南水北調中線水源區(qū)植被指數(shù)時空變化分析

白景鋒 張海軍 白云帆

白景鋒，張海軍，白云帆. 南水北調中線水源區(qū)植被指數(shù)時空變化分析［J］. 湖北農業(yè)科學，2024，63（2）：205-210．

摘要：通過單線性回歸（SLOPE）和地理加權回歸（GWR）法，用植被指數(shù)（NDVI）研究南水北調中線水源區(qū)的植被分布變化趨勢及機制，為保障水量和水質提供理論支撐。結果表明，2000—2019年水源區(qū)NDVI和入庫流量呈現(xiàn)同步增長，植被逐漸變好，2007年以前NDVI增長幅度大，2008—2011年處于波動階段，2012年以后增長幅度減小；NDVI變化最明顯的是研究區(qū)東北部、西部和丹江口庫區(qū)周邊，這些區(qū)域地勢相對低平、人口集中，中山和高山區(qū)NDVI變化不大；高程、坡度、人口數(shù)和城鎮(zhèn)化是影響水源區(qū)NDVI分布的主要因素，降水、氣溫和產業(yè)比重是次要因素；各因素影響的強度和方向在空間上有異質性，自然地理因素對NDVI影響的最顯著范圍為高程1 090 m以下、年均降水量980 mm以上的區(qū)域，人文地理因素影響的顯著范圍區(qū)是人口密度大、城鎮(zhèn)化率高的地區(qū)。

關鍵詞：南水北調中線水源區(qū)；NDVI；時空變化

中圖分類號：P237；X835? ? ? ? ?文獻標識碼：A

文章編號：0439-8114（2024）02-0205-06

DOI：10.14088/j.cnki.issn0439-8114.2024.02.031 開放科學（資源服務）標識碼（OSID）：

Spatiotemporal variation analysis of vegetation index in water source region of the middle route of South-to-North Water Diversion Project

BAI Jing-feng1， ZHANG Hai-jun1， BAI Yun-fan2

（1. School of Geographic Science and Tourism，Nanyang Normal University/Engineering Research Center of Environmental Laser Remote Sensing Technology and Application of Henan Province/ Collaborative Innovation Center of Water Security for Water Source Region of Middle Route of South-to-North Water Diversion Project， Nanyang? 473061，Henan， China；2. Boda College of Jilin Normal University，Siping? 136000，Jilin， China）

Abstract： The single linear regression （SLOPE） and geographically weighted regression （GWR） methods were used to study the variation trend and mechanism of vegetation distribution in the water source area of the middle route of the South-to-North Water Diversion Project by vegetation index （NDVI）， so as to provide theoretical support for guaranteeing water quantity and quality. The result showed that the NDVI and the inflow runoff increased synchronously in the water source area from 2000 to 2019. Vegetation gradually became better. The NDVI increase rate was large before 2007， but fluctuated from 2008 to 2011， and decreased after 2012. The NDVI changed obviously in the northeast， west and around the Danjiangkou reservoir area，these areas had low and flat terrain and concentrated population. The NDVI changed little in middle and high mountain areas. The elevation， slope， population and urbanization were the main factors affecting NDVI distribution in the water source region， while precipitation， temperature and industrial proportion were the secondary factors. The intensity and direction of the influencing factors had obvious heterogeneity. The most significant range affected by natural geographical factors on NDVI were the areas with elevation below 1 090 m and average annual precipitation above 980 mm. The significant range affected by human geographical factors were the areas with high population density and high urbanization rate.

Key words： water source region of the middle route of South-to-North Water Diversion Project； NDVI； spatiotemporal variation

植被在土壤、大氣和水之間的物質和能量交換方面起著重要作用，對水源涵養(yǎng)和水質自凈有極重要的作用^［1-3］。由于NDVI算法可以消除大部分大氣條件對遙感影像的影響，并能增強對植被的響應，同時，NDVI與植被覆蓋度呈函數(shù)相關，它是目前應用最廣泛的植被指數(shù)，可以反映植被參數(shù)，包括光合有效輻射的吸收、葉綠素密度、葉面積和蒸發(fā)速率。NDVI已被廣泛用于水文方面，例如作為變量輸入水文模型，監(jiān)測河流、湖泊的水位變化^［4-10］。植被覆蓋影響流域的水文過程。大規(guī)模植樹造林和植被綠化是影響水文過程的重要空間因素^［11］。印度的研究表明，造林并不是影響水文過程的惟一因素，其他流域特征，如土壤、地質和地形也很重要^［12］。植樹造林對NDVI有正向影響，且呈線性相關^［13］。

國內已有學者展開了對NDVI時空變化及其影響因素的研究。欒金凱等^［14］基于NDVI數(shù)據，分析了陜西省榆林市NDVI的時空變化及影響因素。李俊剛等^［15］利用線性回歸等方法得到貴州省煤礦區(qū)的NDVI特征，然后利用地理探測器分析了海拔、坡向、坡度等自然因素對該區(qū)植被分布的影響。周志強等^［16］、Zhang等^［17］基于NDVI對南水北調中線水源區(qū)和秦巴山區(qū)的植被覆蓋度時空變化特征及變化機制進行了研究。高文文等^［18］采用面向對象決策樹分類方法，估算南水北調中線水源區(qū)的植被覆蓋度。這些研究為各地區(qū)采取生態(tài)措施保護水資源提供了理論依據。

中國不同地區(qū)的自然環(huán)境差異很大，植被覆蓋度受氣溫、降水、地形、光照和人類活動等各種條件的影響。目前，對南水北調中線水源區(qū)NDVI的空間分布變化機制的研究還不完善，本研究選取降水量、氣溫、高程、坡度、人口數(shù)、城鎮(zhèn)化率、第一產業(yè)比重等因素和2000—2019年南水北調水源區(qū)NDVI數(shù)據，通過單線性回歸和地理加權回歸等方法分析不同因子對NDVI變化的影響，有助于深入認識區(qū)域植被分布變化與自然和人文地理環(huán)境的關系。

1 研究區(qū)域概況

南水北調中線水源區(qū)位于北緯31°20′—34°10′，東經105°12′—112°20′，涉及陜西、甘肅、河南、湖北、重慶、四川5省1市，包括漢江和丹江流域，總面積約為11.1萬km²，是重要的生態(tài)走廊和生態(tài)經濟區(qū)。其核心區(qū)為丹江口水庫區(qū)，南陽陶岔為取水口。水源區(qū)地勢西高東低，南北高中間低，北邊是秦嶺山脈，南邊是大巴山和米倉山，中間是漢江和丹江谷地，北部為暖溫帶半濕潤氣候，南部為亞熱帶濕潤氣候。水源區(qū)平均徑流量為369億m³，豐水期徑流量占年徑流量的77.8%。為便于獲取人文數(shù)據，本研究選取其中42個縣市作為水源區(qū)研究單元，占水源區(qū)總面積的90%以上（圖1）。

2 數(shù)據來源與研究方法

2.1 數(shù)據來源與處理

從地理空間數(shù)據云下載30 m空間分辨率的GDENV3數(shù)字高程數(shù)據，經重采樣得到1 km DEM數(shù)據，采用坡度函數(shù)計算生成1 km的坡度數(shù)據。從國家地球系統(tǒng)科學數(shù)據中心下載1 km空間分辨率的逐月氣溫和逐月降水量數(shù)據，2000—2019年的年氣溫和年降水量數(shù)據采用年平均計算得到。從中國科學院資源環(huán)境科學與數(shù)據中心下載1 km空間分辨率的逐月NDVI數(shù)據，2000—2019年的逐年NDVI數(shù)據采用逐月數(shù)據以最大值合成法生成。以縣級行政區(qū)作為統(tǒng)計單元，統(tǒng)計上述5個因子（高程、坡度、年均氣溫、年均降水量、年NDVI）的均值。城市化率、人口數(shù)量和第一產業(yè)比重來源于《2001—2020年中國縣域統(tǒng)計年鑒》和《2001—2020年中國城市統(tǒng)計年鑒》。本研究將探究4種自然因素（高程、坡度、年均氣溫、年均降水量）和3種人文因素（人口變化、城鎮(zhèn)化變化、第一產業(yè)變化）與NDVI變化的關聯(lián)特征。

2.2 研究方法

2.2.1 單線性回歸模型 單線性回歸模型可以模擬各像元中植被參數(shù)的變化趨勢。利用柵格計算器求取斜率，反映植被變化趨勢。SLOPE的計算公式^［19］如下。

式中，i表示第i年；NDVI_i表示第i年的NDVI；n表示總計年數(shù)；A表示單線性回歸模型的斜率。A>0，呈增加趨勢；A=0，沒有變化；A<0，呈下降趨勢。

2.2.2 地理加權回歸 地理加權回歸（Geographically weighted regression，下文簡稱GWR）模型是將地理位置引入回歸參數(shù)，擴展了普通線性回歸（OLS）模型，其模型結構為：

式中，y_i為2000—2019年研究區(qū)NDVI變化值；（u_i，v_i）為樣點i的坐標；β₀（u_i，v_i）為i點回歸常數(shù)；β_j（u_i，v_i）是i點上的第k個回歸參數(shù)；n為獨立變量個數(shù)；x_ij為2000—2019年獨立變量xj最后一年的變量值與基期變量值之差；ε_i是隨機誤差。GWR模型通過在每個觀測點使用加權最小二乘法對參數(shù)向量進行估計，權重是觀測點i到其他觀測位置的距離的函數(shù)，常用的權重函數(shù)有距離閾值函數(shù)、反距離函數(shù)、高斯函數(shù)等，其中，特定權函數(shù)的確定依賴于帶寬的選擇與優(yōu)化，對GWR模型的精度有很大影響，常用的優(yōu)化方法有交叉驗證法、AIC信息準則法等^［20-22］。

3 結果與分析

3.1 NDVI與入庫流量的變化趨勢

由圖2可知，20年來研究區(qū)NDVI呈顯著增長趨勢，平均年增長速度為0.005 4。2007年之前增長較快，NDVI總體低于平均值；2007—2012年NDVI在均值附近波動，基本停滯；2012年以后處于增長階段，且NDVI高于平均值。總體增長的NDVI說明研究區(qū)生態(tài)環(huán)境日趨變好，植被覆蓋增加，人類對生態(tài)環(huán)境的整體擾動呈收縮態(tài)勢。依據2000—2018年丹江口水庫入庫流量^［23］，發(fā)現(xiàn)在這一時間段入庫水量波動較大，總體呈微弱增長趨勢。NDVI增長和入庫流量增長具有一致性，說明南水北調中線水源區(qū)植被變化與水源區(qū)來水量有一定關系。

3.2 NDVI空間變化

在研究時間段內，選取2000年、2004年、2009年、2014年和2019年5個時間點和4個時間段的NDVI均值，用來研究多年植被覆蓋度的空間分布（表1、圖3）。

由表1可知，研究區(qū)NDVI的變化趨勢逐漸減弱，NDVI均值將穩(wěn)定于0.82以上。其中，2000—2009年研究區(qū)NDVI變化最明顯，NDVI小于0.8的區(qū)域面積迅速減少，大于0.8的區(qū)域面積迅速擴大，其中0.7～0.8的面積減少最快。2005—2014年，NDVI變化總體特征沿襲了上一時期的趨勢，仍然是NDVI在0.7～0.8的區(qū)域迅速減少，0.7以下的區(qū)域緩慢減少，大于0.8的區(qū)域面積迅速擴大，只是變化趨勢放緩。2010—2019年，NDVI小于0.7的區(qū)域基本穩(wěn)定，大于0.8的區(qū)域緩慢擴大。

由圖3可知，研究區(qū)NDVI的空間異質性很明顯，山區(qū)大于平地，西部大于東部，低值區(qū)主要分布于中部的漢江谷地、東部的丹江口水庫周邊、商洛盆地及南陽盆地西部。但是，2000—2009年NDVI的空間分異比較明顯，大致為西北、東南的高山區(qū)為高值區(qū)，中東部和東北部為低值區(qū)，2010年以后空間異質性減弱，高值區(qū)成為區(qū)域主體，中低值區(qū)基本穩(wěn)定。低值區(qū)主要分布在東部的鄧州市、淅川縣、十堰市、鄖縣和中部的安康市、西部的漢中市等人口稠密、地勢低平的區(qū)域。從NDVI標準差看，東部地區(qū)大于西部地區(qū)，平原和低山區(qū)高于高山區(qū)，也就是東部地區(qū)、平原低山區(qū)NDVI的分布較分散，西部和高山區(qū)NDVI的分布較集中。這可能與人類活動強度有關，低海拔地區(qū)人口稠密，城鎮(zhèn)化強度大，土地利用變化變動大，NDVI受到的影響就大。

3.3 NDVI變化的SLOPE分析

利用單線性回歸SLOPE模型計算研究區(qū)域20年來NDVI變化趨勢（圖4）。由圖4可知，大部分區(qū)域回歸系數(shù)大于0，即NDVI總體呈上升趨勢。NDVI增加地區(qū)的占比達97.14%，其中，主要分布在河谷和中低山區(qū)，最明顯的是丹江口庫區(qū)周邊、東北部的商洛盆地和西部的略陽、寧強一帶，這些區(qū)域可能由于退耕還林、人口數(shù)量下降、經濟結構調整和生態(tài)保護力度加大，所以生態(tài)恢復成效突出。回歸系數(shù)小于0的區(qū)域只有零星分布，僅占2.86%，主要涉及鎮(zhèn)平縣、鄧州市、內鄉(xiāng)縣、淅川縣、十堰市、安康市和漢中市等人口密集區(qū)，可能是城鎮(zhèn)化加速，導致人口向平原村鎮(zhèn)遷移，同時種植業(yè)比重下降所致。

3.4 NDVI變化的影響因素分析

選取降水量、氣溫、高程、坡度、城鎮(zhèn)化率、人口和第一產業(yè)比重等指標作為NDVI變化的影響因素，用研究區(qū)2019年和2000年NDVI的差作為因變量。把2019年和2000年的降水量、氣溫、城鎮(zhèn)化率、人口和第一產業(yè)比重的對應值相減作為部分自變量，自變量高程和坡度由于短期變化不大，因此不求差值。排除自變量共線性后，對因變量和自變量進行標準差標準化。GWR分析發(fā)現(xiàn)（圖5），調整后的R2為0.629，StdResid大于絕對值2.5的區(qū)域極少，通過檢驗（圖5a）。

回歸系數(shù)的均值表明，研究區(qū)NDVI變化的因子敏感度從大到小依次為高程>坡度>人口>城鎮(zhèn)化>降水量>氣溫>第一產業(yè)比重。從作用方向看，高程、人口變化和氣溫變化與NDVI的變化呈負相關，即地勢越高、人口增加、氣溫上升不利于地表植被覆蓋的增加；坡度、城鎮(zhèn)化和第一產業(yè)比重與NDVI的變化呈正相關，即坡度大、城鎮(zhèn)化速度大、第一產業(yè)比重變化大可以提高NDVI。

各因素的作用強度在空間上有明顯的異質性。高程（圖5b）、坡度（圖5c）對NDVI的影響有經度地帶性規(guī)律，影響強度從西向東降低，只是兩者的作用方向相反；城鎮(zhèn)化（圖5e）、氣溫變化（圖5g）和第一產業(yè)比重變化（圖5h）則表現(xiàn)出以109°-110°E為中心的對稱分布特點，這一中心相當于1 090 m等高線和多年980 mm等降水量線交匯區(qū)，城鎮(zhèn)化對NDVI變化的影響以柞水、石泉、旬陽和竹溪縣為正中心向東和西兩側遞增；第一產業(yè)比重變化對NDVI變化的影響以商洛、鎮(zhèn)安和白河縣為負中心，向東、南、西3個方向正相關增強；氣溫變化對NDVI變化的影響以洛南、鄖西和竹溪縣為負中心，向東西兩側減弱；人口（圖5d）和降水量變化（圖5f）對NDVI的影響則比較復雜，降水量變化對NDVI變化的影響以房縣、鎮(zhèn)坪、白河、丹江口市為正中心，向東、北、西3個方向增強。人口變化對NDVI變化的影響以鎮(zhèn)巴、石泉和鎮(zhèn)平縣為負中心，向東、北、西3個方向增強。

4 結論與討論

4.1 結論

1）2000年以來南水北調中線水源區(qū)NDVI和入庫流量呈現(xiàn)同步增長態(tài)勢。NDVI變化分布的異質性比較突出。NDVI總體上山區(qū)大于平地，西部大于東部，低值區(qū)主要分布于中部的漢江谷地、東部的丹江口水庫周邊、商洛盆地及南陽盆地西部。

2）2000年以來水源區(qū)NDVI的變化具有階段性，2009年以前變化明顯，此后變化減弱。增長最顯著的區(qū)域分布于研究區(qū)東北部、西部和丹江口庫區(qū)周邊一帶，下降區(qū)域主要分布于人口密集的、城鎮(zhèn)密度大的漢江谷地和東部盆地。

3） NDVI變化對高程最敏感，其次是坡度，再次是人口變化，敏感度最低的是第一產業(yè)比重。坡度、高程對NDVI的影響有經度地帶性規(guī)律。城鎮(zhèn)化、第一產業(yè)變化、氣溫變化則表現(xiàn)出以109°-110°E為中心對稱分布的特點。

4）地理加權回歸可以用來分析NDVI的變化因素，然而其細節(jié)描述能力較差，要素的交互影響能力不能表達，尤其是在人口密集、城鎮(zhèn)化程度較高的地區(qū)，模擬的NDVI殘差較大。

通過以上結論可知，研究區(qū)的植被覆蓋整體上越來越好，但人口密集區(qū)植被覆蓋呈下降趨勢。在研究NDVI變化時應注意高程、坡度、人口、城鎮(zhèn)化和降水量給植被帶來的影響，多要素結合來改善植被覆蓋。本研究從人文和自然地理環(huán)境變化角度分析了NDVI變化的影響因素，但是研究的時間尺度較小，空間尺度較大，要更細致地分析研究區(qū)域的NDVI影響因素，還需要結合更長時間序列和更小空間尺度的進一步調查。

4.2 討論

南水北調中線水源區(qū)NDVI變化趨勢與其他學者^［24-27］的研究結果一致，說明該研究方法是可行的、可靠的。植被在不同時間尺度上對全球氣候變化的響應具有顯著的區(qū)域分異和表現(xiàn)，對氣候和地貌過渡帶地區(qū)植被變化的研究更顯得必要。以往的研究關注自然因素的影響較多，但是植被變化也與人類活動有密切關系。利用定量方法分析人文因素對植被變化的影響可以豐富相關研究理論。利用植被指數(shù)反映全球氣候變化已越來越受到關注，植被指數(shù)被用于大空間尺度水文過程、水資源利用與變化的科學研究已逐漸成為熱點^［28-33］。

參考文獻：

［1］ JIN H Y， CHEN X H， WANG Y M， et al. Spatio-temporal distribution of NDVI and its influencing factors in China［J］. Journal of hydrology， 2021， 603： 127129.

［2］ KONG X Z， GHAFFAR S， DETERMANN M， et al. Reservoir water quality deterioration due to deforestation emphasizes the indirect effects of global change［J］. Water research， 2022，221：118721.

［3］ 吳志勇，侍 恒，何 海，等.岔巴溝流域植被變化特征及其對水沙的影響［J］.水資源保護，2020，36（1）：31-37.

［4］ 王珊珊，王金林，周可法，等.塔里木河下游土地利用/覆被變化對生態(tài)輸水的響應［J］.水資源保護，2021，37（2）：69-74，80.

［5］ 易 琦，王瑞芳，竇小東，等.盤龍江流域植被覆蓋變化對徑流過程的影響［J］.中國農村水利水電，2022（9）：126-131.

［6］ 張建梅，馬燮銚，李艷忠.1980-2016年黃河中游河龍區(qū)間植被動態(tài)及其對徑流的影響［J］.南水北調與水利科技（中英文），2020，18（3）：91-109.

［7］ NOURANI V， FARD A F， GUPTA H V，et al. Hydrological model parameterization using NDVI values to account for the effects of land cover change on the rainfall-runoff response［J］.Hydrology research， 2017，48 （6）： 1455-1473.

［8］ ZHOU M C， ISHIDAIRA H， HAPUARACHCHI H P， et al. Estimating potential evapotranspiration using Shuttleworth-Wallace model and NOAA-AVHRR NDVI data to feed a distributed hydrological model over the Mekong River basin［J］.Journal of hydrology，2006， 327（1-2）：151-173.

［9］ AGUILAR C， ZINNERT J C， POLO M J， et al. NDVI as an indicator for changes in water availability to woody vegetation［J］.Ecological indicators， 2012，23（12）：290-300.

［10］ HUANG S Z， HUANG Q， LENG G Y， et al.Variations in annual water-energy balance and their correlations with vegetation and soil moisture dynamics： A case study in the Wei River Basin， China［J］.Journal of hydrology，2017，546（3）： 515-525.

［11］ LI Y， PIAO S L， LI L Z X， et al. Divergent hydrological response to large-scale afforestation and vegetation greening in China［J］. Sci Adv， 2018，4（5）：eaar4182.

［12］ VENKATESH B， LAKSHMAN N， PURANDARA B K. Hydrological impacts of afforestation —A review of research in India［J］. J For Res， 2014， 25（1）：37-42.

［13］ LIN X N，NIU J Z，BERNDTSSON R，et al. NDVI dynamics and its response to climate change and reforestation in Northern China［J］. Rem Sens， 2020，12（24）：4138.

［14］ 欒金凱，劉登峰，黃 強，等.近17年陜西榆林植被指數(shù)的時空變化及影響因素［J］.生態(tài)學報，2018，38（8）：2780-2790.

［15］ 李俊剛，閆慶武，熊集兵，等.貴州省煤礦區(qū)植被指數(shù)變化及其影響因子分析［J］.生態(tài)與農村環(huán)境學報，2016，32（3）：374-378.

［16］ 周志強，曾 源，張 磊，等.南水北調中線水源區(qū)植被覆蓋度遙感監(jiān)測分析［J］.國土資源遙感，2012（1）：70-76.

［17］ ZHANG Y R， HE Y， LI Y L， et al. Spatiotemporal variation and driving forces of NDVI from 1982 to 2015 in the Qinba Mountains， China［J］.Environ Sci Pollut Res，2022，29：52277-52288.

［18］ 高文文，曾 源，劉 宇，等.南水北調中線水源區(qū)2000—2015年森林動態(tài)變化遙感監(jiān)測［J］.林業(yè)科學，2019，55（4）：97-107.

［19］ 劉玉紅，張 筠，張春華，等.2000—2015年山東省植被凈初級生產力時空變化及其對氣候變化的響應［J］.生態(tài)學雜志，2019，38（5）：1464-1471.

［20］ 呂 萍，甄 輝.基于GWR模型的北京市住宅用地價格影響因素及其空間規(guī)律研究［J］.經濟地理，2010，30（3）：472-478.

［21］ 白景鋒，張海軍.中國水-能源-糧食壓力時空變動及驅動力分析［J］.地理科學，2018，38（10）：1653-1660.

［22］ 盧龍輝，瓦哈甫·哈力克，黃 玲.近40年克里雅綠洲人口時空變化對土地利用/覆蓋變化的影響［J］.農業(yè)工程學報，2018，34（11）：234-242，307-308.

［23］ 張愛靜，姚文鋒，吳智健.丹江口水庫入庫徑流變化特征分析［J］.人民長江，2020，51（3）：81-86，93.

［24］ 劉 海，黃躍飛，鄭 糧.氣候與人類活動對丹江口水源區(qū)植被覆蓋變化的影響［J］.農業(yè)工程學報，2020，36（6）：97-105.

［25］ 劉 海，黃躍飛，鄭 糧，等.長時序丹江口水源區(qū)NDVI數(shù)據集構建及其時空動態(tài)變化分析［J］.長江流域資源與環(huán)境，2020，29（8）：1780-1789.

［26］ 李鵬傲，姜永濤，戚鵬程，等.南水北調中線工程水源區(qū)植被時空演化特征［J］.長江科學院院報，2022，39（9）：49-55.

［27］ 樊 藝，趙牡丹，王 建.秦巴山區(qū)增強植被指數(shù)長時間序列變化及其自然影響因素分析［J］.生態(tài)與農村環(huán)境學報，2022，38（6）：733-743.

［28］ VALENTE C R， LATRUBESSE E M， FERREIRA L G. Relationships among vegetation， geomorphology and hydrology in the Bananal Island tropical wetlands， Araguaia River basin， Central Brazil［J］.Journal of south American earth sciences，2013，46（10）：150-160.

［29］ TAKELE A， LAKEW H B， KABITE G. Does the recent afforestation program in Ethiopia influenced vegetation cover and hydrology？ A case study in the upper awash basin， Ethiopia［J］.Heliyon，2022，8（6）： e09589.

［30］ KLINGLER C， SCHULZ K， HERRNEGGER M. LamaH | Large-Sample Data for Hydrology： Big data für die Hydrologie und Umweltwissenschaften［J］.?sterr Wasser-und Abfallw，2021，73：244-269.

［31］ UKKOLA A M， PRENTICE I C， KEENAN T F， et al. Reduced streamflow in water-stressed climates consistent with CO2 effects on vegetation［J］.Nature climate change，2016，6（1）：75-78.

［32］ GARAI S， KHATUN M， SINGH R， et al. Assessing correlation between rainfall， normalized difference vegetation index （NDVI） and land surface temperature （LST） in Eastern India［J］.Saf Extreme Environ，2022，4：119-127.

［33］ NEJADREKABI M， ESLAMIAN S， ZAREIAN M J. Spatial statistics techniques for SPEI and NDVI drought indices： A case study of Khuzestan Province［J］.Int J Environ Sci Technol，2022，19：6573-6594.

收稿日期：2022-10-08

基金項目：國家自然科學基金項目（42074094；41801282）；南陽師范學院STP項目（2020STP004）

作者簡介：白景鋒（1972-），男，陜西洛南人，教授，碩士，主要從事區(qū)域發(fā)展與資源開發(fā)研究，（電話）13782125717（電子信箱）nybjf813@163.com。