2025, Vol. 46
长三角是中国乡村发展最为成熟的地区之一, 也是近几十年来乡村资源环境变化的典型区域, 该地区乡村生态环境变化是中国乡村生态环境变化的重要缩影.研究该地区乡村植被覆盖度变化, 不仅对深刻认识改革开放背景下乡村生态环境演变有直接价值, 更对当前其他地区乡村生态环境建设和保护具有参考意义.
近年来植被变化研究受到了学界的广泛关注, 也是当下的研究热点. ①从测度方法和反映手段来看.当前国际国内的植被变化研究中, 包括NDVI[1 ~ 3]、NPP[4]和EVI[5 ~ 7]等多种测度方法与反映手段.如国外Bagherzadeh等[1]采用NDVI对伊朗（东北）植被的研究, 国内戴强玉等[6]采用EVI揭示四川盆地植被变化特征, 等.②从植被变化的研究主题来看.当前研究主题包括植被变化时空监测/变化[8 ~ 10]、植被变化与气候的关系/响应/联系[1, 11 ~ 13]、植被变化的影响/驱动要素分析[2 ~ 4, 6 ~ 9, 14 ~ 16]和植被物候变化/响应/联系[17 ~ 19]等.③从植被变化与地形的关系研究[植被生长、植被分布、特定植被类型（如森林）等与地形/地形因子联系的文献, 均视为植被变化与地形关系, 下同]来看.近年来植被变化与地形关系的研究较为丰富[20 ~ 23], 如国际上Vali等[20]对Kharestan地区的研究, 国内李晖等[23]对汾河流域的研究等.综上来看, 伴随着测度方法、反映手段和研究内容等的日益完善, 国内外植被变化的相关研究呈现快速发展趋势, 为区域生态监测、环境整治和生态保护提供了有效的科学依据.但本文发现当前研究还有一些问题尚未解决, 仍需要进一步拓展和完善.首先, 植被变化与地形关系的研究中, 以往研究从众多视角揭示或说明植被与地形的关系/联系[20 ~ 23], 大多是单一地形要素与植被关系的研究, 对地形影响的综合作用研究相对薄弱.同时, 以往研究很少结合多尺度视角分析植被覆盖变化及其地形影响, 也存在进一步拓展和完善的内容.因此, 本文拟在以往研究的基础上, 解决以上问题.
中国乡村众多, 各具特色, 具有千差万别的自然地理条件和社会经济背景.本文选择以长三角地区具有山地丘陵特征的乡村为研究区, 主要原因如下：①长三角地区是中国乡村发展最成熟的地区之一, 乡村平均发展水平远超过其他地区, 其乡村资源环境（植被）变化具有典型性.②长三角地区处于长江下游, 以平原为主, 山地丘陵相对较少.以该地区具有山地丘陵特征的乡村为研究区, 能够凸显社会经济发展和自然环境的双重影响.③乡村资源环境保护和治理是新时期乡村发展的重要内容, 揭示乡村资源环境变化有助于认识乡村生态环境变化, 助力乡村人与自然和谐发展, 服务于国家乡村振兴战略的实施.
因此, 本文以江苏省宜兴市乡村地区——太华镇为例, 探究多尺度情景下乡村地区植被覆盖度变化的地形效应（单一地形效应和综合地形效应）.本文能够拓展植被覆盖度变化及其地形影响的研究, 以期为新时期乡村地区资源环境发展提供科学参考和依据.
1 材料与方法 1.1 研究区概况太华镇（研究区）隶属于位于江苏省无锡市, 位于宜兴市的西南部（图 1）, 区域面积为96 km2[24].研究区主要属于平原到低山丘陵过渡地带, 其西南部和东南部海拔较高, 北部海拔较低（图 2）.研究区坡度和地形起伏度与海拔的空间分布格局大致相似, 西南部东南部坡度和地形起伏度相对较高, 北部（尤其是西北部）坡度和地形起伏度相对较低.研究区经济发达, 产业基础良好. 2022年《江苏统计年鉴》[24]显示, 2021年研究区总人口约为2.85万人, 财政收入15 574万元, 耕地面积7.24 km2, 粮食产量1 357 t.
|
图 1 太华镇（研究区）在江苏省宜兴市的位置 Fig. 1 Location of the Taihua Town (the study area) in Yixing City, Jiangsu Province |
|
图 2 研究区海拔、坡度和地形起伏度空间分布特征 Fig. 2 Spatial distribution characteristics of elevation, slope, and topographic relief in the study area |
本文所使用的Landsat系列遥感影像均来源于中国科学院计算机网络信息中心地理空间数据云平台（http://www.gscloud.cn）, 涉及使用的波段其分辨率为30 m（受投影变形和计算变形的影响, 30 m分辨率会产生小幅度改变, 仍视为30 m分辨率）.本文所使用的影像采集时间为1986年、1996年、2001年、2008年、2013年和2020年（2021年）, 月份处于6~8月, 各影像间隔时间维持在5~10 a.影像时间间隔相对均等, 能够满足研究区长时间序列植被覆盖变化的研究.数字高程模型（DEM）亦来源于中国科学院计算机网络信息中心地理空间数据云平台（http://www.gscloud.cn）, 分辨率为30 m.研究区乡村边界制作和参考依据为天地图·江苏（https://jiangsu.tianditu.gov.cn/staticServer/site/atlas/index.html）所公开的地图资料.除此之外, 本文有以下内容需要特别说明：①部分年份研究区遥感影像存在云量覆盖较多的情况, 以相近年份遥感影像作为补充, 获得当年完整的影像. ②本文乡村地区包括核心村镇（镇区）和所属的广大乡村, 故研究区范围包括太华镇行政区范围内全部地区. ③本研究区面积较小, 需要统一坐标系减少运算误差, 所用坐标系为WGS_1984_UTM_Zone_51N.
1.2.2 尺度情景划分尺度情景对研究结果具有影响, 为了保证研究的科学性, 本文对尺度情景的确定思路如下：①考虑研究区面积大小.本研究区面积不足100 km2, 属于相对较小的研究区.如果设置的观测尺度过大, 则可观测的分区单元很少, 获得的信息有限, 故最大的观测尺度（情景）不宜过大.②考虑栅格植被数据的像元大小和分辨率.一般来说, 栅格分辨率越高, 则反映的地表植被变化信息越详细.本文遥感数据的栅格原始遥感影像分辨率为30 m.因此, 不宜将最小观测尺度（情景）设置过小, 导致实际意义有限.③考虑观测尺度的等级倍数关系.如果观测尺度随意或无序, 则会导致研究的科学性不足, 科学规律也难以揭示.因此, 本文对观测尺度（情景）的确定考虑倍数关系.综合以上思考, 本文以六边形作为形状, 以2倍为倍数关系, 确定了0.25、0.50和1.00 km2这3个尺度情景, 依次命名为情景1、情景2和情景3（图 3）.
|
图 3 研究区情景1（0.25 km2）、情景2（0.50 km2）和情景3（1.00 km2）多尺度情景划分示意 Fig. 3 Schematics of multi-scale scenario partitions, including scenario 1 (0.25 km2), scenario 2 (0.50 km2), and scenario 3 (1.00 km2) in the study area |
采用像元二分模型提取植被覆盖度, 已经得到了广泛应用[10, 22, 25, 26], 该模型能够较好地反映区域植被特点, 本文植被覆盖度提取亦使用该模型.考虑到研究区多数地区为低山丘陵, 森林覆盖率相对较高, 其植被覆盖度提取过程中, NDVI下限值设置为5%左右, NDVI上限值设置为90%左右.由于研究区面积相对较小, 栅格累计范围不可能一直固定于5%或90%, 上限值和下限值具体计算过程中会进行浮动调整, 基本维持在设定阈值±5%以内.地形起伏度提取参考以往研究[27 ~ 29]和本研究实际情况计算.多尺度情景下, 植被覆盖度与地形关系的数据运算中, 少部分区域存在数据丢失, 这与图 3中尺度情景划分的格网数量存在微小差异, 但基本不影响本文的研究结论.
1.3 研究方法本文对植被覆盖度（vegetation coverage, VC）变化的分析, 主要涉及植被覆盖度年均变化计算法、空间自相关分析和标准差椭圆等, 以上方法较为常规, 其简单介绍如下.
（1）植被覆盖度年均变化计算法 由于本文植被覆盖度为某天的数据, 与通常意义的年变化计算存在一定差异.本文植被覆盖度在某个阶段年均变化计算方式界定如下：将某天植被覆盖度数据视为当年数据, 例如1986年某月某日视为1986年, 即不考虑具体月和日的时间差异；由于本文时间间隔并不完全一致, 为保证本文植被覆盖度阶段变化具有可比性, 以任意两期得到某个阶段的年均变化更为合适.根据上述思路, 结合文献[10], 得出如下植被覆盖度年均变化计算方法[10]：
|
(1) |
式中, CVC表示植被覆盖度年均变化值, VCa和VCb表示末期（末年）和初期（初年）植被覆盖度, Ta-b表示末期（末年）和初期（初年）的时间间隔.需要注意的是, 本文时间间隔计算直接采用年相减获得, 不考虑月日时间差异, 该公式不一定适用于其他研究.
（2）空间自相关分析 空间自相关分析包括全局和局部两种情况, 可以用具体方法来度量, 其在各学科研究中的使用非常普遍[30 ~ 32].本文采用全局空间自相关分析（莫兰指数）, 说明多尺度情景下植被覆盖度变化的差异.全局空间自相关分析（莫兰指数）为正, 则表示正向关联或正相关, 为负则表示负向关联或负相关, 全局空间自相关分析（莫兰指数）绝对值越小则空间关联或相关性越不明显[30 ~ 32].更多相关介绍见文献[30 ~ 32].
（3）标准差椭圆 标准差椭圆可以反映植被覆盖度变化的空间方向和趋势, 标准差椭圆轴差越大则说明方向分布差异越大, 反之则说明方向差异越小[33, 34].本文采用标准差椭圆说明不同尺度情景下植被覆盖度的方向差异, 其详细介绍见文献[33, 34].
2 结果与分析 2.1 植被覆盖度变化基本特征 2.1.1 植被覆盖度逐年变化特征（1）植被覆盖度逐年总体特点 1986~2020年研究区植被覆盖度总体保持波动上升趋势, 期间植被覆盖度从74.15%上升到83.44%（表 1）.以具体年份来看, 研究区植被覆盖度从高到低依次是2020年（83.44%）、2013年（81.96%）、1996年（79.38%）、2008年（77.24%）、2001年（74.85%）和1986年（74.15%）, 该变化表明研究区植被覆盖度总体是波动上升的趋势.
|
表 1 1986~2020年研究区植被覆盖度逐年平均值与排序变化 Table 1 Annual mean and ranking changes of vegetation coverage in the study area from 1986 to 2020 |
（2）植被覆盖度逐年空间分布特点 1986~2020年研究区植被覆盖度分布总体表现为东南部和西南部高, 北部（西北部）较低的空间格局（表 2和图 4）.采用自然间断点分级[natural breaks（jenks）], 将研究区植被覆盖度分为5个等级, 从低到高依次为等级1、等级2、等级3、等级4和等级5. 1986~2020年研究区植被覆盖度等级1的区域, 主要在靠近西北部, 空间分布呈现小范围集中；植被覆盖度等级2和等级3的区域空间分布相对有序, 主要集中于等级1周边；植被覆盖度等级4和等级5的区域空间分布相对集中, 期间两个等级的植被覆盖度空间分布格局基本保持不变.总体来看, 1986~2020年研究区西南部和东南部植被覆盖度高（等级4和等级5的区域空间分布相对较多）, 北部/西北部植被覆盖度较低（等级1和等级2的区域空间分布相对较多）.
|
|
表 2 1986~2020年研究区植被覆盖度自然间断点分级方法划分的等级范围/% Table 2 Classification range of natural breaks (jenks) of vegetation coverage in the study area from 1986 to 2020/% |
|
图 4 1986~2020年基于自然间断点分级的研究区植被覆盖度等级空间分布特征 Fig. 4 Spatial rank distribution characteristics of vegetation coverage in the study area from 1986 to 2020 based on natural breaks (jenks) |
（1）植被覆盖度阶段变化的年均特点 1986~2020年研究区植被覆盖度各阶段变化以上升为主（表 3）, 整个阶段（1986~2020年）植被覆盖度上升9.30%, 年均变化0.27%.1986~2020年研究区植被覆盖度各阶段年均变化来看, 上升阶段从高到低依次为2008~2013年（0.94%）、1986~1996年（0.52%）、2001~2008年（0.34%）和2013~2020年（0.21%）, 下降阶段仅为1996~2001年（-0.91%）.总体来看, 1986~2020年研究区植被覆盖度不同阶段变化差异较大.
|
|
表 3 1986~2020年研究区植被覆盖度阶段变化与排序1） Table 3 Stage and ranking changes of vegetation coverage in the study area from 1986 to 2020 |
（2）植被覆盖度阶段变化的下降区空间分布特点 1986~2020年研究区植被覆盖度各阶段变化的下降区空间分布存在差异, 整个阶段（1986~2020年）下降区相对集中于中部偏西北, 但分布面积相对较少（图 5）.从各阶段变化特征来看, 1986~1996年研究区植被覆盖度下降区空间分布相对分散, 中部分布相对较多, 南部分布相对较少.1996~2001年研究区植被覆盖度下降区空间分布集中且面积较大, 中北部下降区空间分布明显, 东南部也有分布.2001~2008年研究区植被覆盖度下降区空间分布, 与1996~2001年存在较大差异, 2001~2008年中部下降区分布略多且呈现小范围集聚分布.2008~2013年研究区植被覆盖度下降区空间分布呈现分散与集中并存特征, 2013~2020年下降区空间分布有所分散.
|
图 5 1986~2020年研究区植被覆盖度阶段年均变化空间分布特征 Fig. 5 Spatial distribution characteristics of annual average change of stage change of vegetation coverage in the study area from 1986 to 2020 |
（3）植被覆盖度阶段变化的上升区空间分布特点 1986~2020年研究区植被覆盖度各阶段变化的上升区空间分布存在差异, 整个阶段（1986~2020年）大部分地区植被覆盖度表现为上升, 尤其是偏北部上升最为明显（图 5）.1986~1996年研究区植被覆盖度上升区主要分布在偏北部和偏南部, 1996~2001年上升区西南部空间分布相对较多, 偏中东部也有分布.2001~2008年研究区植被覆盖度上升区空间分布以北部为主, 东南部也有少量分布.2008~2013年研究区大部分地区植被覆盖度上升明显, 尤其是中部上升明显.2013~2020年研究区植被覆盖度北部上升区空间分布略多, 南部上升区分布略少.
2.1.3 植被覆盖度等级结构变化特征（1）植被覆盖度低中高等级逐年占比特点 1986~2020年研究区以高植被覆盖度占比为主, 中低植被覆盖度占比不足30.00%（图 6）.以相等间隔划分植被覆盖度等级, 从低到高分别为低（0.00%~33.33%）、中（33.34%~66.67%）和高（66.68%~100.00%）.研究区高植被覆盖度占比从1986年的75.28%上升到2020年的84.99%, 中植被覆盖度占比从1986年的14.93%下降到2020年的6.05%, 低植被覆盖度占比从1986年的9.79%下降到2020年的8.96%.
|
（a）植被覆盖度低中高占比, （b）植被覆盖度低中高占比阶段变化；1. 1986~1996年, 2. 1996~2001年, 3. 2001~2008年, 4. 2008~2013年, 5. 2013~2020年, 6. 1986~2020年 图 6 1986~2020年研究区低中高植被覆盖度占比与其阶段变化 Fig. 6 Proportions of low, medium, and high vegetation coverage and their stage changes in the study area from 1986 to 2020 |
（2）植被覆盖度低中高等级占比阶段变化特点 1986~2020年研究区高植被覆盖度占比总体呈现上升趋势, 中低植被覆盖度占比总体呈现下降趋势（图 6）.研究区各阶段高植被覆盖度占比以上升为主, 整个阶段（1986~2020年）占比上升9.71%；中植被覆盖度多数阶段占比以下降为主, 尤其是1986~1996年占比下降明显, 整个阶段（1986~2020年）占比下降为8.88%；高植被覆盖度占比多数阶段以下降为主, 整个阶段（1986~2020年）占比下降仅为0.83%.
2.2 多尺度情景下植被覆盖度变化特征 2.2.1 多尺度情景下植被覆盖度空间基本变化特征（1）多尺度情景下植被覆盖度≤50%的区域空间分布特点 多尺度情景下, 1986~2020年研究区植被覆盖度≤50%的区域主要分布在西北部（图 7）.情景1下, 1986年和1996年研究区植被覆盖度≤50%的区域空间分布相对分散, 情景2和情景3空间分布则更集中.2001年研究区植被覆盖度≤50%的区域空间分布明显扩大, 3种情景下均表现为扩大趋势.情景1下, 2008~2020年研究区植被覆盖度≤50%的区域空间集中分布的趋势加强, 情景2和情景3则表现更为明显.
|
图 7 1986~2020年多尺度情景下研究区植被覆盖度空间分布特征 Fig. 7 Spatial distribution characteristics of vegetation coverage under multi-scale scenarios in the study area from 1986 to 2020 |
（2）多尺度情景下植被覆盖度50%~75%的区域空间分布特点 多尺度情景下, 1986~2020年研究区植被覆盖度50%~75%的区域主要分布在西部（尤其是西北部）, 大部分年份该区域位于植被覆盖度≤50%的区域周边（图 7）.情景1下, 1986~2020年研究区植被覆盖度50%~75%的区域主要分布在中北部, 南部少量零散分布, 情景2与情景1较为相似.情景3下, 1996年后研究区植被覆盖度50%~75%的区域明显集中分布于北部.
（3）多尺度情景下植被覆盖度 > 75%的区域空间分布特点 多尺度情景下, 1986~2020年研究区植被覆盖度 > 75%的区域主要在南部和东部（图 7）.情景1下, 1986年和1996年研究区植被覆盖度 > 75%的区域分布若干块, 2001年后总体呈现集中分布特征.情景2下, 2001~2020年研究区植被覆盖度 > 75%的区域空间分布相对集中, 与情景1下基本相似.情景3下, 研究区植被覆盖度 > 75%的区域在1996年后已经可以看出空间集中分布特征.
2.2.2 多尺度情景下植被覆盖度演化特征（1）多尺度情景下植被覆盖度莫兰指数变化特点 不同尺度情景下, 1986~2020年研究区植被覆盖度空间自相关特征并不完全一致, 情景观测对其变化有影响（表 4）. 1986年和2020年研究区植被覆盖度莫兰指数大小表现为：情景1 > 情景3 > 情景2, 1996年、2001年和2013年均表现为：情景1 > 情景2 > 情景3, 2008年表现为：情景1 > 情景2=情景3.该结果说明, 尺度观测对植被覆盖度关联程度有影响.
|
|
表 4 1986~2020年多尺度情景下研究区植被覆盖度莫兰指数1） Table 4 Moran's index of vegetation coverage under multi-scale scenarios in the study area from 1986 to 2020 |
（2）多尺度情景下植被覆盖度标准差椭圆变化特点 1986~2020年不同尺度情景下, 研究区植被覆盖度标准差椭圆趋势基本一致（表 5）. 1986~2020年研究区植被覆盖度均保持相似的标准差椭圆趋势, 基本呈现南北（150°~180°）方向变化.从半轴差来看, 1986~2020年研究区植被覆盖度标准差椭圆的半轴差总体有扩大趋势, 说明植期间被覆盖度的方向差异总体有所增加.
|
|
表 5 1986~2020年多尺度情景下研究区植被覆盖度标准差椭圆信息1） Table 5 Information of standard deviation ellipse under multi-scale scenarios of vegetation coverage in the study area from 1986 to 2020 |
2.3 多尺度情景下植被覆盖度变化的单一地形效应 2.3.1 多尺度情景下植被覆盖度变化的海拔效应
（1）多尺度情景下植被覆盖度随海拔变化的基本特点 1986~2020年随着海拔上升, 研究区植被覆盖度总体保持上升趋势（图 8）.情景1下, 1986年研究区植被覆盖度从海拔0~50 m的58.29%上升到 > 350 m的93.53%, 2020年则从64.50%上升到98.77%.情景2和情景3下, 1986~2020年研究区植被覆盖度均保持与情景1相似的变化趋势.具体年份不同情景来看, 1986年、2001年、2008年和2013年各情景之间的植被覆盖度差异相对略小, 1996年和2020年则差异较大.例如, 1996年研究区植被覆盖度不同尺度情景下差异来看, 海拔50~100 m和100~150 m差异明显, 2020年在海拔0~50 m和50~100 m差异明显.
|
横坐标表示海拔, 单位为m, 依次为：A.0~50, B.50~100, C.100~150, D.150~200, E.200~250, F.250~300, G.300~350, H. > 350；图 9同 图 8 1986~2020年多尺度情景下研究区植被覆盖度年变化的海拔效应 Fig. 8 Elevation effects on annual change of vegetation coverage under multi-scale scenarios in the study area from 1986 to 2020 |
（2）多尺度情景下植被覆盖度随海拔变化的阶段变化特点 本文阶段变化既包括逐个阶段变化, 又包括整个阶段变化. 受论文篇幅限制, 本文不探究逐个阶段上地形因子与植被覆盖度变化的关系. 如无特别说明, 后文涉及植被覆盖度随海拔、坡度、地形起伏度变化的“阶段变化”, 是指整个阶段（1986~2020年）的变化, 即2020年减1986年的值. 1986~2020年研究区各海拔范围的植被覆盖度阶段变化均表现为增加特点, 但其增加快慢具有差异（图 9）.情景1和情景2下, 1986~2020年研究区植被覆盖度阶段变化在各海拔的增加基本相近, 大致随着海拔上升呈现加快-减缓-加快-减缓的增加趋势.但情景3下, 1986~2020年研究区海拔0~50 m的植被覆盖度阶段增加, 明显高于情景1和情景2, 直接改变了不同海拔范围的植被覆盖度阶段变化趋势.
|
图 9 1986~2020年多尺度情景下研究区植被覆盖度阶段变化的海拔效应 Fig. 9 Elevation effects on stage change of vegetation coverage under multi-scale scenarios in the study area from 1986 to 2020 |
（1）多尺度情景下植被覆盖度随坡度变化的基本特点 1986~2020年随着坡度上升, 不同情景下研究区植被覆盖度总体保持波动上升趋势（图 10）.情景1下, 1986年研究区植被覆盖度从坡度0°~6°的57.63%上升到 > 24°的90.05%, 2020年从59.78%上升到97.43%.从具体年份来看, 不同年份研究区植被覆盖度变化存在趋势差异.随着坡度上升, 1986年和1996年研究区植被覆盖度则大致属于直线波动上升, 2001年、2008年、2013年和2020年表现为先快速上升后平缓上升.从不同情景下研究区植被覆盖度差异来看, 1996年坡度6°~9°、9°~12°和12°~15°, 2020年坡度6°~9°和9°~12°均是局部差异明显的年份, 表明不同尺度情景下研究区植被覆盖度存在局部差异.
|
横坐标表示坡度, 单位为（°）, 依次为：A.0~6, B.6~9, C.9~12, D.12~15, E.15~18, F.18~21, G.21~24, H. > 24；图 11同 图 10 1986~2020年多尺度情景下研究区植被覆盖度年变化的坡度效应 Fig. 10 Slope effects on annual change of vegetation coverage under multi-scale scenarios in the study area from 1986 to 2020 |
（2）多尺度情景下植被覆盖度随坡度变化的阶段变化特点 随着坡度上升, 除情景2外, 1986~2020年研究区植被覆盖度阶段增加总体表现为先快后慢趋势（图 11）.情景1和情景3下, 1986~2020年研究区各坡度范围植被覆盖度均表现为增加特征, 其增加的峰值大致位于坡度6°~9°或9°~12°.情景2下, 1986~2020年研究区植被覆盖度增加的峰值位于6°~9°, 但与情景1和情景3不同的是, 坡度0°~6°其植被覆盖度下降了0.21%.
|
图 11 1986~2020年多尺度情景下研究区植被覆盖度阶段变化的坡度效应 Fig. 11 Slope effects on stage change of vegetation coverage under multi-scale scenarios in the study area from 1986 to 2020 |
（1）多尺度情景下植被覆盖度随地形起伏度变化的基本特点 随着地形起伏度上升, 1986~2020年研究区植被覆盖度总体呈现上升趋势（图 12）.随着地形起伏度变化, 1986~2020年研究区植被覆盖度变化趋势大致可以分为两类, 1986年和1996年趋势相似（大致呈现直线波动上升趋势）, 2001~2020年趋势相似（大致呈现先加快后减缓的上升趋势）.以情景1来看, 1986年研究区植被覆盖度从地形起伏度0~30 m的58.87%上升到地形起伏度 > 120 m的89.31%, 2020年从60.89%上升到97.03%.2001~2020年随着地形起伏度上升, 研究区植被覆盖度上升存在减缓趋势, 尤其是地形起伏度90~105 m后愈加明显.
|
横坐标表示地形起伏度, 单位为m, 依次为：A.0~30, B.30~45, C.45~60, D.60~75, E.75~90, F.90~105, G.105~120, H. > 120；图 13同 图 12 1986~2020年多尺度情景下研究区植被覆盖度年变化的地形起伏度效应 Fig. 12 Topographic relief effects on annual change of vegetation coverage under multi-scale scenarios in the study area from 1986 to 2020 |
（2）多尺度情景下植被覆盖度随地形起伏度变化的阶段变化特点 从阶段变化来看, 随着地形起伏度的上升, 1986~2020年研究区植被覆盖度增加总体呈现先加快后减缓（图 13）. 1986~2020年研究区整个阶段变化看, 各地形起伏度范围的植被覆盖度均保持增加趋势.以情景1为例, 研究区地形起伏度0~30 m的植被覆盖度上升2.02%, 地形起伏度30~45 m上升15.57%, 地形起伏度105~120 m上升10.46%.不同情景下, 地形起伏度30~45 m均为1986~2020年研究区植被覆盖度上升最高的范围.从研究区植被覆盖度阶段变化的局部变化来看, 地形起伏度45~60 m等范围是3种情景下差异明显的阶段.
|
图 13 1986~2020年多尺度情景下研究区植被覆盖度阶段变化的地形起伏度效应 Fig. 13 Topographic relief effects on stage change of vegetation coverage under multi-scale scenarios in the study area from 1986 to 2020 |
首先, 利用不同尺度情景下植被覆盖度, 得到1986~2020年研究区平均植被覆盖度（VC）, 以减少年份变化带来的模拟误差.其次, 在SPSS中, 对自变量海拔（h）、坡度（p）和地形起伏度（q）进行Z标准化处理, 降低单位差异产生的噪声和误差.最后, 由此得到本文的模拟变量ZVC、Zh、Zp和Zq.为了保证研究的科学性和可对比性, 模拟前对变量进行检验与分析（表 6）.
|
|
表 6 1986~2020年多尺度情景下研究区平均植被覆盖度与海拔、坡度和地形起伏度的相关性与显著性检验1） Table 6 Correlation and significance tests of mean vegetation coverage with elevation, slope, and topographic relief under multi-scale scenarios in the study area from 1986 to 2020 |
相关分析结果显示, 情景1下, 置信度（双测）为0.01时, 研究区平均植被覆盖度（ZVC）与海拔（Zh）、坡度（Zp）和地形起伏度（Zq）均表现为显著的正相关性, 情景2和情景3下也表现为显著的正相关性.随着尺度上升, 研究区平均植被覆盖度（ZVC）与海拔（Zh）、坡度（Zp）和地形起伏度（Zq）的相关系数总体是上升的趋势, 该特征可以说明：尺度变化改变了植被覆盖度与地形因子之间的相关性.以研究区平均植被覆盖度（ZVC）和海拔（Zh）的相关系数为例, 情景1、情景2和情景3下的相关系数分别为0.763、0.799和0.807, 表明尺度放大增加了两者之间的相关性.
相关分析结果也显示, 置信度（双测）为0.01时, 相同尺度情景下研究区海拔（Zh）、坡度（Zp）和地形起伏度（Zq）之间存在显著的相关性, 表明变量之间可能存在多重共线性问题.进一步进行共线性诊断分析（采用回归分析确定）的结果表明, 不同尺度情景下部分变量之间均存在共线性问题, 不宜直接采用回归分析模拟海拔（Zh）、坡度（Zp）和地形起伏度（Zq）与平均植被覆盖度（ZVC）的关系.综合评估后, 本文采用降维方式进行下一步的模型构建.
2.4.2 模型参数检验从降维后的地形因子总方差解释信息来看（表 7）, 不同情景下, 提取1个新因子均能代表原始变量信息的93.50%以上.不同情景下各地形因子的公因子方差结果显示（表 8）, 其均达到了0.850以上, 也呈现良好的效果.因此, 降维后的因子信息具有很高实用性, 可以进行海拔（Zh）、坡度（Zp）和地形起伏度（Zq）与平均植被覆盖度（ZVC）的关系模拟.情景1、情景2和情景3下, 各情景降维后对应的新因子依次为命名ZX1、ZX2和ZX3, 则新因子与海拔（Zh）、坡度（Zp）和地形起伏度（Zq）的关系如下：
|
(2) |
|
(3) |
|
(4) |
|
|
表 7 研究区地形因子的因子分析总方差解释1） Table 7 Total variance of factor analysis of topographic factors in the study area |
|
|
表 8 研究区地形因子的因子分析公因子方差与成分得分系数矩阵1） Table 8 Common factor variance and component fraction coefficient matrix for topographic factors of factor analysis in the study area |
利用新因子ZX1、ZX2和ZX3与平均植被覆盖度（ZVC）分别建立回归方程, 得到不同情景下回归模拟结果（表 9和表 10）.从回归模型模拟结果来看, 情景1、情景2和情景3下, 回归方程的拟合优度R2分别为0.659、0.694和0.722, 调整后的R2为0.659、0.692和0.719.表明随着观测尺度的上升, 回归方程的拟合效果不断上升.结合回归方程的检验, 本文认为各种尺度情景下, 回归方程模拟效果基本可信, 总体检验通过.从回归方程的ANOVA检验结果来看, 置信度为0.01时, 其F检验结果均显著.因此, 本研究认为采用此模型模拟地形因子与植被覆盖度的关系科学可行, 可以反映植被覆盖度变化的综合地形作用.
|
|
表 9 1986~2020年多尺度情景下研究区平均植被覆盖度与海拔、坡度和地形起伏度关系模拟的模型摘要1） Table 9 Abstract of the relationship between mean vegetation coverage and elevation, slope, and topographic relief under multi-scale scenarios in the study area from 1986 to 2020 |
|
|
表 10 1986~2020年多尺度情景下研究区平均植被覆盖度与海拔、坡度和地形起伏度关系模拟的ANOVA1） Table 10 ANOVA simulations of the relationship between mean vegetation coverage and elevation, slope, and topographic relief under multi-scale scenarios in the study area from 1986 to 2020 |
2.4.3 多尺度情景下植被覆盖度变化的综合地形效应
模拟结果显示, 1986~2020年研究区海拔、坡度和地形起伏度对平均植被覆盖度的影响均为正向（表 11）.根据方程模拟系数, 可以得出情景1、情景2和情景3下, 研究区平均植被覆盖度（ZVC）与海拔（Zh）、坡度（Zp）和地形起伏度（Zp）的综合关系为：
|
(5) |
|
(6) |
|
(7) |
|
|
表 11 1986~2020年多尺度情景下研究区平均植被覆盖度与海拔、坡度和地形起伏度关系模拟的系数1） Table 11 Simulation coefficients of the relationship between mean vegetation coverage and elevation, slope, and topographic relief under multi-scale scenarios in the study area from 1986 to 2020 |
式中, N表示随机常量, 全文同理.将公式（2）~（4）代入公式（5）~（7）后, 则可以得到不同尺度情景下, 研究区平均植被覆盖度（ZVC）与海拔（Zh）、坡度（Zp）和地形起伏度（Zp）的综合关系为：
|
(8) |
|
(9) |
|
(10) |
从地形因子对研究区平均植被覆盖度影响的正负来看, 所有尺度情景下, 海拔、坡度和地形起伏度均为正向影响.相同尺度情景下, 海拔对研究区平均植被覆盖度的影响, 均小于坡度和地形起伏度, 说明海拔对平均植被覆盖度的影响低于坡度和地形起伏度.随着观测尺度的上升, 情景1、情景2和情景3下, 方程中海拔的影响系数分别为0.271、0.281和0.283, 坡度的影响系数分别为0.283、0.289和0.294, 地形起伏度的影响系数分别为0.283、0.292和0.295.由此可见, 尺度增加的情景下, 海拔、坡度和地形起伏度对研究区平均植被覆盖度的影响扩大.因此, 可以认为地形因子对研究区植被覆盖度的影响存在尺度效应.
3 讨论 3.1 关于研究区植被覆盖度变化的基本成因本文以1986~2020年作为研究时段, 研究了乡村地区植被覆盖度变化基本特征.首先, 从整体植被覆盖度变化的基本趋势来看, 1986~2020年研究区植被覆盖度表现为上升趋势.说明近几十年来研究区在发展的同时, 生态环境（植被）也处于改善趋势.呼海涛等[35]对2000~2020年陕西省植被覆盖的研究, 胡孟珂等[36]对2001~2020年嘉陵江流域植被覆盖度的研究, 刘逸娴等[37]对2011~2020年昆明市植被覆盖的研究等, 总体都表现出植被上升或增加趋势, 说明近年来植被保护在各区域得到了广泛重视.在绿水青山就是金山银山的生态保护理念下, 进一步提升乡村地区植被覆盖, 促进乡村地区生态环境改善, 已经成为近期乡村发展过程中不可忽视的内容.从研究区植被覆盖度的空间分布特征来看, 1986~2020年研究区植被覆盖度总体呈现北部/西北部较低的空间分布格局, 主要原因在于该地区是乡村居民区分布的核心区, 也是建设用地分布的集中区.张淑怡等[38]认为土地利用变化是长三角植被变化的主要/重要因素之一, 本文认为这种观点也适用于本研究区, 本研究区建设用地分布格局的变化影响了植被覆盖度分布格局的变化.
从研究区植被覆盖度具体阶段变化来看, 研究区植被覆盖度变化在1986~1996年呈现上升趋势.本研究推测：可能由于改革开放初期, 乡村地区（研究区）并未得到大规模开发或开发强度相对较低, 期间植被更多是相对稳定的变化, 可能产生增加趋势.1996~2001年研究区植被覆盖度呈现明显的下降特点, 本阶段植被覆盖度变化的原因较为复杂.本文推测可能包括如下3点主要原因：①该阶段乡村地区（研究区）开发和基础设施建设影响, 导致直接植被覆盖度下降；②可能与乡村地区（研究区）农业种植结构和方式变化密切相关, 处于快速发展或开发阶段的乡村, 农业种植结构和方式可能存在短期内快速调整的情况；③存在遥感影像时间差异产生的误差, 不同时间不同气象条件下, 遥感影像所反映的植被覆盖度情况必然具有差异. 2008年后研究区植被覆盖度出现明显上升, 近年来生态建设越来越重视, 乡村地区（研究区）植被恢复与此背景密切相关.
3.2 关于多尺度情景下植被覆盖度变化的单一地形效应从不同尺度情景下植被覆盖度空间分布特点来看, 1986~2020年研究区植被覆盖度空间分布在局部产生了不同变化, 说明植被覆盖度空间分布/变化存在尺度效应.除个别年份外, 随着观测尺度的上升, 1986~2020年研究区植被覆盖度空间关联性或相关性总体出现下降.本文认为可能是尺度放大过程中, 区域植被覆盖度被平均化, 导致了空间关联程度发生变化.同时, 该特征也表明尺度变化会影响研究结果和规律.因此, 未来植被与地形关系的研究, 需要重视尺度变化带来的（局部）影响.
从多尺度情景下植被覆盖度变化的单一地形效应来看, 随着海拔、坡度和地形起伏度的上升, 1986~2020年研究区植被覆盖度总体处于上升趋势.此结果直接说明了研究区相对较高的海拔、坡度和地形起伏度, 其植被覆盖更好.这种变化结果与程东亚等[22]对喀斯特地区（石阡河流域）植被覆盖随海拔和坡度变化的研究, 彭博[39]在大凌河流域植被覆盖随高程变化的研究, 整体趋势较为相似或相近.但本研究中的部分结果, 也与以往部分研究表现为较大的不一致性[40 ~ 42].例如, 许幼霞等[40]在洮河流域的研究中发现, 随高程增加该区域植被覆盖呈现先上升（增加）后下降（减少）趋势；李晓静等[41]在凉山州喜德县的研究中发现, 随着高程的增加, 该区域植被覆盖度呈现先上升（增大）后下降（减小）趋势；石淞等[42]对长白山区的研究中发现, 随着海拔和坡度的上升, 该区域植被覆盖呈现先增加后减少趋势等.根据以往分析, 本文推断：①植被覆盖变化的地形效应存在共性规律和区域性规律；②区域性规律与本身的地理环境特征具有较强的联系.因此, 未来的植被与地形关系的研究中, 可以尝试跨区域对比, 例如东中西部的对比, 城市与乡村的对比, 南方与北方的对比等, 其可能会发现更多有价值的规律.多尺度情景下, 研究区植被覆盖度阶段变化（1986~2020年）的地形差异相对明显, 例如研究区海拔0~50 m、坡度0°~6°和地形起伏度45~60 m等范围, 很好地凸显了尺度观测情景变化对植被覆盖度阶段变化的影响.
3.3 关于多尺度情景下植被覆盖度变化的综合地形效应与以往研究不同的是, 本文不仅测度了植被覆盖度变化的单一地形因子效应, 更在此基础上深刻阐述了综合地形因子相互作用对植被变化的影响.从综合地形效应来看, 不同尺度情景下, 地形起伏度与坡度是研究区1986~2020年平均植被覆盖度变化最重要的地形因子（尤其是地形起伏度的影响）, 海拔则次之.综合地形效应中, 地形起伏度（坡度）如何给植被覆盖度带来最大的正向效应, 在研究区为何如此影响并不明确, 尚未找到合适的原因去解释和理解.究竟是特殊现象, 还是普遍规律, 需要结合其他区域的相关研究, 进一步相互支撑和验证.建议未来的研究中, 可以单独考虑地形起伏度（坡度）变化对区域植被变化的影响.同时, 也建议未来植被变化与地形关系的研究中, 进一步考虑综合地形效应差异.另外, 地形因子对植被覆盖的影响十分复杂, 本文仅阐述了海拔、坡度和地形起伏度等地形因子对植被的综合影响, 坡向[22, 40, 43 ~ 45]、地形位指数[46, 47]和地表切割度[41]等与植被覆盖也有联系, 也需要在未来的研究中进一步探索和综合考虑.
4 结论（1）1986~2020年研究区植被覆盖度总体保持上升趋势, 期间植被覆盖度分布总体表现为东南和西南高, 北部（西北部）较低的空间格局. 1986~2020年研究区植被覆盖度从74.15%上升到83.44%, 期间植被覆盖度空间分布格局总体相似.
（2）多尺度情景下, 1986~2020年研究区植被覆盖度分布总体保持相似的空间格局, 但也存在局部差异；相同尺度情景下, 与1986年相比, 2020年研究区植被覆盖度莫兰指数有所上升.以情景1为例, 1986~2020年研究区植被覆盖度莫兰指数从0.603上升到0.652.
（3）多尺度情景下, 1986~2020年随着海拔、坡度和地形起伏度上升, 研究区植被覆盖度总体保持上升趋势.情景1下2020年植被覆盖度随海拔变化为例, 该年研究区植被覆盖度从海拔0~50 m的64.50%上升到 > 350 m的98.77%.
（4）多尺度情景下, 从1986~2020年研究区平均植被覆盖度变化的综合地形效应来看, 海拔、坡度和地形起伏度均为正向效应；相同地形因子下, 影响大小均表现为：情景3 > 情景2 > 情景1. 1986~2020年研究区平均植被覆盖度变化的综合地形效应中, 情景1、情景2和情景3下, 海拔的方程模拟系数分别为0.271、0.281和0.283, 坡度为0.283、0.289和0.294, 地形起伏度为0.283、0.292和0.295, 表明尺度变化会对地形综合作用产生影响.
| [1] | Bagherzadeh A, Hoseini A V, Totmaj L H. The effects of climate change on normalized difference vegetation index (NDVI) in the Northeast of Iran[J]. Modeling Earth Systems and Environment, 2020, 6(2): 671-683. DOI:10.1007/s40808-020-00724-x |
| [2] |
吴万民, 刘涛, 陈鑫. 西北干旱半干旱区NDVI季节性变化及其影响因素[J]. 干旱区研究, 2023, 40(12): 1969-1981. Wu W M, Liu T, Chen X. Seasonal changes of NDVI in the arid and semi-arid regions of Northwest China and its influencing factors[J]. Arid Zone Research, 2023, 40(12): 1969-1981. |
| [3] |
张岳, 孙梦鑫, 辛宇, 等. 2000—2020年川东地区植被NDVI变化趋势及影响因素分析[J]. 水土保持研究, 2023, 30(6): 247-254, 263. Zhang Y, Sun M X, Xin Y, et al. Trend and influencing factors of vegetation NDVI in eastern Sichuan from 2000 to 2020[J]. Research of Soil and Water Conservation, 2023, 30(6): 247-254, 263. |
| [4] |
徐勇, 黄雯婷, 郑志威, 等. 基于空间尺度效应的西南地区植被NPP影响因子探测[J]. 环境科学, 2023, 44(2): 900-911. Xu Y, Huang W T, Zheng Z W, et al. Detecting influencing factor of vegetation NPP in Southwest China based on spatial scale effect[J]. Environmental Science, 2023, 44(2): 900-911. |
| [5] | Sobhani B, Abad B, Kefayat Motlagh O M. Identification of vegetation coverage seasons in Iran using enhanced vegetation index (EVI)[J]. Applied Ecology and Environmental Research, 2018, 16(4): 3861-3872. DOI:10.15666/aeer/1604_38613872 |
| [6] |
戴强玉, 徐勇, 赵纯, 等. 四川盆地植被EVI动态变化及其驱动机制[J]. 中国环境科学, 2023, 43(8): 4292-4304. Dai Q Y, Xu Y, Zhao C, et al. Dynamic variation of vegetation EVI and its driving mechanism in the Sichuan Basin[J]. China Environmental Science, 2023, 43(8): 4292-4304. |
| [7] |
廖成浩, 曾艳, 姚昆, 等. 江西植被EVI时空动态监测及驱动因素分析[J]. 云南大学学报(自然科学版), 2022, 44(5): 981-989. Liao C H, Zeng Y, Yao K, et al. Spatio-temporal dynamic monitoring and driving factor analysis of vegetation EVI in Jiangxi province[J]. Journal of Yunnan University (Natural Sciences Edition), 2022, 44(5): 981-989. |
| [8] | Wang M B, Wang Y B, Li Z J, et al. Analysis of spatial-temporal changes and driving factors of vegetation coverage in Jiamusi City[J]. Forests, 2023, 14(9). DOI:10.3390/f14091902 |
| [9] |
李敏, 张艳. 黄河流域中段植被覆盖时空变化特征及影响因素分析[J]. 贵州师范大学学报(自然科学版), 2023, 41(1): 10-20, 40. Li M, Zhang Y. Temporal and spatial variation characteristics and influencing factors of vegetation cover in the Middle Yellow River Basin[J]. Journal of Guizhou Normal University (Natural Sciences), 2023, 41(1): 10-20, 40. |
| [10] |
程东亚, 李旭东, 安芬, 等. 高原山区小流域植被覆盖度演变时空格局[J]. 贵州师范大学学报(自然科学版), 2020, 38(1): 6-13, 57. Cheng D Y, Li X D, An F, et al. Spatial and temporal patterns of vegetation coverage in small watersheds in plateau mountain[J]. Journal of Guizhou Normal University (Natural Sciences), 2020, 38(1): 6-13, 57. |
| [11] | Yu M, Wang G L, Pal J S. Effects of vegetation feedback on future climate change over West Africa[J]. Climate Dynamics, 2016, 46(11): 3669-3688. |
| [12] |
陈春波, 李均力, 赵炎, 等. 新疆草地时空动态及其对气候变化的响应——以昌吉回族自治州为例[J]. 干旱区研究, 2023, 40(9): 1484-1497. Chen C B, Li J L, Zhao Y, et al. Spatiotemporal dynamics of grassland vegetation and its responses to climate change in Changji Hui Autonomous Prefecture, Xinjiang[J]. Arid Zone Research, 2023, 40(9): 1484-1497. |
| [13] |
刘智源, 李继红. 2000—2020年黑龙江省植被时空变化对气候因子响应[J]. 森林工程, 2024, 40(1): 85-97. Liu Z Y, Li J H. Responses of temporal and spatial changes of vegetation to climate factors in Heilongjiang Province from 2000 to 2020[J]. Forest Engineering, 2024, 40(1): 85-97. DOI:10.3969/j.issn.1006-8023.2024.01.010 |
| [14] | Li M L, Yan Q W, Li G E, et al. Spatio-temporal changes of vegetation cover and its influencing factors in Northeast China from 2000 to 2021[J]. Remote Sensing, 2022, 14(22). DOI:10.3390/rs14225720 |
| [15] |
徐勇, 戴强玉, 黄雯婷, 等. 2000~2020年西南地区植被NDVI时空变化及驱动机制探究[J]. 环境科学, 2023, 44(1): 323-335. Xu Y, Dai Q Y, Huang W T, et al. Spatio-temporal variation in vegetation cover and its driving mechanism exploration in Southwest China from 2000 to 2020[J]. Environmental Science, 2023, 44(1): 323-335. |
| [16] |
张神宝, 王永芳, 郭恩亮, 等. 基于GEE的奈曼旗植被覆盖时空演变及驱动力分析[J]. 草业科学, 2023, 40(8): 1965-1976. Zhang S B, Wang Y F, Guo E L, et al. Spatial and temporal evolution and its driving force on vegetation cover in Naiman Banner based on Google Earth Engine[J]. Pratacultural Science, 2023, 40(8): 1965-1976. |
| [17] | Fang H S, Sha M Q, Xie Y C, et al. Shifted global vegetation phenology in response to climate changes and its feedback on vegetation carbon uptake[J]. Remote Sensing, 2023, 15(9). DOI:10.3390/rs15092288 |
| [18] |
王华, 周玉科, 王笑影, 等. 东北植被生长峰值特征的变化及对气候和物候的响应[J]. 遥感技术与应用, 2021, 36(2): 441-452. Wang H, Zhou Y K, Wang X Y, et al. Spatiotemporal changes in vegetation growth peak and the response to climate and phenology over Northeast China[J]. Remote Sensing Technology and Application, 2021, 36(2): 441-452. |
| [19] |
吉珍霞, 裴婷婷, 陈英, 等. 黄土高原植被物候变化及其对季节性气候变化的响应[J]. 生态学报, 2021, 41(16): 6600-6612. Ji Z X, Pei T T, Chen Y, et al. Vegetation phenology change and its response to seasonal climate changes on the Loess Plateau[J]. Acta Ecologica Sinica, 2021, 41(16): 6600-6612. |
| [20] | Vali A, Ranjbar A, Mokarram M, et al. Investigating the topographic and climatic effects on vegetation using remote sensing and GIS: a case study of Kharestan region, Fars Province, Iran[J]. Theoretical and Applied Climatology, 2020, 140(1): 37-54. |
| [21] |
龚文峰, 孙海, 智长贵, 等. 额尔古纳国家级自然保护区主要森林植被地形梯度特征定量分析[J]. 南京林业大学学报(自然科学版), 2015, 39(1): 79-85. Gong W F, Sun H, Zhi C G, et al. Quantitative analysis of the main forest vegetation spatial characteristic in terrain gradient of Argun National Nature Reserve[J]. Journal of Nanjing Forestry University (Natural Sciences Edition), 2015, 39(1): 79-85. |
| [22] |
程东亚, 李旭东. 喀斯特地区植被覆盖度变化及地形与人口效应研究[J]. 地球信息科学学报, 2019, 21(8): 1227-1239. Cheng D Y, Li X D. Vegetation coverage change in a karst area and effects of terrain and population[J]. Journal of Geo-information Science, 2019, 21(8): 1227-1239. |
| [23] |
李晖, 李必龙, 葛黎黎, 等. 2000－2021年汾河流域植被时空演变特征及地形效应[J]. 生态环境学报, 2023, 32(3): 439-449. Li H, Li B L, Ge L L, et al. Temporal and spatial characteristics of vegetation evolution and topographic effects in Fenhe River Basin from 2000 to 2021[J]. Ecology and Environmental Sciences, 2023, 32(3): 439-449. |
| [24] | 江苏省统计局, 国家统计局江苏调查总队. 江苏统计年鉴—2022[M]. 北京: 中国统计出版社有限公司, 2022. |
| [25] |
杨静雅, 李新国, 闫凯, 等. 基于遥感与像元二分模型的新疆和静县草地植被覆盖度时空变化特征研究[J]. 西北林学院学报, 2017, 32(1): 210-217. Yang J Y, Li X G, Yan K, et al. Temporal and spatial variation characteristics of grassland vegetation coverage in Hejing of Xinjiang based on remote sensing and dimidiate pixel model[J]. Journal of Northwest Forestry University, 2017, 32(1): 210-217. DOI:10.3969/j.issn.1001-7461.2017.01.33 |
| [26] |
赵楠, 赵颖慧, 邹海凤, 等. 1990—2020年黑龙江省植被覆盖度的时空变化趋势及驱动力[J]. 应用生态学报, 2023, 34(5): 1320-1330. Zhao N, Zhao Y H, Zou H F, et al. Spatial and temporal trends and drivers of fractional vegetation cover in Heilongjiang Province, China during 1990-2020[J]. Chinese Journal of Applied Ecology, 2023, 34(5): 1320-1330. |
| [27] |
王利, 王慧鹏, 任启龙, 等. 关于基准地形起伏度的设定和计算——以大连旅顺口区为例[J]. 山地学报, 2014, 32(3): 277-283. Wang L, Wang H P, Ren Q L, et al. Setting and calculation of basic topographic relief—a case study of Lushunkou District of Dalian, China[J]. Mountain Research, 2014, 32(3): 277-283. DOI:10.3969/j.issn.1008-2786.2014.03.003 |
| [28] |
应奎. 基于地形起伏的乌蒙山区产业人口分布特征研究[J]. 曲靖师范学院学报, 2019, 38(6): 44-51. Ying K. Study on distribution characteristics of industrial population in Wumeng Mountain area based on topographic fluctuation[J]. Journal of Qujing Normal University, 2019, 38(6): 44-51. DOI:10.3969/j.issn.1009-8879.2019.06.012 |
| [29] |
程东亚, 李旭东. 贵州省乌江流域人口分布与地形的关系[J]. 地理研究, 2020, 39(6): 1427-1438. Cheng D Y, Li X D. Relationship between population distribution and topography of the Wujiang River Watershed in Guizhou Province[J]. Geographical Research, 2020, 39(6): 1427-1438. |
| [30] |
马世瑛, 陈英, 裴婷婷. 基于土地利用变化的兰州市景观生态风险评价[J]. 国土与自然资源研究, 2023(6): 31-36. Ma S Y, Chen Y, Pei T T. Landscape ecological risk assessment in Lanzhou City based on land use change[J]. Territory & Natural Resources Study, 2023(6): 31-36. |
| [31] |
王吉姝, 陈国磊, 张纪莎, 等. 长江经济带森林乡村空间分布格局及影响因素研究[J]. 贵州师范大学学报(自然科学版), 2023, 41(6): 51-61. Wang J S, Chen G L, Zhang J S, et al. Study on spatial distribution pattern and influencing factors of forests villages in Yangtze River Economic Belt[J]. Journal of Guizhou Normal University (Natural Sciences), 2023, 41(6): 51-61. |
| [32] |
程东亚, 李旭东. 贵州高原地形空间分布格局及其利用分析[J]. 高原科学研究, 2019, 3(3): 61-74. Cheng D Y, Li X D. Analysis on spatial distribution pattern and its utilization of Guizhou Plateau[J]. Plateau Science Research, 2019, 3(3): 61-74. |
| [33] |
方冰轲, 李旭东, 程东亚. 长江流域贵州段人口分布特征及其经济影响因素[J]. 湖南师范大学自然科学学报, 2022, 45(6): 41-51. Fang B K, Li X D, Cheng D Y. The characteristics of population distribution and economic factors in Guizhou Section of the Yangtze River Basin[J]. Journal of Natural Science of Hunan Normal University, 2022, 45(6): 41-51. |
| [34] |
盖兆雪, 孙萍, 张景奇. 松花江流域土地利用变化及形成机理——以哈尔滨段为例[J]. 水土保持研究, 2019, 26(4): 314-320. Gai Z X, Sun P, Zhang J Q. Land use change and formation mechanism in Songhuajiang Basin—Harbin section as an example[J]. Research of Soil and Water Conservation, 2019, 26(4): 314-320. |
| [35] |
呼海涛, 畅易飞, 王凯博. 2000－2020年陕西省植被覆盖时空变化多尺度分析[J]. 水土保持研究, 2023, 30(3): 345-352. Hu H T, Chang Y F, Wang K B. Multi-scale analysis of spatiotemporal change of vegetation cover in Shaanxi province from 2000 to 2020[J]. Research of Soil and Water Conservation, 2023, 30(3): 345-352. |
| [36] |
胡孟珂, 于欢, 孔博, 等. 2001~2020年嘉陵江流域植被覆盖度时空变化特征[J]. 人民长江, 2022, 53(1): 82-89, 96. Hu M K, Yu H, Kong B, et al. Spatial-temporal variations of fractional vegetation coverage in Jialing River Basin from 2001 to 2020[J]. Yangtze River, 2022, 53(1): 82-89, 96. |
| [37] |
刘逸娴, 张军, 唐莹, 等. 昆明市2011—2020年植被覆盖时空变化特征分析及其归因[J]. 科学技术与工程, 2023, 23(19): 8124-8132. Liu Y X, Zhang J, Tang Y, et al. Analysis of spatiotemporal variation of vegetation coverage in Kunming City from 2011 to 2020 based on MODIS_NDVI and its attribution[J]. Science Technology and Engineering, 2023, 23(19): 8124-8132. DOI:10.12404/j.issn.1671-1815.2023.23.19.08124 |
| [38] |
张淑怡, 尤怡靖, 朱泓恺, 等. 长三角地区植被覆盖演变城乡差异及其原因[J]. 生态学报, 2023, 43(14): 5980-5993. Zhang S Y, You Y J, Zhu H K, et al. Urban and rural differences in vegetation cover evolution and its causes in the Yangtze River Delta[J]. Acta Ecologica Sinica, 2023, 43(14): 5980-5993. |
| [39] | 彭博. 植被覆盖度时空变化特征与地形因子关系分析[J]. 水土保持应用技术, 2023(4): 16-18. DOI:10.3969/j.issn.1673-5366.2023.04.06 |
| [40] |
许幼霞, 周旭, 赵娟, 等. 半湿润半干旱过渡区洮河流域植被盖度变化特征[J]. 水土保持通报, 2016, 36(6): 308-314. Xu Y X, Zhou X, Zhao J, et al. Vegetation coverage variation features river in semi-humid and semi-dry transitional region of Taohe River Basin[J]. Bulletin of Soil and Water Conservation, 2016, 36(6): 308-314. |
| [41] |
李晓静, 张斌, 刘守江, 等. 凉山州喜德县植被盖度与地形因子的空间耦合[J]. 西华师范大学学报(自然科学版), 2022, 43(2): 129-136. Li X J, Zhang B, Liu S J, et al. Spatial coupling of vegetation cover with terrain factors in Xide County of Liangshan Prefecture[J]. Journal of China West Normal University (Natural Sciences), 2022, 43(2): 129-136. |
| [42] |
石淞, 李文, 杨子仪, 等. 长白山区植被覆盖度时空变化及地形分异研究[J]. 水土保持通报, 2023, 43(3): 254-264, 276. Shi S, Li W, Yang Z Y, et al. Spatiotemporal variations and topographic differentiation of fractional vegetation cover in Changbai Mountain[J]. Bulletin of Soil and Water Conservation, 2023, 43(3): 254-264, 276. |
| [43] |
陈洪磊, 欧阳炜, 吕凤玲, 等. 官渡河流域植被覆盖变化与地形因子相关性[J]. 水土保持研究, 2019, 26(3): 135-140, 147. Chen H L, Ouyang W, Lyu F L, et al. Variation of vegetation cover and its correlation of topographic factors in Guandu River Basin[J]. Research of Soil and Water Conservation, 2019, 26(3): 135-140, 147. |
| [44] |
黄兰鹰, 杨育林, 高鹏, 等. 应用Landsat影像数据分析岷江上游植被覆盖度时空变化及地形分异特征[J]. 东北林业大学学报, 2023, 51(1): 54-60. Huang L Y, Yang Y L, Gao P, et al. Temporal and spatial variation of vegetation coverage and its topographical differentiation in the Upstream of Minjiang River with Landsat remote sensing image[J]. Journal of Northeast Forestry University, 2023, 51(1): 54-60. |
| [45] |
龙映豪, 李旭东, 程东亚. 山区植被覆盖度变化的地形分异特征——以贵州开阳县为例[J]. 水土保持研究, 2022, 29(5): 268-275, 282. Long Y H, Li X D, Cheng D Y. Topographic differentiation of vegetation coverage changes between shaded slopes and sunny slopes in mountainous areas—a case of Kaiyang County, Guizhou Province[J]. Research of Soil and Water Conservation, 2022, 29(5): 268-275, 282. |
| [46] |
林莹冰, 王小军, 全明英, 等. 江西和福建省植被覆盖时空特征及其地形梯度效应[J]. 水土保持研究, 2024, 31(1): 290-300. Lin Y B, Wang X J, Quan M Y, et al. Spatiotemporal characteristics of vegetation coverage and its terrain gradient effect in Jiangxi and Fujian Provinces in South China[J]. Research of Soil and Water Conservation, 2024, 31(1): 290-300. |
| [47] |
马士彬, 安裕伦, 杨广斌, 等. 不同地形梯度上的植被变化趋势及原因分析[J]. 生态环境学报, 2019, 28(5): 857-864. Ma S B, An Y L, Yang G B, et al. The analysis of distribution characteristics and reasons of NDVI change trends along the terrain gradient[J]. Ecology and Environmental Sciences, 2019, 28(5): 857-864. |