2. 上海市地质调查研究院/自然资源部地面沉降监测与防治重点实验室, 上海 200072
2. Shanghai Institute of Geological Survey/Key Laboratory of Land Subsidence Monitoring and Prevention, Ministry of Natural Resources, Shanghai 200072, China
0 引言
中蒙俄经济走廊是“一带一路”六大经济走廊之一。蒙古国和俄罗斯资源丰富、市场潜力大，构建中蒙俄经济走廊有利于加强中国与俄、蒙两国的经贸合作，进一步推进“一带一路”从构想向现实转化，实现我国对外经济合作的多元化和出口市场多元化，形成辐射力较强的西部及东北经济增长极[1-3]。
走廊范围内分布有多年冻土带与季节冻土带，这些冻土在地温升高过程中, 土壤强度急剧衰减, 产生蠕变和流变[4]，从而发生下沉现象, 影响建筑物的稳定[5]。受工程建设和全球气温的升高的影响, 该地区势必会发生冻土类型转变甚至冻土退化现象[6]。因此研究走廊内部冻土变化能为冻土分布和冻土地区工程的稳定性评价提供重要参数。
冻土区域内分布着多种植被，其能有效地调节区域气候、保持水土和生物多样性[7-10]。而因冻土退化导致的土壤水分变化会使植被表现不同的生长状态[11]，因此冻土退化过程对不同植被类型的影响程度存在差异[12]。中蒙俄经济走廊内植被覆盖率高达97%, 茂密的植被分布及生长状态可为多年冻土环境提供重要参数[13]。遥感作为对地观测的有效技术，其具有对不同空间尺度进行长时间序列动态监测的优势，已经成为研究大范围植被覆盖及变化的主要手段[14-15]。利用遥感影像近红外和红波段测值的组合计算获得的归一化植被指数(normalized difference vegetation index，NDVI)可作为植被生长状况的指示因子，其数值大小能很好地反映植被覆盖及生长状态，被广泛用于植被分布和植被变化监测等研究领域[16-19]。因此，研究中蒙俄经济走廊内植被NDVI的分布特征，能为冻土分布和冻土地区工程的稳定性评价提供重要的特征参数。
中蒙俄经济走廊横跨亚欧大陆，西至俄罗斯圣彼得堡，东邻太平洋。东部临海地区为温带季风气候，西部内陆地区为温带大陆性气候，地区间气候的差异(主要为热量、水分的差异)导致走廊内沿海地区与内陆地区植被NDVI及其变化趋势出现差异。针对类似差异问题，毛德华等[20]研究发现，不同地区间相同类型植被的NDVI存在较大差异；Rikie等[21]通过研究发现，同纬度下75°E干旱森林横断面样带中，降水对NDVI起主导作用，而在110°E森林苔原横断面样带中，温度是NDVI的主要影响因素。对于与本次研究区域范围大致相似的黑龙江流域NDVI影响因素分析，不同团队给出了不同看法，如：曾旭婧等[6]认为降水量与植被指数NDVI具正相关性，是植被生长的主导因子，而温度升高导致冻土退化产生地面渗水现象，使植被指数NDVI骤降0.26；而楚洪帅等[22]研究表明该地区内针叶林、阔叶林、混交林和林地的NDVI在所有季节均与温度呈正相关。可见针对该地区植被生长的主导因子还存在一定争议。崔林丽等[23]认为气象因素影响存在滞后性，当月气象数据可能不足以真实体现对植被变化的影响。目前关于NDVI与各种气象因素相关性差异的研究较多，但鲜有对于沿海至内陆同种类型植被生长变化的分析，所以本次实验选取研究区分布较为广泛并且对冻土变化较为敏感的植被类型进行NDVI分布特征分析，并结合前1-2月的气象数据，对当月NDVI变化进行相关性检测。研究区内除重要的交通枢纽外，人类活动主要集中在东部沿海地区，葛君等[24]认为该区域人口集聚且城镇开发程度较高，土地开发利用程度较高, 中西部地区受地形等自然因素限制，土地开发利用程度整体较低, 人类活动的影响范围较小。因此本文主要分析气象条件对植被生长及覆盖状态的影响。
本文基于2015-2019年5-9月期间的MOD13Q1 NDVI数据、AVHRR (advanced very high resolution radiometer)全球土地覆盖数据和MERRA2 (modern-era retrospective analysis for research and applications)气象再分析数据，采用回归分析法研究中蒙俄经济走廊东部沿海地区与内陆地区NDVI变化趋势，并分析研究区内林地和树木茂盛的草地NDVI与当月的气温和降水的相关性，以期获得沿海与内陆地区NDVI变化差异的规律，为获取更精确的大面积内不同时相高分辨率遥感影像在相同时间节点的NDVI提供参考模型，以及为中俄国际合作重大工程建设和冻土地区的稳定性评价提供重要特征参数。
1 研究区概况研究区位于亚欧大陆内中蒙俄经济走廊东部(图 1)，研究范围为42°N-56°N、105°E-142°E，面积约3.4×106 km2，包括中国东北部地区、蒙古国中东部地区、俄罗斯东南部地区。气候由沿海向内陆分别为温带季风气候和温带大陆性气候。研究区地形包括平原、山地和高原，以山地和高原为主：西部为蒙古高原，东部的东北平原被大兴安岭和锡霍特山脉相夹。主要植被类型为林地、树木茂盛的草地、草地、常绿针叶林和混合林。其中树木茂盛的草地属于林地与草地的过渡类型，是草本底层和树冠覆盖率高于10.00%并低于40.00%的土地，常绿或落叶树木的高度超过5 m。研究区内林地和树木茂盛的草地(共占41.00%)在内陆及沿海地区广泛分布，草地主要分布在蒙古高原及东北平原，常绿针叶林和混合林主要分布在锡霍特山脉、大兴安岭及雅布洛诺夫山脉等地区，在沿海地区鲜有分布。为此，选取林地和树木茂盛的草地进行沿海与内陆地区的NDVI分布特征研究。
|
| a. 行政界线来自自然资源部官网(GS(2020)4393)；b. 地形图来自91卫图(网址：http://www.91weitu.com/)。 图 1 研究区位置图(a)和地形图(b) Fig. 1 Location map(a)and topographic map(b)of the study area |
|
|
1) NDVI数据：本研究所用的NDVI数据是来自美国国家航空航天局(National Aeronautics and Space Administration)的MOD13Q1(网址：ladsweb.modaps.eosdis.nasa.gov/search/)，MOD13Q1数据是采用Sinusoidal投影方式的3级网格数据产品，主要利用植被在不同波段的光谱反射特征进行NDVI计算，具有250 m的空间分辨率，时间分辨率为16 d[25]。
2) 气象数据：为了研究气温和降水因素对植被变化的影响，采用美国国家航空航天局戈达德地球科学数据和服务中心的MERRA2气象再分析数据，该数据的空间分辨率为2/3经度×1/2纬度，包含气象和风电领域数据。本次研究选用对应的月气温均值和月降水总量。
3) 土地覆盖数据：本次研究使用的AVHRR Global Land Cover产品数据，具有1 km的空间分辨率。该数据将地物分为14类，其中研究区内面积占比最高的地物分别为林地(22.56%)和树木茂盛的草地(18.40%)，两者约占总面积的41.00%，在沿海及内陆均有分布，且分布相较于其他地类更为均匀，方便选点。为提高实验结果的可靠性，本次研究主要以林地和树木茂盛的草地为研究对象。
2.2 数据处理 2.2.1 NDVI镶嵌MOD13Q1为定标、畸变校正之后的分幅数据，包含NDVI、EVI(enhanced vegetation index)、VI(vegetation index)等数据图层，需要对原始数据进行提取、镶嵌、裁剪等处理流程。实验使用2015-2019年间5-9月的影像，共计550幅，在ArcGIS中对下载数据进行NDVI图层提取、镶嵌，最后按照测区范围进行裁剪。图 2中a、b分别为镶嵌处理前后的影像数据。
|
| 图 2 MODIS (moderate-resolution imaging spectroradiometer)数据镶嵌前(a)后(b)对比 Fig. 2 MODIS data before(a) and after(b) mosaic |
|
|
结合AVHRR全球土地覆盖产品，分别对研究区内分布较为均匀且占比较高的林地和树木茂盛的草地进行等间隔初始采样，依据研究区范围和多次采样实验，确定将采样线按纬度分为14行，采样点间隔设计为50 km，在保证数据量充足的情况下，充分体现沿海至内陆NDVI的变化情况。每个点的取样半径设计为0.5 km，计算半径范围内多个像素NDVI均值以降低偶然性。每条采样线根据距海岸线距离采样38~46点。若取样范围内没有该植被的NDVI数据，则对该点位置进行微调，其中林地选点568个，树木茂盛的草地567个。最后计算每个采样点取样半径内的NDVI均值。图 3为林地和树木茂盛的草地的采样点图。
|
| a. 林地；b. 树木茂盛的草地。 图 3 采样点图 Fig. 3 Map of sampling |
|
|
为分析植被NDVI沿海至内陆的变化趋势，对沿海至内陆植被NDVI进行线性拟合，所得拟合函数的斜率即为沿海至内陆NDVI的变化趋势。其计算公式为
(1) 式中：n为一条采样线中含NDVI数据点的样本总数；xi为第i个采样点距海岸线的距离；yi为第i个采样点的NDVI；a、b分别为拟合函数的截距和斜率，拟合函数为y=a+bx。如图 4所示，b < 0，表明沿海地区NDVI高于内陆地区，即沿海地区植被生长状态优于内陆地区；若b>0，表明沿海地区NDVI低于内陆地区。
|
| 图 4 林地51°N采样线沿海至内陆NDVI线性拟合 Fig. 4 Coastal to inland NDVI linear fit of forest in 51°N sampling line |
|
|
将采样区域的NDVI与降水、气温进行皮尔逊相关性计算，并对其相关性进行双尾显著性检验，以分析降水、气温对植被NDVI变化的影响。相关性系数ρxy计算公式为
(2) 式中：x为气温或降水值；y为NDVI值；ρxy为x与y的相关性系数；
根据显著性检验的显著水平，可确定x与y的相关程度[26]：P < 0.01，极显著相关；0.01 < P < 0.05，显著相关；P>0.05，不显著相关。
2.3 沿海与内陆NDVI分析方法对比2015-2019年间5-9月距海岸线不同距离NDVI的变化，采用回归分析法计算林地和树木茂盛的草地两种植被在不同纬度和不同时期的NDVI由沿海向内陆的变化趋势，以及生长期中两种植被在沿海地区和内陆地区的不同生长趋势；采用相关性分析法，分析两种植被的NDVI与当月及前1-2月的气温和降水的相关系数，比较不同植被与气温和降水变化的相关性在不同纬度和不同时期的变化特征，以获取沿海与内陆地区气象因素对植被生长的影响差异。
3 实验结果与分析 3.1 不同纬度沿海至内陆NDVI差异随时间变化特征为研究不同时期沿海至内陆NDVI的变化特征，对每条采样线NDVI数据进行线性拟合, 得到的沿海至内陆NDVI变化率见图 5。
|
| a. 林地；b. 树木茂盛的草地。 图 5 不同时期不同纬度沿海至内陆植被NDVI的变化趋势 Fig. 5 Rate of NDVI change in coastal to inland in different periods |
|
|
从图 5可以明显看出，研究区内两种植被的NDVI变化率基本为负值且变化趋势相似，说明沿海地区植被生长状态基本优于内陆地区，其中最小值为林地在20160524的43°N地区，为-6.2×10-4，最大值为树木茂盛的草地，在20190813的43°N地区，为2.2×10-4。在低纬度地区(43°N-46°N)NDVI变化率随时间改变有着明显变化，具体表现为5-7月期间，沿海至内陆NDVI差异随时间逐渐减小，值得注意的是，43°N-44°N沿海地区NDVI在8月份略低于内陆地区；之后在8-9月期间，这种差异随时间逐渐增大。随着纬度升高，中高纬度地区沿海与内陆NDVI差异相对较小(最大变化率为-2.7×10-4)，在NDVI上升期(5-7月)和下降期(7-9月)NDVI变化率的波动幅度也较小。43°N-44°N区域中2种植被在20190813时的变化率呈现异常数值，其原因可能为采样范围内植被受人为因素干预(如植被中夹杂耕地)引起NDVI升高，导致变化率异常。
3.2 距海岸线不同距离NDVI的变化特征为降低不同纬度的植被生长速率可能存在差异所造成的影响，本实验研究由沿海向内陆的植被生长状态在顶峰期的变化差异。将相同时期对应的所有采样点NDVI做均值处理，通过拟合曲线确定植被生长顶峰期的影像日期。不同时期林地和树木茂盛的草地NDVI均值及拟合模型分别见图 6、表 1。
|
| a. 林地；b. 树木茂盛的草地。 图 6 研究区NDVI均值变化(2015-2019年5-9月) Fig. 6 Change of mean NDVI in the study area (from May to September in 2015-2019) |
|
|
| 植被类型 | 年份 | 拟合公式 | R | NDVI最大值的时间节点 |
| 林地 | 2015 | y=-6.90758×10-5x2+0.02786x-1.98422 | 0.990 | 0722 |
| 2016 | y=-6.49623×10-5x2+0.02617x-1.82361 | 0.990 | 0722 | |
| 2017 | y=-6.48463×10-5x2+0.02571x-1.73421 | 0.990 | 0719 | |
| 2018 | y=-6.32734×10-5x2+0.02517x-1.67852 | 0.985 | 0719 | |
| 2019 | y=-6.0412×10-5x2+0.02415x-1.59413 | 0.990 | 0720 | |
| 树木茂盛的草地 | 2015 | y=-7.17973×10-5x2+0.02925x-2.19226 | 0.990 | 0723 |
| 2016 | y=-6.49623×10-5x2+0.02617x-1.82361 | 0.990 | 0722 | |
| 2017 | y=-6.62572×10-5x2+0.02667x-1.91225 | 0.990 | 0722 | |
| 2018 | y=-6.67687×10-5x2+0.02689x-1.91256 | 0.990 | 0722 | |
| 2019 | y=-6.3964×10-5x2+0.02583x-1.82033 | 0.990 | 0722 | |
| 注：R为相关系数。 | ||||
从图 6及表 1可以明显看出，拟合的NDVI最大时间节点为0719-0723，平均日期为0722，时间跨度为5 d，但以0720-0722的日期居多，占比为80%。相比于其他日期数据，所获取的MODIS NDVI以0728的数据最为接近NDVI最大时间节点，NDVI最高。因此，可将0728的影像作为顶峰峰期影像进行研究。
进一步计算得到不同年份(2015-2019年)相同日期研究区内采样点NDVI均值，发现不同年份的NDVI差异较小，相对稳定。标准差最低为0.004，最高为0.026，均值为0.015，为此，采用2015-2019年间0728每条采样线上不同采样点的NDVI均值，来分析不同纬度沿海至内陆NDVI的变化趋势。
两种植被在43°N-46°N距海岸线1 200~2 300 km范围内分布极少(图 3)，结合3.1小节分析发现，在该纬度区间内NDVI变化率随时间变化明显，此处将研究区分为43°N-46°N和47°N-55°N两组。两种植被的NDVI均值随沿海距离变化见图 7，不同纬度下NDVI变化率见图 8。
|
| a，c. 林地；b，d. 树木茂盛的草地。 图 7 距海岸线不同距离植被NDVI变化 Fig. 7 Change of NDVI at different distances from the coastline |
|
|
|
| 图 8 不同纬度沿海至内陆植被NDVI变化率 Fig. 8 Rate of NDVI change from coastal to inland at different latitudes |
|
|
从图 7可以明显看出：在43°N-46°N地区内，距海岸线500 km是NDVI变化的距离节点，在0~500 km区域内，两种植被的NDVI波动平稳且变化较小，没有明显的下降趋势，在500~1 200 km区域内，两种植被的NDVI呈现明显的波动下降趋势；在纬度更高的47°N-55°N地区内，NDVI变化的距离节点变为1 200 km，且在1 200~2 300 km区域内，NDVI的波动幅度更大，最高可达到0.420 0。
图 8表明，两种植被NDVI变化率基本为负值，说明两种植被在沿海地区的生长状态总体上优于内陆地区，且树木茂盛的草地的沿海与内陆地区植被NDVI的差异整体高于林地。在低纬度地区(43°N-46°N)，沿海与内陆地区植被NDVI的差异较大，且不同纬度间变化较明显；随着研究区内纬度上升(47°N-55°N)，沿海与内陆地区植被NDVI的差异逐渐减小，不同纬度间的差异逐渐消失。
3.3 距海岸线不同距离植被NDVI随时间的变化为研究距海岸线不同距离NDVI随时间的变化规律，取上述分析所得的2个距离节点(500、1 200 km)中的较小值，即500 km作为距离区间，将所有采样线上的采样点按照该距离区间取均值，得到距海岸线不同距离植被NDVI随时间的变化，见图 9。
|
| a. 林地；b. 树木茂盛的草地。 图 9 距海岸线不同距离的植被随时间的变化 Fig. 9 Change of NDVI at different distances to the coast with time |
|
|
从图 9可以看出：研究区内沿海地区(0~500 km)两种植被的NDVI总体高于内陆地区(＞500 km)，在NDVI顶峰期附近两种植被的NDVI变化浮动较小；在NDVI上升期和下降期，两种植被在沿海地区的NDVI相对较高，与内陆地区的NDVI有着明显差异(林地中差异最高为0.206 0，最小为-0.000 3；树木茂盛的草地中差异最高为0.200 0，最小为0.023 0)。
此外，相较于树木茂盛的草地，沿海地区林地的NDVI变化趋势与内陆地区的差异更加明显，具体表现为：在NDVI上升期，沿海地区植被生长过早达到饱和，导致在6-7月期间NDVI增长缓慢；在NDVI下降期，沿海植被在7-8月下降缓慢，在9月期间才有明显下降，相比于内陆地区，沿海地区NDVI下降期滞后约1个月。
综上所述，沿海地区(0~500 km)应建立独立的NDVI随时间变化模型。通过结合NDVI变化趋势，采用二次函数拟合沿海地区两种NDVI的变化(图 10)。
|
| a. 林地；b. 树木茂盛的草地。 图 10 沿海地区两种植被NDVI拟合 Fig. 10 Fitting of two vegetation NDVI trends in coastal areas |
|
|
由图 10、表 2可以看出，二次函数拟合效果较好，可以更真实地反映出两种植被在NDVI上升期和下降期的变化特征。
| 植被类型 | 拟合公式 | R | NDVI最大值的时间节点 |
| 林地 | y=-4.84274×10-5x2+0.01927x-1.06375 | 0.980 | 0719 |
| 树木茂盛的草地 | y=-5.50723×10-5x2+0.02204x-1.36454 | 0.990 | 0721 |
为了研究距海岸线不同距离NDVI随时间的变化规律与气象之间的关系，结合MERRA2气象再分析数据和上文中距海岸线的距离区间，对所有采样线上的采样点按照相同区间取2015-2019年相同月份气温和降水量均值，见图 11。
|
| a，c. 林地；b，d. 树木茂盛的草地。 图 11 2015-2019年相同月份距海岸线不同距离气温和降水的变化 Fig. 11 Temperature and precipitation changes in the same month and different distance from coastline in 2015-2019 |
|
|
关于气温，从图 11a, b可以明显看出，沿海地区(0~500 km)的气温变化趋势与内陆地区(＞500 km)相似，但在7-8月期间下降较缓慢。关于降水，从图 11c, d可以看出: 除6、7月内陆地区降水高于沿海地区外，沿海地区整体降水量高于内陆地区; 在NDVI上升期和下降期，沿海地区降水量总体高于内陆地区，8-9月期间，沿海地区降水量呈下降趋势，相比内陆地区晚1个月，但依旧高于内陆地区。因此，结合降水和气温及其变化分析，在7-8月期间，沿海地区NDVI下降速度相对缓慢，在9月下旬才有明显的下降趋势，与内陆地区对比有明显的滞后现象。
为进一步研究降水、气温对NDVI变化的影响，将NDVI与降水、气温的进行皮尔逊相关性计算，结果见表 3。
| 地区 | 与气温相关系数 | 与降水相关系数 | |||||
| 前2月 | 前1月 | 当月 | 前2月 | 前1月 | 当月 | ||
| 林地(43°N-46°N) | -0.025 | 0.053* | 0.223** | 0.167** | 0.167** | 0.339** | |
| 林地(47°N-55°N) | -0.098** | 0.100** | 0.534** | -0.054** | 0.167** | 0.365** | |
| 树木茂盛的草地(43°N-46°N) | 0.068** | 0.141** | 0.243** | 0.273** | 0.247** | 0.393** | |
| 树木茂盛的草地(47°N-55°N) | -0.070** | 0.096** | 0.437** | -0.007 | 0.216** | 0.384** | |
| 注：**为极显著相关；*为显著相关；其他为不显著相关。 | |||||||
从表 3可以看出，两种植被的NDVI与当月气温和降水的相关性明显高于前1月和前2月的相关性，呈现极显著相关，说明该地区内气象变化对NDVI的影响具有即时性。
对于林地，低纬度地区内NDVI与降水的相关性优于气温，其原因可能为该地区气温变化保持在植物耐受范围内，但降水变化较大，因此植被与降水的敏感度更高；相反，高纬度地区内NDVI与气温的相关性优于降水，其原因可能为该地区降水量在地域上的差异并不明显，但气温变化超过的植物耐受范围，因此气温的变化对植物的影响更加明显。
对于树木茂盛的草地，其与气温和降水的相关性表现与林地相似，并略高于林地。原因可能为树木茂盛的草地的组成结构较为脆弱，在同等的外界因素作用下，受影响程度更为严重，因此相关性更高。
4 结论1) 拟合的两种植被生长顶峰期为0719-0723，时间跨度较小，相较于林地，树木茂盛的草地的生长顶峰期更为稳定。
2) 在2015-2019年内5月下旬-9月期间，沿海地区植被生长状态基本优于内陆地区，从距离海岸线约500 km处开始，NDVI出现明显下降趋势。在低纬度地区(43°N-46°N)NDVI差异较为明显，最大NDVI变化率为-6.2×10-4，在5-7月期间，NDVI差异随时间逐渐减小，在8-9月期间，NDVI差异随时间逐渐增大；随着纬度升高，NDVI差异变化幅度逐渐降低。
3) 研究区内影响NDVI的气象因素因地区不同而变化，低纬度地区的主导因素是降水，高纬度地区则是气温。由于沿海与内陆地区降水和气温存在差异，导致两地区NDVI在不同时期有不同表现。在NDVI上升期，沿海地区植被生长较内陆地区约提前1个月进入饱和，在NDVI下降期，NDVI初始下降幅度较小，较内陆地区滞后约1个月。
4) 针对沿海地区分别建立了两种植被的NDVI时序变化模型，拟合效果较好，更好地反映了沿海地区植被生长状态，为大面积不同时相的高分辨率遥感影像计算相同时间节点的NDVI提供参考模型，从而为中蒙俄经济走廊中冻土地区工程的稳定性评价提供特征参数。
| [1] |
韩鹏, 田娜. 中蒙俄经济走廊建设研究[J]. 财经理论研究, 2019(3): 45-51. Han Peng, Tian Na. Study on the Construction of China-Mongolia-Russia Economic Corridor[J]. Journal of Financial and Economic Theory, 2019(3): 45-51. DOI:10.3969/j.issn.1004-5295.2019.03.005 |
| [2] |
徐大海, 廖智鹏. "一带一路"机制建设中的中蒙俄经济走廊运作与效用评价: 以国际机制理论为视角[J]. 内蒙古大学学报(哲学社会科学版), 2019, 51(3): 34-41. Xu Dahai, Liao Zhipeng. Evaluation of Operation and Utility of China-Mongolia-Russia Economic Corridor in "The Belt and Road" Mechanism Construction: From the Perspective of International Regimes Theory[J]. Journal of Inner Mongolia University(Philosophy and Social Sciences), 2019, 51(3): 34-41. |
| [3] |
王语懿. 中蒙俄经济走廊建设面临的生态环境问题和绿色开发合作[J]. 东北亚学刊, 2019(3): 69-79, 148. Wang Yuyi. The Environmental Issues and Cooperation of Green Development in Building the China-Mongolia-Russia Economic Corridor[J]. Journal of Northeast Asia Studies, 2019(3): 69-79, 148. |
| [4] |
晁华, 王当, 龚强, 等. 东北地区冻土的时空变化特征[J]. 现代农业科技, 2019(18): 144-147, 153. Chao Hua, Wang Dang, Gong Qiang, et al. Temporal and Spatial Variation of Frozen Soil in Northeast China[J]. Modern Agricultural Science and Technology, 2019(18): 144-147, 153. DOI:10.3969/j.issn.1007-5739.2019.18.084 |
| [5] |
杨永鹏, 程东幸, 伏慧霞. 东北大兴安岭多年冻土区工程地质特征及评价[J]. 工程地质学报, 2008, 16(5): 657-662. Yang Yongpeng, Cheng Dongxing, Fu Huixia. Engineering Geological Characteristics and Evaluations of Permafrost in Daxing'an Mountains[J]. Journal of Engineering Geology, 2008, 16(5): 657-662. DOI:10.3969/j.issn.1004-9665.2008.05.015 |
| [6] |
曾旭婧, 邢艳秋, 单炜, 等. 基于Mann-Kendall法的北黑高速沿线岛状冻土区植被退化分析[J]. 西北林学院学报, 2017, 32(2): 22-29. Zeng Xujing, Xing Yanqiu, Shan Wei, et al. Vegetation Degradation Analysis in the Island-Shaped Permafrost Areas Along Bei'an-Heihe Expressway Based on the Mann-Kendall Test[J]. Journal of Northwest Forestry University, 2017, 32(2): 22-29. DOI:10.3969/j.issn.1001-7461.2017.02.04 |
| [7] |
闫少锋, 陆茜, 张金池, 等. 江苏沿海地区NDVI的演变特征及其对区域气候变化的响应[J]. 南京林业大学学报(自然科学版), 2012, 36(1): 43-47. Yan Shaofeng, Lu Qian, Zhang Jinchi, et al. The Spatio-Temporal Evolution Characteristics and Response of Regional Climate Change of NDVI at Jiangsu Coastal Areas[J]. Journal of Nanjing Forestry University(Natural Science Edition), 2012, 36(1): 43-47. DOI:10.3969/j.issn.1000-2006.2012.01.009 |
| [8] |
王永锋, 靖娟利. 广西近15 a植被覆盖变化及其对气候因子的响应[J]. 农业现代化研究, 2017, 38(6): 1086-1096. Wang Yongfeng, Jing Juanli. Spatial-Temporal Variations of Vegetation Cover and Its Response to Climate Factors in Guangxi over the Past 15 Years[J]. Research of Agricultural Modernization, 2017, 38(6): 1086-1096. |
| [9] |
王晓利, 侯西勇. 1982—2014年中国沿海地区归一化植被指数(NDVI)变化及其对极端气候的响应[J]. 地理研究, 2019, 38(4): 807-821. Wang Xiaoli, Hou Xiyong. Variation of Normalized Difference Vegetation Index and Its Response to Extreme Climate in Coastal China During 1982-2014[J]. Geographical Research, 2019, 38(4): 807-821. |
| [10] |
尤南山, 蒙吉军, 孙慕天. 2000—2015年黑河流域中上游NDVI时空变化及其与气候的关系[J]. 北京大学学报(自然科学版), 2019, 55(1): 171-181. You Nanshan, Meng Jijun, Sun Mutian. Atio-Temporal Change of NDVI and Its Relationship with Climate in the Upper and Middle Reaches of Heihe River Basin from 2000 to 2015[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2019, 55(1): 171-181. |
| [11] |
宜树华, 王增如, 谢霞, 等. 高寒草地植被盖度估算及其与冻土的关系[J]. 草业科学, 2011, 28(3): 353-358. Yi Shuhua, Wang Zengru, Xie Xia, et al. Estimation of Fractional Vegetation Cover and Its Relation with Permafrost in the Upstream Regions of Shule River Basin[J]. Pratacultural Science, 2011, 28(3): 353-358. DOI:10.3969/j.issn.1001-0629.2011.03.001 |
| [12] |
高黎明, 张乐乐. 青海湖流域植被盖度时空变化研究[J]. 地球信息科学学报, 2019, 21(9): 1318-1329. Gao Liming, Zhang Lele. Spatiotemporal Dynamics of the Vegetation Coverage in Qinghai Lake Basin[J]. Journal of Geo-Information Science, 2019, 21(9): 1318-1329. |
| [13] |
郭金停, 胡远满, 熊在平, 等. 中国东北多年冻土区植被生长季NDVI时空变化及其对气候变化的响应[J]. 应用生态学报, 2017, 28(8): 2413-2422. Guo Jinting, Hu Yuanman, Xiong Zaiping, et al. Spatiotemporal Variations of Growing-Season NDVI and Response to Climate Change in Permafrost Zone of Northeast China[J]. Chinese Journal of Applied Ecology, 2017, 28(8): 2413-2422. |
| [14] |
郭建坤, 黄国满. 1998年—2003年内蒙古地区土地覆被动态变化分析[J]. 资源科学, 2005, 27(6): 84-89. Guo Jiankun, Huang Guoman. Land Cover Dynamics in Inner Mongolia Between 1998 and 2003[J]. Resources Science, 2005, 27(6): 84-89. DOI:10.3321/j.issn:1007-7588.2005.06.014 |
| [15] |
孙红雨, 王长耀, 牛铮, 等. 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[J]. 遥感学报, 1998, 2(3): 204-210. Sun Hongyu, Wang Changyao, Niu Zheng, et al. Analysis of the Vegetation Cover Change and the Relationship Between NDVI and Environmental Factors by Using NOAA Time Series Data[J]. Journal of Remote Sensing, 1998, 2(3): 204-210. |
| [16] |
贺金鑫, 姜天, 董永胜, 等. 基于Landsat 8的辽宁弓长岭区遥感蚀变信息提取[J]. 吉林大学学报(地球科学版), 2019, 49(3): 894-902. He Jinxin, Jiang Tian, Dong Yongsheng, et al. Alteration Information Extraction Based on Remote Sensing of Landsat 8 in Gongchangling Area of Liao[J]. Journal of Jilin University (Earth Science Edition), 2019, 49(3): 894-902. |
| [17] |
王明常, 牛雪峰, 陈圣波, 等. 基于DART模型的PROBA/CHRIS数据叶面积指数反演[J]. 吉林大学学报(地球科学版), 2013, 43(3): 1033-1039. Wang Mingchang, Niu Xuefeng, Chen Shengbo, et al. DART Model-Based Inversion of Leaf Area Index from PROBA/CHRIS Data[J]. Journal of Jilin University (Earth Science Edition), 2013, 43(3): 1033-1039. |
| [18] |
马雯思, 马超, 赵鹏飞, 等. 1982—2013年潞安矿区NDVI3g变化趋势及气候响应[J]. 环境科学研究, 2017, 30(7): 1050-1058. Ma Wensi, Ma Chao, Zhao Pengfei, et al. Variation Trend and Climate Response of NDVI3g in Lu'an Mining Area from 1982 to 2013[J]. Research of Environmental Sciences, 2017, 30(7): 1050-1058. |
| [19] |
刘少华, 严登华, 史晓亮, 等. 中国植被NDVI与气候因子的年际变化及相关性研究[J]. 干旱区地理, 2014, 37(3): 480-489. Liu Shaohua, Yan Denghua, Shi Xiaoliang, et al. Inter-Annual Variability of Vegetation NDVI, Accumulated Temperature and Precipitation and Their Correlations in China[J]. Arid Land Geography, 2014, 37(3): 480-489. |
| [20] |
毛德华, 王宗明, 宋开山, 等. 东北多年冻土区植被NDVI变化及其对气候变化和土地覆被变化的响应[J]. 中国环境科学, 2011, 31(2): 283-292. Mao Dehua, Wang Zongming, Song Kaishan, et al. The Vegetation NDVI Variation and Its Responses to Climate Change and LUCC from 1982 to 2006 Year in Northeast Permafrost Region[J]. China Environmental Science, 2011, 31(2): 283-292. |
| [21] |
Suzuki R, Tanaka S, Yasunari T. Relationships Between Meridional Profiles of Satellite-Derived Vegetation Index (NDVI) and Climate over Siberia[J]. International Journal of Climatology, 2000, 20(9): 955-967. DOI:10.1002/1097-0088(200007)20:9<955::AID-JOC512>3.0.CO;2-1 |
| [22] |
Chu Hongshuai, Venevsky S, Wu Chao, et al. NDVI-Based Vegetation Dynamics and Its Response to Climate Changes at Amur-Heilongjiang River Basin from 1982 to 2015[J]. Science of the Total Environment, 2019, 650: 2051-2062. DOI:10.1016/j.scitotenv.2018.09.115 |
| [23] |
崔林丽, 史军, 肖风劲, 等. 中国东部NDVI的变化趋势及其与气候因子的相关分析[J]. 资源科学, 2010, 32(1): 124-131. Cui Linli, Shi Jun, Xiao Fengjin, et al. Variation Trends in Vegetation NDVI and Its Correlation with Climatic Factors in Eastern China[J]. Resources Science, 2010, 32(1): 124-131. |
| [24] |
葛君, 徐永飞, 安雪洋, 等. "一带一路"背景下中蒙俄经济走廊生态敏感区分析[J]. 生态学报, 2019, 39(14): 5051-5057. Ge Jun, Xu Yongfei, An Xueyang. Analysis and Research on Ecologically Sensitive Area of China-Mongolia-Russia Economic Corridor the Background of "Belt and Road"[J]. Acta Ecologica Sinica, 2019, 39(14): 5051-5057. |
| [25] |
裴雪原, 臧淑英, 那晓东. MODIS MOD13Q1植被产品介绍及快速预处理[J]. 哈尔滨师范大学自然科学学报, 2014, 30(2): 65-67, 77. Pei Xueyuan, Zang Shuying, Na Xiaodong. The Research on Mine Land Reclamation in Heilongjiang Province[J]. Natural Sciences Journal of Harbin Normal University, 2014, 30(2): 65-67, 77. DOI:10.3969/j.issn.1000-5617.2014.02.017 |
| [26] |
张晓东, 朱文博, 崔耀平, 等. 伏牛山地区森林植被动态变化对水热条件的响应[J]. 地理研究, 2016, 35(6): 1029-1040. Zhang Xiaodong, Zhu Wenbo, Cui Yaoping, et al. The Response of Forest Dynamics to Hydro-Thermal Change in Funiu Mountain[J]. Geographical Research, 2016, 35(6): 1029-1040. |