2000-2010年黄河流域植被覆盖的时空变化

黄河流域位于干旱、半干旱和半湿润地区,生态环境脆弱,近年来,在气候变化和人类活动影响下,植被覆盖状况发生了变化。因此需要对黄河流域植被覆盖的变化进行监测,进而掌握流域植被的动态变化特征。在此背景下,利用2000-2010年的250 m分辨率的MOD13Q1数据来研究黄河流域植被覆盖区域的NDVI时空变化特征。采用Theil-Sen Median趋势分析和Mann-Kendall检验来研究NDVI的变化趋势特征,通过对Theil-Sen Median趋势分析和Mann-Kendall检验的结果和Hurst指数的结果的叠加,来研究NDVI的可持续特征。研究表明：1）从空间分布上看,黄河流域NDVI呈现出西部和东南部高,北部低的特征;2）从时间变化特征上看,2000-2010年植被覆盖区域年均NDVI均值在0.3-0.4之间波动,其中2000-2004年NDVI波动较大,但自2005年以来NDVI呈现快速增长的趋势;3）从变化趋势上看,2000-2010年黄河流域植被改善的区域远远大于退化的区域,改善的区域占植被覆盖区域总面积的62.9%,退化的区域占27.7%,9.4%的区域NDVI稳定不变;4）从可持续性来看,86.0%的植被覆盖区域NDVI呈现正向可持续性,即NDVI的可持续性较强;由变化趋势与Hurst指数的耦合信息得出,持续改善的面积占植被覆盖区域总面积的53.7%,持续稳定不变的区域占7.8%,持续退化的区域占24.5%,另外14.0%的区域未来变化趋势无法确定,持续退化和未来变化趋势无法确定区域的植被变化状况需要研究人员继续关注。     

湖北省地区植被覆盖变化及其对气候因子的响应

归一化植被指数(NDVI)作为一个重要的遥感参数,能够准确地反映植被覆盖程度和植被生长状况、生物物理化学性质及生态系统参数的变化,其时序数据也已成为基于生物气候特征开展大区域植被和土地覆盖分类的基本手段。基于2001—2012年MODIS-NDVI数据,利用趋势分析法以及线性相关分析等方法对湖北省植被年际变化趋势、月变化趋势进行详细分析;并且研究该区植被覆盖时空变化及其与气温和降水的关系。结果表明近12年来,研究区大部分区域植被覆盖度良好,其中鄂西北及鄂南地区NDVI值较高为0.82,鄂中东部城市NDVI值较低为0.13;2001—2012年间年均NDVI整体呈增加趋势,增速1%/10a;植被覆盖度基本不变区域占研究区总面积的92.8%,大致符合我国中部地区植被覆盖变化趋势;分析NDVI与气候因子的相关关系可知,降水量对湖北植被NDVI年变化起有重要影响;逐月NDVI与月平均气温及月降水量的回归分析表明,降水和气温对生长季不同月份的植被NDVI影响明显不同,同时呈现一定的滞后性。     

基于NDVI云南地区植被生态系统对气候变化的适应性分析

基于遥感影像数据资料和ArcGIS, 利用2000—2016年云南地区植被生态系统NDVI与气温及降水之间的响应关系, 分析不同区域气候变化类型对当地植被生态系统长势的潜在影响, 进行气候变化背景下植被生态系统的适应性分析。结果表明: 研究区2000—2016年NDVI整体呈现不同程度的增加趋势, 植被覆盖度显著增加的区域主要分布在滇东北和东部的部分地区, 植被覆盖度减小的区域主要集中在中部城市密集地区和滇西北。NDVI和气温整体上呈正相关关系, 尤其以东北和东部地区较为明显, 负相关的区域主要分布于滇西北高海拔地区; NDVI和降水的相关性小于气温。基于NDVI的植被生态系统表现为适应和中度适应当地气候变化类型的区域占研究区总面积89.16%, 主要分布于南部、东北部和东部地区; 表现为不适应当地气候变化类型的区域主要分布于中部城市密集地区、滇西北部分地区。森林生态系统表现为适应和中度适应当地气候变化类型的区域占研究区总面积的79.29%, 主要分布于东部、东北部和南部部分区域, 不适应当地气候变化的区域主要分布在滇西北和中部零星地区。     

陕西省植被覆盖度变化特征及其成因

基于像元分解模型,利用2000—2009年MODIS NDVI数据(250m分辨率)定量分析了陕西省植被覆盖度的时空变化特征及其成因.结果表明:2000—2009年,陕西省植被覆盖度在波动中呈极显著增加趋势(P0.001),变化率为35.0%,植被覆盖度由2000年的56.9%增至2009年的68.9%,其中,陕北地区植被覆盖度的增幅尤为显著,榆林市、延安市植被覆盖度分别增加了21.6%和22.0%.研究期间,陕西植被覆盖整体改善、局地退化,改善极显著(P0.01)、显著(P0.05)的面积比例分别为37.8和11.9%,变化趋势不明显的面积占46.1%,退化的面积仅占4.2%;植被覆盖度变化率200%、100%～200%、10%～100%、-10%～10%和-10%的面积分别占研究区总国土面积的12.2%、13.3%、38.8%、29.3%和6.4%.2000—2009年,陕西省植被覆盖结构转好,高覆盖植被所占的面积呈极显著上升趋势(P0.001),增幅为10.0%;中覆盖植被所占的面积呈显著上升趋势(P0.05),增幅为8.4%;低覆盖植被所占的面积呈极显著下降趋势(P0.001),降幅为18.4%.陕西省植被覆盖度的增加是人类活动和自然因素共同作用的结果,封山育林、退耕还林等一系列生态建设工程的实施是陕北地区植被覆盖度增加的主要原因.     

砒砂岩区植被覆盖度环境驱动因子量化分析——基于地理探测器

砒砂岩区地形破碎,生态环境恶劣,降水量少且以暴雨为主,研究该区植被覆盖变化及环境驱动因子作用机制对区域植被建设具有重要的理论意义。基于1999—2018年的NDVI数据分析了砒砂岩区近20年植被覆盖度时空变化特征,利用了地理探测器方法量化分析了不同环境因子对植被覆盖度的影响。结果表明：1)近20年砒砂岩区平均植被覆盖度为42.3%,时间尺度上1999—2018年区域植被覆盖度呈增加趋势,平均上升幅度为0.086/10 a,空间尺度上植被覆盖度呈现从东南向西北递减的空间分布特征;2)近20年区域植被覆盖整体得到改善要比退化的区域面积大,45.5%的区域面积植被覆盖度极显著增加,主要分布在砒砂岩区东部区域,该区植被覆盖度未来变化趋势将以持续性改善为主,但仍有约41.6%的植被将由改善向退化方向变化;3)降水、土壤水分和气温是影响砒砂岩区植被覆盖空间分布的主导环境因子,且降水同其他环境因子的交互作用对植被覆盖影响最大。     

基于MODIS-EVI的西南地区植被覆盖时空变化及驱动因素研究

基于MODIS-EVI和气象数据,利用最大值合成法、像元二分模型、趋势分析和相关分析等方法,探讨了西南地区2001-2015年植被覆盖时空变化特征及其对气候因子的响应,并分析了温度和降水对植被覆盖时空变化的驱动作用。结果表明：（1）2001-2015年,西南地区植被EVI以0.1%/a的变化率呈波动增加趋势,但空间异质性显著,呈现出从东南向西北逐渐递减的趋势;（2）西南地区以高和极高植被覆盖度为主,极低植被覆盖度区域约占研究区总面积的8.6%,植被覆盖度增加的区域集中分布在广西省北海-钦州、贵州省邵通-毕节-遵义、四川省广元-广安以及西藏那曲等地区,植被覆盖度呈减少趋势区域主要集中在西藏拉萨-阿里地区和四川成都-阿坝州-甘孜州等地区;（3）植被EVI与同期温度和降水相关性较好,均以正相关为主。在0.05显著水平下,受降水驱动的区域呈斑块状分布在西藏自治区和青海省交界处,以及云南和广西部分地区,约占研究区总面积的3.4%;受温度驱动的区域零星分布在各省、自治区,约占研究区总面积的1.6%;受温度和降水共同驱动的区域约占研究区总面积的7.2%,主要分布在西藏自治区的阿里地区北部,青海省的三江源地区以及四川和贵州两省交界处的小部分地区;西南地区大部分区域的植被EVI指数变化表现为非气候因素驱动。     

沁河流域植被覆盖时空分异特征

以4期Landsat TM/OLI为遥感数据源,采用像元二分模型估算植被覆盖度,运用转移矩阵、地学信息图谱和重心迁移模型分析1993—2016年沁河流域植被覆盖的时空演变特征;并结合地形数据分析海拔、坡度和坡向上植被覆盖度的空间响应规律。结果表明:沁河流域植被覆盖度呈北高南低的空间分布特征,且高等级覆盖的植被主要由低等级覆盖的植被转化而来; 1993—2016年,沁河流域植被覆盖度呈不显著波动上升趋势,显著改善(55.99%)和轻微改善(10.13%)之和远大于显著退化(7.31%)和轻微退化(4.59%)之和,反映了良好的植被状况;沁河流域植被覆盖度重心整体表现为向南偏东迁移2.05 km,其中较高和高植被覆盖迁移最为明显;沁河流域植被覆盖度与海拔、坡度呈显著正相关,显著改善面积占比随高程、坡度的增加呈先增加后减小趋势,坡向在东北、西北和西南方向为优势地形位。研究结果有助于为该流域水土流失治理和生态环境的恢复提供决策依据。     

祁连山黑河源区植被NDVI时空变化特征及影响因素分析

对于极度缺水的西北内陆干旱地区, 植被覆盖度俨然成为了该区生态环境的“指示剂”, 其发挥的核心作用不容小视。选取西北内陆干旱区核心区域—黑河源区为研究对象, 利用MODIS NDVI数据, 采用最大合成法和趋势分析法, 探讨该区植被NDVI时空变化特征, 并分析地形因素和降水量对NDVI的影响。结果表明: (1)研究区自2000年开始NDVI整体自西北向东南呈逐渐增加趋势, 增加面积显著大于减少面积且累计增加面积占研究区面积的50.58%, 表明整个研究区生态环境发生了明显改善; (2)对年、月际降水量和NDVI进行拟合后发现, NDVI与降雨量呈极显著正相关关系, 表明研究区植被覆盖程度随降雨量的增加呈增加趋势; (3)不同海拔梯度范围内, NDVI以3000—3300 m为界, 界上植被NDVI呈增加趋势, 界下呈明显减少趋势; (4)从坡度来看, NDVI以坡度25°为界, 界下NDVI值随坡度增加呈增大趋势且增幅明显, 界上NDVI值开始减少, 减幅较小; (5)不同坡向上, NDVI以正东向半阴坡和正西向半阳坡为界出现明显的高低值分区, 其中最高值出现于正东向半阴坡, 最低值出现于西南—正南向阳坡。     

基于地理探测器的河南省植被NDVI时空变化及驱动力分析

植被作为陆地生态系统的主体,能够有效反映全球或区域尺度下的生态环境变化状况。分析植被覆盖时空动态变化特征及驱动力因素,对区域生态系统可持续发展具有重要意义。本文利用归一化植被指数(NDVI)作为指标,研究2000—2019年河南省植被时空动态变化特征,基于地理探测器模型分析河南省植被的空间异质性及其驱动力,并通过Hurst指数分析植被的未来趋势。结果表明：2000—2019年河南省NDVI整体呈现波动上升趋势,增长速度为0.016 10 a^-1,其中2009—2019年增长速度减缓并出现减小趋势;土壤类型、土地利用类型、GDP和人口密度4类因子对NDVI空间分布的影响程度最大;单一因子影响力均低于任两个因子的交互解释力,其中,自然和人为因子的交互作用对NDVI空间分布有明显的影响;由Hurst指数分析发现,河南省未来NDVI变化呈现反可持续性特征,Hurst指数<0.5区域占整个研究区域的植被覆盖度百分比为58.3%,整个研究区未来主要呈现下降趋势。     

怒江-萨尔温江流域植被覆盖时空变化趋势及驱动力

植被作为陆地生态系统的主要组成部分，对区域生态系统环境变化、全球碳循环和气候调节具有非常重要的作用。怒江-萨尔温江流域是东南亚最重要的跨境河流之一，其植被变化会影响区域生态系统和气候。研究以怒江-萨尔温江流域为研究区，基于2000—2021年MODIS NDVI数据，利用BFAST模型、Hurst指数以及地理探测器研究了其植被覆盖时空演变趋势和未来可持续性以及驱动因子。结果表明：(1)2000—2021年，怒江-萨尔温江流域植被覆盖总体呈波动上升趋势，多年平均植被覆盖度FVC(Fractional Vegetation Cover)为0.73,以高植被覆盖和较高植被覆盖为主。植被分布具有明显的空间异质性，下游和中游植被覆盖明显优于上游。(2)BFAST趋势表明，近22年怒江-萨尔温江流域植被覆盖改善和退化的区域面积占比分别为71.24%、28.76%,改善的区域远大于退化的区域，说明研究区植被得到较好的保护。Hurst指数显示，未来植被将持续改善和退化的区域占比分别为94.89%、2.76%。BFAST与Hurst二者叠加共耦合了17种植被覆盖的未来趋势情形，整体上未来植被呈持续改善为...     

贵州岩溶峡谷NDVI变化及与人口的关系

研究岩溶峡谷NDVI变化, 可为退耕还林、石漠化治理、峡谷生态保护提供科学参考。以贵州境内岩溶峡谷为研究区, 选取2000—2018年NDVI数据和2010年人口数据, 探究了其NDVI时空演变规律及与人口的关系。结果表明: (1)2000—2018年NDVI由0.659增长至0.807, 增长0.148, 表明植被处于恢复趋势; (2)2000—2018年城市及其附近NDVI较低; 期间NDVI上升地区面积超过97%, 下降地区不足3%; (3)将2000—2018年NDVI分为6等级, 小于0.4、0.7—0.8、大于0.8的区域NDVI占比呈现上升趋势, 0.4—0.5、0.5—0.6、0.6—0.7的区域NDVI占比处于下降趋势; (4)2000—2018年随人口密度增加NDVI总体处于下降趋势, 期间NDVI增量随人口密度增加呈减少趋势。贵州岩溶峡谷NDVI总体保持上升, 人口密度与NDVI变化关系密切。     

基于NDVI的米仓山植被覆盖变化趋势分析

基于1998年4月至2009年12月的SPOT-VEGETATION逐旬NDVI数据,采用MVC(最大值合成法)获得月NDVI值,用均值法计算各季及年均NDVI值;对5种植被类型的年均NDVIy和生长季NDVIg进行一元线性回归,辅助以趋势线分析定量描述研究区植被覆盖动态变化,并采用R/S分析(重标极差法)动态预测米仓山植被覆盖未来变化趋势。结果表明:研究区12年间NDVI整体呈上升趋势,相对于前期(1999~2001年)、中期(2003~2005年)和后期(2007~2009年)的NDVI增加显著;年最大NDVI≥0.70的区域占总面积的98.95%,年均NDVI≥0.70的区域占93.69%,且植被覆盖增加的面积远大于减少的面积;划分的5种植被类型中,阔叶林类NDVI值最高,人工植被类NDVI值最低;R/S法计算结果显示,Hurst指数(H)为0.876 8,表现为很强的持续性,预示未来一定时限内米仓山植被覆盖将有稳定的增加趋势。     

基于SPOT NDVI的甘肃河东植被覆盖变化及其对气候因子的响应

基于1998—2011年SPOT NDVI和年均气温、降水数据,采用植被覆盖度法、趋势分析法及相关分析法对甘肃河东地区植被覆盖时空变化及其对气温和降水的关系进行研究。结果表明:河东地区植被覆盖度南高北低,依次为陇南山区甘南高原陇东高原陇中高原;近14年来植被覆盖度呈波动上升趋势,增速分别为陇南山区0.050 10 a-1、甘南高原0.009 10 a-1、陇东高原0.039 10 a-1、陇中高原0.023 10 a-1;植被覆盖轻度改善面积占37.20%,基本不变占59.75%,表明研究区植被覆盖稳中有所上升;河东地区植被NDVI与气温和降水的相关性各异,其中54.59%的地区植被NDVI与气温呈负相关,45.41%区域呈正相关;87.86%的地区植被NDVI与降水呈正相关,12.14%区域呈负相关;植被NDVI与降水正相关面积明显大于气温,说明降水是研究区植被生长的主导气候因子。     

基于MODIS-归一化植被指数的广东省植被覆盖与土地利用变化研究

基于MODIS-NDVI遥感植被指数,利用像元二分模型进行植被覆盖度提取,结合趋势分析和显著性检验等方法,对2000—2020年间广东省的植被覆盖时空变化特征进行分析,并结合土地利用变化图谱,探究土地利用类型对植被覆盖时空变化的驱动作用。结果表明：(1)2000—2020年,广东省植被覆盖度整体以0.23%/a的变化率呈波动增长趋势,但空间异质性显著,呈现出以珠三角地区为中心向外辐射递增的趋势;(2)广东省多年平均植被覆盖度介于0.7—0.76,以中高和高植被覆盖度为主,低植被覆盖区约占研究区总面积的4.37%。全省以植被改善为主(78.18%),显著和极显著退化区域占全区面积的5.84%,主要集中分布在珠三角、粤东沿海以及粤西沿海等地区;(3)研究区以耕地与林地的图谱单元互换为主要土地利用变化特征,而城乡、工矿、居民用地在耕地和林地的占用和补充过程中起了重要的作用,反映出城乡建设过程中对耕地和林地的大量占用;植被覆盖变化与土地利用变化存在响应联系,且各土地利用类型对植被覆盖度的贡献各异;向城乡、工矿、居民用地转化的图谱与植被显著和极显著退化区高度重合,说明耕地和林地向城乡、工矿、居民...     

黄土高原近10年植被覆盖的动态变化及驱动力

基于Timesat的非对称高斯函数(AG)拟合法重建MODIS-NDVI数据,利用像元二分模型估算了黄土高原近10年的植被覆盖度(VC),并分析了年植被覆盖度的变化趋势和其与降水温度的相关性。研究结果表明:黄土高原植被覆盖度总体上呈现东南高西北低、由东南向西北递减的特征。其中森林生态系统平均覆盖度最高,灌木、草地生态系统次之,荒漠生态系统最低,空间差异明显。2010年森林生态系统植被覆盖度达到81.6%,主要包括太行山、吕梁山和秦岭地区。暖温带森林区植被组成以落叶阔叶林为主,覆盖度常年较高,为80%以上。西北部温带草原区,植被覆盖度达到38.8%。温带草地主要依水分梯度,由东南到西北分布有以旱生性多年生草本植物为主的典型草原,植被覆盖度呈现相应的递减趋势。黄土高原总面积78.6%的地区年植被覆盖度呈增加趋势;而占总面积19.4%的地区年植被覆盖度呈下降趋势。在空间分布上,植被覆盖度显著增加的区域主要分布在榆林至延安周边地区和秦岭一带;植被覆盖度显著减少区域沿兰州至银川呈条带状分布。     

内蒙古大青山国家级自然保护区植被归一化指数时空变化及其与环境因子的关系

选取2000—2020年MODIS影像的归一化指数(NDVI)数据及同期的气象数据,采用趋势分析、变异系数、相关分析等方法,从海拔、坡度和坡向的角度分析了内蒙古大青山国家级自然保护区生长季NDVI的时空变化特征,并进一步探讨了NDVI时空变化与气候因子的相关性。结果表明：(1)2000—2020年,内蒙古大青山国家级自然保护区植被总体覆盖状况良好且呈增长趋势,增长速率为0.058/10a;(2)保护区NDVI空间分布呈现出西部低、东部高的从西到东逐渐增加的特征。保护区生长季NDVI均值随着海拔的升高而明显增加,随着坡度的增加呈缓慢增加趋势,在不同坡向上,生长季NDVI均值大小依次为阴坡>半阴坡>半阳坡>阳坡;(3)从NDVI变化趋势分析来看,2000—2020年大青山自然保护区植被覆盖改善的面积占总面积的61.75%,其中,显著改善、极显著改善面积分别占总面积的41.13%、20.62%,基本保持不变的面积占总面积的38.17%,退化面积占总面积的0.07%。在空间分布上,NDVI显著、极显著增加的区域主要分布在保护区西部和东部,中部以变化不显著为主。保护区各功能区N...     

2000—2012年京津风沙源治理区植被覆盖时空演变特征

植被是陆地生态系统的主体,分析长时期植被覆盖变化,有助于揭示陆地生态环境的演变规律。研究以京津风沙源重点治理区的MODIS02B产品为数据源,通过数据处理获得2000—2012年的NDVI(Normalized difference vegetation index)时序数据集,采用线性趋势分析、标准差、Hurst指数和相关系数等方法,分析京津风沙源重点治理区植被覆盖的时空变化特征及影响因子。结果显示:(1)近13年来,治理区植被覆盖总体呈上升趋势(R2=0.70),2012年NDVI值达最大值0.324,比2000年增加了135.62%。但增加速率和幅度各异:北部干旱区(Bbghq)增加速度最快,浑善达克区(Hsdkq)次之,农牧交错区(Nmjcq)植被变化相对稳定。(2)工程区地表植被覆盖改善区域的面积明显大于退化区域,其中得到改善且通过显著性检验(P=0.10)的区域约占总面积的94.31%;Hurst指数分析表明,工程区植被变化整体呈中强持续性特征,面积合计约占64.48%;综合分析表明,工程区植被变化以良性发展为主,特别是强持续性的退化区和弱持续性的改善区值得关注,二者合计占35.27%。(3)人类活动是京津风沙地区植被覆盖上升的重要驱动因素;自然因素中,降水是控制工程区植被生长的主要因子,温度的影响相对较弱。     

1982-2013年基于GIMMS-NDVI的新疆植被覆盖时空变化

利用美国国家航天航空局（NASA）全球检测与模型组（Global Inventor Modeling and Mapping Studies,GIMMS）的归一化植被指数数据（NDVI）和英国东英格利亚大学气候研究所（Climate Research Unit,CRU）全球气温降水数据（1982至2013年）,研究新疆1982-2013年植被覆盖格局的时空变化。运用一元线性回归法分析近32年来新疆NDVI变化趋势;运用Theil-Sen median与Mann-Kendall检验研究新疆NDVI格局及趋势特征;并将检验的结果和Hurst指数的结果相结合,研究新疆NDVI格局的可持续性特征。研究表明：（1）新疆植被覆盖在空间分布上差异明显,其中北疆优于南疆,西北优于东南;（2）近32年来新疆年NDVI均值在0.10-0.12之间波动,且存阶段变化性;（3）新疆植被改善趋势的区域占总面积的25.89%,轻微退化的区域占总面积的18.00%;（4）从可持续性来看,新疆大部分地区植被变化将保持现在的趋势,但局部地区具有反持续性,持续性改善的面积占全疆总面积的24.39%,持续性轻微退化的区域占15.73%,另外59.88%为严重退化和未来变化趋势无法确定区域。开展NDVI空间格局的变化研究,对于干旱区新疆来说具有重要的理论和实际意义。     

基于SPOT-VEGETATION数据的神农架林区1998-2013年植被覆盖度格局变化

基于1998-2013年的SPOT-VEGETATION归一化植被指数（normalized differential vegetation index,NDVI）数据,利用二分模型法、相关性分析和空间分析的方法,结合同期降水量和平均温度数据,估算了神农架林区及神农架国家级自然保护区的植被覆盖度,并分析了空间格局及植被覆盖度变化的影响因素。结果表明,1998-2013年间,神农架林区平均植被覆盖度为66.8%,年最大植被覆盖度为93.8%,保护区内最大植被覆盖度显著高于保护区外;林区植被覆盖度变化率为1.45%,保护区植被覆盖度变化率为2.26%,植被整体呈增加的趋势,保护区保护效果较好。温度、降水量、年最低气温、距道路和居民地距离的远近是影响植被覆盖度变化的重要因子,而海拔对植被覆盖度变化无影响。     

疏勒河流域土地利用变化对净初级生产力的影响

研究区域土地利用变化对植被净初级生产力(NPP)的影响, 对厘清植被的生长状况及其和土地利用变化的关系, 以及维持区域生态环境可持续发展具有重要意义。以中国西北干旱区疏勒河流域为例, 基于土地利用数据和CASA模型计算的2001—2015年植被NPP数据, 分析了疏勒河流域NPP的时空变化特征, 探讨土地利用变化对植被NPP的影响。结果如下: 2001—2015年, 疏勒河流域NPP年总值整体上呈上升的趋势。NPP增加的区域占总面积的84.29%,上游山区和中下游绿洲区增加的最显著。NPP减少的区域占总面积的15.71%,主要分布于北部的肃北、敦煌的西部和南部及中下游绿洲的南北两侧。15年间土地利用的面积变化对NPP贡献率空间差异显著, 但总体上对NPP总量增加起到促进作用, 且耕地面积的变化对NPP总量的贡献率最大。