《Frontiers in Forests and Global Change》：Topographic heterogeneity regulates nonlinear vegetation responses to climate and human activities in China’s ecological transition zone
编辑推荐：
生态过渡带被认为是气候敏感区和生物多样性热点，其植被动态对于维持区域生态平衡至关重要。然而，地形异质性如何影响植被对气候变化和人类活动的非线性响应尚不明确，这一认知空白限制了对生态系统恢复力的理解。本研究聚焦于中国秦岭-大巴山生态过渡带，利用2000—2022
生态过渡带被认为是气候敏感区和生物多样性热点，其植被动态对于维持区域生态平衡至关重要。然而，地形异质性如何影响植被对气候变化和人类活动的非线性响应尚不明确，这一认知空白限制了对生态系统恢复力的理解。本研究聚焦于中国秦岭-大巴山生态过渡带，利用2000—2022年30米分辨率的Landsat NDVI数据，结合气候、人类活动和地形数据。研究人员采用Theil-Sen趋势分析、Mann-Kendall检验和Hurst指数来表征植被动态，并运用贝叶斯优化的XGBoost模型结合SHAP值，评估了不同植被趋势区和地形梯度下潜在驱动因素的相对贡献及响应模式。分析显示，归一化差异植被指数（NDVI）呈显著绿化趋势，增长率为0.0051 yr-1（p < 0.05）。约90.13%的区域呈现改善趋势，而89.83%的区域显示出持续增强的倾向。最显著的植被改善主要出现在中等海拔（1750—2250 m）、中等坡度（15—20°）和北向坡面。土地利用/土地覆盖（LULC）（42.5%）、海拔（13.2%）、人口密度（8.2%）和降水量（7.0%）是整个研究区NDVI预测最重要的贡献因子。LULC在显著增加区和下降区均是最具影响力的预测因子。相比之下，其他因子的相对重要性和非线性响应模式在不同趋势区间存在差异。这些发现为生态过渡带的针对性生态修复和适应性植被管理提供了科学依据。
论文解读
研究背景与科学问题
植被作为陆地生态系统的核心组分，通过调节碳循环和水循环维系着地表与大气间的能量交换。在全球变暖和人类活动加剧的背景下，监测植被动态及其驱动机制成为生态学研究的焦点。然而，现有研究多聚焦于全球或区域尺度的平均趋势，对生态过渡带——这类既是气候敏感区又是生物多样性热点的特殊地带——关注不足。秦岭-大巴山地区作为中国南北气候、生态和生物地理的自然分界，同时受东亚季风和青藏高原气候系统影响，是连接长江与黄河两大流域的关键生态安全屏障。该区域复杂的地形条件（如海拔、坡度、坡向）能够改变山地气候、水文过程和人类活动强度，从而可能掩盖或调节气候因子对植被的直接效应。但以往研究普遍忽视了地形异质性对植被响应的调节作用，导致对不同驱动因素相对贡献的认识仍存争议。为此，本研究旨在揭示地形如何调控植被对气候与人类活动的非线性响应机制，为生态脆弱区的精准修复提供理论支撑。
研究方法与技术路线
研究人员构建了一套多源数据融合与可解释机器学习相结合的分析框架。首先，基于2000—2022年30米空间分辨率的Landsat NDVI数据，采用Theil-Sen中值趋势分析和Mann-Kendall非参数检验评估植被变化的时空格局与显著性，并通过Hurst指数预测未来变化持续性。其次，引入地形面积差异校正系数消除不同地形等级间面积分布不均带来的偏差。最后，以NDVI为因变量，选取气温（TMP）、降水（PRE）、潜在蒸散（PET）、土壤水分（SM）、饱和水汽压差（VPD）、数字高程模型（DEM）、坡度、坡向、人口密度和土地利用/土地覆盖（LULC）共10个自变量，构建贝叶斯优化超参数的XGBoost回归模型，并结合SHAP（Shapley Additive Explanations）值量化各因子的贡献度与非线性的边际响应关系。为防止空间泄漏，采用10公里空间块分组策略划分训练集（80%）与测试集（20%）。
主要研究结果
4.1 2000—2022年秦岭-大巴山NDVI时空特征
NDVI年均值呈显著上升趋势（0.0051 yr-1，p < 0.05），从2000年的0.72增至2022年的0.84。高植被覆盖区占研究区总面积的77.15%，集中分布于主山脉和南部区域；而低覆盖区仅占1.11%，零散分布在西北部和北部。植被改善趋势占90.13%，其中极显著和显著增加分别占21.84%和22.35%。Hurst指数分析表明，89.83%的区域呈现持续增加态势，主要位于高海拔山区；退化区域集中于河谷和城市中心，反持续性区域占比不足0.35%。
4.2 主要气候变量的时空特征
过去23年间，研究区呈现显著的暖湿化趋势：年均温以0.02 °C yr-1的速度上升（10.4—11.4 °C），年降水以3.2 mm yr-1的速度波动增加（650—1050 mm）。降水空间分布呈“南高北低”格局，东南部降水充沛但年际变化呈微弱下降趋势，西北部则表现为显著增加。地形对降水分布具有显著调控作用。
4.3 地形对植被变化的影响
经面积校正后，植被改善的优势区域集中在中等海拔（1750—2250 m）、中等坡度（15—20°）和北向坡面。在低海拔平坦区域，人类活动干扰较强，植被改善优势不明显甚至出现退化；而在极高海拔和陡峭坡面，受低温与土壤发育限制，植被改善程度减弱。
4.4 驱动因素的非线性响应
基于全局样本的XGBoost-SHAP分析显示，LULC（42.5%）是NDVI预测的最重要因子，其次为DEM（13.2%）、人口密度（8.2%）和降水（7.0%）。在植被显著增加区，LULC仍居首位，但降水和温度的重要性上升；在植被显著下降区，除LULC外，人口密度和坡向的贡献增大。SHAP依赖图揭示了非线性阈值效应：例如，降水对NDVI的正效应在约800 mm处达到饱和；DEM在1500—2000 m范围内促进植被生长，超过此阈值后转为抑制；人口密度低于100人/km2时对植被影响较小，高于此值则产生明显负效应。
讨论与结论
研究表明，秦岭-大巴山生态过渡带的植被绿化是气候变化与生态修复共同作用的结果，但地形异质性深刻调节着这种响应模式。LULC作为主导因子，反映了退耕还林等政策对植被恢复的核心推动作用；而降水、温度和地形的交互作用则体现了山地生态系统对环境变化的非线性适应机制。研究强调，在制定生态恢复策略时需考虑地形梯度上的差异化响应：在中低海拔缓坡区域应优先控制人类活动强度，在高海拔区域则应重视气候变化带来的水热协同效应。研究结论指出，地形异质性不仅是解释植被空间分异的关键变量，更是预测未来生态系统演变不可忽视的调节因子。该研究提供的可迁移分析框架，为全球其他生态过渡带的植被-环境相互作用研究及适应性管理提供了方法论借鉴。
