陳淑君，許國昌，呂志平,2，馬銘悅，李晗羽，朱玉巖
（1.哈爾濱工業(yè)大學(xué)（深圳），廣東 深圳 518055；
2.信息工程大學(xué)，河南 鄭州 450001）
作為陸地生態(tài)系統(tǒng)的重要組成部分之一，植被是銜接土壤、大氣和水分的自然“紐帶”，在全球物質(zhì)循環(huán)以及能量流動(dòng)中發(fā)揮著重要作用［1］。植被覆蓋度是指植被在地面的垂直投影面積占統(tǒng)計(jì)區(qū)總面積的百分比，是反映地表植被群落生長(zhǎng)態(tài)勢(shì)的重要指標(biāo)和描述生態(tài)系統(tǒng)的重要基礎(chǔ)數(shù)據(jù)［2-3］。自1999 年起，中國陸續(xù)提出退耕還林（草）等各項(xiàng)工程。2005 年，時(shí)任浙江省委書記的***提出“綠水青山就是金山銀山”的科學(xué)判斷。中國在近幾十年里通過開展退耕還林、綠色農(nóng)業(yè)等各項(xiàng)林業(yè)工程來恢復(fù)自然生態(tài)環(huán)境，實(shí)現(xiàn)人與大自然和平相處。因此，在全球氣候變化背景下，掌握中國陸地植被覆蓋度年際變化規(guī)律、探討氣候因素和人為活動(dòng)的驅(qū)動(dòng)作用，對(duì)評(píng)價(jià)中國陸地生態(tài)系統(tǒng)的環(huán)境質(zhì)量具有重要作用。
遙感技術(shù)具有覆蓋范圍廣、時(shí)空連續(xù)強(qiáng)、數(shù)據(jù)可靠性高和耗費(fèi)小等優(yōu)點(diǎn)［4］，基于遙感技術(shù)檢測(cè)廣域植被時(shí)空變化和估算植被生產(chǎn)力已成為植被覆蓋度研究方向的主要趨勢(shì)［5］。歸一化植被指數(shù)（Normalized difference vegetation index，NDVI）可以很大程度消除儀器和地形的干擾，與植被覆蓋度呈顯著的正相關(guān)性，是反演植被覆蓋度較為實(shí)用的方法之一［6］。李躍彬等［7］基于像元二分法，利用NDVI反演了昆明市植被覆蓋度，總體以高覆蓋度為主。王瑾［8］基于2005—2018 年MODIS NDVI 遙感數(shù)據(jù)，反演內(nèi)蒙古自治區(qū)（簡(jiǎn)稱內(nèi)蒙古）植被覆蓋情況，總體來看植被覆蓋度較低。但隨著人們?nèi)找嬷匾暠Ｗo(hù)環(huán)境，植被呈現(xiàn)緩慢增加趨勢(shì)。郭永強(qiáng)等［1］基于Google Earth Engine（GEE）平臺(tái)研究了1987—2015年黃土高原植被情況，表明黃土高原植被以低覆蓋為主，低覆蓋區(qū)域占研究面積的31.32%。但自退耕還林工程以來，植被覆蓋度以0.59%·a-1的速率增長(zhǎng)。劉垚燚等［3］分析了長(zhǎng)三角一體化示范區(qū)的植被狀況，得到該區(qū)域的年均植被覆蓋度為65%且植被整體以退化為主，這與人類活動(dòng)強(qiáng)烈相關(guān)。從上可知，受氣候、地理位置和人類活動(dòng)影響，不同地域的植被覆蓋度存在明顯差異。植被生長(zhǎng)狀況的變化是自然因素和人類活動(dòng)共同作用的結(jié)果［9］。氣溫和降水量會(huì)直接影響植被的光合作用、呼吸作用和土壤濕度情況［10］，而在人類密集城市地區(qū)，人類活動(dòng)對(duì)植被覆蓋度的影響往往大于自然因素。Liu 等［5］利用像元二分模型和線性分析研究中國亞熱帶植被覆蓋度，發(fā)現(xiàn)76.28%的研究區(qū)域植被覆蓋度呈增加趨勢(shì)，年均最低氣溫是影響植被覆蓋度動(dòng)態(tài)變化的主要貢獻(xiàn)因子。趙明偉等［11］基于MODIS NDVI遙感數(shù)據(jù)，發(fā)現(xiàn)了2001—2015年中國植被覆蓋度總體呈增加趨勢(shì)，并分析了各區(qū)域的氣溫、降水量和日照對(duì)植被覆蓋度驅(qū)動(dòng)作用。Xia等［12］研究東南亞地區(qū)人類活動(dòng)對(duì)植被覆蓋的影響，結(jié)果表明在人類活動(dòng)影響增加的情況下，研究區(qū)域呈輕微的綠化趨勢(shì)。
目前，研究中國植被覆蓋情況多是利用不同地形［13］或不同植被類型［14］進(jìn)行分區(qū)研究，對(duì)植被覆蓋度驅(qū)動(dòng)作用的分析更多考慮自然因素或單一分析人類活動(dòng)對(duì)植被覆蓋度的影響。而在中國以及省級(jí)尺度上分析植被覆蓋度時(shí)空變化特征以及定量探究氣候因子和人類活動(dòng)對(duì)植被覆蓋度變化影響機(jī)制的研究并不充分。本文基于GEE 平臺(tái)，以2000—2020 年的Landsat 為數(shù)據(jù)源，結(jié)合降水量、氣溫?cái)?shù)據(jù)和夜間燈光數(shù)據(jù)，利用像元二分法、線性回歸分析和變異系數(shù)分析全國以及各省陸地植被覆蓋度的時(shí)空變化規(guī)律，基于省級(jí)區(qū)域通過偏相關(guān)分析和貢獻(xiàn)度模型定量分析氣候變化和城市化對(duì)植被覆蓋度的影響和貢獻(xiàn)作用，以期為全國生態(tài)環(huán)境質(zhì)量評(píng)估提供科學(xué)依據(jù)。
1.1 數(shù)據(jù)來源與處理
1.1.1Landsat數(shù)據(jù)Landsat衛(wèi)星目前擁有長(zhǎng)達(dá)50 a的地球觀測(cè)數(shù)據(jù)，空間分辨率30 m，時(shí)間分辨率16 d。本研究采用2000—2020年的Landsat 地表反射率數(shù)據(jù)。在GEE 平臺(tái)進(jìn)行融合、裁剪和去云等操作，最終選用的影像和時(shí)間分布如表1所示。
表1 衛(wèi)星數(shù)據(jù)集信息Tab.1 Information of the satellite data sets
1.1.2 降水量與氣溫?cái)?shù)據(jù)降水量數(shù)據(jù)選取CHIRPS
降水?dāng)?shù)據(jù)集，時(shí)間為2000—2020 年6—9 月，空間分辨率5.5 km，時(shí)間分辨率5 d，橫跨50°S～50°N；
氣溫?cái)?shù)據(jù)選取MODIS 陸地表面溫度數(shù)據(jù)集，時(shí)間為2000—2020 年6—9 月，空間分辨率1.0 km，時(shí)間分辨率8 d。根據(jù)中國矢量圖，在GEE平臺(tái)上對(duì)2組數(shù)據(jù)集進(jìn)行裁剪和拼接操作，合成每年6—9月平均陸地表面氣溫?cái)?shù)據(jù)集和每年6—9月總降水量數(shù)據(jù)集。
1.1.3 夜間燈光數(shù)據(jù)夜間燈光數(shù)據(jù)可以映射出人類活動(dòng)密度和城市化進(jìn)程，進(jìn)而探尋城市化對(duì)植被覆蓋變化的影響。目前，主流的夜間燈光遙感數(shù)據(jù)集有DMSP/OLS 數(shù)據(jù)集與NPP/VIIRS 數(shù)據(jù)集2 類。DMSP/OLS 數(shù)據(jù)集時(shí)間跨度為1992—2013 年，空間分辨率為927 m，其提供像元灰度值（DN值）代表夜間燈光平均強(qiáng)度；
NPP/VIIRS 數(shù)據(jù)集時(shí)間跨度為2012—2022年，空間分辨率為500 m，提供平均日夜波段（day and night band，DNB）輻射值準(zhǔn)確記錄夜間輻射強(qiáng)度。由于2個(gè)數(shù)據(jù)集的衛(wèi)星傳感器常數(shù)和分辨率并不相同，不能直接融合使用。Chen等［15］對(duì)2 個(gè)數(shù)據(jù)集進(jìn)行交叉?zhèn)鞲衅餍?zhǔn)，通過新標(biāo)定DMSP/OLS 類夜間燈光（nighttime light，NTL）數(shù)據(jù)（2000—2012年）和月度NPP/VIIRS類NTL數(shù)據(jù)（2013—2020 年），構(gòu)建了一個(gè)擴(kuò)展時(shí)間序列（2000—2020年）的NPP/VIIRS數(shù)據(jù)集，具有良好的空間格局和時(shí)間一致性，該數(shù)據(jù)集可以在https://doi.org/10.7910/DVN/YGIVCD免費(fèi)訪問。
1.2 研究方法
1.2.1 歸一化植被指數(shù)（NDVI）NDVI 是反映植被長(zhǎng)勢(shì)的重要參數(shù)之一，主要用于檢測(cè)植被生長(zhǎng)狀態(tài)、植被覆蓋度等［16］。其計(jì)算公式為：
式中：NIR為近紅外波段的反射率（%）；
RED為紅光波段的反射率（%）。NDVI 值越高代表該處植被越密集。
1.2.2 最大合成法采用最大合成法可以合成每年的NDVI 最大值影像，其能較好地反映植被長(zhǎng)勢(shì)最好階段的植被覆蓋度［17］，計(jì)算公式為：
式中：NDVIi為某像元第i年的NDVI最大值；
NDVIij為第i年經(jīng)過該像元的第j幅影像的NDVI 值。
1.2.3 植被覆蓋度（FVC）FVC 是指植被（包括葉、莖、枝）在地面的垂直投影面積占統(tǒng)計(jì)區(qū)總面積的百分比［18］，利用像元二分法計(jì)算，計(jì)算公式為：
式中：NDVIsoil為純土壤覆蓋像元的NDVI值；
NDVIveg為純植被覆蓋像元的NDVI 值。采用5%置信度截取NDVI 的上下閾值，即NDVIveg為95%的NDVI，NDVIsoil為5%的NDVI，F(xiàn)VC 值越高表示該地植被覆蓋度越高。根據(jù)水利部2008年頒布的《土壤侵蝕分類分級(jí)標(biāo)準(zhǔn)》，可以將植被覆蓋度劃分為5 個(gè)等級(jí)：低覆蓋度［0,30%］、中低覆蓋度(30%,45%］、中等覆蓋度(45%,60%］、中高覆蓋度(60%,75%］和高覆蓋度(75%,100%］［1］。
1.2.4 趨勢(shì)分析利用一元線性回歸方法對(duì)每個(gè)像元的植被覆蓋度進(jìn)行趨勢(shì)分析，用斜率（slope）反應(yīng)每個(gè)像元的植被覆蓋度的變化趨勢(shì)［19］，計(jì)算公式為：
式中：n為觀測(cè)時(shí)段的年數(shù)；
i為觀察的年份；
FVCi為像元第i年的植被覆蓋度。當(dāng)slope＞0，植被覆蓋率呈增長(zhǎng)趨勢(shì)；
當(dāng)slope＜0，植被覆蓋率呈降低趨勢(shì)。
為分析植被覆蓋度變化是否顯著，本研究進(jìn)一步使用F檢驗(yàn)對(duì)變化趨勢(shì)進(jìn)行顯著性檢驗(yàn)［5,19］，計(jì)算公式為：
為分析植被覆蓋度空間波動(dòng)特性，本研究通過對(duì)變異系數(shù)（Cν）模擬分析各像元在21 a 內(nèi)的植被覆蓋度波段特征［20］，計(jì)算公式為：
式中：n為觀測(cè)時(shí)段的年數(shù)；
i為觀察的年份；
FVCi為第i年的植被覆蓋度；
-- ——FVC 為n年間植被覆蓋度平均值。標(biāo)準(zhǔn)差與平均值之比稱為變異系數(shù)（Cν），Cν越低，說明數(shù)據(jù)越穩(wěn)定，波動(dòng)性越小，反之亦然。本研究根據(jù)變異系數(shù)結(jié)果將研究區(qū)分為5 類：低波動(dòng)（Cν＜0.05）、相對(duì)低波動(dòng)（0.05＜Cν＜0.10）、中等波動(dòng)（0.10＜Cν＜0.15）、相對(duì)高波動(dòng)（0.15＜Cν＜0.20）、高波動(dòng)（Cν＞0.20）。
1.2.5 偏相關(guān)分析利用偏相關(guān)分析，計(jì)算氣候因子和人為因素與植被覆蓋度的相關(guān)程度，計(jì)算公式為：
式中：變量w為植被覆蓋度；
變量x、y、z分別代表降水量、氣溫、人為因素；
rwx*yz為當(dāng)變量y、z固定時(shí)，變量w和變量x的偏相關(guān)系數(shù)；
rwx*z為當(dāng)變量z固定時(shí)，變量w和變量x的偏相關(guān)系數(shù)；
rwy*z為當(dāng)變量z固定時(shí)，變量w和變量y的偏相關(guān)系數(shù)；
rxy*z為當(dāng)變量z固定時(shí)，變量x和變量y的偏相關(guān)系數(shù)［1,21］。顯然二階的偏相關(guān)系數(shù)需要由一階偏相關(guān)系數(shù)求解。與簡(jiǎn)單的線性相關(guān)分析相比，偏相關(guān)分析可以更準(zhǔn)確地反映2個(gè)變量之間的相關(guān)關(guān)系，偏相關(guān)性越高，該變量對(duì)植被覆蓋度的影響越大；
反之，該變量對(duì)植被覆蓋度的影響越小。
1.2.6 貢獻(xiàn)分析 氣候因子和人為活動(dòng)是影響植被覆蓋度年際變化主要因素，各像元對(duì)應(yīng)的各個(gè)因子對(duì)植被覆蓋度的影響可以用下列公式表示［22-23］：
式中：P( P RE) 為降水量對(duì)植被覆蓋度的相對(duì)貢獻(xiàn)（%）；
C( P RE )、C( L ST )、C(U RB )分別為降水量、氣溫、城市化對(duì)植被覆蓋度年際變化的貢獻(xiàn)度，其他因子對(duì)植被覆蓋度的相對(duì)貢獻(xiàn)計(jì)算方法相同。
2.1 植被覆蓋度年際時(shí)空分布特征
2000—2020 年中國植被覆蓋度以0.32%·a-1的速率波動(dòng)增長(zhǎng)，呈現(xiàn)良好趨勢(shì)（圖1）。研究區(qū)植被覆蓋度最大年份出現(xiàn)在2018 年，為56.8%，研究區(qū)植被覆蓋度最小年份出現(xiàn)在2007 年，為50.0%，在21 a內(nèi)研究區(qū)植被覆蓋度均值為52.4%。由中國植被覆蓋度等級(jí)占比（圖2）可知，高覆蓋度占38%，主要位于中國東部地區(qū)；
中高覆蓋度占12%；
中等覆蓋度占8%；
中低覆蓋度占6%；
低覆蓋度占36%，低覆蓋度主要分布在中國西北沙漠地區(qū)。
圖1 2000—2020年中國植被覆蓋度變化Fig.1 Change of fractional vegetation cover in China from 2000 to 2020
圖2 中國植被覆蓋度不同等級(jí)占比Fig.2 Proportion of different levels of fractional vegetation cover in China
Landsat 衛(wèi)星缺失2000—2007 年中國西藏自治區(qū)（簡(jiǎn)稱西藏）和**維吾爾自治區(qū)（簡(jiǎn)稱**）植被覆蓋度較低的西部地區(qū)影像數(shù)據(jù)，因此基于GEE平臺(tái)與2008 年西藏和**遙感影像數(shù)據(jù)，通過裁剪、融合和拼接方法補(bǔ)償未拍攝地區(qū)。由中國2000—2020 年植被覆蓋度分布情況（圖3）可知，以內(nèi)蒙古的呼和浩特至西藏拉薩為界（簡(jiǎn)稱呼拉線）［4］，中國植被覆蓋度呈西北低、東南高分布格局，由東南至西北呈遞減趨勢(shì)，這與已有的研究結(jié)果保持一致［24］。高覆蓋度區(qū)域主要是東北平原和秦嶺-淮河以南地區(qū)，低覆蓋度區(qū)域主要是西北荒漠和經(jīng)濟(jì)高度發(fā)達(dá)地區(qū)。在21 a里，**西北邊緣地區(qū)和黃土高原植被覆蓋呈明顯改善趨勢(shì)。
圖3 2000—2020年中國植被覆蓋度空間分布Fig.3 Spatial distributions of fractional vegetation cover in China from 2000 to 2020
2.2 各省植被覆蓋度空間變化特征和趨勢(shì)分析
圖4 展示了2000—2020 年全國各省植被覆蓋度空間變化特征情況。75.0%的研究區(qū)域植被覆蓋度呈現(xiàn)增長(zhǎng)趨勢(shì)（slope＞0），增長(zhǎng)區(qū)域廣泛分布在陜西省、山西省、寧夏回族自治區(qū)（簡(jiǎn)稱寧夏）、云南省、西藏和**西部；
而25.0%的研究區(qū)域植被覆蓋度呈現(xiàn)下降趨勢(shì)（slope＜0），減少地區(qū)主要集中在長(zhǎng)江沿岸、珠江三角洲等經(jīng)濟(jì)發(fā)展帶及四川省、**東部、青海省和甘肅省（圖4a）。由2000—2020年植被覆蓋度變化顯著性空間分布（圖4b）可知，植被覆蓋度發(fā)生退化的面積較小，顯著退化地區(qū)和退化地區(qū)分別占研究區(qū)域的2.0%和1.5%，這些地區(qū)主要分布在中國天津市、港澳臺(tái)、長(zhǎng)江沿岸以及城市群周邊地區(qū)。基本穩(wěn)定地區(qū)面積約占研究區(qū)域的67.0%，占比最大，主要分布在四川與西藏青海接壤地區(qū)、貴州省、湖北省、內(nèi)蒙古北部和東北三省地區(qū)。顯著改善地區(qū)和改善地區(qū)分別占研究區(qū)域的18.0%和10.5%，這些地區(qū)主要分布在中國黃土高原、東北平原和西部地區(qū)。為進(jìn)一步分析2000—2020年中國植被覆蓋度變化和波動(dòng)情況，本研究根據(jù)變異系數(shù)繪制中國植被覆蓋度穩(wěn)定性空間分布圖（圖4c）。2000—2020 年植被覆蓋度在中國東部比西部穩(wěn)定，南部比北部穩(wěn)定。高波動(dòng)地區(qū)和相對(duì)高波動(dòng)地區(qū)占研究區(qū)域的53.0%，這些地區(qū)主要分布在黃土高原、華北平原、內(nèi)蒙古、**、西藏和城市經(jīng)濟(jì)帶等地區(qū)，這些地區(qū)植被覆蓋度變化較大。低波動(dòng)地區(qū)和相對(duì)低波動(dòng)地區(qū)占研究區(qū)域的31.0%，這些地區(qū)主要分布在東北三省、秦嶺-淮河以南的省份和西北地區(qū)以荒漠為主的省份，前兩者植被覆蓋度較高，生態(tài)穩(wěn)定年際波動(dòng)小，后者生態(tài)環(huán)境較為惡劣，植被生長(zhǎng)困難，年際波動(dòng)小。
圖4 2000—2020年中國植被覆蓋度空間變化特征Fig.4 Spatial variation characteristics of fractional vegetation cover in China from 2000 to 2020
由2000—2020 年中國各省植被覆蓋度平均值和年際變化情況（圖5）可見，黑龍江省植被覆蓋度最高，為91.7%。植被覆蓋度較高的地區(qū)還有吉林省、廣西壯族自治區(qū)、重慶市和湖北省，其植被覆蓋度分別為86.2%、84.7%、84.4%和84.1%。**植被覆蓋度最低，為14.4%，這與該地區(qū)以沙漠為主的地貌有關(guān)。平均值是低覆蓋度和中低覆蓋度的地區(qū)還有西藏、甘肅省、青海省、寧夏、澳門特別行政區(qū)和香港特別行政區(qū)，其植被覆蓋度分別為24.2%、32.2%、32.7%、34.6%、19.6%和38.9%。中國西北地區(qū)植被生長(zhǎng)易受干旱少雨的氣候制約，生態(tài)環(huán)境較為脆弱，港澳特別行政區(qū)植被覆蓋度較低原因可能與人類活動(dòng)有關(guān)。為進(jìn)一步了解各省在21 a內(nèi)植被覆蓋度變化趨勢(shì)，本研究借助線性擬合計(jì)算各省年際斜率情況。植被覆蓋顯著改善地區(qū)有寧夏、山西省、陜西省，其年際斜率分別為0.98%、0.95%、0.94%，這3 個(gè)省份主要分布在黃土高原，植被得以恢復(fù)與該地區(qū)退耕還林工程息息相關(guān)。植被變化趨勢(shì)大于0.60%的地區(qū)還有北京市、河北省、云南省、吉林省和貴州省，其年際斜率分為為0.67%、0.65%、0.65%、0.64%和0.60%。北京市植被得以恢復(fù)的原因可能與人們加強(qiáng)城市周邊綠化相關(guān)。植被退化地區(qū)有江蘇省、天津市和浙江省，其年際斜率分別為-0.14%、-0.08%和-0.07%，植被退化可能受該地區(qū)城市化和工業(yè)化的影響，這些地區(qū)在經(jīng)濟(jì)發(fā)展的同時(shí)也應(yīng)加強(qiáng)植被修復(fù)以及對(duì)生態(tài)環(huán)境的重視。
圖5 2000—2020年中國各省植被覆蓋度平均值和年際變化斜率Fig.5 Mean value and inter-annual trend slope of fractional vegetation cover in each province of China from 2000 to 2020
2.3 氣候變化和城市化對(duì)植被覆蓋度變化的影響分析
2000—2020 年中國植被覆蓋度與氣溫的平均偏相關(guān)系數(shù)為-0.08，總體呈現(xiàn)不顯著的負(fù)相關(guān)，說明氣溫對(duì)植被生長(zhǎng)具有一定的抑制作用（圖6a）。植被覆蓋度與氣溫呈正相關(guān)的地區(qū)占研究區(qū)的41.2%，與氣溫呈負(fù)相關(guān)的地區(qū)占研究區(qū)的58.8%，其中與氣溫顯著正相關(guān)（P＜0.05）和顯著負(fù)相關(guān)（P＜0.05）的地區(qū)僅占研究區(qū)的2.3%和10.0%。中國北部植被覆蓋度與氣溫的偏相關(guān)多為負(fù)相關(guān)，部分地區(qū)為強(qiáng)的負(fù)相關(guān)，從內(nèi)陸到沿海偏相關(guān)系數(shù)從負(fù)相關(guān)到正相關(guān)過渡。統(tǒng)計(jì)各省植被覆蓋度與氣溫的偏相關(guān)系數(shù)，結(jié)果顯示：寧夏、陜西省、北京市和山西省的植被覆蓋度和氣溫呈現(xiàn)負(fù)相關(guān)，西藏、四川省和山東省呈現(xiàn)正相關(guān)。植被覆蓋度與降水量的平均偏相關(guān)系數(shù)為0.04，總體呈現(xiàn)不顯著的正相關(guān)，說明降水量對(duì)在一定程度上促進(jìn)了植被生長(zhǎng)（圖6b）。植被覆蓋度與降水量呈現(xiàn)正相關(guān)的地區(qū)占研究區(qū)的58.9%，與降水量呈負(fù)相關(guān)的地區(qū)占研究區(qū)的41.1%，其中與降水量顯著正相關(guān)（P＜0.05）和顯著負(fù)相關(guān)（P＜0.05）的地區(qū)僅占研究區(qū)的8.0%和2.2%。植被覆蓋度在與氣溫呈負(fù)相關(guān)的地區(qū)與降水量多呈現(xiàn)正相關(guān)。統(tǒng)計(jì)各省植被覆蓋度與降水量偏相關(guān)表明，北京市、內(nèi)蒙古、寧夏和山西省植被覆蓋度與降水量呈現(xiàn)正相關(guān)，與降水量呈現(xiàn)負(fù)相關(guān)省份主要有江蘇省、臺(tái)灣省和香港特別行政區(qū)。植被覆蓋度與城市化的平均偏相關(guān)系數(shù)為0.036，總體呈現(xiàn)不顯著的正相關(guān)（圖6c）。植被覆蓋度與城市化呈現(xiàn)正相關(guān)的地區(qū)占研究區(qū)的58.7%，與城市化呈現(xiàn)負(fù)相關(guān)的地區(qū)占研究區(qū)的41.3%，其中與城市化顯著正相關(guān)（P＜0.05）和顯著負(fù)相關(guān)（P＜0.05）的地區(qū)僅占研究區(qū)的6.8%和5.1%。統(tǒng)計(jì)各省植被覆蓋度與城市化的偏相關(guān)系數(shù)可知，香港特別行政區(qū)、臺(tái)灣省、陜西省和廣東省植被覆蓋度與城市化呈現(xiàn)正相關(guān)，江蘇省和安徽省植被覆蓋度與城市化呈現(xiàn)較弱的負(fù)相關(guān)。
圖6 2000—2020年中國植被覆蓋度與氣溫、降水量和城市化的偏相關(guān)空間分布Fig.6 Spatial distributions of partial correlation coefficient between fractional vegetation cover and temperature,precipitation and night light in China from 2000 to 2020
由中國各省的氣溫、降水量、城市化對(duì)植被覆蓋度的貢獻(xiàn)度空間分布以及各省平均貢獻(xiàn)度（圖7）可知，氣溫是黃土高原、西北地區(qū)植被覆蓋度變化的主要貢獻(xiàn)因子。進(jìn)一步定量分析氣溫對(duì)植被覆蓋度的貢獻(xiàn)，其中氣溫對(duì)寧夏植被覆蓋度的平均貢獻(xiàn)最大，為84.3%。氣溫對(duì)植被覆蓋度貢獻(xiàn)較大的省份還有甘肅省、**、陜西省和內(nèi)蒙古，其平均貢獻(xiàn)度分別為83.2%、74.5%、74.0%和69.1%。而氣溫對(duì)港澳特別行政區(qū)和上海市平均貢獻(xiàn)度較低，這可能與該地區(qū)經(jīng)濟(jì)高度發(fā)展有關(guān)。降水量是秦嶺-淮河以南地區(qū)和西藏植被覆蓋度變化的主要貢獻(xiàn)因子。通過定量分析可知，臺(tái)灣省、海南省和港澳特別行政區(qū)受降水量的影響較大，其平均貢獻(xiàn)度分別為71.7%、68.8%、68.2%和67.3%。夜間燈光是各城市中心植被覆蓋度變化的主要貢獻(xiàn)因子。通過各省平均貢獻(xiàn)度可知，城市化對(duì)3 個(gè)直轄市（北京市、上海市和天津市）和2 個(gè)特別行政區(qū)平均貢獻(xiàn)度較為明顯，其中對(duì)上海市平均貢獻(xiàn)度較大，為26.0%。此外，部分地區(qū)植被覆蓋度受多種因子綜合的影響，例如天津市和浙江省植被覆蓋度受氣候因子和城市化共同調(diào)制，其中氣溫、降水量和城市化對(duì)天津市平均貢獻(xiàn)度分別為37.6%、41.6%和20.8%，福建省和重慶市主要受氣溫和降水量的綜合影響，其中氣溫和降水量對(duì)福建省平均貢獻(xiàn)度分別為49.7%和44.5%。
圖7 2000—2020年氣溫、降水量和夜間燈光對(duì)植被覆蓋度的貢獻(xiàn)度空間分布及各省平均貢獻(xiàn)度情況Fig.7 Spatial distributions and average contribution of temperature,precipitation and night light to fractional vegetation cover in each province from 2000 to 2020
從時(shí)間尺度來看，在2000—2020年中國植被覆蓋度總體以0.32%·a-1的速率增長(zhǎng)，表明中國生態(tài)環(huán)境在改善。受季風(fēng)性氣候影響，中國東部雨熱充足、條件溫和，適合植被生長(zhǎng)，而西部地區(qū)遠(yuǎn)離海岸、干燥少雨，生態(tài)較為惡劣。因此，從空間尺度來看中國在21 a內(nèi)植被覆蓋度呈現(xiàn)從東南至西北遞減趨勢(shì)，而呼拉線與中國400 mm 等降水量線基本吻合。高覆蓋度和中高覆蓋度分別占研究區(qū)域的38%和12%，主要分布在呼拉線以東地區(qū)，以森林山地為主；
中低覆蓋度和低覆蓋度分別占研究區(qū)域的6%和36%，主要分布在呼拉線以西地區(qū)，以荒漠和草甸為主。
從植被時(shí)空變化特征來看，中國植被覆蓋度基本較為穩(wěn)定。其中寧夏、山西省、陜西省和**西部地區(qū)改善顯著，這與我國退耕還林和綠色農(nóng)業(yè)等工程有關(guān)［25］。中國植被覆蓋度總體在西部比東部年際波動(dòng)大，北部比南部年際波動(dòng)大，這主要由于中國植被覆蓋呈西北低東南高，西北地區(qū)生態(tài)環(huán)境惡劣，植被生長(zhǎng)易受氣候因子影響。從各省植被情況和變化趨勢(shì)來看，黑龍江省植被覆蓋度最高，為91.7%，這可能與該地區(qū)糧食產(chǎn)量增加、集約化種植增加和城市綠化建設(shè)有關(guān)；
**植被覆蓋度最低，這與該地區(qū)以沙漠草地為主［26］的地理環(huán)境有關(guān)；
江蘇省植被覆蓋退化趨勢(shì)較為顯著，這與該省份冶煉、化工等污染密集型產(chǎn)業(yè)結(jié)構(gòu)相關(guān)。
從各因子對(duì)植被覆蓋度影響來看，氣候因子與城市化對(duì)研究區(qū)植被覆蓋度的影響均存在區(qū)域差異。氣溫對(duì)黃土高原的各省植被覆蓋度有抑制的影響，這與該地區(qū)干旱缺水氣候有關(guān)，而對(duì)西藏和四川省的植被覆蓋度有促進(jìn)作用。降水量對(duì)研究區(qū)植被覆蓋度總體上是呈現(xiàn)正向作用，但在東部經(jīng)濟(jì)發(fā)展地區(qū)，強(qiáng)烈人類活動(dòng)會(huì)引發(fā)城市小氣候，呈現(xiàn)負(fù)相關(guān)［3］。城市化與植被覆蓋度偏相關(guān)在一定程度上展示中國城市網(wǎng)分布，由于經(jīng)濟(jì)建設(shè)的需求，城市中心地區(qū)植被覆蓋度與城市化多為負(fù)相關(guān)，表明城市化過程對(duì)植被覆蓋存在抑制作用，而城市郊區(qū)多為正相關(guān)，展示在城市建設(shè)中同樣重視對(duì)自然環(huán)境的保護(hù)，這在一定程度上促進(jìn)了植被生長(zhǎng)和發(fā)育。在分析3個(gè)因子對(duì)各省份植被覆蓋度的影響機(jī)制過程中，發(fā)現(xiàn)多個(gè)省份受氣候因子和城市化的共同調(diào)制。其中氣溫、降水量和夜間燈光對(duì)天津市平均貢獻(xiàn)度分別為37.6%、41.6%和20.8%，借此通過定量分析驗(yàn)證了氣候因子和人類活動(dòng)是植被生長(zhǎng)的重要因素的結(jié)論［9］。
本研究從中國和省級(jí)尺度上探討了2000—2020 年中國植被覆蓋度年際變化規(guī)律和空間分布特征，并定量分析氣候變化和城市化對(duì)各省植被覆蓋度變化的影響和貢獻(xiàn)作用，主要結(jié)論如下：
（1）在21 a里中國植被覆蓋度均值為52.4%，植被覆蓋度總體呈現(xiàn)波動(dòng)增長(zhǎng)的趨勢(shì)，增長(zhǎng)速率為0.32%·a-1。植被覆蓋區(qū)域以高覆蓋度為主，面積占研究區(qū)域的38%，主要分布在中國東部地區(qū)。中國的植被覆蓋度以呼拉線為界呈西北低、東南高的分布格局。
（2）中國植被覆蓋度發(fā)生顯著改善地區(qū)和改善地區(qū)主要分布在黃土高原、東北平原和西部地區(qū)；
顯著退化地區(qū)和退化地區(qū)主要分布在中國天津市、港澳臺(tái)、長(zhǎng)江沿岸以及城市群周邊地區(qū)。植被年際波動(dòng)在南部比北部、東部比西部穩(wěn)定。從各省植被覆蓋度和年際變化情況來看，黑龍江省植被覆蓋度最高，為91.7%；
**最低，為14.4%；
寧夏的植被覆蓋度年增長(zhǎng)率最高，增長(zhǎng)速率為0.98%·a-1，植被得到顯著改善。
（3）氣候因子和城市化對(duì)植被覆蓋度的影響存在明顯空間差異性。氣溫對(duì)植被生長(zhǎng)具有一定抑制作用，而降水量和城市化可以在一定程度上促進(jìn)了植被生長(zhǎng)。從3個(gè)因子對(duì)各省植被覆蓋度的貢獻(xiàn)程度來看，氣溫是寧夏的主要貢獻(xiàn)因子，平均貢獻(xiàn)度為84.3%；
降水量是臺(tái)灣省的主要貢獻(xiàn)因子，平均貢獻(xiàn)度為71.7%；
城市化貢獻(xiàn)度最大的城市為上海，平均貢獻(xiàn)度為26.5%。
但研究仍有不足之處。本研究?jī)H探究氣溫、降水和夜間燈光對(duì)植被覆蓋度的影響和貢獻(xiàn)，未考慮地形、土壤和日照等因素對(duì)植被覆蓋度的影響。植被覆蓋度驅(qū)動(dòng)因子影響機(jī)制復(fù)雜，未來可以結(jié)合更詳盡的數(shù)據(jù)資料和實(shí)測(cè)數(shù)據(jù)，在更長(zhǎng)的時(shí)間尺度上科學(xué)分析各因子對(duì)植被覆蓋度的驅(qū)動(dòng)作用，使研究結(jié)果更具可靠性。
猜你喜歡貢獻(xiàn)度年際覆蓋度呼和浩特市和林格爾縣植被覆蓋度變化遙感監(jiān)測(cè)科學(xué)技術(shù)創(chuàng)新(2022年30期)2022-10-21基于NDVI的晉州市植被覆蓋信息提取農(nóng)業(yè)與技術(shù)(2021年23期)2021-12-14北緯30°中層頂區(qū)域鈉與鐵原子層的結(jié)構(gòu)和年際變化空間科學(xué)學(xué)報(bào)(2021年2期)2021-07-21低覆蓋度CO分子在Ni(110)面的吸附研究原子與分子物理學(xué)報(bào)(2020年5期)2020-03-17充分把握教育對(duì)經(jīng)濟(jì)社會(huì)發(fā)展的貢獻(xiàn)度石河子大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版）(2019年3期)2019-07-27基于貢獻(xiàn)度排序的腎透明細(xì)胞癌串?dāng)_通路分析中國生物醫(yī)學(xué)工程學(xué)報(bào)(2019年4期)2019-07-16亞洲夏季風(fēng)的年際和年代際變化及其未來預(yù)測(cè)中國學(xué)術(shù)期刊文摘(2016年1期)2016-02-13與北大西洋接壤的北極海冰和年際氣候變化中國學(xué)術(shù)期刊文摘(2016年8期)2016-02-13需求側(cè)資源促進(jìn)可再生能源消納貢獻(xiàn)度綜合評(píng)價(jià)體系電力自動(dòng)化設(shè)備(2015年4期)2015-09-28基于M-K法對(duì)圖們江干流含沙量年際變化的分析吉林地質(zhì)(2014年3期)2014-03-11