修麗娜， 顏長(zhǎng)珍, 錢(qián)大文， 幸贊品

(1.西北師范大學(xué) 地理與環(huán)境科學(xué)學(xué)院， 甘肅 蘭州 730070; 2.中國(guó)科學(xué)院 西北生態(tài)環(huán)境資源研究院，甘肅 蘭州 730000； 3.中國(guó)科學(xué)院 西北高原生物研究所， 青海 西寧 810008)

黃土高原作為我國(guó)歷史上開(kāi)發(fā)時(shí)間較早、人工改造力度較大的區(qū)域之一，深受人類活動(dòng)干擾的影響，尤其是過(guò)去幾十年來(lái)，毀林開(kāi)荒、過(guò)度放牧等行為嚴(yán)重的破壞當(dāng)?shù)氐纳鷳B(tài)環(huán)境[1-2]，再加上黃土高原地處半干旱半濕潤(rùn)氣候帶，風(fēng)力和水力侵蝕嚴(yán)重，導(dǎo)致了水土流失、沙漠化加劇等一系列的生態(tài)環(huán)境問(wèn)題[3-4]。針對(duì)這些生態(tài)環(huán)境問(wèn)題，1990年以來(lái)，我國(guó)開(kāi)始實(shí)施退耕還林還草的一系列生態(tài)恢復(fù)工程，而黃土高原則是重點(diǎn)實(shí)施區(qū)域之一[5-6]。植被是陸地生態(tài)系統(tǒng)的重要組成部分，在陸地表面能量交換、水分循環(huán)和生物地球化學(xué)循環(huán)過(guò)程中起著至關(guān)重要的作用[7]。植被的時(shí)空變化會(huì)影響全球碳循環(huán)和氣候系統(tǒng)的穩(wěn)定性，監(jiān)測(cè)植被的時(shí)空變化趨勢(shì)對(duì)研究全球氣候變化背景下的陸地生態(tài)系統(tǒng)具有重要的意義[8]。一方面，植被變化是區(qū)域生態(tài)變化的有效指標(biāo)，其時(shí)空變化特征可以作為生態(tài)恢復(fù)工程的評(píng)價(jià)依據(jù)，另一方面，植被改善能夠通過(guò)改變地表反射率和下墊面粗糙度以達(dá)到減緩徑流沖蝕、風(fēng)力侵蝕和保持水土的作用，對(duì)區(qū)域生態(tài)環(huán)境起促進(jìn)作用[9]。因此黃土高原地表植被的變化研究對(duì)于該地區(qū)環(huán)境保護(hù)和生態(tài)工程建設(shè)具有重要的指示意義。

歸一化植被指數(shù)(normal difference vegetation index, NDVI)是目前最常用表示植被生長(zhǎng)狀況的指標(biāo)，它與植被覆蓋度、生物量和光合作用強(qiáng)度等都密切相關(guān)[10-11]。很多學(xué)者利用NDVI對(duì)于黃土高原地區(qū)植被狀況的研究已經(jīng)做了大量的工作，并取得了豐富的成果。高健健等[12]利用1981—2012年的NDVI數(shù)據(jù)遙感反演黃土高原的植被覆蓋度，并發(fā)現(xiàn)2001年以后該區(qū)生長(zhǎng)季平均植被覆蓋度大于之前，呈現(xiàn)增加趨勢(shì)。李雙雙等[11]發(fā)現(xiàn)2000—2009年陜甘寧黃土高原地區(qū)NDVI增速遠(yuǎn)快于三北防護(hù)林工程區(qū)，這一結(jié)果主要是有人類活動(dòng)和氣候變化共同驅(qū)動(dòng)，且人類活動(dòng)作用明顯。肖強(qiáng)等[7]通過(guò)NDVI數(shù)據(jù)估算了黃土高原植被覆蓋度，其研究結(jié)果發(fā)現(xiàn)2000—2010年植被覆蓋度總體呈現(xiàn)東南高西北低，由東南向西北遞減的特征。然而，這些研究通常使用單一數(shù)據(jù)集來(lái)評(píng)估相對(duì)較短時(shí)期內(nèi)或較粗分辨率的植被動(dòng)態(tài)，導(dǎo)致缺乏對(duì)植被變化的長(zhǎng)期監(jiān)測(cè)，使這些研究的代表性有限。此外，NDVI作為表征植被生長(zhǎng)狀況的指標(biāo)，以往研究?jī)H從NDVI單方面對(duì)黃土高原地區(qū)植被進(jìn)行評(píng)價(jià)，無(wú)法獲取全面的植被變化信息。植被生長(zhǎng)受到環(huán)境驅(qū)動(dòng)因素(例如氣候變化)和人類活動(dòng)的影響，在已有研究中區(qū)分這些因素的方法主要分為3種： ①利用氣候與NDVI之間的相關(guān)性，并輔助相應(yīng)的統(tǒng)計(jì)數(shù)據(jù)間接的區(qū)分氣候因素和人類活動(dòng)對(duì)NDVI變化的影響[4,11]; ②使用水分利用效率變化模型提取人類影響，該方法只適合于植被變化主要受降水因素影響的干旱和半干旱區(qū)域[13]； ③利用回歸殘差法能較好的區(qū)分氣候因素和人類活動(dòng)對(duì)植被的影響，目前應(yīng)用較為廣泛[1,14]。但此方法只是單純的得出人類活動(dòng)對(duì)植被NDVI的正或負(fù)面影響，對(duì)于人類和氣候共同影響的區(qū)域沒(méi)有明確得出。為此，本研究利用GIMMS NDVI和MODIS NDVI相關(guān)關(guān)系將MODIS NDVI時(shí)序延伸，獲得長(zhǎng)時(shí)間序列較高分辨率的NDVI數(shù)據(jù)集，從植被質(zhì)量角度，以生長(zhǎng)季NDVI作為指標(biāo)對(duì)1990—2015年黃土高原植被的時(shí)空演變規(guī)律進(jìn)行分析，輔助土地利用數(shù)據(jù)從植被面積變化角度全面分析黃土高原植被時(shí)空變化特征，并從氣候變化和人類活動(dòng)兩個(gè)方面分析本地區(qū)植被變化的驅(qū)動(dòng)力，以期為生態(tài)環(huán)境保護(hù)相關(guān)政策的制定、區(qū)域可持續(xù)發(fā)展提供理論依據(jù)。

1 材料與方法

1.1 研究區(qū)概況

黃土高原位于我國(guó)中部偏北，黃河流域中部，地理位置為33°41′—41°07′N, 100°54′—114°07′E。黃土高原地跨山西、寧夏、陜西、甘肅、內(nèi)蒙古、河南和青海省，總面積為6.24×105km2。區(qū)域內(nèi)地勢(shì)西北高、東南低，千溝萬(wàn)壑、地形破碎。氣候?yàn)榇箨懶约撅L(fēng)氣候，冬季寒冷干燥多風(fēng)沙，夏季炎熱多暴雨。植被由東南向西北可劃分為森林帶、森林草原帶、典型草原帶、荒漠草原和草原化荒漠帶。土壤類型主要有黃綿土、黑鈣土等[12,15-16]。

1.2 研究數(shù)據(jù)

1.2.1 NDVI數(shù)據(jù)來(lái)源及處理 本研究利用的遙感數(shù)據(jù)為NOAA/AVHRR和TERRA/AQUA MODIS的NDVI數(shù)據(jù)集，NOAA/AVHRR NDVI數(shù)據(jù)集來(lái)自戈達(dá)德航天中心(Goddard Space Flight Center， GSFC)全球監(jiān)測(cè)與模型研究(Global Inventor Modeling and Mapping Studies， GIMMS)數(shù)據(jù)中心。影像以32bit geotiff格式存放，采用Albers Conic投影方式，空間分辨率為8 km×8 km，時(shí)間分辨率為15 d，時(shí)間序列從1990年1月至2006年12月(可在ftp.glcf.umiacs.umd.edu免費(fèi)下載)。MOD13A3是MODIS陸地產(chǎn)品組開(kāi)發(fā)的月植被指數(shù)產(chǎn)品，包括月最大合成的NDVI和EVI植被指數(shù)，空間分辨率為1km，可以通過(guò)NASA對(duì)地觀測(cè)系統(tǒng)數(shù)據(jù)共享平臺(tái)(https:∥earthdata.nasa.gov/)下載。

已有研究[17]發(fā)現(xiàn)GIMMS和GIMMS 3g數(shù)據(jù)集在北半球存在較大差異，因此建議可以結(jié)合GIMMS和MODIS數(shù)據(jù)對(duì)該區(qū)域的植被變化進(jìn)行分析。通過(guò)GIMMS NDVI和MODIS NDVI相關(guān)關(guān)系建立將MODIS NDVI時(shí)序延伸。首先將15 d GIMMS NDVI數(shù)據(jù)采用最大值合成法生成月NDVI數(shù)據(jù)集，然后將MODIS 1km月NDVI(MOD13A3)數(shù)據(jù)集按照GIMMS NDVI的8km格網(wǎng)分別計(jì)算每個(gè)格網(wǎng)的月NDVI均值和最小值。計(jì)算最小值主要是為排除非植被的區(qū)域做數(shù)據(jù)準(zhǔn)備，求得的均值是與GIMMS NDVI數(shù)據(jù)做匹配。選取研究區(qū)內(nèi)，2000—2006年7年間逐月最小值均>0的格網(wǎng)，分別計(jì)算7年每個(gè)月GIMMS NDVI同MODIS NDVI均值之間的線性相關(guān)系數(shù)[18-20]，結(jié)果詳見(jiàn)表1。選取最小值大于0的柵格主要是篩選出植被分布區(qū)域，由于1 km分辨率相較8 km的空間分辨率較精細(xì)，便于排除非植被區(qū)域NDVI值參與計(jì)算。然后依據(jù)此關(guān)系，使用1990—1999年GIMMS NDVI擴(kuò)展MODIS NDVI的時(shí)間序列。為了反映植被NDVI的年際變化特征，本研究中采用生長(zhǎng)季NDVI值(4—10月NDVI的平均值)來(lái)表征植被生長(zhǎng)[8]。

表1 GIMMS NDVI與MODIS NDVI之間的相關(guān)關(guān)系

1.2.2 氣象數(shù)據(jù)來(lái)源及處理 氣象數(shù)據(jù)來(lái)源于中國(guó)氣象局提供的中國(guó)氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)(http:∥cdc.cma.gov.cn/home.do)，包括1990—2015年黃土高原及其周邊地區(qū)共84個(gè)氣象臺(tái)站觀測(cè)的日平均氣溫和日降水量數(shù)據(jù)。本文利用ANUSPLIN 4.3軟件對(duì)整理好的月降水和溫度進(jìn)行空間插值，空間分辨率為1 km。該方法已經(jīng)廣泛應(yīng)用于氣象因素的插值[21]，其精度要高于反距離權(quán)重(inverse distance weighted, IDW)和克里金插值(Kriging)[22]。

1.2.3 土地利用數(shù)據(jù)的解譯 本研究中用于土地利用解譯的影像包括沒(méi)有云覆蓋的1990，2000，2005，2010的TM影像和2015年的OLI影像，這些數(shù)據(jù)下載于美國(guó)地質(zhì)調(diào)查局(United States Geological Survey，USGS)網(wǎng)站(http：∥glovis.usgs.gov/)。大多數(shù)選定的圖像是從6月到9月獲得的，丟失的圖像或質(zhì)量差的圖像被替換為同期最近的月份或年份的圖像。在進(jìn)行遙感解譯之前，影像已經(jīng)通過(guò)幾何校正，輻射校正和大氣校正等預(yù)處理。本研究中使用的6種土地利用類型分別是：林地，草地，耕地，人工表面和其他類型，其中其他類型包括裸巖、戈壁、裸土、沙漠和鹽堿地[23]。通過(guò)eCognition 8.6軟件從影像中提取土地覆蓋信息，該軟件使用面向?qū)ο蟮姆诸惙椒╗24-25]。

1.3 研究方法

1.3.1 變化趨勢(shì)分析 為了研究過(guò)去26 a來(lái)黃土高原植被的生長(zhǎng)狀況及在空間上的差異，使用一元線性回歸對(duì)每個(gè)像元進(jìn)行斜率分析[7]。當(dāng)斜率為正時(shí)，表示隨時(shí)間變化植被指數(shù)升高；反之，斜率為負(fù)時(shí)，表示隨時(shí)間變化植被指數(shù)呈現(xiàn)下降趨勢(shì)。對(duì)所得的斜率進(jìn)行顯著性水平檢驗(yàn)，通過(guò)置信度檢驗(yàn)的區(qū)域則認(rèn)為植被變化的趨勢(shì)顯著。其計(jì)算公式為：

(1)

式中：n——模擬的時(shí)間序列長(zhǎng)度(n=26)；i——時(shí)間序列的序號(hào)； NDVIi——第i年的NDVI值；Θslope——變化曲線的斜率。

1.3.2 土地利用類型凈變化率 年均土地利用類型凈變化率定量反映該土地利用類型面積變化速率，其對(duì)比較各土地利用類型變化的區(qū)域差異具有重要作用[26]。其計(jì)算公式為：

(2)

式中：K——某土地利用類型年均凈變化率；Ua，Ub——研究初期與末期某一種土地利用類型的面積；T——研究期時(shí)長(zhǎng)，時(shí)段設(shè)定為年。

1.3.3 土地利用類型轉(zhuǎn)移矩陣 利用土地利用類型面積作為土地利用類型狀態(tài)轉(zhuǎn)移矩陣中的向量，分別統(tǒng)計(jì)1990—2000年和2000—2015年2期的轉(zhuǎn)移矩陣[27]，計(jì)算過(guò)程為：

(3)

式中：A——面積；i，j(i，j=1,2，…，n)——轉(zhuǎn)移前與轉(zhuǎn)移后的土地利用類型；Aij——土地利用類型從類型i變?yōu)閖的面積；n——轉(zhuǎn)移前后土地利用類型數(shù)。

1.3.4 多元回歸分析 氣候因素(溫度和降水)之間通常是相互作用的，并且對(duì)植被的影響不是對(duì)立的。本研究利用多元回歸分析方法來(lái)研究溫度、降水對(duì)NDVI的共同影響[28]。

(4)

利用F檢驗(yàn)對(duì)上述多元線性回歸方程進(jìn)行顯著性檢驗(yàn)。

1.3.5 改進(jìn)的殘差趨勢(shì)分析 殘差趨勢(shì)法由Evans和Geerken提出[13]，該方法利用每個(gè)像元全時(shí)間序列的年NDVI與降水?dāng)?shù)據(jù)建立響應(yīng)關(guān)系，從而得到每個(gè)像元在全時(shí)間序列上實(shí)際NDVI與預(yù)測(cè)NDVI的殘差，從而判斷人類因素對(duì)植被生長(zhǎng)狀況的影響[29]。曹鑫等[30]考慮到溫度對(duì)植被生長(zhǎng)的影響，在已有模型基礎(chǔ)上加入了溫度因子。

ΔNDVI=NDVI真實(shí)值-NDVI模擬值=

(5)

為了研究更深入地研究氣候和人類活動(dòng)對(duì)于植被變化的影響程度，田海靜[31]等在以上模型的基礎(chǔ)上，將年度NDVI的變化趨勢(shì)與氣候變化之間相關(guān)性不顯著的區(qū)域相對(duì)應(yīng)。 ①由氣候變化引起的植被顯著恢復(fù)。 NDVI隨時(shí)間的變化趨勢(shì)顯著增加，NDVI與氣候因素顯著相關(guān)且NDVI殘差趨勢(shì)變化不顯著; ②由氣候變化引起的植被顯著退化。NDVI隨時(shí)間的變化趨勢(shì)顯著下降，NDVI與氣候因素顯著相關(guān)且NDVI殘差趨勢(shì)變化不顯著； ③由人類引起的植被顯著恢復(fù)。NDVI隨時(shí)間的變化趨勢(shì)顯著增加，NDVI與氣候因素不顯著相關(guān)且NDVI殘差趨勢(shì)變化顯著增加; ④由人類引起的植被顯著退化。NDVI隨時(shí)間的變化趨勢(shì)顯著下降，NDVI與氣候因素不顯著相關(guān)且NDVI殘差趨勢(shì)變化顯著下降; ⑤氣候因素和人類活動(dòng)共同引起的植被顯著恢復(fù)。NDVI隨時(shí)間的變化趨勢(shì)顯著增加，NDVI與氣候因素顯著相關(guān)且NDVI殘差趨勢(shì)變化顯著增加； ⑥氣候因素和人類活動(dòng)共同引起的植被顯著退化。NDVI隨時(shí)間的變化趨勢(shì)顯著下降，NDVI與氣候因素顯著相關(guān)且NDVI殘差趨勢(shì)變化顯著下降。

2 結(jié)果與分析

2.1 黃土高原地區(qū)植被質(zhì)量時(shí)空變化

2.1.1 黃土高原地區(qū)植被NDVI年際變化特征 由圖1可以看出，1990—2015黃土高原地區(qū)植被的NDVI總體表現(xiàn)為上升趨勢(shì)，且變化趨勢(shì)較明顯的分為兩個(gè)時(shí)期：1990—1999年期間，黃土高原地區(qū)的NDVI值波動(dòng)較大，在0.3304～0.367 0之間，有輕微的減少趨勢(shì)，特別是1998和1999年；2000年以后，該區(qū)域的NDVI表現(xiàn)為增加趨勢(shì)，范圍為0.286 4～0.372 3，最大值出現(xiàn)在2012年。

圖1 黃土高原1990-2015年生長(zhǎng)季NDVI年際變化

2.1.2 黃土高原地區(qū)植被NDVI空間變化特征 為了便于分析1990—2015年黃土高原NDVI變化趨勢(shì)的空間分布規(guī)律，對(duì)這26 a以來(lái)生長(zhǎng)季的NDVI逐像元進(jìn)行一元線性回歸分析(圖2)，將所得相關(guān)系數(shù)進(jìn)行0.05顯著性水平檢驗(yàn)，所得變化趨勢(shì)分布圖(圖3)。黃土高原地區(qū)植被NDVI呈現(xiàn)增加趨勢(shì)的區(qū)域面積較大，主要分布在黃土高原的東部、中部和南部地區(qū)，包括陜西省的北部，甘肅和寧夏地區(qū)南部，內(nèi)蒙古自治區(qū)的東部，以及山西省的西部，其他區(qū)域的植被也有不同程度的增加；NDVI降低的區(qū)域主要分布在寧夏和內(nèi)蒙古的北部，陜西的南部，以及山西的部分區(qū)域。年均增長(zhǎng)率最大的像元值達(dá)到0.020 0，年均負(fù)增長(zhǎng)率最大的像元值達(dá)到-0.027 4(圖2)。

圖2 黃土高原1990-2015年生長(zhǎng)季NDVI變化趨勢(shì)

從黃土高原NDVI顯著性變化趨勢(shì)分布圖(圖3)可以看出，1990—2015年黃土高原植被NDVI整體呈現(xiàn)的上升趨勢(shì)，顯著上升的區(qū)域主要集中在中部和東部地區(qū)。研究結(jié)果表明(表2)，1990—2015年期間，黃土高原地區(qū)53.45%的地區(qū)，植被NDVI呈上升趨勢(shì)，其中33.05%的地區(qū)植被為顯著上升。植被NDVI下降的區(qū)域主要分布在甘肅和寧夏地區(qū)的北部，陜西省的南部和山西省的東部等地，有46.55%的地區(qū)植被NDVI呈下降趨勢(shì)，其中24.61%的地區(qū)植被NDVI呈顯著下降。1990—1999年，黃土高原的植被NDVI總體呈現(xiàn)降低趨勢(shì)，上升區(qū)域面積占總面積的44.92%，其中顯著上升僅占6.45%；2000年以后，相較之前，黃土高原植被NDVI迅速上升，上升區(qū)域面積達(dá)到總面積的91.90%，顯著上升為65.78%。

圖3 黃土高原1990-2015年生長(zhǎng)季NDVI顯著性變化分布

表2 各時(shí)間段黃土高原生長(zhǎng)季NDVI變化類型像元個(gè)數(shù)及百分比

2.2 黃土高原地區(qū)植被面積變化特征

黃土高原地區(qū)植被面積總體表現(xiàn)為增加趨勢(shì)(表3)，林地主要分布在黃土高原的南部和東部地區(qū)，陜西和山西省境內(nèi)，草地分布于黃土高原的大部分區(qū)域(附圖2)。

林地自1990年開(kāi)始一直表現(xiàn)為持續(xù)增加，且2000年之后增加速度較快，2000—2005年林地的凈變化率達(dá)到0.31%，之后減慢，但是仍快于2000年以前，直到2010，林地面積開(kāi)始有輕微減少。草地面積2000年以前總體表現(xiàn)為減少，凈變化率為-0.10%，之后表現(xiàn)為與林地相同的變化趨勢(shì)，2000—2005年面積的增加速度較快。

表3 黃土高原植被面積變化

1990—2000年增加的林地主要來(lái)自于耕地的轉(zhuǎn)入，面積為470.73 km2,其次為草地和其他，面積分別為68.46和68.86 km2；減少的草地主要轉(zhuǎn)化為耕地，面積達(dá)到4 104.05 km2, 其次為人工表面，面積為270.87 km2(表4)。隨著人口數(shù)量的增多，人工表面的迅速擴(kuò)張，黃土高原地區(qū)的開(kāi)荒行為持續(xù)增加，導(dǎo)致大量的草地被開(kāi)墾為耕地，或退化為裸土等其他類型。

2000—2015年，增加的林地和草地主要來(lái)自耕地的轉(zhuǎn)入，面積分別為3 723.29和14 278.59 km2；此外還有大量的裸土等其他類型轉(zhuǎn)入草地，面積達(dá)到1 197.67 km2(表4)。盡管城鎮(zhèn)化進(jìn)程持續(xù)加劇的行為會(huì)破壞植被，但是也導(dǎo)致農(nóng)村農(nóng)民對(duì)土地、山林的依賴性降低，大量農(nóng)田撂荒，砍伐減小。加之隨著退耕還林(草)生態(tài)工程的實(shí)施，大面積的退耕還林(草)、植樹(shù)造林等一系列措施的實(shí)行都會(huì)導(dǎo)致黃土高原的植被面積持續(xù)增加。

表4 黃土高原不同時(shí)期土地利用類型轉(zhuǎn)移矩陣 km2

2.3 植被對(duì)氣候變化和人類活動(dòng)的響應(yīng)

通過(guò)改進(jìn)的殘差趨勢(shì)分析得到，人類和氣候共同引起植被恢復(fù)的區(qū)域主要分布在黃土高原的中部，主要集中在陜西的北部，占總面積的9.41%；人類引起植被恢復(fù)的區(qū)域主要分布在內(nèi)蒙古的東部和北部、甘肅和寧夏的南部，以及陜西和山西省的中部地區(qū)，占總面積的21.74%；氣候引起植被恢復(fù)的區(qū)域僅占總面積的1.91%，主要分布于青海省。人類和氣候共同引起的植被退化主要分布在內(nèi)蒙古、山西和寧夏的北部，占總面積的4.71%；人類引起的植被退化面積占11.99%，主要分布于內(nèi)蒙古的西北部、山西和陜西省的部分地區(qū)；氣候引起的植被退化主要分布于青海和甘肅省(圖4，表5)。

表5 黃土高原1990-2015年生長(zhǎng)季NDVI變化驅(qū)動(dòng)因素解析

圖4 黃土高原1990-2015年植被 顯著恢復(fù)和顯著退化區(qū)域分布

對(duì)黃土高原植被主要受氣候影響的區(qū)域進(jìn)行進(jìn)一步分析。氣候引起植被變化區(qū)域的溫度和降水有著相同的趨勢(shì)，都呈上升趨勢(shì)(圖5)。氣溫在過(guò)去26 a間升高幅度較大，且植被退化區(qū)域比恢復(fù)區(qū)域溫度上升較快。降水變化趨勢(shì)表現(xiàn)為輕微上升，且植被恢復(fù)區(qū)域較退化區(qū)域明顯。

圖5 1990-2015年氣候引起植被恢復(fù)和退化區(qū)域的年均氣溫和年降水變化趨勢(shì)

3 討論與結(jié)論

1990—2015年，黃土高原地區(qū)植被的NDVI總體表現(xiàn)為上升趨勢(shì)，這一趨勢(shì)與已有的研究結(jié)果一致[8,32]。具體來(lái)說(shuō)，1990—1998年黃土高原的植被處于相對(duì)穩(wěn)定的時(shí)期，之后植被NDVI迅速下降，2002年植被NDVI進(jìn)入迅速上升時(shí)期，這主要是由于隨著氣候干旱化趨勢(shì)發(fā)展，植被NDVI表現(xiàn)為減少且幅度小，1999—2001年降水明顯偏少(圖6)，導(dǎo)致植被NDVI減少，自2002年以來(lái)，隨著降水量的恢復(fù)和退耕還林還草政策的大規(guī)模實(shí)施，植被NDVI呈現(xiàn)明顯上升趨勢(shì)[4]。自2000年起，黃土高原植被面積表現(xiàn)為增加趨勢(shì)，且主要來(lái)自于耕地的轉(zhuǎn)入，這說(shuō)明退耕還林(草)工程的實(shí)施，在黃土高原地區(qū)效果明顯，不僅植被面積持續(xù)增加，而且生長(zhǎng)狀況也得到了改善。但值得注意的是，城鎮(zhèn)化進(jìn)程的加劇，雖然會(huì)破壞植被，但是也導(dǎo)致農(nóng)村農(nóng)民對(duì)土地、山林的依賴性降低，大量農(nóng)田撂荒，砍伐減小，進(jìn)而對(duì)黃土高原植被的恢復(fù)起到積極作用。

圖6 黃土高原地區(qū)1990-2015年生長(zhǎng)季 年均溫度和年降水變化圖

26 a間黃土高原植被NDVI整體呈現(xiàn)的上升趨勢(shì)，顯著上升的區(qū)域主要集中在中部和東部地區(qū)。結(jié)合人類殘差分析的結(jié)果得知，黃土高原植被恢復(fù)的原因主要是氣候和人類共同影響，且人類影響的程度較大，區(qū)域占總面積的21.74%，本研究中大量耕地轉(zhuǎn)入草地印證這一結(jié)果。結(jié)合李雙雙等[11]的研究可知，陜北地區(qū)2000—2009年退耕還林(草)面積為9.81×105hm2，榆林、延安退耕還林還草面積分別為3.09×105hm2，2.91×105hm2，也說(shuō)明中東部地區(qū)的植被恢復(fù)主要得益于生態(tài)工程的實(shí)施。人類引起植被退化的區(qū)域主要是由于城鎮(zhèn)化擴(kuò)張。羅娟等[33]對(duì)毛烏素沙地近10 a的土地利用動(dòng)態(tài)變化進(jìn)行了分析，發(fā)現(xiàn)居民地和工礦用地面積增加，且主要是由草地轉(zhuǎn)入；馬瞳宇等[34]選取黃土高原風(fēng)蝕水蝕交錯(cuò)區(qū)典型代表流域進(jìn)行分析，1990—2010年期間，該地區(qū)煤礦開(kāi)采活動(dòng)活躍，影響流域內(nèi)林草生長(zhǎng)，并對(duì)侵蝕環(huán)境的人為惡化起著巨大的促進(jìn)作用；卞鴻雁等[15]發(fā)現(xiàn)1980—2005年黃土高原南部地區(qū)建設(shè)用地凈增了1 238.29 km2。除了以上原因，對(duì)比黃土高原土地利用分布圖可以看出，部分人類引起植被退化區(qū)域是耕地分布的區(qū)域，由于研究中所使用的遙感數(shù)據(jù)分辨率有限，不可避免的會(huì)將一些區(qū)域耕地的NDVI值的變化帶入模型中，隨著退耕政策的實(shí)施，導(dǎo)致耕地的減少，近而影響到最后的模擬結(jié)果。氣候因素主導(dǎo)植被退化區(qū)域主要是由于氣溫升高較快，但降水增加不明顯，加速了相應(yīng)區(qū)域氣候的暖干化，抑制了植被的生長(zhǎng)。以上研究結(jié)果也側(cè)面的驗(yàn)證了人類殘差分析在黃土高原的有效性。

盡管本研究中使用的NDVI相較其他長(zhǎng)時(shí)間序列的NDVI產(chǎn)品具有更高的分辨率，但1 km的空間分辨率對(duì)于黃土高原地區(qū)而言仍然相對(duì)較低。在一些復(fù)雜的地形中，坡度和其他地形因素對(duì)植被的反射率有一定的影響，進(jìn)而影響NDVI的觀測(cè)值。此外，黃土高原所處的地理位置，使得當(dāng)某一地區(qū)的植被稀疏時(shí)，植被變化趨于退化，這些退化或暴露的斑點(diǎn)可能會(huì)影響遙感監(jiān)測(cè)的反射率，進(jìn)而影響NDVI。

殘差趨勢(shì)分析法被廣泛用于分離氣候和人為因素對(duì)植被變化的影響[35]。殘差法以像素為分析單元，提出了一種充分考慮坡度，土壤和植被空間變異性對(duì)溫度—降水—植被NDVI的影響的分析方法。然而，這種方法也有一些缺點(diǎn)[36]，潛在的降水—溫度—NDVI關(guān)系的趨勢(shì)分析是基于相同的時(shí)間序列。由于遙感數(shù)據(jù)的限制，殘差趨勢(shì)法只能檢測(cè)到遙感數(shù)據(jù)時(shí)間序列內(nèi)的退化?？紤]到影響植被NDVI變化的因素還有很多，比如蒸散量、土壤水分等，這些因素都需要在未來(lái)的研究中仔細(xì)考慮，進(jìn)而改進(jìn)模型。