Efectos de los factores hidrotermales y las actividades humanas sobre la cobertura vegetal del Qinghai

Scientific Reports volumen 13, número de artículo: 12488 (2023) Citar este artículo

22 Accesos

Detalles de métricas

Una comprensión sistemática de los cambios espacio-temporales y los factores impulsores en la meseta Qinghai-Tíbet tiene un importante valor de referencia científica para el futuro del desarrollo ecológico sostenible. Este artículo utiliza el índice de vegetación diferencial normalizado (NDVI) MODIS y datos meteorológicos para investigar los cambios espacio-temporales y los factores impulsores de la cobertura vegetal en la meseta Qinghai-Tíbet de 2001 a 2020. Los métodos empleados incluyen el modelo de píxeles dimidiatos, análisis de tendencias, análisis parcial análisis de correlación y análisis residual. Los resultados demuestran una tendencia ascendente generalmente fluctuante en la cobertura vegetal en la meseta tibetana durante las últimas dos décadas, con una expansión espacial que se produce de noroeste a sureste. La cobertura vegetal muestra una correlación positiva con los factores climáticos. Aproximadamente el 60,7% del área mostró una correlación positiva entre la cobertura fraccional de vegetación (FVC) y la precipitación, y el 8,66% del área demostró una correlación positiva extremadamente significativa (p < 0,05) y significativa (p < 0,01). Las actividades humanas, en general, han contribuido al mejoramiento de la cubierta vegetal en la meseta Qinghai-Tíbet. Las áreas donde las actividades humanas han impactado positivamente la cubierta vegetal están situadas principalmente en el centro-norte de Qinghai y el norte de Ngari, mientras que las áreas que experimentan degradación incluyen ciertas regiones de pastizales en el centro-este de Yushu, Nagqu y Lhasa.

Como parte importante de los ecosistemas terrestres, la cobertura vegetal y las condiciones de crecimiento influyen significativamente en el entorno ecológico y la capacidad de desarrollo sostenible1,2. La cubierta vegetal fraccionada (FVC), que se define como la relación entre la proyección vertical de la vegetación terrestre y el área total de una región específica, sirve como un indicador valioso para evaluar la dinámica de la vegetación, los cambios ecológicos y el crecimiento de la vegetación superficial3,4. 5. Las condiciones hidrotermales son los principales factores no biológicos que determinan las características de la vegetación6. La conexión subyacente entre la FVC y los factores climáticos indica que la FVC puede reflejar indirectamente el cambio climático. Por lo tanto, la variación espaciotemporal en FVC demuestra ser un medio eficaz para dilucidar la dinámica de crecimiento de la vegetación, monitorear el estrés por sequía y evaluar la calidad de los ecosistemas en un mundo en calentamiento7.

La meseta Qinghai-Tíbet (QTP), situada en Asia, es la meseta más grande y más alta del mundo, a menudo denominada el "techo del mundo" y el "tercer polo". Con una superficie total que supera los 2,5 millones de km28,9, sirve como meseta interior en China8,9. QTP es una región sensible en términos de cambio climático y una región ecológicamente frágil, y su cambio ecológico tiene un impacto importante en Asia e incluso en el clima global10. El clima distintivo y las características geográficas del QTP han facilitado el desarrollo de diversos tipos de ecosistemas, como bosques, arbustos, pastizales alpinos, prados alpinos y desiertos alpinos. La adquisición de datos de cobertura vegetal y la exploración de sus variaciones espaciales y temporales son cruciales para evaluar la calidad del ecosistema en el QTP.

Estudios anteriores han informado consistentemente una tendencia ascendente en la cobertura vegetal en el QTP. Li y col. observaron una tendencia creciente en la cobertura vegetal de QTP entre 2001 y 201011. Duan et al. analizó los datos del NDVI de 2000 a 2018 y descubrió que las praderas alpinas, los pastizales alpinos y la vegetación en general en el QTP mostraron una tendencia creciente en el NDVI durante la temporada de crecimiento12. De manera similar, Zhu et al. realizó un análisis exhaustivo de series temporales de datos NDVI de 2000 a 2018 y confirmó una tendencia positiva en el verdor de la vegetación en todo el QTP13. Además, estos estudios han demostrado la influencia del cambio climático y los factores antropogénicos en el crecimiento de la vegetación. Zhong et al. informaron un aumento general en la densidad de la vegetación en el QTP de 1999 a 2014, atribuido al calentamiento a corto plazo y al aumento de las precipitaciones14. Zhu et al. indicaron que el efecto positivo del cambio climático sobre la vegetación de QTP se está debilitando mientras que el impacto negativo está aumentando, jugando las actividades humanas un papel cada vez más negativo15. Han et al. identificaron una correlación significativa entre la temperatura promedio, la precipitación total y la cobertura vegetal durante la temporada de crecimiento en el QTP, siendo la precipitación el principal factor de control del crecimiento de la vegetación16. Huang et al. descubrieron que la influencia dominante del clima y la actividad humana variaba espaciotemporalmente, siendo las regiones dominadas por los humanos más pequeñas que las áreas dominadas por el clima17. Sol y cols. utilizaron el modelo de geodetector para analizar los efectos de los datos sobre la intensidad de la actividad humana y el clima en la distribución espacial del NDVI de la vegetación en la región QTP18.

En conclusión, los cambios en la vegetación están impulsados ​​por el cambio climático y las actividades humanas. El cambio climático se manifiesta principalmente a través de alteraciones significativas en la temperatura y las precipitaciones, lo que afecta la fotosíntesis, la respiración y el crecimiento general de las plantas19. Las actividades humanas ejercen influencias tanto negativas como positivas sobre la vegetación, abarcando la urbanización, la deforestación, el pastoreo excesivo, las prácticas agrícolas, la forestación y las iniciativas ecológicas20.

Por lo tanto, al utilizar datos climáticos y series de largo plazo de conjuntos de datos MODIS NDVI, entre otras fuentes, junto con el método de análisis de tendencia residual, este estudio tiene los siguientes objetivos: (1) analizar la dinámica espaciotemporal de la variación de la vegetación en el QTP durante las últimas dos décadas; (2) dilucidar los principales factores que contribuyen a los cambios en la vegetación desde 2001; (3) cuantificar la influencia del cambio climático y las actividades antropogénicas en la variación de la vegetación en el QTP. Este estudio mejora nuestra comprensión de los mecanismos subyacentes que impulsan los cambios en la vegetación en las regiones de la meseta, al tiempo que ofrece información valiosa para los esfuerzos de restauración de la vegetación en el QTP.

La FVC, la precipitación y la temperatura promedio de la meseta tibetana mostraron una tendencia ascendente fluctuante general de 2001 a 2020, como se muestra en las figuras 1a a c.

Cambio promedio anual de FVC (a), precipitación anual (b) y temperatura promedio anual (c) del QTP de 2001 a 2020.

La FVC media anual alcanzó su valor máximo de 0,410 en 2020, mientras que el valor mínimo fue de 0,381 en 2015. Las precipitaciones y la temperatura experimentaron valores más bajos alrededor de 2015 y valores más altos alrededor de 2019. Se puede observar una clara relación entre el crecimiento de la vegetación y los factores hidrotermales, con La cobertura vegetal varía según las diferentes condiciones hidrotermales. En general, la cobertura vegetal anual promedio del QTP ha mostrado una tendencia creciente gradual durante los últimos 20 años; sin embargo, la tasa de crecimiento ha sido relativamente lenta: 0,0006 por año.

Para proporcionar una representación más intuitiva de la cobertura vegetal, la FVC se clasificó en cinco niveles14 (Tabla 1). La cobertura de vegetación en el QTP exhibió un patrón espacial distinto de aumento de noroeste a sureste en forma escalonada (Fig. 2).

Distribución anual de grados FVC de QTP de 2001 a 2020.

Las regiones con una alta cobertura vegetal estaban ubicadas predominantemente en las áreas del sureste, caracterizadas por condiciones favorables de agua y calor, abarcando la provincia de Sichuan, la provincia de Yunnan, la parte sureste de la Región Autónoma del Tíbet, las partes este y sur de la provincia de Qinghai y la parte sur de Provincia de Gansu. Estas regiones estaban cubiertas predominantemente por bosques de coníferas y bosques mixtos de coníferas y latifoliadas. Por el contrario, las regiones con baja cobertura vegetal estaban situadas en la parte noroeste de la meseta, caracterizada por condiciones de agua y calor desfavorables, abarcando la parte occidental de la Región Autónoma del Tíbet, la Región Autónoma Uygur de Xinjiang, la parte noroeste de la provincia de Qinghai y la parte occidental. parte de la provincia de Gansu. Estas regiones estaban cubiertas predominantemente por pastizales y desiertos. Esta observación indicó una correlación significativa entre el patrón de distribución espacial de la cobertura vegetal y las condiciones hidrotermales.

El análisis estadístico reveló que el área cubierta por vegetación alta y baja constituyó el 25.02% y 52.85% del área total de investigación, respectivamente, mientras que el área cubierta por vegetación media y alta, media y media y baja representaron el 7.30%, 6.30%. % y 8,53%, respectivamente.

Para investigar con más detalle las características de evolución espacial de la cobertura vegetal en el QTP, empleamos el método de análisis de tendencia de la mediana de Theil-Sen y el método de prueba de significancia de Mann-Kendall para analizar la tendencia de variación en la cobertura vegetal.

Los resultados, como se muestra en la Fig. 3, revelaron que el área con un aumento muy significativo y un aumento significativo en la cobertura vegetal constituyó el 11,94%. Esta área estaba ubicada predominantemente en la región norte, abarcando la Región Autónoma Uygur de Xinjiang (incluido el sistema montañoso Kunlun y el sistema montañoso Aljinshan), la provincia de Gansu (sistema montañoso Qilian) y la parte norte de la provincia de Qinghai (sistema montañoso Bayankra y sus alrededores). del lago Qinghai). Por el contrario, el área con una disminución muy significativa y una disminución significativa representó el 3,94% del área total de investigación y se concentró principalmente en la Región Autónoma del Tíbet central y la provincia suroeste de Qinghai.

Cambio de tendencia de FVC en QTP de 2001 a 2020.

La distribución espacial de la precipitación en el QTP mostró un aumento gradual de noroeste a sureste, alineándose estrechamente con el patrón de distribución de la cobertura vegetal (Fig. 4).

Cambio de precipitación promedio anual en el QTP de 2001 a 2020.

Tras el análisis de correlación parcial entre la cobertura de vegetación y la precipitación, derivamos un mapa de distribución espacial que ilustra el coeficiente de correlación parcial y la importancia de la correlación entre FVC y precipitación en el QTP de 2001 a 2020 (Fig. 5).

Coeficiente de correlación parcial y significancia entre FVC y precipitación en el QTP de 2001 a 2020.

Según el análisis estadístico, el 60,7% del área de investigación presentó una correlación positiva entre FVC y precipitación. Entre estos, el 8,66% del área mostró una correlación positiva altamente significativa y significativa, abarcando las áreas de pastizales en la provincia de Gansu, las áreas de pastizales y praderas en el sur de la provincia de Qinghai, así como las áreas de vegetación, pastizales y praderas alpinas en el Tíbet central. Región Autónoma. El 39,3% restante del área presentó una correlación negativa. De esta porción, una pequeña proporción (1,7%) exhibió una correlación negativa altamente significativa y significativa, mientras que el 33,5% exhibió una correlación negativa insignificante. Esto incluía el sureste de la provincia de Qinghai, la cuenca de Chai Damu, la provincia de Yunnan y el sureste de la Región Autónoma del Tíbet.

La temperatura en el QTP estuvo fuertemente influenciada por la altitud (Fig. 6), y las temperaturas disminuyeron a medida que aumenta la altitud.

Mapa de distribución de la temperatura media anual y DEM en la meseta Qinghai-Tíbet.

Al analizar la distribución espacial del coeficiente de correlación parcial y la significancia entre la cobertura vegetal y la temperatura de 2001 a 2020 (Fig. 7), se reveló que el 52,8% del área exhibió una correlación positiva entre la cobertura vegetal y la temperatura. Esta correlación positiva se observó principalmente en la mayor parte de la provincia de Qinghai y el noroeste de la Región Autónoma del Tíbet (adyacente a Xinjiang). Entre estas regiones, el 2,22% exhibió una correlación positiva extremadamente significativa y significativa, mientras que el 50,58% exhibió una correlación positiva insignificante. Además, el 47,2% del área mostró una correlación negativa, predominantemente en el suroeste de la Región Autónoma del Tíbet. De esta porción, el 2,86% exhibió una correlación negativa extremadamente significativa y significativa, mientras que el 44,34% exhibió una correlación negativa insignificante.

Coeficiente de correlación parcial y significancia entre FVC y temperatura en el QTP de 2001 a 2020.

Se empleó el análisis residual para aislar la influencia de las actividades humanas en la FVC (Fig. 8).

Tendencia de cambio de FVC afectada por actividades humanas.

El análisis estadístico reveló que el 39,19% del área experimentó mejoras debido a las actividades humanas, mientras que el 34,12% permaneció relativamente sin cambios y el 26,69% ​​experimentó degradación. En consecuencia, durante los últimos 20 años, las actividades humanas han mejorado la cobertura vegetal general del QTP y han fomentado el crecimiento de la vegetación. Con respecto al tipo de uso de la tierra (Fig. 9), las áreas que experimentaron mejoras se ubicaron principalmente en las praderas de Xinjiang, las áreas central y norte de Qinghai, las áreas cultivadas en Xining, las áreas norte y suroeste de Ali, las áreas suroeste de Shigatse y Nujiang. Las áreas con cambios mínimos consistieron predominantemente en tierras desnudas y tierras forestales, como la cuenca Qaidam en la región de Hercinia, y tierras forestales en las partes meridionales de Shannan y Nyingchi. Las regiones que exhibieron un impacto perjudicial se concentraron principalmente en los pastizales de Nagqu y Yushu, la parte oriental de Guoluo y partes de Qamdo, Diqing, Liangshan, etc. Esto indicó una tendencia de degradación relativamente severa en las superficies alteradas por el hombre.

Mapa de tipos de uso del suelo en el QTP.

La cobertura vegetal en el QTP mostró una mejora general consistente, con una distribución espacial que aumentó de noroeste a sureste. Este patrón de distribución se alinea con las condiciones climáticas predominantes en el QTP. La región noroeste experimentó condiciones climáticas menos favorables para el crecimiento de la vegetación en comparación con la región sureste. El análisis de tendencias reveló que la cobertura vegetal en el QTP ha mejorado en general, pero las áreas locales también experimentaron degradación. Estos hallazgos se alinearon con un estudio previo21,22,23. Además, utilizando la plataforma Google Earth Engine (GEE), adquirimos las áreas totales de aguas superficiales del Tíbet y Qinghai de 2001 a 2020 (Fig. 10) mediante el procesamiento del conjunto de datos v1.3 del Historial de clasificación anual del agua del JRC.

Variación interanual de la superficie total de aguas superficiales en el Tíbet y Qinghai de 2001 a 2020.

Se observó que las zonas que experimentaron una disminución significativa o sustancial correspondían estrechamente a las regiones concentradas en lagos. Además, al comparar los mapas de tipos de vegetación, se demostró que el tipo de vegetación dominante en estas áreas eran principalmente pastizales. Con el tiempo, la expansión del tamaño del lago provocó la inundación de vegetación en esa área en particular, lo que resultó en una disminución de la cobertura vegetal. Estos hallazgos se alinean con estudios previos24,25. En la parte más meridional existió una zona estable, caracterizada por una vegetación de bosque de coníferas de montaña subtropical y tropical que mantiene su densa cobertura durante todo el año. En particular, las regiones que exhibieron una tendencia de mejora en la vegetación de QTP se concentraron principalmente en las partes occidental y norte, mientras que las regiones del este y sur mostraron una tendencia degradante. Esta discrepancia puede atribuirse a una mayor densidad de población y una intensidad de actividad humana relativamente mayor en comparación con las regiones occidental y septentrional.

Mediante un análisis de correlación parcial, se observó una correlación positiva significativa entre la cobertura vegetal de QTP y tanto la precipitación como la temperatura del aire en la mayor parte del área de estudio. La precipitación y la temperatura exhibieron efectos impulsores complementarios, y la precipitación tuvo un mayor impacto en la cobertura vegetal en comparación con la temperatura. Las regiones del norte de QTP estaban compuestas predominantemente de desiertos, donde la cobertura vegetal exhibía una correlación positiva con la temperatura, pero una correlación negativa con la precipitación. Los datos demostraron la sensibilidad de la cobertura vegetal a los cambios en las condiciones hídricas y térmicas. Nuestros hallazgos revelaron que los cambios en las precipitaciones, particularmente en las regiones del norte, fueron el principal impulsor de la degradación de la vegetación, en consonancia con investigaciones anteriores26. La aparición de bajos niveles de temperatura y precipitación alrededor de 2015 proporcionó una explicación plausible para la cobertura vegetal mínima observada durante ese año. Además, la investigación pertinente ha señalado la aparición de un súper episodio de El Niño en 2015 en QTP, que provocó una grave sequía en casi toda la meseta27. Este evento extremo contribuyó aún más a la cobertura vegetal más baja registrada en QTP en 2015. Los resultados demostraron que las condiciones hidrotermales favorables desempeñaron un papel fundamental en la promoción del crecimiento de la vegetación.

Además de los factores climáticos naturales, las actividades humanas influyen significativamente en el crecimiento de la vegetación. Las actividades humanas tienen un impacto más localizado sobre la vegetación en comparación con los efectos a gran escala de los factores climáticos, particularmente en regiones densamente pobladas28. Las condiciones geográficas distintivas de QTP hacen que la mayor parte de la meseta no sea apta para la habitación humana, particularmente en las regiones occidentales, lo que hace que las actividades humanas se concentren predominantemente en la parte oriental de la meseta. Según los resultados estadísticos, las áreas que exhiben una cobertura vegetal mejorada debido a las actividades humanas representaron el 39,19%, concentradas principalmente en Xinjiang, el centro y norte de Qinghai, las áreas cultivadas de Xining, el norte y suroeste de Ali, así como las regiones oriental y suroeste de Shigatse, entre otros. El área degradada constituyó el 26,69%, distribuida principalmente en las regiones de pastizales del centro y este de Yushu, áreas con cobertura superficial artificial en el Tíbet central (Nagqu, Lhasa), así como las regiones orientales de Guoluo y Xining, entre otras. Las conclusiones anteriores fueron consistentes con las de estudios previos28,29. La región de la Estepa del Norte abarca numerosas montañas cubiertas de nieve y glaciares, a menudo situados a gran altura. La vegetación de esta zona se compone principalmente de tundra y otras plantas alpinas. Además, la región tiene una población escasa, un desarrollo urbano limitado y actividades de pastoreo insignificantes, todo lo cual tiene un impacto mínimo en la cobertura vegetal. Las zonas degradadas se deben principalmente a la cría intensiva de animales, que afecta principalmente a los pastizales y la vegetación de praderas. La expansión de la ganadería local ha ido acompañada de una mejora del nivel de vida. Sin embargo, la gestión desordenada de las prácticas de pastoreo y la ausencia de medidas correctivas oportunas han acelerado la degradación de la vegetación de los pastizales30. Además, Xining, el principal contribuyente al PIB de la provincia de Qinghai, exhibe una proporción significativa de superficie construida por el hombre. El rápido crecimiento económico, la densa población, la expansión de la construcción de carreteras y el desarrollo de infraestructura en Xining han dado como resultado huellas notables de la actividad humana que impactan la cobertura vegetal. El impacto favorable de las actividades humanas sobre la vegetación en la región nororiental de la meseta tibetana desde el año 2000 puede atribuirse principalmente a la implementación de cuatro importantes proyectos ecológicos en China: el Proyecto de Protección de los Recursos Forestales Naturales, el Proyecto de los Tres Bosques de Protección del Norte, el Retorno de Proyecto de Tierras Cultivadas a Bosques y Proyecto de Prohibición de Pastoreo15,31.

Este artículo investigó las características de variación temporal y espacial de la FVC influenciadas por factores hidrotermales y actividades humanas, proporcionando valiosas referencias científicas para el desarrollo ecológico sostenible de la meseta tibetana de Qinghai (QTP). Los hallazgos de este estudio revelaron que el crecimiento de la vegetación en el QTP estuvo influenciado por varios factores, incluida la temperatura, las precipitaciones y las actividades humanas. Las conclusiones principales son las siguientes:

Durante los últimos 20 años, la cobertura vegetal general del QTP mostró una tendencia ascendente, con un enverdecimiento observado predominantemente en las regiones del norte y una degradación observada principalmente en las regiones del suroeste.

La respuesta de la vegetación a los factores climáticos mostró variaciones espaciales notables: la vegetación en las regiones noreste y suroeste exhibió correlaciones negativas con la temperatura y correlaciones positivas con la precipitación, mientras que la vegetación en el sureste demostró correlaciones negativas con la precipitación y correlaciones positivas con la temperatura. Además, la vegetación en el noroeste mostró correlaciones positivas con ambos factores climáticos.

Durante los últimos 20 años, las actividades humanas tuvieron un efecto general positivo en la cobertura vegetal del QTP, aunque existieron variaciones regionales significativas. En la parte noreste de la meseta, las actividades humanas ejercieron un impacto beneficioso sobre la vegetación. Sin embargo, los efectos adversos de las actividades humanas sobre la vegetación en la parte sureste de la meseta no pueden ignorarse y merecen seria atención para evitar mayores perturbaciones.

Este estudio se centró en dos factores climáticos principales, a saber, la temperatura media anual y la precipitación anual. Sin embargo, dada la complejidad de los sistemas geográficos y las actividades humanas, es necesario considerar otros factores climáticos. Factores como la humedad relativa, la radiación solar y la evapotranspiración desempeñan un papel importante en el cambio climático y son vitales para el desarrollo de las plantas. Las condiciones climáticas representan un sistema muy complejo y la ubicación geográfica única de la meseta tibetana hace que la altitud sea un factor crucial que influye en la distribución de las plantas. Investigaciones posteriores incorporarán altitud, pendiente y diversas condiciones meteorológicas para explorar ampliamente la distribución geográfica de FVC bajo la influencia del cambio climático. Además, debido a los desafíos asociados con la recopilación de datos en el QTP, este estudio examinó únicamente el impacto de las actividades humanas en función de la densidad de población, el uso de la tierra y las áreas ganaderas. Sin embargo, la inclusión de datos adicionales, como la distribución de atracciones turísticas y puntos de interés social, mejoraría significativamente la precisión del análisis de la influencia de las actividades humanas. En consecuencia, las investigaciones futuras pueden ofrecer resultados de análisis multidimensionales más completos, lo que conducirá a una comprensión más clara de los factores que influyen en la cobertura vegetal de la región.

Los datos se obtuvieron de la Administración Nacional de Aeronáutica y del Espacio (https://ladsweb.modaps.eosdis.nasa.gov/). El conjunto de datos comprende productos de datos NDVI de la cuadrícula MOD13Q1 que abarcan desde 2001 hasta 2020, con una resolución espacial de 250 my una resolución temporal de 16 días. Realizamos extracción, empalme, reproyección, recorte y otros preprocesamientos de datos utilizando la herramienta Modis Reprojection Tool y el software ArcGIS. Se aplicó el método del Valor Máximo Compuesto (MVC) para mitigar las influencias negativas de las nubes, la sombra de las nubes, el aerosol, el vapor de agua, el ángulo visual y el ángulo de altitud solar en el cálculo de la cobertura vegetal32,33.

Los datos se obtuvieron del Centro Nacional de Datos Científicos del Sistema Terrestre (http://www.geodata.cn). Este conjunto de datos34 se derivó de los datos climáticos globales de 0,5 proporcionados por CRU (Unidad de Investigación Climática) y los datos climáticos globales de alta resolución de WorldClim. El conjunto de datos se produjo en China utilizando el esquema de reducción de escala espacial Delta y se validó con 496 puntos de observación meteorológica independientes. Los resultados de la validación demostraron la confiabilidad y precisión de los datos climáticos. El proceso de reducción de escala y la evaluación de la precisión se llevaron a cabo de la siguiente manera:

Las variables medias, máximas y mínimas anuales de temperatura (TMP) y precipitación (PRE) para cada mes se derivaron de los datos de series de tiempo de CRU. El conjunto de datos climatológicos derivados tiene una resolución espacial de 30′, consistente con el conjunto de datos CRU.

Los datos de series de tiempo anómalas para cada variable climática se calcularon utilizando los datos de series de tiempo de CRU y los conjuntos de datos climatológicos derivados.

donde \({TMP}_{an\left(yr,m\right)}\) y \({PRE}_{an\left(yr,m\right)}\) son las anomalías de temperaturas y precipitaciones, respectivamente; \({TMP}_{\left(yr,m\right)}\) y \({PRE}_{\left(yr,m\right)}\) son las temperaturas absolutas y los valores de precipitación, respectivamente; \({CRUTMP}_{\left(m\right)}\) y \({CRUPRE}_{\left(m\right)}\) son la climatología de 30′ para temperaturas y precipitaciones, respectivamente; y \(m\) y \(yr\) corresponden al mes (enero-diciembre) y al año, respectivamente.

Los datos de la serie temporal de anomalías de 30′ se interpolaron espacialmente para lograr una resolución espacial más alta consistente con el conjunto de datos de referencia de WorldClim.

Los datos de series temporales de anomalías de alta resolución se convirtieron en datos de series temporales climáticas absolutas utilizando el conjunto de datos de referencia de WorldClim.

donde \(m\) y \(yr\) se definen como anteriormente; \(res\) representa la resolución espacial, es decir, 10′, 5′, 2,5′ y 0,5′; \({TMP}_{\left(yr,m,res\right)}\) y \({PRE}_{\left(yr,m,res\right)}\) son las temperaturas absolutas y los valores de precipitación con una resolución espacial de res, respectivamente; \({TMP}_{an\left(yr,m,res\right)}\) y \({PRE}_{an\left(yr,m,res\right)}\) representan anomalías con un resolución de res para temperaturas y precipitaciones, respectivamente; y \({WorldTMP}_{\left(m,res\right)}\) y \({WorldPRE}_{\left(m,res\right)}\) representan conjuntos de datos de climatología de WorldClim con una resolución espacial de res para temperaturas y precipitaciones, respectivamente.

El conjunto de datos CRU original y los conjuntos de datos reducidos se evaluaron utilizando cuatro métricas estadísticas: coeficiente de correlación de Pearson (Cor), error absoluto medio (MAE), error cuadrático medio (RMSE) y coeficiente de eficiencia de Nash-Sutcliffe (NSE). Además, los datos de WorldClim se evaluaron en varias resoluciones espaciales comparando los valores climatológicos de los datos de WorldClim con observaciones de las ubicaciones geográficas correspondientes, utilizando los índices MAE y Cor. El tamaño de la muestra corresponde al número de estaciones independientes.

Descargado del Centro Nacional de Datos Científicos de la Meseta Tibetana35,36,37,38,39 (http://data.tpdc.ac.cn).

Los datos sobre el tipo de uso de la tierra son la versión 2020 de los datos de cobertura terrestre global de 30 m publicados por el Ministerio de Recursos Naturales de China.

El NDVI muestra una correlación positiva con la cobertura vegetal. Por lo tanto, se empleó un modelo binario de píxeles junto con el NDVI para estimar la cobertura vegetal40,41. En este artículo, adoptamos un método ampliamente utilizado para eliminar errores de ruido. De acuerdo con el histograma de frecuencia acumulada del NDVI en toda la imagen, interceptamos los valores de umbral superior e inferior con niveles de confianza del 5% y el 95%, y aproximamos los valores del NDVI que representan píxeles de tierra desnuda y vegetación pura, respectivamente42. La fórmula específica es la siguiente:

donde \(FVC\) es la Cobertura Vegetal Fraccionada; \(NDVI\) es el valor del elemento de imagen mixta; \(NDV{I}_{\text{suelo}}\) es el valor del elemento de imagen de suelo desnudo; \(NDV{I}_{\text{veg}}\) es el valor del elemento de imagen de vegetación pura.

El método de análisis de tendencias de Theil Sen Medium es un algoritmo de estimación no paramétrico robusto que mitiga eficazmente la influencia de valores atípicos en el análisis de series temporales largas. Representa una mejora con respecto al método de regresión lineal de mínimos cuadrados43,44. La prueba de Mann Kendall es un método estadístico no paramétrico introducido por Mann en 1945 y posteriormente perfeccionado por Kendal y Sneyers45,46. Una de sus ventajas es su independencia del supuesto de distribución normal para los valores medidos y la linealidad de la tendencia. Además, no se ve afectado por valores faltantes ni valores atípicos47.

La pendiente de Sen se estima mediante la fórmula:

donde \(\beta\) es la pendiente; \(i\) y \(j\) son las series de tiempo; \({\text{FV}}{\text{C}}_{i}\) y \(FV{C}_{j}\) son los valores de FVC en el año \(i\) y el año \( j\), respectivamente; \({\text{median}}\) es la función mediana. Cuando \(\beta\) >0, la FVC tiene una tendencia ascendente; cuando \(\beta\) < 0, FVC tiene una tendencia a la baja.

Se probó la significancia de los resultados del análisis de tendencia de Sen utilizando el método de Mann-Kendall, y el estadístico de prueba S se calculó de la siguiente manera:

Utilizamos el estadístico de prueba Z para la prueba de tendencia.

donde \(S{\text{gn}}\) es la función simbólica, \(k\) y \(j\) son las series de tiempo, y \(n\) es el número de años de monitoreo.

En este artículo, utilizando niveles de significancia de P = 0,05 y 0,01, la tendencia se consideró estadísticamente significativa cuando el valor absoluto de Z superó 1,96 y 2,58, correspondientes a los niveles de significancia del 95% y 99%, respectivamente. La Tabla 2 presenta la metodología utilizada para evaluar la importancia de la tendencia observada.

El análisis de correlación parcial es un método valioso para examinar la relación entre dos variables específicas mientras se controla la influencia de una tercera variable. En el análisis de correlación parcial, se elimina la influencia de una tercera variable en la relación entre dos variables, lo que permite examinar la correlación entre las dos variables restantes48,49. Utilizando los datos disponibles sobre cobertura vegetal, precipitación y temperatura, se calculan los coeficientes de correlación parcial entre la cobertura vegetal y cada una de las dos variables climáticas (precipitación y temperatura), y se evalúa su significancia estadística mediante pruebas t. La fórmula específica utilizada para calcular los coeficientes de correlación parcial es la siguiente:

donde \({r}_{xy,z}\) representa el coeficiente de correlación parcial entre xey cuando la variable z es fija; \({r}_{xy,zw}\) es el coeficiente de correlación parcial de segundo orden entre xey cuando las variables z y w son fijas; \({r}_{xy}\), \({r}_{xz}\) y \({r}_{yz}\) representan respectivamente los coeficientes de correlación entre x e y, x y z, y y z; n es el número de años de seguimiento; \({x}_{i}\) y \({y}_{i}\) son respectivamente los valores de las variables x e y en el año i, y \(\overline{x }\) y \( \overline{y }\) son respectivamente las medias anuales de x e y.

Después del cálculo de cada coeficiente de correlación, se realizó una prueba t para evaluar la significancia:

donde n es el número de años de seguimiento y q es el número de variables controlables.

Utilizando niveles de significancia predeterminados de P = 0,05 y 0,01, los valores t superiores a 2,120 y 2,921, respectivamente, se consideraron significativos con niveles de confianza del 95% y 99%.

Este método es un enfoque eficaz para distinguir los efectos del cambio climático y las actividades humanas en la dinámica de la vegetación50. El impacto de los factores humanos se aísla eliminando los efectos de la precipitación y la temperatura de las series temporales a largo plazo de la cobertura vegetal51. Considerando que las variaciones en la cobertura vegetal están impulsadas principalmente por el clima y las actividades humanas, en este estudio se desarrolla un modelo de regresión múltiple para estimar la cobertura vegetal utilizando la precipitación y la temperatura como predictores. El residual representa la discrepancia entre la cobertura vegetal observada y prevista, capturando la porción atribuida a las actividades humanas. Por último, se emplea el método de regresión lineal para analizar la tendencia temporal de los residuos anuales. La fórmula se expresa como:

donde: \(pre\) son datos de precipitación anual; \(tem\) son datos de temperatura anual; a, b, c son coeficientes de regresión; \(FV{C}_{p}\) es el valor predicho; \(FV{C}_{a}\) es la Cobertura Vegetal Fraccionada real calculada a partir de los valores MOD13Q1-NDVI; \(\delta\) es residual. \(\delta\) > 0 significa que las actividades humanas desempeñan un papel positivo; \(\delta\) < 0 significa que las actividades humanas juegan un papel negativo.

Las tendencias del cambio de la vegetación bajo la influencia de las actividades humanas se clasificaron en cinco categorías: degradación significativa52 (< − 0,006), degradación leve (− 0,006 a − 0,0006), básicamente sin cambios (− 0,0006 a 0,0006), mejora leve (0,0006 a 0,006 ), y mejora significativa (> 0,006).

Los conjuntos de datos utilizados y/o analizados durante el presente estudio están disponibles del autor correspondiente previa solicitud razonable.

Wenfu, P. y col. Cuantificación de las influencias de los factores naturales en los cambios del NDVI de la vegetación según un detector geográfico en Sichuan, China occidental. J. Limpio. Pinchar. 233, 353–367 (2019).

Artículo de Google Scholar

Yang, C. y col. Cambios espaciotemporales en la cubierta vegetal y sus factores que influyen en la meseta de Loess en China según el modelo de regresión ponderado geográficamente. Bosques 12, 673. https://doi.org/10.3390/f12060673 (2021).

Artículo de Google Scholar

Mu, B. y col. Cambio de la cobertura vegetal y su atribución en China de 2001 a 2018. Remote Sens. 13, 496. https://doi.org/10.3390/rs13030496 (2021).

ADS del artículo Google Scholar

Miaomiao, L et al. Estimación de la fracción de vegetación en la Cuenca Alta del Embalse de Miyun mediante teledetección. Recurso. Ciencia. 26, 153-159 (2004).

Changlong, L. y col. Características espaciales y temporales de la cubierta forestal y herbácea en el rango potencial de desertificación en China de 2000 a 2020. Acta Geogr. Pecado. 77, 2803–2816 (2022).

Google Académico

Jiao, K. y col. Las precipitaciones determinan la distribución del NDVI en la meseta tibetana, mientras que las altas tasas de calentamiento pueden intensificar sus sequías ecológicas. Sensores remotos 13, 1305. https://doi.org/10.3390/rs13071305 (2001).

ADS del artículo Google Scholar

Fang, H., Li, S., Zhang, Y., Wei, S. & Wang, Y. Nuevos conocimientos sobre las propiedades estructurales de la vegetación global a través de un análisis del índice de agrupación del dosel, la cubierta vegetal fraccionada y el índice de área foliar. Ciencia. Sensores remotos 4, 100027 (2021).

Artículo de Google Scholar

Wang, Z. y col. Expansión de la vegetación en la meseta tibetana y su relación con el cambio climático. Sensores remotos 12, 4150. https://doi.org/10.3390/rs12244150 (2020).

ADS del artículo Google Scholar

Zhong, L. y col. Evaluación de la dinámica de la vegetación y su respuesta a las variaciones de precipitación y temperatura en la meseta tibetana. Subir. Cambio 103, 519–535 (2010).

ADS del artículo Google Scholar

Hua, T. y col. Efectividad de los límites de las áreas protegidas sobre el verdor, la cobertura y la productividad de la vegetación en la meseta tibetana, China. Landsc. Plano Urbano. 224, 104421 (2022).

Artículo de Google Scholar

Juncheng, L. et al. Cambios espaciotemporales de la cubierta vegetal en respuesta al cambio climático en la meseta tibetana. Acta Geol. Pecado. 88, 974–983 (2014).

Artículo de Google Scholar

Duan, H. y col. Diferencias espaciales y temporales en las praderas alpinas, la estepa alpina y toda la vegetación de la meseta tibetana de Qinghai y sus respuestas al cambio climático. Sensores remotos 13, 669 (2021).

ADS del artículo Google Scholar

Yuying Z et al. Cambios en el verdor de la vegetación y su respuesta a la variación de la sequía y la humedad en la meseta de Qingzang. Mentón. J. Ecología Vegetal. 47(01), 51–64 (2023).

Zhong, L., Ma, Y., Xue, Y. & Piao, S. Tendencias del cambio climático e impactos en el enverdecimiento de la vegetación en la meseta tibetana. J. Geophys. Res. Atmos. 124, 7540–7552. https://doi.org/10.1029/2019JD030481 (2019).

ADS del artículo Google Scholar

Zhu, B., Zhang, Z., Tian, ​​J., Kong, R. & Chen, X. Crecientes impactos negativos del cambio climático y las actividades antropogénicas en la variación de la vegetación en la meseta Qinghai-Tíbet durante 1982-2019. Sensores remotos 14, 4735. https://doi.org/10.3390/rs14194735 (2022).

ADS del artículo Google Scholar

Han, H., Yin, Y., Zhao, Y. & Qin, F. Variaciones espaciotemporales en la cubierta vegetal fraccionada y sus respuestas a los cambios climáticos en la meseta Qinghai-Tíbet. Sensores remotos 15, 2662. https://doi.org/10.3390/rs15102662 (2023).

ADS del artículo Google Scholar

Huang, K. y col. Las influencias del cambio climático y las actividades humanas en la dinámica de la vegetación en la meseta Qinghai-Tíbet. Sensores remotos 8, 876. https://doi.org/10.3390/rs8100876 (2016).

ADS del artículo Google Scholar

Sol, L. et al. Impactos del cambio climático y las actividades humanas en el NDVI en la meseta Qinghai-Tíbet. Sensores remotos 15, 587. https://doi.org/10.3390/rs15030587 (2023).

ADS del artículo Google Scholar

Wang, Y., Zhang, Z. & Chen, X. Cuantificación de las influencias de factores naturales y antropogénicos en los cambios de vegetación basados ​​en geodetectores: un estudio de caso en la cuenca del lago Poyang, China. Sensores remotos 13, 5081. https://doi.org/10.3390/rs13245081 (2021).

ADS del artículo Google Scholar

Zhang, F. y col. Cambios en la productividad primaria neta forestal en la cuenca del río Yangtze y su relación con el cambio climático y las actividades humanas. Sensores remotos 11, 1451. https://doi.org/10.3390/rs11121451 (2019).

ADS del artículo Google Scholar

Zhang, Y. et al. Cambios espacio-temporales de la productividad primaria neta de la vegetación y sus factores impulsores en la meseta tibetana de Qinghai de 2001 a 2017. Remote Sens. 13, 1566 (2021).

ADS del artículo Google Scholar

Zhang, L., Guo, H., Lei, L. y Yan, D. Monitoreo de las variaciones del verdor de la vegetación en la meseta Qinghai-Tíbet con el índice de vegetación MODIS. En 2011, Simposio internacional de geociencia y teledetección del IEEE, 760–762 (2011) https://doi.org/10.1109/IGARSS.2011.6049241.

Guo, B. y col. Determinación de las contribuciones del cambio climático y las actividades humanas a la dinámica de las centrales nucleares de vegetación en la meseta Qinghai-Tíbet, China, de 2000 a 2015. Medio ambiente. Monit. Evaluar. 192, 663. https://doi.org/10.1007/s10661-020-08606-6 (2020).

Artículo PubMed Google Scholar

Guoqing, Z. et al. Progresos en el monitoreo por teledetección de la superficie de los lagos, el nivel del agua y los cambios de volumen en la meseta tibetana. Nacional. Sensores remotos. Toro. 26, 115-125. https://doi.org/10.11834/jrs.20221171 (2022).

Artículo de Google Scholar

Zhang, G. y col. 100 años de evolución de los lagos sobre la meseta Qinghai-Tíbet. Sistema Tierra. Ciencia. Datos. 13, 3951–3966. https://doi.org/10.5194/essd-13-3951-2021 (2021).

ADS del artículo Google Scholar

Deng, X., Wu, L., He, C. & Shao, H. Estudio sobre el patrón de variación espaciotemporal de la cobertura vegetal en la meseta Qinghai-Tíbet y el análisis de sus factores climáticos. En t. J. Medio Ambiente. Res. Salud pública. 19, 8836. https://doi.org/10.3390/ijerph19148836 (2022).

Artículo PubMed PubMed Central Google Scholar

Lei, Y. et al. Cambios extremos en el nivel del lago en la meseta tibetana asociados con El Niño de 2015/2016. Geofís. Res. Letón. 46, 5889–5898. https://doi.org/10.1029/2019GL081946 (2019).

ADS del artículo Google Scholar

Chen, J. y col. Variación espaciotemporal de la vegetación en la meseta Qinghai-Tíbet y la influencia de los factores climáticos y las actividades humanas en la tendencia de la vegetación (2000-2019). Sensores remotos 12, 3150. https://doi.org/10.3390/rs12193150 (2020).

ADS del artículo Google Scholar

Sun, Y. et al. Conjuntos de datos de intensidad del pastoreo y de intensidad de la actividad humana en la meseta tibetana de Qinghai durante 1990-2015. Geociencias. Datos J. 9, 140-153. https://doi.org/10.1002/gdj3.127 (2022).

Artículo ADS MathSciNet Google Scholar

Wei, Y. et al. Influencia dual del cambio climático y las actividades antropogénicas en la dinámica espaciotemporal de la vegetación sobre la meseta tibetana de Qinghai de 1981 a 2015. El futuro de la Tierra. 10, e2021EF002566. https://doi.org/10.1029/2021EF002566 (2022).

ADS del artículo Google Scholar

Guo, Z., Nie, H., Zang, R. & Zhang, Y. Evaluación de beneficios ecológicos en la protección de bosques naturales en el suroeste de China. J. Posada. Mongo. Agrícola. Univ. 32, 65–72 (2011).

Google Académico

Holben, BN Características de imágenes compuestas de valor máximo a partir de datos AVHRR temporales. En t. J. Sensores remotos 7, 1417–1434. https://doi.org/10.1080/01431168608948945 (1986).

Artículo de Google Scholar

Liu, Y. et al. Variación temporal y espacial en la cobertura vegetal y su respuesta al cambio climático en las marismas de la llanura de Sanjiang, China. Atmósfera 13, 2077. https://doi.org/10.3390/atmos13122077 (2022).

ADS del artículo Google Scholar

Shouzhang, P. y col. Conjunto de datos mensuales de temperatura y precipitación de 1 km para China desde 1901 hasta 2017. Earth Syst. Ciencia. Datos. 11, 1931-1946. https://doi.org/10.5194/essd-11-1931-2019 (2019).

Artículo de Google Scholar

Yili, Z. y col. Conjunto de datos de integración del límite de la meseta del Tíbet. (Centro de datos medioambientales de la meseta tibetana nacional/tercer polo, 2019) https://doi.org/10.11888/Geogra.tpdc.270099.CSTR:18406.11.Geogra.tpdc.270099.

Yili, Z. y col. Conjuntos de datos sobre los límites y el área de la meseta tibetana. Dígito. J. Globo. Cambiar repositorios de datos. https://doi.org/10.3974/geodb.2014.01.12.V1 (2014).

Artículo de Google Scholar

Yili, Z. y col. Datos de límites de la meseta tibetana (versión 2021). Dígito. J. Globo. Cambiar repositorios de datos. https://doi.org/10.3974/geodb.2021.07.10.V1 (2021).

Artículo de Google Scholar

Yili, Z. y col. Redeterminar la región y los límites de la meseta tibetana. Geogr. Res. 40, 1543-1553 (2021).

Google Académico

Yili, Z. y col. Comparación de conjuntos de datos de límites que cubren la meseta tibetana entre las versiones de 2021 y 2014. J. Globo. Cambiar descubrimiento de datos. 5, 32–42. https://doi.org/10.3974/geodp.2021.04.04.CSTR:20146.14.2021.04.04 (2021).

Artículo de Google Scholar

Li, X. y col. Cambios en la cobertura vegetal y características migratorias del centro de gravedad en la árida región desértica del noroeste de China en los últimos 30 años. Tierra. 11, 1688. https://doi.org/10.3390/land11101688 (2022).

Artículo de Google Scholar

Anees, SA et al. Estimación de la dinámica de la cobertura vegetal fraccionada y sus impulsores basada en datos de múltiples sensores en Dera Ismail Khan, Pakistán. J. King Saud Univ.-Sci. 34, 102217 (2022).

Artículo de Google Scholar

Guangyi, D. y col. Respuesta de la variación de la vegetación al cambio climático y las actividades humanas en pantanos semiáridos. Frente. Ciencia vegetal. https://doi.org/10.3389/fpls.2022.990592 (2022).

Artículo de Google Scholar

Achite, M. et al. Análisis de tendencias de precipitaciones y escorrentías en la cuenca de Wadi Mina (Norte de Argelia) mediante ensayos no paramétricos y el método ITA. Sostenibilidad. 14, 9892. https://doi.org/10.3390/su14169892 (2022).

Artículo de Google Scholar

Xiong, Q. y col. Variación temporal y espacial de la temperatura de la superficie terrestre en los últimos 20 años y análisis del efecto del uso de la tierra en la provincia de Jiangxi, China. Atmósfera 13, 1278. https://doi.org/10.3390/atmos13081278 (2022).

ADS del artículo Google Scholar

Mann, HB Pruebas no paramétricas contra tendencia. Econométrica 13, 245–259 (1945).

Artículo MathSciNet MATEMÁTICAS Google Scholar

Kendall, Medidas de correlación de rangos de MG (Charles Griffin, 1975).

Google Académico

Le, HT y cols. Caracterización de patrones espaciotemporales de los bosques de manglares en la reserva de la biosfera de Can Gio utilizando imágenes Sentinel-2. Aplica. Ciencia. 10, 4058. https://doi.org/10.3390/app10124058 (2020).

Artículo CAS Google Scholar

Yang, J. y col. Cambios en la distribución y actividad de la vegetación en las montañas Hengduan de 1992 a 2020. Acta Geogr. Pecado. 77, 2787–2802 (2022).

Google Académico

Liu, H. y col. Efectos del clima y las actividades humanas sobre los cambios en la cubierta vegetal en las áreas de fuentes de agua de Danjiangkou. Trans. Mentón. Soc. Agrícola. Ing. 36, 97-105 (2020).

CAS Google Académico

Berdimbetov, T. y col. El cambio climático y las actividades humanas se vinculan con la dinámica de la vegetación en la cuenca del mar de Aral utilizando el NDVI. Entorno del sistema terrestre. 5, 303–318. https://doi.org/10.1007/s41748-021-00224-7 (2021).

ADS del artículo Google Scholar

Yansong, J. y col. Impactos del cambio climático y las actividades humanas en el cambio del NDVI en las zonas costeras orientales de China. Reinar. Ciencia. https://doi.org/10.13227/j.hjkx.202207039 (2023).

Artículo de Google Scholar

Zhihui, T. y col. Mecanismo impulsor de la evolución espaciotemporal de la vegetación en la cuenca del río Amarillo de 2000 a 2020. Medio ambiente. Ciencia. 43, 743–751. https://doi.org/10.13227/j.hjkx.202105213 (2022).

Artículo de Google Scholar

Descargar referencias

Este trabajo fue apoyado por “Los Fondos de Investigación Fundamental para la Institución Científica Central de Interés Público, número de subvención: AR2203”. Reconocimiento por el soporte de datos del “Centro Nacional de Datos de la Meseta Tibetana (http://data.tpdc.ac.cn)”, “Centro de Datos y Ciencias Ambientales y de Recursos de la Academia de Ciencias de China (http://www.resdc.cn) )” y “Centro Nacional de Datos Científicos del Sistema Terrestre (http://www.geodata.cn)”.

Laboratorio clave de ciencias de topografía y cartografía y tecnología de la información geoespacial de MNR, Academia China de topografía y cartografía, Beijing, 100036, China

Jianxiao Guo, Liang Zhai y Huiyong Sang

Facultad de Recursos, Medio Ambiente y Turismo, Universidad Capital Normal, Beijing, 100048, China

Siyuan Cheng

Escuela Central del Partido del PCC (Academia China de Gobernanza), Beijing, 100089, China

Hong Wei Li

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

JG y HS diseñaron la investigación; JG y LZ realizaron el análisis; JG, LZ y HS escribieron el borrador. LZ, JG, HS, SC y HL contribuyeron a la interpretación de los resultados y a la redacción del artículo.

Correspondencia a Liang Zhai o Huiyong Sang.

Los autores declaran no tener conflictos de intereses.

Springer Nature se mantiene neutral con respecto a reclamos jurisdiccionales en mapas publicados y afiliaciones institucionales.

Acceso Abierto Este artículo está bajo una Licencia Internacional Creative Commons Attribution 4.0, que permite el uso, compartir, adaptación, distribución y reproducción en cualquier medio o formato, siempre y cuando se dé el crédito apropiado al autor(es) original(es) y a la fuente. proporcione un enlace a la licencia Creative Commons e indique si se realizaron cambios. Las imágenes u otro material de terceros en este artículo están incluidos en la licencia Creative Commons del artículo, a menos que se indique lo contrario en una línea de crédito al material. Si el material no está incluido en la licencia Creative Commons del artículo y su uso previsto no está permitido por la normativa legal o excede el uso permitido, deberá obtener permiso directamente del titular de los derechos de autor. Para ver una copia de esta licencia, visite http://creativecommons.org/licenses/by/4.0/.

Reimpresiones y permisos

Guo, J., Zhai, L., Sang, H. et al. Efectos de los factores hidrotermales y las actividades humanas sobre la cobertura vegetal de la meseta Qinghai-Tíbet. Representante científico 13, 12488 (2023). https://doi.org/10.1038/s41598-023-39761-8

Descargar cita

Recibido: 25 de enero de 2023

Aceptado: 30 de julio de 2023

Publicado: 01 de agosto de 2023

DOI: https://doi.org/10.1038/s41598-023-39761-8

Cualquier persona con la que compartas el siguiente enlace podrá leer este contenido:

Lo sentimos, actualmente no hay un enlace para compartir disponible para este artículo.

Proporcionado por la iniciativa de intercambio de contenidos Springer Nature SharedIt

Al enviar un comentario, acepta cumplir con nuestros Términos y pautas de la comunidad. Si encuentra algo abusivo o que no cumple con nuestros términos o pautas, márquelo como inapropiado.