区域植被动态变化中气候和人为因素的贡献率研究--以黄土高原为例

Residual trend method is a main method that can differentiate quantitatively the human factors and climate contribution to vegetation dynamic change in the semi-arid sub-humid area, which supported by the time-series data from remote sensing. The core of the method is the statistical model of vegetation productivity response climate. Restricted by way of the independent pixel modeling，existing models have greater uncertainty. This project intends to take Loess Plateau as a case area, (1) Determine the expression method of spatial heterogeneity factors;(2) Based on Artificial Neural Network algorithm, building the vegetation productivity global model which responds to climate mode with spatial heterogeneity. (3)Pseudo human activities is implanted in the original productivity data, which can eliminate common trends effect of climate change and human activity and improve reliability of Residual trend method.(4) Taking SPOT VEGETATION NDVI time-series and interpolation results of weather stations monthly rainfall and temperature as the main data source, the climate and human factors contribution to vegetation dynamics change is analyzed quantitatively by using the new method at pixel scale over recent decades of the Loess Plateau. Research results can provides basic data for the evaluation of vegetation restoration and soil and water conservation effect at the Loess Plateau; it provides valuable reference method for vegetation dynamic driving force analysis in other semi-arid sub-humid area.

"残差趋势法"是目前定量区分半干旱半湿润区植被动态变化中气候和人为因素贡献率的主要方法，其核心是建立植被生产力（NDVI）响应气候变化统计模型。受像元独立建模方式制约，现有模型有较大不确定性。本项目拟以黄土高原为案例区，（1）确定空间异质因子的表达方法；（2）基于人工神经网络算法构建带有空间异质性的NDVI响应气候变化全局模型；（3）通过在NDVI数据集中植入适当的"伪人类活动趋势作用信息"，消除全局模型中气候变化和人类活动的共趋势效应，从而形成一种更加可靠的"残差趋势法"；（4）以SPOT VGT NDVI数据集和气象站点的月降水、月气温空间插值结果为主要数据源，利用新方法判断最近10余年来黄土高原植被动态变化中气候和人为因素的贡献率，以及降水和气温变化（包括年和月尺度）的贡献率。研究成果可为评估研究区植被恢复效果提供科学依据，同时可为其它半干旱半湿润区植被变化的驱动力分析提供方法借鉴。

项目的背景：. "残差趋势法"是目前定量区分半干旱半湿润区植被动态变化中气候和人为因素贡献率的主要方法，其核心是建立植被生产力（NDVI）响应气候变化统计模型。受像元独立建模方式制约，现有模型有较大不确定性。.主要研究内容：. 本项目以黄土高原为案例区，（1）确定空间异质因子的表达方法；（2）基于人工神经网络算法构建带有空间异质性的NDVI响应气候变化全局模型；（3）通过在NDVI数据集中植入适当的"伪人类活动趋势作用信息"，消除全局模型中气候变化和人类活动的共趋势效应，从而形成一种更加可靠的"残差趋势法"；（4）以SPOT VGT NDVI数据集和气象站点的月降水、月气温空间插值结果为主要数据源，利用新方法判断最近10余年来黄土高原植被动态变化中气候和人为因素的贡献率，以及降水和气温变化（包括年和月尺度）的贡献率。.重要结果及关键数据：. 提出一种旨在克服该缺陷的“去趋势回归残差法”，即利用去趋势之后的植被和气候数据建立回归模型，再将原始气候数据代入模型得到模拟植被并进行残差趋势分析。基于ＳＰＯＴ　ＶＥＧＥＴＡＴＩＯＮ　ＮＤＶＩ时间序列的研究结果显示：（１）在气候变化趋势性明显时，“去趋势回归残差法”优于常规方法；（２）近１５年黄土高原西北部植被活动整体上呈增强态势，这种增强主要由人类因素所致，贡献率达９２％，气候变化的作用较弱，贡献率仅为８％。.科学意义：. 研究成果可为评估研究区植被恢复效果提供科学依据，同时可为其它半干旱半湿润区植被变化的驱动力分析提供方法借鉴。