基于长时间序列NDVI 资料的我国西北干旱区植被覆盖动态监测

王 玮，冯琦胜，郭 铌，沙 莎，胡 蝶，王丽娟，李耀辉

(1．中国气象局兰州干旱气象研究所，甘肃省干旱气候变化与减灾重点实验室，中国气象局干旱气候变化与减灾重点实验室，甘肃兰州730020;2．草地农业生态系统国家重点实验室 兰州大学草地农业科技学院，甘肃 兰州730020)

植被是陆地生态系统中重要的组成部分，在维持地球生物圈的能量和物质交换中扮演着重要角色［1］。其不仅具有分布广、可再生的特点，同时也是生态安全的天然屏障。因此，对植被进行长时期的监测有助于模拟和评价植被生长状况，了解陆地生态环境变化过程，揭示全球气候变化规律。

遥感技术的快速发展为人类准确获取陆地表面大范围、多尺度的植被信息提供了强有力的手段。植被指数是利用遥感技术对植被生长状况进行定量和定性评估的重要参数，在气候变化研究领域发挥着传统观测资料无法替代的作用。研究表明，由可见光/近红外波段组合而成的归一化植被指数(Normalized Difference Vegetation Index，NDVI)与植被的生物物理指标具有较好的相关性，能够反映植被的季节变化与年际变化特征［2］，已广泛应用于全球和区域气候环境监测、农作物估产、干旱监测、植被动态变化、生物量反演与植被物候特征信息提取等方面［3-5］。随着卫星遥感资料的不断积累，目前常用的NDVI 时间序列产品主要有NOAA Pathfinder AVHRR Land Data(1981 －2001年)、GIMMS AVHRR NDVI(1982 －2006 年)、AVHRR LTDR V3(1981 －1999)、MODIS NDVI(2000 年至今)等。由于GIMMS AVHRR NDVI 是目前全球时间序列最长的连续数据集，因此在植被生长状况监测及生态环境评价中发挥着重要作用［6］。Myneni 等［7］利用1981 －1991 年的GIMMS AVHRR NDVI 数据分析全球植被变化发现，地球中高纬度的植被活动在增强。Tucker 等［8］建立北半球气候变化与NDVI 之间关系后发现，随着全球气候的变暖，春季气温升高速率加快，导致植被的生长期提前。作为AVHRR NDVI 的完善和升级，自2000 年美国航空航天局开始免费分发全球MODIS NDVI 产品后，其快速成为应用研究的热点。Liu 和Gong［9］利用MODIS 准半月NDVI 产品，通过最小二乘法和最小绝对偏差法分析地表植被绿度变化发现，近10 年我国植被绿度呈现增加趋势。Piao 等［10-11］分析近30 年的AVHRR NDVI 和MODIS NDVI 资料后指出，1982 －1997 年欧亚大陆植被生长呈现增加的趋势，1997 年以后有些地区的植被生长呈现出减弱或负增长的趋势。李飞等［12］利用Terra MODIS 的NDVI 产品和GIMMS AVHRR NDVI 产品分段研究近30 年中国大陆不同区域的植被变化特征，结果表明，我国陆地植被活动整体趋于增强。虽然MODIS NDVI 具有较高的精度，但时间序列长度有限，而目前公开的GIMMS AVHRR NDVI 数据又缺少近些年植被动态监测结果，在年代际尺度的变化趋势研究中，仍然需要对AVHRR NDVI 数据集进行时间序列的扩展和完善。目前仍然缺乏不同NDVI 产品之间行之有效的转换模型，使得利用多源遥感资料进行植被活动定量监测研究面临极大挑战。

2014 年6 月美国航空航天局戈达德太空中心发布了V4 版本的LTDR(Land Long Term Data Record)产品，其中包括1981 －2010 年的AVHRR 地表反射率数据，这为探索延长NDVI 数据集奠定了较好的基础。因此，本研究以生态环境相对脆弱的西北干旱区为例，通过建立MODIS NDVI 与AVHRR NDVI 逐月线性回归模型，在生成长时间序列(1981 －2013 年)NDVI 资料的基础上，分析研究近30 年西北干旱区的植被动态变化，以期为西北干旱区生态环境的评价及研究提供参考。

1 数据与方法

1．1 研究区概况

我国西北干旱区位于中纬度欧亚大陆腹地，西起帕米尔高原，东至贺兰山，东西长约2 503 km;南自昆仑山－塔里木盆地南缘，北侧直抵国界，南北宽达1 492 km，位于34°44'11″ －49°07'24″ N、73°47'17″ －106°43'00″ E，面积为3．07 ×106km2，约占我国陆地总面积的1/3。主体部分包括新疆全境、甘肃河西走廊、内蒙古西部以及青海柴达木盆地等干旱、半干旱区(图1)。该地区幅员辽阔，自然条件恶劣、生态环境较为脆弱，以山区降水和冰川融水补给为主，年降水量在400 mm 以下，属典型大陆性气候［13］。自20 世纪70年代中期全球变暖加剧以来，干旱区内气候条件复杂多样，极端水文事件增加，地表植被覆盖对环境变化敏感。因此，长期监测该地区的植被生长状况，对于了解气候变化对植被的影响，维护干旱区生态系统的稳定具有重要的指导意义。

图1 西北干旱区植被分类图Fig．1 The classification of vegetation in the northwest arid area of China

1．2 研究数据与预处理

1．2．1 LTDR 地表反射率数据 在美国航空航天局戈达德太空中心(http://ltdr． nascom． nasa． gov/cgibin/ltdr/ ltdrPage．cgi)下载了1981 －2010 年的LTDR每日地表反射率产品(AVH09 Surface Reflectance Product)。该数据是以NOAA07(1981 －1985 年)、NOAA09(1985 －1988 年)、NOAA11(1988 － 1994 年)、NOAA14(1995 －1999 年)、NOAA16(2000 －2006 年)和NOAA18(2005 －2010 年)的AVHRR 观测资料为基础，通过轨道筛选、辐射定标、云检测、大气校正、卫星漂移校正及双向反射率分布函数(BRDF)处理后生成的全球逐日格网(0． 05°)数据集。数据分发采用与MODIS 相类似的业务流程，以HDF 分层格式存储，包括1 －3 波段地表反射率、4 －5 波段大气上界亮温、太阳高度角、传感器高度角、相对方位角以及质量控制文件。其中，地表反射率数据是以空间分辨率为0．05°(约5 km)的格网方式进行存储，质量控制文件对每个格网制定1 ～10 级的质量标记。为了便于计算，本研究利用ENVI 5．1 软件将1 －2 波段地表反射数据处理为Geo-TIFF 格式，投影方式转为Albers，空间分辨率定义为5 km。

1．2．2 MODIS 地表反射率数据 MODIS 地表反射率产品是以MODIS L1B 1 －7 波段数据为基础，通过改进气溶胶模型、忽略大气散射和吸收的情况下而得到的，详细算法参考MODIS 地表反射率产品用户手册(http://datamirror． csdb． cn/modis/resource/doc/MOD09_UserGuide．pdf)。由于MODIS 数据量大，波段多，应用范围广，因此NASA 采取了分布式处理。本研究在美国地质勘探局(USGS)陆地过程自动归档中心(LP DACC)(https://lpdaac．usgs．gov/)下载了2001 －2013 年的每日地表反射率产品(MOD09GA)，该产品采用正弦曲线(SIN)投影，并以HDF 格式封装存储，空间分辨率为500 m。

每日覆盖我国西北干旱区需要8 幅MODIS 影像，轨道号分别为 h23v04、h23v05、h24v04、h24v05、h25v04、h25v05、h26v04 和h26v05。利用MODIS 数据处理工具软件(MODIS Reprojection Tools，MRT)对MOD09GA 产品进行接边和坐标变换处理。为了与LTDR 数据时空相匹配，将MODIS 1 －2 波段地表反射率数据处理成Geo-TIFF 格式，空间分辨率重采样为5 km，采用Albers 等积圆锥投影。

1．2．3 植被类型数据 植被类型数据来源于2001 年中国科学院中国植被图编辑委员会发布的中国植被数据集，在“中国西部环境与生态科学数据中心”(http://westdc．westgis． ac． cn)下载，数据格式为ESRIShapefile 格式，投影方式为Albers。该数据集中我国西北干旱区形成了以草地或草甸(以下简称草地植被)、稀疏植被和非植被区为主的植被分布格局(图1)。

1．2．4 气象数据 通过中国气象科学数据共享服务网(http://cdc．nmic．cn)，下载了西北干旱区90 个地面气象台站在1981 年1 月1 日－2013 年12 月31 日的每日平均温度(℃)和降水量(mm)观测数据。

已有研究表明，基于薄盘样条理论的气象数据空间插值数据与台站实测值之间具有较高的相关性(复相关系数R2超过了0．8)［14］，能够较好地反映高原内温度、降水的时空变化特征。因此，本研究借助ANUSPLIN 软件，根据局部薄盘光滑样条插值(Partial Thin Plate Smoothing Splines)理论，生成了1981 －2013年逐旬平均气温和日降水量的栅格数据，空间分辨率为5 km，投影方式为Albers 等积圆锥投影。

1．3 研究方法

1．3．1 NDVI 图像合成 为了尽可能消除每日NDVI图像中云或噪声的影响，本研究首先利用LTDR 和MODIS 1 －2 波段地表反射率资料，根据NDVI 计算公式生成每日NDVI 数据，然后再根据逐日质量控制文件，通过最大合成法(MVC)，将LTDR 和MODIS 每日NDVI 图像分别合成逐旬和逐月NDVI 数据。

1．3．2 NDVI 数据滑动平均处理 为了消除偶然因素或异常值对NDVI 监测结果的影响，使时间序列发展变化的方向或趋势更加明显，采用三点滑动平均方法对1981 －2010 年的旬NDVI 数据进行了降噪处理。计算公式为:

式中，n=1 为平滑时距;k=n+1，n +2，…，1080 －n，为30 年的旬序号。

1．3．3 NDVI 变化趋势分析 利用随时间变化的NDVI 数值进行线性拟合分析时，斜率可以反映出该时间段内的植被变化趋势［15］。本研究在获取年最大NDVI的基础上，计算西北干旱区33 年间逐栅格单元的植被指数变化趋势。NDVI 变化趋势的计算公式为:

式中，n=33，表示1981 －2013 年时间序列长度;i 为1－33，表示1981 －2013 年份序号;NDVIi，jk是第i 年NVDI 图像上第j 行第k 列像元的年最大NDVI 值。

Slope 表示1981 －2013 年间NDVI 的变化趋势，当Slope 介于±0．1%时，表示30 年间NDVI 无变化，区域植被生长状况稳定;当Slope ＜－0．1%时，NDVI 在研究时序内呈减小趋势，说明区域植被生长状况出现恶化态势;当Slope ＞0．1%时，NDVI 呈增加趋势，则表示区域植被生长情况呈现恢复态势。

2 结果

2．1 LTDR NDVI 与MODIS NDVI 数据相关性分析

由于我国西北干旱区植被类型主要以草地植被和稀疏植被为主，因此利用2001 －2010 年逐月同时相的MODIS NDVI 与LTDR NDVI 数据，分别在草地植被区(GVA)和稀疏植被区(SVA)建立两者逐月的线性回归模型，结果表明，MODIS NDVI 与LTDR NDVI 数据之间具有较好的线性相关关系，决定系数均在0．7 以上(表1)。因此，本研究利用两者之间逐月线性回归模型，将2011 －2013 年的MODIS NDVI 转换为LTDR NDVI，以期在较长时间序列上分析研究区的植被生长状况以及动态变化。

表1 研究区LTDR NDVI 与MODIS NDVI 回归模型Table 1 Regression model between LTDR NDVI and MODIS NDVI in study area

2．2 1981－2013 年西部干旱区逐旬NDVI 动态变化

结合研究区内主要植被类型(草地和稀疏植被)资料，统计分析近33 年NDVI 数据在年内相应旬的平均NDVI 动态变化，结果表明，植被的生长期始于当年4 月，植被的枯萎期出现在当年10 月，植被活动旺盛期在当年的7 －8 月份。其中，草地植被的年生长变化相对较明显，平均NDVI 由2 月下旬的0．08 增长到8月上旬的0．28;而稀疏植被的生长变化较为稳定，平均NDVI 主要介于0．11 ～0．13(图2)。同时，在当年11 月中旬到次年4 月上旬的时间段内，草地植被的逐旬NDVI 略低于稀疏植被的NDVI，且在次年2 月下旬时，两者之间的NDVI 差值达到最大，为(3% ± 5．1%);而在当年4 月下旬到11 月上旬这一时期内，草地植被的逐旬NDVI 大于稀疏植被的NDVI，且在当年的8 月上旬时，两者之间的NDVI 差值达到最大，为(15% ±10．3%)。

通过分析1981 －2013 年逐旬NDVI 可以看出，研究区内的不同植被类型区的NDVI 均呈现增加的趋势，其中稀疏植被区的NDVI 表现出显著增加的趋势(P ＜0．05)，该区域NDVI 以每年4．7 ×10－4的速率在增加，33 年间共计增加了0．07;而草地区域的NDVI增加不显著，以每年1．0 ×10－7的速率在增加，在33年间NDVI 仅增加了3．3 ×10－6(图3)。由此可见，近33 年来，我国西部稀疏植被区的植被活动在持续增强，植被整体状况在转好;而草地区的植被活动较为稳定，未出现较大的变化现象。

图2 年内相应旬时期的平均NDVI 变化过程Fig．2 The mean NDVI of ten-day period in the thirty three years

图3 1981 －2013 年研究区各植被区逐旬平均NDVI 动态变化Fig．3 Dynamic changes of the mean NDVI of ten-day period from 1981 to 2013 in vegetation areas

2．3 西部干旱区年平均NDVI 动态变化

进一步统计研究区内年平均NDVI 变化，结果表明，在33 年间草地和稀疏植被区的植被活动变化具有相似性，只是活动强度有所差异。在1981 －1990 年间，草地和稀疏植被活动均表现出显著减弱趋势，其中草地植被活动的减弱趋势较稀疏植被更为明显(图4a);对20 世纪90 年代的监测结果显示，稀疏植被区的植被活动在显著增强，而草地区的植被活动则表现较为稳定，无显著增加的趋势(图4);自2000 年以后草地和稀疏植被区的植被活动均表现出显著增加的趋势(图4)。

2．4 西部干旱区NDVI 的空间变化趋势

从1981 －2013 年平均NDVI 空间变化趋势来看，NDVI 表现出增加趋势(Slope ＞1%)的区域占整个研究区的11．4%，主要分布在北疆、天山以及甘肃河西走廊附近的草地、稀疏植被以及耕地区(图5);NDVI生长较为稳定的区域(Slope 介于±0．1%)占研究区的83．2%，其中NDVI 稳定且有增加态势的区域(0 ＜Slope ＜0．1%)占研究区总面积的67．7%，主要位于研究区北部、东北部以及柴达木盆地周围的稀疏植被区，而NDVI 稳定且有减少态势的区域(－0．1% ＜Slope ＜0)占研究区总面积的15．5%，主要分布在研究区南部昆仑山脉到东部祁连山脉边缘地带的草地区;NDVI 表现出减少趋势(Slope ＜－1%)的区域占研究区总面积的5．4%，减少较为明显的区域主要位于研究区西南部帕米尔高原附近，塔克拉玛干沙漠北部到天山山脉附近，以及柴达木盆地东北部的草地区。由此可以看出，自1981 年以来，整个研究区内的 NDVI 变化状况较为稳定，NDVI呈现出增加趋势的地区主要位于研究区北部的稀疏植被区和耕地区，NDVI 出现减少趋势的地区主要分布在研究区西南和西部地区的草地区。

图4 1981 －2013 年研究区草地(a)和稀疏植被区(b)的年平均NDVI 动态变化Fig．4 Dynamic changes of annual mean NDVI from 1981 to 2013 between grassland and sparse vegetation areas

2．5 植被动态对气候变化的响应

植被是表征陆地生态系统的重要指标，对气候变化敏感，通过综合分析NDVI 与温度和降水之间的年际关系可以看出，自1981 年以来，整个研究区逐旬的平均温度和降水量呈现上升的趋势，分别以0．26 ℃·10 a－1和5．36 mm·10 a－1速率在升高，在33 年间共计增加了0．85 ℃和17．69 mm。而与此同时，研究区内的草地植被活动基本稳定，稀疏植被的活动在逐渐增强(图6)。由此可见，整个西北干旱区的气候呈现出暖湿化的特点，且植被活动表现出微弱增强的态势。自21 世纪初以来，胡汝骥等［16］、施雅风等［17］通过对气象台站记录的气象指标进行综合动态分析研究后，提出了“西北气候由暖干向暖湿转型”的观点。本研究通过利用气象资料以及GIS 空间分析等技术手段，一方面从整个空间尺度对植被变化状况进行了定量化分析，另一方面利用时间序列遥感资料，发现研究区内NDVI 有逐渐增强的特点，尤其是稀疏植被区的植被活动具有显著增强的特征，这反映出整个西北干旱区在气候呈现暖湿化的变化过程中植被整体生长状况在好转。

图5 1981 －2013 年平均NDVI 变化趋势Fig．5 Change tendency of annual mean NDVI in pixel scale during the 33-year period

图6 1981 －2013 年研究区逐旬各植被区NDVI 与温度和降水动态变化Fig．6 Dynamic changes of the mean NDVI，mean temperature，and precipitation of ten days period from 1981 to 2013 between grassland and sparse vegetation areas

通过进一步探讨近33 年间NDVI 与温度和降水量之间的空间相关关系，可以发现，年均NDVI 与年平均温度和年降水量之间呈现显著相关关系(R =0．35，P ＜ 0． 05 )的 区 域 分 别 占 整 个 研 究 区 的6 8．3%和71．6%(图7)。其中，年均NDVI与温度呈现出显著正相关关系的区域为39．7%，主要位于研究区塔克拉玛干沙漠南部到柴达木盆地边缘的草地区，地形以山地为主;有28．6%的区域的年均NDVI 与温度呈现显著负相关关系，主要分布在北疆、塔克拉玛干沙漠北部以及河西走廊北部等地势较为平坦，且海拔较低的草地和稀疏植被区(图7a)。年均NDVI 与降水量呈现显著正相关关系的区域为63．1%，主要位于北疆、柴达木盆地南部，西部昆仑山脉沿阿尔金山脉一直到东部祁连山脉的边缘;而与之相对呈现出显著负相关关系的区域仅有8． 5%，分布于天山附近(图7b)。已有研究表明，该地区受大气环流、青藏高原北部―河西走廊西部热力作用、大地形因素，以及由南部印度洋和太平洋北上的暖湿气流和由西北部而下的干空气的共同作用，在研究区内形成了锋面气旋，从而造成南疆和河西地区气温普遍较高，青藏高原和天山等高海拔山地气温较低，北疆等地相对多降水的情况［18］。由图7 可以看出，在昆仑山到祁连山的周围、以及天山等地，由于海拔相对较高且温度较低，植被活动受热量条件因素影响较大，NDVI 与均温呈现出显著的正相关关系;而海拔相对较低、地势平坦且夏季温度较高的北疆、阿拉善北部等地区，由于存在大范围的灌溉农业区和低植被覆盖区，NDVI 与温度之间呈现出负相关性。而在天山和祁连山附近，由于降水量相对丰富，且能够满足植被生长所需的水分条件，因此在降水持续增加的情况下导致植被光照条件和新陈代谢能力有所下降，从而造成这些地区降水与NDVI 表现出负相关关系。但是，总体而言，干旱区内的降水条件是影响 NDVI 变化的主要因素，NDVI 与降水量在空间上均呈现出正相关关系。由此可见，研究区内植被与气候因子的相互作用是一个非常复杂的过程，同时还受地形、人类活动等非气候因素的影响。

图7 1981 －2013 年平均NDVI 分别与年均温度(a)和降水量(b)之间的空间相关关系Fig．7 Relationship among the annual mean NDVI，annual mean temperature (a)and annual precipitation (b)in pixel scale from 1981 to 2013

然而，由于研究区地域辽阔，地形与下垫面类型变化相对复杂，同时又受到东亚季风、南亚季风、西风带环流以及青藏高原大地形等多种因素的影响，区域性气候特征明显，在通过气候分区的基础上，进一步探讨NDVI 动态变化及其与气候变化的关系是本项研究下一步需要完善的工作。

3 讨论

虽然卫星遥感资料在监测植被方面有范围广、速度快以及成本低等优点，但是由于卫星传感器成像本身具有瞬时性和周期性(卫星轨道周期和卫星生命周期)的特点，同时还会受到潜在噪声的影响(如云、气溶胶等)，因此在使用单个传感器获取的NDVI 时间序列数据时，数据的可靠性和连续性将会受到极大的挑战，特别是在大空间尺度的时间序列监测研究中，这一问题尤为严重［19-21］。全球已经发布大量可利用的NDVI 数据集，这些时间系列NDVI 产品在发布前通常会采用多日最大合成等预处理方法来控制数据中的噪声。但是，在实际处理过程中云、雾、地形阴影以及遥感图像坏线等的影响，限制了能够参与最大合成的有效数据，并且某些气溶胶在大气中持续时间远超过10～30 d 的合成期，使得经过多日合成后的数据质量仍然具有一定的不确定性［22］。尤其是AVHRR 传感器在设计之初并不是以监测地表植被特征为目的，导致其生成的NDVI 时间序列数据容易受到潜在噪声的影响。然而，AVHRR 资料已经积累了35 年的时间，是目前已有数据中时序跨度最长的光学遥感数据集。因此，只有不断提高AVHRR NDVI 数据的质量，充分发挥该数据长时序的优势，并结合多源遥感资料，为相关领域研究提供更加可靠的时间序列NDVI 数据集，才能有助于我们更好地理解陆地生态系统的变化特征，揭示全球气候与植被的变化规律。因此，着重研究NDVI 产品的最优综合重建算法和多源NDVI 产品之间的相互转换与合成方法，在尽量消除目前常用NDVI时间序列产品中潜在噪声的影响，提高数据集质量的前提条件下，实现对多源NDVI 时间序列产品的相互转换与融合，构建一种高精度长时序的NDVI 融合算法及数据集是今后进一步开展研究工作的基础。

4 结论

本研究通过建立MODIS NDVI 与AVHRR NDVI逐月线性回归模型，并在生成长时间序列(1981 －2013年)的NDVI 资料基础上，分析研究近33 年西北干旱区的植被动态变化，得出如下结论:

1)MODIS NDVI 与LTDR NDVI 数据具有较好的线性相关性，两者之间线性回归模型的决定系数均在0．7 以上。今后利用不同传感器数据，通过结合气候分区、DEM 等空间辅助信息、时序重建算法以及空间尺度转换方法进一步建立扩展的NDVI 时间序列数据是可行的。

2)近33 年以来，西北干旱区内的植被活动呈现出增强的态势，其中稀疏植被区的NDVI 表现出显著增加的趋势(P ＜0．05)，而草地区域的NDVI 增加不显著(P ＞0．05)。由此说明，近33 年来，我国西部稀疏植被区的植被活动在持续增强，植被整体生长状况在转好，而草地区的植被活动较为稳定，并未出现较大的变化现象。

3)西北干旱区的气候呈现出暖湿化的特点，植被活动对气候变化较为敏感，在空间上年均NDVI 与年平均温度和年降水量之间呈现显著相关关系(P ＜0．05)的区域分别占整个研究区的68．3%和71．6%。

［1］ Sudipta S，Menas K．Interannual variability of vegetation over the Indian sub-continent and its relation to the different meteorological parameters［J］．Remote Sensing of Environment，2004，90:268-280．

［2］ 侯美亭，赵海燕，王筝，延晓冬．基于卫星遥感的植被NDVI 对气候变化响应的研究进展［J］．气候与环境研究，2013，18(3):353-364．

［3］ Karnieli A，Agam N，Anderson M，Gutman G G，Panov N．Use of NDVI and land surface temperature for drought assessment:Merits and limitations［J］．Journal of Climate，2010，23:618-633．

［4］ Barbosa H A，Huete A R，Baethgen W E．A 20-year study of NDVI variability over the Northeast region of Brazil［J］．Journal of Arid Environments，2006，67:288-307．

［5］ 郭铌，王小平．遥感干旱应用技术进展及面临的技术问题与发展机遇［J］．干旱气象，2015，33(1):1-18．

［6］ 马明国，宋怡，王旭峰，韩辉邦，于文凭．AVHRR、VEGETATION 和MODIS 时间序列遥感数据产品现状与应用研究进展［J］．遥感技术与应用，2012，27(5):663-670．

［7］ Myneni R B，Keeling C D，Tucker C J，Asrar G，Nemani R R．Increased plant growth in the northern high latitudes from 1981 to 1991［J］．Nature，1997，386:698-702．

［8］ Tucker C J，Slayback D A，Pinzon J E，Los S O，Myneni R B．Higher northern latitude normalized difference vegetation index and growing season trends from 1982 to 1999［J］．International Journal of Biometeorology，2001，45(4):184-190．

［9］ Liu S，Gong P．Change of surface cover greenness in China between 2000 and 2010［J］．Chinese Science Bulletin，2012，57(22):2835-2845．

［10］ Piao S L，Wang X H，Ciais P．Changes in satellite-derived vegetation growth trend in temperate and boreal Eurasia from 1982 to 2006［J］．Global Change Biology，2011，17(10):3228-3239．

［11］ Piao S L，Wang X H，Ciais P．Detection and attribution of vegetation greening trend in China over the last 30 years［J］．Global Change Biology，2014，21(4):1601-1609．

［12］ 李飞，曾源，李晓松，赵千钧，吴炳方．近30 年中国陆地植被活动遥感监测［J］．中国科学:地球科学，2014，44(8):1671-1678．

［13］ 李秀花，师庆东，常顺利，郭娟，巴音达拉，齐家国．1981 －2001 年中国西北干旱区NDVI 变化分析［J］．干旱区地理，2008，31(6):940-945．

［14］ 王玮．基于遥感和GIS 的青藏高原牧区积雪动态监测与雪灾预警研究［D］．兰州:兰州大学博士学位论文，2014．

［15］ Stow D，Daeschner S，Hope A，Douglas D，Petersen A，Myneni R．Variability of the seasonally integrated normalized difference vegetation index across the north slope of Alaska in the 1990s［J］．International Journal of Remote Sensing，2003，24(5):1111-1117．

［16］ 胡汝骥，姜逢清，王亚俊，樊自立．新疆气候由暖干向暖湿转变的信号及影响［J］．干旱区地理，2002，25(3):194-200．

［17］ 施雅风，沈永平，胡汝骥．西北气候由暖干向暖湿转型的信号、影响和前景初步探讨［J］．冰川冻土，2002，24(3):219-226．

［18］ 王海军，靳晓华，李海龙，张勃，戴声佩．基于GIS 和RS 的中国西北NDVI 变化特征及其与气候变化的耦合性［J］．农业工程学报，2010，26(11):194-203．

［19］ 胡远宁，崔霞，孟宝平，杨淑霞，梁天刚．甘南高寒草甸主要毒杂草光谱特征分析［J］．草业科学，2015，32(2):160-167．

［20］ 方金，梁天刚，吕志邦，冯琦胜，何咏琪． 基于高光谱影像的高寒牧区土地覆盖分类与草地生物量监测模型［J］． 草业科学，2013，30(2):168-177．

［21］ 李亚刚，李文龙，刘尚儒，秦兰兰．基于遥感技术的甘南牧区草地植被状况多年动态［J］．草业科学，2015，32(5):675-685．

［22］ Geng L，Ma M，Wang X，Yu W，Jia S，Wang H． Comparison of eight techniques for reconstructing multi-satellite sensor time-series NDVI data sets in the Heihe River Basin，China［J］．Remote Sensing，2014(6):2024-2049．