1、第46卷第4期2023年4月ARIDLANDGEOGRAPHYVol.46No.4Apr.2023doi：10.12118/j.issn.10006060.2022.302浑善达克沙地植被变化定量归因及多情景预测罗嘉艳1，张靖1，徐梦冉1，莫宇1，同丽嘎2（1.大连民族大学环境与资源学院，辽宁 大连116600；2.大连民族大学建筑学院，辽宁 大连116650）摘要：在未来全球变化的背景下，我国干旱和半干旱区域植被更加敏感，平衡经济发展和环境保护仍面临重大挑战，而对干旱和半干旱区的植被进行动态监测和影响评估是一项十分必要的工作。通过分析20002020年浑善达克沙地归一化植被指数（Normal
2、ized difference vegetation index，NDVI）时空变化特征，识别导致研究区NDVI变化的驱动机制和主要的驱动因子，采用情景分析探讨其植被未来变化的轨迹。结果表明：过去20 a间，浑善达克沙地NDVI呈现波动上升趋势；放牧是影响此地区植被变化的主要因子，但放牧对其NDVI变化的影响力有逐渐减弱的趋势；情景模拟显示，浑善达克沙地虽然向恢复方向发展，但因其脆弱的生态环境，使得其植被仍受到人类活动和气候变化的胁迫。研究结果为浑善达克沙地的生态恢复和生态建设工作提供一定的理论支持，并根据当地的实际情况提出相应的对策与建议。关 键 词：趋势分析；地理探测器；多情景预测；NDV
3、I；浑善达克沙地文章编号：10006060（2023）04061411（06140624）干旱区覆盖超过40%的陆地表面，承载全球近40%的人口1，也是对气候变化和人类活动最敏感的地区之一2。在可预见的未来，极端干旱将更加频繁3，干旱区面积持续扩展4。浑善达克沙地为距离京津最近的风沙源地5，自20世纪80年代末至2000年，其沙漠化快速发展6-7，表现为植被覆盖降低、固定沙丘活化等8。2000年以后，因京津风沙源等生态修复工程的实施，沙漠化的趋势得到缓解9-11。但过牧12、开垦8等不合理的土地利用，导致部分地区沙漠化加剧13、生态脆弱度增加14，平衡经济发展和环境保护仍存在挑战15。对浑善达
4、克沙地植被变化的研究集中在变化趋势及其驱动机制方面。前者多采用归一化植被指数（Normalized difference vegetation index，NDVI）/植被覆盖度16、净初级生产力17、叶面积指数18、地表反照率11等分析植被覆盖变化；对于后者，则采用相关分析13、回归分析19和趋势分析20等，分析植被变化趋势与驱动因素的相关性，并试图识别自然因素和人类活动在植被变化的主导作用。认为降水量、气温是控制植被分布格局的主要气候因子17；但也有学者认为人口11、载畜量21、耕地数量等人类活动因素对植被的影响可能大于气候因子10。而事实上，驱动因子间存在着复杂的、非线性的交互作用，地理
5、探测器则可通过探测空间分异性22，量化和识别驱动因子之间的复杂作用。如孟琪等23应用该模型发现人类活动与降水量、坡度等共同影响此地区植被；马永桃等24认为相对湿度和人类活动、降水量和牲畜密度以双协同为主，且对植被变化解释力超过60%。浑善达克沙地生态环境脆弱，更易受到气候变化的影响25，在全球未来升温1.5 的情景下（概率超过40%）26，加之大规模的人类活动干扰，将增加此地区植被未来变化的不确定性。为此，本文试图研究以下问题：（1）20002020 年浑善达克沙地NDVI的时空变化趋势。（2）量化气候变化和人类活动在此地区植被变化过程中的贡献，辨识各类因子收稿日期：2022-06-21；修订
6、日期：2022-08-15基金项目：国家自然科学基金（31500384，31971464）；大连民族大学2022年大学生创新创业训练计划项目（202212026134）；内蒙古自治区高等学校“青年科技英才支持计划”青年科技骨干项目（NJYT-19-B31）；辽宁省联合基金项目（2020-MZLH-11）资助作者简介：罗嘉艳（2000-），女，本科在读，主要从事生态系统评估等方面研究.E-mail:通讯作者：张靖（1981-），男，讲师，主要从事生态系统评估等方面研究.E-mail:4期罗嘉艳等：浑善达克沙地植被变化定量归因及多情景预测驱动强度是否发生变化。（3）预测该区植被覆盖未来可能的变化轨
7、迹。通过研究，以期为浑善达克沙地生态管理和生态建设提供决策支持，以应对未来气候变化所带来的不利影响。1材料和方法1.1 研究区概况研究区位于内蒙古中部锡林郭勒草原最南端，地理位置介于112.0117.5E，42.043.5N之间，东西长450 km，平均海拔1200 m；属中温带大陆性气候，年均气温1.5；年降水量为150450 mm，东西跨度大，年降水量的80%集中在夏季；主要生境类型包括固定沙地、半固定沙地、流动沙地；地带性土壤为栗钙土，非地带性土壤为风沙土；水分条件的差异导致东部为稀树草原景观，西部为荒漠草原景观，植被逐渐从中生植物群落向旱生植物群落过渡27。1.2 数据来源与处理以ND
8、VI代表浑善达克沙地的植被生长状态，该数据来源于美国国家航空航天局网站（https:/ladsweb.modaps.eosdis.nasa.gov/search）的 MOD13Q1 数据产品，采用 HANTS 滤波（https:/ 20002020 年NDVI年最大值合成数据集。气候数据来源于中国气象数据网（http:/），在ArcGIS 10.3中采用克里金空间插值转换为栅格数据（20002020年）；高程数据（DEM）来源于美国地质调查局网站的 SRTM DEM（https:/glovis.usgs.org），在 ArcGIS10.3中计算得到坡度、坡向数据；土壤类型数据来自于 世界和谐土
9、壤数据库V1.2（https:/www.fao.org/soils-portal/soil-survey/soil-maps-and-databases/harmonized-world-soil-database-v12/en）；植被类型数据来自于 内蒙古自治区植被类型图 1:1500000植被类型图；土地利用数据来自中国科学院资源环境科学与数据中心（http:/ a一期；20002020年人口密度数据来源于WorldPop发布的世界人口密度地图（https:/www.worldpop.org/geodata/listing?id=76）。牲畜数量由 20002020 年锡林郭勒盟统计年鉴
10、中获取，采用基于NDVI的空间插值的方法空间化28，计算公式如下：SUi=NDVIiSUaggriNDVIsumi（1）式中：SUi为第i年牲畜饲养空间化图层；NDVIi为第i年NDVI图层；SUaggri为第i年各（旗）县牲畜总数图层，由牲畜饲养统计数据与（旗）县界线图层连接得到；NDVIsumi为第i年NDVI（旗）县区域累加和值图层。上述数据均通过投影转换、裁剪，生成分辨率为250 m的栅格。1.3 研究方法采用Theil-Sen中值趋势（Theil-Sen median trendanalysis，T-S分析）和M-K检验（Mann-Kendall test）分析浑善达克沙地NDVI时
11、空变化特征，使用地理探测器识别影响该沙地NDVI变化的人为和自然因素，结合筛选出的驱动因子，利用CA-Markov模型对该区NDVI进行多情景预测。1.3.1 Theil-Sen中值趋势分析 T-S分析是一种非参数统计方法，适用于存在异常值的时间序列趋势分析29，公式如下：S=median|xj-xij-i,1ijn（2）式中：S为时间序列数据的斜率，反映数据的变化趋势，当S0时，NDVI呈上升趋势变化，S1.64）和不显著变化（|Z|1.64）。1.3.2驱动因子提取考虑到数据的可获取性、区域代表性，并参考相关文献31-32，从自然因素和人类活动等方面选取11种检测因子（表1），并以每5 a
12、为1个研究时期，探测影响研究区NDVI分布及变化的影响因子。使用ArcGIS 10.3的Fishnet工具，在区域内生成2 km2 km网格，提取网格中心点坐标和栅格值，代入地理探测器中计算。1.3.3地理探测器选择地理探测器（http:/）中两种探测器，以揭示研究区NDVI变化的驱动机制。（1）因子探测：将NDVI作为因变量，各因子作为自变量，则影响区域NDVI分异决定值q为：q=1-h=1Lnh2hn2,h=1,2,3,L（3）式中：q为度量空间分异性的指标；L为分类数目；nh61546卷和n分别为层h和全区的样本单元数；h2和2分别为h和全区的方差。q的取值范围为 0,1，q值越大，说明
13、影响因子对NDVI变化的解释力越强33。（2）交互作用探测：用于识别驱动因子之间的交互作用。通过计算两种因子的q值之和与影响因子两两联合的q值，来判断2个因子的交互作用对NDVI的影响是增强还是减弱，或者2个因子是独立起作用（图1）。1.3.4 植被变化趋势模拟与多情景预测 CA-Markov模型既保持了CA模拟复杂系统空间的能力又发挥了Markov模型进行长期预测的功能34。CA通常包括单元、状态、邻近范围、转换规则4个基本要素，表达式如下：St+1=f(St，N)（4）式中：St+1、St分别为t+1、t时刻系统的分布状态；f为局部空间元胞状态的转化规则；N为元胞的邻域。若一个过程存在有限
14、多个时序，其任意时刻tn+1的元胞an+1只与其前一时刻tn的元胞an相关，可认为该过程存在马尔科夫性，则CA-Markov模型可以表示为：St+1=PijSt（5）式中：Pij为状态转移矩阵。采用 GeoSOS-FLUS 软件（http:/ 浑善达克沙地NDVI变化时空分布特征20002020年NDVI提高区域的面积（77.97%）大于减少区域的面积（11.11%），其余10.92%的区域变化不明显。从空间分布上看，NDVI提高区域分布在浑善达克沙地东北部、东南部和中部，NDVI减少区域呈斑块状分布在中部和东部地区（图2a）。从时间尺度看（图2b），研究区NDVI呈现波动上升趋势，最大值出现
15、在2018年和2019年，但其NDVI仍处于较低水平（均值为0.19）。2.2 浑善达克沙地NDVI变化驱动机制分析2.2.1不同时期探测因子变化因子探测结果（解释力q值）反映各因子对浑善达克沙地NDVI影响的大小。总体来看（表3），20012020年各时期q值最强的因子为牲畜数量（SHEEP），平均值0.65；其他因注：q为度量空间分异性的指标；X1、X2分别为导致NDVI变化的影响因子1和2。图1 2个变量对区域NDVI变化的交互作用（修改自王劲峰等22）Fig.1 Interaction of two variables on NDVI changes(Modified from Wan
16、g et al22)表1 浑善达克沙地NDVI影响因子Tab.1 Influence factors of NDVI in Otindag Sandy Land类型I自然因素人类活动类型II气候地形土壤植被指标年均温/年降水量/mm年均风速/ms-1高程/m坡度/()坡向/()土壤类型植被类型土地利用类型人口密度/人 km-2牲畜数量/头代码TEMPREWNDELEVSLPASPSOILVGTLUCPOPSHEEP6164期罗嘉艳等：浑善达克沙地植被变化定量归因及多情景预测子排序为年降水量（PRE）年均风速（WND）高程（ELEV），它们在各阶段q值均在0.40以上；土地利用类型（LUC）、年均温（TEM）、土壤类型（SOIL）对NDVI影响一般（q值平均为0.120.25）；坡向（ASP）、人口密度（POP）、植被类型（VGT）及坡度（SLP）对NDVI影响的q值较低（平均为0.020.09）。由各研究时段来看，20012020 年 TEM、PRE和POP的q值总体呈上升趋势，而SHEEP的q值呈现降低的趋势（q值由0.74降低到0.62），其他因子变化幅度不明显。意味着近年来气候因
