基于多时相遥感的露天铁矿及其周边植被动态变化特征分析

庞 冬，谭 林，何秉宇，2，*

(1.新疆大学 资源与环境科学学院，新疆 乌鲁木齐830046；2.智慧城市与环境建模自治区高校重点实验室，新疆 乌鲁木齐830046)

矿产资源的高强度开采在带来经济效益的同时，也给矿区的生态环境带来了一系列的负面影响。由于铁矿采矿迹地土壤有机质含量较低，缺乏植物生长营养元素，常具有较高的重金属含量和极端的酸碱度，使矿区自然植被入侵定居困难[1-2]，从而引发了采矿区植被覆盖度低、地表凹陷、水土流失、土地荒漠化、山体滑坡等复杂环境问题及自然灾害[3-5]，亟须采取有效手段进行矿区生态环境污染调查和监测。传统人工调查为主的监测方法成本高、周期长，调查成果不能实现同步性，不能及时、准确、快速地反映矿区生态环境状况[6]，而基于遥感技术的监测方法具有覆盖广、信息量大、采样周期短、可动态掌握信息等特点，已成为动态监测区域生态环境污染的重要手段[7]。

植被作为连接土壤、大气和水分等土地覆盖要素的自然“纽带”，其动态变化在某种程度上代表着区域生态环境的动态变化[8]。因此，利用卫星遥感对地观测技术获取地表植被信息，对矿区植被变化进行动态监测与有效评估，能高效、准确、全面地反映矿区生态环境的演变与变迁，为矿区的环境灾害预警及环境政策的制定提供决策参考依据[9]。植被指数作为反映地表植被信息的最重要信息源，已被广泛用来定性和定量评价植被覆盖及其生长活力，其中植被覆盖指数(fractional vegetation cover，FVC)是在归一化植被指数(normalized difference vegetation index，NDVI)的基础上改进提出的[10-11]，能定量表达植被覆盖信息，是反映生态环境质量的重要指标之一[12]。植被状态指数(vegetation condition index，VCI)可以在反映土壤水分状况的基础上反映相同的生理期内植被的生长状况[13]。目前，在利用植被指数对矿区生态环境进行监测评价方面，国内外已进行大量的研究[5-6，9，14-15]。Susmita等[16]用NDVI和缨帽变换研究美国阿巴拉契亚南部高植被覆盖的露天煤矿区，分析得到森林经过扰动与恢复转变的阈值。黎良财等[17]用FVC对铅锌矿区植被覆盖度进行了时空变化分析。VCI指数多应用于研究区干旱特征监测，在矿区的环境监测方面运用较少[18]，尤其是对铁矿区域生态环境状况的长期定量监测。

本文通过对新疆维吾尔自治区新源县某铁矿近10年来采矿期内地表植被特征变化进行动态监测，利用LandsatTM/ETM+及OLI多时相数据，反演矿区植被覆盖度、植被状态指数对当地植被的生长状况进行长期、动态监测，分析其时空变化特征，为矿区生态系统监管的信息化提供理论支持，为矿区生态环境的治理提供决策支持。

1 材料与方法

1.1 研究区概况

研究区位于距新疆维吾尔自治区新源县60 km左右的阿热勒托别镇努苏尔萨依东地段，地理坐标为北纬43°31′41.7”，东经83°37′58.5″。研究区地处天山北麓，伊犁河谷东端，巩乃斯河河谷地带，年平均气温为6.0～9.3 ℃，年均降雨量为476 mm，属于大陆性半干旱气候。该研究区内矿区总面积约为17 km2，平均海拔高程约为1 689 m，含铁量在58%以上。铁矿始建于2008年，采矿许可时间截止到2018年。由于露天采，且开采期内未采取任何恢复措施，矿山地表近似原生裸地，在自然恢复状态下仅有零星植被。

1.2 数据来源与处理

遥感数据主要来源于USGS(美国地质调查局提供)平台提供的LANDSAT系列影像。为减少物候变化对植被生长状况的影响，更好地记录植被信息，选取2007—2016年8月或9月的Landsat TM/ETM+及OLI影像为数据源(表1)，运用ENVI5.1软件对Landsat系列影像依次进行辐射定标、大气校正以及研究区图像裁剪。由大气校正结果可知，大气校正后的植被光谱曲线得到明显改善，更接近于植被的理论光谱曲线。

1.3 植被指数计算

植被指数是利用叶冠的光学参数提取的独特光谱信号，是遥感领域中用来表征地表植被覆盖及生长状况的一个简单又有效的度量参数[19]。

表1 数据来源Table 1 Data source

1.3.1 归一化植被指数

归一化植被指数(NDVI)与植被分布密度呈线性相关，可用来检测植被生长状态及植被覆盖度。NDVI的提取是在ENVI 5.1软件的Tool box->band math功能模块中参照文献[20]进行计算，输出数据类型选择浮点型。又因为NDVI取值范围为-1～1，而统计结果中出现>1和<-1的异常值，因此，运用波段运算去除这些异常值。

1.3.2 植被覆盖度计算

FVC的计算步骤是根据NDVI去除异常值的计算结果，运用Compute Statistics功能模块统计NDVImax和NDVImin，选择NDVI累积频率置信度为5%时，土壤的NDVI值为NDVImin；累积频率置信度为95%时，所对应的植被NDVI值为NDVImax，在Tool box->band math功能模块中输入公式(3)进行计算，由于FVC的取值范围为0～1，通过波段运算进行去除异常值处理，从而得到FVC。FVC的取值范围为0～1，根据《土壤侵蚀分类分级标准》及已有研究[6，24-25]，并结合研究区整体植被覆盖度并不高的实际情况，将FVC划分为4个等级(表2)。

1.3.3 植被状态指数计算

根据NDVI计算出植被状态指数(VCI)[26]，通过统计研究年限内同一时段NDVI的最大值和最小值，在Tool box->band math功能模块中输入公式进行计算，取值范围为0～100%，通过波段运算进行去除异常值处理，从而得到VCI。VCI的取值范围在0～100%，根据已有研究[27-30]，结合研究区实际情况，将VCI划分为4个等级。

1.3.4 矿区面积的提取

运用Arcgis 10.4对研究区内FVC、VCI值为零的区域进行叠加分析和目视解译，从而提取出不同年限的矿区面积。

2 结果与分析

2.1 矿区植被覆盖度分析

采用上述像元二分法反演得到2007—2016年研究区的植被覆盖等级。为更直观地看出近10年研究区植被覆盖等级变化特征，主要列出2007、2010、2013、2016年这4年的植被覆盖等级分布图。对已进行植被覆盖度分级处理的影像，运用ArcGIS 10.4软件中的栅格计算器，统计2007—2016年矿区不同植被覆盖度等级的面积百分比。

表2 植被指数分级标准Table 2 Classification standard of vegetation index

由图1和2可知，研究区约85%以上的区域植被覆盖度为较高植被覆盖度等级和高植被覆盖度等级，而较低植被覆盖等级和低植被覆盖等级所占面积较少。研究区低植被覆盖区域主要为露天采矿场、排土场、工业广场、裸地、运输道路等。2007—2016年，低植被覆盖度等级面积逐渐扩大，面积占比从2007年的0.670%升至2016年的2.177%。较低植被覆盖等级区主要为铁矿厂区边缘的地表区域，该等级面积则呈现出随低植被覆盖等级面积缓慢上升而缓慢下降的趋势，由2007年的2.230%降至2016年的1.564%。这主要是由于铁矿的开采，使矿区内采坑的面积增大，表土剥离形成排土场，矿区广场面积不断增加，使铁矿周围较低植被及较高植被覆盖区域地表植被遭到破坏。较高植被覆盖等级区主要为人类活动较为频繁的西南部农田和东南部农田，高植被覆盖等级区为距矿厂较远的林地覆盖区。较高植被覆盖等级面积占比变化总体呈现波动下降的趋势，由2007年的38.229%降至2016年的28.161%，高植被覆盖等级面积变化呈现与较高植被覆盖等级对称的波动上升趋势，从2007年的47.449%升至2016年的68.099%。总体上为较低植被覆盖等级类型向较高植被覆盖等级类型转移。

从时空尺度上看，植被覆盖度空间分布变化不明显，低植被覆盖等级面积随矿厂的扩张而增大，但其所占面积百分比较小，由于高植被覆盖度等级面积所占百分比较大且逐年增加，故矿区植被覆盖度呈现总体上升趋势，而局部地区由于铁矿扩张而导致其植被覆盖度呈下降趋势。

2.2 研究区植被生长状况时空变化

从图3来看，2007—2016年矿区大面积为植被生长状况好等级，表明矿区整体生态环境适宜植被生长，生长季内植被长势良好。比较2007—2016年植被状态指数空间分布情况，研究区植被生长状况好等级所占面积比例最大，主要分布在离铁矿较远的北部和东都地区，受铁矿开采影响较小，主要受气候和地形因素影响。植被生长状况差等级面积所占比例较小，主要为铁矿采矿作业区边沿区域、运输通道边沿区域及研究区西南部耕地。植被生态状况差等级分布受人类活动影响较大，一方面受铁矿开采活动的影响，随着开采作业区的扩张向周边转移；另一方面受人类耕种及居住的影响，空间分布变化不明显；该等级面积所占比例最少，主要分布在研究区北部及西南部的采矿作业区，面积近十年平均值为20.69 km2，约占研究区总面积的23%，主要分布在铁矿采矿作业区内及周边道路。由于铁矿面积逐年向外扩张，周边区域VCI大面积减小，原植被生长状况较差等级转变为无植被生长等级，使植被生长状况差等级面积随铁矿面积增大而增大。

图1 研究区不同年份植被覆盖等级空间分布Fig.1 Spatial distribution of fractional vegetation coverage grades in different years in the study area

图2 研究区2007—2016年植被覆盖度各等级面积百分比Fig.2 The percentage of vegetation coverage in the study area from 2007 to 2016

从图4可以看出，研究区植被生长状况差等级面积年际间变化区间为[-0.075 6，0.477 9]。其中，2007—2008、2008—2009、2015—2016年差值为负数，其余相邻两年间差值为正值，面积增幅大于减小幅度。2007—2016年，植被生长状况差等级面积呈缓慢增加趋势。植被生长状况较差等级面积年际变化区间为[-2.061 0，1.960 2]，相邻两年间面积差值主要为负数，面积减少幅度大于增长幅度。近10年植被生长状况较差等级面积呈缓慢减少趋势，说明由于研究区植被生长状况差等级与植被生长状况较差等级所占面积较少，年际变化不大，其面积波动对研究区植被生长状况整体影响不大。植被生长状况较好等级面积与植被生长状况好等级所占研究区面积较大，年际变化波动性较大，因此其面积变化幅度是影响矿区整体植被生长状况变化的主要因素。VCI等级Ⅲ与Ⅳ相邻两年间的面积差值呈相反的对称变化，即在相邻两年间植被生长状况较好等级面积减少幅度与植被生长状况好等级面积增加幅度相差不大，说明这两个VCI等级之间相互影响，相互转移，此消彼长。其中，2007—2008、2008—2009、2010—2011、2012—2013、2014—2015年植被生长状况较好等级面积差值为负，植被生长状况好等级面积差值为正，说明2008、2009、2011、2013、2015年这5年植被生长状况较好等级向植被生长状况好等级转移，研究区生态环境有利于植被生长，植被长势良好。

2.3 矿区对周边植被的影响分析

由FVC、VCI空间分布图(图1、图3)对比分析可知，FVC和VCI在空间分布上有较强的相关性，并由FVC和VCI对应等级面积变化趋势(图5)对比分析可知，研究区FVC与VCI趋势变化大体相同，可见植被覆盖度越高的区域植被长势越好，植被覆盖度越高的年份，植被生长状况越好，说明FVC、VCI能够较为全面、准确地反映研究区植被覆盖度及植被生长状况。

图3 研究区不同年份植被状态指数等级空间分布Fig.3 Spatial distribution of vegetation condition index grades in the study area in different years

图4 2007—2016年研究区VCI各等级面积年际变化Fig.4 Yearly evolution of VCI grades area from 2007 to 2016

由图6可知，铁矿面积逐渐扩大，由2007年的0.397 8 km2、占研究区总面积的0.45%扩张到2016年的1.866 6 km2、占研究区总面积的2.12%，从2007年的1个采矿作业区发展到2016年的2个采矿作业区。

由图7可知，其中较大的采矿作业区位于研究区高程范围为1 450～1 819 m的西南坡，较小的采矿作业区位于高程范围为1 889～1 974 m的南坡。这两个采矿作业区内植被覆盖度很低，植被生长环境极差，采矿作业区周边地物受其影响，地表植被遭到严重破坏，导致区域植被覆盖度低，植被生长状况差，生态环境脆弱，极易引起水土流失和山体滑坡等灾害，造成巨大的经济损失。

由图8可知，研究区内植被覆盖度指数及植被状况指数的平均值随距矿区距离的增加呈先增加后趋于平缓的变化趋势，说明矿区对其周边植被的影响由近及远逐渐减小，矿区对研究区植被和土壤的影响范围有限。结合FVC与VCI随距矿区距离的变化趋势可得，2007、2010、2013、2016年研究区植被覆盖度指数和植被状况指数平均值较低，且受矿区影响最大的区域是距矿区约30 m的周边区域，矿区对研究区植被的最大影响距离在870 m左右。因此，研究区植被覆盖度及植被长势受铁矿开采的影响整体较小。又由于研究区内FVC等级Ⅳ与VCI等级Ⅳ所占面积最大，即高植被覆盖度等级和植被生长状况好等级面积变化是影响研究区生态环境的主要因素，其主要分布在研究区的西南坡和南坡，空间分布逐年变化不大。因此，从整体来看，近10年研究区生态环境整体相对稳定。

图5 2007—2016年研究区植被指数各等级面积年际变化Fig.5 Yearly evolution of vegetation index grades area from 2007 to 2016

图6 研究区不同年份铁矿面积空间分布Fig.6 Spatial distribution of iron ore area in different years in the study area

图7 研究区坡度、坡向空间分布Fig.7 The spatial distribution of slope and aspect in the study area

图8 不同年份矿区对其周边植被的影响范围Fig.8 The influence of mining area on surrounding vegetation in different years

3 小结

利用2007—2016年多时相遥感数据，对研究区植被覆盖度及植被生长状况时空变化特征进行分析总结。

(1)研究区内FVC值越高的区域VCI值越高，FVC值越高的年份VCI值也越高，说明植被覆盖度指数与植被状况指数具有较强的时空相关性，能准确、全面地反映研究区生态环境实际情况，对研究区生态风险防范具有一定指导意义。

(2)2007—2016年，研究区低植被指数等级面积随矿区面积的逐渐扩张而增大，而其余植被指数等级面积受气候、降水、自然环境等因素影响呈波动变化趋势。由于研究区内较高、高植被覆盖等级与植被生长状况较好、好等级面积变化幅度是影响矿区整体植被生长状况变化的主要因素。较高植被覆盖等级所占面积由2007年的38.229%降至2016年的28.161%，而高植被覆盖等级面积变化呈现与较高植被覆盖等级对称的变化趋势，从2007年的47.449%升至2016年的68.099%。同时，植被生长状况好的等级面积与植被生长状况较好的面积也呈对称的变化趋势，植被生长状况较好的等级所占面积由2007的39.528%降至2016年的25.411%，植被生长状况好等级所占面积由2007年的58.325%升到2016年的71.112%。总体呈现较低植被指数等级类型向较高植被指数等级类型转移，说明研究区生态环境向较好方向发展。

(3)2007—2016年，研究区植被覆盖度及植被生长状况空间分布变化不大，其分布随坡度变化无明显分异规律，植被覆盖度及植被生长状况较高等级主要分布在南坡和西南坡，其他坡向植被覆盖度及植被生长状况等级较低。

(4)2007—2016年，铁矿所在区域面积虽逐年扩大，但所占比例较小，对研究区植被的影响也整体较小，最大影响距离在870 m左右。由于常年开采作业使矿区及距矿区约30 m的周边区域的生态环境遭到严重破坏，FVC及VCI等级分别为低、较低植被覆盖等级和植被生长状况差、植被生长状况较差等级，并以铁矿为中心，随铁矿区面积的逐年增大而向外扩张，说明铁矿所在区域生态环境非常脆弱，极易导致山体滑坡和泥石流等灾害的发生，应及时采取措施进行有效防范。

参考文献(References)：

[1] KULLU B，BEHERA N. Vegetational succession on different age series sponge iron solid waste dumps with respect to topsoil application[J].ResearchJournalofEnvironmentalandEarthSciences，2011，3：38-45.

[2] ROY A，BASU S K，SINGH K P. Modeling ecosystem development on blast furnace slag dumps in a tropical region[J].Simulation，2002，78：531-542.

[3] 张鸿龄，孙丽娜，孙铁珩，等. 矿山废弃地生态修复过程中基质改良与植被重建研究进展[J]. 生态学杂志，2012，31(2)：460-467.

ZHANG H L，SUN L N，SUN T H，et al. Substrate amelioration and vegetation reconstruction in ecological remediation of aban-doned mines: Research advances[J].ChineseJournalofEcology，2012，31(2):460-467. (in Chinese with English abstract)

[4] 王世昌，卢爱英，王世裕，等. 偏关县矿区植被恢复研究[J]. 山西林业科技，2009，38(2)：37-38.

WANG S C，LU A Y，WANG S Y，et al. Vegetation restoration in Pianguan mining area[J].ShanxiForestryScienceandTechnology，2009，38(2):37-38. (in Chinese with English abstract)

[5] 刘英，侯恩科，岳辉. 基于MODIS的神东矿区植被动态监测与趋势分析[J]. 国土资源遥感，2017，29(2):132-137.

LIU Y，HOU E K，YUE H. Dynamic monitoring and trend analysis of vegetation change in Shendong mining area based on MODIS[J].RemoteSensingforLandandResources，2017，29(2):132-137. (in Chinese with English abstract)

[6] 张耀，周伟. 利用多时相遥感图像动态监测矿区植被覆盖变化——以山西省平朔露天煤矿为例[J]. 西北林学院学报，2016，31(4)：206-212，251.

ZHANG Y，ZHOU W. Monitoring of vegetation coverage by multi-temporal images：A case study of Pingsu coal mine[J].JournalofNorthwestForestryUniversity，2016，31(4):206-212，251. (in Chinese with English abstract)

[7] 严恩萍，林辉，党永峰，等. 2000—2012年京津风沙源治理区植被覆盖时空演变特征[J]. 生态学报，2014，34(17)：5007-5020.

YAN E P，LIN H，DANG Y F，et al. The spatiotemporal changes of vegetation cover in Beijing-Tianjin sandstorm source control region during 2000—2012[J].ActaEcologicaSinica，2014，34(17):5007-5020. (in Chinese with English abstract)

[8] 陈朝晖，朱江，徐兴奎. 利用归一化植被指数研究植被分类、面积估算和不确定性分析的进展[J]. 气候与环境研究，2004,9(4)：687-696.

CHEN Z H，ZHU J，XU X K. Recent research progress in uncertainties of the normalized difference vegetation index，land cover classification and vegetation fraction estimation[J].ClimaticandEnvironmentalResearch，2004,9(4)：687-696. (in Chinese with English abstract)

[9] 张耀，周伟. 安太堡露天矿区复垦地植被覆盖度反演估算研究[J]. 中南林业科技大学学报，2016，36(11)：113-119.

ZHANG Y，ZHOU W. Remote estimation of vegetation fraction for reclaimed areas of Antaibao opencast mine[J].JournalofCentralSouthUniversityofForestry&Technology，2016，36(11):113-119. (in Chinese with English abstract)

[10] GUTMAN G，IGNATOV A. The derivation of the green vegetation fraction from NOAA/AVHRR data for use in numerical weather prediction models[J].InternationalJournalofRemoteSensing，1998，19(8)：1533-1543.

[11] ZENG X，DICKINSON R E，WALKER A，et al. Derivation and evaluation of global 1-km fractional vegetation cover data for land modeling[J].JournalofAppliedMeteorology，2000，39(6)：826-839.

[12] 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，2015，31(22)：191-198，315.

YANG Q，WANG T T，CHEN H，et al. Characteristics of vegetation cover change in Xilin Gol League based on MODIS EVI data[J].TransactionsoftheChineseSocietyofAgriculturalEngineering，2015，31(22): 191-198. (in Chinese with English abstract)

[13] 刘晓静，张继权，马东来. 基于MODIS数据的辽西北地区玉米干旱脆弱性评价研究[J]. 中国农业资源与区划，2016，37(11)：44-49.

LIU X J，ZHANG J Q，MA D L.The study of vulnerabilty assessment on maize drought in the northwest of liaoning province based on MODIS[J].ChineseJournalofAgriculturalResourcesandRegionalPlanning，2016，37(11):44-49. (in Chinese with English abstract)

[14] 李恒凯，雷军，杨柳. 基于Landsat影像的离子稀土矿区植被覆盖度提取及景观格局分析[J]. 农业工程学报，2016，32(10)：267-276.

LI H K，LEI J，YANG L. Extraction of vegetation coverage and analysis of landscape pattern in rare earth mining area based on Landsat image[J].TransactionsoftheChineseSocietyofAgriculturalEngineering，2016，32(10):267-276. (in Chinese with English abstract)

[15] 申彦科，张林欣，赵星伟，等. 基于“3S”技术的新疆某矿区生态影响预测与评价[J]. 林业调查规划，2017，42(3)：9-12，72.

SHEN Y K，ZHANG L X，ZHAO X W，et al. Ecological impact prediction and evaluation of an iron mine in xinjiang based on‘3S’technology[J].ForestInventoryandPlanning，2017，42(3)：9-12，72. (in Chinese with English abstract)

[16] SEN S，ZIPPER C E，WYNNE R H，et al. Identifying revegetated mines as disturbance/recovery trajectories using an interannual landsat chronosequence[J].PhotogrammetricEngineering&RemoteSensing，2015，78(3)：223-235.

[17] 黎良财，邓利，曹颖，等. 基于NDVI像元二分模型的矿区植被覆盖动态监测[J]. 中南林业科技大学学报，2012，32(6)：18-23.

LI L C，DENG L，CAO Y，et al. Vegetation dynamic monitoring in mining area based on NDVI serial images and dimidiate pixel model[J].JournalofCentralSouthUniversityofForestry&Technology，2012，32(6)：18-23. (in Chinese with English abstract)

[18] 赵芝玲，王萍，荆林海，等. 用ASTER数据提取植被覆盖区遥感铁矿化蚀变信息[J]. 金属矿山，2016，45(10)：109-115.

ZHAO Z L，WANG P，JING L H，et al. Extraction method of iron mineralized alteration information in vegetation covered areas based on remote sensing ASTER data[J].MetalMine，2016，45(10):109-115. (in Chinese with English abstract)

[19] 郭铌. 植被指数及其研究进展[J]. 干旱气象，2003,21(4)：71-75.

GOU N. Vegetation Index and Its Advances[J].AridMeteorology，2003,21(4)：71-75. (in Chinese with English abstract)

[20] 路畅，王英辉，杨进文. 广西铅锌矿区土壤重金属污染及优势植物筛选[J]. 土壤通报，2010，41(6)：1471-1475.

LU C，WANG Y H，YANG J W. Soil heavy metal pollution and dominant plants selection in Pb-Zn mining areas of Guangxi[J].ChineseJournalofSoilScience，2010，41(6):1471-1475. (in Chinese with English abstract)

[21] 赵翠娥，丁文荣. 基于ENVI和GIS技术的龙川江流域植被覆盖度动态监测[J]. 林业调查规划，2013，38(5)：14-18，44.

ZHAO C E，DING W R. Dynamic monitoring of vegetation coverage in Longchuan river drainage basin based on ENVI and GIS technology[J].ForestInventoryandPlanning，2013，38(5)：14-18，44. (in Chinese with English abstract)

[22] 刘纪远，庄大方，凌扬荣. 基于GIS的中国东北植被综合分类研究[J]. 遥感学报，1998,2(4)：285-291.

LIU J Y，ZHUANG D F，LING Y R. Vegetation integrated classification and mapping using remote sensing and GIS techniques in northeast China[J].JournalofRemoteSensing，1998,2(4):285-291. (in Chinese with English abstract)

[23] 冯莉莉，何贞铭，刘学锋，等. 基于MODIS-NDVI数据的吉林省植被覆盖度及其时空动态变化[J]. 中国科学院大学学报，2014，31(4)：492-499，536.

FENG L L，HE Z M，LIU X F，et al. Dynamic monitoring of the fractional vegetation cover in Jilin province based on MODIS-NDVI data[J].JournalofUniversityofChineseAcademyofSciences，2014，31(4)：492-499，536. (in Chinese with English abstract)

[24] 邵霜霜，师庆东. 基于FVC的新疆植被覆盖度时空变化[J]. 林业科学，2015，51(10)：35-42.

SHAO S S，SHI Q D. Spatial and temporal change of vegetation cover in Xinjiang based on FVC[J].ScientiaSilvaeSinicae，2015，51(10)：35-42. (in Chinese with English abstract)

[25] 朱星，吴志杰，张维伟，等. 永定矿区植被覆盖度变化及其热环境效应研究[J]. 闽西职业技术学院学报，2016，18(4)：110-116.

ZHU X，WU Z J，ZHANG W W. Analysis on the change of fractional vegetation cover and its thermal environmental effects in Yongding mining area[J].JournalofMinxiVocationalandTechnicalCollege，2016，18(4):110-116. (in Chinese with English abstract)

[26] KOGAN F N. Remote sensing of weather impacts on vegetation in non-homogeneous areas[J].InternationalJournalofRemoteSensing，1990，11(8)：1405-1419.

[27] 伍漫春，丁建丽，王高峰. 基于地表温度-植被指数特征空间的区域土壤水分反演[J]. 中国沙漠，2012，32(1)：148-154.

WU M C，DING J L，WANG G F. Regional soil moisture inversion based on surface temperature and vegetation index characteristic spaces[J].JournalofDesertResearch，2012，32(1)：148-154. (in Chinese with English abstract)

[28] 沙莎，郭铌，李耀辉，等. 植被状态指数VCI与几种气象干旱指数的对比——以河南省为例[J]. 冰川冻土，2013，35(4)：990-998.

SHA S，GUO N，LI Y H，et al. Comparison of the vegetation condition index with meteorological drought indices:A case study in Henan Province[J].JournalofGlaciology&Geocryology，2013，35(4)：990-998. (in Chinese with English abstract)

[29] 刘世杰，苏舒，梁亮，等. 基于植被状态指数的干旱化特征及气候驱动因素分析——以江苏省为例[J]. 长江流域资源与环境，2016，25(12)：1927-1933.

LIU S J, SU S, LIANG L, et al. Analysis of drought characteristics and its driving factors based on vegetation condition index:a case study in Jiangsu province[J].ResourcesandEnvironmentintheYangtzeBasin，2016，25(12)：1927-1933. (in Chinese with English abstract)

[30] 吕潇然，尹晓天，宫阿都，等. 基于植被状态指数的云南省农业干旱状况时空分析[J]. 地球信息科学学报，2016，18(12)：1634-1644.

LYU X R，YIN X T，GONG A D，Temporal and spatial analysis of agricultural drought in Yunnan province based on vegetation condition index[J].JournalofGeo-InformationScience，2016，18(12)：1634-1644. (in Chinese with English abstract)