重建NDVI时间序列及火后森林恢复时空动态分析*

王爱爱，臧淑英，王翠珍，王俊杰，李海波

(黑龙江普通高等学校地理环境遥感监测站点实验室;哈尔滨师范大学)

重建NDVI时间序列及火后森林恢复时空动态分析*

王爱爱，臧淑英**，王翠珍，王俊杰，李海波

(黑龙江普通高等学校地理环境遥感监测站点实验室;哈尔滨师范大学)

对大兴安岭图强1987年火后森林NDVI连续长时间动态恢复轨迹及其趋势特征的空间分布进行研究，探究森林时空动态恢复状况，为空间尺度、长时间序列森林火后动态恢复监测提供参考.以归一化植被指数(NDVI)作为火后森林动态恢复的表征参量，基于季节校正方法，重建生长旺季NDVI时间序列；结合火烧强度数据，监测不同火烧区森林NDVI恢复轨迹；利用Mann-Kendall趋势分析法，分析火后12年森林NDVI变化趋势的空间分布.结果表明：季节校正后NDVI年际间可对比，各火烧强度下NDVI年际变化规律明显.火后12年是森林的主要恢复期，火烧区森林总体恢复较好.森林NDVI时空动态恢复趋势与火烧强度存在一定相关性，重度过火区NDVI上升趋势最显著.火后不同的森林恢复措施进一步导致火烧区内部NDVI趋势的空间差异.

NDVI；时间序列；火烧强度；季节校正；森林恢复

0 引言

森林是陆地上最重要的生态系统之一，在全球的物质循环和能量流动中起着重要作用.火灾是森林生态系统一个活跃的生态因子，一方面，高强度的火烧会严重干扰森林环境中各生态因子之间的平衡，并破坏森林结构，降低森林的生态效益；另一方面，一些低强度的局部火，在一定程度上有利于抑制大规模火灾的发生，对森林生态平衡与稳定的维持、生态系统功能的调节方面有着重要作用[1-3].火灾通常快速破坏森林，而火后森林恢复将是一个长期的过程[4]，研究森林火后恢复轨迹对于衡量森林生态系统功能变化、了解生态系统过程以及采取合理的管理措施具有重要意义[5].遥感技术的快速发展为火后植被动态恢复监测提供了强有力的技术支撑.火后伴随森林生长机能的逐渐恢复，森林生物量也在不断增加，且这些变化与遥感影像特征变化密切相关[6].基于遥感的火烧迹地植被恢复监测通常借助植被指数进行，归一化植被指数(Normalized Difference Vegetation Index，NDVI)对植被生长活动和植被覆盖度敏感，通常作为火后森林动态变化的重要表征参量被广泛应用在火后森林动态变化监测方面[4,7-8].Díaz-Delgado等利用巴塞罗那1994年火灾前后8期TM影像NDVI(1994～1997)探究了火烧强度对火后植被重建的影响[9].Gouveia等利用SPOT/Vegetation时间序列NDVI发现葡萄牙中部和西南部火烧迹地火后植被的动态恢复分别受火烧程度和植被类型的影响[10].Maria等利用MODIS的NDVI和NDSWIR(2001～2005)研究发现西伯利亚北方森林火后动态恢复受到火前植被类型等因素的影响[11].

分辨率是遥感应用于火烧迹地植被恢复研究的首要影响因素.大兴安岭火后基于NDVI进行遥感监测森林恢复的众多研究中，在较大尺度上采用的主要是低空间分辨率、高时间分辨率的MODIS、NOAA/AVHRR等影像，其NDVI时间序列易构建且连续[4,13-15]；而中小尺度上应用最广泛的是TM影像，其空间分辨率高，但时间分辨率相对较差，通常很难构建同一时相下NDVI的长时间序列[1,12].因此，为了获取中小尺度上NDVI火后恢复详细的时空特征，本研究主要采用Landsat TM影像，校正NDVI时相差异，重建NDVI时间序列，在此基础上对火后森林NDVI动态恢复轨迹及其趋势变化特征的空间分布规律进行研究.分析森林NDVI时空恢复状况，为在较长的时间尺度及较小的空间尺度下研究与监测森林火后动态恢复过程提供参考，为不同火烧强度及灾后不同时段的森林恢复提供基础数据.

1 研究区与数据

1.1 研究区

图强林业局位于我国黑龙江省大兴安岭北部漠河县境内(121°54′49″～123°29′10″E，52°15′55″～53°33′40″N)，额木尔河上游北岸，东靠阿木尔林业局，南邻内蒙古满归林业局，西接西林吉林业局，北隔黑龙江与俄罗斯相望，总面积约40万hm2.全区内地势起伏和缓，地形以中低山丘陵为主，南高北低，东陡西缓.海拔最高1210m，最低270m，平均500m左右，坡度约12～15°.气候属于寒温带大陆性季风气候，冬季寒冷干燥而漫长，夏季炎热潮湿而短暂，年均气温-4.94℃，年均降水量约432mm，无霜期为每年6月上旬至9月上旬.区内永久冻土广布，土壤主要是棕色针叶林土，还有沼泽土和隐域性草甸土，土层普遍较薄.该区由于气候寒冷干燥，植物种类贫乏，森林结构较为单一，地带性植被是以兴安落叶松(Larix gmelimii)为主的寒温带针叶林，其次为樟子松(Pinus sylvestris var. mongolica)和云杉(Picea koraiensis)，阔叶树有白桦(Betula platyphylla)、山杨(Populus davidiana)等.

1987年图强林业局在“5·6”特大森林火灾中受损严重，森林过火面积高达23.1万hm2，大约占全局总面积的60%，其中重度林地过火面积最大，约8.96万hm2，中度林地过火面积最小，约0.85万hm2，轻度林地过火面积8.7万hm2.大面积原始森林被烧毁，森林资源锐减，森林覆盖率由大火发生前的90.21%下降到65.45%[16].

1.2 数据来源及处理

研究区卫星遥感数据(1987～2015年)来源于美国地质调查局的地球资源观测与科学(USGS/EROS)中心，一景Landsat 影像(path122/row23)可以覆盖全区(图1a).影像成像时间为森林生长季节(5～10月)，数据选取见表1.受云覆盖影响，1989～1992、1996-1998年份的数据缺失.利用ENVI5.1软件对遥感影像进行辐射定标、大气校正，减少大气对遥感影像干扰，得到地物真实反射信息.通过波段运算计算得出相应NDVI，形成时间序列图像，在此基础上对每幅NDVI图像滤波，滤波窗口为3×3.

2015年6月对图强林业局进行野外地面调查，为了匹配遥感影像空间分辨率(30m×30m)，以不低于30m距离设置测量点，连续4-5个测量点构成一组，共56组，共计269个测量点，其中重度过火区114个，中度30个，轻度68个，未过火区57个，如图1(b)所示.研究区包括3种主要植被类型，即落叶阔叶林、针阔混交林和落叶针叶林，分别调查重度、中度、轻度过火区及未过火区的植被状况.调查指标包括树种、树高、树龄、胸径和森林覆盖度.

除上述数据外，还包括森林类型数据，如图1(b)所示[17]，DEM如图1(c)所示，1987年火烧强度数据(图1(d))[17].从火烧强度图上可以看出，过火区主要分布在图强林业局的中部及北部，重度过火区面积最大，轻度次之，中度过火区面积最小且较分散.利用1987年图强森林过火强度图对NDVI图像掩膜，该文得到了不同火烧强度下NDVI分区时间序列图像，剔除掉非森林区域，只对森林区域进行后续的时间序列数据处理与分析.

表1 Landsat时间序列数据(122/23)

图1 研究区数据集：19990811图强TM影像图(a)；森林类型及野外实测点分布 (b)；DEM(c)；1987火烧强度图(d)

2 研究方法

2.1 NDVI时间序列重建——基于数据对的季节校正

植被生长具有明显的季节性规律，其中7、8月植被生长最旺盛，因此本研究选取每年的7月或8月的NDVI表征研究区当年夏季森林生长状况.由于TM传感器成像时间及天气多云等影响，导致本研究收集的24期TM影像成像时间不统一(见表1).为分析火后图强森林NDVI多年同季节的恢复轨迹，需要去掉不同年份NDVI之间的季相差异.

研究区TM影像成像时间大致可以分为森林生长初期(5，6月)、生长旺季(7，8月)及生长季末(9，10月)，为了去掉NDVI季节性差异，在研究区内的火干扰较少、很少有人类活动的“老林区”或植被覆盖度较好的区域选取50～100个样点，样点选取要避开地形起伏较大的地方以保证立地条件一致性，减少地表的影响，提取样点所有年份不同月NDVI值.对于每一期不在生长旺季的NDVI(初期或末期)，与最相邻年份生长旺季的NDVI组成数据对并建立散点图，然后分别建立一元线性回归公式，将生长季初和生长季末的NDVI校正到生长旺季，最终得到研究区多年同季节(生长旺季)NDVI图像序列.由于1987年是大火发生年份，所以该期数据不计算在NDVI图像序列内，后续分析也不包括该数据.

2.2 基于NDVI时间序列重建后的趋势分析(Mann-Kendall)

Mann-Kendall检验法可用于时间序列变量的趋势检验，是一种非参数检验法，对变量是否遵从一定的(正态)分布没有严格要求/假定，检测范围较宽泛，计算简便，不受个别异常值干扰[18].

在Mann-Kendall趋势分析中，每一个像元NDVI集看作是一个时间序列数据(x1,…，xn)，n为数据集合长度，xk和xj分别是时间序列中年份k和j所对应的NDVI.原假设H0为时间序列数据(x1,…，xn)是n个独立的、随机变量同分布的样本(即没有变化趋势存在)；备择假设H1是单侧检验，对于所有的1≤k

(1)

其中，符号函数

当n≥10时，统计量Smk近似服从正态分布，不考虑序列中等值数据点情况(即xj≠xk)，其均值：E(S)=0，方差：Var(n(n-1)(2n+5)/18)，标准正态统计变量Tmk可以通过下式计算：

(2)

在单侧趋势显著性检验中，在给定的α置信水平上，如果Tmk≥Tα(n-1)或Tmk≤-Tα(n-1)，则拒绝无趋势的原假设，即在α置信水平上，时间序列数据存在显著上升或下降趋势.对于统计变量Tmk，大于0时，是上升趋势；小于0时，是下降趋势.

3 结果与分析

3.1 基于火烧强度的NDVI季节校正前后比较(1987～2015)

在不同级别过火区分别随机抽取200个样点以减少临近点的空间自相关性，并提取其不同年份相应月份的NDVI均值以代表该月的植被生长状况，分析不同对不同火烧区的森林恢复过程，结果见图2.

由图2可知，NDVI季节校正之前的年际曲线整体波动幅度较大，季节校正之后重新构建的NDVI时间序列季节性一致，原来10月份的NDVI低值整体大幅度提升到0.65左右，NDVI时间序列曲线整体没有较大的年际波动，使得不同年份之间的NDVI具有可比性.1995年在校正前后，NDVI值均较低，可能与1995年降水量少有关[19].

由图2(a)可以得出：火灾当年生长初期6月的重度、中度火烧区的NDVI明显低于火后第二年生长季末10月的NDVI，表明大火造成了当年森林NDVI急剧下降；与之相比，轻度火烧区由于整体基本未受大火波及，火灾当年6月的NDVI大于火后第二年10月的NDVI，是符合植被生长季节规律的.火后第二年重度及中度过火区NDVI增长快速，是因为火烧迹地早期的演替物种(主要是草种)的快速生长[15，20-21].

(a)

(b)图2 季节校正前(a)后(b)不同火烧强度区NDVI变化(0代表火烧年份，1代表火后第一年)

从图2(b)可以得出：研究区森林NDVI曲线在大火刚过后的20世纪90年代(1988，1993～1995，1999)整体呈上升趋势，1999年NDVI达到最大值，表明火后森林恢复较好.1999年之后同一火烧级别的NDVI基本在0.75上下浮动，曲线变化趋势一致，同一年份不同火烧级别的NDVI之间统计上存在较小差值，表明大火12年过后图强北部火烧区与南部未火烧区在目视上绿度差异很小.分析其原因，20世纪90年代末大兴安岭实施了“天保工程(NEEP)”，全面停止天然林的商品性采伐，调减木材产量，加强森林培育，促进了森林资源恢复[22].

研究区NDVI在1999年之后随时间变化不显著，但这不意味着火烧迹地恢复到原有水平并达到稳定.从2015年调查结果(表2)来看，火烧区森林覆盖度恢复较好，但植被平均胸径不超过20cm，林龄较低，尚未达到林分原始水平[16]；本地区顶级林分的目标树种落叶松在重度及中度过火区的比例较低，相比火后先锋树种白桦的比例较高，针阔混交林目前占林分主导地位，说明植被完全恢复到顶级群落还有相当长的时间[23].

表2 2015年研究区主要植被类型恢复状况①

①L：落叶阔叶林；H：针阔混交林；Z：针叶林；混交：以针叶林为主的针阔混交林

3.2 不同火烧强度下森林NDVI恢复差异(1988～1999)

由于1989～1992年及1996～1998年未收集到有效数据，为了分析的连续性，进行了简单插值以获得缺失部分的统计意义，并在曲线上标出正负标准偏差，对不同火烧强度的NDVI值随时间变化作一元线性回归(见表3).

图3 不同火烧强度区NDVI年际变化

火烧强度趋势线R2Sig重度(High)y=0.014x+0.5580.7220.000中度(Medium)y=0.013x+0.5930.7600.000轻度(Low)y=0.008x+0.6450.4090.025未过火(Unburn)y=0.006x+0.6870.3160.057

由图3可知：1988～1994年，未火烧区与三类火烧区NDVI之间的差距较大，1994～1999年，其差距在逐渐缩小，表明三类火烧区的植被都在有序恢复到与同一时期未火烧区相近的水平.从整体上看(1988～1999年)，重度火烧区NDVI曲线整体低于中、轻度火烧区及未过火区，且与未火烧区之间差距最大，1994年之后，重火烧区与中、轻度及未火烧区NDVI之间的差距依然存在但开始逐渐缩小，2001年其NDVI大于未火烧区(图3)，说明重度火烧区损伤最严重，将在很长一段时间内都很难完全恢复[23]；轻度与中度过火区在1994年之前NDVI差距较大，1994年之后二者基本没有差距，表明轻度及中度森林过火后在很短时间内恢复到相近水平[20].除此之外，火灾年份不同火强度NDVI的标准差较大，随着火烧迹地年龄的增加，不同火烧强度标准偏差逐渐减小，表明在同一火烧区内部NDVI差异随着植被恢复在逐渐缩小，森林生态系统恢复趋势明显，森林冠层的绿度恢复较好.

由表2可知：1988～1999年，重度与中度过火区NDVI上升趋势显著，轻度过火区NDVI增长趋势不是特别显著(Sig=0.025).与火烧区相比，未过火区NDVI曲线在统计上保持相对稳定，变化不大，充分说明火烧程度越高，植被破坏越严重，NDVI增加趋势越显著.

3.3 1988～1999年森林NDVI动态变化趋势空间分布

对Mann-Kendall趋势(Tmk)进行单侧t检 (α=0.05,0.1,0.2),并对Tmk值分级化显示，得到显著性检验图(如图4所示).

图4 1988-1999森林NDVI变化趋势空间分布

类别置信区间Tmk面积比例/%1>95%[-2.2045,-1.796]0.19290%～95%[-1.796,-1.363]0.75380%～90%[-1.363,-0.876]2.244<80%[-0.876,0]25.975<80%[0,0.876]43.61680%-90%[0.876,1.363]16.98790%-95%[1.363,1.796]8.558>95%[1.796,2.2045]1.71

由表4可知，火后12年间森林NDVI总体上呈现增加趋势，70.85%的森林区域其植被NDVI呈现递增趋势，其中趋势显著增加的区域占27.24%，大部分集中在中部的重度及轻度过火区(因为中度过火面积很小且较分散，在这里不进行讨论).出现负增长趋势的面积为29.15%，其中显著降低的区域为3.18%，南部未过火区整体没有特别显著变化.

同是重度过火区，北面增加不如南面增加显著，分析其原因，立地条件方面，南北重度过火区的坡度都小于15°，较为平缓，且坡向分布也没有明显差异.植被类型都是以针叶树为主，同时阔叶林也有分布.由于研究区较小，在南北两区没有大的微区域气候变化.但是海拔在两区有较大差异(图1c), 北面区域的海拔较低，南面的海拔相对较高，蔡文华等人研究表明大兴安岭低海拔立地条件下多年冻土分布较广[25]，冻融作用会使得更新幼苗死亡，因此不利于火后植被恢复.除自然因素之外，重度火烧后，林木烧死严重，主要采取人工造林的方式更新，种植以落叶松为主的针叶树种，以加快森林恢复速度，而对于高海拔立地类型全部采取人工更新的方式[26].

虽然在重度火烧区都是以人工更新为主，但是南面的重度过火区靠近漠河林场总部和森林管护区等森林管理部门，交通较为便利，在林地的管护、巡护以及人工林经营等方面的人力、物力投入较多，人工植苗之后还有定期的人为抚育措施，提高了造林成活率和保存率，森林恢复较快[22].而北面距离林场总部较远，交通相对不便，人工干预可能相对较少，森林恢复较为缓慢，也是导致北面的重度过火区森林恢复没有南面上升趋势显著的一个重要原因.

4 结论

(1)火后28年间各火烧强度下森林NDVI动态变化趋势具有明显年际规律性：短期内尤其是重度及中度过火区在火后第二年由于林下草地的快速繁衍而导致NDVI急剧上升，90年代较显著上升，1999年之后由于大兴安岭天保工程的实施，促进了森林资源恢复，火烧区与未火烧区森林绿度差异很小.

(2)NDVI时间动态变化在一定时间尺度上指示了火后的植被恢复.火后12年是森林的主要恢复期，火烧区的森林总体恢复较好.森林NDVI时空动态恢复趋势与火烧强度存在一定相关性.重度过火区NDVI上升趋势最显著，轻度与中度过火区植被恢复较快，NDVI增长趋势较显著，火烧7年之后恢复轨迹相近.

(3)森林火后NDVI变化趋势的空间分布特征表现出很明显的差异性，这种差异性很大程度上来源于火烧影响.该文针对重度过火区中部和北部NDVI变化趋势的明显差异，主要探讨了人为因素的影响，从火后不同的森林恢复措施定性地加以说明，对于如何量化这种影响机制以及是否还有其它原因导致有待进一步研究与探讨.

(4)图强1987年火后NDVI在火后12年间呈增加趋势，1999年之后停止增加，这可能与NDVI达到饱和有关.有研究发现当冠层叶面积指数(LAI)达到4时，森林冠层的各项指数趋于饱和[27]，而火后生产力恢复至少需要20年才能达到火前水平[28].所以，把火后NDVI达到饱和之前的时间认为是植被绿度恢复的关键时期，之后植被继续恢复，只是还未完全恢复到火前水平.由于NDVI目前无法实地验证，且当NDVI饱和之后无法有效指示植被恢复，在今后研究中需要结合实际调查报告、观测数据或其他定量遥感指标更加有效追踪植被恢复.

[1] 解伏菊，肖笃宁，李秀珍，等. 基于NDVI的不同火烧强度下大兴安岭林火迹地森林景观恢复[J]. 生态学杂志，2005，24(4)：368-372.

[2] 舒立福，田晓瑞，马林涛.林火生态的研究与应用[J]. 林业科学研究，1999，12(4)：422-427.

[3] 黄宝华，孙治军，史淑一，等.国外森林火险天气预测预报方法探析[J]. 哈尔滨师范大学自然科学学报，2012，28(6)：83-87.

[4] Idris M H，Kuraji K，Suzuki M. Evaluating Vegetation Recovery Following Large-Scale Forest Fires in Borneo and Northeastern China Using Multi-Temporal NOAA/AVHRR Images [J]. Japanese Forest Society and Springer-Verlag Tokyo，2005(10)：101-111.

[5] Numata I，Cochrane M A，Galva～o L S. Analyzing the Impacts of Frequency and Severity of Forest Fire on the Recovery of Disturbed Forest Using Landsat Time Series and EO-1 Hyperion in the Southern Brazilian Amazon [J]. Earth Interactions，2011，15(13)：1-15.

[6] 王明玉，任云卯，李涛，等. 火烧迹地更新与恢复研究进展[J]. 世界林业研究，2008，21(6)：49-53.

[7] Goetz S J，Fiske G J，Bunn A G. Using Satellite Time-Series Data Sets to Analyze Fire Disturbance and Forest Recovery across Canada [J]. Remote Sensing of Environment，2006，101(2006)：352-365.

[8] Viedma O，Melia J，Segarra D，et al. Modeling Rates of Ecosystem Recovery after Fires by Using Landsat TM Data [J]. Remote Sensing of Environment，1997(61)：383-398.

[9] Díaz-Delgado R，Lloret F，Pons X. Influence of Fire Severity on Plant Regeneration by Means of Remote Sensing Imagery [J]. International Journal of Remote Sensing，2003，24(8)：1751-1763.

[10] Gouveia C，Da Camara C C，Trigo R M. Post-Fire Vegetation Recovery in Portugal Based on Spot / Vegetation Data [J]. Natural Hazards & Earth System Sciences，2010，10(4)：673-684.

[11] Maria C G，France G，Heiko B，et al. Analyzing Forest Recovery after Wildfire Disturbance in Boreal Siberia Using Remotely Sensed Vegetation Indices [J]. Global Change Biology，2009(15)：561-577.

[12] Wang C X，Zhang L H，Bao Y H，et al. The Comparative Analysis of the Recovery of Forest Fire and Grassland Fire Based on NDVI and NPP [A].Huang Chongfu et al，eds. Information for Risk Analysis and Crisis Response[C]. Paris：Atlantis Press，2014：619-624.

[13] 李明泽，王雪，高元科，等. 大兴安岭植被指数年际变化及影响因子分析[J].北京林业大学学报，2015，37(5)：1-8.

[14] 苗庆林，田晓瑞，赵凤君. 大兴安岭不同植被火后NDVI恢复过程[J].林业科学，2015，51(2)：91-98.

[15] 唐伶俐，姜晓光，戴昌达. TM影像在监测森林火灾与灾后恢复中的应用[A].第十三届全国遥感技术学术交流会论文摘要集[C].福州：2001.131-132

[16] 王宪英. 大兴安岭图强林业局森林资源的变化[J]. 国土与自然资源研究，1994(1)：70-73.

[17] Wang J，Wang C， Zang S. Assessing Re-Composition of Xing 'an Larch in Boreal Forests after the 1987 Fire，Northeast China[J]. Remote Sensing，2017，9(504)：1-13.

[18] 曹洁萍，迟道才，武立强，等. Mann-Kendall检验方法在降水趋势分析中的应用研究[J].农业科技与装备，2008，5(179)：35-40.

[19] 夏照华．基于NDVI 时间序列的植被动态变化研究[D]. 北京：北京林业大学，2007.60-67

[20] 梁凤仙，顾钟炜.遥感技术在大兴安岭火烧迹地森林冻土环境变化调查中的应用[J].冰川冻土，1993，15(1)：27-33.

[21] Xiao X，Biradar C，Wang A，et al. Recovery of Vegetation Canopy after Severe Fire in 2000[J]. Journal of Resources and Ecology，2011，2(2)：106-116.

[22] Shi M，Qi J，Yin R. Has China’s Natural Forest Protection Program Protected Forests? — Heilongjiang’s Experience [J]. Forest，2016，7(218)：1-18.

[23] 王绪高，李秀珍，孔繁华，等. 2003. 大兴安岭北坡火烧迹地自认与人工干预下的植被恢复模式初探[J].生态学杂志，2003，22(5)：30-34.

[24] 杨伟.基于遥感的黑龙江流域火烧迹地及其植被恢复研究[D].长春：中国科学院东北地理与农业生态研究所，2013.

[25] 蔡文华，杨建，刘志华，等.黑龙江大兴安岭林区火烧迹地森林更新及其影响因子[J].生态学报，2012，32(11)：3303-3312.

[26] 盖宇宏，姜书文，邵明.大兴安岭林区采伐和火烧迹地森林恢复技术[J].现代农业科技，2012(2)：46-47.

[27] Wang C，Qi J, Cochrane M. Assessment of Tropical Forest Degradation with Canopy Fractional Cover from Landsat ETM+ and IKONOS Imagery [J]. Earth Interactions，2005，9(22)：1-18.

[28] 孙龙，张瑶，国庆喜，等. 1987年大兴安岭林火碳释放及火后NPP恢复[J]. 林业科学，2009，45(12)：100-104.

Post-FireForestRecoveryAssessmentBasedonNDVITimeSeries

Wang Aiai，Zang Shuying，Wang Cuizhen，Wang Junjie，Li Haibo

(Key Laboratory of Remote Sensing Monitoring of Geographic Environment，College of Heilongjiang Province，Harbin Normal University)

The spatial distribution of forest recovery trend and its recovery trajectory in 1987-2015 following the 1987 fire in the Greater Hinggan Mountains was explored, providing reference for monitoring the dynamic recovery process of post-fire forests at time and spatial scales. Regard the normalized difference vegetation index (NDVI) as an important characterization parameter of post-fire forest recovery, a time series of NDVI in growing season were reconstructed via seasonal adjustment. The inter-annual NDVI variation curves in areas with different fire intensities were exacted to monitor NDVI recovery process. Spatial distribution of NDVI trends in forest area during 1988-1999 were analyzed by the Mann-Kendall trend analysis method. The results showed that NDVI time series were consistent in 28 years after fire and there was no significant inter-annual fluctuation along the NDVI curves after seasonal correction. The NDVI-based recovery was correlated with fire intensity. Forests recovered remarkably in heavy fire zone. Different forest restoration operations after fire led to the spatial difference of the NDVI trend within the heavy fire zone.

NDVI; Time series；Fire intensity；Seasonal adjustment；Forest recovery

于达)

TP79

A

1000-5617(2017)04-0054-08

2017-04-30

*国家自然科学基金面上项目(41371397)

**通讯作者：zsy6311@163.com