李洪庆，张俊红，杨 瑀
（河海大学 公共管理学院，江苏 南京 211100）
气候变化和人类活动的双重作用是导致土地利用和覆被发生变化的主要动因，研究其作用机制是现在的热点问题之一，尤其是在生态脆弱区，气候、地形等自然要素对植被的影响十分明显[1]。全球气候变暖背景下，土地利用系统结构和过程对气候响应机制更加复杂多变[2]，许多研究以青藏高原原始生态系统为研究对象，剖析气候、降水、地形等对植被、冰川、冻土、土地利用变化的影响，科学表征全球及区域环境变化特征及其与气候变化之间的响应关系[3]，这些研究成果对生态脆弱区土地利用、生态安全屏障优化、生态功能提升等具有重要意义[4]。
归一化植被指数（NDVI）能较为直观地表征植被生长程度及覆盖状况，也能侧面反映出土地利用特征，被广泛应用到监测区域植被覆盖状况研究中[5-7]。随着气候变化问题加剧，温度和降水成为影响植被生长的重要自然要素[8-9]，但不同区域、不同时期植被变化及其对气候变化的响应存在较大的差异[10]，例如东北多年冻土区植被生长的主控因子[11]、中国西南地区2000—2020年间植被NDVI变化的自然主导因子[12]等都与气候密切相关。在典型高寒生态脆弱区，从大尺度上分析，2000—2019年整个青藏高原NDVI与同期气温和降水均具有显著相关性，但与气温的关系更密切[13]；
从小尺度上分析，1982—2010年降水对雅鲁藏布江流域NDVI变化起决定性作用[14]。因此气候的变化在一定区域内仍然是导致NDVI发生变化的主导因素，只是不同区域、不同尺度下两者的影响略有差别。地形是植被垂直时空异质性的重要因素，高程、坡度、坡向等地形因子对区域水热条件、土壤养分和人类活动产生一定的作用[15]，约束着人类活动的空间范围，影响土地利用的方式和程度[16]，也是植被覆盖变化和分布格局的重要因素[17]，在垂直方向上表现显著差异[18]，不同地形因子对NDVI的实际影响随尺度变化而变化[19-20]。
青藏高原植被变化对气候暖化的高度敏感性使其在研究全球气候变化影响中具有典型代表性。受全球变暖影响，青藏高原“暖温干”化趋势显著，植被分布范围和生长状况发生明显变化[21]。青藏高原大部分地区受气候暖湿化和生态项目建设影响促使植被覆盖度增加，但是局部区域高寒植被因不合理的人类活动干扰和气候暖干化影响导致植被退化[22]。雅鲁藏布江山南宽谷位于青藏高原南部生态脆弱区，随着拉萨—山南经济一体化的建设，人地矛盾十分突出，土地利用与生态保护压力巨大。因此，探究雅鲁藏布江山南宽谷流域植被动态演变过程及其对气候变化、地形的响应关系，有助于更好地理解土地利用系统变化过程和机制，为保护生态脆弱区生态系统提供科学的依据。
本文以山南宽谷1998—2019年NDVI为研究对象，结合气温、降水、DEM数据、土地利用数据，采用一元线性回归趋势法和相关分析等方法定量分析山南宽谷不同土地利用类型植被NDVI时空变化规律及其对气候、地形因子的响应，识别出山南宽谷流域对自然因素的生态敏感区，提出未来土地利用、生态保护的建议。
（一）研究区概况
山南宽谷位于西藏自治区山南市北部，雅鲁藏布江中下游地区（图1），主要涵盖贡嘎县、扎囊县、乃东区、桑日县、琼结县，总流域面积约 10 410 km2，平均海拔约为 4 488 m。研究区属于高原季风温带半干旱性气候，年均温度为5～10 ℃，年均降水量403 mm～517 mm，降水集中在5～9月，具有明显干湿季特征。植被类型主要以草原、草甸、灌丛、高山稀疏植被为主。考虑到经济、社会、土地利用数据的收集，本文选择以行政边界划分研究区域。
图1 山南宽谷地理位置
山南宽谷是雅鲁藏布江重要的宽谷之一，也是山南市重要的经济发展区域。流域内分布雅鲁藏布江、羊卓雍措等重要水生态系统，强烈的风蚀、水蚀和特殊的地理特点，导致土地沙化严重，生态系统十分脆弱，受自然因素影响较大，同时该区域人类活动十分频繁，贡嘎机场、泽贡高速、拉林铁路、市区建设等，对流域生态系统也造成了巨大的压力。因此，分析自然因素对植被NDVI的影响对未来开发生态脆弱区土地利用、保护生态环境具有重要的意义。
（二）数据来源与预处理
归一化植被指数（NDVI）数据来源于中科院资源环境科学与数据中心。空间分布数据集是在 SPOT/VEGETATION PROBA-V 1 KM PRODUCTS 旬周期 1 km NDVI数据基础上，通过拼接镶嵌、投影变换生成年度植被指数数据集，时间序列为1998—2019年。
气象数据包括气温和降水，来源于国家气象信息中心。选取山南宽谷及其周边地区气象站点数据，运用ArcGIS软件中的反距离权重法进行插值，经裁剪得到与NDVI数据具有相同投影和空间分辨率的1998—2019年气象栅格数据。
数字高程模型（DEM）数据来源于中科院资源环境科学与数据中心。通过ArcGIS软件提取海拔、坡度、坡向地形因子。山南宽谷高程在 3 284 m～6 545 m，采用等间距法，大致按照间距 200 m将其分为 10 级：1 级 [3 284 m，3 700 m)、2 级 [3 700 m，3 900 m)、3 级 [3 900 m，4 100 m)、4 级[4 100 m，4 300 m)、5 级 [4 300 m，4 500 m)、6 级 [4 500 m，4 700 m)、7 级 [4 700 m，4 900 m)、8级 [4 900 m，5 100 m)、9 级 [5 100 m，5 300 m)、10 级 [5 300 m，6 545 m]。坡度为 0°～ 69°，根据相关研究大致每 5°为一级，共分为 9级：1级 [0°，5°)、2级 [5°，10°)、3级 [10°，15°)、4级[15°，20°）、5级[20°，25°)、6级[25°，30°)、7级[30°，35°)、8级 [35°，40°)、9级[40°，69°][23]。按照方位将坡向分为9个坡度带：1级（平地）、2级（正北）、3级（东北）、4级（正东）、5级（东南）、6级（正南）、7级（西南）、8级（正西）、9级（西北）。
土地利用数据来源于中科院资源环境科学与数据中心。选取2000年和2019年两期土地利用数据，土地利用类型包括耕地、林地、草地、水域、居民用地和未利用地。
本研究主要目的是通过相关性分析剖析NDVI对气候与地形的响应关系，并识别出生态敏感区域。因此首先采用趋势分析法解释NDVI时空演变特征与变化驱动原因，其次采用偏相关与复合相关性分析NDVI对气温和降水的响应关系，再次采用叠加分析法分析NDVI对高程、坡度和坡向的响应关系，最后运用ArcGIS识别出山南市的生态敏感区。
（一）趋势分析法
一元线性回归通过模拟每个像元的变化趋势，直观地反映植被覆盖时空变化差异。公式如下：
式中：slope表示NDVI线性拟合斜率；
NDVIi为第i年的NDVI值；
n为样本数；
i为年份。slope＞0，表示NDVI值呈上升趋势；
slope＜0，表示NDVI值呈下降趋势。F检验用来检验回归方程中被解释变量与解释变量之间线性关系是否显著，P值是衡量控制组与实验组差异大小的指标，P值＜0.01表示两组的差异极其显著，0.01≤P值＜0.05表示两组存在显著差异，P值≥0.05表示两组不存在显著差异。本文将趋势分为：（1）极显著减少（slope＜0，p＜0.01）；
（2）显著减少（slope＜ 0，0.01≤ p＜ 0.05）；
（3）未显著减少（slope＜ 0，p ≥ 0.05）；
（4）未显著增加（slope≥ 0，p ≥ 0.05）；
（5）显著增加（slope≥ 0，0.01 ≤ p ＜ 0.05）；
（6）极显著增加（slope≥ 0，p ＜ 0.01）。
（二）相关分析法
利用偏相关分析剔除其他因子的影响，分析单因素对NDVI的影响。计算NDVI与气温或降水之间的相关程度公式如下：
式中：rxy，z表示气温（或降水量）不变，NDVI和降水量（或气温）的偏相关系数；
rxy、rxz、ryz分别表示NDVI和气温、NDVI和降水量、气温和降水量的相关系数；
x、y、z为NDVI、气温、降水量。
综合考虑气温和降水多因子共同作用下，利用复相关性分析研究多个要素与某一要素的相关关系。计算公式如下：
式中：rx，yz表示NDVI与气温和降水量的复相关系数；
rxz，y为排除气温影响后的NDVI与降水量的偏相关系数。
（一） NDVI时空变化特征
1. NDVI时间变化分析
山南宽谷1998—2019年植被NDVI年际变化如图2所示。结果表明在22年间植被覆盖总体上呈缓慢波动上升趋势，从1998年0.418增加至2019年0.486，区域年均NDVI在0.40～0.52范围间波动，增速为0.003 4/年。年均NDVI值最高是2016年，为0.523，最低是2009年，仅为0.409，可能与2008年山南市发生历史罕见雪灾有关，导致植被覆盖率降低。山南宽谷植被NDVI在22年间总体上呈现改善趋势，但其植被覆盖在1998年、2016年和2019年表现为先改善后退化现象。
图2 1998—2019年植被NDVI年际变化
2. NDVI空间变化分析
1998—2019年和多年NDVI均值空间分布如图3所示，总体上存在明显的空间分布差异，总体呈现北部和西南部高、南部和中部低的分布特征。运用一元线性回归方程分析1998—2019年NDVI变化率，结果显示：多年NDVI变化以轻微上升为主，其中轻微上升区域占植被覆盖总面积的50.84%，植被覆盖增加区域占82.97%，植被覆盖退化区域占17.04%，改善面积明显大于退化面积。从空间上分析，植被显著下降的区域主要位于雅鲁藏布江河谷两岸地带以及乃东区（为山南市主城区），是人类活动活跃区，表明人类活动对其有一定的影响。
图3 1998—2019年NDVI均值空间分布及变化趋势
3. NDVI与土地利用变化相互关系分析
2000—2019年间，研究区内土地利用发生变化面积占总面积的30.76%，达到3 201.68 km2。从各土地利用类型面积分析：近20年耕地增加了0.89%，林地增加了8.81%，建设用地增加了0.12%，水域增加了0.55%，未利用地面积增加了2.68%，只有草地减少了13.05%。研究区内主要的土地转移类型依次为草地转林地、草地转未利用地、未利用地转草地、草地转耕地、林地转草地、耕地转草地，面积分别为 1 045.49 km2、768.20 km2、451.77 km2、189.73 km2、163.18 km2、95.52 km2。
将土地利用类型变化与NDVI变化趋势进行叠加，分析土地利用变化和植被动态变化之间的响应关系，表1为NDVI变化程度下前两位土地利用变化类型及面积。NDVI为下降趋势时对应的主要土地利用变化为：草地—草地、草地—未利用地，NDVI为上升趋势时对应的主要土地利用变化为：草地—草地、草地—林地。从空间分析，林地在雅鲁藏布江北部明显增加，大量的草地转为林地，直接体现为植被覆盖状况明显改善，表明山南市植树种草、土地沙化治理等生态工程建设取得一定的成效。未利用地在研究区南部增加较多，原因为大量草地退化转为未利用地，同时乃东区的建设用地面积增加、草地退化，共同导致区域NDVI降低。
表1 不同NDVI变化趋势下主要土地利用类型变化
（二） NDVI对气候变化的响应
1. 气候变化特征
研究区1998—2019年平均气温和降水量年际变化如图4所示。多年平均气温约为8.4 ℃，年均气温呈不显著下降趋势（slope＝-0.002℃/年，R2＝0.000 9）；
研究区年降水量在 250 mm～590 mm之间波动，多年平均降水量约为436.6 mm，呈缓慢下降趋势（slope＝-6.134 4 mm/年，R2＝0.204 6）。结合植被NDVI年际变化情况初步分析：2009年的年均NDVI值最低，而同时期气温为多年最高值，而降水量为多年最低值，表明NDVI值与气温和降水是密切相关的。
图4 1998—2019年研究区年平均气温和降水量年际变化
2. NDVI与气候因子相关性分析
对研究区1998—2019年NDVI与同期气温和降水因子进行逐像元相关分析，得到的偏相关系数空间分布如图5所示。NDVI与气温的相关系数为[-0.82，0.61]，空间平均相关系数为-0.22，其中呈正相关像元面积所占比例为17.35%，呈负相关比例为82.65%。在0.05的置信水平下相关，见图5（b），NDVI与气温呈显著正相关和显著负相关的面积比例为1.03%和28.78%，表明大部分区域NDVI与气温成负相关关系。
图5 研究区NDVI与气温和降水的偏相关系数空间分布
NDVI与降水的相关系数为[-0.76，0.72]，空间平均相关系数为-0.11，其中呈正相关的像元面积所占比例为32.73%，呈负相关像元面积所占比例为67.27%。在0.05的置信水平下相关，见图5（d），研究区内NDVI与降水呈显著正相关和显著负相关的面积比例为5.61%和24.28%，表明一半以上区域NDVI与降水呈现负相关关系。综上比较，气温对植被NDVI的负相关性明显强于降水。
3.不同土地利用类型植被NDVI与气候的相关性分析
利用相关分析，研究在不同土地利用类型下NDVI与气温和降水的相关性（见表2）。除草地外（相关系数为-0.230，P＜0.01），其他土地利用类型植被NDVI均与气温呈正相关关系，其中耕地植被NDVI与气温的相关性最高（相关系数为0.138，P＜0.01），水域和城乡建设类型植被NDVI对气温的响应较小。6种类型土地对降水的响应均通过0.05的显著性检验，其中林地和未利用地植被NDVI与降水呈负相关关系。从土地利用类型NDVI分析，草地（面积占比最大）与气温负相关，降水成正相关，即气温越高、降水越少，草地植被覆盖率越低；
林地与气温正相关，降水成负相关，即林地覆盖率与冰川融水等密切相关。
表2 不同土地利用类型植被NDVI与气温、降水相关系数
（三）NDVI对地形的响应
高程、坡度和坡向等地形因子是影响植被分布最基本的生境因子，通过影响温度和水分分布以及对人类开发活动产生一定的影响，进而影响植被空间分异。由图6可知，植被NDVI值随着高程的变化先升高后下降，高程为 [3 284 m，4 900 m)时，水热条件较适合植被生长，随着高程的增加而增加，但增速逐渐变缓；
高程为 [4 900 m，6 545 m]时，NDVI值呈现明显下降趋势。随着坡度的增加，植被覆盖率表现为先逐渐增加后轻微减少的趋势。坡向在空间上并未有明显的分布特征，各坡向NDVI值变化较小，均在0.44～0.47之间，坡向对植被NDVI值影响不显著。
图6 高程、坡度、坡向对NDVI的影响
将植被NDVI变化趋势重新分类为下降、稳定和上升3类，利用空间叠置分析功能将其与地形图进行叠加，得到3种地形因子与NDVI变化趋势分区统计结果（图7）。通过高程变化趋势分区可识别出：NDVI下降趋势在高程为 1、2 级 [3 284 m，3 900 m)时所占的面积非常大，该区域为相对低海拔人类活动集聚区，对植被生长起到了双重作用，一方面城市扩张、基础设施建设等破坏植被，导致下降趋势较大（空间分布乃东区附近），另一方面植树造林、退牧还草、围栏育草等生态工程的实施又促进了植被生长（空间分布雅鲁藏布江两岸），上升趋势占比未明显降低；
NDVI下降趋势在高程8、9、10级[4 900 m，6 545 m]时所占面积最大，高海拔导致水热条件不足或者自然灾害的发生严重抑制了植被的生长。
图7 高程、坡度和坡向因子在不同级别三种变化趋势下NDVI面积
通过坡度变化趋势分区可识别出：NDVI下降趋势在坡度为1级[0°，5°）所占的面积最大，该区域依然是人类主要活动区。随着坡度的上升，NDVI下降、稳定和上升趋势下所占的面积均呈现出先上升后下降的正态分布特征，并且面积占比相对均衡。
从不同坡向上来看，植被NDVI变化趋势无明显差异性，说明不同坡向对植被NDVI的影响不显著。
（四） 基于气候与地形的生态敏感区识别与分析
山南宽谷属于典型的青藏高原复合侵蚀生态脆弱区，生态系统具有脆弱敏感性，地形条件复杂，具有高度的景观异质性，植被变化受到气候变化和地形因子干扰强烈。将NDVI变化趋势与土地利用类型、气候和地形像元图进行叠加，提取出植被NDVI下降区域，识别出山南宽谷自然要素生态敏感区（图8）。
图8 不同土地利用类型NDVI下降区域和自然要素敏感区
不同土地利用类型自然要素敏感区面积及占比结果见表3。结果显示：6种土地利用类型植被NDVI中，草地、未利用地和水域NDVI下降面积占比较大，分别为41.23%、24.86%、16.66%；
耕地、林地和建设用地植被NDVI相对自身对比下降较大。草地NDVI对气候变化最为敏感，其次为林地和未利用地；
草地、水域和未利用地植被NDVI对气候和地形共同影响敏感度较大。
表3 不同土地利用类型生态敏感区面积及占比
自然要素的生态敏感区空间主要分布特征，一是雅鲁藏布江两岸，即山南宽谷流域，属于气候地形共同影响敏感区，土地利用类型主要为水域。雅鲁藏布江是关键的生态系统，气候和地形均对其有重要的影响，且年均NDVI表现出下降显著趋势，河谷地带由于风蚀作用，土地沙化更加严重，同时也是人类活动频繁区，生态环境保护压力巨大。未来发展应尽量减少对宽谷生态系统的扰动，重点保护雅鲁藏布江生态系统，尤其重视河谷及两岸的植树造林，减少土地沙化，增强生态系统稳定性。
二是乃东区沿雅砻河附近，位于图上东南方向，生态敏感区面积较大较集中，属于气候影响敏感区，主要土地利用类型是草地、建设用地和耕地。乃东区是山南市政府所在地，社会经济发展相对较快，建设用地逐步扩大，人口聚集，耕地面积增加，土地利用变化由草地转为建设用地和耕地，且草地质量也出现下降，人地矛盾十分突出。虽然本研究评估识别该区域为生态敏感区，反馈仅与气候负相关密切，但是应该意识到人类活动对其影响可能是导致NDVI显著下降的主要原因。此类生态敏感区建议科学地进行国土空间规划，严格限制建设用地的扩张，提高土地利用效率和集约节约利用水平；
控制耕地开发力度，避免掠夺式侵占草地生态系统；
通过多措施提升耕地质量和产出效率，适当控制畜牧数量，减少对草地资源的过度利用，促进草地资源逐步恢复高植被密度。总之未来土地利用与开发需合理有序，严格控制人类活动对原生态系统的干扰，降低生态风险。
三是北部较高海拔区，生态敏感区相对较为分散，原因是高山地形导致景观破碎化，属于气候和地形共同影响敏感区，主要土地利用类型为林地、草地和未利用地，地形以山地为主。该区域植被覆盖受自然要素影响十分明显，林地面积变化较小，但是草地资源变为未利用地较多，整体NDVI下降非常明显，与气温、降水和海拔表现出典型的负相关，生态系统脆弱性十分明显。面对山南宽谷气候变化呈“暖干化”趋势对植被生长造成的一定消极影响，要加大对该区域植被退化区域的关注，坚持生态优先，持续推进山南宽谷流域生态保护修复工作。
（一）结论
（1）1998—2019年山南宽谷年均植被NDVI呈缓慢波动上升趋势，增速为0.003 4/年（R2＝0.476 5），从空间上分析，植被轻微改善区域大面积分布，雅鲁藏布江河谷流域、乃东区雅砻河区域植被NDVI下降显著。建设用地、耕地和未利用地面积增加、草地退化是植被NDVI降低的一个重要原因。
（2）山南宽谷植被NDVI对气温和降水均表现出负相关关系，但是气温影响强于降水，像元面积占比多15.38%。不同土地利用类型上，植被NDVI对气温和降水的响应不同，水域、建设用地NDVI对降水的响应大于气温；
耕地NDVI对气温的响应大于降水；
林地、草地和未利用地受气温和降水的协同作用。
（3）植被NDVI在不同海拔、坡度和坡向上存在差异。NDVI值随着高程的变化先增加后减少，在相对较低海拔和较高海拔区域下降面积占比较大；
坡度为[ 0°～5°)时，植被 NDVI 下降较为显著；
不同坡向对植被NDVI的影响不显著。
（4）识别出针对气候和地形的生态敏感区面积为1 821 km2，占总面积的17.5%，主要分布在雅鲁藏布江河谷及两岸、乃东区及雅砻河附近、北部高山分布区。各个区域对气候和地形的响应不同，针对具体区域提出了土地利用、生态保护建议。
（二）讨论
植被覆盖度的时空动态变化受多种因素影响，本研究选择探究气温和降水两个气候因子、地形要素与NDVI之间的响应关系，未考虑极端天气等对植被覆盖变化的影响，同时，植被生长过程对前期的水热条件具有一定的累积效应，即植被生长对气温和降水的响应具有一定滞后性，本研究也未对其进行考虑，通过长时间序列可以适当消除其影响。生态脆弱区对气候、地形等十分敏感，实际上作为经济发展相对快速的山南市，人类活动也对NDVI的影响非常巨大，不可忽略，探究人类活动和自然因素与植被覆盖变化之间复杂的响应关系，分离量化各影响因子对区域植被覆盖的贡献率是未来研究的重点。虽然本研究仅探讨了NDIV对气候和地形的双自然要素响应，但是识别出的生态敏感区，对未来土地利用、生态保护等具有很好的指导意义。
猜你喜欢敏感区山南土地利用土地利用变化与大气污染物的相关性研究成都信息工程大学学报(2022年2期)2022-06-14淮河流域新时期突出水生态问题探讨安徽农业科学(2021年15期)2021-09-03中国地质大学（北京）土地利用与生态修复课题组农业资源与环境学报(2021年4期)2021-07-30——以赣州市龙南县为例">基于GIS的赣南地区城镇生态安全格局研究——以赣州市龙南县为例四川建材(2020年7期)2020-07-26游英山南武当东坡赤壁诗词(2020年2期)2020-06-04在某个敏感区如何协调区域发展与环境保护的探究环境与发展(2019年4期)2019-08-06Synaptic aging disrupts synaptic morphology and function in cerebellar Purkinje cells中国神经再生研究（英文版）(2018年6期)2018-06-21土地利用规划的环境影响评价中国资源综合利用(2017年4期)2018-01-22我是这世上最幸运的人文苑·感悟(2017年4期)2017-04-07我是这世上最幸运的人文苑(2017年7期)2017-04-07
本文来源：http://www.triumph-cn.com/fanwendaquan/gongwenfanwen/2023/0822/99294.html