图1 黑河下游地理位置及地貌概况
Fig. 1 Geographical location and geomorphological overview of the lower reaches of the Heihe River
北京大学学报(自然科学版) 第61卷 第6期 2025年11月
Acta Scientiarum Naturalium Universitatis Pekinensis, Vol. 61, No. 6 (Nov. 2025)
中国地质调查项目(DD20240705, DD20242037)和自然资源综合调查指挥中心科创基金(KC20220010)资助
摘要 以中国西北干旱区的黑河下游地区为研究对象, 基于 2000—2022 年的 MOD13Q1-NDVI 数据, 结合同期温度和降水数据, 深入探讨气候变化背景下该地区植被覆盖度(FVC)的时空变化特征及对气候变化的响应机制, 获得以下结果。1)黑河下游地区植被覆盖度总体上呈现缓慢的波动上升趋势, 显示出逐渐趋于改善和恢复发展的态势。然而, 该地区植被覆盖度整体水平仍然较低, 核心绿洲区的植被生态稳定性相对较弱, 极易受气候变化和人类活动影响, 表现出较高的生态脆弱性。2)黑河下游的气候变化既受全球气候变化大背景影响, 又具有区域气候变化的局地特殊性。气温呈明显变暖趋势, 且升温幅度存在明显的波动性; 降水量呈略微减小的趋势, 年际变化极不稳定, 气候干旱趋势显著, 导致植被衰退风险进一步加剧。3)植被覆盖度总体上与气温和降水量弱相关, 表明气温和降雨量对区内植被覆盖度有一定的影响, 但并非主控因子。植被覆盖度还受到地表水、地下水和土壤水含盐量等多种因子的共同影响和制约。
关键词 植被覆盖度(FVC); 干旱区; 气候变化; 动态演变; 生态响应
全球气候变化是当前世界面临的重大挑战之一, 其对地球生态系统的影响日益凸显, 成为全球关注的焦点[1–2]。作为对气候变化最敏感的区域之一, 干旱区生态系统的稳定性和可持续发展正遭受严重的威胁[3–4]。植被是陆地生态系统的重要组成部分, 通过与土壤、水分和大气的相互作用, 直接参与物质循环和能量流动过程, 对维持地表生态系统平衡具有重要作用。植被覆盖度(fractional vege-tation cover, FVC)是衡量地表植被覆盖状况的综合量化指标[5–6], 也是研究植被覆盖状况变化的关键参数[7]。在全球气候变化背景下, 植被生长环境的变化将对植被覆盖度产生重要影响[8]。研究表明, 植被对气候的变化十分敏感, 是气候变化和生态环境的指示器[9–10]。特别是在干旱区和半干旱区, 气候变化对植被生长的影响尤为显著[11–12]。在中国西北干旱区, 气候变化对植被生长的影响已引起广泛关注。研究表明, 该地区的植被覆盖度将在不同程度上受到气候变化的影响, 进而导致区域植被生态系统功能的改变[13–15]。因此, 研究气候变化背景下中国西北干旱区植被覆盖度的时空变化特征, 不仅有助于应对全球气候变化, 还对区域生态环境的保护具有重要的理论意义和实际意义。
随着遥感技术的持续发展, 长时间序列的卫星遥感影像已成为监测植被覆盖度动态变化的重要手段[16–18]。归一化植被指数(normalized difference ve-getation index, NDVI)通过测量近红外波段(植被强烈反射)与红光波段(植被吸收)反射率的差异来量化植被覆盖状况。研究表明, NDVI 与绿叶密度呈线性关系或近似线性关系[19–21]。特别是基于时间序列的 NDVI 数据, 能够有效地反映陆表植被覆盖度的时空变化趋势, 因此被视为植被覆盖度变化的最佳指示因子, 并在相关研究中得到广泛的应用。近年来的研究表明, 中国陆地植被 NDVI 整体上呈显著增加趋势[11,22]。然而, 在内陆干旱区, 植被覆盖度的平均水平相对较低, 且增长速度明显滞后于其他区域[22–23]。在全球气候变化背景下, 中国西北地区的气候表现出显著的变暖趋势, 其程度逐渐增强, 而湿化趋势呈现显著的非线性增强特征[24–25]。气温升高和降水增加为植被生长提供了有利条件, 进而促进植被覆盖度的增加。地表环境的变化主要受气候系统控制, 其中温度和降水是驱动西北地区暖湿化气候的直接要素, 也是影响植被动态变化的关键因素[26–27]。
黑河是中国西北地区第二大内陆河, 发源于青藏高原东缘的祁连山脉, 流经甘肃和内蒙古等地, 最终注入居延海。作为中国青藏高原生态屏障和北方防沙带的关键地带, 黑河流域具有极为重要的战略地位[28–29]。黑河下游地区属于典型的内陆干旱气候, 降水稀少, 气候极度干旱, 土地荒漠化严重, 植被覆盖度低, 生态系统极为脆弱, 对气候变化最为敏感[30–31]。黑河下游地区天然林草植被是阻挡风沙侵袭、保护生态的第一道屏障, 也是重要的生态缓冲带, 其生态功能对维护中国西北地区和华北地区的生态安全具有深远的影响[32–34]。
本研究聚焦于气候变化背景下黑河下游植被覆盖度的时空变化及对气候变化的响应机制, 利用2000—2022 年的 MOD13Q1-NDVI 数据, 结合同期温度和降水数据, 系统地分析长时间序列植被覆盖度的时空动态变化特征及其演变趋势, 揭示植被覆盖度对温度和降水的响应关系, 旨在厘清干旱区植被覆盖度变化与全球气候变化的内在联系, 预测气候变化对生态系统的影响, 并为制定适应性措施提供科学依据。
研究区额济纳旗(经纬度为 39°52′—42°47′N, 97°10′—103°7′E)地处内蒙古自治区西端, 其东南部与阿拉善右旗相连, 西部和西南部与甘肃省毗邻, 北部则与蒙古国接壤。该区域海拔高度介于 898～ 1598m之间, 总面积为 11.46 万 km2 (图 1)。研究区属于典型的温带大陆性干旱气候, 具有干旱少雨、蒸发量大、日照充足和风沙频繁等气候特征。该区域年均气温为 8.3℃, 年均降水量只有 37.0mm, 年均蒸发量高达 3841.5mm, 属于极端干旱区。地貌呈现典型的干旱区空间分异格局, 主要由戈壁、低山、沙漠、河流和湖泊等地貌单元构成, 其中戈壁和沙漠占区域总面积的 78.3%以上。这种独特的地貌格局对该区域的生态系统和植被分布产生深远的影响。受严酷的气候条件和特殊的地貌特征影响, 黑河下游地区植被类型相对单一, 主要发育荒漠河岸林、荒漠灌木林和荒漠草甸等[35–36]。这些植被类型在维持区域生态平衡和防止土地荒漠化方面发挥着重要作用。然而, 受极端干旱气候的制约, 区域植被覆盖度普遍较低, 生态系统极为脆弱, 对气候的变化十分敏感。
图1 黑河下游地理位置及地貌概况
Fig. 1 Geographical location and geomorphological overview of the lower reaches of the Heihe River
本研究采用的 NDVI 数据来源于美国航空航天局(NASA)网站(http://ladsweb.nascom.nasa.gov/data/ search.html)2000—2022 年 MOD13Q1 产品数据集, 空间分辨率为 250m, 时间分辨率为 16d。为了获取23 年的年际序列数据, 采用最大值合成法对原始数据进行处理, 从而消除云层干扰, 提高数据的可靠性。本研究使用的气象数据是来自国家青藏高原科学数据中心的 1901—2022 年气温和降水量数据, 其中降水量数据采用 1km 分辨率的中国区域逐月数据集(https://doi.org/10.5281/zenodo.3114194), 气温数据采用 1km 分辨率的中国区域月最高温度数据集(https://doi.org/10.5281/zenodo.3185722)。为确保气象数据与 NDVI 数据在空间和时间上的匹配性, 将上述气象数据转换为 TIFF 格式, 并通过 ArcGIS软件进行预处理: 对月降水量数据逐月求均值, 得到年降水量数据; 对月气温数据逐月求均值, 得到年均气温数据。此外, 还对气象数据进行投影、重采样和裁剪, 为后续分析提供统一的数据基础。
1.3.1 植被覆盖度(FVC)的计算
FVC 与 NDVI 显著线性相关[37], 因此 NDVI 与像元二分模型相结合的方法可以在极大程度上弱化大气和土壤背景等因素的影响, 广泛应用于区域和全球范围内植被覆盖度的估算[38–39]。本研究采用基于 NDVI 的像元二分模型对植被覆盖度进行估算:
, (1)
式(1)中, NDVIsoil 为裸土或无植被覆盖区域的 NDVI值, 理论上接近 0; NDVIveg 为完全植被覆盖区域的NDVI 值, 理论上接近 1。
1.3.2 植被生长的稳定性分析
变异系数(Cv)是一种量化数据离散程度的指标, 常用于表示数据序列在研究时段内的变化起伏程度。通过计算研究期内植被覆盖度的逐像元变异系数, 可以揭示黑河下游植被生长的稳定性空间分布特征。计算公式如下:
, (2)
式中, FVCi 为第 i年的植被覆盖度, 
为研究期内植被覆盖度的年均值, n为监测年数。
1.3.3 植被覆盖度演变趋势分析
采用 Theil-Sen 趋势分析和 Mann-Kendall 检验方法以及 Hurst 指数方法, 分析植被覆盖度的时空变化、演变趋势和可持续性特征。
1)Theil-Sen 趋势分析和 Mann-Kendall 检验均为非参数统计方法, 两者常结合使用。用 Theil-Sen趋势分析方法计算植被覆盖度的变化趋势, 可以有效地避免数据分布不均和数据缺失问题, 抵抗少数数据异常值的干扰, 提高结果的可信度[40], 计算公式如下:
(3)
SFVC 为 FVC 的 Theil-Sen 斜率, 其值大于 0 反映 FVC呈现增长趋势, 小于 0 反映 FVC 呈现下降趋势。
Mann-Kendall 用来判断变化趋势的显著性[41]。对于时间序列{FVCi}(i=2000, 2001, …, 2022), 定义统计量 Z为
(4)
其中, S为Mann-Kendall检验的统计量,
(5)
(6)
, (7)
式中, n为时间序列的长度。统计量 Z的取值范围为(−∞, +∞), 
表示研究序列在给定的显著性水平a上存在显著的变化。
2)Hurst 指数是一种定量描述时间序列依赖性的有效方法, 用于预测 FVC 的发展变化趋势, 在植被覆盖度变化研究中应用广泛[42]。计算步骤如下:
, (8)
(9)
, (10)
(11)
, (12)
式中,x(t)为第 t 年的 FVC 值, τ 为时间序列的子区间长度,
为子区间 FVC 的均值, X(t, τ)为累积偏差, R(τ)为极差, S(τ)为标准差, c为常数, H 为 Hurst 指数。对于比值R(t ) /S(t ) @R/S, 若存在关系R(t ) /S(t )
R/S, 则说明分析的时间序列存在 Hurst 现象。H值分为 3 种: 0<H<0.5 表示 FVC 具有反持续性, H=0.5表示 FVC 为随机序列, 0.5<H<1 表示 FVC 具有正持续性。
参考尤其等[43]和郑艺等[44]对干旱区植被覆盖度的分级方案, 结合野外调查资料, 将研究区植被覆盖度划分成 4 个等级: 0≤FVC<0.05 为无植被覆盖, 0.05≤FVC<0.25 为低植被覆盖, 0.25≤FVC<0.50 为中植被覆盖, 0.50≤FVC<1.00 为高植被覆盖。通过计算, 得到黑河下游近 23 年(2000—2022 年)植被覆盖度的空间分布(图 2)。黑河下游地区低植被覆盖区域约占研究区面积的 93.37%, 主要广布于戈壁荒漠区; 中植被和高植被覆盖区域分别占研究区面积的4.18%和 1.71%, 主要位于额济纳绿洲和古日乃湖区一带。东河上段和下段、西河以及东居延海和西居延海区域植被覆盖相对较好, 东河中段及其他戈壁区植被覆盖相对较差。地处内蒙古西端的额济纳旗以荒漠和半荒漠为主, 植被生长主要靠黑河中上游的补给, 生态环境非常脆弱, 植被生态系统极易受气候变化影响。
23 年间, 黑河下游植被覆盖度总体上呈波动性缓慢上升趋势, 年际变化范围为 0.095～0.122, 平均值为 0.111。各等级植被覆盖区域面积的年际变化趋势各不相同, 中覆盖和高覆盖植被区面积均呈增加趋势, 增加速率分别为 37.14 和 24.19km2/a; 无覆盖和低植被覆盖植被区的面积呈减少趋势, 减少速率分别为 54.87 和 6.45km2/a(图 3(a))。2020—2022年 FVC 的转移矩阵分析结果表明, 中覆盖和高覆盖区的面积增加幅度最大, 分别为 854.19 和 556.37km2, 中覆盖区面积的增加主要由低覆盖区转移提供, 高覆盖区面积的增加主要由中覆盖区转移提供(图 3)。总体上, 自 2000 年黑河生态输水后, 黑河下游植被退化的趋势已明显扭转, 并逐渐改善, 恢复发展, 这与王川等[35]的研究结果一致。
利用标准差分类方法, 将研究区植被的稳定性按评价指标变异系数(Cv)划分为高稳定性、较高稳定性、中稳定性、较低稳定性和低稳定性 5 类。结果显示, 研究区大部分区域的植被覆盖度处于较高稳定性或中稳定性水平, 面积占比分别为 30.09%和43.17%, 主要分布在荒漠区的低植被覆盖区域, 与上述低植被覆盖区域面积变化速率最小的结果相符。较低稳定性和低稳定性区域的面积占比分别为15.00%和 8.71%, 主要分布在黑河下游北部区域、东河下段以及东居延海和西居延海一带(图 4)。可见, 黑河下游核心绿洲区的植被生态稳定性不强, 极易受气候变化和人类活动的影响, 植被生态表现出较高的脆弱性。
通过 Theil-Sen median 趋势分析和 Mann-Ken-dall 检验, 得到黑河流域下游植被覆盖度变化趋势的空间分布(图 5)。计算结果表明, 黑河下游植被覆盖度有所改善的区域面积为 31865.81km2, 约占53.34%, 其中呈显著改善趋势的区域面积为 19112.38km2, 占比为 31.99%, 主要分布在额济纳绿洲和古日乃湖区一带; 植被覆盖退化区域面积为 4180.50km2, 占比只有 7%, 远小于有所改善的区域。可见, 近 23 年来黑河下游植被覆盖度的变化趋势整体上以改善为主。
图2 2000, 2010 和 2022 年黑河下游植被覆盖度的空间分布
Fig. 2 Spatial distribution of FVC in the lower reaches of the Heihe River in 2000, 2010 and 2022
图3 2000, 2010 和 2022 年植被覆盖度空间分布的变化
Fig. 3 Changes in the spatial distribution of FVC in 2000, 2010 and 2022
图4 23 年间黑河下游植被覆盖度的稳定性
Fig. 4 Stability of FVC in the lower reaches of the Heihe River over the past 23 years
图5 23 年间植被覆盖度变化显著性的空间分布
Fig. 5 Spatial distribution of significant changes in FVC over the past 23 years
通过 R/S比值分析, 得到研究区 Hurst 指数的空间分布。如图 6(a)所示, 植被覆盖度变化具有持续性(H>0.5)的区域面积占比为 22.69%, 具有反持续性(H<0.5)的区域面积占比为 77.31%, 其中较弱反持续性的区域面积占比为 41.36%, 表明研究区整体上呈现弱反持续性, 即未来与过去变化趋势相反。将线性拟合斜率与 Hurst 指数进行耦合分析, 结果表明未来植被覆盖持续退化区域面积占比为 4.81%, 反持续改善区域面积占比为 55.65% (图 6(b))。我们据此推测, 未来若不采取有效的生态保护措施, 黑河流域下游一半以上的植被将面临持续退化风险。
气候变化是影响干旱区植被覆盖度变化的重要因素, 气温和降水则是最直接、最敏感的两个气候因子[44–45]。本研究利用 1901—2022 年气温和降水量逐月数据, 探讨黑河下游植被覆盖度对气候变化的响应。如图 7 所示, 近 23 年气温整体上呈明显上升的趋势, 趋势倾向值为 0.418℃/10a (通过 0.05 的显著性水平检验), 说明黑河下游地区变暖趋势明显, 与西北地区的变暖趋势一致。研究区年均降水量的变化为不明显减少趋势, 趋势倾向值为−1.195mm/10a (未通过 0.05 的显著性水平检验), 且降水量时间序列曲线波动幅度较大, 说明研究区降水量的年际变化呈不稳定的状态。近 23 年来, 额济纳地区气候趋于持续干热, 呈“暖干化”的趋势[26]。
研究区 FVC 与气温的相关系数为−0.792～0.842 (图 8(a)), 显著正相关的区域面积占比为 9.98%, 主要分布在研究区东南部和额济纳河沿岸一带, 该地区气候变暖会促进植被生长。显著负相关的区域面积占比较低(1.06%), 呈不连续的斑点状分布, 说明温度对植被生长有阈值效应, 温度升高会加剧该地区干旱, 抑制植被生长。不显著相关的区域面积占比最高(88.96%)。与气温相比, FVC 与降水量的相关性较差, 相关系数为−0.777～0.852 (图8(b))。显著正相关、显著负相关、不显著相关的区域面积占比分别为 6.94%, 0.98%和92.08%。显著正相关的区域主要分布在南部, 这些区域气候比较干旱, 植物类型以草本为主, 植被对降水量变化的响应比较敏感, 植被的生长会随降水量的增加而旺盛。显著负相关的区域呈破碎状零星散布于研究区中部, 且分布范围呈逐渐缩小的趋势。黑河下游地处干旱–极干旱气候区域, 年均降水量只有 48.03mm, 蒸发量远大于降水量, 使得极缺水地区的植被生长依赖于这种少量的降水, 导致FVC 与降水量具有正相关性。但是, 这种相关性极易被人为因素干扰, 如额济纳河附近密集的农业灌溉, 会破坏地区气候因子与 FVC的相关性。黑河下游植被覆盖度除与气温和降水量有关外, 还受地表水、地下水和土壤水的盐含量等因素影响[34,36]。上述结果表明, 黑河下游的植被生态系统依旧处于脆弱和极脆弱状态, 易受气候变化和人类活动影响。
由于独特的气候特征及环境敏感性, 干旱区对全球气候变化的响应尤为显著。在全球变暖的背景下, 干旱区的气温呈现普遍性上升趋势, 进一步加剧了干旱程度。近几十年, 干旱区气温以 0.032℃/a的速度显著上升, 并呈现加速升温趋势, 整体上表现为明显的“暖化”特征[26,46]。
相较于对气温的单向性影响, 全球气候变化对干旱区降水的影响更加复杂, 且不同的区域差异显著[26]。部分干旱区的降水量可能减少, 从而进一步加剧干旱程度; 另一些干旱区的降水量则可能有所增加。与此同时, 气候变化还会导致降水的季节差异性和强度波动性愈加显著。部分干旱区的降水可能更趋集中, 极端降水事件的发生频率明显升高, 部分地区甚至出现洪水现象; 与之相对, 非降水时段的干旱程度则进一步加剧[47–48]。
黑河下游地处中国西北高纬度干旱区, 属典型大陆性气候, 受全球气候变化的影响非常显著[49]。20 世纪 80 年代起, 特别是 1986 年以后, 该区域呈现明显变暖趋势, 但增温幅度存在波动性, 并呈现季节分异特征, 增温幅度冬季最大, 春季最小。这一特点与我国西北地区和内蒙古地区气候变化的总体特征并不完全一致。降水方面, 黑河下游的年代际变化极不稳定。20 世纪 60 年代和 90 年代的降水量高于长期平均值, 其他年代均呈减少趋势。进入21 世纪后, 该区域年均降水量呈现明显的正负交替波动现象, 相较于历史时期, 处于降水偏少阶段, 尤其 2018 年以后, 降水量呈现持续减少态势[33,50]。这表明, 尽管黑河下游气候变化受全球气候变化大背景的影响, 但其仍具有区域气候变化的局地特 殊性。
全球气候变化对干旱区的影响呈现多维度特征, 主要包括气温升高、降水减少、蒸发作用增强以及极端气候事件的频发等, 这些变化共同对干旱区的生态安全形成严峻的挑战[26,48]。因此, 未来的研究中应重点关注气候变化对干旱区的生态效应及其复杂性, 并结合区域特殊性, 提出适应性的管理策略来应对气候变化带来的风险和不确定性。
图6 黑河下游植被 Hurst 指数(a)和植被覆盖度的变化趋势(b)
Fig. 6 Hurst index of vegetation (a) and the future trend of FVC (b) in the lower reaches of the Heihe River
图7 23 年间 FVC、降水和气温变化趋势
Fig. 7 Trends in FVC, preciptation and tempreture over the past 23 years
图8 FVC 与气温(a)和降水量(b)相关系数的空间分布
Fig. 8 Spatial distribution of correlation coefficients between FVC and tempreture (a) and preciptation (b)
干旱区是全球最脆弱的生态系统之一, 其植被覆盖度的动态变化与气候变化之间存在复杂的相互作用关系。气候升高可能加速植被的蒸腾过程, 加剧植物水分胁迫; 降水量减少则会削弱土壤水分的补给能力。这些变化可能导致植被覆盖度下降, 生态系统退化, 甚至增加沙漠化风险。本文的研究结果表明, 黑河下游植被覆盖度的变化与气温和降水量整体上弱相关, 但区域内植被与气候已形成特殊的互馈机制。作为典型的极干旱大陆性气候地区, 黑河下游已适应性地形成干旱条件下的典型植物类型, 包括胡杨、梭梭和沙枣等荒漠河岸植物以及红砂、沙拐枣和泡泡刺等戈壁荒漠旱生植物[36]。随着气候不断变暖, 蒸发强度加剧, 土壤水分耗散加快, 地表植被存活风险显著提升, 部分植被生态系统从功能性衰退向结构性衰退演变(例如, 河岸林景观逐渐向灌丛和半灌木荒漠景观演变, 湿生草本逐渐被旱生植物替代)。由此可见, 气候变化对黑河下游植被生态系统已产生深刻的影响。
植被是生态系统的重要组成部分, 其覆盖度变化对区域气候具有反馈效应。这种反馈主要通过调节地表能量平衡、改变地表反射率和蒸散发等过程实现[51]。当植被覆盖度持续下降时, 地表反照率随之升高, 导致地表吸收的短波辐射量减少, 进而产生一定的降温效应。然而, 植被退化也造成地表裸露范围扩大, 蒸发增强, 进而加剧区域干旱程度。此外, 植被变化还通过蒸腾作用影响局地和区域水循环, 植被覆盖度降低可能减少蒸腾量, 进而对降水模式产生影响。需要指出的是, 植被覆盖度的变化对气温的反馈效应具有复杂性, 其内在影响机制目前尚存争议, 不过, 植被覆盖度变化对降水的影响已形成共识, 即二者的变化呈方向一致的互馈关系[24,43,52]。
本研究以中国西北干旱区的黑河下游地区为研究对象, 利用 2000—2022 年的 MOD13Q1-NDVI 数据, 结合同期的温度和降水数据, 探讨气候变化背景下植被覆盖度的时空变化特征及其响应机制, 取得的主要结论如下。
1)黑河下游植被覆盖度整体上较低, 以低植被覆盖和无植被覆盖为主, 广布于戈壁荒漠区, 其面积占比达 93%以上。中植被覆盖和高植被覆盖区大多位于河岸及居延海一带, 形成额济纳河流绿洲景观。由于 2000 年以来黑河生态输水工程的影响, 区域内植被覆盖度 23 年间总体上呈缓慢的波动上升趋势, 植被退化的趋势逐渐趋于稳定并有所改善。
2)黑河下游核心绿洲区的植被生态稳定性不强, 表现出较高的脆弱性, 极易受气候变化和人类活动影响。低覆盖区植被的稳定性普遍处于中高级以上水平, 沿河绿洲地区中高覆盖和高覆盖区的植被的稳定性大多处于较低级和低级水平。近 23 年来植被覆盖度的变化趋势整体上以改善为主, 但未来的变化呈弱反持续性, 即研究区植被面临严重的退化风险。
3)黑河下游地区的气候变化受全球气候变化影响, 具有区域气候变化的局地特殊性。黑河下游气温呈明显上升趋势, 与全球气候和我国西北地区气候变暖趋势一致, 但增温幅度具有波动性, 且季节性增温幅度与我国西北部其他干旱区有所差异。降水量整体上呈略微减小的趋势, 其年代际变化正负交替较明显, 区域气候具有“暖干化”趋势, 对植被生长造成一定的威胁。
4)植被覆盖度的变化与气温和降水量总体上弱相关, 但气温对植被覆盖度的影响稍大。气温升高会促进沿河一带植物的生长, 也会抑制荒漠旱生植物的生长。降水量增加会在一定程度上促进植物生长, 但研究区蒸发量远大于降水量, 且地表水、地下水和土壤水含盐量对植物生长的影响更大, 因此该地区极少的降水量对植物生长贡献微弱。
参考文献
[1] Yang X, Liu S, Yang T, et al. Spatial-temporal dyna-mics of desert vegetation and its responses to climatic variations over the last three decades: a case study of Hexi region in Northwest China. Journal of Arid Land, 2016, 8: 556–568
[2] 周广胜, 王玉辉, 白莉萍, 等. 陆地生态系统与全球变化相互作用的研究进展. 气象学报, 2004, 62 (5): 692–707
[3] 陈亚宁, 李稚, 范煜婷, 等. 西北干旱区气候变化对水文水资源影响研究进展. 地理学报, 2014, 69 (9): 1295–1304
[4] Mo K, Chen Q, Chen C, et al. Spatiotemporal variation of correlation between vegetation cover and precipita-tion in an arid mountain-oasis river basin in northwest China. Journal of Hydrology, 2019, 574: 138–147
[5] 穆少杰, 李建龙, 陈奕兆, 等. 2001—2010年内蒙古植被覆盖度时空变化特征. 地理学报, 2012, 67 (9): 1255–1268
[6] Sutton A, Fisher A, Metternicht G. Assessing the accu-racy of Landsat vegetation fractional cover for monito-ring Australian drylands. Remote Sensing, 2022, 14 (24): 6322–6340
[7] Almalki R, Khaki M, Saco P M, et al. Monitoring and mapping vegetation cover changes in arid and semi-arid areas using remote sensing technology: a review. Remote Sensing, 2022, 14: 5143–5168
[8] Kudrevatykh I Y, Kalinin P I, Mitenko G V. The effect of changes vegetation cover on the chemical properties of steppe soils during climate aridization. Plant and Soil, 2023, 491(1): 265–284
[9] Xu D, Yang F, Yu L, et al. Quantization of the coupling mechanism between eco-environmental quality and urbanization from multisource remote sensing data. Journal of Cleaner Production, 2021, 321: 128948
[10] Tucker C J, Slayback D A, Pinzon J E, et al. Higher northern latitude normalized difference vegetation index and growing season trends from 1982 to 1999. International Journal of Biometeorology, 2001, 45: 184–190
[11] 刘宪锋, 朱秀芳, 潘耀忠, 等. 1982—2012年中国植被覆盖时空变化特征. 生态学报, 2015, 35(16): 5331–5342
[12] 赵安周, 刘宪锋, 朱秀芳, 等. 2000—2014年黄土高原植被覆盖时空变化特征及其归因. 中国环境科学, 2016, 36(5): 1568–1578
[13] 郭永强, 王乃江, 褚晓升, 等. 基于 Google Earth En-gine 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
[14] 朴世龙, 方精云. 1982—1999 年我国陆地植被活动对气候变化响应的季节差异. 地理学报, 2003, 58 (1): 119–125
[15] 韦振锋, 王德光, 张翀, 等. 1999—2010年中国西北地区植被覆盖对气候变化和人类活动的响应. 中国沙漠, 2014, 34(6): 1665–1670
[16] Wang X, Huo A, Lyu J, et al. Dynamic changes and driving factors of vegetation coverage in the main-stream of Tarim River, China. Trans Chin Soc Agric Engineering, 2023, 39: 284–292
[17] 卫鸿飞, 张唯, 吉宸佳, 等. 基于 GEE 的阿拉善左旗植被时空变化特征及驱动因子分析. 地理空间信息, 2024, 22(2): 55–60
[18] Liu X, Tian Z, Zhang A, et al. Impacts of climate on spatiotemporal variations in vegetation NDVI from 1982–2015 in Inner Mongolia, China. Sustainability, 2019, 11(3): 768–789
[19] Chen Y, Li X, Shi P. Variation in NDVI driven by cli-mate factors across China, 1983–1992. Chinese Jour-nal of Plant Ecology, 2001, 25(6): 716–720
[20] 陈效逑, 王恒. 1982—2003 年内蒙古植被带和植被覆盖度的时空变化. 地理学报, 2009, 64(1): 84–94
[21] 赵晶, 周耀治, 邓兴耀. 西北干旱区植被覆盖时空动态特征. 林草资源研究, 2017(1): 118–126
[22] Jin K, Wang F, Han J, et al. Contribution of clima- tic change and human activities to vegetation NDVI change over China during 1982–2015. Acta Geogr Sin, 2020, 75(5): 961–974
[23] 李京忠, 辛振华, 谢潇, 等. 半干旱区植被覆盖时空变化特征及其对气候变化的响应: 以锡林郭勒盟为例. 应用生态学报, 2024, 35(1): 80–86
[24] 姜凯升, 刘宇, 刘英, 等. 西北地区植被覆盖度与气候因子响应关系探究. 测绘科学, 2023, 48(6): 172–180
[25] 易小雅, 张德全, 刘勇, 等. 2000—2020年内蒙古杭锦旗植被变化特征及其对气候要素的响应. 中国沙漠, 2024, 44(3): 51–62
[26] 丁一汇, 柳艳菊, 徐影, 等. 全球气候变化的区域响应: 中国西北地区气候“暖湿化”趋势、成因及预估研究进展与展望. 地球科学进展, 2023, 38(6): 551–562
[27] Dong Y, Yin D, Li X, et al. Spatial–temporal evolution of vegetation NDVI in association with climatic, envi-ronmental and anthropogenic factors in the loess pla-teau, China during 2000–2015: quantitative analysis based on geographical detector model. Remote Sen-sing, 2021, 13(21): 4380–4409
[28] 吴绮琦, 蒙吉军. 近40年来黑河流域三生空间格局演变及其驱动因素分析. 北京大学学报(自然科学版), 2023, 59(6): 970–980
[29] 杜可心, 张福平, 冯起, 等. 黑河流域生态系统服务的地形梯度效应及生态分区. 中国沙漠, 2023, 43 (2): 139–149
[30] 韩子言, 蒙吉军, 邹易, 等. 1982—2017年黑河流域植被指数动态及其对气候变化与生态建设工程的响应. 中国沙漠, 2023, 43(3): 96–106
[31] 胡洁, 姜成桢, 杨勇, 等. 黑河中下游植被覆盖度变化遥感监测. 测绘通报, 2021(10): 34–38
[32] 达来, 马泾菁. 黑河下游额济纳河流域生态环境现状及发展趋势. 环境与发展, 2014, 26(3): 171–174
[33] 年雁云, 王晓利, 蔡迪花. 黑河下游额济纳三角洲气候及生态环境变化分析. 干旱气象, 2015, 33(1): 28–37
[34] 董国涛, 廉耀康, 范正军, 等. 黑河生态调水后额济纳绿洲植被变化规律研究. 人民黄河, 2019, 41 (7): 5–9
[35] 王川, 张勇勇, 赵文智. 黑河下游额济纳绿洲近二十年生态输水的生态水文恢复效应. 生态学杂志, 2022, 41(11): 2180–2187
[36] 司瑞, 刘冰, 赵文智, 等. 黑河下游尾闾区植物群落物种多样性与稳定性格局. 中国沙漠, 2021, 41 (3): 174–184
[37] Gutman G, Ignatov A. The derivation of the green vegetation fraction from NOAA/AVHRR data for use in numerical weather prediction models. International Journal of Remote Sensing, 1998, 19(8): 1533–1543
[38] Huo H, Sun C. Spatiotemporal variation and influen-cing factors of vegetation dynamics based on Geode-tector: a case study of the northwestern Yunnan Pla-teau, China. Ecological Indicators, 2021, 130: 108005
[39] 沈明潭, 谭炳香, 侯瑞霞, 等. 基于地理探测器模型的珠三角植被覆盖度时空变化驱动力分析. 水土保持通报, 2023, 43(6): 336–345
[40] Yue S, Pilon P, Cavadias G. Power of the Mann-Ken-dall and Spearman’s rho tests for detecting monotonic trends in hydrological series. Journal of hydrology, 2002, 259(1): 254–271
[41] 袁丽华, 蒋卫国, 申文明, 等. 2000—2010年黄河流域植被覆盖的时空变化. 生态学报, 2013, 33(24): 7798–7806
[42] Kang Y, Guo E, Wang Y, et al. Application of tempera-ture vegetation dryness index for drought monitoring in Mongolian Plateau. The Journal of Applied Ecology, 2021, 32(7): 2534–2544
[43] 尤其, 许宝荣, 邹松兵, 等. 中国北方干旱半干旱区植被–气候响应关系特征. 中国沙漠, 2023, 43(4): 274–287
[44] 郑艺, 张丽, 周宇, 等. 1982—2012年全球干旱区植被变化及驱动因子分析. 干旱区研究, 2017, 34(1): 59–66
[45] Jiang W, Niu Z, Wang L, et al. Impacts of drought and climatic factors on vegetation dynamics in the Yellow River Basin and Yangtze River Basin, China. Remote Sensing, 2022, 14(4): 930–948
[46] Hegerl G C, Taylor K L. Last year’s summer was the warmest in 2,000 years. London: Nature Publishing Group, 2024
[47] 李明, 孙洪泉, 苏志诚. 中国西北气候干湿变化研究进展. 地理研究, 2021, 40(4): 1180–1194
[48] 张强, 杨金虎, 王朋岭, 等. 西北地区气候暖湿化的研究进展与展望. 科学通报, 2023, 68(14): 1814–1828
[49] Liu Q, Cheng P, Lyu M X, et al. Impacts of climate change on runoff in the Heihe River Basin, China. Atmosphere, 2024, 15(5): 516–530
[50] 张红丽, 韩富强, 张良, 等. 西北地区气候暖湿化空间与季节差异分析. 干旱区研究, 2023, 40(4): 517–531
[51] Li H, Zhang Y, Vaze J, et al. Separating effects of vege-tation change and climate variability using hydrologi-cal modelling and sensitivity-based approaches. Jour-nal of Hydrology, 2012, 420: 403–418
[52] 赵东升, 王珂, 崔耀平. 植被变化对气候的反馈机制及调节效应. 生态学报, 2023, 43(19): 7830–7840
Dynamic Evolution Characteristics of Fractional Vegetation Cover and Its Response to Climate Change in the Lower Reaches of the Heihe River
Abstract This study focuses on the lower reaches of the Heihe river in Northwest China’s arid region, utilizing MOD13 Q1-NDVI data from 2000 to 2022, complemented by concurrent temperature (Tem) and precipitation (Pre) records, to investigate the spatiotemporal dynamics of fractional vegetation cover (FVC) and its response mechanisms in the context of climate change. The findings reveal that: 1) The FVC in the lower Heihe river region exhibits an overall trend of slow, fluctuating improvement, indicating a gradual recovery. However, the FVC remains relatively low, with the core oasis areas displaying weak ecological stability. These regions are highly susceptible to the impacts of climate change and human activities, thus exhibiting significant ecological fragility. 2) Climate change in the lower Heihe river region is influenced by global trends while it exhibits distinct local characteristics. The region has experienced a pronounced warming trend with notable fluctuations in Tem increases. Meanwhile, Pre has shown a slight decline, characterized by highly unstable interannual variability. The increasing aridity of the climate has further exacerbated the risk of vegetation degradation. 3) The relationship between FVC changes and Tem or Pre is weakly correlated. These climatic factors have influence on FVC, but they are not the primary drivers. FVC is also significantly affected and constrained by other factors such as surface water availability, groundwater levels, and soil salinity.
Key words FVC; arid zone; climate change; dynamic evolution; ecological response
doi: 10.13209/j.0479-8023.2025.096
收稿日期: 2024–12–22;
修回日期: 2025–03–20