Results
3.1 Study Selection and Evidence Structure
PRISMA流程显示,596条独特记录经全文评估后,11项研究贡献84个相关效应量进入主分析,5项研究的8个效应量构成保守子集,4项研究贡献37个辅助定量结果,92篇文章仅用于系统评价背景。证据结构表明青藏高原植被-气候文献广度充足,但可合并的相关效应量证据较为有限,主Meta分析代表统计学上一致的子集而非全部植被变化研究。
3.2 Characteristics of the Included Effect Sizes
主数据集包含11个独立研究聚类的84个NDVI效应量,空间覆盖不均:3项研究提供地理参考站点或区域站点,3项聚焦命名区域或流域,6项为高原尺度、多区域、植被类别或选点像元分析。84个效应量中,48个描述气温-植被关联,36个描述降水-植被关联;气温子集含21个皮尔逊相关系数与27个偏相关系数,降水子集含21个皮尔逊相关系数与15个偏相关系数。效应量贡献分布不均:4项研究贡献了大部分估计值(Zhong等2010年14个、Zhang等2013年26个、Hua等2015年12个、Xia等2018年12个),其余研究贡献1至8个不等,印证了需处理研究内依赖性的必要性。
3.3 Main Temperature–Vegetation Association
多层Meta分析显示青藏高原气温与NDVI呈正相关,合并Fisher’s z估计值为0.390,反向转换后合并相关系数为r=0.371;常规多层模型下95%置信区间为0.094–0.595(p=0.0098),经CR2调整后仍具统计学意义,95%置信区间为0.049–0.623(p=0.029)。CR2调整后的置信区间下限接近零,表明平均正关联不应解释为全区域、所有植被类型或时间尺度的均匀响应。气温模型存在显著异质性(Q=380.76,p<0.0001),研究层面方差为0.187,研究内方差为0.093,表明变异同时存在于研究间与研究内,合并估计值应解读为合成层面平均值而非适用于整个高原的单一响应系数。
3.4 Main Precipitation–Vegetation Association
降水模型同样显示与NDVI的显著正相关,合并Fisher’s z估计值为0.417,反向转换后合并相关系数为r=0.394;常规多层模型下95%置信区间为0.175–0.576(p=0.0007),CR2调整后95%置信区间为0.119–0.613(p=0.0138)。降水合并估计值略高于气温,但二者量级接近且置信区间重叠,不能据此得出降水在全高原普遍更重要的结论,仅表明水分有效性是可合并证据库中植被气候敏感性的重要组成。降水模型亦存在显著异质性(Q=214.99,p<0.0001),研究层面方差为0.066,研究内方差为0.110,较大的研究内方差提示降水关联在同一研究的不同亚组、植被类型、时间尺度或子区域间可能存在强变异,符合降水敏感性具有空间与生态条件性的预期。
3.5 Comparison Between Temperature and Precipitation Associations
降水合并估计值(r=0.394)略高于气温(r=0.371),但CR2调节对比无统计学意义(Fisher’s z差异=0.218,标准误=0.318,t=0.686,自由度=4.5,p=0.526),支持两类驱动因子均存在正向平均关联,但无法确立降水优于气温的普适排序。结果表明二者约束作用耦合,气候敏感性应结合局地水热背景、植被类型与时间尺度解读,而非假定单一主导驱动因子。
3.6 Conservative Sensitivity Analysis
保守五研究子集结果显示气温r=0.617、降水r=0.430,后者精度不足且置信区间跨越零点。在假定研究内抽样相关系数0.3至0.9范围内,合并估计值仍为正且有统计学意义(气温r=0.376–0.384;降水r=0.392–0.398);当月度n上限设为研究年数时,估计值仍为正(气温r=0.352,p=0.042;降水r=0.365,p=0.020);等权重研究均值同样为正(气温r=0.411;降水r=0.420)。排除所有月度及月度生长季效应的分析显示,点估计仍为正但量级更小且精度不足:气温r=0.240(95%置信区间:-0.199–0.598;p=0.233;8项研究),降水r=0.260(95%置信区间:-0.142–0.589;p=0.132;5项研究),统计显著性丧失表明证据强度部分依赖时间分辨率与月度研究的信息贡献。敏感性分析整体支持方向稳健性,但不同时间界定与抽样假设下量级与统计精度存在差异。
3.7 Leave-One-Study-Out Robustness Analysis
留一法分析显示,逐次移除任意一项研究后,气温合并相关系数均保持为正(0.325–0.464区间),且均有统计学意义,表明正关联不依赖单一研究;降水合并估计值在移除单项研究后仍为正(0.331–0.462区间),且均具统计学意义,说明主模型的显著降水关联并非由高贡献研究驱动。该诊断支持关联方向的稳健性,但不消除时间依赖性、空间覆盖与研究选择带来的异质性与不确定性。
3.8 Exploratory Analysis of Effect-Size Type
探索性分析显示,气温模型中皮尔逊r与偏r的估计关联强度可能存在差异,但经CR2校正后无统计学意义;降水模型中效应量类型在常规与稳健推断下均未表现出有意义或显著的调节作用。结果表明效应量类型可能是方法学异质性的来源之一,尤其对气温模型而言,但现有证据不足以支持其为确定的调节因子,因此主合成中保留两类效应量,同时承认其概念差异:皮尔逊相关代表双变量植被-气候关联,偏相关代表控制其他变量后尝试分离的单一气候关联。
3.9 Spatial and Temporal Distribution of Effect Directions
合并正均值掩盖了局地符号的混合性:48个气温效应中32个为正、16个为负;36个降水效应中28个为正、8个为负。Zhang等2013年的13个站点层面气温偏相关均为负值,而Zhong等2010年的7个月度气温相关均为正值;Xia等2018年报道森林、灌丛、高山草甸与耕地的最低气温偏相关为负,但多种植被类型的最高气温效应为正。降水符号同样存在时空差异:Jin等2022年特定季节、Li等2019年的全流域结果、Zhang等2013年的部分站点出现负降水效应,而Chu等2007年与Zhong等2010年的月度相关为正。受限于独立聚类数量与区域分类的研究特异性,仅对模式进行描述性总结而未开展效力不足的空域Meta回归。
3.10 Non-Pooled Evidence on NDVI Trends and Heterogeneity
4项辅助定量研究因度量不兼容未合并,趋势与物候研究仅作叙述性保留,其记录了部分时段与区域的广泛变绿现象,同时也包含褐变、季节分异、积雪与冻融介导及非气候影响,解释了为何正合并相关不应解读为均匀的高原尺度轨迹。更广泛的不可合并文献还揭示了NDVI动态的驱动复杂性:物候、生长度、积雪覆盖、冻融过程、土壤水分、湿地、多年冻土退化、放牧、生态工程、土地利用变化、非线性建模与预测归因研究共同表明,NDVI动态由气候、冰冻圈、土壤、地形与人为因素的交互作用塑造,正式Meta分析应与系统评价证据结合解读——合并模型量化气温与降水对NDVI的平均关联,而更广泛证据解释生态与方法学背景下的变异来源。