研究背景
IPCC综合报告指出CO2排放是导致全球气温升高的重要原因 ，CO2的增温效应导致极端气候事件频发，已经严重影响到社会稳定和生态系统安全。基于对中国生态安全的考虑，中国政府提出计划于2060年实现碳中和，而碳增汇是实现目标的决定性因素之 一，增加碳汇的核心是生态功能的保护、建设和管理 。植被作为陆地生态系统的重要组 成部分，在碳循环、水平衡和能量转换中均发挥重要作用，因此，监测植被动态具有评估生态系统功能的作用。以往的研究表明气候变化和人类活动的交互作用可能引起植被变化。因此，探究气候变化和人类活动对植被动态的影响机制，对于理解植被动态成因和指导政府实施生态建设计划至关重要。
数据来源和研究方法
1 数据来源
1.1 NDVI
NDVI数据来源于GIMMS NDVI数据集 （时空分辨率分别为15 d和8 km， 时间跨度为 1981 年 7 月—2015 年 12 月）和SPOT NDVI数据集（时空分辨率分别为1个月和1 km，时间跨度为1998年4月—2020年 6月）。由于两种NDVI数据时空分辨率以及在时间跨度上存在差异，因此本文使用一元线性回归模型，对GIMMS NDVI和SPOT NDVI进行回归处理， 得到时空分辨率分别为1个月和1 km的降尺度NDVI月值数据。通过3类数据重合年份 进行验证，结果表明降尺度后的 NDVI 数据与 GIMMS NDVI 在月尺度上相关性均高于 0.7，与SPOT NDVI在月尺度相关性均高于0.8，满足研究需求。最后将月尺度NDVI 数据采用最大值合成法获取了1982—2019年西南地区1 km年最大值NDVI数据。
1.2 其他数据
温度和降水数据来源于国家青藏高原科学数据中心 （http://data.tpdc.ac. cn/），温度和降水数据时间分辨率均为1个月，空间分辨率为1 km，数据为NC格式 。该数据经过 NC 至 TIFF 格式转换，再使用 MATLAB 软件进行年际数据合成，最后经过ArcGIS软件裁剪后获取1982—2019年西南地区温度和降水数据。用于分离人类活动和气候变化影响区域的土地利用数据来源于资源环境科学与数据中心（https://www.resdc.cn/），该数据基于Landsat TM影像，经人工目视解译生成。土地利用数据具体分为6个一级分类和25个二级分类，数据时空分辨率分别为5 a和1 km。
2 研究方法
2.1 一元线性趋势分析
线性趋势分析常被用于分析变量的变化强度和趋势 。本文 中，线性方程的斜率被定义为像元上NDVI的年际变化趋势。其公式如下：
式中：Slope表示NDVI与时间变量拟合的斜率；i表示第i年；NDVIi表示第i年像元上的 NDVI值；n为总年数 （在本文中n = 38）。当Slope > 0时，说明植被情况得到改善；反之表示植被情况恶化。
2.2 偏相关分析
本文采用偏相关分析研究温度和降水对 NDVI 变化的影响。当存在 NDVI与双气候变量时，偏相关分析可以有效避免另一个气候变量造成的影响，获取单一气候变量对NDVI的影响程度 。其公式如下：
式中：T表示温度；P表示降水量；RNDVIT·P为消除降水影响时，NDVI与温度的偏相关系数， RNDVIT·P > 0 表明 NDVI 与温度呈正相关， RNDVIT·P < 0 表明 NDVI 与温度呈负相关；RNDVIT 、 RNDVIP 和 RTP 分别为NDVI与温度、NDVI与降水和温度与降水的相关系数 。
2.3 残值趋势分析
本文采用残差趋势分析用以区分和量化人类活动与气候变化对 NDVI造成的影响，这种方法已广泛应用于植被动态研究中。该方法通过建立植被指数与气候因子之间的回归方程，将人类活动对NDVI的影响 （残差） 看作植被动态中无法解释的变化 。基于此地区以往的研究，西南地区植被变化对降水和温度变化的响应更明显，本文采用NDVI与降水和温度之间建立回归方程，用于分析气候变化和人类活动对NDVI的相对影响。其公式如下：
式中：T和P分别为年均温度和年降水量；NDVIpre表示为在无人为因素干预下的NDVI预测值；NDVIact为NDVI实际值；NDVIres为回归方程残差，即人类活动对NDVI造成的影响；a、b和c为回归方程常数。将NDVIpre和NDVIres进行趋势分析，得到气候变化和人类 活动对NDVI变化的相对贡献。
重要图表
研究结论
本文基于融合GIMMS NDVI和SPOT NDVI生成的长时序高分辨率降尺度NDVI数据，结合气象数据和土地利用数据，采用一元线性回归趋势分析、偏相关分析和残差趋势分析等方法，探究了1982—2019年实施退耕还林工程前后时期西南地区气候变化和人 类活动对NDVI动态的相对贡献。主要结论如下：
（1） 1982—2019年西南地区NDVI呈显著上升趋势，年均增速为0.0020 a−1，但存在明显的时空差异。从时间变化上看，实施退耕还林工程前，NDVI存在小幅度的减少趋势；实施退耕还林工程后，NDVI以每年0.0052 a−1的趋势增加。从空间变化上看，NDVI 增加的区域主要在农业区，减少的区域主要在各地的中心城市及周边地区。
（2）降水和温度对西南地区NDVI整体以促进作用为主，但降水对NDVI的作用存在明显的空间差异。相比于降水 （62.88%），温度对 NDVI 产生促进作用的面积更高 （87.98%），除中心城市外，温度对NDVI均存在促进作用；降水对西部地区植被存在抑 制作用，而对东部地区植被以促进作用为主。
（3） 气候变化和人类活动对西南地区NDVI变化的贡献存在明显的空间异质性，但两种因素对NDVI的影响均以促进作用为主。随着气候变化和人类活动的作用区域被分离，气候变化对NDVI变化的贡献从30.47%增加到60.28%，人类活动对NDVI变化的影 响从69.53%减少至39.72%。实施退耕还林工程前，除农业区外，人类活动对NDVI的影响以抑制为主；实施退耕还林工程后，除城市周边地区外，人类活动对NDVI的影响以促进为主。
小编说
该文章题为“1982—2019年中国西南地区植被变化归因研究”，于2023年发表在《地理学报》期刊，该文通过融合GIMMS NDVI和SPOT NDVI获得1982—2019年1 km NDVI数据，并结合多时相土地利用数据和气象数据，使用趋势分析、偏相关分析和残差趋势分析探究了西南地区人类活动和气候变化对植被动态的相对贡献，可为中国植被保护和建设做出科学建议，对于深入了解碳循环机制和促进经济可持续发展至关重要。
文献引用：马炳鑫, 和彩霞, 靖娟利, 王永锋, 刘兵, 何宏昌. 1982—2019年中国西南地区植被变化归因研究[J]. 地理学报, 2023, 78(3): 714-728.
原文链接：http://www.geog.com.cn/CN/10.11821/dlxb202303013
转自：“生态遥感前沿”微信公众号
如有侵权，请联系本站删除！
