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

Zecheng GUO; Wei WEI; Peiji SHI; Liang ZHOU; Xufeng WANG; Zhenya LI; Sufei PANG; Binbin XIE

doi:10.11821/dlxb202009010

Journals >Acta Geographica Sinica >Volume 75 >Issue 9 >Page 1948 > Article

Acta Geographica Sinica
Vol. 75, Issue 9, 1948 (2020)

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

Zecheng GUO¹, Wei WEI^1,*, Peiji SHI¹, Liang ZHOU^2,3..., Xufeng WANG⁴, Zhenya LI¹, Sufei PANG¹ and Binbin XIE⁵|Show fewer author(s)

Author Affiliations

¹College of Geography and Environmental Science, Northwest Normal University, Lanzhou 730070, China

²Faculty of Geomatics, Lanzhou Jiaotong University, Lanzhou 730070, China

³State Key Laboratory of Resources and Environmental Information System, Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China

⁴Key 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

⁵School of Urban Economics and Tourism Culture, Lanzhou City University, Lanzhou 730070, China

show less

DOI: 10.11821/dlxb202009010 Cite this Article

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

show less

Fig. 1. Analysis of the principle of desertification sensitivity

Download full size | View in the Article

Fig. 2. Spatial distribution of background elements in the arid region of Northwest China in 2017

Download full size | View in the Article

Fig. 3. Spatial distribution of desertification sensitivity in the arid region of Northwest China

Download full size | View in the Article

Fig. 4. Area statistics of desertification sensitivity in the arid region of Northwest China

Download full size | View in the Article

Fig. 5. Spatial distribution of typical regions in the arid region of Northwest China

Download full size | View in the Article

Fig. 6. Area statistics of different conversion types of desertification sensitivity in the arid region of Northwest China

Download full size | View in the Article

Fig. 7. Spatial distribution of overall conversion types for desertification sensitivity in the arid region of Northwest China

Download full size | View in the Article

Fig. 8. Area statistics of overall transformation types for desertification sensitivity in the arid region of Northwest China

Download full size | View in the Article

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	+

Table 1. Evaluation index system of desertification sensitivity

单一本底指数	计算公式	解释说明
地形本底指数	$TBI = \sqrt[]{{(E - E_{low})}^{2} + {(S - S_{low})}^{2} + {(A - A_{low})}^{2}}$	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	$SBI = \sqrt[]{\begin{array}{l} {(SOMC - SOM C_{low})}^{2} + {(SEI - SE I_{low})}^{2} + \\ {(SSC - SS C_{low})}^{2} + {(SD - S D_{low})}^{2} \end{array}}$	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	$\begin{array}{l} HBI = \\ \sqrt[]{{(DS - D S_{low})}^{2} + {(DR - D R_{low})}^{2} + {(DLR - DL R_{low})}^{2}} \end{array}$	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	$AI = \frac{P}{t^{0} + 10}$	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	$\begin{array}{l} CBI = \\ \sqrt[]{{(AWV - AW V_{low})}^{2} + {(AI - A I_{low})}^{2} + {(LST - LS T_{low})}^{2}} \end{array}$
植被本底指数	$VBI = \sqrt[]{{(NDVI - NDV I_{low})}^{2} + {(DR - D R_{low})}^{2}}$	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]。

Table 2. Construction methods of each background index

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

Table 3. Classification standard for desertification sensitivity

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

Table 4. Classification of each sensitivity conversion type

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

Table 5. Classification of overall conversion types of desertification sensitivity

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^***

Table 6. Geographical detector results of natural factors

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^***

Table 7. Correlation analysis of socio-economic factors and desertification sensitivity index

Download Citation

Save the article for my favorites

Paper Information

微信扫一扫：分享

微信扫一扫：分享