西南喀斯特地区植被变化及其与气候因子关系研究

张凯选，范鹏鹏, ，王军邦*，叶辉

1. 辽宁工程技术大学，辽宁 阜新 123000；2. 中国科学院地理科学与资源研究所生态系统网络观测与模拟重点实验室，北京 100101

植被在调节陆地碳平衡、气候系统中发挥了重要作用，是生态系统服务功能的基础，因此，监测植被生长变化意义重大（杜加强等，2015）。植被覆盖度指示了植被的茂密程度及植物进行光合作用面积的大小，是反映地表植被生长态势的重要指标和描述生态系统的重要基础数据，对区域生态系统环境变化有着重要指示作用（孙忠富，2010），归一化植被指数（Normal Difference Vegetation Index，NDVI）是目前最为常用的表征植被覆盖情况的指标（Mahmoud et al.，2019），NDVI可充分反映植被覆盖度，并与植被覆盖度呈正相关，即NDVI值愈大，植被覆盖度愈好（闫峰等，2013；甘春英等，2011）。驱动植被变化的各种气候变量中，最基本和最重要的变量是太阳辐射、温度和降水（侯美婷等，2013）。20世纪90年代以来，国内外众多学者基于NDVI数据研究了植被覆盖空间变化特征及其与气候的关系（Stoner et al.，2018；Peng et al.，2013；王昭生等，2015；Jipaer et al.，2015）。在植被覆盖与气候因素的研究中，有从年际变化、季节变化和月变化3个方面分析植被覆被变化与气候变化的关系（孙艳玲等，2012），也有着重分析温度、降水对不同植被类型的影响（阿多等，2017）。不同地区对植被覆盖影响的气候因素不同，在长江中下游地区，气温是影响该区域植被覆盖变化的主要因素（邓伟等，2017）。在华北平原地区，植被变化与气温变化关系、降水关系较密切。中国西南大部分地区植被覆盖变化与温度因子的相关性更为显著（周金霖等，2017）。在新疆地区植被覆盖及气象因子的研究中，研究者认为两者年际间差异不大，呈现出整体稳定的态势，但年内变化明显（慈晖等，2017）；在东北长白山地区，植被覆盖主要受温度影响（南颖等，2010）。将植被特征与气候因子结合进行深入分析，揭示植被与气候间的内在联系，有助于把握该地区生态系统变化的气候驱动作用（Wang et al.，2018；Garcia-Palacios et al.，2018）。

中国西南喀斯特地区是中国大生态环境脆弱区之一，高强度人类活动使得土地退化问题严峻，2000年以来，实施了退耕还林等一系列生态保护与恢复措施（宋同清等，2017；Zhang et al.，2011；曾昭霞等，2015）。在生态措施实施范围及时间信息较难获取情况下，其生态恢复成效评估成为研究难点和热点（吕妍等，2018）。本文采用残差分析法实现气候要素和人类活动对植被生长影响的分离。残差分析法（Evans et al.，2004）由Evans提出，利用年最大NDVI与气候因子间的良好线性关系建立回归模型，得到年最大NDVI拟合值，将其视为气候因子对年最大NDVI的影响。假设地形和土壤等自然条件未发生变化，利用遥感估算的NDVI减去NDVI拟合值（理论上完全由气候因素引起的植被变化），即得到人类活动引起的年最大NDVI变化，从而分离出气候因素和人类活动对NDVI变化的影响。该方法已被广泛应用（Evans et al.，2004；李辉霞等，2011；Jipaer et al.，2015）。

环江地区地处广西省西北部，该地区环境脆弱，经济落后，人口密集，研究该区域的NDVI的变化趋势与气候因子之间的响应关系对环江地区的植被恢复具有重要意义。本研究旨在探清该地区植被与气候因子的关系并定量计算气候和人类活动影响，为生态成效评估提供方法参考，促进生态文明建设。

1 材料与方法

1.1 研究区概况

环江位于广西西北部，云贵高原东南麓，九万大山山麓，东经 107°51′-108°43′，北纬 24°44′-25°33′之间（图1），该区域位于地处桂西北云贵高原与桂中岩溶平原过渡的斜坡地带，总地势为北高南低，四周山岭绵延，中部偏南为丘陵，略呈盆地；西与西北多为石山；东北多为土山，最高海拔为1693 m，最低海拔为149 m。北与东北部属侵蚀的中低山地貌，是苗岭山脉九万大山的一部分，山体庞大，沟谷纵横，全县森林资源主要分布在此区域；中北部为低山峰丛地貌；中南部为中高丘侵蚀地貌区；西南部为喀斯特地貌区。

图1 环江地区位置、海拔及土地覆盖类型空间分布Fig. 1 Location, altitude and spatial distribution of land cover in Huanjiang area

环江县隶属河池市，全县面积4572 km2，为广西第五大县，森林覆盖率59.2%，耕地面积2.47×104hm2，是广西农林矿业重点县之一。环江县属亚热带季风气候区，全县气候温和，雨水充沛，日照充足，冬暖夏凉，雨热同季，无霜期长。年均气温南部丘陵一带19.9 ℃，北部山区15.7 ℃。历年最低气温为-5.2 ℃，无霜期290 d。全年可照时数4422 h，年均日照时数145.1 h。年平均降雨量1750 mm，降雨多集中于4-9月，占全年降雨量的70%；历年最小降雨量922.8 mm，蒸发量1571.1 mm，空气平均相对湿度 79%。环江属中亚热带常绿阔叶林区，森林植被丰富，森林群落以常绿阔叶林为主，其次是部分落叶阔叶与常绿针、阔叶混交林。

1.2 数据及处理

本研究所用的NDVI数据是由2000-2017年MOD09Q1的地表反射率数据计算得到，MOD09Q1是由美国航空航天局提供的8 d合成的地表反射率数据，空间分辨率为250 m，利用其所提供数据处理软件MRT（Modis reprojection tools）对MODIS影像进行波段提取、影像镶嵌、投影变换、数据格式转换，然后计算 NDVI，再利用Timesat对每8天NDVI数据进行SG滤波处理，去除时间序列中的噪音值。计算年平均NDVI值，进行后续分析。

气象数据是利用全国约 2000个气象站点的日数据，包括每日的气温、降水量、风速、日照时数和相对湿度数据，辐射数据根据日照时数换算所得（王军邦，2007），空间插值得到的时间分辨率为8 d、空间分辨率为250 m的全国空间数据，之后利用ArcGIS截取所得。所使用的插值软件是由澳大利亚国立大学基于利用光滑薄板样条法开发的 ANUSPLIN，对插值结果的评价表明，插值的气温和累积降水数据可分别解释通量塔观测气温和降水季节变化的90%和80%以上（王军邦，2017）。

本文采用的植被覆盖类型以Liu et al.（2006）利用MODIS数据的植被分类结果，主要对森林类型进行了细分。用于本模型的生态系统类型及土地覆盖类型包括常绿针叶林、常绿阔叶林、落叶针叶林、落叶阔叶林、灌丛、草地、农田、荒漠以及居民用地和水域。

1.3 研究方法

1.3.1 趋势分析

对于植被指数在时间尺度的变化趋势和强度，一般进行一元线性回归分析，回归方程斜率（slope）代表研究区域监测时段内每个栅格点植被指数的变化趋势。slope＞0，代表该栅格内植被状况有改善，且数值越大说明改善效果越明显。反之，则表明该栅格内植被状况变差。该方法可反映不同时期植被覆盖变化的空间分布特征，其计算公式如下：

1.3.2 偏相关分析

NDVI的影响因素较多，为了衡量两个因素的相关关系，采用偏相关分析法。偏相关分析也称净相关分析，是指当两个变量同时与第3个变量相关时，将第3个变量的影响剔除，只分析另外两个变量之间相关程度的过程，它在控制其他变量的线性影响的条件下分析两变量间的线性相关性，以偏相关系数R值为判定指标，可利用单相关系数来计算。

式中，Rxy表示变量x、y的单相关系数；在本文中，xi表示第i年NDVI值；yi表示相应时段内的累计降水或年均温或年总辐射量；表示 2000-2017年年均 NDVI值；表示相应时段内累计平均降水或平均年均温或年平均辐射量；i表示样本数。

式中，Rxy,z表示一阶偏相关系数，表示剔除变量z的影响，变量x、y的相关关系；Rxy、Rxz、Ryz分别表示变量 x、y，变量 x、z，变量 y、z的单相关系数。

式中，Rxy,zw表示二阶偏相关系数，是剔除变量z、w的影响之后，变量x与变量y的相关性大小；Rxy,z、Rxw,z、Ryw,z分别表示变量x与变量y、变量x与变量w和变量y与变量w的一阶偏相关系数。

1.3.3 多元线性回归

本研究采用多元线性回归的方法研究植被变化中的气候影响机制。将研究区的归一化植被指数（NDVI）与年均温、年累计降水以及总辐射量进行多元回归分析，分析年均温、年累计降水和总辐射量对净初级生产力的共同影响，通过标准化的多元线形回归方程分析三者各自对净初级生产力的影响程度。多元线性回归方程表示如下：

式中，NDVIc为年均归一化植被指数（NDVI）；T、P、R分别为年均温、年累计降水、年总辐射量；bt、bp、br、b0分别对应年均温、年累积降水、年总辐射量和常数项的回归系数，在本文中为年均温、年累计降水和年总辐射量对年均NDVI变化趋势的相对影响程度。回归方程的复相关系数R2表示气候因素（年均温、年累积降水和年总辐射量）对年均NDVI年际变化的解释能力。

1.3.4 残差趋势分析

本文通过建立NDVI与气温、累积降水、辐射的回归模型，逐栅格基于温度、累积降水以及辐射线性回归方程的预测值为气候控制的部分，表示为NDVIC；以遥感NDVI为实际值（NDVIA），实测值与NDVIC间的残差，推定为人类活动所贡献的部分（NDVIH），NDVIH为正，表示人类活动对植被生长产生正影响，生态环境得到改善，反之则认为人类活动对植被产生负影响，加剧植被退化。具体计算公式如下：

2 结果与分析

2.1 植被NDVI的时空变化特征

2000－2017年环江地区植被 NDVI在 0.48-0.61之间波动，整体呈波动增加趋势，并通过显著性检验，增长速率为0.4% a-1，多年平均NDVI为0.55，年际间差异较小，空间差异明显（图2a，图3a）。空间格局上，环江地区年均NDVI大部分区域的NDVI在2000-2017年呈增加趋势，占整个区域的87%左右，这些地区NDVI植被指数上升、植被盖度提高，植被状况有较大改善（图2b）。环江中部以及东北部、西北部的部分地区年均 NDVI增加趋势最为明显；但是，在环江的东北地区的林地，生长状况并没有改善，年均NDVI呈减少趋势，且部分地方呈显著性或极显著性下降。全区东南部和西南角呈显著性或极显著性增长，以上地区植被覆盖已经形成明显的增加趋势，环江中部、东北部和西北角虽然呈增加趋势，但是不显著（图2c）。年均 NDVI高的区域主要在环江的东北部和西北部，植被覆盖较好，从植被类型和高程划分上普遍属于高海拔地区，植被类型以森林为主（图 1）；而低年均NDVI的区域主要位于环江以南，这些地区植被覆盖类型以人工表面和农田为主。

从时间尺度上看，2000-2017年环江地区主要植被类型NDVI整体上均呈现增加趋势，但改善情况不同（图 3）。其中森林的改善情况最好，其年均NDVI增加趋势最明显，增加速率为0.45% a-1，高于环江全区年均NDVI的增长速率，草地的年均NDVI增长速率与环江全区的年均NDVI增长速率持平，农田的年均NDVI增长速率则略小于环江全区的年均NDVI增长速率。在环江地区主要植被类型中，森林的 NDVI均值略大于环江全区的年均NDVI，为 0.57，草地的年均 NDVI略小于环江全区的年均NDVI，为0.54，农田的年均NDVI小于环江全区的年均NDVI，为0.51。

图2 环江2000-2017年均NDVI（a）、NDVI变化趋势（b）及NDVI变化趋势显著性（c）的空间分布Fig. 2 Spatial distribution of NDVI (a), NDVI trend (b) and NDVI trend significance (c) in Huanjiang from 2000 to 2017

图3 2000-2017年环江年均NDVI（a）及主要植被类型（森林（b）、草地（c）、农田（d））年均NDVI变化图Fig. 3 Annual NDVI (a) and annual NDVI changes of main vegetation (forest (b), grassland (c), farmland (d)) in Huanjiang from 2000-2017

2.2 气象因子的时空变化特征

2000-2017年间，环江地区除年累积降水外，年总辐射量和年均温均呈现下降趋势，年均温减少不明显，基本持平，但均不显著（图 4）。2000-2017年，研究区年总辐射量在 11877-1992 mJ·m-2·a-1之间，下降趋势明显，减少速度为 8.47 mJ·m-2·a-1。空间上看，整个研究区的辐射量变化呈减少趋势，56%的区域辐射量减少趋势在 6-10 mJ·a-1，占比最大（图5）。年累积降水量在1306-1805 mm之间，总体呈明显增加趋势，增加速度为8.38 mm·a-1（图4b）。在18 a间，降水量由西北部逐渐增加，96%的地区呈现增加趋势，在这些区域，年均增加量在10-13.3 mm区间的区域最大，年均增加量在5-10 mm区间的区域次之（图5e）。年均气温在 11-22 ℃之间，时间尺度上呈缓慢减少，减少速度为0.031 ℃·a-1。环江地区温度变化不大，环江东部地区温度呈增加趋势，西部地区呈减少趋势占全区的64.4%（图5f）。

图4 2000-2017年环江气象因子辐射（a）、年累计降雨量（b）、年均温（c）时间分布Fig. 4 Time distribution of meteorological factor radiation (a), annual accumulated rainfall (b) and annual mean temperature (c) in Huanjiang from 2000 to 2017

图5 2000-2017年环江地区气象因子空间分布及变化趋势Fig. 5 Spatial distribution and trend of meteorological factors in Huanjiang from 2000 to 2017

环江区域的气候变化较为清晰，在2000-2017年，环江整个区域辐射量减少，东部偏北地区温度、降水均呈增加趋势的，这些区域是朝“暖湿化”发展的。在环江的南部偏西部地区，降雨呈下降趋势，温度呈增加趋势，这些区域是朝“湿冷化”发展。

2.3 NDVI与气候因子关系

2.3.1 气候因子对NDVI的影响

为了进一步分析气象因子对年均 NDVI的影响，采用偏相关分析方法分析累积降水、温度和辐射等气象因子对环江区域年均NDVI的影响，得到结果如图6所示。利用ArcGIS对像元进行统计分析，得出年均NDVI与统计时段内累积降水、平均气温和辐射的平均偏相关系数分别为-0.06、0.45、0.14。总体上，环江区域年均NDVI在该统计时段内与温度、辐射呈正相关，与累积降水呈负相关，且与平均气温关系最为密切。

图6 环江2000-2017年均NDVI与辐射（a）、降水（b）、温度（c）的偏相关系数的空间分布Fig. 6 Spatial distribution of partial coefficient of NDVI and radiation (a), precipitation (b) and temperature (c) in Huanjiang from 2000 to 2017

由图6a可知，研究区内56%的地区NDVI与辐射呈正相关。其中，偏相关系数在0-0.3之间的区域占比最大，达到了 41.8%；偏相关系数在 0.3-0.5之间的区域占11.8%；偏相关系数在0.5-0.8之间的区域主要集中在环江东北部，这些地区海拔高，受辐射影响最大，而同期NDVI也呈上升趋势（图3，图5）。在环江西南部和东南部分地区辐射与NDVI间呈负相关，即随辐射量增加，NDVI呈降低趋势。

由图6b可知，研究区内62.5%的地区与降水呈正相关，偏相关系数在-0.3-0.3之间的区域占比最大，达到了82.3%，表明研究区NDVI与累积降水关系微弱。环江西北角和东南角地区，NDVI与累积降水的偏相关系数小于-0.5。环江南部以及部分高山地区的偏相关系数大于0.5，这些地区的NDVI随降水量的增加而增加（图 3，图 5）。对于相关系数较低的地区而言，植被覆盖复杂，农林交错，人类活动对植被生长影响很大。

由图6c可知，研究区内97.3%区域与温度呈正相关，其中偏相关系数在0.3-0.5之间的区域占比最大，为40.5%，偏相关系数在-0.3-0.3之间占比为39.6%。偏相关系数大于0.5的区域主要集中在环江东北部（图 3，图 5），而环江中部、东南少部分地区与温度呈现负相关（图6c），这些地区的植被生长随着温度的升高而退化。

2.3.2 气候因子对NDVI的共同影响

在像元水平以多元线性回归方法，分析 2000-2017年时段年均NDVI受年总降水、年均气温和年总辐射三者综合的气候影响，将多元线性回归模型得到的温度、降水和辐射的消除了量纲的标准化回归系数，按红蓝绿3个波段合成，得到研究区气候因子对植被综合影响空间分布（图 7）。整体来看，环江地区年均NDVI对温度的变化最敏感，辐射、降水次之（表 1）。具体而言，环江北部地区温度的变化对年均NDVI的影响最大，环江南部区域辐射和温度共同作用对年均NDVI的影响更大，但是南部偏东地区辐射影响更大，环江中部地区降水的变化对年均NDVI的贡献最大。

环江西北部的部分地区多元线性回归模型达到了极显著水平（P＜0.01），东北部部分地区多元线性回归模型达到了显著水平（0.01＜P＜0.05）。8.5%的地区通过了显著性检验（P＜0.05），这些地区气候因子对NDVI的解释程度较高，在0.3-0.5之间；另外，研究区约16.1%的地区以90%以上的置信度认为，气候可以解释44%的NDVI变化。

图7 环江地区2000-2017年植被年均NDVI与气候因素（气温、降水和辐射）间标准化回归系数（a）、复相关系数（b）以及显著性（c）的空间分布Fig. 7 Spatial distribution of climate factors on annual NDVI of vegetation (a), interpretation degree (b) and significance (c) in Huanjiang from 2000 to 2017

表1 研究区及主要植被生态系统多元线性回归原始系数、归一化系数、负相关系数及显著性水平Table 1 Primitive coefficient, normalized coefficient, negative correlation coefficient and significance level of multiple linear regression in the study area and main vegetation ecosystems

2.3.3 气候因子对主要植被类型的NDVI的影响

在像元水平以多元线性回归方法，分析 2000-2017年时段年均NDVI受年总降水、年均气温和年总辐射三者综合的气候影响，将多元线性回归模型得到的温度、降水和辐射消除了量纲的标准化回归系数，按红蓝绿3个波段合成，得到研究区气候因子对植被综合影响空间分布（图 8）。不同的植被类型年均NDVI的气候响应机制不同（图9），但植被覆盖与气候的时空响应特征与研究区域的气候变化和地形概况相一致。

图8 2000-2017年环江地区气候因素对森林年均NDVI（a）、草地年均NDVI（b）、农田年均NDVI（c）的影响空间分布Fig. 8 Spatial distribution of climate factors affecting annual average NDVI (a) of forest, grassland and farmland in Huanjiang from 2000 to 2017

图9 主要植被类型的植被年均NDVI与气候因素（气温、降水和辐射）间复相关系数以及通过显著性检验的百分比Fig. 9 Multiple correlation coefficients between annual NDVI and climatic factors (temperature, precipitation and radiation) and percentage of vegetation passing significance test for major vegetation types

环江森林面积广阔，气候因素对森林生态系统的平均解释度为0.32，主要受温度、辐射影响较为明显（表 1）。南部、北部地区森林的年均 NDVI主要受温度和辐射影响，但是偏东地区受辐射影响更明显，环江中部和南部少部分地区受降水影响明显（图8a）。环江南部地区绝大部分气候因子的解释度在0.1-0.3之间，占森林区域的43.3%；在环江东北部地区，气候因素对森林年均NDVI的解释度较高，大部分在0.5-0.7之间，部分区域达到了0.7以上。5%左右的地区多元线性回归模型达到了极显著水平（P＜0.01），9.6%的地区通过了显著性检验（P＜0.05），气候可以解释45.4%的森林NDVI变化。

气候因素对草地生态系统的平均解释度为0.47，主要受温度、降水的影响，且降水为负影响（表1）。气候因素对草地年均NDVI的解释度绝大部分在0.3-0.5之间，占全区的45.2%，解释度较低。21.1%的地方多元线性回归模型达到了显著水平（P＜0.05），极显著区域占5.4%。35.5%的草地有 90%的把握认为气候可以解释 47.4%的草地NDVI变化。

气候因素对农田生态系统的解释度偏低，为0.25，受温度影响最明显（表 1）。环江南部和西北部地区年均NDVI的变化受温度影响明显，东部地区主要受降水和辐射的共同影响，中部偏西地区则主要受降水的影响（图8c）。气候因素对农田年均NDVI的解释度普遍较低，主要集中在0.1-0.3之间，另外，解释度小于0.5的区域占95%。只有5.3%的区域多元线性回归模型达到了显著水平（P＜0.05），约 11%的地区以 90%以上的置信度认为，气候可以解释44.2%的农田NDVI变化。

2.3.4 人为因素对NDVI的影响

通过分析NDVI对气候变化的响应发现气候因素对NDVI的影响很有限，为进一步探究除气候因素以外的人为因素对环江地区植被NDVI影响，采用残差分析法计算得出2000-2017年NDVI残差值及其变化趋势（图10）。残差值趋于0，表明该区域植被生长与气候因素相关性显著；残差值越大，表明该区域植被生长主要受气候以外的人为干扰因素影响越大。残差值为正且越大反映植被生长受人类活动干扰趋于改善，残差值为负且越小反映植被生长受人类干扰呈劣变趋势。从空间上看，在2000-2017年间，整个环江地区残差值均很大，表明该区域NDVI受气候因素影响较小，与上文的分析相符。全区69%的区域NDVI残差呈正向增加，NDVI残差的持续增加表明这些地区植被的生长不能仅仅用气候变化来解释，在很大程度上体现了人类活动的影响，且人类活动主要对这些区域植被的增加起作用，其余区域NDVI残差为负值说明这些地区的人类活动阻碍了植被生长。环江中西部人类活动对植被的影响在逐渐减弱，而其余地区人类活动对植被的影响在逐渐增强（图10）。

图10 2000-2017年环江植被NDVI的残差值（a）、残差变化趋势（b）Fig. 10 Residual (a) and residual trend (b) of NDVI in Huanjiang from 2000 to 2017

3 讨论与结论

3.1 讨论

环江地区植被生长趋势在年际上向好发展，NDVI呈增长趋势，与其他研究结果一致（郑朝菊等，2017；韦振锋等，2013）。空间上，研究区87%的NDVI呈增长趋势，NDVI呈减少趋势的地区主要分布在环江东部，这些地区本身降水充足，过多的降水反而会抑制植被的生长（王军邦等，2009；王琳等，2010；杨艳蓉等，2013）。

温度、辐射与年均NDVI呈正相关，累积降水与年均NDVI呈负相关，这是因为研究区水量丰富，在降水量过度饱和的情况下，土壤水分长期处于饱和状态，其根和土壤微生物会因为过量的水分而受到供氧限制，生物活性大大降低。另外，过量的降水形成地表径流，使易受淋溶作用的关键营养物质（N、P等）从生态系统中流失，间接对植被生长造成胁迫（Austin et al.，1998；Chapin et al.，2002）。温度对年均NDVI的影响最大，对雨量充沛的环江地区而言，温度在一定程度上是决定植被生长的最主要因素，这与前人对该地区植被与气候的研究得出的结论相一致（周金霖等，2017；韦振锋等，2013；熊小菊等，2018；蒙吉军等，2007）。环江地区辐射对植被生长的正作用大于降水的负作用（Wang et al.，2017），分析认为可能是受东亚季风影响，经常出现重云，导致植被的生长受到太阳辐射的限制（Zhang et al.，2014）。空间上，环江东北部年均NDVI与温度呈现正相关且指数较高（偏相关系数＞0.5），这是因为这些地区年均NDVI随着温度的上升而上升，加上这些地方海拔大部分在1000 m以上，本身温度相对较低，因此，热量成了植被生长的主要限制因素。而环江中部、东南部少部分地区年均NDVI与温度呈现负相关，这些地区的植被生长随着温度的升高而退化，这是由于该区域本身温度较高，温度升高超过植被生长的最适温度时，会使植被的净光合作用减弱从而阻碍植被生长；另一方面，该地区温度偏高，辐射较强会加速地表蒸散发，降水又少导致水分不足，因此，温度会对这些降水较少的地区的植被生长起到抑制作用（罗敏等，2017）。环江东北部NDVI与辐射呈现正相关且指数较高（偏相关系数在0.5-0.8之间），与温度类似，这些地方大部分位于高海拔地区，辐射量偏低限制了植被生长。而在环江西南部和东南部分地区NDVI与辐射量呈现负相关，即这些地区的植被生长会随着辐射量的升高而退化，分析认为若其他外界条件适宜，辐射量增加会使植被的净光合作用增强，促进植被生长，但这些地区辐射量呈下降趋势。在环江西北角和东南角地区，NDVI与累积降水呈负相关且指数较大，降水量较整个区域偏低，即在这些区域降水是植被生长的主要限制因素，降水量直接影响该区域的植被覆盖（王军邦等，2009；王琳等，2010；杨艳蓉等，2013）。对相关系数较低的地区而言，植被覆盖复杂，农林交错，在人力灌溉农田的同时，也打破了降水和植被间的自然平衡规律。

空间格局上，气候因素对农田、森林、草地等主要植被类型的解释度分别为 25%、32%、47%，通过显著性检验的比例分别为5.3%、21.1%、9.6%，气象因素植被类型对气候的响应与区域的气候影响机制一致（张勇荣等，2017）。气候因素对农田NDVI的解释度和显著性都很低，这是因为农作物的生长不仅受气候因素影响，人类在种植农作物期间的其他行为如喷洒农药、灌溉等也会影响农作物的生长。森林生态系统较稳固，受人类活动影响较小，但是研究区有较大面积的地区是农林交错地带，农作物可能会在小范围内影响气候因素（郭磊等，2018），因此，气象因素对森林NDVI的解释度较低。

植被覆盖度变化不仅受气候因素的影响，其他因素对植被覆盖的影响也不可忽视。通过分析气候因素对年均NDVI的影响情况，发现气候因子对该地区年均NDVI的解释度绝大部分在0.1-0.5之间（解释度较低），尤其在人类活动较频繁的地区，气候因素对植被年均NDVI的解释度普遍偏低，而除气候因素以外的人类活动促进该地区 69%的植被生长，表明该地区其他因素对年均NDVI的影响大于气候对年均NDVI的影响，本文计算得出的残差也印证了这个结论。分析认为可能是退耕还林还草工程过程中人工植被的数量远超过自然植被，由于人类活动对人工植被生长的干预导致人工植被对气象因子的响应远不如人类活动明显（成方妍等，2017；Cai et al.，2017；吕妍等，2018）。但这一结果与同属河池市的九万山的结果不一致（张艺成等，2016），该研究认为气候变化对九万山植被生长有着直接的影响，且受到降水影响强于气温。分析认为两者结果不一致的原因是九万山属于国家级自然保护区，受人类活动影响很小，因此，气象因素对植被生长状况影响较大。

NDVI变化及其在空间上的差异性是一个自然和人类活动交互作用的过程，本研究也存在一定的局限性。一方面，本文仅分析了 18年的数据，样本点较少，缺少环江地区NDVI实测数据来佐证，且气象数据是由全国的气象数据截取所得，可能未能很好地反映环江地区的气候变化情况。另一方面，NDVI数据虽然简便又常用，但也有其局限性，对有大量森林覆盖的环江地区而言，并不能完全反映出该地区的植被生长情况，植被覆盖数据受分辨率和年份的影响，也无法动态体现环江地区的植被覆盖的变化。另外，本文虽然计算了除气候因素以外的其他因素的影响，但并没有具体分析到底是人类活动和相关政策（如退耕还林还草工程），亦或是地形或者其他因素对NDVI的影响更大，以及其是如何对NDVI产生影响的，主要是由于人类活动强度难以定量化，但这是我们今后要研究的一个重点问题。

3.2 结论

本文采用趋势分析、偏相关分析以及多元回归分析等研究方法，利用 2000-2017年 MOD09Q1数据和气象数据，研究了环江地区年均 NDVI、主要植被类型年均NDVI的时空变化趋势，温度、累积降水、辐射这3个气候因素的时空变化趋势以及气候因素与年均NDVI的相关关系，得出以下结论：

（1）时间尺度上，近18年来环江地区植被总体呈现改善趋势，增速为0.4% a-1。空间上，87%的区域NDVI呈增长趋势，NDVI呈减少趋势的地区主要分布在环江东部，少部分在环江南部。

（2）2000-2017年间，温度、累积降水、辐射等气候因素可以解释研究区内8.5%的NDVI变化，分别可以解释农田、森林、草地等主要植被类型5.3%、9.6%、21.1%的NDVI变化。

（3）除气候因素外，人类活动促进该地区69%的植被生长，且比气候因素更能影响环江地区的NDVI。