基于NDVI-Albedo特征空间的柴达木盆地荒漠化监测研究

doi:10.11755/j.issn.1006-7639(2023)-04-0560

基于NDVI-Albedo特征空间的柴达木盆地荒漠化监测研究

孙树娇^,¹^,², 曹晓云¹^,², 肖建设¹^,², 孙玮婕¹^,², 祝存兄^,¹^,²

1.青海省防灾减灾重点实验室，青海西宁 810001

2.青海省气象科学研究所，青海西宁 810001

Desertification monitoring in the Qaidam Basin based on NDVI-Albedo feature space

SUN Shujiao^,¹^,², CAO Xiaoyun¹^,², XIAO Jianshe¹^,², SUN Weijie¹^,², ZHU Cunxiong^,¹^,²

1. Key Laboratory of Disaster Prevention and Mitigation of Qinghai Province， Xining 810001， China

2. Qinghai Institute of Meteorological Sciences， Xining 810001， China

通讯作者: 祝存兄（1990—），女，青海乐都人，硕士，工程师，主要从事生态气象研究。E-mail:zhucunxiong_2008@126.com。

责任编辑: 黄小燕；校对：蔡迪花

收稿日期: 2022-10-26 修回日期: 2022-11-25

基金资助:

青海省防灾减灾重点实验室开放基金项目(QFZ-2021-M16)
青海省气象局“揭榜挂帅”项目(QXGS2023-05)
青海省科技计划项目(2020-ZJ-715)

Received: 2022-10-26 Revised: 2022-11-25

作者简介 About authors

孙树娇（1995—），女，青海互助人，硕士，工程师，主要从事生态气象研究。E-mail:sunshj17@lzu.edu.cn。

摘要

荒漠化目前已成为威胁全球生态环境的主要问题，开展荒漠化监测对于荒漠化防治至关重要。基于2014—2021年植被生长季（5—9月）Suomi/NPP（National Polar-orbiting Partnership）遥感数据和柴达木盆地8个气象站点观测数据，利用NDVI-Albedo（Normalized Difference Vegetation Index-Albedo）特征空间计算荒漠化差值指数（Desertification Difference Index，DDI），运用自然间断法、Sen+M-K趋势分析法、相关性分析法、精度误差矩阵计算和转移矩阵计算等方法，探讨柴达木盆地植被生长季荒漠化土地时空动态演变及气象影响因素。结果表明：（1）基于NDVI-Albedo特征空间构建的DDI在柴达木盆地荒漠化监测中适用性较高，特征方程R²≥0.65，整体分类精度79.38%，Kappa系数0.62。（2）2014—2021年，柴达木盆地荒漠化程度东部、南部较低而西部、中部较高，且东部、南部部分地区DDI值以每年超过0.01的速率增大，部分地区增大显著；荒漠化土地总面积呈减小趋势，速率为-1 173 km²·a^-1，不同程度荒漠化土地之间存在转移特征，具体表现为荒漠化程度较重的土地向较轻的土地转移。（3）相关性分析表明，降水量、平均相对湿度均与DDI呈极显著正相关（P<0.01），相关系数分别为0.91、0.86，水分是影响柴达木盆地荒漠化的主要气象因子。

关键词： 荒漠化; NDVI-Albedo特征空间; 荒漠化差值指数; 时空动态监测; 气象影响因子; 柴达木盆地

Abstract

Desertification has become a major threat to the global ecological environment, and the desertification monitoring is crucial for desertification prevention and control. Based on the Suomi/NPP (National Polar-orbiting Partnership) remote sensing data and the observation data of 8 meteorological stations during the vegetation growing season (from May to September) from 2014 to 2021 in the Qaidam Basin, the desertification difference index (DDI) was calculated by using NDVI-Albedo (Normalized Difference Vegetation Index-Albedo) feature space. Moreover, the natural discontinuity method, Sen+M-K trend analysis method, correlation analysis method, accuracy error matrix and transfer matrix analysis were also used to explore the spatial and temporal dynamic evolution of land desertification and the influence of meteorological factors to desertification in the Qaidam Basin from 2014 to 2020 during the vegetation growing season. The results are as follows: (1) The NDVI-Albedo feature space performs a high applicability in the Qaidam Basin (R² greater than or equal to 0.65), with an overall classification accuracy of 79.38% and a Kappa coefficient of 0.62. (2) From 2014 to 2021, the degree of land desertification in the eastern and southern Qaidam Basin is lower than that in the western and central Qaidam Basin. Furthermore, DDI shows a significantly increase in some areas, especially in southern and eastern region with the increase rate of DDI over 0.01a^-1. The total area of desertification land in the Qaidam Basin shows a decreasing trend with a rate of -1 173 km²·a^-1. Additionally, a transforming characteristic occurs between different degrees desertification land that severe desertification lands transferred to mild desertification land. (3) Correlation analysis shows that precipitation and average relative humidity are significantly positively correlated with DDI (P<0.01), and correlation coefficients are 0.91 and 0.86, respectively, indicating that the water is the dominant factor affecting desertification in the Qaidam Basin.

Keywords： desertification; NDVI-Albedo feature space; desertification difference index （DDI）; spatio-temporal dynamic monitoring; meteorological affecting factor; the Qaidam Basin

PDF (17279KB) 元数据多维度评价相关文章导出 EndNote| Ris| Bibtex 收藏本文

本文引用格式

孙树娇, 曹晓云, 肖建设, 孙玮婕, 祝存兄. 基于NDVI-Albedo特征空间的柴达木盆地荒漠化监测研究[J]. 干旱气象, 2023, 41(4): 560-569 DOI:10.11755/j.issn.1006-7639(2023)-04-0560

SUN Shujiao, CAO Xiaoyun, XIAO Jianshe, SUN Weijie, ZHU Cunxiong. Desertification monitoring in the Qaidam Basin based on NDVI-Albedo feature space[J]. Arid Meteorology, 2023, 41(4): 560-569 DOI:10.11755/j.issn.1006-7639(2023)-04-0560

引言

荒漠化是指土地生产力下降，土地资源丧失，地表呈现类似荒漠景观的土地退化过程，由人类不合理经济活动和脆弱生态环境相互作用造成（朱震达，1988）。土地荒漠化物理过程主要表现为水蚀、风蚀作用下土壤营养物质流失，呈现出沙漠化或盐碱化，进而导致土壤理化和生物性质退化，植被生产力降低（丁国栋，2004）。荒漠化不仅是全球重要的生态环境问题，更是全球重要的经济和社会问题，已成为脆弱生态环境发生严重退化的重要反映，因此开展荒漠化监测对于荒漠化防治至关重要（张钛仁等，2010）。

青海省地处我国西北部，荒漠化面积较大、类型较多，且荒漠化土地具有典型的代表性（张登山和高尚玉，2007）。第五次荒漠化和沙化土地监测结果显示，截至2014年青海省荒漠化土地面积为1 903.58万hm²，占全国总荒漠化土地面积的7.29%（屠志方等，2016），主要分布在独立的四大片区，其中柴达木盆地荒漠化土地面积最大，从外围山地到山前洪积扇、湖泊外围及其平坦低洼区，依次分布着冻融荒漠化、水蚀荒漠化、风蚀荒漠化和盐渍荒漠化（李三旦，2015）。研究表明，2009—2014年柴达木盆地沙化土地面积共减少2.82万hm²，年均减少0.56万hm²，年减少率为0.06%（邓梅，2018）。柴达木盆地地广人稀，受限于人力、物力、财力和技术等方面，很难在该地区大规模布设监测站点。另外，荒漠化是一个时间尺度较长的演变过程，仅使用站点观测资料无法准确系统地监测大范围长时间荒漠化。近年来，随着遥感技术不断提升，遥感监测弥补了气象站点监测的缺陷，具有时效性强、覆盖面大等优点（王玲玲等，2021；于志翔，2023）。为准确掌握柴达木盆地荒漠化土地面积变化情况，本文基于Suomi/NPP（National Polar-orbiting Partnership）遥感数据源，选取能够反映荒漠化状况的植被归一化指数（Normalized Difference Vegetation Index，NDVI）和反照率（Albedo）2个遥感监测指标构建特征方程，计算荒漠化差值指数（Desertification Difference Index，DDI），进行荒漠化程度分级，结合野外调查开展精度验证，在此基础上分析2014—2021年青海省柴达木盆地不同程度荒漠化土地演变特征，并结合气象站点观测资料，初步阐述近8 a来柴达木盆地荒漠化土地变化的气候成因，以期为青海省荒漠化防治提供一定理论依据。

1 研究区概况

柴达木盆地（90°16′E—99°16′E，35°00′N—39°20′N）地处青海西北部，面积约25万km²，占全省总面积的35.00%左右，海拔为2 391~6 775 m（图1），盆地内分布着大面积的沙地、戈壁、盐碱地、裸土地和裸岩石质地。盆地气候干燥，降水稀少，太阳辐射强，昼夜温差大，属于典型的中纬度高寒、干旱大陆性气候；降水量时空分布差异较大，降水由四周向盆地中心递减，四周山区年降水量为150~300 mm，盆地中心年降水量小于50 mm，西北部仅为25 mm，且降水多集中在夏季，盆地内部年蒸发量高达1 800 mm以上（许学莲等，2021）。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1 柴达木盆地地形及气象站点分布

Fig.1 The distribution of topography and meteorological stations in the Qaidam Basin

2 资料与方法

2.1 资料及预处理

遥感数据为2014—2021年植被生长季（5—9月）500 m分辨率的NDVI和Albedo，均来自美国宇航局（https://reverb.echo.nasa.gov/），NDVI数据是VNP13A1数据，时空分辨率为8 d·（500 m）^-1；Albedo数据为VNP43IA3数据，时空分辨率为1 d·（500 m）^-1，包含白空反照率（White-Sky Albedo，WSA）和黑夜反照率（Black-Sky Albedo，BSA），由于短波段黑空反照率反映了正午时刻地表对直射太阳光的反照率，因此文章以短波段黑空反照率为研究对象（刘英等，2019）。数据预处理包括投影转换、影像镶嵌、月数据合成和生长季数据合成等，对湖泊和冰川的遥感资料进行No data处理，预处理过程借助ENVI 5.3软件、ArcGIS软件及MatLab软件实现。文中附图涉及地图均基于青海省标准地图服务网站下载的审图号为青S（2021）第256号的标准地图制作，底图无修改。

青海省柴达木盆地8个地面气象观测站（德令哈、乌兰、都兰、格尔木、茫崖、冷湖、大柴旦和小灶火，见图1）2014—2021年5—9月逐日平均气温、降水量、日照时数、相对湿度资料，数据来源于青海省气象科学研究所。土地利用/土地覆盖遥感监测数据为中国科学院地理科学与资源研究院和中国科学院资源环境科学数据中心2018年发布的中国多时期土地利用/土地覆盖遥感监测数据库（徐新良等，2018）。

2.2 构建NDVI-Albedo特征空间

NDVI是反映地表植被状态重要的生物物理参数，不受地形、观测角、太阳高度角及其他因子干扰，是使用较广泛的植被指数（李燕，2014）。研究表明，随着荒漠化程度加重，地表植被破坏严重，植被盖度降低、生物量减少，植被归一化指数相应减小，因此NDVI可作为生物物理参数来反映荒漠化程度（曾永年等，2006）。在荒漠化研究实践中定位观测发现，随着荒漠化程度加重，地表植被覆盖度下降，地表土壤水分相应减少，地表粗糙度随之下降，Albedo相应增加（Li et al.，2000；贺鹏等，2021）。总之，荒漠化过程导致地表状况发生变化，引起地表NDVI和Albedo明显变化，不同荒漠化土地的NDVI和Albedo具有极强的线性负相关关系（潘竟虎和李天宇，2010；任艳群等，2014），因此可用NDVI-Albedo特征空间来分析荒漠化动态变化，该方法生物物理意义明确，充分利用了多维遥感信息，指标反映了荒漠化土地地表覆盖、水热组合及其变化，且指标简单、数据易于获取，有利于荒漠化定量分析与监测（魏伟等，2021）。

由于预处理后NDVI和Albedo值的量纲不一致，为构建NDVI-Albedo特征空间，对研究区两种数据集进行归一化处理，具体公式（汪震等，2021）如下：

（1）

N D V I_{n} = \frac{N D V I - N D V I_{m i n}}{N D V I_{m a x} - N D V I_{m i n}} \times 100 %

（2）

A l b e d o_{n} = \frac{A l b e d o - A l b e d o_{m i n}}{A l b e d o_{m a x} - A l b e d o_{m i n}} \times 100 %

式中：NDVI、Albedo分别为2014—2021年各年份生长季各像元的NDVI、Albedo值；NDVI_n和Albedo_n分别为归一化处理后的NDVI和Albedo值；NDVI_max和NDVI_min分别为2014—2021年各年份植被生长季柴达木盆地NDVI的最大值和最小值；Albedo_max和Albedo_min分别为2014—2021年各年份植被生长季柴达木盆地Albedo的最大值和最小值。

基于土地利用/土地覆盖遥感监测数据，在研究区内不同土地类型中随机选取8 000个样点，分别提取对应的NDVI和Albedo值，构建两者的线性回归方程，即NDVI-Albedo特征空间，具体公式（邹明亮等，2019）如下：

（3）

A l b e d o_{n} = a \times N D V I_{n} + b

式中：a和b分别为特征方程的系数和截距。

2.3 荒漠化差值指数

研究表明，垂直方向划分代表荒漠化变化趋势的NDVI-Albedo特征空间，能够有效区分不同程度荒漠化，可用荒漠化差值指数（DDI）来表示（Verstraete and Pinty， 1996；Zhou et al.， 2023），具体公式如下：

（4）

D D I = (- 1) / a \times N D V I_{n} - A l b e d o_{n}

根据自然间断法（Wu et al.，2019）对DDI进行分级，该方法基于统计学Jenk最优化法得出分界点，能够使各分组方差之和最小（游宇驰等，2017）。

2.4 精度验证

2021年赴柴达木盆地开展野外调查，共获得97个调查样点的地表特征照片和土壤盐分化验结果，调查样点分布及土地利用/土地覆盖类型如图2所示。利用混淆矩阵和Kappa系数，对野外调查与基于遥感监测资料的土地荒漠化分类进行精度验证，主要评定指标包括制图精度、用户精度、总体精度、Kappa系数，其中用户精度是和分级后的荒漠化等级中任一样本进行比较，其所归类的等级与实际荒漠化等级相同的条件概率；制图精度是和实际荒漠化等级中任一样本进行比较，同一地点的分级结果与实际相吻合的条件概率；总体分类精度是针对任何随机样本，分类后结果与所对应同一地点的实际参考类型相统一的条件概率（刘晓茜，2020）。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2 柴达木盆地荒漠化调查样点及土地利用/土地覆盖类型分布

Fig.2 The distribution of desertification survey sample points and land use/land cover types in the Qaidam Basin

2.5 Sen+M-K趋势分析法

Theil-Sen Median（Sen）法是一种稳定的非参数统计趋势分析方法，该方法不受异常值干扰，可有效规避离群数据和测量误差，常用于长时间序列数据趋势分析（郑春燕等，2022；曹晓云等，2022）。Mann-Kendall（M-K）检验属于非参数检验方法，该方法具有不受样本分布束缚、受异常值影响小等优势，在水文、气象和生态趋势变化方面广泛运用（冯娴慧和曾芝琳，2022；王维坤等，2022）。根据显著性检验，将变化趋势分为以下5个等级：不显著减小（Sen<-0.000 5，α≤95%）、显著减小（Sen<-0.000 5，α>95%）、基本不变（-0.000 5≤Sen≤0.000 5）、显著增大（Sen>0.000 5，α>95%）、不显著增大（Sen>0.000 5，α≤95%）。

3 结果分析

3.1 荒漠化差值指数构建及分级

依据不同土地利用/土地覆盖类型，选取2014—2021年柴达木盆地预处理的NDVI和Albedo数据，利用研究区特征空间中的“干边散点”（各NDVI值对应的Albedo最大值点）进行线性回归拟合确定特征方程系数（王旭等，2021），根据回归系数确定荒漠化差值指数方程（图3）。由图3看出，2014—2021年柴达木盆地的NDVI和Albedo呈线性负相关，且各特征方程的R²最小为0.65，NDVI-Albedo特征方程表现出较好的拟合性，因此可用NDVI-Albedo特征方程区分柴达木盆地的荒漠化程度。通过构建NDVI-Albedo特征空间，计算荒漠化差值指数DDI，并利用自然间断法将柴达木盆地荒漠化程度分为4个等级：重度荒漠化、中度荒漠化、轻度荒漠化及未荒漠化。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3 2014—2021年逐年生长季柴达木盆地NDVI-Albedo特征方程

Fig.3 The NDVI-Albedo characteristic equation in the Qaidam Basin during the growing season in each year from 2014 to 2021

基于野外调查对遥感监测的荒漠化分类结果进行精度验证，分级精度误差矩阵见表1。发现，2021年柴达木盆地荒漠化土地用户精度为55.00%~87.50%，制图精度为42.86%~94.92%，总体分类精度为79.38%，Kappa系数为0.62，说明荒漠化差值指数分类呈现高度一致性，分类结果较为理想，说明该方法对荒漠化土地程度分类可行。

表1 2021年柴达木盆地荒漠化分级精度误差矩阵

Tab.1 The precision error matrix of desertification classification in the Qaidam Basin in 2021

遥感监测	野外调查
遥感监测	重度荒漠化	中度荒漠化	轻度荒漠化	未荒漠化	合计	用户精度/％
重度荒漠化	56	6	2	0	64	87.50
中度荒漠化	3	11	6	0	20	55.00
轻度荒漠化	0	0	6	2	8	75.00
未荒漠化	0	1	0	4	5	80.00
合计	59	18	14	6	97
制图精度/％	94.92	61.11	42.86	66.67

新窗口打开| 下载CSV

3.2 荒漠化时空演变格局

图4为2014—2021年生长季柴达木盆地不同程度荒漠化空间分布。可以看出，柴达木盆地荒漠化土地分布较广且具有明显的空间异质性，东部、南部边缘荒漠化程度较低，西部、中部荒漠化程度较高。其中，重度荒漠化土地占总荒漠化土地的56.42%，主要分布在茫崖大部、格尔木北部、大柴旦南部及都兰西部地区；中度荒漠化土地占26.69%，主要分布在格尔木南部、大柴旦北部和德令哈西部地区；轻度荒漠化土地占16.89%，主要分布在盆地边缘的玛多北部和都兰东部等地。柴达木盆地深居内陆，加之四周山脉阻挡，来自海洋的暖湿气流难以到达，盆地西部分布着大片戈壁和沙漠，沙漠与绿洲共存，气象要素分布很不均匀，生态环境异常脆弱，因此盆地中西部植被NDVI较小（郭瑞霞等，2015），地表荒漠化程度较高；盆地东部毗邻青海湖流域，且盆地东南部降水量丰富，因此植被NDVI较高，荒漠化程度较低。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4 2014—2021年生长季柴达木盆地荒漠化土地空间分布

Fig.4 The spatial distribution of desertification land in the Qaidam Basin during the growing season from 2014 to 2021

图5为2014—2021年生长季柴达木盆地DDI年际变化趋势及其显著性检验空间分布。可以看出，DDI值变化速率由盆地中心向边缘逐渐增大，盆地86.93%的区域DDI变化速率为-0.01~0.01 a^-1，DDI较稳定，零星分布有显著减小的区域；盆地东部和南部边缘地区DDI的变化速率大于0.01 a^-1，大部分地区DDI增大，而东南部的玛多北部、都兰南部和乌兰东部部分地区DDI显著增大。

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5 2014—2021年生长季柴达木盆地DDI年际变化趋势（a）及其显著性检验（b）空间分布

Fig.5 The spatial distribution of inter-annual variation trend （a） and its significance test （b） of DDI in the Qaidam Basin during the growing season from 2014 to 2021

由不同程度荒漠化土地面积年际变化（图6）看出，2014—2021年生长季柴达木盆地荒漠化土地总面积呈减小趋势，平均速率为-1 173 km²·a^-1，其中2019—2021年荒漠化土地总面积较小，2020年最小，2014、2016、2017年荒漠化土地总面积较大，2014年最大；2016—2020年荒漠化土地总面积持续减小，速率为-2 513 km²·a^-1；重度和中度荒漠化土地面积均呈减小态势，速率分别为-694、-813 km²·a^-1，轻度荒漠化土地面积则呈增大态势，速率为334 km²·a^-1。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6 2014—2021年生长季柴达木盆地不同程度荒漠化土地面积年际变化

Fig.6 The inter-annual variation of desertification land area with different degrees in the Qaidam Basin during the growing season from 2014 to 2021

2014—2021年重度和中度荒漠化土地面积呈减小态势，而轻度荒漠化土地面积呈增加态势，推测不同程度荒漠化土地之间存在转移特征。因此计算2014—2021年不同程度荒漠化土地面积转移矩阵（表2），发现，2014—2021年柴达木盆地荒漠化程度好转，表现为荒漠化程度较重的土地向荒漠化程度较轻的土地转移。其中，2014年重度荒漠化土地的7.85%在2021年转移为中度荒漠化土地，0.20%转移为轻度荒漠化土地；中度荒漠化土地的17.52%转移为轻度荒漠化土地，1.03%转移为未荒漠化土地；轻度荒漠化土地的16.68%转移为未荒漠化土地。

表2 2014—2021年生长季柴达木盆地不同程度荒漠化土地面积转移矩阵

Tab.2 The transfer matrix of desertification land area with different grades in the Qaidam Basin during the growing season from 2014 to 2021 单位：km²

2021年	2014年
2021年	重度荒漠化	中度荒漠化	轻度荒漠化	未荒漠化	合计
重度荒漠化	119 589.00	2 798.68	80.65	24.20	122 492.54
中度荒漠化	10 217.10	42 290.90	3 737.19	265.99	56 511.18
轻度荒漠化	260.70	9 697.02	22 129.60	2 101.33	34 188.65
未荒漠化	45.48	572.15	5 193.26	11 166.30	16 977.19
合计	130 112.28	55 358.75	31 140.70	13 557.83

新窗口打开| 下载CSV

3.3 气象条件与DDI相关关系

由图7看出，柴达木盆地2014—2021年生长季平均气温年际变化速率在-0.02~0.11 ℃·a^-1之间，且自盆地边缘至内部逐渐减小，表明盆地边缘气温增大，盆地内部气温略减小；生长季相对湿度年际变化速率在盆地南部和中部为正值，最大达1.11%·a^-1，盆地西北部变化速率较小为-0.77%·a^-1，表明位于盆地西北部的茫崖西北部和大柴旦大部相对湿度减小，盆地南部和中部相对湿度增大，尤其格尔木西南、曲麻莱北部和治多北部增大明显；生长季日照时数年际变化速率均为负值，其中格尔木西南部和治多北部年际变化速率最小为-94.51 h·a^-1，表明2014—2021年生长季盆地日照时数呈减小态势；生长季降水量年际变化速率在格尔木西南部、都兰东部和玛多北部为3.00~11.56 mm·a^-1，在德令哈北部和乌兰北部为-5.50~-2.50 mm·a^-1，其余大部为-2.50~3.00 mm·a^-1，表明除盆地西南和东南部降水量增多外，其余地区降水持平或减少，尤其德令哈北部和乌兰北部减少明显。综上所述，2014—2021年生长季柴达木盆地东部和南部边缘气温呈升高趋势，相对湿度持平或增大，日照时数减少，降水量持平或增加，因此该地区植被生长状况较好，NDVI较高，地表裸露程度低，荒漠化程度较低且面积较小，而盆地西北部平均气温除边缘升高其余地区持平或略降低，相对湿度减小，日照时数减小速率较其他地区幅度较小，降水量持平或减小，不利于植被生长，加之地表多为戈壁和沙地，地表反照率较高，因此荒漠化程度较重且面积较广。

图7

新窗口打开| 下载原图ZIP| 生成PPT

图7 2014—2021年生长季柴达木盆地平均气温（a）、相对湿度（b）、日照时数（c）和降水量（d）年际变化率空间分布

Fig.7 The spatial distribution of inter-annual variation rate of average temperature （a）， relative humidity （b）， sunshine duration （c） and precipitation （d） in Qaidam Basin during the growing season from 2014 to 2021

图8为2014—2021年生长季柴达木盆地不同气象要素年际变化。可以看出，2014—2021年生长季平均气温、相对湿度、日照时数和降水量的平均值分别为14.29 ℃、39.08%、1 270.60 h和107.58 mm，其中2014年平均气温和相对湿度最低，2015年日照时数最多，2016年平均气温最高，2018年相对湿度最高降水量最多，2020年日照时数和降水量最少。结合荒漠化总面积年际变化，2014、2016、2017年荒漠化面积较大，而2019—2021年面积较小，加之荒漠化是长期动态的演变过程，因此将研究时间划分为两个时段（2014—2017年、2018—2021年）进行对比分析。发现2014—2017年生长季气温较高，相对湿度较低，日照时数偏多，降水偏少，荒漠化面积较大，而2018—2021年则相反，即生长季气温较低，相对湿度较高，日照时数偏少，降水偏多，荒漠化面积较小，说明气象条件与荒漠化土地面积具有相关关系。

图8

新窗口打开| 下载原图ZIP| 生成PPT

图8 2014—2021年生长季柴达木盆地不同气象要素年际变化

Fig.8 The inter-annual variation of different meteorological elements in the Qaidam Basin during the growing season from 2014 to 2021

由2014—2021年生长季平均气温、平均相对湿度、降水量、日照时数与DDI的相关关系（表略）看出，平均相对湿度和降水量与DDI呈极显著正相关（P<0.01），相关系数分别为0.86、0.91，日照时数与DDI呈负相关，相关系数为-0.18，平均气温与DDI呈正相关，相关系数为0.36。说明柴达木盆地荒漠化影响较大的气象要素是水分因子，水分条件越好，DDI值越大，荒漠化程度越轻、面积越小。

4 讨论与结论

4.1 讨论

沙质荒漠化程度减轻区域主要集中于柴达木盆地南缘（刘建宇等，2021），本文分析发现柴达木盆地东部、南部边缘大部分地区DDI增大，且东南部部分地区DDI增大显著，表明盆地东部、南部荒漠化程度减轻，东南部部分地区减轻明显。植被生长状况与荒漠化密切相关，植被生长茂盛，NDVI值较大，地表裸露程度低，风蚀、水蚀不容易发生，荒漠化程度较低、面积较小，柴达木盆地年均NDVI对降水最敏感，水分是限制植被生长发育的主要影响因子（徐浩杰和杨太保，2014；王林林等，2015；李红梅，2018），造成土地荒漠化进程的主要因素是降水量减少（胡云锋等，2018）。随着全球变暖，干旱半干旱区局地潜在蒸发增强，加剧干旱化程度，改变当地的水循环，导致土壤湿度下降，进而导致土地贫瘠、植被退化、荒漠化加剧（Huang et al.，2015）；在荒漠地带及非农耕区，植被生长受干旱影响较大，降水量与植被覆盖状况有很强的正相关（史尚渝等，2020），气候干燥和人类活动是中国北方遭受高荒漠化风险的主要原因（张国龙，2020）。柴达木盆地地处中国北方干旱大陆性气候区，也是荒漠地带，非农耕区占地面积较大，盆地蒸发量是降水量的10倍，干旱是盆地形成荒漠化的前提，荒漠化发生的外应力主要为干燥剥蚀作用和风蚀作用，盆地影响效应也是发生荒漠化的内在原因（田广庆，2011），这与本文研究结果一致，即干旱是制约柴达木盆地荒漠化防治的主要因素，水分是影响荒漠化发展的主要气象因子，建议在今后的荒漠化防治工作中应从减少当地蒸散发、增加降水、种植抗旱树种等方面着手。

与其他研究相比，本文在样点选取上考虑了土地利用/土地覆盖类型，更符合青海省柴达木盆地实际情况，因此模型的适用性更高。但在精度验证过程中，野外实地调查的样点数量较少，加之柴达木盆地土壤盐分含量较高，结合第四次全国荒漠化土地调查主观判断的荒漠化程度指标，可能会将柴达木盆地土壤荒漠化程度判识偏重，从而导致模型精度受影响。今后应加大实地调查力度、优化模型，进一步提高模型精度。

4.2 结论

本文基于NDVI-Albedo特征空间，利用Suomi/NPP数据计算荒漠化差值指数DDI，运用自然间断法进行荒漠化等级划分，通过精度误差矩阵和转移矩阵计算分析模型精度和2014—2021年柴达木盆地荒漠化土地时空动态变换，结合研究区气象站点观测数据，采用Sen+M-K趋势分析法、相关性分析法探讨气象要素对荒漠化影响，结果表明：

（1）2014—2021年柴达木盆地NDVI-Albedo特征方程R²≥0.65，拟合度较好，构建的DDI能够区分柴达木盆地不同程度土地荒漠化，总体分类精度为79.38%，Kappa系数为0.62，分类结果较为理想。

（2）柴达木盆地东部和南部边缘荒漠化程度较低，西部、中部荒漠化程度较高，86.93%区域DDI变化速率为-0.01~0.01 a^-1，而东部和南部DDI值增加速率超过0.01 a^-1，部分地区增大显著，2014—2021年柴达木盆地荒漠化土地总面积呈减小趋势，速率为-1 173 km²·a^-1，且不同程度荒漠化之间存在转移特征，荒漠化情况整体向好转变。

（3）2014—2017年柴达木盆地生长季气温较高，相对湿度较低，日照时数偏多，降水偏少，荒漠化面积较大，2018—2021年生长季气温较低，相对湿度较高，日照时数偏少，降水偏多，荒漠化面积较小，气象条件与荒漠化面积存在相关关系。相关性分析表明，柴达木盆地降水量、平均相对湿度与DDI呈极显著正相关（P<0.01），相关系数分别为0.91、0.86，表明水分是影响柴达木盆地荒漠化的主要气象因子。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

曹晓云, 祝存兄, 陈国茜, 等, 2022.

2000—2021年柴达木盆地地表绿度变化及地形分异研究

[J]. 生态环境学报, 31(6): 1 080-1 090.