文章信息
- 成方妍, 刘世梁, 尹艺洁, 吕一河, 安南南, 刘昕明
- CHENG Fangyan, LIU Shiliang, YIN Yijie, LÜ Yihe, AN Nannan, LIU Xinming.
- 基于MODIS NDVI的广西沿海植被动态及其主要驱动因素
- The dynamics and main driving factors of coastal vegetation in Guangxi based on MODIS NDVI
- 生态学报. 2017, 37(3): 788-797
- Acta Ecologica Sinica. 2017, 37(3): 788-797
- http://dx.doi.org/10.5846/stxb201509091866
-
文章历史
- 收稿日期: 2015-09-09
- 网络出版日期: 2016-06-14
2. 中国科学院生态环境研究中心城市与区域生态国家重点实验室, 北京 100085;
3. 广西壮族自治区海洋研究院, 南宁 530022
2. State Key Laboratory of Urban and Regional Ecology, Research Center for Eco-environment, Chinese Academy of Sciences, Beijing 100085, China;
3. Marine Research Academy of Guangxi Zhuang Autonomous Region, Nanning 530022, China
植被动态受气候条件、地形地貌以及人类活动的影响, 是反映区域生态环境状况的重要指标[1-3]。归一化植被指数(NDVI)削弱了大气层和地形阴影的影响, 对地表植被的覆盖程度非常敏感, 是检测和指示植被覆盖状况和动态的常用指标之一[4-5]。NDVI时序数据在植被监测、物候预测和灾难预测等方面均得到了广泛的应用[4, 6]。
NDVI数值的大小直接反映了地表植被的覆盖程度, 其年内波动可用于表征地表植被的物候期, 李加林[7]和耿利宁等[8]研究发现, NDVI年内波动与互花米草和水稻的主要物候期一致;将NDVI与其他指数结合分析, 则可用于评价干旱、水土流失、雪灾等对区域的影响[9-11]。以往研究从不同的时间和空间尺度上对NDVI的分布特征进行了研究[1, 12-13], 总体上, 全球植被活动呈增强的趋势[14]。NDVI动态受到海拔、降雨、气温、土地利用程度、人口密度、经济水平等自然因素和人为因素的共同影响[1, 15-16], Park等[15]发现, 高纬度寒冷区域比低纬度地区对气象因素的响应更强烈, 陈云浩等[17]则发现干旱区域的NDVI值受到降水量的影响更大, 然而, 目前对热带湿润沿海区域NDVI动态驱动因素的研究较少。我国海岸带资源综合调查简明规程规定, 海岸带的陆域部分为海岸线向陆延伸10 km的等距线[18], 而以往研究则多以行政界线为研究区的陆域界限[16, 19-20]。滨海区域受海陆共同作用, 是脆弱的生态敏感区, 但由于物质、环境资源丰富, 滨海区域得到多方面的综合开发, 造成滨海生态环境发生了明显的变化。此外, 滨海地带性植被多有明显的带状分布特征, 如红树林、防护林带等, 其宽度通常不超过几千米。MODIS NDVI数据可以识别较窄的带状地物[17], 且MODIS数据免费, 易于获取, 波段宽度较小、信息量大, 从而适用于滨海植被的监测, 且时间分辨率高, 虽然MODIS的空间分辨率较弱, 但是本研究主要是针对整体海岸线进行研究, 从总体上能够广泛、及时地掌握滨海植被的变化与出现的问题[21]。
广西沿海的湿地面积广阔, 资源丰富, 具有较高的生态功能和社会价值。近年来, 随着广西沿海经济的快速发展, 人类活动愈发密集, 大量的滨海湿地转变为咸水养殖场, 过度的开发利用, 导致处于海路交互核心区的滨海过渡带的生态环境敏感而脆弱, 严重破坏了滨海湿地区域的生态平衡[22]。该文选取2000-2014年广西沿海区域生长季盛期的MOD13Q1影像, 沿海岸线向内陆方向设定10 km的缓冲区作为研究区域, 利用最大值合成法分析NDVI时间序列的时空分布动态, 采用一元线性回归方程斜率k和Hurst指数研究不同类型植被NDVI的动态趋势特征以及持续性, 探讨NDVI时间序列波动的主要驱动因素, 为沿海区域植被的利用和保护提供基础数据和理论依据。
1 研究地概况和研究方法 1.1 研究区概况广西沿海区域位于广西壮族自治区最南端, 从东至西分属北海市、钦州市和防城港市管辖。海岸线东起两广交界的洗米河口, 西至中越边界的北仑河, 长1 629 m, 有6条主要河流入海。属于南亚热带海洋性季风气候, 广西沿海区域陆域自海岸线向陆延伸10 km范围内地形海拔均小于300 m。海岸各地年平均气温在21-24 ℃之间, 最高38 ℃, 最低-2 ℃;年降水量在2 141-2 771 mm之间, 平均年蒸发量在1 428-1 831 mm之间;年平均相对湿度为79%-82%;年日照时数在1 540-2 232 h之间。广西海岸带天然植被包括针叶林、常绿季雨林、红树林、竹林等类型, 针叶林主要为南亚松林和马尾松林, 常绿季雨林主要有箭毒木片林、格木片林等, 红树林主要树种有白骨壤、桐花树等, 竹林代表种为刺竹;人工植被有经济林、防护林、农作物群落及少量的香蕉果园。沿海区域人工地貌突出, 河口三角洲及海积平原已大面积开辟为海水养殖场。
1.2 研究数据该研究中NDVI数据来源于美国宇航局(NASA)的MODIS植被指数产品数据MOD13Q1, 该数据基于最大合成法, 产品数据经过几何和大气校正, 每16 d合成, 空间分辨率250 m。该研究选取2000至2014年7至9月的影像为研究对象, 该时期也是年内植被覆盖程度最高的月份[19], 利用Envi4.7对原始影像进行预处理。
鉴于滨海湿地具有带状特征[7], 以海岸线为基线, 1 km为间隔, 从海岸线向内作15 km的环状缓冲带[23], 土地利用变化在7 km处趋于平稳, 在13 km处又出现波动(图 2), 故研究区域以广西海岸线为起点, 向陆延伸10 km的带状区域。基于对广西滨海湿地的调查发现, 滨海红树林、潮间带等分布范围在3 km范围内, 对于景观动态来说, 10 km范围内的植被的变化也是最为显著区域。
土地覆被数据产品(MCD12Q1), 是综合MODIS TERRA和MODIS AQUA土地覆被数据产品产生, 考虑研究区内主要的植被类型, 将区域内土地覆被类型简化为6类:林地、旱地、水田、居住地(包括交通用地)、湿地和其他(荒地、未利用地等)。广西滨海区域的DEM高程数据通过全国1:25万DEM提取和计算, 气象数据来源于国家气象信息中心。
1.3 分析方法探讨沿海区域植被覆盖的年际变化规律, 利用最大值合成法获取每年生长季盛期(7至9月) NDVI影像的最大值, 代表当年的植被覆盖状况[24]。分析研究区域NDVI空间分布特征时, 则取15年NDVI的平均值, 以此代表研究区多年的平均植被覆盖情况。采用趋势线分析法模拟植被覆盖的年际变化趋势[25], 利用Hurst指数指示变化趋势的生态持续性[26], 并在此基础上分析植被覆盖变化的主要驱动因素。同时, 利用ANOVA单因素方差分析不同类型植被覆盖程度差异的显著性水平。
1.3.1 NDVI的年际变化趋势NDVI的年际变化趋势, 以各栅格多年数值最小次方线性回归方程的斜率表示[27], 具体公式如下:
(1) |
式中, n为15, i为年序号, MNDVI, i为第i年的NDVI。其中, 当k>0时, 说明植被覆盖在15年间的变化趋势是增加的;反之, 则减少。当前, k值变化趋势的划分并没有统一标准[25, 28-29], 考虑研究区中NDVI的整体分布情况, 通过计算k值的变化, 研究发现k值基本符合正态分布, 故利用等间距划分法, 将植被覆盖变化划分为5个等级, 分别为退化(k≤-0.002)、轻度退化(-0.002≤k < -0.001)、稳定不变(-0.001≤k < 0.001)、轻度改善(0.001≤k < 0.002)和改善(k≥0.002)。ANOVA结果表明, 不同等级间差异显著(F468021=222400, P < 0.001)。
1.3.2 植被变化趋势的持续性Hurst指数(H)是定量描述时间序列长程依赖性的主要方法之一, 当0.5 < H < 1时, 时间序列具有长程依赖性, 表现为持续性, 即未来变化与过去的变化趋势一致, 过去为增加趋势的区域在将来也将继续增加, 反之亦然, 且H越接近1, 持续性越强;当H=0.5时, 则说明NDVI时间序列为随机序列, 不存在长期相关性;当0 < H < 0.5时, 则表明时间序列具有反持续性, 即未来的变化趋势与过去的变化趋势相反[12]。其计算步骤如下, 对于时间序列NDVIi, i=1, 2, …, n:
(2) |
(3) |
(4) |
(5) |
对于比值Rτ/Sτ
考虑到光、热、水是影响植物生长的主要气象因素, 选取月气温、降水和日照数据(东兴市、防城港市、钦州市和北海市4个气象站点平均), 分析研究区内NDVI值与气象因素的相关性。由于气象因素之间可能存在的相关性[3], 探讨NDVI与不同气象因素的相关关系时采用偏相关分析。该研究的NDVI影像取自7至9月, 考虑到气象因素对植被的影响可能具有“时滞效应”, 因此从6-9月的气象数据中, 分别提取单月、双月及3个月平均值进行相关性分析。
除了气候因素, 地形特征和人类活动也是影响植被覆盖时空变化的重要因素[16, 30]。参考以往研究, 选择复合地形指数CTI (表征空间位置的综合水热条件[31]), 坡度(%), 坡向(按顺时针方向从正北的0°到360°)和高程表征地形特征[16, 31-32]。从人类活动角度出发考虑, 城镇是人类活动的核心区域, 而河流往往是人类居住区的重要考虑因素, 不同居住区间又以道路网络相连接, 考虑研究区位于滨海区域并参考以往研究[16, 31, 33], 该研究选取了4个因素代表人类活动对植被覆盖的干扰, 分别为距河流、交通路线、城镇和海岸线的距离。基于DEM数据, 利用ArcGIS10.2的空间分析模块与Geomorphometry软件得到CTI, 坡度, 坡向, 高程, 距河流距离、距交通路线距离、距城镇距离和距海岸线距离。分别分析区域内各栅格多年平均NDVI和k值与以上影响因素的相关性, 探讨NDVI年际波动的主要驱动因素。由于坡向是一环形变量, 分别对其求正弦、余弦值进行变换, 生成2个新的亚变量, 进行相关分析, 正弦值表示朝东的程度, 余弦值表示朝北的程度[32]。
2 结果和分析 2.1 植被覆盖的时间变化特征2000至2014年间, 沿海区域NDVI在0.68至0.76之间波动, NDVI的多年平均值为0.71, 年际间差异较小, SD为0.02(图 3)。其中, 2007至2011年间, 区域NDVI值偏高, 波动在0.71至0.76之间。
2.2 植被覆盖的空间分布特征广西沿海区域NDVI的空间分布呈现出陆地高, 滨海和河流下游低的分布特征(图 4), 陆地土地覆被类型多为林地和旱地, 而滨海和河流下游区域居住区和其他覆被类型广泛分布。NDVI小于0.1的区域主要分布在防城港湾、钦州湾、大凤江口、南流江口和铁山港湾沿岸, 多为其他覆被类型(图 4、5)。整体上, NDVI大于0.7的高植被覆盖区域占区域总面积的70%, 0.3-0.7之间的植被覆盖区域占26%, NDVI小于0.1的区域占1%。
研究区域内, 不同土地覆被类型的NDVI差异极显著(F5, 89=182, P < 0.001), 但NDVI年际波动差异并不显著(P>0.05), 因此以15年的平均NDVI代表不同土地覆被类型的植被覆盖状况。不同土地覆被类型间, 以林地的平均NDVI值最高, 旱地和水田其次, 居住区居中, 湿地和其他最低(表 1)。其中, 林地、旱地和水田NDVI主要分配在>0.7的范围内, 而居住地、湿地和其他则多分布在0.5附近。
土地覆被类型 Types |
NDVI | 面积比例/% Area ratio |
分配比例Allocation ratio | ||||
< 0.1 | 0.1-0.3 | 0.3-0.5 | 0.5-0.7 | > 0.7 | |||
林地Forest land | 0.76 | 47 | 0 | 0 | 1 | 9 | 89 |
旱地Dry land | 0.72 | 26 | 0 | 0 | 3 | 19 | 78 |
水田Paddy fields | 0.70 | 8 | 0 | 0 | 3 | 33 | 63 |
居住区Residential quarters | 0.62 | 5 | 0 | 3 | 21 | 37 | 39 |
湿地Wetland | 0.52 | 4 | 1 | 2 | 43 | 46 | 8 |
其他Others | 0.50 | 9 | 0 | 14 | 34 | 36 | 16 |
2000至2014年间, 研究区域内有46%的植被得到改善, 多分布于河流中上游的陆地上;退化土地则集中于滨海和河流中下游地区, 约占总面积的27%;轻度退化、轻度改善以及稳定不变状态的土地斑块较为分散, 分别占总面积的8%、14%和6%(图 6)。不同土地覆被类型中, 57%的林地得到了改善, 52%的湿地呈现出退化趋势, 其他的覆被类型则多处于相对稳定的状态(图 7)。
将NDVI动态趋势与Hurst指数叠加, 得到NDVI动态趋势持续性的分布(图 8)。持续改善的植被面积占研究区总面积的33%, 多分布于林地、旱地等NDVI相对较高的土地覆被类型中;持续退化的植被较少, 所占比例为17%, 但多分布于湿地、其他等NDVI偏低类型中。此外, 未来变化趋势无法确定的区域占总面积的30%, 多集中于滨海区域(表 2)。
土地覆被类型 Types |
分配比例Allocation ratio/% | |||||
持续退化 Persistence degradation |
持续轻度退化 Persistence slightly degradation |
持续稳定不变 Persistence stableness |
持续轻度改善 Persistence slightly improvement |
持续改善 Persistence improvement |
不确定 Uncertainty |
|
林地Forest land | 18 | 4 | 10 | 9 | 34 | 26 |
旱地Dry land | 18 | 5 | 10 | 8 | 37 | 23 |
水田Paddy field | 23 | 5 | 11 | 6 | 31 | 25 |
居住区Residential quarters | 30 | 5 | 9 | 10 | 17 | 30 |
湿地Wetland | 29 | 1 | 3 | 4 | 16 | 47 |
其他Others | 23 | 4 | 8 | 4 | 22 | 40 |
沿海区域6至8月的气象因素(气温、降水量和日照时间), 两两之间相关性多显著(图 9), 故分析气象因素与NDVI相关性时, 采用偏相关分析。然而, 气象因素与区域内不同土地覆被类型NDVI的相关性均不显著(P>0.05)。
坡向的正弦和余弦值、距海岸线距离与区域及其不同土地覆被类型的NDVI和NDVI动态趋势相关性多不显著, 故在表 3中不再列出以上3个变量。NDVI和NDVI动态趋势与其他变量则呈现出较好的相关性, 二者与CTI和距离河流的距离多为负相关, 与坡度、高程、距交通线路和城镇的距离则多为正相关。
变量 Variation |
土地覆被类型 Types |
CTI | 坡度 Slope |
高程 Elevation |
距河流距离 Distance from river |
距交通线路距离 Distance from traffic line |
距城镇距离 Distance from valley |
NDVI | 区域 | -0.321** | 0.272** | 0.313** | -0.166** | -0.020** | -0.024** |
林地 | -0.184** | 0.286** | 0.280** | -0.149** | 0.039* | 0.045** | |
旱地 | -0.212** | 0.258** | 0.283** | -0.169** | 0.117** | ||
水田 | -0.061* | 0.193** | 0.251** | -0.165** | 0.112** | ||
居住区 | -0.139** | 0.214** | 0.250** | -0.276** | |||
湿地 | -0.124* | 0.215** | -0.145* | -0.181** | |||
其他 | -0.080** | 0.253** | 0.251** | -0.174** | -0.077* | ||
k | 区域 | -0.081** | 0.082** | 0.094** | -0.091** | 0.036** | 0.096** |
林地 | -0.114** | 0.135** | 0.128** | -0.055** | 0.117** | 0.110** | |
旱地 | -0.116** | 0.132** | 0.167** | -0.101** | 0.042* | 0.149** | |
水田 | 0.104** | 0.132** | -0.069* | 0.088** | 0.056* | ||
居住区 | -0.071* | 0.112* | 0.097** | -0.239** | |||
湿地 | -0.155** | 0.244** | -0.137* | 0.270** | |||
其他 | 0.156** | 0.116** | -0.147** | 0.184** | |||
*P < 0.05,**P < 0.01. 复合地形指数 CTI |
广西沿海区域整体的NDVI值较高, 而且年际波动较小, 与以往的研究结果相似[19, 34]。研究区内NDVI>0.7的区域占区域总面积的70%, NDVI不足0.3的区域仅占4%, 这导致区域整体的NDVI值偏高。此外, 研究区域为南亚热带海洋性季风气候, 常年高温多雨, 植被覆盖率高且多为常绿植物, 在非极端天气影响下, NDVI的年际波动程度较低。空间上, 区域NDVI分布表现为陆地高, 滨海和河流下游低的趋势, 这与土地覆被类型的分布有关, 陆地多为林地和旱地, 而滨海和河流下游区域则多分布着居住区、湿地和其他覆被类型。
2000至2014年间, 研究区内约一半的植被得到改善, 改善植被多为林地, 这与当地政府在低山丘陵区大面积植树种草有关[19];退化区域则多集中于滨海和河流下游, 这些区域内大量分布着居住区和其他类型植被, 且交通网络密布。值得注意的是, 林地等NDVI较高的区域通常表现为持续改善趋势, 而湿地等NDVI低的区域则多表现为持续退化。林地等覆被类型由当地政府的扶持得以持续改善, 而大量的湿地则开发为港口、道路、养殖场等, 从而呈现为退化趋势, 在未来的开发利用活动中应加强对滨海湿地等NDVI偏低区域的关注。
土地覆被分类的不同、植被下垫面与NDVI分辨率也会影响计算的结果, 在该研究中, 土地覆被类型分类体系与NDVI来源相同, 而且在NDVI时间选择上, 选择NDVI数值最大的月份。另外, 为了消除分辨率的问题, 研究的空间尺度较大, 能够体现变化的总体趋势。通过和实地的调研比较, 研究结果与实际情况较为符合。
植被NDVI及其动态趋势与气象因素的相关性并不显著, 而多与地形特征和人为因素呈现显著相关性, 这与以往对沿海区域的研究相似[17, 35]。研究区域内, 尽管4个气象站点的年均温(F14, 59=68.78, P < 0.001)、年降水量(F14, 59=7.98, P < 0.001)和年日照时数(F14, 59=11.61, P < 0.001)的年际变化差异均显著, 但其与NDVI相关性并不显著, 这可能与NDVI动态更多的受到地形特征和人类活动的干扰有关。广西沿海区域海拔波动范围为-6 m至290 m之间, 高海拔区域集中分布于西北和东北的山地;在研究区内, 以1 km×1 km为分析窗口, 逐个提取地形起伏度[36], 滨海区域平均地形起伏度为0.02, 最大起伏度为0.55, 整个区域内地形波动较小, 但NDVI及其动态趋势与地形特征因素的相关性却多显著。NDVI及其动态趋势与CTI多为负相关, 由于CTI与坡度有关, 因此这种负相关间接反映了植被动态与坡度的关系[32];沿海区域NDVI及其动态趋势与坡度和高程表现为正相关, 与坡向则多不相关, 这与刘亚龙等[2]和马宗文等[16]的研究结果相似, 原因可能是平坦地区更利于城市建设, 以及人为在低山丘陵区的大面积植树。NDVI及其动态趋势与距河流的距离呈现为负相关, 可能与研究区多处于河流下游, 而河口、三角洲等地区近年来多有开发活动有关;距交通线路、城镇的距离与NDVI表现为正相关, 可能与居住区和交通线路绿化区有关。
4 结论该研究基于MODIS NDVI数据, 利用NDVI时间序列, 采用最大值合成法、一元线性回归方程斜率和Hurst趋势指数, 探讨了沿海区域植被的时空分布特征及其影响因素。结果表明, 广西沿海区域NDVI值较高, 但年际波动不大, 空间上则表现为陆地高, 滨海和河流下游低的趋势, 这主要与土地覆被类型的空间分布有关, 林地、旱地等高NDVI类型广泛分布于陆地, 而湿地等低NDVI类型则多分布于滨海和河流河口。此外, 林地在人工大量植树造林的基础上表现出持续改善趋势, 而滨海、河口区域的高强度开发则造成湿地呈现持续退化趋势。广西沿海植被覆盖的变化与气象因素相关性并不显著, 主要受到地形特征和人类活动的影响。因此, 在未来的开发利用活动中应加强对滨海湿地和河口区域的关注。
[1] | Lamchin M, Park T, Lee J Y, Lee W K. Monitoring of vegetation dynamics in the mongolia using MODIS NDVIs and their relationship to rainfall by natural zone. Journal of the Indian Society of Remote Sensing, 2014, 43(2): 325–337. |
[2] | 刘亚龙, 王庆, 毕景芝, 张明明, 邢前国, 施平. 基于Mann-Kendall方法的胶东半岛海岸带归一化植被指数趋势分析. 海洋学报, 2010, 32(3): 79–87. |
[3] | 孙红雨, 王长耀, 牛铮, 布和敖斯尔, 李兵. 中国地表植被覆盖变化及其与气候因子关系--基于NOAA时间序列数据分析. 遥感学报, 1998, 2(3): 204–210. |
[4] | Pettorelli N, Vik J O, Mysterud A, Gaillard J M, Tucker C J, Stenseth N C. Using the satellite-derived NDVI to assess ecological responses to environmental change. Trends in Ecology & Evolution, 2005, 20(9): 503–510. |
[5] | Fensholt R, Sandholt I, Rasmussen M S. Evaluation of MODIS LAI, fAPAR and the relation between fAPAR and NDVI in a semi-arid environment using in situ measurements. Remote Sensing of Environment, 2004, 91(3/4): 490–507. |
[6] | Li L L, Wang Y P. What drives the aerosol distribution in Guangdong-the most developed province in Southern China?. Scientific Reports, 2014, 4: 5972–5972. |
[7] | 李加林. 基于MODIS的沿海带状植被NDVI/EVI季节变化研究--以江苏沿海互花米草盐沼为例. 海洋通报, 2006, 25(6): 91–96. |
[8] | 耿利宁.基于时序MODIS的水稻种植制度提取[D].南京:南京信息工程大学, 2013:42-44. |
[9] | Lu L L, Kuenzer C, Wang C Z, Guo H D, Li Q T. Evaluation of three MODIS-Derived vegetation index time series for dryland vegetation dynamics monitoring. Remote Sensing, 2015, 7(6): 7597–7614. DOI:10.3390/rs70607597 |
[10] | 吴健生, 陈莎, 彭建. 基于图像阈值法的森林雪灾损失遥感估测--以云南省为例. 地理科学进展, 2013, 32(6): 913–923. |
[11] | 白雲. 基于混合像元分解的海坛岛植被覆盖度因子研究. 亚热带资源与环境学报, 2013, 8(4): 81–86. |
[12] | 袁丽华, 蒋卫国, 申文明, 刘颖慧, 王文杰, 陶亮亮, 郑华, 刘孝富. 2000-2010年黄河流域植被覆盖的时空变化. 生态学报, 2013, 33(24): 7798–7806. |
[13] | 张雪艳, 胡云锋, 庄大方, 齐永清. 蒙古高原NDVI的空间格局及空间分异. 地理研究, 2009, 28(1): 10–18, 图版2. |
[14] | Xiao J, Moody A. Geographical distribution of global greening trends and their climatic correlates:1982-1998. International Journal of Remote Sensing, 2005, 26(11): 2371–2390. DOI:10.1080/01431160500033682 |
[15] | Park H, Jeong S J, Ho C H, Kim J, Brown M E, Schaepman M E. Nonlinear response of vegetation green-up to local temperature variations in temperate and boreal forests in the Northern Hemisphere. Remote Sensing of Environment, 2015, 165: 100–108. DOI:10.1016/j.rse.2015.04.030 |
[16] | 马宗文, 许学工, 卢亚灵. 环渤海地区NDVI拟合方法比较及其影响因素. 生态学杂志, 2011, 30(7): 1558–1564. |
[17] | 陈云浩, 李晓兵, 史培军. 1983-1992年中国陆地NDVI变化的气候因子驱动分析. 植物生态学报, 2001, 25(6): 716–720. |
[18] | 宗玮.上海海岸带土地利用/覆盖格局变化及驱动机制研究[D].上海:华东师范大学, 2012:44-44. http://cdmd.cnki.com.cn/Article/CDMD-10269-1012436070.htm |
[19] | 田义超, 陈志坤, 梁铭忠. 北部湾海岸带植被覆盖时空动态特征及未来趋势. 热带地理, 2014, 34(1): 76–86. |
[20] | 徐大勇, 张涛, 孙贻超, 邓小文, 周滨, 卢学强, 邵晓龙, 张良运, 陈红, 袁雪竹, 白明英. 基于NDVI的天津市滨海新区植被覆盖度变化及预测研究. 生态经济, 2010(12): 45–50. |
[21] | 李建平, 张柏, 张泠, 王宗明, 宋开山. 湿地遥感监测研究现状与展望. 地理科学进展, 2007, 26(1): 33–43. |
[22] | 曹庆先, 戴培建, 范航清, 葛文标, 何斌源, 兰国宝, 黎广钊, 梁文, 莫竹承, 邱广龙, 吴斌, 曾聪, 周浩郎. 广西北部湾典型海洋生态系统-现状与挑战. 北京: 科学出版社, 2015. |
[23] | 王毅杰, 俞慎. 长江三角洲城市群区域滨海湿地利用时空变化特征. 湿地科学, 2012, 10(2): 129–135. |
[24] | 韩贵锋.中国东部地区植被覆盖的时空变化及其人为因素的影响研究[D].上海:华东师范大学, 2007:35-35. http://cdmd.cnki.com.cn/Article/CDMD-10269-2007082929.htm |
[25] | 范娜, 谢高地, 张昌顺, 陈龙, 李文华, 成升魁. 2001年至2010年澜沧江流域植被覆盖动态变化分析. 资源科学, 2012, 34(7): 1222–1231. |
[26] | 江田汉, 邓莲堂. Hurst指数估计中存在的若干问题--以在气候变化研究中的应用为例. 地理科学, 2004, 24(2): 177–182. |
[27] | 刘世梁, 赵海迪, 董世魁, 苏旭坤, 刘琦, 邓丽, 张翔. 基于SPOT NDVI的阿尔金山自然保护区植被动态变化研究. 干旱区研究, 2014, 31(5): 832–837. |
[28] | 庄长伟, 欧阳志云, 徐卫华, 郑华, 王效科, 白杨. 基于MODIS的海河流域生态系统空间格局. 生态学杂志, 2009, 28(6): 1149–1154. |
[29] | 张月丛, 赵志强, 李双成, 孟宪锋. 基于SPOT NDVI的华北北部地表植被覆盖变化趋势. 地理研究, 2008, 27(4): 745–754. |
[30] | 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. 中国科学D辑:地球科学, 2007, 37(11): 1504–1514. |
[31] | 刘琦, 刘世梁, 赵清贺, 王聪, 邓丽, 杨珏婕, 董世魁. 漫湾水电站建设的景观生态风险时空分异及影响因子研究. 安全与环境学报, 2012, 12(6): 113–118. |
[32] | 连纲, 郭旭东, 傅伯杰, 虎陈霞. 黄土高原小流域土壤容重及水分空间变异特征. 生态学报, 2006, 26(3): 647–654. |
[33] | 包维楷, 刘照光. 岷江上游大沟流域驱动植被退化的人为干扰体研究. 应用与环境生物学报, 1999, 5(3): 233–239. |
[34] | 杨绍锷, 谭裕模, 胡钧铭. 基于NDVI的广西近十年植被变化特征分析. 南方农业学报, 2012, 43(11): 1783–1788. |
[35] | 何章莉, 史合印, 邢前国, 潘伟斌. 遥感技术在大亚湾区域土地利用类型监测中的应用. 生态科学, 2006, 25(4): 371–384. |
[36] | 周自翔, 李晶, 任志远. 基于GIS的关中-天水经济区地形起伏度与人口分布研究. 地理科学, 2012, 32(8): 951–957. |