塔里木河流域植被动态的非线性水文气候关联及基于土地利用与土地覆盖的空间一致性评估

《Journal of Arid Environments》：Nonlinear hydroclimatic associations and LULC-based spatial consistency assessment of vegetation dynamics in the Tarim River Basin

　　

摘要

理解植被动态及其与水文气候变率和非气候残差成分的联系，对于干旱内陆河流域的生态管理和水资源调控具有重要意义。传统的基于残差的归因方法通常依赖于线性气候基线，并可能将未解释的残差过度解读为直接的人为效应。以塔里木河流域为案例研究，本研究整合了 2001 年至 2024 年多源遥感、气候和土地利用/土地覆盖 (LULC) 数据。使用 Theil-Sen 趋势分析、Mann-Kendall 分类和赫斯特指数评估 NDVI 动态和持续性。采用非线性随机森林 (RF) 模型构建统计气候相关 NDVI 基线，并引入 LULC 转变以评估非气候残差主导的植被变化的空间一致性。结果表明：(1) NDVI 以增加每十年 0.0123 的速率上升，改善主要分布在北部山区、绿洲边缘和河流廊道；(2) 历史绿化在许多山地 - 绿洲系统中可能持续存在，而一些绿洲 - 沙漠过渡带显示出潜在的不稳定性；(3) 土壤水分是最重要的水文气候预测因子；以及 (4) 生态恢复、农业扩张和农业集约化与部分残差主导的绿化信号在空间上相关。

引言

植被作为陆地生态系统的基本组成部分，充当土壤、大气和水圈之间的关键界面，在区域气候调节、水土保持和生物多样性维护中发挥着不可或缺的作用 (Piao 等，2020; Zhu 等，2020)。在以生态脆弱性为特征的干旱和半干旱地区，植被动态不仅作为生态系统健康的“晴雨表”，也是生态对气候变迁和人为干扰响应的主要指标 (Lian 等，2021; Yan 等，2025)。塔里木河流域——中国最大的内陆河流域——代表了一种典型的干旱景观，拥有极其脆弱的绿洲 - 沙漠交错带，对环境波动高度敏感 (Huang 等，2024)。因此，系统监测植被时空格局，结合谨慎评估水文气候变率和非气候残差成分的相对作用，对于指导生态恢复、优化水资源配置以及推进干旱地区可持续发展战略至关重要。

随着遥感技术的快速发展，NDVI 已成为监测大规模植被动态的主要指标，这得益于其准确反映植被生长和植被覆盖度的能力 (Pettorelli 等，2005)。因此，通过 NDVI 表征植被波动已成为学术探究的焦点 (Dou 等，2025; Wang 等，2021)。Tang 等人 (2025) 的最新研究表明，中国西北干旱地区的植被增强表现出显著的空间异质性，并主要受基本气候变量，即降水和温度的控制。此外，通过整合多源数据集，Chen 等人 (2024) 识别出在极度干旱区，维持自然生态系统稳定与绿洲农业扩张之间存在激烈的水资源竞争。另外，人为干预，如生态输水和灌溉农业扩张，据报道与内陆河流域近期的植被变化密切相关 (Rumbaur 等，2015)。虽然这些实证研究为从国际视角理解干旱地区植被动态提供了坚实的基础，但现有研究主要局限于特定子流域的静态评估或回顾性趋势分析 (L. Wang 等，2022)。仍有必要开展整合赫斯特指数等持续性指标的大流域研究，以评估整个极度干旱内陆河流域植被变化的潜在持续性和逆转风险。

关于归因方法，残差趋势分析已被广泛用于将气候相关植被信号与未解释成分分离 (Evans 和 Geerken, 2004; Higginbottom 和 Symeonakis, 2014)。然而，干旱地区现有的植被归因研究面临两个相关但不同的局限性 (Jin 等，2024; Tuoku 等，2024)。第一个是方法学局限。常规的残差趋势分析通常依赖于线性回归构建气候基线，这可能不足以代表水分受限环境中植被对水文气候变量的非线性和阈值响应。这种欠拟合可能导致部分气候相关的变率未被解释。因此，可以使用非线性机器学习算法，如随机森林 (RF)，来重构更灵活的气候相关基线，并更好地捕捉植被 - 气候非线性关系 (Shi 等，2020; Y. Wang 等，2022)。

第二个是解释性局限。统计模型获得的残差成分通常被解释为人为影响，但这种解释可能过于简单化，因为残差也可能包括未观测到的气候过程、水文因子、传感器噪声、空间尺度不匹配和模型结构不确定性。因此，仅依靠非线性气候相关基线不足以进行因果归因。需要额外的空间证据来检查残差主导的植被变化是否与可观测的土地覆盖转变一致。在植被动态受耦合水文气候变率、绿洲农业、生态恢复和土地管理影响的塔里木河流域，将基于 RF 的非气候残差模式与长期 LULC 转变轨迹相结合，可以提供对植被变化更谨慎的空间一致性评估 (Yin 等，2018)。

为了解决这些差距，本研究开发了一个综合框架，结合趋势分析、基于 RF 的非线性气候相关基线重构和基于 LULC 的空间一致性评估。具体目标是：(1) 使用 Theil-Sen 斜率、Mann-Kendall 趋势分类和赫斯特指数，表征 2001–2024 年塔里木河流域 NDVI 的时空演变和持续性；(2) 通过非线性 RF 模型评估水文气候变量解释 NDVI 变率的程度；以及 (3) 检查基于 RF 的非气候残差主导的 NDVI 变化是否在空间上与 LULC 转变路径一致。

章节摘录

研究区概况

塔里木河流域位于中国新疆南部，跨越 75°–90°E 和 35°–43°N。作为中国最大的内陆河流域和典型的干旱生态系统，塔里木河流域面积约 102 万 km²，具有独特的“山地 - 绿洲 - 沙漠”景观。该流域具有西南至东北的地形梯度，海拔从昆仑山高海拔冰冻圈区 (>5000 米) 下降至下游冲积

NDVI 的时间变化

如图 2 所示，2001–2024 年有效植被像元的区域平均 NDVI 总体呈增加趋势。线性趋势约为 +0.0123/10 年，表明掩膜植被区域有明显的绿化趋势。阴影范围说明了流域内显著的空间异质性，反映了高生产力的绿洲和山区与低 NDVI 沙漠背景之间的对比。

NDVI 的空间分布模式

关于空间分布模式 (图 3)，的多年平均 NDVI 的

塔里木河流域植被的时空动态与持续性

2001–2024 年塔里木河流域植被动态的特征是总体呈绿化趋势，但具有显著的空间异质性。改善相关区域主要分布在山区、山前绿洲区、河流廊道和绿洲边缘，而稳定或弱变化区域集中在塔克拉玛干沙漠中部和其他极度干旱内陆地区。这一模式与流域的基本生态结构一致，

结论

本研究通过整合趋势分析、赫斯特持续性评估、基于 RF 的非线性气候相关基线重构和基于 LULC 的空间一致性评估，调查了 2001–2024 年塔里木河流域 NDVI 动态及其水文气候关联和非气候残差成分。

• (1)
  结果表明，植被绿化是有效植被像元的主导长期趋势，改善主要分布在山区，

CRediT 作者贡献声明

王凡：正式分析，撰写 - 原稿。刘秦：正式分析，撰写 - 原稿。王子羽：数据整理，撰写 - 原稿。吕红：数据整理，正式分析。王辉亮：正式分析，撰写 - 原稿。

写作过程中生成式 AI 及 AI 辅助技术的声明

在准备本工作期间，作者使用 ChatGPT 改进手稿的语言。使用此工具后，作者根据需要审查和编辑了内容，并对出版物的内容承担全部责任。

竞争利益声明

作者声明，他们没有已知的竞争性财务利益或个人关系可能影响本论文报告的工作。

致谢

本研究得到 国家重点研发计划 (编号 2023YFC3206800) 的支持。我们感谢 NASA 和 ECMWF 提供 NDVI、LULC 和 ERA5 数据集。特别感谢 Google Earth Engine 团队的云计算支持。特别感谢编辑和匿名审稿人，他们的意见帮助提高了论文质量。

王凡 | 刘秦 | 王子羽 | 吕红 | 王辉亮

郑州大学水利与交通学院，中国河南郑州 450001