南昌市NDVI時(shí)空演化特征及其氣候驅(qū)動(dòng)因子分析

摘 要：揭示南昌市植被覆蓋的演化特征和確定影響其變化趨勢(shì)的主要?dú)夂蝌?qū)動(dòng)因子，為其長(zhǎng)期穩(wěn)定、良性發(fā)展和積極應(yīng)對(duì)后續(xù)的氣候變化提供指導(dǎo)。采用2000—2020年南昌市的NDVI月度數(shù)據(jù)、氣溫、降水和氣壓等10個(gè)氣象驅(qū)動(dòng)因子，利用單樣本K-S（Kolmogorov-Smirnov）檢驗(yàn)、弗里德曼檢驗(yàn)、肯德爾和諧系數(shù)檢驗(yàn)法等非參數(shù)檢驗(yàn)法和隨機(jī)森林分析方法，對(duì)不同驅(qū)動(dòng)因子的重要性進(jìn)行研究。結(jié)果表明，1）在2000—2020年南昌市的NDVI呈波動(dòng)下降趨勢(shì)，該峰值出現(xiàn)在2000年，谷值則在2010年；2）城市整體植被覆蓋呈現(xiàn)四周高中間低的空間分布規(guī)律，北部和西部地區(qū)的NDVI值相對(duì)較高且下降速率緩慢，中部的東湖區(qū)和青山湖區(qū)等NDVI值相對(duì)較低且有明顯下降趨勢(shì)；3）植被覆蓋的極大平均值出現(xiàn)在每年8月，受溫度的影響最顯著，而風(fēng)向的影響最不顯著，降水的影響有一定的時(shí)滯性，植被覆蓋變化應(yīng)結(jié)合多要素的共同驅(qū)動(dòng)作用來(lái)決定。

關(guān)鍵詞：歸一化植被指數(shù)； 非參數(shù)檢驗(yàn)； 隨機(jī)森林； 氣候變化； 驅(qū)動(dòng)分析。

中圖分類號(hào)：S732；Q948；TP79 文獻(xiàn)標(biāo)識(shí)碼：A DOI：10.7525/j.issn.1006-8023.2024.05.006

Analysis of Spatiotemporal Evolution Characteristics of NDVI and Its Climate Driving Factors in Nanchang City

Abstract： To reveal the evolution characteristics of vegetation cover in Nanchang City and identify the main climate drivers affecting its change trends， in order to provide guidance for its long-term stable and benign development and active response to the subsequent climate change. In this paper， NDVI monthly data and ten meteorological driving factors such as temperature， precipitation and pressure of Nanchang City from 2000 to 2020 were used to study the importance of different drivers by using single sample K-S test， Friedmann test， Kendall harmony coefficient test and random forest analysis. The results showed that， 1） the NDVI of Nanchang City showed a fluctuating downward trend from 2000 to 2020， the peak appeared in 2000， while the trough occurred in 2010. 2） The overall vegetation cover of the city showed a spatial distribution pattern of high perimeter and low center， with the NDVI values in the north and the west being relatively high and decreasing at a slow rate， and the NDVI values of the central areas of the city such as the East Lake District and the Castle Peak Lake District being relatively low and with an obvious downward trend. 3） The great average value of the vegetation cover appeared in August each year， which was most significantly affected by temperature and least affected by wind direction， with a certain time lag influenced by precipitation， so the study of vegetation cover change should be determined by combining the driving effect of multiple elements.

Keywords： NDVI； nonparametric test； random forest； climate change； driving analysis

0 引言

植被指數(shù)是用來(lái)描述植被生長(zhǎng)狀況的指標(biāo)［1］，可以有效地分析地表植被狀況，廣泛應(yīng)用于植被分類、時(shí)空變化、城市土地利用覆蓋和地表干旱監(jiān)測(cè)等方面。歸一化植被指數(shù)（NDVI），是用來(lái)反映植被生長(zhǎng)狀態(tài)和趨勢(shì)的重要參數(shù)，與遙感技術(shù)結(jié)合，近年來(lái)被廣泛應(yīng)用在分析城市植被狀況的研究中［2-3］。隨著南昌市自然資源和規(guī)劃局發(fā)布的《南昌市國(guó)土空間總體規(guī)劃（2021—2035年）》公示稿及國(guó)家深入推進(jìn)實(shí)施長(zhǎng)江經(jīng)濟(jì)帶重點(diǎn)湖區(qū)“4+1”工程政策的實(shí)施［4］，對(duì)于南昌市植被覆蓋情況的時(shí)空演化特征及其氣候驅(qū)動(dòng)因子的研究具有重要意義。

現(xiàn)有研究表明，植被覆蓋與NDVI變化有很大的關(guān)聯(lián)性［5-7］，人類活動(dòng)引起的氣候變化對(duì)植被覆蓋情況有所影響［8-10］，其中，氣象因子占很大的影響比例［11］，且隨著高程和坡度的增加，氣候?qū)χ脖坏挠绊懼饾u變大［12］。

基于分析方法的不同，各因子的影響程度也有差異。龔新梅［13］利用時(shí)間序列分析與回歸分析的相互關(guān)系并結(jié)合NDVI的COV（Coverage，即覆蓋度）斜率來(lái)監(jiān)測(cè)沙漠界限外干旱半干旱區(qū)的植被變化情況；張金茜等［14］采用景觀格局指數(shù)、主成分分析和地理探測(cè)器的方法，定量分析了甘肅白龍江流域的景觀破碎化及其驅(qū)動(dòng)因子；王偉等［15］采用趨勢(shì)分析法和地理探測(cè)器模型進(jìn)行分析，發(fā)現(xiàn)雙因子交互作用有助于增強(qiáng)對(duì)NDVI空間分布以及時(shí)空變化的解釋力；張樂勤［16］采用偏最小二乘與通徑分析方法，對(duì)生態(tài)效率驅(qū)動(dòng)因子邊際直接與間接效應(yīng)進(jìn)行考察；馬森等［17］運(yùn)用泰爾-森估計(jì)（Theil-sen，Sen）趨勢(shì)分析法分析NDVI時(shí)空變化，并結(jié)合相關(guān)分析及標(biāo)準(zhǔn)化信息流等方法研究塔里木地區(qū)氣候變化對(duì)植被的影響。

基于不同的研究區(qū)域，各氣候驅(qū)動(dòng)因子的重要性也有些差異。穆少杰等［18］對(duì)內(nèi)蒙古地區(qū)影響植被生長(zhǎng)的因子研究發(fā)現(xiàn)，植被生長(zhǎng)相比起單因子的影響更加依賴于水熱組合的作用，且草原植被覆蓋度對(duì)降水量的響應(yīng)存在時(shí)滯效應(yīng)；陳燕麗等［19］分析得到喀斯特地區(qū)NDVI相關(guān)性較高的氣候因子為日照和氣溫，且一些氣候因子的響應(yīng)存在明顯的滯后性；陳甲豪等［20］認(rèn)為溫度和太陽(yáng)輻射作用顯著主導(dǎo)海南島的植被生長(zhǎng)；周喆等［21］結(jié)合GEE（Google Earth Engin）平臺(tái)研究得到濕度對(duì)黃河上游地區(qū)的生態(tài)環(huán)境質(zhì)量影響程度最顯著；趙健赟等［22］基于NDVI分析了青藏高原的植被覆蓋率與氣候影響因子之間的響應(yīng)關(guān)系，研究發(fā)現(xiàn)該地區(qū)植被覆蓋率改善的主要原因是氣溫升高、風(fēng)速變低和降雨增加。

為了積極推動(dòng)美麗中國(guó)建設(shè)實(shí)踐，深入研究國(guó)內(nèi)地區(qū)植被覆蓋變化具有重要意義?？涩F(xiàn)有的大部分研究都是基于單一氣候影響因子驅(qū)動(dòng)分析大尺度的生態(tài)系統(tǒng)變化，或只利用幾種數(shù)值分析方法來(lái)探究響應(yīng)分析。因此本研究考慮多樣氣象因子，結(jié)合多種統(tǒng)計(jì)學(xué)分析方法，更準(zhǔn)確地探究植被覆蓋變化與氣候影響因子的響應(yīng)機(jī)制。為了解南昌市的NDVI季節(jié)性差異變化、空間分布規(guī)律及其變化速率和各氣候影響因子的重要性分析，本研究利用2000—2020年南昌市NDVI的時(shí)間序列數(shù)據(jù)集和氣象統(tǒng)計(jì)數(shù)據(jù)，分析南昌市植被覆蓋變化及潛在發(fā)展趨勢(shì)，為保障其生態(tài)可持續(xù)發(fā)展提供一定參考。

1 數(shù)據(jù)及方法

1.1 研究區(qū)概況

研究區(qū)位于江西省南昌市，地理坐標(biāo)28°10'～29°11'N、115°27'～116°35'E，總面積7 195 km2。研究區(qū)屬亞熱帶季風(fēng)氣候，氣候濕潤(rùn)溫和，日照長(zhǎng)且雨水充足。年降雨量為1 600～1 700 mm，年降水天數(shù)為147～157 d，年平均下暴雨的天數(shù)為5～6 d，年平均相對(duì)濕度為78.5%。全境以平原為主，占35.8%，西北有分布丘陵，水網(wǎng)密布，湖泊眾多，東南區(qū)域平坦。南昌現(xiàn)有林業(yè)用地總面積1.4×105 hm2，森林面積1.2×105 hm2，森林覆蓋率為23%，城區(qū)綠化覆蓋率達(dá)42.08%。2019年江西省的植被覆蓋度為65.69%［23］，處于中高覆蓋度水平，如圖1所示。

1.2 數(shù)據(jù)來(lái)源及分析

NDVI數(shù)據(jù)來(lái)源：資源環(huán)境科學(xué)數(shù)據(jù)注冊(cè)與出版系統(tǒng)，中國(guó)月度植被指數(shù)（NDVI）空間分布數(shù)據(jù)集［24］（https：//www.resdc.cn/DOI/doi.aspx？DOIid=50）。該數(shù)據(jù)集以連續(xù)時(shí)間序列的SPOT（Systeme Probatoired Observation de la Terre）/VEGETATION NDVI衛(wèi)星遙感數(shù)據(jù)為基礎(chǔ)，采用最大值合成方法生成的從1998年以來(lái)的月度植被指數(shù)數(shù)據(jù)集。

氣溫、降水、氣壓、風(fēng)向、相對(duì)濕度和日照時(shí)數(shù)等氣象數(shù)據(jù)來(lái)源于中國(guó)氣象數(shù)據(jù)網(wǎng)（https：//data.cma.cn/）內(nèi)江西省地面氣象觀測(cè)數(shù)據(jù)分析應(yīng)用服務(wù)平臺(tái)的中國(guó)地面氣象觀測(cè)歷史數(shù)據(jù)集（月值）。

2 分析方法

2.1 非參數(shù)檢驗(yàn)

非參數(shù)檢驗(yàn)方法也稱無(wú)分布檢驗(yàn)，不要求數(shù)據(jù)符合正態(tài)分布，定量化程度不受少數(shù)異常值的影響，可以檢測(cè)很大范圍的數(shù)據(jù)，計(jì)算簡(jiǎn)單且干擾度小，因此該檢驗(yàn)方法適用于非正態(tài)分布數(shù)據(jù)的趨勢(shì)分析。本研究分別運(yùn)用單樣本K-S（Kolmogoro-Smirnov）檢驗(yàn)、弗里德曼（Friedman）檢驗(yàn)、肯德爾和諧系數(shù)檢驗(yàn)、克魯斯卡爾-沃利斯檢驗(yàn)、M-K（Manner-Kendall）趨勢(shì)檢驗(yàn)的方法，對(duì)選取的10個(gè)氣候影響因子的響應(yīng)進(jìn)行逐一分析。

1）單樣本K-S檢驗(yàn)是一種使用抽樣數(shù)據(jù)來(lái)估計(jì)總體是否遵循某特定理論分布的擬合優(yōu)度的非參數(shù)檢驗(yàn)方法，適用于分析連續(xù)隨機(jī)變量的分布形態(tài)。

2）Friedman檢驗(yàn)，是一種利用秩實(shí)現(xiàn)對(duì)多個(gè)總體分布是否存在顯著差異的非參數(shù)檢驗(yàn)方法［25］，其假設(shè)來(lái)自多個(gè)總體分布的配對(duì)樣本沒有顯著差異。

3）肯德爾和諧系數(shù)是一種可以計(jì)算多個(gè)變量相關(guān)程度的數(shù)值［26］。通過(guò)求得肯德爾和諧系數(shù)，可以客觀地選出更好的評(píng)分作品和判斷評(píng)估方法次序的一致性。

4）克魯斯卡爾-沃利斯檢驗(yàn)亦稱“K-W檢驗(yàn)”，是用以檢驗(yàn)2個(gè)以上樣本是否來(lái)自同一個(gè)概率分布的一種非參數(shù)方法［27］，要求參與檢驗(yàn)的樣本必須是不相關(guān)或獨(dú)立。

5）M-K趨勢(shì)檢驗(yàn)法是一種常用的統(tǒng)計(jì)學(xué)檢驗(yàn)方法，用于預(yù)測(cè)降水、溫度和氣壓等氣象要素的長(zhǎng)時(shí)序變化趨勢(shì)［28］。目前，M-K檢驗(yàn)在時(shí)間序列趨勢(shì)分析中廣泛應(yīng)用［29］，該方法不受個(gè)別異常值的擾動(dòng)和樣本必須遵循某一分布的限制，較好地適用于非正態(tài)分布的氣象數(shù)據(jù)和水文數(shù)據(jù)的分析。M-K趨勢(shì)檢驗(yàn)的優(yōu)點(diǎn)是可以處理非正態(tài)分布的數(shù)據(jù)，而且不需要對(duì)數(shù)據(jù)進(jìn)行任何假設(shè)。

2.2 隨機(jī)森林分析

隨機(jī)森林（Random Forest，RF）算法是一種基于分類與回歸（classification and regression tree，CART）決策樹的集成學(xué)習(xí)算法，廣泛應(yīng)用于回歸分類問題。在CART決策樹的基礎(chǔ)上，利用隨機(jī)有放回隨機(jī)無(wú)放回的提取特征來(lái)訓(xùn)練形成新樣本集，并生成多個(gè)CART決定樹作為隨機(jī)森林的模型［30］。隨機(jī)森林算法作為一種組合分類器，其算法簡(jiǎn)單、易于實(shí)現(xiàn)、泛化能力強(qiáng)，在分類、回歸問題上表現(xiàn)優(yōu)異。

隨機(jī)森林算法的工作流程如圖2所示。1）確定隨機(jī)森林的訓(xùn)練參數(shù)。例如，輸入特征的子集S，特征屬性的集合F，決策樹的數(shù)量n，隨機(jī)特征的數(shù)量m；2）從訓(xùn)練樣本S隨機(jī)有放回地選取n個(gè)子樣本集合，再隨機(jī)抽取每個(gè)子樣本的特征來(lái)訓(xùn)練決策樹；3）綜合并輸出決策樹的結(jié)果。

3 結(jié)果與分析

3.1 NDVI時(shí)空演變趨勢(shì)

從空間維度分析NDVI年均值的變化趨勢(shì)，南昌市的大部分區(qū)域NDVI值較高（0.5～0.9），但總體來(lái)看處于下降的趨勢(shì)。說(shuō)明南昌市的總體覆蓋狀況良好，但植被狀況在一定程度上正在逐步變差。由圖3可知，NDVI均值的極小值基本分布在東湖區(qū)、西湖區(qū)、青山湖區(qū)、青云譜區(qū)、進(jìn)賢縣西北部和新建區(qū)的東北部。

利用2000—2020年的NDVI年均值數(shù)據(jù)，以時(shí)間維度分析，得到NDVI的年度變化趨勢(shì)。由圖4可知，NDVI總體呈波動(dòng)下降趨勢(shì)，總體均值為0.463，峰值出現(xiàn)在2000年，為0.520；谷值則在2010年，為0.414。NDVI總體呈下降趨勢(shì)，其中在2005、2009、2018年驟然下降；而在2010和2016年這2個(gè)時(shí)間點(diǎn)卻出現(xiàn)了小范圍的增長(zhǎng)。

分析2000—2020年1—12月的NDVI均值分別與對(duì)應(yīng)月份的氣溫、降水和氣壓等因子的變化，由圖5可知，NDVI的極大值出現(xiàn)在8月，這與溫度和日照時(shí)數(shù)等因子的變化較一致；降水量在第二季度普遍較高，同時(shí)NDVI也是呈現(xiàn)很大的上升趨勢(shì)；由月均氣壓與NDVI的變化來(lái)看，氣壓與NDVI呈負(fù)相關(guān)：氣壓越高則NDVI數(shù)值越小，反之則越大。

3.2 分析檢驗(yàn)結(jié)果

3.2.1 數(shù)據(jù)分布情況的檢驗(yàn)

將數(shù)據(jù)進(jìn)行歸一化和標(biāo)準(zhǔn)化后進(jìn)行正態(tài)性檢驗(yàn)，篩選后續(xù)的數(shù)據(jù)分析方法。由單樣本K-S檢驗(yàn)得（表1），除月均相對(duì)濕度和月日照時(shí)數(shù)符合正態(tài)分布外，其余氣象因子都屬于其他分布即非正態(tài)分布。因此對(duì)于此研究區(qū)的數(shù)據(jù)應(yīng)采用非參數(shù)檢驗(yàn)的方法進(jìn)行下一步的分析。

3.2.2 非參數(shù)檢驗(yàn)

首先采用Friedman檢驗(yàn)和肯德爾和諧系數(shù)檢驗(yàn)方法來(lái)驗(yàn)證數(shù)據(jù)的顯著性和一致性；然后利用克魯斯卡爾-沃利斯檢驗(yàn)，對(duì)數(shù)據(jù)按照季節(jié)差異來(lái)分析，尋求各因子的重要性差異；最后通過(guò)M-K方法做NDVI的趨勢(shì)分析，尋求數(shù)據(jù)的突變點(diǎn)并做分析?；诓煌臄?shù)據(jù)分析方法來(lái)綜合判斷且互相對(duì)比結(jié)果，研究氣象因子對(duì)植被狀況的驅(qū)動(dòng)影響及各因子的重要性分析。

基于SPSS平臺(tái)進(jìn)行Friedman檢驗(yàn)和肯德爾和諧系數(shù)檢驗(yàn)，2種方法的P均小于0.05，并得出肯德爾系數(shù)為0.185，說(shuō)明各因子的影響程度有所差異。由氣候驅(qū)動(dòng)因子秩平均值可得，月均氣溫對(duì)于NDVI的影響最顯著，月降水量對(duì)于NDVI的變化具有不顯著影響，如圖6所示。

基于克魯斯卡爾-沃利斯檢驗(yàn)對(duì)各氣溫因子進(jìn)行季度分析，利用秩和比（Rank-sum ratio，RSR）指標(biāo)進(jìn)行評(píng)價(jià)，其值越大說(shuō)明評(píng)價(jià)對(duì)象越優(yōu)［31］。由表2可知，第一季度影響NDVI變化最大的是與降水相關(guān)的要素，如降水量和相對(duì)濕度，第二季度影響最顯著的因子集中在溫度要素上，風(fēng)向要素在第三季度的效果最顯著，而氣壓則在第四季度對(duì)NDVI變化的影響最顯著。同時(shí)綜合分析NDVI的增長(zhǎng)速率由大到小依次為夏季、秋季、春季、冬季。

趨勢(shì)分析是將真實(shí)值和歷史不同時(shí)期的數(shù)據(jù)進(jìn)行比較，以確定變化趨勢(shì)的分析方法。本研究選用在氣象、水文學(xué)中廣泛使用的M-K檢驗(yàn)［32］。在進(jìn)行M-K檢驗(yàn)前，需計(jì)算無(wú)向趨勢(shì)統(tǒng)計(jì)量（Undirected Trend Statistic，UF）和反向趨勢(shì)統(tǒng)計(jì)量（Backward Trend Statistic，UB）。由圖7可知，突變點(diǎn)開始的時(shí)間為2014年末接近2015年間，但UF總體仍在置信區(qū)間內(nèi)變動(dòng)，曲線交點(diǎn)在臨界線（2條顯著性檢驗(yàn)線之間，置信區(qū)間內(nèi)）以內(nèi)，超出臨界線的范圍表明為出現(xiàn)突變的時(shí)間區(qū)域，即在2000—2020年，呈現(xiàn)不顯著的上升趨勢(shì)。

3.2.3 隨機(jī)森林

對(duì)研究的十個(gè)氣候驅(qū)動(dòng)因子建立隨機(jī)森林模型。經(jīng)過(guò)多次訓(xùn)練得出，當(dāng)決策樹數(shù)目為400，最小葉子數(shù)為3時(shí)，得到的結(jié)果精度最高。此時(shí)的訓(xùn)練集數(shù)據(jù)的R2為0.818 9，測(cè)試集數(shù)據(jù)的R2為0.766 0，不存在過(guò)擬合現(xiàn)象。通過(guò)對(duì)比得出，訓(xùn)練集和測(cè)試集預(yù)測(cè)結(jié)果的誤差較小，訓(xùn)練的模型準(zhǔn)確性較高，如圖8所示?；诖四Ｐ腿シ治鰵夂蝌?qū)動(dòng)因子對(duì)NDVI的響應(yīng)，如圖9所示，月均氣溫對(duì)于NDVI的影響最顯著，且秩平均值最高的前4個(gè)因子都與溫度有關(guān)，再次證實(shí)溫度對(duì)于NDVI的影響最顯著。

4 討論

4.1 土地利用類型與植被覆蓋變化的關(guān)系

通過(guò)對(duì)2000—2020年南昌市的植被變化情況的調(diào)查分析，得出南昌市的植被總體覆蓋狀況良好，但情況正在逐步變差。從1998年開始，南昌市以維護(hù)區(qū)域生態(tài)安全為目的，實(shí)施了“平垸行洪、退田還湖”等工程，增加了一定的水域面積。近年來(lái)，隨著經(jīng)濟(jì)發(fā)展和城市化進(jìn)程，由《南昌市土地利用總體規(guī)劃（2006—2020年）》可知，在東湖區(qū)和西湖區(qū)等地的耕地面積減幅較大，建設(shè)用地的增幅明顯。根據(jù)2015年第四批征地為集體土地29.528 6 hm2，其中，農(nóng)用地8.788 5 hm2（含耕地3.767 9 hm2）、建設(shè)用地7.840 8 hm2、未利用地12.899 3 hm2。隨著南昌市的社會(huì)經(jīng)濟(jì)發(fā)展，城市化水平越來(lái)越高，導(dǎo)致對(duì)于建設(shè)用地的需求增加，必然會(huì)造成植被的減少、新增的城市建設(shè)用地占用耕地較多，未利用土地比例較小也會(huì)造成城市的后備土地資源不足［33］。由此可見，土地利用類型的改變會(huì)對(duì)植被覆蓋起重要影響，這與相關(guān)研究成果［34］一致。

4.2 氣候影響因子與植被覆蓋變化的關(guān)系

通過(guò)分析NDVI與各氣候驅(qū)動(dòng)因子的趨勢(shì)可得，NDVI并未與某些因子的變化完全同步，由此證明植被覆蓋的變化必然是多要素驅(qū)動(dòng)的結(jié)果。研究發(fā)現(xiàn)，不同季節(jié)對(duì)于NDVI的響應(yīng)速率也不同，由大到小依次表現(xiàn)為夏季、秋季、春季、冬季。同時(shí)，同一種氣象因子在不同的季節(jié)，對(duì)植被覆蓋的變化也有不同，后續(xù)在一年四季研究植被覆蓋變化時(shí)可以側(cè)重于研究不同的氣象因子。綜合對(duì)秩平均值的分析，發(fā)現(xiàn)與溫度有關(guān)的4個(gè)氣象要素對(duì)NDVI的變化影響最顯著，均為正相關(guān)，說(shuō)明隨著氣溫的升高，確實(shí)有利于植被的生長(zhǎng)；同時(shí)，降水也與植被覆蓋變化呈正相關(guān)，但表現(xiàn)出一定的時(shí)滯性。由以上相關(guān)性分析可得，對(duì)NDVI的影響最顯著的月份出現(xiàn)在8月，此時(shí)正是炎熱多雨季節(jié)，也驗(yàn)證了氣溫和降水對(duì)植被覆蓋變化的重要性，這與目前的大多數(shù)研究也基本一致［35-36］。但先前的研究并未考慮氣流的運(yùn)動(dòng)對(duì)NDVI的影響［37］，本研究發(fā)現(xiàn)，氣壓與NDVI的變化呈負(fù)相關(guān)，月最多風(fēng)向和月最多風(fēng)向頻率對(duì)NDVI的影響最不顯著。

不少研究同時(shí)指出，近些年來(lái)，隨著城市化的影響，城市氣象災(zāi)害年代際變化特征越來(lái)越明顯。城市暴雨有周期性振蕩，近10 a來(lái)年暴雨和雷暴天數(shù)呈現(xiàn)下降趨勢(shì)，但城市短時(shí)強(qiáng)降水頻數(shù)增加且暴雨的強(qiáng)度增大［38］；近55 a南昌市年平均霾日數(shù)呈增加的趨勢(shì)，且春夏季霾日少、秋冬季霾日多［39］；江西省近幾年臭氧污染日益嚴(yán)重，伴隨著日照時(shí)間變長(zhǎng)，氣溫極值升高和降水的異常減少等導(dǎo)致秋季近地面臭氧濃度異常升高［40］。這些事例都可以說(shuō)明氣候影響因子的變化在監(jiān)測(cè)城市的生態(tài)發(fā)展中的重要性，且隨著全球變暖，極端天氣的事件時(shí)有發(fā)生，未來(lái)的氣候變化會(huì)更復(fù)雜，各氣象因子的協(xié)同驅(qū)動(dòng)作用也會(huì)更明顯，此問題仍需繼續(xù)研究。

4.3 人類活動(dòng)與植被覆蓋變化的關(guān)系

統(tǒng)計(jì)可知，NDVI總體變化趨勢(shì)為下降，分析植被覆蓋時(shí)空變化，其中在2005、2009和2018年出現(xiàn)大規(guī)模下降。下降速率最快的時(shí)間點(diǎn)也是江西省發(fā)布政策的重要節(jié)點(diǎn)。江西省委、省政府在2018年印發(fā)了《關(guān)于全面推進(jìn)全域旅游發(fā)展的意見》，把發(fā)展旅游業(yè)作為深化發(fā)展旅游強(qiáng)省建設(shè)、全方位提升江西旅游行業(yè)整體發(fā)展水平和服務(wù)質(zhì)量的重要抓手。在大規(guī)模的不合理開發(fā)利用綠地資源的情況下，城市植被覆蓋率越來(lái)越低。值得注意的是，由趨勢(shì)分析顯示2015年為植被覆蓋變化的突變點(diǎn)。這一年不僅大規(guī)模征地近30 hm2、大規(guī)模進(jìn)行樓市開發(fā)且開通了南昌市首條地鐵線路［41］。隨著社會(huì)的發(fā)展，未來(lái)的城市化進(jìn)程更要仔細(xì)考慮對(duì)于生態(tài)環(huán)境的影響，避免由于人類活動(dòng)造成的大規(guī)模植被破壞。

5 結(jié)論

本研究基于2000—2020年南昌市NDVI數(shù)據(jù)，采用一系列非參數(shù)檢驗(yàn)法和隨機(jī)森林算法分析植被變化趨勢(shì)和各因子的響應(yīng)規(guī)律，得出以下結(jié)論。

1）2000—2020年南昌市的總體植被覆蓋情況良好，但呈現(xiàn)波動(dòng)下降趨勢(shì)，總體均值為0.463。根據(jù)季節(jié)的不同，對(duì)NDVI的響應(yīng)程度也有不同，表現(xiàn)為在夏季時(shí)的影響最為顯著。

2）植被覆蓋情況呈現(xiàn)中間低四周高的空間分布規(guī)律，北部和西部地區(qū)的NDVI值相對(duì)較高且下降速率緩慢，中部的東湖區(qū)和青山湖區(qū)等NDVI值相對(duì)較低且有明顯下降趨勢(shì)。

3）南昌市植被覆蓋變化的極大平均值出現(xiàn)在每年8月，這與溫度、日照時(shí)數(shù)和降雨的變化較一致，且受溫度的影響最顯著，受風(fēng)向的影響最不顯著，而降水的影響呈現(xiàn)一定的時(shí)滯性。但并未完全同步，因此考慮到是多要素的共同驅(qū)動(dòng)。

本研究在研究NDVI與氣候因子的響應(yīng)分析時(shí)，未明確劃分不同植被類型來(lái)進(jìn)行研究，下一步將進(jìn)行基于多種氣象因子對(duì)區(qū)域內(nèi)不同植被類型的響應(yīng)研究。

【參 考 文 獻(xiàn)】

［1］ 王莉雯，衛(wèi)亞星，牛錚.基于遙感的青海省植被覆蓋時(shí)空變化定量分析［J］.環(huán)境科學(xué)，2008，29（6）：1754-1760.

WANG L W，WEI Y X，NIU Z.Analysis of vegetation spatial and temporal variations in Qinghai Province based on remote sensing［J］.Environmental Science，2008，29（6）：1754-1760.

［2］ WANG J，RICH P M，PRICE K P.Temporal responses of NDVI to precipitation and temperature in the central Great Plains，USA［J］.International Journal of Remote Sensing，2003，24（11）：2345-2364.

［3］ 楊晏立，何政偉，管磊，等.基于RS與GIS技術(shù)的瀘定縣植被空間分布分析［J］.測(cè)繪工程，2010，19（5）：49-52，56.

YANG Y L，HE Z W，GUAN L，et al.Spatial distribution differentiation of vegetation in Luding County based on RS and GIS［J］.Engineering of Surveying and Mapping，2010，19（5）：49-52，56.

［4］ 南昌市自然資源局，中國(guó)城市規(guī)劃設(shè)計(jì)研究院.南昌市國(guó)土空間總體規(guī)劃（2021—2035年）［R］.南昌：南昌市自然資源局，2021.

Nanchang Natural Resources Bureau，China Academy of Urban Planning and Design.Nanchang City territorial spatial master plan （2021—2035）［R］.Nanchang：Nanchang Natural Resources Bureau，2021.

［5］ 王正興，劉闖，HUETE A.植被指數(shù)研究進(jìn)展：從AVHRR-NDVI到MODIS-EVI［J］.生態(tài)學(xué)報(bào)，2003，23（5）：979-987.

WANG Z X，LIU C，HUETE A.From AVHRR-NDVI to MODIS-EVI：Advances in vegetation index research［J］.Acta Ecologica Sinica，2003，23（5）：979-987.

［6］ HUETE A，DIDAN K，MIURA T，et al.Overview of the radiometric and biophysical performance of the MODIS vegetation indices［J］.Remote Sensing of Environment，2002，83（1-2）：195-213.

［7］ 湯宇磊，吳楊楊，蔣興征，等.面向自然資源信息提取的多源異構(gòu)數(shù)據(jù)融合技術(shù)——以漢江流域NDVI數(shù)據(jù)為例［J］.中國(guó)地質(zhì)調(diào)查，2021，8（2）：74-82.

TANG Y L，WU Y Y，JIANG X Z，et al.Multi-source heterogeneous data fusion technology for natural resource information extraction：A case study of NDVI data in Hanjiang Basin［J］.Geological Survey of China，2021，8（2）：74-82.

［8］ YANG Z，SHEN Y Y，JIANG H，et al.Assessment of the environmental changes in arid and semiarid mining areas using long time series Landsat images［J］.Environmental Science and Pollution Research，2021，28（37）：521447-52156.

［9］ ZHANG J X，YANG T，DENG M J，et al.Spatio-temporal variations and its driving factors of NDVI in Northwest China during 2000—2021［J］.Environmental Science and Pollution Research，2023，30（56）：118782-118800.

［10］ 楊城，邢艷秋，馬超.青藏鐵路沿線NDVI的人類活動(dòng)和氣候變化響應(yīng)［J］.測(cè)繪科學(xué)，2022，47（4）：137-145.

YANG C，XING Y Q，MA C.The response of NDVI along the Qinghai-Tibet railway to human activities and climate change［J］.Science of Surveying and Mapping，2022，47（4）：137-145.

［11］ 劉智源，李繼紅.2000—2020年黑龍江省植被時(shí)空變化對(duì)氣候因子響應(yīng)［J］.森林工程，2024，40（1）：85-97.

LIU Z Y，LI J H.Responses of temporal and spatial changes of vegetation to climate factors in Heilongjiang Province from 2000 to 2020［J］.Forest Engineering，2024，40（1）：85-97.

［12］ ZHANG Y R，HE Y，LI Y L，et al.Spatio-temporal variation and driving forces of NDVI from 1982 to 2015 in the Qinba Mountains，China［J］.Environmental Science and Pollution Research，2022，29（34）：52277-52288.

［13］ 龔新梅.新疆土地荒漠化時(shí)空變化特征及驅(qū)動(dòng)因子分析［D］.烏魯木齊：新疆大學(xué)，2007.

GONG X M.Characterization of spatial and temporal changes of land desertification in Xinjiang and analysis of driving factors［D］.Urumqi：Xinjiang University，2007.

［14］ 張金茜，鞏杰，柳冬青.地理探測(cè)器方法下甘肅白龍江流域景觀破碎化與驅(qū)動(dòng)因子分析［J］.地理科學(xué)，2018，38（8）：1370-1378.

ZHANG J X，GONG J，LIU D Q.Dynamics and driving factors of landscape fragmentation based on GeoDetector in the Bailongjiang watershed of Gansu Province［J］.Scientia Geographica Sinica，2018，38（8）：1370-1378.

［15］ 王偉，阿里木·賽買提，吉力力·阿不都外力.基于地理探測(cè)器模型的中亞NDVI時(shí)空變化特征及其驅(qū)動(dòng)因子分析［J］.國(guó)土資源遙感，2019，31（4）：32-40.

WANG W，AlIMU S，JILI A.Geo-detector based spatio-temporal variation characteristics and driving factors analysis of NDVI in Central Asia［J］.Remote Sensing for Natural Resources，2019，31（4）：32-40.

［16］ 張樂勤.基于邊際分析方法的生態(tài)效率驅(qū)動(dòng)因子識(shí)別與趨勢(shì)預(yù)測(cè)［J］.四川師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2019，42（4）：560-568.

ZHANG L Q.Identification and tendency prediction of eco-efficiency driving factor based on marginal analysis［J］.Journal of Sichuan Normal University（Natural Science），2019，42（4）：560-568.

［17］ 馬森，張代青，張惠，等.塔里木河流域NDVI時(shí)空變化特征及其影響因素分析［J］.高原山地氣象研究，2023，43（4）：76-83.

MA S，ZHANG D Q，ZHANG H，et al.Spatiotemporal variation characteristics and influencing factors analysis of NDVI in Tarim River Basin［J］.Plateau and Mountain Meteorology Research，2023，43（4）：76-83.

［18］ 穆少杰，李建龍，陳奕兆，等.2001-2010年內(nèi)蒙古植被覆蓋度時(shí)空變化特征［J］.地理學(xué)報(bào)，2012，67（9）：1255-1268.

MU S J，LI J L，CHEN Y Z，et al.Spatial differences of variations of vegetation coverage in inner Mongolia during 2001-2010［J］.Acta Geographica Sinica，2012，67（9）：1255-1268.

［19］ 陳燕麗，羅永明，莫偉華，等.MODIS NDVI與MODIS EVI對(duì)氣候因子響應(yīng)差異［J］.自然資源學(xué)報(bào)，2014，29（10）：1802-1812.

CHENG Y L，LUO Y M，MO W H，et al.Differences between MODIS NDVI and MODIS EVI in response to climatic factors［J］.Journal of Natural Resources，2014，29（10）：1802-1812.

［20］ 陳甲豪，胡中民，吳凱.1982～2015年海南島NDVI時(shí)空變化及氣候驅(qū)動(dòng)力分析［J］.遙感技術(shù)與應(yīng)用，2023，38（5）：1071-1080.

CHENG J H，HU Z M，WU K.Spatiotemporal variations of NDVI and the analysis of its climate driving factors in Hainan Island During 1982-2015［J］.Remote Sensing Technology and Application，2023，38（5）：1071-1080.

［21］ 周喆，胡夏嵩，劉昌義，等.基于GEE的黃河上游生態(tài)環(huán)境質(zhì)量動(dòng)態(tài)監(jiān)測(cè)與評(píng)價(jià)：以龍羊峽至積石峽段為例［J］.生態(tài)學(xué)雜志，2023，42（10）：2545-2554.

ZHOU Z，HU X S，LIU C Y，et al.Dynamic monitoring and evaluation of eco-environmental quality in the upper reaches of the Yellow River based on GEE：A case study of the section from Longyang Gorge to Jishi Gorge［J］.Chinese Journal of Ecology，2023，42（10）：2545-2554.

［22］ 趙健赟，丁圓圓，杜梅，等.基于遙感植被指數(shù)的青海高原植被覆蓋對(duì)氣候變化的響應(yīng)關(guān)系分析［J］.中國(guó)水土保持，2022（3）：41–44.

ZHAO J Y，DING Y Y，DU M，et al.Response of vegetation cover to climate change in Qinghai Plateau based on remote sensing vegetation index［J］.Soil and Water Conservation in China，2022（3）：41–44.

［23］ 廖凱濤，宋月君，謝頌華，等.基于Google Earth Engine的江西省植被覆蓋度時(shí)空變化特征分析［J］.中國(guó)水土保持，2022（10）：64-67，9.

LIAO K T，SONG Y J，XIE S H，et al.Spatial and temporal variation characteristics of vegetation coverage in Jiangxi Province based on Google Earth Engine［J］.Soil and Water Conservation in China，2022（10）：64-67，9.

［24］ 徐新良.中國(guó)月度植被指數(shù)（NDVI）空間分布數(shù)據(jù)集［DB］//資源環(huán)境科學(xué)數(shù)據(jù)平臺(tái).北京：中國(guó)科學(xué)院地理科學(xué)與資源研究所，2018.DOI：10.12078/2018060602.

XU X L.China monthly vegetation index（NDVI） spatial distribution dataset［DB］//Resource Environmental Science Data Platform.Beijing：Institute of Geographic Sciences and Resources，Chinese Academy of Sciences，2018.DOI：10.12078/2018060602.

［25］ 王炯滔，金明，李有明，等.基于Friedman檢驗(yàn)的非參數(shù)協(xié)作頻譜感知方法［J］.電子與信息學(xué)報(bào)，2014，36（1）：61-66.

WANG J T，JIN M，LI Y M，et al.Nonparametric cooperative spectrum sensing algorithm based on Friedman test［J］，Journal of Electronics and Information Technology，2014，36（1）：61-66.

［26］ 馬亞龍，張偉，朱敏潔，等.評(píng)估方法的效度分析［J］.系統(tǒng)工程與電子技術(shù)，2007（6）：907-908，925.

MA Y L，ZHANG W，ZHU M J，et al.Analysis of evaluation methods' efficiency［J］.Systems Engineering and Electronics，2007（6）：907-908，925.

［27］ 劉洋，曹云東，劉樹鑫.基于改進(jìn)Kruskal-Wallis檢驗(yàn)的低壓開關(guān)電器狀態(tài)表征參數(shù)選擇［J/OL］.高電壓技術(shù)，2024（1）：1-11.https：//doi.org/10.13336/j.1003-6520.hve.20221623.

LIU Y，CAO Y D，LIU S X.Selection of state characterization parameters for a low-voltage switching device based on improved Kruskal-wallis test［J/OL］.High Voltage Engineering，2024（1）：1-11.https：//doi.org/10.13336/j.1003-6520.hve.20221623.

［28］ HAMED K H.Trend detection in hydrologic data：The Mann-Kendall trend test under the scaling hypothesis［J］.Journal of Hydrology，2008，349（3/4）：350-363.

［29］ 張建成.基于多變量M-K檢驗(yàn)的大凌河流域降水趨勢(shì)分析［J］.黑龍江水利科技，2020，48（1）：29-33.

ZHANG J C.Analysis of precipitation tendency in Daling river basin based on various M-K check［J］.Heilongjiang Hydraulic Science and Technology，2020，48（1）：29-33.

［30］ BREIMAN L.Random forests［J］.Machine Learning，2001，45（1）：5-32.

［31］ 鞠艷，楊星，王軼虹，等.里下河地區(qū)極端降水時(shí)空變化及未來(lái)趨勢(shì)分析［J］.水文，2023，43（4）：104-110，121.

JU Y，YANG X，WANG Y H，et al.Spatiotemporal characteristics of extreme precipitation and its future trend analysis in the Lixia River Plain［J］.Journal of China Hydrology，2023，43（4）：104-110，121.

［32］ 劉小婧.基于MK檢驗(yàn)和小波分析方法的渭河1956—2016年徑流量變化研究［J］.陜西水利，2023（9）：32-34.

LIU X J.Study on the variation of runoff of Weihe River from 1956 to 2016 based on MK test and wavelet analysis［J］.Shaanxi Water Conservancy，2023（9）：32-34.

［33］ 黃永誠(chéng).2000—2010年毛烏素沙地植被覆蓋度和土地利用變化研究［D］.蘭州：蘭州交通大學(xué)，2014.

HUANG Y C.Research on vegetation cover and land use change in Maowusu sandland from 2000 to 2010［D］.Lanzhou：Lanzhou Jiaotong University，2014.

［34］ JIANG L G，LIU Y，WU S，et al.Analyzing ecological environment change and associated driving factors in China based on NDVI time series data［J］.Ecological Indicators，2021，129：107933.

［35］ 單文龍，何立恒，駱?biāo)棘?北方農(nóng)牧交錯(cuò)帶2000—2013年NDVI時(shí)空變化特征［J］.森林工程，2015，31（4）：33-37.

SHAN W L，HE L H，LUO S Y.Spatial-temporal variation of NDVI from 2000 to 2013 in farming-pastoral ecotone of northern China［J］.Forest Engineering，2015，31（4）：33-37.

［36］ 吳萬(wàn)民，劉濤，陳鑫.西北干旱半干旱區(qū)NDVI季節(jié)性變化及其影響因素［J/OL］.干旱區(qū)研究，2023（12）：1969-1981.http：//kns.cnki.net/kcms/detail/65.1095.X.20231120.1418.006.html.

WU W M，LIU T，CHEN X.Seasonal changes of NDVI in the arid and semi-arid regions of Northwest China and its influencing factors［J/OL］.Arid Zone Research，2023（12）：1969-1981.http：//kns.cnki.net/kcms/detail/65.1095.X.20231120.1418.006.html.

［37］ 陸晴，劉根林，繆利，等.2000—2018年江西省NDVI時(shí)空演變特征及其與氣候因子關(guān)系分析［J］.東華理工大學(xué)學(xué)報(bào)（自然科學(xué)版），2021，44（4）：370-376.

LU Q，LIU G L，MIAO L，et al.Analysis of the characteristics of spatiotemporal evolution of NDVI and its relationship with climate factors in Jiangxi Province from 2000 to 2018［J］.Journal of East China University of Technology（Natural Science），2021，44（4）：370-376.

［38］ 汪如良，吳凡，劉志萍，等.南昌市近60年城市氣象災(zāi)害變化特征分析［J］.氣象與減災(zāi)研究，2014，37（2）：44-49.

WANG R L，WU F，LIU Z P，et al.Variation characteristics of urban meteorological disasters over the past 60 Years in Nanchang［J］.Meteorology and Disaster Reduction Research，2014，37（2）：44-49.

［39］ 陳翔翔，胡磊，彭王敏子，等.1960—2014年南昌市霾天氣氣象要素及主要大氣污染物變化特征［J］.氣象與環(huán)境學(xué)報(bào)，2016，32（5）：114-121.

CHEN X X，HU L，PENG W M Z，et al.Characteristics of meteorological parameters and main atmospheric pollutants of haze events in Nanchang from 1960 to 2014［J］.Journal of Meteorology and Environment，2016，32（5）：114-121.

［40］ 錢悅，許彬，夏玲君，等.2016—2019年江西省臭氧污染特征與氣象因子影響分析［J］.環(huán)境科學(xué)，2021，42（5）：2190-2201.

QIAN Y，XU B，XIA L J，et al.Characteristics of ozone pollution and relationships with meteorological factors in Jiangxi Province［J］.Environmental Science，2021，42（5）：2190-2201.

［41］ 汲紅旗，周超云，蔡緒斌，等.植被敏感區(qū)超大斷面地鐵暗挖車站施工技術(shù)研究［J］.水利與建筑工程學(xué)報(bào)，2021，19（3）：201-207.

JI H Q，ZHOU C Y，CAI X B，et al.Construction technology of subway underground excavation station in vegetation sensitive area［J］.Journal of Water Resources and Architectural Engineering，2021，19（3）：201-207.