img

官方微信

遥感技术与应用, 2020, 35(1): 245-254 doi: 10.11873/j.issn.1004-0323.2020.1.0245

遥感应用

利用MODIS EVI时间序列数据分析福建省植被变化(2000~2017年)

王一帆,1,2, 徐涵秋,1,2

1. 福州大学环境与资源学院 空间数据挖掘与信息共享教育部重点实验室,福建 福州 350116

2. 福州大学遥感信息工程研究所 福建省水土流失遥感监测评价重点实验室,福建 福州 350116

Analysis of Vegetation Changes in Fujian Province Using MODIS EVI Time Series Data (2000~2017)

Wang Yifan,1,2, Xu Hanqiu,1,2

1. College of Environment and Resources, Key Laboratory of Spatial Data Mining & Information Sharing of Ministry of Education, Fuzhou 350116, China

2. Institute of Remote Sensing Information Engineering, Fujian Provincial Key Laboratory of Remote Sensing of Soil Erosion, Fuzhou University, Fuzhou 350116, China

通讯作者: 徐涵秋(1955-),男,江苏盐城人,教授,博士生导师,主要从事环境与资源遥感研究。E⁃mail:hxu@fzu.edu.cn

收稿日期: 2018-09-16   修回日期: 2019-12-05   网络出版日期: 2020-03-31

基金资助: 国家重点研发计划专项.  2016YFA0600302
福建省水利科技项目.  MSK201704

Received: 2018-09-16   Revised: 2019-12-05   Online: 2020-03-31

作者简介 About authors

王一帆(1994-),男,福建福安人,硕士研究生,主要从事环境与资源遥感研究E⁃mail:wyfan63@163.com , E-mail:wyfan63@163.com

摘要

以全国森林覆盖率最高的福建省为研究对象,利用2000~2017年夏季的MODIS EVI植被指数数据和气象与非气象因子进行协同分析,以揭示近17年福建植被的时空变化及其影响因子。结果表明:研究期内福建的EVI均值整体上升,从2000年的0.454上升至2017年的0.505,17 a间上升了11.2%,表明福建省的植被整体处于变好的状态,且在中部和西南部的变化最明显。相关分析表明,在研究期内,气象因子(气温和降水)对EVI变化的影响不显著,植被的变好主要为非气象因子的作用。EVI的提高主要得益于2003年福建省建设生态省后森林覆盖率的提高,并和2012年开始的水土流失治理有明显关系,这说明人类活动的积极作用对福建植被的变好起到了关键的作用。

关键词: MODIS ; 时间序列 ; EVI ; 植被 ; 福建

Abstract

Fujian province has the highest forest coverage rate in China for decades, which has played an important role in maintaining a good ecosystem quality in southeastern China. This study conducted an investigate aiming to find out the spatial and temporal changes of the vegetation status in Fujian and the impact factor involving in the vegetation growth during the period from 2000 to 2017, using the summer data of MODIS Enhanced Vegetation Index (EVI) product, associated with meteorological and non-meteorological data. The results showed that the mean EVI of Fujian rose as a whole during the 17 study years, from 0.454 in 2000 to 0.505 in 2017, increased by 11.2% in the period. This indicates that the overall vegetation status in Fujian has been improved, especially in, south and west parts of the province, while eastern coastal areas have shown decrease in vegetation coverage. Correlation analysis showed that during the study period, meteorological factors (temperature and precipitation) had no significant impact on the provincial EVI change, and the improvement of the vegetation status mainly due to non-meteorological factors. Both the construction of the ecological province in Fujian starting in 2003 and the soil erosion treatment starting in 2012 have strong relationships with vegetation increase. The increase of forest coverage rate and the decrease of soil erosion area have contributed significantly to the enhancement of Fujian’s EVI in the past 17 years.

Keywords: MODIS ; Time series ; EVI ; Vegetation ; Fujian

PDF (3679KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

王一帆, 徐涵秋. 利用MODIS EVI时间序列数据分析福建省植被变化(2000~2017年). 遥感技术与应用[J], 2020, 35(1): 245-254 doi:10.11873/j.issn.1004-0323.2020.1.0245

Wang Yifan, Xu Hanqiu. Analysis of Vegetation Changes in Fujian Province Using MODIS EVI Time Series Data (2000~2017). Remote Sensing Technology and Application[J], 2020, 35(1): 245-254 doi:10.11873/j.issn.1004-0323.2020.1.0245

1 引 言

植被在全球生态系统中扮演着极其重要的角色,影响着全球的生态系统和气候变化[1,2,3,4]。在我国,福建省一直是森林覆盖率最高的省份,它对整个中国东南地区的生态系统起到重要的作用。因此,对福建省近17 a来植被变化进行动态监测具有重要的意义。

在大区域的植被动态变化中,遥感对地观测技术因其具有宏观、高效和快捷等特点而得到广泛应用[5,6,7,8]。其中,Advanced Very High Resolution Radiometer (AVHRR)的植被产品已对全球植被进行了持续40 a之久的监测。而1999年升空、具有较高分辨率的Moderate Resolution Imaging Spectroradiometer (MODIS)的植被数据则成为近10 a研究植被的最重要数据[9,10,11]。MODIS长时间序列的Enhanced Vegetation Index (EVI)植被产品以其在植被监测中具有时相多、覆盖面广、且不易产生过饱和等优势[5,12],而被广泛应用于大区域尺度的植被物候变化监测[13,14]、植被蒸发散和树种丰富度预测[15,16]、农作物分类[17]以及植被返青期的调查[18]。在我国,EVI数据常被用来揭示植被健康状况和查明植被与不同因素之间的响应关系。其中,赵伟等[19]在进行四川重庆地区的EVI变化监测时发现,EVI于7或8月达到最高值,能较好地反映气候对植被的影响。宋冬梅等[20]对三江源区EVI的研究表明该区EVI最大值于8月出现,并认为其植被与气象条件具有较强的响应关系。陈燕丽等[21]利用喀斯特地区的EVI和NDVI植被时间序列数据分别对比了二者与气象要素的关系,结果发现EVI对大多数气象要素的响应优于NDVI。

当前,在我国大区域的植被研究报导中,多数是针对干旱与半干旱地区[9,22,23]和东部平原地区[7,24,25],而福建省作为全国森林覆盖率最高的省份却少有植被长时序的遥感研究报道。为了进一步揭示福建省植被的最新时空变化特征,本文利用MODIS的EVI植被产品数据定量监测福建省植被在2000~2017年间的时空变化,并结合气象与非气象因子分析它们对福建省植被状况的影响,为保护和继续改善福建的植被状况提供决策依据。

2 数据和方法

2.1 研究区概况

福建省位于中国东南沿海,地理位置介于115°50′~120°40′ E、23°33′~28°20′ N之间。其地形以山地丘陵为主,属亚热带季风气候,年均降水量约为1 464 mm,年均气温约为21.3 ℃,但夏季最高气温可超40 ℃。福建省域面积约为12.4 万km2,森林覆盖率达到65.95%,位居全国首位,且保持相对稳定。由于统计资料中不涉及金门县数据,因而在进行植被分析时不包括该县。图1是福建省行政区划及其气象站点分布图。

图1

图1   福建省行政区划及其气象站点分布图

Fig.1   Map showing the administrative divisions of Fujian Province and the distributions of meteorological stations


2.2 MODIS EVI植被指数数据

MODIS搭载于Terra/Aqua卫星上,每隔1~2 d可观测整个地球表面。其中,针对MODIS开发的EVI植被产品较AVHRR的NDVI产品有了很大的改进,改进后的优点包括:耦合树冠背景信号、减少大气影响和优化高植被区信号[5,6],克服了NDVI在高植被区易过饱和的现象[9,20,26],因此,EVI被广泛用于植被状况的研究。EVI的公式如下[5]

EVI=G×ρNIR-ρredρNIR+C1×ρred-C2×ρblue+L

其中:ρNIRρredρblue分别为近红外、红光和蓝光的反射率,G是增益调整因子,C1C2是大气调节参数,L为植被冠层背景调整因子。这些参数分别为G=2.5,C1 =6.0,C2 =7.5,L=1。

由于夏季为植被最茂盛的时期,因此本文选用MODIS7~9月的EVI月合成产品(MOD13A3)数据来进行研究。数据下载于Level-1 and Atmosphere Archive and Distribution System Distributed Active Archive Center (LAADS DAAC)网站(https://ladsweb.nascom.nasa.gov),为MODIS Terra C6 版本,空间分辨率为1 km。数据的时间跨度为2000~2017年,共有54景EVI的Level 3 级影像。通过MODIS Reprojection Tool工具将正弦投影的EVI数据转换成WGS 1984、UTM 50的投影。最后将每一年夏季的3个月影像合成为各年夏季的均值影像,构成福建省近17 a时间序列的EVI植被影像。

2.3 气象数据和非气象数据

气象数据收集自国家气象信息中心(http://data.cma.cn/site/index.html)。该网站提供了福建省28个气象基准站2000~2017年夏季7~9月的月平均气温和平均降水量。对各年份夏季3个月的气温和降水量取均值,获得各年份夏季的平均气温和平均降水量数据(表1)。

表1   福建省各年份夏季平均气温和平均降水量数据

Table 1  Summer average temperature and precipitation data of each study year in Fujian

年份平均气温/℃平均降水量/mm
200026.13168.32
200126.43177.03
200226.07201.38
200327.9680.77
200426.52192.63
200527.20154.04
200626.54174.37
200726.87149.40
200827.22147.67
200927.51148.39
201027.41130.77
201126.88129.04
201226.52132.75
201327.03151.99
201427.46190.60
201525.82254.08
201626.86237.80
201727.70126.43
平均值26.90163.75
标准差0.5840.41

新窗口打开| 下载CSV


为了探究非气象因素对EVI变化的影响,本文还选取了可能与EVI有关的其他2类数据。分别为2000~2017年的森林覆盖率和水土流失治理面积,数据来源为福建省统计年鉴(http://tjj.fujian.gov.cn/xxgk/ndsj/)和国家统计局(http://www.stats.gov.cn/) (表2)。

表2   福建省各年份森林覆盖率和水土流失治理面积数据

Table 2  Data of forest coverage rate and controlled soil erosion area of each study year in Fujian

年份森林覆盖率/%水土流失治理面积/万km2
200060.520.92
200160.520.96
200260.521.00
200360.521.15
200462.961.05
200562.961.13
200662.961.24
200762.961.36
200862.961.39
200963.101.44
201063.101.47
201163.101.49
201263.101.49
201365.953.26
201465.953.39
201565.953.40
201665.953.58
201765.953.03

新窗口打开| 下载CSV


2.4 研究方法

2.4.1 影像差值法

采用影像差值法[27]进行不同时期植被状况的动态变化检测。首先,选取2000~2006、2006~2011、2011~2017以及2000~2017作为变化检测的4个时段。根据整个研究期内EVI的动态范围将EVI划分为6个等级,然后据此对这些参与变化检测年份的EVI影像进行分级,再对各时段的分级影像进行两两相减,获得它们之间的差值影像。差值影像中像元值大于0、等于0和小于0的像元分别表示EVI上升、不变和下降。

2.4.2 IDW插值法

考虑到气象数据的空间异质性问题,对气象站点数据采用反距离加权方法(Inverse Distance Weighted, IDW)进行插值,并提取福建省各地市气象网格数据信息。IDW法插值公式[28]如下:

Z=[i=1nZidi2]/[i=1n1di2]

其中:Z为栅格点气象要素估计值,Zi为气象要素在第i个站点的值,di为插值点到第i个站点的直线距离,n为用于插值的站点数。

2.4.3 相关分析

将2000~2017年全省及各地市的EVI均值序列与对应的气象因子(气温和降水)进行相关分析,计算出相关系数和决定系数,并进行显著性检验分析,以此来反映气象因子对EVI的影响程度。相关系数公式如下[29]

Rxy=i=1n(yi-y¯)(xi-x¯)i=1n(yi-y¯)2(xi-x¯)2

其中:yx¯分别表示两个要素样本值的均值。通过对相关系数R求平方可获取决定系数R2

3 结果与分析

3.1 福建EVI的时间变化特征

表3为福建省近17 a的EVI数据。从表中可以看出,2017年的EVI的最大值、最小值和均值都高于2000年的相应数据值。这说明在这17 a期间,福建的EVI整体呈上升趋势,从2000年的0.454上升到2017年的0.505,总体上升了11.2 %。EVI的最小值(0.451)在2004年出现,最大值则为2016年的0.506。

表3   福建省近17 a时间序列的EVI统计数据

Table 3  Statistics of EVI time series data in Fujian from 2000 to 2017

年份最小值最大值均值标准差
2000-0.0620.6900.4540.058
2001-0.0760.6460.4580.062
2002-0.0950.6660.4680.064
2003-0.0810.6500.4540.063
2004-0.0280.6420.4510.059
2005-0.0800.6360.4520.060
2006-0.0610.6780.4810.068
2007-0.0650.6730.4770.064
2008-0.0490.6780.4750.066
2009-0.0520.7150.4880.074
2010-0.1610.7070.4960.079
2011-0.0380.7000.4840.075
2012-0.0500.7250.4810.073
2013-0.0590.7020.4840.072
2014-0.0860.7410.4940.081
2015-0.0540.6870.4930.073
2016-0.0500.7310.5060.078
2017-0.0330.7650.5050.081

新窗口打开| 下载CSV


图2福建省夏季的EVI均值图可以看出,在17 a间,研究区EVI均值发生了4次大幅度上升和3次较明显的下降。其中,植被的EVI在2000~2002年间从0.454上升到0.468,增加了3.1%,随后在2002~2004年发生了第一次下降,EVI从0.468下降到0.451,降低了3.6%,使得2004年成为了17 a中EVI值最低的时期。在接下来的2004~2006年间植被状态开始好转,EVI从0.451上升到0.481,增加了6.7%,是整个研究期间上升幅度最大的期间。2006~2008年EVI又经历了一次小幅度的降低,从0.481下降到0.475,降低了1.2%。2008年之后的2 a(2008~2010年) EVI又从0.475上升到0.496,增加了4.4%,使得EVI在2010年达到了一个小高峰。到了2010~2012年,EVI又一次明显下降,从0.496下降到0.481,降低了3.0 %。在随后的2012~2017年期间,福建的EVI呈整体上升态势,EVI从0.481上升到0.505,增加了5.0 %。

图2

图2   2000~2017年福建夏季EVI均值的时序变化

Fig.2   Change of the summer mean EVI in Fujian from 2000 to 2017


图3为福建省9地市2000~2017年的EVI均值变化图。福建省各地市的EVI均值在2000~2017年间虽然呈现出不同程度的波动,但总体表现为上升趋势。其中,EVI均值在近3 a来持续上升的区域主要位于内陆地区的三明市和龙岩市,而位于沿海的福州、宁德、莆田、泉州、厦门和漳州市的EVI均值在2017年则呈现出较明显的下降趋势。

图3

图3   2000~2017年福建省各地级市夏季EVI均值的时序变化

Fig.3   Change of the summer mean EVI in nine prefecture-level cities of Fujian from 2000 to 2017


3.2 福建EVI的空间变化特征

图4是用于变化检测的起始年(2000年)、中间

图4

图4   2000、2006、2011和2017年福建夏季EVI均值影像

Fig.4   Image of the summer mean EVI of Fujian between 2000 and 2017


年(2006年、2011年)和结束年(2017年)的EVI影像。从图4中可以看出,这4个年份福建省的大部分区域整体呈现偏红色调,代表EVI值较高,植被状态较好;而偏蓝色调则主要出现在东部沿海城市一带,说明这些地区EVI值偏低,植被状态较差。

图5(a)~(d)分别是福建省4个时间段植被的差值变化检测结果影像,图中偏绿色调表示植被变好的区域,偏黄色调表示植被不变的区域,偏红色调表示植被变差的区域。表4是对各时段变好、不变和变差面积的统计结果。可以发现,2000~2006年时间段以大片绿色为主基调(图5(a)),植被以变好为主,面积占比为35%,变差的仅占6%;2006~2011年时间段则在中部、北部和西部的边缘地区出现较大面积的红色调(图5(b)),说明植被有明显变差,变差的面积上升到16%;2011~2017年时间段(图5(c)),西部和中部的植被状态有明显改善,变差的面积下降到8%,但东部仍进一步变差。从整个17 a来看(图5(d)),福建的植被以变好为主,大部分区域表现为EVI上升的绿色。其中,中、西和南部以改善为主,东部沿海和北部的局部地区则以变差为特征。统计表明,2000~2017年间福建植被变好的区域面积占到了50%,而变差的只占5%。

图5

图5   2000~2017年福建夏季EVI的变化检测

Fig.5   Change detection of the summer mean EVI of Fujian between 2000 and 2017


表4   EVI变化检测表

Table 4  Change detection of EVI between study years

类别级差2000~20062006~20112011~20172000~2017
面积/km2级面积/km2百分比/%面积/km2级面积/km2百分比/%面积/km2级面积/km2百分比/%面积/km2级面积/km2百分比/%
-3010013
变差-2997 261612720 333165610 08882376 1845
-17 16220 19610 0325 934
不变073 57573 5755982 09482 0946684 65984 6586855 64655 64645
143 05321 49428 96861 426
变好211143 164357921 5731828229 2542474462 17050
30040

新窗口打开| 下载CSV


3.3 福建EVI与气象因子的关系

从福建夏季气象要素的均值在各年份的变化情况来看(图6(a)、(b)),平均气温和平均降水量随时间的变化虽然都略呈上升趋势,但都没有表现出明显的线性关系,表现在它们的R2都小于0.1,显著性皆不明显(p都大于5%),说明在研究期内福建的气温和降水的变化都不是简单的线性表示。为了进一步分析气象因子对福建植被变化的影响程度,将各夏季气象数据与福建的EVI数据进行回归分析(图6(c)、(d)),可以看出,气温和降水与EVI的相关关系也都很低,R2也都小于0.1,且都未能通过5%的显著性检验。从表1可以看出,所研究的17 a期间,福建的气候相对稳定,表现在它们的标准差都较小,数据没有明显离散。这说明,在福建这种亚热带气候条件下,在植被正常生长所需的温度和降水都有足够的保证,且变化幅度不大的情况下,气象要素的变化不是影响植被状态变化的主要原因。

图6

图6   2000~2017年间福建夏季平均气温和降水量的变化及其与EVI均值的关系

Fig.6   Temporal changes of meteorological factors and their relationship with summer mean EVI in Fujian during 2000~2017


进一步分析福建省9地市和28个气象站点位置的气象数据和EVI的关系。表5为各年份经IDW插值生成的9地市气象数据均值与其EVI均值的关系表。可以看出,各地市的降水量和气温对相应EVI的相关性不高,R2值都很小,且有88.9 %未能通过显著性检验(p都大于5%),说明气象因子在9个地市都不是影响植被生长的主要因素。从28个气象站点的气象数据与其对应的EVI的关系来看(表6),各气象站所在位置的降水量和气温对相应EVI的影响同样很小,且有94.6 %的数据未能通过显著性检验,再次说明了气象因素不是造成EVI上升的主要因素。

表5   2000~2017年福建省各地市气象因子与EVI的关系表

Table 5  Relationship between meteorological factors and EVI in nine prefecture-level cities of Fujian Province from 2000 to 2017

地级市福州市宁德市莆田市泉州市厦门市漳州市三明市龙岩市南平市
R2平均降水量与EVI均值0.2210.0300.1090.1510.0780.0540.0490.0030.163
平均气温与EVI均值0.0110.0460.3140.2160.0060.0550.1870.2070.004

注:表示通过5 %显著性检验

新窗口打开| 下载CSV


表6   研究期间福建省各气象站所在位置的气象因子与EVI关系表

Table 6  Relationship between meteorological factors and EVI at the 28 meteorological station sites of Fujian Province during studying years

站点号R2
平均降水量与EVI平均气温与EVI
587250.0010.042
587300.0090.006
587310.0840.108
587370.0880.193
587540.0110.099
588200.0000.005
588460.0010.068
588470.1630.006
589110.0050.100
589180.0050.030
589260.0000.012
589310.0600.000
589440.469**0.204
591330.0040.017
591340.1790.030
588340.0910.005
589210.0010.013
589330.0750.389**
591260.0030.012
593210.1640.104
587340.0590.016
589270.0070.028
587440.0020.205
588180.0150.093
588370.0250.247
588430.2540.168
591130.1410.089
589360.5550.004

注:*,**表示通过5 %和1 %显著性检验

新窗口打开| 下载CSV


3.4 福建EVI与非气象因子的关系

从统计年鉴数据来看(表2),福建森林覆盖率从2000年的60.52%上升到2017年的65.95 %,提升了5.43 个百分点。福建水土流失治理面积从2000年的0.921万km2增加到2017年的3.033万km2,增加了2.29倍。从图7(c)、(d)的回归分析图可以看出,森林覆盖率和水土流失治理面积与EVI的决定系数R2分别为0.598 (p<1 %)和0.564 (p<1 %),显然,二者的增加都对EVI的上升起到了高度显著的贡献作用。

图7

图7   2000~2017年间福建省森林覆盖率和水土流失治理面积的变化及其与夏季EVI均值的关系

Fig.7   Temporal changes of non-meteorological factors and their relationships with summer mean EVI in Fujian during 2000~2017


在一般情况下,若植被面积不变而EVI上升,则EVI的上升很可能与气候变化有关;若植被面积上升且EVI也上升,则EVI的变化可能与气候有关也可能与人类活动有关,即和非气象因子有关,或者两者兼而有之。上一节已经分析福建EVI的变化与气象因子并无显著关系,因此其EVI的上升则可能与人类活动有关。

福建省早于2002年8月就被列为全国第一批生态省建设试点省份,其后的每一个“五年计划”中,福建省持续开展专项支持生态省建设的工作,其中提高森林覆盖率是重要的建设内容[30]。这可能是2004年后福建植被覆盖率明显上升的一个主要原因(图7(a))。2013年福建森林覆盖率的再次跃升(图7(a))则与福建省在2012年开展的大规模水土流失治理(图7(b))使得森林面积大幅度增加有关。2011年与2012年之交,习近平同志对福建省长汀县的水土流失治理工作做出重要批示,此后福建省的水土流失治理工作全面展开[30,31],这也是图7(b)中,水土流失治理面积在2013年大幅上升的重要原因。

福建省长汀县可以作为一个人类活动改善植被状况的典型例子。该县曾是我国三大水土流失区之一[32],也因此一直受到各级政府的关注,是福建省水土流失治理的重点治理区。福建省政府早在2000年就将该县的水土流失治理纳入省政府“为民办实事项目”,并于同年颁布《封山育林命令》。在2000~2017年的17 a间,长汀县的EVI总体呈上升趋势,其均值从0.463上升到0.540,增加了16.6 %,其增加幅度明显高于全省的增加幅度。该县的水土流失面积也从2000年的704.38 km2,下降到2017年的245.33 km2,减少了65.17 %。而17 a间的降水量下降了40.93 %,气温上升了7.54 %,都小于水土流失面积的变化幅度。相关分析表明,EVI与水土流失面积的相关系数达到0.591,大于降水量和气温的0.119和0.527。这说明该县EVI的上升主要得益于当地人民对水土流失的治理。

综上,人类活动是福建省EVI上升的最主要影响因素。有研究表明:1982~2016年全球的林木树冠覆盖增加了224万km2,裸地减少了116万km2,这些土地覆盖变化中的60 %与人类直接活动有关。而在亚洲,人类活动的贡献可占到62 %[33]

4 结 语

本文利用2000~2017年时间序列MODIS EVI夏季植被产品研究了福建植被的时空变化特征以及气象和非气象因子对EVI的影响,并得到以下结论:

(1) 福建EVI从2000年的0.454增长至2017年的0.505,提升了11.2%。植被变好的区域占全省总面积的50%,且主要分布在福建的中部和西南部等内陆地区。

(2) 福建气象要素(气温和降水)对EVI上升的影响并不显著,EVI上升的主要影响因素是来自与人类活动有关的非气象要素,森林覆盖率和水土流失治理面积的增加对福建EVI的上升起到了显著的贡献作用,并与福建生态省建设和水土流失治理的几个关键时间点吻合。

(3) 在福建这种亚热带地区,在气象条件能够满足植被正常生长的情况下,非气象因素往往有可能成为植被变化的主要因素。

参考文献

Chen X L , Zhao H M , Li P X ,et al .

Remote Sensing Image-based Analysis of the Relationship between Urban Heat Island and Land Use/Cover Changes

[J].Remote Sensing of Environment,2006,104(2):133-146.

[本文引用: 1]

Heimann M , Reichstein M .

Terrestrial Ecosystem Carbon Dynamics and Climate Feedbacks

[J].Nature,2008,451(7176):289-292.

[本文引用: 1]

Xu Hanqiu .

A Remote Sensing Urban Ecological Index and Its Application

[J].Acta Ecologica Sinica,2013,33(24):7853-7862.徐涵秋.

城市遥感生态指数的创建及其应用

[J].生态学报,2013,33(24):7853-7862.

[本文引用: 1]

Xu Wenxin , Zhou Yuke , Liang Juanzhu ,et al .

A Breakpoints based Spatio-temporal Analysis of Tibetan Plateau Vegetation

[J].Remote Sensing Technology and Application,2019,34(3):667-676.许文鑫,周玉科,梁娟珠, .

基于变化点的青藏高原植被时空动态变化研究

[J].遥感技术与应用,2019,34(3):667-676.

[本文引用: 1]

Huete A , Didan K , Miura T ,et al .

Overview of the Radiometric and Biophysical Performance of the MODIS Vegetation Indices

[J].Remote Sensing of Environment,2002,83(1):195-213.

[本文引用: 4]

Wang Zhengxing , Liu Cuang , Alfredo Huete .

From AVHRR- NDVI to MODIS-EVI: Advances in Vegetation Index Research

[J].Acta Ecologica Sinica,2003,23(5):979-987.

王正兴, 刘闯, Huete Alfredo

.

植被指数研究进展:从AVHRR-NDVI到MODIS-EVI

[J].生态学报,2003,23(5):979-987.

[本文引用: 2]

Pan Y , Li L , Zhang J ,et al .

Winter Wheat Area Estimation from MODIS-EVI Time Series Data Using the Crop Proportion Phenology Index

[J].Remote Sensing of Environment,2012,119(3):232-242.

[本文引用: 2]

Xia Chuanfu , Li Jing , Liu Qiuhuo .

Review of Advances in Vegetation Phenology Monitoring by Remote Sensing

[J].Journal of Remote Sensing,2013,17(1):1-16.

夏传福, 李静, 柳钦火

.

植被物候遥感监测研究进展

[J].遥感学报,2013,17(1):1-16.

[本文引用: 1]

Li Zhen , Yan Fuli , Fan Xiangtao .

The Variability of NDVI over Northwest China and Its Relation to Temperature and Precipitation

[J].Journal of Remote Sensing,2005,9(3):308-313.

李震, 阎福礼, 范湘涛

.

中国西北地区NDVI变化及其与温度和降水的关系

[J].遥感学报,2005,9(3):308-313.

[本文引用: 3]

Solano R , Didan K , Jacobson A ,et al .

MODIS Vegetation Indices (MOD 13C5 User’s Guide

[EB/OL]..[2018-7-12]

URL     [本文引用: 1]

Zhang Y , Song C , Band L E ,et al .

Reanalysis of Global Terrestrial Vegetation Trends from MODIS Products: Browning or Greening?

[J].Remote Sensing of Environment,2017,191:145-155.

[本文引用: 1]

Matsushita B , Yang W , Chen J ,et al .

Sensitivity of the Enhanced Vegetation Index (EVI) and Normalized Difference Vegetation Index (NDVI) to Topographic Effects: A Case Study in High-density Cypress Forest

[J].Sensors,2007,7(11):2636-2651.

[本文引用: 1]

Zhang X , Friedl M A , Schaaf C B ,et al .

Monitoring Vegetation Phenology Using MODIS

[J].Remote Sensing of Environment,2003,84(3):471-475.

[本文引用: 1]

Peng D , Wu C , Li C ,et al .

Spring Green-up Phenology Products Derived from MODIS NDVI and EVI: Intercomparison, Interpretation and Validation Using National Phenology Network and AmeriFlux Observations

[J].Ecological Indicators,2017,77:323-336.

[本文引用: 1]

Nagler P L , Cleverly J , Glenn E ,et al .

Predicting Riparian Evapotranspiration from MODIS Vegetation Indices and Meteorological Data

[J].Remote Sensing of Environment,2005,94(1):17-30.

[本文引用: 1]

Waring R H , Coops N C , Fan W ,et al .

MODIS Enhanced Vegetation Index Predicts Tree Species Richness Across Forested Ecoregions in the Contiguous U.S.A

.[J].Remote Sensing of Environment,2006,103(2):218-226.

[本文引用: 1]

Wardlow B D , Egbert S L , Kastens J H .

Analysis of Time-series MODIS 250 m Vegetation Index Data for Crop Classification in the U.S. Central Great Plains

[J].Remote Sensing of Environment,2007,108(3):290-310.

[本文引用: 1]

Shen M , Zhang G , Cong N ,et al .

Increasing Altitudinal Gradient of Spring Vegetation Phenology during the Last Decade on the Qinghai-Tibetan Plateau

[J].Agricultural & Forest Meteorology,2014,189-190:71-80.

[本文引用: 1]

Zhao Wei , Li Zhaoliang .

Impact of Drought on the Vegetation State Using MODIS/EVI Time-series Data

[J].Progress in Geography,2007,26(6):40-47.

赵伟, 李召良

.

利用MODIS/EVI时间序列数据分析干旱对植被的影响

[J].地理科学进展,2007,26(6):40-47.

[本文引用: 1]

Song Dongmei , Zhang Qian , Yang Xiuchun ,et al .

Spatial and Temporal Characteristics of MODIS Vegetation Index in the Source Region of Three Rivers on Qinghai-Tibet Plateau in China

[J].Geographical Research,2011,30(11):2067-2075.宋冬梅,张茜,杨秀春, .

三江源区MODIS植被指数时空分布特征

[J].地理研究,2011,30(11):2067-2075.

[本文引用: 2]

Chen Yanli , Luo Yongming , Mo Wweihua ,et al .

Differences between MODIS NDVI and MODIS EVI in Response to Climatic Factors

[J].Journal of Natural Resources,2014,29(10):1802-1812.陈燕丽,罗永明,莫伟华, .

MODIS NDVI与MODIS EVI对气候因子响应差异

[J].自然资源学报,2014,29(10):1802-1812.

[本文引用: 1]

Yang Tao , Huang Farong , Li Qian ,et al .

Spatial-temporal Variation of NDVI for Growing Season and Its Relationship with Winter Snowfall in Northern Xinjiang

[J].Remote Sensing Technology and Application,2017,32(6):1132-1140.杨涛,黄法融,李倩, .

新疆北部植被生长季NDVI时空变化及其与冬季降雪的关系

[J].遥感技术与应用,2017,32(6):1132-1140.

[本文引用: 1]

Li Yafei , Liu Gaohuan .

Characteristics of Vegetation Cover Changes in Lantsang Basin based on MODIS Vegetation Index Products (MOD13)

[J].Resources Science,2012,34(7):1214-1221.

李亚飞, 刘高焕

.

澜沧江流域植被覆盖变化特征及其与气候因子的关系

[J].资源科学,2012,34(7):1214-1221.

[本文引用: 1]

Xiao X , Boles S , Liu J ,et al .

Mapping Paddy Rice Agriculture in Southern China Using Multi-temporal MODIS Images

[J].Remote Sensing of Environment,2005,95(4):480-492.

[本文引用: 1]

Zhang Zhen , Zhang Mi , Xiao Wei ,et al .

Analysis of Temporal and Spatial Variations in NDVI of Aquatic Vegetation in Lake Taihu

[J].Journal of Remote Sensing,2018,22(2):324-334.张圳,张弥,肖薇, .

太湖水生植被NDVI的时空变化特征分析

[J].遥感学报,2018,22(2):324-334.

[本文引用: 1]

Li Hongjun , Zheng Li , Lei Yupin ,et al .

Comparison of NDVI and EVI based on EOS/MODIS data

[J].Progress in Geography,2007,26(1):26-32.李红军,郑力,雷玉平, .

基于EOS/MODIS数据的NDVI与EVI比较研究

[J].地理科学进展,2007,26(1):26-32.

[本文引用: 1]

Yu Xinfang Luo Yiying Zhuang Dafang,et al .

Comparative Analysis of Land Cover Change Detection in an Inner Mongolia Grassland Area

[J].Acta Ecologica Sinica,2014,34(24):7192-7201.于信芳,罗一英,庄大方, .

土地覆盖变化检测方法比较——以内蒙古草原区为例

[J].生态学报,2014,34(24):7192-7201.

[本文引用: 1]

Wang Huaiqing , Li Sanmei .

Estimating of Sunshine Percentage Using the Cloud Classification Data from FY-2C

[J].Journal of Remote Sensing,2013,17(5):1295-1310.

王怀清, 李三妹

.

FY-2C云分类资料估算日照百分率

[J].遥感学报,2013,17(5):1295-1310.

[本文引用: 1]

Mao Dehua , Wang Zongming , Luo Ling ,et al .

Correlation Analysis between NDVI and Climate in Northeast China based on AVHRR and GIMMS Data Sources

[J].Remote Sensing Technology and Application,2012,27(1):77-85.

毛德华

,王宗明,罗玲, .

基于MODIS和AVHRR数据源的东北地区植被NDVI变化及其与气温和降水间的相关分析

[J].遥感技术与应用,2012,27(1):77-85.

[本文引用: 1]

Net Southeast .

Fujian Green Development

:

from Eco-province to Ecological Civilization Pilot Demonstration Area

[EB/OL]. (2016-5-4) [2018-8-16].. [东南网.福建绿色发展:

从生态省到生态文明先行示范区

[EB/OL]. (2016-5-4) [2018-8-16].]

URL     [本文引用: 2]

People’s Daily Online .

Xi Jinping in Fujian

:

Lucid Waters and Lush Mountains Are Invaluable Assets

[EB/OL]. (2014-10-31) [2018-8-17].. [人民网.习近平在福建治山治水:

绿水青山就是金山银山

[EB/OL]. (2014-10-31) [2018-8-17].]

URL     [本文引用: 1]

Xu Hanqiu .

Spatiotemporal Dynamics of the Bare Soil Cover in the Hetian Basinal Area of County Changting, China, during the Past 35 Years

[J].Acta Ecologica Sinica,2013,33(10):2946-2953.

[本文引用: 1]

徐涵秋 .

福建省长汀县河田盆地区近35年来地表裸土变化的遥感时空分析

[J].生态学报,2013,33(10):2946-2953.

[本文引用: 1]

Song X P , Hansen M C , Stehman S V ,et al .

Global Land Change from 1982 to 2016

[J].Nature,2018,560(7720):639-643.

[本文引用: 1]

/