引用本文
姚镇海, 邱新法, 施国萍, 张喜亮. 我国近10年月平均NDVI空间分布特征分析[J]. 国土资源遥感, 2017,29(2): 181-186
YAO Zhenhai, QIU Xinfa, SHI Guoping, ZHANG Xiliang. An analysis of spatial distribution characteristics of monthly mean NDVI in the past ten years in China[J]. REMOTE SENSING FOR LAND & RESOURCES,2017,29(2): 181-186  
doi: 10.6046/gtzyyg.2017.02.26
Permissions
Copyright©2017, 《国土资源遥感》编辑部
《国土资源遥感》编辑部
我国近10年月平均NDVI空间分布特征分析
姚镇海1, 邱新法2, 施国萍3, 张喜亮4
1.安徽省公共气象服务中心,合肥 230011
2.南京信息工程大学应用气象学院,南京 210044
3.南京信息工程大学地理与遥感学院地理信息系,南京 210044
4.浙江省湖州市气象局,湖州 313000
通讯作者: 邱新法(1966-),男,教授,博士生导师,主要从事气候资源精细化开发利用与气象灾害风险评估方面的研究。Email:xfqiu135@nuist.edu.cn。

第一作者: 姚镇海(1989-),男,硕士研究生,主要研究方向为遥感监测和公共气象服务。Email:18256589121@163.com。

收稿日期: 2015-11-20
基金项目: 国家自然科学基金项目“复杂地形下月平均气温分布式模型研究”(编号: 41175077)资助
摘要

为研究我国近10 a月平均NDVI空间分布特征,使用2005―2014年MOD/MYD13C2植被指数产品得到全国多年分月NDVI; 在考虑不同月份NDVI高、中、低值区面积变化的同时,结合DEM数据,分析植被覆盖随季节变化的规律和NDVI随坡向、海拔的变化规律。结果表明: NDVI低值段[-0.25,0.15)面积冬季高、夏季低,代表裸土、荒地和部分水体的特征; 中值段[0.15,0.55)面积呈“双峰双谷”分布,春、秋季高于冬、夏季,体现植被覆盖下混合地物的特征; 高值段[0.55,0.95]面积夏季高、冬季低,反映了植被覆盖随季节变化的规律。NDVI随坡向变化呈“双峰双谷”分布,东南、西北坡高于西南、东北坡。NDVI随海拔升高出现3个递减带(250~1 250 m,2 500~3 000 m和3 750~6 000 m)和2个递增带(1 250~2 500 m和3 000~3 750 m)。受我国气候及地理、地形等要素影响,NDVI的水平和垂直向空间分异显著。此规律可为陆面过程研究提供参考。

关键词: NDVI; 遥感; 空间分布; 中国
文献标志码:A 文章编号:1001-070X(2017)02-0181-06
An analysis of spatial distribution characteristics of monthly mean NDVI in the past ten years in China
YAO Zhenhai1, QIU Xinfa2, SHI Guoping3, ZHANG Xiliang4
1. Anhui Public Meteorological Service Center, Hefei 230011, China
2. College of Applied Meteorology, Nanjing University of Information Science and Technology, Nanjing 210044, China
3. School of Geography and Remote Sensing GIS department,Nanjing University of Information Science and Technology, Nanjing 210044, China
4. Huzhou Meteorology Bureau of Zhejiang Province, Huzhou 313000, China
Abstract

In order to study the spatial distribution characteristics of monthly mean NDVI during the past ten years in China, the authors used MODIS MOD/MYD13C2 vegetation spectrum to synthesize monthly NDVI and, combined with China’s terrain data, discussed the changing regularity of NDVI with respect to aspect and elevation.The results show that the area ratio of low NDVI value segment [-0.25,0.15)is high in winter and low in summer, suggesting the characteristics of bare soil, deserted land and water.The median segment[0.15, 0.55] shows the "bimodal double-dip" character, and the area ratio is higher in spring and autumn than in winter and summer, implying features of vegetated mixture land cover.The area ratio of high value segment [0.55, 0.95] is high in summer and low in winter, indicating variation of vegetation cover with seasonal change.NDVI change with aspect shows the "bimodal double-dip" distribution, the NDVI values in southeast and northwest aspects are larger than those in southwest and northeast aspects.With increasing elevation , three NDVI decreasing zones are 250~1 250 m, 2 500~3 000m and 3 750~6 000 m, and two NDVI increasing zones are 1 250~2 500 m and 3 000~3 750 m, respectively.The horizontal and vertical distribution differentiations of NDVI are remarkable, which is attributed to the impact of climate and geographical terrain elements in China.Those regularities may be helpful to the research on land surface process.

Keyword: NDVI; remote sensing; spatial distribution; China
0 引言

受植被叶绿素、细胞结构和含水量等要素影响, 植被在可见光到近红外光谱段呈现典型的光谱曲线。利用卫星遥感图像中植被的光谱特征、采用不同谱段测量值进行组合、表征地面植被特征的指数称为植被指数(vegetation index, VI)[1]。VI可用于对地表植被进行简捷、有效的度量, 能反映与地气系统的相互作用, 从而揭示气候变化。国内外学者已定义了超过40种VI, 用于全球陆面植被参数定量估算[2, 3]。表征地表植被覆盖与生长状况的常见指数有差值植被指数(difference VI, DVI)、比值植被指数(ratio VI, RVI)、归一化差值植被指数(normalized difference VI, NDVI)等[4, 5, 6]。NDVI可改善低高度卫星对低密度植被覆盖的监测能力, 对植被绿色信息敏感, 对全球或区域植被生长和干旱地区降水量预测有良好效果。导致NDVI随季节变化的主要因素有降水和气温[7, 8, 9], 尤其在干旱-半干旱地区, 降水会直接影响植被覆盖及其生长类型[10]。

已有研究表明: 与红光波段相比, 近红外波段对地形更加敏感, 非比值型VI相对比值型VI(如NDVI)更易受地形因素影响[11, 12]。不同海拔或坡向的植被覆盖格局也会影响NDVI的空间分布; 在计算叶面积指数时, 需要对地形要素进行订正, 且应根据植被类型选择合适的VI [13, 14, 15]。上述研究表明, 区域尺度下的VI空间分布与地形要素存在关联, 对全国范围内NDVI宏观分布随地形变化的规律则需要进一步分析。因此, 本文在考虑不同月份NDVI高、中、低值区面积变化的同时, 结合地形坡向和海拔要素, 对NDVI空间分布特征进行分析, 旨在为我国陆面过程研究提供参考。

1 研究数据与方法

本文所用数据包括国家基础地理信息数据: 中国行政边界(2015年第一版, 中国最新行政边界)、中国1 km× 1 km分辨率数字高程模型(digital elevation model, DEM); MODIS NDVI产品: 2005―2014年间获取的MODIS双星各月MOD/MYD13C2的NDVI光谱数据, 空间分辨率为0.05° × 0.05° , 属于Level3/Level4 CMG Products中Monthly Vegetation Indices产品(可从https: //ladsweb.nascom.nasa.gov/下载)。

NDVI的计算公式[16]为

NDVI = (ρ nir-ρ r) / (ρ nir+ρ r) , (1)

式中: NDVI为归一化植被指数; ρ nir为近红外波段反射率; ρ r为红光波段反射率。

首先对原始数据进行裁切, 得到中国范围。裁切工具为中国行政边界数据, 利用ArcGIS软件平台实现。MOD/MYD13C2数据源包含NDVI产品数据, 以及红光和近红外波段的反射率值。经检验发现, 部分月份的NDVI产品数据在区域上存在数据缺失或错误现象, 这可能是由于云层覆盖导致的, 对此需要对NDVI产品数据进行质量控制。质量控制的步骤如下: ①建立错误数据区掩模, 将掩模对应的错误值归零; ②使用波段反射率重新计算该月NDVI值, 得到掩模区域的正确值; ③用修正值替换原始区域零值, 完成单景数据的修正; ④最后逐年逐月检查是否存在数据遗漏等问题, 完成对NDVI产品数据的质量控制。

为了分析分月NDVI的空间分布规律, 还需要对地理信息数据进行处理。在此基础上使用DEM数据, 基于ArcGIS平台计算得到我国坡向空间分布数据。按坡向、海拔进行分类, 并统计对应区间段的NDVI数值, 进而分析NDVI随海拔和坡向的变化特征。其算法流程见图1。

图1 NDVI合成与海拔、坡向分析流程图Fig.1 Flow chart for composition of NDVI and analysis of altitude and aspect

2 NDVI空间分布特征分析
2.1 全国各月NDVI空间分布特征

图2给出了2005―2014年中国各月平均NDVI的空间分布。

图2-1 2005―2014年中国各月平均NDVI空间分布Fig.2-1 Distribution of monthly mean NDVI in China from 2005 to 2014

图2-2 2005―2014年中国各月平均NDVI空间分布Fig.2-2 Distribution of monthly mean NDVI in China from 2005 to 2014

从图2可以看出, 各月平均NDVI集中在变化区间[-0.25, 0.95]中, 在宏观上呈现西北低、东南高的趋势, 这与我国降水量或水汽压空间分布宏观趋势一致[17], 并存在显著的季节性差异。

NDVI低值区(< 0.15部分)冬季分布广, 夏季区域减小, 反映了我国植被生长随季节而变化的特征。NDVI低值区主要分布在我国西北地区荒漠地带, 如塔里木盆地、柴达木盆地、准格尔盆地和内蒙古中西部地区。此外, 青海湖、太湖、巢湖等湖泊也呈现低值。因此, NDVI的低值代表了裸土、荒地和部分水体的特征[18]。

NDVI中值区([0.15, 0.55)部分)主要位于我国第Ⅱ , Ⅲ 级阶梯。自北向南均有分布, 包括了我国植被覆盖良好的大部分区域, 且分布区域存在季节性变化。春、秋季分布区面积大、夏季减小。因此, NDVI中值区主要反映植被覆盖下混合地物的特征[19], 较干燥的荒漠、裸土显著偏高。

NDVI高值区(≥ 0.55部分)全年变化最为显著, 分布区面积夏季很大, 冬季小。冬季分布于华南零星地区、台湾省、海南省和横断山脉西侧, 反映了低纬度地区光热与水汽对植被的影响; 夏季则遍布华东、华中、华南的平原区与大部分山地和丘陵, 西南东部的云贵川渝地区, 东北平原地区和辽东半岛等, 反映了夏季气温升高、降水增多, 植被生长繁茂的特征[20]。

2.2 NDVI不同值段面积比例变化

根据NDVI数值空间分布特征, 划分出低值段[-0.25, 0.15)、中值段[0.15, 0.55)和高值段[0.55, 0.95]。其中低值段代表稀疏植被覆盖下的裸土或水体区域, 中值段代表植被裸地混合覆盖区域, 高值段代表植被覆盖茂盛区域。图3示出3个值段对应区域面积比例的分月变化, 呈显著不同的季节变化特征。

图3 2005―2014年月平均NDVI不同值段面积比例变化Fig.3 Change of monthly mean NDVI area ratio of different value intervals during 2005―2014

从图3可以看出, NDVI低值段的面积比例夏季低、冬季高。最低值在8月(25%左右), 最高值在1月(约55%)。在夏季, 低值段面积比例减小, 说明原本干旱或半干旱区域的下垫面植被覆盖度增大, 使得裸土、沙地等低NDVI特征部分减小[21]。在冬季, 原本植被覆盖区域因季节性变化, 植被变得稀疏, 下垫面裸土面积增加导致低值段面积比例增大。

NDVI中值段面积比例呈现显著的“ 双峰双谷” 特点。春、秋季为峰区, 峰值点位于3月和11月, 最大值在11月(45%左右); 冬、夏季为谷区, 谷值点位于1月和7月, 最小值在7月(25%左右)。峰值点出现在春、秋季, 表明在这2个季节下垫面既无大量裸土覆盖区, 也无大量高植被密度生长区, 反映了我国季节交替的植被生长特点[22]。谷值点出现在冬、夏2季, 反映了冬季低值区面积大, 夏季高值区面积大, 而中值区面积减少的特点。

NDVI高值段面积比例的季节变化最显著。冬、夏差异显著, 在图2中有明显体现。夏季存在峰值区、冬季为谷值区。面积比例最低值在1月(10%), 最高值在8月(54%), 反映了下垫面植被(尤其是自然植被)生长随季节变化的特征[23]。

2.3 NDVI随坡向及海拔变化分布特征

图4示出NDVI随坡向、海拔变化的分布特征。

图4 月平均NDVI随坡向与海拔变化的分布Fig.4 Distribution of monthly mean NDVI with changes of aspect and elevation

图4(a)为春、夏、秋、冬4季NDVI随坡向变化的分布情况, 其中横轴代表坡向, 90° 为东坡, 180° 为南坡, 270° 为西坡, 0° 和360° 为北坡。NDVI随坡向变化呈现显著的“ 双峰双谷” 分布特征, 对于不同季节的各坡向NDVI, 夏季> 秋季> 春季> 冬季。东南坡和西北坡NDVI出现极大值, 最大值出现在东南坡; 西南和东北坡NDVI出现极小值, 最小值出现在北坡。以上情况反映了NDVI对地形(坡向)敏感性的变化规律[24, 25]。

由图4(b)可知, NDVI随海拔变化呈现出明显的垂直分带性, 整体上随海拔增加呈波动递减趋势, 存在3个递减和2个递增地带。3个递减带分别位于250~1 250 m, 2 500~3 000 m和3 750 m~6 000 m; 2个递增带分别位于1 250~2 500 m和3 000~3 750 m。在海拔3 750 m以下, 主要反映下垫面植被覆盖度与植被类型的变化; 在海拔3 750 m以上, 由于高原气候和地理地形等因素, 反映植被覆盖下裸土的NDVI特征; 在海拔6 500 m处, 4季基本无差异, NDVI≈ -0.05, 反映了冰雪或裸土的非植被特征[26, 27]。

3 结论

1)使用2005―2014年间的MODIS月平均光谱数据, 合成我国1— 12月多年平均归一化植被指数(NDVI)。结果表明: NDVI低值区主要分布在我国西北地区荒漠地带与部分水体中, 反映了裸土、水体或冰雪覆盖下垫面的低值特征; 中值区主要位于我国第Ⅱ , Ⅲ 级阶梯, 包括我国植被覆盖良好的大部分区域, 主要反映了植被覆盖下混合地物的中值特征, 较干燥的荒漠、裸土显著偏高; 高值区全年变化最为显著, 冬季分布区域极少, 仅位于我国南方部分区域, 而夏季分布区域迅速增大, 包括我国华东、华中、华南、西南东部和东北等地区, 反映了夏季植被生长繁茂的特征。

2)对各月NDVI面积比例变化的分析表明: NDVI低值段面积比例夏季低、冬季高, 最低值位于8月, 最高值在1月, 这是受夏季高植被覆盖和冬季裸土面积增大影响的缘故。中值段面积比例呈现显著的“ 双峰双谷” 特点, 春、秋季为峰区, 最大值位于11月; 冬、夏季为谷区, 最低值位于7月; 反映了我国在春夏、秋冬2个季节交替期植被的生长特点。高值段面积比例夏高冬低, 最低值位于1月, 最高值在8月, 反映了植被(尤其是自然植被)生长夏季最好、冬季最差的季节变化特征。

3)对照地形要素分析表明, NDVI随坡向呈显著“ 双峰双谷” 分布特征。东南坡和西北坡出现峰值, 西南坡和东北坡出现谷值。由于不同坡向上的光照差异, 使植被对地形变化存在敏感性, 故4季NDVI呈上述变化特征。随着海拔的升高, NDVI的分布呈明显的垂直分带性, 存在3个递减和2个递增的地带。在海拔3 750 m以下, NDVI代表下垫面地表类型与植被覆盖的变化特征, 呈现随海拔的波动变化; 在海拔3 750 m以上, 受高原气候和地理地形等因素制约, NDVI呈递减趋势; 在海拔6 500 m处, 4季的NDVI基本无差异, 反映了冰雪或裸土的非植被特征。

The authors have declared that no competing interests exist.

参考文献
[1] 陈渭民, 陶国庆, 邱新法. 全球气候系统卫星遥感导论——气象卫星资料的多学科应用[M]. 北京: 气象出版社, 2012: 505-507.
Chen W M, Tao G Q, Qiu X F. Global Climate System and Introduction of Satellite Remote Sensing: Multidisciplinary Application of Meteorology Satellite Data[M]. Beijing: Meteorological Press, 2012: 505-507. [本文引用:1]
[2] 梁顺林, 李小文, 王锦地. 定量遥感: 理念与算法[M]. 北京: 科学出版社, 2013: 321-322.
Liang S L, Li X W, Wang J D. Theories and Algorithms of Quantitative Remote Sensing[M]. Beijing: Science Press, 2013: 321-322. [本文引用:1]
[3] Huete A R. A soil adjusted vegetation index(SAVI)[J]. Remote Sensing of Environment, 1988, 25(3): 295-309. [本文引用:1]
[4] 盛永伟, 陈维英, 肖乾广, 等. 利用气象卫星植被指数进行我国植被的宏观分类[J]. 科学通报, 1995, 40(1): 68-71.
Sheng Y W, Chen W Y, Xiao Q G, et al. Macro classification of vegetation in China with NOAA/NDVIs[J]. Chinese Science Bulletin, 1995, 40(1): 839-844. [本文引用:1]
[5] 高磊, 覃志豪, 卢丽萍. 基于植被指数和地表温度特征空间的农业干旱监测模型研究综述[J]. 国土资源遥感, 2007, 19(3): 1-7. doi: DOI: 106046/gtzyyg. 2007. 03. 01.
Gao L, Qin Z H, Lu L P. An overview on agricultural drought monitoring models based on vegetation index and surface temperature feature space[J]. Remote Sensing for Land and Resources, 2007, 19(3): 1-7. doi: DOI:10.6046/gtzyyg.2007.03.01. [本文引用:1]
[6] 孙雷刚, 刘剑锋, 徐全洪. 河北坝上地区植被覆盖变化遥感时空分析[J]. 国土资源遥感, 2014, 26(1): 167-172. doi: DOI: 106046/gtzyyg. 2014. 01. 28.
Sun L G, Liu J F, Xu Q H. Remote sensing based temporal and spatial analysis of vegetation cover changes in Bashang Area of Hebei province[J]. Remote Sensing for Land and Resources, 2014, 26(1): 167-172. doi: DOI:10.6046/gtzyyg.2014.01.28. [本文引用:1]
[7] 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.
Xia Z H. The Studies on Dynamic of Vegetation Based on NDVI Time Series[D]. Beijing: Beijing Forestry University, 2007. [本文引用:1]
[8] 赵英时. 遥感应用分析原理与方法[M]. 北京: 科学出版社, 2003: 387-398.
Zhao Y S. Application Analysis Theories and Methods of Remote Sensing[M]. Beijing: Science Press, 2003: 387-398. [本文引用:1]
[9] 陈云浩, 李晓兵, 史培军. 1983—1992年中国陆地NDVI变化的气候因子驱动分析[J]. 植物生态学报, 2001, 25(6): 716-720.
Chen Y H, Li X B, Shi P J. Variation in NDVI driven by climate factors across China, 1983—1992[J]. Acta Phytoecologica Sinica, 2001, 25(6): 716-720. [本文引用:1]
[10] 王娟, 李宝林, 余万里. 近30年内蒙古自治区植被变化趋势及影响因素分析[J]. 干旱区资源与环境, 2012, 26(2): 132-138.
Wang J, Li B L, Yu W L. Analysis of vegetation trend and their causes during recent 30 years in Inner Mongolia Autonomous Region[J]. Journal of Arid Land Resources and Environment, 2012, 26(2): 132-138. [本文引用:1]
[11] 姚晨, 黄微, 李先华. 地形复杂区域的典型植被指数评估[J]. 遥感技术与应用, 2009, 24(4): 496-501.
Yao C, Huang W, Li X H. Evaluation of topographical influence on vegetation indices of rugged terrain[J]. Remote Sensing Technology and Application, 2009, 24(4): 496-501. [本文引用:1]
[12] 朱高龙, 柳艺博, 居为民, 等. 4种常用植被指数的地形效应评估[J]. 遥感学报, 2013, 17(1): 210-234.
Zhu G L, Liu Y B, Ju W M, et al. Evaluation of topographic effects on four commonly used vegetation indices[J]. Journal of Remote Sensing, 2013, 17(1): 210-234. [本文引用:1]
[13] 廖钰冰, 陈新芳, 陈喜, 等. 地形校正对叶面积指数遥感估算的影响[J]. 遥感信息, 2011(5): 47-51, 64.
Liao Y B, Chen X F, Chen X, et al. Effect of topographic correction on the estimation of leaf area index based on Land sat TM[J]. Remote Sensing Information, 2011(5): 47-51, 64. [本文引用:1]
[14] 毕如田, 武俊娴, 曹毅, 等. 涑水河流域地形因子对植被指数变化的影响[J]. 中国农业通报, 2012, 28(35): 257-263.
Bi R T, Wu J X, Cao Y, et al. The influence of terrain factors on vegetation index in Sushui river basin[J]. Chinese Agricultural Science Bulletin, 2012, 28(35): 257-263. [本文引用:1]
[15] 瓮耐义, 刘康, 王纪伟. 基于GIS的高原植被空间格局与地形因子相关关系研究[J]. 水土保持通报, 2014, 34(1): 232-236.
Weng N Y, Liu K, Wang J W. A study of relationship between spatial vegetation pattern and terrain factors based on GIS techniques[J]. Bulletin of Soil and Water Conservation, 2014, 34(1): 232-236. [本文引用:1]
[16] 梁顺林. 定量遥感[M]. 范闻捷, 译. 北京: 科学出版社, 2009: 181-182.
Liang S L. Quantitative Remote Sensing of Land Surfaces[M]. Translated by Fan W J. Beijing: Science Press, 2009: 181-182. [本文引用:1]
[17] 刘绿柳, 肖风劲. 黄河流域植被NDVI与温度、降水关系的时空变化[J]. 生态学杂志, 2006, 25(5): 477-481.
Liu L L, Xiao F J. Spatial-temporal correlations of NDVI with precipitation and temperature in Yellow River Basin[J]. Chinese Journal of Ecology, 2006, 25(5): 477-481. [本文引用:1]
[18] 张景华, 李英年. 青海气候变化趋势及对植被生产力影响的研究[J]. 干旱区资源与环境, 2008, 22(2): 97-102.
Zhang J H, Li Y N. The research on effect of climate change on vegetation productivity in Qinghai Province[J]. Journal of Arid Land Resources and Environment, 2008, 22(2): 97-102. [本文引用:1]
[19] 刘绿柳, 许红梅. 黄河流域主要植被类型NDVI变化规律及其与气象因子的关系[J]. 中国农业气象, 2007, 28(3): 334-337.
Liu L L, Xu H M. Change of NDVI of main vegetations and their relationship with meteorological factors in Yellow River Basin[J]. Chinese Journal of Agrometeorology, 2007, 28(3): 334-337. [本文引用:1]
[20] 崔林丽, 史军, 肖风劲, 等. 中国东部NDVI的变化趋势及其与气候因子的相关分析[J]. 资源科学, 2010, 32(1): 124-131.
Cui L L, Shi J, Xiao F J, et al. Variation trends in vegetation NDVI and its correlation with climatic factors in Eastern China[J]. Resources Science, 2010, 32(1): 124-131. [本文引用:1]
[21] 王宗明, 国志兴, 宋开山, 等. 中国东北地区植被NDVI对气候变化的响应[J]. 生态学杂志, 2009, 28(6): 1041-1048.
Wang Z M, Guo Z X, Song K S, et al. Responses of vegetation NDVI in Northeast China to climate change[J]. Chinese Journal of Ecology, 2009, 28(6): 1041-1048. [本文引用:1]
[22] 李俊祥, 达良俊, 王玉洁, 等. 基于NOAA-AVHRR数据的中国东部地区植被遥感分类研究[J]. 植物生态学报, 2005, 29(3): 436-443.
Li J X, Da L J, Wang Y J, et al. Vegetation classification of east China using multi-temporal NOAA-AVHRR data[J]. Acta Phytoecologica Sinica, 2005, 29(3): 436-443. [本文引用:1]
[23] 陈效逑, 喻蓉. 1982—1999年我国东部暖温带植被生长季节的时空变化[J]. 地理学报, 2007, 62(1): 41-51.
Chen X Q, Yu R. Spatial and temporal variations of the vegetation growing season in warm-temper ate eastern China during 1982 to 1999[J]. Acta Geographica Sinica, 2007, 62(1): 41-51. [本文引用:1]
[24] 徐茜, 任志远, 杨忍. 黄土高原地区归一化植被指数时空动态变化及其与气候因子的关系[J]. 陕西师范大学学报: 自然科学版, 2012, 40(1): 82-87.
Xu X, Ren Z Y, Yang R. The spatial and temporal dynamics of NDVI and its relation with climatic factors in Loess Plateau[J]. Journal of Shaanxi Normal University: Natural Science Edition, 2012, 40(1): 82-87. [本文引用:1]
[25] 曾燕, 邱新法, 刘昌明, 等. 起伏地形下黄河流域太阳直接辐射分布式模式[J]. 地理学报, 2005, 60(4): 680-688.
Zeng Y, Qiu X F, Liu C M, et al. Distributed modelling of direct solar radiation of rugged terrain over the Yellow River Basin[J]. Acta Geographica Sinica, 2005, 60(4): 680-688. [本文引用:1]
[26] 李秀花, 师庆东, 常顺利, 等. 1981—2001年中国西北干旱区NDVI变化分析[J]. 干旱区地理, 2008, 31(6): 940-945.
Li X H, Shi Q D, Chang S L, et al. Change of NDVI based on NOAA image in northwest arid area of China in 1981—2001[J]. Arid Land Geography, 2008, 31(6): 940-945. [本文引用:1]
[27] 曾燕, 邱新法, 何永健, 等. 复杂地形下黄河流域月平均气温分布式模拟[J]. 中国科学D辑(地球科学), 2009, 39(6): 774-786.
Zeng Y, Qiu X F, He Y J, et al. Distributed modeling of monthly air temperatures over the rugged terrain of the Yellow River Basin[J]. Science in China Series D: Earth Sciences, 2009, 52(5): 694-707. [本文引用:1]