基于延安市不同植被類型NDVI對(duì)氣象因子影響及空間異質(zhì)性

張家政，閔志強(qiáng)，王得軍，李清順，孫景梅，李宏韜，李崇貴*

(1.西安科技大學(xué) 測(cè)繪科學(xué)與技術(shù)學(xué)院，陜西 西安 710054；2.國(guó)家林業(yè)和草原局西北調(diào)查規(guī)劃設(shè)計(jì)院 旱區(qū)生態(tài)水文與災(zāi)害防治國(guó)家林業(yè)局重點(diǎn)實(shí)驗(yàn)室，陜西 西安 710048)

植被與氣候變化響應(yīng)研究是目前生態(tài)與環(huán)境研究中的重要內(nèi)容之一[1-3]，對(duì)土壤系統(tǒng)與大氣系統(tǒng)的能量傳輸具有至關(guān)重要的作用[4-5]。目前，研究方法更多是基于植被指數(shù)(normalized difference vegetation index，NDVI)進(jìn)行不同尺度分析。如白旭陽(yáng)等[6]通過(guò)采用對(duì)不同驅(qū)動(dòng)因子進(jìn)行貢獻(xiàn)率量化的方法分析1982-2015年氣候和人類活動(dòng)對(duì)于新疆瑪納斯流域植被變化的影響，氣候變化對(duì)于NDVI變化的貢獻(xiàn)率高于人類活動(dòng)對(duì)于NDVI變化的貢獻(xiàn)率，并且氣溫和降水對(duì)NDVI存在顯著性的影響；M.Lamchin等[7]通過(guò)分析1982-2014年亞洲地區(qū)氣象因子(溫度、降水和蒸散發(fā)等)與植被指數(shù)NDVI相關(guān)關(guān)系，結(jié)果表明溫度是導(dǎo)致亞洲地區(qū)植被指數(shù)NDVI變化最主要的因素；許玉鳳等[8]從年、季、月等不同尺度研究NDVI動(dòng)態(tài)變化趨勢(shì)以及對(duì)氣候因子(日照時(shí)數(shù)、氣溫、降水、地表溫度等數(shù)據(jù))響應(yīng)，結(jié)果顯示貴州植被生長(zhǎng)是受溫度調(diào)控，且氣溫升高、氣候變暖是促使植被生長(zhǎng)季延長(zhǎng)的氣候效應(yīng)之一。很多研究將全區(qū)NDVI均值與氣象因子做相關(guān)性分析[9-10]，有些研究將NDVI在時(shí)間尺度作為一個(gè)連續(xù)變量，與氣象因子做空間相關(guān)性分析[7,11]。前者只考慮到了相關(guān)性關(guān)系，但是忽略了NDVI空間變化對(duì)于氣象因子響應(yīng)；后者也沒(méi)有分析不同植被類型與氣象因子的響應(yīng)。因此，為了解不同植被類型NDVI對(duì)于氣象因子響應(yīng)，本研究基于長(zhǎng)時(shí)序Landsat數(shù)據(jù)集與植被覆蓋數(shù)據(jù)，探索延安市不同植被類型時(shí)空變化以及與氣象因子(平均溫度、總降水、最高溫度和最低溫度)的響應(yīng)，并采用最小二乘法+時(shí)空地理加權(quán)回歸模型[12-13]揭示NDVI與氣象因子擬合的空間異質(zhì)性。

Google Earth Engine(GEE)平臺(tái)不僅提供存儲(chǔ)海量的遙感數(shù)據(jù)，而且廣泛用于變化監(jiān)測(cè)[14-15]、土地利用動(dòng)態(tài)監(jiān)測(cè)[16]、農(nóng)業(yè)應(yīng)用[17]和災(zāi)害監(jiān)測(cè)與評(píng)估[18]等。GEE提供了JavaScript 和Python的API和基于Web的交互式開(kāi)發(fā)環(huán)境，可以輕松地利用Google云的強(qiáng)大空間地理分析功能，使得長(zhǎng)時(shí)序植被動(dòng)態(tài)分析成為可能。

1 材料與方法

1.1 研究區(qū)概況

延安市(107°41′-110°31′E，35°21′-37°31′N)位于我國(guó)黃河流域中部，屬于黃土丘陵溝壑區(qū)，是黃土高原乃至全國(guó)水土流失最嚴(yán)重的地區(qū)之一。該市總面積為3.67萬(wàn)km2，平均海拔1 200 m。延安地區(qū)夏天炎熱少雨，冬季干燥寒冷，年均氣溫為9～12℃，年均降水量在100～800 mm，氣溫年、日較差大。為遏制嚴(yán)重的水土流失，1999年國(guó)家開(kāi)始實(shí)施生態(tài)修復(fù)工程。

1.2 研究方法

1.2.1 數(shù)據(jù)來(lái)源 Landsat影像 本研究Landsat遙感影像來(lái)自于GEE平臺(tái)(https://earthengine.google.com/)上landsat surface reflectance data(陸地衛(wèi)星地表反射率數(shù)據(jù))。該數(shù)據(jù)集已經(jīng)經(jīng)過(guò)大氣輻射校正處理，其空間分辨率為30 m，時(shí)間分辨率為16 d。首先在GEE平臺(tái)上利用空間和時(shí)間獲取1993-2017年延安市Landsat數(shù)據(jù)集[1993-2011年Landsat 5 TM(‘LANDSAT/LT05/C01/T1_SR’)、2012年Landsat 7 ETM+(‘LANDSAT/LE07/C01/T1_SR’)和2013-2017年Landsat 8 OLI(‘LANDSAT/LT08/C01/T1_SR’)]；然后批量對(duì)每一景影像進(jìn)行去云掩膜處理和裁剪處理，并計(jì)算歸一化植被指數(shù)(NDVI)；最后采用最大值合成法(maximum value composition,MVC)對(duì)每年NDVI影像進(jìn)行最大值合成，以此消除大氣和云等干擾誤差，得到的年最大NDVImax代表相應(yīng)各年的NDVI。

氣象數(shù)據(jù) 降水(PRE)、平均氣溫(Tmean)、最高溫度(Tmax)和最低溫度(Tmin)數(shù)據(jù)來(lái)源于國(guó)家科技基礎(chǔ)條件平臺(tái)——國(guó)家地球系統(tǒng)科學(xué)數(shù)據(jù)中心(http://www.geodata.cn)，其空間分辨率為1 km，選取時(shí)間序列從1993年1月至2017年12月逐月數(shù)據(jù)。因數(shù)據(jù)格式為.nc，所以先利用Python進(jìn)行數(shù)據(jù)預(yù)處理，使之變成可以使用的柵格圖像，再將其合并成年尺度數(shù)據(jù)[19]。

土地覆蓋數(shù)據(jù) 土地覆蓋數(shù)據(jù)來(lái)源于歐洲航天局的1993-2017年共25期土地利用/覆蓋(ESA CCI-LC)數(shù)據(jù)集(http://maps.elie.ucl.ac.be/CCI/viewer.)，空間分辨率300 m。延安市植被覆被類型分為針葉林(coniferous forest)、闊葉林(broad-leaved forest)、灌木/草地(shrub/grassland)、鑲嵌林地(mosaic tree)(喬木分布>50%)、鑲嵌草地(mosaic grassland)(草本分布>50%)、人類占用地(human occupied land)和水體(water bodies)共7類(圖1)。

圖1 研究區(qū)植被覆蓋情況

1.2.2 數(shù)據(jù)處理方法 線性分析研究表明[20-21]，一元線性回歸模型(Slope)能真實(shí)有效地反映植被的年際變化。因此，本研究采用一元線性回歸對(duì)延安市每個(gè)像元1993-2017年植被NDVImax進(jìn)行趨勢(shì)分析，計(jì)算公式為：

(1)

Mann-Kendall(M-K)檢驗(yàn) 與以往研究者所采用的基于最小二乘法的時(shí)間序列線性回歸模型的檢驗(yàn)方法相比較，M-K屬于非參數(shù)檢驗(yàn)方法，該方法不需要樣本遵循一定的分布，也不受少數(shù)異常值的干擾[22]。M-K檢驗(yàn)已經(jīng)在氣象、水文等領(lǐng)域的時(shí)間序列分析中得到廣泛的應(yīng)用。

重心遷移模型 為深入研究各植被類型時(shí)空集聚和遷移特征，本研究采用重心遷移模型進(jìn)行植被時(shí)空演化的定量表達(dá)，以此揭示延安市不同區(qū)域植被類型活動(dòng)的演變軌跡。其計(jì)算公式如下：

(2)

最小二乘回歸模型+時(shí)空地理加權(quán)回歸模型(OLS+GTWR)最小二乘法(ordinary least squares，OLS)常常在遙感變化監(jiān)測(cè)中應(yīng)用，也是常用的求解無(wú)約束最優(yōu)化問(wèn)題的回歸分析方法之一。具體表達(dá)式為：

(3)

式中,y代表因變量，本研究指的是NDVImax；β0為常數(shù)項(xiàng)，βj為第j個(gè)自變量的回歸系數(shù)；xij代表第i個(gè)樣本的第j個(gè)自變量；ζ為符合正態(tài)分布的隨機(jī)誤差項(xiàng)。

地理加權(quán)回歸模型(GWR)是空間異質(zhì)性研究的經(jīng)典模型，而時(shí)空地理加權(quán)回歸模型(GTWR)則是將時(shí)間屬性聯(lián)系到GWR的空間屬性中，以更好地反映研究區(qū)時(shí)空變化信息，使得模型估算結(jié)果更加有效[23-24]。具體表達(dá)式為：

(4)

式中,yi代表第i個(gè)樣本點(diǎn)的被解釋變量；ui，vi分別為第i個(gè)樣本點(diǎn)的經(jīng)、緯度坐標(biāo)；ti為第i個(gè)樣本點(diǎn)的時(shí)間坐標(biāo)；β0(ui,vi,ti)為第i個(gè)樣本點(diǎn)的常數(shù)項(xiàng)；βk(ui,vi,ti)為第k個(gè)解釋變量在第i個(gè)樣本點(diǎn)的回歸系數(shù)。

1.2.2.3 獨(dú)立生活能力訓(xùn)練:每周1次，每次40 min。向患者講解良好的生活習(xí)慣的重要性，對(duì)患者日常生活能力進(jìn)行基礎(chǔ)評(píng)估，與患者共同制定個(gè)體化日常行為規(guī)范，督促其按時(shí)睡覺(jué)、按時(shí)起床、整理病床、洗漱、自動(dòng)排隊(duì)進(jìn)食服藥及定時(shí)參加適當(dāng)?shù)捏w育鍛煉，組織患者看電視、報(bào)刊和雜志。幫助患者建立良好的生活習(xí)慣，培養(yǎng)患者有規(guī)律的生活和自理能力。

本研究通過(guò)借助ArcGIS10.3平臺(tái)Zonal Statistics工具提取每種植被類型的年NDVImax、PRE、Tmean、Tmax和Tmin等數(shù)據(jù)，再采用OLS+GTWR模型的方法建立不同土地覆蓋類型年NDVImax與各種氣象因子的回歸模型。

2 結(jié)果與分析

2.1 NDVImax和PRE、Tmean、Tmax和Tmin年際變化特征

利用一元線性回歸方法分析延安市NDVImax和PRE、Tmean、Tmax和Tmin的年際變化趨勢(shì)(圖2)。NDVImax整體呈現(xiàn)波動(dòng)增長(zhǎng)趨勢(shì)，NDVImax均值由1993年的0.239增加到2017年的0.386，并在2013年達(dá)到最大值0.511，之后有所降低。NDVImax變化率為0.008/a(P<0.01)，植被生長(zhǎng)整體呈現(xiàn)較好的生長(zhǎng)趨勢(shì)；PRE、Tmax和Tmin總體呈現(xiàn)波動(dòng)增長(zhǎng)趨勢(shì)，其增長(zhǎng)速率分別為4.619 mm/a(P<0.05)，0.035℃/a(P<0.01)和0.013℃/a，其中波動(dòng)最大的是Tmax，由1993年的14.01℃增長(zhǎng)到2017年15.49℃；Tmean總體則呈現(xiàn)平穩(wěn)增長(zhǎng)趨勢(shì)，其增長(zhǎng)率為0.023℃/a。

圖2 1993-2017年延安市NDVImax和PRE、Tmean、Tmax和Tmin年際變化趨勢(shì)

2.2 土地覆蓋面積及土地覆蓋變化對(duì)植被指數(shù)NDVImax的影響

除水體在25 a基本保持不變(20.146 km2)以外，其他土地覆蓋類型面積均發(fā)生了不同程度的變化(圖3a)。針葉林和闊葉林面積均呈現(xiàn)增加趨勢(shì)，其變化率分別為0.185 km2/a(P<0.01)和0.007 km2/a(P<0.01)。特別的，闊葉林面積變化最大(增加3.85×103km2)；灌木/草地的面積呈現(xiàn)先減少后增加趨勢(shì)，1993-2007年草地/灌木呈現(xiàn)減少趨勢(shì)，變化率為-5.279/a(P<0.01)，而在2008年急劇增加為12.345×103km2；鑲嵌林地和鑲嵌草地面積均呈現(xiàn)減少趨勢(shì)，其變化率分別為-0.014 km2/a(P<0.01)和-7.223 km2/a(P<0.01)；人類占用地呈現(xiàn)總體增加趨勢(shì)[0.001 km2/a(P<0.01)]。特別的，在2006年人類占用地面積達(dá)到最大值(0.989×103km2)，而在2008年面積由2007的0.989×103km2急劇減少為0.986×103km2，其后保持穩(wěn)定增加狀態(tài)。不同土地覆蓋類型NDVImax變化介于0.1～0.7，其NDVImax大小分別為針葉林>闊葉林>鑲嵌林地>鑲嵌草地>灌木/草地(圖3b)，且逐年呈現(xiàn)增加趨勢(shì)。其中針葉林增加幅度最大，分別為0.009 1/a；闊葉林增加幅度最小，為0.007 1/a；灌木/草地、鑲嵌林地和鑲嵌草地增加幅度一致，為0.008/a。

圖3 不同植被覆蓋的面積以及NDVImax年變化

2.3 不同植被覆蓋類型重心演變軌跡

重心分布變化能夠從空間上反映不同植被覆蓋類型的時(shí)空演變過(guò)程。為進(jìn)一步探討延安市植被土地覆蓋類型重心的空間變化規(guī)律，本研究分析了1993-2017年植被覆蓋類型重心演變情況(圖4)。針葉林重心主要集中在洛川縣北部地區(qū)，其重心總體向西南部偏移2 516.03 m，其中，2004-2005年重心轉(zhuǎn)移距離最大(776.55 m)；闊葉林重心主要集中在富縣西部地區(qū)，其重心變化幅度最小，重心總體向東偏移675.96 m，其中，1994-1995年重心轉(zhuǎn)移距離最大(186.40 m)；灌木/草地重心主要集中在安塞縣中南部地區(qū)，其重心總體向東南偏移1 186.70 m，其中，1994-1995年重心轉(zhuǎn)移距離最大(331.29 m)；鑲嵌林地重心主要集中在富縣西部地區(qū)，其重心變化幅度最大、最復(fù)雜，重心總體向南偏移4 157.74 m，其中，2002-2003年重心轉(zhuǎn)移距離最大(1 240.62 m)；鑲嵌草地重心主要集中在甘泉縣東部地區(qū)，其重心總體向西南偏移1 896.36 m，其中2007-2008年重心轉(zhuǎn)移距離最大(1 235.66 m)。

圖4 重心轉(zhuǎn)移

2.4 植被指數(shù)NDVImax空間變化特征

基于Slope+M-K趨勢(shì)檢驗(yàn)的分析方法得到NDVImax變化趨勢(shì)的空間分布(圖5a)。NDVImax以增加為主，面積占研究區(qū)總面積的80.40%[(顯著增加(Slope≥0.02)和增加(0.002≤Slope<0.02)的總和)]，遠(yuǎn)大于NDVImax減少趨勢(shì)面積[(顯著減少(Slope≤-0.02)和減少(-0.02≤Slope<-0.002)的總和)]，表明植被覆蓋狀況呈現(xiàn)不斷改善趨勢(shì)。NDVImax呈現(xiàn)減少趨勢(shì)地區(qū)主要集中在延安市中部地區(qū)(寶塔區(qū)南部、甘泉縣北部和富縣中北部等)。該地區(qū)主要以灌木/草地為主，隨著城鎮(zhèn)化建設(shè)的加快推進(jìn)，部分地區(qū)灌木/草地轉(zhuǎn)化為人類占用地加劇了植被退化。顯著增加區(qū)域主要分布在黃龍縣東部、宜川縣中北部和延長(zhǎng)縣南部等區(qū)域。

通過(guò)對(duì)NDVImax進(jìn)行顯著性檢驗(yàn)(圖5b)，1993-2017年，除1993年外，NDVImax在其余時(shí)間段的UF曲線均>0，呈上升趨勢(shì)，且2004-2017年UF曲線超過(guò)95%顯著水平線，說(shuō)明此時(shí)間段延安市NDVImax增長(zhǎng)趨勢(shì)顯著，植被改善明顯。

圖5 年NDVImax變化趨勢(shì)及M-K檢驗(yàn)

2.5 全區(qū)植被指數(shù)NDVI對(duì)氣象因子的響應(yīng)

本研究基于像元對(duì)植被年NDVImax與各氣象要素進(jìn)行相關(guān)性分析(圖6)。圖6a的均值為0.262，從像元尺度來(lái)看，研究區(qū)NDVImax與PRE呈正相關(guān)的面積89.53%，主要分布在安塞縣、延川縣、延長(zhǎng)縣以及宜昌縣北部地區(qū)，尤其在延川縣延川鎮(zhèn)和關(guān)莊鎮(zhèn)、安塞縣張坪鄉(xiāng)等地NDVImax與PRE之間相關(guān)性較高，呈極顯著正相關(guān)(P<0.01)，PRE是這些地區(qū)植被生長(zhǎng)的主要限制因子，其他地區(qū)植被與降水相關(guān)性不明顯；圖6b的均值為0.085，從像元尺度來(lái)看，研究區(qū)NDVImax與Tmean呈正相關(guān)的面積71.38%，主要分布在延川縣中部、宜川縣南部、黃龍縣中部以及洛川縣中部等地區(qū)。研究區(qū)NDVImax與Tmean呈顯著負(fù)相關(guān)(P<0.01)的地區(qū)占總面積的6.02%，主要分布在志丹縣南部橋鎮(zhèn)和永寧鎮(zhèn)等地區(qū)，Tmean是影響該地區(qū)植被生長(zhǎng)的主要限制因子；圖6c的均值為0.119，研究區(qū)NDVImax與Tmin呈正相關(guān)的面積75.57%，主要分布在子長(zhǎng)縣中南部、延川縣西部和延長(zhǎng)縣中北部等地區(qū)，尤其在延川縣賈家坪鎮(zhèn)、子長(zhǎng)縣王家灣鎮(zhèn)等地NDVImax與Tmin之間相關(guān)性較高，呈極顯著正相關(guān)(P<0.01)，占研究區(qū)總面積的1.61%；圖6d的均值為0.033，研究區(qū)NDVImax與Tmax呈正相關(guān)的面積57.02%，主要分布在洛川縣中部、富縣中南部以及黃龍縣。研究區(qū)NDVImax與Tmax呈極顯著負(fù)相關(guān)(P<0.01)的地區(qū)占總面積的3.02%，主要分布在志丹縣南部等地區(qū)。

圖6 1993-2017年NDVImax與PRE(a)、Tmean(b)、Tmin(c)和Tmax(d)相關(guān)系數(shù)空間分布

有研究表明，水熱條件的增加會(huì)促進(jìn)植被生長(zhǎng)，且氣候的變化對(duì)植被生長(zhǎng)影響存在一定的滯后性[23]，這些因素都有可能造成氣候變化對(duì)植被無(wú)顯著性影響，也有可能是不同植被覆蓋對(duì)氣候變化存在差異影響，從而掩飾了氣候變化對(duì)于植被的作用。

2.6 不同植被類型NDVImax對(duì)氣象因子的響應(yīng)機(jī)制

在不同植被覆蓋類型區(qū)氣象因子對(duì)各種植被覆蓋類型的作用有明顯差異。由表1知，針葉林與Tmean和Tmin顯著性相關(guān)，年NDVImax與Tmean和Tmin呈正相關(guān)，相關(guān)系數(shù)分別為0.431(P<0.05)和0.505(P<0.05)；闊葉林僅與Tmin顯著性相關(guān)，年NDVImax與Tmin呈正相關(guān)，相關(guān)系數(shù)分別為0.396(P<0.05)；灌木/草地和人類占用地與PRE和Tmin顯著性相關(guān)，年NDVImax與PRE和Tmin呈正相關(guān)，相關(guān)系數(shù)分別為0.402(P<0.05)、0.409(P<0.05)和0.397(P<0.05)、0.408(P<0.05)；鑲嵌林地和鑲嵌草地僅與Tmin顯著性相關(guān)，年NDVImax與Tmin呈正相關(guān)，相關(guān)系數(shù)分別為0.433(P<0.05)和0.414(P<0.05)；水體與各氣象因子均無(wú)顯著性關(guān)系，Tmax與各種覆蓋類型年NDVImax均無(wú)顯著相關(guān)性，說(shuō)明Tmax在年尺度上對(duì)不同類型植被作用均不顯著。

表1 不同植被類型NDVImax與氣象因子相關(guān)系數(shù)

對(duì)不同植被覆蓋類型年NDVImax與氣象因子建立OLS模型，剔除方差膨脹因子(Variance Inflation Factor，VIF)>7.5的氣象因子，然后采用不同植被類型NDVImax的變化量作為因變量，剔除完VIF>7.5的因子作為自變量，對(duì)NDVImax的變化進(jìn)行GTWR分析(表2)。相比OLS模型，GTWR模型對(duì)于各植被類型與氣象因子的擬合效果顯著提高，不同植被類型的GTWR模型擬合平均R2(0.419)遠(yuǎn)大于OLS模型的擬合平均R2(0.100)，與OLS模型的AICc之差(ΔAICc=5254.78)遠(yuǎn)>3，二者擬合差異明顯，GTWR模型擬合度高于OLS模型。

表2 GTWR與OLS模型結(jié)果比較

對(duì)GTWR模型各因子擬合系數(shù)采用箱線圖描述(圖7)。針葉林箱線圖中，PRE、Tmean、Tmax和Tmin對(duì)NDVImax平均回歸系數(shù)分別為0.040、-0.017、0.030和0.075，表明PRE、Tmax和Tmin對(duì)針葉林NDVImax呈正向影響，Tmean對(duì)針葉林NDVImax呈負(fù)向影響；上下四分位數(shù)范圍分別為-0.053～0.126、-0.152～0.081、-0.076～0.135和0.024～0.136，表明各年份PRE和Tmin密度系數(shù)變化幅度相對(duì)較大，而Tmean和Tmax密度系數(shù)變化差異不顯著；闊葉林箱線圖中，PRE、Tmean、Tmax和Tmin對(duì)NDVImax平均回歸系數(shù)分別為-0.037，-0.008，-0.127和0.112，表明PRE、Tmean和Tmax對(duì)闊葉林NDVImax呈正向影響，Tmin對(duì)闊葉林NDVImax呈負(fù)向影響；上下四分位數(shù)范圍分別為-0.093～0.077、-0.067～0.038、-0.185～-0.076和0.065～0.158，表明各年份PRE和Tmin密度系數(shù)變化幅度相對(duì)較大，而Tmean和Tmax密度系數(shù)變化差異不顯著；灌木/草地箱線圖中，PRE、Tmax和Tmin對(duì)NDVImax平均回歸系數(shù)分別為0.087、0.011和0.030，中位數(shù)分別為0.075、0.013和0.033，表明PRE、Tmax和Tmin對(duì)灌木/草地NDVImax呈正向影響；上下四分位數(shù)范圍分別為0.06～0.168、-0.074～0.094和-0.038～0.092，表明各年份PRE密度系數(shù)變化幅度相對(duì)較大，而Tmax和Tmin密度系數(shù)變化差異不顯著；鑲嵌林地箱線圖中，PRE、Tmean、Tmax和Tmin對(duì)NDVImax平均回歸系數(shù)分別為-0.017、-0.034、0.050和0.112，表明PRE和Tmean對(duì)鑲嵌林地NDVImax呈正向影響，Tmax和Tmin對(duì)鑲嵌林地NDVImax呈負(fù)向影響；上下四分位數(shù)范圍分別為-0.035～0.063、-0.038～-0.030、0.038～0.06和0.111～0.113，表明各年份PRE、Tmean、Tmax和Tmin密度系數(shù)變化差異不顯著；鑲嵌草地箱線圖中，PRE、Tmax和Tmin對(duì)NDVImax平均回歸系數(shù)分別為0.061、-0.094和0.097，表明PRE和Tmin對(duì)鑲嵌草地NDVImax呈正向影響，Tmax對(duì)鑲嵌草地NDVImax呈負(fù)向影響；上下四分位數(shù)范圍分別為-0.008～0.117、-0.216～-0.004和0.025～0.167，表明各年份Tmax密度系數(shù)變化幅度相對(duì)較大，而PRE和Tmin密度系數(shù)變化差異不顯著。

圖7 GTWR擬合回歸系數(shù)箱型

3 結(jié)論與討論

隨著國(guó)家對(duì)延安市實(shí)行大規(guī)模退耕還林等生態(tài)修復(fù)工作以來(lái)，延安市植被動(dòng)態(tài)變化監(jiān)測(cè)已成為目前研究的熱點(diǎn)[25-26]，但目前很少研究不同植被覆蓋類型變化及其與氣象因子關(guān)系，由于單一植被生態(tài)系統(tǒng)在水土保持、調(diào)節(jié)氣候等方面與多植被類型存在很大差距，所以研究不同植被覆蓋類型變化具有較深的意義。對(duì)此，本研究定量探究了不同植被覆蓋類型變化及其與氣象因子關(guān)系，揭示了不同植被類型對(duì)氣象因子的響應(yīng)規(guī)律。與MODIS數(shù)據(jù)相比，Landsat衛(wèi)星具有時(shí)間跨度長(zhǎng)、空間分辨率高(30 m)的優(yōu)勢(shì)，能夠?yàn)殚L(zhǎng)時(shí)序植被動(dòng)態(tài)監(jiān)測(cè)提供更好的數(shù)據(jù)支撐。GEE平臺(tái)可以提供大量的數(shù)據(jù)，這樣為今后長(zhǎng)時(shí)序、大幅度研究提供了便捷。

本研究基于ESA CCI-LC植被覆蓋分類數(shù)據(jù)以及Landsat數(shù)據(jù)集，使用Slope+Manna-Kendall非參數(shù)檢驗(yàn)方法，分析全區(qū)和不同植被覆蓋類型區(qū)內(nèi)NDVImax與氣象因子時(shí)間變化特征與變化趨勢(shì)，并應(yīng)用重心遷移模型分析其空間變化特征，最后應(yīng)用最小二乘法和時(shí)空地理加權(quán)回歸模型進(jìn)一步揭示不同植被覆蓋類型區(qū)內(nèi)NDVImax分異特征及其驅(qū)動(dòng)力，得到以下結(jié)論。

1)1993-2017年，延安市全區(qū)植被年NDVImax整體呈現(xiàn)波動(dòng)增長(zhǎng)趨勢(shì)，NDVImax均值由1993年的0.239增加到2017年的0.386，針葉林、闊葉林、灌木/草地面積呈現(xiàn)增加趨勢(shì)，而鑲嵌林地和鑲嵌草地面積則呈現(xiàn)減少趨勢(shì)。不同植被覆蓋類型年NDVImax也呈現(xiàn)增長(zhǎng)趨勢(shì)，其中針葉林增加幅度最大，為0.009 1/a。這與朱會(huì)利等[25]、何立恒等[26]的研究結(jié)果相一致，這表明自延安市生態(tài)修復(fù)工程以來(lái)，植被覆蓋狀況極大改善。

2)延安市全區(qū)NDVI與氣象因子(Tmean、PRE、Tmax和Tmin)之間沒(méi)有顯著相關(guān)性，但在不同植被覆蓋類型情況下，氣象因子對(duì)NDVImax存在顯著性作用。這說(shuō)明對(duì)植被類型進(jìn)行分類更加有利于揭示氣象因子對(duì)于植被的作用機(jī)制。其中，針葉林年NDVImax與Tmean和Tmin呈現(xiàn)顯著性正相關(guān)，相關(guān)系數(shù)分別為0.431(P<0.05)和0.505(P<0.05)；闊葉林年NDVImax僅與Tmin呈現(xiàn)顯著性正相關(guān)，相關(guān)系數(shù)分別為0.396(P<0.05)；灌木/草地和人類占用地年NDVImax與PRE和Tmin呈現(xiàn)顯著性正相關(guān)，相關(guān)系數(shù)分別為0.402(P<0.05)、0.409(P<0.05)和0.397(P<0.05)、0.408(P<0.05)；鑲嵌林地和鑲嵌草地年NDVImax僅與Tmin呈現(xiàn)顯著性相關(guān)，相關(guān)系數(shù)分別為0.433(P<0.05)和0.414(P<0.05)。

3)針葉林主要分布在洛川縣，遷移速率分別為100.64 m/a；灌木/草地重心主要分布在安塞縣，遷移速率為47.46 m/a；鑲嵌草地主要分布在甘泉縣，遷移速率為75.85 m/a；鑲嵌林地和闊葉林主要分布在富縣，遷移速率為分別為166.31 m/a和27.04 m/a。

4)Tmean對(duì)闊葉林和鑲嵌林地NDVImax呈現(xiàn)正向影響，對(duì)針葉林NDVImax呈現(xiàn)負(fù)向影響；PRE對(duì)各種植被類型NDVImax均呈現(xiàn)正向影響；Tmax對(duì)針葉林、闊葉林和灌木/草地NDVImax呈現(xiàn)正向影響，對(duì)鑲嵌草地和鑲嵌林地NDVImax呈現(xiàn)負(fù)向影響；Tmin對(duì)針葉林、灌木/草地和鑲嵌草地NDVImax呈現(xiàn)正向影響，對(duì)闊葉林和鑲嵌林地NDVImax呈現(xiàn)負(fù)向影響。