川西高原植被時(shí)空格局及其對(duì)氣候變化的響應(yīng)

伍良旭, 王 晗, 邵懷勇, 周思彤

(成都理工大學(xué) 地球科學(xué)學(xué)院, 成都 610059)

植被是地球生態(tài)系統(tǒng)主要的組成部分，是連接氣候與土壤的紐帶，在全球物質(zhì)能量交換和氣候變化中具有不可替代的作用[1]。植被動(dòng)態(tài)變化在高原生態(tài)環(huán)境中具有敏感的指示作用，合理利用區(qū)域資源和有效治理生態(tài)環(huán)境提供依據(jù)，已成為生態(tài)環(huán)境研究的熱點(diǎn)[2]。NDVI是表征植被動(dòng)態(tài)變化的一個(gè)重要指標(biāo)，能較精確地反映地表植被的生長狀態(tài)及演變特征，在區(qū)域植被退化、濕地景觀格局等領(lǐng)域發(fā)揮著重要的作用[3]。川西高原位于我國青藏高原向川西南山地和四川盆地的過渡地區(qū)，是我國生態(tài)安全戰(zhàn)略格局中青藏高原生態(tài)屏障和黃土高原—川滇生態(tài)屏障的重要組成部分，地形復(fù)雜，且受高原背風(fēng)坡和西南季風(fēng)等系統(tǒng)的共同影響，是典型的生態(tài)環(huán)境脆弱區(qū)和生態(tài)氣候敏感區(qū)[2]，但目前針對(duì)該區(qū)域植被時(shí)空格局與氣候因子的相關(guān)研究較少，因此對(duì)該地區(qū)的植被時(shí)空格局及其對(duì)氣候變化響應(yīng)的研究具有重要意義。

此外，現(xiàn)在的遙感數(shù)據(jù)通常不能同時(shí)具備較長的時(shí)間序列和較高的空間分辨率，如GIMMS NDVI3g是目前最長時(shí)間序列的NDVI數(shù)據(jù)集之一[4]，前人利用其進(jìn)行了1982—2009年東北地區(qū)[5]、1982—2006年蒙古高原[6]和1982—2013年新疆地區(qū)[7]的植被變化研究，但8 km的空間分辨率應(yīng)用在區(qū)域植被變化研究中過于粗糙。雖然如今高分辨率輻射計(jì)(AVHRR)、地球觀測(cè)系統(tǒng)(SPOT)-VEGETATION，MODIS和ENVISAT中分辨率成像光譜儀(MERIS)等衛(wèi)星傳感器所采集的數(shù)據(jù)有較高的時(shí)間分辨率，通過合成一定時(shí)間內(nèi)的圖像，能夠減少甚至消除云污染[4]，遙感數(shù)據(jù)質(zhì)量不斷提高，使得區(qū)域植被趨勢(shì)分析在全球范圍內(nèi)得到廣泛應(yīng)用[8-10]，但如何提高數(shù)據(jù)的空間分辨率仍是亟待解決的問題。相對(duì)于GIMMS NDVI3g數(shù)據(jù)精度更高、更能表達(dá)植被時(shí)序變化的MODIS NDVI產(chǎn)品，卻因其時(shí)間覆蓋范圍(2001年7月至今)無法針對(duì)長時(shí)間序列進(jìn)行研究。因此，如何提高早期遙感數(shù)據(jù)的分辨率對(duì)于長時(shí)間序列的植被變化監(jiān)測(cè)研究顯得尤為重要。

針對(duì)遙感數(shù)據(jù)時(shí)空尺度的融合問題，前人做了大量的研究。如Gao等[11]提出的STARFM模型(spatial and temporal reflection fusion Model)可融合Landsat和MODIS地表反射率，生成具有高時(shí)空分辨率的合成反射率數(shù)據(jù)。Singh等[12]利用STARFM融合模型充分提取了農(nóng)作物8 a生長季節(jié)的物候。Bhandari等[13]和Schmidt等[14]評(píng)估了STARFM合成長期時(shí)間序列數(shù)據(jù)的能力，并獲取不同植被的物候特征進(jìn)行研究。Meng等[15]和Zhu等[16]對(duì)STARFM算法改進(jìn)，分別提出了時(shí)空融合自適應(yīng)植被指數(shù)模型(STAVFM)和增強(qiáng)型自適應(yīng)時(shí)空融合模型ESTARFM，以更準(zhǔn)確地表征地表的時(shí)空變化。由于在地形復(fù)雜地區(qū)，ESTARFM的融合效果比STARFM較好，使得ESTARFM算法被頻繁用于生成高時(shí)空分辨率的合成遙感圖像[17-18]。然而，目前較少有學(xué)者針對(duì)川西高原使用ESTARFM模型將GIMMS NDVI3g與MODIS NDVI進(jìn)行時(shí)空融合并開展1995年至今植被時(shí)空格局的相關(guān)研究，為此本文基于ESTARFM模型開展川西高原GIMMS NDVI3g和MODIS NDVI數(shù)據(jù)的時(shí)空融合，這對(duì)開展其長期的植被變化監(jiān)測(cè)具有重要意義。

本研究嘗試基于ESTARFM模型建立川西高原GIMMS NDVI3g與MODIS NDVI數(shù)據(jù)的函數(shù)關(guān)系，以提高GIMMS NDVI3g數(shù)據(jù)的空間分辨率。在此基礎(chǔ)上分析川西高原長時(shí)間的植被變化特征及其對(duì)氣候變化的響應(yīng)，為當(dāng)?shù)氐沫h(huán)境保護(hù)決策提供基礎(chǔ)數(shù)據(jù)和科學(xué)參考。

1 研究區(qū)概況

川西高原(27.59°—34.31°N，97.36°—104.62°E)地屬青藏高原與四川過渡地帶，覆蓋阿壩州和甘孜州等高原藏區(qū)，區(qū)域面積約為25.38萬km2。研究區(qū)內(nèi)地勢(shì)高，地形起伏大，平均海拔約4 000 m。境內(nèi)屬亞熱帶高原季風(fēng)氣候，地域差異明顯，多年降水量約435.6～1 584.1 mm。近年來，由于全球氣候變化以及人類活動(dòng)的增加，當(dāng)?shù)刂脖桓采w逐漸變化，植被的退化對(duì)境內(nèi)生態(tài)系統(tǒng)安全會(huì)造成極大威脅[19]，因此，研究分析川西高原植被覆蓋時(shí)空分布特征，并掌握主要?dú)夂蛞蛩貙?duì)植被變化的影響非常必要[20]。

2 數(shù)據(jù)與方法

2.1 數(shù)據(jù)來源與處理

(1) 遙感數(shù)據(jù)：MODIS 13Q1植被指數(shù)數(shù)據(jù)集產(chǎn)品，空間分辨率500 m×500 m，時(shí)間分辨率30 d。首先進(jìn)行Savitzky-Golay濾波處理降低異常值等噪聲影響，隨后利用最大值合成法合成2005年和2015年MODIS NDVI數(shù)據(jù)。該方法能減少云霧等大氣效應(yīng)對(duì)數(shù)據(jù)的影響，提高數(shù)據(jù)精度[21]。

1995年、2005年和2015年的GIMMS NDVI3g數(shù)據(jù)空間分辨率為8 km×8 km，時(shí)間分辨率為15 d。采用最大值合成法合成3個(gè)時(shí)間段的年GIMMS NDVI3g數(shù)據(jù)，并將其空間分辨率重采樣為500 m×500 m，為后續(xù)使用ESTARFM模型進(jìn)行數(shù)據(jù)融合做準(zhǔn)備。

(2) 氣象數(shù)據(jù)：年均氣溫、年降水量空間插值數(shù)據(jù)集產(chǎn)品。薄板光順樣條法采用平滑樣條函數(shù)對(duì)多變量數(shù)據(jù)進(jìn)行分析和插值，即使用函數(shù)逼近曲面，是一種較好的氣候要素插值的方法[22]。因此，該數(shù)據(jù)集采用基于薄板光順樣條法開發(fā)的ANUSPLIN插值軟件(Hutchinson，2001)對(duì)氣候要素進(jìn)行插值，其中將氣象站點(diǎn)的經(jīng)度、緯度和海拔高程作為年降水量空間插值的自變量，而年均溫度空間插值則考慮了溫度隨垂直高度的變化[22]。

MODIS NDVI數(shù)據(jù)來源于中國科學(xué)院計(jì)算機(jī)網(wǎng)絡(luò)信息中心地理空間數(shù)據(jù)云平臺(tái)(http:∥www.gscloud.cn/)；GIMMS NDVI3g數(shù)據(jù)來源于ECOCAST網(wǎng)站(https:∥ecocast.arc.nasa.gov/data/pub/gimms/3 g.v1/)；氣象數(shù)據(jù)和高程數(shù)據(jù)來源于中國科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心(http:∥www.resdc.cn)；為提高試驗(yàn)結(jié)果精度，轉(zhuǎn)換所有數(shù)據(jù)到統(tǒng)一的投影坐標(biāo)系WGS_1984_Zone_48N。

2.2 研究方法

2.2.1 ESTARFM算法 為生成高時(shí)空分辨率的遙感圖像，使用ESTARFM模型融合MODIS NDVI和GIMMS NDVI3g數(shù)據(jù)。ESTARFM模型是在STARFM模型[11]基礎(chǔ)上根據(jù)像元的異質(zhì)性調(diào)整賦權(quán)方法，通過設(shè)置轉(zhuǎn)換系數(shù)來改進(jìn)預(yù)測(cè)結(jié)果，異質(zhì)性越大，預(yù)測(cè)精度越高，可以保存更多的空間特征細(xì)節(jié)[23]。

本文根據(jù)第1時(shí)期m時(shí)刻MODIS NDVI與tp時(shí)刻的GIMMS NDVI3g得到融合后tp時(shí)刻的GIMMS NDVI3g數(shù)據(jù)，記為mm=(Xw/2,yw/2,tp,B)，或利用第2時(shí)期n時(shí)刻的觀測(cè)數(shù)據(jù)得到融合后的tp時(shí)刻GIMMS NDVI3g數(shù)據(jù)，記為mn=(Xw/2,yw/2,tp,B)。通過tm和tn與時(shí)刻tp間檢測(cè)到的GIMMS NDVI3g變化幅度來計(jì)算權(quán)重，如公式(1)所示[16]：

(k=m,n)

由公式(2)計(jì)算中心像元的值：

M(xw/2,yw/2,tp,B)=Tm·Mm(xw/2,yw/2,tp,B)+

Tn·Mn(xw/2,yw/2,tp,B)

(2)

由于篇幅限制，具體融合原理請(qǐng)見參考文獻(xiàn)[16]。統(tǒng)計(jì)2005年和2015年融合后的GIMMS NDVI3g和MODIS NDVI對(duì)應(yīng)的像元值繪制散點(diǎn)圖(圖1)。融合的GIMMS NDVI3g數(shù)據(jù)與MODIS NDVI數(shù)據(jù)具有高度相似性，各像元值大致相同，兩者基本分布在y=x的趨勢(shì)線上(p<0.01)，預(yù)測(cè)效果較好。

圖1 真實(shí)MODIS NDVI與融合后的GIMMS NDVI3g數(shù)據(jù)散點(diǎn)圖

對(duì)比2005年和2015年GIMMS NDVI3g、融合后的GIMMS NDVI3g和真實(shí)MODIS NDVI數(shù)據(jù)細(xì)節(jié)(圖2)可以看出，融合后的GIMMS NDVI3g與真實(shí)MODIS NDVI數(shù)據(jù)像元分辨率較好，地物紋理清晰，部分特征地區(qū)的細(xì)節(jié)能夠凸現(xiàn)出來，能較好地再現(xiàn)區(qū)域植被覆蓋細(xì)節(jié)特征。

注：A為2005年GIMMS NDVI3g；B為2005年融合后的GIMMS NDVI3g；C為2005年MODIS NDVI；D為2015年GIMMS NDVI3g；E為2015年融合后的GIMMS NDVI3g；F為2015年MODIS NDVI。圖2 融合數(shù)據(jù)對(duì)比圖

2.2.2 一元線性回歸模型 基于融合處理后的GIMMS NDVI3g數(shù)據(jù)(值域?yàn)閇-1,1])，使用像元二分模型計(jì)算植被覆蓋度，由于篇幅限制，具體的植被覆蓋度計(jì)算公式和原理請(qǐng)見參考文獻(xiàn)[24]。

植被覆蓋度變化主要用于分析植被覆蓋度隨時(shí)間變化的關(guān)系，他們的關(guān)系滿足一元線性回歸模型的條件，以局部像元時(shí)間變化特征表示整個(gè)空間的變化規(guī)律[24]，其計(jì)算方式見公式(3)：

(3)

式中:n為總監(jiān)測(cè)年數(shù);fi為第i年植被覆蓋度;Slope為植被覆蓋度線性擬合斜率。利用兩者的相關(guān)關(guān)系來判斷植被覆蓋度時(shí)間變化的顯著性,斜率為負(fù)表示植被覆蓋度下降,反之則表示植被覆蓋度上升,擬合斜率絕對(duì)值越大,變化越明顯[24-25]。

2.2.3 偏相關(guān)性分析法 地理系統(tǒng)是一個(gè)由多要素組成的復(fù)雜系統(tǒng)，偏相關(guān)分析可剔除其他變量的影響，只研究一個(gè)因素與另一個(gè)因素的相關(guān)程度[25]。本文基于像元對(duì)川西高原1995年、2000年、2015年植被覆蓋度與年降水量、年均氣溫兩個(gè)氣候因素進(jìn)行偏相關(guān)性研究，見公式(4)[25]：

(4)

式中:rab,c表示控制變量c的值不變,變量a，b間的偏相關(guān)系數(shù)。rab，rbc，rbc分別表示變量a和b，b和c，a和c的簡(jiǎn)單相關(guān)系數(shù)。其中a，b和c分別為植被覆蓋度、年均溫度和年降水量。rab,c>0時(shí)表示兩變量呈正相關(guān),rab,c<0時(shí)表示兩變量呈負(fù)相關(guān),rab,c的絕對(duì)值越大,兩變量的相關(guān)性越大。

簡(jiǎn)單相關(guān)系數(shù)計(jì)算見公式(5)[25]：

(5)

3 結(jié)果與分析

3.1 植被覆蓋特征分析

3.1.1 植被覆蓋空間分布特征 參照前人研究[26]將川西高原植被覆蓋度分為極低覆蓋度(0～0.2)、低覆蓋度(0.2～0.4)、中覆蓋度(0.4～0.6)、中高覆蓋度(0.6～0.8)和高覆蓋度(0.8～1.0)5個(gè)等級(jí)，得到川西高原1995年、2005年和2015年植被覆蓋度空間分布圖(圖3)。

圖3 不同等級(jí)植被覆蓋度空間分布

分析可得，1995年、2005年和2015年研究區(qū)極低、低和中覆蓋度區(qū)域主要分布在西部高海拔的白玉、巴塘、理塘和東部低海拔的瀘定、康定、九龍、理縣等縣區(qū)，南部的稻城、和西北部的瑪多縣主要為中高覆蓋度，其余地區(qū)多屬于高覆蓋度區(qū)域。西部地區(qū)海拔較高，多為高山植被，西部德格、甘孜一帶和東部瀘定縣區(qū)有荒漠和草甸區(qū)，其余地區(qū)水熱條件良好，主要為針葉林和闊葉林。2005年川西高原高覆蓋度區(qū)域面積相對(duì)1995年有所減少，中植被覆蓋和中高植被覆蓋區(qū)域面積增加。2015年高植被覆蓋區(qū)域覆蓋面積繼續(xù)降低，但趨勢(shì)減緩，中、中高植被覆蓋區(qū)域面積增加，且后者相對(duì)前者增加明顯。

川西高原整體的植被覆蓋較高，呈現(xiàn)較為明顯的區(qū)域差異。高植被覆蓋區(qū)主要分布在北部和南部地區(qū)，低值區(qū)分布在中部地區(qū)，此外沿海拔梯度，植被覆蓋呈先升高后降低的垂直分布特點(diǎn)。

3.1.2 植被覆蓋變化趨勢(shì)特征 為研究1995—2015年川西高原植被覆蓋的時(shí)間變化規(guī)律，對(duì)植被覆蓋與時(shí)間進(jìn)行一元線性回歸分析(圖4)，根據(jù)趨勢(shì)變化的方向和程度，劃分為5個(gè)等級(jí)(表1)[24]。植被覆蓋呈增長趨勢(shì)的面積占17.63%，其中明顯增加面積占15.53%，輕度增加面積占2.10%，主要分布在高海拔地區(qū)的瑪多、石渠、白玉等縣區(qū)，以瑪多縣分布尤為密集。植被覆蓋呈減少趨勢(shì)的面積占27.36%，其中明顯減少面積占18.29%，輕度減少面積占9.07%，減少區(qū)域廣泛分布在各個(gè)區(qū)域，以理塘、康定縣區(qū)分布較廣，結(jié)合前人研究分析認(rèn)為[3]，理塘縣自20世紀(jì)80年代開始，因過度挖采、放牧等人為因素、鼠蟲害、氣候變化、暴雨沖刷等多種因素綜合并長期作用使理塘縣草原退化、沙源裸露導(dǎo)致植被覆蓋減少；康定縣由于亂砍濫伐，開荒種地，旅游開發(fā)等人為干擾因素和自然災(zāi)害等多因素引起大面積土地退化，山坡地水土流失十分嚴(yán)重，植被減少趨勢(shì)明顯。植被覆蓋基本穩(wěn)定的區(qū)域面積占55.01%，分布廣泛，主要在研究區(qū)的東北部的阿壩、若爾蓋縣區(qū)，該地區(qū)主要為沼澤、草甸等，植被生長狀況穩(wěn)定，植被變化不明顯。總體而言，1995—2015年川西高原植被覆蓋呈增長趨勢(shì)面積占17.63%，呈增長趨勢(shì)面積占27.36%，基本穩(wěn)定面積占55.01%，植被整體變化趨勢(shì)穩(wěn)定。

圖4 川西高原1995-2015年植被覆蓋變化趨勢(shì)

表1 1995-2015年川西高原植被覆蓋變化面積及比例

3.2 植被對(duì)氣候變化的響應(yīng)

3.2.1 年均氣溫與年降水量空間分布特征 植被的變化受到多方面因素的影響，其中年降水量和年均氣溫是對(duì)植被變化影響較大的兩個(gè)氣候因素[25]。計(jì)算1995年、2005年和2015年的年均氣溫和年降水量(圖5)。

圖5 1995-2015年年均氣溫和年降水量分布

分析可得，1995年、2005年和2015年川西高原年均氣溫為3.3℃，最高溫度為17.9℃，位于最南部的鹽源縣，最低溫度為-13.1℃，位于西北部的瑪多縣；年均降水量為848.6 mm，最大降水量為1 584.1 mm，位于西南部的瀘定縣；最小降水量為435.7 mm，位于西北部的瑪多縣。研究區(qū)內(nèi)年均氣溫和年降水量的分布具有空間異質(zhì)性，瑪多縣所在的西北部和瀘定縣所在的東南部區(qū)域氣溫整體低于中部地區(qū)，瀘定縣所在的東南地區(qū)，位于青藏高原和四川盆地過渡區(qū)，受東南季風(fēng)和西南季風(fēng)影響，降水充沛，氣溫不高；瑪多縣地區(qū)靠近青藏高原，從研究區(qū)中部到西北部地勢(shì)逐漸增高，氣溫逐漸下降。

3.2.2 植被覆蓋對(duì)氣候變化的響應(yīng) 計(jì)算1995—2015年年均氣溫和年降水量與植被覆蓋的偏相關(guān)系數(shù)(圖6A—B)。年植被覆蓋與年均氣溫的偏相關(guān)系數(shù)變化范圍為[-0.71，0.71]，年植被覆蓋與年降水量的偏相關(guān)系數(shù)變化范圍為[-0.71，0.71]。統(tǒng)計(jì)分析可得年植被覆蓋與年均氣溫呈正相關(guān)的區(qū)域面積占14.9%，年植被覆蓋與年降水量呈正相關(guān)的區(qū)域面積占35.4%。根據(jù)年均氣溫和年均降水量與年植被覆蓋的偏相關(guān)系數(shù)方向，對(duì)研究區(qū)域進(jìn)行分區(qū)討論[27]，年植被覆蓋與年均氣溫負(fù)相關(guān)，與年降水量負(fù)相關(guān)，歸于分區(qū)一；年植被覆蓋與年均氣溫負(fù)相關(guān)，與年降水量正相關(guān)，歸于分區(qū)二；年植被覆蓋與年均氣溫正相關(guān)，與年降水量負(fù)相關(guān)，歸于分區(qū)三；年植被覆蓋與年均氣溫正相關(guān)，與年降水量正相關(guān)，歸于分區(qū)四；年植被覆蓋與年均氣溫和年降水量的偏相關(guān)系數(shù)較低(都為0)，歸于分區(qū)五(圖6C)。

圖6 1995-2015年年均氣溫和年降水量與植被覆蓋度偏相關(guān)分析及偏相關(guān)性分區(qū)

分區(qū)一占總面積的6.4%，主要分布在石渠縣、甘孜縣和色達(dá)縣的北部，植被類型主要為高寒草甸，分析認(rèn)為該區(qū)域鼠災(zāi)泛濫和人為過度放牧導(dǎo)致植被覆蓋稀疏，氣溫和降水反而加速了水土流失，抑制植被生長。分區(qū)二占總面積的30.8%，主要分布在西部的白玉縣、理塘縣和東北部的黑水縣等地，植被類型主要為草甸、常綠闊葉林、針葉林和灌叢，地形復(fù)雜，氣溫較高而降水量低，水土蒸發(fā)量大，水土流失較嚴(yán)重[28]，氣溫升高減弱其光合作用，抑制植被的生長，適當(dāng)?shù)慕邓稍黾油寥篮浚龠M(jìn)植被生長。分區(qū)三占總面積的10.3%，主要分布在馬爾康縣、道孚縣、九龍縣一帶，該區(qū)域氣溫相對(duì)較低而降水量高，降水持續(xù)增加引發(fā)泥石流、滑坡等地質(zhì)災(zāi)害，并使植被光照條件下降，減弱其光合作用，抑制植被生長，從而使植被覆蓋降低[29-30]。分區(qū)四占總面積的4.6%，主要分布在西北部的瑪多縣及東南部的汶川縣和康定縣地區(qū)。汶川地區(qū)自2008年汶川地震后，該區(qū)域的地質(zhì)活動(dòng)較為頻繁，生態(tài)系統(tǒng)也在逐漸恢復(fù)，氣溫和降水作為植被生長的兩個(gè)重要因素，促進(jìn)該區(qū)域生態(tài)重建[31]。瑪多縣位于高海拔地區(qū)，氣溫低、降水量少、人類活動(dòng)影響程度小，氣溫和降水成為植被覆蓋變化的主要誘因[32]。分區(qū)五占總面積的43.8%，主要分布在若爾蓋縣和紅原縣等東北部高寒高緯度地區(qū)，土地沙化嚴(yán)重，植被變化的主導(dǎo)驅(qū)動(dòng)因素是人類活動(dòng)，因此，該區(qū)域的年植被覆蓋變化與年均氣溫和年降水量的相關(guān)性不大[33]。

在研究區(qū)不同的區(qū)域，年植被覆蓋與年均氣溫的偏相關(guān)性和年植被覆蓋與年均降水量的偏相關(guān)性的方向與程度不同，整體而言，植被覆蓋對(duì)降水的變化相較于氣溫更加敏感，此外研究區(qū)內(nèi)年植被覆蓋與年降水量呈負(fù)相關(guān)的區(qū)域，往往與年均氣溫呈正相關(guān)，這與仙巍等[20]研究川西高山高原過渡帶植被對(duì)氣候變化響應(yīng)的結(jié)果相符。

4 結(jié) 論

(1) 運(yùn)用ESTARFM模型融合的2005年和2015年的GIMMS NDVI3g數(shù)據(jù)與對(duì)應(yīng)的真實(shí)MODIS NDVI數(shù)據(jù)吻合度較高，能凸顯地區(qū)特征，融合結(jié)果可用于地形復(fù)雜的川西高原植被變化的研究，為早期的大尺度植被變化研究提供了一種新的思路。

(2) 1995年、2005年和2015年川西高原植被覆蓋結(jié)構(gòu)整體較好，空間上呈現(xiàn)沿海拔先升高后降低的垂直分布特點(diǎn)，時(shí)間上植被變化趨勢(shì)穩(wěn)定。植被覆蓋度較低的區(qū)域主要分布在低海拔區(qū)，近20 a來研究區(qū)植被覆蓋度整體變化趨勢(shì)比較穩(wěn)定，其中以高覆蓋度區(qū)域面積的逐年減少和較低覆蓋度區(qū)域面積的逐年增加趨勢(shì)較為明顯。

(3) 1995年、2005年和2015年川西高原年均氣溫和年降水量存在空間異質(zhì)性，氣溫空間差異表現(xiàn)為研究區(qū)北部氣溫低于南部、西部氣溫低于東部，降水空間差異表現(xiàn)為研究區(qū)西部降水量低于東部。

(4) 年植被覆蓋與年均氣溫呈正相關(guān)的區(qū)域面積占14.9%，年植被覆蓋與年均降水量呈正相關(guān)的區(qū)域面積占35.4%，此外研究區(qū)內(nèi)年植被覆蓋與年降水量呈負(fù)相關(guān)的區(qū)域，往往年植被覆蓋與年均氣溫呈正相關(guān)，植被覆蓋度對(duì)降水的變化相較于氣溫的變化更加敏感。

本研究中使用的數(shù)據(jù)時(shí)間間隔較長，可能會(huì)忽略一些細(xì)節(jié)。此外，由于數(shù)據(jù)獲取等原因，僅選取了年均氣溫和年降水量兩個(gè)主要的氣候要素與植被進(jìn)行響應(yīng)分析，未考慮地表因素和人為因素等其他因素對(duì)植被的響應(yīng)。未來的研究將會(huì)考慮更短的時(shí)間間隔和更多因素對(duì)植被變化的影響研究。