2001—2020年黃土高原氣候對植被NDVI空間異質性的影響

李俞 張翀 田曉鳳

收稿日期：2023-05-25

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）；寶雞文理學院第十五批校級教改資助項目（YJ20JGYB12）

作者簡介：李 俞（1996-），女，陜西西安人，在讀碩士研究生，主要從事植被遙感方面的研究，（電話）17868877226（電子信箱）2759577303@qq.com；通信作者，張 翀（1986-），男，講師，博士，主要從事資源環境遙感與GIS研究，（電子信箱）zhangch3348@126.com。

李 俞，張 翀，田曉鳳. 2001—2020年黃土高原氣候對植被NDVI空間異質性的影響［J］. 湖北農業科學，2024，63（5）：30-36．

摘要：選用2001—2020年歸一化植被指數（Normalized difference vegetation index， NDVI）和氣候數據，通過地理加權法探究黃土高原氣候變化對植被及其變化趨勢的影響。結果表明，黃土高原NDVI與地表溫度在空間上具有非平穩關系，NDVI與溫度指標的回歸系數主要以負值為主，主要集中在北部的內蒙古高原，空間正相關則集中分布于胡煥庸線以南區域；對比不同氣候指標的標準化系數可知，降水量是黃土高原植被變化的主要因素，占黃土高原總面積的30.90%，植被受水分控制作用較為顯著的區域主要集中在黃土高原中北部的內蒙古高原及西部祁連山附近；而黃土高原中南部植被活動的主導因素為氣溫，面積占42.91%，其中最高氣溫對NDVI的主導區域范圍最廣，影響區包括甘肅省東部、陜西省中部、山西省南部及河南省，其植被主要以農業和林業為主，降水量充沛，隨著溫度的升高，植被活動均有所增強。NDVI變率與氣候變率的回歸結果表明，黃土高原氣溫增高對植被的生長起到促進作用的區域較廣；但黃土高原西北部也存在氣溫和降水量減少而植被卻表現為增長趨勢的情況。

關鍵詞：NDVI；空間異質性；氣候變化；地理加權回歸；黃土高原

中圖分類號：Q948.11； X171.1???????? 文獻標識碼：A

文章編號：0439-8114（2024）05-0030-07

DOI：10.14088/j.cnki.issn0439-8114.2024.05.006??????????? 開放科學（資源服務）標識碼（OSID）：

Effect of Loess Plateau climate on the spatial heterogeneity of NDVI from 2001 to 2020

LI Yu， ZHANG Chong， TIAN Xiao-feng

（Baoji University of Arts and Sciences/Shaanxi Key Laboratory of Disasters Monitoring & Mechanism Simulation， Baoji? 721013， Shaanxi， China）

Abstract： Based on the normalized difference vegetation index （NDVI） and climate data from 2001 to 2020， the effects of climate change on vegetation and vegetation change trends in the Loess Plateau were explored by geographically weighted method. The results showed that there was a non-stationary relationship between NDVI and land surface temperature in the Loess Plateau. The regression coefficient of NDVI and temperature index was mainly negative， and mainly concentrated in the northern Inner Mongolia Plateau， while the spatial positive correlation was concentrated in the south of Huhuanyong line. By comparing the standardized coefficients of different climate indicators， it could be seen that precipitation was the main factor controlling vegetation change in the Loess Plateau， accounting for 30.90% of the total area of the Loess Plateau. The areas where vegetation was significantly controlled by water were mainly concentrated in the Inner Mongolia Plateau in the northern and central part of the Loess Plateau and near the Qilian Mountains in the west. The main dominant factor of vegetation activity in the central and southern part of the Loess Plateau was the temperature， accounting for 42.91% of the total area of the Loess Plateau. Among them， the highest temperature had the widest influence on NDVI， including eastern Gansu Province， central Shaanxi Province， southern Shanxi Province and Henan Province. The vegetation in these areas was mainly agriculture vegetation and forestry vegetation， the precipitation was abundant， and with the increase of temperature， vegetation activity had increased. The regression results of NDVI variability and climate variability showed that the increase of temperature in the Loess Plateau promoted the growth of vegetation in a wide area. However， in the northwest of the Loess Plateau， the temperature and precipitation decreased while the vegetation showed an increasing trend.

Key words： NDVI； spatial heterogeneity； climate change； geographically weighted regression （GWR）； Loess Plateau

植被作為陸地、大氣間重要的調節器，對陸地生態系統的運轉尤為重要，也是對氣候變化敏感性最強的組成成分［1，2］。歸一化植被指數（Normalized difference vegetation index，NDVI）主要用于描述植被覆蓋情況，能準確反映區域內植被覆蓋的變化情況［3］，主要用于研究生態系統與氣候變化的響應。氣候與植被間具有密不可分的關系，氣候是影響植被生長狀況的重要因素［4，5］，不同的水熱組合會形成不同的植被類型，氣候的改變不僅影響植被的生理性質和變化趨勢，更會影響區域的生態系統。黃土高原地形復雜，水熱組合形式多樣，包括半濕潤區、半干旱區、干旱區和寒旱區，生態環境脆弱，時空差異性明顯［6］，研究黃土高原植被與氣候空間非平穩關系對氣候變化、生態系統保護、促進黃土高原可持續發展等具有重要意義。

對氣候變化與植被覆蓋度的關系在全球尺度與區域尺度上的研究已有階段性進展，溫度與水分是影響植被變化的主要因素，但由于研究區域氣候條件、地理位置、植被類型、土質狀況等因素，其變化具有較強的空間異質性［7，8］，例如干旱地區溫度較高，蒸發量大，降水量少，加劇干旱程度，溫度會抑制植被的生長，而濕潤地區溫度對植被的影響為正［9］；又如降水量的增加在干旱地區增強植被的生長，而在濕冷的北方卻表現為抑制。在時間尺度上植被與氣候的關系也存在明顯的差異，植被生長期溫度的上升加速植被的光合速率，增加植被生物量的累積，而非生長期溫度的升高則抑制植被的生長狀況［10］。此外，不同的植被類型所需的溫度與水分的最適范圍也存在差異。不同土壤質地上的植被對水熱組合情況也有差異，土壤的儲水能力、粒級大小、土壤濕度等均具有不平穩性。因此，不同氣候指標在空間和時間上的疊加加大了NDVI與氣候的關系復雜程度。

當前對植被與氣候關系的研究集中在趨勢分析，是在假設溫度與降水相互獨立的基礎上研究植被與溫度、降水量的關系，而且氣候指標的選取中僅考慮了平均溫度和降水量對植被覆蓋度變化的影響。近年來對黃土高原植被與氣候響應的研究增多，但還需深化宏觀層面上植被活動受氣候因子空間非平穩性的影響，明確氣候主導因子對區域植被動態關系的反映機理［11-13］。本研究立足于氣候-植被NDVI空間非平穩性，采用黃土高原2001—2020年3個溫度指標和2個水分指標以及這些指標的變率分別對植被NDVI及其變率進行局部空間回歸，并標識出氣候因素中的主導因子及作用范圍，深度分析黃土高原植被NDVI空間異質性的氣候影響及分布格局，以期推進黃土高原植被與氣候關系的研究進展。

1 數據來源與方法

1.1 氣候數據

采用平均氣溫、最高氣溫和最低氣溫表征溫度指標，采用降水量和相對濕度表征水分指標。氣候數據來源于國家地球系統科學數據中心-黃土高原分中心（http：//loess.geodata.cn）。相對濕度數據是基于中國地面824個氣象臺站相對濕度的月值資料，利用ANUSPLIN軟件的樣條法（TPS，Thin plate spline）進行空間插值。溫度與相對濕度使用各月的平均值，采用最高氣溫的年均值表征白天溫度，夜晚溫度則采用最低氣溫的年均值，年際降水量采用加和處理后的降水量。

1.2 NDVI數據

NDVI數據通常用于表征植物的生長狀況和覆蓋程度等。數據來源于LAADS DAAC美國航空航天局（https：//search.earthdata.nasa.gov/）MODIS影像，采用MOD13A3數據集，空間分辨率為1 km，時間間隔為1個月，轉化系數為0.000 1，去除云量和太陽高度角的影響后得到黃土高原2001—2020年NDVI月值數據， NDVI采用同年各月的平均值。

1.3 氣候與植被NDVI的年際變化分析

以時間為自變量，分別以氣候和植被作為因變量，利用最小二乘法（OLS）分析柵格尺度上氣候與植被指標的年際變化趨勢，計算式如下。

[θslope=n×i=1nYi-i=1nii=1nYin×i=1ni2-i=1ni2]?? ????????? （1）

式（1）中，[θslope]為線性回歸的斜率；n表示研究年份的總數，本研究為20；Yi為第i年氣候或植被指標。

1.4 氣候-植被NDVI空間非平穩性的表征方法

通過自相關指數Morans I計算出周圍其他位置上的值對中心數值的影響程度，如選取的指標具有空間非平穩性，則在地理位置上對自變量與因變量間的空間差異進行探究。

地理加權回歸（GWR）是由Brunsdon等［14］提出的局域空間分析方法，該模型的表達形式為：

[yi=β0（μi，νi）+k=1pβk（μi，νi）Xik+εi]? ? ?（2）

式（2）中，yi、Xik、[εi]分別代表空間上i點的因變量、自變量和隨機誤差；（[μi]，[νi]）為i點的空間位置；k代表自變量的個數；[βk]是i點上的回歸系數，[β0]為截距。本研究中，年均植被NDVI及其變率分別作為因變量，氣候指標及其變率作為相應的自變量，用以分析氣候因子在植被NDVI空間異質性中的作用程度。

GWR模型采用局部加權最小二乘法，其中權重是在距離衰減前提下去評估點到周邊各觀測點的空間距離的函數，采用高斯模型，并利用AICc作為評價模型復雜性和精確度的指數確定最優帶寬［15］。

2 結果與分析

2.1 植被NDVI與氣候變化關系的非平穩性檢驗

地理加權回歸運用的前提條件是自變量與因變量間存在地理位置上的空間差異性，即距離越近，其影響越強；距離越遠，影響越弱［16］。空間自相關指數Morans I是在地理學第一定律的基礎上，計算某一個位置上的數據與其他位置上數據間存在的依賴程度，以此進行空間分布的非平穩性檢驗。對氣候各要素指數及其變率進行空間自相關分析，結果表明Morans I均大于0.85，且Z均大于2.58（表1），具有統計意義，所選取的指標具有空間非平穩性，可以進行地理加權回歸分析，氣候要素在不同的地理位置對植被NDVI及其變化具有較強影響。

2.2 植被NDVI與溫度指標的空間非平穩性關系

為了消除量綱的影響，分別對NDVI、平均氣溫、最高氣溫、最低氣溫、總降水量和相對濕度進行最大值標準化處理后，再對NDVI與各氣候指標進行地理加權回歸。

2001—2020年平均植被NDVI呈由西北向東南遞增的趨勢，植被NDVI較高的區域集中在燕山-太行山一帶、汾渭盆地及秦嶺附近，主要植被類型為落葉和常綠闊葉林；NDVI較低的區域在黃土高原西北部內蒙古高原，主要為沙地、荒漠和草原（圖1）。

由溫度指標與NDVI地理加權回歸的結果（圖2）可以看出，黃土高原西北地區NDVI與氣溫的相關系數為負值，約占黃土高原總面積的55%，說明西北部地區氣溫越高植被越稀疏，NDVI的分布在西北部地區隨溫度的升高而受到抑制，其原因是西北部地區海拔較高，地處內陸，距海洋較遠，水分難以到達，降水量較少，而蒸散量遠大于降水量，植物缺水導致植被較少，也存在西部風大、沙地較多、土壤肥力較低等因素導致植被稀缺的問題。而黃土高原西部賀蘭山與日月山附近，雖然同樣海拔較高且降水量較少，但NDVI仍與溫度呈正相關關系，是因為此處為冰川高寒地區，植被的水分補給主要來自冰川融水，所以隨著溫度升高，植被更茂密。東南部秦巴山地植被NDVI與氣溫呈正相關關系，降水充沛，溫度越高植被越茂密。3個氣溫指標表現情況基本相同，無明顯差異，氣溫與NDVI的相關性均呈由西北向東南遞增的趨勢（圖2）。

2.3 植被NDVI與水分指標的空間非平穩性關系

分別對水分指標降水量和相對濕度與植被NDVI進行地理加權回歸，結果見圖3。降水量與NDVI呈負相關關系的區域集中在陜西北部、內蒙古南部、寧夏南部及甘肅南部地區；降水量與NDVI呈正相關關系的地區則集中在山西、陜西中部和南部及內蒙古北部地區。相對濕度與NDVI呈負相關關系的地區集中在甘肅和寧夏，主要是由于當地風大，相對濕度小，影響植被的生長；內蒙古北部、山西、陜西中部及南部、青海等地植被生長狀況均與相對濕度呈正相關關系。

2.4 植被NDVI空間分布的主導氣候因子

對5種氣候指標的標準化系數進行比較，確定黃土高原NDVI變化的氣候主導因子類型及其影響區域。

由圖4可知，黃土高原植被分布狀況主要取決于水分指標的影響，占黃土高原總面積的57.09%，集中在黃土高原北部及青海西部地區，且總降水量對黃土高原植被活動的影響區域大于相對濕度的影響范圍。甘肅北部、寧夏北部、內蒙古北部、山西北部及陜西中部等地區是總降水量對植被影響的主要區域，但甘肅北部和寧夏北部降水量抑制植被的生長（圖3a），說明夏季強降雨是導致其所在區域植被稀少的主要原因。內蒙古北部植被分布的主導因素雖然也是總降水量，但是因其降水量不足且溫度高蒸發量大，從而導致植被匱乏。黃土高原東部和青海西部植被分布狀況由相對濕度主導，與溫度指標呈正相關（圖2），但相對濕度比溫度對此處的植被影響更為重要。相對濕度對植被生長影響的區域主要分布在陜北、內蒙古高原局部及黃土高原西部，是僅次于總降水量的主導因子。除祁連山外，受水分指標控制的地區NDVI均與溫度呈負相關（圖2），表明黃土高原北部地區的植被因降水量較少而溫度較高及土地類型多為沙地和草原，儲水能力較弱，蒸散量大于降水量，使得干旱進一步加劇，所以呈輕微的植被覆蓋度降低的趨勢（圖5）。

黃土高原中南部植被活動的主導因素為溫度指標，其中最高氣溫主導地區面積占比最高，占黃土高原總面積的25.08%（圖4，表2），主要影響區域為甘肅省東部、陜西省中部、山西省南部及河南省，植被主要以農業和林業為主，降水量充沛，隨著溫度的升高，植被活動均有所增強。平均氣溫對黃土高原植被生長狀況的影響區域范圍最小，僅占總面積的4.52%，主要在甘肅南部附近的隴南山地。植被分布狀況以最低氣溫為主導因子的區域集中在青海東部和甘肅中部地區，且與最低氣溫呈負相關關系，這些地區海拔較高，終年積雪，冰川逶迤，主要氣候原因是植被的呼吸作用大于光合作用，消耗了干物質的積累致使植被覆蓋度較低。

2.5 植被NDVI動態與氣候變率的響應格局

對黃土高原2001—2020年NDVI、最高氣溫、最低氣溫、平均氣溫、降水量和相對濕度均與時間進行最小二乘法得到NDVI及5種氣候指標20年的變化趨勢，并對NDVI變率與溫度指標變率進行GWR處理，得到NDVI變率與溫度指標變率的關系。由圖5可以看出，黃土高原NDVI在2001—2020年整體呈增長趨勢，增長面積占黃土高原總面積的95.94%，其中增長速率在0～0.01的占93.28%，增長速率大于0.01的占2.66%，主要分布在黃土高原中部呂梁山附近。主要原因是黃河水土流失的治理取得明顯效果，使得黃河沿岸植被增長較快；而NDVI降低的地區分布較為零散，且降低幅度較小，集中在秦巴山地，秦嶺山地雖降水量有所減少，但其溫度和相對濕度均較高，所以NDVI降低可能是由于人類活動對植被的砍伐以及建設旅游景區等造成的。由NDVI變率與溫度指標變率的關系結果（圖6）可知，NDVI變率與3種溫度指標變率的回歸系數基本相同，但最高氣溫的增長對植被生長趨勢呈促進作用影響的范圍略大于平均氣溫和最低氣溫，NDVI變率與溫度變率的相關系數為負值的區域面積略高于正相關關系，相關系數在-0.2～0.2的區域僅為16%，黃土高原在2001—2020年植被的生長趨勢受氣溫的影響強烈。

在黃土高原中部和東部地區氣溫與NDVI均呈強正相關，相關系數大于0.2，說明此處溫度變化與NDVI變化的趨勢為同方向，即溫度上升速度越快植被增長速率越快，溫度的升高是黃土高原中部和東部地區植被增長的原因；而內蒙古北部與青海西部有少數區域NDVI變率與溫度變率的回歸結果為正值，但NDVI呈下降趨勢，說明這些地區植被覆蓋下降的原因是溫度的降低；黃土高原北部、秦嶺地區及青海大部分區域氣溫變率與NDVI變率都表現出極強的負相關關系，結合圖5可知，在黃土高原北部及青海大部分區域NDVI在20年間的變化仍處于增長趨勢，說明溫度的降低是NDVI升高的原因；而秦嶺地區NDVI呈下降趨勢，說明該地隨著溫度變化速率的不斷升高，植被變化反而受到抑制。

NDVI變率與降水量變率的正相關的區域集中在黃土高原中部地區，而相對濕度變率對黃土高原植被生長變化影響的區域更大，在東部地區也具有極強的正相關關系（圖7）。降水量變率與NDVI變率在黃土高原北部、青海大部分區域及太行山脈附近均存在較強的負相關關系（圖7a），結合圖5可知，在黃土高原北部、青海大部分區域、太行山脈NDVI均呈增長趨勢，這些地區植被增長的原因與降水量的減少有關；而黃土高原中部地區NDVI與降水量呈正相關關系，且植被均為增長趨勢，降水量的增加是植被茂盛的原因。

NDVI變率與相對濕度變率呈負相關關系的區域集中在黃土高原北部、青海大部分區域（圖7b），黃土高原北部及青海植被增長的原因與相對濕度的降低密不可分；黃土高原中部和東部地區相對濕度的增加均致使其植被出現增長的趨勢。

綜合圖5、圖6和圖7的結果來看，2001—2020年黃土高原植被生長速率較快的地區均與溫度、水分呈正相關關系，溫度的升高和降水量的增加均促使其植被呈較快的增長趨勢，合適的水熱平衡關系促進植被的生長；在黃土高原西北部區域存在氣溫與降水量均處于下降趨勢而植被卻表現為緩慢增長的情況，主要是人為因素的影響，在不適宜的氣候條件下進行的生態修復工程措施；而各氣候因素均處于有利于植被生長條件下，2001—2020年卻表現為植被快速降低的區域集中在西安、洛陽等地，出現這一差異的原因主要是受城鎮化進程的影響。

3 小結與討論

研究表明，植被對氣候因素的響應存在一個最適宜溫度，在最適宜植被生長的溫度之前，溫度對植被的響應多為正向［17］，超過這個溫度后，溫度升高反而會使植被生長受到抑制。例如溫度過高導致蒸發量大于降水量，植被缺水；或者是植物的呼吸速率加快，累積生物量減少［18］。最高溫度與最低溫度對植被的動態變化產生不同的影響。對于水分而言，也不是隨著水分增加植被就一定更加茂密，水分的增加也可能通過云量及相對濕度的增加而抑制植被活動。不同的水熱組合是導致黃土高原植被分布在氣候因素上表現出非平穩性的重要原因。因此，需要綜合多因素考慮植被活動的時間和空間分布規律，明確黃土高原不同區域的主導因子及作用區域。

本研究通過對黃土高原植被NDVI與溫度指標、水分指標的GWR處理，揭示了植被與氣候在空間上呈非平穩性關系，并且明確控制黃土高原植被分布的主導因子及影響范圍。黃土高原中北部的內蒙古高原及西部祁連山附近的高寒區受降水量的影響植被較為稀少，降水量和濕度的增加會使植被量增加，而溫度高會增加其蒸發量，導致進一步干旱，影響植被活動［19］。由溫度控制的區域集中在黃土高原中部及南部的半濕潤區，這些地方水分充沛，土壤含水量較高，溫度的升高將加速植被的光合速率，有利于有機質的積累。

通過分析2001—2020年的NDVI及影響其變化的氣候指標趨勢，發現NDVI波動上升，而影響因素中只有平均氣溫和降水量呈上升趨勢，說明黃土高原上的植被總體上與平均氣溫和降水量的關系更為密切。有些年份的植被出現下降趨勢影響其變化的原因也有所不同。為了進一步確定植被對氣候因素的響應，對NDVI變率與氣候指標變率分別進行GWR分析，突出植被變化與氣候的動態關系。植被增長變化較快的地區其溫度指標與水分指標均呈遞增趨勢，而水熱分布不均的地區或多或少抑制了植被的增長。通過分析各氣候指標變率對NDVI變率的影響可知，黃土高原絕大多數地區植被的增長與溫度指標變率相關，而黃土高原中部和東南部的植被增長趨勢由水分指標變率決定。受控區域的植被變率較大程度與主導因子的變率為負相關關系。植被增長的速率主要是由反映植被光合速率和呼吸速率的氣候因子的速率決定［20］，當植被光合速率大于呼吸速率，氣候因素與NDVI呈正相關關系，植被為增長趨勢。反之，植被狀況則會受到氣候因素的制約。

植被活動不僅受到氣候因素的影響還受到非氣候因素的影響，例如地形、土壤質地、土地的利用狀況等地理因素也具有空間異質性，從而影響植被狀況。本研究也未考慮植被類型，不同的植被對水熱組合狀況的需求不同。另外，大規模的生態工程及政策影響也是影響生態環境狀況的重要因素［16，21］。選用年度數據進行植被狀況對氣候因素的響應，未能反映季節性水熱組合狀況對植被活動的影響規律。本研究選用的地理回歸模型是基于局部空間的回歸，人類活動在空間范圍內也具有相似性，因此其不僅反映了氣候因素對植被的空間異質性，在一定程度上也反映了人類活動的空間異質性。

參考文獻：

［1］ WANG Q， ZHANG Q P， ZHOU W. Grassland coverage changes and analysis of the driving forces in Maqu County［J］. Physics procedia， 2012， 33： 1292-1297.

［2］ 傅伯杰， 于丹丹， 呂 楠.中國生物多樣性與生態系統服務評估指標體系［J］.生態學報， 2020， 37（2）： 341-348.

［3］ 曹永翔， 劉小丹， 張克斌， 等.青海省都蘭縣察汗烏蘇綠洲植被覆蓋度變化研究［J］.中國沙漠， 2011， 31（5）： 1267-1272.

［4］ ZHAO M S， RUNNING S W. Drought-induced reduction in global terrestrial net primary production from 2000 through 2009［J］. Science， 2010， 329（5994）： 940-943.

［5］ JIANG L L， JIAPAER G， BAO A M， et al. Vegetation dynamics and responses to climate change and human activities in Central Asia［J］. Science of the total environment， 2020， 599： 967-980.

［6］ 肖 蓓， 崔步禮， 李東昇， 等.黃土高原不同氣候區降水時空變化特征［J］.中國水土保持科學， 2020， 15（1）： 51-61.

［7］ ZEPPEL M J B， WILKS J V， LEWIS J D. Impacts of extreme precipitation and seasonal changes in precipitation on plants［J］. Biogeosciences， 2014， 11（11）： 3083-3093.

［8］ SEDDON A W R， MACIAS- FAURIA M， LONG P R， et al. Sensitivity of global terrestrial ecosystems to climate variability［J］. Nature， 2016， 531（7593）： 229-243.

［9］ 高江波， 焦珂偉， 吳紹洪. 1982—2013年中國植被NDVI空間異質性的氣候影響分析［J］. 地理學報， 2019， 74（3）： 534-543.

［10］ PIAO S L， NAN H J， HUNTINGFORD C， et al. Evidence for a weakening relationship between interannual temperature variability and northern vegetation activity［J］. Nature communications， 2014， 5： 5018.

［11］ REYER C P O， LEUZINGER S， RAMMIG A， et al. A plant？s perspective of extremes： Terrestrial plant responses to changing climatic variability［J］. Global change biology， 2013， 19（1）： 75-89.

［12］ 吳紹洪， 趙 艷， 湯秋鴻， 等.面向“未來地球”計劃的陸地表層格局研究［J］.地理科學進展， 2015， 34（1）： 10-17.

［13］ 韓 雅，朱文博，李雙成.基于GWR模型的中國NDVI與氣候因子的相關分析［J］.北京大學學報（自然科學版）， 2016， 52 （6）：1125-1133.

［14］ BRUNSDON C， FOTHERINGHAM A S， CHARLTON M E. Geographically weighted regression： A method for exploring spatial nonstationarity［J］. Geographical analysis， 1996， 28（4）： 281-298.

［15］ BROWN S，VERSACE V L，LAURENSON L，et al. Assessment of spatiotemporal varying relationships between rainfall， land cover and surface water area using geographically weighted regression［J］. Environmental modeling and assessment，2012，17（3）： 241-254.

［16］ 張雪梅，王克林，岳躍民，等.生態工程背景下西南喀斯特植被變化主導因素及其空間非平穩性［J］.生態學報，2020，37（12）：4008-4018.

［17］ MICHALETZ S T，CHENG D，KERKHOFF A J，et al. Convergence of terrestrial plant production across global climate gradients［J］. Nature， 2014， 512（7512）： 39-43.

［18］ BROHAN P， KENNEDY J J， HARRIS I， et al. Uncertainty estimates in regional and global observed temperature changes： A new data set from 1850［J］. Journal of geophysical research-atmospheres， 2006， 111（D12）： 121-133.

［19］ FENG X M， FU B J， PIAO S L， et al. Revegetation in Chinas Loess Plateau is approaching sustainable water resource limits［J］. Nature climate change， 2016， 6（11）： 1019-1022.

［20］ WANG Q， NI J， TENHUNEN J. Application of a geographically-weighted regression analysis to estimate net primary production of Chinese forest ecosystems［J］. Global ecology and biogeography， 2005， 14（4）： 379-393.

［21］ Lü Y H， ZHANG L W， FENG X M， et al. Recent ecological transitions in China： Greening， browning， and influential factors［J］. Scientific reports， 2015， 5： 8732.