近17年陜西榆林植被指數的時空變化及影響因素

欒金凱,劉登峰,*,黃 強,馮九梁,林 木,李國寶

1 西安理工大學水利水電學院,西北旱區生態水利工程國家重點實驗室培育基地,西安 710048 2 山西省水土保持生態環境建設中心,太原 030002 3 中央財經大學統計與數學學院,北京 100081 4 榆林市水利工作隊,榆林 719000

地表植被處于巖石圈最活躍的一層,是巖石圈與大氣圈、土壤圈、生物圈、水圈長期相互作用的產物,在地球生態系統平衡、氣候變化和水循環中起著協調的作用[1-2]。同時,植被是全球土地覆蓋最重要、最敏感的構成要素之一,可在較短時間內反映氣候變化和人類活動的影響[3]。土地沙漠化敏感區域屬于全國防風固沙生態功能區,對國家生態安全具有重要作用,關系著區域人地矛盾的解決[4]。榆林位于毛烏素沙漠與陜北黃土高原交界地帶,屬于農牧交錯區,生態環境脆弱且變化敏感,是研究沙漠的熱點和重點區域[5-6]。

植被指數時空變化影響因素的研究大多以相關分析為基礎。Gao等[7]認為在中國東部,氣溫和降水同時影響植被變化,但氣溫起主導作用,同時得出NDVI對氣溫和降水的變化有滯后期,分別為10d和30d。也有些學者分析后發現NDVI對降水及溫度的響應具有明顯的空間差異與滯后效應[8-9]。Piao等[10]應用相關分析方法分析了草地NDVI氣候變化響應。夏照華[11]分析了整個中國最近二十多年來NDVI的時空分布規律,以及NDVI與降水、溫度之間的關系,嘗試區分出了NDVI影響因子中的氣候因子與人類活動因子。Fabricante等[12]認為NDVI值的變化與前幾個月的水總量相關更大。Ding等[13]利用NDVI得出青藏高原北坡的生長期只有3個月(7—9月),生長期的降水與NDVI的相關性極好。李登科等[14]利用簡單相關系數分析,分析了長城沿線各區縣年均NDVI與降水和氣溫的相關關系。楊英蓮[15]分析了青海省不同草地類型NDVI的季節變化和年際間的變化特征,又將22年來草地平均NDVI、氣溫和降水進行了趨勢分析和相關分析。李麗娜[16]在空間中選取足夠多的點對陜西省生長季NDVI與溫度、降水進行相關分析,發現不同區域氣候對植被影響有差異,植被對氣候的敏感度也有差異。朱文彬等[17]通過逐像元分析發現柴達木盆地植被覆蓋的影響因素主要包括降水、地表地下水文條件、海拔高度和人類活動4個方面。Zhao 等[18]對1982—2003 年新疆NDVI 進行研究發現,區域NDVI的增加與降水量和潛在蒸散量(ET) 的增加有關。徐浩杰等[19]利用簡單相關系數分析,發現影響祁連山植被生長的主要因子是氣溫和降水,局部地區人類活動也是影響植被生長的關鍵因子。張清雨等[20]對內蒙古自治區的NDVI進行研究和分析,發現整個自治區大部分區域NDVI與年降水量呈顯著相關,同時還發現近30年來人類活動對植被NDVI的影響程度正在逐漸增強。張智韜等[21]對影響大豆NDVI的氣象因素進行多元線性回歸分析,從而實現對NDVI的預測。孫慶齡等[22]應用逐像元的氣候因子與生長季累計NDVI的相關性分析的方法,分析出影響三江源地區植被的主要氣候因素。成方妍等[23]分析氣象因子與NDVI相關性發現氣象因子與區域內不同土地覆被類型NDVI相關性不顯著。

近年來也有一些有關榆林及周邊地區植被指數的研究,李登科等[14]使用1981—2003年23a長序列資料對陜北長城沿線風沙區植被指數利用趨勢線分析方法,分析了區域平均NDVI的變化趨勢,發現陜北長城沿線風沙區植被覆蓋狀況盡管有波動起伏,但整體在持續轉好,年均NDVI增加了10.62%。并利用簡單相關系數的方法,對長城沿線每個縣分析了年、季平均NDVI與年份的相關系數和斜率。劉靜等[24]利用NDVI和像元分解模型,建立了毛烏素沙漠植被覆蓋度遙感定量模型,并對1990年和2007年2個時期植被覆蓋度進行了等級劃分,利用轉移矩陣的方法分析植被覆蓋度的變化趨勢。周淑琴[4]利用SPOT NDVI數據,研究了不同等級植被間的變化過程及NDVI空間異質性。周淑琴等[25]應用空間統計學和經典統計學方法,研究了毛烏素沙漠1998—2013年的植被空間自相關分布模式和發展趨勢及氣象因素的影響。王靜璞等[26]利用偏相關分析方法,分析毛烏素沙漠植被年平均物候與氣溫和降水的關系。這些研究采用的植被指數的時間序列、空間尺度、研究方法各不相同。鄭亞云[27]利用2000—2014年MODIS數據,采用波段重運算、最大化合成、時間序列分析、線性回歸分析方法研究榆林不同尺度NDVI的變化差異,同時選取空間上的一些點對高程、坡度及氣候因子與NDVI的關系做定量研究。劉登峰等[28]基于MODIS NDVI遙感數據分析了2000—2013年毛烏素沙漠南部植被的變化狀況,總結出NDVI年均值呈現出上升趨勢,年增長率為2.69×10-3/a,還分析了NDVI逐年的級別轉移狀況。

目前對NDVI時空變化分析,有些是基于面平均分析的,有些是利用一元線性回歸趨勢線方法,基于像元尺度進行分析。目前對NDVI影響因素的研究涉及以下3個方面：對研究區域植被指數取面平均值與降水、氣溫等氣象要素進行簡單相關分析或回歸分析；在像元尺度的簡單相關分析；在研究區域選取氣象站點周圍的NDVI值與氣象因子進行簡單相關分析和多元回歸分析。但是尚未有研究對某一特定區域進行NDVI像元尺度的多元回歸分析,并定量區分氣象因素與人類活動對植被指數的影響。進行NDVI像元尺度的分析,可以準確分析研究區域內每個地點的時空變化及氣象因素對小范圍的影響,空間連續性和異質性能夠更好的體現和分析；利用多元回歸分析,可以同時考慮多個氣象因素對植被指數的影響,并能準確分析氣象因素對植被指數的影響及貢獻,實現氣象因素與人類活動對植被指數影響的定量區分,比較準確的基于像元尺度預測未來植被覆蓋狀況。所以,本研究將二者結合起來,對陜西榆林植被指數進行分析和研究。

鑒于像元尺度研究的重要性,本文以陜西省榆林市為研究區域,對2000—2016年的17年歸一化差分植被指數在像元尺度進行時空變化分析,然后基于像元尺度利用復直線回歸分析方法,對植被動態變化的人為因素與氣象因素進行定量分析,并對NDVI進行預測。

1 研究區域概況

榆林市位于陜西省最北部,經緯度范圍是107°28′E—111°15′E,36°57′N—39°35′N。東臨黃河與山西省相望,西接寧夏回族自治區、甘肅省,北鄰內蒙古自治區,南接陜西省的延安市。2015年底,全市常住人口340.11萬人。地域東西長385km,南北寬263km,總土地面積43578km2[29-30]。

圖1 榆林市位置和地形圖Fig.1 Location and topographic map of Yulin City

榆林全境地勢呈西北高、東南低,平均海拔為1300m,地貌大體以長城為界,北部為風沙草灘區,占總面積的42%,南部為黃土丘陵溝壑區,占總面積的58%。榆林我國東部季風氣候和西北干旱大陸性氣候的過渡地帶,也是毛烏素沙漠南緣與陜北黃土高原的過渡地帶,這也決定了榆林生態環境的脆弱性。榆林屬暖溫帶半濕潤氣候向半干旱氣候的過渡區,屬于溫帶大陸性氣候；從東南到西北隨著距海距離的增加,植被表現出明顯的地帶性：溫帶落葉林—草原—荒漠草原—荒漠的過渡和演替。

2 數據來源與處理

本文采用來自MODIS/Terra網站提供的NDVI遙感數據,數據集全稱為MODIS/Terra Vegetation Indices 16-Day L3 Global 250m SIN Grid V005,簡稱MOD13Q1。MOD13Q1數據是16d合成,空間分辨率為250m,數據文件包含了12個字段的數據,NDVI的有效值在-1到1之間[6]。

本研究中首先對下載的影像應用MRT(MODIS Reprojection Tool)軟件進行批量裁剪、投影等操作,由于本研究只對8月份NDVI影像進行分析,MOD13Q1數據8月份有2幅影像,得到后的影像進行最大化合成處理。這樣每年得到一幅影像,從2000—2016年共17幅影像。

3 研究方法

3.1 一元線性回歸趨勢線分析

一元線性回歸趨勢線分析是對一組隨時間而變化的變量進行回歸分析的方法。該方法能夠分析研究區域每個像元的變化趨勢,以此來模擬植被的綠度變化率(Greenness Rate of Change,GRC),GRC被定義為某時間段內的季節合成歸一化植被指數(Seasonally Integrated Normalized Difference Vegetation Index,SINDVI)年際變化的線性回歸方程的斜率[31-32]。本文通過每個像元17年的NDVI,可以模擬該像元的NDVI在這17年間的變化趨勢,并估計變化幅度,回歸直線斜率(slope)采用最小二乘法求得,其計算公式如下：

(1)

式中：i為1—17年中的第i年；NDVIi為第i年的NDVI值； slope為趨勢線的斜率。slope>0時,說明NDVI在這17年間呈現增加的趨勢；slope=0時,說明NDVI沒有變化；slope<0時,NDVI呈現減少的趨勢。

3.2 相關分析檢驗

自然界中的許多現象之間存在著一定的聯系,它們之間既不是確定的函數關系,也不是完全沒有關系。相關分析就是研究兩個或多個隨機變量之間的聯系[33]。其計算公式如下：

(2)

研究對象是NDVI序列和時間序列,所得到的結果為每一像元對應的NDVI值與年份的回歸系數,得到的相關系數rxy可以用來檢驗植被生長狀況的變化趨勢。如果相關系數為正值,表明植被覆蓋度呈現增加的趨勢；反之就表示該區域植被覆蓋度呈現降低的趨勢。如果rxy值通過了0.05的顯著性水平(P<0.05)檢驗,說明NDVI具有顯著的變化趨勢。

3.3 復直線回歸分析

本文是進行NDVI與溫度、降水之間的復直線回歸分析,回歸方程為：

z=a+bx+cy

(3)

參數計算公式為：

(4)

(5)

(6)

NDVI模擬殘差計算公式：

residual=NDVI-NDVIP

(7)

式中,residual為NDVI復直線回歸方程殘差；NDVI為NDVI時間序列數據集；NDVIP是根據復直線回歸模型預測的NDVI值。

4 結果分析

4.1 NDVI的時空變化特征

通過一元線性回歸趨勢線分析得到2000—2016年8月份逐像元NDVI空間分布坡度圖(圖2)和不同級別slope面積(表1),圖2中絕大部分區域呈現綠色,說明大部分區域植被指數是增加的,增加率在0—0.03/a占多數；有些區域達到了0.04以上,最大值達到了0.044；植被指數減小的區域主要零星分布在榆林市的西部及西北部,這些區域是毛烏素沙漠的南緣,主要涉及到定邊縣、靖邊縣、橫山區和榆陽區。最小值為-0.054/a,平均值為0.0102/a,標準差為0.0058。

圖2 2000—2016年榆林NDVI一元線性回歸坡度分布圖Fig.2 Distribution of NDVI one-dimensional linear regression slope in Yulin from 2000 to 2016

表1為榆林植被指數一元線性回歸分析變化表,NDVI減小的面積為1537.44km2,僅占榆林總面積的3.57%,其中slope在0和-0.1之間的區域為1452.81km2,占榆林市總面積的3.37%；NDVI增加的面積為41609.76km2,占榆林總面積的96.44%,其中slope在0—0.02/a之間的區域占93.63%。說明近些年來榆林NDVI呈現增加的趨勢,且增加值基本都在0與0.02/a之間,榆林植被覆蓋度逐漸增加。

4.2 NDVI變化程度評價

為了定量的分析研究區域NDVI的變化程度,對逐年的NDVI影像和時間序列進行相關系數分析,得到每一像元的NDVI值與年份的回歸系數,即相關系數rxy,將該系數進行0.05的顯著性水平檢驗,得到的變化趨勢分布圖見圖3。

表1 2000—2016年榆林NDVI一元線性回歸分析變化表

圖3 2000—2016年NDVI動態變化顯著性水平檢驗圖Fig.3 The significance test of NDVI dynamic change from 2000 to 2016

如果rxy值大于0.05的顯著性水平(P<0.05)r0.05=0.482,則認為NDVI增加或減小趨勢顯著。圖3顯示,絕大多數區域通過了0.05的顯著性水平檢驗,顯著增加的區域占研究區域總面積的80.72%,增加但不顯著的區域占15.71%,顯著降低的區域僅占0.43%,零星分布在西北部毛烏素沙漠處,降低但不顯著的區域占3.14%,零星分布在西部的定邊縣和靖邊縣。所以,榆林的NDVI近些年來呈現顯著增加的趨勢,呈顯著增加趨勢的面積占80.72%。

4.3 2000年與2016年比較分析

將榆林2016年8月份NDVI影像減去2000年8月份NDVI影像,得到兩個年份的差值分布圖(圖4),并統計出不同差值范圍所占的面積(表2)。2016年與2000年相比,大部分區域NDVI增加值在0—0.4之間。

2016年NDVI值比2000年小的區域僅占研究區域的3.14%,為1354.12km2；其中小于0.2的僅有42.45km2,占總面積的0.10%；在0.2與0之間的為1311.67km2,占榆林總面積的3.04%。 2016年NDVI值比2000年增加的區域占研究區域的96.86%,達到了41793.09km2；其中在0與0.2之間的區域是19841.28km2,占研究區域總面積的45.99%；在0.2與0.4之間的有21505.85km2,占總面積的49.84%；在0.4和0.6之間的為438.71km2,僅占1.02%；大于0.6的區域僅有7.25km2,僅占總面積的0.02%。說明2016年與2000年相比,榆林市絕大部分區域植被指數都增加了,且增加幅度基本在0—0.4之間。

圖4 2016年與2000年8月份NDVI差值分布圖Fig.4 NDVI difference distribution in August between 2016 and 2000

NDVI差值NDVI difference面積Area/km2比例Proportion/%NDVI差值NDVI difference面積Area/km2比例Proportion/%NDVI<-0.61.450.000≤NDVI<0.219841.2845.99-0.6≤NDVI<-0.44.130.010.2≤NDVI<0.421505.8549.84-0.4≤NDVI<-0.236.870.090.4≤NDVI<0.6438.711.02-0.2≤NDVI<01311.673.04NDVI≥0.67.250.02

為了分析2000—2016年不同級別植被指數的變化情況,參照周淑琴[4]的研究,將榆林植被序列分為6個等級：1級(NDVI≤0.2)無植被區、2級(0.20.6)密集植被覆蓋區。做出2000年植被指數等級向2016年植被指數等級的轉移矩陣(表3)。

2000—2016年榆林市植被等級面積轉移矩陣表(表3)中,對角線上的數據是未發生轉變的植被,對角線右上方是正向轉變的植被等級面積,左下方是逆向轉變的植被等級面積。顯然右上方的面積明顯大于左下方的面積,這和作圖分析得到的結果相符合。

4.4 植被動態變化氣象因素與人為因素的定量分析

為了逐像元定量分析氣象因素和人類活動對植被的影響,另外由于氣象因子存在空間不均勻性,選取榆林區域內及其周邊的13個氣象站點資料,采用空間插值的方法來獲得每一個像元的降水和氣溫數據。選用了榆林、定邊、靖邊、橫山、綏德、神木、吳旗、延安、興縣、離石、河曲、鹽池、東勝共13個站點2000—2015年的降水和氣溫資料。由于植被指數與溫度、降水之間存在一定的滯后關系,所以為了準確分析NDVI與溫度和降水之間的定量關系,必須考慮這種滯后效應。在選取月降水和氣溫數據時,利用泰森多邊形方法將點降水和氣溫分配到面上,分別求出榆林NDVI與6月、7月、8月、6月和7月平均值、7月和8月平均值、6月7月8月這3個月平均值的相關系數,并進行了t分布檢驗,發現榆林NDVI與7月份平均氣溫和7月份總降水量t值最大,均通過了α=0.05的置信度檢驗。所以本文選擇了2000—2015年13個站點7月份平均氣溫和7月份總降水量作為氣溫和降水的研究序列。

表3 2000—2016年榆林市植被等級面積轉移矩陣表/km2

把NDVI的2000—2015年時間序列和所采用的氣溫和降水數據進行復直線回歸分析,求出a、b、c參數,再計算出NDVI與溫度、降水之間的回歸方程,最后利用溫度和降水序列得出NDVI的預測值。該預測值是氣候因素對NDVI的貢獻部分,用原始的NDVI減去NDVI的預測值即可得到殘差,該殘差即為人為因素對NDVI的影響和其他不確定因素的影響。

圖5是將2015年榆林面氣溫和降水數據進行復直線回歸分析得到的NDVI值,該圖東部和東南部區域NDVI多在0.4以上,西部和西北部的風沙草原區NDVI值較小,說明東部和東南部的森林草原區自然條件(地形、地貌、氣候、水文、土壤)更適合于植被的生長,西部和西北部由于位于毛烏素沙漠的邊緣,自然條件惡劣,植被自我更新和自我生長能力較差。表4是與圖5相對應的不同NDVI貢獻值的面積及比例。99%以上的區域NDVI為正值,其中0.3≤NDVI<0.4的面積為9220.72km2,占到總面積的21.46%；0.4≤NDVI<0.5的面積為18612.14km2,占總面積的43.32%；0.5≤NDVI<0.6的面積為8763.92km2,占總面積的20.40%。三者總和占到了總面積的85%以上,說明在沒有人類活動影響下,現階段榆林的NDVI一般在0.3—0.6之間。而2015年的實際觀測值0.3≤NDVI<0.4占到總面積的26.89%；0.4≤NDVI<0.5占到總面積的31.10%；0.5≤NDVI<0.6占到總面積的22.90%；0.2≤NDVI<0.3的比例為12.22%；0.6≤NDVI<0.7的比例為5.32%。實際觀測值與預測值的主要差別為介于0.4和0.5之間的區域面積減小了,減小了12.22%,而0.6和0.7之間的區域增加了,增加了3.60%。同時還可以看出人類活動使得植被指數變得更加均勻,中等植被覆蓋區面積減少了,而密集植被覆蓋區面積增加了,這是近年來榆林市開展封山育林、退耕還林、退牧還草等各項植被恢復和保護措施的結果。

表4 氣象因素(氣溫和降水)對榆林市2015年8月NDVI貢獻值分布表

圖5 氣象因素(氣溫和降水)對榆林市2015年8月NDVI貢獻分布圖Fig.5 Meteorological factors (temperature and precipitation) to NDVI contribution distribution for Yulin City in August 2015

為了定量化分析人類活動對植被的影響,根據復直線回歸分析,用原始觀測的NDVI減去NDVI的預測值,即計算出了殘差,殘差可以認為是人為因素對NDVI所貢獻的部分(圖6和表5)。人類活動對植被指數有消減的區域占榆林總面積的45.04%,主要分布在榆林最北部的府谷縣、榆林南部、榆林西部等區域(圖6)。人類活動對植被指數有提高的區域占榆林總面積的54.96%,但有46.64%的區域的貢獻值介于0和0.1之間,說明2015年這些區域的人類活動使得植被指數增加了,植被覆蓋度增加。2015年榆林市統計年鑒[34]顯示,在植被指數增加的區域森林覆蓋率、第一產業增加值、年末常用耕地面積比例、水保治理面積、旱澇保收面積都明顯大于植被指數降低的地區。榆林市從1999年開始積極響應國家號召,逐漸開展退耕還林、荒山荒地造林、封山育林等工程。這些退耕還林還草的生態工程建設促進了植被的恢復,但是這些措施在不同地區的實施規模和實施效果是存在差異的。而NDVI的變化直接反映了植被恢復的效果,所以此方法可以作為監察封山育林、退耕還林、退牧還草的政策落實和實施效果的參考,鑒于統計回歸分析結果存在的誤差,在應用中應予以注意。另外在現階段人類活動變化幅度不大的情況下,可以根據未來的氣溫和降水預測未來植被狀況的理論值。

圖6 人類活動對榆林2015年8月NDVI貢獻分布圖Fig.6 Human activity to NDVI contribution distribution for Yulin City in August 2015

NDVI貢獻值NDVI contribution面積Area/km2比例Proportion/%NDVI貢獻值NDVI contribution面積Area/km2比例Proportion/%NDVI<019349.1745.040.3≤NDVI<0.456.990.130≤NDVI<0.120036.0846.640.4≤NDVI<0.517.070.040.1≤NDVI<0.23285.517.65NDVI≥0.51.720.000.2≤NDVI<0.3210.740.49

5 結論

本文利用MODIS/Terra NDVI時間序列數據對2000—2016年陜西榆林生長季(8月份)植被指數進行時空變化特征及影響因素分析,主要得出以下結論：

(1) 對2000—2016年榆林8月份NDVI影像進行時空變化分析表明,榆林有96.44%的區域植被指數是增加的,增加率在0—0.02/a之間的區域占榆林的93.63%。顯著降低的區域僅占0.43%,零星分布在西北部毛烏素沙漠處,呈顯著增加趨勢的面積占到80.72%。2016年與2000年相比,榆林絕大部分區域植被指數都增加了,且增加幅度基本在0—0.4之間。

(2) 為了逐像元定量分析氣象因素和人類活動對植被的影響,復直線回歸分析顯示,氣象因素對植被生長演化起到了促進作用,人類活動使得植被指數等級變得更加均勻。氣象因素對植被指數的貢獻東部和東南部區域的森林化草原區NDVI多在0.4以上,西部和西北部的風沙草原區NDVI的貢獻較小,說明東部和東南部區域自然條件(地形、地貌、氣候、水文、土壤)更適合于植被的生長,西部和西北部由于位于毛烏素沙漠的邊緣,自然條件惡劣,植被自我更新和自我生長能力較差。

(3)人類活動表現為抑制植被生長演化的區域占榆林總面積的45.04%,主要分布在榆林市最北部的府谷縣、榆林南部、榆林西部等區域。人類活動對植被指數有提高的區域占榆林總面積的54.96%,說明有一半多以上的區域,人類活動對植被生長起到了促進作用,這些地區的封山育林、退耕還林、退牧還草等措施的實施效果較好。在現階段人類活動變化幅度不大的情況下,可以根據未來的氣溫和降水預測未來植被狀況的理論值,為區域生態修復和環境保護提供參考。

參考文獻(References):

[1] 孫紅雨, 王常耀, 牛錚, 布和敖斯爾, 李兵. 中國地表植被覆蓋變化及其與氣候因子關系——基于NOAA時間序列數據. 遙感學報, 1998, 2(3): 204- 210.

[2] 毛德華, 王宗明, 羅玲, 楊桄. 基于MODIS和AVHRR數據源的東北地區植被NDVI變化及其與氣溫和降水間的相關分析. 遙感技術與應用, 2012, 27(1): 77- 85.

[3] 張月叢, 趙志強, 李雙成, 孟憲鋒. 基于SPOT NDVI的華北北部地表植被覆蓋變化趨勢. 地理研究, 2008, 27(4): 745- 754.

[4] 周淑琴. 基于RS和GIS的毛烏素沙地東南緣沙地治理監測與評價[D]. 西安: 西北農林科技大學, 2015.

[5] 何彤惠, 王乃昂. 毛烏素沙地歷史時期環境變化研究. 北京: 人民出版社, 2010: 15- 19.

[6] 劉登峰, 黃強, 林木. 基于遙感的塔里木河植被變化規律研究. 水資源與水工程學報, 2013, 24(4): 32- 36.

[7] Gao Z Q, Dennis O. The temporal and spatial relationship between NDVI and climatological parameters in Colorado. Journal of Geographical Sciences, 2001, 11(4): 411- 419.

[8] Nezlin N P, Kostianly A C, Li B L. Inter-annual variability and interaction of remote-sensed vegetation index and atmospheric precipitation in the Aral Sea region. Journal of Arid Environments, 2005, 62(4): 677- 700.

[9] Wang J, Rich P M, Price K P. Temporal responses of NDVI to precipitation and temperature in the Central Great Plains, USA. International Journal of Remote Sensing, 2003, 24(11): 2345- 2364.

[10] Piao S L, Mohammat A, Fang J Y, Cai Q, Feng J M. NDVI-based increase in growth of temperate grasslands and its responses to climate changes in China. Global Environmental Change, 2006, 16(4): 340- 348.

[11] 夏照華. 基于NDVI時間序列的植被動態變化研究[D]. 北京: 北京林業大學, 2007.

[12] Fabricante I, Oesterheld M, Paruelo J M. Annual and seasonal variation of NDVI explained by current and previous precipitation across Northern Patagonia. Journal of Arid Environments, 2009, 73(8): 745- 753.

[13] Ding M J, Zhang Y L, Liu L S, Zhang W, Wang Z F, Bai W Q. The relationship between NDVI and precipitation on the Tibetan Plateau. Journal of Geographical Sciences, 2007, 17(3): 259- 268.

[14] 李登科, 郭鈮, 何慧娟. 陜北長城沿線風沙區植被指數變化及其與氣候的關系. 生態學報, 2007, 27(11): 4620- 4629.

[15] 楊英蓮. 青海省天然草地NDVI的時空化與氣溫和降水的關系分析[D]. 南京: 南京信息工程大學, 2008.

[16] 李麗娜. 基于陜西省溫度和降水的空間變化及其與NDVI的相關性研究[D]. 西安: 西北大學, 2009.

[17] 朱文彬, 呂愛鋒, 賈紹鳳. 基于NDVI的柴達木盆地植被空間分異規律及影響因素. 干旱區研究, 2010, 27(5): 691- 698.

[18] Zhao X, Tan K, Zhao S, Fang J. Changing climate affects vegetation growth in the arid region of the northwestern China. Journal of Arid Environments, 2011, 75(10): 946- 952.

[19] 徐浩杰, 楊太保, 曾彪. 2000- 2010年祁連山植被MODIS NDVI的時空變化及影響因素. 干旱區資源與環境, 2012, 26(11): 87- 91.

[20] 張清雨, 趙東升, 吳紹洪, 戴爾阜. 基于生態分區的內蒙古地區植被覆蓋變化及其影響因素研究. 地理科學, 2013, 33(5): 594- 601.

[21] 張智韜, 蘭玉彬, 鄭永軍, 陳立平, 宋鵬. 影響大豆NDVI的氣象因素多元回歸分析. 農業工程學報, 2015, 31(5): 188- 193.

[22] 孫慶齡, 李寶林, 許麗麗, 張濤, 葛勁松, 李飛. 2000- 2013年三江源植被NDVI變化趨勢及影響因素分析. 地球信息科學學報, 2016, 18(12): 1707- 1716.

[23] 成方妍, 劉世梁, 尹藝潔, 呂一河, 安南南, 劉昕明. 基于MODIS NDVI的廣西沿海植被動態及其主要驅動因素. 生態學報, 2017, 37(3): 788- 797.

[24] 劉靜, 銀山, 張國盛, 王林和, 李禾, 斯琴高娃. 毛烏素沙地17年間植被覆蓋度變化的遙感監測. 干旱區資源與環境, 2009, 23(7): 162- 167.

[25] 周淑琴, 荊耀棟, 張青峰, 吳發啟. 毛烏素沙地植被空間自相關分布模式及變化特征. 應用基礎與工程科學學報, 2015, 23(2): 318- 330.

[26] 王靜璞, 劉連友, 賈凱, 田麗慧. 毛烏素沙地植被物候時空變化特征及其影響因素. 中國沙漠, 2015, 35(3): 624- 631.

[27] 鄭亞云. 榆林NDVI時空變化及驅動因子研究[D]. 西安: 長安大學, 2015.

[28] 劉登峰, 王心睿, 黃強, 孟憲萌, 林木. 毛烏素沙漠南部植被指數的變化規律研究. 水資源與水工程學報, 2017, 28(3): 5- 9.

[29] 榆林市統計局. 榆林概況. http://www.yltjj.gov.cn/1/1/list.aspx.

[30] 榆林市統計局. 2015年榆林市國民經濟和社會發展統計公報. (2016-08- 23). http://www.yltjj.gov.cn/9/2795/content.aspx.

[31] 宋怡, 馬明國. 基于GIMMS AVHRR NDVI數據的中國寒旱區植被動態及其與氣候因子的關系. 遙感學報, 2008, 12(3): 499- 505.

[32] Stow D, Daeschner S, Hope A, Douglas D, Petersen A, Myneni R, Zhou L, Oechel W. Variability of the seasonally integrated normalized difference vegetation index across the north slope of Alaska in the 1990s. International Journal of Remote Sensing, 2003, 24(5): 1111- 1117.

[33] 詹道江, 徐向陽, 陳元芳. 工程水文學(第四版). 北京: 中國水利水電出版社, 2010: 154- 157.

[34] 中國統計數據庫. 榆林統計年鑒2015. https://www.shujuku.org/statistical-yearbook-of-yulin.html.