基于GIMMS NDVI 3g.v1的近34年青海省植被生长季NDVI时空变化特征

代子俊，赵 霞，李冠稳，王兴春，庞龙辉

(1.青海师范大学 中美合作(青海师范大学&普渡大学)自然资源与环境建模实验室 青海省自然地理与环境过程重点实验室，青海 西宁 810008； 2.青海省测绘局，青海 西宁 810001)

植被具有显著的季节变化和年际变化，是连接各个生态系统的“纽带”，对生态系统的稳定起着重要作用[1]。同时植被的生长活动对气候变化非常敏感，气候的变化必然会引起植被生长环境的变化，从而影响植被的生长状况[2]。气温和降水是影响植被生长主要的自然因素，目前有关植被生长与水热因子的相关性已有大量研究[3-6]，但结果不尽一致，孙艳玲等[3]和Sun等[4]认为降水量是影响植被生长状况的主要因子；然而罗玲等[5]及Zhang等[6]认为气温较降水对植被生长的作用更强；并且不同植被类型对水热因子的响应不同。因此，不同区域和不同生态环境下植被对气候变化的响应存在差异。青海省位于青藏高原的东北部，生态环境比较脆弱，是气候变化及人类活动的敏感区，也是国家“退耕还林还草”和“生态保护与生态建设”的重点试验区。研究青海省植被生长动态变化及其对气候变化的响应对该区的生态环境保护和建设具有重要意义。

植被生长是一个地区植被长期适应环境变化的动态平衡过程，具有明显的地域性，研究植被生长活动需要从长时间序列角度进行[7]。监测长时间序列植被的时空变化特征有助于理解和掌握该区植被生长与环境变化的相互作用。然而，目前有关青海省植被生长的报道中，主要利用GIMMS NDVI数据[8-9]研究1982-2006年植被生长变化，利用MODIS数据[10-12]分析2000年以来的植被生长变化，缺少30年以上长时间序列的研究；有学者[13-14]将GIMMS NDVI数据与MODIS数据结合起来研究长时间序列植被生长变化，但由于传感器之间分辨率和数据质量不同，对研究结果产生一定影响甚至出现了研究结论截然相反的问题[15]。GIMMS NDVI 3g(AVHRR传感器第三代GIMMS NDVI产品)，时间跨度为1981-2013年，已被证实是研究长时间序列植被生长动态变化最好的数据之一[16-18]，成功解决了由传感器不一致带来的误差；其最新GIMMS NDVI 3g.V1数据集跨度为1981-2015年，有关该数据集在青海省的应用还鲜有报道。基于此，本研究利用GIMMS NDVI 3g.v1数据，辅以Sen+Mann-Kendall分析和R/S方法分析研究青海省植被生长时空变化特征及未来变化趋势，并揭示植被生长对气候变化的响应规律，以期深入了解青海省植被生长变化过程，为青海省的生态建设及恢复工程提供有益参考。

1 数据与方法

1.1 研究区概况

青海省地域辽阔，位于世界屋脊青藏高原的东北部(89°35′-103°04′ E和31°39′-39°19′ N)。全省地势总体呈西高东低、南北高中部低的态势，西部海拔高峻，向东倾斜，呈梯型下降。参考中国气象地理区划手册[19]，将青海省分为4个分区：环湖(青海湖)和祁连山区处在祁连山地和阿尼玛卿山地之间，地形起伏较大，以牧业为主，农牧结合，处在东部农业区向西部牧业区过渡地带；东部农业区处于黄土高原向青藏高原和西北干旱区的过渡地带，平均海拔1 700～3 500 m，气候条件相对较好，占全省总面积的4.85%；西北部的柴达木盆地，降水稀少，年均温1.1～5.1 ℃，光能资源丰富，形成干旱、极干旱的自然地理景观；青南牧区海拔在4 200 m以上，为青藏高原的腹心地带，以高寒草原畜牧业为主，是长江、黄河、澜沧江的发源地。青海省年降水量的分布趋势是由东南向西北逐渐减少，绝大部分地区年降水量在400 mm以下，柴达木盆地年降水量在17～182 mm，盆地西北部少于50 mm。统计1∶1 000 000植被类型图得到，青海省植被类型为草甸、草原、荒漠、高山植被、灌丛、针叶林、栽培植被、阔叶林和沼泽9大类，分别占全省植被覆盖面积的42.15%、20.02%、9.36%、6.89%、5.61%、0.89%、0.50%、0.15%和0.05%，除栽培植被外其他类型均属自然植被，占植被覆盖面积的90%以上。青海省研究区概况及植被类型如图1所示。

图1 研究区概况(a)及植被类型(b)Fig. 1 Study area (a) and vegetation types (b)

1.2 数据来源及预处理

GIMMS NDVI 3g数据为NASA’s Goddard Space Flight Center 15 d合成数据，空间分辨率0.083°×0.083°，是目前研究植被NDVI变化时间序列最长的数据集，其最新GIMMS NDVI 3g.v1数据集，是GIMMS NDVI 3g数据的升级产品，减少了数据中的噪声，数据为ncd格式，每年有两个nc4文件，每个nc4文件包含6个月NDVI数据，共12景(时间分辨率为15 d)，数据下载网址：(https://ecocast.arc.nasa.gov/data/pub/gimms)。本研究通过格式转换、投影变换、行政区矢量裁剪及质量检验等预处理过程，最后得到研究青海省植被NDVI变化的数据集。为消除云、大气和月内物候的影响，采用最大值合成法(MVC)[20]，使得每一像元为该月最大NDVI值。青海省植被一般5月份开始明显生长，持续到9月份中旬[21]，故选取5-9月作为青海省植被生长季节；为排除非植被因素对分析结果的影响[7]，采用1982-2015年生长季NDVI平均值大于0.1的区域作为植被覆盖区域，剔除NDVI小于0.1的非植被区域。植被类型图数据(1∶1 000 000)源于中国科学院资源环境科学数据中心(http://www.resdc.cn)。气象数据为青海省1982-2015年的逐月平均气温和降水量数据，来自中国气象数据网(http://data.cma.cn)。

1.3 分析方法

1.3.1变异系数 变异系数(coefficient of variation，CV)，也称“离散系数”，是衡量各观测值变异程度的一个统计量，可以消除测量尺度和量纲的影响。现已被广泛用于反映植被年际变化波动情况[22-23]，公式如下：

(1)

1.3.2Sen+Mann-Kendall 趋势分析 Theil-Sen斜率也被称为“Kendall斜率”或“非线性参数回归斜率”。Theil-Sen基于聚群和排序方法来计算变化趋势，与常规的线性回归相比，规避误差能力较强[25]。公式为：

(2)

1982≤i

式中：NDVIj和NDVIi为各像元第j年和第i年NDVI最大合成值，当β>0 时，反映NDVI呈上升趋势，反之为下降趋势。

Theil-Sen趋势变化的显著性不能通过自身判断，而Mann-Kendall是一种非参数秩次检验方法，其优点是无需对数据进行特定的分布检验，也不受少数极端值的影响[25]。公式如下：

设 {NDVIi}，i=1982,1983,…,2015,

(3)

方差V(S)=n(n-1)(2n+5)/18。

式中：NDVIi和NDVIj分别为研究区像元第i年和第j年的生长季NDVI值，为符号函数，n表示研究植被变化的时间长度。Z采用双边检验，取值范围为(-∞,+∞)，通过查找正态分布表，本研究中取0.05置信水平即在∣Z∣>1.96上判断植被NDVI变化趋势的显著性。

Theil-Sen斜率和Mann-Kendall趋势检验结合已经被广泛运用到植被趋势分析中[26-28]，是研究长时间序列植被NDVI数据的一种重要方法。为使结果准确可靠，应用MATLAB 2016年生成Sen+Mann-Kendall函数。

1.3.3R/S分析 R/S分析法，也称重标极差分析(rescaled range analysis)[29]。该方法由Hurst于1965年最先提出，在水文学、气候学、经济学等各种时间序列数据的分析中有着广泛应用，近期在植被生长变化趋势的预测中也得以应用[30-31]。为使结果准确可靠，采用IDL8.5生成Hurst函数，最后运用最小二乘法拟合得到H值。公式如下：

给定时间序列{NDVI(t)}，t=1，2，…，n。对于任意正整数τ，定义均值序列：

(4)

累积差：

(5)

1≤t≤τ。

极差：

R(τ)=max1≤t≤τX(t,τ)-min1≤t≤τX(t,τ)。

(6)

标准差：

(7)

若存在R/S∝τH，则表示时间序列{NDVI(t)}存在Hurst现象，H值称为Hurst指数。当0

2 结果与分析

2.1 青海省植被生长季NDVI空间分布特征

生长季NDVI是计算最大值合成后5-9月份NDVI平均值，利用1982-2015年的逐年植被生长季节NDVI平均值，得到青海省近34 年间植被NDVI空间分布特征图(图2)。青海省植被NDVI整体呈西部低、东部高，从西北到东南逐渐上升趋势，植被NDVI大于0.3区域占整个区域的46.4%。NDVI高值区主要分布在环湖和祁连山区、东部农业区及三江源区东南部，这些地区植被类型主要为针叶林、阔叶林、栽培植被、草甸；低值区主要分布在柴达木盆地及可可西里荒漠区，这些地区植被类型主要为高山植被、草原及荒漠。

2.2 青海省植被生长季NDVI变异性分析

变异系数反映了植被变化的稳定性，基于34年青海省植被NDVI的变异系数分析结果，采用几何间隔分割法分为5个层次(图3)。极低波动(0.013～0.061)区、低波动(0.061～0.077)区分别占植被覆盖区域面积的55.4%和17.2%，主要分布在环湖和祁连山区、东部农业区及青南牧区。可见青海省大部分地区植被生长变化较稳定；中度波动(0.077～0.125)区、较高(0.125～0.275)区和高波动(0.275～0.729)区分别占植被覆盖区域面积的22.6%、4.4%和0.3%，主要分布在祁连山地区、鄂拉山地区、茶卡-共和盆地、东部河湟谷地、东昆仑山区及唐古拉山地区。青海省植被NDVI变化表现出了明显的地域差异性，呈现“东南稳定、柴达木盆地边缘波动”的现象。青海省东南部地势较低，向西北部逐渐增高，印度洋孟加拉湾湿热气流从东南向西北部爬升[32]，造成东南部地区降水充沛，气候条件适宜，因此青海省东南部植被生长变化较稳定。而青海东部中低山区、丘陵、盆地和谷地以及东昆仑山区等柴达木盆地边缘地区降水相对较少，同时受人为因素影响较大，故柴达木盆地边缘植被覆盖变化波动性较强。

图2 近34年青海省植被生长季平均NDVI空间分布Fig. 2 Spatial distribution of NDVI in vegetation-growth season in Qinghai Province in the past 34 years

图3 近34年青海省生长季植被NDVI波动性空间分布图Fig. 3 Distribution pattern of NDVI in vegetation-growth season in Qinghai Province in the past 34 years

2.3 青海省植被生长季NDVI年际变化特征

取青海省1982-2015年逐年植被生长季NDVI均值制作植被年际NDVI变化图(图4)。1982-2015年植被NDVI整体呈波动上升趋势，增速为0.38%·10 a-1，并通过了显著性检验(P<0.01)。其中1994-1995年植被NDVI急剧下降，将两年NDVI值相减，约有86%的像元NDVI值在下降；1995-2000年植被NDVI持续增长，到2001年突然下降，统计两幅影像得出，79%的像元NDVI值在下降。已有研究发现，在20世纪90年代NDVI的趋势发生了重大变化，例如Piao等[33]发现，1997年是欧亚大陆25年(1982-2006年)的转折点，可能由于该时期的厄尔尼诺事件导致气候突变，从而影响了植被生长变化。而Zhang等[6]在喜马拉雅山科西河流域发现1994年和2000年两个植被生长突变点，与本研究一致。1994年青海省植被生长突变点比欧亚大陆早了3年，可能是由于高原和低海拔地区植被生长对气候响应的差异造成的。

图4 1982-2015年青海省植被生长季NDVI年际变化图Fig. 4 Interannual variation in NDVI in vegetation-growing season from 1982 to 2015

植被生长活动是一个不断适应气候变化和人为影响的动态过程，而研究长时间序列植被生长变化的整体趋势忽略了这个过程，同时由于1994和2000年NDVI值对后续植被变化趋势有明显影响，因此有必要对整体进行分段拟合，分为1982-1994年、1995-2000年、2001-2015年3个阶段。如图4所示，各阶段植被NDVI的增长率均超过了整体水平，且都通过了显著性检验(P<0.05)；其中1995-2000年增速最快，达到了4.5%·10 a-1。1982年植被生长季NDVI均值为0.28，到2015年上升到0.298，增长了6.3%。

2.4 近34年青海省植被生长变化趋势

将Theil-Sen趋势分析和Mann-Kendall显著性检验结果叠加，并将耦合结果分为4个层次[30](表1)。1982-2015年，β>0且|Z|>1.96，植被呈显著改善趋势，占全省植被覆盖面积的40.9%；β>0且|Z|≤1.96，植被呈轻微改善趋势，占植被覆盖面积的34.5%；β<0且|Z|>1.96，植被呈显著退化趋势，占植被覆盖面积的4.9%；β<0且|Z|≤1.96，植被呈轻微退化趋势，占植被覆盖面积的19.7%。植被改善区占植被覆盖区的绝大部分(75.4%)，表明青海省近34年来大部分地区植被以改善为主。分段结果显示，1982-1994年轻微改善面积占植被覆盖面积的最大部分(54.3%)，其次是显著改善面积(占24.4%)、轻微退化面积，占20.6%，显著退化面积，仅占0.7%；1995-2000年轻微改善面积占植被覆盖面积的绝大部分(76.6%)，显著改善和显著退化面积分别占12.9%、0.1%，轻微退化面积占12.9%；2001-2015年改善面积占植被覆盖面积的大部分(48.9%)，显著改善面积占27.7%，轻微退化面积占21.7.1%，显著退化面积仅占1.8%。

将植被变化趋势和显著性检验结果在GIS10.3叠加显示(图5)，图5 a为青海省近34年植被变化趋势，图5b、5c、5d为各阶段植被变化趋势。整体与分段显示结合，可以清楚地了解青海省近34年植被覆盖区的植被变化情况。可以看出，1982-2015年间植被改善区主要分布在东昆仑山区、东部柴达木盆地小区、中祁连山地小区、茶卡-共和盆地及部分河湟谷地；退化区主要位于阿尼玛卿山-黄南高原小区。1982-1994年植被覆盖变化趋势，显著改善区主要位于东昆仑山区、可可西里区；轻微改善区占大部分，除曲麻莱-杂多高原小区出现轻微退化外，基本均有分布。1995-2000年植被覆盖变化趋势，显著改善区零星分布于曲麻莱-杂多高原小区小区，轻微改善占植被覆盖区域的绝大部分；轻微退化区主要分布在东部农业区，基本无显著退化。2001-2015年植被覆盖变化趋势，显著改善区域主要分布在中祁连山地小区、东昆仑山区、茶卡-共和盆地及河湟谷地，轻微改善区约占植被覆盖面积的50%，全省基本都有分布，轻微退化和显著退化区主要位于玉树-囊谦高山深谷小区及阿尼玛卿山-黄南高原小区。通过分段分析可得，随时间变化植被NDVI在空间上存在转移现象，其中退化区转移较明显，1982-1994年主要分布在青南牧区西南部的曲麻莱-杂多高原小区，1995-2000年转移到了东部农业区，2001-2015年转移到青南牧区南部的玉树-囊谦高山深谷小区及阿尼玛卿山-黄南高原小区。

表1 近34年青海省植被生长变化趋势Table 1 Trend of vegetation change in Qinghai Province in the past 34 years

图5 1982-2015年青海省各阶段生长季植被变化趋势空间分布图Fig. 5 Spatial distribution of vegetation trends at various stages in the growing season in Qinghai Province from 1982 to 2015

2.5 青海省植被变化持续性分析

上述分析主要反映了近34年青海省植被变化情况，对其未来变化趋势尚不清楚，为此将植被变化结果与R/S分析结果叠加(图6)，用以揭示青海省植被未来的变化趋势。H值越接近于0.5，表明时间序列前后的变化无关联，即无法确定其变化趋势，借鉴刘焱序等[31]经验，本研究将H值介于0.4～0.6的视为不能判定其持续性。根据R/S分析结果得出，青海省植被NDVI的H值平均为0.39(0.045～0.733)，其中H值小于0.4的区域占植被覆盖区面积的58%，介于0.4～0.6间的占41.5%，大于0.6的仅占0.5%，说明青海省植被变化反持续性较强。如图6b所示，由退化转为改善的区域占植被覆盖区域的13.7%，主要分布在玉树-囊谦高山深谷原小区、黄河源头-巴颜喀拉山地小区及阿尼玛卿山-黄南高原小区；由改善转为退化的区域占44.3%，主要分布在东部柴达木盆地小区、中祁连山地小区、曲麻莱-杂多高原小区、玉树-囊谦高山深谷原小区及黄河源头-巴颜喀拉山地小区；未来变化趋势不确定的区域占41.5%，主要分布在东部农业区及青南牧区；持续性改善和持续性退化的区域仅分别占0.2%和0.3%。

图6 青海省植被Hurst指数(a)及未来变化趋势(b)Fig. 6 Hurst index of vegetation (a) and future trends in Qinghai Province (b)

3 讨论

3.1 植被NDVI对气候变化的响应

3.1.1像元尺度 青海省内降水量较大的区域主要集中在东南部，东北部的祁连山地区次之，可可西里及西北的柴达木盆地降水量最少，总的趋势是由东南向西北递减；年均温较高的地区主要分布在中部的湟水谷地及柴达木盆地，较低的区域主要分布在祁连山中西部及青南高原，总的趋势是南北低中间高[32]。近34年青海省植被生长季节气温和降水总体呈增长趋势，气温增长率为0.7 ℃·10 a-1，降水量增长率为7.7 mm·10 a-1(图7)，将生长季节NDVI与气温和降水量进行相关分析，发现NDVI与气温相关系数为0.56，并通过了显著性检验(P<0.01)，但与降水量变化相关不显著(P>0.05)；因此气温对植被覆盖变化的影响更明显。

3.1.2植被类型尺度 每种植被类型都具有独特的生理结构和生长所需的环境条件，使得不同植被类型对气候变化的响应存在差异[33-34]。由于自然植被占全省植被覆盖面积的90%以上，且Chen等[35]认为，土地覆被变化、火灾、植被病虫害等对GIMMS NDVI 3g数据影响可以忽略不计，因此可以利用该植被类型图获得用于本研究中各植被类型生长季NDVI的数据集。从不同植被类型的NDVI变化规律分析(图8)，近34年各植被类型NDVI均呈增加趋势，只是增加速率和幅度不一致，其中栽培植被和草原增长最快，增速分别为0.73%·10 a-1、0.58%·10 a-1，下来依次为阔叶林(0.47%·10 a-1)、高山植被(0.41%·10 a-1)、草甸(0.34%·10 a-1)、荒漠(0.36%·10 a-1)、针叶林(0.34%·10 a-1)、沼泽(0.30%·10 a-1)和灌丛(0.24%·10 a-1)，除阔叶林、针叶林、灌丛外其他类型均通过了显著性检验(P<0.05)。

图7 植被生长季NDVI与气温和降水的关系Fig. 7 Relationship of NDVI with temperature and precipitation in growth season

图8 各植被类型生长季NDVI年际变化图Fig. 8 Interannual variation in NDVI of each vegetation type

1982-2015年，阔叶林、灌丛及针叶林生长季NDVI分别介于0.516～0.585、0.508～0.545、0.500～0.544，其中1982年值最小，2013年值最大，将3种植被生长季NDVI均值与生长季平均气温和降水量进行相关分析发现，阔叶林、灌丛及针叶林均未通过0.05水平显著性检验；草甸、高山植被及草原生长季NDVI均值分别在0.383～0.431、0.282～0.323和0.211～0.256，其中1995年值最小，2010年值最大，将其生长季NDVI均值与生长季平均气温和降水量进行相关分析发现，3种植被生长季NDVI均与生长季平均气温呈现较好的相关性，相关系数分别为0.46、0.52和0.51，且通过了0.01水平显著性检验；栽培植被生长季NDVI在0.350～0.367，34年来NDVI变化幅度较大，增长了14.1%，其中1982年值最小，2012年值最大，将栽培植被生长季NDVI均值与生长季平均气温和降水量做相关分析得，其与生长季平均气温和降水量均相关，相关系数分别为0.38和0.35，均通过了0.05水平显著性检验；沼泽和荒漠生长季NDVI较低，生长季NDVI均值分别为0.142和0.103，二者生长季NDVI增长幅度都较大，分别增长了8.5%和13.7%，将沼泽和荒漠生长季NDVI与生长季平均气温和降水量进行相关分析得，其均与生长季平均气温呈现较好的相关性，相关系数分别为0.56和0.51，均通过了0.01水平显著性检验。以上分析表明，不同植被类型对气候变化干扰的反映存在较大差异，生理结构和生长所需环境较稳定的针叶林、灌木、阔叶林相对生理结构简单的荒漠、沼泽等类型的抗干扰能力强。

3.2 植被NDVI对人类活动的响应

植被覆盖变化与人类活动息息相关，尤其是国家退耕还林还草等大型生态恢复政策。本研究统计了从1983-2015年逐年的营造林和草地建设面积(1995-1999年青海省封山育林面积缺失)[36]，营造林面积主要为当年的人工造林面积和封山(沙)育林面积，草地建设面积主要为栽培草地面积和围栏草地面积(图9)。1983-2015年青海省营造林面积和草地建设面积整体均呈增长趋势，1999年以后显著增长，这与青海省1999年实行退耕还林还草生态恢复政策有关，同时植被NDVI也呈增长趋势，说明营造林和草地建设对植被NDVI变化起到一定的促进作用，但植被覆盖变化并未与营造林和草地建设趋势完全一致，这可能是由于气候变化等其他因子也对植被覆盖造成了影响。将逐年生长季节NDVI与逐年营造林和草地建设进行相关性分析，发现植被覆盖变化与逐年营造林面积呈极显著正相关(P<0.01)，但与逐年草地建设的相关性不显著。综上所述，青海省植被覆盖面积是在气候和人为因子共同作用下呈现波动上升趋势。

图9 生长季节NDVI与逐年营造林面积和逐年草地建设的关系Fig. 9 Relationship of NDVI in growing season with annual afforestation and grassland establishment

4 结论

本研究利用最新发布的时间跨度最长的1982-2015年GIMMS NDVI 3g.v1数据集，从空间、时间、植被类型3个尺度上，研究了青海省近34年植被NDVI的时空变化特征及植被变化趋势的可持续性。得出以下结论：

1)近34年青海省植被NDVI整体呈从西北到东南逐渐增加趋势，且变异系数表明，波动较大部分主要分布在柴达木盆地周边和青南高原西北部植被NDVI较低区，波动较小部分主要分布在祁连山东部、东部农业区和青南牧区东南部植被NDVI较高区。

2)近34年青海省植被NDVI呈增加趋势，增长率为0.38%·10 a-1；不同植被类型NDVI均呈增加趋势，但增加速率和幅度不一致，其中栽培植被增速最快。植被变化存在1994年和2000年两个植被生长突变点，1982-1994年、1995-2000年、2001-2015年均呈增加趋势，增长率分别为1.1%·10 a-1、4.5%·10 a-1和1.0%·10 a-1。

3)近34年青海省植被改善区(75.4%)远大于退化区(24.6%)，其中显著改善面积占植被覆盖区面积的40.9%；1982-1994年、1995-2000年和2001-2015年改善面积均在植被覆盖区面积的78%以上，通过分段研究可以清楚地了解青海省近34年植被覆盖区的植被变化情况。

4) Hurst指数分析表明，58%的植被覆盖区域H值小于0.4，H值在0.4～0.6占植被覆盖区域的41.5%，青海省植被变化反向特征显著。趋势变化与变化持续性耦合得出，由退化转为改善的区域占植被覆盖区面积的13.7%；由改善转为退化的区域占44.3%；未来变化趋势不确定的区域占41.5%；持续性改善和持续性退化区域仅占0.2%和0.3%。

5)不同植被类型对气候变化的反映存在较大差异，阔叶林、灌丛及针叶林与生长季平均气温和降水量进行相关分析，均未通过0.05水平显著性检验；草甸、高山植被、草原、沼泽和荒漠与生长季平均气温和降水量进行相关分析，均通过了0.01水平显著性检验；栽培植被与生长季平均气温和降水量进行相关分析，均通过了0.05水平显著性检验。

青海省现有的草原、灌丛、森林等植被是在长期严酷的自然环境下形成的，一旦遭到破坏短期内难以恢复。本研究结果较常规回归斜率方法更能反映青海省植被覆盖变化的趋势及变化程度，对近34年植被NDVI进行R/S分析，给出了青海省未来植被变化趋势的可持续性特征，对研究区生态环境保护等工程的具体实施具有一定的参考意义，且以GIMMS NDVI 3g.v1为数据源，研究近34年青海省植被覆盖变化，尽量减少了传感器不一致对结果的影响。本研究仍存在一些不确定性，首先研究数据分辨率(0.083°×0.083°)较低，对区域细节的解释能力有限，但对于植被宏观变化仍具有一定的指示意义；其次，本研究只选用了GIMMS NDVI 3g.v1一种数据集，缺乏对多源NDVI数据集的相互比较和验证，今后将进一步分析多种NDVI数据集在植被覆盖变化评估中的一致性，以期得到更精准的结论。

参考文献References:

[1] Menzel A,Fabian P.Growing season extended in Europe.Nature,1999,397:659-659．

[2] 周伟,刚成诚,李建龙,章超斌,穆少杰,孙政国.1982-2010年中国草地覆盖度的时空动态及其对气候变化的响应.地理学报,2014,69(1):15-30.

Zhou W,Gang C C,Li J L,Zhang S B,Mu S J,Sun Z G.Spatial-temporal dynamics of grassland coverage and its response to climate change in China during 1982-2010.Acta Geographica Sinica,2014,69(1):15-30.(in Chinese)

[3] 孙艳玲,郭鹏,延晓冬,赵天宝.内蒙古植被覆盖变化及其与气候、人类活动的关系.自然资源学报,2010,25(3):407-414.

Sun Y L,Guo P,Yan X D,Zhao T B.Dynamics of vegetation cover and its relationship with climate change and human activities in Inner Mongolia.Journal of Natural Resources,2010,25(3):407-414.(in Chinese)

[4] Sun J,Cheng G W,Li W P,Sha Y,Yang Y.On the variation of NDVI with the principal climatic elements in the Tibetan Plateau.Remote Sensing,2013,5(4):1894-1911.

[5] 罗玲,王宗明,宋开山,张柏,刘殿伟,仁春颖,张素梅.1982-2003年中国东北地区不同类型植被NDVI与气候因子的关系研究.西北植物学报,2009,29(4):800-808.

Luo L,Wang Z M,Song K S,Zhang B,Liu D W,Ren C Y,Zhang S M.Research on the correlation between NDVI and climatic factors of different vegetations in the Northeast China.Acta Botanica Boreali-Occidentalia Sinica,2009,29(4):800-808.(in Chinese)

[6] Zhang Y L,Gao J G,Liu L H,Yang X C.NDVI-based vegetation changes and their responses to climate change from 1982 to 2011:A case study in the Koshi River Basin in the middle Himalayas.Global & Planetary Change,2013,108(3):139-148.

[7] 杜加强,贾尔恒·阿哈提,赵晨曦,房世峰,刘伟玲,阴俊齐,袁新杰,徐延达,舒俭民,何萍.三江源区近30年植被生长动态变化特征分析.草业学报,2016,25(1):1-12.

Du J Q,Jiaerheng·Ahati,Zhao C X,Fang S F,Liu W L,Yin J Q,Yuan X J,Xu Y D,Shu J M,He P.Analysis of vegetation dynamics using GIMMS NDVI 3g in the Three-Rivers Head-water Region from 1982 to 2012.Acta Prataculturae Sinica,2016,25(1):1-12.(in Chinese)

[8] 陈京华,贾文雄,赵珍,张禹舜,刘亚荣.1982-2006年祁连山植被覆盖的时空变化特征研究.地球科学进展,2015,30(7):834-845.

Chen J H,Jia W X,Zhao Z,Zhang Y S,Liu Y R.Research on temporal and spatial variation characteristics of vegetation cover of Qilian Mountains from 1982 to 2006.Advances in Earth Science,2015,30(7):834-845.(in Chinese)

[9] 杜加强,舒俭民,张林波.1982-2006年黄南州NDVI年际变化及其与气候的关系.水土保持通报,2010,30(4):229-234.

Du J Q,Shu J M,Zhang L B.Relationship between NDVI and climate factors in Huangnan City in recent 25 years.Bulletin of Soil and Water Conservation,2010,30(4):229-234.(in Chinese)

[10] 王林林,刘普幸,王允.近14年来柴达木盆地NDVI时空变化及其影响因素.生态学杂志,2015,34(6):1713-1722.

Wang L L,Liu P X,Wang Y.Spatial and temporal variations of NDVI and its influencing factors in Qaidam Basin in the last 14 years.Chinese Journal of Ecology,2015,34(6):1713-1722.(in Chinese)

[11] 刘宪锋,任志远,林志慧,刘焱序,张东海.2000-2011年三江源区植被覆盖时空变化特征.地理学报,2013,68(7):897-908.

Liu X F,Ren Z Y,Lin Z H,Liu Y X,Zhang D H.The spatial-temporal changes of vegetation coverage in the Three-River Headwater Region in recent 12 years.Acta Geographica Sinica,2013,68(7):897-908.(in Chinese)

[12] Kern A,Marjanovi H,Barcza Z.Evaluation of the Quality of NDVI 3g Dataset against Collection 6 MODIS NDVI in Central Europe between 2000 and 2013.Remote Sensing,2016,8(11):955.

[13] 王玮,冯琦胜,郭铌,沙莎,胡蝶,王丽娟,李耀辉.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.草业科学,2015,32(12):1969-1979．

Wang W,Feng Q S,Guo N,Sha S,Hu D,Wang L J,Li Y H.Dynamic monitoring of vegetation coverage based on long time-series NDVI data sets in northwest arid region of China.Pratacultural Science,2015,32(12):1969-1979.(in Chinese)

[14] 许玉凤,杨井,陈亚宁,杨雅雪.近32年来新疆地区植被覆盖的时空变化.草业科学,2015,32(5):702-709.

Xu Y F,Yang J,Chen Y N,Yang Y X.The spatial-temporal variations of vegetation cover in Xinjiang from 1982 to 2013.Pratacultural Science,2015,32(5):702-709.(in Chinese)

[15] 刘宪锋,朱秀芳,潘耀忠,李宜展,赵安周.1982-2012年中国植被覆盖时空变化特征.生态学报,2015,35(16):5331-5342.

Liu X F,Zhu X F,Pan Y Z,Li Y Z,Zhao A Z.Spatiotemporal changes in vegetation coverage in China during 1982 to 2012.Acta Ecologica Sinica,2015,35(16):5331-5342.(in Chinese)

[16] Ibrahim Y Z,Balzter H,Kaduk J,Tucker C.Land degradation assessment using residual trend analysis of GIMMS NDVI 3g, soil moisture and rainfall in Sub-Saharan West Africa from 1982 to 2012.Remote Sensing,2015,7(5):5471-5494.

[17] Wang J,Dong J,Liu J,Huang M,Li G C,Running S W,Smith W K,Harris W,Saigusa N,Kondo H,Liu Y F,Hirano T,Xiao X M.Comparison of gross primary productivity derived from GIMMS NDVI 3g,GIMMS,and MODIS in Southeast Asia.Remote Sensing,2014,6(3):2108-2133.

[18] 杜加强,王跃辉,师华定,房世峰,何萍,刘伟玲,阴俊齐.基于MODIS和Landsat的青藏高原两代GIMMS NDVI性能评价.农业工程学报,2016,32(22):192-199.

Du J Q,Wang Y H,Shi H D,Fang S F,He P,Liu W L,Yin J Q.Performance evaluation of GIMMS NDVI 3g and GIMMS NDVI g based on MODIS and Landsat in Tibetan Plateau.Transactions of the Chinese Society of Agricultural Engineering,2016,32(22):192-199.(in Chinese)

[19] 中国气象局国家气象中心.中国气象地理区划手册.北京:气象出版社,2011:34-35．

China Meteorological Administration National Meteorological Center of CMA．Meteorological and Geographical Regionalization Handbook.Beijing:China Meteorological Press,2011:34-35．(in Chinese)

[20] Holben B N.Characteristics of maximum-value composite images from temporal AVHRR data. International Journal of Remote Sensing,1986,7(11):1417-1434.

[21] 赵健赟,彭军还.基于MODIS NDVI的青海高原植被覆盖时空变化特征分析.干旱区资源与环境,2016,30(4):67-73.

Zhao J B,Peng J H.Spatio-temporal variation of the vegetation coverage in Qinghai Plateau based on MODIS NDVI data.Journal of Arid Land Resources and Environment,2016,30(4):67-73.(in Chinese)

[22] Shang H.NDVI reconstruction based on tree-ring width ofSabinatibeticaKom in Central Tibet.Journal of Cell Biology,2015,190(6):1093-1106.

[23] Oindo B O,Skidmore A K.Interannual variability of NDVI and species richness in Kenya.International Journal of Remote Sensing,2002,23(2):285-298.

[24] Cao R,Jiang W G,Yuan L H,Wang W J,Lv Z L,Chen Z.Inter-annual variations in vegetation and their response to climatic factors in the upper catchments of the Yellow River from 2000 to 2010.Journal of Geographical Sciences,2014,24(6):963-979.

[25] 蔡博峰,于嵘.基于遥感的植被长时序趋势特征研究进展及评价.遥感学报,2009,13(6):1170-1186.

Cai B F,Yu R.Advance and evaluation in the long time series vegetation trends research based on remote sensing.Journal of Remote Sensing,2009,13(6):1170-1186.(in Chinese)

[26] 袁丽华,蒋卫国,申文明,刘颖慧,王文杰,陶亮亮,郑华,刘孝富.2000-2010年黄河流域植被覆盖的时空变化.生态学报,2013,33(24):7798-7806.

Yuan L H,Jiang W G,Shen W M,Liu Y H,Wang W J,Tao L L,Zheng H,Liu X F.The spatio-temporal variations of vegetation cover in the Yellow River Basin from 2000 to 2010.Acta Ecologica Sinica,2013,33(24):7798-7806. (in Chinese)

[27] 黄聪.基于GIMMS NDVI 3g数据东北地表物候变化研究.长春:东北师范大学硕士学位论文,2015.

Huang C.The variation of land surface phenology based on GIMMS NDVI 3g Dataset.Master Thesis.Changchun:Northeast Normal University,2015.(in Chinese)

[28] 袁沫汐.湖北省植被动态变化与物候对气候变化的响应.武汉:武汉大学硕士学位论,2017.

Yuan M X.Dynamic change of vegetation and phenology response to climate change in Hubei Province.Master Thesis.Wuhan:Wuhan University,2017.(in Chinese)

[29] Rao A R,Bhattacharya D,Rao A R,Bhattacharya D.Hypothesis testing for long-term memory in hydrologic series.Journal of Hydrology,1999,216(3):183-196.

[30] Peng J,Liu Z H,Liu Y H,Wu J S,Han Y N.Trend analysis of vegetation dynamics in Qinghai-Tibet Plateau using Hurst Exponent.Ecological Indicators,2012,14(1):28-39.

[31] 刘焱序,王仰麟,彭建,魏海,宋治清,张小飞.耦合恢复力的林区土地生态适宜性评价：以吉林省汪清县为例.地理学报,2015,70(3):476-487.

Liu Y X,Wang Y L,Peng J,Wei H,Song Z Q,Zhang X F.Land ecological suitability assessment for forest coupled withthe resilience perspective:A case study in Wangqing County,Jilin Province,China.Acta Geographica Sinica,2015,70(3):476-487.(in Chinese)

[32] 张忠孝.青海地理.北京:科学出版社,2009.

Zhang Z X.Geography of Qinghai.Beijing:Science Press,2009.(in Chinese)

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

[34] 王志伟,王茜,李世歌,王普昶,刘秀峰,谢彩云,史健宗,吴佳海,王小利,陆瑞霞,莫本田.贵州喀斯特近30年植被生长特征分析.草业科学,2016,33(11):2180-2188.

Wang Z W,Wang Q,Li S G,Wang P C,Liu X F,Xie C Y,Shi J Z,Wu J H,Wang X L,Lu R X,Mo B T.The growth characteristics of vegetation in the Karst regions of Guizhou from 1981-2012.Pratacultural Science,2016,33(11):2180-2188.(in Chinese)

[35] Chen B H,Xu G,Coops N C,Ciais P,Innes J L,Wang G Y,Myneni R B,Wang T L,Krzyzanowski J,Li Q L,Cao L,Liu Y.Changes in vegetation photosynthetic activity trends across the Asia-Pacific region over the last three decades.Remote Sensing of Environment,2014,144(4):28-41.

[36] 青海省统计局编.青海省统计年鉴1984-2016.北京:中国统计出版社.

Statistics Bureau of Qinghai Province.Statistical Yearbook of Qinghai Province 1984-2016.Beijing:China Statistics Press.(in Chinese)