基于MODIS数据的呼伦贝尔典型草原植被时空格局变化及其影响因素

doi:10.7523/j.ucas.2025.004

摘要/Abstract

摘要：

作为中国北部地区的绿色生态屏障，呼伦贝尔草原生态环境的变化对区域乃至全国的生态平衡具有深远影响。基于长期MOD13Q1植被指数数据集及气象数据，构建具有动态适应性且对植被活跃季节敏感的植被覆盖指标gsNDVI。通过Theil-sen回归、Mann-Kendall方法结合Hurst指数，估算呼伦贝尔典型草原2000—2022年的植被变化趋势及未来发展趋势。同时，利用偏相关分析探究气候因素对植被变化的影响。结果表明：研究区多年平均gsNDVI值为0.39，空间分布上呈现东北高、西南低的特征；时间趋势上，gsNDVI均值总体呈缓慢增长趋势，但存在阶段性波动。大部分地区植被覆盖增加，但城市区域植被退化现象明显。偏相关分析的结果显示，降水是影响研究区植被覆盖变化的主要因素，草地对降水的响应最为敏感。同时，趋势分析和Hurst指数的耦合结果显示，呼伦贝尔未来将有部分地区植被趋势呈现反转，对该地区的生态环境保护带来一定挑战。

关键词: 植被变化, MODIS, 气候因素, 未来趋势, 偏相关分析, 趋势分析, Hurst指数, 呼伦贝尔

Abstract:

As a green ecological barrier in northern China， changes in the ecological environment of Hulunbuir steppe have a profound impact on both the regional ecological balance and， to some extent， the broader ecological equilibrium of the entire country. Based on the long-term MOD13Q1 vegetation index dataset and meteorological data， this study developed a dynamically adaptable vegetation cover index， gsNDVI， which is sensitive to the active vegetation season. The vegetation change trend and future development of the Hulunbuir typical steppe from 2000 to 2022 were analyzed using the Theil-Sen regression， the Mann-Kendall method， and the Hurst exponent. Additionally， partial correlation analysis was employed to investigate the impact of climate factors on vegetation change. The results show that the multi-year average gsNDVI value for the study area is 0.39， with a spatial distribution characterized by higher values in the northeast and lower values in the southwest. Overall， the mean gsNDVI value exhibits a slow growth trend， though periodic fluctuations are observed. Vegetation coverage has increased in most areas， though noticeable degradation is evident in urban areas. The partial correlation analysis results indicate that precipitation is the primary factor influencing vegetation cover change in the study area， with grasslands being the most sensitive to changes in precipitation. Furthermore， based on the combined results of trend analysis and the Hurst exponent， the vegetation trend in certain areas of Hulunbuir is expected to reverse in the future， which may pose significant challenges to ecological and environmental protection in the region.

Key words: vegetation change, MODIS, climate factors, future trends, partial correlation analysis, trend analysis, Hurst exponent, Hulunbuir

中图分类号:

TP75

李可歆, 唐海蓉, 张鹏. 基于MODIS数据的呼伦贝尔典型草原植被时空格局变化及其影响因素[J]. 中国科学院大学学报, 2026, 43(4): 541-552.

Kexin LI, Hairong TANG, Peng ZHANG. Spatiotemporal variation of vegetation and its influencing factors in the Hulunbuir typical steppe based on MODIS data[J]. Journal of University of Chinese Academy of Sciences, 2026, 43(4): 541-552.

图/表 13

图1 呼伦贝尔研究区范围注：该图基于自然资源部标准地图服务网站GS（2025）5996号标准地图制作，底图无修改。

Fig.1 Hulunbuir study area

图2 研究流程图

Fig.2 Flow chart of the research

图3 研究区某区域2000—2022年生长季

Fig.3 Growing season in a certain area of the study area from 2000 to 2022

图4 不同指数与NPP的相关性分布图

Fig.4 Correlation between the indices and NPP

图5 2000—2022年研究区gsNDVI空间分布图

Fig.5 Spatial distribution of gsNDVI in the study area from 2000 to 2022

图6 2000—2022年研究区gsNDVI时间变化

Fig.6 Temporal variation of gsNDVI in the study area from 2000 to 2022

表1 gsNDVI趋势统计分析结果

Table 1 Statistical analysis results of gsNDVI trends

Slope	Zs绝对值	趋势变化	面积百分比/%
≥0.000 5	≥2.58	极显著改善	8.20
	1.96~2.58	显著改善	18.50
	1.65~1.96	微显著改善	15.60
	1.65	不显著改善	48.10
-0.000 5~0.000 5	全部范围	稳定	5.10
-0.000 5	1.65	不显著退化	3.25
	1.65~1.96	微显著退化	0.29
	1.96~2.58	显著退化	0.35
	≥2.58	极显著退化	0.44

图7 2000—2022年研究区整体及局部地区gsNDVI空间变化趋势

Fig.7 Spatial variation trend of gsNDVI in the study area as a whole and in some areas from 2000 to 2022

图8 代表性区域植被变化对比图注：1至3行分别代表海拉尔城区、扎赉诺尔矿区、新巴尔虎右旗西侧区域。

Fig.8 Comparison of vegetation changes in representative areas

图9 2000—2022年呼伦贝尔研究区气候的时间变化

Fig.9 Temporal changes in the climate of the Hulunbuir study area from 2000 to 2022

图10 2000—2022年研究区gsNDVI和气候因子的偏相关系数及相关性空间分布图

Fig.10 Partial correlation coefficients and spatial distribution of correlations between gsNDVI and climate factors in the Hulunbuir study area from 2000 to 2022

表2 不同时间范围内各类型植被gsNDVI与降水的相关系数

Table 2 Correlation coefficients between gsNDVI and precipitation for each vegetation type in different time ranges

时间范围	类型	与降水的相关系数
2000—2010年	农地	0.203
	森林	0.105
	草地	0.507
	全区域	0.491
2010—2020年	农地	0.396
	森林	0.326
	草地	0.569
	全区域	0.556
2000—2022年	农地	0.394
	森林	0.188
	草地	0.571
	全区域	0.553

图11 2000—2022年呼伦贝尔研究区的未来趋势变化图

Fig.11 Future trend changes in the Hulunbuir study area from 2000 to 2022

参考文献 44

[1]	Guo D， Song X N， Hu R H， et al. Grassland type-dependent spatiotemporal characteristics of productivity in Inner Mongolia and its response to climate factors［J］. Science of the Total Environment， 2021， 775： 145644. DOI：10.1016/j.scitotenv.2021.145644 .
[2]	Bhuyan M， Singh B， Vid S， et al. Analysing the spatio-temporal patterns of vegetation dynamics and their responses to climatic parameters in Meghalaya from 2001 to 2020［J］. Environmental Monitoring and Assessment， 2022， 195（1）： 94. DOI：10.1007/s10661-022-10685-6 .
[3]	刘慧文，刘欢，胡鹏，等. 基于可解释机器学习的青藏高原草地物候变化多因素影响分析［J］. 环境科学， 2024， 45（6）： 3375-3388. DOI：10.13227/j.hjkx.202306185 .
[4]	赵鹏，陈桃，王茜，等. 气候变化和人类活动对新疆草地生态系统NPP影响的定量分析［J］. 中国科学院大学学报， 2020， 37（1）： 51-62. DOI：10.7523/j.issn.2095-6134.2020.01.007 .
[5]	冯莉莉，何贞铭，刘学锋，等. 基于MODIS-NDVI数据的吉林省植被覆盖度及其时空动态变化［J］. 中国科学院大学学报， 2014， 31（4）： 492-499， 536. DOI：10.7523/j.issn.2095-6134.2014.04.008 .
[6]	张佳华，胡小夏，刘学锋，等. 基于MODIS数据提取华北典型区冬小麦种植面积［J］. 中国科学院大学学报， 2013， 30（5）： 637-643. DOI：10.7523/j.issn.2095-6134.2013.05.010 .
[7]	李舒婷，周艺，王世新，等. 2001—2015年内蒙古NDVI时空变化及其对降水和气温的响应［J］. 中国科学院大学学报， 2019， 36（1）： 48-55. DOI：10.7523/j.issn.2095-6134.2019.01.008 .
[8]	田庆久，闵祥军. 植被指数研究进展［J］. 地球科学进展， 1998， 13（4）： 327-333. DOI：10.3321/j.issn：1001-8166.1998.04.002 .
[9]	秦格霞，芦倩，孟治元，等. 1982—2015年中国北方草地NDVI时空动态及其对气候变化的响应［J］. 水土保持研究， 2021， 28（1）： 101-108， 117. DOI：10.13869/j.cnki.rswc.2021.01.013 .
[10]	陈以恒，玉素甫江·如素力，阿卜杜热合曼·吾斯曼. 2001—2020年天山新疆段草地植被覆盖度时空变化及驱动因素分析［J］. 植物生态学报， 2024， 48（5）： 561-576. DOI：10.17521/cjpe.2023.0155 .
[11]	黄菲，彭建，李刚勇，等. 利用NDVI产草量模型浅探新疆叶城县天然草地退化状况［J］. 草食家畜， 2021（1）： 51-57. DOI：10.16863/j.cnki.1003-6377.2021.01.009 .
[12]	Liu S L， Cheng F Y， Dong S K， et al. Spatiotemporal dynamics of grassland aboveground biomass on the Qinghai-Tibet Plateau based on validated MODIS NDVI［J］. Scientific Reports， 2017， 7： 4182. DOI：10.1038/s41598-017-04038-4 .
[13]	莫宇，鲍雅静，李政海，等. 呼伦贝尔草原退化对植被碳库的影响［J］. 内蒙古大学学报（自然科学版）， 2023， 54（1）： 61-68. DOI：10.13484/j.nmgdxxbzk.20230108 .
[14]	张宏斌，杨桂霞，黄青，等. 呼伦贝尔草甸草原景观格局时空演变分析：以海拉尔及周边地区为例［J］. 草业学报， 2009， 18（1）： 134-143. DOI：10.3321/j.issn：1004-5759.2009.01.020 .
[15]	叶佳琦，李政海，乌云其其格，等. 呼伦贝尔草原、湿地和森林植被对气候变化的响应［J］. 中国草地学报， 2018， 40（6）： 26-32. DOI：10.16742/j.zgcdxb.2018-06-04 .
[16]	李晶，刘乾龙，刘鹏宇. 1998—2018年呼伦贝尔市植被覆盖度时空变化及驱动力分析［J］. 生态学报， 2022， 42（1）： 220-235. DOI：10.5846/stxb202003270710 .
[17]	张戈丽，徐兴良，周才平，等. 近30年来呼伦贝尔地区草地植被变化对气候变化的响应［J］. 地理学报， 2011， 66（1）： 47-58. DOI：10.11821/xb201101005 .
[18]	范凯凯，李淑贞，陈金强，等. 呼伦贝尔草原土壤呼吸作用空间异质性分析［J］. 草地学报， 2022， 30（1）： 205-211. DOI：10.11733/j.issn.1007-0435.2022.01.025 .
[19]	Peng S Z， Ding Y X， Liu W Z， et al. 1 km monthly temperature and precipitation dataset for China from 1901 to 2017［J］. Earth System Science Data， 2019， 11（4）： 1931-1946. DOI：10.5194/essd-11-1931-2019 .
[20]	Yang J， Huang X. 30 m annual land cover and its dynamics in China from 1990 to 2019 ［J］. Earth System Science Data Discussions， 2021， 2021： 1-29. DOI：10.5194/ESSD-2021-7 .
[21]	郭岚瑄，王贺封，沈石凯，等. 京津冀地区kNDVI时空变化及对气候因子的响应［J］. 西南农业学报， 2024， 37（8）： 1837-1849. DOI：10.16213/j.cnki.scjas.2024.8.020 .
[22]	余梦晨，李迎，李月芬. 2005—2018年浙江省植被生长季NDVI时空变化及其对气候因子的响应［J］. 湖北农业科学， 2022， 61（21）： 32-38， 56. DOI：10.14088/j.cnki.issn0439-8114.2022.21.006 .
[23]	王雅婷，朱长明，张涛，等. 2002—2020年秦岭—黄淮平原交界带植被物候特征遥感监测分析［J］. 自然资源遥感， 2022， 34（4）： 225-234.
[24]	Jonsson P， Eklundh L. Seasonality extraction by function fitting to time-series of satellite sensor data［J］. IEEE Transactions on Geoscience and Remote Sensing， 2002， 40（8）： 1824-1832. DOI：10.1109/TGRS.2002.802519 .
[25]	Liu C Y， Dong X F， Liu Y Y. Changes of NPP and their relationship to climate factors based on the transformation of different scales in Gansu， China［J］. Catena， 2015， 125： 190-199. DOI：10.1016/j.catena.2014.10.027 .
[26]	Hu X Q， Feng H H， Tang Y Y， et al. Detection of the contribution of vegetation change to global net primary productivity： a satellite perspective［J］. Remote Sensing， 2024， 16（24）： 4692. DOI：10.3390/rs16244692 .
[27]	Camps-Valls G， Campos-Taberner M， Moreno-Martínez Á， et al. A unified vegetation index for quantifying the terrestrial biosphere［J］. Science Advances， 2021， 7（9）： eabc7447. DOI：10.1126/sciadv.abc7447 .
[28]	Liu X F， Zhang J S， Zhu X F， et al. Spatiotemporal changes in vegetation coverage and its driving factors in the Three-River Headwaters Region during 2000–2011［J］. Journal of Geographical Sciences， 2014， 24（2）： 288-302. DOI：10.1007/s11442-014-1088-0 .
[29]	Ma Y R， Guan Q Y， Sun Y F， et al. Three-dimensional dynamic characteristics of vegetation and its response to climatic factors in the Qilian Mountains［J］. Catena， 2022， 08： 105694. DOI：10.1016/j.catena.2021.105694 .
[30]	Liu Y， Li L H， Chen X， et al. Temporal-spatial variations and influencing factors of vegetation cover in Xinjiang from 1982 to 2013 based on GIMMS-NDVI₃g［J］. Global and Planetary Change， 2018， 169： 145-155. DOI：10.1016/j.gloplacha.2018.06.005 .
[31]	Sen P K. Estimates of the regression coefficient based on Kendall’s tau［J］. Journal of the American Statistical Association， 1968， 63（324）： 1379-1389. DOI：10.1080/01621459.1968.10480934 .
[32]	Ren Z G， Tian Z H， Wei H T， et al. Spatiotemporal evolution and driving mechanisms of vegetation in the Yellow River Basin， China during 2000-2020［J］. Ecological Indicators， 2022， 138： 108832. DOI：10.1016/j.ecolind.2022.108832 .
[33]	Kendall M G. A new measure of rank correlation［J］. Biometrika， 1938， 30（1/2）： 81-93. DOI：10.2307/2332226 .
[34]	Mann H B. Nonparametric tests against trend［J］. Econometrica， 1945， 13（3）： 245-259. DOI：10.2307/1907187 .
[35]	Chen S Y， Ji L Y， Li K X， et al. The spatio-temporal variation of vegetation and its driving factors during the recent 20 years in Beijing［J］. Remote Sensing， 2024， 16（5）： 851. DOI：10.3390/rs16050851 .
[36]	宗慧琳，张晓伦，袁希平，等. 利用GEE进行1990—2022年小江流域生态环境质量时空格局与演变趋势分析［J］. 环境科学， 2024， 45（7）： 4122-4136. DOI：10.13227/j.hjkx.202308061 .
[37]	奥勇，汪雅，王晓峰，等. 近二十年郑州市生态环境质量时空变化及驱动因素分析［J］. 自然资源遥感，2025， 37（1）： 102-112. DOI：10.6046/zrzyyg.2023203 .
[38]	Hurst H E. Long-term storage capacity of reservoirs［J］. Transactions of the American Society of Civil Engineers， 1951， 116（1）： 770-799. DOI：10.1061/taceat.0006518 .
[39]	马晓倩，钟瑞森，吴彬，等. 塔里木河干流植被NDVI时空动态变化及影响因素探测［J］. 环境科学， 2025，46（9）：5813-5824. DOI：10.13227/j.hjkx.202409115 .
[40]	孟庆俊，冯启言，张淇翔，等. 高寒地区露天煤矿生态修复区生物多样性评估［J］. 能源环境保护， 2018， 32（3）： 44-49. DOI：10.3969/j.issn.1006-8759.2018.03.013 .
[41]	邹兰兰，冯启言，郝明，等. 灵泉露天矿生态修复效果及驱动因素分析［J］. 中国矿业， 2024， 33（3）： 43-50. DOI：10.12075/j.issn.1004-4051.20230100 .
[42]	胡娇娇，宇广.新右旗3397户牧民获草原生态保护补助奖［N］.呼伦贝尔日报，2022-11-07（003）. DOI：10.28351/n.cnki.nhlbe.2022.001771 .
[43]	李梦茹，邓泽坤，杜佳梦. 新巴尔虎右旗植被覆盖变化研究［J］. 草原与草业， 2021， 33（1）： 29-34. DOI：10.3969/j.issn.2095-5952.2021.01.006 .
[44]	邹洪坤. 湖北省植被覆盖度动态变化及其对气候变化的响应［D］. 武汉：武汉大学， 2018.