2025, Vol. 46
2. 自然资源部第一航测遥感院, 西安 710054;
3. 中国科学院地理科学与资源研究所, 生态系统网络观测与模拟重点实验室, 北京 100101;
4. 东北农业大学公共管理与法学院, 哈尔滨 150030
, HUANG Qian-xiang1 , TIAN Dan2
, JIA Xiao-xu3 , YANG Li-xiao4 , SHAO Ming-an3 , LI Peng-fei1 , HU Jin-fei1
2. First Institute of Photogrammetry and Remote Sensing, Ministry of Natural Resources, Xi'an 710054, China;
3. Key Laboratory of Ecosystem Network Observation and Modeling, Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101, China;
4. School of Public Administration and Law, Northeast Agricultural University, Harbin 150030, China
黄土高原是我国乃至全球范围内土壤侵蚀最严重的区域之一[1]. 为了控制黄土高原严重的土壤侵蚀, 改善与提升生态系统服务功能, 自20世纪50年代以来, 我国在黄土高原开展了大规模的植被重建活动. 黄土高原过去的植被分布格局发生显著改变, 植被覆盖率从1999年的32%上升到2013年的60%, 植被恢复产生的环境效应非常显著, 整个区域的土壤侵蚀量比20世纪50年代峰值减少了87.5%[2]. 大规模的植被恢复在抑制土地退化和改善生态系统服务方面取得了巨大成功与效益[3, 4].
黄土高原地区作为典型的半干旱半湿润地区, 受限于水资源, 在引种高耗水乔灌植被一段时间后, 土壤水库逐渐消耗, 深层土壤水分产生负平衡效应, 人工植被趋于退化, 给生态恢复成效带来一定威胁[5~10]. 长期以来, 由于多种原因, 黄土高原天然草原、人工草场均未得到人们的充分重视, 致使草原“三化”严重, “四料”缺乏[11]. 据有关资料[12], 甘肃省90%以上的草地已经或正在退化, 重度“三化”草地面积达553万hm2, 占可利用草地面积的33%, 且仍以每年3万hm2的速度扩展. 草地是黄土高原占地面积最大的植被类型[13], 在保持水资源可持续性方面具有天然优势[14]. 所以, 草地对于未来黄土高原植被优化调控和水资源合理配置至关重要[15], 当前该地区植被恢复策略逐渐转向自然恢复[16~20], 即利用草地根据当地水热条件进行合理的植被重建[12, 21]. 诸多学者已对黄土高原植被与气候变化或人类活动开展了大量研究工作, 主要集中在植被覆盖度的时空变化特征[22~26], 及其与气候因素关系的探究[27, 28]. 然而, 在气候变化和人类活动日益加剧的背景下, 现有研究较少关注草地长期的时空变化及其驱动因素[29], 对于黄土高原草地生态系统缺少长期时空分布的量化研究.
因此, 本研究采用GEE（Google Earth Engine）、时空分析和冗余分析等手段, 结合长期植被遥感监测数据, 通过整合MODIS和AVHRR影像, 长时序的归一化植被指数（normalized difference vegetation index, NDVI）数据. 构建黄土高原草原区的植被覆盖度数据, 通过计算草地退化指数, 揭示草地退化的严重程度及其在时空上的分布特征. 结合气象数据, 探讨影响草地退化的主要驱动因素, 旨在为黄土高原草地的可持续保护和有效的植被恢复策略提供科学依据.
1 材料与方法 1.1 研究区概况黄土高原位于我国黄河中上游地区（33°41'~41°16'N, 100°52'~114°33'E）, 海拔介于800~3 000 m, 面积约为6.4×105 km2, 是世界上最大的黄土堆积区. 黄土高原涉及山西省、河南省、陕西省、甘肃省、宁夏回族自治区、内蒙古自治区和青海省, 属于温带大陆性季风气候. 气象观测资料表明, 年降水量150~800 mm, 降水主要在夏季以短时间暴雨的形式出现, 6~9月占年降水量的60%~70%, 年平均气温变化范围为3.6℃~14.3℃. 气候梯度由西北向东南依次为干旱地区、半干旱地区, 再过渡为半湿润地区[30]. 同时, 随着气候梯度变化, 植被景观由西北向东南依次分布：典型荒漠带、荒漠-草原交错带、典型草原带、森林-草原交错带和典型森林带, 在关中平原分布着大面积农耕植被[19]. 本文的研究区选择典型荒漠带、荒漠-草原交错带和典型草原带作为草地退化时空特征的研究区域（图 1）, 面积约为4.0×105 km2, 占整个黄土高原的63%. 以2000年黄土高原地区植被分区（http://loess.geodata.cn）中的草原化荒漠亚地带、荒漠草原亚地带、典型草原亚地带和森林草原亚地带作为研究区的矢量边界[31].
|
图 1 研究区地理位置及气象站和植被调查样地空间分布示意 Fig. 1 Study area and spatial distribution of meteorological stations and vegetation survey plots |
2012年夏季, 为验证植被覆盖度遥感反演空间变化规律的准确性, 在黄土高原开展了植被信息野外调查[19, 32], 依据植被-地形-土壤代表性, 结合道路可达性, 共采集了52个调查样地的植被信息数据（图 1）. 野外调查过程中, 以10 m×10 m为调查样地的大小, 在样地四角和中心分别设置5个1 m2的小样方, 采用相机垂直拍照法和目视估算法获得小样方植被覆盖度, 再以5个小样方的平均值作为调查样地的实测植被覆盖度. 调查期间利用GARMIN GPS对样方进行准确定位, 位置水平误差小于± 5 m.
1.2.2 气象数据气象数据（1986~2021年）来自研究区内部及临近的51个国家气象站（http://www.nmic.cn）. 气象因素包括逐日平均气温、最低气温、最高气温、日照时数、相对湿度、降水量、本站气压、0 cm地温和风速. 气象数据均具有严格的质量控制[20], 其中降水数据经过人工订正. 潜在蒸散发利用修正的FAO Penman-Menteith公式[33]计算. 为量化气象因素与草地退化的相关关系, 将所有逐日气象数据统一换算为年尺度.
1.2.3 NDVI数据本研究采用归一化植被指数（NDVI）作为植被覆盖度指标, NDVI数据集来源于Terra Vegetation Indices 16-Day Global 250 m（MODIS）和NOAA CDR AVHRR NDVI Version 5（AVHRR）两种数据产品（https://earthengine.google.com）. 所选数据产品都已经过大气校准, 从而减少了因大气散射、吸收、反射而产生的偏差. MODIS产品的空间分辨率250 m, 时间跨度为2001年1月至2021年12月；AVHRR产品的空间分辨率为0.05°（约5 km）, 时间跨度为1986年1月至2012年12月. 通过建立线性模型[34]将NDVI数据延长至1986~2021年. 由于MODIS和AVHRR NDVI的数据空间分辨率不同, 因此本研究利用最大值合成法计算年尺度NDVI, 并将MODIS数据产品重采样至与AVHRR产品一致的5 km分辨率.
1.2.4 植被覆盖度计算方法通常采用像元二分法模型来计算植被覆盖度[26, 35], 使用FVC（fractional vegetation cover）来表示, 其计算公式为：
|
(1) |
式中, FVC为该像元中所有植被覆盖度（%）, NDVI为处理区域的植被指数, NDVIsoil为裸土区域的NDVI值, 若某区域无植被覆盖时, 其值为0；NDVIveg为植被完全覆盖区域的NDVI值, 若该区域全部被植被覆盖, 其NDVI值应为1. 但由于受到气候、土壤和植被覆盖等因素的影响, NDVIsoil与NDVIveg并不为理论值, 因此, 本研究将NDVI图像中的累计频率为5%和95%的值分别作为NDVIveg与NDVIsoil, 从而进行植被覆盖度的计算.
在计算过程中, 排除NDVI值小于等于0的情况, 即水体部分. 在得到各年度FVC统计数据后, 依据现行《土壤侵蚀分类分级标准》, 将植被覆盖度分为5个等级：低覆盖度[0%, 30%]、中低覆盖度（30%, 45%]、中等覆盖度（45%, 60%]、中高覆盖度（60%, 75%]和高覆盖度（75%, 100%][36, 37].
1.2.5 草地退化指数计算方法构建草地退化指数（grassland degradation index, GDI）来综合评价草地退化情况, GDI指数通过各退化评价指标的加权求和所得, 是草地退化的综合反映. GDI值越小表示该草地生长越好, 草地退化程度低, 反之表示草地生长越差, 草地退化程度高, 其计算公式为[38, 39]：
|
(2) |
式中, GDI为草地退化指数, Di为草地退化等级i的评分变量个数（见表 1）, Ai为草地等级i的分布面积（km2）, A为研究区草地总面积（km2）.
|
表 1 草地退化等级评分 Table 1 Grassland degradation grade rating |
1.3 研究方法 1.3.1 线性趋势分析
采用逐像元线性趋势法进行黄土高原草原区植被覆盖度和草地退化指数的时间变化分析[40]. 当斜率为大于0时, 植被覆盖度在增长；当斜率为0时, 植被覆盖度变化不明显；当斜率小于0时, 植被覆盖度下降. 使用t检验对植被覆盖率的变化趋势进行显著性检验, 按照显著性大小将植被覆盖度时间变化分级为显著减少（slope < -0.10, P < 0.05）, 显著不变（-0.10 < slope < 0.1, P < 0.05）, 显著增加（slope > 0.10, P < 0.05）, 不显著减少（slope < -0.10, P > 0.05）, 不显著不变（-0.10 < slope < 0.10, P > 0.05）, 不显著增加（slope > 0.10, P > 0.05）.
1.3.2 转移矩阵分析采用转移矩阵法分析黄土高原草原区植被覆盖度和草地退化指数的空间分布变化特征[41], 其计算过程为：
|
(3) |
式中, 从i年份至j年份, 植被覆盖度或草地退化指数的转移有n个状态, 即E1, E2, …En, 将Pij记为由状态Ei转变为Ej状态时转移的概率, 汇总所有的可能性, 构成P矩阵, 即为状态转移矩阵. Pij满足条件：
|
(4) |
|
(5) |
选取皮尔逊相关系数（Pearson correlation coefficient）分析草地退化指数与各类气象因素之间的相关性[34]. 其计算公式如下：
|
(6) |
式中, Pxy为总体相关系数, Cov（X, Y）为随机变量X和Y的协方差；Var（X）和Var（Y）分别为X和Y的方差.
|
(7) |
式中, xi和yi为变量；x和y分别为xi和yi的平均值；Rij为样本相关系数, 采用t检验分析相关系数的显著性.
此外, 采用冗余分析（redundancy analysis, RDA）量化气象因素对黄土高原草地退化指数的综合性影响, 该分析用于确定由一组自变量解释因变量组的变化, 在本研究中用来揭示气象因素与草地退化指数之间的相互关系[19].
2 结果与分析 2.1 植被覆盖度精度验证选取与野外植被调查时段相近的MODIS和AVHRR NDVI数据产品, 采用像元二分法计算得到对应样地的FVC数据, 与实测FVC数据进行对比验证. 由图 2可知植被调查样地的遥感反演值和实测植被覆盖度变化趋势较为一致, 遥感反演FVC值和实测FVC值之间的决定系数R2为0.55（P < 0.01）, 均方根误差RMSE为12%, 总体结果一致, 误差较小. 因此, 本研究利用MODIS和AVHRR NDVI所反演的FVC数据用来分析黄土高原草原区植被覆盖度和草地退化的时空变化特征, 并以此量化其与气候因素的相关关系.
|
图 2 植被调查样地植被覆盖度实测值和遥感值的对应关系 Fig. 2 Relationship between measured and remote sensing values of vegetation coverage |
研究区1986~2021年植被覆盖度的时间变化趋势如图 3所示. 结果表明, 黄土高原草原区的植被覆盖度呈现逐年上升趋势. 以2000年为界, 该区域植被覆盖度的时间变化分为两个阶段：1986~2000年植被恢复之前, 植被覆盖度呈不显著（P > 0.05）的变化趋势, 其植被覆盖度多年平均值为38%, 波动幅度较大, 标准差为20%, 以1987年最低（32%±19%）, 1996年最高（43%±20%）；2001~2021年植被恢复之后, 植被覆盖度呈显著（R2=0.79, P < 0.01）上升趋势, 年均增长幅度为0.6%, 其植被覆盖度多年平均值为54%, 波动幅度为15%, 较植被恢复之前显著下降, 以2001年最低（46%±14%）, 2018年最高（62%±15%）. 随着退耕还林（草）的实施, 黄土高原草原区的平均植被覆盖度从1986~2000年的38%上升至2001~2021年的54%, 升高幅度为42%, 而其波动幅度（标准差）则从20%下降至15%, 降低幅度为25%.
|
图 3 1986~2021年黄土高原草原区植被覆盖度的时间变化趋势 Fig. 3 Temporal trend of vegetation coverage in the Loess Plateau grassland area from 1986 to 2021 |
趋势分析结果显示（图 4）, 研究区在植被恢复之前（1986~2000年）, 植被覆盖度整体变化不大, 不显著变化面积共占96%, 在东南和西部地区呈现不显著的降低趋势（面积占比为27%）, 在中部和西北部地区呈现增加趋势（59%）, 其中局地显著增加（面积占比为4%）. 在植被恢复之后, 区域植被覆盖度呈现整体显著增加趋势（增加面积占比为92%）, 尤其是以东部和南部, 其每年增长幅度达3.5%.
|
图 4 1986~2000年和2001~2021年黄土高原草地植被覆盖度变化趋势的空间分布 Fig. 4 Spatial distribution of grassland vegetation coverage in the Loess Plateau from 1986 to 2000 and from 2001 to 2021 |
将研究区植被覆盖度划分为5个等级, 1986~2021年植被覆盖度的空间分布如图 5（a）所示. 不同等级植被覆盖度具有显著的空间分布规律：高、中高和中覆盖度的区域主要分布在研究区西南部和东部, 多年平均面积为21.2×104 km2, 占研究区的53%；中低和低覆盖度区域主要分布在研究区的中部地区, 地理位置上以毛乌素沙地为主, 多年平均面积为18.8×104 km2, 占研究区的47%. 对比植被恢复前后（以2000年为界）, 从图 5（b）可以发现, 黄土高原草原区大部分区域的植被覆盖度均呈现增长趋势（植被覆盖度差值> 0.10）, 部分地区植被恢复前后的植被覆盖度差值可达0.50；仅在西部和东部部分地区植被覆盖度为下降趋势（植被覆盖度差值< -0.10）.
|
（a）1986~2021年黄土高原草原区平均植被覆盖度, （b）植被恢复（以2000年为界）前后变化幅度 图 5 1986~2021年黄土高原草原区平均植被覆盖度及植被恢复（以2000年为界）前后变化幅度的空间分布 Fig. 5 Spatial distribution of mean vegetation coverage and its change before and after 2000 in the Loess Plateau grassland area from 1986 to 2021 |
对比植被恢复前后（图 6）, 低植被覆盖度面积由1986~2000年间的16.9×104 km2下降88%, 至2001~2021年间的2.0×104 km2；中低植被覆盖度面积由10.1×104 km2上升8%, 至10.9×104 km2；中植被覆盖度面积由6.5×104 km2上升89%, 至12.5×104 km2；中高植被覆盖度面积由3.8×104 km2上升165%, 至10.2×104 km2；高植被覆盖度面积由2.7×104 km2上升74%, 至4.7×104 km2. 总之, 随着植被恢复的推进, 黄土高原草原区植被覆盖度得到了大幅提升, 尤其是中⁃高覆盖度的面积显著上升（增长109%）, 而低植被覆盖度面积则显著下降（减少88%）, 表明植被恢复策略的实施在黄土高原草原区取得了巨大成效.
|
图 6 1986~2021年黄土高原草原区植被覆盖度分级面积时间变化 Fig. 6 Temporal changes of vegetation coverage classification area in the Loess Plateau grassland area from 1986 to 2021 |
研究区1986~2021年草地退化指数的时间变化趋势如图 7所示, 黄土高原草地退化指数呈现逐年下降趋势. 以2000年为界, 草地退化指数的时间变化趋势可以分为两个阶段：1986~2000年植被恢复之前, 草地退化指数呈不显著（P > 0.05）的变化趋势, 其草地退化指数多年平均值为2.25, 波动幅度较大, 标准差为1.59, 以1997年最高（2.44±1.65）, 1996年最低（2.11±1.54）；2001~2021年植被恢复之后, 草地退化指数呈显著（R2=0.58, P < 0.01）下降趋势, 年均下降幅度为0.017, 其草地退化指数多年平均值为2.06, 波动幅度为1.50, 较植被恢复之前显著下降, 以2001年最高（2.34±1.57）, 2018年最低（1.81±1.38）. 随着退耕还林（草）工程的实施, 黄土高原草原区的平均草地退化指数从1986~2000年的2.25下降至2001~2021年的2.06, 降低幅度为8%, 而其波动幅度（标准差）则从1.59下降至1.50, 降低幅度为6%.
|
图 7 1986~2021年黄土高原草地退化指数的时间变化趋势 Fig. 7 Temporal trend of grassland degradation index in the Loess Plateau from 1986 to 2021 |
趋势分析结果显示（图 8）, 研究区在植被恢复之前（1986~2000年）, 草地退化指数整体变化不大, 不显著变化面积共占65%, 在东南和西部地区呈现增加趋势（面积占比为38%）, 在中部和西北部地区呈现降低趋势（34%）, 其中部分地区显著降低（面积占比为18%）. 在植被恢复之后（2001~2021年）, 区域草地退化指数呈现整体降低和不变趋势（面积占比为85%）, 尤其是以东部和南部, 其降低幅度达-0.28 a-1, 在毛乌素地区有增加趋势.
|
图 8 1986~2021年黄土高原草地退化指数变化趋势的空间分布 Fig. 8 Spatial distribution of change trend of grassland degradation index in the Loess Plateau from 1986 to 2021 |
由图 9可知, 未退化面积由1986~2000年间的22.3×104 km2增加10%, 至2001~2021年间的24.5×104 km2；轻度退化面积由3.1×104 km2减少1%, 至3.0×104 km2；中度退化面积由2.6×104 km2增加1%, 至2.7×104 km2；重度退化面积由5.4×104 km2减少16%, 至4.6×104 km2；极重度退化面积由6.3×104 km2减少20%, 至5.0×104 km2. 总之, 随着植被恢复的推进, 黄土高原草地退化程度得到了显著改善, 尤其是未退化的面积显著增加（10%）, 而重度⁃极重度退化的覆盖面积则显著减少（-18%）, 表明植被恢复措施以后, 黄土高原的草地生态系统呈现稳步恢复的趋势.
|
图 9 1986~2021年黄土高原草地退化指数分级面积时间变化 Fig. 9 Temporal variation of grassland degradation index classification area in the Loess Plateau from 1986 to 2021 |
利用转移矩阵来量化黄土高原草原区草地退化等级在植被恢复前后的空间分布变化特征. 整体来看（表 2）, 1986~2021年草地退化呈显著改善趋势, 未退化面积从234 294 km2（59%, 占总面积比例, 下同）上升到246 156 km2（62%）, 增长了11 862 km2（3%）；轻度退化面积从31 482 km2（8%）下降到29 742 km2（7%）；中度退化面积变化不明显, 由25 337 km2（6%）上升至25 615 km2（6%）；重度退化面积从52 699 km2（13%）下降到42 652 km2（11%）；极重度退化面积从54 937 km2（14%）下降到54 584 km2（14%）, 变化不大. 可以发现, 黄土高原草原区在1986~2021年间主要的变化特征为重度退化类型和轻度退化类型向未退化类型转变, 重度和轻度退化类型分别占退化类型转变面积的14%和83%, 其余则为极重度退化类型（3%）.
|
|
表 2 1986~2021年黄土高原草地退化分级转移矩阵/km2 Table 2 Transfer matrix of grassland degradation in the Loess Plateau from 1986 to 2021/km2 |
2.4 草地退化与气象因素的关系分析 2.4.1 草地退化与气象因素的相关分析
利用Pearson相关分析探讨蒸散发、地温、降水量、气压、相对湿度、日照时数、平均气温和平均风速等气象因素和GDI的相关关系（图 10）, 可以发现, GDI与平均气温、日照时数、相对湿度、气压、降水量和地温均呈现显著的相关性（P < 0.05）, 与平均风速、蒸散发的相关性不显著（P > 0.05）. 其中, 平均气温、气压、降水量和地温对GDI的影响均为负向, 即气温越高, 气压越大和降水量越大, 地温越高, 草地退化程度越低；与此相反, 日照时数和相对湿度对GDI的影响为正向, 即日照时数越长, 相对湿度越高, 草地退化程度越高.
|
1.GDI, 2.蒸散发, 3.地温, 4.降水量, 5.气压, 6.相对湿度, 7.日照时数, 8.平均气温, 9.平均风速 图 10 1986~2021年黄土高原草地退化指数和气象要素的Pearson相关系数矩阵 Fig. 10 Pearson correlation coefficient matrix of grassland degradation index and meteorological factors in the Loess Plateau from 1986 to 2021 |
为了进一步量化气象因素对草地退化的影响, 针对8个气象因素进行冗余分析, 得到气象因素对GDI影响的解释程度（图 11）, 8个气象因素总共解释了GDI时间变化中80%的方差. 基于正向选择冗余分析（forward selection RDA）, 排除气象因素之间的共线性, 结果表明, 降水量与GDI显著负相关（解释度为45.8%, P < 0.01）, 说明降水量越大, 草地生态系统发育所需的水资源供给越充足, 受潜在水分胁迫的程度越小, 草地退化程度越低. 相对湿度与GDI显著正相关（解释度为21.7%, P < 0.01）, 说明空气相对湿度越高, 水汽压差（vapor pressure deficit, VPD）越小, 草本植物蒸腾作用越小, 不利于草地植物生长发育, 导致草地退化程度升高. 日照时数、平均风速、气压、地温、蒸散发和平均气温与GDI不显著相关（解释度 < 5%, P > 0.05）, 说明以上气象因素对草地退化时间变异影响较小, 可能受制于不同因素之间的复杂相互作用. 综合来看, 黄土高原8个气象要素能够解释草地退化方差的80%, 其中, 降水量和相对湿度是影响黄土高原草地退化最主要的两个驱动因素.
|
蓝色箭头为不同的环境因子, 红色箭头为GDI指数；蓝色箭头长度为相应环境因子与GDI相关性大小, 越长表示其对GDI影响越大；箭头连线之间的夹角为两者的相关性, 夹角为锐角表示正相关, 钝角表示负相关 图 11 黄土高原1986~2021年草地退化指数和气象要素的冗余分析 Fig. 11 Redundancy analysis of grassland degradation index and meteorological elements in the Loess Plateau from 1986 to 2021 |
当前, 黄土高原生态恢复方式正在由“植被建设”向“成效巩固和功能提升”的方式转变[42]. 草地是黄土高原地区占地面积最大的植被类型[13], 作为典型干旱半干旱地区, 黄土高原草地生态系统的时空变化特征及其驱动因素的分析显得尤为重要[42]. 本文通过AVHRR NDVI和MODIS NDVI数据融合, 建立了1986~2021年连续的植被指数数据, 分析了植被覆盖度和草地退化指数的时空变化及其驱动因素. 本研究结果表明, 1986~2021年黄土高原草地时间变化可分为稳定与提升两个阶段, 第一阶段为1986~2000年植被恢复之前, 草地退化不显著, 仅在局地显著降低. 第二阶段为2001~2021年植被恢复之后, 草地退化程度快速降低, 仅在毛乌素沙地部分区域表现为不显著的升高趋势. 黄土高原草地退化具有显著的区域分异特征. 东南部和西部地区由于地形复杂、土壤侵蚀严重, 草地生态系统更为脆弱, 而中部和西北部地区由于地形相对较为平坦、土壤侵蚀相对较轻, 草地生态系统的抵抗力和恢复力可能更强[30]. 2000年之后, 随着植被恢复措施的实施, 黄土高原草地退化现象得到了一定程度的缓解, 但在毛乌素沙地等部分地区, 草地退化现象仍然较为严重, 这可能与该地区的特定环境条件及植被恢复措施的实施方式和效果有关. 需要引起注意的是2018年之后的草地退化趋势加剧, 这可能与降水量的显著下降有关[43].
降水量和相对湿度作为黄土高原草地退化的主导因素, 与现有研究中关于水资源对草地生态系统重要性的观点相一致[34]. 黄土高原地区降水量的年际变化对草地生态系统的影响显著, 降水量较高的年份草地覆盖度增加；而在降水量较低的年份, 草地退化加剧, 这可能与该地区土壤的持水能力较低有关, 降水减少导致土壤水分在干旱条件下快速流失, 影响草地植物生长[5]. 黄土高原草地大多数为一年生草本植物, 如长芒草、本氏针茅和早熟禾等[19], 以上植被多数分布在黄土高原西北部缺水地区, 水资源是其限制性因素, 降水增加可以促进植被的生长, 对草地覆盖度表现出正影响, 而对草地退化指数表现出负影响[34]. 相对湿度的增加与草地退化程度的正相关性表明, 在相对湿度较高的条件下, 草地退化程度加剧, 这可能与空气的水汽压差较小导致植物蒸腾作用减弱, 进而影响植物的光合作用和生长有关[44]. 相对湿度反映了大气中的水汽压差, 大气水汽压差是实际水汽气压与饱和水汽气压之间的差值. 干旱和温暖的温带草原, 随着湿度的降低, 即水汽压差增加, 通过植物蒸腾作用和土壤蒸发散失到大气中的水汽量增多, 这会加大植被受到干旱胁迫的程度. 为了减少水分损失, 植物会关闭气孔, 从而降低光合作用速率, 限制植被生长[44], 这会导致草地退化指数上升. 而湿润和寒冷的高寒草甸（黄土高原西部高海拔地区）, 随着湿度的升高, 即水汽压差减少, 植物的蒸腾作用会随之下降, 限制了植物光合作用[45].
然而, 本研究依赖MODIS和AVHRR遥感数据, 未能充分捕捉小尺度的地表变化和人类活动的影响. 此外, 尽管考虑了气象因素, 但由于对土壤特性和更广泛气候变量的分析不足, 可能限制了对草地退化机制的全面理解. 为更加深入地理解黄土高原草地退化的复杂过程并提高管理策略的有效性, 未来还需在多个方面加强研究. 首先, 应当扩大数据收集范围, 纳入更详实的气象参数、土壤性质以及人类活动记录, 构建更为全面的草地退化评估模型. 其次, 采用高分辨率的遥感数据, 以捕捉小尺度的草地时空变化特征, 提升模型的精确度[36, 37]. 此外, 还要考虑土壤侵蚀对草地退化的影响, 以及土壤侵蚀与气象因素之间的相互作用, 从而为黄土高原草地退化提供更全面的理解.
4 结论（1）黄土高原草原区的植被覆盖度总体呈现上升趋势, 草地退化指数总体呈现下降趋势. 值得关注的是2018年后草地退化虽然处于轻度退化水平, 但是至2021年, 草地退化处于加剧趋势.
（2）黄土高原草原区在2000年植被恢复之前, 草地退化指数总体变化不大. 在2001年植被恢复之后, 区域草地退化指数呈现总体降低趋势, 尤其是以东部和南部显著下降, 而毛乌素地区呈现不显著的升高趋势.
（3）驱动黄土高原草地退化的最主要的气象因素是降水量和相对湿度, 这两个因素分别贡献了草地退化指数变化的45.8%和21.7%.
（4）受限于数据缺失, 本研究未对人类活动, 如工矿开发、农牧开垦和城镇扩张等区域典型特征要素引起的草地退化展开量化研究, 下一步将开展此方面的深入探讨. 此外, 还需加强从水循环（即水量平衡）的视角明晰黄土高原草地生态系统演变规律的驱动机制, 为黄土高原生态建设提质增效提供科学依据.
| [1] |
黄土高原综合治理方案组. 黄土高原综合治理分区[J]. 中国科学院西北水土保持研究所集刊, 1985, (1): 2-66. Zhu X M. Regionalization of comprehensive control in Loess Plateau[J]. Memoir of NISWC, Academia Sinica, 1985, (1): 2-66. |
| [2] | Chen Y P, Wang K B, Lin Y S, et al. Balancing green and grain trade[J]. Nature Geoscience, 2015, 8(10): 739-741. |
| [3] | Zastrow M. China's tree-planting drive could falter in a warming world[J]. Nature, 2019, 573(7775): 474-475. DOI:10.1038/d41586-019-02789-w |
| [4] |
张宝庆, 邵蕊, 赵西宁, 等. 大规模植被恢复对黄土高原生态水文过程的影响[J]. 应用基础与工程科学学报, 2020, 28(3): 594-606. Zhang B Q, Shao R, Zhao X N, et al. Effects of large-scale vegetation restoration on eco-hydrological processes over the Loess Plateau, China[J]. Journal of Basic Science and Engineering, 2020, 28(3): 594-606. |
| [5] | Jia X X, Shao M A, Zhu Y J, et al. Soil moisture decline due to afforestation across the Loess Plateau, China[J]. Journal of Hydrology, 2017, 546: 113-122. DOI:10.1016/j.jhydrol.2017.01.011 |
| [6] | Shao M A, Wang Y Q, Xia Y Q, et al. Soil drought and water carrying capacity for vegetation in the critical zone of the Loess Plateau: a review[J]. Vadose Zone Journal, 2018, 17(1): 1-8. |
| [7] | 侯庆春, 韩蕊莲, 韩仕锋. 黄土高原人工林草地"土壤干层"问题初探[J]. 中国水土保持, 1999(5): 11-14. |
| [8] |
王云强. 黄土高原地区土壤干层的空间分布与影响因素[D]. 北京: 中国科学院研究生院, 2010. Wang Y Q. Spatial distribution and influence factors of dried soil layers across the Loess Plateau[D]. Beijing: Graduate University of Chinese Academy of Sciences, 2010. |
| [9] |
邵明安, 贾小旭, 王云强, 等. 黄土高原土壤干层研究进展与展望[J]. 地球科学进展, 2016, 31(1): 14-22. Shao M A, Jia X X, Wang Y Q, et al. A review of studies on dried soil layers in the Loess Plateau[J]. Advances in Earth Science, 2016, 31(1): 14-22. |
| [10] |
刘丙霞, 任健, 邵明安, 等. 黄土高原北部人工灌草植被土壤干燥化过程研究[J]. 生态学报, 2020, 40(11): 3795-3803. Liu B X, Ren J, Shao M A, et al. The process of soil desiccation under artificial shrub and grass in northern Loess Plateau[J]. Acta Ecologica Sinica, 2020, 40(11): 3795-3803. |
| [11] |
师江澜, 杨正礼. 黄土高原植被恢复中的主要问题与对策探讨[J]. 西北林学院学报, 2002, 17(3): 16-18, 25. Shi J L, Yang Z L. Study on main problems and countermeasures in vegetation restoration in Loess Plateau[J]. Journal of Northwest Forestry University, 2002, 17(3): 16-18, 25. |
| [12] | 孔照芳. 种草在水土保持中的战略地位及其作用[J]. 中国水土保持, 1999(12): 37-38. |
| [13] |
夏悦, 王国会, 沈禹颖, 等. 黄土高原草地植被的嬗变[J]. 草业科学, 2021, 38(9): 1869-1881. Xia Y, Wang G H, Shen Y Y, et al. The evolution of grassland vegetation on the Loess Plateau[J]. Pratacultural Science, 2021, 38(9): 1869-1881. |
| [14] | Huang Z, Liu Y F, Cui Z, et al. Natural grasslands maintain soil water sustainability better than planted grasslands in arid areas[J]. Agriculture, 2019, 286. DOI:10.1016/j.agee.2019.106683 |
| [15] |
许小明. 黄土丘陵区不同植被恢复方式的土壤生态水文效应[D]. 杨凌: 西北农林科技大学, 2022. Xu X M. Soil eco-hydrological effects of different vegetation restoration patterns in the Loess Hilly Region[D]. Yangling: Northwest A&F University, 2022. |
| [16] | Wang X, Huang Z, Hong M M, et al. A comparison of the effects of natural vegetation regrowth with a plantation scheme on soil structure in a geological hazard-prone region[J]. European Journal of Soil Science, 2019, 70(3): 674-685. |
| [17] |
万素梅, 贾志宽, 韩清芳, 等. 黄土高原半湿润区苜蓿草地土壤干层形成及水分恢复[J]. 生态学报, 2008, 28(3): 1045-1051. Wan S M, Jia Z K, Han Q F, et al. Dry soil layer forming and soil moisture restoration of alfalfa grassland in the semi-humid region of the Loess Plateau[J]. Acta Ecologica Sinica, 2008, 28(3): 1045-1051. |
| [18] |
王晓凌, 陈明灿, 李凤民, 等. 黄土高原土壤干层水分恢复与作物产量响应[J]. 水土保持研究, 2007, 14(3): 1-4. Wang X L, Chen M C, Li F M, et al. Water restoration of dry soil layers in the Loess Plateau and crop yield response[J]. Research of Soil and Water Conservation, 2007, 14(3): 1-4. |
| [19] | Bai X, Jia X X, Zhao C L, et al. Artificial forest conversion into grassland alleviates deep-soil desiccation in typical grass zone on China's Loess Plateau: regional modeling[J]. Agriculture, 2021, 320. DOI:10.1016/j.agee.2021.107608 |
| [20] | Bai X, Jia X X, Jia Y H, et al. Modeling long-term soil water dynamics in response to land-use change in a semi-arid area[J]. Journal of Hydrology, 2020, 585. DOI:10.1016/j.jhydrol.2020.124824 |
| [21] |
程积民. 黄土区植被的演替[J]. 土壤侵蚀与水土保持学报, 1998, 5(5): 58-61. Cheng J M. Vegetation succession in Loess Area[J]. Journal of Soil Erosion and Soil and Water Conservation, 1998, 5(5): 58-61. |
| [22] |
刘哲, 邱炳文, 王壮壮, 等. 2001—2014年间黄土高原植被覆盖状态时空演变分析[J]. 国土资源遥感, 2017, 29(1): 192-198. Liu Z, Qiu B W, Wang Z Z, et al. Temporal and spatial variation analysis of vegetation cover in the Loess Plateau from 2001 to 2014[J]. Remote Sensing for Land & Resources, 2017, 29(1): 192-198. |
| [23] |
孙锐, 陈少辉, 苏红波. 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, 2019, 38(8): 1248-1258. Sun R, Chen S H, Su H B. Spatiotemporal variations of NDVI of different land cover types on the Loess Plateau from 2000 to 2016[J]. Progress in Geography, 2019, 38(8): 1248-1258. |
| [24] |
张宝庆, 吴普特, 赵西宁. 近30a黄土高原植被覆盖时空演变监测与分析[J]. 农业工程学报, 2011, 27(4): 287-293. Zhang B Q, Wu P T, Zhao X N. Detecting and analysis of spatial and temporal variation of vegetation cover in the Loess Plateau during 1982-2009[J]. Transactions of the Chinese Society of Agricultural Engineering, 2011, 27(4): 287-293. |
| [25] |
高健健, 穆兴民, 孙文义. 2000—2012年黄土高原植被覆盖的时空变化[J]. 人民黄河, 2015, 37(11): 85-91. Gao J J, Mu X M, Sun W Y. Spatial-temporal changes of vegetation restoration on Loess Plateau from 2000 to 2012[J]. Yellow River, 2015, 37(11): 85-91. |
| [26] |
刘宪锋, 杨勇, 任志远, 等. 2000—2009年黄土高原地区植被覆盖度时空变化[J]. 中国沙漠, 2013, 33(4): 1244-1249. Liu X F, Yang Y, Ren Z Y, et al. Changes of vegetation coverage in the Loess Plateau in 2000-2009[J]. Journal of Desert Research, 2013, 33(4): 1244-1249. |
| [27] | 信忠保, 许炯心, 郑伟. 气候变化和人类活动对黄土高原植被覆盖变化的影响[J]. 中国科学D辑: 地球科学, 2007, 37(11): 1504-1514. |
| [28] |
赵安周, 刘宪锋, 朱秀芳, 等. 2000~2014年黄土高原植被覆盖时空变化特征及其归因[J]. 中国环境科学, 2016, 36(5): 1568-1578. Zhao A Z, Liu X F, Zhu X F, et al. Spatiotemporal analyses and associated driving forces of vegetation coverage change in the Loess Plateau[J]. China Environmental Science, 2016, 36(5): 1568-1578. |
| [29] |
胡会峰. 草地退化与修复研究态势: 基于1930—2022年研究主题演变分析[J]. 中国科学基金, 2023, 37(4): 613-622. Hu H F. Trends in grassland degradation and restoration: based on the shift analysis of research themes from 1930 to 2022[J]. Bulletin of National Natural Science Foundation of China, 2023, 37(4): 613-622. |
| [30] | Hu W, Wang Y Q, Li H J, et al. Dominant role of climate in determining spatio-temporal distribution of potential groundwater recharge at a regional scale[J]. Journal of Hydrology, 2019, 578. DOI:10.1016/j.jhydrol.2019.124042 |
| [31] | 杨勤科. 黄土高原地区植被分区图(2000年)[Z]. 地球系统科学数据共享平台-黄土高原科学数据共享平台. 2013. |
| [32] | Turkeltaub T, Jia X X, Zhu Y J, et al. Recharge and nitrate transport through the deep vadose zone of the Loess Plateau: a regional-scale model investigation[J]. Water Resources Research, 2018, 54(7): 4332-4346. |
| [33] | Allen R G, Smith M, Pereira L S, et al. Revised FAO procedures for calculating evapotranspiration: irrigation and drainage paper No. 56 with testing in Idaho[A]. In: Watershed Management and Operations Management 2000[C]. Fort Collins: ASCE, 2001. 1-10. |
| [34] |
石明明, 王喆, 周秉荣, 等. 青藏高原草地退化特征及其与气候因子的关系[J]. 应用生态学报, 2022, 33(12): 3271-3278. Shi M M, Wang Z, Zhou B R, et al. Characteristics of grassland degradation and its relationship with climate factors on Qinghai-Tibetan Plateau, China[J]. Chinese Journal of Applied Ecology, 2022, 33(12): 3271-3278. |
| [35] |
吴炳方, 朱伟伟, 曾红伟, 等. 流域遥感: 内涵与挑战[J]. 水科学进展, 2020, 31(5): 654-673. Wu B F, Zhu W W, Zeng H W, et al. Watershed remote sensing: definition and prospective[J]. Advances in Water Science, 2020, 31(5): 654-673. |
| [36] |
裴杰, 牛铮, 王力, 等. 基于Google Earth Engine云平台的植被覆盖度变化长时间序列遥感监测[J]. 中国岩溶, 2018, 37(4): 608-616. Pei J, Niu Z, Wang L, et al. Monitoring to variations of vegetation cover using long-term time series remote sensing data on the Google Earth Engine cloud platform[J]. Carsologica Sinica, 2018, 37(4): 608-616. |
| [37] |
同琳静, 刘洋洋, 王倩, 等. 青藏高原草地降水利用效率时空动态及对气候变化的响应[J]. 干旱地区农业研究, 2019, 37(5): 226-234. Tong L J, Liu Y Y, Wang Q, et al. Spatial-temporal dynamics of precipitation use efficiency in grassland and its relationship with climate changes on Qinghai-Tibet Plateau[J]. Agricultural Research in the Arid Areas, 2019, 37(5): 226-234. |
| [38] |
杜自强, 王建, 李建龙, 等. 黑河中上游典型地区草地植被退化遥感动态监测[J]. 农业工程学报, 2010, 26(4): 180-185. Du Z Q, Wang J, Li J L, et al. Remote sensing-based monitor dynamically grassland degradation in typical regions, middle and upper reaches of Heihe River Basin, Western China[J]. Transactions of the Chinese Society of Agricultural Engineering, 2010, 26(4): 180-185. |
| [39] |
阿卜杜热合曼·吾斯曼, 玉素甫江·如素力, 张发, 等. 基于遥感监测的天山新疆段草地退化时空特征及其与气候因子的关系[J]. 草业科学, 2023, 40(7): 1779-1792. Abudureheman·Wusiman, Yusufujiang·Rusuli, Zhang F, et al. Temporal and spatial characteristics of grassland degradation in Xinjiang Section of Tianshan Mountains based on remote sensing monitoring and its relationship with climate factors[J]. Pratacultural Science, 2023, 40(7): 1779-1792. |
| [40] |
郑朝菊, 曾源, 赵玉金, 等. 近15年中国西南地区植被覆盖度动态变化[J]. 国土资源遥感, 2017, 29(3): 128-136. Zheng Z J, Zeng Y, Zhao Y J, et al. Monitoring and dynamic analysis of fractional vegetation cover in southwestern China over the past 15 years based on MODIS data[J]. Remote Sensing for Land & Resources, 2017, 29(3): 128-136. |
| [41] |
熊杰, 曾源, 朱亮, 等. 近25年三峡库区土地覆被变化及驱动力分析[J]. 长江流域资源与环境, 2018, 27(10): 2368-2378. Xiong J, Zeng Y, Zhu L, et al. Land cover changes and drivers in the Three Gorges Reservoir area during 1990-2015[J]. Resources and Environment in the Yangtze Basin, 2018, 27(10): 2368-2378. |
| [42] |
傅伯杰, 刘彦随, 曹智, 等. 黄土高原生态保护和高质量发展现状、问题与建议[J]. 中国科学院院刊, 2023, 38(8): 1110-1117. Fu B J, Liu Y S, Cao Z, et al. Current conditions, issues, and suggestions for ecological protection and high-quality development in Loess Plateau[J]. Bulletin of Chinese Academy of Sciences, 2023, 38(8): 1110-1117. |
| [43] | Jia X X, Bai X, Liu C G, et al. Differences in plant water use between check-dam land and slope land on the Loess Plateau: Significance for vegetation restoration[J]. Agriculture, 2024, 362. DOI:10.1016/j.agee.2023.108849 |
| [44] | Yuan W P, Zheng Y, Piao S L, et al. Increased atmospheric vapor pressure deficit reduces global vegetation growth[J]. Science Advances, 2019, 5(8). DOI:10.1126/sciadv.aax1396 |
| [45] |
孟莹, 姜鹏, 方缘. 大气水分亏缺对中国两种典型草地生态系统总初级生产力的影响[J]. 生态学杂志, 2020, 39(11): 3633-3642. Meng Y, Jiang P, Fang Y. Contrasting impacts of vapor pressure deficit on gross primary productivity in two typical grassland ecosystems in China[J]. Chinese Journal of Ecology, 2020, 39(11): 3633-3642. |