龐家泰, 段金亮, 張 瑞,2, 呂繼超

(1.西南交通大學(xué) 地球科學(xué)與環(huán)境工程學(xué)院測(cè)繪遙感信息系, 成都 611756; 2.西南交通大學(xué) 高速鐵路運(yùn)營(yíng)安全空間信息技術(shù)國(guó)家地方聯(lián)合工程實(shí)驗(yàn)室, 成都 611756)

植被是陸地生態(tài)系統(tǒng)中必不可少的一部分，在氣溫調(diào)節(jié)，水土保持，物質(zhì)循環(huán)中扮演著重要的角色[1-2]，對(duì)氣候變化及人類(lèi)的生產(chǎn)活動(dòng)具有高度的敏感性。植被覆蓋的時(shí)空演變是氣候變化、土地利用類(lèi)型變化等影響因素綜合作用的結(jié)果[3-4]。自然因素和人類(lèi)活動(dòng)對(duì)地表植被覆蓋的影響都會(huì)直接反映到地表植被類(lèi)型及其覆蓋度的變化上[5]。植被覆蓋度是反映區(qū)域生態(tài)系統(tǒng)及環(huán)境優(yōu)劣的重要監(jiān)測(cè)指標(biāo)之一[6]，作為生態(tài)系統(tǒng)表述的重要數(shù)據(jù)基礎(chǔ)，以及區(qū)域生態(tài)環(huán)境在時(shí)間和空間上演變的重要指標(biāo)，對(duì)水文、生態(tài)以及區(qū)域變化等研究領(lǐng)域都具有重要意義，植被覆蓋度在很大程度上反映了區(qū)域生態(tài)系統(tǒng)的安全性與穩(wěn)定性[7]。

遙感作為當(dāng)前針對(duì)多尺度，大范圍，時(shí)空連續(xù)性較強(qiáng)的對(duì)地觀(guān)測(cè)手段，能夠很好地表示地表覆蓋情況，是獲取地表植被指數(shù)的重要手段[8]。目前，利用遙感數(shù)據(jù)產(chǎn)品進(jìn)行地表植被指數(shù)的反演已經(jīng)成為研究的熱點(diǎn)領(lǐng)域。通過(guò)對(duì)遙感影像的解譯與判讀能夠很好地表達(dá)不同尺度上的區(qū)域植被指數(shù)，其中歸一化植被指數(shù)(NDVI)在當(dāng)前的研究中使用的最為廣泛[9]，是監(jiān)測(cè)地區(qū)和全球植被及生態(tài)環(huán)境的有效指標(biāo)，同時(shí)也是反演地表植被覆蓋變化的最佳指示因子[9]?；贜DVI數(shù)據(jù)利用像元二分模型反演植被覆蓋度是常用的反演方法，通過(guò)構(gòu)建時(shí)序植被覆蓋度影像能直觀(guān)準(zhǔn)確的反映植被指數(shù)的時(shí)空變化特征。為區(qū)域的政策方針，發(fā)展規(guī)劃提供有效的參考與及時(shí)的反饋。植被覆蓋的時(shí)空演變特征及氣候因子的影響分析，是當(dāng)前全球環(huán)境變化和氣候演變的研究熱點(diǎn)之一。分析其變化特征及未來(lái)發(fā)展趨勢(shì)能夠?yàn)樯鷳B(tài)環(huán)境、經(jīng)濟(jì)發(fā)展及區(qū)域管理提供科學(xué)的數(shù)據(jù)支持[10]。

渭河流域自古以來(lái)就是人類(lèi)生產(chǎn)、生活的主要集中區(qū)域。由于歷史上長(zhǎng)期的濫墾亂伐，區(qū)域內(nèi)植被遭到嚴(yán)重破壞，另外，流域大部分地區(qū)處于黃土高原范圍內(nèi)，土質(zhì)疏松，導(dǎo)致水土流失嚴(yán)重，造成流域生態(tài)相對(duì)脆弱[11]。據(jù)數(shù)據(jù)統(tǒng)計(jì)，每年黃河向下游地區(qū)輸沙量達(dá)16億t，其中，平均每年有3億t來(lái)自渭河流域[12]。因此，對(duì)渭河流域進(jìn)行植被的時(shí)空動(dòng)態(tài)演變的監(jiān)測(cè)具有重要的研究意義。喬晨等[13]通過(guò)研究1980—2007年渭河流域關(guān)中段的植被動(dòng)態(tài)變化分析，得出該區(qū)域NDVI和植被覆蓋度近30 a總體上呈增長(zhǎng)趨勢(shì)，僅1990—2000年期間有所下降；傅志軍等[14]通過(guò)研究基于NDVI的渭河流域時(shí)空演變分析，得出2010—2015年渭河流域NDVI均值呈緩慢增加趨勢(shì)，植被覆蓋度總體呈現(xiàn)由西北向東南逐漸增加的趨勢(shì)；余東洋等[15]通過(guò)研究2000—2017年渭河流域植被動(dòng)態(tài)變化遙感時(shí)序分析，得出渭河流域NDVI總體呈上升趨勢(shì)，但在空間上存在一定的差異性，同期氣溫和降水具有顯著的時(shí)空差異性；渭河流域的植被指數(shù)變換在一定程度上反映了整個(gè)流域生態(tài)系統(tǒng)的穩(wěn)定性與發(fā)展趨勢(shì)。

為進(jìn)一步研究渭河流域生態(tài)植被的時(shí)空演變特征及相關(guān)影響因子，并對(duì)未來(lái)發(fā)展趨勢(shì)進(jìn)行預(yù)測(cè)。本文基于2000—2019年渭河流域MODIS-NDVI遙感產(chǎn)品數(shù)據(jù)進(jìn)行逐像元植被覆蓋度反演，研究其時(shí)空演變特征，結(jié)合氣溫、降水等氣象數(shù)據(jù)進(jìn)行相關(guān)性及偏相關(guān)性分析并進(jìn)行M-K突變檢驗(yàn)，基于Hurst指數(shù)及年際變化率進(jìn)行未來(lái)發(fā)展趨勢(shì)分析，并就人類(lèi)活動(dòng)對(duì)渭河流域植被覆蓋的影響因子進(jìn)行簡(jiǎn)要分析。渭河作為黃河最大的支流，且作為黃河輸沙量的主要來(lái)源之一，渭河流域特殊的地理位置決定了其在生態(tài)環(huán)境保護(hù)中的特殊地位，因此定期對(duì)流域內(nèi)植被變化情況進(jìn)行監(jiān)測(cè)是對(duì)區(qū)域內(nèi)的生態(tài)環(huán)境重要保護(hù)舉措，對(duì)渭河流域及黃河中下游地區(qū)的生態(tài)安全及社會(huì)經(jīng)濟(jì)可持續(xù)發(fā)展都具有重要的意義。

1 研究區(qū)概況

渭河是黃河第一大支流，渭河流域位于東經(jīng)103°30′—110°30′和北緯 33°30′—37°30′。由北洛河、涇河兩大支流和渭河主流構(gòu)成，流域北部地處黃土高原，南部位于秦嶺山區(qū)北側(cè)，流域范圍涉及甘肅、寧夏、陜西三省(自治區(qū))，總面積達(dá)134 766 km2。渭河流域在空間上可分為東西2個(gè)部分：西部地區(qū)為黃土丘陵溝壑區(qū)，東部地區(qū)為關(guān)中平原區(qū)，流域地勢(shì)西北高東南低，南北兩側(cè)山地呈階梯狀向渭河干流傾斜[13]。區(qū)域內(nèi)水土流失嚴(yán)重，生態(tài)系統(tǒng)脆弱，氣候以半濕潤(rùn)和半干旱氣候?yàn)橹鱗16]。渭河流域位于干旱地區(qū)、大陸性季風(fēng)氣候區(qū)和濕潤(rùn)地區(qū)的中間過(guò)渡帶，春季溫暖少雨，夏季炎熱多雨且伴有伏旱天氣，秋季清涼濕潤(rùn)，冬季氣候寒冷干旱且降雨稀少[17]。流域內(nèi)植被覆蓋類(lèi)型北部以草地為主，南部地區(qū)以荊條灌叢為主[18]，區(qū)域內(nèi)主要土地利用類(lèi)型以耕地、林地、草地等。

2 數(shù)據(jù)和方法

2.1 數(shù)據(jù)及預(yù)處理

遙感數(shù)據(jù)使用美國(guó)國(guó)家航空航天局(NASA)的2000—2019年MODIS13Q1數(shù)據(jù)產(chǎn)品(https:∥ladsweb.modaps.eosdis.nasa.gov)，空間分辨率為250 m×250 m，時(shí)間分辨率為16 d。由于渭河流域跨越h∶26 v∶5和h∶27 v∶5兩個(gè)瓦片范圍，因此選擇h∶26 v∶5和h∶27 v∶5為原始數(shù)據(jù)。MODIS-NDVI產(chǎn)品是已經(jīng)經(jīng)過(guò)水、云、重氣溶膠等數(shù)據(jù)處理，因此其數(shù)據(jù)產(chǎn)品具有一定的質(zhì)量保障，由于MODIS-NDVI產(chǎn)品具有較高的空間分辨率，因此在區(qū)域植被覆蓋變化等研究領(lǐng)域中應(yīng)用廣泛。在進(jìn)行數(shù)據(jù)預(yù)處理時(shí)，首先利用MRT(MODIS Reprojection Tools)和bat批處理命令將原始MODIS-NDVI數(shù)據(jù)進(jìn)行批量的格式轉(zhuǎn)換、重投影和影像拼接；其次，利用IDL程序進(jìn)行批量研究區(qū)邊界裁剪得到研究區(qū)的原始MODIS-NDVI影像數(shù)據(jù)并進(jìn)行異常值消除處理；然后，利用最大合成法得到年NDVI影像數(shù)據(jù)，并進(jìn)一步利用像元二分法模型逐像元計(jì)算得到年植被覆蓋度影像數(shù)據(jù)；最后，對(duì)2000—2019年的植被覆蓋度影像數(shù)據(jù)進(jìn)行時(shí)序數(shù)據(jù)合成，得到2000—2019年植被覆蓋度時(shí)序影像數(shù)據(jù)。

氣象數(shù)據(jù)來(lái)源于中國(guó)氣象數(shù)據(jù)網(wǎng) (http:∥data.cma.cn)中國(guó)地面氣候資料日值數(shù)據(jù)集的1981—2019年渭河流域及其周邊區(qū)域37個(gè)氣象站點(diǎn)的逐日數(shù)據(jù)(包括日降水量、日平均氣溫等)

2.2 趨勢(shì)分析

在時(shí)序柵格影像數(shù)據(jù)的變化趨勢(shì)研究領(lǐng)域中，通過(guò)一元線(xiàn)性回歸分析能夠?qū)γ總€(gè)柵格像元的演變趨勢(shì)進(jìn)行模擬。該方法是在確定的時(shí)序影像數(shù)據(jù)范圍內(nèi)，通過(guò)最小二乘的方法對(duì)年植被覆蓋度的時(shí)間變化曲線(xiàn)斜率進(jìn)行擬合，用以綜合反演植被的時(shí)空變換特征[19-21]。本文采用一元線(xiàn)性回歸分析來(lái)進(jìn)行2000—2019年時(shí)序植被覆蓋度數(shù)據(jù)的逐像元趨勢(shì)分析，用以反演植被的時(shí)空演變特征，計(jì)算公式如下[22]：

(1)

式中:θslope為變化趨勢(shì);NDVIi為第i年的NDVI值;n為時(shí)序數(shù)據(jù)的總年數(shù);當(dāng)θslope>0時(shí)該像元呈現(xiàn)增加趨勢(shì);當(dāng)θslope≤0時(shí)該像元呈現(xiàn)下降趨勢(shì)。

2.3 Hurst指數(shù)

Hurst指數(shù)是用以描述時(shí)間序列是否具有長(zhǎng)期依賴(lài)性的有效檢測(cè)方法，其基本原理基于重標(biāo)極差(R/S)分析方法，最早由英國(guó)水文學(xué)家提出，用以描述水庫(kù)及水流量的相關(guān)分析，后被廣泛應(yīng)用于各研究領(lǐng)域，基本概念為[24]：

一時(shí)間序列{φ(t)},t=1,2,…，n，對(duì)于任意正整數(shù)τ=1，定義均值序列：

(2)

累計(jì)離差：

(3)

極差：

(4)

標(biāo)準(zhǔn)差：

(5)

若存在R/S∝τH，則說(shuō)明時(shí)間序列{φ(t)},t=1,2,…，n存在Hurst現(xiàn)象，其中H值稱(chēng)為Hurst指數(shù)，Hurst指數(shù)數(shù)值大小的代表意義如下：

(1) 0

(2)H=0.5，表明當(dāng)前時(shí)間序列呈隨機(jī)變換，即過(guò)去對(duì)未來(lái)發(fā)展趨勢(shì)沒(méi)有影響。

(3) 0.5

(4)H=1，說(shuō)明未來(lái)完全可以用現(xiàn)在來(lái)預(yù)測(cè)。時(shí)間序列是一條直線(xiàn)。

2.4 Manner-Kendal(M-K)-突變檢驗(yàn)

Mann-Kendall檢驗(yàn)方法，最初由Mann和Kendall提出，在降水、徑流、氣溫和水質(zhì)等時(shí)間序列的趨勢(shì)變化研究中應(yīng)用廣泛[25]。在Mann-Kendall檢驗(yàn)中，假定Xn為一時(shí)間序列數(shù)據(jù)(X1,…,Xn)，其不同時(shí)間點(diǎn)的數(shù)據(jù)是相互獨(dú)立、隨機(jī)的樣本數(shù)據(jù)；假設(shè)Hi是雙邊檢驗(yàn)，對(duì)于任意的k,j≤n，且k≠j,Xi和Xj的分布是不相同的，檢驗(yàn)的統(tǒng)計(jì)量S計(jì)算如下[26]：

(6)

其中

(7)

S服從標(biāo)準(zhǔn)正態(tài)分布，方差Vαr(S)=n(n-1)(2n+5)/18。當(dāng)n>10時(shí)，通過(guò)下式計(jì)算統(tǒng)計(jì)量Z值：

(8)

對(duì)于統(tǒng)計(jì)量Z，當(dāng)Z值大于0表示當(dāng)前時(shí)間序列呈增加趨勢(shì)；小于0時(shí)表示當(dāng)前時(shí)間序列呈減少趨勢(shì)。統(tǒng)計(jì)量Z值的絕對(duì)值在大于等于1.28，1.64，2.32時(shí)，表示當(dāng)前時(shí)間序列分別通過(guò)了置信度為90%，95%，99%的顯著性檢驗(yàn)。

Mann-Kendall檢驗(yàn)還可以進(jìn)一步用于時(shí)間序列的突變節(jié)點(diǎn)檢測(cè)，其檢測(cè)統(tǒng)計(jì)量Z與前面所述有所差異，通過(guò)構(gòu)造一秩序列：

(9)

其中：

(10)

定義統(tǒng)計(jì)變量：

(11)

(12)

對(duì)于統(tǒng)計(jì)序列UFk和UBk進(jìn)行進(jìn)一步分析時(shí)間序列的變化趨勢(shì)以及其突變的時(shí)間節(jié)點(diǎn)。若UFk值大于0，則表明序列呈現(xiàn)為增加趨勢(shì)；小于0則表示呈現(xiàn)減少趨勢(shì)；當(dāng)它們達(dá)到設(shè)定閾值時(shí)，表示當(dāng)前時(shí)間序列的具有顯著性的變化趨勢(shì)。如果UFk和UBk的序列統(tǒng)計(jì)曲線(xiàn)存在交點(diǎn)，并且交點(diǎn)位于設(shè)定閾值的范圍之內(nèi)時(shí)，那么此時(shí)交點(diǎn)出現(xiàn)的時(shí)間節(jié)點(diǎn)就對(duì)應(yīng)了時(shí)間序列的突變發(fā)生的時(shí)間點(diǎn)[27]。

3 結(jié)果與分析

3.1 渭河流域植被覆蓋度時(shí)空演變特征

3.1.1 時(shí)間尺度 基于MODIS-NDVI產(chǎn)品數(shù)據(jù)利用最大合成法得到的2000—2019年NDVI數(shù)據(jù)并反演年植被覆蓋度，進(jìn)一步計(jì)算渭河流域整體年均植被覆蓋度。利用線(xiàn)性擬合方法對(duì)2000—2019年渭河流域年均植被覆蓋度進(jìn)行線(xiàn)性擬合分析。結(jié)果表明：渭河流域整體植被覆蓋度呈現(xiàn)顯著性上升趨勢(shì)，年均增長(zhǎng)速率為0.087/10 a，其中，在2000—2013年基本為單調(diào)遞增趨勢(shì)，在2013—2019年有一定的正負(fù)波動(dòng)，但仍呈現(xiàn)增加趨勢(shì)(圖1)。

圖1 渭河流域年均植被覆蓋度變化

3.1.2 空間尺度 基于渭河流域2000—2019年植被覆蓋度時(shí)序影像數(shù)據(jù)，逐像元計(jì)算其植被覆蓋度均值、年際變化率、變異系數(shù)及置信度(圖2)，圖2A表明渭河流域陜北地區(qū)及西北寧夏甘肅地區(qū)植被覆蓋度整體較低，渭河流域南部秦嶺一帶及涇河、洛河一帶植被覆蓋度相對(duì)較高，流域整體在空間域上呈現(xiàn)為由東南向西北逐漸遞減的趨勢(shì)；圖2B表明渭河流域甘肅、寧夏及陜北地區(qū)植被覆蓋度年際變化率呈正向趨勢(shì)，在渭河干流中下游地區(qū)呈現(xiàn)負(fù)向變化趨勢(shì)；變異系數(shù)又稱(chēng)“離散系數(shù)”，其定義為標(biāo)準(zhǔn)差與平均值之比；變異系數(shù)可以用來(lái)衡量各觀(guān)測(cè)值的變異程度。圖2C表明渭河流域植被覆蓋度變異系數(shù)整體呈西北高東南低的空間格局，在西安及流域西北會(huì)寧縣、環(huán)縣、固原縣、定邊縣等地區(qū)較為明顯；圖2D置信水平結(jié)果表明除渭河中下游地區(qū)等少數(shù)地區(qū)外置信水平整體較高，植被覆蓋度變換較為平穩(wěn)；在置信度較低的地區(qū)植被覆蓋度波動(dòng)較大，有明顯的差異性。

圖2 渭河流域2000-2019年植被覆蓋度均值、年際變化率、變異系數(shù)及置信度

對(duì)渭河流域植被覆蓋度按照自然間斷分級(jí)法進(jìn)行分類(lèi)顯示，按植被覆蓋度分為低、中低、中、中高、高植被覆蓋區(qū)，分類(lèi)結(jié)果(圖3A)顯示渭河流域植被覆蓋度呈現(xiàn)由東南向西北漸進(jìn)式的降低。

結(jié)合置信度與年際變化率進(jìn)行變化顯著性分析(圖3B)，得到結(jié)論：2000—2019年渭河流域植被覆蓋度整體表現(xiàn)為顯著性增加，其中在渭河中下游城市密度較為集中地區(qū)植被覆蓋度有顯著性減少。

圖3 渭河流域植被覆蓋等級(jí)及變化顯著性

3.1.3 未來(lái)趨勢(shì)分析 針對(duì)2000—2019年渭河流域植被覆蓋度時(shí)序數(shù)據(jù)逐像元計(jì)算Hurst指數(shù)(圖4A)，得到渭河流域Hurst指數(shù)最大值為0.991 5，最小值為0.102 4，平均值為0.478 8，小于0.5的像元數(shù)所占比例為55%，大于0.5的像元數(shù)所占比例為45%。結(jié)果表明渭河流域未來(lái)植被覆蓋度趨勢(shì)既存在反向特征也存在同向特征。進(jìn)一步結(jié)合2000—2019年植被覆蓋度的年際變化率按照以下標(biāo)準(zhǔn)進(jìn)行未來(lái)發(fā)展趨勢(shì)分析：

Hurst指數(shù)大于0.5，年際變化率大于0時(shí)，未來(lái)趨勢(shì)為改善到持續(xù)改善；Hurst指數(shù)大于0.5，年紀(jì)變化率小于0時(shí)，未來(lái)趨勢(shì)為退化到持續(xù)退化；Hurst指數(shù)小于0.5，年際變化率大于0，未來(lái)趨勢(shì)為改善到退化；Hurst指數(shù)小于0.5，年際變化率小于0，未來(lái)趨勢(shì)為退化到改善；分析結(jié)果(圖4B)表明：渭河流域整體植被覆蓋度未來(lái)變化趨勢(shì)為改善，沿渭河中下游城市較為密集及其他城市地區(qū)植被覆蓋度未來(lái)變化趨勢(shì)為持續(xù)退化趨勢(shì)。

圖4 渭河流域Hurst指數(shù)以及未來(lái)變化趨勢(shì)

3.2 渭河流域植被覆蓋度影響因子分析

結(jié)合渭河流域及其周邊區(qū)域1981—2019年共37個(gè)氣象站點(diǎn)的氣象數(shù)據(jù)，使用M-K突變檢測(cè)法及偏相關(guān)分析法對(duì)氣溫降水?dāng)?shù)據(jù)進(jìn)行突變檢測(cè)以及流域降水、氣溫與植被覆蓋度之間的相關(guān)性進(jìn)行分析。首先根據(jù)逐日氣象數(shù)據(jù)計(jì)算年降水量與年平均溫度，利用ArcGIS 10.3軟件對(duì)每年氣象數(shù)據(jù)的年降水量及年均溫度進(jìn)行克里金插值得到渭河流域及其周邊區(qū)域的年降水量及年均溫度柵格數(shù)據(jù)，經(jīng)過(guò)掩膜處理后得到渭河流域逐像元的年降水量和年均溫度。

3.2.1 降水、氣溫趨勢(shì)分析 基于1981—2019年渭河流域內(nèi)17個(gè)氣象站點(diǎn)的氣象數(shù)據(jù)，就降水、氣溫兩個(gè)方面進(jìn)行渭河流域氣候因子發(fā)展趨勢(shì)分析。以年為單位，分別統(tǒng)計(jì)各站點(diǎn)年降雨量及年均氣溫，然后求其均值得到渭河流域整體的年均降水量(圖5A)及年均溫度(圖5B)，結(jié)果表明，渭河流域近40 a來(lái)降雨量呈不顯著增加趨勢(shì)，而氣溫呈現(xiàn)顯著增加趨勢(shì)，上升速率為0.42℃/10 a。

利用渭河流域內(nèi)17個(gè)氣象站點(diǎn)近40 a逐日氣象數(shù)據(jù)，通過(guò)Python 3.7進(jìn)行編程統(tǒng)計(jì)各氣象站點(diǎn)年降水量與年均溫度，在MATLAB中編寫(xiě)腳本分別對(duì)渭河流域各氣象站點(diǎn)的年降水量和年均溫度進(jìn)行Manner-Kendall(M-K)突變檢驗(yàn)，根據(jù)計(jì)算結(jié)果的UFk,UBk時(shí)間變化曲線(xiàn)圖及統(tǒng)計(jì)量Z值確定各氣象站點(diǎn)年降水量和年均溫度的突變時(shí)間節(jié)點(diǎn)及變化顯著性水平。首先，對(duì)渭河流域內(nèi)各站點(diǎn)年降水量和年均氣溫進(jìn)行均值求解得到渭河流域整體的年均降水量和年均溫度，對(duì)渭河流域整體降水和氣溫進(jìn)行M-K突變檢驗(yàn)，得到：在降水(圖5C)方面，渭河流域整體降水存在一定的波動(dòng)，其Z值計(jì)算結(jié)果為0.99表明流域整體降水呈不顯著增加，其中在2016年流域整體降水的趨勢(shì)發(fā)生突變；在氣溫(圖5D)方面，其Z值計(jì)算結(jié)果為4.69表明流域整體氣溫呈顯著性增加，其中渭河流域整體氣溫趨勢(shì)于1996年發(fā)生突變。

圖5 年均降水量、年均溫度、降水M-K突變檢測(cè)、氣溫M-K突變檢測(cè)

進(jìn)一步分別對(duì)渭河流域內(nèi)各氣象站點(diǎn)降水和氣溫進(jìn)行M-K突變檢測(cè)，確定各氣象站點(diǎn)降水、氣溫的突變時(shí)間及變化顯著性水平。結(jié)果表明：各站點(diǎn)降水和氣溫的M-K檢驗(yàn)結(jié)果與流域整體M-K檢驗(yàn)結(jié)果基本一致，在降水方面，近40 a渭河流域降水總體呈現(xiàn)增加趨勢(shì)，各氣象站點(diǎn)的降水量突變時(shí)間節(jié)點(diǎn)集中在2012—2018年，其中在空間上渭河流域東南地區(qū)耀縣、華山、商州站點(diǎn)降水量變化水平呈不顯著性減少，渭河流域北部地區(qū)定邊、環(huán)縣站點(diǎn)降水量變化水平呈顯著性增加，其余地區(qū)均表現(xiàn)為不顯著性增加；在氣溫方面，渭河流域氣溫變化水平整體表現(xiàn)為顯著性增加，其突變時(shí)間均發(fā)生在1996年左右。

3.2.2 氣象數(shù)據(jù)偏相關(guān)分析 基于渭河流域及其周邊區(qū)域共37個(gè)氣象站點(diǎn)數(shù)據(jù)，在各站點(diǎn)年降水量和年均溫度的基礎(chǔ)上，利用ArcGIS在空間上對(duì)2000—2019年各氣象站點(diǎn)的年降水量和年均氣溫進(jìn)行整個(gè)區(qū)域的克里金插值，在進(jìn)行克里金插值時(shí)輸出結(jié)果像元大小設(shè)定與植被覆蓋度柵格圖像像元大小一致，得到渭河流域及周邊區(qū)域的降水、氣溫柵格數(shù)據(jù)，最后利用矢量文件掩膜得到渭河流域年降水、年均氣溫逐像元的年?yáng)鸥駭?shù)據(jù)。

進(jìn)一步結(jié)合渭河流域植被覆蓋度時(shí)序影像數(shù)據(jù)對(duì)植被覆蓋度與降水、氣溫進(jìn)行相關(guān)分析及偏相關(guān)分析[28-29]。結(jié)果顯示，渭河流域植被覆蓋度與溫度、降水的相關(guān)系數(shù)與偏相關(guān)系數(shù)均存在區(qū)域正負(fù)波動(dòng)，植被覆蓋度與溫度的相關(guān)系數(shù)最大值為0.85，最小值為-0.82，區(qū)域整體相關(guān)系數(shù)平均值為0.08，由圖分析可知，氣溫植被被覆蓋度的相關(guān)性在空間存在很大的差異，在渭河流域干流中下游、關(guān)中及陜北地區(qū)表現(xiàn)為大范圍的負(fù)相關(guān)性，而在流域其他地區(qū)則呈現(xiàn)出大范圍的正相關(guān)性；控制溫度分析植被覆蓋度與溫度的偏相關(guān)性，偏相關(guān)系數(shù)最大值為0.86，最小值為-0.83，區(qū)域整體偏相關(guān)系數(shù)平均值為0.07，且在空間域上與單獨(dú)的相關(guān)性分析差異較小，結(jié)果表明溫度與植被覆蓋度的相關(guān)性受降水的影響很??；植被覆蓋度與降水的相關(guān)系數(shù)最大值為0.92，最小值為-0.81，區(qū)域整體平均值為0.30，在空間上呈現(xiàn)出東南負(fù)相關(guān)西北正相關(guān)的地域分布；控制氣溫，分析植被覆蓋度與降水的偏相關(guān)性，偏相關(guān)系數(shù)最大值為0.93，最小值為-0.79，區(qū)域整體均值為0.31，其結(jié)果與單獨(dú)分析降水與植被覆蓋度的相關(guān)性差異較小，結(jié)果表明渭河流域降水與植被覆蓋度的相關(guān)性受溫度影響較?。挥山Y(jié)果得出：2000—2019年渭河流域植被覆蓋度與氣溫整體呈現(xiàn)正相關(guān)性，在陜西地區(qū)存在正負(fù)波動(dòng)的情況，且在控制降水的情況下植被覆蓋度與氣溫的相關(guān)性與偏相關(guān)性差異較小；與降水的相關(guān)性在空間域上呈現(xiàn)出在陜西中南部呈現(xiàn)負(fù)相關(guān)，而在渭河流域其他區(qū)域整體呈現(xiàn)正相關(guān)性，且在控制溫度的情況下植被覆蓋度與降水的相關(guān)性和偏相關(guān)性也差異較小，總體而言，渭河流域植被覆蓋度與氣溫、降水的相關(guān)性與偏相關(guān)性均呈正相關(guān)性，其中與降水的相關(guān)性及偏相關(guān)性稍強(qiáng)于氣溫(圖6)。

圖6 渭河流域降水和氣溫偏相關(guān)性

5 結(jié) 論

(1) 2000—2019年渭河流域整體植被覆蓋度呈上升趨勢(shì)，上升速率為0.095/10 a，其中渭河流域陜北地區(qū)及西北寧夏甘肅地區(qū)植被覆蓋度整體相對(duì)較低，渭河流域南部秦嶺一帶及涇河、洛河一帶植被覆蓋度相對(duì)較高，渭河沿線(xiàn)城市地區(qū)植被覆蓋呈現(xiàn)顯著性降低，有明顯的差異性。

(2) 近40 a來(lái)，渭河流域氣溫呈顯著性上升趨勢(shì)，上升速率為0.42℃/10 a，降水呈現(xiàn)弱增加趨勢(shì)，但降水變化的隨機(jī)性較大。渭河流域植被覆蓋度與氣溫和降水整體均呈現(xiàn)為正相關(guān)性，在陜北等局部地區(qū)呈現(xiàn)負(fù)相關(guān)性；與降水的相關(guān)性在空間上表現(xiàn)為由東南向西北遞增的空間分布，在陜西中南部地區(qū)呈現(xiàn)負(fù)相關(guān)性，陜北、寧夏及甘肅地區(qū)呈現(xiàn)為較強(qiáng)的正相關(guān)性。渭河流域植被覆蓋度與氣溫和降水的偏相關(guān)系數(shù)相較于相關(guān)系數(shù)差異并不明顯。

(3) 渭河流域植被覆蓋度與氣溫、降水的相關(guān)性存在明顯的空間地域特征，且氣溫、降水之間對(duì)被覆蓋度的影響都較為獨(dú)立，關(guān)聯(lián)性并不明顯。

(4) 渭河流域植被覆蓋的未來(lái)變化趨勢(shì)表現(xiàn)為：流域整體呈現(xiàn)進(jìn)一步改善趨勢(shì)，其中沿渭河中下游城市密集地區(qū)植被覆蓋未來(lái)變化趨勢(shì)呈現(xiàn)為持續(xù)退化趨勢(shì)。