基于NDVI的1982—2012年黃河流域多時間尺度植被覆蓋變化

顏 明，賀 莉，王隨繼，鄭明國，孫莉英，許炯心

(中國科學(xué)院地理科學(xué)與資源研究所陸地水循環(huán)及地表過程重點(diǎn)實(shí)驗(yàn)室,100101,北京)

陸地生態(tài)系統(tǒng)中的植被不僅在全球物質(zhì)與能量循環(huán)中起著重要作用,而且影響著全球碳的收支平衡,穩(wěn)定全球氣候等方面具有重要作用[1],對于流域來說,同樣具有重要意義,不僅維持流域的生態(tài)平衡,而且對于流域的水文及地貌過程起著制約和調(diào)節(jié)作用。NDVI(normalized difference vegetation index,歸一化差分植被指數(shù))是當(dāng)前常用的表征植被覆蓋狀況的指標(biāo),它與植被的一系列指數(shù)密切相關(guān),如植被覆蓋度、生物量、凈初級生產(chǎn)量、葉面積指數(shù)等。近30年來,國內(nèi)外學(xué)者利用NDVI數(shù)據(jù)在不同的空間尺度上對植被年際變化進(jìn)行了深入研究[2-5]。研究發(fā)現(xiàn):全球植被的覆蓋在增加,以北半球中高緯地區(qū)最為明顯,在我國的青藏高原及北方等地區(qū)植被覆蓋也明顯增加[6-7]。在月和季節(jié)尺度上關(guān)于NDVI的變化也有一些研究開展[8]。這些研究結(jié)論大多是針對單一時間尺度,沒有分析不同時間尺度間所表現(xiàn)出來的植被變化是否具有一致性或存在抵消關(guān)系；因此,需要更為細(xì)致的研究,發(fā)掘NDVI在月、季和年3個時間尺度之間的趨勢性變化是否存在一致性和抵消關(guān)系,以確定所計(jì)算的更大的時間尺度趨勢性是否能代表更小時間尺度的趨勢性。

黃河流域作為我國的第2大流域,水沙問題十分突出,黃河上游水源涵養(yǎng)和中游的水土流失是黃河長期以來備受科研工作者和廣大人民關(guān)注的現(xiàn)實(shí)問題,植被一方面能緩沖徑流的匯聚過程,同時能保護(hù)地表阻止降雨—徑流的沖刷能量減少土壤流失。自新中國成立以來,黃河流域的植被建設(shè)工作從未停止,尤其是黃河中游為防治水土流失開展的一系列水土保持工作；因此有必要檢測和評估這些措施對黃河流域的植被覆蓋的影響[9-11],發(fā)現(xiàn)過去工作中的不足,為提出新的治理措施奠定基礎(chǔ)。而且對黃河流域的植被覆蓋在不同時空尺度上開展研究,有助于揭示黃河流域植被對氣候變化和人類活動的響應(yīng)[12],為針對水土流失和水資源緊缺等問題制訂規(guī)劃時提供植被覆蓋相關(guān)的資料,為流域生態(tài)文明建設(shè)提供空間信息和理論支撐。

筆者以黃河流域花園口水文站以上為研究區(qū)域,利用反映植被覆蓋狀況的NDVI數(shù)據(jù)分析黃河流域1982—2012年不同時間尺度NDVI的趨勢性,主要分析以下3個內(nèi)容:1)不同時間尺度下NDVI的空間特征,包括年和不同季節(jié)的空間分布情況,并對比它們之間的異同；2)分析年、季和月3個時間尺度NDVI的趨勢性以及不同時間尺度趨勢性的空間特征；3)通過相關(guān)矩陣和空間對應(yīng)關(guān)系來探討不同時間尺度植被覆蓋趨勢性變化之間的相互關(guān)系,分析不同時間尺度間植被覆蓋的趨勢性存在的一致性和差異。

1 研究區(qū)概況

黃河流域西起巴顏喀拉山,東臨渤海,南至秦嶺,北抵陰山,大部分區(qū)域位于中國西北部,由一系列平均海拔在4 000 m以上高山組成[13]；北部為內(nèi)蒙古高原,海拔在1 300～2 200 m之間,高原北側(cè)是陰山山脈,西側(cè)是賀蘭山,中間由一些列斷陷盆地和鄂爾多斯高原構(gòu)成；東部地區(qū)為黃土高原,海拔在1 000～2 000 m之間,地貌上主要是黃土覆蓋的塬梁峁,水土流失嚴(yán)重。黃河花園口以下是被大堤束窄的河道,由河道、河漫灘和大堤構(gòu)成,覆蓋面積較小,僅2.3萬km2,且以耕地為主,對于全流域的植被覆蓋變化影響較??；因此,本研究以花園口水文站以上作為研究區(qū)位于 E 95°52′～113°57′,N 32°8′～41°50′(圖 1)。

黃河是我國第2大河,是貫穿北方眾多省份的復(fù)雜水系,以年均不足600億m3水資源量承擔(dān)本流域和下游引黃灌區(qū)的農(nóng)業(yè)灌溉、工業(yè)生產(chǎn)和城鄉(xiāng)居民生活用水[14]。流域大部分地區(qū)屬于干旱與半干旱地區(qū),在氣候和人類活動的影響下,生態(tài)環(huán)境脆弱,干旱是流域的基本特征。研究區(qū)大部分為干旱半干旱和高寒區(qū),多年平均降水量不足450 mm,平均氣溫為2.68℃,氣溫的地區(qū)差異顯著,東南高,西北低,年際變化較大,蒸發(fā)力強(qiáng)。這些地貌及氣候特點(diǎn)決定了黃河流域的植被種類及覆蓋程度的區(qū)域差異,河源受低溫控制,植被以高寒植物為主,主要植被類型為高寒灌叢、高寒草甸、高寒草原、沼澤及水生植被[15]；黃土高原為溫帶大陸性季風(fēng)氣候,植被以森林和草原為主,從西部的草原向東逐漸轉(zhuǎn)變?yōu)樯植菰?/p>

2 數(shù)據(jù)來源和處理

本研究使用了表征 NDVI的2個數(shù)據(jù)集:GIMMS和MODIS。GIMMS數(shù)據(jù)來源于美國航空航天局全球監(jiān)測與模型研究組,該數(shù)據(jù)集為半月最大值合成數(shù)據(jù)[16-17],分辨率是8 km,該數(shù)據(jù)集經(jīng)過了校準(zhǔn),幾何糾正,消除了火山氣溶膠及其它因素的影響,時間段為1982年1月—2006年12月；MODIS數(shù)據(jù)下載于 EOSDataGateway(NASA-EOS 2006)[18],數(shù)據(jù)來自于載有“中分辨率成像光譜儀(MODIS)”的Terra和Aqua兩顆衛(wèi)星向地面發(fā)送的數(shù)據(jù)。MODIS-NDVI數(shù)據(jù)是AVHRR-NDVI的后續(xù)產(chǎn)品[19],為地面植被覆蓋監(jiān)測研究提供更長時間序列的資料,這里選用的是1 km月值數(shù)據(jù),這個月植被指數(shù)產(chǎn)品用無云、經(jīng)大氣訂正好的16 d合成的反射率值加權(quán)平均得到,時間段為2000年1月—2012年12月。

圖1 研究區(qū)概圖Fig.1 Sketch map of the studied area

由于采用的MODIS產(chǎn)品的分辨率為1 km,與GIMMS的8 km分辨率不一致,為將像元大小統(tǒng)一,將MODIS產(chǎn)品在ArcGIS平臺上重采樣為8 km。GIMMS數(shù)據(jù)截止時間為2006年12月,為將數(shù)據(jù)通過MODIS產(chǎn)品進(jìn)行延續(xù),將MODIS產(chǎn)品與GIMMS數(shù)據(jù)進(jìn)行了擬合,它們具有相同的時間段為2000—2006年,首先將1—12月逐月取6年逐像元的多年平均值,然后基于像元進(jìn)行擬合,得到每個月的擬合公式,經(jīng)驗(yàn)證,采用線性擬合是最優(yōu)的擬合方式,公式為

式中:NDVG為GIMMS的NDVI值,NDVM為MODIS的NDVI值；a為系數(shù),b為常數(shù)。

從相關(guān)系數(shù)平方來看,所有擬合后的R2值均高于0.81,說明MODIS產(chǎn)品與GIMMS數(shù)據(jù)在空間上超過80%的像元能很好地對應(yīng),它們在空間上具有較好的一致性。取得逐月的擬合值后,根據(jù)月的擬合值按年和季分別取算術(shù)平均,將年和季的NDVI數(shù)據(jù)延續(xù)到2012年。

3 研究方法

3.1 趨勢性檢驗(yàn)

為分析黃河流域不同時間尺度NDVI的趨勢性,采用了非參數(shù)檢驗(yàn)方法Mann-Kendall趨勢性檢驗(yàn)法[20-21],Mann-Kendall檢驗(yàn)的統(tǒng)計(jì)S,利用下式計(jì)算:

式中:xj和xk分別為第j時間(年、季、月)和第k時間(年、季、月)的NDVI值；n為系列的記錄長度(個數(shù)),sgn(xj-xk)為表征函數(shù)。

隨機(jī)序列Si(i=1,2,…,n)近似地服從正態(tài)分布,則Si的均值和方差為:

利用下式計(jì)算統(tǒng)計(jì)檢驗(yàn)值

以上為計(jì)算Mann-Kendall趨勢值的一般過程,為了計(jì)算黃河流域每個像元上不同時間尺度的趨勢值,基于年、季和月3個時間尺度每一年的柵格數(shù)據(jù),在ArcGIS平臺上利用Raster Calculator進(jìn)行不同時間尺度的趨勢值計(jì)算。

利用ZS的值進(jìn)行趨勢統(tǒng)計(jì)的顯著性檢驗(yàn)。ZS值為正時表明植被覆蓋有上升趨勢,反之為下降趨勢。在雙邊趨勢檢驗(yàn)中,如果則接受零假設(shè)(無變化趨勢),反之則拒絕零假設(shè)。Z1-α/2可以從標(biāo)準(zhǔn)正太分布函數(shù)獲得,為便于比較,這里取90%,95%和99%3個置信水平,它們對應(yīng)的ZS的絕對值分別為大于等于1.28、1.64和2.32。

3.2 不同時間尺度間的趨勢性關(guān)系

為觀察不同時間尺度趨勢的一致性,建立不同時間尺度趨勢的相關(guān)矩陣,通過不同時間尺度間的相關(guān)系數(shù)大小來判斷兩時間尺度間的相似性。為了進(jìn)一步從像元數(shù)量來分析不同時間尺度間的一致性關(guān)系,統(tǒng)計(jì)了具有相同趨勢、相反趨勢和無趨勢的個數(shù),將不同時間尺度上每個像元能通過90%置信水平的具有增加趨勢的像元值記為1,減少趨勢的記為-1,不具有趨勢的像元值記為2。在ArcGIS中利用Raster Calculator對不同時間進(jìn)行相加處理,得到2個時間尺度每個像元的相加值(表1)。以此統(tǒng)計(jì)兩兩時間尺度間具有增加趨勢像元數(shù)、不具有趨勢的像元數(shù)以及趨勢性不一致的像元數(shù)占據(jù)研究區(qū)的比例。

表1 兩時間尺度間的趨勢性關(guān)系表Tab.1 Trend relationships between two different time scales

4 結(jié)果與分析

4.1 NDVI的空間分布特征

根據(jù)1982—2012年的多年平均NDVI空間分布圖來看,總體分布情況是東南高,西北低,西南青藏高原河源區(qū)的植被覆蓋較差(圖2)。東部和南部為山區(qū),NDVI值都較高,達(dá)到0.5以上,西部及北部為沙漠和裸巖山區(qū),植被覆蓋較少,NDVI值不足0.1。不同季節(jié)多年平均NDVI空間分布的總體格局與年平均分布基本相同,隨著季節(jié)的變化,高值區(qū)和低值區(qū)的變化都較小,干旱-半干旱過渡區(qū)(風(fēng)沙黃土過渡區(qū))NDVI的變化較大,冬春2冷季的空間分布比較相似,夏秋2暖季比較相近。冬季NDVI值以0.1～0.3為主,大于0.5的高值和小于0.1的低值區(qū)所占的區(qū)域極小,春季時東部高值區(qū)的值有一定的提高,面積也稍有擴(kuò)大；夏季時低值區(qū)的面積明顯縮小,只存在毛烏素沙地和庫布齊沙漠的西部及陰山西段和黃河河源區(qū)北側(cè)的極小區(qū)域,處于中間值0.2～0.3的區(qū)域明顯增加,主要在沙漠的東側(cè)和南部得到了拓展。秋季隨著植被的凋零,NDVI值又開始向低值區(qū)發(fā)展,空間分布特征介于夏季和冬季之間。各季節(jié)內(nèi)不同月份間的NDVI空間分布的相似性都較高(圖3),在年內(nèi),隨著冷季向暖季遷移,氣溫升高和降雨轉(zhuǎn)多,NDVI的空間轉(zhuǎn)變基本表現(xiàn)為:高值區(qū)增加、低值區(qū)減少,中值區(qū)域被壓縮,當(dāng)氣溫轉(zhuǎn)向降低和降雨減少時,流域NDVI的空間分布變化相反。

圖2 多年平均NDVI值和一年趨勢值(Z)的空間分布圖Fig.2 Spatial distribution of average annual NDVI value and the trend of average annual NDVI value(Z)

圖3 多年平均四季NDVI值空間分布圖Fig.3 Spatial distribution of seasonal average NDVI value

4.2 不同時間尺度NDVI的Mann-Kendall趨勢性

4.2.1 年的趨勢性 黃河流域大部分區(qū)域近幾十年NDVI變化表現(xiàn)出較強(qiáng)的增加趨勢,其中能通過90%顯著性水平具有增加趨勢的區(qū)域面積為68.04%,在95%顯著性水平下的像元數(shù)也達(dá)到了54%,僅有3.5%的區(qū)域表現(xiàn)出下降趨勢,不具有明顯變化的面積略多于1/4(表2)。不具有變化趨勢的區(qū)域多處于沙漠區(qū)的中心地帶、裸巖山區(qū)和較高的山區(qū),也就是植被覆蓋較差的和植被覆蓋良好的地區(qū)變化相對較小(圖2)。表現(xiàn)出增加趨勢的主要位于沙漠向黃土轉(zhuǎn)變的過渡區(qū),集中在毛烏蘇沙地和庫布齊沙漠向黃土過渡的黃河中游多沙粗沙區(qū),這里的NDVI值表現(xiàn)出了明顯的增加趨勢,其他具有增加趨勢的區(qū)域處于山地中的谷地和盆地內(nèi),具有減少趨勢的在研究區(qū)內(nèi)沒有出現(xiàn)比較集中的區(qū)域。

4.2.2 不同季節(jié)的趨勢性 4個季節(jié)的Mann-Kendall趨勢性可以分為2類:具有一定比例增加趨勢的秋冬2季和不具有明顯變化的春夏2季。從表2中可以看到:冬季具有增加趨勢的區(qū)域在研究區(qū)內(nèi)的面積比例最大,為59.82%；其次是秋季,占研究區(qū)面積的 39.76%；春季所占的面積最小,僅4.65%；夏季具有增加趨勢的面積也不超過10%。4個季節(jié)中NDVI具有減少趨勢性的面積都較小,春季最高,占全流域面積16.63%的像元表現(xiàn)出了減小趨勢,冬季和秋季都僅有1%左右的像元有減少趨勢。4個季節(jié)NDVI隨時間不具有明顯趨勢性變化的像元在全流域中都占有相當(dāng)比例:夏季所占范圍最高,達(dá)到83.78%；春季的比例也較高,所占百分?jǐn)?shù)為78.72%；也就是說,夏季和春季黃河流域大部分區(qū)域都不具有明顯趨勢性變化,冬季范圍最小,但也占到了38.74%。

表2 一年和季節(jié)不同類型趨勢(Z)占研究區(qū)面積比例Tab.2 Area percentage of annual and different seasonal NDVI trend(Z)in different significant level %

4.2.3 不同月份的趨勢性 從不同月份趨勢值所占的面積比例(表3)來看,在冷暖轉(zhuǎn)換比較明顯的3月和10月具有增加趨勢,所占的面積最多,分別為65.12%和70.75%,3月份NDVI表現(xiàn)出增加的區(qū)域分布在黃土高原西側(cè)及其以西的區(qū)域,也就是毛烏素沙地周邊及青藏高原上,10月的NDVI值表現(xiàn)出增加趨勢的區(qū)域分布在黃土高原及鄂爾多斯高原上(圖4)。與它們相鄰的2月和9月也有相當(dāng)比例的區(qū)域表現(xiàn)出了增加趨勢,而處于溫度較高時間段的6月最少,僅10.98%的像元數(shù)表現(xiàn)出了增加趨勢。所有的月份NDVI值隨時間表現(xiàn)出減少趨勢的像元數(shù)都很少,僅8月具有減少趨勢的像元數(shù)超過了10%,其他月份均不足10%。不具有變化趨勢的面積數(shù)在大部分月份所占的比例較高,尤其是1月、4月和6月,都超過了70%,較低的是3月、8月、9月和10月,最少的10月僅27.84%。

4.3 不同時間尺度趨勢性的關(guān)系

建立月、季和年3個時間尺度的相關(guān)系數(shù)矩陣來分析不同時間尺度間的關(guān)系(表4),相關(guān)矩陣顯示年的趨勢性與季節(jié)和月份的趨勢性的相關(guān)系數(shù)都較低,季節(jié)與其所包含的月份之間具有一定的相關(guān)性,其中,冬季與12月、1月和2月之間都表現(xiàn)為中度相關(guān),說明冬季的植被覆蓋增加是3個月的共同體現(xiàn),而其他3個季節(jié)僅與其中的部分月份表現(xiàn)出中度相關(guān),余下月份與相應(yīng)季節(jié)為弱相關(guān),反映出春夏秋3季的植被覆蓋變化是由部分月份體現(xiàn)的。進(jìn)一步分析不同時間尺度對應(yīng)像元趨勢的一致性時,由于每個時間尺度上具有減少趨勢的像元所占的比例都較少；因此,統(tǒng)計(jì)時將之忽略,為進(jìn)一步概化統(tǒng)計(jì)值,分別統(tǒng)計(jì)了2個時間尺度上在90%顯著性水平下具有增加趨勢的像元占據(jù)整個研究區(qū)的比例,都不具有趨勢性的像元比例以及趨勢性不一致的比例。從植被覆蓋增加趨勢的像元占據(jù)研究區(qū)的比例來看,年與其他時間尺度共同擁有大約35%具有增加趨勢的像元數(shù),其中10月最高,接近50%,最低的是夏季,僅16.17%。冬季和秋季與它們包含的月份之間共同擁有增加趨勢的像元比例較高,大部分都超過38%,而春季和夏季與它們包含的月份之間共同擁有增加趨勢的像元數(shù)較低,都不足20%(表4)。

表3 不同月份不同類型趨勢占研究區(qū)面積比例Tab.3 Area percentage of different monthly NDVI trend in different significant level %

圖4 3月和10月NDVI的 Mann-Kendall值(Z)空間分布圖Fig.4 NDVI spatial distribution of Mann-Kendall value of NDVI(Z)in March and October

表4 不同時間尺度間趨勢性的相關(guān)系數(shù)及具有共同增加趨勢的像元占據(jù)研究區(qū)的比例Tab.4 Matrix of correlation coefficients between different temporal scales and percentage of pixels with common trend between different temporal scales__

從統(tǒng)計(jì)出的表5看,年與季節(jié)和月份間趨勢性不一致的像元數(shù)在3類統(tǒng)計(jì)中所占比例最高,平均值達(dá)到47.77%,接近于研究區(qū)的半數(shù),春季和夏季與它們包含的月份間趨勢不一致的比例相對較高,而冬季和秋季與它們所包含月份之間趨勢不一致的比例較少,在20% ～35%之間。從統(tǒng)計(jì)表5看,共同不具有趨勢性的像元數(shù)所占的比例總體上不高,均值僅20.64%,最高值為秋季與1月之間的比例達(dá)到59.45%,其他時間之間的比例都遠(yuǎn)低于這個值,多居于10% ～30%之間。

表5 不同時間尺度間共同擁有趨勢性不一致的像元比例及不同時間尺度間都不具有趨勢性的像元比例Tab.5 Percentages of pixels in inconsistent trend among different temporal scales(Left)and percentages of pixels in non-trend among different temporal scales(Right)

5 結(jié)論

1)黃河流域3個時間尺度(年、季、月)NDVI的空間分布特征為:東部及南部山區(qū)NDVI值較高,西北部沙漠及土石山區(qū)的NDVI值較低,黃河源區(qū)的NDVI值較低。冬春2季和夏秋2季的NDVI空間分布分別具有比較高的相似性。

2)NDVI趨勢性在年尺度上反應(yīng)最好,超過60%的像元表現(xiàn)出了增加趨勢,季節(jié)上,僅冬春部分區(qū)域表現(xiàn)出良好的增加趨勢,而夏秋具有增加趨勢的像元數(shù)都較少。冷暖轉(zhuǎn)換月份3月和10月NDVI增加的趨勢性明顯高于其他月份。

3)相關(guān)性分析顯示年與其他任一時間尺度間的NDVI趨勢性的相關(guān)性不強(qiáng),不同季節(jié)與其所包含月份間的NDVI趨勢性在相關(guān)性上存在差異,冬季與包含月份間的都具有中度相關(guān),而春夏秋3季與它們所包含的部分月份間存在中度相關(guān)。不同趨勢的像元數(shù)統(tǒng)計(jì)顯示,年和冬季與其他時間尺度間共同具有增加趨勢的像元數(shù)較多,而夏秋2季與其他時間尺度間占有的比例較少。

綜上所述,黃土高原植被覆蓋在不同時間尺度上的變化存在明顯差異,在利用年的趨勢值來說明植被變化時應(yīng)該謹(jǐn)慎對待,需要更為清晰地說明更小時間尺度的植被變化是否能夠體現(xiàn)更高時間尺度的植被變化。

6 參考文獻(xiàn)

[1] CRAMER W P,LEEMANS R.Assessing impacts of climate change on vegetation using climate classification systems[M]∥SOLOMON A M,SHUGART H H.Vegetation Dynamics and Global Change.London:Chapman and Hall,1993:190.

[2] MYNENI R B,KEELING C D,TUCKER C J,et al.Increased plant growth in the northern high latitudes from 1981 to 1999[J].Nature,1997,386(6626):698.

[3] MYNENI R B,TUCKER C J,ASAR G,et al.Interannual variations in satellite-sensed vegetation index data from 1981 to 1991[J].Journal of Geophysical Research Atmospheres,1998,103(D16):6145.

[4] ZHOU L,TUCKER C J,KAUFMANN R K,et al.Variations in northern vegetation activity inferred from satellite data of vegetation index during 1981- 1999[J].Journal of Geophysical Research Atmospheres,2002,106(17):20069.

[5] NEMANI R R,KEELING C D,HASHIMOTO H,et al.Climate-driven increases in global terrestrial net primary production from 1982 to 1999[J].Science,2003,300(5625):1560.

[6] 方精云,樸世龍,賀金生,等.近20年來中國植被活動在增強(qiáng)[J].中國科學(xué)(C輯:生命科學(xué)),2003,33(6):554.FANG Jingyun,PIAO Shilong,HE Jinsheng,et al.Activity of vegetation in China has been augmented in recent 20 years[J].Science in China Series C:Biological Sciences,2003,33(6):161.

[7] 陳效逑,喻蓉.1982—1999年我國東部暖溫帶植被生長季節(jié)的時空變化[J].地理學(xué)報,2007,62(1):41.CHEN Xiaoqiu,YU Rong.Spatial and temporal variations of the vegetation growing season in warm-temperate eastern china during 1982 to 1999[J].Acta Geographica Sinica,62(1):41.

[8] ZHANG Yili,GAO Jungang,LIU Linshan,et al.NDVI-based vegetation changes and their responses to climate change from 1982 to 2011:A case study in the Koshi River Basin in the middle Himalayas[J].Global and Planetary Change,2013,108:139.

[9] 劉志紅,郭偉玲,楊勤科,等.近20年黃土高原不同地貌類型區(qū)植被覆蓋變化及原因分析[J].中國水土保持科學(xué),2011,9(1):16.LIU Zhihong,GUO Weiling,YANG Qinke,et al.Vegetation cover changes and their relationship with rainfall in different physiognomy type areas of Loess Plateau[J].Science of Soil and Water Conservation,2011,9(1):16.

[10] 鐘莉娜,趙文武.基于NDVI的黃土高原植被覆蓋變化特征分析[J].中國水土保持科學(xué),2013,11(5):57.ZHONG Lina,ZHAO Wenwu.Detecting the dynamic changes of vegetation coverage in the Loess Plateau of China using NDVI data[J].Science of Soil and Water Conservation,2013,11(5):57.

[11] 何遠(yuǎn)梅,姚文俊,張巖,等.黃土高原區(qū)植被恢復(fù)的空間差異性分析[J].中國水土保持科學(xué),2015,13(2):63.HE Yuanmei,YAO Wenjun,ZHANG Yan,et al.Spatial variability of vegetation restoration on the Loess Plateau based on MODIS/NDVI[J].Science of Soil and Water Conservation,2015,13(2):63.

[12] 信忠保,許炯心,鄭偉.氣候變化和人類活動對黃土高原植被覆蓋變化的影響[J].中國科學(xué)(D輯:地球科學(xué)),2007,37(11):1504.XIN Zhongbao,XU Jiongxin,ZHENG Wei.Impact of climate change and human activities in vegetation cover change on the Loess Plateau[J].Science in China Series D:Earth Sciences,2007,37(11):1504.

[13] CUO Lan,ZHANG Yongxin,GAO Yanhong,et al.The impacts of climate change and land cover/use transition on the hydrology in the upper Yellow River Basin,China[J].Journal of Hydrology,2013,502:37.

[14] CAI Ximing,ROSEGRANT M W.Optional water development strategies for the Yellow River Basin:Balancing agricultural and ecological water demands[J].Water Resources Research,2004,40(8):1.

[15] 武吉華,張紳.植物地理學(xué)[M].3版.北京:高等教育出版社,1995:1.WU Jihua,ZHANG Shen.Geobotany[M].3rd Edition.Beijing:Higher Education Press,1995:1.

[16] PINZON J.Using HHT to successfully uncouple seasonal and interannual components in remotely sensed data[C]∥SCI 2002 Conference Proceedings,2002:14.

[17] TUCKER C J,PINZON J E,BROWN M E,et al.An extended AVHRR 8-km NDVI dataset compatible with MODIS and SPOT vegetation NDVI data[J].International Journal of Remote Sensing,2005,26(20):4485.

[18] NESTLER M S,PFISTER R.The NASA earth observing system data gateway[C]∥AGU Fall Meeting Abstracts,2002.

[19] HUETE A,DIDAN K,MIURA T,et al.Overview of the radiometric and biophysical performance of the MODIS vegetation indices[J].Remote Sensing of Environment,83(1 and 2),2002:195.

[20] MANN H B.Nonparametric tests against trend[J].Econometrica,1945,13:245.

[21] KENDALL M G.Rank correlation methods[M].2nd edition: Oxford, England: HafnerPublishing Co.,1955:85.