩者呈顯著(<0.05)和弱顯著正相關(<0.1)的區域占比分別為7.05%、7.50%,分別主要分布在松嫩平原西北部與南部、大興安嶺東部與南部.NDVI與氣溫和日照時數偏相關系數均值分別為-0.055、-0.045,與兩者呈顯著(<0.05)和弱顯著負相關(<0.1)的區域占比分別為4.74%、5.82%,分別主要分布于大興安嶺中部與松嫩平原東北部、大興安嶺西部與松嫩平原西南部.

圖9 2000～2020年東北地區氣候因子變化趨勢

圖10 2000～2020年東北地區不同周期階段NDVI與氣候因子相關類型空間分布

2010～2020年,NDVI與降水偏相關系數均值為0.192,其中呈顯著(<0.05)和弱顯著正相關(<0.1)的區域占比14.50%,較上一階段占比增長7.45%,主要分布在大興安嶺西部、東部與松嫩平原中部等地.NDVI與氣溫和日照時數偏相關系數均值分別為0.082、0.091,由上一階段的負值轉為正值,與氣溫呈顯著(<0.05)和弱顯著正相關(<0.1)的區域占比8.75%,主要分布在大興安嶺西部、松嫩平原西南部與遼河平原北部;與日照時數呈顯著(<0.05)和弱顯著正相關(<0.1)的區域占比7.70%,主要分布在長白山一帶.NDVI與相對濕度偏相關系數均值為-0.082,由上一階段的正值轉為負值,其中呈顯著(<0.05)和弱顯著負相關(<0.1)的區域占比8.27%,主要分布在三江平原與松嫩平原中部.

整體來看,2000～2020年東北地區生長季NDVI與氣溫、降水、相對濕度呈正相關,偏相關系數均值分別為0.012、0.243、0.025,與日照時數呈微弱負相關,偏相關系數均值為-0.009.NDVI與氣溫呈顯著(<0.05)和弱顯著負相關(<0.1)的面積總計5.68萬km2,占比分別為2.23%、2.36%,主要分布于遼河平原西部與大興安嶺西南部,究其原因主要是由于這部分地區降水較少,受到水分脅迫,氣溫升高導致植被蒸騰作用加強,土壤水分加速消耗使其干燥化,進而抑制植被代謝過程.NDVI與降水分別有19.48%、9.48%的區域呈顯著(<0.05)、弱顯著正相關(<0.1),與降水呈顯著(<0.05)和弱顯著(<0.1)相關的區域面積明顯高于其他氣候因子,分布更為廣泛.而在松嫩平原、遼河平原、三江平原的部分農業生產地區,由于受人工灌溉影響,NDVI對降水的敏感性較低,相關性并不顯著.NDVI與相對濕度的偏相關關系表現為“東北強,西北和東南弱”的空間特征,其中呈顯著(<0.05)和弱顯著正相關(<0.1)的面積總計9.52萬km2,占比分別為4.28%、3.42%,主要分布在大興安嶺東北部與松嫩平原北部.NDVI與日照時數響應在空間上表現為“南北高中部低”的分布格局,其中呈顯著(<0.05)和弱顯著負相關(<0.1)的面積總計5.81萬km2,占比分別為2.21%、2.49%,主要分布在大興安嶺西部與遼河平原北部(圖10、表2).

表2 2000～2020年東北地區不同周期階段NDVI與氣候因子呈顯著和弱顯著相關區域面積比例

圖11 2000～2020年東北地區不同周期階段NDVI主導氣候因子空間分布

為探究不同周期階段各氣候因子對植被生長的影響程度,取各像元NDVI與氣候因子的偏相關系數絕對值最大者作為該像元的主導氣候因子. 2000～2010年,以各氣候因子為主導的區域空間分布較為均衡,面積占比均在25%左右. 2010～2020年,以氣溫和降水為主導氣候因子的區域占比分別為25.59%、31.09%,較上一階段分別增加3.48%、6.02%,以日照時數和相對濕度為主導氣候因子的區域占比分別為22.30%、21.02%,較上一階段分別減少2.48%、7.02%.整體來看,2000～2020年NDVI主導氣候因子的空間分布具有異質性,大多數區域以降水為主導氣候因子,占比46.40%,說明水分條件是東北地區植被生長的關鍵;以相對濕度主導的區域占比18.41%,主要分布在松嫩平原北部;以氣溫主導的區域占比17.82%,主要分布在大興安嶺北部與遼河平原西部;以日照時數主導的區域占比17.37%,分布較為分散.不同地區植被生長受氣候因子驅動存在差異的主要原因可能與植被類型與自然環境條件有關,在長白山西南部、大興安嶺東北部與小興安嶺東部等地,主要分布有大面積森林,且降水量與水汽含量充沛,森林相較于其他植被類型對熱量要求更高,氣溫升高與日照時數延長可以加快植被光合作用,驅動植被生長,使得這些區域對水分條件的響應不如對光熱條件敏感(圖11).

2.3 植被NDVI對人類活動的響應

2.3.1 時滯篩選 分析生長季NDVI與同期(即4～10月)、前1～3月(即3～9月、2～8月、1～7月)氣候因子的Pearson相關系數并綜合考慮其顯著性,得出不同周期階段下NDVI與氣候因子最大相關系數對應的時滯.2000～2010年,NDVI與氣溫和相對濕度的最大響應為同期(NDVI-TEM0=-0.56、NDVI-RHU0= 0.40),與降水的最大響應為滯后3個月(NDVI-PRE3= 0.79),與日照時數的最大響應為滯后2個月(NDVI-SSD2=-0.78).2010～2020年,NDVI與日照時數和相對濕度的最大響應為滯后3個月(NDVI-SSD3= 0.45、NDVI-RHU3=-0.50),與氣溫和降水最大響應分別為同期與滯后1個月(NDVI-TEM0=0.61、NDVI-PRE1= 0.56).2000～2020年,NDVI與日照時數和相對濕度的最大響應為同期(NDVI-SSD0=-0.29、NDVI-RHU0=0.46),與氣溫和降水最大響應分別為滯后3個月與滯后1個月(NDVI-TEM3=0.16、NDVI-PRE1=0.80)(圖12).

圖12 2000～2020年東北地區不同周期階段NDVI與氣候因子時滯相關性

2.3.2 NDVI與人類活動的相關性 基于NDVI與相關性最強時滯氣候因子的殘差分析結果,將NDVI殘差時間序列進行逐像元趨勢及顯著性分析,以表征不同周期階段下人類活動對東北地區NDVI的影響.2000～2010年,NDVI殘差趨勢為正值的區域占比61.22%,其中顯著(<0.05)和弱顯著正向促進(<0.1)的區域占比10.91%,主要分布在松嫩平原中部與大興安嶺東北部.NDVI殘差趨勢為負值的區域占比38.78%,其中顯著(<0.05)和弱顯著負向抑制(<0.1)的區域占比3.01%,主要分布在大興安嶺西南部.2010～2020年,NDVI殘差趨勢的正負值比例與上一階段基本保持穩定,分別為59.08%、40.92%,但顯著(<0.05)和弱顯著影響(<0.1)的區域面積明顯減少,正向促進與負向抑制占比分別降至1.01%、0.41%.

整體來看,2000～2020年,NDVI殘差趨勢為正值的區域面積達99.93萬km2,占比80.83%,其中顯著(<0.05)和弱顯著正向促進(<0.1)的面積總計30.90萬km2,占比分別為16.24%、8.76%,主要分布在遼河平原西南部、大興安嶺東北部、長白山等地.NDVI殘差趨勢為負值的區域面積為23.69萬km2,占比19.17%,其中顯著(<0.05)和弱顯著負向抑制(<0.1)的面積總計1.41萬km2,占比分別為0.63%、0.51%,主要分布在個別城市聚集區.表明21a間人類活動對東北地區植被生長具有雙重影響,并以積極作用為主(圖13、表3).

土地利用類型的轉變宏觀上直接反映了人類活動對自然的改造過程.2000～2020年東北地區土地流轉總面積達39.13萬km2,占比39.13%,其中草地、耕地、林地是轉換最為頻繁的土地利用類型.不同的轉移方向對植被覆蓋變化影響存在差異,由耕地轉向林地、草地(面積5.53萬km2,占比6.87%)代表一系列生態保護工程,有效遏制林草退化,其中NDVI呈上升趨勢的面積占比達66.41%.建設用地的轉入(面積3.06萬km2,占比2.46%)代表人類對其他用地的開發活動,其中NDVI呈下降趨勢的面積占比為8.42%,遠高于整體及其他土地利用類型轉移的區域, 轉為建設用地的區域主要分布在大興安嶺西部、西遼河平原以及各省域的城市聚集區,與21a來NDVI顯著退化區域基本吻合,同時與NDVI殘差趨勢為負值的區域相呼應,表明在農牧交錯帶、草原、沙地等生態系統脆弱的環境下仍存在土地利用不當現象,以及隨城鎮化進程加快,城市用地規模擴大,人類活動對植被生長的負面影響日益凸顯.

表3 2000～2020年東北地區不同周期階段人類活動對NDVI呈顯著和弱顯著影響區域面積比例

圖13 2000～2020年東北地區不同周期階段NDVI殘差趨勢(a-c)及人類活動對NDVI影響類型(d-f)空間分布

3 討論

3.1 植被NDVI時空演變

2000～2020年東北地區植被NDVI在時間上呈顯著增長態勢,在空間上以改善為主且未來持續改善趨勢明顯,總體表現出較大的時空異質性,這與王鴿等[37]的研究結果一致.植被變化在不同周期階段下存在差異,而大興安嶺西部、遼河平原東南部及松嫩平原部分地區植被始終退化程度較強且退化風險較大,主要有以下兩方面原因:其一,大興安嶺西部地區屬內蒙古高原,地勢起伏大,氣候環境相對惡劣.遼河平原土地沙化嚴重,土壤鹽漬化,加之過度放牧與開荒,導致生態環境惡化;其二,遼河平原和松嫩平原各城市中心區,大量林草地轉換為建設用地,使植被覆蓋持續下降,這與肖驍等[38]的研究結果一致.

3.2 植被對氣候因子的響應

生長季降水是土壤水分的主要來源,土壤含水率高低對植被生長產生直接影響,以降水為主導氣候因子的區域范圍隨周期演替不斷遞增,成為東北地區NDVI變化的首要氣候驅動力,不同學者[16,39]在東北地區的相關研究也證實了這一觀點.但與羅玲等[40]的研究結果相悖,原因主要與研究的年際與年內時段不同有關,基于有限時間序列的趨勢分析,會由于不同的起點、結束點、突變點而產生不同結果[41].植被與氣溫、日照時數、相對濕度的相關性在不同周期階段下波動性較大,21a間以其為主導氣候因子的部分主要分布在大興安嶺北部、長白山西南部、遼河平原西部等地.植被類型和區域特征影響植被對氣候因子的響應.風沙草原區水資源短缺,土壤滲透性強且地表蒸發量大,植被對熱量的響應不如降水敏感;森林植被根系結構發達,對維持水分平衡具有較強的自我調節能力,因此與降水的相關性相對不顯著.不同于干旱半干旱地區,在常年多雨區域,大量降水使土壤水分長期處于飽和狀態,生物活性降低,且導致地表徑流增加,營養物質流失,間接迫害植被生長,因此氣溫、日照時數成為促進植被生長的主要影響因素,這與巴音德樂黑等[42]以東北地區內大興安嶺北坡為研究對象的結論保持一致,進一步證明本文研究的準確性.

3.3 植被對人類活動的響應

人類活動對植被生長的作用強度具有地域差異,大興安嶺中部等地植被類型以林草為主,且地勢陡峭,人口稀少,植被受人類活動影響不顯著;在遼河平原、松嫩平原等低海拔地區,人類活動頻繁,因此植被受人類活動影響顯著.不同周期階段下人類活動對NDVI各影響類型的范圍有所波動,但21a來總體以積極作用為主,這與近年來國家高度重視東北地區的生態保育與植被恢復,在大小興安嶺、遼河流域、三江平原等地積極開展林業工程有關[43].但同時也應注意到這些區域仍存在植被退化現象,有學者研究認為[44],大規模植樹造林增加該地區土壤水分消耗,在無法得到正常補給的情況下,會形成土壤干層,加劇干旱風險,從而對植被生長產生負面影響,因此對于植被建設與當地水文狀況的協調仍需進一步探討.此外,隨生態工程效益得以充分體現,城鎮化加劇使局部地區的植被覆蓋出現拐點,以省會城市為例,2000～2020年沈陽、長春、哈爾濱的GDP分別由1119.14, 861.00, 1002.70億元上升到6571.60, 6638.03, 5183.80億元;常住人口分別由720.40, 713.54, 941.34萬人,增加到907.01, 906.69, 1000.99萬人.受經濟發展與人口增長的影響,東北地區建設用地顯著增加,增量達8524km2,直接造成人類活動對植被生長產生抑制作用,在路杰等[45]的研究中也得到了證實,可以預見這些地區受土地資源限制,植被覆蓋將持續減少,如何減緩這種趨勢是未來東北地區生態發展的重點問題.

3.4 本研究的局限性

植被對環境的響應是一個多因素耦合驅動的復雜過程,本文選擇了氣溫、降水、日照時數和相對濕度4類密切相關因子,忽略了太陽輻射、地表蒸散發、土壤等其他因子,且尚未考慮不同植被類型響應機制的具體差異.同時,本文雖引入時滯效應對殘差分析法加以改進,但利用多元線性回歸擬合量化氣候變化與人類活動的影響仍不全面.后續應立足東北地區不同區域植被資源稟賦差異,加入多因素考量,結合構建非線性模型等其他方法模擬植被變化,以確保研究結果更加客觀合理.

4 結論

4.1 時間上:2000～2020年東北地區及各地形地貌單元NDVI均呈上升趨勢,整體增長率為0.0308/10a (<0.001),其中松嫩平原上升趨勢最為明顯;21a間NDVI時間變化存在多尺度特征,以16a第一主周期下10a左右的周期變化最為穩定.

4.2 空間上:東北地區NDVI呈“自西南向東北遞增”的分布格局,具有明顯異質性,植被覆蓋水平整體較高;各周期階段均為NDVI改善趨勢面積大于退化趨勢面積且改善范圍不斷擴增,占比分別為18.12%、25.10%、66.59%;NDVI未來變化主旋律為持續改善,占總面積的63.56%,但以弱持續為主,草原沙地與建筑密集區退化風險較高,需進一步精準施策加強生態保護力度.

4.3 NDVI對氣候變化響應上:21a來東北地區氣候逐漸趨向暖濕化.生長季NDVI與氣溫、降水和相對濕度呈正相關關系,與日照時數呈負相關關系,且降水對NDVI的作用強于其他氣候因子.隨周期演替,以降水為主導氣候因子的面積顯著遞增,植被對降水的依賴性逐漸加強.

4.4 NDVI對人類活動響應上:各周期階段人類活動對NDVI變化均以積極作用為主,21a間顯著和弱顯著正向促進的范圍達25.00%.土地利用轉移與NDVI變化具有較強相關性,一系列林業生態工程實施使植被得以改善,城鎮化加劇導致的建設用地擴張是植被生長受負向抑制的主要原因.

[1] Chu H S, Venevsky S, Wu C, et al. NDVI-based vegetation dynamics and its response to climate changes at Amur-Heilongjiang River Basin from 1982 to 2015 [J]. Science of the Total Environment, 2019,650: 2051-2062.

[2] Jiang P, Ding W G, Yuan Y, et al. Interannual variability of vegetation sensitivity to climate in China [J]. Journal of Environmental Management, 2022,301:113768.

[3] 于成龍,劉 丹,馮 銳,等.基于最小累積阻力模型的東北地區生態安全格局構建[J]. 生態學報, 2021,41(1):290-301.

Yu C L, Liu D, Feng R, et al. Construction of ecological security pattern in Northeast China based on MCR model [J]. Acta Ecologica Sinica, 2021,41(1):290-301.

[4] 葉 瑜,方修琦,張學珍,等.過去300年東北地區林地和草地覆蓋變化[J]. 北京林業大學學報, 2009,31(5):137-144.

Ye Y, Fang X Q, Zhang X Z, et al. Coverage changes of forestland and grassland in northeastern China during the past 300years [J]. Journal of Beijing Forestry University, 2009,31(5):137-144.

[5] 肖 驍,穆治霖,趙雪雁,等.基于RS/GIS的東北地區森林生態系統服務功能價值評估[J]. 生態學雜志, 2017,36(11):3298-3304.

Xiao X, Mu Z L, Zhao X Y, et al. RS/GIS-based evaluation of forest ecosystem service value in Northeast China [J]. Chinese Journal of Ecology, 2017,36(11):3298-3304.

[6] 滿衛東,劉明月,王宗明,等.1990～2015年東北地區草地變化遙感監測研究[J]. 中國環境科學, 2020,40(5):2246–2253.

Man W D, Liu M Y, Wang Z M, et al. Remote sensing investigation of grassland change in Northeast China during 1990～2015 [J]. China Environmental Science, 2020,40(5):2246–2253.

[7] 張興義,劉曉冰.中國黑土研究的熱點問題及水土流失防治對策[J]. 水土保持通報, 2020,40(4):340-344.

Zhang Y X, Liu X B. Key issues of mollisols research and soil erosion control strategies in China [J]. Bulletin of Soil and Water Conservation, 2020,40(4):340-344.

[8] 王士君,馬 麗.基于宏觀形勢和地域優勢的“十四五”東北振興戰略思考[J]. 地理科學, 2021,41(11):1935-1946.

Wang S J, Ma L. Strategic thinking of Northeast China revitalization during the "14th Five-Year Plan" based on the macro situation and regional advantages [J]. Scientia Geographica Sinica, 2021,41(11): 1935-1946.

[9] Mao P P, Zhang J, Li M, et al. Spatial and temporal variations in fractional vegetation cover and its driving factors in the Hulun Lake region [J]. Ecological Indicators, 2022,135:108490.

[10] Jeganathan C, Dash J, Atkinson P M. Remotely sensed trends in the phenology of northern high latitude terrestrial vegetation, controlling for land cover change and vegetation type [J]. Remote Sensing of Environment, 2014,143:154-170.

[11] Kong D D, Zhang Q, Singh V P, et al. Seasonal vegetation response to climate change in the Northern Hemisphere (1982～2013) [J]. Global and Planetary Change, 2017,148:1-8.

[12] 楊雪梅,楊太保,劉海猛,等.氣候變暖背景下近30a北半球植被變化研究綜述[J]. 干旱區研究, 2016,33(2):379-391.

Yang X M, Yang T B, Liu H M, et al. Vegetation variation in the North Hemisphere under climate warming in the last 30Years [J]. Arid Zone Research, 2016,33(2):379-391.

[13] Ding H, Hao X M. Spatiotemporal change and drivers analysis of desertification in the arid region of northwest China based on geographic detector [J]. Environmental Challenges, 2021,4:100082.

[14] 吳炳倫,孫 華,石軍南,等.2000～2018年深圳市植被覆蓋動態變化與預測[J]. 應用生態學報, 2020,31(11):3777-3785.

Wu B L, Sun H, Shi J N, et al. Dynamic change and prediction of vegetation cover in Shenzhen, China from 2000 to 2018 [J]. Chinese Journal of Applied Ecology, 2020,31(11):3777-3785.

[15] 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, 2022,138:108818.

[16] 張佳琦,張 勃,馬 彬,等.三江平原NDVI時空變化及其對氣候變化的響應[J]. 中國沙漠, 2019,39(3):206-213.

Zhang J Q, Zhang B, Ma B, et al. Spatial-temporal variation of NDVI in Sanjiang Plain and its response to climate change [J]. Journal of Desert Research, 2019,39(3):206-213.

[17] Diao C, Liu Y, Zhao L, et al. Regional-scale vegetation-climate interactions on the Qinghai-Tibet Plateau [J]. Ecological Informatics, 2021,65:101413.

[18] Gao X, Huang X X, Lo K, et al. Vegetation responses to climate change in the Qilian Mountain Nature Reserve, Northwest China [J]. Global Ecology and Conservation, 2021,28:e01698.

[19] 錢 琛,陳海濱,侯現慧.生態建設背景下陜西省植被覆蓋時空變化及其影響因素研究[J]. 干旱區地理, 2020,43(2):425-433.

Qian C, Chen H B, Hou X H. Temporal and spatial variation of vegetation cover and its influencing factors in Shaanxi Province in the context of ecological construction [J]. Arid Land Geography, 2020, 43(2):425-433.

[20] 孟 琪,武志濤,杜自強,等.基于地理探測器的區域植被覆蓋度的定量影響——以京津風沙源區為例[J]. 中國環境科學, 2021,41(2): 826-836.

Meng Q, Wu Z T, Du Z Q, et al. Quantitative influence of regional fractional vegetation cover based on geodetector model -Take the Beijing-Tianjin sand source region as an example [J]. China Environmental Science, 2021,41(2):826-836.

[21] 覃巧婷,陳建軍,楊艷萍,等.黃河源植被時空變化及其對地形和氣候的響應[J]. 中國環境科學, 2021,41(8):3832-3841.

Qin Q T, Chen J J, Yang Y P, et al. Spatiotemporal variations of vegetation and its response to topography and climate in the source region of the Yellow Rive [J]. China Environmental Science, 2021, 41(8):3832-3841.

[22] 耿慶玲,陳曉青,赫曉慧,等.中國不同植被類型歸一化植被指數對氣候變化和人類活動的響應[J]. 生態學報, 2022,42(9):3557-3568.

Geng Q L, Chen X Q, He X H, et al. Vegetation dynamics and its response to climate change and human activities based on different vegetation types in China [J]. Acta Ecologica Sinica, 2022,42(9): 3557-3568.

[23] 李 焱,戴 睿,張云霞,等.藏西南高原植被NDVI時空變化及其與海拔梯度的關系[J]. 水土保持研究, 2022,29(4):215-222.

Li Y, Dai R, Zhang Y X, et al. Spatiotemporal variation of vegetation NDVI and its relationship with altitude gradient in Southwest Tibet Plateau [J]. Research of Soil and Water Conservation, 2022,29(4):215- 222.

[24] 陳 寬,楊晨晨,白力嘎,等.基于地理探測器的內蒙古自然和人為因素對植被NDVI變化的影響[J]. 生態學報, 2021,41(12):4963-4975.

Chen K, Yang C C, Bai L G, et al. Effects of natural and human factors on vegetation normalized difference vegetation index based on geographical detectors in Inner Mongolia [J]. Acta Ecologica Sinica, 2021,41(12):4963-4975.

[25] 李登科,王 釗.退耕還林后陜西省植被覆蓋度變化及其對氣候的響應[J]. 生態學雜志, 2020,39(1):1-10.

Li D K, Wang Z. Changes of fractional vegetation coverage after returning farmland to forests and its response to climate in Shaanxi [J]. Chinese Journal of Ecology, 2020,39(1):1-10.

[26] 胡 屾,劉 駿,毛學剛.中國東北地區2007～2010年植被覆蓋度及其變化[J]. 東北林業大學學報, 2017,45(7):45-50.

Hu S, Liu J, Mao X G. Extraction and change of vegetation coverage of 2007～2010 in Northeast China [J]. Journal of Northeast Forestry University, 2017,45(7):45-50.

[27] 王宗明,國志興,宋開山,等.中國東北地區植被NDVI對氣候變化的響應[J]. 生態學雜志, 2009,28(6):1041-1048.

Wang Z M, Guo Z X, Song K S, et al. Responses of vegetation NDVI in Northeast China to climate change [J]. Chinese Journal of Ecology, 2009,28(6):1041-1048.

[28] 吳金華.東北地區植被時空動態變化檢測及驅動因子量化研究[D]. 北京:中國環境科學研究院, 2021.

Wu J H. The spatial and temporal dynamic change detection of vegetation and the quantification of driving factors in Northeast China [D]. Beijing: Chinese Research Academy of Environmental Sciences, 2021.

[29] 張 筠,張春華,張安定,等.水熱波動和土地覆蓋變化對東北地區植被NPP的相對影響[J]. 生態學報, 2020,40(21):7733-7744.

Zhang J, Zhang C H, Zhang A D, et al. Relative effects of hydrothermal fluctuation and land cover changes on vegetation net primary productivity in Northeast China [J]. Acta Ecologica Sinica, 2020,40(21):7733-7744.

[30] 李 杰,張 軍,劉陳立,等.基于MODIS-NDVI的云南怒江流域植被覆蓋時空變化特征研究[J]. 林業資源管理, 2018(4):90-99.

Li J, Zhang J, Liu C L, et al. Study on spatio-temporal evolution of vegetation cover in the Nujiang River Basin of Yunnan based on MODIS-NDVI data [J]. Forest Resources Management, 2018,(4): 90-99.

[31] Qi X Z, Jia J H, Liu H Y, et al. Relative importance of climate change and human activities for vegetation changes on China’s silk road economic belt over multiple timescales [J]. Catena, 2019,180:224- 237.

[32] Li S, Wang J, Zhang M, et al. Characterizing and attributing the vegetation coverage changes in North Shanxi coal base of China from 1987 to 2020 [J]. Resources Policy, 2021,74:102331.

[33] 徐 勇,黃雯婷,竇世卿,等.2000～2020年西南地區植被NDVI對氣候變化和人類活動響應特征 [J]. 環境科學, 2022,43(6):3230-3240.

Xu Y, Huang W T, Dou S Q, et al. Responding mechanism of vegetation cover to climate change and human activities in southwest China from 2000 to 2020 [J]. Environmental Science, 2022,43(6): 3230-3240.

[34] Gao W D, Zheng C, Liu X H, et al. NDVI-based vegetation dynamics and their responses to climate change and human activities from 1982 to 2020: A case study in the Mu Us Sandy Land, China [J]. Ecological Indicators, 2022,137:108745.

[35] Tao P, Zhang Y. Large-scale circulation features associated with the heat wave over Northeast China in summer 2018 [J]. Atmospheric and Oceanic Science Letters, 2019,12(4):254-260.

[36] 李 蓉,辛景峰,楊永民.1949～2017年東北地區旱災時空規律分析[J]. 水利水電技術, 2019,50(S2):1-6.

Li R, Xin J F, Yang Y M. Analysis on the temporal and spatial change of drought in Northeast China from 1949 to 2017 [J]. Water Resources and Hydropower Engineering, 2019,50(S2):1-6.

[37] 王 鴿,韓 琳,張 昱.東北地區地表NDVI的時空變化規律[J]. 北京林業大學學報, 2012,34(6):86-91.

Wang G, Han L, Zhang Y. Temporal variation and spatial distribution of NDVI in northeastern China [J]. Journal of Beijing Forestry University, 2012,34(6):86-91.

[38] 肖 驍,李京忠,韓 彬,等.東北老工業區植被覆蓋度時空特征及城市化關聯分析[J]. 生態科學, 2017,36(6):71-77.

Xiao X, Li J Z, Han B, et al. Spatial-temporal characteristics of vegetation coverage and its correlation with urbanization in traditional industrial area of Northeastern China [J]. Ecological Science, 2017,36(6):71-77.

[39] 國志興,王宗明,宋開山,等.1982～2003年東北林區森林植被NDVI與水熱條件的相關分析[J]. 生態學雜志, 2007,26(12):1930-1936.

Guo Z X, Wang Z M, Song K S, et al. Correlations between forest vegetation NDVI and water/thermal condition in Northeast China forest regions in 1982～2003 [J]. Chinese Journal of Ecology, 2007, 26(12):1930-1936.

[40] 羅 玲,王宗明,宋開山,等.1982～2003年中國東北地區不同類型植被NDVI與氣候因子的關系研究[J]. 西北植物學報, 2009,29(4): 800-808.

Luo L, Wang Z M, Song K S, et al. Research on the correlation between NDVI and climatic factors of different vegetations in the Northeast China [J]. Acta Botanica Boreali-Occidentalia Sinica, 2009,29(4):800-808.

[41] Wessels K J, van den Bergh F, Scholes R J. Limits to detectability of land degradation by trend analysis of vegetation index data [J]. Remote Sensing of Environment, 2012,125:10-22.

[42] 巴音德樂黑,包 翔,周 梅,等.基于MODIS NDVI的大興安嶺北坡植被覆蓋時空變化特征[J]. 林業資源管理, 2018,(6):50-56.

Ba Y D L H, Bao X, Zhou M, et al. Temporal and spatial variation characteristics of vegetation cover on the northern slope of Daxing'anling based on MODIS NDVI [J]. Forest Resources Management, 2018,(6):50-56.

[43] 孫 紅,田 昕,閆 敏,等.內蒙古大興安嶺根河植被覆蓋度動態變化及影響因素的分析[J]. 遙感技術與應用, 2018,33(6):1159-1169.

Sun H, Tian X, Yan M, et al. Analysis of dynamic changes of fractional vegetation coverage and influencing factors of the Genhe in the Great Khingan of Inner Mongolia [J]. Remote Sensing Technology and Application, 2018,33(6):1159-1169.

[44] 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.

[45] 路 潔,王學鳳,曹永強.氣候和人類活動對遼寧省植被變化的影響[J]. 水利水電科技進展, 2022,42(4):7-14.

Lu J, Wang X F, Cao Y Q. Analysis of the impact of climate and human activities on the vegetation change in Liaoning province [J]. Advances in Science and Technology of Water Resources, 2022,42(4): 7-14.

Spatiotemporal evolution and influencing factors of vegetation in Northeast China.

SHI Song, LI Wen*, DING Yi-shu, LIN Xiao-peng, ZHAI Yu-cen

(College of Landscape Architecture, Northeast Forestry University, Harbin 150040, China)., 2023,43(1)：276～289

Based on MODIS NDVI remote sensing data from 2000 to 2020, supplemented with meteorological data and land use data, the spatiotemporal evolution characteristics of vegetation and its response mechanism to climate change and human activitiesof each topographic unit in different cycle phases in Northeast China were investigated in-depth, using the methods of wavelet analysis, Sen+Mann-Kendall trend analysis, Hurst index, partial correlation analysis and residual analysis. The results showed that: Temporally, the vegetation NDVI in Northeast China showed an increasing trend with a rate of 0.0308/10a (<0.001), and the most stable cycle change was about 10a under the first main cycle of 16a. Spatially, the vegetation NDVI in Northeast China was at a high level overall, but the spatial differentiation was obvious, with a pattern of "low in the southwest and high in the northeast". The NDVI improvement area was larger than the degradation area in each cycle phase and the improvement area was expanding. The main theme of NDVI future trend is continuous improvement, accounting for 63.56% of the total area. In terms of response mechanism, the vegetation NDVI in Northeast China was influenced by both climate change and human activities. NDVI was positively correlated with temperature, precipitation and relative humidity, while negatively correlated with sunshine hours from 2000 to 2020, among which precipitation had the strongest influence on NDVI, and the area with precipitation as the dominant climate factor increased significantly with the cycle succession. Human activities mainly positive contribute the variation of NDVI, the implementation of forestry projects was the key to the improvement of vegetation condition, while the expansion of land for construction was the main cause of vegetation reduction.

Northeast China；NDVI；spatiotemporal evolution；climate change；human activities

X171

A

1000-6923(2023)01-0276-14

石 淞(1995-),女,遼寧沈陽人,東北林業大學博士研究生,從事區域環境變化與生態修復研究.

2022-05-31

黑龍江省自然科學基金資助項目(LH2022E001);中央高校基本科研業務費項目(41421016);國家自然科學基金資助項目(42171246)

* 責任作者, 副教授, liwen@nefu.edu.cn