石 淞,李 文,丁一書,林曉鵬,翟育涔

東北地區(qū)植被時空演變及影響因素分析

石 淞,李 文*,丁一書,林曉鵬,翟育涔

(東北林業(yè)大學園林學院,黑龍江 哈爾濱 150040)

基于2000～2020年MODIS NDVI遙感數(shù)據(jù),輔以氣象數(shù)據(jù)和土地利用數(shù)據(jù),通過小波分析、Sen+Mann-Kendall趨勢分析、Hurst指數(shù)、偏相關(guān)分析及殘差分析法,以不同地形地貌為單元,對不同周期階段下東北地區(qū)植被時空演變特征及其對氣候變化和人類活動的響應機制進行深入解析.結(jié)果表明:時間上,21a間東北地區(qū)植被NDVI呈速率為0.0308/10a(<0.001)的上升趨勢,以16a第一主周期下10a左右的周期變化最為穩(wěn)定;空間上,東北地區(qū)植被NDVI整體處于較高水平,但空間分異明顯,呈“西南低東北高”的格局.各周期階段均為NDVI改善面積大于退化面積且改善范圍不斷擴增.NDVI未來變化趨勢主旋律為持續(xù)改善,占總面積的63.56%;響應機制上,東北地區(qū)植被NDVI受氣候變化與人類活動共同影響.2000～2020年NDVI與氣溫、降水和相對濕度呈正相關(guān),與日照時數(shù)呈負相關(guān),其中降水對NDVI的影響作用最強,且隨周期演替以降水為主導氣候因子的面積顯著遞增.各周期階段人類活動對NDVI變化均以正向促進為主,林業(yè)工程實施是植被狀況改善的關(guān)鍵,而建設(shè)用地擴張是植被減少的主要原因.

東北地區(qū)；NDVI；時空演變；氣候變化；人類活動

監(jiān)測植被動態(tài)并探索植被生長與氣候變化和人類活動的響應關(guān)系,是全球變化研究中持續(xù)關(guān)注的問題[1-2].東北地區(qū)地處中高緯度帶,是全球變化響應的敏感區(qū)和脆弱區(qū),也是維護我國糧食安全和陸表生態(tài)平衡的重要區(qū)域[3].東北地區(qū)植被以落葉闊葉林、針闊混交林、草原草甸為主,其植被生態(tài)系統(tǒng)是長期自然演化的結(jié)果,一旦遭到破壞,恢復難度極大且過程緩慢[4].近幾十年來,由于水熱條件改變和開發(fā)建設(shè)加劇,東北地區(qū)生態(tài)環(huán)境發(fā)生顯著變化,主要表現(xiàn)為森林生態(tài)功能衰減[5]、草地荒漠化[6]、黑土區(qū)水土流失嚴重[7]等.植被作為陸地生態(tài)系統(tǒng)中的主體,對東北地區(qū)生態(tài)可持續(xù)發(fā)展起關(guān)鍵作用[8],探究其時空變化及驅(qū)動機制具有重要意義.

利用遙感衛(wèi)星數(shù)據(jù)監(jiān)測植被生長有助于更好地了解植被信息,在眾多遙感數(shù)據(jù)反演的植被指數(shù)中,歸一化植被指數(shù)(NDVI)具有物理意義明確、消除輻射誤差、對植被響應能力強等優(yōu)勢,應用最為廣泛[9].目前國內(nèi)外學者基于NDVI時間序列從多尺度對植被時空變化及其影響因素的研究已有豐碩成果.研究指出[10-12],近30a全球變暖使北半球植被物候期提前,枯黃期推遲,NDVI整體呈上升趨勢,在我國西北干旱區(qū)[13]、東南沿海城市[14]、黃河流域[15]、三江平原[16]和青藏高原[17]等地的研究中也有類似結(jié)論.大量學者聚焦于運用相關(guān)分析[18]、面板數(shù)據(jù)模型構(gòu)建[19]、地理探測器[20]等方法探究NDVI與氣溫、降水、土地利用、人口密度等的響應關(guān)系.研究表明,氣候變化作為內(nèi)部驅(qū)動力,主要通過改變植被所處的局地環(huán)境,影響碳積累、水循環(huán)及土壤有機質(zhì)分解過程,進而影響其生長發(fā)育及分布格局,且在不同植被類型與海拔梯度間氣候因子的影響范圍和作用強度存在差異[21-23];人類活動作為外部驅(qū)動力在不同程度上緩解或加劇氣候變化的影響,體現(xiàn)為一種復雜的人-環(huán)境耦合系統(tǒng),與政策和經(jīng)濟因素密切相關(guān),在社會快速發(fā)展時期,其作用更加不可忽視[24-25].隨著研究不斷深入,針對東北地區(qū)植被的研究也取得了長足進展.研究發(fā)現(xiàn)[26-28],近年來東北地區(qū)植被覆蓋整體呈穩(wěn)定增長態(tài)勢,并且認為生長季尺度上NDVI與降水的相關(guān)性高于氣溫,同時,氣候變化和人類活動均對植被改善具有促進或抑制作用,其中人類活動是植被趨勢變化的主導因素.

前人對東北地區(qū)研究,大多以NDVI起止年為研究時段,以行政區(qū)劃為研究單元,忽略了植被變化在不同階段、不同地形環(huán)境的差異.且多側(cè)重定性討論,只有少數(shù)學者進行了定量剝離,但未考慮氣溫和降水外的其他氣候因素對植物生長的影響及NDVI變化與氣候因子的時滯效應.鑒于此,本文借助谷歌地球引擎(GEE)云平臺,基于2000～2020年MODIS NDVI數(shù)據(jù),以地形地貌分區(qū)為單元,采用小波分析方法劃分周期階段,利用Sen+Mann-Kendall趨勢分析和殘差分析等方法,探討植被時空演變特征及其對氣候變化和人類活動的響應機制,以期為東北地區(qū)植被資源修復和生態(tài)政策制定提供科學依據(jù).

1 數(shù)據(jù)與方法

1.1 研究區(qū)概況

東北地區(qū)(38°72'～53°56'N、115°52'～135°09'E)包括黑龍江、吉林、遼寧及內(nèi)蒙古自治區(qū)東四盟(呼倫貝爾、興安、通遼、赤峰),總面積約125萬km2.地勢分異明顯,呈三面環(huán)山,內(nèi)部平原的格局,可劃分為松嫩平原、三江平原、遼河平原、大興安嶺、小興安嶺及長白山.屬溫帶大陸性季風氣候,四季分明,雨熱同期.由南向北跨越中溫帶與寒溫帶,北部凍土區(qū)冬季氣溫可達-40℃,由東向西跨越濕潤、半濕潤與半干旱區(qū),年降水量由1000mm逐漸低至300mm以下.作為我國最大的天然林分布區(qū),植被區(qū)劃上匯合了中國8大植被區(qū)域中的4類,分別為溫帶針闊混交林、寒溫帶針葉林、暖溫帶落葉闊葉林、溫帶草原,植被分布上具有南北緯度、東西經(jīng)向和山地垂直地帶性[29].為解決氣候變化與不合理人類活動造成的生態(tài)環(huán)境問題,國家相繼實施了“三北防護林”、“退耕還林草”等林業(yè)工程,東北地區(qū)作為重點實施區(qū)域,其植被覆蓋面積較20世紀末期有顯著提升(圖1).

圖1 東北地區(qū)高程及氣象站點空間分布

底圖審圖號:GS2022(1873)號.下同

1.2 數(shù)據(jù)來源及處理

NDVI數(shù)據(jù)選取2000～2020年生長季(4～10月)MOD13Q1產(chǎn)品,來源于美國航空航天局NASA (https://ladsweb.modaps.eosdis.nasa.gov/),時間分辨率16d,空間分辨率250m.最大值合成法(MVC)能夠有效減少云層、大氣、太陽高度角等對植被數(shù)據(jù)的干擾.通過GEE函數(shù)對數(shù)據(jù)進行批量波段提取、格式轉(zhuǎn)換、最大值合成、影像拼接、按研究區(qū)矢量范圍裁剪,得到月、年尺度最大值NDVI數(shù)據(jù)集.本研究利用年生長季最大NDVI進行分析,代表全年植被生長的最好狀況,將生長季NDVImax<0.1的區(qū)域定義為無植被區(qū),不參與計算,以減少裸土、沙漠、水體、積雪的影響.

氣象數(shù)據(jù)來源于國家氣象信息中心(http://data. cma.cn/)《中國地面氣候資料日值數(shù)據(jù)集(V3.0)》,篩選出研究區(qū)內(nèi)及其周邊127個氣象站點的氣溫、降水、日照時數(shù)和相對濕度4類氣象數(shù)據(jù),通過R語言將其整合并轉(zhuǎn)化為標準單位,采取均值替換法對個別臺站的異常值和缺失值進行插補.利用ANUSPLIN軟件,引入DEM作為協(xié)變量,基于薄盤樣條函數(shù)理論對氣象數(shù)據(jù)進行空間插值.DEM數(shù)據(jù)來源于GEE平臺NASADEM30m數(shù)據(jù)集(NASA/ NASADEM_HGT/001),該數(shù)據(jù)集通過誤差校對等技術(shù)實現(xiàn)了STRM數(shù)據(jù)質(zhì)量的提升.土地利用數(shù)據(jù)來源于資源環(huán)境科學與數(shù)據(jù)中心(https://www.resdc. cn/),選取2000和2020年兩期.利用ArcGIS10.8對所有影像進行掩膜提取、投影轉(zhuǎn)換與重采樣等再處理,確保最終行列號一致,投影類型為WGS84-UTM,空間分辨率為1km.

1.3 研究方法

1.3.1 小波分析 小波分析能夠清晰揭示隱藏在長時間序列中的多種周期變化信息[30].本研究選用含非正交特性的Morlet作為母小波基函數(shù)進行小波變換.母小波、子小波、離散小波變換形式與小波方差公式分別如下:

1.3.2 Sen+Mann-Kendal趨勢分析 將Theil-Sen Median斜率估計與Mann-Kendall非參數(shù)檢驗相結(jié)合,該方法較為穩(wěn)健,抗噪性強且能夠規(guī)避異常值干擾[31].公式如下:

表1 NDVI變化類型及劃分依據(jù)

1.3.3 Hurst指數(shù) 基于重標極差(R/S)法的Hurst指數(shù)能夠預測未來時間序列的發(fā)展趨勢,定量描述其持續(xù)性特征[32].原理如下:

1.3.4 偏相關(guān)分析 基于像元空間尺度將NDVI時間序列與4類氣候因子分別進行三階偏相關(guān)分析[33],并采用檢驗判斷其顯著性.公式如下:

1.3.5 殘差分析 采用殘差分析法[34]定量分離氣候變化和人類活動對NDVI的影響.本研究在傳統(tǒng)殘差分析基礎(chǔ)上,考慮到植被對氣候響應的時滯效應,運用相關(guān)分析法得出NDVI與同期、前1～3月氣候因子的相關(guān)系數(shù),選擇與NDVI相關(guān)性最強時期的氣候因子參與計算.將NDVI預測值、NDVI實測值與預測值的差值分別視為氣候變化、人類活動影響下的NDVI.公式如下:

2 結(jié)果與分析

2.1 植被NDVI時空演變特征

2.1.1 時間變化特征 從年際變化看,2000～2020年東北地區(qū)NDVI整體呈顯著增長趨勢,增長率為0.0308/10a(<0.001),表明退耕還林、禁牧輪牧、封山育林育草等植被修復工程的生態(tài)效應正逐步顯現(xiàn),但在2004～2010年NDVI波動性較大,2007與2009年出現(xiàn)明顯下降趨勢,可能與干旱事件有關(guān). 21a間東北地區(qū)NDVI均值為0.800,2000年NDVI值最低,為0.755,2019年NDVI值最高,為0.831.各地形地貌分區(qū)NDVI變化速率差異較大,其中松嫩平原上升趨勢最為顯著,為0.047/10a,遼河平原次之,為0.040/10a,長白山年際變化最不明顯,增長率僅為0.020/10a.長白山21a間植被覆蓋狀況優(yōu)于其他地形地貌單元,NDVI均值最高,為0.885,小興安嶺和三江平原次之,分別為0.881和0.866,遼河平原NDVI均值最低,為0.736(圖2).

圖2 2000～2020年東北地區(qū)NDVI均值年際變化

圖3 NDVI時間序列分解及去季節(jié)趨勢NDVI時間序列

從周期變化看,首先運用STL時間序列分解法剔除年內(nèi)強烈的季節(jié)趨勢對年際周期信息的干擾,使周期變化分析結(jié)果更有意義.該方法通過魯棒局部加權(quán)回歸將21aNDVI時間序列分解為趨勢-周期項、季節(jié)項與殘差項.對修正后的去季節(jié)趨勢NDVI時間序列進行小波變換,由小波系數(shù)實部等值線圖可看出,在100～120月時間尺度上有明顯震蕩現(xiàn)象,出現(xiàn)2個正相位和3個負相位,其中正相位為22～58月與92～127月,NDVI均值偏高,22～127月正負相位交替完整,囊括NDVI年際變化波動較大時段.由小波方差圖可看出,在111月時間尺度上對應波動能量最大峰值,佐證等值線圖結(jié)論,說明111月(約16a)為東北地區(qū)NDVI變化的第一主周期,此外88、72月分別為第二、三主周期.由小波系數(shù)圖可看出,不同時間尺度下NDVI周期變化有所差異,第一主周期下NDVI周期變化為69月(約10a).綜上,21a間東北地區(qū)NDVI時間變化存在多尺度特征,由111、88、72月時間尺度的周期波動共同控制著NDVI在整個時域內(nèi)的演化,以16a第一主周期下10a左右的周期變化最為穩(wěn)定(圖3、4).

圖4 小波系數(shù)實部等值線、小波方差及小波系數(shù)

2.1.2 空間分布特征 東北地區(qū)NDVI呈“自西南向東北遞增”的分布格局且地域性差異明顯.高值區(qū)主要分布在長白山、小興安嶺、三江平原等地,NDVI均值普遍在0.8以上,植被長勢較好.低值區(qū)主要分布在大興安嶺西部呼倫貝爾沙地與西遼河平原科爾沁沙地,荒漠化問題嚴峻,NDVI均值僅為0.1～0.5.總體上,東北地區(qū)NDVI處于較高水平,均值在0.8以上的區(qū)域占比67.32%.在NDVI均值￡0.8各區(qū)間內(nèi),面積占比均為大興安嶺>遼河平原>三江平原;在NDVI均值0.8～0.9區(qū)間內(nèi),大興安嶺占比38.22%,松嫩平原和長白山次之,分別為19.33%、12.64%;在NDVI均值30.9區(qū)間內(nèi),長白山占比最高,達到51.81%,三江平原與小興安嶺次之,分別為13.54%、13.25%.各區(qū)間植被分布存在差異的原因主要與植被類型有關(guān),大小興安嶺與長白山主要植被類型為落葉闊葉林、針葉林、針闊混交林等,平原地區(qū)作為糧食主產(chǎn)區(qū),主要植被類型為草地和農(nóng)田,因此在NDVI低值區(qū)間內(nèi),平原與山地占比近似,而在NDVI高值區(qū)間內(nèi),山地居多.由于長白山森林多為針闊混交林,且其所處區(qū)域水熱條件優(yōu)于大小興安嶺,因此在NDVI最高值區(qū)間,長白山占比過半(圖5).

2.1.3 空間變化特征 結(jié)合周期變化分析結(jié)果,將研究時期按照近10a為間隔對NDVI空間變化特征進行分析.不同周期階段下NDVI變化趨勢空間異質(zhì)性明顯.2000～2010年,NDVI改善面積為22.41萬km2,占比18.12%,主要分布在松嫩平原與遼河平原,以極顯著改善為主,占比9.77%,顯著及弱顯著改善分別占比1.12%、7.23%.退化面積為6.82萬km2,占比5.52%,以顯著退化為主,占比4.34%,主要分布在大興安嶺西南部.

2010～2020年,較上一階段主要由顯著退化和極顯著改善向顯著改善轉(zhuǎn)化,NDVI改善面積擴增至31.03萬km2,占比25.10%,主要分布在三江平原、西遼河平原與大興安嶺東北部,以顯著改善為主,占比11.55%,較上一階段占比增長10.42%.退化面積為2.75萬km2,占比2.23%,其中極顯著及弱顯著退化較上一階段無較大差別,顯著退化面積為1.18萬km2,較上一階段占比減少3.38%,退化區(qū)域主要集中在遼河平原中部.

整體來看,2000～2020年東北地區(qū)NDVI改善趨勢明顯,改善面積總計82.33萬km2,占比66.59%,其中極顯著、顯著與弱顯著改善分別占比39.93%、18.94%、7.72%.退化面積僅為2.02萬km2,占比1.63%.表明2000～2020年東北地區(qū)大部分區(qū)域植被狀況均有好轉(zhuǎn),而典型半干旱風沙區(qū)與部分城市群聚集區(qū)仍應引起重視,21a間退化形勢嚴峻(圖6).

圖6 2000～2020年東北地區(qū)不同周期階段NDVI Sen趨勢及變化類型空間分布

各地形地貌分區(qū)NDVI空間變化在不同周期階段下存在差異,但整體趨同.2000～2010年,遼河平原改善面積占其總面積比例最高,為40.51%,松嫩平原次之,為28.38%,大興安嶺占比最低,為13.54%. 2010～2020年,三江平原、大興安嶺、小興安嶺、長白山較上一階段改善面積均有所增加,占其各自總面積比例分別增長17.11%、14.86%、12.87%、9.15%,而遼河平原在此階段植被退化現(xiàn)象突顯,改善面積較上一階段占比減少22.93%.整體來看,2000～2020年各地形地貌分區(qū)NDVI均有大幅改善,其中松嫩平原、小興安嶺、長白山改善成效更為顯著,改善區(qū)域占比分別為79.79%、77.57%、73.56%.遼河平原與大興安嶺退化面積仍分別有6606、6587km2,且遼河平原退化程度最強(圖7).

2.1.4 未來變化特征 2000～2020年東北地區(qū)NDVI的Hurst指數(shù)介于0.20～0.77之間,均值為0.59,其中Hurst值>0.5的面積占比85.28%,表明NDVI總體上表現(xiàn)出持續(xù)性特征,與過去趨勢相同.根據(jù)Hurst指數(shù)計算實際情況,將其劃分為強、弱的持續(xù)與反持續(xù)4個等級,其中弱持續(xù)性占比最大,達到61.29%,主要分布于大興安嶺、長白山與三江平原.強持續(xù)性次之,占比23.99%,主要分布于遼河平原北部、松嫩平原中部與小興安嶺東南部.弱反持續(xù)與強反持續(xù)區(qū)域分布較少且相對破碎,分別占比14.48%、0.24%.

將NDVI變化趨勢與Hurst指數(shù)進行空間耦合疊加,以進一步明確東北地區(qū)NDVI未來發(fā)展規(guī)律.其中弱持續(xù)改善面積為51.83萬km2,占比最高,為41.92%,強持續(xù)改善次之,占比21.64%.這些區(qū)域主要集中在松嫩平原、遼河平原北部、小興安嶺東南部與大興安嶺東北部,未來將呈現(xiàn)不同程度的持續(xù)改善.其余各類型面積較少,占比均在5%以下.整體來看,東北地區(qū)NDVI處于穩(wěn)中向好的發(fā)展態(tài)勢,未來變化類型多為持續(xù)改善,占比63.56%,但以弱持續(xù)性改善居多.持續(xù)退化以及由改善轉(zhuǎn)為退化的面積仍有5.71萬km2,占比4.62%,主要分布在大興安嶺西部草原沙地與部分建筑聚集區(qū),其存在退化風險的主要原因可能與水熱條件改變、土地利用類型重構(gòu)等因素對植被生長產(chǎn)生抑制作用有關(guān),需因地制宜加強這些區(qū)域的生態(tài)環(huán)境治理(圖8).

圖7 2000～2020年各地形地貌分區(qū)不同周期階段NDVI變化類型

圖8 2000～2020年東北地區(qū)Hurst指數(shù)及NDVI未來變化趨勢空間分布

2.2 植被NDVI對氣候變化的響應

2.2.1 氣候因子變化趨勢 2000～2020年東北地區(qū)氣溫、降水與相對濕度總體呈上升趨勢,速率分別為0.038℃/10a、90.695mm/10a、1.022%/10a,日照時數(shù)呈下降趨勢,速率為-0.079h/10a.21a間均溫與累積降水量均值分別為13.997℃、476.867mm.2018年均溫出現(xiàn)高峰,2007、2011與2014年降水量明顯下降,與該年東北地區(qū)遭遇異常頻繁夏熱事件與大面積旱情災害有關(guān)[35-36].2000～2020年相對濕度與日照時數(shù)均值分別為63.644%、7.678h,在2002～2008年間波動幅度相對較大.綜上,東北地區(qū)氣候環(huán)境正逐步趨向暖濕化(圖9).

2.2.2 NDVI與氣候因子的相關(guān)性 不同周期階段下東北地區(qū)NDVI與各氣候因子的偏相關(guān)類型空間分布差異較大.2000～2010年,NDVI與降水和相對濕度偏相關(guān)系數(shù)均值分別為0.085、0.065,與兩者呈顯著(<0.05)和弱顯著正相關(guān)(<0.1)的區(qū)域占比分別為7.05%、7.50%,分別主要分布在松嫩平原西北部與南部、大興安嶺東部與南部.NDVI與氣溫和日照時數(shù)偏相關(guān)系數(shù)均值分別為-0.055、-0.045,與兩者呈顯著(<0.05)和弱顯著負相關(guān)(<0.1)的區(qū)域占比分別為4.74%、5.82%,分別主要分布于大興安嶺中部與松嫩平原東北部、大興安嶺西部與松嫩平原西南部.

圖9 2000～2020年東北地區(qū)氣候因子變化趨勢

圖10 2000～2020年東北地區(qū)不同周期階段NDVI與氣候因子相關(guān)類型空間分布

2010～2020年,NDVI與降水偏相關(guān)系數(shù)均值為0.192,其中呈顯著(<0.05)和弱顯著正相關(guān)(<0.1)的區(qū)域占比14.50%,較上一階段占比增長7.45%,主要分布在大興安嶺西部、東部與松嫩平原中部等地.NDVI與氣溫和日照時數(shù)偏相關(guān)系數(shù)均值分別為0.082、0.091,由上一階段的負值轉(zhuǎn)為正值,與氣溫呈顯著(<0.05)和弱顯著正相關(guān)(<0.1)的區(qū)域占比8.75%,主要分布在大興安嶺西部、松嫩平原西南部與遼河平原北部;與日照時數(shù)呈顯著(<0.05)和弱顯著正相關(guān)(<0.1)的區(qū)域占比7.70%,主要分布在長白山一帶.NDVI與相對濕度偏相關(guān)系數(shù)均值為-0.082,由上一階段的正值轉(zhuǎn)為負值,其中呈顯著(<0.05)和弱顯著負相關(guān)(<0.1)的區(qū)域占比8.27%,主要分布在三江平原與松嫩平原中部.

整體來看,2000～2020年東北地區(qū)生長季NDVI與氣溫、降水、相對濕度呈正相關(guān),偏相關(guān)系數(shù)均值分別為0.012、0.243、0.025,與日照時數(shù)呈微弱負相關(guān),偏相關(guān)系數(shù)均值為-0.009.NDVI與氣溫呈顯著(<0.05)和弱顯著負相關(guān)(<0.1)的面積總計5.68萬km2,占比分別為2.23%、2.36%,主要分布于遼河平原西部與大興安嶺西南部,究其原因主要是由于這部分地區(qū)降水較少,受到水分脅迫,氣溫升高導致植被蒸騰作用加強,土壤水分加速消耗使其干燥化,進而抑制植被代謝過程.NDVI與降水分別有19.48%、9.48%的區(qū)域呈顯著(<0.05)、弱顯著正相關(guān)(<0.1),與降水呈顯著(<0.05)和弱顯著(<0.1)相關(guān)的區(qū)域面積明顯高于其他氣候因子,分布更為廣泛.而在松嫩平原、遼河平原、三江平原的部分農(nóng)業(yè)生產(chǎn)地區(qū),由于受人工灌溉影響,NDVI對降水的敏感性較低,相關(guān)性并不顯著.NDVI與相對濕度的偏相關(guān)關(guān)系表現(xiàn)為“東北強,西北和東南弱”的空間特征,其中呈顯著(<0.05)和弱顯著正相關(guān)(<0.1)的面積總計9.52萬km2,占比分別為4.28%、3.42%,主要分布在大興安嶺東北部與松嫩平原北部.NDVI與日照時數(shù)響應在空間上表現(xiàn)為“南北高中部低”的分布格局,其中呈顯著(<0.05)和弱顯著負相關(guān)(<0.1)的面積總計5.81萬km2,占比分別為2.21%、2.49%,主要分布在大興安嶺西部與遼河平原北部(圖10、表2).

表2 2000～2020年東北地區(qū)不同周期階段NDVI與氣候因子呈顯著和弱顯著相關(guān)區(qū)域面積比例

圖11 2000～2020年東北地區(qū)不同周期階段NDVI主導氣候因子空間分布

為探究不同周期階段各氣候因子對植被生長的影響程度,取各像元NDVI與氣候因子的偏相關(guān)系數(shù)絕對值最大者作為該像元的主導氣候因子. 2000～2010年,以各氣候因子為主導的區(qū)域空間分布較為均衡,面積占比均在25%左右. 2010～2020年,以氣溫和降水為主導氣候因子的區(qū)域占比分別為25.59%、31.09%,較上一階段分別增加3.48%、6.02%,以日照時數(shù)和相對濕度為主導氣候因子的區(qū)域占比分別為22.30%、21.02%,較上一階段分別減少2.48%、7.02%.整體來看,2000～2020年NDVI主導氣候因子的空間分布具有異質(zhì)性,大多數(shù)區(qū)域以降水為主導氣候因子,占比46.40%,說明水分條件是東北地區(qū)植被生長的關(guān)鍵;以相對濕度主導的區(qū)域占比18.41%,主要分布在松嫩平原北部;以氣溫主導的區(qū)域占比17.82%,主要分布在大興安嶺北部與遼河平原西部;以日照時數(shù)主導的區(qū)域占比17.37%,分布較為分散.不同地區(qū)植被生長受氣候因子驅(qū)動存在差異的主要原因可能與植被類型與自然環(huán)境條件有關(guān),在長白山西南部、大興安嶺東北部與小興安嶺東部等地,主要分布有大面積森林,且降水量與水汽含量充沛,森林相較于其他植被類型對熱量要求更高,氣溫升高與日照時數(shù)延長可以加快植被光合作用,驅(qū)動植被生長,使得這些區(qū)域?qū)λ謼l件的響應不如對光熱條件敏感(圖11).

2.3 植被NDVI對人類活動的響應

2.3.1 時滯篩選 分析生長季NDVI與同期(即4～10月)、前1～3月(即3～9月、2～8月、1～7月)氣候因子的Pearson相關(guān)系數(shù)并綜合考慮其顯著性,得出不同周期階段下NDVI與氣候因子最大相關(guān)系數(shù)對應的時滯.2000～2010年,NDVI與氣溫和相對濕度的最大響應為同期(NDVI-TEM0=-0.56、NDVI-RHU0= 0.40),與降水的最大響應為滯后3個月(NDVI-PRE3= 0.79),與日照時數(shù)的最大響應為滯后2個月(NDVI-SSD2=-0.78).2010～2020年,NDVI與日照時數(shù)和相對濕度的最大響應為滯后3個月(NDVI-SSD3= 0.45、NDVI-RHU3=-0.50),與氣溫和降水最大響應分別為同期與滯后1個月(NDVI-TEM0=0.61、NDVI-PRE1= 0.56).2000～2020年,NDVI與日照時數(shù)和相對濕度的最大響應為同期(NDVI-SSD0=-0.29、NDVI-RHU0=0.46),與氣溫和降水最大響應分別為滯后3個月與滯后1個月(NDVI-TEM3=0.16、NDVI-PRE1=0.80)(圖12).

圖12 2000～2020年東北地區(qū)不同周期階段NDVI與氣候因子時滯相關(guān)性

2.3.2 NDVI與人類活動的相關(guān)性 基于NDVI與相關(guān)性最強時滯氣候因子的殘差分析結(jié)果,將NDVI殘差時間序列進行逐像元趨勢及顯著性分析,以表征不同周期階段下人類活動對東北地區(qū)NDVI的影響.2000～2010年,NDVI殘差趨勢為正值的區(qū)域占比61.22%,其中顯著(<0.05)和弱顯著正向促進(<0.1)的區(qū)域占比10.91%,主要分布在松嫩平原中部與大興安嶺東北部.NDVI殘差趨勢為負值的區(qū)域占比38.78%,其中顯著(<0.05)和弱顯著負向抑制(<0.1)的區(qū)域占比3.01%,主要分布在大興安嶺西南部.2010～2020年,NDVI殘差趨勢的正負值比例與上一階段基本保持穩(wěn)定,分別為59.08%、40.92%,但顯著(<0.05)和弱顯著影響(<0.1)的區(qū)域面積明顯減少,正向促進與負向抑制占比分別降至1.01%、0.41%.

整體來看,2000～2020年,NDVI殘差趨勢為正值的區(qū)域面積達99.93萬km2,占比80.83%,其中顯著(<0.05)和弱顯著正向促進(<0.1)的面積總計30.90萬km2,占比分別為16.24%、8.76%,主要分布在遼河平原西南部、大興安嶺東北部、長白山等地.NDVI殘差趨勢為負值的區(qū)域面積為23.69萬km2,占比19.17%,其中顯著(<0.05)和弱顯著負向抑制(<0.1)的面積總計1.41萬km2,占比分別為0.63%、0.51%,主要分布在個別城市聚集區(qū).表明21a間人類活動對東北地區(qū)植被生長具有雙重影響,并以積極作用為主(圖13、表3).

土地利用類型的轉(zhuǎn)變宏觀上直接反映了人類活動對自然的改造過程.2000～2020年東北地區(qū)土地流轉(zhuǎn)總面積達39.13萬km2,占比39.13%,其中草地、耕地、林地是轉(zhuǎn)換最為頻繁的土地利用類型.不同的轉(zhuǎn)移方向?qū)χ脖桓采w變化影響存在差異,由耕地轉(zhuǎn)向林地、草地(面積5.53萬km2,占比6.87%)代表一系列生態(tài)保護工程,有效遏制林草退化,其中NDVI呈上升趨勢的面積占比達66.41%.建設(shè)用地的轉(zhuǎn)入(面積3.06萬km2,占比2.46%)代表人類對其他用地的開發(fā)活動,其中NDVI呈下降趨勢的面積占比為8.42%,遠高于整體及其他土地利用類型轉(zhuǎn)移的區(qū)域, 轉(zhuǎn)為建設(shè)用地的區(qū)域主要分布在大興安嶺西部、西遼河平原以及各省域的城市聚集區(qū),與21a來NDVI顯著退化區(qū)域基本吻合,同時與NDVI殘差趨勢為負值的區(qū)域相呼應,表明在農(nóng)牧交錯帶、草原、沙地等生態(tài)系統(tǒng)脆弱的環(huán)境下仍存在土地利用不當現(xiàn)象,以及隨城鎮(zhèn)化進程加快,城市用地規(guī)模擴大,人類活動對植被生長的負面影響日益凸顯.

表3 2000～2020年東北地區(qū)不同周期階段人類活動對NDVI呈顯著和弱顯著影響區(qū)域面積比例

圖13 2000～2020年東北地區(qū)不同周期階段NDVI殘差趨勢(a-c)及人類活動對NDVI影響類型(d-f)空間分布

3 討論

3.1 植被NDVI時空演變

2000～2020年東北地區(qū)植被NDVI在時間上呈顯著增長態(tài)勢,在空間上以改善為主且未來持續(xù)改善趨勢明顯,總體表現(xiàn)出較大的時空異質(zhì)性,這與王鴿等[37]的研究結(jié)果一致.植被變化在不同周期階段下存在差異,而大興安嶺西部、遼河平原東南部及松嫩平原部分地區(qū)植被始終退化程度較強且退化風險較大,主要有以下兩方面原因:其一,大興安嶺西部地區(qū)屬內(nèi)蒙古高原,地勢起伏大,氣候環(huán)境相對惡劣.遼河平原土地沙化嚴重,土壤鹽漬化,加之過度放牧與開荒,導致生態(tài)環(huán)境惡化;其二,遼河平原和松嫩平原各城市中心區(qū),大量林草地轉(zhuǎn)換為建設(shè)用地,使植被覆蓋持續(xù)下降,這與肖驍?shù)萚38]的研究結(jié)果一致.

3.2 植被對氣候因子的響應

生長季降水是土壤水分的主要來源,土壤含水率高低對植被生長產(chǎn)生直接影響,以降水為主導氣候因子的區(qū)域范圍隨周期演替不斷遞增,成為東北地區(qū)NDVI變化的首要氣候驅(qū)動力,不同學者[16,39]在東北地區(qū)的相關(guān)研究也證實了這一觀點.但與羅玲等[40]的研究結(jié)果相悖,原因主要與研究的年際與年內(nèi)時段不同有關(guān),基于有限時間序列的趨勢分析,會由于不同的起點、結(jié)束點、突變點而產(chǎn)生不同結(jié)果[41].植被與氣溫、日照時數(shù)、相對濕度的相關(guān)性在不同周期階段下波動性較大,21a間以其為主導氣候因子的部分主要分布在大興安嶺北部、長白山西南部、遼河平原西部等地.植被類型和區(qū)域特征影響植被對氣候因子的響應.風沙草原區(qū)水資源短缺,土壤滲透性強且地表蒸發(fā)量大,植被對熱量的響應不如降水敏感;森林植被根系結(jié)構(gòu)發(fā)達,對維持水分平衡具有較強的自我調(diào)節(jié)能力,因此與降水的相關(guān)性相對不顯著.不同于干旱半干旱地區(qū),在常年多雨區(qū)域,大量降水使土壤水分長期處于飽和狀態(tài),生物活性降低,且導致地表徑流增加,營養(yǎng)物質(zhì)流失,間接迫害植被生長,因此氣溫、日照時數(shù)成為促進植被生長的主要影響因素,這與巴音德樂黑等[42]以東北地區(qū)內(nèi)大興安嶺北坡為研究對象的結(jié)論保持一致,進一步證明本文研究的準確性.

3.3 植被對人類活動的響應

人類活動對植被生長的作用強度具有地域差異,大興安嶺中部等地植被類型以林草為主,且地勢陡峭,人口稀少,植被受人類活動影響不顯著;在遼河平原、松嫩平原等低海拔地區(qū),人類活動頻繁,因此植被受人類活動影響顯著.不同周期階段下人類活動對NDVI各影響類型的范圍有所波動,但21a來總體以積極作用為主,這與近年來國家高度重視東北地區(qū)的生態(tài)保育與植被恢復,在大小興安嶺、遼河流域、三江平原等地積極開展林業(yè)工程有關(guān)[43].但同時也應注意到這些區(qū)域仍存在植被退化現(xiàn)象,有學者研究認為[44],大規(guī)模植樹造林增加該地區(qū)土壤水分消耗,在無法得到正常補給的情況下,會形成土壤干層,加劇干旱風險,從而對植被生長產(chǎn)生負面影響,因此對于植被建設(shè)與當?shù)厮臓顩r的協(xié)調(diào)仍需進一步探討.此外,隨生態(tài)工程效益得以充分體現(xiàn),城鎮(zhèn)化加劇使局部地區(qū)的植被覆蓋出現(xiàn)拐點,以省會城市為例,2000～2020年沈陽、長春、哈爾濱的GDP分別由1119.14, 861.00, 1002.70億元上升到6571.60, 6638.03, 5183.80億元;常住人口分別由720.40, 713.54, 941.34萬人,增加到907.01, 906.69, 1000.99萬人.受經(jīng)濟發(fā)展與人口增長的影響,東北地區(qū)建設(shè)用地顯著增加,增量達8524km2,直接造成人類活動對植被生長產(chǎn)生抑制作用,在路杰等[45]的研究中也得到了證實,可以預見這些地區(qū)受土地資源限制,植被覆蓋將持續(xù)減少,如何減緩這種趨勢是未來東北地區(qū)生態(tài)發(fā)展的重點問題.

3.4 本研究的局限性

植被對環(huán)境的響應是一個多因素耦合驅(qū)動的復雜過程,本文選擇了氣溫、降水、日照時數(shù)和相對濕度4類密切相關(guān)因子,忽略了太陽輻射、地表蒸散發(fā)、土壤等其他因子,且尚未考慮不同植被類型響應機制的具體差異.同時,本文雖引入時滯效應對殘差分析法加以改進,但利用多元線性回歸擬合量化氣候變化與人類活動的影響仍不全面.后續(xù)應立足東北地區(qū)不同區(qū)域植被資源稟賦差異,加入多因素考量,結(jié)合構(gòu)建非線性模型等其他方法模擬植被變化,以確保研究結(jié)果更加客觀合理.

4 結(jié)論

4.1 時間上:2000～2020年東北地區(qū)及各地形地貌單元NDVI均呈上升趨勢,整體增長率為0.0308/10a (<0.001),其中松嫩平原上升趨勢最為明顯;21a間NDVI時間變化存在多尺度特征,以16a第一主周期下10a左右的周期變化最為穩(wěn)定.

4.2 空間上:東北地區(qū)NDVI呈“自西南向東北遞增”的分布格局,具有明顯異質(zhì)性,植被覆蓋水平整體較高;各周期階段均為NDVI改善趨勢面積大于退化趨勢面積且改善范圍不斷擴增,占比分別為18.12%、25.10%、66.59%;NDVI未來變化主旋律為持續(xù)改善,占總面積的63.56%,但以弱持續(xù)為主,草原沙地與建筑密集區(qū)退化風險較高,需進一步精準施策加強生態(tài)保護力度.

4.3 NDVI對氣候變化響應上:21a來東北地區(qū)氣候逐漸趨向暖濕化.生長季NDVI與氣溫、降水和相對濕度呈正相關(guān)關(guān)系,與日照時數(shù)呈負相關(guān)關(guān)系,且降水對NDVI的作用強于其他氣候因子.隨周期演替,以降水為主導氣候因子的面積顯著遞增,植被對降水的依賴性逐漸加強.

4.4 NDVI對人類活動響應上:各周期階段人類活動對NDVI變化均以積極作用為主,21a間顯著和弱顯著正向促進的范圍達25.00%.土地利用轉(zhuǎn)移與NDVI變化具有較強相關(guān)性,一系列林業(yè)生態(tài)工程實施使植被得以改善,城鎮(zhèn)化加劇導致的建設(shè)用地擴張是植被生長受負向抑制的主要原因.

[1] Chu H S, Venevsky S, Wu C, et al. NDVI-based vegetation dynamics and its response to climate changes at Amur-Heilongjiang River Basin from 1982 to 2015 [J]. Science of the Total Environment, 2019,650: 2051-2062.

[2] Jiang P, Ding W G, Yuan Y, et al. Interannual variability of vegetation sensitivity to climate in China [J]. Journal of Environmental Management, 2022,301:113768.

[3] 于成龍,劉 丹,馮 銳,等.基于最小累積阻力模型的東北地區(qū)生態(tài)安全格局構(gòu)建[J]. 生態(tài)學報, 2021,41(1):290-301.

Yu C L, Liu D, Feng R, et al. Construction of ecological security pattern in Northeast China based on MCR model [J]. Acta Ecologica Sinica, 2021,41(1):290-301.

[4] 葉 瑜,方修琦,張學珍,等.過去300年東北地區(qū)林地和草地覆蓋變化[J]. 北京林業(yè)大學學報, 2009,31(5):137-144.

Ye Y, Fang X Q, Zhang X Z, et al. Coverage changes of forestland and grassland in northeastern China during the past 300years [J]. Journal of Beijing Forestry University, 2009,31(5):137-144.

[5] 肖 驍,穆治霖,趙雪雁,等.基于RS/GIS的東北地區(qū)森林生態(tài)系統(tǒng)服務功能價值評估[J]. 生態(tài)學雜志, 2017,36(11):3298-3304.

Xiao X, Mu Z L, Zhao X Y, et al. RS/GIS-based evaluation of forest ecosystem service value in Northeast China [J]. Chinese Journal of Ecology, 2017,36(11):3298-3304.

[6] 滿衛(wèi)東,劉明月,王宗明,等.1990～2015年東北地區(qū)草地變化遙感監(jiān)測研究[J]. 中國環(huán)境科學, 2020,40(5):2246–2253.

Man W D, Liu M Y, Wang Z M, et al. Remote sensing investigation of grassland change in Northeast China during 1990～2015 [J]. China Environmental Science, 2020,40(5):2246–2253.

[7] 張興義,劉曉冰.中國黑土研究的熱點問題及水土流失防治對策[J]. 水土保持通報, 2020,40(4):340-344.

Zhang Y X, Liu X B. Key issues of mollisols research and soil erosion control strategies in China [J]. Bulletin of Soil and Water Conservation, 2020,40(4):340-344.

[8] 王士君,馬 麗.基于宏觀形勢和地域優(yōu)勢的“十四五”東北振興戰(zhàn)略思考[J]. 地理科學, 2021,41(11):1935-1946.

Wang S J, Ma L. Strategic thinking of Northeast China revitalization during the "14th Five-Year Plan" based on the macro situation and regional advantages [J]. Scientia Geographica Sinica, 2021,41(11): 1935-1946.

[9] Mao P P, Zhang J, Li M, et al. Spatial and temporal variations in fractional vegetation cover and its driving factors in the Hulun Lake region [J]. Ecological Indicators, 2022,135:108490.

[10] Jeganathan C, Dash J, Atkinson P M. Remotely sensed trends in the phenology of northern high latitude terrestrial vegetation, controlling for land cover change and vegetation type [J]. Remote Sensing of Environment, 2014,143:154-170.

[11] Kong D D, Zhang Q, Singh V P, et al. Seasonal vegetation response to climate change in the Northern Hemisphere (1982～2013) [J]. Global and Planetary Change, 2017,148:1-8.

[12] 楊雪梅,楊太保,劉海猛,等.氣候變暖背景下近30a北半球植被變化研究綜述[J]. 干旱區(qū)研究, 2016,33(2):379-391.

Yang X M, Yang T B, Liu H M, et al. Vegetation variation in the North Hemisphere under climate warming in the last 30Years [J]. Arid Zone Research, 2016,33(2):379-391.

[13] Ding H, Hao X M. Spatiotemporal change and drivers analysis of desertification in the arid region of northwest China based on geographic detector [J]. Environmental Challenges, 2021,4:100082.

[14] 吳炳倫,孫 華,石軍南,等.2000～2018年深圳市植被覆蓋動態(tài)變化與預測[J]. 應用生態(tài)學報, 2020,31(11):3777-3785.

Wu B L, Sun H, Shi J N, et al. Dynamic change and prediction of vegetation cover in Shenzhen, China from 2000 to 2018 [J]. Chinese Journal of Applied Ecology, 2020,31(11):3777-3785.

[15] Liu C, Zhang X, Wang T, et al. Detection of vegetation coverage changes in the Yellow River Basin from 2003 to 2020 [J]. Ecological Indicators, 2022,138:108818.

[16] 張佳琦,張 勃,馬 彬,等.三江平原NDVI時空變化及其對氣候變化的響應[J]. 中國沙漠, 2019,39(3):206-213.

Zhang J Q, Zhang B, Ma B, et al. Spatial-temporal variation of NDVI in Sanjiang Plain and its response to climate change [J]. Journal of Desert Research, 2019,39(3):206-213.

[17] Diao C, Liu Y, Zhao L, et al. Regional-scale vegetation-climate interactions on the Qinghai-Tibet Plateau [J]. Ecological Informatics, 2021,65:101413.

[18] Gao X, Huang X X, Lo K, et al. Vegetation responses to climate change in the Qilian Mountain Nature Reserve, Northwest China [J]. Global Ecology and Conservation, 2021,28:e01698.

[19] 錢 琛,陳海濱,侯現(xiàn)慧.生態(tài)建設(shè)背景下陜西省植被覆蓋時空變化及其影響因素研究[J]. 干旱區(qū)地理, 2020,43(2):425-433.

Qian C, Chen H B, Hou X H. Temporal and spatial variation of vegetation cover and its influencing factors in Shaanxi Province in the context of ecological construction [J]. Arid Land Geography, 2020, 43(2):425-433.

[20] 孟 琪,武志濤,杜自強,等.基于地理探測器的區(qū)域植被覆蓋度的定量影響——以京津風沙源區(qū)為例[J]. 中國環(huán)境科學, 2021,41(2): 826-836.

Meng Q, Wu Z T, Du Z Q, et al. Quantitative influence of regional fractional vegetation cover based on geodetector model -Take the Beijing-Tianjin sand source region as an example [J]. China Environmental Science, 2021,41(2):826-836.

[21] 覃巧婷,陳建軍,楊艷萍,等.黃河源植被時空變化及其對地形和氣候的響應[J]. 中國環(huán)境科學, 2021,41(8):3832-3841.

Qin Q T, Chen J J, Yang Y P, et al. Spatiotemporal variations of vegetation and its response to topography and climate in the source region of the Yellow Rive [J]. China Environmental Science, 2021, 41(8):3832-3841.

[22] 耿慶玲,陳曉青,赫曉慧,等.中國不同植被類型歸一化植被指數(shù)對氣候變化和人類活動的響應[J]. 生態(tài)學報, 2022,42(9):3557-3568.

Geng Q L, Chen X Q, He X H, et al. Vegetation dynamics and its response to climate change and human activities based on different vegetation types in China [J]. Acta Ecologica Sinica, 2022,42(9): 3557-3568.

[23] 李 焱,戴 睿,張云霞,等.藏西南高原植被NDVI時空變化及其與海拔梯度的關(guān)系[J]. 水土保持研究, 2022,29(4):215-222.

Li Y, Dai R, Zhang Y X, et al. Spatiotemporal variation of vegetation NDVI and its relationship with altitude gradient in Southwest Tibet Plateau [J]. Research of Soil and Water Conservation, 2022,29(4):215- 222.

[24] 陳 寬,楊晨晨,白力嘎,等.基于地理探測器的內(nèi)蒙古自然和人為因素對植被NDVI變化的影響[J]. 生態(tài)學報, 2021,41(12):4963-4975.

Chen K, Yang C C, Bai L G, et al. Effects of natural and human factors on vegetation normalized difference vegetation index based on geographical detectors in Inner Mongolia [J]. Acta Ecologica Sinica, 2021,41(12):4963-4975.

[25] 李登科,王 釗.退耕還林后陜西省植被覆蓋度變化及其對氣候的響應[J]. 生態(tài)學雜志, 2020,39(1):1-10.

Li D K, Wang Z. Changes of fractional vegetation coverage after returning farmland to forests and its response to climate in Shaanxi [J]. Chinese Journal of Ecology, 2020,39(1):1-10.

[26] 胡 屾,劉 駿,毛學剛.中國東北地區(qū)2007～2010年植被覆蓋度及其變化[J]. 東北林業(yè)大學學報, 2017,45(7):45-50.

Hu S, Liu J, Mao X G. Extraction and change of vegetation coverage of 2007～2010 in Northeast China [J]. Journal of Northeast Forestry University, 2017,45(7):45-50.

[27] 王宗明,國志興,宋開山,等.中國東北地區(qū)植被NDVI對氣候變化的響應[J]. 生態(tài)學雜志, 2009,28(6):1041-1048.

Wang Z M, Guo Z X, Song K S, et al. Responses of vegetation NDVI in Northeast China to climate change [J]. Chinese Journal of Ecology, 2009,28(6):1041-1048.

[28] 吳金華.東北地區(qū)植被時空動態(tài)變化檢測及驅(qū)動因子量化研究[D]. 北京:中國環(huán)境科學研究院, 2021.

Wu J H. The spatial and temporal dynamic change detection of vegetation and the quantification of driving factors in Northeast China [D]. Beijing: Chinese Research Academy of Environmental Sciences, 2021.

[29] 張 筠,張春華,張安定,等.水熱波動和土地覆蓋變化對東北地區(qū)植被NPP的相對影響[J]. 生態(tài)學報, 2020,40(21):7733-7744.

Zhang J, Zhang C H, Zhang A D, et al. Relative effects of hydrothermal fluctuation and land cover changes on vegetation net primary productivity in Northeast China [J]. Acta Ecologica Sinica, 2020,40(21):7733-7744.

[30] 李 杰,張 軍,劉陳立,等.基于MODIS-NDVI的云南怒江流域植被覆蓋時空變化特征研究[J]. 林業(yè)資源管理, 2018(4):90-99.

Li J, Zhang J, Liu C L, et al. Study on spatio-temporal evolution of vegetation cover in the Nujiang River Basin of Yunnan based on MODIS-NDVI data [J]. Forest Resources Management, 2018,(4): 90-99.

[31] Qi X Z, Jia J H, Liu H Y, et al. Relative importance of climate change and human activities for vegetation changes on China’s silk road economic belt over multiple timescales [J]. Catena, 2019,180:224- 237.

[32] Li S, Wang J, Zhang M, et al. Characterizing and attributing the vegetation coverage changes in North Shanxi coal base of China from 1987 to 2020 [J]. Resources Policy, 2021,74:102331.

[33] 徐 勇,黃雯婷,竇世卿,等.2000～2020年西南地區(qū)植被NDVI對氣候變化和人類活動響應特征 [J]. 環(huán)境科學, 2022,43(6):3230-3240.

Xu Y, Huang W T, Dou S Q, et al. Responding mechanism of vegetation cover to climate change and human activities in southwest China from 2000 to 2020 [J]. Environmental Science, 2022,43(6): 3230-3240.

[34] Gao W D, Zheng C, Liu X H, et al. NDVI-based vegetation dynamics and their responses to climate change and human activities from 1982 to 2020: A case study in the Mu Us Sandy Land, China [J]. Ecological Indicators, 2022,137:108745.

[35] Tao P, Zhang Y. Large-scale circulation features associated with the heat wave over Northeast China in summer 2018 [J]. Atmospheric and Oceanic Science Letters, 2019,12(4):254-260.

[36] 李 蓉,辛景峰,楊永民.1949～2017年東北地區(qū)旱災時空規(guī)律分析[J]. 水利水電技術(shù), 2019,50(S2):1-6.

Li R, Xin J F, Yang Y M. Analysis on the temporal and spatial change of drought in Northeast China from 1949 to 2017 [J]. Water Resources and Hydropower Engineering, 2019,50(S2):1-6.

[37] 王 鴿,韓 琳,張 昱.東北地區(qū)地表NDVI的時空變化規(guī)律[J]. 北京林業(yè)大學學報, 2012,34(6):86-91.

Wang G, Han L, Zhang Y. Temporal variation and spatial distribution of NDVI in northeastern China [J]. Journal of Beijing Forestry University, 2012,34(6):86-91.

[38] 肖 驍,李京忠,韓 彬,等.東北老工業(yè)區(qū)植被覆蓋度時空特征及城市化關(guān)聯(lián)分析[J]. 生態(tài)科學, 2017,36(6):71-77.

Xiao X, Li J Z, Han B, et al. Spatial-temporal characteristics of vegetation coverage and its correlation with urbanization in traditional industrial area of Northeastern China [J]. Ecological Science, 2017,36(6):71-77.

[39] 國志興,王宗明,宋開山,等.1982～2003年東北林區(qū)森林植被NDVI與水熱條件的相關(guān)分析[J]. 生態(tài)學雜志, 2007,26(12):1930-1936.

Guo Z X, Wang Z M, Song K S, et al. Correlations between forest vegetation NDVI and water/thermal condition in Northeast China forest regions in 1982～2003 [J]. Chinese Journal of Ecology, 2007, 26(12):1930-1936.

[40] 羅 玲,王宗明,宋開山,等.1982～2003年中國東北地區(qū)不同類型植被NDVI與氣候因子的關(guān)系研究[J]. 西北植物學報, 2009,29(4): 800-808.

Luo L, Wang Z M, Song K S, et al. Research on the correlation between NDVI and climatic factors of different vegetations in the Northeast China [J]. Acta Botanica Boreali-Occidentalia Sinica, 2009,29(4):800-808.

[41] 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.

[42] 巴音德樂黑,包 翔,周 梅,等.基于MODIS NDVI的大興安嶺北坡植被覆蓋時空變化特征[J]. 林業(yè)資源管理, 2018,(6):50-56.

Ba Y D L H, Bao X, Zhou M, et al. Temporal and spatial variation characteristics of vegetation cover on the northern slope of Daxing'anling based on MODIS NDVI [J]. Forest Resources Management, 2018,(6):50-56.

[43] 孫 紅,田 昕,閆 敏,等.內(nèi)蒙古大興安嶺根河植被覆蓋度動態(tài)變化及影響因素的分析[J]. 遙感技術(shù)與應用, 2018,33(6):1159-1169.

Sun H, Tian X, Yan M, et al. Analysis of dynamic changes of fractional vegetation coverage and influencing factors of the Genhe in the Great Khingan of Inner Mongolia [J]. Remote Sensing Technology and Application, 2018,33(6):1159-1169.

[44] 趙安周,劉憲鋒,朱秀芳,等.2000～2014年黃土高原植被覆蓋時空變化特征及其歸因[J]. 中國環(huán)境科學, 2016,36(5):1568-1578.

Zhao A Z, Liu X F, Zhu X F, et al. Spatiotemporal analyses and associated driving forces of vegetation coverage change in the Loess Plateau [J]. China Environmental Science, 2016,36(5):1568-1578.

[45] 路 潔,王學鳳,曹永強.氣候和人類活動對遼寧省植被變化的影響[J]. 水利水電科技進展, 2022,42(4):7-14.

Lu J, Wang X F, Cao Y Q. Analysis of the impact of climate and human activities on the vegetation change in Liaoning province [J]. Advances in Science and Technology of Water Resources, 2022,42(4): 7-14.

Spatiotemporal evolution and influencing factors of vegetation in Northeast China.

SHI Song, LI Wen*, DING Yi-shu, LIN Xiao-peng, ZHAI Yu-cen

(College of Landscape Architecture, Northeast Forestry University, Harbin 150040, China)., 2023,43(1)：276～289

Based on MODIS NDVI remote sensing data from 2000 to 2020, supplemented with meteorological data and land use data, the spatiotemporal evolution characteristics of vegetation and its response mechanism to climate change and human activitiesof each topographic unit in different cycle phases in Northeast China were investigated in-depth, using the methods of wavelet analysis, Sen+Mann-Kendall trend analysis, Hurst index, partial correlation analysis and residual analysis. The results showed that: Temporally, the vegetation NDVI in Northeast China showed an increasing trend with a rate of 0.0308/10a (<0.001), and the most stable cycle change was about 10a under the first main cycle of 16a. Spatially, the vegetation NDVI in Northeast China was at a high level overall, but the spatial differentiation was obvious, with a pattern of "low in the southwest and high in the northeast". The NDVI improvement area was larger than the degradation area in each cycle phase and the improvement area was expanding. The main theme of NDVI future trend is continuous improvement, accounting for 63.56% of the total area. In terms of response mechanism, the vegetation NDVI in Northeast China was influenced by both climate change and human activities. NDVI was positively correlated with temperature, precipitation and relative humidity, while negatively correlated with sunshine hours from 2000 to 2020, among which precipitation had the strongest influence on NDVI, and the area with precipitation as the dominant climate factor increased significantly with the cycle succession. Human activities mainly positive contribute the variation of NDVI, the implementation of forestry projects was the key to the improvement of vegetation condition, while the expansion of land for construction was the main cause of vegetation reduction.

Northeast China；NDVI；spatiotemporal evolution；climate change；human activities

X171

A

1000-6923(2023)01-0276-14

石 淞(1995-),女,遼寧沈陽人,東北林業(yè)大學博士研究生,從事區(qū)域環(huán)境變化與生態(tài)修復研究.

2022-05-31

黑龍江省自然科學基金資助項目(LH2022E001);中央高校基本科研業(yè)務費項目(41421016);國家自然科學基金資助項目(42171246)

* 責任作者, 副教授, liwen@nefu.edu.cn