蒙古高原荒漠化的时空演变及其驱动机制

【图形摘要】

微信号：ziranziyuan1
更多资料，添加微信
复制微信号

【文字摘要】

荒漠化对蒙古高原的生态和环境构成严峻挑战。由于其复杂的自然地理条件和覆盖的各种气候带，很难在整个重大计划中使用统一的指标来量化荒漠化的分布。为了准确应对这一挑战，本研究绘制了1990-2020年30米分辨率的荒漠化空间分布图。首先利用MP上的水分指数识别沙漠化潜在发育区。构建了基于Google Earth引擎和Landsat数据的特征空间模型和5个机器学习模型，制作了基于Google Earth引擎和Landsat数据的地图。进一步分析了沙漠化的时空分布特征，并利用地探测器模型找出了沙漠化分布和演变的主要驱动因素。结果表明，沙漠化潜在发生面积占国土总面积的83.88%。在荒漠化评价中，梯度增强树模型表现最好，总体准确率最高，为88.18%。2010年是重大计划从土地退化到土地恢复的关键一年。从2010年到2020年，蒙古南部的沙化土地继续广泛恶化，而内蒙古中国基本上进入了全面恢复阶段。降水和土地利用是蒙古高原和蒙古荒漠化空间分布的主要驱动因素，潜在蒸散量和降水影响着内蒙古荒漠化的分布，中国。土地利用的变化是该区域和蒙古荒漠化演变的主要驱动因素。本研究构建了适合全球荒漠化监测的指标体系和方法，解决了长期缺乏精细荒漠化数据的问题，为该地区乃至世界其他大型干旱半干旱地区的荒漠化防治提供了科学的决策支持。

本研究的重点是蒙古高原的核心区(87◦43‘-126◦04’E，37◦22‘-53◦20’N)，包括内蒙古自治区中国和蒙古国。

地形复杂多样，自西北向东南逐渐下降，平均海拔1580米，西北以山脉为主，中部和东部多为大丘陵，戈壁沙漠横贯西南。

【数据】

陆地卫星5/7/8图像作为主要遥感数据，描绘了1990年、1995年、2000年、2005年、2010年、2015年和2020年30米分辨率的荒漠化分布。

这项研究中使用的12个自然和人为因素的详细信息，包括数据来源、缩写、分辨率、单位和网站。

【方法】

具体流程如下：

【确定 MP 地区沙漠化潜在发生范围】

荒漠化是指由各种因素引起的土地退化，包括干旱、半干旱和干旱亚湿润地区气候变异性和人为活动的变化，其特点是湿度指数从0.05到0.65(《荒漠化公约》，1994年)。MP的地理位置很复杂，涵盖了几个气候区域。

【荒漠化信息提取方法研究】

1）MP荒漠化划分标准

对MP的实地调查，荒漠化被分为五类：重度、重度、中度、轻度和潜在荒漠化。通过实地调查，获得了实地调查地点的土地覆盖类型、土壤水分、土壤电导率、土壤粒度、植被覆盖以及周围景观状况等信息，以全面、准确地评价实地调查地点的荒漠化程度。

2）荒漠化表征指标

植被和土壤状况是通过大尺度遥感监测荒漠化程度的主要特征指标。植被对地形、地貌、土壤、水文条件和气候的变化高度敏感，使其成为荒漠化程度的最可靠指标之一。

五种植被和土壤指标的遥感反演公式和波段如下：

3）机器学习与特征空间模型

利用GEE平台，对五种机器学习模型和特征空间模型进行了深入的比较，绘制了蒙古高原荒漠化的分布图。这些模型包括CART、支持向量机、RF、GBDT、MMD和Albedo-NDVI特征空间模型

【精度评估方法】

利用混淆矩阵对各种机器学习和特征空间模型提取荒漠化信息的精度进行量化。它由四个主要评价指标组成：总体准确度(OA)、卡帕系数、制作人准确度(PA)和用户S准确度(UA)。

【重心偏移模型】

荒漠化重心表示研究区域内某一年特定荒漠化程度的扭矩在空间平面上达到平衡的点。

【地理探测器】

地理探测器是一种统计模型，用于检测地理现象的空间异质性，并定量揭示影响地理现象差异的驱动因素。该模型包括四个部分：因子、风险、生态和相互作用检测器。

【MP沙漠化的潜在发生范围】

沙漠化潜在发生面积占土地总面积的83.88%，其中以半干旱带面积最大，为44.03%，其次是干旱带。非荒漠化地区主要位于极端干旱和潮湿地区。湿润地带主要位于内蒙古东北部的大兴安岭林区和蒙古北部的色伦格河流域。

【荒漠化信息提取模型的准确性验证】

不同的机器学习和特征空间模型在MP中识别荒漠化的实际效果。

显示了不同的机器学习和特征空间模型在识别每个荒漠化方面的准确性。GBDT模型的精度最高，总体精度为88.18%，kappa系数为0.85。

【MP沙漠化的时空格局】

基于梯度增强树模型，对1990~2020年的沙漠化程度进行了评价。从2015年到2020年，蒙古北部和内蒙古东南部潜在和轻度沙化土地的面积进一步扩大，蒙古东南部严重沙化土地的面积也扩大了。

分析了1990年至2020年期间重大计划中不同程度荒漠化的重心迁移情况。潜在荒漠化和轻度荒漠化的重心位置相近，其迁移方向保持一致。

【MP沙漠化的时空演变】

将1990-2020年荒漠化演变分为五个等级：显著恶化(荒漠化加剧两个或两个以上等级)、恶化(荒漠化加剧到相邻等级)、稳定(荒漠化程度保持不变)、恢复(荒漠化减少到相邻等级)和显著恢复(荒漠化减少两个或两个以上)。

【沙漠化对MP的驱动因素】

1）沙漠化空间分布的驱动因素

选取POP、LIVEST、PDSI、PET、PRE、SM、TMMN、TMMX、VPD、WS、DEM和LU等12个自然和人为因子，分析了内蒙古、中国和蒙古国荒漠化空间分布格局的驱动机制。

2）荒漠化演变的驱动因素

利用斜率趋势分析得到了这些自然和人为因素的变化率，以进一步揭示荒漠化演变对内蒙古、内蒙古、中国和蒙古国的驱动机制。

【大规模、高精度荒漠化信息提取方案】

我们利用气象数据，基于湿度指数来识别MP上潜在的荒漠化发生程度。

本研究采用的NDVI最大值合成方法能够敏感地捕捉到有限生长季的更有效的植被信息，提高了植被监测的精度，进一步增强了稀疏植被区与裸地的区分。

利用GEE平台，比较了五种机器学习方法和Albedo-NDVI特征空间模型在大尺度和高精细荒漠化信息提取中的性能。其中，梯度增强树算法表现出最高的总体精度和卡帕系数，表明该算法在识别蒙古高原沙漠化总体上是有效的，在识别各个沙漠化级别上表现出了均衡性。随机森林模型对沙漠化总体识别效果较好，但其Kappa系数低于梯度增强树法。其他机器学习模型在识别不同荒漠化程度方面表现出总体准确率较低和明显的性能差距。

因此，未来的研究应着眼于不同地理单元和机器学习模型的结合，进一步探索能够反映土壤属性和气候特征的遥感反演指标，以及具有高时空分辨率的土壤属性和气候产品。

【蒙古国与内蒙古沙漠化演化的差异，中国】

近30年来，内蒙古的荒漠化程度有所改善，而蒙古的荒漠化程度有所上升。

沙化土地的改善和恶化取决于气候变化和人类活动的强度。

中国和蒙古作为两个政治上独立的实体，在荒漠化演变方面的差异主要是由它们的生态恢复政策和工程倡议决定的。

【荒漠化空间分布与演化的驱动机制】

自然和人为因素之间的相互作用可能导致荒漠化。降水已被确定为影响内蒙古、中国和蒙古荒漠化分布的关键因素。

与荒漠化的空间分布格局相反，本研究的结果表明，土地利用的变化是影响该地区荒漠化演变的主要因素。

因子交互作用显著提高了荒漠化演变在不同区域的解释力，超过了单一因子的解释能力。这表明沙漠化的演变受到多种因素的影响，包括土壤水分、风速和牲畜的变化。