陳 晨，王義民，黎云云，周 帥

(西安理工大學(xué) 省部共建西北旱區(qū)生態(tài)水利國(guó)家重點(diǎn)實(shí)驗(yàn)室，西安 710000)

1 研究背景

植被是生態(tài)系統(tǒng)中重要的組成部分，也是生態(tài)環(huán)境質(zhì)量的主要指標(biāo)之一[1]，對(duì)改善生態(tài)環(huán)境、減少水土流失等方面有著不可代替的作用。遙感監(jiān)測(cè)植被能準(zhǔn)確地反映廣大地區(qū)的植被動(dòng)態(tài)變化，是研究植被變化的重要手段，已經(jīng)成為全球變化研究中的重要應(yīng)用方向之一[2]。黃河流域位于干旱、半干旱、半濕潤(rùn)3個(gè)氣候區(qū)，不同氣候區(qū)氣候變化敏感，人類活動(dòng)劇烈，植被種類豐富多樣，植被對(duì)不同氣候變化的響應(yīng)具有差異性[3]。因此，研究黃河流域不同氣候區(qū)的植被覆蓋時(shí)空演變特征及對(duì)氣候變化和人類活動(dòng)的響應(yīng)可以更好地理解黃河流域生態(tài)系統(tǒng)現(xiàn)狀，有助于黃河流域生態(tài)保護(hù)。

20世紀(jì)90年代以來，國(guó)內(nèi)外眾多學(xué)者在黃河流域植被覆蓋變化特征等方面展開了大量研究，并取得了許多良好的研究成果。例如，Xin等[4]利用GIMIMS和SPOT VGT歸一化植被指數(shù)(NDVI)資料對(duì)黃土高原1981—2006年植被覆蓋時(shí)空變化進(jìn)行了研究，分析了氣候變化和人類活動(dòng)引起的植被覆蓋變化的原因。楊尚武[5]揭示了季節(jié)植被覆蓋的時(shí)空變化特征，結(jié)合同期降水、氣溫，分析了植被覆蓋變化的影響因素。賀振等[6]以GIMMS-NDVI為時(shí)序數(shù)據(jù)，采用趨勢(shì)分析、Hurst指數(shù)等方法，分析了黃河流域植被覆蓋時(shí)空格局和演化趨勢(shì)。在黃河流域植被覆蓋研究方面，大多選定整個(gè)面或者局部區(qū)域的植被進(jìn)行的，針對(duì)不同典型氣候區(qū)植被演變特征的研究尚未開展，而劃分氣候區(qū)有助于更好地解釋不同水分條件下植被對(duì)氣候變化響應(yīng)的空間異質(zhì)；再者，在考慮其他氣候因素的影響下，日照時(shí)數(shù)也是驅(qū)動(dòng)植被變化的重要因素之一[7]，研究大多關(guān)于植被與降水、氣溫的關(guān)系，日照時(shí)數(shù)對(duì)植被的影響研究相對(duì)較少。因此，基于像元尺度研究黃河流域不同氣候區(qū)生長(zhǎng)季植被的時(shí)空動(dòng)態(tài)變化以及氣候因子、人類活動(dòng)對(duì)NDVI的貢獻(xiàn)，對(duì)區(qū)域生態(tài)環(huán)境的改善與保護(hù)提供了理論依據(jù)。

在植被研究中，NDVI由于具有植被空間覆蓋度廣、監(jiān)測(cè)靈敏度高、消除大氣輻射干擾、數(shù)據(jù)更精準(zhǔn)等特點(diǎn)，是目前研究陸地植被覆蓋變化的首選指標(biāo)[8]。鑒于此，本文利用1982—2015年第三代GIMMS NDVI 3g數(shù)據(jù)集及同時(shí)期基于站點(diǎn)觀測(cè)的降水、氣溫及日照時(shí)數(shù)數(shù)據(jù)，運(yùn)用Sen+Mann-Kendall 趨勢(shì)方法對(duì)黃河流域不同氣候區(qū)34 a生長(zhǎng)季植被時(shí)空變化特征進(jìn)行探究，采用二階偏相關(guān)系數(shù)法研究不同氣候區(qū)降水、氣溫、日照時(shí)數(shù)對(duì)植被變化的綜合影響，結(jié)合殘差法定量分析了人類活動(dòng)對(duì)植被變化的影響。

2 研究區(qū)概況

黃河流域發(fā)源于青藏高原巴顏喀拉山北麓，是我國(guó)第二大長(zhǎng)河，西界巴顏喀拉山，北抵陰山，南至秦嶺，東注渤海。地理坐標(biāo)為95°35′E—119°5′E，32°10′N—41°50′N，流域面積約為75.24萬km2[9]。黃河流域地形地貌差異顯著，地勢(shì)高差懸殊，降水年際變化大且空間分配不均勻，植被分布規(guī)律和降水分布相似，從東南到西北成條狀帶分布，源區(qū)地處高海拔寒冷地區(qū)，高寒植被分布廣泛；中游多分布著草叢與灌叢；下游混合分布著針葉林和闊葉林[10]。流域的年、季氣候呈規(guī)律性變化，在氣候和人類活動(dòng)的雙重驅(qū)動(dòng)下，生態(tài)環(huán)境脆弱，植被變化情況復(fù)雜，因此，本研究采用鄭景云等[11]的氣候分區(qū)方案把黃河流域劃分為干旱區(qū)、半干旱區(qū)、半濕潤(rùn)區(qū)(分別簡(jiǎn)稱為Ⅰ、Ⅱ、Ⅲ)，流域地理位置及氣象站點(diǎn)空間分布見圖1。

圖1 黃河流域地理位置及氣象站分布Fig.1 Geographical location and distribution of metorological stations in the Yellow River Basin

3 數(shù)據(jù)來源與研究方法

3.1 數(shù)據(jù)及處理

GIMMS NDVI 3g數(shù)據(jù)集由美國(guó)航空航天局(NASA)全球監(jiān)測(cè)與模型研究組(GIMMS)發(fā)布[12]。本文所用的是最新 GIMMS NDVI 3g.v1版本的全球尺度數(shù)據(jù)集，時(shí)間跨度為1982—2015年，時(shí)間分辨率為15 d，其空間分辨率為0.083 3°(8 km)，是目前時(shí)間跨度最長(zhǎng)的NDVI數(shù)據(jù)集產(chǎn)品[13]。該數(shù)據(jù)在區(qū)域大尺度植被變化研究中具有不可代替的作用，每年兩期nc4文件，運(yùn)用MatLab軟件解析得到半月一幅，34 a共816幅半月tiff圖像。為了進(jìn)一步減少大氣、云和太陽高度角變化等因素的影響，采用最大值合成法(Maximum Value Composite，MVC)得到月NDVI柵格數(shù)據(jù)集，運(yùn)用ArcGIS軟件批量按掩膜提取得到黃河流域不同氣候區(qū)1982—2015年月NDVI數(shù)據(jù)集，使用ArcGIS中的Python窗口編寫程序得到各氣候區(qū)年生長(zhǎng)季NDVI平均值。

氣象數(shù)據(jù)來源于中國(guó)氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)(http:∥data.cma.cn/)，本文選取流域內(nèi)部及周邊93個(gè)氣象站1982—2015年共34 a月降水、月氣溫、月日照時(shí)數(shù)數(shù)據(jù)，對(duì)缺失數(shù)據(jù)進(jìn)行插補(bǔ)延長(zhǎng)，并將月資料轉(zhuǎn)化為年資料。由于氣象因子存在空間差異，故采用克里金插值法將研究區(qū)站點(diǎn)降水、氣溫、日照時(shí)數(shù)數(shù)據(jù)插值成與NDVI數(shù)據(jù)集相同空間分辨率的柵格影像，以便后續(xù)求空間相關(guān)。

3.2 研究方法

3.2.1 NDVI最大合成法及均值法

月NDVI數(shù)據(jù)集是通過最大合成法構(gòu)建的，Holben[14]提出的MVC是指在指定的合成周期內(nèi)選取最大值作為新的NDVI值，其被廣泛應(yīng)用在NDVI數(shù)據(jù)處理中，其公式為

NDVIi=Max(NDVIij) 。

(1)

式中：NDVIi是第i月的NDVI值；NDVIij是第i月第j個(gè)半月的NDVI值。

NDVI平均值是計(jì)算研究時(shí)間段年度NDVI總和的平均值[15]，以多年平均NDVI反映黃河流域不同氣候區(qū)植被覆蓋的空間分布特征，其計(jì)算公式為

(2)

根據(jù)NDVI值將研究區(qū)域分為極低植被區(qū)(0

3.2.2 Sen+Mann-Kendall 趨勢(shì)分析

Sen+Mann-Kendall 方法是Sen趨勢(shì)與Mann-Kendall檢驗(yàn)結(jié)合，被廣泛地應(yīng)用在植被等方面的趨勢(shì)分析中[16]，該方法不僅可以很好地減少噪聲的干擾，且實(shí)現(xiàn)了序列趨勢(shì)顯著性判斷，提高結(jié)果準(zhǔn)確性。Sen趨勢(shì)度計(jì)算公式為

式中：10時(shí)，NDVI呈上升趨勢(shì)，β值越大表示上升趨勢(shì)越明顯；當(dāng)β<0時(shí)，NDVI呈下降趨勢(shì)，β值越小表示下降趨勢(shì)越明顯。

本文使用Mann-Kendall對(duì)NDVI序列進(jìn)行趨勢(shì)檢驗(yàn)，檢驗(yàn)的統(tǒng)計(jì)量S的計(jì)算公式為：

(4)

Sgn(NDVIj-NDVIk)=

(5)

式中Sgn為符號(hào)函數(shù)， 1

S為正態(tài)分布，其均值為0，方差Var(S)=n·(n-1)(2n+5)/18。當(dāng)n>10時(shí)，S的標(biāo)準(zhǔn)正態(tài)檢驗(yàn)統(tǒng)計(jì)量Z計(jì)算公式為

(6)

式中l(wèi)表示平均值。

當(dāng)顯著性檢驗(yàn)統(tǒng)計(jì)量S近似服從標(biāo)準(zhǔn)正態(tài)分布時(shí)[17]，使用Z進(jìn)行雙側(cè)趨勢(shì)檢驗(yàn)。在給定顯著性水平α下，在正態(tài)分布表中查臨界值Z1-α/2，當(dāng)|Z|Z1-α/2，則認(rèn)為趨勢(shì)顯著。

3.2.3 偏相關(guān)分析

影響NDVI的因素較多，為了控制其他變量的影響，衡量2個(gè)因素的相關(guān)關(guān)系，本文采用二階偏相關(guān)分析法。二階偏相關(guān)是指當(dāng)兩個(gè)變量同時(shí)與第3、第4個(gè)變量相關(guān)時(shí)，將第3、第4個(gè)變量的影響剔除，只分析這兩個(gè)變量之間相關(guān)程度的過程，以偏相關(guān)系數(shù)R值為判定指標(biāo)[18]，其計(jì)算公式為

(7)

式中Rxy,z、Rxw,z、Ryw,z分別為變量x、y，變量x、w，變量y、w的一階偏相關(guān)系數(shù)。

3.2.4 多元線性回歸模型+殘差法

建立NDVI和氣候因子之間理想的回歸方程，理論上需選擇完全沒有人類活動(dòng)干擾的植被資料，但在實(shí)際操作中具有較大的難度[19]，“回歸殘差法”是當(dāng)前該領(lǐng)域使用的主要方法之一[20]。本文采用多元線性回歸的方法研究植被變化中的氣候影響機(jī)制并通過建立不同氣候區(qū)的NDVI與降水、氣溫、日照時(shí)數(shù)的回歸模型，逐柵格以降水、氣溫、日照線性回歸方程的預(yù)測(cè)值為氣候控制部分，實(shí)測(cè)值與預(yù)測(cè)值之間的殘差，即為人類活動(dòng)所貢獻(xiàn)的部分。其公式為：

NDVIC=aP+bT+cR+d；

(8)

NDVIH=NDVIA-NDVIC。

(9)

式中：P為年降水；T為年均氣溫；a、b、c、d分別為年降水、年均氣溫、年日照、常數(shù)項(xiàng)的回歸系數(shù)；NDVIC為模型預(yù)測(cè)值；NDVIA為遙感NDVI實(shí)測(cè)值；NDVIH為殘差值，NDVIH>0表示人類活動(dòng)對(duì)植被生長(zhǎng)產(chǎn)生好的影響，生態(tài)環(huán)境得到改善，反之則表示人類活動(dòng)對(duì)植被產(chǎn)生不好的影響，植被退化加劇。

4 結(jié)果與分析

4.1 植被NDVI的時(shí)間變化特征

以黃河流域及3個(gè)氣候區(qū)1982—2015年多年月平均值來表征在一年內(nèi)NDVI的變化情況，了解一年內(nèi)植被從返青到枯竭的過程，如圖2所示。

圖2 黃河流域及各氣候區(qū)月際NDVI變化曲線Fig.2 Curves of monthly NDVI in Yellow River Basin and its various climate regions

從圖2可以看出，黃河流域及3個(gè)氣候區(qū)多年月均值變化過程基本一致，均呈現(xiàn)先上升后下降的趨勢(shì)，NDVI半濕潤(rùn)區(qū)> NDVI黃河流域> NDVI半干旱區(qū)> NDVI干旱區(qū)。植被返青從4月份開始，在5月處于加速生長(zhǎng)階段，這可能是因?yàn)?月份各區(qū)域的溫度剛達(dá)到植被生長(zhǎng)需要的熱量條件，到8月份達(dá)到峰值，即NDVImax_半濕潤(rùn)區(qū)(0.61)> NDVImax_黃河流域(0.5)> NDVImax_半干旱區(qū)(0.34)> NDVImax_干旱區(qū)(0.26)；8—10月份NDVI值處于下降趨勢(shì)，其中10月份下降最劇烈。由于10月氣溫下降，開始進(jìn)入冬季，植被開始枯萎，因此，本文年生長(zhǎng)季NDVI值選擇每年的4—10月份，年NDVI值為生長(zhǎng)季NDVI均值。

圖3為黃河流域及各氣候區(qū)生長(zhǎng)季NDVI的年際變化趨勢(shì)。從圖3可以看出，在過去34 a間黃河流域及各氣候區(qū)生長(zhǎng)季NDVI呈緩慢的上升趨勢(shì)且趨勢(shì)基本一致，半濕潤(rùn)區(qū)上升最快，干旱區(qū)上升最慢，這是因?yàn)榻邓亩喙褜?duì)植被生長(zhǎng)造成了直接影響。NDVI最大值出現(xiàn)在2012年，最小值出現(xiàn)在1982年。相比上一年增長(zhǎng)速度最快的一年都是2012年， 但在2012年后各區(qū)域的NDVI值均呈下降趨勢(shì)，植被退化，據(jù)相關(guān)研究表明，可能與2013年和2014年黃河流域氣溫升高及降水明顯減少有較大關(guān)系[10]。2015年黃河流域整體上和半濕潤(rùn)區(qū)的NDVI值增加，生態(tài)環(huán)境稍微改善。

圖3 1982—2015年黃河流域及各氣候區(qū)生長(zhǎng)季NDVI年際變化趨勢(shì)Fig.3 Changes of NDVI in growing season in Yellow River Basin and its various climate regions from 1982 to 2015

4.2 植被NDVI的空間分布特征

為了更直觀地反映不同氣候區(qū)NDVI的空間分布特征，本文基于像元尺度計(jì)算了1982—2015年不同氣候區(qū)年生長(zhǎng)季NDVI均值,并根據(jù)該值將各區(qū)域植被劃分為極低植被區(qū)、較低植被區(qū)、中植被區(qū)、高植被區(qū)4個(gè)等級(jí)(圖4)。從圖4可以看出，黃河流域植被總體上呈東南高西北低的特點(diǎn)，干旱區(qū)、半干旱區(qū)、半濕潤(rùn)區(qū)的NDVI空間分布存在比較明顯的差異。干旱區(qū)的低植被分布范圍最廣，約占干旱區(qū)面積的88%，基本上不存在高植被區(qū)域，這是因?yàn)楦珊祬^(qū)有較多荒漠，降水稀少，氣候干燥，旱災(zāi)頻繁，風(fēng)蝕嚴(yán)重[21]，不適宜植被生長(zhǎng)；半干旱區(qū)中的較低植被區(qū)范圍較廣，約占半干旱區(qū)總面積的71.7%，其次是中植被區(qū)、極低植被區(qū)、高植被區(qū)，分別占9.7%、17.9%、0.7%；中、高植被區(qū)基本分布在半濕潤(rùn)區(qū)，分別占半濕潤(rùn)區(qū)總面積的54.6%、25.5%，而低植被區(qū)域只占19.9%，這說明半濕潤(rùn)區(qū)降水量多，氣溫適宜，能促進(jìn)植被的生長(zhǎng)，植被覆蓋率高。

圖4 1982—2015年黃河流域及各氣候區(qū)植被覆蓋等級(jí)空間分布Fig.4 Spatial distribution of vegetation coverage in Yellow River Basin and its various climatic regions from 1982 to 2015

為進(jìn)一步探究黃河流域干旱區(qū)、半干旱區(qū)、半濕潤(rùn)區(qū)NDVI在空間上的動(dòng)態(tài)變化，本文分析了不同氣候區(qū)NDVI年際變化趨勢(shì)及顯著性的空間分布特征。由圖5(a)可知，黃河流域生長(zhǎng)季NDVI在1982—2015年整體上呈增加趨勢(shì)，約占總區(qū)域面積的90.9%左右，大部分地區(qū)呈顯著性增加，植被狀況有很大改善(見圖5(b))。各氣候區(qū)的植被增加趨勢(shì)與黃河流域整體上保持一致，干旱區(qū)、半干旱區(qū)、半濕潤(rùn)區(qū)通過95%顯著性水平且具有增加趨勢(shì)的區(qū)域面積分別占各自區(qū)域總面積的70.4%、72.3%、70.0%，而不顯著性增加的面積都各占約20%，基本上沒有區(qū)域呈顯著減少及穩(wěn)定趨勢(shì)，各氣候區(qū)表現(xiàn)為不顯著減少趨勢(shì)占9%左右，半濕潤(rùn)區(qū)植被不顯著減少主要集中在西南部及南部，超載放牧、城市擴(kuò)張等人類活動(dòng)頻繁導(dǎo)致高寒植被退化，黃河源區(qū)生態(tài)環(huán)境惡化[22]。

圖5 1982—2015年黃河流域及各氣候區(qū)NDVI變化趨勢(shì)及顯著性的空間分布Fig.5 Spatial distribution of NDVI change trend and significance in Yellow River Basin and its various climate regions from 1982 to 2015

4.3 植被NDVI與氣候因子的關(guān)系

植被的變化過程較為復(fù)雜，受到多種氣候因子的綜合影響，單一的氣候因子往往不能解釋這一過程，因此本文引入二階偏相關(guān)系數(shù)分析法，進(jìn)一步分析降水、氣溫和日照對(duì)黃河流域干旱區(qū)、半干旱區(qū)、半濕潤(rùn)區(qū)生長(zhǎng)季植被的影響，得到研究結(jié)果如圖6、圖7所示。由圖6(a) 、圖7(a)可知，干旱區(qū)、半干旱區(qū)內(nèi)90%的地區(qū)NDVI與降水呈正相關(guān)，而半濕潤(rùn)區(qū)內(nèi)與降水呈負(fù)相關(guān)的面積約占33.5%，主要分布在半濕潤(rùn)西部及中南部，這些地區(qū)降水過多對(duì)植被生長(zhǎng)產(chǎn)生抑制作用。在干旱區(qū)、半干旱區(qū)、半濕潤(rùn)區(qū)內(nèi)，偏相關(guān)系數(shù)在-0.3～0.3之間的區(qū)域所占面積最大，分別為44.8%、33.9%、73.8%，這表明在半濕潤(rùn)區(qū)NDVI與降水關(guān)系較弱，植被對(duì)降水的響應(yīng)不顯著，人類活動(dòng)對(duì)植被生長(zhǎng)影響較大；偏相關(guān)系數(shù)>0.5的區(qū)域所占面積分別為29.6%、23.7%、5.6%，主要分布在干旱區(qū)北部、半干旱區(qū)西南部及北部、半濕潤(rùn)區(qū)中西部，降水與NDVI在干旱區(qū)、半干旱區(qū)關(guān)系較好， NDVI隨降水量的增加而增加，但在半濕潤(rùn)區(qū)，有時(shí)降水過多是植被生長(zhǎng)的限制因素之一，過多的降水使得土壤水分長(zhǎng)期處于充足狀態(tài)，會(huì)導(dǎo)致植被根系及微生物由于過多水分而缺氧，部分必要的氮磷等營(yíng)養(yǎng)物質(zhì)缺失，對(duì)植被生長(zhǎng)造成威脅[23]。

圖6 1982—2015年黃河流域各氣候區(qū)NDVI與降水、氣溫、日照時(shí)數(shù)偏相關(guān)系數(shù)的空間分布Fig.6 Spatial distribution of partial correlation coeffi-cients between NDVI and precipitation,temperature,and sunshine time in climatic regions of Yellow River Basin from 1982 to 2015

圖7 1982—2015年黃河流域各氣候區(qū)降水、氣溫、日照時(shí)數(shù)對(duì)NDVI影響的面積百分比Fig.7 Percentage of the area affected by precipitation,temperature, and sunshine time in climatic regions of Yellow River Basin from 1982 to 2015

由圖6(b)、圖7(b)可知，干旱區(qū)、半干旱區(qū)、半濕潤(rùn)區(qū)內(nèi)大部分地區(qū)NDVI與氣溫呈正相關(guān)，分別占各自面積的76.1%、87.1%、91.6%，各氣候區(qū)大部分地區(qū)的植被隨溫度升高而增加。半濕潤(rùn)區(qū)內(nèi)偏相關(guān)系數(shù)在0.3～0.5之間的區(qū)域所占面積最大約為39.3%，且氣溫與NDVI呈負(fù)相關(guān)的區(qū)域僅占8.4%，表明半濕潤(rùn)區(qū)相比其他氣候區(qū)，NDVI與氣溫相關(guān)關(guān)系較高。偏相關(guān)系數(shù)>0.5的區(qū)域面積在干旱區(qū)占比最小，僅為10.5%，說明適宜的溫度會(huì)促進(jìn)植被生長(zhǎng)，溫度過高或過低會(huì)對(duì)植被生長(zhǎng)產(chǎn)生抑制作用。

由圖6(c)、圖7(c)可知，干旱區(qū)、半干旱區(qū)、半濕潤(rùn)區(qū)內(nèi)91%以上的地區(qū)NDVI與日照時(shí)數(shù)呈正相關(guān)，其中偏相關(guān)系數(shù)在0.5～0.8之間的區(qū)域在干旱區(qū)、半干旱區(qū)、半濕潤(rùn)區(qū)所占面積比例均達(dá)到最大，分別為52.3%、50.9%、46.8%，主要集中在干旱區(qū)北部、半干旱區(qū)中部及半濕潤(rùn)西北部，這些地區(qū)受日照影響大，且同期NDVI呈顯著增加趨勢(shì)(見圖5(b))。NDVI與日照呈負(fù)相關(guān)的區(qū)域主要集中在半干旱區(qū)西南部及半濕潤(rùn)區(qū)西南、南部，隨日照增加，植被呈減少趨勢(shì)，這是因?yàn)槲髂喜亢０胃撸照諒?qiáng)度大且時(shí)間長(zhǎng)，蒸騰作用變大，植被為保存體內(nèi)水分而關(guān)閉有些氣孔，光合作用反而減弱。

4.4 人類活動(dòng)對(duì)植被NDVI的影響

氣候因子對(duì)黃河流域各氣候區(qū)植被的變化起著至關(guān)重要的作用， 但植樹造林、 居民建設(shè)用地等人類活動(dòng)對(duì)植被也會(huì)產(chǎn)生重要影響， 本文通過殘差分析法將氣候因子對(duì)植被變化的綜合影響分離來量化人類活動(dòng)的影響， 得到2015年各氣候區(qū)NDVI殘差及34 a變化趨勢(shì)的空間分布， 如圖8、 圖9所示。

圖8 2015年黃河流域各氣候區(qū)NDVI的殘差值Fig.8 Residual values of NDVI in each climate region of Yellow River Basin in 2015

圖9 1982—2015年殘差變化趨勢(shì)Fig.9 Change trend of residual value in 1982—2015

從空間上看，2015年黃河流域干旱區(qū)、半干旱區(qū)、半濕潤(rùn)區(qū)大部分區(qū)域NDVI殘差值為正，分別占各氣候區(qū)面積的74.2%、80.9%、75.9%，主要分布在干旱區(qū)、半干旱區(qū)、半濕潤(rùn)區(qū)的中部、東北部及東南部，表明這些區(qū)域人類活動(dòng)對(duì)植被變化產(chǎn)生了積極影響，例如退耕還林促進(jìn)植被覆蓋變化；NDVI殘差值為負(fù)主要分布在干旱、半干旱區(qū)西南部及半濕潤(rùn)區(qū)的西南部、南部，說明人類活動(dòng)阻礙了這些地區(qū)的植被生長(zhǎng)，例如黃河源區(qū)的過度放牧引起植被退化。人類活動(dòng)影響下各氣候區(qū)34 a來NDVI殘差趨勢(shì)基本上呈持續(xù)正向增加，極少數(shù)地區(qū)呈下降趨勢(shì)，僅占各氣候區(qū)的9.9%、11.7%、16.4%，空間分布情況與NDVI殘差值基本相似。

5 結(jié) 論

本文基于GIMMS NDVI數(shù)據(jù)，采用均值法、Sen+Mann-Kendall 趨勢(shì)分析、偏相關(guān)系數(shù)、多元線性回歸分析+殘差法等方法，對(duì)1982—2015年黃河流域不同氣候區(qū)生長(zhǎng)季植被時(shí)空變化特征進(jìn)行分析，結(jié)合同時(shí)期的降水、氣溫、日照時(shí)數(shù)3種氣候數(shù)據(jù)，探究了各氣候區(qū)的氣候因子和人類活動(dòng)等因素對(duì)植被的影響，得出以下結(jié)論：

(1)從時(shí)間上看，黃河流域及3個(gè)氣候區(qū)的植被年內(nèi)變化均呈現(xiàn)先上升后下降的趨勢(shì)，4月份返青，10月份枯竭，NDVI峰值出現(xiàn)在8月份，干旱區(qū)植被年內(nèi)變化規(guī)律最不明顯，年際變化呈緩慢上升趨勢(shì)；半濕潤(rùn)區(qū)植被年內(nèi)變化規(guī)律最明顯，年際變化呈顯著上升趨勢(shì)，這可能與干旱區(qū)降水少、氣候干燥而半濕潤(rùn)區(qū)雨水充足、氣溫適宜有關(guān)。

(2)不同氣候區(qū)植被在空間上呈現(xiàn)明顯的地帶差異，植被覆蓋度由西北向東南依次遞增，半濕潤(rùn)區(qū)的中、高植被區(qū)分布范圍較廣，植被覆蓋率最高。從NDVI變化趨勢(shì)上看，各氣候區(qū)近34 a來植被狀況得到了明顯改善，干旱區(qū)、半干旱區(qū)、半濕潤(rùn)區(qū)具有顯著性增加的區(qū)域分別占各自區(qū)域總面積的70.4%、72.3%、70.0%，不顯著減少主要集中在半濕潤(rùn)區(qū)的黃河源區(qū)，這與人類活動(dòng)頻繁有關(guān)。

(3)各氣候區(qū)植被生長(zhǎng)受降水、氣溫和日照時(shí)數(shù)的共同驅(qū)動(dòng)且大部分地區(qū)均呈正相關(guān)，日照時(shí)數(shù)對(duì)NDVI的影響更為明顯，尤其在干旱區(qū)，NDVI與日照關(guān)系最為密切；NDVI與降水相關(guān)關(guān)系在半濕潤(rùn)區(qū)最差，在半干旱區(qū)最好；而NDVI與氣溫在半濕潤(rùn)區(qū)相關(guān)程度最高，在干旱區(qū)相關(guān)程度最低。

(4)1982—2015年，人類活動(dòng)對(duì)各氣候區(qū)大部分地區(qū)植被產(chǎn)生正影響，人類活動(dòng)對(duì)植被變化產(chǎn)生負(fù)影響的區(qū)域主要分布在干旱、半干旱區(qū)西南部及半濕潤(rùn)區(qū)的西南部、南部，荒漠、寒地等人類活動(dòng)相對(duì)較少的地區(qū)，NDVI殘差值還受其他線性因素影響。

本研究采用的NDVI數(shù)據(jù)時(shí)間序列長(zhǎng)，可以很好地反映植被在時(shí)間上的變化，但空間分辨率較低，不能詳細(xì)精確地反映植被空間狀況。不同區(qū)域氣候因子對(duì)植被有不同時(shí)間的滯后作用，本文未進(jìn)行NDVI與氣候因子的年內(nèi)、季節(jié)性相關(guān)及滯后性研究，在今后的研究中將進(jìn)一步完善。