張卓，孫建國(guó)，汪秀澤，韓惠，張仲榮

（1.蘭州交通大學(xué)測(cè)繪與地理信息學(xué)院，蘭州730070；2.甘肅省地理國(guó)情監(jiān)測(cè)工程實(shí)驗(yàn)室，蘭州730070；3.61287部隊(duì)，成都610036）

2000年～2013年甘南州植被覆蓋變化的驅(qū)動(dòng)力研究

張卓1，2，3，孫建國(guó)1，2，汪秀澤1，2，韓惠1，2，張仲榮1

（1.蘭州交通大學(xué)測(cè)繪與地理信息學(xué)院，蘭州730070；2.甘肅省地理國(guó)情監(jiān)測(cè)工程實(shí)驗(yàn)室，蘭州730070；3.61287部隊(duì)，成都610036）

針對(duì)RESTREND方法在植被覆蓋變化研究中應(yīng)用的局限性，使用孫建國(guó)等提出的改進(jìn)殘差趨勢(shì)法分析了2000年～2013年甘南州植被覆蓋變化的驅(qū)動(dòng)力。同時(shí)，通過實(shí)驗(yàn)對(duì)該方法進(jìn)行驗(yàn)證。方法包括兩步：①使用去趨勢(shì)回歸模型分離氣候和非氣候的作用；②通過外業(yè)調(diào)查獲取一定數(shù)量的人類活動(dòng)強(qiáng)度穩(wěn)定的像元，基于這些像元上的非氣候作用估算所有像元上的大氣施肥效應(yīng)，進(jìn)而得到人類活動(dòng)的作用。結(jié)果表明，在約占全區(qū)面積45%的植被顯著增強(qiáng)區(qū)，氣候變化、大氣施肥和人類活動(dòng)的貢獻(xiàn)率約為54%、101%和－55%；在約占全區(qū)面積22%的植被顯著減弱區(qū)，氣候變化、大氣施肥和人類活動(dòng)的貢獻(xiàn)率約為－21%、－130%和251%。

RESTREND；植被覆蓋變化；大氣施肥；氣候變化；人類活動(dòng)；甘南州

0 引 言

植被覆蓋的高低能夠指示生態(tài)系統(tǒng)結(jié)構(gòu)和功能的優(yōu)劣。植被指數(shù)（VI）常被作為研究植被覆蓋及其變化的代理指標(biāo)，其中又以歸一化植被指數(shù)NDVI應(yīng)用最為廣泛［1］。NDVI能很好地反映植被覆蓋、生物量及生態(tài)系統(tǒng)參數(shù)的變化。眾多學(xué)者通過分析衛(wèi)星獲取的NDVI時(shí)間序列數(shù)據(jù)集研究了植被覆蓋變化的基本特征，但是，對(duì)于自然和人為兩種作用的貢獻(xiàn)率至今尚未形成公認(rèn)有效的區(qū)分方法［2－4］。

Evans and Geerken提出，逐像元建立植被響應(yīng)氣候的線性回歸模型［5－6］，然后分別以預(yù)測(cè)值和殘差值（實(shí)際值與預(yù)測(cè)值之差）隨年份的變化趨勢(shì)來表達(dá)自然（氣候）和人為因素的獨(dú)立作用。該方法常被簡(jiǎn)稱為殘差趨勢(shì)法（RESTREND）。RESTREND原理簡(jiǎn)單易于操作，現(xiàn)已被廣泛應(yīng)用。然而，該方法存在局限性，主要有兩個(gè)方面：其一，沒有考慮氣候以外的其他自然因素，尤其是大氣施肥效應(yīng)。很多研究結(jié)果表明：近年來植被活動(dòng)的增強(qiáng)與大氣施肥效應(yīng)有著緊密聯(lián)系［7］。其二，該方法存在混淆氣候和非氣候作用的內(nèi)在風(fēng)險(xiǎn)。相關(guān)研究表明，對(duì)于氣候變化趨勢(shì)性較強(qiáng)的情況，至少將有一部分非氣候作用被錯(cuò)誤識(shí)別為氣候所致［8－10］。

針對(duì)上述兩個(gè)缺陷，孫建國(guó)等提出了RESTREND的一個(gè)改進(jìn)方案（簡(jiǎn)稱為MRT），并在黃土高原西北部進(jìn)行了應(yīng)用研究［11］。本研究旨在基于MODIS NDVI和氣象觀測(cè)記錄，利用MRT評(píng)估氣候變化、大氣施肥和人類活動(dòng)在2000年～2013年甘南州植被覆蓋變化過程中的獨(dú)立作用，同時(shí)驗(yàn)證MRT在高寒區(qū)域的適應(yīng)性。

1 研究區(qū)和數(shù)據(jù)

1.1 研究區(qū)概況

甘南藏族自治州位于中國(guó)甘肅省西南部，位于100°46′E～104°44′E，33°06′N～36°10′N之間，地處青藏高原東北邊緣，南與四川阿壩州相連，西南與青海黃南州、果洛州接壤，東面和北部與本省隴南、定西、臨夏毗鄰，面積4.5萬km2。處于青藏高原和黃土高原過渡地帶，地勢(shì)西北部高，東南部低，境內(nèi)海拔1100m～4900m，大部分地區(qū)在3000m以上。全州分3個(gè)自然類型區(qū)，南部為岷迭山區(qū)，群巒疊嶂，山大溝深，氣候比較溫和，是全省重要林區(qū)之一；東部為丘陵山地，高寒陰濕，農(nóng)林牧兼營(yíng)；西北部為廣闊的草甸草原，是全省主要牧區(qū)。氣候?qū)俚湫偷拇箨懶约撅L(fēng)氣候，光照充足，熱量垂直差異大，雨熱同期。年平均氣溫1℃～3℃，自東南向西北隨海拔升高而降低。年降水量400mm～800mm，受季風(fēng)影響而南多北少［12－13］。

1.2 數(shù)據(jù)準(zhǔn)備

本研究所使用的MODIS數(shù)據(jù)，下載自http：／／ladsweb.nascom.nasa.gov。包括空間分辨率為1km，時(shí)間分辨率為1月，2000年至2013年每年8月的影像數(shù)據(jù)和空間分辨率為250m，時(shí)間分辨率為16天的2000年至2013年每年8月的MODIS NDVI數(shù)據(jù)。數(shù)據(jù)已經(jīng)過幾何精糾正、輻射校正、大氣校正等預(yù)處理，且對(duì)250m8月的上旬和下旬?dāng)?shù)據(jù)采用最大值合成（MVC）算法進(jìn)一步減小了云、大氣、太陽(yáng)高度角等的影響［14］。對(duì)1km的數(shù)據(jù)做了如下處理：取每年8月的NDVI值代表年植被覆蓋狀態(tài)，記為V，計(jì)算V平均值，記為ˉV。計(jì)算V的線性變化量，記為ΔV。此外，還計(jì)算了ΔV和ˉV的比值，即變化率，記為RC。

使用的氣候數(shù)據(jù)為1999年～2013年研究區(qū)及周邊22個(gè)地面氣象觀測(cè)站的月降水量和月平均氣溫記錄，來源于http：／／cdc.cma.gov.cn。在ANUSPLIN4.0軟件中對(duì)降水和氣溫記錄進(jìn)行空間內(nèi)插生成1km空間分辨率的月值柵格數(shù)據(jù)集。該處理過程中使用了SRTM 數(shù)字高程模型（DEM）。

2 MRT方法

2.1 分離氣候和非氣候的作用

按照RESTREND原理，可用下面的回歸方程逐像元模擬植被對(duì)氣候的年際響應(yīng)［5－6，15］：

式中，SumP和SumT分別為與V相關(guān)系數(shù)最大的前期累積降水和累積氣溫；a、b為系數(shù)；c是常數(shù)項(xiàng)，V為V的模擬值。由式（1）可得V，其殘差ε＝V－V。V和ε在研究期的線性變化量分別用于表達(dá)氣候和非氣候的作用（記為ΔVcli和ΔVno＿cli）。

值得指出的是，由于降水和氣溫對(duì)植被的影響有一定滯后，確定時(shí)滯長(zhǎng)度是建立植被響應(yīng)氣候模型的重要基礎(chǔ)。本研究通過計(jì)算和比較8月的NDVI值及前期不同月數(shù)累積降水和累積氣溫的相關(guān)系數(shù)大小，逐像元確定降水和氣溫的最佳累積月數(shù)。

為了去除RESTREND對(duì)氣候和非氣候作用的混淆，采用去趨勢(shì)回歸來代替上述常規(guī)回歸［11］。首先，對(duì)V、SumP和SumT進(jìn)行去趨勢(shì)處理，結(jié)果分別記為V′、SumP′和SumT′。去趨勢(shì)的方法是，用以年份對(duì)變量進(jìn)行一元線性回歸的殘差值加上該變量的均值。然后，利用V′、SumP′和SumT′確定式（1）的a、b和c。最后，將未去趨勢(shì)的SumP和SumT代入已確定了a、b和c的式（1），得到V及其相應(yīng)的ε。

2.2 分離大氣施肥和人類活動(dòng)的作用

近年來不少研究證明，大氣CO2濃度升高能夠明顯促進(jìn)干旱半干旱區(qū)植被光合作用、提高植被生產(chǎn)力。然而，由于大氣CO2濃度變化的趨勢(shì)性極強(qiáng)而年際波動(dòng)很小，目前仍沒有一種行之有效的辦法來區(qū)分大氣施肥對(duì)植被覆蓋的作用。孫建國(guó)等人提出，通過地面調(diào)查獲取人類活動(dòng)強(qiáng)度穩(wěn)定像元（以下簡(jiǎn)稱SIHAs），SIHAs上的ΔVno＿cli即單純的大氣施肥作用（記為ΔVatm）。本研究針對(duì)SIHAs建立利用ˉV擬合ΔVno＿cli的一元一次的回歸方程，根據(jù)方程系數(shù)就可以由ˉV圖層計(jì)算ΔVatm圖層：

式中，ΔVno＿cli代表模擬的ΔVno＿cli；b0為常數(shù)項(xiàng)；b1為系數(shù)。對(duì)類似甘南州的很多區(qū)域而言，獲取足夠數(shù)量的1km SIHAs比較困難。既然MODIS提供了250m的NDVI，因此可以調(diào)查確認(rèn)250m SIHAs并用于確定式（2）中的b0和b1。需要特別指出的是，必須使用2.1節(jié)中的去趨勢(shì)回歸方法計(jì)算250mSIHAs的ΔVno＿cli。最后，將系數(shù)b0和b1代入1km的柵格中計(jì)算ΔVno＿cli和ΔVatm，從ΔVno＿cli中扣除ΔVatm的剩余部分被視為人類活動(dòng)的作用成分（記為ΔVhum）。

3 分析結(jié)果

3.1 植被覆蓋的現(xiàn)狀與變化

了解植被覆蓋的現(xiàn)狀與變化是分析不同因子驅(qū)動(dòng)作用的基礎(chǔ)。圖1表示植被覆蓋的現(xiàn)狀與變化。圖1（a）是2000年～2013年甘南州ˉV的空間分布?？梢钥闯?，其中低值像元較少，主要分布在夏河縣北部、迭部縣北邊以及舟曲縣東部。另外，集中于瑪曲縣中部的阿尼瑪卿山周圍，該區(qū)域平均海拔在5900m以上，常年積雪基本沒有植被。圖1（b）是ΔV的空間分布。由圖可見，這一時(shí)期研究區(qū)植被覆蓋整體呈上升趨勢(shì)，甘南州的東部和北部區(qū)域較之西部上升趨勢(shì)更加明顯。夏河縣北部、臨潭縣以及舟曲縣東部植被明顯增強(qiáng)，瑪曲縣和碌曲縣的零星地區(qū)植被下降。圖1（c）是RC的空間分布。對(duì)比圖1（b）和圖1（c），兩者所呈現(xiàn)的植被變化空間格局非常相似，同時(shí)與圖1（a）比較發(fā)現(xiàn)，圖1（b）和圖1（c）的高值像元值對(duì)應(yīng)圖1（a）的低值植被覆蓋區(qū)。圖1（c）更加強(qiáng)調(diào)植被稀疏區(qū)的植被變化，即在植被稀疏區(qū)，植被覆蓋變化率更加明顯。經(jīng)統(tǒng)計(jì)，研究區(qū)ˉV和ΔV的平均值分別為0.74和0.016，RC為2.5%。

3.2 3種作用引起的植被覆蓋變化率

考慮到相對(duì)變化（變化率）在反映植被稀疏區(qū)植被變化生態(tài)意義方面的優(yōu)勢(shì)，即在低值植被覆蓋區(qū)，某一種驅(qū)動(dòng)力引起的植被覆蓋變化率大，就說明該驅(qū)動(dòng)力對(duì)植被覆蓋作用較大。本節(jié)計(jì)算了大氣施肥、氣候變化和人類活動(dòng)引起的植被覆蓋變化率，即ΔVatm、ΔVcli和ΔVhum與ˉV的比值，分別記為RCatm、RCcli和RChum。RCatm是5%左右，可以認(rèn)為沒有空間差異，故不給出其空間分布圖。圖2是兩種作用引起的植被覆蓋變化率的空間分布?？梢钥闯?，RCcli與RC的空間格局差別相當(dāng)大。特別是在同一區(qū)域上圖1（c）中夏河縣的正高值像元在圖2（a）中顯示為負(fù)低值像元。此外，RCcli的大部分負(fù)高值區(qū)也不是RC負(fù)高值區(qū)。在阿尼瑪卿山周圍分布有一些RCcli正高值像元對(duì)應(yīng)圖1（c）的正值區(qū)域，說明高寒草地的植被覆蓋的增加與氣候驅(qū)動(dòng)力正相關(guān)。這一結(jié)論與其他學(xué)者研究結(jié)果一致，例如王兮之等［16］探討了2000年～2010年瑪曲縣植被覆蓋度與降水量和氣溫之間的響應(yīng)關(guān)系，得出降水和氣溫對(duì)植被覆蓋生長(zhǎng)成正相關(guān)關(guān)系。圖2（b）是RChum的空間分布。相比RCcli而言，RChum與RC的空間格局有相當(dāng)好的相似性，這直觀地顯示出人為因素控制著2000年～2013年甘南州植被覆蓋變化的空間格局。

然而，就研究區(qū)平均而言，RCcli為2%，RCatm為5%，RChum則為－4.6%。大氣施肥對(duì)植被的作用高于氣候?qū)χ脖坏淖饔?，而人類作用為破壞作用不容忽視，甘南州植被的增長(zhǎng)是氣候和／或大氣施肥正向作用的結(jié)果。為了進(jìn)一步區(qū)分3種作用，結(jié)合植被覆蓋變化的方向和顯著性來分析各因子的貢獻(xiàn)率和相互抑制（見3.3節(jié)和3.4節(jié)）。

3.3 3種作用在植被覆蓋顯著變化區(qū)的貢獻(xiàn)率

為了分析單因子的相對(duì)作用（貢獻(xiàn)率），將所有像元?jiǎng)澐譃?類：RC大于2%為植被覆蓋顯著升高，小于－2%為顯著降低，－2%（2%為無顯著變化。統(tǒng)計(jì)顯示，3類像元分別占像元總數(shù)的45%、33%和22%。對(duì)于植被覆蓋變化顯著上升區(qū)和顯著下降區(qū)，計(jì)算大氣施肥、氣候變化和人類活動(dòng)的貢獻(xiàn)率（記為Catm、Ccli和Chum，分別為ΔVatm、ΔVcli、ΔVhum占ΔV的百分比）。

圖1 植被覆蓋的現(xiàn)狀與變化

圖2 兩種作用引起的植被覆蓋變化率

圖3 是植被顯著升高區(qū)3種作用貢獻(xiàn)率的空間分布。表1是3種作用貢獻(xiàn)率的分級(jí)統(tǒng)計(jì)。結(jié)合圖3和表1可以發(fā)現(xiàn)：Catm以取值＞50%的像元占絕大多數(shù)，取值0～50%的像元數(shù)量居其次，沒有負(fù)值；Ccli以取值＞50%的像元占45%，取值0～50%的像元占39%，取值＜0的像元占15%，取值＜－50%的像元較少；Chum空間分布格局比較復(fù)雜，則以取值＜0的像元占64%，取值＞0的像元數(shù)量占36%，且負(fù)高值像元即人類破壞作用較大的區(qū)域主要集中在瑪曲縣、碌曲縣和夏河縣的草場(chǎng)。這一結(jié)論與其他學(xué)者研究的結(jié)論基本一致。例如王鶯等［11］利用根冠比和干物質(zhì)轉(zhuǎn)碳率來估算甘南州草地NPP（凈初級(jí)生產(chǎn)力），制作了甘南州2006年～2008年NPP空間變化圖，通過對(duì)甘南氣象、草地畜牧業(yè)等統(tǒng)計(jì)資料的分析表明得出超載過牧和降水等氣象因素是甘南州以畜牧業(yè)生產(chǎn)為主的瑪曲縣、碌曲縣和夏河縣的草場(chǎng)NPP減少嚴(yán)重的主要原因。而氣候因素是促進(jìn)了植被生長(zhǎng)與上述結(jié)論不一樣，原因可能是氣候因素內(nèi)考慮了氣溫的影響，也可能是研究期長(zhǎng)度不同。正高值像元主要集中在夏河縣北部和舟曲縣東部，從3幅圖中看出，這兩塊區(qū)域內(nèi)大氣施肥和人類活動(dòng)對(duì)植被作用較為顯著，而氣候作用較弱。另外，圖3（a）和圖3（b）空間分布正好相反，表明在植被顯著上升區(qū)氣候和人類活動(dòng)對(duì)植被影響的作用相反。

圖3 3種作用在植被覆蓋顯著升高區(qū)的貢獻(xiàn)率

經(jīng)統(tǒng)計(jì)Catm、Ccli和Chum的平均值分別為101%、54%和－55%。因此，就全境范圍來看，2000年～2013年甘南州的植被覆蓋顯著升高是人類活動(dòng)的負(fù)向作用與氣候變化和／或大氣施肥的正向作用共同作用的結(jié)果。

圖4是植被顯著減弱區(qū)3種作用貢獻(xiàn)率的空間分布。為了便于對(duì)比，圖4中使用與圖3相同的分級(jí)和設(shè)色方案。表2是3種作用貢獻(xiàn)率的分級(jí)統(tǒng)計(jì)。結(jié)合圖4和表2可以發(fā)現(xiàn)：Catm取值都是＜0；Ccli以取值＞0的像元占43%，取值－50%～0的像元占28%，取值＜－100%的像元占29%；Chum空間分布格局比較復(fù)雜，則以取值＜0的像元占0.5%，取值0～100%的像元數(shù)量占4.5%，取值大＞1的像元數(shù)量占95%。從3幅圖中看出在植被顯著減弱區(qū)人類活動(dòng)是制約甘南州植被生長(zhǎng)的主要因素。

圖4 3種作用在植被覆蓋顯著減弱區(qū)的貢獻(xiàn)率

經(jīng)統(tǒng)計(jì)Catm、Ccli和Chum的平均值分別為－130%、－21%和251%。與顯著增強(qiáng)區(qū)得出的結(jié)果一致，氣候與大氣施肥對(duì)植被覆蓋為正向作用，而人類活動(dòng)為負(fù)向作用。總之，植被覆蓋的顯著減弱區(qū)在整體看完全是人類活動(dòng)破壞所致。

3.4 3種驅(qū)動(dòng)力在植被覆蓋無顯著變化區(qū)的相互抑制

對(duì)于植被覆蓋無顯著變化區(qū)，利用一定的規(guī)則判斷是否存在顯著的氣候或者人類作用但因方向相反而互相抑制甚至抵消的現(xiàn)象。表3為所使用的判斷規(guī)則，以及每種類型的特征描述和像元數(shù)目?？梢钥闯?，Ⅱ類區(qū)域面積最大，共9528個(gè)像元，約占植被覆蓋無顯著變化區(qū)總像元數(shù)（10141）的約94%，Ⅳ類共555個(gè)像元，占總像元數(shù)的6%，其他兩類無像元。Ⅱ類區(qū)域的特征是人類活動(dòng)的負(fù)向作用顯著，但被氣候變化和／或大氣施肥的正向作用所抑制。結(jié)果表明在植被覆蓋無顯著變化區(qū)，大部分植被覆蓋無變化的區(qū)域是人類活動(dòng)的破壞作用和氣候變化和／或大氣施肥的正向作用相互抵消造成的結(jié)果；極少部分區(qū)域是氣候作用為負(fù)向而人類活動(dòng)和／或大氣施肥的正向作用的結(jié)果。

表1 植被覆蓋顯著升高區(qū)3種作用貢獻(xiàn)率的分級(jí)統(tǒng)計(jì)／像元數(shù)

表2 植被覆蓋顯著減弱區(qū)3種作用貢獻(xiàn)率的分級(jí)統(tǒng)計(jì)／像元數(shù)

表3 植被覆蓋無顯著變化區(qū)3種作用相互抵消的判斷規(guī)則、特征描述和像元數(shù)量

4 討 論

MRT的優(yōu)點(diǎn)之一是，使用去趨勢(shì)回歸代替以往的常規(guī)回歸從而避免了對(duì)氣候和非氣候作用的混淆。去趨勢(shì)回歸雖然將植被和氣候變化中包含的波動(dòng)和趨勢(shì)成分區(qū)別對(duì)待，僅由波動(dòng)成分來確定反映單位氣候波動(dòng)所對(duì)應(yīng)植被波動(dòng)的方程系數(shù)，但與常規(guī)回歸一樣，去趨勢(shì)回歸也認(rèn)為氣候的波動(dòng)和趨勢(shì)變化對(duì)植被所起作用相對(duì)等效。因此，在確定系數(shù)之后再將未經(jīng)去趨勢(shì)的氣候變量代入方程，此時(shí)所得到的模擬植被年際序列就完整包含了氣候（降水和氣溫）的波動(dòng)和趨勢(shì)變化的全部作用，同時(shí)也徹底規(guī)避了其他因子的趨勢(shì)性影響。

MRT的另一個(gè)優(yōu)點(diǎn)是，借助于地面調(diào)查和空間插值從非氣候作用中進(jìn)一步分離了大氣施肥和人類活動(dòng)的作用。引起施肥效應(yīng)的CO2和NOx等氣體濃度的監(jiān)測(cè)并不困難，但它們的趨勢(shì)性很強(qiáng)而缺乏波動(dòng)。因此，不能通過在式（1）中引入施肥氣體濃度變量的途徑來識(shí)別施肥效應(yīng)，只能采取其他方法從非氣候作用ΔVno＿cli中進(jìn)一步分解。本研究提出在剔除氣候變化的作用之后，采用地面調(diào)查SIHAs的方式估算整個(gè)研究區(qū)的大氣施肥效應(yīng)。圖5是本研究中確認(rèn)的40個(gè)250mSIHAs上ˉV和ΔVno＿cli的散點(diǎn)圖?？梢钥闯?，ΔVno＿cli大體上隨ˉV增大而增大，因此本文選擇了一次函數(shù)進(jìn)行模擬。結(jié)果顯示，RCatm約為5%。這與Donohue對(duì)全球干旱半干旱區(qū)植被動(dòng)態(tài)中大氣施肥作用的研究結(jié)論基本一致［17］，該研究顯示1982年～2010年大氣施肥引起的植被增加約為11%。

圖5 40個(gè)250m SIHAs上ˉV和ΔVno＿cli的散點(diǎn)圖

5 結(jié)束語

MRT克服了常規(guī)RESTREND的兩個(gè)重要缺陷：一是沒有顧及大氣施肥效應(yīng)；二是容易混淆氣候和非氣候作用。仍存在的問題：一是在去趨勢(shì)回歸分析中對(duì)時(shí)滯現(xiàn)象的處理延用了常見的累積求和辦法，這種處理忽略了現(xiàn)實(shí)世界中普遍存在的滯后的季節(jié)性特征［18－20］，如何考慮植被響應(yīng)氣候的分布式滯后是一個(gè)難點(diǎn)；二是未考慮相對(duì)濕度、風(fēng)速和太陽(yáng)輻射等氣候因子的作用。盡管降水和氣溫是干旱半干旱區(qū)植被動(dòng)態(tài)的主要?dú)夂蚩刂埔蜃?，但其他氣候因子的作用也不?yīng)被完全忽略。后續(xù)研究中，應(yīng)當(dāng)考慮植被響應(yīng)氣候的季節(jié)差異和非線性特征，將分布滯后關(guān)系和非線性函數(shù)關(guān)系引入MRT的去趨勢(shì)回歸模型，使之更加完善。同時(shí)應(yīng)該全面地考慮其他影響植被變化的因子，更加有效、準(zhǔn)確地區(qū)分不同驅(qū)動(dòng)力對(duì)植被覆蓋變化的貢獻(xiàn)率。

大氣施肥和氣候變化的作用在植被覆蓋變化空間格局的塑造中發(fā)揮著主要作用，但人類活動(dòng)作用也不容忽視。實(shí)驗(yàn)結(jié)果表明，植被顯著增強(qiáng)區(qū)，氣候變化、大氣施肥和人類活動(dòng)的貢獻(xiàn)率約為54%、101%和－55%；植被顯著減弱區(qū)，氣候變化、大氣施肥和人類活動(dòng)的貢獻(xiàn)率約為－21%、－130%和251%。表明在植被顯著增強(qiáng)區(qū)和減弱區(qū)，大氣施肥和氣候變化的作用促進(jìn)了植被生長(zhǎng)，人類活動(dòng)破壞了植被生長(zhǎng)。但是，就整個(gè)甘南州而言，人類活動(dòng)的作用是制約該區(qū)域植被生長(zhǎng)的關(guān)鍵因素。

［1］TUCKER C J，TOWNSHEND J R G.African land－cover classification using satellite data［J］.Science，1985，227（4685）：369－375.

［2］DE JONG R，SCHAEPMAN M E，F(xiàn)URRER R，et al.Spatial relationship between climatologies and changes in global vegetation activity［J］.Glob Chang Biol，2013，19（6）：1953－1964.

［3］HELLDéN U，TOTTRUP C.Regional desertification：aglobal synthesis［J］.Global and Planetary Change，2008，64（3／4）：169－176.

［4］BOSCHETTI M，NUTINI F，BRIVIO P，et al.Identification of environmental anomaly hot spots in West Africa from time series of NDVI and rainfall［J］.ISPRS Journal of Photogrammetry and Remote Sensing，2013，78：26－40.

［5］EVANS J，GEERKEN R.Discrimination between climate and human－induced dryland degradation［J］.Journal of Arid Environments，2004，57，535－554.

［6］ARCHER E R M.Beyond the“climate versus grazing”impasse：using remote sensing to investigate the effects of grazing system choice on vegetation cover in the eastern Karoo［J］.Journal of Arid Environments，2004，57（3）：381－408.

［7］CLAESSON J，NYCANDER J.Combined effect of global warming and increased CO2－concentration on vegetation growth in water－limited conditions［J］.Ecological Modelling，2013，256：23－30.

［8］WANG L，D＇ODORICO P，EVANS J P，et al.Dryland ecohydrology and climate change：critical issues and technical advances［J］.Hydrology and Earth System Sciences Discussions，2012，9（4）：4777－4825.

［9］WANG T，SUN J G，HAN H，et al.The relative role of climate change and human activities in the desertification process in Yulin region of northwest China［J］.Environmental Monitoring and Assessment，2012，184（12）：7165－7173.

［10］WESSELS K J，VAN DEN BERGH F，SCHOLES R J.Limits to detectability of land degradation by trend analysis of vegetation index data［J］.Remote Sensing of Environment，2012，125：10－22.

［11］孫建國(guó)，張卓，韓惠，等.氣候和人類因素在黃土高原西北部植被變化中的貢獻(xiàn)率研究［J］.遙感信息，2014，29（2）：82－87.

［12］王鶯，夏文韜，梁天剛，等.基于MODIS植被指數(shù)的甘南草地凈初級(jí)生產(chǎn)力時(shí)空變化研究［J］.草業(yè)學(xué)報(bào)，2010，19（1）：201－210.

［13］趙軍，劉春雨，潘竟虎，等.基于MODIS數(shù)據(jù)的甘南草原區(qū)域蒸散發(fā)量時(shí)空格局分析［J］.資源科學(xué)，2011，33（2）：341－346.

［14］TUCKER C，PINZON J，BROWN M，et al.An extended AVHRR 8－km NDVI dataset compatible with MODIS and SPOT vegetation NDVI data［J］.International Journal of Remote Sensing，2005，26（20）：4485－4498.

［15］王靜，郭鈮，蔡迪花，等.瑪曲縣草地退牧還草工程效果評(píng)價(jià)［J］.生態(tài)學(xué)報(bào)，2009，29（3）：1276－1284.

［16］王兮之，梁釗雄，周顯輝，等.黃河源區(qū)瑪曲縣植被覆蓋度及其氣候變化研究［J］.水土保持研究，2012，19（2）：57－65.

［17］DONOHUE R J，RODERICK M L，MCVICAR T R，et al.Impact of CO2fertilization on maximum foliage cover across the globe＇s warm，arid environments［J］.Geophysical Research Letters，2013，40（12）：3031－3035.

［18］UDELHOVEN T，STELLMES M，DEL BARRIO G，et al.Assessment of rainfall and NDVI anomalies in Spain（1989－1999）using distributed lag models［J］.International Journal of Remote Sensing，2009，30（8）：1961－1976.

［19］JI L，PETERS A.Lag and seasonality considerations in evaluating AVHRR NDVI response to precipitation［J］.Photogrammetric Engineering and Remote Sensing，2005，71（9）：1053.

［20］STELLMES M，UDELHOVEN T，R?DER A，et al.Dryland observation at local and regional scale－Comparison of Landsat TM／ETM＋and NOAA AVHRR time series［J］.Remote Sensing of Environment，2010，114，2111－2125.

Driving Forces of Vegetation Cover Change in Gannan Prefecture from2000 to 2013

ZHANG Zhuo1，2，3，SUN Jian－guo1，2，WANG Xiu－ze1，2，HAN Hui1，2，ZHANG Zhong－rong1
（1.Faculty of Geomatics，Lanzhou Jiaotong University，Lanzhou730070；2.Gansu Provincial Engineering Laboratory for National Geographic State Monitoring，Lanzhou730070；3.The 61287 Army，Chengdu610036）

The driving factors of vegetation variation from 2000to 2013in Gannan Prefecture are analyzed by improved residuals trend method.At the same time，the method is verified by experiments.The method includes two steps：firstly，use the detrend regression model to differentiate the effect of climate and non－climate；secondly，in order to get the effect of human activities，acquire several pixels with steady intensity of human activities by field study and non－climatic effect of these pixels.The results show that：In the district with vegetation cover significant increase，which account for 45%in whole district，the contributions of climate change，atmospheric fertilization and human activities are 54%，101%and－55%；While in the district with vegetation cover significant decrease，which account for 22%in whole district，the contributions of climate change，atmospheric fertilization and human activities are－21%，－130%and 251%.

RESTREND；vegetation cover change；atmospheric fertilization；climate change；human activity；Gannan Prefecture

10.3969／j.issn.1000－3177.2015.06.017

TP79

A

1000－3177（2015）142－0089－07

2014—10—13

2014—11—12

國(guó)家自然科學(xué)基金項(xiàng)目（41361080）；甘肅省科技計(jì)劃資助項(xiàng)目（1308RJZA124）；蘭州交通大學(xué)科技支撐基金項(xiàng)目（ZC2012006）；對(duì)地觀測(cè)技術(shù)國(guó)家測(cè)繪地理信息局重點(diǎn)實(shí)驗(yàn)室開放課題（K201308）。

張卓（1987—），男，碩士研究生，主要從事生態(tài)遙感和GIS分析研究。

E－mail：decemberzhuo＠163.com

孫建國(guó)（1974—），男，博士，教授，主要從事遙感和GIS應(yīng)用研究。

E－mail：sunjguo＠m(xù)ail.lzjtu.cn