寧夏20年禁牧封育政策對草原植被恢復貢獻評估

田海靜 黃文廣 王林 范云豹 趙歡 黃維 王順霞 王鵬杰

doi：10.11733/j.issn.1007-0435.2024.01.004

引用格式：

田海靜， 黃文廣， 王? 林，等.寧夏20年禁牧封育政策對草原植被恢復貢獻評估［J］.草地學報，2024，32（1）：37-45

TIAN Hai-jing， HUANG Wen-guang， WANG Lin，et al.Evaluation on the Contribution of the Policy of Grazing Constraint and Grassland Conservation for 20 Years to Grassland Vegetation Restoration in Ningxia［J］.Acta Agrestia Sinica，2024，32（1）：37-45

收稿日期：2023-04-24；修回日期：2023-09-03

基金項目：2022年中央財政林業草原生態保護恢復資金草原生態修復治理效益綜合監測評價——禁牧封育草原成效監測評價資助

作者簡介：

田海靜（1988-），女，漢族，河北蠡縣人，博士，高級工程師，主要從事草原監測評估等方面的研究，E-mail：tianhaijing278@163.com;*通信作者Author for correspondence，E-mail：wanglin0509@126.com

摘要：為揭示草原對寧夏國土增綠貢獻和草原植被恢復驅動因素，本研究首次結合近20余年遙感數據和40余年降水量數據，采用Mann-kendall非參數估計方法、植被指數殘差趨勢分析等方法對寧夏草原禁牧封育成效進行評估。結果表明：2000—2022年，寧夏草原NDVI呈顯著增加趨勢，23年累計增長幅度69.92%；草原植被恢復區域占草原總面積的76.88%，退化區域僅占草原總面積的0.27%；寧夏草原對國土增綠面積的貢獻約59%，在各類生態系統中面積貢獻比例最大；在禁牧封育政策實施后，寧夏草原植被恢復力強勁，應對氣候變化能力不斷增強；氣候因素和政策因素共同主導的草原植被恢復面積占64.34%，政策因素主導的面積占33.94%，氣候因素主導的面積僅占1.72%。表明禁牧封育的實施有效促進了草原植被生長，基本上遏制了草原退化，較氣候因素更顯著促進了草原植被恢復。

關鍵詞：禁牧封育；成效評估；長時間序列遙感；植被恢復；氣候變化

中圖分類號：S21.4+3??? 文獻標識碼：A????? 文章編號：1007-0435（2024）01-0037-09

Evaluation on the Contribution of the Policy of Grazing Constraint and Grassland

Conservation for 20 Years to Grassland Vegetation Restoration in Ningxia

TIAN Hai-jing1， HUANG Wen-guang2， WANG Lin1*， FAN Yun-bao1， ZHAO Huan1，

HUANG Wei2， WANG Shun-xia2， WANG Peng-jie1

（1 Academy of Forestry Inventory and Planning （Grassland Monitoring Center）， State Forestry and Grassland Administration，

Beijing 100714， China;2 Grassland workstation of Ningxia Hui Autonomous Region， Yinchuan， Ningxia 750000， China）

Abstract：Many types of ecological construction measures have played an important role in the greening of Chinas land，but the contribution of grassland greening need a close attention to be paid. Taking Ningxia as an example，the study first time used the remote sensing data of more than 20 years and precipitation data of more than 40 years to evaluate the effect of the policy of grassland grazing constraint and conservation in Ningxia by Mann-Kendall nonparametric estimation method and NDVI residual trend analysis method. The results showed that：① From 2000 to 2022，Ningxia grassland NDVI showed a significant increase trend，with a cumulative increase of 69.92% for 23 years; ② The grassland vegetation restoration area accounts for 76.88% of the total grassland area，and the degradation area only for 0.27%; ③ Grassland contributes about 59% to Ningxia land greening，the largest contribution among all types of ecosystems; ④ After the implementation of the policy，the restoration of grassland vegetation in Ningxia showed a strong vitality，and the ability to cope with climate change and resist to drought stress is constantly enhanced; ⑤ Grassland vegetation restoration dominated by climate and policy factors accounted for 64.34%，along with that the policy factors for 33.94% alone，and by climate factors for only 1.72%，which demonstrated that policy factors had significantly promoted grassland vegetation restoration rather than the climate factors.

Key words：Grazing constraint and grassland conservation;Effectiveness evaluation;Remote sensing in a long time series;Vegetation restoration;Climate change

草原是我國面積最大的陸地生態系統，是地球的“皮膚”［1］，具有涵養水源、水土保持、防風固沙、物種保育、固碳釋氧等多種生態功能［2］。草原主要分布在我國北方地區，生態環境脆弱，對氣候變化響應敏感，受超載過牧和氣候變化等因素的影響，全國天然草原發生了不同程度的退化、沙化和鹽漬化。為遏制寧夏天然草原急劇惡化局面，寧夏回族自治區在全國率先提出了全域禁牧封育的重大決策。2003年5月1日起，寧夏草原全面實行禁牧封育，實施了退牧/退耕還草、牛羊舍飼養殖、草原承包經營責任制等自然封育和人工修復結合的措施，加大草原生態保護與修復力度。已有學者以云霧山為研究區，從草原植被生物量、土壤團聚體活性有機碳分布及對氣候變化的響應等方面對禁牧封育成效進行了評估［3-5］，然而目前尚缺乏從像元尺度上對20年來寧夏全區草原禁牧封育成效的長時序評估。

遙感數據具有時間、空間連續性特征，存檔數據具有較長的時間周期。歸一化植被指數（Normalized difference vegetation index，NDVI）對草原植被覆蓋信息非常敏感，可以較好的反映植被長勢、生產力等［6-10］，常被學者們用來分析草原植被變化，并基于長時間序列數據評估生態修復成效［10-15］。植被長勢變化同時受到多種因素的影響［16-20］，定量研究氣候因素及人為活動對植被恢復的影響對于草原管理至關重要，然而難度較大。國內外學者對此開展了大量嘗試，方法主要歸為三種，第一種是利用植被遙感產品變化與模型模擬變化趨勢進行對比分析［21］;第二種是利用降水利用效率變化模型來評估成效［22］;第三種是植被指數殘差趨勢分析模型［23-24］。其中，植被指數殘差趨勢分析方法可以有效剔除氣候變化因素對植被變化的影響［25］，從而確定出其他因素的影響，已有研究表明該方法比降水利用效率變化模型更有效的提取了人為活動引起的植被變化，該方法已在全球及區域尺度植被動態變化驅動因素研究中廣泛應用［26-27］。田海靜在改進傳統植被指數殘差趨勢分析模型的基礎上，提出了基于NDVI變化趨勢、氣象因子變化趨勢、NDVI與氣象因子相關性分析及NDVI殘差趨勢分析相結合的氣候因素及人類活動對植被恢復影響的定量評估方法，并最終定義了3種類型的植被恢復驅動因素［28］。

本文基于改進的NDVI殘差趨勢分析模型，分析了草原對寧夏國土增綠的貢獻比例，量化了氣候因素、政策因素對寧夏草原植被恢復的貢獻比例，為寧夏草原禁牧封育與合理利用政策制定、草原政策的管理與推廣提供了科學基礎。

1? 材料與方法

1.1? 研究區概況

寧夏在全國生態安全格局中占據重要位置（圖1），具有國家重點戰略區——黃河流域生態保護和高質量發展區，全國重要生態系統保護和修復重大工程總體規劃區——黃河重點生態區，全國重點生態功能區——黃土高原丘陵溝壑水土保持生態功能區三區疊加的特點，是全國唯一全省域納入黃河流域生態保護和高質量發展區的省份，生態區位極其重要。根據第一次全國草地資源調查結果，寧夏草原總面積301.41×104hm2，占全區土地總面積的58.08%。從北到南由溫性荒漠、溫性草原化荒漠、溫性荒漠草原、溫性草原向溫性草甸草原和山地草甸過渡，其中溫性荒漠草原面積最大，占全區草原總面積的61.37%。

1.2? 數據與方法

1.2.1? 數據來源與處理

1）遙感數據及預處理

植被指數主要來源于2001—2022年MODIS MOD13A2遙感數據產品NDVI數據，采用Sinusoidal正弦投影，時間分辨率16 d，空間分辨率1 km，可以反映寧夏草原植被長勢時空演變特征和年內變化特征。為了減少隨機噪聲對NDVI數據中植被信號的影響，研究利用線性插值和Savitzky-Golay濾波器［29-30］對NDVI數據進行去噪處理。通過歷年植被生長季（5～9 m）NDVI均值來反映當年草原植被長勢［15］。

2）氣象數據

研究采用的氣象數據來自中國氣象數據共享服務網。利用寧夏及周邊區域氣象站點1980—2022年共43年降水數據月值數據，計算得到植被生長季總降水。通過反距離加權平均插值方法得到覆蓋整個研究區的1 km空間分辨率氣象數據。

3）草原調查數據

本研究采用的寧夏草原本底數據為第一次全國草地資源調查數據，并于2022年9月4—10日，在寧夏開展外業調查，進行了地面樣地和無人機樣地監測，了解寧夏草原禁牧封育政策實施情況，用于對研究結果進行驗證。

1.2.2? 研究方法

1） 植被長勢變化趨勢分析

研究采用Sens非參數估計斜率與Mann-kendall顯著性檢驗方法相結合，對2000—2022年NDVI變化趨勢進行分析，該方法可以避免時間序列數據缺失以及數據分布形態對分析結果的影響，能夠較好排除異常值干擾，常用來監測變化趨勢［11，31］。變化斜率的計算公式為：

slope=MedianQi=Medianxj-xij-i

i=1，…，N（1）

其中：xi 和 xj 分別代表第 i 年和第j（j>i）年植被生長季平均NDVI值；Median 代表計算中數。

國土增綠地區，即植被恢復區域，指2000—2022年NDVI顯著增加區域（P<0.05）；植被退化區域指2000—2022年NDVI顯著下降區域（P<0.05）。

2）植被長勢相對變化率

寧夏草原類型豐富，不同地區植被本底差異較大，為此本研究通過相對變化率（RCR）來反映不同地區植被長勢的變化趨勢，計算公式為：

RCR=slopemean×N×100%（2）

其中：mean代表多年平均NDVI，N為數據年度長度，slope代表變量斜率。

3）降水量干旱指數

氣候變化是一個長時間周期的過程，干旱是制約寧夏草原長勢的首要氣候因素［32］。為了更好反映寧夏禁牧封育政策實施前后降水變化，提取了寧夏草原1980—2022年近43年降水量月值數據。標準化降水指數可以在同一尺度下較好地反映不同時間、空間草原干旱強度［33-34］。該指數假設降水量服從Gamma分布，考慮了降水服從偏態分布的實際，隨后又進行了正態標準化處理。

通過計算SPI對寧夏1980—2022年歷年5～9月干旱程度進行分析。當-1

1.2.3? 氣候因素影響? 水、光、熱共同作用于草原植被生長。為了分析溫度、光照和降水三要素對NDVI的共同影響，及各個因子的權重，利用歸一化多元線性回歸模型進行氣候因素對寧夏草原植被影響分析。NDVI與各氣候因子的歸一化多元線性回歸計算公式為：

NDVI-NDVIσNDVI=β0+β1rain-rainσrain+temp-tempσtemp+β3sun-sunσsun（9）

式中： NDVI為多年NDVI平均值，σNDVI為多年NDVI標準差，rain，temp，sun分別為降水量、氣溫和日照時數的多年平均值，σrain，σtemp，σsun分別為降水量、氣溫和日照時數的標準差，β0代表歸一化多元線性回歸截距，β1，β2，β3分別代表回歸系數。利用F檢驗進行顯著性檢驗。如果P<0.05，認為NDVI與氣候因素的相關性顯著。

1.2.4? 政策因素影響? 改進的NDVI殘差趨勢分析方法主要分為5個步驟［28］：第一步，計算時間序列NDVI變化趨勢；第二步計算時間序列NDVI和降水量的相關性，并建立回歸關系；第三步，計算真實NDVI與擬合NDVI的差值，稱之為NDVI殘差；第四步，計算NDVI殘差隨時間序列的變化趨勢；第五步，判讀植被恢復驅動因素，具體判定準則如表1所示。

NDVI殘差的計算公式：

ε=NDVI-NDVI（10）

NDVI=f（x）（11）

其中：ε為NDVI 殘差，NDVI為真實值，NDVI為模擬值，x代表降水量因子，f為降水量因子與NDVI的回歸關系式。

2? 結果與分析

2.1? 寧夏草原植被長勢動態

從2000—2022年寧夏草原生長季平均NDVI走勢（圖2）可見，近23年來，寧夏草原NDVI呈現波動上升的趨勢。Mann-Kendall非參數估計結果表明，2000—2022年，寧夏草原NDVI呈現顯著性增加趨勢（P<0.001），23年累計增長幅度69.92%，年均增長幅度3.04%。近23年來，寧夏草原植被長勢最好的一年是2018年，生長季平均NDVI為0.303，草原植被長勢最差的一年是2000年，生長季平均NDVI為0.159。

2.2? 不同時期草原植被長勢對比

由于受氣象因素年際變化的影響，草原植被長勢波動性較強［35］，為反映不同時期禁牧封育成效，本研究將2000至2023年分為5個時期，分別是2000—2002年代表禁牧前，2003—2007年、2008—2012年、2013—2017年、2018—2022年分別代表禁牧后的第一、二、三、四個五年，通過5個時期草原NDVI對比來分析禁牧封育成效（圖3）。結果表明，禁牧后的4個五年時期，寧夏草原生長季平均NDVI分別為0.209，0.235，0.254和0.280，較禁牧前的0.186分別提高了0.023，0.050，0.068和0.094。結果說明隨著寧夏禁牧封育政策的持續推進，草原植被長勢逐時期變好，經過20年政策的實施，草原植被長勢明顯好于禁牧前。

2.3? 草原對寧夏國土增綠貢獻評估

利用非參數估計模型逐像元計算了2000—2022年NDVI變化斜率、相對變化率和顯著性水平。通過分析2000—2022年寧夏國土增綠情況和草原對國土增綠的貢獻（圖4），本研究發現，近23年寧夏草原植被呈現整體恢復的態勢，植被恢復區域占草原總面積的76.88%，退化區域僅占草原總面積的0.27%，說明禁牧封育政策的實施有效促進了草原植被生長，基本上遏制了草原植被退化。從NDVI相對變化率來看，以增幅在50%～100%之間的區域居多，占40.44%。同時，草原生態系統對寧夏國土增綠的貢獻比例約59%，是各類生態系統中對國土增綠面積貢獻比例最大的生態系統。

2.4? 氣候對草原植被長勢的影響分析

歸一化多元線性回歸模型分析結果表明，降水是影響寧夏草原植被長勢變化的主導氣候因素。此外基于單因子回歸分析也證明了寧夏草原植被長勢與降水量呈現顯著正相關關系（R>0.6，P<0.05）。寧夏草原地處干旱區、半干旱區到半濕潤區的過渡地帶，植被長勢對水分的依賴性較強，因此在分析氣候因素對寧夏草原植被長勢影響時重點分析降水因素。

近43年來植被生長季累計降水量和SPI值分析表明：43年來寧夏草原降水量最多的一年是2018年，生長季累計降水量304.57 mm，降水量最少的一年是2005年，生長季累計降水量151.46 mm。為與NDVI分析周期相對應，同樣對2000—2022年分5個時期的降水量進行了分析，禁牧前（2000—2002年）寧夏草原生長季累計降水量平均239.98 mm，為5個不同時期中最高，禁牧后的4個五年生長季累計降水量均值分別為208.65 mm，213.83 mm，238.74 mm和235.93 mm。說明禁牧封育政策實施后，降水量較禁牧前并沒有明顯提升。自2003年以來，寧夏草原共出現7次旱情，其中重度干旱1次，發生在2005年，中度干旱1次，發生在2021年，輕度干旱5次，分別是2006，2007，2008，2015和2022年。

通過分析寧夏2000—2022年草原生長季NDVI與降水量距平百分比走勢（圖5），研究發現NDVI與降水量的波動趨勢大體相同，但以2003年為時間節點，2003年之前，NDVI距平百分比低于降水量距平百分比，而2003年之后，NDVI距平百分比高于降水量距平百分比，尤其是在寧夏草原遭遇旱情的2009，2010，2015，2021和2022年，距平百分比明顯高于降水量距平百分比，說明NDVI并沒有受干旱影響而大幅下降，政策實施后，寧夏草原植被恢復動力強勁，且應對氣候變化、抵御干旱能力不斷增強。

從5個不同時期降水量和NDVI對比（圖6）可見，降水量與NDVI走勢存在明顯差異，降水量的波動性較強，而NDVI增加趨勢明顯，說明除氣候因素外，政策因素對寧夏草原植被長勢影響較大。

2.5? 政策因素對草原植被長勢變化影響

本研究通過逐像元分析NDVI變化趨勢、NDVI殘差變化趨勢及NDVI與降水量相關關系，對草原植被恢復的主導因素進行了區分（圖7）。主導因素分為3類，第一類是氣候因素主導的恢復，指NDVI顯著增加、NDVI殘差沒有顯著增加的區域；第二類是氣候和政策因素共同主導的恢復，指NDVI顯著增加、NDVI殘差顯著增加、NDVI與降水量顯著相關的區域；第三類是政策因素主導的恢復，指NDVI顯著增加、NDVI殘差顯著增加、NDVI與降水量相關性不顯著的區域。結果表明，氣候和政策因素共同主導的恢復占64.34%，政策因素主導的恢復占33.94%，氣候因素主導的恢復占1.72%。說明政策因素更顯著的促進了草原植被恢復。

3? 討論與結論

本研究利用寧夏近23年遙感數據和43年降水量數據對草原禁牧封育成效進行了長時間序列評估，分析了寧夏草原植被長勢動態，揭示了草原對寧夏國土增綠貢獻和草原植被恢復驅動因素，研究發現（1）2000—2022年寧夏草原植被指數呈現顯著性增長趨勢，對比分析禁牧前后的4個五年草原植被長勢逐期變好；（2）近23年來，寧夏草原植被呈現整體恢復的態勢，植被恢復區域占比明顯高于退化區域，寧夏禁牧封育政策的持續推進有效促進了草原植被生長，基本遏制了草原植被退化；（3）禁牧封育政策實施后，草原NDVI距平百分比值高于降水量距平百分比值，尤其是在遭遇旱情的年份，NDVI并沒有受干旱影響而大幅下降，說明草原植被恢復動力強勁，且應對氣候變化、抵御干旱能力不斷增強；（4）氣候和政策因素共同主導的草原恢復占64.34%，其中，政策因素主導的草原恢復占33.94%，而氣候因素主導的恢復僅占1.72%，說明政策因素相比于氣候因素，更顯著地促進了草原生態環境改善。

本文基于改進的NDVI殘差趨勢分析方法定量解析了禁牧封育政策實施對寧夏草原植被恢復的影響，然而模型普適性應有待進一步提高，未來應進一步加強模型在不同地理、氣候條件下的判斷精度分析，加強模型驗證與優化，并在剔除掉二氧化碳濃度的增加和氮含量的變化對植被變化的影響［36-37］的基礎上提高定量評估的精度和可靠性。

參考文獻

［1］劉加文. 繼往開來大力推進草原保護工作再上新水平［J］. 中國畜牧業，2018（15）：56-58

［2］潘慶民，薛建國，陶金，等. 中國北方草原退化現狀與恢復技術［J］. 科學通報，2018，63（17）：1642-1650

［3］程杰，呼天明，程積民. 黃土高原半干旱區云霧山封禁草原30年植被恢復對氣候變化的響應［J］. 生態學報，2010，30（10）：2630-2638

［4］華娟，趙世偉，張揚，等. 云霧山草原區不同植被恢復階段土壤團聚體活性有機碳分布特征［J］. 生態學報，2009，29（9）：4613-4619

［5］王麗學，程積民，萬惠娥，等. 云霧山天然草地植物生長規律［J］. 生態學報，2008，28（7）：3168-3175

［6］ROSENTHAL W D，BLANCHARD B J，BLANCHARD A J. Visible infrared microwave agriculture classification，biomass，and plant height algorithms［J］. IEEE Transactions on Geoscience and Remote Sensing，1985，GE-23（2）：84-90

［7］ASRAR G，FUCHS M，KANEMASU E T，et al. Estimating absorbed photosynthetic radiation and leaf area index from spectral reflectance in wheat［J］. Agronomy Journal，1984，76（2）：300-306

［8］TIAN H J，CAO C X，CHEN W，et al. Response of vegetation activity dynamic to climatic change and ecological restoration programs in Inner Mongolia from 2000 to 2012［J］. Ecological Engineering，2015，82：276-289

［9］BARET F，GUYOT G. Potentials and limits of vegetation indices for LAI and APAR assessment［J］. Remote Sensing of the Environment，1991，35：161-173

［10］徐斌，陶偉國，楊秀春，等. 中國草原植被長勢MODIS遙感監測［J］. 草地學報，2006，14（3）：242-247

［11］WU Z，WU J，LIU J，et al. Increasing terrestrial vegetation activity of ecological restoration program in the Beijing-Tianjin sand source region of China［J］. Ecological Engineering，2013，52：37-50

［12］田海靜，曹春香，戴晟懋，等. 準格爾旗植被覆蓋度變化的時間序列遙感監測［J］. 地球信息科學學報，2014，16（1）：126-133

［13］田海靜，孫濤，劉旭升，等. 基于時間序列遙感數據的嵯崗國家沙化土地封禁保護成效評估［J］. 中國沙漠，2019，39（3）：155-162

［14］張海燕，樊江文，邵全琴，等. 2000-2010年中國退牧還草工程區生態系統宏觀結構和質量及其動態變化［J］. 草業學報，2016，25（4）：1-15

［15］田海靜，王林，石俊華. 近20 年中國北方草原植被長勢動態監測［J］. 草業科學，2020，37（11）：2165-2174

［16］PRINCE S D，COLSTOUN D，BROWN E，et al. Evidence from rain-use efficiencies does not indicate extensive Sahelian desertification［J］. Global Change Biology，1998，4（4）：359-374

［17］何航. 黃河流域上中游植被覆蓋變化及驅動因素研究［D］. 蘭州：西北師范大學，2020：60-94

［18］CHEN C，PARK T，WANG X H，et al.? China and India lead in greening of the world through land-use management［J］. Nature Sustainability，2019，2：122-129

［19］顧錫羚，郭恩亮，銀山，等. 干旱對內蒙古植被生長的累積與滯后影響評估研究［J］. 草地學報，2021，29（6）：1301-1310

［20］曹亞楠，孫明翔，陳夢冉，等. 2000—2016年藏北高原降水對植被覆蓋的影響［J］. 草地學報，2022，30（3）：721-730

［21］PIAO S，YIN G，TAN J，et al. Detection and attribution of vegetation greening trend in China over the last 30 years［J］. Global Change Biology，2015，21（4）：1601-1609

［22］NICHOLSON S E，TUCKER C J，BA M B. Desertification，drought，and surface vegetation：An example from the West African Sahel［J］. Bulletin of the American Meteorological Society，1998，79（5）：815

［23］EVANS J，GEERKEN R. Discrimination between climate and human-induced dryland degradation［J］. Journal of Arid Environments，2004，57（4）：535-554

［24］WESSELS K J，PRINCE S D，MALHERBE J，et al. Can human-induced land degradation be distinguished from the effects of rainfall variability？ A case study in South Africa［J］. Journal of Arid Environments，2007，68（2）：271-297

［25］韋振鋒，王德光，張翀，等. 1999—2010年中國西北地區植被覆蓋對氣候變化和人類活動的響應［J］. 中國沙漠，2014，34（6）：1665-1670

［23］ZHANG J，NIU J，BAO T，et al. Human induced dryland degradation in Ordos Plateau，China，revealed by multilevel statistical modeling of normalized difference vegetation index and rainfall time-series［J］. Journal of Arid Land，2014，6（2）：219-229

［27］QU B，ZHU W，JIA S，et al. Spatio-temporal changes in vegetation activity and its driving factors during the growing season in China from 1982 to 2011［J］. Remote Sensing，2015，7（10）：13729-13752

［28］田海靜. 非氣候因素引起的中國植被變化遙感診斷［D］. 北京：中國科學院大學（中國科學院遙感與數字地球研究所），2017：93-96

［29］HIRD J N，MCDERMID G J. Noise reduction of NDVI time series：An empirical comparison of selected techniques［J］. Remote Sensing of Environment，2009，113（1）：248-258

［30］REN J，CHEN Z，ZHOU Q，et al. Regional yield estimation for winter wheat with MODIS-NDVI data in Shandong，China［J］. International Journal of Applied Earth Observation and Geoinformation，2008，10（4）：403-413

［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

［32］王鶯，王健順，張強. 中國草原干旱災害風險特征研究［J］. 草業學報，2022，31（8）：1-12

［33］孫智輝，王治亮，曹雪梅，等. 基于標準化降水指數的陜西黃土高原地區1971—2010年干旱變化特征［J］. 中國沙漠，2013，33（5）：1560-1567

［34］王鶯，李耀輝，胡田田. 基于SPI指數的甘肅省河東地區干旱時空特征分析［J］. 中國沙漠，2014，34（1）：244-253

［35］李茂華，都金康，李皖彤，等. 1982-2015年全球植被變化及其與溫度和降水的關系［J］. 地理科學，2020，40（5）：823-832

［36］PIAO S，CIAIS P，HUANG Y，et al. The impacts of climate change on water resources and agriculture in China［J］. Nature，2010，467（7311）：43-51

［37］PIAO S，FANG J，CIAIS P，et al. The carbon balance of terrestrial ecosystems in China［J］. Nature，2009，458（7241）：1009-1013

（責任編輯? 閔芝智）