氣候和人類因素在黃土高原西北部植被變化中的貢獻(xiàn)率研究

孫建國，張卓，韓惠，顏長珍

(1.蘭州交通大學(xué) 測繪與地理信息學(xué)院，蘭州 730070；2.中國科學(xué)院寒區(qū)旱區(qū)環(huán)境與工程研究所，蘭州 730000)

1 引 言

植被變化是全球變化研究的核心內(nèi)容之一。半干旱半濕潤區(qū)是全球變化的敏感區(qū)，也是植被變化研究關(guān)注的焦點區(qū)[1-3]。通過分析衛(wèi)星遙感獲取的長時間序列的凈初級生產(chǎn)力(NPP)或歸一化植被指數(shù)(NDVI)等數(shù)據(jù)，科學(xué)家們已經(jīng)基本掌握了近30年全球范圍內(nèi)半干旱半濕潤區(qū)植被動態(tài)變化的基本特征，也明確了氣候變化和人類活動是其兩大主要驅(qū)動力，但是，對于兩種作用的貢獻(xiàn)率至今尚未形成公認(rèn)有效的區(qū)分方法[4-6]。

植被變化特征可以在多種時間分辨率下予以考察，本研究以年內(nèi)特定時段的NDVI平均值代表年度植被狀態(tài)，分析其年際變化趨勢。由于觀測人類活動要比觀測氣候變化困難的多，在像元(柵格)尺度上量化植被年際變化中氣候和人類因素貢獻(xiàn)率的主流思想是：利用機(jī)理模型或者統(tǒng)計模型模擬植被(NPP或NDVI)對氣候變化的年際響應(yīng)，用模擬值隨年份的趨勢變化量來衡量氣候因素的作用，用實際值和模擬值差值的趨勢變化量來表達(dá)人類因素的作用。其具體實現(xiàn)方法又有兩類：一類可稱為“潛在剩余法”[7-10]，另一類可稱為“回歸殘差法”?！盎貧w殘差法”模擬的是假定人類活動保持穩(wěn)定情形下氣候條件所決定的植被動態(tài)，比潛在植被動態(tài)更加接近于現(xiàn)實存在，而且模型相對簡單實用，不需要地形、土壤和植被類型等空間異質(zhì)因子數(shù)據(jù)。因此，該方法在當(dāng)前研究中比較流行[11-17]。然而，現(xiàn)有“回歸殘差法”存在混淆氣候變化和人類活動作用內(nèi)在缺陷[18]，氣候變化的趨勢性越強(qiáng)，人類驅(qū)動作用就越容易被錯誤地識別為由氣候變化所致。本研究在提出一個能夠克服上述缺陷的“去趨勢回歸殘差法”的基礎(chǔ)上，研究近15年黃土高原西北部植被變化中氣候和人類因素的貢獻(xiàn)率。

2 研究區(qū)和數(shù)據(jù)

2.1 研究區(qū)概況

本文的研究區(qū)選擇了黃土高原西北部，包括了寧夏回族自治區(qū)全部、甘肅省中東部、陜西省北部，以及內(nèi)蒙古自治區(qū)南部部分地區(qū)(圖1)。該區(qū)自西北向東南由干旱、半干旱過渡為半濕潤氣候帶，主要的生態(tài)和環(huán)境問題也由荒漠化過渡為水土流失。由于人類對土地的不合理利用，特別是草地過度放牧和陡坡地開墾，導(dǎo)致荒漠化和水土流失進(jìn)一步加劇。為了改善該區(qū)的植被覆蓋，治理土地退化，中國政府投入了大量的人力、物力和財力，尤其是自1999年開始實施了退耕還林(草)等大規(guī)模植被建設(shè)[19-20]。同時，研究區(qū)內(nèi)降水年際變異大，氣溫持續(xù)升高，對植被活動產(chǎn)生著深刻影響[21]。為了客觀評價該區(qū)植被恢復(fù)和水土保持效果，迫切需要明確氣候變化和人類活動在植被動態(tài)中的貢獻(xiàn)率。

2.2 數(shù)據(jù)準(zhǔn)備

遙感影像數(shù)據(jù)。本研究使用SPOT VEGETATION(VGT)NDVI數(shù)據(jù)，下載自http：//free.vgt.vito.be網(wǎng)站，空間分辨率0.009°(約1km)，時間分辨率為10日，從1998年4月至2012年12月共計531幅影像。該數(shù)據(jù)已經(jīng)過幾何精糾正、輻射校正、大氣校正等預(yù)處理，且采用最大值合成(MVC)算法進(jìn)一步減小了云、大氣、太陽高度角等的影響[22]。本研究對該數(shù)據(jù)做了如下處理：首先，將記錄的DN值換算為原始的NDVI；其次，為減小數(shù)據(jù)量，將NDVI數(shù)據(jù)集重采樣到0.07°(約8km)空間分辨率。

氣候數(shù)據(jù)。原始?xì)夂驍?shù)據(jù)為1997年～2012年研究區(qū)及周邊48個地面氣象觀測站的月降水量和月平均氣溫記錄，來源于http：//cdc.cma.gov.cn。為了與VGT NDVI進(jìn)行集成分析，在ANUSPLIN4.0軟件中對降水和氣溫記錄進(jìn)行空間內(nèi)插生成0.07°空間分辨率的柵格數(shù)據(jù)集。內(nèi)插過程中使用了GTOPO30數(shù)字高程模型(DEM)。

3 研究方法

3.1 變量選擇和時滯分析

對于黃土高原地區(qū)，識別植被覆蓋變化的主要目的之一是揭示其水土流失動態(tài)，而該區(qū)水土流失與暴雨集中期(6月～8月)的植被覆蓋關(guān)系最為密切。以每年6月～8月的NDVI平均值代表植被覆蓋(以下記為NDVI678)?？紤]的氣候變量包括降水和氣溫。一般地，植被對氣候的響應(yīng)存在一定的時滯，確定時滯長度是建立植被響應(yīng)氣候模型的重要基礎(chǔ)。通過計算和比較NDVI678與同期(6月～8月)及前期不同月數(shù)累積降水和累積氣溫的相關(guān)系數(shù)大小，逐像元確定降水和氣溫的最佳累積月數(shù)。

圖1 研究區(qū)概況圖

3.2 回歸分析

3.2.1 常規(guī)回歸分析

利用二元一次回歸方程模擬植被對氣候的響應(yīng)[15，23]：

NDVI678=a*LagP+b*LagT+c+ε

(1)

式中，LagP和LagT分別代表得到的累積降水和累積氣溫時間序列，a、b和c為系數(shù)，ε為隨機(jī)項。

3.2.2 去趨勢回歸分析

為了克服式(1)對氣候和人類驅(qū)動作用的混淆問題[15，18，23]，提出一種“去趨勢回歸分析”方法。首先，對NDVI678、LagP和LagT進(jìn)行去趨勢處理，結(jié)果分別記為D(NDVI678)、D(LagP)和D(LagT)。去趨勢的方法是，以年份對變量進(jìn)行一元線性回歸模擬，再用殘差值加上原始數(shù)據(jù)的初期值。

其次，利用與式(1)形式完全相同的式(2)來模擬D(NDVI678)對D(LagP)和D(LagT)的響應(yīng)：

D(NDVI678)=a′*D(LagP)+b′*D(LagT)+c′+ε′

(2)

最后，將原始LagP和LagT代入式(2)，得到NDVI678的模擬結(jié)果。

在上述去趨勢回歸過程中，植被和氣候的變化均被視為由初值、趨勢和波動3部分信號所構(gòu)成。利用去除趨勢而保留了初值和波動成分的植被和氣候變量所構(gòu)建的式(2)，其系數(shù)a′和b′與式(1)的系數(shù)a和b一樣，表達(dá)的也是單位氣候變化量所對應(yīng)的植被變化量，常數(shù)項c′和c一樣表達(dá)的也是氣候變量取0值時植被變量的理論值。因此，當(dāng)式(2)的系數(shù)確定之后，將未經(jīng)去趨勢的氣候數(shù)據(jù)代入其中所得到的模擬植被時間序列，既完整包含了氣候因子的作用，又徹底規(guī)避了人類活動的趨勢性影響。

3.3 殘差分析

利用相關(guān)系數(shù)法判斷NDVI678變化趨勢的方向及其顯著性。若趨勢顯著(包括正向和負(fù)向)，則使用下面兩式計算氣候和人類因素在植被動態(tài)中的貢獻(xiàn)率(分別記為Cc和Ch)：

Cc=Slope(EstNDVI678)/Slope(NDVI678)×100%

(3)

Ch=Slope(ResNDVI678)/Slope(NDVI678)×100%

(4)

其中，EstNDVI678和ResNDVI678分別表示NDVI678模擬值和殘差的年際序列，Slope表示隨年份變化的斜率。事實上，Ch=1-Cc。

若NDVI678的變化趨勢不顯著，繼續(xù)利用相關(guān)系數(shù)檢驗法判斷EstNDVI678變化趨勢的方向及其顯著性，以確定是否存在方向相反而相互抵消的氣候和人類因素的作用。

上述殘差分析基于常規(guī)的和去趨勢的回歸分析結(jié)果來進(jìn)行，分別稱為常規(guī)回歸殘差法(以下記作RR法)和去趨勢回歸殘差法(以下記作DRR法)。

4 結(jié)果分析

圖2是RR法和DRR法對氣候和人類因素貢獻(xiàn)率識別結(jié)果的對比圖。其中，a和d為植被(NDVI678)顯著增強(qiáng)區(qū)，b和e為無顯著變化區(qū)，c和f為顯著減弱區(qū)；a，b和c為RR法識別結(jié)果，d，e和f為DRR法識別結(jié)果。

在植被顯著增強(qiáng)區(qū)：RR法識別的Cc≥50%(Ch≤50%)的面積比例為11.9%，主要位于陜西省的榆林、橫山、靖邊、子洲、米脂和佳縣，以及內(nèi)蒙古自治區(qū)烏審旗和鄂托克旗的接壤地帶；10%≤Cc<50%(50%150%)柵格，主要分布在寧夏的西吉、固原等縣?？傮w而言，DRR法和RR法都認(rèn)為近15年西北黃土高原的植被活動增強(qiáng)以人類因素引發(fā)為主、氣候變化的作用較弱。但是，RR法識別的人類貢獻(xiàn)率較低，約76%；DRR法識別的人類因素貢獻(xiàn)率更大，達(dá)到92%。

在植被無顯著變化區(qū)內(nèi)：RR法識別出在內(nèi)蒙古自治區(qū)杭景旗及周邊零星地方存在EstNDVI678增加現(xiàn)象，這些地方的氣候變化有利于植被發(fā)育，但被破壞性人類活動的加劇所抵消；在甘肅省的榆中、皋蘭、白銀和靖遠(yuǎn)以及寧夏自治區(qū)的西吉、海原和固原等3縣的少量地方存在EstNDVI678顯著降低現(xiàn)象，這些地方的氣候變化不利于植被活動，但人類為恢復(fù)植被做出了艱巨努力。較之RR法，DRR法識別出的EstNDVI678顯著增加像元數(shù)有所減少，EstNDVI678顯著降低像元數(shù)略有增加。也就是說，DRR法認(rèn)為人類活動對植被的負(fù)向作用更少一些，正向作用更多一些。

對于NDVI678顯著減弱區(qū)而言，RR法識別的氣候變化和人類活動的作用大小相當(dāng)，DRR法識別的氣候貢獻(xiàn)率小于人類貢獻(xiàn)率，分別為40%和60%。

圖2 RR法和DRR法的結(jié)果對比

5 結(jié)論與討論

5.1 結(jié)果的可靠性分析

一方面，氣候和人類貢獻(xiàn)率計算結(jié)果的直接驗證有相當(dāng)難度[24-25]。另一方面，雖然RR法主要被用于監(jiān)測以放牧為主要人類活動的半干旱區(qū)草地退化，但也適用于本研究的目標(biāo)區(qū)域——黃土高原西北部，因為該區(qū)域也屬于半干旱氣候帶，具備使用RR法的前提條件——氣候尤其是降水的年際變異及其植被響應(yīng)非常明顯，盡管區(qū)內(nèi)人類活動的表現(xiàn)形式要比純牧區(qū)復(fù)雜得多。周洪建等[16]和Zhou等[26]針對陜西省退耕還林草效果評價的研究已經(jīng)證明了RR法在黃土高原大部分地區(qū)具有很好的適應(yīng)性。鑒于此，這里只驗證DRR法比RR法的計算結(jié)果更加可信。

以植被顯著增強(qiáng)區(qū)為例。從DRR計算的Ch中減去RR計算的Ch，結(jié)果圖層中的局部高值像元相比其鄰居像元應(yīng)當(dāng)具有更加明顯的人類積極作用的地表跡象。把該圖層在Google Earth疊加顯示，選擇了一個局部高值像元。該像元處于蘭州以南山區(qū)，屬嚴(yán)重水土流失區(qū)。放大顯示(圖3)，發(fā)現(xiàn)該像元內(nèi)退耕地較多。2013年8月28日實地調(diào)查確認(rèn)了圖中紅色多邊形標(biāo)示的地塊均為退耕地。與當(dāng)?shù)鼐用竦膯栐兊弥?，該區(qū)域在國家退耕還林還草政策實施初期就有大量土地退耕，農(nóng)業(yè)生產(chǎn)壓力有所減輕。相反，在上述兩個像元的鄰域像元中，可尋找到的類似的造林或退耕土地要少得多。上述分析初步表明了DRR法的可靠性。

圖3 一個用于驗證DRR法可靠性的像元對應(yīng)的Google Earth影像

5.2 未來的工作

DRR法與RR法相比優(yōu)勢明顯，但與后者一樣，仍然面臨著其他原因造成的諸多不確定性。后續(xù)研究內(nèi)容至少包括以下兩個方面：①考慮植被響應(yīng)氣候的分布式滯后。本研究中對時滯現(xiàn)象的處理延用了常見的累積求和辦法，這種處理忽略了現(xiàn)實世界中普遍存在的滯后的季節(jié)性特征[27-28]。②考慮相對濕度、風(fēng)速和太陽輻射等氣候因子的作用。盡管降水和氣溫是干旱半干旱區(qū)植被動態(tài)的主要氣候控制因子，但其他氣候因子的作用也不應(yīng)被完全忽略。需要特別指出的是，近年來有不少研究證明，大氣CO2濃度升高能夠明顯促進(jìn)干旱半干旱區(qū)植被光合作用、提高植被生產(chǎn)力[29]。然而，由于大氣CO2濃度變化的趨勢性極強(qiáng)而年際波動很小，DRR法和RR法均難以將其作用從植被動態(tài)中有效分離出來。對解決這一問題，“潛在剩余法”比“回歸殘差法”更有優(yōu)勢。

此外，在區(qū)分氣候和人類因素貢獻(xiàn)率的基礎(chǔ)上，進(jìn)一步區(qū)分降水和氣溫變化的貢獻(xiàn)率也是重要的后續(xù)研究內(nèi)容。無論DRR法還是RR法，一旦在模型中納入了氣溫因子，也就具備了區(qū)分降水和氣溫變化貢獻(xiàn)率的潛力。

6 結(jié)束語

就近15年黃土高原西北部植被整體增強(qiáng)的原因而言，人類活動變化的貢獻(xiàn)率達(dá)到了92%，氣候變化的影響成分僅占8%，且在相當(dāng)一部分區(qū)域表現(xiàn)為負(fù)向作用。同屬植被活動的顯著增強(qiáng)區(qū)，陜西省北部和鄂爾多斯高原南部的人類對植被恢復(fù)的積極作用是在氣候變化比較有利的條件下所獲得，而甘肅省和寧夏回族自治區(qū)接壤地帶的人類對植被恢復(fù)的促進(jìn)作用是與不利的氣候變化進(jìn)行斗爭的成果。同屬植被活動的無顯著變化區(qū)，在甘肅省中部的榆中、皋蘭、白銀、靖遠(yuǎn)及其寧夏南部的部分縣域內(nèi)，存在氣候變化的負(fù)向驅(qū)動和人類因素的正向驅(qū)動相互抵消現(xiàn)象，而在內(nèi)蒙古自治區(qū)的杭景旗及其他零星地方，氣候變化的正向作用和人類因素的負(fù)向作用彼此抵消。

從方法層面來看，本研究提出的DRR法雖然仍存在諸多局限性，但與傳統(tǒng)的RR法相比，能夠很好地克服后者混淆氣候和人類驅(qū)動作用的問題，在未來的同類研究中具有良好的應(yīng)用前景。

[1] FENSHOLT R，LANGANKE T，RASMUSSEN K，et al.Greenness in semi-arid areas across the globe 1981-2007-an Earth Observing Satellite based analysis of trends and drivers[J].Remote Sensing of Environment，2012，121：144-158.

[2] JONG R，VERBESSELT J，SCHAEPMAN M，et al.Trend changes in global greening and browning：contribution of short-term trends to longer-term change[J].Global Change Biology，2012，18(2)：642-655.

[3] LIU S，GONG P.Change of surface cover greenness in China between 2000 and 2010[J].Chinese Science Bulletin，2012，57(22)：2835-2845.

[4] DE JONG R，SCHAEPMAN M E，F(xiàn)URRER R，et al.Spatial relationship between climatologies and changes in global vegetation activity[J].Gtobat Change Biotogy，2013，19(6)：1953-1964.

[5] HELLDéN U，TOTTRUP C.Regional desertification：A global synthesis[J].Global and Planetary Change，2008，64(3-4)：169-176.

[6] BOSCHETTI M，NUTINI F，BRIVIO P，et al.Identification of environmental anomaly hot spots in West Africa from time series of NDVI and rainfall[J].ISPRS Journal of Photogrammetry and Remote Sensing，2013(78)：26-40.

[7] WANG L，D'ODORICO P，EVANS J，et al.Dryland ecohydrology and climate change：Critical issues and technical advances[J].Hydrology and Earth System Sciences Discussions，2012，9(4)：4777-4825.

[8] RIGGE M，WYLIE B，GU Y et al.Monitoring the status of forests and rangelands in the Western United States using ecosystem performance anomalies[J].International Journal of Remote Sensing，2013，34(11)：4049-4068.

[9] SEAQUIST J，HICKLER T，EKLUNDH L，et al.Disentangling the effects of climate and people on Sahel vegetation dynamics[J].Biogeosciences，2009，6(3)：469-477.

[10] XU D，KANG X，QIU D，et al.Quantitative assessment of desertification using Landsat data on a regional scale-a case study in the Ordos Plateau，China[J].Sensors，2009，9(3)：1738-1753.

[11] EVANS J，GEERKEN R.Discrimination between climate and human-induced dryland degradation[J].Journal of Arid Environments，2004，57(4)：535-554.

[12] WESSELS K，PRINCE S，MALHERBE J，et al.Can human-induced land degradation be distinguished from the effects of rainfall variability? A case study in South Africa[J].Journal of Arid Environments，2007，68(2)：271-297.

[13] OMUTO C T.A new approach for using time-series remote-sensing images to detect changes in vegetation cover and composition in drylands：A case study of eastern Kenya[J].International Journal of Remote Sensing，2011，32(21)：6025-6045.

[14] LI A，WU J，HUANG J.Distinguishing between human-induced and climate-driven vegetation changes：A critical application of RESTREND in inner Mongolia[J].Landscape Ecology，2012，27(7)：969-982.

[15] 曹鑫，辜智慧，陳晉.基于遙感的草原退化人類因素影響趨勢分析[J].植物生態(tài)學(xué)報，2006，30(02)：268-277.

[16] 周洪建，王靜愛，岳耀杰，等.人類活動對植被退化/恢復(fù)影響的空間格局——以陜西省為例[J].生態(tài)學(xué)報，2009，29(09)：4847-4856.

[17] 孫建國，王濤，顏長珍.氣候變化和人類活動在榆林市荒漠化過程中的相對作用[J].中國沙漠，2012，32(03)：625-630.

[18] WESSELS K J，VAN DEN BERGH F，SCHOLES R.Limits to detectability of land degradation by trend analysis of vegetation index data[J].Remote Sensing of Environment，2012(125)：10-22.

[19] 王朗，傅伯杰，呂一河，等.生態(tài)恢復(fù)背景下陜北地區(qū)植被覆蓋的時空變化[J].應(yīng)用生態(tài)學(xué)報，2010，21(08)：2109-2116.

[20] 信忠保，許炯心，鄭偉.氣候變化和人類活動對黃土高原植被覆蓋變化的影響[J].中國科學(xué)(D輯：地球科學(xué))，2007，37(11)：1504-1514.

[21] 李雙雙，延軍平，萬佳.近10年陜甘寧黃土高原區(qū)植被覆蓋時空變化特征[J].地理學(xué)報，2012，67(7)：960-970.

[22] TUCKER C，PINZON J，BROWN M，et al.An extended AVHRR 8-km NDVI dataset compatible with MODIS and SPOT vegetation NDVI data[J].International Journal of Remote Sensing，2005，26(20)：4485-4498.

[23] 卓莉，曹鑫，陳晉，等.錫林郭勒草原生態(tài)恢復(fù)工程效果的評價[J].地理學(xué)報，2007，62(05)：471-480.

[24] 許端陽，李春蕾，莊大方，等.氣候變化和人類活動在沙漠化過程中相對作用評價綜述[J].地理學(xué)報，2011，66(01)：68-76.

[25] 許端陽，康相武，劉志麗，等.氣候變化和人類活動在鄂爾多斯地區(qū)沙漠化過程中的相對作用研究[J].中國科學(xué)(D輯)，2009，39(4)：516-528.

[26] ZHOU H，VAN ROMPAEY A，WANG J.Detecting the impact of the “Grain for Green” program on the mean annual vegetation cover in the Shaanxi province，China using SPOT-VGT NDVI data[J].Land Use Policy，2009，26(4)：954-960.

[27] UDELHOVEN T，STELLMES M，DEL BARRIO G et al.Assessment of rainfall and NDVI anomalies in Spain(1989-1999) using distributed lag models[J].International Journal of Remote Sensing，2009，30(8)：1961-1976.

[28] JI L，PETERS A.Lag and seasonality considerations in evaluating AVHRR NDVI response to precipitation[J].Photogrammetric Engineering and Remote Sensing，2005，71(9)：1053.

[29] CLAESSON J，NYCANDER J.Combined effect of global warming and increased CO2-concentration on vegetation growth in water-limited conditions[J].Ecological Modelling，2013(256)：23-30.