2000—2019年西南高山峡谷区植被变化对气候变化和人类活动的响应.pdf

20002019 年西南高山峡谷区植被变化对气候变化和人类活动的响应赖金林1，齐实1,2，廖瑞恩1，崔冉冉1，李鹏1，唐颖1（1.北京林业大学水土保持学院，北京100083；2.水土保持国家林业局重点实验室，北京100083）摘要：为了探究中国典型生态环境脆弱区西南高山峡谷区植被变化对气候变化和人类活动的响应规律，量化气候变化和人类活动的相对贡献，该研究基于 20002019 年归一化差异植被指数（normalizeddifferencevegetationindex，NDVI）数据集，采用 Theil-Sen 趋势分析、Mann-Kendall 显著性检验和 Hurst 指数分析了 NDVI 时空变化特征及未来变化趋势；在此基础上结合气象因子数据集，采用相关性分析和残差分析探讨了 NDVI 对气候变化和人类活动的响应。结果表明：1）时间尺度上，20002019 年 NDVI 总体表现为波动上升趋势，增长速率为 0.0046/a。空间尺度上，NDVI呈上升趋势区域面积占研究区总面积 85.59%，植被恢复效果明显，且未来 NDVI 变化还将以上升趋势为主。2）在区域气候暖干化的背景下，NDVI 对不同气候因子的响应有所差异，总体上 NDVI 与气温和太阳辐射呈正相关，而与降雨量呈负相关，气温对 NDVI 变化的影响力要强于太阳辐射和降雨量，是影响 NDVI 变化的主要气候因子。3）85.10%区域面积的植被变化受人类活动和气候变化的共同影响，其中人类活动是植被变化的主要驱动因素，气候变化为次要驱动因素，相对贡献率分别为 68.67%和 31.33%。该研究结果可为西南高山峡谷区未来生态环境建设提供科学依据，助力区域绿色可持续发展目标的实现。关键词：遥感；植被；气候变化；人类活动；归一化差异植被指数；残差分析；西南高山峡谷区doi：10.11975/j.issn.1002-6819.202302102中图分类号：X87文献标志码：A文章编号：1002-6819(2023)-14-0155-09赖金林，齐实，廖瑞恩，等.20002019 年西南高山峡谷区植被变化对气候变化和人类活动的响应J.农业工程学报，2023，39(14)：155-163.doi:10.11975/j.issn.1002-6819.202302102http:/www.tcsae.orgLAIJinlin,QIShi,LIAORuien,etal.Vegetationchangeresponsestoclimatechangeandhumanactivitiesinsouthwestalpine canyon areas of China from 2000 to 2019J.Transactions of the Chinese Society of Agricultural Engineering(TransactionsoftheCSAE),2023,39(14):155-163.(inChinesewithEnglishabstract)doi:10.11975/j.issn.1002-6819.202302102http:/www.tcsae.org0引言地表植被是维持陆地生态系统平衡的重要组成成分1-3，在生态系统碳平衡、气候调节、涵养水源以及水土保持等方面发挥了至关重要的作用4-5。目前，长时间和大尺度植被动态变化监测及其影响因素分析成为了当下研究的热点和难点6。随着遥感技术的快速发展，利用遥感数据集开发了一系列植被指数，其中通过遥感图像红外光谱波段和近红外光谱波段反射值计算得到的归一化植被指数对植被敏感性高，能够较好地反映植被生长状况，是衡量植被动态变化的有效指标，被广泛用于植被生长趋势研究7-8。气候因子为植被生长提供了必要条件，在不同气候因子中，气温和降雨已被认为是植被生长过程中的关键气候驱动因素9。气温与植被物候的开始和终止密切相关，在全球气候变暖的广泛影响下，特别是在高纬度和高海拔地带，植被生长受到能量的限制，气温的升高可以延长植被生长期，增强植被光合作用和水分利用效率，促进植被生长10。但当气温升高超过一定临界值，会抑制植被光合作用，而呼吸作用增强，营养物质的消耗增加，从而限制植被生长11。降雨是影响植被生长的另一个关键气候因子，特别是在干旱半干旱地区，受到水分亏缺的限制，植被变化对降雨更加敏感，降雨的增加可以有效增加土壤水分，促进植被根系活动，对植被生长具有积极作用12。在湿润地区，降雨不再对植被生长起到约束作用，过多的降水会导致气温的降低，从而限制植被的生长13。然而，研究过程中太阳辐射这一气候因子常常被忽略，太阳辐射是植被光合作用所必须的能量来源，适宜的太阳辐射可以提升植被光合速率，从而促进植被生长发育；而过度的太阳辐射会增加植被水分蒸散量，抑制植被光合作用，导致代谢减缓，对植被生长产生不利影响14。人类活动对植被变化的影响也日益受到关注，人类活动对植被生长的影响往往表现出两重性。城市化进程加快，建设用地急速扩张，加之过度放牧、森林砍伐和规划不周的农业开垦等是人类活动引起植被退化的主要收稿日期：2023-02-17修订日期：2023-05-17基金项目：国家重点研发计划项目（2022YFF1302903）作者简介：赖金林，研究方向为植被覆盖变化及其生态效应。Email：通信作者：齐实，博士，教授，研究方向为植被覆盖变化及其生态效应。Email：第39卷第14期农 业 工 程 学 报 Vol.39No.142023年7月TransactionsoftheChineseSocietyofAgriculturalEngineeringJuly2023155原因，这些人类活动在一定程度上破坏了区域自然植被，对植被变化产生了负面影响15-16。另一方面由于林业生态工程项目的实施使植被变化向积极的方向发展，其中造林引起的土地利用变化是中国植被改善的主要原因17。在过去的 20 年里，中国实施了一系列林业生态工程，其中包括退耕还林还草工程、天然林资源保护工程和西南岩溶石漠化综合治理工程等。林业生态工程的大规模实施，显著提升了中国植被覆盖度，对生态环境起到了明显的改善作用18。西南高山峡谷区位于青藏高原生态屏障区，基于其独特的地形条件，气候空间差异明显，划分为中国气候变化敏感区；加之过去人类活动对植被的破坏，导致水土流失，生态环境恶化，植被生态系统稳定性减弱，也使得西南高山峡谷区成为中国典型的生态环境脆弱区。近年来，许多学者基于 NDVI 和气候因子数据集，采用趋势分析、相关性分析、统计学和地理空间分析技术等方法在不同时空尺度对植被演变特征及其驱动因素进行了分析19-21。徐勇等22对 NDVI 与气候因子进行相关性分析发现气温和降雨量是影响西南地区植被生长的主要气候因子。杨艳蓉等23研究认为西南地区植被改善的原因，人为因素主要体现在天然林资源保护、退耕还林还草和封山育林等林业生态工程的实施，自然因素体现在气候因子对植被的影响。彭文甫等24基于地理探测器探究发现年均温可以较好地解释植被状况的可变性。但以往研究多关注植被变化对气温和降雨量的响应规律，未对太阳辐射的影响加以分析，而且目前研究较少考虑植被变化对气候因子响应的时滞效应，导致气候因子与植被变化的相关性较弱。植被变化受气候变化和人类活动的影响，如何综合区分气候变化和人类活动的影响，量化气候变化和人类活动对植被变化的相对贡献依旧是一大难题。此外，对植被变化的分析不光局限于过去，预测未来植被变化趋势，对制定合理的生态环境保护方案具有重要的应用价值。鉴于此，本研究基于 20002019 年 NDVI 和气候因子数据集，采用 Theil-Sen 趋势分析、Mann-Kendall 显著性检验以及 Hurst 指数等方法对西南高山峡谷区 NDVI时空变化特征进行分析，预测其未来变化趋势；并结合相关性分析和残差分析，量化气候变化和人类活动的相对贡献，探讨了西南高山峡谷区植被变化对气候变化和人类活动的响应规律。以期为西南高山峡谷区植被动态监测、管理及保护提供科学依据，从而可以更有针对性地提出可持续的森林经营管理干预措施，实现西南高山峡谷区绿色可持续发展目标。1研究区概况西南高山峡谷区地处四川省、云南省和西藏自治区交界地带（24587.47325124.93N，912348.241041343.55E），区域面积约 61.10 万km2，海拔分布在 896826m 之间，西南高山峡谷区地势起伏大，地形复杂，地貌以山地和高原为主（图 1）。气候空间分异明显，多年平均气温为2.9821.89，平均降雨量为 296.622302.90mm。由于特殊地质地貌和气候条件的影响，西南高山峡谷区生态环境十分脆弱，属于生态环境重点保护区域。93E891 260 2 061 2 726 3 350 3 909 4 385 4 870 6 826090180360 km96E99E102E105E93E90E96E99E102E105E32N30N28N26N32N30N28N26N24N省界Provincial boundary市界City boundary高程Elevation/m图 1研究区地理位置Fig.1Geographiclocationofthestudyarea2材料与方法2.1数据来源及处理研究采用的数据主要包括 20002019 年 NDVI 和气候因子数据集。NDVI 数据来源于中科院资源环境科学与数据中心（https:/ 2000 年 1 月2019 年 12 月，空间分辨率为 1km，使用 ArcGIS 软件对该数据集进行重投影和裁剪，并采用最大值合成法生成逐年西南高山峡谷区 NDVI 数据集。气候因子数据主要包括气温、降雨量和太阳辐射数据集，空间分辨率均为 1km。其中气温和降雨量数据集来 源 于 国 家 地 球 系 统 科 学 数 据 中 心（http:/），太阳辐射数据集来源于 worldclim（https:/worldclim.org/），通过 ArcGIS 软件对数据进行重投影和裁剪，获得西南高山峡谷区气候因子数据集。2.2研究方法2.2.1Theil-Sen 趋势分析和 Mann-Kendal 显著性检验Theil-Sen 趋势分析法25是一种非参数斜率估计方法，不易受异常值影响，对时序分析有较强的抗噪性，能够直观有效地反映时间序列变化趋势。其变化斜率 0，表示研究时段内时间序列数据具有上升趋势，反之下降。Mann-Kendall（MK）显著性检验26可判断变化趋势是否具有显著性，当 MK 检验统计量的绝对值大于 1.96 时，表明变化趋势在 0.05 水平上显著（P0.05），MK 检验统计量的绝对值小于 1.96 时，变化趋势不显著（P0.05）。将变化斜率 和 MK 检验结果叠加分析，NDVI变化趋势划分为显著减少、不显著减少、不显著增加和显著增加 4 种类型2.2.2Hurst 指数基于重标极差的方法计算得到 Hurst 指数（H），其156农业工程学报（http:/www.tcsae.org）2023年可以有效描述 NDVI 时间序列未来变化的可持续性，目前被广泛运用于气象、水文以及生态领域长时间序列变化趋势分析27。H 可分为 3 类：H=0.5 时，表示未来变化趋势不确定，具有随机性；0H0.5 时，表示未来变化趋势与过去相反，具有反可持续性；0.5H1 时，表示未来变化趋势与过去相同，具有可持续性。将变化斜率 和 Hurst 指数进行叠加分析，判断 NDVI 未来变化趋势的持续性28。2.2.3相关性分析研究采用 Person 相关系数对 NDVI 和预测值进行逐像元精度验证；并通过 Person 相关系数分析 NDVI 均值与气象因子均值变化的相关性，确定气象因子对 NDVI变化的滞后期。另外，采用偏相关系数逐像元对 NDVI和单一气象因子进行相关性分析，以便剔除其他气象因子的影响。然后，采用 T 检验法对偏相关系数显著性检验，根据显著性检验结果对其显著性进行划分，当P0.05 时，显著相关29。前人研究表明西南地区 NDVI 变化与气候因子之间存在明显的时滞效应22，在之前研究的基础上将 NDVI均值与前 06 个月气象因子均值进行相关性分析，结合显著性检验结果（表 1），得到 NDVI 与气象因子的时滞，NDVI 对降雨量、气温、太阳辐射响应的滞后期分别为 2、3、2 个月。表1NDVI 与气候因子滞后期及相关系数Table1LagperiodandcorrelationcoefficientbetweenNDVI(normalizeddifferencevegetationindex)andclimatefactors气候因子Climatefactors时滞 Timeperiod/月0123456降雨量Precipitation0.310.330.56*0.41*0.45*0.210.19气温Temperature0.49*0.55*0.51*0.71*0.58*0.250.33太阳辐射Solarradiation0.45*0.51*0.64*0.62*0.51*0.42*0.31注（Note）：“*”P0.05。2.2.4残差分析及贡献率计算残差分析30-31可以定量分离气候变化和人类活动对NDVI 变化的影响。考虑时滞效应的基础上，通过20002019 年 NDVI 与气候因子构建多元回归分析模型，获取 NDVI 预测值（CNDVI），遥感影像提取的 NDVI 值为实际值（ANDVI），NDVI 残差（VNDVI）即实际值与预测值之间的差值，借此表征人类活动对 NDVI 变化的影响，其表达式为VNDVI=ANDVICNDVI（1）CNDVI=aP+bT+cS+d（2）式中 a、b 和 c 为回归系数；d 为回归常数项；P 为年降水量，mm；T 为平均气温，；S 为年太阳辐射总量，MJ/m2。VNDVI0说明人类活动产生促进作用，反之抑制。根据 VNDVI、ANDVI、CNDVI变化斜率 划分植被变化驱动因素，并量化其相对贡献率32，具体划分标准及相对贡献率计算如表 2 所示。表2植被变化驱动因素判别及贡献率计算Table2Identificationofdrivingfactorofvegetationchangeandcalculationofcontributionrateavc驱动机制Drivingfactor相对贡献率Relativecontribution/%气候变化Climatechange人类活动Humanactivities00 0双重驱动改善|c|/(|c|+|v|)100|v|/(|c|+|v|)1000 0 人类活动驱动改善10000 0 气候变化驱动改善010000 0双重驱动退化|c|/(|c|+|v|)100|v|/(|c|+|v|)1000 0 人类活动驱动退化10000 0 气候变化驱动退化0100注：c、v、a分别为 NDVI 预测值、实际值、残差的变化斜率。Note：c、v、aarechangeslopeofpredictedvalue,actualvalueandresidualsofNDVI,respectively.3结果与分析3.1NDVI 时空变化特征从时间角度上，20002019 年西南高山峡谷区 NDVI均值呈现波动上升趋势，平均增长速率 0.0046/a，植被恢复效果明显。期间 NDVI 均值变化范围在 0.600.70之间，多年均值为 0.65，最小值出现在 2000 年为 0.60，最大值在 2016 年为 0.70（图 2）。空间角度上，西南高山峡谷区 NDVI 变化趋势存在明显空间分异，整体 NDVI呈上升趋势，但局部区域存在明显降低。NDVI 呈上升趋势的区域面积占比为 85.59%，其中 NDVI 显著上升的区域面积占比 66.72%，主要分布在云南省境内，四川省的凉山彝族自治州、攀枝花市以及西藏自治区山南市和林芝市南部。14.41%区域面积的 NDVI 呈现下降趋势，其中显著下降的区域面积占比为 5.19%，主要分布在四川省的凉山彝族自治州中部和甘牧藏族自治州东部，以及西藏自治区昌都市与林芝市的交界地带（图 3）。NDVI呈下降趋势的区域主要集中在城区和生态环境脆弱的高海拔地带。0.700.680.660.640.620.600.58y=0.004 6x8.40R2=0.91P0.01年份YearNDVI20002002200420062008201020122014201620182020图 220002019 年 NDVI 时间序列变化Fig.2TimeserieschangeofNDVIfrom2000to2019研究采用 Hurst 指数（H）判断了西南高山峡谷区NDVI 未来变化趋势的可持续性，如图 4a 所示，H 介于0.220.78 之间，均值为 0.62（H0.5），整体上 NDVI未来将延续现有变化趋势。使用 ArcGIS 将变化斜率 与 Hurst 指数进行叠加分析，获得 NDVI 未来变化趋势（图 4b）。未来西南高山峡谷区 NDVI 变化趋势将以上升为主，NDVI 持续上升和未来上升趋势的区域面积占比为 82.34%，其中持续上升的区域面积占比为 79.58%，第14期赖金林等：20002019 年西南高山峡谷区植被变化对气候变化和人类活动的响应157由下降转变为上升趋势的区域面积占比为 2.76%，主要分布在云南境内、四川的凉山彝族自治州和攀枝花市以及西藏自治区山南市和林芝市南部。NDVI 持续下降和未来下降趋势的区域面积占比为 17.66%，其中持续下降的区域面积占比为 11.66%，由上升转变为下降趋势的区域面积占比为 6.00%，主要分布在西藏自治区、四川省的甘牧藏族自治州和阿坝藏族羌族治自州，其中西藏自治区内昌都市与林芝市的交界地带分布相对集中。总体而言，在人类活动强度高的城区和生态环境脆弱的高海拔地带未来植被仍然存在退化风险。变化趋势Change trend显著下降Significant decrease不显著下降Insignificant decrease不显著上升Insignificant increase显著上升Significant increase090180360 kmN图 320002019 年 NDVI 变化趋势空间分布Fig.3SpatialdistributionofNDVItrendfrom2000to2019b.NDVI未来变化趋势空间分布b.Spatial distribution of future trendin NDVIa.Hurst指数空间分布a.Spatial distribution of Hurst indexNHurst指数Hurst index0.220.3 0.4 0.5 0.6 0.70.780 90 180360 km变化趋势Change trend持续下降Continuous decrease未来下降Future decrease未来上升Future increase持续上升Continuous increase图 4Hurst 指数和 NDVI 未来变化趋势空间分布Fig.4SpatialdistributionofHurstindexandfuturetrendinNDVI3.2NDVI 模拟验证为验证 NDVI 预测精度，逐像元对 20002019 年NDVI 实际值和预测值进行相关性分析（图 5）。二者相关系数均值为 0.47，相关系数在 0.20.4 范围之间的区域面积占比为 29.63%，在0.40.6 范围之间的区域面积占比为 48.91%，17.60%的区域相关系数在0.60.8的范围之间。总体而言，NDVI 实际值和预测值之间相关性并不强，说明两者之间存在偏差，NDVI变化并非完全由气候变化所主导。因此，有必要对 NDVI 实际值与预测值之间的残差进行分析。3.3气候变化和人类活动影响下 NDVI 时空变化特征将 20002019 年 NDVI 预测值和残差进行逐像元趋势分析和显著性检验，其分别表示气候变化和人类活动影响下 NDVI 变化趋势，结果如图 6 所示。气候变化影响下，NDVI 呈上升趋势的区域面积占比为 86.56%，其中显著上升的区域面积占比为 34.23%，主要分布在西藏自治区境内、四川省的阿坝藏族羌族治自州和凉山彝族自治州东部。下降趋势的区域面积为 13.44%，呈显著下降的区域面积占比 4.81%，主要位于西藏自治区昌都市与林芝市交界地带（图 6a）。气候变化影响下 NDVI 以上升为主，植被得到改善；但在西藏自治区昌都市与林芝市交界地带的高海拔地带，生态环境脆弱，受气候变化影响植被有所退化。090180360 kmN相关系数Correlation coefficient00.20.40.60.81图 520002019 年 NDVI 真实值和预测值之间相关系数Fig.5CorrelationcoefficientbetweenpredictedvalueandactualvalueofNDVIfrom2000to2019a.气候变化影响下NDVI变化趋势a.Change trend of NDVI under theinfluence of climate changeb.人类活动影响下NDVI变化趋势b.Change trend of NDVI under theinfluence of human activities变化趋势Change trend显著下降Significant decrease不显著下降Insignificant decrease不显著上升Insignificant increase显著上升Significant increaseN0 90 180360 km图 620002019 年气候变化和人类活动对 NDVI 变化的影响Fig.6ImpactofclimatechangeandhumanactivitiesonNDVIfrom2000to2019人类活动引起 NDVI 上升的区域面积占比为 83.72%，其中显著上升的区域面积占比为 51.89%，主要分布在云南省境内，四川省的凉山彝族自治州、攀枝花市和甘牧藏族自治州北部，西藏自治区山南市和林芝市南部等区域。表现下降趋势的区域面积占比 16.28%，其中显著下降的区域面积占比为 2.03%，主要分布在四川省的凉山彝族自治州中部和甘牧藏族自治州东部的小块区域（图 6b）。显著下降的区域主要位于城区，可能是由于城市化扩张而引起的植被退化，NDVI 降低。综上所述，气候变化和人类活动对植被变化的影响均存在正负效应，但整体上以改善为主，且人类活动的正向促进作用要强于气候变化。3.4气候变化特征及 NDVI 变化相关性分析3.4.1气候因子时空变化特征如图 7 所示，西南高山峡谷区整体气候呈现暖干化，且气候因子变化呈现明显空间差异。降雨量波动幅度范158农业工程学报（http:/www.tcsae.org）2023年围为19.2310.69mm/a，均值为2.97mm/a。降雨量变化呈下降趋势区域面积占比 77.28%，其中云南境内以及西藏自治区山南市和林芝市下降趋势相对明显；呈上升趋势区域面积占比为 22.72%，主要分布在西藏自治区昌都市北部、四川省的阿坝藏族羌族治自州、凉山彝族自治州东部以及甘牧藏族自治州北部（图 7a）。气温均呈现上升趋势，上升幅度范围为 0.0020.046/a，均值为 0.02/a，其中西藏自治区境内上升趋势相对明显，其他区域上升幅度较小（图 7b）。太阳辐射波动幅度范围为33.1777.97MJ/(m2a)，均值为 6.92MJ/(m2a)，呈下降趋势的区域面积占比为 25.73%，主要集中在西藏自治区南部和四川省甘牧藏族自治州北部；剩余区域太阳辐射呈上升趋势，区域面积占比为 74.27%（图 7c）。a.降雨量a.Precipitationb.气温b.Temperaturec.太阳辐射c.Solar radiationN降雨量Precipitation/(mma1)19.2310.695510150气温Temperature/(102a1)0.2463020151025太阳辐射Solar radiation/(MJm2a1)33.1777.976020020400 90180360 km图 720002019 年气候因子变化趋势的空间分布Fig.7Spatialdistributionofchangetrendofclimatefactorsfrom2000to20193.4.2NDVI 与气候因子偏相关性分析基于偏相关系数和 T 检验法对 20002019 年 NDVI与降雨量、气温和太阳辐射时序变化相关性进行逐像元分析（图 8）。降雨量与 NDVI 偏相关系数的范围区间为0.870.87，正相关的区域面积占比为 47.19%，其中显著正相关的区域面积占比为 7.25%，主要集中在西藏自治区昌都市北部、四川省阿坝藏族羌族治自州和凉山彝族自治州东部。呈现负相关的区域面积占比 52.81%，显著负相关的区域面积占比 10.98%，分布在研究区西南方。气温与 NDVI 偏相关系数的范围区间为0.860.90，正相关的区域面积占比为 78.02%，其中呈显著正相关的区域面积占比为 23.22%，主要分布在西藏自治区北部、四川省的阿坝藏族羌族治自州、凉山彝族自治州东部和甘牧藏族自治州北部。负相关的区域面积占比为 21.98%，显著负相关的区域面积占比为 2.76%，集中分布在西藏自治区昌都市与林芝市交界地带。c.偏相关系数(NVDI-太阳辐射)c.Partial correlation coefficient(NVDI-solar radiation)a.偏相关系数(NVDI-降雨量)a.Partial correlation coefficient(NVDI-precipitation)b.偏相关系数(NVDI-气温)b.Partial correlation coefficient(NVDI-temperature)f.显著性检验(NVDI-太阳辐射)f.Significance test(NVDI-solar radiation)d.显著性检验(NVDI-降雨量)d.Significance test(NVDI-precipitation)e.显著性检验(NVDI-气温)e.Significance test(NVDI-temperature)显著性检验Significance test显著负相关Significant negative correlation不显著正相关Insignificant positive correlation不显著负相关Insignificant negative correlation显著正相关Significant positive correlation偏相关系数Partial correlation coefficient0.870.860.600.30.60.3N偏相关系数Partial correlation coefficient0.860.900.600.30.60.3偏相关系数Partial correlation coefficient0.840.840.600.30.60.30 90 180360 km图 820002019 年 NDVI 与气候因子偏相关系数和显著性检验Fig.8PartialcorrelationcoefficientandsignificancetestofNDVIandclimatefactorsfrom2000to2019太阳辐射与 NDVI 偏相关系数的范围区间为0.840.84，正相关的区域面积占比的 64.62%，其中呈显著正相关的区域面积占比为 11.18%，主要分布在研究区中部和四川省的阿坝藏族羌族治自州。负相关的区域面积占比为 35.38%，其中显著负相关的区域面积占比为 4.04%，多分布在研究区北部。3.5植被变化的驱动机制及相对贡献3.5.1植被变化的驱动机制根据 NDVI 实际值、预测值和残差的变化斜率 划分西南高山峡谷区植被变化驱动机制（图 9），西南高第14期赖金林等：20002019 年西南高山峡谷区植被变化对气候变化和人类活动的响应159山峡谷区植被由气候变化和人类活动共同驱动改善的区域面积占比为 76.68%，分布于云南省、四川省以及西藏自治区山南市和林芝市的南部。单独气候变化驱动改善的区域面积占比分别为 3.79%，主要分布于西藏自治区的昌都市西部以及四川省的甘牧藏族自治州南部。单独人类活动驱动改善的区域面积占比为 5.12%，主要分布于西藏自治区的山南市和四川省的甘牧藏族自治州北部。由气候变化和人类活动共同驱动退化的区域面积占比为8.42%，在西藏自治区林芝市与昌都市交界地带分布相对集中，而单独气候变化和单独人类活动驱动退化的区域面积占比分别 4.07%和 1.93%，均零散分布于研究区北部。总体而言，植被变化主要受气候变化和人类活动的双重影响，由气候变化和人类活动共同驱动的区域面积占比为 85.10%。0 90180360 kmN驱动因素Driving factor双重驱动退化Double drive degradation气候变化驱动退化Climate change drive degradation人类活动驱动退化Human activities drive degradation人类活动驱动改善Human activities drive improvement气候变化驱动改善Climate change drive improvement双重驱动改善Double drive improvement图 920002019 年植被变化驱动因素空间分布Fig.9Spatialdistributionofdrivingfactorofvegetationchangefrom2000to20193.5.2气候变化和人类活动对植被变化的相对贡献研究以 NDVI 实际值、预测值和残差的变化斜率 为基础计算了西南高山峡谷区气候变化和人类活动对植被变化的相对贡献，整体上气候变化对植被变化的相对贡献率为 31.33%，而人类活动的相对贡献率为 68.67%。为进一步阐明气候变化和人类活动对植被生长的相对贡献，根据 NDVI 变化趋势将研究区划分为植被改善和退化区域（图 10）。在植被改善区域，气候变化和人类活动的相对贡献率分别为 32.49%和 67.51%。由气候变化为主导，植被改善的区域面积占比为 11.90%，主要集中在四川省的阿坝藏族羌族治自州以及西藏自治区的昌都市西部（图 10a）。由人类活动主导，植被改善的区域面积占比为 88.10%（图 10b）。在植被退化区域，气候变化和人类活动的相对贡献率分别为 24.46%和 75.54%。气候变化对植被退化的相对贡献率超过 50%的区域面积占比为 18.01%，主要分布于西藏自治区的林芝市和昌都市交界地带（图 10c）。人类活动对植被退化的相对贡献率超过 50%的区域面积占比为 81.99%，主要分布于西藏自治区和四川省的阿坝藏族羌族治自州内局部区域（图 10d）。综上可知，植被变化主要受人类活动所影响，而气候变化的影响相对较小。a.改善区域气候变化贡献率a.Contribution of climate change inimproving areab.改善区域人类活动贡献率b.Contribution of human activities inimproving areac.退化区域气候变化贡献率c.Contribution of climate change indegraded aread.退化区域人类活动贡献率d.Contribution of human activities indegraded areaN气候变化贡献率Contribution of climate change/%0255075100气候变化贡献率Contribution of climate change/%02550751000255075100人类活动贡献率Contribution of human activities/%0 90 180360 km0255075100人类活动贡献率Contribution of human activities/%图 10气候变化及人类活动对植被变化的贡献率Fig.10Contributionrateofclimatechangeandhumanactivitiestovegetationchange4讨论20002019 年期间，西南高山峡谷区 NDVI 整体呈波动上升趋势，植被得到了有效改善，这与李美丽等33的研究相符合。西南高山峡谷区属于青藏高原生态屏障区，国家对该区域采取了一系列生态保护措施，主要包括天然林资源保护、长江流域防护林体系建设和西南岩溶石漠化综合治理等林业生态工程，这些林业生态工程的实施促进了植被改善，有效推进了西南高山峡谷区生态环境建设34。但在 20062008 年 NDVI 出现了大幅下降，或与该时段内发生的极端干旱和寒害气候事件有所联系，影响了植被正常生长，NDVI 降低35。气候变化是影响西南高山峡谷区植被变化的关键因素，其对植被变化的相对贡献率为 31.33%。20002019年西南高山峡谷区气候变化呈现暖干化，不同气候因子间对植被变化的影响具有显著差异性。结合表 1 分析结果可知，总体上气温和太阳辐射与 NDVI 变化呈正相关，而降雨量与 NDVI 变化呈负相关，其中气温是影响NDVI 变化的主要气候因子，这与 DUAN 等36研究结果一致。西南高山峡谷区年均气温较低，气温的上升有利于土壤营养元素和有机质的分解与释放；同时还可以延长植物生长期，对植被生长起重要促进作用37。然而，气温的增长在西藏自治区的林芝市和昌都市交界的高海拔地带对 NDVI 变化有负面效应，由于该区域气温过度增长，地表蒸发量增加，降低了土壤水分含量，对植被生长起抑制作用38。太阳辐射是植被光合作用的重要来源，太阳辐射的增加提升了植被光合能力，促进了植被生长37。相反，太阳辐射减少则对植被生长起到抑制作160农业工程学报（http:/www.tcsae.org）2023年用。研究区内降雨量的变化趋势由西南向东北递增，在降雨量减少的区域，降雨量与 NDVI 主要呈负相关，由于区域年降雨量总体较低，加之气温升高导致土壤水分蒸发量增加，增大植被耗水量，进而对植被生长产生抑制作用，但这种抑制作用并不明显，或许是因为气温和太阳辐射的促进作用强于降雨量减少的影响。在降雨量增加的区域，土壤水分的增加对植被生长起到了明显促进作用39。人类活动对植被变化的相对贡献率为 68.67%，是西南高山峡谷区植被变化的主要因素，这与金凯等9研究的结果一致。人类活动对植被变化的影响存在双重效应，一方面由于林业生态工程的实施，取得显著的生态效果，促进了植被生长，林地和草地大面积增加，是 NDVI 上升的主要原因40。另一方面，由于过去滥砍滥伐和过度放牧也致使大量林地和草地退化，导致 NDVI 降低。此外，随着区域经济发展，城市化进程加快，建设用地扩张侵占林地、草地以及耕地，对植被恢复起到抑制作用41。但总体而言，人类活动对植被变化的正向促进作用要高于负面效应。研究定量揭示了 20002019 年气候变化和人类活动对西南高山峡谷区植被变化的影响。但事实上，植被变化是一个多因素复合的复杂过程，理论上应当是受到了多重复杂驱动因素的共同作用，不光局限于气温、降雨量和太阳辐射的影响，还受大气 CO2浓度、干旱和陆地水储量等方面的影响42。因此，存在量化误差。未来针对西南高山峡谷区植被变化及影响因素的研究，需进一步结合其他因子，细化气候变化和人类活动对植被变化的响应机制。5结论1）时间尺度上，20002019 年西南高