气候和人类因素在黄土高原西北部植被变化中的贡献率研究

孙建国，张卓，韩惠，颜长珍

(1.兰州交通大学 测绘与地理信息学院，兰州 730070；2.中国科学院寒区旱区环境与工程研究所，兰州 730000)

1 引 言

植被变化是全球变化研究的核心内容之一。半干旱半湿润区是全球变化的敏感区，也是植被变化研究关注的焦点区[1-3]。通过分析卫星遥感获取的长时间序列的净初级生产力(NPP)或归一化植被指数(NDVI)等数据，科学家们已经基本掌握了近30年全球范围内半干旱半湿润区植被动态变化的基本特征，也明确了气候变化和人类活动是其两大主要驱动力，但是，对于两种作用的贡献率至今尚未形成公认有效的区分方法[4-6]。

植被变化特征可以在多种时间分辨率下予以考察，本研究以年内特定时段的NDVI平均值代表年度植被状态，分析其年际变化趋势。由于观测人类活动要比观测气候变化困难的多，在像元(栅格)尺度上量化植被年际变化中气候和人类因素贡献率的主流思想是：利用机理模型或者统计模型模拟植被(NPP或NDVI)对气候变化的年际响应，用模拟值随年份的趋势变化量来衡量气候因素的作用，用实际值和模拟值差值的趋势变化量来表达人类因素的作用。其具体实现方法又有两类：一类可称为“潜在剩余法”[7-10]，另一类可称为“回归残差法”。“回归残差法”模拟的是假定人类活动保持稳定情形下气候条件所决定的植被动态，比潜在植被动态更加接近于现实存在，而且模型相对简单实用，不需要地形、土壤和植被类型等空间异质因子数据。因此，该方法在当前研究中比较流行[11-17]。然而，现有“回归残差法”存在混淆气候变化和人类活动作用内在缺陷[18]，气候变化的趋势性越强，人类驱动作用就越容易被错误地识别为由气候变化所致。本研究在提出一个能够克服上述缺陷的“去趋势回归残差法”的基础上，研究近15年黄土高原西北部植被变化中气候和人类因素的贡献率。

2 研究区和数据

2.1 研究区概况

本文的研究区选择了黄土高原西北部，包括了宁夏回族自治区全部、甘肃省中东部、陕西省北部，以及内蒙古自治区南部部分地区(图1)。该区自西北向东南由干旱、半干旱过渡为半湿润气候带，主要的生态和环境问题也由荒漠化过渡为水土流失。由于人类对土地的不合理利用，特别是草地过度放牧和陡坡地开垦，导致荒漠化和水土流失进一步加剧。为了改善该区的植被覆盖，治理土地退化，中国政府投入了大量的人力、物力和财力，尤其是自1999年开始实施了退耕还林(草)等大规模植被建设[19-20]。同时，研究区内降水年际变异大，气温持续升高，对植被活动产生着深刻影响[21]。为了客观评价该区植被恢复和水土保持效果，迫切需要明确气候变化和人类活动在植被动态中的贡献率。

2.2 数据准备

遥感影像数据。本研究使用SPOT VEGETATION(VGT)NDVI数据，下载自http：//free.vgt.vito.be网站，空间分辨率0.009°(约1km)，时间分辨率为10日，从1998年4月至2012年12月共计531幅影像。该数据已经过几何精纠正、辐射校正、大气校正等预处理，且采用最大值合成(MVC)算法进一步减小了云、大气、太阳高度角等的影响[22]。本研究对该数据做了如下处理：首先，将记录的DN值换算为原始的NDVI；其次，为减小数据量，将NDVI数据集重采样到0.07°(约8km)空间分辨率。

气候数据。原始气候数据为1997年～2012年研究区及周边48个地面气象观测站的月降水量和月平均气温记录，来源于http：//cdc.cma.gov.cn。为了与VGT NDVI进行集成分析，在ANUSPLIN4.0软件中对降水和气温记录进行空间内插生成0.07°空间分辨率的栅格数据集。内插过程中使用了GTOPO30数字高程模型(DEM)。

3 研究方法

3.1 变量选择和时滞分析

对于黄土高原地区，识别植被覆盖变化的主要目的之一是揭示其水土流失动态，而该区水土流失与暴雨集中期(6月～8月)的植被覆盖关系最为密切。以每年6月～8月的NDVI平均值代表植被覆盖(以下记为NDVI678)。考虑的气候变量包括降水和气温。一般地，植被对气候的响应存在一定的时滞，确定时滞长度是建立植被响应气候模型的重要基础。通过计算和比较NDVI678与同期(6月～8月)及前期不同月数累积降水和累积气温的相关系数大小，逐像元确定降水和气温的最佳累积月数。

图1 研究区概况图

3.2 回归分析

3.2.1 常规回归分析

利用二元一次回归方程模拟植被对气候的响应[15，23]：

NDVI678=a*LagP+b*LagT+c+ε

(1)

式中，LagP和LagT分别代表得到的累积降水和累积气温时间序列，a、b和c为系数，ε为随机项。

3.2.2 去趋势回归分析

为了克服式(1)对气候和人类驱动作用的混淆问题[15，18，23]，提出一种“去趋势回归分析”方法。首先，对NDVI678、LagP和LagT进行去趋势处理，结果分别记为D(NDVI678)、D(LagP)和D(LagT)。去趋势的方法是，以年份对变量进行一元线性回归模拟，再用残差值加上原始数据的初期值。

其次，利用与式(1)形式完全相同的式(2)来模拟D(NDVI678)对D(LagP)和D(LagT)的响应：

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

(2)

最后，将原始LagP和LagT代入式(2)，得到NDVI678的模拟结果。

在上述去趋势回归过程中，植被和气候的变化均被视为由初值、趋势和波动3部分信号所构成。利用去除趋势而保留了初值和波动成分的植被和气候变量所构建的式(2)，其系数a′和b′与式(1)的系数a和b一样，表达的也是单位气候变化量所对应的植被变化量，常数项c′和c一样表达的也是气候变量取0值时植被变量的理论值。因此，当式(2)的系数确定之后，将未经去趋势的气候数据代入其中所得到的模拟植被时间序列，既完整包含了气候因子的作用，又彻底规避了人类活动的趋势性影响。

3.3 残差分析

利用相关系数法判断NDVI678变化趋势的方向及其显著性。若趋势显著(包括正向和负向)，则使用下面两式计算气候和人类因素在植被动态中的贡献率(分别记为Cc和Ch)：

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

(3)

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

(4)

其中，EstNDVI678和ResNDVI678分别表示NDVI678模拟值和残差的年际序列，Slope表示随年份变化的斜率。事实上，Ch=1-Cc。

若NDVI678的变化趋势不显著，继续利用相关系数检验法判断EstNDVI678变化趋势的方向及其显著性，以确定是否存在方向相反而相互抵消的气候和人类因素的作用。

上述残差分析基于常规的和去趋势的回归分析结果来进行，分别称为常规回归残差法(以下记作RR法)和去趋势回归残差法(以下记作DRR法)。

4 结果分析

图2是RR法和DRR法对气候和人类因素贡献率识别结果的对比图。其中，a和d为植被(NDVI678)显著增强区，b和e为无显著变化区，c和f为显著减弱区；a，b和c为RR法识别结果，d，e和f为DRR法识别结果。

在植被显著增强区：RR法识别的Cc≥50%(Ch≤50%)的面积比例为11.9%，主要位于陕西省的榆林、横山、靖边、子洲、米脂和佳县，以及内蒙古自治区乌审旗和鄂托克旗的接壤地带；10%≤Cc<50%(50%150%)栅格，主要分布在宁夏的西吉、固原等县。总体而言，DRR法和RR法都认为近15年西北黄土高原的植被活动增强以人类因素引发为主、气候变化的作用较弱。但是，RR法识别的人类贡献率较低，约76%；DRR法识别的人类因素贡献率更大，达到92%。

在植被无显著变化区内：RR法识别出在内蒙古自治区杭景旗及周边零星地方存在EstNDVI678增加现象，这些地方的气候变化有利于植被发育，但被破坏性人类活动的加剧所抵消；在甘肃省的榆中、皋兰、白银和靖远以及宁夏自治区的西吉、海原和固原等3县的少量地方存在EstNDVI678显著降低现象，这些地方的气候变化不利于植被活动，但人类为恢复植被做出了艰巨努力。较之RR法，DRR法识别出的EstNDVI678显著增加像元数有所减少，EstNDVI678显著降低像元数略有增加。也就是说，DRR法认为人类活动对植被的负向作用更少一些，正向作用更多一些。

对于NDVI678显著减弱区而言，RR法识别的气候变化和人类活动的作用大小相当，DRR法识别的气候贡献率小于人类贡献率，分别为40%和60%。

图2 RR法和DRR法的结果对比

5 结论与讨论

5.1 结果的可靠性分析

一方面，气候和人类贡献率计算结果的直接验证有相当难度[24-25]。另一方面，虽然RR法主要被用于监测以放牧为主要人类活动的半干旱区草地退化，但也适用于本研究的目标区域——黄土高原西北部，因为该区域也属于半干旱气候带，具备使用RR法的前提条件——气候尤其是降水的年际变异及其植被响应非常明显，尽管区内人类活动的表现形式要比纯牧区复杂得多。周洪建等[16]和Zhou等[26]针对陕西省退耕还林草效果评价的研究已经证明了RR法在黄土高原大部分地区具有很好的适应性。鉴于此，这里只验证DRR法比RR法的计算结果更加可信。

以植被显著增强区为例。从DRR计算的Ch中减去RR计算的Ch，结果图层中的局部高值像元相比其邻居像元应当具有更加明显的人类积极作用的地表迹象。把该图层在Google Earth叠加显示，选择了一个局部高值像元。该像元处于兰州以南山区，属严重水土流失区。放大显示(图3)，发现该像元内退耕地较多。2013年8月28日实地调查确认了图中红色多边形标示的地块均为退耕地。与当地居民的问询得知，该区域在国家退耕还林还草政策实施初期就有大量土地退耕，农业生产压力有所减轻。相反，在上述两个像元的邻域像元中，可寻找到的类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。

图3 一个用于验证DRR法可靠性的像元对应的Google Earth影像

5.2 未来的工作

DRR法与RR法相比优势明显，但与后者一样，仍然面临着其他原因造成的诸多不确定性。后续研究内容至少包括以下两个方面：①考虑植被响应气候的分布式滞后。本研究中对时滞现象的处理延用了常见的累积求和办法，这种处理忽略了现实世界中普遍存在的滞后的季节性特征[27-28]。②考虑相对湿度、风速和太阳辐射等气候因子的作用。尽管降水和气温是干旱半干旱区植被动态的主要气候控制因子，但其他气候因子的作用也不应被完全忽略。需要特别指出的是，近年来有不少研究证明，大气CO2浓度升高能够明显促进干旱半干旱区植被光合作用、提高植被生产力[29]。然而，由于大气CO2浓度变化的趋势性极强而年际波动很小，DRR法和RR法均难以将其作用从植被动态中有效分离出来。对解决这一问题，“潜在剩余法”比“回归残差法”更有优势。

此外，在区分气候和人类因素贡献率的基础上，进一步区分降水和气温变化的贡献率也是重要的后续研究内容。无论DRR法还是RR法，一旦在模型中纳入了气温因子，也就具备了区分降水和气温变化贡献率的潜力。

6 结束语

就近15年黄土高原西北部植被整体增强的原因而言，人类活动变化的贡献率达到了92%，气候变化的影响成分仅占8%，且在相当一部分区域表现为负向作用。同属植被活动的显著增强区，陕西省北部和鄂尔多斯高原南部的人类对植被恢复的积极作用是在气候变化比较有利的条件下所获得，而甘肃省和宁夏回族自治区接壤地带的人类对植被恢复的促进作用是与不利的气候变化进行斗争的成果。同属植被活动的无显著变化区，在甘肃省中部的榆中、皋兰、白银、靖远及其宁夏南部的部分县域内，存在气候变化的负向驱动和人类因素的正向驱动相互抵消现象，而在内蒙古自治区的杭景旗及其他零星地方，气候变化的正向作用和人类因素的负向作用彼此抵消。

从方法层面来看，本研究提出的DRR法虽然仍存在诸多局限性，但与传统的RR法相比，能够很好地克服后者混淆气候和人类驱动作用的问题，在未来的同类研究中具有良好的应用前景。

[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，FURRER 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，陈晋.基于遥感的草原退化人类因素影响趋势分析[J].植物生态学报，2006，30(02)：268-277.

[16] 周洪建，王静爱，岳耀杰，等.人类活动对植被退化/恢复影响的空间格局——以陕西省为例[J].生态学报，2009，29(09)：4847-4856.

[17] 孙建国，王涛，颜长珍.气候变化和人类活动在榆林市荒漠化过程中的相对作用[J].中国沙漠，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，吕一河，等.生态恢复背景下陕北地区植被覆盖的时空变化[J].应用生态学报，2010，21(08)：2109-2116.

[20] 信忠保，许炯心，郑伟.气候变化和人类活动对黄土高原植被覆盖变化的影响[J].中国科学(D辑：地球科学)，2007，37(11)：1504-1514.

[21] 李双双，延军平，万佳.近10年陕甘宁黄土高原区植被覆盖时空变化特征[J].地理学报，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，陈晋，等.锡林郭勒草原生态恢复工程效果的评价[J].地理学报，2007，62(05)：471-480.

[24] 许端阳，李春蕾，庄大方，等.气候变化和人类活动在沙漠化过程中相对作用评价综述[J].地理学报，2011，66(01)：68-76.

[25] 许端阳，康相武，刘志丽，等.气候变化和人类活动在鄂尔多斯地区沙漠化过程中的相对作用研究[J].中国科学(D辑)，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.