《Forests》:Spatiotemporal Assessment of the Vegetation Dynamics and Underlying Driving Factors in China’s Nanling Region
编辑推荐:
南岭地区作为华南的关键生态屏障,在发展和维持该区域独特的生态特征中发挥着重要作用。然而,近年来部分区域出现了生态退化。当前对南岭生态系统变化动态的研究仍不充分,特别是关于驱动因素对生态变化的协同效应,这阻碍了该区域有效的生态恢复工作。本研究通过整合2011至2
南岭地区作为华南的关键生态屏障,在发展和维持该区域独特的生态特征中发挥着重要作用。然而,近年来部分区域出现了生态退化。当前对南岭生态系统变化动态的研究仍不充分,特别是关于驱动因素对生态变化的协同效应,这阻碍了该区域有效的生态恢复工作。本研究通过整合2011至2023年的多源遥感数据与多种相关统计方法,评估了南岭地区植被分异的时空格局及其驱动因素。结果表明,南岭地区植被显著变化的区域可划分为五个主要区域。大部分植被呈现总体增长趋势(89.8%),但东部和西部存在植被退化区域(6%)。山地植被动态受海拔驱动的气候梯度调控。人类活动在谷地和盆地地区的植被分布中起主导作用,而地形和土壤厚度是影响植被的重要驱动因素。气候和土壤属性的直接效应相对较小。总体而言,南岭地区的生态景观是地形、气候、岩石属性、土壤和人类活动共同作用的结果。本研究为南岭退化区域的生态恢复和空间管理提供了科学依据。
## 论文解读:南岭地区植被动态与驱动机制的系统研究
### 研究背景与问题
南岭地区位于中国华南,横跨广东、湖南、广西、江西四省,面积约19万平方公里,是长江与珠江流域的自然分水岭,承担着区域气候调节、水源涵养、碳固存和生物多样性保护等关键生态功能。该区域拥有同纬度保存最完好的亚热带常绿阔叶林,是华南重要生态屏障,但近年来部分区域出现生态退化。现有研究多聚焦于物种层面的描述,未能揭示多因素驱动下的生态变化模式,且对南岭生态系统复杂性的理解不足,缺乏对地形梯度、岩性差异和气候变暖效应的综合考量。本研究旨在填补上述空白,通过多维度耦合框架,整合气候、地形、岩石、土壤、人类活动与植被的相互作用,解析植被时空分异格局及其变化机制。
### 研究内容与结论
研究人员采用多源遥感数据(2011–2023年)与多种统计方法,系统评估了南岭地区植被动态及其驱动因素。主要结论包括:植被显著变化区域可划分为五大生态区,整体植被呈增长趋势(89.8%),但东部和西部存在退化区域(6%);海拔驱动的气候梯度调控山地植被动态,人类活动主导谷地和盆地的植被分布,地形和土壤厚度是重要驱动因素,而气候和土壤属性的直接效应相对较小。该研究揭示了南岭生态景观是地形、气候、岩石属性、土壤和人类活动共同作用的结果,为退化区域的生态恢复和空间管理提供了科学依据。论文发表在《Forests》。
### 主要技术方法
研究人员采用以下关键技术方法:1)Theil–Sen中位数和Mann–Kendall趋势分析,用于评估归一化植被指数(NDVI)时间序列的长期趋势和显著性;2)像素级Pearson相关分析,量化气候因素(降水PRE、温度TMP)与NDVI的关联程度;3)双变量空间自相关分析(Moran’s I和LISA聚类指数),揭示各驱动因子与NDVI的空间共分布或异质性关系;4)XGBoost回归模型与SHAP(Shapley Additive Explanations)解释方法,分析多驱动因素的协同效应及其对NDVI的边际贡献。数据来源包括MOD13Q1 NDVI产品、气象插值数据、数字高程模型(DEM)、土壤属性栅格及人口密度栅格,所有数据统一为2011–2023年时间序列并配准至EPSG:4326空间参考系。
### 研究结果
#### 3.1. 南岭地区的生态特征
**3.1.1. NDVI的时空分布**:通过多源遥感数据,研究人员发现南岭地区植被覆盖度(FVC)和NDVI空间分布呈“中部高、外围低,山地高、谷地低”的格局,多数区域FVC超过80%。2011–2023年时间序列分析显示,NDVI和FVC呈波动上升趋势,2011年低值对应极端低温干旱,2022年因低温显著下降后于2023年迅速恢复,表明植被具有较强恢复力。
**3.1.2. 植被类型的分布特征**:南岭地区包含五大植被类型,针叶林(33.3%)和灌木林(22.5%)占主导。垂直分异显著:低海拔(0–500 m)以针叶林(32%)、灌木林(25%)和栽培植被(24%)为主;中海拔(500–1000 m)针叶林占比最高(38%);高海拔(>1500 m)草地占50%。所有植被类型的NDVI均呈上升趋势,其中针叶林、阔叶林和草地波动较大。
**3.1.3. NDVI趋势分析**:采用Theil–Sen和Mann–Kendall分析,研究人员将南岭划分为五大生态区。中部(IV区)以山地丘陵为主,人类干扰少,植被增加区域占比高达95.7%;西部(I、II、III区)和东部(V区)局部退化,退化比例超过13%。整体上,89.8%区域植被增长,6%退化,4.2%相对稳定。
#### 3.2. 南岭地区生态退化原因分析
**3.2.1. 长期气候因子与NDVI的相关性分析**:像素级Pearson相关分析表明,NDVI与降水相关系数范围为?0.86至0.89(均值0.15),与温度相关系数范围为?0.91至0.99(均值0.56),总体呈正相关,植被生长趋势与温度更一致。
**3.2.2. 生态因子相关性分析**:多因子相关分析揭示,NDVI与降水显著正相关(r=0.42, p<0.001),与温度弱负相关(r=?0.30, p<0.001),与海拔显著正相关(r=0.51, p<0.001),与人口密度显著负相关(r=?0.58, p<0.001),与土壤有机质(SOM)显著正相关(r=0.37, p<0.001),与土壤厚度显著负相关(r=?0.58, p<0.001),与黏粒含量弱相关。
**3.2.3. 空间相关性分析**:双变量空间自相关分析(Moran’s I)显示,降水与NDVI正相关(Moran’s I=0.741),温度与NDVI负相关(Moran’s I=?0.328),海拔与NDVI正相关(Moran’s I=0.454),土壤厚度与NDVI负相关(Moran’s I=?0.604),黏粒含量弱相关(Moran’s I=?0.047),SOM与NDVI正相关(Moran’s I=0.351),人口密度与NDVI负相关(Moran’s I=?0.406)。LISA聚类分析进一步定位了高低值聚类区,如降水与NDVI的H-H(高-高)区占26.3%,人口密度与NDVI的L-H(低-高)区占30.1%,表明人类活动强抑制效应。
**3.2.4. 驱动因子回归分析**:XGBoost模型(R2=0.82)结合SHAP解释表明,人口密度是首要驱动因子(贡献率47.8%),其次为海拔和土壤厚度,气候因子(降水、温度)和土壤属性(黏粒、SOM)影响较小。人口密度增加显著降低NDVI,海拔和土壤厚度呈现非线性复杂效应。
### 讨论与结论
**讨论部分**:研究人员进一步分析了人口密度与植被退化的空间耦合关系,发现I–III区和V区人口密度上升与植被退化高度一致,而IV区人口稳定,植被保持良好。自然因素机制方面,全球变暖导致南岭增温(年均增0.11°C),山地地形形成“北干冷、南暖湿”气候格局,驱动植被垂直分异。低海拔以栽培植被和灌木为主(平均NDVI=0.64),中高海拔以针叶林和草地为主(平均NDVI=0.73)。山地森林通过生物残体积累提升SOM,而低海拔土壤因高温导致有机质分解加速,形成“薄而碳富 vs. 厚而碳贫”的分异。人类活动在低海拔平原加剧植被退化和土壤肥力损耗,中高海拔区域干扰小,自然植被繁茂。研究建议采用分层管理策略:严格保护高海拔山地,低海拔弃耕还林,建立生态缓冲区,改善土壤条件,并利用工程与生物措施。研究局限性包括数据时空分辨率不足、仅以人口密度代表人类活动,未来需引入社会经济和政策变量。
**翻译研究结论部分**:
(1) 本研究系统分析了中国南岭地区植被的时空变化及其对环境驱动因子的响应机制,整合了气候、地形、土壤、人口和植被数据。通过阐明多尺度生态分异模式,提出了空间针对性的生态保护和恢复策略。这些发现填补了区域驱动机制理解的关键空白及恢复策略空间精度的不足,从而支持南岭地区科学生态屏障保护计划的制定。
(2) 南岭地区的生态特征呈现区域分布不均衡、垂直梯度差异显著以及人类活动干扰痕迹明显。生态退化集中在东部和西部,以及人类活动密集的低海拔厚土层区域。退化的主要原因源于地形梯度导致的水热分异(如低海拔高温胁迫)和土壤属性(低海拔土壤侵蚀、高海拔有机质积累)。在人类活动干预下,“地形-气候-土壤-植被”的自然耦合平衡被打破。南岭的山地生态优势突出,整体生态格局由地形驱动的水热条件、土壤属性和人类活动共同塑造。
(3) 基于人类活动主导南岭东西部植被退化的发现,建议实施差异化生态恢复策略,建立地形-土壤-植被一体化保护体系。通过生态用地配额、垂直梯度管理、生态补偿机制和动态监测预警等土地利用政策,实现该区域精准的生态系统保护与可持续管理。