2024, Vol. 45
2. 兰州城市学院城市管理学院，兰州 730070
2. School of Urban Management, Lanzhou City University, Lanzhou 730070, China
干旱是指长期无雨或少雨, 使土壤水分不足和作物水分平衡遭到破坏而减产的气象灾害[1]. 中国干旱频发, 黄河流域尤为严重, 黄河流域水资源量仅占全国2%, 却承担着全国15%耕地面积和12%人口的供水面积[2], 黄河流域又是我国重要的粮食生产核心区, 粮食产量占全国的1/3左右[3], 同时黄河流域生态系统非常脆弱[4], 是我国生态重点保护区, 因此黄河流域发生干旱会对水资源、农业资源以及植被资源造成严重损失[5, 6]. 从而影响我国的社会经济发展以及生态环境安全[7~9].
对于干旱监测, 国内外有众多研究成果, 其中Zhao等[10]利用日光诱导叶绿素荧光监测干旱, 取得了较好效果, 此外许多专家运用植被状态指数（VCI）、标准化降水蒸散发指数（SPEI）和微波综合干旱指数（MIDI）等方法也进行了干旱监测[11~13]. 同时许多专家研究分析了中国各地的干旱时空变化特征[14~21]. 从干旱与资源的响应关系研究来看, 目前主要从以下3个方面展开研究：①干旱对水资源的影响研究. 干旱会导致土壤水分不足、河流湖泊干涸、地下水位下降等问题, 进而影响供水能力和水质. 有研究表明, 干旱会显著降低流域内的水资源可持续利用能力. Fathi-Taperasht等[22]研究干旱对水资源的影响, 发现干旱发生时水资源利用效率会有所提高；②干旱对农业资源的影响也备受关注. 干旱会导致农作物减产或死亡、土地退化和土壤侵蚀等问题, 严重影响农业生产. 有研究表明, 干旱是导致全球农业减产的主要因素之一, 尤其是在发展中国家. 黎云云等[23]研究了气候和土地利用变化下黄河流域农业干旱时空演变及驱动机制. Cobon等[24]研究发现干旱、洪涝、霜冻等灾害会导致粮食短缺；③干旱对植被资源的影响也是研究热点. 干旱会导致植被退化、生长受阻和物种多样性降低等问题. 有研究表明, 干旱对植被的影响程度取决于地区的气候和生态系统特征. 而植被净初级生产力可代表植被资源作为生态质量和变化的主要指标之一[25]. 如闫文波等[26]探究了干旱对云南省的植被净初级生产力的影响.
综上所述, 干旱与资源响应关系的研究已经成为干旱研究的热点问题之一, 并已经取得了积极进展, 但目前研究仍存在一些不足, 主要表现在：第一, 干旱监测方法较为单一, 目前主要基于单一干旱如气象干旱、农业干旱和水文干旱中的某一类与资源的响应关系进行研究；第二, 目前对于各类资源的研究主要利用统计数据从时间变化和数量变化进行分析, 而较少采用空间分析, 使其结果具有空间特征和空间可视化表达；第三, 目前研究主要集中在行政单元或者较小区域如小流域范围, 而对于涉及多省份、长时间序列的大尺度研究尚不多见. 因此, 本文基于上述不足, 以较大尺度和较大面积的黄河流域为研究区, 选取Wei等[27]团队提出的温度-植被-降水的综合干旱指数（TVPDI）分析了该流域在2001~2020年的干旱逐年和逐月变化特征, 在此基础上进一步分析了干旱与粮食产量、水资源及植被净初级生产力的相应关系, 以期为黄河流域的水资源安全、生态安全和粮食安全保护提供切实有效的科学依据.
1 材料与方法 1.1 研究区概况黄河是中国的第二大河, 全长约5 464 km. 黄河流域（95°53′~119°05′E、32°10′~41°50′N）总面积79.5万km2 [28], 发源于青藏高原巴颜喀拉山北麓的约古宗列盆地, 自西向东分别流经青海、四川、甘肃、宁夏、内蒙古、山西、陕西、河南及山东9个省（自治区）, 最后流入渤海. 黄河流域地势起伏显著, 自西向东横跨青藏高原、内蒙古高原、黄土高原和黄淮海平原. 流域降水量少, 冬干春旱, 降水集中在夏秋（7月和8月）, 大部分地区年降水量在200~650 mm之间, 而蒸发能力强, 年蒸发量达1 100 mm. 流域光照充足, 太阳辐射较强, 冬长夏短, 冬夏温差悬殊, 季节气温变化分明. 黄河流域资源与环境可持续发展一直是人们关注的焦点[29~31]. 研究区如图 1所示.
|
图 1 研究区（黄河流域）示意 Fig. 1 Location of the Yellow River Basin |
根据本研究的内容和目的, 本文主要的研究数据为遥感数据、再分析数据与统计数据, 其详细信息如表 1所示, TVPDI干旱等级划分如表 2所示.
|
表 1 数据源信息 Table 1 Data source information |
|
|
表 2 TVPDI对应的干旱等级划分 Table 2 TVPDI corresponds to the dry and wet degree division |
1.3 研究方法 1.3.1 TVPDI计算
根据Wei等[27]对于TVPDI的定义, TVPDI表示3D空间中的地表温度（LST）、增强植被指数（EVI）和降水量（P）的欧氏距离组合, 如图 2及公式（1）所示. 在图 2所示的3D空间中, 点D和点W分别是极干点和极湿点, 它们的连线DW是干湿边缘. 点D（1, 0, 0）为极干点, 代表地表温度最高, 增强植被指数最低, 降水量最低. 此外, DW的长度范围即TVPDI的取值范围, 其取值范围为0~
|
图 2 TVPDI指数原理 Fig. 2 TVPDI schematic |
本文所使用的TVPDI计算公式如下：
|
(1) |
式中, LSTmax、EVImin和Pmin表示最干旱的状态, LST、EVI和P表示某一位置的归一化值. 为了方便比较和分类, TVPDI将被缩放至[0, 1]之间, 计算公式如下：
|
(2) |
式中, NTVPDI表示缩放后的TVPDI, 当NTVPDI越接近1时, 其干燥状况越弱, 越接近洪涝状况；越接近0时, 其干燥状况越强, 越接近极端干旱状况.
1.3.2 粮食产量数据空间化干旱研究中的粮食产量数据大多使用的是统计数据, 而将粮食产量空间化有利于人们直观看到粮食产量分布及变化情况, 从而可以在空间上对其进行分析研究, 彭建等[32]曾按照各县域耕地的归一化植被指数（NDVI）对统计年鉴中的粮食产量进行空间插值分配, 得到栅格化的粮食产量. 本文根据黄河流域的耕地数据、NDVI数据和粮食产量统计数据进行粮食产量的空间可视化, 其公式如下：
|
(3) |
式中, NDVI总表示耕地的NDVI总值, crop总表示粮食总产量, NDVIi表示每个像元的NDVI值, cropi表示每个像元的粮食产量.
1.3.3 趋势分析Slope趋势分析方法已较为成熟[33~35], 为了研究黄河流域2001~2020年在空间上的干旱及资源的变化趋势特征, 本文根据近20年黄河流域的相关数据计算趋势率, 其公式如下：
|
(4) |
式中, n表示研究时长；i表示2001~2020年的时间序列号, 本文中研究的i = 1, 2, ⋯, 20；Xi表示第i年的研究因子的值；θSlope表示趋势线的斜率.
1.3.4 Pearson相关分析两个变量的关系或者关联程度可以用相关性表示[36~40]. 本文利用Pearson相关系数法, 计算干旱指数与粮食产量、地表径流量和植物净初级生产量之间的相关性, 其公式如下：
|
(5) |
式中, n为样本数；xi和yi分别表示两因子的样本值；x和y分别表示2个因子样本值的平均值；r表示相关系数, 值介于[-1, 1]区间内. r > 0表示x和y存在正的线性相关关系, 反之则为负的线性相关关系, 并且它们的相关系数绝对值大小代表着他们两个变量的相关性强弱. 根据已有研究[41, 42], 本文将相关性分为：|r| < 0.3表示弱相关, 0.3 < |r| < 0.5表示低度相关, 0.5 < |r| < 0.8表示中度相关, 0.8 < |r| < 1.0表示高度相关.
2 结果与讨论 2.1 干旱时空演变特征黄河流域TVPDI值在时间上的变化趋势如图 3（a）所示, 本研究结果发现, 2001~2020年黄河流域TVPDI值呈波动上升的趋势, 在2006年、2009年、2010年、2013年和2014年出现低峰. 这表明近20年黄河流域一直处于干旱状态, 干旱加重时普遍持续两年才会恢复, 但总体干旱程度逐渐降低, 趋于无旱. 月尺度干旱变化趋势如图 3（b）所示, 黄河流域月干旱变化趋势显著, 干旱状况呈现周期性变化：1~3月干旱状况加重, 3月TVPDI值达到最低, 为全年中最旱月份, 3~8月黄河流域干旱状况逐渐减轻至无旱, 8月TVPDI值到达顶峰, 为全年最湿润的月份, 8~12月干旱程度又逐渐加重, 其中11月份TVPDI值达到全年第二低谷, 其干旱程度仅次于3月, 12月干旱程度与1月相同, 从而形成“峰”型变化趋势.
|
图 3 黄河流域干旱指数变化趋势 Fig. 3 Temporal trends of TVPDI in the Yellow River Basin |
黄河流域近20年干旱空间分布如图 4（a）所示, 黄河流域的干旱主要发生在中上游地区, 主要为轻度干旱和中度干旱, 面积占比约58.89%, 且干旱情况呈阶梯式分布, 从东南向西北干旱程度依次增强, 银川北部发生重度及极端干旱, 面积占比1.58%. 黄河流域中下游地区主要发生轻度干旱, 干旱地区与无旱地区交错分布. 黄河流域近20年干旱空间变化趋势如图 4（b）所示, 黄河流域94%的区域TVPDI呈上升趋势, 表明整体干旱状况显著减轻, 但黄河流域西北部的内流区干旱状况略微加重. 其主要原因是我国的降水主要由东南季风带来, 降水由东南往西北递减. 内流区年降水量少, 气候干旱, 沙漠广布, 地表水缺乏, 区域内缺少完整的水系, 从而导致此区域干旱程度逐渐加重.
|
图 4 黄河流域近20年干旱分布及变化趋势 Fig. 4 Distribution and trend of drought in the Yellow River Basin in the last 20 years |
黄河流域2001~2020年相邻年份干旱指数值域变化如图 5所示, 本研究结果发现, 近20年黄河流域上游干旱情况变化显著, 总体呈现变湿趋势, 但是其中仍有个别年份出现干旱加重的现象. 在2001~2003年、2005~2007年、2009~2011年和2016~2018年均呈现干旱加重趋势；而中游在2003~2005年、2007~2009年和2013~2015年TVPDI相邻年份变化出现大面积负值, 表明这些年份其干旱程度显著加重.
|
图 5 黄河流域相邻年份干旱指数值域变化空间分布 Fig. 5 Spatial distribution of TVPDI domain changes in the Yellow River Basin for adjacent years |
黄河流域2001~2020年相邻年份水资源值域变化空间分布如图 6所示, 黄河流域近20年水资源总体呈大面积的增长趋势, 变化显著且空间差异明显, 在2003~2004年、2010~2011年、2013~2015年和2018~2019年黄河流域中下游呈现较明显的地表径流下降变化, 在2002~2003年、2008~2010年、2011~2013年、2015~2016年、2017~2018年和2019~2020年黄河流域中上游呈现地表径流上升趋势. 通过与图 5的比较分析得出, 黄河流域上游水资源对于干旱的滞后较为明显, 2009~2010年黄河流域上游大面积干旱加重, 而在2010~2011年水资源才发生大面积的减少.
|
图 6 黄河流域相邻年份水资源值域变化空间分布 Fig. 6 Spatial distribution of water resources value domain changes in the Yellow River Basin in adjacent years |
黄河流域2001~2020年相邻年份NPP值域变化空间分布如图 7所示, 黄河流域NPP总体呈现增长趋势, 中下游地区NPP增长量较高于上游地区, 但年际空间差异显著, 在2004~2005年、2006~2007年、2008~2009年、2010~2011年、2013~2015年、2016~2017年和2018~2020年NPP呈现明显的减少变化, 除2019~2020年外, 主要分布在黄河流域中下游. 在2001~2002年、2011~2012年和2017~2018年黄河流域NPP显著增加. 整体与图 5干旱相邻年份空间变化存在较好的一致性. 然而在黄河流域中下游NPP对干旱的响应存在一定滞后, 在2017~2018年黄河流域中下游干旱加重, 而NPP在2018~2019年发生大面积减少趋势.
|
图 7 黄河流域相邻年份植被净初级生产力值域变化空间分布 Fig. 7 Spatial distribution of NPP value domain changes in the Yellow River Basin in adjacent years |
黄河流域2001~2020年相邻年份粮食产量值域变化空间分布如图 8所示, 黄河流域粮食产量整体呈现增加状态, 具体表现为西低东高, 黄河流域中上游粮食产量增长量较少, 而下游增长量较大. 在2002~2003年、2004~2005年、2014~2015年和2018~2019年黄河流域中游有轻微减产变化, 其余年份均表现增产变化, 而增产量在下游最为明显. 通过与图 5的对比分析可以看出, 黄河流域中游地区粮食产量对于干旱的响应存在一定滞后, 2011~2012年黄河流域中游干旱加重, 然而粮食产量在2012~2013年出现明显减少趋势.
|
图 8 黄河流域相邻年份粮食产量值域变化空间分布 Fig. 8 Spatial distribution of grain yield value domain changes in the Yellow River Basin for adjacent years |
黄河流域中游经常出现水资源和粮食产量减少现象, 黄河流域中下游地区经常会发生NPP大面积的减小情况. 通过图6~8的对比分析发现, 水资源对NPP和粮食产量有着重要影响, 水资源增加的区域, NPP和粮食产量同时也明显增加.
黄河流域水资源、粮食资源以及植被资源的变化趋势如图 9所示. 黄河流域水资源有47%的区域呈现减少趋势, 主要分布在黄河流域中下游, 其中黄河流域下游入海口区域水资源减少尤为明显[见图 9（a）], 有53%区域呈现增加趋势, 主要分布在流域西南地区. 97%区域的植被资源呈增加趋势, 仅有3%区域植被资源在减小, 减小区域主要分布在黄河流域上游[见图 9（b）]. 黄河流域上游植被减少原因主要表现为, 上游生态脆弱植被易受破坏, 地形地貌影响导致植被主要为草地以及人为过度开垦及放牧影响. 粮食资源仅有0.7%的区域呈现下降趋势[见图 9（c）], 黄河流域粮食产量增长趋势空间差异显著, 流域中上游增长较为缓慢, 下游增长率明显高于中上游. 主要原因是黄河流域下游为平原地区, 适宜耕种.
|
图 9 重要资源空间趋势演变 Fig. 9 Evolution of spatial trends in important resources |
通过计算TVPDI指数与3种重要资源的空间相关性发现, 干旱指数与水资源在空间上呈现差异, 在上游地区呈现显著正相关, 即干旱指数越高该区域越湿润, 水资源越丰富. 在中下游地区呈现较弱的相关性, 在内流区出现了部分负相关[见图 10（a）], 其原因是内流区主要为沙漠, 该区域干旱加重, 水资源受气候影响而逐渐减少. 干旱指数与NPP在空间上的相关性呈现地域差异, 有34.26%的区域呈现高度正相关, 主要分布在中游地区. 34.90%的区域呈现中度正相关, 其主要分布在黄河流域上游尾部及下游地区. 而在上游地区出现了12.6%的低度相关, 甚至出现了负相关[见图 10（b）], 因为过度开垦及放牧, 导致上游植被减少, 而干旱指数受气候及其他因素影响有所增加, 干旱程度减轻, 所以呈现小面积负相关. 黄河流域全域干旱指数和粮食产量呈现了非常显著的正相关[见图 10（c）]. 有22.90%的区域出现高度正相关, 主要分布在中下游地区. 有43.30%的地区呈中度正相关及19.51%的地区呈低度正相关, 主要分布在黄河流域中游地区.
|
图 10 干旱与重要资源的空间响应 Fig. 10 Spatial response of drought and important resources |
TVPDI与地表径流时间变化趋势如图 11（a）所示, 近20年黄河流域TVPDI与地表径流变化趋势存在差异, TVPDI变化平稳, 但地表径流波动幅度大, 总体都呈增长趋势, 表明干旱对地表径流的影响受到人为因素的干扰. TVPDI与NPP变化趋势大致相同[见图 11（b）], 表明干旱直接影响植被生长, 其同时存在一定的滞后效应, 其滞后时间约为一年. 干旱与粮食产量的时间趋势[见图 11（c）]都呈上升趋势, 且粮食产量稳定增加, 表明干旱是影响粮食产量的重要因素. 但粮食产量波动不大, 是因为耕地发生干旱可以通过人为灌溉浇水来保证粮食产量.
|
图 11 干旱与重要资源时间变化趋势 Fig. 11 Drought and temporal trends in important resources |
本文在研究将粮食产量数据栅格化时, 由于2001~2020年黄河流域县级粮食产量统计数据不全, 使用的省级统计数据对空间化精确度有一些影响. 此外, 重要资源对干旱的响应可能受滞后性因素的影响, 使用相关系数简化了响应关系. 在今后的研究中, 希望可以找到科学的方法来补全县级尺度的数据, 从而提高研究结果精度.
4 结论（1）黄河流域多年平均干旱面积占比为60.6%, 主要发生在中上游地区, 主要为轻度干旱和中度干旱, 且干旱情况呈阶梯式分布, 从东南向西北干旱程度依次增强. 从时间上来看, 近20年黄河流域干旱状况呈现减轻趋势, 1~12月干旱程度呈现重-轻-重的变化趋势. 从空间来看, 流域有94%的区域逐渐变得湿润, 但依旧处于干旱状态.
（2）近20年黄河流域的地表径流变化显著且空间差异明显, 有53%区域在增加, 主要分布在流域上游, 而其他区域地表径流呈现波动变化. 黄河流域NPP及粮食产量总体呈现大面积增长趋势, 面积占比分别为97%和99%, 而在2004~2005年、2013~2014年和2018~2019年黄河流域中下游NPP呈现减小趋势, 与干旱状况变化趋势一致.
（3）从空间上来看, 黄河流域常年发生干旱的区域其地表径流量呈减小趋势, 无旱及部分轻旱地区的地表径流量逐渐增加. TVPDI与NPP及粮食产量呈现大面积的正相关, 表明随着TVPDI值增加, 即黄河流域干旱的程度减轻, 增加了植被净初级生产力及粮食产量. 干旱指数空间变化趋势与重要资源空间变化趋势相一致, 即干旱指数上升（干旱程度减轻）的区域重要资源同样呈现增加趋势.
（4）重要资源对于干旱的响应存在一定滞后性, 水资源对于干旱的滞后在黄河流域上游较为明显, NPP对干旱的滞后在黄河流域中下游较为明显, 粮食产量对于干旱的滞后在黄河流域中游较为明显. 从时间上来看, NPP对于干旱的滞后效果最为清晰, 滞后时间为1年.
| [1] |
韩兰英, 张强, 马鹏里, 等. 气候变暖背景下黄河流域干旱灾害风险空间特征[J]. 中国沙漠, 2021, 41(4): 225-234. Han L Y, Zhang Q, Ma P L, et al. Characteristics of drought disasters risk in the Yellow River Basin under the climate warming[J]. Journal of Desert Research, 2021, 41(4): 225-234. |
| [2] |
张金良. 黄河流域生态保护和高质量发展水战略思考[J]. 人民黄河, 2020, 42(4): 1-6. Zhang J L. Water strategy for ecological protection and high quality development in the Yellow River Basin[J]. Yellow River, 2020, 42(4): 1-6. DOI:10.3969/j.issn.1000-1379.2020.04.001 |
| [3] | 彭俊杰. 基于粮食安全的黄河流域农业用水态势分析及应对策略[J]. 农业经济, 2022(7): 10-12. DOI:10.3969/j.issn.1001-6139.2022.07.003 |
| [4] |
李雪银, 张志强, 孙爱芝. 1982—2021年黄河流域植被覆盖时空演变及影响因素研究[J]. 地球环境学报, 2022, 13(4): 428-436. Li X Y, Zhang Z Q, Sun A Z. Study on the spatial-temporal evolution and influence factors of vegetation coverage in the Yellow River Basin during 1982-2021[J]. Journal of Earth Environment, 2022, 13(4): 428-436. |
| [5] |
姜雨彤, 郝增超, 冯思芳, 等. 长江与黄河流域复合高温干旱事件时空演变特征[J]. 水资源保护, 2023, 39(2): 70-77. Jiang Y T, Hao Z C, Feng S F, et al. Spatiotemporal evolution characteristics in compound hot-dry events in Yangtze River and Yellow River basins[J]. Water Resources Protection, 2023, 39(2): 70-77. |
| [6] |
程曼, 王让会, 薛红喜, 等. 干旱对我国西北地区生态系统净初级生产力的影响[J]. 干旱区资源与环境, 2012, 26(6): 1-7. Cheng M, Wang R H, Xue H X, et al. Effects of drought on ecosystem net primary production in northwestern China[J]. Journal of Arid Land Resources and Environment, 2012, 26(6): 1-7. |
| [7] | Wang P, Qiao W H, Wang Y Y, et al. Urban drought vulnerability assessment – A framework to integrate socio-economic, physical, and policy index in a vulnerability contribution analysis[J]. Sustainable Cities and Society, 2020, 54. DOI:10.1016/j.scs.2019.102004 |
| [8] | Ghiloufi W, Yun J, Kim J, et al. The influences of lichens on soil physico-chemical properties, enzymes and microbes are species specific: insights from South Mediterranean arid ecosystem[J]. Applied Soil Ecology, 2023, 181. DOI:10.1016/j.apsoil.2022.104656 |
| [9] | Xie Q Y, Cleverly J, Moore C E, et al. Land surface phenology retrievals for arid and semi-arid ecosystems[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2022, 185: 129-145. DOI:10.1016/j.isprsjprs.2022.01.017 |
| [10] | Zhao W H, Wu J J, Shen Q, et al. Exploring the ability of solar-induced chlorophyll fluorescence for drought monitoring based on an intelligent irrigation control system[J]. Remote Sensing, 2022, 14(23). DOI:10.3390/rs14236157 |
| [11] |
冯强, 田国良, 柳钦火. 全国干旱遥感监测运行系统的研制[J]. 遥感学报, 2003, 7(1): 14-18. Feng Q, Tian G L, Liu Q H. Research on the operational system of drought monitoring by remote sensing in China[J]. Journal of Remote Sensing, 2003, 7(1): 14-18. |
| [12] | Ling M H, Han H B, Hu X Y, et al. Drought characteristics and causes during summer maize growth period on Huang-Huai-Hai Plain based on daily scale SPEI[J]. Agricultural Water Management, 2023, 280. DOI:10.1016/j.agwat.2023.108198 |
| [13] |
张静, 魏伟, 庞素菲, 等. 基于FY-3C和TRMM数据的西北干旱区干旱监测与评估[J]. 生态学杂志, 2020, 39(2): 690-702. Zhang J, Wei W, Pang S F, et al. Monitoring and assessment of drought in arid area in Northwest China based on FY-3C and TRMM data[J]. Chinese Journal of Ecology, 2020, 39(2): 690-702. |
| [14] | Xu Y Y, Chen Y X, Yang J J, et al. Drought in Shanxi Province based on remote sensing drought index analysis of spatial and temporal variation characteristics[J]. Atmosphere, 2023, 14(5). DOI:10.3390/atmos14050799 |
| [15] | Liu J B, Yu J, Yao Y J, et al. Spatial distribution and change trend of land surface evaporation and drought in Sichuan province (China) during 2001 to 2015[J]. European Journal of Remote Sensing, 2022, 55(S1): 46-54. |
| [16] | Zhang G D, Zhang Z X, Li X Y, et al. Evolution characteristics of meteorological drought under future climate change in the middle reaches of the Yellow River Basin based on the copula function[J]. Water, 2023, 15(12). DOI:10.3390/w15122265 |
| [17] | Wu S J, Dong Z C, Cai C K, et al. Identification of extreme droughts based on a coupled hydrometeorology index from GRACE-Derived TWSA and precipitation in the Yellow River and Yangtze River Basins[J]. Water, 2023, 15(11). DOI:10.3390/w15111990 |
| [18] | Wang Y X, Deng F, Cai Y X, et al. Spatial and temporal change in meteorological drought in Gansu province from 1969 to 2018 based on REOF[J]. Sustainability, 2023, 15(11). DOI:10.3390/su15119014 |
| [19] | Du E Y, Chen F, Jia H C, et al. Spatiotemporal evolution and hysteresis analysis of drought based on rainfed-irrigated arable land[J]. Remote Sensing, 2023, 15(6). DOI:10.3390/rs15061689 |
| [20] | Li X, Sha J, Wang Z L. Comparison of drought indices in the analysis of spatial and temporal changes of climatic drought events in a basin[J]. Environmental Science and Pollution Research, 2019, 26(11): 10695-10707. DOI:10.1007/s11356-019-04529-z |
| [21] | Zhou K, Wang Y M, Chang J X, et al. Spatial and temporal evolution of drought characteristics across the Yellow River Basin[J]. Ecological Indicators, 2021, 131. DOI:10.1016/j.ecolind.2021.108207 |
| [22] | Fathi-Taperasht A, Shafizadeh-Moghadam H, Kouchakzadeh M. MODIS-based evaluation of agricultural drought, water use efficiency and post-drought in Iran; considering the influence of heterogeneous climatic regions[J]. Journal of Cleaner Production, 2022, 374. DOI:10.1016/j.jclepro.2022.133836 |
| [23] |
黎云云, 畅建霞, 樊晶晶, 等. 气候和土地利用变化下黄河流域农业干旱时空演变及驱动机制[J]. 农业工程学报, 2021, 37(19): 84-93. Li Y Y, Chang J X, Fan J J, et al. Agricultural drought evolution characteristics and driving mechanisms in the Yellow River Basin under climate and land use changes[J]. Transactions of the Chinese Society of Agricultural Engineering, 2021, 37(19): 84-93. DOI:10.11975/j.issn.1002-6819.2021.19.010 |
| [24] | Cobon D H, Ewai M, Inape K, et al. Food shortages are associated with droughts, floods, frosts and ENSO in Papua New Guinea[J]. Agricultural Systems, 2016, 145: 150-164. DOI:10.1016/j.agsy.2016.02.012 |
| [25] | Wu D H, Zhao X, Liang S L, et al. Time-lag effects of global vegetation responses to climate change[J]. Global Change Biology, 2015, 21(9): 3520-3531. DOI:10.1111/gcb.12945 |
| [26] |
闫文波, 何云玲, 余岚, 等. 干旱对云南省植被净初级生产力的影响研究[J]. 云南大学学报(自然科学版), 2021, 43(4): 736-745. Yan W B, He Y L, Yu L, et al. Effect of drought on net primary productivity of vegetation in Yunnan province[J]. Journal of Yunnan University (Natural Sciences Edition), 2021, 43(4): 736-745. |
| [27] | Wei W, Pang S F, Wang X F, et al. Temperature vegetation precipitation dryness index (TVPDI)-based dryness-wetness monitoring in China[J]. Remote Sensing of Environment, 2020, 248. DOI:10.1016/j.rse.2020.111957 |
| [28] |
李军, 李旭, 李开明, 等. 黄河流域农田土壤重金属污染特征及其优先控制源分析[J]. 环境科学, 2024, 45(3). Li J, Li X, Li K M, et al. Characteristics and identification priority source of heavy metals pollution in farmland soils in the Yellow River Basin[J]. Environmental Science, 2024, 45(3). DOI:10.13227/j.hjkx.202305211 |
| [29] |
田智慧, 张丹丹, 赫晓慧, 等. 2000-2015年黄河流域植被净初级生产力时空变化特征及其驱动因子[J]. 水土保持研究, 2019, 26(2): 255-262. Tian Z H, Zhang D D, He X H, et al. Spatiotemporal variations in vegetation net primary productivity and their driving factors in Yellow River Basin from 2000 to 2015[J]. Research of Soil and Water Conservation, 2019, 26(2): 255-262. |
| [30] |
田智慧, 任祖光, 魏海涛. 2000~2020年黄河流域植被时空演化驱动机制[J]. 环境科学, 2022, 43(2): 743-751. Tian Z H, Ren Z G, Wei H T. Driving mechanism of the spatiotemporal evolution of vegetation in the Yellow River Basin from 2000 to 2020[J]. Environmental Science, 2022, 43(2): 743-751. |
| [31] |
刘彦龙, 郑易安. 黄河干流水质评价与时空变化分析[J]. 环境科学, 2022, 43(3): 1332-1345. Liu Y L, Zheng Y A. Water quality assessment and spatial-temporal variation analysis in Yellow River Basin[J]. Environmental Science, 2022, 43(3): 1332-1345. |
| [32] |
彭建, 李慧蕾, 刘焱序, 等. 雄安新区生态安全格局识别与优化策略[J]. 地理学报, 2018, 73(4): 701-710. Peng J, Li H L, Liu Y X, et al. Identification and optimization of ecological security pattern in Xiong'an New Area[J]. Acta Geographica Sinica, 2018, 73(4): 701-710. |
| [33] |
张良侠, 岳笑, 周德成, 等. 气候变化和人类活动对我国典型草原区植被恢复的影响[J]. 环境科学, 2023, 44(5): 2694-2703. Zhang L X, Yue X, Zhou D C, et al. Impacts of climate change and human activities on vegetation restoration in typical grasslands of China[J]. Environmental Science, 2023, 44(5): 2694-2703. |
| [34] |
金岩松, 金凯, 王飞, 等. 气候变化和人类活动对东部沿海地区NDVI变化的影响分析[J]. 环境科学, 2023, 44(6): 3329-3342. Jin Y S, Jin K, Wang F, et al. Impacts of climate change and human activities on NDVI change in eastern coastal areas of China[J]. Environmental Science, 2023, 44(6): 3329-3342. |
| [35] |
陈惺, 王军邦, 何启凡, 等. 未来气候情景下中国植被净初级生产力稳定性及气候影响[J]. 地理学报, 2023, 78(3): 694-713. Chen X, Wang J B, He Q F, et al. Stability of vegetation net primary productivity and climate impacts in China under future climate scenarios[J]. Acta Geographica Sinica, 2023, 78(3): 694-713. |
| [36] |
庄慧敏, 张朝, 程飞, 等. 1992—2018年中国旱作农田土壤湿度的时空模式及气象驱动因素[J]. 地理学报, 2022, 77(9): 2308-2321. Zhuang H M, Zhang Z, Cheng F, et al. Spatiotemporal pattern of soil moisture and its meteorological driving factors in dry croplands across China from 1992 to 2018[J]. Acta Geographica Sinica, 2022, 77(9): 2308-2321. |
| [37] |
温庆志, 孙鹏, 张强, 等. 非平稳标准化降水蒸散指数构建及中国未来干旱时空格局[J]. 地理学报, 2020, 75(7): 1465-1482. Wen Q Z, Sun P, Zhang Q, et al. A multi-scalar drought index for global warming: the non-stationary standardized precipitation evaporation index (NSPEI) and spatio-temporal patterns of future drought in China[J]. Acta Geographica Sinica, 2020, 75(7): 1465-1482. |
| [38] |
刘勇洪, 徐永明, 张方敏, 等. 北京城市空间形态对热岛分布影响研究[J]. 地理学报, 2021, 76(7): 1662-1679. Liu Y H, Xu Y M, Zhang F M, et al. Influence of Beijing spatial morphology on the distribution of urban heat island[J]. Acta Geographica Sinica, 2021, 76(7): 1662-1679. |
| [39] |
于维, 柯福阳, 曹云昌. 基于MODIS_TVDI/GNSS_PWV的云南省干旱特征时空分析[J]. 自然资源遥感, 2021, 33(3): 202-210. Yu W, Ke F Y, Cao Y C. Spatial-temporal analysis of drought characteristics of Yunnan Province based on MODIS_TVDI/GNSS_PWV data[J]. Remote Sensing for Natural Resources, 2021, 33(3): 202-210. |
| [40] |
杨玉莲, 杨昆, 罗毅, 等. 1998~2016中国八大经济区植被覆盖对PM2.5浓度时空分布的影响[J]. 环境科学, 2021, 42(11): 5100-5108. Yang Y L, Yang K, Luo Y, et al. Effect of vegetation coverage on the temporal and spatial distribution of PM2.5 concentration in China's eight major economic regions from 1998 to 2016[J]. Environmental Science, 2021, 42(11): 5100-5108. |
| [41] |
赵倩倩, 张京朋, 赵天保, 等. 2000年以来中国区域植被变化及其对气候变化的响应[J]. 高原气象, 2021, 40(2): 292-301. Zhao Q Q, Zhang J P, Zhao T B, et al. Vegetation changes and its response to climate change in China since 2000[J]. Plateau Meteorology, 2021, 40(2): 292-301. |
| [42] |
孟梦, 牛铮. 近30a内蒙古NDVI演变特征及其对气候的响应[J]. 遥感技术与应用, 2018, 33(4): 676-685. Meng M, Niu Z. Change characteristic of NDVI and its response to climate change in Inner Mongolia over the past 30 years[J]. Remote Sensing Technology and Application, 2018, 33(4): 676-685. |