顏 明，賀 莉，王隨繼，鄭明國(guó)，孫莉英，許炯心

(中國(guó)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(guò)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(duì)于流域來(lái)說(shuō),同樣具有重要意義,不僅維持流域的生態(tài)平衡,而且對(duì)于流域的水文及地貌過(guò)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(jí)生產(chǎn)量、葉面積指數(shù)等。近30年來(lái),國(guó)內(nèi)外學(xué)者利用NDVI數(shù)據(jù)在不同的空間尺度上對(duì)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(guó)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(kāi)展[8]。這些研究結(jié)論大多是針對(duì)單一時(shí)間尺度,沒(méi)有分析不同時(shí)間尺度間所表現(xiàn)出來(lái)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(gè)時(shí)間尺度之間的趨勢(shì)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(shí)間尺度趨勢(shì)性是否能代表更小時(shí)間尺度的趨勢(shì)性。

黃河流域作為我國(guó)的第2大流域,水沙問(wèn)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(zhǎng)期以來(lái)備受科研工作者和廣大人民關(guān)注的現(xiàn)實(shí)問(wèn)題,植被一方面能緩沖徑流的匯聚過(guò)程,同時(shí)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(guó)成立以來(lái),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(kāi)展的一系列水土保持工作；因此有必要檢測(cè)和評(píng)估這些措施對(duì)黃河流域的植被覆蓋的影響[9-11],發(fā)現(xiàn)過(guò)去工作中的不足,為提出新的治理措施奠定基礎(chǔ)。而且對(duì)黃河流域的植被覆蓋在不同時(shí)空尺度上開(kāi)展研究,有助于揭示黃河流域植被對(duì)氣候變化和人類活動(dòng)的響應(yīng)[12],為針對(duì)水土流失和水資源緊缺等問(wèn)題制訂規(guī)劃時(shí)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(shí)間尺度NDVI的趨勢(shì)性,主要分析以下3個(gè)內(nèi)容:1)不同時(shí)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(duì)比它們之間的異同；2)分析年、季和月3個(gè)時(shí)間尺度NDVI的趨勢(shì)性以及不同時(shí)間尺度趨勢(shì)性的空間特征；3)通過(guò)相關(guān)矩陣和空間對(duì)應(yīng)關(guān)系來(lái)探討不同時(shí)間尺度植被覆蓋趨勢(shì)性變化之間的相互關(guān)系,分析不同時(shí)間尺度間植被覆蓋的趨勢(shì)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(guó)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(wàn)km2,且以耕地為主,對(duì)于全流域的植被覆蓋變化影響較?。灰虼?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(guó)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(dòng)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(lái)源和處理

本研究使用了表征 NDVI的2個(gè)數(shù)據(jù)集:GIMMS和MODIS。GIMMS數(shù)據(jù)來(lái)源于美國(guó)航空航天局全球監(jiān)測(cè)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(guò)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(shí)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(lái)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(cè)研究提供更長(zhǎng)時(shí)間序列的資料,這里選用的是1 km月值數(shù)據(jù),這個(gè)月植被指數(shù)產(chǎn)品用無(wú)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(shí)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(tái)上重采樣為8 km。GIMMS數(shù)據(jù)截止時(shí)間為2006年12月,為將數(shù)據(jù)通過(guò)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(shí)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(gè)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(lái)看,所有擬合后的R2值均高于0.81,說(shuō)明MODIS產(chǎn)品與GIMMS數(shù)據(jù)在空間上超過(guò)80%的像元能很好地對(duì)應(yīng),它們?cè)诳臻g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(shì)性檢驗(yàn)

為分析黃河流域不同時(shí)間尺度NDVI的趨勢(shì)性,采用了非參數(shù)檢驗(yàn)方法Mann-Kendall趨勢(shì)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(shí)間(年、季、月)和第k時(shí)間(年、季、月)的NDVI值；n為系列的記錄長(zhǎng)度(個(gè)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(shì)值的一般過(guò)程,為了計(jì)算黃河流域每個(gè)像元上不同時(shí)間尺度的趨勢(shì)值,基于年、季和月3個(gè)時(shí)間尺度每一年的柵格數(shù)據(jù),在ArcGIS平臺(tái)上利用Raster Calculator進(jìn)行不同時(shí)間尺度的趨勢(shì)值計(jì)算。

利用ZS的值進(jìn)行趨勢(shì)統(tǒng)計(jì)的顯著性檢驗(yàn)。ZS值為正時(shí)表明植被覆蓋有上升趨勢(shì),反之為下降趨勢(shì)。在雙邊趨勢(shì)檢驗(yàn)中,如果則接受零假設(shè)(無(wú)變化趨勢(shì)),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(gè)置信水平,它們對(duì)應(yīng)的ZS的絕對(duì)值分別為大于等于1.28、1.64和2.32。

3.2 不同時(shí)間尺度間的趨勢(shì)性關(guān)系

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

表1 兩時(shí)間尺度間的趨勢(shì)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(lái)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(guò)渡區(qū)(風(fēng)沙黃土過(guò)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(shí)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(shí)低值區(qū)的面積明顯縮小,只存在毛烏素沙地和庫(kù)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(kāi)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(shí),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(shì)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(shí)間尺度NDVI的Mann-Kendall趨勢(shì)性

4.2.1 年的趨勢(shì)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(shì),其中能通過(guò)90%顯著性水平具有增加趨勢(shì)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(shì),不具有明顯變化的面積略多于1/4(表2)。不具有變化趨勢(shì)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(duì)較小(圖2)。表現(xiàn)出增加趨勢(shì)的主要位于沙漠向黃土轉(zhuǎn)變的過(guò)渡區(qū),集中在毛烏蘇沙地和庫(kù)布齊沙漠向黃土過(guò)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(shì),其他具有增加趨勢(shì)的區(qū)域處于山地中的谷地和盆地內(nèi),具有減少趨勢(shì)的在研究區(qū)內(nèi)沒(méi)有出現(xiàn)比較集中的區(qū)域。

4.2.2 不同季節(jié)的趨勢(shì)性 4個(gè)季節(jié)的Mann-Kendall趨勢(shì)性可以分為2類:具有一定比例增加趨勢(shì)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(shì)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(shì)的面積也不超過(guò)10%。4個(gè)季節(jié)中NDVI具有減少趨勢(shì)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(shì),冬季和秋季都僅有1%左右的像元有減少趨勢(shì)。4個(gè)季節(jié)NDVI隨時(shí)間不具有明顯趨勢(shì)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(shuō),夏季和春季黃河流域大部分區(qū)域都不具有明顯趨勢(shì)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(shì)(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(shì)性 從不同月份趨勢(shì)值所占的面積比例(表3)來(lái)看,在冷暖轉(zhuǎn)換比較明顯的3月和10月具有增加趨勢(shì),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(shì)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(shì),而處于溫度較高時(shí)間段的6月最少,僅10.98%的像元數(shù)表現(xiàn)出了增加趨勢(shì)。所有的月份NDVI值隨時(shí)間表現(xiàn)出減少趨勢(shì)的像元數(shù)都很少,僅8月具有減少趨勢(shì)的像元數(shù)超過(guò)了10%,其他月份均不足10%。不具有變化趨勢(shì)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(guò)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(shí)間尺度趨勢(shì)性的關(guān)系

建立月、季和年3個(gè)時(shí)間尺度的相關(guān)系數(shù)矩陣來(lái)分析不同時(shí)間尺度間的關(guān)系(表4),相關(guān)矩陣顯示年的趨勢(shì)性與季節(jié)和月份的趨勢(shì)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(shuō)明冬季的植被覆蓋增加是3個(gè)月的共同體現(xiàn),而其他3個(gè)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(shí)間尺度對(duì)應(yīng)像元趨勢(shì)的一致性時(shí),由于每個(gè)時(shí)間尺度上具有減少趨勢(shì)的像元所占的比例都較少；因此,統(tǒng)計(jì)時(shí)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(gè)時(shí)間尺度上在90%顯著性水平下具有增加趨勢(shì)的像元占據(jù)整個(gè)研究區(qū)的比例,都不具有趨勢(shì)性的像元比例以及趨勢(shì)性不一致的比例。從植被覆蓋增加趨勢(shì)的像元占據(jù)研究區(qū)的比例來(lái)看,年與其他時(shí)間尺度共同擁有大約35%具有增加趨勢(shì)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(shì)的像元比例較高,大部分都超過(guò)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(shì)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(shì)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(shí)間尺度間趨勢(shì)性的相關(guān)系數(shù)及具有共同增加趨勢(shì)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(shì)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(shì)不一致的比例相對(duì)較高,而冬季和秋季與它們所包含月份之間趨勢(shì)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(shì)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(shí)間之間的比例都遠(yuǎn)低于這個(gè)值,多居于10% ～30%之間。

表5 不同時(shí)間尺度間共同擁有趨勢(shì)性不一致的像元比例及不同時(shí)間尺度間都不具有趨勢(shì)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(gè)時(shí)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(shì)性在年尺度上反應(yīng)最好,超過(guò)60%的像元表現(xiàn)出了增加趨勢(shì),季節(jié)上,僅冬春部分區(qū)域表現(xiàn)出良好的增加趨勢(shì),而夏秋具有增加趨勢(shì)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(shì)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(shí)間尺度間的NDVI趨勢(shì)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(shì)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(shì)的像元數(shù)統(tǒng)計(jì)顯示,年和冬季與其他時(shí)間尺度間共同具有增加趨勢(shì)的像元數(shù)較多,而夏秋2季與其他時(shí)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(shí)間尺度上的變化存在明顯差異,在利用年的趨勢(shì)值來(lái)說(shuō)明植被變化時(shí)應(yīng)該謹(jǐn)慎對(duì)待,需要更為清晰地說(shuō)明更小時(shí)間尺度的植被變化是否能夠體現(xiàn)更高時(shí)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(lái)中國(guó)植被活動(dòng)在增強(qiáng)[J].中國(guó)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(guó)東部暖溫帶植被生長(zhǎng)季節(jié)的時(shí)空變化[J].地理學(xué)報(bào),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(guó)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(guó)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(guó)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(dòng)對(duì)黃土高原植被覆蓋變化的影響[J].中國(guó)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.