2023, Vol. 44
2. 中国科学院地理科学与资源研究所, 北京 100101
2. Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101, China
草地占我国约40%的国土面积, 其中, 大约80%的草地分布在干旱-半干旱地区和高寒地区[1].该地区是影响我国碳收支、水循环和生态安全的重点区域, 亦是我国陆地生态系统中对气候变化和人类活动最为敏感的区域[2, 3].20世纪50年代以来, 受气候变化和不合理人类活动的双重影响, 部分区域生态系统发生了严重的退化现象[4, 5], 进而威胁区域生态安全[6].为改善和优化生态环境, 我国在该区实施了一系列重大生态工程(如三北防护林、退牧还草、京津风沙源综合治理和三江源自然保护区生态保护与建设工程等), 以上人类活动被认为是导致草原区植被恢复的重要原因[7~11].与此同时, 近年来我国北方地区的气候呈现出明显的暖湿态势[12], 日益增加的降水和温度可通过降低水分或温度胁迫促进植被的恢复[13, 14].准确区分气候变化和人类活动对我国典型草原区植被恢复的贡献是科学评估生态恢复工程效益和进一步开展生态系统管理与调控的关键.
大量研究评估了气候变化和人类活动对我国典型草原区植被变化的影响, 但受研究方法和研究内容的限制, 有关气候变化和人类活动对植被恢复相对贡献的认识仍具有较大的不确定性[15~17].一方面, 过去研究主要采用相关分析和残差分析法量化气候因子和人为活动对草地变化的影响[7, 11, 13, 16~22].然而, 驱动因子与植被生长之间可能存在伪相关关系, 且不同因子之间可能存在共线性问题, 导致基于相关分析法的研究结果受选取驱动因子类型和数量的影响较大[15]; 残差分析法假设植被生长与气候因子存在较强的线性相关关系, 在植被与气候因子线性关系较弱地区不确定性较大[23~26].例如, 基于相关分析法, 若选取气温和降水作为驱动因子, 气候变化对青藏高原地区草地生长动态的贡献率约为39%[22], 而若选取气温、降水和辐射作为驱动因子, 气候变化的贡献率高达56%[18].相对而言, 基于光能利用率(light use efficiency, LUE)模型的情景模拟法不仅能够有效地反映人类活动所引起的植被类型及质量变化对植被生长的影响, 而且具有模型结构简单、输入数据易获取和模拟精度较高等优势, 成为当前拆分气候变化与人类活动效应的最有效方法之一[27, 28].
有学者利用基于LUE模型的情景模拟法探讨了气候变化和人类活动对我国草地的影响, 但多关注局部区域或单一类型的草地(如青藏高原的高寒草地[27, 29]或干旱-半干旱地区的温性草地[30~34]), 不能综合反映我国草原区植被动态变化及其驱动机制的空间分异特征.例如, 基于通量站点观测数据的研究结果表明温性草地和高寒草地因分布环境差异较大, 植被生长分别受降水和温度的主控[35, 36].加之人类活动的极大时空异质性, 不同草地对气候变化和人类活动的响应可能存在差异甚至完全相反.此外, 已有研究结果存在一定分歧, 数据产品和研究时段差异可能是导致分歧的重要原因.例如, Yang等[30]认为2001~2010年新疆北部大部分地区植被呈退化趋势, 人类活动是该区域植被退化和恢复的主要原因, 而赵鹏等[31]发现该区域2000~2015年植被整体呈恢复态势, 且主要受气候变化的控制.因此, 亟需从更长时间和更大空间尺度综合评估我国草地植被对气候变化和人类活动的响应特征.
本文选取我国最典型的北方温性草原区和青藏高原高寒草原区为研究区, 以NPP为指标, 采用基于LUE模型的情景模拟法量化2000~2020年气候变化和人类活动对草地植被恢复的影响.NPP是控制生态系统养分循环、能量流动和碳循环过程的关键因子, 能有效反映生态系统的综合状况.本文利用基于LUE模型获取的MODIS NPP产品[37]代表气候变化和人类活动共同影响下的实际NPP, 并以Thornthwaite Memorial模型[38]计算的NPP作为仅受气候变化影响下的潜在NPP.本研究结果将有助于深化对气候变化背景下生态恢复工程效益的系统认识, 以期为区域生态系统管理和植被恢复措施的实施提供理论参考.
1 材料与方法 1.1 研究区概况本研究集中在北方温性草地和高寒草地生态系统, 包括青海、西藏、内蒙古、新疆、甘肃和宁夏这6个省区(图 1).温性草地主要分布在内蒙古、宁夏、甘肃和新疆地区, 属温带半干旱、干旱气候, 年降水量由东部的400 mm向西逐渐递减到50 mm左右.高寒草地生态系统主要位于青藏高寒区, 包括青海和西藏两个省区.该区因海拔高, 空气稀薄, 保温效应差, 形成了独特的高寒气候, 年平均温度在-6~3℃之间, 年降水量在东部和东南外缘山地可达700 mm, 向西北逐渐减少至30 mm左右.
|
图 1 我国北方温性草原区和青藏高原高寒草原区及通量站点和气象站点位置空间分布 Fig. 1 Spatial distributions of grasslands in northern temperate region and Qinghai-Tibet Plateau in China and the eddy flux towers and meteorological stations |
本文采用的数据主要包括气象、遥感和通量观测数据.其中, 气象数据为2000~2020年年降水量和年均温, 其覆盖研究区及其邻近区域的338个气象站点观测数据(由国家气象局网站http://data.cma.cn/下载获取)(图 1), 利用AUSPLIN插值软件, 结合研究区数字高程模型(digital elevation model, DEM), 经过插值获取得到, 空间分辨率为1 km.遥感数据为美国中分辨率成像辐射计卫星(moderate resolution imaging spectroradiometer, MODIS)提供的最新一代NPP产品(MOD17A3H, 第6版本)[37], 空间分辨率为500 m.通量观测数据为研究区范围内5个通量站的年尺度NPP数据(图 1和表 1), 由国家生态科学数据中心资源共享服务平台(http://www.cnern.org.cn/)提供.
|
表 1 5个草地通量站点基本信息 Table 1 General information on the five grassland eddy flux tower sites |
1.3 实际NPP、潜在NPP和人为NPP的计算
为了区分气候变化和人类活动对植被NPP的影响, 本研究定义了3种NPP：潜在NPP(PNPP), 实际NPP(ANPP)和人为NPP(HNPP).其中, PNPP代表仅受气候条件影响下的潜在植被NPP状况, 由Thornthwaite Memorial模型[38]计算得到.Thornthwaite Memorial模型是在Miami模型和Thornthwaite潜在蒸散发模型的基础上建立和开发, 基于年降水量和年均温计算年尺度PNPP：
|
(1) |
|
(2) |
|
(3) |
式中, PNPP为潜在NPP(以C计), g·(m2·a)-1, V为年实际蒸散发, mm·a-1, L为年最大蒸散发, mm·a-1, t为年均温, ℃, r为年降水量, mm·a-1.
ANPP反映了植被NPP的实际状况, 由MODIS NPP产品获取得到.该数据通过年尺度生态系统总初级生产力和年尺度生态系统呼吸总量来计算年尺度ANPP：
|
(4) |
式中, ANPP为年尺度实际NPP(以C计), g·(m2·a)-1, GPP为年尺度总初级生产力(以C计), g·(m2·a)-1, Rm为年尺度植被维持呼吸, Rg为年尺度植被生长呼吸.年尺度GPP通过对每年的8 d尺度GPP求和计算得到.基于LUE模型, 8 d尺度GPP采用实际光能利用率(ε), 入射光合有效辐射(PAR), 植被冠层吸收的PAR占总入射PAR的比例(fPAR)计算得到：
|
(5) |
|
(6) |
式中, εmax为潜在最大光能利用率(以C计), g·(m2·a)-1, TMINs为日最低温对光能利用率的影响, VPDs为饱和水汽压差对光能利用率的影响.Rm由根系和叶片的维持呼吸获取得到.Rg依据经验设置为ANPP的25%.
有研究表明, MODIS NPP产品在草地生态系统的估算精度同当前主流的LUE模型(如VPM模型和CASA模型)及其他遥感生产力模型(如TG模型、GR模型和Ⅵ模型)效果相当[43, 44].为了进一步验证MODIS NPP的精度, 本文采用研究区范围内5个通量站的年尺度NPP数据(图 1和表 1), 对MODIS NPP产品模拟精度进行验证.结果显示, MODIS NPP与通量观测NPP数据相关性较好(R2=0.61, P < 0.001, 图 2), 证明该数据能较好地表征温性草原区和高寒草原区植被生产力的时空变异状况.
|
图 2 MODIS NPP产品(NPP_MOD)与通量观测NPP(NPP_tower)数据之间的关系 Fig. 2 Comparison of MODIS NPP product and flux tower measured NPP |
HNPP反映了人类活动引发的草地NPP变化状况, 由PNPP和ANPP的差值获取：
|
(7) |
若HNPP为正值, 表明人类活动导致NPP减少; 若HNPP为负值, 表明人类活动引发NPP增加.
1.4 气候变化和人类活动效应的划分本研究通过对比2000~2020年ANPP、PNPP和HNPP的年际变化趋势差异, 实现气候变化和人类活动对NPP影响效应的定量拆分.ANPP、PNPP和HNPP的年际变化趋势(Slope)采用式(8)计算得到：
|
(8) |
式中, i为年份序号, NPPi为i年的NPP.若Slope为正值, 表明NPP处于增加趋势; 若Slope为负值, 表明NPP处于减少趋势; 若Slope为0, 表明NPP没有变化趋势.根据ANPP、PNPP和HNPP年际变化趋势差异, 将NPP变化划分为6种类型[28](表 2)：人类活动引起的植被NPP增加(HAI)、气候变化引起的植被NPP增加(CCI)、气候变化和人类活动共同引起的植被NPP增加(BCHI)、人类活动引起的植被NPP下降(HAD)、气候变化引起的植被NPP下降(CCD)和气候变化和人类活动引起的植被NPP下降(BCHD).
|
|
表 2 植被NPP变化驱动因子类型 Table 2 Classification of the causes of NPP change |
此外, 本文通过相对年际变化趋势(s)表征NPP相对年际变化量：
|
(9) |
2000~2020年, 北方温性草原区和青藏高原高寒草原区年降水量和年均温整体均呈显著增加趋势, 增加速率分别为2.8 mm·a-1(P < 0.01)和0.03℃·a-1(P < 0.05, 图 3), 但不同地区趋势差异较大(图 4).大约85%的区域年降水量呈增加趋势, 主要分布在青藏高原东部和北部、内蒙古、甘肃、宁夏以及新疆北部边缘; 而青藏高原中部及新疆中北部年降水量处于减少态势.与此同时, 大约83%的草原区温度呈增加态势, 主要分布于青藏高原、新疆北部和内蒙古.然而, 部分地区如新疆中部出现气温下降的态势.
|
图 3 2000~2020年中国北方温性草原区和青藏高原高寒草原区年降水量距平和年均温距平的年际变化 Fig. 3 Inter-annual variations in annual precipitation andmean annual temperature anomalies in northern temperate grasslands and Qinghai-Tibet Plateau alpine grasslands in China from 2000 to 2020 |
|
图 4 2000~2020年中国北方温性草原区和青藏高原高寒草原区年降水量和年均温的年际变化趋势空间分布 Fig. 4 Spatial distributions of the inter-annual trends of annual precipitation andmean annual temperature in northern temperate grasslands and Qinghai-Tibet Plateau alpine grasslands in China from 2000 to 2020 |
北方温性草原区和青藏高原高寒草原区植被ANPP在2000~2020年整体呈显著增加趋势, 增加速率为(以C计)2.12 g·(m2·a)-1[P < 0.01, 图 5(a)].从空间分布来看, 绝大部分区域(大约93%)ANPP增加, 其中约60%的区域呈显著增加态势(P < 0.05), 主要分布在青藏高原北部、内蒙古、甘肃中部、宁夏以及新疆北部地区[图 6(a)].PNPP整体上同样呈显著增加态势, 增加速率为(以C计)1.33 g·(m2·a)-1[P < 0.01, 图 5(b)], 而HNPP呈显著的下降趋势, 下降速率为(以C计)0.76 g·(m2·a)-1[P < 0.05, 图 5(c)].在空间分布上, PNPP显著增加区域主要分布在青藏高原北部和东部、甘肃和内蒙古东部, 显著减少区域主要分布在新疆中北部; HNPP显著减少区域主要分布在青藏高原东部、内蒙古东部和新疆中北部, 显著增加区域主要分布在青藏高原北部[图 6(b)~6(c)].
|
图 5 2000~2020年中国北方温性草原区和青藏高原高寒草原区ANPP、PNPP和HNPP距平的年际变化 Fig. 5 Inter-annual variations in ANPP, PNPP, and HNPP anomalies in northern temperate grasslands and Qinghai-Tibet Plateau alpine grasslands in China from 2000 to 2020 |
|
(d)中HAI、CCI、BCHI、HAD、CCD和BCHD表示不同驱动因子类型(见表 2) 图 6 2000~2020年中国北方温性草原区和青藏高原高寒草原区ANPP、PNPP和HNPP相对年际变化趋势及ANPP变化驱动因子空间分布 Fig. 6 Spatial distributions of the inter-annual trends of the ANPP, PNPP, and HNPP and the causes of the ANPP trends in northern temperate grasslands and Qinghai-Tibet Plateau alpine grasslands from 2000 to 2020 |
图 6(d)显示了气候变化和人类活动对北方温性草原区和青藏高原高寒草原区植被ANPP变化的相对贡献.结果表明研究区ANPP的增加主要受气候变化和人类活动二者共同作用的控制, 面积占比为47%, 主要分布在内蒙古东北部和中部、青藏高原东部和新疆北部边缘区域; 其次受气候变化单独作用的控制, 面积占36%, 主要分布在内蒙古中部和青藏高原北部; 受人类活动主导的控制面积占比最小(10%), 主要分布在新疆中北部.此外, 研究区ANPP的减少主要由人类活动主导, 面积占比为5%, 远高于气候变化主导或气候变化和人类活动二者共同作用的影响面积(1%左右).
从草地类型来看, 温性草地ANPP增加的主控因子是气候变化和人类活动的共同作用, 面积占比为62%[图 7(a)].对比之下, 高寒草地近一半区域(49%)的植被ANPP增加受气候变化主控, 30%的植被ANPP增加受气候变化和人为活动二者共同控制[图 7(b)].此外, 在不同温性草地类型和不同高寒草地类型之间, ANPP增加的影响因子存在差异.整体上, 随水分条件的变差, 气候变化主导的面积占比均迅速上升, 分别从温性草甸草原的5%增加到温性草原化荒漠的54%和从高寒草甸的40%增加到高寒荒漠草原的88%.意外的是, 重度干旱的温性荒漠植被ANPP的增加主要受人为活动控制, 面积占比为41%, 略高于气候变化主导的面积(38%).
|
图 7 2000~2020年温性草地和高寒草地各草地类型ANPP增加驱动因子面积占比 Fig. 7 Area percentages of the causes of the ANPP increases for each type of temperate grassland and alpine grassland from 2000 to 2020 |
进一步分析ANPP与年降水量和年均温的相关性, 结果显示绝大部分地区ANPP与年降水量呈正相关关系, 在内蒙古、宁夏、青藏高原西部和新疆北部地区呈显著正相关关系[图 8(a)], 但在青藏高原中南部呈现负相关关系; ANPP与年均温在青藏高原中部和东部呈显著正相关, 在其它区域的关系大多不显著[图 8(b)].
|
图 8 2000~2020年ANPP与年降水量和年均温的皮尔逊相关系数(r)空间分布 Fig. 8 Spatial distribution of the Pearson's correlation coefficient (r) of ANPP with annual precipitation or mean annual temperature from 2000 to 2020 |
本研究表明, 我国北方温性草原区和青藏高原高寒草原区绝大部分区域植被呈显著恢复趋势, 该结果与大部分学者的结果一致[13, 45, 46].通过进一步拆分气候变化和人为活动对植被恢复的影响, 发现近一半植被恢复区域主要受气候变化和人为活动二者共同作用控制, 其余区域主要受气候变化主导, 该结果与部分学者在我国草原区局部地区的结果相一致[21, 27, 33, 47].一方面, 研究区为干旱-半干旱气候或高寒气候, 植被生长对气候条件极为敏感[36].本文还发现降水增加是干旱-半干旱气候分布区及青藏高原西部植被NPP增加的主要原因, 而温度增加是导致青藏高原中东部植被NPP增加的主要原因(图 4和图 8), 这一现象与实验观测结果一致[35, 42].另一方面, 自2000年以来我国在北方地区实施的一系列重大生态保护工程, 通过实施围栏封育、休牧、飞播牧草和草原鼠害治理等治理措施, 显著提高了草地覆盖度和生物量, 对草地恢复起到了积极的作用[10, 11, 16, 17, 21, 48].例如, 基于站点观测的结果表明, 通过实施围栏禁牧恢复措施6~8 a后, 北方草地地上生物量增加了1~2倍, 地下生物量增加了18%~36%[49~51].虽然人类活动不是北方温性草原区和青藏高原高寒草原区植被恢复的主要原因, 但它极大地逆转了气候变化导致的植被退化现象.例如, 通过对比分析PNPP(气候因子驱动下)增加和减少区域ANPP变化的驱动因子类型, 发现在PNPP增加区域, 人类活动导致植被退化的面积占比仅5%, 而在PNPP减少区域, 人类活动导致ANPP增加的面积占比高达83%(图 9).
|
图 9 PNPP增加和减少区域不同ANPP变化驱动因子面积占比 Fig. 9 Area percentages of the different causes contributing to the ANPP changes in the regions with an increase and decrease in PNPP, respectively |
另外, 本文结果表明不同草地类型受气候变化主导的植被恢复面积占比存在明显差异.首先, 在温性草地, 随干旱程度的增加, 气候变化主导面积占比迅速增加.这说明气候越干旱, 草地恢复对气候变化越敏感.意外的是, 在重度干旱的温性荒漠, 人为活动主导了植被恢复, 可能是因为该区域生态建设工程的实施逆转了气候条件变差导致的植被退化[PNPP下降, 图 6(b)].这强调了在干旱区实施生态工程保护植被的重要性.其次, 气候变化主导的高寒草地面积占比明显大于温性草地面积占比(分别为49%和25%), 这说明高寒气候区的植被恢复对气候变化更敏感.原因可能是高寒草地分布海拔较高, 气候严寒受人为干扰相对较少, 气候变化贡献率较大[3, 18, 22].
本文结果与文献[7, 14]存在分歧, 考虑气候因子以及研究数据、时段和方法差异均可能导致不同的研究结果.例如, 除了降水和温度, 太阳辐射、风速和二氧化碳浓度等因子对植被生长有一定影响[7, 18], 这可能是导致本研究所估算的气候因子主控面积占比略低于文献[7]的原因; 本文将研究时段缩短至与前期大部分研究相同研究时段(2000~2015年), 结果发现人类活动主导NPP增加的面积占比(25%)将明显增加; 此外, 本文还将第6版本的MODISNPP产品替换为第5.5版本, 结果发现人为活动和气候变化共同控制的面积占比(29%)将明显下降.值得注意的是, 虽然第6版本的MODIS NPP产品采用了优化的最大光能利用率参数以及精度较高的气象数据, 整体精度更高[37], 但笔者前期的研究表明其在温性草地的精度较高寒草地差[44], 这可能进一步加剧不同研究结果的不确定性.
虽然基于LUE模型的情景模拟法能直接有效地量化气候变化和人类活动对植被NPP的相对贡献, 但仍存在一定的不确定性.一方面, 本研究中的潜在NPP由年降水量和年均温计算得到, 不能反映CO2浓度增加、短时间尺度上的极端气候事件(如热浪和火灾等)、其它气象因子以及地形因子等对NPP的影响.另一方面, 受MODIS卫星遥感数据限制, 本研究时段仍相对较短, 不能有效反映长期气候变化和生态恢复工程对植被生长的可能影响.未来研究需采用更高精度和更长时间序列的数据, 基于多方法对比分析以降低研究结果的不确定性, 进而结合控制实验和生物地球化学循环过程模型探讨不同草地植被动态变化的驱动机制.
4 结论(1) 北方温性草原区和青藏高原高寒草原区植被整体呈恢复态势, 特别是在内蒙古以及青藏高原北部和东部地区, 暖湿的气候变化和以生态恢复工程为主的人类活动共同作用是导致研究区NPP增加的主要原因, 其次是气候变化独立主导, 而不合理人类活动是导致少数区域出现NPP减少趋势的主要原因.
(2) 不同草地类型气候变化主导植被恢复的面积占比差异大, 主要表现为高寒草地大于温性草地, 气候背景越干旱, 面积占比越大.
(3) 虽然人类活动不是北方温性草原区和青藏高原高寒草原区植被恢复的主要原因, 但它可极大地逆转甚至抵消因气候条件恶化可能引起的植被退化现象.
| [1] | Fan J W, Zhong H P, Harris W, et al. Carbon storage in the grasslands of China based on field measurements of above-and below-ground biomass[J]. Climatic Change, 2008, 86(3-4): 375-396. DOI:10.1007/s10584-007-9316-6 |
| [2] |
潘庆民, 薛建国, 陶金, 等. 中国北方草原退化现状与恢复技术[J]. 科学通报, 2018, 63(17): 1642-1650. Pan Q M, Xue J G, Tao J, et al. Current status of grassland degradation and measures for grassland restoration in northern China[J]. Chinese Science Bulletin, 2018, 63(17): 1642-1650. |
| [3] | Wei Y Q, Lu H Y, Wang J N, et al. Dual influence of climate change and anthropogenic activities on the spatiotemporal vegetation dynamics over the Qinghai-Tibetan Plateau from 1981 to 2015[J]. Earth's Future, 2022, 10(5). DOI:10.1029/2021EF002566 |
| [4] |
邵全琴, 赵志平, 刘纪远, 等. 近30年来三江源地区土地覆被与宏观生态变化特征[J]. 地理研究, 2010, 29(8): 1439-1451. Shao Q Q, Zhao Z P, Liu J Y, et al. The characteristics of land cover and macroscopical ecology changes in the source region of three rivers on Qinghai-Tibet Plateau during last 30 years[J]. Geographical Research, 2010, 29(8): 1439-1451. |
| [5] |
张良侠, 樊江文, 邵全琴, 等. 生态工程前后三江源草地产草量与载畜压力的变化分析[J]. 草业学报, 2014, 23(5): 116-123. Zhang L X, Fan J W, Shao Q Q, et al. Changes in grassland yield and grazing pressure in the Three Rivers headwater region before and after the implementation of the eco-restoration project[J]. Acta Prataculturae Sinica, 2014, 23(5): 116-123. |
| [6] |
樊江文, 钟华平, 员旭疆. 50年来我国草地开垦状况及其生态影响[J]. 中国草地, 2002, 24(5): 69-72. Fan J W, Zhong H P, Yun X J. Natural grassland reclamation and its ecological impaction in recent 50 years[J]. Grassland of China, 2002, 24(5): 69-72. |
| [7] | Cai D W, Ge Q S, Wang X M, et al. Contributions of ecological programs to vegetation restoration in arid and semiarid China[J]. Environmental Research Letters, 2020, 15(11). DOI:10.1088/1748-9326/abbde9 |
| [8] | Huang L, Xiao T, Zhao Z P, et al. Effects of grassland restoration programs on ecosystems in arid and semiarid China[J]. Journal of Environmental Management, 2013, 117: 268-275. |
| [9] | Wu Z T, Wu J J, He B, et al. Drought offset ecological restoration program-induced increase in vegetation activity in the Beijing-Tianjin Sand Source Region, China[J]. Environmental Science & Technology, 2014, 48(20): 12108-12117. |
| [10] | Zhang L X, Fan J W, Zhou D C, et al. Ecological protection and restoration program reduced grazing pressure in the Three-River Headwaters region, China[J]. Rangeland Ecology & Management, 2017, 70(5): 540-548. |
| [11] | Gao W D, Zheng C, Liu X H, et al. NDVI-based vegetation dynamics and their responses to climate change and human activities from 1982 to 2020: a case study in the Mu Us Sandy Land, China[J]. Ecological Indicators, 2022, 137. DOI:10.1016/j.ecolind.2022.108745 |
| [12] |
中国气象局气候变化中心. 中国气候变化蓝皮书2021[M]. 北京: 科学出版社, 2021. Center on Climate Change of China Meteorological Administration. Blue book on climate change in China 2021[M]. Beijing: Science Press, 2021. |
| [13] | Di K, Hu Z M, Wang M, et al. Recent greening of grasslands in northern China driven by increasing precipitation[J]. Journal of Plant Ecology, 2021, 14(5): 843-853. DOI:10.1093/jpe/rtab036 |
| [14] | Feng Y H, Zhu J X, Zhao X, et al. Changes in the trends of vegetation net primary productivity in China between 1982 and 2015[J]. Environmental Research Letters, 2019, 14(12). DOI:10.1088/1748-9326/ab4cd8 |
| [15] |
陈珊珊, 温兆飞, 马茂华, 等. 气候变化背景下定量解析生态工程对植被动态的影响研究方法概述[J]. 生态学报, 2022, 42(15): 6439-6449. Chen S S, Wen Z F, Ma M H, et al. Quantitative analysis of the impact of ecological projects on vegetation dynamics under the background of climate change: a review of methods[J]. Acta Ecologica Sinica, 2022, 42(15): 6439-6449. |
| [16] |
胡玲, 孙聪, 范闻捷, 等. 近20年防风固沙重点生态功能区植被动态分析[J]. 生态学报, 2021, 41(21): 8341-8351. Hu L, Sun C, Fan W J, et al. Spatio-temporal dynamics of vegetation in key ecological function zone of wind-break and sand-fixation over the last 20 years[J]. Acta Ecologica Sinica, 2021, 41(21): 8341-8351. |
| [17] |
王春雅, 王金牛, 崔霞, 等. 藏东南三江并流核心区植被时空动态变化及其气候驱动力分析[J]. 地理研究, 2021, 40(11): 3191-3207. Wang C Y, Wang J N, Cui X, et al. Spatio-temporal change in vegetation patterns and its climatic drivers in the core region of Three Parallel Rivers in southeast Tibet[J]. Geographical Research, 2021, 40(11): 3191-3207. |
| [18] |
李红英, 张存桂, 汪生珍, 等. 近40年青藏高原植被动态变化对水热条件的响应[J]. 生态学报, 2022, 42(12): 1-14. Li H Y, Zhang C G, Wang S Z, et al. Response of vegetation dynamics to hydrothermal conditions on the Qinghai-Tibet Plateau in the last 40 years[J]. Acta Ecologica Sinica, 2022, 42(12): 1-14. |
| [19] | Qi X L, Xu H J, Chen T, et al. Effects of climate change, coal mining and grazing on vegetation dynamics in the mountain permafrost regions[J]. Ecological Informatics, 2022, 69. DOI:10.1016/j.ecoinf.2022.101684 |
| [20] | You G Y, Liu B, Zou C X, et al. Sensitivity of vegetation dynamics to climate variability in a forest-steppe transition ecozone, North-eastern Inner Mongolia, China[J]. Ecological Indicators, 2021, 120. DOI:10.1016/j.ecolind.2020.106833 |
| [21] | Zhang X C, Jin X M. Vegetation dynamics and responses to climate change and anthropogenic activities in the Three-River Headwaters Region, China[J]. Ecological Indicators, 2021, 131. DOI:10.1016/j.ecolind.2021.108223 |
| [22] | Zhang X, Wang J, Gao Y, et al. Variations and controlling factors of vegetation dynamics on the Qingzang Plateau of China over the recent 20 years[J]. Geography and Sustainability, 2021, 2(1): 74-85. DOI:10.1016/j.geosus.2021.02.001 |
| [23] |
田智慧, 任祖光, 魏海涛. 2000~2020年黄河流域植被时空演化驱动机制[J]. 环境科学, 2022, 43(2): 743-751. Tian Z H, Ren Z G, Wei H T. Driving mechanism of the spatiotemporal evolution of vegetation in the Yellow River Basin from 2000 to 2020[J]. Environmental Science, 2022, 43(2): 743-751. |
| [24] |
徐勇, 戴强玉, 黄雯婷, 等. 2000~2020年西南地区植被NDVI时空变化及驱动机制探究[J]. 环境科学, 2023, 44(1): 323-335. Xu Y, Dai Q Y, Huang W T, et al. Spatio-temporal variation of vegetation cover and its driving mechanisms exploration in southwest China from 2000 to 2020[J]. Environmental Science, 2023, 44(1): 323-335. |
| [25] |
徐勇, 黄雯婷, 窦世卿, 等. 2000~2020年西南地区植被NDVI对气候变化和人类活动响应特征[J]. 环境科学, 2022, 43(6): 3230-3240. Xu Y, Huang W T, Dou S Q, et al. Responding mechanism of vegetation cover to climate change and human activities in southwest China from 2000 to 2020[J]. Environmental Science, 2022, 43(6): 3230-3240. |
| [26] | Qu S, Wang L C, Lin A W, et al. What drives the vegetation restoration in Yangtze River basin, China: climate change or anthropogenic factors?[J]. Ecological Indicators, 2018, 90: 438-450. |
| [27] | Chen B X, Zhang X Z, Tao J, et al. The impact of climate change and anthropogenic activities on alpine grassland over the Qinghai-Tibet Plateau[J]. Agricultural and Forest Meteorology, 2014, 189. |
| [28] | Chen T, Bao A M, Jiapaer G, et al. Disentangling the relative impacts of climate change and human activities on arid and semiarid grasslands in Central Asia during 1982-2015[J]. Science of the Total Environment, 2019, 653: 1311-1325. |
| [29] | Li Q, Zhang C L, Shen Y P, et al. Quantitative assessment of the relative roles of climate change and human activities in desertification processes on the Qinghai-Tibet Plateau based on net primary productivity[J]. CATENA, 2016, 147: 789-796. |
| [30] | Yang H F, Yao L, Wang Y, et al. Relative contribution of climate change and human activities to vegetation degradation and restoration in North Xinjiang, China[J]. The Rangeland Journal, 2017, 39(3): 289-302. |
| [31] |
赵鹏, 陈桃, 王茜, 等. 气候变化和人类活动对新疆草地生态系统NPP影响的定量分析[J]. 中国科学院大学学报, 2020, 37(1): 51-62. Zhao P, Chen T, Wang Q, et al. Quantitative analysis of the impact of climate change and human activities on grassland ecosystem NPP in Xinjiang[J]. Journal of University of Chinese Academy of Sciences, 2020, 37(1): 51-62. |
| [32] |
杜金燊, 于德永. 气候变化和人类活动对中国北方农牧交错区草地净初级生产力的影响[J]. 北京师范大学学报(自然科学版), 2018, 54(3): 365-372. Du J S, Yu D Y. Impacts of climate change and human activities on net primary productivity of grassland in agro-pastoral transitional zone in northern China[J]. Journal of Beijing Normal University(Natural Science), 2018, 54(3): 365-372. |
| [33] | Zhao C L, Yan Y, Ma W Y, et al. RESTREND-based assessment of factors affecting vegetation dynamics on the Mongolian Plateau[J]. Ecological Modelling, 2021, 440. DOI:10.1016/j.ecolmodel.2020.109415 |
| [34] |
李庆, 高素改, 张春来, 等. 内蒙古草地变化过程中气候变化和人类活动的相对作用评估[J]. 地理与地理信息科学, 2019, 35(3): 99-104. Li Q, Gao S G, Zhang C L, et al. Assessment of the impacts of climate change and human activities on the dynamic grassland changein Inner Mongolia[J]. Geography and Geo-Information Science, 2019, 35(3): 99-104. |
| [35] | Fu Y, Zheng Z, Yu G, et al. Environmental influences on carbon dioxide fluxes over three grassland ecosystems in China[J]. Biogeosciences, 2009, 6(12): 2879-2893. |
| [36] | Guo Q, Hu Z M, Li S G, et al. Contrasting responses of gross primary productivity to precipitation events in a water-limited and a temperature-limited grassland ecosystem[J]. Agricultural and Forest Meteorology, 2015, 214-215: 169-177. |
| [37] | Running S W, Zhao M S. User's guide daily GPP and annual NPP (MOD17A2H/A3H) and year-end gap-filled (MOD17A2HGF/A3HGF) products NASA earth observing system MODIS land algorithm (for collection 6)[EB/OL]. University of Montana, SCF At-Launch Algorithm ATBD Documents. https://lpdaac.usgs.gov/documents/495/MOD17_User_Guide_V6.pdf, 2019-06-10. |
| [38] | Lieth H. Modeling the primary productivity of the world[A]. In: Lieth H, Whittaker R H (Eds. ). Primary Productivity of the Biosphere[C]. Berlin: Springer, 1975.237-263. |
| [39] | Hao Y, Kang X, Wu X, et al. Is frequency or amount of precipitation more important in controlling CO2 fluxes in the 30-year-old fenced and the moderately grazed temperate steppe?[J]. Agriculture Ecosystems & Environment, 2013, 171: 63-71. |
| [40] | Chen S P, Chen J Q, Lin G H, et al. Energy balance and partition in Inner Mongolia steppe ecosystems with different land use types[J]. Agricultural and Forest Meteorology, 2009, 149(11): 1800-1809. |
| [41] | Li Z Q, Yu G R, Xiao X M, et al. Modeling gross primary production of alpine ecosystems in the Tibetan Plateau using MODIS images and climate data[J]. Remote Sensing of Environment, 2007, 107(3): 510-519. |
| [42] | Zhang T, Zhang Y J, Xu M J, et al. Water availability is more important than temperature in driving the carbon fluxes of an alpine meadow on the Tibetan Plateau[J]. Agricultural and Forest Meteorology, 2018, 256-257: 22-31. |
| [43] | Liu Z J, Wang L C, Wang S S. Comparison of different GPP models in China using MODIS image and China FLUX data[J]. Remote Sensing, 2014, 6(10): 10215-10231. |
| [44] | Zhang L X, Zhou D C, Fan J W, et al. Contrasting the performance of eight satellite-based GPP models in water-limited and temperature-limited grassland ecosystems[J]. Remote Sensing, 2019, 11(11). DOI:10.3390/rs11111333 |
| [45] | Piao S L, Wang X H, Park T, et al. Characteristics, drivers and feedbacks of global greening[J]. Nature Reviews Earth & Environment, 2020, 1(1): 14-27. |
| [46] | Zhu Z C, Piao S L, Myneni R B, et al. Greening of the Earth and its drivers[J]. Nature Climate Change, 2016, 6(8): 791-795. |
| [47] | Teng M J, Zeng L X, Hu W J, et al. The impacts of climate changes and human activities on net primary productivity vary across an ecotone zone in Northwest China[J]. Science of the Total Environment, 2020, 714. DOI:10.1016/j.scitotenv.2020.136691 |
| [48] |
李辉霞, 刘国华, 傅伯杰. 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, 2011, 31(19): 5495-5504. Li H X, Liu G H, Fu B J. Response of vegetation to climate change and human activity based on NDVI in the Three-River Headwaters region[J]. Acta Ecologica Sinica, 2011, 31(19): 5495-5504. |
| [49] | He N P, Yu Q, Wu L, et al. Carbon and nitrogen store and storage potential as affected by land-use in a Leymus chinensis grassland of northern China[J]. Soil Biology and Biochemistry, 2008, 40(12): 2952-2959. |
| [50] | Wu L, He N, Wang Y, et al. Storage and dynamics of carbon and nitrogen in soil after grazing exclusion in Leymus chinensis grasslands of northern China[J]. Journal of Environmental Quality, 2008, 37(2): 663-668. |
| [51] | Wu X, Li Z S, Fu B J, et al. Restoration of ecosystem carbon and nitrogen storage and microbial biomass after grazing exclusion in semi-arid grasslands of Inner Mongolia[J]. Ecological Engineering, 2014, 73: 395-403. |