2000-2019年渭河流域植被覆蓋度時(shí)空演變特征及氣候響應(yīng)

龐家泰, 段金亮, 張 瑞,2, 呂繼超

(1.西南交通大學(xué) 地球科學(xué)與環(huán)境工程學(xué)院測繪遙感信息系, 成都 611756; 2.西南交通大學(xué) 高速鐵路運(yùn)營安全空間信息技術(shù)國家地方聯(lián)合工程實(shí)驗(yàn)室, 成都 611756)

植被是陸地生態(tài)系統(tǒng)中必不可少的一部分，在氣溫調(diào)節(jié)，水土保持，物質(zhì)循環(huán)中扮演著重要的角色[1-2]，對氣候變化及人類的生產(chǎn)活動具有高度的敏感性。植被覆蓋的時(shí)空演變是氣候變化、土地利用類型變化等影響因素綜合作用的結(jié)果[3-4]。自然因素和人類活動對地表植被覆蓋的影響都會直接反映到地表植被類型及其覆蓋度的變化上[5]。植被覆蓋度是反映區(qū)域生態(tài)系統(tǒng)及環(huán)境優(yōu)劣的重要監(jiān)測指標(biāo)之一[6]，作為生態(tài)系統(tǒng)表述的重要數(shù)據(jù)基礎(chǔ)，以及區(qū)域生態(tài)環(huán)境在時(shí)間和空間上演變的重要指標(biāo)，對水文、生態(tài)以及區(qū)域變化等研究領(lǐng)域都具有重要意義，植被覆蓋度在很大程度上反映了區(qū)域生態(tài)系統(tǒng)的安全性與穩(wěn)定性[7]。

遙感作為當(dāng)前針對多尺度，大范圍，時(shí)空連續(xù)性較強(qiáng)的對地觀測手段，能夠很好地表示地表覆蓋情況，是獲取地表植被指數(shù)的重要手段[8]。目前，利用遙感數(shù)據(jù)產(chǎn)品進(jìn)行地表植被指數(shù)的反演已經(jīng)成為研究的熱點(diǎn)領(lǐng)域。通過對遙感影像的解譯與判讀能夠很好地表達(dá)不同尺度上的區(qū)域植被指數(shù)，其中歸一化植被指數(shù)(NDVI)在當(dāng)前的研究中使用的最為廣泛[9]，是監(jiān)測地區(qū)和全球植被及生態(tài)環(huán)境的有效指標(biāo)，同時(shí)也是反演地表植被覆蓋變化的最佳指示因子[9]。基于NDVI數(shù)據(jù)利用像元二分模型反演植被覆蓋度是常用的反演方法，通過構(gòu)建時(shí)序植被覆蓋度影像能直觀準(zhǔn)確的反映植被指數(shù)的時(shí)空變化特征。為區(qū)域的政策方針，發(fā)展規(guī)劃提供有效的參考與及時(shí)的反饋。植被覆蓋的時(shí)空演變特征及氣候因子的影響分析，是當(dāng)前全球環(huán)境變化和氣候演變的研究熱點(diǎn)之一。分析其變化特征及未來發(fā)展趨勢能夠?yàn)樯鷳B(tài)環(huán)境、經(jīng)濟(jì)發(fā)展及區(qū)域管理提供科學(xué)的數(shù)據(jù)支持[10]。

渭河流域自古以來就是人類生產(chǎn)、生活的主要集中區(qū)域。由于歷史上長期的濫墾亂伐，區(qū)域內(nèi)植被遭到嚴(yán)重破壞，另外，流域大部分地區(qū)處于黃土高原范圍內(nèi)，土質(zhì)疏松，導(dǎo)致水土流失嚴(yán)重，造成流域生態(tài)相對脆弱[11]。據(jù)數(shù)據(jù)統(tǒng)計(jì)，每年黃河向下游地區(qū)輸沙量達(dá)16億t，其中，平均每年有3億t來自渭河流域[12]。因此，對渭河流域進(jìn)行植被的時(shí)空動態(tài)演變的監(jiān)測具有重要的研究意義。喬晨等[13]通過研究1980—2007年渭河流域關(guān)中段的植被動態(tài)變化分析，得出該區(qū)域NDVI和植被覆蓋度近30 a總體上呈增長趨勢，僅1990—2000年期間有所下降；傅志軍等[14]通過研究基于NDVI的渭河流域時(shí)空演變分析，得出2010—2015年渭河流域NDVI均值呈緩慢增加趨勢，植被覆蓋度總體呈現(xiàn)由西北向東南逐漸增加的趨勢；余東洋等[15]通過研究2000—2017年渭河流域植被動態(tài)變化遙感時(shí)序分析，得出渭河流域NDVI總體呈上升趨勢，但在空間上存在一定的差異性，同期氣溫和降水具有顯著的時(shí)空差異性；渭河流域的植被指數(shù)變換在一定程度上反映了整個(gè)流域生態(tài)系統(tǒng)的穩(wěn)定性與發(fā)展趨勢。

為進(jìn)一步研究渭河流域生態(tài)植被的時(shí)空演變特征及相關(guān)影響因子，并對未來發(fā)展趨勢進(jìn)行預(yù)測。本文基于2000—2019年渭河流域MODIS-NDVI遙感產(chǎn)品數(shù)據(jù)進(jìn)行逐像元植被覆蓋度反演，研究其時(shí)空演變特征，結(jié)合氣溫、降水等氣象數(shù)據(jù)進(jìn)行相關(guān)性及偏相關(guān)性分析并進(jìn)行M-K突變檢驗(yàn)，基于Hurst指數(shù)及年際變化率進(jìn)行未來發(fā)展趨勢分析，并就人類活動對渭河流域植被覆蓋的影響因子進(jìn)行簡要分析。渭河作為黃河最大的支流，且作為黃河輸沙量的主要來源之一，渭河流域特殊的地理位置決定了其在生態(tài)環(huán)境保護(hù)中的特殊地位，因此定期對流域內(nèi)植被變化情況進(jìn)行監(jiān)測是對區(qū)域內(nèi)的生態(tài)環(huán)境重要保護(hù)舉措，對渭河流域及黃河中下游地區(qū)的生態(tài)安全及社會經(jīng)濟(jì)可持續(xù)發(fā)展都具有重要的意義。

1 研究區(qū)概況

渭河是黃河第一大支流，渭河流域位于東經(jīng)103°30′—110°30′和北緯 33°30′—37°30′。由北洛河、涇河兩大支流和渭河主流構(gòu)成，流域北部地處黃土高原，南部位于秦嶺山區(qū)北側(cè)，流域范圍涉及甘肅、寧夏、陜西三省(自治區(qū))，總面積達(dá)134 766 km2。渭河流域在空間上可分為東西2個(gè)部分：西部地區(qū)為黃土丘陵溝壑區(qū)，東部地區(qū)為關(guān)中平原區(qū)，流域地勢西北高東南低，南北兩側(cè)山地呈階梯狀向渭河干流傾斜[13]。區(qū)域內(nèi)水土流失嚴(yán)重，生態(tài)系統(tǒng)脆弱，氣候以半濕潤和半干旱氣候?yàn)橹鱗16]。渭河流域位于干旱地區(qū)、大陸性季風(fēng)氣候區(qū)和濕潤地區(qū)的中間過渡帶，春季溫暖少雨，夏季炎熱多雨且伴有伏旱天氣，秋季清涼濕潤，冬季氣候寒冷干旱且降雨稀少[17]。流域內(nèi)植被覆蓋類型北部以草地為主，南部地區(qū)以荊條灌叢為主[18]，區(qū)域內(nèi)主要土地利用類型以耕地、林地、草地等。

2 數(shù)據(jù)和方法

2.1 數(shù)據(jù)及預(yù)處理

遙感數(shù)據(jù)使用美國國家航空航天局(NASA)的2000—2019年MODIS13Q1數(shù)據(jù)產(chǎn)品(https:∥ladsweb.modaps.eosdis.nasa.gov)，空間分辨率為250 m×250 m，時(shí)間分辨率為16 d。由于渭河流域跨越h∶26 v∶5和h∶27 v∶5兩個(gè)瓦片范圍，因此選擇h∶26 v∶5和h∶27 v∶5為原始數(shù)據(jù)。MODIS-NDVI產(chǎn)品是已經(jīng)經(jīng)過水、云、重氣溶膠等數(shù)據(jù)處理，因此其數(shù)據(jù)產(chǎn)品具有一定的質(zhì)量保障，由于MODIS-NDVI產(chǎn)品具有較高的空間分辨率，因此在區(qū)域植被覆蓋變化等研究領(lǐng)域中應(yīng)用廣泛。在進(jìn)行數(shù)據(jù)預(yù)處理時(shí)，首先利用MRT(MODIS Reprojection Tools)和bat批處理命令將原始MODIS-NDVI數(shù)據(jù)進(jìn)行批量的格式轉(zhuǎn)換、重投影和影像拼接；其次，利用IDL程序進(jìn)行批量研究區(qū)邊界裁剪得到研究區(qū)的原始MODIS-NDVI影像數(shù)據(jù)并進(jìn)行異常值消除處理；然后，利用最大合成法得到年NDVI影像數(shù)據(jù)，并進(jìn)一步利用像元二分法模型逐像元計(jì)算得到年植被覆蓋度影像數(shù)據(jù)；最后，對2000—2019年的植被覆蓋度影像數(shù)據(jù)進(jìn)行時(shí)序數(shù)據(jù)合成，得到2000—2019年植被覆蓋度時(shí)序影像數(shù)據(jù)。

氣象數(shù)據(jù)來源于中國氣象數(shù)據(jù)網(wǎng) (http:∥data.cma.cn)中國地面氣候資料日值數(shù)據(jù)集的1981—2019年渭河流域及其周邊區(qū)域37個(gè)氣象站點(diǎn)的逐日數(shù)據(jù)(包括日降水量、日平均氣溫等)

2.2 趨勢分析

在時(shí)序柵格影像數(shù)據(jù)的變化趨勢研究領(lǐng)域中，通過一元線性回歸分析能夠?qū)γ總€(gè)柵格像元的演變趨勢進(jìn)行模擬。該方法是在確定的時(shí)序影像數(shù)據(jù)范圍內(nèi)，通過最小二乘的方法對年植被覆蓋度的時(shí)間變化曲線斜率進(jìn)行擬合，用以綜合反演植被的時(shí)空變換特征[19-21]。本文采用一元線性回歸分析來進(jìn)行2000—2019年時(shí)序植被覆蓋度數(shù)據(jù)的逐像元趨勢分析，用以反演植被的時(shí)空演變特征，計(jì)算公式如下[22]：

(1)

式中:θslope為變化趨勢;NDVIi為第i年的NDVI值;n為時(shí)序數(shù)據(jù)的總年數(shù);當(dāng)θslope>0時(shí)該像元呈現(xiàn)增加趨勢;當(dāng)θslope≤0時(shí)該像元呈現(xiàn)下降趨勢。

2.3 Hurst指數(shù)

Hurst指數(shù)是用以描述時(shí)間序列是否具有長期依賴性的有效檢測方法，其基本原理基于重標(biāo)極差(R/S)分析方法，最早由英國水文學(xué)家提出，用以描述水庫及水流量的相關(guān)分析，后被廣泛應(yīng)用于各研究領(lǐng)域，基本概念為[24]：

一時(shí)間序列{φ(t)},t=1,2,…，n，對于任意正整數(shù)τ=1，定義均值序列：

(2)

累計(jì)離差：

(3)

極差：

(4)

標(biāo)準(zhǔn)差：

(5)

若存在R/S∝τH，則說明時(shí)間序列{φ(t)},t=1,2,…，n存在Hurst現(xiàn)象，其中H值稱為Hurst指數(shù)，Hurst指數(shù)數(shù)值大小的代表意義如下：

(1) 0

(2)H=0.5，表明當(dāng)前時(shí)間序列呈隨機(jī)變換，即過去對未來發(fā)展趨勢沒有影響。

(3) 0.5

(4)H=1，說明未來完全可以用現(xiàn)在來預(yù)測。時(shí)間序列是一條直線。

2.4 Manner-Kendal(M-K)-突變檢驗(yàn)

Mann-Kendall檢驗(yàn)方法，最初由Mann和Kendall提出，在降水、徑流、氣溫和水質(zhì)等時(shí)間序列的趨勢變化研究中應(yīng)用廣泛[25]。在Mann-Kendall檢驗(yàn)中，假定Xn為一時(shí)間序列數(shù)據(jù)(X1,…,Xn)，其不同時(shí)間點(diǎn)的數(shù)據(jù)是相互獨(dú)立、隨機(jī)的樣本數(shù)據(jù)；假設(shè)Hi是雙邊檢驗(yàn)，對于任意的k,j≤n，且k≠j,Xi和Xj的分布是不相同的，檢驗(yàn)的統(tǒng)計(jì)量S計(jì)算如下[26]：

(6)

其中

(7)

S服從標(biāo)準(zhǔn)正態(tài)分布，方差Vαr(S)=n(n-1)(2n+5)/18。當(dāng)n>10時(shí)，通過下式計(jì)算統(tǒng)計(jì)量Z值：

(8)

對于統(tǒng)計(jì)量Z，當(dāng)Z值大于0表示當(dāng)前時(shí)間序列呈增加趨勢；小于0時(shí)表示當(dāng)前時(shí)間序列呈減少趨勢。統(tǒng)計(jì)量Z值的絕對值在大于等于1.28，1.64，2.32時(shí)，表示當(dāng)前時(shí)間序列分別通過了置信度為90%，95%，99%的顯著性檢驗(yàn)。

Mann-Kendall檢驗(yàn)還可以進(jìn)一步用于時(shí)間序列的突變節(jié)點(diǎn)檢測，其檢測統(tǒng)計(jì)量Z與前面所述有所差異，通過構(gòu)造一秩序列：

(9)

其中：

(10)

定義統(tǒng)計(jì)變量：

(11)

(12)

對于統(tǒng)計(jì)序列UFk和UBk進(jìn)行進(jìn)一步分析時(shí)間序列的變化趨勢以及其突變的時(shí)間節(jié)點(diǎn)。若UFk值大于0，則表明序列呈現(xiàn)為增加趨勢；小于0則表示呈現(xiàn)減少趨勢；當(dāng)它們達(dá)到設(shè)定閾值時(shí)，表示當(dāng)前時(shí)間序列的具有顯著性的變化趨勢。如果UFk和UBk的序列統(tǒng)計(jì)曲線存在交點(diǎn)，并且交點(diǎn)位于設(shè)定閾值的范圍之內(nèi)時(shí)，那么此時(shí)交點(diǎn)出現(xiàn)的時(shí)間節(jié)點(diǎn)就對應(yīng)了時(shí)間序列的突變發(fā)生的時(shí)間點(diǎn)[27]。

3 結(jié)果與分析

3.1 渭河流域植被覆蓋度時(shí)空演變特征

3.1.1 時(shí)間尺度 基于MODIS-NDVI產(chǎn)品數(shù)據(jù)利用最大合成法得到的2000—2019年NDVI數(shù)據(jù)并反演年植被覆蓋度，進(jìn)一步計(jì)算渭河流域整體年均植被覆蓋度。利用線性擬合方法對2000—2019年渭河流域年均植被覆蓋度進(jìn)行線性擬合分析。結(jié)果表明：渭河流域整體植被覆蓋度呈現(xiàn)顯著性上升趨勢，年均增長速率為0.087/10 a，其中，在2000—2013年基本為單調(diào)遞增趨勢，在2013—2019年有一定的正負(fù)波動，但仍呈現(xiàn)增加趨勢(圖1)。

圖1 渭河流域年均植被覆蓋度變化

3.1.2 空間尺度 基于渭河流域2000—2019年植被覆蓋度時(shí)序影像數(shù)據(jù)，逐像元計(jì)算其植被覆蓋度均值、年際變化率、變異系數(shù)及置信度(圖2)，圖2A表明渭河流域陜北地區(qū)及西北寧夏甘肅地區(qū)植被覆蓋度整體較低，渭河流域南部秦嶺一帶及涇河、洛河一帶植被覆蓋度相對較高，流域整體在空間域上呈現(xiàn)為由東南向西北逐漸遞減的趨勢；圖2B表明渭河流域甘肅、寧夏及陜北地區(qū)植被覆蓋度年際變化率呈正向趨勢，在渭河干流中下游地區(qū)呈現(xiàn)負(fù)向變化趨勢；變異系數(shù)又稱“離散系數(shù)”，其定義為標(biāo)準(zhǔn)差與平均值之比；變異系數(shù)可以用來衡量各觀測值的變異程度。圖2C表明渭河流域植被覆蓋度變異系數(shù)整體呈西北高東南低的空間格局，在西安及流域西北會寧縣、環(huán)縣、固原縣、定邊縣等地區(qū)較為明顯；圖2D置信水平結(jié)果表明除渭河中下游地區(qū)等少數(shù)地區(qū)外置信水平整體較高，植被覆蓋度變換較為平穩(wěn)；在置信度較低的地區(qū)植被覆蓋度波動較大，有明顯的差異性。

圖2 渭河流域2000-2019年植被覆蓋度均值、年際變化率、變異系數(shù)及置信度

對渭河流域植被覆蓋度按照自然間斷分級法進(jìn)行分類顯示，按植被覆蓋度分為低、中低、中、中高、高植被覆蓋區(qū)，分類結(jié)果(圖3A)顯示渭河流域植被覆蓋度呈現(xiàn)由東南向西北漸進(jìn)式的降低。

結(jié)合置信度與年際變化率進(jìn)行變化顯著性分析(圖3B)，得到結(jié)論：2000—2019年渭河流域植被覆蓋度整體表現(xiàn)為顯著性增加，其中在渭河中下游城市密度較為集中地區(qū)植被覆蓋度有顯著性減少。

圖3 渭河流域植被覆蓋等級及變化顯著性

3.1.3 未來趨勢分析 針對2000—2019年渭河流域植被覆蓋度時(shí)序數(shù)據(jù)逐像元計(jì)算Hurst指數(shù)(圖4A)，得到渭河流域Hurst指數(shù)最大值為0.991 5，最小值為0.102 4，平均值為0.478 8，小于0.5的像元數(shù)所占比例為55%，大于0.5的像元數(shù)所占比例為45%。結(jié)果表明渭河流域未來植被覆蓋度趨勢既存在反向特征也存在同向特征。進(jìn)一步結(jié)合2000—2019年植被覆蓋度的年際變化率按照以下標(biāo)準(zhǔn)進(jìn)行未來發(fā)展趨勢分析：

Hurst指數(shù)大于0.5，年際變化率大于0時(shí)，未來趨勢為改善到持續(xù)改善；Hurst指數(shù)大于0.5，年紀(jì)變化率小于0時(shí)，未來趨勢為退化到持續(xù)退化；Hurst指數(shù)小于0.5，年際變化率大于0，未來趨勢為改善到退化；Hurst指數(shù)小于0.5，年際變化率小于0，未來趨勢為退化到改善；分析結(jié)果(圖4B)表明：渭河流域整體植被覆蓋度未來變化趨勢為改善，沿渭河中下游城市較為密集及其他城市地區(qū)植被覆蓋度未來變化趨勢為持續(xù)退化趨勢。

圖4 渭河流域Hurst指數(shù)以及未來變化趨勢

3.2 渭河流域植被覆蓋度影響因子分析

結(jié)合渭河流域及其周邊區(qū)域1981—2019年共37個(gè)氣象站點(diǎn)的氣象數(shù)據(jù)，使用M-K突變檢測法及偏相關(guān)分析法對氣溫降水?dāng)?shù)據(jù)進(jìn)行突變檢測以及流域降水、氣溫與植被覆蓋度之間的相關(guān)性進(jìn)行分析。首先根據(jù)逐日氣象數(shù)據(jù)計(jì)算年降水量與年平均溫度，利用ArcGIS 10.3軟件對每年氣象數(shù)據(jù)的年降水量及年均溫度進(jìn)行克里金插值得到渭河流域及其周邊區(qū)域的年降水量及年均溫度柵格數(shù)據(jù)，經(jīng)過掩膜處理后得到渭河流域逐像元的年降水量和年均溫度。

3.2.1 降水、氣溫趨勢分析 基于1981—2019年渭河流域內(nèi)17個(gè)氣象站點(diǎn)的氣象數(shù)據(jù)，就降水、氣溫兩個(gè)方面進(jìn)行渭河流域氣候因子發(fā)展趨勢分析。以年為單位，分別統(tǒng)計(jì)各站點(diǎn)年降雨量及年均氣溫，然后求其均值得到渭河流域整體的年均降水量(圖5A)及年均溫度(圖5B)，結(jié)果表明，渭河流域近40 a來降雨量呈不顯著增加趨勢，而氣溫呈現(xiàn)顯著增加趨勢，上升速率為0.42℃/10 a。

利用渭河流域內(nèi)17個(gè)氣象站點(diǎn)近40 a逐日氣象數(shù)據(jù)，通過Python 3.7進(jìn)行編程統(tǒng)計(jì)各氣象站點(diǎn)年降水量與年均溫度，在MATLAB中編寫腳本分別對渭河流域各氣象站點(diǎn)的年降水量和年均溫度進(jìn)行Manner-Kendall(M-K)突變檢驗(yàn)，根據(jù)計(jì)算結(jié)果的UFk,UBk時(shí)間變化曲線圖及統(tǒng)計(jì)量Z值確定各氣象站點(diǎn)年降水量和年均溫度的突變時(shí)間節(jié)點(diǎn)及變化顯著性水平。首先，對渭河流域內(nèi)各站點(diǎn)年降水量和年均氣溫進(jìn)行均值求解得到渭河流域整體的年均降水量和年均溫度，對渭河流域整體降水和氣溫進(jìn)行M-K突變檢驗(yàn)，得到：在降水(圖5C)方面，渭河流域整體降水存在一定的波動，其Z值計(jì)算結(jié)果為0.99表明流域整體降水呈不顯著增加，其中在2016年流域整體降水的趨勢發(fā)生突變；在氣溫(圖5D)方面，其Z值計(jì)算結(jié)果為4.69表明流域整體氣溫呈顯著性增加，其中渭河流域整體氣溫趨勢于1996年發(fā)生突變。

圖5 年均降水量、年均溫度、降水M-K突變檢測、氣溫M-K突變檢測

進(jìn)一步分別對渭河流域內(nèi)各氣象站點(diǎn)降水和氣溫進(jìn)行M-K突變檢測，確定各氣象站點(diǎn)降水、氣溫的突變時(shí)間及變化顯著性水平。結(jié)果表明：各站點(diǎn)降水和氣溫的M-K檢驗(yàn)結(jié)果與流域整體M-K檢驗(yàn)結(jié)果基本一致，在降水方面，近40 a渭河流域降水總體呈現(xiàn)增加趨勢，各氣象站點(diǎn)的降水量突變時(shí)間節(jié)點(diǎn)集中在2012—2018年，其中在空間上渭河流域東南地區(qū)耀縣、華山、商州站點(diǎn)降水量變化水平呈不顯著性減少，渭河流域北部地區(qū)定邊、環(huán)縣站點(diǎn)降水量變化水平呈顯著性增加，其余地區(qū)均表現(xiàn)為不顯著性增加；在氣溫方面，渭河流域氣溫變化水平整體表現(xiàn)為顯著性增加，其突變時(shí)間均發(fā)生在1996年左右。

3.2.2 氣象數(shù)據(jù)偏相關(guān)分析 基于渭河流域及其周邊區(qū)域共37個(gè)氣象站點(diǎn)數(shù)據(jù)，在各站點(diǎn)年降水量和年均溫度的基礎(chǔ)上，利用ArcGIS在空間上對2000—2019年各氣象站點(diǎn)的年降水量和年均氣溫進(jìn)行整個(gè)區(qū)域的克里金插值，在進(jìn)行克里金插值時(shí)輸出結(jié)果像元大小設(shè)定與植被覆蓋度柵格圖像像元大小一致，得到渭河流域及周邊區(qū)域的降水、氣溫柵格數(shù)據(jù)，最后利用矢量文件掩膜得到渭河流域年降水、年均氣溫逐像元的年柵格數(shù)據(jù)。

進(jìn)一步結(jié)合渭河流域植被覆蓋度時(shí)序影像數(shù)據(jù)對植被覆蓋度與降水、氣溫進(jìn)行相關(guān)分析及偏相關(guān)分析[28-29]。結(jié)果顯示，渭河流域植被覆蓋度與溫度、降水的相關(guān)系數(shù)與偏相關(guān)系數(shù)均存在區(qū)域正負(fù)波動，植被覆蓋度與溫度的相關(guān)系數(shù)最大值為0.85，最小值為-0.82，區(qū)域整體相關(guān)系數(shù)平均值為0.08，由圖分析可知，氣溫植被被覆蓋度的相關(guān)性在空間存在很大的差異，在渭河流域干流中下游、關(guān)中及陜北地區(qū)表現(xiàn)為大范圍的負(fù)相關(guān)性，而在流域其他地區(qū)則呈現(xiàn)出大范圍的正相關(guān)性；控制溫度分析植被覆蓋度與溫度的偏相關(guān)性，偏相關(guān)系數(shù)最大值為0.86，最小值為-0.83，區(qū)域整體偏相關(guān)系數(shù)平均值為0.07，且在空間域上與單獨(dú)的相關(guān)性分析差異較小，結(jié)果表明溫度與植被覆蓋度的相關(guān)性受降水的影響很小；植被覆蓋度與降水的相關(guān)系數(shù)最大值為0.92，最小值為-0.81，區(qū)域整體平均值為0.30，在空間上呈現(xiàn)出東南負(fù)相關(guān)西北正相關(guān)的地域分布；控制氣溫，分析植被覆蓋度與降水的偏相關(guān)性，偏相關(guān)系數(shù)最大值為0.93，最小值為-0.79，區(qū)域整體均值為0.31，其結(jié)果與單獨(dú)分析降水與植被覆蓋度的相關(guān)性差異較小，結(jié)果表明渭河流域降水與植被覆蓋度的相關(guān)性受溫度影響較小；由結(jié)果得出：2000—2019年渭河流域植被覆蓋度與氣溫整體呈現(xiàn)正相關(guān)性，在陜西地區(qū)存在正負(fù)波動的情況，且在控制降水的情況下植被覆蓋度與氣溫的相關(guān)性與偏相關(guān)性差異較小；與降水的相關(guān)性在空間域上呈現(xiàn)出在陜西中南部呈現(xiàn)負(fù)相關(guān)，而在渭河流域其他區(qū)域整體呈現(xiàn)正相關(guān)性，且在控制溫度的情況下植被覆蓋度與降水的相關(guān)性和偏相關(guān)性也差異較小，總體而言，渭河流域植被覆蓋度與氣溫、降水的相關(guān)性與偏相關(guān)性均呈正相關(guān)性，其中與降水的相關(guān)性及偏相關(guān)性稍強(qiáng)于氣溫(圖6)。

圖6 渭河流域降水和氣溫偏相關(guān)性

5 結(jié) 論

(1) 2000—2019年渭河流域整體植被覆蓋度呈上升趨勢，上升速率為0.095/10 a，其中渭河流域陜北地區(qū)及西北寧夏甘肅地區(qū)植被覆蓋度整體相對較低，渭河流域南部秦嶺一帶及涇河、洛河一帶植被覆蓋度相對較高，渭河沿線城市地區(qū)植被覆蓋呈現(xiàn)顯著性降低，有明顯的差異性。

(2) 近40 a來，渭河流域氣溫呈顯著性上升趨勢，上升速率為0.42℃/10 a，降水呈現(xiàn)弱增加趨勢，但降水變化的隨機(jī)性較大。渭河流域植被覆蓋度與氣溫和降水整體均呈現(xiàn)為正相關(guān)性，在陜北等局部地區(qū)呈現(xiàn)負(fù)相關(guān)性；與降水的相關(guān)性在空間上表現(xiàn)為由東南向西北遞增的空間分布，在陜西中南部地區(qū)呈現(xiàn)負(fù)相關(guān)性，陜北、寧夏及甘肅地區(qū)呈現(xiàn)為較強(qiáng)的正相關(guān)性。渭河流域植被覆蓋度與氣溫和降水的偏相關(guān)系數(shù)相較于相關(guān)系數(shù)差異并不明顯。

(3) 渭河流域植被覆蓋度與氣溫、降水的相關(guān)性存在明顯的空間地域特征，且氣溫、降水之間對被覆蓋度的影響都較為獨(dú)立，關(guān)聯(lián)性并不明顯。

(4) 渭河流域植被覆蓋的未來變化趨勢表現(xiàn)為：流域整體呈現(xiàn)進(jìn)一步改善趨勢，其中沿渭河中下游城市密集地區(qū)植被覆蓋未來變化趨勢呈現(xiàn)為持續(xù)退化趨勢。