全球干旱区约占陆地面积的41%，养育着近30亿人口，是陆地生态系统的重要组成部分。在全球气候变化加剧的背景下，干旱区生态环境的演变趋势不仅关系区域可持续发展，更对全球碳循环产生深远影响。近年来，卫星观测发现全球干旱区呈现显著绿化趋势，科学界普遍将其归因于大气CO₂浓度升高产生的施肥效应，而对人类活动的作用缺乏系统认知。

    在此背景下，兰州大学西部环境教育部重点实验室马轩龙教授课题组在Science伙伴期刊《Journal of Remote Sensing》发表了最新研究成果，通过对2001-2024年全球干旱区植被动态的系统分析，首次明确指出人类活动特别是农业扩张与集约化管理，已成为干旱区植被绿化的首要驱动力，其贡献显著超过CO₂施肥效应与气候变化因素。

    研究团队整合多源卫星观测数据与机器学习方法，发现全球29.20%的干旱区呈现显著绿化趋势，其中亚洲地区贡献了约983 Tg C的碳增量，占全球干旱区总增量的半数以上。通过偏最小二乘回归分析量化各因子相对贡献，人类活动综合效应值达0.68，远超CO₂施肥效应（0.32）和气候因素（0.03）。

    值得关注的是，研究团队将卫星观测结果与最新的TRENDYv12动态全球植被模型进行比较，发现这些国际主流模型系统性低估了干旱区绿化速率，且严重高估了CO₂和气候因子的贡献。这一发现揭示了当前地球系统模型在表征人类活动方面的不足，对提升全球碳循环预测精度具有重要意义。

    该研究不仅深化了对全球干旱区植被动态的理解，更为改进地球系统模型提供了科学依据。研究结果呼吁在国际气候变化评估和生态政策制定中，更加重视人类活动对生态系统的影响，为全球可持续发展目标的实现提供了重要的科学支撑。

    我校资源环境学院地图学与地理信息科学专业2025级硕士研究生（本研贯通）李懿为论文第一作者，马轩龙教授为通讯作者。研究获得了国家自然科学基金（42311540014 和 42171305）、甘肃省自然科学基金重点项目（25JRRA646）以及风云应用先行项目（FY-APP-2024.0302）等项目的资助。

论文链接： https://doi.org/10.34133/remotesensing.0941

图1. 全球干旱区空间分布及干旱类型划分图。超干旱（Hyper-arid）、干旱(Arid)、半干旱(Semi-arid)、半湿润干旱(Dry sub-humid)。

图2. 全球干旱区年均总初级生产力（GPP）的空间格局（2001-2024）。

图3. 全球干旱区GPP的时空格局（2001-2024年）。a) 全球干旱区GPP趋势的空间分布。只显示了显著变化区域（Mann-Kendall检验，p < 0.1）。b) 不同区域的年GPP变化趋势，星号(*)表示p < 0.1。c) 不同区域的GPP净变化量。

图4. 全球干旱区不同生态系统类型及沿干旱梯度GPP的差异响应。a) 2020年生态系统类型空间分布图。b) 沿干旱梯度不同生态系统类型的GPP净变化量。c) 全球干旱区不同生态系统类型的GPP净变化量。

图5. 不同区域与生态系统类型年均GPP的时间变化。黑色：所有生态系统；红色：人类主导的生态系统；绿色：自然主导的生态系统。

图6. 全球干旱区绿化现象中自然与人为驱动因素的归因分析。a) 在GPP显著增加的区域（p < 0.1），基于偏最小二乘回归模型得到的农田面积、氮肥施用、降水、辐射、温度及CO₂对GPP影响的效应值；b) 将各因子效应值归为三大类别，分别代表推动全球干旱区绿化的主要作用力。

图7. 全球干旱区农田变化。a) 农田百分比变化空间分布（2020年减去2000年）。b) 不同干燥程度下的农田面积变化；c) 全球及不同区域的农田面积变化。

图8. TRENDY模型GPP数据与卫星观测GPP数据在GPP显著增加区域（p < 0.1）的趋势差异分析。a) 趋势差异空间分布图：使用TRENDY多模型集合均值的GPP趋势减去eLUE的GPP趋势；b) 不同人类土地利用（农田+不透水面）面积比例下的趋势差异；c) 不同模拟情景下的斜率差异：S0：未考虑任何模拟因子；S1：仅CO₂；S2：CO₂ + 气候；S3：CO₂ + 气候 + 土地利用与覆盖变化。人类土地利用类型：农田+不透水面；自然土地利用类型：森林+灌丛+草地+稀疏植被+裸地；d) 在GPP显著增加区域（p < 0.1），TRENDY与观测值在不同驱动因子下的GPP趋势比较。