气候变化和人类活动对中国北方旱区植被变绿的定量贡献

Quantifying the contributions of climate change and human activities to vegetation greening in the drylands of northern China

生态学报. 2023, 43(17): 7274-7283

Acta Ecologica Sinica. 2023, 43(17): 7274-7283

http://dx.doi.org/10.20103/j.stxb.202209072560

1. 长安大学地球科学与资源学院, 西安 710054;
2. 中国科学院生态环境研究中心 城市与区域生态国家重点实验室, 北京 100085 ;
3. 长安大学土地工程学院, 西安 710054 ;
4. 陕西省土地整治重点实验室, 西安 710054 收稿日期: 2022-09-07; 网络出版日期: 2022-12-22 摘要 : 气候变化和大规模的生态恢复使中国北方旱区植被发生了显著变化，量化气候变化和人类活动对植被动态的相对贡献，对于旱区生态系统管理和应对未来气候变化具有重要意义。目前，中国北方旱区植被变化影响因素的时间动态（2000年大规模生态恢复工程实施前后）和空间异质性（沿干旱梯度）仍需进一步的定量研究。基于多源数据，采用趋势分析、偏相关分析和随机森林模型等方法，分析了1981-2018年中国北方旱区气候和植被的时空变化规律，量化了2000年前后气候变化和人类活动对植被动态的相对贡献并分析其在干旱梯度上的空间差异性。结果表明：（1）1981-2018年期间，中国北方旱区的叶面积指数（LAI）平均增加速率为（0.0037±0.0443）a ^-1 ，且增加速率沿干旱梯度增大。2000年前仅10.46%（ P < 0.05）的地区显著变绿，而2000年后达到36.84%，且植被变绿主要归因于非树木植被。（2）2000年后降水对植被变绿的正效应在不同干旱梯度均增加，而在半干旱区和亚湿润干旱区，温度对植被变绿由正向促进转为负向抑制，而辐射在干旱区由负效应转向正效应。（3）2000年前后，气候变化均主导着植被的动态，贡献率分别为96.07%和73.72%，人类活动的贡献在2000年后进一步增强（从3.93%增加到26.28%），且沿着干旱梯度而增加，其中人类活动对植被变绿的贡献在半干旱地区增加最显著（+0.0289 m ² m ^-2 a ^-1 ， P < 0.05）。研究结果可为未来气候变化下中国北方旱区的植被恢复和可持续发展提供科学依据。 Quantifying the contributions of climate change and human activities to vegetation greening in the drylands of northern China 1. School of Earth Science and Resources, Chang'an University, Xi'an 710054, China;
2. State Key Laboratory of Urban and Regional Ecology, Research Center for Eco-Environmental Sciences, Chinese Academy of Sciences, Beijing 100085, China ;
3. School of Land Engineering, Chang'an University, Xi'an 710054, China ;
4. The Key Laboratory of Shaanxi Land Consolidation, Xi'an 710054, China Abstract : Climate change and large-scale ecological restoration have led to significant changes of vegetation in the drylands of northern China, and quantifying the relative contributions of climate change and anthropogenic activities to vegetation dynamics is essential to ecosystem management and coping with future climate change in dryland ecology. The temporal dynamics (before and after the implementation of large-scale ecological restoration projects in 2000) and spatial heterogeneity (along the aridity gradient) of the impact factors of vegetation change in the drylands of northern China still need further quantitative studies. Based on multi-source data, our study analyzed the spatial and temporal patterns of climate and vegetation changes in the drylands of northern China from 1981 to 2018 by using trend analysis, partial correlation analysis and random forest model. We then quantified the relative contributions of climate change and human activities to vegetation dynamics before and after 2000 and their spatial heterogeneity along the aridity gradient. The results indicated that: (1) the average leaf area index (LAI) increase rate in the drylands of northern China was (0.0037±0.0443) a ^-1 during 1981-2018, and increased along the aridity gradient. Temporally, only 10.46% of the area was experienced a significant vegetation greening trend before 2000, while 36.84% ( P < 0.05) after 2000 in the drylands, and vegetation greening was mainly attributed to non-tree vegetation. (2) The positive effect of precipitation on vegetation greening increased in all aridity gradients after 2000, while temperature shifted from positive promotion to negative inhibition in semi-arid and dry sub-humid areas, and radiation shifted from negative to positive effect in arid areas. (3) Climate change dominated vegetation dynamics both before 2000 and after 2000, with contributions of 96.07% and 73.72%, respectively. The contribution of human activities further increased after 2000 (from 3.93% to 26.28%) and strengthened along the aridity gradient, the most significant increase of human-induced LAI trend was found in the semi-arid area (+0.02887 m ² m ^-2 a ^-1 , P < 0.05). These results can provide scientific references for the restoration and sustainable development of the drylands of northern China in response to future climate change.

旱区生态环境脆弱, 荒漠化风险高, 是最易受气候变化影响的地区之一, 植被恢复是旱区生态建设的重要措施 ^{[ 1 ]} 。1978年以来, 我国实施了一系列的生态恢复工程, 主要包括“三北风沙防护林工程”“天然林保护工程”、“退耕还林工程”和“京津冀风沙源治理工程”等 ^{[ 2 ]} , 尤其是2000年后大规模的植被恢复计划的实施, 人类活动对旱区植被的干预得到显著增强。生态恢复工程的实施成效显著, 但不合理的土地利用和盲目造林等人类活动, 可能会造成植被退化, 而过度植被建设也会加剧区域的水资源短缺, 进而抑制植被生长 ^{[ 3 — 5 ]} 。另一方面, 气候的变异性日益增强, 使得植被动态对于气候变化和人类活动的响应具有滞后性和复杂性 ^{[ 6 — 7 ]} 。因此, 定量分析气候变化和人类活动对长时间尺度植被动态的贡献, 对于评估中国北方旱区的生态恢复效益和应对未来气候变化具有重要意义。

目前植被变化的归因分析方法主要包括残差分析、生物物理模型和区域气候模型等 ^{[ 8 — 11 ]} 。由于气候和人为因素对植被变化影响的复杂机制, 残差分析利用简单线性的方法无法准确描述气候和人类活动综合影响下的植被动态 ^{[ 12 ]} 。另一方面, 由于模型参数计算的复杂性, 增加了模型的不确定性。机器学习方法广泛应用于描述气候和人类共同干预的植被变化, 为定量评估长时间序列的植被动态对气候和人类活动的响应提供了新的工具 ^{[ 10 , 13 ]} 。Qu等基于多元回归分析方法研究发现, 在全国范围内, 归一化植被指数(NDVI)的增加主要归因于气候因素, 特别是气温, 而造林解释了NDVI变化的25.5% ^{[ 14 ]} 。Piao等采用五种基于过程的生态系统模型对中国植被变绿的归因分析表明, 在1982—2009年期间, 中国造林对于植被变化的解释度有限, 植被变绿主要受到气候变化的影响 ^{[ 8 ]} 。Chen等基于机器学习方法研究表明在2001—2018年期间, 气候因素主导了中国北方干旱地区叶面积指数(LAI)和植被总初级生产力(GPP)的增加, 贡献度为62.6%—66.5% ^{[ 13 ]} 。总体上, 之前研究缺少生态恢复工程前后气候变化和人类活动对中国北方旱区植被变化贡献的对比分析, 特别是气候变化和人类活动的贡献沿干旱梯度的空间异质性分析存在不足。

为此, 本研究分析了中国北方旱区1981—2018年期间气候和植被的时空变化趋势, 基于偏相关分析探究气候因子对植被变化的影响, 采用随机森林模型计算了2000年前后(即大规模生态恢复实施前后)气候变化和人类活动对植被变化的相对贡献, 并分析了其在干旱梯度上的时空变异规律。

1 研究区概况与数据来源 1.1 研究区概况

中国北方旱区(30.12°—50.73°N, 73.57°—127.06°E)的面积约为546.9万平方公里, 生态环境脆弱, 降水量稀少而潜在蒸散发大, 多年平均降水量和潜在蒸散发分别为304.0 mm和814.9 mm, 主要为温带季风和温带大陆性气候条件( 图 1 ) ^{[ 1 ]} 。根据干旱指数(AI), 中国北方旱区(AI < 0.65)可分为四个干旱梯度(Ⅰ—Ⅳ)：(Ι)极端干旱(AI < 0.05), (Π)干旱(0.05 < AI < 0.2), (Ш)半干旱(0.2 < AI < 0.5)和(Ⅳ)亚湿润干旱(0.5 < AI < 0.65)地区。中国北方旱区生态恢复工程的实施面积约为271.2万平方公里, 占整个区域的49.58%。该区域主要分布着草、灌等稀疏植被, 多年平均LAI为0.4422 m ² /m ² , 主要的土地利用类型(2018年)为：草地(38.57%)、农田(18.85%)、稀疏植被(4.61%)、森林(2.94%)、城市(0.97%)、灌木(0.35%)、裸地(31.51%), 水体(2.20%)等。根据植被变化是否受到人类活动干扰, 将研究区分为“基本自然区”和“人类活动干扰区”, 作为进一步分离气候变化和人类活动对于植被变绿相对贡献的基础( 图 1 )。

1.2 数据来源 1.2.1 植被、土地利用和生态恢复面积数据

本研究使用全球陆表特征参量LAI数据集来监测中国北方旱区的植被动态( http://www.geodata.cn/index.html )。该数据集的时间分辨率为8天, 时间跨度从1981年到2018年 ^{[ 2 ]} 。1981年至1999年的LAI产品基于高分辨率传感器(AVHARR)开发, 空间分辨率为0.05° ^{[ 15 ]} 。自2000年起, LAI采用中分辨率成像光谱仪(MODIS)数据, 分辨率为1 km ^{[ 16 ]} 。考虑到植被的生长过程, 本研究只关注生长季的LAI变化(4—10月)。

植被覆盖率采用植被连续场(VCF)数据来表示, 包括树木和非树木植被的覆盖率(%)( https://lpdaac.usgs.gov/products/vcf5kyrv001/ )。树木植被覆盖率是指树木冠层垂直投影覆盖的地面比例, 非树木植被覆盖率表示除树木以外的植被(包括灌木和草本植被)覆盖的地面比例。该数据时间覆盖范围为1982年至2016年 ^{[ 17 ]} , 分辨率为500 m, 由于1994和2000年没有VCF数据, 这两年的数据由各自相邻年份的平均值插补。经过验证, 数据准确性超过90% ^{[ 18 ]} 。此外, 采用欧洲航天局全球基础气候变化倡议的土地利用数据(ESA-CCI), 该数据时间从1992到2018年, 分辨率为300 m( http://maps.elie.ucl.ac.be/CCI/viewer/download )。植被恢复面积数据来自《中国林业和草原统计年鉴》, 根据逐年的统计数据(2001—2018), 计算出2000年后每个县的累计植被恢复面积比例(人为植被恢复面积/总面积)来表示县域尺度上植被恢复的空间分布。

1.2.2 气候数据

研究区1981—2018年的月降水量(Pre)、近地表气温(Temp)和太阳辐射(Srad)等气候数据来自国家青藏高原数据中心的中国气象强迫数据集(CMFD)( https://data.tpdc.ac.cn/zh-hans/data/ )。该数据集是基于再分析数据、全球陆地数据同化系统(GLDAS)GLDAS数据、地表辐射收支(GEWEX-SRB)辐射数据、热带测雨任务卫星(TRMM)降水和中国境内830个气象站数据制作的, 是一个高分辨率的气象强迫数据集, 时间分辨率为3小时, 空间分辨率为0.1° ^{[ 19 — 20 ]} 。

2 研究方法 2.1 趋势和相关性分析

Theil-slope趋势和Mann-Kendall(MK)检验是研究时间序列变化趋势的非参数统计方法, 用于确定气候和植被因子的变化趋势。采用偏相关分析研究植被动态(LAI)与不同气候因子(Pre、Temp和Srad)之间的关系, 并进行了显著性检验( P < 0.05)。通过对比2000年前后各个变量的偏相关系数分析各气候因子对植被动态的相对正负效应及其变化。

2.2 随机森林模型分离气候和人类活动的贡献度

采用随机森林模型量化气候因素和人类活动对植被变化的各自贡献。首先, 将中国北方旱区分为两部分, 即“基本自然区”和“人类活动干扰区”( 图 1 )。前者的植被变化主要由气候驱动, 后者受到气候和人类活动的共同影响。人类活动影响的区域包括植被恢复、城市用地和耕地所占区域。综合县域尺度上植被恢复的面积比例和土地利用数据获得人类活动干扰区域的空间范围, 其余地区为基本自然区。其次, 计算“基本自然区”和“人类活动干扰区”Pre、Temp、Srad的年均值及其年际Theil-Sen斜率趋势、多年的LAI平均值等7个预测因子。在“基本自然区”中训练随机森林模型, 分阶段(1981—2000年和2000—2018年)建立LAI年际变化趋势(目标变量)和7个预测因子(预测变量)的关系模型。最后, 将训练模型应用到整个区域, 获得整个区域气候变化对于LAI变化趋势的相对贡献, 用实际的LAI变化趋势减去用气候因子预测的LAI变化趋势, 即获得人类活动的相对贡献。

3 结果分析 3.1 气候和植被变化的时空分异特征

1981—2018年期间, 降水和气温均表现为增加趋势, 太阳辐射增长趋缓( 图 2 )。降水在Ⅲ区增加最为显著, 而在Ⅳ区基本不变；气温在Ⅰ和Ⅱ区持续增加, 在Ⅲ和Ⅳ区2000年后增速趋缓；而太阳辐射在Ⅰ和Ⅱ区为先减后增(2000年前后), 在Ⅲ和Ⅳ区持续下降。如 图 2 所示, 1981—2018年期间, 整个区域生长季LAI呈现上升趋势((0.0037±0.0443)a ^-1 , P < 0.05), 且沿着干旱梯度呈现增加趋势, 其中亚湿润干旱区增加最为显著((0.0069±0.0045)a ^-1 , P < 0.05), 其次是半干旱区((0.0039±0.0034)a ^-1 , P < 0.05)。从时间变化来看, 2000年后旱区植被变绿趋势明显加强, 2000年前后LAI的增长速率分别为(0.0025±0.0248)a ^-1 和(0.0038±0.0254)a ^-1 。2000年以前只有10.46%( P < 0.05)的区域出现了显著的植被变绿, 而2000年以后有36.84% 区域显著变绿, 且在不同干旱梯度均表现为持续增加(Ⅲ>Ⅱ>Ⅳ>Ⅰ)。

Fig. 2 Interannual trend of precipitation, temperature, solar radiation and LAI during 1981—2018 along aridity gradients LAI：叶面积指数；Ⅰ：极端干旱, Π：干旱, Ш：半干旱, Ⅳ：亚湿润干旱分区

从空间上看, 中国北方旱区的降水均呈增长趋势(+1.5576 mm a ^-1 , P < 0.05), 西北地区的增长速率比东部地区更明显, 尤其是青藏高原地区( 图 3 )。温度经历了明显的增长(+0.8281 ℃ a ^-1 , P < 0.01), 但西部地区呈现下降趋势, 而太阳辐射在旱区的大多数地区都在减少(-0.0629 W m ^-2 a ^-1 , P < 0.05), 仅在新疆地区增加。基于卫星的LAI和VCF数据共同表明, 植被变化存在显著的梯度差异。半干旱和亚湿润干旱区(Ⅲ和Ⅳ)的植被增长最显著, 这主要归因于非树木植被的恢复。植被退化出现在新疆, 内蒙古东部和青藏高原部分地区, 主要是非树木植被发生了退化( 图 3 )。植被变绿主要归因于非树木植被的生长, 森林面积虽在增加(树木覆盖率：+2.94%), 但仅在半干旱地区显著。

3.2 气候因子和植被变化的相关性

偏相关分析表明, 降水和温度在植被变化中发挥了积极作用, 特别是在半干旱和亚湿润干旱地区(Ⅲ和Ⅳ)。1981—2018年期间, 降水与LAI在62.44%的地区表现为正相关(9.01%, P < 0.05), 在37.56%的区域表现为负相关(1.69%, P < 0.05)。温度与LAI在62.90%的区域(18.96%, P < 0.05)表现为正相关, 在37.10%的区域表现为负相关(4.10%, P < 0.05)。相反, 太阳辐射在大部分地区对植被生长有抑制作用, 在54.96%的区域与LAI之间表现为显著的负相关关系(7.43%, P < 0.05)。

对比两个阶段气候因子与LAI的偏相关系数( 图 4 ), 各个气候因子对植被生长的影响在干旱梯度上的时空变化显著。相比1981—2000年, 在2000—2018年期间, 降水和辐射对植被变绿的正效应加强, 主要表现为在区域尺度上正偏相关系数分别增加了0.0367和0.0164, 显著相关的面积比例分别增加了5.26%和3.35%, 尤其是在相对湿润的区域(Ⅲ和Ⅳ), 其中半干旱区降水和植被的偏相关系数增加最显著(2000年后：+0.0472)。气温对植被生长的负效应在2000年后加强(偏相关系数变化：-0.0439), 负相关区域面积增加5.91%, 其中半干旱区最显著, 其次是亚湿润干旱区。2000年后, 气温对于LAI在半干旱区和亚湿润区的正向促进作用转为负向抑制, 太阳辐射在干旱区表现为由负效应转为正效应(+0.0363)。上述结果表明在2000年大规模的植被恢复后, 气候变化和人类活动对于植被的影响过程发生了显著变化, 且存在显著的梯度差异, 尤其是相对湿润和植被恢复明显地区(Ⅲ和Ⅳ区)。

Fig. 4 Spatial distribution of partial correlation coefficients between climate and vegetation in different periods during 1981—2000 and 2000—2018 图中黑点表示相关性在0.05水平上显著, 蓝色代表正偏相关面积百分比, 红色代表负偏相关面积百分比; Pre：降水；Temp：气温；Srad：太阳辐射；LAI：叶面积指数 3.3 气候变化和人类活动对植被变化趋势的相对贡献

通过对比基本自然区LAI实际趋势和随机森林模型模拟的LAI变化趋势, 随机森林模型的训练精度较高( R ² =0.64)。由 图 5 可知, 2000年前后, 气候变化均主导植被变化, 贡献率分别为96.07%和73.72%。气候和人类活动对于LAI变化的相对贡献存在梯度差异。在1981—2018年, 气候变化驱动的LAI变化趋势均为正, 且在不同干旱梯度表现为：Ⅲ>Ⅱ>Ⅳ>Ⅰ；而人类活动驱动的LAI变化趋势梯度差异显著, 尤其是干旱区和半干旱区主要为负效应, 分别为-0.0048 a ^-1 (Ⅱ区)和-0.0011 a ^-1 (Ⅲ区)。在1981—2000年期间, 气候变化在各个干旱梯度均表现为正效应, 人类活动仅在亚湿润干旱区(Ⅳ区)为显著正效应, 其余均为负效应。在2000—2018期间, 各个干旱梯度气候变化和人类活动均表现为正效应, 且均沿着干旱梯度而加强。如 图 5 所示, 人类活动在不同阶段对不同植被类型的影响也存在梯度差异, 2000年前, 人类活动对于LAI正效应主要分布在亚湿润干旱区, 主要植被类型为农田；2000年后半干旱区正效应显著增加, 主要类型为森林和草地, 而人类活动的负效应分布在东南地区, 主要植被类型是农田, 新疆和青藏高原等也出现了人类活动导致的植被退化。

通过对比植被恢复前后各个干旱梯度气候和人类活动驱动的LAI变化趋势的相对贡献可知, 区域尺度人类活动的贡献度在2000年后增加了22.35%。因此, 人类活动对植被生长的积极作用得到了显著加强, 且沿着干旱梯度呈现为增加趋势( 图 6 )。尽管在2000年以前, 人类活动引起半干旱区的LAI趋势的负贡献最大, 而在2000后, Ⅲ区的人类活动驱动LAI的增加趋势(+0.0289 a ^-1 )比其他任何分区都要显著, 2000年后人类贡献度增加至27.73%, 这与植被恢复在半干旱区的空间分布具有一致性。大规模的植被恢复工程的实施, 加速了Ⅲ区的变绿, 这进一步解释了该梯度中降水与LAI的正偏相关在2000年后明显增加。对于亚湿润干旱区(Ⅳ区), 气候变化驱动的LAI变化趋势的增幅最大, 在2000—2018年期间增加了+0.0036 a ^-1 。结果表明, 气候和人类活动在干旱梯度上的相对贡献存在明显差异, 人类活动贡献的空间模式与植被恢复区域一致, 特别是在半干旱和亚湿润干旱区(Ⅲ和Ⅳ)。

由于气候变化和生态恢复的共同作用, 中国北方旱区的植被变绿趋势在2000年后明显增加, 多个生态恢复计划的实施和植被的持续增长促进了这一趋势 ^{[ 2 , 21 — 22 ]} 。然而, 新疆西北部和蒙古东部的植被出现退化, 这与以前的研究一致 ^{[ 2 ]} 。气候变化对植被的影响具有空间异质性, 降水增加是干旱和半干旱地区植被生长的主要促进因素。此外, 植被的增加对于降水的反馈会抵消蒸发消耗, 从而增加降水 ^{[ 23 ]} 。半干旱区水分来源还包括冰川和灌溉等, 进一步促进了植被生长, 如新疆和内蒙地区 ^{[ 24 ]} 。太阳辐射的下降有利于半干旱地区的植被生长。然而, 气温对这些地区的植被生长表现出抑制作用, 这种差异性可能是由于水分是干旱半干旱区植被生长的主要限制因素。气温升高导致地表蒸发增加, 加剧了旱区植被的干旱胁迫, 进而抑制植被生长 ^{[ 1 ]} 。另一方面, 植被过量增加会消耗水分, 进一步加剧区域水资源短缺, 例如黄土高原已经接近水资源承载阈值, 这种发展是不可持续的 ^{[ 4 , 25 ]} 。在未来的气候下, 中国北方旱区将获得更多的降水, 但随之而来的是更加频繁的暴雨和极端干旱 ^{[ 26 ]} , 这给旱区植被变绿的可持续性带来极大的挑战。

人类活动促进了植被变绿, 虽然整个地区都进行了大规模的造林运动, 但植被变绿主要归因于非树木植被的恢复, 而非森林, 这与已有研究一致 ^{[ 13 ]} 。人类活动的正效应在2000年后显著增加, 大规模的生态恢复政策显著促进了中国北方旱区的植被变绿 ^{[ 2 ]} 。除生态恢复工程外, 人类活动的空间异质性还表现为土地利用管理方式的差异, 如耕地扩张, 畜牧业发展等 ^{[ 27 ]} 。位于干旱区的新疆虽然降水增加, 但2000年后植被退化可能是由于农田扩张, 灌溉耗水增加, 加剧水资源短缺, 进而抑制了植被生长 ^{[ 28 — 30 ]} 。内蒙古东部地区的植被退化主要是受到气候影响, 但人类活动的破坏作用加剧了这一趋势, 青藏高原的植被也呈现减少趋势, 可能是由于过度放牧带来草地的退化 ^{[ 31 — 32 ]} 。

本研究所采用的机器学习方法, 基于制定的规则在训练区域建立预测变量和目标变量关系, 进一步推广到整个研究区, 在描述区域尺度上气候-人类-植被之间的复杂关系方面已得到了广泛应用 ^{[ 13 ]} 。气候变化和人类活动相对贡献的分离结果表明, 气候因素主导了中国干旱地区LAI的增加, 这与已有的研究基于LAI、净初级生产力(NPP)和总初级生产力(GPP)对气候和人类活动的贡献度分离结果一致 ^{[ 8 , 13 ]} 。由于2000年前后气候变化模式和人类活动强度的不同, 本文进一步分阶段对比各自的相对贡献, 定量评估了长时间序列生态恢复工程前后人类活动贡献的变化。在旱区生态系统中, 气候变化和人类活动对植被变化的影响存在复杂的反馈机制和滞后效应, 这给本研究中植被变化归因分析带来一定的不确定性。此外, 中国北方干旱区气象站点分布有限, 这是造成气候数据(尤其是降水)不确定性的重要来源, 植被稀疏地区数据精度差, 因此需要长时间地面实测数据来进一步提高随机森林模型的模拟预测精度, 从而为应对未来气候变化下的植被恢复提供理论依据和参考。

本文分析了1981—2018年期间中国北方旱区气候和植被的时空变化规律, 采用随机森林模型量化气候变化和人类活动对植被动态的相对贡献并分析其在干旱梯度上的空间差异性, 主要结论如下：

(1) 1981—2018年中国北方旱区的植被变绿显著(LAI：(0.0037±0.0443)a ^-1 , P < 0.05), 空间上沿干旱梯度增加而加强, 尤其是干旱和亚湿润干旱区。2000年前仅10.46%( P < 0.05)的地区显著变绿, 而2000年后达到36.84%, 且植被变绿主要归因于非树木植被。

(2) 相较于1981—2000年, 2000年后降水对植被变绿的正效应在不同干旱梯度均增加, 温度和辐射表现为负效应。在半干旱区和亚湿润区, 降水对LAI正效应增加, 温度由正向促进转为负向抑制, 而辐射在干旱区表现为由负效应转为正效应。

(3) 2000年前后, 气候均主导着植被的变化, 但2000年以后, 人类活动的贡献从3.93%增加到26.28%, 且沿着干旱梯度而加强, 其中半干旱地区的人类活动对植被变绿贡献的增加最显著。

Li C, Fu B J, Wang S, Stringer L C, Wang Y P, Li Z D, Liu Y X, Zhou W X. Drivers and impacts of changes in China's drylands. Nature Reviews Earth & Environment, 2021, 2(12): 858-873. Hu Y G, Li H, Wu D, Chen W, Zhao X, Hou M L, Li A J, Zhu Y J. LAI-indicated vegetation dynamic in ecologically fragile region: a case study in the Three-North Shelter Forest program region of China. Ecological Indicators, 2021, 120: 106932. DOI:10.1016/j.ecolind.2020.106932 Deng Y H, Wang S J, Bai X Y, Luo G J, Wu L H, Chen F, Wang J F, Li C J, Yang Y J, Hu Z Y, Tian S Q, Lu Q. Vegetation greening intensified soil drying in some semi-arid and arid areas of the world. Agricultural and Forest Meteorology, 2020, 292/293: 108103. DOI:10.1016/j.agrformet.2020.108103 Feng X M, Fu B J, Piao S L, Wang S, Ciais P, Zeng Z Z, Lü Y H, Zeng Y, Li Y, Jiang X H, Wu B F. Revegetation in China's Loess Plateau is approaching sustainable water resource limits. Nature Climate Change, 2016, 6(11): 1019-1022. DOI:10.1038/nclimate3092 朱教君, 郑晓. 关于三北防护林体系建设的思考与展望——基于40年建设综合评估结果. 生态学杂志, 2019, 38(5): 1600-1610. DOI:10.13292/j.1000-4890.201905.038 从靖, 赵天保, 马玉霞. 中国北方干旱半干旱区降水的多年代际变化特征及其与太平洋年代际振荡的关系. 气候与环境研究, 2017, 22(6): 643-657. 胡子瑛, 周俊菊, 张利利, 魏伟, 曹建军. 中国北方气候干湿变化及干旱演变特征. 生态学报, 2018, 38(6): 1908-1919. Piao S L, Yin G D, Tan J G, Cheng L, Huang M T, Li Y, Liu R G, Mao J F, Myneni R B, Peng S S, Poulter B, Shi X Y, Xiao Z Q, Zeng N, Zeng Z Z, Wang Y P. Detection and attribution of vegetation greening trend in China over the last 30 years. Global Change Biology, 2015, 21(4): 1601-1609. DOI:10.1111/gcb.12795 Ge W Y, Deng L Q, Wang F, Han J Q. Quantifying the contributions of human activities and climate change to vegetation net primary productivity dynamics in China from 2001 to 2016. The Science of the Total Environment, 2021, 773: 145648. DOI:10.1016/j.scitotenv.2021.145648 Huang S Z, Zheng X D, Ma L, Wang H, Huang Q, Leng G Y, Meng E H, Guo Y. Quantitative contribution of climate change and human activities to vegetation cover variations based on GA-SVM model. Journal of Hydrology, 2020, 584: 124687. DOI:10.1016/j.jhydrol.2020.124687 耿庆玲, 陈晓青, 赫晓慧, 田智慧. 中国不同植被类型归一化植被指数对气候变化和人类活动的响应. 生态学报, 2022, 42(9): 3557-3568. Chen T, Tang G P, Yuan Y, Guo H, Xu Z W, Jiang G, Chen X H. Unraveling the relative impacts of climate change and human activities on grassland productivity in Central Asia over last three decades. The Science of the Total Environment, 2020, 743: 140649. DOI:10.1016/j.scitotenv.2020.140649 Chen Y Z, Feng X M, Tian H Q, Wu X T, Gao Z, Feng Y, Piao S L, Lv N, Pan N Q, Fu B J. Accelerated increase in vegetation carbon sequestration in China after 2010: a turning point resulting from climate and human interaction. Global Change Biology, 2021, 27(22): 5848-5864. DOI:10.1111/gcb.15854 Xiao J F, Zhou Y, Zhang L. Contributions of natural and human factors to increases in vegetation productivity in China. Ecosphere, 2015, 6(11): art233. DOI:10.1890/ES14-00394.1 Xiao Z Q, Liang S L, Wang J D, Chen P, Yin X J, Zhang L Q, Song J L. Use of general regression neural networks for generating the GLASS leaf area index product from time-series MODIS surface reflectance. IEEE Transactions on Geoscience and Remote Sensing, 2014, 52(1): 209-223. DOI:10.1109/TGRS.2013.2237780 Xiao Z Q, Liang S L, Wang J D, Xiang Y, Zhao X, Song J L. Long-time-series global land surface satellite leaf area index product derived from MODIS and AVHRR surface reflectance. IEEE Transactions on Geoscience and Remote Sensing, 2016, 54(9): 5301-5318. DOI:10.1109/TGRS.2016.2560522 An R, Zhang L, Wang Z, Quaye-Ballard J A, You J J, Shen X J, Gao W, Huang L J, Zhao Y H, Ke Z Y. Validation of the ESA CCI soil moisture product in China. International Journal of Applied Earth Observation and Geoinformation, 2016, 48: 28-36. DOI:10.1016/j.jag.2015.09.009 Zhou C W, Fu B J, Wang X F, Yin L C, Feng X M. The regional impact of ecological restoration in the arid steppe on dust reduction over the metropolitan area in northeastern China. Environmental Science & Technology, 2020, 54(13): 7775-7786. Yang K, He J. China meteorological forcing dataset (1979-2018). National Tibetan Plateau Data Center, 2019. He J, Yang K, Tang W J, Lu H, Qin J, Chen Y Y, Li X. The first high-resolution meteorological forcing dataset for land process studies over China. Scientific Data, 2020, 7(1): 25. DOI:10.1038/s41597-020-0369-y Wu D D, Xie X H, Tong J X, Meng S S, Wang Y B. Sensitivity of vegetation growth to precipitation in a typical afforestation area in the loess plateau: plant-water coupled modelling. Ecological Modelling, 2020, 430: 109128. DOI:10.1016/j.ecolmodel.2020.109128 Meng S S, Xie X H, Zhu B W, Wang Y B. The relative contribution of vegetation greening to the hydrological cycle in the Three-North region of China: a modelling analysis. Journal of Hydrology, 2020, 591: 125689. D'Odorico P, Caylor K, Okin G S, Scanlon T M. On soil moisture-vegetation feedbacks and their possible effects on the dynamics of dryland ecosystems. Journal of Geophysical Research: Biogeosciences, 2007, 112(G4): 4010. Deng X P, Shan L, Zhang H P, Turner N C. Improving agricultural water use efficiency in arid and semiarid areas of China. Agricultural Water Management, 2006, 80(1/2/3): 23-40. Cao S X, Chen L, Shankman D, Shankman D, Wang C M, Wang X B, Zhang H. Excessive reliance on afforestation in China's arid and semi-arid regions: lessons in ecological restoration. Earth-Science Reviews, 2011, 104(4): 240-245. Liu M, Shen Y J, Qi Y Q, Wang Y F, Geng X X. Changes in precipitation and drought extremes over the past half century in China. Atmosphere, 2019, 10(4): 203. Chen C, Park T, Wang X H, Piao S L, Xu B D, Chaturvedi R K, Fuchs R, Brovkin V, Ciais P, Fensholt R, Tømmervik H, Bala G, Zhu Z, Nemani R R, Myneni R B. China and India lead in greening of the world through land-use management. Nature Sustainability, 2019, 2(2): 122-129. Zhang K, Xie X H, Zhu B W, Meng S S, Yao Y. Unexpected groundwater recovery with decreasing agricultural irrigation in the Yellow River Basin. Agricultural Water Management, 2019, 213: 858-867. Chen Y Z, Feng X M, Fu B J, Shi W Y, Yin L C, Lv Y H. Recent global cropland water consumption constrained by observations. Water Resources Research, 2019, 55(5): 3708-3738. Maina F Z, Kumar S V, Albergel C, Mahanama S P. Warming, increase in precipitation, and irrigation enhance greening in High Mountain Asia. Communications Earth & Environment, 2022, 3(1): 43. Teng M J, Zeng L X, Hu W J, Wang P C, Yan Z G, He W, Zhang Y, Huang Z L, Xiao W F. The impacts of climate changes and human activities on net primary productivity vary across an ecotone zone in Northwest China. The Science of the Total Environment, 2020, 714: 136691. Huang K, Zhang Y J, Zhu J T, Liu Y J, Zu J X, Zhang J. The influences of climate change and human activities on vegetation dynamics in the Qinghai-Tibet Plateau. Remote Sensing, 2016, 8(10): 876.