2000—2022年疏勒河流域植被覆盖时空变化及其驱动机制

doi:10.11924/j.issn.1000-6850.casb2025-0950

中国农学通报 ›› 2026, Vol. 42 ›› Issue (12): 94-102.doi: 10.11924/j.issn.1000-6850.casb2025-0950

• 资源·环境·生态·土壤·气象 • 上一篇下一篇

2000—2022年疏勒河流域植被覆盖时空变化及其驱动机制

安韵如¹^,²(), 贾鸿儒¹(), 张美美³, 靳惠安¹^,⁴

¹ 甘肃林业职业技术大学，甘肃天水 741020
² 西北农林科技大学草业与草原学院，陕西杨凌 712100
³ 新疆大学地理与遥感科学学院，乌鲁木齐 830000
⁴ 西北师范大学地理与环境科学学院，兰州 730070

收稿日期:2025-11-26 修回日期:2026-04-29 出版日期:2026-06-25 发布日期:2026-06-23
通讯作者:
贾鸿儒，男，1980年出生，甘肃天水人，副教授，硕士，研究方向：生态遥感与水土保持。通信地址：741020 甘肃省天水市麦积区麦积大道200号甘肃林业职业技术大学，Tel：0938-2111068，E-mail：jinha_gs@163.com。
作者简介:
安韵如，女，1994年出生，甘肃会宁人，副教授，博士，研究方向：遥感与草地农业生态。通信地址：741020 甘肃省天水市麦积区麦积大道200号甘肃林业职业技术大学，Tel：0938-2111068，E-mail：anyunru@nwafu.edu.cn。
基金资助:
甘肃省高校教师创新基金项目“渭河流域甘肃段水土保持与饲草双功能优质草本植物的筛选研究”(2024A-247); 中国（北方）现代林业职业教育集团林业科学研究项目“甘肃省草地主要有毒杂草入侵区分布评估与预测研究”(LZJB2024KY007); 甘肃省自然科学基金项目“甘肃省小陇山林区野生木本观赏植物评价与筛选”(25JRRE014); 中国科学院“西部之光”人才培养引进计划项目

Spatio-temporal Variation of Vegetation Coverage and Driving Mechanism During 2000-2022 in Shule River Basin

AN Yunru¹^,²(), JIA Hongru¹(), ZHANG Meimei³, JIN Hui’an¹^,⁴

¹ Gansu Forestry Voctech University, Tianshui, Gansu 741020
² College of Grassland Agriculture, Northwest A & F University, Yangling, Shaanxi 712100
³ College of Geography and Remote Sensing Science, Xinjiang University, Urumqi 830000
⁴ College of Geography and Environmental Science, Northwest Normal University, Lanzhou 730070

Received:2025-11-26 Revised:2026-04-29 Published:2026-06-25 Online:2026-06-23

摘要/Abstract

摘要：

本研究旨在评估疏勒河流域植被覆盖的时空变化及其驱动机制。基于GEE平台，选取2000—2022年MODIS-NDVI数据源，采取Theil-Sen斜率、Mann-Kendall显著性检验、Hurst指数和地理探测器等方法，分析河流域植被覆盖的时空演变特征及影响因素。结果表明：（1）研究期间疏勒河流域植被覆盖度(NDVI)平均值为0.18，植被覆盖面积占流域总面积的35.7%，低度、中度覆盖分别为20.6%和8.2%，较高和高度覆盖共占流域面积4.3%。植被覆盖总体呈现南高北低的格局，祁连—阿尔金山区为主要的植被覆盖区，占流域植被面积的74.4%。（2）时序变化上，2000—2022年间疏勒河流域植被覆盖总体呈波动上升趋势，增长速率为3.5%/10 a，前11年增速较缓(1.2%/10 a)，后12年增速较快(4.7%/10 a)。空间变化上，祁连—阿尔金山区、中部河西走廊绿洲区大部分地区集中呈植被改善趋势，改善区域面积占流域面积32.7%，退化区域面积仅占2.3%，主要分布于马鬃山北部和中部河西走廊城镇区域。（3）地理探测器分析显示，疏勒河流域植被改善主要受气候和人类活动的影响，其中气温和降水是植被变化主要驱动力，且交互作用解释力最强。Hurst指数分析预测，未来疏勒河流域植被覆盖将以正向持续性为主，但部分区域存在退化风险。本研究结果可为疏勒河流域生态保护和管理提供科学依据。

关键词: NDVI, 趋势分析, M-K检验, Hurst指数, 地理探测器, 疏勒河流域

Abstract:

The purpose of this study is to evaluate the spatial and temporal changes of vegetation coverage and its driving mechanism in the Shule River Basin. Based on the GEE platform and MODIS-NDVI data, optimal NDVI values were determined. The methods such as the Theil-Sen slope, the Mann-Kendall test, the Hurst index and geographical detector were employed to study the spatio-temporal changes of vegetation coverage and their driving factors in Shule River Basin from 2000 to 2022. The results showed that: (1) the mean NDVI in Shule River Basin from 2000 to 2022 was 0.18, with vegetation coverage accounted for 35.7% of the basin’s total area; low and moderate coverage accounted for 20.6% and 8.2%, respectively, the higher and highest coverage together accounted for 4.3%. The vegetation coverage pattern generally showed higher in the south and lower in the north, with the Qilian-Altun Mountains regions constituted the main area of vegetation coverage, accounted for 74.4% of the basin’s vegetation area; (2) in terms of temporal change, the vegetation coverage of the Shule River Basin generally showed a fluctuating upward trend during 2000-2022, with a growth rate of 3.5%/10 a. The growth rate was slower in the first 11 years (1.2%/10 a) and faster in the last 12 years (4.7%/10 a).; in terms of spatial changes, the vegetation in most parts of the Qilian-Altun Mountains and Hexi Corridor oasis zones showed an improving trend, with the improved area accounted for 32.7% of the basin, only 2.3% of the degraded area was located mainly in the northern part of the Mazong Mountains and in the towns and cities of the Hexi Corridor; (3) vegetation coverage improvement in Shule River Basin was primarily influenced by climate and human activities, temperature and precipitation were the main drivers of vegetation change, and their interaction provided a strong explanatory power. In the future, vegetation coverage will continue to be dominated by positive persistence, with local areas showing inverse persistence.

Key words: NDVI, trend analysis, Mann-Kendall test, Hurst index, geographical detector, Shule River Basin

中图分类号:

S731.2，Q948

安韵如, 贾鸿儒, 张美美, 靳惠安. 2000—2022年疏勒河流域植被覆盖时空变化及其驱动机制[J]. 中国农学通报, 2026, 42(12): 94-102.

AN Yunru, JIA Hongru, ZHANG Meimei, JIN Hui’an. Spatio-temporal Variation of Vegetation Coverage and Driving Mechanism During 2000-2022 in Shule River Basin[J]. Chinese Agricultural Science Bulletin, 2026, 42(12): 94-102.

图/表 8

参考文献 37

[1]	PIAO S L, WANG X H, PARK T J. Characteristics, drivers and feedbacks of global greening[J]. Nature reviews earth & environment, 2020, 1:14-27.
[2]	GITELSON A A, KAUFMAN Y J, STARK R, et al. Novel algorithms for remote estimation of vegetation fraction[J]. Remote sensing of environment, 2002, 80(1):76-87. doi: 10.1016/S0034-4257(01)00289-9 URL
[3]	陈宽, 杨晨晨, 白力嘎, 等. 基于地理探测器的内蒙古自然和人为因素对植被NDVI变化的影响[J]. 生态学报, 2021, 41(12):4963-4975.
[4]	唐荣林, 王晟力, 姜亚珍, 等. 基于地表温度—植被指数三角/梯形特征空间的地表蒸散发遥感反演综述[J]. 遥感学报, 2021, 25(1):65-82.
[5]	张翀, 雷田旺, 宋佃星. 黄土高原植被覆盖与土壤湿度的时滞关联及时空特征分析[J]. 生态学报, 2018, 38(6):2128-2138.
[6]	杨树青, 白玉川, 徐海珏, 等. 河岸植被覆盖影响下的河流演化动力特性分析[J]. 水利学报, 2018, 49(8):995-1006.
[7]	高江波, 焦珂伟, 吴绍洪. 1982—2013年中国植被NDVI空间异质性的气候影响分析[J]. 地理学报, 2019, 74(3):534-543. doi: 10.11821/dlxb201903010
[8]	李茂华, 都金康, 李皖彤, 等. 1982—2015年全球植被变化及其与温度和降水的关系[J]. 地理科学, 2020, 40(5):823-832. doi: 10.13249/j.cnki.sgs.2020.05.017
[9]	郑艺, 张丽, 周宇, 等. 1982—2012年全球干旱区植被变化及驱动因子分析[J]. 干旱区研究, 2017, 34(1):59-66.
[10]	冯飞, 杨鑫, 贾宝全, 等. 中国328个城市的植被覆盖度长期变化特征及其驱动因子[J]. 中国科学:地球科学, 2024, 54(2):486-502.
[11]	余涛, 庞勇, 蒙诗栎, 等. 天然林资源保护工程区植被覆盖度遥感估算及变化分析[J]. 北京林业大学学报, 2023, 45(5):1-13.
[12]	DARDEL C, KERGOAT L, HIERNAUX P, et al. Re-greening Sahel: 30 years of remote sensing data and field observations (Mali, Niger)[J]. Remote sensing of environment, 2014, 140:350-364. doi: 10.1016/j.rse.2013.09.011 URL
[13]	冯李, 胡文英, 李应鑫, 等. Google Earth Engine在四川省多年植被覆盖度动态监测中的应用[J]. 林业资源管理, 2019(4):124-131.
[14]	靳紫含, 赵安周, 相恺政, 等. 基于GEE的关中平原城市群植被时空演变及影响因素[J]. 水土保持通报, 2023, 43(2):164-172.
[15]	黄仲良, 何敬, 刘刚, 等. 面向GEE平台的遥感影像分析与应用研究进展[J]. 遥感技术与应用, 2023, 38(3):527-534. doi: 10.11873/j.issn.1004-0323.2023.3.0527
[16]	李晶, 闫星光, 闫萧萧, 等. 基于GEE云平台的黄河流域植被覆盖度时空变化特征[J]. 煤炭学报, 2021, 46(5):1439-1450.
[17]	郭永强, 王乃江, 褚晓升, 等. 基于Google Earth Engine分析黄土高原植被覆盖变化及原因[J]. 中国环境科学, 2019, 39(11):4804-4811.
[18]	张华, 安慧敏. 基于GEE的1987—2019年民勤绿洲NDVI变化特征及趋势分析[J]. 中国沙漠, 2021, 41(1):28-36. doi: 10.7522/j.issn.1000-694X.2020.00094
[19]	方春爽, 朱睿, 卢睿, 等. 基于GEE的石羊河流域植被覆盖变化特征及其影响因素分析[J]. 遥感技术与应用, 2023, 38(5):1167-1179. doi: 10.11873/j.issn.1004-0323.2023.5.1167
[20]	张军, 娄和震, 杨胜天, 等. 河道流量对疏勒河中下游河岸带植被变化的影响评价[J]. 干旱区资源与环境, 2022, 36(2):123-129.
[21]	孙栋元, 胡想全, 金彦兆, 等. 疏勒河中游绿洲天然植被生态需水量估算与预测研究[J]. 干旱区地理, 2016, 39(1):154-161.
[22]	郑续. 疏勒河流域生态系统服务评估及优化研究[D]. 兰州: 兰州大学,2021:8-11.
[23]	郭晓娟. 疏勒河流域净初级生产力与土壤含水量耦合关系研究[D]. 兰州: 兰州大学,2019:11-14.
[24]	郭廷辅. SL 190—2007,土壤侵蚀分类分级标准[S]. 北京: 中国水利水电出版社,2008:8-9.
[25]	HOLBEN B N. Characteristics of maximum-value composite images from temporal AVHRR data[J]. International journal of remote sensing, 1986, 7(11):1417-1434. doi: 10.1080/01431168608948945 URL
[26]	SEN K P. Estimates of the regression coefficient based on Kendall's Tau[J]. Journal of the American statistical association, 2012, 63(324):1379-1389. doi: 10.1080/01621459.1968.10480934 URL
[27]	HURST H E. Closure to long-term storage capacity of reservoirs by H. E. Hurst[J]. Transactions of the American Society of Civil Engineers, 2013, 116:804-808. doi: 10.1061/TACEAT.0006517 URL
[28]	王劲峰, 徐成东. 地理探测器:原理与展望[J]. 地理学报, 2017, 72(1):116-134. doi: 10.11821/dlxb201701010
[29]	戴声佩, 张勃, 王海军, 等. 基于SPOTNDVI的祁连山草地植被覆盖时空变化趋势分析[J]. 地理科学进展, 2010, 29(9):1075-1080.
[30]	齐敬辉, 牛叔文, 马利邦, 等. 2000—2014年疏勒河流域植被覆盖时空变化[J]. 生态与农村环境学报, 2016, 32(5):757-766.
[31]	SHI S, YU J, WANG F, et al. Quantitative contributions of climate change and human activities to vegetation changes over multiple time scales on the Loess Plateau[J]. Science of the total environment, 2021, 755:142419. doi: 10.1016/j.scitotenv.2020.142419 URL
[32]	GAO W, ZHENG C, LIU X, 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, 137:108745. doi: 10.1016/j.ecolind.2022.108745 URL
[33]	HE X R, ZHANG L Q, LU Y H, et al. Spatiotemporal variations of vegetation and its response to climate change and human activities in arid areas-a case study of the Shule River Basin, Northwestern China[J]. Forests, 2024, 15(7):1147. doi: 10.3390/f15071147 URL
[34]	CUI Y. Vegetation-topographic landscape and the influence of water and sediment in the Shule River Basin[J]. Atmosphere, 2024, 15(4):459. doi: 10.3390/atmos15040459 URL
[35]	ZHANG J, LIU Y, ZHOU D, et al. Spatial-temporal character of vegetation cover and its influence factors in the Shule River Basin China, during 1985-2011[J]. Human and ecological risk assessment, 2020, 26(3):608-620. doi: 10.1080/10807039.2018.1528437 URL
[36]	朱建海. 立足省情实际创新体制机制以“两手发力”推动甘肃水利高质量发展[J]. 水利发展研究, 2022, 22(12):52-55.
[37]	韦红钢, 周仲魁, 孙占学, 等. 疏勒河地表水水化学特征及保护措施[J]. 人民黄河, 2010, 32(11):70-71,73.

S_NDVI	Z值	NDVI趋势变化	面积百分比/%
<-0.05	<-1.96	显著退化	0.3
<-0.05	-1.96~1.96	轻度退化	2.0
-0.05~0.05	-1.96~1.96	基本不变	0.7
≥0.05	-1.96~1.96	轻度改善	11.6
≥0.05	≥1.96	显著改善	21.1

S_NDVI	Z值	NDVI趋势变化	面积百分比/%
<-0.05	<-1.96	显著退化	0.3
<-0.05	-1.96~1.96	轻度退化	2.0
-0.05~0.05	-1.96~1.96	基本不变	0.7
≥0.05	-1.96~1.96	轻度改善	11.6
≥0.05	≥1.96	显著改善	21.1

	气温	降水	海拔	坡度	坡向	土壤类型	土地利用
q	0.333	0.388	0.339	0.163	0.029	0.152	0.289
p	0.000	0.000	0.000	0.000	0.000	0.000	0.000

	气温	降水	海拔	坡度	坡向	土壤类型	土地利用
q	0.333	0.388	0.339	0.163	0.029	0.152	0.289
p	0.000	0.000	0.000	0.000	0.000	0.000	0.000

因子	气温	坡向	坡度	海拔	降水	土壤类型	土地利用
气温	0.333
坡向	0.370	0.029
坡度	0.380	0.204	0.163
海拔	0.496	0.377	0.382	0.339
降水	0.538	0.427	0.415	0.516	0.388
土壤类型	0.306	0.287	0.363	0.319	0.399	0.152
土地利用	0.473	0.351	0.384	0.425	0.478	0.247	0.289

2000—2022年疏勒河流域植被覆盖时空变化及其驱动机制

Spatio-temporal Variation of Vegetation Coverage and Driving Mechanism During 2000-2022 in Shule River Basin

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 8

参考文献 37

相关文章 15

编辑推荐

Metrics

本文评价

关于本刊

作者中心

审者中心

在线期刊

联系我们

2000—2020年	耕地	林地	草地	水域	建设用地	未利用地	合计
耕地	1343.00	20.00	2.00	2.00	9.00	5.00	1381.00
林地	0.00	633.00	1.00	0.00	0.00	1.00	635.00
草地	140.00	5.00	26678.00	4.00	7.00	23.00	26857.00
水域	1.00	0.00	1.00	1161.00	0.00	108.00	1271.00
建设用地	0.00	0.00	0.00	0.00	234.00	0.00	234.00
未利用地	319.00	10.00	207.00	15.00	128.00	93390.00	94069.00
合计	1803.00	668.00	26889.00	1182.00	378.00	93527.00	124447.00

[1]	徐恩, 沈伟, 周航, 王锦杰, 颜雅琼, 姚海涛. 2001—2022年江苏NDVI变化及其对极端气候的响应[J]. 中国农学通报, 2026, 42(6): 150-163.
[2]	普布多吉, 洛桑旺姆, 旦增益嘎, 周刊社, 史继清, 张东东, 旦增维色. 1992—2022年日喀则气候变化特征及其对春青稞生长发育的影响[J]. 中国农学通报, 2026, 42(5): 170-177.
[3]	樊鹏, 杨青伟, 高超, 李迪, 王磊, 杨喜会. 土壤有机质含量与粮食单产的相关性分析——以河南省兰考县为例[J]. 中国农学通报, 2024, 40(32): 77-84.
[4]	陈畅, 刘兴丽, 姜丽霞, 娄德君, 王永超, 祝玉梅, 李诣, 李雯婧. 1971—2020年松嫩平原易旱区气象因子与粮食作物的关系探究[J]. 中国农学通报, 2024, 40(29): 103-112.
[5]	尹佳琪, 张梅, 罗箭宇, 陈玉光, 杨欣虹, 董雨鑫. 像元尺度上薏米植被指数与气象因子的关系研究[J]. 中国农学通报, 2024, 40(26): 66-72.
[6]	张惠景, 周秀华, 秦川. 百色市冬季农业气候资源变化特征及未来趋势预估[J]. 中国农学通报, 2024, 40(17): 81-88.
[7]	刘兆旭, 刘晶, 郑国宏, 李建刚. 博尔塔拉蒙古自治州土地/植被覆盖变化及驱动力分析[J]. 中国农学通报, 2023, 39(16): 68-76.
[8]	胡馨月, 孙倩, 古丽古丽·灭迪力哈孜. 新疆布尔津县五年间归一化植被指数时空演变[J]. 中国农学通报, 2022, 38(32): 6-11.
[9]	马苏, 崔国屹, 赵玉, 赵莹, 刘雪珍, 张承栋. 植被NPP时空变化特征及驱动因子分析——以延安地区为例[J]. 中国农学通报, 2022, 38(19): 93-98.
[10]	袁雷, 周刊社, 张东东. 羌塘国家自然保护区植被生长季NDVI时空变化及其对气候变化的响应[J]. 中国农学通报, 2022, 38(13): 127-134.
[11]	卜祥, 张永福, 梁田田, 王建国. 基于MODIS数据2001—2019年NDVI时空变化及驱动力分析——以阿克苏地区为例[J]. 中国农学通报, 2022, 38(11): 75-83.
[12]	吴文彦, 程智超, 李梦莎, 隋心, 曾宪楠. 基于Web of Science的根瘤菌发展研究[J]. 中国农学通报, 2021, 37(9): 109-117.
[13]	郭岩, 何毅, 张立峰, 邱丽莎, 张国强, 张志华. 2000—2017年中亚地区植被变化遥感监测[J]. 中国农学通报, 2021, 37(8): 123-131.
[14]	任煜堃. 山西省森林土壤因子空间变异特征[J]. 中国农学通报, 2021, 37(32): 42-50.
[15]	贺鹏, 徐立帅, 毕如田, 赵庆康. 山西春季旱情时空分布特征[J]. 中国农学通报, 2020, 36(29): 126-131.