2025, Vol. 46
2. 广西高校生态时空大数据感知服务重点实验室，桂林 541006;
3. 青海省基础测绘院，西宁 810001;
4. 南京师范大学地理科学学院，南京 210023
2. Guangxi University Key Laboratory of Ecological Spatiotemporal Big Data Perception, Guilin 541006, China;
3. Qinghai Basic Surveying and Mapping Institute, Xining 810001, China;
4. School of Geography, Nanjing Normal University, Nanjing 210023, China
西南喀斯特地区属于全球变化敏感带，生态环境脆弱、土地石漠化问题突出，对气候变化和人类活动响应敏感[1，2]. 由于地处长江流域和珠江流域的上游，其植被变化对“两江”生态安全意义重大. 为了减缓石漠化进程，国家和地方政府实施了一系列生态修复工程（ecological restoration projects，ERPs），西南喀斯特生态系统得到一定恢复[3~5]. 植被作为陆地生态系统的重要组成部分，在碳循环、水平衡及能量转换中发挥着重要作用，其变化对生态系统的健康状况具有指示作用[6~8]. 因此，监测植被变化并分析其成因对喀斯特地区生态系统可持续发展及区域生态安全具有重要意义.
近年来，西南喀斯特地区植被变化及其成因受到众多学者关注. 以往研究表明，气候变化对植被动态具有重要影响，温度和降水是影响西南地区植被生长的主要气候因子，且温度对植被变化的影响大于降水[9~11]；温度在促进植被光合作用、延长生长周期、控制营养物质运输等方面具有重要作用，而过多降水对西部地区植被恢复存在一定抑制作用[10，12，13]；不同气候因子对植被的影响表现出明显的时滞效应，一般滞后时间以0~3个月为主[9，14，15]，这与植被对环境的适应机制有关，其光合作用和呼吸作用能够在一段时间内适应气候变化[16，17]. 此外，前期气候因子的累积效应对植被生长具有长期的间接效应，这在相关研究中已得到证实[18，19]；不同尺度上气候因子的时滞、累积及其综合效应对植被变化的影响也表现出时空差异性[20~22]. 人类活动对植被变化的影响既有抑制作用又有促进作用；城市化建设、过度放牧和采矿等活动对植被覆盖有一定破坏作用[23，24]；而实施生态修复工程，如退耕还林还草和天然保护林等对西南喀斯特地区植被覆盖增加起到积极作用[4，25~27]. 因此，植被变化与气候变化和人类活动均有一定关系.
为了量化气候变化和人类活动对西南喀斯特地区植被变化的影响，以往研究常采用残差分析法，通过构建温度和降水与植被之间的线性关系，以量化人类活动对植被变化的影响[10]；随着研究的深入，改进的残差分析法在建立气候因子-植被线性关系时，不仅考虑了温度、降水、太阳辐射、相对湿度和日照时数等气候因子，同时也充分考虑了气候因子对植被变化的时滞效应[9，14，15]. 然而，研究过程中忽略了前期气候因子的累积效应以及时滞和累积综合效应对植被生长影响，这在一定程度上增加了研究结果的不确定性. 因此，开展气候变化和人类活动对植被变化的影响研究，应充分考虑气候因子的时滞效应、累积效应以及综合效应.
综上可知，以往研究在定量区分气候变化和人类活动对西南喀斯特地区植被变化的影响时，鲜有同时考虑气候因子对植被生长的时滞和累积效应，且对生态修复工程前后植被变化归因的对比研究不多，因此有必要深入开展西南喀斯特地区植被变化归因研究. 鉴于此，本文基于1982~2019年归一化植被指数（normalized difference vegetation index，NDVI）数据、降水及温度数据，采用趋势分析、偏相关分析和修订的残差分析等方法，顾及气候因子对植被变化的时滞和累积效应，从像元尺度探究西南喀斯特地区生态修复工程前后气候因子和人类活动对植被变化的影响，以期为深入理解气候变化和生态修复工程对植被变化的影响提供参考.
1 研究区概况中国西南喀斯特地区分布在滇黔桂湘鄂川渝粤地区（97°21′~117°20′E，20°12′~34°19′N，图1），是世界上最大的喀斯特集中连续分布带，碳酸盐岩裸露面积约54万km2，占全国碳酸盐岩裸露面积的15.97%[28]. 地处热带、亚热带季风气候区，降水量和温度总体呈从东南向西北递减的趋势，降水量季节和区域具有差异；地形起伏大，总体呈西高东低的分布格局. 喀斯特地貌发育，根据气候类型和地貌形态可分为两个一级分区[热带喀斯特地貌区（Ⅰ）和非热带喀斯特地貌区（Ⅱ）]和8个二级分区[黔中高原浅碟型峰丛洼地（Ⅰ1）、黔-桂斜坡带漏斗型峰丛洼地（Ⅰ2）、广西峰林平原（Ⅰ3）、川西-滇西北中高山（Ⅱ1）、滇东高原盆谷（Ⅱ2）、北盘江高原峡谷（Ⅱ3）、黔渝川鄂湘接壤的中低山槽谷（Ⅱ4）、湘中-湘南-鄂东中低山丘陵（Ⅱ5）][29]，其空间分布如图1（a）所示. 研究区植被类型以林地、灌木林、草地和栽培植被为主[图1（b）]，生态环境脆弱，石漠化问题突出，属于全球变化敏感地带.
|
图 1 研究区地形地貌、气象站点和植被类型空间分布 Fig. 1 Spatial distribution of landforms，meteorological stations and vegetation types in the study area |
NDVI数据包括GIMMS NDVI 3 g数据集（https://ecocast.arc.nasa.gov/），时空分辨率分别为15 d和8 km，时间跨度为1981年7月至2015年12月，采用最大值合成法合成逐月GIMMS NDVI数据；SPOT NDVI数据集（https://www.resdc.cn/），时空分辨率分别为1个月和1 km，时间跨度为1998年4月至2020年6月. 首先，采用一元线性回归模型，对GIMMS NDVI和SPOT NDVI进行回归处理，得到1982~2019年时空分辨率分别为1个月和1 km的降尺度NDVI数据，该数据与原始数据在月尺度上相关性高于0.7[30]，满足研究需求. 然后，采用最大值合成法将月尺度NDVI数据合成为1982~2019年西南喀斯特地区1 km分辨率的年NDVI最大值时间序列.
气象数据主要包括逐日降水和气温，来源于国家气象科学数据中心（https://data.cma.cn/），西南八省（区）包含751个气象站，空间分布如图1（a）所示. 在数据预处理的基础上，采用ANUSPLIN气象插值模型，生成空间分辨率为1 km的逐月降水和气温栅格时序数据.
辅助数据包括DEM数据（空间分辨率为1km）和植被类型数据（1∶100万），均来源于中国科学院资源环境科学与数据中心（https://www.resdc.cn/）.
2.2 研究方法 2.2.1 趋势分析Sen趋势分析与Mann-Kendall（M-K）显著性检验方法已被广泛用于长时间序列气候变化和水文分析的趋势检验[31，32]. 基于该方法对西南喀斯特地区1982~2019年NDVI的变化趋势及其显著性进行判断. Sen趋势度β的计算公式如下：
| $ \beta=\operatorname{Median}\left(\frac{\mathrm{NDVI}_j-\mathrm{NDVI}_i}{j-i}\right), \quad 1982 \leqslant i <j \leqslant 2019 $ | (1) |
式中，Median为中值函数，NDVIi和NDVIj分别为第i和j年的最大NDVI合成值. 趋势度β>0表示时间序列呈上升趋势，β<0表示时间序列呈下降趋势. 根据M-K显著性检验方法中的统计检验量Z值来判断西南喀斯特地区NDVI变化趋势的显著性. 当
本研究采用偏相关系数来分析降水和温度变化对NDVI的时滞和累积效应. 首先，计算降水和温度的时滞和累积效应，公式如下[22]：
| (2) |
| (3) |
式中，m为滞后月数，n为累积月数；
然后，计算不同时滞和累积条件下降水或温度与NDVI的偏相关系数，其计算原理详见文献[33]. 以降水对NDVI的时滞和累积效应为例，首先计算不同时滞和累积条件下降水与NDVI的偏相关系数，共计10个偏相关系数；然后求10个偏相关系数绝对值的最大值，最大值对应的m和n即为降水对NDVI的时滞和累积效应. 研究过程中用LmAn表示气候因子对NDVI的影响滞后m个月、累积n个月. 根据m和n的取值，将时滞和累积效应分为4种情景：无时滞-累积效应（L0A0）、时滞效应（L1A0、L2A0、L3A0）、累积效应（L0A1、L0A2、L0A3）和时滞-累积效应（L1A1、L1A2、L2A1）.
2.2.3 多元线性回归与修订的残差分析残差分析[16，34]可以将植被变化分离为气候变化（CC）影响和人类活动（HA）影响两部分. 其中，气候变化对植被的影响通常采用多元线性回归模型构建气候因子与NDVI之间的关系，其残差解释为人类活动对植被变化的影响. 公式如下：
| $ \mathrm{NDVI}_{\mathrm{CC}}=\alpha \cdot \mathrm{PRE}+\beta \cdot \mathrm{TEM}+\varepsilon $ | (4) |
| (5) |
式中，NDVICC为气候变化引起的NDVI变化的预测值，
从NDVI均值空间分布来看[图2（a）]，ERPs前（1982~1999年）、后（2000~2019年），西南喀斯特地区NDVI均值从北-南总体呈高-低-高的空间分布格局，NDVI均值以0.6~0.8的分布区占主导，面积占比分别为78.14%和68.95%；NDVI大于0.8的高值区面积占比从17.72%增加到27.36%，主要分布在黔渝川鄂湘接壤的中低山槽谷区、滇西北中高山地区、黔-桂斜坡带漏斗型峰丛洼地；而NDVI小于0.4的低值区集中分布在川西中高山地区，面积占比从4.14%下降到3.7%.
|
图 2 西南喀斯特地区NDVI时空变化特征 Fig. 2 Spatial and temporal variation of NDVI in the karst region of southwest China |
从NDVI变化倾向率来看[图2（b）]，ERPs前NDVI倾向率介于-0.013 3~0.014 3 a-1，约54%的区域NDVI倾向率为正；而ERPs后NDVI倾向率则介于-0.036 6~0.029 3 a-1，约93%的区域NDVI倾向率为正；说明ERPs以来研究区植被改善趋势明显. 从NDVI变化显著性来看[图2（c）和2（e）]，ERPs前后，NDVI呈显著增加趋势的面积占比从6.90%增加到82.08%，不同地貌分区NDVI变化趋势均从不显著变化趋势占主导向显著增加占主导趋势转化，且呈显著增加趋势的面积占比均大于70%；而NDVI呈显著减少趋势的面积占比从3.94%降低到2.29%，主要分布在人口密集的城市及周边区域. 从NDVI时间变化特征来看[图2（d）]，ERPs前后，NDVI变化趋势呈现出明显的阶段特征，总体变化速率从-0.000 1 a-1上升到0.005 4 a-1，变化趋势从缓慢下降（R2=0.006 2，P>0.05）转向极显著上升（R2=0.921 2，P<0.01），表明2000年以来植被恢复态势明显.
综上可知，喀斯特地区对人类活动干扰的敏感性较高，ERPs以来NDVI均值、变化趋势及显著性占比均呈上升趋势，不同地貌分区植被变化总体以改善为主，但空间上表现出一定差异性. 表明ERPs对植被恢复具有明显的促进作用，而城市扩张和矿产开采对植被具有一定的破坏作用.
3.2 气候因子对NDVI的时滞和累积效应ERPs前后，西南喀斯特地区降水和温度对NDVI的时滞和累积效应表现出较明显的空间异质性（图3和图4）. 从图3（a）和图4（a）可知，ERPs前，95.11%的地区降水对NDVI存在时滞累积效应，其中呈累积效应（L0A1、L0A2和L0A3）的地区占比为38.60%，黔渝川鄂湘接壤的中低山槽谷区、湘鄂中低山丘陵地区以累积3个月为主，滇东高原盆谷区以累积2个月为主，而川西和滇西北中高山地区则以累积1个月为主；呈时滞-累积效应（L1A1、L1A2和L2A1）的地区占比达到36.89%，主要分布在广西峰林平原（L1A2和L2A1占主导）、黔中高原浅碟型峰丛洼地（L1A2占主导）和湘鄂中低山丘陵地区（L1A2占主导）；呈时滞效应（L1A0、L2A0和L3A0）的地区占比为19.62%，集中分布在北盘江高原峡谷和黔-桂斜坡带漏斗型峰丛洼地，滞后期分别以1个月和3个月为主；呈无时滞-累积效应（L0A0）的地区仅占4.89%，主要分布在川西、滇西北中高山地区. 从图3（b）和图4（b）可以看出，ERPs后，降水对NDVI的累积效应面积占比从38.60%降至30.99%，集中分布在川西、滇西北中高山、滇东高原盆谷地区；时滞-累积效应面积占比从36.89%增至44.48%，在黔中高原浅碟型峰丛洼地、湘鄂中低山丘陵地区增加明显；其他情景面积占比变化不明显.
|
图 3 西南喀斯特地区气候因子对NDVI的滞后和累积时间空间分布 Fig. 3 Spatial distribution of lag and accumulation time of climate factors on NDVI in the karst region of southwest China |
|
图 4 不同地貌分区气候因子对NDVI的滞后和累积时间统计分析 Fig. 4 Statistical analysis of the lag and cumulative time of climate factors on NDVI in different geomorphic regions |
相较于降水而言，ERPs前后温度对NDVI的时滞和累积效应空间异质性更为明显. 从图3（c）和图4（c）可知，ERPs前，温度对NDVI以时滞效应（L1A0、L2A0和L3A0）为主导，面积占比达41.26%，其中北盘江高原峡谷、黔-桂斜坡带漏斗型峰丛洼地以滞后1个月占绝对主导，滇东高原盆谷地区和川西、滇西北中高山地区滞后1~3个月均有一定分布；其次为累积效应（L0A1、L0A2和L0A3），面积占比达到37.18%，主要分布在湘鄂中低山丘陵、黔渝川鄂湘接壤的中低山槽谷、黔中高原浅碟型峰丛洼地等地区，以累积1个月为主；无时滞-累积效应（L0A0）的面积占比为12.73%，集中分布在黔渝川鄂湘接壤的中低山槽谷、黔中高原浅碟型峰丛洼地等地区；而呈时滞-累积效应（L1A1、L1A2和L2A1）的地区占比仅为8.83%. ERPs后[图3（d）和图4（d）]，温度对NDVI的累积效应面积占比减少18.21%，其在广西峰林平原地区主要转换为滞后效应；无时滞-累积效应面积占比增加达17.16%，增加的地区集中分布在黔渝川鄂湘接壤的中低山槽谷、黔中高原浅碟型峰丛洼地等地区.
综上可知，西南喀斯特地区降水对NDVI以累积效应、时滞-累积效应为主导，而温度对NDVI以累积效应和滞后效应为主；不同地貌分区降水和温度对NDVI的时滞累积效应存在明显的异质性.
3.3 气候变化和人类活动对NDVI影响 3.3.1 NDVI变化驱动力分析运用修订的残差分析方法，在顾及气候因子变化对NDVI时滞和累积效应的情景下，逐像元计算气候变化和人类活动对西南喀斯特地区NDVI变化的影响（图5）.
|
图 5 西南喀斯特地区NDVI变化驱动机制 Fig. 5 Driving mechanism of NDVI variation in the karst region of southwest China |
由图5（a）、5（c）和5（d）可知，ERPs前，西南喀斯特地区NDVI上升区域的占比为59.88%，在不同喀斯特地貌分区均有一定分布；其中气候变化和人类活动共同驱动的区域占比为31.03%，单独由气候变化或人类活动驱动的区域占比分别为10.82%和18.03%，其中北盘江高原峡谷、黔中高原-黔桂斜坡带峰丛洼地、滇东高原盆谷区人类活动对植被改善起到了积极作用. NDVI下降的区域占比为40.12%，主要以人类活动和气候变化的共同驱动（18.89%）以及人类活动驱动（13.90%）为主，其中广西峰林平原、黔渝川鄂湘接壤的中低山槽谷、湘鄂中低山丘陵地区人类活动的负面影响对植被具有破坏作用. 由图5（b）、5（c）和5（d）可知，实施ERPs以来，西南喀斯特地区NDVI上升区域占比有较大幅度增加（59.88%升至92.32%），不同喀斯特地貌分区NDVI上升受气候变化和人类活动共同驱动的占比均在70%以上，说明气候变化和人类活动协同对西南喀斯特地区植被恢复起到了积极促进作用.
综上可知，国家实施ERPs前，气候变化、人类活动及其协同作用均对NDVI变化有一定影响；实施ERPs以来，单独人类活动对NDVI变化的负面影响减弱，而气候变化和人类活动协同成为驱动西南喀斯特地区NDVI变化的主要原因.
3.3.2 气候变化和人类活动对NDVI变化的贡献率如图6（a）~6（d）所示，气候变化和人类活动对西南喀斯特地区植被变化的贡献率表现出明显空间异质性. ERPs前后，气候变化对植被变化的平均贡献率从38.19%下降到20.65%，而人类活动对植被变化的平均贡献率从61.81%增加到79.35%. 从图6（a）和6（b）可知，ERPs前，气候变化占主导（贡献率>50%）的区域面积占比为35.20%，对植被改善起促进作用的面积占比为51.66%；而以人类活动占主导（贡献率>50%）的区域面积占比为64.80%，对植被改善起促进作用的面积占比为51.73%. ERPs以来[图6（c）和6（d）]，气候变化占主导（贡献率>50%）的区域面积占比减少到7.44%，其中促进植被增加的区域占比为84.55%；而人类活动占主导（贡献率>50%）的区域面积占比增加到92.56%，其中对植被增加起促进作用的区域占比为93.87%，而对植被改善起抑制作用的区域占比仅为6.13%. 这说明在喀斯特地区人类活动对植被变化的贡献率高于气候变化，ERPs前，不合理的放牧、陡坡开垦和矿山开发等活动对植被增长的负面影响较大；而ERPs以来，人类活动对植被增加起到了更多的积极作用.
|
图 6 西南喀斯特地区气候变化（CC）和人类活动（HA）对NDVI变化的贡献率 Fig. 6 Contribution of climate change（CC） and human activity（HA） to NDVI variation in the karst region of southwest China |
在地貌分区尺度上[图6（e）]，ERPs前，气候变化和人类活动对植被变化的贡献率分别介于23.78%~54.49%和45.51%~76.22%，其中，在湘鄂中低山丘陵、广西峰林平原和黔渝川鄂湘接壤的中低山槽谷区气候变化贡献率超过40%；而所有地貌分区人类活动对植被变化的贡献率均大于45%，人类活动对北盘江高原峡谷植被变化贡献率最大（76.22%），其次为黔-桂斜坡带漏斗型峰丛洼地（67.69%）. ERPs以来，气候变化对植被变化的贡献率整体有所降低，介于10.83%~27.80%之间；其中，川西-滇西北中高山、湘鄂中低山丘陵、黔中高原浅碟型峰丛洼地及滇东高原盆谷区贡献率大于20%；而人类活动对植被变化的贡献率有较大提升，在不同喀斯特地貌分区贡献率均超过70%，说明喀斯特地区植被变化受人类活动的影响大于气候变化的影响. 综上可知，人类活动对西南喀斯特地区植被变化起到主导作用，退耕还林工程前主要以消极的破坏作用占主导，而退耕还林工程后转变为积极促进作用.
4 讨论 4.1 NDVI时空演变特征本文采用趋势分析法探究了1982~2019年西南喀斯特地区NDVI时空演变特征，结果表明ERPs前后时段NDVI变化趋势差异显著. ERPs前，西南喀斯特地区NDVI呈缓慢下降趋势，东部川西-滇西北中高山植被退化明显，这与研究区海拔高、植被类型主要以草地为主，过度放牧导致植被结构破坏有关[36]. ERPs以来，NDVI呈极显著上升趋势，不同喀斯特地貌分区植被均呈恢复态势但存在空间异质性，此结论与以往研究结论一致[4，5，37]. 这表明国家和地方政府落实的一系列生态恢复项目，如天然林保护项目、退耕还林还草项目、石漠化治理等，能有效改善植被生长发育的环境条件，对调节土壤容重和孔隙度、改善土壤结构、增加土壤保水保肥能力、提高土壤的抗侵蚀性具有积极作用[38]. 然而，快速城市化、矿产资源开发等人类活动，对植被恢复产生消极影响，在研究区部分中心城市及周边地区植被退化明显，表明城市化建设等活动是限制植被恢复的重要因素[39].
4.2 气候变化对NDVI影响通过分析气候因子对NDVI的时滞和累积效应发现，西南喀斯特地区降水和温度对NDVI的影响表现出明显的时滞和累积效应，不同喀斯特地貌分区的响应特征呈现出较明显的空间异质性. 研究区东部地区NDVI对降水的响应以滞后-累积效应为主，在中部地区以滞后效应为主，而在西部地区以累积效应为主；对温度而言，研究区中部及东南部地区NDVI对当月温度变化响应敏感，东部地区对温度累积效应比较敏感，而南部及西部地区则对温度响应有一定滞后效应. 这可能由于研究区多位于季风气候区，海拔从东南到西北呈上升趋势，水热条件优越，绝大部分地区植被生长对当月降水和温度变化不敏感，而西北地区海拔较高，植被以高寒草甸为主，过多降水会抑制植被生长[40]；东北地区植被对当月温度响应敏感，这可能因为该区以灌、草丛为主，适当的增温可以促进植物呼吸和光合活性[41]，因此当月温度变化对这些植被影响较大. 从喀斯特地貌类型来看[28，29]，热带喀斯特地貌区（Ⅰ）（峰丛洼地和峰林平原），水热条件优越，土层瘠薄，植被多以耐旱的灌木为主，植被根系发达，可从深层土壤及岩溶水中得到水分、养分的补充，因而植被对当月降水和温度变化均不敏感. 对非热带喀斯特地貌区（Ⅱ）来说，东部中低山丘陵区、岩溶槽谷区多以栽培植被、草丛为主，土层相对较厚，具有一定的保水功能，植被对降水变化不敏感，而对当月及前1个月的累积温度比较敏感；而中部岩溶峡谷、西部中低山地区，主要分布混交林、针叶林和草地，土层相对较厚，植被类型多样、地形起伏较大，植被对当月降水和温度的响应均不敏感.
4.3 人类活动对NDVI影响人类活动对植被变化的促进和抑制作用并存. 本研究表明，ERPs前后时段，人类活动对西南喀斯特地区植被变化从消极抑制转变为积极促进作用，不同喀斯特地貌分区人类活动对植被恢复的促进作用表现出差异性. 上述结论在相关研究中已得到证实，生态修复工程对遏制石漠化发展[42]、增加植被覆盖率[10]、促进生态用地恢复和提高生态系统服务价值[43]等方面均起到了积极作用. 另外，生态移民项目的实施也有效减少了人口对西南喀斯特地区生态恢复的压力[1，44]，促进喀斯特生态系统恢复. 由此可见，人类活动在短期内对植被变化具有重要影响.
此外，ERPs前后时段，气候变化对NDVI变化的平均贡献率分别为38.19%和20.65%，而人类活动对NDVI变化的平均贡献率分别为61.81%和79.35%，不同喀斯特地貌分区表现出一定差异性，但总体上人类活动是西南喀斯特地区NDVI变化的主要驱动力. 上述结论与Qiao等[45]对西南喀斯特地区ERPs对植被绿化的贡献研究结果基本一致，ERPs前气候变化和人类活动对植被变化的贡献率分别为35%和65%，ERPs后分别为23%和77%；与赖金林等[14]、金凯等[35]和Liu等[46]的研究结果也较为一致；与马炳鑫等[10]对西南地区植被变化的归因研究结果有一定差异，其一是研究区范围的差异，其二是后者研究过程中将气候变化和人类活动的作用区域进行分离，而本研究并未考虑.
4.4 研究的局限性本研究在顾及气候因子的时滞和累积效应的前提下，定量分析了气候变化和人类活动对西南喀斯特地区植被变化的影响，但仍存在一些问题. 首先，本研究在残差分析中仅考虑降水和温度作为影响植被变化的气候因子，并与NDVI建立线性关系，并未考虑其他气候因子对植被变化的影响，这可能对研究结果的准确性有一定影响. 其次，本研究未将气候变化和人类活动的影响区进行区分，这可能会高估人类活动对植被变化的影响. 此外，有研究指出[47~49]，极端气候变化对喀斯特地区植被生长的影响显著，尤其是极端温度的变化对植被产生不对称影响作用. 因此，在后续研究中，将区分气候变化和人类活动影响区，综合考虑多个气候因子，并深入探讨气候因子的平均态与极端气候因子对喀斯特地区植被变化的影响.
5 结论（1）1982~2019年西南喀斯特地区多年NDVI均值总体呈北部和南部高、中部低的空间分布特征. 实施ERPs前NDVI以缓慢下降为主（-0.000 1 a-1），实施ERPs后NDVI呈极显著上升趋势（0.005 4 a-1）. 空间上，NDVI大于0.8的高值区增加明显，NDVI呈增加趋势的面积占比从54%上升到93%，呈减少趋势的区域主要分布在人口密集的城市及周边地区. 不同喀斯特地貌分区NDVI时空变化特征与研究区总体一致，但表现出一定的空间异质性.
（2）降水对NDVI的影响表现出明显的时滞累积效应，其中累积效应以L0A1和L0A3为主，时滞-累积效应以L1A2和L2A1为主；而温度对NDVI的影响主要表现为累积效应、时滞效应以及无时滞-累积效应，其中时滞效应以L1A0和L3A0为主、累积效应以L0A1为主. 不同喀斯特地貌分区降水和温度对NDVI的时滞累积效应具有差异性.
（3）气候变化和人类活动两者协同是NDVI变化的主要原因. ERPs前后，人类活动对NDVI的影响逐渐从抑制作用转向促进作用；气候变化对NDVI变化的平均贡献率从38.19%下降到20.65%，而人类活动对植被变化的平均贡献率从61.81%增加到79.35%. 除湘中-湘南-鄂东中低山丘陵外，ERPs前后其他喀斯特地貌分区人类活动对NDVI变化的贡献率均大于气候变化，但空间上存在一定差异性.
| [1] | Jiang Z C, Lian Y Q, Qin X Q. Rocky desertification in Southwest China: impacts, causes, and restoration[J]. Earth-Science Reviews, 2014, 132: 1-12. DOI:10.1016/j.earscirev.2014.01.005 |
| [2] | Zhao S, Pereira P, Wu X Q, et al. Global karst vegetation regime and its response to climate change and human activities[J]. Ecological Indicators, 2020, 113. DOI:10.1016/j.ecolind.2020.106208 |
| [3] | Tong X W, Brandt M, Yue Y M, et al. Increased vegetation growth and carbon stock in China karst via ecological engineering[J]. Nature Sustainability, 2018, 1: 44-50. DOI:10.1038/s41893-017-0004-x |
| [4] | Tong X W, Wang K L, Yue Y M, et al. Quantifying the effectiveness of ecological restoration projects on long-term vegetation dynamics in the karst regions of Southwest China[J]. International Journal of Applied Earth Observation and Geoinformation, 2017, 54: 105-113. DOI:10.1016/j.jag.2016.09.013 |
| [5] |
吕妍, 张黎, 闫慧敏, 等. 中国西南喀斯特地区植被变化时空特征及其成因[J]. 生态学报, 2018, 38(24): 8774-8786. Lü Y, Zhang L, Yan H M, et al. Spatial and temporal patterns of changing vegetation and the influence of environmental factors in the karst region of Southwest China[J]. Acta Ecologica Sinica, 2018, 38(24): 8774-8786. |
| [6] | Deng C L, Zhang B Q, Cheng L Y, et al. Vegetation dynamics and their effects on surface water-energy balance over the three-north region of China[J]. Agricultural and Forest Meteorology, 2019, 275: 79-90. DOI:10.1016/j.agrformet.2019.05.012 |
| [7] | Piao S L, Wang X H, Park T, et al. Characteristics, drivers and feedbacks of global greening[J]. Nature Reviews Earth & Environment, 2020, 1: 14-27. |
| [8] | Liu Q Y, Peng C H, Schneider R, et al. Vegetation browning: global drivers, impacts, and feedbacks[J]. Trends in Plant Science, 2023, 28(9): 1014-1032. DOI:10.1016/j.tplants.2023.03.024 |
| [9] |
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. |
| [10] |
马炳鑫, 和彩霞, 靖娟利, 等. 1982~2019年中国西南地区植被变化归因研究[J]. 地理学报, 2023, 78(3): 714-728. Ma B X, He C X, Jing J L, et al. Attribution of vegetation dynamics in Southwest China from 1982 to 2019[J]. Acta Geographica Sinica, 2023, 78(3): 714-728. |
| [11] |
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 in vegetation cover and its driving mechanism exploration in Southwest China from 2000 to 2020[J]. Environmental Science, 2023, 44(1): 323-335. |
| [12] |
何宏昌, 马炳鑫, 靖娟利, 等. 近20年西南喀斯特地区植被NPP时空变化及自然因素地理探测[J]. 水土保持研究, 2022, 29(3): 172-178, 188. He H C, Ma B X, Jing J L, et al. Spatiotemporal changes of NPP and natural factors in the southwestern karst areas from 2000 to 2019[J]. Research of Soil and Water Conservation, 2022, 29(3): 172-178, 188. |
| [13] | Ma B X, Jing J L, Liu B, et al. Quantitative assessment of the relative contributions of climate change and human activities to NPP changes in the southwest Karst area of China[J]. Environmental Science and Pollution Research, 2022, 29(53): 80597-80611. DOI:10.1007/s11356-022-21433-1 |
| [14] |
赖金林, 齐实, 廖瑞恩, 等. 2000－2019年西南高山峡谷区植被变化对气候变化和人类活动的响应[J]. 农业工程学报, 2023, 39(14): 155-163. Lai J L, Qi S, Liao R E, et al. Vegetation change responses to climate change and human activities in southwest alpine canyon areas of China from 2000 to 2019[J]. Transactions of the Chinese Society of Agricultural Engineering, 2023, 39(14): 155-163. |
| [15] | Peng J, Jiang H, Liu Q H, et al. Human activity vs. climate change: distinguishing dominant drivers on LAI dynamics in karst region of Southwest China[J]. Science of the Total Environment, 2021, 769. DOI:10.1016/j.scitotenv.2020.144297 |
| [16] | Ge W Y, Deng L Q, Wang F, et al. Quantifying the contributions of human activities and climate change to vegetation net primary productivity dynamics in China from 2001 to 2016[J]. Science of the Total Environment, 2021, 773. DOI:10.1016/j.scitotenv.2021.145648 |
| [17] |
燕丹妮, 武心悦, 王博恒, 等. 1982－2015年黄土高原植被变化特征及归因[J]. 生态学报, 2023, 43(23): 9794-9804. Yan D N, Wu X Y, Wang B H, et al. Characteristics and driving forces of changes in vegetation coverage on the Loess Plateau, 1982-2015[J]. Acta Ecologica Sinica, 2023, 43(23): 9794-9804. |
| [18] | Wen Y Y, Liu X P, Xin Q C, et al. Cumulative effects of climatic factors on terrestrial vegetation growth[J]. Journal of Geophysical Research: Biogeosciences, 2019, 124(4): 789-806. DOI:10.1029/2018JG004751 |
| [19] |
刘宁, 彭守璋, 陈云明. 气候因子对青藏高原植被生长的时间效应[J]. 植物生态学报, 2022, 46(1): 18-26. Liu N, Peng S Z, Chen Y M. Temporal effects of climate factors on vegetation growth on the Qingzang Plateau, China[J]. Chinese Journal of Plant Ecology, 2022, 46(1): 18-26. |
| [20] | Ding Y X, Li Z, Peng S Z. Global analysis of time-lag and -accumulation effects of climate on vegetation growth[J]. International Journal of Applied Earth Observation and Geoinformation, 2020, 92. DOI:10.1016/j.jag.2020.102179 |
| [21] | Ma Y R, Guan Q Y, Sun Y F, et al. Three-dimensional dynamic characteristics of vegetation and its response to climatic factors in the Qilian Mountains[J]. CATENA, 2022, 208. DOI:10.1016/j.catena.2021.105694 |
| [22] | Ma M Y, Wang Q M, Liu R, et al. Effects of climate change and human activities on vegetation coverage change in Northern China considering extreme climate and time-lag and -accumulation effects[J]. Science of the Total Environment, 2023, 860. DOI:10.1016/j.scitotenv.2022.160527 |
| [23] | Guan X B, Shen H F, Li X H, et al. A long-term and comprehensive assessment of the urbanization-induced impacts on vegetation net primary productivity[J]. Science of the Total Environment, 2019, 669: 342-352. DOI:10.1016/j.scitotenv.2019.02.361 |
| [24] | Jiang S S, Chen X, Smettem K, et al. Climate and land use influences on changing spatiotemporal patterns of mountain vegetation cover in Southwest China[J]. Ecological Indicators, 2021, 121. DOI:10.1016/j.ecolind.2020.107193 |
| [25] | Zhang X M, Yue Y M, Tong X W, et al. Eco-engineering controls vegetation trends in Southwest China karst[J]. Science of the Total Environment, 2021, 770. DOI:10.1016/j.scitotenv.2021.145160 |
| [26] | Song W Q, Feng Y H, Wang Z H. Ecological restoration programs dominate vegetation greening in China[J]. Science of the Total Environment, 2022, 848. DOI:10.1016/j.scitotenv.2022.157729 |
| [27] |
茆杨, 蒋勇军, 张彩云, 等. 近20年来西南地区植被净初级生产力时空变化与影响因素及其对生态工程响应[J]. 生态学报, 2022, 42(7): 2878-2890. Mao Y, Jiang Y J, Zhang C Y, et al. Spatio-temporal changes and influencing factors of vegetation net primary productivity in Southwest China in the past 20 years and its response to ecological engineering[J]. Acta Ecologica Sinica, 2022, 42(7): 2878-2890. |
| [28] |
李阳兵, 侯健筠, 谢德体. 中国西南岩溶生态研究进展[J]. 地理学报, 2002, 22(3): 365-370. Li Y B, Hou J J, Xie D T. The recent development of research on karst ecology in Southwest China[J]. Scientia Geographica Sinica, 2002, 22(3): 365-370. |
| [29] |
王世杰, 张信宝, 白晓永. 中国南方喀斯特地貌分区纲要[J]. 山地学报, 2015, 33(6): 641-648. Wang S J, Zhang X B, Bai X Y. An outline of karst geomorphology zoning in the karst areas of Southern China[J]. Mountain Research, 2015, 33(6): 641-648. |
| [30] |
和彩霞. 西南地区NDVI动态变化及其与SPEI的关系研究[D]. 桂林: 桂林理工大学, 2022. He C X. Study on the relationship between dynamic changes of NDVI and SPEI in Southwest China[D]. Guilin: Guilin University of Technology, 2022. |
| [31] |
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. |
| [32] | Ran C, Bai X Y, Tan Q, et al. Threat of soil formation rate to health of karst ecosystem[J]. Science of the Total Environment, 2023, 887. DOI:10.1016/j.scitotenv.2023.163911 |
| [33] |
徐建华. 现代地理学中的数学方法[M]. ((第三版)). 北京: 高等教育出版社, 2017. Xu J H. Mathematical methods in contemporary geography[M]. (3rd ed). Beijing: Higher Education Press, 2017. |
| [34] |
金岩松, 金凯, 王飞, 等. 气候变化和人类活动对东部沿海地区NDVI变化的影响分析[J]. 环境科学, 2023, 44(6): 3329-3342. Jin Y S, Jin K, Wang F, et al. Impacts of climate change and human activities on NDVI change in eastern coastal areas of China[J]. Environmental Science, 2023, 44(6): 3329-3342. |
| [35] |
金凯, 王飞, 韩剑桥, 等. 1982－2015年中国气候变化和人类活动对植被NDVI变化的影响[J]. 地理学报, 2020, 75(5): 961-974. Jin K, Wang F, Han J Q, et al. Contribution of climatic change and human activities to vegetation NDVI change over China during 1982-2015[J]. Acta Geographica Sinica, 2020, 75(5): 961-974. |
| [36] |
冯云飞, 李猛, 李少伟, 等. 2010－2017年藏北高寒退化草地禁牧恢复效果评价[J]. 草业科学, 2019, 36(4): 1148-1162. Feng Y F, Li M, Li S W, et al. Effectiveness of grazing exclusion on the restoration of degraded alpine grasslands on the northern Tibetan Plateau from 2010 to 2017[J]. Pratacultural Science, 2019, 36(4): 1148-1162. |
| [37] | Fan X L, Qu Y, Zhang J, et al. China's vegetation restoration programs accelerated vegetation greening on the Loess Plateau[J]. Agricultural and Forest Meteorology, 2024, 350. DOI:10.1016/j.agrformet.2024.109994 |
| [38] |
袁成军, 熊康宁, 容丽, 等. 喀斯特石漠化生态恢复中的生物多样性研究进展[J]. 地球与环境, 2021, 49(3): 336-345. Yuan C J, Xiong K N, Rong L, et al. Research progress on the biodiversity during the ecological restoration of karst rocky desertification[J]. Earth and Environment, 2021, 49(3): 336-345. |
| [39] | Luo Y, Sun W Z, Yang K, et al. China urbanization process induced vegetation degradation and improvement in recent 20 years[J]. Cities, 2021, 114. DOI:10.1016/j.cities.2021.103207 |
| [40] | Qi X Z, Jia J H, Liu H Y, et al. Relative importance of climate change and human activities for vegetation changes on China's silk road economic belt over multiple timescales[J]. CATENA, 2019, 180: 224-237. DOI:10.1016/j.catena.2019.04.027 |
| [41] |
焦珂伟, 高江波, 吴绍洪, 等. 植被活动对气候变化的响应过程研究进展[J]. 生态学报, 2018, 38(6): 2229-2238. Jiao K W, Gao J B, Wu S H, et al. Research progress on the response processes of vegetation activity to climate change[J]. Acta Ecologica Sinica, 2018, 38(6): 2229-2238. |
| [42] |
龙明康, 白晓永, 李姿霖, 等. 中国西南喀斯特石漠化治理对生物多样性的影响[J]. 地理学报, 2024, 79(1): 97-113. Long M K, Bai X Y, Li Z L, et al. Positive contribution and negative impact of karst rocky desertification control on biodiversity in Southwest China[J]. Acta Geographica Sinica, 2024, 79(1): 97-113. |
| [43] | Zhang Y Q, Zhao X, Gong J, et al. Effectiveness and driving mechanism of ecological restoration efforts in China from 2009 to 2019[J]. Science of the Total Environment, 2024, 910. DOI:10.1016/j.scitotenv.2023.168676 |
| [44] | Chen C, Park T, Wang X H, et al. China and India lead in greening of the world through land-use management[J]. Nature Sustainability, 2019, 2(2): 122-129. DOI:10.1038/s41893-019-0220-7 |
| [45] | Qiao Y N, Jiang Y J, Zhang C Y. Contribution of karst ecological restoration engineering to vegetation greening in Southwest China during recent decade[J]. Ecological Indicators, 2021, 121. DOI:10.1016/j.ecolind.2020.107081 |
| [46] | Liu Y, Liu H H, Chen Y, et al. Quantifying the contributions of climate change and human activities to vegetation dynamic in China based on multiple indices[J]. Science of the Total Environment, 2022, 838. DOI:10.1016/j.scitotenv.2022.156553 |
| [47] | Tang T, Lee X, Zhang K E. Historical land use and land cover change reduced the temperature of cold extremes more than that of hot extremes[J]. The Innovation Geoscience, 2024, 2(3). DOI:10.59717/j.xinn-geo.2024.100079 |
| [48] |
靖娟利, 赵婷, 王永锋, 等. 西南喀斯特核心分布区植被对极端气候的响应[J]. 中国环境科学, 2024, 44(6): 3353-3364. Jing J L, Zhao T, Wang Y F, et al. Response of vegetation to extreme climate in the karst core areas of Southwest China[J]. China Environmental Science, 2024, 44(6): 3353-3364. DOI:10.3969/j.issn.1000-6923.2024.06.041 |
| [49] | Piao Z G, Li X Y, Xu H, et al. Threshold of climate extremes that impact vegetation productivity over the Tibetan Plateau[J]. Science China Earth Sciences, 2024, 67(6): 1967-1977. DOI:10.1007/s11430-023-1262-y |