2000-2013年西安市植被覆盖度时空演变

随着黄土高原地区退耕还林政策的实施,近十几年西安市植被覆盖情况变化发生了显著变化。为了对西安市植被覆盖变化进行深入的研究,利用Mann-Kendall趋势检验法及Hurst指数、Pettitt检验法分析了2000-2013年来西安市植被覆盖度变化特征,并利用重心转移模型和相对发展率分析了西安市植被覆盖度变化的空间变化差异。结果表明:（1）西安市植被覆盖度中等程度变异面积占总面积10.02%;（2）西安市植被覆盖度呈增加趋势的面积占区域总面积86.54%,具有正向持续性的面积占区域总面积72.62%,35.30%面积植被覆盖度呈持续改善;（3）西安市植被覆盖度突变年份均显著发生在2004年、2005年、2006年、2007年、2008年,发生显著突变年份的面积占总面积的17.58%;（4）西安市植被覆盖度相对发展率空间变化范围为-9.07~7.49,相对发展率的负值占区域总面积的20.77%,西安市植被覆盖度空间重心呈现由西南逐渐向东北方向转移的趋势;（5）西安市降雨量与植被覆盖度均值均呈现增加趋势,相关系数为0.47（p<0.09）,空间分布重心呈现从东北向西南转移的趋势,与植被变化呈现相反的趋势。研究成果有助于进一步深化对西安市植被恢复状况及其影响因素的认识,为西安市植被恢复等生态建设工程提供一定的科学依据。     

黔中水利枢纽区植被覆盖度时空变化及驱动力分析——以平坝为例

植被覆盖度(FVC)对区域生态系统环境变化有着重要指示作用,利用2001年、2005年、2010年、2013年4期Landsat TM/OLI影像数据,基于像元二分模型,以黔中水利枢纽区平坝县为研究对象,得到了植被覆盖度时空变化规律,并探讨了植被覆盖度与地形起伏度、海拔、坡度和土壤类型等因子的响应关系,为县域水土保持研究提供科学理论依据。结果表明:(1)近13年平坝县植被覆盖度呈显著增加趋势,年增速为0.94%,其中2010年之前植被覆盖度呈持续增加趋势,年增速为1.72%,而2010年之后呈下降态势,年降速为-1.26%。(2)空间分布上,平坝县植被覆盖整体呈"西北高、东低"的分布特征,高值区包括齐伯乡、乐平乡和十字乡,低值区主要分布在高峰镇、马场镇和夏云镇;2001—2013年天龙镇植被覆盖度剧烈减少,马场镇和羊昌乡南部植被覆盖度剧烈增加。(3)平坝县植被覆盖度与地形因子的关系显示,植被覆盖度类型主要分布在地形起伏度80m梯度、海拔1 200～1 400m梯度和坡度25°梯度。(4)不同土壤类型的植被覆盖度变化分析结果表明:黄棕壤的平均植被覆盖度最高,为70.4%;水稻土的平均植被覆盖度最低,为42.9%;在各土壤类型区中表现为高植被覆盖度面积增加百分比最大,低植被覆盖度区域植被覆盖度面积减少百分比最大。     

黄土高原草地覆盖度时空变化及其对气候变化的响应

利用AVHRR GIMMS和MODIS两种NDVI数据源,基于像元二分模型对1982—2014年黄土高原草地覆盖度进行了模拟,并分析了时空变化特征及其与气候因子的关系。结果表明:黄土高原平均草地覆盖度为42.5%,1982—2014年总体呈增加趋势,且低覆盖度草地面积明显减少,而高覆盖度草地面积显著增加。黄土高原草地覆盖度空间分布差异显著,表现出东南高、西北低的特点。从草地覆盖度年际变化的空间分布来看,在退耕还草生态工程实施之前(1982—1998年),黄土高原大部分区域草地覆盖度无显著变化。自1999年后该区草地覆盖度增加趋势显著,增速达到1.76%,尤其是在陕北高原、山西中西部的吕梁—太行山等地,草地覆盖度增加趋势明显。通过退耕还草等生态工程的实施,该区植被状况得到改善。黄土高原草地覆盖度与降水气温相关性不明显,但空间差异明显,草地生长对降水因子的响应更为敏感。     

2000-2020年陕西省植被覆盖时空变化多尺度分析

[目的]退耕还林还草工程实施以来,陕西省植被覆盖度明显提高。然而,省级尺度上植被覆盖度的增加一定程度上掩盖了部分市、县级区域植被覆盖度下降的实事,当前迫切需要加强对不同空间尺度植被覆盖变化及其驱动因素的研究。[方法]基于MODIS NDVI数据计算了陕西省植被覆盖度,分析了2000—2020年陕西省、地区、市和县四级尺度植被覆盖度时空变化趋势。[结果]2000—2020年陕西省植被平均覆盖度为64.3%±2.1%,增长率为0.24%/a;陕北植被覆盖度平均为37.6%±4.4%,增长率为0.63%/a;陕南植被覆盖度平均为89.6%±1.2%,增长率为0.13%/a;关中植被覆盖度平均为70.6%±3.5%,下降率为-0.18%/a。延安市、榆林市、铜川市、宝鸡市、安康市、商洛市的植被覆盖度呈持续增加趋势,而西安市、渭南市、咸阳市和汉中市的植被覆盖度呈先增加后下降趋势;全省有72.3%的区县植被覆盖度呈增加趋势,有22.3%的区县植被覆盖度变化方向与所在市相反。在不同空间尺度上,陕西省植被覆盖度增速均表现为2000—2010年高于2010—2020年,这与两个时期的造林面积差异有关。[...     

西南地区生长季植被覆盖时空变化特征及其对气候与地形因子的响应

为探究西南地区生长季植被覆盖时空变化特征以及驱动因子如何定量影响其动态变化,基于MODIS NDVI数据,通过趋势分析、变异系数、相关分析等方法研究了西南地区2000-2016年生长季植被覆盖的时空变化特征,并结合气候因子、DEM数据,分析了植被覆盖对气候与地形因子的影响程度。结果表明:西南地区近17年来生长季NDVI呈增长趋势（0.009/10 a）,其中4月份增速最显著（0.029/10 a）;呈增加趋势的区域占研究区总面积71.94%,主要分布在东部与东南部区域;植被覆盖变化以较低稳定（31.15%）与中度稳定（25.36%）占主导。研究区NDVI与气温、降水的相关性在空间分布上主要以正相关为主;月尺度NDVI与气候因子的相关性高于年尺度的值;植被覆盖度与月平均气温的相关性高于其与月降水量的相关性,植被生长对降水月变化的响应不明显,对气温的响应无明显滞后效应。研究区平均NDVI在海拔大于4 000 m区域最小（0.30）,在坡度0°~5°区域最小（0.37）,但是NDVI的显著退化趋势则是以海拔大于4 000 m处最大（14.33%）;海拔大于4 000 m区域主要受降水控制,坡度5°~15°区域主要受气温控制;坡向对植被生长变化的影响没有海拔和坡度影响大。     

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] ①2000—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巨大贡献。     

三江源地区植被覆盖度变化及其与气候因子的关系

为揭示气候变化对三江源地区草地生态系统的影响及适应机制,研究以SPOT-VGT为基础数据,利用像元二分模型估算了三江源地区1998—2012年的植被覆盖度,分析了年最大覆盖度的变异特征,并对植被覆盖度与气候因子之间的响应关系进行了深入探讨。结果表明:在区域尺度上,15 a来研究区生长季植被覆盖度呈极显著增加的趋势（P < 0.01）,平均每年增加0.004。在草地生态系统类型上,高寒草甸植被覆盖度与生长季温度的相关关系更加密切（r=0.802,P < 0.01）;高寒草原植被覆盖度与生长季温度呈显著相关关系（r=0.515,P < 0.05）。与生长季降水量相比较,5—7月降水量对高寒草原植被覆盖度变化的影响更加关键,但在高寒草甸上却不存在这种差异。     

近10a黄土高原地区NDVI变化及其对水热因子响应分析

植被变化及其对气候的响应是当前全球变化研究的关键领域之一。基于SPOT-VGT NDVI数据集和黄土高原气象资料,应用最大化合成法和Kriging插值等地理空间分析方法,对黄土高原地区植被变化特征及其对气温和降水的响应过程进行了多时间尺度分析。结果表明,1999—2008年期间黄土高原地区植被覆盖整体呈上升趋势,线性增速为9.9%/10a,NDVI在旬、月和季尺度的变化曲线均呈单峰型,8月份达到最大值,2月为全年的最低值。研究黄土高原地区植被NDVI对气温和降水变化响应的最优尺度为月尺度。黄土高原地区NDVI在旬、月尺度上与温度的相关程度强于降水,而季尺度上与降水的相关程度强于气温。     

基于GIMMS NDVI的黄土高原地区荒漠化时空特征分析

气候暖干化发展趋势使干旱半干旱地区生态环境受到荒漠化发展的胁迫,植被覆盖度能有效地表达研究区植被分布状况及荒漠化程度。利用遥感技术手段监测区域植被覆盖和荒漠化发展趋势是非常有效的途径。为了给黄土高原地区生态环境建设和荒漠化治理提供科技信息,利用1986—2006年的GIMMS AVHRR NDVI数据,采用像元二分法估算植被覆盖度;借鉴水蚀风蚀研究成果确定植被覆盖度和荒漠化关系并进行分级,对黄土高原地区荒漠化程度及时空变化进行分析。结果表明:1)黄土高原约64%的地区为植被覆盖度为10%~50%的中度和重度荒漠化区;约1/3的地区为植被覆盖度在50%以上的轻度和非荒漠化区;约3%的地区为植被覆盖度<10%的强烈荒漠化区。2)1986—2006年间,黄土高原地区整体上荒漠化程度表现为降低趋势,期间,中度和重度荒漠化面积显著减少,非荒漠化面积明显增加,而强烈荒漠化面积扩大。荒漠化程度的时间变化具有10年尺度特征。3)中度和重度荒漠化的区域具有转化频繁和连片性特征,轻度和非荒漠化区域空间转化零散破碎,强烈荒漠化扩大区域主要在宁夏甘肃的沿黄两岸。     

1986—2021年彬长矿区植被覆盖度时空变化及其影响因子

[目的] 分析彬长矿区植被覆盖度变化特征及空间分布影响因素,判别矿区的生态状况断,为矿区复垦和生态恢复提供科学参考和理论依据。[方法] 基于Google Earth Engine云平台,获取1986—2021年30 m分辨率Landsat Surface Reflectance Tier 1 Data（地表反射率数据）,基于像元二分模型,采用趋势分析法、F检验等方法对彬长矿区植被覆盖度多年时空变化作出定量分析;在此基础上运用地理探测器对植被覆盖度的空间分异性进行地理因子解析。[结果] ①1986—2021年彬长矿区植被覆盖度改善状况较好,总体呈现增长趋势,平均增长率为0.64%/a;研究区多年平均植被覆盖度水平较高,中覆盖度及以上面积占87.14%,空间分布上呈现“东南高,西北低”的特点。②植被覆盖度变化趋势上,研究区以显著改善区域为主,其面积所占比例为56.65%,但仍有些许地区植被显著退化,主要集中在靠近城市河流道路区域。③各因子对植被覆盖度的影响大小排序为：坡度>高程>年降水>GDP>人口密度>年均温>植被类型>土壤类型,坡度与年降水交互作用对植被覆盖度空间分异性影响最强。[结论] 1986—2021年彬长矿区植被覆盖状况良好,整体呈现显著增长趋势,植被改善情况明显,坡度为影响研究区植被覆盖度空间分异性的主导因子。     

玛纳斯河流域植被覆盖度随地形因子的变化特征

基于2000-2016年MODIS NDVI数据,利用像元二分模型和ArcGIS空间分析功能对玛纳斯河流域植被覆盖度分布格局及动态变化特征进行研究,并分析植被覆盖度变化在高程、坡度和坡向上的空间分布差异。结果表明：（1）玛纳斯河流域以低等级植被覆盖为主,高等级植被覆盖面积显著增加,其它各等级面积波动较小,研究期内植被覆盖改善的面积比例（31.17%）远大于退化的面积比例（16.1%）,研究区总体植被覆盖度增加,生态环境有所好转。（2）在海拔<800m,坡度<8°区域内,植被覆盖度明显改善,植被显著退化区主要分布在海拔1300-3400m,坡度>25°区域内,植被覆盖度未发生变化的区域主要集中在海拔>3600m范围内。（3）当海拔>2100m时,植被覆盖度随海拔增加呈现持续减少的趋势,海拔低于2100m的地带,植被覆盖度随海拔增加波动较大。（4）随着坡度的增加,植被覆盖度呈逐渐减小的趋势,全流域0?5°坡度范围内植被覆盖度最大（42.69%）。（5）在各坡向上,植被覆盖度差异不明显。流域内平地上的植被覆盖度最大（44.21%）;阴坡的植被覆盖度优于阳坡,植被变化趋势除在平地区域较显著外,其余坡向间差异不大。     

2000-2019年新疆植被覆盖度时空格局及重心变化分析

植被对生态环境稳定有着极其重要的意义，研究植被覆盖变化及驱动机制，可为区域生态保护工作提供参考。该研究利用2000-2019年MODIS/EVI数据，基于像元二分法获取植被覆盖度（Fractional Vegetation Cover，FVC），运用线性回归分析揭示了FVC变化规律，进一步利用重心模型分析了植被、气温和降水的空间变化过程。结果表明：1）2000-2019年新疆平均FVC值为0.255，空间分布差异明显，以极低覆盖度为主，极高覆盖度区域主要分布在西北部、北部以及南疆的绿洲地区。2）新疆FVC呈上升趋势，变化平稳。东疆波动较大，2015年FVC高于平均值近20%，其他地区FVC在平均值5%上下波动；全疆植被减少趋势区域占总面积的53.04%，极显著恶化区域占总面积的4.73%。3）从重心迁移分析，气温是新疆FVC空间变化的主要驱动因素，在经度变化上呈正相关（相关系数为0.734）；伊犁河谷地区植被重心和降水重心在经度变化上呈负相关（相关系数为?0.492）。新疆植被覆盖度低且分布不均匀，具有显著性变化（P<0.05）的像元主要分布在人类活动区域，好转区域面积大于恶化区域，生态恢复工作效果明显，在恶化区域应当继续加强植被保护工作。     

甘肃白龙江流域植被覆盖度及景观格局变化

基于1998—2012年SPOT NDVI数据,采用像元二分模型和景观格局分析方法,对甘肃白龙江流域植被覆盖度及景观格局时空变化及影响因素进行分析。结果表明:（1）1998—2012年白龙江流域植被覆盖度明显增加,高植被覆盖度面积增加量最大（737.30 km²）,2012年中高和高植被覆盖度面积比例达70.7%,植被覆盖度增加区域主要分布在宕昌县北部、岷江东岸、舟曲—武都段白龙江两岸及其以北区域。（2）研究期间,白龙江流域植被覆盖整体改善、局地退化,植被覆盖度显著增加和轻度增加的总面积和比例分别为4 675.90 km²,25%,显著减少的面积仅占3.84%。（3）1998—2012年景观破碎度增大,斑块密度增加了58.23%;景观形状趋于复杂化,LSI,AWMPFD和IJI分别增大到25.14,1.128,80.01;香农多样性和均匀度指数分别减少到1.342,0.834。（4）白龙江流域植被覆盖度增加是自然因素和人为因素共同作用的结果,退耕还林、天然林保护等一系列生态工程的实施是植被覆盖度增加的主要原因。     

1981—2012年黄土高原植被覆盖度时空变化特征

植被覆盖度是反映植被覆盖状况最直接的指标。基于1981—2012年的MODIS影像,采用像元二分模型反演黄土高原植被覆盖度,分析了黄土高原各省区、典型流域及土壤侵蚀类型区生长季(5—10月)的植被覆盖度时空动态变化。结果表明:1981—2012年期间,黄土高原生长季植被覆盖度由31%增加到50%,呈显著上升趋势,但各区域增长幅度不同。2001年之前,黄土高原植被覆盖度平均为36%,年际间以小幅波动为主;之后,该区生长季年平均植被覆盖度为41%,年际间呈显著增加趋势。按省区,河南省植被覆盖度增幅最大,陕西省次之,内蒙古、宁夏增幅不明显且覆盖度在20%左右波动。按典型流域,延河流域增幅最大,窟野河流域增幅最小。按土壤侵蚀类型,水力侵蚀区植被覆盖度增长较快,风力侵蚀区则变化不明显。按植被覆盖度构成,低覆盖度面积比例减少,高覆盖度面积比例增加,其中黄土高原丘陵沟壑区植被覆盖度增加趋势最为明显,植被恢复成效显著。     

草原区露天煤矿植被覆盖度时空演变与驱动因素分析

采用多时相Landsat TM遥感数据,借助于植被指数与植被覆盖度,基于不同时序植被覆盖度格点回归斜率、标准差和基末年等级转换矩阵等,分析了研究区植被覆盖度空间异质性及其驱动机制,剖析了采复联动下研究区、开采区和复垦区植被覆盖度变化趋势和波动程度,进而揭示随着时间变化采复活动与植被覆盖度间的响应。研究结果表明：不同年份研究区植被覆盖度及其等级空间分布整体上具有一定相似性,矿山采复活动在一定程度上打破了区域植被覆盖度时空演变格局;研究区植被覆盖度以中（Ⅳ等）、中低（Ⅲ等）为主,按多年均值计算,两者之和占研究区总面积的80%以上;植被覆被度呈增加和减少的区域面积比为2∶3,相关系数在?0.9266～0.4805之间,斜率正值范围内相关性并不显著,而负值范围的?0.9266～?0.895呈现不同程度显著性相关;露天采区、排土场及其周边1.5 km范围内的植被覆盖度呈显著下降趋势,且趋于一致。矿区植被恢复经历了一个“高—低—高”的周期循环,半干旱草原区复垦管护期限尽量保证在6 a以上。70%以上区域在研究时段内植被覆盖度发生转换,转换较为频繁,Ⅰ等植被覆盖度中的90%是由采矿活动转入的。露天煤矿区植被覆盖的提升有赖于矿区社会压力减少和生态恢复力提高两方面。研究成果将为露天煤矿及其所在区域生态环境科学保护与决策、恢复和治理提供信息支撑。     

基于Landsat影像的石漠化区植被动态监测及治理效益研究

生态恢复工程是缓解石漠化、保持土壤、提高植被覆盖率的有效措施之一,是区域经济和生态可持续发展的关键。为了研究近30 a泸西县植被的时空变化特征、驱动因素以及石漠化综合治理生态工程实施的生态效益。本文基于1986—2016 Landsat TM数据,借助Mann-Kendall突变分析、Thei-Sei Median趋势分析等方法进行了研究,结果表明:1)30 a间,泸西县植被覆盖整体呈增加趋势,平均增速为0.43%/10 a,2001年是重要的转折点,增速由之前的0.35%/10 a增加到0.63%/10 a;2)在变化趋势上,泸西县植被覆盖呈增加和减少趋势的面积分别占85.21%和14.79%。1986—2000年期间,植被覆盖呈极显著上升的面积为7.71%,零星分布在北部地区;2001—2016年,植被覆盖呈现极显著性上升的面积占21.62%,主要分布在石漠化综合治理工程集中分布的东部山区;3)气温和降水的增加都对植被起到正向作用,气温对植被的影响明显大于降水。2000年之后,人类活动对植被的提升起到了重要的作用,其中对植被覆盖起积极作用的面积占79.6%,起消极作用的占20.4%;在贡献大小上,气候变化对NDVI的影响大小为39.1%,人类活动对NDVI的影响作用为60.9%。植被改善过程中人类活动的作用大于气候变化,石漠化综合治理生态工程是2001—2016年植被增加的重要驱动力之一。     

中国草地覆盖度时空动态格局及其影响因素

为了探究近几十年来中国草地覆盖度的动态变化,基于多源遥感数据,采用像元二分模型模拟分析了1982—2016年中国草地覆盖度的时空动态格局,并从植被类型、地形要素、气候区及气候变化等角度分析了其主要影响因素。结果表明:35 a间中国草地覆盖度平均值为36.21%,呈极显著增加趋势(0.12%/a)。高山亚高山草甸、坡面草地及湿润地区、半干旱地区草地覆盖度的增加对于中国草地恢复具有重要贡献。草地覆盖度随海拔的升高呈降低趋势,DEM<500 m及3 500 m相似文献   

2001—2020年三江源区植被覆盖时空变化特征及其影响因素

[目的] 分析三江源植被覆盖变化趋势,掌握三江源生态环境状况,为三江源后期生态建设项目的宏观布局和实施提供科学依据。[方法] 基于MODIS-NDVI,DEM及气象数据,借助最大合成法(MVC)、趋势分析、Hurst指数等方法从多个角度,综合分析2001—2020年三江源植被覆盖时空演变特征及未来发展趋势,并结合偏相关分析和多元回归残差分析法探讨气候变化和人类活动对植被覆盖的响应特征。[结果] ①近20 a来三江源植被覆盖呈现显著上升趋势,增速为2.1%/10 a;空间上整体呈现“东南高,西北低”,从东南向西北呈阶梯式逐渐递减。②三江源植被覆盖整体表现为上升趋势,上升面积占74.59%,下降面积占25.41%,具体表现为东北部以及西北部显著上升,曲麻莱南部、杂多北部和甘德西南部下降。③三江源植被覆盖未来变化的反向特征比同向特征更明显,持续改善面积占29.22%,改善到退化的面积占45.54%。④气温和降水对三江源植被覆盖都呈正面影响,且降水是主要驱动因子。⑤人类活动对三江源植被覆盖影响呈显著增强趋势,且以积极影响为主,主要分布在黄河流域东北部、长江流域通天河南侧和澜沧江流域东南部。[结论] 三江源是中国生态安全的重要区域,植被覆盖受气候和人类活动影响大,需要加强区域生态保护治理和生态维持。