0 引言
1973年，Rouse等（1973）提出了归一化植被指数（Normalized Difference Vegetation Index，NDVI），其受叶面积指数和生物量的影响，能够较好地反映地表植被的变化（张乐艺等，2021），因此常用于监测植被的动态变化，并作为衡量植被覆盖和生长状况的重要指标（Lucht et al.，2002；Gottfried et al.，2012；刘海等，2021；益西卓玛等，2022；马森等，2023）。在黄河流域，植被与气温、降水的响应程度存在一定差异，不同研究时段、不同植被类型，NDVI的变化与气温和降水的相关性略有不同（刘绿柳和许红梅，2007；马守存等，2018）。20世纪80至90年代，黄河流域植被处于上升趋势，地表植被覆盖度的年际变化与汛期降水量有较高的相关性（孙睿等，2001），黄河流域降水、径流与NDVI年内变化呈现明显的正相关（杨胜天等，2002；李春晖和杨志峰，2004），21世纪以来黄河流域70.4%的区域NDVI呈增加趋势，气温与NDVI之间具有显著正相关，是影响植被覆盖的决定性因子（刘启兴等，2019；王新源等，2019）。随着社会经济的快速发展，人类活动对生态环境的影响日益加剧，已成为不容忽视的因素，尤其在植被变化及生态环境方面，已产生深远影响（李辉霞等，2011；易浪等，2014；Jiang et al.，2017；Fang et al.，2018）。
以往研究大多关注整个黄河流域气候变化对植被的影响（袁丽华等，2013；颜明等，2018；陈晨等，2022），而忽略了流域局部的重点区域。黄河干流区是沿黄经济带的主要区域，具有独特的地理、生态和社会经济特征，该区域的生态保护与经济发展需考虑市（州）县的具体问题，统筹推进，不能照搬整个流域的策略。20世纪末以来，甘肃省实施了大范围的生态工程，加之气候变暖下西北地区出现暖湿化现象（施雅风等，2002；施雅风等2003；张强等，2023），在此背景下，黄河干流甘肃段植被NDVI是如何变化的?该区域植被变化是受何种因素影响?气候因子和人类活动对该区域植被变化的贡献度如何定量评估?因此，本文利用2001—2020年NDVI数据及黄河干流甘肃段18个国家气象站逐月降水、气温数据，对黄河干流甘肃段NDVI时空变化特征及气候变化和人类活动对NDVI变化的贡献度进行了定量分析，以期为黄河流域生态保护的区域差异化管理提供科学依据，促进甘肃沿黄地区生态保护和经济建设关系的平衡发展。
1 研究区概况、资料与方法
1.1 研究区概况
黄河干流甘肃段区域包括甘南藏族自治州（舟曲县、迭部县除外）、临夏回族自治州、兰州市、白银市①(①甘肃省省委省政府.《甘肃省黄河流域生态保护和高质量发展规划》, 2021.)。该区域位于黄河流域上游，全长913 km，占黄河干流总长度的16.7%（常继青和牛最荣，2014），平均海拔约2 610 m，地势西高东低，自西南向东北为甘南高原区和陇中黄土高原区，其中甘南高原区是黄河上游重要的水源补给区（王新源等，2019），陇中黄土高原区为黄河重要的泥沙来源地。在气候区划上，甘南藏族自治州为甘南高寒湿润区，临夏回族自治州属于陇中南部冷温带半湿润区，兰州市及白银市属于陇中北部冷温带半干旱区（鲍文中等，2018，陆荫等，2020）（图1）。
图1
图1
黄河干流甘肃段地理位置
Fig.1
Geographic location in Gansu section of the Yellow River main stream
1.2 资料
本文所用NDVI数据来源于美国航空航天局（National Aeronautics and Space Administration，NASA）的MODIS MOD13Q1数据产品，空间分辨率为250 m×250 m，时间分辨率为16 d；气象数据来源于2001—2020年黄河干流甘肃段18个气象站点的逐月气温、降水资料，为统一两类数据的时空分辨率，对NDVI数据进行格式转换、坐标转换、数据裁剪及重采样为1 km分辨率，最后利用均值法获取逐年平均的NDVI数据，消除极端年份气候异常对植被生长状态的影响（袁丽华等，2013），对气象数据（气温、降水）采用克里金插值方法（白艳萍和张豪，2019；李想和李国平，2022）进行插值、并且裁剪为与NDVI数据像元大小一致的气象栅格数据。
1.3 方法
1.3.1 趋势分析
选用线性回归方法研究植被的变化趋势，可以消除长时间序列内偶发性异常因素对植被长势的影响，更真实地反映研究时段内植被的变化趋势（刘启兴等，2019），采用F检验方法检验变化趋势的显著性。
1.3.2 偏相关性分析
偏相关分析是指两个变量都和第3个变量相关的情况下，为剥离第3个变量的影响，只研究两个变量之间的相关程度（张乐艺等，2021），计算公式如下：
式中：
1.3.3 残差分析
用气象指标与NDVI做回归分析，得到气候因子对NDVI的影响，人类活动的影响就是观测值减去回归分析的预测值，以此剥离气候变化和人类活动对植被变化的影响（邓晨晖等，2018）。其表达式如下：
式中：NDVICC为利用回归模型计算的NDVI预测值；NDVIobs指遥感影像的NDVI观测值；a、b和c为模型参数，本文分别取值0.028、0.004、0.168；T（℃）为平均气温；P（mm）为累计降水量；NDVIHA为残差（金凯等，2020）。
基于残差分析结果，人类活动和气候变化对NDVI的综合贡献度分别为：
式中：CH、CN（%）分别为人类活动和气候变化对NDVI的综合贡献度。
2 结果与分析
2.1 NDVI时空变化
2.1.1 时间变化
图2
图2
2001—2020年黄河干流甘肃段NDVI年际变化
Fig.2
The inter-annual variation of NDVI in Gansu section of the Yellow River main stream from 2001 to 2020
2.1.2 空间变化
图3
图3
2001—2020年黄河干流甘肃段平均NDVI（a）及NDVI变化趋势（b）的空间分布
（显著改善表示通过置信水平为95%的显著性检验）
Fig.3
Spatial distribution of multi-year mean NDVI (a) and change trend of NDVI (b) in Gansu section of the Yellow River main stream from 2001 to 2020
(Significant improvement indicates that passing the significance test at 95% confidence level)
表1 2001—2020年黄河干流甘肃段不同范围NDVI的像元数及其占比
Tab.1
| NDVI范围 | 像元数/个 | 占比/% |
|---|---|---|
| NDVI≤0.20 | 4 140 | 5.89 |
| 0.20<NDVI≤0.40 | 24 960 | 35.51 |
| 0.40<NDVI≤0.90 | 41 181 | 58.59 |
为进一步研究NDVI的变化情况，参照前人研究成果（李双双等，2012），结合本文实际，将变化趋势（slope）划分为7个等级（表2），对2001—2020年黄河干流甘肃段植被NDVI空间变化趋势进行统计（表3），发现研究区内植被NDVI整体以基本不变为主，占总面积的82.73%，改善区约占17.11%，退化区仅占0.15%，改善区主要分布在临夏回族自治州中北部、兰州市及白银市东南部地区[图3（b）]，其中白银南部的会宁县，为甘肃省退耕还林还草试点县之一，自2000年就开始开展退耕还林还草相关工作，种植了大量的柠条、苜蓿等耐旱植物，提高了植被覆盖率，在减少风沙危害、防治水土流失、改善干旱气候等方面取得了显著成效（何勇，2021，戴晓爱等，2024）。
表2 2001—2020年黄河干流甘肃段基于NDVI变化趋势的植被变化程度分类标准
Tab.2
| 植被变化程度 | NDVI变化趋势 |
|---|---|
| 严重退化 | slope≤-0.03 |
| 中度退化 | -0.03<slope≤-0.02 |
| 轻微退化 | -0.02<slope≤-0.01 |
| 基本不变 | -0.01<slope≤0.01 |
| 轻微改善 | 0.01<slope≤0.02 |
| 中度改善 | 0.02<slope≤0.03 |
| 明显改善 | slope≥0.03 |
表3 2001—2020年黄河干流甘肃段不同等级植被变化程度的像元数及其占比
Tab.3
| 植被变化程度 | 像元数/个 | 占比/% |
|---|---|---|
| 中度退化 | 5 | <0.01 |
| 轻微退化 | 108 | 0.15 |
| 基本不变 | 58 144 | 82.73 |
| 轻微改善 | 11 938 | 16.99 |
| 中度改善 | 86 | 0.12 |
2.2 NDVI变化的驱动因素
2.2.1 NDVI对气候因子的响应分析
图4
图4
2001—2020年黄河干流甘肃段平均气温（a，单位：℃）、气温变化趋势（b，单位：℃·a-1）、平均降水量（c，单位：mm）、降水量变化趋势（d，单位：mm·a-1）空间分布
Fig.4
The spatial distribution of average air temperature (a, Unit:℃), air temperature change trend (b, Unit: ℃·a-1), mean precipitation (c, Unit: mm) and change trend of precipitation (d, Unit: mm·a-1) in Gansu section of the Yellow River main stream from 2001 to 2020
NDVI的变化受多种气候因子的综合影响，研究区内甘南高原区2001—2020年NDVI与气温的相关系数达0.44（P<0.05），而与降水的相关系数为0.37，未通过显著性检验；陇中黄土高原区2001—2020年NDVI与气温的相关系数达-0.17，未通过显著性检验，而与降水的相关系数为0.71（P<0.05）。
2001—2020年NDVI与气温的偏相关系数为0.27（P<0.05），其中甘南藏族自治州大部和白银市会宁县呈显著正相关，占总面积的9.92%，甘南藏族自治州夏河县、合作市、卓尼县、临夏回族自治州永靖县及兰州市皋兰县为显著负相关，占总面积的4.48%，其余地区NDVI与气温的偏相关系数未通过0.05的显著性检验[图5（a）]。分阶段来看，2001—2010年NDVI与气温偏相关系数为0.18，甘南藏族自治州大部为显著正相关，占总面积的4.81%，临夏回族自治州北部及南部、甘南藏族自治州夏河县NDVI与气温呈显著负相关，占总面积的3.30%，其余地区相关性不显著[图5（c）]；2011—2020年NDVI与气温偏相关系数为0.33，临夏回族自治州南部及甘南藏族自治州玛曲县为显著正相关，占总面积的5.89%，大部分地方相关性不显著[图5（e）]。
图5
图5
2001—2020年（a、b）、2001—2010年（c、d）、2011—2020年（e、f）黄河干流甘肃段NDVI与气温（a、c、e），NDVI与降水量（b、d、f）的偏相关系数空间分布
（填色区域表示通过置信水平为95%的显著性检验）
Fig.5
The spatial distribution of partial correlation coefficient between NDVI and temperature (a, c, e), and between NDVI and precipitation (b, d, f) in Gansu section of the Yellow River main stream from 2001 to 2020 (a, b), 2001 to 2010 (c, d) and 2011 to 2020 (e, f)
(The color shaded areas indicates that passing the significance test at 95% confidence level)
2001—2020年NDVI与降水量的偏相关系数为0.67（P<0.05），显著正相关区域主要分布在黄河干流甘肃段刘家峡水库以北，占总面积的62.81%；显著负相关仅出现在甘南藏族自治州玛曲县及临夏回族自治州南部山区[图5（b）]。分阶段来看，2011—2020年NDVI与降水量的偏相关系数为0.83，显著正相关区域位于黄河干流甘肃段北部大部分地区，占总面积的70.93%，白银市西北部、临夏回族自治州南部及甘南藏族自治州玛曲县存在负相关性[图5（f）]；2001—2010年NDVI与降水量的偏相关系数为0.21，显著正相关区域为白银市北部及兰州市中北部，占总面积的11.81%，甘南藏族自治州玛曲县为负相关，其余地区相关性不显著[图5（d）]。
2.2.2 NDVI对人类活动的响应分析
图6
图6
2001—2020年黄河干流甘肃段人类活动（a、c）、气候变化（b、d）影响NDVI的贡献度（a、b）（单位：%）及其变化趋势（c、d）（单位：%·a-1）空间分布
Fig.6
The spatial distribution of contribution rate (a, b) (Unit: %) and its variation trend (c, d) (Unit: %·a-1) of human activities (a, c) and climate change (b, d) to NDVI in Gansu section of the Yellow River main stream from 2001 to 2020
2001—2020年人类活动贡献度的变化率为0.2%·（10 a）-1（P<0.05），气候因子的贡献度变化率为-0.2%·（10 a）-1（P<0.05），人类活动的影响逐渐增强，而气候因子的影响逐渐减弱，在不同阶段均呈现相同的变化趋势。空间上，55.27%的区域人类活动贡献度呈减小趋势，气候因子贡献度呈增加趋势，主要分布在兰州市永登县和榆中县、临夏回族自治州南部山区及甘南藏族自治州，其中甘南州植被以高寒草原、高寒草甸和山地草甸为主，气候以阴湿寒冷为主，光照充足，但热量较低，光能利用率低，气温成为制约草地植物生长的主要因素（何国兴等，2021）；20.23%的区域气候因子贡献度呈减小趋势，人类活动贡献度则呈增加趋势，主要分布在兰州及白银市大部[图6（c）、（d）]。研究表明积极的人类活动如植树造林可能直接增加植被覆盖率（申建秀等，2012；Bryan et al.，2018；靳峰等，2023）。
3 结论与讨论
3.1 结论
本文通过2001—2020年像元尺度的遥感和气象数据，采用多种统计方法，分析黄河干流甘肃段植被的时空变化分布特征，揭示了气候变化和人类活动对区域植被生态影响的贡献度，得到如下主要结论。
1）黄河干流甘肃段2001—2020年NDVI呈波动增加的变化趋势，增长率为0.05·（10 a）-1，阶段性变化特征明显，2001—2010年为缓慢上升阶段，增速为0.04·（10 a）-1，2011—2020年为快速上升阶段，增速为0.08·（10 a）-1。整体上NDVI值呈现西南高东北低的分布，植被改善区约占17.11%，位于临夏回族自治州中北部、兰州市及白银市东南部地区。
2）黄河干流甘肃段不同区域主导NDVI变化的气候因子存在差异，结合偏相关分析，不同阶段内，以甘南州为主的甘南高原区NDVI与气温达到显著正相关；以临夏州北部、兰州市及白银市为主的陇中黄土高原区NDVI与降水量的相关性更显著。
3）2001—2020年，气候因子对黄河干流甘肃段NDVI变化的贡献度为75.27%，人类活动对NDVI变化的贡献度为24.73%。气候因子是黄河干流甘肃段植被变化的主导因素，但人类活动因素在植被变化中占有重要地位，且影响程度逐渐加深。
3.2 讨论
本研究对2001—2020年黄河干流甘肃段植被NDVI的时空变化特征进行分析，发现该区域NDVI呈波动增加趋势且植被生态整体呈现良性发展趋势。这与该时段黄河流域大力实施退耕还林、“三北”防护林、“三化”草原治理等生态保护与建设工程密切相关（崔丹丹等，2014）。虽然不同阶段NDVI增速略有不同，但总体保持上升趋势，说明实施退耕还林（草）政策对黄河上游的植被覆盖产生了正向作用，这与赵倩倩等（2022）、董晓雪（2021）的研究结论相似，退耕还林等大规模生态工程建设作为产生积极影响的主要人为影响因素被认为是相关生态区NDVI增加的主要原因（赵安周等，2017；秦国玲，2017；石玉琼等，2018）。另外，植被动态变化与气候变化密切相关（王强等，2017），本文分析了黄河干流甘肃段NDVI对气温和降水的响应关系，整体上黄河干流甘肃段NDVI受气温和降水共同影响，但与降水的相关性更好，并且在空间上存在一定差异。研究区域北部处于半干旱地带，水分匮乏，蒸发较大，土壤湿度小，当地植被生长所需的水主要依赖于降水，气温的升高使得空气湿度降低、土壤干旱加剧，不利于植被生长。而在黄河流域甘肃段南部高海拔区，水分相对充足，但生态环境脆弱，气温对植被影响的显著性要强于降水，气温的升高可以加快植被光合作用、延长生长季，从而促进植被生长；另一方面海拔越高，温度越低，低温对植被生长会产生一定不利影响，所以高原上的高山草甸草原对温度的敏感性更强。受近些年西北暖湿化的影响，甘肃省降水量增加使得气候趋于湿润，尤其是黄河干流甘肃段的北部地区，气候条件有利于区域植被增加（杨金虎等，2023）。人类活动在植被生长中也扮演了重要的角色，会对NDVI变化产生正面促进或负面干扰的影响。目前人类活动对该地区NDVI的促进作用仍有限，随着生态工程的实施，人类影响可能会进一步增加，这与已有研究结论基本一致（刘海等，2021；张乐艺等，2021）。
但目前的研究结论尚存在一些不足之处：首先，虽然多元回归残差分析方法已被广泛应用于分离人类活动对植被变化的影响研究，但其本身仍存在一些不确定性。因为植被变化是一个多因素复合的复杂过程，理论上受多重复杂驱动因素的共同作用，不仅局限于气温、降水的影响，还受大气CO2浓度、干旱和陆地水储量等方面的影响（刘海等，2020；Zhao et al.，2022），NDVI与多种气象要素之间是一种复杂的非线性关系，在建立气象要素与NDVI之间的多元回归方程时，如何合理地选择气候因子尚无定论（金凯等，2020；赵倩倩等，2022）。另外，在时间尺度方面，由于不同季节、月份的气候差异，植被对气候响应可能会存在一定的滞后现象（白淑英等；2012），本文从年际尺度分析，未将季节尺度和月尺度的植被生长对气候滞后性的响应纳入研究。后续研究将从多时间尺度分析、滞后效应等方面进一步探讨。
参考文献
黄河流域1982—2015年不同气候区植被时空变化特征及其影响因素
[J].
研究不同气候区植被覆盖的时空变化及气候因子与植被生长的关系,对生态环境建设与治理具有重要意义。基于1982—2015年GIMMS NDVI 3g数据集,运用均值法、Sen+Mann-Kendall趋势分析、偏相关系数、多元线性回归模型+残差法等方法,分析了黄河流域不同气候区生长季植被时空变化特征及气候因子与人类活动对植被变化的影响。结果表明:①1982—2015年黄河流域及不同气候区归一化植被指数(NDVI)年际变化呈缓慢上升趋势,干旱区变化波动平稳,半湿润区变化较明显。②34 a来各气候区大部分地区植被呈显著增加,半干旱区所占面积比例最大,不显著减少主要分布在半湿润区西南部及南部。③各气候区降水、气温、日照时数对NDVI表现出正影响,且日照影响最大;在半干旱区降水对NDVI影响最大,在半湿润区影响最小,在半湿润区气温对NDVI影响最大,在干旱区影响最小。④34 a来,人类活动对各气候区植被的积极影响明显大于消极影响。
秦岭植被覆盖时空变化及其对气候变化与人类活动的双重响应
[J].论文基于MODIS-NDVI数据、DEM及气象数据,辅以趋势分析、多元回归残差法、偏最小二乘回归法,反演了秦岭地区2000—2015年植被覆盖度及分析了其“格局—过程—趋势”的变化特征,探究了其对气候变化与人类活动的双重响应机制。结果表明：1）秦岭地区近16 a来植被覆盖度呈显著上升趋势,增速为2.77%/10 a,呈“中间高、周边低,西部高、东部低,南坡高、北坡低”的空间格局,植被覆盖度随海拔的升高在2 200 m左右达到最大,700~3 200 m达0.7以上,1 300~2 700 m达0.9以上,3 400 m以上为0.5以下的低值区;2）秦岭地区的植被覆盖与气候因子的响应关系存在明显的空间差异,对气温的响应总体上没有明显的时滞效应,而与降水的响应存在以滞后1个月为主的时滞效应;3）人类活动对秦岭地区植被变化的作用日趋增强,且以正向作用为主,主要分布在东部地区,而负向作用则分布于中部和西部地区;4）秦岭地区植被变化是气候变化和人类活动共同作用的结果,影响因子对植被覆盖变化的解释能力依次为人类活动>降水>气温>潜在蒸散量。
甘肃省草地NPP时空变化及对气候因子的响应
[J].本研究利用MOD17A3 NPP和气象数据对甘肃省天然草原2000—2019年净初级生产力(net primary productivity,NPP)进行动态监测,并利用趋势分析法和变异系数法研究近20年草地NPP时空变化规律与气候因子的响应。结果表明:近20年,甘肃省草地NPP呈波动上升趋势,增速达4.72 gC·m<sup>-2</sup>·a<sup>-1</sup>·(10a)<sup>-1</sup>,草地NPP分布由东南向西北递减;20年间草地NPP呈显著增加趋势的面积占甘肃省草地的75.70%,主要分布在陇中黄土高原、河西走廊、祁连山地大部以及陇南山地;草地NPP变异系数小于0.15的面积仅占40.31%,以山地草甸、低地草甸和高寒草甸为主,草地NPP整体呈现高波动性;草地NPP与降水量的相关性最高,温性草原NPP对降水量的响应最敏感,温性荒漠草原次之,高寒草原对降水响应最低。综上所述,甘肃省草地NPP呈现增长趋势但稳定性低,对降水量的响应强于气温,生态工程对草地NPP具有促进作用,需长期实施。
1982—2015年中国气候变化和人类活动对植被NDVI变化的影响
[J].基于中国603个气象站的地表气温和降水观测资料以及GIMMS NDVI3g数据,采用变化趋势分析和多元回归残差分析等方法研究了1982—2015年中国植被NDVI变化特征及其主要驱动因素（即气候变化和人类活动）的相应贡献。结果表明：① 1982—2015年中国植被恢复明显,在选择的32个省级行政区中,山西、陕西和重庆的生长季NDVI增加最快,仅上海生长季NDVI呈减小趋势。② 气候变化和人类活动的共同作用是中国植被NDVI呈现整体快速增加和巨大空间差异的主要原因,其中气候变化对各省生长季NDVI变化的影响在-0.01×10 <sup>-3</sup>~1.05×10 <sup>-3</sup> a <sup>-1</sup>之间,而人类活动的影响在-0.32×10 <sup>-3</sup>~1.77×10 <sup>-3</sup> a <sup>-1</sup>之间。③ 气候变化和人类活动分别对中国近34年来植被NDVI的增加贡献了40%和60%;人类活动贡献率超过80%的区域主要集中在黄土高原中部、华北平原以及中国东北和西南等地;人类活动贡献率大于50%的省份有22个,其中贡献率最大的3个地区为上海、黑龙江和云南。研究结果建议应更加重视人类活动在植被恢复中的作用。
四川夏季降水量空间插值方法的比较
[J].为了研究四川盆地尤其是盆地周围边缘山地夏季降水的主要地理影响因子及降水量的最佳插值方法，基于四川省157个自动气象站点近10 a（2010—2019）夏季降水数据，采用聚类分析进行分区，通过相关性分析和多元回归分析筛选出各区域降水量的地理影响因子。使用协同克里金插值方法的同时，采用传统插值方法进行对比并对插值结果进行交叉检验，结果表明：（1）可用来表征四川夏季降水量的地理影响因子主要有经度、纬度、海拔、坡度和均一化植被指数（normalized difference vegetation index， NDVI）；（2）由于四川地形的多样性和复杂性，分区之后的降水量插值效果优于分区前的插值效果；（3）在所选区域降水影响因子数目适中时，采用协同克里金插值方法效果更佳；而在所选区域降水表征因子数目单一或过多时，采用径向基函数插值方法或经验贝叶斯克里金插值方法的效果更佳。
1982—2013年黄河源区植被变化趋势及其对气候变化的响应
[J].基于1982—2013年GIMMS NDVI 3g数据集及黄河源区26个国家气象观测站同期气温与降水观测资料，利用趋势分析和相关分析方法，对黄河源区植被覆盖的时空变化特征及其驱动因子进行分析。结果表明：（1）黄河源区植被覆盖呈现从东南向西北递减的空间特征。近32 a来，黄河源区气温呈显著升高、降水则呈微弱增加的趋势，气候由干冷逐渐向暖湿化转变；植被覆盖呈现整体缓慢升高、局部退化的趋势，且“先增后降”的年代际变化特征明显。（2）1982—2013年，黄河源区生长季（5—9月）植被受气温和降水共同影响，植被最大NDVI与气温和降水有显著正相关关系。与降水相比，NDVI与气温的相关性更强，气温是影响黄河源区植被变化的主要气候因子，且随着海拔高度的升高影响越大。
西北气候由暖干向暖湿转型的信号、影响和前景初步探讨
[J].全球大幅度变暖,水循环加快,增强降水和蒸发.中国西北部从19世纪小冰期结束以来100a左右处于波动性变暖变干过程中.1987年起新疆以天山西部为主地区,出现了气候转向暖湿的强劲信号,降水量、冰川消融量和径流量连续多年增加,导致湖泊水位显著上升、洪水灾害猛烈增加、植被改善、沙尘暴减少.新疆其他地区以及祁连山中西段的降水和径流也有增加趋势.这样气候转型前景如何,是仅为年代际波动还是可发展为世纪性趋势,是只限于天山西部还是可能扩及整个西北以至华北.从引用现有区域气候模式预测,对径流变化模式预测和相似古气候情景的讨论,认为转向暖湿的趋势可以肯定,但目前尚不能确切预测转型扩大在时间上与空间上变化的速度和程度.
榆林地区2000—2014年NDVI时空变化
[J].为了评价退耕还林的实施效果以及榆林地区生态环境变化，利用MODIS NDVI数据，采用最大值合成法，基于GIS平台，研究榆林地区2000—2014年植被覆盖的时空变化。结果表明：2000—2014年，榆林黄土丘陵沟壑地区NDVI高于风沙滩地区，前者植被覆盖好于后者；15年来，榆林植被覆盖状况总体得到改善，改善面积占90.7%，退化面积仅占1.0%，未变化面积占8.3%。黄土丘陵沟壑区植被改善面积达94.2%，以中度改善为主；坡地植被改善面积达80%以上，7°～35°坡度上植被明显改善的面积达51%以上，退耕还林还草取得了明显的效果。
西北地区气候暖湿化增强东扩特征及其形成机制与重要环境影响
[J].西北地区地处欧亚大陆腹地，水汽来源匮乏，干旱是其主要气候特征。近年来随着区域降水的不断增加，中国西北暖湿化问题引起国际及国内相关领域科学家和社会各界的广泛关注。为了揭示中国西北气候暖湿化增强东扩特征与形成机制及其重要环境效应，科学回应社会关切，研究团队利用多源融合数据，从多尺度、多维度对中国西北暖湿化问题开展全面深入研究，发现了西北湿化趋势具有显著的非线性增强特征，且湿化正在向东扩展，本世纪内西北仍维持暖湿趋势，明确了西北陆面蒸散对气候变暖具有特殊的负反馈机制，揭示了西北湿化趋势受多因子综合驱动机制;评估了西北暖湿化对区域生态环境、水资源、农业生产和粮食安全的重要影响及其互馈效应;提出了应对西北暖湿化的技术对策，形成了“西北地区气候暖湿化增强东扩特征及其形成机制与重要环境影响”系列研究成果。基于研究的重大决策咨询报告为新时代西部大开发和黄河流域生态保护和高质量发展等国家战略发挥了重要决策支撑，成果也受到国际学界广泛关注，并入选2022年度“中国生态环境十大科技进展”。
退耕还林(草)工程实施前后黄土高原植被覆盖时空变化分析
[J].基于GIMMS NDVI3g（the third generation of Global Inventory Modeling and Mapping Studies Normalized Difference Vegetation Index）数据,辅以趋势分析、Mann-Kendall检验、Hurst指数等方法,识别了1982—2013年及1982—1999、2000—2013年黄土高原植被覆盖时空演变特征,并探讨其驱动因素。研究发现：1）1982—2013年及1982—1999、2000—2013年期间黄土高原生长季NDVI分别以0.019/10 a（P<0.01）、0.016/10 a（P<0.05）和0.057/10 a（P<0.001）的速率增加;2）除1999年以前林地外,所有植被类型的生长季NDVI均呈现显著的增加趋势,2000—2013年尤为明显;3）黄土高原生长季NDVI呈现由东南向西北递减的趋势,1982—2013年及1982—1999、2000—2013年NDVI显著上升的面积分别占74.94%、24.26%和53.34%,主要集中在黄土高原的北部和中部地区;4）研究区未来生长季NDVI呈持续性和反持续的比重分别为33.32%和66.68%,其中持续改善和由改善变为退化的面积分别占31.08%和61.88%;5）2000年以后降水增多与生长季NDVI上升相对应,大规模的生态工程建设对2000—2013年生长季NDVI增加有重要影响。
China’s response to a national land-system sustainability emergency
[J].
Climate change, human impacts, and carbon sequestration in China
[J].
Continent-wide response of mountain vegetation to climate change
[J].
Vegetation dynamics and responses to climate change and human activities in Central Asia
[J].
Climatic control of the high-latitude vegetation greening trend and Pinatubo effect
[J].
Spatiotemporal comparison of drought in Shaanxi-Gansu-Ningxia from 2003 to 2020 using various drought indices in google earth engine
[J].
