董 鐿 尹冬勤 李 淵 嚴(yán)泰來 王紅說,2*

(1.中國農(nóng)業(yè)大學(xué) 土地科學(xué)與技術(shù)學(xué)院，北京 100083；2.農(nóng)業(yè)農(nóng)村部農(nóng)業(yè)災(zāi)害遙感重點實驗室，北京 100083)

植被作為構(gòu)成地球生態(tài)系統(tǒng)的主要部分，是連接大氣、水體、土壤的自然紐帶，在全球物質(zhì)循環(huán)和能量流動中扮演重要角色[1-2]。在全球氣候變化和城市化的背景下，監(jiān)測植被的時空變化，評估氣候變化和人類活動對植被變化的影響程度，對確定合理的生態(tài)工程布局和適應(yīng)性管理對策具有重要的實用價值，已經(jīng)成為生態(tài)系統(tǒng)可持續(xù)發(fā)展的熱點問題[3]。遙感衛(wèi)星在比較短的時間可以進(jìn)行大規(guī)模的監(jiān)測，得到的數(shù)據(jù)具有信息量大、區(qū)域廣的特點[4]。遙感等技術(shù)手段在植被監(jiān)測中得到了廣泛的運用。歸一化植被指數(shù)NDVI定義為遙感影像的近紅外波段(NIR)和紅波段(R)反射率的比值[5-6]，是作為植被生長狀況的最有效指導(dǎo)因子之一。利用長時間序列的NDVI影像數(shù)據(jù)，可以定量的監(jiān)測植被的生長變化[7]。

黃土高原水土流失嚴(yán)重，是我國的生態(tài)脆弱區(qū)和水土保持重點區(qū)域[8]。為了改善黃土高原日益惡化的生態(tài)環(huán)境，我國開始實施退耕還林、還草的政策，樹立和踐行“綠水青山就是金山銀山”的基本理念，堅持生態(tài)優(yōu)先、綠色發(fā)展[9]。作為世界上最大的黃土區(qū)域，黃土高原植被覆蓋是維系我國生態(tài)平衡不可缺少的重要生態(tài)屏障。因此，研究黃土高原地區(qū)的植被變化特征，探討氣候變化和人類活動對植被的影響變得十分重要和必要。

植被的變化是一個長期的過程，需要長期的觀察才能得到其時空變化趨勢科學(xué)的結(jié)論[10]。已有研究表明植被的生長受到環(huán)境驅(qū)動因素的影響[11]。Ichii等[12]利用全球NDVI和氣候數(shù)據(jù)，分析植被NDVI與氣候之間的關(guān)系，研究發(fā)現(xiàn)：在北半球中、高緯度地區(qū)NDVI的增加與溫度升高有關(guān)，而南半球半干旱地區(qū)NDVI的減少則是由于降水減少所引起；降水量與植被生長之間的關(guān)系具有空間異質(zhì)性，在干旱地區(qū)，由于降水量小，蒸發(fā)量大，植被NDVI與降水呈正相關(guān)，而在潮濕地區(qū)，植被NDVI與降水之間呈負(fù)相關(guān)[13]。除氣候變化外，人類活動也是植被變化的主要驅(qū)動力。隨著人口的增長和經(jīng)濟的發(fā)展，人類活動對植被的影響越來越大[14]。全球的植被變化主要由人類活動造成，其中中國和印度在全球的植被變化中占據(jù)主導(dǎo)地位[15]。自20世紀(jì)80年代以來，中國在黃土高原上實施了一系列控制水土流失的政策，這些政策在改善植被里發(fā)揮了重要作用，1999—2010年，黃土高原累計造林面積已達(dá)1.89×107hm2[16]。

已有研究表明植被變化與氣候變化、人類活動有著密切的關(guān)系，但是關(guān)于評估和度量人類活動和氣候變化對黃土高原植被影響程度的研究卻很少。因此，本研究擬利用黃土高原1982—2015年長時間序列GIMMS NDVI 3g數(shù)據(jù)及同時期氣象資料，輔助土地利用數(shù)據(jù)和人口空間數(shù)據(jù)，并結(jié)合趨勢分析、Mann-Kendall檢驗、Hurst指數(shù)等方法，研究黃土高原的植被變化特征及未來變化趨勢，以期更加全面的揭示黃土高原地區(qū)近年植被的時空變化，利用殘差分析定量的分析氣候因子和人類活動對植被變化，為生態(tài)環(huán)境改善、植被恢復(fù)以及區(qū)域經(jīng)濟發(fā)展提供科學(xué)依據(jù)。

1 研究區(qū)概況與數(shù)據(jù)獲取

1.1 研究區(qū)概況

黃土高原地區(qū)位于北緯33°41′～41°16′，東經(jīng)107°54′～114°33′。位于我國中北部，總面積64.87×104km2(圖1)。其行政區(qū)劃上包括寧夏回族自治區(qū)、內(nèi)蒙古自治區(qū)、青海省、甘肅省、陜西省、山西省和河南省。黃土高原是內(nèi)陸地區(qū)，是溫帶大陸性季風(fēng)氣候，地勢由西北向東南傾斜。黃土高原地區(qū)地質(zhì)地貌復(fù)雜，氣候的多變性和人類的密集活動，使得黃土高原的水土流失和荒漠化十分嚴(yán)重。

1.2 數(shù)據(jù)來源及預(yù)處理

(1)選取GIMMS—NDVI時序數(shù)據(jù)為美國國家航空航天局戈達(dá)德航天中心全球監(jiān)測與模型組發(fā)布的15 d合成的最大值NDVI數(shù)據(jù)集(https:∥ecocast.arc.nasa.gov/data/pub/gimms/3g.v1/)，其空間分辨率為0.083°×0.083°，時間跨度為1982—2015年，該數(shù)據(jù)經(jīng)過加工校正，使得數(shù)據(jù)精度變得更高、誤差變得更小，適用于植被覆蓋變化的長期監(jiān)測。采用國際上通用的最大合成法(MVC)對GIMMS NDVI進(jìn)行處理得到月數(shù)據(jù)，最后再由月數(shù)據(jù)平均得到年數(shù)據(jù)。

(2)氣象數(shù)據(jù)。氣象數(shù)據(jù)來源于國家氣象局氣象數(shù)據(jù)共享網(wǎng)(http:∥data.cma.cn/site/index.html)，選取1982—2015年黃土高原及周邊共101個氣象臺站的月降水和月平均溫度數(shù)據(jù)。氣象數(shù)據(jù)處理基于ANUSPLIN 4.3軟件，該軟件基于薄盤光滑樣條函數(shù)理論，能夠很好的實現(xiàn)空間插值，可結(jié)合DEM數(shù)據(jù)對氣象數(shù)據(jù)進(jìn)行插值。

(3)土地利用數(shù)據(jù)。該數(shù)據(jù)來自中國科學(xué)院地理科學(xué)與資源研究所數(shù)據(jù)共享中心 (http:∥www.resdc.cn/)?？臻g分辨率為1 km×1 km，該數(shù)據(jù)主要基于30 m×30 m分辨率的Landsat TM/ETM遙感影像，人工目視解譯后生成，包括耕地、林地、草地、水域、居民地和未利用土地6 個一級類型以及25 個二級類型。1995—2010年全國人口空間分布公里網(wǎng)格數(shù)據(jù) (http:∥www.resdc.cn/)也是中國科學(xué)院地理科學(xué)與資源研究所數(shù)據(jù)共享中心提供，是根據(jù)全國人口普查數(shù)據(jù)創(chuàng)建的。將土地利用數(shù)據(jù)和人口空間分布重采樣和投影變換，以匹配相對應(yīng)的NDVI數(shù)據(jù)。

圖1 研究區(qū)地理位置及氣象站點分布Fig.1 Study area and meteorological station location

2 研究方法

2.1 趨勢線分析法

用一元線性回歸計算出黃土高原地區(qū)1982—2015年的變化趨勢，其計算公式如下：

(1)

式中：Slope為像元NDVI回歸方程的斜率；i代表年序號；n為年跨度；MNDVI,i為第i年最大的NDVI值。Slope>0,表示隨時間變化NDVI值呈上升趨勢，且Slope值越大，表示上升趨勢越明顯；反之，若Slope<0，表示隨時間變化NDVI值呈下降趨勢。

2.2 Theil-Sen median趨勢分析與Mann-Kendall檢驗

除了采用線性回歸方法外，本文還采用Sen方法分析植被變化趨勢的空間分布特征，并通過Mann-Kendall方法進(jìn)行檢驗。該方法能夠適用于數(shù)據(jù)缺失的資料，能夠剔除異常值的干擾，對離散數(shù)據(jù)和測量誤差有較強的規(guī)避能力，其分析公式如下：

(2)

式中：β代表NDVI的變化趨勢，β>0代表NDVI呈現(xiàn)上升的趨勢，β<0表示NDVI呈現(xiàn)下降的趨勢；xj、xi為序列數(shù)據(jù)。

Mann-Kendall方法是一種非參數(shù)統(tǒng)計檢驗的方法，在長時間序列的趨勢檢驗和分析中得到了廣泛的應(yīng)用，其統(tǒng)計檢驗方法如下：

(3)

(4)

(5)

式中：S為檢驗統(tǒng)計量；Z為標(biāo)準(zhǔn)化后的檢驗統(tǒng)計量；xj、xi為時間序列數(shù)據(jù)；n為序列樣本數(shù)；當(dāng)n≥8時，S近似為正態(tài)分布，其方差計算公式如下：

(6)

標(biāo)準(zhǔn)化后的Z為標(biāo)準(zhǔn)正態(tài)分布，若|Z|>Z1-a/2，則表示存在顯著的趨勢變化。Z1-a/2為標(biāo)準(zhǔn)正態(tài)函數(shù)分布表在置信度水平α下所對應(yīng)的值。

2.3 Hurst指數(shù)分析

Hurst指數(shù)可預(yù)測分析時間序列預(yù)測未來發(fā)展趨勢[17]，在水文、氣象等多個領(lǐng)域得到廣泛應(yīng)用[18]。本研究采用重標(biāo)極差(R/S)分析方法計算Hurst指數(shù)。其計算方法步驟如下：

1)對于時間序列[(NDVI(t))],t=1,2,…,n，定義其均值序列：

(7)

2)計算累計離差公式為：

(8)

3)計算極差序列公式為：

(9)

4)計算標(biāo)準(zhǔn)差序列公式為：

(10)

5)計算Hurst指數(shù)公式為：

(11)

Hurst指數(shù)值范圍0～1：若0

2.4 氣象因子與NDVI的相關(guān)分析

氣候變化是影響該研究區(qū)NDVI變化的主要因素之一。因此，通過逐像元計算年最大NDVI與年均氣溫和降雨之間的相關(guān)系數(shù)，來表征氣候因子與NDVI的相關(guān)程度。其計算公式為：

(12)

(13)

式中：Rxy,z為自變量z固定后因變量x與自變量y的偏相關(guān)系數(shù)。偏相關(guān)系數(shù)的顯著性檢驗，一般采用T檢驗法，其計算公式如下：

(14)

式中：tp為偏相關(guān)系數(shù)顯著性檢驗的統(tǒng)計量；Rxy,z為偏相關(guān)系數(shù)，n為樣本量，m為自變量的數(shù)目。

氣候因素之間通常是相互作用的，并且對植被的影響不是對立的，利用多元回歸分析方法研究溫度、降水氣象要素對NDVI的共同影響[19]，并且利用F檢驗對上述多元回歸方程進(jìn)行顯著性檢驗。

復(fù)相關(guān)分析的表達(dá)式如下：

(15)

式中：x是因變量，y、z為自變量，為復(fù)相關(guān)系數(shù)。

復(fù)相關(guān)系數(shù)的顯著性檢驗采用F檢驗法，其統(tǒng)計量計算公式為：

(16)

式中：Fm為檢驗顯著性的統(tǒng)計量，F(xiàn)x,yz為復(fù)相關(guān)系數(shù)，n為樣本數(shù)，k代表自變量數(shù)。

2.5 殘差分析

殘差分析是由Evans和 Geerken[20]提出，殘差值是指實際觀測值與預(yù)測值之間的差異值。本文通過剔除年NDVI變化中氣象因子因素的影響，得到植被生長變化中的人為因素。進(jìn)行NDVI值與氣象因子做回歸分析，得到預(yù)測值。在不考慮其他因素的情況下，計算出NDVI的預(yù)測值和真實值之間的差值，以此推出人為因素對植被覆蓋變化的影響。其表達(dá)式如下所示：

y=a+bx1+cx2

(17)

ε=NDVIobs-NDVIpre

(18)

式中:y為因變量NDVI的值,x1x2為自變量，即降水和氣溫2個氣候因子；a和b分別被稱為截距和斜率；ε為NDVI中人類活動所貢獻(xiàn)的部分，即NDVI殘差值,NDVIobs代表影像實際值，NDVIpre代表預(yù)測值。當(dāng)ε>0時，表示人類產(chǎn)生正面影響；當(dāng)ε<0,表示人類活動產(chǎn)生負(fù)面影響；當(dāng)ε=0，表示人類活動微弱，基本受到氣候因素的影響。然后對年殘差進(jìn)行趨勢分析，如果殘差趨勢變化明顯，則NDVI受到人類活動的影響。

3 結(jié)果與分析

3.1 黃土高原NDVI時空變化特征

從NDVI的年際變化特征進(jìn)行分析黃土高原1982—2015年植被指數(shù)年際間的變化趨勢，結(jié)果見圖2。由圖2可見黃土高原地區(qū)植被的NDVI總體表現(xiàn)為波動上升趨勢，且變化趨勢較為明顯的分為2 個時期。1982—1999年黃土高原地區(qū)植被變化出現(xiàn)較為緩慢的增長趨勢，而自從開始了退耕還林政策后，2000—2015年開始較為快速的增長，在2012的上升最為明顯。

圖2 黃土高原1982—2015年NDVI時間變化趨勢Fig.2 Time trend of NDVI in the Loess Plateau from 1982 to 2015

為了研究黃土高原地區(qū)NDVI的空間分布格局，計算了1982—2015年的平均值，并繪制了空間分布圖，由圖3中可見，黃土高原植被格局呈現(xiàn)由東南向西北遞減的態(tài)勢，高值區(qū)主要分布在黃土高原東南部地區(qū)，該地區(qū)的植被類型主要分布為針葉林、落葉闊葉林、灌叢，植被長勢較好。低值區(qū)主要分布在西北部區(qū)域，這些地區(qū)多為荒漠地區(qū)、牧區(qū)，植被較為稀疏。自從21世紀(jì)以來，植被覆蓋率逐漸提高，退耕還林之后NDVI均值由0.478增加到0.51。

圖3 3期黃土高原年均歸一化植被指數(shù)空間分布Fig.3 Spatial distribution of annual average NDVI in the Loess Plateau in three periods

3.2 黃土高原NDVI變化趨勢分析

為了研究NDVI的變化趨勢，采用一元線性回歸分析法，通過95%的顯著性檢驗，逐像元模擬黃土高原NDVI植被變化特征(圖4)。由圖4(b)可見，1982—2015年以來，黃土高原大部分地區(qū)植被呈現(xiàn)增加趨勢，植被呈現(xiàn)增加的區(qū)域占總面積的87.90%，有71.20%的區(qū)域通過了(P<0.05)的顯著性檢驗，植被減少大都出現(xiàn)在省會區(qū)域或者重工業(yè)區(qū)域，比如西寧，西安，包頭等，由于經(jīng)濟的快速發(fā)展，人口的大量集中，使生態(tài)環(huán)境遭到破壞。而陜北高原、黃土高原的中部、東南部，NDVI出現(xiàn)顯著的增加趨勢，表明該地區(qū)的生態(tài)環(huán)境得到明顯的改善。

根據(jù)Sen趨勢分析和Mann-Kendall檢驗結(jié)合得到變化趨勢的分布圖圖4(a)，黃土高原的大部分區(qū)域在近三十年表現(xiàn)出較強的增加趨勢。植被呈現(xiàn)增加的區(qū)域占總面積的87.50%，經(jīng)過Mann-Kendall檢驗(P<0.05)后，有66.32%區(qū)域通過了假設(shè)檢驗，植被減少的區(qū)域大多出現(xiàn)在經(jīng)濟較發(fā)達(dá)區(qū)域，NDVI的減少與這些地區(qū)的快速城市化發(fā)展有著密切的聯(lián)系。

圖4 黃土高原NDVI Sen’s趨勢變化(a)與Slope趨勢變化(b)Fig.4 NDVI Sen’s (a) and Slope (b) trend changs in the Loess Plateau

3.3 黃土高原NDVI趨勢預(yù)測

基于Hurst指數(shù)和研究區(qū)的實際情況，對黃土高原NDVI的可持續(xù)進(jìn)行統(tǒng)計分析發(fā)現(xiàn)大部分區(qū)域是反持續(xù)發(fā)展的。根據(jù)圖5分析黃土高原NDVI的Hurst指數(shù)平均值是0.416，呈現(xiàn)持續(xù)性和反持續(xù)性的區(qū)域分別占13.70%和86.30%，表明黃土高原地區(qū)反向特征要強于同向特征。從空間分布來看，NDVI呈現(xiàn)持續(xù)性發(fā)展的地區(qū)大多集中在中部地區(qū)，未來的植被將可能改善；而反持續(xù)的主要分布在北部丘陵溝壑區(qū)，未來植被可能會出現(xiàn)退化趨勢，需要注意。

圖5 黃土高原NDVI可持續(xù)性空間分布Fig.5 Spatial distribution of NDVI persistent in the Loess Plateau

3.4 植被變化與氣候因子相關(guān)分析

黃土高原地區(qū)植被NDVI和降水和平均溫度的相關(guān)分析見圖6。由圖6可知，NDVI與降水的相關(guān)系數(shù)在-0.53～0.77，與溫度的相關(guān)系數(shù)是-0.76～0.70。經(jīng)過分析，NDVI與降水的相關(guān)系數(shù)的平均值為0.21，呈現(xiàn)正相關(guān)的區(qū)域占總面積的84.51%，大多分布在干旱區(qū)、半干旱區(qū)所在的城市，15.49%的區(qū)域呈現(xiàn)負(fù)相關(guān)，分布在東南部半濕潤地區(qū)，只有30.82%通過了(P<0.05)顯著性檢驗。NDVI與平均溫度的相關(guān)系數(shù)平均值0.14，呈現(xiàn)正相關(guān)的區(qū)域占總面積的79.94%，負(fù)相關(guān)的區(qū)域約占20.06%，分布在半干旱區(qū)的包頭市和呼和浩特市；半濕潤區(qū)東南部的西安市和渭南市；半濕潤區(qū)中東部的山西中部太原市、呂梁市、延安市等，只有28.76%通過了(P<0.05)顯著性檢驗。因此相比于黃土高原植被與溫度的關(guān)系，黃土高原的降水對植被變化的影響更加明顯。

圖6 黃土高原NDVI與年降水量、年平均氣溫間的相關(guān)系數(shù)(a)、(c)與及其顯著性(b)、(d)Fig.6 Correlation between NDVI and annual precipitation (a) and annual average temperature (c) and their significances (b) and (d) in the Loess Plateau

進(jìn)一步采用偏相關(guān)分析來分析降水和氣溫對植被的影響。據(jù)圖7可知NDVI與降水的偏相關(guān)系數(shù)在-0.51～0.80，與平均溫度的偏相關(guān)系數(shù)-0.76～0.71。經(jīng)過分析，NDVI與降水的偏相關(guān)系數(shù)的平均值是0.26，呈現(xiàn)正相關(guān)的區(qū)域占總面積的88.56%，分布在干旱區(qū)、半干旱區(qū)的絕大部分城市，11.44%的區(qū)域呈現(xiàn)負(fù)相關(guān)，分布在東南部，總共有37.74%通過了(P<0.05)顯著性檢驗；NDVI與平均溫度的偏相關(guān)系數(shù)的平均值是0.21，呈現(xiàn)正相關(guān)的區(qū)域占總面積的81.45%，負(fù)相關(guān)的區(qū)域占18.55%，大約有35.6%通過了(P<0.05)顯著性檢驗。

采用偏相關(guān)系數(shù)分析降水和植被的單獨作用后，進(jìn)一步采用復(fù)相關(guān)系數(shù)分析降水和氣溫對植被的綜合影響。NDVI與降水、平均氣溫的復(fù)相關(guān)系數(shù)在0.005～0.80，平均值是0.40。有48.95%通過了顯著性檢驗，復(fù)相關(guān)系數(shù)比偏相關(guān)系數(shù)、相關(guān)系數(shù)更高表明氣候因子對植被生長的復(fù)合影響力更大。

圖7 黃土高原NDVI與年降水量、年平均氣溫間的偏相關(guān)系數(shù)(a)、(c)與及其顯著性(b)、(d)Fig.7 Partial correlation between NDVI and annual precipitation (a) and annual average temperature (c) and their significances (b) and (d) in the Loess Plateau

圖8 黃土高原NDVI與降水量、年平均氣溫的復(fù)相關(guān)系數(shù)(a)與顯著性(b)Fig.8 Multiple correlation between NDVI and annual precipitation and annual average temperature in the Loess Plateau (a) and its significance (b)

3.5 人類生產(chǎn)活動對植被的影響

除了氣候變化因素外，人類生產(chǎn)活動(人工生態(tài)恢復(fù)工程、人口密度)也會影響植被的生長變化。

從圖9可以看出，黃土高原地區(qū)殘差值呈上升趨勢，且殘差值由負(fù)轉(zhuǎn)正，說明人類活動對黃土高原的植被影響由消極轉(zhuǎn)變成積極。從2000年開始，趨勢明顯加快，說明退耕還林有著改善植被作用。由圖10可知，黃土高原大部分地區(qū)的NDVI殘差呈現(xiàn)增長的趨勢，增長的區(qū)域達(dá)到88.94%，殘差降低的區(qū)域為11.06%。NDVI殘差呈現(xiàn)減少的區(qū)域主要出現(xiàn)在一些經(jīng)濟發(fā)展較快的區(qū)域，如西安、銀川、西寧、呼和浩特等周邊地區(qū)。這些地區(qū)經(jīng)濟發(fā)展較快，人口比較集中化，以及城市化快速發(fā)展，從而導(dǎo)致該經(jīng)濟發(fā)達(dá)地區(qū)的NDVI值減少。上述地區(qū)是我國重要工業(yè)基地，在發(fā)展的過程中，不免會破壞當(dāng)?shù)氐纳鷳B(tài)環(huán)境。NDVI殘差增長的區(qū)域基本是黃河灌溉區(qū)、陜北高原等地區(qū)。NDVI殘差的增加說明體現(xiàn)人類活動對植被變化起到了促進(jìn)作用，例如陜北高原、鄂爾多斯高原是明顯的增加，是退耕還林、退耕還草的重點區(qū)域。說明人類活動對植被變化起著很重要的作用，為生態(tài)治理提供了科學(xué)依據(jù)。

圖9 NDVI殘差變化趨勢時間分布Fig.9 Trend of NDVI residual time in the Loess Plateau

圖10 NDVI殘差空間變化趨勢Fig.10 Spatial distribution of NDVI residuals in the Loess Plateau

為了更深入研究氣候變化和人類活動對植被的影響程度，通過疊加NDVI的趨勢圖、年最大NDVI與年降水量、年均氣溫的復(fù)相關(guān)系數(shù)和殘差趨勢圖可以看出，人類活動和氣候因子引起的植被恢復(fù)約占總面積的11.32%，人類活動引起的植被恢復(fù)約占總面積的32.74%，氣候因子引起的植被恢復(fù)約占總面積的4.56%。而引起植被退化的面積占總面積非常小，說明整體氣候與人類活動都是促進(jìn)植被恢復(fù)，與氣候因子相比，人類活動對植被恢復(fù)的影響更加明顯，說明研究區(qū)的退耕還林、還草政策實施較好，人為因素起了作用。

4 討 論

4.1 土地利用的變化

人類活動引起的土地利用也是植被變化的主要因子，從土地利用數(shù)據(jù)表明，1980—2010年以來，耕地、草地、水體和未利用土地面積減少，而林地和建設(shè)用地面積增加，說明一系列的生態(tài)工程活動在黃土高原地區(qū)起到了良好的作用。耕地、草地、水體和未利用土地面積分別1980年的211 791、268 249、10 456和46 605 km2減少至2010年的210 234、264 759、9 566和45 787 km2；林地和建設(shè)用地面積分別從1980年的97 901和14 172 km2增加至2010年的101 538和17 285 km2。黃土高原土地利用類型具有明顯的分階段變化特征，以2000年為分界點，1980—2000年主要變化特征為草地面積減少，耕地、建設(shè)用地增加，隨著人口的增加，城市化的發(fā)展，大量耕地轉(zhuǎn)變?yōu)榻ㄔO(shè)用地，大量草地被開墾成耕地，草地面積減少；2000—2010年主要變化特征是耕地和草地面積都減少，林地面積增加。增加的林地主要來自于耕地和草地，隨著退耕還林、還草等生態(tài)工程的實施，有大量的耕地轉(zhuǎn)變?yōu)椴莸嘏c林地，使得黃土高原植被面積持續(xù)增加。

表1 1980—2010年黃土高原土地利用轉(zhuǎn)移矩陣Table 1 The conversion of land use in the Loess Plateau during 1980-2010 km2

4.2 人口的規(guī)模與變化

人口的遷移也會影響著植被，根據(jù)人口普查數(shù)據(jù)，1995—2010年，黃土高原地區(qū)的總?cè)丝诔尸F(xiàn)逐年增長的趨勢，1995年黃土高原的總?cè)丝跀?shù)為 9 162.77 萬人,2000年總?cè)丝?0 052.43萬人,2000年后人口增速變緩,2010年總?cè)丝谶_(dá)到 10 771.93 萬人[21]。由于自然地理和經(jīng)濟發(fā)展的限制，人口分布表現(xiàn)出很大的空間異質(zhì)性，人口集中區(qū)域基本集中省會等經(jīng)濟發(fā)達(dá)地區(qū)。根據(jù)圖12和NDVI變化趨勢圖疊加分析可知，可以表明人們傾向于生活在植被狀況良好的區(qū)域，一定的人口可以維持植被的穩(wěn)定生長，但是人口稠密也會對植被產(chǎn)生破壞作用，大規(guī)模的城市化建設(shè)，使得以前的耕地、草地、林地等轉(zhuǎn)化為建設(shè)用地。人口的遷移還會給土地利用、植被帶來變化。對于經(jīng)濟發(fā)達(dá)地區(qū)，大量人口遷入，會使建設(shè)用地不斷增加，因此在經(jīng)濟發(fā)展較快的地區(qū)人類活動對植被NDVI起到了抑制的作用。

圖12 1995—2010年黃土高原人口密度(a)及1995—2010年黃土高原人口密度變化幅度圖(b)，人/km2Fig.12 Spatial distributions of population density (a) and its changes (b) in the Loess Plateau from 1995 to 2010

5 結(jié) 論

總體上，黃土高原地區(qū)生態(tài)環(huán)境變化趨勢向好，而變化原因相對于自然因素，人類活動是黃土高原地區(qū)生態(tài)環(huán)境變化的主要驅(qū)動因素，國家采取的一系列措施有效地明顯改善了該地區(qū)的生態(tài)環(huán)境，而城鎮(zhèn)化也帶來了一些負(fù)面影響。以上結(jié)果說明，基于氣象數(shù)據(jù)以及遙感NDVI數(shù)據(jù)采用的統(tǒng)計方法，對于黃土高原地區(qū)生態(tài)環(huán)境變化及其驅(qū)動因子的分析是有效的，總體結(jié)果符合實際情況。

由于黃土高原特殊復(fù)雜地形地貌的影響，數(shù)據(jù)、特別是遙感數(shù)據(jù)帶有較大的不確定性，部分地區(qū)可能誤差較大。因此，以上研究結(jié)果只是在總體上反映黃土高原的生態(tài)環(huán)境的狀況。研究的深入還要有賴于更準(zhǔn)確的數(shù)據(jù)以及詳盡的實地調(diào)查。