植被作为陆地生态系统中的重要组成部分，它是联结地球各圈层的纽带，是全球变化研究中的“指示器”^[1]。其变化在生态系统物质循环和能量流动中具有重要作用^[2]。植被的变化研究是全球变化研究的热点问题之一^[3-4]，它是反映生态环境的重要指标。气候变化是影响植被分布和变化的主要非生物因素^[5-6]，气温和降水可以调节植被的生理作用从而影响植被的生长状况^[7]。在全球气候变暖的背景下，陆地生态系统发生改变，植被的生长状况，包括生长类型和分布等也会发生改变^[8]。植被动态变化表现出植被对气候变化的响应，它是生态环境变化的直接结果^[6]。近年来，植被覆盖的变化也记录着人类活动的烙印，人为对土地利用方式的改变直接影响植被数量和分布格局的改变，植被覆盖变化是气候变化和人类活动共同作用的结果^[9]。因此，研究监测植被覆盖的时空变化规律，确定其与气候变化和人类活动的关系，对调节生态系统和改善生态环境具有重要的作用。

归一化植被指数(NDVI)作为指示植被生长状况的植被指数之一，能够较好地监测植被覆盖的变化^[10-11]。国内外学者利用不同遥感数据源，基于NDVI在不同时空尺度上监测植被覆盖的动态变化以及气候因子对其响应，在非洲^[12]、北美^[13]和中国西北^[14-15]、华北等^[16]地都取得了一系列研究成果，植被覆盖变化对气候响应存在较好的线性关系，在不同的地区对各气候因子表现出不同的敏感性。人类活动对植被变化的影响在三江源^[17]、秦岭等^[18]地区也进行了定量分析，人类活动在短时间尺度内对植被覆盖变化作用较大，植被覆盖变化是人类活动和气候变化叠加的结果，不同人类活动对植被覆盖变化的表现结果存在差异。由此可见，植被覆盖对气候和人类活动的响应较好，但因时因地而异。

贵州省地处中国西南地区，喀斯特发育，生态环境脆弱，石漠化现象严重^[19]。为恢复区域生态，贵州省自2000年以来实施开展了一系列生态治理项目，植被覆盖是体现当地生态环境质量的重要指标。因此在全球气候变化和生态治理背景下，厘清贵州省植被覆盖变化规律以及气候变化和人类活动对其影响具有重要现实意义。目前已有研究中对贵州省植被覆盖与气候因子相关分析以单一尺度为主^[20-21]，且人类活动的影响多为定性描述^[22]，造成不能定量分析人类活动对植被覆盖的作用。因此本文以像元为尺度，利用MODIS-NDVI和气象数据，研究在不同时间尺度上气候变化与植被覆盖的关系，定量分析人类活动的影响，探讨气候变化和人类活动对植被覆盖的贡献度，以加深植被—气候—人类活动三者关系的认识，为喀斯特生态修复建设提供参考。

1 研究方法与数据来源 1.1 研究区概况

贵州省位于中国西南地区，地处103°36′—109°35′E，24°37′—29°13′N，毗邻四川、重庆、广西、云南和湖南省，全省面积约1.76×10⁵ km²(图 1)。贵州属于亚热带湿润季风气候，年降水量为800~1600 mm，降水季节分配不均，夏季降雨集中，且多以暴雨形式出现，年平均气温为15 ℃左右。省内地势西高东低，地形以丘陵和山地为主，平均海拔在1 100 m左右。贵州处在长江和珠江两大水系上游交错地带，属于高原山区，植物种类较丰富，植被类型比较多，其中针叶林是省内分布最广的植被类型，地带性植被为常绿阔叶林。贵州省为首批全国生态文明试验区，2018年底贵州省森林面积达到1.00×10⁷ hm²，森林覆盖率为57%。贵州省喀斯特地貌发育，面积占全省总国土面积的61.9%，因此生态环境脆弱且易受到破坏，保护和提高植被覆盖对改善全省生态环境十分重要。

1.2 数据来源及预处理

遥感数据来源于NASA(https://ladsweb.modaps.eosdis.nasa.gov)提供的MODIS/Terra卫星遥感产品MOD13A1，空间分辨率为500 m×500 m，时间分辨率为16 d。数据选取编号为h27 v06的影像，时间选取为2001年1月至2018年12月。每年为23景影像，共计414景影像数据。用MODIS Reprojection Tools工具对MODIS-NDVI波段进行提取、投影和格式转换。HDF文件转换为TIFF栅格文件，将Sin坐标转换为WGS 84地理坐标/Albers Equal Area投影坐标。利用贵州省行政区划完成裁剪，并采用国际通用的最大合成法(MVC)合成月值数据^[23]，年数据采用均值数据。NDVI值范围为(-1, 1)，正值表示有植被覆盖，且覆盖度随着数值增大而增加^[24]。

气象数据来源于气象科学数据中心(http://data.cma.cn)，共包括31个气象站点，获取气温和降水的月值和年值数据。利用反距离插值法(IDW)进行空间差值，重采样成与MODIS-NDVI数据相同的空间分辨率，并根据贵州省矢量边界进行裁剪。

土地利用分类数据来源于中科院资源环境科学数据中心(http://www.resdc.cn)，利用中国2000年和2018年土地利用遥感监测数据提取出贵州省19 a间未变化土地利用分布图，并合并成耕地、林地、草地和其他用地。

1.3 研究方法 1.3.1 线性趋势分析

时间序列数据利用一元线性回归分析可以逐像元模拟NDVI随时间变化的速率^[10]。计算公式为：

$ {\rm{ slope }} = \frac{{n \times \sum\limits_{i = 1}^n i \times {x_i} - \sum\limits_{i = 1}^n i \sum\limits_{i = 1}^n {{x_i}} }}{{n \times \sum\limits_{i = 1}^n {{i^2}} - {{\left( {\sum\limits_{i = 1}^n i } \right)}^2}}} $

(1)

式中：slope表示线性趋势斜率；n为时间序列的长度；x_i表示第i年的NDVI值。其中slope的值域为[-1, 1], 若slope>0，则表示相关要素随时间变化呈现增加趋势; 若slope<0，则表示相关要素随时间变化呈现减少趋势。

趋势的显著性一般采用F检验，显著性检验仅仅表示变化趋势的置信程度，与变化趋势的速度无关^[3]。计算公式为：

$ F=U \times \frac{n-2}{Q} $

(2)

$ U=\sum\limits_{i=1}^{n}(\hat{y}-\bar{y})^{2} $

(3)

$ Q=\sum\limits_{i=1}^{n}\left(y_{i}-\bar{y}\right)^{2} $

(4)

式中：F表示统计量；U表示误差平方和；Q表示回归平方和；y_i表示第i年NDVI的实际值, $\hat y $ 表示第i年的回归值，$\overline y $ 表示多年NDVI的平均值；n表示时间序列的长度。根据检验结果，可以将趋势变化分为6个等级: 极显著增加(slope>0, p<0.01)；极显著减少(slope<0, p<0.01)；显著增加(slope>0, 0.01≤p<0.05)；显著减少(slope<0, 0.01≤p<0.05)；不显著增加(slope>0, p≥0.05)；不显著减少(slope<0, p≥0.05)。

1.3.2 偏相关分析

简单相关系数可以用来描述两个变量间的相关程度^[25]。计算公式为：

$ {r_{xy}} = \frac{{\sum\limits_{i = 1}^n {\left( {{x_i} - \bar x} \right)} \left( {{y_i} - \bar y} \right)}}{{\sqrt {\sum\limits_{i = 1}^n {{{\left( {{x_i} - \bar x} \right)}^2}} \sum\limits_{i = 1}^n {{{\left( {{y_i} - \bar y} \right)}^2}} } }} $

(5)

式中：r_xy表示x, y两要素的简单相关系数；x_i, y_i分别表示第i年x, y的实际值；$\overline x ,\overline y $ 分别表示x, y多年的平均值；n为时间序列的长度。r的值域为[-1, 1], 若r>0, 则表示x, y两要素呈正相关, 若r<0, 则表示两者呈负相关。

偏相关分析表示两个要素同时与第3个要素存在相关性时，剔除第3个要素考虑另外两个要素的相关性，可以用偏相关系数表示。计算公式为：

$ R_{x y z}=\frac{r_{x y}-r_{x z} r_{y z}}{\sqrt{\left(1-r_{x z}^{2}\right)\left(1-r_{y z}^{2}\right)}} $

(6)

式中：R_xyz表示剔除z要素后x, y的偏相关系数；r_xy, r_xz, r_yz分别表示要素x和要素y，要素x和要素z，要素y和要素z之间的简单相关系数。R值域和表示意义同r相同。对相关系数的检验通常采用t检验。计算公式为:

$ t=\frac{R_{x y z} \sqrt{n-m-1}}{\sqrt{1-R_{x y z}^{2}}} $

(7)

式中：t表示统计量；R_xyz表示要素x和要素y的偏相关系数；n表示样本数量；m表示自变量数量。根据检验结果, 可以将偏相关性分为6个等级: 极显著正相关(R_xyz>0, p<0.01)，极显著负相关(R_xyz<0, p<0.01)，显著正相关(R_xyz>0, 0.01≤p<0.05)，显著负相关(R_xyz<0, 0.01≤p<0.05)，不显著正相关(R_xyz>0, p≥0.05)，不显著负相关(R_xyz<0, p≥0.05)。

1.3.3 残差分析

残差分析法是建立气候因素和NDVI相关性的回归模型，分离出气候对植被生长的响应部分^[26-27]。在不考虑其他非主要决定因素影响下，通过模型得到的NDVI模拟值与真实值的残差，是除气候之外的其他因素对植被生长的影响，可以主要解释为人类活动对植被生长的影响^[17]。计算公式为：

$\sigma_{i}=\mathrm{NDVI}_{i}-\mathrm{NDVI}_{i}^{\prime} $

(8)

式中：σ_i为为第i年的残差值；NDVI_i为第i年NDVI的真实值；NDVI_i^′为基于气候回归模型计算出的模拟值。人类活动和气候变化对植被的贡献度^[28]见表 1。

2 结果与分析 2.1 NDVI时空变化分析 2.1.1 NDVI时间变化特征

利用一元线性回归对贵州省2001—2018年NDVI均值进行趋势分析(图 2)。NDVI呈显著增长趋势，增长速率为0.005 3/a(R²=0.608，p＜0.01)。植被生长大致可以分为4个阶段：①2001—2006年植被覆盖处在较低水平，其中2001年为NDVI最低值0.54；②2007—2010年植被覆盖增加且NDVI值稳定在0.6附近；③2011—2012年植被覆盖明显降低；④2013—2018年植被覆盖处在较高水平，2015年为NDVI最大值0.64。整体而言，贵州省18a来植被生长状况得到明显改善。

2.1.2 NDVI空间变化特征

图 3a为贵州省2001—2018年NDVI均值空间分布，植被覆盖表现出“中部西北部低、东南部高”的空间格局。其中高值区集中分布在黔东南州、铜仁市江口县北部、遵义赤水市和黔西南州东南部，低值区主要分布在毕节市威宁县、贵阳市北部和遵义市红花岗区。可以发现植被覆盖高的区域分布在丘陵，且多为非喀斯特地区；植被覆盖低的区域多分布在高原山地和城镇较发达地区。

趋势分析结合F检验得到NDVI空间变化趋势分布(图 3b和表 2)。发现NDVI增加趋势面积占研究区域的95.176%，远大于减少趋势面积(4.824%)，空间上NDVI增长趋势明显。植被覆盖增加区域分布在贵州省大部分地区，其中极显著增加(52.803%)和显著增加(16.803%)主要分布在贵州省西部以及东北部小部分地区，包括毕节市、六盘水市、安顺市、黔西南州、铜仁市沿河土家族自治县、贵阳市清镇市和修文县、黔南州罗甸县和长顺县。NDVI减少区域集中分布在黔中和黔东南地区，包括贵阳市南部、黔东南州雷山县和施秉县、黔南州都匀市、铜仁市江口县、安顺市区和遵义市遵义县。

对比图 3a，高植被覆盖区NDVI增长趋势不明显甚至出现减少趋势，黔东南州中部表现最为明显，原因可能是城市建设占用了原生态用地，破坏了原有植被；除黔中地区外，低植被覆盖区NDVI增长趋势以极显著和显著增加为主，毕节市、安顺市北部和黔西南州表现最为明显，原因可能是该地区原生态环境较差，水土流失严重，较高的海拔限制了水热条件的分配，不利于植被生长，近年来生态项目的开展使得植被覆盖明显增加。

2.2 NDVI对气候变化的响应 2.2.1 年尺度NDVI对气候变化的响应

如图 4a所示，贵州省2001—2018年平均气温呈不显著增长趋势，增长速率为0.018 7 ℃/a(R²=0.073，p＞0.05)，多年平均值为16.124 ℃；年累计降水呈不显著增长趋势，增长速率为6.817 mm/a(R²=0.067，p＞0.05)，多年平均值为1 161.11 mm。根据年平均气温和累计降水变化趋势，贵州省气候正在向暖湿方向发展。

为了定量分析NDVI与气候的关系，对NDVI分别与平均气温和累计降水进行逐像元偏相关分析(图 4b，4c)。NDVI与气温和降水的偏相关性在空间分布上存在明显差异。NDVI与气温的偏相关系数范围为-0.775~0.934，均值为0.402，其中正相关面积占研究区域的96.60%，以不显著正相关(57.40%)为主。其中极显著正相关(17.22%)和显著正相关(21.98%)主要分布在毕节市东部、遵义市西部、铜仁市思南县、黔南州北部和南部，这些地区年降水量相对少，其对气温的降低作用弱，温度的增加有利于植被生长；负相关(不显著负相关3.40%)集中分布在遵义市正安县、六盘水市盘山县、黔西南州兴义市、贵阳市市区、黔南州和黔东南州交界中部地区，气温抑制植被生长作用不明显。NDVI与累计降水的偏相关系数范围为-0.768~0.914，均值为0.231，其中正相关面积占研究区域的83.77%，同样以不显著正相关(67.92%)为主。其中极显著正相关(5.15%)和显著正相关(10.70%)主要分布在毕节市部分地区，高海拔地区气温降低，降水成为主要影响因素，降水的增加促进植被生长；负相关(不显著负相关16.23%)集中分布在遵义市中部、铜仁市中西部和黔南州中南部，这部分地区以林地为主，降水的增多使得该地区辐射降低^[29]，限制了植被生长。整体上NDVI与气温和降水呈正相关，气温是影响研究区植被生长的关键因素。

2.2.2 月尺度NDVI对气候变化的响应

进一步分析月尺度上NDVI与气候的关系。植被生长受水热变化影响，同时植物生长对气候的响应存在一定的滞后性^[23]。对贵州省多年逐月NDVI值与当月(3—12月)、前1月(2—11月)与前两月(1—10月)平均气温和累计降水进行偏相关性分析(图 5)，并对偏相关系数和正相关面积进行了统计(表 3)。由图 5和表 3可知，NDVI与当月、前1月和前两月的气温和降水偏相关系数范围差别不大，NDVI与两者相关性均以正相关为主。比较平均偏相关系数，一方面月尺度NDVI与气候的相关性高于年尺度，原因可能是气候月变化明显，植被生长对不同月份水热条件的变化敏感；另一方面NDVI与当月气温的偏相关系数最大(0.657)，与前1月的降水偏相关系数最大(0.594)，植被对当月气温和前1月降水表现最敏感。从正相关面积及其显著性来看，NDVI与当月气温显著正相关面积最大，与前1月降水显著正相关面积最大，结合偏相关系数数值大小，说明植被对气温响应没有明显滞后性，对降水存在一个月的滞后性。降水渗透到土壤中供给植被生长需要一定的时间，NDVI的改变过程相对缓慢^[30]，植被对降水存在滞后性。

为了更直观地看出植被滞后性的空间分布，将NDVI与当月、前1月、前两月的气温和降水偏相关系数进行逐像元比较(仅考虑数值大小)，得到滞后空间分布结果(图 5)。研究区域的85.84%NDVI表现出对气温没有表现出滞后性(图 5g)，61.51%表现为NDVI对降水存在一个月滞后性(图 5h)，主要分布在毕节市东部、遵义市西部、六盘水市和黔西南州。

2.3 NDVI对人类活动的响应

除了气候条件外，人类活动也是影响植被覆盖的重要因素。利用残差分析确定人类活动对NDVI的影响。考虑到NDVI对气候的滞后性，选取同期NDVI和气温与前1月降水作二元一次回归分析，得到只有气候影响的NDVI模拟值，模拟值与真实值之间的残差即为人类活动的影响。

图 6a为为贵州省2001—2018年残差变化趋势，趋势显著增加，增加速率为0.004/a(R²=0.682，p＜0.01)。人类活动对NDVI影响大致可以分为4个阶段：①2001—2005年残差值较低，2001年为最低值0.006，人类活动对植被覆盖影响较小。②2006—2008年残差值增加较显著，人类活动对植被覆盖影响增强。③2009—2012年残差值明显减少，人类活动对植被覆盖影响减弱。④2013—2018年残差值较大且趋于稳定(除2014年外)，2013年为最高值0.09，人类活动对植被覆盖影响明显。整体来看，自2001年以来，人类活动一直有利于植被覆盖增加，且作用一直在增强。

图 6b为残差空间变化趋势，其中变化趋势为正值面积占研究区域的87.05%，主要分布在遵义市北部和西部、毕节市、六盘水市、安顺市南部、黔西南州东部和贵阳市北部，这些地区人类活动有利于植被生长，主要表现为生态工程的实施。变化趋势为负值面积占研究区域的12.95%，主要分布在贵阳市南部、安顺市北部、黔东南州北部和毕节市南部，这主要是由于城市建设导致的植被覆盖减少。可见，人类活动对植被生长作用是双向的，且以促进作用为主。

2.4 气候变化和人类活动对NDVI贡献度

比较NDVI真实值、模拟值和残差值的趋势变化，得到人类活动和气候变化对NDVI的贡献度。整体上人类活动对NDVI贡献度为72.30%，气候贡献度为27.70%，植被覆盖受到人类活动和气候的共同影响，且以人类活动为主。

根据图 3b中NDVI的变化趋势，把人类活动和气候变化对植被覆盖的贡献度进行分类讨论，发现两者对其贡献度在空间上存在差异(图 7)。在NDVI增加区域，人类活动的贡献度为71.07%，其中对极显著增加和显著增加区域贡献度分别为84.19%和71.94%，贡献度在50%以上面积占研究区域的79.89%，主要分布在黔西南和黔北地区；气候对NDVI贡献度为28.93%，贡献度在50%以上面积占研究区域的20.11%，主要分布在黔东南地区。可以发现人类活动对植被覆盖的增加起到了主导作用，高贡献度集中分布在水土流失较严重地区。在NDVI减少区域，人类活动对NDVI贡献度为96.63%，气候贡献度为3.37%，人类活动贡献度在50%以上面积占研究区域的97.21%。

由于贵州省总体植被退化面积较小，且人类活动对其影响大，所以气候和人类活动对植被覆盖减少区域分异无明显规律，多集中分布在中部和东南部，这主要是由于城市建设造成的植被退化。对比发现人类活动对植被覆盖变化的影响强于气候作用。

3 讨论与结论 3.1 讨论

贵州省2001—2018年植被覆盖呈现出“中部西北部低，东南部高”的空间格局，与张继^[31]的研究结果一致。植被覆盖受到土壤、岩性和海拔的影响：非喀斯特地区以碎屑岩为主，且处于较低海拔，有利于植被生长；喀斯特地区多以石灰岩为主，易发生水土流失，成土速度慢，这些自然因素限制了植被生长。本文表明水热条件的改善有利于植被覆盖的增加，且温度对植被生长影响更大，这与郑友飞^[2]研究结果一致。同时，植被覆盖对气候的响应存在一定的滞后性，这可能与研究时间尺度和植被类型对水热响应的时间长短和阈值大小有关。有研究表明受地形和植被类型的差异，植被覆盖与气候的相关性在空间分布上存在差异^[22]。考虑水热条件的时空分配，因地制宜种植不同类型植被，对增强植被覆盖具有重要意义。因此，研究不同植被类型对水热条件的响应，同时考虑地形等因素的影响将作为下一步研究的内容。

贵州省植被覆盖同样受到人类活动的影响。一方面，自从2000年通过开展“退耕还林还草”，“石漠化综合治理”，“水土流失防治”等生态工程以来，贵州省生态恢复取得了一定的效益。根据残差趋势变化，人类活动对植被改善高值区域集中在贵州省西部和东北部，相关研究也表明这些地区植被覆盖明显增加。例如遵义市被列入“长治”工程治理流域，综合治理水土流失，植被覆盖增加，赤水河流域生态环境明显改善^[32]；毕节撒拉溪、关岭花江作为典型的石漠化治理示范区，通过封山育林、退耕还林还草等水土流失面积减少，林地面积增加^[33]；黔西南州作为贵州省石漠化最为集中成片的地区，进入石漠化综合防治试点县项目后，通过退耕还林、生态补偿等森林覆盖率明显上升^[34]。另一方面，城镇扩张会破坏原有植被覆盖，主要表现在黔中和黔东南地区，这与吴跃^[35]的研究一致，与贵州省的城镇面积不断扩张这一事实相符。本文对人类活动进行了定量研究，但针对不同人类活动对植被生长的作用大小并未涉及，细化人类活动对植被生长的影响值得深入探究。

3.2 结论

本文利用MODIS-NDVI时间序列数据，结合31个气象站点，利用线性趋势分析、偏相关分析、残差分析等方法，对贵州省2001—2018年植被覆盖时空变化进行了分析，探究气候变化和人类活动对植被覆盖变化的影响，主要得到以下结论：

(1) 贵州省植被覆盖表现出“中部西北部低、东南部高”的空间格局，2001—2018年NDVI增速为0.005 3/a(p＜0.01)。空间上植被覆盖增加面积远大于减少面积，其中极显著增加和显著增加面积分别为52.80%和16.80%，生态环境得到不断改善，尤其在生境脆弱地区。

(2) 植被覆盖与气温和降水之间存在相关性。年尺度上NDVI与气温和降水均以不显著正相关为主，且气温与NDVI的相关性高于降水，贵州省18 a间气候向暖湿方向发展，水热条件的改善有利于植被生长；月尺度上NDVI与气温和降水的相关性高于年尺度，植被覆盖对气温的响应不存在滞后性，对降水存在一个月滞后性，空间上61.51%的区域对降水响应存在一个月滞后性。

(3) 贵州省2001—2018年人类活动有利于植被覆盖的增加，增速为0.004/a(R²=0.682，p＜0.01)。人类活动对植被生长的贡献度为72.30%，气候贡献度为27.70%。植被生长受到气候和人类活动的共同影响，人类活动起主导作用，植被退化区对人类活动响应更强烈。