拉萨市NDVI时空变化及其影响因素分析

Analysis on the Spatiotemporal Changes of NDVI in the Lhasa City and Its Influencing Factors

摘要

以拉萨市为研究区，采用Sen和Mann-Kendall趋势检验及偏相关分析等方法，对2000—2023年拉萨市植被归一化植被指数（NDVI）的时空变化特征及其影响因素进行研究。结果表明，2000—2023年拉萨市NDVI均值整体呈波动增长趋势，增长速率为0.00094/a，最小值0.23316出现在2008年，最大值0.27058出现在2021年，且可分为2000—2005年下降、2005—2013年缓慢波动增长、2013—2023年急速波动增长3个阶段；空间上，NDVI低值区主要分布在念青唐古拉山脉及部分高海拔山区，高值区集中在城关区等相对较低海拔区县中心区域；稳定性分析显示，拉萨市植被NDVI以相对低波动为主；变化趋势方面，84.48%的区域NDVI呈上升趋势，未来整体呈现改善趋势；偏相关分析表明，NDVI与气温、降水的相关性存在空间差异，且受海拔、土地利用、人类活动等因素影响。

Abstract

This paper takes Lhasa City as the research area, the spatiotemporal variation characteristics of Normalized Difference Vegetation Index (NDVI) and its influencing factors, in Lhasa City from year 2000 to 2023, were studied by using Sen and Mann-Kendall trend tests, and partial correlation analysis methods. The results showed that the mean NDVI of Lhasa City from year 2000 to 2023 has an overall fluctuating growth trend, with an annual growth rate of 0.00094. The minimum growth rate of 0.23316 and maximum growth rate of 0.27058 occurred in year 2008 and2021, respectively. It can be divided into three stages, such as a decline from year 2000 to 2005, a slow fluctuating growth from year 2005 to 2013 and a rapid fluctuating growth from year 2013 to 2023. Spatially, the areas with low NDVI are mainly distributed in the Nyenchen Tanglha Mountains and other high-altitude mountain areas, while the areas with high NDVI are concentrated in the central regions of low-altitude counties, such as Chengguan District. The stability analysis showed that the vegetation NDVI in the Lhasa City is mainly characterized by relatively low fluctuation. In terms of the changing trend, 84.48% of the areas show an increasing trend in NDVI, indicating an overall improvement trend in the future. Partial correlation analysis indicated that the correlation between NDVI and temperature/ precipitation exhibits spatial variations and is influenced by factors such as altitude, land use, and human activities. This study can provide a reference for the ecological environment governance of the Lhasa City and help to build a solid ecological security barrier for the "Roof of the World".

Graphical abstract

关键词

归一化植被指数 / 拉萨市 / 时空变化 / 偏相关分析

Key words

Normalized Difference Vegetation Index (NDVI) / Lhasa City / spatiotemporal changes / partial correlation analysis

引 言

植被是陆地生态系统中最重要的组成部分，对于水土保持、气候调节以及生态环境的保护起到了极为重要的作用。归一化植被指数（Normalized Difference Vegetation Index，NDVI）可以清晰表征植被特征的参数，是目前最常用的植被覆盖监测方法^[1,2]。青藏高原作为世界上海拔最高、面积最大的高原，因其独特的地理位置和气候条件被称为“世界屋脊”“世界第三极”，同时青藏高原具有世界上最独特的植被生态系统^[3,4]，因此在全球气候变暖的背景下，青藏高原的植被生态对于全球气候变化的影响十分重要。拉萨市位于青藏高原的中部，作为西藏的省会城市，研究拉萨市的NDVI时空变化及其影响因素对于整个西藏的生态环境保护和生态系统维护具有极为重要的意义。

目前针对拉萨市植被NDVI方面的研究较少，现有成果多聚焦于整个青藏高原^[5-15]。如，章阳等^[8]通过Pettitt突变检验、Mann-Kendall趋势检验及Pearson相关分析发现，拉萨河流域生长期NDVI在1997年发生显著性突变，突变后气象因子对植被生长的影响增强；卢帅等^[9]通过残差分析发现，2000—2020年西藏“一江两河”地区植被NDVI总体呈现增加趋势，人类活动、生态工程林是该地区植被覆盖变化的重要促进因素；杨亮等^[10]通过增强回归树模型分析发现，1982—2015年青藏高原生长季NDVI整体上呈现微弱上升趋势，土壤湿度和温度降水为影响NDVI变化的主要因子；Sun等^[11]采用Sen和Mann-Kendall趋势分析及地理探测器研究发现，2000—2017年青藏高原植被NDVI显著改善区域占比最高，严重退化区域占比最低，稳定的气候和生态系统促进植被生长，人类活动和生态脆弱性使得部分区域植被退化；李焱等^[12]发现，2000—2020年藏西南植被NDVI整体呈现增加趋势，人类活动对大部分区域呈正面影响，负面影响集中在半农半牧和纯牧业县区；颜梦等^[13]发现，雅鲁藏布江流域NDVI、气温、降水空间分布均从东南向西北递减，拉萨市NDVI受气温和降水协同影响；顿玉多吉等^[14]研究发现，2000—2017年雅鲁藏布江流域植被NDVI空间分布呈自西向东递增、随海拔降低而增大的趋势，近18年整体呈稳定状态；欧阳习军等^[15]发现，1982—2015年青藏高原生长季NDVI总体呈上升趋势，湿润地区退化面积占比大，干旱地区改善面积占比大，其中气温是整个高原植被变化的主要气象驱动因子，气温和降水主导多数干湿地区，日照和相对湿度则在部分湿润及半干旱地区起主要作用。

鉴于现有研究大多以整个青藏高原为研究区域，而拉萨市作为西藏首府，其生态状况对全区具有深远影响。因此，本研究通过Sen和Mann-Kendall趋势检验及偏相关分析，系统探讨拉萨市2000—2023年植被NDVI时空变化及其影响因素，可为拉萨市生态环境治理提供参考依据。

1 研究区概况

拉萨市位于中国西南部地区、青藏高原中部，是雅鲁藏布江支流拉萨河中游的河谷平原。拉萨市总面积为29.64万 km²，地理坐标为N 29°36′\sim29°39′、E 91°06′\sim91°07′，海拔介于3 554\sim7 095 m，最低海拔位于城关区，最高海拔位于拉萨市西北侧的念青唐古拉山脉，平均海拔3 650 m^[16,17]。该地区属于典型的高原温带半干旱季风气候，全年多晴朗天气，降雨稀少，冬无严寒，夏无酷暑，年平均气温约7.4℃，年平均降雨量为200\sim510 mm，且主要集中在6—9月，多夜雨，太阳辐射强，空气稀薄，气温偏低，昼夜温差较大，冬春寒冷干燥且多风^[18]。

2 数据与方法

2.1 数据来源与预处理

研究数据包括拉萨市2000—2023年月归一化植被指数（NDVI）数据集^[19]、拉萨市2000—2023年月平均气温数据集^[20]、拉萨市2000—2023年月平均降水数据集^[21]、拉萨市高程数据集、拉萨市2000—2023年土地利用数据集^[22]、拉萨市植被类型数据集和拉萨市2000—2023年人口密度数据集，具体数据信息见表1。为确保数据准确性，通过ArcGIS10.8软件的像元统计工具，将月NDVI数据、月气温数据和月降水数据分别合成年数据。由于每种栅格数据的坐标系、像元大小和行列数不同，为确保后期MATLAB数据处理的顺利进行，通过ArcGIS10.8软件的重采样工具将所有数据统一为30 m的空间分辨率，坐标系统一为投影坐标系WGS 1984 UTM Zone 46N^[23]。

2.2 研究方法

2.2.1 变异系数

变异系数（Coefficient of Variation，CV）是一种衡量数据离散程度的指标^[24]，也称为离散系数。变异系数越小，说明变化波动越小；反之，变异系数越大，说明变化波动越大。本研究通过离散系数分析拉萨市NDVI变化的波动程度，其计算公式如下：

{\mathrm{C}}_V=\sqrt[]{\frac{\mathrm{1}}{n-\mathrm{1}}{\displaystyle \sum _{i=\mathrm{1}}^n}(x_i{-\overline{x})}^{\mathrm{2}}}/\overline{x}（1）

式中，{\mathrm{C}}_V表示变异系数；n表示年份；x_i表示第i年的归一化植被指数NDVI值；\overline{x}表示2000—2023年的归一化植被指数NDVI平均值。

2.2.2 Theil-Sen中值斜率和Mann-Kendall检验

Theil-Sen中值斜率（\beta）是一种非参数统计方法，常用于反映时间序列数据的变化趋势^[23]。该方法对于异常值不敏感，可用于估计非正态分布或存在离群值的数据。当\beta0时，表示数据呈现上升趋势；当\beta=0时，表示数据无明显变化趋势；当\beta0时，表示数据呈现下降趋势。本研究通过Theil-Sen中值斜率分析拉萨市NDVI的演变趋势，其计算公式如下：

\beta =\mathrm{m}\mathrm{e}\mathrm{d}\mathrm{i}\mathrm{a}\mathrm{n}[(x_j-x_i)/(j-i)](ij)（2）

式中，\beta表示时间序列的变化趋势；\mathrm{m}\mathrm{e}\mathrm{d}\mathrm{i}\mathrm{a}\mathrm{n}()表示取中值的函数；x_j和x_i分别表示时间序列的第j和第i个数据。

Mann-Kendall检验是一种用于判断时间序列数据是否存在上升或下降趋势的非参数检验方法^[25]。该方法无需假设数据分布，可应用于气温、降水等数据的长期趋势分析。本研究通过Mann-Kendall检验分析拉萨市NDVI的演变趋势，其计算公式如下：

S={\displaystyle \sum _{i=\mathrm{1}}^{n-\mathrm{1}}}{\displaystyle \sum _{j=i+\mathrm{1}}^n}\mathrm{s}\mathrm{g}\mathrm{n}(x_j-x_i)（3）

\mathrm{s}\mathrm{g}\mathrm{n}(x_j-x_i)=\left\{\begin{array}{l}+\mathrm{1},\begin{array}{cc}& x_j-x_i\mathrm{0}\end{array}\\ \mathrm{0},\begin{array}{cc}& x_j-x_i=\mathrm{0}\end{array}\\ -\mathrm{1},\begin{array}{cc}& x_j-x_i\mathrm{0}\end{array}\end{array}\right.（4）

Z=\left\{\begin{array}{l}\frac{S-\mathrm{1}}{\sqrt[]{Var(S)}},\begin{array}{cc}& S\mathrm{0}\end{array}\\ \mathrm{0},S=\mathrm{0}\\ \frac{S+\mathrm{1}}{\sqrt[]{Var(S)}}\begin{array}{cc}& S\mathrm{0}\end{array}\end{array}\right.（5）

\mathrm{V}\mathrm{a}\mathrm{r}(S)=[n(n-\mathrm{1})(\mathrm{2}n+\mathrm{5})]/\mathrm{18}（6）

式中，S表示时序数据的统计量；n表示序列的样本数；\mathrm{s}\mathrm{g}\mathrm{n}表示符号函数；x_j和x_i分别表示时间序列的第j个和第i个数据；Z表示标准化的检验统计量；\mathrm{V}\mathrm{a}\mathrm{r}(S)表示方差。本研究结合\beta值和Z值，将变化趋势分为9个等级，如表2所示。

2.2.3 Hurst指数

Hurst指数（H）是一种用于衡量时间序列长期记忆性或者持续性的指标^[26]，常用于监测气候、水文等是否具有长期记忆性或持续性。本研究通过Hurst指数分析拉萨市NDVI是否具有持续性。当0H0.5时，表明拉萨市NDVI的未来趋势具有反持续性；当H=0.5时，表明拉萨市NDVI的未来趋势呈现游走状态，未来变化与过去无关；当0.5H1时，表明拉萨市NDVI的未来趋势具有持续性。公式（7）\sim（11）分别表示均值序列、累计离差、极差、标准差和Hurst指数。

{\overline{N}}_{(\tau )}=\frac{\mathrm{1}}{\tau }{\displaystyle \sum _{t=\mathrm{1}}^{\tau }}{N}_t,\tau =\mathrm{1,2},\cdots ,n（7）

X_{(t,\tau )}={\displaystyle \sum _{t=\mathrm{1}}^{\tau }}(N_{(t)}-{\overline{N}}_{(\tau )}),t\in [\mathrm{1},\tau ]（8）

R_{(\tau )}=\mathrm{m}\mathrm{a}{\mathrm{x}}_{(\mathrm{1}\le t\le \tau )}{X}_{(t,\tau )}-\mathrm{m}\mathrm{i}{\mathrm{n}}_{(\mathrm{1}\le t\le \tau )}{X}_{(t,\tau )},\tau =\mathrm{1,2},\cdots ,n（9）

S_{(\tau )}={[\frac{\mathrm{1}}{\tau }{\displaystyle \sum _{t=\mathrm{1}}^{\tau }}(N_{(t)}-{\overline{N}}_{(\tau )}{)}^{\mathrm{2}}]}^{\frac{\mathrm{1}}{\mathrm{2}}},\tau =\mathrm{1,2},\cdots ,n（10）

\frac{R_{(\tau )}}{S_{(\tau )}}\mathrm{\infty }{(\tau )}^H（11）

式中，{\overline{N}}_{(\tau )}表示均值序列；\tau表示研究的时间段；t表示研究年份；N_t表示时间序列；X_{(t,\tau )}表示t年内的累计离差；R_{(\tau )}表示\tau时间内的极差；\mathrm{m}\mathrm{a}\mathrm{x}表示最大值函数；\mathrm{m}\mathrm{i}\mathrm{n}表示最小值函数；S_{(\tau )}表示\tau时间内的标准差；H表示Hurst指数。

2.2.4 偏相关分析

偏相关分析是在控制其他变量影响的同时衡量两个变量之间的线性关系^[13]。植被的生长发育同时受到多个因素的影响，例如气温、降水、日照时长、湿度、海拔等，为探究拉萨市NDVI与气象因子的关系，研究控制其他因素的影响，分析NDVI与气温和降水两个因子的响应关系，其计算公式如下^[27]：

r=\frac{{\displaystyle \sum _{i=\mathrm{1}}^n}(x_i-\overline{x})(y_i-\overline{y})}{\sqrt[]{{\displaystyle \sum _{i=\mathrm{1}}^n}(x_i{-\overline{x})}^{\mathrm{2}}{\displaystyle \sum _{i=\mathrm{1}}^n}(y_i{-\overline{y})}^{\mathrm{2}}}}（12）

r_{ijh}=\frac{r_{ij}-r_{ih}{r}_{jh}}{\sqrt[]{(\mathrm{1}-{r_{ih}}^{\mathrm{2}})(\mathrm{1}-{r_{jh}}^{\mathrm{2}})}}（13）

式中，r表示植被NDVI与气温和降水的（Pearson）相关系数；x_i表示第i年的植被NDVI值；y_i表示第i年的气温与降水值；\overline{x}表示多年植被NDVI的平均值；\overline{y}表示多年气温与降水的平均值；r_{ijh}表示当h一定时i和j的偏相关系数；r_{ij}表示气温与降水的相关系数；r_{ih}表示气温与植被NDVI的相关系数；r_{jh}表示降水与植被NDVI的相关系数。

3 结果与分析

3.1 NDVI时空分布特征

利用ArcGIS10.8软件分析得出拉萨市2000—2023年NDVI的年平均值，并绘制了2000—2023年拉萨市NDVI均值变化及趋势示意图（图1）。从图1A可以看出，拉萨市2000—2023年NDVI均值整体上呈现波动增长的趋势，增长速率为0.00094/a，NDVI最小值出现在2008年，为0.23316，最大值出现在2021年，为0.27058。为了更深入地分析拉萨市NDVI变化趋势，本研究将2000—2023年的NDVI均值变化趋势分为3个阶段，第1阶段为2000—2005年，NDVI呈现下降趋势，由2000年的0.24445下降为2005年的0.23453（图1B），下降速率为0.00179/a；第2阶段为2005—2013年，NDVI呈现缓慢波动增长趋势（图1C），增长率为0.00061/a，其中NDVI最小值为2008年的0.23316，最大值为2012年的0.24486；第3阶段为2013—2023年，NDVI呈现急速波动增长趋势，由2013年的0.23552增长为2023年的0.25763（图1D），增长率为0.00212/a，NDVI最大值出现在2021年，为0.27058。整体来说，拉萨市近24年的NDVI呈现波动增长趋势，说明当地植被生态环境在不断改善。

为探明拉萨市近24年NDVI的空间分布特征，研究绘制了拉萨市NDVI空间分布图，并通过ArcGIS10.8软件将其划分为6个等级，分别为NDVI≤0.1、（0.1,0.15]、（0.15,0.2]、（0.2,0.25]、（0.25,0.3]和NDVI0.3（表3）。在此基础上，绘制了拉萨市2023年土地利用类型分布图、拉萨市2023年人口密度分布图和拉萨市坡度分布图（图2）。从图2可以看出，拉萨市NDVI≤0.1的区域面积为3 580.93 km²，占比为12.07%，主要分布在念青唐古拉山脉和纳木错，其土地利用类型分别为冰雪、裸地和水域，且该区域人口稀少，其余区域散布在尼木县、曲水县、林周县、墨竹工卡县海拔较高的山区和拉萨河水域部分，其中念青唐古拉山脉坡度以急坡和险坡为主，平均海拔在5 000\sim6 000 m，说明海拔高度和坡度大小对于植被NDVI存在一定的影响，可能是由于高海拔和低气温不利于植被的生长发育，而坡度较大的区域不利于植被的附着生根，具体原因有待于进一步探索。NDVI为（0.1,0.15]、（0.15,0.2]、（0.2,0.25]和（0.25,0.3]的区域面积分别为1 871.21 km²、3 117.89 km²、4 405.22 km²和5 253.14 km²，占比分别为6.31%、10.51%、14.84%和17.70%，这些区域的土地利用类型以草原为主，且人口较为稀少，坡度以斜坡和陡坡为主。NDVI0.3的区域面积为11 449.78 km²，占比38.58%，是面积占比最大的类别，该类别区域主要分布在城关区、达孜区、堆龙德庆区、墨竹工卡县和当雄县海拔较低的县中心区域，这些区域人口分布较为集中，土地利用类型以草地为主，具少量不透水面和森林灌木，坡度以微坡和缓坡为主，说明人口密度对于植被NDVI也存在一定的影响，可能是植树造林等生态行动促进了当地植被生态环境的保护与恢复。

3.2 植被稳定性分析

采用Hurst指数分析了拉萨市近24年植被NDVI的稳定性，绘制了拉萨市NDVI稳定性分布图（图3A）。为探讨稳定性与植被类型的关系，绘制了拉萨市植被类型分布图（图3B）。为了更直观地分析稳定性，研究将NDVI稳定性划分为5个等级，分别为低波动、相对低波动、中等波动、相对高波动和高波动。可以发现，低波动区域面积为4 631.94 km²，占比为15.61%，主要分布在纳木错水域和念青唐古拉山脉的冰雪覆盖区域；相对低波动区域面积为16 303.94 km²，占比达54.93%，为面积占比最大的等级，主要分布在城关区、堆龙德庆区、尼木县、当雄县和林周县海拔较低的县中心区域，这些区域的植被类型以草甸和栽培植物为主，其中栽培植物受到人为干预作用，植物所需的水分与养分得到充分的补给，且拉萨市颁布了《拉萨市城市绿化条例》，有助于城市植被绿化的提升，故植被稳定性较高；中等波动区域面积为4 038.82 km²，占比为13.61%，主要分布在山脚，植被类型主要为草甸；相对高波动区域面积为1 625.56 km²，占比为5.48%，主要植被类型为草甸；高波动区域面积为3 078.9 km²，主要分布在念青唐古拉山脉的非冰雪区域和拉萨河水域部分，其余散布在尼木县、曲水县、墨竹工卡县和林周县的相对高海拔山区，其主要植被类型为高山植被，整体上来说，拉萨市植被NDVI呈现相对低波动的稳定性。

3.3 NDVI变化趋势与显著性检验

本研究通过Theil-Sen中值斜率和Mann-Kendall检验，分析拉萨市2000—2023年NDVI变化趋势，并绘制了拉萨市NDVI变化趋势分布图和NDVI变化趋势显著性分布图（图4）。通过ArcGIS10.8软件的重分类工具，将Sen趋势分析结果分为Sen0和Sen0两类，可以发现Sen0的区域面积为4 605.13 km²，占比为15.52%，Sen0的区域面积为25 074.03 km²，占比达84.48%，说明拉萨市有84.48%的区域植被NDVI呈现上升趋势，而呈现下降趋势的区域主要分布在林周县的热振藏布流域和乌鲁龙曲流域，呈现一个“V”字形的NDVI下降区域，以及城关区和堆龙德庆区的城市化中心区域，其余散布在墨竹工卡县的拉萨河流域，说明城市的发展和流域冲刷对于植被NDVI存在一定的影响。由拉萨市NDVI变化趋势显著性分布可知，植被NDVI呈现退化的区域面积为4 716.43 km²，占比为15.89%，主要分布在当雄县的相对低海拔区域和林周县的热振藏布流域、乌鲁龙曲流域，以及城关区和堆龙德庆区的城市化中心区域，其中不显著退化的区域面积占比最大，为12.45%；植被NDVI呈现改善的区域面积为24 962.74 km²，占比达84.11%，其中不显著改善的区域面积最大，为12 208.16 km²，占比达41.13%；极显著改善的区域面积为5 281.01 km²，占比为17.79%，主要分布在拉萨市西北侧的念青唐古拉山脉，其余散布在尼木县的西南部、墨竹工卡县的东北部和曲水县，且近年来拉萨市实施了山水林田湖草生态修复政策，加快草地保护和修复，促进了拉萨市的植被生态保护。整体而言，拉萨市近24年的植被NDVI呈现改善的演变趋势。

3.4 Hurst指数与未来变化趋势

本研究根据公式（7）\sim（11），利用MATLAB R2024b软件将拉萨市2000—2023年的植被NDVI绘制成拉萨市Hurst指数分布图（图5A），并绘制了拉萨市NDVI未来变化趋势分布图（图5B）。通过ArcGIS10.8软件将拉萨市Hurst指数划分为4个等级，分别为H≤0.35、(0.35,0.5]、(0.5,0.65]、H0.65，又将拉萨市NDVI未来变化趋势划分为9个等级，分别为强持续性退化、弱持续性退化、反强持续性改善、反弱持续性改善、反弱持续性退化、反强持续性退化、弱持续性改善、强持续性改善、基本不变，具体见表4。由拉萨市Hurst指数分布图可知（图5A），H≤0.5的区域面积为21 626.61 km²，占比为72.87%，表示拉萨市72.87%的区域未来变化趋势呈现反持续性变化，其中H≤0.35的区域面积为4 088.21 km²，占比为13.77%，(0.35,0.5]的区域面积为17 538.4 km²，占比达59.09%，零散分布在拉萨市人口非密集区；H0.5的区域面积为8 052.49 km²，占比为27.13%，表示拉萨市有27.13%的区域未来变化趋势呈现持续性变化，其中H0.65的区域面积为620.25 km²，占比为2.09%，(0.5,0.65]的区域面积为7 432.24 km²，占比为25.04%，主要分布在城关区和堆龙德庆区的城中心区域，以及墨竹工卡县的人口分布密集区。由图5B可知，拉萨市NDVI未来变化趋势呈现退化的区域总面积为774.24 km²，占比为7.28%，其中面积占比最大的为反弱持续性退化，面积仅为381.79 km²，说明该区域的植被NDVI缓慢退化，而强持续性退化和弱持续性退化区域主要分布在林周县的热振藏布流域、乌鲁龙曲流域，以及城关区和堆龙德庆区的不透水面区域，说明在城市化建设的同时，应兼顾植被生态环境的保护发展；NDVI未来变化趋势呈现改善的区域总面积为9 854.64 km²，占比达92.72%，说明拉萨市植被NDVI未来变化整体上呈现改善趋势，其中面积占比最大的为反弱持续性改善，面积为5 916.45 km²，占比达55.64%，而弱持续性改善和强持续性改善区域主要分布在尼木县的南部和曲水县的东南部区域，以及城关区的城中心区域，这可能与城关区城镇街道的绿化栽培作物有关。整体而言，拉萨市植被NDVI未来变化呈现改善的趋势，植被生态环境不断得到改善与提升。

3.5 NDVI变化与气温、降水的关系

本研究采用偏相关分析，结合t检验，控制气温与降水两个气象因子的影响，分析NDVI变化与气温、降水的关系，并绘制了NDVI与气温、降水的相关性分布图，以及NDVI与气温、降水的相关性分布图（P0.05），如图6所示。通过ArcGIS10.8软件的重分类工具将相关性关系分为8个等级，分别为高度线性负相关、中度线性负相关、低度线性负相关、微度线性负相关、微度线性正相关、低度线性正相关、中度线性正相关、高度线性正相关。由图6A可知，拉萨市NDVI与气温的相关性系数为（-0.814818，0.844637），呈现负相关的面积为12 041.63 km²，占比为40.57%，主要分布在当雄县的相对低海拔地区以及城关区和堆龙德庆区的城中心区域，其中负相关面积占比最大的为微度线性负相关，面积为8 932.63 km²，占比为30.1%；正相关中面积占比最大的为微度线性正相关，面积为10 154.22 km²，占比为34.21%，呈现正相关的区域主要分布在念青唐古拉山脉以及其他高海拔区域。图6C为通过显著性检验（P0.05）的NDVI与气温相关性分布图，可以看出通过显著性检验的像元面积为5 762.73 km²，占比为19.42%，其中呈现负相关的面积占比为26.11%，呈现正相关的面积占比达73.89%。由图6B可知，拉萨市NDVI与降水的相关性系数为（-0.85896,0.887958），呈现负相关的面积为15 692.93 km²，占比达52.88%，主要分布在墨竹工卡县的相对高海拔地区和念青唐古拉山脉，其余散布在曲水县和堆龙德庆区的相对高海拔地区，其中负相关区域面积占比最大的为微度线性负相关，面积为9 671.61 km²，占比为32.59%；正相关区域中面积占比最大的为微度线性正相关，面积为8 528.89 km²，占比为28.74%，呈现正相关的区域主要分布在当雄县的相对低海拔区域，以及城关区、堆龙德庆区和林周县的相对低海拔区域。图6D为通过显著性检验（P0.05）的NDVI与降水相关性分布图，可以看出通过显著性检验的像元面积为6 287.86 km²，占比为21.19%，其中呈现负相关的面积占比44.9%，呈现正相关的面积占比达55.1%。

4 讨 论

本研究通过分析拉萨市2000—2023年NDVI时空分布特征，发现拉萨市近24年的植被NDVI整体上呈现波动增长的趋势，增长速率为0.00094/a，最小值出现在2008年，最大值出现在2021年，并且将其划分为3个阶段，分别为2000—2005年整体呈现缓慢波动下降的趋势、2005—2013年呈现缓慢波动上升的趋势、2013—2023年呈现急速波动上升的趋势。分析拉萨市NDVI空间分布特征，并结合土地利用类型、人口密度分布和坡度分布情况可以发现，拉萨市NDVI低值区主要分布在念青唐古拉山脉以及尼木县、曲水县、林周县和墨竹工卡县海拔较高的山区，且这些区域海拔较高，坡度较大，土地利用以裸地、冰雪和草原为主，说明海拔与土地利用对植被NDVI存在一定的影响，这与张光祖等^[28]认为海拔影响植被NDVI的结论一致。分析拉萨市NDVI稳定性并结合植被类型分布情况可以发现，NDVI低波动区域主要分布在纳木错水域和念青唐古拉山脉冰雪覆盖区，NDVI高波动区主要分布在念青唐古拉山脉非冰雪区和拉萨河水域部分。总体来看，拉萨市植被NDVI呈现相对较低的波动性。分析拉萨市NDVI变化趋势与变化趋势显著性可知，NDVI呈现下降的区域面积仅占15.52%，说明植被NDVI整体上呈现上升趋势，而下降区域主要分布在林周县的热振藏布流域和乌鲁龙曲流域，以及城关区和堆龙德庆区的城市化中心区域，说明城市的发展与流域冲刷对于植被NDVI存在一定的影响，这与卢帅等^[9]提出的人类活动对于NDVI存在影响的结论一致。分析拉萨市植被NDVI未来变化趋势可以发现，拉萨市有72.87%的区域未来变化趋势呈现反持续性变化，呈现退化区域面积占比为7.28%，呈现改善区域面积占比达92.72%，其中反弱持续性改善的面积最大，占比达55.64%，整体而言，拉萨市植被NDVI未来变化呈现改善的趋势，植被生态环境在不断改善。

采用偏相关分析法分析拉萨市植被NDVI变化与气温、降水的关系，发现NDVI与气温呈现负相关的面积占比为40.57%，主要分布在当雄县的相对低海拔区域以及城关区和堆龙德庆区的城中心区域，呈现正相关的区域主要分布在念青唐古拉山脉以及其他高海拔区域，在NDVI与气温相关性分布图中通过显著性检验（P0.05）的像元面积占比为19.42%。NDVI与降水呈现负相关的面积占比为52.88%，主要分布在念青唐古拉山脉和墨竹工卡县的相对高海拔地区，呈现正相关的的区域主要分布在当雄县、城关区、堆龙德庆区和林周县的相对低海拔区域，NDVI与降水相关性分布图中通过显著性检验（P0.05）的像元面积占比21.19%，这与杨亮等^[10]研究的NDVI与气温、降水相关性分析基本一致。

本研究所采用的归一化植被指数、气温、降水遥感数据分辨率均不高，这对于研究结果精度存在一定的影响。在分析偏相关性的时候也只考虑了气温与降水的影响，对高程、土地利用类型、人口密度、植被类型和坡度等因子并没有做很细致的分析，未来可以结合地理探测器，分析各个因子对于植被NDVI的单因子影响与交互作用影响。总体来说，拉萨市NDVI整体上呈现波动增长的趋势，植被状况向好的趋势发展，但是部分区域的植被生态保护值得进一步关注。

5 结 论

本研究通过对2000—2023年拉萨市植被NDVI的时空变化特征及其影响因素的系统分析，得出以下结论：

（1）2000—2023年拉萨市NDVI整体呈波动增长趋势，增长速率为0.00094/a，最小值0.23316出现在2008年，最大值0.27058出现在2021年。该变化过程可分为以下3个阶段：2000—2005年呈下降趋势，下降速率为0.00179/a；2005—2013年呈缓慢波动增长趋势，增长速率为0.00061/a；2013-2023年呈急速波动增长趋势，增长速率为0.00212/a，表明近24年拉萨市植被生态环境整体趋于改善。

（2）在空间分布上，NDVI0.1的低值区主要分布在念青唐古拉山脉、纳木错及部分高海拔山区，受高海拔、大坡度影响显著，土地利用类型多为冰雪、裸地和水域；NDVI0.3的高值区集中分布在城关区等低海拔县中心区域，与生态保护政策推动相关。变化趋势上，84.48%区域的NDVI呈上升趋势，15.52%区域呈下降趋势，下降区域主要与流域冲刷和城市化发展有关。未来92.72%的区域NDVI呈改善趋势，仅7.28%的区域呈退化趋势，整体生态环境持续向好。

（3）NDVI与气温呈现负相关的区域占比达40.57%，主要分布在低海拔区域及城市中心区域，正相关区域集中在高海拔地区；与降水呈现负相关的区域占比达52.88%，主要位于高海拔区域，正相关区域多在低海拔区域，且两者通过显著性检验的像元面积占比分别为19.42%和21.19%。此外，海拔、土地利用、人口密度等因素也对NDVI空间分布和变化存在显著影响。

参考文献

[1] 马欢,计伟,冯朝阳,等.2000—2022年黔南州植被NDVI时空变化及驱动因子分析[J].环境科学研究,2025,38(6):1332-1343.

[2] 许颖,张润泽,郭兵.2000—2020年中国植被时空变化格局及其对气候作用的滞后响应分析[J].自然资源遥感,2025,37(5):254-266.

[3] 吉珍霞,裴婷婷,陈英,等.青藏高原草地物候动态及其对驱动因子的响应[J].草业科学,2023,40(1):4-14.

[4] Gillespie T W, Madson A, Cusack C F, et al. Changes in NDVI and human population in protected areas on the Tibetan Plateau[J]. Arctic, Antarctic, and ResearchAlpine, 2019, 51(1):428-439.

[5] Liu S, Cheng F, Dong S, et al. Spatiotemporal dynamics of grassland aboveground biomass on the Qinghai-Tibet Plateau based on validated MODIS NDVI[J]. Scientific Reports, 2017,7(1):1-10.

[6] Li H, Li Y, Gao Y, et al. Human impact on vegetation dynamics around Lhasa, Southern Tibetan Plateau, China[J]. Sustainability, 2016,8(11):1146.

[7] 杜近芳,程江浩,刘悦俊,等.1982—2020年青藏高原植被生长季的月NDVI时空变化特征及其影响因素[J].高原科学研究,2024,8(2):40-49.

[8] 章阳,张润润,郭明辰,等.拉萨河流域生长期NDVI对气象因子响应的时空动态特征[J].水电能源科学,2023,41(8):5-9.

[9] 卢帅,张晓凡,向莹,等.2000—2020年西藏“一江两河”地区人类活动对植被覆盖变化的影响[J].水土保持通报,2024,44(2):302-311.

[10] 杨亮,刘丽男,孙少波.1982—2015年青藏高原植被变化的主导环境因子[J].生态学报,2023,43(2):744-755.

[11] Sun L, Li H, Wang J, et al. Impacts of climate change and human activities on NDVI in the Qinghai-Tibet Plateau[J]. Remote Sensing, 2023,15(3):587.

[12] 李焱,巩杰,戴睿,等.藏西南高原植被覆盖时空变化及其与气候因素和人类活动的关系[J].地理科学,2022,42(5):761-771.

[13] 颜梦,肖燕,夏兴生,等.典型气候要素对雅鲁藏布江流域生长季植被覆盖度的协同影响[J].青海师范大学学报(自然科学版),2025,41(1):26-34.

[14] 顿玉多吉,白玛央宗,拉巴,等.雅鲁藏布江流域植被NDVI时空变化特征及气象因子影响分析[J].西藏科技,2021(11):3-8+25.

[15] 欧阳习军,董晓华,魏榕,等.青藏高原植被生长季NDVI时空变化及对气候因子的响应分析[J].水土保持研究,2023,30(2):220-229.

[16] 央金卓玛,张根,冯佳佳.拉萨市生态系统调节服务价值核算[J].高原科学研究,2023,7(1):27-36.

[17] 税燕萍,卢慧婷,王慧芳,等.基于土地覆盖和NDVI变化的拉萨河流域生境质量评估[J].生态学报,2018,38(24):8946-8954.

[18] 马玉林,吴华,高丽萍,等.1988—2021年拉萨市城关区不透水面时空变化遥感监测[J].高原科学研究,2022,6(1):48-55+121.

[19] 高吉喜, 史园莉, 张宏伟,等. 中国区域250米归一化植被指数数据集（2000—2023）[DB/OL].（2024-08-24）[2025-07-10].国家青藏高原科学数据中心,2022.

[20] 彭守璋.中国1 km分辨率逐月平均气温数据集（1901—2023）[DB/OL].（2024-08-24）[2025-07-10].国家青藏高原科学数据中心,2019.

[21] 彭守璋.中国1 km分辨率逐月降水量数据集（1901—2023）[DB/OL].（2024-08-24）[2025-07-10].国家青藏高原科学数据中心,2020.

[22] Yang J, Huang X. The 30m annual land cover datasets and its dynamics in China from 1985 to 2023 [J]. In Earth System Science Data,2024,(13)1:3907-3925.

[23] 王叶兰,杨鑫,郝利娜.2001—2021年川西高原植被NDVI时空变化及影响因素分析[J].自然资源遥感,2023,35(3):212-220.

[24] 王晓庆,何凯.近30 a青藏高原草地春季物候动态及其对极端温度的敏感性[J].生态与农村环境学报,2023,39(8):1020-1030.

[25] 郭建晓,桑会勇,翟亮.青藏高原植被覆盖度时空变化特征及其驱动因素[J].生态学杂志,2023,42(11):2665-2674.

[26] 石明明,王喆,周秉荣,等.青藏高原草地退化特征及其与气候因子的关系[J].应用生态学报,2022,33(12):3271-3278.

[27] Chu D, Lu L, Zhang T. Sensitivity of Normalized Difference Vegetation Index (NDVI) to seasonal and interannual climate conditions in the Lhasa Area, Tibetan Plateau, China[J]. Arctic, Antarctic, and ResearchAlpine, 2007,39(4):635-641.

[28] 张光祖,田睿,周尧治.藏东南两流域植被覆盖变化及气候因子与地形因子对其影响的对比研究[J].高原农业,2024,8(3):276-289.

基金资助

中央引导地方项目(XZ202401YD0028)

西藏自治区科技计划项目(XZ202402ZD0001)

西藏自治区科技计划项目(XZ202401ZY0057)

西藏大学人才创新团队与实验室平台建设项目(2022ZDTD10)