植被是陆地生态系统的重要组成部分，植被覆盖度可以反映某一地区植被生长状况，也是生态系统研究的热点^［1-2］。归一化差值植被指数（Normalized Difference Vegetation Index，NDVI）是研究植被覆盖度与生长状况的遥感因子，其变化趋势可以反映植被覆盖的变化程度，近年来也被用于监测荒漠化变化，是评价生态环境状况及演化变迁的重要指标^［3］。

近20年，国内外学者利用NDVI长时间序列数据，采用趋势分析法、Mann-Kendall非参数检验、Hurst指数、相关分析、偏相关分析、残差分析等对植被覆盖变化及影响因素进行了探究。部分学者也采用全局莫兰指数I、Getis-Ord指数、地理探测器等对植被覆盖的空间分布情况及集聚情况进行分析。Ibrahim等^［4］使用一元线性回归、残差分析、Mann-Kendall非参数检验分析了1982—2012年撒哈拉以南非洲地区土地退化的影响因素，认为相比降水而言，土壤湿度与该地区NDVI变化的相关性更高。马明国等^［5］利用1981—2001年中国西北地区的AVHRR数据，采用均值法、差值法和一元线性回归模拟法，分析了西北地区植被变化特征，认为研究期内植被覆盖存在退化趋势，改善趋势小于退化趋势。袁丽华等^［6］使用Theil-Sen Median趋势分析、Mann-Kendall非参数检验及Hurst指数，分析了2000—2010年黄河流域植被覆盖的时空变化趋势特征及变化趋势的可持续性。肖建勇等^［7］采用趋势分析、Hurst指数、相关分析、地理探测器等，分析了中国南方喀斯特关键带植被覆盖时空变化特征及影响因素。Hammadi等^［8］利用全局莫兰指数I、Getis-Ord指数对突尼斯北部的森林覆盖变化进行了分析，并判断了森林覆盖减小的区域。

中国西北地区生态环境脆弱，土地荒漠化问题严重。新疆、甘肃、阿拉善高原地区是中国境内沙尘暴的主要起源地，陕西、甘肃、宁夏地区的黄土高原水土流失严重^［9］，严重影响了当地的生态文明建设。研究该地区的生态环境演变与发展趋势，并对未来发展趋势进行预测，对该地区生态环境保护具有重要意义。本文基于2000—2019年的MODIS-NDVI遥感数据，对研究区植被覆盖时空变化特征、空间分布与变化趋势、未来演化趋势进行了分析，旨在揭示研究区植被覆盖变化的自然与人类活动影响因子，对改善当地脆弱生境及制定保护政策提供有效依据。

中国西北地区地理位置73.41°—120°E、32.65°—49.16°N，行政范围包含新疆、青海、甘肃、宁夏、陕西五省和内蒙古自治区部分区域，该区涵盖3个自然环境分区——内陆干旱片区、黄河流域片区、半干旱草原片区，面积345万km²（图1）。

黄河流域片区是半干旱和半湿润的黄河流域，总面积约63万km²，以黄土高原为主，区内沟壑丛生，植被覆盖状况较好，土地利用以耕地、林地、灌丛、草地为主^［6］。

内陆干旱片区是贺兰山以西的干旱区及极干旱区，总面积约253万km²，包括塔里木盆地、柴达木盆地、青海湖盆地、阿拉善高原等。区内大面积植被覆盖不佳，分布着大量的戈壁、沙漠、裸地等无植被区域，耕地主要分布在绿洲区域^［10］。

干旱草原片区是贺兰山以东的半干旱区，总面积约29万km²，区内植被覆盖以草地为主，属于干旱、半干旱气候向湿润、半湿润季风气候的过渡地带^［11］。

NDVI数据使用美国国家航空航天局（National Aeronautics and Space Administration，NASA）中分辨率成像光谱仪（Moderate-resolution Imaging Spectroradiometer，MODIS）提供的植被指数产品数据MOD13A3（https：//earthdata.nasa.gov），作为月度最大值合成、1 km空间分辨率数据。使用MRT（MODIS Reprojection Tools）批量拼接投影后采用最大值合成法将月尺度NDVI合成为2000—2019年NDVI数据集，采用平均值法处理得到20年平均NDVI数据。研究区气象数据来源于中国气象数据网月值数据，使用协同克里金插值得到2000—2019年的年平均气温、年降水量、年日照时间、年均相对湿度以及20年平均降水量、平均气温、平均日照时间、平均相对湿度。土地利用数据、DEM数据、矢量数据等来源于资源环境数据云平台（https：//www.resdc.cn），其中土地利用数据重分类为耕地、林地、草地、建设用地、水域、未利用地。

对每个栅格的多年NDVI值做一元线性回归分析，回归分析的斜率可以表示研究时期内NDVI的空间变化趋势^［12］：

式中：Slope为栅格NDVI回归方程的斜率；n为年跨度，本文为20；i为1—20的年序号；NDVI_i 为第i年的NDVI值；当Slope>0时，表明植被覆盖呈增长趋势；当Slope=0时，表明植被覆盖无变化；当Slope<0时，表明植被覆盖呈退化趋势；本文采用宋怡等^［10］的Slope值分级，分别为：严重退化（Slope≤-0.0091）、中度退化（-0.0091<Slope≤-0.0046）、轻微退化（-0.0046<Slope≤-0.0010）、基本不变（-0.0010<Slope≤0.0010）、轻微增长（0.0010<Slope≤0.0045）、中度增长（0.0045<Slope≤0.0090）、明显增长（Slope>0.0090）。

累积距平分析^［13］是一种直观表示变化趋势的方法，通过计算研究时期内研究区域i年的NDVI均值与多年平均NDVI值的差距，可以判断出研究时期内NDVI随时间变化的趋势。

式中：x̂t为第t年的累积距平；x_i 为i年的NDVI平均值；x¯为研究时段的NDVI平均值；n为研究时长。

Hurst指数是定量描述时间序列自相似性和长期依赖性的有效方法^［14］，近年来也被广泛用于植被覆盖变化研究。其估算方法以重极差（Rescaled Range，R/S）分析法更为可靠，本文采用R/S分析法进行估算。

对于时间序列NDVI_i，i=1，2，3，4，…，n，对于任意正整数t≥1，定义该时间序列均值序列：

累积离差

极差

标准差

对比R（t）/S（t）≅R/S，若存在R/S∝t ^H，则表明分析的时间序列存在Hurst现象，H称为Hurst指数，可以反映时间序列的随机性或持续性特征。当0.5<H<1时，表明时间序列具有持续性^［15］。

地理探测器是由王劲峰等^［16］提出的探测空间分异性，以及揭示其背后影响力的一组统计学方法^［17］。可以用于探测各驱动因子X对探测因变量Y的空间分异性的解释力度：

式中：q_X，Y 为影响因素探测力指标；X_i 为次一级区域样本数；N为整个区域样本数；m为次级区域个数；δ² 为研究区所有样本值的方差；δ_i² 为次一级区域内样本的方差。q_X，Y 的取值范围为［0，1］，q_X，Y 值越大，X的影响力越大。本文基于地理探测器对植被覆盖空间分布影响因子进行探测分析，选取年均日照、年均相对湿度、年均降水量、年均气温、海拔、坡度、坡向、距离水域的距离等8个自然因子进行空间探测。

相关系数^［7］可以反映两个变量间的相关关系，通过相关系数来反映各影响因子与NDVI的相关性：

式中：n为样本数；变量x_i 表示相关因子；变量y_i 表示NDVI；x¯、y¯分别为x_i、y_i 变量的均值；r_xy 为变量x_i 和变量y_i 的相关系数。本文选择降水、气温、日照、相对湿度为相关因子。

通过对每个栅格的NDVI与年降水量、年均温度、年日照时间、年均相对湿度做回归分析，得出每个栅格的NDVI预测值，预估出的NDVI预测值可视为自然因子对NDVI的影响，利用实际的遥感观测值减去预测值求得的残差，可视为人类活动对NDVI的影响。本文采用金凯等^［18］的驱动因素判定标准及贡献率计算，定量分析人类活动与自然因子的影响及相对贡献：

式中：a、b、c、d、e为模型参数；P、T、S、H分别为年降水量、年均温度、年日照时间、年均相对湿度；NDVI_NA与NDVI_HA，分别表示自然因子与人类活动影响下的NDVI值，NDVI_实际值为基于遥感影像的观测值。

为了进一步揭示人类活动及自然因子对研究区植被覆盖变化的影响，采用表1对驱动因素进行判定及贡献率计算。

首先，利用MRT工具对MOD13A3产品数据进行拼接和投影变换，以研究区范围批量裁剪后，基于最大值合成法将每年12期数据合成逐年NDVI影像，将小于0的异常值赋值为0，进行均值处理得到20年平均NDVI分布影像。气象数据采用协同克里金法进行插值处理。其次，使用累积距平分析、趋势分析、Hurst指数对研究区植被覆盖变化和持续性情况进行分析。以研究区20年NDVI均值的空间分布为研究对象，利用地理探测器探测NDVI空间分布影响因素。最后，通过相关分析法分析气温、降水、日照、湿度与NDVI的相关系数，判断上述因子对植被覆盖变化的影响。再使用残差分析法，判断人类活动对研究区植被覆盖变化的影响。

多年平均NDVI分布可以反映研究区多年平均植被覆盖的空间分布情况。2000—2019年研究区多年平均植被覆盖分布呈现一定的区域分异性，整体植被覆盖呈现为东高西低、南高北低趋势（图2）。由土地利用类型（图1）及各分区土地利用类型与NDVI统计值（表2）看，黄河流域片区以耕地、林地、草地为主，半干旱草原片区以草地为主，内陆干旱片区以未利用地、草地为主。耕地、林地、草地的主要分布区域与高植被覆盖区域范围类似，未利用地与低植被覆盖区域范围类似。

研究区总体的植被覆盖在2000—2019年呈增长趋势，NDVI年增长速率为0.0027，均值为0.252（图3）。半干旱草原片区NDVI年序列值变化较大，其次为黄河流域片区，内陆干旱片区NDVI年序列值变化较小，3个分区的年序列NDVI平均偏差分别为0.0290（半干旱草原片区）、0.0279（黄河流域片区）和0.0096（内陆干旱片区），研究区整体年序列NDVI平均偏差为0.0135。

各分区中，黄河流域片区植被覆盖最高，NDVI均值为0.504；半干旱草原片区次之，NDVI均值为0.348；内陆干旱片区的平均植被覆盖最低，NDVI均值为0.173。其中，黄河流域片区、内陆干旱片区植被变化趋势与整个研究区变化趋势相似，但增长速率不同，前者年增长速率为0.0055，后者为0.0018。半干旱草原片区变化趋势剧烈波动，2000—2001、2008—2010、2013—2017年呈退化趋势，2001—2007年为波动期，2011—2013、2017—2019年呈改善趋势，总趋势呈改善趋势。

增长趋势面积占比大于退化趋势面积（图4，表3），表明研究区2000—2019年整体植被覆盖度变化趋势呈增长趋势。其中，明显增长区域（7.5%）主要分布在黄河流域片区、甘肃东南部、陕西北部、宁夏南部及新疆天山山脉、塔里木盆地边缘区域，土地利用类型以耕地、草地为主；中度增长区域（11.79%）主要分布在黄河流域片区，处于明显增长趋势区域周围，土地利用类型以草地、耕地为主；轻微增长区域（36.48%）除各大沙漠腹地，均匀分布于各子分区中，土地利用类型以草地、未利用地为主；不变的区域（40.46%）主要分布在内陆干旱片区腹部各大沙漠（塔克拉玛干沙漠、古尔班通古特沙漠、库姆塔格沙漠、柴达木沙漠、巴丹吉林沙漠、腾格里沙漠、乌兰布和沙漠、库布齐沙漠境内）；轻微退化区域（3.11%）主要分布在内陆干旱片区新疆天山以北及半干旱草原片区内蒙古东北区域，土地利用类型以草地为主。中度退化（0.49%）和严重退化区域（0.16%）集中分布在城市建设用地，零星分布于各片区。各分区中，黄河流域片区增长趋势最佳，半干旱草原片区次之，土地利用类型以耕地、草地、林地的增长趋势最佳。

Hurst指数可以反映研究区变化趋势的持续性，将Hurst指数空间分布与NDVI变化趋势叠加后得到NDVI变化趋势的持续性分布（图5），共分为7种情况（表4）。

研究区68.13%的区域变化趋势不具有持续性。持续性不变（13.56%）>持续性轻微增长（10.50%）>持续性中度增长（3.46%）>持续性显著增长（3.08%）>持续性轻微退化（0.96%）>持续性中度退化（0.22%）>持续性严重退化（0.09%）。各分区中，黄河流域片区以持续性增长为主、半干旱草原片区以持续性轻微增长为主，内陆干旱片区以持续性不变和持续性轻微增长为主。在具有持续性变化的区域中以持续性增长区域（17.04%）占优，表明研究区生态环境会进一步得到改善。

基于地理探测器对植被覆盖空间分布影响因子进行探测分析，选取年均日照、年均相对湿度、年均降水量、年均气温、海拔、坡度、坡向、距离水域的距离等8个自然因子进行空间探测（表5）。

研究区植被覆盖分布受年均降水影响最大，其后依次为年均相对湿度、年均日照、距离水域的距离、年均气温，海拔、坡度、坡向影响力不明显。各分区中，黄河流域片区影响植被覆盖程度最高的是年均降水量、其次是年均日照时间、年均气温、年均相对湿度；半干旱草原片区受年均日照时间、年均降水量、年均相对湿度的影响大；干旱内陆河片区受年均相对湿度、年均降水量的影响度大，距离水域的距离和年均气温次之。

为了进一步探讨研究区植被覆盖变化的影响因子，选取空间分布影响因子影响度较大的4个因子^［19］——降水、气温、日照、相对湿度与植被覆盖度进行相关分析。

降水与研究区37.34%（通过α=0.05检验）的植被覆盖相关，其中37.16%为正相关，0.18%为负相关，主要分布在黄河流域片区、半干旱草原片区以及内陆干旱片区东南部，土地利用类型以草地、耕地为主；气温与9.04%（通过α=0.05检验）的植被覆盖相关，其中3.67%为正相关，5.37%为负相关，主要分布在内陆干旱片区甘肃西南部、新疆北部地区、半干旱草原片区中部，土地利用类型以草地、耕地、未利用地为主；日照与9.04%（通过α=0.05检验）的植被覆盖相关，其中2.06%为正相关，6.98%为负相关，主要分布范围、植被覆盖类型与气温相关性区域类似；相对湿度与10.64%（通过α=0.05检验）的植被覆盖相关，其中6.56%为正相关，4.08%为负相关，主要分布在内陆干旱片区，土地利用类型以草地、未利用地为主（图6、表6）。整体来看降水与植被覆盖的相关性最强，气温、日照、相对湿度较低，除黄河流域片区气温显著正相关性大于显著负相关区域外，研究区总体及各分区气温、日照均以显著负相关占优，降水、相对湿度以显著正相关占优。

研究区自然因子影响趋势空间分布及人类活动影响趋势空间分布（图7）^［16］。研究区46.53%的区域植被变化受自然因子促进，促进区域以半干旱草原片区为主；29.78%的区域植被变化受人类活动促进，促进区域以黄河流域片区为主；除半干旱草原片区受人类活动轻微抑制达29.44%外，其余各区受人类活动与自然因子抑制较低，均不足10%。整体而言，人类活动与自然因子对植被变化以促进作用为主。

为了揭示研究区植被变化的驱动机制及人类活动与自然因子的贡献率，采用表1的判定及计算方法对研究区植被变化做定性分析。去除植被变化不明显区域，研究区植被变化多由自然因子与人类活动共同驱动，仅半干旱草原片区表现出较多的自然因子驱动增长（图8）。

去除变化不明显区域，自然因子贡献率全区中以40%以上的区域居多，面积占比达83.27%（表7）。人类活动以0—60%的区域居多，面积占比达83.42%。由图9可知自然因子贡献率大于80%的区域主要集中在半干旱草原片区与黄河流域片区，对比自然因子相关性分析，降水在上述区域也表现出明显的正相关性。人类活动贡献大于80%的区域主要集中在半干旱草原片区与内陆干旱片区，半干旱草原片区的植被变化趋势以退化为主。

综上，研究区植被覆盖变化是人类活动与自然因子共同作用的结果，自然因子对研究区植被覆盖比人类活动的贡献率大，自然因子中降水对植被覆盖变化的影响最大。

近20年，西北地区植被覆盖总体呈增长趋势，NDVI均值为0.252，年平均增长速率为0.0027。研究区内植被覆盖空间差异较大，黄河流域片区植被覆盖最高且增长率最大，NDVI均值为0.504，年平均增长率为0.0055，半干旱草原片区次之（0.348），且波动变化较大，内陆干旱片区植被覆盖平均较低且增长相对较慢，NDVI均值和年平均增长率分别为0.173和0.0018。

NDVI空间差异与下垫面土地利用类型密切相关，黄河流域片区土地利用类型以高植被覆盖率的耕地、林地、草地为主（占86.36%），半干旱草原区土地利用类型以低矮禾草形成的草地为主（占76.29%），而内陆干旱片区除山地和绿洲地区外，基本以较低植被覆盖率的沙漠、荒漠和戈壁形成的未利用地为主（占63.55%），不同分区的土地利用类型使得西北地区NDVI空间差异较大。

研究区植被覆盖增长区域占总面积的55.77%，退化区域仅占3.76%，并且持续性改善区域的面积远大于持续性退化的面积，表明西北地区生态环境会进一步向好发展。在黄河流域片区，植被覆盖增长区域占85%以上，且增长趋势具有持续性的区域占27%以上，而半干旱草原片区和内陆干旱片区植被覆盖增长区域分别占子区面积的72.48%和45.72%，具有持续性的区域仅占11.66%和14.98，说明黄河流域片区的生态环境改善程度明显优于半干旱草原片区和内陆干旱片区，在未来一定时段内黄河流域片区的领先优势将会继续保持。

研究区植被覆盖变化以自然因子与人类活动共同驱动为主，自然因子对植被生长的促进作用大于人类活动，有46.53%区域受自然因子促进，29.78%的区域植被变化受人类活动促进。气候变化背景下，中国西北地区呈暖湿化趋势，多数地区年平均气温变化率高于0.03 ℃，降水年变化率在0—1 mm，且增加趋势显著^［19］，气温升高、降水增加能够促进植被生长^［20］，进而使植被覆盖增加。另外，人类对植被的保护和生态修复，如退耕还林还草工程^［21］、封山禁牧^［22］等保护措施，对植被变化也有较大的促进作用。