趙倩倩 李建華 張桂琴 石云

寧夏大學(xué)地理科學(xué)與規(guī)劃學(xué)院，銀川 750021

1 引言

植被是陸地生態(tài)系統(tǒng)中必不可少的一部分，在能量傳輸以及生態(tài)系統(tǒng)物質(zhì)循環(huán)等方面扮演著重要的角色（Wang et al., 2012; 高江波等, 2019; 趙倩倩等,2021）。植被覆蓋的時空變化可以反映出生態(tài)系統(tǒng)環(huán)境變化、氣候演變以及水土保持等作用過程（馬勇剛和黃粵, 2018; 王麗霞等, 2020），因此，在全球氣候變暖的情況下，研究植被覆蓋變化對評價生態(tài)環(huán)境的穩(wěn)定性和安全性具有重要的意義（Aly et al.,2016; Xu et al., 2016; 李楠等, 2021）。歸一化植被指數(shù)

（Normalized Different Vegetation Index，NDVI）用來表征植被生長狀況和植被覆蓋度的最佳因子，是監(jiān)測區(qū)域植被和生態(tài)環(huán)境演變的最有效指標(biāo)，而且對低植被覆蓋區(qū)的敏感性和解釋力較高，廣泛用于生態(tài)系統(tǒng)環(huán)境監(jiān)測（劉振元等, 2017）、水土保持 （鐘莉娜和趙文武, 2013; 何遠(yuǎn)梅等, 2015）、以及土地利用評價（彭保發(fā)等, 2013; 張華和安慧敏, 2021）等方面。

黃河流域是中華文明的主要發(fā)源地，對我國政治、經(jīng)濟(jì)、文化發(fā)展至關(guān)重要，但經(jīng)過長期農(nóng)業(yè)、工業(yè)開發(fā)，其生態(tài)環(huán)境遭到破壞，水土流失嚴(yán)重，被列為我國水土保持的重點(diǎn)區(qū)域之一。2019年9月18日，習(xí)近平總書記在鄭州召開“黃河流域生態(tài)保護(hù)和高質(zhì)量發(fā)展”座談會，黃河流域生態(tài)保護(hù)和高質(zhì)量發(fā)展上升為國家戰(zhàn)略。黃河流域植被生長狀況不僅反映流域生態(tài)環(huán)境質(zhì)量的好壞，還能有效地監(jiān)測和評價退耕還林（草）工程對流域植被覆蓋的動態(tài)影響（賀振和賀俊平, 2017），對于落實(shí)黃河流域生態(tài)保護(hù)和高質(zhì)量發(fā)展戰(zhàn)略具有重要意義。近年來，在氣候變化和人類活動的綜合影響下，黃河流域的植被狀況發(fā)生較為復(fù)雜的變化（潘攀等,2014）。目前，很多學(xué)者對黃河流域植被變化做了大量的研究工作。袁麗華等（2013）基于MODISNDVI數(shù)據(jù)利用趨勢分析和Hurst指數(shù)法分析了2000～2010年黃河流域植被覆蓋的時空變化特征以及可持續(xù)特征，發(fā)現(xiàn)流域未來植被變化將持續(xù)改善。賀振和賀俊平（2017）利用 GIMMS（Global Inventory Modeling and Mapping Studies）-NDVI 植被指數(shù)數(shù)據(jù)集，采用統(tǒng)計分析法，從平均態(tài)、線性趨勢等方面系統(tǒng)研究了黃河流域32年間植被覆蓋時空格局和演化趨勢，發(fā)現(xiàn)整個流域植被覆蓋狀況不斷好轉(zhuǎn)。顏明等（2018）將GIMMS和MODIS 2種數(shù)據(jù)集進(jìn)行擬合，得到黃河流域1982～2012年新的數(shù)據(jù)集，從趨勢分析和相關(guān)性等方面分析黃河流域多時間尺度植被覆蓋變化，發(fā)現(xiàn)植被覆蓋變化在不同時間尺度上具有明顯差異。郭帥等（2020）基于GIMMS-NDVI數(shù)據(jù)集，采用線性回歸法，分析黃河流域1982～2015年NDVI時空變化，發(fā)現(xiàn)黃河流域植被覆蓋呈顯著增加趨勢且黃河中游增加最快。張亞玲等（2014）基于SPOT-NDVI數(shù)據(jù)集，系統(tǒng)分析近15年黃河流域植被覆蓋變化，發(fā)現(xiàn)黃河流域下游NDVI增長最快而上游最慢。劉啟興等 （2019）基于2000～2016年MODIS-NDVI數(shù)據(jù)運(yùn)用趨勢分析法和回歸分析法，發(fā)現(xiàn)黃河源區(qū)植被NDVI是增加的。韓磊等（2021）以4期Landsat TM/OLI為數(shù)據(jù)源，采用轉(zhuǎn)移矩陣、重心轉(zhuǎn)移模型分析1998～2018年黃河流域中段延安市植被覆蓋的時空演變特征，發(fā)現(xiàn)植被覆蓋受政策的影響而大幅增高。

近年來已有不少研究工作關(guān)注黃河流域植被覆蓋變化的量化與分區(qū)研究（葉培龍等, 2020; 張靜等, 2021; 谷佳賀等, 2021），隨著衛(wèi)星遙感數(shù)據(jù)的進(jìn)一步更新和延長，本文進(jìn)一步分析了近20年來黃河流域植被覆蓋的時空演變特征，揭示該流域植被覆蓋變化成因并量化不同驅(qū)動因子的相對貢獻(xiàn)。因此，本文利用2001～2020年MOD13C2為數(shù)據(jù)源，以及同期氣溫、降水和改進(jìn)的帕默爾干旱指數(shù) （scPDSI）數(shù)據(jù)，運(yùn)用統(tǒng)計分析的方法，從線性趨勢、時間序列、偏相關(guān)性等角度對黃河整個流域以及子流域近20年植被變化與氣候因子的關(guān)系進(jìn)行探究，結(jié)合殘差分析法定量分析人類活動對植被變化的影響。

2 數(shù)據(jù)與方法

2.1 研究區(qū)概況

黃河流域地處（32°N～42°N，96°E～119°E） （圖1），以內(nèi)蒙古托克托縣河口鎮(zhèn)和河南省滎陽市桃花峪為界分為上流、中流、下流3個子流域（宋永永等, 2021），流經(jīng)9個省份（青海、四川、甘肅、寧夏、內(nèi)蒙古、陜西、山西、河南和山東），總面積約 8.0×105km2。流域內(nèi)地勢懸殊，橫跨三大高原（青藏高原、內(nèi)蒙古高原、黃土高原）和黃淮海平原。除此之外，該流域范圍氣候復(fù)雜（干旱、半干旱、半濕潤），土壤類型多樣（棕壤、褐土、灰鈣土等)，植被類型豐富，以落葉闊葉林帶、草原帶、荒漠帶和青藏高原植被帶為主（顏明等, 2018）。

圖1 黃河流域地勢圖Fig. 1 Topographic map of the Yellow River basin

2.2 數(shù)據(jù)來源及處理

本文采用的NDVI數(shù)據(jù)集是MOD13C2植被指數(shù)（https://ladsweb.modaps.eosdis.nasa.gov/[2021-03-09]）。該產(chǎn)品的空間分辨率為0.05°（5.6 km），采樣時間間隔為1個月。數(shù)據(jù)經(jīng)過格式轉(zhuǎn)換，重投影以及批量裁剪等一系列預(yù)處理后，得到黃河流域植被數(shù)據(jù)集。最后利用均值法求得黃河流域20年NDVI年均數(shù)據(jù)，可以排除異常值帶來的影響（張月叢等, 2008）。

氣象數(shù)據(jù)來源于國家科技基礎(chǔ)條件平臺—國家地球系統(tǒng)科學(xué)數(shù)據(jù)中心（http://www.geodata.cn/[2021-05-04]），空間分辨率為0.00833°（1 km）。該數(shù)據(jù)是CRU（Climatic Research Unit）發(fā)布全 球0.5°氣候數(shù)據(jù)結(jié)合WorldClim發(fā)布的全球高分辨率氣候數(shù)據(jù)，通過Delta空間降尺度方案在中國地區(qū)降尺度生成并以496個獨(dú)立氣象觀測點(diǎn)數(shù)據(jù)進(jìn)行驗(yàn)證（Peng et al., 2019）。每36個月一期nc4文件，運(yùn)用Arcgis軟件批量提取得到逐月降水量和平均氣溫，采用均值法得到2001～2020年均降水量和氣溫。

改進(jìn)的帕默爾干旱指數(shù)（scPDSI）數(shù)據(jù)集來源于英國東安格利亞大學(xué)氣候研究組（CRU）的CRU-TS v4.05逐月自校正PDSI數(shù)據(jù)庫（http://www.cru.uea.ac.uk/data[2021-08-26]），時間尺度為1901～2020年，空間分辨率為0.5°（緯度）× 0.5°（經(jīng)度）。scPDSI數(shù)據(jù)經(jīng)批量重采樣與裁剪等步驟后，處理成與NDVI具有相同分辨率的柵格數(shù)據(jù)。

2.3 研究方法

2.3.1 趨勢分析

一元線性回歸趨勢可以較好的表示出NDVI時空演變的特征（Wang et al., 2015）。為了分析黃河流域2001～2020年植被覆蓋的空間變化規(guī)律，利用趨勢分析法進(jìn)行逐像元擬合NDVI的年際變化趨勢。其計算公式為

其中， θslope為 NDVI與時間回歸的斜率；n為研究時間長度，即20年；i為 1～n年 中的第i年 ；NDVIi為第i年的NDVI均值；結(jié)合變化趨勢的斜率和P值，將NDVI的變化趨勢分為顯著減?。é萻lope＜ 0，P＜0.01），較 顯 著 減 ?。é萻lope＜0，0.01＜P＜0.05），無顯著變化（P＞0.05），較顯著增加（θslope＞0，0.01＜P＜0.05）和顯著增加（θslope＞0，P＜0.01）5個等級。

2.3.2 偏相關(guān)分析

偏相關(guān)分析是指在控制某一要素不變的情況下，分析其它兩要素間的相關(guān)性，根據(jù)偏相關(guān)系數(shù)，判定兩變量間凈相關(guān)的強(qiáng)弱程度（陳晨等, 2021）。其計算公式為

其中，rxy、rxz、ryz分 別是變量x、y， 變量x、z，變量y、z的偏相關(guān)系數(shù)。根據(jù)P值和相關(guān)系數(shù)，將其定性分為顯著正相關(guān)（相關(guān)系數(shù)r＞0，P＜0.05）、不顯著正相關(guān)（r＞0，P＞0.05）、顯著負(fù)相關(guān) （r＜0，P＜0.05）、和不顯著負(fù)相關(guān)（相關(guān)系數(shù)＜0，P＞0.05）4個等級。

2.3.3 多元回歸殘差法

假設(shè)植被變化僅由氣象因子和人類活動這兩個因素所決定，通過多元回歸殘差法可以計算這兩個因素對NDVI的相對貢獻(xiàn)率，該方法廣泛的應(yīng)用于氣候變化與人類活動對植被變化作用中（易浪等,2014; 劉 斌 等, 2015; 鄧 晨 暉 等, 2018; 王 一 等,2021）。計算步驟是通過NDVI與氣溫、降水?dāng)?shù)據(jù)進(jìn)行擬合得到NDVI預(yù)測值，然后NDVI實(shí)際值與NDVI預(yù)測值做差值運(yùn)算，即可分離出人類活動影響的部分。其計算公式為

其中，Tem為 年均溫；Pre為 年降水量；a、b、c分別是年均溫、年降水量、常數(shù)項(xiàng)的回歸系數(shù)；NDVIp為NDVI的模擬預(yù)測值，NDVIo為NDVI的實(shí)測值，NDVIh為NDVI殘差值。NDVIh＞0表示人類活動對植被生長產(chǎn)生積極的影響，反之表示人類活動阻礙植被的生長。

2.3.4 氣候變化和人類活動對NDVI貢獻(xiàn)率的判定

氣候變化和人類活動對NDVI變化的貢獻(xiàn)率的計算主要采用金凱等（2020）提出的方法，首先根據(jù)公式（1）對NDVIp和NDVIh進(jìn)行趨勢分析，當(dāng)斜率為正時，則表示氣候變化或人類活動對NDVI的恢復(fù)具有積極的作用，反之，表示會抑制植被的生長；然后結(jié)合NDVIo變化趨勢，計算不同驅(qū)動因素下氣候變化和人類活動對NDVI的貢獻(xiàn)率，如表1所示。

表1 不同驅(qū)動因素下氣候變化和人類活動對NDVI貢獻(xiàn)率計算方法Table 1 Calculation method of the contribution rate of climate change and human activities to the NDVI under different driving factors

3 結(jié)果與分析

3.1 NDVI的時間變化特征

黃河流域及上中下游2001～2020年多年NDVI月均值可以表征一年內(nèi)植被從返青到枯黃的過程。從圖2中可以看出，黃河流域及上中游各月的多年均值均呈先上升后下降的趨勢，黃河中游NDVI＞黃河流域NDVI＞黃河上游NDVI。NDVI值變化趨勢在1～3月份不明顯，從4月份開始呈明顯上升趨勢，說明植被開始返青。其中8月份達(dá)到最大值，即黃河下游NDVI最大值（0.70）＞黃河中游NDVI最大值（0.60）＞黃河流域NDVI最大值（0.52）＞黃河上游NDVI最大值（0.46）。NDVI值在8～10月份開始下降，由于10月份溫度變冷，NDVI值下降明顯，植被開始變枯黃。但黃河下游在6月份和10月份NDVI值陡然下降，主要原因黃河下游的山東省是我國重要的農(nóng)業(yè)區(qū)，積溫能夠滿足作物一年兩熟，大部分農(nóng)田采用的種植方式是冬小麥和夏玉米交替種植（梁守真等,2012）。冬小麥?zhǔn)崭畹臅r期一般在5月底至6月上旬，接著播種夏玉米，夏玉米收獲的日期一般在9月底至10月初，而農(nóng)作物收割時期會導(dǎo)致NDVI驟然下降（于泉洲等, 2015）。

圖2 2001～2020年黃河流域及其3個子流域（黃河上游、中游、下游）月際NDVI變化曲線Fig. 2 Monthly NDVI variation curves of the Yellow River basin and its three sub-basins (upper reaches, middle reaches, and lower reaches of the Yellow River) from 2001 to 2020

根據(jù)黃河流域及子流域2001～2020年NDVI的年際變化趨勢圖（圖3）可以看出，在近20年間黃河流域及子流域NDVI呈上升趨勢且趨勢基本一致。黃河中游NDVI上升最快，其增長趨勢[約為0.0496 (10a)-1]要高于整個流域[約為0.0349(10a)-1]，而黃河上游增長趨勢[約為0.0264 (10 a)-1]相對較小。2012～2014年，各流域NDVI值均呈下降趨勢，植被退化，主要原因可能是這期間黃河流域溫度升高而降水減少。但2015年后整個流域及上、中游NDVI值呈上升趨勢。NDVI最小值出現(xiàn)在2001年，而2020年達(dá)到最大值，這說明實(shí)施退耕還林（草）政策對黃河流域的植被覆蓋產(chǎn)生正向作用。

3.2 NDVI的空間分布特征

由黃河流域年際及生長季（4～10月）NDVI的空間分布、變化趨勢以及顯著性的分布圖（圖4）可知，近20年黃河流域NDVI空間分異明顯。黃河流域植被指數(shù)總體上呈現(xiàn)東南高西北低分布特征，這主要與流域的自然條件和氣候有關(guān)。東南部地區(qū)氣候適宜農(nóng)作物生長，種植大片區(qū)域的農(nóng)作物，年均NDVI較大，大部分地區(qū)NDVI值在0.4～0.6；西北部地區(qū)和黃河源區(qū)的植被覆蓋指數(shù)較小，在0.1～0.3，主要原因在于西北區(qū)域降水稀少，氣候干旱，廣泛分布著荒漠；黃河源區(qū)屬于大陸性高寒氣候，大面積是稀疏草地和裸露巖石。從各個子流域來看，黃河上游植被指數(shù)較低，均值為0.27；而黃河中，下游植被指數(shù)均值分別為0.38和0.42。生長季與多年均態(tài)分布相比，由于受到降水的影響，西部地區(qū)及東南部區(qū)域植被更加茂密，NDVI值明顯增大，NDVI值可以達(dá)到0.5～0.6，特別是子午嶺等地區(qū)，NDVI指數(shù)可以達(dá)到0.7以上；西北區(qū)域的寧夏平原和河套平原因?yàn)楣鄥^(qū)建設(shè)和耕作，NDVI值也明顯增大。

圖4 2001～2020年黃河流域年際平均（第一行）和生長季平均（第二行）（a、d）NDVI平均值、（b、e）NDVI變化趨勢（單位：a-1）以及（c、f）NDVI變化趨勢顯著性空間分布Fig. 4 Spatial distribution of the annual averaged (first line) and growing season averaged (second line) (a, d) NDVI, (b, e) trend of NDVI (units: a-1),and (c, f) significance of the NDVI trend in the Yellow River basin from 2001 to 2020

近20年黃河流域NDVI整體呈增加的趨勢，其趨勢分布模態(tài)和平均態(tài)的模態(tài)類似，均呈現(xiàn)出由東南高西北低分布特征。較顯著增加和顯著增加區(qū)域占流域總面積的79.85%，其中大部分區(qū)域呈顯著增加，主要聚集在流域的中部，包括寧夏南部山區(qū)，陜北地區(qū)以及山西忻州市等區(qū)域，說明植被覆蓋狀況得到顯著改善。無顯著變化區(qū)域占流域總面積的19.06%，主要分布在黃河源區(qū)、祁連山。顯著減小和較顯著減小僅占區(qū)域面積的0.55%，主要集中在城市集中發(fā)展區(qū)。生長季NDVI變化趨勢顯著性與整年的趨勢分布基本一致，不同的是，生長季NDVI在黃河源區(qū)和祁連山呈顯著增加，而在黃河流域下游增長趨勢不顯著。

3.3 NDVI變化與氣溫、降水之間的關(guān)系

植被覆蓋會受到氣溫、降水量的不同而呈現(xiàn)區(qū)域性的差異，為了進(jìn)一步對比這種空間分布的異質(zhì)性，本文對NDVI與氣溫和降水在空間上的相關(guān)性進(jìn)行了統(tǒng)計分析，得到研究結(jié)果如圖5所示，在黃河中游的北部以及黃河下游，NDVI與溫度呈顯著正相關(guān)，偏相關(guān)系數(shù)在0.4～0.6；而NDVI與溫度在上游的河?xùn)|沙區(qū)、陜西中部等區(qū)域呈不顯著負(fù)相關(guān)，偏相關(guān)系數(shù)在-0.2～0，表明這些地方受氣候影響并不明顯，可能是退耕還林還草等人為因素起到了很大作用。從黃河流域NDVI與降水量相關(guān)系數(shù)的空間分布可以看出，黃河流域植被覆蓋指數(shù)與降水量在大多數(shù)區(qū)域表現(xiàn)出正的相關(guān)性，其中在上游的隴中黃土高原，陰山南麓，包頭市以及中游區(qū)域的山西北部等區(qū)域呈顯著正相關(guān)，偏相關(guān)系數(shù)在0.4～0.6，甚至部分區(qū)域達(dá)到0.6以上；而NDVI與降水量在黃河源區(qū)以及中游的陜西南部森林覆蓋等區(qū)域呈不顯著負(fù)相關(guān)。整體來看，降水對NDVI影響明顯高于氣溫。

圖5 2001～2020年黃河流域NDVI與（a、b）溫度及（c、d）降水量偏相關(guān)系數(shù)以及顯著性的空間分布：（a、c）偏相關(guān)系數(shù)；（b、d）顯著性Fig. 5 Spatial distribution of partial correlation correlations and significance between the NDVI and (a, c) temperature and (b, d) precipitation in the Yellow River basin from 2001 to 2020: (a, c) Partial correlation; (b, d) significance

從時間序列上看，2001～2020年黃河流域和子流域年均氣溫呈上升趨勢（圖6），其上升速率分 別 為0.1154°C (10 a)-1、0.0892°C (10 a)-1、0.0736 °C (10 a)-1和0.3485°C (10 a)-1，其中黃河下游升溫速率最快。黃河整個流域而言，NDVI與溫度時間序列的相關(guān)系數(shù)為0.3989，能夠解釋NDVI變化的15.9%左右；而子流域相比，黃河下游NDVI與溫度時間序列的相關(guān)系數(shù)較高，達(dá)到0.5680，能夠解釋NDVI變化的32.3%左右。

圖6 2001～2020年（a）黃河流域及其（b）上游、（c）中游、（c）下游3個子流域NDVI與溫度時間序列。y1和y2分別表示NDVI和氣溫隨時間變化的線性趨勢；R是NDVI和溫度時間序列的相關(guān)系數(shù)；*代表通過了0.05的顯著性檢驗(yàn)Fig. 6 Time series of the NDVI and temperature in (a) the Yellow River basin and the (b) upper reaches, (c) middle reaches, and (d) lower reaches of the Yellow River from 2001 to 2020. y1 and y2 represent the linear trends of the NDVI and temperature, respectively; R is the correlation coefficient between the NDVI and temperature time series; the number with an asterisk is statistically significant at the 0.05 level

與溫度類似，降水的變化也呈一致增加的趨勢 （圖7），特別是在黃河上游，降水的增加幅度達(dá)到了26.7123 mm (10 a)-1，尤其在2015～2018年增加趨勢明顯。同時，NDVI與降水的相關(guān)性最高，相關(guān)系數(shù)達(dá)到了0.7120，可以解釋NDVI變化的50.7%左右，遠(yuǎn)高于黃河整個流域（32.6%）、黃河中游（12.5%）和黃河下游（12.6%），主要原因黃河上游大部分區(qū)域?qū)儆诟珊蛋敫珊祬^(qū)，降水量的增加可以促進(jìn)植被的生長。

圖7 2001～2020年（a）黃河流域及其（b）上游、（c）中游、（c）下游3個子流域NDVI與降水量時間序列。y1和y2分別表示NDVI和降水隨時間變化的線性趨勢；R是NDVI和降水時間序列的相關(guān)系數(shù)；*代表通過了0.05的顯著性檢驗(yàn)Fig. 7 Time series of the partial correlation analysis between the NDVI and precipitation in (a) the Yellow River basin and the (b) upper reaches, (c)middle reaches, and (d) lower reaches of the Yellow River from 2001 to 2020. y1 and y2 represent the linear trends of the NDVI and precipitation,respectively; R is the correlation coefficient between the NDVI and precipitation time series; the number with an asterisk is statistically significant at the 0.05 level

3.4 人類活動對植被變化的可能影響

同一個區(qū)域NDVI變化由于氣候變化和人類活動的影響而存在很大的空間差異性。由圖8a和8b可知，氣候變化和人類活動對NDVI增加起促進(jìn)作用的面積均超過90%。氣候變化在甘肅省西部、山西省北部區(qū)域的增長趨勢大于0.001 a-1；而人類活動在上游的中部區(qū)域、中游的陜西省、山西省大部分區(qū)域的增加趨勢大于0.004 a-1。由氣候變化和人類活動引起植被覆蓋減小的區(qū)域主要分布在關(guān)中平原城市群；通過進(jìn)一步計算，氣候變化和人類活動對黃河流域NDVI變化影響分別為0.76×10-3a-1和0.27×10-2a-1。

圖8 2001～2020年黃河流域NDVI受（a）氣候變化和（b）人類活動影響的變化趨勢以及（c）氣候變化和（d）人類活動對黃河流域NDVI變化貢獻(xiàn)率的空間分布Fig. 8 Spatial distribution of the impacts of (a) climatic and (b) human activities change trend and contribution of (c) climate change and (d) human activities to the NDVI in the Yellow River basin from 2001 to 2020

由圖8c和8d可知，氣候變化和人類活動對黃河流域植被覆蓋貢獻(xiàn)率為正的面積分別占93.50%和96.16%。氣候變化貢獻(xiàn)率在上游的四川省、甘肅的甘南，內(nèi)蒙的大青山以及中游的山西省西部等區(qū)域大于40%；人類活動貢獻(xiàn)率在黃土高原中部等區(qū)域超過80%。氣候變化和人類活動對黃河流域NDVI變化貢獻(xiàn)率為負(fù)的區(qū)域主要分布在特大城市群等區(qū)域?？偠灾?，NDVI增加受人類活動影響大于氣候變化。根據(jù)黃河流域?qū)嶋HNDVI變化趨勢和受氣候變化和人類活動影響的NDVI變化趨勢，計算得到氣候變化和人類活動對黃河流域NDVI的貢獻(xiàn)率分別為22%和78%。

3.5 黃河流域NDVI對干旱的響應(yīng)

干旱的強(qiáng)度和持續(xù)時間在一定程度上會影響植被的生長，因此，有必要進(jìn)一步評估黃河流域NDVI對干旱的響應(yīng)，首先我們考察了2001～2020年黃河流域干旱的空間分布和變化趨勢。從年均scPDSI空間分布（圖9a）可以看出，scPDSI低值主要分布在寧夏、內(nèi)蒙古大部分區(qū)域，說明這些區(qū)域比較干旱；而在青海省、甘肅省西部、陜西省中部區(qū)域，scPDSI值較高，說明這些區(qū)域氣候較濕潤。圖9b中，在四川省、青海省和甘肅省接壤的區(qū)域，scPDSI呈增加的趨勢，干旱逐步得到緩解；而scPDSI在黃河下游區(qū)域呈下降趨勢，說明干旱程度加重。

圖9 2001～2020年黃河流域scPDSI（a）平均態(tài)和（b）變化趨勢的空間分布Fig. 9 Spatial distribution of (a) the average state and (b) change trend of the scPDSI in the Yellow River basin from 2001 to 2020

進(jìn)一步分析了NDVI與scPDSI的相關(guān)性，從圖10a可以看出，NDVI與干旱指數(shù)基本上都是正相關(guān)，其中在隴中黃土高原，河?xùn)|沙區(qū)等區(qū)域，相關(guān)系數(shù)可達(dá)到0.6以上，但在黃河源區(qū)和黃河下游部分區(qū)域相關(guān)性較低，相關(guān)系數(shù)不到0.2。這可能是因?yàn)檫@兩個區(qū)域的植被變化分別受冰川融水和農(nóng)田灌溉調(diào)控，而干旱的脅迫作用很小；另外也有可能與所用的scPDSI數(shù)據(jù)重采樣有關(guān)。從整個黃河流域平均來看（圖10b），植被覆蓋變化與干旱氣候變化仍然是顯著正相關(guān)，即約59%（r2≈0.59）植被變化都受干旱因子脅迫。

圖10 2001～2020年黃河流域NDVI與scPDSI（a）相關(guān)系數(shù)分布和（b）散點(diǎn)圖Fig. 10 Spatial distribution of (a) correlation and (b) scatter plot between the NDVI and scPDSI in the Yellow River basin from 2001 to 2020

圖11反映黃河流域以及3個子流域NDVI對干旱的響應(yīng)。從時間序列上看，2001～2020年黃河流域以及上游和中游scPDSI值呈上升趨勢，其上升速率分別為1.1 (10 a)-1、1.4 (10 a)-1、0.8 (10 a)-1；而黃河下游呈下降趨勢，其下降速率為0.3 (10 a)-1。3個子流域相比，黃河上游NDVI與scPDSI時間序列的相關(guān)系數(shù)最高，可達(dá)0.82，能夠解釋NDVI變化的66.8%左右；而黃河下游scPDSI對NDVI的影響最小，相關(guān)系數(shù)僅為0.11，亦即僅能解釋植被變化的10%左右。這可能是因?yàn)辄S河下游地區(qū)主要的地表植被覆蓋是農(nóng)作物，春夏季農(nóng)田灌溉主導(dǎo)了該流域NDVI的變化。

圖11 2001～2020年（a）黃河流域及其（b）上游、（c）中游、（c）下游3個子流域NDVI與scPDSI時間序列。y1和y2分別表示NDVI和干旱隨時間變化的線性趨勢；R是NDVI和干旱時間序列的相關(guān)系數(shù)；*代表通過了0.05的顯著性檢驗(yàn)Fig. 11 Time series of correlation analysis between the NDVI and drought in (a) the Yellow River basin and the (b) upper reaches, (c) middle reaches, and (d) lower reaches of the Yellow River from 2001 to 2020. y1 and y2 represent the linear trend of the NDVI and drought, respectively; R is the correlation coefficient between the NDVI and drought time series; the number with an asterisk is statistically significant at the 0.05 level

4 結(jié)論與討論

本文基于NDVI產(chǎn)品MOD13C2 和氣溫、降水、scPDSI數(shù)據(jù)分析研究了近20年以來黃河流域植被變化的空間格局及其與氣候變化和人類活動驅(qū)動要素之間的關(guān)系，所得主要結(jié)論如下：

（1）從時間變化看，黃河流域及上中游NDVI在年內(nèi)變化均呈現(xiàn)先上升后下降趨勢，而下游呈波動變化趨勢。黃河中游植被在年際變化中上升最快，而上游增長趨勢相對較小。從空間格局與變化看，黃河流域植被指數(shù)總體上呈現(xiàn)東南高西北低分布特征。黃河流域西部、東南部區(qū)域以及西北區(qū)域的寧夏平原和河套平原在生長季NDVI值明顯增大。從NDVI變化趨勢顯著性看，近20年黃河流域NDVI整體呈增加的趨勢，較顯著增加和顯著增加區(qū)域占流域總面積的79.85%，顯著減少主要集中在城市集中發(fā)展區(qū)。

（2）黃河流域NDVI的年際變率及其趨勢與氣溫、降水的相關(guān)關(guān)系在大部分區(qū)域均呈正相關(guān)，且植被變化受降水的影響更大，尤其在黃河上游，NDVI與降水關(guān)系最為密切，降水對NDVI變化趨勢的貢獻(xiàn)達(dá)到了50.7%；溫度與NDVI的相關(guān)性在黃河下游最高，對其變化趨勢的貢獻(xiàn)達(dá)到了32.3%。

（3）在氣候變化和人類活動的影響下，黃河流域植被覆蓋狀況得到很大的改善，與氣候變化相比，人類活動對NDVI的正面影響更大，特別在黃土高原中部區(qū)域。整體上，近20年氣候變化和人類活動對黃河流域NDVI變化的影響分別是0.76×10-3a-1和0.27×10-2a-1，相對貢獻(xiàn)率分別是22%和78%，可見，人類活動對黃河流域植被變化的作用很大。

（4）2001～2020年，黃河流域中四川省、陜西省和甘肅省接壤的區(qū)域，干旱減輕趨勢明顯，而在黃河下游，干旱程度加重。從年際變化上看，黃河上游，NDVI與干旱關(guān)系最為密切，scPDSI能解釋NDVI變化的66.8%，而黃河下游scPDSI只能解釋NDVI變化的10%左右。

本文所用數(shù)據(jù)時間尺度延長至2020年，而且充分考慮了氣候變化影響，特別是干旱脅迫作用對植被變化的影響，所得主要結(jié)論就是近20年黃河流域植被覆蓋整體呈增長趨勢且植被改善區(qū)遠(yuǎn)大于植被退化區(qū)。這與最近一些研究如袁麗華等 （2013）、賀振和賀俊平（2017）和張志強(qiáng)等（2021）研究結(jié)論基本一致。但與已有研究結(jié)果（如張亞玲等, 2014）不同的是，本研究發(fā)現(xiàn)黃河中游NDVI上升最快，上游增長趨勢相對較小，干旱是最主要的脅迫因子之一。這可能因?yàn)楸狙芯克玫腘DVI數(shù)據(jù)延伸所致。

此外， 黃河流域中上游地區(qū)大多處于干旱和半干旱區(qū)，是我國水資源極其短缺的地區(qū)之一，對氣候變化極為敏感。在氣候變暖和人類活動的雙重影響下，黃河流域的氣候及水文過程發(fā)生了顯著的變化，中下游氣候的暖干化、流域徑流量的大幅減少、極端氣候事件的增多，會造成黃河流域水資源的供需矛盾更加突出，并在未來 10～30 年內(nèi)仍將繼續(xù)面臨水資源嚴(yán)重短缺的嚴(yán)峻挑戰(zhàn)（馬柱國等,2020）。有氣候模式的預(yù)估研究結(jié)果顯示，在未來氣候變暖背景下，黃河流域的降水在21世紀(jì)末期夏季降水會明顯減?。? 2013）。要進(jìn)一步認(rèn)識和理解未來不同氣候變化情景下黃流流域植被覆蓋的響應(yīng)強(qiáng)度及其區(qū)域差異，就需要借助最新的第5/6次國際耦合模式比較計劃（CMIP5/CMIP6）多模式預(yù)估試驗(yàn)的統(tǒng)計和動力降尺度結(jié)果進(jìn)行深入研究。

本文采用多元線性回歸殘差法定量分析氣候變化和人類活動對NDVI的貢獻(xiàn)還存在一定的不確定性，如NDVI與氣候因子進(jìn)行多元回歸時，氣候因子的選取。在分析人類活動對NDVI的影響時，忽略城市擴(kuò)張，植被建設(shè)等具體的人類活動方式。而且不同區(qū)域植被生長與各因素的響應(yīng)存在空間差異，在以后的研究中需細(xì)化影響NDVI變化的驅(qū)動因素，分析各因素與NDVI變化之間的關(guān)系，更進(jìn)一步研究NDVI變化的驅(qū)動機(jī)制。

致 謝感謝國家科技基礎(chǔ)條件平臺-國家地球系統(tǒng)科學(xué)數(shù)據(jù)中心（http://www.geodata.cn[2021-05-04]）提供數(shù)據(jù)支撐。