1982—2022年黄土高原归一化植被指数变化的时空特征.pdf

第 39 卷第 5 期2023 年 10 月中国环境监测Environmental Monitoring in ChinaVol.39No.5Oct.202319822022 年黄土高原归一化植被指数变化的时空特征方德昆1,闫小月2,张学珍2,罗海江11.中国环境监测总站,国家环境保护环境监测质量控制重点实验室,北京 1000122.中国科学院地理科学与资源研究所,中国科学院陆地表层格局与模拟重点实验室,北京 100101摘要:长时间地表植被指数变化序列构建与分析是生态环境监测领域的重要内容。以我国生态工程建设重点地区 黄土高原为研究区,采用时间序列的方差匹配方法,融合了 2 套卫星遥感的归一化植被指数(NDVI)数据产品(GIMMS 3g 和 MODIS),建立了覆盖 19822022 年的黄土高原暖季(59 月)NDVI 数据集,揭示了其间黄土高原植被覆盖变化的时空特征。研究发现:黄土高原暖季 NDVI 呈现“先慢后快”的增加趋势,转折点大致出现在 2002 年,19822002 年暖季 NDVI 增速仅为 0.01/(10 a),20032022 年增速高达 0.06/(10 a),其中十八大以来增速尤为显著;暖季NDVI 快速增加区域主要位于黄土高原中部,并向东北、西南方向延展,与“退耕还林(草)”重点区域范围基本一致;在黄土高原南部、东部和青海省东部一带,暖季 NDVI 呈缓慢下降趋势。过去 40 年间黄土高原 NDVI 增加与生态工程建设关系密切。关键词:黄土高原;归一化植被指数(NDVI);时空特征中图分类号:X826文献标志码:A文章编号:1002-6002(2023)05-0013-08DOI:10.19316/j.issn.1002-6002.2023.05.02Temporal and Spatial Characteristics of Normalized Difference Vegetation Index(NDVI)Changes in the Loess Plateau from 1982 to 2022FANG Dekun1,YAN Xiaoyue2,ZHANG Xuezhen2,LUO Haijiang11.State Environmental Protection Key Laboratory of Quality Control in Environmental Monitoring,China National Environmental Monitoring Center,Beijing 100012,China2.Key Laboratory of Land Surface Pattern and Simulation,Institute of Geographical Sciences and Natural Resources Research,CAS,Beijing 100101,ChinaAbstract:The construction and analysis of long-term change series of surface vegetation index is an important content of ecological environment monitoring.Chinas key area of ecological engineering construction,the Loess Plateau,is taken as the research area,and two sets of satellite remote sensing NDVI data products(GIMMS 3g and MODIS)are fused by using the variance matching method of time series.As the result,a NDVI data set covering the warm season(May-September)of the Loess Plateau from 1982 to 2022 is established,revealing the temporal and spatial characteristics of vegetation cover changes in the Loess Plateau during this period.Research has found that:In the warm season of the Loess Plateau,NDVI shows a increasing trend of“slow first and then fast”,with a turning point around 2002.From 1982 to 2002,the NDVI growth rate was only 0.01/(10 a)in the warm season,and from 2003 to 2022,the growth rate was as high as 0.06/(10 a),with the growth rate particularly high since the 18th National Congress of the Communist Party of China.The rapidly increasing area of NDVI in the warm season mostly occurs in the central part of the Loess Plateau and extends towards the northeast and southwest,which is highly consistent with the key area of grain for green.In the southern and the eastern parts of the Loess Plateau and the eastern part of Qinghai Province,NDVI of the warm season shows a slow downward trend.In summary,these findings suggest that over the past 40 years,the increase of NDVI of the Loess Plateaus warm season was deeply related to ecological engineering.Keywords:the Loess Plateau;normalized differences vegetation index(NDVI);temporal and spatial characteristics收稿日期:2023-06-25;修订日期:2023-09-08第一作者简介:方德昆(1973-),男,吉林松原人,硕士,工程师。通讯作者:罗海江植被覆盖是地表生态环境的重要组成部分,是保障生态质量的基础,也是实现“碳中和”的重要途径。植被具有涵养水源、保持水土、固碳释氧和改善局地小气候的功能1-2;此外,植被结构的14 中国环境监测第 39 卷第 5 期2023 年 10 月改善有利于野生动植物种群的增加,对生物多样性的恢复起重要作用3。因而,植被覆盖状况是区域生态环境质量评价的重要内容。卫星遥感是区域植被覆盖监测的主要技术手段。基于卫星遥感技术发展了一系列植被指数用于监 测 植 被 生 长 状 况,如:归 一 化 植 被 指 数(Normalized Vegetation Index,NDVI)、比值植被指数(Ratio Vegetation Index,RVI)、增强型植被指数(Enhanced Vegetation Index,EVI)和土壤调节植被指数(Soil-Adjusted Vegetation Index,SAVI)等。其中,NDVI 物理意义清晰,数学计算过程简单,使用范围最广,成为我国生态环境质量评价的重要指标之一4。与其他各指数相比,NDVI 具有产品完善、时间序列长等优点,尤其适合开展区域生态环境质量变化的长期研究。黄土高原地处我国北方半干旱气候区,自 21世纪初国家实施“退耕还林(草)工程”以来,黄土高原土地利用结构和格局发生了深刻变化。特别是十八大以来,在习近平生态文明思想的指引下,生态恢复和生态建设逐步融入区域发展战略,山水林田湖草沙冰综合治理措施逐步实施,区域生态环境显著改善。本文拟采用 2 套卫星遥感的NDVI 数据产品(GIMMS 3g 和 MODIS),通过数据融合的方法,建立一套长时间序列的 NDVI 数据集,在 此 基 础 上 揭 示 19822022 年 黄 土 高 原NDVI 变化的时空特征。1研究方法本研 究采用了 GIMMS NDVI 3g 和 MODIS NDVI 数据集。GIMMS NDVI 3g 是美国航空航天局(NASA)全球监测与模型研究(GIMMS)项目发布的第三代基于 NOAA 系列卫星 AVHRR 传感器影像资料的 NDVI 数据集,涵盖 1981 年 7 月至2015 年 12 月的全球 NDVI 数据,空间分辨率为1/12(约 8 km),时间分辨率为 1 d。数据生产过程中已处理了校准损失、轨道漂移、火山爆发等不利因素造成的干扰。目前该数据集已被广泛应用于全球各地的长期植被覆盖变化研究5-7。MODIS NDVI 数据集是 NASA 地球观测系统(EOS)计划发布的全球 NDVI 数据集,由地球遥测卫星 Terra 和 Aqua 上的中分辨率成像光谱仪(MODIS)影 像 资 料 合 成。本 研 究 采 用 编 号 为MOD13A2 v6 的数据产品,该产品使用基于一定合成周期的最大值合成法消除云层和气溶胶的干扰噪声,涵盖 2000 年 2 月至 2023 年 2 月的全球NDVI 数据,空间分辨率为 1 km,时间分辨率为16 d。目前该数据集已被广泛应用于植被动力学研究8-9。由于 GIMMS NDVI 3g 和 MODIS NDVI 数据集的时间跨度均不足以单独覆盖目标研究时段,故需融合 2 套数据重构 19822022 年的 NDVI时间序列。现有研究表明,GIMMS NDVI 3g 和MODIS NDVI 之间存在高度相关性10-11,故本研究采用方差匹配法式(1)和式(2)重构覆盖19822022 年且均一化的 NDVI 时间序列。方差匹配法的核心思想是通过调整其中一个数据集,使 2 个时间序列重叠时段数据的平均值和标准差保持一致,从而确保重构序列前后 2 段的方差可比。Mi=Mi-M-G-()(1)Mi=M0+Mi-M0SM/SG(2)式中:Mi表示 i 年的 MODIS NDVI;M-和G-分别表示重叠时段(即 20032013 年)的 MODIS NDVI和 GIMMS NDVI 3g 的平均值;SM和 SG分别表示重叠时段 MODIS NDVI 和 GIMMS NDVI 3g 的标准差;M0表示 20032022 年 MODIS NDVI 的平均值。由于 GIMMS NDVI 3g 的时间跨度比 MODIS NDVI 更长,本研究以 GIMMS NDVI 3g 为参考标准,调整 MODIS NDVI 的平均值和标准差,使其在重叠时段与 GIMMS 3g 的平均值和标准差一致。由于数据可用性原因,本研究采用 2 个数据集的重叠时段 20032013 年作为参考时段进行数据调整,之 后 通 过 组 合 19822002 年 的 GIMMS NDVI 3g 数据和调整后的 20032022 年 MODIS NDVI 数据,构建 19822022 年均一化的 NDVI时间序列。此外,由于 2 个数据集的空间分辨率不同,故在应用方差匹配法进行调整之前,需对MODIS NDVI 进行像元合并。本研究采用面积平均法进行此升尺度操作,将 MODIS NDVI 的空间分辨率由 1 km 升至 8 km,确保与 GIMMS NDVI 3g 一致。利用均一化的 19822022 年 NDVI 时间序列,首先分析逐像元的 NDVI 变化趋势,为突出“退耕还林(草)工程”以及十八大以来 NDVI 变方德昆等:19822022 年黄土高原归一化植被指数变化的时空特征15 化的空间特征,针对 19822019 年、19822002年、20032022 年、20122022 年 4 个时段分别进行分析,变化趋势采用最小二乘法进行拟合。采用土地利用类型变化情况解释黄土高原 NDVI变化的原因,其中土地利用数据空间分辨率为1 km,来自中国多时期土地利用遥感监测数据集12,包括 1980、2000、2010、2020 年 4 个 时间点。最后,以 5 a 为一个时间段,对比分析了各时段之间各等级 NDVI 的面积变化及主要 NDVI 等值线的空间位置变化。2结果与讨论2.1区域 NDVI 变化的时空特征及与土地利用变化的关系 19822022 年黄土高原暖季(59 月)NDVI时序变化如图 1 所示。黄土高原暖季 NDVI 呈现出明显的增加趋势,增长率约为 0.03/(10 a),暖季 NDVI 在 2018 年达到最大值(0.55),比最小值(0.40,出现在 1982 年)高出约 38%。黄土高原暖季 NDVI 具有明显的年际波动趋势,这与年际的降水不均匀、旱涝、气候变化有关联13-14。其增加趋势表现出“先慢后快”的特征,具体可划分为 2 个明显的时间段:19822002 年,暖季 NDVI表现为缓慢的上升趋势,速率为 0.01/(10 a),增幅仅为 0.06;20032022 年,暖季 NDVI 快速上升,速 率 高 达 0.06/(10 a),增 幅 约 为 0.12。19822002 年,暖季 NDVI 均值仅为 0.44,但由于暖季 NDVI 持续上升,均值在 20122022 年达到较高水平,为 0.52。暖季 NDVI 的增加反应了植被覆盖率的提高,表明近 40 年来黄土高原地表持续绿化,20032022 年绿化效果更为明显,又以 20122022 年尤为显著。黄土高原各时间段暖季 NDVI 变化趋势的空间分布如图 2 所示。总体来看,近 40 年来黄土高原 86.4%区域的暖季 NDVI 呈上升趋势,其余区域略有下降图 2(a)。其中黄土高原中部,即山西西部、陕西北部和宁夏中部暖季 NDVI 上升速率较快,约为 0.03/(10 a);这些地区主要为沙漠(毛乌素沙漠)和山区(吕梁山脉)。暖季NDVI 呈下降趋势的区域面积较小且分布零散,最大下降速率约为-0.02/(10 a)。通过与同期土地利用类型的空间分布 图 3(a)、3(d)比较,可以发现暖季 NDVI 上升速率较快的区域与同期耕地转换成林地、草地的空间范围基本一致;而在暖季 NDVI 下降趋势的区域中,主要的土地利用变化则是林、草地转变为耕地及建设用地。图 119822022 年黄土高原暖季(59 月)NDVI 时序变化Fig.1NDVIs temporal tendency in the warmseason(May-September)of the LoessPlateau from 1982 to 2022以 2002 年“退耕还林(草)工程”政策付诸实施为时间节点,之前(19822002 年)黄土高原暖季 NDVI 变化趋势并不明显(图 1)。虽然 70.9%的区域暖季 NDVI 呈上升趋势,但上升速率较小,仅为 0.01/(10 a)。暖季 NDVI 呈下降趋势的区域面积较小,主要分布在山西中西部、河南与山西交界处以及陕西中部,且下降速率也较小,大多不超过-0.01/(10 a)。同期土地利用变化甚微图3(a)、图 3(b)。“退耕还林(草)工程”政策实施之后(20032022 年),黄土高原 93.8%区域的暖季 NDVI 呈上升趋势图 2(c)。其中,自黄土高原东北至西南方向出现一条醒目的“绿化带”,横穿内蒙古南部、山西北部、陕西中部、甘肃东南部和宁夏南部,暖季 NDVI 上升速率平均高达 0.04/(10 a)。同时期,黄土高原发生了大面积的“耕地范围缩减、林草范围扩增”的土地利用变化图3(b)、图 3(d)。可见,“退耕还林(草)工程”是近 40 年黄土高原暖季 NDVI 增加的重要原因。十八大提出“加强生态文明建设”的总体要求以来,黄土高原暖季 NDVI 的增加趋势愈加显著(图 1)。其中黄土高原东北部、西南部,即山西北部、陕西北部和甘肃东部上升速率较大,约为0.07/(10 a),其空间分布与 20032022 年暖季NDVI 上升速率高值区基本吻合。因此,20122022 年 黄 土 高 原 暖 季 NDVI 的 显 著 上 升 是16 中国环境监测第 39 卷第 5 期2023 年 10 月20032022 年黄土高原地表绿化的主要成因。同时期,暖季 NDVI 呈下降趋势的区域主要包括山西南部的运城盆地和洛阳盆地,平均下降速率约为-0.05/(10 a)。通过与同期土地利用变化的空间分布对比图 3(c)、图 3(d),可以发现暖季 NDVI 增加区域与耕地向林、草地转换区域范围基本一致,暖季 NDVI 降低区域则与城市、耕地扩张区域基本一致。可见,耕地继续向林地、草地转换可能是这一时期暖季 NDVI 呈上升趋势的主要成因;而城建用地和耕地范围的扩增,则可能是黄土高原东南部暖季 NDVI 呈下降趋势的主要成因。图 2黄土高原暖季 NDVI 变化趋势空间分布Fig.2Spatial distribution of NDVIs temporal tendencyin the warm season of the Loess Plateau图 3黄土高原土地利用类型空间分布Fig.3Spatial distribution of land use types in the Loess Plateau方德昆等:19822022 年黄土高原归一化植被指数变化的时空特征17 由上述结果可知,黄土高原暖季 NDVI 变化与同期 土 地 利 用 变 化 密 切 相 关。由 于 20032022 年暖季 NDVI 增速较大,20122022 年增速尤为显著,因此选取黄土高原 2000、2010、2020 年土地 利 用 类 型,分 别 对 20032022 年、20122022 年暖季 NDVI 增速大于 0.05/(10 a)区域的土地利用变化情况进行分析,旨在进一步认识暖季 NDVI 快速增加背后的土地利用变化因素。其中,20002020 年土地利用变化对应于 20032022 年暖季 NDVI 变化,20102020 年土地利用变化对应于 20122022 年暖季 NDVI 变化。将土地利用类型转换面积由大至小排列,取前 6 位,如图 4、表 1 所示。总体来看,在暖季 NDVI 增速大于 0.05/(10 a)区域内,土地利用类型变化主要表现为耕地向草地、林地的转换。20002020年,耕地转换为草地、耕地转换为林地、草地转换为林地的面积共计 6.70104 km2,占同期土地利用变化总面积的 43.9%,其中耕地转换为草地的面积百分比最大(为 29.3%)。20102020 年土地利用变化特征与 20002020 年基本一致,均表现为“耕地面积减少、林草面积增加”。可见,这种变化趋势是 2 个时期暖季 NDVI 快速增加的主要原因。进一步观察 20102020 年土地利用类型变化的空间分布情况可知图 4(b),黄土高原东部暖季 NDVI 增加的主要原因可能是草地向林地的转换,而其他区域则是耕地向草地的转换。图 420032022 年、20122022 年黄土高原暖季 NDVI 增速大于0.05/(10 a)的区域及其土地利用类型变化Fig.4Areas with NDVIs growth rate greater than 0.05/(10 a)and theirland use changes in the warm season of the Loess Plateau from2003 to 2022 and from 2012 to 2022,respectively表 120032022 年、20122022 年黄土高原暖季 NDVI 增速大于 0.05/(10 a)区域的土地利用类型变化情况Table 1Areas of each type of land use changes for regions with NDVIs growth rate greater than 0.05/(10 a)inthe warm season of the Loess Plateau from 2003 to 2022 and from 2012 to 2022,respectively转换类型20032022 年20122022 年 面积/(104 km2)百分比/%面积/(104 km2)百分比/%耕地-草地4.4729.32.7626.2草地-耕地4.1026.92.6224.9草地-林地1.258.20.827.8林地-草地1.087.10.777.3耕地-林地0.986.40.585.5林地-耕地0.825.40.545.2注:百分比指该转换类型面积占总变化面积的百分比。18 中国环境监测第 39 卷第 5 期2023 年 10 月2.2典型暖季 NDVI 等值线变化的主要特征为了进一步探究近 40 年来黄土高原暖季NDVI 的动态变化情况,以 5(a)为一个时间段,对比分析了各时段各等级暖季 NDVI 的面积变化及暖季 NDVI 等值线的空间位置变化(图 5)。总体来看,以暖季 NDVI 等值线 0.4 为界,黄土高原西北区域等值线数值较小且分布稀疏,这是由于西北区域分布有沙漠(乌兰布和沙漠、库布齐沙漠和毛乌素沙漠)及高原(鄂尔多斯高原),土地利用类型以草地和荒漠为主,植被覆盖度较低。而东南区域等值线数值较大且分布密集,这是由于该区域分布着山脉(吕梁山脉、子午岭山脉和六盘山脉)及盆地(临汾盆地、运城盆地和洛阳盆地),栽培植被、阔叶林广布,植被覆盖度较高。以 5(a)为一个时间段,即 19851989 年、19951999 年、20052009 年、20152019 年,通过前、后 2 个时段的对比来看,暖季 NDVI 等值线的空间位置发生了明显变化,主要表现为:低值等值线(00.4)由中部向西北方向推进(图 5),导致暖季 NDVI 小于 0.4 的面积减少了 11.81104 km2(表 2);而高值(0.60.1)等值线高值由东南向中部推进,导致暖季 NDVI 大于 0.6 的面积增加了6.81 104 km2。谢 佩 君 等15-16通 过 分 析 19872020 年的“植被绿度线”位置的变化发现,植被绿度线明显向西北方向移动,尤其是 20052010 年北移幅度最大,在空间格局上,这一变化主要集中在黄土高原中部区域的黄土丘陵区,即陕西省北部榆林和延安一带。这表明黄土高原中部地区暖季NDVI 持续增加,植被恢复效果最为明显。此外,暖季 NDVI 等值线空间位置变化、各值域面积变化在各时 间 段 并 不 相 同,即 在“退 耕 还 林(草)”前(19851989 年、19951999 年),暖季 NDVI 等值线空间位置变化不明显、各值域面积变化较小;“退耕还林(草)”后(20052009 年、20152019 年),暖季 NDVI 等值线空间位置变化较为明显,各值域面积变化较大,与前文分析结果一致。图 5黄土高原暖季 NDVI 等值线分布Fig.5Distribution of NDVI contours in the warm season of the Loess Plateau表 2黄土高原暖季 NDVI 各值域区间的面积Table 2Areas for each range of NDVI in the warm season of the Loess PlateauNDVI面积/(104 km2)19851989 年19951999 年20052009 年20152019 年(0,0.23.073.172.651.54(0.2,0.426.3425.7224.3516.06(0.4,0.622.4622.823.0927.48(0.6,0.89.7910.5410.6213.57(0.8,11.851.272.804.88方德昆等:19822022 年黄土高原归一化植被指数变化的时空特征19 黄土高原植被覆盖度增加致使生态质量有所恢复转好,植被覆盖度和植被净初级生产力呈增加趋势,其中水源涵养服务持续转好的面积占比为 15.46%17。20002008 年,黄土高原生态系统净固碳能力从 0.011 Pg 增至 0.108 Pg,植被固碳量增加速率为每年 9.4 g/m218。值得注意的是,暖季 NDVI 在黄土高原南部、东部和青海东部一带呈缓慢下降趋势。这可能是由于:黄土高原南部、东部人口较多,19902015 年人口增幅为29.83%19;区域城镇化发展迅速,耕地分布较为广泛,受人类活动的影响,植被覆盖发生一定程度的退化20。青海东部是黄土高原向青藏高原的过渡地带,干旱缺水的自然条件使农业生产较难达到可持续发展的必要条件21。局部植被覆盖度减少对生态系统服务功能构成了一定威胁18。3结论采用方差匹配方法对 GIMMS NDVI 3g 和MODIS NDVI 进 行 了 融 合,重 构 形 成 了 19822022 年黄土高原的 NDVI 时间序列。研究发现其间黄土高原暖季 NDVI 呈显 著上升趋势,其中19822002 年黄土高原暖季 NDVI 出现小幅度的增加,20032019 年(尤其是十八大以来)黄土高原暖 季 NDVI 上 升 趋 势 明 显,且 增 速 较 快。20032019 年的绿化区域主要分布在黄土高原中部,并向东北、西南方向延展,这些区域是开展“退耕还林(草)”的重点区域;同时,暖季 NDVI等值线低值向西北方向明显推进。说明近 20 年的生态建设工程取得了明显成效,地表植被覆盖度大幅提升。值得注意的是,最近 20 年间黄土高原南部、东部和青海东部一带,由于城市扩展、气候变化等因素,NDVI 在部分区域稍有下降。参考文献(References):1 王争磊,刘海龙,丁娅楠,等.山西省生态安全时空演变特 征 及 影 响 因 素 J.生 态 学 报,2022,42(18):7 470-7 483.WANG Zhenglei,LIU Hailong,DING Yanan,et al.Spatio-Temporal Evolution Characteristics and Influencing Factors of Ecological Security in Shanxi ProvinceJ.Acta Ecologica Sinica,2022,42(18):7 470-7 483.2 郑江坤,余新晓,夏兵,等.基于生态服务价值的潮白河上游土地利用优化J.农业工程学报,2010,26(12):337-344.ZHENG Jiangkun,YU Xinxiao,XIA Bing,et al.Land Use Pattern Optimization Based on Eco-Service Value in the Upper Chaobai River BasinJ.Transactions of the CSAE,2010,26(12):337-344.3 张琳,宋创业,袁伟影,等.基于地面调查的植被生态质量 综合 评估 指 标体 系构 建 J.生 态学 报,2023,43(1):128-139.ZHANG Lin,SONG Chuangye,YUAN Weiying,et al.Construction of Comprehensive Evaluation Index System of Vegetation Ecological Quality Based on Field Survey J.Acta Ecologica Sinica,2023,43(1):128-139.4 叶亚平,刘鲁君.中国省域生态环境质量评价指标体系研究J.环境科学研究,2000,13(3):33-36.YE Yaping,LIU Lujun.A Preliminary Study on Assessment Indicator System of Provincial Eco-Environmental Quality in China J.Research o f Environmental Sciences,2000,13(3):33-36.5 YAN W,WANG H S,JIANG C,et al.Satellite View of Vegetation Dynamics and Drivers over Southwestern ChinaJ.Ecological Indicators,2021,130:108 074.6 ZENG F W,COLLATZ G J,PINZON J E,et al.Evaluating and Quantifying the Climate-Driven Interannual Variability in Global Inventory Modeling and Mapping Studies(GIMMS)Normalized Difference Vegetation Index(NDVI3g)at Global Scales J.Remote Sensing,2013,5(8):3 918-3 950.7 RAYNOLDS M K,WALKER D A,EPSTEIN H E,et al.A New Estimate of Tundra-Biome Phytomass from Trans-Arctic Field Data and AVHRR NDVI J.Remote Sensing Letters,2012,3(5):403-411.8 JIN Y X,XU B,YANG X C,et al.MODIS-based Vegetation Growth of Temperate Grassland and Its Correlation with Meteorological Factors in Northern ChinaJ.International Journal of Remote Sensing,2015,36(19/20):5 123-5 136.9 JONSSON A M,EKLUNDH L,HELLSTROM M,et al.Annual Changes in MODIS Vegetation Indices of Swedish Coniferous Forests in Relation to Snow Dynamics and Tree PhenologyJ.Remote Sensing of Environment,2010,114(11):2 719-2 730.10ZHAO J J,ZHANG H Y,ZHANG Z X,et al.Long-Term Time Series of Vegetation Variations and Its Relationship with Climate Factors by Integrating Avhrr Gimms and Terra Modis Data J.Fresenius 20 中国环境监测第 39 卷第 5 期2023 年 10 月Environmental Bulletin,2015,24(11b):4 007-4 018.11FENSHOLT R,RASMUSSEN K,NIELSEN T,et al.Evaluation of Earth Observation Based Long Term Vegetation Trends-Intercomparing NDVI Time Series Trend Analysis Consistency of Sahel from AVHRR GIMMS,Terra MODIS and SPOT VGT Data J.Remote Sensing of Environment,2009,113(9):1 886-1 898.12徐新良,刘纪远,张树文,等.中国多时期土地利用遥感监测数据集(CNLUCC)DB/OL.2018-07-02.https:/ Shanshan,ZHANG Zengxin,Wang Weilin,et al.Dynamic Variation Rules of Vegetation Cover in Jiangsu Province and Its Response to Climate ChangeJ.Journal of Nanjing Forestry University(Natural Sciences Edition),2016,40(5):74-80.14刘宪锋,任志远,林志慧,等.20002011 年三江源区植被覆盖时空变化特征J.地理学报,2013,68(7):897-908.LIU Xianfeng,REN Zhiyuan,LIN Zhihui,et al.The Spatial-Temporal Changes of Vegetation Coverage in the Three-River Headwater Region in Recent 12 Years J.Acta Geographica Sinica,2013,68(7):897-908.15谢佩君,孙文义,穆兴民等.基于 GEE 平台的近 30年黄土高原植被绿度线推移变化研究J/OL.中国环 境 科 学.2023-09-08.https:/doi.org/10.19674/ki.issn1000-6923.20230802.001.XIE Peijun,Sun Wenyi,MU Xingmin,et al.Research on the Shift Change of Vegetation Greenness Line in the Loess Plateau in Recent 30 Years Based on GEE Platform J/OL.China Environmental Science.2023-09-08.DOI:10.19674/ki.issn1000-6923.20230802.001.16贺洁,何亮,吕渡,等.20012020 年黄土高原光合植被时空变化及其驱动机制J.植物生态学报,2023,47(3):306-318.HE Jie,HE Liang,LYU Du,et al.Spatiotemporal Variation and Its Driving Mechanism of Photosynthetic Vegetation in the Loess Plateau from 2001 to 2020 J.Chinese Journal of Plant Ecology,2023,47(3):306-318.17牛丽楠,邵全琴,宁佳,等.黄土高原生态恢复程度及恢复潜力评估J.自然资源学报,2023,38(3):779-794.NIU Linan,SHAO Quanqin,NING Jia,YANG Xueqing,et al.Evaluation