Topographic heterogeneity regulates nonlinear vegetation responses to climate and human activities in China’s ecological transition zone
Xinwen Su · Di Wen · Jun Li 等 4 人
研究秦岭-大巴山生态过渡带植被非线性响应气候与人类活动，并揭示地形异质性的调控作用。
用2000-2022年30米Landsat NDVI、气候、人类活动和地形数据，
区域显著绿化，NDVI增速0.0051/年；土地利用、海拔、人口密度和降水是主要驱动因子，地形梯度调
可探究其他生态过渡带中地形异质性对植被非线性响应的普适性，并耦合多源遥感与可解释机器学习优化生态修复。
基于30米Landsat NDVI与XGBoost-SHAP量化地形对植被非线性响应的研究，方法新颖、数据扎实，对生态过渡带精准修复有参考价值，但属学术论文，公共传播价值有限。
生态过渡带被认为是气候敏感区和生物多样性热点区，其植被动态对维持区域生态平衡至关重要。然而，地形异质性如何影响植被对气候变化和人类活动的非线性响应，目前尚不明确。这一空白限制了我们对生态系统恢复力的理解。本研究以中国秦岭—大巴山生态过渡带为对象，利用2000—2022年30 m分辨率的Landsat NDVI数据，并结合气候、人类活动和地形数据。为刻画植被动态，我们采用了Theil–Sen趋势分析、Mann–Kendall检验和Hurst指数。采用贝叶斯优化的XGBoost模型，并结合SHAP值，评估了不同植被趋势区和地形梯度上潜在驱动因子的相对贡献及响应模式。分析揭示出显著的绿化趋势，归一化植被指数（NDVI）以0.0051 yr⁻¹的速率增加（p < 0.05）。约90.13%的区域呈改善趋势，89.83%的区域表现出持续增强的倾向。植被改善最显著的区域主要出现在中等海拔（1,750–2,250 m）、中等坡度（15–20°）和北向坡。土地利用与土地覆盖（LULC）（42.5%）、海拔（13.2%）、人口密度（8.2%）和降水（7.0%）是整个研究区NDVI预测中最重要的贡献因子。在显著增加区和下降区，LULC始终是最具影响力的预测因子。相比之下，其他因素的相对重要性和非线性响应模式在不同趋势区存在差异。这些发现为生态过渡带的针对性生态恢复和适应性植被管理提供了科学依据。