南昌市NDVI時空演化特征及其氣候驅動因子分析

摘 要：揭示南昌市植被覆蓋的演化特征和確定影響其變化趨勢的主要氣候驅動因子，為其長期穩定、良性發展和積極應對后續的氣候變化提供指導。采用2000—2020年南昌市的NDVI月度數據、氣溫、降水和氣壓等10個氣象驅動因子，利用單樣本K-S（Kolmogorov-Smirnov）檢驗、弗里德曼檢驗、肯德爾和諧系數檢驗法等非參數檢驗法和隨機森林分析方法，對不同驅動因子的重要性進行研究。結果表明，1）在2000—2020年南昌市的NDVI呈波動下降趨勢，該峰值出現在2000年，谷值則在2010年；2）城市整體植被覆蓋呈現四周高中間低的空間分布規律，北部和西部地區的NDVI值相對較高且下降速率緩慢，中部的東湖區和青山湖區等NDVI值相對較低且有明顯下降趨勢；3）植被覆蓋的極大平均值出現在每年8月，受溫度的影響最顯著，而風向的影響最不顯著，降水的影響有一定的時滯性，植被覆蓋變化應結合多要素的共同驅動作用來決定。

關鍵詞：歸一化植被指數； 非參數檢驗； 隨機森林； 氣候變化； 驅動分析。

中圖分類號：S732；Q948；TP79 文獻標識碼：A DOI：10.7525/j.issn.1006-8023.2024.05.006

Analysis of Spatiotemporal Evolution Characteristics of NDVI and Its Climate Driving Factors in Nanchang City

Abstract： To reveal the evolution characteristics of vegetation cover in Nanchang City and identify the main climate drivers affecting its change trends， in order to provide guidance for its long-term stable and benign development and active response to the subsequent climate change. In this paper， NDVI monthly data and ten meteorological driving factors such as temperature， precipitation and pressure of Nanchang City from 2000 to 2020 were used to study the importance of different drivers by using single sample K-S test， Friedmann test， Kendall harmony coefficient test and random forest analysis. The results showed that， 1） the NDVI of Nanchang City showed a fluctuating downward trend from 2000 to 2020， the peak appeared in 2000， while the trough occurred in 2010. 2） The overall vegetation cover of the city showed a spatial distribution pattern of high perimeter and low center， with the NDVI values in the north and the west being relatively high and decreasing at a slow rate， and the NDVI values of the central areas of the city such as the East Lake District and the Castle Peak Lake District being relatively low and with an obvious downward trend. 3） The great average value of the vegetation cover appeared in August each year， which was most significantly affected by temperature and least affected by wind direction， with a certain time lag influenced by precipitation， so the study of vegetation cover change should be determined by combining the driving effect of multiple elements.

Keywords： NDVI； nonparametric test； random forest； climate change； driving analysis

0 引言

植被指數是用來描述植被生長狀況的指標［1］，可以有效地分析地表植被狀況，廣泛應用于植被分類、時空變化、城市土地利用覆蓋和地表干旱監測等方面。歸一化植被指數（NDVI），是用來反映植被生長狀態和趨勢的重要參數，與遙感技術結合，近年來被廣泛應用在分析城市植被狀況的研究中［2-3］。隨著南昌市自然資源和規劃局發布的《南昌市國土空間總體規劃（2021—2035年）》公示稿及國家深入推進實施長江經濟帶重點湖區“4+1”工程政策的實施［4］，對于南昌市植被覆蓋情況的時空演化特征及其氣候驅動因子的研究具有重要意義。

現有研究表明，植被覆蓋與NDVI變化有很大的關聯性［5-7］，人類活動引起的氣候變化對植被覆蓋情況有所影響［8-10］，其中，氣象因子占很大的影響比例［11］，且隨著高程和坡度的增加，氣候對植被的影響逐漸變大［12］。

基于分析方法的不同，各因子的影響程度也有差異。龔新梅［13］利用時間序列分析與回歸分析的相互關系并結合NDVI的COV（Coverage，即覆蓋度）斜率來監測沙漠界限外干旱半干旱區的植被變化情況；張金茜等［14］采用景觀格局指數、主成分分析和地理探測器的方法，定量分析了甘肅白龍江流域的景觀破碎化及其驅動因子；王偉等［15］采用趨勢分析法和地理探測器模型進行分析，發現雙因子交互作用有助于增強對NDVI空間分布以及時空變化的解釋力；張樂勤［16］采用偏最小二乘與通徑分析方法，對生態效率驅動因子邊際直接與間接效應進行考察；馬森等［17］運用泰爾-森估計（Theil-sen，Sen）趨勢分析法分析NDVI時空變化，并結合相關分析及標準化信息流等方法研究塔里木地區氣候變化對植被的影響。

基于不同的研究區域，各氣候驅動因子的重要性也有些差異。穆少杰等［18］對內蒙古地區影響植被生長的因子研究發現，植被生長相比起單因子的影響更加依賴于水熱組合的作用，且草原植被覆蓋度對降水量的響應存在時滯效應；陳燕麗等［19］分析得到喀斯特地區NDVI相關性較高的氣候因子為日照和氣溫，且一些氣候因子的響應存在明顯的滯后性；陳甲豪等［20］認為溫度和太陽輻射作用顯著主導海南島的植被生長；周喆等［21］結合GEE（Google Earth Engin）平臺研究得到濕度對黃河上游地區的生態環境質量影響程度最顯著；趙健赟等［22］基于NDVI分析了青藏高原的植被覆蓋率與氣候影響因子之間的響應關系，研究發現該地區植被覆蓋率改善的主要原因是氣溫升高、風速變低和降雨增加。

為了積極推動美麗中國建設實踐，深入研究國內地區植被覆蓋變化具有重要意義。可現有的大部分研究都是基于單一氣候影響因子驅動分析大尺度的生態系統變化，或只利用幾種數值分析方法來探究響應分析。因此本研究考慮多樣氣象因子，結合多種統計學分析方法，更準確地探究植被覆蓋變化與氣候影響因子的響應機制。為了解南昌市的NDVI季節性差異變化、空間分布規律及其變化速率和各氣候影響因子的重要性分析，本研究利用2000—2020年南昌市NDVI的時間序列數據集和氣象統計數據，分析南昌市植被覆蓋變化及潛在發展趨勢，為保障其生態可持續發展提供一定參考。

1 數據及方法

1.1 研究區概況

研究區位于江西省南昌市，地理坐標28°10'～29°11'N、115°27'～116°35'E，總面積7 195 km2。研究區屬亞熱帶季風氣候，氣候濕潤溫和，日照長且雨水充足。年降雨量為1 600～1 700 mm，年降水天數為147～157 d，年平均下暴雨的天數為5～6 d，年平均相對濕度為78.5%。全境以平原為主，占35.8%，西北有分布丘陵，水網密布，湖泊眾多，東南區域平坦。南昌現有林業用地總面積1.4×105 hm2，森林面積1.2×105 hm2，森林覆蓋率為23%，城區綠化覆蓋率達42.08%。2019年江西省的植被覆蓋度為65.69%［23］，處于中高覆蓋度水平，如圖1所示。

1.2 數據來源及分析

NDVI數據來源：資源環境科學數據注冊與出版系統，中國月度植被指數（NDVI）空間分布數據集［24］（https：//www.resdc.cn/DOI/doi.aspx？DOIid=50）。該數據集以連續時間序列的SPOT（Systeme Probatoired Observation de la Terre）/VEGETATION NDVI衛星遙感數據為基礎，采用最大值合成方法生成的從1998年以來的月度植被指數數據集。

氣溫、降水、氣壓、風向、相對濕度和日照時數等氣象數據來源于中國氣象數據網（https：//data.cma.cn/）內江西省地面氣象觀測數據分析應用服務平臺的中國地面氣象觀測歷史數據集（月值）。

2 分析方法

2.1 非參數檢驗

非參數檢驗方法也稱無分布檢驗，不要求數據符合正態分布，定量化程度不受少數異常值的影響，可以檢測很大范圍的數據，計算簡單且干擾度小，因此該檢驗方法適用于非正態分布數據的趨勢分析。本研究分別運用單樣本K-S（Kolmogoro-Smirnov）檢驗、弗里德曼（Friedman）檢驗、肯德爾和諧系數檢驗、克魯斯卡爾-沃利斯檢驗、M-K（Manner-Kendall）趨勢檢驗的方法，對選取的10個氣候影響因子的響應進行逐一分析。

1）單樣本K-S檢驗是一種使用抽樣數據來估計總體是否遵循某特定理論分布的擬合優度的非參數檢驗方法，適用于分析連續隨機變量的分布形態。

2）Friedman檢驗，是一種利用秩實現對多個總體分布是否存在顯著差異的非參數檢驗方法［25］，其假設來自多個總體分布的配對樣本沒有顯著差異。

3）肯德爾和諧系數是一種可以計算多個變量相關程度的數值［26］。通過求得肯德爾和諧系數，可以客觀地選出更好的評分作品和判斷評估方法次序的一致性。

4）克魯斯卡爾-沃利斯檢驗亦稱“K-W檢驗”，是用以檢驗2個以上樣本是否來自同一個概率分布的一種非參數方法［27］，要求參與檢驗的樣本必須是不相關或獨立。

5）M-K趨勢檢驗法是一種常用的統計學檢驗方法，用于預測降水、溫度和氣壓等氣象要素的長時序變化趨勢［28］。目前，M-K檢驗在時間序列趨勢分析中廣泛應用［29］，該方法不受個別異常值的擾動和樣本必須遵循某一分布的限制，較好地適用于非正態分布的氣象數據和水文數據的分析。M-K趨勢檢驗的優點是可以處理非正態分布的數據，而且不需要對數據進行任何假設。

2.2 隨機森林分析

隨機森林（Random Forest，RF）算法是一種基于分類與回歸（classification and regression tree，CART）決策樹的集成學習算法，廣泛應用于回歸分類問題。在CART決策樹的基礎上，利用隨機有放回隨機無放回的提取特征來訓練形成新樣本集，并生成多個CART決定樹作為隨機森林的模型［30］。隨機森林算法作為一種組合分類器，其算法簡單、易于實現、泛化能力強，在分類、回歸問題上表現優異。

隨機森林算法的工作流程如圖2所示。1）確定隨機森林的訓練參數。例如，輸入特征的子集S，特征屬性的集合F，決策樹的數量n，隨機特征的數量m；2）從訓練樣本S隨機有放回地選取n個子樣本集合，再隨機抽取每個子樣本的特征來訓練決策樹；3）綜合并輸出決策樹的結果。

3 結果與分析

3.1 NDVI時空演變趨勢

從空間維度分析NDVI年均值的變化趨勢，南昌市的大部分區域NDVI值較高（0.5～0.9），但總體來看處于下降的趨勢。說明南昌市的總體覆蓋狀況良好，但植被狀況在一定程度上正在逐步變差。由圖3可知，NDVI均值的極小值基本分布在東湖區、西湖區、青山湖區、青云譜區、進賢縣西北部和新建區的東北部。

利用2000—2020年的NDVI年均值數據，以時間維度分析，得到NDVI的年度變化趨勢。由圖4可知，NDVI總體呈波動下降趨勢，總體均值為0.463，峰值出現在2000年，為0.520；谷值則在2010年，為0.414。NDVI總體呈下降趨勢，其中在2005、2009、2018年驟然下降；而在2010和2016年這2個時間點卻出現了小范圍的增長。

分析2000—2020年1—12月的NDVI均值分別與對應月份的氣溫、降水和氣壓等因子的變化，由圖5可知，NDVI的極大值出現在8月，這與溫度和日照時數等因子的變化較一致；降水量在第二季度普遍較高，同時NDVI也是呈現很大的上升趨勢；由月均氣壓與NDVI的變化來看，氣壓與NDVI呈負相關：氣壓越高則NDVI數值越小，反之則越大。

3.2 分析檢驗結果

3.2.1 數據分布情況的檢驗

將數據進行歸一化和標準化后進行正態性檢驗，篩選后續的數據分析方法。由單樣本K-S檢驗得（表1），除月均相對濕度和月日照時數符合正態分布外，其余氣象因子都屬于其他分布即非正態分布。因此對于此研究區的數據應采用非參數檢驗的方法進行下一步的分析。

3.2.2 非參數檢驗

首先采用Friedman檢驗和肯德爾和諧系數檢驗方法來驗證數據的顯著性和一致性；然后利用克魯斯卡爾-沃利斯檢驗，對數據按照季節差異來分析，尋求各因子的重要性差異；最后通過M-K方法做NDVI的趨勢分析，尋求數據的突變點并做分析。基于不同的數據分析方法來綜合判斷且互相對比結果，研究氣象因子對植被狀況的驅動影響及各因子的重要性分析。

基于SPSS平臺進行Friedman檢驗和肯德爾和諧系數檢驗，2種方法的P均小于0.05，并得出肯德爾系數為0.185，說明各因子的影響程度有所差異。由氣候驅動因子秩平均值可得，月均氣溫對于NDVI的影響最顯著，月降水量對于NDVI的變化具有不顯著影響，如圖6所示。

基于克魯斯卡爾-沃利斯檢驗對各氣溫因子進行季度分析，利用秩和比（Rank-sum ratio，RSR）指標進行評價，其值越大說明評價對象越優［31］。由表2可知，第一季度影響NDVI變化最大的是與降水相關的要素，如降水量和相對濕度，第二季度影響最顯著的因子集中在溫度要素上，風向要素在第三季度的效果最顯著，而氣壓則在第四季度對NDVI變化的影響最顯著。同時綜合分析NDVI的增長速率由大到小依次為夏季、秋季、春季、冬季。

趨勢分析是將真實值和歷史不同時期的數據進行比較，以確定變化趨勢的分析方法。本研究選用在氣象、水文學中廣泛使用的M-K檢驗［32］。在進行M-K檢驗前，需計算無向趨勢統計量（Undirected Trend Statistic，UF）和反向趨勢統計量（Backward Trend Statistic，UB）。由圖7可知，突變點開始的時間為2014年末接近2015年間，但UF總體仍在置信區間內變動，曲線交點在臨界線（2條顯著性檢驗線之間，置信區間內）以內，超出臨界線的范圍表明為出現突變的時間區域，即在2000—2020年，呈現不顯著的上升趨勢。

3.2.3 隨機森林

對研究的十個氣候驅動因子建立隨機森林模型。經過多次訓練得出，當決策樹數目為400，最小葉子數為3時，得到的結果精度最高。此時的訓練集數據的R2為0.818 9，測試集數據的R2為0.766 0，不存在過擬合現象。通過對比得出，訓練集和測試集預測結果的誤差較小，訓練的模型準確性較高，如圖8所示。基于此模型去分析氣候驅動因子對NDVI的響應，如圖9所示，月均氣溫對于NDVI的影響最顯著，且秩平均值最高的前4個因子都與溫度有關，再次證實溫度對于NDVI的影響最顯著。

4 討論

4.1 土地利用類型與植被覆蓋變化的關系

通過對2000—2020年南昌市的植被變化情況的調查分析，得出南昌市的植被總體覆蓋狀況良好，但情況正在逐步變差。從1998年開始，南昌市以維護區域生態安全為目的，實施了“平垸行洪、退田還湖”等工程，增加了一定的水域面積。近年來，隨著經濟發展和城市化進程，由《南昌市土地利用總體規劃（2006—2020年）》可知，在東湖區和西湖區等地的耕地面積減幅較大，建設用地的增幅明顯。根據2015年第四批征地為集體土地29.528 6 hm2，其中，農用地8.788 5 hm2（含耕地3.767 9 hm2）、建設用地7.840 8 hm2、未利用地12.899 3 hm2。隨著南昌市的社會經濟發展，城市化水平越來越高，導致對于建設用地的需求增加，必然會造成植被的減少、新增的城市建設用地占用耕地較多，未利用土地比例較小也會造成城市的后備土地資源不足［33］。由此可見，土地利用類型的改變會對植被覆蓋起重要影響，這與相關研究成果［34］一致。

4.2 氣候影響因子與植被覆蓋變化的關系

通過分析NDVI與各氣候驅動因子的趨勢可得，NDVI并未與某些因子的變化完全同步，由此證明植被覆蓋的變化必然是多要素驅動的結果。研究發現，不同季節對于NDVI的響應速率也不同，由大到小依次表現為夏季、秋季、春季、冬季。同時，同一種氣象因子在不同的季節，對植被覆蓋的變化也有不同，后續在一年四季研究植被覆蓋變化時可以側重于研究不同的氣象因子。綜合對秩平均值的分析，發現與溫度有關的4個氣象要素對NDVI的變化影響最顯著，均為正相關，說明隨著氣溫的升高，確實有利于植被的生長；同時，降水也與植被覆蓋變化呈正相關，但表現出一定的時滯性。由以上相關性分析可得，對NDVI的影響最顯著的月份出現在8月，此時正是炎熱多雨季節，也驗證了氣溫和降水對植被覆蓋變化的重要性，這與目前的大多數研究也基本一致［35-36］。但先前的研究并未考慮氣流的運動對NDVI的影響［37］，本研究發現，氣壓與NDVI的變化呈負相關，月最多風向和月最多風向頻率對NDVI的影響最不顯著。

不少研究同時指出，近些年來，隨著城市化的影響，城市氣象災害年代際變化特征越來越明顯。城市暴雨有周期性振蕩，近10 a來年暴雨和雷暴天數呈現下降趨勢，但城市短時強降水頻數增加且暴雨的強度增大［38］；近55 a南昌市年平均霾日數呈增加的趨勢，且春夏季霾日少、秋冬季霾日多［39］；江西省近幾年臭氧污染日益嚴重，伴隨著日照時間變長，氣溫極值升高和降水的異常減少等導致秋季近地面臭氧濃度異常升高［40］。這些事例都可以說明氣候影響因子的變化在監測城市的生態發展中的重要性，且隨著全球變暖，極端天氣的事件時有發生，未來的氣候變化會更復雜，各氣象因子的協同驅動作用也會更明顯，此問題仍需繼續研究。

4.3 人類活動與植被覆蓋變化的關系

統計可知，NDVI總體變化趨勢為下降，分析植被覆蓋時空變化，其中在2005、2009和2018年出現大規模下降。下降速率最快的時間點也是江西省發布政策的重要節點。江西省委、省政府在2018年印發了《關于全面推進全域旅游發展的意見》，把發展旅游業作為深化發展旅游強省建設、全方位提升江西旅游行業整體發展水平和服務質量的重要抓手。在大規模的不合理開發利用綠地資源的情況下，城市植被覆蓋率越來越低。值得注意的是，由趨勢分析顯示2015年為植被覆蓋變化的突變點。這一年不僅大規模征地近30 hm2、大規模進行樓市開發且開通了南昌市首條地鐵線路［41］。隨著社會的發展，未來的城市化進程更要仔細考慮對于生態環境的影響，避免由于人類活動造成的大規模植被破壞。

5 結論

本研究基于2000—2020年南昌市NDVI數據，采用一系列非參數檢驗法和隨機森林算法分析植被變化趨勢和各因子的響應規律，得出以下結論。

1）2000—2020年南昌市的總體植被覆蓋情況良好，但呈現波動下降趨勢，總體均值為0.463。根據季節的不同，對NDVI的響應程度也有不同，表現為在夏季時的影響最為顯著。

2）植被覆蓋情況呈現中間低四周高的空間分布規律，北部和西部地區的NDVI值相對較高且下降速率緩慢，中部的東湖區和青山湖區等NDVI值相對較低且有明顯下降趨勢。

3）南昌市植被覆蓋變化的極大平均值出現在每年8月，這與溫度、日照時數和降雨的變化較一致，且受溫度的影響最顯著，受風向的影響最不顯著，而降水的影響呈現一定的時滯性。但并未完全同步，因此考慮到是多要素的共同驅動。

本研究在研究NDVI與氣候因子的響應分析時，未明確劃分不同植被類型來進行研究，下一步將進行基于多種氣象因子對區域內不同植被類型的響應研究。

【參 考 文 獻】

［1］ 王莉雯，衛亞星，牛錚.基于遙感的青海省植被覆蓋時空變化定量分析［J］.環境科學，2008，29（6）：1754-1760.

WANG L W，WEI Y X，NIU Z.Analysis of vegetation spatial and temporal variations in Qinghai Province based on remote sensing［J］.Environmental Science，2008，29（6）：1754-1760.

［2］ WANG J，RICH P M，PRICE K P.Temporal responses of NDVI to precipitation and temperature in the central Great Plains，USA［J］.International Journal of Remote Sensing，2003，24（11）：2345-2364.

［3］ 楊晏立，何政偉，管磊，等.基于RS與GIS技術的瀘定縣植被空間分布分析［J］.測繪工程，2010，19（5）：49-52，56.

YANG Y L，HE Z W，GUAN L，et al.Spatial distribution differentiation of vegetation in Luding County based on RS and GIS［J］.Engineering of Surveying and Mapping，2010，19（5）：49-52，56.

［4］ 南昌市自然資源局，中國城市規劃設計研究院.南昌市國土空間總體規劃（2021—2035年）［R］.南昌：南昌市自然資源局，2021.

Nanchang Natural Resources Bureau，China Academy of Urban Planning and Design.Nanchang City territorial spatial master plan （2021—2035）［R］.Nanchang：Nanchang Natural Resources Bureau，2021.

［5］ 王正興，劉闖，HUETE A.植被指數研究進展：從AVHRR-NDVI到MODIS-EVI［J］.生態學報，2003，23（5）：979-987.

WANG Z X，LIU C，HUETE A.From AVHRR-NDVI to MODIS-EVI：Advances in vegetation index research［J］.Acta Ecologica Sinica，2003，23（5）：979-987.

［6］ HUETE A，DIDAN K，MIURA T，et al.Overview of the radiometric and biophysical performance of the MODIS vegetation indices［J］.Remote Sensing of Environment，2002，83（1-2）：195-213.

［7］ 湯宇磊，吳楊楊，蔣興征，等.面向自然資源信息提取的多源異構數據融合技術——以漢江流域NDVI數據為例［J］.中國地質調查，2021，8（2）：74-82.

TANG Y L，WU Y Y，JIANG X Z，et al.Multi-source heterogeneous data fusion technology for natural resource information extraction：A case study of NDVI data in Hanjiang Basin［J］.Geological Survey of China，2021，8（2）：74-82.

［8］ YANG Z，SHEN Y Y，JIANG H，et al.Assessment of the environmental changes in arid and semiarid mining areas using long time series Landsat images［J］.Environmental Science and Pollution Research，2021，28（37）：521447-52156.

［9］ ZHANG J X，YANG T，DENG M J，et al.Spatio-temporal variations and its driving factors of NDVI in Northwest China during 2000—2021［J］.Environmental Science and Pollution Research，2023，30（56）：118782-118800.

［10］ 楊城，邢艷秋，馬超.青藏鐵路沿線NDVI的人類活動和氣候變化響應［J］.測繪科學，2022，47（4）：137-145.

YANG C，XING Y Q，MA C.The response of NDVI along the Qinghai-Tibet railway to human activities and climate change［J］.Science of Surveying and Mapping，2022，47（4）：137-145.

［11］ 劉智源，李繼紅.2000—2020年黑龍江省植被時空變化對氣候因子響應［J］.森林工程，2024，40（1）：85-97.

LIU Z Y，LI J H.Responses of temporal and spatial changes of vegetation to climate factors in Heilongjiang Province from 2000 to 2020［J］.Forest Engineering，2024，40（1）：85-97.

［12］ ZHANG Y R，HE Y，LI Y L，et al.Spatio-temporal variation and driving forces of NDVI from 1982 to 2015 in the Qinba Mountains，China［J］.Environmental Science and Pollution Research，2022，29（34）：52277-52288.

［13］ 龔新梅.新疆土地荒漠化時空變化特征及驅動因子分析［D］.烏魯木齊：新疆大學，2007.

GONG X M.Characterization of spatial and temporal changes of land desertification in Xinjiang and analysis of driving factors［D］.Urumqi：Xinjiang University，2007.

［14］ 張金茜，鞏杰，柳冬青.地理探測器方法下甘肅白龍江流域景觀破碎化與驅動因子分析［J］.地理科學，2018，38（8）：1370-1378.

ZHANG J X，GONG J，LIU D Q.Dynamics and driving factors of landscape fragmentation based on GeoDetector in the Bailongjiang watershed of Gansu Province［J］.Scientia Geographica Sinica，2018，38（8）：1370-1378.

［15］ 王偉，阿里木·賽買提，吉力力·阿不都外力.基于地理探測器模型的中亞NDVI時空變化特征及其驅動因子分析［J］.國土資源遙感，2019，31（4）：32-40.

WANG W，AlIMU S，JILI A.Geo-detector based spatio-temporal variation characteristics and driving factors analysis of NDVI in Central Asia［J］.Remote Sensing for Natural Resources，2019，31（4）：32-40.

［16］ 張樂勤.基于邊際分析方法的生態效率驅動因子識別與趨勢預測［J］.四川師范大學學報（自然科學版），2019，42（4）：560-568.

ZHANG L Q.Identification and tendency prediction of eco-efficiency driving factor based on marginal analysis［J］.Journal of Sichuan Normal University（Natural Science），2019，42（4）：560-568.

［17］ 馬森，張代青，張惠，等.塔里木河流域NDVI時空變化特征及其影響因素分析［J］.高原山地氣象研究，2023，43（4）：76-83.

MA S，ZHANG D Q，ZHANG H，et al.Spatiotemporal variation characteristics and influencing factors analysis of NDVI in Tarim River Basin［J］.Plateau and Mountain Meteorology Research，2023，43（4）：76-83.

［18］ 穆少杰，李建龍，陳奕兆，等.2001-2010年內蒙古植被覆蓋度時空變化特征［J］.地理學報，2012，67（9）：1255-1268.

MU S J，LI J L，CHEN Y Z，et al.Spatial differences of variations of vegetation coverage in inner Mongolia during 2001-2010［J］.Acta Geographica Sinica，2012，67（9）：1255-1268.

［19］ 陳燕麗，羅永明，莫偉華，等.MODIS NDVI與MODIS EVI對氣候因子響應差異［J］.自然資源學報，2014，29（10）：1802-1812.

CHENG Y L，LUO Y M，MO W H，et al.Differences between MODIS NDVI and MODIS EVI in response to climatic factors［J］.Journal of Natural Resources，2014，29（10）：1802-1812.

［20］ 陳甲豪，胡中民，吳凱.1982～2015年海南島NDVI時空變化及氣候驅動力分析［J］.遙感技術與應用，2023，38（5）：1071-1080.

CHENG J H，HU Z M，WU K.Spatiotemporal variations of NDVI and the analysis of its climate driving factors in Hainan Island During 1982-2015［J］.Remote Sensing Technology and Application，2023，38（5）：1071-1080.

［21］ 周喆，胡夏嵩，劉昌義，等.基于GEE的黃河上游生態環境質量動態監測與評價：以龍羊峽至積石峽段為例［J］.生態學雜志，2023，42（10）：2545-2554.

ZHOU Z，HU X S，LIU C Y，et al.Dynamic monitoring and evaluation of eco-environmental quality in the upper reaches of the Yellow River based on GEE：A case study of the section from Longyang Gorge to Jishi Gorge［J］.Chinese Journal of Ecology，2023，42（10）：2545-2554.

［22］ 趙健赟，丁圓圓，杜梅，等.基于遙感植被指數的青海高原植被覆蓋對氣候變化的響應關系分析［J］.中國水土保持，2022（3）：41–44.

ZHAO J Y，DING Y Y，DU M，et al.Response of vegetation cover to climate change in Qinghai Plateau based on remote sensing vegetation index［J］.Soil and Water Conservation in China，2022（3）：41–44.

［23］ 廖凱濤，宋月君，謝頌華，等.基于Google Earth Engine的江西省植被覆蓋度時空變化特征分析［J］.中國水土保持，2022（10）：64-67，9.

LIAO K T，SONG Y J，XIE S H，et al.Spatial and temporal variation characteristics of vegetation coverage in Jiangxi Province based on Google Earth Engine［J］.Soil and Water Conservation in China，2022（10）：64-67，9.

［24］ 徐新良.中國月度植被指數（NDVI）空間分布數據集［DB］//資源環境科學數據平臺.北京：中國科學院地理科學與資源研究所，2018.DOI：10.12078/2018060602.

XU X L.China monthly vegetation index（NDVI） spatial distribution dataset［DB］//Resource Environmental Science Data Platform.Beijing：Institute of Geographic Sciences and Resources，Chinese Academy of Sciences，2018.DOI：10.12078/2018060602.

［25］ 王炯滔，金明，李有明，等.基于Friedman檢驗的非參數協作頻譜感知方法［J］.電子與信息學報，2014，36（1）：61-66.

WANG J T，JIN M，LI Y M，et al.Nonparametric cooperative spectrum sensing algorithm based on Friedman test［J］，Journal of Electronics and Information Technology，2014，36（1）：61-66.

［26］ 馬亞龍，張偉，朱敏潔，等.評估方法的效度分析［J］.系統工程與電子技術，2007（6）：907-908，925.

MA Y L，ZHANG W，ZHU M J，et al.Analysis of evaluation methods' efficiency［J］.Systems Engineering and Electronics，2007（6）：907-908，925.

［27］ 劉洋，曹云東，劉樹鑫.基于改進Kruskal-Wallis檢驗的低壓開關電器狀態表征參數選擇［J/OL］.高電壓技術，2024（1）：1-11.https：//doi.org/10.13336/j.1003-6520.hve.20221623.

LIU Y，CAO Y D，LIU S X.Selection of state characterization parameters for a low-voltage switching device based on improved Kruskal-wallis test［J/OL］.High Voltage Engineering，2024（1）：1-11.https：//doi.org/10.13336/j.1003-6520.hve.20221623.

［28］ HAMED K H.Trend detection in hydrologic data：The Mann-Kendall trend test under the scaling hypothesis［J］.Journal of Hydrology，2008，349（3/4）：350-363.

［29］ 張建成.基于多變量M-K檢驗的大凌河流域降水趨勢分析［J］.黑龍江水利科技，2020，48（1）：29-33.

ZHANG J C.Analysis of precipitation tendency in Daling river basin based on various M-K check［J］.Heilongjiang Hydraulic Science and Technology，2020，48（1）：29-33.

［30］ BREIMAN L.Random forests［J］.Machine Learning，2001，45（1）：5-32.

［31］ 鞠艷，楊星，王軼虹，等.里下河地區極端降水時空變化及未來趨勢分析［J］.水文，2023，43（4）：104-110，121.

JU Y，YANG X，WANG Y H，et al.Spatiotemporal characteristics of extreme precipitation and its future trend analysis in the Lixia River Plain［J］.Journal of China Hydrology，2023，43（4）：104-110，121.

［32］ 劉小婧.基于MK檢驗和小波分析方法的渭河1956—2016年徑流量變化研究［J］.陜西水利，2023（9）：32-34.

LIU X J.Study on the variation of runoff of Weihe River from 1956 to 2016 based on MK test and wavelet analysis［J］.Shaanxi Water Conservancy，2023（9）：32-34.

［33］ 黃永誠.2000—2010年毛烏素沙地植被覆蓋度和土地利用變化研究［D］.蘭州：蘭州交通大學，2014.

HUANG Y C.Research on vegetation cover and land use change in Maowusu sandland from 2000 to 2010［D］.Lanzhou：Lanzhou Jiaotong University，2014.

［34］ JIANG L G，LIU Y，WU S，et al.Analyzing ecological environment change and associated driving factors in China based on NDVI time series data［J］.Ecological Indicators，2021，129：107933.

［35］ 單文龍，何立恒，駱思瑩.北方農牧交錯帶2000—2013年NDVI時空變化特征［J］.森林工程，2015，31（4）：33-37.

SHAN W L，HE L H，LUO S Y.Spatial-temporal variation of NDVI from 2000 to 2013 in farming-pastoral ecotone of northern China［J］.Forest Engineering，2015，31（4）：33-37.

［36］ 吳萬民，劉濤，陳鑫.西北干旱半干旱區NDVI季節性變化及其影響因素［J/OL］.干旱區研究，2023（12）：1969-1981.http：//kns.cnki.net/kcms/detail/65.1095.X.20231120.1418.006.html.

WU W M，LIU T，CHEN X.Seasonal changes of NDVI in the arid and semi-arid regions of Northwest China and its influencing factors［J/OL］.Arid Zone Research，2023（12）：1969-1981.http：//kns.cnki.net/kcms/detail/65.1095.X.20231120.1418.006.html.

［37］ 陸晴，劉根林，繆利，等.2000—2018年江西省NDVI時空演變特征及其與氣候因子關系分析［J］.東華理工大學學報（自然科學版），2021，44（4）：370-376.

LU Q，LIU G L，MIAO L，et al.Analysis of the characteristics of spatiotemporal evolution of NDVI and its relationship with climate factors in Jiangxi Province from 2000 to 2018［J］.Journal of East China University of Technology（Natural Science），2021，44（4）：370-376.

［38］ 汪如良，吳凡，劉志萍，等.南昌市近60年城市氣象災害變化特征分析［J］.氣象與減災研究，2014，37（2）：44-49.

WANG R L，WU F，LIU Z P，et al.Variation characteristics of urban meteorological disasters over the past 60 Years in Nanchang［J］.Meteorology and Disaster Reduction Research，2014，37（2）：44-49.

［39］ 陳翔翔，胡磊，彭王敏子，等.1960—2014年南昌市霾天氣氣象要素及主要大氣污染物變化特征［J］.氣象與環境學報，2016，32（5）：114-121.

CHEN X X，HU L，PENG W M Z，et al.Characteristics of meteorological parameters and main atmospheric pollutants of haze events in Nanchang from 1960 to 2014［J］.Journal of Meteorology and Environment，2016，32（5）：114-121.

［40］ 錢悅，許彬，夏玲君，等.2016—2019年江西省臭氧污染特征與氣象因子影響分析［J］.環境科學，2021，42（5）：2190-2201.

QIAN Y，XU B，XIA L J，et al.Characteristics of ozone pollution and relationships with meteorological factors in Jiangxi Province［J］.Environmental Science，2021，42（5）：2190-2201.

［41］ 汲紅旗，周超云，蔡緒斌，等.植被敏感區超大斷面地鐵暗挖車站施工技術研究［J］.水利與建筑工程學報，2021，19（3）：201-207.

JI H Q，ZHOU C Y，CAI X B，et al.Construction technology of subway underground excavation station in vegetation sensitive area［J］.Journal of Water Resources and Architectural Engineering，2021，19（3）：201-207.