郑颖娟，刘军会，刘 洋，马 苏，周甲男
中国环境科学研究院环境信息研究所，北京 100012
植被作为生态系统的重要组成部分，对生态系统之间的能量传输有重要的影响作用，在水土保持、水源涵养、碳循环和维持生物多样性稳定等方面发挥着重要作用[1-2]. 植被覆盖状况是一个复杂而漫长的过程，受气候变化、土地利用、生态工程、城市化等多种因素的影响[3]. 卫星影像是大尺度植被监测的重要数据源之一，已成为生态保护和全球气候变化领域广泛应用的工具[4]. 植被归一化指数(normal difference vegetation index, NDVI)是植被密度和长势的重要指示器和目前常用于表征植被状况的指标[5-6]，被认为是监测区域植被和生态环境变化的有效指标[7]，其变化能够准确揭示地表空间变化规律，对揭示全球变化影响下的区域生态系统响应特征以及评价区域生态环境质量具有重要意义[7-8]. 同时，作为一个十分重要的敏感度指标，NDVI及其变化在生态脆弱地区的植被退化研究、土地荒漠化评价等方面也有广泛的应用[9].
在全球气候变暖和可持续发展的背景下，植被动态及其驱动因素的研究已成为世界范围内的研究热点，主要聚焦在区域植被覆盖度时空变化及其驱动因素研究，尤其在气候因素对植被变化影响方面[10-14]，相关研究[15]表明，在影响植被覆盖度变化的众多自然因素中，气温是影响我国地形第一阶梯植被覆盖度变化的主要驱动因素，而降水量是第二阶梯植被覆盖度变化的主要控制因素，在植被生长受水分制约的干旱和半干旱等地区，降水量的变化对植被覆盖度的变化起到了关键作用，大部分干旱地区NDVI与降水量呈正相关；
此外，蒸散量是影响内蒙古荒漠、草原生态区植被覆盖度变化的主要因素，而该区域植被覆盖度变化与温度的关系不是很密切[16]. 除气候因子外，人类活动对生态环境的影响力度日趋增强，甚至能够在区域尺度上改变植被覆盖度的变化趋势[17]. 人类活动可通过生态修复增加植被覆盖度，而人类的不合理利用、城市扩张以及无节制地对森林资源的掠夺会引起植被覆盖度的显著下降. 我国北方干旱半干旱地区生态环境脆弱，沙漠化、水土流失和等土地退化问题严重[18-19]，人类活动对植被覆盖度变化的影响不可忽视.
我国政府在近几十年来制定并实施了多项植被建设工程和生态保护与修复工程，对我国植被恢复起到了极大的促进作用[18-19]，利用长时间序列NDVI数据的分析表明，中国大部分地区的植被覆盖度显著增加[20]. 我国学者针对植被覆盖度变化及其驱动因素研究做了大量研究，聚焦于青藏高原、黄土高原等生态脆弱区以及东北、华北等人类活动密集区的研究相对较多，探究气候变化和人类活动对年际NDVI趋势的综合影响[7,21-22]. 尽管学者们在研究植被变化驱动因素方面做了大量的工作，但在区分人为因素和气候因素对植被影响方面，以及量化人类活动对植被覆盖度的影响方面尚不明确. 然而定量分析气候和人类活动对植被覆盖度变化的影响以及识别影响的区域性差异非常必要，因此应针对这一问题进行深入研究.
鄂尔多斯市是国家重要能源和战略资源基地，且位于我国北方防沙带的南侧，对维护国家整体生态安全具有重要作用. 近年来，通过天然林保护、退耕还林、退牧还草、自然保护区建设等一系列措施，一些区域生态环境有所好转. 该文拟从生态学角度出发，为了区分鄂尔多斯市人类活动和气候对植被动态的影响，选用NDVI作为植被的表征因子，使其作为气候因子和人类活动与生态环境之间的纽带，气候因子选取降水量和蒸散量2个指标，采用基于变异系数的人为影响模型，探讨鄂尔多斯市植被覆盖度时空变化的空间异质性，在探究气候与人类活动对植被覆盖度的影响的基础上，识别人类活动影响的正向、负向区域，进一步摸清鄂尔多斯市生态环境质量现状以及生态保护与修复取得的成效与问题，为地方政府生态环境监管与干旱半干旱区生态保护修复提供科学依据，保障鄂尔多斯市、内蒙古自治区乃至京津冀、华北地区及西北地区的生态安全，促进黄河流域高质量发展，为构筑我国北方重要生态安全屏障提供重要研究基础.
鄂尔多斯市位于内蒙古自治区西南部，地理位置为106°42′40″E~111°27′20″E、37°35′24″N~40°51′40″N，总面积86 882 km2，占内蒙古自治区土地总面积的7.5%. 鄂尔多斯市地处干旱半干旱区，为温带大陆性季风气候，降水少且时空分布极为不均，多年平均降水量为250~400 mm，全年降水集中在6−8月，由东南向西北递减，年均潜在蒸发量为2 000~3 000 mm，远大于降水量. 鄂尔多斯市地形西高东低，西部为波状高原区，主要植被类型为草原荒漠植被；
北部为黄河冲积平原，“十大孔兑”流域总面积1 0767 km2，其中水土流失面积8 223.4 km2[23]；
东部为丘陵沟壑区，为荒漠草原分布区；
中部为毛乌素沙地和库布齐沙漠，主要是沙地植被，平均海拔在1 000~1 500 m之间. 其中，平原约占总土地面积的4.3%，丘陵山区约占18.9%，波状高原约占28.8%，毛乌素沙地和库布齐沙漠分别约占28.8%和19.2%，二者面积之和占到将近一半(见图1). 目前鄂尔多斯市已经发现具有开采价值的重要矿产资源12类35种，是保障全国能源和资源安全的重要储备地. 风蚀水蚀交错，加之受到气候暖干化以及矿产开发、放牧等人类活动影响，沙漠化和水土流失防治形势依然严峻，生态环境状况具有显著的脆弱性、敏感性和不稳定性，是内蒙古自治区乃至全国沙漠化和水流流失较为严重的地区之一.
图 1 鄂尔多斯市地理位置及沙地分布Fig.1 Location and sandland distribution of Ordos City
2.1 数据来源与预处理
2.1.1NDVI数据
该研究使用地理国情监测云平台提供的MODIS归一化植被指数(NDVI)产品数据，时间跨度为2000−2018年，空间分辨率为250 m. 对数据进行投影转换、裁剪，获取鄂尔多斯市2000−2018年归一化植被指数(NDVI)后，采用最大值合成法(MVC)处理逐年、逐月NDVI数据，进一步消除大气、云、太阳高度角的影响，将每年6−9月定义为生长季，将生长季内各月份NDVI求平均值，代表该年植被状态，使NDVI更好地反映地表植被覆盖状况.
2.1.2降水量数据
降水量数据来源于中国气象科学数据共享服务网(http://data.cma.cn)以及鄂尔多斯市气象局，其中，通过中国气象科学数据共享服务网选取鄂尔多斯市周边(包括陕西省、宁夏回族自治区及内蒙古自治区其他地市)气象站点25个，以及鄂尔多斯市气象局提供的8个气象站点(鄂托克前旗、乌审旗、准格尔旗、伊金霍洛旗、东胜区、杭锦旗、鄂托克旗和达拉特旗)的月降水量监测数据. 根据降水数据的分布形态，采用ArcGIS 10.5软件中的地统计模块，对研究区降水数据进行插值[20]，裁剪得到研究区2000−2018年降水量栅格图像.
2.1.3蒸散量数据
蒸散量数据来自国家科技基础条件平台−国家地球系统科学数据共享服务平台(http://www.geodata.cn)，原始数据经过转化、裁剪得到研究区2000−2018年蒸散量数据栅格图像.
2.1.4土地利用数据
所用2018年鄂尔多斯市土地利用数据来源于中国科学院资源环境科学与数据中心(http://www.resdc.cn)，分辨率为30 m，土地利用类型划分为耕地、林地、草地、水域、城乡、工矿、居民用地、未利用地等六大类.
2.2 研究方法
2.2.1植被覆盖度信息提取模型
植被度盖度信息提取是在对光谱信号进行分析的基础上，通过建立归一化植被指数与植被覆盖度的转换关系，提取植被覆盖度信息[18,24]. 计算公式为
式中，NDVIV和NDVIS分别为纯植物像元的NDVI值和完全无植被覆盖像元的NDVI值.
2.2.2地统计分析方法
地统计学分析以大量服从正态分布的样本为前提，借助数学手段分析和预测样本的分布规律，采用Kolmogorov-Smimov Test非参数检验法进行正态分布检验. 采用克里格插值法对离散变量进行连续无偏差插值，以直观呈现气象因素的空间分布特征，在此基础上选择相应的地统计模块，计算重要参数−基台值(C+C0)、变程(R)、块金值(C0)以及块金系数〔C0/(C+C0)〕，确定地统计分析适用模型，参照Prediction Errors中的指标进行模型的选择，保证插值精度，揭示研究要素的空间变异程度.
2.2.3一元线性回归模拟变化趋势分析
将NDVI、降水量、蒸散量进行一元线性回归处理，用一元线性回归方程的斜率(SLOPE)反映数据的年际变化趋势[25-26]，计算公式：
式中：SLOPE为由一元线性回归斜率，表示2000−2018年的平均变化率；
n为年序号，取值为1~18；
i=1时表示2000年，以此类推至2018年；
NDVIi为第i年的NDVI.
2.2.4相关性分析
植被覆盖度变化(NDVI)与降水量(蒸散量)变化的样本数均服从正态分布，采用Pearson相关系数来表示它们之间的相关性，并在P=0.05的水平下开展显著性检验. 逐像元分析植被覆盖度变化与降水量、蒸散量之间的关系，揭示二者相关程度的空间分布状况[27-29]. Pearson相关系数的计算公式：
式中，R为Pearson相关性系数，x为所有像元的植被变化率，y为所有像元的降水量和蒸散量的变化率.
2.2.5基于变异系数的人为影响模型
该研究利用基于变异系数的人为影响模型定量分析人类活动对NDVI的影响. 假定在自然条件下，NDVI只受气候变化的影响，因此，在无人为影响的条件下，NDVI的变化特征应与气候变化特征一致[4].
2.2.5.1NDVI、降水量和蒸散量变异系数
变异系数(coefficient of variation, CV)是衡量序列观测值变异程度的一个统计量[1,13]，计算公式为
式中，σ为观测值的标准差，μ为算数平均值.
将时间序列NDVI、降水量和蒸散量代入式(1)，分别求得NDVI变异系数(CVNDVI)、降水量变异系数(CVT)、蒸散量变异系数(CVR).
2.2.5.2气候变异系数
该研究将降水量、蒸散量作为主要气候因子，在计算气候变异系数过程中，采用模型偏导法确定降水量与蒸散量对NDVI的影响权重，再乘以各自的变异系数并求和，即得到气候变异系数(CVC).
式中，WT为降水量对NDVI的影响权重，WR蒸散量对NDVI的影响权重.
2.2.5.3人为变异系数
NDVI变异系数与气候变异系数之差为人为变异系数(CVH).
人为变异系数表征人类活动影响的剧烈程度，其值为0或绝对值小于某个极小值时，表示不受人为影响或其影响甚微；
绝对值越大表示受人为影响的程度越剧烈[4,21]. 人为变异系数是一个统计值，不是衡量植被NDVI生态机理的参数，在影响机制上没有任何意义. 统计值存在一些误差或者小概率事件，但如果某处为无人为影响点，该点的人为变异系数肯定为0，基于此即可保证上述模型的确定性.
2.2.5.4选择无人为影响点
人为变异系数是衡量人为作用对NDVI影响的变异程度而不是影响程度，无法使用人为变异系数直接计算NDVI的人为影响值. 根据理论假设，首先要计算理论NDVI，需根据人为变异系数来选择无人为影响点，该步骤至关重要. 提取人为变异系数绝对值在0附近的栅格，为了防止出现人为变异系数为0而实际是有人为影响的情况，逐点判断实际NDVI变化与气候变化是否一致，若一致则保留，若不一致则去除，在此基础上，通过高分遥感影像、土地利用现状图、实地验证结果对提取出的无人为影响点进行验证，将一些明显受到人为影响的点(如城镇、耕地等)剔除，确保模型精度[1,21].
2.2.5.5理论NDVI
利用确定的无人为影响点，提取对应点实际NDVI即为理论NDVI(theoretical NDVI, NDVIT). 采用空间插值方法对离散点进行空间化处理，得到研究区理论NDVI栅格图[1,21,28].
2.2.5.6NDVI人为影响值
将实际NDVI(Actual NDVI, NDVIA)减去理论NDVI，即得到人为作用下的NDVI变化值，称为NDVI人为影响值(NDVI influenced by human, NDVIH)，计算公式为
当NDVIH>0时，表示NDVI在人为影响下增加；
当NDVIH<0时，NDVI在人为影响下降低[1,21]. 为了便于分析，将NDVI人为影响值分成正负值，分别对应正向影响、稳定以及负向影响.
3.1 植被覆盖度的时空变化特征
2000−2018年鄂尔多斯市植被覆盖度平均值呈现波动上升趋势，其中2000−2005年植被覆盖度平均值为0.18，2006−2010年平均值为0.22，2011−2015年平均值为0.25，2016−2018年平均值为0.33. 在空间上(见图2)，19年来植被覆盖度增加区域占比较大，为65.06%，其中极显著增加区域(SLOPE>0.015)占16.41%，主要分布在降水量>300 mm的区域；
显著增加区域(0.015≤SLOPE≤0.005)占48.65%，主要分布在降水量>200 mm的区域〔见图2和图3(a)〕，集中在达拉特、鄂托克前旗西部、杭锦旗和鄂托克旗中部区域；
无显著变化区域(−0.005≤SLOPE≤0.005)占33.35%，主要分布在杭锦旗、鄂托克旗、鄂托克前旗等西部区域；
减少区域零星分布，占1.59%，其中显著减少区域(−0.015≤SLOPE≤−0.005)主要分布在北部黄河沿岸，占1.11%，极显著减少区域(SLOPE<−0.015)主要在杭锦旗、达拉特旗北部等地零星分布，占0.48%. 总体来看，鄂尔多斯市植被覆盖度增加区域比例较高，但退化区域依然存在，生态环境质量还存在改善的空间.
图 2 2000−2018年鄂尔多斯市植被覆盖度的年际变化趋势Fig.2 The variation trend of vegetation coverage in Ordos City from 2000 to 2018
3.2 植被覆盖度对气候变化的响应
2000−2018年，鄂尔多斯市年均降水量为340 mm，年际变化率为63%，降水量总体呈增加趋势，在空间分布上〔见图3(a)〕，东部降水量在300 mm以上，最高达412 mm，西部降水量较低，最低为144 mm. 降水量变异系数在0.18~0.33之间，变化较大，空间分异特征明显〔见图3(c)〕. 2000−2018年平均蒸散量为249 mm，年际变化率为55%，东部蒸散量高于西部〔见图3(b)〕，总体呈现降低或稳定趋势. 蒸散量变异系数介于0.04~0.32之间，大部分区域蒸散量变化较小，变化幅度较大的区域主要集中在准格尔旗和鄂托克前旗〔见图3(d)〕. 年均蒸散量降低的区域主要分布在杭锦旗、鄂托克旗北部，零星分布在鄂托克前旗，占研究区总面积的36.54%；
年均蒸散量升高的区域主要分布在准格尔旗、伊金霍洛旗，占12.23%；
稳定区域主要分布在乌审旗、达拉特旗南部、杭锦旗东南部、东胜区、鄂托克旗东部以及鄂托克前旗，占51.23%.
图 3 2000—2018鄂尔多斯市年均降水量、蒸散量、降水量变异系数及蒸散量变异系数的空间分布Fig.3 Spatial distribution of annual precipitation, evapotranspiration, precipitation variation coefficient and evapotranspiration variation coefficient in Ordos City from 2000 to 2018
2000−2018年鄂尔多斯市降水量、蒸散量与NDVI总体均呈现波动增长趋势(见图4). 相关分析〔见图5(a)〕显示，NDVI与降水量的相关系数保持在−0.76~0.86之间，呈显著正相关(P≤0.05)的区域主要分布在鄂托克前旗以及准格尔旗、鄂托克旗、杭锦旗、达拉特旗、乌审旗等区域南部. 降水量变化对植被覆盖度的影响较大，二者呈正相关的区域占研究区总面积的92.9%. 降水量与NDVI呈负相关的区域主要分布在研究区北部沿黄区域、康巴什区、伊金霍洛旗、乌审旗北部，但均未达到显著性水平(P≥0.05)，占整个研究区域的7.10%，这些区域降水量的年际变化率较小，对植被覆盖度影响不大. 降水量与NDVI不相关的区域(相关系数为0)零散分布，占整个研究区域的0.88%.
图 4 2000—2018年鄂尔多斯市降水量、蒸散量及NDVI的变化趋势Fig.4 Trends of precipitation, evapotranspiration and vegetation coverage in Ordos City from 2000 to 2018
图 5 2000—2018年鄂尔多斯市降水量、蒸散量与NDVI的相关性Fig.5 Correlation between vegetation coverage and precipitation, evaporation in Ordos City from 2000 to 2018
由NDVI与蒸散量的相关性分析〔见图5(b)〕可知，二者相关系数介于−0.76~0.97之间，相比降水量，蒸散量与NDVI呈正相关的区域占比更高，达到99.11%；
二者呈负相关的区域主要分布在北部沿黄边缘区域以及鄂托克旗西北角和杭锦旗西南角，但均未达到显著性水平(P≥0.05)，仅占整个研究区域的0.89%. 19年来鄂尔多斯市降水量整体呈增加趋势，蒸发量呈现稳定和降低的区域占比较大，结合2000−2018年NDVI与降水量、蒸散量相关系数的空间分布特征可知，降水量增加，蒸散量降低，总体蒸降差变小，植被覆盖度增加，总体来看，气候因子对区域植被覆盖度变化产生了正面的影响.
3.3 人类活动对植被覆盖度的影响
NDVI变异系数表征植被覆盖度的变化强度，2000−2018年鄂尔多斯市植被覆盖度呈增加趋势，植被覆盖度增加区域占65.06%；
NDVI变异系数在0.005~4.360之间，表明植被稳定性较弱，且存在显著的区域性差异. 从空间分布〔见图6(a)〕来看，NDVI变异系数的高值区主要集中在杭锦旗西北部、西南角以及鄂托克旗西北角，零星分布在乌审旗，结合土地利用数据可知，该区域主要土地利用类型为库布齐沙漠、毛乌素沙地以及采矿区. 上述区域植被变化波动最为强烈，而这些区域的NDVI与降水量、蒸散量的相关性(见图5)均未达到显著性水平，因为NDVI变异系数的高值区主要受到人类活动的影响.
图 6 2000—2018年鄂尔多斯市NDVI变异系数及人为变异系数的空间分布Fig.6 Spatial distribution of vegetation coverage variation coefficient and anthropogenic variation coefficient in Ordos City from 2000 to 2018
人为变异系数表征人类活动对植被的干扰强度，从人为变异系数的空间分布〔见图6(b)〕来看，人为变异系数的高值区整体上与NDVI变异系数的高值区一致，主要分布在库布齐沙漠以及采矿活动比较频繁的鄂托克旗西北部，人类活动对植被的影响较为明显，且该区域处于防风固沙屏障区和生物多样性优先区，具有重要的生态功能. 低值区主要分布在研究区的东部和中部区域，植被生长状况良好，受人类活动干扰较小，未发生显著变化.
在土地利用现状基础上，采用第三次全国土地调查数据、高分数据等有明确边界的地块边界，进行空间套核，提高土地利用数据的分辨率，初步提取无人为影响点，并通过生态系统调查的246个实地验证数据对无人为影响点进行筛选和验证，最终提取出2 000多个无人为影响点，主要分布在伊金霍洛旗等植被覆盖度相对较好的区域，植被覆盖度对降水量、蒸散量等气候因子响应强烈. 杭锦旗、乌审旗等区域无人为影响点位分布相对较少，表明在人为作用下，区域内植被状况有了明显改善.
2000−2018年间，鄂尔多斯市NDVI的人为正向影响和负向影响如图7所示，人类活动对NDVI的正向影响覆盖了研究区大部分区域，占研究区总面积的54.00%，主要集中在研究区东部各旗(区)，如准格尔旗、东胜区、康巴什区、伊金霍洛旗和乌审旗的大部分区域，以及杭锦旗、鄂托克旗、鄂托克前旗的东部区域. 人类活动对上述区域的植被覆盖度起到了正向促进作用，根据土地利用现状数据，该区域也存在矿区分布(如神东矿区)，近40年来生态系统的变化总体呈现“两增一减”的特征，即林地、草地面积增加，荒漠面积减少，植被覆盖度达56.78%. 人类活动影响较小的区域占整个研究区面积的32.58%，主要分布在杭锦旗中部、鄂托克旗西部以及鄂托克旗西部. 负向影响区域面积占整个区域面积的12.35%，如图7所示，负向影响区域主要分布在杭锦旗西部、鄂托克旗西北部，此区域露天及井工煤矿遍布，如棋盘井矿区，且该区域作为生物多样性优先区，主要保护物种为古老残遗濒危珍稀植物−半日花，近年来按照要求保护区内的矿山企业逐渐退出保护区，但研究结果表明该区域植被覆盖度在一定程度上受到了人类活动的负向影响，应严格落实管控要求，划定珍稀种群保护小区，开展生态环境长期监测，建立生态风险预警体系.
图 7 2000—2018年鄂尔多斯市NDVI的人为影响分布Fig.7 Anthropogenic influence distribution of vegetation coverage in Ordos City from 2000 to 2018
对于植被覆盖度而言，植被覆盖度增加这一结果与其他相关研究结果相一致. 苗旭等[29]基于最大合成法合成了鄂尔多斯市年际NDVI数值，结果表明2000年NDVI平均值为0.32，2018年为0.33，整体呈上升趋势，显著和极显著退化区域主要分布在鄂尔多斯市区及北部黄河沿岸. 马格[30]研究表明，降水量及生态建设工程是影响鄂尔多斯市植被覆盖度的重要影响因子，其中植树造林及禁牧、休牧措施是重要人为影响因素. 贾媛等[24]研究表明，2000年和2005年鄂尔多斯市NDVI受自然因素作用的影响大于人为因素，而2010年和2015年人为因素的影响大于自然因素. 随着经济社会的不断发展，人类对生态的影响越来越明显，苗旭等通过残差趋势分析了人类活动对鄂尔多斯市NDVI的影响，从空间上来看，95.49%的区域NDVI残差趋势为正值，4.51%的区域残差趋势值为负值[29]，这与笔者所得结果基本一致. 该研究结果显示，人类活动的正向影响区域主要集中在研究区东部，占54.00%，负向影响区域主要分布研究区西部，占13.42%，表明近20年来人类活动对植被的影响逐渐增强，且起到促进作用. 但负向影响区域亟待关注，这些区域内分布有棋盘井矿区，又是保护古老残遗濒危植物−半日花以及荒漠生态系统的生物多样性保护优先区. 因此对于负向影响区域，建议进一步加强人类活动管控，协调好经济发展与环境保护的关系，科学制定生态修复建议，保障生态环境质量持续改善，为地方政府及其他干旱半干旱区的生态保护修复与生态环境监管提供科学依据.
对于数据精度而言，该研究的降水量数据在全国气象台站的基础上，选取周边(包括陕西省、宁夏回族自治区以及内蒙古自治区其他市)气象站点25个，并采用鄂尔多斯市8个气象站点的月降水监测数据，运用地统计学分析，根据数据分布特点，计算基台值、变程、块金值及块金系数等重要参数并确定适用的插值模型，在数据和插值模型的选取上保证了精度.土地利用数据在中国科学院资源环境科学与数据中心提供的数据基础上，利用第三次全国土地调查数据、高分数据中明确的地块边界，进行空间套核，将空间分辨率250 m的数据转换成米级数据，并通过生态系统调研实地验证，布设4条样线覆盖全部旗(区)和自然保护区，样地82个，实地验证点246个，并在此基础上筛选无人为影响点，保证了结果的准确性.
对于研究方法而言，由于人类活动方式各异，地形、土壤、植被以及气候条件也存在诸多差异，即使同种人类活动对植被覆盖度产生的实际影响也不尽相同，因此实际影响较难量化. 目前人类活动定量研究的主要方法是残差分析法[31-32]、降水利用效率分析法[25,33]、陆地生态系统动态模型(dynamic land ecosystem model，DLEM)[29]以及基于变异系数模型等[22]，上述方法各有特点，也各有局限. 其中，残差分析法无法区分人为作用的正负方向；
降水利用效率分析法只适合长时序数据和大范围区域评价，不确定性问题较多；
DLEM模型复杂，参数不易获取，难以计算人为活动间接影响等[21]. 该文采用基于变异系数的计算模型，基于间接计算思想，避免人类活动影响的复杂过程，所需参数少，易获取，具有较好的推广性，能够定量评估人类活动对NDVI的影响，并剥离气候影响，识别人类活动的正向、负向影响. 但气候本身也受到人类活动的影响，在后续研究中建议拉长气候因子的时间序列，摸清研究区气候变化趋势，并探讨如何在模型中滤除人类活动对气候的影响，优化计算模型，提高人类活动定量分析的精度. 另外人类活动对植被的影响方式多种多样，区域内植被覆盖度的变化往往是多种方式共同作用的结果，探讨不同区域人类活动影响机制，并针对正向影响区域，在一定气候影响范围内，探究植被覆盖度的阈值，分析不同区域的物种适宜性，因地制宜提出相应保护对策和物种恢复建议是后续研究工作的重点.
a) 2000−2018年鄂尔多斯市植被覆盖度平均值呈现波动性上升趋势，植被覆盖度等级呈现低、中覆盖向中高、高覆盖转化的趋势. 植被覆盖度增加区域比例较高，极显著、显著增加面积分别占16.41%和65.06%. 但退化区域依然存在，极显著减少区域主要分布在沿黄区域，包括杭锦旗以及达拉特旗北部，占总面积的0.48%，表明生态环境质量还存在改善的空间.
b) 2000−2018年，鄂尔多斯市年均降水量总体呈现增加趋势，且东部高于西部；
年均蒸散量呈现降低和稳定的趋势，分别占研究区的36.54%和51.23%，且东部高于西部，变化幅度大的区域主要集中在准格尔旗和鄂托克前旗. NDVI与降水量、蒸散量的相关系数分别为−0.76~0.86和−0.76~0.97，与降水量呈显著正相关(P≤0.05)的区域占研究区总面积的92.9%，与蒸散量呈显著正相关的区域占99.11%. 总体来看，降水量的增加、蒸散量的相对降低对区域植被覆盖度的增加产生了正面的影响.
c) 2000−2018年NDVI变异系数在0.005~4.360之间，植被稳定性较弱，高值区的NDVI与降水量和蒸散量的相关性均未达到显著性水平. 人为变异系数为−0.25~1.50，高值区主要分布在鄂托克旗西北部、杭锦旗及乌审旗，土地利用类型为工矿用地、沙漠(库布齐)和沙地(毛乌素)，且生态系统类型变化显示采矿场增加，沙漠和沙地面积减少. 这些区域植被变化波动最为强烈，但与降水量、蒸散量的相关性不显著，表明植被覆盖度变化主要受人类活动的影响. 人类活动正向影响区域主要集中在研究区东部，占54.00%，负向影响区域集中在西部，占13.42%. 负向影响区域分布有棋盘井等矿区，同时又是保护古老残遗濒危植物−半日花以及荒漠生态系统的生物多样性保护优先区，因此需要进一步加强人类活动管控，科学制定生态修复建议，协调好经济发展与环境保护的关系，为构筑我国北方生态安全屏障提供重要保障.
猜你喜欢 覆盖度鄂尔多斯市人为 呼和浩特市和林格尔县植被覆盖度变化遥感监测科学技术创新(2022年30期)2022-10-21基于NDVI的晋州市植被覆盖信息提取农业与技术(2021年23期)2021-12-14塞罕坝机械林场植被覆盖度及景观格局变化分析农业与技术(2021年16期)2021-08-31气候变化与人类活动对植被覆盖的影响西安科技大学学报（社会科学版）(2020年1期)2020-04-01学生写话快乐作文（1.2年级）(2019年3期)2019-09-10学生写话①快乐作文（1.2年级）(2019年6期)2019-09-10山高人为峰摄影之友(影像视觉)(2019年2期)2019-03-05内蒙古自治区篮球项目特色学校锦标赛在鄂尔多斯市成功举办少年体育训练(2017年10期)2017-11-17内蒙古稳步推进数字草原建设中国信息化周报(2016年5期)2016-02-27山高人为峰诗歌月刊(2014年1期)2014-03-11