2000-2020年陜西省植被NDVI時(shí)空變化及氣候因子探測(cè)

李霞,王孝康,劉秀花,張樂(lè)藝,金相皓,陳永昊

(1.長(zhǎng)安大學(xué)土地工程學(xué)院,西安 710054;2.國(guó)家林業(yè)和草原局西北調(diào)查規(guī)劃院,西安 710041;3.長(zhǎng)安大學(xué)水利與環(huán)境學(xué)院,西安 710054;4.旱區(qū)地下水文與生態(tài)效應(yīng)教育部重點(diǎn)實(shí)驗(yàn)室,西安 710054)

全球變暖導(dǎo)致極端天氣和氣候事件更頻繁地發(fā)生,對(duì)生態(tài)系統(tǒng)產(chǎn)生重大影響[1]。植被是陸地生態(tài)系統(tǒng)的重要組成部分,連接著大氣圈、土壤圈、水圈等多個(gè)圈層[2],在水土保持、氣候調(diào)節(jié)、碳氮循環(huán)等生態(tài)系統(tǒng)服務(wù)方面發(fā)揮著至關(guān)重要的作用[3]。因此,研究植被變化及其驅(qū)動(dòng)力對(duì)生態(tài)環(huán)境具有重要意義[4]。

植被變化研究一直備受關(guān)注,歸一化植被指數(shù)(normalized difference vegetation index,NDVI)是植被生長(zhǎng)狀況和植被空間分布密度的良好指標(biāo)[5],常用來(lái)表征植被分布與變化。不同地域的水熱條件差異會(huì)顯著影響陸地生態(tài)系統(tǒng)植被生長(zhǎng)[6],降水是控制植被生長(zhǎng)的關(guān)鍵因素,特別是干旱半干旱地區(qū),土壤水分會(huì)嚴(yán)重限制植被發(fā)育[7]。氣溫控制著植被光合作用,同時(shí)氣溫升高可能會(huì)影響植被物候、延長(zhǎng)生長(zhǎng)季,進(jìn)而對(duì)植被生長(zhǎng)產(chǎn)生顯著影響[8]。Gao等[9]在毛烏素地沙地NDVI變化研究中,得出氣溫和降水能夠較好地解釋植被動(dòng)態(tài)變化,且不同時(shí)間尺度上主導(dǎo)因素不同。楊延征等[10]使用SPOT-VGT NDVI對(duì)陜北地區(qū)植被的時(shí)空變化進(jìn)行分析,研究得出氣溫和降水是影響植被變化的重要?dú)夂蛞蜃?。鄧晨暉等[11]通過(guò)趨勢(shì)分析、多元回歸殘差法、偏最小二乘回歸法,分析了秦嶺地區(qū)2000—2015年植被覆蓋的變化特征,探究了其對(duì)氣候變化與人類(lèi)活動(dòng)的雙重響應(yīng)機(jī)制。已有研究中相關(guān)分析、偏最小二乘回歸和多元回歸分析等方法較為常用,然而陸地植被生長(zhǎng)對(duì)驅(qū)動(dòng)因子響應(yīng)是一個(gè)復(fù)雜的過(guò)程,往往是非線(xiàn)性和交互關(guān)系,而傳統(tǒng)的統(tǒng)計(jì)方法只有當(dāng)植被變化與其驅(qū)動(dòng)力之間的關(guān)系為線(xiàn)性時(shí)才有效[12],因此在開(kāi)展復(fù)雜地貌單元生態(tài)系統(tǒng)對(duì)比研究時(shí)常常不能凸顯出其優(yōu)勢(shì)。近年來(lái),新的模型與分析方法在不斷發(fā)展,如交叉小波分析[13]、支持向量機(jī)(Support Vector Machines,SVM)[14]、地理探測(cè)器等,其中地理探測(cè)器是一種用于探測(cè)空間分異性,不必遵循傳統(tǒng)統(tǒng)計(jì)方法的線(xiàn)性假設(shè),是揭示自變量對(duì)因變量影響機(jī)制的模型,在土地利用、植被生態(tài)方面受到學(xué)者關(guān)注,得到廣泛應(yīng)用[15-16]。

陜西是黃河和秦嶺國(guó)家生態(tài)保護(hù)戰(zhàn)略的重點(diǎn)區(qū),作為天然保護(hù)林及退耕還林等生態(tài)工程的重要實(shí)施地區(qū)和植被恢復(fù)明顯的典型省級(jí)區(qū)域,地跨毛烏素沙地、黃土高原、關(guān)中平原、秦巴山地,地貌類(lèi)型復(fù)雜多樣,南北自然條件迥異,水土流失、沙化等環(huán)境問(wèn)題主導(dǎo)因素不同[17]。不同地區(qū)的植被覆蓋空間差異顯著,對(duì)氣候因子的響應(yīng)也有所不同,因此多年來(lái)對(duì)陜西省植被變化及其影響的研究備受關(guān)注。但已有研究多以全省或單獨(dú)以毛烏素沙地、黃土高原、關(guān)中平原、秦嶺山區(qū)等作為研究區(qū)[17-22],基于分區(qū),對(duì)陜西不同區(qū)域的綜合對(duì)比分析未開(kāi)展深入研究,且多從降水與氣溫均值的角度加以分析,未能進(jìn)一步分離量化各氣候因子的貢獻(xiàn)。

鑒于此,本研究基于MODIS NDVI、年均高溫、年均低溫、年均溫、年總降水量等數(shù)據(jù),運(yùn)用Theil-Sen Median趨勢(shì)、偏相關(guān)分析、地理探測(cè)器等方法,結(jié)合不同地貌單元生態(tài)系統(tǒng)特征,分離相關(guān)因素,探究2000—2020 年期間陜西省植被NDVI時(shí)空變化及其與氣候因子的時(shí)間響應(yīng)關(guān)系。旨在明確陜西省近20年來(lái)植被NDVI的變化趨勢(shì),該種趨勢(shì)是否在不同地貌單元存在顯著變化? 植被對(duì)氣候因子如何響應(yīng),這種關(guān)系在不同地貌單元上有何規(guī)律和差異?

1 研究區(qū)與研究數(shù)據(jù)

1.1 研究區(qū)概況

陜西省位于105°29′—111°15′E,31°42′—39°35′N(xiāo),總面積2.056×105km2,處于長(zhǎng)江和黃河中游地區(qū),主要有高原、山地、平原和盆地等多種地形,地勢(shì)南北高、中間低。陜西省南北氣候差異較大,橫跨3個(gè)氣候帶,陜北北部長(zhǎng)城沿線(xiàn)屬中溫帶氣候,陜南屬北亞熱帶氣候,關(guān)中及陜北大部分屬暖溫帶氣候(圖1)。全省年平均氣溫為9～16℃,自南向北、自東向西遞減,全省年平均降水量為340～1 240 mm,降水量南多北少,陜南為濕潤(rùn)區(qū),關(guān)中為半濕潤(rùn)區(qū),陜北為半干旱區(qū)。全省植被類(lèi)型復(fù)雜多樣,分布差異大,其中陜北長(zhǎng)城以北分布沙生植物,植被稀疏,長(zhǎng)城以南的榆林南部及延安北部生長(zhǎng)有灌木等植被,水土流失嚴(yán)重,植被覆蓋較低,北山山脈分布有落葉闊葉林,植被覆蓋較高。關(guān)中地區(qū)分布大量農(nóng)業(yè)植被,城市發(fā)展導(dǎo)致植被覆蓋較低。陜南秦嶺主體及其以北分布著以暖溫帶落葉闊葉林為主的植被,巴山地區(qū)分布有常綠闊葉林和落葉闊葉林,植被覆蓋狀況好。

圖1 研究區(qū)概況Fig.1 Overview of the study area

1.2 研究數(shù)據(jù)

NDVI數(shù)據(jù)基于MODIS NDVI MOD13Q1數(shù)據(jù)產(chǎn)品(https:∥adsweb.nascom.nasa.gov/),通過(guò)裁剪、鑲嵌、投影變換、重采樣,使用最大合成法計(jì)算得出逐月植被NDVI,將一年內(nèi)植被NDVI最大值數(shù)據(jù)作為年植被NDVI數(shù)據(jù),得到2000—2020年陜西省1 km 分辨率植被NDVI數(shù)據(jù)。年均高溫、年均低溫、年均溫及年總降水量數(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)。該數(shù)據(jù)是根據(jù)CRU 發(fā)布全球0.5°氣候數(shù)據(jù)以及WorldClim 發(fā)布的全球高分辨率氣候數(shù)據(jù),通過(guò)Delta空間降尺度方案在中國(guó)地區(qū)降尺度生成,并用496個(gè)獨(dú)立氣象觀測(cè)點(diǎn)數(shù)據(jù)進(jìn)行驗(yàn)證得到,經(jīng)格式轉(zhuǎn)換、裁剪、投影變換得到2000—2020年陜西省1 km 分辨率的年均高溫、年均低溫、年均溫及年總降水量數(shù)據(jù),其中年均高(低)溫定義為研究區(qū)域內(nèi)每個(gè)1 km×1 km 柵格像元一年內(nèi)每日最高(低)氣溫的均值。

2 研究方法

(1)Theil-Sen Median 趨勢(shì)分析+Mann-Kendall檢驗(yàn)。Theil-Sen Median 趨勢(shì)分析是一種非參數(shù)統(tǒng)計(jì)方法,其優(yōu)點(diǎn)不需要樣本遵循特定分布,計(jì)算效率高且對(duì)異常值不敏感,不會(huì)降低其準(zhǔn)確性,具有避免測(cè)量誤差或異常數(shù)據(jù)的強(qiáng)大能力。對(duì)不同線(xiàn)性回歸模型的比較表明,該方法在小樣本的情況下具有顯著優(yōu)勢(shì)[23]。

式中:S為植被變化的趨勢(shì);Median為中值函數(shù);xi,xj為第i和第j年的NDVI數(shù)據(jù)。當(dāng)S＞0時(shí),NDVI表現(xiàn)為上升趨勢(shì),反之則呈下降趨勢(shì)。Mann-Kendall(MK)檢驗(yàn)是一種非參數(shù)檢驗(yàn),這意味著不需要事先假設(shè)數(shù)據(jù)的統(tǒng)計(jì)分布,歸一化統(tǒng)計(jì)量Z主要用于測(cè)試時(shí)間序列的趨勢(shì)和顯著性,一般認(rèn)為|Z|≥1.96,即通過(guò)了顯著性檢驗(yàn):公式如下:

(2)偏相關(guān)分析。本研究采用偏相關(guān)分析方法研究年均高溫、年均低溫、年均溫及年總降水量與NDVI之間的偏相關(guān)程度,主要是將控制其中3個(gè)氣候因子,只分析一個(gè)氣候因子與NDVI的相關(guān)程度,偏相關(guān)系數(shù)的正負(fù)表示年均高溫、年均低溫、年均溫及年總降水量與NDVI間的正負(fù)相關(guān)性[24]。

式中:rij,zyz為偏相關(guān)系數(shù),rij,zyz＞0,則呈正相關(guān),rij,zyz＜0,則呈負(fù)相關(guān)。

(3)地理探測(cè)器。地理探測(cè)器(Geodetector)是一個(gè)用于空間數(shù)據(jù)分析的開(kāi)源統(tǒng)計(jì)模型(http:∥www.geodetector.cn/),是通過(guò)空間分層異質(zhì)性觀點(diǎn)來(lái)確定兩個(gè)變量空間分布的相似性[15]。地理探測(cè)器由因子探測(cè)、交互探測(cè)、風(fēng)險(xiǎn)探測(cè)和生態(tài)探測(cè)組成,本研究主要使用前兩種功能。

因子探測(cè)用于檢測(cè)各影響因素對(duì)NDVI(Y)的空間異質(zhì)性的解釋程度。

式中:h=1,2,…,p。L是變量(Y)或因子(X)的分層;Nh和N分別是層h和整個(gè)區(qū)域的單元數(shù);δ2h和δ2分別是分層h和整個(gè)區(qū)域的(Y)值的方差。q的取值范圍為[0,1]。q的值越大,因子(X)對(duì)變量(Y)的解釋力就越強(qiáng),q=0意味著兩者無(wú)關(guān)。

因子交互用來(lái)識(shí)別兩因子是否對(duì)因變量Y有交互作用,即這兩個(gè)因子共同作用時(shí),是增加還是減少對(duì)NDVI的解釋力,交互類(lèi)型見(jiàn)表1。

表1 地理探測(cè)器因子交互類(lèi)型Table 1 Types of geodetector factor interactions

3 結(jié)果與分析

3.1 NDVI時(shí)空變化分析

3.1.1 NDVI空間分布特征 由圖2可知,陜西省多年NDVI為0.02～0.96,均值為0.71。參照李霞等[16]研究,本研究采用等間隔法,將NDVI空間分布劃分為5個(gè)等級(jí):低植被覆蓋(0～0.2)、中低(0.2～0.4)、中植被覆蓋(0.4～0.6)、中高植被覆蓋(0.6～0.8)、高植被覆蓋(0.8～1.0)。全省植被覆蓋南高北低,呈現(xiàn)由南部向北部地區(qū)逐漸遞減。陜南秦巴地區(qū)植被覆蓋主要以高植被覆蓋為主,占比88%,其次中高植被覆蓋占比11.6%,中等以下植被覆蓋占比0.4%。關(guān)中地區(qū)植被覆蓋以中高植被覆蓋為主,占比50%,其次高植被覆蓋占比38.9%,中等及以下植被覆蓋占比11.1%。陜北植被覆蓋低,以中等植被覆蓋為主,占比50.4%,其次高植被覆蓋占比12.8%,中低及以下植被覆蓋占比14.3%。

圖2 陜西省多年植被NDVI值及植被空間分布Fig.2 Multi-year vegetation NDVI values and spatial distribution of vegetation in Shaanxi Province

全省高植被覆蓋區(qū)占比44.9%,主要集中分布在秦嶺南麓勉縣—留壩—太白南—佛坪—洋縣—寧陜—鎮(zhèn)安—旬陽(yáng)—白河一帶和巴山北麓南鄭—鎮(zhèn)巴—紫陽(yáng)—嵐皋—平利—鎮(zhèn)坪一帶,在黃陵和黃龍等地呈零散分布,中高植被區(qū)占比26.3%,主要分布在北山山脈一帶、寶雞西北部、秦嶺與關(guān)中交界一帶、秦嶺東部;中等植被覆蓋區(qū)占比22.9%,主要分布陜北長(zhǎng)城以南,北山山脈以北;中低及低植被覆蓋區(qū)占比5.9%,主要在陜北長(zhǎng)城沿線(xiàn)以北以及西安城區(qū)。

3.1.2 NDVI時(shí)空動(dòng)態(tài)變化特征 如圖3A 所示,總體來(lái)看,2000—2020年陜西省NDVI在時(shí)間上呈現(xiàn)出波動(dòng)增加的趨勢(shì),增加速率為5.9%/10 a,NDVI在0.62～0.76之間波動(dòng),各分區(qū)在NDVI增加速率上,陜北地區(qū)＞關(guān)中地區(qū)＞陜南地區(qū),其中陜北地區(qū)NDVI增加速率為9.7%/10 a,NDVI在0.41～0.64之間波動(dòng),關(guān)中地區(qū)增加速率為3.6%/10 a,NDVI在0.67～0.79之間波動(dòng),陜南地區(qū)增加速率為3.1%/10 a。

圖3 陜西省及各分區(qū)植被NDVI時(shí)間變化(A)、空間變化趨勢(shì)(B)及顯著性(C)Fig.3 Temporal variation(A),spatial trend(B)and significance(C)of vegetation NDVI in Shaanxi Province and each subregion in Shaanxi Province and each subzone

2000—2020年陜西省NDVI在空間上整體以上升為主,變化率在-0.040～0.043/a之間,平均趨勢(shì)為0.006/a(圖3B),各分區(qū)變化趨勢(shì)為陜北(0.01/a)＞關(guān)中(0.004/a)＞陜南(0.003/a),主要因?yàn)殛儽钡貐^(qū)植被覆蓋基數(shù)相對(duì)較差,近年來(lái)的植被恢復(fù)措施效果明顯。關(guān)中地區(qū)城市化擴(kuò)張迅速、農(nóng)業(yè)發(fā)展良好等多種因素共同導(dǎo)致NDVI發(fā)生變化。陜南地區(qū)植被覆蓋現(xiàn)狀較好,相比而言NDVI變化速率較慢(圖3A)。全省有93.3%的區(qū)域NDVI呈現(xiàn)增長(zhǎng)趨勢(shì),其中陜北增長(zhǎng)區(qū)域占比最大(42.2%),其次為陜南(34.2%)、關(guān)中(23.6%);全省6.7%的區(qū)域NDVI呈減少趨勢(shì),以關(guān)中地區(qū)為主(74.7%),其次為陜南(18.7%)、陜北(6.6%)。同時(shí)各分區(qū)均呈現(xiàn)整體增長(zhǎng)的趨勢(shì),增長(zhǎng)區(qū)域陜北(98.9%)＞陜南(96.4%)＞關(guān)中(82.4%),關(guān)中地區(qū)減少區(qū)域在各分區(qū)中最大(17.6%),其次為陜南(3.6%)、陜北(1.1%)。

結(jié)合MK 顯著性檢驗(yàn)結(jié)果,如圖3C 所示,將NDVI趨勢(shì)變化劃分為嚴(yán)重退化、輕微退化、穩(wěn)定不變、輕微改善、明顯改善5個(gè)等級(jí)。全省植被顯著改善區(qū)域比例達(dá)67%,主要分布在陜北和陜南地區(qū),其中陜北占顯著改善區(qū)域的46%,其次為陜南(33.3%)、關(guān)中(20.7%),這與陜北大力實(shí)施退耕還林還草、植被造林等生態(tài)恢復(fù)工程有著密切的關(guān)系,而秦巴山地涵養(yǎng)水源功能較好,對(duì)氣候適應(yīng)性較強(qiáng),受人類(lèi)活動(dòng)破壞影響較小,隨著退耕還林及天保工程的逐步實(shí)施,植被在不斷改善,區(qū)域生態(tài)恢復(fù)取得明顯效果。輕微改善區(qū)域占比10.4%,主要零散分布在陜北地區(qū)的定邊關(guān)中、渭河沿岸以及陜南秦嶺南麓各縣,其中關(guān)中地區(qū)占輕微改善區(qū)域比例最大(40.6%),其次為陜南(38.8%),陜北(20.6%),而植被顯著退化及輕微退化區(qū)域分別占18.2%,2.5%,主要在關(guān)中地區(qū)(分別占比80%,73.4%),集中分布在西安、渭南、富平、鄠邑、涇陽(yáng)、眉縣等地,這些區(qū)域人口密度較大,生產(chǎn)活動(dòng)較為頻繁,城市建設(shè)迅速,大量的農(nóng)業(yè)用地被占用,使得植被覆蓋度降低,漢中及安康等城區(qū)是陜南人口密度大、活動(dòng)頻繁的地區(qū),植被也有所退化。

3.2 氣候因子時(shí)空變化分析

3.2.1 氣候因子時(shí)間動(dòng)態(tài)特征 如圖4所示,2000—2020年陜西省氣溫、降水在時(shí)間上整體呈緩慢變化趨勢(shì),氣候有暖濕化的可能,2000—2012年全省及各分區(qū)年均高溫和年均溫變化曲線(xiàn)大致相似,2014—2020年年均高溫、年均低溫及年均溫變化曲線(xiàn)大致相似,在2013年年均高溫突降,而年均溫反增,年均低溫稍增,2013年前年均溫和年均高溫可能關(guān)聯(lián)性較強(qiáng),而2013年以后年均溫和年均高溫、年均低溫關(guān)系均較強(qiáng)。整個(gè)研究期內(nèi)全省年均高溫變化速率為-0.042℃/10 a,年均低溫變化速率為0.09℃/10 a,表現(xiàn)為陜南＞關(guān)中＞陜北;年均溫變化速率為0.039℃/10 a,表現(xiàn)為關(guān)中＞陜北＞陜南;年總降水量變化速率為5.98 mm/10 a,表現(xiàn)為陜北＞陜南＞關(guān)中。

圖4 陜西省及各分區(qū)年均高溫(A)、年均低溫(B)、年均溫(C)及年總降水(D)時(shí)間變化趨勢(shì)Fig.4 Temporal trends in mean annual high temperature(A),mean annual low temperature(B),mean annual temperature(C)and total annual precipitation(D)in Shaanxi Province and the sub-regions

3.2.2 氣候因子空間分布及變化趨勢(shì) 3種氣候因子高值區(qū)在空間分布上較為一致,主要分布在秦嶺南麓及關(guān)中地區(qū),主要以秦嶺為界,低值區(qū)主要分布在秦嶺地區(qū)和陜北地區(qū)(圖5A,5D,5G)。對(duì)3種氣溫因子分別進(jìn)行趨勢(shì)分析,全省年均高溫變化趨勢(shì)在-0.010～0.040℃/a之間,75.2%的區(qū)域年均高溫呈現(xiàn)降低趨勢(shì),主要分布在陜北延安西部、關(guān)中地區(qū)以及陜南漢中盆地等地,通過(guò)顯著性檢驗(yàn)的區(qū)域零散分布在秦嶺西部及南麓。24.8%的區(qū)域呈現(xiàn)升高趨勢(shì),主要分布在陜北榆林東部及北部和定邊等地,且年均高溫升高區(qū)域基本全部通過(guò)顯著性檢驗(yàn)(圖5B,5C)。全省年均低溫變化趨勢(shì)在-0.040～0.051℃/a之間,63.7%的區(qū)域年均低溫呈現(xiàn)升高趨勢(shì),但僅有秦嶺西南部通過(guò)了顯著性檢驗(yàn)。36.3%的區(qū)域年均低溫呈現(xiàn)降低趨勢(shì),主要分布在延安及關(guān)中地區(qū)西部,但顯著性不強(qiáng)(圖5E,5F)。全省年均溫變化趨勢(shì)在-0.05～0.043℃/a之間,59.1%的區(qū)域年均溫呈現(xiàn)降低趨勢(shì),主要分布在延安及關(guān)中地區(qū)西部,但顯著性不強(qiáng),41.95%的區(qū)域年均溫呈現(xiàn)上升趨勢(shì),主要分布在榆林東部及北部和定邊等地,顯著性不強(qiáng)(圖5H,5I)。

圖5 陜西省年均高溫(A,B,C)、年均低溫(D,E,F)、年均溫(G,H,I)及年總降水(J,K,L)空間分布及變化趨勢(shì)Fig.5 Spatial distribution and trends of annual average high temperature(A,B,C),annual average low temperature(D,E,F),annual average temperature(G,H,I)and annual total precipitation(J,K,L)in Shaanxi Province

全省年總降水量與NDVI分布相似,陜南地區(qū)最高,由南向北逐漸降低,陜北降水最少,主要由于陜北主要為黃土高原、毛烏素沙地等,地處干旱半干旱區(qū),全年干旱少雨。對(duì)其進(jìn)行趨勢(shì)分析,全省變化趨勢(shì)在-5.867～5.566 mm/a之間,70.1%的地區(qū)年總降水量呈現(xiàn)出增加的趨勢(shì),29.8%的區(qū)域年總降水量呈現(xiàn)出減少的趨勢(shì),主要為秦嶺地區(qū),但均不顯著(圖5J,5K,5L)。

3.3 植被NDVI對(duì)氣候因子的響應(yīng)

3.3.1 植被NDVI與氣候因子偏相關(guān)分析 不同地區(qū)水熱條件不同,植被變化存在空間差異,本文將年均高溫、年均低溫、年均溫、年總降水量作為自變量,NDVI作為因變量,對(duì)其進(jìn)行偏相關(guān)分析。如圖6A 所示,NDVI與年均高溫的偏相關(guān)系數(shù)在-0.95～0.84之間。全省及各分區(qū)NDVI與年均高溫整體呈負(fù)相關(guān),全省占比為83.8%,各分區(qū)占比為陜南(88.3%)＞陜北(87.0%)＞關(guān)中(74.3%)。全省16.2%的區(qū)域NDVI與年均高溫呈正相關(guān),分布在定邊、榆陽(yáng)、延長(zhǎng)、吳堡、銅川、渭南、咸陽(yáng)、寶雞、漢中等地。

圖6 陜西省植被NDVI和偏相年均高溫(A)、年均低溫(B)、年均溫(C)及年降水(D)偏相關(guān)系數(shù)Fig.6 Partial correlation coefficients of vegetation NDVI and annual average high temperature(A),annual average low temperature(B),annual average temperature(C)and annual total precipitation(D)in Shaanxi Province

全省及各分區(qū)NDVI與年均低溫、年均溫及年降水整體呈正相關(guān)(圖6B、圖6C、圖6D)。其中NDVI與年均低溫的偏相關(guān)系數(shù)在-0.82～0.93之間,全省呈正相關(guān)的區(qū)域占比為68.2%,各分區(qū)占比為陜南(86.3%)＞關(guān)中(74.5%)＞陜北(50.2%),全省與年均溫負(fù)相關(guān)區(qū)域占比31.8%;NDVI與年均溫的偏相關(guān)系數(shù)在-0.81～0.89之間。全省呈正相關(guān)的區(qū)域占比56.1%,各分區(qū)占比為陜北(85.1%)＞關(guān)中(44.1%)＞陜南(31.3%),集中分布在陜北、關(guān)中北部。全省與年均溫負(fù)相關(guān)區(qū)域占比43.9%;NDVI與年總降水量的偏相關(guān)系數(shù)在-0.81～0.84之間。全省及呈正相關(guān)的區(qū)域占比為56.5%,各分區(qū)占比為陜北(83.1%)＞關(guān)中(47.1%)＞陜南(32.5%),集中分布在陜北北部及東部、關(guān)中中部及北部等。全省與年總降水量呈負(fù)相關(guān)區(qū)域占比43.5%,集中分布在黃土高原中部。

3.3.2 NDVI對(duì)降水和氣溫的響應(yīng) 地理探測(cè)器單因子探測(cè)結(jié)果顯示(表2),4種氣候因子年均高溫(X1)、年均低溫(X2)、年均溫(X3)、年總降水量(X4)對(duì)植被NDVI的貢獻(xiàn)(q值)存在明顯差異,不同地區(qū)的q值也不相同。陜西省年總降水量的貢獻(xiàn)最大(q=0.778),其次為年均低溫、年均高溫、年均溫。陜北地區(qū)的各因子貢獻(xiàn)度與陜西省類(lèi)似,年總降水量貢獻(xiàn)最大(q=0.798),然而在關(guān)中地區(qū),年均高溫對(duì)NDVI的貢獻(xiàn)最大(q=0.650)。其次為年均溫、年均低溫、年總降水量,對(duì)于陜南地區(qū),年均高溫的貢獻(xiàn)最大(q=0.455),其次為年均溫,年均低溫和年總降水量的貢獻(xiàn)較小,且未通過(guò)顯著性檢驗(yàn)(p＜0.05)。

表2 單因子探測(cè)結(jié)果Table 2 Single factor detection results

因子交互結(jié)果顯示(表3),無(wú)論是非線(xiàn)性增強(qiáng)還是雙因子增強(qiáng),降水和氣溫之間交互均強(qiáng)于氣溫之間交互。對(duì)于全省和陜北地區(qū),各交互作用類(lèi)型相似,年均高溫、年均低溫、年均溫互相交互時(shí),其作用對(duì)NDVI的影響均為非線(xiàn)性增強(qiáng),交互作用的貢獻(xiàn)大于氣溫因子各自單獨(dú)作用時(shí)的貢獻(xiàn)之和,當(dāng)年均高溫、年均低溫、年均溫與年總降水量分別交互時(shí),其影響力均為雙因子增強(qiáng),交互作用的貢獻(xiàn)均大于各單一因子的貢獻(xiàn)。在各交互作用中,年均高溫∩年總降水量的影響力最大。全省各交互作用大小為年均高溫∩年總降水量(0.866)＞年均溫∩年總降水量(0.846)＞年均低溫∩年總降水量(0.829)＞年均高溫∩年均低溫(0.810)＞年均低溫∩年均溫(0.653)＞年均高溫∩年均溫(0.650),氣溫參與交互增強(qiáng)了降水的貢獻(xiàn)。陜北地區(qū)各交互作用大小為年均高溫∩年總降水量(0.899)＞年均溫∩年總降水量(0.883)＞年均低溫∩年總降水量(0.860)＞年均高溫∩年均低溫(0.806)＞年均低溫∩年均溫(0.760)＞年均高溫∩年均溫(0.694)。

表3 多因子交互結(jié)果Table 3 Multi-factor interaction results

陜南地區(qū)與全省和陜北地區(qū)相反,年均高溫、年均低溫、年均溫彼此交互時(shí),均為雙因子增強(qiáng),即交互作用的貢獻(xiàn)均大于各單一因子的貢獻(xiàn),而與年總降水量交互時(shí),為非線(xiàn)性增強(qiáng),即交互作用的貢獻(xiàn)大于各自單獨(dú)作用時(shí)的貢獻(xiàn)之和,同樣也是年均高溫∩年總降水量影響力最大,各交互作用大小為年均高溫∩年總降水量(0.617)＞年均溫∩年總降水量(0.594)＞年均低溫∩年總降水量(0.586)＞年均高溫∩年均低溫(0.549)＞年均高溫∩年均溫(0.516)＞年均低溫∩年均溫(0.462)。關(guān)中地區(qū)各因子交互作用影響力均為雙因子增強(qiáng),交互作用的貢獻(xiàn)均大于各單一因子的貢獻(xiàn),年均溫∩年總降水量影響力最大,各交互作用大小年均溫∩年總降水量(0.748)＞年均高溫∩年總降水量(0.741)＞年均低溫∩年總降水量(0.728)＞年均高溫∩年均低溫(0.689)＞年均高溫∩年均溫(0.679)＞年均低溫∩年均溫(0.642)。

4 討論

植被變化是一個(gè)長(zhǎng)期復(fù)雜的動(dòng)態(tài)過(guò)程,受自然和人類(lèi)活動(dòng)的共同作用。本研究發(fā)現(xiàn),陜西省NDVI由南至北逐漸降低,整體以改善為主,陜北最為明顯,與已有研究較為一致[17-20],降水和氣溫是影響植被生長(zhǎng)的主要因素,多年來(lái)氣候具有暖濕化的趨勢(shì),可能有利于植被生長(zhǎng)[17,25],另外,陜西省及各分區(qū)氣候與植被NDVI變化趨勢(shì)不同步,一方面,這可能是由于氣候變化的影響存在滯后和累計(jì)效應(yīng)[26],另一方面,近年來(lái)全省大力實(shí)施退耕還林還草、天然林保護(hù)等生態(tài)工程,在一定程度上增加了植被NDVI[7,27]。隨著“雙碳”目標(biāo)的實(shí)施,政府逐步開(kāi)展國(guó)土科學(xué)綠化工作,大力進(jìn)行國(guó)家儲(chǔ)備林及碳匯林建設(shè),未來(lái)植被改善趨勢(shì)會(huì)進(jìn)一步凸顯。

長(zhǎng)城沿線(xiàn)和毛烏素沙地東南部植被表現(xiàn)出與高溫負(fù)相關(guān),與低溫、均溫和降水呈正相關(guān),而陜北中南部則與低溫和高溫呈負(fù)相關(guān),一方面,這些區(qū)域同屬干旱半干旱區(qū),降水相對(duì)較為匱乏,植被對(duì)降水的需求大,降水成了制約植被生長(zhǎng)的重要因素,這與前人研究一致[25,28]。另一方面,氣候寒冷,積溫不足,植被生長(zhǎng)需要一定的熱量條件,氣溫的上升,尤其是低溫的上升,對(duì)該地區(qū)的植被生長(zhǎng)起到了促進(jìn)作用[20,29],然而,植被生長(zhǎng)有最適范圍,超過(guò)最適范圍會(huì)進(jìn)一步加劇地區(qū)土壤蒸發(fā)和植被蒸騰,從而造成地表缺水,水土流失加劇,對(duì)降水量稀少的干旱半干旱地區(qū)的植被生長(zhǎng)造成不利作用[26]。但是子午嶺一帶山脈海拔較高,本身植被覆蓋相對(duì)較高,涵養(yǎng)水源能力較好,與年總降水量呈現(xiàn)微弱的負(fù)相關(guān),適宜的光照和氣溫促進(jìn)植物光合作用,而溫度過(guò)高或過(guò)低均會(huì)抑制植被生長(zhǎng)[18,27]。在氣候因子中,降水對(duì)植被的影響最強(qiáng),并且與氣溫尤其是與高溫交互顯著提高了對(duì)植被的作用,這與賀軍奇等[25]在毛烏素沙地東南部的研究有所差異,可能是因?yàn)檠芯繀^(qū)域以及研究時(shí)間尺度不同。

秦嶺及以南大部分地區(qū)降水量多,導(dǎo)致了植被對(duì)降水的敏感性降低。一般而言,對(duì)于大多數(shù)區(qū)域,太陽(yáng)日照對(duì)植被產(chǎn)生影響,一方面降水量的增加意味著日照減少,光合作用減弱,在一定程度上抑制了植被的生長(zhǎng)。同時(shí)該區(qū)域海拔高,溫度較低,熱量成為植被生長(zhǎng)的主要限制因素,溫度較低時(shí),植被生長(zhǎng)不利,溫度升高,植被物候提前,生長(zhǎng)季延長(zhǎng),植被長(zhǎng)勢(shì)變好與溫度繼續(xù)升高加劇了植被蒸騰,而且植被具有調(diào)節(jié)溫度的作用,植被的增加又會(huì)降低局部地表溫度,反過(guò)來(lái)抑制了植被生長(zhǎng)[30]。因子探測(cè)與交互結(jié)果顯示,年均高溫對(duì)陜南植被NDVI的貢獻(xiàn)最大(抑制作用),當(dāng)年均高溫和年總降水量的交互時(shí)更是增強(qiáng)了年均高溫的影響,但是陜南的植被NDVI呈現(xiàn)增加趨勢(shì),說(shuō)明氣候因素對(duì)該地區(qū)的植被NDVI影響有限,可能是一些生態(tài)工程或措施如退耕還林、森林撫育等促進(jìn)了區(qū)域植被生長(zhǎng)[11]。而關(guān)中等地農(nóng)業(yè)發(fā)展較好,農(nóng)業(yè)灌溉較為普遍,對(duì)天然降水的響應(yīng)有所減弱,氣溫因素對(duì)植被NDVI的影響更大,與已有研究類(lèi)似[21],同時(shí)因子探測(cè)結(jié)果也顯示關(guān)中氣溫的貢獻(xiàn)大于降水,并且降水和氣溫的交互增強(qiáng)了氣溫的影響力。

盡管陜西省南北差異較大,不同地區(qū)的氣候?qū)χ脖坏挠绊懗潭扔兴煌?但人類(lèi)活動(dòng)對(duì)于植被的影響也不容忽視。在人類(lèi)活動(dòng)和氣候因素的共同作用下,陜西省植被發(fā)生了顯著改變,一些生態(tài)政策的實(shí)施大大改善了植被狀況,然而同時(shí)也要注意的是,生態(tài)工程實(shí)施改善植被的同時(shí),是否也會(huì)對(duì)當(dāng)?shù)貧夂蚺c水資源產(chǎn)生影響[18],因地制宜,科學(xué)綠化的生態(tài)修復(fù)顯得尤為重要。本文在分析植被NDVI變化趨勢(shì)的基礎(chǔ)上,通過(guò)偏相關(guān)分析以及地理探測(cè)器量化了陜西省不同地區(qū)植被NDVI對(duì)年均高溫、年均低溫、年均溫、年總降水量的響應(yīng)及其貢獻(xiàn)大小,但對(duì)人類(lèi)活動(dòng)的影響考慮不足,綜合考慮自然和人類(lèi)因素,將代表人類(lèi)活動(dòng)的因子納入研究,量化不同地區(qū)不同植被類(lèi)型NDVI自然和人類(lèi)活動(dòng)貢獻(xiàn)及其交互作用,是值得進(jìn)一步研究的方向。

5 結(jié)論

(1)研究期陜西省植被NDVI均值為0.71,呈南高北低,各分區(qū)植被覆蓋情況不同,陜南植被覆蓋最好,以高植被覆蓋為主,關(guān)中次之,以中高植被覆蓋為主,陜北植被覆蓋最差,以中等植被覆蓋為主。

(2)研究期陜西省植被NDVI隨時(shí)間波動(dòng)增加,速率為5.9%/10 a,各分區(qū)速率大小為陜北＞關(guān)中＞陜南。植被NDVI增加區(qū)域占比93.3%,其中顯著改善占比67%,各分區(qū)占比陜北＞陜南＞關(guān)中。

(3)研究期陜西省氣候在時(shí)間上整體緩慢波動(dòng)變化,各分區(qū)變化速率為陜南＞關(guān)中＞陜北?？臻g上,氣溫山低平原高,降水南高北低,整體呈現(xiàn)年均高溫及年均溫降低、年均低溫及年總降水量增加。

(4)研究期陜西省及各分區(qū)植被NDVI與年均高溫整體呈負(fù)相關(guān),全省占比83.8%,各分區(qū)為陜南＞陜北＞關(guān)中。全省及各分區(qū)NDVI與年均低溫、年均溫、年總降水量整體呈正相關(guān),全省分別占比68.2%,56.1%,56.6%,各分區(qū)年均低溫正相關(guān)占比為陜南＞關(guān)中＞陜北,年均溫及年總降水正相關(guān)占比為陜北＞關(guān)中＞陜南。

(5)研究期陜西省及各分區(qū)氣候因子對(duì)植被NDVI的貢獻(xiàn)不同,因子相互作用也存在差異。年總降水量對(duì)全省及陜北NDVI貢獻(xiàn)最大,年均高溫對(duì)關(guān)中和陜南NDVI貢獻(xiàn)最大。降水與年均高溫、年均溫的交互是影響NDVI的主要作用,全省、陜北及陜南為年均高溫∩年總降水量,關(guān)中為年均溫∩年總降水量。