張 莉， 陳蕓芝， 汪小欽

(福州大學(xué)地理空間信息技術(shù)國(guó)家地方聯(lián)合工程研究中心， 空間數(shù)據(jù)挖掘與信息共享教育部重點(diǎn)實(shí)驗(yàn)室， 福建 福州 350002)

基于時(shí)序MODIS NDVI數(shù)據(jù)的長(zhǎng)汀縣植被趨勢(shì)特征研究

張 莉， 陳蕓芝， 汪小欽

(福州大學(xué)地理空間信息技術(shù)國(guó)家地方聯(lián)合工程研究中心， 空間數(shù)據(jù)挖掘與信息共享教育部重點(diǎn)實(shí)驗(yàn)室， 福建 福州 350002)

通過(guò)植被時(shí)序趨勢(shì)特征的研究， 分析長(zhǎng)汀縣植被趨勢(shì)變化. 文中將2000-2013年MODIS NDVI數(shù)據(jù)作為數(shù)據(jù)源， 采用回歸和Sen+Mann-Kendall兩種分析方法對(duì)長(zhǎng)汀縣植被趨勢(shì)進(jìn)行研究. 結(jié)果表明： 兩種方法在長(zhǎng)汀縣植被趨勢(shì)分析的研究中有較好的空間一致性， 在植被呈明顯變化的區(qū)域差異僅0.44%. Sen+Mann-Kendall分析法有較好抗噪性和對(duì)數(shù)據(jù)分布無(wú)要求的優(yōu)點(diǎn)， 可以更好地應(yīng)用在其他區(qū)域的植被時(shí)序趨勢(shì)變化研究. 植被變化強(qiáng)度大的區(qū)域主要分布在長(zhǎng)汀縣中部； 植被改善的區(qū)域主要分布在河田鎮(zhèn)和三州鄉(xiāng)， 呈輕微退化趨勢(shì)的植被分布在長(zhǎng)汀縣四周， 植被變化強(qiáng)度范圍為-0.01～-0.005.

MODIS NDVI； 植被趨勢(shì)； 回歸分析法； Sen+Mann-Kendall分析法； 長(zhǎng)汀縣

0 引言

作為地球生態(tài)系統(tǒng)的主體， 植被在全球物質(zhì)和能量的循環(huán)過(guò)程中起到十分重要的作用[1]. 時(shí)序植被動(dòng)態(tài)變化研究一直是全球植被變化研究的熱點(diǎn)， 對(duì)地區(qū)生態(tài)治理研究有重要的意義. 遙感影像數(shù)據(jù)集的積累， 為植被趨勢(shì)特征的研究提供了一致性較好的時(shí)間序列數(shù)據(jù)[2]. 利用時(shí)序遙感數(shù)據(jù)開(kāi)展植被趨勢(shì)變化分析， 對(duì)研究時(shí)序植被的活動(dòng)具有重要的現(xiàn)實(shí)意義. 植被時(shí)序變化趨勢(shì)分析方法也一直是植被特征研究的重點(diǎn)， 目前主要有代數(shù)運(yùn)算法、 主成分分析法、 小波變換法， 和主流的、 最常用于植被時(shí)序趨勢(shì)變化研究的回歸分析法和相關(guān)系數(shù)分析法， 以及新興的Sen+Mann-Kendall分析法[3-4].

用于植被趨勢(shì)研究的時(shí)序數(shù)據(jù)并不多， 主要數(shù)據(jù)有AVHRR、 SPOT VGT、 MODIS和Landsat影像. Landsat系列數(shù)據(jù)空間分辨率比較高， 但時(shí)間分辨率比較低， 且原始數(shù)據(jù)很難形成標(biāo)準(zhǔn)一致的時(shí)序數(shù)據(jù)， 在植被趨勢(shì)研究中應(yīng)用較少. AVHRR和 SPOT VGT可使用的數(shù)據(jù)比MODIS數(shù)據(jù)時(shí)序長(zhǎng)， 但AVHRR和SPOT VGT可使用的數(shù)據(jù)最高空間分辨率為1 km， 適用于大尺度植被趨勢(shì)研究. MODIS可用數(shù)據(jù)最高空間分辨率提高至250 m， 為區(qū)域植被趨勢(shì)研究提供可使用的時(shí)序數(shù)據(jù)， 大大提高地表植被觀測(cè)的能力. 因此， 對(duì)長(zhǎng)汀縣植被變化趨勢(shì)的研究選用MODIS時(shí)序數(shù)據(jù).

福建省長(zhǎng)汀縣是中國(guó)南方紅土壤地區(qū)典型的水土流失區(qū)， 自20世紀(jì)40年代以來(lái)， 長(zhǎng)汀縣與甘肅的天水、 陜西的長(zhǎng)安一起被列為全國(guó)的3個(gè)重點(diǎn)水土保持實(shí)驗(yàn)區(qū)， 并開(kāi)始水土流失治理[5]. 長(zhǎng)汀縣水土流失治理主要通過(guò)種植大量林草來(lái)控制水土流失. 利用時(shí)序遙感數(shù)據(jù)， 對(duì)水土流失區(qū)植被趨勢(shì)進(jìn)行評(píng)價(jià)， 對(duì)評(píng)價(jià)水土流失區(qū)治理成效有重要的指導(dǎo)意義. 本文以2000-2013年MODIS NDVI(normalized difference vegetation index)時(shí)序數(shù)據(jù)為數(shù)據(jù)源， 選用最常用于植被時(shí)序變化趨勢(shì)研究的回歸分析和Sen+Mann-Kendall分析法對(duì)長(zhǎng)汀縣植被趨勢(shì)特征研究.

1 研究區(qū)

長(zhǎng)汀縣位于25°18′40″～26°02′05″N之間， 116°00′45″～116°39′20″E， 南與廣東近鄰， 西與江西接壤. 該縣地處中亞熱帶季風(fēng)氣候區(qū)， 平均氣溫18.3℃， 無(wú)霜期年均260天， 四季分明. 夏季盛吹偏南風(fēng)， 冬季盛吹偏北風(fēng). 隨著冬夏季風(fēng)環(huán)流的轉(zhuǎn)換， 形成夏長(zhǎng)冬短、 春秋對(duì)峙， 垂直氣候明顯， 干濕兩季分明， 年均降水量1 737.1 mm， 3-6月降水量占全年降水量的60%以上， 且多暴雨. 低山、 丘陵占全縣土地總面積的71%， 地形破碎， 嶺谷相間. 花崗巖發(fā)育的紅壤抗蝕能力弱， 原始植被多遭破壞. 現(xiàn)有植被主要為馬尾松、 灌叢和荒草坡等次生植被和人工植被[6]. 研究區(qū)地理位置見(jiàn)圖1所示.

2 研究數(shù)據(jù)及數(shù)據(jù)預(yù)處理

2.1 數(shù)據(jù)來(lái)源及預(yù)處理

本文使用的數(shù)據(jù)為EOS/Terra衛(wèi)星的MODIS NDVI產(chǎn)品MOD13Q1. 該數(shù)據(jù)集的空間分辨率為250 m， 時(shí)間分辨率為16 d(16 d MVC合成)一景， 每年23景， 時(shí)間從2000年到2013年. 由于影像在獲取過(guò)程受大氣等各種環(huán)境因子的影響， 因此在使用這些數(shù)據(jù)前對(duì)影像進(jìn)行預(yù)處理. 數(shù)據(jù)預(yù)處理過(guò)程有： 提取質(zhì)量評(píng)價(jià)數(shù)據(jù)(quality assessment， QA)、 重投影和濾波等步驟. 文中選用質(zhì)量權(quán)重高斯(AG)濾波方法對(duì)MODIS NDVI時(shí)間序列影像進(jìn)行濾波， 該濾波方法能最大程度地將異常數(shù)值回復(fù)到真實(shí)的水平， 并能在濾波處理中最大程度地保留高質(zhì)量原始值[7-9].

用LDOPE工具提取質(zhì)量數(shù)據(jù)， 建立初始的NDVI和QA時(shí)間序列， 并用Timesat工具對(duì)原始的NDVI數(shù)據(jù)進(jìn)行時(shí)間序列的濾波[10]. Timesat濾波權(quán)重賦權(quán)如表1.

表1 QA可用性指數(shù)分級(jí)賦權(quán)Tab.1 Weight based on QA usefulness index

2.2 研究數(shù)據(jù)提取

歸一化植被指數(shù)(NDVI)是遙感影像近紅外波段和紅外波段反射率的比值參數(shù)， 能很好地反映生物量、 葉面積指數(shù)和植被覆蓋等情況， 是目前廣泛應(yīng)用于反映植被覆蓋等狀況的植被指數(shù)[11]. 本文在研究植被時(shí)序趨勢(shì)時(shí)選用植被生長(zhǎng)茂盛的NDVI值， 由于植被茂盛的時(shí)間點(diǎn)不容易確定， 因此， 選擇每年每個(gè)像元的NDVI最大值Maxndvi作為研究數(shù)據(jù).

Max(ndvi,i)=Max(NDVI(i,j))

(1)

式中：i表示第i年，j表示第i年第j景影像; Max(ndvi，i)表示第i年23景影像中每個(gè)像元NDVI最大值; NDVI(i，j)表示第i年， 第j景影像NDVI值.

3 研究方法

3.1 回歸分析

回歸分析是考察兩種或者兩種以上的變量間相互依賴(lài)的定量關(guān)系的一種統(tǒng)計(jì)方法， 是研究時(shí)間序列植被變化趨勢(shì)的重要方法[12-15]. 回歸分析表達(dá)式如下式：

(2)

式中： a， k是未知常數(shù); ε是隨機(jī)誤差; x是自變量， 表示時(shí)間； y是因變量， 表示NDVI值. 利用觀測(cè)值可以求出未知參數(shù)k：

(3)

對(duì)于NDVI時(shí)序數(shù)據(jù)， 采用最小二乘法線性擬合后得到相應(yīng)的線性方程， 由此得出線性方程的斜率k， 斜率k值說(shuō)明相應(yīng)像元NDVI值的變化趨勢(shì)[16]. 若k>0, 表示植被呈恢復(fù)或者增加趨勢(shì)；k<0， 表示植被呈減少趨勢(shì).

3.2 Sen+Mann-Kendall趨勢(shì)分析

Sen趨勢(shì)度和Mann-Kendall趨勢(shì)檢驗(yàn)結(jié)合， 成為判斷時(shí)序數(shù)據(jù)趨勢(shì)的重要方法， 已經(jīng)逐漸運(yùn)用在植被時(shí)序變化特征分析中[17-18]. Sen趨勢(shì)度是通過(guò)計(jì)算序列的中值獲得Sen值， 但其本身不能實(shí)現(xiàn)序列趨勢(shì)顯著性判斷， 通過(guò)Mann-Kendall對(duì)Sen值進(jìn)行檢驗(yàn). 該方法適用于缺失數(shù)據(jù)的分析， 能夠減少異常值的干擾， 對(duì)離群數(shù)據(jù)和測(cè)量誤差有良好的規(guī)避能力[19]， 且對(duì)數(shù)據(jù)分布無(wú)要求. Sen趨勢(shì)度計(jì)算如下：

(4)

式中：i和j分別表示第i年和第j年；xi和xj分別表示第i年的NDVI值和第j年的NDVI值；β表示趨勢(shì)度， 用β值來(lái)判斷時(shí)序植被趨勢(shì)的升降， 當(dāng)β>0時(shí)， 時(shí)序呈上升的趨勢(shì)， 反之呈下降的趨勢(shì).

Mann-Kendall趨勢(shì)檢驗(yàn)：

對(duì)于序列X=(x1，x2， …，xn)， 先確定所有對(duì)偶值(xi，xj，j>i)中xi與xj的大小關(guān)系(設(shè)為Z). 檢驗(yàn)統(tǒng)計(jì)量Z由下式計(jì)算：

(5)

4 結(jié)果分析

4.1 時(shí)序趨勢(shì)分析

圖2是植被趨勢(shì)分析得出的2000-2013年長(zhǎng)汀縣植被變化趨勢(shì)， 圖2(a)是回歸分析趨勢(shì)圖，NDVI對(duì)時(shí)間擬合做回歸分析得到植被變化趨勢(shì)， 根據(jù)植被趨勢(shì)分析可以得出植被改善和植被退化區(qū)域. 圖2(b)是Sen+Mann-Kendall分析趨勢(shì)圖，NDVI對(duì)時(shí)間的擬合得出Sen趨勢(shì)度， 即得出植被趨勢(shì).Mann-Kendall對(duì)Sen趨勢(shì)的顯著性進(jìn)行檢驗(yàn)， 將Sen趨勢(shì)分為不顯著性區(qū)域和顯著性區(qū)域.

從圖2可知， 植被改善的區(qū)域分布比較集中， 主要分布在長(zhǎng)汀縣河田鎮(zhèn)和三州鄉(xiāng)； 在策武鄉(xiāng)中部有一小部分區(qū)域植被明顯改善. 植被退化區(qū)域的分布相對(duì)比較零散， 在長(zhǎng)汀縣的中北部大同鎮(zhèn)、 汀州鎮(zhèn)和策武鄉(xiāng)分布的植被退化的區(qū)域， 植被退化趨勢(shì)較明顯； 植被呈退化趨勢(shì)但趨勢(shì)比較輕微的區(qū)域零散的分布在長(zhǎng)汀縣的四周. 兩種趨勢(shì)分析方法得出的植被趨勢(shì)在空間分布上有較好的一致性.

表2是趨勢(shì)分析變化區(qū)域統(tǒng)計(jì)表， 植被變化強(qiáng)度-0.045～0.022， 長(zhǎng)汀縣總面積3 099km2. 由于強(qiáng)度小于絕對(duì)值0.005的植被變化強(qiáng)度小， 文中將變化強(qiáng)度小于絕對(duì)值0.005的區(qū)域分為無(wú)明顯變化區(qū)域. 將Sen+Mann-Kendall分析中未通過(guò)顯著性檢驗(yàn)的區(qū)域和變化強(qiáng)度小于絕對(duì)值0.005的區(qū)域分為無(wú)明顯變化區(qū)域. 除了無(wú)明顯變化區(qū)域， 根據(jù)NDVI值的變化以及結(jié)果分析將植被變化強(qiáng)度大于絕對(duì)值0.005分為四個(gè)等級(jí). 從表2可知， 趨勢(shì)分析得出植被退化的區(qū)域多于植被改善的區(qū)域， 且植被明顯變化的區(qū)域比植被輕微變化的區(qū)域少. 回歸分析得出的植被明顯變化的區(qū)域只有3.23%， 遠(yuǎn)小于植被輕微變化的區(qū)域. 植被變化的區(qū)域中輕微退化的區(qū)域最多， 有330.04km2， 占總面積的10.65%.Sen+Mann-Kendall分析得出的結(jié)果， 輕微退化的區(qū)域是植被變化區(qū)域中最多， 占總面積的5.21%. 有7.42%的區(qū)域植被呈現(xiàn)輕微變化， 比植被明顯變化的區(qū)域多144.71km2， 占總面積的4.67%.

表2 趨勢(shì)分析變化區(qū)域統(tǒng)計(jì)Tab.2 Change area statistics of trends analysis

回歸分析和Sen+Mann-Kendall分析法在植被明顯改善的區(qū)域相差2.79 km2， 有較好的一致性. 但兩種趨勢(shì)分析方法在植被輕微退化的區(qū)域相差比較大， 相差面積168.59 km2， 占總面積的6.43%. 由于Sen+Mann-Kendall趨勢(shì)分析中Mann-Kendall對(duì)趨勢(shì)進(jìn)行顯著性檢驗(yàn)， 而植被這一變化強(qiáng)度范圍的趨勢(shì)顯著性檢驗(yàn)中一些區(qū)域植被趨勢(shì)不顯著， 所以?xún)煞N趨勢(shì)分析法在植被輕微退化的區(qū)域相差較大.

4.2 結(jié)果驗(yàn)證

回歸分析和Sen+Mann-Kendall趨勢(shì)分析方法對(duì)長(zhǎng)汀縣植被趨勢(shì)分析得出結(jié)果有很好的空間一致性. 從圖2可知， 植被改善的區(qū)域和植被明顯退化的區(qū)域分布相對(duì)集中在A和B兩個(gè)區(qū)域，選用TM和MODIS影像對(duì)圖2(b)中A和B兩區(qū)域顯著性變化進(jìn)行驗(yàn)證. 得到區(qū)域局部圖， 對(duì)應(yīng)區(qū)域的TM影像， 趨勢(shì)分析擬合軌跡圖以及對(duì)應(yīng)區(qū)域的MODIS影像， 詳見(jiàn)圖3.

A區(qū)域是植被退化的區(qū)域， 選用2000、 2007和2013年TM和MODIS影像對(duì)A區(qū)域驗(yàn)證. 圖3中TM影像543(中紅外、 近紅外和紅波段)波段合成， 綠色代表植被， MODIS影像是單波段NDVI值， 顏色越亮代表NDVI值越大. 圖3中(a1)1區(qū)域從TM影像看植被退化的區(qū)域有可能由于農(nóng)作物收獲造成的， 但從MODIS影像得出， 2000、 2007和2013年該區(qū)域植被NDVI逐漸減小， 該區(qū)域植被退化. (a1)2區(qū)域從TM影像看， 該區(qū)域2000年地物類(lèi)型是植被， 2007和2013年土地利用類(lèi)型發(fā)生了變化， 植被出現(xiàn)退化現(xiàn)象.

B區(qū)域是植被改善區(qū)域， 選用2000、 2006和2013年的影像驗(yàn)證. 該區(qū)域處于河田鎮(zhèn)水土流失治理區(qū)， 河田鎮(zhèn)自20世紀(jì)40年代列為三個(gè)重點(diǎn)水土保持實(shí)驗(yàn)區(qū)之一， 直到1983年福建政府將河田鎮(zhèn)定為全省治理水土流失的試點(diǎn)， 圖4為長(zhǎng)汀縣2005-2012年生態(tài)林草措施點(diǎn)空間分布， 通過(guò)大量種植林草來(lái)控制水土流失， 植被覆蓋有了很大的改善. 通過(guò)圖3中B區(qū)域TM和MODIS影像可以得出， 2006年相比2000年的植被有所改善， 2013年相比2006年植被也有所改善， 所以， 該區(qū)域植被改善， 與趨勢(shì)分析方法得出的結(jié)果一致.

5 結(jié)語(yǔ)

基于2000-2013年MODIS NDVI時(shí)序遙感數(shù)據(jù)， 用回歸分析和Sen+Mann-Kendall分析方法對(duì)長(zhǎng)汀縣植被趨勢(shì)研究， 結(jié)論如下：

1) 回歸分析和Sen+Mann-Kendall分析兩種趨勢(shì)分析法具有較好的空間一致性. 植被改善的區(qū)域主要分布在河田鎮(zhèn)和三州鄉(xiāng)； 植被明顯退化的區(qū)域分布在大同鎮(zhèn)、 汀州鎮(zhèn)和策武鄉(xiāng)， 而植被呈退化的趨勢(shì)分布在長(zhǎng)汀縣的四周， 植被變化強(qiáng)度范圍-0.01～-0.005. 植被明顯退化區(qū)域主要是該區(qū)域土地利用類(lèi)型發(fā)生變化引起， 而植被改善的區(qū)域是由于通過(guò)大量生態(tài)林草種植控制了水土流失.

2) 回歸分析和Sen+Mann-Kendall分析法在植被明顯變化的區(qū)域差異較小， 在植被明顯改善的區(qū)域僅有0.09%差異. 但兩種分析法在植被輕微變化的區(qū)域差異較大， 尤其在植被輕微退化區(qū)域， 面積相差168.59 km2， 占總面積的6.43%. 因此， 用回歸分析和Sen+Mann-Kendall分析法對(duì)長(zhǎng)汀縣植被趨勢(shì)的研究， 在植被呈明顯變化的趨勢(shì)中有較好的一致性.

[1] ROERINK G J， MENENTI M， SOEPBOER W，etal. Assessment of climate impaction vegetation dynamics by using remote sensing[J]. Physics and Chemistry of the Earth， 2003， 28(1/2/3)： 103-109.

[2] 蔡博峰, 于嶸. 基于遙感的植被長(zhǎng)時(shí)序趨勢(shì)特征研究進(jìn)展及評(píng)價(jià)[J]. 遙感學(xué)報(bào)， 2009， 13(6)： 1 177-1 186.

[3] 陳海， 康慕誼， 范一大. 北方農(nóng)牧交錯(cuò)帶植被覆蓋的動(dòng)態(tài)變化及其與氣候因子關(guān)系[J]. 地理與地理信息科學(xué)， 2004， 20(5)： 54-57.

[4] LASAPONARA R. On the use of principal component analysis (PCA) for evaluating interannual vegetation anomalies from SPOT/VEGETATION NDVI temporal series[J]. Ecological Modeling， 2006， 194(4)： 429-434.

[5] 趙昭曬. 福建河田盆地水土流失地區(qū)用林草措施治理的研究[J]. 水土保持學(xué)報(bào)， 1987， 1(1)： 81-89.

[6] 武國(guó)勝， 林惠花， 朱鶴健， 等. 典型紅壤侵蝕景觀的時(shí)空變化: 以福建長(zhǎng)汀為例[J]. 應(yīng)用生態(tài)學(xué)報(bào)， 2011， 22(7)： 1 825-1 832.

[7] CIHLAR J， LI Z Q， CHEN J，etal. Multitemporal， multichannel AVHRR data sets for land biosphere studies-artifacts and corrections[J]. Remote Sensing of Environment， 1997， 60(1)： 35-57.

[8] GUTMAN G G. Vegetation indices from AVHRR: an update and future prospects[J]. Remote Sensing of Environment， 1991， 35(2/3): 121-136.

[9] 曹云鋒， 王正興， 鄧芳萍. 3種濾波算法對(duì)NDVI高質(zhì)量數(shù)據(jù)保真性研究[J]. 遙感技術(shù)與應(yīng)用， 2010， 25(1)： 118-125.

[10] LPDAAC. MODIS user guide[ EB/OL]. [2015-08-20]. http:// tbrs.arizona.edu/ project/MODIS.

[11] 徐斌， 陶偉國(guó)， 楊秀春， 等. 中國(guó)草原植被長(zhǎng)勢(shì)MODIS遙感監(jiān)測(cè)[J]. 草地學(xué)報(bào)， 2006， 14(3)： 242-247.

[12] EVANS J, GEERKEN R. Discrimination between climate and human-induced dryland degradation[J]. Journal of Arid Environments， 2004， 57(4)： 535-554.

[13] HERRMANN S M， ANYAMBA A, TUCKER C J. Recent trends in vegetation dynamics in the African Sahel and their relationship to climate[J]. Global Environmental Change， 2005， 15(4)： 394-404.

[14] WEISS E， MARSH S E, PRIRMAN E S. Application of NOAA-AVHRR NDVI time-series data to assess changes in Saudi Arabia's rangelands[J]. International Journal of Remote Sensing， 2001， 22(6)： 1 005-1 027.

[15] CAMBERLIN P， MARTINY N， PHILIPPON N，etal. Determinants of the interannual relationships between remote sensed photosynthetic activity and rainfall in tropical Africa[J]. Remote Sensing of Environment， 2007， 106(2)： 199-216.

[16] FULLER D O. Trends in NDVI time series and their relation to rangeland and crop production in Senegal, 1987-1993[J]. International Journal of Remote Sensing， 1998， 19(10)： 2 013-2 018.

[17] BURN D H, HAG E M. Detection of hydrologic trends and variability[J]. Journal of Hydrology， 2002， 255(1/2/3/4)： 107-122.

[18] XU X K， LIN C H， XUE F，etal. Correlation analysis between meteorological factors and the ratio of vegetation cover[J]. Acta Ecologica Sinica， 2003， 23(2)： 221-230.

[19] BEURS K M, HENEBRY G M. A statistical framework for the analysis of long image time series[J]. International Journal of Remote Sensing， 2005， 26(8)： 1 551-1 573.

[20] 王佃來(lái)， 劉文萍， 黃心淵. 基于Sen+Mann+Kendall的北京植被變化趨勢(shì)分析[J]. 計(jì)算機(jī)工程與應(yīng)用， 2013， 49(5)： 13-17.

(責(zé)任編輯： 蔣培玉)

Vegetation trends research of Changting County based on time series of MODIS NDVI

ZHANG Li， CHEN Yunzhi， WANG Xiaoqin

(Key Laboratory of Spatial Data Mining & Information Sharing of MOE，National Engineering Research Centre of Geo-spatial Information Technology，F(xiàn)uzhou University，F(xiàn)uzhou, Fujian 350002 ，China)

The essay analyzed the trends of vegetation of Changting County by vegetation trends research. In this paper, regression analysis and Sen+Mann-Kendall analysis methods were used to study vegetation change trends in Changting County with MODIS NDVI data from 2000 to 2013. The results of the two methods show that high spatial consistency in vegetation change trends of Changting County, and the difference of the result is only 0.44% in the regions of vegetation obvious change. Sen+Mann-Kendall has a strong strength of errors resistance and is not constrained by the data statistical distribution, which will be better applied in other regions. The regions of strong intensity mainly distributed in the center of Changting County. The regions showed vegetation improvement mainly distributed in Hetian Town and Sanzhou Town， and the vegetation with the range from -0.01 to -0.005 are around Changting County．

MODIS normalized difference vegetation index； vegetation trends； regression analysis； Sen+Mann-Kendall analysis； Changting County

10.7631/issn.1000-2243.2016.05.0661

1000-2243(2016)05-0661-07

2015-09-06

陳蕓芝(1982-)， 博士， 副研究員， 主要從事環(huán)境與自然資源遙感研究， chenyunzhi@fzu.edu.cn

國(guó)家科技支撐計(jì)劃課題(2013BAC08B01); 國(guó)家自然科學(xué)基金資助項(xiàng)目(41401488); 福建省教育廳A類(lèi)重點(diǎn)項(xiàng)目(JA12022)

TP79; Q149

A