2001—2020年黃土高原氣候?qū)χ脖籒DVI空間異質(zhì)性的影響

李俞 張翀 田曉鳳

收稿日期：2023-05-25

基金項(xiàng)目：陜西省社會(huì)科學(xué)基金項(xiàng)目（2020D008）；陜西省自然科學(xué)基礎(chǔ)研究計(jì)劃項(xiàng)目（2021JM-513）；陜西省教育廳科學(xué)研究計(jì)劃項(xiàng)目（21JK0475）；寶雞文理學(xué)院第十五批校級(jí)教改資助項(xiàng)目（YJ20JGYB12）

作者簡(jiǎn)介：李 俞（1996-），女，陜西西安人，在讀碩士研究生，主要從事植被遙感方面的研究，（電話）17868877226（電子信箱）2759577303@qq.com；通信作者，張 翀（1986-），男，講師，博士，主要從事資源環(huán)境遙感與GIS研究，（電子信箱）zhangch3348@126.com。

李 俞，張 翀，田曉鳳. 2001—2020年黃土高原氣候?qū)χ脖籒DVI空間異質(zhì)性的影響［J］. 湖北農(nóng)業(yè)科學(xué)，2024，63（5）：30-36．

摘要：選用2001—2020年歸一化植被指數(shù)（Normalized difference vegetation index， NDVI）和氣候數(shù)據(jù)，通過(guò)地理加權(quán)法探究黃土高原氣候變化對(duì)植被及其變化趨勢(shì)的影響。結(jié)果表明，黃土高原NDVI與地表溫度在空間上具有非平穩(wěn)關(guān)系，NDVI與溫度指標(biāo)的回歸系數(shù)主要以負(fù)值為主，主要集中在北部的內(nèi)蒙古高原，空間正相關(guān)則集中分布于胡煥庸線以南區(qū)域；對(duì)比不同氣候指標(biāo)的標(biāo)準(zhǔn)化系數(shù)可知，降水量是黃土高原植被變化的主要因素，占黃土高原總面積的30.90%，植被受水分控制作用較為顯著的區(qū)域主要集中在黃土高原中北部的內(nèi)蒙古高原及西部祁連山附近；而黃土高原中南部植被活動(dòng)的主導(dǎo)因素為氣溫，面積占42.91%，其中最高氣溫對(duì)NDVI的主導(dǎo)區(qū)域范圍最廣，影響區(qū)包括甘肅省東部、陜西省中部、山西省南部及河南省，其植被主要以農(nóng)業(yè)和林業(yè)為主，降水量充沛，隨著溫度的升高，植被活動(dòng)均有所增強(qiáng)。NDVI變率與氣候變率的回歸結(jié)果表明，黃土高原氣溫增高對(duì)植被的生長(zhǎng)起到促進(jìn)作用的區(qū)域較廣；但黃土高原西北部也存在氣溫和降水量減少而植被卻表現(xiàn)為增長(zhǎng)趨勢(shì)的情況。

關(guān)鍵詞：NDVI；空間異質(zhì)性；氣候變化；地理加權(quán)回歸；黃土高原

中圖分類(lèi)號(hào)：Q948.11； X171.1???????? 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：0439-8114（2024）05-0030-07

DOI：10.14088/j.cnki.issn0439-8114.2024.05.006??????????? 開(kāi)放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

Effect of Loess Plateau climate on the spatial heterogeneity of NDVI from 2001 to 2020

LI Yu， ZHANG Chong， TIAN Xiao-feng

（Baoji University of Arts and Sciences/Shaanxi Key Laboratory of Disasters Monitoring & Mechanism Simulation， Baoji? 721013， Shaanxi， China）

Abstract： Based on the normalized difference vegetation index （NDVI） and climate data from 2001 to 2020， the effects of climate change on vegetation and vegetation change trends in the Loess Plateau were explored by geographically weighted method. The results showed that there was a non-stationary relationship between NDVI and land surface temperature in the Loess Plateau. The regression coefficient of NDVI and temperature index was mainly negative， and mainly concentrated in the northern Inner Mongolia Plateau， while the spatial positive correlation was concentrated in the south of Huhuanyong line. By comparing the standardized coefficients of different climate indicators， it could be seen that precipitation was the main factor controlling vegetation change in the Loess Plateau， accounting for 30.90% of the total area of the Loess Plateau. The areas where vegetation was significantly controlled by water were mainly concentrated in the Inner Mongolia Plateau in the northern and central part of the Loess Plateau and near the Qilian Mountains in the west. The main dominant factor of vegetation activity in the central and southern part of the Loess Plateau was the temperature， accounting for 42.91% of the total area of the Loess Plateau. Among them， the highest temperature had the widest influence on NDVI， including eastern Gansu Province， central Shaanxi Province， southern Shanxi Province and Henan Province. The vegetation in these areas was mainly agriculture vegetation and forestry vegetation， the precipitation was abundant， and with the increase of temperature， vegetation activity had increased. The regression results of NDVI variability and climate variability showed that the increase of temperature in the Loess Plateau promoted the growth of vegetation in a wide area. However， in the northwest of the Loess Plateau， the temperature and precipitation decreased while the vegetation showed an increasing trend.

Key words： NDVI； spatial heterogeneity； climate change； geographically weighted regression （GWR）； Loess Plateau

植被作為陸地、大氣間重要的調(diào)節(jié)器，對(duì)陸地生態(tài)系統(tǒng)的運(yùn)轉(zhuǎn)尤為重要，也是對(duì)氣候變化敏感性最強(qiáng)的組成成分［1，2］。歸一化植被指數(shù)（Normalized difference vegetation index，NDVI）主要用于描述植被覆蓋情況，能準(zhǔn)確反映區(qū)域內(nèi)植被覆蓋的變化情況［3］，主要用于研究生態(tài)系統(tǒng)與氣候變化的響應(yīng)。氣候與植被間具有密不可分的關(guān)系，氣候是影響植被生長(zhǎng)狀況的重要因素［4，5］，不同的水熱組合會(huì)形成不同的植被類(lèi)型，氣候的改變不僅影響植被的生理性質(zhì)和變化趨勢(shì)，更會(huì)影響區(qū)域的生態(tài)系統(tǒng)。黃土高原地形復(fù)雜，水熱組合形式多樣，包括半濕潤(rùn)區(qū)、半干旱區(qū)、干旱區(qū)和寒旱區(qū)，生態(tài)環(huán)境脆弱，時(shí)空差異性明顯［6］，研究黃土高原植被與氣候空間非平穩(wěn)關(guān)系對(duì)氣候變化、生態(tài)系統(tǒng)保護(hù)、促進(jìn)黃土高原可持續(xù)發(fā)展等具有重要意義。

對(duì)氣候變化與植被覆蓋度的關(guān)系在全球尺度與區(qū)域尺度上的研究已有階段性進(jìn)展，溫度與水分是影響植被變化的主要因素，但由于研究區(qū)域氣候條件、地理位置、植被類(lèi)型、土質(zhì)狀況等因素，其變化具有較強(qiáng)的空間異質(zhì)性［7，8］，例如干旱地區(qū)溫度較高，蒸發(fā)量大，降水量少，加劇干旱程度，溫度會(huì)抑制植被的生長(zhǎng)，而濕潤(rùn)地區(qū)溫度對(duì)植被的影響為正［9］；又如降水量的增加在干旱地區(qū)增強(qiáng)植被的生長(zhǎng)，而在濕冷的北方卻表現(xiàn)為抑制。在時(shí)間尺度上植被與氣候的關(guān)系也存在明顯的差異，植被生長(zhǎng)期溫度的上升加速植被的光合速率，增加植被生物量的累積，而非生長(zhǎng)期溫度的升高則抑制植被的生長(zhǎng)狀況［10］。此外，不同的植被類(lèi)型所需的溫度與水分的最適范圍也存在差異。不同土壤質(zhì)地上的植被對(duì)水熱組合情況也有差異，土壤的儲(chǔ)水能力、粒級(jí)大小、土壤濕度等均具有不平穩(wěn)性。因此，不同氣候指標(biāo)在空間和時(shí)間上的疊加加大了NDVI與氣候的關(guān)系復(fù)雜程度。

當(dāng)前對(duì)植被與氣候關(guān)系的研究集中在趨勢(shì)分析，是在假設(shè)溫度與降水相互獨(dú)立的基礎(chǔ)上研究植被與溫度、降水量的關(guān)系，而且氣候指標(biāo)的選取中僅考慮了平均溫度和降水量對(duì)植被覆蓋度變化的影響。近年來(lái)對(duì)黃土高原植被與氣候響應(yīng)的研究增多，但還需深化宏觀層面上植被活動(dòng)受氣候因子空間非平穩(wěn)性的影響，明確氣候主導(dǎo)因子對(duì)區(qū)域植被動(dòng)態(tài)關(guān)系的反映機(jī)理［11-13］。本研究立足于氣候-植被NDVI空間非平穩(wěn)性，采用黃土高原2001—2020年3個(gè)溫度指標(biāo)和2個(gè)水分指標(biāo)以及這些指標(biāo)的變率分別對(duì)植被NDVI及其變率進(jìn)行局部空間回歸，并標(biāo)識(shí)出氣候因素中的主導(dǎo)因子及作用范圍，深度分析黃土高原植被NDVI空間異質(zhì)性的氣候影響及分布格局，以期推進(jìn)黃土高原植被與氣候關(guān)系的研究進(jìn)展。

1 數(shù)據(jù)來(lái)源與方法

1.1 氣候數(shù)據(jù)

采用平均氣溫、最高氣溫和最低氣溫表征溫度指標(biāo)，采用降水量和相對(duì)濕度表征水分指標(biāo)。氣候數(shù)據(jù)來(lái)源于國(guó)家地球系統(tǒng)科學(xué)數(shù)據(jù)中心-黃土高原分中心（http：//loess.geodata.cn）。相對(duì)濕度數(shù)據(jù)是基于中國(guó)地面824個(gè)氣象臺(tái)站相對(duì)濕度的月值資料，利用ANUSPLIN軟件的樣條法（TPS，Thin plate spline）進(jìn)行空間插值。溫度與相對(duì)濕度使用各月的平均值，采用最高氣溫的年均值表征白天溫度，夜晚溫度則采用最低氣溫的年均值，年際降水量采用加和處理后的降水量。

1.2 NDVI數(shù)據(jù)

NDVI數(shù)據(jù)通常用于表征植物的生長(zhǎng)狀況和覆蓋程度等。數(shù)據(jù)來(lái)源于LAADS DAAC美國(guó)航空航天局（https：//search.earthdata.nasa.gov/）MODIS影像，采用MOD13A3數(shù)據(jù)集，空間分辨率為1 km，時(shí)間間隔為1個(gè)月，轉(zhuǎn)化系數(shù)為0.000 1，去除云量和太陽(yáng)高度角的影響后得到黃土高原2001—2020年NDVI月值數(shù)據(jù)， NDVI采用同年各月的平均值。

1.3 氣候與植被NDVI的年際變化分析

以時(shí)間為自變量，分別以氣候和植被作為因變量，利用最小二乘法（OLS）分析柵格尺度上氣候與植被指標(biāo)的年際變化趨勢(shì)，計(jì)算式如下。

[θslope=n×i=1nYi-i=1nii=1nYin×i=1ni2-i=1ni2]?? ????????? （1）

式（1）中，[θslope]為線性回歸的斜率；n表示研究年份的總數(shù)，本研究為20；Yi為第i年氣候或植被指標(biāo)。

1.4 氣候-植被NDVI空間非平穩(wěn)性的表征方法

通過(guò)自相關(guān)指數(shù)Morans I計(jì)算出周?chē)渌恢蒙系闹祵?duì)中心數(shù)值的影響程度，如選取的指標(biāo)具有空間非平穩(wěn)性，則在地理位置上對(duì)自變量與因變量間的空間差異進(jìn)行探究。

地理加權(quán)回歸（GWR）是由Brunsdon等［14］提出的局域空間分析方法，該模型的表達(dá)形式為：

[yi=β0（μi，νi）+k=1pβk（μi，νi）Xik+εi]? ? ?（2）

式（2）中，yi、Xik、[εi]分別代表空間上i點(diǎn)的因變量、自變量和隨機(jī)誤差；（[μi]，[νi]）為i點(diǎn)的空間位置；k代表自變量的個(gè)數(shù)；[βk]是i點(diǎn)上的回歸系數(shù)，[β0]為截距。本研究中，年均植被NDVI及其變率分別作為因變量，氣候指標(biāo)及其變率作為相應(yīng)的自變量，用以分析氣候因子在植被NDVI空間異質(zhì)性中的作用程度。

GWR模型采用局部加權(quán)最小二乘法，其中權(quán)重是在距離衰減前提下去評(píng)估點(diǎn)到周邊各觀測(cè)點(diǎn)的空間距離的函數(shù)，采用高斯模型，并利用AICc作為評(píng)價(jià)模型復(fù)雜性和精確度的指數(shù)確定最優(yōu)帶寬［15］。

2 結(jié)果與分析

2.1 植被NDVI與氣候變化關(guān)系的非平穩(wěn)性檢驗(yàn)

地理加權(quán)回歸運(yùn)用的前提條件是自變量與因變量間存在地理位置上的空間差異性，即距離越近，其影響越強(qiáng)；距離越遠(yuǎn)，影響越弱［16］?？臻g自相關(guān)指數(shù)Morans I是在地理學(xué)第一定律的基礎(chǔ)上，計(jì)算某一個(gè)位置上的數(shù)據(jù)與其他位置上數(shù)據(jù)間存在的依賴程度，以此進(jìn)行空間分布的非平穩(wěn)性檢驗(yàn)。對(duì)氣候各要素指數(shù)及其變率進(jìn)行空間自相關(guān)分析，結(jié)果表明Morans I均大于0.85，且Z均大于2.58（表1），具有統(tǒng)計(jì)意義，所選取的指標(biāo)具有空間非平穩(wěn)性，可以進(jìn)行地理加權(quán)回歸分析，氣候要素在不同的地理位置對(duì)植被NDVI及其變化具有較強(qiáng)影響。

2.2 植被NDVI與溫度指標(biāo)的空間非平穩(wěn)性關(guān)系

為了消除量綱的影響，分別對(duì)NDVI、平均氣溫、最高氣溫、最低氣溫、總降水量和相對(duì)濕度進(jìn)行最大值標(biāo)準(zhǔn)化處理后，再對(duì)NDVI與各氣候指標(biāo)進(jìn)行地理加權(quán)回歸。

2001—2020年平均植被NDVI呈由西北向東南遞增的趨勢(shì)，植被NDVI較高的區(qū)域集中在燕山-太行山一帶、汾渭盆地及秦嶺附近，主要植被類(lèi)型為落葉和常綠闊葉林；NDVI較低的區(qū)域在黃土高原西北部?jī)?nèi)蒙古高原，主要為沙地、荒漠和草原（圖1）。

由溫度指標(biāo)與NDVI地理加權(quán)回歸的結(jié)果（圖2）可以看出，黃土高原西北地區(qū)NDVI與氣溫的相關(guān)系數(shù)為負(fù)值，約占黃土高原總面積的55%，說(shuō)明西北部地區(qū)氣溫越高植被越稀疏，NDVI的分布在西北部地區(qū)隨溫度的升高而受到抑制，其原因是西北部地區(qū)海拔較高，地處內(nèi)陸，距海洋較遠(yuǎn)，水分難以到達(dá)，降水量較少，而蒸散量遠(yuǎn)大于降水量，植物缺水導(dǎo)致植被較少，也存在西部風(fēng)大、沙地較多、土壤肥力較低等因素導(dǎo)致植被稀缺的問(wèn)題。而黃土高原西部賀蘭山與日月山附近，雖然同樣海拔較高且降水量較少，但NDVI仍與溫度呈正相關(guān)關(guān)系，是因?yàn)榇颂帪楸ǜ吆貐^(qū)，植被的水分補(bǔ)給主要來(lái)自冰川融水，所以隨著溫度升高，植被更茂密。東南部秦巴山地植被NDVI與氣溫呈正相關(guān)關(guān)系，降水充沛，溫度越高植被越茂密。3個(gè)氣溫指標(biāo)表現(xiàn)情況基本相同，無(wú)明顯差異，氣溫與NDVI的相關(guān)性均呈由西北向東南遞增的趨勢(shì)（圖2）。

2.3 植被NDVI與水分指標(biāo)的空間非平穩(wěn)性關(guān)系

分別對(duì)水分指標(biāo)降水量和相對(duì)濕度與植被NDVI進(jìn)行地理加權(quán)回歸，結(jié)果見(jiàn)圖3。降水量與NDVI呈負(fù)相關(guān)關(guān)系的區(qū)域集中在陜西北部、內(nèi)蒙古南部、寧夏南部及甘肅南部地區(qū)；降水量與NDVI呈正相關(guān)關(guān)系的地區(qū)則集中在山西、陜西中部和南部及內(nèi)蒙古北部地區(qū)。相對(duì)濕度與NDVI呈負(fù)相關(guān)關(guān)系的地區(qū)集中在甘肅和寧夏，主要是由于當(dāng)?shù)仫L(fēng)大，相對(duì)濕度小，影響植被的生長(zhǎng)；內(nèi)蒙古北部、山西、陜西中部及南部、青海等地植被生長(zhǎng)狀況均與相對(duì)濕度呈正相關(guān)關(guān)系。

2.4 植被NDVI空間分布的主導(dǎo)氣候因子

對(duì)5種氣候指標(biāo)的標(biāo)準(zhǔn)化系數(shù)進(jìn)行比較，確定黃土高原NDVI變化的氣候主導(dǎo)因子類(lèi)型及其影響區(qū)域。

由圖4可知，黃土高原植被分布狀況主要取決于水分指標(biāo)的影響，占黃土高原總面積的57.09%，集中在黃土高原北部及青海西部地區(qū)，且總降水量對(duì)黃土高原植被活動(dòng)的影響區(qū)域大于相對(duì)濕度的影響范圍。甘肅北部、寧夏北部、內(nèi)蒙古北部、山西北部及陜西中部等地區(qū)是總降水量對(duì)植被影響的主要區(qū)域，但甘肅北部和寧夏北部降水量抑制植被的生長(zhǎng)（圖3a），說(shuō)明夏季強(qiáng)降雨是導(dǎo)致其所在區(qū)域植被稀少的主要原因。內(nèi)蒙古北部植被分布的主導(dǎo)因素雖然也是總降水量，但是因其降水量不足且溫度高蒸發(fā)量大，從而導(dǎo)致植被匱乏。黃土高原東部和青海西部植被分布狀況由相對(duì)濕度主導(dǎo)，與溫度指標(biāo)呈正相關(guān)（圖2），但相對(duì)濕度比溫度對(duì)此處的植被影響更為重要。相對(duì)濕度對(duì)植被生長(zhǎng)影響的區(qū)域主要分布在陜北、內(nèi)蒙古高原局部及黃土高原西部，是僅次于總降水量的主導(dǎo)因子。除祁連山外，受水分指標(biāo)控制的地區(qū)NDVI均與溫度呈負(fù)相關(guān)（圖2），表明黃土高原北部地區(qū)的植被因降水量較少而溫度較高及土地類(lèi)型多為沙地和草原，儲(chǔ)水能力較弱，蒸散量大于降水量，使得干旱進(jìn)一步加劇，所以呈輕微的植被覆蓋度降低的趨勢(shì)（圖5）。

黃土高原中南部植被活動(dòng)的主導(dǎo)因素為溫度指標(biāo)，其中最高氣溫主導(dǎo)地區(qū)面積占比最高，占黃土高原總面積的25.08%（圖4，表2），主要影響區(qū)域?yàn)楦拭C省東部、陜西省中部、山西省南部及河南省，植被主要以農(nóng)業(yè)和林業(yè)為主，降水量充沛，隨著溫度的升高，植被活動(dòng)均有所增強(qiáng)。平均氣溫對(duì)黃土高原植被生長(zhǎng)狀況的影響區(qū)域范圍最小，僅占總面積的4.52%，主要在甘肅南部附近的隴南山地。植被分布狀況以最低氣溫為主導(dǎo)因子的區(qū)域集中在青海東部和甘肅中部地區(qū)，且與最低氣溫呈負(fù)相關(guān)關(guān)系，這些地區(qū)海拔較高，終年積雪，冰川逶迤，主要?dú)夂蛟蚴侵脖坏暮粑饔么笥诠夂献饔?，消耗了干物質(zhì)的積累致使植被覆蓋度較低。

2.5 植被NDVI動(dòng)態(tài)與氣候變率的響應(yīng)格局

對(duì)黃土高原2001—2020年NDVI、最高氣溫、最低氣溫、平均氣溫、降水量和相對(duì)濕度均與時(shí)間進(jìn)行最小二乘法得到NDVI及5種氣候指標(biāo)20年的變化趨勢(shì)，并對(duì)NDVI變率與溫度指標(biāo)變率進(jìn)行GWR處理，得到NDVI變率與溫度指標(biāo)變率的關(guān)系。由圖5可以看出，黃土高原NDVI在2001—2020年整體呈增長(zhǎng)趨勢(shì)，增長(zhǎng)面積占黃土高原總面積的95.94%，其中增長(zhǎng)速率在0～0.01的占93.28%，增長(zhǎng)速率大于0.01的占2.66%，主要分布在黃土高原中部呂梁山附近。主要原因是黃河水土流失的治理取得明顯效果，使得黃河沿岸植被增長(zhǎng)較快；而NDVI降低的地區(qū)分布較為零散，且降低幅度較小，集中在秦巴山地，秦嶺山地雖降水量有所減少，但其溫度和相對(duì)濕度均較高，所以NDVI降低可能是由于人類(lèi)活動(dòng)對(duì)植被的砍伐以及建設(shè)旅游景區(qū)等造成的。由NDVI變率與溫度指標(biāo)變率的關(guān)系結(jié)果（圖6）可知，NDVI變率與3種溫度指標(biāo)變率的回歸系數(shù)基本相同，但最高氣溫的增長(zhǎng)對(duì)植被生長(zhǎng)趨勢(shì)呈促進(jìn)作用影響的范圍略大于平均氣溫和最低氣溫，NDVI變率與溫度變率的相關(guān)系數(shù)為負(fù)值的區(qū)域面積略高于正相關(guān)關(guān)系，相關(guān)系數(shù)在-0.2～0.2的區(qū)域僅為16%，黃土高原在2001—2020年植被的生長(zhǎng)趨勢(shì)受氣溫的影響強(qiáng)烈。

在黃土高原中部和東部地區(qū)氣溫與NDVI均呈強(qiáng)正相關(guān)，相關(guān)系數(shù)大于0.2，說(shuō)明此處溫度變化與NDVI變化的趨勢(shì)為同方向，即溫度上升速度越快植被增長(zhǎng)速率越快，溫度的升高是黃土高原中部和東部地區(qū)植被增長(zhǎng)的原因；而內(nèi)蒙古北部與青海西部有少數(shù)區(qū)域NDVI變率與溫度變率的回歸結(jié)果為正值，但NDVI呈下降趨勢(shì)，說(shuō)明這些地區(qū)植被覆蓋下降的原因是溫度的降低；黃土高原北部、秦嶺地區(qū)及青海大部分區(qū)域氣溫變率與NDVI變率都表現(xiàn)出極強(qiáng)的負(fù)相關(guān)關(guān)系，結(jié)合圖5可知，在黃土高原北部及青海大部分區(qū)域NDVI在20年間的變化仍處于增長(zhǎng)趨勢(shì)，說(shuō)明溫度的降低是NDVI升高的原因；而秦嶺地區(qū)NDVI呈下降趨勢(shì)，說(shuō)明該地隨著溫度變化速率的不斷升高，植被變化反而受到抑制。

NDVI變率與降水量變率的正相關(guān)的區(qū)域集中在黃土高原中部地區(qū)，而相對(duì)濕度變率對(duì)黃土高原植被生長(zhǎng)變化影響的區(qū)域更大，在東部地區(qū)也具有極強(qiáng)的正相關(guān)關(guān)系（圖7）。降水量變率與NDVI變率在黃土高原北部、青海大部分區(qū)域及太行山脈附近均存在較強(qiáng)的負(fù)相關(guān)關(guān)系（圖7a），結(jié)合圖5可知，在黃土高原北部、青海大部分區(qū)域、太行山脈NDVI均呈增長(zhǎng)趨勢(shì)，這些地區(qū)植被增長(zhǎng)的原因與降水量的減少有關(guān)；而黃土高原中部地區(qū)NDVI與降水量呈正相關(guān)關(guān)系，且植被均為增長(zhǎng)趨勢(shì)，降水量的增加是植被茂盛的原因。

NDVI變率與相對(duì)濕度變率呈負(fù)相關(guān)關(guān)系的區(qū)域集中在黃土高原北部、青海大部分區(qū)域（圖7b），黃土高原北部及青海植被增長(zhǎng)的原因與相對(duì)濕度的降低密不可分；黃土高原中部和東部地區(qū)相對(duì)濕度的增加均致使其植被出現(xiàn)增長(zhǎng)的趨勢(shì)。

綜合圖5、圖6和圖7的結(jié)果來(lái)看，2001—2020年黃土高原植被生長(zhǎng)速率較快的地區(qū)均與溫度、水分呈正相關(guān)關(guān)系，溫度的升高和降水量的增加均促使其植被呈較快的增長(zhǎng)趨勢(shì)，合適的水熱平衡關(guān)系促進(jìn)植被的生長(zhǎng)；在黃土高原西北部區(qū)域存在氣溫與降水量均處于下降趨勢(shì)而植被卻表現(xiàn)為緩慢增長(zhǎng)的情況，主要是人為因素的影響，在不適宜的氣候條件下進(jìn)行的生態(tài)修復(fù)工程措施；而各氣候因素均處于有利于植被生長(zhǎng)條件下，2001—2020年卻表現(xiàn)為植被快速降低的區(qū)域集中在西安、洛陽(yáng)等地，出現(xiàn)這一差異的原因主要是受城鎮(zhèn)化進(jìn)程的影響。

3 小結(jié)與討論

研究表明，植被對(duì)氣候因素的響應(yīng)存在一個(gè)最適宜溫度，在最適宜植被生長(zhǎng)的溫度之前，溫度對(duì)植被的響應(yīng)多為正向［17］，超過(guò)這個(gè)溫度后，溫度升高反而會(huì)使植被生長(zhǎng)受到抑制。例如溫度過(guò)高導(dǎo)致蒸發(fā)量大于降水量，植被缺水；或者是植物的呼吸速率加快，累積生物量減少［18］。最高溫度與最低溫度對(duì)植被的動(dòng)態(tài)變化產(chǎn)生不同的影響。對(duì)于水分而言，也不是隨著水分增加植被就一定更加茂密，水分的增加也可能通過(guò)云量及相對(duì)濕度的增加而抑制植被活動(dòng)。不同的水熱組合是導(dǎo)致黃土高原植被分布在氣候因素上表現(xiàn)出非平穩(wěn)性的重要原因。因此，需要綜合多因素考慮植被活動(dòng)的時(shí)間和空間分布規(guī)律，明確黃土高原不同區(qū)域的主導(dǎo)因子及作用區(qū)域。

本研究通過(guò)對(duì)黃土高原植被NDVI與溫度指標(biāo)、水分指標(biāo)的GWR處理，揭示了植被與氣候在空間上呈非平穩(wěn)性關(guān)系，并且明確控制黃土高原植被分布的主導(dǎo)因子及影響范圍。黃土高原中北部的內(nèi)蒙古高原及西部祁連山附近的高寒區(qū)受降水量的影響植被較為稀少，降水量和濕度的增加會(huì)使植被量增加，而溫度高會(huì)增加其蒸發(fā)量，導(dǎo)致進(jìn)一步干旱，影響植被活動(dòng)［19］。由溫度控制的區(qū)域集中在黃土高原中部及南部的半濕潤(rùn)區(qū)，這些地方水分充沛，土壤含水量較高，溫度的升高將加速植被的光合速率，有利于有機(jī)質(zhì)的積累。

通過(guò)分析2001—2020年的NDVI及影響其變化的氣候指標(biāo)趨勢(shì)，發(fā)現(xiàn)NDVI波動(dòng)上升，而影響因素中只有平均氣溫和降水量呈上升趨勢(shì)，說(shuō)明黃土高原上的植被總體上與平均氣溫和降水量的關(guān)系更為密切。有些年份的植被出現(xiàn)下降趨勢(shì)影響其變化的原因也有所不同。為了進(jìn)一步確定植被對(duì)氣候因素的響應(yīng)，對(duì)NDVI變率與氣候指標(biāo)變率分別進(jìn)行GWR分析，突出植被變化與氣候的動(dòng)態(tài)關(guān)系。植被增長(zhǎng)變化較快的地區(qū)其溫度指標(biāo)與水分指標(biāo)均呈遞增趨勢(shì)，而水熱分布不均的地區(qū)或多或少抑制了植被的增長(zhǎng)。通過(guò)分析各氣候指標(biāo)變率對(duì)NDVI變率的影響可知，黃土高原絕大多數(shù)地區(qū)植被的增長(zhǎng)與溫度指標(biāo)變率相關(guān)，而黃土高原中部和東南部的植被增長(zhǎng)趨勢(shì)由水分指標(biāo)變率決定。受控區(qū)域的植被變率較大程度與主導(dǎo)因子的變率為負(fù)相關(guān)關(guān)系。植被增長(zhǎng)的速率主要是由反映植被光合速率和呼吸速率的氣候因子的速率決定［20］，當(dāng)植被光合速率大于呼吸速率，氣候因素與NDVI呈正相關(guān)關(guān)系，植被為增長(zhǎng)趨勢(shì)。反之，植被狀況則會(huì)受到氣候因素的制約。

植被活動(dòng)不僅受到氣候因素的影響還受到非氣候因素的影響，例如地形、土壤質(zhì)地、土地的利用狀況等地理因素也具有空間異質(zhì)性，從而影響植被狀況。本研究也未考慮植被類(lèi)型，不同的植被對(duì)水熱組合狀況的需求不同。另外，大規(guī)模的生態(tài)工程及政策影響也是影響生態(tài)環(huán)境狀況的重要因素［16，21］。選用年度數(shù)據(jù)進(jìn)行植被狀況對(duì)氣候因素的響應(yīng)，未能反映季節(jié)性水熱組合狀況對(duì)植被活動(dòng)的影響規(guī)律。本研究選用的地理回歸模型是基于局部空間的回歸，人類(lèi)活動(dòng)在空間范圍內(nèi)也具有相似性，因此其不僅反映了氣候因素對(duì)植被的空間異質(zhì)性，在一定程度上也反映了人類(lèi)活動(dòng)的空間異質(zhì)性。

參考文獻(xiàn)：

［1］ WANG Q， ZHANG Q P， ZHOU W. Grassland coverage changes and analysis of the driving forces in Maqu County［J］. Physics procedia， 2012， 33： 1292-1297.

［2］ 傅伯杰， 于丹丹， 呂 楠.中國(guó)生物多樣性與生態(tài)系統(tǒng)服務(wù)評(píng)估指標(biāo)體系［J］.生態(tài)學(xué)報(bào)， 2020， 37（2）： 341-348.

［3］ 曹永翔， 劉小丹， 張克斌， 等.青海省都蘭縣察汗烏蘇綠洲植被覆蓋度變化研究［J］.中國(guó)沙漠， 2011， 31（5）： 1267-1272.

［4］ ZHAO M S， RUNNING S W. Drought-induced reduction in global terrestrial net primary production from 2000 through 2009［J］. Science， 2010， 329（5994）： 940-943.

［5］ JIANG L L， JIAPAER G， BAO A M， et al. Vegetation dynamics and responses to climate change and human activities in Central Asia［J］. Science of the total environment， 2020， 599： 967-980.

［6］ 肖 蓓， 崔步禮， 李東昇， 等.黃土高原不同氣候區(qū)降水時(shí)空變化特征［J］.中國(guó)水土保持科學(xué)， 2020， 15（1）： 51-61.

［7］ ZEPPEL M J B， WILKS J V， LEWIS J D. Impacts of extreme precipitation and seasonal changes in precipitation on plants［J］. Biogeosciences， 2014， 11（11）： 3083-3093.

［8］ SEDDON A W R， MACIAS- FAURIA M， LONG P R， et al. Sensitivity of global terrestrial ecosystems to climate variability［J］. Nature， 2016， 531（7593）： 229-243.

［9］ 高江波， 焦珂?zhèn)ィ?吳紹洪. 1982—2013年中國(guó)植被NDVI空間異質(zhì)性的氣候影響分析［J］. 地理學(xué)報(bào)， 2019， 74（3）： 534-543.

［10］ PIAO S L， NAN H J， HUNTINGFORD C， et al. Evidence for a weakening relationship between interannual temperature variability and northern vegetation activity［J］. Nature communications， 2014， 5： 5018.

［11］ REYER C P O， LEUZINGER S， RAMMIG A， et al. A plant？s perspective of extremes： Terrestrial plant responses to changing climatic variability［J］. Global change biology， 2013， 19（1）： 75-89.

［12］ 吳紹洪， 趙 艷， 湯秋鴻， 等.面向“未來(lái)地球”計(jì)劃的陸地表層格局研究［J］.地理科學(xué)進(jìn)展， 2015， 34（1）： 10-17.

［13］ 韓 雅，朱文博，李雙成.基于GWR模型的中國(guó)NDVI與氣候因子的相關(guān)分析［J］.北京大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2016， 52 （6）：1125-1133.

［14］ BRUNSDON C， FOTHERINGHAM A S， CHARLTON M E. Geographically weighted regression： A method for exploring spatial nonstationarity［J］. Geographical analysis， 1996， 28（4）： 281-298.

［15］ BROWN S，VERSACE V L，LAURENSON L，et al. Assessment of spatiotemporal varying relationships between rainfall， land cover and surface water area using geographically weighted regression［J］. Environmental modeling and assessment，2012，17（3）： 241-254.

［16］ 張雪梅，王克林，岳躍民，等.生態(tài)工程背景下西南喀斯特植被變化主導(dǎo)因素及其空間非平穩(wěn)性［J］.生態(tài)學(xué)報(bào)，2020，37（12）：4008-4018.

［17］ MICHALETZ S T，CHENG D，KERKHOFF A J，et al. Convergence of terrestrial plant production across global climate gradients［J］. Nature， 2014， 512（7512）： 39-43.

［18］ BROHAN P， KENNEDY J J， HARRIS I， et al. Uncertainty estimates in regional and global observed temperature changes： A new data set from 1850［J］. Journal of geophysical research-atmospheres， 2006， 111（D12）： 121-133.

［19］ FENG X M， FU B J， PIAO S L， et al. Revegetation in Chinas Loess Plateau is approaching sustainable water resource limits［J］. Nature climate change， 2016， 6（11）： 1019-1022.

［20］ WANG Q， NI J， TENHUNEN J. Application of a geographically-weighted regression analysis to estimate net primary production of Chinese forest ecosystems［J］. Global ecology and biogeography， 2005， 14（4）： 379-393.

［21］ Lü Y H， ZHANG L W， FENG X M， et al. Recent ecological transitions in China： Greening， browning， and influential factors［J］. Scientific reports， 2015， 5： 8732.