渭南市植被覆蓋變化及其與氣候因子的相關性

趙玉

渭南市植被覆蓋變化及其與氣候因子的相關性

趙玉1,2,*

1. 渭南師范學院, 化學與材料學院, 渭南 714099 2. 陜西省河流濕地生態與環境重點實驗室, 渭南 714099

植被動態監測以及植被與氣候因子的響應關系是陸地生態系統研究的熱點。利用渭南市2000—2015年MODIS植被指數數據集以及相關氣象資料, 采用Man-Kendell檢驗、趨勢分析和相關分析等方法, 揭示渭南市植被覆蓋度時空動態特征及其與氣候因子的相關性。結果表明: (1)渭南市植被覆蓋度在2000—2015年間呈顯著上升趨勢(0.007 a–1)。(2)渭南市植被覆蓋度在空間上表現為由南向北逐漸減小的趨勢。(3)渭南市植被覆蓋度以中覆蓋度為主, 2000、2005、2010和2015年所占比重分別為71.31%、68.54%、73.02%和53.07%。(4)年尺度上, 渭南市植被覆蓋度與降雨量和氣溫表現為不顯著正相關。月尺度上, 渭南市植被覆蓋度與降雨量和氣溫相關系數較高。相對于溫度, 渭南市植被覆蓋度對降水量的響應更為敏感, 為水分限制型生態區。

植被變化; 降水; 氣溫; 時空特征; 渭南市

0 前言

IPCC第五次評估報告指出, 全球變暖是毋庸置疑的[1], 且會對植被格局產生巨大影響[2]。已有研究證明, 過去20年來全球氣候變暖已對植被產生了重大影響, 尤其是在北半球高緯度地區[3]。氣候變化通過影響植物的新陳代謝、植物呼吸、光合作用和蒸騰等生物生理響應機制, 進而影響植被的生長[4–6]。同時, 從區域到全球, 從季節、年際到年代際尺度, 植被對陸地碳循環、能量交換和水均衡均產生了很大影響[7–9]。因此近幾十年來, 全球變化和植被生長的相互作用機制研究得到廣大學者的廣泛關注[10]。

長時間序列衛星遙感影像數據為揭示和監測不同時空尺度上氣候變化與植被動態作用機制提供了一種先進的方法[11–12]。遙感技術因其信息量大、時效性強、覆蓋范圍廣和成本低等優勢, 被廣泛運用到植被特征的定量檢測中[13]。植被指數, 如歸一化差異植被指數(NDVI, Normalized Difference Vegetation Index)常被用于揭示不同時空尺度上北半球植被變化及其與氣候和環境因素的相互作用機制研究中[14–15]。溫度和降水是影響植被動態的兩個最重要的氣候因素[16]。如, Piao等[17]指出1997—2006年期間, 歐亞大陸夏季NDVI的減少與夏季降水的減少呈顯著正相關。2002年以后, 春季快速變暖促進了歐亞大陸中部春季植被的生長, 其中生長季和夏季植被的生長主要受降水的驅動。

渭南市地處八百里秦川最寬闊的地帶, 是中華民族發祥地之一。素有“三秦要道, 八省通衢”之稱。是中原地區通往陜西乃至大西北的咽喉要道, 是絲綢之路經濟帶起點段的關鍵組成部分, 還是西北唯一一個擁有三大國家級經濟區疊加政策(“關天經濟區”、“陜甘寧革命老區”和“晉陜豫黃河金三角”)的地級市。現階段關于渭南市植被覆蓋變化特征及其影響因素的研究較少。為更好地理解渭南市植被覆蓋及其與氣候因子的相關性, 本文利用2000—2015年期間渭南市NDVI資料及同時段氣候數據集, 分析近16年來渭南市植被覆蓋時空分布格局及其變異特征, 揭示研究區植被覆蓋與氣候因子的相關性, 以期為渭南市生態建設和保護提供科學依據。

1 材料和方法

1.1 研究區概況

渭南市位于渭河流域下游, 地處陜西省關中盆地東部, 屬于關中盆地地勢最低且最為開闊的地段。東與運城、三門峽和臨汾相毗鄰, 西與西安、咸陽相接, 南倚秦嶺與商洛為界, 北與延安、銅川接壤。地理坐標為108°50′—110°38′E, 34°13′—35°52′N[18–19]。南北長182.3 km, 東西寬149.7 km, 總面積13134 km2, 為陜西省農業大市和人口第二大市。渭南以渭河為軸線, 形成南北兩山、兩塬和中部平川五大地貌類型區。海拔介于325—2418 m之間。渭南屬暖溫帶半濕潤半干旱季風氣候區, 四季分明, 雨量適宜, 光照充足, 無霜期199—255 d, 年均氣溫12—14 ℃, 年雨量600 mm左右。氣候條件優越, 有利于發展農業。渭南市植被為暖溫帶落葉闊葉林。林木區系成分主要為華北和西北的溫性、寒性樹種。全市有野生維管植物190多科800多屬2500種。

1.2 數據收集

1.2.1 植被數據

遙感影像上的植被信息, 主要通過綠色植被冠層和植物葉片的光譜特征及其差異性來反映[20]。歸一化植被指數可代表植被的動態變化, 被廣泛運用于大范圍的植被檢測中。NDVI值可以消除部分與衛星觀測角、太陽高度角, 以及地形等輻照度條件變化的影響, 可方便地區分主要的陸地植被類型。NDVI值的取值范圍為[–1, 1]。當NDVI為負值或接近于0時, 代表水體或裸地; 當NDVI為正值時, 代表地表有植被覆蓋, NDVI值越大, 植被覆蓋度越高。因此, 長時間序列的NDVI資料可用于植被覆蓋變化的動態監測。本文所用的2000—2015年間渭南市NDVI資料來源于“黑河計劃數據管理中心”(http://westdc.westgis.ac.cn)。

植被覆蓋度的大小可反映區域植被覆蓋變化的總體態勢[21]。根據《土壤侵蝕分類分級標準》[22]中植被覆蓋度的分級標準, 將渭南市植被覆蓋度劃分為5個等級, 即極高覆蓋度(> 0.80)、高覆蓋度(0.6—0.8)、中覆蓋度(0.4—0.6)、低覆蓋度(0.2—0.4)和極低覆蓋度(< 0.2)。通過GIS 10.2進行統計分析, 得到不同年份各覆蓋度等級面積的動態變化。

1.2.2 氣象數據

本文所采用的氣象數據為中國氣象數據網(http://data.cma.cn)提供的2000—2015年中國地面降水和氣溫0.5°×0.5°的逐月格網數據。該數據集能較好地代表實測降雨量和氣溫的變化趨勢, 被廣泛應用于區域氣候變化研究中[23]。

1.3 研究方法

1.3.1 Mann-Kendall趨勢檢驗

Mann-Kendall趨勢檢驗法是時間序列趨勢分析常用的非參數檢驗方法之一。因其不要求所分析數據遵從一定的分布, 且不受異常值的干擾, 被廣泛應用于氣象和水文序列趨勢分析中[24–25]。Mann- Kendall趨勢檢驗原理及其統計量的計算方法和判讀標準見文獻[26]。

1.3.2 趨勢分析

趨勢分析法基于一元線性回歸分析模擬每個像元屬性值的變化趨勢。該變化趨勢是對應像元屬性值線性回歸方程的斜率。本文借助趨勢分析法模擬2000—2015植被覆蓋度的變化趨勢。計算公式如下[27]:

式中:θ代表像元NDVI線性回歸方程的斜率;代表監測時段的年數, 文中為16年;C為第年最大植被覆蓋度。當斜率為負時, 表示研究區植被覆蓋度呈下降趨勢; 當斜率為正時, 表示研究區植被覆蓋度呈上升趨勢[28]。

1.3.3 相關分析

采用基于像元的空間分析方法可用于揭示區域植被覆蓋度與氣候因子的相關性, 相關系數計算公式如下:

式中:R為、兩變量的相關系數;x為第年/月的植被覆蓋度;y為第年/月的降雨量或溫度;`表示植被覆蓋度多年/年內各月平均值;`表示降雨量或溫度多年/年內各月的平均值;代表樣本數[29]。

本文揭示了年尺度和月尺度上渭南市植被覆蓋度與降雨量和氣溫的相關性。年尺度上包括16年樣本數據, 其中年植被覆蓋度為年內12個月覆蓋度的平均值, 降雨量為年總降雨量, 溫度為年平均溫度。月尺度上包括12個月樣本數據, 其中植被覆蓋度、降雨量和溫度均為16年間不同月份植被覆蓋度、降雨量和氣溫的多年平均值。同時, 為揭示植被覆蓋度對氣候因子響應的滯后性, 分別計算植被覆蓋度與前0—3個月降雨量和氣溫的相關系數。

相關系數顯著性判讀標準參考相關系數表, 具體如下:

當=16時, 若R∈[–1, –0.6055]時, 為極顯著負相關; 若R∈(–0.6055, –0.4821]時, 為顯著負相關; 若R∈(–0.4821, 0.4821]時, 相關性不顯著; 若R∈(0.4821, 0.6055]時, 為顯著正相關; 若R∈(0.6055, 1]時, 為極顯著正相關。

當=12時, 若R∈[–1, –0.6835]時, 為極顯著負相關; 若R∈(–0.6835, –0.5529]時, 為顯著負相關; 若R∈(–0.5529, 0.5529]時, 相關性不顯著; 若R∈(0.5529, 0.6835]時, 為顯著正相關; 若R∈(0.6835, 1]時, 為極顯著正相關。

2 結果與分析

2.1 渭南市植被覆蓋度時空分布特征

2.1.1 植被覆蓋度時間分布特征

從年際變化特征看, 渭南市植被覆蓋狀況較好, 且呈現波動式增加的趨勢, 年均增長率為0.007 a–1(圖2a), 高于寶雞地區2001—2013年的平均增速0.003 a–1[30]。NDVI年平均值為0.53, 變化范圍為0.36—0.60, 波動幅度較大。最高值出現于2011年, 最低值出現于2001年(圖1)。對渭南市16年間年均NDVI值進行Mann-Kendall趨勢檢驗, 得知統計量值為4.14, 且通過了0.01水平的顯著性檢驗, 說明研究區植被覆蓋度呈顯著上升趨勢。表明, 渭南市植被覆蓋狀況有所改善。

從年內變化特征看, 渭南市植被覆蓋度年內波動明顯, 表現為單峰型曲線(圖2b)。月均NDVI最小值出現于2月, 最大值出現于8月。月均NDVI波動范圍為0.31—0.76。年內NDVI峰值出現在7—9月, 且平均值高達0.73。統計分析NDVI季節分布特征知, 渭南市2000—2015年期間, 春、夏、秋和冬四季NDVI均值分別為0.50、0.69、0.56和0.35。表明研究區植被覆蓋季節差異明顯, 夏季NDVI值最大而冬季最小。

圖1 研究區位置示意圖

Figure1 Location of the study area

2.2.2 渭南市植被覆蓋度空間分布特征

從空間分布特征看, 渭南市植被覆蓋度呈現明顯的空間分異規律。不同年份渭南市植被覆蓋空間分布格局整體上具有一定的相似性, 除韓城市西北部以外, 渭南市植被覆蓋度大致表現為從南向北減小的趨勢。植被覆蓋高值區分布于渭南市華縣、華陰市、潼關縣和韓城市西北部, 而低值區主要分布于渭南市北部和東部邊緣(圖3)。

渭南市植被覆蓋度以中覆蓋度為主, 2000、2005、2010和2015年所占比重分別為71.31%、68.54%、73.02%和53.07%(圖4和表1)。2000–2015年, 極低覆蓋度、低覆蓋度和中覆蓋度區域面積分別減少了38.09 km2、1854.53 km2和2395.65 km2, 變化率分別為–0.05 %·a–1、–2.35 %·a–1和–3.04 %·a–1。而高植被覆蓋區和極高覆蓋區面積分別增加了4142.47 km2和145.79 km2, 變化率分別為5.26 %·a–1和0.19 %·a–1。由此可知, 近16年來, 渭南市高植被覆蓋區面積隨時間推移表現為增加的趨勢, 而極低覆蓋區和低覆蓋區面積呈減小趨勢, 說明研究區植被處于恢復狀態。

圖2 2000–2015年渭南市植被覆蓋度時間分布

Figure 2 Temporal variation of vegetation coverage in Weinan City from 2000 to 2015

Figure 3 Spatial distribution map of vegetation coverage in Weinan City in different years

為進一步明確各植被覆蓋類型面積的相互轉化情況, 基于2000、2005、2010和2015年4期的覆被圖, 借助GIS 10.2對4期數據進行融合和疊置運算, 得到各覆被類型面積的轉移矩陣(表2—4)。2000—2005年, 渭南市植被呈恢復趨勢(表2)。2000—2005年期間: 極低植被覆蓋區面積減小到28.89 km2, 有23.44 km2和1.34 km2的極低覆蓋度區域分別發展為低覆蓋度和中覆蓋度區域; 低覆蓋度區域面積變動不大; 中覆蓋度區域面積減小了363.82 km2, 有588.43 km2和426.79 km2的中覆蓋度區域分別轉換為低覆蓋度和高覆蓋度區域; 高覆蓋度區域面積增加了356.25 km2。2010–2015年期間, 中覆蓋度區域和高覆蓋度區域面積急劇增長, 各自的增長率高達98.07 km2·a–1和162.43 km2·a–1(表3)。其中有1613 km2的低覆蓋度區域發展為中覆蓋度區域, 有1043.02 km2的中覆蓋度區域發展為高覆蓋度區域。2005—2010年期間, 極低覆蓋度、低覆蓋度和中覆蓋度區域面積急劇減小, 而高覆蓋度區域面積和極高覆蓋度區域面積呈增加趨勢。有3006.67 km2的中覆蓋度區域發展為高覆蓋度區域(表4)。總體而言, 2000—2015年期間, 渭南市植被覆蓋度顯著增加, 植被得以恢復。

植被覆蓋度變化趨勢空間分布格局同植被覆蓋度空間分布格局相一致。從空間變化趨勢來看, 2000—2015年間, 渭南市大部分區域年NDVI呈增加趨勢(圖5)。其中蓋度變化率高值區主要分布于渭南市華縣、華陰市、潼關縣和韓城市西北部, 而低值區主要分布于渭南市北部和東部邊緣。

Figure 4 Vegetation coverage degree map of Weinan City in different years

表1 2000—2015年渭南市不同等級植被覆蓋面積

表2 2000—2005年渭南市不同等級植被覆蓋類型所占面積轉移矩陣(km2)

表3 2005—2010年渭南市不同等級植被覆蓋類型所占面積轉移矩陣(km2)

表4 2010—2015年渭南市不同等級植被覆蓋類型所占面積轉移矩陣(km2)

2.2 渭南市氣溫和降雨量時空分布特征

2.2.1 氣溫和降雨量時間分布特征

從年際變化特征看, 2000—2015年期間渭南市降雨量年際變化波動明顯, 變化范圍為427.83—888.79 mm, 波動幅度大(圖6a)。年降雨量最高值出現于2003年、最低值出現于2001年。渭南市氣溫年際變化呈多峰型曲線, 波動范圍為9.53—12.65 ℃, 年均氣溫最高值出現于2013年、最低值出現于2003年(圖6b)。

從年內分布特征看, 渭南市降雨量年內變化過程表現為雙峰型, 峰值出現于7月和9月。降雨量年內分配不均, 月際差異大, 階段性變化明顯, 具體表現為1—2月緩慢上升、3—7月急劇上升、9—10月急劇下降以及11—12月緩慢下降。總體來講, 降雨量集中分布于7—9月。渭南市氣溫年內變化過程表現為單峰型, 峰值出現于7月。

2.2.2 氣溫和降雨量空間分布特征

渭南市2000、2005、2010和2015年年降雨量和氣溫空間分布見圖7。不同年份研究區降雨量和氣溫空間分布均表現出明顯的空間分異規律。不同年份, 降雨量空間分布格局較為一致, 均表現為由西南向東北逐漸減小的趨勢。其中降雨量高值區主要分布于渭南市臨渭區西北部。不同年份, 氣溫空間分布格局較為一致, 均表現為由西北向東南逐漸增加的趨勢。其中氣溫高值區主要分布于華陰市、潼關縣以及大荔縣東南部。

圖5 2000—2015年渭南市植被覆蓋度變化速率

Figure 5 The changing trend of annual vegetation coverage in Weinan City from 2000 to 2015

圖6 2000—2015年渭南市降雨量和氣溫時間分布

Figure 6 Temporal variation of rainfall and temperature in Weinan City from 2000 to 2015

Figure 7 Spatial distribution maps of rainfall and temperature in Weinan City in different years

2.3 植被覆蓋變化與氣溫和降水的相關性

氣溫和降水因子是決定植被生長狀況最主要的水熱因子。從年際尺度看, 植被覆蓋度與降水量呈顯著相關區域的占比較小, 主要分布于渭南市中部和北部邊緣。植被覆蓋度與降水量相關性不顯著的區域占87.57%(圖8a)。從年際尺度看, 全市植被覆蓋度與氣溫的相關性均不顯著(圖8b)。

為揭示植被覆蓋度與降水量和溫度月變化特征的相關系數及其滯后性, 我們以2000—2015年植被覆蓋度與降水量、氣溫多年月均值為基礎, 計算研究區植被覆蓋度與前0—3月的降水量、溫度的相關系數(圖9和10)。

月尺度上, 植被覆蓋度與降水量的相關系數高于年水平, 植被覆蓋度與當月降雨量、前1月降雨量、前2月降雨量和前3月降雨量顯著正相關區域占比分別為13.23%、0.10%、7.88%和15.00%(圖9)。月尺度上, 植被覆蓋度與溫度的相關系數高于年水平, 植被覆蓋度與當月氣溫、前1月氣溫、前2月氣溫和前3月氣溫顯著正相關區域占比分別為14.68%、7.94%、0.005%和0.03%。研究區植被生長對降水變化的響應比溫度大, 且與前2月降水的相關性最大, 具有明顯時滯效應。說明, 渭南市植被生長對降雨的響應存在兩個月的滯后期, 而對溫度的響應無滯后效應。

圖8 2000–2015年渭南市植被覆蓋度與降水量、氣溫相關系數空間分布

Figure 8 The correlation between vegetation coverage and temperature and precipitation in Weinan City from 2000 to 2015

Figure 9 The correlation coefficients between month vegetation coverage and the current month precipitation, the preceding month precipitation, precipitation of two preceding months, and precipitation of three preceding months

圖10 月植被覆蓋度與當月、前1月、前2月和前3月氣溫相關系數空間分布

Figure 10 The correlation coefficients between month vegetation coverage and the current month temperature, the preceding month temperature, temperature of two preceding months, and temperature of three preceding months

3 討論

近年來, 渭南市華縣、華陰市、潼關縣和韓城市西北部植被覆蓋度大幅度提升, 生態恢復效果最為明顯。這是由于華縣、華陰市和潼關縣地處南山, 由于地理位置的限制, 城鎮化建設的影響較小, 加之退耕還林還草[31]和封山育林等政策的實施, 使得渭南市南山植被恢復狀況明顯好于其他地區。

降雨量和氣溫是影響陸地植被生長的重要氣候因子。在年際尺度上, 渭南市植被覆蓋度與降雨量顯著正相關區域占比較小, 與溫度呈不顯著正相關。相對于溫度, 植被生長對降水響應更為敏感, 屬水分限制型生態區[32]。且植被覆蓋度與降雨量的相關性高于同溫度的相關性。月尺度上植被覆蓋度與降雨量和氣溫的相關性高于年尺度上植被覆蓋度與降雨量和氣溫的相關性。此結果同張含玉等[33]對黃土高原植被覆蓋時空變化及其對氣候因子響應的研究結果相一致, 即: 黃土高原NDVI年際變化與降雨和溫度的相關性不顯著, 而在月時間尺度上, NDVI同降雨和溫度相關性較高。渭南市氣候因子年內波動對渭南市植被覆蓋度的影響較大, 且降雨同植被覆蓋度的相關性高于溫度同植被覆蓋度的相關性。此結果同孫睿等[34]以及張翀等[35]的研究結果相近, 即降水是影響黃土高原植被覆蓋度變化的主要因素。渭南市植被生長對降雨的響應存在兩個月的滯后期, 而對溫度的響應無滯后效應。

4 結論

本文借助MODIS NDVI數據集, 結合降水量和氣溫數據, 分析了渭南市2000—2015年間植被覆蓋度的時空動態特征及其對氣候因子的響應機制, 得出以下結論:

從渭南市植被覆蓋度年際變化特征看, 渭南市植被覆蓋狀況較好, 且呈現波動式增加的趨勢, 年均增長率為0.007 a–1。由植被覆蓋度長時間序列Mann-Kendall趨勢檢驗的結果可知, 研究區植被覆蓋度呈現顯著上升趨勢。

從渭南市植被覆蓋度空間分布特征看, 除位于南山的韓城市西北部以外, 研究區植被覆蓋度呈現由南向北遞減的分布格局。渭南市植被覆蓋度以中覆蓋度為主, 2000、2005、2010和2015年所占比重分別為71.31%、68.54%、73.02%和53.07%。2000—2015年渭南市高植被覆蓋區面積隨時間推移表現為增加的趨勢, 而極低覆蓋區和低覆蓋區面積呈波動式減小的趨勢, 說明研究區植被處于恢復狀態。

從植被覆蓋度對氣候因子的響應特征來看, 在年尺度上渭南市植被覆蓋度與降雨量顯著正相關區域占比較小, 與溫度呈不顯著正相關。在月尺度上, 植被覆蓋度與降雨量和氣溫的相關系數高于年尺度上的相關系數, 且植被覆蓋度與前兩月降雨量相關系數較高, 表現出明顯的時滯效應。

[1] IPCC. Summary for policymakers[R]//STOCKER T F, QIN Dahe, PLATTNER G K, et al. Climate change 2013: The physical science basis. Contribution of working group I to the fifth assessment report of the intergovernmental panel on climate change. Cambridge University Press, Cambridge, United Kingdom and New York, 2013.

[2] XU Yufeng, YANG Jing, CHEN Yaning. NDVI-based vegetation responses to climate change in an arid area of China[J]. Theoretical and Applied Climatology, 2016, 126(1–2): 213–222.

[3] ZHANG Geli, XU Xingliang, ZHOU Caiping, et al. Responses of grassland vegetation to climatic variations on different temporal scales in Hulun Buir Grassland in the past 30 years[J]. Journal of Geographical Sciences, 2011, 21(4): 634–650.

[4] WU Chao, VENEVSKY S, SITCH S, et al. Present-day and future contribution of climate and fires to vegetation composition in the boreal forest of China[J]. Ecosphere, 2017, 8(8): 10.1002/ecs2.1917.

[5] HOU Wenjuan, GAO Jiangbo, WU Shaolong, et al. Interannual variations in growing-season NDVI and its correlation with climate variables in the southwestern Karst Region of China[J]. Remote Sensing, 2015, 7(9): 11105–11124.

[6] PARMESAN C, Yohe G. A globally coherent fingerprint of climate change impacts across natural systems[J]. Nature, 2003, 421(6918): 37–42.

[7] CAO Mingkui, WOODWARD F I. Dynamic responses of terrestrial ecosystem carbon cycling to global climate change[J]. Nature, 1998, 393(6682): 249–252.

[8] JIAPAER G, LIANG Shunlin, YI Qiuxiang, et al. Vegetation dynamics and responses to recent climate change in Xinjiang using leaf area index as an indicator[J]. Ecological Indicators, 2015, 58: 64–76.

[9] LIU Yanlan, LEI Huimin. Responses of natural vegetation dynamics to climate drivers in China from 1982 to 2011[J]. Remote Sensing, 2015, 7(8): 10243–10268.

[10] CHEN Aifang, HE Bin, WANG Honglin, et al. Notable shifting in the responses of vegetation activity to climate change in China[J]. Physics and Chemistry of the Earth, Parts A/B/C, 2015, 87–88: 60–66.

[11] YANG Jun, GONG Peng, FU Rong, et al. The role of satellite remote sensing in climate change studies[J]. Nature Climate Change, 2013, 3(11): 875–883.

[12] HUETE A. Vegetation's responses to climate variability[J]. Nature, 2016, 531(7593): 181–182.

[13] TUCKER C J, SLAYBACK, D A, PINZON, J E, et al. Higher northern latitude normalized difference vegetation index and growing season trends from 1982 to 1999[J]. International Journal of Biometeorology, 2001, 45(4), 184–190.

[14] XU Haojie, WANG Xinping, YANG Taibo. Trend shifts in satellite?derived vegetation growth in Central Eurasia, 1982–2013[J]. Science of the Total Environment, 2017, 579: 1658–1674.

[15] LAMCHIN M, LEE W K, JEON S W, et al. Long?term trend and correlation between vegetation greenness and climate variables in Asia based on satellite data[J]. Science of the Total Environment, 2018, 618: 1089–1095.

[16] HE Bin, CHEN Aifang, WANG Honglin, et al. Dynamic response of satellite-derived vegetation growth to climate change in the Three North Shelter Forest Region in China[J]. Remote Sensing, 2015, 7(8): 9998–10016.

[17] PIAO Shilong, WANG Xuhui, CIAIS P, et al. Changes in satellite?derived vegetation growth trend in temperate and boreal Eurasia from 1982 to 2006[J]. Global Change Biology, 2011, 17(10): 3228–3239.

[18] 宋慧敏, 薛亮. 基于遙感生態指數模型的渭南市生態環境質量動態監測與分析[J]. 應用生態學報, 2016, 27(12): 3913–3919.

[19] 李小燕. 區域生態系統服務價值量與環境壓力分析–以渭南市為例[J]. 干旱區研究, 2008, 25(5): 729–734.

[20] HUTE A, JUSTICE C, VAN LEEWEN W. MODIS Vegetation Index (MODIS 13) algorithm theo retical basis document[B]: New York: NASA Press, 1996.

[21] 謝余初. 近60年金塔綠洲時空變化及其驅動力研究[D]. 蘭州: 蘭州大學, 2012.

[22] 水利部. 土壤侵蝕分級分類標準[S]. 2008.

[23] 沈艷, 馮明農, 張洪政, 等. 我國逐日降水量格點化方法[J].應用氣象學報, 2010, 21(3): 279–286.

[24] BURN D H, HAG ELNUR M A. Detection of hydrologic trends and variability[J]. Journal of Hydrology, 2002, 255(1–4): 107–122.

[25] FERI C, SCHAR C. Detection probability of trends in rare enents: Theory and application to heavy precipitation in the Alpine region[J]. Journal of Climate, 2011, 14(7): 1568–1584.

[26] MANN H B. Nonparametric tests against trend[J]. Econometrica, 1945, 13: 245–249.

[27] STOW D, DAESCHNER S, HOPE A, et al. Variability of the seasonally integrated Normalized Difference Vegetation Index across the north slope of Alaska in the 1990s[J]. International Journal of Remote Sensing, 2003, 24(5): 1111–1117.

[28] 穆少杰, 李建龍, 陳奕兆, 等. 2001–2010年內蒙古植被覆蓋度時空變化特征[J]. 地理學報, 2012, 67(9): 1255–1268.

[29] 周偉, 剛成誠, 李建龍, 等. 1982–2010年中國草地覆蓋度的時空動態及其對氣候變化的響應[J]. 地理學報, 2014, 69(1): 15–30.

[30] 王靜, 萬紅蓮, 張翀. 2001 年以來寶雞地區植被覆蓋時空演變及驅動力分析[J]. 植物科學學報, 2018, 36(3): 336–344.

[31] 渭南市林業局. 退耕還林工程: http://www.wnlyw.gov. cn/cllh/gjcd/496105.htm[EB]. 2018.

[32] 劉憲鋒, 任志遠. 西北地區植被覆蓋變化及其與氣候因子的關系[J]. 中國農業科學, 2012, 45(10): 1954– 1963.

[33] 張含玉, 方怒放, 史志華. 黃土高原植被覆蓋時空變化及其對氣候因子的響應[J]. 生態學報, 2016, 36(13): 3960–3968.

[34] 孫睿, 劉昌明, 朱啟疆. 黃河流域植被覆蓋度動態變化與降水的關系[J]. 地理學報, 2001, 56(6): 667–672.

[35] 張翀, 任志遠, 李小燕. 黃土高原植被對氣溫和降水的響應[J]. 中國農業科學, 2012, 45(20): 4205–4215.

Temporal and spatial variation of vegetation and its correlation with climatic factors in Weinan City

ZHAO Yu1,2,*

1. School of Chemistry and Materials Science, Weinan Normal University, Weinan 714099, China 2. Key Laboratory for Ecology and Environment of River Wetlands in Shannxi Province, Weinan 714099, China

Vegetation dynamic monitoring and the relationship between vegetation and climate change are the hotspots of terrestrial ecosystem research. Based on the MODIS vegetation index data set and related meteorological data from 2000 to 2015 in Weinan City, Mann-Kendell test, trend analysis and correlation analysis were used to reveal the temporal and spatial dynamic characteristics of vegetation coverage and its correlation with climate factors. The results showed that: (1) Vegetation coverage in Weinan City showed a significant upward trend (0.007 a-1) from 2000 to 2015. (2) The vegetation coverage in Weinan City showed a trend of decreasing from south to north. (3) Vegetation coverage in Weinan City was dominated by medium coverage, accounting for 71.31%, 68.54%, 73.02% and 53.07% in 2000, 2005, 2010 and 2015, respectively. (4) On the annual scale, the vegetation coverage was not significantly positively correlated with rainfall and temperature. On the monthly scale, the correlation coefficient between vegetation coverage and rainfall and temperature in the study area was higher. Compared with the temperature, the vegetation coverage of Weinan City was more sensitive to the precipitation, and it was a water-restricted ecological zone.

vegetation change; precipitation; temperature; temporal-spatial distribution characteristics; Weinan City

10.14108/j.cnki.1008-8873.2019.05.013

P951

A

1008-8873(2019)05-092-12

2019-04-24;

2019-05-25基金項目:陜西省教育廳科學研究計劃項目(18JS037); 陜西省高校科協青年人才托舉計劃項目(20180705); 渭南師范學院自然科學類人才項目(18ZRRC04)

趙玉(1987—), 女, 甘肅金昌人, 博士, 講師, 主要從事生態水文研究, E-mail: zhaoyu737@163.com

趙玉

趙玉. 渭南市植被覆蓋變化及其與氣候因子的相關性[J]. 生態科學, 2019, 38(5): 92-103.

ZHAO Yu. Temporal and spatial variation of vegetation and its correlation with climatic factors in Weinan City[J]. Ecological Science, 2019, 38(5): 92-103.