2001－2020 年甘南高原植被变化特征及驱动因素

王兴丽，蒋友严，张翼飞，陈记祖，敖泽建，吉哲君

（1.甘肃省甘南藏族自治州气象局, 甘肃 甘南 747000；2.兰州区域气候中心, 甘肃 兰州 730000；3.中国科学院西北生态环境资源研究院, 甘肃 兰州 730000）

植被是地球生物圈的核心与基石，是生态系统的重要组成部分[1-2]，它们在保护土壤、水源以及稳定生态系统方面发挥着重要的作用[3]，特别是在生态监测、生态风险及脆弱性评估中具有重要意义。遥感数据具有良好的时空连续性和覆盖面，被认为是研究植被演变的重要来源，利用遥感数据分析植被覆盖变化具有一定的优势[4-6]。MODIS NDVI、SPOT-VGT NDVI 和AVHRR NDVI[7-10]3 种 遥 感 数据集被学者们用来监测区域植被覆盖变化，是目前最为常见的数据源。3 种数据集各有其优势，且均存在利弊，但是MODIS NDVI 数据集因具有多通道同时观测、分辨率高、大范围观测、精度高等特点[11-12]，且该数据集已经过辐射定标、大气校正、云检测等处理，数据产品本身具有一定的质量保障，因此，在研究区域植被覆盖变化时被广泛运用[13-15]。

甘南藏族自治州境内遍布着黄河和长江的干支流，水资源蕴藏量丰富，是青藏高原上重要的水源涵养区和补给区[16]。境内植被覆盖广袤、植被种类丰富，在保护土壤、促进物种多样性、维护自然环境和生态功能安全等方面发挥着重要的作用[5,17]，作为青藏高原生态屏障中必不可少的部分，费孝通将其描述为“青藏高原的窗口”和“藏族现代化的跳板”[18]。然而，在气候多变和人类活动剧增的双重压力下，牧场退化、湿地缩减等生态问题变得更为尖锐，从而严重影响了黄河流域生态安全，乃至我国的北方[19-20]。针对甘南高原植被覆盖变化，大量学者基于遥感技术做了相关研究，主要是综合运用气象资料(气温和降水量)及物候信息，针对区域内植被类型，进行年、月际变化特征分析，以及对气候变化的响应[21-25]，且研究内容大同小异，多集中在对植被覆盖变化规律以及相关性的定性分析，而关于长时间序列的区域植被覆盖时空分布特征以及驱动因素的定量研究较少。

本研究根据2001－2020 年MODIS NDVI 数 据和研究区气象要素(气温和降水量)数据，采用最大合成法(MVC)、相关性分析、趋势分析等数学方法，分析甘南高原植被覆盖变化特征，定量评估气候影响和人类活动对NDVI 变化的作用，以期为甘南高原生态文明建设提供科学依据，为草原保护修复决策的制定提供技术支撑，以促进当地畜牧业持续稳定发展。

1 数据和方法

1.1 研究区概况

甘南藏族自治州(100°46′～104°44′ E，33°06′～36°10′ N)地处青藏高原与黄土高原过渡的甘、青、川三省结合部，境内海拔1 100～4 900 m，大部分地区在3 000 m 以上，东西长360.7 km，南北宽270.9 km，总面积45 000 km2(图1)。全州分为3 个自然类型区，南部为气候温和的岷迭山区，是全国“六大绿色宝库”之一；东部为农牧兼营的丘陵山地；西北部为广阔的草甸草原，是全国“五大牧区”之一，也是甘肃省天然牧场中自然载畜能力较高、耐放牧性最大的草地之一[26]。该区植被以亚高山草甸、湿地和山地森林为主，属于典型的气候变化敏感区和生态脆弱区[27]。

图1 研究区地理位置Figure 1 Study area location

1.2 数据说明及处理

MODIS NDVI 数据集下载于Terra 卫星搭载的MODIS 传感器采集的MODIS13A1 V6 数据集(https://www.nasa.gov/)，该卫星是由美国国家航空航天局发射的。数据空间分辨率为500 m，时间分辨率为16 d，时间覆盖范围为2001－2020 年。原始数据处理步骤为：首先，通过ENVI 软件进行异常值清除、坐标转换、数据换算、数据裁剪等得到研究区的原始影像数据；其次，通过Python 软件采用最大值合成法(MVC)，批处理计算提取2001－2020 年的月、年最大NDVI值；最后通过ArcGIS 软件提取出研究区近20 年平均最大NDVI 值，分析研究区总体植被覆盖生长变化情况。

数字高程模型(DEM)通过地理空间数据云网站(http://www.gscloud.cn/)下载，空间分辨率为30 m。利用ArcGIS 软件处理并截取本地的高程数据，然后根据自然断点法结合本地地形特征进行≤ 2 500 m、(2 500，3 000 m]、(3 000，3 500 m]、(3 500，4 000 m]、>4 000 m 分类，绘制研究区地理位置图。

土地覆盖利用分类数据采用美国国家航空航天局的MCD12Q1 数据集，空间分辨率为500 m，时间分辨率为1 年，时间覆盖范围为2001－2020 年。先通过HEGTool 软件将数据格式从HDF-EOS 转化为GeoTIFF 格式；然后进行坐标转换；再通过ArcGIS软件裁剪，得到研究区近20 年土地覆盖利用分类现状数据，分类标准采用国际地圈生物圈方案分类(International Geosphere-Biosphere Programme, IGBP)。

气象数据，首先通过天擎系统下载了研究区及其周边50 个站点2001－2020 年逐日平均气温和降水量数据；其次，对异常和缺测气象数据进行插值处理，计算提取气温和降水量的逐月、逐年数据；最后，利用ArcGIS 软件对逐年数据进行插值分析，得到研究区及周边区域气象要素的栅格数据，再经过掩膜提取法，裁剪得到所需气象数据。

1.3 研究方法

1.3.1趋 势分析

本研究采用Theil-Sen 斜率估算方法，其原理是通过计算2001－2020 年甘南高原NDVI 数据序列中两两像元之间的斜率，然后用斜率中值来描述数据序列的总体趋势。斜率计算公式如下[28]：

随着国民经济的快速发展，人民生活水平有了大幅度提高。青少年作为未来社会的重要生产力，其营养与健康关系着整个国民的健康水平。而且，青少年时期是知识增长和生长发育最为旺盛的黄金时期，其代谢旺盛，活动量大，加之繁重的脑力劳动，故对营养素的需求也很大。所以，在这个阶段养成健康的饮食习惯就显得非常重要。健康的饮食习惯不仅能保证身体所需的各种营养物质的提供和吸收，还可以杜绝不良饮食习惯给身体造成的伤害。那么青少年应该怎样做才可以养成健康的饮食习惯呢？

Manner-Kendal (M-K)突变检验法与Theil-Sen斜率估算结合，可以检验时间序列趋势的显著性[29]，公式如下[30-31]：

式中：β为所有数据对斜率的中值，Xi和Xj分别代表第i年和第j年植被NDVI 值，Median代表多年NDVI 中位数。当β> 0 时表明要素呈增加趋势；当β< 0 时表明要素呈下降趋势。

式中：对于所有j和k均 ≤n，且j≠n，Xk表示第k年植被NDVI 值；sgn 为函数符号，方差Var(S) =n(n-1) (2n+ 5)/18。当n> 10 时，通过公式计算统计量Z值：

定义统计变量：

此外，对于统计序列UFk和UBk，将二者的交点作为时间序列的突变检测点。

还可以将Manner-Kendal (M-K)突变检验用于检测时间序列的突变节点，其检测统计量Z计算公式如下：

从表可以看出，P值均为0.25，大于显著性水平0.05，卡方对应的P值具有统计显著性，通过显著水平为95%的显著性检验。卡方与自由度之比为1.622，小于2。同时，GFI接近于1，RMSEA小于0.05，以上几个指标均满足模型检验与拟合优度的要求，说明模型拟合效果较好。

UFk为标准正态分布，对于给定显著性水平α，若|UFk| >Uα/2，则表明时间序列存在明显的趋势变化，将时间序列x按逆序排列，再按照上式计算，同时使：

式中：对于3 个变量而言，Rxy,z表示在固定其中一个变量z后，另外的两个变量x和y的偏相关系数，Rxy,z取值范围为[-1.0, 1.0]。

β值与Z值结合，将变化趋势分为6 类：极显著增加(β> 0，|Z| > 2.58)、显著增加(β> 0，|Z| > 1.96)、不显著增加(β> 0，|Z|≤1.96)、极显著减少(β< 0，|Z| >2.58)、显著减少(β< 0，|Z| > 1.96)、不显著减少(β<0，|Z|≤1.96)，其中，|Z|≥1.96，2.58 时，说明该时间序列通过了置信水平为95%，99%的显著性检验。

1.3.2 相 关性分析

本研究为阐述气候因素对NDVI 的影响，将时间序列NDVI 与气象要素(气温和降水)做相关性和偏相关性分析，并采用0.05 的置信度进行t检验。计算过程如下[32-33]：

共收集到头颈部肿瘤患者100例，其中男77例、女23例，21～74岁、平均(47.78±10.69)岁，30岁以下患者7名、仅2名患者超过70岁，农村患者76名、城市患者24名。

式中：n为样本长度，͞x和͞y分别为要素n年的平均值，Rxy为两个要素之间的单一相关系数。

很快，第四次开庭的日子到了。津村洋介法官让书记官给她们各发了一个小托盘，里面有一把小巧的袖珍剪子和两张光滑的白纸。他轻敲法槌，解释道：“赵欣伯的夫人喜欢女红，恳请各位动手展示自己的才华，帮助法庭更好地判别身份。”

1.3.3 多 元 回 归 残 差 分 析

植被覆盖变化是气候影响与人类活动共同作用的结果，在探究二者对植被覆盖变化贡献时，目前常用的研究方法是多元回归残差分析法[34-35]。假设植被NDVI 变化仅受气候因素(气温和降水量)和人类活动影响，通过从实际NDVI 变化中消除气候要素的作用来分离人类活动对植被覆盖变化的贡献。具体计算过程如下[36]：

我不敢再叫了，吓得直往后退缩，一直退到墙角，蹲在那儿发抖。鼻子里像两条毛毛虫在爬，我伸手一摸，满手的血。鼻血不断线地往出涌，地上很快洇红了一大片。我仰起头，鼻血倒流，和着泪水往嗓子眼儿灌，漾起令人作呕的铁腥气。

式中：a、b、c为多元回归方程的系数，Pre为年降水量，Tem为年平均气温，NDVIpredict为回归预测值，NDVIactual为卫星观测值，NDVIcc为观测值与预测值的差值。θslope是回归方程的斜率，用来表征像元变化的趋势，当时θslope> 0，表示气候(人类活动)影响对流域内植被生长产生改善作用；当θslope< 0 时，表示气候(人类活动)影响对流域内植被生长产生抑制作用。

2 结果分析

2.1 研究区土地覆盖分类利用现状

2001－2020 年土地覆盖分类利用数据分析发现(图2)，近20 年，甘南高原林区覆盖面积整体呈增加趋势，尤其是近5 年，林区面积所占比由2016 年的17.9%增加到2020 年的20.4%；草地面积占比整体呈下降趋势，湿地、农田覆盖面积占比整体稳中有降。近3 年草地面积占比呈现陡降态势，通过ArcGIS 软件对减少明显的夏河县中北部和卓尼县东南部的草地进行属性提取发现，近3 年，一方面受人类活动影响(如植树造林、控制草地核载量等)，稀疏草原上的植被机械损伤有所减轻，使得灌木、乔木面积增加，另一方面，有利的水热条件促进林分郁闭度逐渐加大，林下草本植被的类型呈现先增加后减少的趋势[37]，使得该区域稀疏草地逐渐向林地转变，出现了草转林的结构转变。

1.1.1 试验地概况 2014年5月和8月，分别在甘肃省武威市凉州区黄羊镇牧草试验站、白银市会宁县会师镇牧草试验基地和甘肃农业大学兰州牧草试验站进行采样。样地基本概况见表1。

图2 研究区土地覆盖分类利用现状Figure 2 Land cover classification and utilization in the study area

2.2 甘南高原NDVI 年际变化特征

混合并购：混合并购是指两个经营活动不相关的企业发生的并购，目的是为了开拓别的市场，分散企业的经营风险，从而达到提升企业竞争力的效果。

图3 2001－2020 年甘南高原NDVI 时间变化、年平均以及变化趋势Figure 3 Temporal change distribution maps, annual averageand change trend of NDVI in the Gannan Plateau from 2001 to 2020

2.3 甘南高原NDVI 空间分布及变化特征

2.3.1 NDVI 的空间分布特征

2001－2020 年甘南高原植被年最大NDVI 平均值空间分布显示(图3c)，由于区域海拔差异较大，气温东高西低、降水量分布东北多西南少，受其影响，全州植被分布类型迥异，西北部主要是亚高山草甸覆盖的草地；东部主要是灌丛、针阔叶混交林和木本稀疏草地(树木覆盖率为30%～60%)覆盖的丘陵山地；南部是针叶林、落叶林、针阔叶混交林覆盖的林区，因此，NDVI 值空间分布也具有明显的地域性特征。总体而言，植被覆盖状况良好，年最大NDVI 平均值为0.79，大部分值在(0.70，0.90]，面积占比为89.56%；不到0.60 的区域约占3.5%，主要位于夏河县北部和玛曲县西北部的草地和迭部县－舟曲县的局部林区；大于0.9 的区域约占0.31%，主要位于舟曲县白龙江沿岸以及南部的林区，植被类型多为针叶林、阔叶林和针阔叶混交林。

[42]《缅甸总理吴努在国会上的讲话(摘要)》，《中华人民共和国外交部档案》，档号：105-00814-01(1)。

2.3.2 NDVI 的空间变化特征

基于Theil-Sen 斜率估算和M-K 检验方法计算得出甘南高原年最大NDVI 变化趋势(表1、图3d)。结果显示，除各县(市)城区及周边区域外，大部分地方NDVI 变化是增加的，其中增加趋势的面积占比为75.81% (包括ESI、SI、II)；呈减少趋势(包括ESR、SR、IR)的区域主要位于夏河县北部的甘加及中部的桑科湿地附近，合作市中部城区附近，碌曲县东部的贡巴，玛曲县西北的欧拉秀玛、东部曼日玛及城区附近，迭部县南部零星区域，面积占24.19%，其中显著(P< 0.05)减少和极显著(P< 0.01)减少的区域主要分布在夏河县、合作市以及玛曲县牧事活动较多的草地覆盖区和城市进程化快的城区周边区域。

表1 2001－2020 年甘南高原NDVI 变化趋势Table 1 NDVI variation trend in the Gannan Plateau from 2001 to 2020

2.4 气温和降水量对甘南高原NDVI 的影响

2.4.1 近30 年，甘南高原降水量和气温变化趋势

经过一番努力，陈妍晒出首联，虽未能标准，但我和亲友们都竖起大拇指，大加赞赏，并帮助修改，以此点燃成功的火花。终于，孩子们信心得以激发，陆陆续续憋出对联，先后晒在群里。修改如下。

采用一元线性回归方法拟合了甘南高原2001－2020 年最大NDVI 区域平均变化趋势(图3a)。结果表明，近20 年，甘南高原植被总体呈线性增长趋势，年际增长率为每10 年0.019。其中，2016 年之前NDVI 增长幅度缓慢，线性趋势仅为每年0.002 1；2016 年以后，NDVI 上升趋势明显，线性趋势达到每年0.005 6。从时间尺度上来看，近20 年，甘南高原NDVI 变化趋势反映出研究区植被覆盖呈改善趋势，表现为NDVI 区域平均值逐年增加。

基于1991－2020 年甘南藏族自治州8 个国家自动气象观测站数据，用其平均值表征区域整体的年均气温和年降水量，通过M-K 突变检验来分析气温和降水量的变化趋势。根据图4a 和图4b 得出，近30 年，甘南高原总体年均气温呈显著增加趋势(P< 0.05)，上升速率为每10 年0.35 ℃；而年降水量波动明显，其年际变化趋势并不显著，主要是受区域地形差异大、降水量空间分布极不均匀所致。在分析研究区气象要素突变点和变化趋势的显著性时，主要是借助统计量Z值和UFk、UBk的时间变化曲线图(图4c、图4d)，对于气温而言，自1995 年以后，统计量UFk> 0，表明气温整体呈增加趋势，在进入21 世纪以后，统计量UFk> 1.96，则表明气温总体上是显著增加，其中突变时间节点发生在1998年；对于降水量而言，自2003 年以后，0 0.05)，其中在2017年发生突变。

图4 1991－2020 年甘南高原气温(a)和降水量(b)变化趋势以及气温(c)和降水量(d) M-K 突变检验Figure 4 Changes in the annual average temperature (a), annual average precipitation (b), temperature M-K mutation test (c),and precipitation M-K mutation test (d) in the Gannan Plateau from 1991 to 2020

进一步对研究区内8 个国家自动气象观测站点的气温和降水量进行变化趋势和突变时间节点分析，结果发现，各站点气象要素的变化趋势与区域平均值的检验结果基本一致，近30 年，大部分站点年均气温自20 世纪90 年代后期开始增加，特别是进入21 世纪后增加趋势尤为显著，气温的突变时间节点多集中在1996－2005 年；关于降水量，近30年，除舟曲县、迭部县降水量变化水平呈不显著减少外，大部分地方降水量变化呈不显著增加趋势，且各站降水量波动大，突变时间节点各异。

2.4.2 降水量、气温和植被NDVI 的相关性及偏相关性分析

基于2001－2020 年甘南州及周边区域50 个国家自动气象观测站年均气温和年降水量数据，利用ArcGIS 软件，采用插值法，得到甘南高原气象要素的栅格数据，结合同时段NDVI 影像数据分析其相关性和偏相关性(图5)。年均气温与NDVI 值的相关性总体上是正相关作用大于负相关，其中，相关系数平均值为0.15，范围为[- 0.72，0.89]，区域内正、负相关面积占全州总面积的比值分别为72.63%、27.37%，区域内通过显著性检验的有11.85% (P<0.05)，且显著正相关占11.32%，主要分布在夏河县达久滩－科才、玛曲县阿尼玛卿山附近和齐哈玛的南部、卓尼南部－迭部北部海拔相对高的地区，植被类型主要是草甸和木本稀疏草原(图5a)；年降水量与NDVI 值的相关性总体上以正相关作用为主。其中，相关系数平均值为0.04，范围为[- 0.72，0.88]，区域内正、负相关面积占全州总面积的比值分别为57.17%、42.82%，通过显著性检验的占3.47%，显著正、负相关区域分别占2.72%、0.75%，显著正相关的区域分布比较零散，全州各县域均有分布。显著负相关的区域主要分布在夏河县西北部的甘加和玛曲县东部的采日玛，植被类型主要是亚高山草甸(图5b)。

图5 甘南高原NDVI 与气温 和降水量的相关性分析及偏相关性分析Figure 5 NDVI correlation and partial correlation analysis with temperature and precipitation

通过计算NDVI 与年均气温、年降水量的偏相关系数发现，在控制降水量，分析NDVI 与年均气温的偏相关性(图5c)。正相关作用稍大于负相关，偏相关系数平均值为0.20，范围为[- 0.73，0.88]，区域内正、负相关面积占全州总面积的比值分别为55.19%、44.81%，通过显著性(P< 0.05)检验的占14.49%，显著正、负相关区域分别占14.18%、0.31%，显著正相关的区域较单独的相关性分析增加2.86%。空间分布上差异不大，表明甘南高原气温与NDVI 的相关性受降水略有影响，但影响并不很大。在控制气温，分析NDVI 与年降水量的偏相关性(图5d)，正相关作用明显大于负相关，以正相关为主作用，偏相关系数的平均值为0.23，范围为[- 0.82，0.93]，区域内正、负相关面积占全州总面积的比值分别为81.64%、18.36%，通过显著性检验的占20.33%，显著正、负相关区域分别占19.93%、0.40%，显著正相关的区域与单一的相关性分析相比面积增加17.21%，空间分布上差异明显，说明气温影响着植被指数NDVI 与降水量的相关性。

总体而言，2001－2020 年甘南高原植被指数NDVI 与气象要素(气温和降水量)均以正相关性为主，其中NDVI 与降水量的偏相关性稍强于气温。

大学阶段是人一生中心理发展最为关键的时期之一，也是心理变化最激烈、最明显的时期。高校扩招和社会环境的变化给当代大学生带来了全新的挑战和各种各样的压力，有些大学生因难以应对这些挑战和压力而导致心理发展不平衡，情绪不稳定，心理矛盾与冲突。近些年来，大学生退学、堕落、自杀、自残、危害他人生命安全等事件时有发生，这些非同寻常的问题日益成为影响大学生健康成长的重要因素。探寻大学生精神疾病的根源，找到大学生思想压力的减压路径，是高校教育工作者面临的一项重要课题。

3 讨论

3.1 气候因素对NDVI 变化的作用

植被指数NDVI 的变化除了受气候因素的影响外，还与人类活动有关[35]，对回归模拟预测的NDVI 值做线回归分析。结果表明，在气候因素的作用下，近20 年甘南高原植被NDVI 空间上(图6a)差异明显，整体呈现北“抑制”南“改善”的格局分布，其中正、负变化速率的面积占比分别为43.18%，56.82%，总体来看，气候因素对甘南高原NDVI 抑制的效应略大于改善。气候因素驱动南部改善的区域和卫星观测的南部实际NDVI 增长的区域基本一致，主要位于碌曲县的南部、玛曲县大部和舟曲县东部，近30 年，这些地方年均气温增长率为每10年[0.21，0.63] ℃，呈现出较为明显的增温变暖趋势，变暖趋势与该区域NDVI 改善的趋势大体相近，可以认为是气候变暖对NDVI 变化的正反馈；对于北部植被而言，气候因素驱动抑制的区域面积明显大于卫星观测的实际NDVI 减小的区域，仅是在夏河县和合作市城区及周边区域二者略有吻合，近30 年，甘南州大部分地方降水量变化水平呈不显著增加趋势，气候整体趋向暖湿化过程，有利于植被的恢复和扩展，但是对于生长季节较短，地上生物量覆盖相对较少，且容易受外界影响的草地而言，在气候整体变暖的背景下，该区域NDVI 变化可能主要受降水量影响，这一发现与前人研究基本一致，如李元春等[23]认为降水量增加对甘南北部草地生长有负向影响，杨尚武等[38]也认为降水量是影响河东植被覆盖变化的主要因子。因此，导致甘南州北部植被NDVI 受抑制的主要气候因子可能是降水量。

图6 气候因素和人类活动影响下NDVI 年变化速率Figure 6 Annual NDVI change rate influenced by climatic factors and human activities

3.2 人类活动对NDVI 变化的作用

将卫星观测的NDVI 值和回归模拟预测的NDVI 值做差值，再进行一元线性回归分析，结果表明，在人类活动作用下，近20 年甘南高原NDVI 变化空间上(图6b)整体呈现东北“改善”西南“抑制”的格局分布，其中正、负变化速率分别占76.78%、23.22%。人类活动作用下改善的区域和卫星观测的实际NDVI 增长的区域在夏河县北部、临潭-卓尼的东部、舟曲县白龙江沿岸的区域基本一致。此外，结合区域平均NDVI 值(图3a)、回归预测NDVI值(图略)和残差值(图3b)年变化趋势来看，2001－2020 年卫星观测的NDVI 年际变化率为每10 年0.019，气候因素作用的NDVI 年际变化率为每10年0.009，而人类活动作用的NDVI 年际变化率为每10 年0.01，人类活动对NDVI 变化作用相对明显。

因此，在气候因素和人类活动的共同推进下，气候因素抑制的区域在人类活动的作用下，削弱