0 引言
研究表明，我国1982—2018年植被覆盖度总体呈上升趋势，这与我国持续强化生态保护的政策密切相关（Kong et al.， 2023）。具体到某个区域，汾河流域2000—2020年的植被覆盖度呈增加趋势（马小红等，2023）；渭河流域2000—2019年的植被覆盖度在过去多年均呈上升态势，和降水、温度存在显著关联（庞家泰等，2021）；2000—2015年河南省区域年均NDVI（Normalized Difference Vegetation Index）值与降水量呈负相关关系，与温度呈正相关关系，降水对NDVI的影响比温度更显著（陈月庆等，2021）；新疆伊犁河谷NDVI年均值与年降水量显著相关，与气温相关不明显，而NDVI月均值与月均气温极显著相关，与月降水量相关性不显著（武鹏飞等，2024）；新疆塔里木河流域气温上升和降水增加是影响流域北部和西部山区植被生长的主要因素，风速、降雪量等因子影响作用较弱（马森等，2023）；石羊河流域气候暖湿化近20 a较明显，气候变化有利于地表植被覆盖率的增加（罗晓玲等，2022）。针对高原地区的研究显示，若尔盖地区植被覆盖和气温、降水均为正相关关系，且近20 a植被覆盖呈上升趋势（张一然等，2022）；川西高原2022年7—9月NDVI降低的区域面积分别占总面积的13.4%、36.2%和58.10%，牧草产量减少较为明显，气温和降水均对各项植被指数有不同程度的影响（王姝等，2024）。植被覆盖度不同的区域气候因子的相关性也存在不同，中等植被覆盖度区域与气候因子相关性最高（王青霞等，2014），气象要素对高原植被覆盖的影响还存在区域差异（赵倩倩等，2021），这种影响在部分地区可能存在滞后效应（杨瑞瑞等，2018）。
1 数据和方法
1.1 研究区域
甘孜州（97.37°E—102.48°E，27.97°N—34.33°N）位于四川西部，总面积约1.53×105 km2（图1），处于青藏高原向四川盆地延展的过渡带，海拔为1 000~7 556 m，区域内有多座海拔超过6 000 m的山峰，同时北部高原和南部河谷高差达3 000 m以上。甘孜州有丰富的地貌类型和矿产资源，水资源充足丰富，区域内多高原湖泊，有多条大河流过，如最西边的金沙江，中部的雅砻江，东部的大渡河等。甘孜州属大陆性高原山地季风气候，天气变化快，冬季时间长，降水较少，年均气温较低，气温变化大（李妍钰，2021）。此外，甘孜州物种丰富，是四川省野生动植物的重要保护区；州内地貌多样，森林、草原分布广泛，同时还是青稞、猕猴桃等作物的主要产地。
图1
图1
甘孜州地形（填色，单位：m）及气象站点分布
Fig.1
Distribution of topography （the color shaded， Unit： m） and meteorological stations in Ganzi Prefecture
1.2 植被覆盖、气候因子数据与处理
研究选用的植被覆盖数据来自Terra卫星MODIS（Moderate-resolution Imaging Spectroradiometer）传感器的归一化植被指数（Normalized Difference Vegetation Index，NDVI）产品，MODIS的NDVI数据在各类研究中有着广泛的应用。以往研究也显示，NDVI具有反映区域植被覆盖变化的能力。本研究选用的数据时段为2003—2022年，产品类型为MOD13C2，为逐月产品，数据空间分辨率为0.05°×0.05°。研究选用月数据的主要原因是考虑到甘孜地区积雪覆盖的影响，采用最大合成法生成的月数据更能反映每个像元上植被的状况；同时在长时间序列上的研究，使用时间分辨率低的“低频”数据更能反映区域的趋势变化情况。本研究在MATLAB平台上，通过程序读取、掩磨处理等过程取得甘孜州范围内的NDVI数据后，利用MODIS提供的拉伸及偏离参数，对原始数据进行预处理，在去除无效值后，获得研究所需的植被覆盖数据。
气候因子方面，选用甘孜州内19个气象站点2003—2022年逐月降水和温度数据。气象数据在每个市或县均存在一个站点，气候因子数据来自站点观测结果，均经过质量控制、无效值去除等处理。
1.3 方法
1）趋势分析
式中：
2）Hurst指数及多元线性回归分析
多元线性回归分析可参考张一然等（2022）文献，可在MATLAB或SPSS中计算复相关系数和标准化系数，用于解释变量与NDVI的关联程度及贡献度。
3）相关分析
式中：
式中：
2 研究结果
2.1 甘孜州植被覆盖度时空变化特征
2.1.1 甘孜州植被覆盖度时间变化特征
图2为2003—2022年月平均和年平均NDVI序列。可以看出，甘孜州月平均NDVI呈“单峰型”变化，1—4月及11—12月是NDVI较低时段，5—10月NDVI呈先上升再下降趋势，7—8月NDVI达最大。2003—2022年甘孜州NDVI呈波动上升趋势，年均增长率为0.14×10-2；年均NDVI有较明显的波动，最大变化幅度为0.043，其中2005、2008、2011、2013和2022年等出现NDVI低值，四川地区2013、2022年是典型干旱年份（Chen et al.，2022；蔡怡亨等，2023；孙蕊等，2023；邓彪等，2024），NDVI低值可能与此有关，但随着时间推移，年均NDVI低值也为上升趋势，说明区域植被覆盖情况存在明显改善。
图2
图2
2003—2022年甘孜州NDVI月（a）、年（b）均值序列
Fig.2
The variations of monthly (a) and annual (b) average NDVI from 2003 to 2022 in Ganzi Prefecture
2.1.2 甘孜州植被覆盖度空间变化特征
从多年平均NDVI空间分布[图3（a）]看，植被覆盖度高值区主要集中在康定、泸定、丹巴、九龙、雅江和乡城等地，这些区域海拔相对较低，且同时有河流经过，雅江和九龙有雅砻江，康定、泸定和丹巴有大渡河；此外，康定、泸定位于雅拉山、折多山和贡嘎山以东，山前气候条件较好，降水充足，温度差异相对较小，植被覆盖好。利用趋势分析法基于像元尺度分析近20 a甘孜地区NDVI变化趋势，参考陈月庆等（2021）与尹振良等（2022）的划分方法，并考虑实际计算中
图3
图3
甘孜州2003—2022年平均NDVI（a）及NDVI变化趋势（b）的空间分布
Fig. 3
The spatial distribution of multi-year mean NDVI (a) and change trend of NDVI (b) from 2003 to 2022 in Ganzi Prefecture
图4
图4
甘孜州NDVI 的Hurst指数空间分布
Fig.4
The spatial distribution of Hurst index of NDVI in Ganzi Prefecture
2.2 甘孜州气候因子变化特征
图5是甘孜州多年月均降水量空间分布和逐月降水量序列。可以看出，康定、泸定、九龙以及甘孜、德格等地区降水量较多，多年月均降水量普遍在50 mm以上，其中康定、泸定部分地区接近80 mm，而巴塘、德荣、石渠等地降水量相对偏少，部分地区月均降水量在10 mm以下。逐月降水量波动范围在0~200 mm，降水量夏季多冬季少，每年的6—9月为降水集中时段。但有个现象值得注意，有些年份6—9月会有一个降水量低值，如2013年8月降水量少于70 mm，但7月和9月降水量均接近150 mm。这种现象出现的原因是甘孜地区受青藏高压（大陆高压）影响，每年7—8月常出现伏旱天气（或高温少雨天气），造成降水量减少。
图5
图5
2003—2022年甘孜州月均降水量（单位：mm）空间分布（a）与逐月降水量序列（b）
Fig.5
The spatial distribution of average monthly precipitation (Unit: mm) (a) and monthly precipitation series (b) from 2003 to 2022 in Ganzi Prefecture
图6是甘孜地区2003—2022年多年月平均气温的空间分布和逐月平均气温序列。可以看出，泸定、康定、丹巴和九龙东部，以及巴塘、乡城和得荣等地区多年月平均气温在10 ℃以上，明显高于其他地区；石渠月平均气温明显低于其他地区，考虑到石渠平均海拔为4 520 m，这一结果可能与高程有关。甘孜州逐月平均气温波动范围为-2~19 ℃，近10 a每年最高月平均气温均值在17 ℃左右，其中2022年最高月平均气温接近19 ℃。总体看，研究时段内甘孜州气温仍较为稳定。
图6
图6
甘孜州2003—2022年多年月平均气温（单位：℃）空间分布（a）与逐月平均气温序列（b）
Fig.6
Spatial distribution of average monthly temperature (a) (Unit: ℃) and monthly average temperature series (b) from 2003 to 2022 in Ganzi Prefecture
2.3 甘孜州植被变化与气候因子的相关性分析
2.3.1 植被覆盖与降水的相关性
为增加相关性分析的真实性，图7是以温度为控制变量的甘孜州2003—2022年月均降水量和NDVI偏相关系数的空间分布及两者偏相关系数的逐月变化。可以看出，降水和NDVI的相关性并不高，仅在甘孜（县）、巴塘、理塘、乡城等地区两者呈弱正相关关系。统计结果显示，甘孜约31.36%的区域降水与NDVI呈负相关，有9.62%的区域两者偏相关系数绝对值大于0.5，表明研究区大部分区域降水和NDVI为相关性不强的正相关关系。近20 a的240个月中有40个月降水与NDVI的偏相关系数小于0，说明两者在某些时段为负相关关系，有22个月份偏相关系数大于0.6，占比不到10.00%，有56个月份大于0.5，占比23.30%，只有30.39%的月份通过α=0.05的显著性检验。需要注意的是，有些年份的夏季时段，两者的偏相关系数都会出现一个低值，如2005、2007、2017、2018及2019年的7月或8月，这些时段甘孜州受青藏高压影响出现伏旱天气，同时这些时段的NDVI相对较高，持续较短的伏旱天气对NDVI影响有限，因此出现了两者偏相关系数的低值。
图7
图7
甘孜州2003—2022年月均降水量与NDVI的偏相关系数空间分布（a）及两者偏相关系数的逐月变化（b）
Fig.7
Spatial distribution of partial correlation coefficients between average monthly precipitation and NDVI (a) and time series of partial correlation coefficients between them (b) from 2003 to 2022 in Ganzi Prefecture
2.3.2 植被覆盖与温度的相关性
图8是甘孜州2003—2022年以降水量为控制变量的月平均气温和NDVI的偏相关系数空间分布及两者偏相关系数的时间序列。可以看出，气温和NDVI基本呈正相关关系，且偏相关系数较高，如在炉霍、泸定等地区，气温和NDVI的偏相关系数在0.8以上。统计显示，两者偏相关系数超过0.6的区域占甘孜总面积的69.58%，超过0.7的区域占38.52%；仅有约1.64%的区域偏相关系数为负，负相关区多集中在石渠北部。近20 a的240个月中，有26个月温度与NDVI的偏相关系数小于0，远小于降水与NDVI的月份数，出现时段和降水与NDVI负相关出现时段类似，均在夏季，但不同于降水与NDVI偏相关系数在夏季直接从高值掉落到0值线以下后又快速回升，温度与NDVI的偏相关系数尽管也存在快速下降现象，但往往会在低值附近持续2~3个月后再回升；有48个月偏相关系数大于0.6，占比20.00%，有122个月偏相关系数大于0.5，占比50.83%，均显著高于降水的占比；有55.83%的月份通过了α=0.05的显著性检验。从两者有些年份出现负相关关系的时段看，仍然由甘孜州内7—8月的伏旱天气引起；针对全年而言，这一时段的植被覆盖尽管处于高值，但青藏高压影响下或许会导致NDVI相对下降，从而形成温度与NDVI的负相关关系。
图8
图8
甘孜州2003—2022年月平均气温与NDVI的偏相关系数空间分布（a）与两者偏相关系数的时间序列（b）
Fig.8
Spatial distribution of partial correlation coefficients between average monthly temperature and NDVI (a) and time series of partial correlation coefficient between them (b) from 2003 to 2022 in Ganzi Prefecture
2.3.3 降水、温度与植被覆盖的相关性
图9为甘孜州2003—2022年降水、温度与NDVI相关系数的逐月变化。可以看到，降水与NDVI也存在负相关现象，负相关关系的月份数为70，温度与NDVI相关系数为负的月份达41；其次，相比于温度与NDVI的相关系数，降水的时序曲线更“无序”，波动起伏更多，统计结果显示近20 a降水与NDVI的相关系数平均值为0.16，温度与NDVI相关系数平均值为0.35。两者与自身偏相关系数对比表明，降水与NDVI偏相关系数均值为0.28，温度与NDVI偏相关系数均值为0.40，前者相差0.12，差异较大；后者相差0.05，差异较小，且时序曲线形态也较为一致；表明降水与NDVI的关系的确有受其他因素的影响，如温度等。温度与NDVI的相关系数在夏季同样存在负相关，但需要把这种负相关与降水同NDVI的负相关区分来看，从偏相关、相关系数的数值和时序曲线“一致性”上看，降水对NDVI的影响或没有温度对NDVI的影响大。
图9
图9
甘孜州2003—2022年降水（a）、温度（b）与NDVI相关系数的逐月变化
Fig.9
Monthly variation of correlation coefficients between precipitation (a), temperature (b) and NDVI from 2003 to 2022 in Ganzi Prefecture
2.3.4 降水、温度与植被覆盖度拟合结果及贡献
对甘孜州2013—2022年的降水、温度和NDVI进行拟合并做复相关分析。拟合结果为
3 结论与讨论
本研究利用甘孜州地区MODIS的MOD13C2植被覆盖产品，以及全区19个气象站点的月降水、温度数据，分析了2003—2022年NDVI的时空演化特征以及植被覆盖未来的可能发展趋势。利用相关性和偏相关性系数，分析了降水、温度与NDVI在时空上的对应关系，通过拟合模型分析了气候因子对植被覆盖变化的贡献，得到如下结论。
1）甘孜地区植被覆盖呈夏高冬低的“单峰型”变化，2003—2022年植被覆盖度虽然有起伏波动，但整体为上升趋势；有大河流经或海拔较低区域，植被覆盖度较高。
2）甘孜州植被增长区域超过67.00%，植被覆盖基本稳定区域约31.04%；Hurst指数显示未来有25.37%的区域植被覆盖演化与当前一致，表明未来植被覆盖继续为增长趋势。
3）甘孜州降水空间分布差异较大，部分地区如康定、泸定月均降水量可达80 mm，而石渠地区则在10 mm以下；甘孜东南和西南部温度较高，北部温度偏低。
4）植被覆盖度与降水的相关性不高，但两者基本为正相关；夏季降水与植被覆盖度有时存在较明显的负相关关系。植被覆盖度与温度的相关性较高，空间偏相关系数在0.6以上的区域占甘孜州总面积的69.58%。
5）降水与植被覆盖度关系容易受其他因素干扰，稳定性较差；温度与植被覆盖度的关系较稳定，不易受其他因素干扰。降水和温度可解释研究时段内植被覆盖度变化的70%，且温度影响大于降水。
本研究所用气象站点只有19个，不能完全代表甘孜州各类地形地貌上的监测信息；研究的时间分辨率为逐月，未进行更高时间分辨率上的分析，对细节把控存在不足，这些问题也给后续研究提供了空间。此外，在全球极端天气事件频发的大背景下，甘孜州作为青藏高原向平原延伸的边界区，植被覆盖在大背景下的变化特征值得着重跟踪研究，从而更好地服务区域生态保护和经济发展。
参考文献
1997—2021年四川省干旱时空变化特征分析
[J].
构建适宜的气象干旱指标是开展干旱监测和干旱评价业务服务的基础。基于1997—2021年四川省155个国家气象站逐日平均气温和降水，以及各县（市、区）农作物播种面积资料，通过改进气象干旱综合指数（Meteorological Drought Composite Index， MCI）中的季节调节系数，形成改进的气象干旱综合指数（Modified Meteorological Drought Composite Index， MCI<sub>m</sub>）；再结合历年干旱受灾面积、有效灌溉面积修订区域性干旱过程识别方法，并识别出四川省历年区域性干旱过程51次，然后再利用经验正交函数（Empirical Orthogonal Function，EOF）、旋转经验正交函数（Rotated Empirical Orthogonal Function）、Morlet小波分析法，分析区域性干旱过程时空分布特征。结果表明：1997—2021年四川省发生区域性干旱过程的持续日数呈现出“先变短再增长再变短”，平均影响范围呈现出“先减小再增大再减小”，平均强度和综合强度呈现出“先减弱再增强再减弱”的变化趋势。平均年干旱过程累积日数总体呈现盆地多于盆周山区、盆周山区多于川西高原和攀西地区的特征。年累积MCI<sub>m</sub>距平EOF分解空间型存在全区一致特征，同时也存在南北反位相特征。四川省可划分为6个区域性干旱气候区，2009—2015年各区年累积MCI<sub>m</sub>周期变化比2001—2008年更明显。改进后的区域性干旱过程识别方法识别出的干旱过程与干旱灾情更为吻合，更能准确反映四川省干旱发生的实际状况。
近三十年青藏高原湿地变化及其驱动力研究进展
[J].青藏高原发育着世界上独一无二的大面积的高寒湿地，在气候调节、水源补给等方面发挥着极其重要的作用。因其独特的地理环境，它也成为了全球气候变化的敏感区、预警区，已引起国内外学者的高度关注。本文综述了近30年来青藏高原主要湿地类型在湿地面积、湿地土壤、湿地水文、湿地动植物等要素方面的变化及其驱动因子，并提出青藏高原湿地研究的重点方向。青藏高原气候变化的基本特征是变暖和变湿；湿地面积在1970—2000年总体呈现减少态势；2000年后，湿地萎缩态势减缓，面积呈现出一定程度的增加；湿地土壤表层湿度降低，碳排放能力增大，植被覆盖呈现退化趋势；气温升高、地表蒸散发量增大、降水量增加、鼠害增加等是导致青藏高原湿地变化的主要驱动力，同时还受牲畜数量增加、资源开采、道路工程建设等人为影响；受青藏高原特殊的地理位置和自然条件限制，高寒湿地研究缺乏基础数据支撑，未来应主要集中在应用遥感技术和长期定位监测手段收集基础数据资料，开展相关机制研究。
2000—2020年汾河流域植被覆盖度变化及其对生态工程的响应
[J].植被作为陆地生态系统的重要组成部分，在干旱半干旱地区的荒漠化防治及水土保持过程中起着至关重要的作用。植被覆盖度则是衡量植被及生态环境状况的重要指标。为了解2000—2020年汾河流域的植被覆盖及生态环境状况，分析了植被覆盖度的空间格局及其变异特征、探讨了植被覆盖度对生态工程的响应关系。结果表明：（1）汾河流域的植被覆盖度呈增加趋势，从2000年的55%增加到2020年的72%， 年增加速率为0.87%，主要表现为高和极高植被覆盖度（>60%）区域面积的增加。汾河流域的生态环境质量得到了极大的改善。（2）在生态工程的影响下，植被覆盖度呈增加的区域面积高达77.1%；而受城镇化及矿产资源开发的影响，有1.7%的区域植被覆盖度呈减小趋势。（3）汾河流域植被覆盖度的时空变异性强，变异系数在0.01~2.20范围波动，仅原有高山林区、河谷农业区及城镇建设区的植被较为稳定。该研究能够为制定生态环境保护和可持续发展相关政策提供一定的理论依据。
青藏高原不同时间尺度植被变化特征及其与气候因子的关系分析
[J].利用1982-2006年GIMMS NDVI数据，以多种统计方法为基础，探讨了青藏高原（下称高原）不同时间尺度（年际、季节及月）植被变化的时空特征及其与气候因子的关系。结果表明：高原整体年平均NDVI变化呈波动上升趋势，其中夏季趋势最大，达0.004（10a）<sup>-1</sup>。不同覆盖度像元变化对总体植被变化的贡献不同，低植被覆盖像元变化对各季节总体植被变化贡献均较大，其中冬季最大；中等植被覆盖像元变化的贡献主要在秋季；高植被覆盖像元的贡献则夏季最明显。青藏高原植被变化存在显著的空间差异，其中夏季呈增加和减少趋势的面积均最大，分别达30.51%，10.52%，增加的区域主要位于高原东部，减少的区域主要在高原中部的藏北高原。进一步分析高原植被和气候因子的相关性表明，中等植被覆盖区植被与气候因子的相关性最高，其次是高植被覆盖区，低植被覆盖区的相关性则最低。在年际和季节尺度上，植被生长主要与温度和降水的累积效应有关，其中在植被生长较好的季节和区域更明显。而在月尺度上，中低植被覆盖区植被生长受短期降水事件影响较大，高植被覆盖区则仍是温度的累积效应占主导。
2001—2020年新疆伊犁河谷植被主要生长季NDVI时空变化与水热因子关系研究
[J].
2000—2019年中国西北地区植被覆盖变化及其影响因子
[J].中国西北地区土地荒漠化问题严重，生态环境脆弱。厘清该地区植被覆盖时空变化特征及影响因子，对生态环境保护具有重要意义。基于MOD13A3数据，通过最大值合成法处理获得2000—2019年归一化差值植被指数（Normalized Difference Vegetation Index，NDVI）时序数据，采用趋势分析、Hurst指数法及地理探测器对研究区植被覆盖的时空变化特征及影响因子进行分析。结果表明：（1）2000—2019年，研究区植被覆盖整体呈增长趋势，NDVI年增长速率为0.0027（P<0.05），均值为0.252。空间分区年增长速率有差异，黄河流域片区（0.0062）>半干旱草原片区（0.0026）>内陆干旱片区（0.0018）。（2）研究区植被覆盖呈增长趋势的面积占55.77%，退化区域占3.76%，增长的土地利用类型以耕、林、草地为主。植被覆盖变化趋势具有持续性的区域面积占总面积的31.87%，其中持续性改善面积（17.04%）大于持续性退化面积（1.27%），黄河流域片区增长情况及持续性增长情况最优。（3）影响植被覆盖空间分布的主要因子按影响力依次为降水、气温、日照、相对湿度，但对各分区的影响程度略有差异。黄河流域片区、内陆干旱片区空间分布受降水影响最大，半干旱草原区受日照影响最大。（4）研究区植被覆盖变化以自然因子与人类活动共同驱动为主，自然因子对植被生长的促进作用大于人类活动，且自然因子对植被覆盖变化的贡献率更高。本研究结果可为评估气候变化背景下西北地区生态环境变化提供参考。
2000年以来中国区域植被变化及其对气候变化的响应
[J].气候是植被变化的主要驱动因子， 研究全球增暖背景下中国区域植被变化及其对气候的响应对于国家开展重大生态恢复评估和未来植被保护政策制定具有重要意义。利用2000 -2016年MODIS植被指数（Normalized Difference Vegetation Index， NDVI）数据集， 运用统计分析方法， 从平均态、 线性趋势、 时间序列、 相关性等方面系统分析了2000年以来中国区域植被变化及其对气候变化的响应。结果表明： 中国区域NDVI在平均态上呈现从东南向西北递减的空间分布， 受降水生长季的影响， 东部地区植被指数明显较大； 我国大部分地区NDVI呈现增加的趋势， 其中湿润半湿润地区NDVI增长幅度为0.037·（10a）<sup>-1</sup>， 而在干旱半干旱地区变化较小［0.013·（10a）<sup>-1</sup>］。NDVI的变化与气候驱动因素的相关性存在一定的区域差异， 其中： NDVI与气温变化在东南沿海、 东北东部以及青藏高原北部等地区呈现出显著正相关， 而在青藏高原南部等地区呈现微弱的负相关； 除青藏高原、 塔里木盆地和东北北部等地区外， NDVI与降水量在全国大多数地区呈正相关。从全国平均来看， 温度和降水变化对NDVI的贡献分别为7.5%和9.1%， 其中温度对NDVI变化的贡献主要体现在湿润半湿润地区（9.3%）， 而降水的贡献则在干旱半干旱地区（12.2%）。植被变化对气候要素驱动的响应也呈现出明显的区域差异性， 在我国东南沿海、 云贵高原东部、 四川盆地等南方地区以及黄河中下游、 东北东部等部分地区， NDVI变化对气温的敏感性最强； 而在中国北方干旱半干旱大部分地区， NDVI变化则是对降水驱动具有很显著的响应特征。总体而言， 气温是驱动南方地区植被变化的主导因子， 而降水则调控着北方地区植被生长变化。
三江源区植被指数对气候变化的响应及预测分析
[J].利用1989-2008年NOAA-AVHRR的NDVI旬合成资料和地面月降水量、平均气温等观测资料，分析了三江源区NDVI时空变化特征及其对气候要素变化的响应。通过建立不同季节NDVI统计预测模型，对未来40多年间不同排放情景下三江源区NDVI变化趋势进行预测分析，研究结果表明：（1）三江源区NDVI分布呈现由东南部、东部向西、向北逐渐变低的趋势。4-10月为植被生长季，8月NDVI达最大值。（2）针对春、夏、秋季，NDVI与气温、降水均呈显著正相关（夏季降水除外），春、秋季较为显著；NDVI对气温的响应显著高于降水；NDVI对前一个月的气温、降水时滞效应最为显著。（3）未来40年，在三江源区气温持续升高，降水微弱增加的气候背景下，源区平均NDVI呈显著上升趋势，前10年增速缓慢，后30年持续稳步上升，且增幅较大。源区NDVI空间分布格局基本不变，RCP8.5情景下NDVI的高值中心较RCP4.5范围更大。RCP4.5情景下NDVI迅速增长期为2026-2035年，高值中心位于澜沧江源区；RCP8.5情景下为2016-2025年和2036-2045年两阶段，高值中心均在长江源区。两种情景下，源区变率高值中心均表现出由北向南移动的趋势。
Remote-sensing drought monitoring in Sichuan Province from 2001 to 2020 based on MODIS data
[J].
The relationship between normalized difference vegetation index (NDVI) and climate factors in the semiarid region: A case study in Yalu Tsangpo River basin of Qinghai-Tibet Plateau
[J].
Long-term storage capacity of reservoirs
[J].
A study on the relationship between dynamic change of vegetation coverage and precipitation in Beijing's mountainous areas during the last 20 years
[J].
Past and projected future patterns of fractional vegetation coverage in China
[J].
Regional climate sensitivity of wetland environments in Rwanda: The need for a location-specific approach
[J].
Assessing the impacts of changing land cover and climate on Hokersar wetland in Indian Himalayas
[J].
Relationship between the growing season maximum enhanced vegetation index and climatic factors on the Tibetan Plateau
[J].
Remote sensing of vegetation and landcover change in Arctic Tundra ecosystems
[J].
Precipitation and temperature regulate the seasonal changes of NDVI across the Tibetan Plateau
[J].
Ecosystem feedbacks and cascade processes: Understanding their role in the responses of Arctic and alpine ecosystems to environmental change
[J].
