广西近15 a植被覆盖变化及其对气候因子的响应

王永锋,靖娟利

（1.桂林理工大学测绘地理信息学院，广西 桂林 541004；2.广西空间信息与测绘重点实验室，广西 桂林 541004）

植被作为陆地生态系统的主体，在全球变化研究中充当“指示器”作用[1]，是联系土壤、大气和水分的自然纽带[2]。气候是决定地球上植被类型及其分布的最主要因素,其中热量和水分是决定植被地理分布的两个主要因素[3]。植被与气候因子的相互关系研究已成为全球变化研究的重要内容[4]。遥感技术作为对地观测的一个有力工具，能够对不同空间尺度进行长时间序列动态监测，已经成为研究大范围植被变化的主要手段。归一化植被指数（Normalized Difference Vegetation Index，NDVI） 作为植被生长状况的最佳指示因子，其大小能很好地反映植被覆盖、生物量及生态系统参数的变化[5]，被广泛用于植被变化监测和植被—气候关系等研究。目前监测植被动态变化的遥感数据主要有NOAAAVHRR NDVI、SPOT VEGETATION NDVI、TERRAMODIS NDVI /EVI、LANDSAT TM/ETM + 等。

国外学者研究认为北半球高纬度地区NDVI增强与温度升高有关，而南半球NDVI下降与降水量减少相关[6]；美国中部大平原地区NDVI主要受降水量的影响[7]。国内相关研究表明：中国四季平均NDVI呈上升趋势，生长季提前是植被对气候变化响应的主要特征[8]；西北地区NDVI呈增加趋势，植被覆盖变化与年内温度和降水量的相关性显著，并且对温度和降水量的响应存在时滞[9]；青藏高原地区植被覆盖整体增强、局部退化，植被覆盖变化与同期降水量、温度均呈正相关，且具有明显的区域差异[10]；西南地区各植被类型NDVI均呈显著增加趋势，NDVI与温度存在明显正相关，而与降水量的关系不太明显[11]；东北地区地表植被沿东北-西南方向递减，植被动态变化与温度的相关系数大于与降水量的相关系数[12]；中国东部地区NDVI在全年及季节上均呈增加趋势，NDVI与温度和降水量的最大相关系数由北向南逐渐减小[13]；温度对NDVI的影响大于降水量，NDVI对温度和降水量变化响应的滞后期在不同季节具有一定的南北差异[14]。

中国西南岩溶区主要分布在广西、贵州、云南3省（区），具有生态环境脆弱，敏感度高，石漠化问题突出等特点，严重制约当地社会经济的可持续发展。在全球气候变化背景下，对该地区植被-气候关系进行研究，有利于深入了解岩溶生态系统对气候变化的响应特征。国内部分学者对该区进行了相关研究，如杨绍锷等[15]发现广西近10 a NDVI呈现稳中有升的趋势，NDVI与降水量最大相关系数为0.4-0.8，最大响应滞后2-3个月；韦振锋等[16-17]研究表明广西植被覆盖总体趋势良好，NDVI与温度的时滞相关程度强于降水量，而响应时间比降水量短。童晓伟等[18]研究认为桂西北岩溶区植被变化总体呈上升趋势，年均气候因子对植被变化的作用不明显；Tian等[19]发现近17 a来贵州NDVI增加显著，岩溶区NDVI增长速率快于非岩溶区，全区NDVI具有持续增长的趋势；Tong等[20-21]指出生态恢复工程实施期间，西南岩溶区植被呈增长趋势，以广西岩溶区植被增长最为显著，全区植被未来以持续增长趋势为主导。

综上所述，以往对广西植被覆盖变化的研究多集中在NDVI的时空变化格局方面，对NDVI空间波动性、变化趋势的持续性方面研究比较薄弱；此外，综合考虑研究区地质生态环境背景，对比分析岩溶区和非岩溶区植被覆盖变化及其对气候因子的响应方面的研究也不多。因此，本文以广西1998-2012年连续15 a的SPOT VEGETATION逐旬NDVI数据为基础，研究NDVI变化趋势、波动性和变化的持续性，并分析其对气候变化的响应特征。

1 研究区概况

广西位于东经 104°26'-112°04'，北纬 20°54'-26°24'之间，总面积23.67万km2。地处云贵高原的东南边缘，两广丘陵西部，南边朝向北部湾；整个地势自西北向东南倾斜，四周多山地与高原，而中部与南部多为平地，属山地丘陵性盆地地貌（图1）。属亚热带季风气候区，北回归线横贯全区中部，气候温暖、热量丰富、雨量丰沛。年平均温度16.0-23.0℃，由北向南递增。大部分地区年降水量为1 500-2 000 mm；降水量季节变化不均，4-9月降水量占全年降水量的70%-85%；日平均温度≥10℃的积温为5 000-8 300 ℃，是全国最高积温省区之一。研究区内84个县市有碳酸盐岩出露，占广西总面积的40.9%，集中连片分布在桂西南、桂西北、桂中、桂东北。植被类型多样，地带性植被以常绿阔叶林为主，灌草多分布在岩溶石山区。水资源、矿产资源和旅游资源丰富，但地区贫富差距大，人口-资源-环境与可持续发展一直是人们关注的焦点。

图1 研究区地理位置Fig. 1 Location of the study area

2 数据来源与处理

遥感数据采用1998年4月至2012年12月的1 km分辨率的SPOT VEGETATION逐旬NDVI数据，来源于http://free.vgt.vito.be/网站；该数据已被广泛用于植被和生态环境的相关研究，并取得了很好的效果。基于ArcGIS 10.2软件平台，利用公式NDVI=DN×0.004-0.1将原栅格DN数据进行NDVI真值恢复。同时，采用最大值合成法[22]（Maximum Value Composites，MVC）对各旬数据取最大值，合成月NDVI数据、年NDVI数据，并以广西行政界线进行裁剪，得到1998年4月至2012年12月共177个月1 km分辨率的NDVI数据集。

气象数据采用中国气象科学数据共享服务网http://cdc.cma.gov.cn提供的1998-2012年广西及周边地区的164个站点的月平均温度和降水量资料，其中研究区内的站点数为22个（图1）。对收集到月平均温度和降水量资料，在Excel软件中统计为年平均温度和年降水量，在ArcGIS 10.2中采用普通克里格法进行空间插值，生成与NDVI数据具有相同空间参考及空间分辨率的栅格气象数据。

土地利用数据为2012年500 m分辨率的MOD12Q1年际数据，来源于NASA地球观测系统网站https://ladsweb.nascom.nasa.gov/。广西喀斯特分布数据来源于中国地质科学院岩溶地质研究所1:400万可溶岩分布数据。

3 研究方法

3.1 趋势分析法

趋势分析法可以模拟每个栅格点的变化趋势，某像元的趋势是该像元NDVI线性回归方程的斜率slope。若slope〉0，说明随时间变化NDVI呈增加趋势，且数值越大表示增加趋势越明显；反之，slope〈0，说明随时间变化NDVI呈下降趋势。本文用该方法来模拟1998-2012年广西NDVI的变化趋势，计算公式如下[23]：

式中：slope为像元NDVI线性回归方程斜率；i代表1-15的年序号；n代表时间跨度。参考崔林丽和史军[14]，将slope分为7个等级，分别为严重退化、中度退化、轻微退化、基本不变、轻微改善、中度改善、明显改善。

3.2 标准差

标准差表示数据变量偏离常态距离的平均数，能反映一个数据集的离散程度，其值越大，说明该地区在研究时段内各像元NDVI距离平均值越远，即该时段内植被覆盖的年际变化较大。标准差的计算公式如下[24]：

式中：S表示时序上的标准差；i为年序号；n为时间跨度；表示多年平均值。S值越大，表明数据分布越离散，时间序列数据波动较大；反之则表明数据分布较为紧凑，时间序列数据较为稳定。

3.3 Hurst指数

植被覆盖变化类似于水文、气候、地球化学等自然现象，具有自相似性和长期依赖性，Hurst指数是定量描述该现象的有效方法。目前，Hurst指数的估算方法有多种，其中重标极差（Rescaled Range Analysis Method，R/S）分析法和小波分析法的估算结果比其他方法更为可靠[25]。R/S分析方法最早由英国水文学家Hurst在研究尼罗河水文问题时提出[26]，后来Mandelbrot和Wallis在理论上进行了补充和完善[27]。R/S基本原理如下：

NDVI时间序列 NDVIi，i=1，2，3， …，n，对于任意正整数m，定义该时间序列的均值序列：

累计离差：

极差：

标准差：

对于比值R(m)/S(m)=R/S，若存在如下关系R/S∞mH，则说明所分析的时间序列存在Hurst现象，H为Hurst指数。H值可以根据m和对应计算所得的R/S值，在双对数坐标系中(ln(m)，ln(R/S))用公式（7）拟合得到，直线斜率H值即为Hurst指数。

Hurst指数取值范围为H（0〈H〈1），H取值可分为以下3种情况：当H=0.5时，表明序列是随机序列；当H〉0.5时，表明未来的变化情况与过去一致，即持续性，H越大持续性越强；当0〈H〈0.5时，表明未来的变化情况与过去相反，即反持续性，H越小，反持续性越强。

3.4 相关分析

植被与气候因子之间相互关系的测定主要是通过相关系数的计算与检验完成的。相关系数的数学表达式可以表示为：

式中：n为样本数；和分别为变量x和y的均值；rxy为变量x和y的相关系数。

基于像元尺度，分别计算NDVI与前0-3个月平均温度和降水量之间的相关系数，并分别从温度和降水量的4个相关系数中挑选出绝对值最大的相关系数和对应的月，作为各气象站点的最大相关系数及对应的滞后时间。

4 结果与分析

4.1 植被覆盖的时间变化特征

由图2a可知，广西1998-2012年NDVI均值在0.719-0.798之间波动变化，总体呈显著上升趋势（y=0.006x-10.714，R2=0.862，P〈0.001），增加速率为 0.006/a。15 a间NDVI值增加了0.079，其中2002-2003年间NDVI值增加最快，增幅达0.043，占总体增加幅度的54.43%，2003年后NDVI值波动缓慢增加到最大值0.798，植被覆盖状况整体以改善为主。岩溶区（y=0.006x-10.888，R2=0.819，P〈0.001）与非岩溶区（y=0.006x-10.683，R2=0.873，P〈0.001）植被变化趋势、变化速率与全区基本保持一致。

从图2b可知，研究区植被年内变化具有很强的季节性，NDVI最小值出现在2月，3-5月份迅速回升，6-8月份缓慢上升，到9月份达到最大值，随后缓慢回落到最小值。岩溶区和非岩溶区月NDVI变化趋势与全区一致。这是受植被在年内生长规律影响，4-9月份是植被生长的旺盛季节，而1-3月份是植被生长的缓慢季节。

4.2 植被覆盖的空间演变特征

图2 1998-2012年广西NDVI均值年际（a）、月变化趋势（b）Fig. 2 Annual and monthly change trend of NDVI in Guangxi during 1998-2012

4.2.1 NDVI空间分布特征 受地形地貌、地质背景及气象因子的共同影响下，1998-2012年广西NDVI均值介于0.086-0.857，平均值为0.757，表现出明显的空间差异性（图3）。NDVI〉0.8的高值区主要分布在十万大山、漓江流域上游猫儿山保护区、桂江流域、洛清江流域中上游、柳江流域中游、郁江流域中上游。NDVI〈0.6的低值区主要分布在南宁、柳州、桂林、北海等市辖区及周边，这些地区受人类活动影响比较剧烈。岩溶区NDVI均值主要介于0.7-0.8之间，占比重的83.71%；而非岩溶区NDVI均值以大于0.7为主，占92.52%。总体来说，研究区多年NDVI均值表现出四周高、中间低，非岩溶区高于岩溶区的总体特征。

图3 NDVI均值空间分布Fig. 3 Spatial distribution of average NDVI

4.2.2 NDVI波动性分析 1998-2012年广西NDVI标准差介于0.010-0.206之间，空间变化幅度较大。为了进一步研究NDVI年际波动特征，运用ArcGIS 10.2中的自然断裂点法（Natural Breaks (Jenks)）将标准差分为高（S ≥ 0.066）、较高（0.048 ≤ S＜0.066）、中（0.038 ≤ S＜0.048）、 较 低（0.030 ≤ S＜0.038）、低（S〈0.030）5个等级。从图4可知，高波动性区域主要分布在桂南平原区，土地利用类型以农业用地为主，受人类活动的干扰较大。低波动性区域主要分布在桂西北云贵高原东南边缘、桂东北南岭山地、桂东南的丘陵地区，这些地区地势相对较高，主要分布林地、混交林以及灌草，受人类活动的影响较少。

图4 NDVI标准差空间分布Fig. 4 Spatial distribution of Standard deviation of NDVI

4.2.3 NDVI变化趋势分析 基于一元线性回归分析方法，从像元尺度分析了广西1998-2012年NDVI变化趋势的空间分布格局。从表1可以看出，近15 a广西植被覆盖整体得到改善，局部地区恶化。NDVI显著改善的区域占比重的8.94%；退化区域仅占1.41%。从图5可知，NDVI显著改善的区域主要分布在桂中盆地和桂南平原区，与NDVI高波动分布区基本吻合；这些地区主要是农用地，农民进行了集约化管理而且增加投入，NDVI有显著上升趋势。NDVI退化区域主要分布在人类活动干扰较大的市、县辖区。岩溶区NDVI主要以轻微、中度改善为主，主要分布在桂西南、桂西北的丘陵和山区；这是近年来国家、地方政府实施的退耕还林、还草政策，使该区生态环境得到了较好恢复。而退化区域主要分布在桂中盆地的市辖区及周边，以及桂东北的桂林市，这些地区因发展工业经济或旅游业，植被生长受人类活动影响较大，生态环境呈退化状态，NDVI有减小趋势。

图5 NDVI变化趋势空间分布Fig. 5 Spatial distribution of NDVI change trend

4.2.4 NDVI变化的持续性分析 基于广西1998-2012年NDVI数据计算得到Hurst指数，其值介于0.253-0.997，均值为0.849，Hurst指数小于0.5的区域仅占比重的0.61%，大于等于0.5的区域占99.39%，说明研究区NDVI的反持续性很弱，植被覆盖总体处于持续改善状态。因此，NDVI的反持续性基本可以忽略。根据ArcGIS 10.2中的自然断裂点法（Natural Breaks (Jenks)）将 Hurst指数分为弱持续性（〈0.728）、中持续性（0.728-0.868）、强持续性（〉0.868）3类。

从图6可知，研究区植被覆盖变化以中-强持续性为主，强持续性区域主要连片分布在桂南平原区、桂东北南岭山地、桂西丘陵山地区。弱持续性区域主要散布在漓江、贺江、柳江下游，浔江、郁江、红水河中游等沿岸及部分城市辖区，这些地区主要为河流谷地，是农业用地的集中分布区，受人类活动的影响较大，NDVI变化的持续性较弱。就岩溶区而言，强持续性区域主要分布在地势较高的丘陵、山地分布区，而盆地、平原地区主要表现为弱持续性。这主要是因为岩溶区生态环境脆弱，土壤贫瘠、保水保肥能力差，在地势较高的地区已经实施退耕还林、还草工程，植被覆盖改善明显，恢复能力逐渐提高；而在人类活动持续干扰的地区，植被覆盖改善缓慢或呈退化趋势。总体而言，广西植被覆盖在未来表现出持续改善的趋势。

表1 1998-2012年广西NDVI变化趋势统计结果Table 1 Statistical result of NDVI change trend in Guangxi during 1998-2012

图6 Hurst指数空间分布Fig. 6 Spatial distribution of Hurst index

4.2.5 NDVI变化趋势与可持续性综合分析 为了进一步研究广西植被覆盖变化及其可持续性，将slope值与Hurst指数值进行叠加分析，可以得到研究区植被覆盖变化趋势及其可持续性的耦合信息。在分析过程中将植被覆盖变化趋势重新分为退化（包括轻微、中度和严重退化）、不变（基本不变）和改善（包括轻微、中等和明显改善）3类，并与Hurst指数分级进行叠加，得到slope值与Hurst指数的9种耦合结果空间分布情况。由图7可知：改善&强持续性区域主要分布在桂北南岭山地、桂西北丘陵山地、桂南平原地区，这些地区未来植被覆盖呈持续改善趋势；而改善&弱持续性区域主要分布在桂西北、桂中、桂东北岩溶区，这些地区土壤瘠薄，生态环境脆弱，不合理的人类活动会导致植被覆盖退化，未来植被覆盖改善趋势不强。

图7 NDVI变化趋势与持续性综合分析Fig. 7 comprehensive analysis of NDVI change trend and persistence

此外，为了研究土地利用类型对植被覆盖趋势及可持续的影响，将研究区2012年MOD12Q1植被覆盖数据与slope值和Hurst指数的耦合结果进行叠加，统计不同土地覆盖类型中植被覆盖变化趋势及可持续性的分布情况。从表2可知，改善&弱持续性区域主要土地利用类型为灌草、林地、混合林、农用地，集中分布在桂西北、桂中、桂东南岩溶区，在桂东南的非岩溶区也有局部分布。退化&强持续性的区域主要为灌草、农用地，主要分布在桂中、桂东地区的大部分城市辖区。因此，岩溶区的生态环境保护仍然是重点，城市辖区的绿化工程也有待加强。

表2 NDVI变化趋势与可持续性综合分析结果统计（km2）Table 2 Statistical result of comprehensive analysis of NDVI change trend and persistence(km2)

4.3 植被覆盖对气候变化的响应

4.3.1 NDVI对气候响应的空间格局 基于广西1998-2012年逐月NDVI数据，分别计算其与前0-3个月降水量和温度的相关系数。并以P〈0.05和P〈0.01为显著性检验的临界值对相关系数进行分级，以反映研究区植被覆盖与气候因子相关性及其显著性的空间分布情况。

由图8可知，NDVI与前0-3个月降水量相关系数以正相关为主。统计数据显示，NDVI与当月降水量相关系数均值为0.393，呈正相关的面积占98.18%，其中通过P〈0.05显著性检验的比例仅占8.54%，说明NDVI受当月降水量变化影响不显著。NDVI与前1-3个月降水量相关系数均值分别为0.601、0.708、0.685，与前2个月降水量相关系数最大，表现出明显的滞后效应。NDVI与前1-3个月相关系数中通过P〈0.01显著性检验的比例分别为23.91%、55.42%和42.03%；通过0.01〈P〈0.05显著性检验的比例分别为40.33%、31.40%和44.17%。岩溶区和非岩溶区NDVI与降水量相关系数最大值均出现在前2个月，均值分别为0.712和0.705。综上，植被覆盖变化受前2个月降水量的影响较大，岩溶区植被生长受降水量的影响比非岩溶区显著。这可能是因为研究区处于热带、亚热带气候区，降水量相对较为丰沛，能够满足植被生长需求，植被对降水量变化的响应不敏感。岩溶区由于其特殊的地质生态环境背景，地表土壤瘠薄、基岩大面积裸露，加之地表地下具有双层结构，保水能力差，因而植被生长受降水量的影响较非岩溶区显著。

由图9可知，NDVI与前0-3个月温度的相关系数以正相关为主。统计数据表明，NDVI与当月温度相关系数均值为0.690，通过P〈0.01和0.01〈P〈0.05显著性检验的比例分别为48.46%和32.06%。NDVI与前1-3个月温度相关系数均值分别为0.913、0.849、0.545；与前1个月温度的相关系数最大，具有明显的滞后效应。NDVI与前1-3个月温度相关系数通过P〈0.01显著性检验的比例分别为98.96%、94.09%和16.59%。因此，植被覆盖变化受前1个月温度的影响比较大。进一步研究表明，岩溶区和非岩溶区NDVI均与前1个月温度的相关系数均值最大，分别为0.936和0.898，相关系数通过P〈0.01显著性检验的比例分别为99.96%和98.33%。以上分析表明，岩溶区植被生长对温度变化的响应比非岩溶区敏感。这可能是因为研究区降水量丰沛，对植被生长胁迫性不大，因而温度的变化就成为植被生长的一个重要因子。此外，岩溶区由于地表碳酸盐岩大面积出露，植被主要以灌草为主，植被生长对温度变化比较敏感，因此对温度变化的响应时间较短。

图8 NDVI与前0-3个月降水量相关系数Fig. 8 correlation coef fi cient between NDVI and the preceding 0-3 month precipitation

图9 NDVI与前0-3个月温度相关系数Fig. 9 correlation coef fi cient between NDVI and the preceding 0-3 month temperature

对比同期NDVI与降水量和温度的相关系数可以看出，在前0-2个月，NDVI与温度的相关系数均大于与同期降水量的相关系数，而对前3个月情况正好相反；说明NDVI对温度变化的响应比降水量快，但时间持续性比降水量短。此外，岩溶区NDVI与降水量的相关系数在前0-2个月大于等于全区和非岩溶区，而前3个月正好相反；与温度的相关系数在前0-1个月大于全区和非岩溶区，而前2-3个月正好相反。说明年内降水量和温度对岩溶区植被覆盖变化的影响更为显著，而温度变化对植被生长的影响比降水量更明显。

4.3.2 NDVI对气候响应的时滞效应 为了进一步研究NDVI对气候响应的时滞效应，对NDVI与前0-3个月降水量和温度的相关系数分别取最大值，并将其对应的时间作为滞后时间。

从图10 a可知，NDVI与降水量最大相关系数值介于0.049-0.963之间，均值为0.742。其中，相关系数通过P〈0.01显著性检验的比例为65.56%，主要分布在桂南、桂东南、桂西北等地区。通过0.01〈P〈0.05显著性检验的比例占30.02%，主要分布在桂北及桂东北地区。进一步统计分析发现，岩溶区最大相关系数介于0.388-0.941，均值0.725，通过P〈0.01和0.01〈P〈0.05显著性检验的比例分别为55.84%和40.45%；而未通过P〈0.05显著性检验的比例仅占3.72%，主要分布在河池市、柳州市和桂林市。非岩溶区最大相关系数均值为0.753，通过P〈0.01显著性检验的比例为71.69%，主要分布在桂南、桂东南和桂西等地区。

如图10 b所示，NDVI与降水量最大相关系数对应的滞后时间以2-3个月为主，占比重37.26%的地区滞后时间为3个月，56.51%地区滞后时间为2个月；植被覆盖对降水量的滞后时间具有一定的空间差异性，桂东及桂东北部地区滞后时间以3个月为主，其余地区以2个月为主。岩溶区NDVI与降雨量最大相关系数对应的滞后时间以2个月为主，而非岩溶区滞后时间以2-3个月为主。这可能是土地利用类型的差异而引起的，桂东北地区为南岭山地，主要分布林地、混交林，地表蒸发量较小，植被蓄水能力较强，NDVI对降水量变化的响应时间较长；桂中盆地、桂南平原区主要分布农用地、灌草，地表蒸发量较大，植被蓄水能力相对较弱；NDVI对降水量变化的响应时间相对较短；桂西南属于云贵高原的东南边缘，地势相对较高，主要分布混交林和灌草，降水量相对其他地区较少，NDVI对降水量变化比较敏感。此外，岩溶区NDVI对降水量响应时间较非岩溶区短，这与其特殊的地质环境背景有很大关系。

从图10 c可知，NDVI与温度最大相关系数值介于0.074-0.988之间，均值为0.931。相关系数通过P〈0.01显著性检验的比例为99.46%，广泛分布于研究区；通过0.01〈P〈0.05显著性检验的比例仅为0.43%，主要零星分布在桂林市、百色市、南宁市。

由图10 d可知，NDVI与温度最大相关系数对应的滞后时间以1-2月为主。统计结果表明，占比例70.39%的地区滞后时间为1个月，主要集中分布在桂中和桂北地区；28.94%的地区滞后时间为2个月，散布于桂西、桂南和桂东地区。岩溶区NDVI与温度最大相关系数对应的滞后时间以1个月为主，而非岩溶区对应的滞后时间以1-2个月为主。这可能是因为研究区北回归线横贯全区中部，主要属于南亚热带和中亚热带。桂西南、桂中、桂南和桂东南地区属于南亚热带地区，主要是低山平原林地、农业植被分布区，总体温度相对较高，植被生长受温度变化影响比较小，对温度变化的响应时间较长。桂西北、桂东南地区属于中亚热带，前者位于云贵高原东南边缘，主要分布混交林、灌草，后者属于南岭山地混交林分布区；由于地势相对较高，植被生长受温度影响较大，对温度变化的响应时间相对较短。

4.3.3 植被覆盖类型对NDVI-气候响应关系的影响 植被覆盖类型是影响NDVI与气候响应关系的主要因素之一。以广西2012年MOD12Q1植被覆盖类型数据为基础，将植被覆盖类型重分类为林地、混交林、灌草地、耕地，并对不同植被覆盖类型NDVI与降水量、温度的最大相关系数及对应的滞后时间进行分区统计（表3），结果显示：植被生长受温度的影响大于降水量，不同植被覆盖类型NDVI对降水量变化的响应时间比对温度变化的响应时间长。岩溶区植被生长对降水量和温度变化更敏感，除耕地外，其他植被覆盖类型对降水量、温度变化的响应时间均短于非岩溶区。

图10 NDVI与降水量、温度最大相关系数及对应的滞后时间Fig. 10 The maximum correlation coef fi cient between NDVI and precipitation，temperature and the corresponding lag time

表3 植被覆盖类型与气候因子的关系Table 3 relationship between vegetation cover type and climate factors

5 结论

1）1998-2012年广西NDVI均值呈波动上升趋势，增加速率为0.006/a。NDVI均值季节变化明显，9月份达到最大值，2月份降到最小值。岩溶区和非岩溶区NDVI变化趋势与全区一致。

2）近15 a NDVI均值总体表现为四周高，中间低，非岩溶区高于岩溶区的特点。NDVI标准差的变幅比较大，以中等-低波动为主。NDVI变化趋势以改善为主，岩溶区以轻微、中度改善为主。Hurst指数值表明全区植被覆盖总体处于持续改善状态。

3）NDVI与前2个月降水量的相关系数均值最大，而与前1个月温度的相关系数均值最大；说明温度对研究区植被生长影响大于降水量。NDVI对温度最大响应的滞后时间为1-2个月，而对降水量最大响应的滞后时间为2-3个月。岩溶区植被生长对降水量、温度变化的影响更敏感，响应时间比非岩溶区短。不同植被类型与降水量、温度的相关程度及响应时间有一定差异。

6 讨论

植被覆盖变化是自然因素与人为因素综合作用的结果。自然因素中温度和降水量对植被生长的影响最为显著。本文与杨绍锷等[15]研究结论一致，广西NDVI呈现稳中有升的趋势，NDVI对降水量变化最大响应的滞后期为2-3月。与韦振锋等[16-17]研究结论大致相同，广西植被覆盖变化趋势总体呈增加趋势，NDVI对温度变化最大响应为5-7旬，对降水量变化最大响应为7-10旬。同一研究区，不同数据精度、研究方法对NDVI变化趋势及其对温度、降水量的响应滞后时间有差异。

经统计发现，近15 a来广西年均温度呈不显著下降趋势（R2=0.072，P＞0.05），同时年降雨量也呈不显著下降趋势（R2=0.046，P＞0.05），下降速率分别为0.023/a和0.920/a；而植被覆盖仍然呈增加趋势，岩溶区植被覆盖增加趋势显著。这说明在短时间内气候因素对植被覆盖的影响不大，而人类活动是影响植被覆盖变化的主要原因。广西自2001年起实施退耕还林工程，到2005年共完成退耕还林任务70.9万hm2，工程覆盖全区90个县（市、区）[28]，有效的恢复了森林植被，减缓水土流失，增加农民收入，促进了农村产业结构调整。2004年和2008年国家相继实施了生态工程，有效的遏制了岩溶区石漠化的持续恶化趋势，提高了植被覆盖率，促进了生态系统的良性循环，人类活动起到了正向作用。

本文在研究植被覆盖变化与气候因子关系过程中考虑了地层岩性的影响，未考虑地貌、土壤类型等因素对植被生长的影响。此外，气候因素仅考虑了温度和降水量2个因子，而未考虑湿度、蒸散发、日照时数、风速等气候因子对植被生长的影响作用。因此，在后续研究中将综合考虑各类影响因素，并从不同尺度深入研究植被覆盖变化与驱动因素的关系。

[1]孙红雨，王常耀，牛铮，等. 中国地表植被覆盖变化及其与气候因子关系——基于NOAA时间序列数据分析[J]. 遥感学报，1998，2(3): 204-210.Sun H Y，Wang C Y，Niu Z，et al. Analysis of the vegetation cover change and the relationship between NDVI and environmental factors by using NOAA time series data[J]. Journal of Remote Sensing，1998，2(3): 204-210.

[2]王强，张勃，戴声佩，等. 基于GIMMS AVHRR NDVI数据的三北防护林工程区植被覆盖动态变化[J]. 资源科学，2011，33(8): 1613-1620.Wang Q，Zhang B，Dai S P，et al. Dynamic changes in vegetation coverage in the Three-North Shelter forest program based on GIMMS AVHRR NDVI[J]. Resources Science，2011，33(8): 1613-1620.

[3]Nemani R R，Keeling C D，Hashimoto H，et al. Climate-driven increases in global terrestrial net primary production from 1982 to 1999[J]. Science，2003，300: 1560-1563.

[4]Roerink G J，Menenti M，Soepboer W，et al. Assessment of climate impact on vegetation dynamics by using remote sensing[J]. Physics and Chemistry of the Earth，2003，28: 103–109.

[5]赵英时. 遥感应用分析原理与方法[M]. 北京: 科学出版社，2003.Zhao Y S. The Principle and Method of Remote Sensing Application and Analysis[M]. Beijing: Science Press，2003.

[6]Ichii K，Kawabata A，Yamaguchi Y. Global correlation analysis for NDVI and climatic variables and NDVI trends: 1982-1990[J].International Journal of Remote Sensing，2002，23(18): 3873-3878.

[7]Wang J，Rich P M，Price K P. Temporal responses of NDVI to precipitation and temperature in the central Great Plains，USA[J].International Journal of Remote Sensing，2003，24(11): 2345-2364.

[8]朴世龙，方精云. 1982-1999年我国陆地植被活动对气候变化响应的季节差异[J]. 地理学报，2003，58(1): 119-125.Piao S L，Fang J Y. Seasonal changes in vegetation activity in response to climate changes in China between 1982 and 1999[J].Acta Geographica Sinica，2003，58(1): 119-125.

[9]韦振锋，王德光，张翀，等. 1999-2010年中国西北地区植被覆盖对气候变化和人类活动的响应[J]. 中国沙漠，2014，34(6): 1665-1670.Wei Z F，Wang D G，Zhang C，et al. Response of vegetation cover to climate change and human activities in Northwest China during 1999-2010[J]. Journal of Desert Research，2014，34(6): 1665-1670.

[10]刘军会，高吉喜，王文杰. 青藏高原植被覆盖变化及其与气候变化的关系[J]. 山地学报，2013，31(2): 234-242.Liu J H，Gao J X，Wang W J. Variations of vegetation coverage and its relations to global climate changes on the Tibetan plateau during 1981-2005[J]. Journal of Mountain Science，2013，31(2): 234-242.

[11]张勃，王东，王桂钢，等. 西南地区近14 a植被覆盖变化及其与气候因子的关系[J]. 长江流域资源与环境，2015，24(6): 956-964.Zhang B，Wang D，Wang G G，et al. Vegetation cover change over the Southwest China and its relation to climatic factors[J]. Resources and Environment in the Yangtze Basin，2015，24(6): 956-964.

[12]刘向培，刘烈霜，史小康，等. 中国东北植被动态变化及其与气候因子的关系[J]. 大气科学学报，2015，38(2): 222-231.Liu X P，Liu L S，Shi X K，et al. Dynamic variation of vegetation over Northeast China and its relationship with climate factors[J].Transactions of Atmospheric Sciences，2015，38(2): 222-231.

[13]崔林丽，史军，肖风劲，等. 中国东部NDVI的变化趋势及其与气候因子的相关分析[J]. 资源科学，2010，32(1): 124-131.Cui L L，Shi J，Xiao F J，et al. Variation trends in vegetation NDVI and its correlation with climatic factors in Eastern China[J].Resources Science，2010，32(1): 124-131.

[14]崔林丽，史军. 中国华东及其周边地区NDVI对气温和降水的季节响应[J]. 资源科学，2012，34(1): 81-90.Cui L L，Shi J. Characteristics of seasonal response of NDVI to variations in temperature and precipitation in East China and its surrounding areas[J]. Resources Science，2012，34(1): 81-90.

[15]杨绍锷，廖雪萍，谭裕模，等. 广西近十年植被NDVI变化及其对降水的响应特征分析[J]. 西南农业学报，2013，26(2): 766-771.Yang S E，Liao X P，Tan Y M，et al. Analysis of Guangxi vegetation NDVI variations and response to precipitation in recent decade[J]. Southwest China Journal of Agricultural Sciences，2013，26(2): 766-771.

[16]韦振锋，任志远，张翀. 近12年广西植被覆盖与降水和气温的时空响应特征[J]. 水土保持研究，2013，20(5): 33-38.Wei Z F，Ren Z Y，Zhang C. Research on vegetation response to temperature and precipitation in Guangxi in recent 12 years[J].Research of Soil and Water Conservation，2013，20(5): 33-38.

[17]韦振锋，任志远，张翀. 气候因子与植被的时滞相关分析-以广西为例[J]. 生态环境学报，2013，22(11): 1757-1762.Wei Z F，Ren Z Y，Zhang C. Analysis on the time-lag correlation between vegetation and climatic factors: Take Guangxi as an example[J]. Ecology and Environmental Sciences，2013，22(11): 1757-1762.

[18]童晓伟，王克林，岳跃民，等. 桂西北喀斯特区域植被变化趋势及其对气候和地形的响应[J]. 生态学报，2014，34(12):3425-3434.Tong X W，Wang K L，Yue Y M，et al. Trends in vegetation and their responses to climate and topography in Northwest Guangxi[J]. Acta Ecologica Sinica，2014，34(12): 3425-3434.

[19]Tian Y C，Bai X Y，Wang S J，et al. Spatial-temporal changes of vegetation cover in Guizhou Province，Southern China[J].Chinese Geographical Science，2017，27(1): 25-38.

[20]Tong X W，Wang K L，Brandt M，et al. Assessing future vegetation trends and restoration prospects in the karst regions of Southwest China[J]. Remote Sensing，2016，8: 357-374.

[21]Tong X W，Wang K L，Yue Y M，et al. Quantifying the effectiveness of ecological restoration projects on longterm vegetation dynamics in the karst regions of Southwest China[J]. International Journal of Applied Earth Observation and Geoinformation，2017，54: 105-113.

[22]Hope A S，Boynton W L，Stow D A，et a1. Interannual growth dynamics of vegetation in the Kuparuk River watershed，Alaska based on the Normalized Difference Vegetation Index[J]. International Journal of Remote Sensing，2003，24(17): 3413-3425.

[23]Stow D，Daeschner S，Hope A，et a1. Variability of the seasonally integrated Normalized Difference Vegetation Index across the north slope of Alaska in the 1990s[J]. International Journal of Remote Sensing，2003，24(5): 1111-1117.

[24]徐建华. 现代地理学中的数学方法[M]. 北京: 高等教育出版社，2017.Xu J H. Mathematical Methods in Contemporary Geography[M].Beijing: Higher Education Press，2017.

[25]江田汉，邓莲堂. Hurst指数估计中存在的若干问题—以在气候变化研究中的应用为例[J]. 地理科学，2004，24(2): 177-182.Jiang T H，Deng L T. Some problems in estimating a Hurst exponent: A case study of applications to climatic change[J].Scientia Geographica Sinica，2004，24(2): 177-182.

[26]王桂钢，周可法，孙莉，等. 近10 a新疆地区植被动态与R/S分析[J]. 遥感技术与应用，2010，25(1): 84-90.Wang G G，Zhou K F，Sun L，et al. Study on the vegetation dynamic change and R/S analysis in the past ten years in Xinjiang[J].Remote Sensing Technology and Application，2010，25(1): 84-90.

[27]Mandelbrot B B，Wallis J R. Robustness of the rescaled range R/S in the measurement of noncyclic long run statistical dependence[J]. Water Resource Research，1969，5(5): 967-988.

[28]蒋忠诚，李先琨，胡宝清，等. 广西岩溶山区石漠化及其综合治理研究[M]. 北京: 科学出版社，2011.Jiang Z C，Li X K，Hu B Q，et al. Research on Karst Mountain Rocky Desertification and Its Integrated Management in Guangxi[M]. Beijing: Science Press，2011.