2000-2020年陜西省植被NDVI時空變化及氣候因子探測

李霞,王孝康,劉秀花,張樂藝,金相皓,陳永昊

(1.長安大學土地工程學院,西安 710054;2.國家林業和草原局西北調查規劃院,西安 710041;3.長安大學水利與環境學院,西安 710054;4.旱區地下水文與生態效應教育部重點實驗室,西安 710054)

全球變暖導致極端天氣和氣候事件更頻繁地發生,對生態系統產生重大影響[1]。植被是陸地生態系統的重要組成部分,連接著大氣圈、土壤圈、水圈等多個圈層[2],在水土保持、氣候調節、碳氮循環等生態系統服務方面發揮著至關重要的作用[3]。因此,研究植被變化及其驅動力對生態環境具有重要意義[4]。

植被變化研究一直備受關注,歸一化植被指數(normalized difference vegetation index,NDVI)是植被生長狀況和植被空間分布密度的良好指標[5],常用來表征植被分布與變化。不同地域的水熱條件差異會顯著影響陸地生態系統植被生長[6],降水是控制植被生長的關鍵因素,特別是干旱半干旱地區,土壤水分會嚴重限制植被發育[7]。氣溫控制著植被光合作用,同時氣溫升高可能會影響植被物候、延長生長季,進而對植被生長產生顯著影響[8]。Gao等[9]在毛烏素地沙地NDVI變化研究中,得出氣溫和降水能夠較好地解釋植被動態變化,且不同時間尺度上主導因素不同。楊延征等[10]使用SPOT-VGT NDVI對陜北地區植被的時空變化進行分析,研究得出氣溫和降水是影響植被變化的重要氣候因子。鄧晨暉等[11]通過趨勢分析、多元回歸殘差法、偏最小二乘回歸法,分析了秦嶺地區2000—2015年植被覆蓋的變化特征,探究了其對氣候變化與人類活動的雙重響應機制。已有研究中相關分析、偏最小二乘回歸和多元回歸分析等方法較為常用,然而陸地植被生長對驅動因子響應是一個復雜的過程,往往是非線性和交互關系,而傳統的統計方法只有當植被變化與其驅動力之間的關系為線性時才有效[12],因此在開展復雜地貌單元生態系統對比研究時常常不能凸顯出其優勢。近年來,新的模型與分析方法在不斷發展,如交叉小波分析[13]、支持向量機(Support Vector Machines,SVM)[14]、地理探測器等,其中地理探測器是一種用于探測空間分異性,不必遵循傳統統計方法的線性假設,是揭示自變量對因變量影響機制的模型,在土地利用、植被生態方面受到學者關注,得到廣泛應用[15-16]。

陜西是黃河和秦嶺國家生態保護戰略的重點區,作為天然保護林及退耕還林等生態工程的重要實施地區和植被恢復明顯的典型省級區域,地跨毛烏素沙地、黃土高原、關中平原、秦巴山地,地貌類型復雜多樣,南北自然條件迥異,水土流失、沙化等環境問題主導因素不同[17]。不同地區的植被覆蓋空間差異顯著,對氣候因子的響應也有所不同,因此多年來對陜西省植被變化及其影響的研究備受關注。但已有研究多以全省或單獨以毛烏素沙地、黃土高原、關中平原、秦嶺山區等作為研究區[17-22],基于分區,對陜西不同區域的綜合對比分析未開展深入研究,且多從降水與氣溫均值的角度加以分析,未能進一步分離量化各氣候因子的貢獻。

鑒于此,本研究基于MODIS NDVI、年均高溫、年均低溫、年均溫、年總降水量等數據,運用Theil-Sen Median趨勢、偏相關分析、地理探測器等方法,結合不同地貌單元生態系統特征,分離相關因素,探究2000—2020 年期間陜西省植被NDVI時空變化及其與氣候因子的時間響應關系。旨在明確陜西省近20年來植被NDVI的變化趨勢,該種趨勢是否在不同地貌單元存在顯著變化? 植被對氣候因子如何響應,這種關系在不同地貌單元上有何規律和差異?

1 研究區與研究數據

1.1 研究區概況

陜西省位于105°29′—111°15′E,31°42′—39°35′N,總面積2.056×105km2,處于長江和黃河中游地區,主要有高原、山地、平原和盆地等多種地形,地勢南北高、中間低。陜西省南北氣候差異較大,橫跨3個氣候帶,陜北北部長城沿線屬中溫帶氣候,陜南屬北亞熱帶氣候,關中及陜北大部分屬暖溫帶氣候(圖1)。全省年平均氣溫為9～16℃,自南向北、自東向西遞減,全省年平均降水量為340～1 240 mm,降水量南多北少,陜南為濕潤區,關中為半濕潤區,陜北為半干旱區。全省植被類型復雜多樣,分布差異大,其中陜北長城以北分布沙生植物,植被稀疏,長城以南的榆林南部及延安北部生長有灌木等植被,水土流失嚴重,植被覆蓋較低,北山山脈分布有落葉闊葉林,植被覆蓋較高。關中地區分布大量農業植被,城市發展導致植被覆蓋較低。陜南秦嶺主體及其以北分布著以暖溫帶落葉闊葉林為主的植被,巴山地區分布有常綠闊葉林和落葉闊葉林,植被覆蓋狀況好。

圖1 研究區概況Fig.1 Overview of the study area

1.2 研究數據

NDVI數據基于MODIS NDVI MOD13Q1數據產品(https:∥adsweb.nascom.nasa.gov/),通過裁剪、鑲嵌、投影變換、重采樣,使用最大合成法計算得出逐月植被NDVI,將一年內植被NDVI最大值數據作為年植被NDVI數據,得到2000—2020年陜西省1 km 分辨率植被NDVI數據。年均高溫、年均低溫、年均溫及年總降水量數據來源于國家科技基礎條件平臺—國家地球系統科學數據中心(http:∥www.geodata.cn)。該數據是根據CRU 發布全球0.5°氣候數據以及WorldClim 發布的全球高分辨率氣候數據,通過Delta空間降尺度方案在中國地區降尺度生成,并用496個獨立氣象觀測點數據進行驗證得到,經格式轉換、裁剪、投影變換得到2000—2020年陜西省1 km 分辨率的年均高溫、年均低溫、年均溫及年總降水量數據,其中年均高(低)溫定義為研究區域內每個1 km×1 km 柵格像元一年內每日最高(低)氣溫的均值。

2 研究方法

(1)Theil-Sen Median 趨勢分析+Mann-Kendall檢驗。Theil-Sen Median 趨勢分析是一種非參數統計方法,其優點不需要樣本遵循特定分布,計算效率高且對異常值不敏感,不會降低其準確性,具有避免測量誤差或異常數據的強大能力。對不同線性回歸模型的比較表明,該方法在小樣本的情況下具有顯著優勢[23]。

式中:S為植被變化的趨勢;Median為中值函數;xi,xj為第i和第j年的NDVI數據。當S＞0時,NDVI表現為上升趨勢,反之則呈下降趨勢。Mann-Kendall(MK)檢驗是一種非參數檢驗,這意味著不需要事先假設數據的統計分布,歸一化統計量Z主要用于測試時間序列的趨勢和顯著性,一般認為|Z|≥1.96,即通過了顯著性檢驗:公式如下:

(2)偏相關分析。本研究采用偏相關分析方法研究年均高溫、年均低溫、年均溫及年總降水量與NDVI之間的偏相關程度,主要是將控制其中3個氣候因子,只分析一個氣候因子與NDVI的相關程度,偏相關系數的正負表示年均高溫、年均低溫、年均溫及年總降水量與NDVI間的正負相關性[24]。

式中:rij,zyz為偏相關系數,rij,zyz＞0,則呈正相關,rij,zyz＜0,則呈負相關。

(3)地理探測器。地理探測器(Geodetector)是一個用于空間數據分析的開源統計模型(http:∥www.geodetector.cn/),是通過空間分層異質性觀點來確定兩個變量空間分布的相似性[15]。地理探測器由因子探測、交互探測、風險探測和生態探測組成,本研究主要使用前兩種功能。

因子探測用于檢測各影響因素對NDVI(Y)的空間異質性的解釋程度。

式中:h=1,2,…,p。L是變量(Y)或因子(X)的分層;Nh和N分別是層h和整個區域的單元數;δ2h和δ2分別是分層h和整個區域的(Y)值的方差。q的取值范圍為[0,1]。q的值越大,因子(X)對變量(Y)的解釋力就越強,q=0意味著兩者無關。

因子交互用來識別兩因子是否對因變量Y有交互作用,即這兩個因子共同作用時,是增加還是減少對NDVI的解釋力,交互類型見表1。

表1 地理探測器因子交互類型Table 1 Types of geodetector factor interactions

3 結果與分析

3.1 NDVI時空變化分析

3.1.1 NDVI空間分布特征 由圖2可知,陜西省多年NDVI為0.02～0.96,均值為0.71。參照李霞等[16]研究,本研究采用等間隔法,將NDVI空間分布劃分為5個等級:低植被覆蓋(0～0.2)、中低(0.2～0.4)、中植被覆蓋(0.4～0.6)、中高植被覆蓋(0.6～0.8)、高植被覆蓋(0.8～1.0)。全省植被覆蓋南高北低,呈現由南部向北部地區逐漸遞減。陜南秦巴地區植被覆蓋主要以高植被覆蓋為主,占比88%,其次中高植被覆蓋占比11.6%,中等以下植被覆蓋占比0.4%。關中地區植被覆蓋以中高植被覆蓋為主,占比50%,其次高植被覆蓋占比38.9%,中等及以下植被覆蓋占比11.1%。陜北植被覆蓋低,以中等植被覆蓋為主,占比50.4%,其次高植被覆蓋占比12.8%,中低及以下植被覆蓋占比14.3%。

圖2 陜西省多年植被NDVI值及植被空間分布Fig.2 Multi-year vegetation NDVI values and spatial distribution of vegetation in Shaanxi Province

全省高植被覆蓋區占比44.9%,主要集中分布在秦嶺南麓勉縣—留壩—太白南—佛坪—洋縣—寧陜—鎮安—旬陽—白河一帶和巴山北麓南鄭—鎮巴—紫陽—嵐皋—平利—鎮坪一帶,在黃陵和黃龍等地呈零散分布,中高植被區占比26.3%,主要分布在北山山脈一帶、寶雞西北部、秦嶺與關中交界一帶、秦嶺東部;中等植被覆蓋區占比22.9%,主要分布陜北長城以南,北山山脈以北;中低及低植被覆蓋區占比5.9%,主要在陜北長城沿線以北以及西安城區。

3.1.2 NDVI時空動態變化特征 如圖3A 所示,總體來看,2000—2020年陜西省NDVI在時間上呈現出波動增加的趨勢,增加速率為5.9%/10 a,NDVI在0.62～0.76之間波動,各分區在NDVI增加速率上,陜北地區＞關中地區＞陜南地區,其中陜北地區NDVI增加速率為9.7%/10 a,NDVI在0.41～0.64之間波動,關中地區增加速率為3.6%/10 a,NDVI在0.67～0.79之間波動,陜南地區增加速率為3.1%/10 a。

圖3 陜西省及各分區植被NDVI時間變化(A)、空間變化趨勢(B)及顯著性(C)Fig.3 Temporal variation(A),spatial trend(B)and significance(C)of vegetation NDVI in Shaanxi Province and each subregion in Shaanxi Province and each subzone

2000—2020年陜西省NDVI在空間上整體以上升為主,變化率在-0.040～0.043/a之間,平均趨勢為0.006/a(圖3B),各分區變化趨勢為陜北(0.01/a)＞關中(0.004/a)＞陜南(0.003/a),主要因為陜北地區植被覆蓋基數相對較差,近年來的植被恢復措施效果明顯。關中地區城市化擴張迅速、農業發展良好等多種因素共同導致NDVI發生變化。陜南地區植被覆蓋現狀較好,相比而言NDVI變化速率較慢(圖3A)。全省有93.3%的區域NDVI呈現增長趨勢,其中陜北增長區域占比最大(42.2%),其次為陜南(34.2%)、關中(23.6%);全省6.7%的區域NDVI呈減少趨勢,以關中地區為主(74.7%),其次為陜南(18.7%)、陜北(6.6%)。同時各分區均呈現整體增長的趨勢,增長區域陜北(98.9%)＞陜南(96.4%)＞關中(82.4%),關中地區減少區域在各分區中最大(17.6%),其次為陜南(3.6%)、陜北(1.1%)。

結合MK 顯著性檢驗結果,如圖3C 所示,將NDVI趨勢變化劃分為嚴重退化、輕微退化、穩定不變、輕微改善、明顯改善5個等級。全省植被顯著改善區域比例達67%,主要分布在陜北和陜南地區,其中陜北占顯著改善區域的46%,其次為陜南(33.3%)、關中(20.7%),這與陜北大力實施退耕還林還草、植被造林等生態恢復工程有著密切的關系,而秦巴山地涵養水源功能較好,對氣候適應性較強,受人類活動破壞影響較小,隨著退耕還林及天保工程的逐步實施,植被在不斷改善,區域生態恢復取得明顯效果。輕微改善區域占比10.4%,主要零散分布在陜北地區的定邊關中、渭河沿岸以及陜南秦嶺南麓各縣,其中關中地區占輕微改善區域比例最大(40.6%),其次為陜南(38.8%),陜北(20.6%),而植被顯著退化及輕微退化區域分別占18.2%,2.5%,主要在關中地區(分別占比80%,73.4%),集中分布在西安、渭南、富平、鄠邑、涇陽、眉縣等地,這些區域人口密度較大,生產活動較為頻繁,城市建設迅速,大量的農業用地被占用,使得植被覆蓋度降低,漢中及安康等城區是陜南人口密度大、活動頻繁的地區,植被也有所退化。

3.2 氣候因子時空變化分析

3.2.1 氣候因子時間動態特征 如圖4所示,2000—2020年陜西省氣溫、降水在時間上整體呈緩慢變化趨勢,氣候有暖濕化的可能,2000—2012年全省及各分區年均高溫和年均溫變化曲線大致相似,2014—2020年年均高溫、年均低溫及年均溫變化曲線大致相似,在2013年年均高溫突降,而年均溫反增,年均低溫稍增,2013年前年均溫和年均高溫可能關聯性較強,而2013年以后年均溫和年均高溫、年均低溫關系均較強。整個研究期內全省年均高溫變化速率為-0.042℃/10 a,年均低溫變化速率為0.09℃/10 a,表現為陜南＞關中＞陜北;年均溫變化速率為0.039℃/10 a,表現為關中＞陜北＞陜南;年總降水量變化速率為5.98 mm/10 a,表現為陜北＞陜南＞關中。

圖4 陜西省及各分區年均高溫(A)、年均低溫(B)、年均溫(C)及年總降水(D)時間變化趨勢Fig.4 Temporal trends in mean annual high temperature(A),mean annual low temperature(B),mean annual temperature(C)and total annual precipitation(D)in Shaanxi Province and the sub-regions

3.2.2 氣候因子空間分布及變化趨勢 3種氣候因子高值區在空間分布上較為一致,主要分布在秦嶺南麓及關中地區,主要以秦嶺為界,低值區主要分布在秦嶺地區和陜北地區(圖5A,5D,5G)。對3種氣溫因子分別進行趨勢分析,全省年均高溫變化趨勢在-0.010～0.040℃/a之間,75.2%的區域年均高溫呈現降低趨勢,主要分布在陜北延安西部、關中地區以及陜南漢中盆地等地,通過顯著性檢驗的區域零散分布在秦嶺西部及南麓。24.8%的區域呈現升高趨勢,主要分布在陜北榆林東部及北部和定邊等地,且年均高溫升高區域基本全部通過顯著性檢驗(圖5B,5C)。全省年均低溫變化趨勢在-0.040～0.051℃/a之間,63.7%的區域年均低溫呈現升高趨勢,但僅有秦嶺西南部通過了顯著性檢驗。36.3%的區域年均低溫呈現降低趨勢,主要分布在延安及關中地區西部,但顯著性不強(圖5E,5F)。全省年均溫變化趨勢在-0.05～0.043℃/a之間,59.1%的區域年均溫呈現降低趨勢,主要分布在延安及關中地區西部,但顯著性不強,41.95%的區域年均溫呈現上升趨勢,主要分布在榆林東部及北部和定邊等地,顯著性不強(圖5H,5I)。

圖5 陜西省年均高溫(A,B,C)、年均低溫(D,E,F)、年均溫(G,H,I)及年總降水(J,K,L)空間分布及變化趨勢Fig.5 Spatial distribution and trends of annual average high temperature(A,B,C),annual average low temperature(D,E,F),annual average temperature(G,H,I)and annual total precipitation(J,K,L)in Shaanxi Province

全省年總降水量與NDVI分布相似,陜南地區最高,由南向北逐漸降低,陜北降水最少,主要由于陜北主要為黃土高原、毛烏素沙地等,地處干旱半干旱區,全年干旱少雨。對其進行趨勢分析,全省變化趨勢在-5.867～5.566 mm/a之間,70.1%的地區年總降水量呈現出增加的趨勢,29.8%的區域年總降水量呈現出減少的趨勢,主要為秦嶺地區,但均不顯著(圖5J,5K,5L)。

3.3 植被NDVI對氣候因子的響應

3.3.1 植被NDVI與氣候因子偏相關分析 不同地區水熱條件不同,植被變化存在空間差異,本文將年均高溫、年均低溫、年均溫、年總降水量作為自變量,NDVI作為因變量,對其進行偏相關分析。如圖6A 所示,NDVI與年均高溫的偏相關系數在-0.95～0.84之間。全省及各分區NDVI與年均高溫整體呈負相關,全省占比為83.8%,各分區占比為陜南(88.3%)＞陜北(87.0%)＞關中(74.3%)。全省16.2%的區域NDVI與年均高溫呈正相關,分布在定邊、榆陽、延長、吳堡、銅川、渭南、咸陽、寶雞、漢中等地。

圖6 陜西省植被NDVI和偏相年均高溫(A)、年均低溫(B)、年均溫(C)及年降水(D)偏相關系數Fig.6 Partial correlation coefficients of vegetation NDVI and annual average high temperature(A),annual average low temperature(B),annual average temperature(C)and annual total precipitation(D)in Shaanxi Province

全省及各分區NDVI與年均低溫、年均溫及年降水整體呈正相關(圖6B、圖6C、圖6D)。其中NDVI與年均低溫的偏相關系數在-0.82～0.93之間,全省呈正相關的區域占比為68.2%,各分區占比為陜南(86.3%)＞關中(74.5%)＞陜北(50.2%),全省與年均溫負相關區域占比31.8%;NDVI與年均溫的偏相關系數在-0.81～0.89之間。全省呈正相關的區域占比56.1%,各分區占比為陜北(85.1%)＞關中(44.1%)＞陜南(31.3%),集中分布在陜北、關中北部。全省與年均溫負相關區域占比43.9%;NDVI與年總降水量的偏相關系數在-0.81～0.84之間。全省及呈正相關的區域占比為56.5%,各分區占比為陜北(83.1%)＞關中(47.1%)＞陜南(32.5%),集中分布在陜北北部及東部、關中中部及北部等。全省與年總降水量呈負相關區域占比43.5%,集中分布在黃土高原中部。

3.3.2 NDVI對降水和氣溫的響應 地理探測器單因子探測結果顯示(表2),4種氣候因子年均高溫(X1)、年均低溫(X2)、年均溫(X3)、年總降水量(X4)對植被NDVI的貢獻(q值)存在明顯差異,不同地區的q值也不相同。陜西省年總降水量的貢獻最大(q=0.778),其次為年均低溫、年均高溫、年均溫。陜北地區的各因子貢獻度與陜西省類似,年總降水量貢獻最大(q=0.798),然而在關中地區,年均高溫對NDVI的貢獻最大(q=0.650)。其次為年均溫、年均低溫、年總降水量,對于陜南地區,年均高溫的貢獻最大(q=0.455),其次為年均溫,年均低溫和年總降水量的貢獻較小,且未通過顯著性檢驗(p＜0.05)。

表2 單因子探測結果Table 2 Single factor detection results

因子交互結果顯示(表3),無論是非線性增強還是雙因子增強,降水和氣溫之間交互均強于氣溫之間交互。對于全省和陜北地區,各交互作用類型相似,年均高溫、年均低溫、年均溫互相交互時,其作用對NDVI的影響均為非線性增強,交互作用的貢獻大于氣溫因子各自單獨作用時的貢獻之和,當年均高溫、年均低溫、年均溫與年總降水量分別交互時,其影響力均為雙因子增強,交互作用的貢獻均大于各單一因子的貢獻。在各交互作用中,年均高溫∩年總降水量的影響力最大。全省各交互作用大小為年均高溫∩年總降水量(0.866)＞年均溫∩年總降水量(0.846)＞年均低溫∩年總降水量(0.829)＞年均高溫∩年均低溫(0.810)＞年均低溫∩年均溫(0.653)＞年均高溫∩年均溫(0.650),氣溫參與交互增強了降水的貢獻。陜北地區各交互作用大小為年均高溫∩年總降水量(0.899)＞年均溫∩年總降水量(0.883)＞年均低溫∩年總降水量(0.860)＞年均高溫∩年均低溫(0.806)＞年均低溫∩年均溫(0.760)＞年均高溫∩年均溫(0.694)。

表3 多因子交互結果Table 3 Multi-factor interaction results

陜南地區與全省和陜北地區相反,年均高溫、年均低溫、年均溫彼此交互時,均為雙因子增強,即交互作用的貢獻均大于各單一因子的貢獻,而與年總降水量交互時,為非線性增強,即交互作用的貢獻大于各自單獨作用時的貢獻之和,同樣也是年均高溫∩年總降水量影響力最大,各交互作用大小為年均高溫∩年總降水量(0.617)＞年均溫∩年總降水量(0.594)＞年均低溫∩年總降水量(0.586)＞年均高溫∩年均低溫(0.549)＞年均高溫∩年均溫(0.516)＞年均低溫∩年均溫(0.462)。關中地區各因子交互作用影響力均為雙因子增強,交互作用的貢獻均大于各單一因子的貢獻,年均溫∩年總降水量影響力最大,各交互作用大小年均溫∩年總降水量(0.748)＞年均高溫∩年總降水量(0.741)＞年均低溫∩年總降水量(0.728)＞年均高溫∩年均低溫(0.689)＞年均高溫∩年均溫(0.679)＞年均低溫∩年均溫(0.642)。

4 討論

植被變化是一個長期復雜的動態過程,受自然和人類活動的共同作用。本研究發現,陜西省NDVI由南至北逐漸降低,整體以改善為主,陜北最為明顯,與已有研究較為一致[17-20],降水和氣溫是影響植被生長的主要因素,多年來氣候具有暖濕化的趨勢,可能有利于植被生長[17,25],另外,陜西省及各分區氣候與植被NDVI變化趨勢不同步,一方面,這可能是由于氣候變化的影響存在滯后和累計效應[26],另一方面,近年來全省大力實施退耕還林還草、天然林保護等生態工程,在一定程度上增加了植被NDVI[7,27]。隨著“雙碳”目標的實施,政府逐步開展國土科學綠化工作,大力進行國家儲備林及碳匯林建設,未來植被改善趨勢會進一步凸顯。

長城沿線和毛烏素沙地東南部植被表現出與高溫負相關,與低溫、均溫和降水呈正相關,而陜北中南部則與低溫和高溫呈負相關,一方面,這些區域同屬干旱半干旱區,降水相對較為匱乏,植被對降水的需求大,降水成了制約植被生長的重要因素,這與前人研究一致[25,28]。另一方面,氣候寒冷,積溫不足,植被生長需要一定的熱量條件,氣溫的上升,尤其是低溫的上升,對該地區的植被生長起到了促進作用[20,29],然而,植被生長有最適范圍,超過最適范圍會進一步加劇地區土壤蒸發和植被蒸騰,從而造成地表缺水,水土流失加劇,對降水量稀少的干旱半干旱地區的植被生長造成不利作用[26]。但是子午嶺一帶山脈海拔較高,本身植被覆蓋相對較高,涵養水源能力較好,與年總降水量呈現微弱的負相關,適宜的光照和氣溫促進植物光合作用,而溫度過高或過低均會抑制植被生長[18,27]。在氣候因子中,降水對植被的影響最強,并且與氣溫尤其是與高溫交互顯著提高了對植被的作用,這與賀軍奇等[25]在毛烏素沙地東南部的研究有所差異,可能是因為研究區域以及研究時間尺度不同。

秦嶺及以南大部分地區降水量多,導致了植被對降水的敏感性降低。一般而言,對于大多數區域,太陽日照對植被產生影響,一方面降水量的增加意味著日照減少,光合作用減弱,在一定程度上抑制了植被的生長。同時該區域海拔高,溫度較低,熱量成為植被生長的主要限制因素,溫度較低時,植被生長不利,溫度升高,植被物候提前,生長季延長,植被長勢變好與溫度繼續升高加劇了植被蒸騰,而且植被具有調節溫度的作用,植被的增加又會降低局部地表溫度,反過來抑制了植被生長[30]。因子探測與交互結果顯示,年均高溫對陜南植被NDVI的貢獻最大(抑制作用),當年均高溫和年總降水量的交互時更是增強了年均高溫的影響,但是陜南的植被NDVI呈現增加趨勢,說明氣候因素對該地區的植被NDVI影響有限,可能是一些生態工程或措施如退耕還林、森林撫育等促進了區域植被生長[11]。而關中等地農業發展較好,農業灌溉較為普遍,對天然降水的響應有所減弱,氣溫因素對植被NDVI的影響更大,與已有研究類似[21],同時因子探測結果也顯示關中氣溫的貢獻大于降水,并且降水和氣溫的交互增強了氣溫的影響力。

盡管陜西省南北差異較大,不同地區的氣候對植被的影響程度有所不同,但人類活動對于植被的影響也不容忽視。在人類活動和氣候因素的共同作用下,陜西省植被發生了顯著改變,一些生態政策的實施大大改善了植被狀況,然而同時也要注意的是,生態工程實施改善植被的同時,是否也會對當地氣候與水資源產生影響[18],因地制宜,科學綠化的生態修復顯得尤為重要。本文在分析植被NDVI變化趨勢的基礎上,通過偏相關分析以及地理探測器量化了陜西省不同地區植被NDVI對年均高溫、年均低溫、年均溫、年總降水量的響應及其貢獻大小,但對人類活動的影響考慮不足,綜合考慮自然和人類因素,將代表人類活動的因子納入研究,量化不同地區不同植被類型NDVI自然和人類活動貢獻及其交互作用,是值得進一步研究的方向。

5 結論

(1)研究期陜西省植被NDVI均值為0.71,呈南高北低,各分區植被覆蓋情況不同,陜南植被覆蓋最好,以高植被覆蓋為主,關中次之,以中高植被覆蓋為主,陜北植被覆蓋最差,以中等植被覆蓋為主。

(2)研究期陜西省植被NDVI隨時間波動增加,速率為5.9%/10 a,各分區速率大小為陜北＞關中＞陜南。植被NDVI增加區域占比93.3%,其中顯著改善占比67%,各分區占比陜北＞陜南＞關中。

(3)研究期陜西省氣候在時間上整體緩慢波動變化,各分區變化速率為陜南＞關中＞陜北?？臻g上,氣溫山低平原高,降水南高北低,整體呈現年均高溫及年均溫降低、年均低溫及年總降水量增加。

(4)研究期陜西省及各分區植被NDVI與年均高溫整體呈負相關,全省占比83.8%,各分區為陜南＞陜北＞關中。全省及各分區NDVI與年均低溫、年均溫、年總降水量整體呈正相關,全省分別占比68.2%,56.1%,56.6%,各分區年均低溫正相關占比為陜南＞關中＞陜北,年均溫及年總降水正相關占比為陜北＞關中＞陜南。

(5)研究期陜西省及各分區氣候因子對植被NDVI的貢獻不同,因子相互作用也存在差異。年總降水量對全省及陜北NDVI貢獻最大,年均高溫對關中和陜南NDVI貢獻最大。降水與年均高溫、年均溫的交互是影響NDVI的主要作用,全省、陜北及陜南為年均高溫∩年總降水量,關中為年均溫∩年總降水量。