内蒙古黄河流域植被绿度与生态系统恢复力解耦的驱动机制(2000?2020)

《Ecological Indicators》:Driving mechanisms of the decoupling between vegetation greenness and ecosystem resilience in the Yellow River Basin of Inner Mongolia, China (2000?2020)

【字体: 大 中 小 】 时间:2026年07月10日 来源:Ecological Indicators 8.7

编辑推荐:

  植被绿度与恢复力(resilience,指生态系统吸收扰动并维持其功能的能力)的异步变化,可能威胁生态恢复的长期可持续性。然而,在荒漠化地区,二者的耦合机制及其对气候变化和人类活动的响应仍缺乏充分认识。研究人员以内蒙古黄河流域为研究区,利用核化归一化植被指数(

  
植被绿度与恢复力(resilience,指生态系统吸收扰动并维持其功能的能力)的异步变化,可能威胁生态恢复的长期可持续性。然而,在荒漠化地区,二者的耦合机制及其对气候变化和人类活动的响应仍缺乏充分认识。研究人员以内蒙古黄河流域为研究区,利用核化归一化植被指数(kNDVI)及其时间自相关(temporal autocorrelation)表征2000—2020年植被绿度与恢复力变化,并采用随机森林模型(RF)量化植被恢复力的主导驱动因子。结果表明,研究区整体呈持续增绿趋势,96.62%的像元经历了kNDVI升高。与此同时,恢复力在2011年前后出现显著转折点,由增强轨迹转为下降轨迹,且恢复力下降区域占比由2000–2010年的18.09%上升至2011–2020年的45.85%。植被绿度—恢复力关系由同步增长转变为系统性解耦,形成高绿度—低恢复力状态。植被恢复力的主导驱动因子由2000–2010年的气候因子主导(贡献率51.57%)转变为2011–2020年的放牧压力主导(贡献率32.12%)。阈值分析进一步揭示,后10年植被恢复力下降源于水文约束增强与放牧压力加剧的共同作用。因此,研究建议将生态系统恢复力纳入生态恢复框架,并协调调控水分可利用性与放牧压力,以促进绿度与恢复力的协同提升,从而保障生态系统长期稳定性。
该文发表于《Ecological Indicators》,聚焦中国内蒙古黄河流域2000—2020年植被绿度与生态系统恢复力之间关系的阶段性转变及其驱动机制。研究背景在于,干旱—半干旱区生态恢复通常以植被增绿作为核心成效指标,但增绿并不必然意味着生态系统稳定性同步增强。尤其在水分受限、荒漠化敏感和人类干扰显著的区域,植被覆盖增加可能伴随蒸散增强、耗水加剧和群落调节能力下降,从而削弱生态系统在受到扰动后的恢复能力。既有研究多分别关注植被绿度变化或恢复力演变,对于二者在时间和空间上的耦合关系、是否发生解耦,以及气候变化与人类活动如何共同塑造这种变化,仍缺乏系统认识。因此,有必要在生态恢复评价中突破单一“增绿导向”,将生态系统恢复力纳入长期可持续性评估框架。

围绕这一问题,研究人员以内蒙古黄河流域(IM-YRB)为对象,系统分析了2000—2020年植被绿度和恢复力的时空格局、二者关系的阶段性变化及其主导驱动机制。研究表明,研究区在整个时期内总体持续增绿,但生态系统恢复力并未同步提高,而是在2011年前后出现明显转折:前期恢复力增强,后期则普遍下降。相应地,植被绿度与恢复力的关系由早期的协同提升逐步转变为后期的系统性解耦,即形成“高绿度—低恢复力”格局。进一步的驱动分析显示,植被恢复力的控制机制发生了由气候主导向放牧压力主导的转换;后期恢复力下降主要受水文约束加剧与放牧强度升高的共同影响。该研究的重要意义在于揭示了生态恢复“表面增绿”与“内在稳定性”之间可能存在偏离,说明仅依据绿度评价恢复成效可能低估系统脆弱性;研究结果为干旱区生态修复、放牧管理和水资源协同调控提供了科学依据。

研究人员主要采用了以下关键技术方法:首先,基于Google Earth Engine(GEE)平台获取2000年2月至2020年12月MOD13A3月尺度NDVI数据,并筛选2000—2020年土地覆被类型保持不变的森林、草地和灌丛像元,进一步转换为核化归一化植被指数(kNDVI)。其次,利用季节—趋势Loess分解(STL)去除季节项和长期趋势,以一阶自回归系数AR(1)和时间自相关系数(TAC)表征生态系统恢复力。再次,采用Kendall秩相关系数(Kendall’s τ)和Pearson相关分析识别植被绿度、恢复力及其关系的时空变化。最后,在5 km尺度上整合气候、人口、夜间灯光和长期高分辨率放牧强度(LHGI)等数据,构建空间随机森林模型(SRF),并结合Shapley加性解释(SHAP)开展变量贡献评估与阈值响应分析。

以下结合论文结果部分各小标题,对主要发现进行解读。

3.1. Spatiotemporal patterns of vegetation dynamics and resilience
本部分揭示了植被动态与恢复力的时间演变和空间分异特征。

3.1.1. Temporal dynamics of kNDVI and AR(1)
基于区域平均kNDVI与AR(1)时间序列分析,研究发现2000—2020年研究区植被绿度显著上升,说明整体呈持续增绿趋势。然而,恢复力变化轨迹与绿度并不同步。平均AR(1)序列在2011年7月发生突变,趋势由此前显著下降转为显著上升。由于较高AR(1)意味着更强的时间依赖和更低的恢复力,因此这一变化表明生态系统恢复力由增强转向减弱。进一步比较2000–2010年与2011–2020年后发现,后期植被绿度趋势整体继续改善,但AR(1)增幅更明显,说明后期恢复力普遍弱化。这一结果直接证明,持续增绿并未带来恢复力同步提升。

3.1.2. Spatial patterns of kNDVI and AR(1)
基于像元尺度Kendall’s τ空间分析,研究显示整个研究区呈显著增绿格局,96.62%的区域kNDVI表现为正趋势,其中绝大多数区域增绿幅度较高。分时段看,2011–2020年显著增绿区域比例高于2000–2010年,退化区域比例则明显减少,表明后期植被恢复在空间上进一步扩展并优化。
与此形成对照的是,恢复力空间格局发生显著转变。2000–2010年,81.91%的像元AR(1)呈负趋势,意味着大部分区域恢复力增强;而到2011–2020年,AR(1)正趋势像元比例大幅增加,恢复力下降区域由18.09%扩大至45.85%,且显著下降区主要分布于东南部。综合2000—2020年看,恢复力总体变化幅度不大,但前期增强并未延续至后期。该结果说明,生态系统稳定性改善具有明显阶段性,后期出现广泛衰退风险。

3.2. Shifts in the greening–resilience relationship
本部分讨论植被绿度与恢复力关系的时空转变。研究通过kNDVI与AR(1)的Pearson相关分析发现,2000–2010年两者主要呈显著负相关,即绿度增加伴随AR(1)下降,表明植被增绿与恢复力增强具有协同性,区域处于“增绿—恢复力增益”状态。此类显著负相关区域占77.96%,在空间上占主导。
然而,2011–2020年这种协同关系明显减弱并发生反转。显著负相关区域比例骤降至26.12%,而显著正相关区域迅速增至47.64%,成为主要空间状态。由于AR(1)升高代表恢复力下降,因此这种显著正相关意味着植被绿度提升的同时恢复力却在减弱,体现出典型的“增绿—恢复力丧失”格局。整个2000—2020年尺度上,正负相关区域比例大致相当,反映了前后两个阶段相反关系共同叠加的结果。这部分结果构成了论文的核心证据,即研究区植被绿度与生态系统恢复力在2011年前后发生了由协调到解耦的关键转折。

3.3. The drivers of vegetation resilience
本部分利用空间随机森林(SRF)与SHAP解释框架识别恢复力变化的驱动来源。针对2000—2020年整体时期,研究表明植被恢复力由气候因子和人为干扰共同调控,其中平均放牧强度(LHGI_mean)、降水变异系数(Pre_CV)、降水量(Pre)和平均人口(Pop_mean)是最重要的四个驱动因子,合计贡献63.78%。
具体而言,平均放牧强度贡献最高,且总体呈负向作用,即放牧压力增加会降低植被恢复力;降水变率和降水量分别反映水分时序稳定性与水分供给水平,均为决定恢复力的重要水文气候因子;人口均值及其变化趋势也具有较高贡献,说明人口压力同样影响生态系统稳定性。
更重要的是,分时期比较显示主导控制机制发生了明显转移。2000–2010年,潜在蒸散发(PET)、降水量和温度变异系数(Temp_CV)贡献居前,表明前期恢复力主要受水热条件支配,气候因子合计贡献51.57%。而2011–2020年,平均放牧强度跃升为首要驱动,放牧强度变化趋势(LHGI_slope)也进入前列,说明后期人为放牧干扰显著加强,成为恢复力变化的主导因素。与此同时,Pre_CV和Pre仍保持较高贡献,说明在放牧压力上升的同时,稳定水分供给依然是维持恢复力的基础条件。

3.4. Threshold effects of factors driving vegetation resilience
在识别主导因子的基础上,研究进一步通过SHAP依赖关系分析探讨关键驱动的阈值效应。结果显示,降水量(Pre)在两个时期都表现出三阈值结构,但后期阈值整体上移,说明维持恢复力正向响应所需的降水水平提高,即生态系统对降水的需求增强。与之相对,降水变异系数(Pre_CV)阈值后期左移且作用范围扩大,表明生态系统对降水不稳定性的敏感性提高,较小的降水波动即可对恢复力产生抑制作用。潜在蒸散发(PET)的响应曲线则由前期波动明显转为后期较平缓但总体偏负效应,说明蒸散需求对恢复力的抑制逐渐稳定并增强。
在人为因子方面,平均放牧强度(LHGI_mean)在两个时期均表现为相对稳定的单阈值结构,说明中度放牧可能有利于维持一定恢复过程,但一旦超过生态承载阈值,便会加速恢复力丧失。后期研究区平均放牧水平进一步进入恢复力抑制区间,正效应样本比例由60.6%上升至74.1%,表明整体放牧压力已普遍超过生态系统可承受范围。综合这些阈值信息,研究确认2011–2020年恢复力下降并非单一因素造成,而是水文约束增强与放牧压力升高叠加作用的结果。

在讨论部分,研究人员首先指出,内蒙古黄河流域持续增绿与既有基于NDVI、kNDVI和植被覆盖度(FVC)的研究结果一致,说明退耕还林(草)、造林和荒漠化治理等生态工程在提升植被生长方面取得了显著成效。尤其2010年后,生态工程进入稳定实施与效应集中释放阶段,区域增绿更为明显。空间上,退化区收缩和转移也反映出恢复工程的累积效应。
但论文同时强调,增绿并不等于恢复力增强。2011年后恢复力下降,与全球及全国尺度上生态系统恢复力减弱的趋势一致。植被绿度与恢复力关系的反转表明,若仅将绿度提升作为生态恢复成功标志,可能掩盖生态系统内在稳定性下降的风险。因此,在生态恢复评估中纳入恢复力指标十分必要。
关于机制,论文总结认为,前期绿度与恢复力协同上升,主要与生态保护政策实施后植被生产力提高及人为干扰减弱有关;而后期解耦则与生态水文过程变化和人为干扰增强密切相关。一方面,在水分受限生态系统中,持续增绿会提高蒸散与土壤水消耗,减少可利用水分,削弱植被应对扰动的能力;另一方面,放牧压力增强会干扰植物生长和更新,降低系统恢复潜力。研究因此提出,未来生态恢复策略不应仅追求植被覆盖增加,而应统筹水资源保护、植被结构优化、提高水分利用效率,并将放牧强度控制在生态承载范围内,以促进绿度与恢复力协同提升。

研究结论部分可译为:
本研究通过联合考察内蒙古黄河流域的植被绿度、生态系统恢复力及其驱动机制,为评估生态恢复的可持续性提供了新的认识。结果表明,尽管研究期内植被持续增绿,但生态系统恢复力在2011年后开始下降。空间格局进一步显示,植被绿度—恢复力关系由协调转向解耦,表明持续增绿并未转化为恢复力提升。恢复力的主导驱动因子由气候相关因子转变为放牧压力,其中2000–2010年潜在蒸散发(PET)、降水量(Pre)和温度变异系数(Temp_CV)合计贡献51.57%,而2011–2020年平均放牧强度(LHGI_mean)和放牧强度变化趋势(LHGI_slope)合计贡献32.12%。后期恢复力丧失主要由水文约束增强与过度放牧共同驱动。在持续增绿背景下,日益强化的水分限制和放牧扰动制约了植被恢复过程,从而降低了生态系统恢复力。该研究支持将生态系统恢复力纳入生态恢复评估框架之中,并为评价中国三北防护林工程及全球干旱区其他生态恢复项目提供了科学依据与实践价值。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号