西南地區植被動態變化的驅動力解析

曾興蘭,陳田田,2*

西南地區植被動態變化的驅動力解析

曾興蘭1,陳田田1,2*

(1.重慶師范大學,三峽庫區地表過程與環境遙感重慶市重點實驗室,重慶 401331；2.重慶市三峽庫區地表生態過程野外科學觀測研究站,重慶 401331)

以歸一化植被指數(NDVI)、土地利用、氣候數據集為基礎,綜合集合經驗模態分解、偏相關分析、分段線性回歸等方法,在明晰區域植被變化特征的基礎上闡明氣候變化和城市擴張兩大驅動要素對植被動態的影響.結果顯示,1990～2018年,西南地區NDVI呈波動上升趨勢,植被變綠趨勢明顯,在空間上表現東南高、西北低的分布格局.相較于太陽輻射和降水,氣溫對區域植被生長的影響力及范圍均較大,約占區域總面積的64.6%,主要分布在研究區中部以及西部.西南地區土地城市化、經濟城市化和人口城市化隨時間推移均呈增加趨勢,且空間分布格局較一致;在縣域尺度上,經濟、人口城市化與植被生長呈先增后降的非線性關系,土地城市化與植被生長呈負相關關系;在柵格尺度上,三類城市化與植被生長的關系保持不變,但是非線性閾值以及線性斜率差異明顯.

植被綠化；氣候；城市化；尺度；西南地區

地表植被作為陸地生態系統重要的組成部分,是吸收碳的重要載體,能有效應對氣候變化,為實現“雙碳”目標、增強生態系統碳匯提供了重要途徑[1-2].因此,植被動態變化監測及其反饋成為重要研究內容.

歸一化植被指數(NDVI)能準確地表征植被覆蓋度、反映植被生長狀況,已被廣泛應用于相關研究[3].目前,使用較普遍的NDVI數據產品包括MODIS NDVI、GIMMS3g NDVI和SPOT-VGT NDVI等,其通常含有不同的頻率和噪聲[4-5],使得研究結果存在偏差.為此,學者提出了一系列時間序列分解技術對NDVI數據進行重構,例如小波變化[6]、多條樹輪年表[7]、Fourier分析[8]等,以獲取更準確的年際變化信息.其中,以集合經驗模態分解(EEMD)方法應用最廣泛[9-10].基于準確的NDVI信息,學者們對植被生長的時空變化特征、驅動機制等進行了研究[11-12].在時空變化趨勢上發現,從上世紀90年代開始植被整體呈增加趨勢并表現出了非線性特征,空間上也呈現出了明顯的分異特征[13-14].在驅動機制方面發現,降水、氣溫等氣候因素是造成植被變化的主要因素[15-16],同時以城市擴張、人口集聚和生態修復為特征的人類活動也是導致植被變化的重要因素[17-18].這些研究厘清了植被變化對氣候和人類活動的響應過程,為后續相關研究提供了科學參考.

西南地區是我國喀斯特地貌的集中分布區,其植被是維持生態系統平衡的重要組成部分.在大規模的生態造林與植被恢復背景下,該區域已成為中國乃至全球重要的生態碳匯潛力區[19],以0.36%的全球陸地面積貢獻著5%的全球植被地上生物量[20].目前,關于西南地區植被覆蓋的研究已較多,學者們普遍認為區域植被覆蓋度呈現出了明顯上升趨勢,與此同時植被生態系統服務供給能力也顯著增強[21-22].但在對植被變化的驅動因素進行解析時,大多選取的是氣溫和降水這2個氣象因子[23-24].實際上,影響西南地區植被變化的氣象因素較為復雜,相關研究指出西南地區水汽少、低云量,太陽輻射對植被生長的影響也較為突出[25].同時,在人為驅動因素的選取中,現有研究主要側重于生態修復對區域植被變化的影響,較少關注城市化及城市發展帶來的植被變化問題[26-27].事實上,自西部大開發戰略實施以來,西南地區經濟持續發展,人口集聚程度逐漸擴大.這種快速的城市化不僅導致土地利用/覆被變化,而且會對區域的植被、水文、氣候、生物多樣性等產生深遠影響,并引發一系列生態和社會問題[28-29].因此,有必要明晰城市擴張對區域植被造成的影響.

基于此,本文以西南地區為例,首先通過EEMD獲得長時間序列NDVI,以表征植被生長狀況,并對1990～2018年西南地區植被覆蓋動態變化進行檢測與分析;然后,采用二階偏相關系數探討氣溫、降水和太陽輻射對植被NDVI的影響,并進行氣候主導驅動因素分區;最后,基于分段線性回歸,從不同尺度揭示植被動態變化對城市擴張的響應,確定其影響閾值,以期為西南地區生態環境保護及區域高質量發展提供科學支持.

1 數據來源與研究方法

1.1 研究區概況

本文的研究區包括四川省、云南省、重慶市、貴州省和廣西壯族自治區共5個省份(97°21′E～ 112°04′ E、20° 54′N～34°19′N,圖1),總面積約1.37× 106km2,約占中國陸地面積14.27%[30].全區年均氣溫在-2.8～23.9℃,降水量在54.6～2675.6mm,屬于典型的亞熱帶季風濕潤氣候;區域平均海拔較高,呈現北高南低的分布格局,且地形地貌復雜,植被類型豐富.研究區作為中國西南部的腹地,隨著工業化和城鎮化加快,區域經濟得以迅速發展,但同時也出現了明顯的生態環境問題,例如,水土流失、石漠化等.為緩解生態 -經濟沖突、確保生態安全屏障,區域實施了防護林建設、退耕還林(草)、天然林保護修復等多項生態工程,以生態環境的保護促進區域經濟的發展.

圖1 研究區范圍及地形示意

1.2 數據來源

本研究使用的NDVI數據集來源于國家地球系統科學數據中心(http://www.geodata.cn),通過最大合成月NDVI數據,求均值獲得年NDVI數據,其時間尺度為1990～2018年,空間分辨率為5km.建設用地面積來源于中國土地利用數據集(https://www. zenodo.org/),該數據集時間尺度為1990～2020年,空間分辨率為30m.人口城市化采用人口數據空間分辨率為1km的人口數量(https://www.worldpop. org/).GDP數據由資源與環境科學與數據中心提供(https://www.resdc.cn/Default.aspx),空間分辨率為1km,由于數據的時間限制,1995～2019數據被用于反映西南地區的經濟發展.根據研究區實際狀況選擇氣溫、降水和太陽輻射作為影響NDVI變化的主要氣候因素.1990～2018年西南地區的氣候數據來自國家青藏高原數據中心(http://data.tpdc.ac.cn/zh- hans/),空間分辨率為1km.最后基于NDVI數據,將本文所有數據統一坐標系和5km分辨率.

1.3 研究方法

1.3.1 集合經驗模態分解(EEMD) EEMD是一種將具有非線性、非平穩信號的長時間序列數據進行分解,以獲取有用信息的模型.該模型主要利用高斯白噪聲的特性,將白噪聲添加到原始數據,使原始數據在不同尺度具有連續性,避免了模態混合的問題,能夠得到信號的各個本征模態函數(IMF)分量[31].截止到目前,EEMD已被廣泛地運用于氣候[32]、海平面[33]、植被[34]等相關研究中.

對于某一序列0(),EEMD的分解步驟如下:

(1)給原始數據0()添加高斯白噪聲n(),得到新的序列().

(2)對新序列進行EEMD分解,得到一組IMF分量.

(3)繼續重復以上2個步驟,每次加入不同的白噪聲,直到滿足IMF停止標準.

(4)進行次后,原始數據被分解為一個殘差項()和一系列從高頻到低頻的IMF,平均每次得到的IMF分量,得到最終分解結果.

基于此,本文利用EEMD對西南地區長時間序列NDVI進行分解,得到噪聲、年際變化分量和年分量,本文主要對年際變化分量進行分析.

1.3.2 趨勢分析 該方法主要用于檢驗數據長期變化是否存在連續增長或連續減少的趨勢,用斜率Slope表示[35].其公式如下:

式中:slope為趨勢線的斜率;為年份;NDVI為第年的NDVI均值.

1.3.3 二階偏相關分析 偏相關分析是通過控制其他變量的影響,研究兩變量之間的凈相關性.本文采用二階偏相關分析溫度、降水和太陽輻射對植被NDVI變化的影響.其公式如下[36]:

式中:R表示消除因子和的影響,計算和之間的二階偏相關系數;R,x、R,x、R,x具有類似定義;R>0表示氣候因子與NDVI呈正相關;R<0表示氣候因子與NDVI呈負相關.

1.3.4 城市化 本文將區域城市化分為經濟城市化、人口城市化和土地城市化3種類型.以5km的漁網計算建設用地面積占區域總面積的比重,表征土地城市化.對人口、經濟密度的柵格數據進行重采樣,獲取其對應的5km柵格數據,以此表征人口城市化和經濟城市化.

1.3.5 分段線性回歸 本文采用分段線性回歸識別長時間序列數據中的轉折點,并在轉折點前后分別使用線性擬合對不同階段數據進行趨勢分析[37].其公式如下:

式中:是區縣NDVI均值的回歸斜率;代表城市化指標;是城市化水平的轉折點;0和1為系數;是誤差項.

2 結果與分析

2.1 植被NDVI時空變化特征

基于EEMD的NDVI分解結果(圖2a),得到噪聲是無用信息,年分量是短期的季節趨勢,本文著重研究NDVI年際分量的時空變化趨勢.在時間上分析(圖2b),1990～2018年西南地區植被NDVI均值整體表現為波動上升趨勢,以0.0038a-1的速度增加,植被綠化特征明顯(2=0.6574).同時,西南地區植被NDVI的變化具有明顯的非線性特征,最高值出現在2017年,最低值出現在1994年.其中,高值區的出現一定程度上反映了生態修復措施對植被恢復的積極作用,低值區的產生可能與此期間發生的極端天氣有關.

就西南地區植被NDVI均值的空間分布而言(圖3a),發現不同地區的NDVI均值在空間上存在差異,空間上整體呈現東南高,西北低分布格局,其平均值在0～0.76之間,同時NDVI值在0.4～0.5占比51.44%,約占研究區一半的面積,可見,1990～2018年西南地區植被均值整體處于中等水平.從圖3(b)中得到西南地區植被NDVI年際變化的slope在-0.0064～0.0103之間,98.6%區域的植被slope>0,植被上升的區域主要分布在研究區中部、西北部以及南部;1.4%區域的植被slope<0,零星分布在四川盆地西部的中心城市及周邊地區.

圖2 1990～2018年西南地區NDVI分解及年際分量變化趨勢

圖3 1990～2018年西南地區NDVI 空間分布及變化斜率

2.2 植被NDVI與氣候因素的偏相關分析

由圖4可知,1990～2018年西南地區年均溫度、年降水量和太陽輻射均呈上升趨勢,增加速度分別為0.0183℃/a、0.7563mm/a和0.1384W/a,說明西南地區存在變暖變濕的跡象.同時,氣溫年增速最大,為1.7576%,其次是太陽輻射和降水,年增速分別為0.0680%、0.0092%.

從植被與氣候因子的偏相關系數可知(圖5),植被NDVI與氣溫的偏相關系數范圍在-0.67～0.81,其中,系數大于0表示氣溫對植被生長具有促進作用,約占研究區面積的68.82%,主要分布在研究區東部和西部;系數小于0表示氣溫對植被生長具有抑制作用,主要分布在研究區東北和南部.植被NDVI與降水的偏相關系數范圍在-0.62～0.80,系數大于0的區域約占研究區面積68.81%,主要分布在研究區東北部和西南部.植被NDVI與太陽輻射的偏相關系數范圍在-0.69～0.79,系數大于0的區域約占研究區面積66.86%,主要分布在研究區中部和南部.整體來看,氣溫、降水、太陽輻射與植被NDVI的偏相關系數平均值分別為0.3046、0.0955、0.0924,說明氣溫對植被變化的影響最大.同時,在柵格尺度上,對影響系數進行絕對化處理,取絕對值的最大因素作為影響區域植被NDVI的主導因素(圖6),發現約占研究區面積64.6%的區域主要受到氣溫因素驅動,分布在研究區中部和西部;主要受太陽輻射因素驅動的區域約占研究區面積23.4%,分布在研究區南部;主要受降水因素驅動的區域約占研究區面積11.9%,分布在研究區東北部.總的來說,氣候變化是西南地區植被良好發展的一個重要原因.

圖4 1990～2018年西南地區溫度、降水量和太陽輻射變化趨勢

圖5 西南地區植被NDVI與氣候因子偏相關關系空間分布

圖6 不同區域植被變化的主導驅動因素及其面積占比

2.3 1990～2018年城市化時空變化趨勢及多尺度下與植被NDVI關系

就西南地區城市化的變化而言(圖7),近30a西南地區城市化整體上呈持續增長趨勢,并表現出明顯的階段性.經濟城市化分為兩個階段,2008年之前GDP密度呈緩慢上升趨勢,2008年之后GDP密度呈快速上升趨勢.土地城市化在1990～2018年期間快速增長,建設用地不斷擴張.人口城市化可分為3個階段,其中,1990～1994年和2010～2018年兩個時段人口城市化呈直線上升趨勢,1994～2010年期間基本呈現波動式上升趨勢.總的來說,經濟城市化相較于土地城市化和人口城市化增長幅度更大.

圖7 1990～2018年西南地區城市化時間變化特征

西南地區三類城市化的整體分布格局基本一致,均表現為從城市中心向外遞減(圖8).在局部地區,其中,經濟城市化和土地城市化從西南地區的城市中心區向外圍地區逐漸下降,人口城市化相較于經濟城市化和土地城市化,空間集聚特征更加明顯.三類城市化變化趨勢均顯著的區域主要集中在省會中心城市,以省會城市中心向外圍輻射遞減,其中區域GDP密度最高值為89309.76萬元/km2,人口密度最高值為123767.82人/km2,建設用地占比最高為92%.

圖8 1990～2018年西南地區城市化的空間格局

在縣域尺度上(圖9),經濟和人口城市化對區域植被的影響呈現明顯的非線性關系.小于閾值時,城市化進程對植被NDVI產生積極影響;但大于閾值,植被NDVI隨著城市化的發展而下降.其中,經濟城市化閾值118.81萬元/km2,人口城市化閾值40.26人 /km2.土地城市化與植被之間存在顯著的負相關關系,即植被生長隨著建設用地比例增加而呈現下降趨勢.整體來看,在研究初期階段,經濟、人口城市化對植被生長的促進作用,能夠彌補建設用地擴張對植被帶來的負面影響.

在柵格尺度上(圖10),經濟和人口城市化對植被生長影響也存在閾值,相較于縣域尺度閾值發生了變化,經濟城市化閾值變為140.19萬元/km2,人口城市化閾值變為45.36人/km2.當小于閾值,經濟城市化、人口城市化對植被產生了積極影響;大于閾值,植被出現明顯下降,但植被的下降趨勢明顯逐漸減弱.土地城市化與植被呈現負相關關系,其負相關斜率為-0.0112.

圖9 西南地區植被變化與經濟城市化、人口城市化和土地城市化的相關性

圖10 柵格尺度城市化空間格局與NDVI動態關系

3 討論

西南地區植被是我國地表覆蓋的重要組成部分,其生長狀況是陸地生態系統健康的關鍵,對緩解氣候變暖有重要作用.基于此,本文分析了1990～ 2018年西南地區植被的時空變化趨勢,發現近30a西南地區的NDVI顯著增加,這與人類重視生態環境建設使得過去30a中國城市變得更綠的結論相吻合[38],一定程度上反映生態修復對區域環境的積極作用.同時,本文選取氣溫、降水、太陽輻射3個氣候因素剖析氣候變化對植被NDVI的影響機制,發現西南地區植被生長受到氣候變化的顯著影響,溫度、降水和太陽輻射的變化對區域植被生長產生了積極作用,但各因素對植被生長的影響存在空間異質性,這與相關學者研究結果較一致[39-40].分析區域主導驅動因素發現,氣溫是影響西南地區植被的主要因素,達64.6%,主要分布在研究區中部和北部.這主要是因為增溫能加強植被的光合作用以及延長植被的生長季[41].但也有學者指出增溫對植被的作用并非是線性增強的關系,過高的溫度可能會抑制植被生長[42].因此,西南喀斯特地區應密切關注增溫對植被生長的影響.總體而言,研究時段西南地區的植被在氣候變化下大幅增加,但不可否認,氣候變化對植被具有雙重影響,這取決于氣候條件、氣候趨勢的具體組合.

當然,人類活動也是影響西南地區植被變化的主要驅動力.雖然已有大量研究定量論證了生態工程對植被恢復的顯著作用,但人口集中、城市景觀向農村地區擴張等城市化過程,也會造成某些自然生境的喪失、耕地減少和城市熱島等問題[43].基于此,本文選取人口密度、GDP密度和建設用地比例三類指標分析了植被動態對城市化的響應.結果表明植被與人口城市化、經濟城市化呈非線性關系,且城市化的影響具有閾值效應.小于閾值,城市CO2濃度增加以及熱島效應加劇,促使城市氣溫升高,延長植被生長季,與植被生長呈正相關,這與許多研究結果相似[44-45];大于閾值,隨著大氣中CO2濃度持續增加,加劇植被呼吸作用,植被生長呈緩慢下降趨勢[46].也就是說,過度的城市發展不會帶來植被的持續增長,甚至會產生負面影響.區縣經濟城市化閾值為118.81萬元/km2,人口城市化閾值為40.26人/km2,各個區域需要根據現有城市化水平進行調整.例如小于閾值時,城市仍可以進行規劃建設,但要將環境保護滲透進城市建設過程中.大于閾值后,就要在一定程度上限制土地的過度城市化,在區域全面推進“無廢城市”、“海綿城市”等建設工作,促進環境治理體系建設,推動城市環境質量提高.同時,在分析不同空間尺度下城市化與植被生長的關系時發現,相較于縣域尺度,柵格尺度下經濟城市化和人口城市化的閾值更大.其中,經濟城市化的閾值從縣域尺度118.81萬元/km2變成柵格尺度140.19萬元/km2,人口城市化閾值從縣域尺度的40.26人/km2變成了柵格尺度的45.36人/km2.這是因為在格網尺度,區域要素更具多樣性;而在縣域尺度上,平均效應使得要素同質化增強[47].未來需要系統地理解各尺度下城市化與植被NDVI的聯系與區別,探究其關系隨尺度變化的規律,并針對性進行城市環境管理及生態建設.

實際上,本研究也存在一些不足.一方面由于篇幅原因,本文僅從全域尺度分析植被變化趨勢,但不同植被類型、不同巖性的植被生長狀況不同[48],未來有必要在多尺度下對植被覆蓋變化開展深入研究.另一方面,城市化是一個復雜的動態過程,本研究中采用分段線性方法來探索人口、經濟和土地城市化對植被動態的影響,缺乏不同城市發展階段對植被變化的影響研究[49].

4 結論

4.1 1990～2018年西南地區植被NDVI呈波動上升趨勢,增速為0.0038a-1;同時,區域植被NDVI的分布具有明顯的空間異質性,高值區主要分布在研究區西南以及東南部.

4.2 相較于降水和太陽輻射,氣溫與植被NDVI間的偏相關系數更高(0.3046),說明氣溫對西南地區植被NDVI增長的作用更明顯;同時,氣溫影響的范圍也最廣,約占研究區面積的64.6%,主要分布于研究區中部和西部.

4.3 西南地區城市發展整體呈擴張趨勢,空間上表現為以省會城市中心向外輻射遞減.經濟城市化和人口城市化對區域植被生長存在明顯的約束效應,隨著尺度的縮小,閾值呈現變大的趨勢.

[1] 劉曉曼,王 超,高吉喜,等.服務雙碳目標的中國人工林生態系統碳增匯途徑 [J]. 生態學報, 2023,43(14):5662-5673.

Liu X M, Wang C, Gao J X, et al. Approaches to carbon sequestration enhancement in China’s plantation ecosystem for carbon peaking and carbon neutrality goals [J]. Acta Ecologica Sinica, 2023,43(14):5662- 5673.

[2] 黎 喜,楊勝天,羅 婭,等.國家生態文明試驗區(貴州)經濟增速與植被恢復協調發展[J]. 中國環境科學, 2022,42(9):4333-4342.

Li X, Yang S T, Luo Y, et al. Coordinated development of economic growth and vegetation restoration in the national ecological civilization pilot zone (Guizhou) [J]. China Environmental Science, 2022,42(9):4333-4342.

[3] 姜 萍,胡列群,肖 靜,等.新疆植被NDVI時空變化及定量歸因[J]. 水土保持研究, 2022,29(2):212-220,242.

Jiang P, Hu L Q, Xiao J, et al. Spatiotemporal dynamics of NDVI in Xinjiang and quantitative attribution based on geodetector [J]. Research of Soil and Water Conservation, 2022,29(2):212-220,242.

[4] Hawinkel P, Swinnen E, Lhermitte S, et al. A time series processing tool to extract climate-driven interannual vegetation dynamics using Ensemble Empirical Mode Decomposition (EEMD) [J]. Remote Sensing of Environment, 2015,169(1/2):375-389.

[5] Roy D P, Borak J S, Devadiga S, et al. The MODIS land product quality assessment approach [J]. Remote Sensing of Environment, 2002,83(1/2):62-76.

[6] 石 淞,李 文,丁一書,等.東北地區植被時空演變及其對氣候變化和人類活動的響應[J]. 中國環境科學, 2023,43(1):276-289.

Shi S, Li W, Ding Y S, et al. Spatiotemporal evolution of vegetation and its response to climate change and human activities in Northeast China [J]. China Environmental Science, 2023,43(1):276-289.

[7] 王文志,劉曉宏,陳 拓,等.基于祁連山樹輪寬度指數的區域NDVI重建[J]. 植物生態學報, 2010,34(9):1033-1044.

Wang W Z, Liu X H, Chen T, et al. Reconstruction of regional NDVI using tree-ring width chronologies in the Qilian Mountain, northwestern China [J]. Chinese Journal of Plant Ecology, 2010,34(9): 1033-1044.

[8] Lhermitte S, Verbesselt J, Jonckheere I, et al. Hierarchical image segmentation based on similarity of NDVI time series [J]. Remote Sensing of Environment, 2008,112(2):506–521.

[9] 朱靖軒,劉 雯,李振煒,等.喀斯特流域徑流對植被和氣候變化的多尺度響應[J]. 生態學報, 2020,40(10):3396-3407.

Zhu J X, Liu W, Li Z W, et al. Multi-scale response of runoff to vegetation and climate change in karst watershed [J]. Acta Ecologica Sinica, 2020,40(10):3396-3407.

[10] 張 煦,馬 驛,鄭 雯,等.基于時序MODIS-NDVI的油菜種植面積變化趨勢分析——以江漢平原為例[J]. 長江流域資源與環境, 2016,25(3):412-419.

Zhang X, Ma Y, Zheng W, et al. Variation trend of rape cultivation area based on MODIS-NDVI time series data—a case in Jianghan Plain [J]. Resources and Environment in the Yangtze Basin, 2016,25(3):412- 419.

[11] 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 River [J]. China Environmental Science, 2021, 41(8):3832-3841.

[12] 劉 煒,焦樹林.喀斯特流域極端氣候變化特征及對NDVI的影響[J]. 水土保持學報, 2022,36(5):220-232.

Liu W, Jiao S L. Characteristics of extreme climate change in karst basins and its impact on NDVI [J]. Journal of Soil and Water Conservation, 2022,36(5):220-232.

[13] 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.

[14] 劉憲鋒,朱秀芳,潘耀忠,等.1982～2012年中國植被覆蓋時空變化特征[J]. 生態學報, 2015,35(16):5331-5342.

Liu X F, Zhu X F, Pan Y Z, et al. Spatiotemporal changes in vegetation coverage in China during 1982～2012 [J]. Acta Ecologica Sinica, 2015,35(16):5331-5342.

[15] 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):4499-4509.

Zhao T, Bai H Y, Deng C H, et al. Topographic differentiation effect of vegetation cover in the Qinling Mountains from 2000 to 2016 [J].Acta Ecologica Sinica, 2019,39(12):4499-4509.

[16] 趙 丹,王祖偉,張國壯,等.因子回歸和交互聯合探索區域植被覆蓋度的影響因素——以三江源地區為例[J]. 中國環境科學, 2022, 42(8):3903-3912.

Zhao D, Wang Z W, Zhang G Z, et al. Identifying factors affecting regional fractional vegetation cover based on a combination of factor regression and interactive—A case study on the Three-River Headwaters Region [J]. China Environmental Science, 2022,42(8): 3903-3912.

[17] 柴立夫,田 莉,奧 勇,等.人類活動干擾對青藏高原植被覆蓋變化的影響[J]. 水土保持研究, 2021,28(6):382-388.

Chai L F, Tian L, Ao Y, et al. Influence of human disturbance on the change of vegetation cover in the Tibetan Plateau [J]. Research of Soil and Water Conservation, 2021,28(6):382-388.

[18] 金 凱,王 飛,韓劍橋,等.1982～2015年中國氣候變化和人類活動對植被NDVI變化的影響[J]. 地理學報, 2020,75(5):961-974.

Jin K, Wang F, Han J Q, et al. Contribution of climate change and human activities on vegetation NDVI change over China during 1982～2015 [J]. Acta Geographica Sinica, 2020,75(5):961-974.

[19] Zhang X M, Brandt M, Yue Y M, et al. The carbon sink potential of southern China after two decades of afforestation [J]. Earth's Future, 2022,10(12),e2022EF002674.

[20] 戴強玉,徐 勇,趙 純,等.四川盆地植被EVI動態變化及其驅動機制 [J]. 中國環境科學, 2023,43(8):4292-4304.

Dai Q Y, Xu Y, Zhao C, et al. Dynamic variation of vegetation EVI and its driving mechanism in the Sichuan Basin [J]. China Environmental Science, 2023,43(8):4292-4304.

[21] 洪辛茜,黃 勇,孫 濤.我國西南喀斯特地區2001～2018年植被凈初級生產力時空演變[J]. 生態學報, 2021,41(24):9836-9846.

Hong X Q, Huang Y, Sun T. Spatiotemporal evolution of vegetation net primary productivity in the karst region of southwestern China from 2001 to 2018 [J]. Acta Ecologica Sinica, 2021,41(24):9836- 9846.

[22] 程東亞,李旭東,楊江州.西南山地流域NDVI變化特征及降水敏感性——以貴州沅江流域為[J]. 生態學報, 2020,40(4):1161-1174.

Cheng D Y, Li X D, Yang J Z. Research on NDVI variation characteristics and precipitation sensitivity of Yuanjiang River Basin in Guizhou province [J].Acta Ecologica Sinica, 2020,40(4):1161-1174.

[23] 張凱選,范鵬鵬,王軍邦,等.西南喀斯特地區植被變化及其與氣候因子關系研究[J]. 生態環境學報, 2019,28(6):1080-1091.

Zhang K X, Fan P P, Wang J B, et al. Study on vegetation change and climate factors in a karst region of southwestern China [J]. Ecology and Environmental Sciences, 2019,28(6):1080-1091.

[24] 馬炳鑫,和彩霞,靖娟利,等.1982～2019年中國西南地區植被變化歸因研究[J]. 地理學報, 2023,78(3):714-728.

Ma B X, He C X, Jing J L, et al. Attribution of vegetation dynamics in southwestern China from 1982 to 2019 [J]. Acta Geographica Sinica, 2023,78(3):714-728.

[25] 徐 勇,盧云貴,戴強玉,等.氣候變化和土地利用變化對長江中下游地區植被NPP變化相對貢獻分析 [J]. 中國環境科學, 2023,43(9): 4988-5000

Xu Y, Lu Y G, Dai Q Y, et al. Assessment of the relative contribution of climate change and land use change on net primary productivity variation in the middle and lower reaches of the Yangtze River Basin [J]. China Environmental Science, 2023,43(9):4988-5000.

[26] 熊巧利,何云玲,李同艷,等.西南地區生長季植被覆蓋時空變化特征及其對氣候與地形因子的響應[J]. 水土保持研究, 2019,26(6): 259-266.

Xiong Q L, He Y L, Li T Y, et al. Spatiotemporal patterns of vegetation coverage response to climatic and topographic factors in growth season in southwestern China [J]. Research of Soil and Water Conservation, 2019,26(6):259-266.

[27] 何宏昌,馬炳鑫,靖娟利,等.近20年西南喀斯特地區植被NPP時空變化及自然因素地理探測[J]. 水土保持研究, 2022,29(3):172-178, 188.

He H C, Ma B X, Jing J L, et al. Spatiotemporal changes of NPP and natural factors in the southwestern karst areas from 2000 to 2019 [J]. Research of Soil and Water Conservation, 2022,29(3):172-178,188.

[28] Zhao D M, Wu J. The Influence of Urban Surface Expansion in China on Regional Climate [J]. Journal of Climate, 2017,30:1061-1080.

[29] Cao Q, Yu D Y, Georgescu M, et al. Impacts of future urban expansion on summer climate and heat-related human health in eastern China [J]. Environment International, 2018,112:134–146.

[30] 馬海云,張林林,魏學瓊,等.2000～2015年西南地區土地利用與植被覆蓋的時空變化[J]. 應用生態學報, 2021,32(2):618-628.

Ma H Y, Zhang L L, Wei X Q, et al. Spatial and temporal variations of land use and vegetation cover in Southwest China from 2000 to 2015 [J].Chinese Journal of Applied Ecology, 2021,32(2):618-628.

[31] 劉曉瓊,孫曦亮,劉彥隨,等.基于REOF-EEMD的西南地區氣候變化區域分異特征[J]. 地理研究, 2020,39(5):1215-1232.

Liu X Q, Sun X L, Liu Y S, et al. Spatial division of climate change and its evolution characteristics in Southwest China based on REOF-EEMD [J]. Geographical Research, 2020,39(5):1215-1232.

[32] Ji F, Wu Z H, Huang J P, et al. Evolution of land surface air temperature trend [J]. Nature Climate Change, 2014,4:462–466.

[33] Chen X Y, Zhang X B, Church J A, et al. The increasing rate of global mean sea-level rise during 1993～2014 [J]. Nature Climate Change, 2017,7:492-495.

[34] Feng X M, Fu B J, Zhang Y, et al. Recent leveling off of vegetation greenness and primary production reveals the increasing soil water limitations on the greening Earth [J]. Science Bulletin, 2021,66(14): 1462-1471.

[35] 羅 爽,劉會玉,龔海波.1982～2018年中國植被覆蓋變化非線性趨勢及其格局分析[J]. 生態學報, 2022,42(20):8331-8342.

Luo S, Liu H Y, Gong H B. Nonlinear trends and spatial pattern analysis of vegetation cover change in China from 1982 to 2018 [J]. Acta Ecologica Sinica, 2022,42(20):8331-8342.

[36] Song F J, Wang S J, Bai X Y, et al. A new indicator for global food security assessment: harvested area rather than cropland area [J]. Chinese Geographical Science, 2022,32,204-217.

[37] Jian P, Lu T, Liu Y, et al. Ecosystem services response to urbanization in metropolitan areas: Thresholds identification [J]. Science of the Total Environment, 2017,607-608(31):706-714.

[38] Yang J, Huang C H, Zhang Z R, et al. The temporal trend of urban green coverage in major Chinese cities between 1990 and 2010 [J]. Urban Forestry & Urban Greening, 2014,13(1):19-27.

[39] Jiang S S, Chen X, Smettem K, et al. Climate and land use influences on changing spatiotemporal patterns of mountain vegetation cover in southwest China [J]. Ecological Indicators, 2021,121:107193.

[40] 楊艷蓉,侯召朕,張增信.2001～2018年西南地區NDVI變化特征及影響因素[J]. 水土保持通報, 2021,41(2):337-344.

Yang Y R, Hou Z Z, Zhang Z X. NDVI changes and driving factors in Southwest China from 2001 to 2018 [J].Bulletin of Soil and Water Conservation, 2021,41(2):337-344.

[41] Shen M G, Cong N, Cao R Y, et al. Temperature sensitivity as an explanation of the latitudinal pattern of green-up date trend in Northern Hemisphere vegetation during 1982～2008 [J]. International Journal of Climatology: A Journal of the Royal Meteorological Society, 2015,35(12):3707-3712.

[42] Koch, A. Peaking productivity by 2060 [J]. Nature Climate Change, 2022,12:505–506.

[43] 歐陽曉,朱 翔.中國城市群城市用地擴張時空動態特征[J]. 地理學報, 2020,75(3):571-588.

Ouyang X, Zhu X. Spatio-temporal characteristics of urban land expansion in Chinese urban agglomerations [J].Acta Geographica Sinica, 2020,75(3):571-588.

[44] Zhong Q Y, Ma J, Zhao B, et al. Assessing spatial-temporal dynamics of urban expansion, vegetation greenness and photosynthesis in megacity Shanghai, China during 2000～2016 [J]. Remote Sensing of Environment, 2019,233:111374.

[45] Lian X H, Jiao L M, Liu Z J. Saturation response of enhanced vegetation productivity attributes to intricate interactions [J]. Global Change Biology, 2022,29(4):1080-1095.

[46] Grimm N B, Faeth. Global change and the ecology of cities [J]. Science, 2008,319(5864):756-760.

[47] 高江波,吳紹洪,蔡運龍.區域植被覆蓋的多尺度空間變異性——以貴州喀斯特高原為例[J]. 地理研究, 2013,32(12):2179-2188.

Gao J B, Wu S H, Cai Y L. Investigating the spatial heterogeneity of vegetation cover at multi-scales: A case study in karst Guizhou Plateau of China [J]. Geographical Research, 2013,32(12):2179-2188.

[48] 盧喬倩,江 濤,柳丹麗,等.中國不同植被覆蓋類型NDVI對氣溫和降水的響應特征[J]. 生態環境學報, 2020,29(1):23-34.

Lu Q Q, Jiang T, Liu D L, et al. The response characteristics of NDVI with different vegetation cover types to temperature and precipitation in China [J]. Ecology and Environmental Sciences, 2020,29(1):23-34.

[49] Zhang L, Yang L, Zohner C M, et al. Direct and indirect impacts of urbanization on vegetation growth across the world's cities [J]. Science Advances, 2022,8(27):eabo0095.

Analysis of the driving forces of vegetation dynamic changes in southwest China.

ZENG Xing-lan1, CHEN Tian-tian1,2*

(1.Chongqing Key Laboratory of Surface Process and Environment Remote Sensing in the Three Gorges Reservoir Area, Chongqing Normal University, Chongqing 401331, China；2.Chongqing Field Observation and Research Station of Surface Ecological Process in the Three Gorges Reservoir Area, Chongqing 401331, China)., 2023,43(12)：6561～6570

Based on the Normalized Difference Vegetation Index (NDVI), land use and climate datasets, this study analyzed the trend of change in vegetation growth and clarified the impact of climate change and urban expansion on vegetation dynamics in southwest China by the ensemble empirical mode decomposition, partial correlation analysis and segmented linear regression. The results showed that the NDVI in the southwest China fluctuating increased, indicating an obvious vegetation greening trend; spatially, the regions with high NDVI were distribution in the southeast part and the regions with low NDVI were concentrated at the northwest part. Compared to the solar radiation and precipitation, the influencing scale and degree of temperature on regional vegetation growth was relatively large, accounting for approximately 64.6% of the study area, mainly distributed in the central and western parts of the study area. The land urbanization, economy urbanization and demographic urbanization increased over time, and the spatial distribution of these three urbanizations was relatively consistent. At the county scale, the correlation between economic urbanization, demographic urbanization and vegetation growthincreased firstly and then decreased, showing a nonlinear characteristic; while there was a negative correlation between land urbanization and vegetation growth. At the grid scale, the relationship between these three urbanization and vegetation growth remains unchanged; but there weresignificant differences in the thresholds of nonlinear relationship and the slope of linear relationship. This study can provide scientific reference for implementing more precise ecological management measures and achieving sustainable socio-economic developmentin this region.

vegetation greening；climate；urbanization；scale；southwest China

X173;Q948

A

1000-6923(2023)12-6561-10

曾興蘭,陳田田.西南地區植被動態變化的驅動力解析 [J]. 中國環境科學, 2023,43(12):6561-6570.

Zeng X L, Chen T T. Analysis of the driving forces of vegetation dynamic changes in southwest China [J]. China Environmental Science, 2023,43(12):6561-6570.

2023-04-14

國家自然科學基金資助項目(42001090);重慶市教委科學技術研究項目(KJQN202000512);重慶市教委社科規劃項目(2020BS45)

* 責任作者, 副教授, chentiantian@cqnu.edu.cn

曾興蘭(1997-),女,四川成都人,重慶師范大學碩士研究生,主要從事土地利用變化及其生態系統服務響應方面的研究. 2021110514079@stu.cqnu.edu.cn.