曹晓云 ，祝存兄 ，陈国茜 *，孙树娇 ，赵慧芳 ，朱文彬，周秉荣

1.青海省气象科学研究所，青海 西宁 810001；2.青海省防灾减灾重点实验室，青海 西宁 810001；3.中国科学院地理科学与资源研究所，北京 730099

植被是全球陆地生态系统最重要的组成部分，从根本上调节地表能量收支平衡、水循环、化学循环等（Cong et al.，2013），同时，植被生长直接受制于水热条件，对气候变化敏感，是气候变化的指示器（张学珍，2014）。地表绿度是研究植被状况的一个重要参量，其变化直接反映了一定时间内地表植被分布变化情况，间接反映了地表生态环境质量的变化情况（章钊华等，2018），是目前研究全球变化的核心内容之一。卫星遥感技术以其较高的时空分辨率和低成本优势成为监测区域和大尺度植被变化的主要技术手段（张学珍，2014），其中，归一化植被指数（NDVI）是广泛被用来表征植被生长状态和地表绿度的最佳指标之一（Pan et al.，2018；刘爽等，2012；谢舒笛等，2020），尤其在植被覆盖度较低的荒漠地区，NDVI被首选用来监测和评价荒漠化程度（Franklin et al.，2011；Han et al.，2021；付阳等，2021）。

近年来，借助NDVI监测区域植被和生态环境变化的研究成果较多，但大多集中于植被NDVI在不同时空尺度下的演变特征，以及不同生态系统对气候变化的响应机制（曹云等，2020）。研究表明，2000—2010年中国地表植被覆盖绿度整体呈增加趋势，荒漠化面积呈缩减趋势，绿度增加最显著的区域位于青海等地（刘爽等，2012）。针对青海柴达木盆地，徐浩杰等（2014）以2001—2010年MODIS数据为基础，结合气温和降水量数据，分析了盆地植被时空变化特征及对气候要素的响应；杨运航等（2020）基于1998—2018年生长季的Landsat影像，研究了盆地不同地貌单元的NDVI变化特征，并分析了其驱动力；李红梅（2018）基于1982—2016年GIMMS和MODIS资料分析了盆地不同区域和主要类型植被NDVI变化趋势及其植被演替特征，上述研究均发现盆地NDVI呈显著上升趋势，气候的暖湿化是促使柴达木盆地植被改善的主要驱动力。对盆地而言，地形作为影响植被分布最基本的生境因子，通过外部形态（如海拔、坡向等）影响气温、降雨等气候条件的空间差异，并在一定程度上影响人类活动，从而影响植被的空间分布格局（马士彬等，2019；赵婷等，2019；付阳等，2021），因此植被分布及变化趋势的地形分异特征对于理解其驱动因素具有重要意义。然而，关于柴达木盆地地形对地表绿度变化影响的研究非常有限。

柴达木盆地位于青藏高原东北隅，气候干旱，生态环境脆弱，受全球气候变化的影响，柴达木盆地气温大幅升高，降水量明显增加，气候逐渐向暖湿化方向发展，成为整个青藏高原气候变化最为敏感和显著的地区（李林等，2015；李红梅，2018）。此外，2000年以来，中国开始制定并实施“退耕还林”，“退牧还草”等一系列林业生态工程，柴达木盆地是重点建设区（李世东等，2021）。在此背景下，最新的柴达木盆地地表绿度变化趋势如何？绿度变化的地形分异规律如何？气候因子的影响机制如何？这些研究对柴达木盆地生态环境保护和开发提供决策支持和数据依据，但目前针对这些问题的研究尚显不足。

基于此，本文以2000—2021年MODIS NDVI数据为基础，结合DEM、气象数据和积雪面积数据，综合利用Sen+M-K趋势分析法、相关性分析法，分析了在气候变化背景下，柴达木盆地地表绿度的时空演变趋势、地形分异特征、气候因子的影响，旨在了解近年来柴达木盆地植被变化规律，为柴达木盆地应对气候变化和生态环境建设提供理论依据。

1 研究区概况

柴达木盆地位于青藏高原东北隅，范围为35°00′—39°20′N，90°16′—99°16′E 之间，总面积约2.5×105km2，平均海拔2654—6588 m。柴达木盆地由昆仑山脉、祁连山脉与阿尔金山脉环抱，为四面环绕的封闭式山间断陷盆地，从盆地边缘至中心分布有高山、戈壁、平原、盐沼、湖泊等地貌类型（图1a），是中国著名的内陆山间盆地，也是中国海拔最高的盆地，被称作“聚宝盆”。盆地植被较稀疏，以具有高度抗旱能力的灌木、半灌木、草本为主，盐生植物较多，植被结构简单（张斯琦等，2019），山麓洪积扇和冲积-洪积平原上以荒漠植被群落为主；在沼泽及盐湖、河流沿岸，莎草科密生形成草丘，以盐生植被为主；盐湖与沼泽外围以芦苇（Phragmitesaustralis）与赖草（Leymussecalinus）为主（图1b）。盆地降水稀少，河流短小，地表水系的补给来源主要取决于高山冰雪融水和山区降水（周苏刚等，2021）。

图1 柴达木盆地地理位置（a）和植被类型（b）空间分布Figure 1 Spatial distribution of geographical location (a) and vegetation types (b) over Qaidam Basin

2 数据与方法

2.1 数据与预处理

2.1.1 NDVI数据

NDVI数据选用 2000—2021年生长季（6—9月）16 d合成的MODIS植被指数产品MOD13Q1-NDVI，轨道号为H25V05，空间分辨率为250 m。该数据已经过表面的双向反射率大气校正，去除水、云、气溶胶和云阴影的影响（王林林等，2015）。本文共收集了柴达木盆地220个时相的影像数据，对数据进行拼接、重投影、格式转换等预处理后，进行年最大合成，最后掩膜得到研究区22年逐年的年最大NDVI。数据可从美国LPDAAC（Land Process Distributed Active Archive Center）免费获得（http://ladsweb.nascom.nasa.gov/data/search.html）。

2.1.2 DEM数据

DEM数据采用SRTM（Shuttle Radar Topography Mission）数据集，数据版本为V003，来源于美国地质勘探局（USGS）（https://lpdaac.usgs.gov/products/srtmgl1v003/），空间分辨率为90 m。本文利用DEM数据研究不同地形因子和NDVI空间分布及变化特征之间的关系，为与NDVI数据进行叠加分析，将其重采样和重投影与NDVI一致的空间分辨率和投影，并利用ArcGIS软件生成海拔和坡向分布图，将海拔按一定间隔划分为14级（图2a），将坡向按45°等间隔划分为8类（图2b）。

图2 柴达木盆地海拔（a）与坡向（b）空间分布Figure 2 Spatial distributions of altitude (a) and slope (b) over Qaidam Basin

2.1.3 气象数据

选取2000年1月1日—2021年12月31日柴达木盆地地区周围气象站的逐日气温和降水数据，采用 ANUSPLIN专用气候插值软件（刘志红等，2008）的薄盘样条函数法实现气象数据空间插值，并以 DEM 数据为协变量提高插值准确性，获得空间分辨率为250 m×250 m的气象格点数据，最后裁出研究区范围。其中，柴达木盆地及周边气象台站分布如图1a所示，数据来源于中国气象局综合气象信息共享平台（http://10.181.89.55/cimissapiweb/），经过严格的质量控制，准确性及完整性满足科学研究需求。

2.1.4 青藏高原MODIS逐日无云积雪面积数据集

由 MODIS逐日无云积雪面积数据计算得到每个水文年（上年10月至该年5月）的积雪日数，最后裁出研究区范围。其中，青藏高原 MODIS逐日无云积雪面积数据集（2002—2021年）是在充分考虑青藏高原地形和山地积雪特征的情况下，采用了多种去云过程和步骤相结合，逐步实现保持积雪分类精度的情况下，消除逐日积雪的云量，形成逐步综合分类算法制备的数据集，其空间分辨率为0.05°×0.05°，时间分辨率为1 d。地面台站雪深数据验证表明，高原地区当积雪深度>3 cm时，无云积雪产品总分类精度达到 96.6%，积雪分类精度达89.0%，整个算法流程对MODIS积雪产品去云的精度损失较低，数据可靠性较高。数据来源于中国科学数据中心（http://www.csdata.org/p/15/）。

2.2 研究方法

2.2.1 Sen+M-K趋势分析

Theil-Sen Median（Sen）趋势分析通过计算序列中的中位数，可以很好地减少噪声干扰，是一种稳健的非参数统计趋势计算方法（Hirsch et al.，1984），Mann-Kendall检验法（M-K检验）在长时间序列趋势分析中具有很大优势，被广泛使用（马士彬等，2019；马炳鑫等，2021）。

Sen趋势计算公式为：

式中：

xj和xi——时间序列数据；

Median——序列中位数。

Sen>0表示时间序列呈上升趋势；Sen<0表示时间序列呈下降趋势。

在M-K趋势显著性检验中，原假设H0为时间序列X=(x1,xn)，是n个独立的、随机变量同分布的样本；备择假设H1是双边检验，对于所有的i,j≤n，且i≠j，xi和xj的分布是不相同的，检验的统计变量S计算公式为：

S——正态分布，其均值为0，方差Var(S)计算公式为：

当n>10时，标准的正态统计变量通过式（5）计算：

这样，在双边的趋势检验中，在给定的α置信水平上，如果|Z|≥Z(1-α/2)，则原假设是不可接受的，即在α置信水平上，时间序列数据存在明显的上升或下降趋势。而对于统计变量Z，若大于0，则时间序列呈上升趋势；反之亦然。在本文检验中Z的绝对值大于1.65、1.96和2.58时，表示趋势通过的信度α分别为90%、95%和99%。根据显著性检验结果将变化趋势分为如下 5个等级：不显著减少（Sen<-0.0005，α≤95%）、显著减少（Sen<-0.0005，α>95%）、基本不变（-0.0005≤Sen≤0.0005）、显著增加（Sen>0.0005，α>95%）、不显著增加（Sen>-0.0005，α≤95%）。

2.2.2 Pearson相关系数

采用Pearson相关性分析方法（黄嘉佑等，2015）分析研究变量之间的相关关系。对于研究变量x和y，其相关系数Rxy的计算公式为：

式中：

n——研究变量样本总量；

xi、yi——第i对样本；

3 结果与分析

3.1 植被NDVI时空分布及演变

2000—2021年柴达木盆地NDVI具有显著的空间异质性，呈边缘高、腹地低的向心环状分布特征，随海拔变化规律性明显。西南部、南部的昆仑山、东部的鄂拉山、东北部的祁连山等盆地边缘山麓及格尔木市、乌图美仁、诺木洪、德令哈市等盆地内部绿洲是NDVI高值区，NDVI均值普遍大于0.3，部分地区甚至大于0.6，而盆地腹部的都兰西北部、德令哈南部、大柴旦大部、茫崖大部、格尔木大部地区 NDVI小于 0.1（图 3a）。盆地平均 NDVI为0.15，整体以 0—0.1等级为主，约占总面积的45.92%，0.1—0.2、0.2—0.3等级NDVI面积占比分别为23.97%和13.83%，NDVI大于0.3的仅占总面积的16.28%，主要分布在兴海、玛沁、玛多和天峻县（图3b）。这是由于柴达木盆地深居内陆，来自海洋的暖湿气流难以到达，加之四周的昆仑山、祁连山、阿尔金山和鄂拉山等高海拔山脉阻挡（王林林等，2015），东南低山区生长季降水充沛且有较为丰富的冰雪补给，植被丰茂多为草原草甸，因此NDVI值较高；绿洲核心区多海拔较低且湖泊河流等水文条件较好，有利于植被生长，因此NDVI值也较高；其余大部地区水热匹配条件较差，多戈壁砾石、风蚀残丘、沙漠和盐壳（杜庆等，1981），年NDVI值很小。

图3 2000—2021年柴达木盆地年平均NDVI空间（a）及其统计结果（b）Figure 3 Spatial distribution (a) and interannual variation (b) of snow days over Qaidam Basin area from 2000 to 2021

从时间序列上看，2000—2021年柴达木盆地NDVI总体呈波动上升趋势，年际变化速率为1.8×10-3a-1（P=0.008），2001 年出现最小值，为 0.12，2020年出现最大值，为0.17。分阶段来看，2000—2010年间，柴达木盆地NDVI呈波动上升趋势，NDVI增长率为2.9×10-3a-1（P=0.009），2010年后柴达木盆地NDVI变化波动幅度较大，其中，2010—2016年间，呈波动下降趋势，年际变化速率为-3.2×10-3a-1（P<0.05），2016年后，呈波动上升趋势，年际变化速率为 5.5×10-3a-1（P=0.038），尤其是 2016—2018 年盆地NDVI持续向好，2018年以来盆地NDVI变化较平稳，且维持在较高水平（图4）。

图4 2000—2021年柴达木盆地NDVI年际变化趋势Figure 4 Interannual variation trend of NDVI over Qaidam Basin from 2000 to 2021

柴达木盆地65.62%的区域NDVI呈增加趋势，显著增加面积占比53.04%，表明近22年来柴达木盆地NDVI以改善为主，东北部的天峻、乌兰、都兰东部、格尔木西部和茫崖西部等高山草甸以及格尔木市、乌图美仁、诺木洪、香日德、德令哈市等盆地内部绿洲地区NDVI增加速率最快，平均增加速率为0.01 a-1，其中NDVI显著增加的区域主要分布在盆地边缘山麓洪积扇和冲积-洪积平原地区，多为温性荒漠类植被，呈半环形分布；而盆地边缘外围南部和东南部地区的高寒草原和低地草甸以及盆地内部的绿洲核心区NDVI为轻度增加；中部、西北部的裸地沙漠地区NDVI值基本不变；NDVI显著减少的面积占比为 1.21%，零星分布在南部、东北部高海拔山脉、冰川雪山边缘地区以及盆地内部的各个绿洲局部地区，减少速率达0.01 a-1（图5，表1）。在“高原变暖放大效应”（游庆龙等，2021）影响下，柴达木盆地暖湿化现象较明显（陈槐等，2020），良好的水热条件促进了植被生长，因此盆地大部地区植被NDVI呈增加趋势，绿洲地区多城镇建设、工业用地和农田分布，人类活动较强（张斯琦等，2019），加之城镇扩张，局部地区NDVI值减少，但绿洲整体NDVI值增加，这与国家政府实施的退耕还林、退牧还草、天然林防护等重大工程与生态环境保护措施密不可分。

图5 2000—2021年柴达木盆地NDVI变化趋势（a）及其显著性检验（b）Figure 5 Variation trend of NDVI over Qaidam Basin from 2000 to 2021 (a) and its significance test (b)

表1 柴达木盆地NDVI年际变化速率及显著性检验统计Table 1 Interannual change rate and significance test statistics of NDVI over Qaidam Basin

3.2 NDVI地形分异

3.2.1 海拔

受水热条件的差异影响，柴达木盆地NDVI表现出显著的海拔敏感性，总体上，NDVI随海拔上升呈抛物线型变化（r2=0.803），其中，海拔小于3 km的占盆地总面积的37.52%，其中，小于2.75 km的高程带多沙漠盐沼，NDVI小于0.1，2.75—3.0 km高程带NDVI值较高，主要是由于该高程带多农场、绿洲分布，植被丰茂；而3.0—3.25 km高程带受地理因素和水分条件限制多为麻黄（Ephedrasinica）、柽柳（Tamarixchinensis）等温性荒漠植被，NDVI值随之减小，3.0—4.5 km高程带面积占比 45.33%，NDVI为0.1—0.30，呈阶梯式增大，这是由于盆地植被垂直过渡带依次为温性荒漠、高寒草原和高寒灌丛草甸所致（杜庆等，1981），其中，4.25—4.75 km高程带NDVI较高，超过0.30，该高程带多高寒草原和草甸，植被长势较好；大于4.5 km的面积占比 17.16%，NDVI呈阶梯式减小（图 6a），这与气候条件密切相关，这一区域为冰缘气候所控制，气温低且多强风，山顶效应明显（邓晨晖等，2021），植被逐渐过渡为冰川或永久积雪所致（杜庆等，1981）。

从2000—2021年柴达木盆地NDVI变化趋势的不同海拔梯度分异性（图6b）可以看出，除5.5 km以上海拔外，盆地不同海拔梯度的 NDVI年际变化均呈增加趋势，其中3.5—4.5 km高程带NDVI年际增加速率较快，均超过2.75×10-3a-1，该高程带多为高寒草原，小于3.5 km的高程带NDVI年际变化速率随海拔上升呈阶梯式增大，从 5.13×10-4a-1增至1.7×10-3a-1；大于4.5 km的高程带NDVI年际变化速率随海拔上升呈阶梯式增小，从3.0×10-3a-1减至4.13×10-4a-1；5.5—6.0 km高程带NDVI年际变化呈减少趋势，年际变化速率为-1.23×10-4a-1。研究发现气候变暖背景下柴达木盆地地表绿度变化的显著区域主要集中在人为影响较少的高海拔区，这一结论亦从植被变化视角证实了学者们的研究发现，全球变化背景下山地对气候变化具有高度的敏感性，其中高山带对气候变化的响应更敏感（Rangwala et al.，2012；You et al.，2020）。

图6 2000—2021年柴达木盆地NDVI（a）及其变化趋势（b）的海拔梯度分异Figure 6 Altitude gradient differentiation of NDVI (a) and its variation trend (b) over Qaidam Basin from 2000 to 2021

3.2.2 坡向

从图 7可知，柴达木盆地不同坡向的年平均NDVI差异明显，虽然柴达木盆地以东北坡、西南坡、北坡和南坡为主，其面积比例分别为13.64%、12.88%、12.66%和11.41%（图7a），但多年平均NDVI呈现北坡大于南坡、西坡大于东坡的分布格局，其中，西北坡NDVI最大，为0.19，其次是北坡、西坡、东北坡、东坡、东南坡、西南坡，年平均NDVI为 0.18—0.16，南坡的最少，小于 0.16（图 7b）。NDVI变化趋势方面，2000—2021年柴达木盆地不同坡向的NDVI均呈增加趋势，其中西北坡的增加速率最快，为1.93×10-3a-1，其次是北坡、西坡、东北坡、西南坡、南坡和东坡，NDVI增加速率分别为1.86×10-3a-1、1.85×10-3a-1、1.77×10-3a-1、1.75×10-3a-1、1.73×10-3a-1和 1.73×10-3a-1，东南坡的增加速率最慢，为 1.70×10-3a-1（图 7c）。

图7 柴达木盆地不同坡向占地面积（a）、NDVI（b）及其变化趋势（c）的坡向分异Figure 7 Slope direction differentiation of land area (a), NDVI (b) and its change trend (c) in different slope directions over Qaidam Basin

3.3 NDVI对气候变化的响应

由柴达木盆地2000—2021年生长季（5—9月）平均气温、累计降水量以及2003—2021年水文年积雪日数变化趋势空间分布可以看出，近20年来，柴达木盆地生长季气候变化表现出明显的“暖湿化”特征，其中，平均气温以0.12 ℃·(10 a)-1（P=0.008）的速率极显著升温，尤其是盆地腹地和东南部地区升温较为显著，而西南部地区平均气温呈下降趋势（图8a）；降水以16.06 mm·(10 a)-1（P=0.041）的速率显著增多，除盆地中部外，其余地区降水量均呈增多趋势，尤其是盆地边东部和西部缘地区（图8b）；积雪日数以 1.35 d·(10 a)-1（P=0.033）的速率显著增多，其中盆地大部地区积雪日数呈增多趋势，东部和南部边缘地区明显增多，而大柴旦东北部、格尔木南部局部地区积雪日数明显减少（图8c）。此外，2002—2018年，柴达木盆地共有82条冰川消失，35条冰川分裂为73条，冰川面积减少169.14 km2（-9.08%），较1977—2002年面积变化相对速率为-0.54%·a-1，冰川面积退缩呈加快趋势（周苏刚等，2021）。柴达木盆地NDVI与生长季平均气温的相关系数为 0.11，与降水量的相关系数为0.61，呈极显著正相关，与水文年的积雪日数的相关系数为0.23，表明水分的变化对这里的植物更加敏感，近20年来生长季明显的“暖湿化”气候变化特征是柴达木盆地地表绿度改善的主要原因，降水量增多、积雪日数增多、冰川消融速率加快是重要的驱动因素。

图8 柴达木盆地2000—2021年生长季平均气温（a）、累计降水量（b）及2003—2021年水文年积雪日数（c）变化趋势空间分布Figure 8 Spatial distribution of variation trend of average temperature (a), cumulative precipitation (b) in growing season from 2000 to 2021 and snow days in hydrological year from 2003 to 2021 (c) over Qaidam Basin

进一步分析近20年来柴达木盆地生长季平均气温、降水量和积雪日数及其变化趋势的海拔梯度分异（表2）可以看出，柴达木盆地植被生长季平均气温随海拔升高而减小，降水量和积雪日数随海拔升高而增加。不同海拔带降水量均增加，加之冰川消融后的补给，充沛的水分条件是盆地地表绿度整体增加的主要原因；而3.5—4.5 km高程带热水匹配最佳，其中平均气温均呈增温趋势，年际变化速率为 0—0.03 ℃·a-1，降水量和积雪日数均呈增多趋势，年际变化速率分别为1.73—2.66 mm·a-1和0.04—0.49 d·a-1，这可能是该高程带NDVI年际增加速率较快的主要原因；大于 4.5 km的高程带虽然降水量呈增多趋势，年际变化速率超过 2.69 mm·a-1，但气温均呈减小趋势且随海拔上升减小速率加快，水热条件匹配不足，这是该高程带NDVI年际变化速率随着海拔上升呈阶梯式减小的主要原因；大于5.5 km高程带多冰川雪山，但由于气温以-0.11 ℃·a-1的速率减小，冰川消融速率加快（周苏刚等，2021），积雪日数以0.11—0.22 d·a-1的速率减少，该高程带NDVI呈减小趋势。

表2 近20年来柴达木盆地生长季平均气温、降水量和积雪日数及其变化趋势的海拔梯度分异Table 2 Altitude gradient differentiation of average temperature, precipitation and snow cover days and their changing trends during the growing season over Qaidam Basin in the past 20 years

就坡向分异而言，柴达木盆地西部主要受强劲西风环流的控制，而中东部则由于西风环流的减弱受到高原季风余泽的影响，有利于印度洋和孟加拉湾水汽向盆地中东部输送（李林等，2015），这种水汽输送特征决定了在地形的抬升作用下，南坡更易获得降水，植被生长季累计降水量南坡较北坡多7.26 mm（图9a），但是相比于北坡，南坡为阳坡，可以吸收更多的太阳辐射（郭建平等，2016），不利于积雪的保存，使得北坡积雪日数（23.40 d）较南坡少（20.25 d）（图9b），北坡在植被生长季可以获得更丰富的冰雪融水，加之柴达木盆地辐射强烈且昼夜温差较大，会导致水分蒸发量大，不利于植被生长。南坡向阳，土壤干燥，水分蒸发快，而北坡背阴，阳光照射时间短，水分蒸发慢，土壤相对湿润（邓晨晖等，2021；银朵朵等，2021），因此，北坡的气候条件更利于植被生长。东坡和西坡接收的太阳辐射基本相同（郭建平等，2016），但是西南方向的暖湿气流使得西坡的降水（152.69 mm）大于东坡（145.47 mm），这是西坡NDVI大于东坡的主要原因。研究表明，柴达木盆地西南方向的水汽输送呈增强趋势（Sun et al.，2018a；Sun et al.，2018b），在这一背景下西坡生长季降水量的年际增加速率（1.30 mm·a-1）较东坡（1.27 mm·a-1）快（图 9c），且西坡积雪日数增加速率（0.15 d·a-1）也较东坡（0.14 d·a-1）快（图9d），西坡有更充沛的水分条件，这可能是西坡NDVI增加速率较快的主要原因。

图9 柴达木盆地2000—2021年生长季累计降水量（a）、（c）及2003—2021年水文年积雪日数（b）、（d）及其变化趋势的坡向分异Figure 9 Slope direction differentiation of cumulative precipitation during the growing season (a), (c) and snow cover days in the hydrological year (b), (d) and their variation trends over Qaidam Basin from 2000 to 2021

4 结论

绿度可以反映地表生态环境质量，本文基于MODIS NDVI遥感资料、结合DEM、气象数据和积雪面积数据，综合利用Sen+M-K趋势分析法、相关性分析法，分析了在气候变化背景下，柴达木盆地地表绿度的时空演变趋势、地形分异特征、气候因子的影响。主要结论如下：

（1）2000—2021年柴达木盆地 NDVI呈边缘高、腹地低的向心环状分布特征，随海拔变化规律性明显。高值区主要集中在盆地外围的山麓及内部绿洲地区，均值普遍大于0.3，而盆地腹地大部地区小于0.1。65.62%的区域NDVI呈波动增加趋势，显著增加区域占比 53.04%，平均增加速率为1.8×10-3a-1。

（2）2000—2021年柴达木盆地NDVI及其变化趋势存在明显的海拔和坡向分异，整体随海拔上升呈抛物线型变化。其中，4.25—4.75 km的NDVI较高，超过0.30；3.5—4.5 km的NDVI年际增加速率较快，均超过2.75×10-3a-1；NDVI北坡大于南坡、西坡大于东坡，西北坡最大，为0.19，且西北坡的NDVI增加速率最快，超过1.93×10-3a-1。

（3）2000—2021年生长季柴达木盆地明显的“暖湿化”气候变化特征是地表绿度改善的主要原因，降水量增多、积雪日数增多、冰川消融速率加快是重要的驱动因素，不同海拔的水热匹配和不同坡向的降水及冰雪融水、太阳辐射的气候差异造成了NDVI分布和变化的差异。