渭河流域地表植被覆盖对气候变化的响应研究

巫晨煜，许帆帆，魏士博，樊晶晶,*，刘观鹏，王坤

1.河北工程大学水利水电学院，河北 邯郸 056038；2.河北工程大学/河北省智慧水利重点实验室，河北 邯郸 056038；3.中国水利水电科学研究院水资源所，北京 100048

植被是陆地生态系统的重要组成部分，是连接土壤、大气和水的天然纽带，植被生长状况与气候、水质、地形等环境因素密切相关（Wang et al.，2021；陈文裕等，2022）。植被覆盖度在一定程度上代表了整体生态环境，其变化将直接关系到区域生态环境的稳定性与安全性（Xin et al.，2008；王丽霞等，2020）。气候变化通过改变植物生长环境，从而影响植物生长，并且全球变化对陆地生态系统结构和功能产生的影响重大，因此了解植物与气候之间的内在关系，长期动态监测和评估植被覆盖情况至关重要（Jia et al.，2020）。

渭河流域处于大陆性季风气候区，夏季降水多，气温高，冬季降水少，气温低。流域横跨陕西、宁夏、甘肃三省（自治区），为黄河中游经济、人口稠密地带，存在空间非均衡性，区域发展不协调形势严峻，在黄河流域生态保护和高质量发展战略规划中占据重要地位（赵孟丽等，2023）。渭河流域地理位置特殊，上游位于丘陵地区，中游横跨黄土高原，生态环境脆弱，干旱、洪水等灾害频繁发生。近年来，由于气候变化以及土地利用的急剧变化，旱涝灾害频发，水土流失严重（张晔等，2022）。因此，探究渭河流域植被变化特征及其与气候变化的响应关系，对流域生态环境恢复、经济可持续发展有着重要意义。

基于遥感技术对植被指数进行空间监测是目前最先进的技术和研究手段，提供了关于植被类型/植被覆盖动态变化过程的重要信息，能够进一步分析出植被变化的发展情况以及这种变化发生的原因等。其中，归一化植被指数（NDVI）是一种应用最为广泛的植被指数，在植被覆盖变化研究中，NDVI 能很好地反映植被覆盖、生物量及生态系统参数的变化（邵亚婷等，2021；袁倩颖等，2021）。近年来，有不少学者对渭河流域NDVI 进行了研究，杜希溪（2013）发现1998－2008 年研究区NDVI变化呈上升趋势；陆一帆（2016）发现1982－2006年间研究区空间差异明显，降水为影响流域植被生长的主要影响因子；王丽霞等（2020）发现低植被区主要分布于流域西北部，中植被区位于泾河、北洛河，高植被区分布于流域东南部；庞家泰等（2021）在对2000－2019年渭河流域NDVI研究中得出其未来变化表现为流域整体呈现进一步改善趋势。以上研究均以渭河流域整体作为研究对象，缺乏对该流域在不同典型气候区NDVI 动态变化的研究，并且现有研究也多只考虑NDVI 对气候因子的滞后效应，少见NDVI 与气候因子的双向滞后响应研究。本文根据年干燥指数、天然植被等，将渭河流域划分为半湿润区、半干旱区、干旱区3 个子区域，利用差值法、线性回归斜率法等方法对2000－2019年渭河流域NDVI 时空格局进行更为详细的分析，并研究了NDVI 与降水、气温的相关性，及与降水、气温的双向滞后效应，可为渭河流域生态环境可持续发展提供一定的理论支撑和决策依据。

1 研究区域与数据

1.1 研究区域与资料

渭河是黄河第一大支流，全长818 km，横向跨过 104°00′－110°20′E，纵向经过 33°50′－37°18′′N，横跨甘肃、陕西、宁夏三省，总面积为1.34×105km2。渭河流域地处半干旱、半湿润地区的过渡地带，降水变化趋势是南多北少，地形西高东低，自西向东地势逐渐变缓，流域北部为黄土高原，南部为秦岭山区（程三友等，2011），地貌主要有黄土丘陵区、黄土塬区、土石山区、黄土阶地区、河谷冲积平原区等（王玉娟等，2014）。

为更好地研究渭河流域NDVI 演变规律，本文根据年干燥指数、天然植被等，将渭河流域划分为半湿润区、半干旱区、干旱区3 个子区域，分区图如图1 所示。

图1 渭河流域分区图Figure 1 Division of Wei River Basin

1.2 数据来源

本文使用的NDVI 数据来自中国科学院资源环境科学数据中心，是基于SPOT/VEGETATION NDVI 卫星遥感数据（http://www.resdc.cn/），降水、气温数据来自国家青藏高原科学数据中心（https://data.tpdc.ac.cn/home），以上数据均选用2000－2019 年的时间序列，时间分辨率为月，空间分辨率为1 km。气候分区数据来自中国科学院资源环境科学数据中心（https://www.resdc.cn/）。

2 研究方法

2.1 差值法

差值法可以用来衡量一个地区不同年份之间的不同数值的变动情况。本文拟分析2009 年与2000 年、2019 年与2009 年的变化，对渭河流域NDVI 变化进行差值分析。其计算公式为：

其中：

Ni−j——第i年或第i段与第j年或第j段之间的NDVI 差值；

Ni——第i年或第i段的NDVI 数值；

Nj——第j年或第j段的NDVI 数值。

2.2 线性回归斜率法

为研究渭河流域NDVI 变化趋势，采用一元线性回归分别模拟每个像元在2000－2009、2009－2019 年两个阶段植被NDVI 的变化趋势。若斜率为正，则说明数值随着时间变化呈上升趋势，若斜率为负，则说明数值随着时间变化呈下降趋势。计算公式如下：

其中：

S——NDVI 趋势斜率；

n——序列长度即所研究的年数；

ri——NDVI 第i年的平均值。采用F检验对趋势斜率进行显著性检验。

2.3 相关系数法

偏相关分析是指当两个变量同时与第3 个变量相关时，将第3 个变量的影响剔除，只分析另外两个变量间相关程度的过程。本文为分析NDVI受降水、气温影响程度，分别控制降水、气温，计算NDVI 与降水、气温的偏相关系数。计算公式如下：

其中：

Rxy·z——控制变量z后变量x与变量y的偏相关系数；

Rxy——变量x与变量y的相关系数；

Rxz——变量x与变量z的相关系数；

Ryz——变量y与变量z的相关系数。

在NDVI 与降水、气温滞后效应研究中，采用一般相关系数法，将相关系数分为3 个水平：强相关（0.8

3 研究结果

3.1 NDVI 时空分布特征

2000－2019 年，渭河流域及其分区NDVI 呈增加趋势（图2），渭河流域NDVI 年均增长率为0.047 1/10 a，最大值出现在2018 年（0.450），最小值出现在2000 年（0.342）。各分区植被增长率表现为：半干旱区 (0.053 8/10 a)>半湿润区 (0.044 3/10 a)>干旱区 (0.036 6/10 a)，NDVI 多年平均值按半湿润区（0.460）、半干旱区（0.303）及干旱区（0.190）依次减小。2000－2019 年渭河流域及其各分区NDVI 出现不同程度的波动，但仍呈现上升趋势，渭河流域在保证现有植被健康生长的同时，增加了植被覆盖度。

图2 2000－2019 年渭河流域及其分区NDVI线性变化趋势Figure 2 Linear trend of NDVI in the Wei River Basin and its subregions from 2000 to 2019

根据NDVI 值将植被情况划分为6 个等级（袁瑞强等，2020），分别为无植被区（NDVI<0.2）、极低植被区（0.2≤NDVI<0.3）、低植被区（0.3≤NDVI<0.4）、中植被区（0.4≤NDVI<0.5）、高植被区（0.5≤NDVI<0.6）、密集植被区（0.6≤NDVI）。

2000－2019 年整个渭河流域NDVI 多年平均值在空间上，整体呈现东南高西北低、由东南向西北递减的分布特征（图3），随着海拔的增加而降低，这与地势及地区降水、气温有直接关系。密集植被区占研究区总面积的5.05%，高植被区占19.85%，主要分布在关中平原、子午岭、黄龙山脉、陇山及六盘山脉等地区（Ⅰ），极低植被区占研究区总面积17.74%，无植被区占1.68%，主要分布于陇中黄土高原与陇东黄土高原的西北部（Ⅱ、Ⅲ），少量分布于关中平原（Ⅰ）。总体而言，渭河流域半湿润区植被情况较好，出现 NDVI 最高值（0.694），干旱区、半干旱区植被情况较差，出现流域NDVI 最低值（0.156）。

图3 2000－2019 年渭河流域NDVI 均值空间分布及植被情况面积百分比（%）Figure 3 Percentage of vegetation cover area and spatial distribution of NDVI mean values in each subzone of the Wei River basin from 2000 to 2019

3.2 NDVI 变化情况分析

为了研究渭河流域及其各分区NDVI 改善情况，利用差值法计算不同时段NDVI 差值表征改善特征，以2009 年为节点，分别计算2009 年与2000年、2019 年和2009 年的差值。将植被增长与退化划分为7 个等级（周梦甜等，2015；高培霞等，2018；李丹利等，2018；栾金凯等，2018；潘颖等，2018），分别为高度退化（Ni−j<−0.06）、中度退化（−0.06≤Ni−j<−0.04）、轻度退化（−0.04≤Ni−j<−0.02）、基本不变（−0.02≤Ni−j<0）、轻度改善（0≤Ni−j<0.02）、中度改善（0.02≤Ni−j<0.06）、高度改善（0.06≤Ni−j）（图4）。

图4 渭河流域2000－2009 年（a）、2009－2019 年（b）NDVI 差值空间分布及植被变化情况面积所占百分比（%）Figure 4 NDVI difference spatial distribution and Percentage of vegetation change area in Wei River Basin from 2000 to 2009 (a) and from 2009 to 2019 (b)

2000－2009 年，渭河流域植被变化表现为改善态势，改善面积高达总面积的98.20%。各分区植被变化趋势与流域整体一致，改善面积均超过本区面积97%，其中干旱区改善面积最大，高达100%，其次为半干旱区（99.74%）、半湿润区（97.54%）。从整个研究区来看，高度改善区域最大，占总面积57.22%，中度改善区域占总面积37.98%，轻度改善区域占总面积3.00%，三者均主要分布于陇东、陇中黄土高原及陕北高原（Ⅰ、Ⅱ、Ⅲ）；退化区域面积仅占0.79%，轻度退化区域占总面积0.38%；中度退化区域占总面积0.21%，高度退化区域面积极小，仅占总面积0.21%，三者主要分布于关中平原（Ⅰ）；基本不变区域占总面积1.00%，分布于渭河流域东南部（Ⅰ）。

2009－2019 年，渭河流域植被变化同样表现为改善态势，改善面积占总面积86.12%，较上期（2000－2009 年）有所下降。各分区植被改善面积均大于本区总面积的80%，其中干旱区改善面积最大（98.82%），依次为半干旱区（97.74%）、半湿润区（81.37%）。对整个研究区而言，高度改善区域面积较上期有所减少，占总面积34.32%，主要分布于陇东黄土高原（Ⅰ、Ⅱ），中度改善区域面积最大，占总面积40.20%，轻度改善区域占总面积11.59%，二者广泛分布于陇中黄土高原及陕北高原（Ⅰ、Ⅱ、Ⅲ）；基本不变区域占总面积6.03%；退化区域共占总面积的7.85%，轻度退化区域占总面积3.26%，二者破碎化分布于陇中西部及关中平原（Ⅰ），中度退化区域、高度退化区域分别占总面积1.83%、2.77%，主要分布于关中平原（Ⅰ），较上期（2000－2009 年）向东西两侧扩大。

3.3 NDVI 动态变化分析

为了研究渭河流域及其各分区NDVI 动态变化情况，利用线性回归斜率法分别不同时段的S值，并根据S大小划分5 个等级（庞家泰等，2021），分别为严重退化（S<−0.007 ）、中度退化（−0.007≤S<−0.003）、基本不变（−0.003≤S<0.003）、中度改善（0.003≤S<0.01）、高度改善（0.01≤S），并进行置信度为95%的F检验（图5、6）。

图5 渭河流域2000－2009 年（a）、2009－2019 年（b）NDVI 线性回归斜率空间分布及植被动态变化面积所占百分比（%）Figure 5 Spatial distribution of NDVI linear regression slope in Wei River Basin and Percentage of vegetation dynamic change area from 2000 to 2009 (a) and from 2009 to 2019 (b)

2000－2009 年渭河流域NDVI 整体呈上升趋势，植被变化的平均斜率为0.072 7/10 a，标准差为0.003 60。除干旱区外，其余分区与研究区整体趋势一致，其中半湿润区改善面积最大，占本区面积的92.04%（81.46%为显著改善）（图6），半干旱区改善面积占78.59%（66.37%为显著改善），干旱区改善面积仅为18.91%（均为不显著改善）。对整个研究区而言，高度改善区域占总面积21.96%，中度改善区域较大，占总面积65.73%，二者共占研究区总面积87.69%（76.67%为显著改善）；基本不变区域占总面积11.78%，主要分布在流域北部（Ⅱ、Ⅲ）；退化区域仅占0.54%，其中，中度退化区域占总面积0.32%，严重退化区域占0.21%，二者仅占研究区总面积0.53%（0.35%为显著退化），分布在流域东南部的关中平原（Ⅰ）。

图6 渭河流域2000－2009 年（a）、2009－2019 年（b）NDVI 变化趋势显著性Figure 6 Significance of NDVI change trend in Wei River basin from 2000 to 2009 and from 2009 to 2019

2009－2019 年，渭河流域NDVI 仍呈上升趋势，植被平均增长率为0.035 1/10 a，较上期有所下降，标准差为0.004 25。各分区植被改善面积占比按半干旱区、半湿润区、干旱区依次减少，分别为75.53%（35.86%为显著改善）、56.30%（43.71%为显著改善）、31.21%（9.59%为显著改善）。整个研究区中，改善面积占总面积61.86%（41.25%为显著改善），其中，高度改善区域仅占总面积3.20%，中度改善区域占总面积58.67%，主要位于陇中陇东地区（Ⅰ、Ⅱ），较上期（2000－2009 年）均出现不同程度减小；退化区域有所扩大，占总面积7.02%（4.19%为显著退化），分布在关中平原一带（Ⅰ），其中，严重退化区域占总面积2.45%，中度退化区域占总面积4.57%；基本不变区域占总面积31.11%，少量分布于西部与北部（Ⅱ、Ⅲ），主要位于流域东部（Ⅰ）。

综上可知，2000－2019 年渭河流域植被呈改善趋势，后期（2009－2019 年）较前期（2000－2009 年）改善程度有所减缓。

3.4 NDVI 与降水、气温的滞后效应分析

2000－2019 年渭河流域及各分区在不同时间尺度与气候因子的偏相关性存在差异（表1）。干旱区NDVI 在3 个时间尺度均与降水的偏相关系数更高（r1=0.608、r2=0.572、r3=0.564，P1,2,3˂0.01）；半干旱区在年尺度、季尺度中，NDVI 受降水影响更大（r1=0.548，P1˂0.05；r2=0.609，P2˂0.01），月尺度下则更受气温影响（r3=0.527，P3˂0.01）；半湿润区NDVI 在季尺度、月尺度与气温呈高偏相关（r2=0.775、r3=0.804，P2,3˂0.01），在年尺度上的相关系数均不显著。对整个研究区而言，在季尺度、月尺度中与气温呈高偏相关性（r2=0.669、r3=0.761，P2,3˂0.01），在年尺度上的相关系数不显著。

表1 2000－2019 年渭河流域NDVI 与降水、气温偏相关系数Table 1 Partial correlation coefficient between NDVI and precipitation and temperature at different scales in the Wei River basin,2000–2019

综上所述，在季尺度、月尺度上，与降水相比，气温对渭河流域植被生长影响更为显著。

对比渭河流域研究年月尺度下NDVI 与降水、气温变化趋势（图7a、b），总体上渭河流域NDVI与降水、气温的变化具有较强的一致性，可以发现NDVI、降水、气温最高值所在月份有所差异，这说明NDVI 与降水、气温存在一定的滞后性。

图7 NDVI 与降水、气温变化规律及滞后效应Figure 7 NDVI and precipitation, temperature change rule and lag effect

图7c、d 为渭河流域及其分区NDVI 变化与降水、气温的滞后效应，横坐标表示NDVI 与三者的滞后时间，正负号分别代表NDVI 对气候的滞后效应和气候对NDVI 的滞后效应，纵坐标为NDVI与三者的相关度，其正负号代表正负效应（Li et al.，2021；黄豪奔等，2022），本研究定义相关度超过90%时，整个区域都存在滞后效应。

渭河流域及其各分区（除干旱区短期气温对NDVI 的滞后效应）NDVI 与降水、气温双向滞后效应在短期（1－3 月）与长期（3－6 月）同时存在。在不同气候分区下，NDVI 与降水双向滞后效应表现出1－3 月为正，3－6 月为负的特征，NDVI对气温的滞后效应表现为1－3 月为正，4－6 月为负，气温对NDVI 的滞后效应1－2 月为正，3－4月为负。不同分区NDVI 与降水、气温滞后效应存在差异，NDVI 对降水、气温滞后效应按干旱区、半干旱区、湿润区依次降低，降水、气温对NDVI的滞后效应则相反。

4 讨论

4.1 气候年景

本文以2009 年为节点，将研究年划分为两期（2000－2009、2009 年－2019 年），发现NDVI 年变化呈改善趋势，但改善程度减缓，《中国环境状况公报》表明，2000 年全国大部分地区气温接近常年（1961－1990 年）或偏高，降水偏少或接近常年，西北区域出现不同程度干旱，本年气候条件对农业生产而言属偏差年景；2009 年西部、宁夏南部、甘肃东部等地降水比常年（1971－2000 年）偏少10%－50%，西北大部等地气温较常年偏高1－2 ℃，该年气候年景一般；2019 年，与常年（1981－2010 年）相比，西北区域气温偏高，降水偏多20%－50%，本年气候条件属于偏好的年景。值得注意的是，2019 年植被生长情况好于常年，但差于2018 年，我国气象局发布信息表明2019 年全国区域性、阶段性干旱和低温等灾害影响较重，造成气象条件不如水热匹配最好的2018 年，特别是西北东部等地区降水偏多时，气温偏低，导致2019年全国植被生态质量指数较2018 年偏低0.60%。

4.2 NDVI 动态变化

2000－2019 年渭河流域植被年际变化呈现增长趋势，这与中国西北地区整体变化一致（尹振良等，2022）。NDVI 空间分布和年际变化受到地形、地貌、气候变化以及人类活动的综合影响（范松克等，2019；杨鑫等，2021；余玉洋等，2022），渭河流域干旱区、半干旱区多为黄土高原，生态环境脆弱，容易受到自然环境和人类活动的影响（程杰等，2020），湿润区有秦岭山区与关中平原，气候地理条件较北部更适宜植被生长（程三友等，2011），因此流域湿润区植被情况比水资源较匮乏、生态脆弱的干旱区、半干旱区好。从年NDVI 时空变化来看，各分区均存在植被改善区域，主要分布在陇东、陇中黄土高原及陕北高原，为生态工程建设的主要区域，2000－2019 年我国呈降水增加、气温上升趋势，生态建设工程与有利气象条件叠加，共同促进了植被生态质量整体提升（刘旻霞等，2018；王维等，2021；徐省超等，2021），植被退化区域多分布在半湿润区，尤其关中平原，根据陕西有关部门发布的信息显示近20 a 关中城市规模显著扩大，故随着城市发展，周边生态将遭到一定破坏。

4.3 NDVI 影响因素

在季尺度、月尺度上，与降水相比，气温对渭河流域植被生长影响较为显著，与王丽霞等（2020）研究结果一致，在年尺度上NDVI 与降水、气温具有相关性，不具备统计学意义，但能反映研究区NDVI 增长缓慢的趋势（黄豪奔等，2022）。降水能增加土壤含水量，从而促进植被生长，但过多的降水会使得土壤水分过于饱和，导致植被根系及微生物缺氧，营养物质缺失，抑制植被生长（陈晨等，2022）。气温的适宜上升能加强光合作用及延长生长季，促进植被生长（崔利芳等，2020），然而气温过高会增加地表水蒸发，阻碍植被生长（李思楠等，2021）。干旱、半干旱区为降水稀少的区域，限制其生态环境的最重要因子就是降水（赵文智等，2011），干旱或强降水将对植被造成负面影响，而半湿润区降水相对充足，降水能引起水分、养分等土壤资源脉动，激发植物生理活动，在不出现极低气温的情况下，半湿润区的水土热资源匹配度相对更高，这将利于植被生长（闫雪等，2020）。研究发现渭河流域及其各分区季节尺度NDVI 与降水偏相关性高于月尺度，这可能是因为长期的植被活动取决于降水的连续性与一致性较多（Ding et al.，2020；黄豪奔等，2022），相反，气温从月尺度到季尺度，与NDVI 偏相关性减弱，但在季尺度与月尺度上仍呈显著偏相关性，这说明在植被生长周期内对气温具有较高的依赖性（李春娥等，2022）。不同类型植被对气候的敏感程度存在差异（李霞等，2007；崔林丽等，2009；张戈丽等，2011；杨丽红等，2013）。植被变化是对不同影响因素的复杂耦合响应结果（魏榕等，2021），除气候因子外，人类活动也是影响植被变化的重要驱动因子，对植被的影响存在正、负两方面，退耕还林还草工程对植被的生长有积极影响，而城市扩张、过度放牧则对植被产生消极影响（易浪等，2014）。

4.4 NDVI 与降水、气温的滞后效应

本研究考虑了NDVI 与降水、气温之间的双向滞后效应，这有利于加深对NDVI 植被动态反馈的理解。同时，利用相关度来判断NDVI 与气候因子的滞后效应比通过最大相关系数出现的时间来判断滞后时间更为合理（黄豪奔等，2022）。可以发现，渭河流域NDVI 与降水、气温的双向滞后效应在短期内为正，这与NDVI 与降水、气温的相关性一致，这一结果有助于通过协调气候来控制植被生长。Li et al.（2021）认为植被与气候的滞后效应是通过对生理过程和其他非气候条件的干扰而发生的。植被对降水的滞后响应可能是由于植被生长对累积土壤湿度的直接依赖要强于对大气降水量的直接依赖。降水对植被的滞后响应反应降水发生与水到达植物根系的时间长度（Jobbagy et al.，2002）。气温与植被的滞后响应也与土壤层有关，植被可以通过调节小气候效应从而影响大气温度和湿度（Niu et al.，2018）。

4.5 不足与展望

本文仅基于统计学方法重点探讨了渭河流域NDVI 时空演变规律，植被与降水、气温的相关性及时滞效应，研究内容在后期可进一步拓展，如细化植被类型、土地利用类型、植被不同生长阶段等，研究NDVI 对其他影响因子（如相对湿度、日照时数、潜在蒸散发等）的响应，定量研究气候因子、人类活动对植被变化的贡献率，深入分析其对植被变化的驱动机制。尽管本文存在一些不足，但其研究方法可以为探索流域植被的时空变化特征及其对气候的响应规律提供很好的借鉴意义，其研究结果也能对渭河流域的植被保护、水土保持与生态环境建设提供科学依据和决策参考。

5 结论

（1）2000－2019 年，渭河流域NDVI 总体呈现持续上升趋势。空间上呈现东南高西北低、由东南向西北递减的分布特征。其中，半湿润区植被情况较好，多为高植被区和密集植被区，出现NDVI最高值（0.694），而干旱区、半干旱区植被情况较差，多为低植被区和极低植被区，出现NDVI 最低值（0.156）。

（2）与2000 年相比，2009 年和2019 年渭河流域NDVI 均得到改善，但第二期（2009－2019年）改善力度小于第一期（2000－2009 年）（差值法改善区面积由98.20%降低到86.12%，线性回归斜率法改善区面积由87.69%减小到61.86%）。

（3）在季尺度、月尺度上，与降水相比，气温对渭河流域植被生长影响更为显著。

（4）在不同气候分区下，NDVI 与降水双向滞后效应表现出1－3 月为正，3－6 月为负的特征，NDVI 对气温的滞后效应表现为1－3 月为正，4－6 月为负，气温对NDVI 的滞后效应1－2 月为正，3－4 月为负。