劉 海，黃躍飛，鄭 糧

（1.湖北大學 資源環(huán)境學院，武漢 430062；2武漢大學 遙感信息工程學院，武漢 430079）

0 引 言

丹江口水庫是中國南水北調中心工程核心水源區(qū)，為確保核心水源區(qū)的水質和水量，保證南水北調調水安全，近些年在丹江口水源區(qū)實施了一系列生態(tài)保護政策，研究區(qū)域生態(tài)環(huán)境狀況及變化，是評估生態(tài)工程布局和適應性管理對策是否得當的重要依據，對指導流域生態(tài)建設，科學調水具有重要價值。植被構成了陸地生態(tài)系統(tǒng)的主要部分[1]，是連接大氣、水體和土壤的自然紐帶，在陸地表面的能量交換、生物地球化學循環(huán)和水文循環(huán)過程中扮演著重要的角色[2-3]，已經成為涉及陸地生態(tài)系統(tǒng)全球變化的一個關鍵問題[4-5]，動態(tài)監(jiān)測植被覆蓋變化對全球氣候變化的應對和環(huán)境政策的制定至關重要[6-7]。眾多學者通過對區(qū)域植被覆蓋的估算，來研究植被的空間變異規(guī)律以及驅動因素，并分析區(qū)域生態(tài)轉型[8-9]，因此，植被覆蓋估算在植被相關領域顯得尤為重要[10]。遙感數據由于覆蓋范圍大和能持續(xù)對地觀測等特點，能及時、動態(tài)和持續(xù)的進行植被監(jiān)測，為研究大尺度植被覆蓋變化提供了有效途徑[11]。歸一化植被指數NDVI（normalized difference vegetation index）[12]削弱了大氣層和地形陰影的影響，對地表植被的覆蓋程度非常敏感，作為反映植被覆蓋狀況的有效指標和植被生產力的代理指標，廣泛用于大規(guī)模監(jiān)測植被覆蓋變化，是最經典和應用最為廣泛的植被指數。

區(qū)域植被覆蓋變化受多種因素影響，氣候變化會對植被生長環(huán)境產生影響，進而影響植被的物候、分布及生長狀況[13]。氣候因素對區(qū)域植被覆蓋變化影響已成為研究熱點[14-15]，國內外學者針對氣候因素對植被覆蓋變化的驅動作用進行了大量研究，基于不同的研究時段與研究區(qū)域，得出的結論也不盡相同。Fensholt等[16]對1981—2007年全球半干旱地區(qū)植被綠度的研究表明，氣溫和降水量共同影響全球范圍內植被增長速度。高江波等[17]通過對1982—2013年NDVI變化及氣溫與降水驅動作用研究發(fā)現，水分對植被NDVI的主導作用區(qū)域主要集中在我國北方以及青藏高原地區(qū)，溫度對植被NDVI的作用區(qū)域則集中在華東、華中及西南地區(qū)。杜加強等學者[18]通過對新疆地區(qū)1982—2006 NDVI變化及氣候因素驅動研究發(fā)現，不同時間段NDVI對氣候因素的響應呈現差異。隨著社會的快速發(fā)展，人類活動對自然環(huán)境的干預程度不斷加大，經濟發(fā)展、政策制度等對植被變化起到不容忽視的作用[19]，許多研究已逐漸得出人類活動是影響植被覆蓋變化的重要因素[20-21]。針對人類活動條件下區(qū)域植被覆蓋變化特征，早期學者多采用定性化分析，此方法主觀性較強，不同研究者在分析同一地區(qū)植被變化時，研究氣候變化和人類活動的相對作用時所得到的結果可能不同，并且很難在空間上連續(xù)表達這兩者的相互作用。隨著植被覆蓋變化影響因素研究的日漸加深，部分學者采用不同的方法嘗試進行定量化研究[22-26]，但目前人類活動因素在區(qū)域植被覆蓋變化中的相對貢獻仍沒有統(tǒng)一的量化標準。

不同時間尺度上，氣候因素對NDVI響應呈現差異，長時間尺度有利于準確清晰地辨識氣候變化對植被生長的作用，且人類活動時間尺度的選擇并不是任意的，它受區(qū)域政策及社會經濟發(fā)展的影響，因此長時間尺度的變化過程分析是未來植被動態(tài)監(jiān)測的重要內容[18]，但由于不同傳感器在時間、空間分辨率和時間序列長度方面的不統(tǒng)一，使得目前研究普遍存在時間序列較短的問題。在此背景下，許多學者嘗試融合具有不同時空分辨率優(yōu)勢的多源數據。常用的方法為線性回歸模型法[27]及神經網絡法[28]，線性回歸模型法將高分辨率影像重采樣為較低分辨率的影像，并未從實質上提高數據集的空間分辨率，神經網絡法需要為設置的眾多參數選擇經驗，較為復雜。針對當前對丹江口水源區(qū)植被覆蓋變化研究中[29-31]，研究時段較短、人為因素定量化研究分析不足等問題，本研究基于1982—2006年8 km GIMMS NDVI和2001—2018年250 m MODIS NDVI數據，借助開源軟件包remote for r的經驗正交遙相關 EOT（empiricalorthogonal teleconnections）算法，構建1982—2018年1 km分辨率的NDVI序列，分析研究區(qū)植被覆蓋時空變化特征。在此基礎上，采用殘差法和相關性分析法探討氣候和人為因素對植被覆蓋變化的綜合貢獻度，用以評估生態(tài)恢復措施的實施效果，為未來生態(tài)環(huán)境建設提供科學支持。

1 數據與方法

1.1 研究區(qū)概況

丹江口水源區(qū)位于漢江上游，秦嶺山脈和大巴山脈之間，西部為中低(32°36′～33°48′N，110°59′～111°49′E)山區(qū)，東部以平原丘陵為主，主要范圍跨越陜西、湖北與河南三省，流域面積9.52萬km2。位于亞熱帶季風區(qū)，四季分明，氣候溫和濕潤，水量充沛，年均氣溫12～16℃，年均降雨量約700～1 800 mm，主要地帶性植被是落葉、常綠闊葉針葉混交林。

1.2 數據來源

MODIS NDVI數據集來源于美國國家航空航天局（NASA）(https://ladsweb.modaps.eosdis.nasa.gov/），選取來自MODIS-Terra的MOD13Q1數據集，該數據集包括2000年至今的NDVI數據，時間分辨率為16 d，空間分辨率為250 m×250 m，考慮到2000年數據不完整，故選取2001—2018年間數據進行研究；GIMMS NDVI數據集來源于美國國家航天航空局（NASA)2003年11月推出的最新全球植被指數變化數據，該數據集包括了1981—2006年間的全球植被指數變化，其時間分辨率是15 d，空間分辨率8 km×8 km，由于1981年數據不完整，本文選取1982—2000年間數據進行研究。采用最大值合成法（MVC）分別將MODIS NDVI和GIMMS NDVI數據合成月NDVI數據，并將月NDVI合成年NDVI數據，MVC法選擇多時像中每個像素的最高值數據代表當前的NDVI值。

氣候數據從國家氣象數據服務中心（CMDC）獲取。丹江口水源區(qū)及其周圍共有15個氣象站點，本研究獲取了氣象站1982—2018年月平均氣溫和月降水量數據，考慮了經度、緯度和氣象站高程，采用普通克里格插值獲得平均氣溫和降水量的空間分布數據，插值處理后的柵格空間分辨率為1 km。對插值后的月氣溫數據求平均值，獲得年平均氣溫，對插值后的月降水量數據求和，獲得年降水量。土地利用類型數據來源于全球土地覆蓋的精細分辨率觀測和監(jiān)測平臺（http://data.ess.tsinghua.edu.cn/），空間分辨率為30 m。地形數據采用美國90 m分辨率的SRTM DEM數據。

1.3 研究方法

1.3.1 NDVI序列構建

van den Dool等學者[32]在經驗正交函數分解法EOF（empirical orthogonal function）算法基礎上提出一種新的方法，用于從給定的時空數據集計算經驗正交函數，該方法基于多元線性回歸，得出在一個方向（空間或時間）上的正交解，為了強調其與EOF的相似性，命名為經驗正交遙相關EOT（empirical orthogonal teleconnections）算法。EOT算法原理如下：假設有一個離散的時空數據集T（s，t），1≤ t≤ nt，1≤s≤ ns；其中t表示變量（高程、壓力等），s為t對應的觀測數據。EOT是逐步線性回歸，其中預測變量和被預測量均是T（s，t），通過搜索所有s來尋找空間中的點sb（一個基點），sb表示空間上所有點（包括自身）組合時的最大方差，通過標準回歸把T（sb，t）從T（s，t）中刪掉，然后在縮小的數據中搜索空間中下一個最重要的點，最終獲得：

式中αm(t)是時間序列，em(s)是空間模式，m=1，...，ns。

Appelhans等[33-34]基于EOT的理論背景，在開源軟件包remote for r中高效地實現EOT算法，拓展了EOT算法的應用范圍。EOT算法的開源程序包可從R綜合檔案網絡獲得，本研究選取GIMMS NDVI和MODIS NDVI重疊期數據（2001—2006）構建EOT模型，其中2001—2004年月NDVI數據做模型訓練，2005—2006年數據做驗證。借助EOT算法將1982—2006年8 km分辨率GIMMS NDVI數據重構為1 km分辨率的NDVI數據集，將2007—2018年250 m分辨率的MODIS NDVI數據集重采樣為1 km分辨率，最終獲得1982—2018年1 km分辨率的NDVI數據集。

1.3.2 NDVI時空變化特征

本文采用最小二乘法（OLS）的斜率建立年份與NDVI之間的線性回歸關系，分析年均NDVI變化情況，并對相關性結果進行F顯著性檢驗。

OLS曲線斜率公式如下：

式中θslop代表變量Xi的變化斜率，i代表年份，Xi代表在i年相應年份的NDVI值，n為研究期。θslop＞0表示NDVI呈現增加趨勢，θslop＜0表示NDVI呈現減小趨勢[22]。

1.3.3 驅動因素分析

因素之間具有密集的相互作用[35]，偏相關分析是在對其他變量的影響進行控制的條件下，衡量多個變量中某2個變量之間的線性相關程度，可以有效剔除其他變量的影響，在確定2個變量之間的內在線性聯(lián)系時更真實可靠。因此本研究使用偏相關分析研究降水量和氣溫與NDVI之間的關系，并對相關性結果進行顯著性檢驗。

殘差是實際觀測值與預測值（回歸）之間的差異值[36]。本研究使用殘差分析來量化人類影響對植被生長的影響。研究中通過建立NDVI與降水、氣溫之間的回歸模型來獲得NDVI的預測值，即為氣候變化的影響量，從遙感影像中提取的NDVI值為實際觀測值，實際觀測值與預測值之間的差即為剩余價值[37]。剩余價值可以反映出人類活動對植被生長的影響。殘差分析表達式為

式中NDVIreal為NDVI真實值，NDVIpre為NDVI預測值；a、b分別為NDVI對降水和氣溫的回歸系數；c為回歸常數項；P為降水量，mm；T代表氣溫，℃；ε＞0說明人類活動產生正面影響；ε＜0說明人類活動產生負面影響；ε=0說明人類活動產生的影響比較微弱。

通過殘差分析可以進一步分離出自然因素與人類活動對NDVI的綜合貢獻度．人類活動對NDVI的綜合貢獻度為

自然因素對NDVI的綜合貢獻度為:

2 結果與分析

2.1 構建1 km分辨率數據集

本研究采用重疊時間段2004—2005年數據做模型驗證，對EOT NDVI和MODIS NDVI月數據進行線性擬合（圖1）。結果表明，2種數據間的平均誤差ME為0.029，平均值絕對誤差MAE為0.045，均方根誤差RMSE為0.057，判定系數R2=0.904。采用EOT模型預測的NDVI值與遙感數據觀測值之間的誤差相對較小，證明EOT算法在空間重采樣中的應用是合理的。

圖1EOT NDVI與MODIS NDVI月數據線性擬合Fig.1 Linear fitting of monthly data from EOT NDVI and MODIS NDVI

2.2 NDVI時空變化

圖2 為丹江口水源區(qū)1982—2018年年均NDVI時間變化趨勢。由圖可知，在研究時段內，研究區(qū)年均NDVI呈現波動上升趨勢，年均變化量為0.002 9。年均NDVI最小值出現在1999年，最大值出現在2015年。在整體趨勢上，2001年前年均NDVI波動較大，2001年后年均NDVI波動較小。

圖2 1982－2018年年均NDVI變化Fig.2 Annual average NDVI change from 1982 to 2018

空間上丹江口水源區(qū)89.93%的像元年均NDVI呈現增加趨勢（圖3），10.06%的像元年均NDVI呈現減小趨勢。變化的像元中69.14%的像元通過顯著相關檢驗（P＜0.05），發(fā)生顯著變化的區(qū)域年均NDVI主要呈現增長趨勢。年均NDVI發(fā)生變化的區(qū)域呈現明顯的空間異質性，研究區(qū)大部分區(qū)域NDVI呈現增加趨勢，在漢中盆地、安康盆地河流周圍以及南部竹溪縣等區(qū)域年均NDVI增加趨勢較其他區(qū)域明顯。年均NDVI呈現減小的區(qū)域主要分布在丹江口水庫、十堰市、南陽市盆地周圍。

圖3 1982－2018年年均NDVI變化斜率Fig.3 Slope of annual average NDVI change from 1982 to 2018

2.3 氣候與人類活動與NDVI關系

由圖4可知，1982—2018年年平均氣溫整體呈現上升趨勢，波動較小，年均變化量為0.037°C，年平均氣溫最高值出現在2013年，為15.19°C，最低氣溫出現在1984年，為13.14°C；1982—2018年降水整體呈現下降趨勢，波動較大，年均變化量為0.675 mm，年降水量最高值出現在1983年，為1229.43 mm，最低值出現在1997年，為618.88 mm。年降水量和年平均氣溫在流域分布上呈現空間差異，在研究區(qū)北部和西部熱量資源分布較少，中部地區(qū)分布較多；年降水量由南到北呈現遞減趨勢，降水資源分布最多的區(qū)域位于西南部，分布較少的區(qū)域位于北部。

基于年尺度計算降水量和平均氣溫與NDVI相關性，年平均氣溫均與NDVI呈現正相關關系，相關系數0.230，年降水量與NDVI間的相關系數為0.133，在年尺度上氣溫和降水與NDVI的相關性均不顯著；月尺度上氣溫與NDVI呈現顯著正相關關系0.792（P＜0.05）,降水量與NDVI呈現顯著負相關關系－0.43（P＜0.05）；在年尺度和月尺度上氣溫對NDVI影響均大于降水量。

圖4 1982—2018年年降水量和年平均氣溫變化Fig.4 Annual precipitation and annual mean temperature changes from 1982 to 2018

為探索氣候因素對NDVI影響的空間差異，逐柵格計算1982—2018年期間氣候因素與NDVI值的偏相關系數，并進行顯著性檢驗。在氣溫與NDVI偏相關計算中，99.80%的像元呈現正相關，其中98.60%的像元呈現顯著正相關（P＜0.05），僅0.20%的像元呈現負相關關系。在降水與NDVI偏相關計算中，95.80%的像元呈現負相關，其中72.40%的像元呈現顯著負相關（P＜0.05），4.20%的像元呈現正相關關系。如圖5所示：研究區(qū)氣溫與NDVI整體呈現正相關關系，呈負相關的區(qū)域零星分布在南部，且呈現正相關的區(qū)域相關程度較低；在研究區(qū)東北部以及西部區(qū)域，氣溫與NDVI相關性較其他區(qū)域高。研究區(qū)降水整體與NDVI呈現負相關，呈現正相關的區(qū)域零星分布在西北部和南部，且呈現正相關的區(qū)域相關程度較低；在研究區(qū)西部和東北部區(qū)域，降水與NDVI相關性較其他區(qū)域高。

通過NDVI與降水量和平均氣溫的回歸分析，基于像元尺度計算NDVI殘差，表征人類活動對NDVI的影響，殘差值為正的區(qū)域說明人類活動對區(qū)域NDVI變化產生正面影響，而殘差值為負說明人類活動對區(qū)域NDVI變化產生負面影響。1982—2018年NDVI殘差值空間分布見圖6。

圖5 氣溫和降水量與NDVI偏相關系數空間分布Fig.5 Spatial distribution of partial correlation coefficients of temperature and precipitation with NDVI

圖6 1982—2018年NDVI殘差值空間分布Fig.6 Spatial distribution of NDVI residuals from 1982 to 2018

由圖可知：殘差值為正和負的區(qū)域分別占研究區(qū)總面積的67.74%和32.26%，說明人類活動產生的影響以正面為主。殘差值分布在0～0.05范圍的區(qū)域面積占比最高，分布在整個研究區(qū)；其次為-0.05～0范圍，主要分布在丹江口水庫附近、東北部南陽盆地附近；人類活動產生較為明顯的正面影響區(qū)域占比13.93%（0.05～0.203），集中分布在河流兩側；人類活動產生較為明顯的負面影響區(qū)域占比4.60%（-1.66～-0.05），零散分布在研究區(qū)。

進一步將氣候因素和人類活動因素對NDVI的貢獻度進行分離，由氣候因素和人類活動對NDVI綜合貢獻度結果可知（圖7），氣候因素對區(qū)域植被覆蓋變化的綜合貢獻度為92.14%，人類活動因素的綜合貢獻度為7.86%，氣候因素在NDVI變化中的綜合貢獻度整體較人類因素大，在NDVI變化的影響因素中占主導地位。2種因素的綜合貢獻度的空間分布呈現差異，人類活動的綜合貢獻度最高的區(qū)域分布在中心城市周圍（漢中、安康等），在河流兩側較高，而在其他區(qū)域較低，而氣候因素在中心城市周圍最低，其次為河流兩側及丹江口水庫周圍，而在其他區(qū)域較高，遠遠超過人類活動綜合貢獻度。

圖7 人類活動與氣候因素綜合貢獻度Fig.7 Comprehensive contribution of human activities and climate factors

采用最小二乘法斜率擬合1982—2018年人類活動綜合貢獻度和氣候因素綜合貢獻度空間變化情況，結果顯示，37 a間人類活動的綜合貢獻度變化率為0.019/a，自然因素的綜合貢獻度變化率為－0.023/a，人類活動的綜合貢獻度呈現上升趨勢，而自然因素則呈現下降趨勢。基于像元尺度進一步探討人類活動因素和自然因素變化的空間特征，結果顯示（圖8）：研究時段內，在人類活動貢獻較高的區(qū)域，人類活動的貢獻度呈現明顯增加趨勢，而這些區(qū)域的氣候因素貢獻度則明顯下降趨勢，說明此區(qū)域的人類活動程度不斷加強，自然因素對區(qū)域NDVI的影響不斷減弱。在其它區(qū)域人類活動的綜合貢獻度呈現減小趨勢，而氣候因素的綜合貢獻度呈現增加趨勢。

圖8 人類活動與氣候因素綜合貢獻度變化斜率Fig.8 Change slope of comprehensive contribution of human activities and climate factors

3 討 論

3.1 NDVI時空變化

1982—2018年間丹江口水源區(qū)植被覆蓋整體呈現上升趨勢，是區(qū)域植被改善的體現。丹江口水庫作為南水北調的核心水源地，隨著南水北調中線工程的推進以及生態(tài)文明理念的普及，國家和地方意識到水源地生態(tài)環(huán)境狀況決定著調水工程的水質和水量，進而影響到調水工程的成敗和受水區(qū)人民的生產和生活，相關部門采取了一系列的生態(tài)措施，包括天然林保護工程、退耕還林工程與多項水利補償工程等[38-39]，這些工程的實施一定程度上促進了區(qū)域NDVI的增加。天然林保護工程在1998年開始，退耕還林政策在1999年開始，且流域上游陜西省作為首批試點，生態(tài)保護工作的實施，使得區(qū)域植被逐漸趨于穩(wěn)定，這可能是造成NDVI在2001年前波動較大，而2001年后變化趨勢較為穩(wěn)定的原因。

空間上，在漢中盆地、安康盆地河流附近以及南部竹溪縣等區(qū)域植被覆蓋增加趨勢較其他區(qū)域大，此區(qū)域位于丹江口水庫上游，且分布于河流附近，由于上游生態(tài)環(huán)境狀況直接影響到水源區(qū)的水質水量，故近些年在上游開展了一系列水源地保護措施，且相關研究證明這些區(qū)域實施的生態(tài)保護措施取得顯著成效[40-41]。植被覆蓋呈現明顯減小的區(qū)域主要分布在十堰市、南陽盆地周圍，中心城市多分布于此區(qū)域，經濟較為發(fā)達，發(fā)展經濟的同時造成城市的擴張，對區(qū)域植被造成一定影響。

3.2 NDVI變化影響因素

1982—2018年間，研究區(qū)降水呈現減小趨勢，而氣溫呈現增加趨勢，表明區(qū)域氣候逐漸呈現暖干化趨勢，由相關性分析結果發(fā)現，氣候變化趨勢有利于區(qū)域植被生長，研究時段內植被整體增長趨勢與氣候的變化趨勢有密切關系。

研究區(qū)整體尺度上植被覆蓋變化與氣溫和降水均呈現顯著相關關系，說明區(qū)域植被覆蓋情況受氣候影響較大。研究區(qū)水系發(fā)達，水資源豐富，區(qū)域植被對降水的依賴相對較小，而充足的熱量資源會促進植被生長，因此區(qū)域整體受氣溫影響大于降水。區(qū)域尺度上，NDVI對氣溫和降水的響應呈現出空間差異。研究區(qū)西部河谷及東北部區(qū)域氣溫與NDVI的相關程度較其他區(qū)域高，此區(qū)域地勢相對較低，且為河谷地帶，區(qū)域水系發(fā)達，充足的熱量資源對河谷植被的生長起到促進作用。在地勢較高的區(qū)域，NDVI對氣溫的響應程度較河谷地帶低，是由于高海拔區(qū)為山地地帶，受垂直分布影響，區(qū)域熱量資源分布有限，且受地形因素的影響，區(qū)域對降水依賴性較強，此區(qū)域植被受降水和氣溫的共同影響。研究區(qū)NDVI與降水呈現負相關的區(qū)域集中分布在海拔較高的區(qū)域，此區(qū)域地勢復雜，地形的高差影響水資源的儲存，山地植被的水資源供給主要依賴于降水，充足的降水資源有利于植被生長。在研究區(qū)東北部和西部區(qū)域，降水和NDVI之間呈現顯著負相關關系，此區(qū)域地勢低平、地表水系發(fā)達、灌溉設施相對齊備，過多的降水會增加土壤濕度，導致地面潛熱蒸發(fā)較大，使得氣溫降低，影響植物的光合作用，對植被的生長產生不利影響，同時過多的降水也將導致洪澇災害。綜上所述，在海拔較高的山地區(qū)，植被生長受降水和氣溫的綜合作用，而在地勢較為低平的盆地和河谷區(qū)，氣溫對區(qū)域植被生長顯著的正相關關系，而降水主要產生顯著負相關關系，氣溫對植被的影響大于降水。

人類活動對植被覆蓋變化的影響具有雙重作用，其影響主要體現在：一方面表現為對植被覆蓋增加的促進作用（生態(tài)工程等），另一方面為對植被覆蓋減少的破壞作用（城市擴張等）。殘差分析的結果顯示人類活動對區(qū)域植被覆蓋情況主要產生正面影響，且產生明顯正面影響的區(qū)域主要分布在河流沿岸與周邊地區(qū)，說明在國家水源地實施的相關生態(tài)保護政策的作用下，研究區(qū)河流沿岸植被覆蓋有了明顯改善。由人類活動和自然因素對NDVI變化的綜合貢獻度空間分布顯示，在大部分區(qū)域氣候因素的綜合貢獻度遠高于人類活動的綜合貢獻度，僅在河流沿岸及中心城市周圍人類綜合貢獻度較高；中心城市周圍殘差值為負，說明此區(qū)域植被變化主要由人類活動引起的負面影響，原因是由于在中心城市經濟發(fā)展較好，經濟快速發(fā)展將導致城市擴張，建設用地占用耕地和林地的現象，對區(qū)域植被造成一定影響；河流沿岸開展的退耕還林、退坡還草等相關政策使得河流兩側植被明顯改善，并且研究時段內此區(qū)域人類活動的綜合貢獻度呈現增加趨勢，而自然因素呈現逐漸減小趨勢，說明人為因素的影響逐漸增大。

研究時段內，氣候因素對植被覆蓋的影響程度始終占據主導地位，是影響區(qū)域植被覆蓋的關鍵因素。受地形和土地利用類型的影響，氣溫和降水對植被覆蓋的影響具有明顯區(qū)域特征，但在一些生態(tài)政策實施區(qū)域，氣候因素對植被覆蓋的影響并沒有表現出異于其它區(qū)域的規(guī)律，而人類活動卻對此區(qū)域的植被覆蓋的影響較大，是影響區(qū)域植被覆蓋的關鍵因素。

3.3 下一步研究重點

本文采用長時序NDVI數據研究區(qū)域植被覆蓋變化特征，研究中發(fā)現隨不同時期區(qū)域政策、經濟等變化，植被覆蓋空間變化情況可能會呈現差異，為克服此問題，在后續(xù)研究中，考慮分區(qū)域探討植被覆蓋變化。本研究采用殘差法分析人類活動對區(qū)域植被的影響情況，在后期研究中，將綜合考慮多種因素，構建人類活動評價體系，深入分析人類活動對區(qū)域植被的影響。此外，針對NDVI在植被覆蓋度較高的區(qū)域易出現飽和現象,對低植被覆蓋區(qū)土壤背景的影響沒有處理等缺陷，眾多學者提出其他植被指數，如土壤調節(jié)植被指數（SAVI）[42]、抗大氣植被指數（ARVI）[43]、增強型植被指數（EVI）[44]等，且近些年圍繞NDVI和EVI在植被覆蓋度方面有大量研究[45-47]。本研究在后期研究中將引入其他指數，克服NDVI的缺陷，獲得更為準確的研究結果。

在NDVI時空變化方面，本文選取整個研究時段為時間尺度，整個研究區(qū)為空間尺度，但往往掩蓋局部時間段和部分空間區(qū)域NDVI變化。如在岳輝等[48]、Liu等[49]學者對相關區(qū)域2000—2015年NDVI變化研究中，漢中、安康等區(qū)域NDVI呈現減小趨勢。因此，在長時序NDVI變化研究中，隨不同時間段區(qū)域政策、經濟等變化，NDVI空間變化情況可能會呈現差異。在后期研究中，嘗試從不同時間段及不同區(qū)域進行人類活動影響的研究。

4 結 論

本文選取GIMMS NDVI和MODIS NDVI數據，采用基于像元的EOT算法構建1982－2018年丹江口水源區(qū)1 km分辨率的NDVI序列，分析區(qū)域植被覆蓋時空變化特征，并采用相關性分析及殘差法研究其變化的驅動因素，主要結論如下：

1） 本文基于2001－2006的 GIMMS NDVI和MODIS NDVI重疊時期數據，訓練并驗證EOT算法，驗證證明EOT方法預測的性能較好，在空間重采樣中的應用較為合理。

2）1982－2018年間，年均NDVI呈現波動上升趨勢，年均變化量為0.003，區(qū)域植被覆蓋明顯改善。空間上，89.93%的區(qū)域植被覆蓋呈現增加趨勢，漢中市、安康市河流附近以及北部商州市、南部竹溪縣等區(qū)域增加趨勢較其他區(qū)域明顯；植被覆蓋減小的區(qū)域主要分布在丹江口水庫、十堰市、南陽市、平利縣等周圍。

3）氣候因素是影響丹江口水源區(qū)植被覆蓋變化的主導因素，其中氣溫的影響程度大于降水量，氣溫和降水量對植被覆蓋變化的影響呈現明顯空間異質性。人類活動是植被顯著變化區(qū)域的主要影響因素，且對區(qū)域植被覆蓋變化的影響具有雙重作用，在生態(tài)保護工程實施的區(qū)域，人類活動呈現正面影響，在經濟發(fā)展較好的盆地和城市周圍，人類活動則呈現出明顯的負面影響。