Impact of climate and human activities on NDVI change in Gansu section of the Yellow River main stream

doi:10.11755/j.issn.1006-7639-2024-06-0934

Abstract

Abstract:

The study of the impacts of climate change and human activities on the vegetation of the Gansu section of the Yellow River main stream is of significance for the construction of ecological security in the Yellow River Basin. Based on the NDVI (Normalized Difference Vegetation Index) of MODIS (Moderate-resolution Imaging Spectroradiometer) and the precipitation and air temperature data of 18 ground meteorological observation stations in the Gansu section of the Yellow River main stream, the spatial and temporal characteristics of NDVI and the contribution of climate change and human activities to the changes of NDVI in the Gansu section of the Yellow River main stream from 2001 to 2020 were quantitatively analyzed by using the methods of linear trend analysis, bias correlation analysis and residual analysis. The results show that the growth rate of NDVI in the Gansu section of the Yellow River main stream was 0.05·(10 a)^-1 from 2001 to 2020, of which the 2001-2010 period was a slow increase stage with a growth rate of 0.04·(10 a)^-1, and the 2011-2020 period was a rapid increase stage with a growth rate of 0.08·(10 a)^-1. The vegetation ecology of the Gansu section of the Yellow River main stream showed a benign development in the past 20 years, and the vegetation improvement area was located in the north-central part of Linxia Hui Autonomous Prefecture, Lanzhou City and the southeastern part of Baiyin City. The climatic factors that dominate the changes of NDVI in the study area are different, the positive correlation between NDVI and air temperature is higher in most parts of Gannan Prefecture, while the correlation between NDVI and precipitation is more significant in the northern part of Linxia Prefecture, Lanzhou City and Baiyin City. The vegetation change in the Gansu section of the Yellow River Basin is the result of the joint action of climate factors and human activities, and the contribution of climate factors to the NDVI change from 2001 to 2020 is 75.27%, while the contribution of human activities is 24.73%. Climate factors are still the dominant factors for the vegetation change in the Gansu section of the Yellow River Basin, but the influence of human activities on the vegetation change is gradually deepening.

Key words: NDVI, spatial-temporal changes, climatic factors, human activities, Gansu section of the Yellow River main stream

摘要：

研究气候变化和人类活动对黄河干流甘肃段植被的影响，对于黄河流域生态安全建设有一定意义。基于黄河干流甘肃段中分辨率成像光谱仪（Moderate-resolution Imaging Spectroradiometer，MODIS）归一化植被指数（Normalized Difference Vegetation Index，NDVI）、18个地面气象观测站的降水和气温数据，采用线性趋势分析、偏相关分析、残差分析等方法，对黄河干流甘肃段2001—2020年NDVI时空变化特征及气候变化和人类活动对NDVI变化的贡献度进行了定量分析。结果表明：黄河干流甘肃段2001—2020年NDVI增长速率为0.05·（10 a）^-1，其中2001—2010年为缓慢上升阶段，增长率为0.04·（10 a）^-1，2011—2020年为快速上升阶段，增长率为0.08·（10 a）^-1；近20 a黄河干流甘肃段植被生态整体呈良性发展，植被改善区位于临夏回族自治州中北部、兰州市及白银市东南部地区。研究区内对NDVI变化起主导作用的气候因子各有不同，甘南州大部NDVI与气温的正相关性更高；临夏州北部、兰州市及白银市NDVI与降水量的相关性更显著。黄河流域甘肃段植被变化是气候因子和人类活动共同作用的结果，2001—2020年气候因子对NDVI变化的贡献度为75.27%，人类活动贡献度为24.73%，气候因子仍是黄河流域甘肃段植被变化的主导因素，但人类活动对植被变化的影响程度逐渐加深。

关键词: NDVI, 时空变化, 气候因子, 人类活动, 黄河干流甘肃段

CLC Number:

P467

YIN Fei, BAI Bing, HUANG Pengcheng, MA Yulong. Impact of climate and human activities on NDVI change in Gansu section of the Yellow River main stream[J]. Journal of Arid Meteorology, 2024, 42(6): 934-943.

殷菲, 白冰, 黄鹏程, 马玉龙. 气候和人类活动对黄河干流甘肃段NDVI变化的影响[J]. 干旱气象, 2024, 42(6): 934-943.

Figures/Tables 9

Fig.1 Geographic location in Gansu section of the Yellow River main stream

Fig.2 The inter-annual variation of NDVI in Gansu section of the Yellow River main stream from 2001 to 2020

Fig.3 Spatial distribution of multi-year mean NDVI (a) and change trend of NDVI (b) in Gansu section of the Yellow River main stream from 2001 to 2020 (Significant improvement indicates that passing the significance test at 95% confidence level)

Tab.1 The number and its proportion of NDVI pixels with different ranges in Gansu section of the Yellow River main stream from 2001 to 2020

NDVI范围	像元数/个	占比/%
NDVI≤0.20	4 140	5.89
0.20<NDVI≤0.40	24 960	35.51
0.40<NDVI≤0.90	41 181	58.59

Tab.2 Classification standard of vegetation change degree based on NDVI change trend in Gansu section of the Yellow River main stream from 2001 to 2020

植被变化程度	NDVI变化趋势
严重退化	slope≤-0.03
中度退化	-0.03<slope≤-0.02
轻微退化	-0.02<slope≤-0.01
基本不变	-0.01<slope≤0.01
轻微改善	0.01<slope≤0.02
中度改善	0.02<slope≤0.03
明显改善	slope≥0.03

Tab.3 The number and its proportion of pixels of vegetation change degree in different grades in Gansu section of the Yellow River main stream from 2001 to 2020

植被变化程度	像元数/个	占比/%
中度退化	5	<0.01
轻微退化	108	0.15
基本不变	58 144	82.73
轻微改善	11 938	16.99
中度改善	86	0.12

Fig.4 The spatial distribution of average air temperature (a, Unit:℃), air temperature change trend (b, Unit: ℃·a-1), mean precipitation (c, Unit: mm) and change trend of precipitation (d, Unit: mm·a-1) in Gansu section of the Yellow River main stream from 2001 to 2020

Fig.5 The spatial distribution of partial correlation coefficient between NDVI and temperature (a, c, e), and between NDVI and precipitation (b, d, f) in Gansu section of the Yellow River main stream from 2001 to 2020 (a, b), 2001 to 2010 (c, d) and 2011 to 2020 (e, f) (The color shaded areas indicates that passing the significance test at 95% confidence level)

Fig.6 The spatial distribution of contribution rate (a, b) (Unit: %) and its variation trend (c, d) (Unit: %·a-1) of human activities (a, c) and climate change (b, d) to NDVI in Gansu section of the Yellow River main stream from 2001 to 2020

References 56

[1]	白淑英, 王莉, 史建桥, 2012. 长江流域NDVI对气候变化响应的时滞效应[J]. 中国农业气象, 33(4): 579-586.
[2]	白艳萍, 张豪, 2019. 基于甘肃省的气温空间分布模拟插值方法讨论[J]. 甘肃科技, 35(9): 32-35.
[3]	鲍文中, 张强, 陶健红, 等, 2018. 甘肃气候[M]. 北京: 气象出版社.
[4]	常继青, 牛最荣, 2014. 甘肃黄河流域与疏勒河流域降水径流变化特性对比分析[J]. 水文, 34(5): 94-96.
[5]	陈晨, 王义民, 黎云云, 等, 2022. 黄河流域1982—2015年不同气候区植被时空变化特征及其影响因素[J]. 长江科学院院报, 39(2): 56-62. DOI
[6]	崔丹丹, 张耀南, 陈广庭, 2014. 2001—2010年甘肃省植被覆盖的时空变化[J]. 中国沙漠, 34(4): 1 161-1 166
[7]	戴晓爱, 马佳欣, 唐艺菱, 等, 2024. 甘肃省植被时空动态变化及其归因分析[J]. 生态环境学报, 33(8): 1 163-1 173
[8]	邓晨晖, 白红英, 高山, 等, 2018. 秦岭植被覆盖时空变化及其对气候变化与人类活动的双重响应[J]. 自然资源学报, 33(3): 425-438. DOI
[9]	丁海勇, 丁昕玮, 2020. 基于SPOT_NDVI的甘肃省植被覆盖变化及其与气候、地形因子的关系[J]. 长江流域资源与环境, 29(12):2665-2 678
[10]	董晓雪, 2021. 黄河上游植被长期格局变化、成因及其对水文过程的影响[D]. 兰州: 兰州大学.
[11]	高健健, 穆兴民, 孙文义, 2015. 2000—2012年黄土高原植被覆盖的时空变化[J]. 人民黄河, 37(11): 85-91.
[12]	何国兴, 柳小妮, 张德罡, 等, 2021. 甘肃省草地NPP时空变化及对气候因子的响应[J]. 草地学报, 29(4): 788-797. DOI
[13]	何勇, 2021. 白银市市级水土流失重点防治区划分[J]. 中国水土保持(4): 37-40.
[14]	金凯, 王飞, 韩剑桥, 等, 2020. 1982—2015年中国气候变化和人类活动对植被NDVI变化的影响[J]. 地理学报, 75(5): 961-974. DOI
[15]	靳峰, 戈文艳, 秦伟, 等, 2023. 甘肃省植被时空变化及其未来发展潜力[J]. 中国水土保持科学:中英文, 21(1): 110-118.
[16]	李春晖, 杨志峰, 2004. 黄河流域NDVI时空变化及其与降水/径流关系[J]. 地理研究, 23(6): 753-759.
[17]	李辉霞, 刘国华, 傅伯杰, 2011. 基于NDVI的三江源地区植被生长对气候变化和人类活动的响应研究[J]. 生态学报, 31(19):5495-5 504
[18]	李双双, 延军平, 万佳, 2012. 近10年陕甘宁黄土高原区植被覆盖时空变化特征[J]. 地理学报, 67(7): 960-970.
[19]	李想, 李国平, 2022. 四川夏季降水量空间插值方法的比较[J]. 干旱气象, 40(5): 897-907. DOI
[20]	刘海, 黄跃飞, 郑粮, 2020. 气候与人类活动对丹江口水源区植被覆盖变化的影响[J]. 农业工程学报, 36(6): 97-105.
[21]	刘海, 刘凤, 郑粮, 2021. 气候变化及人类活动对黄河流域植被覆盖变化的影响[J]. 水土保持学报, 35(4): 144-151.
[22]	刘绿柳, 许红梅, 2007. 黄河流域主要植被类型NDVI变化规律及其与气象因子的关系[J]. 中国农业气象, 28(3): 334-337.
[23]	刘启兴, 董国涛, 景海涛, 等, 2019. 2000—2016年黄河源区植被NDVI变化趋势及影响因素[J]. 水土保持研究, 26(3): 86-92.
[24]	陆荫, 张强, 李晓红, 等, 2020. 黄河流域甘肃段植被覆盖度时空变化及对气候因子的响应[J]. 水土保持通报, 40(2): 232-238.
[25]	马森, 张代青, 张惠, 等, 2023. 塔里木河流域NDVI时空变化特征及其影响因素分析[J]. 高原山地气象研究, 43(4): 76-83.
[26]	马守存, 保广裕, 郭广, 等, 2018. 1982—2013年黄河源区植被变化趋势及其对气候变化的响应[J]. 干旱气象, 36(2): 226-233. DOI
[27]	毛爱华, 毛红霞, 李璇, 等, 2021. 甘南黄河上游水源涵养区建设研究[J]. 资源节约与环保,(6): 37-40.
[28]	秦国玲, 2017. 土地整治对NDVI的影响研究[D]. 昆明: 昆明理工大学.
[29]	申建秀, 王秀红, 刘羽, 等, 2012. 退耕还林前后甘肃正宁县生态系统服务价值的时空变化特征[J]. 水土保持研究, 19(4): 59-64.
[30]	施雅风, 沈永平, 胡汝骥, 2002. 西北气候由暖干向暖湿转型的信号、影响和前景初步探讨[J]. 冰川冻土, 24(3): 219-226.
[31]	施雅风, 沈永平, 李栋梁, 等, 2003. 中国西北气候由暖干向暖湿转型的特征和趋势探讨[J]. 第四纪研究, 23(2): 152-164.
[32]	石玉琼, 郑亚云, 李团胜, 2018. 榆林地区2000—2014年NDVI时空变化[J]. 生态学杂志, 37(1): 211-218.
[33]	孙锐, 陈少辉, 苏红波, 2019. 2000—2016年黄土高原不同土地覆盖类型植被NDVI时空变化[J]. 地理科学进展, 38(8):1248-1 258
[34]	孙睿, 刘昌明, 朱启疆, 2001. 黄河流域植被覆盖度动态变化与降水的关系[J]. 地理学报, 56(6): 667-672.
[35]	王强, 张廷斌, 易桂花, 等, 2017. 横断山区2004—2014年植被NPP时空变化及其驱动因子[J]. 生态学报, 37(9):3084-3 095
[36]	王新源, 连杰, 杨小鹏, 等, 2019. 玛曲县植被覆被变化及其对环境要素的响应[J]. 生态学报, 39(3): 923-935.
[37]	向君, 刘晓云, 2021. 甘南黄河上游水源涵养区建设研究[J]. 兰州文理学院学报:社会科学版, 37(5): 88-93.
[38]	谢慧君, 张廷斌, 易桂花, 等, 2020. 川西高原植被NDVI动态变化特征及对气候因子的响应[J]. 水土保持通报, 40(4): 286-294.
[39]	颜明, 贺莉, 王随继, 等, 2018. 基于NDVI的1982—2012年黄河流域多时间尺度植被覆盖变化[J]. 中国水土保持科学, 16(3): 86-94.
[40]	杨金虎, 张强, 杨博成, 等, 2023. 黄河上游暖湿化的多时间尺度特征及对生态植被的影响[J]. 高原气象, 42(4): 1 018-1 030
[41]	杨胜天, 刘昌明, 孙睿, 2002. 近20年来黄河流域植被覆盖变化分析[J]. 地理学报, 57(6): 679-684.
[42]	叶培龙, 刘新伟, 赵文婧, 等, 2019. 2016年8月甘肃省持续性高温过程及其异常大气环流特征[J]. 高原气象, 38(6):1283-1 292
[43]	易浪, 任志远, 张翀, 等, 2014. 黄土高原植被覆盖变化与气候和人类活动的关系[J]. 资源科学, 36(1): 166-174.
[44]	益西卓玛, 拉巴, 顿玉多吉, 等, 2022. NPP-VIIRS卫星在西藏植被监测中的应用研究[J]. 高原山地气象研究, 42(2): 145-150.
[45]	袁丽华, 蒋卫国, 申文明, 等, 2013. 2000—2010年黄河流域植被覆盖的时空变化[J]. 生态学报, 33(24):7798-7 806
[46]	张乐艺, 李霞, 冯京辉, 等, 2021. 2000—2018年黄河流域NDVI时空变化及其对气候和人类活动的双重响应[J]. 水土保持通报, 41(5): 276-286.
[47]	张强, 杨金虎, 马鹏里, 等, 2023. 西北地区气候暖湿化增强东扩特征及其形成机制与重要环境影响[J]. 干旱气象, 41(3): 351-358. DOI
[48]	赵安周, 张安兵, 刘海新, 等, 2017. 退耕还林(草)工程实施前后黄土高原植被覆盖时空变化分析[J]. 自然资源学报, 32(3): 449-460. DOI
[49]	赵倩倩, 李建华, 张桂琴, 等, 2022. 气候变化背景下黄河流域植被变化及其成因[J]. 气候与环境研究, 27(1): 157-169.
[50]	BRYAN B A, GAO L, YE Y Q, et al, 2018. China’s response to a national land-system sustainability emergency[J]. Nature, 559(7713): 193-204.
[51]	FANG J Y, YU G R, LIU L L, et al, 2018. Climate change, human impacts, and carbon sequestration in China[J]. Proceedings of the National Academy of Sciences of the United States of America, 115(16): 4 015-4 020
[52]	GOTTFRIED M, PAULI H, FUTSCHIK A, et al, 2012. Continent-wide response of mountain vegetation to climate change[J]. Nature Climate Change, 2: 111-115.
[53]	JIANG L L, GULI J, BAO A M, et al, 2017. Vegetation dynamics and responses to climate change and human activities in Central Asia[J]. Science of The Total Environment, 599: 967-980.
[54]	LUCHT W, COLIN PRENTICE I, MYNENI R B, et al, 2002. Climatic control of the high-latitude vegetation greening trend and Pinatubo effect[J]. Science, 296(5573): 1 687-1 689
[55]	ROUSE J W, HAAS R H, DEERING D W, et al, 1973. Monitoring the vernal advancement and retrogradation (green wave effect) of natural vegetation[R]. Texas: Remote Sensing Center, Texas A&M University: 75-76.
[56]	ZHAO X Y, XIA H M, LIU B Y, et al, 2022. Spatiotemporal comparison of drought in Shaanxi-Gansu-Ningxia from 2003 to 2020 using various drought indices in google earth engine[J]. Remote Sensing, 14(7): 1570. DOI: 10.3390/rs14071570.