黄河中上游植被覆盖与人类活动强度的时空动态演化

温小洁, 姚顺波

(西北农林科技大学资源经济与环境管理研究中心，陕西 杨凌 712100)

黄河是中国第二大河流,流经地域广且自然条件复杂，具有生态脆弱性及不稳定性[1-2].而黄河中上游作为整个黄河流域的主要组成部分，其生态环境质量直接决定了下游地区的环境状况.虽然自然条件对生态系统有着最为直接的影响，但随着社会经济的快速发展，人类活动对自然环境的干预程度不断加大[1-4]，其产生的作用及影响都是不容忽视的.植被作为全球气候变化和人类活动变化的指示灯[5-9]，是生态系统恢复及改善的关键环节，因而植被覆盖的时空变化可直观反映国家环境保护工程的生态效果，同时也能体现出人口增长、经济发展对生态系统带来的压力[10-11].

为衡量人类活动对生态环境的干扰程度，文英最早提出人类活动强度的概念[12]，并认为人类活动强度评估体系必须从自然、经济、社会三方面考虑.有关人类活动强度的研究方法大致分为两类：(1)是从人类活动强度对自然环境的影响结果入手[13-19]，根据研究区域土地利用状况进行实证分析；(2)从人类活动强度对自然环境的影响过程入手，分析人类活动在水土流失、土地荒漠化[20]等问题产生过程中的作用机制.第1类研究方法具有较强的问题导向性，区域特色明显，但主观性强，不具有普适性[19,21]；而第2类方法由于要考虑问题产生的全过程，往往会得到一个庞大的指标体系，这不仅加大工作量，而且还会淡化主要指标[21]，导致评估结果出现偏差.

综合这两类研究方法的特征，本文利用陆地表层人类活动强度(human activity intensity of land surface, HAILS)的概念及计算方法[19]，根据黄河中上游的地域特点，调整人类活动强度具体赋值方法，同时加入其它社会经济指标[22]，在强调主要指标的同时，兼顾其它指标对植被覆盖变化的影响，构建出涉及自然、社会与经济三方面的人类活动评估体系.本文基于MODIS-NDVI数据，利用趋势分析法对2000—2015年黄河中上游植被覆盖的时空变化进行分析，再通过残差分析法分离自然因素和人类活动对NDVI的贡献度，并将人类活动评估体系引入植被覆盖驱动力研究，与NDVI残差值进行回归分析，分析具体社会经济因素对植被覆盖的贡献度；重点关注植被覆盖与人类活动强度的动态演化过程，多维度地评估人类活动对植被覆盖变化的影响，为黄河流域生态治理提供一定的参考依据.

1 研究区概况

黄河中上游作为黄河流域的重要组成部分，在地理位置及生态保护上具有十分重要的战略意义.流经黄土高原地形区，地势呈西北高东南低.气候既受经、纬度的影响，又受地形的制约，具有典型的大陆性季风气候特征，夏季炎热多雨，冬季寒冷干燥.该区域多以土质疏松的黄土覆盖，并受到降水集中、毁林开荒、城市建设等因素的影响，成为我国典型的生态环境脆弱区.在行政单元上，以黄河流域中上游地区的陕甘宁为主要研究区域，共涉及144个县(市).

2 研究方法

2.1 数据来源及预处理

归一化植被指数(normal difference vegetation index, NDVI)可有效监测植物生长状态及覆盖范围，与植被覆盖密度具有高度线性相关关系，因而被广泛应用于植被覆盖变化研究[3-9].NDVI数据来源于地理空间数据云的中国500 m月合成产品，计算方法：取月内最大值.时间跨度：2000—2015年，共16年.考虑到不同月份太阳高度角、大气运动及云层厚度对NDVI值产生的影响，本文借助ArcMap 10.2软件采用最大合成法(MVC)保留研究年份内的最大月NDVI值，并以研究区域行政图为掩膜裁剪出研究所需的NDVI数据.

采用中国气象数据网(http://data.cma.cn/site/index.html)，运用插值法得出研究区域各县(市)的气象数据.高程数据来源于地理空间数据云，空间分辨率为90 m×90 m.社会经济数据来自源于文献[23]，部分缺失数据通过陕甘宁三省统计年鉴加以补充.土地利用类型数据由中国科学院资源环境科学数据中心提供.

2.2 一元线性趋势分析法

一元线性趋势分析法是在ArcMap 10.2软件支持下，通过一元线性回归法，计算出反映2000—2015年黄河中上游植被覆盖时空变化趋势的斜率值.其计算公式表示如下：

(1)

式中，slope表示研究区域144个县(市)年NDVI值的斜率.n表示所研究年份的时间跨度，本文时间跨度n=16.t表示1～16的年序号.NDVIt表示第t年的NDVI值.slope>0，表示在所研究时段内研究区域植被覆盖变化呈增长趋势；slope<0，表示植被覆盖变化呈减少趋势；slope=0，表示植被覆盖基本不变.slope的绝对值越大，表示植被覆盖变化越明显.根据slope的变化斜率及其范围，可将研究区域的NDVI变化趋势划分为退化、基本不变及改善3个等级，并统计每个等级所占的像元个数和百分比.

2.3 残差分析

植被覆盖时空变化不仅受到自然因素的影响，而且与人类活动密切相关.通过残差分析法可将自然因素与人类活动对NDVI的贡献程度分离开[4,8]，剔除自然因素对NDVI的影响，可更准确地反映人类活动在NDVI时空变化中起到的作用，多采用气温、降水、地形等因素来反映植被生长的水热条件[4-9].首先以县域数据为统计单元，对2000、2010及2015年3期的NDVI值与年均气温、年均降水量、平均高程及坡度4类自然因素进行多元线性回归，模拟每个像元3期的NDVI回归值；将这部分NDVI的拟合值视为实际观测NDVI值的自然因素贡献部分，而将NDVI实际值与NDVI回归值的残差视为人类活动对NDVI实际值的贡献部分.由于社会经济数据的缺失，在进行残差分析时，仅用103个县(市)统计数据.以上操作均在stata13中实现.自然因素回归方程表示如下:

(2)

残差表达式为：

(3)

式中，σy表示y年的NDVI残差值，即人类活动对NDVI的贡献部分；NDVIy表示y年的NDVI实际观测值.

人类活动回归方程表示如下：

σy=β1Xy5+β2Xy6+β3Xy7+β4Xy8+β5Xy9+μ

(4)

式中，Xy5表示第y年研究区域各县(市)的人类活动强度；Xy6表示第y年研究区域各县(市)的退耕还林(草)政策实施情况；Xy7表示第y年研究区域各县(市)的年末人口总数；Xy8表示第y年研究区域各县(市)的农业机械总动力；Xy9表示第y年研究区域各县(市)的GDP.β1、β2、β3、β4、β5和μ为该回归方程的待定系数.

另外，通过残差分析可以进一步分离出自然因素与人类活动对NDVI的综合贡献度.人类活动对NDVI的综合贡献度为：

CH=|σy|/NDVIy×100%

(5)

自然因素对NDVI的综合贡献度为：

CN=1-CH

(6)

2.4 人类活动强度

HAILS是一种根据土地利用类型来判断人类对生态环境干扰程度的指标.其具体的计算方法是利用土地利用类型数据，以建设用地当量(construction land equivalent, CLE)[19]为基本度量单位，将所有土地利用类型按照其对应的建设用地当量折算系数(conversion index of construction land equivalent, CI)换算成建设用地当量，再求出建设用地当量总和占研究区域总面积的百分比，从而得出2000、2010和2015年3期黄河中上游144个县级单元的人类活动强度.由于黄河流域地理位置具有特殊性，在建设用地当量折算系数的赋值过程中，充分考虑国家实行退耕还林(草)政策及其他水土保持工程措施，因而林地中二级分类的林地、灌木林与疏林地以及草地等土地利用类型特征值以零赋值，即默认这部分土地利用类型的人类活动干扰度为零，从而得到适合黄河中上游地区的不同土地利用类型建设用地当量折算系数汇总表(表1).

表1 建设用地当量折算系数汇总Table 1 Summary on conversion coefficients of land with different utilities

人类活动强度计算公式表示如下[19]：

(7)

(8)

式中，HAILSi为第i个县级单元人类活动强度；SCLE-i为第i个县级单元建设用地当量面积；Si为第i个县级单元区域总面积；SLij为第i个县级单元第j种土地利用类型的面积；CIij为第i个县级单元第j种土地利用类型的建设用地当量折算系数；m为第i个县级单元土地利用类型的总数.

3 结果与分析

3.1 NDVI空间变化特征

从图1可见，黄河中上游地区的NDVI值整体呈现出由东南向西北逐步减小的趋势.同时，NDVI值为0.5～0.6的分界线与我国400 mm等降水量线基本一致，由此可知降水对本研究区域植被覆盖变化的重要作用，它决定了植被覆盖程度的基本划分.同时，由于纬度与地形的差异性及人类活动的影响程度不同，在局部地区又呈现出“NDVI大小值相间”的特点.

图1 黄河流域中上游地区2000—2015年NDVI空间分布Fig.1 Spatial distribution of NDVI in the middle and upper reaches of the Yellow River basin from 2000 to 2015

结合研究区域的县级地图可知，陕西NDVI的高值地区主要集中在形如两片“肺叶”的以黄陵县和黄龙县为主的地区，以及关中平原部分地区.黄陵县气候条件优越，属于中温带大陆性季风气候，人文历史资源丰富.而黄龙县属陕西秦岭以北不可多得的半湿润暖温带气候.两者均因为得天独厚的气候优势，成为陕西省重要林区，森林覆盖率高达70%以上.而关中平原因高度发达的农耕文明使得植被覆盖度处于较高水平.宁夏NDVI的高值地区集中在有“塞北江南”之称的河套平原区.研究区域的西北部NDVI高值区为甘肃省天祝藏族自治县，该自治县植被覆盖率较高.西南部分NDVI高值区由玛曲县、碌曲县、迭部县、夏河县等13个县组成，由于日照充足、多风雨，植被覆盖率偏高.NDVI低极端值多分布在研究区域的西北及北部地区，这些区域往往降水量少且蒸发量大，生态环境脆弱，不适宜林草生长，并存在土地荒漠化问题.

3.2 NDVI时间变化趋势

根据一元线性趋势分析法，slope的取值为-0.030 9～0.050 8，并以0为分界点.利用ArcMap将slope值进行重分类，划分为退化、基本不变及改善3个等级(表2)，得到黄河流域中上游地区2000—2015年植被覆盖的变化趋势(图2).其中slope为负值的区域，是植被退化区，占研究区域的3.65%，主要分布在经济发展程度高且发展速度快的陕西西安、渭南及宝鸡市辖区.另外，宁夏银川市辖区与甘肃玛曲县的退化区域多以零星点状分布，主要退化原因是城镇化的深入发展,但在人类活动强度图(图3)上未发生明显改变；植被改善区域占研究区域的31.12%，主要位于陕西榆林、延安地区，甘肃东南部及宁夏南部地区.改善原因主要是退耕还林(草)及其他水土保持工程加速了植被恢复及生长.植被覆盖基本不变的区域占研究区域的65.22%(包括大部分NDVI高值区域)，说明这些地区植被覆盖状况好是由于其自身自然条件优越，而非后天人类改造.总体来看，植被覆盖情况有所改善，但同时存在生态恢复与生态恶化并存的现象.

表2 黄河流域中上游地区2000—2015年植被覆盖变化趋势的等级划分Table 2 Classification of NDVI variations in the upper and middle reaches of the Yellow River basin from 2000 to 2015

3.3 NDVI与人类活动的回归分析

为了更好地分析人类活动强度对NDVI的影响，通过赤池信息准则(akaike information criterion, AIC)检验及Hausman内生性检验，最终引入退耕还林(草)政策、人口、农业机械总动力及GDP作为控制变量，建立涉及自然、社会、经济三方面内容的指标体系，在追求模型简洁性的同时保证解释变量的准确性与完整性.选择政策作为控制变量主要原因是研究区域在退耕还林(草)政策实施中的战略地位十分重要，而农业机械总动力代表农业机械化水平，对以耕地为主的植被覆盖变化产生重要影响，因而也将其作为控制变量.本文默认政策变量为分类变量，将实施退耕还林(草)的县(市)赋值1，而不实施该项政策的赋值0.值得注意的是，人类活动残差分析模型并未考虑到是否存在二阶及以上非线性部分对结果产生的影响.本文利用连接检验排除非线性部分存在的可能，以确保模型的适用性.在进行拟合回归时除了被解释变量NDVI及政策变量外，其余变量均进行小数定标标准化处理,以达到统一量纲的效果.

通过残差分析，将自然因素与人类活动对NDVI的综合贡献度进行分离，具体结果如表3所示.从表3可见，在该研究区域内，自然因素对NDVI的影响程度始终占据主导地位，即认为自然条件始终是影响植被覆盖的关键因素[4].其综合贡献度从2000年的75.308%上升到2015年的90.807%，而人类活动对NDVI的综合贡献度由24.692%下降到9.193%.说明在植被覆盖的生长过程中，自然因素对植被的天然调节作用愈加突显.同时，若仅从综合贡献度考虑，虽然我国经济社会仍处于快速发展阶段，人类活动强度逐步加大，但人类活动对NDVI的综合干扰程度并未因此增大.在此基础上，将自然因素与人类活动进行细分，深入探讨各影响因素对NDVI的具体贡献度.由于自然因素数据的局限性，直接将年均降水量、年均气温、平均高程、平均坡度4类自然因素与2000、2010及2015年3期NDVI实际值进行混合回归.由自然因素的回归分析结果(表4)可知，年均降水量、年均气温及平均高程均在1%的显著性水平下显著正相关，NDVI值整体呈现出由东南向西北逐渐减小的变化趋势(与降水量变化规律一致).

表3 自然因素与人类活动对NDVI的综合贡献度Table 3 The comprehensive contribution degree of natural factors and human activities to NDVI

表4 NDVI与自然因素回归结果分析1)Table 4 Regression analysis between NDVI and natural factors

1)***、**、*分别表示在1%、5%、10%的显著性水平下显著.

从表5可知，选择效果最优的固定效应模型将NDVI残差值与HAILS、政策、人口、农业机械总动力及GDP进行回归，结果显示组间相关系数达到0.807 6，说明本研究选择的人类活动因素与NDVI具有较高相关度，也进一步证明了人类活动强度这一指标在植被覆盖变化驱动力分析中的可操作性.其中，人类活动强度通过1%的显著性水平检验，且相关系数为-1.694 4.说明HAILS对NDVI具有显著的负相关性，即HAILS值越大，NDVI值越小.政策在1%显著性水平下显著正相关.其余3项指标结果不显著.具体回归结果如表6所示.

为进一步探讨植被覆盖与人类活动强度的动态演化过程，通过ArcMap的重分类功能，将计算得到的人类活动强度按照自然断裂法划分为低、较低、中等、较高、高5个等级(表7)；并结合县域行政图，将2000、2010及2015年3期的人类活动强度变化反映到研究区域行政图上(图3).

从图3、表7可见，人类活动强度等级低的县级个数保持不变，这些区域主要分布在甘肃省的西南部及天祝藏族自治县，以及森林资源较为丰富的黄龙县、黄陵县.人类活动强度等级为较低和中等的县级个数减少，而相应的强度等级为较高和高的县级个数有所增加.其中，强度等级为较高的区域主要集中在宁夏北部河套平原地区及关中平原西部，该区域植被覆盖状况较好，因此可推断这部分县(市)人类活动强度增大主要是因为耕地面积的增大，而非建设用地面积的大幅增加.而强度等级高的地区集中在关中地区经济发展水平较高且植被覆盖退化的西安、渭南、宝鸡市辖区及周围县(市).

表5 回归模型设定Table 5 Setup of regression model

从图1、3可知，NDVI空间分布与人类活动强度等级划分具有较高的相关性.表现为NDVI高值区大多是森林资源丰富而人类活动强度偏低的县(市)以及农业较为发达的人类活动强度偏高的关中平原与河套平原.而NDVI低值区主要集中在经济发展水平高、发展速度相对较快且人类活动强度较高的市辖区及周围县(市).

由图2可知，2000—2015年NDVI的退化区域主要集中在宁夏河套平原以及陕西关中平原.而2000—2015年HAILS的高值区域也主要集中在这2个地区，并且其周围县(市)的HAILS值也在逐步增加.二者呈现出较为同步的动态响应过程，即当经济活动越强时，植被覆盖退化的可能性更大；当农业发展加快、耕种规模不断扩大时，植被覆盖度呈现增长趋势.同时，在退耕还林(草)等生态工程实施下，植被覆盖呈现改善趋势，且人类活动强度增大速度也会减缓.

变量类型变量名称回归系数及显著性水平混合回归随机效应模型固定效用模型解释变量HAILS0.185 7***-0.044 7-1.694 4***控制变量政策0.153 3***0.157 4***0.162 8***控制变量人口-0.128 8**-0.028 6-0.009 2控制变量农业机械总动力0.000 50.006 7-0.000 3控制变量GDP-0.140 6***-0.118 20.000 0统计量 R20.474 70.444 40.807 6统计量 F统计量105.560 0109.550 0146.840 0

1)***、**、*分别表示在1%、5%、10%的显著性水平下差异显著.

表7 黄河流域中上游地区人类活动强度指标等级划分Table 7 Classification of HAILS in the upper and middle reaches of the Yellow River basin

4 小结

本研究结果表明：(1)黄河中上游地区的植被覆盖整体呈现出由东南向西北逐步减少的趋势，且存在与我国400 mm等降水量线基本一致的分界线，充分体现了降水在植被覆盖变化中的重要作用.

(2)植被退化区占研究区域的3.65%，主要分布在经济发展程度较高的市辖区，如西安、渭南、宝鸡及银川等；植被改善区域占研究区域的31.12%，主要分布在陕西北部、甘肃东南部及宁夏南部地区；植被覆盖基本不变的区域占65.22%，其中包括大部分植被覆盖状况较好的区域.总体来说，植被覆盖状况有所改善，但同时存在生态恢复与生态恶化的现象.

(3)植被覆盖状况较好的区域大多是森林资源丰富且人类活动强度指数水平偏低的县(市)以及农业较为发达且人类活动强度指数水平偏高的关中平原与河套平原；植被覆盖状况较差的区域主要集中在经济发展水平高、发展速度相对较快且人类活动强度指数较高的市辖区及周围县(市).

(4)当经济活动越强时，植被覆盖退化的可能性越大；当农业发展加快、耕种规模不断扩大时，植被覆盖度呈现增长趋势；同时，在退耕还林(草)等生态工程实施下，植被覆盖会呈现改善趋势，且人类活动强度增加速度也会减缓.

(5)具有等级较高的人类活动强度且以城建发展为主的地区植被覆盖度低，但随着社会经济的发展及环境政策的落实，存在城市化建设不断深入与植被覆盖状况逐步改善同步发生的现象.