1982—2015年中國植被NDVI時空變化特征及其驅(qū)動分析

涂 又，姜亮亮，劉 睿，肖作林，閔 婕

1982—2015年中國植被NDVI時空變化特征及其驅(qū)動分析

涂 又1,2，姜亮亮1,3※，劉 睿1,3，肖作林1,3，閔 婕1,3

（1. 重慶師范大學地理與旅游學院，重慶 401331；2. 長安大學地球科學與資源學院，西安710054；3. 地理信息系統(tǒng)應(yīng)用研究重慶市高校重點實驗室，重慶 401331）

在全球氣候變化背景下，多數(shù)研究關(guān)注植被年際變化趨勢及其對降水和氣溫的響應(yīng)而忽略了輻射因子的影響。探究不同植被類型對季節(jié)性多氣候要素（降水、氣溫和輻射）的響應(yīng)規(guī)律，并量化人類活動對植被的影響，對中國生態(tài)環(huán)境保護具有現(xiàn)實意義。該研究基于AVHRR NDVI3g遙感數(shù)據(jù)、CCI全球土地覆被數(shù)據(jù)和ERA5-Land數(shù)據(jù)，采用多元線性回歸模型和殘差分析等方法，從區(qū)域和全國尺度上分析1982—2015年中國植被NDVI（Normalized Difference Vegetation Index）時空變化特征，研究其對季節(jié)性氣候變化和人類活動的響應(yīng)。研究結(jié)果表明：1）中國的植被變化在空間上具有明顯的區(qū)域特征，呈現(xiàn)出自東南向西北遞減的趨勢，變化率范圍為-0.016～0.029/a。2）根據(jù)Hurst指數(shù)分析，80.62%的植被處于持續(xù)穩(wěn)定變化狀態(tài)。草地和林地的變化趨勢趨于不穩(wěn)定，易受氣候變化和人類活動的影響。3）準噶爾盆地、青藏高原以及內(nèi)蒙古錫林郭勒盟等區(qū)域的植被NDVI與氣溫和太陽輻射呈負相關(guān)性，而在云貴高原、黃土高原南部、四川盆地等地區(qū)表現(xiàn)為正相關(guān)性。4）殘差分析結(jié)果表明，干旱導(dǎo)致新疆準噶爾盆地和內(nèi)蒙古中部等干旱區(qū)植被退化，而溫度和輻射增加是促進東部沿海平原、黃土高原南部、四川盆地和云貴高原西南部等地區(qū)植被改善的主要原因。21世紀以來人類活動逐漸加強，包括黃土高原水土保持和退耕還林工程、阿拉善荒漠治理、沿海城市群和東北工業(yè)基地的建設(shè)等。具體表現(xiàn)為內(nèi)蒙古阿拉善高原、黃土高原中西部和北部以及華南大部分地區(qū)植被改善，東北大、小興安嶺、長白山東部和長江三角洲地區(qū)植被退化。該研究對植被變化及其驅(qū)動因素的研究，可識別植被退化區(qū)，為將來生態(tài)修復(fù)工程的實施和生態(tài)文明建設(shè)提供理論依據(jù)，助力區(qū)域綠色可持續(xù)發(fā)展。

NDVI；植被變化；氣候變化；人類活動；中國

0 引 言

《第三次氣候變化國家評估報告》顯示，過去半個世紀（1951—2012），全球約升溫0.72 ℃[1]。在氣候變暖背景下，北半球中高緯的大陸增暖趨勢明顯[2]，Tucker等[3-4]發(fā)現(xiàn)該地區(qū)植被活動明顯增強。Liu等[5]研究發(fā)現(xiàn)，中國陸地平均增溫高于全球。21世紀以來，中國陸地干旱發(fā)生頻次減少，但極端干旱事件頻發(fā)，高溫天數(shù)增加[1]。中國幅員遼闊，生態(tài)系統(tǒng)多樣，綠色植被作為陸地生態(tài)系統(tǒng)的重要組分，能夠?qū)θ驓夂蜃兓a(chǎn)生反饋[6]。近幾十年來受氣候變化的影響，中國植被生態(tài)系統(tǒng)穩(wěn)定性減弱，尤其在西北荒漠草原區(qū)和西南巖溶區(qū)等生態(tài)脆弱區(qū)，存在自然災(zāi)害頻發(fā)、荒漠退化和水土流失加速等生態(tài)問題，嚴重影響區(qū)域發(fā)展和農(nóng)業(yè)生產(chǎn)[7]。因此，研究植被對氣候變化的響應(yīng)對于中國規(guī)劃戰(zhàn)略以適應(yīng)全球環(huán)境變化至關(guān)重要[8]。

人類活動對植被生長的影響不可忽視，植被的動態(tài)變化也反映了人類活動的過程。20世紀中葉以來，隨著工業(yè)化和城市化進程加快，中國植被面積減少，大量自然地表覆被轉(zhuǎn)變?yōu)檗r(nóng)業(yè)用地和人工建設(shè)用地，帶來了一系列的生態(tài)問題[9]。20世紀末，國家區(qū)域發(fā)展與生態(tài)防護工程的實施提升了中國植被覆蓋率[10-11]。在中國，政策調(diào)控和經(jīng)濟驅(qū)動仍是影響植被動態(tài)變化的重要原因。人類活動方式對植被的生長的影響主要表現(xiàn)在：城市擴張和工業(yè)建設(shè)導(dǎo)致植被退化[12]；大面積荒漠恢復(fù)為其他植被類型，如阿拉善的荒漠治理[13]；政府主導(dǎo)實施生態(tài)防護工程有效地促進了植被恢復(fù)[10-11]。21世紀，在可持續(xù)發(fā)展的要求下，了解中國的植被動態(tài)變化及其影響機制，對于中國調(diào)整生態(tài)保護措施，促進自然生態(tài)系統(tǒng)和社會經(jīng)濟和諧發(fā)展具有重要意義[14]。

研究表明，近幾十年，中國植被變化明顯[15]。增溫對黃土高原中部和東南部地區(qū)的植被生長產(chǎn)生了積極影響，而西北部的植被生長呈現(xiàn)相反的趨勢[16]。目前，國內(nèi)外許多學者在闡明植被變化對氣候變化的響應(yīng)方面做了大量研究[17-20]。但國內(nèi)研究多聚焦于黃土高原和青藏高原等生態(tài)脆弱區(qū)[21]、長江流域[22]以及京津冀等快速城市化地區(qū)[23]，以上研究在區(qū)域尺度上揭示了植被變化特征及其驅(qū)動因素，對于區(qū)域生態(tài)保護具有重要價值。但針對全國尺度植被持續(xù)性和波動變化過程的空間分異特征探究仍有待推進。同時，前人相關(guān)研究多關(guān)注植被變化及其對降水和氣溫的響應(yīng)和人類活動影響識別，而往往忽略對中國西南濕潤區(qū)植被生長具有重要影響的氣候因子—輻射因子[24]的影響，植被對氣候變化和人類活動響應(yīng)考慮不全面[17, 25-27]。此外，由于植被物候易受季節(jié)性氣候因子變化的影響，且不同植被類型間存在差異[16]，但現(xiàn)階段研究較少考慮季節(jié)性氣候變化。綜上，定量揭示不同植被類型對季節(jié)性多氣候要素（降水、氣溫和輻射）響應(yīng)規(guī)律需進一步深入。因此，本文從全國尺度上分析了中國1982—2015年植被NDVI（Normalized Difference Vegetation Index）時空變化過程的空間分異特征，揭示植被對季節(jié)性多氣候要素（降水、氣溫和輻射）響應(yīng)規(guī)律，識別氣候變化和人類活動影響區(qū)，并探討了植被變化對生態(tài)保護政策的響應(yīng)，旨在為將來生態(tài)修復(fù)工程的實施和生態(tài)文明建設(shè)提供理論依據(jù)。

1 研究區(qū)概況

根據(jù)研究需要，綜合考慮自然條件和經(jīng)濟發(fā)展水平的差異性，兼顧行政區(qū)的完整性，將中國劃分為七大地理分區(qū)（圖1）。中國的地形以山地和高原為主，由西向東地勢逐漸下降；除西南和西北地區(qū)，其他地理區(qū)以低海拔為主。中國大陸降水量由東南向西北逐漸減少，400 mm等降水量線總體呈現(xiàn)東北-西南走向，常用于干濕區(qū)域的劃分[28]。水熱條件直接影響植被在空間上的分布差異，林地主要分布于西南和東北地區(qū)，西南和西北地區(qū)草地分布較多，約1/3的裸地分布在西北地區(qū)。

2 數(shù)據(jù)與方法

2.1 數(shù)據(jù)來源

2.1.1 AVHRR NDVI3g

AVHRR NDVI3g（http://glcf.umd.edu）來源于美國國家航天局（NASA）全球監(jiān)測與模擬研究組（GIMMS），基于美國國家海洋和大氣管理局（NOAA）/多光譜通道的掃描輻射計（AVHRR）陸地數(shù)據(jù)集反演獲得。AVHRR NDVI3g時間序列為1982—2015年，空間分辨率1/12°，時間分辨率為15 d。該數(shù)據(jù)集校正消除了傳感器靈敏度、大氣氣溶膠含量、太陽高度角、軌道漂移等因素影響[29-31]。根據(jù)研究需要，將數(shù)據(jù)集分別合成到月和年尺度。

2.1.2 土地覆被數(shù)據(jù)

CCI全球土地覆被產(chǎn)品（CCI-LC）是基于AVHRR、SPOT-VGT、MERIS等數(shù)據(jù)反演獲得。歐洲航天局氣候變化倡議（ESA CCI）發(fā)布了1992—2015年逐年300 m空間分辨率的土地覆蓋數(shù)據(jù)集（http://maps.elie.ucl. ac.be/CCI/viewer/index.php），在很大程度上滿足了時間序列研究要求。該數(shù)據(jù)集具有完整的土地覆被類型（38種），可以在全球范圍內(nèi)對土地覆被動態(tài)變化進行檢測。

CCI-LC數(shù)據(jù)使用聯(lián)合國糧食及農(nóng)業(yè)組織（FAO）土地分類系統(tǒng)，一級類6種，二級類36種。根據(jù)研究需要，本文選取了5種一級類（耕地、林地、濕地、草地和建設(shè)用地）（圖1）。為避免土地利用變化的影響，根據(jù)時間序列數(shù)據(jù)，提取穩(wěn)定的土地覆被以便統(tǒng)計不同植被類型的驅(qū)動機制。基于ArcGIS重采樣函數(shù)對CCI-LC數(shù)據(jù)進行重采樣，使其空間分辨率與NDVI數(shù)據(jù)匹配，以便進一步處理、分析[32]。

2.1.3 ERA5-Land

ERA5是歐洲中期天氣預(yù)報中心（ECMWF）運營的哥白尼氣候變化服務(wù)（C3S）發(fā)布的數(shù)據(jù)集。ERA5-Land（https:// cds.climate.copernicus.eu/cdsapp#!/search）是通過ECMWF ERA5再分析模型生產(chǎn)的再分析數(shù)據(jù)集。該數(shù)據(jù)集包括氣溫、降水、太陽輻射、風速等數(shù)據(jù)，時間序列為1982—2015年，空間分辨率為0.1°，時間分辨率為月尺度，可準確描述氣候狀況[33]。基于ArcGIS重采樣函數(shù)對ERA5-Land數(shù)據(jù)進重采樣，使其空間分辨率與NDVI數(shù)據(jù)相匹配。

2.2 研究方法

2.2.1 線性回歸分析法

基于線性回歸分析法，逐像元時間序列計算趨勢線變化斜率（Slope），分析氣候因子和植被變化的時空變化趨勢[34]，并采用Pearson相關(guān)系數(shù)法計算氣候因子與NDVI的相關(guān)性[19]。

式中X表示第年的NDVI平均值，為研究期總年數(shù)。

2.2.2 Mann-Kendall檢驗

基于非參數(shù)檢驗方法（Mann-Kendall法）檢驗歸一化植被指數(shù)（NDVI）變化趨勢的顯著性[35-36]。利用0.05水平上的置信區(qū)間，Mann-Kendall的顯著性檢驗結(jié)果分為不顯著變化（-1.96<<1.96）和顯著變化（≥1.96或≤-1.96），其結(jié)果與Slope變化趨勢疊加，植被變化趨勢分為五類[19]，見表1。

2.2.3 Hurst指數(shù)

基于重標極差（R/S）的分析方法，計算得到Hurst指數(shù)，可有效地定量描述長時間變化持續(xù)性。該指數(shù)反映植被前后變化的相互關(guān)系，過去的植被狀態(tài)會影響現(xiàn)在的，現(xiàn)在的植被狀態(tài)將影響未來的。該方法最早在1951年由英國水文學家Hurst提出[37]，1969年Mandelbrot等對其進行了改進[38]。該方法目前在水文學、氣候?qū)W和生態(tài)學等領(lǐng)域監(jiān)測長時間變化趨勢的持續(xù)性中有著廣泛應(yīng)用，適用于長時間序列植被的持續(xù)性變化檢測[19]。基本原理如下：

1）將長時間序列{NDVI（）}（＝1，2，...，）劃分為個子序列()，= 1, 2, . . .,。

2）定義NDVI均值時間序列為

3）計算逐像元平均NDVI的累積偏差

4）定義極差的范圍

5）定義標準偏差序列

6）計算Hurst指數(shù)

7）Hurst指數(shù)通過擬合直線得到如下所示：

式中NDVI為歸一化植被指數(shù)，為關(guān)系常數(shù)，為Hurst指數(shù)，為截矩。

Hurst指數(shù)值可分為三類：當= 0.5時，表明NDVI時間序列隨機變化；> 0.5時，表明NDVI時間序列持續(xù)性變化；< 0.5時，表明時間序列具有反持續(xù)性，即未來變化趨勢很可能與研究期間相反。同時，為了獲取植被變化趨勢和一致性檢驗的雙重信息，利用ArcGIS疊加分析，將NDVI變化趨勢與Hurst指數(shù)結(jié)果相疊加[19]（表1）。

表1 植被NDVI變化趨勢的持續(xù)性

2.2.4 殘差分析法

Evans 和 Geerken 提出的殘差分析法[39]，可以探討人類活動和氣候變化對植被變化的影響。利用NDVI與氣候因子間的回歸模型計算各像元殘差[40]，通過回歸模型計算可得到由氣候因子預(yù)測的NDVI。

3 結(jié)果與分析

3.1 植被動態(tài)變化特征

1982—2015年中國植被綠度整體呈上升趨勢，平均變化率為0.74×10-3/a，在空間上呈現(xiàn)出自東南向西北遞減的分布格局（圖2a）。中國東部植被的綠度呈上升趨勢，變化率高達0.029/a，而中國西部地區(qū)和東北地區(qū)的植被綠度呈下降趨勢，變化率低至-0.016/a。整體上看，東北和西南部分地區(qū)植被退化較嚴重，華南、華中以及華東大部分地區(qū)植被改善明顯。因此，中國的植被變化在空間上具有明顯的區(qū)域特征。

中國植被NDVI變化趨勢存在空間異質(zhì)性（圖2b），植被總體呈逐漸增加趨勢，但局部區(qū)域植被退化嚴重。68.21%的植被表現(xiàn)出改善趨勢，植被顯著改善（49.12%）主要集中分布在黃土高原、內(nèi)蒙古的阿拉善高原、四川盆地以東的中國東部和華南地區(qū)。17.33%的植被呈現(xiàn)退化趨勢，主要分布在東北的大、小興安嶺和長白山一帶、新疆西北部、青藏高原等地區(qū)。無植被或穩(wěn)定區(qū)域占14.46%，主要為水域和裸地。

區(qū)域尺度上，華中和華南地區(qū)植被顯著改善的比例最高，分別為80.80%和75.66%，僅有少數(shù)植被（1.45%和1.79%）發(fā)生明顯退化，說明該地區(qū)植被生長態(tài)勢良好。但是，東北地區(qū)植被存在15.09%的顯著退化和21.55%的不顯著退化，植被顯著改善較少。西北地區(qū)因分布大面積裸地、沙漠，存在25.15%的穩(wěn)定或無植被區(qū)域。不同植被類型變化趨勢也不同。林地和耕地的植被改善的比例最高，61.81%和18.17%的耕地分別呈顯著和不顯著的植被改善，林地中顯著和不顯著改善比例分別為53.10%和25.52%。草地和耕地中顯著退化面積比例分別為6.58%和6.44%，均高于林地。

3.2 植被變化一致性分析

結(jié)合Hurst指數(shù)分析結(jié)果，預(yù)測未來植被生長趨勢。結(jié)果表明，中國大多數(shù)植被表現(xiàn)出持續(xù)變化趨勢（80.62%），少數(shù)植被波動變化（4.92%）。為明確NDVI變化趨勢的持續(xù)性，參考前人研究，利用ArcGIS疊加分析，將NDVI變化趨勢與Hurst指數(shù)結(jié)果相疊加，以獲得植被變化趨勢和一致性檢驗的雙重信息[19]（表1）。結(jié)果表明，中國大多數(shù)植被處于持續(xù)穩(wěn)定變化狀態(tài)（圖3）。變化一致的面積占總面積的80.62%，其中退化面積占16.45%，改善面積占64.17%。植被持續(xù)改善區(qū)域主要集中在華南、華中和華東地區(qū)，而植被持續(xù)退化區(qū)域主要分布于東北和西南地區(qū)。不穩(wěn)定變化區(qū)域僅占4.92%，可能為前后變化相反或波動變化，分布較離散。

為研究不同植被類型的差異，本文統(tǒng)計了不同植被類型中NDVI變化趨勢持續(xù)性結(jié)果。結(jié)果表明，耕地和林地的植被持續(xù)改善比例最高，草地持續(xù)退化面積占總面積的20.19%。林地和草地中變化不一致的面積比例分別為6.91%和5.32%，說明草地和林地的變化趨勢更趨于不穩(wěn)定，易受氣候變化或人類活動的影響。事實上，耕地受人類活動影響，一定程度上可以避免受極端氣候的影響；而草地的土壤不能長時間保持水分，對氣候變化敏感，容易受到氣候變化的影響。

3.3 氣候變化分析

研究期間季節(jié)性氣候變化具有明顯的空間差異性（圖 4）。東部沿海地區(qū)，夏秋兩季氣溫變化不大，但是秋季降水明顯增加。東北地區(qū)夏季持續(xù)干旱，太陽輻射增強，而秋季干旱略有緩和。西部地區(qū)，特別是青藏高原，降水由夏季的明顯增加，轉(zhuǎn)變?yōu)榍锛镜幕境制剑瑲鉁氐南陆第厔萦晌鞑肯虮辈哭D(zhuǎn)移，太陽輻射減少趨勢變緩。

降水的季節(jié)性變化趨勢空間異質(zhì)性明顯，中國東部地區(qū)下降趨勢最明顯（圖4a）。春季，青藏高原西南部和四川盆地西部降水增加。夏季，降水表現(xiàn)出明顯的空間差異，巫山以西的東部地區(qū)和東北平原的降水表現(xiàn)出減少趨勢，但青藏高原西南部、海南島和臺灣地區(qū)顯著增加，變化范圍為-41.69～20.30 mm/a。秋季中國大部分區(qū)域降水輕微減少，在四川盆地東部和長江中下游平原地區(qū)穩(wěn)定減少。但在南嶺南部、東部沿海地區(qū)以及臺灣地區(qū)，降水呈增加趨勢，與冬季和春季變化趨勢明顯相反。

1982—2015年，中國大部分地區(qū)的氣溫呈上升趨勢（圖4b）。季節(jié)尺度上，春夏兩季變化趨勢整體相似，氣溫在青藏高原中西部出現(xiàn)明顯下降，年變化率分別為-0.017和-0.022 ℃/a。而秋季氣溫變化在青藏高原區(qū)大致呈相反趨勢，尤其在昆侖山脈和祁連山脈下降最為明顯，年變化率為-0.047 ℃/a。冬季，青藏高原氣溫下降趨勢明顯，東北大、小興安嶺和海南島的氣溫也輕微下降，其他地區(qū)的氣溫有著不同程度的上升。整體上，太陽輻射的季節(jié)性變化較為穩(wěn)定，表現(xiàn)為緩慢上升（圖4c）。其變化趨勢與降水相反，與氣溫相似（除青藏高原地區(qū)）。在青藏高原地區(qū)，春夏兩季太陽輻射下降趨勢明顯，年變化率達到-0.017 W/(m2·a)，其他地區(qū)呈上升趨勢。

3.4 NDVI與氣候變化的相關(guān)性分析

通過計算生長季年均NDVI與季節(jié)降水和氣溫間的相關(guān)系數(shù)（），以明確植被動態(tài)變化與季節(jié)性氣候之間的關(guān)系。如圖5所示，年均NDVI變化對季節(jié)性降水、氣溫和太陽輻射表現(xiàn)出不同的響應(yīng)。

1982—2015年間，中國生長季年均NDVI與季節(jié)性降水的相關(guān)性差異明顯。在季節(jié)尺度上，春季大部分植被與降水表現(xiàn)為正相關(guān)，植被與降水在阿爾泰山脈、青藏高原西部和內(nèi)蒙古高原中部等地區(qū)正相關(guān)系數(shù)高達0.78，明顯高于其余季節(jié)。在武夷山脈和大興安嶺北部，春季植被與降水有著較顯著的負相關(guān)（<0.05）。夏季與春季情況相似，但在巫山和秦嶺以東以及華中地區(qū)，負相關(guān)性有所增強。秋季，植被與降水在華南地區(qū)呈現(xiàn)出異于其他季節(jié)的正相關(guān)關(guān)系。冬季大部分植被與降水表現(xiàn)為負相關(guān)。此外，與其他植被相比，草地與季節(jié)性降水的正相關(guān)性最顯著（<0.05）。

各季節(jié)平均NDVI與氣溫和太陽輻射的相關(guān)性相似（圖5b和圖5c）。在準噶爾盆地、青藏高原以及內(nèi)蒙古錫林郭勒盟等地區(qū)普遍表現(xiàn)出明顯的負相關(guān)關(guān)系，而在云貴高原、黃土高原南部、四川盆地、大興安嶺北部等地區(qū)，則表現(xiàn)為正相關(guān)。季節(jié)尺度上，春夏兩季具有一定的相似性，但在武陵山脈東部和南嶺北部地區(qū)，春季的相關(guān)性表現(xiàn)出異于其他季節(jié)的明顯正相關(guān)性。秋冬兩季同樣具有一定的相似性，西部地區(qū)、長江三角洲以及珠江三角洲表現(xiàn)出明顯的負相關(guān)。在農(nóng)業(yè)活動頻繁的四川盆地、華北平原、長江中下游平原等地區(qū)，植被與季節(jié)性氣溫呈較為明顯的正相關(guān)關(guān)系。在同一自然地理區(qū)域內(nèi)，城市化發(fā)達的地區(qū)與局部地區(qū)相比，植被覆蓋變化與氣候變化的關(guān)系明顯不同。因此，人類農(nóng)業(yè)墾殖和城市建設(shè)等活動影響會植被對氣候變化的響應(yīng)。

3.5 殘差分析

中國植被變化受到氣候變化和人類活動的共同影響。天山山脈中部、黃土高原北部和中西部、華南地區(qū)西南部等地區(qū)NDVI殘差略有增加趨勢，年變化率高達0.019/a，而青藏高原西南部、大、小興安嶺和長白山東部以及珠江三角洲等地區(qū)NDVI殘差呈下降趨勢，年變化率低至-0.002/a（圖6a），表明NDVI殘差變化趨勢具有空間差異性。圖6b表示NDVI殘差的顯著性變化與平均NDVI的總體變化趨勢結(jié)果的疊加。結(jié)果表明，NDVI殘差顯著變化且植被呈增長趨勢的像元在空間上呈明顯的聚集（深藍色），主要位于黃土高原中西部和北部、內(nèi)蒙古阿拉善高原、新疆西部和南部（昆侖山脈）以及華南等地區(qū)。深紅色表示NDVI殘差變化顯著且植被有減少趨勢，主要集中分布在東北大、小興安嶺、長白山一帶和長江三角洲等地區(qū)。以上變化無法用氣候變化來解釋，可能由人類活動導(dǎo)致。淺紅色和淺藍色表示NDVI殘差無顯著變化，與降水、氣溫和太陽輻射的變化有關(guān)。據(jù)統(tǒng)計，中國植被NDVI受人類活動影響的區(qū)域為40.77%，受氣候變化驅(qū)動的區(qū)域為44.77%。

林地變化主要受到氣候變化的影響，耕地和草地的改善則受人類活動影響較多。不同植被類型的NDVI殘差顯著變化（值）和平均NDVI變化趨勢疊加結(jié)果統(tǒng)計如圖6b所示。人類活動對林地和草地NDVI變化的貢獻為正的區(qū)域面積分別占13.04%和10.08%。因此，部分耕地和草地的NDVI增長速度高于氣候變化所預(yù)期的結(jié)果。在植被受人類活動的負面影響的區(qū)域中，耕地和草地分別占植被區(qū)的1.76%和1.47%。在中國的植被變化中，林地受到氣候變化和人類活動影響的面積比例分別占6.58%和12.53%，說明林地受到氣候變化影響的范圍更廣（表2）。

1982—2015年氣候變化和人類活動對中國植被NDVI變化的影響存在空間異質(zhì)性。西北和華北地區(qū)NDVI增長速度高于氣候變化所預(yù)期的結(jié)果，人類活動對植被NDVI變化的貢獻為正的面積分別占植被區(qū)的11.34%和8.07%。在人類活動對植被NDVI變化的貢獻為負的區(qū)域中，東北和西南地區(qū)分別占1.68%和1.30%。在植被NDVI受氣候變化影響的區(qū)域中，西南和西北地區(qū)分別占植被區(qū)的13.40%和12.09%。

綜上，不同區(qū)域內(nèi)，植被NDVI變化同時受氣候變化和人類活動共同影響。在西南和西北地區(qū)，氣候變化是影響植被退化的主要因素；而在西北和華北地區(qū)植被的改善和東北地區(qū)，植被退化主要受人類活動影響。

表2 1982—2015年氣候變化和人類活動對中國植被NDVI變化的影響

4 討 論

4.1 植被變化與氣候因子響應(yīng)

在全球變暖的背景下，中國植被NDVI空間異質(zhì)性明顯，其變化在大尺度上是由水熱條件決定的。中國大多數(shù)地區(qū)降水減少，太陽輻射和氣溫升高。增溫總體上對中國植被生長具有積極影響；水分可促進干旱區(qū)植被生長，但在濕潤地區(qū)則抑制植被生長[14,41]。

1982—2015年中國植被變化對氣候的響應(yīng)存在空間差異性。在西南地區(qū)、內(nèi)蒙古中部和北部，黃土高原南部和準噶爾盆地等地區(qū)，氣候變化是影響植被活動的主要驅(qū)動因素（圖6）。準噶爾盆地和內(nèi)蒙古中部等干旱區(qū)，夏季降雨量稀少，植被NDVI與降水的正相關(guān)系數(shù)高于0.7（圖5a），與氣溫的負相關(guān)性高達0.84（圖5b），增溫加劇了土地荒漠化和鹽漬化，干旱是該地區(qū)植被退化的主要驅(qū)動因素。在東部沿海平原、黃土高原南部和西南地區(qū)的四川盆地、云貴高原西南部等地區(qū)，氣溫和太陽輻射是植被改善的主要驅(qū)動因素。這些地區(qū)降雨量充足，氣溫和太陽輻射與植被NDVI表現(xiàn)出明顯的正相關(guān)性（圖5b和5c），熱量差異是導(dǎo)致植被覆蓋變化的主要原因。青藏高原和西北地區(qū)主要的植被類型為草地，對氣候變化敏感[42]。青藏高原西北部和昆侖山南部夏季氣溫和太陽輻射略有增加（圖4b和4c），與植被NDVI的相關(guān)系數(shù)均高于0.7，氣溫和太陽輻射是促進該地區(qū)植被生長的主要驅(qū)動力。此外，極端天氣、地震、滑坡和泥石流等自然災(zāi)害在一定程度上會抑制植被生長。

4.2 植被變化與人類活動響應(yīng)

人類活動是中國的植被變化的主要驅(qū)動因素之一。1982—2015年間，中國內(nèi)蒙古阿拉善高原、黃土高原中西部和北部以及華南大部分地區(qū)植被改善，東北大、小興安嶺、長白山東部和長江三角洲地區(qū)植被退化，這些地區(qū)植被變化主要是受人類活動的影響，包括黃土高原水土保持和退耕還林工程、阿拉善荒漠治理、沿海城市群和東北工業(yè)基地的建設(shè)等。

整體上，人類活動促進了植被改善。中國林地先減后增，荒漠先增后減，草地退化速率降低[9]。在黃土高原中西部和北部，尤其在黃河中游段西側(cè)的陜西省境內(nèi)，由政府主導(dǎo)實施的退耕還林（草）、天然林保護和水土流失治理等生態(tài)防護工程，是植被覆蓋增加的主要驅(qū)動因素。在華南地區(qū)，生態(tài)恢復(fù)措施也取得了顯著的生態(tài)效果。內(nèi)蒙古自治區(qū)阿拉善高原植被改善明顯，該地區(qū)政府從20世紀90年代開始進行荒漠復(fù)合生態(tài)系統(tǒng)管理，并實施多期退牧還草工程，促進了荒漠生態(tài)系統(tǒng)的恢復(fù)[13]。實際上，生態(tài)工程建設(shè)是一個長期的過程，仍需進行長期實踐，政府在規(guī)劃戰(zhàn)略時應(yīng)考慮自然和經(jīng)濟社會的可持續(xù)發(fā)展前景。

本文研究表明，中國植被NDVI整體呈上升趨勢，在空間上具有明顯的區(qū)域特征，其變化受到氣候和人類活動的共同影響。這在大尺度上與現(xiàn)有的研究基本一致，但在區(qū)域尺度存在一定差異。金凱等[17]在區(qū)分人類活動和氣候變化對植被NDVI的影響時僅考慮了降水和氣溫兩個常規(guī)氣象因素，忽略了太陽輻射的影響，導(dǎo)致西南地區(qū)人類活動的影響高于氣候變化，而中國西南濕潤區(qū)輻射是影響植被生長的重要氣候因子[24]。本文針對中國植被動態(tài)變化對氣候變化和人類活動的響應(yīng)的研究，考慮多氣象關(guān)鍵要素（降水、氣溫和輻射）進一步推進了中國植被動態(tài)變化的影響機制。1982—2015年中國植被得到有效恢復(fù)，中國南方地區(qū)的增溫有利于植被光合作用，提高了凈生產(chǎn)力[14]；此外，圈劃自然保護區(qū)和實施生態(tài)建設(shè)工程等人類活動可促進局部地區(qū)植被恢復(fù)[10-11]。但是，在中國北方地區(qū)，氣溫上升幅度較大，加劇了水資源短缺，營養(yǎng)物質(zhì)運輸效率降低，對植被生長產(chǎn)生了負面影響[14]。此外，城市擴張和農(nóng)業(yè)墾殖等人類活動對植被生長得抑制作用在大城市群地區(qū)表現(xiàn)明顯[23]，上述研究與本文結(jié)果基本吻合。

本文定量揭示了1982—2015年中國植被NDVI變化的空間分異特征及其對季節(jié)性多氣候要素的響應(yīng)規(guī)律，并識別了氣候變化和人類活動影響區(qū)，為預(yù)測未來中國植被變化，促進生態(tài)文明建設(shè)提供理論依據(jù)。本文選用了3種氣候因子進行多元殘差分析，事實上，植被變化是復(fù)雜的過程，除氣候變化外，植被NDVI還受土壤、海拔和地形等因子的影響[43]。另一方面，針對植被與氣候變化的滯后效應(yīng)研究尚有欠缺。中國自然地理條件區(qū)域差異化明顯，不同區(qū)域植被生長對驅(qū)動因素的響應(yīng)機制和閾值存在差異，上述問題在大尺度研究中仍待進一步解決。未來針對植被變化驅(qū)動機制的研究仍需結(jié)合其他因子，進一步細化植被變化的影響因素，定位重要的人類活動因子，以期推動該領(lǐng)域研究的持續(xù)深化，為生態(tài)環(huán)境恢復(fù)提供重要理論依據(jù)。

5 結(jié) 論

本文分析了1982—2015年中國植被NDVI的時空變化，并區(qū)分了氣候變化和人類活動對植被變化的相對重要性，識別植被退化人類活動影響區(qū)。主要結(jié)論如下：

1）中國的植被變化在空間上具有明顯的區(qū)域特征。中國植被綠度整體為上升趨勢，平均變化率為0.74×10-3/a（<0.05），在空間上呈現(xiàn)出東南向西北遞減的趨勢。

2）中國大多數(shù)植被處于持續(xù)穩(wěn)定變化（80.62%）的狀態(tài)。華南、華中和華東地區(qū)植被持續(xù)改善，而東北和西南地區(qū)植被持續(xù)退化。草地和林地的變化趨勢趨于不穩(wěn)定，易受氣候變化和人類活動的影響。

3）中國生長季年均NDVI對降水、氣溫和太陽輻射表現(xiàn)出不同的相關(guān)性。準噶爾盆地、青藏高原以及內(nèi)蒙古中部的錫林郭勒盟等地區(qū)的植被NDVI與氣溫和太陽輻射表現(xiàn)出明顯的負相關(guān)關(guān)系，而在云貴高原、黃土高原南部、四川盆地、大興安嶺北部等地區(qū)，則表現(xiàn)出明顯的正相關(guān)性（<0.05）。

4）中國植被覆蓋變化受到氣候變化和人類活動的共同驅(qū)動。干旱是天山北部的準噶爾盆地和內(nèi)蒙古中部等干旱區(qū)植被退化的主要驅(qū)動因素。在東部沿海平原、黃土高原南部和西南地區(qū)的四川盆地、云貴高原西南部等地區(qū)，降雨量充足，溫度和輻射增加是促進植被改善的主要原因。青藏高原西北部和昆侖山南部主要的植被類型為草地，對氣候變化敏感，溫度是促進該地區(qū)植被生長的主要驅(qū)動力。21世紀以來人類活動逐漸加強，整體上改善了植被生長狀況。人類活動影響包括內(nèi)蒙古阿拉善高原、黃土高原中西部和北部以及華南大部分地區(qū)的植被改善，東北大、小興安嶺、長白山東部和長江三角洲地區(qū)植被退化。這些人類活動包括黃土高原水土保持和退耕還林工程、阿拉善荒漠治理、沿海城市群和東北工業(yè)基地的建設(shè)等。

[1] 《第三次氣候變化國家評估報告》編寫委員會. 第三次氣候變化國家評估報告[M]. 北京：科學出版社，2015.

[2] Lucht W, Prentice I C, Myneni R B, et al. Climatic control of the high-latitude vegetation greening trend and Pinatubo effect[J]. Science, 2002, 296(5573): 1687-1689.

[3] Tucker C, Slayback D, Pinzon J, 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.

[4] Myneni R B, Keeling C D, Tucker C J, et al. Increased plant growth in the northern high latitudes from 1981 to 1991[J]. Nature, 1997, 386(6626): 698-702.

[5] Liu B, Xu M, Henderson M, et al. Taking China's temperature: Daily range, warming trends, and regional variations, 1955—2000[J]. Journal of Climate, 2004, 17(22): 4453-4462.

[6] 孫紅雨，王長耀，牛錚，等. 中國地表植被覆蓋變化及其與氣候因子關(guān)系：基于NOAA時間序列數(shù)據(jù)分析[J]. 遙感學報，1998，2(3)：204-210.

Sun Hongyu, Wang Changyao, Niu Zheng, et al. Analysis of the vegetation cover change and the relationship between NDVI and environmental factors by using NOAA time series data[J]. Journal of Remote Sensing, 1998, 2(3): 204-210. (in Chinese with English abstract)

[7] 章維鑫，曹建華，吳秀芹. 基于Landsat影像的石漠化區(qū)植被動態(tài)監(jiān)測及治理效益研究[J]. 農(nóng)業(yè)工程學報，2019，35(8)：221-229.

Zhang Weixin, Cao Jianhua , Wu Xiuqin. Dynamic monitoring and control benefits of vegetation in rocky desertification areas based on Landsat images[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(8): 221-229. (in Chinese with English abstract)

[8] 秦大河. 氣候變化科學與人類可持續(xù)發(fā)展[J]. 地理科學進展，2014，33(7)：874-883.

Qin Dahe. Climate change science and sustainable development[J]. Progress in Geography, 2014, 33(7): 874-883. (in Chinese with English abstract)

[9] 劉紀遠，寧佳，匡文慧，等. 2010—2015年中國土地利用變化的時空格局與新特征[J]. 地理學報，2018，73(5)：789-802.

Liu Jiyuan, Ning Jia, Kuang Wenhui, et al. Spatio-temporal patterns and characteristics of land-use change in China during 2010-2015[J]. Acta Geographica Sinica, 2018, 73(5): 789-802. (in Chinese with English abstract)

[10] 尤南山，董金瑋，肖桐，等. 退耕還林還草工程對黃土高原植被總初級生產(chǎn)力的影響[J]. 地理科學，2020，40(2)：315-323.

You Nanshan, Dong Jinwei, Xiao Tong, et al. The effects of the “Grain for Green” project on gross primary productivity in the Loess Plateau[J]. Scientia Geographica Sinica, 2020, 40(2): 315-323. (in Chinese with English abstract)

[11] 范建忠，李登科，董金芳. 陜西省重點生態(tài)建設(shè)工程區(qū)植被恢復(fù)狀況遙感監(jiān)測[J]. 農(nóng)業(yè)工程學報，2012，28(7)：228-234.

Fan Jianzhong, Li Dengke, Dong Jinfang. Remote sensing analysis of vegetation restoration in key ecological construction areas of Shaanxi province[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(7): 228-234. (in Chinese with English abstract)

[12] 趙安周，裴韜，曹森，等. 京津冀城市擴張對植被和地表城市熱島的影響[J]. 中國環(huán)境科學，2020，40(4)：1825-1833.

Zhao Anzhou, Pei Tao, Cao Sen, et al. Impacts of urbanization on vegetation growth and surface urban heat island intensity in the Beijing-Tianjin-Hebei[J]. China Environmental Science, 2020, 40(4): 1825-1833. (in Chinese with English abstract)

[13] 周志宇，朱宗元，劉鐘齡. 干旱荒漠區(qū)受損生態(tài)系統(tǒng)的恢復(fù)重建與可持續(xù)發(fā)展[M]. 北京：科學出版社，2010.

[14] 焦珂?zhèn)ィ呓ǎ瑓墙B洪，等. 植被活動對氣候變化的響應(yīng)過程研究進展[J]. 生態(tài)學報，2018，38(6)：2229-2238.

Jiao Kewei, Gao Jiangbo, Wu Shaohong, et al. Research progress on the response processes of vegetation activity to climate chang[J]. Acta Ecologica Sinica, 2018, 38(6): 2229-2238．(in Chinese with English abstract)

[15] 王兆禮，黃澤勤，李軍，等. 基于SPEI和NDVI的中國流域尺度氣象干旱及植被分布時空演變[J]. 農(nóng)業(yè)工程學報，2016，32(14)：177-186.

Wang Zhaoli, Huang Zeqin, Li Jun, et al. Assessing impacts of meteorological drought on vegetation at catchment scale in China based on SPEI and NDVI[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(14): 177-186. (in Chinese with English abstract)

[16] Sun W, Song X, Mu X, et al. Spatiotemporal vegetation cover variations associated with climate change and ecological restoration in the Loess Plateau[J]. Agricultural & Forest Meteorology, 2015, 209(1): 87-99.

[17] 金凱，王飛，韓劍橋，等. 1982—2015年中國氣候變化和人類活動對植被NDVI變化的影響[J]. 地理學報，2020，75(5)：961-974.

Jin Kai, Wang Fei, Han Jianqiao, et al. Contribution of climatic change and human activities to vegetation NDVI change over China during 1982-2015[J]. Acta Geographica Sinica, 2020, 75(5): 961-974. (in Chinese with English abstract)

[18] 高江波，焦珂?zhèn)ィ瑓墙B洪. 1982—2013年中國植被NDVI空間異質(zhì)性的氣候影響分析[J]. 地理學報，2019，74(3)：534-543.

Gao Jiangbo, Jiao Kewei, Wu Shaohong, et al. Revealing the climatic impacts on spatial heterogeneity of NDVI in China during 1982-2013[J]. Acta Geographica Sinica, 2019, 74(3): 534-543. (in Chinese with English abstract)

[19] Jiang L. Monitoring Land Degradation and Assessing Its Drivers in Central Asia[D]. Ghent: Ghent University, 2020.

[20] Jagadish S V, Way D A, Sharkey T D. Scaling plant responses to high temperature from cell to ecosystem[J]. Plant, Cell & Environment, 2021, 44(7): 1987-1991.

[21] Pang G, Wang X, Yang M. Using the NDVI to identify variations in, and responses of, vegetation to climate change on the Tibetan Plateau from 1982 to 2012[J]. Quaternary International, 2017, 444: 87-96.

[22] 張亮，丁明軍，張華敏，等. 1982—2015年長江流域植被覆蓋度時空變化分析[J]. 自然資源學報，2018，33(12)：2084-2097.

Zhang Liang, Ding Mingjun, Zhang Huamin, et al. Spatiotemporal variation of the vegetation coverage in Yangtze river basin during 1982-2015 [J]. Journal of Natural Resources, 2018, 33(12): 2084-2097. (in Chinese with English abstract)

[23] 于璐，武志濤，杜自強，等. 氣候變化背景下京津風沙源區(qū)人類活動對植被影響的量化分析[J]. 應(yīng)用生態(tài)學報，2020，31(6)：2007-2014.

Yu Lu, Wu Zhitao, Du Ziqiang, et al. Quantitative analysis of the effects of human activities on vegetation in the Beijing-Tianjin sandstorm source region under the climate change[J]. Chinese Journal of Applied Ecology, 2020, 31(6): 2007-2014. (in Chinese with English abstract)

[24] Chen S, Zhang Y, Wu Q, et al. Vegetation structural change and CO2fertilization more than offset gross primary production decline caused by reduced solar radiation in China[J]. Agricultural and Forest Meteorology, 2021, 296(5993): 108207.

[25] Duo A, Zhao W, Qu X, et al. Spatio-temporal variation of vegetation coverage and its response to climate change in North China plain in the last 33 years[J]. International Journal of Applied Earth Observation & Geoinformation, 2016, 53: 103-117.

[26] 胡克宏，張震，郜敏，等. 中國絲綢之路經(jīng)濟帶沿線植被覆蓋變化及自然影響因素分析[J]. 農(nóng)業(yè)工程學報，2020，36(17)：149-157.

Hu Kehong, Zhang Zhen, Gao Min, et al. Variations in vegetation cover and natural factors of provinces in China along Silk Road Economic Belt during 2000-2018[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(17): 149-157. (in Chinese with English abstract)

[27] 劉憲鋒，朱秀芳，潘耀忠，等. 1982—2012年中國植被覆蓋時空變化特征[J]. 生態(tài)學報，2015，35(16)：5331-5342. Liu Xianfeng, Zhu Xiufang, Pan Yaozhong, et al. Spatiotemporal changes in vegetation coverage in China during 1982—2012[J]. Acta Ecologica Sinica, 2015, 35(16): 5331-5342. (in Chinese with English abstract)

[28] 李雪萍，史興民，王阿如娜. 中國典型等降水量線年代際空間演變[J]. 中國沙漠，2016，36(1)：232-238.

Li Xueping, Shi Xingmin, Wang Aruna. The interdecadal spatial changes of typical rainfall contours in China[J]. Journal of Desert Research, 2016, 36(1): 232-238. (in Chinese with English abstract)

[29] Huang N E, Shen Z, Long S R, et al. The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis[J]. Proceedings Mathematical Physical & Engineering Sciences, 1998, 454: 903-995.

[30] Vermote E, Kaufman Y J. Absolute calibration of AVHRR visible and near-infrared channels using ocean and cloud views[J]. International Journal of Remote Sensing, 1995, 16(13): 2317-2340.

[31] Pinzon J E, Brown M E, Tucker C J. EMD Correction of Orbital Drift Artifacts in Satellite Data Stream[M].Singapore: World Scientific Publishing, 2005.

[32] Yuan Y, Bao A, Liu T, et al. Assessing vegetation stability to climate variability in Central Asia[J]. Journal of Environmental Management, 2021, 298: 113330.

[33] Balsamo G, Albergel C, Beljaars A, et al. ERA-Interim/Land: A global land surface reanalysis data set[J]. Hydrology and Earth System Sciences, 2015, 19(1): 389-407.

[34] Chatfield C. The Analysis of Time Series: An Introduction [M]. New York: Chapman and Hall, 2009.

[35] Gocic M, Trajkovic S. Analysis of changes in meteorological variables using Mann-Kendall and Sen's slope estimator statistical tests in Serbia[J]. Global and Planetary Change, 2013, 100: 172-182.

[36] Mann H B. Nonparametric test against trend[J]. Econometrica, 1945, 13(3): 245-259.

[37] Hurst H E. Long-term storage capacity of reservoirs[J]. Transactions of the American Society of Civil Engineers, 1951, 116(1): 770-799.

[38] Mandelbrot B B, Wallis J R. Robustness of the rescaled range R/S in the measurement of noncyclic long run statistical dependence[J]. Water Resources Research, 1969, 5(5): 967-988.

[39] Evans J, Geerken R. Discrimination between climate and human-induced dryland degradation[J]. Journal of Arid Environments, 2004, 57(4): 535-554.

[40] Wessels K J, Van D, Scholes R J. Limits to detectability of land degradation by trend analysis of vegetation index data[J]. Remote Sensing of Environment, 2012, 125: 10-22.

[41] Feng X, Fu B, Piao S, et al. Revegetation in China's Loess Plateau is approaching sustainable water resource limits[J]. Nature Climate Change, 2016, 6(11): 1019-1022.

[42] 張更喜，粟曉玲，郝麗娜，等. 基于NDVI和scPDSI研究1982—2015年中國植被對干旱的響應(yīng)[J]. 農(nóng)業(yè)工程學報，2019，35(20)：145-151.

Zhang Gengxi, Su Xiaoling, Hao Lina, et al. Response of vegetation to drought based on NDVI and scPDSI data sets from 1982 to 2015 across China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(20): 145-151. (in Chinese with English abstract)

[43] Lü Y, Zhang L, Feng X, et al. Recent ecological transitions in China: Greening, browning and influential factors[J]. Scientific Reports, 2015, 5: 8732.

Spatiotemporal changes of vegetation NDVI and its driving forces in China during 1982—2015

Tu You1,2, Jiang Liangliang1,3※, Liu Rui1,3, Xiao Zuolin1,3, Min Jie1,3

(1.,,401331,; 2.,,710054,; 3.,401331,)

In the context of global climate change, most previous studies focused on the interannual change trend of vegetation and its response to precipitation and temperature, but ignore the influence of radiation factors. The response of different vegetation types to seasonal multi-climate factors (precipitation, temperature, and radiation) was explored and the impact of human activities on vegetation was quantified in this study. It is of great significance to ecological environment protection in China. In this study, the spatiotemporal variations in the Normalized Difference Vegetation Index (NDVI) and climate change were investigated using the AVHRR NDVI3g data, land use data and gridded climate data, A multiple linear regression model was then used to determine the driving factors of vegetation change using residual analysis at the regional and national scales from 1982 to 2015. The results show that there was outstanding regional spatial characteristic of vegetation changes with a decreasing trend from the southeast to northwest China, where the annual rate of change ranged from -0.016/a to 0.029/a. An increasing trend was found in the temperature and solar radiation, whereas, the precipitation showed a downward trend in most regions. According to the Hurst index, 80.62% of the vegetation presented a continuous and stable change, while the grasslands and woodland tended to be unstable and vulnerable to climate change and human activities. The NDVIs of Junggar Basin, Qinghai-Tibet Plateau, and Xilin Gol League of Inner Mongolia were negatively correlated with the air temperature and solar radiation, whereas, the NDVIs of Yunnan-Guizhou Plateau, southern Loess Plateau, and Sichuan Basin were positively correlated. The residual analysis showed that the drought resulted in the vegetation degradation in the arid areas, such as Xinjiang Junggar Basin and central Inner Mongolia, while the increase of temperature and radiation was the main driver for the vegetation improvement in the eastern coastal plain, the southern Loess Plateau, Sichuan Basin, and the southwestern Yunnan-Guizhou Plateau. Since the beginning of the 21st century, human activities were gradually strengthened, including soil and water conservation, the conversion of farmland to forest on the Loess Plateau, the desert control in Alxa, as well as the construction of coastal city clusters and northeast industrial bases. Thus, the vegetation improvement was identified in the Alxa Plateau of Inner Mongolia, the central and northern Loess Plateau, and most parts of South China, whereas, the vegetation degradation was detected in the Greater and Lesser Khingan Mountains, the eastern regions of the Changbai Mountains and the Yangtze River Delta. Among them, the national projects of ecological protection were attributed to the significant improvement of vegetation conditions. Consequently, the monitoring of vegetation degradation can provide a theoretical basis for the implementation of ecological restoration and the construction of ecological civilization in the future. The finding can greatly contribute to regional green and sustainable development.

NDVI; vegetation change; climate change; human activities; China

涂又，姜亮亮，劉睿，等. 1982—2015年中國植被NDVI時空變化特征及其驅(qū)動分析[J]. 農(nóng)業(yè)工程學報，2021，37(22)：75-84.doi：10.11975/j.issn.1002-6819.2021.22.009 http://www.tcsae.org

Tu You, Jiang Liangliang, Liu Rui, et al. Spatiotemporal changes of vegetation NDVI and its driving forces in China during 1982—2015[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(22): 75-84. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2021.22.009 http://www.tcsae.org

2021-07-10

2021-10-07

重慶師范大學基金項目（20XLB019）；國家自然科學基金（42071277）；重慶市自然科學基金（cstc2021jcyj-msxmX0523；cstc2019jcyj-msxmX0515）

涂又，研究方向為生態(tài)遙感。Email：tuyou1632021@163.com

姜亮亮，博士，講師，研究方向為定量遙感與數(shù)據(jù)挖掘。Email：jiang@cqnu.edu.cn

10.11975/j.issn.1002-6819.2021.22.009

X87

A

1002-6819(2021)-22-0075-10