基于MODIS數據的珠三角地區NDVI時空變化特征及對氣象因素的響應

何全軍

1. 廣州氣象衛星地面站，廣東 廣州 510640；2. 廣東省生態氣象中心，廣東 廣州 510640

植被是地球表面植物群落的總稱，作為地表狀況的重要表征，在地球系統中扮演著重要的角色，能影響地氣系統的能量平衡。植被生長過程具有明顯的年紀變化和季節性變化，是氣候和人文因素對環境影響的敏感指標（Bounoua et al.，2000；郭鈮，2003；朱建華等，2007），衛星遙感可以完成大范圍的陸表植被生態環境的持續監測，從而能夠揭示全球或區域環境狀況的演變（Zhao et al.，2018；Guan et al.，2018；Chen et al.，2019）。通過遙感手段獲得的歸一化植被指數 NDVI（Normalized Difference Vegetation Index）（Tucker，1979；Hilker et al.，2015）已被作為一種直觀量化指標，廣泛用于定性和定量評價植被覆蓋及生長活力，以及進行不同尺度上的植被物候、生態環境和氣候變化的研究（劉綠柳等，2006；劉世梁等，2016；Liu et al.，2019）。然而，目前針對 NDVI與氣候變化的相互關系研究中，不同區域的研究結論并不完全一致，甚至有的觀點完全相反。白淑英等（2012）發現長江流域NDVI對氣溫變化的響應大于降水，孔冬冬等（2017）的研究表明溫度對青藏高原植被物候的影響占主導地位，而曲學斌等（2018）則認為呼倫貝爾草原NDVI年變化主要受降水驅動，與氣溫和總輻射的相關性較小。此外，劉艷等（2018）發現不同草地類型的水熱影響差異顯著，天山草地約41%的區域與降水量呈顯著正相關，31%區域與溫度呈顯著負相關。以上結果表明NDVI與氣象因素的相關關系存在重大的區域差異。

珠江三角洲（Pearl River Delta，PRD）地區是中國城市化水平最高、經濟最發達、經濟增長速度最快的地區之一，但是，隨著人口的迅速膨脹，以及城市化和工業化的迅猛發展，珠三角地區的土地利用發生巨大變化（黎夏，2004；李慧等，2011），大量耕地、林地和草地轉變為城鎮工交用地，植被覆蓋迅速減少（閆小培等，2006）。該區域的地表植被時空變異性極明顯，分布格局更復雜，出現了一系列生態環境和安全問題（王柳等，2010；徐慶勇等，2011；胡志仁等，2018），阻礙了經濟的可持續發展以及影響了人類居住環境的適宜性。植被是陸地生態系統的主要組分，是生態系統變化的指示器，生態環境保護首先是地表植被的保護。植被的種類、數量和分布是衡量區域生態環境安全及宜居性的重要指標。因此，開展綠化行動、恢復植被、修復生態是珠三角地區的重點工作。

本研究利用 2001－2017年覆蓋珠三角地區的衛星遙感NDVI時間序列及氣象站地面觀測數據，進行研究珠三角區域NDVI的時空變化趨勢及空間自相關特征，分析NDVI對區域氣象因素變化的響應規律，為利用遙感手段進行珠三角地區植被生態環境監測提供有力方法，對開展生態環境保護以及促進生態文明建設提供科學建議。

圖1 珠三角行政區及氣象站分布Fig. 1 Distribution of PRD administrative region and meteorological stations

1 研究區概況

珠江三角洲，簡稱珠三角，是由西江、北江和東江入海時沖擊沉淀而成的一個三角洲，位于中國廣東省中南部、珠江入海口處，毗鄰港澳，與東南亞地區隔海相望。珠三角既是地理區域，也是經濟區域，它是擁有全球影響力的先進制造業基地和現代服務業基地，是中國人口集聚最多、創新能力最強、綜合實力最強的三大城市群之一。珠三角地區范圍內的主要城市的行政規劃包括廣州、深圳、佛山、東莞、中山、珠海、江門等7個市以及惠州市和肇慶市的部分地區（如圖 1所示），總面積約41000 km2。珠三角大部分地區位于北回歸線以南，屬亞熱帶海洋季風氣候，雨量充沛、熱量充足，區域地帶性植被為南亞熱帶季風常綠闊葉林。珠三角地區南面臨海，東、北、西三面被山地、丘陵包圍，中部平原上水系豐富。因此，珠三角地區的水熱條件優越，日照時間長，植被覆蓋度較高。

2 資料與方法

2.1 數據來源與預處理

2.1.1 NDVI數據

NDVI數據來自美國 LAADS（Level-1 and Atmosphere Archieve & Distribution System）DAAC（Distributed Active Archive Center）發布的2001－2017年 MODIS（Moderate Resolution Imaging Spectroradiometer） 數 據 MOD13A3 產 品（https：//ladsweb.modaps.eosdis.nasa.gov/），該產品是采用限制視角的最大值合成（Constrained View angle Maximum Value Composite，CV-MVC）月產品。MOD13A3是正弦曲線投影，需要將其轉換為等經緯度投影，并利用珠三角地區的矢量邊界數據進行裁剪。

MOD13A3數據中存在NDVI的低異常值及空白無效值，需要對其進行重構處理。通過對比NDVI時間序列諧波分析方法HANTs（Harmonic Analysis of NDVI Time-Series）（Roerink et al.，2000）、修訂的最佳指數斜率提取方法 M-BISE（Modified Best Index Slope Extraction）（Lovell et al.，2001）、S-G濾波方法（Savitzky-Golay filter）（Chen et al.，2004）以及基于數據質量標志數據集的樣條曲線插值方法（SPLINE）的重構結果，最終采用 M-BISE和S-G濾波的組合方法實現月NDVI時間序列重構，并在重構的月時間序列數據基礎上實現年時間序列產品以及多年合成產品。

2.1.2 氣象數據

氣象數據為廣東省氣象局提供的 2001－2017年珠三角及周邊地區的國家地面觀測站的逐月的平均氣溫、累積降水以及日照時數資料，氣象站點分布如圖1所示。克里金（Kriging）方法是氣象要素空間插值的常用方法（李軍龍等，2006；于海敬等，2019），本文采用該方法對站點數據進行插值，對氣溫插值時考慮了高程影響（潘耀忠等，2004），氣溫垂直遞減率設置為0.0065 ℃·m-1。氣象數據插值時設置的空間分辨率與NDVI一致，并按照珠江三角洲的范圍對插值結果進行裁剪，最后進行多年的月和年數據的合成處理。

2.2 研究方法

2.2.1 變化趨勢分析

線性回歸方程被廣泛用于植被指數在時間上的變化速率的評估（Stow et al.，2003；武永利等，2008；Baniya et al.，2018），采用常規的數理統計和線性回歸擬合方法分析珠三角地區植被的年際變化趨勢。此外，逐像元構建NDVI隨年際變化的線性回歸方程，分析珠三角地區植被變化趨勢的空間分布特征。

由于年合成數據消除了NDVI的季節內變化影響，體現了NDVI的年際總生長趨勢，而植被生長具有顯著的季節變化特征（何全軍等，2008），通過移動平均方法即月NDVI與年NDVI的比值獲得季節指數 SI（Seasonal Index）（Ittig，2004；賈俊平等，2009）來分析珠三角地區植被的季節變化趨勢。SI是進行時間序列數據變化趨勢預測的重要手段，它能刻畫時間序列在一個年度內各月份的典型季節特征。

變異系數CV（Coefficient of Variation）是標準差與平均值的比值，是衡量資料中各觀測值變異程度的統計量（毛德華等，2012），通過逐像元計算珠三角地區年均值合成NDVI的CV，分析珠三角地區植被時間序列的穩定性。

2.2.2 空間自相關分析

根據地理學第一定律（Tobler，1970），地物之間的相關性與距離有關，距離越近，地物間相關性越大；距離越遠，地物間相異性越大。莫蘭指數Moran's I（Moran，1950）是應用最廣泛的度量空間自相關的指標之一，可以反映空間鄰接或臨近的區域單元植被參數特征的相似程度，又分為全局Moran's I和局部 Moran's I（Anselin，1995）。全局Moran's I是對研究區域內屬性數據空間自相關的綜合反映和度量，但就區域內部而言，各局部區域的空間自相關并非完全一致，而是常表現出不同性質與程度的空間異質性。因此，Anselin（1995）提出空間局部自相關分析方法，并定義了局部Moran's I，用 Moran 散點圖和 LISA（Local Indicators of Spatial Association）集聚圖來描述局部空間相關特性。利用空間數據分析軟件GeoDa（Anselin et al.，2005）對珠三角地區的年NDVI及多年合成NDVI進行全局和局部空間自相關分析，分別通過Moran's I、Moran散點圖以及LISA集聚圖來分析珠三角地區植被的空間集聚程度及變化特征。

圖2 珠三角地區年平均NDVI與SI的時間序列趨勢Fig. 2 Time series trends of annual average NDVI and SI in PRD

2.2.3 相關性分析

皮爾森相關系數（Pearson Correlation Coefficient）是被廣泛用來反映兩個變量線性相關程度的統計量，其定義為兩個變量之間的協方差和標準差的商（仲曉春等，2016）。分別針對月和年時間序列數據計算NDVI與氣溫、降水及日照時數之間的皮爾森相關系數，并進行顯著性檢驗，分析珠三角地區植被生長對氣候變量的響應。

3 結果與分析

3.1 珠三角地區NDVI的時間序列變化特征

圖 2反映了 2001－2017年珠三角地區 NDVI在年和月時間尺度的變化趨勢。其中圖 2a是利用年合成數據統計得到的年平均NDVI的變化曲線，可以看出珠三角地區的 NDVI呈現“升-降-升”的持續波動的年際上升趨勢。根據一元線性擬合得到的趨勢方程可知，2001－2017年中珠三角地區的NDVI整體上的平均年增長速率為0.0051，說明珠三角地區的植被一直在緩慢增長。圖 2b是珠三角地區 SI的統計變化曲線，SI的最低值和最高值分別出現在2月和9月。SI通過振幅變化的相對程度來描述植被隨季節變化的強度的變化趨勢，因此SI在如實反映NDVI季節變化特征的同時，還能反映NDVI季節變化的增長幅度隨著時間變化的趨勢。從總趨勢來看，2001－2017年SI的振幅呈現越來越小的趨勢，說明隨著時間的發展，植被生長在遵循自然周期規律的同時季節內變化差異逐漸減小。此外，2004年NDVI出現最小值，SI的振幅在2005年出現最大值，其原因與 2004年廣東省發生特大干旱有關，2004年9月下旬開始廣東發生嚴重秋冬連旱，抑制了植被的生長，直到 2005年汛期之后旱情緩解（羅曉玲，2005），持續降水及氣溫回升使植被恢復后快速生長。

由于下墊面的土地利用類型不同以及區域發展程度不同，珠三角范圍內不同地區的植被分布和變化存在空間差異性（圖3）。圖3a是珠三角地區的多年NDVI合成結果，可以看出珠三角地區呈現顯著的中部低NDVI被周邊高NDVI圍繞的空間分布特征，這與圖1所示的珠三角城市和地形的分布一致。中心區域屬于城市群集區，NDVI偏低，隨著向外圍擴展，NDVI逐漸升高。圖3b是珠三角地區的NDVI增長趨勢的空間分布。珠三角范圍內大部分地區的NDVI增長趨勢表現為正值，只有小部分地區為負值。增長趨勢為正值說明植被越來越好，負值說明植被發生退化。圖 3b中，中山市北部、肇慶四會市區、廣州花都區、東莞市珠江沿岸和中部地區、深圳西北部以及佛山靠近廣州的地區出現了不同程度的植被退化。對增長趨勢進行統計，珠三角地區植被增長的區域占總范圍面積的90.84%，其中趨勢值大于 0.01的區域占總面積的7.12%；植被退化的區域占總范圍面積的9.16%，其中趨勢值小于-0.01的占 0.19%；整個珠三角地區NDVI的區域趨勢均值為0.0051，與圖2結果一致，說明植被狀況好轉是整個珠三角地區的總趨勢。圖3c是珠三角地區年NDVI時間序列數據的CV空間分布圖。CV值越大，表明數據分布越分散，說明該地區植被的波動較大；反之則表明數據分布越緊湊，說明該地區植被時間序列較為穩定（張雪艷等，2009）。對CV進行分級統計的數據顯示，珠三角地區NDVI的CV小于0.1的區域占83.80%，大于0.1的占16.20%（其中大于0.2的占0.64%），說明大部分地區的植被變化幅度不大，植被時間序列較為穩定。但從CV的空間分布來看，圍繞珠江口周邊分布的城市集聚區植被變化幅度最大，說明該地區植被時間序列穩定性較差。此外，通過對比圖3b、圖3c可知，NDVI的增長趨勢和CV的高值區域并不能完全對應。增長趨勢是對長期植被變化結果的描述和未來預測，反映的是一種累積的結果，而 CV則可以將過程中發生過的顯著的變化記錄下來，反映了長期過程中曾出現的階段性變化。

圖3 珠三角地區多年平均NDVI（a），增長趨勢（b）和CV（c）的空間分布特征Fig. 3 Spatial distribution of multi-year average NDVI (a), growth trend (b) and CV (c) in PRD

圖4 珠三角地區年NDVI空間自相關特征變化趨勢Fig. 4 Trends of spatial autocorrelation characteristics of annual NDVI in PRD

3.2 珠三角地區NDVI的空間自相關特征

在空間數據分析軟件GeoDa 1.12中選擇Queen鄰接類型建立空間權重矩陣，分別對 2001－2017年的年NDVI時間序列數據進行單變量全局和局部Moran's I分析，并統計珠三角地區年NDVI空間自相關特征的變化趨勢（圖4）。Moran's I的值在-1和1之間，正值表示空間正相關，值越大說明空間相關性越明顯，而負值表示空間負相關，值越小則空間差異越大。圖4a是2001－2017年全局Moran's I變化趨勢，可以發現珠三角地區歷年的全局Moran's I都在0.91以上，說明長期以來珠三角地區植被都表現為較強的空間集聚正相關。雖然年際變化上存在一定的波動性，但從其變化趨勢來看，珠三角地區植被的空間格局保持向高集聚發展的趨勢。圖4b是LISA空間相關類型的分類數據的時間變化趨勢。其中“High-High”表示高NDVI集聚區，“Low-Low”表示低NDVI集聚區，“Low-High”表示低NDVI被高NDVI包圍，“High-Low”表示高NDVI被低 NDVI包圍，“Not Significant”表示未通過P=0.05顯著性檢驗的區域。由曲線變化圖可以看出，珠三角地區NDVI的空間自相關性主要集中在“High-High”、“Low-Low”和“Not Significant”3個類型，僅有很少量的“Low-High”和“High-Low”類型（圖中對“Low-High”和“High-Low”兩種類型的百分比放大了1000倍）。對比圖中5種空間類型的變化曲線，“Low-Low”類型的時間變化不明顯，“High-High”類型稍有升高，“Not Significant”類型持續降低，說明珠三角地區的低植被集聚區的變化較為穩定，而高植被集聚區的范圍增加了，這種增加在很大程度上可以歸因于“Not Significant”類型的轉變。“High-Low”和“Low-High”兩種類型所占的百分比雖然小但變化卻比較活躍，表明這兩種類型所代表的區域的植被變化具有較高的不穩定性。

圖5是對珠三角地區多年平均NDVI進行局部空間自相關分析得到的Moran散點圖和LISA集聚圖，可以直觀展示出珠三角地區NDVI的局部空間集聚的規律和空間分布格局。圖5a中Moran散點圖的X坐標和Y坐標分別表示標準化后的NDVI和空間滯后NDVI（Lagged NDVI），4個象限分別表示4種空間關系：右上和左下的I和Ⅲ象限為相似值的空間聚類，其中右上為“High-High”，左下為“Low-Low”；左上和右下的Ⅱ和Ⅳ象限為不同值的空間關系，左上為“Low-High”，右下為“High-Low”。珠三角地區的 NDVI主要位于“High-High”和“Low-Low”象限，“Low-Low”象限的散點數目明顯多于“High-High”象限，說明珠三角地區的植被在空間分布上集聚度高，并且低值區的空間集聚度高于高值區的集聚度。此外，珠三角地區多年平均NDVI的全局Moran's I是0.932765，說明珠三角地區的植被在空間上呈現顯著的正相關，整體集聚度高。

圖5b的LISA集聚圖從空間分布上反映NDVI的空間集聚特征，在通過 P=0.05顯著性檢驗條件下，珠三角的中心城市區表現為顯著的低值自相關特征，即低植被集聚，最外圍表現為高值自相關。對代表低植被集聚的“Low-Low”類型以及代表高植被集聚的“High-High”類型的像素進行統計，其中“Low-Low”類型占珠三角地區總面積的28.77%，“High-High”類型占33.69%，二者之和達到62.46%，充分體現了珠三角地區植被覆蓋在空間關系上呈現較高的集聚度。雖然“High-High”類型的空間集聚度比“Low-Low”類型低，分布格局相對破碎，但其占據區域的面積大于“Low-Low”類型，說明珠三角地區植被覆蓋總體良好。此外，在低值集聚區和高值集聚區之間是未通過顯著性檢驗區域（“Not Significant”）以及少量的“Low-High”以及“High-Low”，這部分區域類型如何轉變是影響珠三角地區植被生態環境變化的關鍵。

圖5 珠三角地區多年平均NDVI的Moran散點圖（a）和LISA集聚圖（b）Fig. 5 Moran scatterplots (a) and LISA cluster map (b) of multi-year average NDVI in PRD

3.3 珠三角地區NDVI與氣象因素的相關性

對2001－2017年珠三角地區的月NDVI與氣溫、降水及日照時數計算皮爾遜相關系數，并進行顯著性檢驗。考慮到植被對氣候變化的響應存在滯后性，從當前月開始共計算了滯后時差6個月的月NDVI與各氣象因素的相關系數（表1）。相關系數的值介于-1和1之間，正值表示正相關，負值表示負相關。相關系數的絕對值越大，相關度越強；相關系數越接近 0，相關度越弱。從計算結果可以發現，珠三角地區的NDVI和氣溫、降水以及日照時數的月變化顯著相關。通過對相關系數的大小進行比較可以發現，NDVI與3種氣象因子的相關性從大到小依次為氣溫、降水和日照時數，說明在月時間尺度上，氣溫是影響珠三角地區植被生長的最主要因素，其次是降水，最后是日照時數。

從滯后時間來看，NDVI與氣溫的相關系數的最大值出現在滯后1個月，隨后相關系數降低，滯后4個月時呈現負相關；NDVI與降水的最大相關系數出現在滯后1個月，但與滯后2個月的相關系數相差不大，第3個月開始有明顯的降低，并且降低的速率低于氣溫，直到滯后5個月時開始出現負相關；NDVI與日照時數的最大相關系數出現在當前月，第3個月開始為負相關。此外，NDVI與氣溫、降水量從當前月到滯后3個月的相關系數都通過了P=0.05的顯著性檢驗，而NDVI與日照時數僅在當前月通過顯著性檢驗。以上分析說明珠三角地區NDVI對氣溫和降水的響應分別存在1個月和1－2個月的滯后，氣溫和降水對NDVI的影響持續時間較長，其中氣溫的影響變化幅度大，而降水的影響變化相對平緩。NDVI對日照時數的響應不存在滯后，日照時數對NDVI的影響持續時間短。

珠三角地區的NDVI對氣溫、降水和日照時數的響應除在時間上存在差異之外，在空間分布上也存在區域差異，圖6是NDVI與3種氣象因素之間的最大相關系數所對應的滯后月數的空間分布。在珠三角范圍內，NDVI與氣溫的最大相關系數主要出現在當前月及滯后1個月，而NDVI對降水的響應較氣溫遲鈍一些，最大相關系數主要出現在滯后1個月和2個月，并且在空間上都表現出沿“西南-東北”走向滯后月數逐漸變大的現象。在整個珠三角地區范圍內NDVI與日照時長的最大相關系數的滯后時間都為0個月，在空間分布上不存在區域差異。

表 2是珠三角地區的年平均 NDVI和年最大NDVI分別與年平均氣溫、年總降水以及年總日照時數之間的相關系數。可以發現，珠三角地區年NDVI和氣象因素之間相關性很弱，并且都未能通過P=0.05的顯著性檢驗，說明在年尺度上，珠三角地區NDVI的變化與氣候因素的相關性不顯著。但是，僅從相關系數來看，降水是3個氣候因素中唯一表現有滯后效應的因素，年總降水會對當年和次年的植被具有一定影響，且次年的影響較大。

表1 珠三角地區月NDVI與氣溫、降水量及日照時數的相關系數Table 1 Correlation coefficients between monthly NDVI and air temperature, precipitation and sunshine duration in PRD

表2 珠三角地區年NDVI與氣溫、降水及日照時長的相關系數Table 2 Correlation coefficients between annual NDVI and air temperature, precipitation and sunshine duration in PRD

圖6 珠三角地區的月NDVI與氣溫（a）、降水（b）和日照時長（c）的滯后效應空間分布Fig. 6 Spatial distribution of lag effect between NDVI and air temperature (a), precipitation (b) and sunshine duration (c) in PRD

4 討論與結論

4.1 討論

植被變化是一個自然與人類活動交互作用的過程，基于遙感數據的NDVI是綜合了所有自然條件和人為因素共同作用于植被生長的客觀真實反映，對植被覆蓋在時間和空間上的變化監測具有極大優勢。珠三角地區NDVI的整體生長趨勢在年際上向好發展，年平均增長速率為0.0051，但在增長過程中具有顯著的“升-降”波動變化。在空間上，珠三角地區植被增長的區域占總面積的90.84%，有9.16%的地區發生植被退化。植被退化區主要集中在珠三角的核心城市區域，這與城市化和工業化過程中土地利用類型的轉變有關（閆小培等，2006），王柳等（2010）認為珠三角核心地帶植被地表由于強烈的人為干擾退化較明顯。李慧等（2013）指出，珠三角地區經濟發展過程中大量耕地轉為經濟價值更高的建設用地，同時耕地和建設用地的擴展和收縮具有階段性，這也是導致NDVI時間序列產品不穩定的原因。

植被是具有一定空間分布的區域變化量，空間自相關分析方法能從空間關聯角度對相鄰地物的相似程度進行判斷，有助于揭示植被覆蓋的空間集聚模式和規律。李慧等（2011）認為空間自相關分析方法可直觀地顯示分析結果，是一種深入理解區域土地利用格局和變化的重要和有益的方法。珠三角多年平均NDVI的全局Moran's I達到0.932765，表現為高空間集聚狀態，呈現顯著的中部低 NDVI被周邊高NDVI圍繞的空間分布特征，與珠三角的城市群和地形的分布一致（王柳等，2010）。這種植被覆蓋的集聚模式與珠三角地區的生態脆弱區分布一致（徐慶勇等，2011；胡志仁等，2018），同時體現了地形對NDVI分布具有控制作用（潘霞等，2019）。

NDVI和氣象因素的關系與研究區所處的地理位置、時間尺度以及下墊面類型有很大關系（白淑英等，2012；劉艷等，2018；曲學斌等，2018），氣候變化已對植被物候產生顯著影響（孔冬冬等，2017；閆敏等，2019）。對珠三角地區而言，植被生長受多種氣象因素的綜合影響，NDVI和氣候因素的年際變化相關性很弱，而年內變化月尺度上NDVI與氣溫、降水和日照都具有顯著相關，同時NDVI對不同氣候因素的響應存在時間和空間上的差異。雖然 MODIS數據對判斷珠三角地區 NDVI的發展趨勢以及識別地區間的變化差異不存在影響，但在對更長期的植被的生長產生影響的氣候變化分析方面存在不足。通過使用不同數據進行時間序列數據的擴展，有助于對長期NDVI與氣候因子之間的關系進行更深入的探討（毛德華等，2012）。此外，植被覆蓋度變化不僅受氣候因素的影響，還受到人為活動的影響（張凱選等，2019），研究珠三角區域氣候變化和人為活動對植被變化的貢獻也是以后的研究方向。

4.2 結論

（1）從2001－2017年，珠三角地區 NDVI總體呈現改善趨勢，年增長速率為0.0051；在空間分布上，珠三角地區NDVI表現為中間低周邊高的空間格局，90.84%的區域NDVI呈現正增長，植被退化區占9.16%，且主要分布在城市群集地區。

（2）珠三角地區NDVI具有高空間集聚特性，受地形和城區分布影響，低植被覆蓋集聚區和高植被覆蓋集聚區分布格局顯著且變化穩定；而在低植被覆蓋集聚區和高植被覆蓋集聚區之外分布的植被，在變化上存在不確定性。

（3）珠三角地區 NDVI和氣溫、降水及日照的月變化顯著相關；NDVI對氣溫和降水的響應分別存在1個月和1－2個月的滯后，存在著沿“西南-東北”方向滯后時間增大的空間差異；NDVI對日照時數的響應卻未被發現滯后。在年尺度上，珠三角地區的NDVI和3種氣象因素的相關性不顯著。

致謝：感謝LAADS DAAC提供的MOD13A3產品數據集；感謝Anselin Luc博士及其團隊開發的空間數據分析軟件GeoDa。