为研究气候变化与植被活动之间的复杂关系,采用1982-2013年GIMMS NDVI与气象站点温度与水分的监测资料,应用基于像元的地理加权回归方法,探究了中国植被NDVI及其动态特征对气候变化响应的空间格局。中国植被NDVI与地表温度呈空间非平稳关系,在空间上的负相关关系主要集中在东北、西北及东南部分地区,空间正相关则更为集中和连片;针对不同气候指标的标准化系数对比可知,植被NDVI受水分控制作用较为显著的区域主要集中在北方地区以及青藏高原,温度的主导作用区域则分布在华东、华中及西南地区,其中年均最高气温对NDVI的主导区域范围最广;植被NDVI动态与气候变率的回归结果表明,增温速率的升高会通过加剧干旱等机制对植被活动产生抑制作用,水分变率对植被活动的强弱起到了重要的调节作用。

采用1982-2015年的GLASS-LAI (Global Land Surface Satellite-Leaf Area Index )遥感数据和CRU(Climatic Research Unit)气象数据,利用Mann-Kendall趋势法分析了过去34 a全球9种植被的叶面积指数(Leaf Area Index,LAI)时空变化特征;使用相关分析和逐步线性回归分别探讨了全球9种植被LAI与降水、温度的年际与月关系。结果表明：① 全球植被总体呈现绿化趋势,其中变化较大的是草原、稀树草原、常绿阔叶林和多树草原;在植被生长的绿化和褐化趋势中,面积占比最大的植被类型均为草原,说明草原生态系统易受环境因素的影响。② 从年际关系看,草原和开放灌丛的LAI与年均降水多呈正相关关系,而温度对不同纬度植被的LAI存在正负2种影响。其原因为温度升高对中低纬度的植被生长有抑制作用,而对高纬度地区植被生长有促进作用。③ 从年内关系看,南半球降水和温度共同作用于植被的生长;而北半球除常绿阔叶林的生长与温度关系更为紧密外,其它类型植被的生长主要受降水影响。④ 逐步线性回归结果表明,当月温度的升高对常绿阔叶林、混交林和农作物的生长具有促进作用,而多树草原和草原2种植被的生长受当月降水的影响最为显著。

Google Earth Engine（GEE）是集遥感影像存储与分析于一体的综合应用平台，能够方便快捷地调用遥感影像与信息提取，因此GEE受到越来越多科研工作者的关注。随着GEE不断扩充和升级，系统平台也愈发复杂。对于一般用户来说，要想快速了解其体系结构和功能算法变的越来越困难。针对这一问题，系统介绍了GEE的技术架构、数据资源、模型算法及计算资源，对GEE在各大领域的应用成果进行总结归纳，以期能为GEE的使用者提供一个快速了解该平台的窗口，帮助其更好地利用GEE平台开展自己的应用研究。

Google Earth Engine（GEE）是目前最先进的地理大数据分析和可视化平台，使遥感监测地表植被突破了数据获取难、本地存储量大、处理效率低的限制。基于GEE云平台计算Landsat系列卫星影像，研究了1987—2019年民勤绿洲NDVI的时空变化，并通过一元线性趋势分析、稳定性分析、Hurst指数对变化趋势进行了分析和预测。结果表明：（1）1987—2019年民勤绿洲NDVI年均值从0.172上升到0.230，多年平均值为0.244，1989—2007、2010—2016年呈上升趋势，1987—1989、2007—2010、2016—2019年呈下降趋势。年内NDVI-0.017—0.333，高值集中在每年4—10月。空间上来看，绿洲外围NDVI明显增大，绿洲向荒漠扩张。（2）1987—2019年民勤绿洲大部分区域NDVI基本不变，坝区、泉山区绿洲外围、湖区南部和青土湖呈增大趋势，坝区中部民勤县城区、湖区北部绿洲边缘呈减小趋势，基本不变、增大、减小区域分别占总面积的81.90%、16.25%和1.85%。（3）1987—2019年民勤绿洲NDVI变化稳定性高的区域主要位于坝区东南部、泉山区东部、湖区北部荒漠区域；波动性高的区域主要位于坝区、泉山区绿洲外围、湖区南部和青土湖。（4）未来民勤绿洲大部分区域NDVI变化趋势保持基本不变，坝区、泉山区绿洲外围、湖区北部和青土湖，NDVI未来有可能增大，坝区中部民勤县城区、湖区北部向荒漠过渡地带，NDVI未来有可能减小，基本不变、未来有可能增大、减小的区域面积分别占71.62%、12.96%、15.42%。

植被作为陆地生态系统的重要组成部分，常被用作评估气候变化和生态恢复成效的指标。以石羊河流域为研究对象，基于Google Earth Engine （GEE） 平台采用Theil-Sen趋势分析和Mann-Kendall检验（TS-MK）、Hurst指数揭示植被覆盖变化特征；采用偏相关分析、残差分析和地理探测器探究植被覆盖变化的影响因素。结果表明：2001~2020年间石羊河流域植被NDVI呈现波动增长趋势，增长率为0.023/10 a；呈显著增加趋势和显著减少趋势的面积占比分别为72.32%和2.40%。未来植被NDVI变化趋势保持一致（Hurst>0.5）的面积占比为63.84%，其中持续性显著增加的面积占比最大，为47.37%。偏相关分析结果表明降水对植被生长的影响较强，而温度、太阳辐射和饱和水汽压差的影响相对较弱。残差分析结果表明气候要素和人类活动影响下植被NDVI呈显著增加趋势的面积占比分别为21.59%和60.07%，石羊河流域的植被变化主要受人类活动的积极影响。此外，地理探测器的结果表明植被NDVI的空间分布主要受水热条件分布特征的影响。该研究结果有助于深化对植被覆盖变化影响因素的认识，为石羊河流域生态保护提供借鉴。

空间分异是自然和社会经济过程的空间表现,也是自亚里士多德以来人类认识自然的重要途径。地理探测器是探测空间分异性,以及揭示其背后驱动因子的一种新的统计学方法,此方法无线性假设,具有优雅的形式和明确的物理含义。基本思想是：假设研究区分为若干子区域,如果子区域的方差之和小于区域总方差,则存在空间分异性;如果两变量的空间分布趋于一致,则两者存在统计关联性。地理探测器q统计量,可用以度量空间分异性、探测解释因子、分析变量之间交互关系,已经在自然和社会科学多领域应用。本文阐述地理探测器的原理,并对其特点及应用进行了归纳总结,以利于读者方便灵活地使用地理探测器来认识、挖掘和利用空间分异性。

The Shule River Basin (SRB) is a typical arid area in northwest China with a fragile ecology. Understanding vegetation dynamics and its response to climate change and human activities provides essential ecological and environmental resource management information. This study extracted fractional vegetation coverage (FVC) data from 2000 to 2019 using the Google Earth Engine platform and Landsat satellite images, employing trend analysis and other methods to examine spatiotemporal changes in vegetation in the SRB. Additionally, we used partial correlation and residual analyses to explore the response of FVC to climate change and human activities. The main results were: (1) The regional average FVC in the SRB showed a significant upward trend from 2000 to 2019, increasing by 1.3 × 10−3 a–1. The area within 1 km of roads experienced a higher increase of 3 × 10−3 a–1, while the roadless areas experienced a lower increase of 1.1 × 10−3 a–1. The FVC spatial heterogeneity in the SRB is significant. (2) Partial correlation analysis shows that the FVC correlates positively with precipitation and surface water area, with correlation coefficients of 0.575 and 0.744, respectively. A weak negative correlation exists between the FVC and land surface temperature (LST). FVC changes are more influenced by precipitation than by LST. (3) The contributions of climate change to vegetation recovery are increasing. Human activities, particularly agricultural practices, infrastructure development, and the conversion of farmland to grassland, significantly influence vegetation changes in densely populated areas. (4) The area changes of different land types are closely related to climate factors and human activities. Increased construction, agricultural activity, and converting farmland back to grassland have led to an increase in the area proportions of “impervious surfaces”, “cropland”, and “grassland”. Climate changes, such as increased rainfall, have resulted in larger areas of “wetlands” and “sparse vegetation”. These results provide valuable information for ecosystem restoration and environmental protection in the SRB.