2000—2021年柴達木盆地地表綠度變化及地形分異研究

曹曉云 ，祝存兄 ，陳國茜 *，孫樹嬌 ，趙慧芳 ，朱文彬，周秉榮

1.青海省氣象科學研究所，青海 西寧 810001；2.青海省防災減災重點實驗室，青海 西寧 810001；3.中國科學院地理科學與資源研究所，北京 730099

植被是全球陸地生態系統最重要的組成部分，從根本上調節地表能量收支平衡、水循環、化學循環等（Cong et al.，2013），同時，植被生長直接受制于水熱條件，對氣候變化敏感，是氣候變化的指示器（張學珍，2014）。地表綠度是研究植被狀況的一個重要參量，其變化直接反映了一定時間內地表植被分布變化情況，間接反映了地表生態環境質量的變化情況（章釗華等，2018），是目前研究全球變化的核心內容之一。衛星遙感技術以其較高的時空分辨率和低成本優勢成為監測區域和大尺度植被變化的主要技術手段（張學珍，2014），其中，歸一化植被指數（NDVI）是廣泛被用來表征植被生長狀態和地表綠度的最佳指標之一（Pan et al.，2018；劉爽等，2012；謝舒笛等，2020），尤其在植被覆蓋度較低的荒漠地區，NDVI被首選用來監測和評價荒漠化程度（Franklin et al.，2011；Han et al.，2021；付陽等，2021）。

近年來，借助NDVI監測區域植被和生態環境變化的研究成果較多，但大多集中于植被NDVI在不同時空尺度下的演變特征，以及不同生態系統對氣候變化的響應機制（曹云等，2020）。研究表明，2000—2010年中國地表植被覆蓋綠度整體呈增加趨勢，荒漠化面積呈縮減趨勢，綠度增加最顯著的區域位于青海等地（劉爽等，2012）。針對青海柴達木盆地，徐浩杰等（2014）以2001—2010年MODIS數據為基礎，結合氣溫和降水量數據，分析了盆地植被時空變化特征及對氣候要素的響應；楊運航等（2020）基于1998—2018年生長季的Landsat影像，研究了盆地不同地貌單元的NDVI變化特征，并分析了其驅動力；李紅梅（2018）基于1982—2016年GIMMS和MODIS資料分析了盆地不同區域和主要類型植被NDVI變化趨勢及其植被演替特征，上述研究均發現盆地NDVI呈顯著上升趨勢，氣候的暖濕化是促使柴達木盆地植被改善的主要驅動力。對盆地而言，地形作為影響植被分布最基本的生境因子，通過外部形態（如海拔、坡向等）影響氣溫、降雨等氣候條件的空間差異，并在一定程度上影響人類活動，從而影響植被的空間分布格局（馬士彬等，2019；趙婷等，2019；付陽等，2021），因此植被分布及變化趨勢的地形分異特征對于理解其驅動因素具有重要意義。然而，關于柴達木盆地地形對地表綠度變化影響的研究非常有限。

柴達木盆地位于青藏高原東北隅，氣候干旱，生態環境脆弱，受全球氣候變化的影響，柴達木盆地氣溫大幅升高，降水量明顯增加，氣候逐漸向暖濕化方向發展，成為整個青藏高原氣候變化最為敏感和顯著的地區（李林等，2015；李紅梅，2018）。此外，2000年以來，中國開始制定并實施“退耕還林”，“退牧還草”等一系列林業生態工程，柴達木盆地是重點建設區（李世東等，2021）。在此背景下，最新的柴達木盆地地表綠度變化趨勢如何？綠度變化的地形分異規律如何？氣候因子的影響機制如何？這些研究對柴達木盆地生態環境保護和開發提供決策支持和數據依據，但目前針對這些問題的研究尚顯不足。

基于此，本文以2000—2021年MODIS NDVI數據為基礎，結合DEM、氣象數據和積雪面積數據，綜合利用Sen+M-K趨勢分析法、相關性分析法，分析了在氣候變化背景下，柴達木盆地地表綠度的時空演變趨勢、地形分異特征、氣候因子的影響，旨在了解近年來柴達木盆地植被變化規律，為柴達木盆地應對氣候變化和生態環境建設提供理論依據。

1 研究區概況

柴達木盆地位于青藏高原東北隅，范圍為35°00′—39°20′N，90°16′—99°16′E 之間，總面積約2.5×105km2，平均海拔2654—6588 m。柴達木盆地由昆侖山脈、祁連山脈與阿爾金山脈環抱，為四面環繞的封閉式山間斷陷盆地，從盆地邊緣至中心分布有高山、戈壁、平原、鹽沼、湖泊等地貌類型（圖1a），是中國著名的內陸山間盆地，也是中國海拔最高的盆地，被稱作“聚寶盆”。盆地植被較稀疏，以具有高度抗旱能力的灌木、半灌木、草本為主，鹽生植物較多，植被結構簡單（張斯琦等，2019），山麓洪積扇和沖積-洪積平原上以荒漠植被群落為主；在沼澤及鹽湖、河流沿岸，莎草科密生形成草丘，以鹽生植被為主；鹽湖與沼澤外圍以蘆葦（Phragmitesaustralis）與賴草（Leymussecalinus）為主（圖1b）。盆地降水稀少，河流短小，地表水系的補給來源主要取決于高山冰雪融水和山區降水（周蘇剛等，2021）。

圖1 柴達木盆地地理位置（a）和植被類型（b）空間分布Figure 1 Spatial distribution of geographical location (a) and vegetation types (b) over Qaidam Basin

2 數據與方法

2.1 數據與預處理

2.1.1 NDVI數據

NDVI數據選用 2000—2021年生長季（6—9月）16 d合成的MODIS植被指數產品MOD13Q1-NDVI，軌道號為H25V05，空間分辨率為250 m。該數據已經過表面的雙向反射率大氣校正，去除水、云、氣溶膠和云陰影的影響（王林林等，2015）。本文共收集了柴達木盆地220個時相的影像數據，對數據進行拼接、重投影、格式轉換等預處理后，進行年最大合成，最后掩膜得到研究區22年逐年的年最大NDVI。數據可從美國LPDAAC（Land Process Distributed Active Archive Center）免費獲得（http://ladsweb.nascom.nasa.gov/data/search.html）。

2.1.2 DEM數據

DEM數據采用SRTM（Shuttle Radar Topography Mission）數據集，數據版本為V003，來源于美國地質勘探局（USGS）（https://lpdaac.usgs.gov/products/srtmgl1v003/），空間分辨率為90 m。本文利用DEM數據研究不同地形因子和NDVI空間分布及變化特征之間的關系，為與NDVI數據進行疊加分析，將其重采樣和重投影與NDVI一致的空間分辨率和投影，并利用ArcGIS軟件生成海拔和坡向分布圖，將海拔按一定間隔劃分為14級（圖2a），將坡向按45°等間隔劃分為8類（圖2b）。

圖2 柴達木盆地海拔（a）與坡向（b）空間分布Figure 2 Spatial distributions of altitude (a) and slope (b) over Qaidam Basin

2.1.3 氣象數據

選取2000年1月1日—2021年12月31日柴達木盆地地區周圍氣象站的逐日氣溫和降水數據，采用 ANUSPLIN專用氣候插值軟件（劉志紅等，2008）的薄盤樣條函數法實現氣象數據空間插值，并以 DEM 數據為協變量提高插值準確性，獲得空間分辨率為250 m×250 m的氣象格點數據，最后裁出研究區范圍。其中，柴達木盆地及周邊氣象臺站分布如圖1a所示，數據來源于中國氣象局綜合氣象信息共享平臺（http://10.181.89.55/cimissapiweb/），經過嚴格的質量控制，準確性及完整性滿足科學研究需求。

2.1.4 青藏高原MODIS逐日無云積雪面積數據集

由 MODIS逐日無云積雪面積數據計算得到每個水文年（上年10月至該年5月）的積雪日數，最后裁出研究區范圍。其中，青藏高原 MODIS逐日無云積雪面積數據集（2002—2021年）是在充分考慮青藏高原地形和山地積雪特征的情況下，采用了多種去云過程和步驟相結合，逐步實現保持積雪分類精度的情況下，消除逐日積雪的云量，形成逐步綜合分類算法制備的數據集，其空間分辨率為0.05°×0.05°，時間分辨率為1 d。地面臺站雪深數據驗證表明，高原地區當積雪深度>3 cm時，無云積雪產品總分類精度達到 96.6%，積雪分類精度達89.0%，整個算法流程對MODIS積雪產品去云的精度損失較低，數據可靠性較高。數據來源于中國科學數據中心（http://www.csdata.org/p/15/）。

2.2 研究方法

2.2.1 Sen+M-K趨勢分析

Theil-Sen Median（Sen）趨勢分析通過計算序列中的中位數，可以很好地減少噪聲干擾，是一種穩健的非參數統計趨勢計算方法（Hirsch et al.，1984），Mann-Kendall檢驗法（M-K檢驗）在長時間序列趨勢分析中具有很大優勢，被廣泛使用（馬士彬等，2019；馬炳鑫等，2021）。

Sen趨勢計算公式為：

式中：

xj和xi——時間序列數據；

Median——序列中位數。

Sen>0表示時間序列呈上升趨勢；Sen<0表示時間序列呈下降趨勢。

在M-K趨勢顯著性檢驗中，原假設H0為時間序列X=(x1,xn)，是n個獨立的、隨機變量同分布的樣本；備擇假設H1是雙邊檢驗，對于所有的i,j≤n，且i≠j，xi和xj的分布是不相同的，檢驗的統計變量S計算公式為：

S——正態分布，其均值為0，方差Var(S)計算公式為：

當n>10時，標準的正態統計變量通過式（5）計算：

這樣，在雙邊的趨勢檢驗中，在給定的α置信水平上，如果|Z|≥Z(1-α/2)，則原假設是不可接受的，即在α置信水平上，時間序列數據存在明顯的上升或下降趨勢。而對于統計變量Z，若大于0，則時間序列呈上升趨勢；反之亦然。在本文檢驗中Z的絕對值大于1.65、1.96和2.58時，表示趨勢通過的信度α分別為90%、95%和99%。根據顯著性檢驗結果將變化趨勢分為如下 5個等級：不顯著減少（Sen<-0.0005，α≤95%）、顯著減少（Sen<-0.0005，α>95%）、基本不變（-0.0005≤Sen≤0.0005）、顯著增加（Sen>0.0005，α>95%）、不顯著增加（Sen>-0.0005，α≤95%）。

2.2.2 Pearson相關系數

采用Pearson相關性分析方法（黃嘉佑等，2015）分析研究變量之間的相關關系。對于研究變量x和y，其相關系數Rxy的計算公式為：

式中：

n——研究變量樣本總量；

xi、yi——第i對樣本；

3 結果與分析

3.1 植被NDVI時空分布及演變

2000—2021年柴達木盆地NDVI具有顯著的空間異質性，呈邊緣高、腹地低的向心環狀分布特征，隨海拔變化規律性明顯。西南部、南部的昆侖山、東部的鄂拉山、東北部的祁連山等盆地邊緣山麓及格爾木市、烏圖美仁、諾木洪、德令哈市等盆地內部綠洲是NDVI高值區，NDVI均值普遍大于0.3，部分地區甚至大于0.6，而盆地腹部的都蘭西北部、德令哈南部、大柴旦大部、茫崖大部、格爾木大部地區 NDVI小于 0.1（圖 3a）。盆地平均 NDVI為0.15，整體以 0—0.1等級為主，約占總面積的45.92%，0.1—0.2、0.2—0.3等級NDVI面積占比分別為23.97%和13.83%，NDVI大于0.3的僅占總面積的16.28%，主要分布在興海、瑪沁、瑪多和天峻縣（圖3b）。這是由于柴達木盆地深居內陸，來自海洋的暖濕氣流難以到達，加之四周的昆侖山、祁連山、阿爾金山和鄂拉山等高海拔山脈阻擋（王林林等，2015），東南低山區生長季降水充沛且有較為豐富的冰雪補給，植被豐茂多為草原草甸，因此NDVI值較高；綠洲核心區多海拔較低且湖泊河流等水文條件較好，有利于植被生長，因此NDVI值也較高；其余大部地區水熱匹配條件較差，多戈壁礫石、風蝕殘丘、沙漠和鹽殼（杜慶等，1981），年NDVI值很小。

圖3 2000—2021年柴達木盆地年平均NDVI空間（a）及其統計結果（b）Figure 3 Spatial distribution (a) and interannual variation (b) of snow days over Qaidam Basin area from 2000 to 2021

從時間序列上看，2000—2021年柴達木盆地NDVI總體呈波動上升趨勢，年際變化速率為1.8×10-3a-1（P=0.008），2001 年出現最小值，為 0.12，2020年出現最大值，為0.17。分階段來看，2000—2010年間，柴達木盆地NDVI呈波動上升趨勢，NDVI增長率為2.9×10-3a-1（P=0.009），2010年后柴達木盆地NDVI變化波動幅度較大，其中，2010—2016年間，呈波動下降趨勢，年際變化速率為-3.2×10-3a-1（P<0.05），2016年后，呈波動上升趨勢，年際變化速率為 5.5×10-3a-1（P=0.038），尤其是 2016—2018 年盆地NDVI持續向好，2018年以來盆地NDVI變化較平穩，且維持在較高水平（圖4）。

圖4 2000—2021年柴達木盆地NDVI年際變化趨勢Figure 4 Interannual variation trend of NDVI over Qaidam Basin from 2000 to 2021

柴達木盆地65.62%的區域NDVI呈增加趨勢，顯著增加面積占比53.04%，表明近22年來柴達木盆地NDVI以改善為主，東北部的天峻、烏蘭、都蘭東部、格爾木西部和茫崖西部等高山草甸以及格爾木市、烏圖美仁、諾木洪、香日德、德令哈市等盆地內部綠洲地區NDVI增加速率最快，平均增加速率為0.01 a-1，其中NDVI顯著增加的區域主要分布在盆地邊緣山麓洪積扇和沖積-洪積平原地區，多為溫性荒漠類植被，呈半環形分布；而盆地邊緣外圍南部和東南部地區的高寒草原和低地草甸以及盆地內部的綠洲核心區NDVI為輕度增加；中部、西北部的裸地沙漠地區NDVI值基本不變；NDVI顯著減少的面積占比為 1.21%，零星分布在南部、東北部高海拔山脈、冰川雪山邊緣地區以及盆地內部的各個綠洲局部地區，減少速率達0.01 a-1（圖5，表1）。在“高原變暖放大效應”（游慶龍等，2021）影響下，柴達木盆地暖濕化現象較明顯（陳槐等，2020），良好的水熱條件促進了植被生長，因此盆地大部地區植被NDVI呈增加趨勢，綠洲地區多城鎮建設、工業用地和農田分布，人類活動較強（張斯琦等，2019），加之城鎮擴張，局部地區NDVI值減少，但綠洲整體NDVI值增加，這與國家政府實施的退耕還林、退牧還草、天然林防護等重大工程與生態環境保護措施密不可分。

圖5 2000—2021年柴達木盆地NDVI變化趨勢（a）及其顯著性檢驗（b）Figure 5 Variation trend of NDVI over Qaidam Basin from 2000 to 2021 (a) and its significance test (b)

表1 柴達木盆地NDVI年際變化速率及顯著性檢驗統計Table 1 Interannual change rate and significance test statistics of NDVI over Qaidam Basin

3.2 NDVI地形分異

3.2.1 海拔

受水熱條件的差異影響，柴達木盆地NDVI表現出顯著的海拔敏感性，總體上，NDVI隨海拔上升呈拋物線型變化（r2=0.803），其中，海拔小于3 km的占盆地總面積的37.52%，其中，小于2.75 km的高程帶多沙漠鹽沼，NDVI小于0.1，2.75—3.0 km高程帶NDVI值較高，主要是由于該高程帶多農場、綠洲分布，植被豐茂；而3.0—3.25 km高程帶受地理因素和水分條件限制多為麻黃（Ephedrasinica）、檉柳（Tamarixchinensis）等溫性荒漠植被，NDVI值隨之減小，3.0—4.5 km高程帶面積占比 45.33%，NDVI為0.1—0.30，呈階梯式增大，這是由于盆地植被垂直過渡帶依次為溫性荒漠、高寒草原和高寒灌叢草甸所致（杜慶等，1981），其中，4.25—4.75 km高程帶NDVI較高，超過0.30，該高程帶多高寒草原和草甸，植被長勢較好；大于4.5 km的面積占比 17.16%，NDVI呈階梯式減小（圖 6a），這與氣候條件密切相關，這一區域為冰緣氣候所控制，氣溫低且多強風，山頂效應明顯（鄧晨暉等，2021），植被逐漸過渡為冰川或永久積雪所致（杜慶等，1981）。

從2000—2021年柴達木盆地NDVI變化趨勢的不同海拔梯度分異性（圖6b）可以看出，除5.5 km以上海拔外，盆地不同海拔梯度的 NDVI年際變化均呈增加趨勢，其中3.5—4.5 km高程帶NDVI年際增加速率較快，均超過2.75×10-3a-1，該高程帶多為高寒草原，小于3.5 km的高程帶NDVI年際變化速率隨海拔上升呈階梯式增大，從 5.13×10-4a-1增至1.7×10-3a-1；大于4.5 km的高程帶NDVI年際變化速率隨海拔上升呈階梯式增小，從3.0×10-3a-1減至4.13×10-4a-1；5.5—6.0 km高程帶NDVI年際變化呈減少趨勢，年際變化速率為-1.23×10-4a-1。研究發現氣候變暖背景下柴達木盆地地表綠度變化的顯著區域主要集中在人為影響較少的高海拔區，這一結論亦從植被變化視角證實了學者們的研究發現，全球變化背景下山地對氣候變化具有高度的敏感性，其中高山帶對氣候變化的響應更敏感（Rangwala et al.，2012；You et al.，2020）。

圖6 2000—2021年柴達木盆地NDVI（a）及其變化趨勢（b）的海拔梯度分異Figure 6 Altitude gradient differentiation of NDVI (a) and its variation trend (b) over Qaidam Basin from 2000 to 2021

3.2.2 坡向

從圖 7可知，柴達木盆地不同坡向的年平均NDVI差異明顯，雖然柴達木盆地以東北坡、西南坡、北坡和南坡為主，其面積比例分別為13.64%、12.88%、12.66%和11.41%（圖7a），但多年平均NDVI呈現北坡大于南坡、西坡大于東坡的分布格局，其中，西北坡NDVI最大，為0.19，其次是北坡、西坡、東北坡、東坡、東南坡、西南坡，年平均NDVI為 0.18—0.16，南坡的最少，小于 0.16（圖 7b）。NDVI變化趨勢方面，2000—2021年柴達木盆地不同坡向的NDVI均呈增加趨勢，其中西北坡的增加速率最快，為1.93×10-3a-1，其次是北坡、西坡、東北坡、西南坡、南坡和東坡，NDVI增加速率分別為1.86×10-3a-1、1.85×10-3a-1、1.77×10-3a-1、1.75×10-3a-1、1.73×10-3a-1和 1.73×10-3a-1，東南坡的增加速率最慢，為 1.70×10-3a-1（圖 7c）。

圖7 柴達木盆地不同坡向占地面積（a）、NDVI（b）及其變化趨勢（c）的坡向分異Figure 7 Slope direction differentiation of land area (a), NDVI (b) and its change trend (c) in different slope directions over Qaidam Basin

3.3 NDVI對氣候變化的響應

由柴達木盆地2000—2021年生長季（5—9月）平均氣溫、累計降水量以及2003—2021年水文年積雪日數變化趨勢空間分布可以看出，近20年來，柴達木盆地生長季氣候變化表現出明顯的“暖濕化”特征，其中，平均氣溫以0.12 ℃·(10 a)-1（P=0.008）的速率極顯著升溫，尤其是盆地腹地和東南部地區升溫較為顯著，而西南部地區平均氣溫呈下降趨勢（圖8a）；降水以16.06 mm·(10 a)-1（P=0.041）的速率顯著增多，除盆地中部外，其余地區降水量均呈增多趨勢，尤其是盆地邊東部和西部緣地區（圖8b）；積雪日數以 1.35 d·(10 a)-1（P=0.033）的速率顯著增多，其中盆地大部地區積雪日數呈增多趨勢，東部和南部邊緣地區明顯增多，而大柴旦東北部、格爾木南部局部地區積雪日數明顯減少（圖8c）。此外，2002—2018年，柴達木盆地共有82條冰川消失，35條冰川分裂為73條，冰川面積減少169.14 km2（-9.08%），較1977—2002年面積變化相對速率為-0.54%·a-1，冰川面積退縮呈加快趨勢（周蘇剛等，2021）。柴達木盆地NDVI與生長季平均氣溫的相關系數為 0.11，與降水量的相關系數為0.61，呈極顯著正相關，與水文年的積雪日數的相關系數為0.23，表明水分的變化對這里的植物更加敏感，近20年來生長季明顯的“暖濕化”氣候變化特征是柴達木盆地地表綠度改善的主要原因，降水量增多、積雪日數增多、冰川消融速率加快是重要的驅動因素。

圖8 柴達木盆地2000—2021年生長季平均氣溫（a）、累計降水量（b）及2003—2021年水文年積雪日數（c）變化趨勢空間分布Figure 8 Spatial distribution of variation trend of average temperature (a), cumulative precipitation (b) in growing season from 2000 to 2021 and snow days in hydrological year from 2003 to 2021 (c) over Qaidam Basin

進一步分析近20年來柴達木盆地生長季平均氣溫、降水量和積雪日數及其變化趨勢的海拔梯度分異（表2）可以看出，柴達木盆地植被生長季平均氣溫隨海拔升高而減小，降水量和積雪日數隨海拔升高而增加。不同海拔帶降水量均增加，加之冰川消融后的補給，充沛的水分條件是盆地地表綠度整體增加的主要原因；而3.5—4.5 km高程帶熱水匹配最佳，其中平均氣溫均呈增溫趨勢，年際變化速率為 0—0.03 ℃·a-1，降水量和積雪日數均呈增多趨勢，年際變化速率分別為1.73—2.66 mm·a-1和0.04—0.49 d·a-1，這可能是該高程帶NDVI年際增加速率較快的主要原因；大于 4.5 km的高程帶雖然降水量呈增多趨勢，年際變化速率超過 2.69 mm·a-1，但氣溫均呈減小趨勢且隨海拔上升減小速率加快，水熱條件匹配不足，這是該高程帶NDVI年際變化速率隨著海拔上升呈階梯式減小的主要原因；大于5.5 km高程帶多冰川雪山，但由于氣溫以-0.11 ℃·a-1的速率減小，冰川消融速率加快（周蘇剛等，2021），積雪日數以0.11—0.22 d·a-1的速率減少，該高程帶NDVI呈減小趨勢。

表2 近20年來柴達木盆地生長季平均氣溫、降水量和積雪日數及其變化趨勢的海拔梯度分異Table 2 Altitude gradient differentiation of average temperature, precipitation and snow cover days and their changing trends during the growing season over Qaidam Basin in the past 20 years

就坡向分異而言，柴達木盆地西部主要受強勁西風環流的控制，而中東部則由于西風環流的減弱受到高原季風余澤的影響，有利于印度洋和孟加拉灣水汽向盆地中東部輸送（李林等，2015），這種水汽輸送特征決定了在地形的抬升作用下，南坡更易獲得降水，植被生長季累計降水量南坡較北坡多7.26 mm（圖9a），但是相比于北坡，南坡為陽坡，可以吸收更多的太陽輻射（郭建平等，2016），不利于積雪的保存，使得北坡積雪日數（23.40 d）較南坡少（20.25 d）（圖9b），北坡在植被生長季可以獲得更豐富的冰雪融水，加之柴達木盆地輻射強烈且晝夜溫差較大，會導致水分蒸發量大，不利于植被生長。南坡向陽，土壤干燥，水分蒸發快，而北坡背陰，陽光照射時間短，水分蒸發慢，土壤相對濕潤（鄧晨暉等，2021；銀朵朵等，2021），因此，北坡的氣候條件更利于植被生長。東坡和西坡接收的太陽輻射基本相同（郭建平等，2016），但是西南方向的暖濕氣流使得西坡的降水（152.69 mm）大于東坡（145.47 mm），這是西坡NDVI大于東坡的主要原因。研究表明，柴達木盆地西南方向的水汽輸送呈增強趨勢（Sun et al.，2018a；Sun et al.，2018b），在這一背景下西坡生長季降水量的年際增加速率（1.30 mm·a-1）較東坡（1.27 mm·a-1）快（圖 9c），且西坡積雪日數增加速率（0.15 d·a-1）也較東坡（0.14 d·a-1）快（圖9d），西坡有更充沛的水分條件，這可能是西坡NDVI增加速率較快的主要原因。

圖9 柴達木盆地2000—2021年生長季累計降水量（a）、（c）及2003—2021年水文年積雪日數（b）、（d）及其變化趨勢的坡向分異Figure 9 Slope direction differentiation of cumulative precipitation during the growing season (a), (c) and snow cover days in the hydrological year (b), (d) and their variation trends over Qaidam Basin from 2000 to 2021

4 結論

綠度可以反映地表生態環境質量，本文基于MODIS NDVI遙感資料、結合DEM、氣象數據和積雪面積數據，綜合利用Sen+M-K趨勢分析法、相關性分析法，分析了在氣候變化背景下，柴達木盆地地表綠度的時空演變趨勢、地形分異特征、氣候因子的影響。主要結論如下：

（1）2000—2021年柴達木盆地 NDVI呈邊緣高、腹地低的向心環狀分布特征，隨海拔變化規律性明顯。高值區主要集中在盆地外圍的山麓及內部綠洲地區，均值普遍大于0.3，而盆地腹地大部地區小于0.1。65.62%的區域NDVI呈波動增加趨勢，顯著增加區域占比 53.04%，平均增加速率為1.8×10-3a-1。

（2）2000—2021年柴達木盆地NDVI及其變化趨勢存在明顯的海拔和坡向分異，整體隨海拔上升呈拋物線型變化。其中，4.25—4.75 km的NDVI較高，超過0.30；3.5—4.5 km的NDVI年際增加速率較快，均超過2.75×10-3a-1；NDVI北坡大于南坡、西坡大于東坡，西北坡最大，為0.19，且西北坡的NDVI增加速率最快，超過1.93×10-3a-1。

（3）2000—2021年生長季柴達木盆地明顯的“暖濕化”氣候變化特征是地表綠度改善的主要原因，降水量增多、積雪日數增多、冰川消融速率加快是重要的驅動因素，不同海拔的水熱匹配和不同坡向的降水及冰雪融水、太陽輻射的氣候差異造成了NDVI分布和變化的差異。