《Land》:Long-Term Dynamics and Climatic Drivers of Vegetation Cover on the Loess Plateau (2000–2024)
编辑推荐:
植被作为生态系统的关键组成部分,是监测陆地生态系统变化的核心指标。研究其时空动态及自然驱动因素对于生态脆弱的黄土高原地区的生态修复与管理具有重要意义,该区域人地关系复杂。本研究利用2000至2024年的数据,综合运用像元二分模型(Dimidiate Pixel
植被作为生态系统的关键组成部分,是监测陆地生态系统变化的核心指标。研究其时空动态及自然驱动因素对于生态脆弱的黄土高原地区的生态修复与管理具有重要意义,该区域人地关系复杂。本研究利用2000至2024年的数据,综合运用像元二分模型(Dimidiate Pixel Model, DPM)、趋势分析、赫斯特指数(Hurst index)及最优参数地理探测器(Optimal Parameter Geographic Detector, OPGD)等方法,系统研究了黄土高原植被覆盖度(Fractional Vegetation Cover, FVC)的时空演化格局、未来趋势及主要影响因素。结果表明:(1)25年间,黄土高原FVC总体呈波动上升趋势,空间分布呈"西北低、东南高"的格局,且不同土地利用类型间存在显著差异。(2)FVC变化趋势以极显著增加和显著增加为主,占总面积的67.92%,无显著变化区域占31.27%。空间上,中部地区增长趋势具有强持续性,而西北和东南边缘趋于稳定。(3)降水是影响FVC的最重要单一因素(解释力q=0.4199)。因子交互解释力高于单一因子,其中降水与高程交互作用最强(q=0.5124)。土地利用类型作为人为活动代理变量,对FVC格局亦具有显著调控作用。本研究采用常规遥感方法(像元二分模型、趋势分析、赫斯特指数及最优参数地理探测器),主要贡献在于将分析时段延长至2024年,并对2020年后的植被动态进行了重点评估。本研究系统分析了FVC的时空演化格局,量化了自然因素及土地利用这一人类活动代理变量对黄土高原FVC的解释力,为评估区域生态修复成效及优化生态管理策略提供了科学依据。
## 一、研究背景与问题
黄土高原位于中国北部内陆地区,是黄河流域的重要组成部分。该区域面临着中国最突出的土壤侵蚀问题,严重制约当地社会经济发展,并对下游防洪安全构成重大威胁。导致严重侵蚀的主要原因包括暴雨集中、黄土土质疏松、植被覆盖度低以及人类活动强度大等因素。植被覆盖度(FVC)作为表征地表植被生长的关键参数,直接反映区域生态系统的健康状况与稳定性。定量分析植被覆盖度的时空演变、预测未来趋势、探索自然驱动因素及土地利用所介导的人地相互作用效应,能够为当地荒漠化防治、土壤侵蚀治理等生态修复工作提供精准科学支撑,同时为优化土地资源配置、推进可持续利用决策奠定理论基础。
遥感技术已成为估算植被覆盖度的主要工具,具有高效、经济、覆盖范围广、可连续监测等优势。常用的FVC遥感估算方法包括回归模型、机器学习、物理模型和光谱混合分析等。前三种方法通常依赖地面实测数据,在某些条件下适用性受限。相比之下,像元二分模型(DPM)作为最简单的线性光谱混合模型,因其实现简便、物理意义明确,已被广泛应用于FVC估算。近年来,大量研究采用DPM结合遥感影像提取FVC并探索其时空变化特征。在此基础上,部分研究进一步运用最优参数地理探测器探究FVC空间异质性的驱动机制。尽管FVC研究已取得显著进展,但生态脆弱区的大尺度、高分辨率、长时序植被监测仍存在迫切需求。
黄土高原作为世界上最大、最厚的黄土堆积区,不仅以其地理范围著称,更以极端的生态脆弱性为特征。长期暴露于气候变化和强烈人类干扰之下,使其成为中国土壤侵蚀最严重的区域之一。现有文献普遍认为,黄土高原植被呈现显著的空间异质性和垂直地带性,其演变主要受气候因素和人类活动的共同作用。然而,已有研究存在时空尺度碎片化、缺乏长时序数据以捕捉植被对退耕还林等政策的滞后响应、人类活动与地形因子交互效应量化不足、以及不同土地利用类型下FVC异质性归因分析欠缺等局限。现有植被研究大多限于2020年之前的数据集,且主要依赖线性相关分析,无法捕捉更长时期内气候与地形的非线性耦合关系,这限制了对近期植被变化及其复杂驱动机制的理解。因此,本研究将时段延长至2024年,应用最优参数地理探测器量化降水与高程之间的非线性交互作用,为区域生态治理提供更新证据。
## 二、研究方法概述
本研究整合Sen's斜率估计法、Mann–Kendall(MK)趋势检验与赫斯特指数,刻画黄土高原FVC的时空演化与未来趋势特征;采用最优参数地理探测器模型,归因分析影响FVC变化的关键地理因素。数据源方面,研究时段为2000–2024年,基于美国国家航空航天局(NASA)MODIS的归一化植被指数(NDVI)数据,采用像元二分模型计算月度最大合成FVC数据,纯植被与裸土像元值依据土地利用类型确定。地理探测器分析的五个解释变量包括:年均温(Mean Annual Temperature, MAT)、年降水量(Mean Annual Precipitation, MAP)、高程(Elevation, ELE)、坡度(Slope, SLO)及土地利用类型(Land Use Type, LUT,作为人为活动代理变量)。所有变量统一重采样至250米分辨率。年均温和年降水量数据来源于国家青藏高原数据中心1公里分辨率月数据;高程数据来源于地理空间数据云平台;坡度通过ArcGIS 10.8提取。多源数据(30米、90米、1公里分辨率)统一采用双线性插值法重采样至250米分辨率,以确保空间一致性。
## 三、研究结果
**3.1 植被覆盖度变化特征**
2000至2024年间,不同土地利用类型的FVC存在显著差异。森林和灌木地维持高FVC水平且趋势稳定;农田和草地呈波动上升趋势,2016年左右波动明显。黄土高原FVC整体在0.55至0.78之间波动,均值为0.71,从2000年的0.59上升至2024年的0.76,年均增速0.0073,呈总体上升但波动之态势。2001年FVC最低(0.58),2018年最高(0.80)。从等级面积统计看,中等、较高和高FVC等级面积呈波动上升,较低和低FVC等级呈波动下降。低FVC面积从2000年的65,900.50 km
2大幅减少至2024年的18,397.36 km
2,降幅72.08%;高FVC面积从192,937.56 km
2扩展至243,260.44 km
2,增幅26.08%。值得注意的是,高FVC面积于2020年达到峰值398,296.56 km
2(约占总面积62.1%),随后骤降至2024年的243,260.44 km
2,较2020年峰值减少38.9%,这一2020年后的急剧下降构成区域植被动态的关键转折点。空间上,西北部FVC持续增加;中部呈现阶段性波动特征,即快速增长(2000–2010)、轻微下降(2010–2015)、显著恢复(2015–2020)及再次小幅下降(2020–2024);东南部均值显著高于西北部,整体呈"高–中–低"分布格局。
2000年高FVC区域仅占10.2%,而中等和低FVC区域各超38%,呈现"西北低、东南高"的不平衡格局。至2024年,高FVC区域比例大幅提升至57.2%,仅残存局部中等和低FVC斑块。植被覆盖从初期显著空间异质性、低覆盖主导的状态,逐步转变为全域高覆盖、空间分布更趋均衡的格局。土地利用类型与FVC的叠加分析显示:农田FVC跨越所有等级;森林和灌木地以高FVC主导,分别占96.25%和98.47%;草地FVC在0.2–1.0间分布较均衡,低FVC仅占2.51%,反映了黄土高原处于中国东部湿润区向西部干旱区过渡地带的特征;人工表面FVC主要集中于高(36.75%)、较高(31.30%)和中等(20.26%)等级。
**3.2 植被覆盖度变化趋势**
基于Sen's斜率结合Mann–Kendall显著性检验与赫斯特指数的空间分布分析表明,FVC变化速率介于-0.027至0.024之间,均值0.006,总体呈增加趋势。极显著增加和显著增加区域占比最大(67.92%),主要集中于中部和西南部;无显著变化区域分布于东南、西北及部分边缘地带,占31.27%;略显著增加区域占比极小。赫斯特指数分析揭示:中部地区增长趋势具有强持续性;西北和东南边缘呈稳定趋势。FVC变化趋势呈显著空间异质性,以中心向外辐射、强度递减的格局。60.99%区域呈植被改善趋势(主导趋势),38.86%趋于稳定。
**3.3 植被覆盖度的空间自相关**
2000–2024年年均FVC的全局莫兰指数(Global Moran's I)为0.37(p<0.01),呈显著正空间自相关,表明相似FVC值的像元倾向于聚集分布而非随机分布。局部空间关联指标(LISA)聚类图显示:高–高聚类(红色)主要集中于东南部,低–低聚类(蓝色)主导西北部,与植被覆盖"西北低–东南高"梯度一致。方差分解进一步揭示空间结构差异对FVC总体空间变异的贡献率达39.2%,证实该空间格局为真实生态现象而非数据处理或方法选择的人工产物。
**3.4 最优参数地理探测器分析**
因子探测结果显示各因素对FVC空间异质性的解释力(q值)降序排列为:年降水量(X2, 0.4199)>年均温(X1, 0.1487)>坡度(X4, 0.1449)>高程(X3, 0.0703)>坡向(X5, 0.0210)。降水是黄土高原FVC变化的主导驱动因子,解释力超40%;高程和坡向直接影响相对较小,解释力均低于10%。交互探测分析表明,任意两因子交互作用主要表现为"双线性增强"和"非线性增强"效应,未检测到独立交互作用;所有因子交互q值均高于单一因子,说明因子交互进一步放大对FVC时空异质性的影响。其中降水与高程交互作用最强(q=0.5124)。
风险探测分析量化了不同分类区间对植被生长的影响,识别出有利植被生长的因子区间:年均温12.8–17.1 °C、年降水量515–932 mm时植被生长加速;坡度4.55°–19.5°、高程3100–3600 m时FVC超0.8(高水平)。低海拔区呈现显著FVC差异:东南部低地因农田植被和生态修复维持高FVC,西北部低地因降水稀少和人类干扰强烈而FVC低下;高海拔陡坡区的自然环境更利于植被生长。生态探测分析表明所有因子两两组合对FVC空间分布的影响均存在显著差异,年降水量、温度和坡度是塑造FVC空间格局与演变趋势的关键因素。
残差分析进一步剥离非气候因素,提取气候驱动的FVC纯空间分异特征。综合气候残差指数(Clim)在水热条件优越的东南部呈正残差,西部高寒区受严酷气候约束呈负残差;湿度(Hum)在中西部高原呈广泛负残差自相关,表明高湿山区对植被恢复的抑制效应;降水(Pre)几乎全域呈正残差信号,验证其为独立于地形干扰的主导气候驱动因子;温度(Tem)在大部分区域呈正残差效应,西部寒冷区因低温限制植被发展呈散点负残差。这些残差空间格局从纯气候视角进一步验证了FVC"西北低、东南高"梯度。
## 四、讨论与结论
与现有研究相比,本研究并非简单重复既有方法,而是在标准分析框架下实现了三方面实质性贡献:(1)将时序延伸至2024年,得以系统观测2020年峰值后植被下降态势;(2)运用OPGD模型定量表征降水–高程的非线性阈值效应;(3)区分干旱西北与耕作东南部低海拔植被格局差异,明晰人类活动与气候的耦合效应。既往Nie等和Xie等的研究未纳入2020年后数据,亦未能量化地形对气候效应的调控作用。
从时空格局看,2020年后高FVC的急剧下降值得关注。气候变异性是首要驱动因素:2021–2024年黄土高原频发极端干旱、降水减少,限制植被生长。同时,退耕还林工程可转换土地至2020年已基本饱和,现有人工林(尤其是高密度刺槐和灌木林)因蒸腾耗水超过降水补给,长期水分失衡降低了高覆盖植被对后续干旱年的抵御力。因此,2020年后下降不仅是气候波动,更是生态系统相对于区域水文承载力超调的警示信号。
驱动机制方面,本研究通过OPGD模型的因子与交互探测,揭示了黄土高原FVC变化的"气候主导、地形调控、多因子协同"驱动机制。降水的主导作用(q=0.4199)反映了该半干旱区水资源受限的本质特征;降水与高程的最强交互作用(q=0.5124)揭示了关键的水热耦合机制:低海拔(<1500 m)人类干扰强烈、蒸散率高,限制FVC提升;中–高海拔(1500–2800 m)温度适中、蒸发降低、地形雨增强,优化水热同步性,促进植被覆盖;高海拔(>2800 m)则因低温和短生长季限制植被发展。这一高程依赖的降水–热量平衡创造了清晰的植被地带性分异,是典型半干旱生态响应模式。土地利用类型作为关键人为因素,显著调控植被格局并补充气候驱动作用,表明半干旱区植被恢复不能仅依赖自然条件,针对性人为干预对放大恢复效益至关重要。
本研究系统揭示了2000–2024年黄土高原植被覆盖的时空演变与驱动机制。植被总体呈波动增加趋势,维持"西北低覆盖、东南高覆盖"的稳定空间梯度,受降水–高程耦合非线性水热阈值效应主导,并受土地利用变化介导的人类活动共同影响。通过更新长时序数据、定量识别地形–气候耦合关系,本研究深化了对半干旱区植被动态非线性驱动机制的理解,为黄土高原及类似区域的分区生态修复管理提供了综合科学支撑。
**研究结论翻译:**
(1)2000至2024年,黄土高原植被覆盖度(FVC)总体呈波动上升趋势,年均增速0.0073,均值0.71。FVC最大值(0.80)出现于2018年,最小值(0.58)记录于2001年。空间上,FVC初期呈现"西北低、东南高"的显著格局。研究时段内,高FVC区域比例持续大幅扩展,中等和低FVC区域逐步收缩。高FVC面积占比从2000年仅10.2%,跃升至2020年62.1%,随后显著下降至2024年的57.2%。从长期视角,2024年高覆盖比例仍远高于2000年基线,充分证明生态恢复总体成效显著;2020–2024年的下降仅表明连续极端干旱导致的短期植被退化,而非长期恢复效益的逆转。这一双重变化反映了恢复生态系统对气候驱动的脆弱性。
(2)2000–2024年FVC变化趋势及其显著性呈现显著空间异质性。研究区主体呈显著改善趋势,大面积变化斜率超过0.01,仅西北部局部区域保持稳定。赫斯特指数分析揭示了历史FVC趋势的持续性和长期记忆特征,而非直接预测未来变化。东南部和中部地区的强持续性意味着过去增长趋势可能延续;部分区域弱持续性反映历史动态的不稳定性。
(3)黄土高原FVC变化受以土地利用为媒介的人地相互作用下的自然驱动因素控制,呈现"气候主导、地形调控、多因子协同"特征。降水成为最重要的驱动因子,解释力超过0.4。温度亦产生可测度影响,而高程和坡度直接影响相对较小。所有因子对间交互作用显著,其中降水与高程、以及降水与其他地形因子的交互对FVC变化影响尤为突出。土地利用类型作为关键人为因素,显著调控植被格局并补充气候驱动作用。