2001—2020年黄土高原气候对植被NDVI空间异质性的影响

李俞 张翀 田晓凤

收稿日期：2023-05-25

基金项目：陕西省社会科学基金项目（2020D008）；陕西省自然科学基础研究计划项目（2021JM-513）；陕西省教育厅科学研究计划项目（21JK0475）；宝鸡文理学院第十五批校级教改资助项目（YJ20JGYB12）

作者简介：李 俞（1996-），女，陕西西安人，在读硕士研究生，主要从事植被遥感方面的研究，（电话）17868877226（电子信箱）2759577303@qq.com；通信作者，张 翀（1986-），男，讲师，博士，主要从事资源环境遥感与GIS研究，（电子信箱）zhangch3348@126.com。

李 俞，张 翀，田晓凤. 2001—2020年黄土高原气候对植被NDVI空间异质性的影响［J］. 湖北农业科学，2024，63（5）：30-36．

摘要：选用2001—2020年归一化植被指数（Normalized difference vegetation index， NDVI）和气候数据，通过地理加权法探究黄土高原气候变化对植被及其变化趋势的影响。结果表明，黄土高原NDVI与地表温度在空间上具有非平稳关系，NDVI与温度指标的回归系数主要以负值为主，主要集中在北部的内蒙古高原，空间正相关则集中分布于胡焕庸线以南区域；对比不同气候指标的标准化系数可知，降水量是黄土高原植被变化的主要因素，占黄土高原总面积的30.90%，植被受水分控制作用较为显著的区域主要集中在黄土高原中北部的内蒙古高原及西部祁连山附近；而黄土高原中南部植被活动的主导因素为气温，面积占42.91%，其中最高气温对NDVI的主导区域范围最广，影响区包括甘肃省东部、陕西省中部、山西省南部及河南省，其植被主要以农业和林业为主，降水量充沛，随着温度的升高，植被活动均有所增强。NDVI变率与气候变率的回归结果表明，黄土高原气温增高对植被的生长起到促进作用的区域较广；但黄土高原西北部也存在气温和降水量减少而植被却表现为增长趋势的情况。

关键词：NDVI；空间异质性；气候变化；地理加权回归；黄土高原

中图分类号：Q948.11； X171.1         文献标识码：A

文章编号：0439-8114（2024）05-0030-07

DOI：10.14088/j.cnki.issn0439-8114.2024.05.006            开放科学（资源服务）标识码（OSID）：

Effect of Loess Plateau climate on the spatial heterogeneity of NDVI from 2001 to 2020

LI Yu， ZHANG Chong， TIAN Xiao-feng

（Baoji University of Arts and Sciences/Shaanxi Key Laboratory of Disasters Monitoring & Mechanism Simulation， Baoji  721013， Shaanxi， China）

Abstract： Based on the normalized difference vegetation index （NDVI） and climate data from 2001 to 2020， the effects of climate change on vegetation and vegetation change trends in the Loess Plateau were explored by geographically weighted method. The results showed that there was a non-stationary relationship between NDVI and land surface temperature in the Loess Plateau. The regression coefficient of NDVI and temperature index was mainly negative， and mainly concentrated in the northern Inner Mongolia Plateau， while the spatial positive correlation was concentrated in the south of Huhuanyong line. By comparing the standardized coefficients of different climate indicators， it could be seen that precipitation was the main factor controlling vegetation change in the Loess Plateau， accounting for 30.90% of the total area of the Loess Plateau. The areas where vegetation was significantly controlled by water were mainly concentrated in the Inner Mongolia Plateau in the northern and central part of the Loess Plateau and near the Qilian Mountains in the west. The main dominant factor of vegetation activity in the central and southern part of the Loess Plateau was the temperature， accounting for 42.91% of the total area of the Loess Plateau. Among them， the highest temperature had the widest influence on NDVI， including eastern Gansu Province， central Shaanxi Province， southern Shanxi Province and Henan Province. The vegetation in these areas was mainly agriculture vegetation and forestry vegetation， the precipitation was abundant， and with the increase of temperature， vegetation activity had increased. The regression results of NDVI variability and climate variability showed that the increase of temperature in the Loess Plateau promoted the growth of vegetation in a wide area. However， in the northwest of the Loess Plateau， the temperature and precipitation decreased while the vegetation showed an increasing trend.

Key words： NDVI； spatial heterogeneity； climate change； geographically weighted regression （GWR）； Loess Plateau

植被作为陆地、大气间重要的调节器，对陆地生态系统的运转尤为重要，也是对气候变化敏感性最强的组成成分［1，2］。归一化植被指数（Normalized difference vegetation index，NDVI）主要用于描述植被覆盖情况，能准确反映区域内植被覆盖的变化情况［3］，主要用于研究生态系统与气候变化的响应。气候与植被间具有密不可分的关系，气候是影响植被生长状况的重要因素［4，5］，不同的水热组合会形成不同的植被类型，气候的改变不仅影响植被的生理性质和变化趋势，更会影响区域的生态系统。黄土高原地形复杂，水热组合形式多样，包括半湿润区、半干旱区、干旱区和寒旱区，生态环境脆弱，时空差异性明显［6］，研究黄土高原植被与气候空间非平稳关系对气候变化、生态系统保护、促进黄土高原可持续发展等具有重要意义。

对气候变化与植被覆盖度的关系在全球尺度与区域尺度上的研究已有阶段性进展，温度与水分是影响植被变化的主要因素，但由于研究区域气候条件、地理位置、植被类型、土质状况等因素，其变化具有较强的空间异质性［7，8］，例如干旱地区温度较高，蒸发量大，降水量少，加剧干旱程度，温度会抑制植被的生长，而湿润地区温度对植被的影响为正［9］；又如降水量的增加在干旱地区增强植被的生长，而在湿冷的北方却表现为抑制。在时间尺度上植被与气候的关系也存在明显的差异，植被生长期温度的上升加速植被的光合速率，增加植被生物量的累积，而非生长期温度的升高则抑制植被的生长状况［10］。此外，不同的植被类型所需的温度与水分的最适范围也存在差异。不同土壤质地上的植被对水热组合情况也有差异，土壤的储水能力、粒级大小、土壤湿度等均具有不平稳性。因此，不同气候指标在空间和时间上的叠加加大了NDVI与气候的关系复杂程度。

当前对植被与气候关系的研究集中在趋势分析，是在假设温度与降水相互独立的基础上研究植被与温度、降水量的关系，而且气候指标的选取中仅考虑了平均温度和降水量对植被覆盖度变化的影响。近年来对黄土高原植被与气候响应的研究增多，但还需深化宏观层面上植被活动受气候因子空间非平稳性的影响，明确气候主导因子对区域植被动态关系的反映机理［11-13］。本研究立足于气候-植被NDVI空间非平稳性，采用黄土高原2001—2020年3个温度指标和2个水分指标以及这些指标的变率分别对植被NDVI及其变率进行局部空间回归，并标识出气候因素中的主导因子及作用范围，深度分析黄土高原植被NDVI空间异质性的气候影响及分布格局，以期推进黄土高原植被与气候关系的研究进展。

1 数据来源与方法

1.1 气候数据

采用平均气温、最高气温和最低气温表征温度指标，采用降水量和相对湿度表征水分指标。气候数据来源于国家地球系统科学数据中心-黄土高原分中心（http：//loess.geodata.cn）。相对湿度数据是基于中国地面824个气象台站相对湿度的月值资料，利用ANUSPLIN软件的样条法（TPS，Thin plate spline）进行空间插值。温度与相对湿度使用各月的平均值，采用最高气温的年均值表征白天温度，夜晚温度则采用最低气温的年均值，年际降水量采用加和处理后的降水量。

1.2 NDVI数据

NDVI数据通常用于表征植物的生长状况和覆盖程度等。数据来源于LAADS DAAC美国航空航天局（https：//search.earthdata.nasa.gov/）MODIS影像，采用MOD13A3数据集，空间分辨率为1 km，时间间隔为1个月，转化系数为0.000 1，去除云量和太阳高度角的影响后得到黄土高原2001—2020年NDVI月值数据， NDVI采用同年各月的平均值。

1.3 气候与植被NDVI的年际变化分析

以时间为自变量，分别以气候和植被作为因变量，利用最小二乘法（OLS）分析栅格尺度上气候与植被指标的年际变化趋势，计算式如下。

[θslope=n×i=1nYi-i=1nii=1nYin×i=1ni2-i=1ni2]             （1）

式（1）中，[θslope]为线性回归的斜率；n表示研究年份的总数，本研究为20；Yi为第i年气候或植被指标。

1.4 气候-植被NDVI空间非平稳性的表征方法

通过自相关指数Morans I计算出周围其他位置上的值对中心数值的影响程度，如选取的指标具有空间非平稳性，则在地理位置上对自变量与因变量间的空间差异进行探究。

地理加权回归（GWR）是由Brunsdon等［14］提出的局域空间分析方法，该模型的表达形式为：

[yi=β0（μi，νi）+k=1pβk（μi，νi）Xik+εi]     （2）

式（2）中，yi、Xik、[εi]分别代表空间上i点的因变量、自变量和随机误差；（[μi]，[νi]）为i点的空间位置；k代表自变量的个数；[βk]是i点上的回归系数，[β0]为截距。本研究中，年均植被NDVI及其变率分别作为因变量，气候指标及其变率作为相应的自变量，用以分析气候因子在植被NDVI空间异质性中的作用程度。

GWR模型采用局部加权最小二乘法，其中权重是在距离衰减前提下去评估点到周边各观测点的空间距离的函数，采用高斯模型，并利用AICc作为评价模型复杂性和精确度的指数确定最优带宽［15］。

2 结果与分析

2.1 植被NDVI与气候变化关系的非平稳性检验

地理加权回归运用的前提条件是自变量与因变量间存在地理位置上的空间差异性，即距离越近，其影响越强；距离越远，影响越弱［16］。空间自相关指数Morans I是在地理学第一定律的基础上，计算某一个位置上的数据与其他位置上数据间存在的依赖程度，以此进行空间分布的非平稳性检验。对气候各要素指数及其变率进行空间自相关分析，结果表明Morans I均大于0.85，且Z均大于2.58（表1），具有统计意义，所选取的指标具有空间非平稳性，可以进行地理加权回归分析，气候要素在不同的地理位置对植被NDVI及其变化具有较强影响。

2.2 植被NDVI与温度指标的空间非平稳性关系

为了消除量纲的影响，分别对NDVI、平均气温、最高气温、最低气温、总降水量和相对湿度进行最大值标准化处理后，再对NDVI与各气候指标进行地理加权回归。

2001—2020年平均植被NDVI呈由西北向东南递增的趋势，植被NDVI较高的区域集中在燕山-太行山一带、汾渭盆地及秦岭附近，主要植被类型为落叶和常绿阔叶林；NDVI较低的区域在黄土高原西北部内蒙古高原，主要为沙地、荒漠和草原（图1）。

由温度指标与NDVI地理加权回归的结果（图2）可以看出，黄土高原西北地区NDVI与气温的相关系数为负值，约占黄土高原总面积的55%，说明西北部地区气温越高植被越稀疏，NDVI的分布在西北部地区随温度的升高而受到抑制，其原因是西北部地区海拔较高，地处内陆，距海洋较远，水分难以到达，降水量较少，而蒸散量远大于降水量，植物缺水导致植被较少，也存在西部风大、沙地较多、土壤肥力较低等因素导致植被稀缺的问题。而黄土高原西部贺兰山与日月山附近，虽然同样海拔较高且降水量较少，但NDVI仍与温度呈正相关关系，是因为此处为冰川高寒地区，植被的水分补给主要来自冰川融水，所以随着温度升高，植被更茂密。东南部秦巴山地植被NDVI与气温呈正相关关系，降水充沛，温度越高植被越茂密。3个气温指标表现情况基本相同，无明显差异，气温与NDVI的相关性均呈由西北向东南递增的趋势（图2）。

2.3 植被NDVI与水分指标的空间非平稳性关系

分别对水分指标降水量和相对湿度与植被NDVI进行地理加权回归，结果见图3。降水量与NDVI呈负相关关系的区域集中在陕西北部、内蒙古南部、宁夏南部及甘肃南部地区；降水量与NDVI呈正相关关系的地区则集中在山西、陕西中部和南部及内蒙古北部地区。相对湿度与NDVI呈负相关关系的地区集中在甘肃和宁夏，主要是由于当地风大，相对湿度小，影响植被的生长；内蒙古北部、山西、陕西中部及南部、青海等地植被生长状况均与相对湿度呈正相关关系。

2.4 植被NDVI空间分布的主导气候因子

对5种气候指标的标准化系数进行比较，确定黄土高原NDVI变化的气候主导因子类型及其影响区域。

由图4可知，黄土高原植被分布状况主要取决于水分指标的影响，占黄土高原总面积的57.09%，集中在黄土高原北部及青海西部地区，且总降水量对黄土高原植被活动的影响区域大于相对湿度的影响范围。甘肃北部、宁夏北部、内蒙古北部、山西北部及陕西中部等地区是总降水量对植被影响的主要区域，但甘肃北部和宁夏北部降水量抑制植被的生长（图3a），说明夏季强降雨是导致其所在区域植被稀少的主要原因。内蒙古北部植被分布的主导因素虽然也是总降水量，但是因其降水量不足且温度高蒸发量大，从而导致植被匮乏。黄土高原东部和青海西部植被分布状况由相对湿度主导，与温度指标呈正相关（图2），但相对湿度比温度对此处的植被影响更为重要。相对湿度对植被生长影响的区域主要分布在陕北、内蒙古高原局部及黄土高原西部，是仅次于总降水量的主导因子。除祁连山外，受水分指标控制的地区NDVI均与温度呈负相关（图2），表明黄土高原北部地区的植被因降水量较少而温度较高及土地类型多为沙地和草原，储水能力较弱，蒸散量大于降水量，使得干旱进一步加剧，所以呈轻微的植被覆盖度降低的趋势（图5）。

黄土高原中南部植被活动的主导因素为温度指标，其中最高气温主导地区面积占比最高，占黄土高原总面积的25.08%（图4，表2），主要影响区域为甘肃省东部、陕西省中部、山西省南部及河南省，植被主要以农业和林业为主，降水量充沛，随着温度的升高，植被活动均有所增强。平均气温对黄土高原植被生长状况的影响区域范围最小，仅占总面积的4.52%，主要在甘肃南部附近的陇南山地。植被分布状况以最低气温为主导因子的区域集中在青海东部和甘肃中部地区，且与最低气温呈负相关关系，这些地区海拔较高，终年积雪，冰川逶迤，主要气候原因是植被的呼吸作用大于光合作用，消耗了干物质的积累致使植被覆盖度较低。

2.5 植被NDVI动态与气候变率的响应格局

对黄土高原2001—2020年NDVI、最高气温、最低气温、平均气温、降水量和相对湿度均与时间进行最小二乘法得到NDVI及5种气候指标20年的变化趋势，并对NDVI变率与温度指标变率进行GWR处理，得到NDVI变率与温度指标变率的关系。由图5可以看出，黄土高原NDVI在2001—2020年整体呈增长趋势，增长面积占黄土高原总面积的95.94%，其中增长速率在0～0.01的占93.28%，增长速率大于0.01的占2.66%，主要分布在黄土高原中部吕梁山附近。主要原因是黄河水土流失的治理取得明显效果，使得黄河沿岸植被增长较快；而NDVI降低的地区分布较为零散，且降低幅度较小，集中在秦巴山地，秦岭山地虽降水量有所减少，但其温度和相对湿度均较高，所以NDVI降低可能是由于人类活动对植被的砍伐以及建设旅游景区等造成的。由NDVI变率与温度指标变率的关系结果（图6）可知，NDVI变率与3种温度指标变率的回归系数基本相同，但最高气温的增长对植被生长趋势呈促进作用影响的范围略大于平均气温和最低气温，NDVI变率与温度变率的相关系数为负值的区域面积略高于正相关关系，相关系数在-0.2～0.2的区域仅为16%，黄土高原在2001—2020年植被的生长趋势受气温的影响强烈。

在黄土高原中部和东部地区气温与NDVI均呈强正相关，相关系数大于0.2，说明此处温度变化与NDVI变化的趋势为同方向，即温度上升速度越快植被增长速率越快，温度的升高是黄土高原中部和东部地区植被增长的原因；而内蒙古北部与青海西部有少数区域NDVI变率与温度变率的回归结果为正值，但NDVI呈下降趋势，说明这些地区植被覆盖下降的原因是温度的降低；黄土高原北部、秦岭地区及青海大部分区域气温变率与NDVI变率都表现出极强的负相关关系，结合图5可知，在黄土高原北部及青海大部分区域NDVI在20年间的变化仍处于增长趋势，说明温度的降低是NDVI升高的原因；而秦岭地区NDVI呈下降趋势，说明该地随着温度变化速率的不断升高，植被变化反而受到抑制。

NDVI变率与降水量变率的正相关的区域集中在黄土高原中部地区，而相对湿度变率对黄土高原植被生长变化影响的区域更大，在东部地区也具有极强的正相关关系（图7）。降水量变率与NDVI变率在黄土高原北部、青海大部分区域及太行山脉附近均存在较强的负相关关系（图7a），结合图5可知，在黄土高原北部、青海大部分区域、太行山脉NDVI均呈增长趋势，这些地区植被增长的原因与降水量的减少有关；而黄土高原中部地区NDVI与降水量呈正相关关系，且植被均为增长趋势，降水量的增加是植被茂盛的原因。

NDVI变率与相对湿度变率呈负相关关系的区域集中在黄土高原北部、青海大部分区域（图7b），黄土高原北部及青海植被增长的原因与相对湿度的降低密不可分；黄土高原中部和东部地区相对湿度的增加均致使其植被出现增长的趋势。

综合图5、图6和图7的结果来看，2001—2020年黄土高原植被生长速率较快的地区均与温度、水分呈正相关关系，温度的升高和降水量的增加均促使其植被呈较快的增长趋势，合适的水热平衡关系促进植被的生长；在黄土高原西北部区域存在气温与降水量均处于下降趋势而植被却表现为缓慢增长的情况，主要是人为因素的影响，在不适宜的气候条件下进行的生态修复工程措施；而各气候因素均处于有利于植被生长条件下，2001—2020年却表现为植被快速降低的区域集中在西安、洛阳等地，出现这一差异的原因主要是受城镇化进程的影响。

3 小结与讨论

研究表明，植被对气候因素的响应存在一个最适宜温度，在最适宜植被生长的温度之前，温度对植被的响应多为正向［17］，超过这个温度后，温度升高反而会使植被生长受到抑制。例如温度过高导致蒸发量大于降水量，植被缺水；或者是植物的呼吸速率加快，累积生物量减少［18］。最高温度与最低温度对植被的动态变化产生不同的影响。对于水分而言，也不是随着水分增加植被就一定更加茂密，水分的增加也可能通过云量及相对湿度的增加而抑制植被活动。不同的水热组合是导致黄土高原植被分布在气候因素上表现出非平稳性的重要原因。因此，需要综合多因素考虑植被活动的时间和空间分布规律，明确黄土高原不同区域的主导因子及作用区域。

本研究通过对黄土高原植被NDVI与温度指标、水分指标的GWR处理，揭示了植被与气候在空间上呈非平稳性关系，并且明确控制黄土高原植被分布的主导因子及影响范围。黄土高原中北部的内蒙古高原及西部祁连山附近的高寒区受降水量的影响植被较为稀少，降水量和湿度的增加会使植被量增加，而温度高会增加其蒸发量，导致进一步干旱，影响植被活动［19］。由温度控制的区域集中在黄土高原中部及南部的半湿润区，这些地方水分充沛，土壤含水量较高，温度的升高将加速植被的光合速率，有利于有机质的积累。

通过分析2001—2020年的NDVI及影响其变化的气候指标趋势，发现NDVI波动上升，而影响因素中只有平均气温和降水量呈上升趋势，说明黄土高原上的植被总体上与平均气温和降水量的关系更为密切。有些年份的植被出现下降趋势影响其变化的原因也有所不同。为了进一步确定植被对气候因素的响应，对NDVI变率与气候指标变率分别进行GWR分析，突出植被变化与气候的动态关系。植被增长变化较快的地区其温度指标与水分指标均呈递增趋势，而水热分布不均的地区或多或少抑制了植被的增长。通过分析各气候指标变率对NDVI变率的影响可知，黄土高原绝大多数地区植被的增长与温度指标变率相关，而黄土高原中部和东南部的植被增长趋势由水分指标变率决定。受控区域的植被变率较大程度与主导因子的变率为负相关关系。植被增长的速率主要是由反映植被光合速率和呼吸速率的气候因子的速率决定［20］，当植被光合速率大于呼吸速率，气候因素与NDVI呈正相关关系，植被为增长趋势。反之，植被状况则会受到气候因素的制约。

植被活动不仅受到气候因素的影响还受到非气候因素的影响，例如地形、土壤质地、土地的利用状况等地理因素也具有空间异质性，从而影响植被状况。本研究也未考虑植被类型，不同的植被对水热组合状况的需求不同。另外，大规模的生态工程及政策影响也是影响生态环境状况的重要因素［16，21］。选用年度数据进行植被状况对气候因素的响应，未能反映季节性水热组合状况对植被活动的影响规律。本研究选用的地理回归模型是基于局部空间的回归，人类活动在空间范围内也具有相似性，因此其不仅反映了气候因素对植被的空间异质性，在一定程度上也反映了人类活动的空间异质性。

参考文献：

［1］ WANG Q， ZHANG Q P， ZHOU W. Grassland coverage changes and analysis of the driving forces in Maqu County［J］. Physics procedia， 2012， 33： 1292-1297.

［2］ 傅伯杰， 于丹丹， 吕 楠.中国生物多样性与生态系统服务评估指标体系［J］.生态学报， 2020， 37（2）： 341-348.

［3］ 曹永翔， 刘小丹， 张克斌， 等.青海省都兰县察汗乌苏绿洲植被覆盖度变化研究［J］.中国沙漠， 2011， 31（5）： 1267-1272.

［4］ ZHAO M S， RUNNING S W. Drought-induced reduction in global terrestrial net primary production from 2000 through 2009［J］. Science， 2010， 329（5994）： 940-943.

［5］ JIANG L L， JIAPAER G， BAO A M， et al. Vegetation dynamics and responses to climate change and human activities in Central Asia［J］. Science of the total environment， 2020， 599： 967-980.

［6］ 肖 蓓， 崔步礼， 李东昇， 等.黄土高原不同气候区降水时空变化特征［J］.中国水土保持科学， 2020， 15（1）： 51-61.

［7］ ZEPPEL M J B， WILKS J V， LEWIS J D. Impacts of extreme precipitation and seasonal changes in precipitation on plants［J］. Biogeosciences， 2014， 11（11）： 3083-3093.

［8］ SEDDON A W R， MACIAS- FAURIA M， LONG P R， et al. Sensitivity of global terrestrial ecosystems to climate variability［J］. Nature， 2016， 531（7593）： 229-243.

［9］ 高江波， 焦珂伟， 吴绍洪. 1982—2013年中国植被NDVI空间异质性的气候影响分析［J］. 地理学报， 2019， 74（3）： 534-543.

［10］ PIAO S L， NAN H J， HUNTINGFORD C， et al. Evidence for a weakening relationship between interannual temperature variability and northern vegetation activity［J］. Nature communications， 2014， 5： 5018.

［11］ REYER C P O， LEUZINGER S， RAMMIG A， et al. A plant？s perspective of extremes： Terrestrial plant responses to changing climatic variability［J］. Global change biology， 2013， 19（1）： 75-89.

［12］ 吴绍洪， 赵 艳， 汤秋鸿， 等.面向“未来地球”计划的陆地表层格局研究［J］.地理科学进展， 2015， 34（1）： 10-17.

［13］ 韩 雅，朱文博，李双成.基于GWR模型的中国NDVI与气候因子的相关分析［J］.北京大学学报（自然科学版）， 2016， 52 （6）：1125-1133.

［14］ BRUNSDON C， FOTHERINGHAM A S， CHARLTON M E. Geographically weighted regression： A method for exploring spatial nonstationarity［J］. Geographical analysis， 1996， 28（4）： 281-298.

［15］ BROWN S，VERSACE V L，LAURENSON L，et al. Assessment of spatiotemporal varying relationships between rainfall， land cover and surface water area using geographically weighted regression［J］. Environmental modeling and assessment，2012，17（3）： 241-254.

［16］ 张雪梅，王克林，岳跃民，等.生态工程背景下西南喀斯特植被变化主导因素及其空间非平稳性［J］.生态学报，2020，37（12）：4008-4018.

［17］ MICHALETZ S T，CHENG D，KERKHOFF A J，et al. Convergence of terrestrial plant production across global climate gradients［J］. Nature， 2014， 512（7512）： 39-43.

［18］ BROHAN P， KENNEDY J J， HARRIS I， et al. Uncertainty estimates in regional and global observed temperature changes： A new data set from 1850［J］. Journal of geophysical research-atmospheres， 2006， 111（D12）： 121-133.

［19］ FENG X M， FU B J， PIAO S L， et al. Revegetation in Chinas Loess Plateau is approaching sustainable water resource limits［J］. Nature climate change， 2016， 6（11）： 1019-1022.

［20］ WANG Q， NI J， TENHUNEN J. Application of a geographically-weighted regression analysis to estimate net primary production of Chinese forest ecosystems［J］. Global ecology and biogeography， 2005， 14（4）： 379-393.

［21］ Lü Y H， ZHANG L W， FENG X M， et al. Recent ecological transitions in China： Greening， browning， and influential factors［J］. Scientific reports， 2015， 5： 8732.