張家政, 李崇貴, 王 濤

(西安科技大學(xué) 測繪科學(xué)與技術(shù)學(xué)院, 西安 710054)

植被是連接水分、土壤和大氣的紐帶，也是陸地地表生態(tài)系統(tǒng)的主體部分[1-3]。植被不僅對荒漠化治理具有重要意義，而且與當(dāng)?shù)厣鐣h(huán)境發(fā)展和整個(gè)生態(tài)穩(wěn)定等方面都有密切聯(lián)系，因此對區(qū)域內(nèi)植被生長狀況進(jìn)行長時(shí)間序列動態(tài)變化監(jiān)測具有重要的現(xiàn)實(shí)意義。植被覆蓋度(Fractional Vegetation Coverage，F(xiàn)VC)是量化植被生長狀態(tài)的關(guān)鍵因子，同時(shí)也是土壤侵蝕與水土流失的重要影響因子。利用歸一化植被指數(shù)(Normalized Different Vegetation Index，NDVI)，采用像元二分模型近似估算植被覆蓋度進(jìn)而分析植被動態(tài)變化[4]，可以為地區(qū)環(huán)境治理和生態(tài)環(huán)境變化提供科學(xué)的有力參考。

遙感技術(shù)在長時(shí)間序列植被變化監(jiān)測研究具有顯著優(yōu)勢。目前，長時(shí)間序列植被覆蓋變化研究的數(shù)據(jù)來自NOAA/AVHRR，SPOT/VGT，MODIS等衛(wèi)星傳感器獲取到的植被指數(shù)。國內(nèi)外學(xué)者在不同遙感數(shù)據(jù)源的植被覆蓋動態(tài)監(jiān)測方面做了大量研究。如李晶等[5]基于1985—2015年Landsat影像獲取年最大NDVI數(shù)據(jù)，采用像元二分模型計(jì)算不同時(shí)期寶日希勒礦區(qū)的植被覆蓋度，并對其進(jìn)行變化趨勢分析，揭示了植被覆蓋演變規(guī)律。鄧興隆等[6]選用1982—2013年GIMMS NDVI數(shù)據(jù)分析了中亞地區(qū)植被覆蓋與降水和氣溫的關(guān)系，認(rèn)為植被變化受降水影響強(qiáng)于受氣溫影響。孟浩斌等[7]基于MODIS數(shù)據(jù)采用像元二分模型研究三峽庫區(qū)植被覆蓋度變化在不同地形因子上的分布，認(rèn)為植被覆蓋變化在坡度分布差異最為顯著。

黃土高原生態(tài)環(huán)境脆弱，水土流失嚴(yán)重，是我國生態(tài)環(huán)境建設(shè)與保護(hù)的重點(diǎn)區(qū)域。1999年國家開始實(shí)施“退耕還林(草)”等生態(tài)修復(fù)工程，植被覆蓋面積顯著提高。黃土高原植被覆蓋變化相關(guān)研究取得大量研究成果，多集中在以年際尺度人類活動或自然環(huán)境因子對植被覆蓋變化影響方面，如孟晗等[8]研究認(rèn)為黃土高原近15 a植被覆蓋總體呈現(xiàn)增加趨勢，降水量對植被影響大于溫度對于植被響應(yīng)。范倩倩等[9]研究同樣認(rèn)為1982—2015年黃土高原植被覆蓋度呈上升趨勢。董鐿等[10]研究認(rèn)為氣候變化和人類活動共同對黃土高原植被存在影響，其中主要影響因素是人類活動。劉靜等[11]通過研究黃土高原全區(qū)NDVI與氣溫、降水和日照等氣候因子相關(guān)性發(fā)現(xiàn)，NDVI僅對降水的響應(yīng)明顯，對氣溫不存在顯著關(guān)系。Li等[12]通過退耕還林前后氣象因子對植被的影響發(fā)現(xiàn)，黃土高原生長季平均NDVI受根系土壤水分決定，年平均NDVI受標(biāo)準(zhǔn)化蒸散虧缺指數(shù)(SEDI)和降水決定。這些研究為黃土高原生態(tài)環(huán)境建設(shè)發(fā)揮了重要作用，但是由于植被改善與人類活動變化之間的關(guān)系不甚明了，已有研究多開展植被與降水、氣溫變化的相關(guān)性分析工作，對人類活動對于植被變化以及二者之間的關(guān)系研究較少，并且這些研究并沒有從植被物候生長分析氣象因子對其擾動。因此，本文利用黃土高原1982—2018年NDVI(1982—2011年GIMMS NDVI和2000—2018年MODIS NDVI)數(shù)據(jù)為數(shù)據(jù)源，氣溫和降水?dāng)?shù)據(jù)為基礎(chǔ)，利用像元二分法模型估算出黃土高原地區(qū)植被覆蓋度時(shí)空變化，采用植被綠度模型、相關(guān)性分析法和殘差分析法分析植被覆蓋度變化特征及其對氣象因子和人類活動的響應(yīng)，以期為黃土高原生態(tài)環(huán)境恢復(fù)成效評價(jià)提供科學(xué)參考。

1 研究區(qū)概況

黃土高原是中國四大高原之一，其位于我國黃河流域中部，范圍在100°54′—114°33′E，33°43′—41°16′N，主要包括陜西、甘肅、寧夏、山西、內(nèi)蒙古、河南、青海7省[13-14](圖1)，面積約為63.4萬km2。該區(qū)域地勢西高東低，地勢起伏較大，平均高程0～5 217 m。黃土高原地區(qū)夏天炎熱少雨，冬季干燥寒冷，年均氣溫為9～12℃，年均降水量在100～800 mm[15-16]，氣溫年、日較差大，且東部和西部的溫度變化較大。黃土高原蒸發(fā)量普遍高于實(shí)際降水量，年蒸發(fā)量為1 400～2 000 mm，總體趨勢是東南低西北高，故導(dǎo)致水土流失嚴(yán)重，全年氣候干燥。

圖1 研究區(qū)示意圖

2 數(shù)據(jù)與方法

2.1 數(shù)據(jù)源及預(yù)處理

GIMMS NDVI3g數(shù)據(jù)為美國馬里蘭大學(xué)GLCF(Global Land Cover Facility)研究組生產(chǎn)的15 d合成產(chǎn)品數(shù)據(jù)，下載地址(https:∥ecocast.arc.nasa.gov/data/pub/gimms/)，其空間分辨率為8 km×8 km，時(shí)間尺度為1982—2011年。本數(shù)據(jù)為NC4格式文件，通過MATLAB對其進(jìn)行解壓、投影變換等處理，得到時(shí)間分辨率為15 d、空間分辨率為8 km的GIMMS NDVI數(shù)據(jù)，對15 d數(shù)據(jù)采用最大合成法(Maximum Value Composition，MVC)進(jìn)一步消除云和大氣等異常值的影響[17]，最終得到月、年尺度的GIMMS NDVI數(shù)據(jù)集。

MODIS NDVI數(shù)據(jù)為美國國家航天航空局(NASA)提供的MODIS 16 d合成產(chǎn)品數(shù)據(jù)，下載地址(https:∥modis.gsfc.nasa.gov/data/)，其空間分辨率為1 km×1 km，時(shí)間尺度為2000—2018年。利用MRT工具和ENVI軟件進(jìn)行格式轉(zhuǎn)換、投影轉(zhuǎn)換和拼接，利用MVC得到月、年尺度的MODIS NDVI數(shù)據(jù)集，然后利用Python進(jìn)行研究區(qū)邊界裁剪。對MODIS數(shù)據(jù)進(jìn)行重采樣，得到分辨率為8 km×8 km的逐月NDVI數(shù)據(jù)。

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)提供的月均氣溫(TEM)和總降水量(PRE)。該數(shù)據(jù)集空間分辨率為1 km×1 km，時(shí)間尺度為1982—2018年[18]。該數(shù)據(jù)為NC格式文件，利用Python進(jìn)行數(shù)據(jù)預(yù)處理，使之變成可以使用的柵格圖像。為了與NDVI數(shù)據(jù)空間分辨率相匹配，本文采用重采樣方式將氣候數(shù)據(jù)插值為8 km×8 km空間分辨率。

土地利用數(shù)據(jù)來源于中國科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心(http:∥www.resdc.cn/)，包括1980和 2018年2期數(shù)據(jù)，空間分辨率為1 km×1 km。土地利用類型包括農(nóng)田、林地、草地、水體、建設(shè)用地和未利用地6大類。

2.2 GIMMS NDVI數(shù)據(jù)時(shí)間序列插補(bǔ)

由于兩種數(shù)據(jù)源來自于不同傳感器，必須進(jìn)行重構(gòu)以獲取連續(xù)且效果明顯的長時(shí)序數(shù)據(jù)集?；?000—2011年交叉年份的GIMMS NDVI與MODIS NDVI月值數(shù)據(jù)，通過對兩種數(shù)據(jù)進(jìn)行相關(guān)性分析發(fā)現(xiàn)2010年的兩種數(shù)據(jù)具有明顯顯著性相關(guān)(相關(guān)系數(shù)為0.987 3，p<0.001)。因此，本文以2010年MODIS年最大NDVI為因變量，GIMMS年最大NDVI為自變量，獲取兩者的回歸方程：y=0.9256x+0.0612，R2=0.899 8(圖2A)。一致性檢驗(yàn)結(jié)果顯示(圖2B)，應(yīng)用MODIS NDVI數(shù)據(jù)對GIMMS NDVI數(shù)據(jù)進(jìn)行時(shí)間序列擬合，兩者數(shù)據(jù)擬合效果最好，說明2012—2018年NDVI延長數(shù)據(jù)可以用于1982—2011年GIMMS NDVI數(shù)據(jù)的延長，建立的1982—2018年長時(shí)間序列NDVI數(shù)據(jù)集可以進(jìn)行植被覆蓋變化的研究。

圖2 GIMMS模擬NDVI與GIMMS NDVI檢驗(yàn)

本文沿用MVC的思想獲取月、季節(jié)(3—5月為春季，6—8月為夏季，9—11月為秋季，4—9月為植被生長季)NDVI數(shù)據(jù)集。

2.3 像元二分法估算植被覆蓋度

根據(jù)研究區(qū)像元值大小，我們可以通過混合像元法中的像元二分法模型進(jìn)行地表植被覆蓋度反演[19-21]。依據(jù)研究區(qū)影像上的NDVI的灰度分布情況，以5%置信度截取NDVI的上下限閾值分別近似代表NDVIsoil和NDVIveg。其計(jì)算公式如下：

式中：FVC表示植被面積占總像元面積的比率；NDVIveg表示全植被覆蓋像元NDVI；NDVIsoil表示無植被覆蓋裸土像元NDVI。

2.4 植被綠度變化率分析

研究表明，植被的綠度變化率[22-23](GRC)能真實(shí)有效反映植被的年際變化。采用綠度變化率模擬1982—2018年黃土高原植被變化趨勢，計(jì)算公式為：

式中:變量n為年序列長度；FVCi表示第i年的FVC。當(dāng)GRC值為正時(shí),說明在n年FVC是呈增加趨勢變化的,植被得到改善;否則,當(dāng)GRC的值為負(fù)時(shí),則表示FVC有減小趨勢,植被有退化趨勢。

2.5 多元回歸殘差分析

基于單個(gè)像元采用多元回歸殘差分析方法建立FVC-氣象因子的理想回歸方程[24-26]，具體有以下3個(gè)步驟：(1)基于FVC以及氣象因子(TEM和PRE)時(shí)間序列數(shù)據(jù)，以FVC為因變量、氣象因子為自變量，建立線性回歸方程，計(jì)算模型中的各項(xiàng)參數(shù)；(2)基于氣象因子數(shù)據(jù)以及模型回歸參數(shù)，計(jì)算FVC預(yù)測值(FVCc-f)，用來表示僅受氣象因子對FVC的影響；(3)計(jì)算FVC觀測值(FVCc-p)與FVC預(yù)測值的差值，即FVC殘差(ξ)，用來表示僅受人類活動對FVC的影響。

FVCc-f=a×TEM+b×PRE+c

ξ=FVCc-p-FVCc-f

式中:a,b和c為模型參數(shù)；ξ為FVC殘差。當(dāng)ξ>0時(shí),表示人類活動對植被有積極影響;當(dāng)ξ=0時(shí),表示人類活動對植被無顯著影響;當(dāng)ξ<0時(shí),表示人類活動對植被有消極影響。

3 結(jié)果與分析

3.1 黃土高原植被覆蓋度動態(tài)演變特征

3.1.1 植被覆蓋度的變化特征 本研究基于像元尺度計(jì)算研究區(qū)春、夏、秋和生長季FVC變化趨勢(圖3)。黃土高原1982—2018年植被覆蓋波動變化較大，但總體呈現(xiàn)增長趨勢(p<0.01)，其春、夏、秋和生長季增長速率分別0.001 2/a，0.004 4/a，0.002 4/a和0.004 4/a，且各時(shí)期后期增加速率均遠(yuǎn)高于前期，尤其以夏季和生長季增加速率的變化最為明顯，年均增長率分別為0.969 9%和0.947 1%。而秋季增加速率呈現(xiàn)不顯著增加趨勢，其年均增長率穩(wěn)定在0.461 9%。在4種曲線中，1982—1998年春、夏、秋和生長季年變化幅度較小，其平均增長率分別為0.918 1%，0.770 2%，0.137 9%和0.645 1%。但自1999年大規(guī)模實(shí)施“退耕還林(草)”工程建設(shè)以來，黃土高原FVC呈現(xiàn)顯著增加趨勢[27-28]，1999—2018年春、夏、秋和生長季年均增長率分別增加到1.143 1%，1.373 4%，0.990 7%和1.479 1%，植被覆蓋情況得到明顯改善。

圖3 1982-2018年黃土高原各季FVC

3.1.2 植被覆蓋度動態(tài)變化特征 采用綠度變化率趨勢法來分析黃土高原植被FVC空間分布特征，并將其GRC分為4級，分別為嚴(yán)重退化(-0.035

圖4 基于植被綠度變化率的黃土高原FVC變化趨勢空間分布

春季植被占研究區(qū)61.66%的區(qū)域呈現(xiàn)改善趨勢，主要分布在太行山中段等區(qū)域，其中0.255%的區(qū)域，呈現(xiàn)顯著增加(p<0.01)。而植被呈現(xiàn)退化趨勢主要分布在內(nèi)蒙古巴彥淖爾和呼和浩特、陜西西安和渭南、山西太原和晉中等區(qū)域，其中1.479%的區(qū)域呈現(xiàn)顯著減少(p<0.01)。春季萬物復(fù)蘇，但氣溫回升明顯蒸散量加大，加劇了土壤水分的虧缺，導(dǎo)致半干旱地區(qū)更加干旱，從而加劇了植被的退化。夏季和生長季表現(xiàn)出空間上一致性，植被占研究區(qū)78.53%和78.46%區(qū)域呈現(xiàn)改善，主要分布在寧夏南部、內(nèi)蒙古阿拉善盟和巴彥淖爾、晉陜丘陵等區(qū)域，其中1.249%和1.121%的區(qū)域呈現(xiàn)顯著增加(p<0.01)。而植被呈現(xiàn)退化趨勢地區(qū)主要分布在內(nèi)蒙古鄂爾多斯、寧夏銀川、甘肅慶陽和白銀、青海西寧等區(qū)域，其中0.644%和0.583%的區(qū)域呈現(xiàn)顯著減少(p<0.01)，夏季黃土高原西部尤其以寧夏平原、汾渭盆地等地區(qū)植被覆蓋度出現(xiàn)大幅度下降，這是由于該地區(qū)主要糧食作物為小麥，夏季正好是小麥?zhǔn)斋@季節(jié)。

秋季植被占研究區(qū)69.07%的區(qū)域呈現(xiàn)改善趨勢，主要分布在陜北地區(qū)、甘肅固原、內(nèi)蒙古東勝等區(qū)域，其中0.229%的區(qū)域呈現(xiàn)顯著增加(p<0.01)。這是由于植被對氣溫和降水存在一定滯后性，夏季降水的累積導(dǎo)致秋季土壤含水量增加，故導(dǎo)致秋季植被呈現(xiàn)顯著性增加趨勢面積高于夏季和生長季。而植被呈現(xiàn)退化趨勢地區(qū)主要分布在青海西寧、河南鄭州、寧夏銀川、陜西西安和寶雞等區(qū)域，其中1.65%的區(qū)域呈現(xiàn)顯著減少(p<0.01)。

3.2 人類活動和氣候變化對于FVC的影響

3.2.1 人類活動對于FVC的響應(yīng) 本文通過FVC與TEM和PRE的回歸分析，基于像元尺度分析人類活動對于FVC的影響(圖5)。

圖5 人類活動對黃土高原FVC影響趨勢空間分布

春季殘差為正的面積占研究區(qū)總面積的55.79%，且其平均變化率為0.056%/a，說明在春季人類活動對FVC主要以正面影響為主。人類活動產(chǎn)生正面影響較為明顯區(qū)域占比4.65%(0.010～0.035)，主要分布在陜西境內(nèi)子午嶺，山西太行山等地區(qū)，表明這些區(qū)域人類活動對植被變化產(chǎn)生積極影響；而人類活動產(chǎn)生負(fù)面影響較為明顯區(qū)域占比0.92%(-0.031～-0.015)，主要分布在汾渭盆地的城鎮(zhèn)地區(qū)及銀川和呼和浩特等一些大型城市，表明這些區(qū)域人類活動對植被變化產(chǎn)生消極作用。而在夏和生長季殘差則表現(xiàn)出空間上一致性，其面積為正的區(qū)域分別占研究區(qū)總面積的64.79%和61.33%，其平均變化率分別為0.22%/a和0.17%/a，說明在夏季和生長季人類活動對FVC主要以正面影響為主。但人類活動在夏季和生長季均沒有影響較為明顯區(qū)域，只是零星的分布在研究區(qū)內(nèi)部。秋季殘差為正的面積占研究區(qū)總面積的64.63%，且其平均變化率為0.17%/a，說明在秋季人類活動對FVC主要以正面影響為主。人類活動產(chǎn)生正面影響較為明顯區(qū)域占比0.84%(0.015～0.029)，主要分布在渭河南部和山西汾河以西等地區(qū)，表明這些區(qū)域人類活動對植被變化產(chǎn)生積極影響；而人類活動產(chǎn)生負(fù)面影響較為明顯區(qū)域占比0.52%(-0.028～-0.010)，主要分布在汾渭盆地的城鎮(zhèn)地區(qū)及西寧、蘭州、太原和呼和浩特等一些大型城市，表明這些區(qū)域人類活動對植被變化產(chǎn)生消極作用。

3.2.2 氣候變化對于FVC的響應(yīng) 通過上述描述的基于像元尺度的相關(guān)分析方法，本研究從季節(jié)尺度上(春、夏、秋和生長季)分析了黃土高原地區(qū)37 a的FVC與氣象因子(氣溫和降水)相關(guān)分析(p<0.05)，利用相關(guān)系數(shù)來分析氣象因子與植被的相關(guān)程度(圖6—7)。黃土高原地區(qū)的FVC與溫度和降水總體上呈正相關(guān)關(guān)系。春季FVC的變化與溫度和降水變化的相關(guān)系數(shù)分別為0.070，0.139。說明春季植被對降雨相對于溫度響應(yīng)更加敏感。就降雨而言，相關(guān)系數(shù)較高地區(qū)主要集中在渭河以北和涇水以西等地區(qū)，相關(guān)系數(shù)為0.524～0.613；與降雨相比，溫度相關(guān)系數(shù)就不是很敏感，但FVC與溫度在陜西延安和榆林等地區(qū)，相關(guān)系數(shù)為0.514～0.692。夏季FVC變化與溫度和降雨變化的相關(guān)系數(shù)分別為0.185，0.131。說明夏季植被對溫度相對于降雨響應(yīng)更加敏感。就溫度而言，研究區(qū)78.09%地區(qū)呈正相關(guān)趨勢，其中43.16%地區(qū)呈顯著正相關(guān)趨勢(p<0.01)，但總體相關(guān)性仍然較低(R=0.198)，相關(guān)系數(shù)較高地區(qū)主要集中在陜北地區(qū)和內(nèi)蒙古巴彥淖爾等地；與溫度相比，降雨相關(guān)系數(shù)較高地區(qū)主要集中在陜北地區(qū)、山西太行山和呂梁山等地區(qū)，相關(guān)系數(shù)分別為0.326，0.358。秋季FVC的變化與溫度和降雨變化的相關(guān)系數(shù)分別為0.085和 0.117，說明秋季植被與降雨相對于溫度響應(yīng)更為敏感。

圖6 黃土高原FVC變化與溫度相關(guān)系數(shù)

黃土高原植被生長季FVC與溫度呈正相關(guān)，相關(guān)系數(shù)為0.200(p<0.05)；而涇渭盆地中南部等地區(qū)的植被FVC與溫度呈負(fù)相關(guān)，相關(guān)系數(shù)為-0.512～-0.134；余下的地方植被FVC與溫度也是正相關(guān)，相關(guān)系數(shù)為0～0.564。由于溫度上升，加劇了水分的蒸發(fā)，植被生長所需要的水分就會減少，減緩了植被的生長。黃土高原植被 FVC與降雨總體上呈正相關(guān)，相關(guān)系數(shù)為0.184(p<0.05)。其中，內(nèi)蒙古鄂爾多斯和關(guān)中平原等地區(qū)的植被FVC與降雨呈負(fù)相關(guān)，相關(guān)系數(shù)為-0.461～0；山西太行山和呂梁山等地區(qū)的植被FVC與降雨呈顯著正相關(guān)，相關(guān)系數(shù)為0.521～0.601；余下其他地區(qū)的植被FVC與降雨也是正相關(guān)，相關(guān)系數(shù)為0～0.31。由此說明降雨對黃土高原地區(qū)總體上起到正面作用。

圖7 黃土高原FVC變化與降雨相關(guān)系數(shù)

4 討 論

隨著國家對黃土高原生態(tài)環(huán)境的治理以及一系列相關(guān)政策的實(shí)施，近年來黃土高原植被動態(tài)變化規(guī)律已經(jīng)成為目前研究的熱點(diǎn)。在植被FVC的空間變化方面，本文研究發(fā)現(xiàn)黃土高原春、夏、秋和生長季FVC整體均呈現(xiàn)顯著性增加趨勢，這與孟晗等[8]、史曉亮等[29]研究結(jié)論基本一致。

另外，已有研究表明，氣象因子尤其是溫度[30-31]和降雨[32-33]會對黃土高原植被生長產(chǎn)生一定影響。因此，本文進(jìn)一步對溫度和降雨進(jìn)行分析，并定量探究了不同季節(jié)黃土高原FVC與氣象因子的相關(guān)性以及人類活動對植被產(chǎn)生的影響，以此揭示了不同季節(jié)植被對氣象因子以及人類活動的響應(yīng)規(guī)律。在植被動態(tài)與氣象因子的關(guān)系方面，本文研究結(jié)果表明，F(xiàn)VC與溫度在夏季和生長季呈現(xiàn)顯著正相關(guān)的區(qū)域?yàn)辄S土高原中部和南部地區(qū)，秋季呈現(xiàn)顯著正相關(guān)的區(qū)域較少。FVC與降雨在秋季和生長季呈現(xiàn)顯著正相關(guān)，說明降雨響應(yīng)存在一定的滯后性[34-35]，夏季降水的累積，導(dǎo)致秋季土壤含水量增加。

植被覆蓋變化受氣象因子和人類活動共同影響，人類活動的加劇使得黃土高原土地利用類型快速變化。由1980—2018年黃土高原土地利用轉(zhuǎn)移矩陣(表1)可以看出，1980—2018年以來，農(nóng)田、林地和草地是黃土高原主要的土地利用類型，農(nóng)田、草地和未利用土地的面積減少，而林地和建筑用地面積增加，說明一系列生態(tài)工程活動對黃土高原起到了良好的作用。雖然林地覆蓋情況有所改善，但是隨著城鎮(zhèn)化的發(fā)展，建筑用地急劇增加(增加13 861 km2)，部分草地和耕地轉(zhuǎn)化為建筑用地，從而導(dǎo)致部分地區(qū)植被覆蓋度有所降低。

表1 黃土高原1980-2018年土地利用轉(zhuǎn)移矩陣 km2

5 結(jié) 論

(1)黃土高原1982—2018年春、夏、秋和生長季平均FVC總體呈現(xiàn)增加趨勢，尤其是自1999年國家實(shí)施退耕還林(草)工程之后，植被覆蓋度增加趨勢更為明顯。

(2)在空間上，黃土高原春、夏、秋、生長季FVC呈現(xiàn)由西北部到東南部過渡的趨勢，植被呈現(xiàn)改善趨勢的面積要大于呈現(xiàn)退化趨勢的面積。

(3)在人類活動中，春、夏、秋和生長季人類活動對FVC主要以正面影響為主，其中春、夏、秋和生長季人類活動對FVC影響為正的面積分別占研究區(qū)總面積的55.79%，64.79%，64.63%和61.33%。在氣象因子中，黃土高原FVC對溫度和降雨的響應(yīng)存在明顯的差異。在空間上，F(xiàn)VC與溫度在夏季和生長季呈現(xiàn)顯著正相關(guān)的區(qū)域面積占比較大，主要在黃土高原中部和南部地區(qū)。FVC與降雨在春季和秋季呈現(xiàn)顯著正相關(guān)的區(qū)域面積占比較大。