高级检索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

洋河流域NDVI时空变化及驱动力分析

贾京伟 牛健植 蔺星娜 朱志俊 吴姗姗

贾京伟, 牛健植, 蔺星娜, 朱志俊, 吴姗姗. 洋河流域NDVI时空变化及驱动力分析[J]. 北京林业大学学报, 2019, 41(2): 106-115. doi: 10.13332/j.1000-1522.20180046
引用本文: 贾京伟, 牛健植, 蔺星娜, 朱志俊, 吴姗姗. 洋河流域NDVI时空变化及驱动力分析[J]. 北京林业大学学报, 2019, 41(2): 106-115. doi: 10.13332/j.1000-1522.20180046
Jia Jingwei, Niu Jianzhi, Lin Xingna, Zhu Zhijun, Wu Shanshan. Temporal and spatial variations of NDVI and its driving factors in the Yanghe Watershed of northern China[J]. Journal of Beijing Forestry University, 2019, 41(2): 106-115. doi: 10.13332/j.1000-1522.20180046
Citation: Jia Jingwei, Niu Jianzhi, Lin Xingna, Zhu Zhijun, Wu Shanshan. Temporal and spatial variations of NDVI and its driving factors in the Yanghe Watershed of northern China[J]. Journal of Beijing Forestry University, 2019, 41(2): 106-115. doi: 10.13332/j.1000-1522.20180046

洋河流域NDVI时空变化及驱动力分析

doi: 10.13332/j.1000-1522.20180046
基金项目: 

科技创新服务能力建设-科研基地建设-林果业生态环境功能提升协同创新中心(211协同创新中心) PXM2018_014207_000024

总理基金“农业排放状况及强化治理方案” DQGG0208

详细信息
    作者简介:

    贾京伟。主要研究方向:3S技术在植被动态变化中的应用。Email:jingwei.jia@foxmail.com 地址:100083北京市海淀区清华东路35号北京林业大学水土保持学院

    通讯作者:

    牛健植,教授,博士生导师。研究方向:森林水文和景观生态。Email:niujianzhi@126.com 地址:同上

  • 中图分类号: Q948

Temporal and spatial variations of NDVI and its driving factors in the Yanghe Watershed of northern China

  • 摘要: 目的研究洋河流域的植被覆盖变化及驱动因素,可以为该区域生态建设及植被修复提供重要的参考价值。方法基于SPOT Vegetation NDVI数据、气象数据及土地利用数据,运用趋势分析、偏相关分析、复相关分析及残差分析等方法,探究1999—2015年气候变化及人类活动对洋河流域NDVI的影响。结果(1) 1999—2015年洋河流域NDVI整体呈上升趋势,增速为每10年3.9%,NDVI显著改善和显著退化的面积分别占流域总面积的57.90%和1.13%,其中有林地和灌木林地改善最为明显。(2)研究区有51.99%的区域NDVI变化受气候因子驱动明显,其中降水驱动型和降水、气温驱动型分别占流域总面积的26.13%和25.44%,前者主要分布在兴和、尚义、阳高、天镇、怀安及宣化等区域,后者主要分布在兴和南部及向东偏南方向延伸的带状区域,单一的年均气温对NDVI的变化影响较弱。(3)1999年以来,流域植被受人类活动的干扰逐渐增强,增速为每10年4.5%,以正向作用为主,正向作用主要分布在坝缘3县(尚义、万全、崇礼)及阳高等地,负向作用主要分布在城镇和农村等人口较为密集的地区。结论1999—2015年洋河流域NDVI变化是气候变化和人类活动共同作用的结果,但主要影响因素为人类活动干扰,京津风沙源治理等工程项目对当地的植被改善有十分重要的作用。
  • 图  1  研究区概况

    Figure  1.  Survey of the study area

    图  2  洋河流域土地利用类型

    Figure  2.  Land use types in the Yanghe River Basin

    图  3  洋河流域不同土地利用类型NDVI的年际变化

    Figure  3.  Interannual variations of NDVI of different land use types in the Yanghe River Basin

    图  4  NDVI变化趋势及显著性检验

    Figure  4.  Change trend and significance test of NDVI

    图  5  洋河流域NDVI与降水量的变化(a)及偏相关分布(b)

    Figure  5.  Change of NDVI and precipitation (a) and partial correlation distribution (b) in the Yanghe River Basin

    图  6  洋河流域NDVI与气温的变化(a)及偏相关分布(b)

    Figure  6.  Change of NDVI and temperature (a) and partial correlation distribution (b) in the Yanghe River Basin

    图  7  洋河流域NDVI与年降水量、年均气温的复相关分布

    Figure  7.  Multiple correlation distribution of NDVI and annual precipitation and annual average air temperature in the Yanghe River Basin

    图  8  1999—2015年洋河流域NDVI变化的气候因子驱动力分区

    Figure  8.  Climatic factor driving zoning of NDVI change in the Yanghe River Basin from 1999 to 2015

    图  9  1999—2015洋河流域年植被NDVI残差值时间变化(b)及变化趋势空间分布(a)

    Figure  9.  Temporal variations of vegetation NDVI residual value and spatial distribution of change trend during 1999-2015 in the Yanghe River Basin

    表  1  研究区植被NDVI变化等级划分标准

    Table  1.   Classification criteria for the change of vegetation NDVI in the study area

    变化类型
    Type of change
    检验显著性水平
    Test significance level
    斜率
    Slope (S)
    明显退化Apparent degradation P < 0.05 S < -0.016
    中度退化Moderate degeneration -0.016≤S≤-0.008
    轻度退化Mild degradation -0.008 < S≤0
    无显著变化No significant change P > 0.05
    轻度改善Mild improvement P < 0.05 0 < S0.008
    中度改善Moderate improvement 0.008≤S≤0.016
    明显改善Obvious improvement S > 0.016
    下载: 导出CSV

    表  2  NDVI变化驱动类型分区依据

    Table  2.   Driving type partition basis for NDVI changes

    NDVI变化类型
    Change type of NDVI
    分区依据Zoning basis
    rNDVIT-P rNDVIP-T RNDVIT-P
    气温驱动型
    Driven by air temperature
    tt0.1 FF0.1
    降水驱动型
    Driven by precipitation
    tt0.1 FF0.1
    降水、气温复合驱动型
    Combined driven by precipitation and air temperature
    tt0.1 tt0.1 FF0.1
    非气候因子驱动型
    Driven by non-climatic factors
    FF0.1
    下载: 导出CSV

    表  3  研究区年降水量、年均气温及人类活动对NDVI变化的影响

    Table  3.   Impact of annual precipitation, annual average temperature and human activities on NDVI in the study area

    NDVI变化趋势
    Changing trend of NDVI
    年降水量与年均气温对NDVI无复相关作用
    Annual precipitation and mean temperature have no multiple correlation effects on NDVI
    年降水量与年均气温对NDVI有复相关作用
    Annual precipitation and mean temperature have multiple correlation effects on NDVI
    人类活动无明显干扰作用的栅格数
    Raster number of human activities without obvious interference
    人类活动为负向干扰作用的栅格数
    Raster number of human activities as negative interference
    人类活动为正向干扰作用的栅格数
    Raster number of human activities as positive interference
    人类活动无明显干扰作用的栅格数
    Raster number of human activities without obvious interference
    人类活动为负向干扰作用的栅格数
    Raster number of human activities as negative interference
    人类活动为正向干扰作用的栅格数
    Raster number of human activities as positive interference
    明显退化Apparent degradation - 5 - - - -
    中度退化Moderate degeneration 4 154 - - - -
    轻度退化Mild degradation 4 34 - - - -
    无显著变化No significant change 3 441 112 7 3 629 11 116
    轻度改善Mild improvement 951 - 1 713 1 206 - 2 543
    中度改善Moderate improvement 2 - 2 083 6 - 1 765
    明显改善Obvious improvement 1 - 71 - - -
    总计Total 4 403 305 3 874 4 841 11 4 424
    注:人类活动无明显干扰为残差值变化未通过P < 0.1显著性检验区域,人类活动为负向/正向干扰的前提为残差值通过P < 0.1显著性检验区域。Notes: there is significant interference of human activities in the area where the residual passed the significance test (P < 0.1). Otherwise, there is no significant interference of human activities.
    下载: 导出CSV
  • [1] Parmesan C, Yohe G. A globally coherent fingerprint of climate change impacts across natural systems[J]. Nature, 2003, 421: 37-42. doi:  10.1038/nature01286
    [2] 信忠保, 许炯心, 郑伟.气候变化和人类活动对黄土高原植被覆盖变化的影响[J].中国科学D辑:地球科学, 2007, 37(11):1504-1514. http://d.old.wanfangdata.com.cn/Periodical/zgkx-cd200711009

    Xin Z B, Xu J X, Zheng W. China scientific impact of climate change and human activities on the Loess Plateau vegetation cover change[J]. Science in China Series D: Earth Sciences, 2007, 37(11): 1504-1514. http://d.old.wanfangdata.com.cn/Periodical/zgkx-cd200711009
    [3] 孙智辉, 刘志超, 雷延鹏, 等.延安北部丘陵沟壑区植被指数变化及其与气候的关系[J].生态学报, 2010, 30(2):196-200. http://d.old.wanfangdata.com.cn/Periodical/stxb201002032

    Sun Z H, Liu Z C, Lei Y P, et al. The variations of NDVI and the relation with climate in hilly and gully region of Northern Yan'an[J]. Acta Ecologica Sinica, 2010, 30(2):196-200. http://d.old.wanfangdata.com.cn/Periodical/stxb201002032
    [4] 张清雨, 吴绍洪, 赵东升, 等.内蒙古草地生长季植被变化对气候因子的响应[J].自然资源学报, 2013, 28(5): 754-764. http://cdmd.cnki.com.cn/Article/CDMD-10019-1016085174.htm

    Zhang Q Y, Wu S H, Zhao D S, et al. Responses of growing season vegetation changes to climatic factors in Inner Mongolia grassland[J]. Journal of Natural Resources, 2013, 28(5):754-764. http://cdmd.cnki.com.cn/Article/CDMD-10019-1016085174.htm
    [5] 邵艳莹, 吴秀芹, 张宇清, 等.内蒙古地区植被覆盖变化及其对水热条件的响应[J].北京林业大学学报, 2018, 40(4): 33-42. doi:  10.13332/j.1000-1522.20170414

    Shao Y Y, Wu X Q, Zhang Y Q, et al. Response of vegetation coverage to hydro-thermal change in Inner Mongolia of northern China[J]. Journal of Beijing Forestry University, 2018, 40(4):33-42. doi:  10.13332/j.1000-1522.20170414
    [6] 王鸽, 韩琳, 张昱.东北地区地表NDVI的时空变化规律[J].北京林业大学学报, 2012, 34(6):86-91. http://j.bjfu.edu.cn/article/id/9846

    Wang G, Han L, Zhang Y. Temporal variation and spatial distribution of NDVI in northeastern China[J]. Journal of Beijing Forestry University, 2012, 34(6):86-91. http://j.bjfu.edu.cn/article/id/9846
    [7] 王永财, 孙艳玲, 王中良. 1998—2011年海河流域植被覆盖变化及气候因子驱动分析[J].资源科学, 2014, 36(3):594-602. http://www.cnki.com.cn/Article/CJFDTotal-ZRZY201403019.htm

    Wang Y C, Sun Y L, Wang Z L. Spatial-temporal change in vegetation cover and climate factor drivers of variation in the Haihe River Basin 1998-2011[J]. Resources Science, 2014, 36(3):594-602. http://www.cnki.com.cn/Article/CJFDTotal-ZRZY201403019.htm
    [8] 罗敏, 古丽·加帕尔, 郭浩, 等. 2000—2013年塔里木河流域生长季NDVI时空变化特征及其影响因素分析[J].自然资源学报, 2017, 32(1):50-63. http://www.cnki.com.cn/Article/CJFDTOTAL-ZRZX201701005.htm

    Luo M, Jiapaer G, Guo H, et al. Spatial-temporal variation of growing-season NDVI and its responses to hydrothermal condition in the Tarim River Basin from 2000 to 2013[J]. Journal of Natural Resources, 2017, 32(1):50-63. http://www.cnki.com.cn/Article/CJFDTOTAL-ZRZX201701005.htm
    [9] 刘斌, 孙艳玲, 王中良, 等.华北地区植被覆盖变化及其影响因子的相对作用分析[J].自然资源学报, 2015, 30(1):12-23. http://www.cnki.com.cn/article/cjfdtotal-zrzx201501002.htm

    Liu B, Sun Y L, Wang Z L, et al. Analysis of the vegetation cover change and the relative role of its influencing factors in north China[J]. Journal of Natural Resources, 2015, 30(1):12-23. http://www.cnki.com.cn/article/cjfdtotal-zrzx201501002.htm
    [10] 孟丹, 李小娟, 宫辉力, 等.京津冀地区NDVI变化及气候因子驱动分析[J].地球信息科学学报, 2015, 17(8):1001-1007. http://d.old.wanfangdata.com.cn/Periodical/dqxxkx201508016

    Meng D, Li X J, Gong H L, et al. Analysis of spatial-temporal change of NDVI and its climatic driving factors in Beijing-Tianjin-Hebei metropolis circle from 2001 to 2013[J]. Journal of Geo-Information Science, 2015, 17(8):1001-1007. http://d.old.wanfangdata.com.cn/Periodical/dqxxkx201508016
    [11] 戴声佩, 张勃, 王海军.中国西北地区植被NDVI的时空变化及其影响因子分析[J].地球信息科学学报, 2010, 12(3):315-321. http://d.old.wanfangdata.com.cn/Periodical/dqxxkx201003002

    Dai S P, Zhang B, Wang H J. Spatio-temporal change of vegetation index NDVI in northwest China and its influencing factors[J]. Journal of Geo-Information Science, 2010, 12(3):315-321. http://d.old.wanfangdata.com.cn/Periodical/dqxxkx201003002
    [12] 李明泽, 王雪, 高元科, 等.大兴安岭植被指数年际变化及影响因子分析[J].北京林业大学学报, 2015, 37(5):1-10. doi:  10.13332/j.1000-1522.20140220

    Li M Z, Wang X, Gao Y K, et al. Inter-annual variation in vegetation index and analysis of factors affecting it in Daxing'an Mountains[J]. Journal of Beijing Forestry University, 2015, 37(5):1-10. doi:  10.13332/j.1000-1522.20140220
    [13] 邓晨晖, 白红英, 高山, 等.秦岭植被覆盖时空变化及其对气候变化与人类活动的双重响应[J].自然资源学报, 2017, 33(3):425-438. http://d.old.wanfangdata.com.cn/Periodical/zrzyxb201803006

    Deng C H, Bai H Y, Gao S, et al. Spatial-temporal variations of the vegetation coverage in Qinling Mountain and its dual response to climate change and human activities[J]. Journal of Natural Resources, 2017, 33(3):425-438. http://d.old.wanfangdata.com.cn/Periodical/zrzyxb201803006
    [14] 李辉霞, 刘国华, 傅伯杰.基于NDVI的三江源地区植被生长对气候变化和人类活动的响应研究[J].生态学报, 2011, 31(19):5495-5504. http://d.old.wanfangdata.com.cn/Periodical/stxb201119011

    Liu H X, Liu G H, Fu B J. Response of vegetation to climate change and human activity based on NDVI in the Three-River Headwaters Region[J]. Acta Ecologica Sinica, 2011, 31(19):5495-5504. http://d.old.wanfangdata.com.cn/Periodical/stxb201119011
    [15] 穆少杰, 李建龙, 陈奕兆, 等. 2001—2010年内蒙古植被覆盖度时空变化特征[J].地理学报, 2012, 67(9):1255-1268. http://www.cnki.com.cn/Article/CJFDTOTAL-DBLY201811007.htm

    Mu S J, Li J L, Chen Y Z, et al. Spatial differences of variations of vegetation coverage in Inner Mongolia during 2001-2010[J]. Acta Geographica Sinica, 2012, 67(9):1255-1268. http://www.cnki.com.cn/Article/CJFDTOTAL-DBLY201811007.htm
    [16] 彭飞, 王涛, 薛娴.基于RUE的人类活动对沙漠化地区植被影响研究:以科尔沁地区为例[J].中国沙漠, 2010, 30(4):896-902. http://d.old.wanfangdata.com.cn/Periodical/zgsm201004024

    Peng F, Wang T, Xue X. Study of human impact on vegetation in desertified regions based on rainfall use efficiency: a case of Horqin Region, Inner Mongolia[J]. Journal of Desert Research, 2010, 30(4):896-902. http://d.old.wanfangdata.com.cn/Periodical/zgsm201004024
    [17] 李辉霞, 周红艺, 魏兴琥.基于RUE和NDVI的人类活动对植被干扰强度分析:以桂西北为例[J].中国沙漠, 2014, 34(3):927-937. http://d.old.wanfangdata.com.cn/Periodical/zgsm201403040

    Li H X, Zhou H Y, Wei X H. Analysis of the impact of human disturbance on vegetation based on RUE and NDVI: a case study in Northwest Guangxi, China[J]. Journal of Desert Research, 2014, 34(3):927-937. http://d.old.wanfangdata.com.cn/Periodical/zgsm201403040
    [18] 李文洁.北京市对张家口市开展生态补偿研究[D].保定: 河北大学, 2010. http://cdmd.cnki.com.cn/Article/CDMD-10075-2010207409.htm

    Li W J. Study on ecological compensation of Beijing City in Zhangjiakou[D]. Baoding: Hebei University, 2010. http://cdmd.cnki.com.cn/Article/CDMD-10075-2010207409.htm
    [19] 康成福.张家口土地沙化成因分析及治理对策[J].河北林业, 2007(4):22-23. doi:  10.3969/j.issn.1002-3356.2007.04.013

    Kang C F. Analysis on the causes of land desertification in Zhangjiakou and counter measures[J]. Hebei Forestry, 2007(4):22-23. doi:  10.3969/j.issn.1002-3356.2007.04.013
    [20] 马振刚.基于遥感技术的洋河流域土地覆被变化特征分析[D].长春: 东北师范大学, 2008. http://cdmd.cnki.com.cn/Article/CDMD-10200-2008109504.htm

    Ma Z G. The analysis of land cover change in Yang River Valley based on the remote sensing technique[D]. Changchun: Northeast Normal University, 2008. http://cdmd.cnki.com.cn/Article/CDMD-10200-2008109504.htm
    [21] Hutchinson M F. Interpolation of rainfall data with thin plate smoothing splines (Ⅰ): two dimensional smoothing of data with short range correlation[J]. Geographic Information Decision Analysis, 1998, 2:153-167.
    [22] Evans J, Geerken R. Discrimination between climate and human-induced dryland degradation[J]. Journal of Arid Environments, 2004, 57(4):535-554. doi:  10.1016/S0140-1963(03)00121-6
    [23] Geerken R, Ilaiwi M. Assessment of rangeland degradation and development of a strategy for rehabilitation[J]. Remote Sensing of Environment, 2004, 90(4):490-504. doi:  10.1016/j.rse.2004.01.015
    [24] 郭伟伟.张家口地区植被覆盖度动态分析研究[D].北京: 北京林业大学, 2012.

    Guo W W. Dynamic analysis of vegetation coverage in Zhangjiakou area[D]. Beijing: Beijing Forestry University, 2012.
  • [1] 毕早莹, 李艳忠, 林依雪, 卜添荟, 黄蓉.  基于Budyko理论定量分析窟野河流域植被变化对径流的影响 . 北京林业大学学报, 2020, 42(8): 61-71. doi: 10.12171/j.1000-1522.20190330
    [2] 亢小语, 张志强, 陈立欣, 许行, 冷曼曼.  自动基流分割方法在黄土高原昕水河流域适用性分析 . 北京林业大学学报, 2019, 41(1): 92-101. doi: 10.13332/j.1000-1522.20180087
    [3] 刘正才, 屈瑶瑶.  基于SPOT-VGT数据的湖南省植被变化及其对气候变化的响应 . 北京林业大学学报, 2019, 41(2): 80-87. doi: 10.13332/j.1000-1522.20180278
    [4] 臧振华, 肖倩茹, 杨旭煜, 古晓东, 张公华, 董向忠, 申国珍, 李俊清.  大熊猫分布区近半个世纪逐日气温空间插值分析 . 北京林业大学学报, 2018, 40(4): 76-85. doi: 10.13332/j.1000-1522.20180041
    [5] 邵艳莹, 吴秀芹, 张宇清, 秦树高, 吴斌.  内蒙古地区植被覆盖变化及其对水热条件的响应 . 北京林业大学学报, 2018, 40(4): 33-42. doi: 10.13332/j.1000-1522.20170414
    [6] 张旭, 宋文琦, 赵慧颖, 朱良军, 王晓春.  小兴安岭南部臭冷杉红松林树轮指数记录的7月NDVI变化 . 北京林业大学学报, 2018, 40(12): 9-17. doi: 10.13332/j.1000-1522.20180295
    [7] 朱娅坤, 秦树高, 张宇清, 张举涛, 邵艳莹, 高岩.  毛乌素沙地植被物候动态及其对气象因子变化的响应 . 北京林业大学学报, 2018, 40(9): 98-106. doi: 10.13332/j.1000-1522.20180020
    [8] 张财, 查天山, 贾昕, 刘鹏, 李成.  毛乌素沙地油蒿群落叶面积指数动态及模拟 . 北京林业大学学报, 2018, 40(3): 75-83. doi: 10.13332/j.1000-1522.20170298
    [9] 夏智武, 刘鹏举, 陈增威, 蒋育昊.  山地环境日气温PRISM空间插值研究 . 北京林业大学学报, 2016, 38(1): 83-90. doi: 10.13332/j.1000--1522.20150147
    [10] 林波,  , 刘琪璟, 尚鹤2, 王英伟, 隋祥.  MIKE 11/ NAM 模型在挠力河流域的应用 . 北京林业大学学报, 2014, 36(5): 99-108. doi: 10.13332/j.cnki.jbfu.2014.05.010
    [11] 罗大庆, 张晓娟, 任德智.  藏东南色季拉山冷杉林林隙与非林隙小气候比较 . 北京林业大学学报, 2014, 36(6): 48-53. doi: 10.13332/j.cnki.jbfu.2014.06.011
    [12] 臧传富, 刘俊国.  黑河流域蓝绿水在典型年份的时空差异特征 . 北京林业大学学报, 2013, 35(3): 1-10.
    [13]
    王鸽, 韩琳, 张昱, 
    东北地区地表NDVI的时空变化规律 . 北京林业大学学报, 2012, 34(6): 86-91.
    [14] 潘蔷, 范文义, 于海群, 张峰, 张扬建.  北京市植被指数变化与影响因素分析 . 北京林业大学学报, 2012, 34(2): 26-33.
    [15] 张守红, 刘苏峡, 莫兴国, 舒畅, 郑超磊, 侯博.  降雨和水保措施对无定河流域径流和产沙量影响 . 北京林业大学学报, 2010, 32(4): 161-168.
    [16] 王武魁, 苏贤明, 施海, 张大红, 孙文祥, 赵天忠.  北京林业生物质资源空间密度分布计算及加工点选址优化 . 北京林业大学学报, 2010, 32(6): 71-79.
    [17] 宋富强, 康慕谊, 杨朋, 陈雅如, 刘阳, 邢开雄.  陕北地区GIMMS、SPOT--VGT和MODIS归一化植被指数的差异分析 . 北京林业大学学报, 2010, 32(4): 72-80.
    [18] 王纪军, 裴铁NFDA4, 王安志, 关德新, 金昌杰, .  长白山地区近50年平均最高和最低气温变化 . 北京林业大学学报, 2009, 31(2): 50-57.
    [19] 李子君, 李秀彬, .  潮白河上游1961—2005年径流变化趋势及原因分析 . 北京林业大学学报, 2008, 30(supp.2): 82-87.
    [20] 李子君, 李秀彬, 朱会义, 凌峰, .  降水变化与人类活动对密云水库入库泥沙量的影响 . 北京林业大学学报, 2008, 30(1): 101-107.
  • 加载中
图(9) / 表 (3)
计量
  • 文章访问数:  597
  • HTML全文浏览量:  208
  • PDF下载量:  12
  • 被引次数: 0
出版历程
  • 收稿日期:  2018-01-30
  • 修回日期:  2018-05-06
  • 刊出日期:  2019-02-01

洋河流域NDVI时空变化及驱动力分析

doi: 10.13332/j.1000-1522.20180046
    基金项目:

    科技创新服务能力建设-科研基地建设-林果业生态环境功能提升协同创新中心(211协同创新中心) PXM2018_014207_000024

    总理基金“农业排放状况及强化治理方案” DQGG0208

    作者简介:

    贾京伟。主要研究方向:3S技术在植被动态变化中的应用。Email:jingwei.jia@foxmail.com 地址:100083北京市海淀区清华东路35号北京林业大学水土保持学院

    通讯作者: 牛健植,教授,博士生导师。研究方向:森林水文和景观生态。Email:niujianzhi@126.com 地址:同上
  • 中图分类号: Q948

摘要: 目的研究洋河流域的植被覆盖变化及驱动因素,可以为该区域生态建设及植被修复提供重要的参考价值。方法基于SPOT Vegetation NDVI数据、气象数据及土地利用数据,运用趋势分析、偏相关分析、复相关分析及残差分析等方法,探究1999—2015年气候变化及人类活动对洋河流域NDVI的影响。结果(1) 1999—2015年洋河流域NDVI整体呈上升趋势,增速为每10年3.9%,NDVI显著改善和显著退化的面积分别占流域总面积的57.90%和1.13%,其中有林地和灌木林地改善最为明显。(2)研究区有51.99%的区域NDVI变化受气候因子驱动明显,其中降水驱动型和降水、气温驱动型分别占流域总面积的26.13%和25.44%,前者主要分布在兴和、尚义、阳高、天镇、怀安及宣化等区域,后者主要分布在兴和南部及向东偏南方向延伸的带状区域,单一的年均气温对NDVI的变化影响较弱。(3)1999年以来,流域植被受人类活动的干扰逐渐增强,增速为每10年4.5%,以正向作用为主,正向作用主要分布在坝缘3县(尚义、万全、崇礼)及阳高等地,负向作用主要分布在城镇和农村等人口较为密集的地区。结论1999—2015年洋河流域NDVI变化是气候变化和人类活动共同作用的结果,但主要影响因素为人类活动干扰,京津风沙源治理等工程项目对当地的植被改善有十分重要的作用。

English Abstract

贾京伟, 牛健植, 蔺星娜, 朱志俊, 吴姗姗. 洋河流域NDVI时空变化及驱动力分析[J]. 北京林业大学学报, 2019, 41(2): 106-115. doi: 10.13332/j.1000-1522.20180046
引用本文: 贾京伟, 牛健植, 蔺星娜, 朱志俊, 吴姗姗. 洋河流域NDVI时空变化及驱动力分析[J]. 北京林业大学学报, 2019, 41(2): 106-115. doi: 10.13332/j.1000-1522.20180046
Jia Jingwei, Niu Jianzhi, Lin Xingna, Zhu Zhijun, Wu Shanshan. Temporal and spatial variations of NDVI and its driving factors in the Yanghe Watershed of northern China[J]. Journal of Beijing Forestry University, 2019, 41(2): 106-115. doi: 10.13332/j.1000-1522.20180046
Citation: Jia Jingwei, Niu Jianzhi, Lin Xingna, Zhu Zhijun, Wu Shanshan. Temporal and spatial variations of NDVI and its driving factors in the Yanghe Watershed of northern China[J]. Journal of Beijing Forestry University, 2019, 41(2): 106-115. doi: 10.13332/j.1000-1522.20180046
  • 植被承接着土壤、大气和水分等自然要素,是地理环境的重要组成部分,同时也是生境变化的敏感因子,极易受到气候变化和人类活动的影响,因此被认为是监测区域乃至全球生境变化的综合指示剂[1-2]。植被指数是卫星可见光和近红外波段多种组合的产物,其能够简单、有效的度量地表植被状况,其中植被归一化指数(NDVI)能够反映土壤、潮湿地面、雪、枯叶等植被冠层背景的影响,和植被盖度密切相关,在监测宏观植被变化领域是公认的有效指标之一[3-4]。目前常用的NDVI数据有NOAA/AVHRR数据、EOS/MODIS数据、SPOT Vegetation NDVI数据等,其中SPOT Vegetation以其具有的对叶绿素吸收敏感、剔除强水汽吸收带以及空间分辨率相对较高等优势被广泛应用于大尺度植被监测中[5-7]

    植被动态变化及其驱动力一直是国内生态学领域研究的热点问题[8-13],大量研究表明植被覆盖受降水、气温及人类活动的影响较为显著,不同地区间驱动力存在差异。戴声佩等的研究表明[11],中国西北地区植被覆盖受降水、气温的影响年内水平高于年际水平;不少学者利用残差法[8-9, 13]、修正NDVI法[14]、主成分分析[15]、因子分析及降水利用率(RUE)[16]、NDVI与RUE相结合[17]等方法剔除气候对植被变化的影响,进而分析人类活动对植被变化的影响。刘斌等研究发现[9],中国华北地区植被覆盖受人类活动的影响高于气候变化;孟丹等认为[10],京津冀地区植被受降水的影响高于气温,受人类活动的影响远远高于气候变化。

    植物对土壤侵蚀的防治、水资源的调节、水质的改善、区域小气候的改善、水土保持功能的发挥有重要的作用,对防风固沙更是有十分重要的作用。洋河流域位于官厅水库上游,不仅是首都北京重要水源保护地和生态保护屏障[18],洋河河谷更是北京沙尘来源的重要河谷通道之一[19]。因此,研究洋河流域的植被动态变化及驱动力因子,对当地植被建设及风沙防治工作有着十分重要的意义。为此本研究基于遥感和气象数据,运用趋势分析、偏相关分析、复相关分析及残差分析等分析方法,探讨1999—2015年洋河流域植被覆盖动态变化及其受降水、气温和人类活动的影响,为整个流域乃至京津冀大都市圈的生态建设及可持续发展提供理论依据。

    • 洋河流域地处北方农牧交错区,是国家“防沙治沙”“京津风沙源”重点治理区,同时是河北省“退耕还林还草”主要区域之一[20]。流域西起内蒙古自治区兴和县和山西省阳高县,上游分布有东洋河、南洋河、西洋河三大支流。支流于万全、怀安交界处汇合,后折东南流经宣化、下花园至逐鹿、怀来交接处和桑干河一起流入官厅水库(图 1)。流域总面积1.79×104 km2,干流全长约262 km。流域属大陆性季风气候,年平均降水量409.8 mm,多集中在7—9月且丰枯年交替出现,干旱指数2.0~2.5,年平均温度7.7 ℃,年日照时数2 700~3 000 h。

      图  1  研究区概况

      Figure 1.  Survey of the study area

    • 1999—2015年研究区的NDVI数据来源于“中国长时间序列1 km植被指数(NDVI)数据集”,由中国科学院资源环境科学数据中心(http://www.resdc.cn)提供。研究基于ArcGIS软件平台,利用最大值合成法(maximum value composites,MVC),得到研究区1999—2015年每年的最大植被指数,该指数可反映当年地表植被生长最好的状况,空间分辨率为1 km×1 km。

    • 气象数据来源于中国科学院资源环境科学数据中心(http://www.resdc.cn),数据集由全国2 400多个气象站点观测的年降水量、年均气温数据经空间插值处理生成(研究区内及周边气象站点见图 1),空间分辨率为1 km×1 km,为已插值好的栅格数据。采用的插值软件为澳大利亚的ANUSPLIN软件,该软件在数据的统计分析、诊断及空间分布分析方面应用广泛,能够实现良好的空间插值功能[21]。对该数据集进行裁剪、重采样等处理得到和研究区NDVI投影坐标相同、时间序列相同、且完全重合的年降水、年均气温数据。

    • 土地利用数据来源中国科学院资源环境科学数据中心(http://www.resdc.cn)。由目前精度最高的全国1:10万比例尺遥感监测数据经矢量栅格化生成,精度为1 km,时间为2000年。根据研究需要对研究区土地利用数据进行重分类,重分类后的土地利用类型见图 2

      图  2  洋河流域土地利用类型

      Figure 2.  Land use types in the Yanghe River Basin

    • 采用一元线性回归趋势分析法分析洋河流域1999—2015年每个像元的年NDVI变化,得出研究区17年的NDVI变化趋势图,公式如下:

      $$ S = \frac{{n\sum\limits_{i = 1}^n {\left( {{x_i}{t_i}} \right)} - \left( {\sum\limits_{i = 1}^n {{x_i}} } \right)\left( {\sum\limits_{i = 1}^n {{t_i}} } \right)}}{{n\sum\limits_{i = 1}^n {t_i^2} - {{\left( {\sum\limits_{i = 1}^n {{t_i}} } \right)}^2}}} $$ (1)

      式中:S为NDVI变化斜率,xi为年NDVI,tixi所对应的年份,i为年序列号,n代表年数,本研究为17。S > 0,说明区域植被盖度增加,反之说明植被盖度减少,S值的大小反映了植被改善或退化的程度。

    • 偏相关分析可用于剔除降水量(或气温)对NDVI的影响,只分析气温(或降水量)对NDVI的影响。在计算偏相关系数前需先求出相关系数,相关系数的计算公式如下:

      $${r_{xy}} = \frac{{\sum\limits_{i = i}^n {\left( {{x_i} - \bar x} \right)} \left( {{y_i} - \bar y} \right)}}{{\sqrt {\sum\limits_{i = i}^n {{{\left( {{x_i} - \bar x} \right)}^2}} } \sqrt {\sum\limits_{i = i}^n {{{\left( {{y_i} - \bar y} \right)}^2}} } }} $$ (2)

      式中:rxy为变量xy的相关系数; xy为各自变量的平均值。相关系数rxy的取值范围为[-1, 1],其值越偏离0说明变量之间的相关性越高,相关性的显著性检验通过查相关系数临界值表完成。

      偏相关系数的计算公式如下:

      $$ {r_{xz, y}} = \frac{{{r_{xz}} - {r_{xy}}{r_{yz}}}}{{\sqrt {\left( {1 - r_{xy}^2} \right)\left( {1 - r_{yz}^2} \right)} }} $$ (3)

      式中:rxz, y为剔除变量y影响后变量xz的偏相关系数,rxyrxzryz分别为变量xy、变量xz、变量yz的相关系数。

      偏相关系数的检验采用t检验法,统计量计算公式如下:

      $$ t = \frac{{{r_{xz, y}}}}{{\sqrt {1 - r_{xz, y}^2} }}\sqrt {n - m - 1} $$ (4)

      式中:rxz, y为偏相关系数,n为样本数,m为自由度个数。

    • 复相关分析可用于研究几个要素与一个要素之间的关系[7],假设x为因变量,yz为自变量,则xyz之间的复相关系数计算如下:

      $$ {r_{x, yz}} = \sqrt {1 - \left( {1 - r_{xy}^2} \right)\left( {1 - r_{xz, y}^2} \right)} $$ (5)

      复相关的显著性检验采用F检验法,其统计量计算公式为:

      $$ F = \frac{{r_{x, yz}^2}}{{1 - r_{x, yz}^2}}\frac{{n - k - 1}}{k} $$ (6)

      式中:rx, yz是复相关系数,n为样本数,k为自变量个数。

    • 本研究利用残差分析法定量化人类活动在植被NDVI变化中的影响,此方法由Evans和Geerken提出[22-23],目前在生态学领域中得到广泛应用[8-9, 13]。通过对每个栅格像元NDVI值与气温、降水做二元一次线性回归模拟,得到每个像元的NDVI预测值,该值可作为气候因子对NDVI的影响,然后利用遥感观测的NDVI真实值减去预测值,得到人类活动对NDVI的影响,以此剥离气候变化和人类活动对植被NDVI的影响,公式如下:

      $$ \varepsilon = {\rm{NDV}}{{\rm{I}}_{真实值}} - {\rm{NDV}}{{\rm{I}}_{预测值}} $$ (7)

      式中:ε为残差值,即为人类活动产生的影响。ε > 0,人类活动产生正面作用;ε < 0,人类活动产生负面作用;ε≈0,人类活动影响微弱。

    • 对1999—2015年洋河流域不同土地利用类型NDVI进行统计,结果如图 3,流域NDVI值在0.43~0.76之间呈波动上升趋势,增速为每10年3.9%,其趋势与王永财等的研究结果基本一致[7]。不同土地利用类型NDVI随年份波动趋势基本相同,其中有林地、灌木林地增速最为明显,且波动平缓,城镇及农村整体变化不大,年际波动明显,其余土地利用类型NDVI均出现增长趋势,但增速较缓且年际波动较大。

      图  3  洋河流域不同土地利用类型NDVI的年际变化

      Figure 3.  Interannual variations of NDVI of different land use types in the Yanghe River Basin

    • 为定量描述植被NDVI变化趋势,本研究将研究区的NDVI变化斜率划分7个等级(图 4),划分标准见表 1。据计算,1999—2015年洋河流域NDVI斜率变化范围为-0.022~0.024,其中,显著改善区域所占比例为57.90%,分布较为广泛,主要集中分布在流域北部的崇礼、万全、尚义及位于南部的宣化;显著退化区域所占比例为1.13%,主要分布在张家口市区、涿鹿县城一带。本研究得出的植被变化情况与孟丹等[10]及郭伟伟等[24]的研究结果基本一致。

      图  4  NDVI变化趋势及显著性检验

      Figure 4.  Change trend and significance test of NDVI

      表 1  研究区植被NDVI变化等级划分标准

      Table 1.  Classification criteria for the change of vegetation NDVI in the study area

      变化类型
      Type of change
      检验显著性水平
      Test significance level
      斜率
      Slope (S)
      明显退化Apparent degradation P < 0.05 S < -0.016
      中度退化Moderate degeneration -0.016≤S≤-0.008
      轻度退化Mild degradation -0.008 < S≤0
      无显著变化No significant change P > 0.05
      轻度改善Mild improvement P < 0.05 0 < S0.008
      中度改善Moderate improvement 0.008≤S≤0.016
      明显改善Obvious improvement S > 0.016
    • 图 5a为1999—2015年研究区年降水量与NDVI的年际变化趋势图,由图可知,在研究时段内,洋河流域NDVI和年降水量在年际变化趋势上表现出高度的一致性,说明年降水量在一定程度上影响研究区年最大NDVI的波动趋势。图 5b为研究区各像元1999—2015年的NDVI与年降水量的空间偏相关性系数分布图,由图可知,NDVI与年降水量正相关的面积占流域总面积的98%,其中显著正相关(P < 0.1)所占比例为26.6%,主要分布在内蒙古兴和县、山西天镇县、山西阳高县及张家口尚义县等地的部分区域,说明在此区域内年降水量是影响年最大NDVI变化的重要因素。

      图  5  洋河流域NDVI与降水量的变化(a)及偏相关分布(b)

      Figure 5.  Change of NDVI and precipitation (a) and partial correlation distribution (b) in the Yanghe River Basin

    • 图 6a为1999—2015年研究区年均气温与NDVI的年际变化趋势图,图中显示,在研究时段内,洋河流域NDVI与年均气温在年际波动上没有明显的规律性。图 6b为研究区各像元1999—2015年的NDVI与年均气温的空间偏相关性系数分布图,经分析,NDVI与年均气温呈正相关和负相关的比例相差不大,其中负相关占比53.7%,主要分布在流域西部地区。NDVI与年均气温偏相关性通过显著性检验(P < 0.1)的区域仅为总面积的0.6%,说明在研究区内,单一的年均气温对年最大NDVI的影响较弱。

      图  6  洋河流域NDVI与气温的变化(a)及偏相关分布(b)

      Figure 6.  Change of NDVI and temperature (a) and partial correlation distribution (b) in the Yanghe River Basin

    • 图 7为1999—2015年研究区各像元的年降水量、年均气温与年最大NDVI的复相关系数分布图,其中通过显著性检验(P < 0.1)的面积占总面积的51.99%,主要分布在尚义县、兴和县西部以及研究区中南部分地区。而由本文2.2.1和2.2.2分析可知:研究区年最大NDVI与年降水量、年均气温的显著偏相关(P < 0.1)区域分别为26.6%和0.6%,说明研究区年降水量和年均气温有很强的相关性,2者的复合作用对年最大NDVI有较大影响。

      图  7  洋河流域NDVI与年降水量、年均气温的复相关分布

      Figure 7.  Multiple correlation distribution of NDVI and annual precipitation and annual average air temperature in the Yanghe River Basin

    • 参照前人经验[7],并结合研究区NDVI变化实际情况,对引起区域NDVI变化的气候因子进行驱动型分区。分区依据见表 2,分区结果见图 8

      表 2  NDVI变化驱动类型分区依据

      Table 2.  Driving type partition basis for NDVI changes

      NDVI变化类型
      Change type of NDVI
      分区依据Zoning basis
      rNDVIT-P rNDVIP-T RNDVIT-P
      气温驱动型
      Driven by air temperature
      tt0.1 FF0.1
      降水驱动型
      Driven by precipitation
      tt0.1 FF0.1
      降水、气温复合驱动型
      Combined driven by precipitation and air temperature
      tt0.1 tt0.1 FF0.1
      非气候因子驱动型
      Driven by non-climatic factors
      FF0.1

      图  8  1999—2015年洋河流域NDVI变化的气候因子驱动力分区

      Figure 8.  Climatic factor driving zoning of NDVI change in the Yanghe River Basin from 1999 to 2015

      对分区结果进行栅格统计可知,研究区51.99%的区域NDVI与气候因子之间表现出很好的相关性,属气候因子驱动型。其中气温驱动型占比最小,仅为研究区总面积的0.42%,零星分布于西洋河及洋河河流附近;降水驱动型和降水、气温复合驱动型分别占研究区总面积的26.13%和25.44%,各个县域均有分布。其中前者以兴和县、尚义县、阳高县、天镇县、怀安县及宣化区分布较多;后者则主要表现出从兴和南部向流域东偏南方向延伸至宣化区的带状分布特征,此外崇礼区、尚义县也有一定分布。非气候驱动型占研究区总面积的48.01%,主要分布于万全县、崇礼区、涿鹿县及怀来县。

    • 植被NDVI除了受气候影响外,在相当程度上也受人类活动的影响,人类活动既能对区域植被覆盖起积极的改善作用,如各种林业生态工程、水保措施等;同时也能对植被覆盖起消极的破坏作用,如城镇扩张、道路建设、过度开垦、过度樵采等。

      虽然本文2.2.4已得出基于气候因子的NDVI变化驱动类型分区图,但没有考虑人类活动的影响,在各个驱动类型分区内,NDVI的变化很可能为各个气候驱动因子和人类活动共同作用的结果。因此为量化人类活动对NDVI变化的影响,本研究通过计算1999—2015年洋河流域的NDVI残差值得出人类活动对该区域NDVI的影响分布图(图 9)。从图 9b可以看出,研究时段内,洋河流域NDVI残差值呈上升趋势,增速为每10年4.5%,且残差值由最开始的负值逐渐转化为正值,说明人类活动对流域整体植被的影响由最初的负向破坏转变为了正向改善。从空间分布(图 9a)可知,残差值变化为正的区域占区域总面积的80%,其中通过P < 0.1显著性检验的占研究区总面积的55.5%,以崇礼、万全、尚义等坝缘地区变化最为明显,其次为宣化及阳高南部。说明自1999年,流域内相继实施的“塞北林场建设工程”“退耕还林还草工程” “京津风沙源治理工程”等一系列生态工程对上述区域的植被起到了非常重要的改善作用。流域残差为负的区域主要分布在海拔高差相对较小的平原盆地,如张家口市区、宣化北部、怀来中南部、涿鹿北部、兴和北部、天镇中北部等,其中通过显著性检验(P < 0.1)的区域占研究区总面积的2.8%,残差值为负的区域与城镇、农村分布有很强的一致性,说明临近居民点附近的植被受人类活动负向干扰较为严重,其原因考虑为人类频繁的生活生产等活动造成,如经济快速发展和人口增长过程中的城镇扩张,道路建设等。

      图  9  1999—2015洋河流域年植被NDVI残差值时间变化(b)及变化趋势空间分布(a)

      Figure 9.  Temporal variations of vegetation NDVI residual value and spatial distribution of change trend during 1999-2015 in the Yanghe River Basin

    • 笔者叠加了1999—2015年研究区年最大NDVI的变化趋势图(图 4),年最大NDVI与年降水量、年均气温的复相关系数图及年最大NDVI残差趋势图,结果如表 3。分析可得:(1)在年最大NDVI与年降水量、年均气温的复相关性显著区域,当人类活动为正向干扰时,植被轻度改善的栅格数为2 543个,占该限制条件区域总面积的57.48%,植被中度改善的栅格数为1 765个,占该限制条件区域总面积的39.9%;在人类活动无明显干扰时,植被改善不显著的栅格数为3 629个,占该限制条件区域总面积的74.96%,植被轻度改善的栅格数为1 206个,占该限制条件区域总面积的24.91%。(2)在年最大NDVI与年降水量、年均气温的复相关性不显著区域,当人类活动为正向干扰时,植被中度改善的栅格数为2 083个,占该限制条件区域总面积的53.77%,植被轻度改善的栅格数为1 713个,占该限制条件区域总面积的44.22%;当人类活动为负向干扰时,植被中度退化的栅格数为154个,占该限制条件区域总面积的50.49%,植被无显著变化区域的栅格数为112个,占该限制条件区域总面积的36.72%;当人类活动无明显干扰时,该限制条件下78.15%的区域植被无显著变化。研究表明,与气候因子相比,人类活动对植被生长的影响更加明显,其主要原因在于研究区气候条件无显著变化。

      表 3  研究区年降水量、年均气温及人类活动对NDVI变化的影响

      Table 3.  Impact of annual precipitation, annual average temperature and human activities on NDVI in the study area

      NDVI变化趋势
      Changing trend of NDVI
      年降水量与年均气温对NDVI无复相关作用
      Annual precipitation and mean temperature have no multiple correlation effects on NDVI
      年降水量与年均气温对NDVI有复相关作用
      Annual precipitation and mean temperature have multiple correlation effects on NDVI
      人类活动无明显干扰作用的栅格数
      Raster number of human activities without obvious interference
      人类活动为负向干扰作用的栅格数
      Raster number of human activities as negative interference
      人类活动为正向干扰作用的栅格数
      Raster number of human activities as positive interference
      人类活动无明显干扰作用的栅格数
      Raster number of human activities without obvious interference
      人类活动为负向干扰作用的栅格数
      Raster number of human activities as negative interference
      人类活动为正向干扰作用的栅格数
      Raster number of human activities as positive interference
      明显退化Apparent degradation - 5 - - - -
      中度退化Moderate degeneration 4 154 - - - -
      轻度退化Mild degradation 4 34 - - - -
      无显著变化No significant change 3 441 112 7 3 629 11 116
      轻度改善Mild improvement 951 - 1 713 1 206 - 2 543
      中度改善Moderate improvement 2 - 2 083 6 - 1 765
      明显改善Obvious improvement 1 - 71 - - -
      总计Total 4 403 305 3 874 4 841 11 4 424
      注:人类活动无明显干扰为残差值变化未通过P < 0.1显著性检验区域,人类活动为负向/正向干扰的前提为残差值通过P < 0.1显著性检验区域。Notes: there is significant interference of human activities in the area where the residual passed the significance test (P < 0.1). Otherwise, there is no significant interference of human activities.
    • 利用1999—2015年洋河流域SPOT Vegetation NDVI数据及同期降水、气温数据,分析了流域NDVI时空变化及驱动力,主要得出以下结论:

      (1) 自1999年以来,洋河流域年最大NDVI整体呈上升趋势,增速为每10年3.9%,其中有林地和灌木林地改善最为明显。流域内明显改善及明显退化的面积分别占总面积的57.90%和1.13%。

      (2) 洋河流域年最大NDVI受年降水量的影响要明显高于年均气温。从NDVI年际变化得出,年降水量的变化一定程度上影响区域内年最大NDVI的波动趋势,而单一的年均气温对区域内年最大NDVI影响不大。从像元偏相关、复相关分析得出,年最大NDVI的变化受年降水量和年降水量、年均气温两种驱动类型影响明显。两种驱动类型分别占流域总面积的26.13%和25.44%,前者主要分布在兴和、尚义、阳高、天镇、怀安及宣化等区域,而后者则主要表现出从兴和南部向流域东偏南方向延伸的带状分布。

      (3) 1999—2015年,研究区植被受人类活动的影响由负向破坏逐渐变为正向改善,增速为每10年4.5%,其中人类活动起正向改善的面积占总面积的80%,通过P < 0.1显著性检验的面积占总面积的55.5%,分布较广,其中崇礼、万全、尚义坝缘3县及阳高表现明显,说明京津风沙源治理等生态工程的实施对该区域的植被改善效果明显;对植被起负面破坏的区域主要分布在研究区城镇、农村等人口较为密集的区域。

      (4) 年降水量、年均气温与年最大NDVI有显著的复合相关性,但由于两者在研究时段内变化不足以造成NDVI的显著变化,故研究区的植被变化主要影响因子为人类干扰活动。

      洋河流域位于官厅水库上游水源区,同时也是首都北京的风沙源区以及2022年冬奥会所在地,研究该区域植被变化及驱动力对流域及北京水资源、生态环境建设具有重要的理论意义。相比于其他研究方法,残差法在一定程度上定量化人类活动对NDVI的作用,但该研究方法仍需加以改进。考虑到研究区内公开月尺度气象数据的站点分布较少,空间差值不理想,因此笔者只从年际尺度上进行分析,对于更加详细的月尺度分析有待进一步研究。

参考文献 (24)

目录

    /

    返回文章
    返回