邱鳳婷，過志峰，張宗科*，魏顯虎，李俊杰，呂 爭

(1.中國科學(xué)院空天信息創(chuàng)新研究院,中國科學(xué)院中國-斯里蘭卡水技術(shù)研究與示范聯(lián)合中心,北京 100094；2.中國科學(xué)院大學(xué)電子電氣與通信工程學(xué)院,北京 100049；3.中國四維測繪技術(shù)有限公司,北京 100094)

植被在土壤保持、氣候調(diào)節(jié)以及維持生態(tài)平衡等方面起著非常重要的作用[1]，是生態(tài)環(huán)境質(zhì)量評(píng)價(jià)的重要指標(biāo)[2-4]。大湄公河次區(qū)域(Greater Mekong Subregion，簡稱GMS)是我國周邊外交的戰(zhàn)略支點(diǎn)，同時(shí)也是“一帶一路”的重要基礎(chǔ)和建設(shè)方向。大湄公河次區(qū)域處于東南亞、南亞和中國大西南的結(jié)合部，蘊(yùn)藏著豐富的水資源、生物資源和礦產(chǎn)資源，但隨著全球氣候變暖、水資源項(xiàng)目開發(fā)和人口增長，該區(qū)域生態(tài)環(huán)境遭受嚴(yán)重破壞，進(jìn)而引發(fā)社會(huì)和經(jīng)濟(jì)問題。2020年6月，湄公河委員會(huì)(MRC)批準(zhǔn)了《十年流域發(fā)展戰(zhàn)略》，強(qiáng)調(diào)改善流域植被生態(tài)問題以促進(jìn)流域生態(tài)、社會(huì)和經(jīng)濟(jì)的可持續(xù)發(fā)展。

自20世紀(jì)七八十年代起，遙感技術(shù)被應(yīng)用于地表植被覆蓋變化的監(jiān)測[5-8]。近年來，基于不同的遙感數(shù)據(jù)，國內(nèi)外學(xué)者對(duì)全球各個(gè)地區(qū)的地表植被覆蓋時(shí)空變化監(jiān)測進(jìn)行了大量研究。Weiss等[9]基于AVHRR-NDVI時(shí)序數(shù)據(jù)分析了沙特阿拉伯牧場歸一化植被指數(shù)(NDVI)的變化情況；Wang等[10]基于1982—2006年AVHRR-NDVI數(shù)據(jù)，分析北美洲植被覆蓋年際變化趨勢；武正麗等[11]利用MODIS NDVI數(shù)據(jù)研究了祁連山13 a植被覆蓋的變化。AVHRR和MODIS由于較高的時(shí)間分辨率，在研究年尺度植被時(shí)空變化上具有較大的優(yōu)勢。在研究植被覆蓋變化原因方面，孫睿等[12]利用AVHRR數(shù)據(jù)分析了植被空間分布，并研究了地表植被覆蓋與降水和溫度的關(guān)系；郭永強(qiáng)等[13]基于Google Earth Engine(GEE)平臺(tái)分析我國黃土高原地區(qū)植被覆蓋變化規(guī)律，并從氣候因子、人類活動(dòng)等方面探討了植被覆蓋變化的原因。但相關(guān)研究中很少涉及大湄公河次區(qū)域，且在利用長時(shí)序數(shù)據(jù)對(duì)該區(qū)域進(jìn)行植被覆蓋變化監(jiān)測方面鮮有報(bào)道。

GEE是由谷歌推出的地理信息數(shù)據(jù)處理以及可視化的綜合平臺(tái)，該平臺(tái)不僅免費(fèi)向用戶提供海量的遙感影像等地理數(shù)據(jù)，還提供強(qiáng)大的運(yùn)算能力對(duì)數(shù)據(jù)進(jìn)行處理[14]。用戶可通過在線編程的方式獲取和處理共享數(shù)據(jù)，避免了傳統(tǒng)方式的影像下載、預(yù)處理等繁雜的過程，這在大尺度、長時(shí)序的植被覆蓋變化分析研究中具有重要應(yīng)用[15]。

本研究以大湄公河次區(qū)域?yàn)檠芯繀^(qū)，借助GEE平臺(tái)，采用MOD13Q1數(shù)據(jù)的植被覆蓋產(chǎn)品，利用線性回歸分析、馬爾科夫矩陣和Hurst指數(shù)法等方法分析該區(qū)域2005—2019年植被覆蓋時(shí)空變化特征及未來變化趨勢，并基于TRMM(tropical rainfall measuring mission)降水?dāng)?shù)據(jù)和GLDAS(global land data assimilation aystem)氣溫?cái)?shù)據(jù)，使用偏相關(guān)分析法分析其植被覆蓋與氣象因子的關(guān)系。

1 材料與方法

1.1 研究區(qū)概況

大湄公河次區(qū)域是指湄公河流域的6個(gè)國家和地區(qū)，包括我國云南省和廣西壯族自治區(qū)、緬甸、老撾、泰國、柬埔寨、越南，是連接我國與東南亞、南亞的陸路橋梁。區(qū)域面積約257萬2，總?cè)丝诩s3.2億人。氣候類型多樣，其中中國云南、廣西兩省區(qū)涵蓋北熱帶、南亞熱帶、中亞熱帶、北亞熱帶、南溫帶、中溫帶和高原氣候區(qū)7個(gè)類型；中南部的南亞地區(qū)則以亞熱帶、熱帶季風(fēng)氣候?yàn)橹鳎骄鶞囟容^高，在緬甸、柬埔寨等地平均氣溫20 ℃以上[16]。降水量空間分布不同，大部分地區(qū)在5—10月為雨季，11月至次年4月中旬為旱季。

1.2 數(shù)據(jù)源及處理

1.2.1 MOD13Q1-NDVI數(shù)據(jù)

MOD13Q1-NDVI產(chǎn)品經(jīng)過水、云、重氣溶膠等處理，數(shù)據(jù)質(zhì)量較高，因而被廣泛應(yīng)用于植被覆蓋變化研究[17]。使用的MOD13Q1-NDVI數(shù)據(jù)空間分辨率250 m，時(shí)間分辨率16 d，時(shí)間尺度為2005年1月1日—2019年12月31日。在GEE平臺(tái)上通過JavaScrip API在線訪問全球范圍內(nèi)2005—2019年MOD13Q1影像的NDVI數(shù)據(jù)；采用最大值合成法[18]對(duì)每年的NDVI數(shù)據(jù)進(jìn)行融合，并基于大湄公河次區(qū)域矢量邊界圖裁剪出研究區(qū)內(nèi)每年的NDVI最大值影像，NDVI最大值影像可以反映當(dāng)年植被長勢最好時(shí)期的地表植被覆蓋狀況；最后形成2005—2019年NDVI值數(shù)據(jù)集。

1.2.2 TRMM降水?dāng)?shù)據(jù)

使用的降水?dāng)?shù)據(jù)為TRMM(tropical rainfall measuring mission)衛(wèi)星第7版3級(jí)產(chǎn)品(3B43 Version 7)的月降水資料，空間分辨率為0.25°× 0.25°，時(shí)間尺度上為月合成數(shù)據(jù)，已有大量研究表明：TRMM數(shù)據(jù)與地面觀測數(shù)據(jù)具有較高的一致性，精度較高，適用于地區(qū)降水測算[19]。在GEE平臺(tái)上訪問2005—2019年TRMM數(shù)據(jù)的precipitation波段逐年合成年降水量之和，然后進(jìn)行研究區(qū)裁剪形成大湄公河次區(qū)域降水量數(shù)據(jù)集；在偏相關(guān)分析前，分別對(duì)區(qū)域植被NDVI時(shí)序數(shù)據(jù)集和降水量數(shù)據(jù)集重采樣至1 km×1 km的空間分辨率，使之相匹配。

1.2.3 氣溫?cái)?shù)據(jù)

使用的氣溫?cái)?shù)據(jù)來自GLDAS(global land data assimilation system)2.1版本氣溫?cái)?shù)據(jù)，空間分辨率為0.25°×0.25°，時(shí)間尺度為3 h[20]。在GEE平臺(tái)上提取2005—2019年GLDAS2.1氣溫?cái)?shù)據(jù)，采用平均值合成法將3 h氣溫?cái)?shù)據(jù)逐年合成年尺度數(shù)據(jù)，構(gòu)建研究區(qū)氣溫時(shí)空數(shù)據(jù)集；對(duì)數(shù)據(jù)進(jìn)行重采樣至1 km×1 km的空間分辨率，與植被NDVI數(shù)據(jù)集相匹配。

1.3 研究方法

1.3.1 一元線性回歸趨勢分析

一元線性回歸可以消除植被異常值的影響，真實(shí)反映該區(qū)域的植被變化趨勢[21]。本研究利用一元線性回歸方程對(duì)大湄公河次區(qū)域2005—2019年植被覆蓋開展逐像元的趨勢分析，計(jì)算公式如下：

(1)

式中：(x0,y0)為像元坐標(biāo)，S(x0,y0)為該像元植被NDVI的變化率；Na為該像元第a年的NDVI值；n為數(shù)據(jù)觀測時(shí)段的年數(shù)(n=15)；S(x0,y0)>0時(shí)，表明時(shí)間序列下，該像元NDVI值呈增加趨勢，即植被有改善的趨勢，且S(x0,y0)值越大，改善的趨勢越明顯；反之，植被呈退化趨勢。

采用F檢驗(yàn)法對(duì)變化趨勢進(jìn)行檢驗(yàn)，根據(jù)回歸分析結(jié)果，參考已有研究方法[13]將植被變化趨勢劃分為3個(gè)等級(jí)：顯著改善地區(qū)(S(x0,y0)>0,P<0.05)，顯著退化地區(qū)(S(x0,y0)<0,P<0.05)，無顯著變化地區(qū)(P>0.05)。

1.3.2 馬爾科夫模型構(gòu)建

空間轉(zhuǎn)移矩陣是分析同一地區(qū)不同時(shí)相土地類型之間的轉(zhuǎn)換的重要方法[22]。本研究采用馬爾科夫模型轉(zhuǎn)移矩陣，定量反映研究時(shí)間前后大湄公河次區(qū)域不同等級(jí)的植被覆蓋之間的變化情況，計(jì)算公式如下：

(2)

式中：Vij表示研究區(qū)內(nèi)第i等級(jí)的植被覆蓋度和第j等級(jí)的植被覆蓋度之間轉(zhuǎn)化的面積(采用面積百分比代替)；m為植被覆蓋度等級(jí)；i和j的取值為1,2……m。

1.3.3 Hurst指數(shù)估算

Hurst指數(shù)是定量描述序列程度依賴性的方法，可以判斷序列未來變化是否具有持續(xù)性，在生態(tài)、氣象和經(jīng)濟(jì)等領(lǐng)域應(yīng)用廣泛[23]。本研究基于重標(biāo)極差法(R/S)逐像元估算區(qū)域NDVI的Hurst指數(shù)。將Hurst指數(shù)值(H)分為3類：0

1.3.4 偏相關(guān)分析

偏相關(guān)分析可以反映多個(gè)變量間的相關(guān)程度[24]。將大湄公河次區(qū)域的植被覆蓋NDVI值分別與氣溫和降水?dāng)?shù)據(jù)進(jìn)行偏相關(guān)分析。計(jì)算公式如下：

(3)

式中：變量x表示年NDVI值，y1表示年均氣溫值，y2表示年降水值，rxy2,y1表示表示年NDVI與降水之間的偏相關(guān)系數(shù)，rxy1表示年NDVI值x與年均氣溫值y1的相關(guān)系數(shù)，rxy2表示年NDVI值x與年降水y2的相關(guān)系數(shù)，ry1y2表示年均氣溫y1與年降水量y2的相關(guān)系數(shù)。在本研究中假定區(qū)域年降水量與氣溫沒有明顯的相關(guān)性，即ry1y2為0。rxy1,y2取值范圍是[-1,1],當(dāng)rxy1,y2>0，則表示呈正相關(guān)，反之，則負(fù)相關(guān)，且rxy1,y2越接近于-1或1，偏相關(guān)性越高。同理，計(jì)算年NDVI與氣溫之間的偏相關(guān)系數(shù)rxy2,y1。

使用t檢驗(yàn)法對(duì)rxy1,y2值進(jìn)行統(tǒng)計(jì)檢驗(yàn)，N為影像波段數(shù)，自由度為N-2，在顯著水平α下，如果|rxy1,y2|大于臨界值r，則認(rèn)為自變量x與因變量y之間顯著相關(guān)，反之不顯著；臨界值r通過計(jì)算自由度并查找相關(guān)系數(shù)顯著性檢驗(yàn)表得到。本研究中N為15，則自由度為13，在α=0.05顯著下，臨界值r=0.514，因此若相關(guān)系數(shù)絕對(duì)值大于0.514，則為顯著相關(guān)，反之，其相關(guān)性不明顯。

2 結(jié)果與分析

2.1 大湄公河次區(qū)域植被覆蓋時(shí)間變化特征

采用一元線性回歸法，選取2005—2019年年均NDVI值得出區(qū)域植被NDVI值年際變化特征，如圖1所示。2005—2019年大湄公河次區(qū)域年均NDVI值為0.79～0.82，植被覆蓋較好，年均NDVI值最低的是2007年(0.795)，最高的是2016年(0.818)。年均NDVI值整體呈緩慢增長趨勢(P<0.05),增速為每年增長0.001 3(R2=0.673 2)，從2005年的0.799增加到2019年的0.806。但在2009—2010年、2011—2012年和2016之后出現(xiàn)下降趨勢，尤其是2016年以后，年均NDVI以每年0.004 4(P<0.05)下降。綜上，大湄公河次區(qū)域植被覆蓋整體呈輕微改善，但在2016—2019年出現(xiàn)下降趨勢。

圖1 2005—2019 年大湄公河次區(qū)域年均NDVI值的年際變化Fig.1 Inter-annual variation of annual NDVIchange in the GMS from 2005 to 2019

2.2 大湄公河次區(qū)域植被覆蓋空間變化特征

2.2.1 植被覆蓋空間分布特征

利用大湄公河次區(qū)域2005—2019年年均NDVI值，計(jì)算出區(qū)域15年來平均NDVI值空間分布，參考已有研究方法[15]并結(jié)合流域植被覆蓋狀況，將NDVI等間距劃分為5個(gè)等級(jí)：NDVI值<0.2為裸地，0.2≤NDVI值<0.4為低覆蓋，0.4≤NDVI值<0.6為中覆蓋，0.6≤NDVI值<0.8為中高覆蓋，0.8≤NDVI值<1.0為高覆蓋。經(jīng)統(tǒng)計(jì)：高植被覆蓋的面積占比最大，達(dá)到61.9%，主要分布在中部和東南地區(qū)，位于緬甸、老撾、越南和柬埔寨境內(nèi)，屬于印度-馬來熱帶雨林區(qū)；其次是中高覆蓋區(qū)域，占比33.1%，主要分布在中部和西南部，以分布在泰國為主；裸地、低覆蓋和中覆蓋地區(qū)所占比例很少，均低于5%，總和不到10%，主要分布在北部及我國西南地區(qū)?？傮w來看，該大湄公河次區(qū)域植被覆蓋較好，空間上呈現(xiàn)由北到南、由西到東遞減分布。

2.2.2 植被覆蓋空間轉(zhuǎn)移方向分析

研究基于馬爾科夫模型構(gòu)建不同時(shí)段植被覆蓋等級(jí)空間轉(zhuǎn)移矩陣，并根據(jù)NDVI的年際變化，將時(shí)間劃分為2005—2016年、2016—2019年2個(gè)時(shí)段，計(jì)算轉(zhuǎn)移矩陣結(jié)果如表1。

表1 2005—2019年大湄公河次區(qū)域植被覆蓋等級(jí)轉(zhuǎn)移矩陣Table 1 The transfer matrix of vegetation coverage in the GMS from 2005 to 2019

可以發(fā)現(xiàn)：在2005—2016年，高植被覆蓋占比明顯增加，增加至占區(qū)域總面積68.50%，其中轉(zhuǎn)入面積占13.53%，主要由中高植被覆類型轉(zhuǎn)入。中高植被覆蓋占比明顯下降，主要轉(zhuǎn)出到高植被覆蓋，可見中高植被覆蓋得到了較好改善。中覆蓋、低覆蓋和裸地發(fā)生輕微變化(面積轉(zhuǎn)化<1%)?？傮w而言，植被覆蓋保持不變的區(qū)域占77.14%，有所改善區(qū)域約占15.89%，退化區(qū)域占6.97%。其轉(zhuǎn)化趨勢呈明顯正向演進(jìn)，主要發(fā)生在“中高植被覆蓋—高植被覆蓋”這一方向。在2016—2019年，高植被覆蓋占比嚴(yán)重下降，下降至區(qū)域的62.17%，區(qū)域10.84%退化為中高植被覆蓋。中高植被覆蓋占比明顯增加，增加了5.80%，主要由高植被覆蓋退化。中植被、低覆蓋和裸地依然沒有明顯變化?？傮w而言，植被覆蓋保持不變的區(qū)域約占81.52%，有所改善區(qū)域占5.87%，退化區(qū)域占12.61%。其轉(zhuǎn)化趨勢呈明顯退化，趨勢為“高植被覆蓋—中高植被覆蓋”。

綜上可知，2005—2016年，中植被覆蓋大量轉(zhuǎn)化為高覆蓋植被，區(qū)域生態(tài)環(huán)境整體呈改善趨勢；2016—2019年，高植被覆蓋占比嚴(yán)重下降，轉(zhuǎn)化為低級(jí)植被，區(qū)域環(huán)境惡化。15年來，大湄公河次區(qū)域植被覆蓋整體趨勢為先改善后退化，目前生態(tài)環(huán)境面臨較大挑戰(zhàn)。

2.3 大湄公河次區(qū)域植被覆蓋變化趨勢

為進(jìn)一步從空間上分析2005—2019年大湄公河次區(qū)域NDVI變化趨勢，運(yùn)用一元線性回歸方程，逐像元計(jì)算出NDVI值變化率(S(x0,y0))并進(jìn)行顯著性檢驗(yàn)。15年來植被基本不變(無顯著變化)面積占84.3%，改善和退化面積分別占12.7%和3.0%，改善面積明顯大于退化面積(圖2)。在空間上，15年來植被覆蓋呈退化趨勢主要分布在南部，位于老撾、越南和柬埔寨境內(nèi)，該地區(qū)植被尤其是高植被覆蓋不斷向下級(jí)植被退化(如圖3紅框所示)；植被覆蓋發(fā)生改善的區(qū)域主要分布在中部、西部和南部一些地區(qū)，位于泰國和柬埔寨境內(nèi)。其中，中西部地區(qū)植被雖然15年來總體呈顯著改善趨勢，通過進(jìn)一步研究發(fā)現(xiàn)其植被2005年、2016和2019年表現(xiàn)出先改善后退化變化特征(如圖3黑框所示)。

底圖審圖號(hào):GS(2020)4395。下同。圖2 2005—2019年大湄公河次區(qū)域NDVI變化趨勢Fig.2 Change trends of NDVI in the GMS from 2005 to 2019

圖3 2005、2016和2019年大湄公河次區(qū)域年植被覆蓋空間分布Fig.3 Spatial distributions of average vegetation coverage in the GMS in 2005,2016 and 2019

基于Hurst指數(shù)分析發(fā)現(xiàn)，大湄公河次區(qū)域植被覆蓋整體呈正向持續(xù)變化(Hurst值>0.5)的區(qū)域占總面積的78.9%，反向持續(xù)變化(0

圖4 大湄公河次區(qū)域植被NDVI未來變化趨勢空間分布圖Fig.4 Spatial distributions of future changes trends of vegetation NDVI in GMS

研究區(qū)未來植被覆蓋以基本穩(wěn)定(植被無顯著性變化且Hurst值趨近0.5)為主，占區(qū)域面積的84.3%；未來植被可能改善(植被顯著改善且Hurst值>0.5,植被顯著退化且Hurst值<0.5)，占區(qū)域面積11.1%；未來植被可能退化(植被顯著改善且Hurst值<0.5,植被顯著退化且Hurst值>0.5)占4.5%。由此可見，未來改善區(qū)域面積大于退化面積，其中，未來將發(fā)生改善的地區(qū)主要分布在中西部，未來植被將發(fā)生退化的地區(qū)分布在區(qū)域南部；未來基本穩(wěn)定狀態(tài)的區(qū)域主要來自中部高植被覆蓋區(qū)。

圖5 2005—2019年大湄公河次區(qū)域年歸一化植被指數(shù)(NDVI)與年均氣溫和年降水量變化趨勢對(duì)比Fig.5 Comparison of the trend of annual NDVI and annual average temperature and precipitation changes in the GMS from 2005 to 2019

2.4 植被覆蓋變化與氣象因子的相關(guān)性

氣溫影響植被的蒸騰作用，降水是土壤水分的主要來源，兩者都會(huì)對(duì)研究區(qū)內(nèi)的植被覆蓋變化產(chǎn)生影響。因此，基于GLDAS氣溫?cái)?shù)據(jù)和TRMM 3B43降水?dāng)?shù)據(jù)對(duì)大湄公河次區(qū)域2005—2019年的氣溫和降水進(jìn)行分析，并對(duì)包括植被覆蓋NDVI數(shù)據(jù)進(jìn)行重采樣統(tǒng)一至1 km×1 km空間尺度下，再進(jìn)行偏相關(guān)分析。

時(shí)間維度上：大湄公河次區(qū)域2005—2019年年均氣溫整體呈波動(dòng)上升趨勢，與植被年均NDVI顯著正相關(guān)，相關(guān)系數(shù)為0.61(P<0.05)；年降水量呈波動(dòng)下降趨勢，與植被年均NDVI呈負(fù)相關(guān)，相關(guān)系數(shù)為-0.075(圖5)。由此可知，整體上大湄公河次區(qū)域的植被覆蓋受到降水和氣溫的共同影響，氣溫與植被NDVI關(guān)系更顯著。

空間上，將氣溫和降水以一定間距進(jìn)行劃分，發(fā)現(xiàn)區(qū)域的降水和氣溫與植被覆蓋在空間分布上具有高度一致性，如高植被覆蓋區(qū)，氣溫為10～28 ℃，降水在800 mm以上；中高植被覆蓋區(qū)，氣溫在28 ℃以上，降水為800～2 000 mm；中低覆蓋區(qū)，氣溫在10 ℃以下，降水在800 mm以下(圖6)。

圖6 2005—2019年大湄公河次區(qū)域植被、氣溫、降水空間分布Fig.6 Spatial distributions of vegetation,temperature and precipitation in GMS from 2005 to 2019

研究進(jìn)而從像元尺度上，通過計(jì)算每個(gè)像元的年NDVI與氣溫和降水的偏相關(guān)系數(shù)及顯著性，分析植被覆蓋與氣溫和降水的相關(guān)性(圖7)。

圖7 2005—2019年大湄公河次區(qū)域NDVI和氣溫、降水的偏相關(guān)空間分布Fig.7 Spatial distribution of partial correlation coefficients between NDVI and temperature and precipitation in GMS from 2005 to 2019

空間上，氣溫與植被覆蓋呈正相關(guān)的區(qū)域占總面積42.06%，呈負(fù)相關(guān)的區(qū)域占總面積的57.94%。其中，顯著正相關(guān)的面積占5.4%，主要分布在區(qū)域的中部和西部，植被以中高覆蓋等級(jí)為主，自2005—2016年以來，植被向高植被等級(jí)不斷改善，可能與氣溫波動(dòng)性上升有關(guān)；呈顯著負(fù)相關(guān)的面積占13.0%，主要分布在中部零星地區(qū)、南部及東南部，2005—2019年，隨著氣溫波動(dòng)性上升，南部植被持續(xù)退化(圖7A)?？臻g上，降水與植被覆蓋呈正相關(guān)的區(qū)域占總面積54.13%，與植被覆蓋呈負(fù)相關(guān)的區(qū)域占總面積45.87%。其中，呈顯著正相關(guān)僅占7.2%，主要分布在區(qū)域北部，我國大西南地區(qū)，平均降水量低于400 mm/a，植被分級(jí)以低覆蓋和裸地為主，15年來該地區(qū)植被發(fā)生輕微退化可能與地區(qū)年降水量的波動(dòng)性下降有關(guān)；顯著負(fù)相關(guān)的面積占4.9%，主要分布在中部零星地區(qū)(圖7B)。此外，雖然大部分區(qū)域植被NDVI與氣溫和降水無顯著相關(guān)性，但在變化趨勢上三者之間存在一定的相關(guān)性。植被生長變化是諸多影響因素的綜合結(jié)果，這影響了統(tǒng)計(jì)分析顯著性。

3 結(jié) 論

1)2005—2019年大湄公河次區(qū)域整體植被覆蓋較好，高植被覆蓋的面積占總面積的61.9%，主要分布在中部、東部和南部；在年際變化上，區(qū)域植被覆蓋整體呈波動(dòng)性增加，每年增長0.001 3。通過轉(zhuǎn)移矩陣分析，2005—2016年，區(qū)域整體改善，以中高植被類型向高植被類型轉(zhuǎn)化為主；2016—2019年，區(qū)域整體退化，其中區(qū)域南部和東部2005—2019持續(xù)退化。

2)在空間分布上，植被狀況顯著改善面積大于退化面積；將2005—2019年植被變化趨勢與Hurst指數(shù)結(jié)合，分析可知區(qū)域未來顯著改善的面積依然大于退化面積；其中，區(qū)域南部在15年來處于顯著退化趨勢，未來仍發(fā)生退化，尤其以高植被覆蓋向下轉(zhuǎn)化為主，在未來區(qū)域發(fā)展中需要加以環(huán)境保護(hù)治理。

3)區(qū)域植被覆蓋受到氣溫和降水的影響，在空間分布上具有較高的一致性。北部地區(qū)植被與降水呈顯著正相關(guān)，隨著降水量波動(dòng)性下降而退化；南部地區(qū)植被與氣溫呈顯著負(fù)相關(guān)，隨著氣溫波動(dòng)性上升而顯著退化。此外，結(jié)合植被類型[25]，區(qū)域北部以裸地和干旱草地為主，其植被生長受降水的影響較大，隨其波動(dòng)性下降而退化；中部植被以喬木和灌木為主，受氣溫影響較為明顯；南部和東部以闊葉落葉為主，在年降水量頗豐情況下，更受氣溫影響。

4)基于GEE平臺(tái)，相比傳統(tǒng)的繪圖軟件，GEE平臺(tái)提供海量的免費(fèi)遙感數(shù)據(jù)和強(qiáng)大的數(shù)據(jù)計(jì)算及分析能力，可大幅度地提高研究效率。