近40年黃河流域季節(jié)性植被覆蓋時(shí)空動(dòng)態(tài)及驅(qū)動(dòng)因子探測(cè)

任天晨，陳軍鋒，劉 楠，范 強(qiáng)

（太原理工大學(xué)水利科學(xué)與工程學(xué)院，山西 太原 030024）

0 引 言

植被作為生物圈生態(tài)可持續(xù)的重要評(píng)價(jià)因子，其生長(zhǎng)變化不僅指示了氣候變化如何影響生物圈，同時(shí)也可以通過(guò)植被蒸騰作用、地表反照率和粗糙度影響陸地和大氣之間能量交換，對(duì)區(qū)域防止水土流失、調(diào)節(jié)氣候等有重要影響［1-3］。然而隨著氣候持續(xù)變暖和人類(lèi)活動(dòng)增強(qiáng)，對(duì)植被生長(zhǎng)產(chǎn)生了顯著影響［2］。因此，全球已經(jīng)實(shí)施了許多與植被恢復(fù)相關(guān)的項(xiàng)目來(lái)改善植被生長(zhǎng)狀況［2-4］。黃河流域作為黃河水系從源頭到入海所影響的重要地理生態(tài)區(qū)域和我國(guó)灌溉農(nóng)業(yè)發(fā)達(dá)地區(qū)，直接養(yǎng)活著1.07億人口，另外還有4 億人口依賴(lài)于黃河流域的水生活［4］。但黃河流域生態(tài)本底極為敏感脆弱，為了恢復(fù)黃河流域生態(tài)環(huán)境，自1999 年我國(guó)實(shí)施了一系列生態(tài)恢復(fù)工程并取得了階段性成果［4-6］。但有研究指出在生態(tài)工程實(shí)施過(guò)程中沒(méi)有綜合考慮區(qū)域氣候、人文等因子，目前高植被覆蓋區(qū)域的植被（主要為林地）已經(jīng)達(dá)到區(qū)域可容納的最高閾值而呈退化趨勢(shì)［7-9］，這可能會(huì)影響黃河流域生態(tài)可持續(xù)發(fā)展。因此，為了黃河流域植被恢復(fù)的長(zhǎng)期成功，需要明確黃土高原植被覆蓋變化的轉(zhuǎn)折點(diǎn)及不同季節(jié)植被覆蓋變化的主要驅(qū)動(dòng)因子，為黃河流域的生態(tài)恢復(fù)工程效應(yīng)的評(píng)價(jià)提供一定參考。

歸一化植被指數(shù)（Normalized Difference Vegetation Index，NDVI）是目前最常用的反映大尺度地表植被狀況和變化的指數(shù)［8-11］。曾有研究發(fā)現(xiàn)20世紀(jì)80年代以來(lái)，全球植被生長(zhǎng)季內(nèi)平均NDVI和年最大NDVI均呈增加趨勢(shì)，植被覆蓋增長(zhǎng)速率、幅度均以顯著增加趨勢(shì)為主，這一趨勢(shì)在植樹(shù)造林的黃河流域最為顯著［12，13］。其中，有研究發(fā)現(xiàn)植被覆蓋增加的主要驅(qū)動(dòng)力是二氧化碳施肥效應(yīng)，其次為碳沉降、氣候變化和人類(lèi)活動(dòng)，黃河流域植被變綠關(guān)鍵因素主要為植樹(shù)造林［14-16］。然而有研究也發(fā)現(xiàn)隨著黃土高原植被覆蓋增加，植被蒸騰作用會(huì)加強(qiáng)水循環(huán)過(guò)程，從而影響區(qū)域土壤水分、地表徑流和地表干燥化程度等，反過(guò)來(lái)抑制黃河流域植被生長(zhǎng)［9，11］。如Fu 等［14］通過(guò)對(duì)黃土高原研究發(fā)現(xiàn)通過(guò)大規(guī)模的生態(tài)恢復(fù)工程減少了黃河泥沙量，生態(tài)環(huán)境也得到改善，但由于前期的植被恢復(fù)工程缺乏科學(xué)的指導(dǎo)，部分地區(qū)植被恢復(fù)不合理規(guī)劃導(dǎo)致土壤水分缺失、徑流減少和生態(tài)系統(tǒng)退化［9，14］。同時(shí)，有研究也發(fā)現(xiàn)新種植的植被使蒸發(fā)量增加，導(dǎo)致土壤水分減少?gòu)亩斐赏寥辣韺痈珊祷潭燃觿。?5-18］，這將進(jìn)一步影響黃土高原植被覆蓋的可持續(xù)發(fā)展。Xin 等［19］研究也發(fā)現(xiàn)1982-1999 年黃土高原西北部低覆蓋度地區(qū)植被覆蓋呈上升趨勢(shì)，而部分高覆蓋地區(qū)呈下降趨勢(shì)，這可能是該區(qū)域植被覆蓋已經(jīng)達(dá)到該區(qū)域環(huán)境的承載能力從而趨向于飽和。其次，由于全球氣候變暖加劇了氣候系統(tǒng)的不穩(wěn)定性，導(dǎo)致全球極端氣候事件出現(xiàn)的頻率和強(qiáng)度均呈現(xiàn)明顯的增加趨勢(shì)，這對(duì)黃河流域植被覆蓋的可持續(xù)生長(zhǎng)產(chǎn)生了顯著影響［15，20］。如Jiang 等［21］發(fā)現(xiàn)在氣候變暖背景下極端干旱和極端濕潤(rùn)交替出現(xiàn)對(duì)植被生產(chǎn)力的影響具有1 到5 年的記憶效應(yīng)，彌補(bǔ)了過(guò)去的全球尺度研究強(qiáng)調(diào)極端干旱之后植被生產(chǎn)力下降得結(jié)論。因此，極端氣候事件對(duì)黃土高原植被生長(zhǎng)造成的影響不容忽視。雖然目前針對(duì)人類(lèi)活動(dòng)、平均氣候和極端氣候等因素對(duì)植被生長(zhǎng)產(chǎn)生的影響已有很多研究，但大部分研究是基于年尺度進(jìn)行，很少有研究綜合分析不同季節(jié)植被生長(zhǎng)對(duì)人類(lèi)活動(dòng)和氣候變化的敏感性程度。

基于此，基于GIMMS NDVI 和MODIS NDVI 數(shù)據(jù)探究了1982-2020 年間黃河流域不同季節(jié)植被覆蓋時(shí)空動(dòng)態(tài)，進(jìn)一步考慮到黃河流域部分地區(qū)水蝕和風(fēng)蝕等影響嚴(yán)重并結(jié)合其他學(xué)者對(duì)黃河流域的研究（很多學(xué)者研究發(fā)現(xiàn)在黃河流域開(kāi)展的生態(tài)恢復(fù)項(xiàng)目由于沒(méi)有考慮到植被蒸散發(fā)等作用，導(dǎo)致區(qū)域蒸散發(fā)增加，這使得地表干燥化加重。因此，本文探究了氣溫（日最高氣溫最小值、日最低氣溫最大值、日最低氣溫最小值、年均氣溫、日最低氣溫最大值）、降水（每年連續(xù)五天降雨量最大值、年均累計(jì)降水）、土地利用、風(fēng)速、海拔、坡度對(duì)黃河流域植被生長(zhǎng)的影響程度，旨在回答以下問(wèn)題：①自1982 年以來(lái)黃河流域植被覆蓋時(shí)空動(dòng)態(tài)如何？②不同季節(jié)NDVI 對(duì)極端氣候、平均氣候、人類(lèi)活動(dòng)和地形因子的響應(yīng)程度如何，不同因子的相互作用對(duì)黃河流域植被生長(zhǎng)影響如何？

1 研究區(qū)與研究方法

1.1 研究區(qū)

黃河流域是我國(guó)第二大流域，西起巴顏喀拉山，東至渤海，北臨陰山，南到秦嶺，流域面積達(dá)7.52×105km2。地勢(shì)西高東低，從西到東橫跨青藏高原、內(nèi)蒙古高原、黃土高原和黃淮海平原 4個(gè)地貌單元。地勢(shì)總體呈西高東低的態(tài)勢(shì)，西部河源地區(qū)平均海拔超過(guò)4 000 m，中部海拔介于1 000～2 000 m［1］。地貌復(fù)雜多樣，西部多山，常年積雪，中部為黃土高原地貌，水土流失嚴(yán)重，東部由黃河積平原組成。流域內(nèi)不同地區(qū)氣候差異顯著，從西到南依次為半濕潤(rùn)氣候、半干旱氣候和干旱氣候［3］。全年日照時(shí)間長(zhǎng)、輻射強(qiáng)，氣溫日較差大，年較差小。降水量少而不均，濕度小，蒸發(fā)量大，多冰雹、沙暴天氣。土地利用類(lèi)型主要為草地和農(nóng)用地，其次為未利用地、林地和水域（圖1）。

圖1 黃河流域海拔和坡度空間分布圖Fig.1 Spatial Distribution of Altitude and Slope in the Yellow River Basin

1.2 數(shù)據(jù)來(lái)源與處理

（1）NDVI數(shù)據(jù)：本文使用了來(lái)自西部環(huán)境與生態(tài)科學(xué)數(shù)據(jù)下載中心（https：∕∕ecocast.arc.nasa.gov∕data∕）提供的1982-2015年15天8 km 的GIMMS NDVI3g數(shù)據(jù)集和NASA（https：∕∕lpdaacsvc.cr.usgs.gov∕appeears）提供的2001-2020 年的16 天250 m 的MOD13Q1 產(chǎn)品的NDVI數(shù)據(jù)集用于監(jiān)測(cè)黃河流域植被覆蓋變化。為進(jìn)一步去除NDVI噪聲，使用了Savitzky-Golay 濾波對(duì)GIMMS NDVI3g 和MODIS NDVI 數(shù)據(jù)進(jìn)行時(shí)間序列重建，以平滑NDVI因云或其他因素導(dǎo)致的錯(cuò)誤峰值［15］。并將MODIS NDVI 采樣為8 km 分辨率，然后基于最大值合成法（MVC）將兩種NDVI數(shù)據(jù)合成為月數(shù)據(jù)。最后用2001-2015 的MODIS NDVI數(shù)據(jù)對(duì)GIMMS NDVI重建后的數(shù)據(jù)進(jìn)行建模，基于建模結(jié)果將GIMMS NDVI 數(shù)據(jù)延長(zhǎng)至2020 年。并基于MVC 方法將12月、1月、2月的NDVI數(shù)據(jù)合成為冬季，將3月、4月、5月的NDVI數(shù)據(jù)合成為春季，將6月、7月、8月的NDVI數(shù)據(jù)夏季，將9月、10月、11月的NDVI數(shù)據(jù)合成為秋季。

（2）土地利用數(shù)據(jù)：1980、1990、2000、2005、2010、2015 和2020 年土地利用數(shù)據(jù)來(lái)源于中國(guó)科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)平臺(tái)，本文主要選取一級(jí)分類(lèi)，包括草地、林地、耕地、建設(shè)用地、水域和未利用地。

（3）DEM 和坡度數(shù)據(jù)：90 m 的DEM 數(shù)據(jù)源于中國(guó)科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)平臺(tái)（http：∕∕www.resdc.cn）提供，為與本文NDVI數(shù)據(jù)分辨率保持一致，將90 m 的DEM 數(shù)據(jù)重采樣為8 km。坡度數(shù)據(jù)是基于DEM 數(shù)據(jù)利用ARCGIS 軟件提供的計(jì)算工具計(jì)算得到。

（3）氣候數(shù)據(jù)：本文氣候數(shù)據(jù)包括平均氣候數(shù)據(jù)和極端氣候數(shù)據(jù)。平均氣候［氣溫（TEM）、降水（PER）、風(fēng)速（WIN）］來(lái)源于中國(guó)氣象數(shù)據(jù)網(wǎng)的月值數(shù)據(jù)（http：∕∕data.cma.cn∕data∕），時(shí)間跨度為1982-2020 年。極端氣候數(shù)據(jù)源于HadEX3 數(shù)據(jù)集（www.climdex.org），該數(shù)據(jù)集采用綜合觀測(cè)資源來(lái)量化晝夜溫度和降水變化，由29 個(gè)氣候極端指數(shù)組成，這些指數(shù)是通過(guò)世界溫度及降水站數(shù)據(jù)計(jì)算而來(lái)的，綜合反映了極端溫度和降水事件的頻率和強(qiáng)度，該數(shù)據(jù)被應(yīng)用于極端天氣事件研究中［29，30］。根據(jù)黃河流域溫度和降水的實(shí)際情況，本文選擇了5個(gè)最能反映溫度日變化范圍［日最高氣溫最大值（TXX）、日最低氣溫最大值（TNX）、日最高氣溫最小值（TXN）和日最低氣溫最小值（TNN）］、長(zhǎng)時(shí)降水指標(biāo)［每年連續(xù)五天降雨量最大值（RX5DAY）］來(lái)分析黃河流域植被覆蓋對(duì)極端氣候指標(biāo)的響應(yīng)情況。將12 月、1 月、2 月定義為冬季，3 月、4 月、5 月定義為春季，6 月、7 月、8 月定義為夏季，9 月、10 月、11 月定義為秋季，最后利用專(zhuān)業(yè)氣象插值軟件ANUSPLINE 將季節(jié)性氣象數(shù)據(jù)插值為空間分辨率為8km的柵格數(shù)據(jù)集。

1.3 研究方法

1.3.1 NDVI突變點(diǎn)檢驗(yàn)——Mann-Kendall突變點(diǎn)檢驗(yàn)

本文采用Mann-Kendall 方法對(duì)1982-2020 年的春、夏、秋和冬季的NDVI進(jìn)行突變點(diǎn)檢驗(yàn)。首先使NDVI時(shí)間序列構(gòu)造一個(gè)X秩序列記為Sk，在時(shí)間序列為隨機(jī)的假設(shè)下［23］，定義統(tǒng)計(jì)量：

其中，E（Sk）和Var（Sk）分別是Sk的均值和方差。UFk形成UF的特征曲線(xiàn)，通過(guò)可信度檢驗(yàn)來(lái)判斷NDVI是否有明顯的變化趨勢(shì)。UFk為標(biāo)準(zhǔn)正態(tài)分布，在給定顯著性水平α上，取顯著性水平a=0.05，則U0.05 的臨界值為1.96 的絕對(duì)值。將UF、UB的曲線(xiàn)和0.05 的顯著水平在同一張圖上描述出來(lái)，UF＞0，表示序列呈上升趨勢(shì)；反之，表明呈下降趨勢(shì)，大于或小于0.05 顯著的臨界線(xiàn)的，表示在95%置信水平上有顯著的上升或下降趨勢(shì)。NDVI突變開(kāi)始的時(shí)間即UF與UB曲線(xiàn)出現(xiàn)相交且交點(diǎn)位于臨界線(xiàn)之間，則交點(diǎn)對(duì)應(yīng)的時(shí)間為NDVI突變點(diǎn)［23］。

1.3.2 NDVI趨勢(shì)分析——Sen斜率法

采用Sen 斜率法趨勢(shì)分析計(jì)算1982-2020 年春、夏、秋和冬季的NDVI變化趨勢(shì)［8］。Sen 斜率法是一種非參數(shù)統(tǒng)計(jì)的計(jì)算方法，對(duì)測(cè)量誤差和離群數(shù)據(jù)不敏感［23］。具體公式如下：

式中：β為斜率，i和j代表年份，如果β＞0，NDVI時(shí)間序列具有正趨勢(shì)；如果β＜0，NDVI序列具有負(fù)趨勢(shì)。

1.3.3 NDVI對(duì)不同因子的敏感性——地理探測(cè)器

地理探測(cè)器模型由王勁峰等人［24］提出，是將自變量空間分布與潛在因素分布進(jìn)行比較，適合用于測(cè)量空間分層非均質(zhì)性程度的空間分析方法。本文利用地理探測(cè)器度量季節(jié)性NDVI對(duì)海拔、坡度、土地利用變化、氣候因子的敏感性，用q值解釋這個(gè)程度。公式如下：

式中：q是影響因子對(duì)NDVI時(shí)空變化的解釋力，h是不同驅(qū)動(dòng)因子的分類(lèi)或分區(qū)數(shù)據(jù)；L為影響因子的樣本數(shù)量，Nh和N分別是h和整個(gè)區(qū)域的單元數(shù)；δ2h和δ2是h和整個(gè)區(qū)域的方差。q值越大，代表該因子對(duì)NDVI影響程度越大。并使用交互作用探測(cè)識(shí)別不同因子之間的相互作用，并評(píng)估他們的組合效應(yīng)以觀測(cè)任何一對(duì)因素共同作用是否會(huì)增加或降低對(duì)NDVI空間分布的解釋力。

2 結(jié)果分析與討論

2.1 GIMMS NDVI 與MODIS NDVI 的一致性分析與處理

兩種原始NDVI月均數(shù)據(jù)的趨勢(shì)和相關(guān)性極為顯著，兩者的相關(guān)系數(shù)（R2）為0.926 5，均方根誤差（RMSE）為0.039 5，但GIMMS NDVI 在NDVI極高值和極低值處明顯高于MODIS NDVI［圖2（a）］。從MODS NDVI 對(duì)GIMMS NDVI 重建后的月均NDVI來(lái)看，兩者的R2為0.980 3，RMSE為0.019 9，在NDVI極值處也較為接近［圖2（b）］。從像元尺度來(lái)看，兩種數(shù)據(jù)間的相關(guān)性也較好［R2= 0.917 1，RMSE=0.030 5，圖2（c）］，利用MODIS NDVI 數(shù)據(jù)對(duì)GIMMS NDVI 重建后的數(shù)據(jù)的相關(guān)性顯著提高［R2= 0.950 5，RMSE=0.014 9，圖2（d）］。因此，可以使用MODIS NDVI數(shù)據(jù)對(duì)GIMMS NDVI數(shù)據(jù)進(jìn)行延長(zhǎng)。

圖2 黃河流域 GIMMS 3g NDVI 和 MODIS NDVI 數(shù)據(jù)的對(duì)比Fig.2 Comparison of GIMMS 3g NDVI and MODIS NDVI Data in the Yellow River Basin

2.2 季節(jié)性NDVI的年際變化特征

圖3 為黃河流域春、夏、秋和冬季NDVI年際變化及其Mann-Kendall（M-K）檢驗(yàn)曲線(xiàn)。從春季NDVI年際變化圖來(lái)看，1982-2020黃河流域春季NDVI值呈增加趨勢(shì)，線(xiàn)性變化傾斜率為0.002 7 ∕a，說(shuō)明黃河流域近40 年春季植被覆蓋呈增加趨勢(shì)。其中1982 年和2019 年分別是該地區(qū)近40 年NDVI最小和最大的年份，其N(xiāo)DVI值分別為0.251 和0.331。由UF曲線(xiàn)可以看出，春季NDVI為持續(xù)上升趨勢(shì)，但在2000年之前上升趨勢(shì)呈鋸齒狀變化，2000 年之后為穩(wěn)定上升趨勢(shì)。UF和UB曲線(xiàn)相交于2005年，說(shuō)明2005年是春季NDVI突變的開(kāi)始，也表明了黃河流域春季NDVI自2005 年之后NDVI上升速率顯著增加。秋季NDVI的UF曲線(xiàn)和春季相似，線(xiàn)性變化傾斜率為0.001 6 ∕a。2002年為秋季NDVI突變年，從曲線(xiàn)來(lái)看2002年之后秋季NDVI增加速率顯著大，其增加速率大于春季（UF變化值）。夏季NDVI值在近40年也呈增加趨勢(shì)，線(xiàn)性變化傾斜率為0.001 8 ∕a。其中1982 年和2018 年分別是該地區(qū)近40 年NDVI最小和最大的年份，其N(xiāo)DVI值分別為0.436 和0.531。由UF曲線(xiàn)可以看出，黃河流域夏季NDVI為持續(xù)上升趨勢(shì)。UF和UB曲線(xiàn)相交于2008 年，說(shuō)明2008 年是夏季NDVI突變開(kāi)始的年份，從UF曲線(xiàn)可以看出2008 年以前NDVI變化速率基本為穩(wěn)定狀態(tài)，但在2008 年之后夏季NDVI迅速增加。冬季NDVI值線(xiàn)性變化傾斜率為0.0014∕a，為四季增加速率最小的季節(jié)。其中1985 年和2017年分別是近40年冬季NDVI最小和最大的年份，其N(xiāo)DVI值分別為0.182和0.266。UF和UB曲線(xiàn)相交于2007年，說(shuō)明2007年是冬季NDVI突變的開(kāi)始，且在2007年之后NDVI上升速率顯著增加。由UF曲線(xiàn)看出，冬季和夏季NDVI的UF曲線(xiàn)走勢(shì)較為一致，但冬季NDVI的UF曲線(xiàn)在2007 年的變化波動(dòng)性較大，其變化值小于夏季。

圖3 黃河流域NDVI時(shí)序曲線(xiàn)和Mann-Kendall（M-K）突變點(diǎn)檢驗(yàn)曲線(xiàn)圖Fig.3 NDVI time series curve and Mann Kendall （M-K） mutation point test curve in the Yellow River basin

總體而言，夏季NDVI增加速率最快，其次為秋季，再為春季和冬季。四季的NDVI突變年份均在2000 年之后，且突變年后NDVI增加速率均為上升趨勢(shì)，這也進(jìn)一步說(shuō)明黃河流域1999年之后實(shí)施的生態(tài)恢復(fù)工程對(duì)植被覆蓋度增加作用顯著。

2.3 季節(jié)性NDVI的空間分布特征

從1982-2020年黃河流域NDVI不同季節(jié)的平均值發(fā)現(xiàn)（圖4）：干旱區(qū)NDVI值最低，其次為半干旱區(qū)，濕潤(rùn)區(qū)NDVI值最高，其次為半濕潤(rùn)區(qū)，這表明NDVI的空間分布與水熱資源分布一致。春季NDVI最高值集中在半濕潤(rùn)區(qū)和濕潤(rùn)區(qū)，海拔高度基本在1 000 m 以上，NDVI 值大于0.4，植被覆蓋度較高。37.33%的NDVI值小于0.2，集中分布在干旱和半干旱地區(qū)，極端最小值分布在河套平原地區(qū)（NDVI＜0.1）。但在半干旱的劉家峽地區(qū)的NDVI集中在0.3～0.4，高于周?chē)貐^(qū)。內(nèi)蒙古、寧夏、山西、陜西和甘肅北部地區(qū)的NDVI值基本在0.2 以下，其植被覆蓋度較低。而在其他地區(qū)NDVI值基本在0.2 以上，且植被覆蓋度較高，尤其在陜西省的南部的植被覆蓋有最高值，而在內(nèi)蒙古的毛烏素沙漠的植被覆蓋度有最低值，基本在0.2 以下。究其原因可能是因?yàn)樵谏轿鳌㈥兾鳌⒏拭C隴東及河南地區(qū)等地區(qū)林地分布范圍較大，土地荒漠化程度較黃土高原北部地區(qū)的內(nèi)蒙古、寧夏、青海等地較小，植被綠化程度較高。夏季NDVI值較春季均有增加，尤其在黃河流域源頭地區(qū)，NDVI基本大于0.4。半干旱區(qū)的NDVI也從春季的小于0.2 增加到了大于0.2，但在干旱區(qū)的內(nèi)蒙古的NDVI仍小于0.2，河套平原部分地區(qū)仍小于0.1。秋季NDVI與春季NDVI空間分布較為一致，但在黃河源區(qū)的NDVI值大于春季，集中在0.4 以上。冬季黃河流域除半濕潤(rùn)和濕潤(rùn)區(qū)的植被覆蓋度較高，57.530%的地區(qū)NDVI值在0.2以下，是四季植被覆蓋度最低月。

圖4 黃河流域NDVI空間分布和空間分布區(qū)間統(tǒng)計(jì)圖Fig.4 Spatial distribution and spatial distribution interval statistics of NDVI in the Yellow River basin

從40 年間黃河流域不同季節(jié)NDVI變化趨勢(shì)的空間分布、變化趨勢(shì)等級(jí)所占面積百分比（圖5）發(fā)現(xiàn)：近40年四季NDVI均為增加趨勢(shì)，尤其在陜西北部、山西西部及甘肅隴東地區(qū)增加速率較大，但不同季節(jié)的NDVI增加速率存在顯著的空間差異。春季NDVI僅有9.2%的區(qū)域?yàn)闇p小趨勢(shì)，集中在小浪底、河套平原和毛烏素沙地區(qū)。1.6%的區(qū)域NDVI增加速率大于0.005 ∕a，集中在黃河流域下游地區(qū)。其他地區(qū)的NDVI變化速率為干旱區(qū)＜半干旱＜濕潤(rùn)地區(qū)，變化趨勢(shì)與水熱資源顯著相關(guān)。夏季NDVI的在黃土高原地區(qū)的變化速率集中在0.001 ∕a 以上，但在黃河源區(qū)的NDVI變化速率集中在-0.001 ∕a～0.001 ∕a，且大部分區(qū)域NDVI為減小趨勢(shì)。在小浪底、三門(mén)峽和壺口地區(qū)的植被NDVI也為減小趨勢(shì)。秋季8.1%的區(qū)域NDVI為減小趨勢(shì)，集中分布在三門(mén)峽地區(qū)，其他區(qū)域的變化情況與夏季較為一致。冬季24.9%的區(qū)域NDVI為減小趨勢(shì)，主要分布在干旱和半干旱地區(qū)，是四季中NDVI呈減小區(qū)域最多的季節(jié)，僅有16.4%的區(qū)域NDVI增加速率高于0.001 ∕a，其他區(qū)域NDVI基本為不變趨勢(shì)。

圖5 黃河流域NDVI變化趨勢(shì)圖Fig.5 NDVI Change Trend in the Yellow River Basin

2.4 黃河流域土地覆蓋變化

從1980、1990、2000、2005、2010、2015 和2020 年土地利用分布情況（圖6、圖7）發(fā)現(xiàn)：1980-1900 年間草地和水域面積的減少主要轉(zhuǎn)換為耕地和建設(shè)用地，林地和未利用地基本沒(méi)有變化。1990-2000 年間草地面積有一定的增加（增加了2.649%），耕地、林地和水域面積分別減少了2.798%、0.045%和0.073%，建設(shè)用地面積仍為持續(xù)增長(zhǎng)趨勢(shì)，增長(zhǎng)了0.14%。2000-2005年間減少的耕地面積主要轉(zhuǎn)換為草地、建設(shè)用地和未利用地。這主要可能與1999開(kāi)始的退耕還林（還草）政策有關(guān)，將坡耕地退耕還林還草、宜林荒山荒地造林，因此在2000 年之后四季植被覆蓋均出現(xiàn)轉(zhuǎn)折點(diǎn)。2005-2015 年間草地面積減少了1.72%，林地和耕地面積分別增加了0.42%和1.8%。2015-2020年間雖然林地和建設(shè)用地面積分別增加了0.15%和1.24%，但耕地和未利用地面積減少了2.90%和1.24%，使草地面積增加了0.87%。據(jù)統(tǒng)計(jì)數(shù)據(jù)顯示這與目前的農(nóng)村人口減少和保護(hù)生態(tài)環(huán)境的意識(shí)增加，使植被覆蓋在2015-2021 年間有所改善［16］。有研究發(fā)現(xiàn)這是因?yàn)樘囟ㄉ鷳B(tài)環(huán)境變化和人類(lèi)活動(dòng)導(dǎo)致部分草地轉(zhuǎn)為耕地、林地和其他土地［18］，這主要是由于人口快速增長(zhǎng)和三北防護(hù)林體系工程的實(shí)施，建設(shè)用地的發(fā)展，導(dǎo)致許多草地遭到破壞，并且長(zhǎng)期過(guò)度放牧加上氣候變化和嚙齒動(dòng)物破壞的影響，長(zhǎng)江源區(qū)天然草地退化嚴(yán)重，將不可避免地導(dǎo)致長(zhǎng)江源區(qū)荒漠化加劇，且研究發(fā)現(xiàn)黃河源區(qū)植被覆蓋度呈微弱的減小趨勢(shì)［14］。然而，隨著政府實(shí)施了一系列移民安置項(xiàng)目，導(dǎo)致黃河流域建設(shè)用地持續(xù)占用農(nóng)田、草地和濕地。因此，小浪底等地區(qū)植被覆蓋為退化趨勢(shì)。

圖6 黃河流域土地利用變化圖Fig.6 Land use change map of different land use areas in the Yellow River basin

圖7 黃河流域不同土地利用面積百分比統(tǒng)計(jì)圖Fig.7 Percentage statistics of different land use areas in the Yellow River basin

2.5 季節(jié)性NDVI對(duì)地形因子的響應(yīng)

海拔和坡度會(huì)影響區(qū)域水熱條件、植被類(lèi)型等，因此基于參考文獻(xiàn)［22］將黃河流域海拔劃分為極低海拔區(qū)（＜1 000 m）、低海拔區(qū)（1 000～2 000 m）、較低海拔區(qū)（2 000～3 000 m）、中低海拔區(qū)（3 000～4 000 m）和高海拔區(qū)（＞4 000 m），將坡度分為平地（0°～2°）、平坡（2°～6°）、緩坡（6°～15°）、斜坡（15°～25°）和陡坡（＞25°）。然后統(tǒng)計(jì)了黃河流域四季NDVI變化速率在不同分區(qū)的分布狀況，發(fā)現(xiàn)NDVI變化速率在不同高程梯度中存在顯著差異，總體表現(xiàn)為隨著海拔高度增加，NDVI增加速率減小。其中，春季NDVI變化速率在極低海拔區(qū)和低海拔區(qū)分布相對(duì)分散，均值分布在0.001 8 ∕a。海拔高于2 000 m 之后，春季NDVI變化速率集中在0.001 6～0.001 8 ∕a，分布相對(duì)集中。夏季NDVI變化速率在小于3 000 m 的地區(qū)均分布較春季分散，且隨著海拔高度增加其增加速率逐漸降低。秋季NDVI變化速率在海拔低于3 000 m 的時(shí)候下降較慢，在海拔為3 000～4 000 m 時(shí)，NDVI變化速率突然下降，之后隨著海拔高度增加NDVI變化速率呈穩(wěn)定態(tài)勢(shì)。主要原因是因?yàn)楹０胃哂? 000 m 的區(qū)域人類(lèi)活動(dòng)較少，植被覆蓋度相對(duì)較高，但在海拔超多4 000 m 時(shí)，已遠(yuǎn)越過(guò)林線(xiàn)，植被覆蓋度較低，且該區(qū)域的生態(tài)恢復(fù)工程實(shí)施困難，因此NDVI變化相對(duì)穩(wěn)定，且增加速率最低。海拔小于2 000 m的區(qū)域NDVI增加速率較大，植被覆蓋改善效果明顯，主要是因?yàn)樽?999 年之后在該區(qū)域大面積實(shí)施退耕還林還草等政策，使植被改善效果最為顯著。冬季NDVI增加速率在海拔小于1 000 m 時(shí)較高，均值為0.000 3 ∕a。在海拔大于1 000 m后，NDVI變化速率基本為0，且變化趨勢(shì)較為穩(wěn)定［圖8（a）］。主要是因?yàn)辄S河流域大部分地區(qū)冬季較為干旱，植被覆蓋度相對(duì)較低，因此在海拔高于1 000 m 的地區(qū)NDVI的增加速率基本0，植被覆蓋度改善不明顯［25］。

圖8 黃河流域NDVI變化速率隨海拔和坡度變化圖Fig.8 Variation of NDVI change rate with altitude and gradient in the Yellow River basin

從不同坡度區(qū)域來(lái)看，坡度對(duì)春季和冬季NDVI變化速率影響不大，但夏季和秋季NDVI變化速率隨著坡度增加而顯著減小，尤其在坡度大于6°之后夏季NDVI變化速率減小最明顯。主要原因是因?yàn)榍锒救祟?lèi)活動(dòng)相對(duì)較夏秋季少。其次，在坡度較緩區(qū)域的人類(lèi)活動(dòng)較為密集，坡度較大區(qū)域人類(lèi)活動(dòng)受到地形限制逐漸減少，植被受到的干擾也就越小，且坡度大于15°的區(qū)域多為林地分布區(qū)域，土地利用不易發(fā)生轉(zhuǎn)換，這就使隨著波段升高，NDVI的變化速率較為穩(wěn)定且較小，而在坡度較小的區(qū)域的NDVI變化速率較大且分散［圖8（b）］。

2.6 季節(jié)性NDVI對(duì)所有因子的敏感性探測(cè)

通常認(rèn)為人類(lèi)活動(dòng)（如土地利用變化）、地形（如坡度、海拔）和氣候因子（平均氣候和極端氣候）的共同或單獨(dú)作用導(dǎo)致植被覆蓋發(fā)生變化。雖然目前針對(duì)上述的單一因子對(duì)植被覆蓋的影響的研究很多，但定量描述不同因子對(duì)植被覆蓋度的貢獻(xiàn)大小和因子之間的相互作用對(duì)植被覆蓋度的影響的研究較少。因此，本文基于地理探測(cè)器的因子探測(cè)器和交互探測(cè)器分析了年均和季節(jié)性氣候、土地利用和地形對(duì)植被覆蓋的驅(qū)動(dòng)機(jī)制。從因子探測(cè)器的結(jié)果可知（圖9），近40年不同因子對(duì)NDVI的決定力q值大小為：日最高氣溫最小值（TXN）的q決定力＞日最低氣溫最大值（TNX）＞日最低氣溫最小值（TNN）＞年均氣溫（TEM）＞土地利用（LUCC）＞日最低氣溫最大值（TX）＞每年連續(xù)五天降雨量最大值（RX5DAY）＞風(fēng)速（WIN）＞海拔（DEM）＞坡度（SLOPE）＞年均累計(jì)降水（PER）。由此可見(jiàn)，溫度（平均溫度和極端溫度）和土地利用變化對(duì)NDVI的影響大于其他因子，年均降水量對(duì)植被NDVI的影響較小，其次為地形。

圖9 不同因子對(duì)年均NDVI變化的q決定力值分布圖Fig.9 Distribution of q driving force value of different factors on annual average NDVI change

通過(guò)不同因子交互探測(cè)結(jié)果我們發(fā)現(xiàn)（表1），任何兩種因子的交互作用都大于或等于單個(gè)因子對(duì)NDVI的影響。其中，RX5DAY∩DEM（0.72）、RX5DAY∩SLOPE（0.70）、TXN∩DEM（0.74）、TXN∩TEM（0.71）、TNN∩DEM（0.27）的交互作用對(duì)NDVI的影響最大，影響因子大于0.7。DEM∩SLOPE（0.27）的交互作用對(duì)NDVI的影響最小。極端降雨和地形、極端氣溫和地形的共同作用對(duì)NDVI的影響大于其他因子的交互作用對(duì)NDVI的影響。這主要是因?yàn)辄S河流域的大面積的土壤為黃土層，黃土土質(zhì)松散，垂直節(jié)理發(fā)育，遇水則容易溶解，因此在坡度較大的地區(qū)極容易造成泥石流、滑坡等自然災(zāi)害，這對(duì)海拔較高的地區(qū)的林草地破壞極為嚴(yán)重（表1）［21］。其次，IPCC 第五次報(bào)告指出1998年之后全球地表溫度由快速增溫進(jìn)入停滯期，這對(duì)地處干旱、半干旱和半濕潤(rùn)的黃河流域植被生長(zhǎng)來(lái)說(shuō)是有利的，地表溫度增溫的停滯有利于減小土壤表層水分的蒸散發(fā)，從而使土壤含水量提高［8，11，22］。因此，土地利用變化和氣候等的綜合影響使NDVI發(fā)生了突變。

表1 黃河流域年間NDVI系數(shù)Tab.1 NDVI Interaction in the Yellow River Basin

從不同季節(jié)的驅(qū)動(dòng)因子隨時(shí)間的變化特征來(lái)看（圖10），發(fā)現(xiàn)TEM和PER在1980-2015 年間對(duì)植被NDVI的q決定力呈下降趨勢(shì)，不同季節(jié)的極端氣候指標(biāo)對(duì)NDVI的影響情況在2000年達(dá)到最低，2010年次之，其他年份的影響均較高。而LUCC和SLOPE的影響力呈增加趨勢(shì)，且LUCC的q值增加幅度較SLOPE大。以上原因主要是因?yàn)?000年之前黃河流域NDVI的變化很大程度上決定于氣候因子的變化，但從1999年之后開(kāi)展了一系列工程（如退耕還林、營(yíng)造林、草地治理、耕地治理和移民搬遷等）使LUCC發(fā)生了顯著變化，且其中的很多工程屬于生態(tài)恢復(fù)工程，這些工程的實(shí)施極大的改變了該地區(qū)植被覆蓋狀況。因此在2000 年之后的植被NDVI變化對(duì)LUCC的變化較為敏感。其次，夏季的SLOPE的q值大于春、秋和冬季，有研究發(fā)現(xiàn)主要是因?yàn)辄S河流域的黃土高原大部分地區(qū)夏季容易形成及時(shí)雨、大暴雨等天氣，而由于黃土層的土壤性質(zhì)，導(dǎo)致在SLOPE較大的地區(qū)發(fā)生滑坡、泥石流等自然災(zāi)害，從而對(duì)植被覆蓋產(chǎn)生顯著的影響。以上結(jié)論與李曉麗等［25］研究結(jié)論一致。

圖10 不同因子對(duì)季節(jié)性NDVI變化的q決定力值分布圖Fig.10 Distribution of q driving force values of different factors on seasonal NDVI changes

3 結(jié) 論

基于GIMMS NDVI 數(shù)據(jù)分析了1982-2020 年間黃河流域植被覆蓋的季節(jié)性變化和土地利用、地形、極端氣候和平均氣候?qū)竟?jié)性植被NDVI的貢獻(xiàn)度和不同因子的交互作用對(duì)NDVI的影響。主要結(jié)論如下：

（1）1982-2020 年黃河流域干旱區(qū)NDVI值最低，其次為半干旱區(qū)，濕潤(rùn)區(qū)NDVI值最高，其次為半濕潤(rùn)區(qū)，即NDVI的空間分布與水熱資源分布一致。

（2）1982-2020 年間黃河流域整體以增加趨勢(shì)為主。春季NDVI增加速率為0.002 7 ∕a，其中1982 年和2019 年分別是該地區(qū)近40年NDVI最小和最大的兩個(gè)年份，2005年NDVI變化的突變年。夏季NDVI增加速率0.001 8 ∕a，2008 年是NDVI突變年，且2008 年后夏季NDVI迅速增加。秋季NDVI增加速率為0.001 6 ∕a，2002 年為秋季NDVI突變年。冬季NDVI增加速率為0.001 4 ∕a，2007年是NDVI突變年。

（3）黃河流域NDVI隨著海拔高度增加，NDVI增加速率減小，且夏季的這種趨勢(shì)最明顯。坡度對(duì)春、冬季NDVI變化速率影響不大，但夏、秋季NDVI變化速率隨著坡度增加而顯著減小，尤其在坡度大于6°后夏季NDVI變化速率減小最明顯。

（4）近40 年不同因子對(duì)NDVI的q影響大小為：日最高氣溫的最小值（TXN）的q決定力＞日最低氣溫最大值（TNX）＞日最低氣溫最小值（TNN）＞年均氣溫（TEM）＞土地利用（LUCC）＞日最低氣溫最大值（TXX）＞每年連續(xù)五天降雨量最大值（RX5DAY）＞風(fēng)速（WIN）＞海拔（DEM）＞坡度（SLOPE）＞年均累計(jì)降水（PER）。其中，任何兩種因子的交互作用都大于或等于單個(gè)因子對(duì)NDVI的影響。且TEM和PER在1980-2020 年對(duì)植被NDVI的決定力呈下降趨勢(shì)，而LUCC 和SLOPE的影響力呈增加趨勢(shì)，且LUCC的q值增加幅度較SLOPE大。極端溫度和降水對(duì)其影響沒(méi)有明顯的時(shí)間趨勢(shì)。