摘要：為探討氣候變化和區(qū)域人類活動對黃河上游龍羊峽至積石峽段流域植被（Normalized difference vegetation index，NDVI）的影響，本研究以位于黃河上游龍羊峽至積石峽段流域?yàn)檠芯繀^(qū)，基于MODI3Q1數(shù)據(jù)集，采用Theil Sen斜率統(tǒng)計(jì)法、Mann-Kendall檢驗(yàn)及相關(guān)分析法等6種方法，評價了區(qū)內(nèi)2004—2021年間NDVI的時空變化特征，并探討了NDVI與平均氣溫、降雨量、蒸發(fā)量、太陽輻射量間的相關(guān)性及其驅(qū)動力。結(jié)果表明：2004—2021年間區(qū)內(nèi)81.66%地區(qū)的NDVI總體呈現(xiàn)出逐漸增加的變化趨勢；NDVI與平均氣溫、蒸發(fā)量、太陽輻射量之間的均呈正相關(guān)關(guān)系，正相關(guān)區(qū)域面積占總面積的96.72%，98.96%，72.73%，92.64%。此外，通過進(jìn)一步分析因子探測器結(jié)果得到，區(qū)內(nèi)土地利用類型為耕地、森林、灌木區(qū)域內(nèi)影響植被生長的主要影響因子為平均氣溫，其值分別為0.216 5，0.321 5，0.326 5。本研究結(jié)果對于黃河上游流域開展植被空間分布變化監(jiān)測、植被生態(tài)安全防護(hù)具有實(shí)際指導(dǎo)意義。

關(guān)鍵詞：黃河上游；NDVI；時空變化；氣候變化；Hurst指數(shù)；相關(guān)分析法

中圖分類號：S718.51+2""" 文獻(xiàn)標(biāo)識碼：A"""" 文章編號：1007-0435（2024）06-1923-13

Response of Vegetation to Climate Change Along the Longyang Gorge and

Jishi Gorge in the Upper Yellow River

LYU Wei-tao1， HU Xia-song1*， LIU Chang-yi1， FU Jiang-tao2，

XING Guang-yan3， ZHAO Ji-mei3， LU Hai-jing3

（1.School of Geological Engineering， Qinghai University， Xining， Qinghai Province 810016， China; 2. Academy of Agriculture and

Forestry， Qinghai University， Xining， Qinghai Province 810016， China; 3.College of Agriculture and Animal Husbandry， Qinghai

University， Xining， Qinghai Province 810016， China）

Abstract：In order to explore the impacts of climate change and regional human activities on the Normalised difference vegetation index （NDVI） of vegetation in the watershed of the upper reaches of the Yellow River，the present study took the watershed located in the upper reaches of the Yellow River from Longyangxia to Jishixia as the study area. And this study evaluated the spatial and temporal characteristics of NDVI in the area during 2004—2021 using six methods，including slope statistics，Mann-Kendall test and correlation analysis，and explored the correlation between NDVI and mean air temperature，rainfall，evapotranspiration，and solar radiation as well as their driving forces. The results showed that NDVI in 81.66% of the area showed an overall trend of gradual increase during the period 2004—2021，and that there was a positive correlation between NDVI and average air temperature，evapotranspiration，and solar radiation，with positively correlated areas accounting for 96.72 %，98.96%，72.73% and 92.64% of the total area. In addition，by further analyzing the results of the factor detector，the main factor affecting the growth of vegetation in the land use types of arable land，forest，and shrub area was the average temperature，with the values of 0.216 5，0.321 5 and 0.326 5，respectively. The results of the present study are of practical significance for monitoring the spatial distribution change of vegetation in the upper reaches of the Yellow River Basin，as well as for the protection of the ecological security of the vegetation.

Key words：The Upper Yellow River;NDVI;Spatial and temporal change;Climate change;Hurst index;Correlation analysis

黃河流域是我國重要的生態(tài)屏障區(qū)，是中華文明的主要發(fā)源地，對我國政治、經(jīng)濟(jì)、文化發(fā)展至關(guān)重要，而黃河上游是黃河流域最重要的水源涵養(yǎng)地和產(chǎn)流區(qū)，對黃河流域的水資源安全、生態(tài)環(huán)境和糧食安全有決定性的意義［1］。但隨著全球變暖日趨嚴(yán)重和極端氣候頻發(fā)，草地退化、水土流失、土地沙漠化等一系列生態(tài)環(huán)境問題頻發(fā)［2］，黃河上游地區(qū)氣候變化及其對生態(tài)環(huán)境影響一直是國內(nèi)外學(xué)者關(guān)注的熱點(diǎn)問題［3-5］。而已有研究表明，植被作為陸地生態(tài)系統(tǒng)的主體，通過光合作用、呼吸作用與大氣、土壤及水分等自然要素形成緊密聯(lián)系，在調(diào)節(jié)全球物質(zhì)能量循環(huán)、維持氣候穩(wěn)定以及指示生態(tài)系統(tǒng)變化過程中發(fā)揮著難以替代的作用［6-9］。黃河上游是指從黃河發(fā)源地到內(nèi)蒙古托克托縣河口鎮(zhèn)以上的黃河河段［3］，其中龍羊峽至積石峽流域位于半干旱地區(qū)，該區(qū)域生態(tài)環(huán)境較為脆弱，區(qū)內(nèi)植被活動受降雨、氣溫、海拔等多種氣候變化因素影響顯著［3］。因此開展黃河上游龍羊峽至積石峽流域植被動態(tài)變化，以及植被生長與氣候變化之間的響應(yīng)機(jī)制等方面的研究，可為進(jìn)一步開展黃河上游流域沿線區(qū)域植被空間分布變化監(jiān)測，以及利用植被合理開展水土流失等災(zāi)害防治，維護(hù)流域區(qū)域生態(tài)平衡和生態(tài)地質(zhì)安全提供理論依據(jù)和具有現(xiàn)實(shí)指導(dǎo)意義。

已有研究表明，歸一化植被指數(shù)（Normalized difference vegetation index，NDVI）廣泛應(yīng)用于植被動態(tài)變化中，其與生物量、葉面積指數(shù)有較高相關(guān)性，能很好反映地表植被的覆蓋和繁茂程度，可在一定程度代表地表植被覆蓋的變化［10］。諸多學(xué)者基于MODIS，SPOT，GIMMS等NDVI數(shù)據(jù)，以多方法、多尺度對植被時空變化及其影響因素開展研究［11］。黃豪奔等［12］基于MODIS-NDVI與CRU數(shù)據(jù)集中氣候數(shù)據(jù)，采用Sen+Mann-kendall、Hurst指數(shù)及相關(guān)分析法，分別在年、季節(jié)、月3個不同時間尺度下，評價了阿勒泰地區(qū)NDVI對氣候變化的響應(yīng)，結(jié)果表明年、季節(jié)、月3個不同時間尺度下，NDVI與降水、氣溫、極端氣溫、水汽壓和潛在蒸散間呈正相關(guān)，其中降水因素在季尺度上的相關(guān)性高于月尺度。陳春波等［13］以NOAA-AVHRR NDVI為數(shù)據(jù)源，采用偏相關(guān)分析法探討整個新疆地區(qū)1981—2018年間不同草地類型下草地NDVI時空變化特征及對氣溫、降水的響應(yīng)，結(jié)果表明草地類型植被NDVI對降水顯著性響應(yīng)高于氣溫，草地NDVI與氣溫、降水的偏相關(guān)系數(shù)分別為-0.75～0.78，-0.60～0.84，該結(jié)果表明降水是草地植被生長的重要限制因子。蘇日罕等［14］以整個內(nèi)蒙古地區(qū)為研究區(qū)，基于區(qū)內(nèi)115個氣象站點(diǎn)1982—2020年間日氣象數(shù)據(jù)，運(yùn)用地理探測器和皮爾遜相關(guān)分析方法，定量評估極端氣候?qū)υ搮^(qū)植被生長的影響，結(jié)果表明極端降水指數(shù)相對于極端氣溫指數(shù)而言對植被生長變化影響較大，極端降水指數(shù)的因子解釋力均在0.3以上，極端氣溫指數(shù)的因子解釋力均在0.1以下。Xiao等［15］以隴南地區(qū)為研究區(qū)，采用趨勢分析結(jié)合機(jī)器學(xué)習(xí)算法，即增強(qiáng)回歸樹模型（BRT），量化了隴南地區(qū)氣候變量、地形、土壤性質(zhì)和人為因素對植被變化的非線性響應(yīng)趨勢和閾值，結(jié)果表明總降水量、土地利用變化、高程和人口密度是主導(dǎo)植被生長的主要因素，其貢獻(xiàn)度分別為15.22%，12.68%，11.20%和9.20%。

此外，有關(guān)黃河流域內(nèi)植被對氣候變化的響應(yīng)方面，國內(nèi)外學(xué)者也開展了大量研究。解晗等［16］基于黃河流域2000—2018年間MODIS歸一化植被指數(shù)、增加型植被指數(shù)和氣象數(shù)據(jù)，利用最大值合成法、趨勢分析和相關(guān)分析等方法，分析了NDVI和EVI 2種植被指數(shù)的時空變化特征及受氣候因子的影響機(jī)制，結(jié)果表明黃河流域影響植被變化的主要驅(qū)動因子為降水，植被指數(shù)變化與氣溫滯后時間約為1個月，降雨滯后時間約為3個月。Liu等［17］采用二元像素模型、線性回歸、Moran指數(shù)和變異系數(shù)等統(tǒng)計(jì)方法，對黃河流域植被覆蓋率進(jìn)行了時空分析，并采用赫斯特指數(shù)進(jìn)一步分析區(qū)域內(nèi)植被覆蓋率的變化趨勢，結(jié)果表明自2003—2020年間，黃河流域植被覆蓋率（FVC）以每年0.19%的平均速度增長。Zhang等［18］以MODIS NDVI數(shù)據(jù)為基礎(chǔ)，采用Sen+Mann-kendall、Hurst指數(shù)、相關(guān)分析和殘差趨勢等方法，分析黃河流域植被的時空演變和驅(qū)動機(jī)制，結(jié)果表明NDVI與降水和溫度間的偏相關(guān)系數(shù)R分別為0.57和0.53，反映出降水對植被生長的影響大于溫度。

由上述分析可知，已有研究在探討NDVI與平均氣溫、降雨量、蒸發(fā)量、太陽輻射量等氣象因子，對植被NDVI變化影響時大多采用的是相關(guān)性分析法。相關(guān)研究表明［1］，該方法難以實(shí)現(xiàn)有效剔除氣象因子之間的相互影響，而已有的研究結(jié)果中單一氣候因子對植被NDVI的獨(dú)立影響方面的研究結(jié)果相對較少；與此同時，已有相關(guān)研究在開展不同土地利用類型區(qū)域內(nèi)影響NDVI變化的主驅(qū)動因子，以及氣候變化、人類活動對植被NDVI變化的相對貢獻(xiàn)等方面的研究亦相對較少?；谝陨蠈?shí)際情況，本研究采用Theil Sen斜率統(tǒng)計(jì)法、Mann-Kendall檢驗(yàn)等相關(guān)方法，探討了2004—2021年期間黃河上游龍羊峽至積石峽段流域植被的時空演化特征；其次，采用相關(guān)分析法和偏相關(guān)分析法，進(jìn)一步探討了不同土地利用類型和海拔高度區(qū)域內(nèi)，影響區(qū)內(nèi)植物NDVI變化的主驅(qū)動因子，氣候變化以及區(qū)域人類活動對植被NDVI變化的相對貢獻(xiàn)度。該研究結(jié)果可為黃河上游流域生態(tài)環(huán)境保護(hù)和生態(tài)安全提供理論依據(jù)；同時，對進(jìn)一步開展黃河上游游域沿岸植被空間分布變化監(jiān)測，保護(hù)流域區(qū)域生態(tài)安全具有實(shí)際意義。

1 材料與方法

1.1 研究區(qū)概況

本研究選取位于黃河上游龍羊峽至積石峽流域作為研究區(qū)，該流域位于青海東部，主要包括共和、貴南、貴德、尖扎、化隆和循化等6個地區(qū)，其地理坐標(biāo)為100°E～103°30′E，35°40′N～36°10′N。研究區(qū)面積約為18 000 km2，區(qū)內(nèi)平均海拔為3 132 m，研究區(qū)地理位置如圖1所示。研究區(qū)位于黃河上游峽谷段，兩側(cè)河床比降大、落差集中、河道深窄、兩岸陡峻、基巖裸露［21］。區(qū)內(nèi)受高原大陸性氣候、海拔等因素影響，表現(xiàn)出較明顯的氣候差異性，區(qū)內(nèi)降雨主要集中在5—9月份，多年平均降雨量為577.88 mm，其中，流域西部丘陵平原區(qū)域年降水量為400～600 mm，而流域東部山地區(qū)域年降雨量為700～900 mm［21］；此外，區(qū)內(nèi)植被分布受到地形、海拔與山地小氣候等因素影響較顯著，其主要植被中草本植物分別為冰草（Agropyron cristatum）、芨芨草（Achnatherum splendens）、短花針茅（Stipa breviflora）、西北針茅（Stipa krylovii）等；灌木包括霸王（Zygophyllum xanthoxylum）、水柏枝（Myricaria squamosa）、烏柳（Salix cheiloph）等；喬木種類為祁連圓柏（Juniperus chinensis Roxb.）、山楊（Populu davidiana）等［22］。

1.2 數(shù)據(jù)來源及研究方法

1.2.1 數(shù)據(jù)來源

1.2.1.1 NDVI數(shù)據(jù)

本研究使用的NDVI數(shù)據(jù)來自于MODIS MODI3Q1數(shù)據(jù)集，時間分辨率為16 d，空間分辨率為250 m×250 m，時間序列為2004年1月1日—2021年12月31日。由于區(qū)內(nèi)冬季積雪時間較長，植被生長期主要集中在6—9月，其他月份的NDVI數(shù)據(jù)存在空值與低質(zhì)量數(shù)據(jù)［10］；此外，為有效降低和消除云、大氣、雪、太陽高度角對影像的影響，本研究結(jié)合Savitzky-Golay濾波和最大值合成法對NDVI數(shù)據(jù)進(jìn)行重構(gòu)［23］。

1.2.1.2 氣象數(shù)據(jù)

本研究使用的氣象數(shù)據(jù)來源于農(nóng)業(yè)氣象大數(shù)據(jù)系統(tǒng)，選取的氣象數(shù)據(jù)包括2004—2021年間區(qū)內(nèi)平均氣溫、降雨量、蒸發(fā)量、太陽輻射量等氣象數(shù)據(jù)，即為區(qū)內(nèi)25個氣象站點(diǎn)的觀測數(shù)據(jù)。其中，對氣象數(shù)據(jù)采用克里金插值法與數(shù)據(jù)重采樣，生成分辨率為250×250 m的氣象柵格數(shù)據(jù)。

1.2.1.3 土地利用數(shù)據(jù)

本研究使用的土地利用數(shù)據(jù)為2021年研究區(qū)內(nèi)的土地利用數(shù)據(jù)，源于中國土地覆蓋數(shù)據(jù)集（CLCD），空間分辨率為30 m×30 m，土地利用類型包括區(qū)內(nèi)林地、草地、耕地、裸地、灌木地。

1.3 研究方法

1.3.1 Theil-Sen Median趨勢分析與Mann-Kendall檢驗(yàn) Theil-Sen Median趨勢分析法為一種非參數(shù)估計(jì)方法，常用于分析植被NDVI在長時間序列中的變化趨勢，該方法與其他趨勢分析法相比較，具有不易受離群值干擾等優(yōu)點(diǎn)［21-23］。Mann-Kendall檢驗(yàn)（簡稱MK檢驗(yàn)）作為一種非參數(shù)統(tǒng)計(jì)檢驗(yàn)方法，該方法多用于判斷趨勢的顯著性［24-25］。

結(jié)合MK檢驗(yàn)值和Theil-Sen Median趨勢值β，并參考曹永強(qiáng)等（2022）［17］的NDVI趨勢分類，將NDVI時間序列變化趨勢水平標(biāo)準(zhǔn)定義為5級：明顯改善（β≥0.000 5，｜Z｜≥2.58），輕微改善（β≥0.000 5，1.96≤｜Z｜＜2.58），基本穩(wěn)定（｜β｜＜0.000 5，｜Z｜＜1.96），輕微退化（β＜-0.000 5，1.96≤｜Z｜＜2.58），嚴(yán)重退化（β＜-0.000 5，｜Z｜≥2.58）［26］。

1.3.2 Hurst指數(shù) Hurst指數(shù)是定量描述時間序列長期依賴性的有效方法，其反映了NDVI未來變化趨勢，在植被變化研究中得到廣泛應(yīng)用［27］。Hurst指數(shù)的估算方法較多，本研究采用常用的R/S分析法，其計(jì)算公式如下所示［28］：

均值序列" NDVIτ-=1τ∑τ1NDVIττ=1，2，…，n（1）

累計(jì)離差" Xτ=∑τt=1NDVIt-NDVIτ-1≤t≤τ（2）

極差 Rτ=max1≤i≤τXτ-min1≤i≤τXττ=1，2，…，n（3）

標(biāo)準(zhǔn)差

Sτ= 1τ∑τt=1NDVIt-NDVIτ2τ=1，2，…，n（4）

對于比值R（τ）/S（τ）R/S，若滿足R/S∝τH時，其中H即為Hurst指數(shù)，可根據(jù)log（R/S）n=a+H×log（n），利用最小二乘法擬合得到。H取值可分為3種形式，即0.5＜Hlt;1時，表明NDVI的時間序列具有較強(qiáng)的持續(xù)性，且H愈接近1其持續(xù)性愈強(qiáng)；H=0.5時，表明NDVI的時間序列為隨機(jī)序列；0lt;Hlt;0.5，表明具有反持續(xù)性，H越接近0其反持續(xù)性愈強(qiáng)［29］。

1.3.3 NDVI與氣象因子相關(guān)性分析 本研究通過使用相關(guān)性分析法分析與偏相關(guān)性分析法，反映出NDVI與各氣象因子之間的相關(guān)度和偏相關(guān)度［30］。其中，偏相關(guān)性分析法的計(jì)算公式為［31］：

Rxy，z=Rxy-RxzRyz 1-R2xz1-R2yz（5）

式中，Rxy，z為將z影響剔除后x與y之間的一階偏相關(guān)系數(shù)；Rxy，Rxz，Ryz分別為x與y的相關(guān)系數(shù)，x與z的相關(guān)系數(shù)，y與z的相關(guān)系數(shù)。

式為剔除z，w影響后，x與y二階偏相關(guān)系數(shù)的計(jì)算公式［12］：

Rxy，zw=Rxy，z-Rxw，zRyw，z 1-R2xw，z1-R2yw，z（6）

式中，Rxy，zw為將z，w影響剔除后x與y之間的二階偏相關(guān)系數(shù)；Rxy，z為將z影響剔除后x與y之間的一階偏相關(guān)系數(shù)；Rxw，z為將z影響剔除后x與y之間的一階偏相關(guān)系數(shù)；Ryw，z為將z影響剔除后x與y之間的偏相關(guān)系數(shù)。

式為剔除z，w影響后，x與y三階偏相關(guān)系數(shù)的計(jì)算公式［12］：

Rxy，zwr=Rxy，zw-Rxr，zwRyr，zw 1-R2xr，zw1-R2yr，zw（7）

（7）式中，Rxy，zwr為將z，w，r影響剔除后x與y之間的三階偏相關(guān)系數(shù)；Rxy，zw為Rxy，zw為將z和w影響剔除后x與y之間的二階偏相關(guān)系數(shù)；Rxr，zw為Rxr，zw為將z和w影響剔除后x與r之間的二階偏相關(guān)系數(shù)；Ryr，zw為Ryr，zw為將z和w影響剔除后y與r之間的二階偏相關(guān)系數(shù)［12］。

最后，根據(jù)三階偏相關(guān)系數(shù)計(jì)算公式，如式（7）所示，計(jì)算出將z，w，r影響剔除后x與y之間的三階偏相關(guān)系數(shù)后，采用T檢驗(yàn)法檢驗(yàn)其顯著性，并根據(jù)三階偏相關(guān)性系數(shù)將NDVI與各氣象因子之間的相關(guān)度劃分為7類：顯著強(qiáng)負(fù)相關(guān)（-1lt;Rlt;-0.7，Plt;0.05），顯著負(fù)相關(guān)（-0.7lt;Rlt;-0.4，Plt;0.05），顯著弱負(fù)相關(guān)（-0.4lt;Rlt;0，Plt;0.05），顯著強(qiáng)正相關(guān)（0.7lt;Rlt;1，Plt;0.05），顯著正相關(guān)（0.4lt;Rlt;0.7，Plt;0.05），顯著弱正相關(guān)（0lt;Rlt;0.4，Plt;0.05），不顯著（Pgt;0.05）［32-33］。

1.3.4 多元回歸殘差分析 采用多元回歸殘差分析方法研究人類活動和氣候變化對植被NDVI變化的影響及相對貢獻(xiàn)度。該方法主要包括以下3個步驟［3］：①基于年尺度下的NDVI以及插值后的平均氣溫，降雨量、蒸發(fā)量和太陽輻射量的時間序列數(shù)據(jù)，以NDVI作為因變量，平均氣溫、降雨量、蒸發(fā)量和太陽輻射量為自變量，建立多元線性回歸模型，并計(jì)算模型中的各項(xiàng)參數(shù)；②基于平均氣溫、降雨量、蒸發(fā)量和太陽輻射量等數(shù)據(jù)以及多元線性回歸模型的各項(xiàng)參數(shù)，計(jì)算得到NDVI的預(yù)測值（NDVICC），同時計(jì)算NDVI實(shí)際觀測值與NDVICC之間的差值，即NDVI殘差（NDVIHA），用來分別表示氣候因素和人類活動對植被NDVI的影響；③通過一元線性回歸方法對區(qū)內(nèi)18年的歷年殘差值進(jìn)行時空特征變化分析，并計(jì)算其貢獻(xiàn)度。具體計(jì)算公式如下［7］：

NDVICC=a×W+b×S+c×Z+d×T+e（8）

NDVIHA=NDVI－NDVICC（9）

NDVIQG = Shop（NDVICC）Shop（NDVIHA）（10）

NDVIRG = Shop（NDVIHA）Shop（NDVICC）（11）

上述式中，NDVICC和NDVI分別指基于多元回歸模型的NDVI預(yù)測值和基于遙感影像的NDVI實(shí)際觀測值（無量綱）；a，b，c，d和e為模型參數(shù)；W，S，Z和T分別指平均氣溫、降水量、蒸發(fā)量和太陽輻射量，單位分別為℃，mm，mm和MJ·m-2；NDVIHA為NDVI的殘差；Shop（NDVICC），Shop（NDVIHA）分別指基于一元回歸分析的NDVI預(yù)測值的趨勢率以及NDVI殘差的趨勢率，分別用于表示受氣候變化和人類活動影響下NDVI變化趨勢；NDVIQG，NDVIRG分別指氣候因素和人類活動對植被NDVI變化的貢獻(xiàn)度。

2 結(jié)果與分析

2.1 年際氣候變化趨勢

如圖2所示為龍羊峽至積石峽流域2004—2021年間的氣候因子變化趨勢特征。由圖2a可知，2004—2021年間區(qū)內(nèi)的年平均氣溫呈現(xiàn)波動上升變化趨勢，其值在2.98℃～4.25℃之間呈波動變化。由該圖2b可知，2004—2021年間區(qū)內(nèi)年降雨量變化波動較為明顯，其中主要以2015年與2018年為時間節(jié)點(diǎn)，分別為3個不同的變化階段，即2004—2015年間為基本不變階段，下降幅度為1.29%；2015—2018年間為急劇上升階段，上升幅度為28.37%；2018—2021年間為急劇下降階段，下降幅度為22.64%。綜上所述，區(qū)內(nèi)2004—2021年間的氣溫與降雨均處于緩慢上升變化趨勢，且整體處于高溫多雨的氣候條件下，同時區(qū)內(nèi)2004—2021年間年平均氣溫波動幅度相對不大，而年降雨量變化波動則較為明顯。

如圖2c所示為區(qū)內(nèi)2004—2021年間年蒸發(fā)量的變化趨勢，表現(xiàn)出該年間年蒸發(fā)量變化趨勢與年降雨量變化趨勢基本相同，均呈波動上升變化趨勢。如圖2 d所示為區(qū)內(nèi)2004—2021年間年太陽輻射量變化趨勢，表現(xiàn)出呈波動下降變化趨勢，下降幅度為2.14%。綜上所述，區(qū)內(nèi)2004—2021年間年平均氣溫、年蒸發(fā)量、年太陽輻射量的波動幅度均較小，而年降雨量變化幅度較大。

2.2 NDVI年際空間變化

如圖3所示為研究區(qū)2004—2021年間平均NDVI年際變化趨勢圖。由該圖可知，區(qū)內(nèi)2004—2021年間NDVI呈現(xiàn)波動增加的變化趨勢，其變化范圍為0.49～0.59，年際變化速率為0.006·a-1，增幅為10.27%。如圖4所示為區(qū)內(nèi)多年平均NDVI空間分布特征，由該圖可知，區(qū)內(nèi)NDVI的空間分布表現(xiàn)為位于區(qū)內(nèi)流域下游循化、化隆、尖扎等地區(qū)其NDVI相對較高，該值為0.21～0.91；而位于區(qū)內(nèi)流域上游的共和、貴南、貴德等地區(qū)的NDVI則相對較低，其值為0.10～0.80。

區(qū)內(nèi)2004—2021年間的NDVI時空變化趨勢如圖5所示。由該圖可知，18年間區(qū)內(nèi)存在1 424.53 km2區(qū)域的植被覆蓋度基本保持不變，占總面積的7.41%，主要分布在植被NDVI值較高區(qū)域，該區(qū)域多為森林和農(nóng)田。此外，區(qū)間嚴(yán)重退化、輕微退化區(qū)域面積分別為317.86 km2，1 782.10 km2，且兩者面積之和僅占總面積的10.92%；輕微改善區(qū)域面積為8 655.84 km2，占總面積的45.04%，NDVI明顯改善區(qū)域面積約為9 084.84 km2，占總面積的36.62%。進(jìn)一步分析得到，區(qū)內(nèi)NDVI輕微改善與明顯改善區(qū)域主要分布在植被覆蓋度相對較低區(qū)域，表現(xiàn)為這些區(qū)域的NDVI值通常小于0.4，即多為植被分布稀少的草地和荒地。綜上可知，區(qū)內(nèi)2004—2021年間植被年際變化趨勢表現(xiàn)出總體呈逐漸增加狀態(tài)，其中2021年植被覆蓋度與2004年相比較，大部分區(qū)域均有顯著性提高。

為了定量描述區(qū)內(nèi)NDVI時間序列長期依賴性，本研究結(jié)合2004—2021年間NDVI年際變化趨勢與Hurst指數(shù)，對區(qū)內(nèi)NDVI的未來變化趨勢進(jìn)行預(yù)測，如圖6所示為區(qū)內(nèi)NDVI變化趨勢預(yù)測結(jié)果。由該圖可知，區(qū)內(nèi)龍羊峽至積石峽段流域的Hurst指數(shù)值域?yàn)?.13～0.98，其中，區(qū)內(nèi)Hurst指數(shù)小于0.5的面積占比為62.57%，這表明整個區(qū)域NDVI表現(xiàn)出較弱的反持續(xù)性，故區(qū)內(nèi)的NDVI反映出具有較強(qiáng)波動性，該結(jié)果與如圖3所示的區(qū)內(nèi)NDVI年際變化趨勢表現(xiàn)出基本相一致性。通過對圖6進(jìn)一步分析得到，龍羊峽沿岸與貴德、貴南等部分地區(qū)植被表現(xiàn)出持續(xù)改善變化趨勢，占總面積的26.84%；基本不變區(qū)域面積占7.41%，主要分布在區(qū)內(nèi)北部共和、尖扎、貴德等地區(qū)，該區(qū)域植被覆蓋度相對較高，且受當(dāng)?shù)鼐用裆a(chǎn)活動影響較大，故其NDVI變化相對不顯著；持續(xù)退化和由增轉(zhuǎn)減區(qū)域面積分別占3.18%和54.82%，該區(qū)域主要集中在貴南中部、循化、化隆等地區(qū)，該地區(qū)氣候較干燥且水源涵養(yǎng)低，植被生長易受氣候變化影響。綜上所述，近年來區(qū)內(nèi)植被受極端氣候影響NDVI年際變化波動較為明顯，從而表明區(qū)內(nèi)植被生長易受氣候變化影響。

2.3 NDVI與氣候因素間的相關(guān)性分析

為分析區(qū)內(nèi)平均氣溫、降雨量、蒸發(fā)量、太陽輻射量與NDVI之間的相關(guān)性，本研究采用分別計(jì)算平均氣溫、降雨量、蒸發(fā)量、太陽輻射量與NDVI間的相關(guān)性系數(shù)RW，RS，RZ，RT進(jìn)行評價。如圖7a所示為區(qū)內(nèi)平均氣溫與NDVI間的相關(guān)性系數(shù)空間分布特征，由該圖可知，區(qū)內(nèi)NDVI與平均氣溫間呈正相關(guān)關(guān)系，其中正相關(guān)區(qū)域面積占總面積的96.72%，其中顯著強(qiáng)正相關(guān)、顯著正相關(guān)、顯著弱正相關(guān)區(qū)域面積分別占總面積的12.86%，35.60%，12.36%。該部分區(qū)域主要分布在貴德南部、貴南南部等以及共和北部、尖扎北部等海拔相對較高地區(qū)，其NDVI值相對較高，取值為0.4～0.8；其次，區(qū)內(nèi)蒸發(fā)量、太陽輻射量與NDVI間呈正相關(guān)關(guān)系，且正相關(guān)區(qū)域面積分別占總面積的98.96%，72.73%。

如圖7b所示，區(qū)內(nèi)NDVI與降雨量間呈正相關(guān)關(guān)系，其中正相關(guān)區(qū)域占總面積的92.64%，由顯著性檢驗(yàn)結(jié)果可知，區(qū)內(nèi)NDVI與降雨量間正相關(guān)性顯著（Rgt;0，Plt;0.05）區(qū)域面積占總面積的57.70%，其中顯著強(qiáng)正相關(guān)、顯著正相關(guān)、顯著弱正相關(guān)區(qū)域面積分別占總面積的0.02%，36.85%，20.83%；且該區(qū)域大多分布在一些海拔與植被覆蓋度相對較低的地區(qū)，例如貴南、貴德等地區(qū)，該區(qū)域內(nèi)植被大多為草本與灌木植物，植被覆蓋度相對較低。如圖7c和圖7 d所示，區(qū)內(nèi)蒸發(fā)量、太陽輻射量與NDVI間呈正相關(guān)關(guān)系，且顯著正相關(guān)區(qū)域主要分布在貴德南部、貴南南部等海拔較高與植被覆蓋度較高地區(qū)。蒸發(fā)量、太陽輻射量與NDVI間的相關(guān)性系數(shù)（RZ，RT）的顯著正相關(guān)區(qū)域面積占比分別為89.78%，36.19%，其中RT呈顯著弱負(fù)相關(guān)、顯著負(fù)相關(guān)區(qū)域面積占比分別為1.17%，0.04%。該區(qū)域主要分布在一些海拔與植被覆蓋度相對較低地區(qū)，例如循化、化隆等地區(qū)

2.4 NDVI與氣候之間的偏相關(guān)性分析

如圖8所示為區(qū)內(nèi)氣象因子與NDVI之間的偏相關(guān)性系數(shù)空間分布特征，由該圖可知，區(qū)內(nèi)平均氣溫、蒸發(fā)量與NDVI間的偏相關(guān)性呈正相關(guān)。如圖8a和圖8c所示，區(qū)內(nèi)平均氣溫、蒸發(fā)量與NDVI間顯著強(qiáng)正相關(guān)區(qū)域面積占比的分別為1.26%，2.08%，顯著正相關(guān)區(qū)域面積占比分別為25.07%，49.05%，顯著弱正相關(guān)區(qū)域面積占比分別為13.94%，14.72%。通過進(jìn)一步分析得到，降雨量與NDVI間的正相關(guān)區(qū)域面積占比為32.29%，主要集中在海拔較低與植被覆蓋度較低區(qū)域，包括流域內(nèi)貴南、貴德等地區(qū)。如圖8b所示，海拔較高與植被覆蓋度較高區(qū)域平均溫度、蒸發(fā)量、太陽輻射量與NDVI間的偏相關(guān)性呈正相關(guān)關(guān)系，且海拔相對較低與植被覆蓋度較低區(qū)域內(nèi)平均溫度、蒸發(fā)量、太陽輻射量與NDVI間的偏相關(guān)性多不顯著，且小部分區(qū)域呈現(xiàn)顯著負(fù)相關(guān)。溫度升高對海拔相對較低與植被覆蓋度較低區(qū)域植被生長相對不利，其原因在于海拔相對較低與植被覆蓋度較低區(qū)域氣候較為干旱，溫度過高會導(dǎo)致植被葉片蒸騰作用加快，導(dǎo)致蒸騰與蒸發(fā)作用增加，使得土壤水分減少，其結(jié)果則會抑制植被生長和光合作用［33］。本研究結(jié)果與秦格霞等［33］得出的溫度對海拔較高地區(qū)植被生長是有利的，但在較為干旱地區(qū)（例如黃土高原西南部、準(zhǔn)噶爾盆地和塔里木盆地等），溫度升高對植被生長則是不利的研究結(jié)果表現(xiàn)出相一致性。

通過進(jìn)一步分析區(qū)內(nèi)太陽輻射量與NDVI間的偏相關(guān)性可知，如圖8 d所示，區(qū)內(nèi)太陽輻射量與NDVI間的偏相關(guān)性整體呈負(fù)相關(guān)，表現(xiàn)在顯著負(fù)相關(guān)、顯著弱負(fù)相關(guān)區(qū)域面積占比分別為17.00%，15.79%，且多集中在海拔相對較低與植被覆蓋度較低區(qū)域。由此可見，區(qū)內(nèi)平均氣溫、降雨量、蒸發(fā)量、太陽輻射量等氣象因子對不同區(qū)域內(nèi)植被生長影響程度存在較大差異，表現(xiàn)在海拔較高與植被覆蓋度較高區(qū)域NDVI與平均氣溫、蒸發(fā)量、太陽輻射量等氣象因子之間的偏相關(guān)性均呈顯著正相關(guān)關(guān)系；而海拔相對較低與植被覆蓋度較低區(qū)域，區(qū)內(nèi)植被在缺水情況下，溫度升高和太陽輻射增加會一定程度導(dǎo)致土壤水分快速流失，從而對植物生長產(chǎn)生不利影響，使得區(qū)內(nèi)NDVI與平均溫度、蒸發(fā)量、太陽輻射量等氣象因子之間的偏相關(guān)性不顯著，甚至呈負(fù)相關(guān)。本研究結(jié)果與解晗等［16］的研究結(jié)果表現(xiàn)出相一致性，即后者研究結(jié)果表明太陽輻射過強(qiáng)則可能會造成植被蒸騰作用增加，水分消耗過多，影響植物生長，使植物快速進(jìn)入枯黃期，從而導(dǎo)致植被指數(shù)的迅速下降。

2.5 不同土地利用類型區(qū)域影響NDVI變化的主驅(qū)動因子分析

如表1所示，區(qū)內(nèi)主要的土地利用類型為草地占總面積的81.43%，其次為耕地與荒地分別占總面積的5.968 6%，5.772 7%，建筑用地的面積占比最低不足0.005 7%。在18年時間研究區(qū)內(nèi)森林、草地覆蓋面積均呈現(xiàn)出呈增加的變化趨勢，其增幅分別0.997 2%，19.554 0%；相應(yīng)地，區(qū)內(nèi)耕地面積則呈減少的變化趨勢，減少幅度分別為5.836 1%。為了進(jìn)一步探討區(qū)內(nèi)不同土地利用類型區(qū)域內(nèi)影響NDVI變化的主驅(qū)動因子，本研究基于ArcGIS軟件中的地理探測器模塊，分別計(jì)算了耕地、森林、灌木、草地等不同土地利用類型區(qū)域其平均氣溫、降雨量、蒸發(fā)量、太陽輻射量等氣象因子的驅(qū)動力。如圖9所示，區(qū)內(nèi)平均氣溫、降雨量、蒸發(fā)量、太陽輻射量等4種氣象因子的驅(qū)動力中，其中的降雨量、太陽輻射量驅(qū)動力相對較低，其取值分別為0.019 4～0.197 7，0.028 3～0.077 5；相應(yīng)地，耕地、森林、灌木區(qū)域內(nèi)平均氣溫、降雨量、蒸發(fā)量、太陽輻射量4種氣象因子中最大驅(qū)動因子均為平均氣溫，其值分別為0.216 5，0.321 5，0.326 5，由此可知，區(qū)內(nèi)耕地、森林、灌木等區(qū)域內(nèi)NDVI變化受氣溫影響相對較大。另外，區(qū)內(nèi)耕地區(qū)域因受到當(dāng)?shù)鼐用裆a(chǎn)生活等活動影響，耕地區(qū)域內(nèi)降雨量驅(qū)動力與森林、灌木、草地等區(qū)域內(nèi)相比表現(xiàn)出相對較小，其值為0.082 3。此外，區(qū)內(nèi)草地區(qū)域其平均氣溫、降雨量、蒸發(fā)量、太陽輻射量等4種氣象因子中蒸發(fā)量的驅(qū)動力為最大值，且降雨量驅(qū)動力大于平均氣溫的驅(qū)動力；由此可知，草地區(qū)域內(nèi)影響NDVI變化的主驅(qū)動因子為蒸發(fā)量和降雨量，其值分別為0.121 0，0.077 5。

綜上所述，區(qū)內(nèi)耕地、森林、灌木、草地等4種不同土地利用類型區(qū)域內(nèi)影響NDVI變化的主驅(qū)動因子存在顯著差異，主要表現(xiàn)在耕地、森林、灌木區(qū)域內(nèi)平均氣溫驅(qū)動力相對較大，其值分別為0.216 5，0.321 5，0.326 5；降雨量的驅(qū)動力相對較小，其值分別為0.028 3，0.033 5，0.040 1。草地區(qū)域內(nèi)降雨量與蒸發(fā)量的驅(qū)動力相對較大，其值分別為0.121 0，0.077 5；平均氣溫的驅(qū)動力則相對較小，其值為0.022 8。由此可見，草地區(qū)域內(nèi)影響植被生長主要因素則為蒸發(fā)量與降雨量，其主要原因在于區(qū)內(nèi)氣候干旱，草地植被受到干旱脅迫影響較大，而區(qū)內(nèi)干旱主要受降雨和蒸發(fā)的影響，因此草地植被的主驅(qū)動因子為蒸發(fā)量與降雨量［34］。耕地、森林、灌木等植被覆蓋度較高區(qū)域，影響植被生長主要因素為氣溫［35］。耕地、林地的植被根系相對較為發(fā)達(dá)，可通過吸收土壤深層水分供給生長，受降雨量條件的限制較低［35］。此外，耕地除自然降雨外，還可通過人工灌溉補(bǔ)充水分，故受降雨量條件影響程度也相對較低［35］。

2.6 不同驅(qū)動因素對植被NDVI變化的相對貢獻(xiàn)

由圖10a表明，區(qū)內(nèi)氣候變化對龍羊峽至積石峽段流域內(nèi)，植被NDVI變化的貢獻(xiàn)率為正的區(qū)域面積約占總面積78.74%；其中，氣候變化的貢獻(xiàn)率為10%～30%和80%～100%的區(qū)域面積相對較大，約占總面積的60.58%；貢獻(xiàn)率大于80%的區(qū)域面積約占19.09%，主要集中分布在流域西南部貴南、共和等地區(qū)。此外，氣候變化對流域內(nèi)植被NDVI變化的貢獻(xiàn)率為負(fù)的區(qū)域面積約占21.26%，主要集中分布在貴南、貴德以及尖扎等地區(qū)。

人類活動對流域內(nèi)植被NDVI變化的貢獻(xiàn)率為正的區(qū)域面積約占79%，如圖10b所示。其中，人類活動的貢獻(xiàn)率為40%～100%的區(qū)域面積相對較大，其面積占比均超過70%；貢獻(xiàn)率超過80%的區(qū)域主要集中分布在循化、化隆、貴德、貴南以及貴南南部等地區(qū)。此外，區(qū)內(nèi)人類活動對流域內(nèi)植被NDVI變化的貢獻(xiàn)率為負(fù)的區(qū)域面積約占21.25%，其主要集中分布在貴南、貴德以及尖扎等地區(qū)。

由此可見，循化、化隆、貴德、尖扎等地區(qū)的人類活動，對植被NDVI變化的貢獻(xiàn)總體上比氣候變化的貢獻(xiàn)更為顯著，其主要原因在于該區(qū)域?qū)儆诘貐^(qū)經(jīng)濟(jì)發(fā)展相對較為快速、人口密度較大地區(qū)，且其農(nóng)業(yè)生產(chǎn)水平相對較高、農(nóng)業(yè)用地面積相對較大。區(qū)內(nèi)貴南、共和等地區(qū)其氣候變化對植被NDVI變化的貢獻(xiàn)總體上較人類活動的貢獻(xiàn)更為顯著，其主要是由于該區(qū)域?qū)儆谌丝诜植济芏认鄬^小地區(qū)，區(qū)內(nèi)植被NDVI變化受人類活動影響程度相對較小。

3 討論

區(qū)內(nèi)2004—2021年間植被總體呈增加趨勢，NDVI增加區(qū)域占總面積的81.66%，其中輕微改善區(qū)域面積為8 655.84 km2，占總面積的45.04%，NDVI明顯改善區(qū)域面積約為9 084.84 km2，占總面積的36.62%。該研究表明，龍羊峽至積石峽段流域植被整體改善情況良好，該結(jié)果與趙倩倩等［36］利用2001—2020年MODIS植被指數(shù)數(shù)據(jù)集及同期氣象數(shù)據(jù)數(shù)，所得到的黃河流域NDVI整體呈上升趨勢的結(jié)論相類似。此外，該結(jié)果亦進(jìn)一步表明，1998年國家實(shí)施森林保護(hù)工程和2000年實(shí)施退耕還林工程［37-39］，以及防沙治沙［40］等生態(tài)修復(fù)工程，其結(jié)果使得流域內(nèi)植被分布狀況得到顯著改善。

通過對區(qū)內(nèi)氣象因子與NDVI之間的相關(guān)性分析可知，NDVI與平均氣溫、降雨量之間均呈正相關(guān)關(guān)系，該結(jié)果表明降水、氣溫因子的增加會促進(jìn)植被生長；與此同時，由太陽輻射量與NDVI之間的偏相關(guān)分析結(jié)果得到，區(qū)內(nèi)海拔相對較低與植被覆蓋度較低區(qū)域內(nèi)NDVI與太陽輻射量之間呈負(fù)相關(guān)關(guān)系，該結(jié)果表明該區(qū)域內(nèi)太陽輻射量提高會一定程度上抑制海拔較低與植被覆蓋度較低區(qū)域內(nèi)植被生長，該結(jié)論與孫高鵬等［41］通過相關(guān)性分析和隨機(jī)森林回歸分析等方法，探討黃河流域內(nèi)植被生長的氣候驅(qū)動因素所得到的結(jié)果基本一致。

此外，通過對比分析區(qū)內(nèi)平均氣溫、降雨量與NDVI間的相關(guān)系數(shù)空間分布特征可知，平均氣溫與NDVI間呈正相關(guān)區(qū)域面積占比為94.56%，且主要分布于海拔相對較高與植被覆蓋度較高區(qū)域，而降雨量與NDVI間呈正相關(guān)區(qū)域面積占比為32.29%，主要分布于海拔相對較低與植被覆蓋度較低區(qū)域。該結(jié)果表明對于較為干旱地區(qū)而言，溫度因子對海拔和植被覆蓋度較高區(qū)域植被生長是有利的，但對于海拔較低與植被覆蓋度較低區(qū)域，溫度升高會一定程度上抑制植被的生長［42-43］。該結(jié)果主要?dú)w因于溫度過高會導(dǎo)致植被葉片蒸騰作用加快，使得土壤水分減少，其結(jié)果會抑制植被生長［44］，該結(jié)論與秦格霞等［33］對我國北方不同海拔區(qū)域內(nèi)草地對氣候變化的響應(yīng)的研究結(jié)論基本相一致。

盡管已有研究中基于遙感方法對植被NDVI變化趨勢、影響因子等方面的研究相對較多，其中對植被NDVI變化趨勢方面的研究已較為成熟，無論采用一元線性回歸分析法還是Theil-Sen Median趨勢分析法，均能夠較好地分析NDVI在長時間序列中的變化趨勢［33］；然而，有關(guān)植物生長的影響因子方面所開展的研究還有待于進(jìn)一步深入，主要原因在于植被與氣候變化之間相互影響、相互作用關(guān)系較為復(fù)雜，表現(xiàn)在不同時段、不同區(qū)域間氣候影響存在較大差異性［45］。因此，課題組后續(xù)研究中將進(jìn)一步開展龍羊峽至積石峽段流域，有關(guān)植物生長影響因子及其耦合作用機(jī)理方面的探討。

4 結(jié)論

2004—2021年間區(qū)內(nèi)植被總體呈逐漸增加狀態(tài)，NDVI增加區(qū)域占總面積的81.66%；龍羊峽至積石峽段流域NDVI與平均氣溫、降雨量、蒸發(fā)量、太陽輻射量間均呈現(xiàn)正相關(guān)關(guān)系，正相關(guān)區(qū)域面積占比在72.73%～98.91%之間，且NDVI與平均氣溫、蒸發(fā)量、太陽輻射量等3種因子間相關(guān)性顯著區(qū)域主要分布在區(qū)內(nèi)海拔相對較高，NDVI與降雨量間的相關(guān)性顯著區(qū)域則主要分布在區(qū)內(nèi)海拔相對較低地區(qū)；耕地、森林、灌木等區(qū)域內(nèi)植被變化的主驅(qū)動力是平均氣溫，其值分別為0.216 5，0.321 5，0.326 5；草地區(qū)域內(nèi)植被變化的主驅(qū)動力是降雨量與蒸發(fā)量，其值分別為0.121 0，0.077 5；此外，氣候變化貢獻(xiàn)率大于80%的區(qū)域主要集中分布在貴南、共和等地區(qū)，人類活動貢獻(xiàn)率超過80%的區(qū)域則主要集中分布在循化、化隆等地區(qū)。

參考文獻(xiàn)

［1］ PIAO S L，F(xiàn)ANG J Y，LIU H Y，et al. NDVI-indicated decline in desertification in China in the past two decades［J］. Geophysical Research letters，2005，32（6）：347-354

［2］ 徐冠華，葛全勝，宮鵬，等. 全球變化和人類可持續(xù)發(fā)展：挑戰(zhàn)與對策［J］. 科學(xué)通報(bào)，2013，58（21）：2100-2106

［3］ 張樂藝，李霞，馮京輝，等. 2000—2018年黃河流域NDVI時空變化及其對氣候和人類活動的雙重響應(yīng)［J］. 水土保持通報(bào)，2021，41（5）：276-286

［4］ PANG G J，WANG X J，CHEN D L，et al. Evaluation of a climate simulation over the Yellow River Basin based on a regional climate model （REMO） within the CORDEX［J］. Atmospheric Research，2021，254（4）：105522

［5］ WANG X J，CHEN D L，PANG G J，et al. Historical and future cli mates over the upper and middle reaches of the Yellow River Basin simulated by a regional climate model in CORDEX［J］. Climate Dynamics，2021，56（1）：1-23

［6］ 樸世龍，方精云. 1982—1999年我國陸地植被活動對氣候變化響應(yīng)的季節(jié)差異［J］. 地理學(xué)報(bào)，2003（1）：119-125

［7］ 劉佩霞，王軍邦，孫曉芳，等.三江源區(qū)高寒草地植被生長的氣候適宜性研究［J］. 草地學(xué)報(bào)，2023，31（10）：3145-3156

［8］ 趙金彩，潘濤.基于多時間尺度的黃河流域制備NPP時空特征及其對氣候變化的響應(yīng)［J］.水土保持研究，2024，31（4）：214-222

［9］ 任晉媛，佟斯琴，包玉海，等. 內(nèi)蒙古地區(qū)極端氣候變化及其對植被凈初級生產(chǎn)力的影響［J］. 生態(tài)學(xué)雜志，2021，40（8）：2410-2420

［10］劉慧麗，陳浩，董廷旭，等. 川渝地區(qū)NDVI動態(tài)特征及其對氣候變化的響應(yīng)［J］. 生態(tài)學(xué)報(bào)，2023，43（16）：6743-6757

［11］趙倩倩. 氣候變化背景下黃河流域植被變化成因及未來預(yù)估［D］. 銀川：寧夏大學(xué)，2022：10-21

［12］黃豪奔，徐海量，林濤，等. 2001—2020年新疆阿勒泰地區(qū)歸一化植被指數(shù)時空變化特征及其對氣候變化的響應(yīng)［J］. 生態(tài)學(xué)報(bào)，2022，42（7）：2798-2809

［13］陳春波，李剛勇，彭建. 1981—2018年新疆草地歸一化植被指數(shù)時空特征及其對氣候變化的響應(yīng)［J］. 生態(tài)學(xué)報(bào)，2023，43（4）：1537-1552

［14］蘇日罕，郭恩亮，王永芳，等. 1982—2020年內(nèi)蒙古地區(qū)極端氣候變化及其對植被的影響［J］. 生態(tài)學(xué)報(bào)，2023，43（1）：419-431

［15］XIAO X，WANG Q Z，GUAN Q Y，et al. Quantifying the nonlinear response of vegetation greening to driving factors in Longnan of China based on machine learning algorithm［J］. Ecological Indicators，2023（151）：110277

［16］解晗，同小娟，李俊，等. 2000—2018年黃河流域生長季植被指數(shù)變化及其對氣候因子的響應(yīng)［J］. 生態(tài)學(xué)報(bào)，2022，42（11）：4536-4549

［17］LIU C X，ZHANG X D，WANG T，et al. Detection of vegetation coverage changes in the Yellow River Basin from 2003 to 2020［J］. Ecological Indicators，2022（138）：1-14

［18］ZHANG F，HU X S，ZHANG J，et al. Change in alpine grassland NPP in eesponse to climate variation and human activities in the yellow river source zone from 2000 to 2020［J］. Sustainability，2022，14（14）：2-15

［19］MAO J F，SHI X Y，THORNTON P E，et al. Global latitudinal-asymmetric vegetation growth trends and their driving mechanisms：1982—2009 ［J］. Remote Sensing，2013，5（3）：1484-1497

［20］PIAO S L，TAN J G，CHEN A P，et al. Leaf onset in the northern hemisphere triggered by daytime temperature［J］. Nature Communications，2015，6（1）：6911

［21］趙瑞欣，周保，李濱. 黃河上游龍羊峽至積石峽段巨型滑坡OSL測年［J］. 地質(zhì)通報(bào)，2013，32（12）：1943-1951

［22］王占林，朱春云，楊占武，等. 黃河上游貴德—民和段兩岸植被分布特征［J］. 青海農(nóng)林科技，2006（1）：17-18

［23］李加順，劉麗. 2000—2020年云南省植被時空變化及影響因素分析［J］. 草地學(xué)報(bào)，2023，31（11）：3503-3513

［24］曹永強(qiáng)，周姝含，楊雪婷. 近20年遼寧省植被動態(tài)特征及其對氣候變化的響應(yīng)［J］. 生態(tài)學(xué)報(bào)，2022，42（14）：5966-5979

［25］陳龍飛，張萬昌，高會然. 三江源地區(qū)1980—2019年積雪時空動態(tài)特征及其對氣候變化的響應(yīng)［J］. 冰川凍土，2022，44（1）：133-146

［26］孫夢鑫，張?jiān)?，辛宇，? 川西高原近20a植被物候變化及其對氣候變化的響應(yīng)［J］. 生態(tài)環(huán)境學(xué)報(bào)，2022，31（7）：1326-1339

［27］岳奕帆，陳國鵬，王立，等.基于GEE平臺的舟曲縣1998—2019年植被覆蓋變化分析［J］. 草地學(xué)報(bào)，2022，30（6）：1534-1542

［28］劉恒，湯弟偉，孫毅，等. 武陵山區(qū)植被生長季NDVI時空變化及其對氣候變化的響應(yīng)［J］. 水土保持研究，2021，28（5）：245-253

［29］余東洋. 渭河流域植被動態(tài)變化遙感時序分析及生態(tài)安全評價［D］. 西安：長安大學(xué)，2019：10-30

［30］羅趙慧，朱璐平，張曉君，等. 粵港澳大灣區(qū)植被CUE變化及與氣候變化的關(guān)系［J］. 中國環(huán)境科學(xué)，2021，41（12）：5793-5805

［31］吳林霖，王思遠(yuǎn)，馬元旭，等. 中亞地區(qū)植被對氣候變化的響應(yīng)機(jī)制初探［J］. 遙感學(xué)報(bào)，2022，26（11）：2248-2267

［32］耿慶玲，陳曉青，赫曉慧，等. 中國不同植被類型歸一化植被指數(shù)對氣候變化和人類活動的響應(yīng)［J］. 生態(tài)學(xué)報(bào)，2022，42（9）：3557-3568

［33］秦格霞，蘆倩，孟治元，等. 1982—2015年中國北方草地NDVI時空動態(tài)及其對氣候變化的響應(yīng)［J］. 水土保持研究，2021，28（1）：101-108

［34］張永永，稅偉，孫曉瑞，等.云南省植被水分利用效率時空變化及影響因素［J］. 生態(tài)學(xué)報(bào)，2022，42（6）：2405-2417

［35］孟新月，葛靜，侯蒙京，等.基于機(jī)器學(xué)習(xí)的青藏高原天然草地蓋度時空變化特征研究［J］.草地學(xué)報(bào)，2022，30（10）：2652-2662

［36］趙倩倩，李建華，張桂琴，等. 氣候變化背景下黃河流域植被變化及其成因［J］. 氣候與環(huán)境研究，2022，27（01）：157-169

［37］WOHLFART C，MACK B，LIU G H，et al. Multi-faceted land cover and land use change analyses in the Yellow River Basin based on dense Landsat time series：Exemplary analysis in mining，agriculture，forest，and urban areas［J］.Applied Geography，2017（85）：73-88

［38］周劍芬，管東生. 森林土地利用變化及其對碳循環(huán)的影響［J］. 生態(tài)環(huán)境，2004，13（4）：674-676

［39］CHEN Y Z，CHEN L Y，CHENG Y，et al. Afforestation promotes the enhancement of forest LAI and NPP in China［J］. Forest Ecology and Management，2020，462：117990

［40］常屹冉，張弛，魏嘉誠，等.氣候變化和人類活動對內(nèi)蒙古植被凈初級生產(chǎn)力的影響［J］. 草地學(xué)報(bào)，2023，31（11）：3444-3452

［41］孫高鵬，劉憲鋒，王小紅，等. 2001—2020年黃河流域植被覆蓋變化及其影響因素［J］. 中國沙漠，2021，41（4）：205-212

［42］張潯潯，段陽海，吳淑瑩，等.通天河流域植被動態(tài)監(jiān)測及其對氣候因子的響應(yīng)［J］. 草地學(xué)報(bào)，2023，31（2）：479-488

［43］劉長雨，謝保鵬，楊潔，等.青藏高原不同退化梯度下植被蒸散發(fā)的時空格局研究［J］.草地學(xué)報(bào)，2023，31（1）：252-262

［44］趙安周，劉憲鋒，朱秀芳，等. 2000—2014年黃土高原植被覆蓋時空變化特征及其歸因［J］. 中國環(huán)境科學(xué)，2016，36（5）：1568-1578

［45］劉佳，朱求安，王樂，等. 基于多源數(shù)據(jù)的近40年黃河上游地區(qū)草地變化特征［J］. 草業(yè)科學(xué)，2023，40（2）：405-418

（責(zé)任編輯 劉婷婷）