引 言

作为陆地生态系统的重要组成部分，植被不仅联接着土壤圈、水圈和大气圈的物质循环和能量流动，而且在陆地生态系统能量交换、水分循环和生物地球化学循环过程中起着非常重要的作用[1]。气候变化会对植被产生不同的影响，其中以气温和降水对植被生长的影响最为重要[2]。动态监测地表植被覆盖的时空演变，掌握当前植被与气候之间的关系，对于揭示区域环境状况演化、预测未来陆地生态系统对全球变化的响应等具有重要意义[3]。遥感数据具有较好的时间、空间连续性以及覆盖范围广等特点，是当前研究植被与气候关系的重要数据源[4]。归一化植被指数(normalized difference vegetation index, NDVI)是目前公认的植被生长状况最佳表征指标[5]，是反映植被覆盖状况的一个重要指数。

目前，常用的时间序列NDVI数据集包括SPOT (System Probatoire d’Observation de la Terre) VEGETATION NDVI、MODIS(moderate-resolution imaging spectroradiometer)NDVI、GIMMS(global inventory monitoring and modeling studies)NDVI等。这些数据集被广泛应用于植被覆盖动态变化监测与驱动力分析研究[6-8]。由于单一的遥感数据源限制了对地表植被长期变化趋势及规律的研究，近年来由多源遥感数据重构的长时间序列NDVI数据集成为研究植被覆盖变化的新热点[9-11]。然而，多源遥感数据源之间的差异使得重构后的NDVI数据集存在一些误差。NASA(National Aeronautics and Space Administration)最近发布了最新版本的GIMMS NDVI 3g数据集，旨在提高高纬度地区的数据质量，以便更适合北半球生态系统植被活动变化的研究[12-13]。目前可获得1982—2013年数据，能够更准确反映植被长期稳定的变化趋势，被广泛应用于全球和区域尺度的植被动态变化分析中[14-16]。

黄河源区位于青藏高原东北部，是我国西北地区重要的水资源补给中心[17]。近年来，在全球气候变化和人类活动的共同影响下[18-19]，黄河源区生态环境急剧恶化，植被覆盖、土地利用等发生了显著变化。作为青藏高原陆地生态系统的重要组成部分，黄河源区植被对维护黄河流域生态环境安全及可持续发展具有非常重要的作用[20]。关于黄河源区植被变化的相关研究[21-22]，大部分学者使用了MODIS NDVI数据集或GIMMS第一代NDVI数据集，鲜有基于GIMMS NDVI 3g数据集的应用研究。因此，本文利用1982—2013年GIMMS NDVI 3g数据及同时期气温和降水观测资料，对黄河源区近32 a植被变化特征及其与气候因子的关系进行研究，为全球气候变暖背景下高原植被适应性对策的制定提供基础的科学理论依据。

1 研究区概况

黄河源区位于“世界第三极”青藏高原东北部，本研究所指的黄河源区为黄河上游青海省境内(图1)，位于97°E—104°E、32°N—38°N之间，流域内地势西高东低，地貌复杂[23]，属于巴颜喀拉山支脉，广泛分布着多年冻土和季节性冻土[24]。黄河源区由于地处欧亚大陆中心区，属于高寒半湿润性气候，冷热两季交替，干湿季分明，无明显的四季之分。黄河源区年平均气温和年降水量自东南向西北逐渐降低[25]，黄河发源地扎陵湖、鄂陵湖在其境内，是黄河上游径流主要补给区[26]。

图1 黄河源区地理位置及气象站点分布 Fig.1 The geographic location of the source region of the Yellow River and distribution of meteorological stations

2 资料与研究方法

2.1 数据来源

GIMMS NDVI 3g是NASA近期发布的第3代NDVI数据集，目前可获取1982—2013年数据，其时间分辨率为15 d，空间分辨率为0.083°×0.083°。该数据经过天顶角、气溶胶、云层覆盖等因素的影响校正，精度更高、误差更小，适用于植被覆盖变化的长期监测[13]。另外，经拼接、裁剪、最大值合成等数据预处理，将原数据制作成黄河源区数据集。

黄河源区植被每年4月下旬开始返青，到9月下旬开始枯萎，植被生长季为5—9月[21]。高原地区生长季NDVI值达到0.05以上表示有植被覆盖，0.05以下则表示地表无植被覆盖，如裸土、沙漠、戈壁、水体、冰雪和云，为消除非植被因素对研究结果的影响，取0.05为临界值。

气象观测数据来源于青海省气象局，包括研究区26个国家观测站1982—2013年气温及降水逐月资料，气象站点分布见图1。

2.2 研究方法

然而，在今天看来，和其他更典型的拉斐尔前派绘画相比较而言，罗塞蒂的这些作品仍显得不那么纯粹。比如，如果将《邂逅》和其他旗手如米莱斯的作品《洛伦佐与伊莎贝拉》相比，其刻画的程度就不如后者更为精谨；而《受胎告知》这一题材也不比亨特的《良知觉醒》更具现实的道德寓意，而画面中天使加百列双足周围缠绕的火焰燃烧出一种超现实的感觉，背景的蓝色布幔和前景中火红的织物前后照应，无疑又给画面平添了一份装饰意味。

(2)1982—2013年，黄河源区生长季植被受气温和降水共同影响，植被NDVI与气温和降水有显著正相关关系。与降水相比，黄河源区植被NDVI与气温的相关性更强，气温是影响黄河源区植被变化的主要气候因子，且随着海拔高度的升高影响力越大。

三是养成。该鱼终生摄食活鱼，要同时做好鲮鲤、鲢鳙、草鱼等饲料鱼的养殖，两者数量、大小要配套，要定时、定量投喂饲料鱼，保证供给足够的饵料，以保证全部鱼种均能饱食，均匀生长，减少自相残杀，提高养殖成活率。

前面分析发现，近32 a黄河源区植被生长季NDVI表现出明显的年代际变化特征。因此，以年代为间隔，分析统计黄河源区植被NDVI年代内的变化特征(图5和表1)。由图5(a)和表1可知，1980年代(1982—1990年)，黄河源区植被NDVI呈明显增加趋势，植被增加面积占总面积的70.36%，其中25.68%的区域植被显著增加，而植被NDVI呈减少趋势的区域主要出现在黄河源头的鄂陵湖和冬给措纳湖周边，以及青海南山附近的共和及兴海、同德交界处的黄河沿线附近。

(1)

式中：i为年份序号；NDVIi为第i年NDVI值；n为时间序列长度。其中，slope>0表示NDVI变化为增加趋势，反之则是减少趋势。

NDVI变化幅度RNDVI公式为：

RNDVI=slope×(n-1)

(2)

2.2.2 相关分析

在植被-气候关系的研究中，很多学者利用空间插值方法将气候因子插值到空间上来分析其与植被指数的关系[28-30]，但由于内插本身存在较大误差，如果用插值结果来做驱动力分析，将会进一步扩大相关分析误差。因此，本文利用GIS空间分析功能，首先提取各气象台站对应位置的NDVI，然后与台站的气温与降水进行相关分析与偏相关分析，从而避免空间插值造成的误差。相关系数能衡量两个变量之间的直接相关程度，而偏相关系数则在对其他变量影响控制条件下，衡量多个变量中某两个变量之间的线性相关程度[31]。

3 结果与分析

3.1 黄河源区植被NDVI时空分布特征

图2是黄河源区1982—2013年生长季(5—9月)植被NDVI年变化。可以看出，近32 a来，植被NDVI整体呈缓慢的波动上升趋势，线性增长率为0.000 2 (10 a)-1，且存在明显的阶段性变化特征，1990年代中期以前植被NDVI上升趋势明显，而后波动下降，至2000年以后处于波动状态，其中NDVI极大值出现在1993和2010年，极小值出现在1982、1995和2012年。

图2 1982—2013年黄河源区 生长季植被NDVI变化及趋势 Fig.2 The annual variation and its trend of NDVI in the source region of the Yellow River during the growing season from 1982 to 2013

图3是1982—2013年黄河源区植被生长季年均NDVI空间分布。可以看出，黄河源区植被盖度大致呈现从东南向西北递减的趋势。其中，东南部的泽库、河南、久治、达日、同德、甘德、玛沁等地区植被覆盖较好；西北部的共和盆地为典型的内陆沙漠滩地，植被覆盖较差，而位于玛多的扎陵湖、鄂陵湖，由于海拔高，气候条件恶劣，植被覆盖较差；东北部的西宁、互助、平安、乐都、民和、化隆等地区，处于人口较为密集的农业区，加之近年来城市的不断扩张，植被覆盖较差，而周边的大通、湟源、湟中、门源、海晏等地植被覆盖较好。

图3 黄河源区生长季植被NDVI空间分布 Fig.3 Distribution of NDVI during the growing season in the source region of the Yellow River

3.2 黄河源区植被覆盖动态变化特征

采用一元线性回归分析方法，逐像元计算1982—2013年黄河源区生长季植被NDVI趋势的空间变化特征(图4)，并按照表1的划分标准，分为7个等级。由图4和表1可知，近32 a来，黄河源区生长季植被整体上呈弱增加趋势，植被增加面积占总面积的54.03%(表1)，主要分布在黄河源头的扎陵湖、鄂陵湖，青海湖周边的海晏、共和及东部的西宁、乐都、民和沿线，其中显著增加的面积仅占总面积的5.74%；植被NDVI减小区域分布在祁连山南部的门源、互助，而中东部的贵南、贵德、尖扎沿线，阿尼玛卿山东北部的兴海、玛沁、同德，以及东部的泽库、同仁、循环沿线，大部分地区NDVI呈轻度减少趋势，显著减少的区域仅占总面积的3.13%。

图4 1982—2013年黄河源区 生长季植被NDVI空间变化趋势 Fig.4 Spatial variation trend of NDVI in the source region of the Yellow River during the growing season from 1982 to 2013

3.3 黄河源区植被覆盖年代际变化特征

图5 1982—2013年黄河源区生长季植被各年代NDVI变化趋势 Fig.5 Change trends of NDVI in the source region of the Yellow River during the growing season in different decade from 1982 to 2013

表1 黄河源区不同时段植被NDVI变化趋势面积统计 Tab.1 Area statistics of variation trend of NDVI in different periods in the source region of the Yellow River 单位：%

观察并比较两组患者术后死亡情况及并发症的发生情况，并做好详细的记录，其中并发症主要包括肺部感染、应激性溃疡、肠道功能紊乱等。

“税务机关入户检查需要一个过程，两三个月或更长时间都有可能。”武嘉说，在检查中，违法纳税人应配合检查，一旦纳税人出现欠税情况，有可能被采取阻止出境、限制高消费等联合惩戒措施。武嘉表示，如果财务人员做出隐匿、毁损账簿的情况，将被依法追究刑事责任，情节严重的，将面临牢狱之灾。

1990年代(1991—2000年)[图5(b)和表1]，黄河源区生长季植被覆盖整体上略有增加，植被呈增加趋势的面积占总面积的58.45%，较1980年代有所减小，NDVI增加区域主要出现在青海湖沿岸的海晏、共和和中部阿尼玛卿山附近的兴海、玛沁及南部的达日、久治地区；而植被NDVI减少区域主要位于西宁、湟中、平安、民和沿线和贵德、尖扎、循化沿线，这些区域主要是人口密集区。20世纪90年代，经济发展带来的生态环境破坏和城市扩张是该地区植被覆盖减少的主要原因。其中，植被NDVI减少的中部贵南、泽库地区位于共和盆地，是青海省著名的“黄沙头”地区，为典型的内陆沙漠滩地，沙漠面积7.4万hm2，绝大部分为流动沙丘[32]。1990年代以来，“黄沙头”地区荒漠化日趋严重，是造成该地区植被覆盖减少的主要原因。此外，位于黄河源头的扎陵湖、鄂陵湖地区植被NDVI也呈减少趋势，这与杨建平等[33]的研究结果相似。

21世纪以来(2001—2013年)[图5(c)和表1]，黄河源区植被NDVI整体表现为弱的增加趋势，植被增加的面积占总面积的52.59%，其中7.87%的区域植被显著增加。与1990年代相比，城市扩张导致的植被覆盖减少现象得到明显改善，西宁、湟中、平安、民和沿线和贵德、尖扎、循化沿线植被NDVI增加趋势明显。位于贵南的“黄沙头”地区植被覆盖状况有所好转，主要因为1990年代末以来，通过国家及地方一系列防沙治沙重点工程的实施，该地区防沙治沙工程已取得初步成果[32,34]，土体沙漠化程度减弱，植被覆盖趋于改善。黄河源头扎陵湖、鄂陵湖地区植被NDVI呈增加趋势，植被覆盖改善明显，三江源自然保护区生态保护和建设工程的实施是黄河源头植被NDVI增加的主要原因[35]。植被NDVI减少区域主要集中在中部阿尼玛卿山周边的兴海、玛沁地区。

3.4 植被与气候因子的相关性

对黄河源区26个国家基本气象站年平均气温与年降水量数据进行线性回归拟合(图6)，发现近32 a来，黄河源区年平均气温呈显著上升趋势，尤其是1980年代末以后气温持续波动上升，线性倾向率为0.67 ℃·(10 a)-1；而年降水量的阶段性变化特征明显，1980—1990年代末表现出微弱的减少趋势，而后则表现为增加趋势，但整体上呈微弱上升趋势，线性倾向率为4.5 mm·(10 a)-1。就年代而言，黄河源区平均气温表现为逐年代升高的特征，而降水量则呈“先降后增”的年代际变化特征，1990年代平均降水量最低。可见，黄河源区气候环境正在由干冷逐步向暖湿化转变。

2.2.1 趋势分析

生长季的植被变化与气候的关系尤为密切，为了客观反映气温、降水对植被生长的影响，提取了黄河源区26个国家基本气象站所在位置生长季(5—9月)月最大NDVI，并与生长季气温与降水进行相关分析，来探讨植被变化与气候因子的关系。

图6 1982—2013年黄河源区年均气温(a)、年降水量(b)变化趋势 Fig.6 Change trends of annual average temperature (a) and annual precipitation (b) in the source region of the Yellow River from 1982 to 2013

从1982—2013年黄河源区各气象站生长季植被最大NDVI与平均气温的相关系数[图7(a)]看出，近32 a来黄河源区各站生长季植被最大NDVI与气温均呈明显正相关关系(均通过0.01的显著性水平检验)，26站中有22站(85%)的相关系数在0.8以上。其中，黄河源头的玛多站植被最大NDVI与气温的相关性最好，相关系数高达0.909，而东部循化站的相关性最小，相关系数仅为0.482。

从黄河源区各气象站生长季植被最大NDVI与降水的相关系数[图7(b)]看出，所有站点植被最大NDVI与降水均呈正相关关系(均通过0.01的显著性水平检验)，26站中有21站(81%)的相关系数在0.6以上。其中，青海湖东侧的海晏站植被最大NDVI与降水相关性最高，相关系数达0.754，而东部的循化站相关性最小，相关系数仅0.366。

植被变化是诸多气候因子综合作用的产物，单一气候因子往往不能解释复杂的植被变化过程。因此，引入偏相关分析方法来研究气温和降水对植被的共同影响(图8)。可以看出，气温和降水对黄河源区植被NDVI的影响均比较明显，所有站点气温和降水与植被NDVI偏相关系数均为正。

在同一台站，降水、气温对植被的偏相关系数大小反映了气候因子对植被影响力的强弱。图9为气温和降水对黄河源区植被NDVI的影响力分布。可以看出，气温对黄河源区植被的影响远高于降水，且气温对植被NDVI的影响随着海拔升高而显著增大，是影响植被NDVI变化的主导因子，尤其是高海拔地区的玛沁、达日、甘德、久治等地，降水的影响比重近乎零。黄河源区属于高寒半湿润性气候，降水基本能够满足当地植被生长所需，然而气温随着海拔高度的增加而降低，是限制高海拔地区植被生长的主要因素。海拔相对较低的东北部黄河沿线站点降水对植被生长的影响比重有所增大。

图7 1982—2013年黄河源区各台站植被生长季最大NDVI与气温(a)、降水(b)的相关系数 Fig.7 Correlation coefficients between the maximum NDVI and temperature (a), precipitation (b) at stations in the source region of the Yellow River during the growing season from 1982 to 2013

图8 1982—2013年黄河源区各台站生长季植被NDVI与气温(a)、降水(b)的偏相关系数 Fig.8 Partial correlation coefficients between the maximum NDVI and temperature (a), precipitation (b) at stations in the source region of the Yellow River during the growing season from 1982 to 2013

图9 黄河源区气候因子对植被变化的影响力分布 Fig.9 The influence of climatic factors on NDVI of vegetation in the source region of the Yellow River

4 结 论

(1)黄河源区植被覆盖呈现从东南向西北递减的空间分布特征。1982—2013年，黄河源区气温呈显著升高、降水则呈微弱增加的趋势，气候由干冷逐渐向暖湿化转变；植被覆盖呈现整体缓慢升高、局部退化的趋势，且“先增后降”的年代际变化特征明显。

（二）现状水质不达标的水功能区，如果入河污染物削减量不大，近期可以达到水质管理目标，则以水功能区的纳污能力作为限制排污总量；如果入河污染物削减量较大，需以实现水质管理目标为控制条件，分阶段拟定限制排污总量控制方案。

一元线性回归分析方法可用来模拟每个栅格多年NDVI变化趋势，并估算NDVI的变化幅度[27]。通过计算黄河源区内每个像元生长季NDVI值，采用一元线性回归分析来模拟1982—2013年间植被变化趋势，即NDVI年际变化率，其计算公式为：

植被变化是气温、降水、日照及人类活动等多重因素共同作用的复杂过程，气候变化是其主要影响因素，但人类活动也是不可忽视的驱动因素之一。自2000年以来，青海省先后实施了退耕还林还草工程和三江源自然保护区生态保护及建设工程等一系列生态环境保护工程，对改善黄河源区植被覆盖状态起到非常重要的作用。本文仅初步探讨了植被对气温、降水的响应，在今后研究中将进一步结合生态环境保护工程数据开展综合细致的分析研究。

参考文献：

[1] 孙进瑜. 1982-2006年全球植被生长时空变化及其与气候变化和城市化过程的关系[D]. 北京：北京大学,2010.

足球本身的魅力也吸引着越来越多的大学生足球爱好者.足球是一项只要爱上了，就欲罢不能，终身性的体育运动.在这个“一机在手，天下我有”的时代，足球这项运动无疑可以帮助大学生摆脱手机成瘾，走进社会生活.足球也是一项简单易行，集体性的运动项目，通过它可以培养出坚韧不拔的品性和如何更好地与人交流合作.

[2] 韩辉邦,马明国, 严平. 黑河流域NDVI周期性分析及其与气候因子的关系[J]. 遥感技术与应用,2011,26(5):554-560.

[3] 毛德华,王宗明,罗玲,等. 1982～2008年东北冻土区植被生长季NDVI对气候变化和CO2体积分数增加的响应[J]. 环境科学学报,2010,30(11):2332-2343.

[4] 侯光雷,张洪岩,郭聃,等. 长白山区植被生长季NDVI时空变化及其对气候因子敏感性[J]. 地理科学进展,2012,31(3):285-292.

[5] HAN H B, MA M G, YAN P. Periodicity analysis of NDVI time series and its relationship with climatic factors in the Heihe River Basin in China[J]. Remote Sensing Technology & Application, 2011,8174(1):466-471.

[8] SHEN X, LIU B, ZHOU D. Using GIMMS NDVI time series to estimate the impacts of grassland vegetation cover on surface air temperatures in the temperate grassland region of China[J]. Remote Sensing Letters, 2016,7(3):229-238.

[7] OTTO M, HÖPFNER C, CURION J, et al. Assessing vegetation response to precipitation in northwest Morocco during the last decade: an application of MODIS NDVI and high resolution reanalysis data[J]. Theoretical & Applied Climatology, 2016,123(1/2):23-41.

[6] 陈斌,李海东,曹学章,等. 基于SPOT-VGT NDVI的雅鲁藏布江流域植被动态变化[J]. 山地学报,2016,34(2):249-256.

[9] MAO D H, WANG Z M, LUO L, et al. Integrating AVHRR and MODIS data to monitor NDVI changes and their relationships with climatic parameters in Northeast China[J]. International Journal of Applied Earth Observation & Geoinformation, 2012,18:528-536.

[10] XU Y F, YANG J, CHEN Y N. NDVI-based vegetation responses to climate change in an arid area of China[J]. Theoretical & Applied Climatology, 2016,126(1/2):213-222.

按照每月练兵成绩，对照考核细则，对当月练兵成绩优秀的队员进行奖励，并对成绩不达标的队员进行惩罚，考核结果兑现在当月工资中。同时，全年的考核情况也为年底评先选优的重要依据，练兵中出现不合格情况的队员，不在岗位标准作业流程先进个人评选范围。

由上表可以看出，经过不同年限培养的人员，对自己预期达到党员条件的时间有明显的趋势性变化：列为入党积极分子2年以内者，一半以上（55.8%）认为自己在1～2年内就可以达到基本成熟条件；相反，列为入党积极分子5年以上者，却有50%的人认为自己需要再被培养5年以上才可以达到基本成熟条件。

[11] ZHOU W, GANG C C, CHEN Y Z, et al. Grassland coverage inter-annual variation and its coupling relation with hydrothermal factors in China during 1982-2010[J]. Journal of Geographical Sciences, 2014,24(4):593-611.

[12] PINZON J E, TUCKER C J. A non-stationary 1981-2012 AVHRR NDVI 3g time series[J]. Remote Sensing, 2014,6(8):6929-6960.

波形PBL连接件试件的破坏形态表现为混凝土侧板首先出现裂缝，然后随着荷载的增加，裂缝开始至下向斜上方开展直至裂缝贯通，当裂缝到达顶部的时候又开始向连接件布置的位置延伸，当接近到极限荷载时，试件底部也开始出现混凝土压碎的现象.

易非低了头，无力地看着地面，这自己省了又省、比了又比、千挑万选才选出来的又大方又便宜的地板砖，还没踏热半年，就要搬出去了吗？她又硬撑着说了句：“可是……”

[13] XU G, ZHANG H F, CHEN B Z, et al. Changes in vegetation growth dynamics and relations with climate over China’s landmass from 1982 to 2011[J]. Remote Sensing, 2014,6(4):3263- 283.

[14] ANYAMBA A, SMALL J, TUCKER C, et al. Thirty-two years of Sahelian Zone growing season non-stationary NDVI3g patterns and trends[J]. Remote Sensing, 2014,6(4):3101-3122.

[15] EASTMAN J R, SANGERMANO F, MACHADO E A, et al. Global trends in seasonality of normalized difference vegetation index (NDVI), 1982-2011[J]. Remote Sensing, 2013,5(10):4799-4818.

[16] MIAO L J, YE P L, HE B, et al. Future climate impact on the desertification in the dry land asia using AVHRR GIMMS NDVI 3g Data[J]. Remote Sensing, 2015,7(3):3863-3877.

[17] 段水强,范世雄,曹广超,等. 1976—2014年黄河源区湖泊变化特征及成因分析[J]. 冰川冻土,2015,37(3):745-756.

[18] 周秉荣,朱生翠,李红梅. 三江源区植被净初级生产力时空特征及对气候变化的响应[J]. 干旱气象,2016,34(6):958-965.

[19] 梅朵,高原,马艳,等. 近50 a青海西宁气温变化特征[J]. 干旱气象,2013,31(1):100-106.

[20] 林琳,金会军,罗栋梁,等. 黄河源区高寒植被主要特征初探[J]. 冰川冻土,2014,36(1):230-236.

[21] 徐浩杰,杨太保,曾彪. 黄河源区植被生长季NDVI时空特征及其对气候变化的响应[J]. 生态环境学报,2012,21(7):1205-1210.

1.3 常规复习和基于项目学习理论的复习之间的差异 两者对比，在常规复习中教师是中心，学生只是被动接受知识者，结果是知识的简单重复，学生的机械操练，尤其是在“二考”复习时会使学生新鲜感丧失、倦怠感陡增、学习效率下降，“二考”复习变成食之无味弃之可惜的“鸡肋”。基于项目学习理论的复习以学生为出发点和落脚点，强调自主探究、合作学习，以发展学生学科核心素养为目的，着眼于学生对于知识的内化和学生解决实际问题能力的提升，真正体现了课程改革的理念。这种复习方式克服了以往理综复习和“一考”复习中教师对学生、对知识的绝对控制带来的弊端，学生收获的不仅仅是选考成绩的进步，更是学生学科核心素养的提升。

[22] 范微维,易桂花,张廷斌,等. 黄河源区青海省玛多县2000—2014年NDVI变化及气候驱动因子[J]. 水土保持通报,2017,37(1):335-340.

[23] 陈海存,李晓东,李凤霞,等. 黄河源玛多县退化草地土壤温湿度变化特征[J]. 干旱区研究,2013,30(1):35-40.

[24] 马天啸,宋现锋,赵昕,等. 2000—2010年黄河源区植被覆盖率时空变化及其影响因素[J]. 干旱区研究,2016,33(6):1217-1225.

[25] 赵志平,吴晓莆,李果,等. 黄河源区高寒草地NDVI格局与梯度变化[J]. 草业科学,2013,30(12):1917-1925.

[26] 杜加强,郭杨,房孝磊,等. 近50 a黄河上游气候变化趋势和干湿界线波动分析[J]. 干旱区研究,2013,30(2):291-298.

[27] 宋怡,马明国. 基于GIMMS AVHRR NDVI数据的中国寒旱区植被动态及其与气候因子的关系[J]. 遥感学报,2008,12(3):499-505.

[28] 武正丽,贾文雄,赵珍,等. 2000—2012年祁连山植被覆盖变化及其与气候因子的相关性[J]. 干旱区地理,2015,38(6):1241-1252.

由图7及图6可以看出，购房者选择购买普通房的概率随着推广时间推移降低。当购房者购买被动房时所额外支付的费用C3发生减少或者获得政府奖励增加的时候，会在一定程度上提高购买被动房的概率。反之C3增大或者获得政府奖励减少时会降低购房者购买被动房的概率。因此图6与图7均反映了降低购房者购买被动房的增量成本，可以提高购房者购买被动房的概率，即提高购房者的购买意愿，而降低被动房的购买的增量成本可以通过政府经济补贴与技术发展实现成本降低的方式实现。

[29] 张晓慧,张丽娟,姜春艳,等. 基于MODIS影像研究黑龙江省植被变化以及与降水和气温的相关关系[J]. 哈尔滨师范大学(自然科学学报),2015,31(3):144-150.

1.4统计学分析 通过采用SPSS22.0软件进行分析处理,数据以均数±标准差(±s)表示,计量资料比较采用t检验,计数资料比较采用X2检验,P<0.05为差异具有统计学意义。

[30] 周梦甜,李军,朱康文. 西北地区NDVI变化与气候因子的响应关系研究[J]. 水土保持研究,2015(3):182-187.

[31] 刘顺忠. 数理统计理论、方法、应用和软件计算[M]. 武汉:华中科技大学出版社,2005.

[32] 王志涛,朱春云,杨占武,等. 贵南县黄沙头流动沙地综合治理技术与经验总结[J]. 青海农林科技,2000(3):45-47.

[33] 杨建平,丁永建,陈仁升. 长江黄河源区高寒植被变化的NDVI记录[J]. 地理学报,2005,60(3):467-478.

[34] 杨洪晓,卢琦,吴波,等. 青海共和盆地沙化土地生态修复效果的研究[J]. 中国水土保持科学,2006,4(2):7-12.

[35] SHAO Q Q, CAO W, FAN J W, et al. Effects of an ecological conservation and restoration project in the Three-River Source Region, China[J]. Journal of Geographical Sciences, 2017,27(2):183-204.