2000—2018年黃河流域生長季植被指數變化及其對氣候因子的響應

解 晗,同小娟,*,李 俊,張靜茹,劉沛榮,于裴洋

1 北京林業大學生態與自然保護學院,北京 100083

2 中國科學院地理科學與資源研究所陸地水循環及地表過程重點實驗室,北京 100101

氣候變化對區域植被覆蓋的影響是目前全球變化研究的熱點問題之一。IPCC第六次評估報告表明,過去十年中全球氣溫比1850—1900年平均高出約1.1℃。氣候變化會影響植被的生長變化特征,進而影響到生態系統的結構與功能等[1],生態系統的變化反過來又會影響氣候系統,從而加劇生態系統的氣候變化。由于植物對環境的變化更加敏感,以至于氣候變化最明顯的表現就是地球上植被生長的變化。在長時間序列、大的空間尺度上,植被變化主要受氣候條件控制,它可以客觀地反映生態環境情況[2]。

植被生長通過增加陸地生態系統碳匯、改變生物地球物理過程來緩解全球氣候變暖。植被覆蓋時空變化具有異質性,目前缺乏能在空間和時間上檢測這些變化的觀測,再加上從點向面觀測的困難,因此,在大范圍內地面觀測難以檢測植被變化[3]。在大尺度上,通常采用遙感手段來研究植被變化。搭載在Terra和Aqua兩顆衛星上的中分辨率成像光譜儀(MODIS),具有36個波段,計劃中的數據產品共44種之多[4]。其中,NDVI(Normalized Difference Vegetation Index)與EVI(Enhanced Vegetation Index)兩種植被指數通常能夠較為準確地反映植被覆蓋變化情況[5]。NDVI存在高植被覆蓋易飽和、大氣干擾校正有限、易受樹冠背景影響和最大合成法處理不能得到最佳像元等缺陷,而EVI是在NDVI基礎上進行改進,在土壤背景和大氣噪聲方面進行了校正,改善了與不同覆蓋程度植被的線性關系[4],但在氣候地理環境不同地區進行研究,二者存在各自優勢[6]。陳燕麗等[7]研究發現在喀斯特地區,與NDVI相比,EVI與除日照外的其它氣候因子之間的相關性較高[7]。張靜茹等[8]發現華北山地人工林的NDVI與夏季總初級生產力月均值的相關性高于EVI[8]。黃河流域由于其地理特殊性,大范圍被黃土覆蓋,植被稀疏,干旱少雨,EVI是否比NDVI在反映地表植被狀況更具優勢尚需進一步研究。

黃河流域西接青藏高原,東鄰華北平原,橫跨黃土高原,主要分布于我國干旱與半干旱地區,地處中緯度地帶,自然環境復雜,其發展對我國生態、經濟有重大意義[9],該地區還被認為是監測植被綠化的關鍵區域[3]。同時,黃河流域又是我國生態環境敏感區,易受氣候變化和人類活動的影響[10],曾經一度植被退化嚴重。研究顯示：20年來黃河流域水資源總量減少,干旱和洪澇災害等極端自然氣候事件增加[11—12]。植被生長受氣候變化的影響,探究黃河流域植被覆蓋變化及其對氣候因子的響應機制對該地區的生態建設具有重要的意義。袁麗華等[13]研究發現,2000—2010年黃河流域植被指數西部和南部高、北部低的特點,且植被覆蓋改善情況良好,呈現出持續改善的趨勢。劉綠柳等[14]分析了黃河流域NDVI與降水、氣溫兩種氣候因子的年際變化趨勢和與植被的相關性,得出NDVI年較差與年均氣溫相關性不顯著,草地、灌木區與年降水呈顯著正相關。劉海等[15]指出,黃河流域植被生長對降水的依賴性更強。田智慧等[16]研究發現,近20年黃河流域生長季植被改善良好,且受降水的影響大于受氣溫的影響。劉勤等[17]研究得出,1961—2013年黃河流域太陽輻射呈減弱趨勢,且對該地區干旱度正向影響。太陽輻射作為植物光合作用的驅動力,也是驅動植被變化的因子之一[18]。有關NDVI和EVI對氣候因子響應的差異對理解黃河流域植被生長具有重要的意義。

當前研究植被指數與氣候因子關系的方法有兩種,分別為分析生長季內和生長季間期氣候因子與植被之間的關系[19—21]。本文基于黃河流域2000—2018年MODIS NDVI和EVI兩種植被指數及氣象數據,利用趨勢分析法和偏相關分析方法對植被時間變化趨勢與空間分布進行研究,分析了NDVI與EVI在黃河流域植被變化研究上的差異,探究生長季內植被指數變化對氣溫、降水、太陽輻射的滯后效應,揭示兩種植被指數變化的時空異質性及受氣候因子的影響機制,以期為黃河流域植被恢復提供理論依據,并為該區域生態環境發展提供理論支持。

1 研究區概況

黃河流域發源于青海省巴顏喀拉山,東臨渤海,南達秦嶺,北至陰山,流經青海省、四川省、甘肅省、寧夏回族自治區、內蒙古自治區、陜西省、山西省、河南省、山東省九個省份,在山東墾利縣流入渤海,流域面積79.45萬km2,約占全國國土面積的8.3%(圖1)。地處中緯度地帶,受大氣環流和季風環流影響的情況比較復雜,流域內不同地區氣候的差異顯著,氣候要素的年、季變化大。流域的大部分區域處于干旱與半干旱,易受到人類活動和氣候的影響,生態環境脆弱。從整體來看,上游海拔高,地處高大山脈區域,多為林地；中游為地勢比較平緩的內蒙古高原和黃土高原,為林地和草地居多；下游多是平原地貌,耕地比例較大。本研究中,黃河中上游流域邊界按分水嶺劃分；黃河下游成地上懸河,按傳統習慣加上灌區劃分流域邊界。

圖1 研究區高程圖Fig.1 Elevation map of study area

2 數據來源與研究方法

2.1 數據來源與處理

本文主要對黃河流域生長季(4—10月)植被指數的時空變化開展研究[22—23]。黃河流域區域矢量圖來自中國科學院地理科學與資源研究所水文室,NDVI與EVI遙感數據來源于NASA官網(https://ladsweb.nascom.nasa.gov/)MOD13A2數據集。時間序列為2000—2018年,空間分辨率為1 km,時間分辨率為16 d。在MRT(MODIS ReProjection Tools)軟件中經過格式轉換和重投影后,采用最大值合成法(Maximum Value Composites, MVC)得到每月植被指數數據[13,24],選取指數值大于0的區域進行研究,再經過計算得到每年生長季的月平均NDVI和EVI數據。

氣溫與降水數據來源于國家科技基礎條件平臺-國家地球系統科學數據中心(http://www.geodata.cn)2000—2018月值數據,空間分辨率為1 km[25]。太陽輻射數據來源于國家青藏高原科學數據中心(http://data.tpdc.ac.cn)全球高分辨率地表太陽輻射數據集2000—2018月值數據,空間分辨率為10 km,重采樣為1 km[26]。高程數據來自國際科學數據服務平臺提供的90 m分辨率SRTM產品,重采樣為1 km。土地利用類型數據來自中國科學院資源環境科學數據中心(http://www.resdc.cn)發布的中國土地利用遙感監測數據,空間分辨率為1 km。

2.2 研究方法

2.2.1Theil-Sen media趨勢分析

Theil-Sen media趨勢分析為非參數統計趨勢分析方法[27—28]。該方法在分析中不受到異常值影響,且不要求數據服從正態分布,避免了由異常值產生的誤差[29—30]。對研究區逐像元進行分析，其計算公式為：

(1)

式中,β表示NDVI或EVI的年際變化趨勢；Xi,Xj分別為第i和第j年NDVI或EVI的生長季月平均值；n為時間序列長度；當β>0時表明植被指數呈升高趨勢,β<0表明植被指數呈下降趨勢。

2.2.2Mann-Kendall顯著性檢驗

Mann-Kendall(M-K)檢驗是一種非參數檢驗方法,通常用于研究氣候學和水文學的時間序列趨勢[30—31]。該方法同樣不需要樣本服從一定的分布,不受少數異常值干擾[28,32]。檢驗過程中,將2000—2018年的NDVI與EVI遙感數據逐像元值構造為一組時間序列,判斷顯著性差異[33]：

(2)

(3)

(4)

(5)

式中,Zmk為單個序列的統計檢驗量；S統計量由NDVI或EVI的前后影像數據計算得到；var(S)為S統計量的方差,以上為化簡后的求解公式；sgn為邏輯判別函數符號。給定顯著性水平α下,當|Z|>u1-α/2時,表明所研究序列在α水平上存在顯著變化。本文判斷在0.05置信水平上植被指數時間序列變化趨勢的顯著性。

2.2.3相關與偏相關分析

植被生長過程緩慢,植被指數變化與氣候因子的變化并不完全同步,其對氣候因子的響應具有一定的滯后性[34—35],陳強等[36]和程昌武等[37]研究表示該地區植被生長對氣象因子的時滯效應一般在3個月之內。本文采用相關分析法研究黃河流域兩種植被指數分別對同期及前1、2、3個月的滑動窗口的氣溫、降水和輻射的響應,比較平均相關系數得出NDVI和EVI對何時間段氣候因子相關性最高,得到滯后結果,利用偏相關分析探究黃河流域NDVI和EVI對氣溫、降水和太陽輻射的響應[36,38]：

(6)

式中,Rxy表示變量x、y的相關系數；xi表示第i年的生長季植被指數值；yi表示不同時序各氣象要素的值；ˉx表示生長季植被指數平均值；ˉy表示各要素平均值；i表示樣本數。

(7)

式中,Rxy為將z影響剔除后x與y之間的偏相關系數；Rxy、Rxz、Ryz為兩因子間相關系數。

(8)

式中,Rxy,zw為將z,w影響剔除后x與y之間的二階偏相關系數；Rxy,z、Rxw,z、Ryw,z分別為變量x與y,變量x與w,變量y與w各兩因子間的一階偏相關系數。

2.2.4復相關分析

應用標準化的多元線性回歸方程研究氣溫、降水和太陽輻射對黃河流域兩種植被指數的影響程度[38],進而求得復相關系數,計算公式為：

y=btT+bpP+brR+b0

(9)

(10)

3 結果分析

3.1 黃河流域生長季植被變化特征

3.1.1氣候因子、NDVI和EVI的年際變化

2000—2018年黃河流域4—10月氣溫、降水、輻射和植被指數的年變化見圖2。其中生長季平均氣溫和累計降水總體呈上升趨勢,線性增長率分別為為0.27℃/10a和28.20 mm/10a,M-K檢驗結果顯著；生長季平均輻射總體呈下降趨勢,線性減少率為0.82 Wm-2(10a)-1,變化不顯著?？傮w來看,黃河流域氣候主要表現為暖濕化。NDVI與EVI均呈增加趨勢,且M-K檢驗結果極其顯著。其中,NDVI的線性增長率為0.059/(10a),EVI線性增長率為0.038/(10a)。NDVI與EVI均在2011年出現突降,都在2012—2017年出現下降趨勢,在2018年上升至最高值。與EVI相比,2000—2004年NDVI值變化平穩,在2004—2010年波動則較大。NDVI、EVI在2004年達到較高峰值,這可能與2003年降水高、輻射低有關。2012年和2018年,NDVI、EVI明顯增加,這可能與氣溫、降水同時增加有關。

圖2 生長季氣候因子與植被指數年際變化Fig.2 Interannual variation of climatic factors and vegetation index during the growing season

3.1.2NDVI和EVI的空間變化

采用Theil-Sen media趨勢分析法與M-K統計檢驗方法對NDVI和EVI逐像元進行分析,得到植被變化空間分布圖(圖3)。本文中將研究區內植被覆蓋區植被指數劃分為顯著退化(β<0,α<0.05)、輕微退化(β<0,α>0.05)、穩定不變(-0.0005<β<0.0005)、輕微改善(β>0,α>0.05)、顯著改善(β>0,α<0.05)5種變化類型。

圖3顯示2000—2018年間黃河流域大部分地區植被呈顯著改善趨勢,在流域中游顯著改善區域相對分布更廣。NDVI顯著改善區面積約為59.68×104km2,約占研究區總面積的77.13%,各土地類型中林地的顯著改善率最高(表1)；EVI顯著改善區面積約為58.24×104km2,約占研究區總面積的75.27%,各土地類型中林地的顯著改善率最高(表1)。NDVI和EVI顯著退化區面積區域面積最小,分布較為分散,巴顏喀拉山西北部、西寧市、銀川市、包頭市、呼和浩特市、太原市、西安市及關中盆地和洛陽市附近植被顯著退化相對較為嚴重,建設用地顯著退化率最高(表1)。NDVI顯著退化區面積約為0.36×104km2,約占研究區總面積的0.47%；EVI顯著退化區面積約為0.43×104km2,約占研究區總面積的0.55%。

表1 2000—2018黃河流域各土地利用類型NDVI和EVI趨勢變化面積占比Table 1 Area proportion of trend change of NDVI and EVI of various land utilization in the Yellow River Basin from 2000 to 2018/%

圖3 2000—2018黃河流域NDVI和EVI趨勢變化Fig.3 Trends of NDVI and EVI series in the Yellow River Basin from 2000 to 2018NDVI: 歸一化植被指數; VEI: 增加型植被指數

NDVI和EVI顯著改善區像元數隨海拔分布相似(圖4)：圖中每個海拔高度對應著處在這一高度的顯著改善像元數量,在低海拔地區有一定的顯著改善,隨著海拔升高改善區面積出現突降,后逐漸升高,在1000—1500 m改善最為明顯,隨著海拔升高,顯著改善像元數分布逐漸減少。整體來看高海拔地區易受氣候因素影響,同時地處內陸,植被覆蓋改善水平較低,低海拔及中低海拔地區植被顯著改善較明顯。

圖4 NDVI、EVI顯著改善區像元在不同海拔的分布Fig.4 The significantly improved pixel number of NDVI and EVI series with altitude

3.2 NDVI、EVI與氣候因子的關系

3.2.1NDVI、EVI與氣候因子的滯后效應

2000—2018年黃河流域生長季NDVI和EVI與不同時序的各氣象要素相關系數均值(通過0.05顯著性檢驗)如表2所示,高度相關面積占比如圖5所示。生長季NDVI和EVI與氣溫、降水呈正相關關系,與輻射呈負相關關系。其中,NDVI和EVI與前期1月氣溫相關系數值最大,與前期3月降水相關系數最大,與前期3月輻射相關系數絕對值最大,同時相關系數最高時期的高度相關面積占比最高。該地區植被生長對氣溫、降水和輻射的響應存在一定的滯后性,滯后于氣溫1個月,滯后于降水、輻射3個月。

表2 NDVI、EVI與不同時序氣溫、降水、輻射的相關系數Table 2 Correlation coefficients between NDVI, EVI and air temperature, precipitation and solar radiation

圖5 NDVI、EVI與不同時序氣溫、降水、輻射的高度相關面積占比Fig.5 The proportion of highly correlated area between NDVI, EVI and temperature, precipitation and radiation in different time series高度相關區域為植被指數與氣溫、降水相關系數高于0.5區域，與輻射相關系數低于-0.5區域

3.2.2NDVI、EVI與氣候因子的偏相關分析

根據NDVI和EVI對氣候因子響應的滯后結果,將生長季NDVI、EVI與生長季前期1月氣溫、生長季前期3月降水和輻射進行偏相關分析。NDVI與氣溫顯著相關區域占研究區總面積的14.50%,平均偏相關系數為0.39,顯著正相關和負相關區域分別占研究區總面積的13.07%和1.43%,以正相關為主(圖6)。NDVI與氣溫偏相關系數在-0.88—0.92之間,偏相關系數大于0.5的區域主要分布在青海省西部和與甘肅省和四川省接壤地區以及北部的西寧市附近、甘肅省中部、內蒙古自治區西北部、陜西省南部和中部的黃龍山地區、河南省南部地區以及黃河三角洲西部。不同土地利用中,林地NDVI與氣溫的相關系數最高但顯著相關面積比例較小,草地NDVI與氣溫相關性最高(圖7)。EVI與氣溫顯著相關區域占研究區總面積的17.93%,平均偏相關系數為0.43,顯著正相關和負相關區域分別占研究區總面積的16.81%和1.13%,以正相關為主。EVI與氣溫的偏相關系數在-0.86—0.90之間,大于0.50的區域范圍與NDVI相似,但分布更為廣泛,生長季,該地區EVI與氣溫的相關性更高。在不同土地利用類型中,草地EVI與氣溫顯著相關的面積占比和相關系數都為最高,說明草地受氣溫影響較大(圖7)。

圖6 NDVI、EVI與氣溫偏相關系數的空間分布Fig.6 Spatial distribution of partial correlation coefficients between NDVI and EVI series and air temperature

圖7 不同土地利用類型NDVI、EVI與氣溫顯著相關面積占比和偏相關系數Fig.7 The area percentages and partial correlation coefficients of NDVI, EVI and air temperature that are significantly related to different land utilization

圖8為2000—2018年生長季NDVI和EVI與降水的偏相關分布。NDVI與降水顯著相關區域占研究區總面積的47.62%,平均偏相關系數為0.52,顯著正相關和負相關區域分別占研究區總面積的46.95%和0.67%,以正相關為主；偏相關系數在-0.80—0.93之間,偏相關系數大于0.5的區域大部分處于400 mm降水線以北,在阿尼瑪卿山西北部、寧夏回族自治區中部及與內蒙古自治區和陜西省以及甘肅省接壤一帶、內蒙古自治區北部、陜西省與山西省接壤地帶、四川省北部和山西省中部較為集中。在不同土地利用類型中,草地NDVI與降水顯著相關的面積占比及相關系數值最高(圖9)。EVI與降水顯著相關區域占研究區總面積的43.39%,平均偏相關系數為0.50,顯著正相關和負相關區域分別占研究區總面積的42.46%和0.93%,以正相關為主；偏相關系數在-0.91—0.96之間,偏相關系數大于0.5的空間分布與NDVI相似,但分布面積小于NDVI,該地區NDVI與降水相關性更高。在不同土地利用中,草地植被生長與降水的相關性最高(圖9)。

圖8 NDVI、EVI與降水的偏相關系數空間分布Fig.8 Spatial distribution of partial correlation coefficients between NDVI, EVI series and precipitation

圖9 不同土地利用類型NDVI、EVI與降水顯著相關面積占比和偏相關系數Fig.9 The area percentages and partial correlation coefficients of NDVI, EVI and precipitation that are significantly related to different land utilization

NDVI與輻射顯著相關區域占研究區總面積的21.77%,平均偏相關系數為-0.35,顯著正相關和負相關區域分別占研究區總面積的3.63%和18.14%,以負相關為主(圖10)。NDVI與輻射的偏相關系數在-0.92—0.88之間,偏相關系數小于-0.5的區域主要分布在青海省中部地區以及與甘肅省和四川省接壤地帶、甘肅省東部和中部及與寧夏回族自治區接壤地區、陜西省中部的洛河-黃龍山-黃河干流一帶及與山西省交界地區、陜西省南部與山西省和河南省接壤地帶、山西省東南部地區。其中,林地NDVI與輻射顯著相關面積占比和相關系數絕對值最高(圖11)。EVI與輻射顯著相關區域占研究區總面積的21.14%,平均偏相關系數為-0.34,顯著正相關和負相關區域分別占研究區總面積的3.89%和17.25%,以負相關為主,相關系數在-0.92—0.87之間,偏相關系數小于-0.5的區域空間分布與NDVI相似,分布面積較為相近。上游地區NDVI與輻射相關性高,中游地區則是EVI與輻射相關性更高。整體上看,NDVI與輻射相關性較高。林地EVI與輻射顯著相關面積占比和相關系數絕對值最高,該地區林地植被生長受輻射的影響較大；耕地NDVI和EVI與輻射的相關性接近,耕地土地利用類型上,兩種植被指數與輻射相關差異較小(圖11)。

圖10 NDVI和EVI與輻射偏相關系數空間分布Fig.10 Spatial distribution of partial correlation coefficients between NDVI, EVI series and radiation

圖11 不同土地利用類型NDVI、EVI與輻射顯著相關面積占比和偏相關系數Fig.11 The area percentages and partial correlation coefficients of NDVI, EVI and radiation that are significantly related to different land utilization

3.3 NDVI和EVI變化的驅動機制

圖12為氣溫、降水、輻射對植被指數變化的綜合影響情況。其中NDVI顯示復相關系數較高的區域主要為阿尼瑪卿山東部及以北的青海省區域、甘肅省東部部分地區、內蒙古自治區的西部地區以及陜西省的洛河-黃龍山-黃河干流一帶,以上地區隨氣溫升高、降水增加和輻射下降,植被指數增加。NDVI和EVI與氣溫、降水、輻射高度復相關區域還包括寧夏回族自治區西部和陜西省西北部部分地區,這些地區隨氣溫輻射下降降水升高植被指數增加。在內蒙古自治區的西北少部分地區NDVI和EVI與氣候因子的復相關系數較高,且隨氣溫升高、降水增加和輻射增強,植被指數增加。EVI與三種氣象要素的高度復相關區域與NDVI相似,但在范圍上小于NDVI。

圖12 NDVI和EVI與氣候因子的復相關系數及驅動因素分區Fig.12 Multiple correlation coefficients between NDVI, EVI series and meteorological variables and distribution zone of driving factors

本文參考前人的研究方法[39—41]對研究區植被指數變化的驅動因素進行分析(表3)。黃河流域地區生長季NDVI受氣候因子驅動地區占研究區總面積的37.21%(圖12),其中受降水驅動范圍最大,面積占比為16.10%,主要分布在青海省西北部、隴中黃土高原地區及寧夏回族自治區中部和與甘肅和陜西三省交界地帶、內蒙古自治區西南部和北部、陜西省的北部地區,這些地區地處黃土高原地區且大部分位于400 mm等降水線以北,氣候較為干旱,地形復雜,植被稀疏,因此對降水較為敏感。其次為受輻射驅動區域,面積占比為5.86%,主要集中在陜西省中部的洛河-黃龍山-黃河干流一帶,該地區植被覆蓋主要為林地、草地和少量耕地,植被覆蓋度較高。EVI受氣候因子驅動區域小于NDVI,面積占比為32.80%(圖12),同樣為受降水驅動面積占比最高,為11.73%。除降水驅動外,EVI受輻射驅動面積占比較高,范圍要略小于NDVI,為5.16%。NDVI和EVI的變化受其它因子驅動的區域分布范圍較小,在黃河流域內零散分布。

表3 植被指數變化驅動因素分區準則Table 3 Rules for driving factors of vegetation index change

4 結論與討論

2000—2018年黃河流域植被指數整體上呈改善趨勢,其中生長季NDVI的線性增長率為0.059/10a,生長季EVI線性增長率為0.038/10a?？臻g上呈改善趨勢區域面積遠大于退化趨勢區域面積,NDVI與EVI顯示顯著改善區域面積占比分別達77.13%和75.27%之高,在中游地區顯著改善較為明顯。研究表明黃河流域植被整體改善情況良好,綠度增加,這與中國大陸植被面積變化的總體趨勢相同[42]。該地區植被指數與氣溫、降水呈正相關,與輻射呈負相關,這表明2000—2018年氣溫升高、降水增多、輻射的下降有利于植被生長。國家在1998年推行的森林保護工程和2000年推行的退耕還林工程[43—45]及防沙治沙[46]等生態修復工程相繼在黃河流域內展開,這使得流域內植被得到了改善。Tian等[23]指出氣候變暖、人口增長和植樹造林是黃河流域地區植被綠度增加的主導因素。楊燦等[47]發現黃土高原部分地區退耕還林實施前NDVI呈下降趨勢,實施后NDVI呈增加趨勢。在各類土地利用類型中,林地植被顯著改善率最高。顯著改善區大多分布于1000—1500 m海拔處,地處第二階梯部分地區,包括河套平原、鄂爾多斯草原、黃土高原和渭汾盆地等較大地形單元,曾經水土流失嚴重[9],2000—2018年植被恢復情況良好,但由于其地質類型等因素影響仍然存在生態脆弱區域,以致少部分地區植被生長出現退化。巴顏喀拉山西北部、西寧市、銀川市、包頭市、呼和浩特市、太原市、西安市及關中盆地和洛陽市附近植被顯著退化相對較為嚴重。其中一些地區因海拔和地理因素,土地易退化,而省級行政中心附近可能更多的由于開發范圍廣,人口密集,城市擴張發展對周圍植被產生不利影響[48—49],結果顯示不同土地利用類型中建設用地的顯著退化率最高與之相對應。

黃河流域生長季植被指數變化與氣溫的關系以正相關為主,植被指數變化與氣溫滯后時間約為1個月；與降水以正相關為主,滯后時間約為3個月,且氣候因子驅動分區中以降水驅動為主。在2000—2018年間,氣溫升高、降水增加趨勢顯著,氣候整體向暖濕化方向發展。Piao等[50]和Tao等[51]發現,降水是促進干旱地區植被綠化的主要驅動因素。劉綠柳等[14]指出,1982—1999年黃河流域降水對流域內植被影響更為顯著。黃河流域地處內陸,為溫帶大陸性氣候,多為干旱、半干旱地區[9],植被覆蓋與降水高度相關區域大多位于400 mm降水線以北,其中以寧夏回族自治區中部及與內蒙古自治區和陜西省以及甘肅省接壤一帶、內蒙古自治區北部、陜西省與山西省接壤地帶為主,以上地區地處黃土高原,土地干旱易退化,植被覆蓋率低,以草地為主,對水分較為敏感。黃河流域植被指數變化與輻射的關系以負相關為主,這與孫高鵬等[52]的研究結果相一致。植被指數變化與輻射的滯后時間約為3個月,受輻射驅動的區域面積占比相對較高,且集中分布在陜西省中部的洛河中游-黃龍山-黃河干流一帶,該地區與氣溫、降水和輻射復相關系數較高,氣溫升高、降水增加和輻射下降使植被指數升高；以上地區主要土地利用類型為林地和草地,草深林密,植被覆蓋度高,植被生長所需水熱條件良好,輻射過強則可能會造成該地區植被蒸騰增加,水分消耗過多,影響植物生長,使植物快速進入枯黃期,從而導致植被指數的迅速下降[53]。

在時間和空間上,NDVI比EVI能較好地反映植被的改善狀況,EVI則比NDVI能較好地反映植被的退化狀況。NDVI在使用過程中容易受到土壤背景的干擾,而且存在基于比值的植被指數飽和問題[4],黃河流域大部分地區為草地植被且干旱,植被生長密度不高,NDVI對植被變化的敏感程度要高于EVI,NDVI的年際變化幅度高于EVI,因此,在對黃河流域植被覆蓋率較低且植被整體呈改善趨勢地區開展植被變化研究時,NDVI更為適用。NDVI與氣溫相關度低于EVI,與降水、輻射的相關度要高于EVI。陳燕麗等[7]在廣西石漠化片區進行NDVI、EVI與氣象因子相關對比研究得出,EVI對降水的響應好于NDVI；Pan等[54]在內蒙古阿拉善地區的研究結果顯示,EVI對降水和輻射的響應要好于NDVI。以上地區和本研究類似,植被覆蓋率較低,研究結果存在一定差異。因此,EVI和NDVI對氣候因子響應的差異可能并非只因植被覆蓋率不同,后續還應引入其它相關因素開展進一步的研究?？傮w來看,NDVI更適用于研究黃河流域植被變化及其與降水、輻射響應,EVI則更適用于研究植被變化對氣溫的響應。