植被作為陸地生態圈的重要組成，是氣候系統的重要元素[1]。眾所周知，全球氣候正處于一個持續變暖的階段，強烈影響陸地生物圈[2]，在這樣的背景下，掌握陸地植被覆蓋年際間的變化規律，對評價陸地生態系統的環境質量、調節生態過程具有重要的理論和實際意義[3]。

　　摘要：基于1999-2010年SPOT VEGETATION旬值NDVI數據，并結合偏相關分析、線性趨勢等方法對三江源地區影響植被覆蓋變化的主要氣候因素進行了判斷，從而利用主要氣候因子進行線性擬合，進而得到殘差趨勢來反映人類活動對植被覆蓋的影響。結果表明：①1999-2010年三江源地區平均植被覆蓋由東向西逐漸減小。12年間，植被覆蓋呈改善趨勢，平均變化率為0.047/10a。山地草原改善最為明顯，其次為高寒草甸、高寒草原和常綠針葉林，亞高山、高山植被，矮半灌木荒漠改善趨勢最不明顯。黃河源區變化率最高，其次是長江源區和瀾滄江源區，高寒荒漠草原區改善效果最差。②三江源地區大部分區域植被覆蓋主要受氣溫影響，其次在黃河源區北部、長江源區中東部分布有降水影響區以及水熱共同影響區。常綠針葉林受水熱共同影響，高山、亞高山以及高寒植被主要受氣溫影響，山地草原主要受降水量影響。③1999-2010年，三江源地區平均殘差趨勢為0.018/10a，表明人類活動對三江源地區的植被覆蓋變化呈正影響。人類活動對山地草原的正影響作用最強烈，其次是山地常綠針葉林，其他由大到小依次為高寒草甸、高寒草原、高山植被、亞高山植被和高寒匍匐矮半灌木荒漠。黃河源區和瀾滄江源區受人類活動的正影響作用較強且相當，其次為長江源區，高寒荒漠草原區受人類活動影響最小。

　　關鍵詞：職稱論文怎么發表,植被覆蓋,偏相關分析,殘差趨勢,人類活動

　　歸一化植被指數(Normalized Difference Vegetation Index， NDVI)由紅波段與近紅外波段的反射率計算而來[4]，和植物的生產力密切相關[5]，并且NDVI趨勢可以用來衡量植被覆蓋的改善與退化[6]。 NDVI趨勢被用在很多測算中，包括全球變暖的生態響應[7]、物候變化[8]、作物狀況[9]、土地覆蓋變化[10]以及沙漠化[11]。三江源地處青藏高原腹地，區內臨近可可西里、阿爾金山和羌塘自然保護區，因屬長江、黃河、瀾滄江(湄公河)三大水系發源地而得名。“三江源”受嚴酷自然條件的制約，生態環境十分脆弱。由于自然因素和不合理人類活動的雙重作用，眾多江河、湖泊和濕地縮小、干涸;沙化、水土流失的面積仍在不斷擴大;荒漠化和草地退化問題日益突出;長期的濫墾亂伐使大面積的草地和近一半的森林遭到嚴重破壞;蟲鼠害肆虐;珍稀野生動物盜獵嚴重;無序的黃金開采及冬蟲夏草的采挖屢禁不止。三江源地區生態環境的惡化嚴重影響和制約了當地各民族的生存與發展，造成了本地區畜牧業生產水平低而不穩，少數民族地區貧困程度不斷加大，經濟發展落后;同時還嚴重影響大江大河中下游地區以及東南亞國家的生存與發展。

　　因此，三江源地區是國家生態建設的重點區域，2000年成立省級自然保護區，2003年批準為國家級自然保護區，2005年規劃投資75億元啟動了退牧還草、黑土灘治理等22個生態建設項目[12]。所以研究三江源地區植被覆蓋變化對人類活動(生態保護與建設)的響應具有重要意義。許多學者側重于定量計算卻定性判斷某一種氣候因子對植被覆蓋變化的影響，從而擬合后剝離該氣候因子的影響，進而得到人類活動對植被覆蓋的影響[13-14]。而不同地域植被生長對水熱的需求具有很大的差異性，存在水熱單因素影響和雙因素影響，甚至多因素影響。因此，本文基于偏相關分析、線性趨勢等方法首先對三江源地區影響植被覆蓋變化的主要氣候因素進行了判斷，從而利用主要氣候因子進行線性擬合，進而得到殘差序列趨勢，以期為三江源當前的生態建設、修復提供有用的空間信息和理論支撐。

　　1 資料與方法

　　1.1 資料來源

　　本文所用的資料包括三江源1999-2010年SPOT VEGETATION旬值NDVI數據、50個臺站12年(1999-2010年)的年降水資料和年平均氣溫資料、DEM、2000年與2010年的 250 m的MODIS NDVI數據、生態功能區劃數據以及1∶400萬植被類型數據。NDVI數據是由比利時佛萊芒技術研究所(Flemish Institute for Technological Research， Vito)VEGETATION影像處理中心(VEGETATION processing Centre， CTIV)負責預處理并提供免費下載的，空間分辨率為1 000 m;降水和氣溫數據均來自于中國氣象科學數據共享服務網，經計算得到12年的年降水和年均溫，并采用Anuspline方法將其插值到空間上，分辨率為1 000 m，插值過程用到的DEM與MODIS NDVI均來自于地理空間云數據，生態功能區劃數據來自中國生態系統與生態功能區劃數據庫，主要包括黃河源區、長江源區、瀾滄江源區和高寒荒漠草原區;植被類型數據來自國家自然科學基金委員會“中國西部環境與生態科學數據中心”。

　　1.2 偏相關分析

　　在多元相關分析中，簡單相關系數可能不能夠真實的反映出變量之間的相關性，因為變量之間的關系很復雜，它們可能受到不止一個變量的影響。這個時候偏相關系數是一個更好的選擇，它可以在消除其他變量影響的條件下，計算某兩變量之間的相關系數[15]。本文用偏相關系數的絕對值表示相關程度的大小。

　　2 結果與分析

　　2.1 NDVI時空變化特征

　　近12年來，三江源地區實測NDVImax在0-0.846之間，平均為0.463。空間上存在兩個漸變區，即在黃河源區表現為由東向西逐漸減小，在長江源區由東南向西北逐漸減小(圖1a)。不同植被類型也有較大差異，由大到小依次為山地常綠針葉林、亞高山落葉灌叢、禾草草原、高寒草甸、狀矮半灌木與草本植被、高寒草原、矮禾草與矮半灌木草原、矮半灌木荒漠。從生態區劃來看，黃河源區與瀾滄江源區實測NDVImax相當，分別為0.574和0.568，其次是長江源區，為0.419，高寒荒漠草原區最小，為0.159。 　　近12年來，三江源地區植被覆蓋呈改善趨勢，變化率為0.047/10a，其中黃河源區的北部―西部―長江源區中部的條帶區域植被覆蓋的改善趨勢相對明顯，而研究區的東南部與西北部改善較為緩慢，且零散分布有退化區，與李輝霞等采用2001-2010年的改善趨勢非常一致[16]，但是空間上卻有差異(圖1b)。植被類型上，禾草草原改善最為明顯，變化率為0.097/10a;其次是矮禾草、矮半灌木草原，變化率為0.079/10a;高寒草甸和高寒草原變化率均在0.04/10a左右;常綠針葉林變化率為0.036/10a;亞高山落葉灌叢和高山墊狀矮半灌木、草本植被變化率在 0.030-0.035/10a之間;矮半灌木荒漠改善趨勢最不明顯，變化率僅有0.018/10a。生態區劃上，黃河源區變化率最高，為0.046 /10a，其次是長江源區，為0.039/10a，瀾滄江源區植被覆蓋變化率為0.034，最低為高寒荒漠草原區，變化率為0.021/10a。

　　2.2 植被生長對氣候變化的響應

　　以象元為單元，分別計算NDVImax與年際降水量和氣溫的偏相關系數，再依據偏相關系數的t檢驗的臨界值來判斷影響NDVImax的主要氣候因素(圖 2a)，從而根據主要影響因素建立回歸模型，模擬得到NDVImax如圖2b所示，并得到殘差序列，殘差序列的線性趨勢即為人類活動對植被覆蓋變化的影響(圖4)。

　　圖2a顯示出，三江源地區大部分區域植被覆蓋主要受氣溫影響，其次在黃河源區北部長江源區中東部分布有降水影響區以及水熱共同影響區。因此，本文統計出不同植被類型區內這三種影響因素的面積百分比，如圖3所

　　示。可以看出，常綠針葉林的P+與P-的面積相當，受水熱共同影響，但是其NDVImax與年降水量和年均溫的偏相關系數的t檢驗值分別為0.94與 0.55，總體上受降水量影響較強;高山、亞高山以及高寒植被的NDVImax與年均溫的偏相關系數的t檢驗值均大于年降水量，主要受氣溫影響，T+面積均在25%以上，且遠遠大于P+與P+T+;山地草原NDVImax與年降水量的偏相關系數的t檢驗值平均為1.84，大于與年均溫的t檢驗值1.12，說明山地草原主要受降水量影響，P+面積達到了35%以上，其中山地叢生禾草草原18.2%的地區受到水熱共同影響。

　　2.3 人類活動下的植被覆蓋變化

　　通過表1主要氣候要素的判斷，從而與年際NDVImax來擬合線性模型，進一步得到殘差序列趨勢(見圖4)。近12年來，三江源地區平均殘差趨勢為0.018/10a，表明人類活動對三江源地區的植被覆蓋變化呈正影響。

　　空間上，幾乎整個區域為正影響區，其中強烈影響區主要分布在黃河源區北部和西部、長江源區中東部、瀾滄江源區西北部以及高寒荒漠草原區北部;人類活動的顯著負影響區零散分布在黃河源區中東部與西北部、長江源區東部以及瀾滄江源區東南部(圖4)。由于對NDVImax與氣候要素進行了偏相關分析，提取出植被覆蓋與氣候要素的顯著相關區(圖2a)，在顯著相關區植被覆蓋理論上與氣候要素呈線性相關，那么在顯著相關區的殘差就可以表示為剔除了氣候因素后其他因素的影響。而三江源地區幾乎整個顯著區的殘差趨勢為正值，即是在除過氣候要素的其他因素對植被覆蓋的影響是增加的，而人類的濫墾亂伐、蟲鼠害、草藥采挖、黃金開采等是三江源地區植被覆蓋減小的主要因素，所以斷定該地區的植被覆蓋的改善主要是由于人類活動造成的，即殘差趨勢可以用來衡量人類活動對三江源地區植被覆蓋的影響。

　　從植被類型來看，人類活動對山地草原的正影響作用最強烈，殘差趨勢在0.03-0.035/10a之間，其次是山地常綠針葉林，殘差趨勢為0.02/10a，其他由大到小依次為高寒草甸、高寒草原、高山植被、亞高山植被和高寒匍匐矮半灌木荒漠，殘差趨勢均低于0.015 /10a，其中高寒匍匐矮半灌木荒漠受人類活動影響最小，殘差趨勢為0.005/10a，其余植被類型的殘差趨勢均在0.01-0.015/10a之間。

　　生態區劃上，黃河源區和瀾滄江源區受人類活動的正影響作用較強，殘差趨勢分別為0.016/10a和0.014/10a，其次為長江源區，殘差趨勢為0.012/10a，高寒荒漠草原區受人類活動影響最小，為0.007/10a。

　　(2)三江源地區大部分區域植被覆蓋主要受氣溫影響，其次在黃河源區北部長江源區中東部分布有降水影響區以及水熱共同影響區。

　　(3)近12年來，三江源地區平均殘差趨勢為0.018/10a，表明人類活動對三江源地區的植被覆蓋變化呈正影響。人類活動對山地草原的正影響作用最強烈，其次是山地常綠針葉林，其他由大到小依次為高寒草甸、高寒草原、高山植被、亞高山植被和高寒匍匐矮半灌木荒漠。生態區劃上，黃河源區和瀾滄江源區受人類活動的正影響作用較強且相當，其次為長江源區，高寒荒漠草原區受人類活動影響最小。

　　(4)由于不同的地域，地形、氣候等要素存在差異，植被覆蓋的變化有所差別，因此本文以柵格為單位，對NDVImax與氣候要素進行了偏相關分析，提取出植被覆蓋與氣候要素的顯著相關區，在顯著相關區為每一個柵格建立不同的線性模型，進而利用殘差趨勢表示人類活動對植被覆蓋的影響，結果更為準確。

　　本文所采用的數據為年際NDVImax、年降水量和年均溫，而年內水熱分配不均，年際水熱并不完全決定了NDVImax的大小，模擬結果會受到無效水熱的影響，而年際NDVImax對應時間點之前的水熱的累積效應才可能是NDVI最大值的決定因素，所以在今后的研究中將對植被覆蓋對水熱的累積效應的響應進行進一步論證。

　　(編輯：常 勇)

　　參考文獻(References)

　　[1]Foley J A， Levis S， Costa M H， et al. Incorporating Dynamic Vegetation Cover within Global Climate Models[J]. Ecological Applications ， 2000，10， 1620-1632. 　　[2]IPCC. 4th Assessment Report of The Intergovernmental Panel on Climate Change[R]. Synthesis Report， 2007：52.

　　[3]穆少杰，李建龍，陳奕兆.2001-2010年內蒙古植被覆蓋度時空變化特征[J].地理學報，2012，67(9)：1255-1268. [Mu Shaojie， Li Jianlong， Chen Yizhao. Spatial Differences of Variations of Vegetation Coverage in Inner Mongolia during 2001-2010[J]. Acta Geographica Sinica，2012，67(9)：1255-1268.]

　　[4]Tucker C J. Red and Photographic Infrared Linear Combinations for Monitoring Vegetation[J]. Remote Sensing of Environment， 1979，8：27-150.

　　[5]Prince S D， Tucker C J. Satellite Remote Sensing of Rangelands in Botswana II. NOAA AVHRR and Herbaceous Vegetation[J]. International Journal of Remote Sensing， 1986，7：1555-1570.

　　[6]AlcarazSegura D， Chuvieco E， Epstein H E， et al. Debating The Greening vs. Browning of The North American Boreal Forest： Differences Between Satellite Datasets[J]. Global Change Biology， 2009，16：760-770.

　　[7]Pettorelli N， Vik J O， Mysterud A， et al. Using The SatelliteDerived NDVI to Assess Ecological Responses to Environmental Change[J]. Trends in Ecology & Evolution， 2005，20：503-510.

　　[8]White M A， de Beurs K M， Didan K， et al. Intercomparison， Interpretation， and Assessment of Spring Phenology in North America Estimated from Remote Sensing for 1982-2006[J]. Global Change Biology，2009，15：2335-2359.