關中平原城市群氣候變化和人類活動對植被NDVI變化的影響

摘要" ［目的］研究關中平原城市群氣候變化和人類活動對植被NDVI變化的影響。［方法］基于2001—2020年的植被NDVI和地表溫度數據，運用趨勢分析和殘差分析等方法分析近20年關中平原城市群植被生長季植被NDVI變化趨勢，以及氣候變化和人類活動對生長季植被NDVI的驅動力分析及其貢獻率。［結果］近20年來研究區生長季植被NDVI呈波動性增加趨勢，其變化受氣候變化和人類活動共同影響，且存在較大空間異質性，研究區中部生長季植被NDVI降低主要歸因于人類活動的影響。氣候變化和人類活動對生長季植被NDVI貢獻率主要為正值，人類活動因素的貢獻率更高，且研究區水系兩側多呈現氣候變化抑制、人類活動促進的情況。［結論］關中平原城市群中人類活動對生長季植被NDVI的影響較大，建議在綜合因素分析中多重視人類活動影響。

關鍵詞" 生長季植被NDVI；氣候變化；人類活動；殘差分析；關中平原城市群

中圖分類號" X173" 文獻標識碼" A" 文章編號" 0517-6611（2024）05-0068-06

doi：10.3969/j.issn.0517-6611.2024.05.017

開放科學（資源服務）標識碼（OSID）：

Effect of Climate Change and Human Activities on NDVI Changes in Vegetation in the Guanzhong Plain Urban Agglomeration

TIAN Xiao-feng，ZHANG Chong，LI Yu

（Shaanxi Provincial Key Laboratory of Disaster Monitoring and Mechanism Simulation，Baoji University of Arts and Sciences，Baoji，Shaanxi 721013）

Abstract" ［Objective］ To study the effect of climate change and human activities on NDVI changes in vegetation in the Guanzhong Plain urban agglomeration.［Method］Based on vegetation NDVI and surface temperature data from 2001 to 2020，trend analysis and residual analysis were used to analyze the trend of vegetation growth season vegetation NDVI change in the Guanzhong Plain urban agglomeration in the past 20 years，as well as the driving forces and contribution rates of climate change and human activities on vegetation growth season vegetation NDVI.［Result］In the past 20 years，the vegetation NDVI in the growth season of the study area had shown a fluctuating increase trend，and its change was jointly affected by climate change and human activities，and there was a large spatial heterogeneity.The reduction of vegetation NDVI in the growth season of the middle of the study area was mainly due to the impact of human activities.The contribution rate of climate change and human activities to the vegetation NDVI during the growing season was mainly positive，and the contribution rate of human activity factors was higher.Moreover，both sides of the water system in the study area mostly exhibit climate change inhibition and human activity promotion.［Conclusion］The human activities have a significant impact on vegetation NDVI during the growth season in the Guanzhong Plain urban agglomeration.It is recommended to pay more attention to the impact of human activities in comprehensive factor analysis.

Key words" Vegetation NDVI during the growing season;Climate change;Human activities;Residual analysis;Guanzhong Plain urban agglomeration

基金項目" 陜西省社會科學基金項目（2020D008）；陜西省自然科學基礎研究計劃項目（2021JM-513）；陜西省教育廳科學研究計劃項目（21JK0475）；陜西省教育廳專項科研計劃項目（21JK0477）；寶雞文理學院第十五批校級教改資助項目（YJ20JGYB12）。

作者簡介" 田曉鳳（1998—），女，陜西榆林人，碩士研究生，研究方向：植被遙感。*通信作者，講師，博士，碩士生導師，從事植被遙感方面的研究。

收稿日期" 2023-04-11

歸一化植被指數（normalized difference vegetation index，NDVI）與植物生長環境、植被覆蓋度、累積生物量、光合有效輻射、植被生產力和葉面積指數有較高的相關性［1］，并且可以有效反映區域植被的生長狀況，是監測區域自然生態系統變化以及植被生長變化的有效指標［2-3］。國內外學者基于NDVI數據，運用趨勢分析［4］、多元回歸殘差分析［5］、地理探測器［6］和干旱指數計算［7］等方法研究了植被空間分布特征、植被覆被變化、氣溫降水等氣候變化對植被覆被的影響以及影響植被變化的驅動因素等［8-10］。目前最常用的NDVI數據有4種，分別為SPOT NDVI、MODIS NDVI、GIMMS NDVI和AVHRR NDVI［11］，這4種NDVI數據產品在傳感器、數據矯正和處理方法、時空分辨率以及監測范圍等方面存在差異性［12］。雖然使用不同種類NDVI產品數據會對研究結果產生一定影響，但在長時間序列及大尺度空間范圍情況下，研究植被覆被變化及其時空格局、植被生產力計算以及植被變化歸因分析等方面存在較大優勢。

土壤濕度的傳統計算方法包含快速烘干法、張力計算法、時域反射儀、γ射線法、電阻法和核磁共振法等，但傳統方法普遍存在采樣耗時長、速度慢、消耗過多人力物力財力以及監測范圍小等情況，難以滿足大尺度長時間序列實時精準監測的要求。隨著遙感技術的高速發展與普及，遙感技術探測范圍廣，獲取資料速度快、周期短以及受地面條件限制少等優勢，使得運用遙感數據進行高效、實時、動態監測土壤水分成為可能［13］。在土壤水分遙感反演中，通過NDVI和LST特征空間反映土壤水分的方法得到廣泛應用［7，14］。

以往研究較多采用相關分析［15］等方法，研究區域植被NDVI的長期變化趨勢以及驅動力分析，驅動力多以氣溫、降水等氣候變化、土壤以及水文等自然因素為研究對象，但人類活動對植被NDVI的影響研究相對較少。因此，在長時間序列中從氣候變化和人類活動兩方面，研究其對生長季植被NDVI的驅動力以及量化不同驅動力的相對貢獻情況，對未來城市化發展以及生態修復建設均具有一定的現實意義。基于此，該研究運用長時間序列的NDVI數據以及LST數據，構建Ts-NDVI特征空間估算出土壤水分數據，并采用線性趨勢分析、殘差分析等方法，在關中平原城市群范圍內研究生長季植被NDVI的變化特征，探討氣候變化和人類活動對生長季植被NDVI的影響以及評估兩類驅動因素對植被影響的貢獻情況。

1" 資料與方法

1.1" 研究區概況

關中平原城市群分布于我國范圍內的最中心區域，是我國古代絲綢之路的起點，是現代“一帶一路”建設的重要節點，也是我國西北地區經濟實力最強的區域，在國家城市發展建設及生態保護、修復工程中均占據獨特的重要地位。關中平原城市群橫跨陜、甘、晉3省部分區域（圖1），以西安為中心“米”字型向外延伸，其中包含11個市，1個高新技術產業示范區，共89個縣，土地面積為10.71萬km2，約占全國陸地總面積的1.12%。該區域內地形較為復雜，中部為關中平原，南依秦嶺，東跨黃河，包含平原、盆地、山地、丘陵等地形，全域內海拔由西南向東北逐漸降低。

1.2" 數據來源

該研究所采用的數據包括關中平原城市群2001—2020年的植被歸一化指數（NDVI）、地表溫度（land surface temperature，LST）、行政區劃以及主要流域數據。

遙感數據均來源于美國LP DAAC數據中心的MODIS系列產品，其中NDVI數據運用的是MOD13A2數據集，LST數據則采用MOD11A2數據集；這2種數據集擁有相同的空間分辨率，均為1 000 m，而時間分辨率則不同，分別為16和8 d。行政區劃數據和流域數據來源于中國1∶100萬全國基礎地理數據庫。

1.3" 研究方法

1.3.1" 數據預處理。

NDVI數據的比例轉換系數為0.000 1，時間分辨率16 d。LST數據單位為K，數據比例轉換系數0.02，時間分辨率8 d。對于LST與NDVI兩類遙感數據均進行了格式轉換、圖像拼接、坐標轉換、研究區裁剪與真值計算等基礎處理，過程中由于LST與NDVI數據時間分辨率和投影方式等的不同，均做了統一處理。該研究的植被生長季數據選用NDVI數據中每年4—10月的數據，然后進一步得到生長季的累積NDVI與累積土壤濕度。

1.3.2" 土壤水分反演。

Sandholt等［16］運用地表溫度LST和植被NDVI數據構建的Ts-NDVI特征空間可反映出土壤水分的高低狀況，因計算過程中所需數據簡單、易操作的特點，故可用溫度植被干旱指數（temperature vegetation dryness index，TVDI）來表征土壤水分。計算原理詳見以下公式：

TVDI=Ts-TsminTsmax-Tsmin（1）

式中，Ts為逐個像元的地表溫度；Tsmin為與NDVI所對應像元濕邊的地表溫度；Tsmax為與NDVI所對應像元干邊的地表溫度。

1.3.3" 變化趨勢分析。

運用一元線性回歸來計算生長季NDVI的年際變化趨勢，并用一元線性回歸的斜率來表示生長季NDVI的年際變化率。具體公式如下：

NDVIitr=n×ni=1（i×NDVIi）-ni=1ini=1NDVIin×ni=1i2-ni=1i（2）

式中：NDVIitr是生長季NDVI與時間所擬合的一元線性回歸方程的斜率；NDVIi是第i年植被的生長季累積NDVI；n是研究的總年數，即n=20；i是時間變量，為1～n的整數。NDVIitr有正負，NDVIitr的絕對值越大，表明相應時間內NDVI變化速度越快，其中若NDVIitrgt;0，則表明生長季中NDVI隨時間而增加，反之則降低。

1.3.4" 殘差分析。

運用殘差分析方法，研究氣候變化和人類活動因素對生長季植被覆被變化的影響，并且進一步探究兩類驅動力對影響植被變化的相對貢獻情況。以NDVI為因變量，土壤濕度為自變量，建立回歸模型，并計算相關參數，基于以上數據計算可得到NDVI預測值，用NDVIpre表示；NDVI殘差用NDVIres表示，是將NDVI的觀測值（NDVIobs）和預測值（NDVIpre）作差得到的。

NDVIpre表示氣候變化對NDVI變化的影響，NDVIres表示人類活動變化對NDVI變化的影響。具體公式如下：

NDVIpre=p×SM+q（3）

NDVIres=NDVIobs-NDVIpre（4）

式中：p、q為模型參數;SM為生長季的土壤水分累積量;NDVIobs是基于遙感影像的NDVI觀測值;NDVIpre是基于線性回歸模型計算出的NDVI預測值;NDVIres即為殘差。

1.3.5" 驅動因素及相對貢獻率。

運用公式（3）和公式（4）分別對NDVIpre與NDVIres數據進行計算，所計算的結果代表不同驅動因素影響下的生長季植被NDVI的變化趨勢，若趨勢為正，則表明該驅動因素導致生長季植被NDVI增加，對植被NDVI的恢復起促進作用；若趨勢為負，則表明該驅動因素導致生長季植被NDVI降低，對植被NDVI的恢復起抑制作用。其中，NDVIpre的計算結果代表氣候變化影響下生長季植被NDVI的變化趨勢，而NDVIres的計算結果代表人類活動影響下生長季植被NDVI的變化趨勢。

根據NDVIpre與NDVIres的變化趨勢情況，將兩類驅動因素對生長季植被NDVI的影響進行分級討論，共分為7個級別，便于直觀且清晰地評價2種因素的影響。具體分級標準如表1所示。

根據公式（2）計算出NDVIpre和NDVIres的變化趨勢，表示為slopeNDVIpre和slopeNDVIres，將二者分別與NDVIitr相除，得到的結果分別代表影響生長季植被NDVI變化的氣候變化和人類活動兩大驅動因素對其影響的相對貢獻率。驅動因素的具體判定及相對貢獻率詳情見表2。

相對貢獻率計算公式：

氣候變化=slopeNDVIpreNDVIitr×100%（5）

人類活動 =slopeNDVIresNDVIitr×100%（6）

2" 結果與分析

2.1" NDVI時空變化特征

從2001—2020年生長季累積NDVI年際變化趨勢（圖2）可以看出，生長季累積NDVI整體呈波動增加趨勢，在研究時間段內生長季累積NDVI從6.43增長至7.88，其中2002、2020年相對增長較快。2002—2019年生長季累積NDVI持續性波動變化，年際變化幅度多在0.20 左右，其中2011—2012年變化幅度最大，幅度接近0.40。

圖2" 2001—2020年生長季累積NDVI年際變化

Fig.2" Interannual variation of cumulative NDVI during the growing season from 2001 to 2020

2001—2020年生長季累積NDVI變化趨勢空間分布如圖3所示。整體來看，關中平原城市群生長季累積NDVI呈增加趨勢的區域較大，占研究區總面積的83.76%，生長季累積NDVI呈下降趨勢的區域占研究區總面積的16.24%。其中，NDVI增長率為0.02～lt;0.10/10 a的區域占比最多，占研究區總面積的57.94%，每個省（市）均有大面積分布，其次增長率為0～lt;0.02/10 a的區域分布面積較大，占比為15.12%，主要分散分布于陜西省周邊，且多數分布于南部及西部地區；生長季累積NDVI呈減小趨勢的區域主要集中分布在陜西和山西兩省，陜西省主要分布在西安、咸陽、渭南3市交接處以及向東西橫向延伸的區域，山西省則主要分布于臨汾市中部、運城市南部以及兩市交界范圍。

2.2" 驅動力分析

氣候變化和人類活動兩大驅動因素對植被NDVI的影響詳情見圖4，圖4顯示出兩者的影響存在明顯的空間異質性。不同驅動因素對相同區域影響的分布具有很大差別，而不同區域對于同一種驅動因素的影響反饋也各有不同。

氣候變化對生長季植被NDVI的影響總體來看，絕大多數區域表現為基本無影響，其面積占比為研究區總面積的71.76%，主要集中分布在研究區內陜西、山西兩省所在區域；氣候變化對生長季植被NDVI起抑制作用的區域約占研究區總面積的4.26%，零星分布于研究區內各區縣，相對較集中分布于兩處，一處為西安北部與咸陽交界區域，另一處分布于研究區內陜、晉兩省交界處，與該區域黃河流域部分分布吻合度較高，或與水域有相關影響；氣候變化對生長季植被NDVI起促進作用的區域約占研究區總面積的23.98%，集中分布于研究區中甘肅省所在區域，中度促進和明顯促進作用區域僅占研究區總面積的2.76%，主要分布于甘肅省天水市東部。

人類活動對生長季植被NDVI的影響整體來看，有近78.83%的地區均由于人類活動的影響而對生長季植被NDVI起到促進作用，且以輕微促進作用和中度促進作用為主，分別占研究區總面積的44.61%和29.24%，主要分布于研究區內甘肅省區域、陜西省西北與東南區域以及山西省中部與東部；人類活動相較于氣候變化來說，對生長季植被NDVI基本無影響作用的區域分布范圍小很多，僅占研究區總面積的9.34%，并少量零散的分布于研究區南部；人類活動對生長季植被NDVI的影響起抑制作用的區域占研究區總面積的11.83%，大部分地區均為輕微抑制生長季植被NDVI的增加，抑制作用較強的區域主要分布于研究區內陜西省中部以及山西省部分區域，其中對生長季植被NDVI抑制作用最強的在陜西省境內，西安與咸陽交界的東部尤為明顯。

氣候變化和人類活動兩大驅動因素對生長季植被NDVI的影響作用范圍詳情見圖5。圖中表明研究區內有66.7%的區域均是由氣候變化和人類活動兩大因素協同作用，綜合影響了生長季植被NDVI的變化，其中57.4%的區域使生長季植被NDVI增加，大面積分布于研究區內甘肅省范圍，陜西省和山西省也均有零散小范圍分布；而9.3%的區域使生長季植被NDVI減少，主要分布于研究區內陜西省范圍，其中氣候變化和人類活動共同抑制生長季植被NDVI的增加主要分布于陜西省中部，且西安與咸陽和渭南交界處較多，山西省也有小范圍零星分布。整體來看，在兩大促動因素的影響下，較大區域范圍內對生長季植被NDVI均起到促進作用，導致生長季植被NDVI的增加，其面積占比高達83.8%，其余16.2%的區域范圍內對生長季NDVI則起到抑制作用，導致生長季植被NDVI的減少。氣候變化的抑制作用小于人類活動的促進作用的情況，在研究區內占比也較大，占研究區總面積的25.5%，主要分布于陜西省區域內。

2.3" 不同驅動因素對生長季植被NDVI變化的貢獻率

氣候變化和人類活動對生長季植被NDVI變化的貢獻率見圖6。整體來看，人類活動因素比氣候變化因素對研究區內植被變化的影響貢獻率高，由于研究區為關中平原城市群，大面積區域均存在相對較多的人口分布，因而人類活動因素對植被影響的貢獻率普遍較高；2種驅動因素對不同區域植被的貢獻率具有較大分異，但研究區內陜、甘、晉3省中，甘肅省的空間分布情況與陜西省、山西省的情況明顯不同。

在氣候變化驅動因素的影響下，研究區內較大面積對生長季植被NDVI的貢獻率為-20%～lt;20%，占研究區總面積的81.0%，其中貢獻率為0～lt;20%的占比最大，為54.0%，主要集中分布于陜、晉兩省以及甘肅省平涼市和慶陽市；其次，研究區內氣候變化的貢獻率為20%～lt;40%的占比較大，占研究區總面積的12.2%，主要集中于甘肅天水市及平涼市西北部，還有零星分布于陜、晉兩省交界處；氣候變化的貢獻率≥40%的區域較少，占研究區總面積的3.2%且分布較為零散。整體上，氣候變化因素在研究區內的貢獻率都處于較低值。

在人類活動驅動因素的影響下，研究區內較大面積對生長季植被NDVI的貢獻率為20%～lt;40%，占研究區總面積的68.7%，每個縣（區）內均有分布；其次，占比較高的為貢獻率40%～lt;60%，占比達21.2%，較多分布于寶雞、西安、渭南南部以及商洛西部；其余貢獻率總占比為10.1%，零星分布于各縣區內，其中貢獻率0～lt;20%主要集中分布于甘肅省天水市。相比氣候變化因素而言，在研究區內人類活動對生長季植被NDVI的影響普遍處在相對較高的貢獻率范圍。

氣候變化和人類活動影響植被變化的貢獻率對比來看，兩大驅動力對植被變化的貢獻率分布情況與流域分布情況也存在相關性，整個研究區內包含的主要流域有東西向橫穿陜西的渭河流域、陜西境內南北走向的涇河流域、陜晉兩省交界處分布的黃河流域以及山西省境內部分汾河流域。從圖6可以明顯看出，流域周邊范圍內，氣候變化因素的貢獻率相對較低甚至呈現為負貢獻率，而該范圍內人類活動因素相較其他

無流域地區貢獻率增加，表明在河流附近人類活動因素影響占比較重，氣候變化因素影響相對較輕，城市化建設依賴于河流，因而流域周邊人類活動影響因素加重；南部秦嶺地區植樹造林也加劇了該地區植被受人為活動影響的比重。

甘肅省天水市相較于其他各縣區情況表現出明顯差異，其原因可能與高程相關。整個研究區，高程是由西南向東北方向呈降低趨勢，中部關中平原區域高程最低，而由于甘肅省天水市高程較高，也可能與地形因素影響有關，相應受氣候因素影響較多，人類活動因素影響較小，天水市氣候變化對植被NDVI的影響相較研究區其他縣區貢獻率偏高，而人類活動因素則恰好相反。

3" 討論

該研究表明，關中平原城市群的生長季植被NDVI是受氣候變化和人類活動共同作用影響的，且整體植被恢復較快，其中人類活動影響因素占比較重，68.7%區域貢獻率達20%～lt;40%。人類活動因素對植被恢復的正向影響在2000年后更加顯著，大規模的生態恢復政策（比如實施植被建設工程退耕還林等）促使植被覆被增加［17］。因此，在關中平原城市群研究區范圍內，人類活動對植被的影響占據主要地位，氣候變化因素次之。

該研究結果與張芳寧等［3］、金凱［18］的研究結果吻合度較高，張芳寧等研究認為人類活動對生長季植被NDVI影響的貢獻率大于60%的區域集中在黃土高原南部（關中平原城市群則正位于黃土高原研究區南部）；金凱研究表明人類活動因素對植被恢復的影響比氣候變化因素強烈，且在1982—2015年陜晉兩省的人類活動對生長季植被覆被增加的貢獻率都超過65%。

研究結果存在一定差異，可能與研究時段、運用的數據以及數據處理方式不同等原因有關。該研究運用NDVI數據和LST數據估算出土壤水分，因土壤水分是綜合了多自然因素的綜合體現，故運用土壤水分數據表征研究區氣候變化狀況，后通過趨勢分析及殘差分析等方法量化分析了生長季植被NDVI的驅動因素及相應影響貢獻情況。

生長季植被NDVI受多重因素共同影響，除該研究中的氣候變化和人類活動因素外，植被類型、地形、地貌、土壤、水域和當地政策等均對其產生影響，且各因素之間也存在相互影響關系，因而該研究結果也存在一定不確定性。在大尺度長時間范疇內進行研究，對植被變化影響的歸因分析和貢獻率分析較難摒除掉其他因素干擾以及影響因素之間的相互干擾，只針對單一因素精準量化分析。故后期可以針對影響植被變化的驅動因素進行細化研究，提高影響因素的數據精度并降低因素間相互作用對評估結果產生的誤差，深挖植被變化與各因素之間的關系。目前，生長季植被NDVI變化影響因素的量化研究還需進一步加深。

4" 結論

該研究基于2001—2020年關中平原城市群NDVI數據和LST數據，利用趨勢分析、殘差分析等方法，對關中平原城市群近20年生長季植被NDVI時空變化特征、氣候變化和人類活動對生長季植被NDVI變化的驅動力以及不同驅動力因素的相對貢獻情況進行分析。具體結論如下：

（1）關中平原城市群2001—2020年生長季植被NDVI整體呈波動上升的趨勢，變化范圍在6.43～7.88，2002—2019年生長季植被NDVI呈持續性波動變化。研究區生長季植被NDVI存在較大空間分異，其中生長季植被NDVI普遍呈增加趨勢，增加趨勢主要集中于0.02～lt;0.10/10 a，占研究區總面積的57.94%，此增長區間在研究區內所有市區均有分布；生長季植被NDVI呈減小趨勢的區域主要分布在陜西省和山西省，甘肅省分布占比較低。

（2）氣候變化和人類活動兩大驅動因素對關中平原城市群生長季植被NDVI的影響存在較大差異。氣候變化因素71.76%區域均呈無影響狀態，對生長季植被起促進作用的區域集中分布于甘肅省，起抑制作用的區域分布最少，其面積占比為4.26%，且零星分布于陜晉兩省交界黃河區域范圍以及西安和咸陽相接范圍的東北部。人類活動因素對生長季植被NDVI主要起促進作用，其面積占比為78.83%，主要分布于甘肅省、陜西省周邊以及山西省中部與東部，此外研究區內陜西省中部以及山西省部分地區出現抑制作用較為明顯。

（3）氣候變化和人類活動對生長季植被NDVI變化的相對貢獻在空間分布上存在較大差異性。氣候變化的貢獻率主要集中在-20%～lt;20%，尤其是0～lt;20%貢獻率占比最大，占研究區總面積的54.0%，其主要分布于陜西省、山西省以及甘肅省平涼市和慶陽市，甘肅省天水市大面積區域氣候變化對植被NDVI貢獻率為20%～lt;40%。人類活動驅動因素在整個研究區范圍內對植被NDVI影響的貢獻率基本均為正值，且相比較于氣候變化因素來說，人類活動因素對植被NDVI的貢獻率普遍更高；其中，68.7%的地區貢獻率集中在20%～lt;40%，每個縣（區）內均有分布，貢獻率≥40%的區域面積占比為23.3%，較多分布于寶雞市、西安市、商洛西部、渭南南部。

參考文獻

［1］

劉海，劉鳳，鄭糧.氣候變化及人類活動對黃河流域植被覆蓋變化的影響［J］.水土保持學報，2021，35（4）：143-151.

［2］ 賈文雄，陳京華.1982—2014年祁連山植被生長季NDVI變化及其對氣候的響應［J］.水土保持研究，2018，25（2）：264-268.

［3］ 張芳寧，楊亮潔，楊永春.1981—2016年黃土高原植被NDVI變化及對氣候和人類活動的響應［J］.水土保持研究，2023，30（2）：230-237.

［4］ 杜秉晨曦.準噶爾盆地植被變化趨勢及其對關鍵生態因子的響應研究［D］.石河子：石河子大學，2021.

［5］ 耿慶玲，陳曉青，赫曉慧，等.中國不同植被類型歸一化植被指數對氣候變化和人類活動的響應［J］.生態學報，2022，42（9）：3557-3568.

［6］ 何亮.黃土高原植被覆蓋變化特征及驅動力分析［D］.呼和浩特：內蒙古農業大學，2021.

［7］ 張翀，雷田旺，宋佃星.黃土高原植被覆蓋與土壤濕度的時滯關聯及時空特征分析［J］.生態學報，2018，38（6）：2128-2138.

［8］ 董弟文，阿布都熱合曼·哈力克，王大偉，等.1994—2016年和田綠洲植被覆蓋時空變化分析［J］.生態學報，2019，39（10）：3710-3719.

［9］ 張心茹，曹茜，季舒平，等.氣候變化和人類活動對黃河三角洲植被動態變化的影響［J］.環境科學學報，2022，42（1）：56-69.

［10］ 張華，李明，宋金岳，等.基于地理探測器的祁連山國家公園植被NDVI變化驅動因素分析［J］.生態學雜志，2021，40（8）：2530-2540.

［11］ 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.

［12］ MUNYATI C，MBOWENI G.Variation in NDVI values with change in spatial resolution for semi-arid savanna vegetation：A case study in northwestern South Africa［J］.International journal of remote sensing，2013，34（7）：2253-2267.

［13］ 徐嘉昕，李璇，朱永超，等.地表土壤水分的衛星遙感反演方法研究進展［J］.氣象科技進展，2019，9（2）：17-23.

［14］ 高培霞，張吳平，梁爽，等.基于溫度植被干旱指數（TVDI）的土壤干濕反演［J］.灌溉排水學報，2018，37（10）：123-128.

［15］ 馬維偉，孫文穎.尕海濕地植被退化過程中有機碳及相關土壤酶活性變化特征［J］.自然資源學報，2020，35（5）：1250-1260.

［16］ SANDHOLT I，RASMUSSEN K，ANDERSEN J.A simple interpretation of the surface temperature/ vegetation index space for assessment of surface moisture status［J］.Remote sensing of environment，2002，79（2/3）：213-224.

［17］ HU Y G，LI H，WU D，et al.LAI-indicated vegetation dynamic in ecologically fragile region：A case study in the Three-North Shelter Forest program region of China［J］.Ecological indicators，2021，120：1-11.

［18］ 金凱.中國植被覆蓋時空變化及其與氣候和人類活動的關系［D］.楊凌：西北農林科技大學，2019.