关中平原城市群气候变化和人类活动对植被NDVI变化的影响

摘要  ［目的］研究关中平原城市群气候变化和人类活动对植被NDVI变化的影响。［方法］基于2001—2020年的植被NDVI和地表温度数据，运用趋势分析和残差分析等方法分析近20年关中平原城市群植被生长季植被NDVI变化趋势，以及气候变化和人类活动对生长季植被NDVI的驱动力分析及其贡献率。［结果］近20年来研究区生长季植被NDVI呈波动性增加趋势，其变化受气候变化和人类活动共同影响，且存在较大空间异质性，研究区中部生长季植被NDVI降低主要归因于人类活动的影响。气候变化和人类活动对生长季植被NDVI贡献率主要为正值，人类活动因素的贡献率更高，且研究区水系两侧多呈现气候变化抑制、人类活动促进的情况。［结论］关中平原城市群中人类活动对生长季植被NDVI的影响较大，建议在综合因素分析中多重视人类活动影响。

关键词  生长季植被NDVI；气候变化；人类活动；残差分析；关中平原城市群

中图分类号  X173  文献标识码  A  文章编号  0517-6611（2024）05-0068-06

doi：10.3969/j.issn.0517-6611.2024.05.017

开放科学（资源服务）标识码（OSID）：

Effect of Climate Change and Human Activities on NDVI Changes in Vegetation in the Guanzhong Plain Urban Agglomeration

TIAN Xiao-feng，ZHANG Chong，LI Yu

（Shaanxi Provincial Key Laboratory of Disaster Monitoring and Mechanism Simulation，Baoji University of Arts and Sciences，Baoji，Shaanxi 721013）

Abstract  ［Objective］ To study the effect of climate change and human activities on NDVI changes in vegetation in the Guanzhong Plain urban agglomeration.［Method］Based on vegetation NDVI and surface temperature data from 2001 to 2020，trend analysis and residual analysis were used to analyze the trend of vegetation growth season vegetation NDVI change in the Guanzhong Plain urban agglomeration in the past 20 years，as well as the driving forces and contribution rates of climate change and human activities on vegetation growth season vegetation NDVI.［Result］In the past 20 years，the vegetation NDVI in the growth season of the study area had shown a fluctuating increase trend，and its change was jointly affected by climate change and human activities，and there was a large spatial heterogeneity.The reduction of vegetation NDVI in the growth season of the middle of the study area was mainly due to the impact of human activities.The contribution rate of climate change and human activities to the vegetation NDVI during the growing season was mainly positive，and the contribution rate of human activity factors was higher.Moreover，both sides of the water system in the study area mostly exhibit climate change inhibition and human activity promotion.［Conclusion］The human activities have a significant impact on vegetation NDVI during the growth season in the Guanzhong Plain urban agglomeration.It is recommended to pay more attention to the impact of human activities in comprehensive factor analysis.

Key words  Vegetation NDVI during the growing season;Climate change;Human activities;Residual analysis;Guanzhong Plain urban agglomeration

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）；陕西省教育厅专项科研计划项目（21JK0477）；宝鸡文理学院第十五批校级教改资助项目（YJ20JGYB12）。

作者简介  田晓凤（1998—），女，陕西榆林人，硕士研究生，研究方向：植被遥感。*通信作者，讲师，博士，硕士生导师，从事植被遥感方面的研究。

收稿日期  2023-04-11

归一化植被指数（normalized difference vegetation index，NDVI）与植物生长环境、植被覆盖度、累积生物量、光合有效辐射、植被生产力和叶面积指数有较高的相关性［1］，并且可以有效反映区域植被的生长状况，是监测区域自然生态系统变化以及植被生长变化的有效指标［2-3］。国内外学者基于NDVI数据，运用趋势分析［4］、多元回归残差分析［5］、地理探测器［6］和干旱指数计算［7］等方法研究了植被空间分布特征、植被覆被变化、气温降水等气候变化对植被覆被的影响以及影响植被变化的驱动因素等［8-10］。目前最常用的NDVI数据有4种，分别为SPOT NDVI、MODIS NDVI、GIMMS NDVI和AVHRR NDVI［11］，这4种NDVI数据产品在传感器、数据矫正和处理方法、时空分辨率以及监测范围等方面存在差异性［12］。虽然使用不同种类NDVI产品数据会对研究结果产生一定影响，但在长时间序列及大尺度空间范围情况下，研究植被覆被变化及其时空格局、植被生产力计算以及植被变化归因分析等方面存在较大优势。

土壤湿度的传统计算方法包含快速烘干法、张力计算法、时域反射仪、γ射线法、电阻法和核磁共振法等，但传统方法普遍存在采样耗时长、速度慢、消耗过多人力物力财力以及监测范围小等情况，难以满足大尺度长时间序列实时精准监测的要求。随着遥感技术的高速发展与普及，遥感技术探测范围广，获取资料速度快、周期短以及受地面条件限制少等优势，使得运用遥感数据进行高效、实时、动态监测土壤水分成为可能［13］。在土壤水分遥感反演中，通过NDVI和LST特征空间反映土壤水分的方法得到广泛应用［7，14］。

以往研究较多采用相关分析［15］等方法，研究区域植被NDVI的长期变化趋势以及驱动力分析，驱动力多以气温、降水等气候变化、土壤以及水文等自然因素为研究对象，但人类活动对植被NDVI的影响研究相对较少。因此，在长时间序列中从气候变化和人类活动两方面，研究其对生长季植被NDVI的驱动力以及量化不同驱动力的相对贡献情况，对未来城市化发展以及生态修复建设均具有一定的现实意义。基于此，该研究运用长时间序列的NDVI数据以及LST数据，构建Ts-NDVI特征空间估算出土壤水分数据，并采用线性趋势分析、残差分析等方法，在关中平原城市群范围内研究生长季植被NDVI的变化特征，探讨气候变化和人类活动对生长季植被NDVI的影响以及评估两类驱动因素对植被影响的贡献情况。

1  资料与方法

1.1  研究区概况

关中平原城市群分布于我国范围内的最中心区域，是我国古代丝绸之路的起点，是现代“一带一路”建设的重要节点，也是我国西北地区经济实力最强的区域，在国家城市发展建设及生态保护、修复工程中均占据独特的重要地位。关中平原城市群横跨陕、甘、晋3省部分区域（图1），以西安为中心“米”字型向外延伸，其中包含11个市，1个高新技术产业示范区，共89个县，土地面积为10.71万km2，约占全国陆地总面积的1.12%。该区域内地形较为复杂，中部为关中平原，南依秦岭，东跨黄河，包含平原、盆地、山地、丘陵等地形，全域内海拔由西南向东北逐渐降低。

1.2  数据来源

该研究所采用的数据包括关中平原城市群2001—2020年的植被归一化指数（NDVI）、地表温度（land surface temperature，LST）、行政区划以及主要流域数据。

遥感数据均来源于美国LP DAAC数据中心的MODIS系列产品，其中NDVI数据运用的是MOD13A2数据集，LST数据则采用MOD11A2数据集；这2种数据集拥有相同的空间分辨率，均为1 000 m，而时间分辨率则不同，分别为16和8 d。行政区划数据和流域数据来源于中国1∶100万全国基础地理数据库。

1.3  研究方法

1.3.1  数据预处理。

NDVI数据的比例转换系数为0.000 1，时间分辨率16 d。LST数据单位为K，数据比例转换系数0.02，时间分辨率8 d。对于LST与NDVI两类遥感数据均进行了格式转换、图像拼接、坐标转换、研究区裁剪与真值计算等基础处理，过程中由于LST与NDVI数据时间分辨率和投影方式等的不同，均做了统一处理。该研究的植被生长季数据选用NDVI数据中每年4—10月的数据，然后进一步得到生长季的累积NDVI与累积土壤湿度。

1.3.2  土壤水分反演。

Sandholt等［16］运用地表温度LST和植被NDVI数据构建的Ts-NDVI特征空间可反映出土壤水分的高低状况，因计算过程中所需数据简单、易操作的特点，故可用温度植被干旱指数（temperature vegetation dryness index，TVDI）来表征土壤水分。计算原理详见以下公式：

TVDI=Ts-TsminTsmax-Tsmin（1）

式中，Ts为逐个像元的地表温度；Tsmin为与NDVI所对应像元湿边的地表温度；Tsmax为与NDVI所对应像元干边的地表温度。

1.3.3  变化趋势分析。