中国西北干旱区土地沙漠化敏感性时空格局

doi:10.11821/dlxb202009010

地理学报 ›› 2020, Vol. 75 ›› Issue (9): 1948-1965.doi: 10.11821/dlxb202009010

中国西北干旱区土地沙漠化敏感性时空格局

郭泽呈¹(), 魏伟¹(), 石培基¹, 周亮²^,³, 王旭峰⁴, 李振亚¹, 庞素菲¹, 颉斌斌⁵

1. 西北师范大学地理与环境科学学院,兰州 730070
2. 兰州交通大学测绘与地理信息学院,兰州 730070
3. 中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室,北京100101
4. 中国科学院西北生态环境资源研究院内陆河流域生态水文重点实验室/甘肃省祁连山生态研究中心,兰州 730000
5. 兰州城市学院旅游学院,兰州 730070

收稿日期:2019-07-25 修回日期:2020-05-13 出版日期:2020-09-25 发布日期:2020-11-25
通讯作者: 魏伟
作者简介:郭泽呈(1996-), 男, 安徽亳州人, 硕士生, 研究方向为环境遥感与GIS应用。E-mail: 18709424424@163.com
基金资助:
国家自然科学基金项目(41861040);国家自然科学基金项目(41761047)

Spatiotemporal changes of land desertification sensitivity in the arid region of Northwest China

GUO Zecheng¹(), WEI Wei¹(), SHI Peiji¹, ZHOU Liang²^,³, WANG Xufeng⁴, LI Zhenya¹, PANG Sufei¹, XIE Binbin⁵

1. College of Geography and Environmental Science, Northwest Normal University, Lanzhou 730070, China
2. Faculty of Geomatics, Lanzhou Jiaotong University, Lanzhou 730070, China
3. State Key Laboratory of Resources and Environmental Information System, Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China
4. Key Laboratory of Ecohydrology of In-land River Basin/Gansu Qilian Mountains Ecological Research Center, Northwest Institute of Eco-environment and Resources, CAS, Lanzhou 730000, China
5. School of Urban Economics and Tourism Culture, Lanzhou City University, Lanzhou 730070, China

Received:2019-07-25 Revised:2020-05-13 Online:2020-09-25 Published:2020-11-25
Contact: WEI Wei
Supported by:
National Natural Science Foundation of China(41861040);National Natural Science Foundation of China(41761047)

摘要/Abstract

摘要：

土地沙漠化敏感性评估是沙漠化监测的重要内容之一,也是研究如何防止和治理沙漠化的重要课题。本文以中国西北干旱区作为研究区,利用遥感技术和GIS空间分析技术为支撑,通过构建“土壤—地形—水文—气候—植被”沙漠化敏感性综合评价指标体系,并借助空间距离模型计算了沙漠化敏感性指数,进而定量评估2000年、2005年、2010年和2017年西北干旱区土地沙漠化敏感性的时空演变特征,在此基础上引入地理探测器等方法对其主要驱动因素进行了深入分析。研究结果表明：① 地形、土壤、气候、植被和水文等5个方面相互影响,彼此制约,共同构成中国西北干旱区沙漠化敏感性分布和变化的本底条件;② 西北干旱区沙漠化敏感性总体上呈现周边低、内部高的分布特征,低敏感区主要分布在阿尔泰山、天山、昆仑山、阿尔金山和祁连山等地,而高敏感区则主要分布在准噶尔盆地、塔里木盆地和内蒙古高原等大部分地区,包括塔克拉玛干沙漠、巴丹吉林沙漠和腾格里沙漠腹地。沙漠化敏感性的空间分布具有显著的区域性,高敏感区和低敏感区界限分明、分布集中;③ 从时空演变看,2000年以来沙漠化敏感性变化以稳定型占据主导,而整体上敏感性表现为缓慢降低趋势,说明潜在沙漠化区域逐年减少,区域沙漠化治理工作取得了一定成效;④ 西北干旱区的各驱动因素中,土壤及气候起直接作用,是最主要的影响因素,而植被是改变沙漠化敏感性最活跃、最基本的因素。除此之外,地形的分布和水文的变化对沙漠化敏感性起到一定的限制作用,而社会经济因素是影响区域沙漠化敏感性最为快速的因素,且经济发展对促进区域沙漠化敏感性的增长作用有逐渐加强的趋势。从整体来看,中国西北干旱区土地沙漠化得到了有效遏制,沙漠化治理工作取得了积极成效,但在全球气候变化加强和社会经济发展进入新常态的大背景下,中国沙漠化监测评估和治理工作仍然任重而道远。

关键词: 沙漠化敏感性, 时空变化, 地理探测器, GIS, 中国西北干旱区

Abstract:

The sensitivity assessment of land desertification is one of important contents of monitoring, preventing and controlling desertification. This paper took the arid region of Northwest China as the study area. Based on the RS and spatial analysis technology of GIS, we built a comprehensive index system of desertification sensitivity for evaluation on "soil-terrain-hydrology-climate-vegetation". The spatial distance model (SDM) was used to calculate the desertification sensitivity index (DSI). Then, spatiotemporal change of land desertification sensitivity in the study area covering 2000, 2005, 2010 and 2017 was quantitatively assessed. On this basis, the main driving factors were analyzed by using the geographic detector. The results showed that: (1) terrain, soil, climate, vegetation and hydrology affected each other, which were the basic conditions for the distribution and changes of sensitivity to desertification in the study area. (2) On the whole, the desertification sensitivity showed a distribution pattern of low around and high inside. The low sensitivity regions were mainly distributed in the five major mountain ranges (i.e. Altai Mountains, Tianshan Mountains, Kunlun Mountains, Altun Mountains and Qilian Mountains), and Junggar Basin, Tarim Basin and Inner Mongolian Plateau belonged to the high sensitivity regions, including the back-land of Taklamakan Desert, Badain Jaran Desert and Tengger Desert. Besides, the spatial distribution of desertification sensitivity had obvious regionality, and high and low sensitivity regions had clear boundary and concentrated distribution. (3) In terms of spatiotemporal evolution, changes of desertification sensitivity since 2000 was mainly stable type, and the overall sensitivity showed a slow decrease trend, indicating that the potential desertification regions decreased year by year and some achievements had been made in the control of regional desertification. (4) Among the driving factors affecting study area, soil and climate played a direct role, which were the most important influencing factors, and vegetation was the most active and basic factor that changed desertification sensitivity. In addition, topography and hydrology played a role in restricting the changes of desertification sensitivity, while socio-economic factors were affecting the regional desertification sensitivity, and their effects were gradually strengthened. In general, desertification has been effectively controlled in the study area, and positive results have been achieved in desertification control. However, against the backdrop of intensified global climate change and new normal of socio-economic development, the monitoring, assessment and control of desertification in China still have a long way to go.

Key words: desertification sensitivity, spatiotemporal change, geographic detector, GIS, arid region of Northwest China

郭泽呈, 魏伟, 石培基, 周亮, 王旭峰, 李振亚, 庞素菲, 颉斌斌. 中国西北干旱区土地沙漠化敏感性时空格局[J]. 地理学报, 2020, 75(9): 1948-1965.

GUO Zecheng, WEI Wei, SHI Peiji, ZHOU Liang, WANG Xufeng, LI Zhenya, PANG Sufei, XIE Binbin. Spatiotemporal changes of land desertification sensitivity in the arid region of Northwest China[J]. Acta Geographica Sinica, 2020, 75(9): 1948-1965.

图/表 15

图1

表1

表2

各本底指数的构建方法"

单一本底指数	计算公式	解释说明
地形本底指数	$TBI = E - E low 2 + S - S low 2 + A - A low 2$	式中：E、S和A分别为海拔、坡度和坡向因子;E_low、S_low和A_low分别为由海拔、坡度和坡向构成的三维空间中代表的在这3个维度上敏感性程度最低值,下同;基准点(E_low, S_low, A_low)为(0, 0, 0),TBI值越大,代表在地形这个因子层面上土地沙漠化敏感性越高。其中海拔是基于数字高程模型(DEM)直接获取,坡度和坡向则是借助ArcGIS 10.2中Slope和Aspect工具进行提取。坡向按敏感性由低到高排序为：平地<西、西北和北<东北和东<东南、南和西南,分别赋值为1~4^[22]。
土壤本底指数	$SBI = SOMC - SOM C low 2 + SEI - SE I low 2 + SSC - SS C low 2 + SD - S D low 2$	式中：SOMC、SEI、SSC和SD分别为土壤有机质含量、土壤侵蚀强度、土壤含砂量和土壤深度;基准点(SOMC_low, SEI_low, SSC_low, SD_low)为(0, 0, 0, 0),SBI值越大,其土壤基底条件越差,土地沙漠化敏感性程度就越高。其中土壤有机质含量是根据世界土壤数据库中的土壤有机碳除以0.58换算得来;土壤侵蚀强度根据微度侵蚀、轻度侵蚀、中度侵蚀、强度侵蚀、极强度侵蚀和剧烈侵蚀6种侵蚀类型等级,分别赋值为1~6;土壤含砂量由中国科学院资源与环境科学数据中心提供;土壤深度则根据土壤类型定量化而来^{[18, 22]}。
水文本底指数	$HBI = DS - D S low 2 + DR - D R low 2 + DLR - DL R low 2$	式中：DS、DR和DLR分别为距冰川雪地距离、距主要河流距离和距湖泊水库距离;基准点(DS_low, DR_low, DLR_low)为(0, 0, 0),HBI值越大,代表区域水资源量越低,其土地沙漠化沙漠化敏感性就越高。其中距冰川雪地、主要河流和湖泊水库的距离是借助ArcGIS 10.2中Euclidean distance工具^{[20, 31]}进行计算得来的。
气候本底指数	$AI = P t 0 + 10$	式中：AI、P和t⁰分别为干燥度、年平均降水量和年平均气温;AWV和LST分别为平均风速和地表温度;基准点(AWV_low, AI_low, LST_low)为(0, 0, 0),CBI值越大,代表着气候条件越恶劣,土地沙漠化敏感性越高。其中,地表温度为MODIS数据产品,干燥度和平均风速利用研究区及周边112个气象站点提供各年份的站点数据,并采用克里金插值法(Kriging)插值得到空间分布图^[20]。平均风速可由气象数据集中直接获取,而本研究则采用de Martonne方法计算干燥度,其计算过程简单,数据容易获取,且经过实际应用后发现,在中国西北地区有较好的利用价值^[21]。
气候本底指数	$CBI = AWV - AW V low 2 + AI - A I low 2 + LST - LS T low 2$
植被本底指数	$VBI = NDVI - NDV I low 2 + DR - D R low 2$	式中：NDVI和DR为归一化植被指数和植被抗旱能力;基准点(NDVI_low, DR_low)为(0, 0),VBI值越大,代表植被覆盖越低,沙漠化敏感性越高。其中归一化植被指数来源于MODIS数据产品,而植被抗旱能力是根据植被类型定量化提取,按沙漠化敏感性由低到高排序为：阔叶林、针叶林、针阔叶混交林和水域<沼泽、栽培植被、高山植被和灌丛<草原、草甸、牧场和草丛<荒漠、岩石和无植被覆盖区,分别赋值为1~4^[22]。

表2

表3

表4

表5

图2

图3

图4

图5

图6

图7

图8

表6

表7

参考文献 36

[1]	Wang Tao, Zhu Zhenda. Study on sandy desertification in China: Definition of sandy desertification and its connotation. Journal of Desert Research, 2003,23(3):209-214.
	[ 王涛, 朱震达. 我国沙漠化研究的若干问题—沙漠化的概念及其内涵. 中国沙漠, 2003,23(3):209-214.]
[2]	UN. United Nations Convention to Combat Desertification in Those Countries Experiencing Serious Drought and/or Desertification, Particularly in Africa. Combat Desertification Office of Ministry of Forestry in the People's Republic of China, trans. Beijing: China Forestry Publishing House, 1994.
	[ UN. 联合国关于在发生严重干旱和/或沙漠化的国家特别是在非洲防治沙漠化的公约. 中华人民共和国林业部防治沙漠化办公室, 译. 北京: 中国林业出版社, 1994.]
[3]	Zhu Zhenda. Fragile ecological zones and land desertification in China. Journal of Desert Research, 1991,11(4):11-22.
	[ 朱震达. 中国的脆弱生态带与土地荒漠化. 中国沙漠, 1991,11(4):11-22.]
[4]	Sterk G, Boardman J, Verdoodt A. Desertification: History, causes and options for its control. Land Degradation & Development, 2016,27(8):1783-1787.
[5]	Symeonakis E, Karathanasis N, Koukoulas S, et al. Monitoring sensitivity to land degradation and desertification with the environmentally sensitive area index: The case of Lesvos Island. Land Degradation & Development, 2016,27(6):1562-1573.
[6]	Karamesouti M, Panagos P, Kosmas C. Model-based spatio-temporal analysis of land desertification risk in Greece. Catena, 2018,167:266-275.
[7]	Tian Lu, Qiu Sijing, Peng Jian, et al. Desertification sensitivity evaluation in Inner Mongolia Autonomous Region based on PSR framework. Progress in Geography, 2018,37(12):1682-1692.
	[ 田璐, 邱思静, 彭建, 等. 基于PSR框架的内蒙古自治区沙漠化敏感性评估. 地理科学进展, 2018,37(12):1682-1692.]
[8]	Salvati L, Bajocco S. Validation of MEDALUS fire risk index using forest fires statistics through a multivariate approach. Ecological Indicators, 2015,48:365-369.
[9]	Zhao Mingyue, Zhao Wenwu, Jin Ting, et al. Land desertification sensitivity evaluation in Qinghai Lake Basin. Chinese Agricultural Science Bulletin, 2012,28(32):237-242.
	[ 赵明月, 赵文武, 靳婷, 等. 青海湖流域土地沙漠化敏感性评价. 中国农学通报, 2012,28(32):237-242.]
[10]	Wang Yuehui, Zhang Linbo, Guo Yang, et al. Analysis of spatiotemporal pattern and tendency of land desertification sensitivity in six provinces of China. Research of Soil and Water Conservation, 2014,21(5):132-137.
	[ 王跃辉, 张林波, 郭杨, 等. 中国六省土地沙漠化敏感性时空格局与趋势分析. 水土保持研究, 2014,21(5):132-137.]
[11]	Sun Binfeng, Wang Xiaoke. On assessment of sandy desertification sensitivity in Xinjiang. Journal of Southwest China Normal University (Natural Science Edition), 2015,40(7):108-112.
	[ 孙滨峰, 王效科. 新疆沙漠化敏感性评价研究. 西南师范大学学报(自然科学版), 2015,40(7):108-112.]
[12]	Chen Dongdong, Zhao Jun. Spatial and temporal characteristics of lake changes in arid areas of northwest China. Remote Sensing Technology and Application, 2017,32(6):1114-1125.
	[ 陈栋栋, 赵军. 我国西北干旱区湖泊变化时空特征. 遥感技术与应用, 2017,32(6):1114-1125.]
[13]	Zhou Dan, Shen Yanjun, Chen Yaning, et al. Estimation of ecological water requirement of desert vegetation in the arid region of northwest China. Chinese Journal of Ecology, 2015,34(3):670-680.
	[ 周丹, 沈彦俊, 陈亚宁, 等. 西北干旱区荒漠植被生态需水量估算. 生态学杂志, 2015,34(3):670-680.]
[14]	Wei Xiaoxu, Zhao Jun, Wei Wei, et al. Coordinated development of ecological-economic system and spatial evolution based on county unit in China. Progress in Geography, 2014,33(11):1535-1545.
	[ 魏晓旭, 赵军, 魏伟, 等. 基于县域单元的中国生态经济系统协调度及空间演化. 地理科学进展, 2014,33(11):1535-1545.]
[15]	Cui Buli, Li Xiaoyan, Jiang Guanghui, et al. Study on land use/cover in mountain area based on the DEM: Taking the Qinghai Lake Basin as an example. Journal of Natural Resources, 2011,26(5):871-880.
	[ 崔步礼, 李小雁, 姜广辉, 等. 基于DEM的山地丘陵区土地利用/覆被研究: 以青海湖流域为例. 自然资源学报, 2011,26(5):871-880.]
[16]	Duan Hanchen, Xue Xian. Spatio-temporal distribution of aeolian desertification in Horqin Sandy Land based on DEM. Journal of Arid Land Resources and Environment, 2018,32(8):74-79.
	[ 段翰晨, 薛娴. 基于DEM的科尔沁沙地沙漠化土地时空分布特征. 干旱区资源与环境, 2018,32(8):74-79.]
[17]	Wang Ya, Zhou Lihua, Wei Xuan. An evaluation index system of vulnerability of the desertification reversion process based on the socio-ecological systems theory. Acta Ecologica Sinica, 2018,38(3):829-840.
	[ 王娅, 周立华, 魏轩. 基于社会—生态系统的沙漠化逆转过程脆弱性评价指标体系. 生态学报, 2018,38(3):829-840.]
[18]	Liu L Y, Li X Y, Shi P, et al. Wind erodibility of major soils in the farming-pastoral ecotone of China. Journal of Arid Environments, 2007,68(4):611-623.
[19]	Zhou Kan, Fan Jie, Wang Yafei, et al. Evaluation of water resources carrying capacity and its guidelines for spatial planning in arid and semi-arid region: A case in Xiji-Haiyuan-Guyuan area of Ningxia. Scientia Geographica Sinica, 2019,39(2):232-241.
	[ 周侃, 樊杰, 王亚飞, 等. 干旱半干旱区水资源承载力评价及空间规划指引: 以宁夏西海固地区为例. 地理科学, 2019,39(2):232-241.]
[20]	Wei Wei. Land use optimal allocation based on CLUE-S and MCR model in Shiyang River Basin[D]. Lanzhou: Lanzhou University, 2018.
	[ 魏伟. 基于CLUE-S和MCR模型的石羊河流域土地利用空间优化配置研究[D]. 兰州: 兰州大学, 2018.]
[21]	Zhang Xinshi. Principles and optimal models for development of Maowusu Sandy Grassland. Acta Phytoecologica Sinica, 1994,18(1):1-16.
	[ 张新时. 毛乌素沙地的生态背景及其草地建设的原则与优化模式. 植物生态学报, 1994,18(1):1-16.]
[22]	Xu D, You X, Xia C. Assessing the spatial-temporal pattern and evolution of areas sensitive to land desertification in north China. Ecological Indicators, 2019,97:150-158.
[23]	Zhai Renjian. Research on automated matching methods for multi-scale vector spatial data based on global consistency evaluation[D]. Zhengzhou: Information Engineering University, 2011.
	[ 翟仁健. 基于全局一致性评价的多尺度矢量空间数据匹配方法研究[D]. 郑州: 解放军信息工程大学, 2011.]
[24]	Bi Jingxue, Zhen Jie, Wang Yunjia, et al. The method of enhanced gaussian function weighted KNN indoor positioning. Bulletin of Surveying and Mapping, 2017(6):9-12.
	[ 毕京学, 甄杰, 汪云甲, 等. 高斯函数定权的改进KNN室内定位方法. 测绘通报, 2017(6):9-12.]
[25]	Mesquita D P P, Gomes J P P, Júnior A H S, et al. Euclidean distance estimation in incomplete datasets. Neurocomputing. 2017,248:11-18.
[26]	Amani M, Salehi B, Mahdavi S, et al. Temperature-vegetation-soil moisture dryness index (TVMDI). Remote Sensing of Environment, 2017,197:1-14. doi: 10.1016/j.rse.2017.05.026
[27]	Yang Shiqi. A case study of a novel sustainable agricultural development evaluation method based on Euclidean distance theory. Acta Ecologica Sinica, 2017,37(11):3840-3848.
	[ 杨世琦. 基于欧氏距离的农业可持续发展评价理论构建与实例验证. 生态学报, 2017,37(11):3840-3848.]
[28]	Shi San'e, Wei Wei, Yang Dong, et al. Spatial and temporal evolution of eco-environmental quality in the oasis of Shiyang River Basin based on RSEDI. Chinese Journal of Ecology, 2018,37(4):1152-1163.
	[ 石三娥, 魏伟, 杨东, 等. 基于RSEDI的石羊河流域绿洲区生态环境质量时空演变. 生态学杂志, 2018,37(4):1152-1163.]
[29]	Wei W, Guo Z C, Xie B B, et al. Spatiotemporal evolution of environment based on integrated remote sensing indexes in arid inland river basin in northwest China. Environmental Science and Pollution Research, 2019,26(13):13062-13084. doi: 10.1007/s11356-019-04741-x pmid: 30891703
[30]	Zhu Dayun, Xiong Kangning, Xiao Hua, et al. Comparison of rocky desertification detection ability of GF-1 and Landsat-OLI based on vegetation index. Journal of Natural Resources, 2016,31(11):1949-1957.
	[ 朱大运, 熊康宁, 肖华, 等. 基于植被指数的GF-1与Landsat-OLI石漠化识别能力对比评价. 自然资源学报, 2016,31(11):1949-1957.]
[31]	Chen Wanxu, Li Jiangfeng, Zeng Jie, et al. Spatial heterogeneity and formation mechanism of eco-environmental effect of land use change in China. Geographical Research, 2019,38(9):2173-2187.
	[ 陈万旭, 李江风, 曾杰, 等. 中国土地利用变化生态环境效应的空间分异性与形成机理. 地理研究, 2019,38(9):2173-2187.]
[32]	Wang Jinfeng, Xu Chengdong. Geodetector: Principle and prospective. Acta Geographica Sinica, 2017,72(1):116-134.
	[ 王劲峰, 徐成东. 地理探测器: 原理与展望. 地理学报, 2017,72(1):116-134.]
[33]	Zhao Xiaofeng, Li Yaya, Zhao Yuntai, et al. Spatiotemporal differences and driving factors of land development degree in China based on geographical detector. Resources and Environment in the Yangtze Basin, 2018,27(11):2425-2433.
	[ 赵小风, 李娅娅, 赵雲泰, 等. 基于地理探测器的土地开发度时空差异及其驱动因素. 长江流域资源与环境, 2018,27(11):2425-2433.]
[34]	Wang Guoxia, Li Man. The spatial interaction between inter-provincial migration and manufacturing industry transfer. Scientia Geographica Sinica, 2019,39(2):183-194. doi: 10.13249/j.cnki.sgs.2019.02.002
	[ 王国霞, 李曼. 省际人口迁移与制造业转移空间交互响应研究. 地理科学, 2019,39(2):183-194.]
[35]	Ma Yong, Tong Yun, Ren Jie, et al. Spatial-temporal pattern and driving factors of public participation in environmental regulation: Taking the Yangtze River Economic Belt as an example. Scientia Geographica Sinica, 2018,38(11):1799-1808. doi: 10.13249/j.cnki.sgs.2018.11.007
	[ 马勇, 童昀, 任洁, 等. 公众参与型环境规制的时空格局及驱动因子研究: 以长江经济带为例. 地理科学, 2018,38(11):1799-1808.]
[36]	Wang Xiaofeng, Zhang Mingming, Yin Lichang, et al. Study on the driving factors in desertification process in arid and semi-arid region of China from 2000 to 2015. Ecology and Environmental Sciences, 2019,28(5):948-957.
	[ 王晓峰, 张明明, 尹礼唱, 等. 2000—2015年中国干旱半干旱地区沙漠化进程驱动力研究. 生态环境学报, 2019,28(5):948-957.]

类别值	敏感性	值域
1	不敏感	< 1.561
2	轻度敏感	1.561~1.842
3	中度敏感	1.842~2.131
4	高度敏感	2.131~2.386
5	极度敏感	≥ 2.386

转换类型	代码	赋值	说明
稳定型	1111	1	2000—2017年,敏感类型未发生变化
增加型	0001, 0111, 0011	2	2000—2017年,敏感类型由其他类型转化而增加
减少型	1000, 1100, 1110	3	2000—2017年,敏感类型逆转为其他类型而减少
波动稳定型	0010, 0100, 0110, 1001, 1011, 1101	4	2017年相对于2000年敏感类型未发生变化,在2005和2010年呈波动性变化
波动增加型	0101	5	2017年相对于2000年该敏感类型有所增加,在2005和2010年呈波动性变化
波动减少型	1010	6	2017年相对于2000年该敏感类型有所减少,在2005和2010年呈波动性变化
其他	0000	0	其他沙漠化敏感类型

赋值	代码	含义
1	00001	敏感性类型一直为极度敏感
2	00010	敏感性类型一直为高度敏感
3	00023, 00056	敏感性类型由极度敏感转化为高度敏感
4	00044	敏感性类型在极度敏感和高度敏感间波动转换
5	00032, 00065	敏感性类型由高度敏感逆转为极度敏感
6	00100	敏感性类型一直为中度敏感
7	00230, 00560	敏感性类型由高度敏感转化为中度敏感
8	00440	敏感性类型在高度敏感和中度敏感间波动转换
9	00320, 00650	敏感性类型由中度敏感逆转为高度敏感
10	01000	敏感性类型一直为轻度敏感
11	02300, 05600	敏感性类型由中度敏感转化为轻度敏感
12	04400	敏感性类型在中度敏感和轻度敏感间波动转换
13	03200, 06500	敏感性类型由轻度敏感逆转为中度敏感
14	10000	敏感性类型一直为不敏感
15	23000, 56000	敏感性类型由轻度敏感转化为不敏感
16	44000	敏感性类型在轻度敏感和不敏感间波动转换
17	32000, 65000	敏感性类型由不敏感逆转为轻度敏感

本底指数	2000年		2005年		2010年		2017年
本底指数	q值	p值	q值	p值	q值	p值	q值	p值
土壤本底指数	0.714	0.000^***	0.710	0.000^***	0.712	0.000^***	0.715	0.000^***
地形本底指数	0.311	0.000^***	0.322	0.000^***	0.308	0.000^***	0.301	0.000^***
气候本底指数	0.704	0.000^***	0.710	0.000^***	0.710	0.000^***	0.711	0.000^***
水文本底指数	0.435	0.000^***	0.431	0.000^***	0.433	0.000^***	0.417	0.000^***
植被本底指数	0.612	0.000^***	0.610	0.000^***	0.608	0.000^***	0.609	0.000^***

沙漠化敏感性指数	2000年		2005年		2010年		2017年
沙漠化敏感性指数	r	p	r	p	r	p	r	p
人口密度	-0.105	0.270	-0.107	0.261	-0.111	0.243	-0.089	0.350
人均GDP	0.135	0.155	0.217	0.021^**	0.323	0.001^**	0.334	0.000^***

中国西北干旱区土地沙漠化敏感性时空格局

Spatiotemporal changes of land desertification sensitivity in the arid region of Northwest China

RichHTML

PDF (PC)

赞

可视化

摘要/Abstract

引用本文

使用本文

图/表 15

参考文献 36

相关文章 15

Metrics

本文评价

一级指标层	二级指标层	标准化处理
地形本底指数	海拔	-
	坡度	-
	坡向	+
土壤本底指数	土壤有机质含量	-
	土壤侵蚀强度	+
	土壤深度	+
	土壤含砂量	+
水文本底指数	距冰川雪地距离	+
	距主要河流距离	+
	距湖泊水库距离	+
气候本底指数	干燥度	-
	地表温度	+
	平均风速	+
植被本底指数	NDVI	-
植被本底指数	植被抗旱能力	+

[1]	马春玥, 买买提·沙吾提, 姚杰, 古丽努尔·依沙克. 1950—2015年中国棉花生产时空动态变化[J]. 地理学报, 2020, 75(8): 1699-1710.
[2]	陶泽兴, 葛全胜, 王焕炯. 1963—2018年中国垂柳和榆树开花始期积温需求的时空变化[J]. 地理学报, 2020, 75(7): 1451-1464.
[3]	潘竟虎, 冯娅娅. 中国农村深度贫困的空间扫描与贫困分异机制的地理探测[J]. 地理学报, 2020, 75(4): 769-788.
[4]	刘敏, 郝炜. 山西省国家A级旅游景区空间分布影响因素研究[J]. 地理学报, 2020, 75(4): 878-888.
[5]	戴尔阜, 王亚慧. 横断山区产水服务空间异质性及归因分析[J]. 地理学报, 2020, 75(3): 607-619.
[6]	鲁大铭, 杨新军, 石育中, 王子侨. 黄土高原乡村体制转换与转型发展[J]. 地理学报, 2020, 75(2): 348-364.
[7]	宋小青, 申雅静, 王雄, 李心怡. 耕地利用转型中的生物灾害脆弱性研究[J]. 地理学报, 2020, 75(11): 2362-2379.
[8]	彭文甫, 张冬梅, 罗艳玫, 陶帅, 徐新良. 自然因子对四川植被NDVI变化的地理探测[J]. 地理学报, 2019, 74(9): 1758-1776.
[9]	李瀚祺, 贾鹏, 费腾. 基于众源数据挖掘的中国饮食口味与慢性病的空间关联[J]. 地理学报, 2019, 74(8): 1637-1649.
[10]	阮宏威,于静洁. 1992-2015年中亚五国土地覆盖与蒸散发变化[J]. 地理学报, 2019, 74(7): 1292-1304.
[11]	熊俊楠,李进,程维明,周成虎,郭良,张晓蕾,王楠,李伟. 西南地区山洪灾害时空分布特征及其影响因素[J]. 地理学报, 2019, 74(7): 1374-1391.
[12]	吴宜进,赵行双,奚悦,刘慧,李畅. 基于MODIS的2006-2016年西藏生态质量综合评价及其时空变化[J]. 地理学报, 2019, 74(7): 1438-1449.
[13]	宋雪茜,邓伟,周鹏,张少尧,万将军,刘颖. 两层级公共医疗资源空间均衡性及其影响机制——以分级诊疗改革为背景[J]. 地理学报, 2019, 74(6): 1178-1189.
[14]	王正雄,蒋勇军,张远嘱,段世辉,刘九缠,曾泽,曾思博. 基于GIS与地理探测器的岩溶槽谷石漠化空间分布及驱动因素分析[J]. 地理学报, 2019, 74(5): 1025-1039.
[15]	陈峰, 李红波, 张安录. 基于生态系统服务的中国陆地生态风险评价[J]. 地理学报, 2019, 74(3): 432-445.