植被作为陆地生态圈的重要组成，是气候系统的重要元素[1]。众所周知，全球气候正处于一个持续变暖的阶段，强烈影响陆地生物圈[2]，在这样的背景下，掌握陆地植被覆盖年际间的变化规律，对评价陆地生态系统的环境质量、调节生态过程具有重要的理论和实际意义[3]。
摘要：基于1999-2010年SPOT VEGETATION旬值NDVI数据，并结合偏相关分析、线性趋势等方法对三江源地区影响植被覆盖变化的主要气候因素进行了判断，从而利用主要气候因子进行线性拟合，进而得到残差趋势来反映人类活动对植被覆盖的影响。结果表明：①1999-2010年三江源地区平均植被覆盖由东向西逐渐减小。12年间，植被覆盖呈改善趋势，平均变化率为0.047/10a。山地草原改善最为明显，其次为高寒草甸、高寒草原和常绿针叶林，亚高山、高山植被，矮半灌木荒漠改善趋势最不明显。黄河源区变化率最高，其次是长江源区和澜沧江源区，高寒荒漠草原区改善效果最差。②三江源地区大部分区域植被覆盖主要受气温影响，其次在黄河源区北部、长江源区中东部分布有降水影响区以及水热共同影响区。常绿针叶林受水热共同影响，高山、亚高山以及高寒植被主要受气温影响，山地草原主要受降水量影响。③1999-2010年，三江源地区平均残差趋势为0.018/10a，表明人类活动对三江源地区的植被覆盖变化呈正影响。人类活动对山地草原的正影响作用最强烈，其次是山地常绿针叶林，其他由大到小依次为高寒草甸、高寒草原、高山植被、亚高山植被和高寒匍匐矮半灌木荒漠。黄河源区和澜沧江源区受人类活动的正影响作用较强且相当，其次为长江源区，高寒荒漠草原区受人类活动影响最小。
关键词：职称论文怎么发表,植被覆盖,偏相关分析,残差趋势,人类活动
归一化植被指数(Normalized Difference Vegetation Index， NDVI)由红波段与近红外波段的反射率计算而来[4]，和植物的生产力密切相关[5]，并且NDVI趋势可以用来衡量植被覆盖的改善与退化[6]。 NDVI趋势被用在很多测算中，包括全球变暖的生态响应[7]、物候变化[8]、作物状况[9]、土地覆盖变化[10]以及沙漠化[11]。三江源地处青藏高原腹地，区内临近可可西里、阿尔金山和羌塘自然保护区，因属长江、黄河、澜沧江(湄公河)三大水系发源地而得名。“三江源”受严酷自然条件的制约，生态环境十分脆弱。由于自然因素和不合理人类活动的双重作用，众多江河、湖泊和湿地缩小、干涸;沙化、水土流失的面积仍在不断扩大;荒漠化和草地退化问题日益突出;长期的滥垦乱伐使大面积的草地和近一半的森林遭到严重破坏;虫鼠害肆虐;珍稀野生动物盗猎严重;无序的黄金开采及冬虫夏草的采挖屡禁不止。三江源地区生态环境的恶化严重影响和制约了当地各民族的生存与发展，造成了本地区畜牧业生产水平低而不稳，少数民族地区贫困程度不断加大，经济发展落后;同时还严重影响大江大河中下游地区以及东南亚国家的生存与发展。
因此，三江源地区是国家生态建设的重点区域，2000年成立省级自然保护区，2003年批准为国家级自然保护区，2005年规划投资75亿元启动了退牧还草、黑土滩治理等22个生态建设项目[12]。所以研究三江源地区植被覆盖变化对人类活动(生态保护与建设)的响应具有重要意义。许多学者侧重于定量计算却定性判断某一种气候因子对植被覆盖变化的影响，从而拟合后剥离该气候因子的影响，进而得到人类活动对植被覆盖的影响[13-14]。而不同地域植被生长对水热的需求具有很大的差异性，存在水热单因素影响和双因素影响，甚至多因素影响。因此，本文基于偏相关分析、线性趋势等方法首先对三江源地区影响植被覆盖变化的主要气候因素进行了判断，从而利用主要气候因子进行线性拟合，进而得到残差序列趋势，以期为三江源当前的生态建设、修复提供有用的空间信息和理论支撑。
1 资料与方法
1.1 资料来源
本文所用的资料包括三江源1999-2010年SPOT VEGETATION旬值NDVI数据、50个台站12年(1999-2010年)的年降水资料和年平均气温资料、DEM、2000年与2010年的 250 m的MODIS NDVI数据、生态功能区划数据以及1∶400万植被类型数据。NDVI数据是由比利时佛莱芒技术研究所(Flemish Institute for Technological Research， Vito)VEGETATION影像处理中心(VEGETATION processing Centre， CTIV)负责预处理并提供免费下载的，空间分辨率为1 000 m;降水和气温数据均来自于中国气象科学数据共享服务网，经计算得到12年的年降水和年均温，并采用Anuspline方法将其插值到空间上，分辨率为1 000 m，插值过程用到的DEM与MODIS NDVI均来自于地理空间云数据，生态功能区划数据来自中国生态系统与生态功能区划数据库，主要包括黄河源区、长江源区、澜沧江源区和高寒荒漠草原区;植被类型数据来自国家自然科学基金委员会“中国西部环境与生态科学数据中心”。
1.2 偏相关分析
在多元相关分析中，简单相关系数可能不能够真实的反映出变量之间的相关性，因为变量之间的关系很复杂，它们可能受到不止一个变量的影响。这个时候偏相关系数是一个更好的选择，它可以在消除其他变量影响的条件下，计算某两变量之间的相关系数[15]。本文用偏相关系数的绝对值表示相关程度的大小。
2 结果与分析
2.1 NDVI时空变化特征
近12年来，三江源地区实测NDVImax在0-0.846之间，平均为0.463。空间上存在两个渐变区，即在黄河源区表现为由东向西逐渐减小，在长江源区由东南向西北逐渐减小(图1a)。不同植被类型也有较大差异，由大到小依次为山地常绿针叶林、亚高山落叶灌丛、禾草草原、高寒草甸、状矮半灌木与草本植被、高寒草原、矮禾草与矮半灌木草原、矮半灌木荒漠。从生态区划来看，黄河源区与澜沧江源区实测NDVImax相当，分别为0.574和0.568，其次是长江源区，为0.419，高寒荒漠草原区最小，为0.159。 近12年来，三江源地区植被覆盖呈改善趋势，变化率为0.047/10a，其中黄河源区的北部―西部―长江源区中部的条带区域植被覆盖的改善趋势相对明显，而研究区的东南部与西北部改善较为缓慢，且零散分布有退化区，与李辉霞等采用2001-2010年的改善趋势非常一致[16]，但是空间上却有差异(图1b)。植被类型上，禾草草原改善最为明显，变化率为0.097/10a;其次是矮禾草、矮半灌木草原，变化率为0.079/10a;高寒草甸和高寒草原变化率均在0.04/10a左右;常绿针叶林变化率为0.036/10a;亚高山落叶灌丛和高山垫状矮半灌木、草本植被变化率在 0.030-0.035/10a之间;矮半灌木荒漠改善趋势最不明显，变化率仅有0.018/10a。生态区划上，黄河源区变化率最高，为0.046 /10a，其次是长江源区，为0.039/10a，澜沧江源区植被覆盖变化率为0.034，最低为高寒荒漠草原区，变化率为0.021/10a。
2.2 植被生长对气候变化的响应
以象元为单元，分别计算NDVImax与年际降水量和气温的偏相关系数，再依据偏相关系数的t检验的临界值来判断影响NDVImax的主要气候因素(图 2a)，从而根据主要影响因素建立回归模型，模拟得到NDVImax如图2b所示，并得到残差序列，残差序列的线性趋势即为人类活动对植被覆盖变化的影响(图4)。
图2a显示出，三江源地区大部分区域植被覆盖主要受气温影响，其次在黄河源区北部长江源区中东部分布有降水影响区以及水热共同影响区。因此，本文统计出不同植被类型区内这三种影响因素的面积百分比，如图3所
示。可以看出，常绿针叶林的P+与P-的面积相当，受水热共同影响，但是其NDVImax与年降水量和年均温的偏相关系数的t检验值分别为0.94与 0.55，总体上受降水量影响较强;高山、亚高山以及高寒植被的NDVImax与年均温的偏相关系数的t检验值均大于年降水量，主要受气温影响，T+面积均在25%以上，且远远大于P+与P+T+;山地草原NDVImax与年降水量的偏相关系数的t检验值平均为1.84，大于与年均温的t检验值1.12，说明山地草原主要受降水量影响，P+面积达到了35%以上，其中山地丛生禾草草原18.2%的地区受到水热共同影响。
2.3 人类活动下的植被覆盖变化
通过表1主要气候要素的判断，从而与年际NDVImax来拟合线性模型，进一步得到残差序列趋势(见图4)。近12年来，三江源地区平均残差趋势为0.018/10a，表明人类活动对三江源地区的植被覆盖变化呈正影响。
空间上，几乎整个区域为正影响区，其中强烈影响区主要分布在黄河源区北部和西部、长江源区中东部、澜沧江源区西北部以及高寒荒漠草原区北部;人类活动的显著负影响区零散分布在黄河源区中东部与西北部、长江源区东部以及澜沧江源区东南部(图4)。由于对NDVImax与气候要素进行了偏相关分析，提取出植被覆盖与气候要素的显著相关区(图2a)，在显著相关区植被覆盖理论上与气候要素呈线性相关，那么在显著相关区的残差就可以表示为剔除了气候因素后其他因素的影响。而三江源地区几乎整个显著区的残差趋势为正值，即是在除过气候要素的其他因素对植被覆盖的影响是增加的，而人类的滥垦乱伐、虫鼠害、草药采挖、黄金开采等是三江源地区植被覆盖减小的主要因素，所以断定该地区的植被覆盖的改善主要是由于人类活动造成的，即残差趋势可以用来衡量人类活动对三江源地区植被覆盖的影响。
从植被类型来看，人类活动对山地草原的正影响作用最强烈，残差趋势在0.03-0.035/10a之间，其次是山地常绿针叶林，残差趋势为0.02/10a，其他由大到小依次为高寒草甸、高寒草原、高山植被、亚高山植被和高寒匍匐矮半灌木荒漠，残差趋势均低于0.015 /10a，其中高寒匍匐矮半灌木荒漠受人类活动影响最小，残差趋势为0.005/10a，其余植被类型的残差趋势均在0.01-0.015/10a之间。
生态区划上，黄河源区和澜沧江源区受人类活动的正影响作用较强，残差趋势分别为0.016/10a和0.014/10a，其次为长江源区，残差趋势为0.012/10a，高寒荒漠草原区受人类活动影响最小，为0.007/10a。
(2)三江源地区大部分区域植被覆盖主要受气温影响，其次在黄河源区北部长江源区中东部分布有降水影响区以及水热共同影响区。
(3)近12年来，三江源地区平均残差趋势为0.018/10a，表明人类活动对三江源地区的植被覆盖变化呈正影响。人类活动对山地草原的正影响作用最强烈，其次是山地常绿针叶林，其他由大到小依次为高寒草甸、高寒草原、高山植被、亚高山植被和高寒匍匐矮半灌木荒漠。生态区划上，黄河源区和澜沧江源区受人类活动的正影响作用较强且相当，其次为长江源区，高寒荒漠草原区受人类活动影响最小。
(4)由于不同的地域，地形、气候等要素存在差异，植被覆盖的变化有所差别，因此本文以栅格为单位，对NDVImax与气候要素进行了偏相关分析，提取出植被覆盖与气候要素的显著相关区，在显著相关区为每一个栅格建立不同的线性模型，进而利用残差趋势表示人类活动对植被覆盖的影响，结果更为准确。
本文所采用的数据为年际NDVImax、年降水量和年均温，而年内水热分配不均，年际水热并不完全决定了NDVImax的大小，模拟结果会受到无效水热的影响，而年际NDVImax对应时间点之前的水热的累积效应才可能是NDVI最大值的决定因素，所以在今后的研究中将对植被覆盖对水热的累积效应的响应进行进一步论证。
(编辑：常 勇)
参考文献(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，李建龙，陈奕兆.2001-2010年内蒙古植被覆盖度时空变化特征[J].地理学报，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.
