王春雅^,1,2,3,4, 王金牛^,3,4, 崔霞⁵, 魏彦强⁶, 孙建⁷, Niyati Naudiyal³, 杜文涛⁶, 陈庆涛^1,21.成都理工大学地球科学学院,成都 610059
2.成都理工大学国土资源部地学空间信息技术重点实验室,成都 610059
3.中国科学院成都生物研究所,成都 610041
4.西藏生态安全屏障生态监测网络芒康生态监测站,昌都 854000
5.兰州大学资源与环境学院,兰州 730000
6.中国科学院西北生态环境资源研究院,兰州 730000
7.中国科学院青藏高原研究所,北京 100101

Spatio-temporal change in vegetation patterns and its climatic drivers in the core region of Three Parallel Rivers in southeast Tibet

WANG Chunya^,1,2,3,4, WANG Jinniu^,3,4, CUI Xia⁵, WEI Yanqiang⁶, SUN Jian⁷, NIYATI Naudiyal³, DU Wentao⁶, CHEN Qingtao^1,21. Earth Sciences College, Chengdu University of Technology, Chengdu 610059, China
2. Key Laboratory of Geoscience Spatial Information Technology of Ministry of Land and Resources, Chengdu University of Technology, Chengdu 610059, China
3. Chengdu Institute of Biology, CAS, Chengdu 610041, China
4. Mangkang Ecological Monitoring Station, Tibet Ecological Security Barrier Ecological Monitoring Network, Qamdo 854000, Tibet, China
5. School of Resources and Environmental Sciences, Lanzhou University, Lanzhou 730000, China
6. Northwest Institute of Eco-Environment and Resources, CAS, Lanzhou 730000, China
7. Institute of Tibetan Plateau Research, CAS, Beijing 100101, China

通讯作者: 王金牛（1982-）,男,甘肃通渭县人,副研究员,博士,主要从事高山植物功能生态学、山区可持续发展方面的研究。E-mail: wangjn@cib.ac.cn

收稿日期:2020-11-25接受日期:2021-04-29

基金资助:

芒康野外监测站“中国生物多样性监测与研究网络(SinoBon)”平台项目 国家自然科学基金项目(31971436) 中国科学院西北生态环境与资源研究院冰冻圈国家重点实验室开放课题(SKLCSOP-2018-07) 国土资源部地学空间信息技术重点实验室开放基金(KLGSIT2013-15) 四川省教育厅科研重点项目(16ZA0106)

Received:2020-11-25Accepted:2021-04-29
作者简介 About authors
王春雅（1996-）,女,山西临县人,硕士,主要研究方向为“3S”技术与数字国土,植被生态遥感。E-mail: 1113836508@qq.com










摘要
植被生长状况及其分布对气候等影响因子的响应是当前生态学研究的热点之一。基于2000—2016年MODIS NDVI数据和气象数据,用Sen+Mann-Kendall等方法分析了藏东南三江并流核心区植被的时空变化及其与气候因子的关系。研究结果表明：① 该区植被覆盖整体趋于稳定,呈缓慢增加趋势,不同植被类型覆盖空间异质性明显。② 植被变化趋势结果显示植被覆盖变化以稳定不变和改善趋势为主,区域总体呈稳中向好态势。③ 相关分析表明植被NDVI增加主要与气候暖化有关,与降水量相关性较小。此外,人类活动对植被影响的双重性表现为：大多地区植被改善受生态工程和围栏禁牧政策影响,局部地区植被退化则与城镇化进程加快有关。研究结果揭示气温是影响植被格局的主要气候因子,了解影响植被变化及其驱动因素的空间变异性可为山地植被生态环境保护建设提供一定的科学依据。
关键词： 归一化植被指数;植被覆盖;气候变化;相关性分析;三江并流核心区

Abstract
The influence of climate and other environmental factors on growth and distribution of vegetation is a key concern amongst ecological researchers today. Based on MODIS NDVI (MODIS Normalized Difference Vegetation Index) data from 2000 to 2016 in the core region of the Three Parallel Rivers in southeast Tibet, this study integrated meteorological data, vegetation type data of ESA CCI-LC (The European Space Agency Climate Change Initiative Land Cover), and DEM (Digital Elevation Model) elevation data to figure out the spatio-temporal dynamics of NDVI, and analyzed their response to climate drivers by using Sen+Mann-Kendall analysis methods. The results indicated that, during 2000-2016, the vegetation cover in the study area was basically stable, showing a slow increase trend, and the spatial heterogeneity of different vegetation types was observed. The results of vegetation variation trend showed that vegetation coverage in this area was mainly stable (47.92%) and improved (30.93%), i.e. the overall regional vegetation showed a trend of stability and improvement. In addition, we can see a significant increase of temperature in the study area but no obvious precipitation changes in term of time scales. The correlation analysis demonstrated the spatial pattern of NDVI was positively correlated with temperature and precipitation, while the correlation with temperature is stronger than that with precipitation. Combined with the variation trend and partial correlation analysis results of vegetation and climate factors, it can be concluded that the slow inter-annual growth of NDVI is mainly caused by the increase of annual average temperature. Furthermore, the duality of human activities on vegetation was reflected in the combined influence of ecological projects such as 'Green for Grain' and establishment of small townships across the study area creates a mosaic of improved or degraded vegetation across the study area. The results show that air temperature is the main climatic factor affecting the vegetation pattern. Understanding the spatial variability of vegetation change and its driving factors is especially important to strengthen existing measures for biodiversity protection and regional ecological conservation in the study area, and the results of this study can provide a scientific basis for the eco-environmental protection of mountain vegetation.
Keywords：NDVI;vegetation cover;climate change;correlation analysis;core region of Three Parallel Rivers


PDF (10696KB)元数据多维度评价相关文章导出EndNote|Ris|Bibtex收藏本文
本文引用格式
王春雅, 王金牛, 崔霞, 魏彦强, 孙建, Niyati Naudiyal, 杜文涛, 陈庆涛. 藏东南三江并流核心区植被时空动态变化及其气候驱动力分析[J]. 地理研究, 2021, 40(11): 3191-3207 doi:10.11821/dlyj020201123
WANG Chunya, WANG Jinniu, CUI Xia, WEI Yanqiang, SUN Jian, NIYATI Naudiyal, DU Wentao, CHEN Qingtao. Spatio-temporal change in vegetation patterns and its climatic drivers in the core region of Three Parallel Rivers in southeast Tibet[J]. Geographical Research, 2021, 40(11): 3191-3207 doi:10.11821/dlyj020201123

1 引言

植被是地球生态系统不可或缺的组分,而植被覆盖是评价某地区生态系统功能及环境发展质量状况的重要指标之一^[1]。归一化植被指数（NDVI, Normalized Difference Vegetation Index）常用来反映植被变化,是当前全球和区域生态变化研究的主要数据集^[2]。多数研究表明影响植被生长的驱动因子一般以自然环境因素和人为因素为主,其中温度和降水又被看作是直接影响植物生长和分布的重要环境因素^[3,4]。近年来,国内外****关于植被覆盖变化及其与气候之间关系的研究无论在全球、全国还是区域尺度上都取得了显著进展^[5,6,7]。植被生长状况与气候条件密切相关,不同地区NDVI变化及其对气候的响应也存在很大的空间差异。全球尺度的植被NDVI和气候因子关系的研究表明植被生长状况在北半球中高纬度地区受温度影响较大,而在区域尺度上则受降水影响更大,尤其表现为在干旱半干旱区域^[8,9]。在全国尺度上,赵茂盛等人的分析认为降水是影响中国植被覆盖年际变化的主要因子,而气温则影响季节变化的主要因子,气候对不同区域植被变化的具体影响由局地气候条件决定^[10]。朴世龙等人则认为全国尺度上植被NDVI的增加主要与温度上升有关,区域尺度上则与降水更相关^[11]。国内区域尺度上的植被变化研究多集中一定的样带和典型区域,如西北、东北和三大高原（青藏高原、黄土高原、内蒙古高原）地区^[12]。区域尺度上的植被生长状况多与区域内局地气候有关,气温是湿润、半湿润地区（如东北地区）和青藏高原生态敏感区植被变化的主要影响因素,降水量对植被的影响程度则在干旱半干旱地区（如西北地区、黄土高原、内蒙古高原）表现尤为显著,而黄土高原地区植被趋于改善状态也可能与大规模的生态恢复建设有关^[12,13-16]。

青藏高原被誉为世界的“第三极”,是全球生态环境最为脆弱且对气候变化响应极其敏感的区域。很多有关青藏高原植被变化与气候关系的研究表明高原大部分地区植被覆盖增加主要受气候暖湿化和生态建设影响,而局部区域的一些高寒植被由于人类活动干扰和气候暖干化存在退化现象^[17,18],总体来讲影响NDVI的关键驱动因素因地区而异。“三江并流区”属青藏高原东南缘向云贵高原过渡的横断山脉的纵谷地带核心区,有独特的干热河谷地貌,生物多样性丰富,作为国内外著名的风景名胜区和世界自然遗产地备受关注。目前现有研究主要集中在旅游资源、地质灾害以及土地利用等方面,研究区域又多以云南三江并流国家公园为主,关于植被变化及其驱动因素分析的研究很少,因此针对这一独特地理单元上植被变化开展研究至关重要^[19,20,21]。极少数三江并流区的土地覆被格局研究指出,该区域以草地为主的植被覆盖总体呈增加趋势,而气候暖干化以及过度的资源利用导致局部地区略低;其中植被NDVI与气温的相关性较降水量更为显著,且植被对降水响应存在时滞性^[22,23,24]。

据中国国家地理网报导,世界自然遗产名录描述的“三江并流”仅包括云南境内三江并流国家公园,而真正的三江并流区域应当远不止如此。怒江、澜沧江和金沙江(长江上游)三江各发源于青藏高原北部,自昌都地区开始向东南并进,南至滇藏边界。作为三江并流的典型特征区域,其面积至少530万hm²,是云南省三江并流保护区170万hm²面积的3倍以上^[25]。该区域近年来受气候变暖和人类活动的共同影响,出现草地退化、冰川融化、雪线上升等一系列的生态环境问题,这在一定程度上影响了该区经济可持续发展。因此,通过遥感监测大尺度长时间序列植被的动态演变过程,结合气象因子研究三江并流核心区植被变化的驱动因素,通过采取有效措施来改变生态环境恶化现状,是目前亟需关注解决的问题。

本文借助遥感和GIS技术,基于MODIS NDVI（Moderate-resolution Imaging Spectroradiometer Normalized Difference Vegetation Index）数据,结合气象数据、ESA CCI-LC（The European Space Agency Climate Change Initiative-Land Cover）植被类型数据以及DEM（Digital Elevation Model）高程数据,利用Sen+Mann-Kendall方法分析该区近17年来植被时空格局变化特征以及对气候因子变化的响应,拟研究区域内的具体问题如下：① 近年来植被覆盖特征及不同植被类型覆盖的时空格局如何变化。② 气候因子特别是降水与温度的时空变化趋势如何。③ 气候因子如何影响植被覆盖的时空变化。研究结果可为深入研究该区域山地植被状况提供一定的基础数据,并为当地的生态工程以及社会经济建设决策提供相应的科学依据。

2 研究方法与数据来源

2.1 研究区概况

藏东南三江并流核心区地处中国西藏、四川、云南三省的交界地区（28°36′N ~31°30′N,95°59′E~99°58′E）,主要涵盖昌都市的八宿、左贡、芒康等县,总面积约14.05万km²（图1）。此处研究的“三江并流”区以具有三江并流典型特征的西藏片区为主,位于青藏高原东南缘部的横断山区核心地带,海拔垂直高差近6000 m,山川并行、河谷纵横,总体呈现西北高东南低的地势特征^[25]。区域气候环境复杂多样,受西南季风和东南季风的影响,年平均气温-5~22℃,年降水量为202~1719 mm,山区立体气候特征明显,水热条件垂直差异显著,年降水量由西南向东北逐渐减少^{[19, 26]}。此外,区域植被类型主要以农田、草地、灌草丛、常绿阔叶林、落叶阔叶林、常绿针叶林为主,其中草地占研究区面积60%以上（图1、表1）。

图1

新窗口打开|下载原图ZIP|生成PPT
图1研究区地理位置与植被类型分布

注：该图基于自然资源部地图技术审查中心标准地图（审图号：GS（2020）4619号）制作,底图无修改。
Fig. 1The location and vegetation type of the core region of Three Parallel Rivers in southeast Tibet



Tab. 1
表1
表1研究区各植被类型面积统计
Tab. 1Area statistics of vegetation types in the study area

序号	植被类型名称	面积(km2)	比例(%)
1	农田	19888	1.33
2	草地	964704	64.41
3	灌草丛	146703	9.79
4	常绿阔叶林	25057	1.67
5	落叶阔叶林	12229	0.82
6	常绿针叶林	262017	17.49
7	其它	67150	4.49

新窗口打开|下载CSV

2.2 数据来源与预处理

2.2.1 遥感数据 植被NDVI数据是由美国航空航天局（NASA）提供的MODIS NDVI（MOD13Q1）数据集,时间范围2000年2月—2016年12月,空间分辨率250m,时间分辨率16天,共计914幅影像,该数据集在美国国家航空航天局网（https://ladsweb.modaps.eosdis.nasa.gov/search/order/）中获取得到,且已经过大气校正、辐射校正、几何纠正等预处理。利用MRT（MODIS Reprojection Tool）批处理软件对原始数据进行格式转换、投影转换、数据拼接、裁剪等预处理,采用最大值合成法（Maximum Value Composite,简称MVC）得到年最大NDVI值,以此来代表研究区全年植被覆盖最好状态,并进一步减少云、大气散射等的影响。为避免下垫面信息对低植被覆盖区NDVI的干扰,本文将NDVI值大于0.1的区域定义为植被区域^[27]。

2.2.2 气象数据 气象数据从中国气象数据网（http://data.cma.cn）中得到,选取了研究区及其周边21个气象站点2000—2016年的逐月平均气温和降水量数据（图1）。利用ANUSPLIN插值软件以高程作为协变量进行插值,经裁剪得到研究区的长时间序列气象栅格数据。

2.2.3 植被类型数据 ESA CCI-LC土地覆盖类型数据来源于欧空局（http://maps.elie.ucl.ac.be/CCI/viewer/）,时间为1992—2015年,空间分辨率300 m。相关文献表示全球范围的ESA CCI-LC数据的整体精度高达70%以上,到目前为止已广泛用于土地利用/土地覆盖动态监测^{[28, 29]}。研究区的植被类型主要有农田、草地、灌草丛、常绿阔叶林、落叶阔叶林、常绿针叶林以及其它（以水体、裸地、冰雪等为主）共七大类,为将土地利用变化对植被类型分布的影响降到最低,这里参考刘静等的研究方法,利用2000年、2015年的两期植被类型数据提取2000—2015年间植被类型未变区域来表征该研究区近年的植被覆盖状况^[1]。

2.2.4 地形数据 高程DEM数据在地理空间数据云（http://www.gscloud.cn）SRTM DEM 90 m分辨率原始高程数据中下载得到。

2.2.5 人类活动数据 为分析人类活动对三江并流地区植被变化的影响,结合相关文献,本文选取了人为因素影响中重要的三个主要指标,即主要经济指标、牲畜存栏量以及人工造林面积,数据均从研究区主要市县统计年鉴和《中国林业统计年鉴》中得到^[17,30-32]。

为便于进行基于像元尺度的相关性分析,本文所有遥感数据的分辨率全部统一为300 m。

2.3 分析方法

2.3.1 NDVI时空变化分析 利用最大值合成法合成的月NDVI数据进一步合成逐年最大NDVI数据,并采用均值法得到研究区多年年均NDVI的空间分布。依据《土壤侵蚀分类分级标准》和研究区植被覆盖实际情况,利用重分类工具将NDVI分以下6个等级：非植被覆盖（NDVI<0.1）、低植被覆盖（NDVI在0.1~0.3之间）、中低植被覆盖（NDVI在0.3~0.45之间）、中等植被覆盖（NDVI在0.45~0.6之间）、中高植被覆盖（NDVI在0.6~0.75之间）、高植被覆盖（NDVI>0.75）^[33,34]。

基于Theil-Sen与Mann-Kendall方法来分析植被NDVI和气象因子的变化趋势并进行显著性检验,其计算方法如下^[35,36,37]：

（1）SNDVI=medianxj-xij-ij>i>1
式中：x分别代表NDVI、气象因子（主要指年均气温、年降水量）的值;S_NDVI代表NDVI的变化趋势。其中x_i和x_j表示第i、j个时间序列数据;S_NDVI>0表示植被呈上升趋势,反之为下降趋势。结合区域植被变化趋势的实际情况,将S_NDVI在-0.002~0.002之间的划为稳定不变区域,>0.002的为改善区域,<-0.002的为退化区域。同时,Mann-Kendall方法可以检验趋势是否显著,其计算公式为^[16]：

（2）Z=S-1Var(S)(S>0)0(S=0)S+1Var(S)(S<0)
其中：

（3）S=∑i=1n=1∑j=i+1nsign(xj-xi),sign=1θ>00θ=0-1θ<0
式中：Z为标准化后的检验统计量;S为检验统计量;x_i和x_j为时间序列数据;n为样本数;当n≥8时,S近似为正态分布,方差计算公式为：

（4）Var(S)=nn-12n+518
标准化后的Z符合标准正态分布,当|Z|>Z_1-α/2时,表示变化趋势显著,其中Z_1-α/2为标准正态分布函数分布表在置信度水平α下的对应值。在置信水平为0.05下进行Mann-Kendall检验出现两种结果：显著变化（|Z|>1.96）和不显著变化（-1.96≤Z≤1.96）。若MK结果处于临界值内,表明趋势不明显;若结果值高于1.96则认为通过了显著性95%检验。Theil-Sen趋势分析和Mann-Kendall检验的分级结果进行叠加可以得到基于像元的NDVI变化趋势结果。

2.3.2 植被NDVI与气候因子的相关分析 对2000—2016年研究区植被年最大NDVI数据与气候因子进行逐像元相关分析,得到相关系数的空间分布,以此反映植被NDVI与气候因子的相关程度。利用简单相关系数进一步得到偏相关系数,利用偏相关结果控制其中一个变量,讨论另外两个因子的相关性。相关系数r的计算方法为^[38]：

（5）rxy=∑i=1n(xi-x¯)(NDVIi-NDVI¯)∑i=1n(xi-x¯)2∑i=1n(NDVIi-NDVI¯)2
式中：n表示时间长度;x¯表示气象要素;NDVI¯表示对应像元17年的年最大NDVI值;即：x¯=1n∑i=1nxi,NDVI¯=1n∑i=1nNDVIi。

偏相关系数计算公式为^[38]：

（6）rxy,z=rxy-rxz∙ryz(1-rxz2)(1-ryz2)
式中：r_xy,z表示固定变量z后x和y变量的偏相关系数;r_xy、r_xz、r_yz分别为各自变量间的相关系数;其中偏相关系数的取值范围在-1~1之间。

3 结果分析

3.1 植被NDVI时空变化特征

3.1.1 2000—2016年研究区植被NDVI年际变化特征 根据逐年年最大NDVI数据统计该区植被NDVI在过去17年的年际变化,结果表明近年来区域NDVI值整体在0.59~0.63之间,增速为0.005/10a（R²=0.1288,P>0.05）,表明研究区在17年期间植被覆盖总体上比较稳定,呈缓慢波动上升的趋势（图2）。

图2

新窗口打开|下载原图ZIP|生成PPT
图22000—2016年研究区植被NDVI年际变化及线性趋势

Fig. 2Temporal variation and fitted linear trend of vegetation NDVI in the study area from 2000 to 2016



3.1.2 多年平均NDVI的空间分布特征 利用ArcGIS软件得到近17年研究区不同植被类型多年平均NDVI空间分布图以及各等级植被覆盖的面积统计（图3、表2）。

图3

新窗口打开|下载原图ZIP|生成PPT
图32000—2016年研究区不同植被类型多年平均NDVI空间分布

Fig. 3Spatial distribution of multi-year mean NDVI in different vegetation types of the study area from 2000 to 2016



Tab. 2
表2
表22000—2016年研究区各植被类型年平均NDVI面积统计
Tab. 2Annual mean NDVI area statistics for each vegetation type in the study area from 2000 to 2016

NDVI值		非植被区 （<0.1）	低植被覆盖 （0.1~0.3）	中低植被覆盖 （0.3~0.45）	中等植被覆盖 （0.6~0.75）	中高植被覆盖 （0.6~0.75）	高植被覆盖 （>0.75）
农田	面积(km²)	0.36	59.94	253.71	673.92	1251.63	551.79
	面积比例(%)	0.01	2.15	9.09	24.14	44.84	19.77
草地	面积(km²)	1929.51	10251.09	8700.12	13905.45	29551.23	17470.98
	面积比例(%)	2.36	12.53	10.63	17.00	36.12	21.36
灌草丛	面积(km²)	—	2.07	9.72	48.24	384.75	533.25
	面积比例(%)	—	0.21	0.99	4.93	39.34	54.52
常绿阔叶林	面积(km²)	—	—	—	0.81	35.01	1229.22
	面积比例(%)	—	—	—	0.06	2.77	97.17
落叶阔叶林	面积(km²)	—	—	2.79	18.99	157.32	350.82
	面积比例(%)	—	—	0.53	3.58	29.69	66.20
常绿针叶林	面积(km²)	0.72	2.43	11.43	124.20	2268.72	16454.70
	面积比例(%)	—	0.01	0.06	0.66	12.03	87.24
其它	面积(km²)	2959.38	986.04	311.76	207.54	198.90	245.61
	面积比例(%)	60.28	20.09	6.35	4.23	4.05	5.00

新窗口打开|下载CSV

结合地形数据得出,大多数地区海拔在3500~5000 m之间,草地占研究区面积最大,在研究区内呈大面积片状分布,NDVI值在0.1~0.75之间不等,以中高植被覆盖为主;常绿针叶林主要分布在研究区西南部和东南部地区的干热河谷地带,NDVI值高达0.75以上,主要以高植被覆盖为主;灌草丛的分布与常绿针叶林类似,均沿干热河谷分布,主要为高植被覆盖类型;常绿阔叶林和落叶阔叶林均以高植被类型为主,在研究区西南部和金沙江一带分布较多;农田这一植被类型分布较零散,中高植被覆盖占比最多;而分布于研究区西部和西南部以及东部少数地区的其它这一类型由于地处高海拔地区,受水热条件制约,植被覆盖较少,主要以湖泊、冰川、裸岩、荒漠等类型为主,其NDVI值小于0.1,属非植被覆盖区域。

面积统计结果表明研究区植被覆盖区域面积占比高达90%以上,非植被区域的面积占比才不到5%。就植被类型来讲,农田、草地这两大植被类型中高植被覆盖区域占比最大,分别为44.84%、36.12%;常绿阔叶林、常绿针叶林、落叶阔叶林和灌草丛这四大类型主要是高植被覆盖区域,分别占97.17%、87.24%、66.20%、54.52%。而其它这一植被类型主要是非植被区域,因此NDVI小于0.1,占比最大为60.28%。

3.1.3 多年植被覆盖变化趋势空间分布 研究区多年来植被覆盖变化以稳定不变为主,其中稳定不变区域占植被覆盖总面积的47.92%,改善区域占30.93%,植被退化的区域仅占21.15%（表3）。各植被类型NDVI变化趋势仍以稳定不变为主,常绿阔叶林呈稳定不变趋势的面积比例最大占54.45%,其次是轻微改善类型,主要以灌草丛、落叶阔叶林和其它类型为主,落叶阔叶林面积最大占31.15%（表4）,农田、草地、常绿阔叶林和常绿针叶林这几大类型的植被有轻微退化趋势。

Tab. 3
表3
表32000—2016年研究区整体NDVI变化趋势面积统计
Tab. 3Area statistics of overall NDVI variation trend in the study area from 2000 to 2016

NDVI变化趋势	Z值	变化情况	面积百分比(%)
<-0.002	<-1.96	明显退化	2.11
<-0.002	-1.96~1.96	轻微退化	19.04
-0.002~0.002	-1.96~1.96	稳定不变	47.92
>0.002	-1.96~1.96	轻微改善	27.18
>0.002	>1.96	明显改善	3.75

新窗口打开|下载CSV

Tab. 4
表4
表4研究区17年来不同植被类型NDVI变化趋势面积占比统计
Tab. 4Area proportion of NDVI trend of different vegetation types in the past 17 years (%)

植被类型	明显退化	轻微退化	稳定不变	轻微改善	明显改善
农田	7.40	27.21	34.32	24.68	6.39
草地	6.34	25.83	36.86	24.22	6.75
灌草丛	5.89	25.88	36.62	26.01	5.59
常绿阔叶林	1.76	22.87	54.45	19.38	1.54
落叶阔叶林	4.93	19.80	32.76	31.15	11.36
常绿针叶林	3.72	25.42	43.09	24.54	3.23
其它	3.60	11.09	43.35	29.51	12.46

新窗口打开|下载CSV

2000—2016年以来研究区植被趋于稳中向好态势（图4、表3）。具体来讲,明显改善的区域分布在研究区零散分布,在西南、东部和东南部居多,如察隅县、碧土县、德钦县、德荣县、理塘县;植被轻微改善区域和稳定不变区域在研究区内大面积均匀分布;而轻微退化区域分布主要集中在三江并流干热河谷地区,以研究区中部和西北部为主,如在洛隆县、八宿县、左贡县、昌都县;明显退化区域在洛隆县东部、八宿县、左贡县以及左贡县与芒康县的交界处分布较多。

图4

新窗口打开|下载原图ZIP|生成PPT
图42000—2016年研究区NDVI变化趋势空间分布

Fig. 4Spatial distribution of NDVI trends in the study area from 2000 to 2016

3.2 植被覆盖变化对气候变化的响应

3.2.1 多年气候变化特征

（1）多年平均气温和降水量时空变化特征。通过对研究区17年来的气温和降水量的区域均值进行时序分析来代表逐年气温、降水量的年际变化情况（图5）。多年来研究区域气候整体以暖湿化为主,其中年降水量在300~550 mm之间波动,总体呈不显著上升趋势（slope=3.28 mm/10a,R²=0.0008,P>0.05）;而年均气温却呈显著上升趋势（slope=0.75℃/10a,R²=0.3050,P<0.05）。从气候因子多年均值的空间分布（图6）可以看出,近17年来该区年降水量由南向北逐渐递减,年均气温一般在-8.52~21.84℃之间,受特殊地理位置影响其分布具有典型的山地特点。

图5

新窗口打开|下载原图ZIP|生成PPT
图52000—2016年研究区年平均气温和降水量年际变化

Fig. 5Variation of annual mean temperature and precipitation in the study area from 2000 to 2016

图6

新窗口打开|下载原图ZIP|生成PPT
图62000—2016年研究区年均气温、降水量空间分布

Fig. 6Spatial distribution of multi-year mean temperature and precipitation in the study area from 2000 to 2016



（2）多年平均气温、降水量变化趋势空间分布。根据Theil-sen趋势法可以得到研究区2000—2016年降水量和平均气温的变化趋势空间分布（图7,见第3200页）。总体上来讲该区年降水量变化趋势呈片状规律性变化,且由南到北呈上升趋势;另外,同期气温也呈上升趋势,由南到北递增趋势逐渐增强。

图7

新窗口打开|下载原图ZIP|生成PPT
图72000—2016年研究区年均气温、降水量变化趋势空间分布

Fig. 7Spatial distribution of multi-year mean temperature and precipitation in the study area from 2000 to 2016



3.2.2 NDVI与气候因子的相关性分析

（1）植被NDVI与气候因子的关系。结合植被NDVI数据和同期的气候栅格数据可以得到基于像元的相关系数空间分布（图8,见第3201页）,并根据P值将显著性水平划分为不同的等级并统计分类（表5,见第3201页）。结果表明研究区植被覆盖与气候因子的正负相关性并存。近17年来研究区年NDVI与降水量的相关系数在-0.90~0.91之间。其中正相关像元所占比例为54.03%,但置信度超过0.05水平的区域不多,有0.85%、2.88%的像元分别通过了P<0.01、P<0.05显著性检验。这些区域主要分布在昌都县、察雅县、左贡县、左贡县和芒康县的交界处、巴塘和芒康县的交界处。

图8

新窗口打开|下载原图ZIP|生成PPT
图8研究区植被NDVI与气候因子的相关系数及显著性水平分布

Fig. 8The correlations and their significance levels between NDVI and climate factors in the study area



Tab. 5
表5
表52000—2016年研究区NDVI与气候因子相关分析的显著性统计
Tab. 5Significance statistics of correlation analysis between NDVI and climatic factors in the study area from 2000 to 2016 （个,%）

显著性水平	降水（简单相关）			气温（简单相关）			降水（偏相关）			气温（偏相关）
	像元数	像元比例		像元数	像元比例		像元数	像元比例		像元数	像元比例
极显著负相关（r<0, P<0.01）	4425	0.33		7435	0.55		10199	0.76		10972	0.81
显著负相关（r<0, 0.01<P<0.05）	20756	1.55		24334	1.81		32894	2.45		37155	2.76
非显著负相关（r<0, P>0.05）	591930	44.10		544475	40.40		656200	48.85		721117	53.56
非显著正相关（r>0, P>0.05）	675156	50.30		723748	53.70		616189	45.87		549659	40.82
显著正相关（r>0, 0.01<P<0.05）	38616	2.88		37364	2.77		22739	1.69		21595	1.60
极显著正相关（r>0, P<0.01）	11465	0.85		10380	0.77		5187	0.39		5961	0.44

新窗口打开|下载CSV

同时,年NDVI与气温的相关系数在-0.93~0.89之间,正相关像元所占比例为57.24%,有0.77%和2.77%的像元分别通过了P<0.01、P<0.05显著性检验,主要在察雅县、贡觉县、理塘县以及研究区东南部部分地区。负相关像元所占比例为42.76%,其中0.55%和1.81%的像元分别通过了P<0.01、P<0.05显著性检验,主要分布在洛隆县、八宿县、左贡县。

气象因子与NDVI的偏相关分析统计结果（表5,见第3201页）发现,NDVI与气温和降水的偏相关系数在正负之间波动,但无论是正相关还是负相关区域,研究区植被NDVI与气温的相关性均大于降水量,结合植被NDVI和年平均气温的同期增长趋势（图2,图5）说明研究区年均温度的升高很可能是导致植被NDVI年际间缓慢增长的主要原因。

（2）不同植被类型NDVI与气象因子的关系。由于不同植被类型对气候因子的响应存在一定差异,因此本文也分析了几种主要植被类型与气候因子的关系（表6,见第3202页）。可以看出研究区各植被类型与降水和气温均呈显著正相关（灌草丛除外）且分别通过了95%、99%的显著性检验;与降水相比,NDVI与气温的相关性更好。其中,农田类植被与降水呈显著正相关,相关系数和偏相关系数分别为0.31和0.26（P<0.01）,说明水分对该类植被影响较大;草地对降水和气温的响应均比较显著,说明该类植被受降水和气温共同作用;常绿阔叶林、落叶阔叶林、常绿针叶林以及其它类植被与气温相关性较好,说明该植被对温度响应更为敏感;灌丛类植被变化随降水和温度的变化并不显著,说明受气候条件的影响不大。

Tab. 6
表6
表62000—2016年不同植被类型NDVI年际变化与气候因子年际变化的相关系数
Tab. 6Correlation coefficients between inter-annual variations of NDVI and inter-annual variation of climatic factors for different vegetation types from 2000 to 2016

植被类型	相关系数			偏相关系数
	降水	气温		降水	气温
农田	0.31**	0.76**		0.26**	-0.07
草地	0.06**	0.34**		-0.19*	0.38**
灌草丛	0.10	-0.12		0.19	-0.21
常绿阔叶林	0.38*	0.46**		-0.08	0.29*
落叶阔叶林	0.68**	0.80**		0.12	0.59**
常绿针叶林	0.24**	0.38**		-0.02	0.30*
其它	0.29**	0.49**		-0.14	0.43*

注：*、**分别代表在0.05、0.01水平（双侧）上显著相关。

新窗口打开|下载CSV

4 结论与讨论

4.1 讨论

本文的研究结果表明,2000—2016年以来,藏东南三江并流核心区植被NDVI整体较高,植被覆盖除在局部地区呈下降趋势外,总体呈稳中向好趋势。其中,稳定不变区域面积占比最大,改善面积大于退化面积;各植被类型NDVI也均呈改善趋势,林地和草地改善面积占比最大,这与张镱锂等、潘学鹏等的研究结果相一致^[17,24,39]。该地区受印度洋西南季风和低纬高海拔的共同影响,植被覆盖从以森林为主的区域东南部向以高寒草地为主的西北部逐渐递减。

此外,本文基于气候因子和年最大NDVI的相关性分析结果得出,在区域尺度上,植被覆盖对气温响应的敏感性高于降水。该研究结果与潘学鹏等人得到的“降水量不会限制研究区植被的生长,而气温是控制或影响该区植被生长最重要的条件之一”的结论类似,表明气候变化将改变植被的生境,进而影响植被生长过程^[24]。近17年的气候变化趋势（图5）表明整个区域的年平均气温呈显著上升趋势,其暖化过程与NDVI缓慢增长的趋势（图2）基本一致,可以认为是对气候暖化的正向响应;而年降水量对植被NDVI增加的贡献不明显。魏彦强和张江等的研究均表明,近几十年来青藏高原地区气温显著上升,降水量略微增加,总体呈现出“暖湿化”趋势^[18,40]。其研究结论与本文较为一致,这主要是因为藏东南三江并流核心区垂直气候和立体生态环境特征明显,受西南季风和东南季风的影响气候差异较大。再加上降水和径流的分布也各不相同,水汽沿着横断山区河谷进入青藏高原腹部,而河谷由于焚风作用,使得降水和径流减少,河谷地带气候呈暖干化趋势。

植被覆盖变化除了受气候因素影响外,与人类活动也有很大关联。藏东南三江并流核心区地处生态环境比较脆弱的青藏高原地区,其植被类型多以高寒草地和林地为主,植被空间变化极易受放牧和土地利用变化等影响。近年来随着生态工程的实施,研究区造林面积不断增加,区域植被总体呈波动上升趋势。自21世纪以来,中国在青藏高原实施了“退耕/退牧还草工程”和“生态补偿政策”等一系列的生态保护措施,使得高原生态系统健康状况总体趋好;另外,随着放牧压力整体下降,牲畜存栏量大幅度降低,同期植被覆盖整体呈增加趋势（图9a,图9b）^[17];同时随着西部大开发等政策的实施,该地区小城镇建设的加快使得各产业经济产值不断增长,人类活动干扰的不断加大使得部分地区植被出现退化趋势（图9b）。

图9

新窗口打开|下载原图ZIP|生成PPT
图9研究区人类活动对植被覆盖变化的影响

Fig. 9The effect of human activities on vegetation coverage in the study area



事实证明,该区域植被覆盖空间格局是气候条件和人类活动共同影响的结果。本研究只选取年降水、平均气温进行了年际上的相关性分析,而缺乏对气候因子滞后性的进一步考虑;同时,其它气候因素（如极端气候、日照时数、地形地貌、土壤等）对植被覆盖的影响也需要考虑在内,基于季节尺度和月尺度的相关性分析将是接下来的研究重点。除气候因子外,人类活动对该区植被覆盖变化具有双重影响。一方面,生态工程的实施使得植被覆盖呈改善趋势;另一方面,随着西部大开发等政策的实施,受该地区外来人口不断增加、小城镇经济建设加快的影响,部分地区植被存在下降趋势。因此,如何将自然因素和人类活动等影响因素分离,量化各因子的贡献率将是下一步研究要着眼的问题。

4.2 结论

本文基于藏东南三江并流核心区2000—2016年MODIS NDVI数据,结合气象数据、ESA CCI-LC植被类型数据以及DEM数据,利用Theil-Sen与Mann-Kendall方法,分析了植被NDVI的时空动态格局及其对气候等影响因子的响应,得出以下主要结论：

（1）2000—2016年该区植被覆盖整体上趋于稳定,有缓慢增加趋势,不同植被类型覆盖度空间异质性明显。农田、草地以中高植被覆盖为主,草地大面积广泛分布,农田分布则较零散;灌草丛、常绿针叶林、常绿阔叶林和落叶阔叶林这几大类型主要是高植被覆盖,在西南、东南部的干热河谷地带分布较多,其中常绿针叶林有明显沿干热河谷分布态势;其它这一类型属非植被区域,主要在西部、西南以及东部少数地区。

（2）近17年来该区植被覆盖状况整体表现出稳中向好的态势。其中,稳定不变的区域占植被覆盖总面积的47.92%,改善的区域占30.93%,植被退化的区域仅占21.15%。各植被类型NDVI变化趋势仍以稳定不变为主,常绿阔叶林呈稳定不变趋势的面积比例最大（54.45%）,其次是轻微改善类型,主要以灌草丛、落叶阔叶林和其它类型为主,落叶阔叶林面积占比最大（约31.15%）,农田、草地、常绿阔叶林和常绿针叶林这几大类型的植被有轻微退化趋势。从空间上看,植被轻微改善区域和稳定不变区域在研究区内大面积均匀分布;而退化区域分布主要集中在研究区中部和西北部的干热河谷地带。

（3）研究区气候在时间尺度上表现为气温显著升高、降水量无明显变化趋势。其中年降水量在空间上呈现片状规律变化,降水量和气温由南到北递增趋势逐渐增强。植被与气候因子响应方面,区内NDVI空间分布与气温、降水的关系以正相关为主,与降水量相比,与气温的相关性更高。偏相关分析统计结果仍旧表明研究区植被NDVI与气温的相关性均大于降水量,结合植被NDVI和年平均气温的同期增长趋势推断出研究区年均温度的升高很可能是导致植被NDVI年际间缓慢增长的主要原因。另外,不同植被类型对气候因子的响应也存在一定差异,农田类植被受水分影响较大;草地类植被受降水和气温协同作用,即水热条件缺一不可;常绿阔叶林、落叶阔叶林、常绿针叶林以及其它类植被对温度响应更为敏感;灌丛类植被则受气候变化影响较小。

（4）人类活动对植被覆盖变化具有双重作用。一是退耕还林还草等生态工程的实施和放牧压力的下降使得该区植被呈改善趋势,同时小城镇建设进程加快等使得少量植被呈退化趋势。

致谢

真诚感谢二位匿名评审专家在论文评审中所付出的时间和精力,评审专家对本文研究视角、研究区域的选取方法以及结果和讨论部分的逻辑梳理提出了非常宝贵的修改意见,使本文获益匪浅。

参考文献 View Option 原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

[1] 刘静, 温仲明, 刚成诚. 黄土高原不同植被覆被类型NDVI对气候变化的响应
生态学报, 2020, 40(2): 678-691.
[本文引用: 2]

[Liu Jing, Wen Zhongming, Gang Chengcheng. Normalized difference vegetation index of different vegetation cover types and its responses to climate change in the Loess Plateau
Acta Ecologica Sinica, 2020, 40(2): 678-691.].DOI: 10.5846/stxb201901090082.
[本文引用: 2]

[2] 袁沫汐, 邹玲, 林爱文, 等. 湖北省地区植被覆盖变化及其对气候因子的响应
生态学报, 2016, 36(17): 5315-5323.
[本文引用: 1]

[Yuan Moxi, Zou Ling, Lin Aiwen, et al. Analyzing dynamic vegetation change and response to climatic factors in Hubei province, China
Acta Ecologica Sinica, 2016, 36(17): 5315-5323.]. DOI: 10.5846/stxb201507101464.
[本文引用: 1]

[3] 金凯, 王飞, 韩剑桥, 等. 1982-2015年中国气候变化和人类活动对植被NDVI变化的影响
地理学报, 2020, 75(5): 961-974.
DOI:10.11821/dlxb202005006 [本文引用: 1]
基于中国603个气象站的地表气温和降水观测资料以及GIMMS NDVI3g数据,采用变化趋势分析和多元回归残差分析等方法研究了1982—2015年中国植被NDVI变化特征及其主要驱动因素（即气候变化和人类活动）的相应贡献。结果表明：① 1982—2015年中国植被恢复明显,在选择的32个省级行政区中,山西、陕西和重庆的生长季NDVI增加最快,仅上海生长季NDVI呈减小趋势。② 气候变化和人类活动的共同作用是中国植被NDVI呈现整体快速增加和巨大空间差异的主要原因,其中气候变化对各省生长季NDVI变化的影响在-0.01×10 ^-3~1.05×10 ^-3 a ^-1之间,而人类活动的影响在-0.32×10 ^-3~1.77×10 ^-3 a ^-1之间。③ 气候变化和人类活动分别对中国近34年来植被NDVI的增加贡献了40%和60%;人类活动贡献率超过80%的区域主要集中在黄土高原中部、华北平原以及中国东北和西南等地;人类活动贡献率大于50%的省份有22个,其中贡献率最大的3个地区为上海、黑龙江和云南。研究结果建议应更加重视人类活动在植被恢复中的作用。
[Jin Kai, Wang Fei, Han Jianqiao, et al. Contribution of climatic change and human activities to vegetation NDVI change over China during 1982-2015
Acta Geographica Sinica, 2020, 75(5): 961-974.]. DOI: 10.11821/dlxb2020
[本文引用: 1]

05006.
[本文引用: 1]

[4] 代子俊, 赵霞, 李冠稳, 等. 基于GIMMS NDVI 3g.v1的近34年青海省植被生长季NDVI时空变化特征
草业科学, 2018, 35(4): 713-725.
[本文引用: 1]

[Dai Zijun, Zhao Xia, Li Guanwen, et al. Spatial-temporal variations in NDVI in vegetation-growing season in Qinghai based on GIMMS NDVI3g.v1 in past 34 years
Pratacultural Science, 2018, 35(4): 713-725.]. DOI: 10.11829/j.issn.1001-0629.2017-0387.
[本文引用: 1]

[5] 李茂华, 都金康, 李皖彤, 等. 1982—2015年全球植被变化及其与温度和降水的关系
地理科学, 2020, 40(5): 823-832.
DOI:10.13249/j.cnki.sgs.2020.05.017 [本文引用: 1]
采用1982-2015年的GLASS-LAI (Global Land Surface Satellite-Leaf Area Index )遥感数据和CRU(Climatic Research Unit)气象数据,利用Mann-Kendall趋势法分析了过去34 a全球9种植被的叶面积指数(Leaf Area Index,LAI)时空变化特征;使用相关分析和逐步线性回归分别探讨了全球9种植被LAI与降水、温度的年际与月关系。结果表明：① 全球植被总体呈现绿化趋势,其中变化较大的是草原、稀树草原、常绿阔叶林和多树草原;在植被生长的绿化和褐化趋势中,面积占比最大的植被类型均为草原,说明草原生态系统易受环境因素的影响。② 从年际关系看,草原和开放灌丛的LAI与年均降水多呈正相关关系,而温度对不同纬度植被的LAI存在正负2种影响。其原因为温度升高对中低纬度的植被生长有抑制作用,而对高纬度地区植被生长有促进作用。③ 从年内关系看,南半球降水和温度共同作用于植被的生长;而北半球除常绿阔叶林的生长与温度关系更为紧密外,其它类型植被的生长主要受降水影响。④ 逐步线性回归结果表明,当月温度的升高对常绿阔叶林、混交林和农作物的生长具有促进作用,而多树草原和草原2种植被的生长受当月降水的影响最为显著。
[Li Maohua, Du Jinkang, Li Wantong, et al. Global vegetation change and its relationship with precipitation and temperature based on GLASS-LAI in 1982-2015
Scientia Geographica Sinica, 2020, 40(5): 823-832.]. DOI: 10.13249/j.cnki.sgs.2020.05.017.
[本文引用: 1]

[6] 谢今范, 毛德华, 任春颖. 植被-气候关系遥感分析研究进展
东北师大学报(自然科学版), 2011, 43(3): 145-150.
[本文引用: 1]

[Xie Jinfan, Mao Dehua, Ren Chunying. An overview of researchesin relations between vegetationand climate based on remotesensing
Journal of Northeast Normal University(Natural Sci-ence Edition), 2011, 43(3): 145-150.]. DOI: 10.16163/j.cnki.22-1123/n.2011.03.031.
[本文引用: 1]

[7] Zhou L, Kaufmann R K, Tian Y, et al. Relation between interannual variations in satellite measures of northern forest greenness and climate between 1982 and 1999
Journal of Geophysical Research Atmospheres, 2003, 108(D1): 1-3. DOI: 10.1029/2002JD002510.
[本文引用: 1]

[8] Ichii K, Kawabata A, Yamaguchi Y. Global correlation analysisfor NDVI and climatic variables and NDVI trends: 1982-1990
International Journal Remote Sensing, 2002, 23(18): 3873-3878. DOI: 10.1080/01431160110119416.
URL [本文引用: 1]

[9] Kawabata A, Ichii K, Yamaguchi Y. Global monitoring of interannual changes in vegetation activities using ndvi and its relationships to temperature and precipitation
International Journal of Remote Sensing, 2001, 22(7): 1377-1382. DOI: 10.1080/01431160119381.
URL [本文引用: 1]

[10] 赵茂盛, 符淙斌, 延晓冬, 等. 应用遥感数据研究中国植被生态系统与气候的关系
地理学报, 2001, 56(3): 287-296.
DOI:10.11821/xb200103005 [本文引用: 1]
应用 1 982～ 1 994年 NOAA/ AVHRR的归一化植被指数 (NDVI)资料和 587个气象台站的数据对我国不同类型植被生态系统和气候的关系进行研究。首先将我国的植被类型划分为2 1类,在此基础上分别研究了不同时间尺度下我国不同区域、不同植被类型和气候的关系。结果表明 :在多年平均状态下,植被生态系统 NDVI水平主要受水分条件的影响 ;年内变化上,温度对植被生态系统季相变化起着比降水略大的作用,年降水量造成了植被季相响应的差异。在年际变化上,分别研究了 4个季节和整个生长期尺度上的关系,一般情形为温度和降水对植被的年际波动起着大致相反的作用,不同植被类型在不同的生长时期 (季节 )对气候的变化响应方式也不同。
[Zhao Maosheng, Fu Congbin, Yan Xiaodong, et al. Study on the relationship between different ecosystems and climate in China using NOAA/AVHRR data
Acta Geographica Sinica, 2001, 56(3): 287-296.]. DOI: CNKI:SUN:DLXB.0.2001-03-004.
[本文引用: 1]

[11] Piao S L, Fang J Y, Ji W. Variation in a satellite-based vegeta-tion index in relation to climate in China
Journal of Vegetation Science, 2004, 15(2): 219-226. DOI: 10.1658/1100-9233(2004)015[0219:VIASVI]2.0.CO;2.
URL [本文引用: 1]

[12] 杨雪梅, 杨太保, 刘海猛, 等. 气候变暖背景下近30a北半球植被变化研究综述
干旱区研究, 2016, 33(2): 379-391.
[本文引用: 2]

[Yang Xuemei, Yang Taibao, Liu Haimeng, et al. Vegetation variation in the North Hemisphere under climate warming in the last 30 years
Arid Zone Research, 2016, 33(2): 379-391.]. DOI: 10.13866/j.azr.2016.02.21.
[本文引用: 2]

[13] 戴声佩, 张勃, 王海军. 中国西北地区植被NDVI的时空变化及其影响因子分析
地球信息科学学报, 2010, 12(3): 315-321.
[本文引用: 1]
利用GIMMS/NDVI数据分析了中国西北地区1982-2006年植被NDVI时空变化特征及其影响因子。近25年来,中国西北地区年均植被NDVI增速为0.5%/10a,并存在明显的空间差异。天山、阿尔泰山、祁连山、青海的中东部等地区植被NDVI显著增加;青海南部地区、陕西和宁夏交界地区、甘肃部分地区,以及新疆部分地区的植被NDVI下降。从不同植被类型看:林地、草地和耕地的年均NDVI都在提高。研究表明:中国西北地区植被NDVI变化是各种自然和人为因素综合作用的结果。植被NDVI与气温、降水的年际变化整体上都呈弱的正相关。但与其年内变化则都呈显著的线性关系,当月均温量超过20℃时,植被NDVI呈下降趋势;当月降水量在0¹00mm期间,植被NDVI随降水线性增长,当月降水量超过100mm之后,不再有明显的增长趋势。农业生产水平提高和植被生态建设等人类活动对西北地区植被NDVI增加有重要影响。
[Dai Shengpei, Zhang Bo, Wang Haijun. Spatio-temporalchange of vegetation index NDVI in northwest China and its influencing factors
Journal of Geo-Information Science, 2010, 12(3): 315-321.]. DOI: CNKI:SUN:DQXX.0.2010-
[本文引用: 1]

03-003.
[本文引用: 1]

[14] Zhao X, Tan K, Zhao S, et al. Changing climate affects vegetationgrowth in the arid region of the northwestern China
Journal of Arid Environments, 2011, 75(10): 946-952. DOI: 10.1016/j.jaridenv.2011.05.007.
URL

[15] 王宗明, 国志兴, 宋开山, 等. 中国东北地区植被NDVI对气候变化的响应
生态学杂志, 2009, 28(6) :1041-1048.


[Wang Zongming, Guo Zhixing, Song Kaishan, et al. Responses of vegetation NDVI in northeast China to climate change
Chinese Journal of Ecology, 2009, 28(6): 1041-1048.]. DOI: 10.13292/j.1000-4890.2009.0166.


[16] 易浪, 任志远, 张翀, 等. 黄土高原植被覆盖变化与气候和人类活动的关系
资源科学, 2014, 36(1): 166-174.
[本文引用: 2]

[Yi Lang, Ren Zhiyuan, Zhang Chong, et al. Vegetation cover, climate and human activities on the Loess Plateau
Resources Science, 2014, 36(1): 166-174.]. DOI: CNKI:SUN:ZRZY.0.2014-01-019.
[本文引用: 2]

[17] 张镱锂, 李兰晖, 丁明军, 等. 新世纪以来青藏高原绿度变化及动因
自然杂志, 2017, 39(3): 173-178.
[本文引用: 4]

[Zhang Yili, Li Lanhui, Ding Mingjun, et al. Greening of the Tibetan Plateau and its drivers since 2000
Chinese Journal of Nature, 2017, 39(3): 173-178.]. DOI: 10.3969/j.issn.0253-9608.2017.03.003.
[本文引用: 4]

[18] 魏彦强, 芦海燕, 王金牛, 等. 近35年青藏高原植被带变化对气候变化及人类活动的响应
草业科学, 2019, 36(4): 1163-1176.
[本文引用: 2]

[Wei Yanqiang, Lu Haiyan, Wang Jinniu, et al. Responses of vegetation zones, in the Qinghai-Tibetan Plateau, to climate change and anthropogenic influences over the last 35 years,
Pratacultural Science, 2019, 36(4): 1163-1176.]. DOI: 10.11829/j.issn.1001-0629.2019-0027.
[本文引用: 2]

[19] 朱钰, 刘时银, 易颖, 等. “三江并流区”水储量的时空变化特征及其对ENSO的响应
山地学报, 2020, 38(2): 165-179.
[本文引用: 2]

[Zhu Yu, Liu Shiyin, Yi Ying, et al. Spatiotemporal changes of terrestrial water storage in Three Parallel River Basins and its response to ENSO
Mountain Research, 2020, 38(2): 165-179.]. DOI: 10.16089/j.cnki.1008-2786.000499.
[本文引用: 2]

[20] 郭洋, 杨飞龄, 王军军, 等. “三江并流”区游憩文化生态系统服务评价研究
生态学报, 2020, 40(13): 4351-4361.
[本文引用: 1]

[Guo Yang, Yang Feiling, Wang Junjun, et al. Assessment of the tourism and recreation cultural ecosystem services in Three Parallel Rivers Region
Acta Ecologica Sinica, 2020, 40(13): 4351-4361.]. DOI: 10.5846/stxb201910212205.
[本文引用: 1]

[21] 丁明涛, 韦方强, 王欢, 等. 基于聚类分析的三江并流区泥石流危险性评价
资源科学, 2012, 34(7): 1257-1265.
[本文引用: 1]

[Ding Mingtao, Wei Fangqiang, Wang Huan, et al. Hazard assessment of debris flow based on cluster analysis in Three Parallel Rivers Area
Resources Science, 2012, 34(7): 1257-1265.]. DOI: CNKI:SUN:ZHXU.0.2020-01-028.
[本文引用: 1]

[22] 周启刚, 周万村, 张宝雷, 等. 基于RS和GIS三江并流区土地利用/覆被现状格局研究
水土保持研究, 2006, 13(6): 156-162.
[本文引用: 1]

[Zhou Qigang, Zhou Wancun, Zhang Baolei, et al. Study on land use and land cover pattern in Three Rivers Parallel Area based on RS and GIS
Research of Soil and Water Conservation, 2006, 13(6): 156-162.]. DOI: CNKI:SUN:STBY.0.2006-06-048.
[本文引用: 1]

[23] 角媛梅, 王金亮, 马剑. 三江并流区土地利用/覆被变化因子分析
云南师范大学学报(自然科学版), 2002, 22(3): 59-65.
[本文引用: 1]

[Jiao Yuanmei, Wang Jinliang, Ma Jian. The factors of land use/cover changes in the three rivers region of northwestern Yunnan
Journal of Yunnan Normal University (Natural Sciences Edition), 2002, 22(3): 59-65.]. DOI: CNKI:SUN:YNSK.0.2002-03-015.
[本文引用: 1]

[24] 潘学鹏, 吴喜芳, 沈彦俊, 等. 三江并流河源区植被覆盖度对气候要素的响应
山地学报, 2015, 33(2): 218-226.
[本文引用: 3]

[Pan Xuepeng, Wu Xifang, Shen Yanjun, et al. Responses of vegetation coverage changes to climate factors in the source regions of Three Parallel Rivers
Mountain Research, 2015, 33(2): 218-226.]. DOI: 10.16089/j.cnki.1008-2786.000028.
[本文引用: 3]

[25] 谢罡. 西藏东南角“三江并流”从这里开始
(2020-02-28)[2020-09-23].http://www.dili360.com/article/p5e5897c8d6d1419.html.
URL [本文引用: 2]

[Xie Gang. The "three parallel rivers" in the southeast corner of Tibet start from here
(2020-02-28)[2020-09-23].http://www.dili360.com/article/p5e5897c8d6d1419.html.]
URL [本文引用: 2]

[26] 骆银辉. 三江并流区地质环境问题研究
北京: 中国地质大学(北京)博士学位论文, 2009: 45-54.
[本文引用: 1]

[Luo Yinhui. Research on geologic environment in Three Parallel Rivers Region
Beijing: Doctor Dissertation of China University of Geosciences, 2009:45-54.]
[本文引用: 1]

[27] Piao S, Cui M, Chen A, et al. Altitude and temperature dependence of change in the spring vegetation green-up date from 1982 to 2006 in the Qinghai-Xizang Plateau
Agricultural and Forest Meteorology, 2011, 151(12): 1599-1608. DOI: 10.1016/j.agrformet.2011.06.016.
URL [本文引用: 1]

[28] Gang C, Zhao W, Zhao T, et al. The impacts of land conversion and management measures on the grassland net primary productivity over the Loess Plateau, Northern China
Science of the Total Environment, 2018, 645:827-836. DOI: 10.1016/j.scitotenv.2018.07.161.
URL [本文引用: 1]

[29] Yang Y, Xiao P, Feng X, et al. Accuracy assessment of seven global land cover datasets over China
ISPRS Journal of Photogrammetry and Remote Sensing, 2017, 125:156-173. DOI: 10.1016/j.isprsjprs.2017.01.016.
URL [本文引用: 1]

[30] 拉巴, 拉巴卓玛, 德吉央宗, 等. 1982-2014年藏北地区植被NDVI变化特征及驱动因素
草业科学, 2018, 35(4): 726-736.
[本文引用: 1]

[Lhaba, Lhaba Droma, Dekey Yangzom, et al. Change in NDVI of northern Tibet and root cause analysis from 1982 to 2014
Pratacultural Science, 2018, 35(4): 726-736.]. DOI: 10.11829/j.issn.1001-0629.2017-0369.
[本文引用: 1]

[31] 张思源, 聂莹, 张海燕, 等. 基于地理探测器的内蒙古植被NDVI时空变化与驱动力分析
草地学报, 2020, 28(5): 1460-1472.


[Zhang Siyuan, Nie Ying, Zhang Haiyan, et al. Spatiotemporal variation of vegetation NDVI and its driving forces in Inner Mongolia based on geodetector
Acta Agrestia Sinica, 2020, 28(5): 1460-1472.]. DOI: 10.11733/j.issn.1007-0435.2020.05.034.


[32] 罗红霞, 戴声佩, 刘恩平, 等. 2001-2014年海南岛植被覆盖时空变化特征
水土保持研究, 2018, 25(5): 343-350.
[本文引用: 1]

[Luo Hongxia, Dai Shengpei, Liu Enping, et al. Spatiotemporal variable vegetation on Hainan Island during 2001-2014
Research of Soil and Water Conservation, 2018, 25(5): 343-350.]. DOI: 10.13869/j.cnki.rswc.2018.05.050.
[本文引用: 1]

[33] 中华人民共和国水利部. 土壤侵蚀分类分级标准(SL190-2007). 北京: 中国水利水电出版社, 2008: 8-9.
[本文引用: 1]

[Ministry of Water Resources the People's Republic of China. Standards for Classification and Gradation of Soil Erosion. Beijing: China Water & Power Press, 2008: 8-9.]
[本文引用: 1]

[34] 郭永强, 王乃江, 褚晓升, 等. 基于Google Earth Engine分析黄土高原植被覆盖变化及原因
中国环境科学, 2019, 39(11): 4804-4811.
[本文引用: 1]

[Guo Yongqiang, Wang Naijiang, Chu Xiaosheng, et al. Analyzing vegetation coverage changes and its reasons on the Loess Plateau based on Google Earth Engine
China Environmental Science, 2019, 39(11): 4804-4811.]. DOI: 10.19674/j.cnki.issn1000-6923.2019.0560.
[本文引用: 1]

[35] 孙锐, 陈少辉, 苏红波. 2000-2016年黄土高原不同土地覆盖类型植被NDVI时空变化
地理科学进展, 2019, 38(8): 1248-1258.
DOI:10.18306/dlkxjz.2019.08.013 [本文引用: 1]
了解植被覆盖的时空变化对区域环境保护及生态环境建设具有重要意义。基于MOD13A1数据,辅以Sen+Mann-Kendall、变异系数、Hurst指数,通过分析2000—2016年间黄土高原NDVI年最大值(NDVI_ymax)和生长季均值(NDVI_gsmean)时空变化特征及趋势,以了解黄土高原实施退耕还林(草)等生态工程后的植被覆盖恢复情况。结果表明：① 2000—2016年植被NDVI_ymax和NDVI_gsmean呈现波动式增长趋势,增长率分别为0.0070/a(P0.01)和0.0063/a(Pymax</sub>和NDVI_gsmean显示黄土高原植被覆盖呈增加趋势的面积远高于呈减少趋势的面积(93.42%和96.22%、6.58%和3.78%),植被覆盖状态正在不断改善。2种数据变化趋势下,不同土地覆盖类型表现略有差异,森林极显著增加趋势面积最大(73.02%和82.60%),其次为耕地(47.87%和67.43%),再次为裸地(47.03%和61.68%)。③ NDVI_gsmean的变异系数小于NDVI_ymax的变异系数,相对稳定区域面积比分别为63.31%与56.64%,2种数据分析下森林变异系数最小,植被稳定性最好。④ 从植被NDVI变化趋势与Hurst组合结果得出,NDVI_ymax未来呈现改善趋势面积占41.35%,退化趋势面积占58.65%;NDVI_gsmean呈现改善趋势面积占49.19%,退化趋势面积占50.81%。2种数据下,灌木地未来发展趋势最好,森林和耕地退化趋势面积超过了50%。研究人员应持续关注退化趋势地区的植被状态。
[Sun Rui, Chen Shaohui, Su Hongbo. Spatiotemporal variations of NDVI of different land cover types on the Loess Plateau from 2000 to 2016
Progress in Geography, 2019, 38(8): 1248-1258.]. DOI: 10.18306/dlkxjz.2019.08.013.
[本文引用: 1]

[36] Fernandes R, Leblanc S G. Parametric (modified least squares) and non-parametric (Theil-Sen) linear regressions for predicting biophysical parameters in the presence of measurement errors
Remote Sensing of Environment, 2005, 95(3): 303-316. DOI: 10.1016/j.rse.2005.01.005.
URL [本文引用: 1]

[37] Sen P K. Estimates of the regression coefficient based on Kendall's Tau
Journal of the American Statistical Association, 1968, 63(324): 1379-1389. DOI: 10.1080/01621459.1968.10480934.
URL [本文引用: 1]

[38] 徐嘉昕, 房世波, 张廷斌, 等. 2000-2016年三江源区植被生长季NDVI变化及其对气候因子的响应
国土资源遥感, 2020, 32(1): 237-246.
[本文引用: 2]

[Xu Jiaxin, Fang Shibo, Zhang Tingbin, et al. NDVI changes and its correlation with climate factors of the Three River-Headwater region in growing seasons during 2000-2016
Remote Sensing for Land and Resources, 2020, 32(1): 237-246.]. DOI: 10.6046/gtzyyg.2020.01.32.
[本文引用: 2]

[39] 张镱锂, 王兆锋, 王秀红, 等. 青藏高原关键区域土地覆被变化及生态建设反思
自然杂志, 2013, 35(3): 187-192.
[本文引用: 1]

[Zhang Yili, Wang Zhaofeng, Wang Xiuhong, et al. Land cover changes in the key regions and self reflection on ecological construction of the Tibetan Plateau
Chinese Journal of Nature, 2013, 35(3): 187-192.]. DOI: 10.3969/j.issn.0253-9608.2013.03.005.
[本文引用: 1]

[40] 张江, 袁旻舒, 张婧, 等. 近30年来青藏高原高寒草地NDVI动态变化对自然及人为因子的响应
生态学报, 2020, 40(18): 6269-6281.
[本文引用: 1]

[Zhang Jiang, Yuan Minshu, Zhang Jing, et al. Responses of the NDVI of alpine grasslands on the Qinghai-Tibetan Plateau to climate change and human activities over the last 30 years
Acta Ecologica Sinica, 2020, 40(18): 6269-6281.]. DOI: 10.5846/stxb201909201962.
[本文引用: 1]