摘要：为研究甘南州植被覆盖变化的整体特征，本文通过两个实验来分析甘南州植被覆盖变化的贡献率。本文基于MODIS时间序列数据使用残差法和改进的残差法研究植被覆盖变化的贡献率。
关键词：残差法；改进残差法
1. 数据与处理
遥感影像数据为MODIS数据，下载自http://ladsweb.nascom.nasa.gov网站，空间分辨率0.01°（约1km），时间分辨率为1月，从2000年1月至2013年12月共计168幅影像。使用ENVI 4.7软件，本研究对该数据进一步处理，从而生成2000年至2013年8月的NDVI数据集。
气候数据，原始数据为1999年至2013年研究区及其周边22个地面气象观测站的月降水量和月平均气温记录，来源于http://cdc.cma.gov.cn。其中，甘南州只有合作、武都、玛曲三个气象台站，为了提高实验精度，另选取研究区域——甘南州周围的19个气象站点的气候（降水和气温）数据，在软件ArcGIS10.0下对降水和气温数据进行空间插值，生成1km空间分辨率的月值栅格数据集。
2. 方法
2.1 残差法
利用二元一次回归方程模拟植被对气候的响应[1,2]：
.png)
式中，SumP和SumT分别代表得到的累积降水和累积气温时间序列，a、b和c为系数，为随机项。
2.2改进残差法
由于式（1）中气候和人类因素对植被变化的影响存在混淆问题[3-5]，即残差法中气候对植被覆盖的贡献可能包含了人类活动对植被变化的贡献，错误地估计了气候对植被覆盖变化的影响。因此，本文提出一种改进残差法，旨在更好地区分气候和人类活动对植被变化的贡献率。首先，对N678、SumP和SumT进行去趋势处理，方法是：以年份对变量进行一元线性回归模拟，再用残差值加上原始数据的初期值。结果分别记为D(N678)、D(SumP)和D(SumT)。
其次，利用与式（1）形式完全相同的式（2）来模拟D(N678)对D(SumP)和D(SumT)的响应[8]：
.png)
最后，将原始SumP和SumT 代入式（2），得到N678的模拟结果。
在上述去趋势回归方法中，去趋势后的D(N678)、D(SumP)和D(SumT)三个值仅仅是为了确定系数、和，最后将SumP和SumT代入式（2）中得到模拟植被时间序列，这样就可以区分气候和人类活动对植被变化的作用。
2.3 残差分析
利用相关系数法判断N678变化趋势的方向及其显著性。若趋势显著(包括正向和负向)，则使用下面两式计算气候和人类驱动在植被动态中的贡献率(分别记为Rc和Rh)：
.png)
基于残差法和改进残差法，本文分别使用两种方法对甘南州植被覆盖变化做了实验分析。以下将残差法和改进残差法分别简称为RR和DRR。
3. 结果分析
3.1 基于残差法和改进残差法的驱动力研究
图1中(a)和 (b)分别是残差法和改进残差法的回归分析结果。其中，RR识别的Rc>50%( Rh<50%)的面积比例为69.3%，主要集中在甘南的西部：包括合作市、碌曲县、玛曲县和夏河县的大部分地区、以及临潭县和卓尼县的部分区域；零星分布于迭部县和舟曲县；10%<=Rc<=50%的面积面积比例是16.6%，主要分布在甘南东北部以及夏河县的中心区域；Rc<10%的面积比例是14.1%，主要分布在迭部县、舟曲县和夏河县的北部，以及玛曲县的零星地区。DRR识别的Rc>50%( Rh<50%)的面积比例为52.8%，与RR识别出的比例相比大幅度减少，主要集中在合作市、碌曲县和玛曲县以及夏河县的周边地区，零星分布于迭部县和舟曲县；10%<=Rc<=50%的面积面积比例是23.4%，与RR识别出的比例略有增加，主要位在舟曲县的东北部和夏河县的中心区域，以及玛曲县的零星地区；Rc<10%的面积比例是23.8%，与RR识别出的比例相比有所增加，主要分布在夏河县西北部以及舟曲县的西部和中部。总之， DRR识别的气候作用对植被活动的影响大幅度下降，人类活动作用反而增强。从这一结果说明符合从20世纪90年代后人类活动对植被动态影响的作用越来越强这一结论，证明了改进残差法能够有效分离出气候因子中人类因素对植被动态的贡献率。
（b）基于DRR气候在植被动态中的贡献率
图1 基于RR和DRR气候在植被动态中的贡献率
3.2 残差法和改进残差法的分析结果
上述分析结果中仍存在一定的混淆：一方面气候对植被活动有促进作用，但人类活动对植被活动有破坏作用；另一方面人类活动促进植被活动，而气候却破坏了植被活动。两者之间存在相互抵消作用而不能区分气候和人类活动在植被动态中的贡献率，为了更好地区分二者，采用三种对比结果，即对植被显著增强区、植被无显著变化区和植被显著减弱区进行分析。结果如图2所示，其中，（a）和（d）为植被显著增强区，（b）和（e）为无显著变化区，（c）和（f）为显著减弱区；a，b和c为RR识别结果；d，e和f为DRR识别结果。
在植被显著增强区：RR识别的Rc>50%( Rh<50%)的面积比例为82.9%，主要集中在甘南的西部三个县：玛曲县、碌曲县和夏河县、以及卓尼县和临潭县的部分区域；10%<=Rc<=50%的面积面积比例是10.8%，主要分布在夏河县的县城区域和舟曲县的部分区域；Rc<10%的面积比例是6.3%，主要位于玛曲县、碌曲县和迭部县的零星地区。DRR识别的Rc>50%( Rh<50%)的面积比例为66.4%，与RR识别出的比例相比大幅度减少，主要集中在合作市、碌曲县、玛曲县和夏河县的西南区域；10%<=Rc<=50%的面积面积比例是22.1%，与RR识别出的比例增加一倍，主要集中在舟曲县和除夏河县的西南区域以外的大部分区域以及临潭县的南部区域；Rc<10%的面积比例是11.5%，与RR识别出的比例相比略有增加，主要集中在碌曲县、玛曲县和舟曲县三块区域。总之，DRR与RR相比，降低了气候对植被动态的作用，人类活动对植被动态的作用大大增强。RR识别的人类活动的贡献率较低，约17%；DRR识别的人类活动的贡献率更大，约34%。
在植被无显著变化区：RR识别的气候对植被动态是正向作用（记为C+）而人类活动对植被动态是负向作用（记为H-）的面积比例约19%；同时识别的气候对植被动态是负向作用（记为C-）而人类活动对植被动态是正向作用（记为H+）的面积比例约28%，DRR识别的C+且H-的面积比例约14%；同时识别的C-且H+的面积比例约36%。较之RR，DRR认为气候对植被的正向作用减弱，人类活动对植被的正向作用增强，从而抵消了气候对植被生长的负向影响。
在植被显著减弱区：RR认为气候是影响植被覆盖的主要因素，识别的气候对植被活动的作用大小约65%，人类作用约35%；而DRR的结果正好相反，识别的人类对植被活动的贡献率为65%，气候贡献率为35%。
总之，在上述三种对比结果中，不管是植被显著增强区或减弱区，还是无显著变化区，
都得到一个结论：DRR较之RR，认为人类活动对植被动态变化的作用增强，而气候变化对植被动态变化的作用减弱，可以有效地区分气候作用中的非气候作用。
.png)
图 2 RR与DRR的对比结果
4. 结论
在植被显著增强区，RR识别的气候贡献率为83%，人类贡献率较低，约17%；DRR识别的气候贡献率为66%，人类贡献率更大约34%。在植被显著减弱区，RR认为气候是影响植被覆盖的主要因素，识别的气候对植被活动的作用大小约65%，人类作用约35%；而DRR的结果正好相反，识别的人类对植被活动的贡献率为65%，气候贡献率为35%。无论植被显著增强区还是植被显著减弱区，DRR都提高了人类活动对植被变化的作用，降低了气候对植被变化的作用。其结果符合改进残差法的目的：将气候作用中的非气候作用分离出来，降低气候对植被活动的作用。
从应用方面看，基于提出的DRR，在栅格尺度上量化近15年来甘南州植被动态变化中气候和人为因素的贡献率，为评估区域植被恢复效果、指导未来植被建设提供有用信息。
参考文献
[1] 王静,郭铌,蔡迪花,等.玛曲县草地退牧还草工程效果评价[J].生态学报,2009,29(3).
[2] 孙建国,张卓,韩惠,等.气候和人类驱动在黄土高原西北部植被动态中的贡献率研究[J].遥感信息.
[3] 曹鑫,辜智慧,陈晋.基于遥感的草原退化人类因素影响趋势分析[J]. 植物生态学报,2006,30(02): 268-277.
[4] 卓莉,曹鑫,陈晋,等. 锡林郭勒草原生态恢复工程效果的评价[J]. 地理学报,2007,62(05):471-480.
[5] 王莺,夏文韬,梁天刚.基于模型的甘南地区草地净初级生产力时空动态遥感模拟[J].草业学报,2011,20(4):316-324.