删除或更新信息,请邮件至freekaoyan#163.com(#换成@)

基于TVDI的内蒙古草地干旱变化特征分析

本站小编 Free考研考试/2021-12-26

程伟, 辛晓平,中国农业科学院农业资源与农业区划研究所/呼伦贝尔草原生态系统国家野外科学观测研究站, 北京100081

Analysis of Spatial-Temporal Characteristics of Drought Variation in Grassland Area of Inner Mongolia Based on TVDI

CHENG Wei, XIN XiaoPing,Institute of Agricultural Resources and Regional Planning, Chinese Academy of Agricultural Sciences/Hulunber Grassland Ecosystem Observation and Research Station, Beijing 100081

通讯作者: 辛晓平,E-mail: xinxiaoping@caas.cn

责任编辑: 林鉴非
收稿日期:2019-09-20接受日期:2020-04-1网络出版日期:2020-07-01
基金资助:国家重点研发计划.2016YFC0500600
国家重点研发计划.2017YFE0104500
国家自然科学基金.41771205
现代农业产业技术体系建设专项资金.CARS-34
中央级公益性科研院所基本科研业务费专项.Y2019YJ13
中央级公益性科研院所基本科研业务费专项.1610132019040
中央级公益性科研院所基本科研业务费专项.G202002-25


Received:2019-09-20Accepted:2020-04-1Online:2020-07-01
作者简介 About authors
程伟,Tel:13126769962;E-mail: chengwei@caas.cn。




摘要
【目的】 研究内蒙古草地2000—2017年温度植被干旱指数(TVDI)的时空演变特征,并探讨其与气象因子的关系,以期为研究区的生态预警和生态修复提供理论参考。【方法】 基于MODIS增强型植被指数(EVI)和陆地表面温度(LST)产品构建Ts-EVI特征空间,根据该特征空间计算TVDI,对多年TVDI均值采用Theil-Sen Median趋势分析、Mann-Kendall检验等方法来研究干旱的空间分布特征、时间变化特征及时空演变趋势。【结果】 从整体上看,内蒙古草地多年平均干旱程度西南高东北低,各草地类型年均TVDI大小依次为温性荒漠类>温性草原化荒漠类>温性荒漠草原类>沼泽>温性草原类>温性草甸草原类>低地草甸>山地草甸。其中荒漠型草地(温性荒漠类、温性草原化荒漠类和温性荒漠草原类)主要为重度和轻度干旱状态,非荒漠型草地(温性草原类、温性草甸草原类、低地草甸类、山地草甸类和沼泽类)主要为轻度干旱、正常和轻度湿润状态。18年来荒漠型草地整体在缓慢变干;而非荒漠型草地除温性草原类外基本在缓慢变湿。从空间分布上,三类荒漠型草地干旱程度保持稳定以及具有变干趋势(轻微变干、变干、显著变干)的面积比之和分别为44.93%、55.01%;五类非荒漠型草地干旱程度保持稳定以及具有变湿趋势(轻微变湿、变湿、显著变湿)的面积比之和分别为72.19%、24.27%。【结论】 18年来,荒漠型草地的干旱情况主要为保持稳定和持续变干状态,并且持续变干的区域较多,草地生态环境在持续恶化;非荒漠型草地干旱情况主要为保持稳定状态,少部分面积具有变湿趋势,草地生态环境在稳定好转。此外,降水稀少对非荒漠型草地的干旱程度具有显著性影响,但对荒漠型草地的影响并不显著。温度升高则仅对温性草原类以及温性草原化荒漠类的干旱程度具有显著影响。
关键词: 温度植被干旱指数;遥感;时空特征;内蒙古;草地类型

Abstract
【Objective】 To study the spatio-temporal characteristics of temperature vegetation drought index (TVDI) in the grassland area of Inner Mongolia in the past 18 years and to explore the relationship between TVDI and meteorological factors, so as to provide theoretical reference for ecological warning and ecological restoration of the study area. 【Method】 Based on MODIS enhanced vegetation index (EVI) and land surface temperature (LST) products to build Ts-EVI characteristic space, according to the characteristic space to calculate TVDI, for normal value of accumulated year of TVDI using unary the Theil-Sen Median trend analysis and Mann-Kendall examination to study the spatial distribution, time-varying characteristics and spatiotemporal evolution trend of drought in the study area during 18 years. 【Result】 On the whole, the average drought degree of grassland in Inner Mongolia is high in southwest and low in northeast, and the average annual TVDI of all grassland types is in order of temperate desert type>temperate steppe-desert type>temperate desert-steppe type>marsh type>temperate steppe type>temperate meadow-steppe type>lowland meadow type>montane meadow type. Among them, the desert grasslands (temperate desert type, temperate steppe-desert type and temperate desert-steppe type) are mainly in the state of severe and mild drought, while non-desert grasslands (temperate steppe type, temperate meadow steppe type, lowland meadow type, mountain meadow type and marsh type) are mainly in the state of mild drought, normal state and mild wetness. Over the past 18 years, the desert grassland has been gradually drying out. In contrast, the non-desert grassland is basically getting wet slowly except for temperate steppe type. In terms of spatial distribution, the total area ratios of the three types of desert grasslands with stable drought degree and drying tendency (slight drying, drying and significant drying) are respectively 44.93% and 55.01%. The total area ratios of the five types of non-desert grassland with stable drought degree and wetting trend (slightly wetting, wetting and significantly wetting) were 72.19% and 24.27%, respectively. 【Conclusion】 Therefore, in the past 18 years, the drought situation of desert grassland is mainly stable and continuous drying, and there are more areas that keep drying, so the ecological environment of grassland continues to deteriorate. The drought situation of non-desert grassland is mainly stable, a small part of the area has a tendency of becoming wet, so the ecological environment of grassland is improving steadily. In addition, the lack of precipitation has a significant effect on the drought degree of non-desert grassland, but not on the desert grassland. The increase of temperature only has a significant effect on the drought degree of the temperate steppe type and the temperate steppe-desert type.
Keywords:temperature vegetation drought index;remote sensing;spatial and temporal characteristics;Inner Mongolia;grassland type


PDF (4616KB)元数据多维度评价相关文章导出EndNote|Ris|Bibtex收藏本文
本文引用格式
程伟, 辛晓平. 基于TVDI的内蒙古草地干旱变化特征分析[J]. 中国农业科学, 2020, 53(13): 2728-2742 doi:10.3864/j.issn.0578-1752.2020.13.020
CHENG Wei, XIN XiaoPing. Analysis of Spatial-Temporal Characteristics of Drought Variation in Grassland Area of Inner Mongolia Based on TVDI[J]. Scientia Acricultura Sinica, 2020, 53(13): 2728-2742 doi:10.3864/j.issn.0578-1752.2020.13.020


0 引言

【研究意义】随着社会经济的快速发展和人口的急剧膨胀,水资源短缺问题日趋严重,导致干旱地区不断扩大,干旱化程度也日益加深[1,2],干旱化趋势已成为全球关注的热点问题[3,4]。降水减少和温度升高是导致干旱发生的主要因素。干旱具有波及范围广、治理难度大的特点,对农业生产和人类生活造成严重影响。我国是饱受干旱威胁的国家之一,尤其是在水资源相对匮乏的北方地区。因此,政府和学术界都高度重视开展干旱的评估、监测与预测研究,对粮食安全和社会稳定具有重大现实意义。【前人研究进展】干旱评估与监测常通过干旱指数进行定量评价,以往研究中多基于站点观测的气象数据计算干旱指数[5,6,7],受限于监测站的数量、覆盖范围以及监测数据的时空分布及密度,难以满足大区域干旱监测的需求[8]。近年来,随着遥感技术的发展,遥感数据以易获取、覆盖范围广、空间连续等优势,弥补了站点观测数据的不足,在干旱监测中应用广泛[9,10,11]。基于遥感指数建立的干旱指数可分为以下三类:1)基于植被状态的干旱指数,如常用的归一化植被指数NDVI(normalized differential vegetation index)[12]、植被状态指数VCI(vegetation condition index)[13]等。由于植被生长状态对降水的响应具有明显的滞后效应,因此利用该类指数监测干旱时可能会产生较大偏差。2)基于地表温度的干旱指数,KOGAN[14]提出的温度状态指数TCI(temperature condition index)可用于描述由于高温和水分胁迫而引起的植被干旱,但难以消除由于季节变化导致的地表温度的差异,因此不能反映真实的干旱程度。3)综合植被指数与地表温度的干旱指数,通过综合地表温度、植被指数对干旱胁迫的响应,能较好地监测土壤湿度的变化。常用的指数有条件植被温度指数VTCI(vegetation temperature condition index)[15]、温度植被干旱指数TVDI(temperature vegetation drought index)[16]等。其中,TVDI应用更为广泛[16,17,18]。【本研究切入点】草地是易受干旱影响的生态系统之一,干旱引起草地生态环境恶化,牧草产量降低,从而导致草地退化。内蒙古草地是我国北方的生态屏障,平均每年有30万km2的草场饱受干旱影响,受气候变化及环境污染的影响,干旱范围还在不断扩大[19]。采用TVDI监测干旱状态的研究在我国应用广泛[18, 20-21],但针对草地的研究较少。内蒙古自治区基于TVDI的干旱研究多以短时期为主[22,23],尚未有利用TVDI进行长时间序列干旱状况变化趋势的研究。【拟解决的关键问题】基于此,本研究拟利用MODIS数据产品,通过数据预处理获得2000—2017年内蒙古草地年均TVDI时间序列来表征干旱状况,采用规避误差能力较强的Theil-Sen Median趋势分析和Mann-Kendall检验方法研究TVDI的时空演变特征,并探讨其与气象因子的关系,以期为内蒙古草地的生态预警和生态修复提供理论参考。

1 研究区与方法

1.1 研究区概况

内蒙古自治区(97°12′—126°04′E,37°24′—53°23′N)位于我国北部边疆,总面积118.3万km2,地势由东北向西南斜伸,呈狭长形,东西直线长达2 400 km[24]。境内多为高原型地貌,大部分地区海拔在1 km以上,此外还分布有山地、丘陵、平原、沙漠、河流、湖泊等。全区大部分土地为天然草地,面积达78.6万km2[24],是欧亚大陆草原的重要组成部分。受地理位置和地形影响,全区气候复杂多样,大部分地区以温带大陆性季风气候为主,冬季寒冷漫长,夏季短促,降水少而不均,雨热同期。自东北向西南,年降水量逐渐减少,年均温则逐渐增加,呈现出明显的地带性特征,逐渐由湿润、半湿润区过渡为半干旱、干旱区[24]。土壤在东西向分布上变化明显,自东北向西南土壤肥力逐渐减小。

1.2 数据来源与处理

采用NASA提供的MODIS数据产品(https:// ladsweb.modaps.eosdis.nasa.gov)作为遥感数据源,其中植被指数和地表温度产品分别为16 d合成的MOD13A2 VI(vegetation index)产品数据和8 d合成的MOD11A2 LST(land surface temperature)产品数据,空间分辨率均为1 km,时间范围为2000—2017年(其中2000年数据从第49天开始)。使用MRT(MODIS reprojection tools)软件对上述数据进行批量处理,如格式转换、投影变换,然后利用python将处理后的数据批量转换成实际地表温度值和VI值,并剔除异常值,利用ArcGIS裁剪出研究区。

气象数据和土壤湿度数据均来源于中国气象数据网(http://data.cma.cn)。其中气象数据来自中国地面气候资料年值数据集,选用的是内蒙古自治区境内39个基本地面气象观测站统计的年平均气温及年降水量数据,时间为2000—2017年。土壤湿度数据采用中国农作物生长发育和农田土壤湿度旬值数据集,选取的是研究区26个土壤站点表层10 cm土壤湿度旬值数据,时间跨度为2000—2013年。对气象数据采用ANUSPLIN[25,26]软件进行空间插值,为提高插值精度,采用90 m SRTM DEM(digital elevation model,数字高程模型)作为协变量,生成1km分辨率的年均温和年降水量空间栅格数据。

草地类型数据采用20世纪80年代全国首次草地资源调查所绘制的1﹕100万草地资源图[27]。受水热条件沿经纬度分布格局的影响,草地类型的分布呈现出明显的水平地带性特征,全区共分布有8种不同的草地类型(图1)。其中温性草原类(TS)分布范围最广、面积最大,占全区草地总面积的33.5%,是内蒙古草地的主体。温性荒漠类(TD)其次,集中分布在内蒙古西部最干旱的阿拉善高原,占全区草地总面积的21.0%。温性草甸草原类(TMS)、温性荒漠草原类(TDS)和温性草原化荒漠类(TSD)处于过渡地带,分布范围均较狭窄,分别占全区草地总面积的11.0%、11.7%、6.4%。除上述5类地带性草地外,本区还分布有低地草甸(LM)、山地草甸(MM)和沼泽(M)等三类非地带性草地,其中以低地草甸类分布范围最广,所占面积也最大。

图1

新窗口打开|下载原图ZIP|生成PPT
图1内蒙古草地类型的空间分布及其面积比

Fig. 1Spatial distribution and area ratio of grassland types in Inner Mongolia

审图号:GS(2020)2229号


1.3 研究方法

1.3.1 温度植被干旱指数 如果研究区的覆被程度从裸地到植被全覆盖均包含,土壤湿度从极干旱到极湿润的各种情况也都包含,那么以遥感获取的植被指数和地表温度分别为横纵坐标组成的散点图呈三角形[28,29]或者梯形[30,31]分布,即Ts-VI特征空间。利用植被指数与地表温度关系构建特征空间,可综合植被和地表温度信息,从而体现土壤湿度状况,是近年来在估算土壤水分时广泛使用[29, 32]

SANDHOLT等[16]基于Ts-VI特征空间,提出TVDI来估测地表土壤湿度状况,其公式如下:

$\text{TVDI}=\frac{Ts-T{{s}_{\min }}}{T{{s}_{\max }}-T{{s}_{\min }}}$
式中,Ts代表任意像元的地表温度(surface temperature),在本研究中即为MODIS LST数据;Tsmin代表某一VI值对应的最低地表温度,称为湿边;Tsmax代表某一VI值对应的最高地表温度,称为干边。

从公式(1)可以看出,计算TVDI的关键参数包括地表温度、植被指数、干边和湿边。其中植被指数最常用的是NDVI[16, 33-36],但NDVI受土壤背景影响较大,并且在植被覆盖度较高时会出现饱和现象。因此,在NDVI达到饱和后,若地表温度继续增加,NDVI则无法准确反映地表干湿状况[37]。而EVI不仅可有效消除土壤背景的影响,同时在高植被覆盖度时具有较高的敏感性[38]。即在Ts-EVI特征空间中,干湿边相交点附近植被指数的敏感性被增强,与地表温度结合能更有效地反映地表干湿程度的变化。

因此干湿边方程分别表示为:

Tsmin= a1+ b1×EVI
Tsmax= a2+ b2×EVI
式中,a1b1a2b2分别为干湿边线性拟合方程的系数。TVDI的取值范围为(0,1),其值越接近于1,则该像元越干旱,越接近于0,则该像元越湿润。本研究采用最小二乘法对干湿边的散点进行线性拟合,为取得较好的整体拟合效果,只选取EVI值在[0.05,0.85]范围内的散点,以保证干湿边拟合能满足大部分像元TVDI的提取精度[21]

1.3.2 时间序列数据趋势分析 结合Theil-Sen Median趋势分析和Mann-Kendall检验方法,可以分析植被长时间序列数据的趋势[39,40,41,42,43,44]。该方法不需要数据服从一定的分布,对数据误差的抵抗力也较强,通过显著性水平的检验,使得结果较为科学可信[39]

Theil-Sen Median趋势分析是一种稳健的非参数统计的计算方法,通过计算n(n-1)/2个数据组合斜率的中位数来衡量趋势大小,可降低数据异常值的影响[45,46,47],计算公式为:

$\text{ }\!\!\beta\!\!\text{ }=\text{Median(}\frac{TVD{{I}_{j}}-TVD{{I}_{i}}}{j-i})$
式中,TVDIi TVDIj分别表示某一像元在i年和j年的TVDI值;在本研究中2000≤i<j≤2017;Median代表所求序列的中位数。若β>0,表示TVDI呈“上升趋势”,β<0表示TVDI呈“下降趋势”,β=0表示TVDI呈“稳定趋势”。

Mann-Kendall检验是一种非参数统计检验方法,用来判断所得趋势β的显著性,对样本分布没有特定要求,也不受少数异常值的干扰[48,49]。对于时间序列{TVDIi},Mann-Kendall趋势检验统计量S计算如下:

$\text{S}=\sum\nolimits_{i=1}^{n-1}{\text{ }\sum\nolimits_{j=i+1}^{n}\text{sgn }}\text{(}TVD{{I}_{j}}-TVD{{I}_{i}})$
式中,n表示时间序列的长度;sgn为符号函数,其定义为:

$ \text sgn \text{(}TVD{{I}_{j}}-TVD{{I}_{i}})=\begin{cases} \text{1(}TVD{{I}_{j}}TVD{{I}_{i}}) \\ \text{0(}TVD{{I}_{j}}=TVD{{I}_{i}}) \\ \text{-1(}TVD{{I}_{j}}TVD{{I}_{i}}) \\ \end{cases}$
MANN[50]和KENDALL[48]证明,当n≥8时,S基本服从正态分布,其均值为0,方差为:

$\text{Var(S)}=\frac{n(n-1)(2n-5)}{18}$
S进行标准化:

${{Z}_{c}}=\left\{ \begin{matrix} & \frac{s\text{-1}}{\sqrt{Var(S)}}\text{(}S>0) \\ & \text{0} \quad\quad\quad (S={{\text{0}}_{i}}) \\ & \frac{s+\text{1}}{\sqrt{Var(S)}}\text{(}S<0) \\ \end{matrix} \right.$
式中,Zc为标准化后Mann-Kendall趋势检验的统计量,其取值范围为(-∞,+∞),服从标准正态分布。与Theil- Sen Median趋势分析相结合,当β=0时即零假设成立,表明研究序列没有单调趋势;当零假设不成立时,若|Zc|>μ1-α/2,表明研究序列在α水平上存在显著变化,其中μ1-α/2为标准正态分布,α为显著性检验水平。

2 结果

2.1 TVDI特征空间及验证性评价

在EVI为[0.05,0.85]的范围内,以0.01为步长,寻找相同EVI下研究区内所有像元对应的最大和最小地表温度,从而得到18年224个时间段的Ts-EVI特征空间。对每期特征空间的干湿边进行线性拟合,计算各像元的TVDI,然后对同一年份的TVDI进行平均,得到研究区各年度TVDI均值。

在18年中,2007年的TVDI年均值最大,表1展示了此年份23期特征空间干湿边拟合方程,其中x代表EVI。从拟合结果来看,EVI与Tsmax的方程斜率均为负且R2>0.7,呈现强负相关关系,线性拟合效果好。而EVI与Tsmin的相关关系则均比与Tsmax的相关关系弱,有些时段甚至不具有相关关系,说明Tsmin随EVI变化不稳定。

Table 1
表1
表12007年Ts-EVI特征空间干湿边拟合方程
Table 1The dry and wet edges in Ts-EVI space estimated by linear regression for 2007
日序Day of year干边Dry edge湿边 Wet edge
2007001Tsmax = -82.87x+11.56 (R2=0.83)Tsmin= 40.12x-34.74 (R2=0.70)
2007017Tsmax = -90.54x+15.04 (R2=0.80)Tsmin= 20.20x-26.08 (R2=0.44)
2007033Tsmax = -97.38x+15.04 (R2=0.81)Tsmin= 33.15x-25.03 (R2=0.74)
2007049Tsmax = -145.5x+34.04 (R2=0.85)Tsmin= 49.65x-26.43 (R2=0.77)
2007065Tsmax = -172.65x+37.75 (R2=0.87)Tsmin= 61.21x-24.82 (R2=0.51)
2007081Tsmax = -203.46x+49.17 (R2=0.85)Tsmin= 31.51x-11.72 (R2=0.43)
2007097Tsmax = -148.72x+48.57 (R2=0.90)Tsmin= 64.58x-11.61 (R2=0.71)
2007113Tsmax = -140.01x+56.65 (R2=0.73)Tsmin= -13.78x+9.54 (R2=0.16)
2007129Tsmax = -32.86x+43.75 (R2=0.83)Tsmin= 41.38x+0.76 (R2=0.78)
2007145Tsmax = -42.46x+52.65 (R2=0.92)Tsmin= -2.33x+20.41 (R2=0.03)
2007161Tsmax = -41.11x+56.77 (R2=0.95)Tsmin=-7.85x+23.16 (R2=0.29)
2007177Tsmax = -39.30x+58.04 (R2=0.96)Tsmin= -5.74x+24.22 (R2=0.13)
2007193Tsmax = -36.77x+55.14 (R2=0.95)Tsmin= -2.93x+20.76 (R2=0.03)
2007209Tsmax = -39.59x+58.42 (R2=0.94)Tsmin= -4.29x+22.52 (R2=0.16)
2007225Tsmax = -33.28x+50.68 (R2=0.93)Tsmin= -11.03x+25.73 (R2=0.45)
2007241Tsmax = -39.86x+50.00 (R2=0.93)Tsmin= 4.31x+16.25 (R2=0.05)
2007257Tsmax = -46.32x+44.40 (R2=0.90)Tsmin= 7.98x+7.82 (R2=0.21)
2007273Tsmax = -41.59x+35.04 (R2=0.93)Tsmin= 52.85x-3.67 (R2=0.69)
2007289Tsmax = -110.85x+37.67 (R2=0.90)Tsmin= 27.34x-9.22 (R2=0.34)
2007305Tsmax = -77.21x+23.40 (R2=0.84)Tsmin= 32.70x-14.35 (R2=0.53)
2007321Tsmax = -96.06x+17.73 (R2=0.84)Tsmin= 36.85x-30.38 (R2=0.71)
2007337Tsmax = -78.62x+11.81 (R2=0.85)Tsmin= 29.30x-30.69 (R2=0.63)
2007353Tsmax = -84.95x+14.68 (R2=0.88)Tsmin= 29.17x-31.44 (R2=0.56)

新窗口打开|下载CSV

采用内蒙古自治区境内26个土壤湿度站点的实测土壤相对湿度数据对遥感反演的TVDI值进行验证。首先将各站点实测土壤相对湿度数据统计为土壤湿度年均值,同时根据站点经纬度提取各站点的TVDI年均值,然后将各站点土壤湿度年均值和TVDI年均值进行相关分析,结果如图2所示。从图2可以看出,TVDI与表层10 cm土壤相对湿度呈负相关关系,皮尔森相关系数为-0.481,并且在0.01水平上显著。这说明TVDI能够反映土壤湿度的变化状况,作为干旱程度的评价指标具有一定的合理性[18, 20, 51-52]

图2

新窗口打开|下载原图ZIP|生成PPT
图2TVDI与表层土壤相对湿度的关系

Fig. 2Relationship between TVDI and soil relative humidity in 10 cm depth



2.2 干旱的空间分布特征

以TVDI作为干旱分级指标,干旱等级可以划分为5种类型(表2[33],将内蒙古草地18年TVDI均值按此标准进行划分,得到18年来干旱等级的空间分布(图3)。

Table 2
表2
表2TVDI干旱等级划分标准
Table 2Criteria for classification of drought with TVDI
干旱等级Drought gradesTVDI值TVDI value
重度湿润Severe wetness0<TVDI≤0.2
轻度湿润Mild wetness0.2<TVDI≤0.4
正常Normal state0.4<TVDI≤0.6
轻度干旱Mild drought0.6<TVDI≤0.8
重度干旱Severe drought0.8<TVDI≤1.0

新窗口打开|下载CSV

图3

新窗口打开|下载原图ZIP|生成PPT
图32000-2017年内蒙古草地干旱等级空间分布

Fig. 3Spatial distribution of drought grades with annual average TVDI from 2000 to 2017 in Inner Mongolia

审图号:GS(2020)2229号


图3可以看出,内蒙古草地TVDI的分布具有较强的空间异质性,呈现出西南高东北低的空间特征。根据多年TVDI均值统计各草地类型不同干旱等级所占的面积比如图4所示。温性荒漠类主要为轻度和重度干旱状态,所占面积比分别为44.5%和55.3%;温性草原化荒漠类和温性荒漠草原类分别有73%左右的面积处于轻度干旱状态;温性草原类除分布于呼伦贝尔市和锡林郭勒盟的部分处于正常状态外(48.8%),其余多属于轻度干旱状态(50.6%)。除位于呼伦贝尔市的温性草甸草原类呈轻度湿润状态(11.4%)外,其余大部分属于正常状态(56.5%)和轻度干旱状态(32.1%)。非地带性草地按其分布位置的不同,干旱程度差别较大。其中低地草甸主要有轻度湿润(29.5%)、正常(36.0%)及轻度干旱(30.0%)3种状态;山地草甸主要有轻度湿润(46.0%)和正常(49.0%)两种状态;沼泽则主要有轻度湿润(24.8%)和重度干旱(40.7%)两种状态。

图4

新窗口打开|下载原图ZIP|生成PPT
图4各草地类型不同干旱等级所占面积比

TD-温性荒漠类;TS-温性草原类;TSD-温性草原化荒漠类;TDS-温性荒漠草原类;TMS-温性草甸草原类;LM-低地草甸类;MM-山地草甸类;M-沼泽类
Fig. 4The area ratio of different drought grades in different grassland types

TD-Temperate desert type; TS-Temperate steppe type; TSD-Temperate steppe-desert type; TDS-Temperate desert-steppe type; TMS-Temperate meadow-steppe type; LM-Lowland meadow type; MM-Montane meadow type; M-Marsh type


2.3 干旱的时间变化特征

2000—2017年内蒙古各草地类型干旱状况的年际变化特征如图5所示。从年均TVDI的年际变化情况来看,各草地类型年均TVDI从大到小依次为:温性荒漠类>温性草原化荒漠类>温性荒漠草原类>沼泽>温性草原类>温性草甸草原类>低地草甸>山地草甸。其中温性荒漠类的TVDI波动在0.7—0.9之间,轻度干旱和重度干旱出现的频率相当;温性草原化荒漠类、温性荒漠草原类和沼泽的TVDI变动在0.6—0.8之间,均处于轻度干旱状态;温性草原类的TVDI波动在0.6上下,在轻度干旱和正常状态(2003、2011—2013和2016年)之间波动变化;温性草甸草原类和低地草甸的TVDI波动在0.4—0.6之间,处于正常状态;山地草甸的年际TVDI波动在0.3—0.6之间,多数年份为正常状态,仅在2011—2013年处于轻度湿润状态。为进一步说明TVDI随年份变化的趋势以及显著性,采用最小二乘法分别对各草地类型的TVDI进行回归分析,除温性草原类的年际TVDI呈波动变化、无明显增减趋势外,其余7类草地的回归结果见表3

图5

新窗口打开|下载原图ZIP|生成PPT
图52000-2017年内蒙古草地TVDI年际变化

Fig. 5Interannual variation of TVDI from 2000 to 2017 in Inner Mongolia



Table 3
表3
表3各草地类型TVDI的一元线性回归特征及干旱变化趋势
Table 3Characteristic of linear regression of TVDI and drought trend in different grassland types
草地类型
Grassland type
回归方程
Regression equation
R2显著性
Significance
TVDI趋势
Trend of TVDI
干旱趋势
Trend of drought
TMSy = -0.0036x + 0.57250.4428P<0.01减小 Decrease变湿 Wet
TDSy = 0.0026x + 0.62970.279P<0.05增加 Increase变干 Dry
TSDy = 0.003x + 0.68460.4666P<0.01增加 Increase变干 Dry
TDy = 0.0025x + 0.78120.4091P<0.01增加 Increase变干 Dry
LMy = -0.0018x + 0.5260.3518P<0.01减小 Decrease变湿 Wet
MMy = -0.0036x + 0.46410.4956P<0.01减小 Decrease变湿 Wet
My = -0.0015x + 0.65420.307P<0.05减小 Decrease变湿 Wet

新窗口打开|下载CSV

从回归方程的斜率来看,荒漠型草地(温性荒漠类、温性草原化荒漠类和温性荒漠草原类,下同)的年际TVDI均呈缓慢上升趋势;对于非荒漠型草地(温性草原类、温性草甸草原类、低地草甸类、山地草甸类和沼泽类,下同),除面积最大的温性草原类外,年际TVDI均呈缓慢下降趋势。从变化的显著性来看,7类草地的回归方程均通过了0.05的显著性检验。因此,整体上18年来荒漠型草地在缓慢变干;而非荒漠型草地除温性草原类外基本在缓慢变湿。

为分析各草地类型的年内干旱变化特征,按照16 d间隔统计不同草地类型18年来TVDI的均值(图6)。从图6来看,各草地类型年内TVDI均值波动情况与年际波动情况类似,温性荒漠类年内大部分时间处于重度干旱状态,温性草原化荒漠类、温性荒漠草原类、沼泽和温性草原类年内大部分时间处于轻度干旱状态,温性草甸草原类、低地草甸和山地草甸年内大部分时间处于正常状态。各草地类型年内TVDI均值总体变化趋势一致,均是先升高后保持稳定最后降低,春季随着气温升高及植被生长,TVDI逐渐增大,在Day129(4月中旬)达到峰值,这对草原牧草返青非常不利;随着雨季来临,TVDI逐渐下降(Day129— Day177);由于植被旺盛生长,TVDI缓慢升高,并在在Day193后,随着植被生长达到稳定,TVDI也保持稳定状态;进入秋季,植被停止生长,需水量减少,TVDI缓慢降低。

图6

新窗口打开|下载原图ZIP|生成PPT
图6TVDI 16 d间隔(18年均值)变化情况

Fig. 6The 16 days interval variation of average TVDI (18 years average)



2.4 干旱的时空演变趋势

各草地类型的年均TVDI反映的是总体干旱状况,但由于区域内地形复杂,草地覆盖度差异较大,年均TVDI所能反映的干旱状况的时空演变趋势有限。采用基于时间序列的逐像元旱情变化趋势分析可有效解决这一问题,以各草地类年均TVDI表征当年的干旱情况,将研究区内每个像元2000—2017年的年均TVDI值按公式4进行Theil-Sen Median趋势分析,得到趋势值β的空间分布。若β>0,表明该像元年均TVDI随时间呈增加趋势,干旱情况在加重;反之则表明该像元年均TVDI随时间在减小,干旱情况呈减弱趋势。由于β=0的像元个数很少,因此将β值位于-0.001到0.001之间的像元视为稳定不变。根据β大小划分的TVDI变化趋势空间分布如图7-a所示。从图中可以看出,荒漠型草地TVDI在增加,干旱呈加重趋势;而非荒漠型草地TVDI在减小,干旱呈减弱趋势。

图7

新窗口打开|下载原图ZIP|生成PPT
图7TVDI变化趋势(a)及显著性(b)空间分布

Fig. 7Spatial distribution of variation trend (a) and corresponding significance (b) for TVDI

审图号:GS(2020)2229号


多年TVDI的Theil-Sen Median趋势分析仅能反映在一定时间序列里,TVDI是增加还是减小趋势,但对发生这种趋势是否显著的描述不足。而结合Mann-Kendall可以进行趋势显著性检验。在显著性检验中,选取α值为0.05、0.01、0.001显著性水平,其对应的μ1-α/2值分别为1.960、2.576、3.291[53],以此将显著性划分为4个级别:不显著(|Zc|≤1.960)、显著(1.960<|Zc|≤2.576)、较显著(2.576<|Zc|≤3.291)、强显著(|Zc|>3.291)。据此,得到TVDI变化趋势显著性的空间分布如图7-b所示。可以看出,温性荒漠类和温性草原化荒漠类的大部分区域干旱状态呈较显著及强显著的增加趋势,温性荒漠草原类的干旱趋势增加但大部分区域并不显著,温性草甸草原类的干旱趋势呈较显著的减弱趋势,其余草地类型干旱状况则呈不显著的减弱趋势。

将TVDI变化趋势(图7-a)及其显著性(图7-b)的空间分布进行叠加,得到像元尺度TVDI的详细变化情况。结合Theil-Sen Median趋势分析结果将干旱变化趋势显著性划分为显著变湿、变湿、轻微变湿、稳定不变、轻微变干、变干、显著变干7种类型(表4),据此对TVDI变化情况进行重分类,得到干旱详细变化情况的空间分布(图8)。

Table 4
表4
表4干旱变化趋势显著性等级划分
Table 4Classification of the significance of drought trend
β|Zc|
|Zc|≤1.9601.960<|Zc|≤2.5762.576<|Zc|≤3.291|Zc|>3.291
β≤-0.001稳定不变Stable轻微变湿Wet slightly变湿Wet显著变湿Wet significantly
-0.001<β≤0.001稳定不变Stable稳定不变Stable稳定不变Stable稳定不变Stable
β>0.001稳定不变Stable轻微变干Dry slightly变干Dry显著变干Dry significantly

新窗口打开|下载CSV

图8

新窗口打开|下载原图ZIP|生成PPT
图8内蒙古自治区2000-2017年干旱详细变化情况空间分布

Fig. 8Spatial distribution of drought detailed changes in Inner Mongolia from 2000 to 2017

审图号:GS(2020)2229号


对各草地类型干旱详细变化情况进行统计,结果如表5所示。从图8表5可以看出,内蒙古草地干旱情况保持稳定的区域所占面积最大,说明内蒙古草地2000—2017年整体干旱状况变化不大。对不同草地类型来说,三类荒漠型草地干旱程度保持稳定不变的面积分别为37.98%、33.93%和63.43%,占荒漠型草地总面积的44.93%;而具有变干趋势(轻微变干、变干、显著变干)的面积分别为61.96%、66.04%和36.51%,占荒漠型草地总面积的55.01%。五类非荒漠型草地干旱程度保持稳定不变的面积所占比例之和为72.19%,其中占全区草地面积近1/3的温性草原类有高达84.02%的面积属于此类情况,而具有变湿趋势(轻微变湿、变湿、显著变湿)的面积所占比例之和仅为24.27%。因此,18年来,荒漠型草地的干旱情况主要为保持稳定和持续变干状态,并且持续变干的区域多于保持稳定的区域,荒漠型草地的生态环境在持续恶化;非荒漠型草地干旱情况主要为保持稳定状态,少部分面积具有变湿趋势。干旱的时空演变对荒漠型草地的影响更大,直接影响草地产草量和植被覆盖度,导致草地生产力降低。

Table 5
表5
表5不同草地类型中各干旱变化类型所占面积比
Table 5The ratio of area for each drought type (%)
变化类型Change typeTMSTSTDSTSDTDLMMMM
显著变湿Wet significantly2.830.330002.233.541.12
变湿Wet18.672.420.0200.0210.2317.307.44
轻微变湿Wet slightly28.449.390.040.020.0418.5831.7716.93
稳定不变Stable49.9884.0263.4333.9337.9863.6847.3763.02
轻微变干Dry slightly0.072.9122.1732.3834.133.610.029.91
变干Dry0.010.8412.3226.5023.501.3001.47
显著变干Dry significantly00.102.027.164.330.3600.10

新窗口打开|下载CSV

2.5 干旱变化与气象因子的相关分析

为探讨TVDI变化与气象因子的关系,将年值气象数据采用ANUSPLIN软件,并利用高程为辅助数据进行插值,得到内蒙古草地2000—2017年的年降水量与年均温的空间分布,然后采用相关分析计算TVDI与降水量和温度的相关性并对其进行显著性检验。

2.5.1 TVDI变化与降水的关系 TVDI与年降水量的相关分析及显著性检验结果(图9表6)表明,大部分草地TVDI与降水量总体呈负相关,说明随降水减少,干旱情况加重。对于荒漠型草地,通过0.05显著性水平检验的面积比分别仅为37.00%、12.07%、5.68%,大部分荒漠型草地虽与降水量呈负相关但并不显著。这说明降水是导致荒漠类草地干旱的因素之一但并不是主要因素。荒漠型草地本身的土壤条件及植被覆盖度等因素是此类草地旱情严重的主要原因,而降水的稀少则进一步加剧了干旱。此外,在西北阿拉善沙漠地区,还有少部分温性荒漠类的TVDI与降水量呈不显著的正相关。对于非荒漠型草地,通过0.05显著性水平检验的面积比分别为89.66%、61.67%、49.15%、80.47%、35.06%,大部分非荒漠型草地与降水量呈显著负相关,这说明降水稀少对非荒漠型草地的干旱程度具有显著性影响。

图9

新窗口打开|下载原图ZIP|生成PPT
图9TVDI与降水的相关性(a)及显著性检验(b)

Fig. 9Correlation between TVDI and precipitation (a) and the corresponding significance tests (b)

审图号:GS(2020)2229号


Table 6
表6
表6TVDI与降水的相关性及显著性检验所占的面积比
Table 6Area ratio of correlation between TVDI and precipitation and the corresponding significance tests (%)
显著性SignificanctTMSTSTDSTSDTDLMMMM
显著正相关Positive correlation & P<0.0500000.010.090.010.06
正相关不显著Positive correlation & P>0.050.550.530.261.1012.279.260.854.25
显著负相关Negative correlation & P<0.0589.6661.6737.0012.075.6849.1580.4735.06
负相关不显著Negative correlation & P>0.059.7937.8062.7486.8382.0441.5018.6760.63

新窗口打开|下载CSV

2.5.2 TVDI变化与温度的关系 TVDI与年均温的相关分析及显著性检验结果(图10表7)表明,TVDI与年均温总体呈正相关,说明随着温度升高,干旱情况加重。其中呈显著正相关的区域主要分布在温性草原类和温性草原化荒漠类。对于荒漠型草地,通过0.05显著性水平检验的面积比分别为44.60%、52.48%、37.37%,有近3/5的荒漠型草地虽与年均温呈正相关但并不显著。对于非荒漠型草地,只有温性草原类的大部分区域(64.47%)其干旱程度与年均温呈显著正相关,其余非荒漠型草地的干旱程度多与年均温呈正相关但也不显著。这说明温度的升高对温性草原类以及温性草原化荒漠类大部分区域干旱程度具有显著影响,是导致这两类草地干旱的主要因素,其余6类草地的干旱情况会随着温度的升高进一步加剧,但温度升高的影响并不显著。

图10

新窗口打开|下载原图ZIP|生成PPT
图10TVDI与温度的相关性(a)及显著性检验(b)

Fig. 10Correlation between TVDI and air temperature (a) and the corresponding significance tests (b)

审图号:GS(2020)2229号


Table 7
表7
表7TVDI与温度的相关性及显著性检验所占的面积比
Table 7Area ratio of correlation between TVDI and air temperature and the corresponding significance tests(%)
显著性SignificanctTMSTSTDSTSDTDLMMMM
显著正相关Positive correlation & P<0.0525.0064.4744.6052.4837.3729.9519.6919.87
正相关不显著Positive correlation & P>0.0573.4935.2953.4445.8861.8765.3177.7278.72
显著负相关Negative correlation & P<0.050000.010.020.0100
负相关不显著Negative correlation & P>0.051.510.241.961.630.744.732.591.41

新窗口打开|下载CSV

从总体上看,整个草地TVDI与降水呈显著负相关的面积(45.03%)以及与温度呈显著正相关的面积(45.57%)基本相等,说明降水和温度对草地干旱的影响程度大致相同,只是对不同草地类型的影响不同。对温性草甸草原类以及山地草甸类,降水更倾向于起主导作用;而对温性草原化荒漠类,则是温度起主导作用;对温性草原类,降水和温度对该类草地的干旱程度均有显著影响。

3 讨论

沼泽是发育于地表季节性积水或常年积水条件下的非地带性草地,因此其土壤湿润状况应该良好。但在本研究区各草地类型年均TVDI均值统计结果中(图5),沼泽的TVDI均值较高,仅次于荒漠型草地,究其原因,是由于沼泽根据其分布位置的不同,其干旱状态差别较大导致。其中位于呼伦贝尔市和锡林郭勒盟的沼泽(43.9%)处于轻度湿润和正常状态,位于兴安盟和通辽市的沼泽(15.4%)处于轻度干旱状态,而位于西南部阿拉善沙漠地区(40.7%)的沼泽,则处于重度干旱状态。因此虽然通常情况下沼泽类草地较为湿润,但由于研究区内较大面积的沼泽位于荒漠区,因此总体干旱程度较高。

低地草甸发育于地表不积水或季节性积水的山地或河谷,山地草甸多发育于山体上,二者均为非地带性草地,受地表径流或地下水影响,低地草甸应比山地草甸更为湿润。但在本研究区的统计结果中,则是低地草甸比山地草甸更干旱。其原因主要是由于山地草甸和低地草甸的面积相差较大导致。位于和山地草甸相近区域的低地草甸,二者干旱状况相差不大,多处于同一干旱等级;但由于低地草甸分布范围狭长且细碎,直到荒漠地区仍有低地草甸的分布,跨越了轻度湿润(29.5%)、正常(36.0%)及轻度干旱(30.0%)三种干旱等级,因此总体情况上干旱程度比山地草甸更为严重。

4 结论

本研究采用MODIS数据产品计算TVDI,利用时间序列数据趋势分析等方法研究干旱的时空变化特征及其演变趋势,同时分析了干旱变化与气象因子的关系。研究结果能较清楚地反映内蒙古草地18年来干旱状态的变化情况,根据气象条件的变化可预测灾害发生的程度并有助于防灾减灾决策的制定,对旱情监测及干旱演变研究具有一定的参考价值。

从空间分布看,干旱的分布具有较强的空间异质性,西南高东北低,不同草地类型干旱程度差别较大,因此若对干旱加以治理,需对不同的地区采取不同的治理方案。从时间方面看,18年来荒漠型草地缓慢变干,非荒漠型草地缓慢变湿。各草地类型年内TVDI均值总体变化趋势一致,均是先升高后保持稳定最后降低。从干旱演变趋势上看,18年来干旱状况整体变化较小,大部分区域保持稳定。其中荒漠型草地的干旱情况主要为保持稳定和持续变干状态,并且持续变干的区域多于保持稳定的区域,生态环境在持续恶化;非荒漠型草地干旱情况主要为保持稳定状态,少部分面积具有变湿趋势,生态环境在稳定好转。从干旱变化与气象因子的关系上,大部分草地干旱状况随降水减少和温度升高而加重,但对不同草地类的影响程度不同。降水减少对非荒漠型草地的干旱程度具有显著性影响,而温度升高则对温性草原类以及温性草原化荒漠类的干旱程度具有显著影响。

本研究采用TVDI评估干旱程度虽然简单易行且取得了较好的效果,但只考虑了植被和地表温度两个因素,其他影响因子如局部地形差异、土壤条件等情况都将使干旱状况发生变化。因此下一步工作将考虑更多的影响因素或采用多种方法相结合的方式对土壤湿度及其时空变化进行研究。

参考文献 原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

LI Y, HUANG J P, JI M X, RAN J J. Dryland expansion in northern China from 1948 to 2008
Advances in Atmospheric Sciences, 2015,32(6):870-876.

[本文引用: 1]

HUANG J P, ZHANG W, ZUO J Q, BI J R, SHI J S, WANG X, CHANG Z L, HUANG Z W, YANG S, ZHANG B D, WANG G Y, FEGN G H, YUAN J Y, ZHANG L, ZUO H C, WANG S G, FU Z B, CHOU J F. An overview of the semi-arid climate and environment research observatory over the Loess Plateau
Advances in Atmospheric Sciences, 2008,25(6):906-921.

[本文引用: 1]

PETERSON T C, HOERLING M P, STOTT P A, HERRING S C. Explaining extreme events of 2012 from a climate perspective
Bulletin of the American Meteorological Society, 2013,94(9):S1-S73.

[本文引用: 1]

ROHLI R V, BUSHRA N, AM N S, ZOU L, MIHUNOV V, REAMS M A, ARGOTE J E. Drought indices as drought predictors in the south-central USA
Natural Hazards, 2016,83(3):1567-1582.

[本文引用: 1]

MCKEE T B, DOESKEN N J, KLEIST J. The relationship of drought frequency and duration to time scales//AMS 8th Conference on Applied Climatology
Anaheim, CA: American Meteorological Society, 1993: 179-184.

[本文引用: 1]

PALMER W C. Meteorological Drought. Research Paper No. 45. Washington
DC: United State Department of Commerce, Weather Bureau, 1965:45-58.

[本文引用: 1]

VICENTE-SERRANO S M, BEGUERíA S, LóPEZ-MORENO J I. A multiscalar drought index sensitive to global warming: the standardized precipitation evapotranspiration index
Journal of Climate, 2010,23(7):1696-1718.

[本文引用: 1]

胡红武, 胡梅, 龙玲, 刘雷. 区域干旱遥感监测研究综述,
安徽农业科学, 2008,36(33):14817-14819.

[本文引用: 1]

HU H W, HU M, LONG L, LIU L. Research on drought monitoring by remote sensing in attachment
Journal of Anhui Agriculture Science, 2008,36(33):14817-14819. (in Chinese)

[本文引用: 1]

黄友昕, 刘修国, 沈永林, 刘诗诗, 孙飞. 农业干旱遥感监测指标及其适应性评价方法研究进展
农业工程学报, 2015,8(16):186-195.

[本文引用: 1]

HUANG Y X, LIU X G, SHEN Y L, LIU S S, SUN F. Advances in remote sensing derived agricultural drought monitoring indices and adaptability evaluation methods
Transactions of the Chinese Society of Agricultural Engineering, 2015,8(16):186-195. (in Chinese)

[本文引用: 1]

BHUIYAN C, SINGH R P, KOGAN F N. Monitoring drought dynamics in the Aravalli region (India) using different indices based on ground and remote sensing data
International Journal of Applied Earth Observation and Geoinformation, 2006,6(4):289-302.

[本文引用: 1]

ANDERSON M C, HAIN C, OTKIN J, ZHAN X W, MO K, SVOBODA M, WARDLOW B, PIMSTEIN A. An intercomparison of drought indicators based on thermal remote sensing and NLDAS-2 simulations with us drought monitor classifications
Journal of Hydrometeorology, 2013,14(4):1035-1056.

[本文引用: 1]

ROUSE J W, HAAS R H, SCHELL J A, DEERING D W. Monitoring Vegetation Systems in the Great Plains with ERTS//Proceedings of the Third ERTS-1 Symposium NASA SP-351
Washington DC, 1974: 309-317.

[本文引用: 1]

KOGAN F N. Remote sensing of weather impacts on vegetation in non-homogeneous areas
International Journal of Remote Sensing, 1990,11(8):1405-1419.

[本文引用: 1]

KOGAN F N. Application of vegetation index and brightness temperature for drought detection
Advances in Space Research, 1995,15(11):91-100.

[本文引用: 1]

王鹏新, 龚健雅, 李小文. 条件植被温度指数及其在干旱监测中的应用
武汉大学学报(信息科学版), 2001,26(5):412-418.

[本文引用: 1]

WANG P X, GONG J Y, LI X W. Vegetation-temperature condition index and its application for drought monitoring
Geomatics and Information Science of Wuhan University. 2001,26(5):412-418. (in Chinese)

[本文引用: 1]

SANDHOLT I, RASMUSSEN K, ANDERSEN J. A simple interpretation of the surface temperature/vegetation index space for assessment of surface moisture status
Remote Sensing of Environment, 2002,79(2):213-224.

[本文引用: 4]

LIANG L, ZHAO S H, QIN Z H, HE K X, CHEN C, LUO Y X, ZHOU X D. Drought change trend using MODIS TVDI and its relationship with climate factors in China from 2001 to 2010
Journal of Integrative Agriculture, 2014,13(7):1501-1508.

[本文引用: 1]

温国涛, 白建军, 孙嵩松. 基于时间序列遥感数据的陕西省2004-2014年干旱变化特征分析
干旱地区农业研究, 2018,36(1):221-229.

[本文引用: 3]

WEN G T, BAI J J, SUN S S. Variation of drought in Shaanxi from 2004 to 2014 based on remotely sensed data
Agricultural Research in the Arid Areas, 2018,36(1):221-229. (in Chinese)

[本文引用: 3]

托亚. 内蒙古干旱成因及预测研究
[D]. 北京: 中国农业科学院学位论文, 2006.

[本文引用: 1]

TUO Y. Research on the cause of formation and forecast method of draught in Inner Mongolia
[D]. Beijing: Chinese Academy of Agriculture Sciences, 2006. (in Chinese)

[本文引用: 1]

宋春桥, 游松财, 刘高焕, 柯灵红, 钟新科. 基于TVDI的藏北地区土壤湿度空间格局
地理科学进展, 2011,30(5):569-576.

[本文引用: 2]

SONG C Q, YOU S C, LIU G H, KE L H, ZHONG X K. The spatial pattern of soil moisture in northern Tibet based on TVDI method
Process in Geography, 2011,30(5):569-576. (in Chinese)

[本文引用: 2]

杨曦, 武建军, 闫峰, 张洁. 基于地表温度-植被指数特征空间的区域土壤干湿状况
生态学报, 2009,29(3):1205-1216.

[本文引用: 2]

YANG X, WU J J, YAN F, ZHANG J. Assessment of regional soil moisture status based on characteristics of surface temperature/ vegetation index space
Acta Ecologica Sinica, 2009,29(3):1205-1216. (in Chinese)

[本文引用: 2]

毕力格, 银山, 包玉龙, 关彦如. 基于TVDI 的内蒙古植被生长期干旱研究
安徽农业科学, 2011,39(10):5945-5948.

[本文引用: 1]

BI L G, YIN S, BAO Y L, GUAN Y R. Research on the drought during the vegetation growth period of Inner Mongolia based on TVDI,
Journal of Anhui Agricultural Science, 2011,39(10):5945-5948. (in Chinese)

[本文引用: 1]

左娇娇. 基于TVDI的内蒙古地区干旱频率时空变换分析
可持续发展, 2018,295(8):48-50.

[本文引用: 1]

ZUO J J. Spatiotemporal transformation analysis of drought frequency in Inner Mongolia based on TVDI
Sustainable Development, 2018,295(8):48-50. (in Chinese)

[本文引用: 1]

内蒙古草地资源编委会. 内蒙古草地资源. 呼和浩特: 内蒙古人民出版社, 1990.
[本文引用: 3]

Inner Mongolia Grassland Resources Editorial Committee. Grassland Resources of Inner Mongolia. Hohhot: Inner Mongolia People's Publishing House, 1990. (in Chinese)
[本文引用: 3]

HUTCHINSON M F. Anusplin Version 4.3 User Guide
Canberra: The Australia National University, Center for Resource and Environment Studies. 2004. http://cres.anu.edu.au/outputs/anuslin.php.

URL [本文引用: 1]

刘志红, LI L T, McVICAR T R, Van NIEL T G, 杨勤科, 李锐. 专用气候数据空间插值软件ANUSPLIN及其应用
气象, 2008,34(2):92-100.

[本文引用: 1]

LIU Z H, LI L T, McVicar T R, VAN NIEL T G, YANG Q K, LI R. Introduction of the professional interpolation software for meteorology data: ANUSPLINN
Meteorological, 2008,34(2):92-100. (in Chinese)

[本文引用: 1]

1:1000000中国草地资源图编制委员会. 1:1000000中国草地资源图集, 北京: 中国地图出版社, 1993.
[本文引用: 1]

1:1000000 CHINA GRASSLAND RESOURCES MAP COMPILATION COMMITTEE. 1:1000000 Atlas of Grassland Resources in China Beijing: China Map Press. 1993. (in Chinese)
[本文引用: 1]

PRICE J C. Using spatial context in satellite data to infer regional scale evapotranspiration
IEEE Transactions on Geoscience and Remote Sensing, 1990,28(1):940-948.

[本文引用: 1]

CARLSON T N, GILLIES R R, PERRY E M. A method to make use of thermal infrared temperature and NDVI measurements to infer surface soil water content and fractional vegetation cover
Remote Sensing Reviews, 1994,9(1):161-173.

[本文引用: 2]

NEMANI R R, RUNNING S W. Estimation of regional surface resistance to evapotranspiration from NDVI and Thermal-IR AVHRR data
Journal of Applied Meteorology, 1989,28(4):276-284.

[本文引用: 1]

MORAN M S, RAHMAN A F, WASHBURNE J C, GOODRICH D C, WELTZ M A, KUSTAS W P. Combining the Penman-Monteith equation with measurements of surface temperature and reflectance to estimate evaporation rates of semiarid grassland
Agricultural and Forest Meteorology, 1996,80(2):87-109.

[本文引用: 1]

CARLSON T N. An overview of the “triangle method” for estimating surface evapotranspiration and soil moisture from satellite imagery
Sensors, 2007,7:1612-1629.

[本文引用: 1]

齐述华, 王长耀, 牛铮. 利用温度植被旱情指数(TVDI)进行全国旱情监测研究
遥感学报, 2003,7(5):420-427.

[本文引用: 2]

QI S H, WANG C Y, NIU Z. Evaluating soil moisture status in China using the temperature/vegetation dryness index (TVDI)
Journal of Remote Sensing, 2003,7(5):420-427. (in Chinese)

[本文引用: 2]

姚春生, 张增祥, 汪潇. 使用温度植被干旱指数法(TVDI)反演新疆土壤湿度
遥感技术与应用, 2004,19(6):473-478.



YAO C S, ZHANG Z X, WANG X. Evaluating soil moisture status in Xinjiang using the temperature vegetation dryness index (TVDI),
Remote Sensing Technology and Application, 2004,19(6):473-478. (in Chinese)



刘英, 岳辉, 侯恩科. MODIS 数据在陕西省干旱监测中的应用
国土资源遥感, 2019,31(2):172-179.



LIU Y, YUE H, HOU E K. Drought monitoring based on MODIS in Shaanxi
Remote Sensing for Land and Resources, 2019,31(2):172-179. (in Chinese)



刘馨, 宋小宁, 冷佩, 夏龙. 基于MODIS数据的黄河源区土壤干湿状况时空格局变化
中国科学院大学学报, 2019,36(2):178-187.

[本文引用: 1]

LIU X, SONG X N, LENG P, XIA L. Spatiotemporal variation of drought conditions based on MODIS data over the source area of Yellow River
Journal of University of Chinese Academy of Sciences, 2019,36(2):178-187. (in Chinese)

[本文引用: 1]

HUETE A, DIDAN K, VAN LEEUWEN W, VERMOTE E. Global-scale analysis of vegetation indices for moderate resolution monitoring of terrestrial vegetation
Remote Sensing for Earth Science, Ocean, and Sea Ice Applications, 1999,3868:141-151.

[本文引用: 1]

HUETE A, DIDAN K, MIURA T, RODRIGUEZ E P, GAO X, FERREIRA L G. Overview of the radiometric and biophysical performance of the MODIS vegetation indices
Remote Sensing of Environment, 2002,83(1):195-213.

[本文引用: 1]

CAI B F, YU R. Advance and evaluation in the long time series vegetation trends research based on remote sensing
Journal of Remote Sensing, 2009,13(6):1170-1186.

[本文引用: 2]

TUCKER C J, NEWCOMB W W, LOS S O, PRINCE S D. Mean and inter-year variation of growing-season normalized difference vegetation index for the Sahel 1981-1989
International Journal of Remote Sensing, 1991,12(6):1133-1135.

[本文引用: 1]

MILICH L, WEISS E. GAC NDVI inter annual coefficient of variation (CoV) images: ground truth sampling of the Sahel along north-south transects
International Journal of Remote Sensing, 2000,21(2):235-260.

[本文引用: 1]

LUNETTA R S, KNIGHT J F, EDIRIWICKREMA J, LYON J G, WORTHY L D. Land-cover change detection using multi-temporal MODIS NDVI data
Remote Sensing of Environment, 2006,105(2):142-154.

[本文引用: 1]

袁丽华, 蒋卫国, 申文明, 刘颖慧, 王文杰, 陶亮亮, 郑华, 刘孝富. 2000-2010年黄河流域植被覆盖的时空变化
生态学报, 2013,33(24):7798-7806.

[本文引用: 1]

YUAN L H, JIANG W G, SHEN W M, LIU Y H, WANG W J, TAO L L, ZHENG H, LIU X F. The spatio-temporal variations of vegetation cover in the Yellow River Basin from 2000 to 2010
Acta Ecologica Sinaca,2013,33(24):7798-7806. (in Chinese)

[本文引用: 1]

戴声佩, 张勃, 王海军, 王亚敏, 郭玲霞, 王兴梅, 李丹. 中国西北地区植被覆盖变化驱动因子分析
干旱区地理, 2010,33(4):636-643.

[本文引用: 1]

DAI S H, ZHANG B, WANG H J, WANG Y M, GUO L X, WANG X M, LI D. Vegetation cover change and its driving factors over northwest China
Arid Land Geography, 2010,33(4):636-643. (in Chinese)

[本文引用: 1]

THEIL H. A rank-invariant method of linear and polynomial regression analysis. I, II and III//
Proceedings of Koninklijke Nederlandse Akademie van Wetenschappen, Series A Mathematical Sciences, 1950,53:386-392,521-525,1397-1412.

[本文引用: 1]

SEN P K. Estimates of the regression coefficient based on Kendall' s tau
Journal of the American Statistical Association, 1968,63(324):1379-1389.

[本文引用: 1]

HOAGLIN D C, MOSTELLER F, TUKEY J W. Understanding Robust and Exploratory Data Analysis
New York: Wiley, 2000, 169-181.

[本文引用: 1]

KENDALL M G. Rank Correlation Methods
London: Griffin, 1975.

[本文引用: 2]

TO?I? I. Spatial and temporal variability of winter and summer precipitation over Serbia and Montenegro
Theoretical and Applied Climatology, 2004,77(1/2):47-56.

[本文引用: 1]

MANN H B. Noparametric tests against trend
Econometrica, 1945,3(3):245-259.

[本文引用: 1]

GOETZ S J. Multi-sensor analysis of NDVI, surface temperature and biophysical variables at a mixed grassland site
International Journal of Remote Sensing, 1997,18(1):71-94.

[本文引用: 1]

王纯枝, 毛留喜, 何延波, 韩丽娟, 陈健, 宇振荣. 温度植被干旱指数法(TVDI)在黄淮海平原土壤湿度反演中的应用研究
土壤通报, 2009,40(5):998-1005.

[本文引用: 1]

WANG C Z, MAO L X, HE Y B, HAN L J, CHEN J, YU Z R. Application of temperature-vegetation dryness index (TVDI) in estimation of soil moisture in the Huanghuaihai Plain
Chinese Journal of Soil Science, 2009,40(5):998-1005. (in Chinese)

[本文引用: 1]

ALTMAN D G, BLAND J M. How to obtain the confidence interval from a P value
British Medical Journal, 2011,343(Aug08 1):d2090-d2090.

[本文引用: 1]

相关话题/数据 空间 土壤 内蒙古 检验