黄土高原跨越半干旱和半湿润气候带，自然条件严酷，生态环境脆弱，水土流失十分严重^[1-2]。植被是陆地生态系统中连接土壤、大气和水分，是物质循环和能量流动中重要的一环^[3]。植被恢复重建一直被认为是控制水土流失、改善生态环境的重要举措。自20世纪末期我国大规模实施退耕还林(草)工程以来，黄土高原的植被覆盖状况明显改善^{[1, 4]}。研究黄土高原植被覆被的空间分异规律及演化趋势，对科学反映该地区生态环境建设成效具有重大意义^[5]。

随着遥感技术的成熟与发展，大范围、高分辨率的连续时间序列的遥感卫星影像已广泛应用于监测植被变化过程^[6]。归一化植被指数(normalized difference vegetation index, NDVI)与植被覆盖度(fractional vegetation cover, FVC)相关性较好，被认为是大尺度监测陆地植被变化的最佳指示因子^[7-8]。近年来，众多学者针对黄土高原植被覆被遥感监测及其影响因素开展了大量研究，结论大多表明植被的生长状况与该区气候变化相关，温度和降水被普遍认为是影响黄土高原植被格局变化的主要驱动因素^[9-10]，且降水是该区地表植被覆被动态变化过程中最主要的限制因子^{[5, 10-13]}。不同的植被类型对气温、降水的响应程度不同，进而造成NDVI对气候因子的响应具有空间差异性^[10]。同时，人类活动也是植被覆被变化的驱动力之一，随着我国在黄土高原及周边地区一系列生态工程的开展及区内城镇化建设进程，人类活动对植被覆被情况的影响越来越大^[14-15]。

准确了解黄土高原植被覆盖的时空动态，是客观评价该区退耕还林工程实施成果的一项重要指标^[16]。延安市及吴起县作为退耕还林的典型区域，其植被覆盖度变化较整个黄土高原有较为明显的特征^[17-19]。目前关于黄土高原及陕北植被覆被变化相关研究较多，研究时段长短不一，选取的遥感影像分辨率不同，且当前关于退耕还林的研究以来大多集中于黄土高原整体植被覆盖情况，对同一时段不同尺度范围的对比鲜见报道。笔者采用分辨率为250 m的MODIS数据，以退耕还林工程开展时间为起点，以黄土高原植被覆盖度为主要研究对象，从植被覆盖情况时空动态变化切入，探究该区植被覆被的影响因素；对比黄土高原、延安市、吴起县3个区域植被覆盖演变及其气候动态变化过程的差异，探究不同尺度范围对气候因子的响应程度，对区内近20年退耕还林(还草)工程的实施效果评价提供科学依据。

黄土高原位于我国黄河流域中上游，东起太行山，西至贺兰山与日月山，南起秦岭，北抵阴山，地理范围为E 100°54′~114°33′、N 33°43′~41°16′，总面积约62.6万km^2[16]。在行政单位区划上，涉及内蒙古、宁夏、山西、陕西、甘肃、青海以及河南7个省份(自治区)。属于大陆性季风气候，冬季寒冷干燥多风沙，夏季炎热多暴雨^[15]。年均温为9~12 ℃，年均降雨量在100~800 mm之间^[10]。

遥感数据来源于LAADS DAAC美国航空航天局(https://ladsweb.modaps.eosdis.nasa.gov/)MODIS传感器搭载的TERRA卫星，采用MOD13Q1产品：空间分辨率为250 m，时间间隔为16 d。通过MODIS Reprojection Tool(MRT)工具进行拼接、投影转换等处理，完成影像的重采样。采用最大值合成法(maximum value composition, MVC)减少云、大气和太阳高度角的干扰，得到黄土高原2000—2018年生长季(4—10月)NDVI数据。

气温和降水是影响地表植被动态变化的2个重要气候要素，笔者选取年平均气温及年降水量作为与黄土高原生长季植被覆盖度拟合的气候因子。气象数据资料来源于国家气象科学数据中心(https://data.cma.cn/)：中国地面降水及气温月值格点数据集。在ArcGIS软件中分别生成年气温均值和年降水总量的栅格数据，使其具有与NDVI数据相同的投影和时空分辨率。

采用像元二分模型来计算植被覆盖度，以此减小大气、土壤与植被类型等因素的影响^[20]。模型中，像元的NDVI值由绿色植被所提供的信息NDVI_veg和裸土所提供的信息NDVI_soil 2部分组成，植被覆盖度计算公式为：

式中：FVC为植被覆盖度；NDVI_soil为无植被覆盖区域的NDVI值，近似为0；NDVI_veg为完全植被覆盖区域的NDVI值，近似为1。根据经验，分别取累计频率为5% 和95% 的NDVI值NDVI_soil及NDVI_veg^[13]。

植被覆盖度分类参照2008年我国水利部发布的《土壤侵蚀分类分级标准》，即低覆盖度(FVC≤30%)、中低覆盖度(30%＜FVC≤45%)、中等覆盖度(45%＜FVC≤60%)、中高覆盖度(60%＜FVC≤75%)及高等覆盖度(FVC＞75%)5级^[21]。

采用一元线性回归的方法模拟栅格变化趋势，反映研究区内植被覆盖的时空演变格局^[22]。slope为正数，即该像元值呈上升趋势，植被良性发展，反之则代表植被退化^[9]。

基于像元空间分析法对2000—2018年黄土高原地区植被覆盖度与气候因子(年平均气温及年降水量)进行相关分析，以相关系数来表示气候因子与植被覆盖度的相关程度。在简单相关系数的基础上^[23]计算得到偏相关系数。

在半干旱及干旱地区，植被覆盖度主要受气候条件和人类活动强度决定，降水因子和气温因子是气候变化影响中的重要因子^[24]。采用Evans等^[25]提出的残差分析法，已在相关研究中广泛应用。根据NDVI与气候因子的相关关系，建立回归模型，拟合出NDVI的预测值，定义为气候因子对植被覆盖的影响量。以NDVI的真实值减去NDVI模拟值得到残差，剔除了气候因子对植被覆盖的影响，作为人为因素的影响量。

式中：ε为残差；NDVI_真实为NDVI真实值；NDVI_模拟为NDVI模拟值；ε>0，表示人类活动对植被覆盖呈正向影响；ε<0，表示人类活动对植被覆盖呈负向影响^[23]。

以黄土高原生长季植被覆盖度均值表征植被覆被状态，做时间序列回归分析，对黄土高原植被覆盖变化情况进行研究。如图 1所示，2000—2018年黄土高原植被覆盖度呈波动性增加趋势，总体增长速度为0.004 62/a(R²= 0.856 1)，植被覆被情况明显改善。年际变化趋势显示：2000—2003年，黄土高原生长季植被覆盖度呈显著增加趋势；2004—2015年，植被覆盖度呈波动性增长，变化较为平缓；2016—2018年，植被覆盖度增长趋势显著提升。

图 1(Fig. 1)

图 1 2000—2018年黄土高原生长季植被覆盖度年际变化 Fig. 1 Interannual variation of fraction vegetation cover (FVC) in growing season of the Loess Plateau from 2000 to 2018

为了对比近20年黄土高原生长季植被覆盖度的变化情况，根据我国《土壤侵蚀分类分级标准》将该区植被覆盖度进行等级分类。由2000—2018年生长季植被覆盖度分级统计(图 2)可知，近20年来黄土高原低覆盖度区域面积显著下降，其余等级植被覆盖度均呈波动增加趋势，且中覆盖度、中高覆盖度及高覆盖度的增幅均>50%；至2018年，黄土高原植被覆盖度以低覆盖度及中覆盖度为主，近年生长季植被覆盖度均值稳定在中覆盖度范围内。

图 2(Fig. 2)

图 2 黄土高原生长季植被覆盖度各等级年际变化柱状图 Fig. 2 Annual change histogram of FVCs at different grades in growing season of the Loess Plateau

2000—2018年黄土高原年均生长季植被覆盖度空间分布呈东南向西北递减的趋势(图 3)：植被覆盖度高值分布在黄土高东南部的河谷平原区、山地区及黄土高原中部沟壑区的东南部。植被覆盖度低值分布在黄土高原北部荒漠草原区，黄土高原中部沟壑区的北部及西部。对全区植被覆盖度变化进行趋势分析(图 4)，结果显示：全区覆盖度变化速率变化范围为-0.058 66~0.053 93，平均值为0.004 62，整体表现为增加趋势，呈增加趋势的区域面积比例为75.64%，呈上升趋势且大于整体平均值的区域面积占比44.00%。植被覆盖度显著增加的区域集中在黄土高原中部，向东北及西南方向延伸，植被退化的区域分布在北部、西北部、西部及南部的边缘。

图 3(Fig. 3)

图 3 2000—2018黄土高原生长季植被覆盖空间分布 Fig. 3 Spatial distribution of FVC in the growing season of the Loess Plateau, 2000-2018

图 4(Fig. 4)

图 4 2000—2018年黄土高原植被覆盖度变化速率 Fig. 4 Slope of FVC on the Loess Plateau, 2000-2018

黄土高原生长季植被覆盖度均值与年平均气温和年降水量的偏相关性空间分布结果如图 5所示：在研究时段内，黄土高原生长季植被覆盖度与年降水量的整体平均偏相关系数为0.277 1，与年平均气温的整体平均偏相关系数为0.030 2，其中呈正相关的像元分别占总像元面积的81.30%和53.67%。在时间序列上，黄土高原植被覆盖度与年降水量的偏相关性显著(P<0.05)，高于植被覆盖度与年平均气温的偏相关性，且二者在空间分布上都表现出明显的空间异质性。对植被覆盖度与年平均气温及年降水量的偏相关系数进行t显著性检验(图 6)，生长季植被覆盖度与年平均气温相关性较差；与年降水量呈显著正相关的区域比例30.52%，集中分布在黄土高原北部丘陵区及西南丘陵区。

图 5(Fig. 5)

图 5 黄土高原植被覆盖度与气候因子偏相关系数空间分布 Fig. 5 Spatial distribution of partial correlation coefficient between FVC and climatic factors in the Loess Plateau

图 6(Fig. 6)

图 6 黄土高原植被覆盖度与气候因子偏相关系数t检验结果 Fig. 6 t test results of partial correlation between FVC and climatic factors in the Loess Plateau

黄土高原位于干旱半干旱区，气候变化影响着研究区植被覆被的时空变化情况，同样人类活动也是该区植被覆被变化的重要驱动因素之一。一方面，生态工程的开展对植被覆盖起到正向的促进作用；另一方面，城市扩张、开垦放牧等行为对植被覆盖产生负向的破坏作用^[26]。如图 7所示，黄土高原71.90% 的区域人类活动在植被恢复中发挥正向作用，其促进作用显著集中在延安市北部及其周边地区。黄土高原西部、西北部及南部地区残差多为负值，主要分布在经济发展较快的省会城市西宁、银川、西安及周边地区，河套平原及相邻的内蒙古荒漠草原一带的耕地及牧区，人类活动对植被覆被产生负面影响。

图 7(Fig. 7)

图 7 2000—2018年黄土高原残差变化趋势 Fig. 7 Variation trend of residuals in the Loess Plateau, 2000-2018

由图 8可知，近20年来延安市及吴起县植被覆被显著提升，整体呈现平稳上升趋势。总体来看，延安市及吴起县植被恢复速度明显优于黄土高原整体，植被覆盖度变化斜率均值表现为：吴起县(0.011 12/a)>延安市(0.009 80/a)>黄土高原(0.004 62/a)。近20年不同区划范围年生长季植被覆盖度均值表现为：延安市(0.652 0)>黄土高原(0.429 2)>吴起县(0.424 7)。从整体上来看，延安市83.07%的区域植被覆盖度呈增加趋势，吴起县植被覆盖度达到98.90%的正向增加，均高于黄土高原整体的74.16%，是黄土高原植被恢复的典型区域。由图 9及图 10所示，延安市植被覆盖度呈现从南部向北部递减的趋势，吴起县植被覆盖度空间分异性不显著。变化趋势上，延安市南部呈现退化趋势^[14]，吴起县植被变化趋势与延安整体趋势相反，呈北部退化、南部增加的趋势。

图 8(Fig. 8)

图 8 2000—2018年延安及吴起生长季植被覆盖度均值变化趋势图 Fig. 8 Change trend of average FVC in growing season of Yan′an and Wuqi, 2000-2018

图 9(Fig. 9)

图 9 延安市年均生长季植被覆盖度空间分布 Fig. 9 Spatial distribution of FVC in annual growth season of Yan′an

图 10(Fig. 10)

图 10 2000—2018年延安市植被覆盖度变化趋势 Fig. 10 Slope value of FVC in Yan′an, 2000-2018

延安市及吴起县，植被覆盖度与气候因子的偏相关系数与黄土高原整体有所差异 (图 1)。延安市、吴起县域植被覆盖度与年平均气温呈负相关，相关性强度表现为：吴起县(-0.162 4)>延安市(-0.030 5)，呈负相关的像元分别占总像元面积的91.9%和59.6%。植被覆盖度与年降水量偏相关系数表现为：吴起县(0.260 6)>延安市(0.227 9)，呈正相关的像元分别占总像元面积的96.20%和90.09%。空间上，延安市北部地区对气候因子的响应较强，但整体上延安市及吴起县内的植被覆盖度与气候因子的相关性未达到显著。

植被与气候因子、人类活动的响应是一个极其复杂的关系，已受到学者的广泛关注。自1999年开展退耕还林工程以来，黄土高原植被覆盖情况发生了深刻变化，大量学者对该区植被覆盖变化的驱动力进行研究。已有研究表明，与全年植被覆盖度最大值相比生长季植被覆盖度均值稳定性更强，能更好表征植被变化趋势，揭示植被覆盖变化规律^[27]。因此本文基于2000—2018年黄土高原生长季植被覆盖度均值探究该区植被变化趋势。全区75.64% 呈植被增加趋势，整体向中等植被覆盖度、中高植被覆盖度转移，植被覆被呈现东南高西北低的空间分布特征，与郭永强等^[12]和易浪等^[26]的研究结果一致。在干旱及半干旱地区，水分是限制植被生长的重要因子。笔者选取了年平均气温及年降水量2个具有代表性的气候因子与植被覆盖度进行相关分析，结果表明黄土高原生长季植被覆盖度与年降水量之间相关性呈显著正相关(P<0.05)，而与年平均气温的相关系数较低，此结果与刘旻霞等^[14]和易浪等^[26]的研究基本一致。部分研究表明，黄土高原植被覆盖度与年平均气温呈微弱负相关，但在本文研究中仅近50%的区域呈负相关，可能与研究时段及气候数据集的选取有关。

图 11(Fig. 11)

图 11 延安市植被覆盖度与气候因子偏相关系数空间分布 Fig. 11 Spatial distribution of partial correlation coefficient between vegetation coverage and climatic factors in Yan′an city

延安市及吴起县植被恢复效果良好，吴起县和延安市的植被覆盖度变化速率分别是黄土高原整体的近2.5倍及2倍。且与气候因子(年降水量及年平均气温)的相关系数高于黄土高原整体，但植被覆盖度与气候因子的相关性未达到显著。可能由于人类活动强度对黄土高原植被覆被的时空变化起到重要影响，间接导致该区植被覆盖度对气候因子敏感度降低，显著性下降^[26]。由残差分析可知，人类活动显著发挥正向作用的地区集中在延安北部及周边地区，说明该区退耕还林等生态工程的植被恢复成效显著强于黄土高原其他地区。

笔者仅对运用残差分析法对部分气候因子和人类活动的整体影响进行了简单区分，即表明植被覆盖度残差显著区域的植被变化不能单单用气候条件来解释。但研究区内气候因素(气温、降水、蒸发量等)及自然条件(地形，土壤等)不尽相同，人类活动(土地利用变化等)多种多样，对植被覆被影响复杂，如何在后续的研究中合理、全面的对植被覆盖度的驱动因子进行定量分析，还需我们探讨更加有效的研究方法。

1) 2000—2018年，黄土高原生长季植被覆盖度均值由36.9%提升至49.1%，整体上呈现波动性增长趋势，2000—2003年植被增长速度快，与政策实施初期大面积造林有关。植被覆盖度的分布具有空间差异性，呈现东南向西北递减的趋势。

2) 延安市及吴起县植被恢复速度高于黄土高原整体，作为退耕还林的典型区域，其植被覆盖度有极大提升。延安市植被覆盖度从50.10%升至74.23%，吴起县植被覆盖度由25.00% 提高至55.07%，增幅表现为：吴起>延安>黄土高原，生态建设效果显著。

3) 总体上黄土高原气候因子向年降水量增加年平均气温升高的暖湿趋势发展，但线性关系不显著。整体上黄土高原全区植被覆盖度与年降水量的偏相关系数呈显著正相关(P<0.05)，高于植被覆盖度与年平均气温的相关性。

4) 人为活动对黄土高原植被恢复起正向作用的区域占71.90%，其促进作用显著区域集中在延安市北部及其周边地区，退耕还林工程等人类活动对该区植被恢复的积极作用显著。