2000—2020年四川省泸沽湖湿地自然保护区陆地植被覆盖动态变化

[目的]探究四川省泸沽湖湿地自然保护区2000—2020年陆地植被覆盖度的时空变化规律,为保护区的建设和治理提供参考。[方法]选用四川泸沽湖湿地自然保护区2000—2020年植被生长旺盛月份(6—9月)的MODIS数据为数据源,结合像元二分法、Theil-SenMedian趋势分析法等相关分析法探究植被覆盖度时空变化特征及其对气候的响应。[结果](1)在时间变化上,四川省泸沽湖湿地自然保护区陆地植被覆盖度呈略微上升趋势,整体以0.09/10 a速率波动上升。(2)保护区植被覆盖度在空间分布上呈现湖区及其周边区域低,南北高的特征,呈现整体上升,局部下降的特点。(3)保护区气候(6—9月)趋向“暖干化”发展,植被覆盖度与气温和降水量以正相关为主,且受气温影响大于降水,其影响因素具有空间差异性。[结论] 2000—2020年,泸沽湖湿地自然保护区植被覆盖良好,植被覆盖度总体呈略微上升趋势,其中,气温是影响植被覆盖度的主要气候因子,同时地形、人类活动对保护区植被覆盖度均有一定的影响。     

陕西省榆林市植被生态演变及其驱动机制

[目的] 研究陕西省榆林市植被生态演变规律以及驱动机制，为该区域生态恢复工程成效评价提供科学数据。[方法] 基于2000—2018年美国MODIS卫星植被指数产品MOD₁₃Q₁和像元二分方法对陕西省榆林市的植被生态系统进行反演，同时利用趋势分析法和相关性分析等方法研究气候条件和人为因素对植被生态变化的驱动机制。[结果] ①2000—2018年榆林市植被生态明显改善，主要表现为植被覆盖度在波动中呈现极显著增加趋势，年均增速1.47%/a；所辖各区县中吴堡县增加最大。南部黄土高原丘陵沟壑区植被覆盖度增速1.66%，高于北部风沙草滩区的1.17%。②2000—2018年，整体气候条件呈现暖湿化，表现为年降水量呈现很显著增加趋势，增加232.2 mm，增幅78.8%，年均增速10.7 mm/a；年均气温增加趋势不显著，增加0.3℃，增幅2.8%，年均增速0.11℃/a。年降水量与植被覆盖度呈现极显著正相关，年均气温与植被覆盖度相关性不显著，气候条件对于植被生态恢复起到了促进作用。[结论] 退耕还林工程和防沙治沙示范建设工程调整了产业结构，黄土高原丘陵沟壑区减少了水土流失，毛乌素沙地风沙草滩区流沙得到有效治理，生态建设效益显著。生态恢复工程是研究区植被生态恢复的主要驱动力。     

2000-2018年赣江上游植被覆盖度时空演化及其对气候变化的响应

[目的] 对赣江上游植被覆盖度时空演化及其对气候变化响应的研究，为区域的生态环境保护提供科学依据和数据支撑。[方法] 基于MODIS NDVI数据，结合年平均气温和年降水量数据，运用趋势分析、变异系数、Hurst指数与相关分析等方法对赣江上游2000—2018年的植被覆盖度时空演化及其对气候变化的响应进行了分析。[结果] ①赣江上游植被覆盖度呈显著增加趋势，增速为5.21%/10 a，空间上呈现四周高中间低的特征，且以高植被覆盖为主；研究区植被覆盖度呈极显著和显著增加的分别占25.59%和39.7%，极显著和显著减少的分别占1.32%和2.46%，而变化不显著的占57.84%；②研究区植被覆盖总体上比较稳定，平均变异系数为14.73%；Hurst分析显示赣江上游植被变化反持续性要强于持续性，总体上以弱反持续性为主；③研究区植被生长总体上受气温影响强于降水量，但存在空间差异。[结论] 赣江上游植被覆盖度变化较小，未来将呈微弱下降趋势，气温是影响植被生长的主要气候因子。     

气候变化对扎龙自然保护区植被生产力的影响

[目的]准确了解2010年以来扎龙自然保护区生态变化,为提高湿地生态系统服务价值评估能力提供数据支持和理论参考。[方法]基于遥感、气象、地面协同观测数据,利用CASA(Carnegie-Ames-Stanford Approach)模型、GSMSR(Geostatistical Model of Soil Respiration)模型和回归分析等统计方法,分析气候变化对2010—2020年扎龙自然保护区土地覆盖、植被生态质量、净生态系统生产力(NEP)等的影响。[结果](1)扎龙自然保护区的主要土地覆盖类型为有水草甸,占保护区面积的37.24%,主要分布在核心区,但面积总体呈下降趋势;(2)植被覆盖度呈波动增长趋势,年最高植被覆盖度平均为74.62%;(3)植被生态质量指数呈增加趋势,2019,2020年处于“好”等级;NEP平均为253.59 g/(m²·a)(以C计),呈现东高西低的空间分布特征;(4)生长季平均固碳量为5.69×10⁵ t/a,释氧量1.52×10⁶ t/a,均存在上升趋势;(5)气温对生态监测指标...     

1989—2019年库布齐沙漠植被覆盖度的时空变化

[目的]探究库布齐沙漠近1989—2019年植被覆盖度的时空动态变化规律,为库布齐沙漠植被恢复及生态建设提供理论参考和基础数据。[方法]以1989—2019年每5 a为1期(共7期)的Landsat影像为数据源,结合归一化植被指数(NDVI)像元二分法模型,利用ENVI 5.3和ArcGIS 10.2分析库布齐沙漠1989—2019年植被覆盖度(FVC)时空动态变化特征。[结果](1)在时间变化上,近30 a间库布齐沙漠植被覆盖度整体呈增长趋势,平均植被覆盖度由0.104增长到0.243。在空间分布上,库布齐沙漠植被覆盖度呈现由西向东、向北增加的特征。(2)库布齐沙漠植被覆盖在1999—2004年和2009—2014年均呈现退化趋势,平均植被覆盖度分别减少0.053和0.054,退化面积分别为3 870.22和6 093.59 km~2,退化程度均以植被覆盖度减少10%～30%为主。[结论] 1989—2019年库布齐沙漠植被覆盖度总体有所改善,未来该区生态修复重点关注低植被覆盖区域。     

近20年黄河三角洲地区植被覆盖度时空变化及其趋势分析

[目的]探究黄河三角洲地区植被覆盖度的时空动态变化以及植被覆盖度对土地利用变化的响应机制,为地区生态保护、建设与高质量发展提供参考。[方法]基于2000—2019年的归一化植被指数(NDVI)数据和2000—2020年5期土地利用数据,采用slope趋势分析和相关性分析等方法,分析了2000—2019年东营市植被覆盖度的时空动态变化及其对土地利用类型变化的响应。[结果]植被覆盖度在东营市南部地区、黄河沿岸以及黄河故道地区较高,而北部和东部沿海地区较低。在时间上,2000—2019年东营市NDVI为0.25～0.33,植被覆盖度呈现先增加后减少的趋势,在2010年达到最高水平。在空间上,东营市植被覆盖度改善区域面积大于退化区域,其面积占比分别为44.86%,37.94%。[结论]草地和未利用土地向城乡、工矿、居民用地和水域转化是造成植被覆盖退化的主要原因。     

气候变化和人类活动对黄河流域砒砂岩区植被覆盖的影响

[目的]砒砂岩区是黄河流域土壤侵蚀最为严重的区域,探讨该地区植被覆盖度变化状况及其影响的驱动因素,以期为该区植被恢复及生态重建工作提供科学参考。[方法]基于2000—2022年的MOD13Q1 NDVI数据,运用Sen趋势、Mann-Kendall显著性检验、Hurst指数、残差分析等方法分析砒砂岩区研究期内的植被覆盖度时空变化趋势,并探究植被覆盖度与气候因子及人类活动的响应关系。[结果](1)2000—2022年砒砂岩区植被覆盖度增加,增速为4%/a(p<0.05);空间尺度上,研究区植被覆盖度在3个区有明显的分异效果,整体呈现“南高北低,东高西低”的分布态势;(2)研究期内,砒砂岩区植被覆盖度与降水量呈正相关区域占总面积的66.30%,负相关区域占总面积的33.70%;与气温呈正相关区域占总面积的92.19%,负相关区域占总面积的7.81%;(3)残差分析结果表明,2000—2011年人类活动多以负面影响为主,2012—2022年人类活动多以正向影响为主。[结论]研究期间砒砂岩区植被覆盖度呈显著上升趋势,与年均气温的相关性高于年降雨量,且一系列生态保护工程为改善植被情况做出了...     

基于改进CASA模型的陕西省植被NPP遥感估算

[目的]探究陕西省陆地生态系统植被群落生产状况,分析陕西省植被NPP时空格局变化及影响因素,为准确评估陕西省陆地生态系统碳源/汇,实现区域生态可持续发展,达成碳中和目标提供参考依据。[方法]基于温度—植被干旱指数(Temperature Vegetation Dryness Index, TVDI)对CASA(Carnegie-Ames-Stanford Approach)模型水分胁迫因子进行改进,从而估算陕西省2010—2020年植被NPP,并利用热点分析法、趋势分析法以及地理探测器对陕西省植被NPP进行空间分布格局、年际变化趋势和驱动因子研究。[结果](1)陕西省NPP空间分布呈现南高北低、冷热点区域差异明显的特征;(2)陕西省2010—2020年NPP平均值介于331.02～416.34 gC/(m²·a),NPP均值在100～600 gC/(m²·a)占比最大,最低值和最高值区间占比不足20%;(3)全省2010—2020年83.3%的面积植被NPP值无显著变化,4.2%的面积呈增加状态,12.5%的面积NPP值呈下降趋势;(4)降水...     

2000—2020年湖北省土地利用变化对植被覆盖度的影响

[目的] 土地利用及其对陆地生态系统的影响是当前全球变化研究的重要内容。科学分析土地利用变化对植被覆盖度的影响,促进社会经济与生态环境质量的协调发展及地区经济的平衡发展,为政府部门对区域生态保护和恢复管理提供借鉴和参考。[方法] 以湖北省为研究对象,利用2000,2020年2期Landsat遥感影像、土地利用遥感数据,利用遥感数据的空间处理、像元二分模型、土地利用转移矩阵等方法,分析研究湖北省植被覆盖的时空变化、土地利用类型变化特征及其对植被覆盖度的影响。[结果] ①2000-2020年,湖北省耕地、草地和未利用地面积减少,水域以及建设用地面积增加,林地面积基本保持不变,其面积大小顺序为:林地>耕地>水域>建设用地>草地>未利用地。②湖北省植被覆盖度平均值上升了6.50 %。林地、耕地、草地和未利用地的平均植被覆盖度均有所增加,建设用地的平均植被覆盖度有所降低。③湖北省植被覆盖度总体呈现增加的趋势。植被覆盖度增大的区域主要集中在湖北省的西部和东南部地区,局部地区也存在植被退化的区域,主要集中在湖北省中南部及襄阳北方部分区域。④不同土地利用类型FVC转移过程中,耕地较高植被覆盖与高植被覆盖之间的转移过程最为剧烈,林地不同等级植被覆盖的转移量占转移总量的47.87 %,草地不同水平植被覆盖度的转移量占转移总量比例较小,仅为3.40 %。[结论] 2000-2020年湖北省土地利用变化较大,不同土地利用类型的植被覆盖度相互转移,尤其是林地、耕地及草地的平均植被覆盖度均有所增加,使得湖北省近20 a来整体植被覆盖度呈现出上升趋势。     

长白山区植被覆盖度时空变化及地形分异研究

[目的] 探究长白山区植被动态变化及其与地形的响应关系,为山区生态环境保护与治理提供科学支撑。[方法] 基于MODIS NDVI与DEM数据,采用像元二分模型估算长白山区2000—2020年植被覆盖度,运用Sen+Mann-Kendall趋势分析、空间自相关分析及重心迁移模型,结合地形面积差异修正系数,深入解析植被覆盖度时空演变特征,并定量揭示植被覆盖变化在高程、坡度、坡向因子上的分异效应。[结果] ①时空分布上,2000—2020年长白山区植被覆盖度以0.023 7/(10 a)(p＜0.001)的速率增长并于2010年发生明显的上升突变,呈“四周高,中间低”的分布格局,整体处于较高水平。②时空变化上,2000—2020年长白山区植被改善区域面积远大于退化区域面积,呈以“高—高”模式为主的显著聚集状态,但聚集程度波动下降;21 a间植被覆盖重心整体向西南迁移。③地形分异上,长白山区植被覆盖度随海拔、坡度升高均表现为先增加后减少趋势,不同时段下海拔＜600 m,≥1 200 m及坡度＜2°,≥25°区域植被普遍呈退化趋势,海拔600~1 200 m及坡度2°~25°范围内以改善或稳定趋势为主;平地区域植被退化趋势明显,其他坡向上各变化类型差异较小。[结论] 近21 a来长白山区植被状况总体向好发展,不同高程和坡度条件下植被变化空间分异明显,而坡向对植被变化的影响并不显著。     

滇中地区植被NDVI时空演变特征及其驱动因素

[目的]揭示滇中地区植被NDVI时空变化特征及其与气候因子、人类活动的关系,为该地区的社会经济可持续提供科学依据。[方法]以MODIS NDVI数据资料集、标准气象站点的气候数据及社会经济统计数据为素材,采用叠置分析、空间统计分析和相关分析为主要方法。[结果](1)滇中地区植被5月上旬进入生长季而10月下旬结束,2001—2010年植被NDVI呈现出上升的趋势,速率为0.03/10a,植被盖度整体朝增加的方向发展。(2)2001—2010年滇中地区植被覆盖呈增加和减少趋势的面积分别占总面积的70.24%和29.76%,减少最为突出的区域主要集中在人口聚集的城镇周围,增加的区域主要集中在高海拔地区。(3)气候影响因素中的水分类因素即平均相对湿度、最小相对湿度和降水是滇中地区植被NDVI年内变化主要的影响因素。(4)退耕还林工程极大地提升了滇中地区的植被覆盖度,而城镇化过程则使得滇中地区城镇周边的极低、低植被覆盖度区面积增加。[结论]滇中地区年内植被NDVI变化由气候因子所控制,而长期变化则受人类活动的制约。     

黔中水利枢纽工程区植被覆盖变化及其对地形与地貌的响应

为了探究喀斯特山区重大水利枢纽工程区的植被覆盖变化及其与对地形地貌的响应,助力区域石漠化治理和大型调水工程的科学实施及可持续发展,以贵州省黔中水利枢纽为例,采用像元二分模型,选取MODIS-NDVI数据对研究区2001—2020年植被覆盖度进行计算,并以分级数据为基础,运用植被覆盖变化类型的提取模型和分布指数,探究了植被覆盖变化的分异特征及其对地形与地貌的响应。结果表明:(1)研究区的植被覆盖度以高和较高为主,20年来,植被覆盖面积持续上升,年均增长率为0.46%,植被覆盖情况总体较好;(2)植被覆盖变化以改善型和稳定型为主,28个区(县)中,白云区、观山湖区、修文县的植被退化面积超过了植被改善面积,有生态退化风险,需加强生态保护;(3)从地貌上看,非喀区植被覆盖改善比纯喀和亚喀区显著;(4)从地形上看,随着高程和坡度上升,植被覆盖退化型分布优势降低,稳定型占优; 从坡向变化看,平地植被覆盖退化显著,其余区域不明显。因此,黔中水利枢纽植被覆盖的优势范围和变化类型具有显著的空间分异特征。     

黄河流域甘肃段植被覆盖度时空变化及对气候因子的响应

[目的]分析黄河流域甘肃段2000—2018年植被覆盖度变化的时空演变规律,探讨该区域植被覆盖度的变化对气候的响应机制,为该区域生态环境与社会经济的协调可持续发展和进一步落实生态环境保护、建设及恢复提供科学依据。[方法]基于2000—2018年的MODIS NDVI数据、气象数据,采用线性趋势分析和相关性分析等方法,对黄河流域甘肃段植被覆盖度的时空变化特征及与气候因子之间的关系进行分析。[结果]①空间上,近19 a研究区植被覆盖度自西南向东北在不断降低,以甘南州的植被覆盖状况最好;植被覆盖度改善面积占36.64%,主要分布于兰州市北部、临夏州、定西市、庆阳市、平凉市大范围区域、天水市南部等,而退化面积占4.2%,主要集中于甘南州等地区。②时间上,研究区植被覆盖度以2013年为界呈现"先持续增加后波动减少"的变化趋势,但整体在不断增加;以平凉市的增加速度最快,平均每年增长0.96%。③研究区植被覆盖度对降水量变化的响应敏感,与降水量呈现显著的正相关关系。[结论]研究区植被覆盖度空间差异明显,2000—2018年植被以改善为主,降水是影响这些区域植被改善的有利因素,降水状况的改善对研究区生态环境建设与修复至关重要。     

基于CASA模型的陕西省植被净初级生产力时空分析

[目的]探明陕西省近年来植被净初级生产力(net primary productivity,NPP)的变化及评估植被的生长条件。[方法]基于CASA(Carnegie Ames Stanford Approach)模型估算陕西省2003—2012年逐月NPP,并分析其年际、年内的时空变化特征及趋势。[结果](1)陕西省2003—2012年植被NPP总体呈增长趋势(p0.01),年均增量为3.940 6g/(m~2·a)(以C含量计);年总NPP从2003年的84.44Tg(1Tg=1012g)增加到2012年的91.98Tg。(2)NPP年内变化明显,夏季NPP占年总量的比例最高,达到52.43%,7,8两月占比最高,分别为18.52%和18.41%。只有3和8月NPP增长趋势显著或极显著,其他月份NPP变化不显著。(3)不同植被NPP的年际变化比较平稳,除永久湿地外,其他植被类型的NPP呈增长趋势,耕地的NPP增长最快(p0.01),年均增量为5.89g/(m2·a)。(4)NPP整体呈南高北低、高低相间的分布特征,全省78.53%的区域NPP呈增长趋势,24.47%的区域增长显著或极显著;NPP降低显著/极显著的面积仅占2.27%,主要分布在陕西中部和西安周边地区。[结论]陕西植被生长条件总体在改善,但局部在恶化。     

江苏省植被覆盖动态变化及其与气候因子的关系

[目的]研究2000—2013年江苏省植被覆盖状况的时空分布特征,并从年际和季节尺度上分析植被覆盖的空间变化特征以及NDVI与气温、降水量的相关关系和滞后性,以期为区域生态环境监测、生态环境保护和植被可持续发展提供参考。[方法]运用美国国家航空航天局(NASA)发布的2000—2013年MODIS 13Q1级产品(归一化植被指数)和江苏省1999—2013年各气象站点气象资料,采用最大值合成法、趋势线分析法、Person相关分析法和偏相关分析法。[结果](1)14a来,江苏省植被NDVI整体上呈下降趋势,且在时间和空间尺度上有所差异;(2)由于气温、降水量、厄尔尼诺和拉尼娜等事件的影响,NDVI在年际和季节间呈波动性变化;(3)NDVI对降水变化响应的滞后期为1个月,NDVI基本同步于相应气温的变化,仅夏季滞后期为1月。[结论]从时间尺度上看,年际、秋季,NDVI呈下降趋势,而春夏季,NDVI呈上升趋势;从空间尺度上看,江苏省西部的植被覆盖程度明显优于东部沿海和长江中下游平原。NDVI在年际和季节尺度上与气候因子的相关性显著,且与气温的相关性最好。     

基于RS与像元二分模型的近20 a宁夏植被覆盖研究

[目的]探讨近20a宁夏植被变化特征及其对气候的响应情况,为了解区域生态变化态势,评估生态工程成效提供理论基础和科学依据。[方法]利用1992,2000,2006和2012年的TM数据,基于植被指数估算植被覆盖度的原理,运用像元二分模型,对宁夏植被覆盖度进行遥感估算和动态监测。[结果]宁夏植被覆盖呈现南北好,中部差的空间分布特点;近20a来宁夏的植被覆盖度表现出明显的增加趋势,即低植被覆盖区的面积在逐渐减少,中、高植被覆盖区的面积增加了6 434km2,全区平均植被覆盖度提高6%,其中扬黄灌区及南部山区植被覆盖增加幅度较大。[结论]宁夏植被覆盖度的增加主要得益于近年来实施的一系列植被保护和生态恢复工程,而降水量的变化则是引起植被覆盖度年际波动的主要因素。     

安徽省植被覆盖度动态变化及其对地形的响应

[目的] 探究安徽省植被覆盖度的时空变化特征与地形的相互关系，为当地资源开发中加强生态环境建设提供理论依据。[方法] 在GIS与RS技术支持下，使用安徽省2001—2019年逐月MODIS/NDVI数据，2001—2019年土地分类数据和安徽省DEM海拔、坡向地形数据，分析植被覆盖度时空变化特征及其与地形因子相互关系。[结果] 安徽省植被覆盖度季节变化特征明显。1月、10—12月，全省植被覆盖度呈现低值，且山区高于平原；2—5月，淮北平原地区植被覆盖度呈现高值，6月迅速减小；7—9月全省范围植被覆盖呈现高值，大部地区植被覆盖度高于0.8，山区平原空间差异最小。全省植被覆盖度年变化率为0.003 9/a，与时间相关性显著（R²=0.814 8）。不同海拔区间内，植被覆盖度四季差异明显。受下垫面地表类型影响，200 m以下植被覆盖度呈现低值，200～350 m植被覆盖度陡然升高，1 250 m以上植被覆盖度呈下降趋势。各坡向四季植被覆盖度夏季>秋季>春季>冬季。北坡、南坡分别为峰值、谷值。南、北向山区植被覆盖度差异呈逐年波动下降趋势，其差异值多年平均值夏季最低（0.009 3），秋季最高（0.014 2），春冬季分别为0.013 9，0.012 5。[结论] 安徽省海拔、坡向显著影响植被覆盖度动态变化特征，需结合地形特点合理开发利用地表资源，并做好生态环境保护工作。     

2000-2012年鄂尔多斯禁牧区植被覆盖度变化监测

[目的]评估鄂尔多斯实施禁牧、休牧政策以来获得的成效。[方法]以MODIS长时间序列的植被指数产品为数据源,利用像元二分模型研究了2000—2012年植被生长期5—9月份鄂尔多斯禁牧区的植被覆盖度及其时空变化特征。并采用转移矩阵的方法,分析了年度间植被覆盖度高低变化的方向。[结果]研究区植被覆盖度自东向西逐渐减小,东部高于西部,北部高于南部;2000—2012年研究区植被覆盖度总体呈上升趋势,均有低等级植被覆盖度向高等级植被覆盖度转化的趋势;2008—2012年植被恢复状况比2000—2004年和2004—2008年这两个阶段更优。[结论]禁牧政策使研究区植被长势逐年改善,禁牧、休牧政策对草原生态恢复起到了良好的作用。     

黄河源区青海省玛多县2000—2014年NDVI变化及气候驱动因子

[目的]研究黄河源区青海省玛多县2000-2014年NDVI的变化及其驱动因子气候的变化,为玛多县生态环境保护和土地资源规划提供决策依据.[方法]利用玛多县及其周边地区9个气象站生长季气象资料和MOD 13Q1/NDVI遥感影像数据集,采用最大值合成法、趋势分析法和相关分析方法,分析NDVI的变化及气候驱动因子.[结果]近15 a玛多县NDVI整体上呈增加趋势,增速为0.012/10 a;玛多县65.84％区域的植被覆盖保持在基本不变状态,改善区域(27.47％)大于退化区域(6.69％);NDVI与生长季气温和降水均呈正相关关系,其中生长季降水对NDVI的影响更大;研究区内NDVI变化主要受非气候因子驱动影响,占研究区面积的83.61％,受气候驱动影响的面积仅占16.39％,其中,气温降水综合驱动型占3.93％,气温驱动型占2.74％,降水驱动型占9.72％.[结论]2000-2014年非气候因素是影响玛多县植被NDVI变化的决定性因素.     

2001-2013年宝鸡地区植被NDVI对气温和降水量的季节响应特征

[目的]研究2001-2013年陕西省宝鸡地区植被变化与气温和降水量的时空变化特征及其相关性,为区域农业发展和区域生态文明建设提供有力支撑.[方法]基于2001-2013年宝鸡地区气温和降水量数据,利用MODIS NDVI数据和11个气象站点实测数据,结合实际调查,采用一元线性回归、标准化处理、相关分析等方法,基于季尺度、参照年尺度分析宝鸡地区植被覆盖季节时空变化及其与气温和降水量的相关性.[结果]夏季植被NDVI增加趋势最为明显,其次为秋季,冬季植被覆盖最差;宝鸡地区四季标准化值NDVI与气温、降水量的变化趋势相接近,其最大值点的出现时间与气温和降水量基本对应.同一季节NDVI与气温的相关系数均高于NDVI与相应季节降水量的相关系数(除夏季);春季NDVI与冬季气温(-0.592)、夏季NDVI与春季降水量(0.640)之间显著相关,表明近13 a来春季植被覆盖变化与冬季气温、夏季植被覆盖与春季降水量的变化较为一致,NDVI与降水之间的滞后关系为0～3个月.[结论]2001-2013年宝鸡地区年均、季NDVI整体均呈增加趋势,8月植被覆盖变化与降水量的变化较为一致,降水量较气温对8月植被生长影响强烈.