气候和地形对植被覆盖动态演化的影响研究

李卓, 张继超, 孙然好, 张翀



气候和地形对植被覆盖动态演化的影响研究

李卓1,2, 张继超1, 孙然好2, *, 张翀3

1. 辽宁工程技术大学测绘与地理科学学院, 阜新 123000 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. 宝鸡文理学院陕西省灾害监测与机理模拟重点实验室, 宝鸡 721013

基于MODIS NDVI遥感数据, 结合气象和DEM等资料, 采用线性回归分析、稳定性分析、/分析和相关性统计等数理方法, 反演了2001—2010年贵州省植被覆盖时空演变趋势, 研究不同因素对植被时空格局变化的驱动作用。研究表明: (1)2001—2010年贵州省植被覆盖呈增加趋势, 增长率为6.25%, 植被改善区域占比例为77.7%; (2)贵州省植被覆盖变异指数介于0.01—0.16之间, 总体较稳定; 从持续性来看, 植被持续恢复是主旋律, 反持续性主要集中在西部和东北地区。(3)贵州地区降雨量和温度空间分布格局较为明显, 温度是影响该地区植被覆盖的主导因素, 不同区域对气候因素的响应存在差异性。(4)各等级海拔植被覆盖均有上升, 其中高海拔地区上升最为显著; 中海拔地区是植被的主要分布区域, 所占比例为72.2%且该海拔范围内NDVI均值差异不大。

MODIS NDVI; 植被覆盖变化; 气候; 地形; 贵州

1 前言

国际地圈生物圈计划(IGBP)指出研究植被覆盖演变趋势是描述陆地生态系统状况的有效方法之一[1]。植被在生态系统中承担着能量转换和物质循环的作用, 对人类活动的胁迫效应十分敏感[2], 因此, 研究植被覆盖变化趋势, 探讨不同因素的驱动作用, 在评价区域生态环境质量, 指导可持续利用自然资源等方面具有极大的社会、经济和生态效益[3]。

天地一体化的遥感监测和高光谱、高分辨率影像应用的日益成熟, 使得植被覆盖变化信息的获取更加准确、灵敏[4-5]。利用MODIS(中分辨率成像光谱仪)植被指数资料具有光谱、空间和时相结合的优势, 开展大空间尺度上的连续观测, 已经成为众多学者研究植被覆盖动态变化的第一手资料[6-7]。目前, 通过遥感技术所获得植被指数已有几十种, 包括NDVI、SR、DVI、GEMI、SAVI、EVI、DDVI、GVI、PVI、RVI等[8], 其中NDVI(归一化植被指数)由于其计算的简便性和对地表植被状况反映的准确性, 现已成为一种常用植被监测指标, 用来评价植被的动态变化[9]。对贵州省植被覆盖变化的研究已取得了一定成果: 王冰等[10]利用1982—1999年AVHRR- NDVI数据研究贵州喀斯特地区植被覆盖变化, 发现该地区植被覆盖上升趋势表现明显且不同的湿润程度使植被覆盖变化产生了差异; 牛鲁燕等[11]分析认为春季对植被覆盖变化总量的贡献最大; 郑永康等[12]对比1990年和2007年两个时段的Landsat TM影像发现, 贵阳市植被覆盖面积增加了11.1%; 李威等[13]结合DEM以不同高程分区研究了2001—2010年的植被覆盖变化情况, 研究结果表明各个高程分区的植被覆盖都以改善为主, 尤其高程大于1900米的地区植被覆盖增长最快。

先前对贵州省植被覆盖的研究忽略了气候因素, 同时相关研究缺少对植被覆盖变化趋势的预测。鉴于此, 本文以贵州省为研究区域, 基于MODIS NDVI遥感数据, 结合气象和DEM等资料, 采用线性回归分析、稳定性分析、/分析和相关性统计等数理方法, 反演了2001—2010年贵州省植被覆盖时空演变趋势, 评估了未来植被变化趋势, 研究不同因素对植被时空格局变化的驱动作用, 探讨影响机制, 为贵州省区域资源开发和生态保护提供决策依据。

2 材料与方法

2.1 研究区概况与数据来源

贵州省(图1)地处我国西南腹地, 云贵高原东部, 地貌以山地和丘陵为主, 岩溶分布范围广泛, 地域性明显, 属典型喀斯特地貌; 地势西高东低, 自中部向北、东、南倾斜, 呈阶梯式分布, 海拔落差较大; 气候冬暖夏凉, 雨季明显, 属亚热带湿润季风气候; 受大气环流及地形的影响, 干旱、凌冻、冰雹等自然灾害频发; 在多种因素共同驱动下, 贵州地区形成了一种独特的岩溶生态系统, 致使其成为我国石漠化最为敏感的地区[14]。同时, 该地区从属于长江防护林保护区范围, 是长江、珠江上游地区重要的生态屏障[15]。

遥感数据来源于国际科学数据镜像网站(http:// www.gscloud.cn) 的MODND1M 数据产品, 该产品是将空间分辨率为500 m的 MODIS(Terra星)NDVI每天数据, 采用国际通用的最大合成法(MVC)排除云和大气的干扰得到月NDVI产品。通过贵州省行政区掩膜, 裁剪出2001—2010年逐月NDVI栅影像。采用均值法, 进一步得到年均NDVI栅格影像。

气象数据是中国气象科学数据共享服务网(http:// cdc.cma.gov.cn)提供的贵州省内及周边共计377个气象站的年平均温度和降雨量资料。根据各气象站的经纬度将温度、降水等信息导入ArcGIS空间分析模块进行Kringing空间插值。胡霞等[16]通过数据的模拟和对比发现该方法充分考虑数据点的空间相关性, 插值效果良好。最后通过贵州行政区掩膜裁剪得到与NDVI数据具有相同大小像元的栅格影像。

贵州省90 m分辨率DEM资料来源于2003年美国国家航空航天局(NASA)公布的数字高程模型数据集。

2.2 年际NDVI变化趋势计算

一元线性回归分析基于像元层次, 可以以像元的变化特征模拟区域时空格局变化趋势[17]。本文以年均NDVI和时间序列建立一元线性方程, 模拟2001—2010年年际NDVI变化趋势。计算公式如下:

式中, θslope是年际NDVI回归方程的斜率, 若值为正, 表示植被指数有增加趋势, 且值越大趋势越明显; 反之, 植被指数有下降趋势。n为监测时间段的年数; 表示第i年的年均NDVI。θslope为正, 则NDVI呈递增趋势; θslope为负, 则NDVI呈递减趋势。本文将θslope分为退化(θslope≤–0.0002)、基本稳定(–0.0002≤ θslope<0.003)、轻微改善(0.003≤θslope<0.006)、中度改善(0.006≤θslope<0.009)、明显改善(0.009≤θslope)5个等级。

2.3 年际NDVI稳定性计算

变异系数是量化一组数据离散程度最常用的一种方法, 值的大小反映了数据序列的波动幅度[18]。本文基于单个像元在研究时段内植被覆盖度的变异系数, 模拟贵州地区植被覆盖的稳定性。计算公式如下:

2.4 年际NDVI变化趋势预测

R/S分析法(重新标度极差分析法)由Hurst在研究水文观测资料时提出, 是定量描述时间序列信息依赖性的一种分型理论, 目前在经济学、水文学、地质学气候学等领域有着广泛应用[19-20]。基本原理如下:

对于一个时间序列{ξ()},=1,2…,等于任意正整数≥1, 定义均值序列:

引入无量纲的比值/, 若存在使得/= ()成立, 则说明{ξ(t)}存在Hurst现象,为Hurst指数。在双对数坐标系中(ln, ln/)使用最小二乘法拟合, 求得像元Hurst指数。Hurst指数取值范围:

(1)若0<<0.5, 表明NDVI时间序列具有反持续性, 过去变量与未来趋势呈负相关, 序列有突变跳跃特性;

(2)若=0.5, 表明NDVI时间序列为互相独立的随机序列;

(3)0.5<<1, 表明NDVI时间序列具有长期相关特性, 过程具有持续性。

值越接近于0, 反持续性越强;值越接近于1, 持续性越强。本文根据指数的范围, 参照已有的研究[21], 划分为10个等级。

3 结果与分析

3.1 植被覆盖的时间变化特征

2001—2010年贵州地区NDVI总体呈上升趋势, 增速为0.06/10年, 增长过程中出现较大的波动(图2); 2001年植被NDVI为0.64, 2010年增长到0.68, 增长率为6.25%; 2001—2004年间出现交替式增减; 该地区2005年由于受到严重气象灾害的持续影响[22]增长率为-7.38%; 2006年和2007年植被得到了较好的恢复, NDVI增长率分别为5.36%、6%; 在2008— 2010年植被NDVI呈现小幅度下降趋势。

3.2 植被覆盖的空间格局演变特征和稳定性评价

贵州地区植被覆盖空间演变特征(表1、图3): (1)2001—2010年贵州地区植被覆盖有明显变好趋势, 植被改善所占比例为77.7%; 基本稳定占17.4%; 退化仅占4.9%。(2)其中明显改善(深绿色)所占比例为16.1%, 呈块状点缀于中度改善中心区域, 主要分布于安顺市南部、毕节市西部(威宁草海国家级自然保护区)、铜仁市东南以及和遵义市交界北部(贵州麻阳河国家级自然保护区)等地区。(3)植被退化区域(红色)小部分零星散布于铜仁市中部、贵阳市南部、遵义市西北以及黔西南布依族苗族自治州西南地区等, 其余大部分相对集中在黔东南苗族侗族自治州, 该地区由于人口迅速增长, 建设用地持续增加, 土地利用深度、广度显著增加[23], 迫使植被遭受破坏。

贵州地区植被覆盖空间格局演变的稳定性评价(图4): (1)2001—2010年贵州地区植被覆盖变异指数介于0.01—0.16之间, 总体呈现出稳定趋势。(2)低波动地区(黑色)所占比例为16.1%, 主要分布于铜仁市、黔东南苗族侗族自治州、黔西南布依族苗族自治州等地区, 对比图3可以发现与植被退化区域基本吻合, 也应证了退化幅度较低。(3)较低波动地区(淡绿色)、中度波动地区(白色)、较高波动地区(淡黄色)占全区大部分面积(77.8%)与植被改善分布基本吻合。(4)高波动地区(蓝色)主要集中在遵义市西南部、毕节市东北部等地区, 所占比例为6.1%。其中毕节市东北部地区表现为植被的大幅度改善, 遵义市西南部则表现出该地区植被的不稳定性。

图2 2001—2010年贵州地区年际NDVI变化曲线

表1 2001—2010年贵州地区植被覆盖演变特征统计

图3 2001—2010年贵州地区植被覆盖空间演变

图4 2001—2010年贵州地区植被覆盖演变波动幅度

3.3 植被覆盖时空演变的趋势预测

贵州地区Hurst指数(图5)平均值为0.62, 反持续性序列比重占20.84%, 持续性序列有绝对优势, 比重占79.16%, 其中弱持续性序列(0.35—0.65)比重超过一半以上, 占56.7%。植被的恢复若依靠单一因素(自然或人为干涉修复), 其恢复序列表现出较强的持续性, 而这种弱持续性证明了贵州地区植被覆盖变化是在自然、人为等多种因素共同驱动下形成的。

从空间分布格局来看(图6), 贵州地区总体表现为持续性(绿色), 结合不足5%的退化面积, 说明该地区植被恢复已成为主旋律, 未来也将保持这一姿态。反持续性(紫色)呈现连片分布, 主要集中在西部和东北地区, 结合植被空间演变和波动幅度分析, 这些区域在研究时段内, 有着植被改善、波动幅度较大的特点, 推断人为因素影响较大, 未来植被可能呈现退化趋势。

图5 贵州地区Hurst指数正态分布图

图6 贵州地区Hurst指数空间分布图

为了进一步了解植被覆盖变化趋势的可持续性, 本文将趋势分析结果和/分析的结果重分类后, 进行叠加耦合分析, 得出如下结论(图7): 研究区整体情况较为乐观, 未来植被持续改善区域(绿色)所占比重为74.3%, 反持续性改善区域(红色)比重为20.2%, 持续退化区域(蓝色)比重为4.9%, 反持续退化区域(黄色)最少不足1%。从空间分布来看, 反持续改善区域主要集中在西部地区, 这里海拔较高, 雨热条件差, 植被的持续改善存在突变的特性, 另外铜仁市西部和遵义市交界北部(贵州麻阳河国家级自然保护区)地区虽然经历了长期的人工植被建设使植被覆盖有了很大的提高, 但其反持续性和未来变化趋势仍需要研究人员继续关注; 由于城市化、人口发展、经济结构调整等因素, 持续退化区域主要集中在黔东南苗族侗族自治州。对于变化趋势的持续性可以从李仕蓉等[24]相关研究来佐证, 研究结果表明2010年后植被覆盖呈上升趋势并在2013年达到峰值。

3.4 气候因素对植被的影响

贵州地区降雨量和温度空间分布格局较为明显(图7): (1)年平均降雨量为1170.5 mm, 分布差异性明显, 自东向西、自南向北逐步递减。(2)年均温度为15.6 ℃, 差异性依附于海拔影响, 特征变现为自西向东、自中部向北、东、南逐渐升高。从整体来看, 铜仁市、黔西南布依族苗族自治州、黔南布依族苗族自治州南部地区、黔东南苗族侗族自治州东南地区相对表现为温暖多雨。

图 7 贵州地区植被覆盖变化趋势持续性分布图

在ArcGIS Multivariate模块的支持下, 基于像元相关性分析法, 以年为时间单位统计年际NDVI与气候因素相关系数。相关性统计表明: (1)整个区域内, 植被覆盖与年均温度相关性(0.27)大于与年均降雨量相关性(0.07), 这与丹利[25]等基于贵州2000—2006年气候对植被叶面积指数响应结果一致。(2)以各市为研究区, 统计相关性(表3), 其中温度占主导因素影响植被覆盖的市有: 安顺、铜仁、遵义、黔西南布依族苗族自治州; 降水占主导因素影响植被的市有: 毕节、六盘水、黔东南苗族侗族自治州; 佐证了贵州地区温度是影响植被覆盖的主导因素。(3)贵阳市植被覆盖与温度、降雨相关性统计均为负值, 是由于该地区城市化较为发达, 人类活动是影响植被的主导因素; 黔南布依族苗族自治州植被覆盖与温度、降雨相关性差异不明显, 是由于该地区受海拔、季风影响(南部相较北部温暖多雨)造成了南北地区植被各自依赖不同的气候因素。

图8 2001—2010年贵州地区年降雨量和年均温度空间分布

表2 2001—2010年贵州各市植被覆盖与气候因素相关性统计

3.5 地形因素对植被的影响

贵州地处低纬度山区, 地势高差悬殊, 垂直气候明显, 不同海拔植被类型差异较大[26]。ArcGIS统计2001—2010年10年NDVI均值结果(表3)表明: 高海拔地区(1896m以上)NDVI均值最小(0.755), 所占比例为6.4%; 中海拔地区(760— 896m)是植被的主要分布区域, 所占比例为72.2%且该海拔范围内NDVI均值差异不大; 低海拔地区(760m以下)温暖多雨, NDVI均值最高(0.821), 所占比例为21.4%。以年份和NDVI值建立各等级海拔的NDVI变化趋势图(图9), 由图可见, 高海拔地区植被覆盖上升最为显著, 在研究时段增长了8%; 海拔范围在760—1091米的NDVI值仅增长了0.01, 并且变化趋势线性方程变现为下降趋势; 海拔范围在1091— 1452米的植被覆盖变化趋势不明显。从各等级海拔植被覆盖变化趋势图中可以看出, 2005年的严重气象灾害对各个等级海拔区域植被均造成了严重影响。

不同海拔NDVI的差异性与植被垂直分布特征有密切关系。高海拔地区植被主要是常绿阔叶林, 在全球变暖的大背景下, 加之封山育林、造林工程等政策的推行, 植被覆盖出现了较好的增长, 对贵州地区NDVI增长贡献较大。中、低海拔地区, 人类活动频繁, 农田植被占有一定比例, 但随着石漠化的治理和特色农业的开展以及城乡绿化的进行, 在这10年间呈现小幅度增加趋势。

4 结论

本文以贵州省为研究区域, 基于MODIS NDVI遥感数据, 结合气象和DEM等资料, 采用线性回归分析、稳定性分析、/分析和相关性统计等数理方法, 反演了2001—2010年贵州省植被覆盖时空演变趋势, 研究不同因素对植被时空格局变化的驱动作用, 探讨影响机制, 得出结论如下:

表3 2001—2010年贵州地区各海拔年均NDVI统计

图9 2001—2010年贵州地区各海拔年均NDVI变化趋势

(1)2001—2010年贵州省植被覆盖呈增加趋势, 增长率为6.25%, 植被改善区域占比例为77.7%, 退化比例仅为4.9%。贵州地区植被覆盖变异指数介于0.01—0.16之间, 总体呈现出稳定趋势。低波动地区占比例16.1%, 基本与植被退化区域吻合; 较低、中度、较高波动地区占比例77.8%与植被改善分布基本吻合; 高波动地占比例6.1%, 主要集中在遵义市西南部、毕节市东北部等地区。

(2)贵州地区植被覆盖受多种因素影响, 改善趋势将会保持持续性姿态, Hurst指数均值为0.62, 持续性序列占绝对优势, 比重占79.16%。空间分布来看, 总体表现为正向持续性, 反持续性主要集中在西部和东北地区。

(3)贵州地区降雨量和温度空间分布格局较为明显。降雨量自东向西、自南向北逐步递减。温度自西向东、自中部向北、东、南逐渐升高。植被覆盖与温度相关性(0.27)大于与降雨量(0.07)。不同区域气候因素对NDVI的影响存在差异性。

(4)统计表明2001—2010年不同等级海拔区域植被NDVI均有上升, 其中高海拔地区上升最为显著。中海拔地区是植被的主要分布区域, 所占比例为72.2%且该海拔范围内NDVI均值差异不大。

虽然MODIS具有较高的空间分辨率, 但小区域内变化与未变化部分仍会组合成混合像元, 从而影响利用NDVI监测植被覆盖动态变化的敏感性。像元二分模型通过将像元信息线性分解提高获取植被信息的灵敏度, 并减少了影像辐射校正的干扰, 是当前主流的植被估算模型, 其缺陷是通常根据影像NDVI灰度分布, 以置信度截取上下限阈值来近似代替纯植被像元和非植被像元信息, 而纯植被像元信息会受到植被类型、空间分布和生长季相的变化产生时空变异使植被覆盖估算产生偏差[27], 下一步根据实测数据确定纯植被和非植被像元信息是提高监测植被覆盖变化精度的有效途径之一。同时, 伴随着中国城镇化速度明显加快, 如何区划人类活动范围, 量化剖析对植被覆盖的直接或间接影响, 针对植被覆盖变化特征进行分类识别, 在评价陆地生态环境质量等方面将具有重要的科研价值和实际意义。

[1] WALKER B. The Terrestrial Biosphere and Global Change: Implications for Natural and Managed Ecosystems[J]. Environmental Policy Collection, 1999, 400(6744): 522–523.

[2] 傅伯杰, 刘国华, 欧阳志云. 中国生态区划研究[M]. 北京: 科学出版社, 2013.

[3] 穆少杰, 李建龙, 陈奕兆, 等. 2001—2010 年内蒙古植被覆盖度时空变化特征[J]. 地理学报, 2012, 67(9): 1255–1268.

[4] 李德仁. 摄影测量与遥感学的发展展望[J]. 武汉大学学报(信息科学版), 2008, 33(12): 1211–1215.

[5] GLENN E P, HUETE A R, NAGLER P L, et al. Relationship between remotely-sensed vegetation indices, canopy attributes and plant physiological processes: what vegetation indices can and cannot tell us about the landscape[J]. Sensors, 2008, 8(4): 2136–2160.

[6] POULIOT D, LATIFOVIC R, OLTHOF I. Trends in vegetation NDVI from 1 km AVHRR data over Canada for the period 1985—2006[J]. International Journal of Remote Sensing, 2009, 30(1): 149–168.

[7] 王红说, 黄敬峰. 基于 MODIS NDVI 时间序列的植被覆盖变化特征研究[J]. 浙江大学学报(农业与生命科学版), 2009, 35(1): 105–110.

[8] TUCKER C J. Red and photographic infrared linear combinations for monitoring vegetation[J]. Remote Sensing of Environment, 1979, 8(2): 127–150.

[9] 郭建坤, 黄国满. 1988—2003年内蒙古地区土地覆被动态变化分析[J]. 资源科学, 2005, 27(4): 84–89.

[10] 王冰, 杨胜天. 基于NOAA/AVHRR的贵州喀斯特地区植被覆盖变化研究[J]. 中国岩溶, 2006, 02: 157–162.

[11] 牛鲁燕, 郑有飞, 吴荣军, 等. 基于RS和GIS技术的贵州省植被生态环境监测分析[J]. 环境监测管理与技术, 2009, 03: 14–18.

[12] 郑永康, 银正彤, 何朝凤. 基于遥感影像的贵阳市植被覆盖变化分析[J]. 贵州农业科学, 2014, 02: 145–148.

[13] 李威, 李月臣, 唐谊娟, 等. 基于MODIS-NDVI的贵州省2001—2010年植被覆盖变化分析及分异特征[J]. 重庆师范大学学报(自然科学版), 2015, 04: 146–151.

[14] 周国富. 贵州喀斯特石漠化分布的空间差异与防治区划探讨[J]. 中国岩溶, 2006, 25(1): 79–84.

[15] 朱金兆, 周心澄, 胡建忠. 对“三北”防护林体系工程的思考与展望[J]. 自然资源学报, 2004, 19(1): 79–85.

[16] 胡霞, 雷星松. 基于ArcGIS 的中国区域降水空间分析及其可视化[J]. 科技资讯, 2009 (24): 115–116.

[17] 杨强, 王婷婷, 陈昊, 等. 基于 MODIS EVI 数据的锡林郭勒盟植被覆盖度变化特征[J]. 农业工程学报, 2015 (22): 191–198.

[18] 徐建华. 现代地理学中的数学方法[M]. 北京: 化学工业出版社, 2001.

[19] HURST H E. Long-term storage capacity of reservoirs[J]. Transactions of the American Society of Civil Engineers, 1951, 116: 770–808.

[20] MANDELBROT B, WALLIS J R. Some long-run prope­rties of geophysical records[J]. Water Resources Research, 1969, 5(2): 321–340.

[21] 李双双, 延军平, 万佳. 近10年陕甘宁黄土高原区植被覆盖时空变化特征[J]. 地理学报, 2012, 67(7): 960– 70.

[22] 唐磊. 2005 年贵州省主要气象灾害及影响[J]. 贵州气象, 2006, 30(6): 26–27.

[23] 赵松婷, 郭泺, 杜世宏, 等. 黔东南苗族侗族自治州土地利用时空变化与驱动因素[J]. 北京大学学报 (自然科学版), 2012, 48(5): 785–791.

[24] 李仕蓉. 2000—2013年贵州省植被覆盖时空变化特征与趋势[J]. 贵州农业科学, 2014(7): 202–205.

[25] 丹利, 谢明. 基于 MODIS 资料的贵州植被叶面积指数的时空变化及其对气候的响应[J]. 气候与环境研究, 2009, 14(5): 455–464.

[26] 王孜昌, 王宏艳. 贵州省气候特点与植被分布规律简介[J].贵州林业科技, 2002, 30(4): 46–50.

[27] 马娜, 胡云锋, 庄大方, 等. 基于遥感和像元二分模型的内蒙古正蓝旗植被覆盖度格局和动态变化[J]. 地理科学, 2012, 2: 251–256.

李卓, 张继超, 孙然好, 等. 气候和地形对植被覆盖动态演化的影响研究[J]. 生态科学, 2017, 36(6): 35-43.

LI Zhuo, ZHANG Jichao, SUN Ranhao, et al. Impact of climate and topography on vegetation dynamics[J]. Ecological Science, 2017, 36(6): 35-43.

Impact of climate and topography on vegetation dynamics

LI Zhuo1,2, ZHANG Jichao1, SUN Ranhao2,*, ZHANG Chong3

1. School of Geomatics, Liaoning Technical University, Fuxin 123000, China 2. State Key Laboratory of Urban and Regional Ecology, Research Center for Eco-Environmental Sciences, Chinese Academy of Sciences, Beijing 100085, China 3. Shaanxi Key Laboratory of Disaster Monitoring and Mechanism Modeling, Baoji University of Arts and Sciences, Baoji 721013, China

Vegetation dynamics can represent the evolution of terrestrial ecosystems and have significant effects on the global climate change and hydrological cycle. This study quantified the temporal and spatial pattern of vegetation cover by using the MODIS NDVI, DEM, and meteorological data. This study was implemented in Guizhou from 2001 to 2010. The main methods of this study include linear regression, coefficient of variation,/analysis, correlation statistics and other mathematical methods. Results showed that: (1) The vegetation coverage increased 6.25% in Guizhou province from 2001 to 2010. The proportion of vegetation recovery reached 77.7%. (2) Vegetation coverage was stable in most areas of Guizhou province. This was proved by thevariation coefficient between 0.01-0.16. The sustained recovery of vegetation is dominant during this period while the anti-sustainability only located in the western and northeastern parts of Guizhou province. (3) The precipitation and temperature had obvious spatial gradient. The temperature was found to be the dominant factor in the study area. (4) The vegetation cover increased significantly, particularly at high-altitude regions. The regions of mediate altitude had the largest area of vegetation which contributions more than 72.2% of the total area. Moreover, the NDVI values in this region had small variations compared with other regions.

NDVI; vegetation cover; climate; topography; Guizhou

10.14108/j.cnki.1008-8873.2017.06.005

P951

A

1008-8873(2017)06-035-09

2016-09-23;

2016-12-06

国家自然科学基金重大项目(41590843)

李卓(1992—), 男, 山东菏泽人, 硕士研究生, 主要从事资源环境遥感研究, E-mail: lizhuo56@foxmail.com

孙然好, 男, 博士, 副研究员, 主要从事生态学和GIS研究, E-mail: rhsun@rcees.ac.cn