Loading [MathJax]/jax/output/SVG/jax.js

基于NDVI的贵州省植被覆盖时空特征分析

邢愿, 贺中华

邢愿, 贺中华. 基于NDVI的贵州省植被覆盖时空特征分析[J]. 华南师范大学学报(自然科学版), 2021, 53(2): 84-95. DOI: 10.6054/j.jscnun.2021030
引用本文: 邢愿, 贺中华. 基于NDVI的贵州省植被覆盖时空特征分析[J]. 华南师范大学学报(自然科学版), 2021, 53(2): 84-95. DOI: 10.6054/j.jscnun.2021030
XING Yuan, HE Zhonghua. An NDVI-based Analysis of the Temporal and Spatial Characteristics of Vegetation Coverage in Guizhou Province[J]. Journal of South China Normal University (Natural Science Edition), 2021, 53(2): 84-95. DOI: 10.6054/j.jscnun.2021030
Citation: XING Yuan, HE Zhonghua. An NDVI-based Analysis of the Temporal and Spatial Characteristics of Vegetation Coverage in Guizhou Province[J]. Journal of South China Normal University (Natural Science Edition), 2021, 53(2): 84-95. DOI: 10.6054/j.jscnun.2021030

基于NDVI的贵州省植被覆盖时空特征分析

基金项目: 

国家自然科学基金项目 41471032

国家自然科学基金项目 u1612441

贵州省水利厅自然科研基金项目 KT201402

2015年贵州师范大学博士基金项目 

详细信息
    通讯作者:

    贺中华, Email: zhonghuahe@gznu.edu.cn

  • 中图分类号: P935.1

An NDVI-based Analysis of the Temporal and Spatial Characteristics of Vegetation Coverage in Guizhou Province

  • 摘要: 利用2001—2018年的500 m分辨率的MOD13A1数据,计算每个像元的NDVI的变化趋势,并采用线性趋势分析法和相关性分析法,分析贵州省植被覆盖面积在18年间的时空变化特征;结合2001—2018年植被的降水利用效率与2010、2017年2期土地覆盖数据,研究不同土地覆盖类型的NDVI的特征. 研究结果表明:(1) 2001—2018年,贵州省的植被覆盖面积总体呈增加趋势,表明生态环境得以明显改善,以毕节、六盘水市最为显著;(2)从植被覆盖面积变化趋势来看,贵州省的植被改善区域大于退化区域,植被退化区主要集中在城镇扩张区;(3)贵州省的整体植被降水利用效率与植被覆盖面积的变化趋势不具有一致性;(4)贵州省的NDVI与同期降雨量、气温均呈现良好的相关性,而植被生长对气温变化不存在明显滞后性、对降雨量变化的滞后期为1个月,即植被生长对气温的敏感性高于降雨量;(5)在植被生长季,不同土地覆盖类型的NDVI具有不同的特征: NDVI(林地)>NDVI(耕地)>NDVI(草地)>NDVI(建设用地)>NDVI(水体).
    Abstract: The MOD13A1 data with 500 m resolution from 2001 to 2018 was used to calculate the NDVI change trend of each pixel. Linear trend analysis and correlation analysis were used to analyze the spatiotemporal variation characteristics of vegetation coverage in Guizhou Province. Combining the precipitation use efficiency of vegetation from 2001 to 2018 with the land cover data of 2010 and 2017, the NDVI characteristics of different land cover types were studied. The results are as follows. First, from 2001 to 2018, the vegetation cover area in Guizhou Province has shown an overall increasing trend, and the ecological environment has been significantly improved, especially in Bijie and Liupanshui areas. Second, overall, the change trend of vegetation cover area shows that the improvement area in Guizhou Province is larger than the degradation area, and degradation concentrates in the urban expansion area. Third, the overall efficiency of precipitation utilization by vegetation in Guizhou Province is not consistent with the change trend of vegetation cover. Fourth, the NDVI of Guizhou Province showed a good correlation with rainfall and air temperature in the same period. However, vegetation growth did not lag behind the change of air temperature, and the lag period of rainfall was 1 month. In other words, the sensitivity of vegetation growth to air temperature was higher than that of rainfall. Finally, the NDVI values of different land cover types in the vegetation growing season have different characteristics: NDVI(woodland)>NDVI(arable land)>NDVI(grassland)>NDVI(construction land)>NDVI (water body).
  • 归一化植被指数(Normalized Difference Vegetation Index,NDVI)作为植被生长及覆盖的最佳指示因子,可以良好地反映植被分布特征及变化,是评价地区生态环境发展的重要指标之一[1]. 通过卫星遥感手段对植被和气象因子进行持续动态监测,利用NDVI、标准化降水蒸散指数(SPEI)和标准化降水指数(SPI)等量化指标,分析不同尺度上的植被水文响应,为揭示陆表生态环境特征提供了强有力的数据支持和研究手段.

    目前关于植被指数影响因素的研究中,主要以气象因子为主. 如:利用多元线性回归分析法,分析多个气象因素对归一化植被指数的影响,研究表明气象因子可以用来预测植被的未来生长状况[2];运用多个气象要素(气温、风速、降雨量)和SPEI指数进行突变分析和趋势分析, 研究内蒙古典型草原区NDVI与气候变化的响应机制,研究表明降雨量是影响典型草原植被生长的主要气象要素,气温次之[3];利用线性趋势分析、Pearson相关分析、多元线性回归模型以及通径分析的方法,对黄土高原2000—2015年全区和不同植被覆被类型区内NDVI与气象因子的变化趋势以及相互作用关系进行分析,研究表明黄土高原区的NDVI与气象因子之间没有显著相关性,但在不同植被覆被类型区,气象因子对NDVI存在显著作用,且不同植被覆被类型差异明显[4]. 贵州省作为我国喀斯特地貌分布最广、分布面积占比最大的省份,其石漠化问题也最为突出[5]. 学者们对贵州省的植被变化的研究取得较多成果,如:运用最大合成法、加权平均法、线性趋势法等方法和GIS中的Spatial Analyst Tools等技术方法,分析了贵州省2005—2014年的植被变化趋势特征, 研究表明贵州省的NDVI值整体呈正增长趋势[6];采用一元线性回归、标准差分析和Hurst指数等时间序列统计分析法,对贵州省的NDVI值变化的时空格局和发展趋势进行研究,研究表明贵州省东部和西部的NDVI值相对稳定,中部的波动明显[7];通过建模反演植被覆盖度,利用遥感与地理信息系统软件发现贵州省中部的植被覆盖度最差,被覆盖度从东南方向向西北方向递减[8];通过变化倾斜率、变异系数以及相关分析法,对比分析了贵州省不同岩性区NDVI值的变化规律及主导因素, 研究表明不同岩性基底上的NDVI值、NDVI的变化率及变异系数存在一定差异性[9];利用同期气温与降雨量数据,研究贵州省的林草植被覆盖度在2001—2014年的时空变化及其与气温、降雨量变化的关系,研究表明贵州省的林草植被覆盖度变化与降雨量改变有较明显的正相关性,但与气温变化没有明显相关性[10];利用NDVI数据与贵州省84个气象站点提供的气象资料, 分析1987—2003年贵州省的植被变化状况以及NDVI与气温、降雨量的相互关系,研究表明贵州省春季时的NDVI与气温、降雨量的相关系数最大[11];利用时间序列、变化趋势和空间动态变化分析等方法,研究贵州省植被覆盖的时空变化特征及植被覆盖变化对气象因子在地域、变化速率和变化方向的影响,研究表明贵州省的NDVI与气温的相关性大于与降雨量的,但其对降雨量的滞后性却高于对气温的[12]. 但是,已有研究多在年际变化上分析贵州省的植被变化特征及其与气候的响应关系,在气象要素(气温、降雨量)对植被生长的时空响应规律及其对气候变化的空间滞后关系方面的研究较少.

    2001—2018年,贵州省的极端气候出现频繁,降雨量的空间分布更为不均,导致植被生长对气候变化的敏感性不同,其空间分布特征也存在差异性[13]. 为更全面揭示贵州省的气温、降雨量对植被生长的影响规律,本文基于2001—2018年的长时间序列NDVI数据,采用线性趋势分析法和相关性分析法,分析贵州省的植被覆盖面积在18年间的时空变化特征;同时结合2001—2018年植被的降水利用效率与2010、2017年2期土地覆盖数据,研究不同土地覆盖类型的NDVI的特征,以期为贵州省的水土流失和土地石漠化防治提供依据.

    贵州省(简称“黔”或“贵”)共有9个行政区划单位,其中:6个地级市(贵阳市、遵义市、六盘水市、安顺市、毕节市、铜仁市)、3个自治州(黔东南苗族侗族自治州、黔南布依族苗族自治州、黔西南布依族苗族自治州);全省界于北纬24°37′~29°13′,东经103°36′~109°35′,地处中国西南内陆地区腹地,境内地势西高东低,自中部向北、东、南三面倾斜,平均海拔在1 100 m左右,总面积为17.62万km2,如图 1. 全省地貌可概括分为高原、山地、丘陵和盆地4种基本类型,其中92.5%的面积为山地和丘陵;截至2017年底,贵州省的森林覆盖率为55.3%,营造林面积为67万hm2[14]. 贵州省植被的空间特征呈现明显的过渡性,从而使各种植被类型在地理分布上相互重叠、错综,各种植被类型组合变得复杂多样. 贵州省这种特殊的地质地貌类型和气侯特征影响了土壤的发育和分布,形成独特的喀斯特地貌;贵州省除黔东南苗族侗族自治州外,其他州市的地貌类型均为喀斯特地貌类型,土层浅薄、水土流失严重,植被区域分异性明显,生态基础十分脆弱,损坏后难以恢复[15].

    图  1  贵州省行政区划示意图
    审图号:黔S(2020)007号.
    Figure  1.  The administrative division of Guizhou Province

    数据来源于美国NASA的MODIS植被指数产品数据MOD13A1(https://www.nasa.gov/). 数据空间分辨率为500 m,时间分辨率为16 d,时间范围为2001年1月—2018年12月. 利用MRT软件进行格式转换和投影转换,采用最大值合成法(MVC)获得18年逐月NDVI数据,去除云、大气和太阳高度角等产生的影响. 2001—2018年的气象资料来源于中国气象科学数据共享服务网(http://data.cma.cn/),选用研究区域内31个国家气象站点的气象数据(降雨量、气温),统计为月数据并利用克里金插值法生成降雨量、月均温栅格数据. 2017年的土地覆盖数据来源于清华大学地球系统科学系(http://data.ess.tsinghua.edu.cn),2010年的土地覆盖数据来源于全国地理信息资源目录服务系统(http://www.webmap.cn/mapDataAction.do?method=globalLandCover),分辨率均为30 m. 本文根据需要将土地覆盖类型进行统一整理,将研究区划分为耕地、林地、水体、草地和建设用地5类.

    采用国际通用的最大值合成法(Max Value Composites,MVC)[16-17]生成当月的NDVI值. 该处理可以消除云、大气以及太阳高度角等的部分影响. 在本研究中,以16 d的NDVI数据为基础,采用最大值合成法获取月最大NDVI值:将每月2幅的NDVI图像通过波段运算实现最大值合成,以2幅图像中每一个像元的最大值代表该月的NDVI值. 计算公式为:

    MNDVIi=max(NDVIi,NDVIi),

    其中: MNDVIi为第i月的最大NDVI值; NDVI′i、NDVI″i分别为第i月的上半月、下半月的NDVI值.

    为消除降雨量突变对植被覆盖面积的影响,以植被降水利用效率(Precipitation-Use Efficiency, PUE)为评价指标. 植被降水利用效率[18]是评价干旱与半干旱地区土地退化的有力工具,计算公式如下:

    PUE=Pnp,

    其中:p为年降雨量,Pn为年净初级生成力. DYMOND等[19]指出: 干旱、半干旱地区生态系统的NPP与归一化植被指数(NDVI)呈显著的线性相关关系. 在利用遥感影像数据研究这些地区PUE的空间变异特征时,可采用生长季(4—11月)的NDVI累积值作为NPP的代用指标[20]. 对应时段的降雨量为气象站点数据空间插值所得.

    一元回归趋势分析是对一组随时间变化的变量进行回归分析的方法,预测其未来变化趋势[21]. 计算公式如下

    φslope=nni=1(i×NDVIi)ni=1i×ni=1NDVIinni=1i2(ni=1i)2,

    其中:n为总年数;NDVIi为第i年的NDVI均值;φslope为趋势线的斜率. 根据文献[22],以趋势线的斜率来确定NDVI的变化趋势(表 1).

    表  1  NDVI变化趋势表
    Table  1.  The table of NDVI variation
    趋势线斜率划分 NDVI变化趋势
    φslope≤-0.009 1 严重退化
    -0.009 0≤φslope≤-0.004 6 中度退化
    -0.004 5≤φslope≤-0.001 0 轻微退化
    -0.000 9≤φslope≤0.000 9 基本不变
    0.001 0≤φslope≤0.004 5 轻微改善
    0.004 6≤φslope≤0.009 0 中度改善
    φslope≥0.009 0 明显改善
    下载: 导出CSV 
    | 显示表格

    采用Pearson相关分析法[23],对贵州省2001—2018年的NDVI与降雨量、气温空间插值数据进行逐像元相关性分析,研究植被生长对气象要素(降雨量、气温)的敏感性. 其计算公式为:

    R2xy=ni=112j=1[(xij¯x)(yij¯y)]ni=112j=1(xij¯x)2ni=112j=1(yij¯y)2,

    其中:Rxy2为NDVI值与气象要素的相关系数,其取值范围为[-1, 1];n=18;xij为第i年第j月的NDVI值;yij为第i年第j月的气象要素(月均温、月降雨量); xy分别为NDVI均值和气象要素均值(年均温、年降雨量均值).

    由贵州省2001—2018年逐年的NDVI均值(图 2A)可知:(1)2001—2018年,贵州省的总体植被覆盖面积呈增加趋势,生态环境得到明显改善[24]. (2)贵州省的NDVI均值在0.77~0.84之间波动,其中2001—2009年的NDVI均值波动较大,不存在明显的趋势特征. (3)贵州省的NDVI均值每年增加0.003 3;自2013年以来,贵州省的NDVI均值呈现快速增长的趋势,即贵州省的整体植被生长状况好转,2016年的NDVI均值最大(0.84).

    图  2  贵州省整体及各行政区划单位逐年的NDVI均值变化(2001—2018年)
    Figure  2.  The average annual NDVI changes in Guizhou Province as a whole and in each administrative region from 2001 to 2018

    为更详细研究贵州省的植被覆盖面积变化情况,分别统计9个行政区划单位2001—2018年逐年的NDVI均值. 为表述简洁,将3个自治州(黔东南苗族侗族自治州、黔南布依族苗族自治州、黔西南布依族苗族自治州)简写为黔东南、黔南、黔西南. 由(图 2BCD)可知:(1)各行政区划单元的植被覆盖面积均呈增加趋势. 毕节、六盘水市的增加趋势最显著,这与文献[24]的研究结果一致;毕节、六盘水市的NDVI均值分别以每年0.004 6和0.004 2的速度增加;黔东南地区的增加趋势最缓慢,造成黔东南地区的NDVI均值变化趋势缓慢的原因为黔东南地区属于非喀斯特地区,植被覆盖良好. (2)2012—2015年,安顺、贵阳、遵义、铜仁市的NDVI均值呈现明显的先减后增的趋势,表明这些地区在2012—2015年的植被生长状况是先变差后逐渐改善,发生这种状况可能与当年的降雨量及气温有关.

    利用最大值合成法得到2001—2018年逐年的最大NDVI值,得到贵州省18年的NDVI均值的空间分布图(图 3). 由图可知:(1)贵州省18年的NDVI均值的空间分布特征呈现为喀斯特地区明显高于非喀斯特地区. (2)贵州省18年的NDVI均值呈东高西低的分布特征. 造成贵州省西部18年的NDVI均值较低的原因为: 毕节市及六盘水市的海拔较高,地形以高原山地为主,喀斯特地区石漠化较为严重,植被覆盖较为稀少[25]. 黔东南地区属于非喀斯特地区,海拔低,植被以林地及农作物为主,因此,黔东南地区18年的NDVI均值明显高于贵州省其他行政区划单位.

    图  3  贵州省逐年的NDVI均值的空间分布(2001—2018年)
    Figure  3.  The spatial distribution of average annual NDVI in Guizhou Province from 2001 to 2018

    以5年为周期,分别探究2001、2005、2010、2015、2018年的NDVI值与18年NDVI均值的变化情况,用NDVI距平值[16]来表示, 即贵州省2001、2005、2010、2015、2018年的NDVI值与18年NDVI均值的差值. 由图 4可知:(1)与多年平均的植被生长状况相比,2001年,毕节市及安顺市的植被生长状况呈退化状态,贵阳市及遵义市的植被生长状况有所提升. (2)2005年,植被生长状况呈退化状态的地区主要分布在贵州省西部地区,东部地区的植被生长状况有明显改善,铜仁市较为显著. 铜仁市的NDVI值高于全省18年的NDVI均值,究其原因为2005年6月下旬至8月中旬,贵州省中部、北部及东部地区严重伏旱. (3)2010年,贵州省的植被生长状况整体呈退化趋势,仅有少部分地区的NDVI值大于全省18年NDVI均值;根据贵州省历年灾情记录,2010年贵州省发生特大夏、秋、冬、春连旱,西部和南部地区最为严重[26],因此植被生长状况呈退化趋势. (4)2015年,贵阳市及安顺市的植被生长状况呈明显退化,遵义市及铜仁市的植被生长状况明显改善,遵义市及铜仁市的NDVI值高于全省18年NDVI均值. (5)2018年,全省植被生长状况改善最显著的地区为毕节市,全省的年NDVI距平值的空间分布特征为西高东低,与吴跃等[27]的研究成果一致.

    图  4  贵州省的年NDVI距平值(2001—2018年)
    Figure  4.  The annual NDVI anomaly in Guizhou Province from 2001 to 2018

    利用一元回归趋势分析,反映2001—2018年贵州省NDVI值的变化趋势. 由表 2图 5可知:(1)贵州省的植被覆盖改善区域的面积远大于植被覆盖退化区域的面积,且贵州省喀斯特地区的植被覆盖退化程度高于非喀斯特地区,西部地区退化程度高于东部地区. (2)植被总体改善区域、基本保持不变的区域、植被覆盖退化区域分别占植被覆盖总面积的85.8%、8.94%、5.19%. (3)毕节市的植被覆盖改善最显著,明显改善面积占全省改善面积的51.89%;其次为黔西南地区. (4)植被覆盖明显退化地区分布于遵义市南部、贵阳市与安顺市等主城区附近,与贵州省城镇化面积不断扩张这一事实相符[28].

    表  2  贵州省NDVI变化趋势面积统计(2001—2018年)
    Table  2.  The area statistics of NDVI variation in Guizhou Province from 2001 to 2018  km2
    地区 严重退化 中度退化 轻微退化 基本不变 轻微改善 中度改善 明显改善 合计
    安顺市 102.25 226.50 586.25 810.25 4 294.50 3 155.25 56.50 9 231.50
    毕节市 100.50 147.50 444.25 989.00 11 094.50 13 074.25 994.50 26 844.50
    贵阳市 216.00 267.75 465.25 627.75 3 816.00 2 577.50 74.00 8 044.25
    六盘水市 65.00 87.25 263.75 494.00 4 206.00 4 608.00 193.00 9 917.00
    黔东南 101.00 199.25 1 084.75 4 358.25 20 834.00 3 667.00 33.75 30 278.00
    黔南 143.50 250.50 1 033.50 2 504.50 15 603.00 6 543.00 107.50 26 185.50
    黔西南 107.00 188.75 514.50 1 254.00 8 686.25 5 679.75 373.50 16 803.75
    铜仁市 71.75 147.75 629.50 1 938.25 11 123.50 4 057.75 46.00 18 014.50
    遵义市 206.25 363.00 1 140.00 2 780.50 19 819.50 6 418.00 37.75 30 765.00
    合计 1 113.25 1 878.25 6 161.75 15 756.50 99 477.25 49 780.50 1 916.50 176 084.00
    下载: 导出CSV 
    | 显示表格
    图  5  贵州省逐年的NDVI均值变化趋势(2001—2018年)
    Figure  5.  The variation of average annual NDVI in Guizhou Province from 2001 to 2018

    植被覆盖面积保持基本稳定的区域为黔东南地区(非喀斯特地区),究其原因为:黔东南地区海拔低、森林覆盖率高和水土保持良好. 由文献[29]可知:截止2018年,黔东南地区的森林覆盖率为67.67%,位居全省第一;铜仁市、黔南、遵义市、六盘水市、黔西南、安顺市、毕节市、贵阳市的森林覆盖率分别为65.19%、64.66%、60.48%、59.72%、58.71%、56.73%、54.19%、52.16%.

    植被覆盖面积变化受多种因素的综合影响,NDVI值的变化趋势不能完全作为判断一个地区植被覆盖改善或退化的依据. 因此,本文参考文献[18]引入植被降水利用效率(PUE)作为植被覆盖面积变化趋势研究的指标,利用ArcGIS软件得到2001—2018年贵州省在植被生长季的植被降水利用效率的变化趋势(图 6). 由图可知:贵州省的PUE整体呈增加趋势,总体空间分布特征呈北高南低的状态,增加趋势较为显著的区域主要分布于毕节市和遵义市. 究其原因为: 退耕还林、“两江”防护林体系建设、长江经济带生态修复治理、植被恢复费造林等重点生态修复工程、石漠化治理等取得了显著成效,使得毕节市及遵义市的生态植被得到良好改善[30].

    图  6  贵州省在植被生长季的植被降水利用效率的变化趋势(2001—2018年)
    Figure  6.  The variation of the efficiency of precipitation utilization by vegetation during the vegetation growing season in Guizhou Province from 2001 to 2018

    利用ArcGIS软件将NDVI变化趋势值与PUE相乘,若两者相乘所得值为正,则说明研究区的NDVI变化趋势与PUE的变化趋势相同; 否则,说明两者变化趋势不同[18]. 结合图 7及吴林霖等[31]的研究可知贵州省NDVI及PUE的变化趋势相异区分布于全省各行政区划单位,与贵州省的石漠化、水土流失地区的空间分布基本一致. 由此可知贵州省大部分地区的NDVI与PUE的变化趋势相异的主要原因是:石漠化和水土流失严重,使植被的生长受到影响.

    图  7  贵州省的NDVI与植被降水利用效率的变化趋势异同区(2001—2018年)
    Figure  7.  The similarities and differences between NDVI variation and the variation of precipitation utilization efficiency by vegetation in Guizhou Province from 2001 to 2018

    影响区域植被变化的主要气象因素为降雨量与气温,植被在不同时期对降雨量、气温的敏感性不同. 为反映气候变化对植被变化的影响规律,对贵州省2001—2018年的NDVI与不同时期的气温、降雨量做相关性分析. 由分析结果(表 3)可知:(1)NDVI与月均气温的相关性较强,相关系数达0.682,而NDVI与降雨量的相关性未达到显著,表明气温对植被的生长影响更大. 同理,在植被生长季(4—11月),气温变化对植被的影响大于降雨量的影响, 这与张蓓蓓等[12]的研究结果一致. (2)在3、4月份,气温、降雨量与NDVI均呈正相关,表明随着气温、降雨量的增加,春季植被的长势逐渐变好.

    表  3  贵州省的NDVI与气温、降雨量的相关系数(2001—2018年)
    Table  3.  The correlation coefficient of NDVI, temperature and precipitation in Guizhou Province from 2001 to 2018
    相关系数 1月 2月 3月 4月 5月 6月 7月 8月 9月 10月 11月 12月
    RNDVI-P2 -0.304 -0.082 0.083 0.302 -0.094 -0.163 0.334 0.140 -0.113 0.366 0.135 0.005
    RNDVI-T2 0.682** 0.677** 0.573* 0.498* 0.224 0.559* 0.012 -0.176 0.152 0.278 -0.116 0.372
    注: *表示在0.01水平上显著,* *表示在0.05水平上显著;RNDVI-P2RNDVI-T2分别表示NDVI与降雨量、气温的相关系数.
    下载: 导出CSV 
    | 显示表格

    为了揭示植被生长对气象要素(降雨量、气温)的响应规律,以同期及前1、2、3个月为时间尺度,研究气温、降雨量与NDVI的相关性. 由结果(图 8)可知:(1)贵州省的NDVI与前1、2、3个月的降雨量的相关系数(R2)高于当月NDVI与降雨量的相关系数,表明植被生长变化对降雨量变化存在明显滞后效应,分析可得植被生长变化对降雨量变化的滞后期为1个月. (2)贵州省NDVI与同期气温显著相关;除10、11月的NDVI与前2个月气温的相关系数高于当月NDVI与气温的相关系数,其他月的NDVI对气温的滞后效应不明显. 综上所述,贵州省的植被生长变化对降雨量变化的时间滞后期为1个月,植被生长变化对气温变化不存在明显滞后性,可见植被生长变化对气温的敏感性高于降雨量.

    图  8  贵州省的NDVI与同期及前1、2、3个月降雨量和月均温的相关系数(2001—2018年)
    Figure  8.  The correlation coefficient of NDVI with precipitation and monthly mean temperature in the same period and in the past 1, 2 and 3 Months in Guizhou Province from 2001 to 2018

    为进一步研究在植被生长季(4—10月)中植被对气象要素(降雨量、气温)的空间响应规律,逐像元研究NDVI与同期降雨量、气温变化的相关性. 依据前人研究[12],将NDVI与气象要素(降雨量、气温)的相关性划分为4类:显著负相关(R2≤-0.5;P<0.05)、负相关(-0.5<R2≤0;P<0.05)、正相关(0<R2≤0.5;P<0.05)、显著正相关(0.5<R2≤0.8;P<0.05). 由结果(图 9)可知:(1)贵州省的NDVI与同期降雨量、气温均呈现良好的相关性,有83.27%区域的NDVI与降雨量呈正相关,有69.93%区域的NDVI与气温呈正相关,与李卓等[32]的研究结果一致. (2)NDVI与降雨量呈显著负相关的区域主要分布于铜仁市中部(江口县、碧江区),占全省面积的0.2%;显著正相关的区域主要分布区于毕节市,占全省面积的8.9%. (3)NDVI与气温呈显著负相关的区域主要分布于贵州省中部,占全省面积的0.7%,遵义市尤为显著;显著正相关的区域主要分布于毕节市,占全省面积的4.3%.

    图  9  贵州省在植被生长季中NDVI与同期降雨量、气温的相关性空间分布图(2001—2018年)
    Figure  9.  The spatial distribution map of correlation between NDVI and precipitation and temperature during the vegetation growing season in Guizhou Province from 2001 to 2018

    为研究不同土地覆盖类型与NDVI之间的定量关系,利用2010年及2017年2期土地覆盖数据,分析贵州省5种土地覆盖类型(耕地、林地、草地、水体、建议用地)的面积及空间分布格局的变化情况. 由表 4图 10可知:2010—2017年,贵州省有73 229.83 km2的土地面积发生相互转化,其中:76.5%的草地转换为其他土地覆盖类型,主要分布于黔西南及毕节市;64.6%的林地转换为其他土地覆盖类型,主要分布于黔东南、铜仁市东南部地区及遵义市西北部.

    表  4  贵州省2010—2017年土地覆盖面积转移矩阵
    Table  4.  The transfer matrix of land cover area in Guizhou Province from 2010 to 2017  km2
    2010年土地覆盖类型 2017年土地覆盖类型
    耕地 林地 草地 水体 建设用地 总计
    耕地 20 852.92 24 273.02 11 576.17 134.30 2 216.33 59 052.74
    林地 3 569.60 73 473.72 5 396.25 182.72 535.74 83 158.04
    草地 3 775.92 20 201.86 7 624.85 239.79 621.68 32 464.10
    水体 83.84 90.05 29.73 453.36 19.42 676.39
    建设用地 132.19 45.53 101.29 4.38 508.92 792.32
    总计 28 414.48 118 084.19 24 728.30 1 014.54 3 902.09 176 143.60
    下载: 导出CSV 
    | 显示表格
    图  10  贵州省的土地覆盖类型转移空间分布(2010—2017年)
    Figure  10.  The spatial distribution of land cover type transfer in Guizhou Province from 2010 to 2017

    由文献[22]可知贵州省的NDVI值分布具有规律性:在植被生长季(4—11月),农业区的NDVI值大于草地覆盖区的,林地区的NDVI值最高;非喀斯特区的NDVI值大于喀斯特区的;降雨量高的地区的NDVI值大于降雨量低的地区的;东部地区的NDVI值大于西部地区的. 本文参考文献[22], 将NDVI值划分为5个区间(S1:NDVI < 0.1、S2:0.1≤NDVI < 0.2、S3:0.2≤NDVI < 0.4、S4:0.4≤NDVI < 0.6、S5:NDVI≥0.6),并统计不同土地覆盖类型在每个区间的面积. 由表 5表 6可知:(1)由于耕地作物的多样性引起的作物特性与季相的不同[3],使得耕地区的NDVI值横跨区间S1至S4. 其中:2010年,51.8%的耕地区的NDVI值介于0.2~0.4之间;2017年,69.7%的耕地区的NDVI值介于0.4~0.6之间. (2)由于不同树种在同一时期的生长状况是不同的,所以,种植不同树种的林地区的NDVI值也存在差别. 2017年,从S1到S5都有林地分布,总体看来林地分布于S4 (0.4≤NDVI < 0.6);2010年,80.8%的林地区的NDVI值介于0.4~0.6之间;2017年,93.8%的林地区的NDVI值介于0.4~0.6之间. (3)草地状况的差异性较大,从S1到S5均有草地的分布. 2010、2017年的草地多集中在S4,分别占61.2%、74.0%. (4)贵州省独特的地形地貌,导致建设用地分布较为分散,由于建设用地周围通常是NDVI值较高的耕地及绿化植被的影响,因此,建设用地的NDVI值较高且主要集中于S3,且2010、2017年分别占66.7%、58.7%.

    表  5  2010年贵州省不同土地覆盖类型的NDVI面积统计
    Table  5.  The NDVI area statistics of different land cover types in Guizhou Province in 2010  km2
    土地类型 S1 S2 S3 S4 S5
    耕地 8.09 75.16 30 578.44 28 363.02
    林地 2.54 29.34 15 526.93 65 624.86
    草地 4.33 43.06 12 547.64 19 841.27
    水体 24.13 38.82 439.97 161.48
    建设用地 25.57 198.09 528.77 39.67
    下载: 导出CSV 
    | 显示表格
    表  6  2017年贵州省不同土地覆盖类型的NDVI面积统计
    Table  6.  The NDVI area statistics of different land cover types in Guizhou Province in 2017  km2
    土地类型 S1 S2 S3 S4 S5
    耕地 3.56 88.20 8 505.83 19 801.99
    林地 3.55 18.52 7 176.06 110 781.26 4.79
    草地 1.89 44.85 6 367.13 18 296.69 0.01
    水体 15.22 31.05 415.04 538.76
    建设用地 12.54 346.15 2 290.59 1 251.75
    下载: 导出CSV 
    | 显示表格

    基于空间分辨率为500 m的MOD13A1数据,本文研究了贵州省2001—2018年的植被覆盖变化,同时结合植被降水利用效率、气象要素及土地覆盖变化,完成了植被覆盖状况的评价,并分析了植被变化趋势、植被生长对气象要素的敏感性及时空演化特征. 主要结论如下:

    (1) 贵州省整体植被覆盖面积呈增加趋势,全省NDVI均值每年增加0.003 3,毕节、六盘水市的增加趋势最明显,表明贵州省在喀斯特石漠化治理方面取得显著成果.

    (2) 贵州省的植被降水利用效率与植被覆盖面积的变化趋势不具有一致性,究其原因,可能为贵州省大部分区域为喀斯特石漠化区,水土流失严重.

    (3) 贵州省的植被与同期降雨量、气温均呈现良好的相关性,大部分地区的植被生长与降雨量、气温呈正相关,即随着降雨量与气温的增加,植被长势越好;植被生长对降雨量的响应具有明显滞后性,滞后期为1个月.

    (4) 结合土地覆盖类型数据研究贵州省不同土地覆盖类型NDVI值特征的方法是可行的,研究结果表明: 在植被生长季(4—11月),NDVI(林地)>NDVI(耕地)>NDVI(草地)>NDVI(建设用)>NDVI(水体).

  • 图  1   贵州省行政区划示意图

    审图号:黔S(2020)007号.

    Figure  1.   The administrative division of Guizhou Province

    图  2   贵州省整体及各行政区划单位逐年的NDVI均值变化(2001—2018年)

    Figure  2.   The average annual NDVI changes in Guizhou Province as a whole and in each administrative region from 2001 to 2018

    图  3   贵州省逐年的NDVI均值的空间分布(2001—2018年)

    Figure  3.   The spatial distribution of average annual NDVI in Guizhou Province from 2001 to 2018

    图  4   贵州省的年NDVI距平值(2001—2018年)

    Figure  4.   The annual NDVI anomaly in Guizhou Province from 2001 to 2018

    图  5   贵州省逐年的NDVI均值变化趋势(2001—2018年)

    Figure  5.   The variation of average annual NDVI in Guizhou Province from 2001 to 2018

    图  6   贵州省在植被生长季的植被降水利用效率的变化趋势(2001—2018年)

    Figure  6.   The variation of the efficiency of precipitation utilization by vegetation during the vegetation growing season in Guizhou Province from 2001 to 2018

    图  7   贵州省的NDVI与植被降水利用效率的变化趋势异同区(2001—2018年)

    Figure  7.   The similarities and differences between NDVI variation and the variation of precipitation utilization efficiency by vegetation in Guizhou Province from 2001 to 2018

    图  8   贵州省的NDVI与同期及前1、2、3个月降雨量和月均温的相关系数(2001—2018年)

    Figure  8.   The correlation coefficient of NDVI with precipitation and monthly mean temperature in the same period and in the past 1, 2 and 3 Months in Guizhou Province from 2001 to 2018

    图  9   贵州省在植被生长季中NDVI与同期降雨量、气温的相关性空间分布图(2001—2018年)

    Figure  9.   The spatial distribution map of correlation between NDVI and precipitation and temperature during the vegetation growing season in Guizhou Province from 2001 to 2018

    图  10   贵州省的土地覆盖类型转移空间分布(2010—2017年)

    Figure  10.   The spatial distribution of land cover type transfer in Guizhou Province from 2010 to 2017

    表  1   NDVI变化趋势表

    Table  1   The table of NDVI variation

    趋势线斜率划分 NDVI变化趋势
    φslope≤-0.009 1 严重退化
    -0.009 0≤φslope≤-0.004 6 中度退化
    -0.004 5≤φslope≤-0.001 0 轻微退化
    -0.000 9≤φslope≤0.000 9 基本不变
    0.001 0≤φslope≤0.004 5 轻微改善
    0.004 6≤φslope≤0.009 0 中度改善
    φslope≥0.009 0 明显改善
    下载: 导出CSV

    表  2   贵州省NDVI变化趋势面积统计(2001—2018年)

    Table  2   The area statistics of NDVI variation in Guizhou Province from 2001 to 2018  km2

    地区 严重退化 中度退化 轻微退化 基本不变 轻微改善 中度改善 明显改善 合计
    安顺市 102.25 226.50 586.25 810.25 4 294.50 3 155.25 56.50 9 231.50
    毕节市 100.50 147.50 444.25 989.00 11 094.50 13 074.25 994.50 26 844.50
    贵阳市 216.00 267.75 465.25 627.75 3 816.00 2 577.50 74.00 8 044.25
    六盘水市 65.00 87.25 263.75 494.00 4 206.00 4 608.00 193.00 9 917.00
    黔东南 101.00 199.25 1 084.75 4 358.25 20 834.00 3 667.00 33.75 30 278.00
    黔南 143.50 250.50 1 033.50 2 504.50 15 603.00 6 543.00 107.50 26 185.50
    黔西南 107.00 188.75 514.50 1 254.00 8 686.25 5 679.75 373.50 16 803.75
    铜仁市 71.75 147.75 629.50 1 938.25 11 123.50 4 057.75 46.00 18 014.50
    遵义市 206.25 363.00 1 140.00 2 780.50 19 819.50 6 418.00 37.75 30 765.00
    合计 1 113.25 1 878.25 6 161.75 15 756.50 99 477.25 49 780.50 1 916.50 176 084.00
    下载: 导出CSV

    表  3   贵州省的NDVI与气温、降雨量的相关系数(2001—2018年)

    Table  3   The correlation coefficient of NDVI, temperature and precipitation in Guizhou Province from 2001 to 2018

    相关系数 1月 2月 3月 4月 5月 6月 7月 8月 9月 10月 11月 12月
    RNDVI-P2 -0.304 -0.082 0.083 0.302 -0.094 -0.163 0.334 0.140 -0.113 0.366 0.135 0.005
    RNDVI-T2 0.682** 0.677** 0.573* 0.498* 0.224 0.559* 0.012 -0.176 0.152 0.278 -0.116 0.372
    注: *表示在0.01水平上显著,* *表示在0.05水平上显著;RNDVI-P2RNDVI-T2分别表示NDVI与降雨量、气温的相关系数.
    下载: 导出CSV

    表  4   贵州省2010—2017年土地覆盖面积转移矩阵

    Table  4   The transfer matrix of land cover area in Guizhou Province from 2010 to 2017  km2

    2010年土地覆盖类型 2017年土地覆盖类型
    耕地 林地 草地 水体 建设用地 总计
    耕地 20 852.92 24 273.02 11 576.17 134.30 2 216.33 59 052.74
    林地 3 569.60 73 473.72 5 396.25 182.72 535.74 83 158.04
    草地 3 775.92 20 201.86 7 624.85 239.79 621.68 32 464.10
    水体 83.84 90.05 29.73 453.36 19.42 676.39
    建设用地 132.19 45.53 101.29 4.38 508.92 792.32
    总计 28 414.48 118 084.19 24 728.30 1 014.54 3 902.09 176 143.60
    下载: 导出CSV

    表  5   2010年贵州省不同土地覆盖类型的NDVI面积统计

    Table  5   The NDVI area statistics of different land cover types in Guizhou Province in 2010  km2

    土地类型 S1 S2 S3 S4 S5
    耕地 8.09 75.16 30 578.44 28 363.02
    林地 2.54 29.34 15 526.93 65 624.86
    草地 4.33 43.06 12 547.64 19 841.27
    水体 24.13 38.82 439.97 161.48
    建设用地 25.57 198.09 528.77 39.67
    下载: 导出CSV

    表  6   2017年贵州省不同土地覆盖类型的NDVI面积统计

    Table  6   The NDVI area statistics of different land cover types in Guizhou Province in 2017  km2

    土地类型 S1 S2 S3 S4 S5
    耕地 3.56 88.20 8 505.83 19 801.99
    林地 3.55 18.52 7 176.06 110 781.26 4.79
    草地 1.89 44.85 6 367.13 18 296.69 0.01
    水体 15.22 31.05 415.04 538.76
    建设用地 12.54 346.15 2 290.59 1 251.75
    下载: 导出CSV
  • [1] 孙锐, 陈少辉, 苏红波. 黄土高原不同生态类型NDVI时空变化及其对气候变化响应[J]. 地理研究, 2020, 39(5): 1200-1214. https://www.cnki.com.cn/Article/CJFDTOTAL-DLYJ202005015.htm

    SUN R, CHEN S H, SU H B. Spatiotemporal variation of NDVI in different ecotypes on the Loess Plateau and its response to climate change[J]. Geographical Research, 2020, 39(5): 1200-1214. https://www.cnki.com.cn/Article/CJFDTOTAL-DLYJ202005015.htm

    [2] 栾金凯, 刘登峰, 刘慧, 等. 植被指数与气象因子在像元尺度的多元线性回归研究[J]. 华北水利水电大学学报(自然科学版), 2020, 41(3): 14-24. https://www.cnki.com.cn/Article/CJFDTOTAL-HBSL202003003.htm

    LUAN J K, LIU D F, LIU H, et al. Multiple linear regression study of vegetation index and meteorological factors at the pixel scale[J]. Journal of North China University of Water Resources and Electric Power (Natural Science Edition), 2020, 41(3): 14-24. https://www.cnki.com.cn/Article/CJFDTOTAL-HBSL202003003.htm

    [3] 王雨晴, 张成福, 李晓鸿. 内蒙古典型草原区NDVI对气候变化的响应[J]. 水土保持研究, 2020, 27(4): 201-205. https://www.cnki.com.cn/Article/CJFDTOTAL-STBY202004029.htm

    WANG Y Q, ZHANG C F, LI X H. Response of NDVI to climate change in typical steppes of Inner Mongolia[J]. Research of Soil and Water Conservation, 2020, 27(4): 201-205. https://www.cnki.com.cn/Article/CJFDTOTAL-STBY202004029.htm

    [4] 刘静, 温仲明, 刚成诚. 黄土高原不同植被覆被类型NDVI对气候变化的响应[J]. 生态学报, 2020, 40(2): 678-691. https://www.cnki.com.cn/Article/CJFDTOTAL-STXB202002027.htm

    LIU J, WEN Z M, GANG C C. Normalized difference vege- tation index of different vegetation cover types and its responses to climate change in the Loess Plateau[J]. Acta Ecologica Sinica, 2020, 40(2): 678-691. https://www.cnki.com.cn/Article/CJFDTOTAL-STXB202002027.htm

    [5] 张雪梅, 祁向坤, 岳跃民, 等. 喀斯特峰丛洼地石漠化治理自然地域分区研究[J]. 生态学报, 2020, 40(16): 5490-5501. https://www.cnki.com.cn/Article/CJFDTOTAL-STXB202016004.htm

    ZHANG X M, QI X K, YUE Y M, et al. Natural regiona-lization for rocky desertification treatment in karst peak- cluster depressionregions[J]. Acta Ecologica Sinica, 2020, 40(16): 5490-5501. https://www.cnki.com.cn/Article/CJFDTOTAL-STXB202016004.htm

    [6] 田鹏举, 徐丹丹, 丁立国, 等. 基于MODIS-NDVI贵州省2005-2014年植被时空变化特征分析[J]. 贵州气象, 2017, 41(2): 8-13. doi: 10.3969/j.issn.1003-6598.2017.02.002

    TIAN P J, XU D D, DING L G, et al. Analysis of spatial-temporal variation characteristic of vegetation in Guizhou during 2005-2014 period based on MODIS-NDVI[J]. Journal of Guizhou Meteorology, 2017, 41(2): 8-13. doi: 10.3969/j.issn.1003-6598.2017.02.002

    [7] 李仕蓉. 2000-2013年贵州省植被覆盖时空变化特征与趋势[J]. 贵州农业科学, 2014, 42(7): 202-205. doi: 10.3969/j.issn.1001-3601.2014.07.052

    LI S R. Spatial-temporai change and trend of vegetation coverage in Guizhou during 2000-2013[J]. Guizhou Agricultural Sciences, 2014, 42(7): 202-205. doi: 10.3969/j.issn.1001-3601.2014.07.052

    [8] 袁士聪, 谷甫刚. 基于归一化指数(NDVI)的植被覆盖度分级研究-以贵州省为例[J]. 环保科技, 2018, 24(3): 38-42. https://www.cnki.com.cn/Article/CJFDTOTAL-GZHB201803008.htm

    YUAN S C, GU P G. A study on vegetation coverage based on NDVI-taking Gui Zhou Province as an example[J]. Environmental Protection and Technology, 2018, 24(3): 38-42. https://www.cnki.com.cn/Article/CJFDTOTAL-GZHB201803008.htm

    [9] 马士彬, 安裕伦, 杨广斌. 基于GIS的喀斯特区域不同岩性基底植被NDVI变化分析[J]. 水土保持研究, 2017, 24(2): 202-206;212. https://www.cnki.com.cn/Article/CJFDTOTAL-STBY201702035.htm

    MA S B, AN Y L, YANG G B. Anlysis of vegetable NDVI variation on various lithology in Karst area based on GIS[J]. Research of Soil and Water Conservation, 2017, 24(2): 202-206;212. https://www.cnki.com.cn/Article/CJFDTOTAL-STBY201702035.htm

    [10] 吴端耀, 罗娅, 王青, 等. 2001~2014年贵州省林草植被覆盖度时空变化及其与气温降水变化的关系[J]. 贵州师范大学学报(自然科学版), 2017, 35(1): 1-7;29. https://www.cnki.com.cn/Article/CJFDTOTAL-NATR201701001.htm

    WU D Y, LUO Y, WANG Q, et al. Spatio-temporal variation of vegetation coverage in forest and grassland and its relationship with temperature and precipitation changes in Guizhou Province during 2001~2014[J]. Journal of Guizhou Normal University(Natural Sciences), 2017, 35(1): 1-7;29. https://www.cnki.com.cn/Article/CJFDTOTAL-NATR201701001.htm

    [11] 郑有飞, 刘宏举, 吴荣军, 等. 贵州省NDVI变化及其与主要气候因子的相关性[J]. 生态与农村环境学报, 2009, 25(1): 12-17. https://www.cnki.com.cn/Article/CJFDTOTAL-NCST200901002.htm

    ZHENG Y F, LIU H J, WU R J, et al. Correlation between NDVI and principal climate factors in Guizhou Province[J]. Journal of Ecology and Rural Environment, 2009, 25(1): 12-17. https://www.cnki.com.cn/Article/CJFDTOTAL-NCST200901002.htm

    [12] 张蓓蓓, 蔡宏, 田鹏举, 等. 2000~2017年贵州省植被覆盖时空变化特征及其对气候变化的响应[J]. 地球与环境, 2020, 48(4): 461-470. https://www.cnki.com.cn/Article/CJFDTOTAL-DZDQ202004007.htm

    ZHANG B B, CAI H, TIAN P J, et al. Spatiotemporal va-riation of the vegetation coverage in Guizhou from 2000 to 2017 and its response to the climate change[J]. Earth and Environment, 2020, 48(4): 461-470. https://www.cnki.com.cn/Article/CJFDTOTAL-DZDQ202004007.htm

    [13] 张亚玲, 苏惠敏, 张小勇. 1998-2012年黄河流域植被覆盖变化时空分析[J]. 中国沙漠, 2014, 34(2): 597-602. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGSS201402039.htm

    ZHANG Y L, SU H M, ZHANG X Y. The spatial-temporal changes of vegetation restoration in the Yellow River Basin from 1998 to 2012[J]. Journal of Desert Research, 2014, 34(2): 597-602. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGSS201402039.htm

    [14] 周晓芳, 周永章, 欧阳军. 基于BP神经网络的贵州3个喀斯特农村地区人居环境评价[J]. 华南师范大学学报(自然科学版), 2012, 44(3): 132-138. doi: 10.6054/j.jscnun.2012.06.028

    ZHOU X F, ZHOU Y Z, OUYANG J. BP artificial neural network-based rural human settlement environment assessment at three karst areas in Guizhou Province[J]. Journal of South China Normal University(Natural Science Edition), 2012, 44(3): 132-138. doi: 10.6054/j.jscnun.2012.06.028

    [15] 杨青, 杨广斌, 戴丽, 等. 喀斯特地区石漠化与土壤类型的空间相关分析-以贵州省为例[J]. 中国岩溶, 2019, 38(1): 80-87. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGYR201901009.htm

    YANG Q, YANG G B, DAI L, et al. Spatial correlation analysis of rocky desertification and soil types in karst area: a case study of Guizhou Province[J]. Carsologica Sinica, 2019, 38(1): 80-87. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGYR201901009.htm

    [16] 郭鹏, 徐丽萍. 基于GIMMS-NDVI的新疆植被覆盖时空变化[J]. 水土保持研究, 2014, 21(4): 97-100;106. https://www.cnki.com.cn/Article/CJFDTOTAL-STBY201404021.htm

    GUO P, XU L P. Spatiotemporal variation of vegetation in Xinjiang based on GIMMS-NDVI[J]. Research of Soil and Water Conservation, 2014, 21(4): 97-100;106. https://www.cnki.com.cn/Article/CJFDTOTAL-STBY201404021.htm

    [17] 陈云浩, 李晓兵, 陈晋, 等. 1983-1992年中国陆地植被NDVI演变特征的变化矢量分析[J]. 遥感学报, 2002(1): 12-18;81. https://www.cnki.com.cn/Article/CJFDTOTAL-YGXB200201002.htm

    CHEN Y H, LI X B, CHEN J, et al. The change of NDVI time series based on change vector analysis in China, 1983-1992[J]. Journal of Remote Sensing, 2002(1): 12-18;81. https://www.cnki.com.cn/Article/CJFDTOTAL-YGXB200201002.htm

    [18] 高志海, 李增元, 丁国栋, 等. 基于植被降水利用效率的荒漠化遥感评价方法[J]. 中国水土保持科学, 2005(2): 37-41. https://www.cnki.com.cn/Article/CJFDTOTAL-STBC200502008.htm

    GAO Z H, LI Z Y, DING G D, et al. New approach for desertification assessment by remote sensing based upon rain use efficiency of vegetation[J]. Science of Soil and Water Conservation, 2005(2): 37-41. https://www.cnki.com.cn/Article/CJFDTOTAL-STBC200502008.htm

    [19]

    DYMOND J R, BÉGUE A, LOSEEN D. Monitoring land at regional and national scales and the role of remote sensing[J]. International Journal of Applied Earth Observations and Geoinformation, 2001, 3(2): 162-175. http://www.sciencedirect.com/science/article/pii/S030324340185008X

    [20]

    VERSTRAETE M M, PINTY B. The potential contribution of satellite remote sensing to the understanding of arid lands processes[J]. Vegetation, 2004, 91(1): 59-72. doi: 10.1007/978-94-011-3264-0_6

    [21] 曹磊, 谢飞, 吴颖超, 等. 江苏省NDVI时空变化特征及其与气候因子的关系[J]. 水土保持通报, 2015, 35(2): 151-154. https://www.cnki.com.cn/Article/CJFDTOTAL-STTB201502028.htm

    CAO L, XIE F, WU Y C, et al. Spatiotemporal variation characteristics and imapct factors of NDVI in Jiangsu Province[J]. Bulletin of Soil and Water Conservation, 2015, 35(2): 151-154. https://www.cnki.com.cn/Article/CJFDTOTAL-STTB201502028.htm

    [22] 田鹏举, 徐丹丹, 丁立国, 等. 基于MODIS-NDVI贵州省2005-2014年植被时空变化特征分析[J]. 贵州气象, 2017, 41(2): 8-13. https://www.cnki.com.cn/Article/CJFDTOTAL-GZQX201702002.htm

    TIAN P J, XU D D, DING L G, et al. Analysis of spatial-temporal variation characteristic of vegetation in Guizhou during 2005-2014 period based on MODIS-NDVI[J]. Journal of Guizhou Meteorology, 2017, 41(2): 8-13. https://www.cnki.com.cn/Article/CJFDTOTAL-GZQX201702002.htm

    [23] 王涛, 白红英. 秦岭山地植被NDVI对气候变化与人类活动的响应[J]. 山地学报, 2017, 35(6): 778-789. https://www.cnki.com.cn/Article/CJFDTOTAL-SDYA201706003.htm

    WANG T, BAI H Y. Variation of vegetation NDVI in response to climate changes and human activities in Qinling Mountains[J]. Mountain Research, 2017, 35(6): 778-789. https://www.cnki.com.cn/Article/CJFDTOTAL-SDYA201706003.htm

    [24] 郑有飞, 牛鲁燕, 吴荣军, 等. 1982-2003年贵州省植被覆盖变化及其对气候变化的响应[J]. 生态学杂志, 2009, 28(9): 1773-1778. https://www.cnki.com.cn/Article/CJFDTOTAL-STXZ200909018.htm

    ZHENG Y F, NIU N Y, WU R J, et al. Vegetation cover change in Guizhou of Southwest China in 1982-2003 in response to climate change[J]. Chinese Journal of Ecology, 2009, 28(9): 1773-1778. https://www.cnki.com.cn/Article/CJFDTOTAL-STXZ200909018.htm

    [25] 杨青, 杨广斌, 赵青松, 等. 喀斯特地区不同降雨和植被覆盖的坡面产流产沙特征[J]. 水土保持通报, 2020, 40(1): 9-16. https://www.cnki.com.cn/Article/CJFDTOTAL-STTB202001002.htm

    YANG Q, YANG G B, ZHAO Q S, et al. Characteristics of runoff sediment yield on slopes under different rainfall and vegetation cover in Karst Areas[J]. Bulletin of Soil and Water Conservation, 2020, 40(1): 9-16. https://www.cnki.com.cn/Article/CJFDTOTAL-STTB202001002.htm

    [26] 陈学凯. 贵州省多时间尺度气象干旱时空变化特征研究[D]. 郑州: 华北水利水电大学, 2016.

    CHEN X K. Research on spatial and temporal distribution chearacteristics of meteorological drought for multi-time scales in Guizhou Province[D]. Zhengzhou: North China University of Water Resources and Electric Power, 2016.

    [27] 吴跃, 周忠发, 赵馨, 等. 基于遥感计算云平台高原山区植被覆盖时空演变研究-以贵州省为例[J]. 中国岩溶, 2020, 39(2): 196-205. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGYR202002008.htm

    WU Y, ZHOU Z F, ZHAO X, et al. Spatiotemporal variation of vegetation coverage in plateau mountainous areas based on remote sensing cloud computing platform: a case study of Guizhou Province[J]. Carsologica Sinica, 2020, 39(2): 196-205. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGYR202002008.htm

    [28] 杨林珂, 魏冰齐. 贵州省人口城镇化发展分析[J]. 建设科技, 2020(6): 58-60;68. https://www.cnki.com.cn/Article/CJFDTOTAL-KJJS202006019.htm

    YANG L K, WEI B Q. Analysis on the development of population urbanization in Guizhou Province[J]. Construction Science and Technology, 2020(6): 58-60;68. https://www.cnki.com.cn/Article/CJFDTOTAL-KJJS202006019.htm

    [29] 刘振露. 贵州省林业产业发展现状与对策思考-基于林业统计数据的分析[J]. 贵阳学院学报(自然科学版), 2012, 7(3): 72-76. https://www.cnki.com.cn/Article/CJFDTOTAL-GJZB201203020.htm

    LIU Z L. The development status and strategy of forestry industry in Guizhou Province-base on the analysis of forestry statisical data[J]. Journal of Guiyang University(Natural Sciences), 2012, 7(3): 72-76. https://www.cnki.com.cn/Article/CJFDTOTAL-GJZB201203020.htm

    [30] 吴强, 李倩, 李薇. 中国南方喀斯特石漠化生态恢复与扶贫发展[J]. 现代园艺, 2019(11): 52-53;128. https://www.cnki.com.cn/Article/CJFDTOTAL-JXYA201911028.htm
    [31] 吴林霖, 官云兰, 李嘉伟, 等. 基于MODIS影像喀斯特石漠化状况研究-以贵州省为例[J]. 国土资源遥感, 2019, 31(4): 235-242. https://www.cnki.com.cn/Article/CJFDTOTAL-GTYG201904034.htm

    WU L L, GUAN Y L, LI J W, et al. Assessment of Karst rocky desertification based on MODIS: exemplified by Guizhou Province[J]. Remote Sensing for Land and Resources, 2019, 31(4): 235-242. https://www.cnki.com.cn/Article/CJFDTOTAL-GTYG201904034.htm

    [32] 李卓, 张继超, 孙然好, 等. 气候和地形对植被覆盖动态演化的影响研究[J]. 生态科学, 2017, 36(6): 35-43. https://www.cnki.com.cn/Article/CJFDTOTAL-STKX201706005.htm

    LI Z, ZHANG J C, SUN R H, et al. Impact of climate and topography on vegetation dynamics[J]. Ecological Science, 2017, 36(6): 35-43. https://www.cnki.com.cn/Article/CJFDTOTAL-STKX201706005.htm

  • 期刊类型引用(9)

    1. 冯达,段亚锋,李婷婷. 黔桂地区20年间植被时空变化及其对地理环境的响应. 水土保持研究. 2025(02): 255-262 . 百度学术
    2. 邢愿,代仁丽. 贵州省2020年植被NDVI变化及其驱动因素分析. 科技和产业. 2024(13): 196-201 . 百度学术
    3. Chaobo FENG,Tuo SHEN,Lang MU,Jing LIU,Shize LI,Yixin DIAO,Haijun SU. Geographical Variation in the Advertisement Calls of Leptobrachella ventripunctata(Anura:Megophryidae) in Southwestern China. Asian Herpetological Research. 2024(03): 140-151 . 必应学术
    4. 张阳阳,刘铁冬,龚文峰,段璇瑜,孙雨欣,邱梓轩. 2001~2021年海南岛植被覆盖时空动态变化与驱动力分析. 甘肃农业大学学报. 2023(02): 145-154 . 百度学术
    5. 赵妮平,梁萍萍,刘娇. 贵州省植被NDVI与气象因子的相关性分析. 石河子科技. 2023(05): 1-3 . 百度学术
    6. 邓椿,蒋晓辉,聂桐,蔡文娟,何佳瑛. 山西省植被覆盖度多因子探测特征与驱动力分析. 环境科学与技术. 2022(02): 182-191 . 百度学术
    7. 陈文裕,夏丽华,徐国良,余世钦,陈行,陈金凤. 2000—2020年珠江流域NDVI动态变化及影响因素研究. 生态环境学报. 2022(07): 1306-1316 . 百度学术
    8. 梁萍萍,赵妮平. 基于GIS的贵州省乡村旅游资源空间分布特征分析. 旅游纵览. 2022(18): 4-6 . 百度学术
    9. 廖悦,张刘东,陈晨,李京东,倪匡迪,胥晓容. 滇池流域NDVI动态变化特征及其对气候的响应. 农业工程. 2021(09): 34-41 . 百度学术

    其他类型引用(3)

图(10)  /  表(6)
计量
  • 文章访问数:  918
  • HTML全文浏览量:  1618
  • PDF下载量:  207
  • 被引次数: 12
出版历程
  • 收稿日期:  2020-08-01
  • 网络出版日期:  2021-04-28
  • 刊出日期:  2021-04-24

目录

/

返回文章
返回