, 赵军, 李传华The spatial-temporal patterns of the impact of human activities on vegetation coverage in China from 2001 to 2015
WANGJianbang, ZHAOJun, LIChuanhua通讯作者:
收稿日期:2017-12-8
修回日期:2018-12-7
网络出版日期:2019-03-25
版权声明:2019《地理学报》编辑部本文是开放获取期刊文献，在以下情况下可以自由使用：学术研究、学术交流、科研教学等，但不允许用于商业目的.
基金资助:
作者简介:
-->
展开
摘要
关键词：
Abstract
Keywords：
-->0
PDF (5333KB)元数据多维度评价相关文章收藏文章
本文引用格式导出EndNoteRisBibtex收藏本文-->
1 引言
21世纪以来,中国经济发展取得了举世瞩目的成就,与此同时,生态环境受到了人类空前的干扰,生态赤字逐渐扩大[1,2],生态环境问题已成为人们最为关注和迫切需要解决的热点问题。植被作为表征生态环境变化的综合指示器,是评价生态环境质量的重要参数,植被变化在很大程度上反映了区域的环境状况[3,4,5]。近年来,随着人类活动能力的增强,植被变化深刻记录了人类活动的烙印[6],在短期内,植被的动态演变主要是受到人类活动直接和间接的影响而发生的人为胁迫演变,无论是全球、区域还是局部,人类对植被的影响在速度和程度上均超过了自然因素[7]。人类活动对植被的影响已成为生态环境保护不可忽视的重要内容[8]。归一化植被指数（Normal Difference Vegetation Index, NDVI）是目前最为常用表征植被状况的指标,它与植被覆盖度、生长状况、生物量和光合作用强度密切相关,能够在较大时空尺度上客观反应研究区植被覆盖信息,被认为是检测区域植被和生态环境变化的有效指标[9,10]。国内外****利用NDVI数据对植被覆盖变化及其与气候变化的响应做了深入的研究,但是对植被覆盖人为影响关注较少[11]。已有研究发现,内蒙古植被发生显著变化的区域,受人类活动影响的面积大于受气候影响的面积[12];在塔里木河流域,人类活动是平原绿洲区植被生长的主要驱动力[13];在三江源地区,人类活动可在短期内加快植被变化速率[14];在华北,无论是植被改善区域还是退化区域,人类活动均起主导作用[15]。
综上,目前针对植被覆盖人为影响的研究较少,且主要集中在分析其局地空间分布格局,全国尺度下植被覆盖人为影响的空间格局、时空变化特征及未来演变趋势尚不明确。基于此,本文使用MODIS-NDVI数据,通过基于变异系数的人为影响模型定量计算中国植被覆盖人为影响,并辅以Theil-Sen Median趋势分析、Mann-Kendall检验、Hurst指数,分类型、分区域对人为影响的空间格局、时空变化特征和未来演变趋势进行分析,旨在全面认识中国生态环境状况,为中国生态环境保护和建设提供决策支持。
2 数据与方法
2.1 数据及预处理
遥感数据为MOD13Q1数据,时间跨度为2001-2015年,来源于美国国家航天局（https://modis.gsfc.nasa.gov/）,时间分辨率为16 d,空间分辨率为250 m×250 m。采用最大值合成法[16]（Maximum Synthesis Method, MVC）处理历年、逐月NDVI数据,进一步消除云、大气、太阳高度角的影响。定义每年5-9月为植被生长季,将生长季内各月份NDVI求平均值,以代表该年植被覆盖状态[17]。此外,为消除低植被覆盖区的影响,本文结合土地利用数据、遥感影像设定阈值,将多年平均NDVI值小于0.15的区域定义为无植被覆盖区域[18]。气象数据为月平均气温和月降水量数据,来源于中国气象数据网（http://data.cma.cn/）。为保证资料的连续性和完整性,本文将2001-2015年有缺测或异常值的站点剔除,选取研究区内共625个气象站点,将各站点生长季内各月份气温数据求平均值、降水数据累加[17]。气温数据考虑温度垂直递减率进行插值运算,并通过残差进行修正[19,20];降水数据直接使用Kriging方法进行空间插值[21],分别获取逐年与NDVI数据像元大小一致、投影相同的气温和降水栅格图。
土地利用数据（2015年）来源于中国科学院资源环境科学数据中心（http://www.resdc.cn/）,统计数据来源于《中国统计年鉴》和《中国林业统计年鉴》。
2.2 研究方法
2.2.1 基于变异系数的人为影响模型 本文使用基于变异系数的人为影响模型计算历年人类活动对NDVI的影响。该方法认为：在自然状况下,NDVI只受气候变化的影响,因此,在无人为影响的条件下,NDVI的变化特征应与气候变化特征一致[22,23]。（1）NDVI、气温和降水变异系数
变异系数（Coefficient of Variation, CV）是衡量序列观测值变异程度的一个统计量,计算公式为：
式中：σ为标准差;μ为算数平均值。
将栅格单元序列NDVI、气温和降水带入式（1）,分别求得NDVI变异系数CVNDVI、气温变异系数CVT、降水变异系数CVR。
（2）气候变异系数
将气温、降水因子分别与NDVI做相关分析,通过相关系数比例求得各自对NDVI的影响权重WT和WR,乘以各自变异系数并求和,即得到气候变异系数CVC。
（3）人为变异系数
NDVI变异系数与气候变异系数之差,为人为变异系数CVH。
人为变异系数表示人为作用对NDVI影响的剧烈程度,其值为0或绝对值小于某个极小值时,表示不受人为影响或影响甚微;值不为0或绝对值大于某个极小值时,表示受到人为作用的影响,绝对值越大则受人为影响程度越剧烈。
（4）选择无人为影响点
提取人为变异系数为0和绝对值小于某个极小值的栅格。通过卫星遥感影像、土地利用现状图对提取出的无人为影响点进行验证,经过多次实验发现将阈值设定为0.0001时,效果最好,提取出的无人为影响点分布更符合实际。在确定阈值、提取无人为影响点后,再次结合土地利用现状图,通过在ArcGIS中添加卫星底图的方式,对提取的无人为影响点逐点进行判断,将一些明显受到人为影响的点（如城镇、耕地等）剔除,确保模型精度。
（5）理论NDVI
利用确定的无人为影响点,提取对应点实际NDVI,这些点所对应的NDVI只受气候因子的作用,是在无人为干扰下立地发育形成的,将其看成理论NDVI（Theoretical NDVI, NDVIT）。采用空间插值方法对离散点进行空间化处理,得到研究区理论NDVI栅格图。
（6）NDVI人为影响值
将实际NDVI（Actual NDVI, NDVIA）减去理论NDVI,即得到人为作用下NDVI变化值,称为NDVI人为影响值（NDVI influenced by human, NDVIH）,公式为：
当NDVIH > 0时,表示NDVI在人为影响下增加;当NDVIH < 0时,表示NDVI在人为影响下减少。
2.2.2 重心转移模型 本文使用重心转移模型[24]计算各年份人为正影响、负影响重心,以此揭示中国植被覆盖人为影响在空间上的演变特征,计算公式如下：
式中：x、y为某年植被覆盖人为影响（正、负）分布重心的经纬度坐标;xi、yi为人为影响像元中心经纬度;wi为该像元的人为影响值。当人为正影响重心向某方向移动时,表示该方向植被覆盖在人类活动影响下有所增加;当人为负影响重心向某方向移动时,表示该方向植被覆盖在人类活动影响下有所降低。
2.2.3 Theil-Sen Median趋势分析和Mann-Kendall检验 采用非参数化趋势度（Sen）方法[25]来计算中国植被覆盖人为影响的变化趋势,并通过Mann-Kendall统计检验法[26]对变化趋势的显著性进行检验[27,28]。
（1）Sen趋势分析方法的优点是不需要样本服从一定的分布,并且不受异常值的干扰,对测量误差或离群数据具有较强的规避能力,计算公式如下：
式中：β为人为影响序列变化趋势;i、j为时间序数;NDVIH(i)、NDVIH(j)分别表示第i年和第j年人为影响值。当
（2）Mann-Kendall是一种非参数统计检验的方法,用来判断趋势显著性,计算公式如下：
设定时间序列：
S统计量定义为：
式中：NDVIH(i)和NDVIH(j)分别表示第i年和第j年人为影响值。在给定显著性水平α下,当
2.2.4 Hurst指数 通过计算Hurst指数[29],分析中国植被覆盖人为影响未来演变趋势。基于重标极差（R/S）分析方法的Hurst指数,是一种基于长程相关思想的时间序列分析方法,用于定量描述时间序列信息长期依赖性,由英国水文学家Hurst于1965年提出,其基本原理是：
设定时间序列：
考虑比值
以上数据处理及方法运算均通过Python编程实现。
3 结果分析与讨论
3.1 中国植被覆盖人为影响的空间格局
从2001-2015年中国平均植被覆盖人为影响的空间分布格局（图1）可以看出,由南向北中国植被覆盖人为影响空间分异越来越明显,年均值为-0.0102,在人类活动干扰下植被覆盖轻微减少。为便于分析,将人为影响值正、负分开,并进行分级,依次分为轻微、一般、严重和剧烈[22]（表1）。中国植被覆盖人为负影响面积略大于正影响,分别占51.59%和48.41%,从轻微到剧烈所占面积均逐渐减少。负影响严重和剧烈所占比例为9.07%,从空间分布来看,这些区域主要分布在呼伦贝尔草原、小兴安岭与东北平原过渡地带、长白山部分地区、内蒙古高原中部和东南部、黄土高原中部、关中平原、华北平原西南部、长江中下游平原、东南沿海地区、四川盆地西部和东南部以及藏南部分区域（图1）。正影响严重和剧烈所占比例为9.30%,主要分布在东北平原、华北平原、鄂尔多斯高原、祁连山南麓、塔里木河流域以及天山部分区域（图1）。
显示原图|下载原图ZIP|生成PPT图12001-2015年中国平均植被覆盖人为影响的空间分布
-->Fig. 1Spatial distribution of average NDVIH in China from 2001 to 2015
-->
Tab. 1
表1
表12001-2015年中国平均植被覆盖人为影响的方向和程度
Tab. 1The direction and degree of average NDVIH in China from 2001 to 2015
| 影响程度 | 影响方向 | 像元数 | 百分比(%) | 平均值 |
|---|---|---|---|---|
| 轻微 | 正 | 26214701 | 23.71 | 0.0225 |
| 负 | 29166196 | 26.38 | -0.0274 | |
| 一般 | 正 | 17031492 | 15.40 | 0.0742 |
| 负 | 17851585 | 16.15 | -0.0945 | |
| 严重 | 正 | 7945142 | 7.19 | 0.1471 |
| 负 | 7758665 | 7.02 | -0.1909 | |
| 剧烈 | 正 | 2333953 | 2.11 | 0.2614 |
| 负 | 2266781 | 2.05 | -0.3509 | |
| 汇总 | 正 | 53525288 | 48.41 | 0.0679 |
| 负 | 57043227 | 51.59 | -0.0835 |
新窗口打开
以方创琳等[30]提出的中国人文地理综合区划方案,分区域对中国植被覆盖人为影响进行讨论（表2）。西北是人为影响唯一呈正值的区域,平均值为0.0006,其余7大区域均呈负值,其中华中人为负影响最为剧烈,平均值为-0.024,华东人为负影响最小,平均值为-0.0002,其余5个区域负影响由大到小排列依次为华南、西南、东北、华北、青藏。将正、负影响分开来看,从南到北、从东到西,中国生态脆弱性增强,植被覆盖人为正影响、负影响均呈增大趋势,其中西北正影响最大,平均值为0.1062;华东负影响最大,平均值为-0.1008。从影响面积和程度来看,华东正影响分布面积最大,占56.67%,其中15.02%呈严重和剧烈。西南负影响分布面积最大,占55.97%,但其影响程度较小,严重和剧烈程度仅占5.39%,大部分区域植被覆盖在人类活动影响下轻微减少。西北和华北正影响分布面积略小于负影响,但在严重和剧烈程度均占较大比例,植被对人类活动响应强烈,区域内环境保护和破坏问题同样突出,存在较大区域性差异。
Tab. 2
表2
表22001-2015年各地区平均植被覆盖人为影响的方向和程度
Tab. 2Statistics on the direction and degree of average NDVIH in various regions from 2001 to 2015
| 地区 | 影响方向 | 影响程度(%) | 汇总(%) | 平均值 | ||||
|---|---|---|---|---|---|---|---|---|
| 轻微 | 一般 | 严重 | 剧烈 | |||||
| 东北 | 正 | 25.54 | 14.84 | 7.37 | 1.82 | 49.57 | 0.0647 | -0.0087 |
| 负 | 24.63 | 17.29 | 7.51 | 1.00 | 50.43 | -0.0809 | ||
| 华北 | 正 | 15.38 | 17.59 | 11.78 | 3.66 | 48.41 | 0.0911 | -0.0070 |
| 负 | 20.77 | 18.20 | 10.43 | 2.19 | 51.59 | -0.0991 | ||
| 华东 | 正 | 20.80 | 20.84 | 14.35 | 0.67 | 56.67 | 0.0767 | -0.0002 |
| 负 | 18.82 | 14.71 | 6.64 | 3.16 | 43.33 | -0.1008 | ||
| 华中 | 正 | 27.89 | 14.43 | 1.87 | 0.06 | 44.25 | 0.0434 | -0.0240 |
| 负 | 29.13 | 18.81 | 6.09 | 1.72 | 55.75 | -0.0776 | ||
| 华南 | 正 | 33.19 | 11.82 | 0.93 | 0.06 | 45.99 | 0.0364 | -0.0230 |
| 负 | 32.78 | 13.91 | 4.80 | 2.52 | 54.01 | -0.0737 | ||
| 西北 | 正 | 16.58 | 12.81 | 10.15 | 7.77 | 47.31 | 0.1062 | 0.0006 |
| 负 | 22.05 | 19.19 | 9.51 | 1.95 | 52.69 | -0.0941 | ||
| 西南 | 正 | 29.55 | 12.79 | 1.67 | 0.03 | 44.03 | 0.0404 | -0.0185 |
| 负 | 34.54 | 16.03 | 4.11 | 1.28 | 55.97 | -0.0647 | ||
| 青藏 | 正 | 21.67 | 19.05 | 9.87 | 1.37 | 51.96 | 0.0714 | -0.0055 |
| 负 | 26.49 | 11.65 | 6.53 | 3.36 | 48.04 | -0.0887 | ||
新窗口打开
对于不同土地利用类型,人类活动对植被覆盖影响方式和程度均存在较大差异（图2）,仅林地人为影响呈正值,平均值为0.0166,草地、耕地、城镇均为负值,其中城镇负影响最大,平均值为-0.0963。比较而言,林地正影响分布面积最大,占63.50%,同时也是唯一正影响分布面积大于负影响的土地利用类型,其中8.47%呈严重和剧烈;耕地正影响分布面积较少,但在剧烈和严重程度所占比例最大,达到12.13%;城镇负影响分布面积最大,占72.27%,其中严重和剧烈程度所占面积达33.80%;草地正影响、负影响在剧烈和严重程度所占比例大致相当,分别为8.93%和8.62%。
显示原图|下载原图ZIP|生成PPT图22001-2015年不同土地利用类型的(a)平均人为影响、(b)正、负影响面积占比、(c)正影响程度、(d)负影响程度
-->Fig. 2(a) Average NDVIH, (b) proportion of positive and negative impact areas, (c) positive impact degree, (d) negative impact degree of different land-use types from 2001 to 2015
-->
3.2 中国植被覆盖人为影响年际变化特征
3.2.1 植被覆盖人为影响年际变化 2001-2015年,中国植被覆盖人为影响值在-0.0152~ -0.0036之间,整体呈负影响波动减少趋势（图3a）,降速为0.5%/10a,变化可划分为3个负影响增大阶段和3个负影响减少阶段,并分别在2005年、2008年、2013年出现波峰,在2007年、2009年、2015年出现波谷。将正、负影响分开来看,中国植被覆盖人为正影响和负影响均呈增大趋势,正影响增速（0.3%/10a）远大于负影响（0.02%/10a）（图3b、3c）。
显示原图|下载原图ZIP|生成PPT图32001-2015年中国植被覆盖(a)人为影响、(b)正影响、(c)负影响年际变化趋势
-->Fig. 3Inter-annual trend of (a)NDVIH, (b)positive impact, (c)negative impact in China from 2001 to 2015
-->
分区域来看（图4）,华南、西南、青藏、华中等区域,2001-2015年间植被覆盖人为影响均为负值,其中华南、西南、青藏呈负影响增大趋势,华南和西南增速较大,均为 -0.3%/10a;华中呈负影响减少趋势,降速为0.6%/10a;华北、东北、西北等区域呈负影响减少、正影响增大趋势,其中东北变化趋势最为明显,变化率为2.1%/10a;华东呈正影响减少、负影响增大趋势,变化率为-0.5%/10a。将正、负影响分开来看（图5）,西南、西北、华南、华北、华中、东北等区域正影响呈增大趋势,其中东北增速最大,为1.4%/10a,青藏和华东正影响呈减少趋势,降速分别为-0.2%/10a和-0.9%/10a;华南、西南、华东、华中、西北负影响呈增大趋势,其中华南增速最大,为-1%/10a,华北、青藏、东北负影响呈减少趋势,其中东北降速最大,为0.8%/10a。
显示原图|下载原图ZIP|生成PPT图42001-2015年各地区植被覆盖人为影响年际变化趋势
-->Fig. 4Inter-annual trend of NDVIH in various regions from 2001 to 2015
-->
显示原图|下载原图ZIP|生成PPT图52001-2015年各地区植被覆盖人为(a)正影响、(b)负影响年际变化趋势
-->Fig. 5Inter-annual trend of (a)positive impact and (b)negative impact in various regions from 2001 to 2015
-->
从不同土地利用类型来看（图6）,草地、耕地均呈人为负影响减少趋势。近年来,随着农业现代化水平的提高,耕地灌溉面积和化肥施用量不断增大（图7a）,使得耕地植被覆盖有所增加;虫害、鼠害治理以及新增种草等一系列草原建设工程的实施（图7b）,使草原植被有了较好的改善,比较而言,耕地负影响减少趋势更为明显,降速为0.8%/10a。林地呈人为正影响增大趋势,增速为0.3%/10a,长期以来的植树造林、封山育林、森林抚育（图7c）使林地生态系统有了明显的改善。由于近年来城镇人口显著增多,城镇化步伐明显加快,城镇呈人为负影响增大趋势,且增速最大,为-1.6%/10a。较林地、草地和耕地而言,人类活动对城镇植被影响方式较为单一,人为影响与城镇人口数关系密切,人为负影响随着城镇人口的增多明显增大（图7d）。将正负影响分开来看（图8）,草地、林地、耕地、城镇人为正影响均呈增大趋势,其中耕地增速最大,为0.4%/10a,城镇增速最小,为0.2%/10a;草地人为负影响呈减少趋势,降速为0.5%/10a,林地、耕地、城镇人为负影响均呈增大趋势,其中城镇负影响增速最大,为-1.6%/10a。
显示原图|下载原图ZIP|生成PPT图62001-2015年不同土地利用类型人为影响的年际变化趋势
-->Fig. 6Inter-annual trend of NDVIH of different land use types from 2001 to 2015
-->
显示原图|下载原图ZIP|生成PPT图7历年人类活动对(a)耕地、(b)草地、(c)林地的影响以及(d)城镇人口数和人为影响的关系
-->Fig. 7Impact of human activities over the years on (a) arable land, (b) grassland, (c) forest land. (d) relationship between urban population and NDVIH
-->
显示原图|下载原图ZIP|生成PPT图82001-2015年不同土地利用类型人为(a)正影响、(b)负影响的年际变化趋势
-->Fig. 8Inter-annual trend of (a)positive impact and (b)negative impact of different land use types from 2001 to 2015
-->
3.2.2 植被覆盖人为影响重心年际变化 2001-2015年,中国植被覆盖人为正影响重心分布在甘肃省、宁夏回族自治区和陕西省境内,负影响重心分布在陕西省境内,正影响重心分布在负影响重心西北侧（图9）。2001-2015年间,正影响重心向东北方向移动,负影响重心向西南方向移动,中国东北部植被覆盖在人为影响下日趋改善,西南部人类活动对植被破坏程度不断增大。2001-2015年间,正影响重心累计移动859.45 km,其中2012-2013年移动距离最大,为113.09 km;负影响重心累计移动818.59 km,其中2007-2008年移动距离最大,为182.53 km。
显示原图|下载原图ZIP|生成PPT图92001-2015年中国植被覆盖人为影响重心的空间分布
-->Fig. 9Spatial distribution of the center of gravity of NDVIH in China from 2001 to 2015
-->
不同区域对比来看（表3）,东北正影响、负影响重心累计移动距离均最大,分别为671.99 km和777.37 km,2001-2015年间东北植被覆盖人为影响空间格局发生了巨大的变化。2013-2014年正影响重心在西北移动距离最大,为104.73 km;2008-2009年负影响重心在东北移动距离最大,为107.13 km。
Tab. 3
表3
表32001-2015年各地区植被覆盖人为影响重心的年际变化
Tab. 3Inter-annual variations in the center of gravity of NDVIH in various regions from 2001 to 2015
| 地区 | 人为影响 方向 | 变化斜率 | 最大移动距离 (km)及年份 | 累计移动 距离(km) | |
|---|---|---|---|---|---|
| 经度 | 纬度 | ||||
| 东北 | 正 | -0.0439 | -0.0318 | 89.98 (2007-2008) | 671.99 |
| 负 | 0.0582 | -0.0111 | 107.13 (2008-2009) | 777.37 | |
| 华北 | 正 | -0.0042 | 0.0408 | 68.61 (2011-2012) | 305.83 |
| 负 | 0.0227 | -0.0412 | 57.52 (2011-2012) | 424.00 | |
| 华东 | 正 | -0.0157 | -0.0205 | 54.00 (2002-2003) | 255.27 |
| 负 | 0.0262 | -0.0033 | 34.86 (2006-2007) | 248.45 | |
| 华中 | 正 | -0.0087 | -0.0174 | 41.35 (2014-2015) | 352.03 |
| 负 | -0.0084 | 0.0066 | 42.23 (2011-2012) | 273.82 | |
| 华南 | 正 | 0.0046 | 0.0158 | 22.66 (2006-2007) | 220.37 |
| 负 | 0.0148 | 0.0018 | 22.95 (2001-2002) | 162.14 | |
| 西北 | 正 | 0.0800 | -0.0016 | 104.73 (2013-2014) | 652.88 |
| 负 | -0.1562 | 0.0477 | 93.07 (2013-2014) | 682.95 | |
| 西南 | 正 | 0.0166 | 0.0169 | 72.76 (2004-2005) | 518.00 |
| 负 | -0.0052 | -0.0294 | 50.17 (2012-2013) | 416.11 | |
| 青藏 | 正 | 0.0174 | -0.0041 | 55.81 (2008-2009) | 389.45 |
| 负 | -0.0237 | 0.0087 | 32.00 (2008-2009) | 186.44 | |
新窗口打开
3.3 中国植被覆盖人为影响空间格局演变
3.3.1 植被覆盖人为影响变化趋势 为检验中国植被覆盖人为影响的变化趋势,本文计算了2001-2015年植被覆盖人为影响的Sen趋势度,并进行了MK检验,将结果划分为极显著变化（p < 0.01）、显著变化（p < 0.05）、弱显著变化（p < 0.1）和无显著变化4个等级[4]。为方便讨论,将人为影响多年平均值的正负方向与变化趋势结合起来,分为4个组合,分别为“正正”“正负”“负负”“负正”（表4）。从显著性来看,无显著变化分布面积最大,占66.35%,极显著、显著和弱显著所占比例分别为12.09%、13.66%和7.91%。从面积来看,“负正”和“正正”分布面积最大,分别占28.14%和25.21%,同时在“极显著”和“显著”所占比例最大,分别为8.08%和7.22%,植被覆盖人为影响主要呈负影响减少和正影响增大趋势,说明2001-2015年间中国大部分区域生态环境有了较明显的改善。从空间分布来看（图10）,“正正”主要分布在东北平原西部、环渤海地区、鄂尔多斯高原东南部;“正负”主要分布在东北平原东部和华北平原中部;“负正”主要分布在呼伦贝尔草原、内蒙古高原中部和黄土高原中部;“负负”主要分布在科尔沁沙地、黄土高原西部以及胶东半岛以西部分区域。Tab. 4
表4
表42001-2015年中国植被覆盖人为影响变化趋势及显著性统计
Tab. 4Statistics on trend and significance of NDVIH in China from 2001 to 2015
| 方向和趋势 | 显著性占比(%) | 汇总(%) | |||
|---|---|---|---|---|---|
| 极显著 | 显著 | 弱显著 | 无显著 | ||
| 正正(人为正影响增大) | 3.74 | 3.48 | 1.92 | 16.07 | 25.21 |
| 正负(人为正影响减少) | 1.81 | 2.92 | 1.86 | 16.60 | 23.20 |
| 负正(人为负影响减少) | 3.90 | 4.18 | 2.31 | 17.75 | 28.14 |
| 负负(人为负影响增大) | 2.63 | 3.08 | 1.82 | 15.92 | 23.45 |
新窗口打开
显示原图|下载原图ZIP|生成PPT图102001-2015年中国植被覆盖人为影响变化趋势及显著性
-->Fig. 10Trend and significance of NDVIH in China from 2001 to 2015
-->
对于不同土地利用类型,人为影响的变化趋势和显著性均存在较大差异（图11）,林地“正正”分布比例最大,占33.41%,主要呈正影响增大趋势,其中显著和极显著变化所占比例为8.02%;耕地“负正”分布比例最大,占33.30%,主要呈负影响减少趋势,其中显著和极显著变化所占比例为11.29%;草地“负正”和“负负”分布比例较大,分别占29.26%和25.93%,主要呈负影响减少和负影响增大趋势,其中显著和极显著变化所占比例分别为7.92%和5.84%;城镇“负负”分布比例最大,占42.90%,主要呈负影响增大趋势,其中显著和极显著变化所占比例为18.77%。比较来看,林地“正正”和“正负”分布比例最大,耕地“负正”分布比例最大,城镇“负负”分布比例最大。2001-2015年间,林地、耕地植被有了较明显的改善,人类对草地的保护和破坏同样剧烈,对城镇植被的破坏不断增强。
显示原图|下载原图ZIP|生成PPT图112001-2015年不同土地利用类型人为影响变化趋势及显著性(a.草地,b.林地,c.耕地,d.城镇)
-->Fig. 11Trend and significance of NDVIH of different land use types from 2001 to 2015(a. grassland, b. woodland, c. arable land, d. town)
-->
3.3.2 植被覆盖人为影响未来演变趋势预测 中国植被覆盖人为影响Hurst指数平均值为0.4968,未来演变趋势的反向特征强于正向特征,其中反持续性所占比重为53.33%,持续性序列为46.67%。人为影响变化持续性较弱,弱持续性（0.35~0.65）[9]面积占比83.88%,这种弱持续性说明了人类活动对植被影响的不确定性和随机性,人为影响受国家政策和不同时期发展需求影响较大。
为深入揭示中国植被覆盖人为影响未来演变趋势,本文将植被覆盖人为影响多年平均值的正负方向、变化趋势和Hurst指数结合起来,为了表达简便起见分为8个组合,分别为“负负反”“负负正”“负正反”“负正正”“正负反”“正负正”“正正反”“正正正”（表5）。从面积上看,各组合所占比例大致相当,各变化趋势均较为突出,比较而言,“负正反”所占比例最大,占15.59%,中国相当部分面积呈人为负影响先减少后增大趋势。从空间分布来看（图12）,“负负反”主要分布在浑善达克沙地北部、环准噶尔盆地;“负正反”主要分布在呼伦贝尔草原、内蒙古高原中部;“正负反”主要分布在华北平原中部;“正正反”主要分布在科尔沁沙地、内蒙古高原中部;“负负正”主要分布在黄土高原西部;“负正正”主要分布在鄂尔多斯高原南部;“正负正”主要分布在东北平原东部和华北平原中部;“正正正”主要分布在东北平原西部、华北平原北部、鄂尔多斯高原东南部。
Tab. 5
表5
表5中国植被覆盖人为影响未来演变趋势统计
Tab. 5Statistics on the future evolution trend of NDVIH in China
| 未来演变趋势 | 像元数 | 百分比(%) |
|---|---|---|
| 负负反(人为负影响由增强到减弱) | 13752218 | 12.44 |
| 负负正(人为负影响持续增强) | 12177833 | 11.01 |
| 负正反(人为负影响由减弱到增强) | 17238359 | 15.59 |
| 负正正(人为负影响持续减弱) | 13874817 | 12.55 |
| 正负反(人为正影响由减弱到增强) | 13596465 | 12.30 |
| 正负正(人为正影响持续减弱) | 12055554 | 10.90 |
| 正正反(人为正影响由增强到减弱) | 14381320 | 13.01 |
| 正正正(人为正影响持续增强) | 13491949 | 12.20 |
新窗口打开
显示原图|下载原图ZIP|生成PPT图12中国植被覆盖人为影响未来演变趋势
-->Fig. 12The future evolution trend of NDVIH in China
-->
从不同土地利用类型来看（图13）,草地“负正反”和“负负反”分布比例较大,主要呈负影响先减少后增大趋势和负影响先增大后减少趋势;林地“正正反”“正负反”“正正正”分布比例大致相当,主要呈正影响先增大后减少、正影响先减少后增大以及正影响持续增大趋势;耕地“负正反”和“负正正”分布比例较大,主要呈负影响先减少后增大趋势和负影响持续减少趋势;城镇“负负正”和“负负反”分布比例较大,主要呈负影响持续增大趋势和负影响先增大后减少趋势。
显示原图|下载原图ZIP|生成PPT图13不同土地利用类型人为影响未来演变趋
-->Fig. 13The future evolution trend of NDVIH of different land use types
-->
4 结论
（1）2001-2015年,中国植被覆盖人为影响由南向北空间分异愈发明显,年均值为-0.0102,植被覆盖在人类活动影响下轻微减少。负影响面积占51.59%,略大于正影响面积。负影响主要分布在呼伦贝尔草原、小兴安岭与东北平原过渡地带、长白山部分地区、内蒙古高原中部和东南部、黄土高原中部、关中平原、华北平原西南部、长江中下游平原、东南沿海地区、四川盆地西部和东南部以及藏南部分区域;正影响主要分布在东北平原、华北平原、鄂尔多斯高原、祁连山南麓、塔里木河流域以及天山部分区域。西北是人为影响唯一呈正值的区域,其余7大区域负影响从小到大排列依次为华东、青藏、华北、东北、西南、华南、华中。仅林地人为影响为正值,草地、耕地、城镇人为影响均为负值,城镇负影响最为严重。（2）中国植被覆盖人为影响年际变化特征明显,整体呈负影响波动减少趋势,降速为0.5%/10a。正影响和负影响均呈增大趋势,正影响增速（0.3%/10a）远大于负影响（0.02%/10a）。华南、西南、青藏呈负影响增大趋势,华中呈负影响减少趋势,华北、东北、西北呈负影响减少、正影响增大趋势,华东呈正影响减少、负影响增大趋势。林地呈正影响增大趋势,草地、耕地负影响不断减少,城镇负影响不断增大。
（3）2001-2015年间,中国植被覆盖人为正影响重心向东北方向移动,负影响重心向西南方向移动,中国东北部植被覆盖在人为影响下日趋改善,西南部人类活动对植被破坏程度不断增大。正影响重心累计移动859.45 km,负影响重心累计移动818.59 km。在东北正影响、负影响重心累计移动距离最大,人为影响空间格局发生了巨大的变化。
（4）中国植被覆盖人为影响极显著变化和显著变化所占面积分别为12.09%和13.66%。2001-2015年间主要呈负影响减少和正影响增大趋势,且显著性较好,生态系统质量呈现出向良性发展的态势且具有明显的区域性差异。城镇人为影响变化趋势最为显著,主要呈负影响增大趋势;其次是耕地,主要呈负影响减少趋势;草地人为影响变化趋势显著性最弱,主要呈负影响减少和负影响增大趋势;林地主要呈正影响增大趋势。
（5）Hurst指数分析表明,中国植被覆盖人为影响未来演变趋势的反向特征强于正向特征,各变化趋势均较为突出,比较而言,中国相当部分面积呈人为负影响先减少后增大趋势,面积占比15.59%。草地主要呈负影响先减少后增大趋势;林地主要呈正影响先增大后减少、正影响先减少后增大以及正影响持续增大趋势;耕地主要呈负影响先减少后增大和负影响持续减少趋势;城镇主要呈负影响持续增大和负影响先增大后减少趋势。
The authors have declared that no competing interests exist.
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
| [1] | . 在搜集整理1990、1995、2000、2005、2010年5个时间点的相关多种数据的基础上,利用层次分析法,借助Excel、SPSS19.0、ArcGIS10.0技术,对中国及其31个省市区、三大经济带的生态环境质量进行综合评价,分析了其生态环境的变化态势,计算了中国生态环境质量重心的变化轨迹.研究表明:①1990-2010年20年间中国生态环境恶化态势有所减缓,但依然很严重.②总的来看,自1990年至今,中国生态环境总体恶化,局部改善,治理小于破坏,生态赤字依然在扩大的态势没有得到真正改变,还要持续一定的时间.③中国自西向东生态环境质量越来越好,生态环境质量恶化速度逐渐变缓.这种状况的出现,除了先天的自然环境基础外,自西向东区域经济、科技、文化越来越发达,生态环境治理投入的人力、物力、财力、技术力度越来越大起到了关键作用.④多年来粗放型的经济发展使中国人口、经济、社会与生态环境之间的关系严重失调,其31个省市区也是如此.因此,控制人口,改善环境,集约精细化发展,进行人口、经济、社会-生态环境调控势在必行,各级政府应当高度重视、深入研究、详细论证、科学实施. . 在搜集整理1990、1995、2000、2005、2010年5个时间点的相关多种数据的基础上,利用层次分析法,借助Excel、SPSS19.0、ArcGIS10.0技术,对中国及其31个省市区、三大经济带的生态环境质量进行综合评价,分析了其生态环境的变化态势,计算了中国生态环境质量重心的变化轨迹.研究表明:①1990-2010年20年间中国生态环境恶化态势有所减缓,但依然很严重.②总的来看,自1990年至今,中国生态环境总体恶化,局部改善,治理小于破坏,生态赤字依然在扩大的态势没有得到真正改变,还要持续一定的时间.③中国自西向东生态环境质量越来越好,生态环境质量恶化速度逐渐变缓.这种状况的出现,除了先天的自然环境基础外,自西向东区域经济、科技、文化越来越发达,生态环境治理投入的人力、物力、财力、技术力度越来越大起到了关键作用.④多年来粗放型的经济发展使中国人口、经济、社会与生态环境之间的关系严重失调,其31个省市区也是如此.因此,控制人口,改善环境,集约精细化发展,进行人口、经济、社会-生态环境调控势在必行,各级政府应当高度重视、深入研究、详细论证、科学实施. |
| [2] | . 生态环境是人类生存和发展的主要物质来源,它承受着人类活动产生的废弃物和各种作用结果。良好的生态环境是人类发展最重要的前提,同时也是人类赖以生存、社会得以安定的基本条件。但目前全国生态环境问题日趋严峻,虽然当前环境状况在局部改善,但总体在恶化,治理速度远远赶不上破坏速度,生态环境破坏的程度在加剧,环境污染在加重,环境污染和破坏带来的危害也日趋明显,生态赤字逐渐扩大。生态文明是一种重视生态环境、重视环境保护的意识、价值观和文化,这意味着要解决当前日趋严峻的生态环境问题,进行生态文明建设是必要的。同时,我国经济的发展、科技的进步、法律法规的完善及社会环境保护意识的提高等使生态文明建设具有了可行性。因此,需要通过优化国土空间开发格局、调整能源利用结构、全面促进资源节约、加强生态文明制度建设、不断加强生态环境保护、转变经济增长方式等方面加强生态文明建设,为解决当前环境问题提供有效途径。 . 生态环境是人类生存和发展的主要物质来源,它承受着人类活动产生的废弃物和各种作用结果。良好的生态环境是人类发展最重要的前提,同时也是人类赖以生存、社会得以安定的基本条件。但目前全国生态环境问题日趋严峻,虽然当前环境状况在局部改善,但总体在恶化,治理速度远远赶不上破坏速度,生态环境破坏的程度在加剧,环境污染在加重,环境污染和破坏带来的危害也日趋明显,生态赤字逐渐扩大。生态文明是一种重视生态环境、重视环境保护的意识、价值观和文化,这意味着要解决当前日趋严峻的生态环境问题,进行生态文明建设是必要的。同时,我国经济的发展、科技的进步、法律法规的完善及社会环境保护意识的提高等使生态文明建设具有了可行性。因此,需要通过优化国土空间开发格局、调整能源利用结构、全面促进资源节约、加强生态文明制度建设、不断加强生态环境保护、转变经济增长方式等方面加强生态文明建设,为解决当前环境问题提供有效途径。 |
| [3] | . 基于1981-2006年的GIMMSNDVI数据和2000-2009年的MODISNDVI数据反演呼伦贝尔地区草地变化,结合1981-2009年该地区7个气象站点的气温和降水数据,分别从年际变化、季节变化和月变化角度分析该地区草地变化对气候变化的响应。结果表明,从年际变化来看,降水是驱动草地植被年际变化的主要因素;从季节变化来看,草地植被生长在不同季节对水热条件变化的敏感性不同,春季草地植被生长对气温变化的敏感性较降水变化高,夏季和秋季草地植被的生长对降水变化的敏感性则高于对气温变化的敏感性,其中以夏季最为显著;从月变化来看,4月和5月草地植被变化受气温变化影响较明显;5-8月与前一月降水变化关系密切,说明植被生长对降水变化具有一定的滞后性;4月正值草本植物萌芽期,而4月份草地生长与年气温变化关系最为密切,一定程度上说明4月份表征植被生长的NDVI值增加可能是由于气候变暖引起的草地植被生长季提前产生的。综上所述,通过植被与气候要素月变化的关系可以具体地揭示气温和降水对草地植被生长的季节韵律控制。 . 基于1981-2006年的GIMMSNDVI数据和2000-2009年的MODISNDVI数据反演呼伦贝尔地区草地变化,结合1981-2009年该地区7个气象站点的气温和降水数据,分别从年际变化、季节变化和月变化角度分析该地区草地变化对气候变化的响应。结果表明,从年际变化来看,降水是驱动草地植被年际变化的主要因素;从季节变化来看,草地植被生长在不同季节对水热条件变化的敏感性不同,春季草地植被生长对气温变化的敏感性较降水变化高,夏季和秋季草地植被的生长对降水变化的敏感性则高于对气温变化的敏感性,其中以夏季最为显著;从月变化来看,4月和5月草地植被变化受气温变化影响较明显;5-8月与前一月降水变化关系密切,说明植被生长对降水变化具有一定的滞后性;4月正值草本植物萌芽期,而4月份草地生长与年气温变化关系最为密切,一定程度上说明4月份表征植被生长的NDVI值增加可能是由于气候变暖引起的草地植被生长季提前产生的。综上所述,通过植被与气候要素月变化的关系可以具体地揭示气温和降水对草地植被生长的季节韵律控制。 |
| [4] | . 利用MODIS-NDVI数据,辅以趋势分析、Hurst指数及偏相关分析等方法,本文探讨了2000-2014年秦巴山区植被覆盖时空变化特征及未来趋势,并对其驱动因素进行分析。研究发现:1近15年秦巴山区植被覆盖呈显著增加趋势,增速为2.8%/10a,其中2010年之前植被覆盖呈持续增加趋势,增速为4.32%/10a,而2010年之后呈连续下降态势,降速为-6.59%/10a;2空间上,植被覆盖格局呈现"中间高、四周低"的分布特征,高值区主要分布在陕西境内的秦岭山地和大巴山山地;3秦巴山区植被覆盖呈增加和减少趋势的面积分别占81.32%和18.68%;然而,分段结果表明,2010-2014年有71.61%的区域植被覆盖呈下降趋势;4秦巴山区植被覆盖变化的反向特征强于同向特征,其中46.89%的区域将由改善转为退化,而持续改善地区仅占34.44%;5植被覆盖变化主要归因于降水的减少,同时拉尼娜年的植被覆盖整体好于厄尔尼诺年;6人类活动对植被覆盖造成双重影响,是植被覆盖变化的另一重要影响因素。 . 利用MODIS-NDVI数据,辅以趋势分析、Hurst指数及偏相关分析等方法,本文探讨了2000-2014年秦巴山区植被覆盖时空变化特征及未来趋势,并对其驱动因素进行分析。研究发现:1近15年秦巴山区植被覆盖呈显著增加趋势,增速为2.8%/10a,其中2010年之前植被覆盖呈持续增加趋势,增速为4.32%/10a,而2010年之后呈连续下降态势,降速为-6.59%/10a;2空间上,植被覆盖格局呈现"中间高、四周低"的分布特征,高值区主要分布在陕西境内的秦岭山地和大巴山山地;3秦巴山区植被覆盖呈增加和减少趋势的面积分别占81.32%和18.68%;然而,分段结果表明,2010-2014年有71.61%的区域植被覆盖呈下降趋势;4秦巴山区植被覆盖变化的反向特征强于同向特征,其中46.89%的区域将由改善转为退化,而持续改善地区仅占34.44%;5植被覆盖变化主要归因于降水的减少,同时拉尼娜年的植被覆盖整体好于厄尔尼诺年;6人类活动对植被覆盖造成双重影响,是植被覆盖变化的另一重要影响因素。 |
| [5] | . 近年降水量的减少以及全球气候变暖的影响导致我国华北区域干旱程度加剧,影响植被生长状况,使得区域生态环境恶化.基于华北地区2001-2014年的TRMM及MODIS数据,以归一化植被指数NDVI、净初级生产力NPP、植被状态指数VCI作为植被状况表征指数,以标准化降水蒸散指数SPEI作为气象干旱表征指数,对华北地区近年的气象干旱及植被状况时空变化进行评价,并分析植被对干旱的多尺度响应.结果表明:(1)华北地区干旱在西南部地区呈明显加重趋势,东北部地区干旱状况有所好转;针对不同时间尺度的SPEI表示干旱的变化趋势,得出月份尺度干旱呈现干湿交替特征,选取SPEI时间尺度越长,干旱化趋势越明显;(2)NDVI与NPP所反馈的植被长势空间分布略有差异,总体而言华北地区植被状况大部分地区呈好转趋势,但研究区中部部分地区及部分沿海地区植被状况转差;(3)植被状况指数与SPEI指数在大部分地区呈正相关,NPP与SPEI的相关性强于NDVI与SPEI的相关性,且相关程度在草原地区及中高海拔地区最高,林地对干旱的敏感度最弱;各植被类型在植被生长季的多数月份对SPEI-3响应最明显,且在夏季相关程度最高,夏季及其前期的季尺度干旱更易影响植被生长状况,SPEI-12对植被的影响主要表现为影响植被生长季初期的植被状态. . 近年降水量的减少以及全球气候变暖的影响导致我国华北区域干旱程度加剧,影响植被生长状况,使得区域生态环境恶化.基于华北地区2001-2014年的TRMM及MODIS数据,以归一化植被指数NDVI、净初级生产力NPP、植被状态指数VCI作为植被状况表征指数,以标准化降水蒸散指数SPEI作为气象干旱表征指数,对华北地区近年的气象干旱及植被状况时空变化进行评价,并分析植被对干旱的多尺度响应.结果表明:(1)华北地区干旱在西南部地区呈明显加重趋势,东北部地区干旱状况有所好转;针对不同时间尺度的SPEI表示干旱的变化趋势,得出月份尺度干旱呈现干湿交替特征,选取SPEI时间尺度越长,干旱化趋势越明显;(2)NDVI与NPP所反馈的植被长势空间分布略有差异,总体而言华北地区植被状况大部分地区呈好转趋势,但研究区中部部分地区及部分沿海地区植被状况转差;(3)植被状况指数与SPEI指数在大部分地区呈正相关,NPP与SPEI的相关性强于NDVI与SPEI的相关性,且相关程度在草原地区及中高海拔地区最高,林地对干旱的敏感度最弱;各植被类型在植被生长季的多数月份对SPEI-3响应最明显,且在夏季相关程度最高,夏季及其前期的季尺度干旱更易影响植被生长状况,SPEI-12对植被的影响主要表现为影响植被生长季初期的植被状态. |
| [6] | . 利用1982~2006年间GIMMS AVHRR NDVI植被覆盖数据和气象站点气候数据,分析了三北防护林工程区25a来植被覆盖的时空变化特征及其与气温、降水变化的相关性,并在此基础上通过采用残差分析法探讨了人类活动对研究区植被覆盖变化影响的空间格局.结果表明:研究区25a的年植被变化量增加幅度略大于减少幅度,植被覆盖整体呈缓慢上升趋势,其中Ⅰ区和Ⅳ区NDVI值上升最明显(P<0.001),Ⅱ区则呈微弱下降趋势,而四大建设区植被覆盖度有不同程度提高;研究区植被和气温、降水整体呈正相关关系,17.74%的地区植被与气温呈负相关,而6.84%的地区呈正相关,10.60%的地区植被与降水呈负相关,19.53%的地区则呈正相关,植被与降水正相关面积明显大于植被与气温正相关面积,说明降水是研究区植被生长的关键因子;研究区植被残差年际变化显著正相关面积大于显著负相关面积,人类活动对植被建设作用要强于破坏作用,三北防护林建设工程带来的生态效益正在呈现. . 利用1982~2006年间GIMMS AVHRR NDVI植被覆盖数据和气象站点气候数据,分析了三北防护林工程区25a来植被覆盖的时空变化特征及其与气温、降水变化的相关性,并在此基础上通过采用残差分析法探讨了人类活动对研究区植被覆盖变化影响的空间格局.结果表明:研究区25a的年植被变化量增加幅度略大于减少幅度,植被覆盖整体呈缓慢上升趋势,其中Ⅰ区和Ⅳ区NDVI值上升最明显(P<0.001),Ⅱ区则呈微弱下降趋势,而四大建设区植被覆盖度有不同程度提高;研究区植被和气温、降水整体呈正相关关系,17.74%的地区植被与气温呈负相关,而6.84%的地区呈正相关,10.60%的地区植被与降水呈负相关,19.53%的地区则呈正相关,植被与降水正相关面积明显大于植被与气温正相关面积,说明降水是研究区植被生长的关键因子;研究区植被残差年际变化显著正相关面积大于显著负相关面积,人类活动对植被建设作用要强于破坏作用,三北防护林建设工程带来的生态效益正在呈现. |
| [7] | . 植被是陆地生态系统的重要组成部分，是生态系统中物质循环与能量流动的中枢，也是对人类社会经济活动有重要贡献的资源。选择我国东部地区作为研究区(113°-123°E，21.5°-35.5°N)，以SPOT／VGT-NDVI时间序列影像为主要数据源(1998-2005)，分析植被覆盖的时空变化及其人为因素的影响。 从1998到2005年，我国东部地区植被的总面积有缓慢下降趋势，但是植被活动在增强。植被减少趋势与经济发展呈正相关的关系。在植被分布较多的地区，植被活动呈现出明显的下降趋势；植被较少的地区，呈现出明显的增加趋势。长江以北地区的植被增加趋势明显，尤其在安徽北部的阜阳和毫州地区以及鄱阳湖周边地区；长江以南地区植被减少趋势十分显著，尤其在江苏和上海接壤地区、上海市、浙江东南沿海地区、广州周边地区、南昌西南地区、福建厦-漳-泉地区以及湖南长-株-潭地区。东部各省(市)的植被活动变化差异十分显著：上海表现出明显的下降趋势；福建、浙江和江西有轻微的下降；安徽和江苏两省的植被表现出了相似的上升趋势。东部地区的植被重心1998到2005年均位于江西北部的上饶境内，向西北方向移动的趋势明显。 植被的年内变化表明，东部地区植被的生长期为240-320天，生长期最长的位于北纬28-30度之间的低海拔地区，NDVI峰值出现的时间最早为第18旬即6月下旬，最晚为第28旬即10月上旬。8年平均的年积分NDVI的大小顺序为，福建＞浙江＞江西＞安徽＞江苏＞上海；低值区的植被增加趋势明显，而高值区的增加不明显。为了提取不同植被类型的NDVI年内变化曲线，使用主成份分析和ISODATA非监督分类方法对东部地区的植被进行了分类，分类kappa指数高达0.82，得到了18类主要的植被类型，其中一年两熟农作物和亚热带常绿阔叶林所占面积较大，每类植被均有其特殊的NDVI年内变化曲线。 东部地区人口密度大，经济比较发达，城市扩张明显。植被分布与人口、GDP和建设用地GDP之间有明显的负相关关系，相关性在空间上有显著的异质性，在经济发达地区负相关性较高，而在河流、湖泊以及近海岸周围，存在正相关性。结合城市化的统计数据，应用面板数据分析方法，分析得出植被和城市化率之间的负相关性逐年增强，植被和城市化率之间有对数关系。采用多环缓冲带取样，研究发现城市化对植被物候的影响也是明显的；在长三角的上海市、杭州市、南京市、苏州市、无锡市和常州市等6个城市中，除杭州市外，城市化使植被的减少在10km缓冲带内表现得十分显著；城市化提前了始率期(SOS)，延后了终绿期(EOS)，从而延长了生长期(GSL)，但是使NDVI年内极差(NDVI_(amp))降低幅度更大；从6个城市的平均水平看，城区植被和8-10km缓冲带植被相比，生长季节延长了5天，NDVI_(amp)减少了0.21。 利用TM影像，使用变化轨迹方法对典型快速城市化地区——上海市植被的研究表明：14年来，上海市的植被面积呈现持续下降趋势，浦东新区植被减少最多；三期(1989、1997、2003)均为植被的面积占总面积的一半以上，其次是三期均为非植被的面积占总面积的1／5。早期植被转化为非植被的地区主要在城区周围，而近期的转化发生在距城区较远的地区；非植被向植被的转化面积很小。Logistic回归分析发现，14个影响因子对植被变化轨迹的影响强度大小依次是，离道路的距离＞离行政中心的距离＞离植被—非植被边界的距离＞离商业中心的距离=1990年人口密度＞离河流的距离＞离高速公路的距离＞土地利用多样性＞人口密度差(2003-1990)=离上海市中心的距离。其中，离高速公路的距离对植被变化的影响反常，即离高速公路越近，植被分布越多或者转化为非植被的概率越小。经过检验，回归模型的精度是满意的，其中二分类Logistic模型精度高于多分类Logistic模型。 . 植被是陆地生态系统的重要组成部分，是生态系统中物质循环与能量流动的中枢，也是对人类社会经济活动有重要贡献的资源。选择我国东部地区作为研究区(113°-123°E，21.5°-35.5°N)，以SPOT／VGT-NDVI时间序列影像为主要数据源(1998-2005)，分析植被覆盖的时空变化及其人为因素的影响。 从1998到2005年，我国东部地区植被的总面积有缓慢下降趋势，但是植被活动在增强。植被减少趋势与经济发展呈正相关的关系。在植被分布较多的地区，植被活动呈现出明显的下降趋势；植被较少的地区，呈现出明显的增加趋势。长江以北地区的植被增加趋势明显，尤其在安徽北部的阜阳和毫州地区以及鄱阳湖周边地区；长江以南地区植被减少趋势十分显著，尤其在江苏和上海接壤地区、上海市、浙江东南沿海地区、广州周边地区、南昌西南地区、福建厦-漳-泉地区以及湖南长-株-潭地区。东部各省(市)的植被活动变化差异十分显著：上海表现出明显的下降趋势；福建、浙江和江西有轻微的下降；安徽和江苏两省的植被表现出了相似的上升趋势。东部地区的植被重心1998到2005年均位于江西北部的上饶境内，向西北方向移动的趋势明显。 植被的年内变化表明，东部地区植被的生长期为240-320天，生长期最长的位于北纬28-30度之间的低海拔地区，NDVI峰值出现的时间最早为第18旬即6月下旬，最晚为第28旬即10月上旬。8年平均的年积分NDVI的大小顺序为，福建＞浙江＞江西＞安徽＞江苏＞上海；低值区的植被增加趋势明显，而高值区的增加不明显。为了提取不同植被类型的NDVI年内变化曲线，使用主成份分析和ISODATA非监督分类方法对东部地区的植被进行了分类，分类kappa指数高达0.82，得到了18类主要的植被类型，其中一年两熟农作物和亚热带常绿阔叶林所占面积较大，每类植被均有其特殊的NDVI年内变化曲线。 东部地区人口密度大，经济比较发达，城市扩张明显。植被分布与人口、GDP和建设用地GDP之间有明显的负相关关系，相关性在空间上有显著的异质性，在经济发达地区负相关性较高，而在河流、湖泊以及近海岸周围，存在正相关性。结合城市化的统计数据，应用面板数据分析方法，分析得出植被和城市化率之间的负相关性逐年增强，植被和城市化率之间有对数关系。采用多环缓冲带取样，研究发现城市化对植被物候的影响也是明显的；在长三角的上海市、杭州市、南京市、苏州市、无锡市和常州市等6个城市中，除杭州市外，城市化使植被的减少在10km缓冲带内表现得十分显著；城市化提前了始率期(SOS)，延后了终绿期(EOS)，从而延长了生长期(GSL)，但是使NDVI年内极差(NDVI_(amp))降低幅度更大；从6个城市的平均水平看，城区植被和8-10km缓冲带植被相比，生长季节延长了5天，NDVI_(amp)减少了0.21。 利用TM影像，使用变化轨迹方法对典型快速城市化地区——上海市植被的研究表明：14年来，上海市的植被面积呈现持续下降趋势，浦东新区植被减少最多；三期(1989、1997、2003)均为植被的面积占总面积的一半以上，其次是三期均为非植被的面积占总面积的1／5。早期植被转化为非植被的地区主要在城区周围，而近期的转化发生在距城区较远的地区；非植被向植被的转化面积很小。Logistic回归分析发现，14个影响因子对植被变化轨迹的影响强度大小依次是，离道路的距离＞离行政中心的距离＞离植被—非植被边界的距离＞离商业中心的距离=1990年人口密度＞离河流的距离＞离高速公路的距离＞土地利用多样性＞人口密度差(2003-1990)=离上海市中心的距离。其中，离高速公路的距离对植被变化的影响反常，即离高速公路越近，植被分布越多或者转化为非植被的概率越小。经过检验，回归模型的精度是满意的，其中二分类Logistic模型精度高于多分类Logistic模型。 |
| [8] | . 中国西北地区气候干旱,频繁出现沙尘天气,属于生态脆弱区域,而植被变化是生态系统对气候变化响应的指示器,研究其变化对改善西北生态环境具有重要意义.本文利用1999—2010年归一化植被指数(NDVI)以及气象数据研究中国西北地区植被覆盖时空变化,以Sen趋势度结合Mann-Kendall检验、相关和偏相关分析以及残差法分析人类活动和气候变化对植被覆盖变化的影响.结果表明:西北地区植被覆盖整体呈增加趋势,但在局部地区气候干旱少雨和人类活动抑制植被生长.植被变化强度空间差异是人类活动和气候要素共同作用的结果:气温高,降水少,大部分地区植被覆盖与气候要素相关显著,并且植被变化对气温和降水的响应存在一定滞后时间;蒸发量大于降水量,人类引水灌溉弥补降水不足,使得农业植被呈增长趋势.新疆北部地区植被覆盖呈下降趋势,原因是气候干旱、沙漠化严重会抑制植被生长,人类活动频繁、城市扩建同样会破坏植被生长. . 中国西北地区气候干旱,频繁出现沙尘天气,属于生态脆弱区域,而植被变化是生态系统对气候变化响应的指示器,研究其变化对改善西北生态环境具有重要意义.本文利用1999—2010年归一化植被指数(NDVI)以及气象数据研究中国西北地区植被覆盖时空变化,以Sen趋势度结合Mann-Kendall检验、相关和偏相关分析以及残差法分析人类活动和气候变化对植被覆盖变化的影响.结果表明:西北地区植被覆盖整体呈增加趋势,但在局部地区气候干旱少雨和人类活动抑制植被生长.植被变化强度空间差异是人类活动和气候要素共同作用的结果:气温高,降水少,大部分地区植被覆盖与气候要素相关显著,并且植被变化对气温和降水的响应存在一定滞后时间;蒸发量大于降水量,人类引水灌溉弥补降水不足,使得农业植被呈增长趋势.新疆北部地区植被覆盖呈下降趋势,原因是气候干旱、沙漠化严重会抑制植被生长,人类活动频繁、城市扩建同样会破坏植被生长. |
| [9] | . 基于2000-2009年MODIS-NDVI植被覆盖指数,采用线性趋势分析、Hurst指数和偏相关系数等数理分析方法,对陕甘宁地区"退耕还林还草"实施10a来植被覆盖时空变化特征、影响因素及其未来变化趋势进行分析。结果表明:①2000-2009年陕甘宁地区植被覆盖呈现明显增加趋势0.032/10a,远快于三北防护林工程区1982-2006年植被覆盖平均增速0.007/10a;②陕甘宁地区植被恢复具有阶段性,整体呈"S"型增长,具有两次明显的植被高恢复期;③陕甘宁地区植被恢复以轻微改善为主,中度改善次之,呈退化趋势区域比重较小(2.38%),零星分布于宁南八县、定边东部、甘肃陇东的环县和镇原;④陕甘宁地区植被覆盖度逐年提高、生态环境持续改善是人类活动和气候变化共同驱动,其中人类经济活动作用明显;⑤陕甘宁地区植被恢复具有一定的持续性,未来大部分区域将持续改善,退化区集中分布于陕北中东部、"彭阳—镇原"南部以及盐池北部。 . 基于2000-2009年MODIS-NDVI植被覆盖指数,采用线性趋势分析、Hurst指数和偏相关系数等数理分析方法,对陕甘宁地区"退耕还林还草"实施10a来植被覆盖时空变化特征、影响因素及其未来变化趋势进行分析。结果表明:①2000-2009年陕甘宁地区植被覆盖呈现明显增加趋势0.032/10a,远快于三北防护林工程区1982-2006年植被覆盖平均增速0.007/10a;②陕甘宁地区植被恢复具有阶段性,整体呈"S"型增长,具有两次明显的植被高恢复期;③陕甘宁地区植被恢复以轻微改善为主,中度改善次之,呈退化趋势区域比重较小(2.38%),零星分布于宁南八县、定边东部、甘肃陇东的环县和镇原;④陕甘宁地区植被覆盖度逐年提高、生态环境持续改善是人类活动和气候变化共同驱动,其中人类经济活动作用明显;⑤陕甘宁地区植被恢复具有一定的持续性,未来大部分区域将持续改善,退化区集中分布于陕北中东部、"彭阳—镇原"南部以及盐池北部。 |
| [10] | . Improved and up-to-date land use/land cover (LULC) data sets that classify specific crop types and associated land use practices are needed over intensively cropped regions such as the U.S. Central Great Plains, to support science and policy applications focused on understanding the role and response of the agricultural sector to environmental change issues. The Moderate Resolution Imaging Spectroradiometer (MODIS) holds considerable promise for detailed, large-area crop-related LULC mapping in this region given its global coverage, unique combination of spatial, spectral, and temporal resolutions, and the cost-free status of its data. The objective of this research was to evaluate the applicability of time-series MODIS 250 m normalized difference vegetation index (NDVI) data for large-area crop-related LULC mapping over the U.S. Central Great Plains. A hierarchical crop mapping protocol, which applied a decision tree classifier to multi-temporal NDVI data collected over the growing season, was tested for the state of Kansas. The hierarchical classification approach produced a series of four crop-related LULC maps that progressively classified: 1) crop/non-crop, 2) general crop types (alfalfa, summer crops, winter wheat, and fallow), 3) specific summer crop types (corn, sorghum, and soybeans), and 4) irrigated/non-irrigated crops. A series of quantitative and qualitative assessments were made at the state and sub-state levels to evaluate the overall map quality and highlight areas of misclassification for each map. The series of MODIS NDVI-derived crop maps generally had classification accuracies greater than 80%. Overall accuracies ranged from 94% for the general crop map to 84% for the summer crop map. The state-level crop patterns classified in the maps were consistent with the general cropping patterns across Kansas. The classified crop areas were usually within 1 5% of the USDA reported crop area for most classes. Sub-state comparisons found the areal discrepancies for most classes to be relatively minor throughout the state. In eastern Kansas, some small cropland areas could not be resolved at MODIS' 250 m resolution and led to an underclassification of cropland in the crop/non-crop map, which was propagated to the subsequent crop classifications. Notable regional areal differences in crop area were also found for a few selected crop classes and locations that were related to climate factors (i.e., omission of marginal, dryland cropped areas and the underclassification of irrigated crops in western Kansas), localized precipitation patterns (overclassification of irrigated crops in northeast Kansas), and specific cropping practices (double cropping in southeast Kansas). |
| [11] | . 利用三江源区1982-2013年18个气象台站地面观测资料、GIMMS和MODIS两个卫星源的遥感监测值，以NDVI值和周广胜模型分别计算植被生产力和气候生产力，将植被生产力与气候生产力的差值定义为人类活动影响。在分析该区域植被生产力和气候生产力变化趋势的基础上，通过分离气候变化和人类活动对植被生产力的影响，从而定量评估两者的影响大小，研究结果表明：（1）在气候变化和人类活动的叠加作用下，三江源地区植被生产力、气候生产力和人类活动影响均趋于好转，平均每10a分别增加179kg·hm<sup>-2</sup>、154kg ·hm<sup>-2</sup>和24kg·hm<sup>-2</sup>；（2）气候变化是影响植被生产力的决定性因素，但人类活动在一定程度上加快了其变化速率，尤其是进入21世纪以来人类活动正面影响较为明显，气候变化和人类活动对植被生产力的贡献率分别为87%和13%。 . 利用三江源区1982-2013年18个气象台站地面观测资料、GIMMS和MODIS两个卫星源的遥感监测值，以NDVI值和周广胜模型分别计算植被生产力和气候生产力，将植被生产力与气候生产力的差值定义为人类活动影响。在分析该区域植被生产力和气候生产力变化趋势的基础上，通过分离气候变化和人类活动对植被生产力的影响，从而定量评估两者的影响大小，研究结果表明：（1）在气候变化和人类活动的叠加作用下，三江源地区植被生产力、气候生产力和人类活动影响均趋于好转，平均每10a分别增加179kg·hm<sup>-2</sup>、154kg ·hm<sup>-2</sup>和24kg·hm<sup>-2</sup>；（2）气候变化是影响植被生产力的决定性因素，但人类活动在一定程度上加快了其变化速率，尤其是进入21世纪以来人类活动正面影响较为明显，气候变化和人类活动对植被生产力的贡献率分别为87%和13%。 |
| [12] | . 基于GIMMS NDVI以及MODIS NDVI数据,分析内蒙古地区1981-2010年的植被变化趋势,并结合气候、社会经济数据,以旗县为单位定量分析气候变化和人类活动对植被变化的影响,结果表明:(1)1981-2010年间,内蒙古地区植被变化具有典型的空间异质性,其中植被显著增加区域主要集中在西南部的阿拉善盟、鄂尔多斯市以及东部通辽市等地区,显著减少区域主要集中在北部的锡林郭勒盟以及东北部的呼伦贝尔市的部分地区;(2)对于植被显著增加区域,人类活动作用的影响面积最大,其次为气候因素,气候与人类活动的耦合作用也对植被增加有一定显著影响;内蒙古西部降雨量的增加、围封禁牧政策的实施以及农作物播种面积的增加为驱动植被增加的主要因素;(3)对于植被显著减少区域,人类活动的作用略大于气候因素;内蒙古中东部地区降雨减少以及近10年来部分旗县风速的增加是导致植被显著减少的重要气候因素;虽然人工造林、农作物播种面积会增加局部植被盖度,但在县域尺度不足以抵消干旱对植被生长的不利影响,反而会导致区域植被退化。 . 基于GIMMS NDVI以及MODIS NDVI数据,分析内蒙古地区1981-2010年的植被变化趋势,并结合气候、社会经济数据,以旗县为单位定量分析气候变化和人类活动对植被变化的影响,结果表明:(1)1981-2010年间,内蒙古地区植被变化具有典型的空间异质性,其中植被显著增加区域主要集中在西南部的阿拉善盟、鄂尔多斯市以及东部通辽市等地区,显著减少区域主要集中在北部的锡林郭勒盟以及东北部的呼伦贝尔市的部分地区;(2)对于植被显著增加区域,人类活动作用的影响面积最大,其次为气候因素,气候与人类活动的耦合作用也对植被增加有一定显著影响;内蒙古西部降雨量的增加、围封禁牧政策的实施以及农作物播种面积的增加为驱动植被增加的主要因素;(3)对于植被显著减少区域,人类活动的作用略大于气候因素;内蒙古中东部地区降雨减少以及近10年来部分旗县风速的增加是导致植被显著减少的重要气候因素;虽然人工造林、农作物播种面积会增加局部植被盖度,但在县域尺度不足以抵消干旱对植被生长的不利影响,反而会导致区域植被退化。 |
| [13] | . 受塔里木河流域综合治理工程实施和近期气候变化的影响,流域植被覆被时空分布产生一定的变化,厘清植被覆被与流域气候变化及人类活动的关系可以为塔里木河流域生态维护与治理提供科学参考依据。为此,论文以NDVI为指示因子,运用趋势分析、R/S分析、偏相关分析以及残差分析等方法,分析了2000—2013年综合治理工程期间NDVI的时空变化特征,并探讨及区分降水、气温气候因子以及人类活动对植被覆被变化的影响范围和程度,结果表明:1)2000—2013年,塔里木河流域植被生长季NDVI总体呈现增加趋势,增加速率为0.8%/10 a,平原区增速明显高于山区;且开都河-孔雀河流域山区、塔里木河干流的上、中游部分地区呈现比较明显的退化趋势。与此同时,塔里木河干流下游生长季NDVI持续改善。2)山区植被覆被变化主要受气候变化的影响,其中温度是高山区植被生长的主要限制因子,温度的增加促进植被的生长;中低山区以及出山口平原地区植被生长季NDVI变化是降水和温度共同作用的结果,且主要受降水的影响。降水与植被生长季NDVI变化呈正相关,温度与植被生长季NDVI变化呈负相关。3)平原绿洲区植被生长季NDVI增加主要是绿洲灌区面积不断增加以及塔里木河流域生态治理工程对植被恢复的结果,人类活动是该区域植被生长的主要驱动力。4)塔里木河干流生态闸工程在恢复下游植被的同时,也在一定程度上影响了上、中游地区的用水,尤其是导致中游植被出现退化趋势,退化速率约为0.1%/10 a。相关部门应进一步加强水资源的合理配置,充分发挥生态闸工程的水资源调度调控作用。 . 受塔里木河流域综合治理工程实施和近期气候变化的影响,流域植被覆被时空分布产生一定的变化,厘清植被覆被与流域气候变化及人类活动的关系可以为塔里木河流域生态维护与治理提供科学参考依据。为此,论文以NDVI为指示因子,运用趋势分析、R/S分析、偏相关分析以及残差分析等方法,分析了2000—2013年综合治理工程期间NDVI的时空变化特征,并探讨及区分降水、气温气候因子以及人类活动对植被覆被变化的影响范围和程度,结果表明:1)2000—2013年,塔里木河流域植被生长季NDVI总体呈现增加趋势,增加速率为0.8%/10 a,平原区增速明显高于山区;且开都河-孔雀河流域山区、塔里木河干流的上、中游部分地区呈现比较明显的退化趋势。与此同时,塔里木河干流下游生长季NDVI持续改善。2)山区植被覆被变化主要受气候变化的影响,其中温度是高山区植被生长的主要限制因子,温度的增加促进植被的生长;中低山区以及出山口平原地区植被生长季NDVI变化是降水和温度共同作用的结果,且主要受降水的影响。降水与植被生长季NDVI变化呈正相关,温度与植被生长季NDVI变化呈负相关。3)平原绿洲区植被生长季NDVI增加主要是绿洲灌区面积不断增加以及塔里木河流域生态治理工程对植被恢复的结果,人类活动是该区域植被生长的主要驱动力。4)塔里木河干流生态闸工程在恢复下游植被的同时,也在一定程度上影响了上、中游地区的用水,尤其是导致中游植被出现退化趋势,退化速率约为0.1%/10 a。相关部门应进一步加强水资源的合理配置,充分发挥生态闸工程的水资源调度调控作用。 |
| [14] | . 采用Spot VEGETATION 逐旬NDVI数据、1 ∶ 100万植被类型图和气象站资料,在掌握近10a三江源地区植被变化趋势基础上,分不同植被类型探讨植被生长对气候变化的响应机制,并通过分离气候要素与人类活动对NDVI的贡献,定量评估生态保护与建设工程的实施效果。结果表明,区域尺度上,三江源地区2001-2010年植被生长呈好转趋势,植被增长从东南向西北递减;在10a时间尺度上,气候变化是影响植被生长的决定性因素,但人类活动可在短期内加快植被变化速率,气候要素和人类活动对植被生长的贡献分别为79.32%和20.68%;降水和气温对植被生长的影响程度相当,其中受春季和秋季的降水和气温影响最大,尤其是植被生长季前后一个月(4月份和10月份)的气候条件;与林地和灌丛相比,高寒草地受气候条件的抑制作用更为明显,其中高寒草甸受气候变化的影响最大,NDVI与降水和气温均具有较高相关性,高寒草原受气温的影响比较大,而高山植被受降水的抑制作用更为明显;在气候条件利于植被生长的趋势下,2001-2010年三江源地区的人类活动对生态环境表现出正影响,实测NDVI<sub>max</sub>与模拟NDVI<sub>max</sub>之间的残差为0.0863,表明生态保护与建设行动取得初步成效,其中黄河源区东部和长江源区通天河两侧的生态恢复效益最为明显,而在唐古拉山、昆仑山、布青山、阿尼玛卿山等山脉的周边地区,人类活动对生态环境仍表现为负影响;时间尺度上人类活动对植被的正影响呈现出下降趋势,2001-2010年NDVI<sub>max</sub>残差的回归斜率为-0.0039,表明生态项目实施的短期行为严重,生态建设的效果缺乏长效性。 . 采用Spot VEGETATION 逐旬NDVI数据、1 ∶ 100万植被类型图和气象站资料,在掌握近10a三江源地区植被变化趋势基础上,分不同植被类型探讨植被生长对气候变化的响应机制,并通过分离气候要素与人类活动对NDVI的贡献,定量评估生态保护与建设工程的实施效果。结果表明,区域尺度上,三江源地区2001-2010年植被生长呈好转趋势,植被增长从东南向西北递减;在10a时间尺度上,气候变化是影响植被生长的决定性因素,但人类活动可在短期内加快植被变化速率,气候要素和人类活动对植被生长的贡献分别为79.32%和20.68%;降水和气温对植被生长的影响程度相当,其中受春季和秋季的降水和气温影响最大,尤其是植被生长季前后一个月(4月份和10月份)的气候条件;与林地和灌丛相比,高寒草地受气候条件的抑制作用更为明显,其中高寒草甸受气候变化的影响最大,NDVI与降水和气温均具有较高相关性,高寒草原受气温的影响比较大,而高山植被受降水的抑制作用更为明显;在气候条件利于植被生长的趋势下,2001-2010年三江源地区的人类活动对生态环境表现出正影响,实测NDVI<sub>max</sub>与模拟NDVI<sub>max</sub>之间的残差为0.0863,表明生态保护与建设行动取得初步成效,其中黄河源区东部和长江源区通天河两侧的生态恢复效益最为明显,而在唐古拉山、昆仑山、布青山、阿尼玛卿山等山脉的周边地区,人类活动对生态环境仍表现为负影响;时间尺度上人类活动对植被的正影响呈现出下降趋势,2001-2010年NDVI<sub>max</sub>残差的回归斜率为-0.0039,表明生态项目实施的短期行为严重,生态建设的效果缺乏长效性。 |
| [15] | . 利用GIMMS NDVI数据和气象数据,采用趋势分析、残差分析和相对作用分析对华北地区1981—2006年植被覆盖时空变化特征进行了分析,并计算了气候变化和人类活动在植被覆盖变化过程中的相对作用。结果表明,1981—2006年华北地区植被NDVI呈现显著上升趋势,其增加速率为0.009/10 a,但却存在着明显的空间差异,且植被NDVI退化区域面积大于改善区域面积;华北地区植被覆盖变化与干燥度指数和气温有很好的相关性,说明气候变化是影响植被覆盖变化的重要因素;此外,无论在华北地区植被改善区域还是退化区域,人类活动起到的作用都占据了主导地位。在植被改善区,人类活动的相对作用为68.10%,大于气候变化的相对作用（31.90%）,在植被退化区,人类活动的相对作用为71.88%,也远大于气候变化的相对作用（28.12%）,且气候变化和人类活动的相对作用大小在不同空间位置上表现不同。 . 利用GIMMS NDVI数据和气象数据,采用趋势分析、残差分析和相对作用分析对华北地区1981—2006年植被覆盖时空变化特征进行了分析,并计算了气候变化和人类活动在植被覆盖变化过程中的相对作用。结果表明,1981—2006年华北地区植被NDVI呈现显著上升趋势,其增加速率为0.009/10 a,但却存在着明显的空间差异,且植被NDVI退化区域面积大于改善区域面积;华北地区植被覆盖变化与干燥度指数和气温有很好的相关性,说明气候变化是影响植被覆盖变化的重要因素;此外,无论在华北地区植被改善区域还是退化区域,人类活动起到的作用都占据了主导地位。在植被改善区,人类活动的相对作用为68.10%,大于气候变化的相对作用（31.90%）,在植被退化区,人类活动的相对作用为71.88%,也远大于气候变化的相对作用（28.12%）,且气候变化和人类活动的相对作用大小在不同空间位置上表现不同。 |
| [16] | . Red and near-infrared satellite data from the Advanced Very High Resolution Radiometer sensor have been processed over several days and combined to produce spatially continuous cloud-free imagery over large areas with sufficient temporal resolution to study green-vegetation dynamics. The technique minimizes cloud contamination, reduces directional reflectance and off-nadir viewing effects, minimizes sun-angle and shadow effects, and minimizes aerosol and water-vapour effects. The improvement is highly dependent on the state of the atmosphere, surface-cover type, and the viewing and illumination geometry of the sun, target and sensor. An example from southern Africa showed an increase of 40 per cent from individual image values to the final composite image. Limitations'' associated with the technique are discussed, and recommendations are given to improve this approach |
| [17] | . 陆地植被作为地球陆地表面重要的组成部分,其变化直接影响着地球系统物质与能量的平衡.采用1982~2006年NOAA/AVHRR的NDVI数据和2001~2009年MODIS的NDVI数据,从全国尺度上,分析了近30年来农业植被、森林植被、草地植被与稀疏植被区植被活动的变化特征,并利用气候数据与农业生产统计数据探讨了他们之间的关系.研究结果显示:近30年来中国陆地植被活动整体趋于增强,但在不同时期、地区差异较大;植被活动变化在区域上受人为因素的影响明显,如在西北稀疏植被区与南方森林植被区;通过对农业生产统计数据的分析发现,植被活动直接左右着农业生产,但在时间上存在一定的滞后性. . 陆地植被作为地球陆地表面重要的组成部分,其变化直接影响着地球系统物质与能量的平衡.采用1982~2006年NOAA/AVHRR的NDVI数据和2001~2009年MODIS的NDVI数据,从全国尺度上,分析了近30年来农业植被、森林植被、草地植被与稀疏植被区植被活动的变化特征,并利用气候数据与农业生产统计数据探讨了他们之间的关系.研究结果显示:近30年来中国陆地植被活动整体趋于增强,但在不同时期、地区差异较大;植被活动变化在区域上受人为因素的影响明显,如在西北稀疏植被区与南方森林植被区;通过对农业生产统计数据的分析发现,植被活动直接左右着农业生产,但在时间上存在一定的滞后性. |
| [18] | . 利用GIMMS NDVI、MODIS NDVI和气象数据,辅以趋势分析、分段回归以及相关分析等方法,分析了1982-2012年我国植被NDVI时空变化特征及其驱动因素。结果表明:(1)近30年我国植被NDVI呈缓慢增加趋势,增速为0.2%/10a;植被覆盖变化阶段性特征明显:即1982-1997年和1997-2012年植被覆盖均呈显著增加趋势,增速分别为1.2%/10a和0.6%/10a,均通过显著水平0.05的检验。(2)空间上,我国陕北黄土高原、西藏中西部以及新疆准格尔盆地等地区植被NDVI呈显著增加趋势;而东北地区的大、小兴安岭和长白山、新疆北部的天山和阿尔泰山以及黄河源和秦巴山区等地区植被NDVI呈显著下降趋势,其中东北地区和新疆北部山区下降尤为显著,说明近年来我国中高纬度山区植被活动呈下降趋势。(3)不同区域植被对气温和降水的响应存在差异,我国北方地区植被对气温具有较长的响应持续时间;而除云南外,南方地区植被对降水的响应时间存在1-3个月的响应时间,且随着滞后时间的延长,相关性逐渐增大。(4)我国植被覆盖增加是气候变化和人类活动共同驱动的结果,尤其是1999年之后人类活动影响逐渐加强。而我国东北地区和新疆北部山区植被覆盖的下降可能是由于该区降水减少所致,东南沿海地区植被退化则受城市化影响显著。 . 利用GIMMS NDVI、MODIS NDVI和气象数据,辅以趋势分析、分段回归以及相关分析等方法,分析了1982-2012年我国植被NDVI时空变化特征及其驱动因素。结果表明:(1)近30年我国植被NDVI呈缓慢增加趋势,增速为0.2%/10a;植被覆盖变化阶段性特征明显:即1982-1997年和1997-2012年植被覆盖均呈显著增加趋势,增速分别为1.2%/10a和0.6%/10a,均通过显著水平0.05的检验。(2)空间上,我国陕北黄土高原、西藏中西部以及新疆准格尔盆地等地区植被NDVI呈显著增加趋势;而东北地区的大、小兴安岭和长白山、新疆北部的天山和阿尔泰山以及黄河源和秦巴山区等地区植被NDVI呈显著下降趋势,其中东北地区和新疆北部山区下降尤为显著,说明近年来我国中高纬度山区植被活动呈下降趋势。(3)不同区域植被对气温和降水的响应存在差异,我国北方地区植被对气温具有较长的响应持续时间;而除云南外,南方地区植被对降水的响应时间存在1-3个月的响应时间,且随着滞后时间的延长,相关性逐渐增大。(4)我国植被覆盖增加是气候变化和人类活动共同驱动的结果,尤其是1999年之后人类活动影响逐渐加强。而我国东北地区和新疆北部山区植被覆盖的下降可能是由于该区降水减少所致,东南沿海地区植被退化则受城市化影响显著。 |
| [19] | . 以秦岭南北39个气象站点1959-2009年1月平均气温为基础,考虑地形因素对温度场的影响,采取基于DEM的空间插值方法,获取秦岭山地复杂地形下的1月气温空间插值数据集,并在此基础上提取1月0oC等温线,研究了50年来秦岭山地1月平均气温和1月0oC等温线的变化情况。结果表明:秦岭南北1月月均气温均表现为上升趋势,温度变化倾向率约为0.2oC/10a;50年来秦岭1月0oC等温线发生了明显上升,平均上升高度为143.7m。从经度上看,107°E～109°E范围内1月0oC等温线所处海拔高度的变化最为强烈,50年来上升高度达166.2m,明显高于东西两段;1993年是秦岭地区气温明显上升的突变点,气温突变后1月0oC等温线比突变前平均上升了113.82m。 . 以秦岭南北39个气象站点1959-2009年1月平均气温为基础,考虑地形因素对温度场的影响,采取基于DEM的空间插值方法,获取秦岭山地复杂地形下的1月气温空间插值数据集,并在此基础上提取1月0oC等温线,研究了50年来秦岭山地1月平均气温和1月0oC等温线的变化情况。结果表明:秦岭南北1月月均气温均表现为上升趋势,温度变化倾向率约为0.2oC/10a;50年来秦岭1月0oC等温线发生了明显上升,平均上升高度为143.7m。从经度上看,107°E～109°E范围内1月0oC等温线所处海拔高度的变化最为强烈,50年来上升高度达166.2m,明显高于东西两段;1993年是秦岭地区气温明显上升的突变点,气温突变后1月0oC等温线比突变前平均上升了113.82m。 |
| [20] | . 为了探索适合地形复杂区青海省的逐日地区气温数据空间插值方法， 利用2008年7月青海省48个地面气象观测站获取的逐日气温数据进行插值试验， 首先通过对逐日气温值与对应的测站高程进行回归分析， 将回归分析得到的气温垂直递减率与数字高程模型（Digital Elevation Model， DEM）该站的高度相乘， 并与回归直线截距相加产生网格化的回归气温值， 同时对残差采用常见的空间内插方法（IDW， RBF， OK）进行插值， 然后将网格化的回归气温值与残差的插值结果相加, 得到空间化的逐日气温数据， 最后分析和比较了这几种插值方法的结果。结果表明, 空间化的逐日气温结果能较为准确地反映出青海省气温的空间分布特征。 . 为了探索适合地形复杂区青海省的逐日地区气温数据空间插值方法， 利用2008年7月青海省48个地面气象观测站获取的逐日气温数据进行插值试验， 首先通过对逐日气温值与对应的测站高程进行回归分析， 将回归分析得到的气温垂直递减率与数字高程模型（Digital Elevation Model， DEM）该站的高度相乘， 并与回归直线截距相加产生网格化的回归气温值， 同时对残差采用常见的空间内插方法（IDW， RBF， OK）进行插值， 然后将网格化的回归气温值与残差的插值结果相加, 得到空间化的逐日气温数据， 最后分析和比较了这几种插值方法的结果。结果表明, 空间化的逐日气温结果能较为准确地反映出青海省气温的空间分布特征。 |
| [21] | . 以2009 年全国2203 个气象台站累积降水数据为例，采取逐步抽稀方法，定量分析大样本的数据样本量、样本空间分布、以及不同空间插值方法对插值结果的影响。研究表明：①在随机抽样中，总体而言，平均绝对误差(MAE)、均方根误差(RMSE)随着插值样本量的减小而增加、相关系数递减，特别当抽样比<20%时，MAE、RMSE显著增加，<em>R</em><sup>2</sup>显著减少；②以Thiessen 多边形剖分的方式检验随机抽样、等间隔抽样、分区单站点控制面积约束抽样分布的均匀性，经交叉验证后知，样本空间分布对降水空间插值的结果影响比较复杂，并非越均匀越好；③对随机组中抽样比≥ 4%的数据和等间隔组，采用Kriging 方法插值，插值结果优于IDW方法。以等间隔分布的(50%，50%)、(20%，80%)数据为例，采用IDW、Kriging 方法，得到2009 年全国降水空间分布图，降水空间分布规律与中国2009年实际降水量分布吻合。 . 以2009 年全国2203 个气象台站累积降水数据为例，采取逐步抽稀方法，定量分析大样本的数据样本量、样本空间分布、以及不同空间插值方法对插值结果的影响。研究表明：①在随机抽样中，总体而言，平均绝对误差(MAE)、均方根误差(RMSE)随着插值样本量的减小而增加、相关系数递减，特别当抽样比<20%时，MAE、RMSE显著增加，<em>R</em><sup>2</sup>显著减少；②以Thiessen 多边形剖分的方式检验随机抽样、等间隔抽样、分区单站点控制面积约束抽样分布的均匀性，经交叉验证后知，样本空间分布对降水空间插值的结果影响比较复杂，并非越均匀越好；③对随机组中抽样比≥ 4%的数据和等间隔组，采用Kriging 方法插值，插值结果优于IDW方法。以等间隔分布的(50%，50%)、(20%，80%)数据为例，采用IDW、Kriging 方法，得到2009 年全国降水空间分布图，降水空间分布规律与中国2009年实际降水量分布吻合。 |
| [22] | . 人类活动是NPP变化的重要影响因子，定量计算NPP人为影响值具有较重要的意义。提出基于变异系数法的NPP人为影响模型，对其基本概念、理论基础、计算流程等进行了阐述，并以石羊河流域为研究区，分析该流域NPP人为影响分布规律。研究结果表明：（1）该模型基于一种间接计算的思想回避了人为作用的复杂过程，模型理论科学，以变异系数为参数，所需参数少，技术可行，计算结果为NPP值，易于定量评价。（2）2000-2010年期间，石羊河流域人类活动对植被NPP的影响广泛而严重，年均影响值大于40gC m<sup>-2</sup>a<sup>-1</sup>的面积占96.21%，影响程度严重以上占26.94%。NPP人为正负影响均较大，正影响年均为1.63×10<sup>6</sup>gC m<sup>-2</sup>a<sup>-1</sup>，负影响年均为1.21×10<sup>6</sup>gC m<sup>-2</sup>a<sup>-1</sup>，年均净增加4.20×10<sup>5</sup>gC m<sup>-2</sup>a<sup>-1</sup>；正向平均影响强度为136.84 gC m<sup>-2</sup>a<sup>-1</sup>，负向平均影响强度为100.32 gC m<sup>-2</sup>a<sup>-1</sup>，全流域表现为正影响。（3）凉州区是人为影响最为剧烈的地区，表现为强烈正影响；其次是天祝县，为强烈负影响；接下来是民勤县，表现为正影响；其它县区依次是永昌、古浪、肃南和金昌。（4）2000-2010期间，NPP人为影响值变化较大，人为活动减弱面积占53.90%，增加占46.10%；影响值正向减弱8.12×10<sup>5</sup> gC m<sup>-2</sup>a<sup>-1</sup>，负向减弱8.07×10<sup>5</sup>gC m<sup>-2</sup>a<sup>-1</sup>，正向增强8.02×10<sup>5</sup>gC m<sup>-2</sup>a<sup>-1</sup>，负向增强3.94×10<sup>5</sup>gC m<sup>-2</sup>a<sup>-1</sup>，人为活动影响净减少4.25×10<sup>5</sup>gC m<sup>-2</sup>a<sup>-1</sup>，人为作用总体呈减弱趋势。 . 人类活动是NPP变化的重要影响因子，定量计算NPP人为影响值具有较重要的意义。提出基于变异系数法的NPP人为影响模型，对其基本概念、理论基础、计算流程等进行了阐述，并以石羊河流域为研究区，分析该流域NPP人为影响分布规律。研究结果表明：（1）该模型基于一种间接计算的思想回避了人为作用的复杂过程，模型理论科学，以变异系数为参数，所需参数少，技术可行，计算结果为NPP值，易于定量评价。（2）2000-2010年期间，石羊河流域人类活动对植被NPP的影响广泛而严重，年均影响值大于40gC m<sup>-2</sup>a<sup>-1</sup>的面积占96.21%，影响程度严重以上占26.94%。NPP人为正负影响均较大，正影响年均为1.63×10<sup>6</sup>gC m<sup>-2</sup>a<sup>-1</sup>，负影响年均为1.21×10<sup>6</sup>gC m<sup>-2</sup>a<sup>-1</sup>，年均净增加4.20×10<sup>5</sup>gC m<sup>-2</sup>a<sup>-1</sup>；正向平均影响强度为136.84 gC m<sup>-2</sup>a<sup>-1</sup>，负向平均影响强度为100.32 gC m<sup>-2</sup>a<sup>-1</sup>，全流域表现为正影响。（3）凉州区是人为影响最为剧烈的地区，表现为强烈正影响；其次是天祝县，为强烈负影响；接下来是民勤县，表现为正影响；其它县区依次是永昌、古浪、肃南和金昌。（4）2000-2010期间，NPP人为影响值变化较大，人为活动减弱面积占53.90%，增加占46.10%；影响值正向减弱8.12×10<sup>5</sup> gC m<sup>-2</sup>a<sup>-1</sup>，负向减弱8.07×10<sup>5</sup>gC m<sup>-2</sup>a<sup>-1</sup>，正向增强8.02×10<sup>5</sup>gC m<sup>-2</sup>a<sup>-1</sup>，负向增强3.94×10<sup>5</sup>gC m<sup>-2</sup>a<sup>-1</sup>，人为活动影响净减少4.25×10<sup>5</sup>gC m<sup>-2</sup>a<sup>-1</sup>，人为作用总体呈减弱趋势。 |
| [23] | . <div >基于MODIS卫星遥感数据，研究石羊河流域2000—2010年植被NPP的时空分布与变异特征，分析其与气候变化和人为影响的关系，并建立NPP人为影响模型。结果表明：石羊河流域NPP总量先升后降，在2002年达到顶点，再逐年下降，但下降过程中呈现一种周期起伏特征；整体来看，NPP变化与降雨呈明显的正相关性，与气温相关性不明显；局部地区来看，NPP与降雨显著相关，有些地区NPP与气温相关性也较强；年降雨量相关分界线为380与170 mm，>380 mm的地区气温为主导因子，介于170～380 m的地区主导因子是降雨，<170 mm的地区，降雨与人为影响共同主导。分析表明，2000—2010年，在人为作用下，石羊河流域植被NPP值年际增加量为2353.86 g C·m<sup>-2</sup>·a<sup>-1</sup>，表明该流域生态环境治理工程实施后，植被覆盖状况得到一定的改善。从植被类型来看，草地受人为影响的正向与负向作用均最为剧烈；农田受人为影响也很明显，耕种方式的改进与管理措施提高使NPP增加；绿洲边缘的戈壁植被、盐碱地植被、沙地植被、林地等受人为影响基本为正向，植被覆盖面积与质量均有所增加。</div><div > </div> . <div >基于MODIS卫星遥感数据，研究石羊河流域2000—2010年植被NPP的时空分布与变异特征，分析其与气候变化和人为影响的关系，并建立NPP人为影响模型。结果表明：石羊河流域NPP总量先升后降，在2002年达到顶点，再逐年下降，但下降过程中呈现一种周期起伏特征；整体来看，NPP变化与降雨呈明显的正相关性，与气温相关性不明显；局部地区来看，NPP与降雨显著相关，有些地区NPP与气温相关性也较强；年降雨量相关分界线为380与170 mm，>380 mm的地区气温为主导因子，介于170～380 m的地区主导因子是降雨，<170 mm的地区，降雨与人为影响共同主导。分析表明，2000—2010年，在人为作用下，石羊河流域植被NPP值年际增加量为2353.86 g C·m<sup>-2</sup>·a<sup>-1</sup>，表明该流域生态环境治理工程实施后，植被覆盖状况得到一定的改善。从植被类型来看，草地受人为影响的正向与负向作用均最为剧烈；农田受人为影响也很明显，耕种方式的改进与管理措施提高使NPP增加；绿洲边缘的戈壁植被、盐碱地植被、沙地植被、林地等受人为影响基本为正向，植被覆盖面积与质量均有所增加。</div><div > </div> |
| [24] | . 宁夏自2000年后实施退耕还林以来,局部地区的生态环境得到明显改善,为探求近15来年宁夏地区植被的动态变化及其影响因子,本文以MOD13Q1为数据源,结合DEM数据、土地利用分类图,采用Sen＋Mann-Kendall非参数检验方法和Hurst模型,分析了宁夏不同行政区、不同海拔、不同坡度、不同坡向及不同植被类型生长季NDVI的空间变化特征及未来变化趋势;并利用重心迁移模型和转移矩阵分析宁夏2000-2014年间植被覆盖的时空演变特征。结果表明：（1）从空间分布看,宁夏南部六盘山、北部贺兰山及引黄灌溉区植被长势较好,中部干旱地区植被长势较差;且植被NDVI与海拔高程和坡度呈显著正相关。（2）从植被覆盖的转移矩阵看,较高植被覆盖的面积占比从2000年的17.29%增长到2014年的31.55%,主要是由较低植被覆盖转化而来的。（3）从重心迁移方向看,中度植被覆盖和较高植被覆盖的重心迁移最为明显,分别向东北方向偏移了129.49 km和向东南方向偏移了89.49km。（4）从变化趋势看,生长季植被NDVI整体呈上升趋势,明显改善的面积占总面积的59.63%,轻微改善区域占31.72%;林地和水田显著改善的面积分别占总面积的71.50%和70.80%;显著改善的面积比例随海拔高程和坡度的增加均先增加后减少,且南部各行政区植被改善的面积均高于北部。（5）从可持续性看,植被恢复的持续性较强,89.24%的植被NDVI呈现持续改善的趋势;南部地区的持续改善的面积大于北部地区。 . 宁夏自2000年后实施退耕还林以来,局部地区的生态环境得到明显改善,为探求近15来年宁夏地区植被的动态变化及其影响因子,本文以MOD13Q1为数据源,结合DEM数据、土地利用分类图,采用Sen＋Mann-Kendall非参数检验方法和Hurst模型,分析了宁夏不同行政区、不同海拔、不同坡度、不同坡向及不同植被类型生长季NDVI的空间变化特征及未来变化趋势;并利用重心迁移模型和转移矩阵分析宁夏2000-2014年间植被覆盖的时空演变特征。结果表明：（1）从空间分布看,宁夏南部六盘山、北部贺兰山及引黄灌溉区植被长势较好,中部干旱地区植被长势较差;且植被NDVI与海拔高程和坡度呈显著正相关。（2）从植被覆盖的转移矩阵看,较高植被覆盖的面积占比从2000年的17.29%增长到2014年的31.55%,主要是由较低植被覆盖转化而来的。（3）从重心迁移方向看,中度植被覆盖和较高植被覆盖的重心迁移最为明显,分别向东北方向偏移了129.49 km和向东南方向偏移了89.49km。（4）从变化趋势看,生长季植被NDVI整体呈上升趋势,明显改善的面积占总面积的59.63%,轻微改善区域占31.72%;林地和水田显著改善的面积分别占总面积的71.50%和70.80%;显著改善的面积比例随海拔高程和坡度的增加均先增加后减少,且南部各行政区植被改善的面积均高于北部。（5）从可持续性看,植被恢复的持续性较强,89.24%的植被NDVI呈现持续改善的趋势;南部地区的持续改善的面积大于北部地区。 |
| [25] | . The least squares estimator of a regression coefficient 0205 is vulnerable to gross errors and the associated confidence interval is, in addition, sensitive to non-normality of the parent distribution. In this paper, a simple and robust (point as well as interval) estimator of 0205 based on Kendall''s [6] rank correlation tau is studied. The point estimator is the median of the set of slopes (Yj - Yi)/(tj-ti) joining pairs of points with ti 090902 ti, and is unbiased. The confidence interval is also determined by two order statistics of this set of slopes. Various properties of these estimators are studied and compared with those of the least squares and some other nonparametric estimators. |
| [26] | . 基于遥感的植被长时序变化特征是植被生态学研究的核心领域,也是全球变化研究的重点方向.AVHRR、SPOT VGT和MODIS是当前研究植被长时序趋势变化的主要数据源.海量数据不断积累的同时,植被长时序趋势特征研究方法却缺乏对比评价和分析.当前常用的方法有代数运算法、傅里叶变换、主成分分析、小波变换法、回归分析法和相关系数分析法等.在对各种方法评述和分析的基础上.重点讨论和对比了主流方法中的回归分析法和相关系数分析与新兴方法Sen+Mann-Kendall法.结果表明,Sen+Mann-Kendall能克服主流方法的不足,不需要数据服从某一特定分布,并且对数据的误差具有较强的抵抗能力.<dt><strong><t>Abstract：</t></strong></dt><dd>The long time series vegetation trends (LTSVT) research based on remote sensing in large area is the core field of vegetation ecology and an important direction in the global change study. AVHRR, SPOT VGT and MODIS are currently the main data resources of LTSVT research. With volumes of remote sensing data, the analysis and evaluation methods for LTSVT study emerged as an urgent issue. Algebra calculation, Fourier transformation, PCA analysis, wavelet transform, linear trend analysis (LTA), correlation analysis (CA), etc., are the main methods. After the assessing and grouping of the methods, we focused on comparing the LTA and CA, which were well accepted methods, with the newly introduced Sen + Mann-Kendall method. Our review showed Sen + Mann-Kendall had a strong strength of errors resistance and was not constrained by the data statistical distribution. . 基于遥感的植被长时序变化特征是植被生态学研究的核心领域,也是全球变化研究的重点方向.AVHRR、SPOT VGT和MODIS是当前研究植被长时序趋势变化的主要数据源.海量数据不断积累的同时,植被长时序趋势特征研究方法却缺乏对比评价和分析.当前常用的方法有代数运算法、傅里叶变换、主成分分析、小波变换法、回归分析法和相关系数分析法等.在对各种方法评述和分析的基础上.重点讨论和对比了主流方法中的回归分析法和相关系数分析与新兴方法Sen+Mann-Kendall法.结果表明,Sen+Mann-Kendall能克服主流方法的不足,不需要数据服从某一特定分布,并且对数据的误差具有较强的抵抗能力.<dt><strong><t>Abstract：</t></strong></dt><dd>The long time series vegetation trends (LTSVT) research based on remote sensing in large area is the core field of vegetation ecology and an important direction in the global change study. AVHRR, SPOT VGT and MODIS are currently the main data resources of LTSVT research. With volumes of remote sensing data, the analysis and evaluation methods for LTSVT study emerged as an urgent issue. Algebra calculation, Fourier transformation, PCA analysis, wavelet transform, linear trend analysis (LTA), correlation analysis (CA), etc., are the main methods. After the assessing and grouping of the methods, we focused on comparing the LTA and CA, which were well accepted methods, with the newly introduced Sen + Mann-Kendall method. Our review showed Sen + Mann-Kendall had a strong strength of errors resistance and was not constrained by the data statistical distribution. |
| [27] | |
| [28] | . 黄河流域位于干旱、半干旱和半湿润地区，生态环境脆弱，近年来，在气候变化和人类活动影响下，植被覆盖状况发生了变化。因此需要对黄河流域植被覆盖的变化进行监测，进而掌握流域植被的动态变化特征。在此背景下，利用2000-2010年的250 m分辨率的MOD13Q1数据来研究黄河流域植被覆盖区域的NDVI时空变化特征。采用Theil-Sen Median趋势分析和Mann-Kendall检验来研究NDVI的变化趋势特征，通过对Theil-Sen Median趋势分析和Mann-Kendall检验的结果和Hurst指数的结果的叠加，来研究NDVI的可持续特征。研究表明：1）从空间分布上看，黄河流域NDVI呈现出西部和东南部高，北部低的特征；2）从时间变化特征上看，2000-2010年植被覆盖区域年均NDVI均值在0.3-0.4之间波动，其中2000-2004年NDVI波动较大，但自2005年以来NDVI呈现快速增长的趋势；3）从变化趋势上看，2000-2010年黄河流域植被改善的区域远远大于退化的区域，改善的区域占植被覆盖区域总面积的62.9%，退化的区域占27.7%，9.4%的区域NDVI稳定不变；4）从可持续性来看，86.0%的植被覆盖区域NDVI呈现正向可持续性，即NDVI的可持续性较强；由变化趋势与Hurst指数的耦合信息得出，持续改善的面积占植被覆盖区域总面积的53.7%，持续稳定不变的区域占7.8%，持续退化的区域占24.5%，另外14.0%的区域未来变化趋势无法确定，持续退化和未来变化趋势无法确定区域的植被变化状况需要研究人员继续关注。 . 黄河流域位于干旱、半干旱和半湿润地区，生态环境脆弱，近年来，在气候变化和人类活动影响下，植被覆盖状况发生了变化。因此需要对黄河流域植被覆盖的变化进行监测，进而掌握流域植被的动态变化特征。在此背景下，利用2000-2010年的250 m分辨率的MOD13Q1数据来研究黄河流域植被覆盖区域的NDVI时空变化特征。采用Theil-Sen Median趋势分析和Mann-Kendall检验来研究NDVI的变化趋势特征，通过对Theil-Sen Median趋势分析和Mann-Kendall检验的结果和Hurst指数的结果的叠加，来研究NDVI的可持续特征。研究表明：1）从空间分布上看，黄河流域NDVI呈现出西部和东南部高，北部低的特征；2）从时间变化特征上看，2000-2010年植被覆盖区域年均NDVI均值在0.3-0.4之间波动，其中2000-2004年NDVI波动较大，但自2005年以来NDVI呈现快速增长的趋势；3）从变化趋势上看，2000-2010年黄河流域植被改善的区域远远大于退化的区域，改善的区域占植被覆盖区域总面积的62.9%，退化的区域占27.7%，9.4%的区域NDVI稳定不变；4）从可持续性来看，86.0%的植被覆盖区域NDVI呈现正向可持续性，即NDVI的可持续性较强；由变化趋势与Hurst指数的耦合信息得出，持续改善的面积占植被覆盖区域总面积的53.7%，持续稳定不变的区域占7.8%，持续退化的区域占24.5%，另外14.0%的区域未来变化趋势无法确定，持续退化和未来变化趋势无法确定区域的植被变化状况需要研究人员继续关注。 |
| [29] | . |
| [30] | . . |
