黄土高原植被对气候变化的时滞响应及其时变特征

马雄伟 赵庆志 姚顽强

摘 要：为研究黄土高原（Loess Plateau，LP）地区不同土质类型植被对气候因子变化的时滞响应及时变特征，选取LP地区实测氣象数据（包括温度和降雨）和MOD13 A3归一化植被指数（Normalized Difference Vegetation Index，NDVI）作为实验数据，利用线性趋势分析、Mann-Kendall（M-K）突变分析及皮尔逊相关性等方法对LP地区不同土质类型区域植被与气候之间的相关性进行定量分析，实验发现：由于人类活动导致LP地区的河流冲积平原土地利用情况发生变化且植被不断减少，其余区域植被均呈现显著上升趋势;由M-K趋势分析发现LP地区1981—2016年温度总体呈显著上升趋势，但2000—2016温度上升趋势不显著;2000年LP地区实施“退耕还林”政策后，该地区温度上升速率减缓，降雨量增多（特别是在3月和5月）;LP地区NDVI对气候因子存在不同时长的滞后效应，且区域性差异较大。NDVI对温度无滞后响应区域和1月滞后响应区域分别占LP区域37.5%和62.5%，NDVI对降雨的滞后响应时常为1～3月，分别占LP区域的62.5%，25%和12.5%.上述发现有助于进一步理解LP地区不同土质类型区域植被对气候响应的时间尺度，对该地区后续制定生态政策具有重要意义。关键词：黄土高原;Mann-Kendall;时滞效应;时变特征;归一化植被指数中图分类号：P 23

文献标志码：A

文章编号：1672-9315（2020）01-0157-10

DOI：10.13800/j.cnki.xakjdxxb.2020.0121开放科学（资源服务）标识码（OSID）：

Time lags of vegetation to climate change and

temporal characteristics in Loess Plateau

MA Xiong-wei，ZHAO Qing-zhi，YAO Wan-qiang

（College of Geomatics，Xian University of Science and Technology，Xian 710054，China）Abstract：In order to investigate the time-lag responses of vegetation of different soil types to climate factors and the characteristics of spatiotemporal variation of vegetation in the Loess Plateau（LP）region，the observed meteorological data，（like temperature and precipitation）and Normalized Difference Vegetation Index（NDVI）were selected in this paper as the experimental data.Methods include the linear regression trend，the Mann-Kendall（M-K）mutation，the conspicuous testing，and the Pearson Correlation Coefficient（PCC）is used to analyze the relationship between vegetation and climate of different soil types region in LP area.Results show that the land-use had changed，and vegetation was decreased due to the human activities in the River Impact Plain.The vegetation in other regions of the LP showed a significant upward trend.The results of M-K trend analysis shows that the temperature showed a significant upward trend from 1981 to 2016 in LP area，but the temperature from 2000 to 2016 showed no significant upward trend.The rising rate of temperature in the LP area has been slowed down and rainfall increased（especially in March and May）after the policy of“Grain for Green Project” implemented in 2000.The time lag of NDVI response to the climate in the LP region exists，which had significant differences in diverse areas.The non-lag and the one-month lag area of NDVI to temperature response accounted for 37.5% and 62.5% of the LP area，respectively.The lag response of NDVI to precipitation was usually 1～3 months，accounting for 62.5%，25%，and 12.5% of the LP area，respectively.The above findings help understand further the time scale of vegetation response to different soil types in LP，which is of vital significance for the development of regional ecological policies in the future.Key words：Loess Plateau;Mann-Kendall;time lags;time-varying characteristics;NDVI

0 引 言

全球气候变化是20世纪以来陆地生态系统变化的重要因素之一[1-2]，研究陆地生态系统对气候因子的时空响应具有重要意义。联合国政府间气候变化专门委员会（Intergovernmental Panel on Climate Change，IPCC）指出，在过去的一个世纪里，全球气温不断升高且有持续增加的趋势，这是导致极端气候（如极端高温、极端降水和极端干旱等）频发的主要原因[3-4]。例如，Lloret等人发现气温升高和极端干旱可能影响生态系统的碳汇能力和可持续发展[5-6];Westra等人发现，温度的升高导致全球多处的高强度降水事件[7]。因此，气候变化对生态系统环境造成的影响不容忽视。

植被是生态系统评估的重要指示因子，归一化植被指数（Normalized Different Vegetation Index，NDVI）能够精确反映植被的代谢强度及年际变化特征[8-9]。植被受土壤类型和气候的综合影响，但众多学者表明植被受气候因素中的温度和降雨影响尤为明显[10-12]。Clerici等人发現温度和降雨是控制植被发展的主要气候因素[13-14];Jin等人发现长时间的气候改变可反映NDVI的变化趋势，气候改变还可以在一定程度上监督NDVI的变异[15];Sun等人发现黄土高原（Loess Plateau，LP）中部和东南部温度升高促进植被生长，而在西北部呈现相反结果，抑制了植被生长[16]。然而，上述研究主要集中在NDVI和气候因子的相关性分析上，很少考虑气候因子对植被生长的时间滞后效应。近年来，越来越多的研究表明，LP植被对气候因子存在一定的滞后效应[10-11]。陈操操等人发现LP泾河流域NDVI受降雨影响很大且考虑降雨延迟后相关性程度更高[17];张翀等人发现，LP植被生长对土壤湿度变化存在明显的时滞效应，且不同植被覆盖对土壤湿度时延不同[18]。张含玉等人发现LP地区NDVI与当月降雨量的相关性要强于与温度的相关性，且对温度的响应存在一个月的滞后效应[19]。因此，在延迟时间尺度上研究气候因素对植被的作用更加准确，也更能深刻的体现气候因子与植被之间的作用机理。然而，目前在LP区域不同土质类型下植被对气候因子的响应研究较少，尤其是在2月时间尺度以上的延迟效应，且针对不同土质类型植被生长的滞后效应缺乏系统性的分析。为深入了解LP区域植被对气候因子的响应，利用2000—2016 MODIS NDVI和LP地区83个气象站点的温度和降雨数据，对该区域8个地理分区、8个时段中气候因子和NDVI的年际变化趋势进行分析，进一步探求不同土质类型中NDVI对气候因子的时滞效应。上述研究对于进一步揭示

该区域气候因子对植被影响具有重要的研究意义。

1 数据选取与研究方法

1.1 研究区域与数据选取

黄土高原作为中国4大高原之一，位于中国中部偏北，介于北纬33°41′～41°16′，东经100°52′～114°33′之间。黄土高原是地球上分布最集中、面积最大的黄土区，总面积达64 km2，该区域主要为厚层黄土覆盖，土质疏松，外加该地区暴雨集中，植被覆盖度低，水土流失严重，导致它成为最严重的生态脆弱区之一[20-22]。LP地势西北高、东南低，自西北向东南呈波状下降，经长期的流水侵蚀，形成了千沟万壑的地貌。该地区气候属于大陆性季风气侯，6～9月降雨集中.在近100 a来，气温逐渐上升，降雨量下降，气候朝着暖干的方向发展[23]。

根据LP按土质类型分为Ⅰ～Ⅹ区[24]，Ⅰ～Ⅹ所代表的类型见表1.LP土质分区来自黄土高原科学数据中心（http：//loess.data.ac.cn），该数据集是把1∶100万地形图和遥感影像数据结合后，经过专题制图加工而成。Ⅸ区和Ⅹ区没有气象站点覆盖且区域面积较小，故文中只在Ⅰ～Ⅷ区展开讨论。

通过对中国气象科学数据共享平台（http：//data.cma.cn/）中国地面气候资料日值数据集（V 3.0）整理得到覆盖LP地区83个气象站实测数据。对上述83个气象站进行处理，得到1980—2016年3～10月月均温度和月总降水量。文中NDVI数据来自EOS/Terra卫星的MODIS传感器（MOD13A3），时空分辨率分别为30 d和1 KM，该数据在美国国家宇航局（NASA）（https：//ladsweb.modaps.eosdis.nasa.gov/）上免费下载，以HDF（Hierarchical Data Forma）格式存储。首先利用Modis Conversion ToolKit（MCTK）[25]对MOD13A3数据进行处理，获取与气象数据相统一的Geography坐标系。进一步对MOD13A3影像插值获取气象站点所在位置的NDVI值。

1.2 研究方法

利用Mann-Kendall（M-K）趋势法和突变检验对LP区域8个地理分区的83个气象站的NDVI进行定量分析。M-K检验方法是非参数方法，变量不需要遵循一定的分布和不受少数异常值的干扰，得到的结果更加准确[26]。序列趋势和突变点检验具体如下式所述，给定时间序列

xt=x1，x2，x3，…，xn，定义统计量Sk[22]

式中 UF1=0，E（Sk）=（k（k+1））/4，var（Sk）=（k（k-1）（2k+5））/72.

按时间xt序列的逆序

（xn，…，x3，x2，x1），重复上述方法，可得到

UBk曲线。在给定显著水平α=0.05，临界值U0.05=±1.96情况下，对M-K方法获取的UFk或UBk统计量进行分析。当UFk或UBk的值大于0时，则表现序列呈上升趋势。小于0则表现下降趋势。当统计量UFk或UBk的值超过显著性水平范围时，表明上升或下降趋势显著。当UFk或UBk 2条曲线出现交点，且交点出现在临界线之间，则交点对应的时刻就是开始突变时间。

对LP区域NDVI与气候因子进行一元线性回归分析，并对其拟合方程求一阶导数（First Derivative，FD）可得到变量随着时间的推移而呈现的趋势。对2000—2016年3～10月温度、降雨、植被指数在8个不同的地理分区采用最小二乘法得到线性回归模型，对FD可判断因子在时间段内的变化趋势，FD大于0，则呈现增加趋势，FD小于0，则呈现下降趋势。

皮尔森积矩相关系数（Pearson product- moment Correlation Coefficient，PCC）是用于度量2个变量之间的线性相关关系，反映变量之间相关关系密切程度的一个指标。文中引入PCC来寻找不同时间延迟尺度上气候因素对NDVI的影响，它是用于度量2个变量X与Y之间的相关性，PCC系数常用r表示[27]

式中 r为无量纲的标准化协方差，r的取值在±1之间，r的绝对值越大，表示2个变量相关性越强。r>0，表明变量之间呈正相关关系，r<0，则呈负相关关系。

2 结果与分析

2.1LP区域NDVI年际變化特征和突变分析

通过对NDVI进行一元线性回归和M-K显著性检验发现，LP地区在2000年实施“退耕还林”政策之后，多个地区植被覆盖大幅增加（图2）。由图

2可以得到LP I区植被自2000年以来在生长季（3～10月）发生明显退化，NDVI发生不同程度下降。结合图1发现，Ⅰ区北部有吴忠市、银川市、石嘴山市等7个城市。这些地区全年日照充足，蒸发强烈、风沙大、春迟夏短，东临黄河，易发生风寒潮、沙尘暴等极端天气。植物种类缺乏，尤其是石嘴山和银川市周围荒漠、戈壁广布，且近些年来随着城市化进程加快，土壤盐碱化严重[28-29]。除此之外，该区域自1980—2013年建设用地显著增长，这使得河流冲积平原北部NDVI呈现显著下降趋势[29]。而Ⅰ区东南部有朔州市、临汾市、运城市等12个城市，这些地方在过去15 a里城市化进程加快，土地利用状况发生较大改变，露天煤矿开采，对该区域地表植被造成了严重的破坏[30]。上述原因可能导致Ⅰ区NDVI呈现显著下降趋势。LP其它地区77%的区域植被指数均呈现上升趋势，超过92%的区域呈现上升趋势（p<0.05）。

LPⅡ区植被在整个生长季节中年际变化呈增长趋势，但其NDVI处于较低水平，这主要是由于黄土塬区（Ⅱ）的平凉市和西峰市等地自然环境所致，该地区为荒漠草原生态，植被稀疏，植被覆盖度低[31-32]，且该地区煤炭、石油、石灰岩等资源比较有优势，人类活动使得该地区生态状态一般，NDVI长期处于较低水平。但近些年来，随着该地区栽培植被的增多[33]，植被覆盖情况明显好转。其他地区植被均发生明显的增多，与图2所示结果一致。

图3为Ⅲ区的NDVI突变情况，从图3可知，3月份NDVI在2003年置信区间中发生了由低到高的突变。4月份该区域UF与UB在置信区间内共有5个交点。结合图2分析可知，该区域NDVI在2013年后发生了由低到高的突变（p<0.05）。5～10月该区域均在2007年前后发生了由低到高的突变。LP除Ⅰ之外，其余地区突变与Ⅲ区虽存在差异，但整体趋势均与Ⅲ区突变类似，均发生由低到高突变，植被指数持续上升。

2.2LP区域气温和降雨的时变和突变特征

选取LP植被生长季并对温度做线性趋势变化和M-K分析，发现整个LP地区1980—2016年温度回归模型的一阶导数均大于0.该地区月平均温度总体呈上升趋势，其中3月、4月温度上升速率最快，大于0.5 ℃/ decade，是全球海陆面温度变化（1880—2012：0.06 ℃/decade）的8倍[3]，5～10月上升速率介于0～0.5 ℃/decade之间，温度上升速率比3～4月份低。通过M-K趋势检验发现该地区月平均温度上升趋势均通过0.05水平的显著性检验。

2000年前，LP地区气候环境独特，人为活动剧烈，耕地面积扩大导致植被退化，水土流失严重。2000年之后，“退耕还林”使得西北地区植被面积扩大，气候进而发生了较大的改变。图4给出了LP的8个地理分区温度的变化情况，在3月、4月、8月、10月份温度均呈现上升趋势，部分月份p<0.05.5月份和7月份LP 8个地理分区温度均呈现下降趋势。其中，Ⅲ区温度下降趋势显著（p<0.05）。Ⅰ，Ⅱ等多个地区月平均温度在7月份下降趋势显著（p<0.05）。Ⅰ，Ⅱ，Ⅲ，Ⅳ，Ⅵ，Ⅶ区等地温度在6月呈现下降趋势，均不显著。LP地区温度在生长季5～7月份超91%区域呈现下降趋（2000—2016）。结合图2发现，5～7月份，2000年来植被增长迅速，LP超过83%的区域植被呈现显著增长趋势，LP地区植被与温度相互作用，植被增多对温度升高有较好的抑制作用，这与王圆圆等人发现三峡库区森林覆盖率越高，年均气温上升速率越慢的结论类似[34]。LP Ⅰ，Ⅱ，Ⅲ，Ⅴ，Ⅵ，Ⅷ区在9月份温度呈上升趋势，Ⅳ区和Ⅶ区温度呈下降趋势，均不显著。

LP区域在2000年之后，月均温度年际变化在生长季期间具有一般规律性。随着2000年后植被增多，整个LP区域温度在全球温度升高的大趋势下控制的相对较好。此外，对LP地区2000—2016年间温度变化进行突变分析，发现LP地区8个地理分区在该时间段内发生多次突变，但是均未通过显著性检验;而1981—2016年间的突变分析结果显示8个地理分区温度均发生从由低到高的突变，且均通过了显著性检验。该实验结果间接的证明了“退耕还林”对LP地区温度升高起到了一定的抑制作用。降雨方面，1981—2016年，4，7，9月在近37 a呈上升趋势（7月份p<0.05），M-K突变检验得到该区域9月份从1996年开始至2016年呈显著上升趋势，UF与UB曲线在置信区间内有一个交点，降雨在2004年左右发生由低到多的突变。黄土高原地区在3月、6月、8月份月总降雨量呈下降趋势（3月份p<0.05）。5月份与10月份变化速率为0.052和0.15 mm/decade，近37 a月总降雨量未发生较大变化。

但随着植被覆盖面积扩大，整个LP地区的月总降雨量发生了一定的变化。图5为LP 8个不同土质历年生长季各月份月总降雨量变化趋势和M-K显著性检验结果，由图中可以看出在4，5，7，9月，LP区域在2000—2016年期间超94%区域降雨量呈增长趋势。Ⅲ区在5月与7月、Ⅴ区在7月、Ⅷ在9月呈显著增长趋势（p<0.05）。3月与10月多数地区变化呈微弱增长趋势，3月份Ⅱ区与10月份Ⅳ区相较之前呈显著增长趋势（p<0.05）。6月与8月LP地区月降雨量年际变化以下降为主。LP不同地区具有不同的降雨趋势，这与以往的研究结果一致[35-36]，上述现象是由于LP地处我国东部季风区，近地面高低压系统活动频繁，环流形势变化明显，导致各区域年内降水分布不均匀[37]。

LP在2000年实施“退耕还林”政策之后，降雨量发生了明显变化，在3，4，5，7，9月多数地区降雨增多，在6月和8月降雨减少。10月份降雨在不同区域展现出不同的变化，且变化量较小。这与先前研究得到的黄土高原降水量减少具有差异，其可能原因在于使用的数据源不同，2个数据有6年的不重合，先前的研究时间序列较长（20世纪中期到2010年），而文中使用气象数据时间序列较短（2000—2016）[35-36]。

2.3植被对气候响应的时滞效应

选取LP区域83个气象站的植被指数对不同时长气候因子的依赖性进行分析。利用PCC方法计算NDVI与气象因子在当月、前1月、前2月、前3月相关系数，进一步确定NDVI对气候因子在不同时间尺度的响应（图6）。LP各区域NDVI对当月温度相关性整体较高。8，9和10月份NDVI与温度相关性整体较差。这主要在于黄土高原地区植被类型多数为阔叶林落叶植被和典型草甸、草原型植被，随着温度的降低和秋季到来，该区域植被指数下降。LP区域降雨对不同土质中的植被具有不同的相关性，整体而言，NDVI对前一月和前2月的相关系数较高，尤其是在6～8月份。

图7给出了LP区域Ⅰ～Ⅷ区NDVI对温度和降雨不同时长的延迟响应频率。温度和降雨在不同地理区域对NDVI的影响体现出不同的时间长度，如Ⅰ，Ⅲ，Ⅳ区有43%，Ⅴ区与Ⅵ区分别有28.57%，57.14%的月份NDVI表现出对温度的响应无滞后效应。Ⅱ，Ⅶ，Ⅷ区分别有28.56%，42.86%，57.14%的月份NDVI表现出对温度响应具有一月滞后效应。NDVI对降雨响应与对温度响应有很大差异，在I区，14.28%的月份植被生长对当月降雨具有极强的敏感性，这可能与当地的植被类型、地貌和人类干扰有关，导致该地植被对降雨响应敏感。

如图8所示为LP地区NDVI对（a）温度和（b）降雨响应的滞后效应时间长度分布图，LP不同地理分区NDVI对气候因子时滞反应介于无延迟和3月延迟之间。LP地形复杂，不同的地理位置具有不同的地形与土质类型，植被类型也具有很大差异，加上温度降雨等气候因素，直接导致了植被活动在不同位置的差异性。结合图8与表2可得知，植被生长对温度的滞后响应时长主要以当月和一月，所占LP区域分别为37.5和62.5%.另外，LP中有62.5%的月份NDVI对降雨响应具有一月滞后效应，黄土高原属于半干旱地区[38]，植物通过前一月降雨得到补给并进行增长;25%的月份表明，前2月降雨决定该月植被的增长。具有3月滞后效应的月份为12.5%，这表明，LP区域植被对降雨的响应主要以1月和2月滞后效应为主，占整生长季的75%.

3 结 论

1）2000年“退耕还林”政策后，LP地区NDVI在多数区域发生由低到高的突变，呈现显著上升趋势且比例高达80%，植被覆盖大面积增加。

2）1981—2016年，整个LP区域温度呈现显著上升趋势。2000—2016年，温度上升速度减缓，上升趋势不显著，“退耕还林”政策的有效实施对该区域温度上升起到了一定的抑制作用。

3）1981—2016年LP地区降雨在4，7，9月份呈现不显著上升趋势。2000年之后，3月与5月份降雨发生由低到高的突变，降雨不断增加，2000年之后，降雨月数明显增多。

4）LP地区NDVI 37.5%的月份对当月温度敏感性较高，另外62.5%的月份NDVI对温度具有一月滞后效应。NDVI对降雨的响应在1～3月延迟之间，主要以一个月延迟和二个月延迟为主，占整个生长季的87.5%.

另外，通过对LP区域研究发现，I区植被受土地利用的变更、城市化进程的加快等原因，该区的生态环境造成了较为严重的破坏，人类活动导致了该地区植被生长对气候因子变化的敏感程度降低。本研究只考虑了气候因素中温度和降雨对植被增长的响应，未对更多的气候因子进行讨论，如光照时长、大气相对湿度以及高空的大气可降水量（Precipitable Water Vapor，PWV）。此外，针对文中发现的LP植被增多对该地区温度上升趋势减缓及下降的贡献率、针对不同地理分区中不同植被类型是否会有相同结论，及NDVI与其他气候因子之间是否也存在不同时间长度的滞后效应等未做出探討在未来的研究工作中，将对上述问题做出更进一步的思考与探索。

参考文献（References）：

[1]Reichstein M，Bahn M，Ciais P，et al.Climate extremes and the carbon cycle[J].Nature，2013，500（7462）：287-295.

[2]Zhou L，Tian Y，Myneni R B，et al.Widespread decline of Congo rainforest greenness in the past decade[J].Nature，2014，509（7498）：86-90.

[3]Ofipcc W G I.Climate change 2013：the physical science basis[J].Contribution of Working，2013，43（22）：866-871.

[4]Zhang Y，Liang S.Changes in forest biomass and linkage to climate and forest disturbances over Northeastern China[J].Global Change Biology，2014，20（8）：2596-2606.

[5]Br da N，Badeau V.Forest tree responses to extreme drought and some biotic events：Towards a selection according to hazard tolerance？[J].Comptes Rendus Geoscience，2008，340（9-10）：651-662.

[6]Huang J，Minasny B，Mcbratney A B，et al.The location-and scale-specific correlation between temperature and soil carbon sequestration across the globe[J].Science of the Total Environment，2018，615：540-548.

[7]Westra S，Alexander L V，Zwiers F W.Global increasing trends in annual maximum daily precipitation[J].Journal of Climate，2013，26（11）：3904-3918.

[8]Rousvel S，Armand N，Andre L，et al.Comparison between vegetation and rainfall of bioclimatic ecoregions in central africa[J].Atmosphere，2013，4（4）：411-427.

[9]Wang Y，Xue Z，Chen J，et al.Spatio-temporal analysis of phenology in Yangtze river delta based on MODIS NDVI time series from 2001 to 2015[J].Frontiers of Earth Science，2019，13（1）：1-19.

[10]Tao Z，Wang H，Liu Y，et al.Phenological response of different vegetation types to temperature and precipitation variations in northern China during 1982—2012[J].International Journal of Remote Sensing，2017，38（11）：3236-3252.

[11]Albani M，Medvigy D，Hurtt G C，et al.The contributions of land‐use change，CO2 fertilization，and climate variability to the Eastern US carbon sink[J].Global Change Biology，2010，12（12）：2370-2390.

[12]ZHANGXian-liang.A global classification of vegetation based on NDVI，rainfall and temperature[J].International Journal of Climatology，2017，37（5）：2318-2324.

[13]Clerici N，Weissteiner C J，Gerard F.Exploring the use of MODIS NDVI-based phenology indicators for classifying forest general habitat categories[J].Remote Sensing，2012，4（6）：1781-1803.

[14]Feilhauer H，He K S，Rocchini D.Modeling species distribution using niche-based proxies derived from composite bioclimatic variables and MODIS NDVI[J].Remote Sensing，2012，4（7）：2057-2075.

[15]Jin X，Liu J，Wang S，et al.Vegetation dynamics and their response to groundwater and climate variables in Qaidam Basin，China[J].International Journal of Remote Sensing，2016，37（3）：710-728.

[16]Sun W，Song X，Mu X，et al.Spatiotemporal vegetation cover variations associated with climate change and ecological restoration in the Loess Plateau[J].Agricultural and Forest Meteorology，2015，209：87-99.

[17]陈操操，谢高地，甄 霖，等.泾河流域植被覆盖动态变化特征及其与降雨的关系[J].生态学报，2008，28（3）：925-938.CHEN Cao-cao，XIE Gao-di，ZHEN Lin，et al.Analysis on Jinghe watershed vegetation dynamics and evaluation on its relation with precipitation[J].Acta Ecologica Sinica，2008，28（3）：925-938.

[18]张 翀，雷田旺，宋佃星.黄土高原植被覆盖与土壤湿度的时滞关联及时空特征分析[J].生态学报，2018，38（6）：2128-2138.ZHANG Chong，LEI Tian-wang，SONG Dian-xing.Analysis of temporal and spatial characteristics of time lag correlation between the vegetation cover and soil moisture in the Loess Plateau[J].Acta Ecologica Sinica，2018，38（6）：2128-2138.

[19]张含玉，方怒放，史志华.黄土高原植被覆盖时空变化及其对气候因子的响应[J].生态学报，2016，36（13）：3960-3968.ZHANG Han-yu，FANG Nu-fang，SHI Zhi-hua.Spatio-temporal patterns for the NDVI and its responses to climatic factors in the Loess Plateau，China[J].Acta Ecologica Sinica，2016，36（13）：3960-3968.

[20]Dotterweich M.The history of human-induced soil erosion：Geomorphic legacies，early descriptions and research，and the development of soil conservation：A global synopsis[J].Geomorphology，2013，201（4）：1-34.

[21]Sun W，Shao Q，Liu J，et al.Assessing the effects of land use and topography on soil erosion on the Loess Plateau in China[J].Catena，2014，121（121）：151-163.

[22]Wang F，Mu X，Li R，et al.Co-evolution of soil and water conservation policy and human-environment linkages in the Yellow River Basin since 1949[J].Science of the Total Environment，2015，508：166-177.

[23]YANG Wen-zhi.The soil moisture content studying of loess plateau[M].Beijing：Science Press，2000.

[24]高海东，庞国伟，李占斌，等.黄土高原植被恢复潜力研究[J].地理学报，2017，72（5）：863-874.

GAO Hai-dong，PANG Guo-wei，LI Zhan-bin，et al.Evaluating the potential of vegetation restoration in the Loess Plateau[J].Journal of Geographical，2017，72（5）：863-874.

[25]Munir M M，Sasmito B，Haniah H.Analisis pola kekeringan Lahan pertanian Di kabupaten kendal Dengan menggunakan algoritma thermal vegetation index Dari citra satelit modis terra[J].Jurnal Geodesi Undip，2015，4（4）：174-180.

[26]魏鳳英.现代气候统计诊断与预测技术[M].北京：气象出版社，2007.

WEI Feng-ying.Modern climate statistical diagnosis and prediction technology[M].Beijing：China Meteorological Press，2007.

[27]Rodgers J L，Nicewander W A.Thirteen ways to look at the correlation coefficient[J].American Statistician，1988，42（1）：59-66.

[28]金 鑫.银川市2001—2009年间大气环境及植被变化研究[D].南京：南京信息工程大学，2012.JIN Xin，Study on atmospheric environment and vegetation changes in Yinchuan city during 2001—2009[D].Nanjing：Nanjing University of Information Science & Technology，2012.

[29]姚玉龙.西北绿洲典型城市地表温度的时空变化特征与成因分析[D].西安：西北师范大学，2014.YAO Yu-long.Spatiotemporal Variation characteristics and causes of land surface temperature in typical city of northwest oasis[D].Xian：Northwest Normal University，2014.

[30]任永飞.大同朔州地区生态环境时空演变规律——基于归一化植被指数的研究[J].能源与节能，2017（2）：102-103.REN Yong-fei.Spatial-temporal evolution pattern of ecological environment in Shuozhou area in Datong：Based on the research on normalized difference vegetation index[J].Energy and Energy Conservation，2017（2）：102-103.

[31]崔丹丹，张耀南，陈广庭.2001—2010年甘肃省植被覆盖的时空变化[J].中国沙漠，2014，34（4）：1161-1166.CUI Dan-dan，ZHANG Yao-nan，CHEN Guang-ting.Spatial and temporal variation of NDVI in Gansu，China during 2001—2010 based on remote sensing[J].Journal of Desert Research，2014，34（4）：1161-1166.

[32]胡春艷，卫 伟，王晓峰，等.甘肃省植被覆盖变化及其对退耕还林工程的响应[J].生态与农村环境学报，2016，32（4）：588-594.HU Chun-yan，WANG Wei，WANG Xiao-feng，et al.Change in vegetation cover as affected by grain for green project in Gansu[J].Journal of Ecology & Rural Environment，2016，32（4）：588-594.

[33]徐 煜.2001—2015年甘肃省植被覆盖、物候变化及对气候变化的响应[D].兰州：甘肃农业大学，2018.XU Yu.Dynamic change of vegetation and phenology response to climate change in Gansu Province during 2001—2015[D].Lanzhou：Gansu Agricultural University，2018.

[34]王圆圆，李贵才，郭 徵，等.1979—2014年三峡库区月平均气温的时空变化分析[J].遥感学报，2018（3）：487-496.WANG Yuan-yuan，LI Gui-cai，GUO zheng，et al.Spatial-temporal analysis of monthly air temperature changes from 1979—2014 in the three Gorges Dam region[J].Journal of Remote Sensing，2018（3）：487-496.

[35]Xin Z B，Xu J X，Ma Y X.Spatio-temporal variation of erosive precipitation in Loess Plateau during past 50 years[J].Scientia Geographica Sinica，2009，29（1）：98-104.

[36]Xin Z，Yu X，Li Q，et al.Spatiotemporal variation in rainfall erosivity on the Chinese Loess Plateau during the period 1956—2008[J].Regional Environmental Change，2011，11（1）：149-159.

[37]刘引鸽.陕北黄土高原降水的变化趋势分析[J].干旱区研究，2007，24（1）：49-55.LIU Yin-ge.Analysis on the change trend of precipitation in north Shaanxi Province in the loess plateau[J].Arid Zone Research，2007，24（1）：49-55.

[38]Wang Z，Liu B，Lu B.A study on water restoration of dry soil layers in the semi-arid area of Loess Plateau[J].Acta Ecologica Sinica，2003，23（9）：1944-1950.